Main Course

Makalah Statistik
(Probabilitas & Teorema Bayes)

Disusun Oleh :
Widya Visca Biantoro
(1715100228)

Departemen Akuntansi
Fakultas Social Dan Sains
Universitas Pembangunan Panca Budi Medan
 DAFTAR ISI

BAB I
PENDAHULUAN
I. Latar Belakang.......................................................................................................... 4
BAB II
ISI
I. PELUANG .............................................................................................................. 5
1.1 Definisi Peluang ................................................................................................. 5
1.2 konsep-konsep peluang (Probabilitas) ............................................................... 5
2.1 Kaidah Pencacahan ........................................................................................ 5
2.2 Diagram pohon ............................................................................................. 6
2.3 Prinsip Dasar Penggandaan ........................................................................... 6
2.4 Kaidah Penggandaan Umum ......................................................................... 7
2.5 Faktorial ......................................................................................................... 7
2.5 Permutasi ....................................................................................................... 8
2.7 Kombinasi ...................................................................................................... 9
1.3 Peluang Suatu Kejadian ................................................................................... 10
2.1 Kisaran Nilai Peluang .................................................................................. 11
2.2 Frekuensi Relatif .............................................................................................. 11
2.3 Frekuensi Harapan ....................................................................................... 12
1.4 Kejadian Majemuk ........................................................................................... 12
2.1 Peluang Komplemen Suatu Kejadian .......................................................... 12
2.2 Kejadian Yang Saling Lepas dan Tidak Saling Lepas ................................. 13
2.3 Kejadian Yang Saling Bebas Stokastik ....................................................... 14
1.5 Peluang Bersyarat ............................................................................................ 14
II. TEOREMA BAYES ............................................................................................. 17
1.1 Kaidah Bayes ................................................................................................... 17
1.2. Hukum Penggandaan ..................................................................................... 17
1.3 Hukum Total peluang ...................................................................................... 17
1.4 Contoh Aplikasi Dari Teorema Bayes ............................................................. 18
 BAB I

PENDAHULUAN

I. Latar Belakang

Teorema Bayes dikemukakan oleh seorang pendeta presbyterian Inggris pada

tahun 1763 yang bernama Thomas Bayes . Teorema Bayes ini kemudian
disepurnakan oleh Laplace. Teorema Bayes digunakan untuk menghitung
probabilitas terjadinya suatu peistiwa berdasarkan pengaruh yang didapat dari hasil
observasi.
Teorema ini menerangkan hubungan antara probabilitas terjadinya peristiwa
A dengan syarat peristiwa B telah terjadi dan probabilitas terjadinya peristiwa B
dengan syarat peristiwa A telah terjadi. Teorema ini didasarkan pada prinsip bahwa
tambahan informasi dapat memperbaiki probabilitas.
 BAB II
ISI

I. PELUANG

1.1 Definisi Peluang

Besarnya kemungkinana terjadinya sebuah kejadian disebut peluang kejadian atau
probabilitas kejadian. Penentuan nilai peluang kejadian didasarkan kepada banyak
anggota kejadian dan banyak anggota ruang sampelnya.

Missal dalam suatu percobaan setiap hasil mempunyai kemungkinan yang sama
unyuk terjadi. Jika banyak anggota kejadian K = n(K) dan banyak anggota ruang
𝑛(𝐾)
sampelnya = n(S) maka peluang terjadinya kejadian adalah P(K) =
𝑛(𝑆)

𝑛(𝐾)
Jadi, peluang terjadinya kejadian K adalah P(K) =
𝑛(𝑆)

1.2 konsep-konsep peluang (Probabilitas)

2.1 Kaidah Pencacahan

Teori peluang berkaitan dengan perhitungan peluang atau kemungkinan
terjadinya suatu kejadian. Dan suatu kejadian merupakan bagian dari suatu kejadian
yang lebih besar disebut ruang sampel. Untuk memperoleh perhitungan yang benar
tentang peluang suatu kejadian maka perlu diketahui seberapa banyak ruang
sampelnya dapat terjadi. Karenanya sebelum membicarkan tentang p[eluang, kita
perlu mengetahui cara menghitung atau mencacah banyak terjadinya suatu kejadian
atau banyak anggota suatu kejadian.

Contoh : terdapat dua buah uang logam dilempar secara bersamaan. Missal K adalah
kejadian munculnya 1 gambar dan 1 angka. Tentukan banyak anggota K

Penyelesaian : A= munculnya angka

G = munculnya gambar

Maka ruang sampel dari pelemparan dua mata uang tersebut adalah : AA, AG, GA
dan GG. Berarti K sebagi kejadian munculnya satu angka dan satu gambar
mempunyai anggota : AG & GA . banyak anggota K = 2.
 2.2 Diagram pohon
Untuk mendaftarkan seluruh anggota dari suatu kejadian, adakalanya kita
menggunakan alat bantu berupa diagram yang disebut diagram pohon

Contoh : tentukanlah bilangan yang tersiri dari tiga angka yang berbeda dan bernilai
kurang dari 400, akan dibentuk dari angka 3, 4, 5, 6. Banyak bilangan yang terbentuk
=…

Penyelesaian

Karena bilangan yang akan ditentukan < 400, maka angka ratusan yang tersedia
adalah 3. Selanjutnya angka puluhan dan stuan nya bebas asal tidak terjadi
pengulangan angka dan bilangan nya dapan di bentuk seperti diagram dibawwah ini.
Bilangannya adalah : 345, 346, 354, 356, 365, 364.

5
4
6

4
3 5
6

5
6

Gambar 2.2 Diagram pohon

2.3 Prinsip Dasar Penggandaan

Kaidah penggandaan

Jika suatu kejadian dapat terjadi dalam m cara, dan jika kejadian tersebut diikuti
oleh kejadian lain yang dapat terjadi dalam n cara, maka kedua kejadian tersebut
dapat terjadi dalam m . n
Contoh : ali mempunyai 5 buah kemeja dan 3 celana. Berapa banyak cara ali
memasangkan kemeja dan celananya?
Penyelesaian
Banyak kemeja = 5 ; banyak celana = 3

Banyak cara memasangkan kemeja dengan celana = (5 . 3)cara = 15 cara

2.4 Kaidah Penggandaan Umum

Jika suatu kejadian dapat terjadi dalam n1 cara, dan jika kejadian tersebut
diikuti oleh kejadian kedua yang dapat terjadi dalam n2 cara, jika kedua
kejadian tersebut diikuti oleh kejadian ketiga yang dapat terjadi dalam n3,….
Demikian seterusnya, maka k kejadian yang terjadi secara berurutan tersebut
dapat terjadi dalam (n1, n2, n3, …..,nk)

Contoh ; di dalam sutu ruangan tersedia 4 kursi, jika ada 6 orang yang akan duduk di
kursi tersebut, maka banyak cara menempati. Maka banyak cara menempati kursi
tersebut sama dengan…

Penyelesaian

(6 . 5 . 4 . 3 )cara = 360 cara

2.5 Faktorial
Factorial merupakan penulisan singkat dari perkalian sederet bilangan bulat positif
terurut hingga 1. Factorial dinotasikan dengan “!”

0! = 1 ; 1! = 1 ; 2! = 2 . 1 = 2 ; 3! = 3 . 2 . 1 =6 ; ……dst

Rumus : 𝑛! = 𝑛 (𝑛 − 1) . (𝑛 – 2) . … . . . 1 = 𝑛 . (𝑛 − 1)!

8!
Contoh ; 1. = …..
5!
8 .7 .6 .5!
= = 8 . 7 . 6 = 336
5!
𝑛! 𝑛(𝑛−1)!
2. (𝑛−1)! = (𝑛−1)!
=𝑛
 2.5 Permutasi

Adakala nya anggota dari suakejadian merupakan susunan sekelempok unsur yang
diambil dari sejumlah unsur yang tersedia. Misalnya kita ingin menentukan banyak
susunan yang mungkin dari juara I, II, III dalam perlombaan pacuan kuda yang
diikuti oleh 7 peserta. Banyak susunan tersebut dapat ditentukan sebagai berikut:
banyak susunan yang mungkin merupakan banyak permutasi dari 3 objek yang
diambil dari 7 objek yang tersedia, dan di tulis dengan 7P3 atau P(7,3) atau P7,3 atau
7! 7! 7 .6 .5 .4!
𝐏𝟑𝟕 . Maka banyak susunan di dapat: 7P3 = (7−3)!= = = 7.6.5 = 210
4! 4!

Jika n dan m adlah bilangan bulat positif dengan n > m maka :

𝒏!
nPm = (𝒏−𝒎)!

Definisi Permutasi

Permutasi adlah suatu susunan yang berbeda atau urutan yang berbeda yang
dibentuk oleh sebagian atau keseluruhan unsur yang diambil dari sekelompok
unsur yang tersedia

Banyak nya permutasi dari k undur yang diambil dari n unsur yang tersedia,
𝑛!
sama dengan nPk = (𝑛−𝑘)!

Contoh : empat pejabat yang diundang datang secara sendiri- sendiri ( tidak
bersamaan ). Banyak cara kedatangan keempat pejabat tersebut adalah

4!
Penyelesaian : 4P4 =
(4−4)!
= 4.3.2.1 = 24

2.6 Susunan Melingkar

Penentuan susunan melingkar dapat kita peroleh dengan menetapkan satu objek pada
satu posisi, kemudian menetukan kemungkinan posisi objek lain yang sisa.

Banyak permutasi n unsur yang disusun secara melingkar :

(n-1)!
Contoh : banyak permutasi atau susunan yang berbeda 6 orang duduk mengelilingi
suatu meja bundar

Penyelesaiaan : (n-1)! = (6-1)! = 5! = 120

2.7 Kombinasi
Penghimpunan sekelompok unsur atau objek tanpa menghiraukan susunannnya atau
urutannya disebut kombinasi.

Banyak kombinasi dari k unsur yang diambil dari n unsur yang tersedia
dinotasikan dengan nCk atau C(n,k) atau Cn,k atau Ckn

Dan secara umum dapat ditulis: n!

nCk =
k!(n−k )!

Definisi Combinasi

Banyak kombinasi dari k unsur yang diambil n unsur yang tersedia sama dengan :
n!
nCk =
k!(n−k )!

Contoh : dalam suatu ruangan terdapat 10 orang yang saling bersalaman, tentukan
banyak slaman yang terjadi.

Penyelesaian : 10 orang saling bersalaman . banyak salaman yang terjadi sama

dengan kombinasi 2 yang diambil dari 10, yaitu :
10! 10! 10 .9 .8 !
10C2 = = 2! .8! = = 45
2!(10−2 )! 2 .1 .8!

2.8 Permutasi Dengan Pemulihan

Jika k unsur diambil dari m unsur yang tersedia, dimana unsur-unsur yang tersedia
dapat dipilh secara berulang (permutasi dengan pemulihan), maka banyak
permutasinya = mk

Contoh : tentukan banyak bilangan yang terdiri atas 3 angka yang dibentuk dari
angka : 1, 2, 3, 4

Penyelesaiaan : tersedia 4 angka, duiambil 3 angka. Banyak bbilangan yang dapat

dibentuk = 43 = 64
1.3 Peluang Suatu Kejadian
Ruanf sampel adlah himpunan semua hasil suatu percobaan . ruang smapel umumnya
dinotasikan dengan S . kejadian adalah himpunan bagian dari ruang sampel.

Contoh : missal dua buah dadu dilempar secara bersamaan. Jika S adlah sampel
munculnya mata dadu tersebut, tentukanlah S dan abnayak anggota S. jika K
menyatakan bahwa mata dadu yang muncul sama, tentukan K dan bnayak anggota K.

Penyelesaiaan :

Jadi ruang sampelnya adalah

{(1,1)(1,2)(1,3)(1,4)(1,5)(1,6)(2,1)(2,2)(2,3)(2,4)(2,5)(2,6)(3,1)(3,2)(3,3)(3,4)(3,5)(3,
6)(4,1)(4,2)(4,3)(4,4)(4,5)(4,6)(5,1)(5,2)(5,3)(5,4)(5,5)(5,6)(6,1)(6,2)(6,3)(6,4)(6,5)(6
,6)}

Banyak anggota : S: n(S) = 36 = 62

K = kejadian mata dadu yang muncul sama .

K= {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)}

Banyak anggota K = 6
 2.1 Kisaran Nilai Peluang
n(K)
Karena peluang kejadian K adalah P(K) = maka 0 ≤ P(K) ≤ 1
n(S)

Jika peluang suatu kejadian sama dengan 0, maka kejadian tersebut disebut kejadian
yang mustahil atau tidak akan mungkin terjadi.jika peluang kejadia sama dengan 1,
maka kejadian tersebut pasti terjadi.

Jika S adlah ruang sampel maka peluang S sama dengan 1. P(S) = 1. Jika ̅̅̅
𝐾
̅
merupakan kejadian yang bukan kejadian K maka P(𝐾 ) = 1 – P(K)

Contoh : misal dua mata dadu dilempar secara bersamaan. Tentukan peluang jumlah
mata dadu yang muncul kurang dari 4

Penyelesaian:

Dua dadu dilempar secara bersamaan maka n(S) = 62 = 36

Misal x= jumlah mata dadu yang muncul

K = {(1,1), (1,2), (2,1)} → n(K) = 3

Peluang kejadian K adalah P(K) = P (x<4) = 3/36=1/12

2.2 Frekuensi Relatif

Peluang dari titik-tik sampel (yang membentuk ruang sampel) tidak selalu dapat
dianggap sama. Bila setiap titik sampel tidak dapat diaanggap sama, maka peluang
dari masing-masing titik sampel ditentukan berdasarkan hasil percobaan. Dengan
melakukan percobaan secara berulang-ulang kita dapat mencatat banyak terjadianya
suatu titik sampel. Metode mendapatkan peluang seperti ini dikenal dengan peluang
berdasarkan frekuensi relative.

Contoh : misalnya sebuah dadu dilempar srebanyak 30 kali. Dan mata dadu yang
muncul dicataat dan hasilnya disajikan pada table berikut ini.

Mata dadu 1 2 3 4 5 6
frekunsi 4 3 6 7 5 5
Tentukan frekuensi relative (peluang) dari:

a. Munculnya mata dadu 3

Penyelesaian : banyak percobaan = 30

Banyak terjadinya muncul mata dadu 3 = 6

Frekuensi relative(peluang) munculnya mata dadu 3 = 6/30 = 1/5

2.3 Frekuensi Harapan

Jika suatu percobaan dilakukan sebanyak N kali , dan peluang kejadian K = P(K)
maka frekuensi harapan munculnya kejadian K sama dengan P(K) . N

Contoh : missal sebuah dadu setimbang dilemparkan sebanyak 30 kali. Tentukan

frekuensi harapan munculnya mata dadu 3.

Penyelesaian: K = P(K) = k/n, N = 30kali

= P(3) = 1/6

Frekunsi harapan munculnya angka 3 = 1/6 x 30 = 5

1.4 Kejadian Majemuk

Kejadian majemuk dapat terbentuk dengan cara mengkombinasikan dua atau lebih
kejadian. Pengkombinasian tersebut dapat dilakukan dengan gabungan atau irisan.

2.1 Peluang Komplemen Suatu Kejadian

Suatu percobaan yang terdiri dari beberapa kejadian. Jika kita menetapkan suatu
kejadian tertentu misalnya disebut A, maka kejadian diluar A yang merupakan
hasil percobaan tersebut, disebut sebagai kejadian komplemen dari A . jadi
komplemen kejadian A dinotasikan dengan A ̅. perhatikan bahwa P(A) +P(A) ̅̅̅ = 1
̅ ) = 1- P(A)
atau P(A

Gambar 2.1 komplemen suatu kejadian

Missal K adalah suatu kejadian pada suatu percobaan. Peluang komplemen

̅̅̅̅ = 1 – P(K) atau Rumus: P (Ac) = 1 – P (A)
kejadian K adalah P(𝐊)
Contoh:

Sebuah dadu dilempar sekali, tentukan peluang munculnya mata dadu lebih dari dua.

Penyelesaian:

Sebuah dadu dilempar sekali, maka n (S) = 6

Jika A = {mata dadu lebih dari sama dengan 2}

Sehingga Ac = { mata dadu kurang dari atau sama dengan 2 } = {1, 2}, n(Ac) = 2

n(AC ) 2 1
P(AC) = =6=
n(S) 3
sehingga,
P(A) = 1 - P(AC)
1
=1- = 2/3
3
Jadi, peluang munculnya mata dadu lebih dari 2 adalah 2/3

2.2 Kejadian Yang Saling Lepas dan Tidak Saling Lepas

Dua kejadian disebut saling lepas apabila kedua kejadian tersebut tidak dapat terjadi
pada saat yang bersamaan. Dengan notasi himpunan dapat ditulis bahwa kejadian A
dan B saling lepas apabila A ∩ B = ∅. Jika dua kejadian memilki titik sampel
persekutuan maka kedua kejadian tersebut disebut kejadian yang tidak saling lepas.
Dinotasikan : A ∩ B ≠ ∅

Gambar 2.2 saling lepas Gambar 2.2 Tidak Saling Lepas

Jika kejadian A dan B saling lepas maka peluang kejadian A atau B terjadi adalah:

𝐏(𝐀 ∪ 𝐁) = 𝐏(𝐀) + 𝐏(B)

Jika kejadian A dan B tidak saling lepas mak peluang kejadian A atau B adalah:

𝐏(𝐀 ∪ 𝐁) = 𝐏(𝐀) + 𝐏(𝐁) - 𝐏(𝐀 ∩ 𝐁)

Contoh:

Pada pelemparan sebuah dadu bermata 6, berapakah peluang mendapatkan dadu

mata 1 atau 3 ?

Penyelesaian:

A = {1}, B = {3}

n(A) = 1, n(B) = 1

Peluang mendapatkan dadu mata 1 atau 3:

𝐏(𝐀 ∪ 𝐁) = 𝐏(𝐀) + 𝐏(𝐁)

𝟏 𝟏 𝟐 𝟏
𝐏(𝐀 ∪ 𝐁) = 𝟔 + = =
𝟔 𝟔 𝟑

2.3 Kejadian Yang Saling Bebas Stokastik

Dua buah kejadian disebut saling bebas (independent), jika terjadinya kejadian
pertama tidak tergantung kepada terjadinya kejadian kedua. Kejadian A dikatakan
bebas dari kejadian B jika terjadinya A tidak tergantung kepada terjadinya tidaknya
B. jika kedua kejadian saling bebas , maka peluang trejadinya kedua kejadian
tersebut sama dengan hasil kali peluang kedua kejadian.

Misal peluang kejadian A = P(A) dan peluang kejadian B = P(B). jika kejadian A
dan B bebas maka peluang terjadinya kejadian A dan B :

𝐜 = 𝐏(𝐀). 𝐏(𝐁)

1.5 Peluang Bersyarat

Jika dua kejadian terjadi secara berurutan dan kedua kejadian tersebut tidak saling
lepas, tetapi saling mempengaruhi maka kejadian tersebut disebut kejadian bersyarat.
Dinotasikan dengan: P(B ∣ A), dibaca: “peluang terjadinya kejadian B apabila
kejadian A telah terjadi”.

Peluang terjadinya kejadian A dengan syarat kejadian B telah terjadi terlebih

dahulu dinotasikan dengan :
𝐏(𝐀∩𝐁)
𝐏( 𝐀 ∣ 𝐁 ) = , dengan P(B) ≠0
𝐏(𝐁)

Peluang terjadinya kejadian B dengan syarat kejadian A telah terjadi terlebih

dahulu dinotasikan dengan :
𝐏(𝐁∩𝐀)
𝐏( 𝐁 ∣ 𝐀 ) = , dengan P(A) ≠0
𝐏(𝐀)

Dengan 𝐏(𝐀 ∩ 𝐁) = peluang irisan A dan B

Contoh : dua buah dadu setimbang dilempar secara bersamaan. Jika mata dadu
pertama adalah bilangan ganjil, tentukan peluang bahwa jumlah mata dadu yang
muncul kurang dari 5

Penyelesaiaan :

A = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (5,1),
(5,2), (5,3), (5,4), (5,5), (5,6)}

P(A) = 18/36

B = ((1,1), (1,2), (1,3), (2,1), (2,2), (3,1)}

(𝐀 ∩ 𝐁) = ((1,1), (1,2), (1,3), (3,1)}

𝐏(𝐀 ∩ 𝐁) = 4/36
𝟒
𝐏(𝐁∩𝐀) 𝟑𝟔
Maka 𝐏( 𝐁 ∣ 𝐀 ) = 𝐏(𝐀)
= 𝟏𝟖 = 4/18
𝟑𝟔
 Jika dalam suatu percobaan kejadian A dan B keduanya dapat terjadi sekaligus
maka 𝐏(𝐁 ∩ 𝐀) = 𝐏(𝐀). 𝐏( 𝐁 ∣ 𝐀 )

Jika kejadian A dan B bebas maka 𝐏(𝐁 ∩ 𝐀) = 𝐏(𝐀). P(B)

Contoh : dalam sebuah kotak terdapatr 16 lampu pijar, 4 diantaranya rusak. Jika dua
lampu pijar diambil secara acak satu demi satu tanpa pemulihan tentukanlah peluang
kedua lampu pijar yang terlambil rusak.

Penyelesaian :

Missal A kejadian lampu pijar yang terambil pertama rusak.

P(A) = 4/16 = 1/4

Setelah pengambilan pertama lampu pijar tinggal 15, dan 3 diantaranya rusak. Missal
B kejadian lampu pijar yang terqambil kedua rusak.

P(B) = P( B ∣ A ) = 3/15 = 1/5

Peluang kejadian lampu pijar pertama yang terambil rusak dan lampu pijar kedua
yang terambil rusak adalah P(B ∩ A) = P(A). P( B ∣ A ) = 1/4 . 1/5 = 1/20
II. TEOREMA BAYES

1.1 Kaidah Bayes

Teorema Bayes adalah teorema yang digunakan untuk menghitung peluang dalam
suatu hipotesis, Teorema bayes dikenalkan oleh ilmuan yang bernama Bayes yang
ingin memastikan keberadaan Tuhan dengan mencari fakta di dunia yang
menunjukan keberadaan Tuhan. Bayes mencari fakta keberadaan tuhan didunia
kemudian mengubahnya dengan nilai Probabilitas yang akan dibandingkan dengan
nilai Probabilitas. teorema ini juga merupakan dasar dari statistika Bayes yang
memiliki penerapan dalam ilmu ekonomi mikro, sains, teori permain, hukum dan
kedokteran.

1.2. 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:
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?
Penyelesaian:
Misal D1 dan D2 adalah kejadian diperoleh harddisk rusak pada pengujian pertama
dan kedua. Maka
2 1
P(D1) = dan P( 𝐷2 ∣ 𝐷1 ) =
7 6

Sehingga 𝐏(𝐃𝟏 ∩ 𝐃𝟐 ) = 𝐏(𝐃𝟏 )𝐏( 𝐃𝟐 ∣ 𝐃𝟏 )= 2/7 . 1/6 = 1/21

1.3 Hukum Total peluang

Dua kejadian A dan B dimana P(B) > 0 dan P(BC) > 0, maka berlaku

P(A) = P( A ∣ B )P(B) + = P( A ∣ BC )P(BC)

Bukti:
 Ambil dua kejadian A dan B. Kita dapat menuliskan kejadian E sebagai

A = P(A ∩ 𝐵) ∪ 𝑃(A ∩ 𝐵 𝐶 )

Karena (A ∩ B) dan (A ∩ BC) merupakan dua kejadian terpisah, maka

P(A) = P(A ∩ B) + P(A ∩ BC)

= P(A | B)P(B) + P(A | BC)P(BC)

= P(A | B)P(B) + P(A | BC)(1 - P(B)

Persamaan ini menunjukkan bahwa peluang kejadian A adalah rata-rata terboboti

dari peluang A dengan syarat B, dan peluang A dengan syarat bukan B.

1.4 Contoh Aplikasi Dari Teorema Bayes

Di sebuah negara, diketahui bahwa 2% dari penduduknya menderita sebuah
penyakit langka. 97% dari hasil tes klinik adalah positif bahwa seseorang menderita
penyakit itu. Ketika seseorang yang tidak menderita penyakit itu dites dengan tes
yang sama, 9% dari hasil tes memberikan hasil positif yang salah.
Jika sembarang orang dari negara itu mengambil test dan mendapat hasil
positif, berapakah peluang bahwa dia benar-benar menderita penyakit langka itu?
Secara sepintas, nampaknya bahwa ada peluang yang besar bahwa orang itu
memang benar-benar menderita penyakit langka itu. Karena kita tahu bahwa hasil
test klinik yang cukup akurat (97%). Tetapi apakah benar demikian? Marilah kita
lihat perhitungan matematikanya.
Marilah kita lambangkan informasi di atas sebagai berikut:
 B = Kejadian tes memberikan hasil positif.
 B = Kejadian tes memberikan hasil negatif.
 A = Kejadian seseorang menderita penyakit langka itu.
 A = Kejadian seseorang tidak menderita penyakit langkat itu.
Kita ketahui juga peluang dari kejadian-kejadian berikut:
 P (A) = 2%
 P (A) = 98%
 P (B | A) = 97%
 P (B | A) = 9%
 Dengan menggunakan rumus untuk peluang bersyarat, dapat kita simpulkan
peluang dari kejadian-kejadian yang mungkin terjadi dalam tabel di bawah ini:

A (2%) A (98%)

Positif yang benar Positif yang salah

B P (B ∩ A) = P (A) × P (B | A) = 2% × P (B ∩ A) = P (A) × P (B | A) = 98% ×
97% = 0,0194 9% = 0,0882

Negatif yang salah Negatif yang benar

B P (B ∩ A) = P (A) × P (B | A) = 2% × P (B ∩ A) = P (A) × P (B | A) = 98% ×
3% = 0,0006 91% = 0,8918

Misalnya seseorang menjalani tes klinik tersebut dan mendapatkan hasil

positif, berapakah peluang bahwa ia benar-benar menderita penyakit langka
tersebut?
Dengan kata lain, kita mencoba untuk mencari peluang dari A, dimana B atau
P (A | B).
Dari tabel di atas, dapat kita lihat bahwa P (A | B) adalah peluang dari positif
yang benar dibagi dengan peluang positif (benar maupun salah), yaitu 0,0194 /
(0,0194 + 0,0882) = 0,1803.
Kita dapat juga mendapatkan hasil yang sama dengan menggunakan rumus
teorema Bayes di atas:

P(B ∩ A)
P(A | B) =
P(B)

P(B | A) × P(A)
=
P(B | A)P(A) + P(B | A)P(A)

97% × 2%
=
(97% × 2%) + (9% × 98%)

= 0.0194
 0.0194 + 0.0882

0.0194
=
0.1076

P(A | B) = 0.1803

Hasil perhitungan ini sangat berbeda dengan intuisi kita di atas. Peluang
bahwa orang yang mendapat hasil tes positif itu benar-benar menderita penyakit
langka tidak sebesar yang kita bayangkan. Cuma ada sekitar 18% kemungkinan
bahwa dia benar-benar menderita penyakit itu.
Mengapakah demikian?
Ketika mengira-ngira peluangnya, seringkali kita lupa bahwa dari seluruh
populasi negara itu, hanya 2% yang benar-benar menderita penyakit langka itu. Jadi,
walaupun hasil tes adalah positif, peluang bahwa seseorang menderita penyakit
langka itu tidaklah sebesar yang kita bayangkan.
Kita bisa juga meninjau situasi di atas sebagai berikut. Misalnya populasi
negara tersebut adalah 1000 orang. Hanya 20 orang yang menderita penyakit langka
itu (2%). 19 orang dari antaranya akan mendapat hasil tes yang positif (97% hasil
positif yang benar). Dari 980 orang yang tidak menderita penyakit itu, sekitar 88
orang juga akan mendapat hasil tes positif (9% hasil positif yang salah).

Jadi, 1000 orang di negara itu dapat kita kelompokkan sebagai berikut:
 19 orang mendapat hasil tes positif yang benar
 1 orang mendapat hasil tes negatif yang salah
 88 orang mendapat hasil tes positif yang salah
 892 orang mendapat hasil tes negatif yang benar
Bisa kita lihat dari informasi di atas, bahwa ada (88 + 19) = 107 orang yang
akan mendapatkan hasil tes positif (tidak perduli bahwa dia benar-benar menderita
penyakit langka itu atau tidak). Dari 107 orang ini, berapakah yang benar-benar
menderita penyakit? Hanya 19 orang dari 107, atau sekitar 18%.
 DAFTAR PUSTAKA

Jean E. Weber, Analisis Matematika Penerapan Bisnis dan Ekonomi, Ed.4, Jilid 1,
Penerbit Erlangga, Jakarta, 1990.

Murray R. Spiegel, Statitics, Ed. Asian Student, McGraw-Hill, Singapore, 1981.

Ronald E. Walpole, Pengantar Statistik, Ed.3, Penerbit Gramedia, Jakarta 1995.

Anon Dajan., Pengantar Metode Statistik Jilid 1, LP3S, Jakarta, 1986