 MATERI KULIAH

Bab VII : Pengantar Peluang (Probabilitas)

Posted by vebriana parmita on November 4, 2013
Posted in: Statistika Ekonomi. Leave a comment

A. Pengertian Probabilitas

Probabilitas atau Peluang adalah suatu ukuran tentang kemungkinan suatu peristiwa (event)
akan terjadi di masa mendatang. Probabilitas dapat juga diartikan sebagai harga angka yang
menunjukkan seberapa besar kemungkinan suatu peristiwa terjadi, di antara keseluruhan
peristiwa yang mungkin terjadi. Probabilitas dilambangkan dengan P.

 Contoh 1: Sebuah mata uang logam mempunyai sisi dua (H & T) kalau mata uang tersebut
dilambungkan satu kali, peluang untuk keluar sisi H adalah ½.
 Contoh 2: Sebuah dadu untuk keluar mata ‘lima’ saat pelemparan dadu tersebut satu kali
adalah 1/6 (karena banyaknya permukaan dadu adalah 6).

Rumus :

P (E) = X/N

P: Probabilitas

E: Event (Kejadian)
 X: Jumlah kejadian yang diinginkan (peristiwa)

N: Keseluruhan kejadian yang mungkin terjadi

Probabilitas yang rendah menunjukkan kecilnya kemungkinan suatu peristiwa akan terjadi. Suatu
probabilitas dinyatakan antara 0 sampai 1 atau dalam presentase. Probabilitas 0 menunjukkan
peristiwa yang tidak mungkin terjadi, sedangkan probabilitas 1 menunjukkan peristiwa yang pasti
terjadi.

Ada tiga hal penting dalam probabilitas, yaitu:

1. Percobaan adalah pengamatan terhadap beberapa aktivitas atau proses yang memungkinkan
timbulnya paling sedikit 2 peristiwa tanpa memperhatikan peristiwa mana yang akan terjadi.
2. Hasil adalah suatu hasil dari sebuah percobaan.
3. Peristiwa adalah kumpulan dari satu atau lebih hasil yang terjadi pada sebuah percobaan atau
kegiatan.

B. Manfaat Probabilitas dalam Peneitian

Manfaat probabilitas dalam kehidupan sehari-hari adalah membantu kita dalam mengambil suatu
keputusan, serta meramalkan kejadian yang mungkin terjadi. Jika kita tinjau pada saat kita
melakukan penelitian, probabilitas memiliki beberapa fungsi antara lain:

 Membantu peneliti dalam pengambilan keputusan yang lebih tepat.

 Dengan teori probabilitas kita dapat menarik kesimpulan secara tepat atas hipotesis yang
terkait tentang karakteristik populasi.
 Mengukur derajat ketidakpastian dari analisis sampel hasil penelitian dari suatu populasi.

C. Pendekatan Probabilitas

Ada 3 (tiga) pendekatan konsep untuk mendefinisikan probabilitas dan menentukan nilai-nilai
probabilitas, yaitu : (1). Pendekatan Klasik, (2). Pendekatan Frekuensi Relatif, dan (3).
Pendekatan Subyektif.

1. Pendekatan Klasik

Pendekatan klasik didasarkan pada sebuah peristiwa mempunyai kesempatan untuk terjadi
sama besar (equally likely). Probabilitas suatu peristiwa kemudian dinyatakan sebagai suatu
rasio antara jumlah kemungkinan hasil dengan total kemungkinan hasil (rasio peristiwa terhadap
hasil).
 Probabilitas suatu peristiwa = Jumlah kemungkinan hasil / Jumlah total kemungkinan
hasil
Jika ada a kemungkinan yang dapat terjadi pada kejadian A dan ada b kemungkinan yang dapat
terjadi pada kejadian A, serta masing-masing kejadian mempunyai kesempatan yang sama dan
saling asing, maka probabilitas/peluang bahwa akan terjadi a adalah:
P (A) = a/a+b ; dan peluang bahwa akan terjadi b adalah: P (A) = b/a+b

Contoh:

Pelamar pekerjaan terdiri dari 10 orang pria (A) dan 15 orang wanita (B). Jika yang diterima
hanya 1, berapa peluang bahwa ia merupakan wanita?

Jawab:

P (A) = 15/10+15 = 3/5

2. Pendekatan Relatif
Besarnya probabilitas suatu peristiwa tidak dianggap sama, tetapi tergantung pada berapa
banyak suatu peristiwa terjadi dari keseluruhan percobaan atau kegiatan yang dilakukan.
probabilitas dapat dinyatakan sebagai berikut :

Probabilitas kejadian relatif = Jumlah peristiwa yang terjadi / Jumlah total percobaan atau
kegiatan

Jika pada data sebanyak N terdapat a kejadian yang bersifat A, maka probabilitas/peluang akan
terjadi A untuk N data adalah: P (A) = a/N

Contoh:

Dari hasil penelitian diketahui bahwa 5 orang karyawan akan terserang flu pada musim dingin.
Apabila lokakarya diadakan di Puncak, berapa probabilitas terjadi 1 orang sakit flu dari 400
orang karyawan yang ikut serta?

Jawab:

P (A) = 5/400 = P (A) = 1/80

 3. Pendekatan Subjektif
Besarnya suatu probabilitas didasarkan pada penilaian pribadi dan dinyatakan dalam derajat
kepercayaan. Penilaian subjektif diberikan terlalu sedikit atau tidak ada informasi yang diperoleh
dan berdasarkan keyakinan.

D. Konsep Dasar dan Hukum Probabilitas

Dalam mempelajari hukum dasar probabilitas berturut-turut akan dibahas hukum penjumlahan
dan hukum perkalian.

1. Hukum Penjumlahan
Hukum penjumlahan menghendaki peristiwa saling lepas (mutually exclusive) dan
peristiwa/kejadian bersama (non mutually exclusive).

 Saling meniadakan (mutually exclusive)

Apabila suatu peristiwa terjadi, maka peristiwa lain tidak dapat terjadi pada saat bersamaan.
Rumus penjumlahan untuk kejadian-kejadian yang saling meniadakan:
P (A U B) = P (A atau B)= P (A) + P (B)

Contoh:

Probabilitas untuk keluar mata 2 atau mata 5 pada pelemparan satu kali sebuah dadu adalah:

P(2 U 5) = P (2) + P (5) = 1/6 + 1/6 = 2/6

 Kejadian Bersama (Non Mutually Exclusive)

Peristiwa Non Mutually Exclusive (Joint) dua peristiwa atau lebih dapat terjadi bersama-sama
(tetapi tidak selalu bersama).
Rumus penjumlahan untuk kejadian-kejadian yang tidak saling meniadakan:

Dua Kejadian

P (A U B) =P(A) + P (B) – P(A ∩ B)

 Tiga Kejadian

P(A U B U C) = P(A) + P(B) + P(C) – P(A ∩ B) – P(A ∩ C) – P(B ∩ C) + P(A ∩ B ∩ C)

Peristiwa terjadinya A dan B merupakan gabungan antara peristiwa A dan peristiwa B. Akan
tetapi karena ada elemen yang sama dalam peristiwa A dan B, Gabungan peristiwa A dan B
perlu dikurangi peristiwa di mana A dan B memiliki elemen yang sama. Dengan demikian,
probabilitas pada keadaan di mana terdapat elemen yang sama antara peristiwa A dan B maka
probabilitas A atau B adalah probabilitas A ditambah probabilitas B dan dikurangi
probabilitas elemen yang sama dalam peristiwa A dan B.

 Peristiwa Pelengkap (Complementary Event)

Apabila peristiwa A dan B saling melengkapi, sehingga jika peristiwa A tidak terjadi, maka
peristiwa B pasti terjadi. Peristiwa A dan B dikatakan sebagai peristiwa komplemen.
Rumus untuk kejadian-kejadian yang saling melengkapi :

P(A)+P(B) = 1 atau P(A) = 1 – P(B)

2. Hukum Perkalian

 Hukum Bebas (independent)

Hukum perkalian menghendaki setiap peristiwa adalah independen, yaitu suatu peristiwa
terjadi tanpa harus menghalangi peristiwa lain terjadi. Peristiwa A dan B independen, apabila
peristiwa A terjadi tidak menghalangi terjadinya peristiwa B.

P(A ∩ B) = P (A dan B) = P(A) x P(B)

Contoh soal 1:
 Sebuah dadu dilambungkan dua kali, peluang keluarnya mata 5 untuk kedua kalinya adalah:

P (5 ∩ 5) = 1/6 x 1/6 = 1/36

Contoh soal 2:

Sebuah dadu dan koin dilambungkan bersama-sama, peluang keluarnya hasil lambungan
berupa sisi H pada koin dan sisi 3 pada dadu adalah:

P (H) = ½, P (3) = 1/6

P (H ∩ 3) = ½ x 1/6 = 1/12

 Peristiwa Bersyarat (Tidak Bebas) / (Conditional Probability)

Probabilitas bersyarat adalah probabilitas suatu peristiwa akan terjadi dengan ketentuan
peristiwa yang lain telah terjadi. Peristiwa B terjadi dengan syarat peristiwa A telah terjadi.

P(A dan B) = P(A x P(B|A) atau P(B dan A) = P(B) x P(A|B)

Contoh :

Dua kartu ditarik dari satu set kartu bridge, peluang untuk yang tertarik keduanya kartu as adalah
sebagai berikut: Peluang as I adalah 4/52 -> P (as I) = 4/52

Peluang as II dengan syarat as I sudah tertarik adalah 3/51

P (as II │as I) = 3/51

P (as I ∩ as II) = P (as I) x P (as II│ as I) = 4/52 x 3/51 = 12/2652 =1/221

E. Diagram Pohon Probabilitas

Diagram pohon merupakan suatu diagram yang menyerupai pohon dimulai dari batang
kemudian menuju ranting dan daun. diagram pohon dimaksudkan untuk membantu
menggambarkan probabilitas atau probabilitas bersyarat dan probabilitas bersama. diagram
pohon sangat berguna untuk menganalisis keputusan-keputusan bisnis dimana terdapat
tahapan-tahapan pekerjaan.

Contoh:

F. Ruang Sampel dan Titik Sampel

Ruang sampel adalah himpunan dari semua hasil yang mungkin pada suatu
percobaan/kejadian. Ruang Sampel suatu percobaan dapat dinyatakan dalam bentuk diagram
pohon atau tabel.

Titik Sampel adalah anggota-anggota dari ruang sampel atau kemungkinan-kemungkinan yang
muncul.

Contoh:
Pada percobaan melempar dua buah mata uang logam (koin) homogen yang berisi angka (A)
dan gambar (G) sebanyak satu kali. Tentukan ruang sampel percobaan tersebut.
a. Dengan Diagram Pohon

Kejadian yang mungkin:

AA : Muncul sisi angka pada kedua koin
AG : Muncul sisi angka pada koin 1 dan sisi gambar pada koin 2
b. Dengan Tabel

Ruang sampel = {(A,A), (A,G), (G,A), (G,G)}

Banyak titik sampel ada 4 yaitu (A,A), (A,G), (G,A), dan (G,G)
G. Teorema Bayes
Dalam teori probabilitas dan statistika, teorema Bayes adalah sebuah teorema dengan dua
penafsiran berbeda. Dalam penafsiran Bayes, teorema ini menyatakan seberapa jauh derajat
kepercayaan subjektif harus berubah secara rasional ketika ada petunjuk
baru. Dalam penafsiran frekuentis teorema ini menjelaskan representasi invers probabilitas dua
kejadian. Teorema ini merupakan dasar dari statistika Bayes dan memiliki penerapan dalam
sains, rekayasa, ilmu ekonomi (terutama ilmu ekonomi mikro), teori permainan, kedokteran dan
hukum. Penerapan teorema Bayes untuk memperbarui kepercayaan dinamakan inferens Bayes.

atau

H. Prinsip Menghitung
1. Faktorial
Faktorial digunakan untuk mengetahui berapa banyak cara yang mungkin dalam mengatur
sesuatu. Hasil perkalian semua bilangan bulat positif secara berurutan dari 1 sampai dengan n
disebut n faktorial. Dari definisi faktorial tersebut, maka dapat dituliskan prinsip menghitung
faktorial sebagai berikut :

n ! = n x (n-1) x (n-2) x (n-3) x … 3 x 2 x 1

n ! dibaca n faktorial

nb: 0! = 1dan 1! = 1
Contoh:

3! = 3 x 2 x 1 = 6
5! = 5 x 4 x 3 x 2 x 1 = 120

2. Permutasi
Permutasi digunakan untuk mengetahui jumlah kemungkinan susunan (arrangement) jika
terdapat satu kelompok objek. pada permutasi berkepentingan dengan susunan atau urutan dari
objek. Permutasi dirumuskan sebagai berikut :

atau

dimana :
P = Jumlah permutasi atau cara objek disusun
n = jumlah total objek yang disusun
r/k = jumlah objek yang digunakan pada saat bersamaan, jumlah r/k dapat sama dengan n atau
lebih kecil
! = tanda dari faktorial

Contoh:

Di kantor pusat DJBC Ada 3 orang staff yang dicalonkan untuk menjadi mengisi kekosongan 2
kursi pejabat eselon IV. Tentukan banyak cara yang bisa dipakai untuk mengisi jabatan
tersebut?

jawab : Permutasi P (3,2), dengan n =3 (banyaknya staff) dan k =2 (jumlah posisi yang akan
diisi)

Permutasi Unsur-unsur yang sama

Contoh:

Tentukan permutasi atas semua unsur yang dibuat dari kata MATEMATIKA!

Jawab: pada kata MATEMATIKA terdapat 2 buah M, 3 buah A, dan 2 buah T yang sama,
sehingga permutasinya adalah:

Permutasi Siklis

RUMUS: banyaknya permutasi = (n-1)!

Contoh:

Suatu keluarga yang terdiri atas 6 orang duduk mengelilingi sebuah meja makan yang berbentuk
lingkaran. Berapa banyak cara agar mereka dapat duduk mengelilingi meja makan dengan cara
yang berbeda?
Jawab :
Banyaknya cara agar 6 orang dapat duduk mengelilingi meja makan dengan urutan yang
berbeda sama dengan banyak permutasi siklis (melingkar) 6 unsur yaitu :

3. Kombinasi

Kombinasi digunakan apabila ingin mengetahui berapa cara sesuatu diambil dari keseluruhan
objek tanpa memperhatikan urutannya. Jumlah kombinasi dirumuskan sebagai berikut:
Contoh:

Saat akan menjamu Bayern Munchen di Allianz arena, Antonio Conte (Pelatih Juventus) punya
20 pemain yang akan dipilih 11 diantaranya untuk jadi starter. Berapa banyak cara pemilihan
starter tim juventus? (tidak memperhatikan posisi pemain).
 Ekspektasi Matematika

1. Pengantar

Melalui f.k.p dari peubah acak X. Anda dapat memahami bentuk distribusi harga-harga X. Dengan
bantuan ekspektasi matematika, atau nilai harapan . Anda dapat mengkaji sifat-sifat dari distribusi
tersebut. Pada pokok bahasan ini kita akan mempelajari pengertian ekspekasi matematika, sifat-
sifatnya serta beberapa aplikasinya. Pokok bahasan ini dibagi dalam dua kegiatan belajar. Kegiatan
belajar 1 membahas tentang pengertian ekspektasi matematika dan beberapa jenis ekspektasi
matematika, yakni: mean, variansi, dan fungsi pembangkit momen. Di sini disinggung pula tentang
fungsi karakteristik. Selanjutnya, kegiatan belajar 2 membahas tentang ketidaksamaan Chebyshev,
yang memberikan batas atas ( atau batas bawah ) dari harga peluang suatu peristiwa tertentu.

2. Tujuan Instruksional Umum.

Setelah mempelajari pokok bahasan, anda diharapkan mampu memahami pengertian dan sifat-sifat
ekspektasi matematika.

3. Tujuan Instruksional Khusus.

Setelah mempelajari pokok bahasan ini dengan baik, anda diharapkan :

a. Menjelaskan pengertian ekspektasi matematika dari fungsi satu atau beberapa peubah acak.

b. Menjelaskan dan menggunakan sifat-sifat ekspektasi matematika.

c. Menjelaskan dan menghitung mean serta variansi menurut defenisi.

d. Menghitung variansi dengan menggunakan rumus :

=E()-

e. Menjelaskan dan mengcari fungsi pembangkit momen dari suatu peubah acak.

f. Menghitung mean dan variansi dengan menggunakan f.p.m.

g. Mencari momen dengn menggunakan f.p.m.

h. Menjel;askan kembali Teorema 1. Pada kegiatan belajar 2.

i. Menggunakan ketidaksamaan Chebyshev.

j. Menggunakan ketidaksamaan Chebyshev untuk mencari ;

 (i). Batas atas dari harga

(ii). Batas bawa dari harga

4. Kegiatan belajar 1.

Pengertian dan jenis-jenis Ekspektasi matematika.

4.1. Uraian Dan Contoh .

Misalkan x suatu peubah acak dengan ruangnya dan f . k punya f (x ). Ini berarti bahwa harga-harga
x di terdistribusi yang dinyatakan oleh f (x ). Konsep ekspektasi matematika dalam teori peluang
adalah serupa dengan konsep pusat massa dari suatu benda yang memiliki rapat massa f (x ).
Konsep ini dirumuskan sebagai berikut .

Definisi : Misalkan (x) suatu fungsi dari x . besaran

(jika ada ), dinamakan ekspektasi matematika atau nilai harapan dari u (x)

Pada defenisi perlu anda pehatikan baik-baik bahwa u (x) adalah fungsi dari x . disebut saja y = u (x)
. Maka y memiliki f,k,.p tersendiri dan ruangnya tersendiri . Misalnya f.k.p. nya g(y) dan
ruangnya .y maka :

(iii). Jika k1 . k2……km konstanta - konstanta dan P1.P2…….Pmfungsi-fungsi dari satu atau beberapa
peubah acak, maka :

E [ k1 .v1 + k2.v2+ ……+ km. vm ] = k1 E {v1} + k2 E [V2] + …….+ km E [ Vm]

Berikut ini dikemukakan beberapa contoh perhitungan ekspektasi matematika. Contoh pertama
tentang satu peubah acak kontinu. Contoh kedua dan ketiga tentang satu peubah acak distribisi
diskrit dan contoh keempat tentang dua peubah acak kontinu.

Contoh 2 :

Misalkan x memiliki f.k.p sebagai berikut :

Carilah : E (X) , E ( dan E ( 6x + 3 ).

Penyelesaian :
Oleh karena itu

= x kontinu

Dan

Konsep ekspektasi matematik dapat dikembangkan pada beberapa peubah acak sekaligus .misalkan
f(X1.X 2……… Xn). F.k.p bersama dari X1 .X2……Xn. Besaran (jika ada):

E [u ( X1, X2………,Xn ) ].

Dinamakan ekspektasi matematik atau nilai harapan dari :

u (x1 . x2 ….xn )

Pengamatan terhadap definisi di atas menunjukkan bahwa ekspektasi matematik, yang

diberi lambing E, adalah suatu operator linier. Artinya E bersifat :

(i) E (k) = k untuk setiap konstanta k

(ii) Jika k suatu konstanta dan v suatu fungsi dari satu atau beberapa peubah acak ,maka ;

E [ kv ] = k E (v)

(iii) Jika k1,k2,…km konstanta-konstanta dan v1.v2….vm fungsi-fungsi dari satu atau beberapa
peubah acak, maka :

E [ k1 v1 + k2 v2 + …+ km vm = k1 E[v1] + k2 E [v2]+……+km E[vm]

Berikut ini dikemukakan beberapa contoh perhitungan ekspektasi matematik .Contoh pertama
tentang satu peubah acak kontinu. Contoh kedua dan ketiga tentang satu peubah acak diskrit , dan
contoh keempat tentang dua peubah acak kontinu.

Contoh 2 :

Misalkan x memiliki f.k.p sebagai berikut :

f (x)=

Carilah E(X), E(X2) dan EK(6X + 3X2)

Penyelesaian

a. E

b. E

c. E

Contoh 3:

Misalkan X memiliki f. k.p sebagai berikut:

Carilah E(x) dan E(x3)

Penyelesaian:

a).

b).

Contoh 4:

Sebuah kotak berisi 5 bola : 3 bola merah dan 2 bola putih. Si Budi mengambil 2 bola putih. Si
Budi mengambil 2 bola sekaligus secara acak dari kotak itu.

Untuk setiap bola merah yang mengambil, dia memperoleh hadiah Rp 1000 sedangkan untuk setiap
b ola putih yang terambil. Dia mendapat Rp 4000. Berapakah jumlah hadiah yang diharapkan Budi?

Penyelesaian:

Kita tuliskan x peubah acak yang menyatakan jumlah hadiah yang diperoleh akan dicari E(X).

X adalah peubah acak diskrit ddan ruangnya adalah

= .Misalkan f, k, p, nya f(x).

Maka:

Sekarang kita peroleh:

=4400

Jadi jumlah hadiah yang diharapkan adalah Rp4400

Contoh 5

f.k.p. bersama dari x dan y adalah,

Carilah E(x) dan E(xy2)

Penyelesaian:

a).

b).
 =

Catatan:

Perhatikan baik-baik bahwa:

Pada contoh 2,

Pada contoh 3,

Fenomena ini memperlihatkan bahwa pada umumnya belum tentu sama dengan

Dalam praktek, ada beberapa jenis ekspentansi matematik yang sering digunakan. Empat jenis
diantaranya akan dibahas di sini, yakni: mean,variasi,fungsi pembangkit momen dan fungsi
karakteristik.

Untuk itu misalkan peubah acak x memiliki f.k.p.f(x).

1).Mean dari x

Besaran dinamakan mean dari x. Telah diutarakan di depan bahwa pengertian ekspektasi matematik
serupa dengan pengertian pusat masa. Khususnya dalam hal x kontinu, mean dapat ditulis sebagai
berikut:

Dalam kalkulus, formulasi ini menyatakan pusat masa benda yang memiliki rapat masa f(x). Jadi dapt
diartikan sebagai titik disekitar mana harga-harga terkonsentrasi.

2). Variansi dari x

Besaran dinamakan variansi dari x sedangkan (akar positif dari variansi) dinamakan deviasi standar
dari x. Khususx dalam hhal x kontinu, dapat ditulis sebagai berikut:

Dalam kalkulus, formulasi ini menyatakan momen inersia benda yang mempunyai rapat masa f(x), di
sekitar . Jadi dapat diartikan sebagai ukuran penyebaran harga-harga x disekitar titik . Pada teorema
berikut ditemukan cara menghitung yang lebih sederhana.

Teorema 1:

Variasi dari x dapat ditulis sebagai berikut:

Bukti :

Catatan :

Khususnya apabila ruang cari x hanya terdiri atas 1 buah titik, maka =0

Contoh 6:
Misalkan peubah acak x mempunyai f.k.p sebagai berikut:

Hitunglah mean,variansi dan deviasi standar dari x.

Penyelesaian:

a). Mean dari x, adalah:

b).

jadi, variansi dari x adalah,

c).deviasi standar dari x adalah

Mean dan variansi, tidak dijamin selalu ada. Hal ini akan tergantung kepada f.k.p.nya. Umpamanya
seperti pada contoh berikut:

Contoh 7:

Misalkan peubah acak x memiliki f.k.p sssebagai berikut:

Carilah mean dan variansi dari x

Penyelesaian:

Mean dari x adalah:

Jadi, tidak ada

Karena tidak ada, maka pun tidak ada.

Penyelesaian:

Mean dari x, adalah:

Jadi tidak ada, maka pun tidak ada.

FUNGSI PEMBANGKIT MOMEN

Asalkan h suatu bilangan riil positif sehingga, harga E untuk setiap t di (-h,h). Fungsi dinmakan
fungsi pembangkit momen (f,p,m) dari x Nama ini dipakai, mengingat bahwa fungsi m(t) jika ada,
dapat menentukan momen-momen dari x secara langsung.

Salah satu sifat yang penting dari f,p,m. m(t) adalah bahwa m(t) unik untuk setiap f,k,p. Demikianpula
sebaliknya, terdapat korespondensi 1-1 antara f,p,m dan f,k,p. Buki dari sifat ini dapat anda temukan
dalam mata kuliah analisis. Khusus untuk kasus x diskrit, sifat tersebut dapat dijelaskan melalui
contoh berikut:
Contoh 8:

Misalkan sebuah acak x memiliki f,p,m. sebagai berikut:

Tentekan f,p,m dari x memiliki bentuk:

Jadi x dikstrit. Oleh karena itu, kita tuliskan

sekarang perrhatikan persamaan berikut.

Kesamaan ini berlaku untuk setiap t. sedangkan akibatnya, ruas kanan haruslah terdiri atas 4 suku
yang tidak nol. Misalkan ruas kanan tersebut adalah :

Jadi dapat kita ambil

Dengan demikian f,k,p dari x adalah:

Catatan: Berdasarkan uraian dan contoh di atas, maka: