Probabilitas

Konsep-konsep Probabilitas

1. Padangan Klasik/Intuitif

Pandangan klasik pada probabilitas/peluang merupakan harga angka yang memunjukkan

seberapa besar kemungkinan suatu kejadiaan akan terjadi, diantara seluruh kejadiaan yang mungkin

terjadi. Contoh:

a. Sebuah mata uang logam mempunyai sisi 2 yaitu (H dan T), jika mata uang tersebut

dilambungkan satu kali, maka didapatkan peluang keluar sisi H adalah ½.

b. Sebuah dadu untuk keluar mata “lima” saat pelemparan dadu tersebut didapatkan 1/6 (sebab

banyaknya permukaan dadu adalah 6).

Sehingga, pendekatan didalam konsep klasik ini didapatkan rumus sebagai berikut:

P (E) = X/N

Diketahui: P= Probabilitas

E= Event (kejadian)

X= Jumalah kejadian yang diinginkan (peristiwa)

N= Keseluruhan kejadian yang mungkin terjadi

Contoh:

Di dalam suatu pabrik (work shop) ada 30 wanita dan 70 laki-laki. Sehabis makan siang yang disediakan

pabrik akan ditanyakan “apakah makanan tadi cukup baik?” untuk itu akan diundi secara acak, siapa

orang yang akan ditanyakan pendapatnya. Probabilitas akan terambil seorang buruh wanita adalah

30/100  P(0.3).

2. Pandangan Empiris/Probabilitas Relatif

Probabilitas berdasarkan observasi pengalaman atau kejadiaan yang telah terjadi. Contoh:
 a. Jika kita melihat dari 10000 hasil produksi, dan 100 diantaranya mengalami kecacatan, maka

kita sebut sebagai probabilitas kecacatannya 100/10000, yaitu 0.01 atau 1%.

b. Distribusi relatif

Upah (Rp 1000) Jumlah Persen (%)

200-499 90 30

500-749 165 55

750-999 45 15

Jika diambil secara acak satu orang probabilitas untuk terambilnya seseorang dengan upah antara

200-499 ribu rupiah maka di dapatkan  p= 30/90= (0.3).

3. Pandangan Subjektif

Probabilitas diukur oleh pernyataan subjektif suatu individu. Konsep ini tidak bergantung pada

pengulangan apapun, dan bahkan seseorang bisa mengevaluasi kemungkinan terjadinya sesuatu yang

hanya berlangsung sekali. Contoh:

a. Seseorang yakin 70% kemungkinan terjadinya muncul obat untuk kanker akan terjadi pada 10

tahun berikutnya.

b. Seorang buruh/karyawan meyakini bahwa ada kesempatan untuk pendidikan lanjut, yang akan

dikirim adalah dirinya (misalnya diyakininya sebesar 95%= 0.95).

Asas Perhitungan Probabilitas

 Nilai probabilitas dilambangkan “P” yang berada antara nilai 0 dan 1. Rumusnya: 0 ≤ P ≥.

 Nilai probabilitas selalu menghasilkan nilai positif, tidak pernah ada nilai negativ.

Rumusnya: P(x/n)  Bilangan positif (+)

Contoh:

Probabilitas keluar angka ganjil dalam pelemparan dadu P (ganjil/mata dadu) =3/6.

1. Hukum Pertambahan

a. Mutually exclusive
 Jika probabilitas suatu kejadian terjadi akan meniadakan kejadian lain terjadi, atau jika

keduanya tidak dapat terjadi secara bersamaan, maka disebut sebagai kejadian mutually exclusive,

saling terpisah, atau saling meniadakan. Contoh kejadian mutually exclusive adalah sebagai berikut:

1. Permukaan sebuah koin

2. Permukaan dadu

3. Kelahiran anak laku atau perempuan pada seorang ibu dengan kehamilan tunggal

Tidak ada irisan antara kedua kejadian tersebut

A B 𝑃(𝐴∪𝐵)=𝑃(𝐴)+𝑃(𝐵)
P (A∩B= 0

Contoh:

Ada 5 orang kandidiat yang akan dikirmkan ketempat kejadian luar biasa (KLB) diare sebut saja A B C

D E. namun yang akan dikirimkan hanya satu orang. Probabilitas D dan E akan di kirim adalah P (D ∪ E)

= 1/5 + 1/5= 2/5

b. Non-mutually exclusive

Jika dua kejadian dapat terjadi secara bersama-sama tetapi tidak selalu bersama. Contoh

peristiwa non mutually exclusive adalah sebagai berikut:

1. Penarikan kartu as dan berlian

2. Seorang laki-laki dan dokter

 Terdapat arsiran pada kedua kejadiaan tesebut

𝑃(𝐴∪𝐵)=𝑃(𝐴)+𝑃(𝐵)− 𝑃(𝐴∩𝐵)
 Jika kita ingin menghitung total probabilitas terjadinya kedua kejadian tersebut terjadi (yang

tidak diarsir), maka kita sebelumnya harus menghitung berapa probabilitas keduanya terjadi secara

bersamaan (yang diarsir). Setelah itu, kita dapat menjumlahkan kemungkinan kejadian pada daerah

yang tidak diarsir, dan menguranginya dengan probabilitas kejadian yang diarsir. Contoh:

Pada penarikan satu kartu dari satu set kartu bridge peluang akan terambil kartu as atau berlian

P (As) = 4/52

P (Berlian) =13/52

Ada sebuah kartu as dan berlian:

P (as ∩ berlian) = 1/52

P (as ∪ berlian) = P(as) + P(berlian) – P (as ∪ berlian) = 4/52 =13/52 – 1/52= 16/52

2. Hukum Perkalian
a. Peristiwa Bebas (Independent)

Dua peristiwa dapat dikatakan bebas apabila kejadian atau ketidakjadian suatu

peristiwa tidak mempengaruhi peristiwa lain.

Rumus: 𝐏(𝐀 ∩ 𝐁) = 𝐏(𝐀) × 𝐏(𝐁)

Contoh soal:

a. Sebuah dadu di lambungkan dua kali. Peluang keluarnya mata lima utuk kedua kalinya

adalah?

Diketahui:
1
 P(A) =
6
1
 P(B) =
6

Ditanya: P(A ∩ B)?

Jawab:
1 1 1
P(5 ∩ 5) = × =
6 6 36

b. Sebuah dadu dan sebuah koin dilambungkan bersama. Peluang keluarnya hasil

lambungan berupa sisi angka pada koin dan sisi 3 pada dadu adalah?
 Diketahui:
1
 P(A) =
2
1
 P(3) =
6

Ditanya: P(A ∩ 3)?

Jawab:
1 1 1
P(A ∩ 3) = × =
2 6 12

b. Peristiwa Tidak Bebas (Conditional Probability)

Dua peristiwa dikatakan bersyarat apabila kejadian atau ketidakjadian suatu

peristiwa akan berpengaruh terhadap peristiwa lain. Contohnya, ketika dua buah kartu

ditarik dari set kartu brigde, dan tarikan kedua dilakukan tanpa memasukkan kembali kartu

pertama. Maka, probabilitas kartu kedua tergantung pada kartu pertama yang diambil.

Simbol untuk peristiwa bersyarat:

𝑃(𝐵|𝐴)  Probabilitas B bersyarat pada kondisi A.

Rumus: 𝐏(𝐀 ∩ 𝐁) = 𝐏(𝐀) × 𝐏(𝐁 | 𝐀)

Contoh soal:

a. Dua kartu ditarik dari satu set kartu bridge. Peluang untuk yang tertarik keduanya

merupakan kartu as adalah?

Diketahui:
4 4
 Peluang as pertama adalah  P(A) =
52 52
3 3
 Peluang as kedua dengan syarat as pertama telah diambil adalah  P(B) =
51 51

Ditanya: tertarik keduanya kartu as

Jawab:
4 3 1
P(A ∩ B) = P(A) × P(B | A)  × 
52 51 221

Permutasi dan Kombinasi

 Dalil 1 (kaidah umum penggandaan)

Jika suatu eksperimen menghasilkan k hasil yang berbeda, dan langkah kedua

menghasilkan m hasil yang berbeda, maka kedua langkah eksperimen akan menghasilkan k  m

= hasil. Contoh:

 Sebuah koin dilambungkan 2 kali. Maka, hasilnya adalah 2  2  4 (ruang sampel)

 Sebuah dadu dilambungkan 3 kali. Maka hasilnya adalah 6  6  6  216

 Dalil 2 (Permutasi)

Dalam permutasi, URUTANNYA DIPENTINGKAN.

𝐧! Keterangan:
Rumus: 𝐧𝐂𝐫 =
(𝐧 − 𝐫)! C: Jumlah permutasi

n: Banyaknya objek

r: Jumlah anggota
pasangan
Contoh:
! : Factorial
Dalam suatu pengobatan kanker, ada beberapa cara yang efektif. Diantaranya adalah dengan

bedah (B), radiasi (penyinaran  P), dan kemoterapi (obat  O). Ada berapa cara jika seorang

penderita kanker akan diobati hanya dengan dua macam terapi?

Diketahui:

 n3

 r2

Ditanya: Ada berapa cara seorang penderita kanker akan diobati dengan hanya 2 macam

terapi?

Jawab:

n!
nCr = (n−r)!

3! 3×2×1
3𝑃2 = (3−2)!
= = 6
1

 Dalil 3 (Kombinasi)

Dalam kombinasi, URUTAN TIDAK DIPENTINGKAN Keterangan:

𝐧! C: Jumlah kombinasi
Rumus: 𝐧𝐂𝐫 =
𝐫! (𝐧 − 𝐫)! n: Banyaknya objek

r: Jumlah anggota
pasangan

! : Factorial
 Contoh:

Tiga pasien digigit ular dan dibawa ke puskesmas. Di puskesmas, hanya tersedia 2 dosis

antiracun ular. Berapa kemungkinan pasangan yang akan diberikan 2 dosis tersebut?

Diketahui:

 n3

 r2

Ditanya: Kemungkinan pasangan yang akan diberikan 2 dosis antiracun

Jawab:
n!
nCr =
r!(n−r)!
3! 3 × 2 ×1
3C2 = = =3
2!(3−2)! 2×1×1

Distribusi Probabilitas

Probabilitas dalam statistik Memperkirakan terjadinya peluang/probabilitas yang

dihubungkan dengan terjadinya peristiwa dalam beberapa

keadaan.

Macam – macam distribusi probabilitas yang umum digunakan :

A. Distribusi Binominal (Bernaulli)

 Penemu distribusi binomial adalah James Bernaulli sehingga disebut dengan Distribusi

Bernaulli

 Empat syarat Bernaulli trial :

1. Jumlah trial merupakan bilangan bulat (tidak ada pecahan)

2. Setiap eksperimen mempunyai dua hasil, yaitu sukses dan gagal. Contoh: laki-

laki/perempuan, sehat/sakit, setuju/tidak setuju, dan sebagainya

3. Peluang sukses sama setiap eksperimen

4. Setiap eksperimen independen satu sama lain

 Rumus :
𝒏!
P(x) = 𝒙!(𝒏−𝒙)!
× 𝒑𝒙 × 𝒒𝒏−𝒙

Keterangan:

P(x) = Peluang kejadian yang diharapkan n = Banyaknya kejadian

 x = Banyaknya keberhasilan p = Peluang kejadian keberhasilan

q = Peluang kegagalan = 1- p

 Contoh soal :

1. Probabilitas seorang bayi tidak diimunisasi polio adalah 0,2. pada suatu hari di Puskesman X

ada 4 orang bayi. Hitunglah peluang dari bayi tersebut 2 orang belum imunisasi polio!

Dik : x = 2, n = 4,
p = 0,2 q=1-p
= 1 - 0,2 = 0,8
Jawab :
𝑛!
P(x) = × 𝑝 𝑥 × 𝑞 𝑛−𝑥
𝑥!(𝑛−𝑥)!
=
4!
× (0,2)2 × (0,8)4−2
2!(4−2)!
=
12
× 0,04 × 0,64
2
= 6× 0,04 × 0,64
= 0,1536
= 0,154

A. Distribusi Normal (Gauss)

 Distribusi normal dikenal juga sebagai distribusi Gaussian.

 Salah satu distribusi peluang kontinu dengan grafik berbentuk bel/genta.

 Distribusi normal memudahkan untuk inferensi seberapa sering kejadian itu akan terjadi

 Distribusi normal banyak digunakan dalam berbagai distribusi dalam statistika, dan

kebanyakan pengujian hipotesis mengasumsikan normalitas suatu data.

 Rumus eksponensial untuk distribusi normal :

1
∫(𝑥) = 𝑒 −12𝜎2 (𝑋 − 𝜇 2 )
√2𝜋𝜎 2
Keterangan :

-≈<x>≈ 𝜎2 = 0 e = 2,7128

-≈<𝜇>≈ 𝜋 = 3,14
 Ciri Khas Distribusi Normal

1. Simetris

2. Seperti lonceng

3. Titik belok μ ± 𝜎

4. Luas di bawah kurva = probabilitas = 1

 Kurva simetris yang terjadi pada sampel yang cukup besar, biasanya simetris dengan x tertentu

dan simpangan baku tertentu.

 Untuk mengetahui probabilitasnya maka nilai yang akan dicari ditransformasikan dulu ke nilai

kurva normal standar melalui tranformasi Z (deviasi relatif).

 𝑥−𝜇 𝑥−𝑥 Sampel
Populasi 𝑍= 𝑎𝑡𝑎𝑢 𝑍 =
𝜎 𝑆

𝑘𝑢𝑟𝑣𝑎 𝑛𝑜𝑟𝑚𝑎𝑙 𝑠𝑡𝑎𝑛𝑑𝑎𝑟 ⟶ 𝑁(𝜇 = 0, 𝜎 = 1)

𝑘𝑢𝑟𝑣𝑎 𝑛𝑜𝑟𝑚𝑎𝑙 𝑢𝑚𝑢𝑚 → 𝑁(𝜇, 𝜎)

 Nilai Z adalah angka atau indeks yang menyatakan penyimpangan suatu nilai variabel random

(x) dari rata-rata (μ) dihitung dalam satuan simpangan baku (σ) dari titik 0.

 Nilai Z dapat ditentukan dengan menggunakan tabel distribusi normal Z.

 Tabel distribusi normal Z

 Contoh membaca tabel distribusi normal Z

a. Luas daerah yang dibatasi oleh kurva normal dengan garis z=0, z=2,58 dan sumbu z adalah

P(0<Z<2,58) = 0,4951
 b. Nilai P(Z>1,65) = 0,5 - P(0<Z<1,65)

= 0,5 – 0,4505

= 0,0495

c. Nilai P(Z<1,65) = 0,5 + P(0<Z<1,65)

= 0,5 + 0,4505

= 0, 9505

d. Nilai P(1,45<Z<2,26) = P(0<Z<2,26) – P(0<Z<1,45)

= 0, 4881 – 0,4265

= 0,0616

 Contoh soal

Dari penelitian terhadap 150 orang laki-laki yang berumur 40 -60 tahun didapatkan rata-rata

kadar kolesterol mereka 215 mg% dan simpangan baku Sd= 45 mg%. Hitunglah peluang kita

mendapatkan seorang yang kadar kolesterolnya :

a. > 250 mg% b. < 200 mg% c. Antara 200 - 275 mg%

Diketahui : μ = 215 mg%, σ = 45 mg %

Jawab :

a. Ditanya : p (x > 250 mg%)

Jawab :

𝑋− 𝜇
Z =
𝜎
250−215
=
45
 = 0,76

P(X > 250 mg%) = P(Z > 0,76)

= 0,5 – P(0 < Z < 0,76) (Lihat dari tabel)

= 0,5 – 0,2764

= 0,2236

Peluang seorang yang kadar kolesterolnya lebih dari 250mg% adalah 0,2236

b. Ditanya p (x < 200 mg%)

Jawab :

𝑋− 𝜇
Z =
𝜎
200−215
= 45

= - 0,33 (minus hanya untuk menentukan letak dan cara pembacaannya saja tidak
mempengaruhi jumlah)

P(X < 200mg%) = P (Z < 0,33)

= 0,5 – P(0 < Z < 0,33) (Lihat dari tabel)

= 0,5 – 0,1293

= 0,3707

Jadi, tidak ada peluang seorang yang kadar kolesterolnya kurang dari 200mg% adalah

0,3707

c. Ditanya p (200 < x < 275 mg%)

Jawab :
 𝑋− 𝜇
Z1 = 𝜎
200−215
= 45

= - 0,33

𝑋− 𝜇
Z2 =
𝜎
275−215
= 45

= 1,33

P1 (200 < X < 215 mg%) = P (0 < Z < 0,33)

= 0,1293

P2 (215 < X < 275 mg%) = P (0 < Z < 1,33)

= 0,4082

Jadi, peluang seorang yang kadar kolesterolnya antara 200-275 mg% adalah : 0,1293 +

0,4082 = 0,5375

B. Distribusi poisson

Distribusi poisson merupakan distribusi probabilitas diskrit yang menyatakan peluang jumlah
peristiwa yang terjadi pada periode tertentu atau waktu tertentu dan dalam waktu yang saling bebas
sejak kejadian terakhir.

Untuk menghitung distribusi poisson apabila n besarnya (n≥30) dan p kecil (p<0.1)

n = populasi p = probabilitas.

Di dalam distribusi poisson populasi nya besar namun probabilitasnya sangat kecil.
RUMUS

Contoh soal :

1. Sebuah toko alat-alat listrik mencatat rata-rata penjualan lampu TL 40W setiap hari 5 buah.
Jika permintaan akan lampu tersebut mengikuti distribusi Poisson, berapa probabilitas untuk
penjualan berikut?

a. 0 Lampu TL

b. 3 Lampu TL

2. Dikatakan bahwa kejadian seseorang akan meninggal karena shok pada waktu disuntik dengan
vaksin meningitis 0,0005. Padahal vaksinasi tersebut selalu diberikan jika seseorang akan pergi
haji. Jika di suatu kota jumlah orang yang dilakukan vaksinasi sebanyak 4000, hitunglah 3 orang
yang kemungkinan akan mengalami shok!

Jawab :

Diketahui:

P = 0,0005 n = 4000 orang x = 3 orang

Rumus:

𝜆𝑥 𝑒 −𝜆
𝑃(𝑋 = 𝑥) =
𝑋!

 𝜆 = 𝑛𝑃 = 4000 𝑥 0,0005 = 4. 103 𝑥 5. 10−4 = 20. 10−1 = 2

23 . 2,71828−2 8 . 2,71828−2
 𝑃(𝑋 = 𝑥) =
3!
=
3. 2. 1
=
8
6 . 7,6
= 0,18 = 18%

C. Pendekatan Distribusi Binomial ke Distribusi Normal

Bila terdapat soal:

 Apabila n kecil dan p antara 0-1 menggunakan distribusi binomial

 Apabila n sangat besar dan p kecil sekali maka menggunakan distribusi poisson

 Apabila n cukup besar sedangkan p antara 0-1 maka dilakukan pendekatan ke distribusi
normal

Persyaratan pendekatan distribusi binomial ke distribusi normal adalah apabila np atau nq ≥ 5

n= jumlah p= probabilitas

 Contoh soal :

1. Probabilitas seorang ibu hamil menderita anemia adalah 0,4. pada suatu hari di Puskesmas
ABC dikunjungi 30 ibu hamil. Hitunglah probabilitas dari ibu hamil tersebut yang menderita
anemia:

a. Ibu hamil yang anemia kurang dari 10 orang

b. Ibu hamil yang anemia lebih dari 15 orang

Permasalahan tersebut dapat diselesaikan dengan distribusi normal atau memperlakukan distribusi
diskrit dengan distribusi kontinu. Distribusi normal mempunyai dua parameter yaitu mean dan standar
deviasi.

x̄ = np
n= 30 p= 0,4 q= 1-0,4 = 0,6

x̄= 30x0,4 = 12 S= √30x0,4x0,6 = 2,7

 a. P(x<10) ditransformasikan ke nilai

Untuk mencari probabilitas dilihat tabel Z didapat 0, 2703.

Jadi p(x<10) = 0,5-0,2703= 0,2297

b. P(x>15) ditransformasikan ke nilai Z,

Untuk mencari probabilitas dilihat tabel Z didapat 0,3665

Jadi P(x>15) = 0,5-0,3665= 0,1335