Anda di halaman 1dari 12

BAB I

TEORI PELUANG (PROBABILITAS).

A. PENDAHULUAN
Pada bab ini anda diajak untuk membahas tentang ruang sampel,
peluang, distribusi peluang diskrit, distribusi peluang kontinu, distribusi peluang
Gauss, dan distribusi Poison.
Secara tidak sadar, sebenarnya anda telah mengikuti (melakukan) hal-hal
dalam kehidupan sehari-hari berkaitan dengan topik ini, seperti misalnya pada
waktu anda bermain kartu remi, diwaktu kecil anda bermain umbul-umbulan
gambar, bermain kelereng, bermain dakon dan lain sebagainya, yang pada
hakekatnya anda telah belajar tentang teori peluang . Pada kesempatan kali ini
anda diajak untuk mempelajari hal-hal yang berkaitan dengan peluang ini
secara ilmiah.
Adapun tujuan instruksional khusus dalam pembahasan topik ini adalah
diharapkan anda mempunyai kemampuan untuk menjelaskan teori probabilitas
dan fungsi distribusi pada berbagai kasus alamiah suatu bahan atau zat.

B. PENYAJIAN
1.1. Ruang Sampel.
Bila anda perhatikan melalui pengalaman selama ini, baik pengalaman
langsung (tak disengaja) maupun pengalaman yang disengaja (kerja lab),
maka akan diperoleh pengertian bahwa segala sesuatu di dunia ini adalah
serba mungkin adanya, mungkin terjadi atau tidak mungkin terjadi. Semua
kemungkinan ini akan keluar dari sebuah percobaan yang dilakukan secara
acak, yang dibangun dalam sebuah himpunan.
Ambil contoh:
sebuah uang logam anda lemparkan dua kali. Kemungkinan apa yang
akan terjadi ?
Yang terjadi adalah kedua uang logam tersebut akan menampakkan
muka belakang yang bervariasi. Ambil muka = M dan belakang = B,
maka variasi penampakan permukaan uang itu = MM, MB, BM, BB, lain
tidak. Bila semua kemungkinan dari peristiwa dua pelemparan uang
logam itu diberi simbul S, maka S = { MM, MB, BM, BB }.

1
Contoh lain anda melemparkan sebuah dadu sekali. Bagaimana S ?
Kemungkinan yang terjadi adalah: S = { 1, 2, 3, 4, 5, 6 }. S disebut ruang
sampel. Bila anda mempunyai sebuah kelereng, kemudian kelereng
tersebut anda jatuhkan tiga kali dari ketinggian satu meter ke lubang
yang besarnya sama dengan ukuran kelereng. Bagaimana S ? Begitu
pula bila ada tiga buah partikel gas berada dalam ruang yang tersekat
seperti terlihat pada gambar 1.1. Bila kran dibuka, bagaimana S ?

Hampa

Kran

Gambar: 1.1: Ruang tersekat bagian kiri


berisi 3 partikel gas, dan
bagian kanan kosong
Dari kedua persoalan tersebut akan ditemukan jawabannya, yaitu:
S= {MMM,MTT,TMT,TTM,TTT,MTM,MMT,TMM},
Dengan: M=masuk dan T= tidak.
Pengertian lain adalah peristiwa. Apa itu peristiwa? Yaitu sebuah
himpunan bagian dari ruang sampel. MM, MB, BM, BB adalah peristiwa-
peristiwa yang kemungkinan terjadi apabila sebuah uang logam dilempar dua
kali. Sedangkan M dan B merupakan peristiwa elementer. Atau peristiwa
elementer adalah peristiwa yang hanya memiliki satu titik sampel.

1.2. Peluang.
Peluang mepunyai nilai antara 0 dan 1. Nilai 0 berarti tidak terjadi (tidak
ada) , dan nilai 1 berarti terjadi (ada). Suatu peristiwa mempunyai peluang 25
%, berarti ada 25 % kesempatan akan terjadi dan 75 % kesempatan tak akan
terjadi (jumlah peluangnya adalah satu).
Bila A adalah suatu peristiwa, dan P adalah peluang, maka dapat
dituliskan sebagai:
P(A1)+P(A2)+P(A3)+...........P(Ak) = 1, dengan k = 1, 2, 3, 4, 5,....................n.
1
Atau P(Ak) = ... (1.1)
n
Bila peristiwa A adalah terdiri dari h buah sub peristiwa, maka:
h
P(A) = ... (1.2)
n
2
Beberapa teorema yang perlu diketahui adalah:
A  B = peristiwa A atau B atau keduanya.
A – B = peristiwa A tetapi bukan B.
A’ = peristiwa bukan A.
A  B = peristiwa berdua A dan B.
0  P(A)  1
P(A’) = 1 – P(A)

P(A  B) = P(A)+P(B)-P(A  B)
P(A  B) = P(A)P(B/A) = P(B)P(A/B)
P(A/B) = peluang muncul peristiwa A dengan syarat B telah terjadi.
P(B/A) = peluang muncul peristiwa B dengan syarat A telah terjadi.
Perhatikan contoh soal berikut:
Ambil kartu remi, amati berapa jumlah kartu itu, kemudian cari peluang
berikut:
P( / 5) = ? P( 5 / )= ? P(A/ ) =?
Jawabnya adalah:
1 1 1
P( / 5) = , P( 5 / ) = , dan P( A / )=
4 13 13
Berhubungan pula teori peluang ini dengan permutasi, yaitu banyaknya
susunan yang berbeda.
Contoh: ada benda A, B, C. Ketiga benda tersebut dapat disusun sebagai
berikut:
AB AC BC BA CA CB
Nampak ada 6 cara penyusunan benda A, B, C. Atau dikatakan bahwa
permutasi dari benda A, B, C adalah sama dengan 6. Hal ini dapat dihitung
sebagai berikut:
3! 3.2.1
3P2  =  6.
(3  2)! 1
Bila dirumuskan akan berbentuk :
n!
n Pr  ... (1.3)
(n  r )!
Pencacahan kombinasi mempunyai bentuk persamaan:
n!
nCr = ... (1.4)
r!(n  r )!

3
3! 3.2.1
Jadi : n C r   3
2!(3  2)! 2.1.1
Pencacahan kombinasi = tiga. Susunannya adalah sebagai berikut:
AB = BA, AC = CA dan BC = CB. r= susunan, dan n = jumlah benda.
Percobaan yang dilakukan berulang-ulang dengan kondisi yang sama,
tetapi memberikan hasil yang tidak sama, disebut percobaan acak. Bila setiap
titik sampel dalam ruang sampel diberi nilai, maka dikatakan ada fungsi dalam
ruang sampel tersebut. Fungsi demikian disebut fungsi acak atau disebut juga
variabel acak. Variabel acak diskrit mempunyai nilai yang terbatas, dan
variabel acak kontinu mempunyai nilai tak terbatas.

1.3. Distribusi Peluang Diskrit:


Ambil X= variabel acak diskrit, yang nilai-nilainya adalah: x1, x2,
x3,..................., maka peluangnya adalah:
P(X=xk) = f(xk), k = 1, 2, 3, 4 ................
Atau P(X=x) = f(x) Ini dipenuhi bila f(x)  0 dan  f (x)  1 .
Sebagai contoh adalah sebuah uang logam dilempar dua kali, akan
menimbulkan ruang sampel S = {MM, MB, BM, BB}.
Ambil X= banyaknya muka yang muncul.
Sehingga: XMM = 1 x1 = xMM
XMB = 2 x2 = xMB
XBM = 1 x3 = xBM
XBB = 0 xBB : tak ternilai, karena bukan variabel yang
dibutuhkan.
Jumlah kejadian (=n) = 4, sehingga peluangnya adalah:
h 1
P(x1) = f(0) = = , h = 1, sebab munculnya peluang lemparan awal M dan
n 4
lemparan kedua M hanya 1 kali.

P(x2) = f(1) = 2 , h=2, sebab munculnya peluang lemparan awal M dan


4
lemparan kedua B ada 2 kali yaitu pada MM, MB,
untuk M dan pada BM, BB, untuk B.
1
P(x3) = f(2) = , h=1, sebab munculnya peluang lemparan awal B dan
4
lemparan kedua M hanya 1 kali.
4
Bila ditabelkan akan berbentuk sebagai berikut:

Tabel 1.1: Daftar munculnya muka belakang hasil lemparan


uang logam I
Titik sampel MM MB BM BB
X 1 2 1 0
x 0 1 2 -
1 1 1
f(x) 4 2 4 -

Bila sekarang diambil dengan Y= banyaknya belakang yang muncul,


maka dapat ditabelkan sebagai berikut:

Tabel 1.1: Daftar munculnya muka belakang hasil lemparan


uang logam II
Titik sampel MM MB BM BB
Y 0 1 2 1
y - 2 1 0
1 1 1
f(y) -
4 2 4

1.4. Distribusi Peluang Kontinu:


Ambil X sebagai variabel acak kontinu. Peluang untuk X mempunyai nilai
tertentu, yaitu:
1 2
0 1
0 2
0 3
i f
a b

Bila diambil nilai itu adalah i f, maka: X mempunyai nilai i  X  f


Jadi peluang dapat dituliskan sebagai:
f

P(i  X  f) =  f ( X )dx
i
... (1.5)

5
nilai f(X)  0

dan 
f ( X )dx  1 ... (1.6)

f(X) = fungsi probabilitas


= distribusi probabilitas
= fungsi rapat probabilitas
ini semua berlaku untuk variabel acak kontinu.
Distribusi peluang binomialnya berbentuk:
N!
P(n; N , p)  P(n, N )  p n (1  p) N n ... (1.7)
n!( N  n)!
N = jumlah percobaan
n = jumlah kejadian = 1, 2, 3 ............N
p = peluang sukses dalam percobaan
(1-p) = peluang gagal dalam percobaan
N!
= kombinasi
n!( N  n)!
= banyaknya cara yang berbeda dalam mendapatkan
sukses munculnya n kali dari N percobaan.
N

Total peluang  P(n; N , p)  1


n 0

Nilai rata-rata dari n:


N
n  n   nP(n; N , p)
n 0

N
N!
n  n  =  n n!( N  n)! p
n 0
n
(1  p) N n ... (1.8)

Untuk distribusi kontinu dapat dituliskan sebagai berikut:


 X   Xf ( X )dX ... (1.9a)

 X 2   X 2 f ( X )dX ... (1.9b)

 X 3   X 3 f ( X )dX ... (1.9c)

dan seterusnya.

Sebagai contoh misalkan Terdapat daftar nilai seperti pada tabel 1.3 sebagai
berikut:
6
Tabel 1.3: Daftar nilai 1
N0 f Nilai (n)
Huruf Angka
1 10 E 0
2 20 D 1
3 40 C 2
4 20 B 3
5 10 A 4

Kita cari nilai rata-ratanya sebagai berikut:


N
n  n   nP(n; N , p)
n 0

Dari daftar: n = 0, 1, 2, 3, 4.
Peluangnya:
10 1 20 1 40 2
1.  , 2.  , 3. 
100 10 100 5 100 5
20 1 10 1
4.  , dan 5. 
100 5 100 10
1 1 2 1 1
 n  0.  1.  2.  3.  4.
10 5 5 5 10
10
=  2 = C.
5

CATATAN:
 nn  n  n  n  n  n  2
Variansi disimbulkan sebagai:  n dan dirumuskan sebagai:
2

 n2 =  (n  n ) 2 
 n2 =  (n  n ) 2 
=  n 2  2n  n    n  2 
=  n 2  2  n  n    n  2
=  n 2  2  n  2   n  2
 2
n = n n
2 2
... (1.10)

Catatan:
n  n  NP
N = total kejadian, P = peluang, dan q = (1-p)

7
NPq = NP(1-p)
Contoh kasus:
Kita mempunyai 8 kemeja dengan warna putih, hitam, biru, kuning, merah,
coklat, hijau, dan jambon. Berapa nilai rata-rata kita memakai tiap baju itu
dalam seminggu?
Jawab:
1 7
n  n  NP = 7 
8 8
Bila ternyata baju biru berjumlah 3 buah, berapa nilai rata-rata kita memakai
baju biru dalam seminggu ?
Jawab:
nbiru  nbiru  NP = 7 3  21
8 8
Bila baju biru berjumlah 8 buah, maka:

nbiru  nbiru  NP = 7.

1.5. Distribusi Peluang Gauss.


Fungsi distribusi Gauss:
1
e  X   / 2 ,    X  
2
f (X ) 
2
... (1.11)
 2
= fungsi rapat probabilitas.

   Xf ( X )dX  X  X


Dengan 
f ( X )dX  1

1.6. Distribusi Poison:


m n m
P(n;m) = e ... (1.12)
n!
m= n  n  NP = man value

 P(n; m)  1
n 0

 2  m(1  p)
=m, p << 1
Bentuk umum distribusi peluang menurut Poisson:
n X
X  1  X    
Pn     e
  n!    ... (1.13)

8
X = panjang (jarak)
 = jarak rata-rata antara dua titik.
X
Dalam hal ini  n 

Contoh kasus:
n X
X  1  X    
Diketahui: Pn     e .
  n!   
Tentukan:
a) <n> dan 2
X X
b) Sket p0 dan p1 dalam satu diagram Pn   terhadap
 
Jawab:
n X
X 1X 
a) Dari Pn      e 
   n!   
X
X  

  
 

Diketahui: e
n!
n 1
X
n  X

 

  
d  
eX /  e  
 
X n!
d  1


Sehingga:
n 1
X
n  X

  X      X 
1  n!  e  
 
n
X
n  X
    e    X 

1 n!  

Diketahui:
n X

X 1  X    
 n   nPn   =

 n!   e
n
1
X X
 X       
=  e e

X 0
=  e

X
n =  

Mencari  :
2

9
n 1
X
n  X


 X      X 
Dari:   e  
1 n!  
n
X
X n 
 X     

 e   
 1 n!
X
didefferensialkan ke   , diperoleh

 X 
n

 n  
d  X     
X
d   
 e    n! 
X 
d      d  X   1
 
    
n 1
X
 X   X  n   2
 
X 

 e     e       
    1 n!

X
kalikan dengan  

diperoleh:
n
X
X X n   2


2 
 x      X    
  e   e   
  1 n!
n
X
n   2
 X  2  X   X  

    e   
      1 n!

Sehingga sekarang:
2  X     
n X

  X   X

  2 2   e 
 2   n    Pn   =  n  2n X    X       
1        1          n! 
 
 
 2  X n X  X 
n
X  X 
2 n

X  
n          
             
= e  
  
 2n  
1  n! n! n! 
 

10
 2 X 
n
X
n
X 
n

X   n   n    
 X  X   
2
   
 
2 e   2     
 1 n!    1 n!    1 n! 
 
X
    X  2  X    X   X  X 
X
 
 X   
2 X

= e  
      e    
 2  e   
   e   
              
 X  2  X   X   X   X  2  X   X  2  X  
X
 

= e   e
 
  e    2  e      e   
      

 X   X   X   X  
2 2 2
 X
=       2      =  
            
  
n X
 X  1  X    
b) Dari n      e
P
   n!   

0 X
 X  1  X    
n=0 P0      e
   0!   
0 X X
 X      

= 1.  e = 1.1.e  

X
 X   
P0    e   

1 X
 X  1  X   
n=1 P1      e   
   1!   
X
 X   X   
P1      e   
 

Buat tabel sebagai berikut:

Tabel 1.4: Distribusi peluang


X
  0 1 2 3 4 ..........

X 
P0  
  1 0,37 0,135 0,05 0,02 ..........
X 
P1  
  0 0,37 0,27 0,15 0,07 ..........

11
Buat grafiknya:
X
P0  

1

0,75

0,50

0,25

X
0 0,25 0,50 0,75 P1  


X X
Gambar 1.2: Grafik hubungan P0   vs P1  
 
TUGAS :
Kerjakan soal-soal berikut:
1. Ambil kartu remi, amati berapa jumlah kartu itu, kemudian cari peluang
berikut:
P(/ A) =? P( ♥ /4) =? P(A/K) =?
P(6/ ♥ ) = ? P(K/ ♥ ) = ? P(  5) =?
P( ♥ /J) = ? P(K/J) =? P(  5) =?
P( ♥  4) = ? P(5  ♥ ) = ? P( ♥  4) =?
2. Terdapat daftar nilai seperti yang ditunjukkan pada tabel 1.5 sebagai
berikut:
Tabel 1.5: Daftar nilai 2
Nilai (n)
N0 f
Huruf Angka
1 30 C 2
2 20 B 3
3 5 A 4
Tentukan nilai rata-ratanya ?

PUSTAKA:
1. Siti Nurul Khotimah, Fisika Statistik. Bandung : ITB, 1999. H: 2 – 8.
2. Triyanta. Fisika Statistik. Bandung: ITB. 1999. H: 8 – 12.

12