BAB III : PROBABILITAS

3.1
3.2
3.3
3.4
3.5

Konsep dasar Probabilitas

Ruang sampel (Sample spaces) dan Kejadian (Events)
Harapan/ekspektasi matematis
Teori Bayes
Distribusi Probabilitas

3.1 Konsep dasar probabilitas

Probabilitas ( Probability) = kemungkinan terjadinya suatu peristiwa diantara keseluruhan
peristiwa yang bisa terjadi.
P = lim

~(

), dimana

P = ProbabIlitas terjadinya, bernilai antara 0 sd 1

0=tidak mungkin terjadi (impossible), 1=pasti terjadi (certain)
Jumlah probabilitas seluruh kejadian adalah 1
f = frekwensi terjadinya peristiwa
n = seluruh peristiwa

Q = 1 P, dimana Q: Probabilitas tidak terjadinya peristiwa.

Probabilitas dari suatu kejadian E adalah:
P(E) = jumlah hasil kejadian / total kemungkinan hasil kejadian dari ruang sampel
Contoh:
a) P ( dadu keluar angka 5)
= 1/6
b) P( dua dadu keluar angka 5 dan 6) = 2/36

3.2 Ruang sampel (Sample spaces) dan Kejadian (Events)

Ruang sampel = himpunan semua kemungkinan kejadian
Contoh:
a) Himpunan permukaan dari coin mata uang adalah 2 yaitu { Gambar, Angka }
b) Himpunan permukaan dari sebuah dadu adalah 6 yaitu { 1,2,3,4,5,6 }
c) Himpunan kartu Bridge adalah 52
d) Himpunan permukaan dari dua dadu adalah 36 yaitu { (1,2), (1,3), (1,4), dst }
e) Himpunan permukaan dari coin mata uang dan dadu adalah 12

Kejadian / Event (E):

Ada tiga hal yang perlu dicermati dalam kejadian, yaitu kejadian sederhana, hubungan kejadian,
susunan kejadiannya.
a) Kejadian sederhana
Kejadian dari satu objek pada satu saat
P(A) [0,1]
P(Ac) = 1 P(A)
Contoh:
Kejadian A: Gambar dari Koin,
maka P(A) = 1/2
Kejadian B: Angka 5 dari dadu,
maka P(B) = 1/6
Kejadian C: Kartu hitam dari Kartu bridge , maka P(C) = 13/52 =
Kejadian D: Bukan Kartu hitam dari Kartu bridge , maka P(DC) = 1 - = 3/4
b) Hubungan Kejadian
Kejadian dari beberapa objek pada satu saat,
Ada 3 macam hubungan dari objek-objek tersebut, yaitu;
1) Peristiwa atau ( OR )
P(A atau B) = P(A) + P(B) P(A B), peristiwa terjadi bersama-sama
= P(A) + P(B) P(A).P(B)
P(A)

Simple (marginal),

P(B)

Joint Probability

Contoh:
Kejadian : Koin dan dadu dilempar besama
P (Koin atau Dadu ) = 1/2 + 1/6 - 1/12 = 6/12 + 2/12 1/12 = 7/12
P( King atau Hitam ) = 4/52 + 26/ 52 - 4/52*26/52 = 28/52 =7/13
P(A atau B) = P(A) + P(B), mutual exclusive yaitu
(peristiwa saling meniadakan/peristiwa tak terjadi bersama-sama)
P(A)

P(B)

Contoh:
Kejadian : dadu dilempar dua kali
P( dadu 1 atau 5) = 1/6 + 1/6 = 2/6
Kejadian : Koin dan dadu dilempar sendiri-2
P( koin atau dadu) = 1/2 + 1/6 = 4/6
-

2) Peristiwa dan ( AND)

P(A)

P(B)

P(A dan B) = P(A B) = P(A) * P(B), independent yaitu

(peristiwa tidak saling mempengaruhi/ peristiwa terjadi bersama-sama).
Peristiwa A dan B independen jika probabilitas kejadian A tidak dipengaruhi
kejadian lain, P(A|B) = P(A) atau P(B|A) = P(B) sehingga P(A dan B)= P(A B)

P(A dan B) = P(A|B).P(B) = P(B|A).P(A),syarat peristiwa terjadi bertahap ( karena

kejadiannya dependent)
Contoh:
P (Koin dan Dadu ) = 1/2 * 1/6 = 1/12
P (Koin atau Dadu ) = 1/2 + 1/6 - 1/12 = 6/12 + 2/12 1/12 = 7/12
P( King dan Hitam ) = 4/52 * 26/ 52 = 1/13 * 1/2 = 1/26
P( King atau Hitam ) = 4/52 + 26/ 52 - 1/26 = 28/52 =7/13
3) Peristiwa bersyarat (GIVEN)
Peristiwa terjadi bertahap dan menjadi syarat pada peristiwa berikutnya.
Probabilitas kejadian B setelah peristiwa A terjadi adalah P(B|A) :
P(B|A) =

( )
( )

P(A)

( | ). ( )
( )

??

P(B)

Contoh:
Kejadian : Kartu Hitam setelah kartu King
P(Hitam | King) = P(Hitam dan King ) / P(King ) = (26/52 * 4/52) / (4/52) =
= (1/2*1/13) / (1/13) = 1 / 2
Kejadian : Kartu King setelah kartu Hitam
P(King | Hitam) = P(King dan Hitam) / P(Hitam) = (4/52*26/52) / (26/52) =
= (1/13*1/2) / (1/2) = 1/13
Kemungkinan calon mhs diterima di Jurusan Informatika adalah 30%, apabila mhs
tersebut diterima kemungkinan lulus 70%. Berapa probabilitas calon mhs akan
lulus menjadi sarjana?
A: Peristiwa calon mhs diterima, P(A) =0,3
B : Peristiwa setelah diterima & lulus sarjana , P(B|A)=0,7
P(B|A) =

( )
,
( )

0,7 = P( A dan B) / 0,3 sehingga P(A dan B) =0,7 * 0,3 = 0,21

c) Susunan Kejadian
Susunan objek dalam suatu kejadian dapat diatur secara permutasi atau kombinasi.
Permutasi (memperhatikan tata susunan), kombinasi (tidak memperhatikan tata susunan).
o

Permutasi
Permutasi adalah banyaknya susunan dari objek sejumlah n, tiap kali diambil sejumlah r
dalam tata urutan teratur.
P(n,r) = n! / ( n-r)! , n: objek r:cara
Contoh:
1) Pedagang A,B,C akan disusun teratur menempati lokasi perdagangan, berapa cara
penysusunnnya?
P(3,3) = 3! / (3-3)! = 3!/0! = 6/1 = 6
Cara penyusunan dg digaram pohon:
A B C : ABC
C B : ACB
B A C : BAC
C A : BCA
C A B : CAB
B A : CBA
2) Pedagang A,B,C akan disusun teratur menempati lokasi perdagangan dengan dua
susunan, berapa cara penysusunnnya?
P(3,2) = 3! / (3-2)! = 3!/1! = 6/1 = 6
Cara penyusunan dg digaram pohon:
A B : AB
C : AC
B A : BA
C : BC
C A : CA
B : CB

Kombinasi
Kombinasi adalah banyaknya susunan dari objek sejumlah n, tiap kali diambil sejumlah r
tanpa memperhatikan tata urutan .
C(n,r) = n! / r! ( n-r)! , n: objek r:cara

Contoh:
3) Pedagang A,B,C akan disusun sembarang menempati lokasi perdagangan, berapa
cara penysusunnnya?
C(3,2) = 3! /(2!* (3-2)!) = 3!/(2!*1! ) = 6/(2*1) = 3
Cara penyusunan dg digaram pohon:
A B : AB
C : AC
B A : BA (dihapus krn double dg AB)
C : BC
C A : CA (dihapus krn double dg AC)
B : CB (dihapus krn double dg BC)

3.3 Ekspektasi/Harapan Matematis

Harapan matematis adalah total nilai yang diharapkan dari sejumlah kejadian dengan
probabilitasnya, sehingga dapat digunakan untuk memilih alternatif paling menguntungkan.
E(Xi) =

. (

),

Xi : nilai yang diharapkan dari probabilitas P(Xi)

Contoh:
1. Pada permainan dadu, pemain akan mendapatkan hadiah Rp.15.000,- jika dadu yang keluar
diatas 4. Berapa nilai yang diharapkan pemain? ( berapa yang harus dibayar agar imbang ?)
E(X) = X5.P(X5) + X6.P(X6)
= 15.000 * 1/6 + 15.000 * 1/6 = 5.000
2. Seorang pedagang ikan untung Rp.1000.000 per hari jika cuaca cerah, tetapi akan rugi
Rp.200.000 jika cuaca hujan. Berapa nilai yang diharapkan jika kemungkinan hujan 40%?
E(X) = X1. P(X1) + X2.P(X2)
= 1.000.000 * 0,6 - 200.000 * 0,4
= 600.000 80.000 = 520.000

3.4 TEORI BAYES

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.
Kaidah Bayes merupakan pengembangan dari probabilitas bersyarat.
P (B|A ) = P(A dan B ) / P(A),

P (A dan B ) = P(A) x P(B|A) (1)

P (A dan B ) = P(B) x P(A|B) (2)
P(B) x P(A|B ) = P(A) x P(B|A)
P(A|B ) = ( P(A) x P(B|A) ) / P(B)

Teorema Bayes

P(A|B) : Peluang kejadian A jika B terjadi

Jika Aj ( j=1,2,3 ..n) merupakan sekatan-sekatan dari sebuah sampel S dan setiap peristiwa Aj
bersifat mutual eksklusif (saling meniadakan) serta probabilitasnya tak sama dg nol ( P(Aj) #0 ),
maka probabilitas terjadinya persitiwa A adalah:
P(A) = P(A1) x P(A/A1) + P(A2)xP(A/A2) + P(A3)xP(A/A3) + ...... + P(An)*P(A/An )
=

dalil Bayes I

( | )

Kemudian jika ada peristiwa lain Ak yang merupakan sekatan tertentu dari Aj (dimana :
1 ) dan P(Ak) 0, maka probabilitas peristiwa A dari sekatan Ak adalah;
P(A|

)=

( |

( | )
( | )

( | )
( | )

dalil Bayes II

( |

Contoh 1:
Tiga mesin menghasilkan output masing 50%, 30%, 20%, output yang rusak dari masing -2
mesin adalah 3%, 4%, 5%.
a) Berapa probabilitas output yg rusak dalam 1 kali sampel secara random?
b) Berapa probabilitas produk yg rusak berasal dari mesin pertama ?
Jwb:
Produk rusak = A, Mesin A1, A2, A3
a) P(A) = P(A1) x P(A/A1) + P(A2)xP(A/A2) + P(A3)xP(A/A3)
= 0,5 x 0,03
+ 0,3 x 0,04
+ 0,2 x 0,05
= 0,037
b)

P(A|

)=
=

)
%

( |
%

( )
( )

%
%

%
%

( |
( |

)
)
%

(
%)

( |

= 3,7%

(3,7% Rusak)

Contoh 2;
Cowok anda lagi bicara dengan seseorang berambut panjang. Berapa probabilitas lawan
bicaranya adalah wanita? Jika probabilitas wanita berambut panjang 0,75 sedangkan pria
berambut panjang 0,3.

W: kejadian bicara dengan Wanita,

P(W)=0,5
L : kejadian bicara dengan Laki-laki,
P(L) =0,5
J : kejadian bicara dengan berambut panjang, P(J|W)=0,75, P(J|L)=0,3
P(W|J) =

( | )
( ) ( | ))

( | )
,

= 0,714

3.5 Distribusi Probabilitas

Distribusi Probabilitas adalah sebuah daftar dari keseluruhan hasil suatu percobaan yang
disertai dengan probabilitas masing-masing hasil tersebut. Distribusi Probabilitas bisa
dinyatakan dalam daftar distribusi atau grafik histogram.
Contoh-1: Tiga koin logam dilempar keudara, tentukan distribusi probabilitas muncul Gambar
dari percobaan tersebut?
Jawab:
Probabilitas ketiga koin yaitu P(K1 dan K2 dan K3 )= 0,5 * 0,5 * 0,5 = 0,125
Jumlah percobaan = 8
Percobaan ke
K1 K2 K3 Probabilitas Gambar
1
A A A
0,125
0
2
A A G
0,125
1
3
A G A
0,125
1
4
A G G
0,125
2
5
G A A
0,125
1
6
G A G
0,125
2
7
G A G
0,125
2
8
G G G
0,125
3
Total Probabilitas
1
b). Distribusi Probabilitas
Probabilitas
0,375

0,125
0

Muncul Gambar

a.Tabel Distribusi
Gambar Probabilitas
0
0,125
1
0,375
2
0,375
3
0,125
Total
1

Contoh-2 : Dua dadu dilempar keudara, tentukan distribusi probabilitas dari percobaan
tersebut?
Permukaan dadu ada 6:

Jika dua buah dadu dilempar keudara, maka kemungkinan yang akan terjadi adalah
Percobaan
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

Dadu 1
1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3

Dadu 2
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6

Jml angka
2
3
4
5
6
7
3
4
5
6
7
8
4
5
6
7
8
9

Percobaan
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

Dadu 1
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6

Tabel Distribusi

Jml Angka
2
3
4
5
6
7
8
9
10
11
12

frekuensi probabilitas
1
1/36
2
2/36 = 1/18
3
3/36 = 1/12
4
4/36 = 1/9
5
5/36
6
6/36 = 1/6
5
5/36
4
4/36 = 1/9
3
3/36 = 1/12
2
2/36 = 1/18
1
1/36
36

Dadu 2
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6

Jml angka
5
6
7
8
9
10
6
7
8
9
10
11
7
8
9
10
11
12

Diagram Venn atau diagram set adalah diagram yang menunjukkan semua kemungkinan hubungan
logika dan hipotesis di antara sekelompok (set/himpunan/grup) benda/objek.