STATISTIKA 1

8. Distribusi Peluang Teoritis

Diskrit

MATERI KULIAH STATISTIKA DESKRIPTIF

ILMU EKONOMI
UNIVERSITAS GUNADARMA
2017

1 OLEH: RISKAYANTO
 PEUBAH ACAK (VARIABEL)
Titik-titik contoh dalam suatu ruang contoh (sample
space) dapat disajikan dalam bentuk numerik (bilangan).
Peubah Acak (Variabel Acak/Random Variable) adalah
fungsi yang mendefinisikan titik contoh dalam ruang
contoh, sehingga memiliki nilai berupa bilangan nyata
(beberapa teks ada juga yang menyebutnya dengan
stochastic variable).
Pada umumnya, peubah acak dinyatakan dengan huruf
kapital seperti X atau Y, sedangkan nilai-nilai bagi
peubah acak dinotasikan dengan huruf kecil seperti x
dan y.

2
 PEUBAH ACAK (VARIABEL)
Contoh 1:
Sudah diketahui bersama bahwa dari percobaan
pelemparan sekeping mata yang setimbang sebanyak 3
(tiga) kali, akan diperoleh ruang contoh yang terdiri
dari 23 titik contoh, yaitu S = {GGG, GGA, GAG,
AGG, GAA, AGA, AAG, AAA}. Apabila X adalah
sebuah peubah acak yang didefinisikan sebagai:
“banyaknya sisi gambar (G) yang muncul”, maka
sebutkanlah nilai-nilai yang mungkin bagi X!

3
 PEUBAH ACAK (VARIABEL)
Jawab:
S = {GGG, GGA, GAG, AGG, GAA, AGA, AAG,
AAA}
↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓
x=3 x=2 x=2 x=2 x=1 x=1 x=1 x=0
Dengan demikian X = {0, 1, 2, 3}
 x = 0, artinya titik contoh tidak mengandung unsur G.
 x = 1, artinya titik contoh mengandung 1 unsur G
 x = 2, artinya titik contoh mengandung 2 unsur G
 x = 3, artinya titik contoh mengandung 3 unsur G

4
 KATEGORI PEUBAH ACAK
Peubah acak dapat dibedakan menjadi beberapa kategori:
1. Peubah Acak Diskrit
Nilainya berupa bilangan cacah, dapat dihitung
dan terhingga (finite).
Untuk nilai data yang diperoleh dengan cara
dicacah.
Misal: - banyaknya produk yang rusak =12 buah
- banyaknya pegawai yang diPHK = 5
orang

5
 KATEGORI PEUBAH ACAK
2. Peubah Acak Kontinu
Nilainya berupa selang bilangan, tidak dapat
dihitung dan tak terhingga (infinite).
Untuk nilai data yang diperoleh dengan cara
diukur.
Misal: - Jarak pabrik ke pasar = 35,57 km
- waktu produksi per unit = 15,07 menit
- berat bersih produk = 209,69 gram
- volume kemasan = 100,00 cc.

6
 DISTRIBUSI PELUANG TEORITIS
Adalah tabel atau rumus yang mencantumkan semua
kemungkinan nilai peubah acak berikut peluang bagi
masing-masing nilainya.
Terkait dengan kategori peubah acak, maka distribusi
peluang juga dibedakan menjadi 2 jenis:
I. Distribusi Peluang Diskrit, misalnya distribusi
seragam, binomial, hipergeometrik, poisson, dll.
II.Distribusi Peluang Kontinu, misalnya distribusi
normal, student-t, F, χ2, dll.

7
 DISTRIBUSI SERAGAM
PENGERTIAN:
Jika peubah acak X mempunyai nilai x 1, x2, x3, …, xk yang
berpeluang sama, maka distribusi peluang seragamnya
adalah:
1
f  x; k  
k
untuk x = x1, x2, x3, …, xk

Contoh 2:
Jika Abu, Badu, dan Cici berpeluang sama untuk mendapat
beasiswa, bagaimanakah distribusi peluang mereka untuk
mendapat beasiswa tersebut?

8
 DISTRIBUSI SERAGAM
Jawab:
1
Fungsi sebaran peluangnya:f  x;3  3

Dengan demikian, sebaran peluang masing-masing

adalah:
P(Abu) = ⅓
P(Badu) = ⅓
P(Cici) = ⅓

9
 DISTRIBUSI SERAGAM
Secara umum, nilai k pada sebaran peluang seragam
dapat dipandang sebagai kombinasi n obyek dari N
obyek yang berbeda.
k  CnN
di mana, N = banyaknya titik contoh dalam
ruang contoh
n = ukuran sampel acak
= banyaknya unsur peubah acak X

10
 DISTRIBUSI SERAGAM
Contoh 3:
Jika kemasan batu baterei terdiri dari 4 batu baterei,
maka bagaimana distribusi peluang cara menyusun
batu baterei untuk sejumlah 12 batu baterei?

Jawab:
12!
kC C
Jumlah cara yang mungkin:
N
n
12
4   495
4! 8!
1
Jadi, peluang f  x; k   f  x;495 
seragamnya: 495

11
 DISTRIBUSI BINOMIAL
Percobaan Binomial
Percobaan binomial adalah percobaan yang mempunyai
ciri-ciri sebagai berikut:
1) Percobaan diulang n kali.
2) Hasil setiap ulangan hanya dapat dikategorikan ke dalam
2 kelas, misalnya: “BERHASIL” atau “GAGAL”; “YA”
atau “TIDAK”; “SUCCESS” atau “FAILED”, dsb.
3) Peluang keberhasilan = p, dan dalam setiap ulangan nilai
p tidak berubah. Sedangkan peluang gagal = q = 1 – p.
4) Setiap ulangan bersifat bebas (independen) satu dengan
yang lain.

12
 DISTRIBUSI BINOMIAL
DEFINISI
Peluang binomial didefinisikan dengan fungsi binomial
sbb:
b(x;n,p)  Cxn  p x  q n-x
untuk x = 0, 1, 2, …, n

di mana, n= banyaknya ulangan

x = banyaknya output SUKSES dalam peubah
X
p = peluang SUKSES pada setiap ulangan
q = peluang GAGAL pada setiap ulangan = 1 –
q
13
 DISTRIBUSI BINOMIAL
Catatan untuk peluang binomial:
Untuk memudahkan membedakan p dengan q, maka kita
terlebih dulu harus dapat menetapkan mana kejadian
SUKSES dan mana kejadian GAGAL. Kita dapat
menetapkan bahwa kejadian yang ditanyakan adalah
kejadian SUKSES.

Contoh 4:
Tentukan peluang mendapatkan “MATA 1” muncul 3
kali pada pelemparan sebuah dadu yang setimbang 5
kali!
14
 DISTRIBUSI BINOMIAL
Jawab:
Kejadian SUKSESnya adalah mendapatkan “MATA
1”.
x = 3 → banyaknya SUKSES atau nilai variabel.
n = 51 → pelemparan
1 -  diulang 5 kali
1 5
6 6 6
p= ; q=
Jadi, b(x; n , p)  C n
x  p x
 q n-x

b( 3;5, 16 )  C35  ( 16 ) 3  ( 56 ) 2
5! 5 2
  5  10  0,003215...  0,03215...
3!2! 6
15
 DISTRIBUSI BINOMIAL
Contoh 5:
Peluang seorang mahasiswa membolos adalah 6:10. Jika
terdapat 5 mahasiswa, berapakah peluangnya akan
terdapat 2 orang mahasiswa tidak membolos?

Jawab
Kejadian SUKSES dalam kasus ini: Tidak Membolos.
Peluang membolos = q = 6:10 = 0,6.
Peluang tidak membolos = p = 1 – q = 1 – 0,6 = 0,4.
x = 2, n = 5. Jadi, b(x=2, n=5, p=0,4):

= 10×(0,16)×(0,216) = 0,346
b(x;5,0,4 )  C 2  0,4  0,6 5- 2
5 2

16
 DISTRIBUSI BINOMIAL
Tabel Peluang Binomial
Soal-soal mengenai peluang binomial dapat pula diselesaikan
dengan bantuan Tabel Distribusi Peluang Binomial.
Tabel Distribusi Peluang Binomial mengandung unsur-unsur
fungsi binomial, yaitu:
 Baris: memuat n (jumlah trial) dan x (jumlah kejadian SUKSES)
 Kolom: memuat p (peluang kejadian SUKSES)
Contoh tampilan sebagian Tabel Distribusi Peluang Binomial
diberikan pada tayangan selanjutnya.
Cara pembacaan dan penggunaannya diberikan pada tayangan
yang mengikuti.

17
 DISTRIBUSI BINOMIAL

18
 DISTRIBUSI BINOMIAL
Cara pembacaan Tabel Peluang Binomial:
Perhatikan bahwa pada setiap kolom Ʃp =1,0000 (atau
karena pembulatan, jumlahnya tidak persis 1,0000, tetapi
hanya mendekati 1,0000)
Untuk setiap input fungsi binomial, pembacaan nilainya sbb:
x=0 n=5 p=0.10 b(0; 5, 0.10) = 0,5905
x=1 n=5 p=0.10 b(1; 5, 0.10) = 0,3280
Jika 0≤x≤2, n=5, dan p=0.10, maka:
b(x; n, p) = b(0; 5, 0.10) + b(1; 5, 0.10) + b(2; 5,
0.10)
= 0,5905 + 0,3280 + 0,0729 = 0,9914

19
 DISTRIBUSI BINOMIAL
Contoh 6:
Suatu perusahaan pengiriman paket terikat perjanjian
bahwa keterlambatan paket akan menyebabkan
perusahaan harus membayar biaya kompensasi. Jika
peluang setiap kiriman akan terlambat adalah 0,20 dan
bila terdapat 5 paket, hitunglah probabilitasnya:
a) Tidak ada paket yang terlambat (x=0)
b) Lebih dari 2 paket yang terlambat (x>2)
c) Tidak lebih dari 3 paket yang terlambat (x≤3)
d) Ada 2 sampai 4 paket yang terlambat (2≤x≤4)
e) Paling tidak ada 2 paket yang terlambat (x≥2)

20
 DISTRIBUSI BINOMIAL
Jawab:
a) x=0 → = b(0; 5, 0.20) = 0,3227
b) x>2 → = b(3; 5, 0.20) + b(4; 5, 0.20) + b(5; 5, 0.20)
= 0,0512 + 0,0064 + 0,0003 = 0,0579
atau dapat dicari dengan cara…
1 – b(x≤2) = 1 – [b(0; 5, 0.20) b(1; 5, 0.20) b(2; 5, 0.20)]
= 1 – (0,3277 + 0,4096 + 0,2048)
= 1 – 0,9421 = 0,0579
 x≤3 → = b(0; 5, 0.20) + b(1; 5, 0.20) + b(2; 5, 0.20) +
b(3; 5, 0.20)
= 0,3277 + 0,4096 + 0,2048 + 0,0512
= 0,9933
21
 DISTRIBUSI BINOMIAL
Jawab (lanjutan…):
atau dapat dicari dengan cara…
1 – b(x>3) = 1 – [b(4; 5, 0.20) + b(5; 5, 0.20)]
= 1 – (0,0064 + 0,0003)
= 1 – 0,0067 = 0,9933
d) 2≤x≤4 → = b(2; 5, 0.20) + b(3; 5, 0.20) + b(4; 5, 0.20)
= 0,2048 + 0,0512 + 0,0064 = 0,2624

22
 DISTRIBUSI BINOMIAL
Rata-rata dan ragam bagi sebaran peluang binomial
adalah (dapat dibuktikan secara matematis):
Rata-rata: μ=n×p
Ragam: σ2 = n × p × q
di mana: n = ukuran populasi
p= peluang BERHASIL pada setiap ulangan
q= 1 – p = peluang GAGAL pada setiap
ulangan

23
 DISTRIBUSI BINOMIAL
Contoh 7:
Apabila diketahui suatu sebaran fungsi binomial b(5;
5, 0.20), hitunglah rata-rata, ragam, dan simpangan
bakunya!

Jawab:
Untuk x=5, n=5, dan p=0,20, maka q=0,80
Jadi,μ = 5 × 0,20 = 1,00
σ2= 5 ×0.80
0,20 × 0,80 = 0,80
σ = = 0,8944…

24
 DISTRIBUSI BINOMIAL
REVIEW:
Di daerah Indonesia bagian Timur, 5% dari panggilan
telepon seluler (ponsel) mengalami gangguan
(terputus). Berapakah probabilitasnya bahwa dari 6
panggilan ponsel yang dipilih secara acak:
a) Tidak ada yang terputus?
b) Tepat satu panggilan terputus?
c) Tepat lima panggilan terputus?
d) Kurang dari empat panggilan terputus?
e) Antara empat sampai enam panggilan terputus?

25
 DISTRIBUSI POISSON
Percobaan Poisson
Percobaan Poisson adalah percobaan yang memiliki ciri-
ciri sebagai berikut:
1) Hasil percobaan pada suatu selang waktu dan tempat tidak
tergantung dari hasil percobaan di selang waktu dan tempat lain
yang terpisah.
2) Peluang terjadinya suatu hasil percobaan sebanding dengan
panjang selang waktu dan luas tempat percobaan terjadi. Hal ini
berlaku hanya untuk selang waktu yang singkat dan luas daerah
yang sempit.
3) Peluang bahwa lebih dari satu hasil percobaan akan terjadi pada
satu selang waktu dan luasan tempat yang sama diabaikan.

26
 DISTRIBUSI POISSON
Peluang Poisson didefinisikan dengan fungsi Poisson sbb:

e  x
poisson( x;  ) 
x!
di mana, e = bilangan alam (natural number) =
2,71828…
x = banyaknya unsur BERHASIL dalam sampel
μ = rata-rata keBERHASILan
Perhatikan formula yang digunakan! Peluang suatu
kejadian Poisson dihitung dari rata-rata populasinya (μ).

27
 DISTRIBUSI POISSON
Tabel Peluang Poisson
Seperti halnya peluang binomial, soal-soal peluang
Poisson dapat diselesaikan dengan Tabel Peluang
Poisson. Soal-soal tentang peluang Poisson bahkan
terlihat sangat sulit apabila diselesaikan dengan
memecahkan fungsi Poissonnya.
Cara membaca dan menggunakan Tabel Peluang Poisson
tidak jauh berbeda dengan Tabel Peluang Binomial.
Cara pembacaan dan penggunaannya diberikan pada
tayangan berikutnya.

28
 DISTRIBUSI POISSON

29
 DISTRIBUSI POISSON
Cara pembacaan Tabel Peluang Poisson:
Berdasarkan tabel pada tayangan sebelumnya dengan μ
= 4,5,
untuk x=2 → = poisson(2; 4.5) = 0,1125
untuk x<3 → = poisson(x<3; 4.5)
= poisson(0; 4.5) + poisson(1; 4.5) +
poisson(2; 4.5)
= 0,0111 + 0,0500 + 0,1125 = 0,1736
untuk x>2 → = poisson(x>2; 4.5)
= poisson(3; 4.5) + poisson(4; 4.5) + ….. +
poisson(15; 4.5)

30
 DISTRIBUSI POISSON
Cara pembacaan Tabel Peluang Poisson (lanjutan…):
atau dapat dicari dengan cara…
= 1 – poisson(x≤2; 4.5)
= 1 – [poisson(0; 4.5) + poisson(1; 4.5) +

poisson(2; 4.5)]
= 1 – (0,0111 + 0,0500 + 0,1125)
= 1 – 0,1736 = 0,8264

31
 DISTRIBUSI POISSON
Contoh 8:
Rata-rata seorang sekretaris baru melakukan 5 kesalahan
ketik per halaman. Berapa peluang bahwa pada halaman
berikutnya ia membuat:
a) Tidak ada kesalahan (x=0)?
b) Tidak lebih dari 3 kesalahan (x≤3)?
c) Lebih dari 3 kesalahan (x>3)?
d) Paling tidak ada 3 kesalahan (x≥3)?

Jawab:
Diketahui bahwa μ = 5. Jadi,
32
 DISTRIBUSI POISSON
Jawab (lanjutan…):
a) x=0 → = poisson(0; 5) = 0,0067
b) x≤3 → = poisson(0; 5) + poisson(1; 5) + poisson(2; 5)
+ poisson(3; 5)
= 0,0067 + 0,0337 + 0,0842 + 0,1404 = 0,2650
c) x>3 → = poisson(x>3; 5)
= poisson(4; 5) + poisson(5; 5) + poisson(6; 5) +
poisson(7; 5) + ….. + poisson(15; 5)
atau dapat dicari dengan cara…

33
 DISTRIBUSI POISSON
Jawab (lanjutan…):
atau dapat dicari dengan cara…
poisson(x>3; 5) = 1 – poisson(x≤3; 5)
= 1 – [poisson(0; 5) + poisson(1; 5) +
poisson(2; 5) + poisson(3; 5)]
= 1 – (0,0067 + 0,0037 + 0,0842
+ 0,1404)
= 1 – 0,2650 = 0,7350
d) x≥3 → = 1 – poisson(x≤2; 5)
= 1 – [poisson(0; 5) + ….. + poisson(2; 5)]
= 1 – (0,0067 + 0,0037 + 0,0842)
= 1 – 0,0946 = 0,9054

34
 DISTRIBUSI POISSON
Pendekatan Poisson untuk Binomial
 Pendekatan peluang Poisson untuk masalah peluang binomial
dila-kukan jika n sangat besar (n > 20) dan p sangat kecil (p <
0,01).
 Penyelesaian dengan pendekatan Poisson ini dilakukan dengan
terlebih dulu menetapkan p dan kemudian menetapkan μ = n ×
p.

Contoh 9:
 Dari 1000 orang mahasiswa, 2 orang mengaku selalu telat
masuk kuliah tiap hari. Jika pada suatu hari terdapat 5000
mahasiswa, berapa peluang ada lebih dari 3 orang yang telat?

35
 DISTRIBUSI POISSON
Jawab:
Kejadian SUKSES: selalu telat masuk kuliah
2
p = 1000 = 0,002; n = 5000; x > 3
Jika masalah di atas diselesaikan dengan peluang
binomial:
b(x>3; 5000, 0,002) → tidak ada di dalam tabel
→ tidak praktis diselesaikan manual
Dengan pendekatan poisson →
hitung μ = n × p = 5000 × 0,002 = 10
Dengan demikian,
36
 DISTRIBUSI POISSON
Jawab (lanjutan…):
→ poisson(x>3; 10)= 1 – poisson(x≤3; 10)
= 1 – [poisson(0; 10) + poisson(1;
10) +
poisson(2; 10) + poisson(3;
10)]
= 1 – (0,0000 + 0,0005 + 0,0023)
= 1 – 0,0028 = 0,9972

37
 DISTRIBUSI POISSON
REVIEW
Emprit Airlines adalah perusahaan penerbangan yang
melayani rute penerbangan musiman dari Surabaya ke
berbagai kota di Indonesia Bagian Timur. Akhir-akhir ini
Emprit Airlines sedang dihadapkan pada masalah klaim
bagasi yang hilang. Marwoto dari Departemen Analitis
diminta untuk melakukan studi atas masalah ini. Dia memilih
contoh secara acak 500 penerbangan dan menemukan bahwa
total 20 bagasi telah hilang dalam penerbangan-penerbangan
tersebut. Hitunglah berapa peluang bahwa tidak ada bagasi
yang hilang pada suatu penerbangan? Berapa pula
peluangnya bahwa setidaknya 1 bagasi hilang?

38
 DISTRIBUSI HIPERGEOMETRIK
Perbandingan dengan distribusi binomial
Peluang Binomial
Perhatian hanya untuk peluang BERHASIL

Peluang Hipergeometrik
Untuk kasus di mana peluang BERHASIL berkaitan
dengan peluang GAGAL.
Ada penyekatan dan pemilihan/kombinas obyek
(BERHA-SIL dan GAGAL)

39
 DISTRIBUSI HIPERGEOMETRIK
Percobaan Hipergeometrik
Percobaan hipergeometrik adalah perobaan yang
memiliki ciri-ciri sebagai berikut:
1) Contoh acak berukuran n diambil dari populasi yang
berukuran N
2) k dari N diklasifikasikan sebagai “BERHASIL”,
sedangkan N–k diklasifikasikan sebagai “GAGAL”

40
 DISTRIBUSI HIPERGEOMETRIK
Peluang hipergeometrik didefinisikan sebagai berikut:
Bila dalam populasi dengan N obyek, k benda
termasuk ke dalam kelas “BERHASIL” dan N–k
(sisanya) termasuk ke dalam kelas “GAGAL”, maka
Distribusi Hipergeometrik peubah acak X yang
menyatakan banyaknya keberhasilan dalam contoh
acak berukuran n adalah: N k
k
C x  Cn x
h( x; N, n, k ) 
C nN
untuk x = 0, 1, 3, …, k

41
 DISTRIBUSI HIPERGEOMETRIK
Contoh 10:
Jika dari seperangkat kartu bridge diambil 5 kartu
secara acak tanpa pemulihan, berapa peluang diperoleh
3 kartu hati?

Jawab:
Diketahu: N = 52; C 313  Cn239= 5; k = 13; x=
h(3; 52, 5,13) 
3; C 552

Jadi,

42
 DISTRIBUSI HIPERGEOMETRIK
Rata-rata dan ragam bagi suatu distribusi peluang
hipergeo-metrik h(x; N, n, k) adaalah:
n k
Rata-rata:  
N
Ragam: Nn k k
2   n  (1  )
N 1 N N
di mana, N = total obyek dalam populasi (semesta)
n = ukuran sampel (contoh)
k = jumlah obyek dalam kategori “BERHASIL”

43
 DISTRIBUSI HIPERGEOMETRIK
Distribusi hipergeometrik dapat diperluas menjadi
penyekatan ke dalam beberapa kelas sbb:
C xa11  C xa22  C xakk
f ( x1 , x2 , ..., xk ; a1 , a2 , ..., ak , N, n ) 
CnN
Perhatikan bahwa: dank k
n  x
i 1
i N a
i 1
i

di mana, N = ukuran populasi (semesta)

n = ukuran contoh acak
k = banyaknya penyekatan (kelas)
xi = banyaknya keberhasilan kelas ke-i dalam contoh
ai = banyaknya keberhasilan kelas ke-i dalam populasi

44
 DISTRIBUSI HIPERGEOMETRIK
Contoh 11:
Dari 10 pengemudi sepeda motor, 3 orang mengemudikan
motor merk “S”, 4 orang menggunakan motor merk “Y”, dan
sisanya menggunakan motor merk “H”. Jika secara acak
diambil 5 orang, berapa peluang 1 orang mengemudikan
motor merk “S”, 2 orang merk “Y”, dan 2 orang merk “H”?

Jawab:
Diketahui, N = 10, n=5
a1 = 3, a2 = 4, a3 = 3,
x1 = 1, x2 = 2, x3 = 2

45
 DISTRIBUSI HIPERGEOMETRIK
Jawab (lanjutan…):

C13  C24  C23

Dengan demikian, f 1, 2, 2; 3, 4, 3,10, 5 
C510

46
 DISTRIBUSI HIPERGEOMETRIK
Pendekatan Hipergeometrik untuk Binomial
Pendekatan hipergeometrik dapat juga dilakukan untuk
menyelesaikan persoalan-persoalan binomial.
Binomial → digunakan untuk pengambilan contoh
dengan pemulihan (dengan pengembalian).
Hipergeometrik → digunakan untuk pengambilan
contoh tanpa pemulihan (tanpa pengembalian).

47
 DISTRIBUSI HIPERGEOMETRIK
Contoh 12:
Dalam suatu kotak terdapat 5 bola yang terdiri dari 2 bola
merah, 2 bola biru, dan 1 bola putih. Berapakah
peluangnya:
a) Terambil 2 bola merah, dari 4 kali pengambilan yang
dilakukan secara acak dengan pemulihan?
b) Terambil 2 bola merah, dari 4 kali pengambilan yang
dilakukan secara acak tanpa pemulihan?

Jawab:
a) Diselesaikan dengan distribusi peluang binomial.

48
 DISTRIBUSI HIPERGEOMETRIK
Jawab (lanjutan…):
Diketahui, p = 2/5 = 0,40; n = 4; x=2
Jadi, b(2; 4, 0,40) = 0,16
b) Diselesaikan dengan distribusi peluang hipergeometrik
Diketahui, N = 5; n = 4; k = 2; x=2
N–k = 3 n–x = 2
C 22  C 23 1 3 3
Jadi, h  2; 5, 4, 2  5
   0,60
C4 5 5

49
 DISTRIBUSI HIPERGEOMETRIK
REVIEW
PlayTime Toys, Inc. mempekerjakan 50 karyawan di
bagian Departemen Perakitan. 40 dari karyawan
tersebut ikut serikat buruh, sedangkan 10 sisanya
tidak. 5 orang karyawan dipilih secara acak dalam
rangka pembentukan komite yang akan menemui
manajemen guna membahas masalah waktu pergantian
kerja. Berapa peluangnya bahwa 4 dari 5 orang yang
terpilih dalam komite merupakan anggota serikat
pekerja?

50