KONSEP STATISTIK

DALAM MANAJEMEN RESIKO

Dibuat Oleh :
1. M. Anang Setyawan
2. Lilyanis Nurlita F.M
3. A. Zainul Arifin
4. Briliani Novara R
(01.2015.1.0504)
(01.2015.1.05023)
(01.2015.1.05030)
(01.2015.1.05032)

INSTITUT TEKNOLOGI ADHI TAMA SURABAYA

FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
JURUSAN TEKNIK SIPIL
TAHUN 2018
1. Pengertian Probabilitas
Probabilitas sering diartikan sebagai peluang atau kemungkinan. Probabilitas
sendiri merupakan konsep yang sudah sering atau umum kita dengar. Ilustrasi
sederhana tentang probabilitas adalah, misal kita melempar koin, probabilitas kita
akan memperoleh angka adalah ½ karena ada dua kemungkinan yaitu angka dan
nomor.
 Tahapan Perhitungan Probabilitas
Langkah-langkah dalam menghitung probabilitas adalah sebagai berikut :
1. Mendefinisikan hasil yang mungkin terjadi
Total hasil yang mungkin terjadi disebut sebagai sample space (ruang
sampel). Misalkan kita melempar dadu yang berisi angka 1,2,3,4,5,dan 6,
maka ada enam kemungkinan yang terjadi, yaitu keluar angka 1,2,3,4,5 atau
6. Jika kita melempar koin, maka ada dua kemungkinan yang muncul, yaitu
angka atau gambar. Total kemungkinan atau sample space tersebut dapat
dituliskan sebagai berikut (untuk lemparan dadu) :
S = (1,2,3,4,5,6)
Sample space tersebut terdiri dari titik sampel (sampel point), yang dalam
contoh di atas dalah 1,2,3,4,5 atau 6.
Sebagai ilustrasi yang lain adalah berikut total sample sapce apabila kita
melempar koin dua kali :
Lemparan Pertama Lemparan Kedua
Gambar
Gambar (G,G)
Angka
(G,A)

Gambar
(A,G)
Angka
Angka
(A,A)
 Pada lemparan pertama, ada dua kemungkinan, yaitu angka dan
gambar. Pada lemparan kedua, juga ada dua kemungkinan yaitu
angka dan gambar. Dengan begitu, total kemungkinan sample
space bisa dituliskan sebagai berikut :
S = { (G,G), (G,A), (A,G) , (A,A) }
2. Memperkirakan probabilitas untuk setiap hasil yang mungkin terjadi
tersebut.
Penetapan probabilitas harus memenuhi dua syarat :
 Probabilitas suatu titik sampel harus berada diantara 0 dan 1 (inklusif).
Dengan kata lain, probabilitas tersebut adalah positif dan sama atau
lebih kecil dari satu serta sama atau lebih besar dari 0, seperti tertulis
berikut :
0<= P (Ei) <= 1
 Jumlah keseluruhan dari probabilitas titik sampel tersebut adalah satu,
seperti berikut ini.
P(E1) + P(E2) + .... +P(En) = 1
Dalam contoh uang koin di atas, probabilitas munculnya gambar dan
angka adalah 0,5. Karena 0,5 berada pada 0 dan 1, maka persyaratan
pertama terpenuhi. Kemudian, jumlah total probabilitas tersebut 1
(0,5+0,5). Karena jumlahnya satu, maka persyaratan kedua juga
terpenuhi. Dengan demikian penetapan probabilitas untuk koin tersebut
bisa dilakukan.
Penetapan probabilitas untuk titik sampel bisa dilakukan dengan
menggunakan :
a. Metode Klasikal
Dalam metode klasikal, kita menetapkan probabilitas untuk setiap
titik sampel dengan besaran yang sama. Jika ada kemungkinan
kejadian (titik sampel), maka probabilitas untuk setiap kejadian
akan ditetapkan 1/n. Sebagai contoh untuk pelemparan dadu, ada
enam kemungkinan hasil yaitu 1,2,3,4,5 dan 6. Probabilitas untuk
setiap titik sampel dengan demikian adalah 1/6. Sebagai contoh
probabilitas munculnya abgka 1 adalah 1/6 (P(E=1)=1/6).
 b. Metode Frekuensi Relatif
Metode ini sesuai dengan jumlah masing-masing titik sampel atau
sesuai ukuran. Misalkan di suatu desa dengan penduduk berjumlah
100.000 orang. Kita ingin menghitung berapa probabilitas kita
bertemu dengan penduduk yang tingkat pendidikannya SMA.
Sample space didefinisikan berdasarkan tingkat pendidikan
penduduk sebagai berikut :
S = (SD ke bawah, SMP, SMA, S1 ke atas)
Pendidikan Jumlah Penduduk Frekuensi Relatif
(1) (2) (3)
SD ke bawah 20.000 20.000/100.000 = 0,2
SMP 30.000 30.000/100.000 = 0,3
SMA 40.000 40.000/100.000 = 0,4
S1 ke atas 10.000 10.000/100.000 = 0,1
100.000
Jadi, probabilitas kita akan bertemu dengan penduduk yang
berpendidikan SMA adalah 0,4 {P (X=SMA)=0,4 }
c. Metode Subyektif
Dalam beberapa situasi, metode klasikal dan metode frekuensi
relatif tidak sesuai dijadikan dasar perhitungan probabilitas. Sebagai
contoh, misal dalam situasi koin kita memperoleh informasi bahwa
ketebalan sisi angka dengan gambar berbeda. Sisi angka lebih tebal
dan berat, sehingga jika koin tersebut dilempar, maka sisi angka
cenderung jatuh lebih cepat dibandingkan dengan sisi gambar.
Dengan informasi tersebut, probabilitas angka ditetapkan lebih
besar yaitu 0,6 sedangkan probabilitas gambar ditetapkan 0,4. Cara
seperti itu menetapkan probabilitas secara subyektif.
2. Distribusi Probabilitas Diskrit

Berikut ini adalah beberapa contoh probabilitas diskrit, yaitu probabilitas

diskrit seragam binominal, dan poisson.
Fungsi Probabilitas Diskrit Seragam (Discrete Uniform Probability Function)
Fungsi probabilitas tersebut dapat didefinisikan sebagai berikut :
F(x) = 1/n
Dimana n = jumlah kemungkinan hasil
 Sebagai contoh, dalam persoalan pelemparan dadu, ada enam kemungkinan hasil,
yaitu angka 1,2,3,4,5 atau 6. Karena ada enam kemungkinan hasil tersebut, fungsi
probabilitas untuk variabel random hasil pelemparan dadu bisa didefinisikan
sebagai :
f(x) = 1/6 untuk x = 1,2,3,4,5,6
misalkan distribusi probabilitas sebagai berikut :
X F(x)
1 1/21
2 2/21
3 3/21
4 4/21
5 5/21
6 6/21
Jumlah=21 1,0
Dengan distribusi semacam itu, fungsi probabilitas bisa dituliskan sebagai
berikut ini :
F(x) = x/21 untuk x = 1,2,3,4,5,6

3. Distribusi Probabilitas Kontinu

Variabel random kontinu bisa mempunyai nilai secara kontinu, misal

gelas bisa terisi 0,255 dari total kapasitas gelas. Variabel kontinu bisa digambarkan

sebagai interval atau kumpulan dari interval. Dengan gambaran seperti itu,

probabilitas untuk variabel kontinu bisa dilihat sebagai luas dari interval tersebut.

Fungsi probabilitasnya dinamakan probability density function (fungsi

keluasan/kepadatan probabilitas).
Contoh :