PENDAHULUAN
Baik di dalam dunia engineering, ekonomi, sosial budaya maupun dunia teoritis (termasuk dunia
komputer tentunya), kita sering menghadapi suatu yang sering disebut sebagai “ketidakpastian”.
Ketidakpastian terjadi akibat keterbatsan manusia itu sendiri di dalam dunianya dalam
mengukur/menghitung/menalar/melamar sesuatu hal yang lebih baik yang akan datang maupun yang
ada di depan mata, termasuk yang telah terjadi.
Sudah sejak awal dari awal zaman, ketidakpastian diantisipasi manusia dengan berbagai cara. Ada yang
bersifat prophecy dan supranatural, ada pula yang lebih rasional dengan mempelajari periodisitas
(pengulangan) gejala alam untuk mengurangi tingkat ketidakpastian itu hingga sampai ke tingkat yang
lebih manageble. Namun, ketidakpastian itu tetap mewarnai kehidupan manusia karena ketidakpastian
itu mungkin menjadi faktor pemicu dinamika roda kehidupan itu sendiri. Dengan kata lain, walau
ketidakpastian itu seringkali menjadi sumber kesulitan, tetapi juga sekaligus merupakan blessing.
Teori probabilitas bisa dikatakan merupakan salah satu ilmu untuk “mengukur” ketidakpastian hingga ke
tingkat yang lebih manageble dan predictable. Teori probabilitas digunakan bukan hanya untuk hal-hal
yang praktis, bahkan juga untuk hal-hal yang teoritis ketika model-model matematis tidak dapat lagi
disusun secara komprehensif untuk memecahkan suatu masalah. Apalagi dunia engineering yang pada
umumnya memerlukan pertimbangan yang lebih singkat dan pragmatis sangat mengandalkan konsep-
konsep di dalam teori probabilitas.
Metode statistika adalah “muka” dari teori probabilitas. Metode statistika digunakan untuk melakukan
pengukuran kuantitatif yang aproksimatif akan suatu hal. Konsep metodologis yang digunakan di dalam
metode statistika dikembangkan berdasarkan teori probabilitas. Dalam penggunaannya, hasil
pengukuran statistika sudah dapat dianggap memadai. Namun, untuk memahami apa yang ada di balik
angka-angka hasil perhitungan statistika tersebut memerlukan pemahaman mengenai model
probabilitas yang digunakannya, yang artinya perlu kembali ke teori probabilitas. Tanpa pemahaman
tersebut, seringkali statistika digunakan untuk melegitimasi suatu 1kebohongan (dikenal sebagai
kebohongan statistika) ketika statistika digunakan sementara model dasar probabilitas yang terkait tidak
sesuai atau relevan dengan situasi yang sebenarnya.
Simulasi dan teori antrian dapat dikatakan juga sebagi turunan dan teori probabilitas. Dengan simulasi
maka perilaku suatu sistem atau rancangan dapat dipelajari. Teori probabilitas digunakan dalam
menentukan perilaku secara lebih kuantitatif dari apa yang disimulasikan. Teori antrian merupakan hasil
pengembangan lanjutan konsep probabilitas dan di dalamnya masih berbicara mengenai model-model
probabilitas.
Namun, kembali ke pembicaraan awal, yaitu bahwa probabilitas hanyalah suatu sistematika ilmu untuk
mempelajari ketidakpastian. Seakurat-akuratnya model probabilitas yang digunakan, tetap saja
ketidakpastian itu masih ada walau dengan kadar yang amat tipis. Dan ketidakpastian yang tipis itu pada
gilirannya dapat menghasilkan hasil yang ekstrim. Jadi penting bagi kita memahami apa yang bisa
diberikan oleh teori probabilitas dan turunan-turunannya. Dalam statistik probabilitas dikenal dengan
distribusi.
Salah satu jenis distribusi variabel random diskrit yang paling sederhana adalah distribusi binomial.
Distribusi Binomial adalah distribusi untuk proses Bernoulli. Distribusi ini dikemukakan pertama kali oleh
seorang ahli matematika bangsa Swiss yang bernama J. Bernoulli (1654-1705)2
Berdasarkan latar belakang masalah tersebut di atas, maka masalah pokok yang
1.3 Tujuan
Tujuan pembuatan makalah ini selain untuk melengkapi tugas mata kuliah. Probabilitas dan Statistika,
yaitu untuk mengetahui probabilitas lebih jauh, mulai dari cara menghitungnya, dan memahami konsep
distribusi binomial yang merupakan bagian dari probabilitas itu sendiri.2
BAB II
PEMBAHASAN
Dalam kehidupan sehari-hari kita sering dihadapkan dengan beberapa pilihan yang harus kita tentukan
memilih yang mana. Biasanya kita dihadapkan dengan kemungkinan-kemungkinan suatu kejadian yang
mungkin terjadi dan kita harus pintar-pintar mengambil sikap jika menemukan keadaan seperti ini,
misalkan saja pada saat kita ingin bepergian, kita melihat langit terlihat mendung. Dalam keadaaan ini
kita dihadapkan antara 2 permasalahan, yaitu kemungkinan terjadinya hujan serta kemungkinan langit
hanya mendung saja dan tidak akan turunnya hujan. Statistic yang membantu permasalahan dalam hal
ini adalah probabilitas. Probabilitas didifinisikan sebagai peluang atau kemungkinan suatu kejadian,
suatu ukuran tentang kemungkinan atau derajat ketidakpastian suatu peristiwa (event) yang akan terjadi
di masa mendatang. Rentangan probabilitas antara 0 sampai dengan 1. Jika kita mengatakan probabilitas
sebuah peristiwa adalah 0, maka peristiwa tersebut tidak mungkin terjadi. Dan jika kita mengatakan
bahwa probabilitas sebuah peristiwa adalah 1 maka peristiwa tersebut pasti terjadi. Serta jumlah antara
peluang suatu kejadian yang mungkin terjadi dan peluang suatu kejadian yang mungkin tidak terjadi
adalah satu, jika kejadian tersebut hanya memiliki 2 kemungkinan kejadian yang mungkin akan terjadi.
Contoh: Ketika David ingin pergi kerumah temannya, dia melihat langit dalam keadaan mendung, awan
berubah warna menjadi gelap, angin lebih kencang dari biasanya seta sinar matahari tidak seterang
biasanya. Bagaimanakah tindakan David sebaiknya?
Ketika David melihat keadaan seperti itu, maka sejenak dia berpikir untuk membatalkan niatnya pergi
kerumah temannya. Ini dikarenakan dia berhipotesis bahwa sebentar lagi akan turun hujan dan kecil
kemungkinan bahwa hari ini akan tidak hujan, mengingat gejala-gejala alam yang mulai nampak.
Probabilitas dalam cerita tadi adalah peluang kemungkinan turunnya hujan dan peluang tidak turunnya
hujan.
Manfaat probabilitas dalam kehidupan sehari-hari adalah membantu kita dalam mengambil suatu
keputusan, serta meramalkan kejadian yang mungkin terjadi. Jika kita tinjau pada saat kita melakukan
penelitian, probabilitas memiliki beberapa fungsi antara lain:
1. Membantu peneliti dalam pengambilan keputusan yang lebih tepat. Pengambilan keputusan
yang lebih tepat dimaksudkan tidak ada keputusan yang sudah pasti karena kehidupan
mendatang tidak ada yang pasti kita ketahui dari sekarang, karena informasi yang didapat
tidaklah sempurna.
2. Dengan teori probabilitas kita dapat menarik kesimpulan secara tepat atas hipotesis yang terkait
tentang karakteristik populasi. Menarik kesimpulan secara tepat atas hipotesis (perkiraan
sementara yang belum teruji kebenarannya) yang terkait tentang karakteristik populasi pada
situasi ini kita hanya mengambil atau menarik kesimpulan dari hipotesis bukan berarti kejadian
yang akan datang kita sudah ketehaui apa yang akan tertjadi.p
3. Mengukur derajat ketidakpastian dari analisis sampel hasil penelitian dari suatu populasi.
Contoh:
Ketika diadakannya sensus penduduk 2000, pemerintah mendapatkan data perbandingan antara jumlah
penduduk berjenis kelamin laki-laki berbanding jumlah penduduk berjenis kelamin perempuan adalah
memiliki perbandingan 5:6, sedangkan hasil sensus pada tahun 2010 menunjukan hasil perbandingan
jumlah penduduk berjenis kelamin pria berbanding jumlah penduduk berjenis kelamin wanita adalah
5:7. Maka pemerintah dapat mengambil keputusan bahwa setiap tahunnya dari tahun 2000 hingga 2010
jumlah wanita berkembang lebih pesat daripada jumlah penduduk pria.4
Jika tadi kita hanya memperhatikan peluang suatu kejadian secara kualitatif, hanya memperhatikan
apakah kejadian tersebut memiliki peluang besar akan terjadi atau tidak. Disini kita akan membahas nilai
dari probabilitas suatu kejadian secara kuantitatif. Kita bisa melihat apakah suatu kejadian berpotensi
terjadi ataukah tidak. Misalkan kita memiliki sebuah koin yang memiliki muka gambar dan angka,jika koin
tersebut kita lemparkan keatas secara sembarang, maka kita memiliki 2 pilihan yang sama besar dan kuat
yaitu peluang munculnya angka dan peluang munculnya gambar. Jika kita perhatikan secara seksaama,
pada satu koin hanya terdiri dari satu muka gambar dan satu muka angka, maka peluang munculnya
angka dan gambar adalah sama kuat yaitu ½. 1 menyatakan hanya satu dari muka pada koin yang
mungkin muncul, entah itu gambar maupun angka sedangkan 2 menyatakan banyaknya kejadian yang
mungkin terjadi pada pelemparan koin, yaitu munculnya gambar + munculnya angka. Jika kita berbicara
tidak lagi 2 kejadian yaitu menyangkut banyak kejadian yang mungkin terjadi, mengingat dan dari hasil
pengumpulan dan penelitian data diperoleh suatu rumus sebagai berikut. Jika terdapat N peristiwa, dan
nA dari N peristiwa tersebut membentuk kejadian A, maka probabilitas A adalah :
P(A) = nA / N
Dimana: n= banyaknya kejadian
Contoh 1:
Suatu mata uang logam yang masing-masing sisinya berisi gambar dan angka dilemparkan secara bebas
sebanyak 1 kali. Berapakah probabilitas munculnya gambar atau angka?
Jawab :
n=1; N=2
Dapat disimpulkan peluang munculnya gambar atau angka adalah sama besar.
Contoh 2:
Berapa peluang munculnya dadu mata satu pada satu kali pelemparan? Jika kita tinjau pada sebuah dadu
hanya memiliki 1 buah mata dadu bermata 1, sedangkan pada dadu terdapat 6 mata yaitu mata 1
sampai mata 6.5
Maka
P(A) = n / N =1 / 6
a) Jika n = 0 makka peluang terjadinya suatu kejadian pada keadaan ini adalah sebesar P(A) = 0 atau
tidak mungkin terjadi.
b) Jika n merupakan semua anggota N maka probabilitasnya adalah satu, atau kejadian tersebut
pasti akan terjadi.
c) Probabilitas suatu kejadian memiliki rentangan nilai.
d) Jika E menyatakan bukan peristiwa E maka berlaku.
Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan bilamana suatu proses
sampling dapat diasumsikan sesuai dengan proses Bernoulli. Misalnya, dalam perlemparan sekeping
uang logam sebanyak 5 kali, hasil setiap ulangan mungkin muncul sisi gambar atau sisi angka. Begitu
pula, bila kartu diambil berturut-turut, kita dapat memberi label “berhasil” bila kartu yang terambil
adalah kartu merah atau “gagal” bila yang terambil adalah kartu hitam. Ulangan-ulangan tersebut
bersifat bebas dan peluang keberhasilan setiap ulangan tetap sama,taitu sebasar ½..(Ronald E. Walpole).
2.5 Ciri-ciri Distribusi Binomial.
Distribusi Binomial dapat diterapkan pada peristiwa yang memiliki ciri-ciri percobaan Binomial atau
Bernoulli trial sebagai berikut :
1. Setiap percobaan hanya mempunyai 2 (dua) kemungkinan hasil: sukses (hasil yang dikehendaki)
dan gagal (hasil yang tidak dikehendaki).
2. Setiap percobaan beersifat independen atau dengan pengembalian.
3. Probabilita sukses setiap percobaan harus sama, dinyatakan dengan p. Sedangkan probabilita
gagal dinyatakan dengan q, dan jumlah p dan q harus sama dengan satu.
1. Jumlah pertanyaan dimana anda dapat mengharapkan bahwa terkaan anda benar dalam ujian
pilihan ganda.
2. Jumlah asuransi kecelakaan yang harus dibayar oleh perusahaan asuransi.
3. Jumlah lemparan bebas yang dilakukan oleh pemain basket selama satu musim6
Keterangan:
x = 0,1,2,3,…,n
n = banyaknya ulangan
Jawab :
Diketahui n = 5;
Ditanyatakan:
p=0,15;
= 0,5562
p=0,25
d) Ada 2 sampai 4 yang menyatakan puas (x ≤ 2 x≤ 4)
P=0,40;
1. Sebanyak paling banyak 2 dari 5 orang dengan jumlah 0.94208 atau 94,28% yang menyatakan
sangat puas adalah sangat besar.
2. Paling sedikit 1 dari 5 orang (berarti semuanya) dengan jumlah 0,5563 atau 55,63% yang
menyatakan kurang puas dapat dikatakan cukup besar (karena lebih dari 50%).
3. Tepat 2 dari 5 orang yang menyatakan biasa saja dengan jumlah 0,2637 atau 26,37% adalah kecil
(karena dibawah 50%).
4. Ada 2 sampai 4 yang menyatakan puas dengan jumlah 0,6528% atau 65,28% dapat dikatakan
cukup besar.
Analisis keseluruhan :
1. Persentase
Jika diambil persentase terbesar tanpa memperhatikan jumlah X, maka persentase terbesar ada
di point pertama (a) yaitu 94,28% yang menyatakan sangat puas. Hal tersebut menandakan
banyak turis manca negara yang sangat menyukai Indonesia.
2. Nilai x
Jika dilihat dari jumlah x, maka perlu diperhatikan point kedua (b). Jumlah x adalah paling sedikit
1 dari 5 orang (berarti x>=1) yaitu 55,63% yang menyatakan kurang puas.Hal tersebut berarti
kelima (semua) turis manca negara kurang puas terhadap kunjungannya ke Indonesia
3.1 Kesimpulan
Dari uraian di atas dapat disimpulkan bahwa probabilitas sangatlah membantu manusia dalam
mengambil sebuah keputusan. Misalkan untuk memperkirakan apakah peluang lebih banyak gagal atatu
sukses dari sebuah usaha. Distribusi binomial merupakan suatu performans dari suatu percobaan,
percobaan itu hanya memiliki dua macam k