Probabilitas & Teorema Bayes
|
|
- Hendra Muljana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 1 Probabilitas & Teorema Bayes Nurwahyu Alamsyah, S.Kom wahyualamsyah.wordpress.com Statistika D3 Manajemen Informatika Universitas Trunojoyo Madura
2 2 Terminologi Teori Probabilitas didasarkan pada konsep dari suatu eksperimen random Random fenomena/eksperimen dimana keluaran individual tidak pasti tetapi ada distribusi yg regular dari keluaran utk jumlah pengulangan yang banyak Probabilitas proporsi berapa kali suatu keluaran spesifik akan muncul dlm suatu serie pengulangan yang panjang dari suatu eksperimen
3 Apakah Probabiltas? Frekuensi relatif jangka panjang Jika melempar coin, frekuensi relatif dari head tidak menentu utk 2, 5 atau 10 pelemparan Jika pelemparan suatu coin dilakukan bbrp ribu kali, frekuensi relatif tetap stabil Probabilitas matematis adalah idealisasi dari apa yg terjadi thd frekuensi relatif setelah pengulangan sejumlah tak hingga eksperimen random 3
4 Probabilitas dari Head Probabilitas didasarkan pd frekuensi relatif jangka panjang 4
5 5 Model Probabilitas Sample Space - set dari semua keluaran (outcomes) yg mungkin dari eksperimen random (S) Event suatu keluaran (outcome) atau satu set outcomes dari suatu eksperimen Ukuran Probabilitas adalah suatu bilangan atau fungsi yg memetakan dari events pada sample space ke bilangan real antara 0 dan 1 Probabilitas dari semua outcomes yg mungkin (yaitu sample space) harus sama dg 1
6 6 Model Probabilitas Contoh: Pelemparan (toss) suatu dadu Sample Space: S ={1,2,3,4,5,6} Event: A = {muncul angka genap}, B = {muncul angka ganjil}, D= {muncul angka 2} Ukuran Probabilitas: P(A) = 0,5; P(B) = 0,5; P(D) = 1/6
7 7 Aturan-Aturan Probabilitas Probabilitas dari sembarang event P(A) hrs memenuhi 0 < P(A) < 1 Complement Rule = complement dari sembarang event A adalah event A tdk terjadi P(A c ) = 1 - P(A) Contoh: Lempar suatu dadu: S = {1,2,3,4,5,6}; mis A = {2,4}, A c = {1,3,5,6}; P(A) = 1/3; P(A c ) = 1-1/3 = 2/3 Addition Rule = utk dua events A dan B yg terpisah/ disjoint (no common outcomes) P (A or B) = P(A) + P (B) Contoh: Lempar suatu dadu: S = {1,2,3,4,5,6}; mis A = {2}, B = {1,3,5}; P(A or B) = P(A) + P(B) = 1/6 + 1/2 = 2/3
8 8 Aturan-Aturan Probabilitas Multiplication Rule = dua events A dan B adalah independent, jika diketahui bhw salah satu terjadi/muncul tdk mengubah probabilitas yg lain muncul P (A and B) = P(A)*P(B) Contoh: Lempar sepasang dadu S = {(1,1),(1,2),.(6,6)} 36 kemungkinan outcomes mis A ={dadu pertama 6} = {(6,1),(6,2),(6,3),(6,4),(6,5),(6,6)} mis B = {dadu kedua 1} = {(1,1),(2,1),(3,1),(4,1),(5,1),(6,1)} Maka P(A) = 6/36 = 1/6; P(B) = 6/36 = 1/6 dan P(dadu pertama 6, dadu kedua 1) = P(A and B) = 1/36 = P(A) P(B) menunjukan independence
9 9 Aturan-Aturan Probabilitas Informatics Engineering Dept Trunojoyo University Multiplication Rule Contoh dari kasus Dependent: lempar sepasang dadu S = {(1,1),(1,2),.(6,6)} 36 kemungkinan outcomes mis A ={dadu pertama 6} = {(6,1),(6,2),(6,3),(6,4),(6,5),(6,6)} mis B = {jumlah dadu pertama & kedua =9} = {(3,6),(4,5),(5,4),(6,3)} Maka P(A) = 6/36 = 1/6; P(B) = 4/36 = 1/9 dan P(dadu pertama 6, jumlah = 9) = P(A and B) = 1/36 tdk sama P(A) P(B) = 1/54 menunjukan dependence
10 10 Aturan-Aturan Probabilitas Contoh: suatu web site memp tiga server A, B, dan C, yg dipilih secara independent dg probabilitas: P(A) = ¼, P(B) = ½, P(C)= ¼. (a) Cari probabilitas A atau B dipilih P(A or B) = ¼ + ½ = 3/4 (b) Cari probabilitas A tdk dipilih P(A c ) = 1 P(A) = ¾ (c) Cari probabilitas server A dipilih dua kali P(AA) = P(A)P(A) = 1/16 (d) Cari probabilitas urutan seleksi server ABCA P(ABCA) = P(A)P(B)P(C)P(A) = (1/4)(1/2)(1/4)(1/4) = 1/128
11 11 Conditional Probability Utk dua event A dan B probabilitas dari event A diberikan bhw event B telah terjadi dinyatakan: P(A B) dan ditentukan dg P (A B) = P(A and B)/P(B) Contoh: Lempar satu dadu S = {1,2,3,4,5,6}. mis A ={2}, B={bil genap} = {2,4,6}, P(A B) = P(A and B)/P(B) = (1/6)/(1/2) = 1/3
12 Bayes Rule Utk dua event A dan B yg mempartisi sample space, yaitu (A atau B) = S dan event ketiga C ditentukan di atas A dan B Contoh: Lempar sepasang dadu S = {(1,1) (1,2),. (6,6)} 36 kemungkinan outcomes. Mis A ={jumlah dadu 9 atau lebih besar}, A = {(6,3),(5,4), (4,5), (3,6), (6,4), (5,5), (4,6), (6,5), (5,6), (6,6)} B = A c = {jumlah dadu 8 atau kurang} = {(1,1), (1,2,).(6,2), (2,6)} --- cat P(A) = 10/36 dan P(B) = 26/36 12
13 Bayes Rule Mis C event jumlah dari dadu adalah bil genap {2,4,6,8,10,12}, P(C A) =4/10 dan P(C B) = 14/26 13
14 Latihan Soal 1. Suatu kantong berisi empat bola putih dan tiga bola hitam sedangkan kantong kedua berisi tiga bola putih dan lima bola hitam. Satu bola diambil dari kantong pertama tanpa melihatnya dan dimasukkan ke kantong kedua, berapakah peluang mengambil sebuah bola hitam dari kantong kedua? 2. Peluang seorang lelaki yg telah kawin menonton suatu film seri di tv adalah 0.4 dan peluang seorang wanita yg telah kawin menonton film yg sama 0.5. peluang seorang lelaki menoton film tsb bila istrinya menonton adalah 0.7. hitunglah a. Peluang sepasang suami istri menonton film tsb b. Peluang seorang istri menonton film tsb bila suaminya menonton film c. Peluang paling sedikit seorang dari sepasang suami istri menonton film tsb 14
15 Pembahasan No.1
16 Pembahasan No.2
DASAR-DASAR TEORI PELUANG
PROBABILITAS dan STATISTIKA DASAR-DASAR TEORI PELUANG MK. STATISTIKA Konsep Dasar Probabilitas Teori Probabilitas didasarkan pada konsep dari suatu eksperimen random Random fenomena/eksperimen dimana keluaran
Lebih terperinciALJABAR 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 terperinciHidup 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 terperinciReview Teori Probabilitas
Rekayasa Trafik 1 Review Teori Probabilitas Rekayasa Trafik Outline Arti Probabilitas Counting Method Random Variable Discrete RV Continuous RV Multiple RVs Rekayasa Trafik 2 Arti Probabilitas Rekayasa
Lebih terperinciPENGANTAR PROBABILITAS STATISTIKA UNIPA SBY
PENGANTAR PROBABILITAS GANGGA ANURAGA POKOK BAHASAN Konsep dasar probabilitas Teori himpunan Permutasi Kombinasi Koefisien binomial Koefisien multinomial Probabilitas Aksioma probabilitas Probabilitas
Lebih terperinci28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω
SAMPLE SPACE, SAMPLE POINTS, EVENTS Sample space,ω, Ω adalah sekumpulan semua sample points,ω, ω yang mungkin; dimana ω Ω Contoh 1. Melemparkan satu buah koin:ω={gambar,angka} Contoh 2. Menggelindingkan
Lebih terperinciPROBABILITAS. 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 terperinciKompetens n i s : Mahasiswa mam a pu p menjel enj a el s a ka k n gejala ekonomi dengan meng guna k n a konsep probabil i i l t i as
Kompetensi: Mahasiswa mampu menjelaskan gejala ekonomi dengan menggunakan konsep probabilitas Hal. 9- Penelitian itu Penuh Kemungkinan (tdk pasti) Mengubah Saya tidak yakin Menjadi Saya yakin akan sukses
Lebih terperinciTeori 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 terperinciPierre-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 terperinciProbabilitas. 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 terperinciKonsep 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 terperinciPENGANTAR 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 terperinciPertemuan 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 terperinciBAB 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 terperinciSekoin 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 terperinciPerumusan 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 terperinciSTATISTIK 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 terperinciPEMBERIAN 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 terperinciKonsep 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 terperinciProbabilitas (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 terperinciPertemuan 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 terperinciATURAN DASAR PROBABILITAS. EvanRamdan
ATURAN DASAR PROBABILITAS BEBERAPA ATURAN DASAR PROBABILITAS Secara umum, beberapa kombinasi dari kejadian dalam sebuah eksperimen dapat dihitung probabilitasnya berdasarkan dua aturan, yaitu: 1) Aturan
Lebih terperinciDALIL-DALIL PROBABILITAS
DALIL-DALIL PROBABILITAS 1 Teori probabilitas 1. Tentang perobaan-perobaan yang sifatnya aak (atau tak tentu). 2. Konsep dasar probabilitas bilit dapat digunakan dalam menarik kesimpulan dari suatu perobaan
Lebih terperinciBab 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 terperinciTEORI 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 terperinciRuang Sampel, Titik Sampel dan Kejadian
Dasar Dasar robabilitas DSR DSR ROILITS Ruang Sampel, Titik Sampel dan Kejadian Ruang sampel (sample space atau semesta (universe merupakan himpunan dari semua hasil (outcome yang mungkin dari suatu percobaan
Lebih terperinciAMIYELLA 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 terperinciTEORI 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 terperinci2-1 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 terperinciThe 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 terperinciMateri #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 terperinciProbabilitas 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 terperinciPROBABILITY 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 terperinciPert 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 terperinciLearning 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 terperinciKONSEP DASAR PROBABILITAS
KONSEP DASAR PROBABILITAS PERTEMUAN VIII EvanRamdan PROBABILITAS Dalam menentukan banyaknya anggota kejadian, kadangkala kita tidak selalu dapat mendaftar semua titik sampel dalam percobaan tersebut. Untuk
Lebih terperinciStatistika & 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 terperinciPENALARAN DENGAN KETIDAKPASTIAN (UNCERTAINITY)
PENALARAN DENGAN KETIDAKPASTIAN (UNCERTAINITY) KETIDAKPASTIAN - Ketidakpastian dapat dianggap sebagai suatu kekurangan informasi yang memadai untuk membuat suatu keputusan. - Ketidakpastian merupakan suatu
Lebih terperinciTEORI 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 terperinciBAB 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 terperinciPROBABILITAS 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 terperinciBeberapa 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 terperinciPertemuan 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 terperinciRuang Sampel /Sample Space (S)
Ruang Sampel /Sample Space (S) Gugus semua hasil yang mungkin dari suatu percobaan statistika. Tiap hasil dalam ruang sampel disebut unsur (elemen) atau anggota ruang sampel tersebut atau dengan singkat
Lebih terperinciKOMBINATORIKA. (Latihan Soal) Kus Prihantoso Krisnawan. August 30, 2012 PEMBINAAN OLIMPIADE MATEMATIKA SMA 1 KALASAN
KOMBINATORIKA (Latihan Soal) Kus Prihantoso August 30, 2012 PEMBINAAN OLIMPIADE MATEMATIKA SMA 1 KALASAN Teori Faktorial Teori Faktorial n! = n (n 1) (n 2) (n 3) 2 1 0! = 1 Teori Faktorial n! = n (n 1)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Probabilitas (Peluang) Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya
Lebih terperinciLearning 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 terperinciANALISIS DATA KATEGORI
STK 11 Kuliah ke-14 &15 ANALISIS DATA KATEGORI 1.Uji Proporsi. Uji Khi-kuadrat Data Kategori Data berupa hasil pengukuran karakteristik/atribut individu yang bukan berupa numerik Misal: - preferensi konsumen
Lebih terperinciSuplemen 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 terperinciKonsep 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 terperinciPeluang. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas LOGO
Peluang Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas LOGO Kompetensi menjelaskan mengenai ruang contoh, titik contoh dan kejadian mencacah titik contoh menghitung peluang
Lebih terperinciTEORI PROBABILITAS (TEORI KEMUNGKINAN)
BAB 6 TEORI PROBABILITAS (TEORI KEMUNGKINAN) Kompetensi Menjelaskan konsep dasar teori probabilitas Indikator 1. Menjelaskan probabilitas 2. Menjelaskan peristiwa mutually exclusive 3. Menjelaskan peristiwa
Lebih terperinciTeori 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 terperinciProbabilitas = 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 terperinciBAB V PENGANTAR PROBABILITAS
BAB V PENGANTAR PROBABILITAS Istilah probabilitas atau peluang merupakan ukuran untuk terjadi atau tidak terjadinya sesuatu peristiwa. Ukuran ini merupakan acuan dasar dalam teori statistika. 1. Beberapa
Lebih terperinciIKI30320 Kuliah Nov Ruli Manurung. Uncertainty. Probability theory. Semantics & Syntax. Inference. Ringkasan
Outline IKI 30320: Sistem Cerdas : Probabilistic Reasoning 1 2 3 Fakultas Ilmu Komputer Universitas Indonesia 4 21 November 2007 5 Knowledge engineering di FKG Duniah penuh ketidakpastian (uncertainty)
Lebih terperinciRUANG SAMPEL DAN KEJADIAN TI2131 TEORI PROBABILITAS MINGGU KE-2
RUANG SAMPEL DAN KEJADIAN TI2131 TEORI PROBABILITAS MINGGU KE-2 1 Definisi-definisi Himpunan (set) adalah kumpulan objek. Himpunan semua outcome yang mungkin muncul dalam suatu percobaan/pengamatan disebut
Lebih terperinciI. 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 terperinciPROBABILITAS (PELUANG) PENGERTIAN PROBABILITAS
PROBABILITAS (PELUANG) PENGERTIAN PROBABILITAS Dalam kehidupan sehari-hari kita sering mendengar dan menggunakan kata probabilitas (peluang). Kata ini mengisyaratkan bahwa kita berhadapan dengan sesuatu
Lebih terperinciProbabilitas Statistik
robabilitas Statistik 2-1 Sample Space Definisi 1: Sample Space Ruang sampel adalah himpunan semua hasil (outcomes) yang mungkin dari suatu percobaan statistik. Disimbolkan dengan S Masing-masing hasil
Lebih terperinciUKD-4 PELUANG 11 IPA 3 Jumat, 22 Sept 2017
UKD-4 PELUANG 11 IPA 3 Jumat, 22 Sept 2017 1. Sebuah dadu dilempar sekali. Peluang munculnya mata dadu bukan kelipatan 3 B. 2/6 C. 3/6 D. 4/6 2. Dari 60 kali pelemparan sebuah dadu, maka frekuensi harapan
Lebih terperinciKONSEP 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 terperinciProbabilitas dan Statistika Variabel Acak dan Fungsi Distribusi Peluang Diskrit. Adam Hendra Brata
dan Statistika dan Fungsi Peluang Adam Hendra Brata acak adalah sebuah fungsi yang memetakan hasil kejadian yang ada di alam (seperti : buka dan tutup; terang, redup dan gelap; merah, kuning dan hijau;
Lebih terperinciProbabilitas 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 terperinciPeluang 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 terperinciRuang 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 terperinciTEORI 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 terperinciProbabilitas dan Statistika Ruang Sampel. Adam Hendra Brata
dan Statistika Ruang Adam Hendra Brata adalah suatu ilmu untuk memprediksi suatu kejadian (event) atau dapat disebut peluang suatu kejadian berdasarkan pendekatan matematis. Dengan ilmu probabilitas, kita
Lebih terperinciBAB 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 terperinciSOAL PELUANG KELAS XI MATEMATIKANET.COM 1.! B. 4 2 C. 2 2 D. E. 2 2 A. 840 B. 504 C. 162 D. 84 E. 168
SOAL PELUANG KELAS XI MATEMATIKANET.COM 1.!!. A. B. 4 2 C. 2 2 D. 2 2 2.!!!. A. 840 B. 504 C. 162 D. 84 168 3. Untuk menuju kota C dari Kota A harus melewati kota B. Dari kota A menuju kota B melewati
Lebih terperinciSTATISTIK PERTEMUAN V
STATISTIK PERTEMUAN V Variabel Random/ Acak variabel yg nilai-nilainya ditentukan oleh kesempatan/ variabel yang bernilai numerik yg didefinisikan dlm suatu ruang sampel 1. Variabel Random diskrit Variabel
Lebih terperinciIKI 30320: Sistem Cerdas Kuliah 16: Probabilistic Reasoning
IKI 30320: Sistem Cerdas : Probabilistic Reasoning Fakultas Ilmu Komputer Universitas Indonesia 21 November 2007 Outline 1 2 3 4 5 Outline 1 2 3 4 5 Knowledge engineering di FKG Anda diminta membuat agent
Lebih terperinci, n(a) banyaknya kejadian A dan n(s) banyaknya ruang sampel
Peluang Suatu Kejadian a) Kisaran nilai peluang : 0 P( b) P( =, banyaknya kejadian A dan banyaknya ruang sampel c) Peluang komplemen suatu kejadian : P(A c ) = P( d) Peluang gabungan dari dua kejadian
Lebih terperinciPENS. 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 terperinciLab. Statistik - Kasus 1. Lab. Statistik Kasus 2. Lab. Statistik Kasus 3
Haryoso Wicaksono, halaman 1 dari 5 halaman Lab. Statistik - Kasus 1 1. Jelaskan istilah-istilah statistik berikut : a. sampel e. responden b. populasi f. data kuantitatif c. statistik sampel g. data kualitatif
Lebih terperinciProbabilitas = 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 terperinciAksioma 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 terperinciPROBABILITAS BERSYARAT. Dr. Julan Hernadi
1 PROBABILITAS BERSYARAT Dr. Julan Hernadi 1 Pendahuluan Tujuan utama dari pemodelan probabilitas adalah untuk menentukan bagaimana kecenderungan suatu kejadian A muncul bila kita melakukan percobaan.
Lebih terperinci25/09/2013. 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 terperinciEksperimen 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 terperincipeluang 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 terperinciPROBABILITAS 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 terperinciBIMBINGAN BELAJAR GEMILANG
BIMBINGAN BELAJAR GEMILANG A. Pilihlah jawaban yang tepat.. Banyaknya titik sampel dari pelemparan koin dan sebuah dadu adalah. 0. Banyaknya ruang sampel pada pelemparan buah mata uang sekaligus adalah.
Lebih terperinciProbabilitas dan Proses Stokastik
Probabilitas dan Proses Stokastik Tim ProStok Jurusan Teknik Elektro - FTI Institut Teknologi Sepuluh Nopember Surabaya, 2014 O U T L I N E 1. Capaian Pembelajaran 2. Pengantar dan 3. Contoh 4. Ringkasan
Lebih terperinciMetode Statistika (STK211) Pertemuan III Konsep Peluang (Probability Concept)
Metode Statistika (STK211) Pertemuan III Konsep Peluang (Probability Concept) Ruang Contoh dan Kejadian Ruang Contoh adalah suatu gugus yang memuat semua hasil yang berbeda, yang mungkin terjadi dari suatu
Lebih terperinciPS-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 terperinciKONSEP DASAR PROBABILITAS
KONSEP DASAR PROBABILITAS PENDAHULUAN Tanpa kita sadari kehidupan kita sehari-hari selalu berhubungan dengan matematika, khususnya peluang. Misalnya dalam pemilihan umum terdapat 5 orang calon presiden,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Probabilitas Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya tidak pasti (uncertain
Lebih terperinciStatistik 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 terperinciRuang 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 terperinciPeluang. Ilham Rais Arvianto, M.Pd. STMIK AKAKOM Yogyakarta
eluang Ilham Rais rvianto, M.d STMIK KKOM Yogyakarta Ruang Sampel dan Titik Sampel Ruang sampel adalah himpunan dari semua kejadian yang mungkin muncul pada suatu percobaan. Ruang sampel dilambangkan dengan
Lebih terperinciBab 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 terperinci1 PROBABILITAS. Pengertian
PROBABILITAS Pengertian Pada awal perkuliahan, sebelum menjelaskan probabilitas, dibahas sepintas sebagai pengantar tentang eksperimen, titik sampel, ruang sampel, dan peristiwa, serta variabel random
Lebih terperinciMATERI 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 terperinciDasar-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 terperinciSituasi 1: a. Buatlah pernyataan-pernyataan yang sesuai dengan situasi di atas!
BAHAN AJAR 3 DISTRIBUSI PEUBAH ACAK GABUNGAN DAN FUNGSI PELUANG MARGINAL Situasi 1: Sebuah kotak berisi tiga ballpoint berwarna merah, dua berwarna biru dan tiga berwarna hitam. Kemudian dua buah ballpoint
Lebih terperinciBAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 1. PELUANG
Pertemuan 3. 1.6 Peluang Bersyarat BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 1. PELUANG Peluang terjadinya suatu kejadian B bila diketahui bahwa kejadian A telah terjadi disebut
Lebih terperinciDetail Tugas Besar Mata Kuliah Pemodelan dan Simulasi
Detail Tugas Besar Mata Kuliah Pemodelan dan Simulasi Buatlah aplikasi program untuk menyelesaikan kasus permasalahan dibawah ini, dengan menggunakan software aplikasi yang kalian mampu gunakan, interfacing
Lebih terperinciBAB 2 LANDASAN TEORI. Dalam penulisan skripsi ini, dijabarkan beberapa aksioma dan teorema yakni sebagai berikut :
BAB 2 LANDASAN TEORI 2.1 Aksioma dan Teorema Dalam penulisan skripsi ini, dijabarkan beberapa aksioma dan teorema yakni sebagai berikut : Aksioma 1 Untuk setiap kejadian, non-negatif.. Yakni bahwa probabilitas
Lebih terperinci