Konsep-konsep Probabilitas
1. Padangan Klasik/Intuitif
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
b. Sebuah dadu untuk keluar mata “lima” saat pelemparan dadu tersebut didapatkan 1/6 (sebab
Sehingga, pendekatan didalam konsep klasik ini didapatkan rumus sebagai berikut:
P (E) = X/N
Diketahui: P= Probabilitas
E= Event (kejadian)
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).
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
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
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
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
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.
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:
2. Permukaan dadu
3. Kelahiran anak laku atau perempuan pada seorang ibu dengan kehamilan tunggal
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)
b. Non-mutually exclusive
Jika dua kejadian dapat terjadi secara bersama-sama tetapi tidak selalu bersama. Contoh
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
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
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
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
Jawab:
1 1 1
P(A ∩ 3) = × =
2 6 12
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.
Contoh soal:
a. Dua kartu ditarik dari satu set kartu bridge. Peluang untuk yang tertarik keduanya
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
Jawab:
4 3 1
P(A ∩ B) = P(A) × P(B | A) ×
52 51 221
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:
Dalil 2 (Permutasi)
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
Diketahui:
n3
r2
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)
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:
n3
r2
Jawab:
n!
nCr =
r!(n−r)!
3! 3 × 2 ×1
3C2 = = =3
2!(3−2)! 2×1×1
Distribusi Probabilitas
keadaan.
Bernaulli
2. Setiap eksperimen mempunyai dua hasil, yaitu sukses dan gagal. Contoh: laki-
Rumus :
𝒏!
P(x) = 𝒙!(𝒏−𝒙)!
× 𝒑𝒙 × 𝒒𝒏−𝒙
Keterangan:
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
Distribusi normal memudahkan untuk inferensi seberapa sering kejadian itu akan terjadi
Distribusi normal banyak digunakan dalam berbagai distribusi dalam statistika, dan
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
Kurva simetris yang terjadi pada sampel yang cukup besar, biasanya simetris dengan x tertentu
Untuk mengetahui probabilitasnya maka nilai yang akan dicari ditransformasikan dulu ke nilai
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.
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
= 0,5 + 0,4505
= 0, 9505
= 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
a. > 250 mg% b. < 200 mg% c. Antara 200 - 275 mg%
Jawab :
𝑋− 𝜇
Z =
𝜎
250−215
=
45
= 0,76
= 0,5 – 0,2764
= 0,2236
Peluang seorang yang kadar kolesterolnya lebih dari 250mg% adalah 0,2236
Jawab :
𝑋− 𝜇
Z =
𝜎
200−215
= 45
= - 0,33 (minus hanya untuk menentukan letak dan cara pembacaannya saja tidak
mempengaruhi jumlah)
= 0,5 – 0,1293
= 0,3707
Jadi, tidak ada peluang seorang yang kadar kolesterolnya kurang dari 200mg% adalah
0,3707
Jawab :
𝑋− 𝜇
Z1 = 𝜎
200−215
= 45
= - 0,33
𝑋− 𝜇
Z2 =
𝜎
275−215
= 45
= 1,33
= 0,1293
= 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:
𝜆𝑥 𝑒 −𝜆
𝑃(𝑋 = 𝑥) =
𝑋!
23 . 2,71828−2 8 . 2,71828−2
𝑃(𝑋 = 𝑥) =
3!
=
3. 2. 1
=
8
6 . 7,6
= 0,18 = 18%
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
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:
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