Bab 2

TEORI PROBABILITAS
A. Pendahuluan
Statistika deskriptif berkenaan dengan penyimpulan data yang dikumpulkan dari peristiwaperistiwa di masa lalu. Misalnya, dijelaskan berbagai harga penjualan telepon seluler bulan lalu di
sebuah toko. Pada bab ini beralih pada aspek kedua dari ilmu statistika, yaitu statistik inferensi.
Statistik inferensi berhubungan dengan kesimpulan-kesimpulan tentang suatu populasi
berdasarkan sampel yang diambil dari populasi itu.
Karena terdapat ketidakpastian dalam mengambil keputusan, maka seluruh risiko terkait yang
diketahui harus dievaluasi secara ilmiah. Teori yang bermanfaat dalam melakukan evaluasi ini adalah
teori probabilitas, yang sering kali disebut sebagai ilmu tentang ketidakpastian. Penggunaan teori
probabilitas membuat pengambil keputusan dapat menganalisis risiko dan memperkecil sifat spekulasi
dengan sejumlah informasi yang terbatas, misalnya dalam memasarkan produk baru.
B. Pengertian Probabilitas
Beberapa istilah yang sering digunakan secara bergantian adalah probabilitas, peluang, dan
kemungkinan. Probabilitas adalah suatu nilai dari 0 hingga 1, yang menggambarkan peluang atau
kemungkinan relatif bahwa suatu peristiwa akan terjadi. Jika probabilitas sama dengan nol berarti
peristiwa itu pasti tidak akan terjadi. Misalnya, probabilitas matahari terbit dari sebelah barat. Jika
probabilitas sama dengan satu berarti peristiwa itu pasti terjadi. Misalnya, peluang hujan di Indonesia
pada tahun ini.
Ada tiga kata kunci dalam bahasan teori probabilitas, yaitu eksperimen, hasil, dan peristiwa.
Eksperimen (experiment) adalah sebuah proses yang menghasilkan satu dan hanya satu peristiwa dari
beberapa pengamatan yang mungkin. Dalam konteks probabilitas, sebuah eksperimen memiliki dua
hasil atau lebih yang mungkin, dan tidak ada kepastian hasil yang mana yang akan keluar. Hasil
(outcome) adalah keluaran tertentu dari suatu eksperimen. Peristiwa (event) adalah kumpulan dari satu
hasil atau lebih dari suatu eksperimen.
Sebagai contoh, eksperimen pelemparan sebuah dadu dan menghitung jumlah Presiden Direktur
semua perusahaan yang go public yang berumur diatas 60 tahun, dan ringkasannya ditampilkan dalam
tabel berikut ini.
Eksperimen

Lemparan dadu

Hasil yang mungkin

Mendapatkan angka 1
Mendapatkan angka 2
Mendapatkan angka 3
Mendapatkan angka 4
Mendapatkan angka 5
Mendapatkan angka 6

Hitung jumlah Presiden direktur yang berumur

diatas 60 tahun
Tidak ada yang berumur diatas 60 tahun
Satu orang berumur diatas 60 tahun
Dua orang berumur diatas 60 tahun
Dua puluh lima orang berumur diatas 60 tahun
Lima puluh orang berumur diatas 60 tahun

Beberapa peristiwa yang

mungkin

Statistik : Istiono

Mendapatkan angka yang sama

Mendapatkan angka lebih besar dari 4
Mendapatkan angka 3 atau kurang

Lebih dari 15 orang berumur diatas 60 tahun

Kurang dari 25 orang berumur diatas 60 tahun

C. Pendekatan dalam Probabilitas

Terdapat dua pendekatan dalam menentukan probabilitas, yaitu pendekatan objektif dan subjektif.
Probabilitas objektif terdiri dari (1) probabilitas klasik dan (2) probabilitas empiris.
Probabilitas Klasik
Probabilitas klasik disebut juga dengan probabilitas matematis atau teoritis menyatakan bahwa semua
hasil dari sebuah eksperimen mempunyai peluang sama besar. Probabilitas suatu peristiwa dihitung
dengan rumus:
Probabilitas

Jumlah hasil diharapkan

Jumlah total hasil yang mungkin

(2-1)

Contoh 1
Sebuah koin dilempar satu kali. Hasil yang mungkin dari percobaan ini ada dua yaitu sisi kepala dan sisi
ekor. Sehingga probabilitas muncul sisi kepala (A) adalah:
P( A) 1 2 0,5 50%

dan probabilitas muncul sisi ekor (B) adalah:

P( B ) 1 2 0,5 50%

Contoh 2
Sebuah eksperimen melempar sebuah dadu bersisi enam. Ada enam hasil yang mungkin yaitu:
- Satu titik
- Dua titik
- Tiga titik

- Empat titik
- Lima titik
- Enam titik

a. Berapakah probabilitas muncul sisi angka dua?

b. Berapakah probabilitas muncul sisi angka genap?
Jawab:
Probabilitas muncul:
a. sisi angka 2 adalah:
P( 2)

1
0,1667 16,67%
6

b. sisi angka genap adalah:

P(Genap)

3
0,5 50%
6

Probabilitas Empiris
Probabilitas empiris atau probabilitas relatif adalah probabilitas suatu peristiwa yang didasarkan pada
sejumlah peristiwa serupa yang telah terjadi di masa lalu. Probabilitas ini dihitung dengan rumus:

Statistik : Istiono

Probabilitas

Jumlah kemunculansuatu peristiwa

Jumlah total dari pengamatan

(2-2)

Contoh 3
Sebuah koin dilemparkan sebanyak 100 kali, ini sama dengan 100 koin dilemparkan sekali, menghasilkan
46 sisi kepala (A) dan 54 sisi ekor (B). Percobaan ini menunjukkan bahwa probabilitas munculnya sisi
kepala (A) adalah 46 persen dan probabilitas sisi ekor (B) adalah 54 persen.
Percobaan ini memberikan hasil yang berbeda dengan probabilitas klasik. Tetapi, apabila jumlah
pelemparan koin tersebut semakin banyak akan memberikan hasil yang semakin mendekati dengan
probabilitas klasik, yaitu 50 persen untuk sisi A dan 50 persen untuk sisi B. Pertimbangan ini
memungkinkan menggunakan pendekatan pertimbangan empiris atau relatif untuk menghitung
probabilitas.
Contoh 4
Pada waktu mengadakan pameran produk tahun lalu tercatat bahwa dari 500 orang pengunjung
pameran 150 orang melakukan pembelian produk. Berdasarkan data ini dapat diperkirakan
kemungkinan seorang pengunjung pameran melakukan pembelian produk adalah 0,3 atau 30 persen.

Probabilitas Subjektif
Probabilitas subjektif adalah probabilitas timbulnya suatu peristiwa tertentu yang ditetapkan oleh
pendapat seseorang berdasarkan informasi yang tersedia. Penentuan probabilitas ini dilakukan karena
data yang tersedia untuk menentukan probabilitas sangat sedikit atau tidak ada pengalaman. Sehingga,
orang yang berbeda dapat memberikan nilai probabilitas yang berbeda atas kemungkinan timbulnya
suatu peristiwa yang sama. Misalnya, memperkirakan kemungkinan defisit APBN akan berkurang
setengahnya pada tahun depan.
D. Hubungan Antar Peristiwa
Hubungan antara satu peristiwa dengan peristiwa lain dapat dibedakan menjadi:
a. Saling sendirian
Hubungan saling sendirian (mutually exclusive) menyatakan bahwa munculnya suatu peristiwa
menutup munculnya peristiwa lain pada waktu yang bersamaan. Misalnya, sebuah koin dilempar
sekali. Munculnya sisi A menutup munculnya sisi B, dan sebaliknya.
b. Independen
Hubungan independen adalah hubungan saling bebas yang menyatakan bahwa munculnya satu
peristiwa tidak menutup munculnya peristiwa lain pada waktu bersamaan. Misalnya, dua buah koin
dilempar sekali. Munculnya sisi A pada koin pertama tidak menutup munculnya sisi B pada koin
kedua.
c. Bersyarat
Hubungan bersyarat (conditional) menyatakan bahwa suatu peristiwa dapat muncul apabila
peristiwa lain sudah terjadi. Misalnya, seseorang dapat menjadi karyawan sebuah perusahaan
setelah dia lulus seleksi penerimaan karyawan.
d. Kumpulan lengkap
Konsep kumpulan lengkap (collectively exhaustive) menyatakan bahwa setidak-tidaknya satu dari
banyak peristiwa yang mungkin harus muncul ketika sebuah percobaan dilakukan. Misalnya, sebuah
dadu yang mempunyai 6 sisi jika dilempar sekali maka hanya ada satu sisi yang muncul diantara
keenam sisi itu, dan tidak akan mungkin muncul sisi 7.
Statistik : Istiono

E. Aturan Menghitung Probabilitas

Aturan penjumlahan dan perkalian digunakan untuk menghitung probabilitas dari dua atau lebih
peristiwa.

Peristiwa yang Saling Sendirian

Peristiwa saling sendirian berarti ketika satu peristiwa terjadi, tidak ada satupun peristiwa lainnya dapat
terjadi pada waktu yang sama. Jika dua peristiwa A dan B saling sendirian, kedua peristiwa tidak dapat
muncul pada saat yang bersamaan. Sehingga yang diperoleh adalah probabilitas peristiwa A atau
peristiwa B, yang merupakan penjumlahan probabilitas kedua peristiwa tersebut dan dirumuskan
sebagai berikut:
P(A atau B) = P(A) + P(B)

(2-3)

Untuk tiga peristiwa yang saling sendirian yang ditandai dengan A, B, dan C dirumuskan dengan:
P(A atau B atau C) = P(A) + P(B) + P(C)

(2-4)

Contoh 5
Sebuah mesin otomatis mengisi kantong plastik dengan gula pasir seberat 1 kg per kantong. Hasil
pengisian menunjukkan sebagian besar beratnya tepat, sebagian beratnya lebih ringan, dan sebagian
beratnya lebih berat. Pemeriksaan terhadap 1.000 kantong yang diisi bulan lalu menunjukkan:
Berat
Peristiwa
Lebih ringan
A
Tepat
B
Lebih berat
C
Jumlah

Jumlah Kantong
30
920
50
1.000

Probabilitas
0,03
0,92
0,05
1,00

Berapakah probabilitas suatu kantong gula berisi lebih ringan atau lebih berat dari 1 kilogram?
Jawab
Probabilitas suatu kantong lebih ringan atau lebih berat dari 1 kg adalah:
P(A atau C) = P(A) + P(C) = 0,03 + 0,05 = 0,08 atau 8%
Perhatikan bahwa berbagai peristiwa yang saling sendirian berarti sebuah kantong plastik berisi gula
pasir tidak mungkin beratnya lebih ringan, tepat, dan lebih berat pada waktu yang sama.
Peristiwa saling sendirian tersebut dapat digambarkan dalam diagram Venn dibawah ini. Peristiwa
digambarkan dengan sebuah lingkaran. Tidak ada lingkaran yang tumpang tindih yang menunjukkan
bahwa ketiga peristiwa itu saling sendirian.

Peristiwa

Peristiwa

Peristiwa

Statistik : Istiono

Aturan komplemen menunjukkan bahwa jumlah probabilitas dari seluruh peristiwa yang mungkin harus
sama dengan 1 atau 100 persen. Probabilitas peristiwa yang dipilih, misalnya peristiwa A (berat lebih
ringan), P(A) ditambah probabilitas peristiwa lain (tidak dipilih), P(bukan A), harus sama dengan 1. Aturan ini
ditulis:
P(A) + P(bukan A) = 1

(2-5)

dapat diubah menjadi

P(A) = 1 P(bukan A)

(2-6)

Contoh 6
Lihat kembali Contoh 5. Probabilitas kantong gula lebih ringan (A) adalah 0,03 dan kantong gula lebih
berat (C) adalah 0,05. Sehingga probabilitas kantong gula yang memenuhi syarat (berat tepat) adalah:
P(B) = 1 {P(A) + P(B)} = 1 {0,03 + 0,05} = 0,92
dan dapat digambarkan dalam diagram Venn sebagai berikut:

tidak termasuk
A atau C

A
0,03

0,92

C
0,05

Peristiwa Independen
Beberapa peristiwa adalah independen (saling bebas) apabila dari semua peristiwa itu dapat terjadi satu
peristiwa saja, terjadi bersama-sama, atau tidak terjadi semua. Peristiwa-peristiwa adalah independen
jika munculnya satu peristiwa tidak mengubah probabilitas munculnya peristiwa lain. Misalnya,
peristiwa A dan B adalah independen. Ini berarti munculnya peristiwa A tidak mempengaruhi
probabilitas munculnya peristiwa B. Probabilitas munculnya peristiwa A dan B dirumuskan sebagai
berikut:
P(A dan B) = P(A)P(B)

(2-7)

Untuk tiga peristiwa yang independen, A, B, dan C, probabilitas muncul peristiwa A, B, dan C adalah:
P(A dan B dan C) = P(A)P(B)P(C)

(2-8)

Probabilitas beberapa peristiwa terjadi bersama-sama disebut dengan probabiltas gabungan (joint
probability).
Contoh 7
Probabilitas seorang mahasiswa di sebuah Perguruan Tinggi membeli sebuah komputer tipe terbaru
adalah 0,25 atau 25 persen. Jika dipilih secara acak 2 mahasiswa (M1 dan M2), probabilitas kedua
mahasiswa itu membeli komputer adalah:
P(M1 dan M2) = P(M1)P(M2) = 0,25 x 0,25 = 0,0625
Statistik : Istiono

Sedangkan probabilitas terjadinya satu peristiwa (A) atau peristiwa yang lain (B) pada berbagai
peristiwa yang saling bebas (independen) dirumuskan sebagai berikut:
P(A atau B) = P(A) + P(B) P(A dan B)

(2-9)

dimana P(A dan B) = P(A) x P(B), yang merupakan probabilitas peristiwa A dan B terjadi bersama-sama.
Contoh 8
Hasil survei pariwisata kepada 200 wisatawan asing, sebagai sampel, yang masuk Jawa Timur
menunjukkan bahwa 120 orang mengunjungi Banyuwangi (A) dan 100 orang mengunjungi Malang (B).
Berdasarkan data ini diketahui bahwa probabilitas wisatawan datang ke Banyuwangi adalah P(A) =
120/200 = 0,6 dan probabilitas ke Malang adalah P(B) = 100/200 = 0,5. Sehingga dapat dihitung
probabilitas wisatawan datang ke Kota Banyuwangi dan ke Kota Malang adalah:
P(A dan B) = 0,6 x 0,5 = 0,3 dan
probabilitas wisatawan ke Kota Banyuwangi atau ke Kota Malang adalah:
P(A atau B) = 0,6 + 0,5 0,3 = 0,8
Jika contoh ini digambarkan dalam diagram Venn diperoleh gambar sebagai berikut:
P(B) = 0,5

P(A) = 0,6

P(A dan B) = 0,3

Peristiwa Bersyarat
Dua peristiwa (A dan B) adalah bersyarat apabila terjadinya satu peristiwa (B) harus didahului oleh
terjadinya peristiwa yang lain (A). Probabilitas dua peristiwa bersyarat dirumuskan sebagai:
P(A dan B) = P(A)P(B/A)

(2-10)

dimana, P(A) adalah probabilitas peristiwa A (pertama) dan P(B/A) adalah probabilitas peristiwa B setelah
peristiwa A terjadi.

Contoh 9
Dalam sebuah dos ada 10 bungkus mie cepat saji yang terdiri dari 6 bungkus rasa soto dan 4 bungkus
rasa rawon. Satu bungkus mie diambil dari dos itu. Satu bungus mie diambil dari dos itu. Probabilitas
mengambil mie rasa soto (S) adalah 6/10 dan probabilitas mengambil rasa rawon (R) adalah 4/10.
Kemudian diambil lagi satu bungkus mie dari dos itu, tanpa mengembalikan mie yang pertama terpilih.
Probabilitas mie terpilih kedua adalah rasa rawon bergantung pada mie pertama yang terpilih apakah
rasa soto atau rasa rawon. Probabilitas bahwa mie kedua adalah rasa rawon adalah:
Statistik : Istiono

4/9, jika mie pertama terambil adalah rasa soto (R/S).

3/9, jika mie pertama terambil adalah rasa rawon (R/R).
Probabilitas 4/9 atau 3/9 disebut probabilitas bersyarat (conditional probability) karena nilainya
bergantung pada mie rasa apakah yang terambil pertama.
Sehingga, probabilitas mengambil mie rasa rawon pada pengambilan pertama (R1) dan rasa rawon
pada pengambilan kedua (R2) adalah:
P(R1 dan R2) = P(R1)P(R2/R1)
= (4/10)(3/9) = 2/15 = 0,1333 = 13,33%
Seringkali hasil penelitian ditampilkan dalam sebuah tabel kontinjensi, yaitu tabel yang digunakan
untuk mengelompokkan pengamatan ke dalam dua karakteristik atau lebih yang dapat diidentifikasi.
Hasil pengamatan ini digunakan untuk menentukan berbagai probabilitas.
Contoh 10
Sebuah survei tentang loyalitas telah dilakukan terhadap 100 Manajer pada beberapa perusahaan
terbuka (go public) selama bulan Januari yang lalu. Pertanyaan yang diajukan adalah apakah mereka
akan pindah jika ada penawaran dari perusahaan lain untuk posisi yang sama atau sedikit lebih tinggi.
Hasil survei ini diringkas dalam tabel berikut ini.
Lama Kerja Jadi Manajer
Loyalitas
Loyal, A1
Pindah, A2
Jumlah

Kurang dari 1
tahun, B1
5
13
18

1 5 tahun, B2

6 10 tahun, B3

15
7
22

10
5
15

Lebih dari 10
tahun, B4
30
15
45

Total
60
40
100

Probabilitas seorang manajer yang dipilih secara acak adalah loyal (tidak pindah) dan telah bekerja lebih
dari 10 tahun dihitung sebagai berikut:
a. Probabilitas manajer tetap bekerja di perusahaannya (loyal), P(A1) = 60/100 = 0,6
b. Probabilitas manajer telah bekerja lebih dari 10 tahun akan tetap loyal meskipun ada tawaran dari
perusahaan lain, P(B4/A1) = 30/60 = 0,5
Sehingga, probabilitas seorang manajer yang dipilih secara acak tidak pindah ke perusahaan lain dan
telah bekerja lebih dari 10 tahun adalah:
P(A1 dan B4) = P(A1)P(B4/A1)
= (60/100)(30/60) = (30/100) = 0,3
Sedangkan, probabilitas seorang manajer yang terpilih adalah loyal atau telah bekerja lebih dari 10
tahun dihitung sebagai berikut:
P(A1 atau B4) = P(A1) + P(B4) P(A1 dan B4)
= (60/100) + (45/100) (30/100) = 0,6 + 0,45 0,3 = 0,75
F. Diagram Pohon
Diagram pohon (tree diagram) adalah grafik yang digunakan dalam menyusun perhitunganperhitungan yang berlangsung dalam beberapa tahap. Setiap bagian dalam diagram tersebut merupakan
satu tingkatan dari masalah. Setiap cabang dari diagram pohon diberi bobot berdasarkan probabilitas.

Statistik : Istiono

Loyalitas

Loyal
6
1

Probabilitas
bersyarat
5 6

kurang dari 1 tahun

6
1

5
6

15 6

1 5 tahun

6
1

15
6

15

6 10 tahun

6
1

1
6

lebih dari 10 tahun

6
1

3
6

kurang dari 1 tahun

4
1

13
4

13

1 5 tahun

4
1

7
4

6 10 tahun

4
1

5
4

lebih dari 10 tahun

4
1

15
4

15

1
3

4
1

6
6

13 4
7 4

Pindah

Probabilitas
gabungan

Lama Bekerja

5 4
15 4

G. Teorema Bayes
Thomas Bayes (1706 1761), seorang ahli matematika, mengembag sebuah rumus probabilitas.
Rumus ini kemudian diperhalusoleh Piere-Simon Laplace dan menamakan dengang teorema Bayes.
Rumus teorema Bayes itu adalah sebagai berikut:
PA1 B

P A1 PB A1
P A1 PB A1 P A2 PB A2

(2-11)

Pada rumus itu peristiwa A1 dan A2 tidak terikat satu sama lain dan membentuk kumpulan lengkap. P(A1)
adalah probabilitas peristiwa A1. P(A1) disebut sebagai peristiwa awal (prior probability), yaitu
probabilitas awal yang didasarkan pada informasi pada masa sekarang. Probabilitas ini ditentukan
sebelum diperoleh data empiris apapun.
Apabila diperoleh informasi tambahan, probabilitas tersebut perlu diperbaiki sehingga diperoleh
probabilitas posterior (posterior probability), yaitu probabilitas yang diperbaiki karena adanya informasi
tambahan.
Contoh 11
Di Negara Antah Berantah, 5 persen penduduknya menderita suatu penyakit aneh. A1 adalah peristiwa
menderita penyakit dan A2 adalah peristiwa tidak menderita penyakit. Jadi, jika dipilih seseorang dari
Negara itu secara acak, probabilitas awal orang itu menderita penyakit, P(A1), adalah 0,05. Probabilitas
awal seseorang tidak menderita penyakit, P(A2) adalah 0,95 (= 1 0,05).
Ada suatu diagnosis untuk menemukan penyakit tersebut, peristiwa B, tetapi teknik ini tidak terlalu
akurat. Probabilitas dianogsis akan mengindikasikan ada penyakit adalah 0,90. Sehingga dengan rumus
probabilitas bersyarat, pernyataan tersebut ditulis:
( |

Statistik : Istiono

Anggaplah probabilitas seseorang yang tidak menderita penyakit tersebut tetapi hasil diagnosisnya akan
menunjukkan sebaliknya adalah 0,15.
( |

15

Jika dipilih secara acak seorang penduduk Negara Antah Berantah dan mendiagnosisnya. Hasil
diagnosis mengindikasikan bahwa ia menderita penyakit tersebut. Probabilitas orang itu sebenarnya
menderita penyakit, probabilitas posterior, adalah:
PA1 B

P A1 PB A1
(0,05)(0,90)
0,0450

0,24
P A1 PB A1 P A2 PB A2 (0,05)(0,90) (0,95)(0,15) 0,1875

Jadi probabilitas seseorang menderita penyakit, jika diketahui hasil diagnosisnya posistif, adalah 0,24
atau 24 persen. Ini berarti bahwa jika seseorang dipilih secara acak dari populasi, probabilitasnya
menderita penyakit adalah 0,05. Jika orang itu didiagnosis dan hasilnya positif, probabilitas orang itu
benar-benar menderita penyakit meningkat dari 0,05 menjadi 0,24.
Perhitungan untuk kasus penduduk Antah Berantah dirangkum dalam tabel berikut ini.
Kejadian,
Ada penyakit, A1
Tidak ada penyakit, A2

Probabilitas Awal
( )
0,05
0,95

Probabilitas
Probabilitas Gabungan
(
)
Bersyarat, ( | )
0,90
0,0450
0,15
0,1425
( )
0,1875

Probabilitas Posterior
( | )
0,0450/0,1875 = 0,24
0,1425/0,1875 = 0,76
1,00

Pada bahasan diatas hanya ada dua peristiwa yang tidak terikat satu sama lain dan membentuk
kumpulan lengkap, A1 dan A2. Jika peristiwa sebanyak n, yaitu A1, A2, An, maka rumus teorema Bayes
menjadi:
PAi B

P Ai PB Ai
P A1 PB A1 P A2 PB A2 P An PB An

(2-12)

Contoh 12
Sebuah pabrik perakit ponsel memakai komponen tertentu, C5, dari tiga pemasok: PT Gajah, PT Badak,
dan PT Kuda. Tiga puluh persen komponen C5 dibeli dari PT Gajah, 20 persen dari PT Badak, dan 50
persen dari PT Kuda. Diketahui bahwa komponen C5 yang cacat dari PT Gajah adalah 3 persen, dari PT
Badak adalah 5 persen, dan dari PT Kuda sebanyak 4 persen.
Ketika komponen C5 dari ketiga pemasok itu tiba di pabrik, produk itu langsung disimpan menjadi satu
tanpa pemeriksaan. Ketika sebuah komponen C5 dipilih ternyata cacat, probabilitas komponen itu
dipasok dari PT Badak dapat dihitung sebagai berikut:
Tiga peristiwa yang tidak terikat satu sama lain dan membentuk kumpulan peristiwa lengkap, yaitu:
A1 : C5 dibeli dari PT Gajah
A2 : C5 dibeli dari PT Badak
A3 : C5 dibeli dari PT Kuda
Probabilitas awal:
P(A1) = 0,30 Probabilitas C5 dibuat oleh PT Gajah
P(A2) = 0,20 Probabilitas C5 dibuat oleh PT Badak
P(A3) = 0,50 Probabilitas C5 dibuat oleh PT Kuda

Statistik : Istiono

Informasi tambahan:
B1 : C5 cacat
B2 : C5 baik
Probabilitas bersyaratnya:
( | ) = 0,03 Probabilitas C5 cacat yang diproduksi oleh PT Gajah
( | ) = 0,05 Probabilitas C5 cacat yang diproduksi oleh PT Badak
( | ) = 0,04 Probabilitas C5 cacat yang diproduksi oleh PT Kuda
Sehingga,
PA2 B1

P A2 PB1 A2
P A1 PB1 A1 P A2 PB1 A2 P A3 PB1 A3

(0,20)(0,05)
0,01

0,2564
(0,30)(0,03) (0,20)(0,05) (0,50)(0,04) 0,039

Rangkuman dari hasil perhitungan pada kasus ini ditampilkan dalam tabel berikut ini:
Kejadian,
PT Gajah, A1
PT Badak, A2
PT Kuda, A3

Probabilitas Awal
( )
0,30
0,20
0,50

Probabilitas
Probabilitas Gabungan
(
)
Bersyarat, ( | )
0,03
0,009
0,05
0,010
0,04
0,020
( )
0,039

Probabilitas Posterior
( | )
0,009/0,039 = 0,2308
0,010/0,039 = 0,2564
0,020/0,039 = 0,5128
1,0000

H. Prinsip Menghitung
Apabila jumlah hasil yang mungkin dalam sebuah percobaan hanya sedikit, perhitungannya adalah
relatif mudah. Namun, jika hasil-hasilnya adalah sangat banyak, perhitungan semua kemungkinan
hasilnya akan sangat membosankan. Untuk memudahkan perhitungkan, pada sub bab ini dibahas tiga
rumus perhitungan: rumus perhitungan, rumus permutasi, dan rumus kombinasi.
Perkalian
Jika terdapat f cara untuk melakukan suatu hal dan g cara untuk melakukan hal yang lain, maka:
Jumlah total susunan = (f)(g)
Untuk tiga peristiwa f, g, dan h, maka:
Jumlah total susunan = (f)(g)(h)
Rumus tersebut dapat diperluas untuk lebih dari tiga peristiwa.
Contoh 13
Sebuah toko mempromosikan tiga jenis jam tangan: manual, otomatis, dan digital. Setiap pembeli dapat
memilih tiga warna gelang jam: hijau, kuning, dan merah. Sehingga, jumlah susunan jenis dan gelang
jam tangan:
Jumlah total susunan = (f)(g) = (3)(3) = 9
Statistik : Istiono

10

Permutasi
Permutasi adalah susunan apapun dari r objek yang dipilih dari sebuah kelompok tunggal dengan n
objek dengan memperhatikan susunan dari r objek tersebut. Untuk r objek yang sama tetapi
mempunyai susunan yang berbeda merupakan permutasi yang berbeda. Misalnya, p q r dan q p r adalah
dua permutasi yang berbeda. Rumus permutasi adalah:
n

Pr

n!

(2-13)

n r !

dimana, n adalah jumlah seluruh objek dan r adalah jumlah objek yang dipilih. Notasi n! dibaca n
faktorial = n(n 1)(n 2)(n 3) .. (1). Misalnya, 5! = 5 4 3 2 1 = 120.
Contoh 14
Ada tiga mobil berwarna biru (B), putih (P), dan kuning (K) yang akan disusun secara berurutan. Karena
ketiganya akan disusun bersamaan, maka n = 3 dan r = 3 dan hasil permutasinya adalah:
P

3 3

n!

3!

n r ! 3 3!

Jadi ada 6 permutasi, yang berarti ada 6 pilihan yang mungkin untuk menyusun ketiga mobil tersebut,
yaitu:
BPK
BKP
PBK
PKB
KBP
KPB

Contoh 15
Sebuah perusahaan mempunyai 5 mobil operasional, tetapi hanya mempunyai 3 garasi untuk 3 mobil.
Sehingga, susunan yang mungkin untuk menyimpan mobil tersebut ke dalam 3 garasi ada:
5

P3

n!
5!

60
(n r )! (5 3)!

Kombinasi
Kombinasi adalah susunan apapun dari r objek yang dipilih dari n objek tanpa memperhatikan susunan
dari r objek tersebut. Untuk r objek yang sama tetapi mempunyai susunan yang berbeda merupakan
kombinasi yang sama. Misalnya, x y z ; x z y ; y x z; y z x; z x y; dan z y x adalah enam kombinasi yang
sama. Rumus kombinasi adalah:

Cr

n!
r!(n r )!

(2-14)

Contoh 16
Presiden direktur sebuah perusahaan telah memilih 5 karyawannya (A, B, C, D, dan E) untuk membentuk
sebuah team riset pasar. Team ini terdiri dari 3 karyawan dengan tugas dan tanggung jawab sama dalam
team itu. Kombinasi anggota team yang mungkin terbentuk ada:

Statistik : Istiono

11

Cr

n!
5!

10 kombinasi
r!(n r )! 3!(5 3)!

yaitu: ABC; ABD; ABE; ACD; ACE; ADE; BCD; BCE; BDE; dan CDE.
Apabila dari n objek dapat dipisahkan menjadi m kelompok yang terpisah dan masing-masing
kelompok terdiri dari r1, r2, rm, maka rumus kombinasi menjadi:

Cr1 , r2 ,...,rm

n!
r1!r2! rm!

(2-15)

Contoh 17
Ada 9 pegawai baru di sebuah instansi. Kesembilan pegawai ini akan ditempatkan di 3 ruang berbeda
dengan kapasitas ruang A untuk 4 pegawai, ruang B untuk 3 pegawai, dan ruang C untuk 2 pegawai.
Berdasarkan data ini, maka kombinasi yang mungkin untuk menempatkan pegawai tersebut ada:

C( 4,3, 2)

9!
1.260 kombinasi
4! 3! 2!

Soal-soal
2.1

2.2

2.3

Survei terhadap 30 mahasiswa Fakultas Ekonomi dan Bisnis memperlihatkan mata kuliah utama
berikut ini:
Akuntansi
8
Keuangan
5
Ekonomi
3
Manajemen
6
Pemasaran
8
Andaikan Anda memilih seorang mahasiswa dan mengamati mata kuliah utamanya.
a. Berapakah probabilitas mahasiswa tersebut mengambil mata kuliah utama keuangan?
b. Konsep probabilitas mana yang Anda gunakan untuk membuat taksiran tersebut?
Sebuah kotak berisi 5 kaleng minuman ringan rasa buah. Dua kaleng adalah rasa semangka dan
tiga kaleng rasa asam. Jika diambil satu kaleng minuman itu secara acak:
a. Berapakah probabilitas minuman rasa semangka yang terpilih?
b. Konsep probabilitas mana yang Anda gunakan untuk membuat perkiraan tersebut?
Dalam setiap kasus ini, tunjukkan apakah probabilitas klasik, empiris, atau subjektif yang digunakan.
a. Seorang pemain sepak bola melakukan 3 tendangan dari 10 kesempatan. Probabilitasnya
adalah 0,3 bahwa dia dapat melakukan tendangan pada kesempatan berikutnya.
b. Panitia yang berangotakan 9 mahasiswa dibentuk untuk mempelajari isu-isu lingkungan.
Berapakah probabilitas salah satu dari sembilan orang mahasiswa tersebut dipilih sebagai
bendahara?
c. Anda menjadi satu peserta undian berhadiah utama atas produk yang telah Anda beli. Total

Statistik : Istiono

12

2.4

peserta undian ini ada 5 juta orang. Berapakah probabilitas Anda akan memenangkan hadiah
utama itu?
d. Probabilitas terjainya gempa bumi di Amerika Serikat dalam 5 tahun ke depan adalah 0,85.
Studi terhadap 100 perusahaan terbuka mengungkapkan nilai laba bersih setelah pajak:
Laba bersih
Di bawah Rp5 milyar
Rp5 milyar hingga Rp15 milyar
Lebih dari Rp15 milyar

2.5

a. Berapakah probbilitas sebuah perusahaan terbuka yang dipilih secara acak memperoleh laba
bersih di bawah Rp5 milyar?
b. Berapakah probailitas sebuah perusahaan terbuka yang dipilih secara acak memperoleh laba
bersih antara Rp5 milyar dan Rp15 milyar, atau lebih dari Rp15 milyar.
Perhatikan tabel berikut:
Kejadian Kedua
B1
B2

2.6

2.8

2.9

A1
3
2
5

Kejadian Pertama
A2
2
3
5

Total
A3
4
2
6

9
7
16

a. Tentukan P(A1).
b. Tentukan P(B1A2).
c. Tentukan P(B2 dan A3).
Setiap petugas pemasaran PT Wilis diberi diberi salah satu nilai berikut: di bawah rerata, rerata,
atau di atas rerata berdasarkan kemampuan memasarkan mereka. Setiap petugas pemasaran
juga dinilai berdasarkan potensinya untuk maju, yaitu cukup, baik, atau baik sekali. Informasi
tersebut diklasifikasikan silang pada tabel berikut. Jumlah petugas pemasaran yang dinilai adalah
1000 orang.
Kemampuan Menjual
Di bawah rerata
Rerata
Di atas rerata

2.7

Jumlah Perusahaan
51
30
19

Cukup
32
90
186

Potensi untuk Maju

Baik
Baik Sekali
24
44
120
90
144
270

a. Disebut apakah tabel ini?

b. Berapakah probabilitas seorang petugas pemasaran yang dipilih secara acak akan memiliki
kemampuan menjual di atas rerata dan potensi untuk maju yang baik sekali?
c. Susunlah sebuah diagram pohon yang menunjukkan semua probabilitas, probabilitas
bersyarat, dan probabilitas gabungannya.
P(A1) = 0,60; P(A2) = 0,40; P(B1A1) = 0,05; dan P(B1A2) = 0,10. Gunakan teorema Bayes untuk
menentukan P(A1B1).
Selesaikan soal berikut:
a. 30!/25!
b. 6P4
c. 6C3
PT Nusaraya membuka tiga perusahaan cabang baru yang berlokasi di tiga provinsi berbeda. Ada
tujuh manajer yang memenuhi syarat untuk memimpin perusahaan cabang tersebut. Berapa

Statistik : Istiono

13

banyak cara berbeda untuk memilih tiga orang manajer untuk tiga perusahaan cabang itu?

Statistik : Istiono

14