Makalah Fix Probabilitas
Makalah Fix Probabilitas
PENDAHULUAN
1.1 Latar Belakang
Baik di dalam dunia engineering, ekonomi, social, budaya maupun dunia
teoritis (termasuk dunia komputer), kita sering menghadapi suatu yang sering
disebut sebagai ketidakpastian. Ketidakpastian terjadi akibat keterbatasan
manusia itu sendiri di dalam dunianya dalam mengukur menghitung, menalar,
meramal suatu hal baik yang akan dating maupun yang ada di depan mata,
termasuk yang telah terjadi. Sudah sejak awal zaman, ketidakpastian diantisipasi
menusia dengan berbagai cara. Ada cara yang bersifat prophecy dan supranatural,
ada pula yang lebih rasional dengan mempelajari periodisitas (pengulangan)
gejala alam untuk mengurangi tingkat ketidakpastian itu mungkin menjadi faktor
pemicu dinamika roda kehidupan itu sendiri. Dengan kata lain, walau
ketidakpastian itu seringkali menjadi sumber kesulitan, tetapi juga sekaligus
merupakan blessing.
Teori probabilitas bisa dikatakan merupakan salah satu ilmu untuk
mengukur ketidakpastian hingga ke tingkat yang lebih manageable dan
predictable.Teori probabilitas digunakan bukan hanya untuk hal-hal yang praktis,
bahkan juga untuk hal-hal yang teoritis ketika model-model matematis tidak dapat
lagi disusun secara komprehensif untuk memecahkan suatu masalah.Apalagi
dunia engineering yang pada umumnya memerlukan pertimbangan yang lebih
singkat dan pragmatis sangat mengandalkan konsep-konsep di dalam teori
probabilitas.
Metode statistika adalah muka dari teori probabilitas. Metode statistika
digunakan untuk melakukan pengukuran kuantitatif yang aproksimatif akan suatu
hal. Konsep metodologis yang digunakan di dalam statistika dikembangkan
berdasarkan teori probabilitas.Dalam penggunaanya, hasil pengukuran statistika
sudah dapat dianggap memadai. Namun, untuk memahami apa yang ada di balik
angka-angka hasil penghitungan statistika tersebut memerlukan pemahaman
mengenai model probabilitas yang digunakannya, yang artinya perlu kembali ke
teori probabilitas. Tanpa pemahaman tersebut, seringkali statistic digunakan untuk
Probabilitas
hanyalah
suatu
sistematika
ilmu
untuk
mempelajari
1.4 Manfaat
Manfaat yang dapat diperoleh baik oleh penulis maupun pembaca adalah:
Meningkatkan keterampilan menyusun suatu karya ilmiah dalam bentuk makalah
yang sesuai dengan sistematika penyusunan karya tulis, memberi pengetahuan
terkait probabilitas yang nantinya pengetahuan yang diperoleh dapat diberdayakan
ketika hendak meneliti suatu pengetahuan baru agar bisa dihasilkan ilmu
pengtahuan yang benar-benar berfaedah bagi kehidupan manusia
Probabilitas
BAB II
PEMBAHASAN
Probabilitas
1. Eksperimen,
2. Hasil (outcome)
3. Kejadian atau peristiwa (event)
Contoh :
Dari eksperimen pelemparan sebuah koin.Hasil (outcome) dari pelemparan
sebuah koin tersebut adalah MUKA atau BELAKANG.Kumpulan dari
beberapa hasil tersebut dikenal sebagai kejadian (event).Probabilitas biasanya
dinyatakan dengan bilangan desimal (seperti 0,500,25 atau 0,70) atau bilangan
pecahan (seperti
5 , 25 , atau 70
10 100
100
Probabilitas
dua
kejadian
tidak
mutually
excusive,
maka
harus
Probabilitas
anggota dari S adalah N(S) =36 . S adalah himpunan terhingga, jelas S terhitung,
jadi S adalah ruang sampel diskrit. Jika diasumsikan setiap titik sampel dari S
memiliki kesempatan yang sama untuk muncul, S adalah ruang sampel uniform.
Catatan: Dadu yang menghasilkan ruang sampel S uniform dinamakan dadu
jujur atau dadu homogin. Perlu diperhatikan, bahwa tidak setiap dadu bersisi 6,
ada pula dadu yang bersisi tidak 6, misalnya dadu bersisi 4 atau bidang 4
beraturan
Dalam analisis probabilitas tak pernah lepas dengan istilah ruang dan
peristiwa. Data diperoleh baik dari pengamatan kejadian yang tak dapat
dikendalikan atau dari percobaan yang dikendalikan dalam laboratorium. Untuk
penyederhanaan digunakan istilah eksperimen (percobaan) yang didefinisikan
sebagai suatu proses dimana suatu pengamatan (atau pengukuran) dicatat.
Ruang sampel adalah himpunan semua kejadian yang mungkin dari suatu
percobaan atau dengan kata lain himpunan seluruh titik sampel yang bisa nampak
dari suatu percobaan. Himpunan dari semua titik sampel untuk suatu eksperimen
disebut ruang sampel dan dinyatakan dengan simbol S. Setiap hasil dalam ruang
sampel dinamakan elemen atau anggota ruang sampel atau titik sampel.
Contoh ruang sampel S dari kemungkinan hasil bila suatu koin dilemparkan
adalah:
S = {H,T}; dimana H = head (depan); T = tails (belakang)
Contoh ruang sampel S dari dadu yang dilemparkan adalah:
S = 1,2,3,4,5,6}
Pada beberapa eksperimen elemen dari ruang sample dibuat dalam bentuk
diagram pohon. Misalkan, koin di lemparkan, bila hasilnya adalah Head, maka
koin dilemparkan lagi. Namun bila hasilnya tails, maka dadu dilemparkan satu
kali. Elemen diatas dapat digambarkan dalam diagram pohon sbb:
Probabilitas
Probabilitas
Probabilitas
10
Pr
n!
(n r )!
Pr
Dimana
P r 6 P5
P5
6!
6! 6 x5 x 4 x3 x 2 x1 720
6 5!
Bila dari n unsur itu ada A unsur yang sama ada B unsur yang sama dan
ada C unsur yang sama maka banyaknya permutasi yang berbeda dari n
unsur dengan sekali pengambilan adalah
P
n!
A! B!C!
Contoh :
Terdapat sekumpulan kelereng dengan warna merah kuning hijau . Masing
masing jumlahnya 5 buah. Maka, berapakah banyaknya permutasi yang ada
dalam pengambilan sekali terhadap n unsur yang ada.
P
2. Kombinasi
Kombinasi dari n unsur yang berbeda dengan pengambilan r unsur ialah:
n
K r
Pr
r!
11
Seorang dewasa telah diuji dengan memilih 1 diantara dua hati. Dua orang ini
ialah abstarksi data yang akan dipilih satu diantaranya. Berapa carakah yang
dapat ditempuh oleh seorang dewasa ini ?Diketahui bahwa n=2 dan r =1.
Maka cara pemilihan itu ialah sebagai berikut :
n
K r
Pr
r!
P1
1!
2 x1
2
2 K 1
1
2
K 1
Jadi seorang dewasa ini bisa menempuhnya dengan memilih yang pertama
atau yang kedua. Besarnya suatu probabilitas suatu peristiwa merupakan
rangkaian kemungkinan yang mungkin bisa terjadi.
2.3 Probabilitas Suatu Peristiwa
2.3.1 Definisi Probabilitas
Dalam kehidupan sehari hari kita sudah mengenal istilah probabilitas,
misalnya ada yang memakai istilah kemungkinan, kebolehjadian, kementakan
bahkan dalam bahasa Melayu bisa juga disebut kebarangkalian. Dalam sehari
hari kita sudah mengenal istilah ini misalnya, kita mengatakan bahwa hari ini
kemungkinan besar akan hujan, atau tidak mungkin dia bisa lulus ujian sarjana
tahun ini. Dalam hal ini kita memakai istilah mungkin karena bisa menduga
sebelumnya, apa yang kira kira akan terjadi. Disini kita sudah mengenal
probability, meskipun secara sederhana.
Probabilitas biasanya diberi symbol P, dan dinyatakan dalam angka positif,
dengan minimum 0 dan maksimum 1. Sedang symbol untuk probabilitas tidak
terjadinya, biasa dinyatakan dengan Q, yaitu = 1 P.
Jika P = 0 :Berarti peristiwa itu tidak mungkin terjadi, atau
mustahil.Sebagai contoh timbulnya matahari dimalam hari adalah
mustahil, maka mempunyai probabilitas sama dengan 0.
Jika P = 1: Berarti peristiwa itu pasti terjadi, tidak mungkin tidak terjadi.
Misalnya probabilitas darah mengalir didalam badan orang yang masih
hidup adalah 1.
Probabilitas
12
1
6
genap, maka peluang munculnya angka genap dalam pelemparan sebuah dadu
dapat terjadi sebanyak tiga cara, yaitu 2, 4, atau 6. Sehingga peluang
3
6
1
2 .
Probabilitas
13
Probabilitas
berdasarkan
pendekatan
ini
sering
disebut
sebagai
f
,n
n
Dengan :
P(X=x) = probabilitas terjadinya peristiwa X
f
= frekuensi peristiwa X
percobaan
atau
hasil
yang
dimaksud
dari
percobaan
yang
Probabilitas
14
P(A B) = P(A)+P(B)
Sehingga untuk tiga peristiwa A, B dan C yang saling lepas, probabilitas
terjadinya peristiwa tersebut adalah:
P(A B C) = P(A)+P(B)+ P(C)
Contoh:
Sebuah kotak berisi 10 kelereng merah, 20 kelereng hijau, dan 30 kelereng
kuning. Isi kotak itu diaduk dengan baik kemudian diambil sebuah kelereng
secara acak . berapa probabilitas terampilnya hijau atau kuning?
Solusi:
Misal:
P(A)=
10
10 20 30
=0,17; p(B)=
20
60
=0,33; p(C)=
30
60
=0,50
Probabilitas
15
p(2)=
1
6
; p(6)=
1
6
1 1 1
6 6 36
; p(2dan 6)= . = = 0,03
Probabilitas
P(B A)
P( A)
16
Contoh:
Pada contoh di atas, pengambilan pertama sebuah kelereng berwarna hijau.
Pengambilan pertama tersebut (kelereng warna hijau) tidak lagi disimpan
dalam kotak (tanpa pengambilan). Berapakah probabilitas termpilannya sebuah
kelereng berwarna merah pada pengambilan ke dua, jika pada pengambilan
pertama kelereng berwarna hijau?
Solusion:
p(A B) =
10
10 19 30
=0,17
f) Peristiwa Komplementer
Peristiwa komplementer adalah peristiwa yang saling melengkapi. Jika
peristiwa A komplementer terhadap peristiwa B, maka probabilitas peristiwa
tersebut adalah sebagai berikut:
P(A)+ P(B) =1
2.3.3
melalui contoh dari pelemparan sebuah mata uang logam yang masih baik. Muka
yang satu dari mata uang logam tersebut kita beri symbol angka(A) dan dan muka
yang lain diberi symbol gambar (G). Jika mata uang logam tersebut dilempar
secara bebas satu kali, maka secara teoritis probabilitas munculnya A dan G
adalah sama yaitu 0,50 (50%). Jika dilemparkan 10 kali maka secara teoritis
probabilitas munculnya A adalah 0,50x10 kali = 5 kali. Demikian juga
probabilitas munculnya G adalah 0,50x10 kali= 5 kali. Namun dalam
kenyataanya, walaupun mata uang tersebut betul-betul masih baik dan cara
pelemparnya betul-betul bebas, jarang sekali dari 10 kali lemparan itu
mendapatkan 5A dan 5G karena ada faktor-faktor kebetualan diluar kekuasaan
tangan manusia untuk mengubah perbandingan probabilitas teoritik tersebut.
Misalnya kenyataan antara A dan G 4 : 6, 7 : 3 dan sebagainya. Probabilitas dari
Probabilitas
17
pi d i p 2 d 2 ... p k d k
k
pi d i
i 1
Contoh:
1) Si A dan Si B bertaruh dengan melakukan undian menggunakan sebuah mata
uang. Jika dalam undian itu nampak muka G, si A membayar kepada si B
sebanyak Rp. 5,00. Jika yang nampak muka H, si B membayar Rp. 5,00
dengan peluang 1/2 , kalah
5,00)=Rp.0,00
Untuk Si B juga berlaku yang sama. Berarti untuk jangka waktu yang cukup
lama, dalam persamaan ini si A dan si B masing-masing memang nol rupiah.
2) Produksi semacam barang rusak 6%. Diamnil sebuah sampel acak terdiri atas
50 barang. Maka setiap sampel diharapkan rata-rata berisi 0,06x50=3 barang
rusak.
3) Sebagai contoh, suatu perlombaan memancing ikan menjanjikan hadiah
pertama dan hadiah kedua, masing-masing Rp. 350.000, dan Rp. 150.000.
Seorang yang akan mengikuti perlombaan tersebut harus membeli karcis
perlombaan terlebih dahulu. Berapakah harga karcis yang layak sekiranya
Probabilitas
18
n( A)
n( S )
Probabilitas
19
tiga celana dan dua pasang sepatu hak tinggi. Maka banyak cara dia dapat
berpakaian secara berbeda adalah 4 x 3 x 2 = 24.
2. Aturan 2
Banyak susunan atau urutan yang berbeda yang dapat dibentuk dari k
obyek yang diambil dari sekumpulan n obyek yang berbeda dinamakan
banyak permutasi k obyek dari n obyek (ditulis dengan lambang nPk),
dihitung dengan rumus:
P = n(n-1) (n-2)(n-k+1) .... ( Pers. 1)
n k
n n
..... (Pers. 2)
(Pers. 3)
5 3
Probabilitas
20
n
k
].
C k! nn! k !
n
k
..... (Pers. 4)
C 35!2!! 20
5
3
Probabilitas
21
C
8
1
C
4
2
dan kombinasi
C
12
3
hasil yang
Probabilitas
22
n A1 C 29 C16 216
sehingga
P A1
n A1 216
n( S ) 455
Demikian juga,
P A2
n A2 C39 C06
84
13
n( S )
C3
455
P A1 A2
Jadi,
216 84 300
n A3
288
n( S ) 2730
Probabilitas
Buta warna
60
75
135
Normal
620
245
865
23
Jumlah
680
320
1000
Seorang dipilih secara random dari populasi itu. Jika A adalah peristiwa
bahwa yang terpilih adalah laki laki dan B peristiwa yang terpilih buta warna,
maka :
P(A)
680
1000
135
1000
= 0,35
n( A B)
N ( A)
60
= 680
3
34
pers
5)
Probabilitas seperti ini dinamakan probabilitas bersyarat, yang dapat dinyatakan
sebagai perbandingan antara dua probabilitas tak bersyarat, yaitu
P(B/A)
P( A B)
P( A)
n( A B)
N ( A)
(pers 6)
N ( A B ) / N (S)
N ( A )/N (S )
Definisi :
Misalkan A dan B dua peristiwa di mana p(B) > 0. Maka probabilitas bersyarat
dari kejadian A, kalau diketahui B terjadi, adalah
P(A/B)
P( A B)
P( B)
Probabilitas
24
P( Ace Mer a h)
P(Mera h)
a) P (Ace/Merah) =
P(Hati Merah)
P ( Merah)
b) P (Hati/Merah) =
13
52
2/52
26 /52
=
=
1
3
13 /52
26 /52
= P (Ace)
1
2
, yang tidak
1
4
B), yaitu
probabilitas interseksi dua peristiwa. Jika A dan B dua peristiwa sebarang dalam
ruang sampel S, maka probabilitas peristiwa (A dan B) dapat dihitung dengan
salah satu rumus yang berikut :
A
)
B
B
P ( A) . P ( )
A
P ( A) . P (
P (A B =
(pers 7)
[( A B C) ] = P (A B P(C/A B)
Probabilitas
25
( BA ) P( CA B)
C
B
P ( A ) P ( ) P( C)
A
A
C
A
P ( B ) P ( ) P ( C )
B
B
B
C
P ( B ) P ( ) P( B)
A
A
A
B
P ( C ) P ( ) P ( C )
C
A
B
A
P ( C ) P ( ) P( C )
C
B
P (A B C) =
P( A ) P
A2
A2
A )
K-1
Contoh :
Sebuah kotak berisi lima bola putih dan delapan merah. Tiga bola diambil
berturut turut secara random tanpa pengambilan. Berapakah probabilitasnya
bahwa bola pertama putih, kedua merah, dan ketiga putih ? kita difinisikan
kejadian kejadian A = bola pertama putih, B = kedua merah, C = ketiga putih,
Maka :
P(A B C) = P (A) P (B/A) P(C/A B)
=
5
13
8
12
4
11
160
1716
Untuk kejadian A dan B, kadang kadang kita jumpai sifat P (A) = P (A/B), yaitu
probabilitas tak bersyarat dari A sama dengan probabilitas bersyarat dari A, kalau
diketahui B telah terjadi.
Dalam hal ini kita katakana bahwa A independen dengan B. sifat P(A) =
P(A/B) menyederhanakan rumus (2) menjadi P(A
rumus terakhir ini dapat juga diperoleh kalau kita mulai dengan anggapan bahwa
Probabilitas
26
(pers 8).
Jika rumus ini berlaku, maka P(A)= P(A/B) dan P(B) = P(B/A). jika (8) tidak
berlaku, maka A,B dikatakan dependen, dan untuk ini P(A) P(A/B) dan P(B)
P(B/A).
Secara intuitif, dua kejadian A,B independen jika probabilitas akan terjadi
yang satu tidak dipengaruhi akan terjadi atau tidaknya kejadian yang lain.
Perbedaan antara independensi dan dependensi digambarkan dengan dua kasus,
sampling dengan pengambilan dan sampling tanpa pengambilan.
Contoh :
1. Kita mengambil satu kartu secara random dari satu dek kartu bridge, kita
kembalikan lagi kartu itu, kita kacau deknya, dan mengambil kartu yang
kedua ( sampling dengan pengambilan). Misalkan A, adalah kejadian
didapat Ace pada pengambilan pertama, dan A2 didapat Ace pada
pengambilan kedua karena dalam ruang sampelnya terdapat 52 x 52 hasil
yang berkemungkinan sama, dan 4 x 4 diantaranya termasuk dalam (A 2
A ), malka
2
P (A1 A2) =
4X4
52 X 52
=(
4
52 ) (
4
52 )=
1
169
= P(A1)
P(A2)
Dengan demikian A1, A2 independen menurut difinisi 8. Contoh ini
menunjukan bahwa pengambilan kartu dan pengacau dek menjamin
hasil pengambilan kedua tidak dipengaruhi oleh hasil pengambilan
pertama.
2. Kita mengambil dua kartu secara rondom dari satu dek kartu bridge, tanpa
mengembalikan kartu pertama sebelum kartu kedua diambil ( sampling
tanpa pengambilan ). Probabilitas bahwa kedua kartu itu adalah Ace
diberikan dengan rumus
Probabilitas
27
P(A1
1
17
1
221
4
52
3
51
1
13
Teorema Bayes
Jika A dan B dua peristiwa sebarang dalam suatu ruang sampel S, maka
dari difisi probabilitas bersyarat dapat kita tulis :
P(A/B) =
P( A B)
P( B)
P ( A ) P(B)
P (B)
(pers 9)
Sehingga
P ( A ) . P(
P(A/B) =
P ( A) . P
B
)
A
( BA )+ P ( A c) . P ( ABc )
(pers 11)
Rumus ini kadang kadang berguan dalam aplikasi, jika semua suku ruas
kanan diketahui dan ruas kiri adalah kuantitas yang akan dihitung.
Contoh :
Andaikan dari 1000 orang sarjana yang bekerja pada suatu Instansi, 60
persen adalah laki laki (A), dan 40 persen perempuan (Ac), dan B
menunjukan sifat lulusan Undiksha. Jika kita ketahui bahwa P(B/A) =
0,55 ( 55 persen sarjana laki laki lulusan UGM) dan P(B/ Ac) = 0,35 ( 35
persen sarjana perempuan lulusa UGM, maka dengan (pers 10)
P(A/B) = (0,60) (0,55) + (0,40) (0,35) =0.47
Dengan (pers 11)
P(A/B =
( 0,60 ) (0,55)
0,33
=
0,47
0,47
= 0,702
Jadi sekitar 70 persen sarjana lulusan UGM yang bekerja di instansi itu
adalah laki laki.
Probabilitas
28
BAB III
PENUTUP
3.1 Simpulan
1. Probabilitas didifinisikan sebagai peluang atau kemungkinan suatu
kejadian, suatu ukuran tentang kemungkinan atau derajat ketidakpastian
Probabilitas
29
Probabilitas
30