TEORI PROBABILITAS DAN STATISTIKA

O LE H

SULISTYO
RENDA FEBRIAN KUSUMA
AHMAD ASROFIN NIZHOM

2130530029
2130530017
2130530014

FAKULTAS TEKNIK JURUSAN TEKNIK ELEKTRO

UNIVERSITAS ISLAM MALANG

KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Allah SWT atas rahmat-Nya maka dapat menyelesaikan
penyusunan makalah yang berjudul TEORI PROBABILITAS DAN STATISTIKA.
Penulisan makalah adalah merupakan salah satu tugas dari Mata kuliah STATISTIKA DAN
PROBABILITAS.
Dalam Penulisan makalah ini kami merasa masih banyak kekurangan-kekurangan baik pada
teknis penulisan maupun materi, mengingat akan kemampuan yang dimiliki kami, untuk itu
kritik dan saran dari semua pihak sangat kami harapkan demi penyempurnaan pembuatan
makalah ini.
Dalam penulisan makalah ini kami menyampaikan ucapan terima kasih yang tak terhingga
kepada pihak-pihak yang membantu dalam menyelesaikan penulisan makalah ini, khususnya
kepada teman, sahabat, dan semua pihak yang tidak dapat disebutkan satu persatu, yang telah
memberikan bantuan dalam penulisan makalah ini.

Penulis

BAB I
PENDAHULUAN
Sejauh ini teori peluang yang kita bicarakan hanya sebatas pada suatu peristiwa
tertentu atau tentang kemungkinan terjadinya peristiwa dengan nilai peluang tertentu. Padahal
masih ada nilai-nilai peluang dari peristiwa lainnya yang bisa ditentukan. Nilai-nilai peluang
tambahan yang demikian bisa membentuk suatu distribusi yang disebut sebagai distribusi
peluang. Sebagai contoh, ketika melempar sebuah dadu, kita bisa menghitung peluang dari
seluruh peristiwa yang mungkin yakni munculnya angka 1, 2, 3, 4, 5 dan 6 yang masingmasing memiliki peluang 1/6.
Semua peristiwa tersebut berada dalam ketidakpastian atau Uncertainty. Dengan
demikian, probabilitas atau peluang merupakan derajat kepastian untuk terjadinya suatu
peristiwa yang diukur dengan angka pecahan antara nol sampai dengan satu, dimana
peristiwa tersebut terjadi secara acak atau random. Dengan konsep probabilitas tersebut,
maka akan dapat diusahakan untuk menarik kesimpulan tentang karakteristik dari populasi
dengan menggunakan data sampel. Proses penarikan kesimpulan populasi atas dasar data
sampel sering disebut dengan induktif.
Peluang banyak digunakan dibidang lain, selain bidang Matematika. Ahli fisika
menggunakan peluang untuk mempelajari macam-macam gas dan hukum panas dalam teori
atom. Ahli biologi mengaplikasi teknik peluang dalam ilmu genetika dan teori seleksi alam.
Dalam dunia bisnis teknik peluang digunakan untuk pengembalian keputusan.
Peluang merupakan teori dasar stastistika, suatu disiplin ilmu yang mempelajari
pengumpulan, pengaturan, perhitungan, penggambaran dan penganalisisan data, serta
penarikan kesimpulan yang valid berdasarkan penganalisisan yang dilakukan dan pembuatan
keputusan yang rasional.

BAB II
PEMBAHASAN
A. Definisi Probabilitas dan Statistika
2

1. Statistika
Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,
menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah
ilmu yang berkenaan dengan data. Istilah 'statistika' (bahasa Inggris: statistics) berbeda
dengan 'statistik' (statistic). Statistika merupakan ilmu yang berkenaan dengan data, sedang
statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu data. Dari
kumpulan data, statistika dapat digunakan untuk menyimpulkan atau mendeskripsikan data;
ini dinamakan statistika deskriptif. Sebagian besar konsep dasar statistika mengasumsikan
teori probabilitas.
Statistika dibedakan berdasarkan jenisnya menjadi dua yaitu :

Statistika deskriptif adalah statistika yang berkaitan dengan metode atau cara
medeskripsikan, menggambarkan, menjabarkan atau menguraikan data. Statistika deskripsi
mengacu pada bagaimana menata, menyajikan dan menganalisis data, yang dapat dilakukan
misalnya dengan menentukan nilai rata-rata hitung, median, modus, standar deviasi atau
menggunakan cara lain yaitu dengan membuat tabel distribusi frekuensi dan diagram atau

grafik.
Statistika inferensia adalah statistika yang berkaitan dengan cara penarikan kesimpulan
berdasarkan data yang diperoleh dari sampel untuk menggambarkan karakteristik dari suatu
populasi. Dengan demikian dalam statistika inferensia data yang diperoleh dilakukan
generalisasi dari hal yang bersifat kecil (khusus) menjadi hal yang bersifat luas (umum).

2. Probabilitas
Probabilitas adalah harga angka yang menunjukkan seberapa besar kemungkinan suatu
peristiwa terjadi, di antara keseluruhan peristiwa yang mungkin terjadi. Contoh : sebuah dadu
untuk keluar mata lima saat pelemparan dadu tersebut satu kali adalah 1/6 (karena
banyaknya permukaan dadu adalah 6)
Rumus : P (E) = X/N
P: Probabilitas
E: Event (Kejadian)
X: Jumlah kejadian yang diinginkan (peristiwa)
N: Keseluruhan kejadian yang mungkin terjadi
B. PENDEKATAN PERHITUNGAN PROBABILITAS
3

Konsep-konsep probabilitas tidak hanya penting oleh karena terapan-teranpannya yang

langsung pada masalah-masalah bisnis akan tetapi juga karena probabilitas adalah dasar dari
sampel-sampel dan inferences tentang populasi yang dapat dibuat dari suatu sampel.
Pendekatan perhitungan probabilitas ada tiga konsep untuk mendefinisikan probabilitas dan
menentukan nilai-nilai probabilitas, yaitu :

Pendekatan Klasik
Pendekatan klasik didasarkan pada banyaknya kemungkinan-kemungkinan yang dapat terjadi
pada suatu kejadian. Jika ada a banyaknya kemungkinan yang dapat terjadi pada kejadian A,
dan b banyaknya kemungkinan tidak terjadi pada kejadian A, serta masing-masing kejadian
mempunyai kesempatan yang sama dan saling asing. Probabilitas bahwa akan terjadi A

adalah P(A) = a / (a+b).

Pendekatan Frekuensi Relatif (Emperical Approach)
Nilai probabilitas ditentukan atas dasar proporsi dari kemungkinan yang dapat terjadi dalam
suatu observasi atau percobaan. Tidak ada asumsi awal tentang kesamaan kesempatan, karena
penentuan nilai-nilai probabilitas didasarkan pada hasil obserbasi dan pengumpulan data.
Misalkan berdasarkan pengalaman pengambilan data sebanyak N terdapat a kejadian yang

bersifat A. Dengan demikian probabilitas akan terjadi A untuk data adalah P(A) = A /N.
Pendekatan Subyektif (Personalistic Approach)
Pendekatan subyektif dalam penentuan nilaiprobabilitas adalah tepat atau cocok apabila
hanya ada satu kemungkinan kejadian terjadi dalam satu kejadian. Dengan pendekatan ini,
nilai probabilitas dari suatu kejadian ditentukan berdasarkan tingkat kepercayaan yang
bersifat individual dengan berlandaskan pada semua petunjuk yang dimilikinya.

C. DISTRIBUSI PROBABILITAS
Kunci

aplikasi

probabilitas

dalam

statistik

adalah

memperkirakan

terjadinya

peluang/probabilitas yang dihubungkan dengan terjadinya peristiwa tersebut dalam beberapa

keadaan. Jika kita mengetahui keseluruhan probabilitas dari kemungkinan outcome yang
terjadi, seluruh probabilitas kejadian tersebut akan membentuk suatu distribusi probabilitas.

1. Distribusi Binomial (Bernaulli)

Distribusi Binomial atau distribusi Bernoulli (ditemukan oleh James Bernoulli) adalah
suatu distribusi teoritis yang menggunakan variabel random diskrit yang terdiri dari dua
kejadian yang berkomplemen, seperti sukses-gagal, ya-tidak, baik-cacat, sakit-sehat dan lainlain.

Ciri-ciri distribusi Binomial adalah sebagai berikut :

Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-gagal.

Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap percobaan.
Percobaannya bersifat independen, artinya peristiwa dari suatu percobaan tidak

mempengaruhi atau dipengaruhi peristiwa dalam percobaan lainnya.

Jumlah atau banyaknya percobaan yang merupakan komponen percobaan binomial harus
tertentu.

Simbol peristiwa Binomial b (x,n,p)

Ket :
b = binomial
x = banyaknya sukses yang diinginkan (bilangan random)
n = Jumlah trial
p = peluang sukses dalam satu kali trial.
Dadu dilemparkan 5 kali, diharapkan keluar mata 6 dua kali, maka kejadian ini dapat ditulis
b(2,5,1/6) x=2, n=5, p=1/6.
2. Distribusi Poisson
Distibusi Poisson merupakan distribusi probabilitas untuk variabel diskrit acak yang
mempunyai nilai 0,1, 2, 3 dst. Distribusi Poisson adalah distribusi nilai-nilai bagi suatu
variabel random X (X diskrit), yaitu banyaknya hasil percobaan yang terjadi dalam suatu
interval waktu tertentu atau disuatu daerah tertentu. Fungsi distribusi probabilitas diskrit yang
sangat penting dalam beberapa aplikasi praktis.
Poisson memperhatikan bahwa distribusi binomial sangat bermanfaat dan dapat menjelaskan
dengan sangat memuaskan terhadap probabilitas Binomial b(Xn.p) untuk X= 1,2,3 n.
namun demikian, untuk suatu kejadian dimana n sangat besar (lebih besar dari 50) sedangkan
probabilitas sukses (p) sangat kecil seperti 0,1 atau kurang, maka nilai binomialnya sangat
sulit dicari. Suatu bentuk dari distribusi ini adalah rumus pendekatan peluang Poisson untuk
peluang Binomial yang dapat digunakan untuk pendekatan probabilitas Binomial dalam
situasi tertentu.
Percobaan Poisson memiliki ciri-ciri berikut :

Hasil percobaan pada suatu selang waktu dan tempat tidak tergantung dari hasil
percobaan di selang waktu dan tempat yang lain terpisah.

Peluang terjadinya suatu hasil percobaan sebanding dengan panjang selang waktu dan
luas tempat percobaan terjadi. Hal ini berlaku hanya untuk selang waktu yang singkat

dan luas daerah yang sempit.

Peluang bahwa lebih dari satu hasil percobaan akan terjadi pada satu selang waktu dan
luasan tempat yang sama diabaikan.

Distribusi poisson banyak digunakan dalam hal:

Menghitung Probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau isi, luas,
panjang tertentu, saeperti menghitung probabilitas dari:
Kemungkinan kesalahan pemasukan data atau kemungkinan cek ditolak oleh bank.
Jumlah pelanggan yang harus antri pada pelayanan rumah sakit, restaurant cepat saji atau
antrian yang panjang bila ke ancol. Banyaknya bintang dalam suatu area acak di
ruangangkasa atau banyaknya bakteri dalam 1 tetes atau 1 liter air. Jumlah salah cetak
dalam suatu halaman ketik. Banyaknya penggunaan telepon per menit atau banyaknya
mobil yang lewat selama 5 menit di suatu ruas jalan. Distribusi bakteri di permukaan
beberapa rumput liar di ladang. Semua contoh ini merupakan beberapa hal yang

menggambarkan tentang suatu distribusi Poisson.

Menghitung distribusi binomial apabila nilai n besar (n 30) dan p kecil (p<0,1).
Jika kita menghitung sejumlah benda acak dalam suatu daerah tertentu T, maka proses

penghitungan ini dilakukan sebagai berikut :

Jumlah rata-rata benda di daerah S T adalah sebanding terhadap ukuran S, yaitu

ECount(S)= S. Di sini melambangkan ukuran S, yaitu panjang, luas, volume, dan lain

lain. Parameter > 0 menggambarkankan intensitas proses.

Menghitung di daerah terpisah adalah bebas.
Kesempatan untuk mengamati lebih dari satu benda di dalam suatu daerah kecil adalah
sangat kecil, yaitu P(Count(S)2) menjadi kecil ketika ukuran menjadi kecil.

3. Distribusi Normal
Distribusi Normal adalah salah satu distribusi teoritis dari variable random kontinu.
Distribusi Normal sering disebut distribusi Gauss.
D. HUKUM PROBABILITAS
Asas perhitungan probabilitas dengan berbagai kondisi yang harus diperhatikan
1. Hukum Pertambahan
Terdapat 2 kondisi yang harus diperhatikan yaitu:
a) Mutually Exclusive (saling meniadakan)
Rumus: P (A U B) = P (A atau B)= P (A) + P (B)
6

b) Non Mutually Exclusive (dapat terjadi bersama)

Peristiwa Non Mutually Exclusive (Joint) adalah dua peristiwa atau lebih dapat terjadi
bersamasama (tetapi tidak selalu bersama).
2. Hukum Perkalian
Terdapat dua kondisi yang harus diperhatikan apakah kedua peristiwa tersebut saling
bebas atau bersyarat.
a) Peristiwa Bebas (Independent)
Apakah kejadian atau ketidakjadian suatu peristiwa tidak mempengaruhi peristiwa lain.
b) Peristiwa tidak bebas (Hukum Perkalian)
Peristiwa tidak bebas atau peristiwa bersyarat (Conditional Probability) adalah dua
peristiwa dikatakan bersyarat apabila kejadian atau ketidakjadian suatu peristiwa akan
berpengaruh terhadap peristiwa lainnya.

BAB III

PENUTUP

Kesimpulan
7

Statistika dapat dibedakan sebagai statistika teoritis dan statistika terapan. Statistika
teoritis merupakan pengetahuan yang mengkaji dasar-dasar teori statistika, teori penarikan
contoh, distribusi, penaksiran dan peluang. Statistika terapan merupakan penggunaan
statistika teoritis yang disesuaikan dengan bidang tempat penerapannya. Teknik-teknik
penarikan kesimpulan seperti cara mengambil sebagian populasi sebagai contoh, cara
menghitung rentangan kekeliruan dan tingkat peluang, menghitung harga rata-rata.
Tanpa menguasai statistika adalah tak mungkin untuk dapat menarik kesimpulan
induktif dengan sah. Statistika harus mendapat tempat yang sejajar dengan matematika agar
keseimbangan berpikir deduktif dan induktif yang merupakan ciri dari berpikir ilmiah dapat
dilakukan dengan baik. Statistika merupakan sarana berpikir yang diperlukan untuk
memproses pengetahuan secara ilmiah. Statistika membantu untuk melakukan generalisasi
dan menyimpulkan karakteristik suatu kejadian secara lebih pasti dan bukan terjadi secara
kebetulan.
Probabilitas adalah harga angka yang menunjukkan seberapa besar kemungkinan
suatu peristiwa terjadi, di antara keseluruhan peristiwa yang mungkin terjadi.

DAFTAR PUSTAKA
http://www.slideshare.net/ExzAzzizz/distribusi-normal-presentasi
http://nasmtk.blogspot.com/2013/08/makalah-statistik-distribusi-peluang_6612.html
http://berandakami.files.wordpress.com/2008/10/distribusi_probabilitas.pdf
http://tyarhashawol.blogspot.com/2012/12/probabilitas-dan-statistika_31.html
http://ssantoso.blogspot.com/2009/03/materi-ii-teori-probabilitas-1.html
http://www.com.dtu.dk/education/34340/