ti-201-02-tepro
ti-201-02-tepro
ti-201-02-tepro
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
2<br />
�Penger<strong>ti</strong>an probabilitas<br />
�Kejadian, ruang sample dan probabilitas<br />
�Aturan dasar probabilitas<br />
�Probabilitas bersyarat<br />
�Independensi<br />
�Konsepsi kombinatorial<br />
Teori Probabilitas<br />
�Probabilitas total dan teorema Bayes<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 1<br />
2-1 Probabilitas adalah:<br />
� Sebuah ukuran ke<strong>ti</strong>dak-pas<strong>ti</strong>an.<br />
� Sebuah ukuran <strong>ti</strong>ngkat keyakinan terjadinya<br />
sebuah kejadian yang <strong>ti</strong>dak pas<strong>ti</strong> (uncertain<br />
event).<br />
� Sebuah ukuran <strong>ti</strong>ngkat peluang (likelihood of<br />
occurrence) dari sebuah kejadian yang <strong>ti</strong>dak<br />
pas<strong>ti</strong> (uncertain event).<br />
� Diukur dengan nilai antara 0 dan 1 (atau antara<br />
0% dan 100%).<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 2
Type Probabilitas (1)<br />
� Objek<strong>ti</strong>f atau Probabilitas Klasik<br />
� Berlandaskan pada kejadian yang sama<br />
(equally-likely) dan logis.<br />
� Berdasarkan frekuensi rela<strong>ti</strong>f kejadian dalam<br />
waktu yang lama.<br />
� Tidak memperha<strong>ti</strong>kan keyakinan perorangan.<br />
� Dianggap sama untuk se<strong>ti</strong>ap peneli<strong>ti</strong> (objek<strong>ti</strong>f).<br />
� Contoh: pelemparan koin atau dadu.<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 3<br />
Type Probabilitas (2)<br />
� Probabilitas Subjek<strong>ti</strong>f<br />
� Berlandaskan pada keyakinan individu,<br />
pengalaman, intuisi, dan jus<strong>ti</strong>fikasi personal.<br />
� Ada perbedaan untuk se<strong>ti</strong>ap peneli<strong>ti</strong> (subjek<strong>ti</strong>f).<br />
� Contoh: pemasaran produk baru, ramalan<br />
cuaca, hasil pertandingan olah raga.<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 4
2-2 Kejadian, Ruang sample dan<br />
Probabilitas (1)<br />
� Set – sebuah kumpulan dari elemen<br />
atau objek yang menjadi perha<strong>ti</strong>an<br />
� Set Kosong (∅)<br />
� Sebuah set yang <strong>ti</strong>dak memiliki anggota elemen<br />
� Set Universal (S)<br />
� Sebuah set yang mencakup seluruh elemen yang<br />
mungkin ada<br />
( A)<br />
� Komplemen (Not). Komplemen A adalah<br />
sebuah set yang mencakup semua elemen S<br />
kecuali elemen A<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 5<br />
Kejadian, Ruang sample dan<br />
Probabilitas (2)<br />
�Subset (⊂)<br />
-Adalahsebuahset bagiandariset S<br />
�Irisan (And) A∩B<br />
- adalah set yang mencakup semua elemen A<br />
dan B<br />
�Gabungan (Or) A∪B<br />
- adalah sebuah set yang mencakup semua<br />
elemen A atau B atau keduanya<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 6
Beberapa Teorema (1)<br />
Teorema: P ( φ)<br />
= 0<br />
Buk<strong>ti</strong>:<br />
Tuliskan hubungan berikut S = S ∪φ<br />
dan juga diperoleh<br />
hubungan S ∩φ<br />
= φ . Dengan aksioma di atas, diperoleh<br />
P ( S)<br />
= P(<br />
S)<br />
+ P(<br />
φ)<br />
. Karena P(S) = 1, maka P ( φ)<br />
= 0.<br />
Teorema: P( A)<br />
= 1−<br />
P(<br />
A),<br />
dimana A adalah komplemen dari A<br />
Buk<strong>ti</strong>:<br />
Dari definisi komplemen, untuk se<strong>ti</strong>ap A ⊂ S maka diperoleh<br />
S = A ∪ A . Karena A ∩ A = φ , maka dengan aksioma di atas<br />
diperoleh P ( S)<br />
= P(<br />
A)<br />
+ P(<br />
A)<br />
.<br />
Karena P(S) = 1, dengan demikian P( A)<br />
= 1−<br />
P(<br />
A)<br />
.<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 7<br />
Beberapa Teorema (1)<br />
Teorema: Untuk dua kejadian A dan B, sedemikian<br />
sehingga A ⊂ B , maka P( A)<br />
≤ P(<br />
B)<br />
.<br />
Buk<strong>ti</strong>:<br />
Kejadian B dapat ditulis sebagai B = A ∪ ( A ∩ B)<br />
, dimana<br />
A ∩ ( A ∩ B)<br />
= φ , maka dengan aksioma di atas diperoleh<br />
P( B)<br />
= P(<br />
A)<br />
+ P(<br />
A ∩ B)<br />
. Karena ( A ∩ B)<br />
⊂ S adalah suatu<br />
kejadian maka P ( A ∩ B)<br />
≥ 0,<br />
dengan demikian P( A)<br />
≤ P(<br />
B)<br />
.<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 8
Kejadian, Ruang sample dan<br />
Probabilitas (3)<br />
•Mutually exclusive atau disjoint<br />
–dua set <strong>ti</strong>dak memiliki elemen bersama,<br />
<strong>ti</strong>dak memiliki irisan, atau irisannya adalah<br />
set kosong.<br />
•Par<strong>ti</strong>si<br />
–adalah sekumpulan set yang mutually<br />
exclusive yang secara bersama-sama<br />
mencakup semua elemen, atau<br />
gabungannya membentuk set universal S.<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 9<br />
Diagram set<br />
A<br />
A<br />
Komplemen<br />
A 1<br />
A I B A B<br />
A2<br />
A ∩ B<br />
A4<br />
Par<strong>ti</strong>si<br />
A ∪ B<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 10<br />
A3<br />
A5<br />
A<br />
B
Percobaan - Experiments<br />
• Sebuah proses yang menghasilkan satu dari<br />
beberapa hasil yang mungkin terjadi*, contoh:<br />
� Coin toss: Heads,Tails<br />
� Throw die: 1, 2, 3, 4, 5, 6<br />
�Pengenalan produk baru: sukses, gagal<br />
• Se<strong>ti</strong>ap percobaan memiliki hasil observasi<br />
tunggal.<br />
• Hasil pas<strong>ti</strong> dari percobaan random <strong>ti</strong>dak dapat<br />
diketahui sebelum dilakukan.<br />
* Juga dikenal sebagai hasil dasar ( basic outcome), kejadian dasar atau kejadian sederhana<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 11<br />
Kejadian<br />
� Ruang sample atau set kejadian<br />
� adalah set dari semua hasil yang mungkin ada dari<br />
sebuah percobaan<br />
� contoh: pelemparan dadu S = (1,2,3,4,5,6)<br />
� Kejadian<br />
� Kumpulan dari hasil dengan karakteris<strong>ti</strong>k yang sama<br />
� Contoh: muncul sisi genap A = (2,4,6)<br />
� Kejadian A terjadi jika sebuah hasil dalam set A terjadi<br />
Probabilitas sebuah kejadian<br />
� Jumlah probabilitas dari se<strong>ti</strong>ap hasil yang muncul<br />
� P(A) = P(2) + P(4) + P(6)<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 12
Percobaan Ideal<br />
• Perha<strong>ti</strong>kan contoh berikut:<br />
� Percobaan pelemparan sebuah dadu seimbang<br />
• Ada 6 hasil yang mungkin (1,2,3,4,5,6)<br />
• Jika se<strong>ti</strong>ap hasil seimbang (equally-likely), probabilitas se<strong>ti</strong>ap<br />
hasil adalah 1/6 = .1667 = 16.67%<br />
1<br />
� P( e)<br />
=<br />
nS ( )<br />
� Kejadian A (muncul sisi genap)<br />
• P(A) = P(2) + P(4) + P(6) = 1/6 + 1/6 + 1/6 = 1/2<br />
• PA ( ) = ∑ Pe ( ) untuk se<strong>ti</strong>ap e dalam A<br />
nA ( ) 3 1<br />
= = =<br />
nS ( ) 6 2<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 13<br />
Pengambilan Kartu<br />
Gabungan<br />
kejadian ‘Heart’<br />
dan ‘Ace’<br />
P( Heart U Ace)<br />
=<br />
n( Heart U Ace)<br />
=<br />
n( S )<br />
16 4<br />
=<br />
52 13<br />
Hearts Diamonds Clubs Spades<br />
A A A A<br />
K K K K<br />
Q Q Q Q<br />
J J J J<br />
10 10 10 10<br />
9 9 9 9<br />
8 8 8 8<br />
7 7 7 7<br />
6 6 6 6<br />
5 5 5 5<br />
4 4 4 4<br />
3 3 3 3<br />
2 2 2 2<br />
Kejadian ‘Heart’<br />
n( Heart)<br />
13 1<br />
P( Heart)<br />
= = =<br />
n( S ) 52 4<br />
Kejadian ‘Ace’<br />
n( Ace)<br />
4 1<br />
P( Ace)<br />
= = =<br />
n( S ) 52 13<br />
Irisan kejadian ‘Heart’ dan ‘Ace’<br />
Adalah <strong>ti</strong><strong>ti</strong>k yang dilingkari<br />
dua kali: the ace of hearts<br />
n( Heart I Ace)<br />
1<br />
P( Heart I Ace)<br />
= =<br />
n( S ) 52<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 14
2-3 Aturan Dasar Probabilitas (1)<br />
�<br />
� Rentang nilai<br />
0 ≤ P ( A ) ≤ 1<br />
�<br />
� Komplement - Probabilitas bukan A<br />
P( A) = 1−<br />
P( A)<br />
�<br />
� Irisan - Probabilitasy A dan B<br />
P( A∩ B)<br />
=<br />
n( A ∩ B )<br />
n( S)<br />
�<br />
� Kejadian mutually exclusive (A (A dan C) C) :<br />
P ( A ∩ C ) = 0<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 15<br />
Aturan Dasar Probabilitas (2)<br />
• Gabungan - Probabilitas A atau B atau keduanya<br />
P( A ∪ B)<br />
=<br />
n( A ∪ B )<br />
= P( A) + P( B) − P( A ∩ B)<br />
n( S)<br />
�� Kejadian mutually exclusive : :<br />
P ( A ∩ C ) = 0 so P ( A ∪ C ) = P ( A ) + P ( C )<br />
Probabilitas Bersyarat - Probabilitas A pada(given) B<br />
�� Kejadian independen:<br />
P( A B)<br />
=<br />
P ( A ∩ B )<br />
P( B)<br />
P( A B) = P( A)<br />
PBA ( ) = PB ( )<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 16
2-4 Probabilitas Bersyarat<br />
Aturan probabilitas bersyarat:<br />
Aturan probabilitas bersyarat:<br />
P( AB)<br />
=<br />
P( A ∩ B)<br />
maka P( A ∩ B) = P( A B) P( B)<br />
P( B)<br />
= P( B A) P( A)<br />
Jika kejadian A dan D saling independen secara sta<strong>ti</strong>s<strong>ti</strong>k:<br />
PAD ( ) = PA ( )<br />
PDA ( ) = PD ( )<br />
maka<br />
P( A ∩ D) = P( A) P( D)<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 17<br />
Tabel Con<strong>ti</strong>ngency<br />
Frekuensi<br />
Acer IBM Total<br />
Telekomunikasi 40 10 50<br />
Komputer 20 30 50<br />
Total 60 40 100<br />
Telekomunikasi<br />
Komputer<br />
Probabilitas<br />
Acer IBM Total<br />
.40 .10 .50<br />
.20 .30 .50<br />
Total .60 .40 1.00<br />
Probabilitas bahwa sebuah<br />
proyek yang dikerjakan<br />
IBM adalah (given) proyek<br />
telekomunikasi adalah:<br />
P( IBM I T )<br />
P( IBM T)<br />
=<br />
P( T)<br />
. 10<br />
= = . 2<br />
. 50<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 18
2-5 Independensi Kejadian (1)<br />
Syarat independensi secara sta<strong>ti</strong>s<strong>ti</strong>k dari kejadian A dan B<br />
adalah:<br />
P( A B) = P( A)<br />
PBA ( ) = PB ( )<br />
and<br />
PA ( I B) = PAPB ( ) ( )<br />
P( Ace Heart)<br />
=<br />
P ( A ce I Heart )<br />
P( Heart)<br />
1<br />
P( Heart Ace)<br />
=<br />
P ( HeartI A ce)<br />
P( Ace)<br />
1<br />
=<br />
52<br />
13<br />
1<br />
= =<br />
13<br />
P( Ace)<br />
=<br />
52<br />
4<br />
=<br />
1<br />
4<br />
= P( Heart)<br />
52<br />
52<br />
4 13 1<br />
P( AceI Heart) = = = P( Ace) P( Heart)<br />
52 52 52<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 19<br />
Independensi Kejadian (1)<br />
Kejadian T (prob. 0,04) dan B (prob. 0,06) diasumsikan<br />
independen<br />
a) P( TIB) = P( T) P( B)<br />
= 0. 04 * 0. 06 = 0. 0<strong>02</strong>4<br />
b) PT ( UUB) = PT ( ) + PB ( ) − PT ( IB)<br />
= 0. 04 + 0. 06 − 0. 0<strong>02</strong>4 = 0. 0976<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 20
Perkalian Kejadian Independen<br />
Probabilitas irisan dari beberapa kejadian independen adalah<br />
perkalian dari probabilitas masing-masing:<br />
P( A ∩ A ∩ A ∩L∩ A<br />
n<br />
) = P( A ) P( A ) P( A ) LP(<br />
A<br />
n<br />
)<br />
1 2 3 1 2 3<br />
Probabilitas gabungan dari beberapa kejadian independen<br />
adalah 1 dikurangi perkalian probabilitas komplemen<br />
masing-masing:<br />
P( A ∪ A ∪ A ∪L∪ A<br />
n<br />
) = 1−<br />
P( A ) P( A ) P( A ) LP(<br />
A<br />
n<br />
)<br />
1 2 3<br />
1 2 3<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 21<br />
Hukum Probabilitas<br />
Iden<strong>ti</strong>ty laws (A∪∅=A, A∩∅=∅),<br />
Idempotent law (A∪A=A, A∩A=A)<br />
Complement law (A∪A=S, A∩A=∅)<br />
Commuta<strong>ti</strong>ve law (A∪B=B∪A, A∩B=B∩A)<br />
De morgan’s law (A∪B=B∩A, A∩B=B∪A)<br />
Associa<strong>ti</strong>ve law A∩(B∩C)=(A∩B)∩C,<br />
A∪(B∪C)=(A∪B)∪C<br />
Distribu<strong>ti</strong>ve law A∩(B∪C)= (A∩B)∪(A∩C)<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 22
2-6 Konsep Kombinatorial (1)<br />
Percobaan sebuah dadu 6 sisi, ada 6 hasil yang mungkin dari<br />
pelemparan pertama, yaitu (1,2,3,4,5,6) dan 6 hasil yang mungkin<br />
dari pelemparan kedua (1,2,3,4,5,6). Secara bersama-sama ada<br />
6*6=36 hasil yang mungkin dari dua kali pelemparan.<br />
Umumnya, jika ada n kejadian dan kejadian i dapat terjadi dalam<br />
Ni cara yang mungkin, maka jumlah caradimana urutan dari<br />
n kejadian akan muncul adalah N1N ...<br />
2 Nn .<br />
� Ambil5 kartudaritumpukan<br />
lengkap – dengan<br />
pengembalian<br />
� 52*52*52*52*52=52 5<br />
380,204,032 hasil yang mungkin<br />
� Ambil5 kartudaritumpukan<br />
lengkap – tanpa<br />
pengembalian<br />
� 52*51*50*49*48 = 311,875,200<br />
hasil yang mungkin<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 23<br />
Konsep Kombinatorial (2)<br />
(Diagram pohon / Tree Diagram)<br />
Urutan <strong>ti</strong>ga huruf: A, B, dan C<br />
.<br />
A<br />
B<br />
C<br />
.<br />
. .<br />
B<br />
C<br />
A<br />
B<br />
. .<br />
.<br />
.<br />
.<br />
A C<br />
C A<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 24<br />
C<br />
B<br />
B<br />
A<br />
.ABC<br />
. .<br />
ACB<br />
BAC<br />
BCA<br />
CAB<br />
CBA
Faktorial<br />
Ada berapa cara untuk mengurutkan 3 huruf A, B, dan C?<br />
Ada 3 pilihan untuk huruf pertama, 2 untuk huruf kedua dan 1<br />
Untuk huruf terakhir, sehingga ada 3*2*1 = 6 cara yang mungkin.<br />
Ada berapa cara untuk mengurutkan 6 huruf A, B, C, D, E,<br />
dan F? (6*5*4*3*2*1 = 720)<br />
Faktorial: Untuk se<strong>ti</strong>ap integer posi<strong>ti</strong>f n, n faktorial didefinisikan:<br />
n(n-1)(n-2)...(1). n faktorial ditulis dengan n!.<br />
Jumlah n! adalah jumlah cara dimana n objek dapat diurutkan.<br />
Didefinisikan bahwa 1! = 1.<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 25<br />
Permutasi<br />
Bagaimana jika hanya 3 dari 6 huruf A, B, C, D, E, dan<br />
F yang dipilih?<br />
Ada 6 cara untuk huruf pertama, 5 cara untuk huruf kedua<br />
dan 4 cara untuk huruf terakhir, sehingga ada 6*5*4=120<br />
urutan yang mungkin atau permutasi.<br />
Permutasi adalah pilihan urutan yang mungkin dari r objek dari<br />
total n objek. Jumlah permutasi dari n objek se<strong>ti</strong>ap kali diambil r<br />
objek dituliskan dengan nPr.<br />
=<br />
n−r n P !<br />
n r ( )!<br />
Sebagai contoh<br />
6!<br />
6!<br />
6*<br />
5*<br />
4*<br />
3*<br />
2*<br />
1<br />
6 P3<br />
= = =<br />
= 6*<br />
5*<br />
4 = 120<br />
( 6 − 3)!<br />
3!<br />
3*<br />
2*<br />
1<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 26<br />
:
Kombinasi<br />
Jika diambil 3 dari 6 huruf A, B, C, D, E, dan F, mungkin diperoleh<br />
BCD, BDC, CBD, CDB, DBC, atau DCB (merupakan pemutasi<br />
dari B, C, dan D) yang pada dasarnya kombinasi dari 3 huruf.<br />
Berapa banyak kombinasi dari 6 huruf se<strong>ti</strong>ap kali diambil 3 huruf?<br />
Kombinasi adalah pemilihan yang mungkin dari r item dari sejumlah n item<br />
⎛ n<br />
Tanpa memperha<strong>ti</strong>kan urutan. Jumlah kombinasi dinyatakan dengan⎜<br />
⎝ r<br />
atau nCr dan dibaca kombinasi r dari n, secara matema<strong>ti</strong>s diformulasikan<br />
sebagai:<br />
⎛n⎞<br />
n!<br />
⎜ ⎟=<br />
nCr<br />
=<br />
⎝r<br />
⎠ r! (n−r)!<br />
Contoh:<br />
⎛n⎞<br />
6!<br />
6!<br />
6*<br />
5*<br />
4*<br />
3*<br />
2*<br />
1 6*<br />
5*<br />
4 120<br />
⎜ ⎟=<br />
6 C3<br />
= = =<br />
= = = 20<br />
⎝r<br />
⎠ 3!<br />
( 6−3)!<br />
3!<br />
3!<br />
( 3*<br />
2*<br />
1)(<br />
3*<br />
2*<br />
1)<br />
3*<br />
2*<br />
1 6<br />
⎞<br />
⎟<br />
⎠<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 27<br />
Permutasi dan Kombinasi dengan<br />
Excel<br />
n=10 (Total Number of Objects Available)<br />
Total Number of # of Probability of # of Probability of<br />
Objects Selected r Permuta<strong>ti</strong>ons Par<strong>ti</strong>cular Permuta<strong>ti</strong>on Combina<strong>ti</strong>ons Par<strong>ti</strong>cular Combina<strong>ti</strong>on<br />
1 10 0.1 10 0.1<br />
2 90 0.011111111 45 0.<strong>02</strong>2222222<br />
3 720 0.001388889 120 0.008333333<br />
4 5040 0.000198413 210 0.004761905<br />
5 3<strong>02</strong>40 3.31E-05 252 0.003958254<br />
6 151200 6.61E-06 210 0.004761905<br />
7 604800 1.65E-06 120 0.008333333<br />
8 1814400 5.51E-07 45 0.<strong>02</strong>2222222<br />
9 3628800 2.76E-07 10 0.1<br />
10 3628800 2.76E-07 1 1<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 28
2-7 Probabilitas Total dan Teorema<br />
Bayes<br />
P( A) = P( A ∩ B) + P( A ∩ B )<br />
Dalam bentuk probabilitas bersyarat:<br />
P( A) = P( A ∩ B) + P( A ∩ B )<br />
= P( AB) P( B) + P( AB) P( B)<br />
Secara umum (dimana B i membentuk par<strong>ti</strong>si):<br />
P( A) = ∑ P( A ∩ B )<br />
i<br />
= ∑ P( AB ) P( B )<br />
i i<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 29<br />
Probabilitas Total<br />
Kejadian U: pasar saham tumbuh tahun depan<br />
Kejadian W: kondisi ekonomi membaik tahun depan<br />
P( U W ) = . 75<br />
P( U W ) = 30<br />
P( W ) = . 80⇒ P( W ) = 1− . 8 = . 2<br />
P( U ) = P( U ∩ W ) + P( U ∩ W )<br />
= P( U W ) P( W ) + P( U W<br />
= (. 75)(. 80) + (. 30)(. 20)<br />
= . 60+ . 06 = . 66<br />
) P( W )<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 30
Teorema Bayes<br />
• Teorema Bayes memungkinkan untuk mengetahui<br />
probabilitas B bersyarat A jika diketahui<br />
probabilitas A bersyarat B.<br />
• Menggunakan definisi probabilitas bersyarat dan<br />
hukum probabilitas total.<br />
P ( A I B )<br />
P( B A)<br />
=<br />
P( A)<br />
P( A I B)<br />
=<br />
P( A I B) + P( A I B )<br />
P( A B) P( B)<br />
=<br />
P( A B) P( B) + P( A B ) P( B )<br />
Menggunakan probabilitas<br />
total pada penyebut<br />
Menggunakan probabilitas<br />
bersyarat<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 31<br />
Contoh Teorema Bayes (1)<br />
• Sebuah pengaruh treatment logam (berdampak 0.1%<br />
terhadap populasi [ P ( I ) = 0001 . ]) <strong>ti</strong>dak sempurna:<br />
�Jika dilakukan pada logam non-standar, perlakukan dinilai<br />
sukses dengan probabilitas 0.92 [ PZI ( ) = . 92 ⇒ PZI ( ) = . 08 ]<br />
� Kejadian ( ZI)<br />
disebut false nega<strong>ti</strong>ve<br />
�Jika dilakukan pada logam standar, perlakukan akan menyimpang<br />
(false posi<strong>ti</strong>ve) dengan probabilitas 0.04<br />
[ PZI ( ) = 004 . ⇒ PZI ( ) = 096 . ]<br />
� Kejadian ( ZI)<br />
disebut false posi<strong>ti</strong>ve. .<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 32
Contoh Teorema Bayes (2)<br />
P( I ) = 0. 001<br />
P( I)<br />
= 0. 999<br />
P( Z I)<br />
= 092 .<br />
P( Z I)<br />
= 004 .<br />
P( I I Z)<br />
P( I Z)<br />
=<br />
PZ ( )<br />
P( IIZ) =<br />
PI ( IZ) + PI ( IZ)<br />
PZI ( ) PI ( )<br />
=<br />
PZI ( ) PI ( ) + PZI ( ) PI ( )<br />
(. 92)( 0001 . )<br />
=<br />
(. 92)( 0001 . ) + ( 004 . )(. 999)<br />
0. 00092 0. 00092<br />
=<br />
=<br />
000092 . + 003996 . . 04088<br />
= . <strong>02</strong>25<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 33<br />
Contoh Teorema Bayes (3)<br />
Probabilitas<br />
prior<br />
P( I ) = 0001 .<br />
Probabilitas<br />
bersyarat<br />
P( Z I)<br />
= 008 .<br />
P( I ) = 0999 .<br />
P( Z I)<br />
= 004 .<br />
P( Z I)<br />
= 092 . P( Z I I ) = ( 0. 001)( 0. 92) = . 00092<br />
PZI ( ) = 096 .<br />
Probabilitas<br />
gabungan<br />
P( Z I I ) = ( 0. 001)( 0. 08) = . 00008<br />
P( Z I I ) = ( 0. 999)( 0. 04) = . 03996<br />
P( Z I I ) = ( 0. 999)( 0. 96) = . 95904<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 34
Perluasan Teorema Bayes (1)<br />
• Diberikan par<strong>ti</strong>si B 1,B 2 ,...,B n:<br />
P( A∩ B)<br />
1<br />
PBA ( ) =<br />
1<br />
PA ( )<br />
PA ( ∩B)<br />
1 =<br />
∑PA<br />
( ∩B)<br />
i<br />
PAB ( ) PB ( )<br />
1 1<br />
=<br />
∑PABPB<br />
( ) ( )<br />
i i<br />
Gunakan probabilitas<br />
total pada penyebut<br />
Terapkan probabilitas<br />
bersyarat<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 35<br />
Perluasan Teorema Bayes (2)<br />
� Pada saat kondisi mesin sangat baik, diperkirakan sebuah industri akan<br />
menhasilkan produk yang baik dengan probabilitas 0,70; dalam kondisi<br />
biasa probabilitasnya 0,40; dan pada kondisi buruk probabilitas<br />
menghasilkan produk yang baik hanya 0,20.<br />
� Dalam suatu perioda, probabilitas bahwa kondisi mesin sangat baik adalah<br />
0,30, moderat 0,50, dan buruk 0,50.<br />
� Jika selama perioda tersebut dihasilkan produk yang baik, bepara<br />
kemungkinan bahwa kondisi mesin sangat baik?<br />
Par<strong>ti</strong>si Kejadian A (produk baik)<br />
H – Mesin sangat baik P(H) = 0,30 P(A|H)=0,70<br />
M – Mesin moderat P(M) = 0,50 P(A|M)=0,40<br />
L – Mesin buruk P(L) = 0,20 P(A|L)=0,20<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 36
Perluasan Teorema Bayes (3)<br />
P( H I A)<br />
PHA ( ) =<br />
P( A)<br />
PH ( I A)<br />
=<br />
PH ( I A) + PM ( I A) + PL ( I A)<br />
P( AH) P( H)<br />
=<br />
P( AH) P( H) + P( AM) P( M) + P( AL) P( L)<br />
( 070 . )( 030 . )<br />
=<br />
( 070 . )( 030 . ) + ( 040 . )( 050 . ) + ( <strong>02</strong>0 . )( <strong>02</strong>0 . )<br />
<strong>02</strong>1 . <strong>02</strong>1 .<br />
=<br />
=<br />
<strong>02</strong>1 . + <strong>02</strong>0 . + 004 . 045 .<br />
= 0. 467<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 37<br />
Perluasan Teorema Bayes (4)<br />
Probabilitas<br />
prior<br />
P ( H ) = 030 .<br />
P ( M ) = 050 .<br />
P( L)<br />
= <strong>02</strong>0 .<br />
Probabilitas<br />
bersyarat<br />
P( A H)<br />
= 070 .<br />
P( A H)<br />
= 030 .<br />
P( A M ) = 040 .<br />
P( A M ) = 060 .<br />
P( A L)<br />
= <strong>02</strong>0 .<br />
P( A L)<br />
= 080 .<br />
Probabilitas<br />
gabungan<br />
P ( A I H ) = ( 030 . )( 070 . ) = <strong>02</strong>1 .<br />
P( A I H)<br />
= ( 030 . )( 030 . ) = 009 .<br />
P ( A I M ) = ( 050 . )( 040 . ) = <strong>02</strong>0 .<br />
P( A I M ) = ( 050 . )( 060 . ) = 030 .<br />
P( A I L)<br />
= ( <strong>02</strong>0 . )( <strong>02</strong>0 . ) = 004 .<br />
P( A I L)<br />
= ( <strong>02</strong>0 . )( 080 . ) = 016 .<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 38
Teorema Bayes – Distribusi (1)<br />
Teorema Bayes dalam aplikasinya dapat digunakan dalam<br />
proses perbaikan distribusi kemungkinan berdasarkan<br />
informasi yang terbaru<br />
Prior probability distribu<strong>ti</strong>on<br />
addi<strong>ti</strong>onal informa<strong>ti</strong>on<br />
(sampling distribu<strong>ti</strong>on)<br />
Posterior or revised distribu<strong>ti</strong>on<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 39<br />
Teorema Bayes – Distribusi (2)<br />
Contoh :<br />
Proporsi “pencemar/polutant” (didefinisikan sebagai<br />
terdapatnya bahan-bahan lain yang <strong>ti</strong>dak diinginkan) pada<br />
sebuah kemasan bahan baku yang diterima oleh sebuah<br />
perusahaan diketahui sebagai berikut:<br />
Proporsi pencemar P Probabilitas*<br />
0.05 0.21<br />
0.10 0.23<br />
0.15 0.45<br />
0.20 0.09<br />
0.25 0.01<br />
0.30 0.01<br />
* diperoleh dari pengamatan untuk jangka waktu yang panjang.<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 40
Teorema Bayes – Distribusi (3)<br />
Sebuah informasi peneli<strong>ti</strong>an terakhir dari 50 kemasan yang<br />
diperiksa diperoleh data bahwa 8 delapan kemasan dinilai<br />
“tercemar/<strong>ti</strong>dak murni”. Distribusi informasi tersebut<br />
adalah:<br />
Proporsi keberhasilan P Probabilitas * P( x| θ ) = P( X =850 | , p)<br />
0.05 0.0<strong>02</strong><br />
0.10 0.064<br />
0.15 0.091<br />
0.20 0.117<br />
0.25 0.064<br />
0.30 0.011<br />
0.349<br />
*mengiku<strong>ti</strong> distribusi binomial.<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 41<br />
Teorema Bayes – Distribusi (4)<br />
Berdasarkan data terbaru, dilakukan revisi distribusi<br />
probabilitas:<br />
P Awal Sampel Joint* Baru**<br />
0.05 0.21 0.0<strong>02</strong> 0.00042 0.007<br />
0.10 0.23 0.064 0.01472 0.218<br />
0.15 0.45 0.091 0.04095 0.608<br />
0.20 0.09 0.117 0.01053 0.156<br />
0.25 0.01 0.064 0.00064 0.009<br />
0.30 0.01 0.011 0.00011 0.0<strong>02</strong><br />
0.349 0.06737 1.000<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 42
Teorema Bayes – Distribusi (4)<br />
Kesimpulan:<br />
� Ekspektasi awal (0.1245) lebih kecil dari<br />
ekspektasi baru (0.1474).<br />
� Ar<strong>ti</strong>nya, ada indikasi bahwa rata-rata proporsi<br />
pencemar dalam se<strong>ti</strong>ap kemasan bahan baku<br />
telah mengalami peningkatan sekitar 2,3 %.<br />
10/7/2004 TI-2131 Teori Probabilitas - DI 43