Anda di halaman 1dari 168

Ruang Sampel

Perhatikan pada pelemparan sebuah mata uang, kita tidak dapat memastikan hasil yang
mungkin terjadi apakah munculnya Angka atau Gambar. Demikian pula jika kita mengambil
secara acak sebuah kelereng dari dalam kotak berisi beberapa kelereng, kita tidak dapat
memastikan kelereng mana yang terambil. Kegiatan melempar mata uang, mengambil secara acak
kelereng dari dalam kotak dinamakan percobaan atau eksperimen. Percobaan dalam konsep
peluang menyatakan tiap proses yang mengasilkan data mentah yang hasilnya tidak dapat kita
pastikan sebelumnya.
Perhatikan kembali pada pecobaan pelemparan sebuah mata uang, bila mata uang dilempar
berulang-ulang, kita tidak dapat memastikan bahwa pada lemparan tertentu akan diperoleh sisi
Gambar atau Angka, tetapi kita mengetahui semua kemungkinan hasil untuk setiap percobaan.
Dalam percobaan melempar mata uang hasil yang mungkin terjadi bisa muncul sisi Gambar
disingkat G, atau munculnya sisi Angka disingkat A. Bila kita himpun hasil-hasil yang mungkin
terjadi pada sebuah percobaan maka kita dapatkan sebuah ruang sampel. Yang secara umum
didefinisikan sebagai berikut.
Definisi 1.1
Himpunan dari semua hasil yang mungkin muncul pada suatu percobaan disebut ruang
sampel, sedangkan anggota-anggota dari ruang sampel disebut titik sampel.
Ruang sampel biasa disimbulkan dengan huruf S, jika banyaknya titik sampel berhingga kita dapat
mendaftar anggota-angota ruang sampel tersebut menggunakan tanda koma untuk memisahkan
masing-masing anggota dan menutupnya dengan dua kurung kurawal.
Contoh 1.1
Pada percobaan melempar sekeping mata uang logam, ruang sampelnya adalah {A, G}, titik
sampelnya adalah A, G.
Contoh 1.2
Pada percobaan melempar dua mata uang, diperoleh S = {AA, AG, GA, GG}, dengan
AA adalah mata uang pertama muncul angka, dan mata uang kedua muncul angka
AG adalah mata uang pertama muncul angka, dan mata uang kedua muncul gambar
GA adalah mata uang pertama muncul gambar, dan mata uang kedua muncul angka
GG adalah mata uang pertama muncul gambar, dan mata uang kedua muncul gambar.
Contoh 1.3
Pada percobaan melempar sebuah dadu sekali maka ruang sampelnya adalah
S = {1,2,3,4,5,6} dengan 1 menyatakan banyaknya titik dadu (mata dadu) bagian atas ada satu, 2
menyatakan banyaknya titik dadu bagian atas ada dua, dan seterusnya.
Catatan
Dalam modul ini jika tidak ada keterangan tertentu maka mata uang, dadu dan sejenisnya adalah
seimbang.
Ruang Sampel

Bahan Kuliah II2092 Probabilitas dan Statistik


Oleh: Rinaldi Munir
Sekolah Teknik Elektro dan Informatika ITB

1
Ruang Sampel (Sample Space)

• Ruang sampel: himpunan semua hasil (outcome) yang


mungkin dari suatu eksperimen (percobaan).
• Setiap hasil dari ruang sampel disebut titik sample
(sample point).
Notasi: S = {x1, x2, …, xn}

• Contoh: melempar dadu Æ S = {1, 2, 3, 4, 5, 6}


melempar koin dua kali Æ S = {GA, GG, AA, AG}
G = gambar, A = angka

2
• Ruang sampel yang anggotanya berhingga disebut
ruang sampel finit, sedangkan ruang sampe infinit.

• Contoh ruang sampe infinit: sebutir debu dijatuhkan ke


dalam bidang berbentuk lingkaran dengan jari-jari 4.
Posisi jatuhnya debu di dalam bidang lingkaran
dinyatakan koordinat (x, y). Kumpulan semua titik yang
mungkin sebagai tempat jatuhnya debu di dalam
lingkaran adalah ruang sampel, yaitu
S = {(x, y) | x2 + y2 ≤ 4}

• Ruang sampel (finit atau infinit) yang anggotanya dapat


dihitung disebut ruang sampel diskrit, jika tidak dapat
dihitung disebut ruang sampel kontinu (non-diskrit).

3
Menghitung Titik Sampel
Kaidah dasar menghitung titik sampel:
1. Kaidah perkalian (rule of product)
Bila eksperimen 1 mempunyai p hasil, percobaan 2
mempunyai q hasil, maka bila eksperimen 1 dan
eksperimen 2 dilakukan, maka terdapat p × q hasil.

2. Kaidah penjumlahan (rule of sum)


Bila eskperimen 1 mempunyai p hasil, percobaan 2
mempunyai q hasil, maka bila eksperimen 1 atau
eksperimen 2 dilakukan, maka terdapat p + q hasil.

4
Contoh 1
Sebuah restoran menyediakan lima jenis makanan,
misalnya nasi goreng, roti, soto ayam, sate, dan sop,
serta tiga jenis minuman, misalnya susu, kopi, dan teh.
Jika setiap orang boleh memesan satu makanan dan
satu minuman, berapa banyak pasangan makanan
dan minuman yang dapat dipesan?

Jawaban:
Ada 5 cara memilih makanan, yaitu nasi goreng, roti,
soto ayam, sate, dan sop. Ada 3 cara memilih
minuman, yaitu susu, kopi, dan teh, sehingga dengan
menggunakan kaidah perkalian, jumlah kemungkinan
pasangan makanan dan minuman yang dapat dipesan
adalah 5 × 3 = 15 pasang.

5
Contoh 2
Sekelompok mahasiswa terdiri atas 4 orang pria dan 3
orang wanita. Berapa jumlah cara memilih satu orang
wakil pria dan satu orang wakil wanita?

Jawaban:
Ada 4 kemungkinan memilih satu wakil pria, dan 3
kemungkinan memilih satu wakil wanita. Jika dua orang
wakil harus dipilih, masing-masing 1 pria dan 1 wanita,
maka jumlah kemungkinan perwakilan yang dapat dipilih
adalah 4 × 3 = 12.

6
Contoh 3
Sekelompok mahasiswa terdiri atas 4 orang pria
dan 3 orang wanita. Berapa jumlah cara memilih
satu orang yang mewakili kelompok tersebut
(tidak peduli pria atau wanita)?

Jawaban:
Ada 4 kemungkinan memilih satu wakil pria, dan
3 kemungkinan memilih satu wakil wanita. Jika
hanya satu orang wakil yang harus dipilih (pria
atau wanita), maka jumlah kemungkinan wakil
yang dapat dipilih adalah 4 + 3 = 7.

7
Perluasan Kaidah Menghitung
Jika n buah eksperimen masing-masing mempunyai
p1, p2, …, pn, hasil yang yang dalam hal ini setiap pi
tidak bergantung pada pilihan sebelumnya, maka
jumlah hasil percobaan yang mungkin terjadi adalah:
(a) p1 × p2 × … × pn (kaidah perkalian).
(b) p1 + p2 + … + pn (kaidah penjumlahan

8
Contoh 4
Berapa banyak jumlah kata dengan 5 huruf yang dapat
dibentuk dari huruf-huruf a, b, c, d, e jika tidak boleh
ada huruf yang berulang di dalam kata?

Jawaban:
Ada 5 cara mengisi posisi huruf pertama di dalam
kata, 4 cara mengisi posisi huruf kedua (karena 1
huruf sudah dipakai untuk kotak pertama), 3 cara
untuk mengisi posisi huruf ketiga, 2 cara untuk mengisi
posisi huruf keempat, dan 1 cara untuk mengisi posisi
huruf kelima.
5 cara 4 cara 3 cara 2 cara 1 cara
_____ _____ _____ _____ _____

Karena setiap posisi harus diiisi dengan 1 huruf maka


kita menggunakan kaidah perkalian. Jumlah kata yang
dapat dibentuk adalah 5 × 4 × 3 × 2 × 1 = 120 buah.
9
Contoh 5:
Perpustakaan memiliki 6 buah buku berbahasa
Inggris, 8 buah buku berbahasa Perancis, dan 10 buah
buku berbahasa Jerman. Masing-masing buku
berbeda judulnya. Berapa jumlah cara memilih
(a) 3 buah buku, masing-masing dari tiap bahasa
berbeda,
(b) 1 buah buku (sembarang bahasa).
Jawaban:
(a) Jumlah cara memilih 3 buah buku, masing-masing dari
tiap bahasa adalah (6)(8)(10) = 480 cara.
(b) Jumlah cara memilih 1 buah buku (sembarang
bahasa) = 6 + 8 + 10 = 24 cara

10
Latihan
Suatu bilangan dibentuk dari angka-angka 2, 3, 4, 5, 7,
8, dan 9. Misalkan pengulangan angka tidak dibolehkan.
Berapa banyak bilangan 4-angka yang kurang dari 5000
namun habis dibagi 5 yang dapat dibentuk dari angka-
angka tersebut?

(jawaban ada pada lembar sesudah ini)

11
Jawaban:
• Ada 4 angka bilangan yang akan dibentuk: _ _ _ _

• Karena disyaratkan bilangan kelipatan 5, maka angka


paling kanan hanya dapat diisi dengan angka 5 saja
(satu cara).
• Angka posisi ke-1 dapat diisi dengan 3 cara (yaitu 2, 3,
dan 4).
• Angka posisi ke-2 dapat diisi dengan 5 cara (2 angka
lain sudah dipakai untuk posisi ke-1 dan ke-4).
• Angka posisi ke-3 dapat diisi dengan 4 cara (3 angka
lain sudah dipakai untuk posisi ke-1, ke-2 dan ke-4).
• Karena seluruh posisi angka harus terisi, maka kita
menggunakan kaidah perkalian untuk menghitung
jumlah bilangan bulat yang dapat dibentuk, yaitu 3 × 5 ×
4 × 1 = 60 buah.

12
Permutasi
• Permutasi adalah susunan berbeda pengaturan benda-
benda di dalam kumpulannya yang dapt diambil
sebagian atau seluruhnya.

• Banyaknya permutasi dari n benda berlainan adalah n!


(n! = 1 x 2 x 3 x … x n)

Contoh 6: Berapa banyak “kata” yang terbentuk dari huruf-


huruf kata “BOSAN”?
Jawaban:
• Cara 1 (kaidah perkalian): (5)(4)(3)(2)(1) = 120 kata
• Cara 2 (permutasi): 5! = 120 kata

13
Contoh 7:
Berapa banyak cara mengurutkan nama 25 orang
mahasiswa?
Jawaban: 25!

• Banyaknya permutasi dari n benda berlainan jika diambil r


sekaligus adalah P(n, r) = n!/(n – r)!

Notasi lain: nPr

Contoh 8:
Berapa banyak pasangan huruf yang dapat dibentuk dari
huruf-huruf alfabet jika tidak boleh ada perulangan huruf?
Jawaban: P(26, 2) = 26!/24! = 26 x 25 = 650

14
Contoh 9:
Berapa banyak string yang dapat dibentuk yang
terdiri dari 4 huruf berbeda dan diikuti dengan 3
angka yang berbeda pula?

Jawaban:
Ada P(26, 4) cara mengisi posisi 4 huruf dan P(10, 3)
cara untuk mengisi posisi 3 buah angka. Karena string
disusun oleh 4 huruf dan 3 angka, maka jumlah string
yang dapat dibuat adalah P(26, 4) × P(10,3) =
258.336.000

15
• Permutasi n buah benda yang mana n1 buah berjenis
pertama, n2 buah berjenis kedua, …, nk bola berjenis k
adalah:
P(n; n1, n2, ..., nk) = n! / (n1! n2! ... nk!)

Contoh 10: Berapa banyak string yang dapat dibentuk


dengan menggunakan huruf-huruf dari kata
MISSISSIPPI?
Jawaban:
S = {M, I, S, S, I, S, S, I, P , P , I}
huruf M = 1 buah (n1)
huruf I = 4 buah (n2)
huruf S = 4 buah (n3)
huruf P = 2 buah (n4)
n = 1 + 4 + 4 + 2 = 11 buah = jumlah elemen S
Jumlah string = P(11; 1, 4, 4, 2) = 11! / (1! 4! 4! 2!) =
34650 buah.
16
Contoh 11
12 lembar karton akan diwarnai sehingga 3 diantaranya
berwarna hijau, 2 berwarna merah, 2 berwarna kuning,
dan sisanya berwarna biru. Berapa jumlah cara
pengecatan?

Jawaban:
Diketahui n1 = 3, n2 = 2, n3 = 2, n4 = 5, dan
n1 + n2 + n3 + n4 = 3 + 2 + 2 + 5 = 12
Jumlah cara pengecatan = P(12; 3, 2, 2, 5)
= 12! / (3! 2! 2! 5!)
= 166320

17
Contoh 12:
12 buah lampu berwarna (4 merah, 3 putih, dan 5 biru)
dipasang pada 18 buah soket dalam sebuah baris
(sisanya 6 buah soket dibiarkan kosong). Berapa jumlah
cara pengaturan lampu?

Jawaban:
Diketahui, n = 18; n1 = 4, n2 = 3, n3 = 5,
dan n4 = 6 (socket kosong)
Jumlah cara pengaturan lampu = P (18; 4, 3, 5, 6)
= 18! / (4! 3! 5! 6!)
= cara

18
Contoh 13:
Berapa banyak cara membagikan delapan buah buku
berbeda kepada 3 orang mahasiswa, bila Billy mendapat
empat buah buku, dan Andi serta Toni masing-masing
memperoleh 2 buah buku.

Jawaban:
Diketahui n = 8, n1 = 4, n2 = 2, n3 = 2,
dan n1 + n2 + n3 = 4 + 2 + 2 = 8
Jumlah cara membagi seluruh buku = 8!/(4! 2! 2!)
= 420 cara

19
Kombinasi
• Bentuk khusus dari permutasi adalah kombinasi. Jika
pada permutasi urutan kemunculan diperhitungkan, maka
pada kombinasi, urutan kemunculan diabaikan.

• Jumlah kombinasi dari n benda yang berlainan bila


diambil sebanyak r sekaligus adalah C(n, r)

n!
C ( n, r ) =
r!(n − r )!

⎛n⎞
• Notasi lain: ⎜⎜ ⎟⎟
⎝r⎠

20
Contoh 14: Berapa banyak himpunan bagian yang terdiri
dari 2 elemen yang dapat dibentuk dari himpunan
dengan 3 elemen?

Jawaban:
Jadi, jumlah cara memilih 3 dari 4 elemen himpunan
adalah C(4, 3) = 4! / (3! 1!) = 4.
Misalkan P = {a, b, c, d}, maka himpunan bagian itu
adalah {a, b, c}, {a, b, d}, {a, c, d}, dan {b, c, d}.

Urutan di dalam himpunan bagain tidak penting


Jadi, {a, b, c} = {c, b, a}

21
Contoh 15: Berapa banyak cara membentuk panitia
(komite, komisi, dsb) yang beranggotakan 5 orang orang
dari sebuah fraksi di DPR yang beranggotakan 25
orang?

Jawaban:
• Panitia atau komite adalah kelompok yang tidak terurut,
artinya setiap anggota di dalam panitia kedudukannya
sama.
• Misal lima orang yang dipilih, A, B, C, D, dan E, maka
urutan penempatan masing-masingnya di dalam panitia
tidak penting (ABCDE sama saja dengan BACED,
ADCEB, dan seterusnya). Banyaknya cara memilih
anggota panitia yang terdiri dari 5 orang anggota adalah
C(25,5) = 53130 cara.

22
Contoh 16:
Ada 5 orang mahasiswa jurusan Matematika dan 7
orang mahasiswa jurusan Kimia. Berapa banyak
cara membentuk panitia yang terdiri dari 4 orang
jika :
(a) tidak ada batasan jurusan Æ C(12, 4)
(b) semua anggota panitia harus dari jurusan
Matematika Æ C(5,4)
(c) semua anggota panitia harus dari jurusan
Kimia Æ C(7,4)
(d) semua anggota panitia harus dari jurusan
yang sama Æ C(5,4) + C(7,4)
(e) 2 orang mahasiswa per jurusan harus
mewakili.Æ C(5,2) C(7,2)
23
Latihan
Berapa banyak cara membentuk sebuah
panitia yang beranggotakan 5 orang yang
dipilih dari 7 orang pria dan 5 orang wanita,
jika di dalam panitia tersebut paling sedikit
beranggotakan 2 orang wanita?

24
25
26
Dasar‐Dasar Probabilitas

DASAR‐DASAR  PROBABILITAS 1
Suprayogi

Ruang Sampel, Titik Sampel dan


Kejadian
ƒ Ruang sampel (sample space) atau semesta
(universe) merupakan himpunan dari semua
hasil (outcome) yang mungkin dari suatu
percobaan (experiment)
ƒ Titik sampel (sample point) merupakan tiap
anggota atau elemen dari ruang sampel
ƒ Kejadian (event) merupakan himpunan bagian
dari ruang sampel

DASAR‐DASAR PROBABILITAS 2
Suprayogi
Contoh Percobaan, Ruang Sampel dan
Kejadian (#1)
ƒ Percobaan: Pelemparan sebuah dadu dan mencatat
angka yang muncul
ƒ Ruang sampel
S = {1, 2, 3, 4, 5, 6}
ƒ A = Kejadian munculnya angka genap
A = {2, 4, 6}
ƒ B = Kejadian munculnya angka 5 atau lebih
B = {5, 6}

DASAR‐DASAR PROBABILITAS 3
Suprayogi

Ilustrasi Ruang Sampel, Titik Sampel dan Kejadian pada


Percobaan Perlemparan Sebuah Dadu
Ruang sampel

B
1 3 5

A
2 4 6

DASAR‐DASAR PROBABILITAS
Suprayogi
Contoh Percobaan, Ruang Sampel dan
Kejadian (#2)
ƒ Percobaan: Pelemparan dua buah dadu bersamaan
dan mencatat angka yang muncul
ƒ Ruang sampel
S = {(1, 1), (1, 2), (1, 3), ..., (6, 6)}
ƒ A = Kejadian munculnya angka yang sama pada
kedua dadu
A = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}
ƒ B = Kejadian munculnya jumlah angka 10 atau lebih
B = {(4, 6), (5, 5), (5, 6), (6, 4), (6, 5), (6, 6) }

DASAR‐DASAR PROBABILITAS 5
Suprayogi

Contoh Percobaan, Ruang Sampel dan


Kejadian (#3)
ƒ Percobaan: Pelemparan tiga koin (uang logam) 
bersamaan dan mencatat banyaknya muka yang 
muncul
ƒ Ruang sampel
S = {0, 1, 2, 3}
ƒ A = Kejadian tidak ada muka yang muncul
A = {0}
ƒ B = Kejadian banyaknya muka yang muncul 2 atau
kurang
B = {0, 1, 2}
DASAR‐DASAR PROBABILITAS 6
Suprayogi
Contoh Percobaan, Ruang Sampel dan
Kejadian (#4)
ƒ Percobaan: Pengamatan terhadap umur (dalam jam) 
sebuah lampu
ƒ Ruang sampel
S = {t|t > 0}
ƒ A = Kejadian umur lampu melebihi 10 jam
E = {t|t > 10}
ƒ B = Kejadian umur lampu antara 0 dan 250 jam
F = {t|0 ≤ t ≤ 250}

DASAR‐DASAR PROBABILITAS 7
Suprayogi

Operasi‐Operasi dalam Kejadian


ƒ Irisan (Intersection)
ƒ Gabungan (Union)
ƒ Komplemen (Complement)

DASAR‐DASAR PROBABILITAS 8
Suprayogi
Irisan Dua Kejadian

Irisan dua kejadian A dan B, dinyatakan dengan A ∩ B, 


merupakan kejadian yang elemennya termasuk
dalam A dan B

A B

DASAR‐DASAR PROBABILITAS 9
Suprayogi

Gabungan Dua Kejadian

Gabungan dua kejadian A dan B, dinyatakan dengan A ∪ B, 


merupakan kejadian yang mengandung semua elemen yang 
termasuk A atau B atau keduanya

A B

DASAR‐DASAR PROBABILITAS 10
Suprayogi
Komplemen Suatu Kejadian

Komplemen suatu kejadian A, dinyatakan dengan A’, 


adalah himpunan semua elemen dalam S yang tidak
termasuk dalam A

A A’

DASAR‐DASAR PROBABILITAS 11
Suprayogi

Contoh Operasi‐Operasi dalam Kejadian


ƒ Percobaan: Pelemparan sebuah dadu dan mencatat angka yang 
muncul
ƒ Ruang sampel
S = {1, 2, 3, 4, 5, 6}
ƒ Kejadian munculnya angka genap, A
A = {2, 4, 6}
• Kejadian munculnya angka 5 atau lebih, B
B = {5, 6}
ƒ Irisan A dan B
A ∩ B = {6}
ƒ Gabungan A dan B
A ∪ B = {2, 4, 5, 6}
ƒ Komplemen dari A
A’ = {1, 3, 5}
DASAR‐DASAR PROBABILITAS 12
Suprayogi
Ilustrasi Operasi‐Operasi Kejadian pada Pelemparan
Sebuah Dadu
Ruang sampel

A’ B
1 3 5 A ∪ B
A
2 4 6

A ∩ B

DASAR‐DASAR PROBABILITAS
Suprayogi

Dua Kejadian Saling Terpisah

Dua kejadian A dan B dikatakan saling terpisah (mutually


exclusive) jika kejadian‐kejadian tersebut tidak dapat
terjadi secara bersamaan

A B
A∩B=∅

DASAR‐DASAR PROBABILITAS 14
Suprayogi
Contoh Kejadian‐Kejadian Saling Terpisah
ƒ Percobaan: Pelemparan sebuah dadu dan mencatat
angka yang muncul
ƒ Ruang sampel
S = {1, 2, 3, 4, 5, 6}
ƒ Kejadian munculnya angka genap, A
A = {2, 4, 6}
ƒ Kejadian munculnya angka ganjil, B
B = {1, 3, 5}
ƒ Kejadian A dan B saling terpisah
A ∩ B = ∅

DASAR‐DASAR PROBABILITAS 15
Suprayogi

Ilustrasi Dua Kejadian Saling Terpisah pada Pelemparan


Sebuah Dadu
Ruang sampel

B
1 3 5

A
2 4 6

DASAR‐DASAR PROBABILITAS
Suprayogi
Penghitungan Titik Sampel
ƒ Jika suatu operasi dapat dilakukan dengan n1
cara, dan bila untuk setiap cara ini operasi
kedua dapat dilakukan dengan n2 cara, dan
bila untuk setiap cara ini operasi ketiga dapat
dilakukan dengan n3 cara, dst, maka deretan k 
operasi dapat dilakukan dengan n1n2...nk cara

DASAR‐DASAR PROBABILITAS 17
Suprayogi

Contoh Penghitungan Titik Sampel


Tiga buah koin (uang logam) dilemparkan sekali.
Banyaknya titik sampel dalam ruang sampel ?

Koin I dapat menghasilkan 2 hasil yang mungkin, muka (M) atau


belakang (B)
Untuk tiap hasil, Koin II dapat menghasilkan 2 hasil yang 
mungkin, M atau B
Untuk tiap hasil, Koin III dapat menghasilkan 2 hasil yang 
mungkin, M atau B

Jumlah titik sampel yang dihasilkan = (2)(2)(2) = 8

DASAR‐DASAR PROBABILITAS 18
Suprayogi
DASAR‐DASAR PROBABILITAS 19
Suprayogi

Permutasi & Kombinasi
ƒ Permutasi (Permutation)
Permutasi merupakan susunan dari suatu
himpunan obyek yang dapat dibentuk yang 
memperhatikan urutan
ƒ Kombinasi (Combination)
Kombinasi merupakan susunan dari suatu
himpunan obyek yang dapat dibentuk tanpa
memperhatikan urutan
DASAR‐DASAR PROBABILITAS 20
Suprayogi
Permutasi (1)
ƒ Banyaknya permutasi n obyek berlainan
adalah n!
ƒ Banyaknya permutasi n obyek berlainan bila
diambil r sekaligus
n !
P =n
r
(n − r ) !
ƒ Banyaknya permutasi n benda berlainan yang 
disusun melingkar adalah (n – 1)!
DASAR‐DASAR PROBABILITAS 21
Suprayogi

Permutasi (2)
ƒ Banyaknya permutasi yang berlainan dari n 
obyek bila n1 adalah jumlah obyek jenis
pertama, n2 adalah jumlah obyek jenis kedua, 
..., nk jumlah obyek ke‐k adalah

n !
n1! n2!Lnk !

DASAR‐DASAR PROBABILITAS 22
Suprayogi
Permutasi (3)
ƒ Banyaknya cara menyekat n obyek dalam r sel
bila masing‐masing berisi n1 obyek pada sel
pertama, n2 obyek pada sel kedua, dan
seterusnya adalah
n !
n1! n2!Lnr !

dengan n1 + n2 + ... + nr = n


DASAR‐DASAR PROBABILITAS 23
Suprayogi

Kombinasi (1)
ƒ Kombinasi berkaitan dengan penentuan
banyaknya cara memilih r obyek dari sejumlah
n obyek tanpa memperhatikan urutannya.
ƒ Kombinasi merupakan sekatan dengan dua
sel, sel pertama berisi r obyek yang dipilih dan
(n – r) obyek sisanya.

DASAR‐DASAR PROBABILITAS 24
Suprayogi
Kombinasi (2)
ƒ Jumlah kombinasi dari n obyek yang berlainan
jika diambil sebanyak r

n !
C = n

r  !(n − r ) !
r

DASAR‐DASAR PROBABILITAS 25
Suprayogi

Contoh Kombinasi
Suatu kelas terdiri atas 4 pria dan 3  wanita
Banyaknya panita yang dibentuk yang beranggotakan 2 pria dan
1 wanita?

4!
Banyaknya cara memilih 2 dari 4 pria = C 24 = =6
2!2!

Banyaknya cara memilih 1 dari 3 wanita = C13 = 3! = 3


1!2!

Banyaknya panita yang dapat dibentuk = (6)(3) = 18

DASAR‐DASAR PROBABILITAS 26
Suprayogi
Probabilitas Kejadian
ƒ Probabilitas suatu kejadian merupakan suatu
ukuran kemungkinan kejadian tersebut terjadi
ƒ Probabilitas kejadian A dinyatakan dengan
P(A)

DASAR‐DASAR PROBABILITAS 27
Suprayogi

Aksioma‐Aksioma Probabilitas Kejadian

0 ≤ P(A) ≤ 1

P(∅) = 0

P(S) = 1

DASAR‐DASAR PROBABILITAS 28
Suprayogi
Probabilitas untuk Hasil
Berkemungkinan Sama
Jika suatu percobaan dapat menghasilkan N 
macam hasil yang berkemungkinan sama
(equally likely) dan jika tepat terdapat sebanyak
n hasil yang berkaitan dengan kejadian A, maka
probabilitas kejadian A adalah

P ( A) =
n
N
DASAR‐DASAR PROBABILITAS 29
Suprayogi

Contoh Probabilitas untuk Hasil


Berkemungkinan Sama (#1)
Percobaan pelemparan sebuah dadu
Misal A kejadian munculnya angka genap

Jumlah seluruh hasil yang mungkin N = 6


Jumlah hasil yang mungkin untuk kejadian A, n = 3 
Probabilitas kejadian A, P(A) ?

P ( A) =
3 1
=
6 2

DASAR‐DASAR PROBABILITAS 30
Suprayogi
Contoh Probabilitas untuk Hasil
Berkemungkinan Sama (#2)
Percobaan pengambilan selembar kartu dari 52 kartu bridge.
Misal B kejadian terpilihnya kartu heart

Jumlah seluruh hasil yang mungkin N = 52


Jumlah hasil yang mungkin untuk kejadian B, n = 13
Probabilitas kejadian B, P(B) ?

P (B ) =
13 1
=
52 4

DASAR‐DASAR PROBABILITAS 31
Suprayogi

Contoh Probabilitas untuk Hasil


Berkemungkinan Sama (#3)
Dalam suatu kotak, terdapat 4 bola merah dan 6 bola putih.
Jika empat bola diambil secara random, probabilitas terpilih 2 bola 
merah dan 2 bola putih?
A = kejadian terpilih 2 bola merah dan 2 bola putih
Jumlah cara memilih 2 dari 4 bola merah =  C 4 = 4! = 6
2
2!2!
Jumlah cara memilih 2 dari 6 bola putih = C 6 = 6! = 15
2
2!4!
10!
Jumlah cara memilih 4 dari 10 bola = C410 = = 210
4!6!

P ( A) =
(6)(15) = 3
(210) 7
DASAR‐DASAR PROBABILITAS 32
Suprayogi
Hukum‐Hukum Probabilitas
ƒ Jika A dan B dua kejadian sembarang, maka
P(A ∪ B) = P(A) + P(B) – P(A ∩ B)
ƒ Jika A dan B kejadian yang saling terpisah, 
maka
P(A ∪ B) = P(A) + P(B)
ƒ Jika A dan A’ adalah kejadian saling
berkomplemen, maka
P(A’) =  1 – P(A)
DASAR‐DASAR PROBABILITAS 33
Suprayogi

Probabilitas Bersyarat

Probabilitas bersyarat (conditional probability) B jika diketahui A


P (A ∩ B)
P (B| A ) = ;  jika P (A ) > 0
P (A)
Kejadian A dan B dapat terjadi pada suatu percobaan
P (A ∩ B ) = P (A )P (B| A ) = P (B )P (A|B )

DASAR‐DASAR PROBABILITAS 34
Suprayogi
Contoh Probabilitas Bersyarat (#1)
Bekerja Tak Bekerja
Pria 460 40
Wanita 140 260

M = pria terpilih
E = orang terpilih berstatus bekerja
600 2
P (E ) = =
900 3
460 23
P (E ∩ M ) = =
900 45
23 45 23
P (M |E ) = =
23 30

DASAR‐DASAR PROBABILITAS 35
Suprayogi

Contoh Probabilitas Bersyarat (#2)


Diberikan sekumpulan kartu bridge yang terdiri atas 52 kartu.
Dua buah kartu diambil satu per satu tanpa pengembalian
Probabilitas kartu heart terpilih pada dua pengambilan ?

A1 = kejadian kartu heart yang terambil pada pengambilan I


A2 = kejadian kartu heart yang terambil pada pengambilan II
13 1
P (A1 ) = =
52 4
12 4
P (A2 ) = =
51 17
⎛ 1 ⎞⎛ 4 ⎞ 1
P (A1 ∩ A2 ) = ⎜ ⎟⎜ ⎟ =
⎝ 4 ⎠⎝ 17 ⎠ 17
DASAR‐DASAR PROBABILITAS 36
Suprayogi
⎛ 1 ⎞⎛ 4 ⎞ 1
12 4 P (A1 ∩ A2 ) = ⎜ ⎟⎜ ⎟ =
P (A2 | A1 ) = = ⎝ 4 ⎠⎝ 17 ⎠ 17
51 17
51 Kartu
A2
12 Heart
13 1 39 Nonheart
P (A1 ) = = A’2
52 4 39 13 ⎛ 1 ⎞⎛ 13 ⎞ 13
P (A'2 | A1 ) = = P (A1 ∩ A'2 ) = ⎜ ⎟⎜ ⎟ =
A1 51 17 ⎝ 4 ⎠⎝ 17 ⎠ 68
52 Kartu,
13 heart
39 Nonheart
A’1
⎛ 3 ⎞⎛ 13 ⎞ 13
39 3 P (A2 | A'1 ) =
13 P (A'1 ∩A2 ) = ⎜ ⎟⎜ ⎟ =
P (A'1 ) = = 51 ⎝ 4 ⎠⎝ 51 ⎠ 68
52 4 A2
51 Kartu
13 Heart
38 Nonheart A’2
38
P (A'2| A'1 ) = ⎛ 3 ⎞⎛ 38 ⎞ 38
51 P (A'1 ∩A'2 ) = ⎜ ⎟⎜ ⎟ =
⎝ 4 ⎠⎝ 51 ⎠ 68

DASAR‐DASAR PROBABILITAS 37
Suprayogi

Contoh Probabilitas Bersyarat (#3)


Kotak pertama terdiri atas 4 bola putih dan 3 bola hitam, dan
kotak kedua terdiri atas 3 bola putih dan 5 bola hitam. 
Sebuah bola diambil dari kotak pertama dan ditempatkan (tanpa
terlihat) ke kotak kedua. 
Probabilitas bahwa sebuah yang diambil dari kotak kedua adalah
hitam? 

H1 = kejadian bola hitam yang terpilih dari kotak I


P1 = kejadian bola putih yang terpilih dari kotak I
H2 = kejadian bola hitam yang terpilih dari kotak II
P2 = kejadian bola putih yang terpilih dari kotak II

DASAR‐DASAR PROBABILITAS 38
Suprayogi
P[(H1 ∩ H2 ) ∪ (P1 ∩ H2 )] = P (H1 ∩ H2 ) + P (P1 ∩ H2 )
                                          = P (H1 )P (H2 |H1 ) + P (P1 )P (H2 |P1 )
                                          = ( 73 )( 69 ) + ( 47 )( 95 )
                                          = 38
63
⎛ 3 ⎞⎛ 6 ⎞
P (H2 |H1 ) =
6 P (H1 ∩ H2 ) = ⎜ ⎟⎜ ⎟
9 ⎝ 7 ⎠⎝ 9 ⎠
H2
Kotak II
3P,6H
3
P (H1 ) = P2 3
7 P (P2 |H1 ) = ⎛ 3 ⎞⎛ 3 ⎞
9 P (H1 ∩ P2 ) = ⎜ ⎟⎜ ⎟
H1 ⎝ 7 ⎠⎝ 9 ⎠
Kotak I
4P, 3H

P1
⎛ 4 ⎞⎛ 5 ⎞
4 P (H2 |P1 ) =
5 P (P1 ∩ H2 ) = ⎜ ⎟⎜ ⎟
P (P1 ) = 9 ⎝ 7 ⎠⎝ 9 ⎠
7 H2
Kotak II
4P,5H
P2
4 ⎛ 4 ⎞⎛ 4 ⎞
P (P2 |P1 ) = P (P1 ∩ P2 ) = ⎜ ⎟⎜ ⎟
DASAR‐DASAR PROBABILITAS
9 ⎝ 7 ⎠⎝ 9 ⎠ 39
Suprayogi

Kejadian‐Kejadian Saling Bebas


ƒ Kejadian‐kejadian A dan B saling bebas
(independent) jika
P (A ∩ B ) = P (A )P (B )

DASAR‐DASAR PROBABILITAS 40
Suprayogi
Contoh Kejadian‐Kejadian Bebas (#1)
Diberikan sekumpulan kartu bridge yang terdiri atas 52 kartu.
Dua buah kartu diambil satu per satu dengan pengembalian
Probabilitas kartu heart terpilih pada dua pengambilan ?

A1 = kejadian kartu heart yang terambil pada pengambilan I


A2 = kejadian kartu heart yang terambil pada pengambilan II
13 1
P (A1 ) = =
52 4
13 1
P (A2 ) = =
52 4
⎛ 1 ⎞⎛ 1 ⎞ 1
P (A1 ∩ A2 ) = ⎜ ⎟⎜ ⎟ =
⎝ 4 ⎠⎝ 4 ⎠ 16
DASAR‐DASAR PROBABILITAS 41
Suprayogi

⎛ 1 ⎞⎛ 1 ⎞ 1
P (A2 | A1 ) =
13 1
= P (A1 ∩ A2 ) = ⎜ ⎟⎜ ⎟ =
52 4 ⎝ 4 ⎠⎝ 4 ⎠ 16
A2
13 1
P (A1 ) = = A’2
52 4 39 3 ⎛ 1 ⎞⎛ 3 ⎞ 3
P (A'2| A1 ) = = P (A1 ∩ A'2 ) = ⎜ ⎟⎜ ⎟ =
A1 52 4 ⎝ 4 ⎠⎝ 4 ⎠ 16

A’1
⎛ 3 ⎞⎛ 1 ⎞ 3
39 3 P (A2 | A'1 ) =
13 1
= P (A'1 ∩A2 ) = ⎜ ⎟⎜ ⎟ =
P (A'1 ) = = 52 4 ⎝ 4 ⎠⎝ 4 ⎠ 16
52 4 A2
A’2
39 3
P (A'2| A'1 ) = = ⎛ 3 ⎞⎛ 3 ⎞ 9
52 4 P (A'1 ∩A'2 ) = ⎜ ⎟⎜ ⎟ =
⎝ 4 ⎠⎝ 4 ⎠ 16

DASAR‐DASAR PROBABILITAS 42
Suprayogi
Contoh Kejadian‐Kejadian Bebas (#2)
Sebuah koin (uang logam) yang seimbang dilempar tiga kali.
Probabilitas mendapatkan 2 muka (M) dan 1 belakang (B) ?

Ruang sampel
S = {MMM, MMB, MBM, MBB, BMM, BMB, BBM, BBB}

A = kejadian muncul 2 M dan 1 B


A = {MMB, MBM, BMM}
P(A) = P(MMB) + P(MBM) + P(BMM)

DASAR‐DASAR PROBABILITAS 43
Suprayogi

P (MMB ) = P (M ∩ M ∩ B ) = P (M )P (M )P (B ) = ( 12 )( 12 )( 12 ) = 18
P (MBM ) = P (M ∩ B ∩ M ) = P (M )P (B )P (M ) = ( 12 )( 12 )( 12 ) = 18
P (BMM ) = P (B ∩ M ∩ M ) = P (B )P (M )P (M ) = ( 12 )( 12 )( 12 ) = 18
P (A ) = 18 + 18 + 18 = 83
⎛ 1 ⎞⎛ 1 ⎞⎛ 1 ⎞ 1
P(MMM) = ⎜ ⎟⎜ ⎟⎜ ⎟ =
P(M) =
1 ⎝ 2 ⎠⎝ 2 ⎠⎝ 2 ⎠ 8
2
1
P(B) = ⎛ 1 ⎞⎛ 1 ⎞⎛ 1 ⎞ 1
P(M) =
1 2 P(MMB) = ⎜ ⎟⎜ ⎟⎜ ⎟ =
2 ⎝ 2 ⎠⎝ 2 ⎠⎝ 2 ⎠ 8
1
P(B) = ⎛ 1 ⎞⎛ 1 ⎞⎛ 1 ⎞ 1
2
P(M) =
1 P(MBM) = ⎜ ⎟⎜ ⎟⎜ ⎟ =
2 ⎝ 2 ⎠⎝ 2 ⎠⎝ 2 ⎠ 8
1
P(M) = P(B) =
1
2 ⎛ 1 ⎞⎛ 1 ⎞⎛ 1 ⎞ 1
2 P(MBB) = ⎜ ⎟⎜ ⎟⎜ ⎟ =
⎝ 2 ⎠⎝ 2 ⎠⎝ 2 ⎠ 8
⎛ 1 ⎞⎛ 1 ⎞⎛ 1 ⎞ 1
1 P(BMM) = ⎜ ⎟⎜ ⎟⎜ ⎟ =
P(B) =
1 P(M) = ⎝ 2 ⎠⎝ 2 ⎠⎝ 2 ⎠ 8
2 2
1
1 P(B) = ⎛ 1 ⎞⎛ 1 ⎞⎛ 1 ⎞ 1
P(M) = 2 P(BMB) = ⎜ ⎟⎜ ⎟⎜ ⎟ =
2 ⎝ 2 ⎠⎝ 2 ⎠⎝ 2 ⎠ 8
1
P(B) =
2 1 ⎛ 1 ⎞⎛ 1 ⎞⎛ 1 ⎞ 1
P(M) = P(BBM) = ⎜ ⎟⎜ ⎟⎜ ⎟ =
2 ⎝ 2 ⎠⎝ 2 ⎠⎝ 2 ⎠ 8
1
P(B) = ⎛ 1 ⎞⎛ 1 ⎞⎛ 1 ⎞ 1
2 P(BBB) = ⎜ ⎟⎜ ⎟⎜ ⎟ =
⎝ 2 ⎠⎝ 2 ⎠⎝ 2 ⎠ 8
DASAR‐DASAR PROBABILITAS 44
Suprayogi
Aturan Bayes (1)
P (B ∩ A )
P (B| A ) =
P (A)

B’
B A = (B ∩ A ) ∪ (B'∩ A )

A
P (A ) = P (B ∩ A ) + P (B'∩ A )

P (B ∩ A )
P (B| A ) =
P (B ∩ A ) + P (B'∩ A )
P (B )P (A|B )
              = 
P (B )P (A|B ) + P (B')P (A|B')
DASAR‐DASAR PROBABILITAS 45
Suprayogi

Aturan Bayes (2)

B1 B2 P (Bi ∩ A )
P (Bi | A) = n

A
∑ P(B ∩ A)
i =1
i

B5
B4
B3 P (Bi )P (A|Bi )
              =  n

∑ P(B )P(A|B )
i =1
i i

DASAR‐DASAR PROBABILITAS 46
Suprayogi
Contoh Aturan Bayes
Dua orang dicalonkan menjadi Bupati. 
Probabilitas Pak Anu terpilih adalah 0,6; P(A1) = 0,6.
Probabilitas Pak Badu terpilih adalah 0,4; P(A2) = 0,4.
Jika Pak Anu terpilih, probabilitas kenaikan pajak adalah 0,8; P(B1|A1) = 0,8.
Jika Pak Badu terpilih, probabilitas kenaikan pajak adalah 0,1; P(B1|A2) = 0,1.
Jika ternyata diketahui terjadi kenaikan pajak, probabilitas bahwa Pak Badu
yang terpilih, P(A2|B1)
P (A2 ∩ B1 )
P (A2 |B1 ) =
P (A1 ∩ B1 ) + P (A2 ∩ B1 )
P (A2 )P (B1 | A2 )
               =
P (A1 )P (B1 | A1 ) + P (A2 )P (B1 | A2 )
(0,4 )(0,1)
               =
DASAR‐DASAR PROBABILITAS
(0,6 )(0,8 ) + (0,4 )(0,1) 47
Suprayogi               = 0,0769

P( A2 ∩ B1 )
P( A2 | B1 ) =
P(B1 )
Contoh Pohon
P( A ∩ B )
Probabilitas
= 2
P( A1 ∩ B1 ) + P( A2 ∩ B1 )
0,04
=
0,48 + 0,04 P(A1 ∩ B1) = (0,8)(0,6) = 0,48
= 0,0769 B1 P(B1| A1) = 0,8

B2
A1 P(A1) = 0,6 P(B2| A1) = 0,2
P(A1 ∩ B2) = (0,2)(0,6) = 0,12

P(A2 ∩ B1) = (0,1)(0,4) = 0,04


A2
P(A2) = 0,4 B P(B1| A2) = 0,1
1

B2
P(B2| A2) = 0,9
P(A2 ∩ B2) = (0,9)(0,4) = 0,36
DASAR‐DASAR PROBABILITAS 48
Suprayogi
1.2. Kejadian
Dari definisi ruang sampel kita dapat mendefinisikan kejadian sebagai berikut.
Definisi 1.2
Kejadian atau peristiwa adalah himpunan bagian dari ruang sampel .
Karena kejadian adalah himpunan bagian dari ruang sampel maka biasanya disimbolkan dalam
huruf besar.
Pada umumnya kejadian dibedakan menjadi dua macam, yaitu :
1. Kejadian sederhana; yaitu kejadian yang hanya mempunyai satu titik sampel.
Contoh 1.4
{1}, {4}, {5} adalah kejadian-kejadian sederhana dari percobaan melempar sebuah dadu
bersisi enam.
2. Kejadian majemuk; yaitu kejadian yang mempunyai lebih dari satu titik sampel.
Contoh 1.5
{1,2}, {2,4,6}, {2,3,5} adalah kejadian-kejadian majemuk pada percobaan melempar
sebuah dadu bersisi enam.
Dari definisi kejadian juga dapat disimpulkan bahwa S dan  juga suatu kejadian, karena SS dan
S.
Korespodensi antara himpunan dan kejadian dapat disajikan dalam tabel 1.
Tabel 1.
Himpunan Kejadian
Himpuan semesta S Ruang sampel S
Anggota himpunan Titik sampel
Himpunan bagian A Kejadian A
Himpunan bagian yang hanya memiliki Kejadian sederhana
satu anggota
Himpunan bagian yang memiliki lebih Kejadian majemuk.
dari satu anggota
2.1.Aturan Perkalian
Misalkan dalam acara syukuran ulang tahun Andi secara sederhana tersedia tiga macam
makanan dan dua macam minuman, yakni Nasi Goreng, Bakso, Soto untuk makanan, Es teh, dan
Es jeruk untuk minuman. Jika seorang yang hadir dalam acara tersebut hanya memilih satu macam
makanan dan satu macam minuman, maka semua pasangan makanan dan minuman yang dapat
dipilih dapat ditemukan dengan cara mendaftar atau dengan diagram pohon seperti terlihat pada
gambar dibawah ini.

Es teh
Nasi goreng
Es jeruk

Es teh
Bakso
Es jeruk
Es teh
Soto
Es jeruk

Dari diagram pohon tampak bahwa pasangan makanan dan minuman yang dapat dipilih ada 6
yakni :
1. Nasi goreng – Es teh
2. Nasi goreng – Es jeruk
3. Bakso – Es teh
4. Bakso – Es jeruk
5. Soto – Es the
6. Soto – Es jeruk
Dari diagram pohon tersebut ada 3 macam makanan yang dapat dipilih, dan setiap jenis makanan
masing-masing ada 2 jenis minuman yang dapat dipilih, sehingga ada 3.2 = 6 pasangan makanan
dan minuman yang dapat dipilih.
Perhatikan lagi permasalahan berikut.
Misalkan di suatu kelas diadakan pemilihan pengurus kelas. Terdapat 4 calon ketua kelas yakni
Ani, Bambang, Cecep, dan Dandi, sedangkan untuk wakil ketua kelas terdapat 2 calon yakni
Endang, dan Farid. Ada berapa macam susunan ketua dan wakil ketua kelas yang dapat terpilih ?
Penyelesaian.
Jabatan ketua dan wakil ketua kelas dapat diisi oleh pasangan
1. Ani – Endang
2. Ani – Farid
3. Bambang – Endang
4. Bambang – Farid
5. Cecep – Endang
6. Cecep – Farid
7. Dandi – Endang
8. Dandi – Farid
Jadi ada 8 macam susunan ketua dan wakil ketua kelas yang dapat terpilih.
Dari daftar diatas, ada 4 orang yang menduduki jabatan ketua kelas, dan masing-masing ketua
kelas ada 2 orang yang dapat menduduki jabatan wakil ketua kelas, sehingga untuk kedua jabatan
itu ada 4.2 = 8 pasangan yang dapat mendudukinya.
Dari contoh diatas dapat disimpulkan adanya suatu aturan yang disebut aturan perkalian
atau juga disebut aturan dasar sebagai berikut.

Jika suatu kejadian dapat terjadi dengan n1 cara yang berbeda, dan kejadian berikutnya (sebut
kejadian kedua) terjadi dengan n2 cara yang berbeda, dan seterusnya kejadian ke k dengan nk
cara yang berbeda maka banyaknya keseluruan kejadian dapat terjadi secara berurutan dalam
n1.n2.n3… nk cara yang berbeda.

Contoh 2.1
Sebuah pelat nomor polisi Semarang dimulai dengan buruf H diikuti empat angka dengan angka
pertama tidak boleh nol, dan diakhiri dua huruf dengan huruf terakhir huruf A. Setelah mobil
keberapa pelat nomor tersebut harus diubah modelnya ?
Penyelesaian.
Misalkan pelat nomor tersebut terdiri dari 7 kotak, maka :
 huruf pertama pada kotak pertama dapat dicetak dalam 1 cara (yaitu huruf H)
 angka pertama dalam kotak kedua dapat dicetak dalam 9 cara (yaitu angka 1 sd 9 karena angka
0 tidak diperbolehlkan)
 angka kedua dalam kotak ketiga dapat dicetak dalam 10 cara (karena tidak ada aturan
pengulangan tidak diperbolehkan dan angka 0 diperbolehkan maka banyaknya angka yang
bisa mengisi ada 10 angka yaitu 0 sd 9)
 angka ketiga dalam kotak keempat dapat dicetak dalam 10 cara (karena tidak ada aturan
pengulangan tidak diperbolehkan maka banyaknya angka yang bisa mengisi ada 10 angka
yaitu 0 sd 9)
 angka keempat dalam kotak kelima dapat dicetak dalam 10 cara (mengapa ?)
 huruf kedua dalam kotak keenam dapat dicetak dalam 26 cara (yaitu huruf A sd Z)
 huruf ketiga dalam kotak ketujuh dapat dicetak dalam 1 cara (yaitu hanya huruf A)
Jadi banyaknya pelat nomor yang berbeda yang dapat dicetak adalah 1.9.10.10.10.26.1= 234.000.
Karena setiap satu pelat nomor hanya untuk satu mobil maka pelat nomor harus diubah modelnya
setelah mobil ke 234.000.
Contoh 2.2
Berapa banyak kertas yang harus disediakan, jika tiap kertas ditulisi bilangan 3 angka yang
dibentuk dari angka 1,2,3,4,5,6,7,8,9, jika :
a. pengulangan tidak diperbolehkan
b. pengulangan diperbolehkan.
Penyelesaian.
Misalkan ada tiga kotak untuk mempresentasikan bilangan sebarang.
a. kotak pertama dapat diisi dengan 9 cara, karena pengulangan tidak diperbolehkan maka kotak
kedua dan ketiga masing-masing dapat diisi dengan 8 dan 7 cara. Jadi banyaknya bilangan
yang dapat terbentuk ada 9.8.7= 504 bilangan.
Karena tiap bilangan dituliskan pada sebuah kertas maka banyaknya kertas yang harus
disediakan ada 60 kertas.
b. Karena pengulangan diperbolehkan maka kotak pertama, kedua dan ketiga dapat diisi dengan
5 cara, sehingga banyaknya bilangan yang terbentuk ada 9.9.9 = 729 bilangan. Jadi banyaknya
kertas yang harus disediakan ada 729 lembar.
Contoh 2.3
Didalam pemilihan kepengurusan Himatika, terdapat 25 mahasiswa yang memenuhi syarat untuk
dipilih sebagai ketua, sekretaris, bendahara (dengan asumsi tidak boleh ada jabatan rangkap). Ada
berapa cara untuk memilih pengurus Himatika tersebut ?
Penyelesaian.
Misalkan pemilihan pengurus organisasi dimulai dari ketua, sekretaris, kemudian bendahara.
 ketua dapat dipilih dalam 25 cara
 sekretaris dapat dipilih dalam 24 cara (karena satu orang sudah menempati posisi pada ketua
dan tidak boleh ada jabatan rangkap)
 bendahara dapat dipilih dalam 23 cara (karena satu orang sudah menempati posisi sebagai
ketua dan satu orang lagi sudah menempati posisi pada sekretaris serta tidak boleh ada jabatan
rangkap)
Jadi banyaknya cara untuk memilih pengurus tersebut adalah 25.24.23 = 13.800.
2.1.Permutasi
Misalkan seorang paman ingin membagikan uang kepada 3 keponakannya sebut Arman
(A), Budi (B), dan Cicik (C). Agar tidak berebut maka ketiga keponakannya di haruskan antri satu
persatu, berapa banyak antrian yang dapat terjadi?
Banyaknya antrian dapat dicari sebagai berikut.
ABC, ACB, BCA, BAC, CAB, CBA.
Sehingga ada 6 susunan antrian yang mungkin. Susunan antrian semacam itu disebut permutasi,
sebab urutanya diperhatikan, artinya ABC berbeda dengan ACB berbeda dengan BCA dan
seterusnya.
Secara umum dikatakan bahwa

Permutasi adalah susunan berurutan dari semua atau sebagian elemen suatu himpunan

Sedangkan banyaknya permutasi r elemen yang diambil dari n elemen ditulis P(n,r) atau nPr atau
Prn atau Pn,r adalah n(n-1)(n-2)(n-3)…(n-r+1) yang dapat diperoleh dengan aturan perkalian
sebagai berikut.
Elemen pertama mempunyai n kemungkinan, elemen kedua mempunyai n-1 kemungkinan,
elemen ketiga mempunyai n-2 kemungkinan dan seterusnya sampai elemen ke r mempuyai n-
r+1 kemungkinan, dengan aturan perkalian maka banyaknya permutasi keseluruhan adalah n(n-
1)(n-2)(n-3)…(n-r+1).
Dengan notasi faktorial banyaknya permutasi r elemen yang diambil dari n elemen dapat ditulis
n!
sebagai P(n,r) = .
(n  r )!
Hal ini dapat dibuktikan sebagai berikut.
P(n,r) = n(n-1)(n-2)(n-3)…(n-r+1)
(n  r)(n  r  1)...3.2.1
= n(n-1)(n-2)(n-3)…(n-r+1).
(n  r)(n  r  1)...3.2.1
n(n  1)(n  2)(n  3)...3.2.1
=
(n  r )(n  r  1)...(n  2)(n  3)...3.2.1
n!
=
(n  r )!
n! n!
Dengan mudah diperoleh P(n,n) = = =n!
(n  n)! 0!
Contoh 2.8
Tentukan semua permutasi dari huruf-huruf pada kata TAHU .
Penyelesaian.
Susunan huruf-huruf yang berbeda adalah sebagai berikut.
TAHU ATHU HTAU UTAH
TAUH ATUH HTUA UTHA
TUAH AUTH HUTA UHTA
TUHA AUHT HUAT UHAT
THUA AHTU HAUT UATH
THAU AHUT HATU UAHT
Jadi banyaknya permutasi ada 24 .
Menghitung banyaknya permutasi dapat dilakukan dengan cara r=n=4
maka P(n,r) = P(4,4) = 4! = 4.3.2.1 = 24.
Contoh 2.9
Tiga orang guru masuk ruang rapat. Tempat yang masih kosong ada 5 kursi, dalam berapa cara
mereka dapat menempati tempat duduk?
Penyelesaian.
 Tempat duduk yang masing kosong (n) = 5
 Guru yang masuk ruangan rapat ( r ) = 3
5! 5.4.3.2!
Sehingga P(5,3) =  = 60
(5  3)! 2!
Jadi ada 60 cara menempati tempat duduk yang kosong.
Atau dapat dikerjakan dengan prinsip perkalian sebagai berikut.
Guru yang pertama bisa menempati sebarang kursi dari 5 kursi yang tersedia, setelah guru pertama
duduk guru yang kedua bisa menempati sebarang kursi dari 4 kursi yang tersedia, dan guru yang
ketiga dapat menempati sebarang kursi dari 3 kursi yang tersedia. Jadi dengan aturan perkalian ada
5.4.3 = 60 cara untuk menempati kursi yang kosong.
Contoh 2.10
Tentukan banyaknya kata (tidak harus punya arti) yang terdiri dari 3 huruf yang dapat dibentuk
dari huruf-huruf dari kata CINTA
a. Apabila setiap huruf yang digunakan tidak boleh lebih dari sekali.
b. Apabila setiap huruf bisa diulangi dalam sebarang penyusunan.
Penyelesaian.
Pengaturan 5 huruf yang berbeda diambil 3 dengan pengulangan tidak diperbolehkan,
maka susunan ini membentuk permutasi sehingga banyaknya kata yang terbentuk = P(5,3)
= 60
a. Karena boleh ada pengulangan, maka selalu ada 5 huruf yang bisa terpilih, sehingga
banyaknya kata-kata = 5.5.5 = 75.
Contoh 2.11
Berapa banyak urutan yang dapat terjadi jika 7 lukisan yang berbeda digantung dalam sebuah baris
sehingga lukisan yang spesifik berada pada
a. tengah-tengah
b. salah satu ujung.
Penyelesaian.
a. Karena 1 gambar diketahui di tengah-tengah, maka sisanya ada 6 gambar yang diatur dalam
sebarang baris, sehingga banyaknya urutan ada P(6,6) = 6! = 720
b. 1 gambar spesifik dipasang pada salah satu ujung, maka ada 2 cara menempatkannya yakni
ujung kiri atau ujung kanan, dan sisanya 6 lukisan dapat diatur dalam P(6,6) cara, sehingga
banyaknya urutan ada 2. P(6,6) = 1440 urutan.
2.2. Permutasi (Seluruhnya) dengan Beberapa Unsur Yang Sama
Perhatikan contoh berikut.
Contoh 2.13
Tentukan semua permutasi yang berbeda yang dapat dibentuk dari huruf-huruf dalam kata
a. TAHU
b. TAHA
c. AAHA
Penyelesaian.
a. TAHU ATHU HTAU UTAH
TAUH ATUH HTUA UTHA
TUAH AUTH HUTA UHTA
TUHA AUHT HUAT UHAT
THUA AHTU HAUT UATH
THAU AHUT HATU UAHT
Banyaknya permutasi ada 24.
b. Dalam kata TAHA huruf U dalam kata TAHU diganti dengan huruf A. Misalkan 2 huruf A
dibedakan menjadi A1 dan A2, sehingga permutasi yang berbeda ada 24. Dari 24 permutasi ada
kelompok –kelompok yang jika indeks pada huruf dihilangkan menjadi satu macam permutasi
saja. Kelompok-kelompok tersebut adalah :
TA1HA2 TA1A2H THA1A2 A1THA2
TA2HA1 TA2A1H THA2A1 A2THA1
A1TA2H A1A2TH A1A2HT A1HTA2
A2TA1H A2A1TH A2A1HT A1HTA1
A1HA2T HTA1A2 HA2TA1 HA2A1T
A2HA1T HTA2A1 HA1TA2 HA1A2T
Tiap kelompok beranggotakan sebanyak 2, ini disebabkan adanya permutasi dari A1, A2 sebanyak
2! = 2, karena tiap 2 permutasi dari kelompok tadi sebenarnya 1 permutasi saja maka benyaknya
4!
permutasi seluruhnya dari kata TAHA adalah =24:2=12.
2!
c. Dalam kata AAHA huruf U dan T dalam kata TAHU diganti huruf A. Misalkan 3 huruf A
dibedakan A1, A2, A3, sehingga permutasi yang berbeda ada 24. Dari 24 permutasi ada kelompok
–kelompok yang jika indeks pada huruf dihilangkan menjadi satu macam permutasi saja.
Kelompok-kelompok tersebut adalah :
A3 A1 H A2 A3 A2 A1 H A3 HA1A2 HA3 A1A2
A3 A2 H A1 A3 A2 A1 H A3 HA2 A1 HA3 A2 A1
A1 A2 H A3 A1 A3 A2 H A1 HA3 A2 HA2 A3 A1
A2 A1 H A3 A2 A3 A1 H A2 HA3 A1 HA1 A3 A2
A1 A3 H A2 A1 A2 A3 H A1 HA2 A3 HA2 A1 A3
A2 A3 H A1 A2 A1 A3 H A2 HA1 A3 HA1 A2 A3
Tiap kelompok beranggotakan sebanyak 6, ini disebabkan adanya permutasi dari A1, A2 , A3
sebanyak 3! = 6, karena tiap 6 permutasi dari kelompok tadi sebenarnya 1 permutasi saja maka
4!
benyaknya permutasi seluruhnya dari kata AAHA adalah = =24:6=4.
3!
Dari contoh diatas dapat disimpulkan secara umum sebagai berikut.
Teorema 2.1
Banyaknya permutasi yang berlainan dari n elemen bila n1 diantaranya berjenis pertama, n2
berjenis kedua, … ,nk berjenis ke-k adalah
n!
P(n , (n1,n2,n3,…nk)) = , dimana n1 + n2 + n3 + …+ nk = n
n1!n 2!n3!...nk!
Contoh 2.14
Ada berapa penyusunan kata-kata (tidak harus punya arti) yang diambil dari kata “KAKAKKU”.
Penyeleaian.
Permutasi dari 7 huruf dimana ada 4 huruf sama yaitu K, dan 2 huruf sama yaitu A adalah P(7,
7!
(4,2,1)) = = 105.
4! 2! 1!
Jadi banyaknya penyusunan kata yang mungkin ada 105 kata.
Contoh 2.15
Seorang paman ingin membagikan 5 lembar uang sepuluh ribuan, 3 lembar uang lima ribuan dan
1 uang seribuan kepada 9 keponakannya. Jika setiap anak hanya menerima satu macam uang, ada
berapa cara si paman dapat membagikan uangnya.
Penyelesaian.
9!
Banyaknya cara ada  504 cara.
5!3!
2.3. Permutasi Melingkar (Permutasi Siklis)
Misalkan Arum (A), Budi (B), dan Cece (C) duduk mengililingi meja bundar. Ada berapa
susunan yang berbeda ketiganya dapat duduk ?
Untuk memjelaskan bagaimana susunan ketiganya perhatikan gambar berikut.
A B C

C B A C B A
Gambar 2.1

A B C

B C C A A B

Gambar 2.2
Pada gambar 2.1 penyusunan unsur A,B,C dalam tiga macam lingkaran dianggap sama, karena
urutannya dianggap sama yaitu setelah A selanjutnya B dan C, demikian pula pada gambar 2.2.
setelah A adalah C dan B, sehingga banyaknya permutasi ada 2, yang juga dapat diperoleh dari
ada 3! keseluruhan yang didalamnya ada 3 permutasi yang memghasilkan 1 permutasi dalam
3!
urutan melingkar sama, sehingga dapat ditulis ada  2!  2 permutasi yang berlainan.
3
Secara umum dapat dikatakan
n!
Banyaknya permutasi n unsur berlainan yang disusun melingkar adalah  (n  1)!
n
Contoh 2.16
Sekelompok mahasiswa yang terdiri dari 4 orang duduk mengelilingi sebuah meja bundar. Dalam
berapa cara keempat orang mahasiswa tadi dapat duduk mengelilingi meja tersebut.
Penyelesaian.
Keempat mahasiswa tadi dapat diatur mengelilingi meja dalam (4-1)! = 3! = 6
2.1.Kombinasi
Dalam permutasi elemen-elemen yang disusun urutannya diperhatikan, tetapi ada kalanya
elemen-elemen yang disusun urutanya tidak diperhatikan. Misalnya dalam suatu panitia studi tour
terdiri 4 orang, yakni Andi , Bambang, Cicik dan Dadang, dipilih 3 orang untuk melakukan survei
lapangan. Ada berapa macam susunan yang dapat dipilih?
Dari permasalahan ini susunan yang terdiri dari Andi, Bambang, Cicik dianggap sama dengan
susunan Bambang, Cicik, Andi, sama dengan Cicik, Andi, Bambang, sama dengan Andi, Cicik,
Bambang. Urutan pada susunan ini tidak diperhatikan, karena yang diperhatikan adalah orang yang
terpilih, tidak urutannya. Susunan semacam ini disebut kombinasi.
Definisi
Kombinasi adalah susunan unsur-unsur yang urutannya tidak diperhatikan.

Kembali pada contoh pemilihan 3 orang dari 4 orang, maka kombinasi yang diperoleh adalah
Andi – Bambang – Cicik
Andi – Bambang – Dadang
Andi – Cicik – Dadang
Bambang – Cicik – Dadang
Jadi ada 4 kombinasi.
Untuk memperjelas bagaimana hasil kombinasi dibanding permutasi, perhatikan tabel berikut.
Kombinasi PERMUTASI
ABC ABC ACB BAC CAB BCA CBA
ABD ABD ADB BAD BDA DAB DBA
ACD ACD ADC CDA CAD DAC DCA
BCD BCD BDC CBD CDB DBC DCB
Dimana A: Andi, B : Bambang, C: Cicik, D : Dadang
Terlihat bahwa 6 permutasi menghasilkan 1 kombinasi, sehingga banyaknya kombinasi ada
24 P(4,2)
 4 atau dapat ditulis P(4,3) . Hal ini secara umum dapat ditulis sebagai berikut.
6 3!
Banyaknya kombinasi r elemen yang diambil dari n elemen ditulis C(n,r) atau nCr atau
n n!
  atau C nr adalah dengan r  n.
r r! (n  r )!
Contoh 2.17
Suatu tim bola basket terdiri dari 5 orang akan dipilih darin 10 pemain. Berapa macam susunan
dapat dipilih ?
Penyelesaian.
Susunan yang dapat dipilih adalah pengambilan 5 orang dari 10 orang yang urutannya tidak
diperhatikan, jadi menggunakan banyaknya kombinasi 5 orang yang dipilih dari 10 orang =
10! 10!
C(10,5) =   252 .
5! (10  5)! 5! 5!
Contoh 2.18
Bila ada 4 wanita dan 3 laki-laki, tentukan banyaknya susunan panitia yang beranggotakan 2
wanita dan 1 laki-laki.
Penyelesaian.
Banyaknya cara memilih dua wanita dari empat wanita C(4,2) = 6. Banyaknya cara memilih 1
laki-laki dari 3 laki-laki adalah C(3,1) = 3. Dengan aturan perkalian banyaknya susunan panitia
yang dapat dibentuk yang beranggotakan 2 wanita dan 1 laki-laki adalah 6.3 = 18.
Contoh 2.20.
20 mahasiswa dikirim ke 5 negara, negara pertama 7 mahasiswa, negara kedua 5 mahasiswa,
negara ketiga 4 mahasiswa, sisanya masing-masing 2 mahasiswa, berapa cara pengiriman
mahasiswa tersebut?
Penyelesaian
Untuk negara yang pertama kita pilih 7 mahasiswa dari 20 mahasiswa, banyaknya cara
pemilihan adalah C(20,7)=77520
Untuk negara yang kedua kita pilih 5 mahasiswa dari 13 mahasiswa yang tersisa, sehingga
banyaknya cara pemilihan adalah C(13,5)=1287
Untuk negara yang ketiga kita pilih 4 mahasiswa dari 8 mahasiswa yang tersisa, sehingga
banyaknya cara pemilihan adalah C(8,4)=70
Untuk negara yang keempat kita pilih 42 mahasiswa dari 4 mahasiswa yang tersiusa,
sehingga banyaknya cara pemilihan adalah C(4,2)=6
Untuk negara yang kelima kita pilih 2 mahasiswa dari 2 mahasiswa yang tersisa, sehingga
banyaknya cara pemilihan adalah C(2,2)=1
Dengan menggunakan aturan perkalian didapat total banyak cara pengiriman adalah
C(20,7).C(13,5).C(8,4).C(4,2).C(2,2)=77520.1287.70.6.1=41902660800
Peluang Klasik
Banyak kejadian dalam kehidupan sehari-hari yang sulit diketahui dengan pasti, misalnya
apakah nanti malam akan hujan, apakah seseorang akan mendapat hadiah dari kupon hadiah
belanja dan sebagainya. Pada percobaan penarikan sebuah sebuah jupon dari beberapa kupon yang
tersedia, kita tidak tahu apakah akan muncul kupon yang kita miliki atau kupon yang lain.
Meskipun kejadian itu tidak pasti tetapi kita dapat menentukan peluang dari kejadian tersebut.
Perhatikan sebelum suatu pertandingan sepak bola dimulai. Wasit memanggil kedua
kapten kesebelasan untuk melakukan undian dengan cara melempar sekeping mata uang logam.
Masing-masing kapten memilih salah satu sisi mata uang, yaitu sisi gambar (G) atau sisi angka
(A). Bila undian sesuai dengan pilihannya, kapten kesebelasan yang berhasil menerka dengan tepat
dibolehkan memilih bola atau tempat. Kejadian munculnya (G) atau (A) dengan demikian
dikaitkan dengan kejadian mendapat hak memilih bola atau tempat. Cara undian itu dianggap adil,
baik oleh wasit, maupun oleh kedua kesebelasan beserta penonton pendukungnya. Mengapa?
Karena munculnya (G) atau (A) dianggap memiliki kesempatan yang sama, dengan kata lain kedua
tim mempunyai peluang yang sama untuk memenangkan undian. Peluang tersebut merupakan
salah satu contoh penerapan peluang dengan definisi klasik, yang disajikan sebagai berikut.
Definisi 3.1

Jika suatu percobaan menghasilkan n hasil yang tidak mungkin terjadi bersama-sama dan
masing-masing mempunyai kesempatan yang sama untuk terjadi, maka peluang suatu kejadian
n (A)
A ditulis P(A) = , dimana n(A) adalah banyaknya hasil dalam kejadian A.
n

Sebagai akibat dari definisi 3.1 ini, setiap hasil dari n hasil yang mungkin muncul dengan
1
kesempatan yang sama itu berpeluang muncul yang sama dengan .
n
 Jika kejadian yang diharapkan tidak pernah terjadi, berarti n(A) = 0, maka
0
P(A) =  0 , sehingga peluangnya = 0.
n
 Jika kejadian A yang diharapkan itu selalu terjadi terus menerus, berarti n(A)=n maka P(A)
n
= = 1, sehingga peluangnya = 1
n
Kesimpulannya adalah bahwa nilai P(A) terletak diantara nol dan satu, atau ditulis
0  P(A)  1.
Catatan : Pada definisi peluang diatas nilai n adalah banyak hasil mungkin pada percobaan
yang dilakukan sehingga bisa diartikan sebagai banyaknya titik sampel dalam ruang sampel
atau ditulis dengan n(S)
Contoh 3.1
Sebuah mata uang dilempar dua kali, tentukan peluang munculnya sisi gambar pada lemparan
pertama dan sisi angka pada lemparan kedua.
Penyelesaian.
Ruang sampel dari percobaan diatas S= {(A,A), (A,G), (G,A), (G,G)}
Misalkan D kejadian munculnya sisi gambar pada lemparan pertama dan sisi angka pada lemparan
kedua, maka D = {(G,A)}.
Karena semua titik sampel bersempatan sama untuk terjadi maka P(D) = ¼.

Contoh 3.2
Dalam sebuah kantong berisi 3 kelereng merah, 4 kelereng putih dan 2 kelereng biru. Secara acak
diambil sebuah kelereng dalam dalam kantong. Berapa peluang
a. terambil kelereng merah ?
b. terambil kelereng putih ?
penyelesaian.
Dalam kantong berisi 3 kelereng merah, 4 kelereng putih dan 2 kelereng biru, jadi ada 9 kelereng,
Jika diambil sebuah kelereng maka ada 9 kelereng yang mempuyai kesepatan yang sama untuk
terambil, maka n = 9
a. Misalkan M kejadian terambil kelereng merah, maka M= {m1,m2,m3 }dengan m1
3 1
kelereng merah pertama dan seterusnya sehingga n(M) = 3. Jadi P(M) = 
9 3
b. Misalkan K kejadian terambil kelereng putih, maka P={p1, p2, p3, p4 } sehingga n(K)=4.
4
Jadi P(K) =
9
Contoh 3.3
Sebuah kotak berisi 4 bola kecil berwarna merah dan 3 berwarna putih. Dari kotak tersebut dipilih
secara acak 4 buah bola. Tentukan peluang terambilnya 1 bola merah dan 3 bola putih.
Penyelesaian.
Misalkan A kejadian terambilnya 1 bola merah dan 3 bola putih, maka banyaknya titik sampel
dalam A adalah banyaknya cara pengambilan 1 bola merah dari 4 bola merah yang tersedia dan
banyaknya cara pengambilan 3 bola merah dari 3 bola putih yang tersedia, sehingga ada 4C1.3C3
= 4 cara, atau n(A) = 4.
Banyaknya titik sampel dalam S adalah banyaknya cara pengambilan 4 bola dari 7 bola yang
tersedia, karena pengambilan secara acak 4 sekaligus maka urutan bola yag terambil tidak
diperhatikan, artinya kita menggunakan kombinasi. jadi =n(S)=7C4=35. Karena semua titik sampel
berkesempatan sama untuk terjadi , maka P(A) =
Beberapa Hukum Peluang
Sering lebih mudah menghitung peluang suatu kejadian dari peluang kejadian lain yang
diketahui. Hal itu terutama sekali benar bila kejadian yang dimaksud dapat dinyatakan sebagai
gabungan dua kejadian lain atau komplemen suatu kejadian. Berikut ini diberikan beberapa hukum
peluang yang sering dapat menyederhanakan perhitungan peluang.
Teorema 3.1

Bila A dan dua kejadian sembarang, maka


P(AB) = P(A )+ P(B) – P(AB).
Contoh 3.4
Sebuah mata uang dilempar dua kali, berapa peluang munculnya paling sedikit satu sisi angka atau
dua sisi angka.
Penyelesaian
Banyaknya hasil yang mungkin pada percobaan diatas ada 4 yaitu AA,AG,GA, GG sehingga n=4.
Misalkan B kejadian munculnya paling sedikit satu sisi angka maka B={AA, AG, GA}, misalkan
C kejadian munculnya dua sisi angka maka C ={AA}, sehingga BC= {AA}. Jadi
P(BC) = P(B) + P(C) – P(BC)
3 1 1 3
=   
4 4 4 4
Akibat 1.

Bila A dan B kejadian yang saling lepas (terpisah),


maka P(AB) = P(A) + P(B).

Akibat 1 dapat diturunkan langsung dari teorema 3.1, karena bila A dan B saling lepas maka
AB =  sehingga P(AB) = P() = 0. Akibat 1 dapat diperluas menjadi :
Akibat 2.

Bila A1, A2, A3, ..., An saling lepas, maka


P(A1 A2A3 ... An) = P(A1)+P(A2)+P(A3)+ ...+P(An)

Perhatikan bila A1, A2, A3, ..., An merupakan sekatan dalam ruang sampel S maka
P(A1 A2A3 ... An) = P(A1)+P(A2)+P(A3)+ ...+P(An)
= P(S) = 1

Contoh 3.5
Bila A dan B dua kejadian saling lepas, dengan P(A) = 0,5 dan P(B) = 0,2,
tentukan P(AB).
Penyeleaian.
Karena A dan B saling lepas, maka P(AB)=P(A) + P(B) =0,5+0,2 = 0,7

Contoh. 3.6
Peluang seorang mahasiswa lulus matematika , dan peluangnya lulus biologi . Bila peluang lulus

paling sedikit satu mata kuliah berapakah peluangnya lulus dalam kedua mata kuliah ?

Penyelesaian.
Misalkan M menyatakan kejadian lulus matematika dan B kejadian lulus biologi maka menurut
teorema 3.1
P(MB) = P(M )+ P(B) – P(MB)
2 4 4
=  
3 9 5
14
=
45
Teorema 3.2

Bila A dan A’ kejadian yang saling berkomplemen, maka P(A’) = 1 – P(A).

Bukti.
Karena AA’ = S dan AA’ =  maka
1 = P(S)
= P(AA’)
= P(A) + P(A’)
sehingga P(A’) = 1 – P(A).

Contoh 3.8
Suatu uang logam dilatunkan berturut-turut sebanyak 5 kali. Berapa peluangnya paling sedikit
sekali muncul sisi gambar (G)?
Penyelesaian.
Misalkan E kejadian paling sedikit sekali muncul sisi gambar (G). Ruang sampel S mengandung
25 = 32 titik sampel, karena tiap lantunan dapat menghasilkan dua macam hasil (gambar atau
angka). Dari teorema 3.2 P(E) = 1- P(E’), dengan E’ adalah kejadian bahwa tidak ada sisi gambar
yang muncul. Hal ini hanya akan terjadi dalam satu cara, yaitu bila semua lantunan menghasilkan
sisi angka (A). Jadi P(E’) = 1/32 , sehingga P(E) = 1- = .
Peluang Bersyarat
Pada beberapa hal, kejadian B sering dipengaruhi oleh kejadian A. Peluang terjadinya B
bila diketahui kejadian A telah terjadi disebut peluang bersyarat dan dinyatakan dengan P(BA).
Lambang P(BA) biasanya dibaca ‘peluang B terjadi bila diketahui A terjadi atau lebih sederhana
lagi ‘peluang B, bila A diketahui’.
Definisi
Peluang bersyarat B jika diketahui A ditentukan oleh
P( A  B)
P(BA) = bila P(A) >0
P ( A)

Contoh
Misalkan ruang sampel S menyatakan orang dewasa yang tamat SMA di kecamatan Sukamadu.
Mereka dikelompokkan menurut jenis kelamin dan status pekerjaan
Bekerja Tidak bekerja
Laki-laki 460 40
Wanita 140 260
Kecamatan tersebut akan dijadikan daerah Pariwisata dan seseorang akan dipilih secara acak untuk
mempromosikan ke Luar Negeri. Tentukanlah peluang yang terpilih adalah laki – laki jika
diketahui telah bekerja.
Penyelesaian.
Misalkan L : kejadian yang terpilih laki-laki
B : kejadian yang terpilih dalam status bekerja.
Dengan menggunakan ruang sampel B yang diperkecil, maka kita batasi ruang sampel pada
orang dewasa yang telah bekerja sehingga yang n(S)=600, dan peluang laki – laki jika diketahui
telah bekerja adalah
P(L/B) = = .

Dengan menggunakan definisi peluang bersyarat maka


n( B ) 600 2
P(B) =  
n( S ) 900 3

n( L  B ) 460 23
P(LB)=   , sehingga
n( S ) 900 45
P( L  B) 23 / 45 23
P(LB) =   .
P( B) 2 / 3 30
Contoh
Diantara 10 orang laki-laki dan 10 orang wanita 2 orang laki-laki dan 3 wanita yang buta warna.
Jika dipilih secara acak seorang yang buta warna, tentukan peluang yang terpilih adalah laki-laki.
Penyelesian..
Pertanyaan diatas dapat ditulis kembali dengan kalimat ‘ tentukan peluang terpilih laki-laki
dengan syarat buta warna’.
Misalkan A adalah kejadian terpilih laki-laki
B adalah kejadian terpilih wanita
C adalah kejadian terpilih buta warna
n( A  C ) 2
Maka P ( A  C )  
n( S ) 20
n (C ) 5
P (C )   , sehingga
n( S ) 20
P ( A  C ) 2 / 20 2
P(AC) =   .
P (C ) 5 / 20 5

P( A  B)
Dari definisi peluang bersyarat P(BA) = maka didapat akibat berikut.
P ( A)

Akibat
P(AB)=P(A) P(BA) atau P(AB)=P(B) P(AB)

Untuk melukiskan penggunaan akibat 2.1 , misalkan kita mempunyai kotak berisi 20 sekering,
lima diantaranya cacat. Bila dua sekering dikeluarkan dari kotak satu demi satu secara acak (tanpa
pengembalian) berapakah peluang kedua sekering itu cacat ?
Untuk menjawab pertanyaan ini misalkan A kejadian sekering pertama cacat dan B kejadian yang
kedua cacat, kemudian AB sebagai kejadian bahwa A terjadi kemudian B terjadi bila A terjadi.
Peluang mengeluarkan sekering yang cacat yang pertama adalah ¼ dan kemudian mengeluarkan
sekering kedua yang cacat dari sisa yang tinggal sebanyak 4 adalah 4/19. Jadi P(AB) = ¼ .4/19
= 1/9.
Contoh
Dari seperangkat kartu bridge diambil satu kartu secara berturut-turut sebanyak dua kali.
Tentukan peluang pengambilan pertama As dan pengambilan kedua King.
Penyelesaian..
Misalkan A: kejadian pertama (terambil kartu As)
B: kejadian kedua (terambil kartu King)
Maka P(A) = dan P(BA)= (karena satu kartu telah terambil).

Jadi P(AB)=P(A) P(BA) = . = .


Kejadian Saling Bebas
Perhatikan kejadian–kejadian pada percobaan melempar sebuah dadu dan melempar sebuah
mata uang logam, maka hasil yang terjadi pada dadu tidak dipengaruhi oleh hasil pada mata uang
demikian sebaliknya, kejadian–kejadian semacam itu disebut kejadian yang yang bebas. Sehingga
dua kejadian dikatakan saling bebas apabila kedua kejadian tersebut tidak saling mempengaruhi.
Dalam bahasa matematik dua kejadian saling bebas ditulis sebagai berikut.
Kejadian A dan B dikatakan saling bebas jika dan hanya jika
P(A).P(B) =P(AB)

Rumus diatas dapat dijelaskan sebagai berikut.


Perhatikan akibat P(AB)=P(A).P(BA), jika kejadian A dan B tidak saling mempengaruhi maka
nilai peluang B tidak dipengaruhi peluang A sehingga P(BA)=P(B) yang berakibat
P(AB)=P(A) P(B) atau P(A).P(B) =P(AB)
Kebalikan kejadian yang saling bebas adalah tidak bebas atau saling tergantung, yaitu jika
kejadian A dipengaruhi oleh kejadian B dan sebaliknya. Sebagai contoh pada percobaan
mengambil dua kartu berturut-turut dari seperangkat kartu bridge (kartu remi), yaitu kartu pertama
diambil tidak dikembalikan, kemudian mengambil sebuah kartu lagi dari tumpukan kartu tersebut,
maka kedua pengambilan tersebut merupakan kejadian yang tidak bebas, sebab hasil pengambilan
kedua dipengaruhi oleh pengambilan pertama.
Contoh 3.9
Dua duah dadu bersisi enam satu merah dan satu biru dilempar bersama-sama. Jika A kejadian
munculnya mata dadu 5 pada dadu merah dan B munculnya mata dadu 4 pada dadu biru, serta C
munculnya kedua mata dadu berjumlah 8, periksa pakah A dan B bebas, A dan C bebas.
Penyelesaian.
Ruang sampel dari percobaan diatas dapat ditulis S= {(1,1) , (1,2), (1,3), ...(6,6)}
Kejadian A = {(5,1) , (5,2) , (5,3),(5,4), (5,5), (5,6) }
Kejadian B = {(1.4), (2,4) , (3,4) , (4,4), (5,5) , (6,4) }
Kejadian C = {(2,6) , (3,5) , (4,4) , (5,3), (6,2)}
P(A) = , P(B) = , P(C) =

AB = {(5,4)} ; P(AB) =

AC = {(5,3)} ; P(AC) =

Ternyata P(AB) = P(A). P(B) dan P(AC)  P(A).P(C) , sehingga kejadian A dan B bebas,
sedangkan kejadian Adan C tidak bebas (tergantung).
ATURAN BAYES
Perhatikan diagram Venn berikut.

E F
Misal E dan F partisi dalam S
A Maka A = (EA)(FA) dengan
(EA) dan (FA) terpisah/saling asing
Sehingga P(A) = P[(EA)(FA)]
= P(EA) +P (FA)
P( A  F )
dari P(FA) = dan P(A) = P(EA) +P (FA), maka
P( A)
P( A  F )
P(FA) = ,
P( E  A)  P( F  A)
P( A  F )
dari P(AF) = maka P(AF)=P(F) P(AF) dan P(EA)=P(E) P(AE)
P( F )

P( F ) P( A F )
sehingga P(FA) =
P( E ) P( A E )  P( F ) P( A F )

Bentuk terakhir ini yang disebut aturan Bayes yang secara umum dirumuskan dalam teorema
berikut.
Teorema (Aturan Bayes).
Jika kejadian-kejadian B1, B2, B3, …, Bk adalah partisi dari ruang sampel S dengan
P(BI)  0 , I = 1.2,3,..,k maka untuk setiap kejadian A dalam S denga P(A)  0 berlaku
P( Bi  A) P( Bi ).P( A Bi )
P(BiA) = k
 k

 P( B  A)  P( B ).P( A B )
i 1
i
i 1
i i

Ingat B1, B2, B3, …, Bk adalah partisi dari ruang sampel S berarti B1, B2, B3, …, Bk saling lepas
dan B1B2 B3 …Bk=S
Contoh
Jurusan matematikaFMIPA UNNES ingin menyewa Bus dari 3 perusahaan, yaitu 60% bus Jawa
Indah, 30% Bus Nusantara, dan 10% bus Kramat Jati. Diketahui juga 9% bus Jawa Indah tidak
berAC, 20% bus Nusantara tidak berAC, dan 6% bus Kramat Jati tidak berAC. Jika sebuah Bus
yang disewa dan ternyata tidak berAC, hitung peluang yang disewa adalah bus Jawa Indah.
Penyelesaian.
Misalkan J : kejadian yang terambil adalah bus Jawa Indah
N : kejadian yang terambil adalah bus Nusantara
K : kejadian yang terambil adalah bus Kramat Jati
Maka P(J)=60%, P(N)= 30%, P(K)=10%, dan
P(AJ)=9%, P(AN)= 20%, P(AK)=6%
P( J ) P( A J )
Sehingga P(JA) =
P( J ) P( A J )  P( N ) P( A N )  P( K ) P( A K )

60%.9%
=
60%.9%  30%.20%  10%.6%
= 0,45
1

Peluang & Aturan Bayes

MA 2081 STATISTIKA DASAR


06 SEPTEMBER2012
Utriweni Mukhaiyar
2

Eksperimen
Ciri-ciri eksperimen acak (Statistik):
• Dapat dulangi baik oleh si pengamat sendiri
maupun orang lain.
• Proporsi
p keberhasilan dapat
p diketahui dari
hasil-hasil sebelumnya.
• Bisa diukur (diamati).
• Hasilnya tidak bisa ditebak karena adanya
galat/error.
3

Ruang Sampel

p S , yyaitu himpunan
Ruangg sampel p
dari semua kemungkinan hasil dari suatu
percobaan acak (statistik).
(statistik)
4

Ruang Sampel Diskrit


A. Diskrit: banyaknya (number) anggota pada
S tsb dapat dihitung/dicacah (countable).
)
Hasil pencacahannya mungkin saja
berhingga atau tidak berhingga.

Contoh 1. S p pada (p
(percobaan)) p
pemeriksan
produksi sepatu boot di pabrik AAA. Setiap
pasang sepatu dipilih (secara acak), diperiksa,
lalu digolongkan
g g sebagai
g p pasangan
g sepatu
p
rusak atau tidak .
5

Ruang
g Sampel
p Kontinu

B K
B. Kontinu:
ti anggotat dari
d i S tsb
t b adalah
d l hbbagian
i
dari suatu interval.
Contoh 2. S pada percobaan pengukuran
tinggi pasang maksimum setiap hari di
m) misalnya S = {x: 2
suatu selat (satuan m),
< x < 4}.
Jika kita pilih hari-hari secara acak, maka
mungkin ditemukan hari-hari
hari hari dengan tinggi
pasang 2,1 m atau 3,5 m atau 2,75 m atau
nilai lainnya yang berkisar antara 2 < x < 4.
6

Kejadian
j ((Event))
• Himpunan bagian (subset) dari suatu
ruang sampel S .
• Notasi untuk even (kejadian) umumnya
huruf kapital,
kapital misal A
A, B
B, dan lain-lain
lain-lain.
Jika kejadiannya banyak, bisa ditulis
barisan, misal E1, E2, ......dst.
sebagai barisan dst
7

Ruang Sampel dan Kejadian


• Ruang sampel, dinotasikan S
Ruang Sampel Diskrit

Ruang Sampel Kontinu

S= { , , ... , }

 E
Event
t (kejadian)
(k j di )

E = { , , }
7
8

Populasi dan sampel

• Pada Contoh 1: Semua pasang sepatu boot


yang ada di pabrik AAA disebut populasi,
sedangkan beberapa pasang sepatu boot
yang diambil
di bil disebut
di b t sampel. l Ruang
R
sampel pada contoh ini adalah semua
keadaan p pasangg sepatu
p boot yyang
g mungkin,
g ,
yaitu {rusak, tidak rusak} dan termasuk jenis
diskrit, karena banyaknya elemen pada S ini
dapat dihitung, buah, n(S) = 2.
dihitung yaitu ada 2 buah 2
9
Contoh 3 Menentukan Ruang Sampel &
Kejadian
• Dua lokasi eksplorasi memulai aktifitas pengeboran.
Sukses atau tidaknya pengeboran untuk tiap lokasi
dilihat apabila ditemukannya minyak setelah satu
bulan di lokasi y
yangg bersangkutan.
g Tentukan ruang
g
sampelnya dan berilah contoh kejadian/eventnya.

 Jawab:
J b Ruang sampelnya
R l adalah
d l hS =
{SS,ST,TS,TT}, dimana S = Sukses; T = Tidak
sukses (nominal)
( )
 Contoh kejadian, mis kejadian E1 dimana dua aktifitas
pengeboran tersebut sukses, maka E1 ={SS}; dan E2
dimana salah satu lokasi masih belum menemukan
minyak, maka E2={ST,TS}.
10

Contoh 4
• Dilakukan survey dan pencatatan
tingkat curah hujan setiap hari
yang terjadi di suatu daerah
pegunungan.
pegunungan

 Jawab: Misalkan X : tingkat


g curah hujan
j
(mm), ruang sampel S = { x | 0  x  600, x
 R} dan E2 adalah kejadian tingkat curah
hujan lebih dari 200 mm
mm, maka
E2 = {x | 200 < x  600, x  R}
Perhatikan bahwa E2  S
11

G b
Gabungan
•U
Union
i d dua peristiwa
i ti E1 dan
d E2 ditulis
dit li E1E2,
adalah himpunan semua elemen yang ada
di dalam E1 atau di dalam E2 (termasuk di
dalam keduanya jika ada).
 Contoh. Perhatikan Contoh 3.
Misal E1 adalah kejadian salah satu lokasi
b h il menemukan
berhasil k minyak,
i d E2 adalah
k dan d l h
kejadian tidak ada lokasi yang berhasil. Maka
E1  E2 = {ST,TS,TT
ST TS TT}.}
12

Irisan

• Irisan dua peristiwa E1 dan E2, ditulis


E1∩E2, adalah himpunan semua elemen
yang ada di dalam E1 dan di dalam E2.

 Contoh. Perhatikan Contoh 2.


Misalkan E1: himpunan tinggi pasang
maksimum lebih dari 2,65 m, dan E2: himpunan
tinggi pasang maksimum kurang dari 3,70 m.
Maka E1 ∩ E2 = {x | 2,65 < x < 3,70}.
13

Komplemen
• Komplemen suatu peristiwa E1, ditulis E1c,
adalah himpunan semua elemen yang tidak
di dalam E1.

 Contoh. Perhatikan Contoh 4.


E2c= {0 ≤ x ≤ 200},
200} yaitu himpunan tingkat
curah hujan 0 sampai dengan 200.
14

Peluang
g Suatu Kejadian
j
• Prinsip dasar : frekuensi relatif
• Jika suatu ruang sampel mempunyai n(S )
elemen, dan suatu event E mempunyai n(E)
elemen maka probabilitas E adalah:
elemen,

n( E )
P( E ) 
n( S )
15

C
Contoh
h5
• Seorang pengusaha sukses merencanakan untuk berlibur keliling
Indonesia 1 bulan penuh (terhitung tanggal 1 sampai tanggal terakhir
bulan ybs) tahun 2010. Perusahaannya mewajibkan setiap anggotanya
membuat surat izin tertulis dengan menyertakan lama waktu izin (dalam
h i) Kantor
hari). K t tempat
t t pengusahah tersebut
t b t bekerja
b k j 7hharii d
dalam
l 1 minggu.
i
Berapa peluang bahwa pengusaha sukses tersebut mengajukan izin 31
hari?

Jawab: n(S) = 12 (banyak bulan dalam 1 thn). Misal E :


hari maka n(E) = 7 yaitu E =
kejadian bulan dengan 31 hari,
{Jan, Mar, Mei, Jul, Agt, Okt, Des}
n( E ) 7
P( E )  
n( S ) 12
16

Aksioma Peluang
1. 0 ≤ P(E) ≤ 1.
2 P(S) = 1
2. 1.
3. Jika E1 dan E2 adalah dua kejadian yang saling
lepas maka berlaku:
lepas,maka
P(E1E2 ) = P(E1) + P(E2)
4 Jika E1, E2,…,E
4. En adalah kejadian yang saling lepas
mutual, maka berlaku :
P(E1E2…En) = P(E1) + P(E2) + + P(En)
+…+
17

Peluang Bersyarat

• Peluang bersyarat (conditional probability)


dikatakan bersyarat
y karena eventnya
y sudah
dibatasi.
event pembatas itu A dan event yang
 Jika
probabilitasnya ingin dihitung adalah B, maka
peluang
p g bersyaratnya
y y adalah:

P( A  B)
P( B A) 
P( A)
18

Peluang
g Bersyarat
y

• Dalam P(B|A), event A adalah kejadian yang


terjadi terlebih dahulu atau yang diamati
lebih dulu, baru kemudian B.

 Jika
A dan B adalah dua kejadian yang saling
bebas maka
bebas,
P(B|A) = P(B)
19

C t h6
Contoh

Warna pasir Jenis pasir


Halus Kasar
Hitam 2 3
Abu-abu 2 4
Terang (putih, 1 2
kuning)

P(Halus  Hitam) 2 5 2
P(Halus| Hitam) =  : 
P(Hitam) 14 14 5
20

Kejadian Saling Bebas dan Saling Lepas

• Dua kejadian E dan F dikatakan saling


bebas (independent) jika berlaku:

P ( EF )  P ( E ).
) P( F )

 Duakejadian E dan F dikatakan saling


lepas jika berlaku:

P ( EF )  0
21

Contoh 7
7--

• Sebuah
S kartu dipilih secara acak dari serangkai
kartu bridge yang berjumlah 52 kartu. Jika E adalah
kejadian terpilih kartu As dan F adalah kejadian
t ilih gambar
terpilih b hati.
h ti Tunjukkan
T j kk b bahwa
h E dan
d F
saling bebas. Apakah E dan F saling lepas?
22

--Contoh
Contoh 7
Jawab: P( EF )  1/ 52
karena hanya terdapat satu As yang bergambar hati.

 P( E )  4 / 52
karena terdapat 4 As dalam kartu bridge

P( F )  13 / 52
karena terdapat 13 kartu bergambar hati

4 13 52 1
P ( E ).P ( F )  .    P ( EF )
52 52 52.52 52
Jadi E dan F saling bebas, tapi tidak saling lepas.
23

Peluang Bersyarat
Banyak kejadian

B5
B1
A  B1
A  B5 A
A  B4
A  B2 A  B3 B4
B2 B3
S
24

Peluang Bersyarat
Banyak
k kejadian
k d
25

Aturan Bayes
26

Contoh 8

Suatu perusahaan besar menggunakan tiga hotel sebagai


tempat menginap para langganannya. Dari pengalaman
yang lalu diketahui bahwa 20% langganannya di
tempatkan di Hotel II, 50% di Hotel B
B, dan 30% di Hotel S
S.
Bila 5% di Hotel I kamar mandi tidak berfungsi dengan
baik, 4% di Hotel B, dan 8% di Hotel S, berapa peluang
bahwa,
a. Seseorang langganan mendapat kamar yang kamar
mandinyay tidak baik.
b. Seseorang yang mendapat kamar mandi yang tidak
baik ditempatkan di Hotel S.
27

Solusi
28

R f
Referensi
i
 Dekking
g F.M., et.al., A Modern Introduction to Probabilityy and
Statistics, London : Springer, 2005.
 Devore, J.L. and Peck, R., Statistics – The Exploration and
Analysis of Data,
Data USA: Duxbury Press,
Press 1997.
1997
 Walpole, Ronald E. dan Myers, Raymond H., Ilmu Peluang dan
Statistika untuk Insinyur dan Ilmuwan, Edisi 4, Bandung:
P
Penerbit
bit ITB,
ITB 1995.
1995
 Walpole, Ronald E., et.al, Statistitic for Scientist and Engineering,
8th Ed., 2007.
 Wild, C.J. and Seber, G.A.F., Chance Encounters – A first Course
in Data Analysis and Inference, USA: John Wiley&Sons,Inc.,
2000.
 Pasaribu, U.S., 2007, Catatan Kuliah Biostatistika.
Rangkuman
1. Ruang sampel adalah himpunan dari semua hasil yang mungkin muncul pada suatu
percobaan. Anggota-anggota dari ruang sampel disebut titik sampel. Kejadian adalah
himpunan bagian dari ruang sampel. Kejadian sederhana yaitu kejadian yang hanya
mempunyai satu titik sampel. Kejadian majemuk yaitu kejadian yang mempunyai lebih
dari satu titik sampel. Operasi dasar pada kejadian yaitu gabungan, irisan dan komplemen.
Dua kejadian A dan B disebut saling lepas jika AÇB=Æ.
2. Aturan perkalian :Jika suatu kejadian dapat terjadi dengan n1 cara yang berbeda, dan
kejadian berikutnya (sebut kejadian kedua) terjadi dengan n2 cara yang berbeda, dan
seterusnya sampai kejadian k dapat terjadi dalam nk cara yang berbeda maka banyaknya
keseluruan kejadian dapat terjadi secara berurutan dalam n1.n2.n3… nk cara yang berbeda.
Permutasi adalah susunan berurutan dari semua atau sebagian elemen suatu himpunan
Banyaknya permutasi r elemen yang diambil dari n elemen ditulis P(n,r) atau nPr atau
n!
Prn atau Pn,r adalah n(n-1)(n-2)(n-3)…(n-r+1)= .Banyaknya permutasi yang
(n - r )!
berlainan dari n elemen bila n1 diantaranya berjenis pertama, n2 berjenis kedua, … ,nk
berjenis ke-k adalah
n!
P(n , (n1,n2,n3,…nk)) = ,dimana n1 + n2 + n3 + …+ nk = n
n1!n 2!n3!...nk!
Banyaknya permutasi n unsur berlainan yang disusun melingkar adalah (n-1)!
Kombinasi adalah susunan unsur-unsur yang urutannya tidak diperhatikan. Banyaknya

ænö
kombinasi r elemen yang diambil dari n elemen ditulis C(n,r) atau nCr atau çç ÷÷ atau
èrø
n!
C nr adalah dengan r £ n.
r! (n - r )!
3. Jika suatu percobaan menghasilkan n hasil yang tidak mungkin terjadi bersama-sama dan
masing-masing mempunyai kesempatan yang sama untuk terjadi, maka peluang suatu
n (A)
kejadian A ditulis P(A) = , dimana n(A) adalah banyaknya hasil dalam kejadian A.
n
Bila A dan dua kejadian sembarang, maka P(AÈB) = P(A )+ P(B) – P(AÇB).
Bila A dan B kejadian yang saling lepas (terpisah), maka P(AÈB) = P(A) + P(B).
Bila A dan A’ kejadian yang saling berkomplemen, maka P(A’) = 1 – P(A).
Kejadian A dan B dikatakan saling bebas jika dan hanya jika P(A).P(B) =P(AÇB).
Menentukan peluang bersyarat bisa menggunakan ruang yang yang diperkecil sesuai
syaratnya. Peluang bersyarat B jika diketahui A ditentukan oleh
P( A Ç B)
P(B½A) = bila P(A) > 0. Akibatnya P(AÇB)=P(A) P(B½A)
P( A)
4. Aturan Bayes dapat ditulis :
Jika kejadian-kejadian B1, B2, B3, …, Bk adalah partisi dari ruang sampel S dengan
P(BI) ¹ 0 , I = 1.2,3,..,k maka untuk setiap kejadian A dalam S denga P(A) ¹ 0 berlaku

P(Bi½A) = P( Bi Ç A) P( Bi ).P( A Bi )
k
= k

å P( B Ç A) å P( B ).P( A B )
i =1
i
i =1
i i
Tugas

Petunjuk
Kerjakan dengan langkah-langkah yang jelas dan tepat, jika perlu lihat petunjuk
mengerjakan yang ada di bawah permasahan.
1. Sekeping mata uang logam dan sebuah dadu dilempar satu kali. Hasil yang mungkin
muncul dapat dituliskan dalam pasangan berurut, misalnya :
(G,1) menyatakan munculnya sisi gambar untuk mata uang dan mata dadu 1 untuk
dadu,(A,2) menyatakan munculnya sisi angka untuk mata uang dan mata dadu 2 untuk
dadu. demikian seterusnya.
a. Tulislah ruang sampel percobaan tersebut.
b. Tulislah tiap kejadian berikut dengan menggunakan notasi himpunan :
1) Kejadian munculnya sisi gambar dan mata dadu sembarang
2) Kejadian munculnya sembarang sisi mata uang dan mata dadu ganjil.
3) Apakah kejadian pada 1) dan 2) saling lepas?
4) Tentukan gabungan kejadian pada 1) dan 2)
5) Tentukan irisan kejadian 1) dan 2)
6) Tentukan komplemen kejadian 2).
(Petunjuk: jika Anda kesulitan menentukan ruang sampel mulailah dengan mendaftar baris
kolom, baris berisi sisi A dan sisi G, kolom berisi mata dadu 1,2,3,4,4,6)
2. Sebuah koin dilantunkan berulang-ulang, sehingga muncul sisi angka, tentukan ruang
sampel percobaan tersebut.
(Petunjuk: jika Anda kesulitan menentukan ruang sampel mulailah dengan mendaftar
hasil percobaan lemparan pertama, kedua dan seterusnya)
3. Ada 4 jalur bis antara kota A dan kota B, dan ada 3 jalur bis antara kota B dan C.
a. ada berapa cara seseorang dapat mengadakan perjalanan pulang-pergi dari kota A
ke kota C melalui kota B?
b. ada berapa cara seseorang dapat mengadakan perjalanan pulang-pergi dari kota A
ke kota C melalui kota B, jika pulangnya tidak boleh melalui jalur(rute) yang sama
dengan saat berangkat?
(petunjuk : jika masih ada kesulitan buatlah diagram pohonnya dengan permasalahan yang
lebih sederhana)
4. Sebuah password dapat dibuat dengan karakter angka maupun huruf, huruf besar dan
kecil tidak dibedakan. Berapa banyak password 6 karakter yang dapat dibuat.
(petunjuk: buatlak kotak-kotak sebanyak 6 sebagai representasi password 6 karakter,
jumlahlah banyaknya angka dan huruf, kemudian gunakan hasilnya untuk mengisi kotak-
kotak yang dibuat)
5. Ada berapa cara 9 buku buku yang berbeda dapat disusun dalam sebuah rak buku yang
memanjang, jika ada 3 buku yang selalu bersama-sama ada berapa penyusunan yang
mungkin?
6. Jika pengulangan tidak diperbolehkan Ada berapa banyak bilangan tiga angka yang
dapat disusun dari angka 0 sampai 9 yang lebih dari 450?
7. Sebuah kelompok terdiri dari 2005 anggota. Setiap anggota memiliki satu rahasia. Setiap
anggota dapat mengirim surat kepada anggota lain manapun untuk menyampaikan satu
rahasia yang dipegangnya. Banyaknya surat yang perlu dikirim agar semua anggota
kelompok mengetahui seluruh rahasia adalah?
8. Sebuah keluarga muda merencanakan mempunyai 3 orang anak. Tentukan peluang
keluarga tersebut mempunyai paling banyak satu anak perempuan.
9. Dijual 100 lembar undian, 2 diantaranya berhadiah. Tamara membeli 2 lembar undian.
Berapa peluang Tamara mendapa satu hadiah.
10. Suatu perkumpulan beranggotakan 12 orang pria dan 8 orang wanita. Dari kelompok
tersebut dibentuk suatu panitia yang terdiri dari 5 orang secara acak. Tentukan peluang
panitia tersebut terdiri dari orang-orang yang berjenis kelamin sama.
11. Lima lampu pijar yang rusak tercampur dengan sepuluh buah lampu yang baik.
Karyawan perusahaan diintruksikan mencari kembali lampu yang rusak tersebut. Jika
karyawan tersebut secara acak mengambil 3 buah lampu dari kumpulan lampu tersebut,
berapa probabilitas tidak satupun dari ketiga lampu yang diambil lampu yang rusak.
12. Jika P(A)=0,6 dan P(B) = 0,4 dan P(AÈB)=0,8, periksa apakah A dan B
a. saling lepas
b. saling bebas.
Daftar Pustaka
Agoestanto A (2017). Pengantar Probabilitas. FMIPA UNNES. Semarang

Bain & Engelhardt (1993), Introduction to Probability And Mathematical Statistics,


Duxbury Press, California

Boediono dan Wayan Koster (2001), Teori dan Aplikasi Statistika dan Probabilitas,Remaja
Rosdakarya, Bandung

Frank Aryes (1990), Matematika Dasar, Erlangga, Jakarta

Ronald E Walpole & Raymond H Myers (1989), Ilmu Peluang dan Statistika Untuk
Ilmuwan dan Insinyur, ITB, Bandung

Soal Seleksi nasional Olimpiade matematika Tingkat Universitas tahun 2005, 2008,2009,
2011

Suryo Guritno (1990), Pengantar Statistik Matematik, FMIPA UGM, Yogyakarta


Peranan Statistika

Disusun oleh
Putriaji Hendikawati, S.Si., M.Pd., M.Sc.
Dr. Scolastika Mariani, M.Si.

1. Pengertian Statistika
Statistika banyak dimanfaatkan dalam berbagai aspek dan bidang kehidupan
manusia seperti dalam bidang pendidikan, teknik, industri, ekonomi, kedokteran,
asuransi, pertanian, pemerintahan, sosiologi, psikologi, farmasi serta berbagai ilmu
alam dan sosial yang lainnya. Banyak permasalahan, baik dalam penelitian maupun
pengamatan yang memerlukan pelaporan akan menghasilkan kumpulan data yang
dinyatakan dan dicatat yang dikenal dengan statistik. Kata statistik digunakan untuk
menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif
maupun non angka yang dinamakan data kualitatif yang disusun dalam bentuk tabel
dan atau diagram/grafik, yang menggambarkan dan mempermudah pemahaman akan
angka dari masalah yang diamati.
Pengamatan, penelitian, maupun riset umumnya bertujuan untuk memperoleh
penjelasan atau kesimpulan mengenai persoalan yang diteliti. Sebelum dibuat
kesimpulan, data yang diperoleh terlebih dahulu dipelajari, dianalisis dan diolah
dengan teliti dan tepat sesuai dengan teori yang benar dan dapat
dipertanggungjawabkan. Hal ini berkaitan dengan suatu pengetahuan tersendiri yang
diberi nama statistika. Statistika diartikan sebagai ilmu pengetahuan yang mempelajari
tentang metode atau prosedur yang berhubungan dengan pengumpulan data, organisasi
data, pengujian data, pengolahan data atau penganalisaan dan penarikan kesimpulan
berdasarkan kumpulan data tersebut.
Statistika dalam pengertian sebagai ilmu dibedakan menjadi dua, yaitu: (1)
Statistika Deskriptif yang bertujuan untuk mendeskripsikan atau memberi gambaran

1
objek yang diteliti sesuai data yang ada tanpa menarik kesimpulan maupun
generalisasi. Statistika deskriptif hanya terbatas pada pengumpulan, penyajian dan
analisis data. Dalam statistika deskriptif dikemukakan cara penyajian data dalam
bentuk tabel maupun diagram, penentuan rata-rata (mean), modus, median, rentang,
serta simpangan baku, dan (2) Statistika Inferensial (Induktif) yang bertujuan untuk
penarikan kesimpulan. Objek yang diteliti dibahas dengan penekanan pada
interprestasi data dan pengambilan kesimpulan. Sebelum menarik kesimpulan
dilakukan suatu dugaan yang dapat diperoleh dengan statistika deskriptif.

2. Populasi dan Sampel


Populasi adalah himpunan keseluruhan obyek yang diselidiki. Populasi adalah
totalitas semua nilai yang mungkin, hasil menghitung maupun pengukuran, kuantitatif
maupun kualitatif mengenai karakteristik tertentu dari semua anggota kumpulan yang
lengkap dan jelas yang ingin dipelajari sifat-sifatnya. Himpunan bagian dari populasi
dinamakan sampel. Karakteristik atau konstanta dari suatu populasi disebut
parameter. Sedangkan suatu harga yang dihitung dari suatu sampel dinamakan
statistik. Pengumpulan data dapat dilakukan dengan cara sensus ataupun sampling.
Apabila pengumpulan data menggunakan sensus, maka seluruh anggota dalam
populasi, tiada terkecuali dikenai penelitian (perlakuan). Sedangkan sampling
dilakukan apabila hanya sebagian saja anggota populasi yang diteliti. Sensus seringkali
tidak dapat dilakukan mengingat populasi yang beranggota sangat banyak atau
berukuran tak hingga (populasi tak hingga). Selain itu sensus dianggap tidak praktis,
tidak ekonomis, membutuhkan biaya besar, alokasi waktu yang lama, serta dihindari
apabila dilakukan percobaan yang bersifat merusak. Dalam hal ini, maka metode
sampling lebih dipilih.
Statistika digunakan untuk menyimpulkan populasi. Analisa statistika dilakukan
untuk dapat mengambil kesimpulan tentang parameter populasi berdasarkan observasi
sampel. Oleh karena itu, sampel yang diperoleh hendaknya dapat memberikan
gambaran yang “tepat” untuk populasinya (representatif). Khusus untuk populasi yang

2
tidak terlalu heterogen, salah satu macam sampel yang dianggap “representatif” adalah
sampel random, observasi-observasi dalam sampel independen satu dengan yang lain.
Data sampel random adalah sampel yang pengambilannya sedemikian hingga setiap
elemen populasinya mempunyai kemungkinan yang sama untuk terambil.

3. Sumber Pengamatan dalam Statistik


Berikut sumber pengamatan dalam statistik
1. Unit Statistik
Unit statistik adalah individu objek atau orang yang akan diteliti, disurvey atau
didata. Pertama harus diidentifikasikan obyek atau orang yang dapat memberikan
informasi lebih banyak terhadap permasalahan yang diteliti.
2. Variabel
Variabel adalah suatu karakteristik dari suatu objek yang harganya untuk tiap
objek bervariasi dapat diamati atau dibilang, atau diukur.

4. Macam-Macam Data
Statistik dalam prakteknya tidak bisa dilepaskan dari data yang berupa angka,
baik itu dalam statistik deskriptif yang menggambarkan data, maupun statistik inferensi
yang melakukan analisis terhadap data. Pembagian data dibedakan atas beberapa hal
berikut.
1) Menurut cara memperolehnya, data dibedakan atas
a. Data primer, yaitu data yang dikumpulkan dan diolah sendiri oleh peneliti
(perorangan/lembaga) langsung dari objeknya. Contoh: sensus yang
dilaksanakan oleh BPS.
b. Data sekunder, yaitu data yang dikutip atau diperoleh dalam bentuk yang
sudah jadi, sudah dikumpulkan dan diolah oleh sumber lain dan umumnya
sudah dalam bentuk publikasi. Contoh: perusahaan memperoleh data dari
laporan yang ada di BPS.
2) Menurut sumbernya

3
a. Data internal, yaitu data yang menggambarkan keadaan/kegiatan di dalam suatu
organisasi.
b. Data eksternal, yaitu data yang menggambarkan keadaan/kegiatan di luar suatu
organisasi. Data eksternal dimaksudkan untuk menunjukkan faktor-faktor yang
mempengaruhi hasil karya suatu organisasi.
3) Menurut sifatnya
a. Data Kualitatif, yaitu fakta yang dinyatakan dalam bentuk bukan angka,
misalnya, jenis golongan darah, profesi, agama, dan sebagainya. Data kualitatif
dapat dikuantitatifkan antara lain dengan cara memberi skor, ranking, variabel
boneka (dummy variabel), dan sebagainya. Data kualitatif mempunyai ciri tidak
bisa dilakukan operasi matematika, seperti penambahan, pengurangan,
perkalian dan pembagian. Data kualitatif dibagi menjadi dua:
1. Data Nominal
Data bertipe nominal adalah data dengan tingkat paling rendah dalam level
pengukuran data. Skala nominal adalah skala pengukuran berupa bilangan
atau lambang-lambang untuk mengelompokkan suatu obyek. Jika suatu
pengukuran data hanya menghasilkan satu dan hanya satu-satunya kategori,
maka data tersebut adalah data nominal (data kategori). Misal proses
pendataan Jenis Kelamin, status pendidikan, jenis agama dan sebagainya.
Data Nominal dalam praktek statistika biasanya akan dijadikan ‘angka’,
yaitu proses yang disebut kategorisasi. Misal dalam pengisian data, jenis
kelamin lelaki di kategorikan sebagai ‘1’ dan perempuan sebagai ‘2’.
Contoh lain data dari variabel jenis agama (Islam=1, Kristen=2,
Katholik=3, Hindu=4, Budha=5). Kategori ini hanya sebagai tanda saja,
jadi tidak bisa dilakukan operasi matematika.
2. Data Ordinal
Seperti pada data nominal, adalah juga data kualitatif namun dengan level
yang lebih tinggi dari data nominal. Jika pada data nominal, semua data
kategori dianggap sama, maka pada data ordinal, terdapat tingkatan data

4
dengan urutan lebih tinggi dan lebih rendah. Dengan kata lain skala ordinal
adalah skala pengukuran yang mengelompokkan obyek-obyek ke dalam
kelas-kelas yang mempunyai hubungan urutan satu dengan yang lain.
Hubungan antara kelas-kelas adalah lebih baik, lebih disukai, lebih tinggi,
dan sebagainya. Misal data tentang sikap seseorang terhadap produk
tertentu. Dalam pengukuran sikap konsumen, ada sikap yang ‘suka’, ‘tidak
suka’, sangat suka’ dan lainnya. Urutan data 1 sampai dengan 5
menyimbolkan kualitas. 5= Sangat suka, 4= Suka, 3= Sedang, 2= Tidak
Suka, 1= Sangat tidak suka. Jadi disini ada preferensi atau tingkatan data,
dimana data yang satu berstatus lebih tinggi atau lebih rendah dari yang
lain. Namun data ordinal juga tidak bisa dilakukan operasi matematika.
b. Data kuantitatif, yaitu fakta yang dinyatakan dalam bentuk angka dalam arti
sebenarnya. Misalnya tinggi badan, berat badan, hasil belajar mahasiswa,
jumlah kelahiran bayi tiap tahun di suatu negara, dan lain sebagainya. Jadi
berbagai operasi matematika bisa dilakukan pada data kuantitatif. Seperti pada
data kualitatif, data kuantitatif juga bisa dibagi menjadi dua bagian:
1. Interval
Data Interval menempati level pengukuran data yang lebih tinggi dari data
ordinal, karena selain bisa bertingkat urutannya, juga urutan tersebut bisa
dikuantitatifkan. Skala interval adalah skala pengukuran yang
mengelompokkan obyek-obyek ke dalam kelas-kelas yang mempunyai
hubungan urutan dan perbedaaan dalam jarak (interval) satu dengan yang
lain. Ciri-ciri skala interval :
(i) Unit pengukuran sama dan konstan;
(ii) Perbandingan antara dua interval sembarang adalah independen
dengan unit pengukuran dan titik nolnya;
(iii) Titik nol dan unit pengukuran sembarang (arbitrary).
Contohnya antara lain pengukuran temperatur sebuah ruangan. Data
temperatur dikatakan data interval, karena data mempunyai interval (jarak)

5
tertentu. Namun data interval tidak mempunyai titik nol yang absolut.
Seperti pada pengukuran temperatur, seperti pernyataan bahwa ‘air
membeku pada 0 oC ‘. Pernyataan di atas, 0 oC bersifat relatif, karena 0
o
C hanya sebagai tanda saja. Dalam pengukuran oF, air membeku bukan
pada 0 oF, namun pada 32oF.
2. Data Rasio
Data Rasio adalah data dengan tingkat pengukuran paling tinggi diantara
jenis data lainnya. Data Rasio adalah data bersifat angka dalam arti
sesungguhnya dan bisa dioperasikan secara matematika (+, -, x, /). Skala
rasio adalah skala pengukuran yang mengelompokkan obyek-obyek ke
dalam kelas-kelas yang mempunyai hubungan urutan dan berbeda dalam
jarak antara obyek yang satu dengan yang lain. Perbedaan dengan data
interval adalah bahwa data rasio mempunyai titik nol dalam arti
sesungguhnya. Misal berat badan dan tinggi badan seseorang, pengukuran-
pengukurannya mempunyai angka nol/0 dalam arti sesungguhnya. Misal
berat badan 0 berarti memang tanpa berat. Contoh skala rasio adalah skala
untuk mengukur panjang, luas, isi, berat, tinggi, dan sebagainya.
4) Menurut waktu pengumpulannya
a. Data Cross Section, yaitu data yang dikumpulkan pada suatu waktu tertentu (at
a point of time) yang bisa menggambarkan keadaan/kegiatan pada waktu
tersebut.
b. Data Berkala (Time Series Data), yaitu data yang dikumpulkan dari waktu ke
waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari
waktu ke waktu. Misalnya, perkembangan harga barang kebutuhan pokok
selama 12 bulan terakhir, banyaknya pengunjung tempat wisata selama 5 tahun
terakhir, dsb. Data berkala sering disebut data historis, bila digambarkan
grafiknya maka akan menunjukkan fluktuasi pergerakan naik turun data. Dari
data berkala dapat dibuat garis trend yang menggambarkan perkembangan data.
Garis trend tersebut berguna sebagai dasar pembuatan ramalan (forecasting)

6
yang bermanfaat untuk dasar perencanaan dan memberikan gambaran data di
masa mendatang.

5. Syarat Data yang Baik


Data yang tidak tepat apabila digunakan untuk dasar pengambilan keputusan
maka dapat menghasilkan kesimpulan yang keliru serta tidak tepat sasaran. Untuk
memperoleh kesimpulan yang tepat dan benar mengenai suatu permasalahan, maka
data yang dikumpulkan dalam pengamatan harus nyata dan benar. Syarat data yang
baik adalah
a. data harus obyektif artinya data sesuai dengan keadaan sebenarnya;
b. data harus mewakili (representatif);
c. kesalahan baku (standar error) harus kecil. Suatu nilai estimasi harus memiliki
tingkat ketelitian yang tinggi;
d. data harus tepat waktu (up to date) terutama apabila data digunakan untuk
tujuan pengendalian dan evaluasi;
e. data harus relevan dengan masalah yang akan dipecahkan artinya data yang
dikumpulkan harus berhubungan dengan masalah yang diamati.

6. Pengumpulan Data
Data yang dikumpulkan harus akurat dan relevan dengan permasalahan yang
diamati. Data dapat dikumpulkan dengan berbagai cara. Cara pengumpulan data yang
sering digunakan diantaranya
a. Wawancara (Interview)
Wawancara merupakan cara pengumpulan data yang bersifat langsung dari
responden. Kelemahan metode wawancara antara lain ada pada segi waktu
dan penggunaan data yang cukup besar. Sebelum melakukan wawancara
perlu dibuat pedoman agar dapat memperoleh keterangan yang relevan sesuai
yang diharapkan.
b. Angket (Kuesioner)

7
Angket adalah seperangkat daftar pertanyaan yang diisi oleh responden tanpa
pengawasan, kemudian dikembalikan atas kemauan sendiri oleh responden.
Angket digunakan bila jumlah responden cukup banyak atau jangkauan lokasi
yang jauh dan luas. Menurut jenisnya, angket dibedakan menjadi angket
tertutup dan angket terbuka. Angket tertutup apabila angket tersebut telah
menyediakan pilihan jawaban yang dapat dipilih responden. Sementara, pada
angket terbuka tidak tersedia pilihan jawaban dan responden diberi kebebasan
untuk menjawab.
c. Pengamatan (Observasi)
Observasi dilakukan apabila peneliti merasa perlu melihat, mengamati, atau
melakukan sendiri kegiatan untuk memperoleh data. Dalam kegiatan
pengamatan juga perlu dibuat pedoman untuk mempermudah pengamat
mencatat data yang dikehendaki.

8
Penyajian Data

Disusun oleh
Putriaji Hendikawati, S.Si., M.Pd., M.Sc.
Dr. Scolastika Mariani, M.Si.

Secara garis besar ada dua cara penyajian data yang sering digunakan yaitu tabel
atau daftar dan grafik atau diagram. Penyajian data dengan tabel atau diagram akan
lebih menarik, mudah dibaca dan dimengerti. Penyajian data dalam bentuk gambar
akan memperjelas masalah secara visual. Tabel merupakan kumpulan angka-angka
yang disusun menurut kategori-kategori sehingga memudahkan dalam pembuatan
analisis data. Penyajian data dengan tabel yang dikenal antara lain dengan
menggunakan daftar baris kolom dan daftar distribusi frekuensi.
Grafik merupakan gambar-gambar yang menunjukkan secara visual (dapat pula
berupa simbol) data berupa angka yang biasanya juga berasal dari tabel-tabel yang
sudah dibuat. Macam-macam penyajian data dengan tabel dan diagram/grafik yang
dikenal antara lain diagram lambang atau diagram simbol (pictogram), diagram garis
(line chart), diagram batang/balok (bar chart/ histogram), diagram lingkaran atau
diagram pastel (pie chart), diagram peta (cartogram), dan diagram pencar atau titik
(scater plot).
Berikut penjelasan masing-masing tabel/daftar dan grafik yang sering digunakan.
1. Daftar baris kolom
Penyajian data yang dituliskan dalam bentuk matriks baris dan kolom. Contoh
daftar ini dapat dijumpai pada data laporan yang ada di BPS, dimana laporan
pembukuannya umumnya disajikan dalam bentuk baris dan kolom, misalnya mengenai
data penduduk, data pertanian dan sebagainya. Diagram baris kolom mengutamakan
keakuratan data yang disajikan sehingga pada tabel ini data yang disajikan sesuai data
sebenarnya dan tidak bersifat kira-kira. Ada berbagai bentuk tabel antara lain tabel satu

1
arah (one way table), tabel dua arah (two way table) dan tabel tiga arah (three way
table).
Tabel satu arah adalah tabel yang hanya memuat keterangan mengenai satu hal
atau satu karakteristik saja. Misalnya: data jumlah penduduk menurut umur, data
jumlah penduduk menurut daerah, data jumlah penduduk menurut jenis kelamin, dan
sebagainya. Tabel 2.1 menunjukkan contoh data jumlah siswa menurut tingkat
pendidikan.
Tabel 2.1 Jumlah Siswa Menurut Tingkat Sekolah

Tingkat Sekolah Jumlah


SD 1.562
SMP 1.019
ST 432
SMA 818
SMK 743
TOTAL 4.574
Sumber: http://metodestatistik.blogspot.com
Tabel dua arah adalah tabel yang memuat keterangan mengenai dua hal atau dua
karakteristik. Misalnya: data jumlah penduduk menurut umur dan pendidikan, data
jumlah penduduk menurut daerah dan jenis kelamin, data jumlah penduduk menurut
pendidikan dan pekerjaan, dan sebagainya. Tabel 2.2 adalah contoh tabel dua arah yang
berisi informasi mengenai data jumlah siswa menurut tingkat sekolah dan jenis
kelamin.
Tabel 2.2 Jumlah Siswa Menurut Tingkat Sekolah dan Jenis Kelamin
Tingkat Jumlah Siswa
Jumlah
Sekolah Laki-Laki Perempuan
SD 875 687 1.562
SMP 512 507 1.019
ST 347 85 432
SMA 476 342 818
SMK 316 427 743
TOTAL 2.526 2.048 4.57
Sumber: http://metodestatistik.blogspot.com

2
Tabel tiga arah adalah tabel yang memuat keterangan mengenai tiga hal atau tiga
karakteristik. Misalnya: data jumlah penduduk menurut umur, jenis kelamin dan
pendidikan, data jumlah penduduk menurut daerah, pendidikan dan pekerjaan, dsb.

2. Daftar Distribusi Frekuensi


Data statistik yang telah dikumpulkan dan akan dianalisis lebih lanjut perlu
disusun secara sistematis serta disajikan dalam bentuk yang mudah terbaca agar lebih
jelas dan mudah dipahami. Bila dimiliki data pengamatan dalam jumlah yang
banyak/besar, maka perlu dibuat distribusi frekuensi atau tabel frekuensi untuk
mempermudah analisa data. Berikut langkah menyusun tabel distribusi kuantitatif.
(i) Tentukan banyak dan lebar inteval kelas. Hal ini tergantung pada banyak dan
besarnya nilai yang akan disusun dalam tabel distribusi. Banyak interval kelas
yang efisien umumnya antara 5 dan 15. Pada tahun 1925, H.A Sturges
mengajukan rumus untuk menentukan banyak interval kelas, yaitu k = 1 + 3,322
log n. Sedangkan lebar interval kelas ditentukan dengan membagi jangkauan
(yaitu selisih antara harga terbesar dan terkecil) dengan banyak interval kelas
yang digunakan.
(ii) Interval-interval kelas tersebut diletakkan dalam suatu kolom, diurutkan dari
interval kelas terendah pada kolom paling atas dan seterusnya.
(iii) Data yang ada kemudian dimasukkan ke dalam interval kelas yang sesuai.
Banyak data yang masuk dalam suatu interval kelas dinamakan frekuensi
interval kelas tersebut.
Contoh 1
Berikut disajikan data tinggi badan (cm) dari 50 orang atlet bola voli pantai.
176 167 180 165 168 171 177 176 170 175
169 171 171 176 166 179 181 174 167 172
170 169 175 178 171 168 178 183 174 166
181 172 177 182 167 179 183 185 185 173
179 180 184 170 174 175 176 175 182 172
Berdasarkan data tersebut, diperoleh informasi berikut.

3
Data terbesar : 185
Data terkecil : 165
Jangkauan = (data terbesar) - (data terkecil) = 185 – 165 = 20
Harga k dengan rumus Sturges: k = 1 + 3,322 log n = 1+3,322(1,699) = 6,644 ≈ 7
20
Dengan acuan harga k maka dipilih banyak interval kelas 7 dengan lebar kelas =
7
= 2,85 ≈ 3. Kemudian disusun dalam tabel distribusi frekuensi berikut.
Tabel 2.3 Distribusi frekuensi tinggi badan
Interval kelas Frekuensi
164,5 - 167,5 6
167,5 - 170,5 7
170,5 - 173,5 8
173,5 - 176,5 11
176,5 - 179,5 7
179,5 - 182,5 6
182,5 - 185,5 5
Jumlah 50

Jika ingin mengetahui jumlah orang dengan tinggi badan lebih ataupun kurang
dari harga tertentu, maka distribusi frekuensi diubah menjadi distribusi frekuensi
kumulatif. Dengan data pada contoh 1 di atas, distribusi frekuensi kumulatif “kurang
dari” dan distribusi frekuensi kumulatif “lebih dari” ditunjukkan pada Tabel 2.4 dan
Tabel 2.5.
Tabel 2.4 Distribusi frekuensi kumulatif “kurang dari”
Tinggi badan Jumlah
Kurang dari 164,5 0
Kurang dari 167,5 6
Kurang dari 170,5 13
Kurang dari 173,5 21
Kurang dari 176,6 32
Kurang dari 179,5 39
Kurang dari 182,5 45
Kurang dari 185,5 50
Tabel 2.5 Distribusi frekuensi kumulatif “lebih dari”

4
Tinggi badan Jumlah
lebih dari 164,5 50
lebih dari 167,5 44
lebih dari 170,5 37
lebih dari 173,5 29
lebih dari 176,6 18
lebih dari 179,5 11
lebih dari 182,5 5
lebih dari 185,5 0

Untuk menghitung berapa persen orang yang tinggi badannya antara harga
tertentu, lebih dari harga tertentu ataupun kurang dari harga tertentu, maka distribusi
frekuensi diubah menjadi distribusi frekuensi relatif, distribusi frekuensi relatif “lebih
dari” atau distribusi frekuensi realtif “kurang dari”. Cara untuk mengubah distribusi
frekuensi menjadi distribusi frekuensi relatif adalah: harga frekuensi pada setiap
interval kelas dibagi jumlah total frekuensi, kemudian dikalikan 100%. Untuk data
pada contoh 2.1, distribusi relatifnya ditunjukkan pada Tabel 2.6.
Tabel 2.6 Distribusi frekuensi relatif
Tinggi badan Jumlah (dalam %)
164,5 - 167,5 12
167,5 - 170,5 14
170,5 - 173,5 16
173,5 - 176,5 22
176,5 - 179,5 14
179,5 - 182,5 12
182,5 - 185,5 10
Jumlah 100

Tabel 2.7 Distribusi frekuensi relatif “lebih dari”


Tinggi badan Jumlah
lebih dari 164,5 100%
lebih dari 167,5 88%
lebih dari 170,5 74%
lebih dari 173,5 58%
lebih dari 176,6 36%
lebih dari 179,5 22%
lebih dari 182,5 10%
lebih dari 185,5 0%

Tabel 2.8 Distribusi frekuensi relatif “kurang dari”


Tinggi badan Jumlah

5
kurang dari 164,5 0%
kurang dari 167,5 12%
kurang dari 170,5 26%
kurang dari 173,5 42%
kurang dari 176,6 64%
kurang dari 179,5 78%
kurang dari 182,5 90%
kurang dari 185,5 100%

Untuk mempermudah memahami dan menganalisis data, tampilan data dalam


bentuk tabel distribusi frekuensi dapat pula digambarkan dalam bentuk grafik yaitu
histogram, poligon dan ogive.
a. Histogram
Untuk menggambar histogram, interval kelas diletakkan pada sumbu X dan
frekuensinya pada sumbu Y. Berikut histogram untuk Tabel 2.3.

Histogram Tinggi Badan Atlet


12
10
Frekuensi

8
6
4
2
0

Interval Kelas

Gambar 2.1 Histogram Distribusi Frekuensi Tinggi Badan


b. Poligon
Untuk menggambar poligon, interval kelas diletakkan pada sumbu X dan frekuensinya
pada sumbu Y. Hubungkan titik-titik koordinat tersebut dengan garis lurus. Poligon
distribusi frekuensi Tabel 2.3 ditunjukkan pada Gambar 2.2.

6
Poligon Tinggi Badan Atlet
12
10

Frekuensi
8
6
4
2
0

Interval Kelas

Gambar 2.2 Poligon Distribusi Frekuensi


c. Ogive
Grafik ogive merupakan penghalusan poligon. Untuk menggambar ogive, interval
kelas diletakkan pada sumbu X dan frekuensinya pada sumbu Y. Hubungkan titik-titik
koordinat tersebut dengan garis lurus. Ogive distribusi frekuensi Tabel 2.3 ditunjukkan
pada Gambar 2.3.

Ogive Tinggi Badan Atlet


60
Frekuensi kumulatif

40

20

0
160 165 170 175 180 185 190
Tinggi Badan

frek kumulatif kurang dari frek kumulatif lebih dari

Gambar 2.3 Ogive Distribusi Frekuensi Relatif Kumulatif

3. Diagram Lambang (Pictogram)


Diagram lambang dipakai untuk mendapatkan gambaran kasar mengenai suatu
hal kepada orang awam. Diagram ini dapat menarik minat pembaca karena umumnya

7
sajian data diberikan dengan menyertakan gambar-gambar sebagai ilustrasi data yang
dinamakan pictogram. Sajian pictogram yang dipentingkan utamanya pada menariknya
sajian/tampilan. Kesulitan yang dihadapi saat menggunakan diagram lambang adalah
ketika menggambarkan bagian simbol untuk satuan yang tidak penuh. Berikut Gambar
2.4 yang merupakan contoh diagram lambang jumlah pegawai.

Gambar 2.4 Diagram Lambang


4. Diagram Garis
Untuk menggambarkan keadaan yang berkelanjutan atau berkesinambungan,
yang umumnya dipengaruhi/dibedakan oleh waktu, misalnya produksi karet tiap tahun,
jumlah penduduk tiap tahun, keadaan temperatur badan tiap jam, dibuat diagram garis.
Penyajian data dengan diagram garis memerlukan sumbu datar dan sumbu tegak yang
saling tegak lurus. Sumbu mendatar menyatakan waktu dan sumbu tegak menunjukkan
frekuensi data tiap waktu.
Terdapat beberapa macam diagram garis yang biasa digunakan diantaranya
diagram garis tunggal dan diagram garis berganda. Diagram garis tunggal (single line
chart) adalah diagram/grafik yang terdiri dari satu garis untuk menggambarkan
perkembangan suatu kejadian. Misalnya pertambahan jumlah pengunjung, banyaknya
jumlah kendaraan yang melintas, dan sebagainya. Diagram garis berganda (multiple
line chart) yaitu diagram yang terdiri dari beberapa garis untuk menggambarkan
perkembangan beberapa kejadian sekaligus. Misalnya inflasi kelompok bahan pangan,
perkembangan hasil belajar mahasiswa berdasarkan program studi, dan sebagainya.
Contoh diagram garis disajikan pada Gambar 2.5.

8
Sumber: http://blog.ub.ac.id/aguswahyuprasetyo
(a) (b)
Gambar 2.5 (a) Diagram Garis Tunggal, (b) Diagram Garis Berganda

5. Diagram Batang
Diagram batang sangat tepat digunakan untuk penyajian data yang variabelnya
berbentuk kategori atau atribut. Diagram batang adalah suatu diagram dengan
menggunakan diagram batang-batang persegi panjang atau balok. Untuk menggambar
diagram batang diperlukan sumbu datar dan sumbu tegak yang dibagi menjadi
beberapa skala bagian yang sama, dimana sumbu datar menyatakan atribut atau waktu
dan sumbu tegak menyatakan nilai data. Diagram batang tepat digunakan menyajikan
data untuk kepentingan perbandingan.
Seperti diagram garis, diagram batang juga terdiri dari beberapa macam, yaitu
diagram batang tunggal, diagram batang berganda, diagram batang komponen
berganda, diagram batang persentase komponen berganda dan diagram batang
berimbang neto. Berdasarkan data pada Tabel 2.2 akan diberikan beberapa contoh
diagram batang pada gambar 2.6 dan 2.7.

9
(a) (b)
Sumber: http://metodestatistik.blogspot.com

Gambar 2.6 (a) Diagram Batang Tunggal Tegak, (b) Diagram Batang Tunggal
Mendatar

Diagram batang berganda digunakan untuk menggambarkan lebih dari satu


kegiatan dalam satu diagram sehingga digambarkan diagram batang dua (tiga atau
lebih) komponen.

Sumber: http://metodestatistik.blogspot.com

Gambar 2.7 Diagram Batang Berganda

10
Serupa dengan diagram batang tunggal, terdapat diagram batang berganda baik
tegak maupun mendatar disusun dengan memberikan informasi yang sama,
perbedaannya hanya terletak dalam cara penyajian diagram saja. Diagram batang
komponen berganda serupa dengan diagram batang berganda, namun bagian batang
teratas/terakhir menggambarkan jumlah (total) dari komponen-komponen yang ada.

6. Diagram Lingkaran
Diagram ini merupakan suatu bentuk penyajian data yang diwujudkan dalam
sektor-sektor lingkaran. Total nilai data ditranformasikan dalam sektor 360 O. Tiap
sektor menggambarkan kategori data yang sebelumnya dihitung terlebih dahulu berupa
sektor-sektor elemen dalam derajat.

(a) (b)
Sumber: (a) http://media-kreatif.com, (b)http://subandialdi.blogspot.com

Gambar 2.8 Diagram Lingkaran

Diagram lingkaran sangat tepat menyajikan data untuk kepentingan


“perbandingan“. Satu diagram hanya dapat menggambarkan satu kegiatan. Dapat pula
dibuat variasi dari diagram lingkaran yang disebut diagram pastel. Bentuk-bentuk dari
diagram lingkaran, diantaranya adalah diagram lingkaran tunggal (single pie chart)
yaitu diagram lingkaran yang hanya terdiri dari satu lingkaran dan diagram lingkaran

11
berganda (multiple pie chart) yaitu diagram lingkaran yang terdiri dari lebih dari satu
lingkaran.

7. Diagram Peta (Kartogram)


Diagram peta adalah suatu sajian data yang menggunakan peta geografis tempat
data terjadi. Diagram ini melukiskan keadaan dihubungkan dengan tempat data terjadi.
Gambar 2.9 berikut merupakan contoh diagram peta.

(a) (b)
Sumber : (a) https://windaaseptiana.wordpress.com (b) https://andimanwno.wordpress.com

Gambar 2.9 Diagram Peta

8. Diagram Pencar
Kumpulan data kuantitatif dari terdiri atas dua variabel, dapat disajikan dalam
bentuk diagram yang dibuat dalam sistem sumbu koordinat dan gambarnya akan
merupakan kumpulan titik-titik yang terpencar yang disebut diagram pencar.

12
Gambar 2.10 Diagram Pencar (Sumber http://www.slideshare.net/alunand350)

Dalam mempresentasikan data umumnya penyaji menginginkan agar apa yang


dipresentasikan dapat dimengerti dan dipahami oleh pembaca. Beraneka macam cara
penyajian data dapat dipilih sesuai dengan tujuan, kebutuhan dan kepentingan.
Misalkan, suatu kantor biro statistika yang memiliki banyak kumpulan data dalam
bentuk angka akan lebih memilih untuk menyajikan datanya dalam bentuk tabel (baris
dan kolom) dibandingkan dalam bentuk diagram lingkaran atau yang lain. Hal ini
dikarenakan yang diperlukan adalah keakuratan data tersebut dan bukan pada bentuk
penyajiannya. Lain halnya apabila penyajian data ditujukan untuk keperluan presentasi
atau pameran hasil karya. Untuk tujuan ini maka penyajian data harus dibuat semenarik
mungkin selain harus jelas dan mudah dipahami.

13
Ukuran Pusat, Letak, dan Penyimpangan Data

Disusun oleh
Putriaji Hendikawati, S.Si., M.Pd., M.Sc.
Dr. Scolastika Mariani, M.Si.

1. Ukuran Pemusatan Data


Data yang telah dikumpulkan dapat dipresentasikan dalam bentuk tabel dan
grafik yang bertujuan untuk memberikan gambaran yang lebih jelas dan lebih mudah
dipahami dari data kuantitatif. Selain itu, untuk mendapatkan gambaran yang lebih
jelas mengenai kumpulan data baik mengenai sampel maupun populasi masih
diperlukan ukuran-ukuran yang merupakan wakil dari kumpulan data tersebut. Dalam
bagian ini akan dibahas ukuran gejala pemusatan, letak, dan penyimpangan.
Ukuran tengah dari sekumpulan data adalah nilai tunggal yang representatif bagi
keseluruhan nilai data atau dapat menggambarkan distribusi data itu, khususnya dalam
hal letaknya (lokasinya). Nilai tersebut dihitung dari keseluruhan data bersangkutan
sehingga cenderung terletak diurutan paling tengah atau pusat setelah data diurutkan
menurut besarnya. Oleh karena itu, nilai tunggal tersebut sering dinamakan ukuran
tendensi sentral (measures of central tendency) atau ukuran nilai pusat (measures of
central value).
a. Rata-Rata dan Rata-Rata Terbobot
Untuk perhitungan selanjutnya akan digunakan simbol. Nilai data kuantitatif
dinyatakan dengan simbol x1, x2, ..., xn. untuk menyatakan banyaknya data atau
objek yang diteliti dalam sampel (ukuran sampel) digunakan simbol n. Simbol
rata-rata untuk sampel adalah x .
1) Data tidak dikelompokkan

1
Rata-rata hitung untuk data kuantitatif diperoleh dengan membagi jumlah nilai
data oleh banyaknya data. Rata-rata dari sekumpulan observasi adalah jumlah
semua observasi dibagi banyak observasi.
Definisi 1
Jika suatu sampel berukuran n dengan elemen x1, x2, ..., xn maka rata-rata
 n 
  xi 
sampel adalah (x1 + x2 + ... + xn)/n atau x   
i 1

n
Contoh 1
Berikut nilai hasil ujian matematika berturut-turut dari 5 orang siswa SMK 60,
68, 58, 75, 89. Bila data dinyatakan dalam bentuk simbol dapat ditulis x 1 = 60,
x2 = 68, x3 = 58, x4 = 75, dan x5 = 89. Dalam hal ini n = 5.
60  68  58  75  89
Sehingga, nilai rata-rata ujian Matematika =  70 .
51
Saat menghitung rata-rata dari suatu kumpulan data, semua nilai pengamatan
dianggap sama penting dan diberi bobot yang sama dalam perhitungan. Dalam
situasi di mana nilai data tidak sama penting, dapat diberikan bobot yang
proporsional untuk setiap nilai data tersebut tergantung pada derajat
kepentingan dan kemudian dapat dihitung rata-rata terbobot.
Definisi 2
Misal x1, x2, ..., xk adalah himpunan k buah nilai dan w1, w2, ..., wk adalah bobot
yang diberikan pada masing-masing nilai tersebut. Maka rata-rata terbobot
(rata-rata terboboti) dapat dihitung dengan persamaan
k

w x  w1 x 2 ... w1 x k
w x
i 1
i i

x 1 1 atau x
w1 w 2 ...w k k

w
i 1
i

2
Contoh 2
Seorang mahasiswa mengambil matakuliah A dengan bobot 2 sks dan
memperoleh nilai D = 1 (w1 = 2, x1 = 1) dan mata kuliah B dengan bobot 3 sks
dan memperoleh nilai A = 4 (w2 = 3, x2 = 4) serta mata kuliah C dengan bobot
1 sks dan memperoleh nilai B = 3 (w3 = 1, x3 = 3) maka indeks prestasinya
adalah
( 2  1)  ( 3  4 )  (1  3) 17
x   2 ,83
23 1 6

Perhitungan pembobotan juga dapat digunakan untuk menghitung rata-rata


gabungan dari beberapa himpunan data yang dikombinasikan. Misalnya
dipunyai 2 himpunan data yang terdiri atas n1 & n2 jumlah data pengamatan
dengan rata-rata masing-masing adalah x1 dan x 2 . Rata-rata kombinasi kedua
n1 x1  n2 x 2
himpunan data ini diperoleh dengan x 
n1  n2

Contoh 3
Dua kelompok sampel masing-masing berukuran 6 dan 4 memiliki rata-rata
berturut-turut 78 dan 83. Maka rata-rata gabungan dapat dihitung dengan

x
n1 x 1  n 2 x 2

6  78   4  83   80
n1  n 2 10

2) Data dikelompokkan
Data yang dikelompokkan dan telah disederhanakan dalam bentuk tabel
distribusi frekuensi dapat pula dihitung rata-ratanya. Harga rata-rata yang
diperoleh merupakan harga pendekatan, dengan anggapan bahwa nilai yang
terletak pada suatu interval kelas sama dengan harga titik tengahnya. Rata-rata
yang diperoleh merupakan rata-rata terbobot dengan nilai bobotnya sama
dengan nilai frekuensinya.
Definisi 3
Rata-rata dari data yang dikelompokkan adalah

3
k k


i 1
f i xi f
i 1
i xi
x k

n
f
i 1
i

dengan xi adalah titik tengah interval kelas ke-i, fi merupakan frekuensi interval
kelas ke-i, dan n menunjukkan banyaknya data.
Contoh 4
Diketahui perolehan nilai ujian Statistika. Empat siswa memperoleh nilai 74,
lima orang memperoleh nilai 68, tiga siswa memperoleh nilai 55, satu siswa
memperoleh nilai 78 dan dua orang siswa memperoleh nilai 80.
Untuk perhitungan rata-rata, dapat dibuat tabel penolong dengan x i menyatakan
nilai dan fi menyatakan frekuensi untuk nilai x i yang bersesuaian berikut
xi fi xi. fi
74 4 296
68 5 340
55 3 165
78 1 78
80 2 160
Jumlah 15 1039
Dalam kasus ini bobot adalah frekuensi dari masing-masing data.
k

f x i i
1039
Sehingga diperoleh x  i 1
k
  62,3 .
15
f
i 1
i

Contoh 5
Diketahui data tinggi badan atlet basket di Universitas Negeri XXX dalam
bentuk tabel distribusi frekuensi.
Interval kelas xi fi f i xi
164,5 - 167,5 166 6 996
167,5 - 170,5 169 7 1183
170,5 - 173,5 172 8 1376
173,5 - 176,5 175 11 1925
176,5 - 179,5 178 7 1246

4
179,5 - 182,5 181 6 1086
182,5 - 185,5 184 5 920
Jumlah 50 8732

Untuk menghitung rata-rata, dapat digunakan tabel penolong (kolom fi.xi)


8732
sehingga dapat dihitung x =  174,64 .
50

Cara lain untuk menghitung rata-rata data dalam bentuk tabel distribusi
frekuensi adalah dengan cara sandi menggunakan rumus berikut.
 k 
  f i ci 
x  x 0  p  i k1 
 
  fi 
 i 1 

Dimana p adalah panjang kelas interval dan x0 adalah salah satu tanda

kelas/nilai tengah dari interval data yang dipilih. Untuk tanda x0 diberi nilai

sandi c = 0. Nilai tengah yang lebih kecil dari x0 berturut-turut diberi nilai sandi

-1, -2, -3 dan seterusnya. Sedangkan nilai tengah yang lebih besar dari x0 diberi
sandi +1, +2, +3 dan seterusnya.

Contoh 6
Perhatikan kembali Contoh 5. Rata-rata tinggi badan atlet basket di Universitas
Negeri XXX dengan menggunakan cara sandi dapat dihitung dengan menyusun
tabel berikut.
Interval kelas xi ci fi fi ci
164,5 - 167,5 166 -3 6 -18
167,5 - 170,5 169 -2 7 -14
170,5 - 173,5 172 -1 8 -8
173,5 - 176,5 175 0 11 0
176,5 - 179,5 178 1 7 7
179,5 - 182,5 181 2 6 12

5
182,5 - 185,5 184 3 5 15
Jumlah 50 -6
 k 
  f i ci 
x  x 0  p  i k1   175  3   6   175  3 0,12   174,64
   
 50 
  fi 
 i 1 

Pada kasus ini diambil nilai x0 = 175 dan nilai sandi untuk nilai ini adalah c =
0. Selanjutnya berturut-turut diberikan nilai sandi untuk masing-masing
interval kelas dengan nilai tengah kurang dari dan lebih dari x0 .
Cara sandi ini hanya berlaku apabila panjang kelas interval semuanya sama.
b. Modus
Untuk menyatakan peristiwa yang paling banyak terjadi digunakan ukuran
modus atau sering disingkat Mo. Sehingga, modus dari sekumpulan data adalah
nilai yang sering muncul atau nilai yang mempunyai frekuensi tertinggi dalam
kumpulan data tersebut. Modus seringkali dipakai untuk menentukan rata-rata
data kualitatif. Misalnya sering didengar: kecelakaan lalu lintas umumnya
disebabkan oleh kelalaian pengemudi, kebakaran terjadi kebanyakan karena
konsleting arus listrik, hal ini merupakan modus dari masing-masing kejadian.
Modus untuk data kuantitatif ditentukan dengan menentukan frekuensi
terbanyak dari kumpulan data yang diamati.
1) Data tidak dikelompokkan
Contoh 7
Pada Contoh 4, modus nilai ujian Matematika siswa adalah 68 karena nilai 68
muncul paling banyak yaitu 5 kali.
2) Data dikelompokkan
Untuk data yang dikelompokkan dan disusun dalam tabel distribusi frekuensi
maka modus dapat dihitung dengan rumus

 b1 
Mo  b  p  
 b1  b2 

6
dengan
b : batas bawah interval modus
p : panjang interval kelas modus
b1 : beda frekuensi antara interval kelas modus dengan interval kelas
sebelumnya
b2 : beda frekuensi antara interval kelas modus dengan interval kelas
sesudahnya.
Dimana interval kelas modus adalah interval yang mempunyai frekuensi
tertinggi.
Contoh 8
Pada Contoh 5, modus tinggi badan atlet bola basket di Universitas Negeri
XXX dapat dihitung dengan rumus modus data berkelompok.
Pada Contoh 5, interval modus terletak pada interval ke-4 dengan frekuensi
sebanyak 11. Sehingga diperoleh
b = 173,5 p =3 b1 = 11 – 8 = 3 b2 = 11 – 7 = 4
 b1   3 
Jadi modus adalah Mo  b  p    173,5  3   174,79 .
 b1  b2  3 4

c. Median
Median dari sekumpulan data adalah nilai yang berada di tengah dari
sekumpulan data itu setelah disusun dan diurutkan nilainya. Median sering
ditulis dengan Me. Jika nilai median adalah Me, maka 50% dari seluruh data
nilainya paling tinggi sama dengan Me sedangkan 50% lagi nilainya paling
rendah sama dengan Me.
1) Data tidak dikelompokkan
Untuk data yang tidak dikelompokkan, jika jumlah data ganjil, maka median
merupakan data paling tengah. Untuk data dengan jumlah genap, maka setelah

7
data disusun menurut urutan nilainya, median adalah rata-rata hitung dua data
tengah.
Contoh 9
 Untuk data berjumlah ganjil.
Data nilai hasil ujian Matematika dari 5 orang mahasiswa pada Contoh 1
memberikan nilai: 60 68 58 75 89.
Median dari data tersebut diperoleh setelah mengurutkan data menjadi 58 60
68 75 89. Jadi Mediannya adalah 68.
 Untuk data berjumlah genap.
Data berat badan dari 6 orang siswa sebagai berikut: 35 39 36 42 45 40.
Setelah data diurutkan nilainya menjadi: 35 36 39 40 42 45.
1
Jadi Mediannya adalah. Me  39  40   39,5 .
2
2) Data dikelompokkan
Untuk menghitung median data yang telah dikelompokkan dalam bentuk
distribusi frekuensi digunakan cara interpolasi, dengan menganggap bahwa
data yang jatuh pada suatu interval letaknya tersebar merata dalam interval itu.
Rumus untuk menghitung median data berkelompok adalah
1 
 nF 
Me  b  p  2 
 f 
 
 
dengan
b : batas bawah interval median yaitu kelas di mana median akan terletak
n : ukuran sampel atau banyak data
p : panjang interval kelas median
F : jumlah frekuansi interval kelas sebelum interval median
f : frekuensi kelas median

8
Interval median adalah interval dimana median itu berada, diperoleh dengan
n
cara menghitung nilai data urutan ke- menurut urutan frekuensinya dari
2
urutan atas ke bawah (atau dari bawah ke atas).
Contoh 10
n
Dari Contoh 5, diketahui n = 50 maka = 25.
2
Urutan frekuensi dari atas ke bawah 6 + 7 + 8 + 11 = 32
Sehingga harga median terletak dalam interval kelas yang ke-4, yaitu pada
interval 173,5 - 176,5 dengan frekuensi 11. Interval kelas ini yang dinamakan
interval median. Sehingga diperoleh
b : 173,5 n : 50 p : 3 F : 21 f : 11
1 
 nF  25  21 
Jadi median adalah Me  b  p  2   173,5  3   174,59 .
 f   11 
 
 
2. Ukuran Letak Data
a. Kuartil
Kuartil adalah nilai-nilai yang membagi sekumpulan data menjadi empat
bagian secara sama setelah data tersebut diurutkan menurut urutan nilainya.
Ada tiga buah kuartil, yaitu kuartil pertama, kuartil kedua, dan kuartil ketiga
disingkat dengan K1, K2, dan K3. Pemberian nama dimulai dari nilai kuartil
yang paling kecil. Langkah menentukan nilai kuartil adalah susun data menurut
urutan nilainya, kemudian tentukan letak kuartil dan menghitung nilai kuartil.
1) Data tidak dikelompokkan
Letak kuartil ke i diberi lambang Ki, ditentukan dengan rumus
i n  1
Letak K i  data ke dengan i  1, 2, 3.
4
Contoh 11

9
Data nilai hasil ujian matematika dari 5 orang siswa pada Contoh 1 setelah
diurutkan menjadi 58 60 68 75 89.
15  1 1 60  68
Letak Kuartil I : data ke = data ke 1 yaitu K 1   64
4 2 2
25  1
Letak Kuartil II : data ke = data ke 3 yaitu K 2 = Median = 68
4
35  1 1 75  89
Letak Kuartil III : data ke = data ke 4 yaitu K 3   82
4 2 2
2) Data dikelompokkan
Untuk mengitung Kuartil data yang telah dikelompokkan dalam bentuk tabel
distribusi frekuensi digunakan rumus berikut.
 in 
 F
K i  b  p 4  dengan i  1, 2, 3.
 f 
 
 
dengan
b : batas bawah kelas Ki yaitu kelas di mana Ki akan terletak
n : ukuran sampel atau banyak data
p : panjang kelas Ki
F : jumlah frekuansi interval kelas sebelum interval kuartil
f : frekuensi kelas Ki

Contoh 12
Kembali pada Contoh 5. Nilai kuartil dari data tersebut adalah.
 Nilai Kuartil I
n
Diketahui n = 50 maka = 12,5
4
Jumlah frekuensi interval ke 1 dan ke 2 adalah 6 + 7 = 13.
Sehingga harga Kuartil I terletak dalam interval ke-2, yaitu 167,5 - 170,5
dengan frekuensi 7. Interval kelas ini yang dinamakan interval Kuartil I.

10
maka b = 167,5 F = 6 f = 7 c = 3
1 
 nF  12,5  6 
Jadi Kuartil I adalah K 1  b  p 4   167,5  3   170,29
 f   7 
 
 
 Nilai Kuartil II
Kuartil II : K2 = Median =174,59
 Nilai Kuartil III
3
Diketahui n = 50 maka n = 37,5
4
Jumlah frekuensi interval ke 1 sampai ke 5 adalah 6 + 7 + 8 + 11 + 7 = 39.
Sehingga harga median terletak dalam interval ke-5, yaitu 176,5 - 179,5 dengan
frekuensi 7. Interval kelas ini yang dinamakan interval Kuartil III.
maka b = 176,5 F = 32 f = 7
Jadi Kuartil III adalah
 3n 
 F 
37,5  32 
K 3  b  p 4   176,5  3   177,29 .
 f   7 
 
 

b. Ukuran Penyimpangan Data


Selain ukuran gejala pusat dan ukuran letak, masih ada ukuran lain yaitu ukuran
penyimpangan atau ukuran dispersi dan sering disebut ukuran variasi. Ukuran
penyimpangan menggambarkan bagaimana berpencarnya data kuantitatif.
a. Jangkauan/rentang
Rentang adalah selisih data terbesar dan terkecil.
Rentang = data terbesar – data terkecil
Contoh 13
Data nilai hasil ujian Matematika dari 5 mahasiswa: 60 68 58 75 89.
Maka rentang = 89 - 60 = 29.

11
Rentang antar kuartil dapat dihitung dengan menghitung selisih antara kuartil 3
dan kuartil 1.
Rentang Antar Kuartil = RAK = K3 – K1
Simpangan kuartil atau deviasi kuartil atau disebut pula rentang semi antar
kuartil nilainya setengah dari rentang antar kuartil.
1
Simpangan Kuartil = SK = K 3 - K 1 
2
b. Rata-Rata Simpangan
Rata-rata simpangan adalah harga rata-rata penyimpangan tiap data terhadap
rata-ratanya. Besar perbedaaan antara data dan rata-ratanya adalah harga
mutlaknya.
1) Data tidak dikelompokkan
Misalnya diketahui sekumpulan data hasil pengamatan x 1, x2, ... , xn dengan
rata-rata x . Untuk menghitung rata-rata simpangan sebelumnya ditentukan
jarak antar data dengan rata-rata x dan ditulis dengan simbol xi  x .

Selanjutnya jarak antara xi dengan rata-rata x dijumlahkan lalu dibagi oleh n.


Maka rata-rata simpangannya adalah
n


i 1
xi  x
RS =
n
Contoh 14
Dari data nilai hasil ujian Matematika dari 5 siswa diperoleh rata-rata 70.

xi x | xi - x |
60 10
68 2
58 70 12
75 5

12
89 19
48
n


i 1
xi  x
48
Maka rata-rata simpangan adalah RS =   9,6 .
n 5
2) Data dikelompokkan
Rata-rata simpangan untuk data yang dikelompokkan, dihitung dengan
n

f i xi  x k
n   fi
i 1
RS =
n i 1

dengan xi adalah titik tengah inteval kelas ke-i, fi merupakan frekuensi interval
kelas ke-i, dan n menunjukkan banyak data.

Contoh 15
Dari Contoh 5 diperoleh rata-rata adalah X  174,64 . Sehingga,
n

f
i 1
i xi  x
233,88
Rata-rata simpangan = SR =   4,68 .
n 50
Interval kelas xi fi | xi - x fi | xi - x |
|
164,5 - 167,5 166 6 8,64 51,84
167,5 - 170,5 169 7 5,64 39,48
170,5 - 173,5 172 8 2,64 21,12
173,5 - 176,5 175 9 0,36 3,24
176,5 - 179,5 178 8 3,36 26,88
179,5 - 182,5 181 7 6,36 44,52
182,5 - 185,5 184 5 9,36 46,8
Jumlah 50 233,88

c. Variasi dan Simpangan Baku


Ukuran simpangan yang paling banyak digunakan adalah simpangan baku.
Pangkat dua dari simpangan baku dinamakan varians. Variansi sampel

13
didefinisikan sebagai jumlah kuadrat deviasi terhadap rata-rata sampel dibagi
dengan n – 1.
1) Data tidak dikelompokkan
Variansi untuk data yang tidak dikelompokkan, dapat dihitung dengan

1  n 2 1 n  
2
1 n
 xi  x  2 atau s   xi    xi  
2
s 
2

n  1 i 1 n  1 i 1 n  i 1  

Simpangan baku sampel didefinisikan sebagai akar positif dari variansi

sampel, yaitu : s = s2 .
Contoh 16
Dari data nilai hasil ujian Matematika dari 5 siswa
xi x | xi - x | | xi - x |2
60 10 100
68 2 4
58 70 12 144
75 5 25
89 19 361
48 634
1 n
Variansi = s 2   x i  x  2  1 634   158 ,5 .
n  1 i 1 5 1

Jadi, simpangan baku adalah s  2 s 2  2 158 ,5  12 ,59 .


2) Data dikelompokkan
Variansi untuk data yang dikelompokkan, dapat dihitung dengan
1 k
 f i xi  x  1 k  
2 2
s2  1 k
atau s   f i xi    f i xi  
2 2
n  1 i 1
n  1 i 1 n  i 1  

Simpangan baku sampel didefinisikan sebagai akar positif dari variansi

sampel, yaitu : s= s2 .

Contoh 17
Data tinggi badan atlet bola voli di Universitas Negeri XXX.

14
Interval kelas xi fi fi xi x12 fi x12
164,5 - 167,5 166 6 996 27556 165336
167,5 - 170,5 169 7 1183 28561 199927
170,5 - 173,5 172 8 1376 29584 236672
173,5 - 176,5 175 11 1925 30625 336875
176,5 - 179,5 178 7 1246 31684 221788
179,5 - 182,5 181 6 1086 32761 196566
182,5 - 185,5 184 5 920 33856 169280
Jumlah 50 1526444
1 k  
2
1 k
Variansi : s   f i x i    f i x i  
2 2

n  1  i 1 n  i 1  

1  1 2 1487,52
s2  1 . 526 . 444  8732    30,36
50  1  50  49

Sehingga simpangan baku data = s = s 2 = 5,51.

Rangkuman
1. Ukuran Pemusatan Data
a. Rata-Rata dan Rata-Rata Terbobot
 n 
  xi 
Data tidak dikelompokkan (x1 + x2 + ... + xn)/n atau x   
i 1

n
k k


i 1
f i xi f
i 1
i xi
Data dikelompokkan x k

n
f
i 1
i

b. Modus
Modus dari sekumpulan data adalah nilai yang sering muncul atau nilai yang
mempunyai frekuensi tertinggi dalam kumpulan data tersebut.
Data tidak dikelompokkan, modus untuk data kuantitatif ditentukan dengan
menentukan frekuensi terbanyak dari kumpulan data yang diamati.

15
 b1 
Data dikelompokkan Mo  b  p  
 b1  b2 

c. Median
Median dari sekumpulan data adalah nilai yang berada di tengah dari sekumpulan
data itu setelah disusun dan diurutkan nilainya.
Data tidak dikelompokkan, jika jumlah data ganjil, maka median merupakan
data paling tengah, data dengan jumlah genap, maka setelah data disusun menurut
urutan nilainya, median adalah rata-rata hitung dua data tengah.
1 
 nF 
Data dikelompokkan Me  b  p  2 
 f 
 
 
2. Ukuran Letak Data
a. Kuartil
Kuartil adalah nilai-nilai yang membagi sekumpulan data menjadi empat bagian
secara sama setelah data tersebut diurutkan menurut urutan nilainya.
Data tidak dikelompokkan
i n  1
Letak kuartil ke i : Letak K i  data ke dengan i  1, 2, 3.
4
 in 
 F
Data dikelompokkan K i  b  p 4  dengan i  1, 2, 3.
 f 
 
 
3. Ukuran Penyimpangan Data
Ukuran penyimpangan menggambarkan bagaimana berpencarnya data kuantitatif.
a. Jangkauan/rentang
Rentang = data terbesar – data terkecil
Rentang Antar Kuartil = RAK = K3 – K1

16
1
Simpangan Kuartil = SK = K 3 - K 1 
2
b. Rata-Rata Simpangan
Rata-rata simpangan adalah harga rata-rata penyimpangan tiap data terhadap rata-
ratanya. Besar perbedaaan antara data dan rata-ratanya adalah harga mutlaknya.
n


i 1
xi  x
Data tidak dikelompokkan RS =
n
n

f i xi  x k
n   fi
i 1
Data dikelompokkan RS =
n i 1

c. Variasi dan Simpangan Baku


Variansi sampel didefinisikan sebagai jumlah kuadrat deviasi terhadap rata-rata
sampel dibagi dengan n – 1.
Data tidak dikelompokkan

1  n 2 1 n  
2
1 n
  xi  x  2 atau s   xi    xi  
2
s 
2

n  1 i 1 n  1 i 1 n  i 1  

Data dikelompokkan
1 k
 f i xi  x  1 k  
2 2
s2  1 k
atau s   f i xi    f i xi  
2 2
n  1 i 1
n  1 i 1 n  i 1  

Simpangan baku: s = s2 .

17
Rangkuman
1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan
data kuantitatif maupun non angka yang dinamakan data kualitatif yang disusun
dalam bentuk tabel dan atau diagram/grafik, yang menggambarkan dan
mempermudah pemahaman akan angka dari masalah yang diamati.
2. Statistika adalah ilmu pengetahuan yang mempelajari tentang metode atau
prosedur yang berhubungan dengan pengumpulan data, organisasi data,
pengujian data, pengolahan data atau penganalisaan dan penarikan kesimpulan
berdasarkan kumpulan data tersebut.
3. Populasi adalah himpunan keseluruhan obyek yang diselidiki.
4. Himpunan bagian dari populasi dinamakan sampel.
5. Karakteristik atau konstanta dari suatu populasi disebut parameter.
6. Harga yang dihitung dari suatu sampel dinamakan statistik.
7. Unit statistik adalah individu objek atau orang yang akan diteliti, disurvey atau
didata. Pertama harus diidentifikasikan obyek atau orang yang dapat
memberikan informasi lebih banyak terhadap permasalahan yang diteliti.
8. Variabel adalah suatu karakteristik dari suatu objek yang harganya untuk tiap
objek bervariasi dapat diamati atau dibilang, atau diukur.
9. Terdapat beberapa jenis pembagian data.
a. Menurut cara memperolehnya, data dibedakan atas data primer dan data
sekunder.
b. Menurut sumbernya, data dibedakan atas data internal dan data eksternal.
c. Menurut sifatnya, data dibedakan atas data kualitatif yang dibagi menjadi
data nominal dan ordinal, dan data kuantitatif yang dibagi menjadi data
interval dan rasio.
d. Menurut waktu pengumpulannya, data dibedakan atas data cross section
dan data berkala (Time Series Data).
10. Syarat data yang baik adalah data harus obyektif\sesuai dengan keadaan
sebenarnya; data harus mewakili (representatif); memiliki kesalahan baku

1
(standar error) kecil; data harus tepat waktu (up to date); dan data harus relevan
dengan masalah yang akan dipecahkan.
11. Cara pengumpulan data yang sering digunakan adalah wawancara (interview),
angket (kuesioner), dan pengamatan (observasi).
12. Tabel merupakan kumpulan angka-angka yang disusun menurut kategori-
kategori sehingga memudahkan dalam pembuatan analisis data.
13. Penyajian data dengan tabel yang dikenal antara lain:
a. daftar baris kolom
b. daftar distribusi frekuensi
14. Grafik merupakan gambar-gambar yang menunjukkan secara visual (dapat pula
berupa simbol) data berupa angka yang biasanya juga berasal dari tabel-tabel
yang sudah dibuat.
15. Penyajian data dengan tabel dan diagram/grafik yang dikenal antara lain:
a. diagram lambang atau diagram symbol (pictogram)
b. diagram garis (line chart)
c. diagram batang/balok (bar chart/ histogram)
d. diagram lingkaran atau diagram pastel (pie chart)
e. diagram peta (cartogram)
f. diagram pencar atau titik (scater plot)
16. Untuk mempermudah memahami dan menganalisis data, tampilan data dalam
bentuk tabel distribusi frekuensi dapat pula digambarkan dalam bentuk grafik
yaitu histogram, poligon dan ogive.
17. Ukuran Pemusatan Data
a. Rata-Rata dan Rata-Rata Terbobot
 n 
  xi 
Data tidak dikelompokkan (x1 + x2 + ... + xn)/n atau x   
i 1

2
k k


i 1
f i xi f
i 1
i xi
Data dikelompokkan x k

n
f
i 1
i

b. Modus
Modus dari sekumpulan data adalah nilai yang sering muncul atau nilai yang
mempunyai frekuensi tertinggi dalam kumpulan data tersebut.
Data tidak dikelompokkan, modus untuk data kuantitatif ditentukan dengan
menentukan frekuensi terbanyak dari kumpulan data yang diamati.

 b1 
Data dikelompokkan Mo  b  p  
 b1  b2 
c. Median
Median dari sekumpulan data adalah nilai yang berada di tengah dari
sekumpulan data itu setelah disusun dan diurutkan nilainya.
Data tidak dikelompokkan, jika jumlah data ganjil, maka median merupakan
data paling tengah, data dengan jumlah genap, maka setelah data disusun
menurut urutan nilainya, median adalah rata-rata hitung dua data tengah.
1 
 nF 
Data dikelompokkan Me  b  p  2 
 f 
 
 
18. Ukuran Letak Data
a. Kuartil
Kuartil adalah nilai-nilai yang membagi sekumpulan data menjadi empat
bagian secara sama setelah data tersebut diurutkan menurut urutan nilainya.
Data tidak dikelompokkan
i n  1
Letak kuartil ke i : Letak K i  data ke dengan i  1, 2, 3.
4

3
 in 
 F
Data dikelompokkan K i  b  p 4  dengan i  1, 2, 3.
 f 
 
 
19. Ukuran Penyimpangan Data
Ukuran penyimpangan menggambarkan bagaimana berpencarnya data
kuantitatif.
a. Jangkauan/rentang
Rentang = data terbesar – data terkecil
Rentang Antar Kuartil = RAK = K3 – K1
1
Simpangan Kuartil = SK = K 3 - K 1 
2
b. Rata-Rata Simpangan
Rata-rata simpangan adalah harga rata-rata penyimpangan tiap data
terhadap rata-ratanya. Besar perbedaaan antara data dan rata-ratanya adalah
harga mutlaknya.
n


i 1
xi  x
Data tidak dikelompokkan RS =
n
n

f i xi  x k
n   fi
i 1
Data dikelompokkan RS =
n i 1

c. Variasi dan Simpangan Baku


Variansi sampel didefinisikan sebagai jumlah kuadrat deviasi terhadap rata-
rata sampel dibagi dengan n – 1.
Data tidak dikelompokkan

1  n 2 1 n  
2
1 n
  xi  x  2 atau s   xi    xi  
2
s 
2

n  1 i 1 n  1 i 1 n  i 1  

4
Data dikelompokkan
1 k
 f i xi  x  1 k  
2 2
s2  1 k
atau s   f i xi    f i xi  
2 2
n  1 i 1
n  1 i 1 n  i 1  

Simpangan baku: s = s2 .

5
Latihan 1.
Soal 1.a. Uji Normalitas
Misalkan pengukuran tinggi mahasiswa tingkat pertama dilakukan dan diambil
sebuah sampel acak berukuran 100, dan dicatat dalam daftar distribusi frekuensi
berikut.
Tinggi (cm) f
140 – 144 7
145 – 149 10
150 – 154 16
155 – 159 23
160 – 164 21
165 – 169 17
170 - 174 6
Jumlah 100

Ujilah apakah data dari populasi berdistribusi normal.


Jawab
1) H0 : data berdistribusi normal

2) H1 : data tidak berdistribusi normal


3) α =0,05
4) Daerah kritis
dengan α =0,05 dan dk=k-3 =7-3=4 didapat χ2(0,95) (4) =13,3
5) Perhitungan
Telah dihitung x =157,8 dengan s=8,09.
Selanjutnya ditentukan batas-batas kelas interval untuk menghitung luas
dibawah kurva normal.
Kelas interval kesatu dibatasi oleh 139,5 dan 144,5 diubah dalan angka
xi − x
standart z yaitu -2,26 dan -1,64 (rumus z= ).
s
Luas dibawah kurva normal untuk interval kesatu= 0,4881 - 0,4495=0,0386,
sehingga frekuensi teoritik interval kesatu = 100x0,0386=3,9.
Kelas interval yang lain dihitung dengan jalan yang sama, dan didapat tabel
berikut.

1
Frekuensi
Batas Z unutk batas Luas tiap Frekuensi
diharapkan
kelas (X) kelas interval pengamatan(Oi)
(Ei)
139,5 -2,26
144,5 -1,64 0.,0386 3,9 7
149,5 -1,03 0,1010 10,1 10
154,5 -0,41 1,1894 18,9 16
159,5 +0,21 0,2423 24,2 23
164,5 +0,83 0,2135 21,4 21
169,5 +1,45 0,1298 13,0 17
174,5 +2,06 0,0538 5,4 6

(7 − 3,9) 2 (10 − 10,1) 2 (16 − 18,9) 2 ( 23 − 24,2) 2


χ2 = + + +
3,9 10,1 18,9 24,2

( 21 − 21,4) 2 (17 − 13,0) 2 (6 − 5,4) 2


= + + = 4,27
21,4 13,0 5,4
6) Kesimpulan
χ2hitung = 4,27 kurang dari χ2tabel = 13,3 sehingga H0 diterima.
Jadi disimpulkan data berdistribusi normal.

2
Latihan 1.b. Homogenitas Varian
Perhatikan data nilai matematika siswa kelas A dan kelas B di bawah.
Nilai
No
Kelas A Kelas B
1 5 5
2 6 5
3 9 9
4 8 6
5 10 10
6 9 6
7 8 9
8 9 9
9 9 9
10 10 10
11 10 10
12 8 8
13 10 10
14 6 2
15 7 6
16 9 10
17 9 9
18 8 10
19 9 9
20 10 10
21 9 10
22 10 10
23 9 10
24 7 6
25 8 10
26 9 10
27 10 9
28 5 3
29 8 8
30 9 9
31 10 10
32 7 6
33 6 4

3
34 8 3
35 8 8

1) Hipotesis

H ∶  =  (homogen)


H ∶  ≠  (tidak homogen)
2) Menentukan taraf nyata (α) dan F

F
ditentukan dengan α = 5%, derajat bebas pembilang n − 1 = 34, dan
derajat penyebut n − 1 = 34 dengan rumus F
= F n =
  ,n 

F, , = 1,77


3) Kriteria pengujian:
Ho diterima jika F  n  < F <F n
  ,n 

Ho ditolak jika F  n  ≤ F = F n atau


  ,n 

F  n  ≥ F = F n


  ,n 

4) Uji statistik
 5,878992
F=  = 2,114268 = 2,780604

5) Kesimpulan
Karena Fhitung = 2,780604 ≥ 1,77 = %
maka H0 ditolak.
Jadi data tidak berasal dari populasi yang homogeny dalam taraf nyata 0,05.
Jadi kedua sampel memiliki varians tidak homogen sehingga kedua sampel
tersebut tidak homogen.

4
Bab 3

Peluang Bersyarat dan Kejadian Bebas

3.1 Peluang Bersyarat

Misalkan ruang contoh berpeluang sama dari percobaan melempar sebuah dadu
bersisi 6, maka S = {1, 2, 3, 4, 5, 6}. Dan terdapat dua kejadian, yaitu B adalah
kejadian muncul sisi kurang dari 6, maka B = {1, 2, 3, 4, 5}; dan A adalah ke-
jadian munculnya sisi genap, maka A = {2, 4, 6}. Berdasarkan hal ini, maka
P (B) = 65 , dan p(A) = 36 = 12 .

Jika dua kejadian A dan B dilakukan berurutan, yaitu B terjadi terlebih dahulu,
kemudian menyusul A, maka A = {2, 4}. Peluang kejadian A setelah kejadian
B (A given B ), atau dituliskan sebagai p(A | B) = 52 .

Definisi 3.1
Kejadian A dan B dalam ruang contoh S dengan P (B)>0. Peluang terjadinya
A bila kejadian B sudah diketahui terjadi adalah
P (A ∩ B)
P (A | B) =
P (B)
disebut peluang A dengan syarat B.

Dari contoh sebelumnya, S = {1, 2, 3, 4, 5, 6},


• A = {1, 2, 3, 4, 5} ⇒ P (A) = 65
B = {2, 4, 6} ⇒ P (B) = 36
A ∩ B = {2, 4} maka P (A | B) = P P(A∩B) 2/6 2
(B) = 3/6 = 3
P (A | B) < P (A), berarti kejadian B memperkecil A, atau B ↓ A
• C = {1, 2, 3, 4} ⇒ P (C) = 46 = 23
P (B∩C) 2/6 2
C ∩ B = {2, 4} maka P (C | B) = P (B) = 3/6 = 3
P (C | B) = P (C), berarti B l A

17
Julio Adisantoso | ILKOM IPB 18

• D = {2, 3, 4} ⇒ P (D) = 36 = 12
D ∩ B = {2, 4} maka P (D | B) = P P(B∩D) 2/6 2
(B) = 3/6 = 3
P (D | B) > P (D), berarti kejadian B memperbesar D, B ↑ D
Contoh 3.1
Sebuah koin seimbang dilempar dua kali. Berapa peluang muncul dua sisi muka,
dengan syarat sisi muka muncul yang pertama.

Contoh 3.2
Suatu kotak berisi 10 marmer putih, 5 kuning, dan 10 hitam. Sebuah marmer
dipilih secara acak dari kotak dan dicatat, ternyata tidak diperoleh marmer hi-
tam kemudian dikembalikan. Berapa peluang jika selanjutnya diulangi pengam-
bilan satu marmer dan diperoleh marmer kuning.

Contoh 3.3
Dalam permainan bridge, 52 kartu dibagi sama ke empat pemain, sebut saja
Timur, Barat, Utara, dan Selatan. Jika Utara dan Selatan memiliki total 8
spades, berapa peluang Timur mendapatkan 3 dari 5 spades sisanya?

Contoh 3.4
Kantor tempat bu Budi bekerja melaksanakan pesta makan malam bagi pegawai
yang sedikitnya memiliki satu anak laki-laki. Jika diketahui bu Budi memiliki
dua anak, berapa peluang kedua anaknya adalah laki-laki, dan bu Budi terma-
suk pegawai yang diundang ke dalam acara makan malam tersebut?

Contoh 3.5
Celine belum memutuskan apakah akan mengambil kuliah Bahasa Perancis atau
Kimia. Dia menduga bahwa peluangnya mendapatkan nilai A akan menjadi 12
untuk Bahasa Perancis, dan 32 untuk Kimia. Jika dalam memutuskan hal ini
Celine melempar koin seimbang, berapa peluang dia mengambil kuliah Kimia
dan memperoleh nilai A?

Contoh 3.6
Anggaplah dalam sebuah kotak terdapat 8 bola merah dan 4 bola putih, kemu-
dian diambil 2 bola dari kotak tanpa pemulihan. Jika diasumsikan bahwa setiap
bola memiliki kemungkinan yang sama untuk terpilih, berapa peluang bahwa
kedua bola yang terpilih berwarna merah?
Julio Adisantoso | ILKOM IPB 19

3.2 Kaidah Bayes

Hukum Penggandaan

P (A ∩ B)
P (A | B) = ⇒ P (A ∩ B) = P (B)P (A | B)
P (B)
P (B ∩ A)
P (B | A) = ⇒ P (B ∩ A) = P (A)P (B | A)
P (A)
karena P (A ∩ B) = P (B ∩ A), maka
P (A ∩ B) = P (A)P (B | A) = P (B)P (A | B)

Contoh 3.7
Anggap terdapat 5 harddisk baik dan 2 harddisk rusak pada satu kemasan.
Untuk mendapatkan harddisk yang rusak, dilakukan pengujian dengan cara
mengambil dan menguji satu per satu secara acak tanpa pemulihan. Berapa
peluang diperoleh 2 harddisk rusak pada dua pengujian yang pertama?
Jawab:
Misal D1 dan D2 adalah kejadian diperoleh harddisk rusak pada pengujian per-
tama dan kedua. Maka

P (D1 ) = 72 dan P (D2 | D1 ) = 16


sehingga P (D1 ∩ D2 ) = P (D1 )P (D2 | D1 ) = 72 x 61 = 1
21

Hukum Total Peluang


Dua kejadian E dan F dimana P (F ) > 0 dan P (F c ) > 0, maka berlaku
P (E) = P (E | F )P (F ) + P (E | F c )P (F c )

Bukti:
Ambil dua kejadian E dan F. Kita dapat menuliskan kejadian E sebagai
E = (E ∩ F ) ∪ (E ∩ F c )
Karena (E ∩ F ) dan (E ∩ F c ) merupakan dua kejadian terpisah, maka
P (E) = P (E ∩ F ) + P (E ∩ F c )
= P (E | F )P (F ) + P (E | F c )P (F c )
= P (E | F )P (F ) + P (E | F c )[1 − P (F )]
Julio Adisantoso | ILKOM IPB 20

Persamaan ini menunjukkan bahwa peluang kejadian E adalah rata-rata ter-


boboti dari peluang E dengan syarat F, dan peluang E dengan syarat bukan F.
Berikut adalah beberapa ilustrasi:

Contoh 3.8
Suatu perusahaan asuransi percaya bahwa orang dapat dibagi ke dalam dua
kelompok, yaitu rawan kecelakaan dan tidak. Statistik menunjukkan bahwa
orang yang rawan kecelakaan akan celaka dalam satu tahun ini dengan peluang
0.4, dan turun menjadi 0.2 untuk orang yang bukan rawan kecelakaan. Jika di-
asumsikan 30 persen populasi adalah rawan kecelakaan, berapa peluang bahwa
seseorang polis asuransi akan mengalami kecelakaan dalam satu tahun tertentu?

Contoh 3.9
Lanjutan dari Contoh 3.8, anggaplah seseorang polis asuransi mengalami ke-
celakaan pada tahun tertentu. Berapa peluang bahwa dia adalah orang yang
masuk ke dalam kelompok rawan kecelakaan?

Contoh 3.10
Terdapat tiga wadah I, II, dan III. Wadah I berisi 2 bola hitam dan 1 bola kun-
ing, wadah II berisi 1 bola hitam dan 1 bola kuning, sedangkan wadah III berisi
1 bola hitam dan 3 bola kuning. Percobaan memilih secara acak satu wadah lalu
mengambil secara acak satu bola dari wadah tersebut. Jika bola yang terambil
adalah bola kuning, berapa peluang bahwa wadah yang terpilih adalah wadah I?

Kaidah Bayes
Ambil F1 , F2 , ..., Fn adalah kejadian mutually exclusive dan
n
[
Fi = S
i=1
dan kejadian E dapat dituliskan sebagai
n
[
E= (E ∩ Fi ) = S
i=1
maka
P (E ∩ Fj )
P (Fj | E) =
P (E)
P (E | Fj )P (Fj )
= Pn
i=1 P (E | Fi )P (Fi )
Julio Adisantoso | ILKOM IPB 21

Contoh 3.11
Test darah di laboratorium diketahui 95% efektif mendeteksi penyakit tertentu.
Walaupun demikian, test juga menghasilkan 1% hasil penyakit padahal seseo-
rang yang ditest adalah sehat (disebut positif salah). Jika 0.5% populasi memi-
liki penyakit, berapa peluang orang yang ditest memiliki penyakit jika diketahui
bahwa hasil test darahnya positif?

Contoh 3.12
Juri di pengadilan memiliki keyakinan 65% terdakwa melakukan kejahatan. Se-
lama proses pengadilan, 85% terdakwa yang terbukti bersalah melakukan ke-
jahatan adalah bertangan kidal. Jika 23% populasi bertangan kidal, berapa
peluang juri memutuskan terdakwa yang bertangan kidal adalah terdakwa.

Contoh 3.13
Dari suatu pengamatan diketahui 60% terdakwa di pengadilan diputuskan bersalah.
Telah diketahui bahwa pelaku kejahatan memiliki ciri-ciri fisik yang khusus. Ji-
ka 20% populasi penduduk memiliki ciri-ciri fisik yang khusus, berapa persen
populasi demikian yang menjadi terdakwa diputuskan bersalah oleh pengadilan?

Definisi 3.2 (Rasio Odd )


Rasio Odd dari kejadian A didefinisikan sebagai
P (A) P (A) P (H | E) P (H) P (E | H)
= juga =
P (Ac ) 1 − P (A) P (H c | E) P (H c ) P (E | H c )

Contoh 3.14
Ketika koin A dilempar, peluang sisi muka yang muncul adalah 14 . Sedangkan
ketika koin B dilempar, peluang muncul sisi muka adalah 43 . Satu dari kedua
koin tersebut diambil dan dilempar dua kali. Jika diperoleh dua sisi muka, be-
rapa peluang bahwa koin yang dilempar adalah B? Dan berapa rasio odd dari
kejadian tersebut?

Contoh 3.15
Misalkan ada 3 wadah, A berisi 2 bola putih dan 4 bola merah, B berisi 8
bola putih dan 4 bola merah, C berisi 1 bola putih dan 3 bola merah. Jika 1
bola dipilih dari setiap wadah, berapa peluang bola yang terambil dari wadah A
adalah bola putih dengan syarat 2 bola lainnya yang terambil adalah bola putih.
Julio Adisantoso | ILKOM IPB 22

Contoh 3.16
Sebuah pesawat hilang, dan diperkirakan jatuh di tiga daerah dengan kemu-
ngkinnan yang sama. Misalkan 1 − βi melambangkan peluang bahwa pesawat
akan ditemukan setelah pencarian di daerah ke-i, untuk i=1,2,3. Berapa peluang
pesawat ditemukan di daerah ke-i setelah pencarian di daerah ke-1 mengalami
kegagalan, untuk i=1,2,3.

Contoh 3.17
Sebuah keluarga yang baru pindah ke suatu kota diketahui mempunyai dua
orang anak. Pada suatu saat sang ibu terlihat berjalan dengan salah satu dari
anaknya. Jika anak tersebut adalah perempuan, berapa peluang bahwa kedua
anak keluarga tersebut adalah perempuan?

3.3 Kejadian Bebas

Definisi 3.3
Dua kejadian E dan F disebut saling bebas jika
P (E ∩ F ) = P (E)P (F )

Contoh 3.18
Sebuah kartu dipilih secara acak dari 52 tumpukan kartu. Jika E adalah keja-
dian terpilih kartu ace, dan F adalah kejadian terpilih kartu spade, tunjukkan
bahwa E dan F adalah kejadian saling bebas.

Contoh 3.19
Dua koin dilempar dan semua kemunculannya memiliki peluang yang sama. Jika
E adalah kejadian muncul sisi muka pada koin pertama, dan F adalah kejadian
muncul sisi belakang pada koin kedua, tunjukkan bahwa E dan F adalah keja-
dian yang saling bebas.

Contoh 3.20
Dua dadu seimbang dilempar. Jika E1 adalah kejadian munculnya jumlah sisi
kedua dadu bernilai 6, dan F adalah kejadian munculnya sisi 4 pada dadu per-
tama, tunjukkan bahwa E1 dan F adalah kejadian yang tidak bebas. Jika E2
adalah kejadian muncul jumlah sisi kedua dadu bernilai 7, apakah E2 dan F
saling bebas?
Julio Adisantoso | ILKOM IPB 23

Proposisi
Jika E dan F adalah dua kejadian saling bebas, maka E dan F c juga saling bebas

Contoh 3.21
Dua dadu seimbang dilempar. Jika E adalah kejadian muncul jumlah sisi kedua
dadi bernilai 7, F adalah kejadian muncul sisi 4 pada dadu pertama, dan G
adalah kejadian muncul sisi 3 pada dadu kedua, berapa P (E | F G)? Apakah E
dan F G saling bebas?

Definisi 3.4
Tiga kejadian E, F , dan G saling bebas jika
P (EF G) = P (E)P (F )P (G)
P (EF ) = P (E)P (F )
P (EG) = P (E)P (G)
P (F G) = P (F )P (G)

Contoh 3.22
Suatu percobaan dilakukan sebanyak n kali dan saling bebas. Setiap percobaan
memiliki peluang kejadian sukses sebesar p, dan peluang kejadian gagal sebesar
1 − p. Berapa peluang
a) sedikitnya muncul satu kejadian sukses
b) muncul tepat k kejadian sukses
Contoh 3.23
Suatu sistem terdiri atas n komponen yang disusun secara paralel, artinya sistem
akan berfungsi jika sedikitnya ada satu komponen yang berfungsi. Setiap kom-
ponen saling bebas dan dapat berfungsi dengan peluang pi , untuk i=1,2,...,n.
Berapa peluang bahwa sistem tersebut berfungsi?
Tugas
1. Telah dilakukan penelitian dengan instrumen tes dan angket untuk mengetahui hubungan
antara pengetahuan manajemen dengan kualitas pengambilan keputusan seorang direktur,
Instrumen diberikan kepada 30 responden dengan hasil disajikan dalam tabel berikut :
a. Ujilah apakah Data Skor Pengetahuan Manajemen berasal dari Pupulasi yang
berdistribusi Normal?
b. Lakukan juga untuk Data Kualitas Pengambilan Keputusan.
c. Apakah kedua Sampel berasal dari populasi yang meniliki varian sama / homogen?
Ujilah.

Total Skor Pengetahuan Total skor kualitas


No. Manajemen Pengambilan Keputusan
(X) (Y)
1 9 63
2 10 113
3 9 68
4 8 86
5 10 78
6 8 64
7 8 94
8 6 72
9 11 101
10 11 105
11 3 82
12 10 129
13 7 119
14 9 94
15 10 128
16 11 110
17 8 87
18 10 93
19 10 71
20 11 68
21 10 116
22 12 107
23 7 85
24 6 49
25 5 114
26 7 141
27 8 87
28 7 124
29 7 126
30 12 114
2. Misalkan ingin diteliti apakah ada pengaruh tes kemampuan akademik (TPA) terhadap nilai
matematika, untuk itu diambil sampel sebanyak 12 anak yang hasilnya berikut.

No Siswa Skor TPA Nilai Matematika

1 65 85
2 50 74
3 55 76
4 65 90
5 55 85
6 70 87
7 65 94
8 70 98
9 55 81
10 70 91
11 50 76
12 55 74

Tentukan Persamaan regresi dan ujilah apakah ada pengaruh skor TPA terhadap Nilai
Matematika, dan ujilah apakah persamaan regresi yang didapat benar-benar linier.
Kemudian ramalkan Nilai Matematika yang diperoleh jika skor tes TPA sebesar 72.
3. Perhatikan kembali Data pada No. 2, tentukan koefisien korelasinya dan ujilah apakah ada
pengaruh dengan skor TPA terhadap Nilai Matematika.
4. Misalkan dipunyai data X dan Y berikut.
X -3 -2 -1 0 1 2 3

Y 11 6 3 2 3 6 11

Tentukan koefisien korelasi dan tentukan artinya.