LECTURE NOTES

Statistics

Week 3
Introduction to Probability

STAT6111 - Statistic
 LEARNING OUTCOMES

1. Peserta diharapkan mampu menghitung pengukuran statistika.

2. Peserta diharapkan mampu menginterpretasikan hasil-hasil dari pengukuran statistika.

OUTLINE MATERI (Sub-Topic):

1. Pengertian Probabilitas
2. Ruang Sampel dan Kejadian
3. Probabilitas dari Kejadian dan Probabilitas Bersyarat
4. Teorema Bayes

STAT6111 - Statistic
 ISI MATERI

1. Pengertian Probabilitas
Terdapat dua macam pengertian probabilitas, yaitu pengertian secara matematis
(mathematical definition) dan pengertian secara empiris (empirical definition).

a. Pengertian probabilitas secara matematis

Misalkan suatu eksperimen yang dilakukan sebanyak N kali menghasilkan peristiwa A
sebanyak n kali, dan probabilitas terjadinya peristiwa A adalah P(A) = p, maka
probabilitas terjadinya peristiwa A menurut definisi ini dirumuskan sebagai :

n
P(A)  p
N

Misalkan suatu eksperimen acak menghasilkan keseluruhan peristiwa (event) yang

mungkin terjadi sebanyak N yang saling eksklusif (mutually exclusive). Dari keseluruhan
N peristiwa yang mungkin tersebut terdapat peristiwa A sebanyak n dan peristiwa bukan
A (A) sebanyak (N  n) maka probabilitas terjadinya peristiwa A adalah :
n Nn
P(A)  dan P(A) 
N N
N n
P(A)  
N N
P(A)  1  P(A)

b. Pengertian probabilitas secara empiris

Suatu N eksperimen menghasilkan peristiwa A sebanyak n dan misalkan probabilitas
terjadinya peristiwa A secara matematis adalah P(A) = p maka probabilitas A menurut
definisi empiris :
n
P(A)  lim p
N N

 Dengan kata lain bila suatu eksperimen dilakukan banyak sekali maka probabilitas suatu
peristiwa secara empiris akan mendekati peluangnya secara matematis.
 Misalkan sebuah koin yang bergambar Angka (A) dan bergambar Huruf (H) ditoss maka
probabilitas muncul muka P(A) menurut definisi matematis adalah P(A) = ½ . Dalam hal
ini, setiap pengundian koin tersebut akan ada keseluruhan peristiwa N = 2 yaitu peristiwa

STAT6111 - Statistic
 muncul A atau peristiwa muncul H, sedangkan hanya satu peristiwa muncul A berarti n =
1, sehingga P(M) = ½
 Akan tetapi jika koin tersebut ditoss sebanyak 100 kali berturut-turut, apakah jumlah
peristiwa A yang muncul akan ada sebanyak 50 ?
 Percobaan Bufon (Abad ke-18) mengundi koin sebanyak 4040 kali, ternyata jumlah
bagian muka (A) yang muncul sebanyak 2048 kali. Berarti P(M) = (2048/4040) = 0.5069
 Percobaan J.E. Kenik mengundi koin yang sama sebanyak 10 ribu kali, dan jumlah bagian
muka yang muncul sebanyak 5067 kali. Berarti P(M) = (5067/10000) = 0.5067
 Percobaan Pearson mengundi koin yang sama sebanyak 12 ribu kali, dan jumlah bagian
muka yang muncul sebanyak 6019 kali. Berarti P(M) = (6019/12000) = 0.5016

c. Aturan probabilitas
1. 0  P(A)  1, P(A) = 0 berarti peristiwa A pasti tidak terjadi. P(A) = 1 berarti peristiwa
A pasti terjadi.
2. Karena P(A) = n/N dan P(A') = (N  n)/N, maka P(A) + P(A') = 1

Dalam mempelajari probabilitas, ada dua kata kunci yang harus diketahui :
1. Ruang sampel (sample space)
2. Kejadian (event)

2. Ruang Sampel dan Kejadian

Suatu himpunan dan semua kemungkinan berhasil pada eksperimen random disebut
sebagai ruang sampel yang diberi notasi S. Setiap unsur dan suatu ruang sampel disebut
sebagai titik sampel.
Contoh 1: Di dalam melakukan undian suatu uang logam ada dua hasil kemungkinan, yaitu
terbuka bagian kepala yang disingkat K yang merupakan gambar garuda pancasila, dan
terbuka bagian ekor yang disingkat E. Ruang sampel dan eksperimen ini adalah S = {K, E}.
Contoh 2: Jika sebuah dadu dilemparkan maka akan menghasilkan kemungkinan salah satu
sisi akan terbuka, dan sisi-sisi yang berjumlah enam ,yaitu: sisi 1,2,3,4,5 dan 6. Dengan
demikian ruang sampelnya adalah S={l,2,3,4,5,6}

STAT6111 - Statistic
Sedangkan kejadian atau event adalah himpunan bagian dari ruang sampel.
Contoh 3: Dari sekumpulan 52 kartu bridge S : { sekop, klaver, hati, wajik }, kita hanya
tertarik pada kejadian A munculnya kartu yang berwarna merah. A : {hati, wajik }.

3. Probabilitas dari Kejadian dan Probabilitas Bersyarat

a. Peristiwa saling lepas (Mutually exclusive)
Dua peritiwa merupakan peristiwa yang Mutually Eclusive jika terjadinya peristiwa
yang satu menyebabkan tidak terjadinya peristiwa yang lain. Peristiwa tersebut tidak dapat
terjadi pada saat yang bersamaan, peristiwa saling asing.
Jika peristiwa A danb B saling lepas, probabilitas terjadinya peristiwa tersebut adalah
P ( A U B) = P (A) + P (B)

Contoh 4: Sebuah dadu dilemparkan ke atas, peristiwa-peristiwanya adalah :

A = peristiwa mata dadu 2 muncul
B = mata dadu lebih dari 4 muncul
Tentukan probabilitasnya dari kejadian P (A U B) :
P (A) = 1/6 dan P (B) = 2/6
P ( A U B ) = 1/6 + 2/6 = 3/6

b. Peristiwa Non Ecxclusive (Tidak saling lepas)

Dua peristiwa dikatakan non exclusive, bila dua peristiwa tidak saling lepas atau
kedua peristiwa atau lebih tersebut dapat terjadi bersamaan.

P (AUB) = P(A) + P(B) – P(A∩B)

Contoh 5: Setumpuk kartu bridge yang akan diambil salah satu kartu. Berapa probabilitasnya
adalah sekali pengambilan tersebut akan diperoleh kartu Ace atau kartu Diamont.
Misalkan : A = kartu Ace
D = kartu Diamont
Maka P(AUD) = P(A) + P(D) – P(A∩D)
= 4/52 + 13/52 – 1/52 = 16/52

STAT6111 - Statistic
Jika terdapat 3 peristiwa dirumuskan sebagai berikut :

P (AUBUC) = P(A) + P(B) + P(C) – P(A∩B)- P(A∩C) - P(B∩C) + P(A∩B∩C)

c. Peristiwa Independent (Bebas)

Peristiwa terjadi atau tidak terjadi tidak mempengaruhi dan tidak dipengaruhi
peristiwa lainnya. Apabila A dab B dua peristiwa yang Independent, maka probabilitas bahwa
keduanya akan terjadi bersama-sama dirumuskan sebagai berikut :
P (A∩B) = P(A) x P(B)

Contoh 6: Dari 100 barang yang diperiksa terdapat 30 barang rusak. Berapa probabilitasnya
dalam :
a. tiga kali pengambilan terdapat rusak 1
Misalkan A = bagus
B = rusak
Maka P(A) = 0,70 P(B) = 0,30
a. K3 = 3
1

= P(A ∩A∩B) U P(A ∩B∩A) P(B ∩A∩A)

= 0,70 x 0,70 x 0,30 atau 0,70 x 0,30 x 0,70 atau 0,30 x 0,70 x 0,70
= 0,147 + 0,147 + 0,147 = 0,441

d. Peristiwa Dependent (Bersyarat)

Terjadi jika peristiwa yang satu mempengaruhi atau merupakan syarat terjadinya
peristiwa yang lain. Probabilitas bahwa B akan terjadi bila diketahui bahwa A telah terjadi
ditulis adalah :
P( B/A)
Dengan demikian probabilitas bahwa A dan B akan terjadi dirumuskan sebagai berikut :
P(A∩B) = P(A) x P(B/A)
Sedang probabilitas A akan terjadi jika diketahui bahwa B telah terjadi ditulis :
P (A/B)

STAT6111 - Statistic
Maka probabilitas B dan A akan terjadi dirumuskan sebagai berikut :
P (A∩B) = P(B) x P(A/B)

Contoh 7: Dua buah tas berisi sejumlah bola. Tas pertama berisi 4 bola putih dan 2 bola
hitam. Tas kedua berisi 3 bola putih dan 5 bola hitam. Jika sebuah bola diambil dari masing-
masing tas tersebut, hitunglah probabilitasnya bahwa :
a. Keduanya bola putih
b. Keduanya bola hitam

Jawab :
a. Misalnya A1 menunjukkan peristiwa terambilnya bola putih dari tas pertama dan A2
menunjukkan peristiwa terambilnya bola putih di tas kedua, maka :
P(A1 ∩A2) = P(A1) x P(A2/A1) = 4/6 X 3/8 = 1/4

b. Misalnya A1 menunjukkan peristiwa tidak terambilnya bola putih dari tas pertama (berarti
terambilnya bola hitam) dan A2 menunjukkan peristiwa tidak terambilnya bola putih dari
tas kedua (berarti terambilnya bola hitam) maka :
P(A1∩A2) = P(A1) x P(A2/A1) = 2/6 x 5/8 = 10/48 = 5/24

4. Teorema Bayes

Keterangan :
p(Hi | E) = probabilitas hipotesis Hi benar jika diberikan evidence (fakta) E
p( E | Hi) = probabilitas munculnya evidence (fakta) E jika diketahui hipotesis Hi benar
p(Hi) = probabilitas hipotesis Hi (menurut hasil sebelumnya) tanpa memandang evidence
(fakta) apapun
n = jumlah hipotesis yang mungkin

STAT6111 - Statistic
Contoh 8 :
Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena
cacar dengan :
 probabilitas munculnya bintik-bintik di wajah, jika Asih terkena cacar  p(bintik2|cacar)
= 0,8
 probabilitas Asih terkena cacar tanpa memandang gejala apapun  p(cacar) = 0,4
 probabilitas munculnya bintik-bintik di wajah, jika Asih terkena alergi 
p(bintik2|alergi) = 0,3
 probabilitas Asih terkena alergi tanpa memandang gejala apapun  p(alergi) = 0,7
 probabilitas munculnya bintik-bintik di wajah, jika Asih jerawatan 
p(bintik2|jerawatan) = 0,9
 probabilitas Asih jerawatan tanpa memandang gejala apapun  p(jerawatan) = 0,5

Maka :

 Probabilitas Asih terkena cacar karena ada bintik-bintik di wajahnya :

 Probabilitas Asih terkena alergi karena ada bintik-bintik di wajahnya :

STAT6111 - Statistic
 Probabilitas Asih jerawatan karena ada bintik-bintik di wajahnya :

Jika setelah dilakukan pengujian terhadap hipotesis muncul satu atau lebih evidence (fakta)
atau observasi baru maka :

Keterangan :
e = evidence lama
E = evidence atau observasi baru
p(H|E,e) = probabilitas hipotesis H benar jika muncul evidence baru E dari evidence lama e
p(H|E) = probabilitas hipotesis H benar jika diberikan evidence E
p(e|E,H)= kaitan antara e dan E jika hipotesis benar
P(e|E) = kaitan antara e dan E tanpa memandang hipotesis apapun

Misal :

 Adanya bintik-bintik di wajah merupakan gejala seseorang terkena cacar. Observasi baru
menunjukkan bahwa selain bintik-bintik di wajah, panas badan juga merupakan gejala
orang kena acar. Jadi antara munculnya bintik-bintik di wajah dan panas badan juga
memiliki keterkaitan satu sama lain.

Sumber :
http://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0CB0QFjAA&url=http%3A%2F%2
Flily.staff.gunadarma.ac.id%2FDownloads%2Ffiles%2F19528%2FKetidakpastian.doc&ei=n3i3VIK1H9WLuwSj84CICQ&usg=AFQj
CNG0zg3eADmUVY0jnYa_KZGE320qOw&bvm=bv.83640239,d.c2E

STAT6111 - Statistic
 Asih ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar dengan
probabilitas terkena cacar bila ada bintik-bintik di wajah  p(cacar|bintik2) = 0,8

 Ada observasi bahwa orang terkena cacar pasti mengalami panas badan. Jika diketahui
probabilitas orang terkena cacar bila panas badan  p(cacar|panas ) = 0,5

 Keterkaitan antara adanya bintik-bintik di wajah dan panas badan bila seseorang terkena
cacar  p(bintik2|panas, cacar) = 0,4

 Keterkaitan antara adanya bintik-bintik di wajah dan panas badan  p(bintik2|panas) =

0,6
Maka :

STAT6111 - Statistic
 SIMPULAN

Terdapat dua macam pengertian probabilitas, yaitu pengertian secara matematis

(mathematical definition) dan pengertian secara empiris (empirical definition). Secara
matematis, misalkan suatu eksperimen yang dilakukan sebanyak N kali menghasilkan
peristiwa A sebanyak n kali, dan probabilitas terjadinya peristiwa A adalah P(A) = p, maka
n
probabilitas terjadinya peristiwa A menurut definisi ini dirumuskan sebagai : P(A)  p
N
Sedangkan secara empiris, misalkan suatu N eksperimen menghasilkan peristiwa A sebanyak
n dan misalkan probabilitas terjadinya peristiwa A secara matematis adalah P(A) = p maka
n
probabilitas A menurut definisi empiris : P(A)  lim p
N N

Beberapa aturan probabilitas antara lain :

1. 0  P(A)  1, P(A) = 0 berarti peristiwa A pasti tidak terjadi. P(A) = 1 berarti peristiwa A
pasti terjadi.
2. Karena P(A) = n/N dan P(A') = (N  n)/N, maka P(A) + P(A') = 1

STAT6111 - Statistic
 DAFTAR PUSTAKA

1. Anderson, David R., Sweeney, Dennis J., Williams, Thomas A. (2011). Statistics for
Business and Economics. 11th Edition. Cengage Learning. USA. ISBN: 978-
0538481649.

2. http://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&u
act=8&ved=0CB0QFjAA&url=http%3A%2F%2Flily.staff.gunadarma.ac.id%2FDow
nloads%2Ffiles%2F19528%2FKetidakpastian.doc&ei=n3i3VIK1H9WLuwSj84CICQ
&usg=AFQjCNG0zg3eADmUVY0jnYa_KZGE320qOw&bvm=bv.83640239,d.c2E

STAT6111 - Statistic