PROBABILITAS DAN NILAI

HARAPAN
MIGUNANI. M.KOM

Pendahuluan
Didalam keadaan dimana informasi tidak lengkap

dan data hanya perkiraan saja, maka pembuat

keputusan akan membuat keputusan dalam ketidak
pastian (uncertainty).
Untuk mengukur ketidak pastian tersebut harus
dipergunakan konsep nilai kemungkinan atau
probabilitas (probablity concepts).
Contoh keputusan yang tidak pasti, misalnya :

Investasi dalam bentuk deposito atau saham danareksa

Memasuki pasar baru atau tetap di pasar lama
Menaikkan harga agar keuntungan besar atau harga tetap

Ketidak Pastian dan Hasil Eksperimen

Suatu proses disebut acak apabila hasil proses

tersebut tidak diketahui hasilnya dengan pasti.

Misalnya melempar uang Rp. 500, yang terlihat gambar ( B )

atau bukan gambar ( ).
Contoh lain dalam eksplorasi dalam pengeboran tanah akan
diperoleh apakah Minyak (M), Gas (G) atau bukan Minyak dan
Gas ( MG )

Seluruh kemungkinan hasil tersebut disebut dengan

sampel.
Kejadian (event) merupakan himpunan bagian (sub
set) yaitu bagian ruang sampel.

Contoh
Jika sebuah dadu dilempar, maka kemungkinan

keluar mata dadu enam yaitu 1,2,3,4,5,6. Misalkan

e1,e2,e3,e4,e5,e6 merupakan elementary event
sebagai hasil pelemparan dadu tersebut.
Titik Sampel kemungkinan mata dadu yang muncul.

S = {e1,e2,e3,e4,e5,e6} = ada 6 titik sampel

A = Kejadian jika mata genap yang keluar
= {e2,e4,e6} = ada tiga titik sampel
B = Kejadian jika yang keluar mata 5 dan 6
= {e5,e6} = ada dua titik sampel
AB = {e6} = ada satu titik sampel

Probabilitas suatu kejadian A atau disebut P(A)

adalah suatu nilai untuk mengukur tingkat

kemungkinan terjadinya suatu kejadian yang tidak
pasti.

Maka P(A) = banyaknya elemen subset yang membentuk A /

seluruh elemen dalam set.

Misalnya pada kasus pelemparan dadu

S = {e1,e2,e3,e4,e5,e6} = ada 6 titik sampel
A = Kejadian jika mata genap yang keluar
= {e2,e4,e6} = ada 3 titik sampel
Maka Probabilitas Kejadian A => P(A) = 3/6 = 0,5

Misalnya dalam kasus pengendalian mutu produk

ada 100 buah barang yang diperiksa ternyata ada 15

yang rusak. Jika kita mengambil 1 barang rusak
secara acak (A), maka berapa probabilitasnya ?

Seluruh Elemen Set = n = 100

Banyaknya elemen yang rusak /subset = X = 15
Maka Probabilitas A = P(A) = X/n = 15/100 = 0,15

Jadi kemungkinan memperoleh barang rusak adalak 0,15

Namun, jika X = O (tidak ada barang rusak)

Maka P(A) = O/n = O
Namun, jika X=n=100 (semua barang rusak)
Maka P(A) = n/n = 100/100 = 1

Contoh Soal
Pada Kasus Mata Dadu
S = {e1,e2,e3,e4,e5,e6} = ada 6 titik sampel
A = Kejadian jika mata genap yang keluar
= {e2,e4,e6} = ada 3 titik sampel

B = Kejadian jika mata 5 dan 6 yang keluar

= {e5,e6} = ada 2 titik sampel
Berapa Probabilitas P(B) ?
Berapa Probabilitas P(AB) ?
Berapa Probabilitas P(AuB) ?
Berapa Probabilitas P(AnB) ?
Berapa Probabilitas P(S) ?

Kejadian Majemuk dan Probabilitas Bersayarat

Kejadian disebut saling meniadakan (mutually

exclusive) antara A dan B

Apabila P(AUB) = P(A) + P(B)

Kejadian disebut tak saling meniadakan (not

mutually exclusive) antara A dan B

Apabila P(AUB) = P(A) + P(B) P(AB)

Jika terdapat sejumlah kejadian yang disebut n

yaitu A1, A2, A3...An

Maka P(A) = P(A1 U A2 U ... U Ai ... U An) = 1

n

P( A ) 1
i 1

Jika A dan B Bebas (independent)

P(AB) = P(A) P(B)

Jika A dan B Tak Bebas (dependent)

P(AB) = P(A) P(B/A) atau P(AB) = P(A) P(A/B)

P(A/B) = dibaca probabilitas bahwa kejadian A terjadi dengan
syarat kejadian B terjadi
P(B/A) = dibaca probabilitas bahwa kejadian B terjadi dengan
syarat kejadian A terjadi
Maka P(A/B) dan P(B/A) disebut probabilitas bersyarat,
dimana :

P ( AB )
P( A / B)
P( B)

P ( AB )
P ( B / A)
P ( A)

Contoh Kasus
1. Dari seratus orang mahasiswa yang mengikuti
matakuliah TPK , ada 20 orang mendapat nilai A, 30
orang mendapat nilai B, 30 orang nilai C, dan 20
orang nilai D. Dari seratus orang tersebut yang lunas
uang kuliahnya 65 (L) dan 35 orang belum lunas (L).
A. Berapakah probabilitasnya mahasiswa yang sudah lunas
uang kuliahnya (L) dan mendapat nilai B atau berapa
probabilitasnya bahwa ia mendapat nilai B dengan
syarat dia sudah lunas uang kuliahnya ?
B. Berapakah probabilitasnya mahasiswa yang mendapatkan
nilai C, dan belum lunas uang kuliahnya (L) atau berapakah
probabilitasnya bahwa dia belum lunas uang
kuliahnya dengan syarat bahwa dia mendapat nilai
C.

Distribusi Hasil Ujian TPK

Nilai
A
B
C
D

Lunas
20
15
25
5
65

Belum Lunas
0
15
5
15
35

Jumlah
20
30
30
20
100

Untuk menjawab pertanyaan A, bahwa mahasiswa tersebut

diketahui sudah lunas uang kuliahnya, lalu ditanya berapa
probabilitasnya bahwa dia mendapat nilai B, jadi yang
ditanya P (B/L) bukan P(B).

Jawab A
Probabilitas Mahasiswa yang mendapat nilai (B), dengan
syarat sudah Lunas (L) uang kuliahnya

P( BL) 15 / 100 15 3
P( B / L)

0,23
P ( L)
65 / 100 65 13
Maka Probabilitas Mahasiswa yang mendapat nilai (B)
saja, tanpa syarat sudah lunas uang kuliahnya

P( B) 30
3
P( B)

0,30
P( L) 100 10

Distribusi Hasil Ujian TPK

Nilai
A
B
C
D

Lunas
20
15
25
5
65

Belum Lunas
0
15
5
15
35

Jumlah
20
30
30
20
100

Untuk menjawab pertanyaan B, bahwa mahasiswa tersebut

diketahui mendapat nilai C, dan berapa probabilitasnya
bahwa dia belum lunas uang kuliahnya, jadi yang ditanya
adalah P (L/C) bukan P(L).

Jawab B
Probabilitas Mahasiswa yang Belum Lunas (L) uang
kuliahnya, dengan syarat mendapat nilai (C)

P( L/ C ) 5 / 100
5 1
P( L/ C )

0,17
P(C )
30 / 100 30 6

Contoh 2
2. Pimpinan sebuah bank mengelompokkan
peminjaman kredit sebagian nasabah menjadi 3
kelompok yaitu Baik (B), Sedang (S) dan Jelek (J).
Berdasarkan data peminjaman yang lalu 60%
termasuk B, 30% termasuk S dan 10% J.
Berdasarkan pusat riset bank , probabilitas nasabah
mengembalikan kredit tepat pada waktunya bagi
nasabah kategori B 90%, kategori S 50%, dan
kategori J hanya 20%

Pertanyaan
1) Pimpinan bank ingin mengetahui berapa
probabilitas seorang nasabah yang dipilih secara
acak yang termasuk kategori sedang dan
mengembalikan kredit tepat pada waktunya ?
2) Berapakah kemungkinan bahwa seorang nasabah
akan mengembalikan kredit tepat pada waktunya ?
3) Berapakah probabilitasnya bahwa nasabah
termasuk baik dengan syarat bahwa dia tepat
mengembalikan kreditnya ?

Diagram Pohon Probabilitas

B=Baik, S=Sedang, J=Jelek, T=Tepat waktu, T= Tidak tepat waktu

Jawab 1
1. Nasabah yang mengembalikan kredit tepat pada waktunya
(T), bisa tergolong B (baik), S (sedang) atau J (jelek).
Sehingga probabilitas yang kategori sedang dan
mengembalikan kredit tepat pada waktunya adalah :

P( S T ) P( ST ) P ( S ) P(T / S ) (0,30)(0,50) 0,15

B

T TB TS TJ

Jawab 2
2. Nasabah yang mengembalikan kredit tepat pada
waktunya.
P(T ) P(TB ) P (TS ) P(TJ )
P (T ) P( B ) P (T / B ) P ( S ) P (T / S ) P( J ) P (T / J )

P (T ) (0,60)(0,90) (0,3)(0,50) (0,10)(0,20) 0,71

Proses perhitungan diatas melibatkan probabilitas bersama

(joint probability). Karena itu pada umumnya perhitungan
akan lebih mudah apabila kita membuat tabel probabilitas
terlebih dahulu.
Tabel probabilitas bersama tersebut dapat diperoleh dengan
menuliskan nilai-nilai probabilitas yang sudah diketahui,
misalnya dalam contoh ini probabilitas nasabah berkategori
B,S,J masing-masing sebesar 0,60; 0,30; 0,20

Tabel Probabilitas Bersama

Probabilitas Bersama
Kategori
B
S
J
T(tepat waktu)
a
b
c
d
T(tak tepat
waktu)
e
f
g
h
0,30
0,10 kosong
Selanjutnya mengisi kotak a0,60
sampai dengan
h yang masing
berdasarkan angka-angka yang sudah diketahui.
1)Kotak (a) harus diisi P(TB) = nasabah yang baik dan tepat
mengembalikan kredit.
2)Kotak (b) harus diisi P(TS) = Nasabah yang sedang dan tepat
mengembalikan kredit. Dan seterusnya untuk kotak lainya.

Nilai Probabilitas Masing-masing Sel

a P (TB ) P ( BT ) P ( B ) P (T / B )
a P (TB ) (0,60)(0,90) 0,54
b P (TS ) P ( ST ) P ( S ) P (T / S )
b P (TS ) (0,30)(0,50) 0,15
c P (TJ ) P ( JT ) P( J ) P (T / J )
c P (TJ ) (0,10)(0,20) 0,02

e P (T B ) P ( B T ) P ( B ) P (T / B )

e P (T B ) (0,60)(0,10) 0,06

f P (T S ) P ( S T ) P ( S ) P (T / S )

f P (T S ) (0,30)(0,50) 0,15

g P (T J ) P ( J T ) P ( J ) P (T / J )

g P (T J ) (0,10)(0,80) 0,08

d P(T ) P(TB TS TJ )
d 0,54 0,15 0,02 0,71

h P (T ) P (T B T S T J )
h 0,06 0,15 0,08 0,29

Tabel Probabilitas Lengkap

Probabilitas Bersama (Proses Perhitungan)
Kategori
B
S
J
T(tepat waktu)
0,54
0,15
0,02
0,71
T(tak tepat waktu) 0,06
0,15
0,08
0,29
0,60
0,30
0,20
1,00
Dengan menggunakan tabel diatas kita dapat menjawab
pertanyaan No.3 Berapa probabilitasnya bahwa nasabah termasuk
baik dengan syarat dia tepat mengembaliakan kreditnya

P ( BT ) 0,54
P( B / T )

0,76
P (T )
0,71

Kesimpulan
Dapat simpulkan bahwa jika kita mengetahui seorang

nasabah mengembalikan kredit tepat waktu maka

probabilitas bahwa dia akan termasuk dalam kategori B
adalah sebesar 0,76.
Bandingkan jika kita sama sekali belum mengetahui
perihal pengembalian kredit yang dilakukan nasabah,
dimana pada kondisi ini kita hanya mengetahui bahwa
kategori baik hanya 0,60.
Pada umumnya dalam menghadapi suatu persoalan,
pengambil keputusan telah mempunyai informasi awal,
baik dalam bentuk subjektif maupun objektif.

Harapan Matematika
Jika X = variabel acak (random variable), maka

variabel yang diambil oleh X sukar diramalkan sebab

nilai tersebut tidak pasti.
Misalnya jika dilempar sebuah dadu, dan X = mata
dadu yang muncul dibagian atas, maka nilai X akan
berupa 1,2,3,4,5, dan 6, sehingga nilai probabilitas
masin-masing mata dadu sama yaitu 1/6.

P ( X i ) 1 / 6, X i 1 atau 2, ..., atau 6

Contoh Lain
Sebuah agen tunggal mobil mercy juga tidak secara pasti

mengetahui permintaan mobil selama 1 minggu, nol-kah,

satu-kah, dua-kah dst.
Misalnya berdasarkan pengalaman mempunyai tabel
frekwensi permintaan mobil selam satu minggu sekaligus.
Jika X=banyaknya permintaan mobil mercy, maka
berdasarkan pengalaman diperoleh tabel berikut :
X
x1
x2
x3
x4

P(X=x) = p(x)
1/8
3/8
3/8
1/8

 Jika disediakan mobil 3 unit, jangan-jangan tak ada

permintaan mobil, sebaliknya kalau sama-sekali tak

disediakan, ternyata ada permintaan 3 mobil maka dia
akan sangat kecewa sekali.
Oleh kare itu dia menyediakan mobil sebanyak nilai
harapan (expected value) yang bisa dianggap sebagai
rata-rata permintaan.
Nilai harapan = jumlah hasil kali setiap variabel
dengan probabilitasnya.
k

E ( X ) xi P( xi ) x1 P( x1) X 2 P( x2) ... xk P( xk )

i 1

Berdasarkan permasalahan diatas maka mobil yang

harus disediakan (nilai harapannya) adalah

k

E ( X ) xi P( xi ) x1 P( x1) x2 P( x2) x3 P( x3)

i 1

E ( X ) 0 P(0) 1 P(1) 2 P(2) 3 (P3)

E ( X ) 0 (1/8) 1 (3/8) 2 (3/8) 3 (1/8)
E ( X ) (0 3 6 3) / 8 12/8 1,5 (dibulatkan 2)

Kesimpulan
Jadi agen mobil tunggal itu memutuskan untuk menyediakan

mobil 2 buah. Dengan pertimbangan jika ada 3 permintaan hanya

1 yang tidak bisa dilayani.
Nilai harapan atau nilai rata-rata bukan nilai individu dari
variabel akan tetapi merupakan nilai ringkasan untuk mewakili
suatu kelompok nilai.
Dalam teori pengambilan keputusan, nilai harapan (expected
payoff) merupakan salah satu kriteria untuk dasar pengambilan
keputusan.
Untuk nilai-nilai menguntungkan (laba, kemenangan, penjualan,
ekspor) dipilih nilai harapan yang besar, sedangkan untuk hal-hal
yang tidak menguntungkan (rugi , pengeluaran, utang, biaya)
dipilih yang nilai harapanya terkecil.

Contoh Kasus
Seorang ahli geologi (geologis) dari suatu perusahaan minyak, akan memutuskan

melakukan pengeboran minyak. Diketahui sebelumnya, probabilitas untuk

memperoleh minyak berhasil (H) sebesar 0,20 dan akan gagal (G), dan tak
memperoleh minyak sebesar 0,80. Sebelum keputusan diambil akan dilakukan
suatu eksperimen menggunakan pencatatan seismograf. Hasil eksperimen berupa
diketemukan 3 kejadian yang sangat menentukan berhasil tidaknya pengeboran,
yaitu :
Kejadian R1, tak terdapat struktur geologis
Kejadian R2, struktur geologis terbuka
Kejadian R3, struktur geologi tertutup
Berdasarkan kejadian masa lampau, probabilitas = kejadian dari ketiga kejadian
dapat memperoleh minyak yaitu berhasil (H) masing-masing 0,30; 0,36; 0,34.
Tidak memperoleh minyak /gagal (G) masing-masing 0,68; 0,28, 0,04; Informasi
eksperimen ini sebagai informasi tambahahan.
Jika H = kejadian memperoleh minyak
Jika G = Kejadian tak memperoleh minyak
Hitung = P(R1), P(R2), P(R3), P(H/R1), P(H/R2) dan P(H/R3) ?