Statistik Farmasi Probabilitas

Ukuran: px
Mulai penontonan dengan halaman:

Download "Statistik Farmasi Probabilitas"

Transkripsi

1

2 Statistik Farmasi 2016 Probabilitas

3 TUJUAN PERKULIAHAN Setelah mengikuti perkuliahan, diharapkan mahasiswa mampu: 1 Menentukan ruang sampel dan probabilitas dari suatu peristiwa, dengan menggunakan probabilitas klasik atau probabilitas empiris. 2 Mencari probabilitas peristiwa majemuk, menggunakan aturan penjumlahan. 3 Mencari probabilitas peristiwa majemuk, menggunakan aturan perkalian. 4 Mencari probabilitas bersyarat dari suatu peristiwa. 5 Mencari jumlah hasil pada peristiwa berurutan, dengan menggunakan aturan perhitungan dasar. 6 Mencari beberapa cara bahwa objek r dapat dipilih dari objek n, dengan menggunakan aturan permutasi. 7 Menemukan sejumlah cara dimana objek r dapat dipilih dari objek n tanpa memperhatikan urutan, menggunakan aturan kombinasi. 8 Mencari probabilitas dari suatu peristiwa, dengan menggunakan aturan perhitungan.

4 Outline 1 Pengantar 2 Ruang Sampel dan Probabilitas 3 Aturan Penambahan untuk Probabilitas 4 Aturan Perkalian dan Probabilitas Bersyarat 5 Aturan Perhitungan

5 1. Pengantar Probabilitas atau peluang adalah besaran angka yang menunjukkan seberapa besar kemungkinan suatu peristiwa akan terjadi Probabilitas merupakan dasar dari statistik inferensial. Prediksi dilakukan berdasarkan probabilitas Hipotesis diuji menggunakan probabilitas

6 2 Ruang Sampel dan Probabilitas

7 Ruang Sampel dan Probabilitas Ruang sampel adalah himpunan semua hasil yang mungkin dari percobaan probabilitas Percobaan Ruang sampel Melemparkan satu buah koin Gambar, Angka Melemparkan dadu 1,2,3,4,5,6 Jawaban pada pertanyaan benar salah Benar, Salah Melempar dua buah koin Gambar-gambar, angkaangka, gambar-angka, angka-gambar Soal: 1. Tentukan ruang sampel untuk pelemparan dua buah dadu. 2. Tentukan ruang sampel untuk jenis kelamin anak pada satu keluarga yang punya tiga anak. Gunakan B untuk anak laki-laki dan G untuk anak perempuan.

8 Jawaban soal: 1. Dadu 1 2. Dadu 2

9 Menggunakan diagram pohon untuk menentukan ruang sampel. Contoh:

10 Peristiwa / Kejadian (Event) Peristiwa/kejadian terdiri dari satu set hasil dari percobaan probabilitas. contoh. Kejadian sederhana; kejadian yang hanya terdiri dari satu hasil. Melempar dadu sekali, muncul 6 Kejadian majemuk; kejadian yang terdiri dari 2 atau lebih hasil Kejadian munculnya bilangan ganjil, pada melempar dadu

11 Probabilitas klasik Probabilitas klasik menggunakan ruang sampel untuk menentukan probabilitas numerik bahwa suatu peristiwa akan terjadi. Probabilitas klasik mengasumsikan bahwa semua hasil dalam ruang sampel samasama mungkin terjadi contoh, ketika satu dadu dilempar, setiap hasil memiliki kemungkinan yang sama terjadi. Karena ada enam hasil, setiap hasil memiliki probabilitas 1/6.

12 Contoh: jika satu keluarga punya 3 anak, tentukan probabilitas bahwa 2 dari 3 anak tersebut adalah perempuan.

13 Jawab: karena ruang sampelnya = 8, dan ada 3 hasil kejadian untuk dua anak perempuan (GGB, GBG, BGG), maka P(dua anak perempuan) = 3/8

14 4 Aturan probabilitas dasar Aturan 1: probabilitas dari suatu kejadian E adalah bilangan antara dan termasuk 0 dan 1. dinyatakan dalam 0 P(E) 1 Aturan 2: jika kejadian E tidak terjadi, maka probabilitasnya adalah 0. Contoh: jika sebuah dadu dilempar, tentukan probabilitas muncul 9. Jawab: karena ruang sampel: 1,2,3,4,5,6, maka mustahil muncul 9. jadi P(9) = 0/6 = 0

15 Aturan 3:Jika kejadian E pasti terjadi, maka probabilitasnya adalah 1 Contoh: jika melempar satu buah dadu, tentukan probabilitas munculnya bilangan yang kurang dari 7. Jawab: karena semua hasil: 1,2,3,4,5,6 adalah kurang dari 7, maka probabilitasnya adalah P(bilangan kurang dari 7) = 6/6 = 1 Aturan 4: jumlah probabilitas dari semua hasil pada ruang sampel adalah 1

16 Probabilitas Empiris Perbedaan antara probabilitas klasik dan empiris adalah bahwa probabilitas klasik mengasumsikan bahwa hasil tertentu memiliki kemungkinan yang sama (seperti hasil ketika sebuah dadu dilempar), sedangkan probabilitas empiris bergantung pada pengalaman aktual untuk menentukan kemungkinan hasil. Dalam probabilitas empiris, orang benar-benar melempar dadu misal 6000 kali, mengamati berbagai frekuensi, dan menggunakan frekuensi ini untuk menentukan probabilitas suatu hasil.

17

18 Contoh soal Pada sampel 50 orang, 21 memiliki golongan darah O, 22 memiliki golongan darah A, 5 memiliki golongan darah B, dan 2 memiliki golongan darah AB. Buat distribusi frekuensi dan tentukan probabilitas berikut. a. Orang yang memiliki golongan darah O. b. Orang yang memiliki golongan darah A atau B. c. Orang yang bukan bergolongan darah A maupun O. d. Orang yang tidak memiliki golongan darah AB.

19 Jawaban

20 Contoh soal1

21 Jawaban soal1

22 3 Aturan Penambahan untuk Probabilitas

23 Aturan Penambahan untuk Probabilitas Banyak permasalahan yang melibatkan pencarian probabilitas dari dua atau lebih peristiwa Dua peristiwa adalah peristiwa saling terpisah jika keduanya tidak dapat terjadi pada saat yang sama (yaitu, mereka tidak memiliki hasil bersama).

24 Aturan penambahan 1 Jika dua peristiwa A dan B adalah peristiwa saling terpisah, probabilitas bahwa A atau B akan terjadi adalah P(A atau B) = P(A) + P(B) Contoh: Surakarta punya 9 supermarket: 4 Hypermart, 2 Carefour dan 3 Luwes. Jika seorang mahasiswa memilih satu supermarket secara acak untuk berbelanja, tentukan probabilitas ia memilih Hypermart atau Luwes

25 Jawaban soal: Karena ada 4 Hypermart dan 3 Luwes, serta total 9 supermarket, maka P(Hypermart atau Luwes) = 4/9 + 3/9 = 7/9

26 Aturan penambahan 2 Jika dua peristiwa A dan B bukan peristiwa saling terpisah, probabilitas bahwa A atau B akan terjadi adalah P(A atau B) = P(A) + P(B) P(A dan B) Contoh soal: Di sebuah unit rumah sakit ada 8 perawat dan 5 dokter; 7 perawatnya wanita dan 3 dokternya wanita. Jika seorang staf dipilih, tentukan probabilitas bahwa staf adalah seorang perawat atau laki-laki

27 Jawaban soal:

28 Peristiwa saling terpisah Bukan Peristiwa saling terpisah

29 Jika tiga peristiwa A, B dan C adalah peristiwa saling terpisah Jika tiga peristiwa A, B dan C bukan peristiwa saling terpisah

30 4 Aturan Perkalian dan Probabilitas Bersyarat

31 Aturan Perkalian Aturan perkalian dapat digunakan untuk mencari probabilitas dari dua atau lebih peristiwa yang terjadi secara berurutan. Dua peristiwa A dan B adalah kejadian independen jika fakta bahwa kejadian A tidak mempengaruhi probabilitas terjadinya B. Aturan perkalian 1: jika dua kejadian independen, probabilitas dua kejadian terjadi adalah: P(A dan B) = P(A).P(B)

32 Contoh soal 2 An urn contains 3 red balls, 2 blue balls, and 5 white balls. A ball is selected and its color noted. Then it is replaced. A second ball is selected and its color noted. Find the probability of each of these. a. Selecting 2 blue balls b. Selecting 1 blue ball and then 1 white ball c. Selecting 1 red ball and then 1 blue ball

33 Jawaban Contoh soal 2

34 Untuk 3 atau lebih kejadian independen digunakan: P(A dan B dan C dan dan K) = P(A).P(B).P(C) P(K) Contoh soal 3: Approximately 9% of men have a type of color blindness that prevents them from distinguishing between red and green. If 3 men are selected at random, find the probability that all of them will have this type of red-green color blindness.

35 Jawaban Contoh soal 3 Let C denote red-green color blindness. Then P(C and C and C) = P(C) P(C) P(C) = (0.09)(0.09)(0.09) = Hence, the rounded probability is

36 Apabila terjadinya peristiwa pertama mempengaruhi terjadinya peristiwa kedua sedemikian rupa sehingga probabilitasnya berubah, peristiwa ini disebut sebagai peristiwa tergantung. Probabilitas bersyarat dari peristiwa B dalam hubungan dengan suatu peristiwa A adalah probabilitas bahwa peristiwa B terjadi setelah terjadi peristiwa A. Notasi untuk probabilitas bersyarat adalah P(B A)

37 Aturan perkalian 2 Jika dua peristiwa tergantung, probabilitas kejadian keduanya adalah: P(A dan B) = P(A). P(B A) Contoh: At a university in Surakarta, there were 5 burglaries reported in 2011, 16 in 2012, and 32 in If a researcher wishes to select at random two burglaries to further investigate, find the probability that both will have occurred in Jawab: In this case, the events are dependent since the researcher wishes to investigate two distinct cases. Hence the first case is selected and not replaced.

38 Probabilitas bersyarat Probabilitas bahwa peristiwa kedua B terjadi setelah peristiwa pertama A telah terjadi, dapat ditentukan dengan membagi probabilitas kedua peristiwa dengan probabilitas peristiwa pertama. Rumusnya adalah

39

40

41 5 Aturan Perhitungan

42 Aturan Perhitungan Dasar Dalam urutan n kejadian dimana yang pertama memiliki k1 kemungkinan dan peristiwa kedua memiliki k2 dan yang ketiga memiliki k3, dan seterusnya, jumlah total kemungkinan urutannya akan menjadi

43 Contoh

44 Contoh lain

45 Notasi faktorial

46 Permutasi Permutasi adalah pengaturan dari n objek dalam urutan tertentu. Contoh 1: Suppose a business owner has a choice of 5 locations in which to establish her business. She decides to rank each location according to certain criteria, such as price of the store and parking facilities. How many different ways can she rank the 5 locations?

47 Jawaban There are 5! = = 120 different possible rankings. The reason is that she has 5 choices for the first location, 4 choices for the second location, 3 choices for the third location, etc.

48 Contoh 2 Suppose the business owner in Contoh 1 wishes to rank only the top 3 of the 5 locations. How many different ways can she rank them? Jawaban

49 Aturan permutasi Permutasi merupakan penyusunan objek yang terdiri dari beberapa unsur dengan mempertimbangkan urutan Banyaknya permutasi-r dari n unsur yang berbeda ( npr ), dan rumusnya adalah

50 Contoh soal

51 Kombinasi Kombinasi merupakan penyusunan objek yang terdiri dari beberapa unsur tanpa memperhatikan urutan. Contoh soal: Given the letters A, B, C, and D, list the permutations and combinations for selecting two letters.

52 Jawaban

53 Aturan kombinasi Banyaknya kombinasi-r dari n unsur yang berbeda ( ncr ) ditentukan dengan rumus

54 Contoh soal

55 Soal latihan

56 Lanjutan soal...

57 Thank You!

Distribusi probabilitas dan normal. Statisitik Farmasi 2015

Distribusi probabilitas dan normal. Statisitik Farmasi 2015 Distribusi probabilitas dan normal Statisitik Farmasi 2015 Part 1. DISTRIBUSI PROBABILITAS Statisitik Farmasi 2015 Tujuan Perkuliahan Setelah menyelesaikan kuliah ini, mahasiswa mampu: Membuat distribusi

Lebih terperinci

Teori Peluang. Dr. Akhmad Rizali

Teori Peluang. Dr. Akhmad Rizali Teori Peluang Dr. Akhmad Rizali Peluang Peluang atau probabilitas: ukuran ketidakpastian dari suatu kejadian Segala sesuatu yang ada di dunia ini mengandung ketidakpastian, seperti cuaca, hasil panen,

Lebih terperinci

Hubungan antara kejadian dengan ruang contohnya Representasi secara grafis untuk mengilustrasikan logical relations di antara kejadian kejadian

Hubungan antara kejadian dengan ruang contohnya Representasi secara grafis untuk mengilustrasikan logical relations di antara kejadian kejadian Diagram Venn. Hubungan antara kejadian dengan ruang contohnya Representasi secara grafis untuk mengilustrasikan logical relations di antara kejadian kejadian S = Himpunan bilangan asli A = Himpunan bilangan

Lebih terperinci

PS-02 HUKUM-HUKUM PROBABILITAS. Nur Hayati, S.ST, MT Yogyakarta, Februari 2016

PS-02 HUKUM-HUKUM PROBABILITAS. Nur Hayati, S.ST, MT Yogyakarta, Februari 2016 PS-02 HUKUM-HUKUM PROBABILITAS Nur Hayati, S.ST, MT Yogyakarta, Februari 2016 Ruang Sampel Kejadian Hukum Probabilitas Pokok Bahasan Ruang Sampel Pengertian Ruang Sampel dan Titik Sampel Ruang Sampel adalah

Lebih terperinci

Hidup penuh dengan ketidakpastian

Hidup penuh dengan ketidakpastian BAB 2 Probabilitas Hidup penuh dengan ketidakpastian Tidak mungkin bagi kita untuk dapat mengatakan dengan pasti apa yang akan terjadi dalam 1 menit ke depan tapi Probabilitas akan memprediksikan masa

Lebih terperinci

Oleh: BAMBANG AVIP PRIATNA M

Oleh: BAMBANG AVIP PRIATNA M Oleh: BAMBANG AVIP PRIATNA M Pecobaan / eksperimen acak Ruang Sampel Peristiwa / kejadian / event Peluang peristiwa Sifat-sifat peluang Cara menghitung peluang 1. hasilnya tidak dapat diduga dengan tingkat

Lebih terperinci

Peluang. Jadi, Ruang Sampel sebanyak {6}. Pada Dadu, ada 1, 2, 3, 4, 5, 6. Pada Kartu Remi, ada : Jadi, Ruang Sampel sebanyak {52}.

Peluang. Jadi, Ruang Sampel sebanyak {6}. Pada Dadu, ada 1, 2, 3, 4, 5, 6. Pada Kartu Remi, ada : Jadi, Ruang Sampel sebanyak {52}. Peluang A. Populasi dan Sampel Populasi adalah himpunan semua obyek yang diteliti. Sampel adalah himpunan bagian dari populasi. Contoh: Dalam rangka menentukan tingkat kecerdasan rata-rata siswa SMP di

Lebih terperinci

Pertemuan Ke-1 BAB I PROBABILITAS

Pertemuan Ke-1 BAB I PROBABILITAS Pertemuan Ke-1 BAB I PROBABILITAS 1.1 Arti dan Pentingnya Probabilitas Probabilitas merupakan suatu nilai untuk mengukur besarnya tingkat kemungkinan terjadinya suatu kejadian yang acak. Kejadian Acak

Lebih terperinci

TEORI KEMUNGKINAN (PROBABILITAS)

TEORI KEMUNGKINAN (PROBABILITAS) 3 TEORI KEMUNGKINAN (PROBABILITAS) Teori probabilitas atau peluang merupakan teori dasar dalam pengambilan keputusan yang memiliki sifat ketidakpastian. Ada 3 pendekatan : Pendekatan klasik Pendekatan

Lebih terperinci

Statistik Bisnis 1. Week 8 Basic Probability

Statistik Bisnis 1. Week 8 Basic Probability Statistik Bisnis 1 Week 8 Basic Probability Objectives By the end of this class student should be able to: Understand different types of probabilities Compute probabilities Revise probabilities in light

Lebih terperinci

STATISTIK PERTEMUAN III

STATISTIK PERTEMUAN III STATISTIK PERTEMUAN III OUTLINE PERTEMUAN III BAGIAN II Probabilitas dan Teori Keputusan Konsep-Konsep Dasar Probabilitas Distribusi Probabilitas Diskrit Pengertian Probabilitas dan Manfaat Probabilitas

Lebih terperinci

2-1 Probabilitas adalah:

2-1 Probabilitas adalah: 2 Teori Probabilitas Pengertian probabilitas Kejadian, ruang sample dan probabilitas Aturan dasar probabilitas Probabilitas bersyarat Independensi Konsepsi kombinatorial Probabilitas total dan teorema

Lebih terperinci

Probabilitas. Tujuan Pembelajaran

Probabilitas. Tujuan Pembelajaran Probabilitas 1 Tujuan Pembelajaran 1.Menjelaskan Eksperimen, Hasil,, Ruang Sampel, & Peluang 2. Menjelaskan bagaimana menetapkan peluang 3. Menggunakan Tabel Kontingensi, Diagram Venn, atau Diagram Tree

Lebih terperinci

peluang Contoh 6.1 Ali mempunyai 2 celana dan 3 baju yang berbeda. Berapa stelan celana dan baju berbeda yang dipunyai Ali? Matematika Dasar Page 46

peluang Contoh 6.1 Ali mempunyai 2 celana dan 3 baju yang berbeda. Berapa stelan celana dan baju berbeda yang dipunyai Ali? Matematika Dasar Page 46 peluang 6.1 Kaidah Pencacahan A. Aturan Perkalian Misal suatu plat nomor sepeda motor terdiri atas dua huruf berbeda yang diikuti tiga angka dengan angka pertama bukan 0. Berapa banyak plat nomor berbeda

Lebih terperinci

TEORI PROBABILITAS. a. Ruang Contoh. Definisi : Ruang contoh adalah himpunan semua kemungkinan hasil suatu percobaan, dan dilambangkan dengan S.

TEORI PROBABILITAS. a. Ruang Contoh. Definisi : Ruang contoh adalah himpunan semua kemungkinan hasil suatu percobaan, dan dilambangkan dengan S. TEORI PROBABILITAS ISTILAH YANG SERING DIGUNAKAN a. Ruang Contoh Definisi : Ruang contoh adalah himpunan semua kemungkinan hasil suatu percobaan, dan dilambangkan dengan S. Bayangkan percobaan melempar

Lebih terperinci

Bab 9. Peluang Diskrit

Bab 9. Peluang Diskrit Bab 9. Peluang Diskrit Topik Definisi Peluang Diskrit Sifat Peluang Diskrit Probabilitas terbatas Konsep Teori Himpunan pada Peluang Diskrit Probabilitas Kejadian Majemuk A B dan A B DuaKejadianSalingLepas

Lebih terperinci

KONSEP DASAR PROBABILITAS

KONSEP DASAR PROBABILITAS KONSEP DASAR PROBABILITAS 1 OUTLINE BAGIAN II Probabilitas dan Teori Keputusan Konsep-Konsep Dasar Probabilitas Distribusi Probabilitas Diskrit Pengertian Probabilitas dan Manfaat Probabilitas Pendekatan

Lebih terperinci

Probabilitas metode ilmiah yang dikembangkan untuk menyelesaikan persoalan yang berhubungan dengan ketidakpastian (uncertaint).

Probabilitas metode ilmiah yang dikembangkan untuk menyelesaikan persoalan yang berhubungan dengan ketidakpastian (uncertaint). PROBSTAT (MUG2D3) III. PROBABILITAS (PROBABILITY) 3.1 Probabilitas dan Statistika 3.2 Konsep Probabilitas a. Pengertian: Eksperimen, Ruang Contoh, Titik Contoh, Event. b. Operasi dalam Himpunan - Komplemen

Lebih terperinci

Konsep Dasar Peluang

Konsep Dasar Peluang Konsep Dasar Peluang Pendahuluan Prediksi kejadian sangat diperlukan dan diminati dalam berbagai bidang kehidupan. Seperti peramalan cuaca, penelitian ilmiah, permainan, bisnis, dll. Ruang contoh : Himpunan

Lebih terperinci

PROBABILITAS MODUL PROBABILITAS

PROBABILITAS MODUL PROBABILITAS MODUL 6 PROBABILITAS. Pendahuluan Masalah probabilitas adalah masalah frekuensi sesuatu kejadian. Dari itu, probabilitas suatu kejadian dapat diatasi sebagai perbandingan frekuensi kejadian itu dengan

Lebih terperinci

The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted.

The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still

Lebih terperinci

BAB V TEORI PROBABILITAS

BAB V TEORI PROBABILITAS BAB V TEORI PROBABILITAS Probabilitas disebut juga dengan peluang atau kemungkinan. Probabilitas merupakan suatu nilai yang digunakan untuk mengukur tingkat terjadinya suatu kejadian yang acak. Oleh karena

Lebih terperinci

Bab 3 Pengantar teori Peluang

Bab 3 Pengantar teori Peluang Bab 3 Pengantar teori Peluang Istilah peluang atau kemungkinan, sering kali diucapkan atau didengar. Sebagai contoh ketika manajer dari sebuah klub sepak bola ditanya wartawan tentang hasil pertandingan

Lebih terperinci

AMIYELLA ENDISTA. Website : BioStatistik

AMIYELLA ENDISTA.   Website :  BioStatistik AMIYELLA ENDISTA Email : amiyella.endista@yahoo.com Website : www.berandakami.wordpress.com DEFINISI PROBABILITAS Harga angka yang menunjukkan seberapa besar kemungkinan suatu peristiwa terjadi, di antara

Lebih terperinci

Konsep Peluang. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Konsep Peluang. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Konsep Peluang Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 1 THE ROLE OF PROBABILITY IN STATISTICS Probability and statistics are related in an important way. Probability is used as a tool; it allows

Lebih terperinci

BAB 3 Teori Probabilitas

BAB 3 Teori Probabilitas BAB 3 Teori Probabilitas A. HIMPUNAN a. Penulisan Hipunan Cara Pendaftaran Cara Pencirian 1) A = {a,i,u,e,o} 1) A = {X: x huruf vokal } 2) B = {1,2,3,4,5} menghasilkan data diskrit 2) B = {X: 1 x 2} menghasilkan

Lebih terperinci

PELUANG. Jadi terdapat 12 rute berbeda dari SMA Petra 4 ke SMA Petra 2 melalui SMA Petra 5. b...

PELUANG. Jadi terdapat 12 rute berbeda dari SMA Petra 4 ke SMA Petra 2 melalui SMA Petra 5. b... PELUANG A. Kaidah Pencacahan. Merupakan dasar untuk membahas masalah permutasi dan kombinasi yang menjadi acuan dalam mempelajari peluang. A.1. Aturan Perkalian. Adalah aturan pengisian tempat yang tersedia

Lebih terperinci

Konsep Dasar Peluang (1) Metode Statistika (STK 211) Pertemuan 4

Konsep Dasar Peluang (1) Metode Statistika (STK 211) Pertemuan 4 Konsep Dasar Peluang (1) Metode Statistika (STK 211) Pertemuan 4 rahmaanisa@apps.ipb.acid Outline Mencacah ruang contoh (memahami definisi kejadian dan operasi-operasi pada kejadian) Menghitung dengan

Lebih terperinci

PENS. Probability and Random Process. Topik 3. Dasar Probabilitas. Prima Kristalina Maret 2015

PENS. Probability and Random Process. Topik 3. Dasar Probabilitas. Prima Kristalina Maret 2015 Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 3. Dasar Probabilitas Prima Kristalina Maret 2015 Outline 1. Review Statistika Inferensial 2. Konsep

Lebih terperinci

Teori Probabilitas. Debrina Puspita Andriani /

Teori Probabilitas. Debrina Puspita Andriani    / Teori Probabilitas 5 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Konsep Probabilitas Ruang Sampel Komplemen Kejadian Probabilitas Bersyarat Teorema Bayes Berapa

Lebih terperinci

BAB II PROBABILITAS Ruang sampel (sample space)

BAB II PROBABILITAS Ruang sampel (sample space) BAB II ROBABILITAS 2.1. Ruang sampel (sample space) Data diperoleh baik dari pengamatan kejadian yang tak dapat dikendalikan atau dari percobaan yang dikendalikan dalam laboratorium. Untuk penyederhanaan

Lebih terperinci

PROBABILITAS (KEMUNGKINAN/PELUANG) PENDAHULUAN PENGERTIAN PROBABILITAS HUKUM PROBABILITAS

PROBABILITAS (KEMUNGKINAN/PELUANG) PENDAHULUAN PENGERTIAN PROBABILITAS HUKUM PROBABILITAS PROBABILITAS (KEMUNGKINAN/PELUANG) PENDAHULUAN PENGERTIAN PROBABILITAS HUKUM PROBABILITAS PENDAHULUAN Semua kejadian di alam selalu dikatakan ada ketidakpastian Adanya statistik karena adanya ketidakpastian

Lebih terperinci

PELUANG. LA - WB (Lembar Aktivitas Warga Belajar) MATEMATIKA PAKET C TINGKAT VI DERAJAT MAHIR 2 SETARA KELAS XI. Oleh: Hj. ITA YULIANA, S.Pd, M.

PELUANG. LA - WB (Lembar Aktivitas Warga Belajar) MATEMATIKA PAKET C TINGKAT VI DERAJAT MAHIR 2 SETARA KELAS XI. Oleh: Hj. ITA YULIANA, S.Pd, M. LA - WB (Lembar Aktivitas Warga Belajar) PELUANG Oleh: Hj. ITA YULIANA, S.Pd, M.Pd MATEMATIKA PAKET C TINGKAT VI DERAJAT MAHIR 2 SETARA KELAS XI Created By Ita Yuliana 13 Peluang Kompetensi Dasar 1. Menggunakan

Lebih terperinci

Metode Statistika STK211/ 3(2-3)

Metode Statistika STK211/ 3(2-3) Metode Statistika STK211/ 3(2-3) Pertemuan IV Konsep Peluang Septian Rahardiantoro - STK IPB 1 Populasi Pengambilan contoh dari populasi untuk pendugaan parameter Contoh1 Parameter μ Statistik x Setara

Lebih terperinci

Pertemuan 1 KONSEP DASAR PROBABILITAS

Pertemuan 1 KONSEP DASAR PROBABILITAS Pertemuan 1 KONSEP DASAR PROBABILITAS Pengantar Banyak kejadian dalam kehidupan sehari-hari yang sulit diketahui dengan pasti, terutama kejadian yang akan datang. Meskipun kejadian-kejadian tersebut tidak

Lebih terperinci

TIF APPLIED MATH 1 (MATEMATIKA TERAPAN 1) Week 3 SET THEORY (Continued)

TIF APPLIED MATH 1 (MATEMATIKA TERAPAN 1) Week 3 SET THEORY (Continued) TIF 21101 APPLIED MATH 1 (MATEMATIKA TERAPAN 1) Week 3 SET THEORY (Continued) OBJECTIVES: 1. Subset and superset relation 2. Cardinality & Power of Set 3. Algebra Law of Sets 4. Inclusion 5. Cartesian

Lebih terperinci

TEORI PROBABILITAS. Amir Hidayatulloh, S.E., M.Sc Prodi Akuntansi Fakultas Ekonomi dan Bisnis Universitas Ahmad Dahlan

TEORI PROBABILITAS. Amir Hidayatulloh, S.E., M.Sc Prodi Akuntansi Fakultas Ekonomi dan Bisnis Universitas Ahmad Dahlan TEORI PROBABILITAS Amir Hidayatulloh, S.E., M.Sc Prodi Akuntansi Fakultas Ekonomi dan Bisnis Universitas Ahmad Dahlan SAYA YAKIN MAHASISWA BELUM MELUPAKAN SAYA. YUK, INGAT SAYA KEMBALI SEBELUM KITA BERKENALAN

Lebih terperinci

Nama Soal Pembagian Ring Road Batas Waktu 1 detik Nama Berkas Ringroad[1..10].out Batas Memori 32 MB Tipe [output only] Sumber Brian Marshal

Nama Soal Pembagian Ring Road Batas Waktu 1 detik Nama Berkas Ringroad[1..10].out Batas Memori 32 MB Tipe [output only] Sumber Brian Marshal Nama Soal Pembagian Ring Road Batas Waktu 1 detik Nama Berkas Ringroad[1..10].out Batas Memori 32 MB Tipe [output only] Sumber Brian Marshal Deskripsi Soal Dalam rangka mensukseskan program Visit Indonesia,

Lebih terperinci

Learning Outcomes Ruang Contoh Kejadian Aksioma Peluang Latihan. Aksioma Peluang. Julio Adisantoso. 16 Pebruari 2014

Learning Outcomes Ruang Contoh Kejadian Aksioma Peluang Latihan. Aksioma Peluang. Julio Adisantoso. 16 Pebruari 2014 16 Pebruari 2014 Learning Outcome Mahasiswa dapat memahami ruang contoh, kejadian, dan koleksi Mahasiswa dapat melakukan operasi himpunan kejadian Mahasiswa dapat memahami aksioma peluang Mahasiswa dapat

Lebih terperinci

Teorema Bayes. Teori Probabilitas. Onggo Wr

Teorema Bayes. Teori Probabilitas. Onggo Wr Teorema Bayes Teori Probabilitas Onggo Wr Tugas Sebuah survey pada suatu daerah tertentu menunjukkan bahwa 10% pasien tidak puas dengan pelayanan pada suatu RS. Setengah dari mereka bermasalah dengan dokter

Lebih terperinci

PENGANTAR MODEL PROBABILITAS

PENGANTAR MODEL PROBABILITAS PENGANTAR MODEL PROBABILITAS (PMP, Minggu 1-7) Sri Haryatmi Kartiko Universitas Gadjah Mada Juni 2014 Outline 1 Minggu 1:HIMPUNAN Operasi Himpunan Sifat-Sifat Operasi Himpunan 2 Minggu 2:COUNTING TECHNIQUE

Lebih terperinci

PELUANG. Permutasi dengan beberapa elemen yang sama: Dari n obyek terdapat n

PELUANG. Permutasi dengan beberapa elemen yang sama: Dari n obyek terdapat n PELUANG Bab 11 1. Faktorial Faktorial adalah perkalian bilangan asli berurutan Hasil perkalian dari n bilangan asli pertama yang terurut dikatakan sebagai n faktorial (n!) n! n( n 1)( n 2)...3.2.1 5! =

Lebih terperinci

Modul ke: STATISTIK Probabilitas atau Peluang. 05Teknik. Fakultas. Bethriza Hanum ST., MT. Program Studi Teknik Mesin

Modul ke: STATISTIK Probabilitas atau Peluang. 05Teknik. Fakultas. Bethriza Hanum ST., MT. Program Studi Teknik Mesin Modul ke: STATISTIK Probabilitas atau Peluang Fakultas 05Teknik Bethriza Hanum ST., MT Program Studi Teknik Mesin Pengertian dan Pendekatan Mempelajari probabilitas kejadian suatu peristiwa sangat bermanfaat

Lebih terperinci

Teori Probabilitas 3.2. Debrina Puspita Andriani /

Teori Probabilitas 3.2. Debrina Puspita Andriani    / Teori Probabilitas 3.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Konsep Probabilitas Ruang Sampel Komplemen Kejadian Probabilitas Bersyarat Berapa peluang munculnya

Lebih terperinci

Materi #2 TIN315 Pemeliharaan dan Rekayasa Keandalan Genap 2015/2016

Materi #2 TIN315 Pemeliharaan dan Rekayasa Keandalan Genap 2015/2016 #2 PROBABILITAS 2.1. Pendahuluan Kata probabiliitas sering dipakai jika kehilangan sentuhan dalam mengimplikasikan bahwa suatu kejadian yang mempunyai peluang yang bagus akan terjadi. Dalam hal ini penilaian

Lebih terperinci

1.1 Konsep Probabilitas

1.1 Konsep Probabilitas TEORI DASAR PROBABILITAS 1.1 Konsep Probabilitas Probabilitas/peluang secara umum dapat diartikan sebagai ukuran matematis terhadap kecenderungan akan munculnya sebuah kejadian. Secara matematis peluang

Lebih terperinci

KONSEP PELUANG Materi 3 - STK211 Metode Statistika

KONSEP PELUANG Materi 3 - STK211 Metode Statistika KONSEP PELUANG Materi 3 - STK211 Metode Statistika 9/24/17 Sep, 2017 1 Pendahuluan Kejadian di dunia: pasti (deterministik) atau tidak pasti (probabilistik) Contoh kejadian di dunia ini yang tidak pasti

Lebih terperinci

PEMBERIAN ALASAN DI BAWAH KETIDAKPASTIAN

PEMBERIAN ALASAN DI BAWAH KETIDAKPASTIAN PEMBERIAN ALASAN DI BAWAH KETIDAKPASTIAN KETIDAKPASTIAN Disebut juga dg kekurangan informasi yg memadai untuk mengambil keputusan Probability klasik, bayesian prob, Hartley teory, Shannon teory, Dempster-Shafer

Lebih terperinci

Perumusan Probabilitas Kejadian Majemuk S S A B A B Maka banyak anggota himpunan gabungan A dan B adalah : n(a n(a B) = n(a) + n(b) n(a n(a B) Kejadia

Perumusan Probabilitas Kejadian Majemuk S S A B A B Maka banyak anggota himpunan gabungan A dan B adalah : n(a n(a B) = n(a) + n(b) n(a n(a B) Kejadia HUKUM PROBABILITAS Pertemuan ke ke--4 Didin Astriani Prasetyowati, M.Stat Perumusan Probabilitas Kejadian Majemuk S S A B A B Maka banyak anggota himpunan gabungan A dan B adalah : n(a n(a B) = n(a) +

Lebih terperinci

Kombinatorika Muhammad Saiful Jumat, 27 Januari 2017 ComLabs C, SMA Negeri 2 Bandung

Kombinatorika Muhammad Saiful Jumat, 27 Januari 2017 ComLabs C, SMA Negeri 2 Bandung Kombinatorika Muhammad Saiful Islam muhammad@saiful.web.id @saifulwebid Jumat, 27 Januari 2017 ComLabs C, SMA Negeri 2 Bandung Referensi Lecture slide by Julio Adisantoso, http://julio.staff.ipb.ac.id/files/2014/02/slide-02-

Lebih terperinci

LEMBAR AKTIVITAS SISWA PELUANG

LEMBAR AKTIVITAS SISWA PELUANG Nama Siswa : LEMBAR AKTIVITAS SISWA PELUANG 2 2. Kelas : Kompetensi Dasar (KURIKULUM 2013): 3.16 Memahami dan menerapkan berbagai aturan pencacahan melalui beberapa contoh nyata serta menyajikan alur perumusan

Lebih terperinci

Ruang Contoh dan Kejadian

Ruang Contoh dan Kejadian 2 N i 1 x i N 2 Ruang Contoh dan Kejadian Suatu fenomena dikatakan acak jika hasil dari suatu percobaan bersifat tidak pasti Fenomena acak sering mengikuti suatu pola tertentu Keteraturan acak dalam jangka

Lebih terperinci

Pierre-Simon Laplace. Born 23 March 1749 Beaumont-en-Auge, Normandy, France Died 5 March 1827 (aged 77) Paris, France Mempelajari peluang dalam judi

Pierre-Simon Laplace. Born 23 March 1749 Beaumont-en-Auge, Normandy, France Died 5 March 1827 (aged 77) Paris, France Mempelajari peluang dalam judi Blaise Pascal Born June 19, 1623 Clermont-Ferrand, France Died August 19, 1662 (aged 39) Paris, France Memenangkan taruhan tentang hasil tos dua dadu yang dilakukan berulang-ulang Pierre-Simon Laplace

Lebih terperinci

Berapa Peluang anda. meninggal? selesai S-1? menjadi menteri? menjadi presiden?

Berapa Peluang anda. meninggal? selesai S-1? menjadi menteri? menjadi presiden? PELUANG Berapa Peluang anda meninggal? selesai S-1? menjadi menteri? menjadi presiden? Peluang Ukuran / derajat ketidakpastian suatu peristiwa Peluang Kemungkinan (Probability) (Possibility) Peristiwa

Lebih terperinci

Probabilitas = Peluang

Probabilitas = Peluang 1. Pendahuluan Probabilitas = Peluang Percobaan : proses yang menghasilkan data Ruang Contoh (S) : himpunan yang memuat semua kemungkinan hasil percobaan Kejadian = Event : himpunan bagian dari ruang contoh

Lebih terperinci

Pertemuan ke-5 : Kamis, 7 April : Nevi Narendrati, M.Pd. Prodi : Pendidikan Matematika, Kelas 21

Pertemuan ke-5 : Kamis, 7 April : Nevi Narendrati, M.Pd. Prodi : Pendidikan Matematika, Kelas 21 Pertemuan ke-5 : Kamis, 7 April 2016 Dosen : Nevi Narendrati, M.Pd. Prodi : Pendidikan Matematika, Kelas 21 Materi Teori Peluang: 1. Operasi Kejadian 2. Peluang: definisi dan sifat-sifatnya Operasi Kejadian

Lebih terperinci

Pert 3 PROBABILITAS. Rekyan Regasari MP

Pert 3 PROBABILITAS. Rekyan Regasari MP Pert 3 PROBABILITAS Rekyan Regasari MP Berapakah kemungkinan sebuah koin yang dilempar akan menghasilkan gambar angka Berapakah kemungkinan gedung ini akan runtuh Berapakah kemungkinan seorang kreditur

Lebih terperinci

STATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA

STATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Probabilitas PELUANG Eksperimen Aktivitas / pengukuran / observasi suatu fenomena yang bervariasi outputnya Ruang Sampel / Sample Space Semua output

Lebih terperinci

Statistik Bisnis. Week 4 Basic Probability

Statistik Bisnis. Week 4 Basic Probability Statistik Bisnis Week 4 Basic Probability Agenda Time Activity First Session 90 minutes Basic Probability Second Session 60 minutes Conditional Probability 30 minutes Bayes Theorem Objectives By the end

Lebih terperinci

Eksperimen Hasil Kejadian KONSEP PROBABILITAS

Eksperimen Hasil Kejadian KONSEP PROBABILITAS KONSEP PROBABILITAS Sebelumnya, telah dipelajari statistika deskriptif yang fokus untuk menyimpulkan data yang telah dikumpulkan pada waktu sebelumnya. Pada bab ini, akan dibahas tentang aspek lain dari

Lebih terperinci

Konsep Peluang (Probability Concept)

Konsep Peluang (Probability Concept) Konsep Peluang (Probability Concept) Suatu fenomena dikatakan acak jika hasil dari suatu percobaan bersifat tidak pasti Fenomena acak sering mengikuti suatu pola tertentu Keteraturan acak dalam jangka

Lebih terperinci

STK 211 Metode statistika. Materi 3 Konsep Dasar Peluang

STK 211 Metode statistika. Materi 3 Konsep Dasar Peluang STK 211 Metode statistika Materi 3 Konsep Dasar Peluang 1 Pendahuluan Banyak kejadian-kejadian di dunia ini yang tidak pasti Misal: Akankah hujan sore hari ini? Akankah PSSI menang? dll Nilai Kejadian

Lebih terperinci

Pertemuan 2. Hukum Probabilitas

Pertemuan 2. Hukum Probabilitas Pertemuan 2 Hukum Probabilitas Perumusan Probabilitas Kejadian Majemuk S S A B A B Maka banyak anggota himpunan gabungan A dan B adalah : n(a B) = n(a) + n(b) n(a B) Kejadian majemuk adalah gabungan atau

Lebih terperinci

PROBABILITY AND GENETIC EVENTS

PROBABILITY AND GENETIC EVENTS M.K. GENETIKA (JUR. PEND. BIOLOGI SEM IV) PROBABILITY AND GENETIC EVENTS Paramita Cahyaningrum Kuswandi* FMIPA UNY 2015 Email*: paramita@uny.ac.id Genetika dan statistika Rasio genetika biasanya berupa

Lebih terperinci

Model dan Simulasi Universitas Indo Global Mandiri

Model dan Simulasi Universitas Indo Global Mandiri Model dan Simulasi Universitas Indo Global Mandiri Nomor random >> angka muncul secara acak (random/tidak terurut) dengan probabilitas untuk muncul yang sama. Probabilitas/Peluang merupakan ukuran kecenderungan

Lebih terperinci

Probabilitas (Peluang)

Probabilitas (Peluang) Probabilitas (Peluang) PERTEMUAN KE-5 Winda Aprianti PROBABILITAS Peluang atau Kemungkinan NAMA LAIN PROBABILITAS Konsep Ukuran numerik tentang seberapa sering peristiwa itu akan terjadi. Semakin besar

Lebih terperinci

KONSEP DASAR PROBABILITAS

KONSEP DASAR PROBABILITAS KONSEP DASAR PROBABILITAS Definisi: Probabilitas adalah peluang suatu kejadian Manfaat: Manfaat mengetahui probabilitas adalah membantu pengambilan keputusan yang tepat, karena kehidupan di dunia tidak

Lebih terperinci

matematika PELUANG: DEFINISI DAN KEJADIAN BERSYARAT K e l a s Kurikulum 2006 Tujuan Pembelajaran

matematika PELUANG: DEFINISI DAN KEJADIAN BERSYARAT K e l a s Kurikulum 2006 Tujuan Pembelajaran Kurikulum 2006 matematika K e l a s XI EUANG: DEFINISI DAN KEJADIAN BERSYARAT Tujuan embelajaran Setelah mempelajari materi ini, kamu diharapkan memiliki kemampuan berikut.. Memahami konsep dasar peluang.

Lebih terperinci

PROBABILITAS. Disajikan oleh: Bernardus Budi Hartono. pakhartono at gmail dot com budihartono at acm dot org

PROBABILITAS. Disajikan oleh: Bernardus Budi Hartono.   pakhartono at gmail dot com budihartono at acm dot org PROBABILITAS Disajikan oleh: Bernardus Budi Hartono Web E-mail : pakhartono at gmail dot com budihartono at acm dot org : http://pakhartono.wordpress.com Teknik Informatika [Gasal 2009 2010] FTI - Universitas

Lebih terperinci

25/09/2013. Semua kemungkinan nilai yang muncul S={123456} S={1,2,3,4,5,6} Semua kemungkinan nilai yang muncul S={G, A}

25/09/2013. Semua kemungkinan nilai yang muncul S={123456} S={1,2,3,4,5,6} Semua kemungkinan nilai yang muncul S={G, A} Pendahuluan Metode Statistika (STK211) Konsep Peluang (Probability Concept) Suatu fenomena dikatakan acak jika hasil dari suatu percobaan bersifat tidak pasti Fenomena acak sering mengikuti suatu pola

Lebih terperinci

Data Structures. Class 5 Pointer. Copyright 2006 by The McGraw-Hill Companies, Inc. All rights reserved.

Data Structures. Class 5 Pointer. Copyright 2006 by The McGraw-Hill Companies, Inc. All rights reserved. Data Structures Class 5 Pointer McGraw-Hill Technology Education Copyright 2006 by The McGraw-Hill Companies, Inc. All rights reserved. What is a variable? 1. Each variable must be defined before you can

Lebih terperinci

Peluang suatu kejadian

Peluang suatu kejadian Peluang suatu kejadian Percobaan: Percobaan adalah suatu tindakan atau kegiatan yang dapat memberikan beberapa kemungkinan hasil Ruang Sampel: Ruang sampel adalah himpunan semua hasil yang mungkin dari

Lebih terperinci

PERMUTASI, KOMBINASI DAN PELUANG. Kaidah pencacahan membantu dalam memecahkan masalah untuk menghitung

PERMUTASI, KOMBINASI DAN PELUANG. Kaidah pencacahan membantu dalam memecahkan masalah untuk menghitung PERMUTASI, KOMBINASI DAN PELUANG A. KAIDAH PENCACAHAN Kaidah pencacahan membantu dalam memecahkan masalah untuk menghitung berapa banyaknya cara yang mungkjin terjadi dalam suatu percobaan. Kaidah pencacahan

Lebih terperinci

Probabilitas & Teorema Bayes

Probabilitas & Teorema Bayes 1 Probabilitas & Teorema Bayes Nurwahyu Alamsyah, S.Kom wahyualamsyah.wordpress.com wahyu@plat-m.com Statistika D3 Manajemen Informatika Universitas Trunojoyo Madura 2 Terminologi Teori Probabilitas didasarkan

Lebih terperinci

MODUL PELUANG MATEMATIKA SMA KELAS XI

MODUL PELUANG MATEMATIKA SMA KELAS XI KATA PENGANTAR Segala puji syukur bagi Allah SWT yang senantiasa melimpahkan rahmat dan karunia-nya. Sebaik-baiknya shalawat serta salam semoga Allah SWT limpahkan kepada Nabi Besar Muhammad SAW, beserta

Lebih terperinci

probabilitas Atau berlaku hubungan : P(E) + P(Ê) = 1

probabilitas Atau berlaku hubungan : P(E) + P(Ê) = 1 Teorema Bayes Teori Probabilitas probabilitas Misalkan sebuah peristiwa E dapat terjadi sebanyak n kali diantara N peristiwa yang saling eksklusif (saling asing/terjadinya peristiwa yang satu mencegah

Lebih terperinci

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN MATEMATIKA BAB I PELUANG

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN MATEMATIKA BAB I PELUANG SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN MATEMATIKA BAB I PELUANG Dr. Djadir, M.Pd. Dr. Ilham Minggi, M.Si Ja faruddin,s.pd.,m.pd. Ahmad Zaki, S.Si.,M.Si Sahlan Sidjara, S.Si.,M.Si

Lebih terperinci

LAMPIRAN X BAHAN AJAR

LAMPIRAN X BAHAN AJAR 181 LAMPIRAN X BAHAN AJAR Nama Sekolah : SMPN 2 Nan Sabaris Mata Pelajaran : Matematika Kelas / Semester : VIII / II Materi Pokok : Peluang Tahun Pelajaran : 2016 / 2017 Jumlah Pertemuan : 5 Pertemuan

Lebih terperinci

Statistika Farmasi

Statistika Farmasi Bab 3: Distribusi Data Statistika FMIPA Universitas Islam Indonesia Distribusi Data Teori dalam statistika berkaitan dengan peluang Konsep dasar peluang tersebut berkaitan dengan peluang distribusi, yaitu

Lebih terperinci

Konsep Peluang (Probability Concept)

Konsep Peluang (Probability Concept) Konsep Peluang (Probability Concept) Percobaan Percobaan: proses acak untuk membangkitkan data. Dalam banyak kasus, hasil dari suatu percobaan tergantung pada faktor kebetulan, dan tidak dapat diramalkan

Lebih terperinci

PELUANG. n cara yang berbeda. Contoh 1: Ali mempunyai 2 celana dan 3 baju yang berbeda. Berapa stelan celana dan baju berbeda yang dipunyai Ali?

PELUANG. n cara yang berbeda. Contoh 1: Ali mempunyai 2 celana dan 3 baju yang berbeda. Berapa stelan celana dan baju berbeda yang dipunyai Ali? -1- PELUANG 1. KAIDAH PENCACAHAN 1.1 Aturan Pengisian Tempat Jika beberapa peristiwa dapat terjadi dengan n1, n2, n3,... cara yang berbeda, maka keseluruhan peristiwa itu dapat terjadi dengan n n......

Lebih terperinci

Peluang dan Kejadian (Event) Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Peluang dan Kejadian (Event) Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Peluang dan Kejadian (Event) Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Kejadian (event) Kejadian adalah himpunan bagian (subset) dari

Lebih terperinci

Probabilitas. Oleh Azimmatul Ihwah

Probabilitas. Oleh Azimmatul Ihwah Probabilitas Oleh Azimmatul Ihwah Teori Probabilitas Life is full of uncertainty Dimana terkadang kita tidak tahu apa yang akan terjadi semenit kemudian. Namun suatu kejadian dapat diperkirakan lebih sering

Lebih terperinci

MATERI BAB I RUANG SAMPEL DAN KEJADIAN. A. Pendahuluan Dari jaman dulu sampai sekarang orang sering berhadapan dengan peluang.

MATERI BAB I RUANG SAMPEL DAN KEJADIAN. A. Pendahuluan Dari jaman dulu sampai sekarang orang sering berhadapan dengan peluang. MATERI BAB I RUANG SAMPEL DAN KEJADIAN Pendahuluan Ruang Sampel Kejadian Dua Kejadian Yang Saling Lepas Operasi Kejadian BAB II MENGHITUNG TITIK SAMPEL Prinsip Perkalian/ Aturan Dasar Notasi Faktorial

Lebih terperinci

MAKALAH PELUANG OLEH :

MAKALAH PELUANG OLEH : MAKALAH PELUANG OLEH : Nama Kelompok 1. Asri Sihotang NIM.41031110 2. Astika Laras Hutagaol NIM.4103111012 3. Bethesda Butarbutar NIM.4103111013 4. Sefta A P Hutauruk NIM.4103111072 JURUSAN MATEMATIKA

Lebih terperinci

Beberapa Hukum Peluang. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Beberapa Hukum Peluang. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Beberapa Hukum Peluang Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Suatu kejadian dapat merupakan gabungan atau irisan dari dua atau

Lebih terperinci

T DAR INTEGRAL TAK MUTLAK

T DAR INTEGRAL TAK MUTLAK INTEGRAL TAK MUTLAK T 515.43 DAR INTEGRAL TAK MUTLAK A B S T R A K Setiap teori integral selalu memuat masalah sebagai berikut. Jika untuk setiap n berlaku fungsi f» terintegral dan barisan fungsi {f n

Lebih terperinci

ALJABAR SET & AKSIOMA PROBABILITAS

ALJABAR SET & AKSIOMA PROBABILITAS ALJABAR SET & AKSIOMA PROBABILITAS Pokok Bahasan Sample Space Event Aljabar Set Prinsip dan Aksioma Probabilitas Equally Likely Event Conditional Probability Independent Event Sample Space dan Event Eksperimen

Lebih terperinci

King s Learning Be Smart Without Limits

King s Learning Be Smart Without Limits NAMA: KELAS: A. KAIDAH PENCACAHAN Kaidah pencacahan adalah suatu cara/aturan untuk menghitung semua kemungkinan yang terjadi dalam suatu percobaan tertentu. Ada tiga metode pencacahan yang digunakan yaitu,

Lebih terperinci

Bab IV. Pengantar Peluang. Pengantar Peluang. Eksperimen. Aturan Menghitung Kombinasi Permutasi. Keluaran Eksperimen

Bab IV. Pengantar Peluang. Pengantar Peluang. Eksperimen. Aturan Menghitung Kombinasi Permutasi. Keluaran Eksperimen Pengantar Peluang Eksperimen Pengantar Peluang Bab IV Aturan Menghitung Kombinasi Permutasi Peluang Eksperimen Peluang adalah pengukuran numerik kemungkinan suatu kejadian terjadi Eksperimen Keluaran Eksperimen

Lebih terperinci

Permutations, Combinations, and Probability Jadug Norach Agna Parusa. Copyright 2014 Bimbingan Belajar Merlion BBMerlion.com

Permutations, Combinations, and Probability Jadug Norach Agna Parusa. Copyright 2014 Bimbingan Belajar Merlion BBMerlion.com Permutations, Combinations, and Probability Jadug Norach Agna Parusa Copyright 2014 Bimbingan Belajar Merlion BBMerlion.com 1 PERMUTATIONS & COMBINATIONS Objektif Mengenal konsep ( n P r ) dan ( n C r

Lebih terperinci

CONTOH BAHAN AJAR PENDEKATAN INDUKTIF-DEDUKTIF

CONTOH BAHAN AJAR PENDEKATAN INDUKTIF-DEDUKTIF CONTOH BAHAN AJAR PENDEKATAN INDUKTIF-DEDUKTIF 1 2 ATURAN PERKALIAN LEMBAR KERJA SISWA KE-1 Perhatikan soal yang berkaitan dengan perjalanan berikut ini. Pak Zidan dengan mobilnya akan bepergian dari kota

Lebih terperinci

U n KOMBINATORIAL. A 1 atau A 2 atau... atau A n adalah (n 1 + n n n ). Dengan kata lain

U n KOMBINATORIAL. A 1 atau A 2 atau... atau A n adalah (n 1 + n n n ). Dengan kata lain KOMBINATORIAL Kombinatorial adalah cabang matematika yang mempelajari pengaturan objek objek Solusi yang ingin kita peroleh dari kombinatorial ini adalah jumlah cara pengaturan objek objek didalam kumpulanya

Lebih terperinci

Probabilitas dan Statistika Teori Peluang. Adam Hendra Brata

Probabilitas dan Statistika Teori Peluang. Adam Hendra Brata dan Statistika Teori Peluang Adam Hendra Brata / Peluang / Peluang atau Peluang merupakan ukuran numeric tentang seberapa sering peristiwa itu akan terjadi Semakin besar nilai probabilitas menyatakan bahwa

Lebih terperinci

PELUANG. Standar kompetensi : Menggunakan aturan statistika, kaidah, pencacahan, dan sifatsifat peluang dalam pemecahan masalah

PELUANG. Standar kompetensi : Menggunakan aturan statistika, kaidah, pencacahan, dan sifatsifat peluang dalam pemecahan masalah 1 PELUANG Standar kompetensi : Menggunakan aturan statistika, kaidah, pencacahan, dan sifatsifat peluang dalam pemecahan masalah Kompetensi Dasar : Menggunakan aturan perkalian, permutasi dan kombinasi

Lebih terperinci

KONSEP DASAR PROBABILITAS. Didin Astriani Prasetyowati, M.Stat Fakultas Ilmu Komputer Universitas Indo Global Mandiri

KONSEP DASAR PROBABILITAS. Didin Astriani Prasetyowati, M.Stat Fakultas Ilmu Komputer Universitas Indo Global Mandiri 1 KONSEP DASAR PROBABILITAS Didin Astriani Prasetyowati, M.Stat Fakultas Ilmu Komputer Universitas Indo Global Mandiri Pengantar : 2 Banyak kejadian dalam kehidupan sehari-hari yang sulit diketahui dengan

Lebih terperinci

Ruang Sampel dan Kejadian

Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Perhatikan sekeping mata uang logam dengan sisi-sisi ANGKA dan GAMBAR Sisi Angka (A) Sisi Gambar (G) Maka : Ruang Sampel (S) = { A, G } Titik Sampel = A dan G, maka n(s) = 2 Kejadian

Lebih terperinci

Learning Outcomes Peluang Bersyarat Latihan-1 Hukum Penggandaan Hukum Total Peluang Latihan-2. Peluang Bersyarat. Julio Adisantoso.

Learning Outcomes Peluang Bersyarat Latihan-1 Hukum Penggandaan Hukum Total Peluang Latihan-2. Peluang Bersyarat. Julio Adisantoso. 2 Maret 2014 Learning Outcome Mahasiswa dapat memahami kejadian dan peluang bersyarat Mahasiswa dapat memahami hukum penggandaan Mahasiswa dapat memahami hukum total peluang Mahasiswa dapat memiliki dasar

Lebih terperinci

Pembahasan Contoh Soal PELUANG

Pembahasan Contoh Soal PELUANG Pembahasan Contoh Soal PELUANG 1. Nomor rumah yang dimaksud terdiri atas dua angka. Ini berarti ada dua tempat yang harus diisi, yaitu PULUHAN dan SATUAN. Karena nomor rumah harus ganjil, maka tempat Satuan

Lebih terperinci

PAM 271 PENGANTAR TEORI GRAF

PAM 271 PENGANTAR TEORI GRAF PAM 271 PENGANTAR TEORI GRAF SEMESTER GANJIL 2016-2017 Lyra Yulianti Jurusan Matematika FMIPA Universitas Andalas LYRA (MA-UNAND) 1 / 15 Outline Outline 1 Kontrak Kuliah LYRA (MA-UNAND) 2 / 15 Outline

Lebih terperinci