ARTI PROBABILITAS. Pr s =P= 1-q = Pr G =q = 1-p. dalam mana Pr S dan Pr G masing-masing adalah probabilitas sukses dan probabilitas gagal.

Ukuran: px
Mulai penontonan dengan halaman:

Download "ARTI PROBABILITAS. Pr s =P= 1-q = Pr G =q = 1-p. dalam mana Pr S dan Pr G masing-masing adalah probabilitas sukses dan probabilitas gagal."

Transkripsi

1 Probabilitas

2 Probabilitas P( A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < P(A) < 1 P(A) = 0 artinya A pasti terjadi P(A) = 1 artinya A tidak mungkin terjadi

3 ARTI PROBABILITAS Jika sebutir mata uang logam kita lemparkan dengan bebas ke mungkinannya adalah kita akan memperoleh kepala (K) atau ekor (E). Kemungkinan timbul atau tidak timbulnya sesuatu kejadian itu disebut probabilitas kejs u adian. Kemungkinan timbul disebut s u k s e s dan kemungkinan tidak timbul disebut g a g a l. Jika kemungkinan sukses kita beri simbul p dan kemungkinan gagal kita beri simbul q, dan kemungkinan timbulnya p dan q adalah sama, maka kita batasi p = q. Dari seluruh kejadian yang mungkin batasan itu dapat juga dinyatakan sbb : Pr s =P= 1-q = Pr G =q = 1-p. dalam mana Pr S dan Pr G masing-masing adalah probabilitas sukses dan probabilitas gagal.

4 ARTI PROBABILITAS Misalnya, jika mata uang masih baik dan dilemparkan dengan bebas 10 kali, maka jika tidak ada faktor "kebetulan" yang turut campur tangan, probabilitas untuk keluar K adalah 5 kali dan probabilitas untuk keluar E adalah 5 kali. Atau separo adalah K dan separo adalah E. Dinyatakan dengan simbul p = 0,5 dan q = 0,5

5 PROBABILITIAS TEORETIS DAN PROBABILITAS EMPIRIS Umumnya ada faktor-faktor "kebetulan" di luar kekuasaan tangan manusia yang mengubah keadaan probabilitas teoritik itu, sehingga dalam kenyataannya perbandingan antara K dan E menjadi 4: 6, 7: 3, dan sebagainya. Probabilitas yang diobservasi ini disebut observed probability, dan dinyatakan dalam bilangan pecahan seperti 0,4 : 0.,6 atau 0,7 : 0,3 dengan jumlah keseluruhan = 1,000.

6 PROBABILITIAS TEORETIS DAN PROBABILITAS EMPIRIS Jika frekwensi observasi kita tambah terus-menerus, misalnya melemparkan mata uang tersebut menjadi 100 kali, maka perbedaan antara probabilitas teoritik dengan observed probability akan menjadi semakin kecil. Jadi jika misalnya kita lemparkan mata uang 100 kali dan keluar 57K, dan kita lemparkan lagi mata uang itu 100 kali dan keluar 45 K, maka probabilitas ke luarnya K dari 200 kali lemparan bebas itu menjadi : : = (0,57) + (0,45) : 2 = 0,51

7 PROBABILITIAS TEORETIS DAN PROBABILITAS EMPIRIS p r o b a b i l i t a s e m p i r i k dari sesuatu kejadian adalah probabilitas timbulnya kejadian itu dari sejumlah besar observasi. jika observasi dilakukan tak terhingga kali, maka secara praktik dapat dikatakan bahwa probabilitas empirik akan sangat dekat atau sama dengan probabilitas teoretik. misalnya jika terus - menerus melemparkan mata uang dan kita observasi keluarnya K, maka probabilitas dari K akan sangat mendekati 0,5, yaitu probabilitas teoretik dari satu kali melemparkan mata uang tersebut.

8 PERMUTASI Definisi : Suatu permutasi r unsur, yang diambil dari n unsur yang berlainan, yaitu penempatan r unsur itu dalam satu urutan (r n)

9 PERMUTASI Pandang 3 unsur yang berlainan, misal a, b, dan c. Kita dapat mengurut- kannya sebagai abc, acb, bac, bca, cba, dan cab. Tiap urutan disebut dengan permutasi 3 unsur dari ketiganya dinyatakan dengan simbol 3 P 3 dan 3 P 3 = 6. Jika hanya diambil 2 unsur saja, kita mendapatkan permutasi ab, ba, ac, ca, bc, dan cb. Banyaknya permutasi 3 unsur diambil dari 3 P 2 = 6

10 PERMUTASI np r = n (n - 1) (n 2)... (n r + 1) = np n = n! ( n n! r)!

11 KOMBINASI Definisi : Suatu kombinasi r unsur yang diambil dari n unsur yang berlainan, adalah suatu pilihan dari r unsur tanpa memperhatikan urutannya (r n)

12 KOMBINASI Pandang 3 unsur a, b dan c. Sekarang diambil 2 unsur tanpa mengindahkan urutannya, jadi ab sama dengan ba, ac sama dengan ca. Pilihan ab, ac, dan bc adalah 3 kombinasi 3 unsur diambil 2.

13 KOMBINASI n n Pr nc r = ( ) = r r! = n! r!( n r)!

14 KOMBINASI 3C 2 = 3! 2! 1! = = 3 4C 2 = 4! 2! 2! = 24 = 6 2.2

15 contoh Kita hendak mengirimkan surat per pos dan biayanya Rp Kantor pos memberikan 4 perangko yang berlainan, yaitu 100, 300, 800, Dengan berapa permutasi kita dapat menempelkan 4 perangko ini pada surat kita? Jawab : Banyaknya permutasi 4 unsur diambil 4 unsur adalah 4 P 4 = 24

16 contoh Ada berapa cara satu panitia terdiri atas 3 orang dapat dipilih dari 4 pasangan suami istri. a. Jika semua orang ini dipilih b. Jika panitia ini harus terdiri dari 2 pria dan 1 wanita? Jawab : 8 8! a. Ada 8 orang dan diambil 3; jadi ada ( ) = 3 3! 5! 4 4! b. Dua pria dipilih dari 4 suami, jadi ada ( ) = 2 2! 2! 4 4! dan seorang wanita dari 4 istri, jadi ada ( ) = 1 1! 3! sehingga ada 6 x 4 = 24 cara = = 6 cara = = 4 cara 336 = 56 6

17 DISTRIBUSI PROBABILITAS GEJALA DISKRIT Distribusi probabilitas diskrit adalah suatu distribusi dari gejala G yang mempunyai penampakan G 1..,G2..,.G n dengan probabilitas masing - masing p l, P 2,.p n dalam mana jumlah p l + p p n atau p= 1 Perlu ditambahkan bahwa sungguhpun observasi dilakukan N kali, probabilitas dari G 1, G 2,..., G n akan tetap p l, p2,..., pn yang jumlahnya = 1. Akan tetapi dengan observasi N kali itu maka frekwensi dari G I, G 2,.. G n akan menjadi Np l, Np 2,..., Np n dengan jumlah frekwensi = N Jumlah ini dengan mudah dapat kita lihat : N P 1 + NP Np n = N ( P 1 + P p n ) = N (1)= N.

18 DISTRIBUSI PROBABILITAS GEJALA DISKRIT Jika dua buah mata uang yang masih baik kita lemparkan dengan bebas bersama - sama, kita akan memperoleh keluarnya KK, KE, EK, dan EE dalam perbandingan 1: 1: 1: 1, atau dalam bentuk probabilitas ¼ : ¼ : ¼ : ¼. Jumlah seluruh probabilitas adalah 1. Oleh karena KE dan EK pada dasarnya adalah satu kombinasi yang sama maka probabilitasnya akan menjadi : 2K = 0,25 1K1E = 0,50 2E = 0,25 Total probabilitas = P = 1,00

19 DISTRIBUSI PROBABILITAS GEJALA DISKRIT Jika kita tambahkan lagi sebutir mata bang yang kita lemparkan, maka probabilitas timbulnya KKK, EKK, KKE, EEK, EKE, KEE, dan EEE adalah 1/8: 1/8: 1/8 : 1/8 : 1/8:1/8 : 1/8. Atau jika kombinasi yang sama kita kumpulkan, akan kita jumpai distribusi probabilitas sebagai berikut : GEJALA PROBABILITAS G 1 = 3K P G1 = 1/8 G 2 = 2KIE P G2 = 3/8 G 3 = 1 K2E P G3 = 3/8 G 4 = 3E P G4 = 1/8

20 DISTRIBUSI PROBABILITAS GEJALA DISKRIT G1 G2 G3 G4

21 DISTRIBUSI PROBABILITAS GEJALA KONTINU

22 DISTRIBUSI PROBABILITAS GEJALA KONTINU Dinyatakan dalam grafik poligon : Dimana G 1, G 2,..., G n diubah menjadi X 1, X 2,..., X n dan dinyatakan pada absis, sedang p1, p2,..., pn diganti dengan f l, f 2,,...., f n dan dinyatakan pada ordinat Y. Pada poligon semacam itu frekwensi dari score X 1 sampai X Z dicerminkan dalam luas daerah kurve yang dibatasi oleh dua ordinat pada X 1 dan X 2 dan absis serta kurve di antara X 1 dan X 2 itu

23 Contoh pada distribusi normal Dengan table distribusi normal, cari dibawah z pada kolom kiri cari 2,1dan diatas sekali angka 5. Dari 2,1 maju ke kanan dan dari 5 menurun didapat 4842 luas yang dicari lihat daerah yang diarsir = 0,4842

24

5.Permutasi dan Kombinasi

5.Permutasi dan Kombinasi 5.Permutasi dan Kombinasi Prinsip Perkalian : Jika sebuah aktivitas bisa dibentuk dalam t langkah berurutan dan langkah 1 bisa dilakukan dalam n1 cara; langkah kedua bisa dilakukan dalam n2 cara;.; langkah

Lebih terperinci

MK Statistik Bisnis 2 MultiVariate. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1

MK Statistik Bisnis 2 MultiVariate. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1 Haryoso Wicaksono, S.Si., M.M., M.Kom. 1 Descriptive Statistics mengandung metoda dan prosedur yang digunakan untuk pengumpulan, pengorganisasian, presentasi dan memberikan karakteristik terhadap himpunan

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

Aturan Pencacahan MATERI MATEMATIKA SMA KELAS XI MIA PERMUTASI SAPTANA SURAHMAT. Penyusun : Sub-pokok Bahasan:

Aturan Pencacahan MATERI MATEMATIKA SMA KELAS XI MIA PERMUTASI SAPTANA SURAHMAT. Penyusun : Sub-pokok Bahasan: Aturan Pencacahan MATERI MATEMATIKA SMA KELAS XI MIA Sub-pokok Bahasan: PERMUTASI 1 Penyusun : SAPTANA SURAHMAT Target Kompetensi *) Dikutif dari Lampiran Peraturan Mentri Nomor 58 Tahun 2014 tentang Kurikulum

Lebih terperinci

Permutasi dan Kombinasi Peluang Diskrit

Permutasi dan Kombinasi Peluang Diskrit dan Kombinasi Peluang Diskrit Pengantar Permutasi -Faktorial Misalkan n adalah bilangan bulat positif. Besaran n faktorial (n!) didefinisikan sebagai hasil kali semua bilangan bulat antara n hingga 1.

Lebih terperinci

Tujuan Pembelajaran. mutually exclusive

Tujuan Pembelajaran. mutually exclusive Tujuan embelajaran Memahami dan menggunakan analisis kombinatorial untuk kejadian kompleks: permutasi dan kombinasi Mendefinisikan terminologi-terminologi penting dalam probabilitas dan menjelaskan bagaimana

Lebih terperinci

MINGGU KE VIII & IX DISTRIBUSI DESCRETE

MINGGU KE VIII & IX DISTRIBUSI DESCRETE MINGGU KE VIII & IX DISTRIBUSI DESCRETE Tujuan Instruksional Umum : 1. Mahasiswa mampu memahami dengan apa yang dimaksud dengan distribusi diskrit 2. Mahasiswa memahami manfaat dan kegunaan dari distrubusi

Lebih terperinci

PELUANG. Jika seluruhnya ada banyak kegiatan, dan masing-masing berturut-turut dapat dilakukan dalam

PELUANG. Jika seluruhnya ada banyak kegiatan, dan masing-masing berturut-turut dapat dilakukan dalam PELUANG Prinsip Perkalian Bila suatu kegiatan dapat dilakukan dalam n 1 cara yang berbeda, dan kegiatan yang lain dapat dilakukan dalam n 2 cara yang berbeda, maka seluruh peristiwa tersebut dapat dikerjakan

Lebih terperinci

Penerapan BFS dan DFS pada Pencarian Solusi

Penerapan BFS dan DFS pada Pencarian Solusi Penerapan BFS dan DFS pada Pencarian Solusi Bahan Kuliah IF2151 Strategi Algoritmik Oleh: Rinaldi Munir 1 Pengorganisasian Solusi Kemungkinan2 solusi dari persoalan membentuk ruang solusi (solution space)

Lebih terperinci

matematika DISTRIBUSI VARIABEL ACAK DAN DISTRIBUSI BINOMIAL K e l a s A. Penarikan Sampel dari Suatu Populasi Kurikulum 2013 Tujuan Pembelajaran

matematika DISTRIBUSI VARIABEL ACAK DAN DISTRIBUSI BINOMIAL K e l a s A. Penarikan Sampel dari Suatu Populasi Kurikulum 2013 Tujuan Pembelajaran Kurikulum 20 matematika K e l a s XI DISTRIBUSI VARIABEL ACAK DAN DISTRIBUSI BINOMIAL Tujuan Pembelajaran Setelah mempelajari materi ini, kamu diharapkan memiliki kemampuan berikut.. Memahami perbedaan

Lebih terperinci

II. KONSEP DASAR PELUANG

II. KONSEP DASAR PELUANG II. KONSEP DASAR PELUANG Teori Peluang memberikan cara pengukuran kuantitatif tentang kemungkinan munculnya suatu kejadian tertentu dalam suatu percobaan/peristiwa. Untuk dapat menghitung peluang lebih

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

RENCANA PELAKSANAAN PEMBELAJARAN ( R P P ) Mata Pelajaran : Matematika Satuan Pendidikan : SMA Kelas/Semester : XI IPS/ 1 Alokasi waktu : 2 x 45 menit

RENCANA PELAKSANAAN PEMBELAJARAN ( R P P ) Mata Pelajaran : Matematika Satuan Pendidikan : SMA Kelas/Semester : XI IPS/ 1 Alokasi waktu : 2 x 45 menit RENCANA PELAKSANAAN PEMBELAJARAN ( R P P ) Mata Pelajaran : Matematika Satuan Pendidikan : SMA Kelas/Semester : XI IPS/ 1 Alokasi waktu : 2 x 45 menit I. Standar Kompetensi 1.1 Menggunakan aturan statistika,

Lebih terperinci

Penerapan BFS dan DFS pada Pencarian Solusi

Penerapan BFS dan DFS pada Pencarian Solusi Bahan Kuliah ke-8 IF5 Strategi Algoritmik Penerapan BFS dan DFS pada Pencarian Solusi Disusun oleh: Ir. Rinaldi Munir, M.T. Departemen Teknik Informatika Institut Teknologi Bandung 4 Struktur pencarian

Lebih terperinci

April 20, Tujuan Pembelajaran

April 20, Tujuan Pembelajaran pril 20, 2011 1 Tujuan embelajaran Memahami dan menggunakan analisis kombinatorial untuk kejadian kompleks: permutasi dan kombinasi Mendefinisikan terminologi-terminologi penting dalam probabilitas dan

Lebih terperinci

KOMBINATORIK. Disampaikan dalam kegiatan: PEMBEKALAN OSN-2010 SMP STELA DUCE I YOGYAKARTA

KOMBINATORIK. Disampaikan dalam kegiatan: PEMBEKALAN OSN-2010 SMP STELA DUCE I YOGYAKARTA KOMBINATORIK Disampaikan dalam kegiatan: PEMBEKALAN OSN-2010 SMP STELA DUCE I YOGYAKARTA Oleh: Murdanu Dosen Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta SEKOLAH MENENGAH PERTAMA STELA

Lebih terperinci

PENGANTAR TEORI PELUANG. Pendahuluan

PENGANTAR TEORI PELUANG. Pendahuluan 1 Sufyani Prabawanto Bahan Belajar Mandiri 5 PENGANTAR TEORI PELUANG Pendahuluan Sebagai seorang guru, kita sering berhadapan dengan skor-skor hasil tes siswa. Misalkan seorang siswa memperoleh skor asli

Lebih terperinci

PROBABILITAS (PELUANG) PENGERTIAN PROBABILITAS

PROBABILITAS (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 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

TEKNIK MEMBILANG. b T U V W

TEKNIK MEMBILANG. b T U V W TEKNIK MEMBILANG Berikut ini teknik-teknik (cara-cara) membilang atau menghitung banyaknya anggota ruang sampel dari suatu eksperimen tanpa harus mendaftar seluruh anggota ruang sampel tersebut. A. Prinsip

Lebih terperinci

Kompetens 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

Kompetens 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 terperinci

KONSEP DASAR PROBABILITAS OLEH : RIANDY SYARIF

KONSEP DASAR PROBABILITAS OLEH : RIANDY SYARIF KONSEP DASAR PROBABILITAS OLEH : RIANDY SYARIF Definisi Probabilitas adalah suatu ukuran tentang kemungkinan suatu peristiwa (event) akan terjadi dimasa mendatang. Probabilitas dinyatakan antara 0 s/d

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Gugus dan Kombinatorika

Gugus dan Kombinatorika Bab 1 Gugus dan Kombinatorika 1.1 Gugus Gugus, atau juga disebut himpunan adalah kumpulan objek. Objek dalam sebuah himpunan disebut anggota atau unsur. Penulisan himpunan dapat dilakukan dengan dua cara,

Lebih terperinci

II. M A T R I K S ... A... Contoh II.1 : Macam-macam ukuran matriks 2 A. 1 3 Matrik A berukuran 3 x 1. Matriks B berukuran 1 x 3

II. M A T R I K S ... A... Contoh II.1 : Macam-macam ukuran matriks 2 A. 1 3 Matrik A berukuran 3 x 1. Matriks B berukuran 1 x 3 11 II. M A T R I K S Untuk mencari pemecahan sistem persamaan linier dapat digunakan beberapa cara. Salah satu yang paling mudah adalah dengan menggunakan matriks. Dalam matematika istilah matriks digunakan

Lebih terperinci

II. TINJAUAN PUSTAKA. sebuah geometri selain aksioma diperlukan juga unsur-unsur tak terdefinisi. Untuk. 2. Himpunan titik-titik yang dinamakan garis.

II. TINJAUAN PUSTAKA. sebuah geometri selain aksioma diperlukan juga unsur-unsur tak terdefinisi. Untuk. 2. Himpunan titik-titik yang dinamakan garis. 5 II. TINJAUAN PUSTAKA 2.1 Geometri Insidensi Suatu geometri dibentuk berdasarkan aksioma yang berlaku dalam geometrigeometri tersebut. Geometri insidensi didasari oleh aksioma insidensi. Di dalam sebuah

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

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Learning Outcomes Pencacahan Permutasi Kombinasi Sebaran Bola dalam Keranjang Kesimpulan. Kombinatorika. Julio Adisantoso.

Learning Outcomes Pencacahan Permutasi Kombinasi Sebaran Bola dalam Keranjang Kesimpulan. Kombinatorika. Julio Adisantoso. 11 Pebruari 2014 Learning Outcome Mahasiswa dapat memahami pentingnya teknik counting problem dalam Ilmu Hitung Peluang Mahasiswa mengetahui dan memahami teknik kombinatorika Mahasiswa dapat melakukan

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

Soal-soal dan Pembahasan Matematika Dasar SBMPTN-SNMPTN 2009

Soal-soal dan Pembahasan Matematika Dasar SBMPTN-SNMPTN 2009 Soal-soal dan Pembahasan Matematika Dasar SBMPTN-SNMPTN 9. Bentuk x < setara (ekivalen) dengan A. - < x C. x < E. < x < B. x < D. x > - x < - + x < dibagi - + x < x - < Jawabannya adalah B x bx m. Jika

Lebih terperinci

Kombinatorial. Matematika Diskrit Pertemuan ke - 4

Kombinatorial. Matematika Diskrit Pertemuan ke - 4 Kombinatorial Matematika Diskrit Pertemuan ke - 4 Pengertian Cabang matematika yang mempelajari pengaturan objek-objek Solusi yang diperoleh : jumlah cara pengaturan objek-objek tertentu dalam himpunan

Lebih terperinci

Ruang Sampel. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Ruang Sampel. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Ruang Sampel Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Ruang Sampel (Sample Space) Ruang sampel: himpunan semua hasil (outcome) yang

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

PENYELESAIAN SOAL PRAKTIKUM III

PENYELESAIAN SOAL PRAKTIKUM III PENYELESAIAN SOAL PRAKTIKUM III Topik : KONDISIONAL SOAL 1. Program yang membaca nilai integer dan menuliskan nilainya jika positif. Program praktikum3_soal1; var bil : integer; FLOWCHARTN START write('masukkan

Lebih terperinci

Percobaan : proses yang menghasilkan data Ruang Contoh (S) : himpunan yang memuat semua kemungkinan hasil percobaan

Percobaan : proses yang menghasilkan data Ruang Contoh (S) : himpunan yang memuat semua kemungkinan hasil percobaan Probabilitas = Peluang (Bagian I) 1. Pendahuluan Percobaan : proses yang menghasilkan data Ruang Contoh (S) : himpunan yang memuat semua kemungkinan hasil percobaan Comment [sls1]: Page: 1 Misal : a. Ruang

Lebih terperinci

KUMPULAN SOAL OLIMPIADE MATEMATIKA BAGIAN PERTAMA

KUMPULAN SOAL OLIMPIADE MATEMATIKA BAGIAN PERTAMA KUMPULAN SOAL OLIMPIADE MATEMATIKA BAGIAN PERTAMA KUMPULAN SOAL OLIMPIADE MATEMATIKA Bagian Pertama Disusun Oleh Raja Octovin P. D APRIL 2008 SMA NEGERI 1 PEKANBARU Jl. Sulthan Syarif Qasim 159 Pekanbaru

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

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

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

PELUANG. A Aturan Pengisian Tempat. B Permutasi

PELUANG. A Aturan Pengisian Tempat. B Permutasi PELUANG KAIDAH PENCACAHAN kaidah pencacahan didefinisikan sebagai suatu cara atau aturan untuk menghitung semua kemungkinan yang dapat terjadi dalam suatu percobaan tertentu. Ada beberapa metode pencacahan,

Lebih terperinci

7. LAMPIRAN. Lampiran 1. Hasil Analisa Data Karakteristik fisik nugget ikan nila

7. LAMPIRAN. Lampiran 1. Hasil Analisa Data Karakteristik fisik nugget ikan nila 7. LAMPIRAN Lampiran 1. Hasil Analisa Data Karakteristik fisik nugget ikan nila 43 44 Karakteristik kimia nugget ikan nila 45 46 47 Karakteristik sensori nugget ikan nila 48 49 Lampiran 2. Worksheet Uji

Lebih terperinci

LEMBAR AKTIVITAS SISWA MATRIKS

LEMBAR AKTIVITAS SISWA MATRIKS Nama Siswa Kelas : : LEMBAR AKTIVITAS SISWA MATRIKS Notasi dan Ordo Matriks Lengkapilah isian berikut! Suatu matriks biasanya dinotasikan dengan huruf kapital, misalnya: A. PENGERTIAN MATRIKS 1) Tabel

Lebih terperinci

Nilai harapan suatu variabel acak x ditulis E (x) didefinisikan E (x) = Σ x. f (x) Var (x) = σ x 2 = E [ x E (x) ] 2 = E (x 2 ) { E (x) } 2

Nilai harapan suatu variabel acak x ditulis E (x) didefinisikan E (x) = Σ x. f (x) Var (x) = σ x 2 = E [ x E (x) ] 2 = E (x 2 ) { E (x) } 2 Pertemuan ke- 4 BAB III POPULASI, SAMPEL & DISTRIBUSI TEORITIS VARIABEL DISKRIT DAN FUNGSI PROBABILITAS 3.1 Variabel Random atau Variabel Acak Variabel yang nilainya merupakan suatu bilangan yang ditentukan

Lebih terperinci

Bab 2 DISTRIBUSI PELUANG

Bab 2 DISTRIBUSI PELUANG Bab 2 DISTRIBUSI PELUANG PENDAHULUAN Setiap peristiwa akan mempunyai peluangnya masingmasing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut

Lebih terperinci

BAB II PERSAMAAN KUADRAT DAN FUNGSI KUADRAT

BAB II PERSAMAAN KUADRAT DAN FUNGSI KUADRAT BAB II PERSAMAAN KUADRAT DAN FUNGSI KUADRAT 1. Menentukan koefisien persamaan kuadrat 2. Jenis-jenis akar persamaan kuadrat 3. Menyusun persamaan kuadrat yang akarnya diketahui 4. Fungsi kuadrat dan grafiknya

Lebih terperinci

PENERAPAN FAKTOR PRIMA DALAM MENYELESAIKAN BENTUK ALJABAR (Andi Syamsuddin*)

PENERAPAN FAKTOR PRIMA DALAM MENYELESAIKAN BENTUK ALJABAR (Andi Syamsuddin*) PENERAPAN FAKTOR PRIMA DALAM MENYELESAIKAN BENTUK ALJABAR (Andi Syamsuddin*) A. Faktor Prima Dalam tulisan ini yang dimaksud dengan faktor prima sebuah bilangan adalah pembagi habis dari sebuah bilangan

Lebih terperinci

Materi Kuliah. Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas 1

Materi Kuliah. Haryoso Wicaksono, S.Si., M.M., M.Kom. - Pengantar Probabilitas 1 Materi Kuliah 1 sejarah, masa lalu, data time series, Succes Story probabilitas, peluang bisnis, cita-cita & harapan planning, pengembangan, mau nikah, kredit motor, dll past present Kita sekarang menjaga

Lebih terperinci

Haryoso Wicaksono, S.Si., M.M., M.Kom. 8

Haryoso Wicaksono, S.Si., M.M., M.Kom. 8 Seragam (Uiform) [D1] : Fugsi probabilita Uiform utuk semua ilai. Dimaa merupaka bayakya 1 f ( ) obyek da diasumsika memiliki sifat yag sama. Biomial [D2] : Sifat percobaa Biomial : Percobaa dilakuka dalam

Lebih terperinci

By : Refqi Kemal Habib

By : Refqi Kemal Habib BAB I PENDAHULUAN A. Dasar Teori Peluang atau kebolehjadian atau dikenal juga sebagai probabilitas adalah cara untuk mengungkapkan pengetahuan atau kepercayaan bahwa suatu kejadian akan berlaku atau telah

Lebih terperinci

LOMBA MATEMATIKA NASIONAL KE-25

LOMBA MATEMATIKA NASIONAL KE-25 LOMBA MATEMATIKA NASIONAL KE-25 Babak Penyisihan Tingkat SMA Minggu, 9 November 20 HIMPUNAN MAHASISWA MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS GADJAH MADA SEKIP UTARA UNIT III

Lebih terperinci

BAB 1 PERSAMAAN. a) 2x + 3 = 9 a) 5 = b) x 2 9 = 0 b) = 12 c) x = 0 c) 2 adalah bilangan prima genap d) 3x 2 = 3x + 5

BAB 1 PERSAMAAN. a) 2x + 3 = 9 a) 5 = b) x 2 9 = 0 b) = 12 c) x = 0 c) 2 adalah bilangan prima genap d) 3x 2 = 3x + 5 BAB PERSAMAAN Sifat Sifat Persamaan Persamaan adalah kalimat matematika terbuka yang menyatakan hubungan sama dengan. Sedangkan kesamaan adalah kalimat matematika tertutup yang menyatakan hubungan sama

Lebih terperinci

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL SELEKSI OLIMPIADE TINGKAT PROVINSI 013 TIM OLIMPIADE MATEMATIKA INDONESIA 014 Prestasi itu diraih bukan didapat!!! SOLUSI SOAL BAGIAN PERTAMA Disusun oleh : Solusi Olimpiade Matematika Tk Provinsi 013

Lebih terperinci

SELEKSI TINGKAT PROPINSI MATEMATIKA SMA/MA

SELEKSI TINGKAT PROPINSI MATEMATIKA SMA/MA SELEKSI TINGKAT PROPINSI CALON PESERTA OLIMPIADE SAINS NASIONAL 01 MATEMATIKA SMA/MA PETUNJUK UNTUK PESERTA: 1. Tes terdiri dari dua bagian. Tes bagian pertama terdiri dari 0 soal isian singkat dan tes

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

C. y = 2x - 10 D. y = 2x + 10

C. y = 2x - 10 D. y = 2x + 10 1. Diantara himpunan berikut yang merupakan himpunan kosong adalah... A. { bilangan cacah antara 19 dan 20 } B. { bilangan genap yang habis dibagi bilangan ganjil } C. { bilangan kelipatan 3 yang bukan

Lebih terperinci

BAB II DISTRIBUSI PROBABILITAS

BAB II DISTRIBUSI PROBABILITAS BAB II DISTRIBUSI PROBABILITAS.1. VARIABEL RANDOM Definisi 1: Variabel random adalah suatu fungsi yang memetakan ruang sampel (S) ke himpunan bilangan Real (R), dan ditulis X : S R Contoh (Variabel random)

Lebih terperinci

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA 015 CALON TIM OLIMPIADE MATEMATIKA INDONESIA 016 Prestasi itu diraih bukan didapat!!! SOLUSI SOAL Bidang Matematika Disusun oleh : 1. 015 = 5 13 31 Banyaknya faktor

Lebih terperinci

DINAS PENDIDIKAN KABUPATEN MALANG MGMP MATEMATIKA SMPN SATAP TRYOUT UN menit

DINAS PENDIDIKAN KABUPATEN MALANG MGMP MATEMATIKA SMPN SATAP TRYOUT UN menit DINAS PENDIDIKAN KABUPATEN MALANG MGMP MATEMATIKA SMPN SATAP P.17 TRYOUT UN 2013 Mata Pelajaran Matematika Hari/Tanggal Waktu 120 menit 1. Hasil dari 17 [ 3 (- 8)] adalah... a 49 b 41 c -7 d -41 2. Hasil

Lebih terperinci

SOAL DAN PEMBAHASAN UJIAN NASIONAL SMA/MA IPS / KEAGAMAAN TAHUN PELAJARAN 2007/2008

SOAL DAN PEMBAHASAN UJIAN NASIONAL SMA/MA IPS / KEAGAMAAN TAHUN PELAJARAN 2007/2008 SOAL DAN PEMBAHASAN UJIAN NASIONAL SMA/MA IPS / KEAGAMAAN TAHUN PELAJARAN 007/008. Negasi dari pernyataan Matematika tidak mengasyikkan atau membosankan adalah. A. Matematika mengasyikkan atau membosankan

Lebih terperinci

Statistika & Probabilitas

Statistika & Probabilitas Statistika & Probabilitas Statistika Berhubungan dengan banyak angka Contoh : Numerical Description pergerakan IHSG, jumlah penduduk di suatu wilayah. Dalam dunia usaha sekumpulan data : pergerakan tingkat

Lebih terperinci

( ) = dan f 5 3 ( )( ) =? ( ) =. Hitung nilai a. 1. Operasi untuk himpunan bilangan A ={ ,,,,, } didefi nisikan sesuai tabel di bawah ini

( ) = dan f 5 3 ( )( ) =? ( ) =. Hitung nilai a. 1. Operasi untuk himpunan bilangan A ={ ,,,,, } didefi nisikan sesuai tabel di bawah ini 1. Operasi untuk himpunan bilangan A ={ 01,,,,, } didefi nisikan sesuai tabel di bawah ini 0 1 0 0 0 0 0 0 1 0 1 0 1 0 1 0 1 Jika x = x x n n 1, x = x x, Hitunglah nilai 1 0 B) 1 D). Sebuah operasi bilangan

Lebih terperinci

MAKALAH M A T E M A T I K A

MAKALAH M A T E M A T I K A MAKALAH M A T E M A T I K A PELUANG DISUSUN OLEH EDI MICHAEL ANTONIUS XII.TSM GURU PEMBIMBING LUNGGUH SOLIHIN, S.Pd SEKOLAH MENENGAH KEJURUAN SETIH SETIO 1 MUARA BUNGO T.A 2016/2017 0 KATA PENGANTAR Pertama

Lebih terperinci

Contoh. Teknik Menghitungdan Kombinatorial. Contoh. Combinatorics

Contoh. Teknik Menghitungdan Kombinatorial. Contoh. Combinatorics Contoh Teknik Menghitungdan Kombinatorial Berapa banyak pelat nomor bisa dibuat dengan mengunakan 3 huruf dan 3 angka? Berapa banyak pelat nomor bisa dibuat dengan menggunakan 3 huruf dan 3 angka tapi

Lebih terperinci

KUMPULAN SOAL OLIMPIADE MATEMATIKA Bagian Pertama

KUMPULAN SOAL OLIMPIADE MATEMATIKA Bagian Pertama KUMPULAN SOAL OLIMPIADE MATEMATIKA Bagian Pertama Disusun Oleh Raja Octovin P D 00 SOAL PILIHAN APRIL 008 SMA NEGERI PEKANBARU Jl Sulthan Syarif Qasim 59 Pekanbaru Bank Soal Matematika Bank Soal Matematika

Lebih terperinci

PELUANG. P n,r, P r TEKNIK MENGHITUNG: PERKALIAN TEKNIK MENGHITUNG: PERMUTASI TEKNIK MENGHITUNG: PERKALIAN. P n,r =n n 1 n 2 n r 1 = n! n r!

PELUANG. P n,r, P r TEKNIK MENGHITUNG: PERKALIAN TEKNIK MENGHITUNG: PERMUTASI TEKNIK MENGHITUNG: PERKALIAN. P n,r =n n 1 n 2 n r 1 = n! n r! PELUANG TEKNIK MENGHITUNG: PERKALIAN Bab pembelajaran: 1. Teknik Menghitung a. Perkalian b. Permutasi c. Kombinasi 2. Peluang a. Dasar Peluang b. Peluang Bersyarat c. Kebebasan Oleh Ridha Ferdhiana, M.Sc

Lebih terperinci

Peubah Acak. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Peubah Acak. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Peubah Acak Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Definisi Peubah Acak Peubah = variabel Dalam suatu eksperimen, seringkali kita

Lebih terperinci

SELEKSI TINGKAT PROPINSI MATEMATIKA SMA/MA

SELEKSI TINGKAT PROPINSI MATEMATIKA SMA/MA SELEKSI TINGKAT PROPINSI CALON PESERTA OLIMPIADE SAINS NASIONAL 2012 MATEMATIKA SMA/MA PETUNJUK UNTUK PESERTA: 1. Tes terdiri dari dua bagian. Tes bagian pertama terdiri dari 20 soal isian singkat dan

Lebih terperinci

LEMBAR AKTIVITAS SISWA MATRIKS

LEMBAR AKTIVITAS SISWA MATRIKS Nama Siswa Kelas : : LEMBAR AKTIVITAS SISWA MATRIKS Notasi dan Ordo Matriks Lengkapilah isian berikut! Suatu matriks biasanya dinotasikan dengan huruf kapital, misalnya: A. PENGERTIAN MATRIKS 1) Tabel

Lebih terperinci

1. Pada operasi di bawah, tiap titik mewakili satu angka tertentu. Bilangan 3 angka yang ada pada baris IV adalah... A) 830 C) 622 B) 720 D) 525

1. Pada operasi di bawah, tiap titik mewakili satu angka tertentu. Bilangan 3 angka yang ada pada baris IV adalah... A) 830 C) 622 B) 720 D) 525 1. Pada operasi di bawah, tiap titik mewakili satu angka tertentu Kompetisi Matematika PASIAD Se-Indonesia IV + 1. I.. II.... III.... IV... V Bilangan angka ang ada pada baris IV adalah... 80 6 B) 70 D)

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

STATISTIK PERTEMUAN V

STATISTIK 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 terperinci

HIMPUNAN MAHASISWA MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS GADJAH MADA SEKIP UTARA UNIT III BULAKSUMUR P.O.

HIMPUNAN MAHASISWA MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS GADJAH MADA SEKIP UTARA UNIT III BULAKSUMUR P.O. HIMPUNAN MAHASISWA MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS GADJAH MADA SEKIP UTARA UNIT III BULAKSUMUR P.O. BOX BLS 2 YOGYAKARTA5528 lmnas@ugm.ac.id http://lmnas.fmipa.ugm.ac.id

Lebih terperinci

SELEKSI TINGKAT PROPINSI CALON PESERTA OLIMPIADE SAINS NASIONAL 2008 MATEMATIKA SMA BAGIAN PERTAMA

SELEKSI TINGKAT PROPINSI CALON PESERTA OLIMPIADE SAINS NASIONAL 2008 MATEMATIKA SMA BAGIAN PERTAMA SELEKSI TINGKAT PROPINSI CALON PESERTA OLIMPIADE SAINS NASIONAL 2008 MATEMATIKA SMA BAGIAN PERTAMA PETUNJUK UNTUK PESERTA: 1. Tes bagian pertama ini terdiri dari 20 soal. 2. Waktu yang disediakan adalah

Lebih terperinci

Probabilitas dan Statistika Ruang Sampel. Adam Hendra Brata

Probabilitas 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 terperinci

Pencacahan. Learning is not child's play, we cannot learn without pain. Aristotle. Matema(ka Komputasi - Pencacahan. Agi Putra Kharisma, ST., MT.

Pencacahan. Learning is not child's play, we cannot learn without pain. Aristotle. Matema(ka Komputasi - Pencacahan. Agi Putra Kharisma, ST., MT. Pencacahan Learning is not child's play, we cannot learn without pain. Aristotle 1 Berapakah jumlah bilangan bulat dari 5 sampai 12? Jawaban: 8 m n 5 6 7 8 9 10 11 12 m m+1 m+2 m+3 m+4 m+5 m+6 m+7 1 2

Lebih terperinci

28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω

28/09/2012 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 terperinci

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL SELEKSI OLIMPIADE TINGKAT PROVINSI 202 TIM OLIMPIADE MATEMATIKA INDONESIA 203 Prestasi itu diraih bukan didapat!!! SOLUSI SOAL BAGIAN PERTAMA Disusun oleh : BAGIAN PERTAMA. Tanpa mengurangi keumuman misalkan

Lebih terperinci

Lampiran 1. Worksheet Uji Ranking Hedonik Konsentrasi Rumput Laut. Worksheet Uji Ranking Hedonik ABCD 11 BCDA 12 CDAB 13 DABC 14 ACBD 15

Lampiran 1. Worksheet Uji Ranking Hedonik Konsentrasi Rumput Laut. Worksheet Uji Ranking Hedonik ABCD 11 BCDA 12 CDAB 13 DABC 14 ACBD 15 7. LAMPIRAN Lampiran 1. Worksheet Uji Ranking Hedonik Konsentrasi Rumput Laut Tanggal uji : Jenis sampel : Nugget Lele Rumput Laut Worksheet Uji Ranking Hedonik Identifikasi sampel Nugget Lele Rumput Laut

Lebih terperinci

Induksi Matematik Program Studi Teknik Informatika STEI - ITB

Induksi Matematik Program Studi Teknik Informatika STEI - ITB Induksi Matematik Bahan Kuliah IF2120 Matematika Diskrit Oleh: Rinaldi Munir Program Studi Teknik Informatika STEI - ITB 1 Metode pembuktian untuk proposisi yang berkaitan dengan bilangan bulat adalah

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

KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)

KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana) KURVA NORMAL (Sumber: Buku Metode Statistika tulisan Sudjana) Distribusi Normal (Distribusi GAUSSE) Kurva Normal Suatu alat statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa

Lebih terperinci

D I S T R I B U S I P R O B A B I L I T A S

D I S T R I B U S I P R O B A B I L I T A S D I S T R I B U S I P R O B A B I L I T A S Amiyella Endista Email : amiyella.endista@yahoo.com Website : www.berandakami.wordpress.com Distribusi Probabilitas Kunci aplikasi probabilitas dalam statistik

Lebih terperinci

PELUANG. Dengan diagram pohon diperoleh:

PELUANG. Dengan diagram pohon diperoleh: PELUANG A. Kaidah Pencacahan Kaidah pencacahan adalah suatu ilmu yang berkaitan dengan menentukan banyaknya cara suatu percobaan dapat terjadi. Menentukan banyakya cara suatu percobaan dapat terjadi dilakukan

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

II. TINJAUAN PUSTAKA

II. TINJAUAN PUSTAKA II. TINJAUAN PUSTAKA 2.1 Angin Angin adalah gerakan udara dari daerah yang bertekanan tinggi ke daerah yang bertekanan rendah. Kekuatan angin berlebihan dapat dikontrol menggunakan sistem manual atau otomatik.

Lebih terperinci

Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai

Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi

Lebih terperinci

Pelabelan matriks menggunakan huruf kapital. kolom ke-n. kolom ke-3

Pelabelan matriks menggunakan huruf kapital. kolom ke-n. kolom ke-3 MATRIKS a. Konsep Matriks Matriks adalah susunan bilangan yang diatur menurut aturan baris dan kolom dalam suatu jajaran berbentuk persegi atau persegipanjang dan diletakkan di dalam kurung biasa ( ) atau

Lebih terperinci

DISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal

DISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat

Lebih terperinci

SOAL DAN SOLUSI SIAP SBMPTN 2013 MATEMATIKA IPA

SOAL DAN SOLUSI SIAP SBMPTN 2013 MATEMATIKA IPA SOAL DAN SOLUSI SIAP SBMPTN 0 MATEMATIKA IPA. Jika 0 b a dan a b ab maka a+b = a - b (A) () (E) (B) (D) o o o o. cos 77 cos sin77 sin.... (A) cos 0 o (B) cos 70 o () sin 70 o (D) cos 0 o (E) sin 0 o. Dari

Lebih terperinci

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL SELEKSI OLIMPIADE TINGKAT PROVINSI 2013 TIM OLIMPIADE MATEMATIKA INDONESIA 2014 Prestasi itu diraih bukan didapat!!! SOLUSI SOAL BAGIAN PERTAMA Disusun oleh : BAGIAN PERTAMA 1. ABC adalah segitiga sama

Lebih terperinci

4. Himpunan penyelesaian dari sistem persamaan linear x + y = 5 dan x - 2y = -4 adalah... A.{ (1, 4) }

4. Himpunan penyelesaian dari sistem persamaan linear x + y = 5 dan x - 2y = -4 adalah... A.{ (1, 4) } 1. Diketahui himpunan P = ( bilangan prima kurang dari 13 ) Banyak himpunan bagian dari P adalah... 5 25 10 32 P = {Bilangan prima kurang dari 13} = {2, 3, 5, 7, 11} n(p) = 5 2. Dari diagram Venn di bawah,

Lebih terperinci

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling Rengganis Banitya Rachmat rengganis.rachmat@gmail.com 4. Distribusi Probabilitas Normal dan Binomial

Lebih terperinci

B. Aturan Permutasi ATURAN PENCACAHAN 11/20/2015. B. Aturan Permutasi

B. Aturan Permutasi ATURAN PENCACAHAN 11/20/2015. B. Aturan Permutasi Jurnal Materi Umum B. Aturan Permutasi Daftar Hadir Materi B SoalLatihan ATURAN PENCACAHAN Kelas XI, Semester 4 B. Aturan Permutasi Notasi faktorial : n! = n (n - 1) (n - 2) (n - 3) 3. 2. 1 dimana n bilangan

Lebih terperinci

LAMPIRAN Analisa Data Hasil Analisa Kimia Tepung Garut dan Tepung Tempe Hasil Analisa Kimia Flakes

LAMPIRAN Analisa Data Hasil Analisa Kimia Tepung Garut dan Tepung Tempe Hasil Analisa Kimia Flakes LAMPIRAN 7.1. Analisa Data 7.1.1. Hasil Analisa Kimia Tepung Garut dan Tepung Tempe 7.1.2. Hasil Analisa Kimia Flakes 50 7.1.3. Hasil Analisa Fisik Flakes 7.1.3.1. Analisa Warna 51 52 7.1.3.2. Analisa

Lebih terperinci

KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.

KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. EKSPERIMEN suatu percobaan yang dapat diulang-ulang dengan kondisi yang sama CONTOH : Eksperimen : melempar dadu 1 kali Hasilnya

Lebih terperinci

Distribusi Probabilitas Diskrit: Binomial & Multinomial

Distribusi Probabilitas Diskrit: Binomial & Multinomial Distribusi Probabilitas Diskrit: Binomial & Multinomial 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi Binomial Distribusi

Lebih terperinci

OLIMPIADE SAINS TERAPAN SMK PROPINSI JAWA TENGAH 2009

OLIMPIADE SAINS TERAPAN SMK PROPINSI JAWA TENGAH 2009 OLIMPIADE SAINS TERAPAN SMK PROPINSI JAWA TENGAH 009 Mata pelajaran Matematika Teknologi Kerjasama Dengan FMIPA Universitas Diponegoro Dan Dinas Pendidikan Propinsi Jawa Tengah OLIMPIADE SAINS TERAPAN

Lebih terperinci

Pembahasan OSN SMP Tingkat Nasional Tahun 2013 Bidang Matematika Oleh Tutur Widodo

Pembahasan OSN SMP Tingkat Nasional Tahun 2013 Bidang Matematika Oleh Tutur Widodo Pembahasan OSN SMP Tingkat Nasional Tahun 01 Bidang Matematika Oleh Tutur Widodo 1. Diketahui f adalah suatu fungsi sehingga f(x) + f Carilah nilai x yang memenuhi f(x) = f( x). ( ) 1 x = x untuk setiap

Lebih terperinci

STATISTIK DESKRIPTIF

STATISTIK DESKRIPTIF PENGANTAR TEORI PELUANG OLEH HERDIAN S.Pd., M.Pd. SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER (STIMIK) PRINGSEWU NOTASI FAKTORIAL (!) adalah hasil kali bilangan asli berurutan dari 1 sampai n. dirumuskan

Lebih terperinci