Скачать презентацию Probabilitas dan Teori Keputusan Konsep-Konsep Dasar Probabilitas Pengertian Скачать презентацию Probabilitas dan Teori Keputusan Konsep-Konsep Dasar Probabilitas Pengertian

6f4e86f8538a527b8e904a8f066740be.ppt

  • Количество слайдов: 27

Probabilitas dan Teori Keputusan Konsep-Konsep Dasar Probabilitas Pengertian Probabilitas dan Manfaat Probabilitas Distribusi Probabilitas Probabilitas dan Teori Keputusan Konsep-Konsep Dasar Probabilitas Pengertian Probabilitas dan Manfaat Probabilitas Distribusi Probabilitas Diskrit Pendekatan Terhadap Probabilitas Distribusi Normal Hukum Dasar Probabilitas Teorema Bayes Teori Keputusan Menggunakan MS Excel Untuk Probabilitas 1

PENDAHULUAN Definisi: Probabilitas adalah peluang suatu kejadian Manfaat: 2 PENDAHULUAN Definisi: Probabilitas adalah peluang suatu kejadian Manfaat: 2

Probabilitas: Suatu ukuran tentang kemungkinan suatu peristiwa (event) akan terjadi di masa mendatang. Probabilitas Probabilitas: Suatu ukuran tentang kemungkinan suatu peristiwa (event) akan terjadi di masa mendatang. Probabilitas dinyatakan antara 0 sampai 1 atau dalam persentase. Percobaan: Pengamatan terhadap beberapa aktivitas atau proses yang memungkinkan timbulnya paling sedikit dua peristiwa tanpa memperhatikan peristiwa mana yang akan terjadi. Hasil (outcome): Suatu hasil dari sebuah percobaan. Peristiwa (event): Kumpulan dari satu atau lebih hasil yang terjadi pada 3 sebuah percobaan atau kegiatan.

PENGERTIAN PROBABILITAS Contoh: Percobaan/ Kegiatan Pertandingan sepak bola SFC VS PERSIB di Stadion Jakabaring PENGERTIAN PROBABILITAS Contoh: Percobaan/ Kegiatan Pertandingan sepak bola SFC VS PERSIB di Stadion Jakabaring Palembang Hasil SFC menang SFC kalah Seri -- SFC tidak kalah dan tidak menang Peristiwa SFC Menang 4

KLASIFIKASI PROBABILITAS Perbedaan PROBl acak diskrit dengan variabel acak kontinu : • Variabel acak KLASIFIKASI PROBABILITAS Perbedaan PROBl acak diskrit dengan variabel acak kontinu : • Variabel acak diskrit adalah variabel random yang jumlahnya terbatas, dan dapat dihitung sehingga dapat digambarkan dalam bentuk histrogram dan ogive sedangkan. • Variabel acak kontinu adalah variabel random yang berupa interval dan variabel, yang jumlahnya TIDAK terbatas, sehingga tidak dapat digambarkan dalam bentuk histrogram dan ogive melainkan grafik y = f(x) 5

Identifikasi Probabilitas diskrit v random terbatas dengan pengembalian (pasti=1): 1/n. Contoh : lempar uang Identifikasi Probabilitas diskrit v random terbatas dengan pengembalian (pasti=1): 1/n. Contoh : lempar uang koin/ dadu. Probabilitas perlakuan > 1 kali? Dengan cara: kombinasi, permutasi. n=2, P=3 random : exc sheet 3 6

PENDEKATAN PROBABILITAS 1. Pendekatan Klasik 2. Pendekatan Relatif 3. Pendekatan Subjektif 7 PENDEKATAN PROBABILITAS 1. Pendekatan Klasik 2. Pendekatan Relatif 3. Pendekatan Subjektif 7

PENDEKATAN KLASIK Definisi: Setiap rasio peristiwa mempunyai kesempatan yang sama untuk terjadi (equelly likely) PENDEKATAN KLASIK Definisi: Setiap rasio peristiwa mempunyai kesempatan yang sama untuk terjadi (equelly likely) dengan pengembalian dan saling ekslusif. Sebuah Peristiwa dapat terjadi sebanyak n kali diantara N Peristiwa. Rumus: Probabilitas = jumlah Kemungkinan hasil (K) suatu peristiwa (E)+ jumlah total kemungkinan hasil (n) Jika prob E tidak terjadi adalah : Pr (bukan E)= 1 - K/n Pr E +Pr bukan E =1 8

PENDEKATAN KLASIK Percobaan Hasil Probabilitas Kegiatan melempar uang 1. Muncul gambar 2. Muncul angka PENDEKATAN KLASIK Percobaan Hasil Probabilitas Kegiatan melempar uang 1. Muncul gambar 2. Muncul angka 2 ½ Kegiatan perdagangan saham 1. Menjual saham 2. Membeli saham 2 ½ Perubahan harga 1. Inflasi (harga naik) 2. Deflasi (harga turun) 2 ½ Mahasiswa belajar 1. Lulus memuaskan 2. Lulus sangat memuaskan 3. Lulus dengan pujian 3 1/3 9

Klasifikasi = mutual exclusive Sebuah kotak berisi 20 bola tenis, terdapat 6 hijau, 9 Klasifikasi = mutual exclusive Sebuah kotak berisi 20 bola tenis, terdapat 6 hijau, 9 kuning, dan sisanya ungu. Berapa Probabilitas bola tenis (H) P(K) dan P(ungu)? 10

Keputusan • Karena pada pendekatan klasik bersifat mutual exlusive (saling Lepas) maka hanya ada Keputusan • Karena pada pendekatan klasik bersifat mutual exlusive (saling Lepas) maka hanya ada 1 Peristiwa yang terjadi pada waktu yang sama. • Suatu kegiatan/percobaan pasti akan terjadi dari semua hasil probabilitas yang lebih dari 1, karena bersifat collective exhaustive (sedikitnya satu dari seluruh hasil yang ada pasti terjadi pada setiap percobaan atau kegiatan yang dilakukan/lengkap terbatas kolektif) 11

PENDEKATAN RELATIF Definisi: Probabilitas suatu kejadian tidak dianggap sama, tergantung dari berapa banyak suatu PENDEKATAN RELATIF Definisi: Probabilitas suatu kejadian tidak dianggap sama, tergantung dari berapa banyak suatu kejadian terjadi (Sebenarnya)/pengamatan dilakukan. Rumus: Probabilitas = jumlah peristiwa yang terjadi suatu peristiwa jumlah total percobaan Contoh: Kegiatan jual beli saham: 3 jt transaksi terdiri dari 2. 455. 000 jual & 545. 000 beli. Probabilitas relatifnya: 2. 455. 000/3 jt)=82%. Probabilitas beli (545000/3 jt)=18% 12

PENDEKATAN SUBJEKTIF Definisi: Probabilitas suatu kejadian didasarkan pada penilaian pribadi yang dinyatakan dalam suatu PENDEKATAN SUBJEKTIF Definisi: Probabilitas suatu kejadian didasarkan pada penilaian pribadi yang dinyatakan dalam suatu derajat kepercayaan (subyektifitas). Contoh: menurut rektor UIGM tahun 2015 -2016, penerimaan mahasiswa baru akan meningkat 75%, karena telah dibuka program pasca sarjana. 13

HUKUM DASAR PROBABILITAS 1. HUKUM PENJUMLAHAN 2. HUKUM PERKALIAN 3. TEOREMA BAYES 14 HUKUM DASAR PROBABILITAS 1. HUKUM PENJUMLAHAN 2. HUKUM PERKALIAN 3. TEOREMA BAYES 14

KONSEP DASAR HUKUM PROBABILITAS A. Hukum Penjumlahan P(A ATAU B) = P(A) + P(B) KONSEP DASAR HUKUM PROBABILITAS A. Hukum Penjumlahan P(A ATAU B) = P(A) + P(B) Contoh : P(A) = 0, 35, P(B) 0, 40 DAN P (C) 0, 25 Maka P(A ATAU C ) = 0, 35 + 0, 25 = 0, 60 • Peristiwa atau Kejadian Bersama (joint Event) A AB B P(A ATAU B) = P(A) + P(B) – P (AB) Apabila P(AB) = 0, 2, maka , P(A ATAU B) = 0, 35 + 0, 40 – 0, 2 = 0, 55 15

Contoh joint event Perusahaan Kegiatan Simpati mentari starone Sales(A) 30 50 40 Buy(B) 40 Contoh joint event Perusahaan Kegiatan Simpati mentari starone Sales(A) 30 50 40 Buy(B) 40 30 10 sum 70 80 50 Jumlah 120 80 200 P(BS) = 40/200 = 0. 15 P(AS) = 30/200=0. 20 16

KONSEP DASAR HUKUM PROBABILITAS • Peristiwa Saling Lepas(MUTUALLY EXLUSIVE) P(AB) = 0 Maka P(A KONSEP DASAR HUKUM PROBABILITAS • Peristiwa Saling Lepas(MUTUALLY EXLUSIVE) P(AB) = 0 Maka P(A ATAU B) = P (A) + P(B) + 0 = P(A) + P(B) A B Bahwa peristiwa A tidak menjadi bagian peristiwa Begitu juga sebaliknya. 17

Contoh Kegiatan Perusahaan Simpati mentari starone Sales(A) 30 50 40 Buy(B) 40 30 10 Contoh Kegiatan Perusahaan Simpati mentari starone Sales(A) 30 50 40 Buy(B) 40 30 10 sum 70 80 50 P(A atau B) = P(A) +P(B)-P(AB) = 0. 6 + 0. 4 -0 =1 Prob 3 kartu cellular (P(SMS))=0. P(S atau M/S) = P(S)+P(M)+P(S)-P(SMS) =0. 35+0. 40+0. 25 -0 = 1 Jumlah 120 80 200 18

EXCERCISE Suatu perusahaan memerlukan ban mobil untuk kendaraan milik perusahaan. Probabilitas akan membeli ban EXCERCISE Suatu perusahaan memerlukan ban mobil untuk kendaraan milik perusahaan. Probabilitas akan membeli ban merek Uniroyal (0, 17), Goodyear (0, 22), Lidas (0, 03), Continental (0, 29), Bridgestone (0, 21) dan Amstrong (0, 08). Hitunglah probabilitas bahwa perusahaan akan membeli : 1. Ban Merek G atau B 2. Ban Merek U, C atau B 3. Ban Merek L atau A 4. Ban Merek G, C atau A. 19

jawab Apabila merek ban tersebut di urutkan dengan A, B, C, D, E dan jawab Apabila merek ban tersebut di urutkan dengan A, B, C, D, E dan F Maka: 1. P( B U E )= P(B) +P(E) = 0, 22 +0, 21 = 0. 43 2. P(A U D U E) = 0. 17+0, 29+0, 21 = )0. 67 3. P(C U F)= 0. 03 + 0. 08 = 0. 11 4. P (B U D U F)= 0, 22 + 0, 29 + 0. 08= 0. 59. Probabilitas Mutually Exlusive. 20

Hukum Perkalian Peristiwa Independen adalah terjadinya peristiwa tidak mempengaruhi probabilitas kejadian lainnya. Rumus kejadian Hukum Perkalian Peristiwa Independen adalah terjadinya peristiwa tidak mempengaruhi probabilitas kejadian lainnya. Rumus kejadian A dan B yang saling Independent sbb: P( A DAN B) = P(A) X P(B) Contoh: ada 3 transaksi saham (S&B), transaksi pertama melakukan transaksi beli, dan pada transaksi ke 2&3 bisa melakukan transaksi beli atau jual (bebas dari pengaruh transaksi pertama) Apabila P(A) 0, 35 DAN P(B) = 0, 25 Maka P(A DAN B) = 0, 35 X 0, 25 = 0, 0875 21

 Kejadian Bersyarat P(B|A) = P(AB)/P(A) 22 Kejadian Bersyarat P(B|A) = P(AB)/P(A) 22

KONSEP DASAR HUKUM PROBABILITAS • Hukum Perkalian P( A DAN B) = P(A) X KONSEP DASAR HUKUM PROBABILITAS • Hukum Perkalian P( A DAN B) = P(A) X P(B) Apabila P(A) 0, 35 DAN P(B) = 0, 25 Maka P(A ∏ B) = 0, 35 X 0, 25 = 0, 0875 • Kejadian Bersyarat conditional Probability P(B|A) = P(AB)/P(A) • Peristiwa Pelengkap (Complementary Event) P(A) + P(B) = 1 atau P(A) = 1 – P(B) 23

DIAGRAM POHON • Diagram Pohon Suatu diagram berbentuk pohon yang membantu mempermudah mengetahui probabilitas DIAGRAM POHON • Diagram Pohon Suatu diagram berbentuk pohon yang membantu mempermudah mengetahui probabilitas suatu peristiwa Keputusan Jual atau Beli Probabilitas Bersyarat Jenis Saham Jual 1 BC A BLP 0, 6 BNI Beli 0, 4 BC A BLP BNI 0, 3 5 0, 4 0 0, 2 5 Jumlah Harus = 1. 0 Probabilitas bersama 1 x 0, 6 x 0, 35 = 0, 21 1 x 0, 6 x 0, 40 = 0, 24 1 x 0, 6 x 0, 25 = 0, 15 1 x 0, 4 x 0, 35 = 0, 14 1 x 0, 40 = 0, 16 1 x 0, 4 x 0, 25 = 0, 10 0, 21+0, 24+0, 15+ 0, 14 +0, 16+0, 10 =1, 0 24

CONTOH Komposisi dari beberapa tingkatan manajemn Dari 200 orang eksekutuf ditunjukkan sebagai Berikut: TM CONTOH Komposisi dari beberapa tingkatan manajemn Dari 200 orang eksekutuf ditunjukkan sebagai Berikut: TM 18 (Pria) 2 (W), MM 3 6 (P) 24 (w), LM 24 (p) 96 (w) Total P (78) W (122). a. Jika 200 eksekutuf tersebut scara random seorang eksekutif Berapa prob eksekutif Pria atau eksekutif puncak? b. Dipilih 2 orang berapa prob eks Pria dan seorang Eksekutif wanita c. Terpilih eksekutif pria pada pilihan pertama dan terpilih Eksekutif pria lagi pada pilihan kedua, berapa probabilitas? (jawab ex Prob) 25

TEOREMA BAYES Merupakan probabilitas bersyarat-suatu kejadian terjadi setelah kejadian lain ada. Rumus: P(Ai|B) = TEOREMA BAYES Merupakan probabilitas bersyarat-suatu kejadian terjadi setelah kejadian lain ada. Rumus: P(Ai|B) = P(Ai) X P (B|Ai) P(A 1) X P(B|A 1)+P(A 2) X P(B|A 2) + … + P(Ai) X P(B|Ai) 26

BEBERAPA PRINSIP MENGHITUNG • Factorial (berapa banyak cara yang mungkin dalam mengatur sesuatu dalam BEBERAPA PRINSIP MENGHITUNG • Factorial (berapa banyak cara yang mungkin dalam mengatur sesuatu dalam kelompok). Factorial = n! • Permutasi (sejumlah kemungkinan susunan jika terdapat satu kelompok objek). Permutasi n. Pr = n!/ (n-r)! • Kombinasi (berapa cara sesuatu diambil dari keseluruhan objek tanpa memperhatikan urutannya. Kombinasi n. Cr = n!/r! (n-r)! 27