a. {48,60,68,76,84} b. {60,68,76,84} c. {60,68,84} d. {60,68,76} 8. Diketahui himpunan A = {x x < 8,x ∈ bilangan asli} Dan B = {y -2 ≤ y < 2,y ∈ bilangan bulat}. Relasi R Dari himpunan A ke himpunan B adalah x - y = 4 dengan x ∈ A, y ∈ B. Relasi R dalam bentuk himpunan pasangan berurutan adalah a. {❨1,-3, 2,-2,3,-1,4,0,5,1,6,2,7,3} b.{1,-3,2,-2,3,-1,4,0,5,1,6,2} c.{2,-2,3,-1,4,0,5,1,6,2} d.{2,-2,3,-1,4,0,5,1} Tolong Jawab secepatnya ya karna Mau dikumpulkan sebelum jam 12, terimakasih yang udh Jawab;
Garagara pisah ranjang dengan sang istri, pemuda 27 tahun nekat perkosa neneknya sendiri yang berusia 75 tahun. Gara-gara pisah ranjang dengan sang istri, pemuda 27 tahun nekat perkosa neneknya sendiri yang berusia 75 tahun. Sabtu, 12 Maret 2022; Cari. Network. Tribunnews.com; TribunnewsWiki.com; 0% found this document useful 0 votes854 views2 pagesDescriptiongerakan peluaangOriginal TitleLATIHAN PELUANGCopyright© © All Rights ReservedAvailable FormatsPDF, TXT or read online from ScribdShare this documentDid you find this document useful?0% found this document useful 0 votes854 views2 pagesLatihan PeluangOriginal TitleLATIHAN PELUANGJump to Page You are on page 1of 2 You're Reading a Free Preview Page 2 is not shown in this preview. Reward Your CuriosityEverything you want to Anywhere. Any Commitment. Cancel anytime.KisahBenar TV. Kisah Seorang Isteri Yang Curang. Normal 0. Drama Melayu. Janda ni ada anak dara bernama. Cara pertama melalui Pelabuhan Nusantara, Kendari menuju Pelabuhan Raha di Muna. Koleksi cerita lucu ini adalah hasil pengumpulan cerita-cerita lucu yang terbaik semenjak tahun 2003.Pertemuan 7 KETIDAKPASTIAN Betha Nurina Sari, M. Kom KETIDAKPASTIAN Probabilitas Teorema Bayes Faktor Kepastian Certainty Factor Latihan Soal KETIDAKPASTIAN • Ketidakpastian dapat dianggap sebagai suatu kekurangan informasi yang memadai untuk membuat suatu keputusan. • Ketidakpastian merupakan suatu permasalahan karena mungkin menghalangi kita membuat suatu keputusan yang terbaik. KETIDAKPASTIAN • Banyak masalah tidak dapat dimodelkan secara lengkap dan konsisten. • Misalnya – Suatu penalaran dimana adanya penambahan fakta baru mengakibatkan ketidakkonsistenan, – dengan ciri-ciri sebagai berikut • - adanya ketidakpastian • - adanya perubahan pada pengetahuan • - adanya penambahan fakta baru dapat mengubah konklusi yang sudah terbentuk KETIDAKPASTIAN Contoh • Premis -1 Aljabar adalah pelajaran yang sulit • Premis -2 Geometri adalah pelajaran yang sulit • Premis -3 Kalkulus adalah pelajaran yang sulit • Konklusi Matematika adalah pelajaran yang sulit KETIDAKPASTIAN • Munculnya premis baru bisa mengakibatkan gugurnya konklusi yang sudah diperoleh, misal • Premis -4 Kinematika adalah pelajaran yang sulit • Premis tersebut menyebabkan konklusi “Matematika adalah pelajaran yang sulit”, menjadi salah, karena Kinematika bukan merupakan bagian dari Matematika, sehingga bila menggunakan penalaran induktif sangat dimungkinkan adanya ketidakpastian. PROBABILITAS • Probabilitas menunjukkan kemungkinan sesuatu akan terjadi atau tidak. • PE = jumlah kejadian berhasil/ jumlah semua kejadian • Misal dari 10 orang sarjana , 3 orang menguasai CISCO, sehingga peluang untuk memilih sarjana yang menguasai CISCO adalah • pCISCO = 3/10 = 0. 3 PROBABILITAS • PE = 0 -> Peristiwa E pasti tidak terjadi • PE = 1 -> Peristiwa E pasti terjadi • Apabila E bukan peristiwa E, maka PE = 1 - PE Atau berlaku PE + PE =1 PROBABILITAS KONDISIONAL PROBABILITAS KONDISIONAL TEOREMA BAYES TEOREMA BAYES Contoh Penerapan Teorema Bayes • Diketahui • Pdemam=0, 4. P muntah = 0, 3. Pdemammuntah=0, 75 • Berapa nilai Pmuntahdemam ? TEOREMA BAYES • Kegunaan menentukan probabilitas diagnostik dari probabilitas kausal – PCauseEffect = PEffectCause PCause / PEffect – Contoh m adalah meningitis, s adalah sakit leher – Pm = 0. 0001. Ps = 0. 1 dan P sm=0. 8. Pms = Psm Pm / Ps = 0. 8 × 0. 0001 / 0. 1 = 0. 0008 Contoh Bayes Network Sakit Gigi Contoh Bayes Network Sakit Gigi PCavity toothache catch = αPtoothache catch Cavity PCavity = αPtoothache Cavity Pcatch Cavity PCavity • Ini adalah contoh model Bayes yang naïve PCause, Effect 1, … , Effectn = PCause πi. PEffectiCause • Jumlah parameter total linear dalam n FAKTOR KEPASTIAN CERTAINTY FACTOR • Penggabungan kepercayaan dan ketidakpercayaan dalam bilangan yang tunggal memiliki dua kegunaan, yaitu • Faktor kepastian digunakan untuk tingkat hipotesis di dalam urutan kepentingan. • Contoh jika seorang pasien mempunyai gejala tertentu yang mengindikasikan beberapa kemungkinan penyakit, maka penyakit dengan CF tertinggi menjadi urutan pertama dalam urutan pengujian. FAKTOR KEPASTIAN CERTAINTY FACTOR FAKTOR KEPASTIAN CERTAINTY FACTOR Contoh • Probabilitas seorang menderita tuberkulosis = 0. 02. Dari data observasi didapatkan bahwa dari 100 penderita TB, 40 memiliki gejala kanker paru -paru KP. • Hitung faktor kepastian bahwa TB disebabkan kanker paru-paru? • PTB = 0. 02 • PTBKP = 40/100 = 0. 4 Contoh Latihan Soal 1. Peluang seorang lelaki yg telah menikah menonton suatu acara di tv adalah 0. 4 dan peluang seorang wanita yg telah menikah menonton acara TV yang sama 0. 5. Peluang seorang lelaki menoton acara TV tsb bila istrinya menonton adalah 0. 7. Hitunglah a. Peluang sepasang suami istri menonton acara TV tsb b. Peluang seorang istri menonton acara TV itu bila suaminya menonton acara TV tsb c. Peluang paling sedikit seorang dari sepasang suami istri menonton acara TV yang sama Latihan Soal • Selama beberapa tahun terakhir, diketahui bahwa perkantoran itu menggunakan listrik PLN adalah 0. 9 dan peluang menggunakan generator adalah 0. 1, peluang terjadi ketidakstabilan pada arus PLN 0, 2 dan peluang terjadi ketidakstabilan pada generator 0. 3. • Bila suatu saat diketahui terjadi ketidakstabilan arus listrik, maka berapakah probabilitas saat itu aliran listrik berasal dari generator? 3. Pada awal tahun 2015, rekrutmen personil berkualifikasi tinggi hanya terbuka untuk mahasiswa dari tiga universitas Universitas Laval, Universitas Montreal dan Concordia University. Informasinya adalah sebagai berikut • Tingkat keberhasilan pelamar dari Laval University 85%; • Tingkat keberhasilan pelamar dari Universitas Montreal 80%; • Tingkat keberhasilan pelamar dari Concordia University 90%; • Tingkat keberhasilan untuk semua calon adalah 82%. • Kami berasumsi bahwa hasil kompetisi tahun 2015 adalah perkiraan yang baik dari orang-orang dari tahun berikutnya. Selain itu, kita mengasumsikan bahwa proporsi siswa dari University of Montreal di kompetisi ini adalah dua kali lipat dari Laval University. • a Buatlah pohon peristiwa/pohon keadaan. Pastikan untuk menentukan peristiwa dan probabilitas terkait. Latihan Soal • b Tentukan proporsi mahasiswa dari tiga universitas Laval, Montreal dan Concordia untuk masuk kompetisi pada tahun 2003. • c Jika kita tahu bahwa seorang mahasiswa pelamar tidak lulus ujian, tentukan probabilitas bahwa ia datang dari Concordia University. Persiapan UTS > Pekan Depan • Bahan Materi Pertemuan 1 -7 • UTS bersifat open Note – Silakan membuat Ringkasan di kertas A 4 1 lembar/2 halaman bolak-balik – Boleh tulis tangan atau print ketik . 107 59 193 205 470 113 165 393
peluang seorang istri menonton tv sendiri 0 75
