Anda di halaman 1dari 36

TEORI PROBABILITAS/PELUANG

TEORI PELUANG: antara lain membahas tentang


ukuran atau derajat ketidakpastian sesuatu peristiwa

EKSPERIMEN YANG DAPAT DIULANGI:
Mengundi dengan uang logam/dadu
Membaca temperatur udara tiap hari
Mencatat kendaraan yang melalui tikungan setiap jam
Menghitung barang yang rusak yang diproduksi tiap hari

PERISTIWA: Segala bagian yang mungkin didapat dari hasil eksperimen
Contoh: eksperimen mencatat banyaknya mobil yang melalui
sebuah tikungan setiap jam. Hasilnya bisa terdapat 0, 1, 2,
3. kendaraanmelalui tikungan itu.
Beberapa peristiwa yang didapat misalnya: tidak ada mobil
yang melalui tikungan dalam sejam, lebih dari 3 mobil per
jam, 6 mobil per jam dst.
TEORI PELUANG
DUA PERISTIWA ATAU LEBIH SALING EKSKLUSIF
Jika terjadinya peristiwa yang satu mencegah
terjadinya yang lain contoh: uji coba
melempar dengan uang logam bila gambar
garuda terjadi, berarti gambar angka tidak terjadi
Jika E memnyatakan suatu peristiwa terjadi,
maka E kita pakai menyatakan peristiwa itu tidak
terjadi. Dua peristiwa tersebut jelas saling
eksklusif.
Contoh: E berarti barang dihasilkan rusak, dan E
berarti barang yang dihasilkan tidak rusak. Dua
peristiwa itu saling eksklusif
DEFINISI PELUANG
DEFINISI PELUANG KLASIK:
Misalkan sebuah peristiwa E dapat terjadi
sebanyak n kali diantara N peristiwa
yang saling eksklusif dan masing-
masing terjadi dengan kesempatan
yang sama.
Maka Peluang peristiwa E terjadi adalah
Peluang peristiwa E = n/N
dan disingkat:
P(E) = n/N
DEFINISI PELUANG
Ketika melakukan undian dengan sebuah mata uang logam
bermuka 2 menghasilkan 2 peristiwa,
Berarti seluruh peristiwa N = 2, yaitu muka Garuda (G) diatas
dan muka huruf (H) diatas
Jika E = muka Garuda diatas, maka n = 1
Maka P(E) = P (muka G diatas) = P(G) =
Jelas P(G) = P(H) =
Undian dadu yang bermuka 6 menghasilkan 6 peristiwa, jadi N = 6
Juika E = muka bermata 4 diatas, maka n = 1, maka peluang
muka bermata 4 diatas = P(E) = P(mata 4) = 1/6
Jika E = muka bermata 1 diatas, maka n = 1, maka peluang
muka bermata satu P(E) = P(mata 1) = 1/6 dst.
Sebuah kotak berisi 20 kelereng yang identik kecuali warnanya.
Terdapat 5 berwarna merah, 12 berwarna kuning dan sisanya
berwarna hijau.
Maka peluang mengambil kelereng berwarna merah = 5/20 =
0,25;
peluang mengambil kelereng warna kuning = 12/20 = 0,6
peluang hijau = 3/20 = 0,15
BEBERAPA ATURAN PELUANG
P(E) n / N n = peristiwa yang diharapkan dpt terjadi
N = total peristiwa
Peluang peristiwa E P(E) = 0 peristiwa E pasti tidak terjadi
P(E) = 1 peristiwa pasti terjadi

P(E) = 1 - P(E) peristiwa E dan E saling berkomplemen


Dalam undian dengan sebuah dadu, misalnya E = mendapat
muka 6 disebelah atas, maka P(E) = 1/6. Jelas bahwa E =
bukan mata 6 yang diatas (1, 2, 3 atau lainnya), P(E) nya = 5/6
Kalau peluang mendapatkan hadiah = 0,51, maka peluang
tidak mendapat hadiah = 0.39
0 < P(E) < 1
P(E )+ P(E) = 1)
BEBERAPA ATURAN PELUANG
Jika k buah peristiwa yang saling eksklusif
E
1
, E
2
, E
k
saling eksklusif, maka peluang
terjadinya E
1
, E
2
, . atau E
k
sama dengan jumlah
peluang tiap peristiwa. Rumus:


Undian uang logam, P(G) = dan P(H) = ,
maka total P(E) + P(H) = 1
Mata dadu, P(mata-1) = P(mata-2) = P(mata-3) =
P(mata-4) = P(mata-5) = P(mata-6-) = 1/6
total P(mata-1) atau P(mata-2) atau P(mata-3)
atau P(mata-4) atau P(mata-5) atau P(mata-6) = 1
P(E
1
atau E
2
atau .. E
k
) = P(E
1
) +P(E
2
) + . + P(E
k
)
BEBERAPA ATURAN PELUANG
Sebuah kotak berisi 10 kelereng merah, 18 hijau dan 22
kuning.
Peluang mengambil kelereng merah = 10/(10+18+22) =
10/50= 0,2
Peluang mengambil kelereng hijau = 18/50 = 0,36
Peluang mengambil kelereng kuning = 22/50 = 0,44
Peluang mengambil kelereng merah atau kuning = 0,2 +
0,44 = 0,64
Ada 200 lembar undian berhadiah dimana terdapat sebuah
hadiah pertama, 5 hadiah kedua, 10 hadiah ketiga dan
sisanya tidak tak berhadiah. Seseorang membelinya selembar.
Berapa peluang orang itu akan memenangkan hadiah pertama
atau hadiah kedua?
Disini ada ada 4 peristiwa yang saling eksklusif yaitu A =
hadiah ke-1 , B = hadiah ke-2, C = hadiah ke-3 dan D =
tidak dapat hadiah.
P(A) = 1/200 = 0,005, P(B) = 5/200 = 0,025,
P(C) = 10/2000 = 0,05 , dan P(D) = 184/200 = 0,92
P(A atau B) = P(A) + P(B) = 0,005 + 0,025 = 0,03
BEBERAPA ATURAN PELUANG
HUBUNGAN BERSYARAT: jika peristiwa yang satu
menjadi syarat terjadinya peristiwa yang lain
A|B : peristiwa A terjadi harus didahului peristiwa B.
Peluangnya ditulis P (A|B)
PERISTIWA BEBAS (INDEPENDEN): jika terjadi atau
tidak terjadinya suatu peristiwa tidak mempengaruhi
terjadinya peristiwa yang lain

Jika A dan B Independen

Ditulis A dan B untuk menyatakan peristiwa-peristiwa
A dan B kedua-duanya terjadi. Maka berlaku:
akibatnya:
P (A|B) = P (A)
P (A dan B) = P (B) . P (A|B)
P (A dan B) = P (A) . P (B)
BEBERAPA ATURAN PELUANG
Jika hanya peristiwa peristiwa A terjadi, atau peristiwa B
terjadi, dimana tidak mungkin keduanya terjadi
eksklusif contoh: A = hari hujan , B = hari panas


Jika peristiwa A terjadi, atau peristiwa B terjadi, atau
kedua2nya terjadi, maka atau kedua2nya terjadi,
inklusif A = hujan, B = salju atau (A dan B) = hujan +
salju


Jika diketahui P(A) = 0,70; P(B) = 0,35 ; P(A dan B) = 0,15
P(A atau B) = 0,70 + 0,35 0,15 = 0,90
P(A atau B) = P(A) + P(B)
P(A atau B) = P(A) + P(B) P(A dan B)
LATIHAN
Jika peluang mendapatkan kartu raja = 1/13, dan
peluang mendapatkan kartu satu = 1/13, maka
berapa peluang mendapatkan kartu raja atau satu?
P(A atau B) = 1/13 + 1/13 = 2/13
Tentukan peluang untuk mendapatkan kartu skop
hitam atau kartu ratu merah pada permainan 52
kartu.
Karena ada 13 kartu skop hitam, maka peluang
mendapatkan kartu skop hitam = 13/52
Karena ada 2 kartu ratu merah, maka peluang
mendapatkan kartu ratu merah = 2/52
Peluang mendapatkan kartu raty merah dan skop
hitam = 13/52 + 2/52 = 15/52
LATIHAN
Peluang seorang pengunjung untuk pesan sate pada
restoran = 0,40, peluang pesan es teler = 0,25. Apabila
kedua peristiwa itu independen, berapa peluang seorang
pengunjung memesan sate dan es teler?
P(A dan B) = 0,40 x 0,25 = 0,1
Untuk menggambarkan k peristiwa independen, maka :


Ada 3 mata uang logam yang dilempar dalam permainan,
maka ada 3 peristiwa independen.
Peluang untuk mendapatkan gambar garuda = (1/2)
(1/2) (1/2) = 1/8
Permainan 4 buah dadu, berarti ada 4 peristiwa
independen, maka peluang mendapatkan mata 6,
(1/6) (1/6) (1/6) (1/6) = 1/1296
P(A1 dan A2 dan .. Ak) = P(1) . P(A2) ..P(Ak)
PEMBUATAN KEPUTUSAN
Melibatkan Teori Ekspektasi
Contoh: peluang mendapatkan jumlah A adalah P(A), maka
ekspektasi = A . P (A)
Jika peluang untuk mendapatkan jml. A
1
, A
2
, .dan A
k
adalah
P(A
1
) , P(A
2
) dan P(A
K
), maka:
Ekspektasi = A
1
. P (A
1
) + A
2
. P (A
2
) + . + A
k
. P (A
k
)
Contoh: permainan dadu:
Kita mendapat 2,00 USD bila mendapat mata-6
Kita mendapat 0,5 USD bila mendapat mata-5
Kita kehilangan 0,25 USD bila mendapat mata-4
Kita kehilangan 1,00 USD bila mendapat mata-3, 2 atau 1
A1 = 2,00 A2 = 0,50 A3 = -0,25 A4 = -1,00
P(A
1
) = 1/6 P(A
1
) = 1/6 P(A
1
) = 1/6 P(A
1
) = 1/6
Ekspektasi = (2,00)(1/6) + (0,50)(1/6) (0,25)(1/6)
(1,00)(1/6) = - 0,125.
Hal ini berarti rata-rata pada permainan ini kita akan
kehilangan 12,5 sen
VARIABEL ACAK
Adalah suatu fungsi
bernilai real yang
harganya ditentukan oleh
tiap anggota dalam ruang
sampel.
Suatu variabel acak akan
mempunyai harga
tertentu dari suatu
percobaan
Suatu Variabel acak
ditentukandalam huruf
besar, misalnya X.
Harganya dinyatakan
dalam huruf kecil,
misalnya : x
Kejadian sederhana P
AA 2
AI 1
IA 1
II 0
Contoh: Didalam suatu kardus
terdapat dua anak ayam (A) dan
dua anak itik (I). Secara acak
diambil dua ekor satu demi satu
tanpa pengembalian.Bila variabel
acak P menyatakan jumlah anak
ayam yang diambil, maka nilai p
yang mungkin dari variabel acak P
adalah:
Tabel 1 Kejadian yang mungkin
VARIABEL ACAK
Ruang sampel diskret : ruang sampel yang mengandung
titik sampel yang berhingga banyaknya.
Variabel acak diskret: variabel acak yang didefinisikan
pada ruang sampel diskret
Ruang sampel kontinu: ruang sampel yang mengandung
titik sampel yang tidak berhingga banyaknya.
Variabel acak kontinyu: variabel acak yang didefinisikan
pada ruang sampel kontinyu.
Pada persoalan praktis:
Variabel acak diskret menyatakan data yang dihitung:
jumlah anak ayam yang diambil; banyak barang yang cacat
dalam sampel berukuran k; bayak korban meninggal
disuatu jalan per tahun
Variabel acak kontinyu: data yang diukur: tinggi, berat,
suhu, umur, jarak, dll.
TEORI DISTRIBUSI PELUANG
Undian dengan 2 buah mata uang, maka distribusi peluangnya:
disebut: distribusi peluang
dimana:
x = 0 peluang tidak keluar gambar garuda
x = 1 peluang salah satu mata uang keluar
gambar garuda
x = 2 peluang ke-2 mata uang keluar
gambar garuda

Undian dengan 3 buah mata uang, maka distribusi peluangnya:

x P(x)
0 1/4
1 1/2
2 1/4
1
x P(x)
0
1/8
1
3/8
2
3/8
3
1/8
1
n
p (x
i
) = 1
i=1
Ekspektasi E(x) = x
i
. p (x
i
)
TEORI DISTRIBUSI PELUANG
Contoh: Jumlah mobil yang lewat suatu tikungan setiap
menit mengikuti distribusi peluang sbb.



Dalam satu menit paling sedikit ada 3 mobil lewat tikungan
itu, maka peluangnya = 1 (0,01 + 0,05 + 0,10) = 0,84
Rata2 mobil yang lewat tikungan itu tiap menitnya = (0)
(0,01) + (1) (0,05) + (2) (0,10) + (3) (0,28) + (4) (0,22) + (5)
(0,18) + (6) (0,08) + (7) (0,05) + (8) (0,03) = 3,94.
Atau terdapat 394 mobil yang lewat tikungan tiap 100 menit
Distribusi peluang di atas adalah distribusi diskret, tidak
kontinyu.
Jumlah mobil 0 1 2 3 4 5 6 7
Peluang 0,01 0,05 0,10 0,28 0,22 0,18 0,08 0,05
8
0,03
Berdasarkan pengelompokan ruang sampel dan variabel
bebas, distribusi peluang juga dibedakan :
Distribusi Peluang Diskret
Distribusi seragam
Distribusi binomial
Distribusi multinomial
Distribusi hipergeometrik
Distribusi posson
Distribusi binomial negatif
Distribusi geometrik
Distribusi Peluang Kontinyu
Distribusi normal (Distribusi Gauss)
Distribusi gamma
Distribusi eksponensial
Distribusi chi-kuadrat
Distribusi weilbull
a) Normal b) Triangular c) Uniform
d) Binomial e) Log Normal f) Pareto
BEBERAPA BENTUK KURVA
DISTRIBUSI FREKUENSI
DISTRIBUSI NORMAL/
KURVA NORMAL/DISTRIBUSI GAUSS
Distribusi kontinyu
Terpenting dalam bidang statistika, paling banyak
dipakai di Teknik Perminyakan
Grafik atau kurvanya berupa garis lengkung berbentuk
genta / lonceng (bell shape) dengan kedua ujung kurva
semakin mendekati sumbu x akan tetapi tidak pernah
memotongnya.
Menggambarkan berbagai kumpulan data yang ada di
alam.
Datanya bisa diukur
Jumlah data yang nilainya ekstrim (sangat besar atau
sangat kecil) tidak terlalu banyak
Data yang mempunyai atau mendekati nilai rata-rata,
jumlah/ frekuensinya terbanyak.
Setengah dari data mempunyai nilai lebih kecil atau sama
dengan nilai rata-rata dan setengahnya lagi mempunyai
nilai lebih besar atau sama dengan nilai rata-ratanya.
Bentuknya simetris thd X = (rata2) nilai mean =
median = modus
Luas dibawah kurva = 1 atau 100%
Persamaan matematik Distribusi
Peluang Normal (De Movre,
1733)
Y = ordinat kurva normal untuk
setiap harga x
= rata-rata
= simpangan baku
= konstanta = 3,142
e = konstanta = 2,718
~ = tak terhingga
Jarak antara nilai x terhadap
rata2 () disebut simpangan
baku dalam kurva normal:
Prob.(-1 <X< +1 = 68.27%
Prob.(-2 <X< +2 = 95.45%
Prob.(-3 <X< +3 = 99.73%
Contoh: ada 200 sampel data pendapatan per bulan dari
jumlah keseluruhan 5000 karyawan suatu perusahaan
mempunyai nilai rata-rata = Rp.10juta dan
simpangan baku = Rp.2jt, maka:
Prob.(10-1x2<X< 10+1x2jt) = 8<X<12 = 68.27%
Prob.(10-2x2<X< 10+2x2jt) = 6<X<14 = 95.45%
Prob.(10-3x2<X< 10+3x2jt) = 4<X<16 = = 99.73%
Berarti:
Pendapatan yang kurang dari 8jt atau lebih 12jt sebanyak =
100% - 68.27% = 31.73% x 5000 = 1587 karyawan
Pendapatan yang kurang dari 6jt atau lebih 14jt sebanyak =
100% - 95.45% = 4.55% x 5000 = 228 karyawan
Pendapatan yang kurang dari 4jt atau lebih 16jt sebanyak =
100% - 99.73% = 0.27% x 5000 = 14 karyawan

Bentuk kurva normal akan bergantung pada
nilai dan , sehingga bentuknya bisa
bermacam-macam.
Untuk memudahkan melihat berapa besarnya
probabilitas dari variabel X yang besarnya
diukur dengan besarnya simpangan baku dan
nilai rata-ratanya, digunaka KURVA NORMAL
BAKU KURVA Z.
KURVA Z adalah kurva normal yang sudah
diubah menjadi DISTRIBUSI Z yang rata-rata =
= 0 dan simpangan baku = = 1.
..\Tabel Kurva Normal.doc
Kesimpulan:
Suatu kelompok data dikatakan
mempunyai distribusi normal
atau hampir normal , jika:
kurang lebih 68% dari anggota
data mempunyai nilai X dalam
interval (-1 ) dan ( +1 );
kurang lebih 95% dari anggota
data mempunyai nilai X dalam
interval (-2 ) dan ( +2 );
kurang lebih 99% dari anggota
data mempunyai nilai X dalam
interval (-3 ) dan ( +3 )
Dalam kenyataan sangat sulit
dijumpai kejadian yg benar2
mempunyai distribusi normal
Dalam statistik: jika jumlah
data melebihi 30 sudah dapat
dianggap mempunyai
distribusi normal.
Sangat penting dan sering
digunakan dalam statistik
Berdasarkan tabel Z ..\Tabel kurva Normal.doc
didapat luasnya = 0,4772 atau 47,72%
Berdasarkan tabel Z ..\Tabel kurva Normal.doc didapat
Luas kurva normal 550 600 = 0,4928 0,3944 = 0,0984 =
9,84%
3. Dari hasil survei terhadap
200 petak tanah milik 200
petani di kabupaten
tangerang, ternyata hasil
panen padi rata-rata = 4000kg
per hektar dan dengan deviasi
standar/simpangan baku =
800 kg. Jika hasil panen dari
200 sampel tersebut diatas
datanya ternyata mendekati
distribusi normal, hitunglah :
Berapa kg hasil panen darri
para petani yang ada.
Berdasarkan tabel Z ..\Tabel
kurva Normal.doc
Jadi 10% petani yang hasil
panennya termasuk paling
rendah, maksimal 2976 kg dan
10% yang panennya termasuk
kelompok paling tinggi minimal
5024 kg
Berapa banyak (%)
petani yang hasil
panennya 2000 kg
atau kurang
(maksimum 2000
kg?
Jumlah petani yang
hasil panennya
maksimum 2000 kg
= 0,50 0,4938 =
0,0062% atau 1
orang
Berapa petani yang
hasil panennya
antara 4000 5000
kg?

Jumlah petani yang
hasil panennya
antara 4000 5000
= 0,3944 atau
39,44% atau 79
petani
Berapa hasil panen
tertinggi dari 10%
petani yang hasil
panennya termasuk
kelompok yang
paling rendah?

Hasil panen teringgi
dari 10% petani
yang panennya
termasuk kelompok
yang paling rendah
adalah 2976 kg.
DISTRIBUSI BINOMIAL
Disebut juga DISTRIBUSI BERNOULI
Adalah suatu distribusi teoritis yang
menggunakan variabel acak diskrit yang terdiri
dari dua kejadian yang berkomplemen, seperti
sukses-gagal, kepala-ekor, ya-tidak, rusak-
tidak rusak

CIRI-CIRI DISTRIBUSI BINOMIAL
Setiap percobaannya hanya memiliki dua
hasil,
Probabilitas suatu peristiwanya adalah tetap
untuk setiap percobaan
Percobaannya bersifat saling bebas
Jumlah percobaan yang merupakan komponen
percobaan binomial harus tertentu.

RUMUS
DISTRIBUSI BINOMIAL
RUMUS : P(X = x) = C
x
n
. P
x
. Q
n-x

dimana:
x = banyaknya peristiwa sukses
n = banyaknya percobaan
P = probabilitas peristiwa sukses
Q = probabilitas peristiwa gagal

n!
C
x
n
= ---------- n! = 1 x 2 x3 x 4 x 5 x . n
x! (n x)! 0! = 1,0

CONTOH SOAL 1
DISTRIBUSI BINOMIAL
Sebuah mesin memproduksi semacam alat, ternyata
hasil produksinya terdapat 5% rusak. Jika secara acak
diambil 10 buah dari alat tersebut untuk diperiksa,
berapa probabilitas akan didapat a) 2 rusak dan b)
tidak ada yang rusak?
n = 10 P = 5% = 0,05 Q = 95% = 0,95
RUMUS : P(X=x) = C
x
n
. P
x
. Q
n-x

P(X=2) = C
2
10
. (0,05)
2
. (0,95)
8
= 45 (0.0025) (0,66)
= 0,07425
P(X=0) = C
0
10
. (0,05)
0
. (0,95)
10
= 1 (1) (0,60) =
0,60
CONTOH SOAL 2
DISTRIBUSI BINOMIAL
Suppose we are drilling five wildcats in a new
basin where the chance of discovery (wildcat
success ratio) is 0,15 on each well. Assuming
each well is a Bernouli trials, what is the
probability of only one discovery in the five wells?
n = 5 P = 0,15 Q = 0,85 x = 1
RUMUS : P(X=x) = C
x
n
. P
x
. Q
n-x

P(X=1) = C
1
5
. (0,15)
1
. (0,85)
5-1
= 5(0,15)
1
.
(0,85)
4
= 0,3915