MAKALAH MATEMATIKA

“PELUANG, PELUANG BERSYARAT, DAN TEORI BAYES”

oleh:
SEPHRAM L. KAWULUSAN
NIM :1101103007

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SAM RATULANGI
MANADO
2020
 PELUANG, PELUANG BERSYARAT, DAN KAIDAH BAYES
1. Peluang
 Pengertian Peluang

Dalam ilmu matematika, peluang dianggap sebagai suatu probabilitas atau

kejadian dimana sebuah angka menunjukkan kemungkinan terjadinya suatu
kejadian. Nilai peluang ini berada diantara 0 sampai dengan 1.
Kejadian yang mempunyai nilai probabilitas 1 merupakan kejadian yang sudah
pasti terjadi atau sesuatu yang telah terjadi, contohnya adalah matahari terbit dari
timur. Sedangkan suatu kejadian yang nilai probabilitasnya 0 adalah sebuah kejadian
yang mustahil atau tidak mungkin terjadi, contohnya sepasang kambing melahirkan
seekor sapi.
Dalam matematika, peluang atau probabilitas atas suatu kejadian A terjadi
dilambangkan dengan notasi P(A).

 Rumus Peluang
n( A)
P ( A )=
n(S )
di mana
P(A) = Peluang Kejadian A
n(A) = Banyaknya Kejadian A
n(S) = Banyaknya seluruh kejadian atau Ruang Sampel

Ruang Sampel adalah banyaknya seluruh kejadian dari suatu percobaan yang
mungkin terjadi dan titik sampel adalah anggota dari ruang sampel.
Contoh :
- Dalam pelemparan sebuah uang logam terdapat angka dan gambar untuk titik
sampelnya sedangkan ruang sampelnya ada 2.
- Dalam pelemparan sebuah mata dadu, titik sampelnya adalah : 1,2,3,4,5,6 dan
jumlah ruang sampelnya adalah 6

 Kisaran Peluang
 Dalam suatu percobaan A, nilai-nilai peluang hasil percobaan A tersebut selalu
berada pada interval 0 sampai dengan 1 atau 0 ≤ P (A )≤ 1.
- Jika P(A) = 0, maka kejadian A disebut kemustahilan (tidak mungkin terjadi).
- Jika P(A) = 1, maka kejadian A disebut kepastian (pasti terjadi).

Dengan demikian, kisaran P(A) adalah 0 ≤ P (A )≤ 1.

 Kaidah Pencacahan (Couting Rules)

a. Aturan perAnda
Jika suatu keajdian pertama dapat terjadi dengan n1 cara, kejadian kedua
dapat terjadi dengan n2 cara, kejadian ketiga dapat terjadi dengan n3 cara,
dan seterusnya. Banyaknya cara kejadian tersebut terjadi dapat dirumuskan
sebagai berikut:

N=n1 × n2 × … ×nx

di mana

N = Banyaknya cara kejadian

n1 = Cara kejadian pertama

n2 = Cara kejadian kedua

nx = Cara kejadian ke-x

b. Faktorial
Faktorial adalah hasil kali bilangan asli berurutan dari n sampai dengan 1.
Faktorial dilambangkan dengan n! (dibaca “n faktorial”) dan didefinisikan
sebagai berikut.

n !=1× 2× … × ( n−2 ) × ( n−1 ) × n

dengan 0 !=1

 Permutasi
 Permutasi adalah susunan yang mungkin dari sejumlah unsur berbeda dengan
memperhatikan urutannya.

a. Permutasi dengan Unsur yang Berbeda

Banyaknya permutasi dari n unsur yang tersedia diambil r unsur dirumuskan
sebagai berikut.

di mana
n = Banyak unsur yang tersedia
r = Banyak unsur yang diambil

b. Permutasi dengan Beberapa Unsur Sama

Banyaknya permutasi n unsur yang memuat a, b, dan c unsur yang sama
dirumuskan sebagai berikut

di mana
P = Banyak permutasi
n = Banyak unsur seluruhnya
a,b,c = Unsur yang sama

c. Permutasi Siklis (Melingkar)

Permutasi siklis adalah banyaknya susunan melingkar dari n unsur yang
berbeda. Permutasi siklis dirumuskan sebagai berikut.
P=(n – 1)!
di mana
P = Banyaknya permutasi siklis
N = Banyaknya unsur

 Kombinasi
 Kombinasi r objek dari n objek adalah himpunan bagian r objek yang dapat
diambil dari n objek yang berlainan dengan urutan penyusunan objek tidak
diperhatikan. Kombinasi dilambangkan dengan nCr ,Cnr , C(n , r ).

a. Kombinasi dari Unsur yang Berbeda

Banyaknya kombinasi dari n unsur yang berbeda dengan setiap
pengambilan dengan r unsur dirumuskan sebagai berikut.

di mana
n = Banyak unsur yang tersedia
r = Banyak unsur yang diambil

 Frekuensi Harapan dan Frekuensi Relatif

Frekuensi Harapan adalah banyaknya suatu kejadian atau peristiwa yang

diharapkan terjadi dalam suatu percobaan atau eksprimen.
Rumus :
FH (A )=P( A)×n
di mana
FH(A) = Frekuensi harapan muncul kejadian A
P(A) = Peluang kejadian A
n = Banyaknya percobaan

Frekuensi Relatif Kejadian A dapat dirumuskan sebagai berikut:

FR( A)
Banyak percobaan

 Komplemen suatu Kejadian

A adalah kejadian pada sebuah ruang sampel sedangkan Ac adalah kejadian

bukan A yang juga terdapat pada ruang sampel tersebut. Hubungan antara kejadian
A dan kejadian bukan dirumuskan sebagai berikut.
 di mana
P( A) = Peluang kejadian A
P( A c ) = Peluang bukan kejadian A

 Peluang Kejadian Majemuk

a. Peluang dua kejadian tidak saling lepas

Misalkan A dan B masing-masing kejadian dalam ruang sampel S.

Gabungan kejadian Aatau B (dinotasikan A ∪B) adalah himpunan semua
titik sampel yang terdapat pada kejadian Aatau B atau keduanya. Jika A
dan B adalah dua kejadian yang tidak saling lepas maka berlaku :

b. Peluang Dua Kejadian Saling Lepas

Kejadian A dan B dikatakan saling lepas jika kejadian A dan B tidak dapat
terjadi bersama-sama atau A ∩ B=0 atau P ( A ∩ B ) =O. Jika A dan B
adalah dua kejadian yang saling lepas maka berlaku :

c. Dua Kejadian Saling Bebas

Kejadian A dan B dikatakan saling bebas jika kejadian A dan B tidak

saling memengaryhi. Artinya, terjadi atau tidak terjadinya kejadian A tidak
memengaruhi terjadi atau tidak terjadinya kejadian B. Jika A dan B adalah
dua kejadian yang saling bebas maka berlaku:

d. Dua Kejadian Tidak Saling Bebas (Bersyarat)

 Jika kejadian A dan B dapat terjadi bersama-sama, tetapi terjadi atau tidak
terjadinya kejadian A akan memengaruhi terjadi atau tidak terjadinya
kejadian B maka kejadian seperti ini dinamakan kejadian tidak saling
bebas atau kejadian bersyarat . Jika A dan B adalah kejadian bersyarat
maka berlaku:

 Contoh Soal
1) Satu buah dadu dilempar undi satu kali, peluang munculnya angka bilangan
prima yaitu…
Jawab:
Diketahui:
- Ruang sampel dadu adalah ( S )= {1 , 2 ,3 , 4 , 5 ,6 } maka n ( S )=6
- Muncul angka prima adalah ( K )={2, 3 , 5 } maka n(K )=3
Sehingga peluang munculnya angka bilangan prima adalah
n(K ) 3 1
P( K )= = =
n(S) 6 2
2) Suatu dadu dilempar sekali ke atas, maka hitunglah peluang munculnya mata
dadu lebih dari dua.
Jawab:
- Suatu dadu dilempar sekali, sehingga n(S)=6
- Apabila A={ mata dadu lebih dari sama dengan2 }
- Ac={ mata dadu kurang dari atau sama dengan 2 }={ 1 ,2 } , n( Ac)=2

¿ n( Ac) 2 1
P( Ac) = =
n(S) 6 3
Sehingga
P ( A )=1 – P ( Ac )
1 2
P ( A )=1 – =
3 3
2
Maka, peluang munculnya mata dadu lebih dari 2 yaitu .
3
2. Peluang Bersyarat
 Pengertian Peluang Bersyarat

Peluang kejadian bersyarat adalah peluang kejadian bergantung kepada

peluang kejadian yang lain. Probabilitas terjadinya suatu kejadian B bila diketahui
bahwa kejadian A telah terjadi disebut probabilitas bersyarat dan dinotasikan dengan
P(B∨ A) . Misalkan A dan B menyatakan dua kejadian dalam koleksi kejadian dalam
ruang sampel S, maka peluang bersyarat dari kejadian A bila diberikan kejadian B
dinotasikan dengan

P( A ∩ B)
P( A∨B)= ; P(B)> 0
P(B)
P( A ∪ B)
P( B∨ A)= ; P( A)>0
P (B)
P(( A ∪ B)∩C)
P( A U B∨C)=
P(C)

 Rumus

Peluang kejadian B dengan syarat A terjadi adalah

P( A ∩B)
P( B/ A)=
P(A )
di mana
P(B/ A) adalah peluang kejadian bersyarat B dengan syarat A terjadi,
P( A ∩ B) adalah peluang kejadian A irisan B dan
P(A) adalah peluang kejadian A

 Sifat – sifat

0 ≤ P (A∨B)≤ 1 →0 ≤ P( A ∩B) ≤ P (B)

P( A)
- Jika A ≤ B maka A ∩ B= Asehingga P( A∨B)=
P( B)
- Jika B ≤ A maka A ∩ B=B sehingga P( A∨B)=1

Maka
 P( A U B)=P(A∨B) P (B)=P( B∨A ) P( A)

 Contoh Soal :
1) Pengacakan orang dewasa yang telah tamat SMA di suatu kota kecil. Mereka
dikelompokkan menurut jenis kelamin dan status pekerjaan sebagai berikut

Bekerja Tak Bekerja

Lelaki 460 140
Wanita 40 260
Daerah tersebut akan dijadikan daerah pariwisata daan seseorang akan dipilih
secara acak untuk mempropagandakannya ke seluruh negeri.

Jawab :

Misalkan A = Lelaki yang terpilih sedangkan

Misalkan B = Orang yang terpilih dalam status bekerja.

P( A ∩ B)
P( A∨B)=
P(B)

460
900
¿
600
900

23
45
¿
2
3

23
¿
30

2) Di dalam sebuah kotak terdapat dua bola merah dan tiga bola putih. Jika
diambil dua bola satu persatu tanpa pengembalian, berapakah kemungkinan
terambilnya bola merah pada pengambilan pertama dan bola putih pada
pengambilan kedua?

Jawab:

- Jumlah bola di dalam kotak = 5

- Jumlah bola merah = 2
- Jumlah bola putih = 3.
Misalkan A kejadian terambilnya bola merah pada pengambian pertama,
maka
2
P ( A )= .
5
Misalkan B kejadian terambilnya bola putih pada pengambian kedua, maka
3
P ( B| A )= .
4
Maka, P( A dan B)=P( A ∩B)=P(A )× P (B∨ A)

2 3 3
¿ × =
5 4 10
3. Kaidah Bayes
 Pengertian Kaidah Bayes

Teorema Bayes adalah teorema yang digunakan untuk menghitung peluang

dalam suatu hipotesis. Teorema bayes dikenalkan oleh ilmuan yang bernama Bayes
yang ingin memastikan keberadaan Tuhan dengan mencari fakta di dunia yang
menunjukan keberadaan Tuhan. Bayes mencari fakta keberadaan tuhan didunia
kemudian mengubahnya dengan nilai Probabilitas yang akan dibandingkan dengan
nilai Probabilitas.
Teorema Bayes akhirnya dikembangkan dengan berbagai ilmu termasuk untuk
penyelesaian masalah sistem pakar dengan menetukan nilai probabilitas dari hipotesa
pakar dan nilai evidence yang didapatkan fakta yang didapat dari objek yang
diagnosa.
Dalam teori probabilitas dan statistika, teorema Bayes adalah sebuah teorema
dengan dua penafsiran berbeda. Dalam penafsiran Bayes, teorema ini menyatakan
seberapa jauh derajat kepercayaan subjektif harus berubah secara rasional ketika ada
petunjuk baru. Dalam penafsiran frekuentis teorema ini menjelaskan representasi
invers probabilitas dua kejadian. Teorema ini merupakan dasar dari statistika Bayes
dan memiliki penerapan dalam sains, rekayasa, ilmu ekonomi (terutama ilmu
ekonomi mikro), teori permainan, kedokteran dan hukum. Penerapan teorema Bayes
untuk memperbarui kepercayaan dinamakan inferens Bayes.
Misalkan kawan Anda bercerita dia bercakap-cakap akrab dengan seseorang
lain di atas kereta api. Tanpa informasi tambahan, peluang dia bercakap-cakap
dengan perempuan adalah 50%. Sekarang misalkan kawan Anda menyebut bahwa
orang lain di atas kereta api itu berambut panjang. Dari keterangan baru ini
tampaknya lebih bolehjadi kawan Anda bercakap-cakap dengan perempuan, karena
orang berambut panjang biasanya wanita. Teorema Bayes dapat digunakan untuk
menghitung besarnya peluang bahwa kawan Anda berbicara dengan seorang wanita,
bila diketahui berapa peluang seorang wanita berambut panjang.

Misalkan:
- W adalah kejadian percakapan dilakukan dengan seorang wanita.
- L adalah kejadian percakapan dilakukan dengan seorang berambut panjang
- M adalah kejadian percakapan dilakukan dengan seorang pria
 Kita dapat berasumsi bahwa wanita adalah setengah dari populasi. Artinya
peluang kawan Anda berbicara dengan wanita,
P(W )=0,5
Misalkan juga bahwa diketahui 75 persen wanita berambut panjang. Ini berarti
bila kita mengetahui bahwa seseorang adalah wanita, peluangnya berambut panjang
adalah 0,75. Kita melambangkannya sebagai:
P( L∨W )=0,75
Sebagai keterangan tambahan kita juga mengetahui bahwa peluang seorang
pria berambut panjang adalah 0,3. Dengan kata lain:
P ( L| M ) =0,3
Di sini kita mengasumsikan bahwa seseorang itu adalah pria atau wanita, atau
P(M) = 1 - P(W) = 0,5. Dengan kata lain M adalah kejadian komplemen dari W.

Tujuan kita adalah menghitung peluang seseorang itu adalah wanita bila
diketahui dia berambut panjang, atau dalam notasi yang kita gunakan, P(W ∨L).

 Kaidah Bayes

Teorema Bayes, diambil dari nama Rev. Thomas Bayes, menggambarkan

hubungan antara peluang bersyarat dari dua kejadian A dan B sebagai berikut:
P(A)
P ( A|B )=P ( B| A )
P( B)
atau
P (B∨ A) P( A)
P( A∨B)=
P(B∨A) P( A)+ P(B∨ A) P( A)
 Contoh Soal
1) Di sebuah negara, diketahui bahwa 2% dari penduduknya menderita sebuah
penyakit langka. 97% dari hasil tes klinik adalah positif bahwa seseorang
menderita penyakit itu. Ketika seseorang yang tidak menderita penyakit itu
dites dengan tes yang sama, 9% dari hasil tes memberikan hasil positif yang
salah.Jika sembarang orang dari negara itu mengambil test dan mendapat hasil
positif, berapakah peluang bahwa dia benar-benar menderita penyakit langka
itu?
 Jawab
- P (A) = 2%
- P (Ā) = 98%
- P (B | A) = 97%
- P (B | Ā) = 9%
- P (B∩A) = P (A) × P (B | A) = 2% × 97% = 0,0194
- P (B∩Ā) = P ( Ā) × P (B | Ā) = 98% × 9% = 0,0882
- P (Ƀ∩A) = P (A) × P (Ƀ | A) = 2% × 3% = 0,0006
- P(Ƀ∩Ā ) = P (Ā) × P (Ƀ | Ā) = 98% × 91% = 0,8918

P(A | B) = P(B ∩ A) / P(B) = P(B | A) × P(A) / P(B | A)P(A) + P(B | A)P(A)

= 97% × 2% / (97% × 2%) + (9% × 98%)
= 0.0194 / 0.0194 + 0.0882
= 0.0194 / 0.1076
P(A | B) = 0.1803
2) Suatu mata kuliah teori probabilitas diikuti oleh 50 mahasiswa tahun ke 1, 15
mahasiswa tahun ke 2 dan 10 mahasiswa tahun ke 3. Diketauhi mahasiswa
yang mendapatkan nilai A adalah 10 orang dari mahsiswa tahun ke 1, 8 orang
dari mahasiswa tahun ke 2 dan 5 orang mahasiswa tahun ke 3. Bila seorang
mahasiswa dipilih secara acak ,berapakah peluang dia;
a. Mendapatkan nilai A
b. Mahasiswa tahun ke 1 bila diketauhi dia mendapatkan A
Diketahui
1. Jumlah mahasiswa yang mengikuti mata kuliah teori proababilitas
adalah 75 orang
2. P(M1), atau peluang mahasiswa adalah mahasiswa tahun ke-1

50
yaitu
75
3. P(M2), atau peluang mahasiswa adalah mahasiswa tahun ke-2

15
yaitu
75
4. P(M3), atau peluang mahasiswa adalah mahasiswa tahun ke-3

10
yaitu
75
 5. P(A|M1) atau peluang mahasiswa tahun ke-1 yang mendapatkan

10
nilai A sebesa
50
6. P(A|M2) atau peluang mahasiswa tahun ke-2 yang mendapatkan

8
nulai A yaitu
15
7. P(A|M3) atau peluang mahasiswa tahun ke-3 yang mendapatkan

5
nulai A yaitu
10

Maka

a. P(A)= ∑ P( Mi)× P( A∨Mi)

=
( P( M 1) × P( A∨M 1)+ P(M 2)× P( A∨M 2)+ P( M 3) × P( A∨M 3))

50 10 15 8 10 5
=( × + × + × )
75 50 75 15 75 10

23
=
75

b. Mahasiswa tahun ke 1 bila diketauhi dia mendapatkan A

P ( M 1 ) x P ( A|M 1 )
P(M1|A) =
P(A)
50 10
×
75 50
=
23
75
10
=
23