E-book Statistika Gratis...

STATSDATA
Statistical Data Analyst

Pengantar Probabilitas

Pada penulisan Keempat tentang Statistika Elementer ini, penulis akan memberikan
bahasan mengenai Pengantar Probabilitas kepada para pembaca untuk memberikan
pemahaman dan contoh penerapan probabilitas dalam Statistika, meliputi: Percobaan
Random, Probabilitas Klasik, Aturan-aturan dalam Probabilitas, Aturan Menghitung,
Probabilitas Bersyarat, dan Aturan Bayes. Aturan Menghitung yang disajikan pada penulisan
ini adalah Aturan Menghitung Fundamental, Aturan Permutasi, dan Aturan Kombinasi.

Pengenalan Percobaan Random.

Percobaan (eksperimen) merupakan Aktivitas yang dilakukan oleh suatu proses. Percobaan
dibagi menjadi dua, yaitu:
1. Percobaan Deterministik adalah suatu percobaan/aktivitas yang hasilnya sudah pasti,
seperti contohnya: Matahari terbit dari Timur kemudian terbenam di Barat, Terjadi
proses siang dan malam, Terdapat Satu hari sama dengan 24 jam, dll. Orang Statistika
tidak bekerja pada percobaan deterministik ini karena aktivitas yang terjadi sudah
pasti.
2. Percobaan Random adalah suatu percobaan yang memiliki dua sifat, yaitu: semua
hasil yang mungkin terjadi dapat diperkirakan dan hasil yang terjadi tidak dapat
diketahui sebelum percobaan tersebut dilakukan, seperti contohnya: Seorang
Salesman menjual produknya kepada konsumen. Aktivitas ini memiliki dua sifat dari
percobaan random, yaitu: terjadi kemungkinan perkiraan produk terjual/tidak dan
produk yang terjual tidak dapat diketahui sebelum dilakukan aktivitas penjualan
produk oleh Salesman kepada konsumen. Percobaan Random mudah diketahui dan
sering dilakukan dalam aktivitas sehari-hari. Disamping itu, Ilmu Statistika banyak
dikembangkan pada aktivitas yang tergolong Random.
Berdasarkan Percobaan Random, diperoleh dua komponen, yaitu: Ruang Sampel dan Event.
Ruang Sampel atau Sample Space (Ω atau S) adalah himpunan semua hasil yang mungkin
terjadi dalam percobaan random, sedangkan Peristiwa/Kejadian atau Event (A, B, C, …, Z)
merupakan himpunan bagian dari Ruang Sampel[2]. Sebagai contoh, tiga mahasiswa
memprogram matakuliah Statistika Elementer. Ada kemungkinan ketiga mahasiswa

www.statsdata.my.id Page 1
E-book Statistika Gratis... STATSDATA
Statistical Data Analyst

tersebut Lulus (L) atau Tidak Lulus (T). Aktivitas ini dapat diidentifikasi sebagai Percobaan
Random. Ruang Sampel dari perobaan ini adalah Ω = {LLL, LLT, LTL, TLL, TTL, TLT, LTT, TTT}
dengan dimisalkan L = Lulus dan T = Tidak Lulus. Berikut diberikan contoh beberapa event
dari pecobaan ini:
1. Semua mahasiswa lulus, yaitu: A = {LLL} karena A himpunan bagian dari Ω.
2. Paling tidak ada 2 mahasiswa yang lulus, yaitu: B = {LLL, LLT, LTL, TLL} karena B
himpunan bagian dari Ω.
3. Jika diberikan Ω sebagai himpunan bagian dari Ω, maka Ω adalah suatu event. Sebagai
contoh, mahasiswa yang lulus ada 3 atau 2 atau 1 atau 0 , yaitu: C = {LLL, LLT, LTL, TLL,
TTL, TLT, LTT, TTT} = Ω.
4. Jika diberikan Ø atau { } sebagai Null Set (Himpunan Kosong) atau himpunan yang tidak
punya anggota, maka Ø dapat menjadi suatu event. Sebagai contoh, mahasiswa yang
lulus ada 4 (padahal mahasiswa yang ada di Ruang Sampel cuma 3), yaitu: D = { } atau
Ø.

Definisi Probabilitas Klasik.

Probabilitas adalah suatu konsep umum yang dapat didefinisikan sebagai kesempatan dari
suatu kejadian yang terjadi[1]. Diberikan suatu Percobaan Random dengan Ruang Sampel Ω
dan A adalah himpunan bagian dari Ω. Probabilitas dari event A dituliskan P(A) didefinisikan
sebagai
n(A) banyaknya anggota A
P(A) = = .
n(Ω) banyaknya anggota Ω
Probabilitas ini disebut sebagai Probabilitas Klasik yang mana informasinya diberikan
berdasarkan sampel. Sebagai contoh, diberikan contoh event sebelumnya.
1. Probabilitas semua mahasiswa lulus.
n( A ) 1
P(A) = =
n( Ω) 8
2. Probabilitas paling tidak ada 2 mahasiswa yang lulus.
n(B) 4 1
P(B) = = =
n (Ω ) 8 2

www.statsdata.my.id Page 2
E-book Statistika Gratis... STATSDATA
Statistical Data Analyst

3. Probabilitas mahasiswa yang lulus ada 3 atau 2 atau 1 atau 0.

n ( C) n ( Ω ) 8
P ( C) = = = =1
n (Ω ) n (Ω ) 8
4. Probabilitas mahasiswa yang lulus ada 4.
n(D) n(Ø) 0
P ( D) = = = =0
n (Ω ) n (Ω ) 8
Berikut diberikan Aturan-aturan Probabilitas, antara lain:
1. 0 ≤ P(A) ≤ 1 .
2. P(A) = 0 artinya A tidak mungkin terjadi.
3. P(A) = 0 artinya A pasti terjadi.
n
4. ∑ P(A ) = 1 .
i =1
i

Aturan-aturan dalam Probabilitas.

Aturan Komplemen dalam Probabilitas diberikan bahwa Komplemen dari A dengan
mempertimbangkan Ruang Sampel Ω (disimbolkan AC) adalah himpunan bagian dari semua
elemen Ruang Sampel Ω yang bukan kejadian A[2].
Aturan Penambahan dalam Probabilitas diberikan[1] sebagai berikut:
1. Kejadian saling asing (mutually exclusive) adalah dua kejadian yang tidak dapat terjadi
pada waktu yang sama. Secara matematis, misalkan kejadian pertama adalah A dan
kejadian kedua adalah B, maka probabilitasnya adalah P(A dan B) = 0. Sedangkan,
Kejadian tidak saling asing (non mutually exclusive) berlaku P(A dan B) ≠ 0.
2. Ketika dua kejadian A dan B adalah mutually exclusive, probabilitas bahwa A atau B
akan terjadi adalah P(A atau B) = P(A U B) = P(A) + P(B). Sebagai contoh, suatu desa
memiliki 9 kedai kopi, yaitu 3 Kedai Kopi Tubruk, 2 Kedai Kopi Luwak, dan 4 Kedai Kopi
Arang. Jika Budi memilih satu kedai secara acak untuk membeli kopi, maka
probabilitas bahwa Budi memilih untuk membeli Kopi Tubruk atau Kopi Arang adalah
P(Kopi Tubruk atau Kopi Arang) = P(Kopi Tubruk) + P(Kopi Arang) = 3/9 + 4/9 = 7/9.
Contoh kasus ini tergolong kasus mutually exclusive karena tidak ada kemungkinan
event atau kejadian Budi memilih datang ke Kedai Kopi Tubruk dan ke Kedai Kopi
Arang secara bersamaan.

www.statsdata.my.id Page 3
E-book Statistika Gratis... STATSDATA
Statistical Data Analyst

3. Ketika dua kejadian A dan B non mutually exclusive, probabilitas bahwa A atau B akan
terjadi adalah P(A atau B) = P(A U B) = P(A) + P(B) – P(A dan B).

Sebagai contoh, Dalam unit rumah sakit terdapat 8 nurses dan 5 physicians. Ada 7
nurses dan 3 physicians yang perempuan. Jika seorang staf dipilih, maka probabilitas
bahwa dipilih seorang nurse atau seorang pria adalah.
Tabel 1. Ruang Sampel dari Unit Rumah sakit.
Staf Perempuan Pria Total
nurses 7 1 8
physicians 3 2 5
Total 10 3 13

P(nurse atau Pria) = P(nurse) + P(Pria) – P(nurse dan Pria)

P(nurse atau Pria) = 8/13 + 3/13 – 1/13 = 10/13 .
Contoh kasus ini tergolong kasus non mutually exclusive karena ada kemungkinan
event atau kejadian terpilih seorang nurse dan pria.
4. Ketika tiga kejadian A, B, dan C mutually exclusive, probabilitas bahwa A atau B atau C
akan terjadi adalah P(A atau B atau C) = P(A U B U C) = P(A) + P(B) + P(C).
5. Ketika tiga kejadian A, B, dan C non mutually exclusive, probabilitas bahwa A atau B
atau C akan terjadi adalah P(A atau B atau C) = P(A U B U C) = P(A) + P(B) + P(C)
– P(A dan B) – P(A dan C) – P(B dan C) + P(A dan B dan C) .
Aturan Perkalian dalam Probabilitas[1] adalah:
1. Kejadian saling bebas (independent) adalah suatu kejadian yang tidak saling
mempengaruhi antara kejadian yang satu dengan yang lain. Secara matematis
misalkan diberikan kejadian A dan B, probabilitasnya dapat dirumuskan sebagai

www.statsdata.my.id Page 4
E-book Statistika Gratis... STATSDATA
Statistical Data Analyst

P(A dan B) = P(A ∩ B) = P(A) . P(B) . Sebagai contoh, kartu pertama diperoleh dari
suatu dek kartu setelah diacak kemudian kartu kedua diperoleh dari dek kartu
tersebut setelah diacak lagi. Probablitas mendapatkan kartu queen dan kartu ace
adalah P(queen dan ace) = P(queen) . P(ace) = 4/52 + 4/52 = 8/52. Contoh kasus ini
tergolong kasus independent karena kejadian muncul kartu ace tidak dipengaruhi
oleh kartu queen yang mana setelah pengambilan kartu pertama dek kartu diacak lagi
untuk pengambilan kartu kedua.
2. Kejadian tidak saling bebas (dependent) berlaku P(A dan B) = P(A ∩ B) = P(A) . P(B|A) .
Sebagai contoh, Perusahaan asuransi WW menemukan bahwa 53% penduduk kota
memiliki asuransi Rumah (H) kepada perusahaan. Dari klien ini, 27% penduduk juga
memiliki asuransi Mobil (A) kepada perusahaan. Jika seorang penduduk dipilih secara
acak, maka probabilitas bahwa seorang penduduk memiliki asuransi Rumah dan
asuransi Mobil adalah P(H dan A) = P(H) . P(A|H) = 53% . 27% = 14,13% . Contoh kasus
ini tergolong kasus dependent karena persentase penduduk yang memiliki asuransi
Mobil diketahui dari penduduk yang memiliki asuransi Rumah, sehingga ada pengaruh
antara penduduk kota memiliki asuransi Rumah (H) dan penduduk kota memiliki
asuransi Mobil (A).

Aturan Menghitung.
Untuk mengetahui banyaknya semua hasil yang mungkin terjadi dalam suatu barisan
kejadian, diberikan ketentuan menghitung dengan tiga aturan[1], yaitu:
1. Aturan Menghitung Fundamental.
Dalam barisan n kejadian yang mana kejadian pertama memiliki k1 kemungkinan,
kejadian kedua memiliki k2 kemungkinan, kejadian ketiga memiliki k3 kemungkinan,
dan seterusnya hingga banyaknya total probabilitas dari barisan akan menjadi
k1 . k2 . k3 . … . kn . Sebagai contoh, dilakukan percobaan melempar satu koin logam
dan satu mata dadu. Kemungkinan hasil yang mungkin untuk satu koin adalah
Head (H) atau Tail (T), sedangkan Kemungkinan hasil yang mungkin untuk satu mata
dadu adalah 1, 2, 3, 4, 5, atau 6. Banyaknya hasil yang mungkin untuk barisan kejadian
dihitung dengan Diagram Pohon Lengkap berikut:

www.statsdata.my.id Page 5
E-book Statistika Gratis... STATSDATA
Statistical Data Analyst

Oleh karena koin menghasilkan 2 kemungkinan dan mata dadu menghasilkan 6

kemungkinan, maka banyaknya semua hasil yang mungkin terjadi dalam suatu barisan
kejadian adalah 2 . 6 = 12 kemungkinan. Diagram Pohon ini dapat juga
menggambarkan barisan kejadian yang terjadi, yaitu (H,1) , (H,2) , (H,3) , (H,4) , (H,5) ,
(H,6) , (T,1) , (T,2) , (T,3) , (T,4) , (T,5) , dan (T,6). Untuk memperdalam pemahaman,
diberikan contoh kedua. Suatu produsen cat berharap untuk memproduksi beberapa
cat berbeda. Kategorinya adalah Warna (Merah, Biru, Putih, Hitam, Hijau, Coklat, atau
Kuning), Tipe (Latex atau Oil), Tekstur (Flat, Semigloss, dan High Gloss), dan Kegunaan
(Outdoor atau Indoor). Oleh karena ada 7 Warna pilihan, 2 Tipe pilihan, 3 Tekstur
pilihan, dan 2 Kegunaan pilihan, maka banyaknya perbedaan macam cat yang dapat
dibuat jika produsen memilih satu warna, satu tipe, satu tekstur, dan satu kegunaan
adalah 7 . 2 . 3 . 2 = 84 kemungkinan. Sebagai tambahan materi, diberikan Notasi
Faktorial yang menggunakan tanda seru untuk suatu hitungan n, yaitu
n! = n . (n – 1) . (n – 2) . … . 3 . 2 . 1 dan didefinisikan khusus 0! = 1.
Sebagai contoh, diberikan 5! = 5 . 4 . 3 . 2 . 1 = 120. Notasi Faktorial ini digunakan pada
Aturan Permutasi dan Aturan Kombinasi.

www.statsdata.my.id Page 6
E-book Statistika Gratis... STATSDATA
Statistical Data Analyst

2. Aturan Permutasi.
Permutasi adalah suatu susunan dari n obyek didalam suatu urutan tertentu dengan
menggunakan r obyek pada suatu waktu. Hal ini dinotasikan dengan nPr dan
dirumuskan sebagai
n!
Pr = ,r≤n .
(n − r )!
n

Sebagai contoh, Direktur periklanan televisi memiliki 5 iklan (A, B, C, D, dan E) yang
akan ditampilkan dalam program acaranya. Jika dia memilih 1 iklan untuk sesi
pembukaan, 1 iklan untuk sesi pertengahan, dan 1 iklan untuk sesi penutupan.
Banyaknya kemungkinan barisan iklan yang ditampilkan dalam program acara tersebut
adalah
5! 5 ! 5 .4 .3 .2 .1
Pr ⇒ 5 P3 = = = = 60 kemungkinan.
(5 − 3)! 2!
n
2 .1
Kasus ini tergolong kasus Permutasi karena tiga iklan yang sama akan ditampilkan
dengan barisan berbeda menghasilkan tampilan/kondisi/keuntungan yang berbeda,
misalkan iklan yang tampil (A,B,C) ≠ (A,C,B) ≠ (B,A,C) ≠ (B,C,A) ≠ (C,A,B) ≠ (C,B,A).
Untuk menambah pemahaman kasus Permutasi, diberikan contoh kedua tentang
pemilihan pengurus kelas. Dari 5 siswa (Budi, Hadi, Rudi, Fedi, dan Dedi) akan dipilih 2
siswa untuk menjadi pengurus kelas (Ketua dan Bendahara). Banyaknya kemungkinan
siswa menjadi pengurus kelas adalah
5! 5! 5.4.3!
Pr ⇒ 5 P2 = = = = 20 kemungkinan.
(5 − 2)! 3!
n
3!
Kasus ini tergolong kasus Permutasi karena dua siswa akan merasakan tanggung
jawab yang berbeda ketika mereka menjadi Ketua atau Bendahara, misalkan tanggung
jawab Budi menjadi Ketua dan Hadi menjadi Bendahara tidak sama dengan tanggung
jawab Hadi menjadi Ketua dan Budi menjadi Bendahara, (Budi,Hadi) ≠ (Hadi,Budi).
3. Aturan Kombinasi.
Kombinasi adalah suatu susunan dari r obyek yang dipilih dari n obyek. Kombinasi
disimbolkan oleh nCr dan dirumuskan sebagai
n!
Cr = ,r≤n .
(n − r )! r!
n

www.statsdata.my.id Page 7
E-book Statistika Gratis... STATSDATA
Statistical Data Analyst

Sebagai contoh, Budi diberikan kemudahan untuk mengerjakan 5 soal dari 10 soal
ujian. Banyaknya kemungkinan Budi memilih soal yang dikerjakan adalah
10 ! 10 ! 10.9.8.7.6! 5040
C r ⇒ 10 C 4 = = = = = 210 kemungkinan.
(10 − 4)! 4! 6! 4! 6!.4.3.2.1
n
24

Kasus ini tergolong kasus Kombinasi karena Budi akan mengerjakan soal yang sama
meskipun urutan mengerjakannya berbeda, misalkan Budi mengerjakan soal nomer 2,
3, 5, dan 7 akan sama ketika Budi mengerjakan soal nomer 7, 5, 3, dan 2;
(2,3,5,7) = (7,5,3,2). Untuk menambah pemahaman kasus Kombinasi, diberikan contoh
kedua tentang pemilihan kelompok kelas. Dipilih 3 orang untuk kelompok A dari 10
orang didalam kelas. Banyaknya kemungkinan 3 orang terpilih dalam kelompok A
adalah
10 ! 10 ! 10.9.8.7!
C r ⇒ 10 C 3 = = = = 120 kemungkinan.
(10 − 3)! 3! 7! 3! 7! 3.2.1
n

Kasus ini tergolong kasus Kombinasi karena tiga orang yang terpilih untuk kelompok A
tidak dipertimbangkan urutan terpilihnya, misalkan terpilih Budi, Hadi, dan Dedi
samahalnya dengan terpilih Dedi, Budi, dan Hadi; (Budi,Hadi,Dedi) = (Dedi,Budi,Hadi).
Sifat-sifat Kombinasi[3] diberikan sebagai berikut:
• Simbol Kombinasi dapat dinyatakan n Cr atau Crn .

• Dapat ditunjukkan dengan mudah bahwa C rn = C nn− r .

• Jika dilakukan pengambilan obyek dengan pengembalian, maka banyaknya

kombinasi berbeda adalah C rn +r −1 .

• Jika k > n atau k < 0, maka C rn = 0 .

Definisi Probabilitas Bersyarat.

Jika peristiwa B terjadi dipengaruhi terjadinya peristiwa A, maka probabilitas demikian
dinamakan probabilitas bersyarat yang disimbolkan P(B|A) dan secara matematis
didefinisikan sebagai[2]
P (B ∩ A )
P (B | A ) = , dengan P(A ) ≠ 0 .
P( A )
Jika peristiwa A dan peristiwa B saling bebas (independent) maka P(B|A) = P(B).

www.statsdata.my.id Page 8
E-book Statistika Gratis... STATSDATA
Statistical Data Analyst

Sebagai contoh, diberikan contoh yang berkaitan dengan contoh sebelumnya. Perusahaan
asuransi WW menemukan bahwa 53% penduduk kota memiliki asuransi Rumah (H) kepada
perusahaan, serta 15% penduduk memiliki asuransi Rumah dan tidak punya asuransi Mobil.
Untuk menentukan target marketing, diduga probabilitas seorang penduduk tidak memiliki
asuransi mobil (AC) dari penduduk yang sudah punya asuransi Rumah adalah.
P(A C ∩ H) 15%
P( A | H) =
C
= = 28,3% .
P (H ) 53%
Aturan Perkalian secara umum dapat diperluas untuk n kejadian[2]. Misalkan terdapat
kejadian A1, A2, …, An yang tidak saling bebas (dependent) maka probabilitas kejadian A1 dan
A2 dan … An dapat terjadi dalam
P(A1 ∩ A2 ∩ … ∩ An) = P(A1) . P(A2| A1) . P(A3|A1 ∩ A2) . P(A4|A1 ∩ A2 ∩ A3)
… P(An|A1 ∩ A2 ∩ A3 ∩ … ∩ An-1)
Sedangkan, misalkan terdapat kejadian A1, A2, …, An yang saling bebas (independent) maka
probabilitas kejadian A1 dan A2 dan … An dapat terjadi dalam
P(A1 ∩ A2 ∩ … ∩ An) = P(A1) . P(A2) . P(A3) . P(A4) … P(An) .

Aturan Bayes.
Misalkan ruang sampel (S) dipartisi menjadi k himpunan yang asing. Himpunan k akan
dinyatakan dengan H1, H2, …, Hk yang menyatakan himpunan k kemungkinan dari hasil yang
mungkin. Misalkan A menyatakan bahwa kejadian terjadi dalam ruang sampel S
sebagaimana gambar berikut.

H1 H2 H3 Hk

H1 ∩ A H2 ∩ A H3 ∩ A L Hk ∩ A

A S
Dari gambar ini, ditunjukkan dengan jelas peristiwa atau kejadian A merupakan gabungan
dari peristiwa-peristiwa yang saling asing H1 ∩ A , H2 ∩ A , H3 ∩ A , …, Hk ∩ A . Sehingga

www.statsdata.my.id Page 9
E-book Statistika Gratis... STATSDATA
Statistical Data Analyst

P(A) = P(H1 ∩ A) + P(H 2 ∩ A) + …+ P(H k ∩ A)

P(A) = P(H1 ) P(A | H1 ) + P(H 2 ) P(A | H 2 ) + ... + P(H k ) P(A | H k )
atau
k
P(A) = ∑ P(H i ) P(A | H i )
i =1

Dari formula ini maka aturan bayes didefinisikan sebagai berikut[2]:

P(H j ∩ A ) P(H j ) P(A | H j )
P(H j | A) = = k
; j = 1,2,..., k
P(A)
∑ P(H ) P(A | H )
i =1
i i

Sebagai contoh, terdapat tiga orang calon (Budi, Rudi, dan Hadi) yang akan dipilih untuk
menjadi ketua Koperasi. Probabilitas Budi terpilih adalah 50%, Rudi adalah 70%, dan Hadi
adalah 60%. Jika Budi terpilih, maka probabilitas kenaikan iuran anggota akan menjadi 30%.
Jika Rudi atau Hadi terpilih, maka probabilitas kenaikan iuran anggota akan menjadi 40%.
Jika iuran anggota jadi dinaikkan, maka berapakah probabilitas Budi terpilih menjadi ketua
Koperasi adalah: Misalkan A adalah kejadian kenaikan iuran anggota; serta H1, H2, H3
masing-masing adalah kejadian Budi, Rudi, dan Hadi terpilih, maka P(A) = P(H1).P(A|H1) +
P(H2).P(A|H2) + P(H3).P(A|H3) = 0,5(0,3) + 0,7(0,4) + 0,6(0,4) = 0,67 ; sehingga
P( H 1 ) P( A | H 1 ) 0,5(0,3)
P(H 1 | A) = = = 0,224 = 22,4% .
P(A) 0,67

REFERENSI
[1] Bluman, A.G., (2012), Elementary Statistics: A Step By Step Approach, Eighth Edition,
New York: McGraw-Hill.
[2] Walpole, R.E., Myers, R.H., Myers, S.L., and Ye, K., (2012), Probability and Statistics for
Engineers and Scientists, Ninth Edition, Boston: Pearson Education.
[3] Lefebvre, M., (2006), Applied Probability and Statistics, New York: Springer.

www.statsdata.my.id Page 10