A.

PENGERTIAN DAN KONSEP DASAR PROBABILITAS, DISTRIBUSI

PROBABILITAS
Probabilitas adalah peluang kejadian / peristiwa yang mungkin terjadi. Terdapat 3
konsep probabilitas yaitu pandangan klasik/intuitif, pandangan empiris/ relatif,
pandangan subjektif.
1. Pandangan Klasik / Intuitif
Probabilitas / peluang adalah harga angka yang menunjukkan seberapa besar
kemungkinan suatu peristiwa / kejadian terjadi, diantara keseluruhan peristiwa
yang mungkin terjadi.

Contoh : Peluang terambilnya mata dadu 5 yaitu 1/6.

Atau dapat ditulis P (mata uang 5) = 1/6
2. Pandangan Empiris / Relatif
Probabilitas didasarkan pada observasi, pengalaman, atau kejadiann(peristiwa)
yang telah terjadi.

P(E) = lim
Hubungan antara pandangan klasik dan pandangan Empiris.
X/

P(E) = X/N dan P(E) = lim X/N akan sama besarnya bila N
tidak terhingga

Contoh :
Dari 10.000 hasil suatu produksi , rusak 100 , maka P (RUSAK) = 1 % (0,01).
3. Pandangan Subjektif

Probabilitas ditentukan oleh pembuat pernyataan, misalnya seorang direktur RS

menyatakan keyakinannya (90%) bahwa RS yang dipimpinnya akan dapat mulai
swadana lima tahun kedepan. Kebenaran dari probabilitas subjektif ini sangat
tergantung kepada orang yang menentukannya.

KONSEP DASAR PROBABILITAS

 1. RUANG SAMPEL (S)
Ruang sampel adalah himpunan yang elemen-elemennya merupakan hasil yang
mungkin terjadi dari suatu experimen. Misalnya :
S = (x1, x2, x3......, dst)
2. TITIK SAMPEL
Titik sampel adalah semua elemen yang ada di dalam suatu ruangan sampel yaitu
x1, x2, x3.
3. PERISTIWA / KEJADIAN / EVENT
Peristiwa adalah himpunan bagian dari suatu ruang sampel, perstiwa biasanya
ditulis dengan huruf besar A, B, dst, dan peristiwa yang mungkin muncul
dituliskan didalam hasil.
Contoh :
Experimen : Pelemparan dadu
Hasil : mata dadu yang tampak
Ruang Sampel : S= (1,2,...6)
Suatu Peristiwa : Titik ganjil {1,3,5}

Peristiwa peristiwa baru dapat dibentuk dari peristiwa-peristiwa yang sudah ada
dengan menggunakan tiga operasi dasar yaitu union, interaksi, dan
komplementasi yang timbul dengan ditandai denfan kata atau, dan, serta
tidak.
1. Union peristiwa A dan B adalah himpunan semua elemen yang ada di
dalam himpunan A dan himpunan B, ditulis dengan A B
2. Interaksi dua peristiwa A dan B, dapat ditulis dengan A B adalah
himpunan semua elemen yang ada di dalam A dan juga B.
3. Komplementasi peristiwa A ditulis Ac, adalah himpunan semua elemen
yang tidak di dalam A.

Asas Perhitungan Probabilitas

Nilai probabilitas P berada diantara nilai 0 dan 1. Rumusnya adalah :
0 P

Asas dalam perhitungan probabilitas antara lain :

1. Hukum Pertambahan yaitu ketika memerlukan probabilitas dalam dua peristiwa,
kita menggunakan kata kunci atau pada kalimat pernyataan tersebut.
a. Kejadian mutually exclusive (peristiwa yang saling terpisah)
Yaitu apabila satu peristiwa akan meniadakan peristiwa yang lain, atau saling
meniadakan. Atau dapat dikatakan bahwa kejadian tersebut tidak mungkin saling
bersamaan.

P(A atau B) = P(A)

b. Kejadian non mutually exclusive (joint)
Yaitu apabila dua peristiwa / lebih dapat terjadi bersama-sama (tetapi tidak selalu
bersama).

P(A atau B) = P(A) + P(B) -

 2. Hukum Perkalian menggunakan kata kunci dan.
a. Peristiwa Bebas (Independent)
Kejadian / peristiwa tidak mempengaruhi peristiwa lain. Kejadian yang tidak
saling berkaitan antara satu sama lain.

P(A dan B) = P(A)

x P(B
b. Peristiwa Tidak Bebas (Conditional Probability = Peristiwa Bersyarat)
Kejadian / peristiwa akan mempengaruhi peristiwa lain.

P(A dan B) = P(B|A)* P(A) = P(A|

B) * P(B)

PERMUTASI & KOMBINASI

1. PERMUTASI
Suatu kumpulan objek yang mempertimbangkan urutan kejadian.

nPr =

P = Jumah Permutasi (Urutannya dipentingkan)

n = Banyaknya objk
r = Jumlah anggota pasangan
! = Faktorial (3! = 3 x 2 x 1) , 0! 1 , 1! = 1

2. KOMBINASI
Suatu kumpulan objek yang tidak mempertimbangkan urutan kejadian.

nCr =
C = Jumlah kombinasi (urutan tidak penting)
n = Banyaknya objek
r = Jumlah anggota pasangan

DISTRIBUSI PROBABILITAS
Ada beberapa macam distribusi probabilitas dalam analisis statistik, antara lain :
a. Distribusi binomial (Bernaulli)
b. Distribusi Poisson
c. Distribusi Normal (Gauss)
d. Distribusi Student (t W Gosset)
e. Distribusi Chi Square (X)
f. Distribusi Fisher (F)
 g. Dll
Dalam hal ini akan dibahas tiga macam distribusi yang umumnya digunakan yaitu Binomial,
Poisson dan Normal.

DISTRIBUSI BINOMIAL
Distribusi binomial menggambarkan fenomena dengan dua hasil atau outcome.
Sebagai contoh, peluang sukses dan gagal, sehat dan sakit, dan sebagainya. Penemu distribusi
binomial adalah James Bernaulli sehingga distribusi binomial dikenal juga sebagai Distribusi
Bernaulli.
Bernaulli trial mempunyai empat syarat sebagai berikut.
1. Jumlah trial merupakan bilangan bulat.
Contoh:
a. Laki laki/perempuan
b. Sehat/sakit
c. Setuju/tidak setuju
2. Setiap eksperimen mempunyai dua outcome (hasil), yaitu sukses dan gagal
3. Peluang sukses sama setiap eksperimen
4. Setiap eksperimen independen satu sama lain.
Di dalam mempelajari distribusi biominal ini, trial independen adalah setiap trial atau
peristiwa bebas satu sama lain, misalnya trialnya melemparkan (melambungkan) satu koin 5
kali, antara lambungan pertama, kedua, sampai kelima adalah kejadian yang independen.
Setiap eksperimen atau trial mempunyai dua hasil, yaitu sukses dan gagal. Jadi, ketika
melambungkan koin kita mengahrapkan akan keluar permukaan H (head) dan pada waktu
melambungkan keluar H, maka dikatakan sukses, sedangkan kalau yang keluar sisi T (tail),
maka dikatakan gagal. Setiap lambungan mempunyai probabilitas sukses adalah
(setengah), pada lambung sterusnya juga setengah. Jumlah lambungan adalah bilangan bulat
1, 2, 3 dan seterusnya. Tidak mungkin melambungkan koin 31/2 kali. Bagaimana jika yang
dilambungkan itu adalah dadu? Dalam hal ini permukaan yang diharapkan keluar misalnya
mata lima, maka dikatakan peluang (probabilitas) sukses adalah 1/6 (seperenam), sedangkan
peluang gagal adalah 5/6 (lima per enam). Untuk itu, probabilitas sukses dilambangkan p,
sedangkan peluang gagal adalah (1-p) atau biasa juga dilambangkan q, di mana q=1-p.
Kejadian atau peristiwa binomial ini disimbolkan b(x, n, p) di mana b=binomial, x
adalah banyaknya sukses yang diinginkan (bilangan random), n=jumlah trial, p=peluang
sukses dalam satu kali trial.
Contoh:
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.
 Suatu trial n kali nilai n dapat (1, 2, 3n), sedangkan sukses x dapat merupakan
bilangan random mulai dari (0, 1, 2n).

Contoh permasalahan:
Probabilitas seorang bayi tidak diimunisasi polio adalah 0,2 (p). Pada suatu hari di
Puskesmas PQR ada 4 orang bayi. Hitung peluang dari bayi tersebut 2 orang
belum imunisasi polio. Jadi, di dalam kejadian binominal ini dikatakan b(x=2)n=4,
p=0,2)b(2, 4, 0,2)

Penyelesaian:
Ketakanlah bayi tersebut A, B, C, D, dua orang tidak diimunisasi mungkin adalah,
A&B, A&C, A&D, B&C, C&D.
Ada enam pasangan yang mungkin merupakan kombinasi dari empat objek yang
pasangannya 2(x=2 n=4) kombinasinya adalah sebagai berikut:

Dua orang tidak diimunisasi dan dua orang diimunisasi peluangnya adalah 0,2 2 x
0,82 atau px(1-p)n-x.
Jadi rumus untuk b(x, n, p) adalah:

Jadi, peluang dua diantara empat bayi yang belum imunisasi polio adalah

Disamping itu memakai rumas binomial diatas, permasalahan ini juga dapat
dikerjakan dengan memakai tabel binomial (lampiran tabel I, caranya adalah dengan
menentukan n, misalnya dari contoh soal adlah 4, dilihat pada kolom pertama kolom kedua
adalah kemungkinan x, dalam permaslahan diatas x=2. P dilihat pada baris paling atas dalam
hal ini p=0,2 ditarik garis dari p=0,2 sampai ke n==4 dan x=2 maka di tabel didapatkan
0,973. Ini adalah peluang kumulatif dari p(x=0)+ p(x=1)+ p(x=2). Jadi, kalau mau
mendapatkan p(x=2) saja, maka 0,973-0,819=0,154.

DISTRIBUSI POISSON
Distribusi Poisson dipakai untuk menentukan peluang suatu kejadian yang jarang terjadi,
tetapi mengenai populasi yang luas atau area yang luas dan juga berhubungan dengan waktu.
Contoh:
 1. Disuatu gerbang tol yang dilewati ribuan mobil dalam suau hari akan terjadi
kecelakaan dari sekian banyak mobil yang lewat
2. Dikatakan bahwa kejadian seseorang akan meningga karena shock pada waktu
disuntik dengan vaksin meningitis 0,0005. Padahal, vaksinasi tersebut selalu diberikan
kalua seseorang ingin pergi haji.

Rumus Distribusi Poisson:

Keterangan:
= n.p
e = 2.71828
r = Variabel random diskrit (1,2,..x)
Contoh Soal
Dari data pemkot Depok, setiap tahun rata-rata ada 5 penyeberang jalan menjadi korban
kecelakaan di jalan Margonda Raya. Warga meminta pemkot Depok untuk mengalokasikan
dana untuk membangun JPO guna mencegah terjadinya hal tersebut. Pemkot menyetujui bila
peluang terjadi lebih dari 3 kasus kecelakaan penyeberangan melebihi 0,7. Akankah pemkot
mengalokasikan dana tersebut?
Jawab:
P (y > 3) = 1 P(y 3)
= 1 P(0) P(1) P(2) P(3)
= 1 50e-5 - 51e-5 52e-5 53e-5
0! 1! 2! 3!
= 0. 735
Karena peluangnya lebih besar dari 0.7, maka pemkot akan mengalokasikan dana.