SlideShare a Scribd company logo
PROBABILITAS :
Permutasi & Kombinasi
ARIF RAHMAN
1
Populasi dan Sampel
Populasi atau semesta (universe) adalah
set lengkap observasi yang menjadi
perhatian peneliti.
Sampel (sample) adalah sejumlah observasi
yang diambil dari populasi
Sebaran sampel mengikuti pola distribusi
populasi.
2
Populasi dan Sampel
3
Ruang Sampel dan Titik Sampel
Ruang sampel (sample space) adalah satu
set lengkap semua keluaran yang mungkin
terjadi dalam populasi.
Titik sampel (sample point) adalah setiap
keluaran yang menjadi elemen atau
anggota ruang sampel.
Ruang sampel dapat dirinci titik sampelnya,
atau menggunakan interval atau
pernyataan (statement / rule) jika terlalu
banyak.
4
Ruang Sampel dan Titik Sampel
Berdasarkan prinsip kesempatan yang
sama (equally likely) bagi setiap anggota
populasi untuk terpilih sebagai sampel,
maka dalam ruang sampel S dengan
anggota sejumlah n, probabilitas setiap titik
sampel adalah sama yaitu :
p1= p2= ... = pn= 1/n
5
Ruang Sampel dan Titik Sampel
Dengan setiap anggota populasi
mempunyai peluang yang sama terpilih
sebagai sampel, secara acak pengambilan
sampel sejumlah n dari populasi sejumlah
N, mempunyai ragam ruang sampel
sebanyak : N! / (n.(N-n)!)
Sehingga probabilitas memperoleh ruang
sampel tertentu adalah : (n.(N-n)!) / N!
6
Ruang Sampel dan Titik Sampel
Untuk memprediksikan ruang sampel dan
probabilitas titik sampel perlu memperhatikan
metode pengambilan sampel berdasarkan :
Banyaknya populasi
 Populasi terbatas
 Populasi tak hingga (sangat besar)
Status sampel setelah diambil
 Pengambilan dengan pengembalian
 Pengambilan tanpa pengembalian
7
Ruang Sampel dan Titik Sampel
8
-1 -1 -1
N-n+2 N-n+1N-n+3N N-1 N-2
-1 -1 -1
p1(x) ≠ p2(x) ≠ p3(x) ≠ ... ≠ pn-2(x) ≠ pn-1(x) ≠ pn(x)
-1 -1 -1
N NNN N N
-1 -1 -1
p1(x) = p2(x) = p3(x) = ... = pn-2(x) = pn-1(x) = pn(x)
Tanpa Pengembalian (without replacement)
Dengan Pengembalian (with replacement)
Keluaran dan Kejadian
Keluaran (outcome) adalah fakta hasil
pengumpulan data dalam observasi
ataupun eksperimen
Kejadian (event) adalah peristiwa yang
termasuk dalam keluaran-keluaran yang
mungkin (possible outcomes) terjadi saat
pengumpulan data.
9
Keluaran dan Kejadian
Kejadian E menjadi himpunan bagian dari
ruang sampel S.
Probabilitas kejadian E dalam ruang sampel
S adalah sebanding dengan banyaknya titik
sampel dalam kejadian E.
P(E) = N(E) / n
10
Variabel Acak
Variabel acak (random variable) adalah
suatu nilai bersifat acak dalam numerik
(format angka diskrit atau kontinyu) atau
nonnumerik yang menandai keluaran dalam
ruang sampel tertentu (finite atau infinite).
Variabel acak dinotasikan dengan huruf
kapital miring (misal : X). Sedangkan nilai
variabel acak dinotasikan dengan huruf
kecil miring (misal : x).
11
Variabel Acak
Probabilitas variabel acak adalah frekuensi
relatif titik sampel elemen kejadian E dalam
ruang sampel S.
Aproksimasi penghitungan banyaknya
anggota dari keluaran-keluaran yang
mungkin (possible outcomes) baik dalam
ruang sampel dan kejadian berkaitan
dengan permutasi dan kombinasi.
12
Metode Penghitungan
Diagram pohon (tree diagram) dan Prinsip
multiplikasi (multiplication rule)
Permutasi dan Kombinasi
13
Prinsip Multiplikasi
Jika operasi pertama dapat dilakukan
dengan n1 cara, dan untuk setiap cara
tersebut berkaitan (dilanjutkan) dengan
operasi kedua yang dapat dilakukan
dengan n2 cara, maka kedua operasi
tersebut dapat dilakukan dalam n1.n2 cara.
...
14
Prinsip Multiplikasi
...
Jika operasi pertama dapat dilakukan
dengan n1 cara, dan operasi kedua dapat
dilakukan dengan n2 cara, dan seterusnya
hingga operasi ke-k dapat dilakukan
dengan nk cara, sehingga secara simultan
rangkaian k operasi tersebut dapat
dilakukan dengan n1.n2.···.nk cara.
15
Diagram Pohon Pelemparan Koin Tiga Trial
Ruang sampel S = {GGG, GGA, GAG, GAA,
AGG, AGA, AAG, AAA}
16
Lemparan ke-1 Lemparan ke-2 Lemparan ke-3
G
G
G
A
A
G
A
A
G
G
A
A
G
A
Diagram Pohon Tiga Operasi (Atribut) Berbeda
n1.n2.n3 = 2 x 2 x 3 = 12
17
X
A
α XAα
β XAβ
γ XAγ
B
α XBα
β XBβ
γ XBγ
Y
A
α YAα
β YAβ
γ YAγ
B
α YBα
β YBβ
γ YBγ
Permutasi
Permutasi (permutation) adalah susunan
seluruh atau sebagian elemen himpunan
objek yang berbeda-beda.
Permutasi mengestimasi banyaknya
susunan dengan r anggota yang diambil
dari n objek yang berbeda dengan
memperhatikan urutannya.
18
Permutasi
Menggunakan notasi nPr atau Pr
n
di mana :
n : banyaknya macam objek
r : banyaknya tempat dalam susunan.
dengan r < n.
19
)!(
!
rn
n
Pn
r
−
=
Permutasi
20
6
)!33(
!3
1233
3 =
−
=××=P
3 2 1
-1 -1
Permutasi
21
60
)!35(
!5
3455
3 =
−
=××=P
5 4 3
-1 -1
22
Kombinasi
Kombinasi (combination) adalah susunan
seluruh atau sebagian elemen himpunan
objek yang berbeda-beda dengan
pembedaan susunan hanya berdasarkan
perbedaan isinya paling tidak satu objek.
Kombinasi mengestimasi banyaknya
susunan dengan r anggota yang diambil
dari n objek yang berbeda tanpa
memperhatikan urutan
23
Kombinasi
Menggunakan notasi nCr , Cr
n
atau (r
n
)
di mana :
n : banyaknya macam objek
r : banyaknya tempat dalam susunan.
dengan r < n.
24
!
)!(!
!
r
P
P
P
rnr
n
r
n
n
r
r
r
n
r
==
−
=





Kombinasi
25
1
)!33(!3
!3
6
123
3
3
=
−
=
××
=





3 2 1
-1 -1
Dianggap sama
tak berbeda
6
Kombinasi
26
10
)!35(!3
!5
6
345
3
5
=
−
=
××
=





5 4 3
-1 -1
6 cara
27
Permutasi Siklik
Permutasi siklik atau lingkar (circular
permutation) adalah susunan seluruh
elemen himpunan objek yang berbeda-
beda dalam bentuk melingkar.
di mana :
n : banyaknya macam objek dan banyaknya tempat dalam
susunan melingkar.
28
)!1(
!
−== n
n
n
Pn
n
Permutasi Siklik
29
6)!14(
4
!44
4 =−==P
Permutasi Objek Sama
Permutasi objek sama (distinct
permutation) adalah susunan seluruh
elemen himpunan objek yang terdiri dari
beberapa kelompok objek yang sama.
di mana :
n : banyaknya macam objek
n1,...nk : banyaknya objek dalam masing-masing kelompok.
dengan Σni = n.
30
∏=
== k
i
i
k
n
n
n
n
nnn
n
P
1
21
!
!
!.!.!.
!

Permutasi Objek Sama
31
20
!1!1!3
!55
5 =
⋅⋅
=P
1 1 1
G1 G2 G3 Y1 R1
2 3
1 1 13 2
2 1 11 3
2 1 13 1
3 1 11 2
3 1 12 1
Kombinasi Partisi
Kombinasi partisi (partition combination)
adalah susunan seluruh elemen himpunan
objek yang dipecah menjadi beberapa
bagian (cell).
di mana :
n : banyaknya macam objek
n1,...nk : banyaknya objek dalam setiap bagian.
dengan Σni = n.
32
∏=
==





k
i
i
kk
n
n
nnn
n
nnn
n
1
2121
!
!
!.!.!.
!
,, 
Kombinasi Partisi
33
20
!1!1!3
!5
1,1,3
5
=
⋅⋅
=





Kombinasi Objek Sama
Kombinasi objek sama (distinct
combination) adalah susunan seluruh
elemen himpunan objek yang diambil dari
bagian beberapa kelompok objek yang
sama
di mana :
N1,...Nk : banyaknya seluruh objek di setiap kelompok.
n1,...nk : banyaknya objek bagian setiap kelompok.
dengan Σni = n, ΣNi = N, dan ni < Ni
34


















=





k
k
k
k
n
N
n
N
n
N
nnn
NNN



2
2
1
1
21
21
.
,,
,,
Probabilitas Dadu
35
P(1)=P(2)=P(3)=P(4)=P(5)=P(6)=1/6
1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
Probabilitas Dadu
36
P(1)=P(2)=P(3)=P(4)=P(5)=P(6)=1/6
P(1)=P(6)=1/36
P(2)=P(5)=3/36
P(3)=P(4)=5/36
P(1)=P(6)= 1/216
P(2)=P(5)=10/216
P(3)=P(4)=25/216
P(1)=P(6)= 1/7776
P(2)=P(5)=126/7776
P(3)=P(4)=651/7776
Probabilitas Poker
37
Royal Flush – Top 5 cards in a suit
Straight Flush – 5 sequential cards in the
same suit suit
4 of a kind – plus any other card
Full House – 3 of one kind, 2 of another.
(Also called a “boat.”)
Flush – 5 cards in a suit, not
sequential
Straight – 5 cards in a numerical row, not the
same suit
P(2)=P(3)=...=P(J)=P(Q)=P(K)=P(A)=4/52
P(♠)=P(♣)=P(♥)=P(♦)=13/52
P(2♠)=...=P(A♦)=1/52
Probabilitas Poker
38
--------------------------------------------------------------------------
Poker Hand Different Combinations Probability Odds Against
Royal Straight Flush 4 .0000015391 649,729:1
Other Straight Flush 36 .0000138517 72,193:1
Four of a kind 624 .0002400960 4,164:1
Full House 3,744 .0014405762 693:1
Flush 5,108 .0019654015 508:1
Straight 10,200 .0039246468 254:1
Three of a kind 54,912 .0211284514 46:1
Two Pairs 123,552 .0475390156 20:1
One Pair 1,098,240 .4225690276 1.4:1
High card only (None of above) 1,302,540 .5011773940 1:1
Total 2,598,960 1.0000000000
--------------------------------------------------------------------------
000000385,0
1084769,3
960.598.2
1
5
52
1
)poker(
7
=
×=
=






=
−
P
Probabilitas Poker
39
960.598.2
5
52
)sampelruang( =





=N
4sama}jenis);AK,Q,J,10,{()FlushRoyal( ==N
3649sama}jenis);KQ,J,,10,9(),...,A,2,3,4,5{()FlushStraight( =×==N
108.5)FlushStraight()FlushRoyal(
!5
)910111213(4
)Flush( =−−




 ×××××
= NNN
( ) 200.10)FlushStraight()FlushRoyal()44444(10)Straight( =−−×××××= NNN
540.302.1200.10108.5364888.317.1
)Straight()Flush()FlushStraight()FlushRoyal(
!5
)1652()1252()852()452(52
)CardHigh(
=−−−−=
−−−−





 −×−×−×−×
=
NNNN
N
S
RF
Straight
Flush
Straight
Flush
different numbers
Probabilitas Poker
40
960.598.2
5
52
)sampelruang( =





=N
624)452(
4
4
13)kindaofFour( =








−×













×=N
912.54
!2
)852()452(
3
4
13)kindaofThree( =







 −×−
×













×=N
240.098.1
!3
)1252()852()452(
2
4
13)pairOne( =







 −×−×−
×













×=N
Probabilitas Poker
41
960.598.2
5
52
)sampelruang( =





=N
552.123)852(
!2
2
4
12
2
4
13
)pairsTwo( =














−×














××













×
=N
744.3
2
4
12
3
4
13)HouseFull( =






















××













×=N
Roulette Wheel
42
18 Red numbers
18 Black numbers
2 Green numbers
(0,00)
P(Black)=P(Red)=18/38
P(1)=P(2)=...=P(36)=P(0)=P(00) =1/38
Roulette Wheel
43
Roulette Wheel
44
Bet name Winning spaces Payout
0 0 37 to 1
00 00 37 to 1
Straight up Any single number 37 to 1
Row 00 0, 00 36 to 2
Split any two adjoining numbers vertical or horizontal 36 to 2
Basket 0, 1, 2 or 00, 2, 3 or 0, 00, 2 35 to 3
Street any three numbers horizontal 35 to 3
Corner any four adjoining numbers in a block 34 to 4
Top line 0, 00, 1, 2, 3 33 to 5
Six line any six numbers from two horizontal rows 32 to 6
1st column 1, 4, 7, 10, 13, 16, 19, 22, 25, 28, 31, 34 26 to 12
2nd column 2, 5, 8, 11, 14, 17, 20, 23, 26, 29, 32, 35 26 to 12
3rd column 3, 6, 9, 12, 15, 18, 21, 24, 27, 30, 33, 36 26 to 12
1st dozen 1 through 12 26 to 12
2nd dozen 13 through 24 26 to 12
3rd dozen 25 through 36 26 to 12
Snake 1, 5, 9, 12, 14, 16, 19, 23, 27, 30, 32, 34 26 to 12
Odd 1, 3, 5, ..., 35 20 to 18
Even 2, 4, 6, ..., 36 20 to 18
Red 1, 3, 5, 7, 9, 12, 14, 16, 18, 19, 21, 23, 25, 27, 30, 32, 34, 36 20 to 18
Black 2, 4, 6, 8, 10, 11, 13, 15, 17, 20, 22, 24, 26, 28, 29, 31, 33, 35 20 to 18
1 to 18 (Low) 1, 2, 3, ..., 18 20 to 18
19 to 36 (High) 19, 20, 21, ..., 36 20 to 18
Formasi Barisan
45
A B C D
E F G
H I J K
A B C D
E F G
H I J K
A B C
D
E F
G
H I J
K
D C B A
G F E
K J I H
D C B A
G F E
K J I H
Formasi Barisan
Banyaknya susunan = (Permutasi 11 orang
diambil 11 orang) / (Kombinasi susunan
yang sebenarnya sama)
46
4
!11
=S
Permainan Bola Voli
47
A B C D E F
G H I J K L
M N O P Q R
1
6
5
2
3
4
5
6
1
4
3
2
Permainan Bola Voli
Banyaknya susunan = (Kombinasi 18 orang
diambil 12 pemain) X (Kombinasi Partisi 12
pemain menjadi dua tim) X (Permutasi siklik
6 pemain di tim 1) X (Permutasi siklik 6
pemain di tim 2)
48
)!16)!.(16.(
6,6
12
.
12
18
−−











=S
Permainan Bridge Patkawan
49
1
2
3 4
1
4
3
2
A B C D
E F G H
Closed Room
Open Room
U
Permainan Bridge Patkawan
Banyaknya susunan = (Permutasi 8 orang
diambil 8 orang)
50
!8=S
51
Terima kasih ...Terima kasih ...
... Ada pertanyaan ???... Ada pertanyaan ???

More Related Content

PPT
Stat prob06 probabilitytheory_samplespace
PPT
Stat prob08 distribution_discrete
PPT
Stat prob05 descriptivestatistic_statisticmeasure
PPT
Stat prob11 distribution_sampling
PPT
Stat prob09 distribution_continue
DOC
STATISTIK MATEMATIKA VARIABEL ATAU PEUBAH ACAK DUA VARIABEL
PPTX
Probstat ekpektasi matematika (kelompok2)
PPTX
Bab2 peubah-acak-dan-distribusi-peluang
Stat prob06 probabilitytheory_samplespace
Stat prob08 distribution_discrete
Stat prob05 descriptivestatistic_statisticmeasure
Stat prob11 distribution_sampling
Stat prob09 distribution_continue
STATISTIK MATEMATIKA VARIABEL ATAU PEUBAH ACAK DUA VARIABEL
Probstat ekpektasi matematika (kelompok2)
Bab2 peubah-acak-dan-distribusi-peluang

What's hot (20)

PPTX
Variabel acak dan nilai harapan (Statistik Ekonomi II)
DOCX
Peubah acak diskrit dan kontinu
PDF
Makalah STATISTIK MAEMATIKA II VARIABEL RANDOM
PDF
Konsep distribusi peluang_kontinu(9)
PPT
Variabel random
PDF
Kuliah statistika dasar
PDF
Transformasi Peubah Acak Teknik CDF
PDF
Ekspektasi matematik
PPT
Stat prob10 distribution_normal
PDF
00 kuliah-03-01-distribusi-probabilitas-diskret-teoritis
DOCX
Transformasi Peubah Acak dan Distribusinya
PDF
Distribusi teoretis
PPTX
Peluang dan Distribusi Peluang
PPTX
Statistika - Distribusi peluang
DOCX
Distribusi Peluang Binomial
PPTX
05 variabel acak
PDF
VARIABEL RANDOM & DISTRIBUSI PELUANG
PPTX
statistika ekonomi 2 DISTRIBUSI TEORITIS
PDF
variabel random dan distribusi peluang
PPT
DISTRIBUSI PROBABILITAS
Variabel acak dan nilai harapan (Statistik Ekonomi II)
Peubah acak diskrit dan kontinu
Makalah STATISTIK MAEMATIKA II VARIABEL RANDOM
Konsep distribusi peluang_kontinu(9)
Variabel random
Kuliah statistika dasar
Transformasi Peubah Acak Teknik CDF
Ekspektasi matematik
Stat prob10 distribution_normal
00 kuliah-03-01-distribusi-probabilitas-diskret-teoritis
Transformasi Peubah Acak dan Distribusinya
Distribusi teoretis
Peluang dan Distribusi Peluang
Statistika - Distribusi peluang
Distribusi Peluang Binomial
05 variabel acak
VARIABEL RANDOM & DISTRIBUSI PELUANG
statistika ekonomi 2 DISTRIBUSI TEORITIS
variabel random dan distribusi peluang
DISTRIBUSI PROBABILITAS
Ad

Viewers also liked (20)

PPT
Stat prob12 confidenceinterval
PPT
Stat prob02 scientificdata
PPT
Stat prob01 introduction
PPT
Stat prob04 descriptivestatistic_tablechart
PPT
Stat prob03 sampling
PPT
Aps09 design data_flowdiagram
DOCX
Himpunan matematika diskrit
PDF
Mtk xi semester 2
PPTX
Fault Tree Analysis
PPTX
Penjelasan Fault tree analysis
PPT
Peluang
PDF
fault tree analysis
PDF
Latihan soal beberapa distribusi peluang diskrit
PPT
Aps06 design data_relation
PPT
Aps07 design erd_normalization
PPTX
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
DOC
Rumus matik
PPT
KONSEP DASAR PROBABILITAS
PPT
Statistika Dasar (6 - 7) probabilitas
Stat prob12 confidenceinterval
Stat prob02 scientificdata
Stat prob01 introduction
Stat prob04 descriptivestatistic_tablechart
Stat prob03 sampling
Aps09 design data_flowdiagram
Himpunan matematika diskrit
Mtk xi semester 2
Fault Tree Analysis
Penjelasan Fault tree analysis
Peluang
fault tree analysis
Latihan soal beberapa distribusi peluang diskrit
Aps06 design data_relation
Aps07 design erd_normalization
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
Rumus matik
KONSEP DASAR PROBABILITAS
Statistika Dasar (6 - 7) probabilitas
Ad

Similar to Stat prob07 probabilitytheory_counting (20)

DOCX
Makalah kombinasi, permutasi dan peluang
PPT
Probabilitas
DOCX
Pertemuan 9 (kombinasi, permutasi dan peluang)
PPT
Peluang dan kombinatorik
DOCX
Bab 7. kombinasi,permutasi dan peluang
PPTX
PPT KAIDAH PENCACAHAN-PELUANG-XII IPS.pptx
PPT
pdfslide.net_kaidah-pencacahan.ppt
PPT
teori peluang kelas XI semua jurusan.ppt
PPTX
Peluang, Permutasi, Kombinasi
PPT
teori peluang (2)_file_2013-04-15_090241_mukhamad_taufik_hidayat_se._m.si__ak...
DOC
Peluang
PPT
PERTEMUAN 1 &2 (PELUANG).ppt
DOCX
Makalah peluang new
PPT
modul probabilitas pada teknik elektro yang perlu diketahui
DOC
PDF
teori peluang (2)_file_2013-04-15_090241_mukhamad_taufik_hidayat_se._m.si__ak...
PPTX
Pengantar statistika slide 2
PDF
6. Probabilitas.pdf
DOCX
Makalah matematika peluang
DOCX
Makalah_Matematika_Peluang.docx
Makalah kombinasi, permutasi dan peluang
Probabilitas
Pertemuan 9 (kombinasi, permutasi dan peluang)
Peluang dan kombinatorik
Bab 7. kombinasi,permutasi dan peluang
PPT KAIDAH PENCACAHAN-PELUANG-XII IPS.pptx
pdfslide.net_kaidah-pencacahan.ppt
teori peluang kelas XI semua jurusan.ppt
Peluang, Permutasi, Kombinasi
teori peluang (2)_file_2013-04-15_090241_mukhamad_taufik_hidayat_se._m.si__ak...
Peluang
PERTEMUAN 1 &2 (PELUANG).ppt
Makalah peluang new
modul probabilitas pada teknik elektro yang perlu diketahui
teori peluang (2)_file_2013-04-15_090241_mukhamad_taufik_hidayat_se._m.si__ak...
Pengantar statistika slide 2
6. Probabilitas.pdf
Makalah matematika peluang
Makalah_Matematika_Peluang.docx

More from Arif Rahman (20)

PDF
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 07
PDF
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 06
PDF
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
PDF
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
PDF
Preparasi Data: Penetapan Tujuan dan Pengumpulan Data - Modul Ajar Kuliah Ana...
PDF
Proses Data Science - Modul Ajar Kuliah Analisis Data 02
PDF
Pengantar Analisis Data - Modul Ajar Kuliah Analisis Data 01
PPT
Modul Ajar Statistika Inferensia ke-13: Analisis Variansi, Eksperimentasi Fak...
PPT
Modul Ajar Statistika Inferensia ke-12: Uji Asumsi Klasik pada Regresi Linier...
PPT
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...
PPT
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
PPT
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...
PPT
Modul Ajar Statistika Inferensia ke-8: Analisis Korelasi Pearson, Spearman, K...
PPT
Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...
PPT
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
PPT
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
PPT
Modul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi Parametrik
PPT
Modul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi Parametrik
PPT
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
PPT
Modul Ajar Statistika Inferensia ke-1: Pengantar Statistika Inferensia
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 07
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 06
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
Preparasi Data: Penetapan Tujuan dan Pengumpulan Data - Modul Ajar Kuliah Ana...
Proses Data Science - Modul Ajar Kuliah Analisis Data 02
Pengantar Analisis Data - Modul Ajar Kuliah Analisis Data 01
Modul Ajar Statistika Inferensia ke-13: Analisis Variansi, Eksperimentasi Fak...
Modul Ajar Statistika Inferensia ke-12: Uji Asumsi Klasik pada Regresi Linier...
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...
Modul Ajar Statistika Inferensia ke-8: Analisis Korelasi Pearson, Spearman, K...
Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
Modul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi Parametrik
Modul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi Parametrik
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
Modul Ajar Statistika Inferensia ke-1: Pengantar Statistika Inferensia

Recently uploaded (14)

PPTX
LAPORAN ANTARA JAKSTRADA PROPINSI NTT.PPT
DOCX
MPLS PAUD.docx teks sebagai penyemangat anak-anak
PPTX
PPT mssp arham muthahhari mata kuliah ms
PPTX
KETERAMPILAN KADER - Copy TAHUN 2024.pptx
PDF
Jual GPS Topcon HiPer SR Extended Range Site Receiver
PPTX
Rekayasa Lingkungan menjadikan lingkungan lebih baik
PPTX
PRESENTATION PRODUCT KNOWLEDGE Mc-Quay (ID).pptx
PPTX
Metode Penanggulangan Kehilangan Air dan Strategi Pengendalian Kehilangan Air...
PPTX
Seminar Hasil Penelitian Analisis Pegas Daun
PPTX
TUGAS Pandangan Aksiologi dalam Filsafat Ilmu.pptx
PPTX
Ilmu Geologi pertambangan dan peran dalam industri.pptx
PPT
Presentasi Tentang Diagram P-h dan Diagram Psikrometrik.ppt
PDF
441817878-K3-Pada-Alat-Berat.pdf pemahaman
PPTX
Data mining mengolah informasi dan menjadikannya dasar pengambilan keputusan
LAPORAN ANTARA JAKSTRADA PROPINSI NTT.PPT
MPLS PAUD.docx teks sebagai penyemangat anak-anak
PPT mssp arham muthahhari mata kuliah ms
KETERAMPILAN KADER - Copy TAHUN 2024.pptx
Jual GPS Topcon HiPer SR Extended Range Site Receiver
Rekayasa Lingkungan menjadikan lingkungan lebih baik
PRESENTATION PRODUCT KNOWLEDGE Mc-Quay (ID).pptx
Metode Penanggulangan Kehilangan Air dan Strategi Pengendalian Kehilangan Air...
Seminar Hasil Penelitian Analisis Pegas Daun
TUGAS Pandangan Aksiologi dalam Filsafat Ilmu.pptx
Ilmu Geologi pertambangan dan peran dalam industri.pptx
Presentasi Tentang Diagram P-h dan Diagram Psikrometrik.ppt
441817878-K3-Pada-Alat-Berat.pdf pemahaman
Data mining mengolah informasi dan menjadikannya dasar pengambilan keputusan

Stat prob07 probabilitytheory_counting

  • 1. PROBABILITAS : Permutasi & Kombinasi ARIF RAHMAN 1
  • 2. Populasi dan Sampel Populasi atau semesta (universe) adalah set lengkap observasi yang menjadi perhatian peneliti. Sampel (sample) adalah sejumlah observasi yang diambil dari populasi Sebaran sampel mengikuti pola distribusi populasi. 2
  • 4. Ruang Sampel dan Titik Sampel Ruang sampel (sample space) adalah satu set lengkap semua keluaran yang mungkin terjadi dalam populasi. Titik sampel (sample point) adalah setiap keluaran yang menjadi elemen atau anggota ruang sampel. Ruang sampel dapat dirinci titik sampelnya, atau menggunakan interval atau pernyataan (statement / rule) jika terlalu banyak. 4
  • 5. Ruang Sampel dan Titik Sampel Berdasarkan prinsip kesempatan yang sama (equally likely) bagi setiap anggota populasi untuk terpilih sebagai sampel, maka dalam ruang sampel S dengan anggota sejumlah n, probabilitas setiap titik sampel adalah sama yaitu : p1= p2= ... = pn= 1/n 5
  • 6. Ruang Sampel dan Titik Sampel Dengan setiap anggota populasi mempunyai peluang yang sama terpilih sebagai sampel, secara acak pengambilan sampel sejumlah n dari populasi sejumlah N, mempunyai ragam ruang sampel sebanyak : N! / (n.(N-n)!) Sehingga probabilitas memperoleh ruang sampel tertentu adalah : (n.(N-n)!) / N! 6
  • 7. Ruang Sampel dan Titik Sampel Untuk memprediksikan ruang sampel dan probabilitas titik sampel perlu memperhatikan metode pengambilan sampel berdasarkan : Banyaknya populasi  Populasi terbatas  Populasi tak hingga (sangat besar) Status sampel setelah diambil  Pengambilan dengan pengembalian  Pengambilan tanpa pengembalian 7
  • 8. Ruang Sampel dan Titik Sampel 8 -1 -1 -1 N-n+2 N-n+1N-n+3N N-1 N-2 -1 -1 -1 p1(x) ≠ p2(x) ≠ p3(x) ≠ ... ≠ pn-2(x) ≠ pn-1(x) ≠ pn(x) -1 -1 -1 N NNN N N -1 -1 -1 p1(x) = p2(x) = p3(x) = ... = pn-2(x) = pn-1(x) = pn(x) Tanpa Pengembalian (without replacement) Dengan Pengembalian (with replacement)
  • 9. Keluaran dan Kejadian Keluaran (outcome) adalah fakta hasil pengumpulan data dalam observasi ataupun eksperimen Kejadian (event) adalah peristiwa yang termasuk dalam keluaran-keluaran yang mungkin (possible outcomes) terjadi saat pengumpulan data. 9
  • 10. Keluaran dan Kejadian Kejadian E menjadi himpunan bagian dari ruang sampel S. Probabilitas kejadian E dalam ruang sampel S adalah sebanding dengan banyaknya titik sampel dalam kejadian E. P(E) = N(E) / n 10
  • 11. Variabel Acak Variabel acak (random variable) adalah suatu nilai bersifat acak dalam numerik (format angka diskrit atau kontinyu) atau nonnumerik yang menandai keluaran dalam ruang sampel tertentu (finite atau infinite). Variabel acak dinotasikan dengan huruf kapital miring (misal : X). Sedangkan nilai variabel acak dinotasikan dengan huruf kecil miring (misal : x). 11
  • 12. Variabel Acak Probabilitas variabel acak adalah frekuensi relatif titik sampel elemen kejadian E dalam ruang sampel S. Aproksimasi penghitungan banyaknya anggota dari keluaran-keluaran yang mungkin (possible outcomes) baik dalam ruang sampel dan kejadian berkaitan dengan permutasi dan kombinasi. 12
  • 13. Metode Penghitungan Diagram pohon (tree diagram) dan Prinsip multiplikasi (multiplication rule) Permutasi dan Kombinasi 13
  • 14. Prinsip Multiplikasi Jika operasi pertama dapat dilakukan dengan n1 cara, dan untuk setiap cara tersebut berkaitan (dilanjutkan) dengan operasi kedua yang dapat dilakukan dengan n2 cara, maka kedua operasi tersebut dapat dilakukan dalam n1.n2 cara. ... 14
  • 15. Prinsip Multiplikasi ... Jika operasi pertama dapat dilakukan dengan n1 cara, dan operasi kedua dapat dilakukan dengan n2 cara, dan seterusnya hingga operasi ke-k dapat dilakukan dengan nk cara, sehingga secara simultan rangkaian k operasi tersebut dapat dilakukan dengan n1.n2.···.nk cara. 15
  • 16. Diagram Pohon Pelemparan Koin Tiga Trial Ruang sampel S = {GGG, GGA, GAG, GAA, AGG, AGA, AAG, AAA} 16 Lemparan ke-1 Lemparan ke-2 Lemparan ke-3 G G G A A G A A G G A A G A
  • 17. Diagram Pohon Tiga Operasi (Atribut) Berbeda n1.n2.n3 = 2 x 2 x 3 = 12 17 X A α XAα β XAβ γ XAγ B α XBα β XBβ γ XBγ Y A α YAα β YAβ γ YAγ B α YBα β YBβ γ YBγ
  • 18. Permutasi Permutasi (permutation) adalah susunan seluruh atau sebagian elemen himpunan objek yang berbeda-beda. Permutasi mengestimasi banyaknya susunan dengan r anggota yang diambil dari n objek yang berbeda dengan memperhatikan urutannya. 18
  • 19. Permutasi Menggunakan notasi nPr atau Pr n di mana : n : banyaknya macam objek r : banyaknya tempat dalam susunan. dengan r < n. 19 )!( ! rn n Pn r − =
  • 22. 22
  • 23. Kombinasi Kombinasi (combination) adalah susunan seluruh atau sebagian elemen himpunan objek yang berbeda-beda dengan pembedaan susunan hanya berdasarkan perbedaan isinya paling tidak satu objek. Kombinasi mengestimasi banyaknya susunan dengan r anggota yang diambil dari n objek yang berbeda tanpa memperhatikan urutan 23
  • 24. Kombinasi Menggunakan notasi nCr , Cr n atau (r n ) di mana : n : banyaknya macam objek r : banyaknya tempat dalam susunan. dengan r < n. 24 ! )!(! ! r P P P rnr n r n n r r r n r == − =     
  • 27. 27
  • 28. Permutasi Siklik Permutasi siklik atau lingkar (circular permutation) adalah susunan seluruh elemen himpunan objek yang berbeda- beda dalam bentuk melingkar. di mana : n : banyaknya macam objek dan banyaknya tempat dalam susunan melingkar. 28 )!1( ! −== n n n Pn n
  • 30. Permutasi Objek Sama Permutasi objek sama (distinct permutation) adalah susunan seluruh elemen himpunan objek yang terdiri dari beberapa kelompok objek yang sama. di mana : n : banyaknya macam objek n1,...nk : banyaknya objek dalam masing-masing kelompok. dengan Σni = n. 30 ∏= == k i i k n n n n nnn n P 1 21 ! ! !.!.!. ! 
  • 31. Permutasi Objek Sama 31 20 !1!1!3 !55 5 = ⋅⋅ =P 1 1 1 G1 G2 G3 Y1 R1 2 3 1 1 13 2 2 1 11 3 2 1 13 1 3 1 11 2 3 1 12 1
  • 32. Kombinasi Partisi Kombinasi partisi (partition combination) adalah susunan seluruh elemen himpunan objek yang dipecah menjadi beberapa bagian (cell). di mana : n : banyaknya macam objek n1,...nk : banyaknya objek dalam setiap bagian. dengan Σni = n. 32 ∏= ==      k i i kk n n nnn n nnn n 1 2121 ! ! !.!.!. ! ,, 
  • 34. Kombinasi Objek Sama Kombinasi objek sama (distinct combination) adalah susunan seluruh elemen himpunan objek yang diambil dari bagian beberapa kelompok objek yang sama di mana : N1,...Nk : banyaknya seluruh objek di setiap kelompok. n1,...nk : banyaknya objek bagian setiap kelompok. dengan Σni = n, ΣNi = N, dan ni < Ni 34                   =      k k k k n N n N n N nnn NNN    2 2 1 1 21 21 . ,, ,,
  • 35. Probabilitas Dadu 35 P(1)=P(2)=P(3)=P(4)=P(5)=P(6)=1/6 1 2 3 4 5 6 1 2 3 4 5 6 7 2 3 4 5 6 7 8 3 4 5 6 7 8 9 4 5 6 7 8 9 10 5 6 7 8 9 10 11 6 7 8 9 10 11 12
  • 37. Probabilitas Poker 37 Royal Flush – Top 5 cards in a suit Straight Flush – 5 sequential cards in the same suit suit 4 of a kind – plus any other card Full House – 3 of one kind, 2 of another. (Also called a “boat.”) Flush – 5 cards in a suit, not sequential Straight – 5 cards in a numerical row, not the same suit P(2)=P(3)=...=P(J)=P(Q)=P(K)=P(A)=4/52 P(♠)=P(♣)=P(♥)=P(♦)=13/52 P(2♠)=...=P(A♦)=1/52
  • 38. Probabilitas Poker 38 -------------------------------------------------------------------------- Poker Hand Different Combinations Probability Odds Against Royal Straight Flush 4 .0000015391 649,729:1 Other Straight Flush 36 .0000138517 72,193:1 Four of a kind 624 .0002400960 4,164:1 Full House 3,744 .0014405762 693:1 Flush 5,108 .0019654015 508:1 Straight 10,200 .0039246468 254:1 Three of a kind 54,912 .0211284514 46:1 Two Pairs 123,552 .0475390156 20:1 One Pair 1,098,240 .4225690276 1.4:1 High card only (None of above) 1,302,540 .5011773940 1:1 Total 2,598,960 1.0000000000 -------------------------------------------------------------------------- 000000385,0 1084769,3 960.598.2 1 5 52 1 )poker( 7 = ×= =       = − P
  • 39. Probabilitas Poker 39 960.598.2 5 52 )sampelruang( =      =N 4sama}jenis);AK,Q,J,10,{()FlushRoyal( ==N 3649sama}jenis);KQ,J,,10,9(),...,A,2,3,4,5{()FlushStraight( =×==N 108.5)FlushStraight()FlushRoyal( !5 )910111213(4 )Flush( =−−      ××××× = NNN ( ) 200.10)FlushStraight()FlushRoyal()44444(10)Straight( =−−×××××= NNN 540.302.1200.10108.5364888.317.1 )Straight()Flush()FlushStraight()FlushRoyal( !5 )1652()1252()852()452(52 )CardHigh( =−−−−= −−−−       −×−×−×−× = NNNN N S RF Straight Flush Straight Flush different numbers
  • 40. Probabilitas Poker 40 960.598.2 5 52 )sampelruang( =      =N 624)452( 4 4 13)kindaofFour( =         −×              ×=N 912.54 !2 )852()452( 3 4 13)kindaofThree( =         −×− ×              ×=N 240.098.1 !3 )1252()852()452( 2 4 13)pairOne( =         −×−×− ×              ×=N
  • 41. Probabilitas Poker 41 960.598.2 5 52 )sampelruang( =      =N 552.123)852( !2 2 4 12 2 4 13 )pairsTwo( =               −×               ××              × =N 744.3 2 4 12 3 4 13)HouseFull( =                       ××              ×=N
  • 42. Roulette Wheel 42 18 Red numbers 18 Black numbers 2 Green numbers (0,00) P(Black)=P(Red)=18/38 P(1)=P(2)=...=P(36)=P(0)=P(00) =1/38
  • 44. Roulette Wheel 44 Bet name Winning spaces Payout 0 0 37 to 1 00 00 37 to 1 Straight up Any single number 37 to 1 Row 00 0, 00 36 to 2 Split any two adjoining numbers vertical or horizontal 36 to 2 Basket 0, 1, 2 or 00, 2, 3 or 0, 00, 2 35 to 3 Street any three numbers horizontal 35 to 3 Corner any four adjoining numbers in a block 34 to 4 Top line 0, 00, 1, 2, 3 33 to 5 Six line any six numbers from two horizontal rows 32 to 6 1st column 1, 4, 7, 10, 13, 16, 19, 22, 25, 28, 31, 34 26 to 12 2nd column 2, 5, 8, 11, 14, 17, 20, 23, 26, 29, 32, 35 26 to 12 3rd column 3, 6, 9, 12, 15, 18, 21, 24, 27, 30, 33, 36 26 to 12 1st dozen 1 through 12 26 to 12 2nd dozen 13 through 24 26 to 12 3rd dozen 25 through 36 26 to 12 Snake 1, 5, 9, 12, 14, 16, 19, 23, 27, 30, 32, 34 26 to 12 Odd 1, 3, 5, ..., 35 20 to 18 Even 2, 4, 6, ..., 36 20 to 18 Red 1, 3, 5, 7, 9, 12, 14, 16, 18, 19, 21, 23, 25, 27, 30, 32, 34, 36 20 to 18 Black 2, 4, 6, 8, 10, 11, 13, 15, 17, 20, 22, 24, 26, 28, 29, 31, 33, 35 20 to 18 1 to 18 (Low) 1, 2, 3, ..., 18 20 to 18 19 to 36 (High) 19, 20, 21, ..., 36 20 to 18
  • 45. Formasi Barisan 45 A B C D E F G H I J K A B C D E F G H I J K A B C D E F G H I J K D C B A G F E K J I H D C B A G F E K J I H
  • 46. Formasi Barisan Banyaknya susunan = (Permutasi 11 orang diambil 11 orang) / (Kombinasi susunan yang sebenarnya sama) 46 4 !11 =S
  • 47. Permainan Bola Voli 47 A B C D E F G H I J K L M N O P Q R 1 6 5 2 3 4 5 6 1 4 3 2
  • 48. Permainan Bola Voli Banyaknya susunan = (Kombinasi 18 orang diambil 12 pemain) X (Kombinasi Partisi 12 pemain menjadi dua tim) X (Permutasi siklik 6 pemain di tim 1) X (Permutasi siklik 6 pemain di tim 2) 48 )!16)!.(16.( 6,6 12 . 12 18 −−            =S
  • 49. Permainan Bridge Patkawan 49 1 2 3 4 1 4 3 2 A B C D E F G H Closed Room Open Room U
  • 50. Permainan Bridge Patkawan Banyaknya susunan = (Permutasi 8 orang diambil 8 orang) 50 !8=S
  • 51. 51 Terima kasih ...Terima kasih ... ... Ada pertanyaan ???... Ada pertanyaan ???