PROBABILITA/

PELUANG

DEFINISI
Deterministic model: Model matematika yang mungkin untuk
menjelaskan atau memprediksi nilai observasi dari
karakteristik yang diteliti.

Contoh: kecepatan benda jatuh setelah selama waktu t

adalah v = gt, dimana g = 32,17 kaki per detik

percobaan/eksperimen yang diulang-ulang hasilnya akan

sama, dalam kondisi yang ideal.

Jika kondisi kurang ideal, mungkin terdapat variabel yang

tidak diketahui atau dikontrol, misalnya kelembaban atau
temperatur udara yang mungkin mempengaruhi outcome

DEFINISI
Probability Model/Probabilistic Model/Stochastic
Model. Model matematika dimana suatu model
deterministik tidak dapat memenuhi dan hasil yang
berbeda-beda mempunyai kesempatan untuk muncul
secara alami.
Contoh:
Banyaknya partikel yang hilang karena sumber
radioaktif,
waktu kegagalan suatu komponen (rusaknya
komputer)
matinya bola lampu
kesempatan munculnya suatu outcome dalam
sebuah game.

SEJARAH

Salah satu alat yang digunakan dalam statistik

adalah peluang

Diawali pada abad 17 dengan adanya games

seperti permainan roulette, melempar dadu,
melempar mata uang, pengambilan kartu, dll.

Meskipun kemunculan(outcome) dari suatu trial

tidak tentu/tidak bisa ditebak, akan tetapi dalam
jangka panjang hasilnya bisa diperkirakan

SEJARAH

Contoh dengan melempar mata uang yang seimbang

berkali-kali, separuh percobaan/trial akan
menghasilkan Muka

Dalam ilmu genetik tidak bisa diketahui apakah suatu

keturunan laki-laki atau perempuan. Akan tetapi
dalam jangka panjang bisa diperkirakan persentase
suatu keturunan laki-laki atau perempuan.

DEFINISI
Terdapat 3 pendekatan konseptual untuk
mendefinisikan nilai Probabilita/Peluang:
Klasikal
Frekuensi Relatif
Pendekatan Subyektif

Klasikal (Priori Approach)

Jika N(A) adalah banyaknya peristiwa (outcomes) dari suatu kejadian/event A.
Jika N(S) adalah seluruh peristiwa (outcomes) yang mungkin dalam ruang sample, dimana
seluruh outcome memiliki kemungkinan yang sama dan mutually ekslusif, maka
kejadian/event A yang akan muncul adalah:

N ( A)
P ( A)
N (S )

Klasikal (Priori Approach)

Dalam Peluang klasikal, definisi peluang yang umum terlihat jelas. Misal untuk event/kejadian A:

P ( A)

Jika A dan B mutually Exclusif

N ( A)
0
N (S )

N (S ) N
P( S )
1
N (S ) N
N ( A B ) N ( A) N ( B )
P( A B)

P ( A) P ( B )
N (S )
N

Klasikal (Priori Approach)

RANDOM SELECTION
Aplikasi dari peluang klasikal yang penting adalah keterkaitan dengan pemilihan
obyek atau himpunan dari sekumpulan obyek secara random atau acak
Definisi: Jika sebuah obyek dipilih dari sekumpulan obyek sehingga tiap obyek
memiliki peluang yg sama untuk terpilih dikatakan bahwa obyek terpilih secara
random/acak

Klasikal (Priori Approach)

Contoh 1: Dalam sebuah game, sebuah kartu diambil dari setumpuk kartu (terdiri dari 52 kartu). Maka tiaptiap kartu akan memiliki peluang 1/52 untuk terpilih.
Contoh 2: Dalam eksperimen melempar sebuah dadu (terdapat 6 outcomes yang mungkin) salah satu
mata dadu akan muncul.
6 outcome tersebut multually exclusif ketika dua atau lebih mata dadu tidak mungkin muncul
serempak/bersama-sama.
Peluang muncul salah satu mata dadu = 1/6

Klasikal (Priori Approach)

Contoh 3:
Dalam sebuah paket kartu yang terdiri dari 4
kartu As dan 48 kartu lainnya, peluang kartu As akan
muncul dalam satu kali pengambilan adalah:

N ( A) 4 1
P( A)

N ( S ) 52 13

Klasikal (Priori Approach)

Kelemahan Teori peluang klasikal tidak bisa menjawab
contoh-contoh pertanyaan berikut:
Berapa peluang bayi yang lahir di Jakarta Timur
adalah laki-laki
Peluang bahwa seorang wanita akan meninggal
sebelum usia 50 tahun?

Relative Frequency
Approach
Peluangnya ditentukan berdasarkan waktu bahwa
suatu outcome akan muncul dalam sejumlah
observasi atau ekperimen. Disebut juga Empirical
Approach. Peluang bahwa kejadian A muncul
adalah:

Banyaknya Observasi A n( A)
P ( A)

Ukuran Sample
n

Relative Frequency
Approach
Contoh 1:
Tabel 1. Hasil Pelemparan sebuah koin 100 kali
OUTCOME Frekuensi
Observasi

Frekuensi Relatif
Observasi

Long-run expected
frekuensi relatif koin
yg seimbang

56

0,56

0,50

44

0,44

0,50

Total

100

1,00

1,00

Dalam contoh ini penggunaan peluang relatif frekuensi

tidak terlalu penting, karena hasilnya hampir mirip
dengan klasikal

Relative Frequency
Approach
Contoh 2:
Dalam eksperimen, seorang statistisi mengumpulkan
10.000 orang dewasa menemukan bahwa 100
orang mempunyai masalah dengan gigi. Peluang
orang dewasa mempunyai masalah dengan gigi
adalah:

n( A)
100
P( A)

0,01, atau 1%
n
10.000

Relative Frequency
Approach
Contoh 3: Peluang muncul Muka, jika sebuah koin
tidak seimbang
Contoh 4: Eksperimen menggunakan sampling untuk
mengetahui penduduk suatu kota yang
memilih salah satu calon walikota

Subjective Approach
Klasikal dan Relative Frekuensi Approach
menghasilkan nilai Probability obyektif.
Subyektif Approach adalah kecenderungan ketika
hanya ada satu kesempatan bagi suatu kejadian
untuk muncul dan hal tersebut berarti suatu
kejadian bisa muncul atau tidak muncul pada
suatu waktu tertentu.

Definisi dalam Peluang

Eksperimen adalah proses tersedianya sebuah

hasil observasi dari beberapa fenomena/kejadian

Trial/percobaan adalah performance/kegiatan

dari sebuah eksperimen

Outcome adalah hasil yang muncul dari suatu

trial/percobaan.

Sample space adalah seluruh outcome yang

mungkin muncul dalam suatu eksperimen

Definisi dalam Peluang

Definisi
Himpunan/set dari seluruh outcome sebuah
eksperimen disebut sample space, dinotasikan
dengan /S. Dalam sembarang trial dari suatu
eksperimen, satu dan hanya satu outcomes yang
akan muncul .

Contoh: Sebuah eksperimen terdiri dari pelemparan

2 mata uang. Set dari outcome yang mungkin muncul
dinyatakan oleh sample space:
OUTCOME

S = {HH, HT, TH, TT}

SAMPLE SPACE

DEFINISI
Event dan Event Space
Suatu event/kejadian adalah subset dari Sample Space.
Kumpulan dari seluruh event dalam suatu eksperimen
didefinisikan sebagai Event Space (A)
Contoh:
Sebuah eksperimen melemparkan sebuah dadu,
outcome yang diinginkan adalah nilai mata dadu yang
muncul. S = {1,2,3,4,5,6}.
Jika event A = {munculnya mata dadu genap}, maka A
= {2,4,6}. A adalah sebuah event dan A subset dari S.
Dalam hal ini terdapat 26 = 64 event dalam A.

DEFINISI
Definisi: Sebuah event disebut Elementary event jika
berisi hanya satu outcome dari sebuah eksperimen

Contoh elementary event pada pelemparan 2 mata

uang adalah: {HH},{TH} ,{HT} dan {TT}.

Event bola lampu menyala paling lama 10 jam

A = [0,10] = {t| 0 t 10}

Event bola lampu menyala minimal10 jam

A = [10,~) = {t| 10 t ~}

Contoh Soal
1. Sebuah box terdiri dari satu bola hitam dan satu

bola merah. Box kedua terdiri dari satu bola putih

dan satu bola merah. Sebuah bola dipilih secara
acak dari masing-masing box.
a. Jelaskan yang dimaksud dengan Eksperimen,
trial dan out come dari kegiatan di atas
b. Tentukan sample space
c. Tentukan event space
d. Event/kejadian dan peluang bahwa kedua bola
berwarna sama
e. Event/kejadian dan Peluang bola terpilih
berwarna hijau