MA 4085 Pengantar Statistika 5 Februari 2013 Utriweni Mukhaiyar

Ukuran: px
Mulai penontonan dengan halaman:

Download "MA 4085 Pengantar Statistika 5 Februari 2013 Utriweni Mukhaiyar"

Transkripsi

1 MA 4085 Pengantar Statistika 5 Februari 2013 Utriweni Mukhaiyar 1

2 Ciri-ciri eksperimen acak (Statistik): *Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. *Proporsi keberhasilan dapat diketahui dari hasil-hasil sebelumnya. *Bisa diukur (diamati). *Hasilnya tidak bisa ditebak karena adanya galat/error. * 2

3 Ruang sampel S, yaitu himpunan dari semua kemungkinan hasil dari suatu percobaan acak (statistik). * 3

4 A. Diskrit: banyaknya (number) anggota pada S tsb dapat dihitung/dicacah (countable). Hasil pencacahannya mungkin saja berhingga atau tidak berhingga. Contoh 1. S pada (percobaan) pemeriksan produksi sepatu boot di pabrik AAA. Setiap pasang sepatu dipilih (secara acak), diperiksa, lalu digolongkan sebagai pasangan sepatu rusak atau tidak. * 4

5 B.Kontinu: anggota dari S tsb adalah bagian dari suatu interval. Contoh 2. S pada percobaan pengukuran tinggi pasang maksimum setiap hari di suatu selat (satuan m), misalnya S = {x: 2 < x < 4}. Jika kita pilih hari-hari secara acak, maka mungkin ditemukan hari-hari dengan tinggi pasang 2,1 m atau 3,5 m atau 2,75 m atau nilai lainnya yang berkisar antara 2 < x < 4. 5

6 Himpunan bagian (subset) dari suatu ruang sampel S. *Notasi untuk even (kejadian) umumnya huruf kapital, misal A, B, dan lain-lain. Jika kejadiannya banyak, bisa ditulis sebagai barisan, misal E 1, E 2,...dst. * 6

7 * Ruang sampel, dinotasikan S Ruang Sampel Diskrit Ruang Sampel Kontinu S = {,,..., } Event (kejadian) E = {,, } 7 7

8 *Pada Contoh 1: Semua pasang sepatu boot yang ada di pabrik AAA disebut populasi, sedangkan beberapa pasang sepatu boot yang diambil disebut sampel. Ruang sampel pada contoh ini adalah semua keadaan pasang sepatu boot yang mungkin, yaitu {rusak, tidak rusak} dan termasuk jenis diskrit, karena banyaknya elemen pada S ini dapat dihitung, yaitu ada 2 buah, n(s) = 2. 8

9 *Dua lokasi eksplorasi memulai aktifitas pengeboran. Sukses atau tidaknya pengeboran untuk tiap lokasi dilihat apabila ditemukannya minyak setelah satu bulan di lokasi yang bersangkutan. Tentukan ruang sampelnya dan berilah contoh kejadian/eventnya. Jawab: Ruang sampelnya adalah S = {SS,ST,TS,TT}, dimana S = Sukses; T = Tidak sukses (nominal) Contoh kejadian, mis kejadian E 1 dimana dua aktifitas pengeboran tersebut sukses, maka E 1 ={SS}; dan E 2 dimana salah satu lokasi masih belum menemukan minyak, 9 maka E 2 ={ST,TS}.

10 *Dilakukan survey dan pencatatan tingkat curah hujan setiap hari yang terjadi di suatu daerah pegunungan. Jawab: Misalkan X : tingkat curah hujan (mm), ruang sampel S = { x 0 x 600, x R} dan E 2 adalah kejadian tingkat curah hujan lebih dari 200 mm, maka E 2 = {x 200 < x 600, x R} Perhatikan bahwa E 2 S 10

11 *Union dua peristiwa E 1 dan E 2 ditulis E 1 E 2, adalah himpunan semua elemen yang ada di dalam E 1 atau di dalam E 2 (termasuk di dalam keduanya jika ada). Contoh. Perhatikan Contoh 3. Misal E 1 adalah kejadian salah satu lokasi berhasil menemukan minyak, dan E 2 adalah kejadian tidak ada lokasi yang berhasil. Maka E 1 E 2 = {ST,TS,TT}. 11

12 Irisan dua peristiwa E 1 dan E 2, ditulis E 1 E 2, adalah himpunan semua elemen yang ada di dalam E 1 dan di dalam E 2. Contoh. Perhatikan Contoh 2. Misalkan E 1 : himpunan tinggi pasang maksimum lebih dari 2,65 m, dan E 2 : himpunan tinggi pasang maksimum kurang dari 3,70 m. Maka E 1 E 2 = {x 2,65 < x < 3,70}. * 12

13 Komplemen suatu peristiwa E 1, ditulis E 1 c, adalah himpunan semua elemen yang tidak di dalam E 1. Contoh. Perhatikan Contoh 4. E 2 c = {0 x 200}, yaitu himpunan tingkat curah hujan 0 sampai dengan 200. * 13

14 Prinsip dasar : frekuensi relatif *Jika suatu ruang sampel mempunyai n(s ) elemen, dan suatu event E mempunyai n(e) elemen, maka probabilitas E adalah: PE ( ) ne ( ) ns ( ) * 14

15 *Seorang pengusaha sukses merencanakan untuk berlibur keliling Indonesia 1 bulan penuh (terhitung tanggal 1 sampai tanggal terakhir bulan ybs) tahun Perusahaannya mewajibkan setiap anggotanya membuat surat izin tertulis dengan menyertakan lama waktu izin (dalam hari). Kantor tempat pengusaha tersebut bekerja 7 hari dalam 1 minggu. Berapa peluang bahwa pengusaha sukses tersebut mengajukan izin 31 hari? Jawab: n(s) = 12 (banyak bulan dalam 1 thn). Misal E : kejadian bulan dengan 31 hari, maka n(e) = 7 yaitu E = {Jan, Mar, Mei, Jul, Agt, Okt, Des} PE ( ) ne ( ) 7 ns 15 ( ) 12

16 1. 0 P(E) P(S) = Jika E 1 dan E 2 adalah dua kejadian yang saling lepas,maka berlaku: P(E 1 E 2 ) = P(E 1 ) + P(E 2 ) 4. Jika E 1, E 2,,E n adalah kejadian yang saling lepas mutual, maka berlaku : P(E 1 E 2 E n ) = P(E 1 ) + P(E 2 ) + + P(E n ) * 16

17 *Peluang bersyarat (conditional probability) dikatakan bersyarat karena eventnya sudah dibatasi. Jika event pembatas itu A dan event yang probabilitasnya ingin dihitung adalah B, maka peluang bersyaratnya adalah: P( B A) P( A B) PA ( ) 17

18 *Dalam P(B A), event A adalah kejadian yang terjadi terlebih dahulu atau yang diamati lebih dulu, baru kemudian B. Jika A dan B adalah dua kejadian yang saling bebas, maka P(B A) = P(B) 18

19 Warna pasir Jenis pasir Halus Kasar Hitam 2 3 Abu-abu 2 4 Terang (putih, kuning) 1 2 P(Halus Hitam) P(Halus Hitam) = : P(Hitam)

20 Dua kejadian E dan F dikatakan saling bebas (independent) jika berlaku: P( EF) P( E). P( F) Dua kejadian E dan F dikatakan saling lepas jika berlaku: * P( EF) 0 20

21 *Sebuah kartu dipilih secara acak dari serangkai kartu bridge yang berjumlah 52 kartu. Jika E adalah kejadian terpilih kartu As dan F adalah kejadian terpilih gambar hati. Tunjukkan bahwa E dan F saling bebas. Apakah E dan F saling lepas? 21

22 Jawab: P( EF) 1/ 52 karena hanya terdapat satu As yang bergambar hati. PE ( ) 4 / 52 karena terdapat 4 As dalam kartu bridge PF ( ) 13/ 52 karena terdapat 13 kartu bergambar hati P( E). P( F). P( EF) Jadi E dan F saling bebas, tapi tidak saling lepas. 22

23 B 5 B 1 A B 1 A B 5 A S A B 2 A B 3 A B 4 B 2 B 3 B 4 23

24 24

25 25

26 Suatu perusahaan besar menggunakan tiga hotel sebagai tempat menginap para langganannya. Dari pengalaman yang lalu diketahui bahwa 20% langganannya di tempatkan di Hotel I, 50% di Hotel B, dan 30% di Hotel S. Bila 5% di Hotel I kamar mandi tidak berfungsi dengan baik, 4% di Hotel B, dan 8% di Hotel S, berapa peluang bahwa, a. Seseorang langganan mendapat kamar yang kamar mandinya tidak baik. b. Seseorang yang mendapat kamar mandi yang tidak baik ditempatkan di Hotel S. 26

27 27 *

28 Dekking F.M., et.al., A Modern Introduction to Probability and Statistics, London : Springer, Devore, J.L. and Peck, R., Statistics The Exploration and Analysis of Data, USA: Duxbury Press, Walpole, Ronald E. dan Myers, Raymond H., Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan, Edisi 4, Bandung: Penerbit ITB, Walpole, Ronald E., et.al, Statistitic for Scientist and Engineering, 8th Ed., Wild, C.J. and Seber, G.A.F., Chance Encounters A first Course in Data Analysis and Inference, USA: John Wiley&Sons,Inc., Pasaribu, U.S., 2007, Catatan Kuliah Biostatistika. 28

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar 1 Peluang & Aturan Bayes MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar 2 Eksperimen Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi

Lebih terperinci

PELUANG & ATURAN BAYES MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR

PELUANG & ATURAN BAYES MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR 1 PELUANG & ATURAN BAYES MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR Eksperimen 2 Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi

Lebih terperinci

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar Peluang & Aturan Bayes MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar 1 Eksperimen Ciri-ciri i i i eksperimen acak (Statistik): ti tik) Dapat dulangi baik oleh si pengamat sendiri maupun

Lebih terperinci

PELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK

PELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK 1 PELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK UTRIWENI MUKHAIYAR Eksperimen 2 Ciri-ciri i ii eksperimen acak (Statistik): ti tik) Dapat dulangi baik oleh si pengamat sendiri maupun orang lain.

Lebih terperinci

PELUANG 8/18/2010 EKSPERIMEN RUANG SAMPEL. Ruang sampel S, yaitu himpunan dari semua kemungkinanki hasil dari suatu percobaan acak (statistik).

PELUANG 8/18/2010 EKSPERIMEN RUANG SAMPEL. Ruang sampel S, yaitu himpunan dari semua kemungkinanki hasil dari suatu percobaan acak (statistik). PELUANG 1 MA 2181 ANALISIS DATA, 18 AGUSTUS 2010 UTRIWENI MUKHAIYAR EKSPERIMEN Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan

Lebih terperinci

Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan dapat diketahui dari

Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan dapat diketahui dari (C) by UM, last edited Feb 2011 1 Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan dapat diketahui dari hasil-hasil sebelumnya.

Lebih terperinci

Eksperimen. Ruang Sampel Diskrit. Ruang Sampel. Ruang sampel S, yaitu himpunan dari semua kemungkinan hasil dari suatu percobaan acak (statistik).

Eksperimen. Ruang Sampel Diskrit. Ruang Sampel. Ruang sampel S, yaitu himpunan dari semua kemungkinan hasil dari suatu percobaan acak (statistik). Eksperimen MA 2081 Statistika Dasar Dosen : Udjianna S. Pasaribu Utriweni Mukhaiyar Kamis, 12 Februari 2009 Ciri ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang

Lebih terperinci

EKSPERIMEN ACAK & PELUANG. MA3181 Teori Peluang Utriweni Mukhaiyar 1 September 2014

EKSPERIMEN ACAK & PELUANG. MA3181 Teori Peluang Utriweni Mukhaiyar 1 September 2014 EKSPERIMEN ACAK & PELUANG MA3181 Teori Peluang Utriweni Mukhaiyar 1 September 2014 2012 by UM Jenis-jenis Observasi OBSERVASI / DATA KUALITATIF KUANTITATIF Nominal Ordinal/Rank Diskrit Kontinu Tidak mengenal

Lebih terperinci

MA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012

MA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012 1 PEUBAH ACAK DAN DISTRIBUSINYA MA 2081 Statistika Dasar Utriweni Mukhaiyar 11 September 2012 2 Pemetaan (Fungsi) Suatu pemetaan / fungsi Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B 3 Peubah

Lebih terperinci

PEUBAH ACAK DAN DISTRIBUSINYA. MA 2081 Statistika Dasar Utriweni Mukhaiyar

PEUBAH ACAK DAN DISTRIBUSINYA. MA 2081 Statistika Dasar Utriweni Mukhaiyar PEUBAH ACAK DAN DISTRIBUSINYA MA 208 Statistika Dasar Utriweni Mukhaiyar 0 Februari 20 Pemetaan (Fungsi) Suatu pemetaan / fungsi Kategori fungsi:. Fungsi titik 2. Fungsi himpunan 2 A A B B Peubah Acak

Lebih terperinci

PEUBAH ACAK DAN. MA 2181 Analisis Data Utriweni Mukhaiyar. 22 Agustus 2011

PEUBAH ACAK DAN. MA 2181 Analisis Data Utriweni Mukhaiyar. 22 Agustus 2011 1 PEUBAH ACAK DAN DISTRIBUSINYA MA 2181 Analisis Data Utriweni Mukhaiyar 22 Agustus 2011 Pemetaan (Fungsi) 2 Suatu pemetaan / fungsi Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B Peubah Acak

Lebih terperinci

PEUBAH ACAK DAN DISTRIBUSINYA

PEUBAH ACAK DAN DISTRIBUSINYA PEUBAH ACAK DAN DISTRIBUSINYA MA3181 Teori Peluang 8 September 2014 Utriweni Mukhaiyar 1 Pemetaan (Fungsi) O Suatu pemetaan / fungsi O Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B 2 Peubah

Lebih terperinci

MA2081 STATISTIKA DASAR. Utriweni Mukhaiyar 1 November 2012

MA2081 STATISTIKA DASAR. Utriweni Mukhaiyar 1 November 2012 Uji Hipotesis MA081 STATISTIKA DASAR MA081 STATISTIKA DASAR Utriweni Mukhaiyar 1 November 01 Pengertian Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang

Lebih terperinci

4/16/2009. H 0 ditolak. H 0 tidak ditolak. ditolak. P(menolak H 0 H 0 benar) keputusan benar. = galat lttipe II = β. P(tidak menolak H 0 H 0 salah)

4/16/2009. H 0 ditolak. H 0 tidak ditolak. ditolak. P(menolak H 0 H 0 benar) keputusan benar. = galat lttipe II = β. P(tidak menolak H 0 H 0 salah) 4/6/9 Galat (error) Uji Hipotesis H ditolak H benar H salah a P(menolak H H benar) galat tipe I keputusan benar MA 8 Statistika Dasar Kamis, 6 Februari 9 H tidak ditolak keputusan benar P(tidak menolak

Lebih terperinci

10/14/2010 UJI HIPOTESIS PENGERTIAN GALAT (ERROR) salah)

10/14/2010 UJI HIPOTESIS PENGERTIAN GALAT (ERROR) salah) /4/ UJI HIPOTESIS UJI RATAAN UJIVARIANSI MA 8 Analisis Data Utriweni Mukhaiyar Oktober PENGERTIAN Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang perlu

Lebih terperinci

Uji Hipotesis. MA2081 STATISTIKA DASAR Utriweni Mukhaiyar

Uji Hipotesis. MA2081 STATISTIKA DASAR Utriweni Mukhaiyar Uji Hipotesis MA081 STATISTIKA DASAR Utriweni Mukhaiyar 8 Maret 01 Pengertian Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang perlu diuji kebenarannyaa

Lebih terperinci

UJI RATAAN UJIVARIANSI MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR A PRIL 2011

UJI RATAAN UJIVARIANSI MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR A PRIL 2011 Uji Hipotesis UJI RATAAN UJIVARIANSI MA 081 STATISTIKA DASAR UTRIWENI MUKHAIYAR A PRIL 011 Pengertian Hipotesisadalah i suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lbih lebih

Lebih terperinci

Fungsi Peluang Gabungan

Fungsi Peluang Gabungan Fungsi Peluang Gabungan MA3181 Teori Peluang 15 September 2014 Utriweni Mukhaiyar Ilustrasi Suatu perusahaan properti memiliki banyak gedung/bangunan yang ingin diasuransikan dengan kategori-kategori yang

Lebih terperinci

(HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 20 September 2012 Utriweni Mukhaiyar

(HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 20 September 2012 Utriweni Mukhaiyar 1 EKSPEKTASI (HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 0 September 01 Utriweni Mukhaiyar Ekspektasi Suatu Peubah Acak Misalkan X peubah acak Ekspektasi dari X EX [ ] xp( X x), jika X peubah acak

Lebih terperinci

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON MULTINOMIAL HIPERGEOMETRIK GEOMETRIK BINOMIAL NEGATIF MA3181 Teori Peluang 27 Oktober 2014 Utriweni Mukhaiyar DISTRIBUSI UNIFORM (SERAGAM)

Lebih terperinci

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS U N I F O R M ( S E R A G A M ) B E R N O U L L I B I N O M I A L P O I S S O N MA 4085 Pengantar Statistika 26 Februari 2013 Utriweni Mukhaiyar M U L T I N O M I A L H I P E

Lebih terperinci

FUNGSI PELUANG GABUNGAN M A P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R

FUNGSI PELUANG GABUNGAN M A P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R FUNGSI PELUANG GABUNGAN M A 4 0 8 5 P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R ILUSTRASI Suatu perusahaan properti memiliki banyak gedung/bangunan yang

Lebih terperinci

MA2181 Analisis Data - U. Mukhaiyar 1

MA2181 Analisis Data - U. Mukhaiyar 1 DISTRIBUSI KONTINU Uniform Normal Gamma & Eksponensial MA 2181 Analisis Data Utriweni Mukhaiyar September 20 By NN 2008 DISTRIBUSI UNIFORM Distribusi kontinu yang paling sederhana Notasi: X ~ U (a,b) f.k.p:

Lebih terperinci

DISTRIBUSI KONTINU. Utriweni Mukhaiyar

DISTRIBUSI KONTINU. Utriweni Mukhaiyar DISTRIBUSI KONTINU Uniform Normal Gamma & Eksponensial MA 2081 Statistika ti tik Dasar Utriweni Mukhaiyar Maret 2012 By NN 2008 Distribusi Uniform Distribusi kontinu yang paling sederhana Notasi: X ~ U

Lebih terperinci

BI5106 Analisis Biostatistik 18 September 2012 Utriweni Mukhaiyar

BI5106 Analisis Biostatistik 18 September 2012 Utriweni Mukhaiyar FUNGSI PELUANG GABUNGAN BI5106 Analisis Biostatistik 18 September 2012 Utriweni Mukhaiyar Ilustrasi Suatu perusahaan properti memiliki banyak gedung/bangunan yang ditawarkan dengan kategori-kategori yang

Lebih terperinci

MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011

MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011 Fungsi Peluang Gabungan MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011 Ilustrasi Suatu perusahaan properti memiliki banyak gedung/bangunan yang ditawarkan dengan kategori-kategori yang berbeda.

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

Analisis Variansi (ANOVA) Utriweni Mukhaiyar MA 2081 Statistika Dasar 13 November 2012

Analisis Variansi (ANOVA) Utriweni Mukhaiyar MA 2081 Statistika Dasar 13 November 2012 1 Analisis Variansi (ANOVA) Utriweni Mukhaiyar MA 2081 Statistika Dasar 13 November 2012 2 Analisis Variansi 1. Tujuan Analisis Variansi 2. Asumsi-asumsi s s dalam a Analisis s Variansi a 3. Hipotesis

Lebih terperinci

DISTRIBUSI KONTINU. Uniform Normal Gamma & Eksponensial. MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar

DISTRIBUSI KONTINU. Uniform Normal Gamma & Eksponensial. MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar DISTRIBUSI KONTINU Uniform Normal Gamma & Eksponensial MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar Distribusi Uniform 2 Distribusi kontinu yang paling sederhana Notasi: X ~ U (a,b) f.k.p: f(x)

Lebih terperinci

dan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 6.

dan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 6. Regresi Linear Sederhana dan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi

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

UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, MA 2081 Statistika Dasar.

UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, MA 2081 Statistika Dasar. DISTRIBUSI DISKRIT UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, GEOMETRIK, BINOMIAL NEGATIF MA 2081 Statistika Dasar Utriweni Mukhaiyar 7 Maret

Lebih terperinci

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS Uniform U (seragam) MultinomialM l i i l Bernoulli Hipergeometrik Binomial Geometrik Poisson Binomial Negatif MA 2081 Statistika Dasar Utriweni Mukhaiyar 27 September 2012 2 Distribusi

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

PROBABILITAS 02/10/2013. Dr. Vita Ratnasari, M.Si

PROBABILITAS 02/10/2013. Dr. Vita Ratnasari, M.Si PROBABILITAS Dr. Vita Ratnasari, M.Si Dalam menghadapi persoalan-persoalan yang TIDAK PASTI diperlukan suatu ukuran untuk menyatakan tingkat KEPASTIAN atau KETIDAKPASTIAN kejadian tsb. Definisi / pengertian

Lebih terperinci

DISTRIBUSI DISKRIT. MA 2081 Statistika Dasar Utriweni Mukhaiyar

DISTRIBUSI DISKRIT. MA 2081 Statistika Dasar Utriweni Mukhaiyar DISTRIBUSI DISKRIT Uniform (seragam) Bernoulli Binomial Poisson Beberapa distribusi lainnya : MULTINOMIAL, HIPERGEOMETRIK, GEOMETRIK, BINOMIAL NEGATIF MA 081 Statistika Dasar Utriweni Mukhaiyar 5 Maret

Lebih terperinci

Percobaan terdiri dari 1 usaha. Peluang sukses p Peluang gagal 1-p Misalkan. 1, jika terjadi sukses X jika terjadi tidak sukses (gagal)

Percobaan terdiri dari 1 usaha. Peluang sukses p Peluang gagal 1-p Misalkan. 1, jika terjadi sukses X jika terjadi tidak sukses (gagal) Percobaan Bernoulli 5 Percobaan terdiri dari 1 usaha Sukses Usaha Gagal Peluang sukses p Peluang gagal 1-p Misalkan 1, jika terjadi sukses X 0, jika terjadi tidak sukses (gagal) Distribusi Bernoulli 6

Lebih terperinci

1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4.

1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4. * 1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4. Kecocokan Model Regresi 5. Korelasi Utriweni Mukhaiyar MA 2081 Statistika

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

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

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS Uniform Bernoulli Binomial Poisson Distribusi Lainnya: Multinomial Hipergeometrik Geometrik Binomial Negatif BI5106 Analisis Biostatistika 27 September 2012 Distribusi uniform

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

Utriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012

Utriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012 ANALISIS VARIANSI DWIFAKTOR Utriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012 ANOVA one-way vs two-way 2 Dalam ANOVA one-way ( satu faktor), diperhatikan hanya satu faktor saja yang berpengaruh

Lebih terperinci

Regresi Linear Sederhana

Regresi Linear Sederhana Regresi Linear Sederhana dan Korelasi 1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4. Kecocokan Model Regresi 5. Korelasi

Lebih terperinci

Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif

Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif 1. 2 2. 3. 4. Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif Sari Numerik Penyajian Data 2008 by USP & UM ; last edited Jan 11 MA 2081 Statistika Dasar 24 Januari

Lebih terperinci

PELUANG. Hasil Kedua. Hasil Pertama. Titik Sampel GG GA A

PELUANG. Hasil Kedua. Hasil Pertama. Titik Sampel GG GA A PELUANG Percobaan dalam statistika menyatakan tiap proses yang menghasilkan data mentah. Ruang sampel adalah himpunan semua hasil yang mungkin dari suatu percobaan statistika dan dinyatakan dalam lambang

Lebih terperinci

Penaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR

Penaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA08 STATISTIKA DASAR MA08 STATISTIKA DASAR Utriwei Mukhaiyar 5 Oktober 0 Metode Peaksira Peaksira Titik

Lebih terperinci

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011 PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai

Lebih terperinci

PELUANG. Titik Sampel GG

PELUANG. Titik Sampel GG PELUNG Percobaan dalam statistika menyatakan tiap proses yang menghasilkan data mentah. Ruang sampel adalah himpunan semua hasil yang mungkin dari suatu percobaan statistika dan dinyatakan dalam lambang

Lebih terperinci

Suplemen Kuliah STATISTIKA. Prodi Sistem Informasi (SI 3) STIKOM AMBON Pokok Bahasan Sub Pok Bahasan Referensi Waktu

Suplemen Kuliah STATISTIKA. Prodi Sistem Informasi (SI 3) STIKOM AMBON Pokok Bahasan Sub Pok Bahasan Referensi Waktu Suplemen Kuliah STATISTIKA Pertemuan 5 Prodi Sistem Informasi (SI 3) STIKOM AMBON Pokok Bahasan Sub Pok Bahasan Referensi Waktu Konsep Peluang 1. Ruang Contoh dan Kejadian Walpole E. Ronald. (Probabbility

Lebih terperinci

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi DISTRIBUSI SAMPLING Definisi : distribusi sampling adalah distribusi peluang untuk nilai statistik yang diperoleh dari sampel acak untuk menggambarkan populasi. 1. Distribusi rata rata Misal sampel acak

Lebih terperinci

Distribusi Sampel & Statistitik Terurut

Distribusi Sampel & Statistitik Terurut Distribusi Sampel & Statistitik Terurut Sampel Acak, Rataa sampel, X-bar, Variasi sampel, S, Teorema Limit Pusat, Distribusi t,, F Statistik Terurut MA 3181 Teori Peluag 11 November 014 Utriwei Mukhaiyar

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Percobaan adalah kegiatan

Lebih terperinci

MA5182 Topik dalam Statistika I: Statistika Spasial. Utriweni Mukhaiyar

MA5182 Topik dalam Statistika I: Statistika Spasial. Utriweni Mukhaiyar Review 1: Statistika Deskriptif MA5182 Topik dalam Statistika I: Statistika Spasial 28 Agustus 2012 28 Agustus 2012 Utriweni Mukhaiyar Ilustrasi Berikut adalah data rata-rata curah hujan bulanan yang diamati

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

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T

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

Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 5 Februari 2015

Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 5 Februari 2015 Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 5 Februari 2015 Prosedur Uji Hipotesis Uji Z Parametrik Uji t ANOVA one way UJI MENYANGKUT RATAAN Asumsi distribusi normal Uji Tanda Uji Rang Tanda

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

ANALISIS VARIANSI. Utriweni Mukhaiyar. 2 November 2011

ANALISIS VARIANSI. Utriweni Mukhaiyar. 2 November 2011 1 ANALISIS VARIANSI Utriweni Mukhaiyar MA 2181 Analisis Data 2 November 2011 Analisis Variansi 2 1. Tujuan Analisis Variansi 2. Asumsi-asumsi dalam Analisis Variansi 3. Hipotesis yang diuji dalam analisis

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

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia 2015 Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu. Ruang

Lebih terperinci

I. PENDAHULUAN II. TINJAUAN PUSTAKA

I. PENDAHULUAN II. TINJAUAN PUSTAKA I. PENDAHULUAN 1.1 Latar Belakang Pada masa sekarang, ditengah berkembangnya dunia industri tentunya terdapat berbagai permasalahan dalam bidang-bidang keindustrian. Permasalahan-permasalahan yang biasa

Lebih terperinci

BAB II PEUBAH ACAK dan DISTRIBUSI PELUANG

BAB II PEUBAH ACAK dan DISTRIBUSI PELUANG A. PENGERTIAN BAB II PEUBAH ACAK dan DISTRIBUSI PELUANG PEUBAH ACAK adalah suatu fungsi yang mengaitkan suatu bilangan real pada setiap unsur dalam ruang sampel Dari suatu kotak yang berisi 4 uang logam

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

Pengantar & Statistika Deskriptif

Pengantar & Statistika Deskriptif Pengantar & Statistika Deskriptif MA 2081 Statistika Dasar 26 J i 2012 26 Januari 2012 Utriweni Mukhaiyar Ilustrasi Berikut adalah data rata-rata curah hujan bulanan yang diamati dari Stasiun Padaherang

Lebih terperinci

Probabilitas = Peluang (Bagian II)

Probabilitas = Peluang (Bagian II) Probabilitas = Peluang (Bagian II) 3. Peluang Suatu Kejadian Peluang dalam pengertian awam "kemungkinan" Mis : 1. Hari ini kemungkinan besar akan turun hujan 2. Kemungkinan tahun depan inflasi akan mencapai

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

PENGANTAR & STATISTIKA DESKRIPTIF. Utriweni Mukhaiyar

PENGANTAR & STATISTIKA DESKRIPTIF. Utriweni Mukhaiyar PENGANTAR & STATISTIKA DESKRIPTIF BI5106 Analisis Biostatistik Utriweni Mukhaiyar 2 Ilustrasi Berikut adalah data produksi panas bumi di 25 titik pengeboran (ton/jam): 77.71 44.24 60.00 89.54 85.64 60.00

Lebih terperinci

REGRESI LINEAR SEDERHANA

REGRESI LINEAR SEDERHANA REGRESI LINEAR SEDERHANA DAN KORELASI 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi

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

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

Minggu 3 Peluang Bersyarat (Teorema Bayes) Minggu 4 Peubah Acak, Fungsi Peluang, Fungsi Distribusi. Minggu 6 Distribusi Peubah Acak Diskrit (PAD)

Minggu 3 Peluang Bersyarat (Teorema Bayes) Minggu 4 Peubah Acak, Fungsi Peluang, Fungsi Distribusi. Minggu 6 Distribusi Peubah Acak Diskrit (PAD) MUG2E3 Statistika Dosen: Aniq A Rohmawati, M.Si [Kelas Statistika] CS-38-02 [Jadwal] Rabu 12.30-14.30 R.KU3.05.14; Jumat 16.30-18.30 R.KU3.05.15 [Materi Statistika] Minggu 1 Statistika deskriptif Minggu

Lebih terperinci

Statistika & Probabilitas. Sumber: Materi Kuliah Statistika Dr. Ir. Rinaldi Munir, M.T

Statistika & Probabilitas. Sumber: Materi Kuliah Statistika Dr. Ir. Rinaldi Munir, M.T Statistika & Probabilitas Sumber: Materi Kuliah Statistika Dr. Ir. Rinaldi Munir, M.T Kejadian Kejadian adalah himpunan bagian (subset) dari ruang sampel S. Dapat dipahami, kejadian adalah himpunan dari

Lebih terperinci

Perkembangan Jasa Akomodasi Provinsi Kalimantan Tengah

Perkembangan Jasa Akomodasi Provinsi Kalimantan Tengah Perkembangan Jasa Akomodasi Provinsi Kalimantan Tengah No. 10/10/62/Th. XI, 2 Oktober 2017 BADAN PUSAT STATISTIK PROVINSI KALIMANTAN TENGAH Perkembangan Jasa Akomodasi Provinsi Kalimantan Tengah Selama

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

Dasar-dasar Statistika Pemodelan Sistem

Dasar-dasar Statistika Pemodelan Sistem Dasar-dasar Statistika Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Statistika Pemodelan Januari 2016

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak

STK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak STK511 Analisis Statistika Pertemuan 3 Sebaran Peluang Peubah Acak Beberapa Konsep Dasar Percobaan statistika: kegiatan yang hasil akhir keluarannya tidak diketahui di awal, tetapi kemungkinan-kemungkinannya

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

Aksioma Peluang. Bab Ruang Contoh

Aksioma Peluang. Bab Ruang Contoh Bab 2 Aksioma Peluang 2.1 Ruang Contoh Dalam suatu percobaan, kita tidak tahu dengan pasti apa hasil yang akan terjadi. Misalnya pada percobaan membeli lampu pijar, kita tidak tahu dengan pasti, apakah

Lebih terperinci

MATERI KULIAH STATISTIKA I PROBABLITAS. (Nuryanto, ST., MT)

MATERI KULIAH STATISTIKA I PROBABLITAS. (Nuryanto, ST., MT) MATERI KULIAH STATISTIKA I PROBABLITAS (Nuryanto, ST., MT) Pendahuluan Percobaan : proses yang menghasilkan data Ruang Contoh (S) : hasil percobaan himpunan yang memuat semua kemungkinan Kejadian = Event

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

Sekoin uang logam mempunyai dua permukaan H dan T dilemparkan berkali kali. Hasil yg diperoleh pada setiap pelemparan apakah H atau T di catat Hasil

Sekoin uang logam mempunyai dua permukaan H dan T dilemparkan berkali kali. Hasil yg diperoleh pada setiap pelemparan apakah H atau T di catat Hasil Pertemuan 13 &14 Sekoin uang logam mempunyai dua permukaan H dan T dilemparkan berkali kali. Hasil yg diperoleh pada setiap pelemparan apakah H atau T di catat Hasil dari keseluruhan event yang didapat

Lebih terperinci

Tugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG

Tugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG Tugas Kelompok Mata Kuliah Metodologi Penelitian Kuantitatif Judul Makalah Revisi DISTRIBUSI PELUANG Kajian Buku Pengantar Statistika Pengarang Nana Sudjana Tugas dibuat untuk memenuhi tugas mata kuliah

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.

Lebih terperinci

Learning Outcomes Ilustrasi Lingkup Kuliah Gugus. Pendahuluan. Julio Adisantoso. 10 Pebruari 2014

Learning Outcomes Ilustrasi Lingkup Kuliah Gugus. Pendahuluan. Julio Adisantoso. 10 Pebruari 2014 10 Pebruari 2014 Learning Outcome Mahasiswa dapat mengetahui alasan mempelajari Ilmu Peluang di bidang Ilmu Komputer Mahasiswa dapat memahami makna peluang dalam kehidupan sehari-hari Mahasiswa mengetahui

Lebih terperinci

TEORI PROBABILITAS 1

TEORI PROBABILITAS 1 TEORI PROBABILITAS 1 Berapa peluang munculnya angka 4 pada dadu merah??? Berapa peluang munculnya King heart? Berapa peluang munculnya gambar? 2 PELUANG ATAU PROBABILITAS adalah perbandingan antara kejadian

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA 4 BAB II KAJIAN PUSTAKA Pada sub bab ini akan diberikan beberapa definisi dan teori yang mendukung rancangan Sequential Probability Ratio Test (SPRT) yaitu percobaan dan ruang sampel, peubah acak dan fungsi

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

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

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI : SISTEM KOMPUTER, SISTEM INFORMASI, DAN TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NAROTAMA

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI : SISTEM KOMPUTER, SISTEM INFORMASI, DAN TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NAROTAMA RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI : SISTEM KOMPUTER, SISTEM INFORMASI, DAN TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS NAROTAMA MATA KULIAH KODE MATA KULIAH Mata Kuliah Prasyarat Big

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

STATISTIKA NON PARAMETRIK

STATISTIKA NON PARAMETRIK STATISTIKA NON PARAMETRIK Utriweni Mukhaiyar BI5106 Analisis Biostatistik 4 Desember 2012 Prosedur Uji Hipotesis Prosedur Uji Hipotesis Parametrik Uji Z Uji t ANOVA one way UJI MENYANGKUT RATAAN Asumsi

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

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

Distribusi Peubah Acak

Distribusi Peubah Acak Chandra Novtiar 085794801125 chandramathitb07@gmail.com PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP) SILIWANGI BANDUNG 4 April 2017 Garis Besar Pembahasan FUNGSI

Lebih terperinci

DAN ANALISIS DATA. Sari Numerik. MA 2181 Analisis Data 8 Agustus 2011 Utriweni Mukhaiyar. 1. Statistik dan Statistika. 2. Populasi dan Sampel

DAN ANALISIS DATA. Sari Numerik. MA 2181 Analisis Data 8 Agustus 2011 Utriweni Mukhaiyar. 1. Statistik dan Statistika. 2. Populasi dan Sampel PENGANTAR STATISIK DAN ANALISIS DATA 1. Statistik dan Statistika 2. Populasi dan Sampel 3. Jenis-jenis Observasi 4. STATISTIKA DESKRIPTIF Sari Numerik Penyajian Data MA 2181 Analisis Data 8 Agustus 2011

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

Program Studi Teknik Mesin S1

Program Studi Teknik Mesin S1 SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DAN PROBABILITAS KODE / SKS : IT042238 / 2 SKS Program Studi Teknik Mesin S1 Pokok Bahasan Pertemuan dan TIU 1 Pendahuluan memahami tentang konsep statistik

Lebih terperinci

I. PENDAHULUAN II. TINJAUAN PUSTAKA

I. PENDAHULUAN II. TINJAUAN PUSTAKA I. PENDAHULUAN 1.1 Latar Belakang Semakin berkembangnya dunia industri di masa sekarang, semakin kompleks pula permasalahan yang ada pada dunia industri. Salah satu permasalahan yang sering ditemui dalam

Lebih terperinci