PROBABILITA

Modul Diklat Fungsional Statistisi Tingkat Ahli
PROBABILITA
Probabilita |i
DAFTAR ISI
DAFTAR ISI ............................................................................................................ i
DAFTAR GAMBAR ............................................................................................. iii
Tujuan Pembelajaran ................................................................................................v

Tujuan Pembelajaran Umum..............................................................................v
Tujuan Pembelajaran Khusus .............................................................................v
Bab I Pengantar Probabilita ....................................................................................1

1.1 Pengertian Istilah ..........................................................................................1
1.2 Ketentuan Umum Probabilita.......................................................................4
1.3 Teori Himpunan/Set .........................................................................7
Bab II Permutasi dan Kombinasi ...........................................................................14

2.1 Prinsip Perkalian ........................................................................................14
2.2 Permutasi (P) ..............................................................................................15
2.3 Kombinasi (C) ............................................................................................17
Bab III Probabilita Bersyarat .................................................................................22

3.1 Kejadian Bebas...........................................................................................23
3.2 Kejadian Tidak Bebas ................................................................................25
Bab IV Distribusi Probabilita .................................................................................31

4.1 Variabel Random Diskrit ...........................................................................32
4.2 Variabel Random Kontinu .........................................................................34
4.3 Distribusi Kumulatif F(x)...........................................................................37
Bab V Distribusi Teoritis .......................................................................................27

5.1 Distribusi Binomial ....................................................................................27
5.2 Distribusi Normal .......................................................................................30
Bab VI Nilai Harapan............................................................................................42

6.1 Rata-rata Peubah Acak ..............................................................................42
6.2 Varian .........................................................................................................45
Soal dan Pembahasan .............................................................................................54

Latihan..............................................................................................................55
Jawaban ............................................................................................................59
DAFTAR PUSTAKA ............................................................................................81
Lampiran 1 .............................................................................................................83
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik

Probabilita | iii
DAFTAR GAMBAR
Gambar 1. Diagram Venn Gabungan .......................................................................8
Gambar 2. Diagram Venn Irisan ..............................................................................8
Gambar 3. Diagram Venn Komplemen ...................................................................9
Gambar 4. Diagram Venn Himpunan Bagian ..........................................................9
Gambar 5. Diagram Batang Distribusi Probabilita ................................................17
Gambar 6. P( a < X < b).........................................................................................20
Gambar 7. Luas Kurva Normal ..............................................................................31
Gambar 8. Luas Kurva Normal Standar.................................................................31
Gambar 9. Luas P(0 < Z < 1,34) ............................................................................32
Gambar 10.Luas P(-1,34 < Z < 1,34) .....................................................................33
Gambar 11.Luas P(Z > 1,34) .................................................................................33
Gambar 12.Luas P(1,5 < Z < 2,5) ..........................................................................33
Gambar 13.Luas P(-1,5 < Z < 0,5) .........................................................................34

iv | P r o b a b i l i t a

Probabilita |v
Tujuan Pembelajaran
Tujuan Pembelajaran Umum

Setelah mempelajari modul ini diharapkan anda dapat menjelaskan
konsep dan penghitungan probabilita secara sederhana. Materi yang
akan dibahas meliputi definisi probabilita, ruang sampel, peristiwa,
teori himpunan, probabilita sebagai suatu peristiwa, penghitungan
probabilita kombinasi/permutasi, dan distribusi probabilita.
Tujuan Pembelajaran Khusus

Setelah mempelajari modul ini diharapkan dapat memahami:
1. Definisi probabilita, ruang sampel, peristiwa,
2. Teori himpunan,
3. Distribusi Probabilita,
4. Penghitungan probabilita kombinasi/permutasi, dan
5. Distribusi Teoritis.

Probabilita |1
Bab I Pengantar Probabilita
Dalam modul ini kita akan pelajari teori probabilita yang merupakan
dasar berpikir dalam statistik inferensia.Teori probabilita termasuk
dalam bidang eksakta (matematik) dan bersifat sangat teoritis. Materi
ini cukup sukar, karena itu kita harus benar-benar menekuninya.
Materi ini membantu melihat dan menilai karakteristik pokok

sekumpulan data serta melakukan analisis agar dapat menyerap
informasi yang terkandung didalam sampel data dan mengambil
kesimpulan terhadap populasi yang merupakan asal-usul sampel
tersebut. Dasar logika dalam proses pengambilan
kesimpulan/inferensia statistik tentang suatu populasi dengan analisis
data sampel adalah teori probabilitas.
Modul ini memuat konsep dasar probabilita yang akan sangat berguna
untuk mempelajari metode statistikinferensia dalam statistik lanjutan
(modul-modul lanjutan).
1.1 Pengertian Istilah
Probabilita berasal dari bahasa Inggris yakni “probability” yang

artinya probabilita/kemungkinan. Sebagai contoh, "probabilita saya
dalam mendapatkan barang cacat dari suatu kotak adalahkecil"; "tidak
ada probabilita untuk mendapat hadiah undian", dan sebagainya.
Dalam materi ini akan diuraikan pengertian probabilita dan beberapa
cara menghitung probabilita.
Probabilita adalah harapan terjadinya suatu kejadian yang

dikuantitatifkan.Probabilita berhubungan dengan kesempatan atau
kemungkinan.Nilainya antara 0 dan 1.Misalnya, probabilita yang
rendah menunjukkan kemungkinannya kecil bahwa peristiwa itu akan
terjadi. Probabilita yang besar artinya kesempatan atau kemungkinan
terjadinya besar. Kejadian yang mempunyai nilai probabilitas 1 adalah
kejadian yang pasti terjadi atau sesuatu yang telah terjadi. Sedangkan
suatu kejadian yang mempunyai nilai probabilitas 0 adalah kejadian
yang mustahil atau tidak mungkin terjadi. Konsep probabilita
berhubungan dengan pengertian bahwa terjadinya suatu peristiwa
acak.
Secara definisi probabilita dibagi menjadi tiga bagian:

2|P robabilita
Definisi Klasik
Probabilita dapat ditentukan sebelum percobaan dilakukan. Jika

suatu percobaan mempunyai k hasil percobaan yang berbeda dan
masing-masing mempunyai kemungkinan yang sama untuk terjadi
maka:
• Probabilita masing-masing kejadian tersebut adalah 1/k
• Probabilita kejadian E = P(E) = m/k dimana m adalah

hasil percobaan yang menyusun kejadian tersebut.
Definisi Modern/Frekuensi Relatif
Lim ne
Probabilita kejadian E = P(E) = dimana ne = jumlah
n→∞ n
kejadian E dalam percobaan.
Definisi Subjektif
Probabilita yang disampaikan oleh para pakar (experts).
Dari definisi ini jelas bahwa yang dihitung probabilitanya adalah

kejadian yang terjadinya secara acak atau kebetulan. Simbol untuk
probabilita biasanya P, sedangkan simbol untuk kejadian adalah huruf
besar lain seperti A, B, C, dsb.
Jadi P(A) berarti besarnya probabilita bahwa peristiwa A akan terjadi.
Eksperimen/percobaan adalah suatu proses untuk memperoleh hasil

pengamatan dari suatu fenomena. Pengertian ini umum, bisa untuk
eksperimen saintifik (biologi, kimia, dsb.) atau permainan probabilita
(judi dsb.). Dalam statistik yang dibahas adalah eksperimen acak dan
hasilnya hasilnya tidak pasti.
Contoh:
Pelemparan sebuah mata uang logam untuk memperoleh muka apa
yang muncul: M=Muka (gambar) atau B=Belakang (bukan
gambar/angka).
Ruang Sampel adalah himpunan seluruh kemungkinanhasil dari suatu

eksperimen (himpunan yang dapat beranggotakan 0 hingga tak
berhingga). Simbol ruang sampel: S. Sebagaimana dalam himpunan,
ruang sampel dapat beranggota tertentu (countably) atau tak terbatas
(uncountably). Ruang sampel dapat memiliki outcome-outcome
berharga diskret atau kontinu.
Contoh:
Eksperimen : melantunkan sebuah dadu. Bila yang diselidiki adalah
nomor yang muncul di sebelah atas maka ruang sampelnya : S = {1, 2,
3, 4, 5, 6}.

Probabilita |3
Ingat:hanya satu dari seluruh kemungkinan hasil dalam ruang sampel

yang benar-benar terjadi dalam suatu eksperimen.
Hasil(outcome) adalah suatu hasil dari sebuah percobaan.
Kejadian/peristiwa(event) adalah himpunan bagian dari ruang

sampel. Kejadian dapat dibedakan menjadi 2 macam yaitu kejadian
sederhana dan kejadian majemuk/komposit. Kejadian sederhana
adalah kejadian yang hanya memuat satu titik contoh. Kejadian
Majemuk adalah kejadian yang memuat lebih dari satu titik contoh.
Contoh:
Bila diketahui ruang sampel S = {t | t ≥ 0}, disini t menyatakan usia
dalam tahun suatu komponen mesin tertentu, maka kejadian A bahwa
komponen akan rusak sebelum akhir tahun kelima adalah A = { t | 0 ≤
t< 5}
Titik sampel adalah elemen suatu ruang sampel.
Contoh 1:
Eksperimen: Pelambungan uang logam 2 kali,
S = {MM, MB, BM, BB}. Sekarang definisikan 3 peristiwa sbb.:
X = peristiwa mendapatkan 1 M (gambar) --->X = {MB, BM}
Y = peristiwa mendapatkan 2 M (gambar) --->Y = {MM}
Z = peristiwa mendapatkan paling sedikit 1B -->Z= {BM,MB,BB}
X mengandung 2 hasil yang berbeda:
- MB mendapat gambar pada lambungan I dan bukan gambar atau
angka pada lambungan II.
- BM mendapat bukan gambar atau angka pada lambungan I dan
gambar pada lambungan II.
Contoh 2:
Percobaan/kegiatan Pertandingan sepak bola Persija vs PSIS di
Stadion Senayan pada tanggal 15 November
2010
Kemungkinan hasil Persija menang
Persija kalah
Seri -> Persija tidak kalah dan tidak menang
Peristiwa Persija menang
Kejadian elementer adalah kejadian yang hanya mengandung satu

hasil/titik sampel. Jadi kejadian Y pada contoh pelambungan 1 mata
uang logam adalah kejadian elementer.
Contoh:
Suatu kotak berisi 1 gundu merah (M), 1 gundu hijau (H), dan 1 gundu
kuning (K). Dua gundu diambil secara acak.
Ruang sampel S = { MH, MK, HK };
A = peristiwa mendapatkan 1 M dan 1 H,jadi A = { MH }.

4|P robabilita
Kejadian yang Saling Meniadakanatau terpisah

Kejadian X dan Y disebut dua kejadian disebut saling meniadakan bila
X dan Y tidak mungkin terjadi bersama-sama. Dengan kata lain jika X
terjadi maka Y tidak dapat terjadi. Dalam pengertian himpunan,
anggota X dan Y tidak ada yang sama, yaitu X∩Y=Ø.
Contoh 1:
Dalam ekperimen pelambungan satu uang logam 2 kali;
X = peristiwa mendapatkan 1 M (gambar) --->X = {MB, BM}.
Y = peristiwa mendapatkan 2 M --->Y = {MM}.
X danY kejadian yang saling meniadakan karena bilaX terjadi maka Y
tidak mungkin terjadi.
Perhatian: setiap anggota ruang sampel merupakan peristiwa
elementer yang saling meniadakan.
Contoh 2:
Di suatu hotel memiliki program televisi yang tersedia melalui 8
saluran, lima diantaranya dari jaringan swasta, dua jaringan TVRI, dan
satu dari CNN.Misalkan seorang tamu hotel menghidupkan televisi
tanpa terlebih dahulu memilih saluran. Misalkan A kejadian bahwa
programnya berasal dari TVRI dan B kejadian bahwa programnya dari
CNN. Karena program televisi tidak mungkin berasal dari lebih dari
satu jaringan maka kejadia A dan B tidak mempunyai program yang
sama. Karena itu irisan A∩B tidak mengandung program, jadi
kejadian A dan B terpisah.
Kejadian Bebas
Kejadian A dikatakan bebas dari peristiwa B jika terjadinya B tidak
mempengaruhi probabilita terjadinya A, dan sebaliknya.
Kejadian Tak Bebas

Apabila terjadinya peristiwa A mempengaruhi probabilita terjadinya
kejadian B maka A dan B disebut kejadian tak bebas.
Perhatian:
Dua kejadianA dan Bbebasjika dan hanya jika P(A|B) = P(A) dan
P(B|A) = P(B).
Jika tidak demikian A dan Btak bebas.
1.2 Ketentuan Umum Probabilita
• 0 <P(A) < 1
Artinya probabilita suatu kejadian paling kecil = 0 (berarti tidak
mungkin terjadi), paling besar = 1 (berarti pasti terjadi).

Probabilita |5
• P(S) = 1
Artinya bila suatu ruang sampel S dianggap suatu kejadian, maka

S pasti terjadi. Hal tersebut dikarenakanS memuat semua
kemungkinan hasil dari suatu eksperimen. Misal kita lambungkan
1 uang logam 1 kali, diperoleh S={M, B}.
S = kejadian mendapatkan gambar (M) atau bukan gambar (B),

yaitu seluruh kemungkinan hasil.
• P(A) = 1 -P(Ac)
Ac adalah komplemen dari peristiwa A.
A ∪ Ac = A + A' = S
A | Ac A dan Ac peristiwa yang saling lepas.
Sifat ini sangat berguna khususnya bila peristiwa A kompleks tapi

Ac lebih mudah untuk dianalisis.
Jadi misalkan P(Ac) = 0,8 maka P(A) = 1 - 0,8 = 0,2.
• P(A ∪ B) = P(A) + P(B) -P(A n B)
Rumus ini sejalan dengan ketentuan himpunan gabungan. Sebagai

ilustrasi bila P(A) = 0,7; P(B) = 0,4; P(A ∩ B) = 0,3, maka
P(A ∪ B) = 0,7 + 0,4 - 0,3 = 0,8.
-BilaA dan B peristiwa yang saling meniadakan maka P(A ∪ B) =

P(A) + P(B), karena P(A ∩ B) = 0.
-Bila 3 kejadian A, B, dan C saling meniadakan maka P(A ∪B

∪C) = P(A) + P(B) + P(C).
• Bila A dan B kejadian bebas, maka P(A ∩ B) = P(A) x

P(B)
Secara umum kalau A1, A2, ..., Ak saling bebas maka
P(A1∩ A2∩ ... ∩ Ak) = P(A1)P(A2) ...P(Ak)
Contoh 1 :
A=kejadian Reni akan melahirkan bayi laki-laki,

6|P robabilita
B=kejadian Siti akan melahirkan bayi laki-laki,
AB=kejadian Reni dan Siti akan melahirkan bayi laki-laki.
A dan B kejadian bebas.
Jadi bila diketahui P(A) = P(B) = 0,5 maka P(AB) = P(A) x P(B) =
0,5 x 0,5 = 0,25.
Contoh 2 :
Peluang seorang mahasiswa lulus matematika 2/3 dan peluangnya lulus
biologi 4/9. Bila peluang lulus kedua pelajaran 1/4. Berapakah peluang
mahasiswa lulus paling sedikit satu pelajaran?
Penyelesaian:
Bila M menyatakan kejadian “lulus matematika” dan B “Lulus Biologi”
maka
∪ ∩
2 4 1 31

3 9 4 36
Jadi, peluang mahasiswa lulus paling sedikit satu pelajaran adalah 31/36
Contoh 3 :
Berikut adalah peluang seorang KSK dalam menyelesaikan wawancara
terhadap responden pada setiap hari kerja,
Jumlah Responden 3 4 5 6 7 >8
Peluang 0.12 0.19 0.28 0.24 0.10 0.07
Berapakah peluang bahwa dia akan menyelesaikan wawancara paling
sedikit 5 responden pada hari kerja berikutnya?
Penyelesaian:
Misalkan E kejadian bahwa paling sedikit 5 responden yang dapat
diwawancarai. Dan Ec adalah kejadian bahwa kurang dari 5 responden
yang dapat diwawancarai. Maka 0.12 0.19 0.31, karena
1 . Maka 1 0.31 0.69

Probabilita |7
1.3Teori Himpunan/Set
Himpunan (set) adalah sekumpulan objek yang didefinisikan secara

jelas, memenuhi kriteria tertentu. Objek dalam suatu himpunan
disebut anggota/elemen dari himpunan tersebut. Nama suatu
himpunan ditulis dengan huruf besar, misalnya
A = himpunan bilangan bulat antara 3 sampai 9;
B = himpunan mantri statistik se Kalimantan Tengah.
Ada 2 cara untuk menggambarkan objek apa yang dikandung suatu

himpunan seperti berikut ini.
• Menuliskan semua anggota himpunan di antara tanda kurung

kurawal, { }. Misal A = { 1,2,3 }, suatu himpunan yang terdiri dari
bilangan bulat 1,2,3.
• Memakai huruf kecil sebagai simbol anggota himpunan dan

diuraikan syarat/kondisinya. Jadi A = {1,2,3} dapat ditulis sebagai:
A = { x | x bilangan bulat dan 1 < x < 3 }.
Himpunan Semesta, disimbolkan S, adalah himpunan yang memuat

semua anggota yang memenuhi syarat yang ditetapkan. Himpunan
semesta dalam teori probabilita disebut ruang sampel, yaitu memuat
seluruh kemungkinan hasil dari suatu percobaan.
Himpunan Bagian adalah suatu himpunan yang memuat sebagian

darianggota himpunan semesta. Dalam kaitan probabilita suatu
himpunan bagian merupakan suatu kejadian dari ruang sampel.
Contoh1 :
Himpunan semesta: S = {1,2,3,4,5,6}

A himpunan bagian dari S yang berisi bilangan ganjil:
makaA = {1,3,5}.
Contoh 2 :
Diketahui himpunan semesta:

!"! #! $"#"!%&. Jika P adalah himpunan bagian
dari S yang berisi Provinsi di Jawa. Maka P adalah?
Penyelesaian:
%"'", )%*% %%', +,$ )%-%'%, )%*% ."/%, +$0, )%*% .!1&

8|P robabilita
Himpunan Gabungan dan Irisan
Dua atau lebih himpunan dapat dikombinasikan menjadi satu

himpunan baru dengan beberapa cara.
• Irisan/interseksi dari A dan B, ditulis A∩B, adalah himpunan

semua elemen yang ada di A dan juga ada di B.
• Gabungan/union dari A dan B, A∪B, suatu himpunan yang

beranggotakan elemen Aatau elemen B, termasuk elemen yang ada
di A dan di B bila ada.
• Komplemen dari A, ditulis Ac, adalah himpunan semua elemen

yang bukan di A. Dengan kata lain anggota Ac adalah seluruh
anggota himpunan semesta kecuali anggota A.
• Himpunan bagian ( ⊂ ), misalnya Ahimpunan bagian dari B maka

dapat dilambangkan A ⊂ B.
Contoh:
S = {1,2,3,4,5,6}, himpunan semesta.
A = {1,2,3,4}, B = {2,4,6}, makaA ∩B = {2,4}, A∪B = {1,2,4,6},

Ac = {5,6}.
Operasi irisan, gabungan, dan komplemen tersebut dapat digambarkan

dalam diagram Venn seperti berikut.
a. Union/gabungan (A ∪ B)
S S S
A A B
A B B
Gambar 1. Diagram Venn Gabungan
b. Irisan (A ∩ B)
S S S
A A B
B
Gambar 2. Diagram Venn Irisan

Probabilita |9
c. KomplemenA ( Ac)
Gambar 3. Diagram Venn Komplemen
d. Himpunan bagian (A ⊂ B)
B
A
Gambar 4. Diagram Venn Himpunan Bagian
Contoh 3 :
Bila
.
Carilah
Penyelesaian:

10 | P r o b a b i l i t a
Soal Latihan
1. Tuliskan anggota tiap ruang sampel berikut:
a. Himpunan bilangan bulat antara 1 dan 50 yang habis dibagi 8
b. Himpunan . 2|2 4"%&
2. Dua juri dipilih dari 4 calon pada suatu perlombaan. Dengan menggunan
lambang C1 C3, misalnya untuk menyatakan kejadian sederhana bahwa
calon 1 dan 3 yang terpilih, tuliskan ke 6 unsur ruang sampel t?
3. Buatlah diagran Venn yang menggambarkan kemungkinan irisan dan

gabungan kejadian berikut terhadap ruang sampel T yang terdiri atas
semua pegawai BPS:
B: Pegawai BPS
S: Pegawai BPS fungsional statistisi
P: Pegawai BPS fungsional Prakom
4. Seorang pengusaha memutuskan menanam sejumlah besar uang dalam

real estate. Empat daerah Sumatera Utara, Jawa Barat, Bali, dan Lombok,
dipertimbangkan untuk pembuatan hotel, motel, dan kondominium,
semuanya akan terletak di pantai atau pegunungan. Buatlah diagram pohon
yang menunjukkan ke 24 unsur ruang sampel.
Untuk pertanyaan no. 5-7

Bila . 0,1,2,3,4,5,6,7,8,9&dan 8 0,2,4,6,8&, 1,3,5,7,9&,
9 2,3,4,5&, dan + 1,6,7&. Tuliskan anggota himpunan yang
berkaitan dengan kejadian:
5. 8 ∪ 9
6. C’
7. . ∩ 9′

Probabilita | 11
Untuk pertanyaan nomor 8-10

Bila 2|0 ; 2 ; 12&, 2|1 ; 2 ; 9&, #%" < 2|0 ; 2 ; 5&,
maka carilah:
8. ∪ <
9. ∩ <
10. ′ ∩ <′
Untuk pertanyaan nomor 11-15

Jika
. '14%/%, "%'!1, "!'/", -%!1, %"!1, -!/", "/&
8 '14%/%, "%'!1, "/&
"%'!1, "!'/", -%!1&
9 -!/"&
11. 8=
12. 8 ∪ = ∪ 9
13. 8 ∩ ∩ 9
14. ′ ∩ 9
15. 8= ∪ = ∩ 8= ∩ 9

Penyelesaian:
1. a. 8, 16, 24, 32, 40, 48&
b. 81!-%, 8!%, 8>!-%, 8'%!%, %&
2. . 9? 9@ , 9? 9A , 9? 9B , 9@ 9A , 9@ 9B , 9A 9B &
3.
B S
4. P
H G
S P
M
G
P
K G
P
H G
J P
M
G
P
K G
P
H G
P
B M
G
P
K G
P
H G
P
M
G
P
K G
Probabilita | 13
5. 8 ∪ 9 0,2,3,4,5,6,8&
6. C’ = {0,1,6,7,8,9}
7. . ∩ 9= 0,1,6,7,8,9&
8. ∪ < 1,2,3,4,5,6,7,8&
9. ∩ < 2,3,4&
10. = ∩ < = 10,11&
11. 8= "!'/", -%!1, %"!1, -!/"&
12. 8 ∪ = ∪ 9 '14%/%, "%'!1, "/, %"!1, -!/"&
13. 8 ∩ ∩ 9 ∅
14. = ∩ 9 -!/"&
15. 8= ∪ = ∩ 8= ∩ 9
'14%/%, "!'/", -%!1, %"!1, -!/", "/& ∩ -!/"&
-!/"&

Bab II Permutasi dan Kombinasi
Dalam definisi probabilita, peristiwa suatu probabilita didefinisikan

sebagai rasio banyaknya elemen dalam A terhadap banyaknya elemen
dalam ruang sampel S, yang jika dirumuskan akan menjadi :
P(A)=n(A)/n(S)
Sehingga penghitungan probabilita suatu peristiwa sesungguhnya

merupakan penghitungan banyaknya cara suatu peristiwa dapat terjadi
dan juga banyaknya seluruh kemungkinan hasil dibagi banyaknya unit
dalam ruang sampel.
2.1 Prinsip Perkalian

Apabila operasi atau proses I dapat dilakukan dengan m cara dan
operasi/proses II dengan n cara, maka terdapat sebanyak m.n cara
kedua operasi/proses dapat dilakukan. Secara umum juga berlaku,
yaitu bila ada 3 atau lebih operasi/proses.
Contoh 1 :
Ada 2 huruf: Y , Z; dan 3 angka: 1, 2, 3. Dipilih satu huruf (2 pilihan)

dan satu angka (3 pilihan). Jadi memilih satu huruf dan satu angka
akan menghasilkan sebanyak 2 x 3 = 6 cara/hasil, yaitu Y1, Y2, Y3,
Z1, Z2, Z3.
Contoh 2 :
Suatu perusahaan perumahan menawarkan bagi pembeli pilihan rumah

gaya luar berbentuk tradisional, spanyol, kolonial, dan modern di
daerah pusat kota, pantai, dan bukit. Berapa banyak pilhan seorang
pembeli dapat memesan rumah?
Penyelesaian:
n=4 dan m=3,maka banyaknya pilihan adalah n x m=12 cara
Contoh 3 :
Dalam bidang Holtikultura, BPS melakukan survei terhadap produksi

buah-buahan, tanaman obat, tanaman hias, dan sayuran. Jika ada 14
jenis buah-buahan, 3 jenis tanaman obat, 12 tanaman hias, dan 22
sayuran pada survei tahun 2010. Berapa banyak carakah jika harus
memilih satu jenis buah-buahan, tanaman obat, tanaman hias, dan
sayuran?

Probabilita | 15
Penyelesaian:
Diketahui m=14,n=3,o=12,dan p=22,maka
m · n ·o ·p=11088
2.2 Permutasi (P)

Permutasi adalah susunan berurut dari suatu set objek. Dari
sekumpulan n obyek akan disusun dalam urutan tertentu sehingga
diperoleh urutan yang berbeda disebut dengan permutasi n obyek.
Banyaknya permutasi dari n objek yang berbeda adalah n!
nPn = n!
Catatan: n! (baca n faktorial) = n.(n-1).(n-2). ... .2.1;
misalnya 3! = 3.2.1= 6
Contoh 1:
Dari 3 huruf (a,b,c) diperoleh permutasi sebanyak 3! = 3.2.1 = 6,

yakni: abc, acb, bac, bca, cab, cba.
Contoh 2 :
Arya, Prima , dan Rama bersama-sama nonton di bioskop. Mereka

dapat kursi yang berurutan. Dengan berapa cara mereka dapat duduk
dengan tempat yang berbeda dengan cara yang berlainan?
Jawab:
A P R
a. aturan pengisian tempat. 3 x 2 x 1 = 6 cara
b. Permutasi: 3P3 = 3 . 2. 1 = 6 cara
Yaitu: APR, ARP, PRA, PAR, RAP, dan RPA.

Banyaknya permutasi jika diambil r objek dari n objek yang

berbeda adalah,
nPr = n!/(n - r)!
Contoh 1:
Tiga huruf (a,b,c) dipermutasikan dua-dua, didapat sebanyak 3!/(3-2)!

= 6 permutasi, yakni:ab, ba, ac, ca, bc,cb.
Contoh 2:
Suatu kesebelasan sepak bola terdiri dari pemain-pemain serba bisa.

Pelatih mengalami kesulitan memilih 5 orang sebagai pemain depan.
Untuk itu pelatih membuat susunan yang bisa berbeda bagi pemain
depan. Berapa banyak susunan pemain depan berbeda yang bisa
dibuat oleh pelatih itu?
Jawab:
akan diambil 5 obyek dari 11 obyek dan akan disusun dalam suatu
susunan yang berbeda, maka:
11 ! 11.10.9.8.7.6 !
=
(11 − 5) ! 6!
= 55440 cara dalam susunan yang berbeda
Permutasi dengan ELEMEN yang sama.

Perhatikan susunan berikut yang terdiri dari kata APA.
APA A1PA2 A2PA1
AAP A1A2P A2A1P
PAA PA1A2 PA2A1
Ada 6 cara:Yaitu3P(2)
Ada n obyek dengan elemen yang sama q, r, ..., maka permutasinya:
n!
P
n (q,r,s) =
q!.r !.s !

Probabilita | 17
Contoh1 :
Banyak susunan huruf yang terbentuk dari kata MATEMATIKA:
Jawab:
Banyaknya huruf MATEMATIKA = 10,
Banyaknya huruf M = 2
Banyaknya huruf A = 3
Banyaknya huruf T = 2
Banyaknya huruf K = 1
10! 10.9.8.7.6.5.4.3!
P
10 (2,3,2) = = = 151200
2!.3!.2! 2.3!.2
Contoh 2 :
Berapa banyak cara untuk menampung 7 orang dalam 3 kamar hotel,

bila 1 kamar bertempat tidur 3 sedang 2 lainnya punya 2 tempat tidur?
Penyelesaian:
(_3,2,2^7)P=7!/3!2!2!=210
Susunan Melingkar (Permutasi siklis)
Misalkan : ada n unsur yang berbeda, maka banyaknya Permutasi

siklis dari n unsur itu adalah (n – 1) !
2.3 Kombinasi (C)

Beda permutasi dengan kombinasi ialah bahwa dalam kombinasi
urutan objek tidak diperhatikan/tidak diperhitungkan. Jadi hasil
susunan ab = ba dalam kombinasi, sedangkan dalam permutasi ab ≠
ba.
Banyaknya kombinasi bila dari n objek berbeda diambil r objek adalah
n n!
Cr=
r! (n - r)!
Contoh 1:
Dari 3 huruf(a,b,c) diambil 2 huruf, didapat kombinasi sebanyak

3!/[2!(3-2)!] = 3, yaitu: ab, ac, bc.
Contoh 2:
Jika 5 kartu diambil secara random dari set kartu bridge (terdiri dari
52 kartu yang dapat dibedakan) maka banyaknya kombinasi
52
C5= 52!/[5!(52-5)!] = 52!/(5! 47!)
Contoh 3:
Dari 12 orang yang terdiri dari 4 wanita dan 8 pria akan dipilih 3
orang sebagai wakil. Wakil harus terdiri dari 2 wanita dan 1
pria.Berapakah banyak kemungkinan susunan wakil?
Kombinasi 2 dari 4 wanita = 4C2, sedangkan kombinasi 1 dari 8 pria =

8
C1. Jadi banyak kombinasi keseluruhan, sesuai dengan prinsip
perkalian,
4! 8!
4
C2 x 8C1 = -----x ----- = 48
2! 2! 1! 7!
Contoh 4:
Untuk mengobati suatu penyakit X bisa dilakukan dengan cara

meramu bermacam-macam bahan.Jika ada 4 jenis tanaman obat-
obatan dan 3 jenis buah-buahan yang bisa diramu, carilah banyaknya
obat yang bisa dibuat jika obat tersebut harus terdiri dari 2 jenis
tanaman obat-obatan dan 1 jenis buah-buahan?
Penyelesaian:
Banyaknya cara memilih 2 tanaman obat dari 4 adalah
4!
@9 6
B
2! 2!
Banyaknya cara memilih 1 buah dari 3 adalah
3!
?9 3
A
1! 2!
Jadi banyaknya obat yang dapat dibuat adalah 6 x 3 = 18 cara

Probabilita | 19
Soal Latihan
1. Seorang pegawai dalam perjalanan dinasnya ditawari melihat 6 tempat

wisata tiap hari selama 3 hari (berlainan tiap hari). Berapa carakah
pegawai tersebut dapat mengatur acara wisatanya?
2. Bila suatu percobaan terdiri atas pelemparan suatu dadu dan kemudian
mengambil satu huruf secara acak dari ke 26 alfabet. Ada berapa titik
dalam ruang sampel?
3. Tiga nomor undian untuk hadiah pertama, kedua, dan ketiga ditarik dari 40
nomor. Cari banyaknya titik sampel di T untuk ketiga hadiah?
4. Dengan berapa carakah 6 pohon yang berlainan dapat ditanam pada suatu
lingkaran?
5. Dalam berapa carakah 6 orang dapat diantrikan masuk bis?
6. Tiap mahasiswa baru harus mengambil mata kuliah fisika, kimia, dan
matematika. Bila seorang mahasiswa dapat memilih satu dari 6 kuliah
fisika, satu dari 4 kuliah kimia, dan satu dari 4 kuliah matematika. Berapa
banyak cara dia dapat menyusun programnya?
7. Seorang hendak membangun 9 rumah dengan rancangan yang berbeda.

Dengan berapa carakah dia dapat menempatkan rumah tersebut di suatu
jalan bila tersedia 6 petak pada satu jalan dan 3 petak pada jalan lain?
8. Sebuah instansi pemerintah membuka lowongan pekerjaan sebagai

Consultant untuk 3 orang. Jika jumlah pendaftar yang memenuhi kriteria
ada 10 orang, maka ada berapa banyak cara memilih 3 dari 10 calon yang
memenuhi syarat tersebut?

9. Indonesia pada tahun 2014 akan mengadakan pemilihan presiden secara

langsung. Berdasarkan pada ketentuan, calon presiden harus didukung
oleh DPR, dan berdasarkan pada jumlah partai di DPR yang memenuhi
ketentuan minimal anggota DPR ada 8 partai, sehingga diperkirakan akan
ada 8 orang yang berebut menjadi presiden dan wakil presiden. Berapa
banyak susunan atau kombinasi yang berbeda dapat dihasikan dari 8 orang
tersebut jika calon presiden dan wakil presiden bukan sistem paket?
10. Berapa carakah kata yang dapat dibuat dari huruf-huruf pada kata
merdeka?
11. Suatu taman akan ditanam dengan 9 pohon buah yang ditanam sejajar.
Ada berapa cara menyusun 9 pohon itu, bila 3 diantaranya pohon
rambutan, 4 pohon mangga, dan 2 pohon pisang?
12. Sembilan orang petugas pencacahan pergi ke gunung guna mendatangi

responden dengan tiga mobil, masing-masing mobil dapat membawa 2,4,
dan 5 penumpang. Berapa cara kah yang dapat dibuat untuk membawa
kesembilan petugas pencacahan tersebut ke gunung?
13. Suatu kesebelasan universitas memainkan 12 pertandingan sepak bola

dalam satu triwulan. Dengan berapa carakah kesebelasan itu dapat
memainkannnya bila menang 7 kali, kalah 3 kali dan seri 2 kali?
14. Sebuah rumah tangga beranggotakan 8 ART, terdiri atas 3 laki-laki dan 5
perempuan. Berapa banyak cara wawancara yang bisa dilakukan, jika
hanya 3 orang yang boleh diwanwacara?
15. Berapa macam carakah yang dapat diisi pada kelima tempat dalam suatu
tim bola basket yang diambil dari 8 pria yang sanggup bermain pada setiap
tempat?

Probabilita | 21
Penyelesaian
1. 4%"E%-"E%F%% 623 18
2. " 6 #%" 1 26, 1%-% 4%"E%-"E% '!'!- %1 %#%% "2 1
156
A 59280 F%%
BG
3.
4. " 1! 5! 120 F%%
5. 6! 720 F%%
?9 2 ?9 2 ?9 96
H B B
6.
H9 2 A9 84 2 84 7266
I I
7.
A9 120
?G
8.
@9 28
J
9.
K!
10. @!?! ?!?!?!?! 2520 F%%
I!
11. A!B!@! 1260 F%%
I!
12. @!B!L! 63 F%%
?@!
13. K!A!@! 7920 F%%
14.
8 7 6
=336 kemungkinan
15.
8 7 6 5 4
=6720 cara

Bab IIIProbabilita Bersyarat
Dalam kehidupan kita sehari-hari banyak kejadian yang saling terkait

satu sama lain dan kejadian yang satu menjadi syarat untuk terjadinya
kejadian yang lain. Misalnya saya mau menikah dengan kamu, asalkan
kamu sungguh-sungguh dan jujur mencintai saya.
Dalam probabilita, suatu kejadian A terjadi dengan syarat kejadian B

lebih dulu terjadi atau akan terjadi atau diketahui terjadi dikatakan
kejadian A bersyarat B yang ditulis A/B (bukan berarti A dibagi B).
Notasi: P(A|B) = probabilitas bersyarat A jika B diketahui sudah/ pasti

terjadi. Dalam hal ini yang dianggap sebagai ruang sampel adalah
himpunan/kejadian B, bukan S (ruang sampel semula) lagi. Rumus
probabilita bersyarat adalah
∩B)/P(B) bila P(B) > 0

P(A|B) = x(AB)/x(B) = P(A∩
dengan x(AB) = banyaknya cara peristiwa AB terjadi,
x(B) = banyaknya cara peristiwa B terjadi.
Jadi probabilita kejadian irisan AB dapat dihitung dengan rumus
P(A|B) = P(B). P(A|B); juga P(AB) = P(A). P(B|A)
Contoh 1:
Populasi orang dewasa yang telah tamat SMA di suatu kota kecil
sebagai ruang sampel. Mereka dikelompokkan menurut jenis kelamin
dan status pekerjaan berikut.
Bekerja Tak Bekerja Jumlah
Lelaki 460 40 500
Wanita 140 260 400
Jumlah 600 300 900
Daerah tersebut akan dijadikan daerah pariwisata dan seseorang akan

dipilih secara acak untuk mempromosikan ke seluruh negeri. Kita
akan meneliti kejadian berikut:
M = lelaki yang terpilih

Probabilita | 23
E = orang yang terpilih dalam status bekerja.
Dapat diperoleh
460 23
P(M|E)= =
600 30
Misalkan n(A) menyatakan jumlah unsur dalam suatu himpunan A.

Dapat ditulis
n( E ∩ M ) n( E ∩ M ) / n( S ) P ( E ∩ M )
P(M|E) = = = ,
n( E ) n( E ) / n( S ) P( E )
P(E ∩M) dan P(E) diperoleh dari ruang sampel S. Untuk memeriksa
hasil ini, perhatikan bahwa
600 2 460 23
P(E)= = dan P(E ∩ M)= = ,
900 3 900 45
23 / 45 23
Jadi, P(M|E) = =
2/3 30
Contoh2:
Dua kotak berisi gundu merah (M) dan kuning (K) sebagai berikut,
misalnya :
Kotak I: 2 M & 3 K; Kotak II : 3 M & 1 K
Sekarang kita lakukan pemilihan 2 tahap:
-memilih 1 kotak secara acak , berarti P(mendapat Kotak I) =

P(mendapat Kotak II) = ½;
- dari kotak terpilih ambil 1 gundu secara acak.
Sebut A = mendapat kotak I, B = mendapat 1 M, berarti A∩B =

mendapatkan 1 M dari kotak I.
P(B|A) = 2/5 -->P(A ∩ B) = P(A) x P(B|A) = ½x (2/5) = 1/5
3.1Kejadian Bebas
Dalam pembahasan sebelumnya P(B|S) berbeda dengan P(B) yang
menunjukkan bahwa terjadinya Smempengaruhi B. Akan tetapi
pandang dua kejadian Adan B yang memenuhi hubungan P(A|B) =

P(A). Terjadinya Bsama sekali tidak mempengaruhi terjadinya A.

Dalam terjadinya Abebas dari terjadinya B.
Misalkan:
A= kejadian bahwa Agung (staf BPS) akan dipromosikan,
B= kejadian bahwa Budi (staf BPS) akan dipromosikan.
Jelas kiranya bahwa A dan B kejadian bebas.
Contoh 1 :
Suatu kota kecil mempunyai satu mobil pemadam kebakaran dan satu
ambulans untuk keadaan darurat. Peluang mobil pemadam kebakaran
tiap waktu diperlukan 0.98, peluang ambulans siap waktu dipanggil
0.92. Dalam kejadian ada kecelakaan karena kebakaran gedung, cari
peluang keduanya siap?
Penyelesaian:
Misalkan A dan B menyatakan masing-masing kejadian mobil
pemadam kebakaran dan ambulan siap. Maka
8 ∩ 8
0.980.92 0.9016
Jadi, peluang mobil pemadam kebakaran dan ambulans siap jika terjadi
kebakaran gedung adalah 0.9016
Contoh 2 :
Dua dadu dilemparkan dua kali. Berapa peluangnya mendapat jumlah

7 dan 11 dalam dua kali lemparan?
Penyelesaian:
Misalkan A1 adalah kejadian bebas bahwa jumlah 7 muncul dalam
lemparan pertama, A2adalah kejadian bebas bahwa jumlah 7 muncul
dalam lemparankedua, B1 adalah kejadian bebas bahwa jumlah 11
muncul dalam lemparan pertama dan B2adalah kejadian bebas bahwa
jumlah 11 muncul dalam lemparan kedua. Yang ingin dicari adalah
peluang gabungan kejadian 8? ∩ @ #%" ? ∩ 8@ yang saling terpisah.
Jadi,
A1={(1,6);(6,1);(2,5);(5,2);(3,4);(4,3)}
A2={(1,6);(6,1);(2,5);(5,2);(3,4);(4,3)}

Probabilita | 25
B1={(5,6);(6,5)}
B2={(5,6);(6,5)}
M8? ∩ @ ∪ ? ∩ 8@ N 8? ∩ @ ? ∩ 8@

8? @ ? 8@
1 1 1 1 1

6 18 18 6 54
Jadi, peluang mendapatkan jumlah 7 dan 11 dalam dua kali lemparan
adalah 1/54.
3.2Kejadian Tidak Bebas

Apabila terjadinya peristiwa A mempengaruhi probabilita terjadinya
kejadian B maka A dan B disebut kejadian tak bebas.
Misalkan:
A= kejadian bahwa Diana belajar rajin.
B= kejadian bahwa Diana akan mendapat nilai A.
Jelas kiranya bahwa A dan B kejadian tidak bebas.
Dua kejadian A dan B tidak bebas jika dan hanya jika
P(B|A) ≠ P(B)
P(A|B) ≠ P(A)
Contoh 1 :
Peluang seorang mahasiswa lulus mata kuliah statistik adalah 0.40,

peluang lulus mata kuliah bahasa inggris adalah 0.60, dan peluang
lulus mata kuliah statistika dan bahasa inggris adalah 0.30. Jika
seorang mahasiswa lulus mata kuliah statistika, berapa peluangnya
mahasiswa tersebut lulus matakuliah bahasa inggris?
Penyelesaian:
8 ∩
M|8N
8

0.30
0.5
0.60
Jadi, peluang seorang mahasiwa lulus matakuliah Bahasa Inggris jika
dia lulus mata kuliah Statistika adalah 0.5
Contoh 2 :
Berdasarkan hasil survey terhadap 100 responden yang dilakukan
untuk mengetahui respon konsumen terhadap Calon Walikota A dan
Calon Walikota B. Diperoleh informasi sebagai berikut: 20 pria dan 30
wanita lebih menyukai calon A sedangkan 40 pria dan 10 wanita lebih
menyukai calon B.
a. Jika kita bertemu dengan seorang pria, berapakah peluang ia lebih
menyukai calon B?
b. Jika kita bertemu dengan seorang yang lebih menyukai calon A,
berapakah peluang bahwa dia seorang wanita?
Penyelesaian:
Responden Pria Wanita Jumlah
Calon A 20 30 50
Calon B 40 10 50
Jumlah 60 40 100
OP∩O BG/?GG B
a. | HG/?GG H 2/3
OO
jadi, peluang seseorang lebih menyukai calon B jika dia seorang

laki-laki adalah 2/3
OS∩T AG/?GG
b. R|8 LG/?GG 3/5
OT
Jadi, peluang wanita lebih menyukai calon A adalah 3/5

Probabilita | 27
Soal Latihan
1. Misalkan kita mempunyai kotak berisi 20 kelereng, lima diantaranya
berwarna putih. Bila dua kelereng diambil dari kotak satu demi satu
secara acak (tanpa mengembalikan yang pertama ke dalam kotak),
berapakah peluang kedua kelereng itu berwarna putih?
2. Peluang bahwa si Ali akan hidup 20 tahun lagi 0.7, dan peluang bahwa
Ani akan hidup 20 tahun lagi 0.9. Bila kedua kejadian dianggap bebas,
berapakah peluangnya bahwa keduanya tidak akan hidup 20 tahun
lagi?
3. Peluang seorang dokter dengan tepat mendiagnosa sejenis penyakit

tertentu adalah 0.7. Bila dokter tadi salah diagnosa, peluang si sakit
meninggal 0.9. Berapakah peluangnya sang dokter salah diagnosa dan
si sakit meninggal?
4. Seorang pencacah lapangan akan melakukan pencacahan di kawasan

yang cukup elit. Peluang seorang responden ada di rumah pada pagi
hari adalah 0.60. Peluang responden yang ada di rumah dan mau
diwawancara adalah 0.45. Berapakah peluang seorang responden mau
diwawancara?
5. Dari hasil survey terhadap beberapa responden di daerah X, diketahui

bahwa peluang seorang isteri bekerja adalah 0.85, peluang suami
bekerja adalah 0.97, dan peluang suami dan isteri sama-sama bekerja
adalah 0.76. Berapakah peluangnya seorang isteri bekerja, bila
diketahui suaminya bekerja?
6. Survey dilakukan untuk mengetahui hubungan antara merokok dan

potensi menderita penyakit hipertensi. Survey dilakukan pada 180
orang, dengan hasil sebagai berikut:

Bukan Perokok Perokok Berat

Perokok Sedang
Hipertensi 21 36 30
Tidak 48 26 19
Hipertensi
Bila seseorang diambil secara acak dari kelompok ini, carilah
peluang bahwa orang itu:
a. Menderita hipertensi, bila diketahui dia perokok berat?
b. Bukan perokok, bila diketahui dia tidak menderita hipertensi
7. Berikut adalah sampel acak 200 orang dewasa yang dikelompokkan

menurut jenis kelamin dan pendidikan.
Pendidikan Pria Wanita
SD 38 45
SM 28 50
PT 22 17
Bila seseorang diambil secara acak dari kelompok ini, cari peluangnya
bahwa dia seseorang
a. Pria, bila diketahui pendidikannya SM?
b. Yang tidak berpendidikan PT, bila diketahui dia wanita?
8. Peluang seorang remaja menonton acara musik adalah 0.8, peluang

seorang remaja menonton sinetron 0.6, dan peluang seorang remaja
menonton acara musik dan sinetron adalah 0.5. berapakan peluang
seorang remaja menonton acara musik, jika diketahui dia menonton
sinetron?
9. Berikut adalah tabel jumlah migran masuk dan migran keluar dari
Kabupaten A, B, dan C.
Kabupaten Jumlah
Migran
A B C

Probabilita | 29
Masuk (I) 30 50 40 120

Keluar (O) 40 30 10 80
Jumlah 70 80 50 200
Bila seseorang diambil secara acak dari kelompok ini, berapakah
peluang bahwa dia seorang:
a. Migran keluar, bila diketahui migran tersebut berasal dari Kabupaten
B?
b. Penduduk di Kabupaten C yang melakukan migrasi dari daerah lain?
10. Tabel berikut menunjukkan banyaknya balita yang sudah dan belum
melakukan imunisasi DPT di Kecamatan Suka Kaya dan Suka Miskin
Status Suka Kaya (K) Suka Miskin Jumlah
Imunisasi (M)
Sudah 24 8 32
Belum 6 22 28
Jumlah 30 30 60
a. Berapakah probabilita balita yang berasal dari Kecamatan Suka Miskin

sudah melakukan imunisasi DPT?
b. Berapakah probabilita balita yang sudah diimunisasi DPT berasal dari
Kecamatan Suka Kaya?
Penyelesaian:
? B ?
1. 8 ∩ ?I
B ?I
2. 8 0.7 0.9

8= ∩ = 0.32 0.1 0.03
3. 8= ∩ 8= 0.3 0.9 0.27
OT∩P G.BL
4. G.HG 0.75
OT

OT∩P G.KH
5. |8 0.7835
OT G.IK
6.
AG
a. MU|N
BI
BJ
b. M|.UN
IA
7.
OO∩VW @J
a. | OVW
KJ
OXOY Z ∩S[ IL
b. . = |R ??@
OS
OT∩P G.L L
8. M8|N OP
G.H H
9.
O]∩P AG
a. \| OP
JG 3/8
O^∩_ BG
b. $|9 O_
LG 4/5
10.
OW∩V J
a. | A@ 0.25
OV
OV∩` @B
b. |, AG 0.8
O`

Bab IV Distribusi Probabilita
Pada suatu ruang sampel S={(mm), (mb), (bm), (bb)} yang

merupakan kumpulan semua hasil yang mungkin terjadi dari
pelemparan dua uang logam tersebut, kita dapat menentukan
probabilita dari nilai-nilai variabel acak X, sebab titik sampel-titik
sampel S mempunyai nilai probabilita.
Pada ruang sampel S tersebut bila X menyatakan banyaknya muncul

muka pada S, sebagaimana relasi tersebut, maka nilai dari A adalah
X=0, X=1 dan X=2.
Nilai X=0, berkaitan dengan titik sampel (bb) dengan probabilita :
P(X=0) = P{(bb)} = ¼
Nilai X = 1, berkaitan dengan titik sampel (mb) atau (bm) dengan

probabilita :
P(X=1) = P{(mb)} + P{(bm)} = ¼ + ¼ = ½
Nilai X=2, berkaitan dengan titik sampel (mm) dengan probabilita :
P(X=2) = P{(mm)} = 1/4
Pasangan nilai-nilai variabel acak X dengan probabilita dari nilai-nilai

X, yaitu P(X=x) dapat dinyatakan dalam tabel berikut :
X=x 0 1 2
P(X=x) ¼½¼
Bisa juga pasangan nilai-nilai dari variabel acak X dengan probabilita

dari nilai-nilai X, yaitu P(X=x) dituliskan dengan pasangan terurut,
yaitu :
{x1,P(X= x1)}, { x2,P(X= x2)}, { x3,P(X= x3)}, …
Kumpulan pasangan nilai-nilai dari variabel acak X dengan

probabilita nilai-nilai variabel acak X, yaitu P(X=x) disebut distribusi
probabilita X atau disingkat distribusi X. Distribusi X dapat dituliskan
dalam bentuk tabel atau dalam bentuk pasangan berurut.
Gambar dari distribusi probabilita X untuk pelemparan dua uang

logam di atas adalah sebagai berikut :
Probabilita | 17
P(X=x)
2/4
1/4
X
0 1 2
Gambar 5. Diagram batang distribusi probabilita
Hasil suatu percobaan statistik mungkin saja berhingga ataupun tak

terhingga, sehingga kita dapat melihat definisi berikut :
4.1 Variabel Random Diskrit

Definisi :
Jika suatu ruang sampel mengandung titik sampel yang berhingga

banyaknya atau suatu deretan anggota yang banyaknya sama dengan
banyaknya bilangan bulat, maka ruang sampel tersebut adalah variabel
random diskrit (peubah acak diskrit).
Sebagai gambaran, misalnya dalam suatu sampel dengan 25 orang

pegawai ditanyakan “Apakah Anda setuju dengan presiden kita
sekarang yang telah dilantik?” Jawaban yang mungkin “ya” dan
“tidak” dan X=hanya jawaban “ya”. Nilai-nilai yang dapat dijalani
oleh X adalah 0,1,2,3,4,…,25; maka X adalah variabel random diskrit.
Definisi :
Fungsi f(x) adalah suatu fungsi probabilita atau distribusi

probabilita suatu variabel acak diskrit X bila untuk setiap hasil x yang
mungkin,
i. f(x) ≥ 0
ii. ∑f(x) = 1
iii. P(X=x) = f(x)
Contoh1 :
Suatu pengiriman 8 komputer PC yang sama ke suatu toko

mengandung 3 yang cacat. Bila suatu sekolah membeli 2 komputer ini
secara acak, cari distribusi probabilita banyaknyayang cacat.

Jawab:
Misalkan X peubah acak dengan nilai x kemungkinan banyaknya

komputer yang cacat yang dibeli sekolah tersebut. Maka x dapat
memperoleh setiap nilai 0, 1, dan 2:
aA L
Gba@b ?G
f(0) = P(X=0) = J = ,
a b @J
@
aAbaLb ?L
f(1) = P(X=1) = ?J? = ,
a b @J
@
aAbaLb A
f(2) = P(X=2) = @JG =
a b @J
@
Jadi distribusi probabilita X
X 0 1 2
f(x) 10 15 3
28 28 28
Contoh2 :
Hasil survey mengenai ASI Eksklusif didapat bahwa dari 15 balita
yang tidak mendapatkan ASI eksklusif, 10 balita rentan terkena
penyakit. Bila diambil sampel sebanyak 4 balita secara acak, carilah
distribusi peluang banyaknya balita yang rentan terkena penyakit?
Penyelesaian:
Misalkan X peubah acak dengan nilai x kemungkinan banyaknya balita
yang rentan terkena penyakit.
10 5
ba b a1
>0 c 0 0 4
15 273
a b
4
10 5
a ba b 20
>1 c 1 1 3
15 273
a b
4
10 5
a ba b 90
>2 c 2 2 2
15 273
a b
4

Probabilita | 19
10 5
a
b a b 120
>3 c 3 3 1
15 273
a b
4
10 5
a ba b 42
>4 c 4 4 0
15 273
a b
4
Jadi distribusi peluang X
X 0 1 2 3 4
f(x) 1/273 20/273 90/273 120/273 42/273
Contoh 3 :
Tentukan nilai c sehingga fungsi berikut dapat merupakan distribusi
peluang peubah acak diskret X:
>2 F2 @ 4 untuk x = 0, 1, 2, 3
Penyelesaian:
A
d F2 @ 4 1
efG
4F 5F 8F 13F 1
30F 1
F 1/30
4.2 Variabel Random Kontinu

Definisi :
Jika suatu ruang sampel mengandung titik sampel yang tak berhingga
banyaknya dan sama banyaknya dengan banyak titik pada sepotong
garis, maka ruang sampel tersebut disebut ruang sampel kontinu dan
variabel random yang didefinisikan di atas disebut variabel random
kontinu (peubah acak kontinu). Suatu peubah acak kontinu
mempunyai probabilita nol pada setiap titik x. Karena itu distribusi
probabilitanya tidak mungkin disajikan dalam bentuk tabel dan dapat
disajikan dalam bentuk rumus yang merupakan fungsi dari nilai yang
berbentuk bilangan (numerik) dari peubah kontinu X dengan lambang
fungsi f(x).Jika menyangkut peubah yang kontinu, f(x) dinamakan
fungsi padat probabilitaatau fungsi padat dari X.

Sebagai gambaran misalnya pencatatan tinggi badan seseorang dari

suatu populasi orang-orang diatas 21 tahun,Di antara dua sembarang
nilai, misalnya 163,5 dan 164,5 cm. Ataupun antara 163,99 dan
164,01, terdapat tinggi yang tak berhingga banyaknya, salah satu
diantaranya ialah 164 cm. Probabilita memilih secara acak seseorang
yang tingginya tepat 164 cm tidak kurang atau lebih sedikitpun juga,
tentunya sangatlah kecil dan karena itu probabilita kejadian tersebut
diberi nilai nol. Namun bila yang ditanya ialah probabilita memilih
seseorang yang tingginya paling sedikit 163 cm tetapi tidak lebih dari
165 cm. Hal tersebut merupakan nilai suatu selang dan bukan nilai
suatu titik dari peubah acak.
Definisi :
Fungsi f(x) adalah suatu fungsi padat probabilita atau distribusi

probabilita suatu variabel acak kontinu X, yang didefinisikan di atas
himpunan semua bilangan real R, bila :
1. f(x) ≥ 0 untuk semua x ∈ R

∞
2. ∫ f ( x)dx = 1
−∞
3. P(a < X < b) = ∫ f ( x)dx

a
Suatu fungsi padat probabilita dituliskan sedemikian rupa sehingga

luas daerah diantara kurva dan sumbu x yang dihitung atas semua
rentangan nilai X pada fungsi f(x), seperti dituangkan dalam gambar
berikut :
a b x
Gambar 6. P( a < X < b)

Probabilita | 21
Contoh1 :
Misalkan variabel acak X mempunyai fungsi padat probabilita :
x2
f ( x) = , untuk –1 < x < 2
3
= 0, untuk x lainnya.
Hitunglah probabilita P(0 < x ≤ 1).
Jawab:
∞ 2
x2 x3 8 1
∫ f ( x )dx = ∫ dx = = + =1
2
−1
−∞ −1
3 9 9 9
1
x2 x3 1
Jadi P(0 < X ≤ 1) = ∫ dx = =
1
0
0
3 9 9
Contoh 2 :
Suatu variabel acak kontinu X memiliki fungsi padat probabilita:
21 2
>2 , "'- 1 ; 2 ; 3
21
Hitunglah nilai probabilita P(X < 2)!
Penyelesaian:
c ; 2 1 ; c ; 2
@
21 2
g #2
21
?
1 5
22 2 @ |?@
21 21
Contoh 3 :
Lamanya waktu seorang pencacah (dalam satuan jam) melakukan
wawancara terhadap responden berbentuk peubah acak kontinu X
dengan fungsi padat:
2 0<x<1
>2 2 21 h 2 ; 2
0 untuk x lainnya

Carilah peluang bahwa seorang pencacah melakukan wawancara

antara 0.5 sampai 1 jam?
Penyelesaian:
?
0.5 ; 2 ; 1 g 2 #2
G.L
1 @?

2 |G.L 0.375
2
Jadi,peluang seorang pencacah melakukan wawancara antara 0.5
sampai 1 jam adalah 0.375.
4.3 Distribusi Kumulatif F(x)

Jika X adalah variabel random dan P(X=x) adalah distribusi
probabilita dari X, maka fungsi f(x) = P(X=x) disebut fungsi
probabilita X atau fungsi frekuensi X atau fungsi padat probabilita X.
Jika variabel random X mempunyai fungsi probabilita f(x), maka

fungsi distribusi kumulatifdari X yaitu F(x) dirumuskan sebagai
berikut :
Rumus 1:
∑ f ( x), jika X diskrit

X ≤x
X F(x) = P(X ≤ x) =
∫ f ( x)dx ,
−∞
jika x kontinu
Rumus 2:
Dengan memakai fungsi distribusi kumulatif F(x) kita dapat

menentukan probabilita dari variabel random X pada interval a ≤ X ≤
b, yaitu :
P(a ≤ X ≤ b) = F(b) – F(a)
dan
dF ( x)
f(x) =
dx

Probabilita | 23
bila fungsi turunan ini ada.
Contoh :
Misalkan variabel acak X mempunyai fungsi padat probabilita :
x2
f ( x) = ,
3 untuk –1 < x < 2
= 0, untuk x lainnya.
Carilah F(x) dari fungsi padat tersebut, dan kemudian hitunglah P(0<
x ≤1).
Jawab :
x3 + 1
x x
t2 t3
F ( x) = ∫ f (t )dt = ∫ dt = =
x
−1
−∞ −1
3 9 9
Jadi P(0< x ≤1) = F(1) – F(0)

@ ?
=I - I
?
=I

Soal Latihan
1. Jika suatu ruang sampel mengandung titik sampel yang berhingga
banyaknya, maka ruang sampel tersebut disebut?
a. Variabel random
b. Variabel random kontinu
c. Variabel random diskret
d. Variabel acak
2. Dibawah ini merupakan syarat suatu fungsi pada probabilita disebut

variabel acak kontinu, kecuali:
a. >2 i 0 untuk semua x € R
k
b. jlk >2#2 1
k
c. jG >2#2 1
m
d. % ; c ; 4 jn >2#2
3. Diketahui bahwa dari 20 KSK yang mengikuti pelatihan, terdapat 3 orang

perempuan. Jika diambil secara acak 2 orang KSK untuk penyematan
tanda peserta pada acara pembukaan, carilah distribusi probabilita
banyaknya KSK perempuan?
4. Tentukan nilai c sehingga fungsi berikut merupakan distribusi peluang

peubah acak diskret X
>2 F2 @ 22 2 untuk x = 0,1,2
5. Berdasarkan soal no.4, hitunglah nilai probabilita P(X=1)!
6. Suatu variabel acak kontinu X memiliki fungsi padat probabilita:

21 2
>2 , "'- 2 ; 2 ; 5
27
Hitunglah nilai probabilita P(3 < X <4)!

Probabilita | 25
7. Suatu peubah acak kontinu X mempunya fungsi padat:

1
>2 , "'- 1 ; 2 ; 3
2
Hitunglah P(X ≤ 1.6)!
8. Berdasarkan soal no. 7, hitunglah 2 ; c ; 2.5
9. Proporsi responden yang bersedia diwawancarai berbentuk peubah acak

kontinu X yang mempunyai fungsi padat:
22 2
>2 , 0 ; 2 ; 1
5
0 "'- 2 %!""E%
Carilah peluang bahwa lebih dari ¼ responden tapi kurang dari ½
responden yang bersedia diwawancarai?
10. Berdasarkan soal no.9, carilah peluang bahwa lebih dari ¾ responden
bersedia untuk diwawancara?
Penyelesaian:
1. C
2. C
a?K A
G ba@b A
3. >0 c 0 ?IG
a@Gb
@
17 3
ba b 51 a
>1 c 1 1 1
20 190
a b
2
17 3
a b a b 136
>2 c 2 2 0
20 190
a b
2
Jadi, distribusi peluang X adalah
x 0 1 2
f(x) 3/190 51/190 136/190

4. ∑@efG F2 @ 22 2 1
2F F 6F 1
5F 1
F 1/5
?
5. c 1 2 @ 22 2
L
1 1
1 2 2
5 5
B @?pe
6. 3 ; c ; 4 jA #2
@K
1 9
22 2 @ |BA
27 27
?.H ?
7. c h 1.6 j? #2
@
1 ?.H
2| 0.3
2 ?
@.L ?
8. 2 ; c ; 2.5 j@ @
#2
1 @.L 1
2| 0.25
2 @ 4
?/@ @ep@
9. 1/4 ; c ; 1/2 j?/B L
#2
1 ?/@ 19
2 @ 42|?/B 0.2375
5 80
? @ep@
10. c q 3/4 jA/B #2
L
1 @
2 42|?A/B 0.2875
5

Probabilita | 27
Bab V Distribusi Teoritis
Titik-titik contoh di dalam Ruang Sampel (S) dapat disajikan dalam

bentuk numerik/bilangan.Dalam modul ini hanya diperkenalkan 2
distribusi, yaitu distribusi binomial dan distribusi normal yang umum
dipakai dalam analisis statistik atau dalam pembahasan ilmu statistik.
5.1 Distribusi Binomial

Untuk mempermudah perumusan distribusi binomial, kita pakai
percobaan pelemparan sebuah uang logam sebanyak 3 kali (n=3).
Munculnya sisi muka kita sebut kejadian sukses (S) dan munculnya
sisi belakang kita sebut kejadian gagal (G).Singkat kata bahwa hasil-
hasil yang muncul dalam suatu percobaan statistik dapat kita bedakan
dalam dua jenis yaitu kejadian sukses dan kejadian gagal (tidak
sukes), dimana probabilita kejadian sukses dan probabilita kejadian
gagal adalah tetap.
Suatu percobaan statistik disebut percobaan binomial, jika percobaan

statistik tersebut mempunyai ciri-ciri :
1. Percobaan diulang sebanyak n kali;
2. Setiap kejadian dibedakan menjadi dua yaitu kejadian sukses

dankejadian gagal (tidak sukses);
3. Probabilita kejadian sukses dan gagal adalah tetap pada tiap

kalipercobaan diulang;
4. Semua hasil yang muncul saling bebas satu sama lain.
Adapun rumus fungsi distribusi binomial adalah:
f(x) = P(X=x) = p(x) = b(x,n,p) = nCx px(1 - p)n-x
dimana x= 0,1,2,…,n dan q = 1-p
p dan q disebut parameter
Variabel X merupakan variabel kategorik, yang terdiri dari hanya 2

kategori, sebut sukses atau gagal.Misalnya lulus/tidak lulus,
laki-laki/perempuan, rusak/baik, dan sebagainya.
nCx adalah banyaknya susunan yang berbeda untuk mendapatkan x

"sukses" dan (n-x) "gagal" dari sebanyak n percobaan.
x = banyaknya sukses dalan n percobaan, jadi nilai x paling kecil 0

dan paling besar n.

p = probabilita untuk sukses dalam tiap percobaan.
Contoh 1 :
Misalkan sebuah uang logam bermuka G dan K dilambungkan 3

kali.Bila X menyatakan banyaknya G muncul, maka X dikatakan
berdistribusi binomial atau p(x) nya adalah fungsi probabilita
binomial.
X = banyaknya G X =0,1,2,3. Berapa P(X=2) ?
X = 2 dapat diperoleh (terjadi) dari 3 susunan : GGK, GKG, KGG
Karena setiap pelambungan saling bebas maka probabilita GGK
P(GGK) = P(G) x P(G) x P(K) = (½) x (½) x (½) = 1/8.
P(X=2) = P(GGK) + P(GKG) + P(KGG)
= 1/8 + 1/8 + 1/8
= 3(1/8) = 3/8.
Dengan rumus binomial (n = 3, p = ½), lebih mudah dihitung sebagai

berikut:
P(X=2) = 3C2.(½)2.(½)(3-2) = 3/8
Contoh 2 :
Peluang untuk sembuh seorang penderita Thalasemia adalah 0.4. Bila
diketahui ada 15 orang yang telah mengidap penyakit tersebut,
berapakah peluangnya paling sedikit 3 orang akan sembuh?
Penyelesaian:
c q 3 1 c ; 3
1 ?LG9 0.4G 0.6?L ?L?9 0.4? 0.6?B ?L@9 0.4@ 0.6?A &
1 0.027114 0.97289
Jadi, peluang paling sedikit 3 orang akan sembuh adalah 0.97289.
Contoh 3 :
Berdasarkan data BPS tahun 2010, diketahui bahwa 90% balita pernah
mendapat imunisasi DPT. Berapakah peluang bahwa dari 5 balita yang
menjadi sampel, 3 balita pernah mendapat imunisasi DPT?
Penyelesaian:

Probabilita | 29
c 3
LG9 0.9G 0.1L L?9 0.9? 0.1B L@9 0.9@ 0.1A
LA9 0.9A 0.1@ &
0.08146
Jadi, peluang 3 balita pernah mendapat imunisasi DPT adalah sebesar
0.08146.
* Rata-rata dan Varian Binomial
Rata-rata: E(X) = µ = np dan
Varian: Var(X) = σ2 = np(1-p)
Dari contoh1 di atas, diperoleh/diketahui nilai n = 3, p = ½):
E(X) = 3 x (½) = 1,5
Var(X) = 3 x (½) x (½) = ¾
Contoh 1:
Industri "DI" memproduksi suatu jenis baterai. Diketahui

(berdasarkan data pabrik) bahwa probabilita sebuah baterai rusak =
0,01. Artinya 1% dari baterai yang dihasilkan rusak karena masalah
teknis. Probabilita ini konstan dalam keseluruhan proses produksi.
Rusak juga independen dari satu baterai ke baterai yang lain. Bila
diambil secara random 4 baterai, hitunglah probabilita: a) 1 baterai
rusak, b) 0 baterai rusak.
Sebut X = banyaknya baterai yang rusak -> X = 0, 1, 2, 3, 4.
Soal ini bisa diselesaikan dengan menggunakan fungsi binomial: n

= 4 dan p = 0,01.
P(X = 1) = 4C1.(0,01)1.(1-0,01)4-1 = 0,0388
P(X = 0) = 4C0.(0,01)0.(1-0,01)4-0 = 0,9606
Kesimpulan
Bila X variabel acak diskrit, probabilita bahwa X=a dapat dihitung

dengan memasukkan nilai X = a ke dalam fungsi probabilitanya, yaitu
P(X=a) = p(a) seperti telah diuraikan.

Contoh 2:
Suatu suku cadang dapat menahan uji goncangan tertentu dengan

probabilita 3/4 . Hitunglah probabilita bahwa tepat 2 dari 4 suku
cadang yang diuji tidak akan rusak.
Jawab:
Misalkan tiap pengujian bebas jadi pengujian yang satu tidak

mempengaruhi atau dipengaruhi yang berikutnya. Jadi, p = ¾ untuk
tiap empat pengujian sehingga
t t
b(2; 4, ¾ ) =4C2arsb ausb
B! Av
=
@!@! Bw
@K
=
?@J
5.2 Distribusi Normal

Sebaran probabilita kontinyu yang paling penting di bidang statistika
adalah sebaran normal, karena sebaran ini banyak digunakan dalam
berbagai bidang penelitian.Grafiknya disebut kurva normal, adalah
kurva yang berbentuk genta atau lonceng. Dalam kegiatan sehari-hari
atau umumnya suatu percobaan terutama untuk peubah acak yang
kontinyu biasanya memiliki sebaran normal atau sebaran Gauss.
DEFINISI
Bila X adalah suatu peubah acak normal dengan nilai tengah µ dan
ragam (variance) σ2, maka persamaan kurva normalnya adalah
1  x−µ 
2
b b
 1  − 2  σ 

P (a < x < b) = ∫ f ( x )dx = ∫  e dx
a a  σ 2π 
Kurva sebaran probabilita kontinyu atau fungsi kepekatan dinyatakan

sedemikian rupa sehingga luas daerah di bawah kurva yang dibatasi
oleh X=x1=a dan X=x2=b sama dengan P(x1<X<x2). Bila menentukan
probabilita pada sebaran normal digunakan teori integral, maka
diperlukan pengetahuan kalkulus yang cukup dalam, dan menjadi
sangat sulit. Untuk mengatasi hal itu maka semua sebaran normal
dengan berbagai parameter dapat ditransformasi menjadi bentuk
sebaran normal baku (standard normal), dimana nilai tengah µ=0 dan
ragamnya σ2=1.

Probabilita | 31
Mencari Luas di Bawah Kurva Normal
a µ b
Gambar 7. Luas Kurva Normal
Dengan transformasi peubah acak X menjadi peubah acak Z maka

probabilita sebaran normal dapat ditentukan berdasarkan tabel Z.
Transformasi yang digunakan adalah transformasi normal standar
dengan rumus:
x−µ
Z=
σ
Selanjutnya probabilita P(a < x < b) dihitung dengan rumus :
b b
P(a < x < b) = 1 −12Z2
∫ f (z)dz = ∫
a a 2π
e dz
Luas daerah (probabilita) antara z1=a dan z2=b dicari dengan menggu-
nakan tabel normal standar (tabel z) yang dapat dilihat pada lampiran.
z1=a0z2=bZ
Gambar 8. Luas Kurva Normal Standar
Cara Membaca Tabel Normal Standar

Untuk membantu dalam menyelesaikan berbagai macam persoalan

yang timbul, terutama yang berkaitan dengan sebaran normal telah
disediakan nilai probabilita (luas daerah) di bawah kurva
normal.Tabel-z dalam lampiran adalah dasar tabel untuk mencari luas
yang merupakan probabilita untuk nilai Z antara 0 dan z0 (nilai z
positif).
MencariP(0 < Z < 1,34)
0 1,34 Z
Gambar 9. Luas P(0 < Z < 1,34)
Mencari luas daerah atau probabilita antara z = 0 sampai z = 1,34.

Angka 1,34 dicari pada tabel, di mana bagian angka (1,3) dicari pada
kolom z ke bawah dan (0,04) dicari pada z mendatar. Perpotongan
kedua titik yaitu titik (1,3 ; 0,04) dalam tabel diperoleh angka 0.4099
yang berarti bahwa luas daerah antara z = 0 dan z = 1,34 adalah
0,4099 atau P(0 < Z < 1,34) = 0,4099.
Apabila menggunakan tabel lampiran1P(0 < Z < 1,34)=0,9099 – 0,5 =

0,4099
Mencari P(-1,34 < Z < 1,34)
-1,34 0 1,34

Probabilita | 33
Gambar 10. Luas P(-1,34 < Z < 1,34)
Mencari probabilita z antara -1,34 dan +1,34 atau P(-1,34<Z<1,34).

Luas daerahnya adalah seperti terlihat pada gambar di atas. Luas di
sebelah kiri nilai z = 0 adalah sama dengan luas di sebelah kanan z = 0
karena simetris (setangkup). Telah diketahui bahwa luas di sebelah
kanan z = 0 sampai z = 1,34 adalah 0,4099, sehingga luas keseluruhan
sama dengan 0,8198 atau :
P(-1,34<z<1,34) = 2 x P(0<z<1,34) = 2 x 0,4099
= 0,8198
Mencari P(Z > 1,34)
0 1,34
Gambar 11. Luas P(Z > 1,34)
Mencari luas/probabilita z lebih besar dari 1,34 atau P(Z>1,34).

Luas/probabilita ini tidak secara langsung diberikan pada tabel?
(lampiran) yang hanya memberikan luas dalam interval z=0 sampai
suatu nilai z positif. Diketahui probabilita Z>0 atau P(Z>0) = 0,5.
Sehingga P(Z > 1,34) dapat dicari dengan :
P(Z > 1,34) = 0,5 -P(0 < Z < 1,34)
= 0,5 - 0,4099
= 0,0901
Mencari P(1,5 < Z < 2,5)
1,5 2,5 Z
Gambar 12. Luas P(1,5 < Z < 2,5)

Mencari luas/probabilita z terletak antara 1,5 dan 2,5 atau P(1,5 < z <
2,5). Luas ini juga secara langsung tidak dapat dicari pada tabel
lampiran. Untuk mencari probabilita tersebut adalah sebagai berikut :
P(1,5<z<2,5) = P(0<z<2,5) -P(0<z<1,5)
= 0,4938 - 0,4332 = 0,0606
(Catatan : P(0<z<2,5) dan P(0<z<1,5) dicari pada tabel, caranya

seperti pada teladan a).
Mencari P(-1,5 < Z < 0,5)
-1,5 0 0,5 Z
Gambar 13. Luas P(-1,5 < Z < 0,5)
Mencari luas/probabilita antara z = -1,5 dan z = 0,5 atau P(-1,5 < Z <
0,5). Mencari luas denganmenjumlahkan luas antara z = -1,5 dan z = 0
dengan luas antara z = 0 dan z = 0,5. Atau P(-1,5<Z<0,5) =
P(-1,5<Z<0) + P(0<Z<0,5). Luas antara z=-1,5 dan z = 0 sama dengan
luas antara z=0 dan z=1,5 atau P(-1,5<Z<0) = P(0<Z<1,5). Jadi :
P(-1,5<Z<0,5) = P(0<Z<1,5) + P(0<Z<0,5)
= 0,4332 + 0,1915
= 0,6247
Contoh 1 :
Sebuah perusahaan alat listrik memproduksi bohlam yang umur

pakainya menyebar normal dengan nilai tengah 800 jam dan
simpangan baku 40 jam. Hitung probabilita sebuah bohlam hasil
produksinya akan mencapai umur pakai antara 778 hingga 834 jam.
Jawab :
Diketahui µ = 800 dan σ = 40
Misalkan X = umur pakai bohlam

Probabilita | 35
X mempunyai distribusi normal
778 − 800 834 − 800

Z1 = = −0,55 →→ Z 2 = = 0,85
40 40
P(778 < X < 834) = P(Z1< Z < Z2)
= P(-0,55 < Z < 0,85)
= P(Z<0,85) -P(Z<-0,55)
= 0,5111.
Contoh 2 :
Diketahui suatu fungsi berditsribusi normal dengan c~<65; 36.
Hitunglah:
a. c 36
b. P(X<50)
c. P(55 < X < 72)
Penyelesaian:
elz AHlHL
a. c 36 a b a b | 4.83 0
{ H
elz LGlHL
b. c ; 50 a ; b | h 2.5
{ H
Dengan menggunakan Tabel Z, diperoleh

| ; 2.5 1 0.9938 0.0062
LLlHL elz K@lHL
c. 55 ; c ; 72 a ; ; b 1.67 ; | ;
H { H
1.17
1.67 ; | ; 1.17 0.4525 0.3790 0.8315

Soal Latihan
1. Dalam survey tentang pengetahuan seorang ibu terhadap kesehatan
reproduksi di Desa X. Diketahui bahwa peluang seorang ibu mengetahui
tentang alat kontrasepsi hanya 0.35. Bila diketahui ada 10 orang ibu yang
menjadi responden, berapakah peluangnya paling sedikit 4 orang
mengetahui tentang alat kontrasepsi?
2. Sebuah lembaga survey mengadakan survey mengenai setuju atau tidak

nya para ibu rumah tangga dengan rencana pemerintah menaikkan harga
BBM dan hasilnya ternyata 97 persen ibu rumah tangga tidak setuju
dengan kenaikan harga BBM. Apabila diambil sampel secara acak 5
orang, berapakah peluang semua ibu rumah tangga menolak kenaikan
harga BBM?
3. Berdasarkan data BPS tahun 2010, diketahui bahwa di Propinsi DKI

Jakarta hanya 45.2 persen rumah tangga dengan status kepemilikan rumah
milik sendiri. Jika diambil sampel sebanyak 10 rumah tangga, berapakah
peluang kita akan memperoleh minimal 3 rumah tangga dengan status
kepemilikan rumah milik sendiri?
4. Sebuah keluarga terdiri dari 10 ART, masing-masing ART diberikan

kuesioner untuk diisi, jika diambil secara acak 4 kuesioner untuk dientry.
Berapakah peluangnya bahwa keempat ART tersebut berjenis kelamin
laki-laki, bila dalam rumah tangga tersebut terdapat 3 ART perempuan?
5. Berdasarkan data BPS tahun 2010, diketahui bahwa persentase penduduk

buta huruf usia 45 tahun ke atas di Propinsi Nusa Tenggara Barat adalah
46.3 persen. Jika diambil sampel sebanyak 5 orang penduduk usai 45
tahun ke atas di Propinsi tersebut, berapa probabilita minimal 2 orang
tidak buta huruf?

Probabilita | 37
6. Diketahui suatu fungsi berditsribusi normal dengan c~<250; 100.

Hitunglah:
a. c 230
b. P(X>270)
7. Dari penelitian terhadap 150 orang laki-laki berumur 40-60 tahun

didapatkan rata-rata kadar kolestorol mereka 215 mg dan simpangan baku
45mg. Jika diambil sampel secara acak, berapakah peluang mendapatkan
seorang yang kadar kolesterolnya:
a. < 200 mg
b. Antara 200-275 mg
8. Diketahui rata-rata produksi teh dalam 10 tahun terakhir adalah 123

(dalam ribuan ton) dengan simpangan baku sebesar 15 (dalam ribuan ton).
Berapakah probabilita jika pada tahun ini diharapkan dapat memproduksi
lebih dari 130 ribu ton?
9. Misal dikarenakan isu kenaikan BBM, harga-harga bahan pokok

mengalami kenaikan, untuk cabe rawit rata-rata naik Rp. 12.000 per
kilogram, dengan simpangan baku sebesar Rp. 1500. Berapakah
probabilita jika kenaikan cabe rawit yang diharapkan kurang dari
Rp.8.000?
10. Diketahui rata-rata jumlah tindak pidana di Propinsi Banten dalam 3 tahun
terakhir adalah 1836 kejadian dengan varians sebesar 5184. Berapakah
probabilita jika tahun depan diharapkan jumlah tindak pidana mengalami
penurunan minimal menjadi 1700 kejadian?
Penyelesaian:
1. c i 4 1 c ; 4 1 ?GG9 0.35G 0.65?G ?G?9 0.35? 0.65I
?G@9 0.35@ 0.65J ?GA9 0.35A 0.65K &
1 0.51383 0.48617

2. c 5 }X LG9 0.97G 0.03L [ X L?9 0.97? 0.03B [ X L@9 0.97@ 0.03A [
X LA9 0.97A 0.03@ [ X LB9 0.97B 0.03? [ X LL9 0.97L 0.03G [~
1
3. c i 3 1 c ; 3
1 ?GG9 0.452G 0.548?G ?G?9 0.452? 0.548I ?G@9 0.452@ 0.548J &
1 0.09735 0.90264
4. Misal X= banyaknya ART berjenis kelamin laki-laki

Y= banyaknya ART berjenis kelamin perempuan
Peluang X= 7/10
Peluang Y= 3/10
c 4
?GG9 0.7G 0.3?G ?G?9 0.7? 0.3I ?G@9 0.7@ 0.3J
?GA9 0.7A 0.3K ?GB9 0.7B 0.3H &
0.04734
5. Misal X= Penduduk tidak buta huruf

P(X)= 0.537
c i 2 1 c ; 2
1 }X LG9 0.537G 0.463L [ X L?9 0.537? 0.463B [~
1 0.1447 0.8553
6.
elz @AGl@LG
a. c 100 a b a b | 2 0.0228
{ ?G
elz @KGl@LG
b. c q 270 a ; b | ; 2
{ ?G

| ; 2 0.4772
7. Diketahui:
µ=215

Probabilita | 39
45
elz @GGl@?L
a. c ; 200 a {
; BL
b
| ; 0.67
Dengan menggunakan tabel kurva normal, maka diperoleh
| ; 0.67 0.2514
b.
200 215 2 275 215
200 ; c ; 275 ; ;
45 45
0.67 ; c ; 1.33
0.2486 0.4066 0.6552
elz ?AGl?@A
8. c q 130 a {
q ?L
b
| q 0.47
| q 0.47 0.3192
elz JGGGl?@GGG
9. c ; 130 a ; b
{ ?LGG
| ; 0.8
| ; 0.8 0.2119
elz ?KGGl?JAH
10. c ; 1700 a {
; K@
b
| ; 1.89
| ; 1.89 0.0294
Bab VINilai Harapan

Salah satu manfaat yang sangat penting dari nilai harapan (harapan
matematik) adalah dapat dipakai untuk menentukan rata-rata/mean
(µ) dan varian (σ2) serta standard deviasi (σ) dari parameter populasi.
6.1Rata-rata Peubah Acak

Apabila dua uang logam dilantunkan 16 kali dan Xmenyatakan
banyaknya muncul muka tiap lantunan maka X dapat berharga 0, 1,
dan 2. Misalkan percobaan itu menghasilkan tidak ada muka, satu
muka, dan dua muka masing-masing sebanyak 4, 7, dan 5 kali. Maka
rata-rata banyaknya muka tiap lantunan dua uang logam adalah
(0)(4) + (1)(7) + ( 2)(5)

= 1,06
16
Ini adalah nilai rata-rata dan tidak perlu menyatakan suatu hasil yang
mungkin muncul bagi percobaan yang telah dilakukan. Bentuk
perhitungan nilai rata-rata banyaknya muncul muka di atas dapat
disusun kembali menjadi:
 4  7   5 
(0)   + (1)   +(2)   = 1,06
 16   16   16 
Bilangan 4/16, 7/16, dan 5/16 adalah bagian dari jumlah lantunan
yang menghasilkan nol, satu, dan dua muka.Pecahan ini sama dengan
frekuensi nisbi untuk nilai Xyang berbeda dalam percobaan tersebut.
Penggunaan metode frekuensi nisbi untuk menghitung rata-rata
banyaknya muka tiap lantunan dua uang logam yang dapat dihapkan
dalam jangka panjang.Nilai rata-rata tersebut dinamakan rata-rata
peubah acak Xatau rata-rata distribusi peluang X dan ditulis
sebagai µ x atau µ.
Bila variabel acak X mempunyai fungsi probabilitas f(x)=P(X=x),

maka harapan atau ekspektasi matematis atau harapan teoritis dari X
yangditulis E(X) adalah suatu fungsi yang dirumuskan sebagai berikut
:
∑ x p(X=x), jika X diskrit.

∞
E(x) = Σ x f(x) =
∫ Xf ( x)dx, jika X kontinu.
−∞
Sekarang akan dibicarakan beberapa sifat yang berguna untuk

menyederhanakan perhitungan harapan matematik (nilai harapan).
Sifat atau teotema ini akan memungkinkan kita menghitung harapan

Probabilita | 41
melalui harapan lain yang telah diketahui ataupun mudah dihitung.

Semua hasil ini berlaku untuk variabel acak yang diskrit maupun
kontinu. Adapun sifat-sifat dari nilai harapan atau harapan matematis
dari X adalah :
E(c) = c,
E(bX) = b E(X)
E(a + bX) = a + b E(X)
dimana a, b dan c adalah suatu konstanta.
Berdasarkan uraian di atas, maka dapat juga dikatakan bahwa nilai

harapan sama dengan rata-rata atau rata-rata suatu variabel acak
diperoleh dengan cara mengalikan tiap nilai variabel acak tersebut
dengan probabilita padanannya dan kemudian menjumlahkannya jika
variabelnya adalah diskrit. Bila variabelnya adalah kontinu, maka
definisi nilai harapan pada dasarnya masih tetap sama yaitu dengan
mengganti penjumlahan dengan integral.
Misalkan 2 uang logam yang dilantunkan memiliki ruang sampel S=

{MM, MB, BM, BB}. MisalnyaBMmenyatakan lantunan pertama
menghasilkan belakang dan yang kedua muka. Keempat titik sampel
berpeluang sama maka
1
P(X=0) = P(BB)= ,
4
1
P(X=1) = P(BM)+ P(MB)= , dan
2
1
P(X=2) = P(MM)= .
4
Peluang ini sebenarnya hanyalah frekuensi nisbi dalam jangka

1 1 1
panjang. Jadi µ = E(X) = (0)   + (1)   + (2)   = 1
4 2 4
Contoh 1:
Pada pelemparan 3 (tiga) uang logam, tentukanlah harapanmatematis

banyaknya muncul muka pada tiap pelemparan!
Jawab:
Perhatikan fungsi distribusi probabilita X, dimana X menunjukkan

banyaknya muncul muka. Karena X diskrit, maka harapan matematis
banyaknya muncul adalah :

3 3
E ( X ) = ∑ xf ( x ) = ∑ xP ( X = x )
x =0 x =0
= (0).P(X=0) + (1).P(X=1) + (2).P(X=2) +
(3).P(X=3)
= (0) (1/8) + (1) (3/8) + (2) (3/8) + (3) (1/8)
= 12 / 8
= 1,5
Jadi secara teoritis (matematis), harapan banyaknya muncul muka

pada tiap kali melemparkan tiga uang logam adalah 1,5. Perhatikan
bahwa E(X)=1,5 ternyata merupakan nilai tengah dari nilai-nilai data
X, yaitu 0,1,2,3.
X
0 1 1,5 2 3
Contoh 2:
Misalkan X peubah acak yang menyatakan umur dalam jam sebuah

bola lampu. Fungsi padat peluangnya diberikan oleh
 20000 x> 100


f(X) =  x3
Untuk x lainnya.
0
Hitunglah harapan umur jenis bola lampu !

∞
20000
µ = E(X) = ∫x
100
x3
dx
∞
20000
= ∫
100
x2
dx
= 200
Jadi, jenis bola lampu diharapkan rata-rata berumur 200 jam.

Probabilita | 43
Contoh 3 :
Dalam suatu permainan seseorang mendapat Rp. 500 bila dalam
lemparan 3 uang logam muncul semua muka atau semua belakang,
dan membayar Rp. 300 bila muncul muka satu atau dua. Berapakah
harapan kemenangannya?
Penyelesaian:
. , , , , , , , &
Jadi, peluang masing-masing terjadi adalah 1/8
1 1 1
,
8 8 4
6 3
, , , , ,
8 4
? A
Jadil, 0 500 aBb 300 aBb 100
Karena nilai harapan negatif, maka permainan ini memberikan

kerugian sebesar Rp. 100.
Contoh 4 :
Banyaknya mobil X yang masuk ke suatu tempat pencucian mobil
setiap hari antara jam 13.00-14.00 mempunyai distribusi peluang sbb:
x 4 5 6 7 8 9
P(X=x) 1/12 1/12 ¼ ¼ 1/6 1/6
Misalkan g(X) = 2X-1 menyatakan upah, dalam ribuan rupiah, para
karyawan dibayar perusahaan dalam jam tersebut. Cari harapan
pendapatan karyawan pada jam tersebut?
Penyelesaian:
2c 1 2c 1
1 1 1 1 1 1
2 4 5 6 7 8 9
12 12 4 4 6 6
1
5 2
2 6 1 12
6 3

6.2Varian
Nilai harapan dapat dipakai untuk menghitung mean (µ) dan varian
(σ2) serta standard deviasi (σ) dari parameter populasi yang
dirumuskan sebagai berikut :
1. Mean populasi µ = E(X)
2. Varian Populasi (σ2) :
∑ (x - µ )2 f(x), jika X diskrit

∞ 2
σ = E{(X-µ) } =
2 2
∫ (x − µ )
−∞
f ( x )dx , jika X kontinu
3. Standar deviasi (σ) :
{
σ = E ( X − µ)
2
}
Perhatikan bahwa rumus varianσ2 = E{(X-µ)2} dapat disederhanakan
menjadi rumus berikut ini, dengan memakai sifat-sifat nilai harapan,
yaitu :
σ2 = E{(X-µ)2} = E(X2 – 2 µX + µ2), dimana µ konstanta.
= E(X2) - 2 µE(X) + E(µ)
= E(X2) - 2 µ . µ+ µ2
= E(X2) - µ2
dimanaµ = E(X)
Contoh 1:
Misalnya X adalah banyaknya radio yang terjual dalam seminggu

dengan distribusi probabilita sebagai berikut :
Harga X 0 1 2 3 4 5
Probabilita X 0,1 0,1 0,2 0,3 0,2 0,1
Hitunglah berapa nilai mean, varian dan standar deviasi?
Jawab:

Probabilita | 45
Penghitungan ini dibuatkan dalam bentuk tabel dibawah ini.
Harga X 0 1 2 3 4 5 Jumlah
Probab (X) 0,1 0,1 0,2 0,3 0,2 0,1 1
X f(X) 0 0,1 0,4 0,9 0,8 0,5 2,7 = E(X)
X2 f(X) 0 0,1 0,8 2,7 3,2 2,5 9,3 = E(X2)
Maka σ2 = E{(X-µ)2} = E(X2) - µ2 = 9,3 – (2,7)2 = 2,01
{ }
σ = E ( X − µ ) = 2,01 = 1,42
2
Contoh 2 :
Misalkan peubah acak X menyatakan banyaknya kuesioner yang non
respons bila diambil secara acak 3 kuesioner. Berikut distribusi
peluang X
x 0 1 2 3
f(x) 0.51 0.38 0.10 0.01
Hitunglah @ ?
Penyelesaian:
00.51 10.38 20.10 30.01 0.61
c @ 00.51 10.38 40.10 90.01 0.87
@ 0.87 0.61@ 0.4979
Contoh 3 :
Konsumsi beras dalam ribuan liter di daerah A merupakan peubah
acak kontinu X dengan fungsi padat peluang
>2 22 1 1 ; 2 ; 2
0, "'- 2 %!""E%
Carilan varians X nya?
Penyelesaian:
@
5
c 2 g 22 1 #2
3
?

@
@
17
c 2 g 2 @ 2 1 #2
6
?
17 5 @ 1

@

6 3 18

Probabilita | 47
Soal Latihan
1. Berikut adalah sifat-sifat dari nilai harapan atau harapan matematis dari X,
kecuali:
a. % 4c % 4c
b. %c 4 %c 4
c. F 0
d. 4c 4c
2. Distribusi peluang X, dengan X menyatakan banyaknya rumah tangga

yang tidak bersedia untuk diwawancara, seperti berikut:
x 0 1 2 3 4
f(x) 0.41 0.37 0.16 0.05 0.01
Carilah rata-rata banyaknya rumah tangga yang tidak bersedia
diwawancara?
00.41 10.37 20.16 30.05 40.01
0.88
3. Seorang petugas entry, dibayar berdasarkan banyaknya kuesioner yang

mereka entry. Misalkan pendapatan mereka dalam sebulan (dalam ratusan
ribu rupiah) dan peluangnya sebagai berikut:
x 7 9 11 13 15 17
f(x) 1/12 1/12 ¼ ¼ 1/6 1/6
Carilah harapan pendapatan petugas entry dalam sebulan?
1 1 1 1 1 1
7 9 11 13 15 17
12 12 4 4 6 6
2
12
3
4. Hitunglah varians dari soal no.3!
1 1 1 1 1
c @ 49 81 121 169 225
12 12 4 4 6
1
289
6
169

4 5
@ c @ 2 169 160 8
9 9
5. Misalkan keuntungan penjualan satu karung beras (dalam ratusan ribu

rupiah) seorang petani mempunyai fungsi padat seperti berikut:
>2 21 2 0 ; 2 ; 1
0, "'- 2 %!""E%
Hitunglah keuntungan rata-rata per karung beras?
?
g 2 21 2#2
G
2
2 @ 2 A |?G 1/3
3
jadi, rata-rata keuntungan petani dalam satu karung beras adalah Rp.
33.333.
6. Carilah varians dari soal no. 5!

?
c @ g 2 @ 21 2#2

G
2 A 2 B? 1
2 2 |G
3 4 6
@ c @ @
1 1 1

6 9 18
7. Misalkan X peubah acak dengan distribusi peluang sebagai berikut:

x -3 6 9
f(x) 1/6 ½ 1/3
Hitunglah nilai E(X)?
1 1 1
3 6 9 5.5
6 2 3

Probabilita | 49
8. Hitunglah varians dari soal no 7!!

c @ 91/6 361/2 811/3 43.5
@ 43.5 5.5@ 13.25
9. Hitung nilai harapan dari g(X)=2X+3, bila X peubah acak dengan

distribusi peluang
x 0 1 2 3
f(x) ¼ 1/8 ½ 1/8
2c 3 2c 3
1 1 1 1
2 0 1 2 3 3
4 8 2 8
1
2 1 3
2
6
10. Hitunglah varians dari soal no. 9!

M2c 3@ N 4c @ 12c 9 4c @ 12c 9
1 1 1 1 1
4 0 1 4 9 12 1
4 8 2 8 2
9
1
4 3 18 9
4
40
@ M2c 3@ N M2c 3N@
40 6@ 40 36 4
11. Bila probabilita seorang montir mobil akan memperbaiki 3, 4, 5, 6, 7, atau

8 lebih mobil pada setiap hari kerja masing-masing 0,12 ; 0,19 ; 0,28 ; 0,24
; 0,10 ; dan 0.07. Berapakah probabilita bahwa dia akan memperbaiki
paling sedikit 5 mobil pada hari kerja berikutnya?
Jawab:
Misalkan E kejadian bahwa paling sedikit 5 mobil yang diperbaiki.

Sekarang P(E)=1-P(E’), bila E’ kejadian bahwa kurang dari 5 mobil yang
diperbaiki. Karena P(E’)=0,12 + 0,19 = 0,31 maka P(E) = 1 – 0,31 = 0,69

12. Jika seseorang membeli sebuah lotere, maka ia dapat memenangkan

hadiah pertama sebesar Rp 50.000.000,- atau hadiah kedua sebesar Rp
20.000.000,- masing-masing dengan probabilita 0,001 dan 0,003.
Berapakah nilai harapan kemenangan orang tersebut.
Jawab:
Misalkan variabel X menyatakan nilai kemenangan orang itu, maka nilai

X1=50.000.000 dengan probabilita P(X=x1)=0,001 dan X2=20.000.000
dengan probabilita P(X=x2)=0,003, maka nilai harapan X, yaitu :
E(X) = x1P(X=x1) + x2P(X=x2)
= 50.000.000 (0,001) + 20.000.000 (0,003)
= 110.000
Jadi, nilai harapan orang tersebut akan memenangkan lotere adalah Rp

110.000.000,-
13. Diketahui variabel random X mempunyai distribusi probabilita sebagai

berikut :
X 8 12 16 20 24
P(X) ¼ 1/12 1/6 1/8 3/8
Tentukanlah :
a. Mean X;
b. Standar deviasi X
c. E{(2X – 3)2} !
Jawab :
a. Mean dari X adalah :
1 1 1 1 3
µ = E(x) = ∑xP( X = x) = 8 +12 +16 + 20 + 24 = 17,17
x 4 12 6 8 8
b. E(X 2 ) = ∑ x2 P(X = x) = ( 8 )2 1 + (12)2 1 + (16)2 1 + ( 20)2 1 + ( 24)2 3 =336,67

x 4 12 6 8 8
Varians σ2 = E(X2) - µ2 = 336,67 – (17,17)2 = 41,86
Standar deviasi σ = 41,86 = 6,47

Probabilita | 51
c. E{(2X – 3)2 = 4E(X2) – 12 E(X) + 9
= 4(336,67) – 12 (17,17) + 9
= 1.149,64
14. Seorang penjual mengatakan bahwa 25% dari seluruh barang dagangannya
rusak akibat truk yang membawa barang itu mengalami kerusakan. Jika
seseorang membeli barang dagangan itu sebanyak 10 buah, tentukanlah :
a. probabilita orang itu akan mendapat 5 barang yang cacat.
b.Rata dan simpangan baku barang yang cacat.
Jawab:
Diketahui n=10; p=0,25 dan q=1-p=0,75
Misalkan X menyatakan barang yang cacat. Formula distribusi binomial

adalah :
P(X=x) = 10Cx (0,25)x (0,75)10-x , untuk x=0,1,,…,10
a. Probabilita orang itu mendapat 5 barang yang cacat adalah :
P(X=5) = 10C5 (0,25)5 (0,75)10-5 = 0,0584
b. Rata-rata adalah µ = np = 10 (0,25) = 2,5
Simpangan baku adalah
σ= npq = 10(0,25)(0,75) = 1,37
15. Tiga orang petani: Pak Herman, Parman dan Eki menitipkan pecinya
di pagi hari pada seoarng anak. Sore harinya si anak mengembalikan
peci tersebut secara acak pada ketiga petani. Bila Pak Herman,
Parman dan Eki, dala urutan itu menerima peco dari si anak maka
tuliskanlah titik sampel untuk semua urutan yang mungkin
mendapatkan peci tersebut dan kemudian cari nilai x dari variabel
random X yang menyatakan jumlah urutan yang sesuai.
Jawab:
Bila H, P dan E menyatakan masing-masing peci yang dibagikan berturut-

turut pada Pak Herman, Parman dan Eki maka jumlah urutan pembagian
peci yang mungkin dan urutan yang sesuai adalah :

Kejadian yang mugkin Nilai x

HPE 3
HEP 1
PHE 1
PEH 0
EHP 0
EPH 1
16. Dari pengiriman sebanyak 1.000 rim kertas koran dengan berat 60 gram
diketahui bahwa rata-rata tiap rimnya berisi 450 lembar dengan standar
deviasi 10 lembar. Jika distribusi jumlah kertas per rim tersebut
berdistribusi normal, berapa persen dari rim kertas itu yang berisi 455
lembar atau lebih ?
Jawab:
Diketahui µ = 450 dan standar deviasi σ = 10
Misalkan X = jumlah kertas per rim
X berdistribusi normal
X −µ X − 450 455 − 450

Z= = = = 0,5
σ 10 10
maka P(X ≥ 455) = P(Z ≥ 0,5)
= P(Z > 0) – P(0 < Z < 0,5)
= 0,5 – 0,1915 = 0,3085
= 30,86%
0 0,5
Jadi, banyaknya rim kertas yang berisi455 lembar atau lebih adalah
sebanyak 30,85% atau 30,85% x 1000 rim = 309 rim

Probabilita | 53
17. Ditentukan distribusi normal baku, carilah luas di bawah kurva yang
terletak:
a. Di sebelah kanan z=1,84
0 1,84 z
b. Antara z= -1,97 dan z=0,86
-1,97 0 0,86 z
Jawab:
a. Luas pada gambar a di sebelah kanan z=1,84 adalah 1- P(z < 1,84)= 1-
0,9671 = 0,0329
b. Luas pada gambar b antara z=-1,97 dan z=0,86 sama dengan P(0<z < 1,97)
+ P(0<z<0,86) = 0,4756 + 0,3051 = 0,7807
18. Diketahui suatu distribusi normal dengan µ=50 dan σ =10, carilah
probabilita bahwa X mendapat nilai antara 45 dan 62.
Jawab:
Nilai z yang berpadanan dengan x1 = 45 dan x2 = 62 adalah
45 − 50
z1 = = -0,5
10
dan
62 − 50
z2 = = 1,2
10

Jadi, P(45 < X < 62) =P(-0,5 < Z <1,2)
Nilai P(-0,5 < Z < 1,2) diberikan oleh luas yang diarsir pada gambar
berikut.
-0,5 0 1,2 z
Diperoleh P(45 < X < 62) = P(-0,5 < Z < 1,2)
= P(Z < 1,2) – P( < -0,5)
= 0,8849 – 0,3085
= 0,5764

Probabilita | 55
LatihanKomprehensif
1. Berapa banyak bilangan genap yang terdiri atas tiga angka dapat
dibuat dari angka 1, 2, 5, 6, dan 9 bila tiap angka tersebut hanya boleh
digunakan sekali?
2. Sebuah plat nomor terdiri atas 1 huruf diikuti 2 angka. Khusus huruf o
dan i tidak boleh dipakai.
a. Hitunglah banyaknya plat nomor yang bisa dibentuk.
b. Seperti pada pertanyaan a hanya angka pertama tidak boleh angka 0

(nol)
3. Sebuah uang logam bermata dua yakni: G (Garuda) dan K (Komodo).

Bila mata uang tersebut dilambungkan 3 kali,
a. Tuliskan set (S) yang berisi semua kemungkinan hasil.
b. B adalah set yang anggotanya 2G dan 1K. Tuliskan himpunan B
c. C adalah hasil ketiga pelambungan sama semua. Tuliskan C.
4. Ada 5 orang yang mau duduk, tapi kursi yang tersedia hanya 3. Berapa
banyak susunan pengisian kursi ?
5. Ada 5 lowongan jabatan di suatu kantor, tapi yang potensial sebanyak 9

orang. Berapa banyak kemungkinan komposisi pengisian jabatan
tersebut ?
6. Satu set kartu bridge berisi 52 buah yang semuanya dapat dibedakan
dan terbagi atas 26 merah dan 26 hitam. Bila dicabut 4 kartu, berapa
banyak komposisi mendapat 1 merah dan 3 hitam?
7. Sebuah kotak berisi 5 kelereng, 2 putih dan 3 merah. Diambil secara

acak 2 kelereng.
a. Berapakah probabilita mendapatkan 2 putih.
b. Berapakah probabilita mendapatka 1 putih dan 1 merah.
8. Sebuah kotak berisi 6 kelereng merah, 4 kelereng putih dan 5 kelereng

biru. Sebuah kelereng diambil secara acak.Hitunglah probabilita
bahwa kelereng yang terambil :
a. merah d. tidak merah
b. putih e. merah atau putih
c. biru

9. Ada 2 kotak. Kotak pertama berisi 4 bola putih dan 2 bola hitam, kotak
kedua berisi 3 bola putih dan 5 bola hitam. Dari setiap kotak diambil 1
(satu) bola secara acak. Berapakah probabilita:
a. kedua bola berwarna putih.
b. 1 putih dan 1 hitam.
10.Probabilita si A untuk hidup 20 tahun lagi 0,7, sedangkan probabilita si

B untuk hidup 20 tahun lagi 0,6. Berapakah probabilita kedua-duanya
akan hidup 20 tahun lagi?
11.Probabilita si Abdul terpilih menggantikan atasannya bila atasannya

dipromosikan adalah 0,8, sedangkan probabilita atasannya untuk
dipromosikan adalah 0,5. Berapakah probabilita bahwa si Abdul dan
atasannya sama-sama dipromosikan?
12.Sebuah uang logam bermuka 2 (G dan K) dilambungkan 6 kali.
a. Hitunglah probabilita mendapat 4 G.
b.Berapakah rata-rata banyaknya G dalam 6 kali pelambungan.
c. Berapakah probabilita mendapatkan paling sedikit 4 G.
13.Diketahui 20% bola lampu yang dihasilkan dari suatu pabrik rusak.
diambil secara acak 4 bola lampu. Carilah probabilita mendapatkan
bola lampu rusak sebanyak:
a. satu bola
b. nol bola
c. sebanyak-banyaknya 2 bola
14.Probabilita suatu penerbangan yang telah terjadwal teratur berangkat

tepat waktu P(B)=0,83 ; probabilita sampai tepat waktu P(S)=0,82 dan
probabilita berangkat dan sampai tepat waktu P(B∩S)=0,78. Cari
probabilita bahwa pesawat a sampai tepat waktu bila diketahui
berangkat tepat waktu dan b berangkat tepat waktu jika diketahui
sampai tepat waktu!
15. Carilah area dari sebuah kurva normal baku berikut:
a. antara 0 dan 1,2
b. antara -0.68 dan 0
c. antara -0,46 dan 2,21
d. antara 0.81 dan 1,94

Probabilita | 57
e. lebih kecil dari 0,6
f. lebih besar dari 0,28
16. Tentukan probabilita mendapatkan ’MATA 1’ muncul 3 kali pada

pelemparan 5 kali sebuah dadu setimbang!
17. Suatu jenis baterai mobil rata-rata berumur 3 tahun dengan simpangan
baku 0,5 tahun. Bila dianggap umur baterai berdistribusi normal,
carilah probabilita suatu baterai tertentu akan berumur kurang dari 2,3
tahun!
18.Suatu perusahaan listrik menghasilkan bola lampu yang umurnya

berdistribusi normal dengan rata-rata 800 jam dan simpangan baku 40
jam. Hitunglah probabilita suatu bola lampu dapat menyala antara 778
dan 834 jam!
19.Adi punya 3 celana dan 2 baju. Ada berapa banyak cara Adi memakai
pasangan celana dan baju?
20. Tentukan banyaknya bilangan yang terdiri dari 3 angka dan bernilai
kurang dari 300, apabila bilangan tersebut dibentuk dari angka-angka:
2, 3, 4, 5, 6 dan angka yang digunakan tidak boleh berulang!
Jawaban
1. Karena bilangan itu genap maka hanya tersedia pilihan n1 = 2 untuk satuan
(angka terakhir). Untuk tiap satuan ini terdapat n2 = 4 pilihan untuk
puluhan dan n3 = 3 untuk ratusan. Jadi kita dapat membentuk sebanyak
n1n2n3 = (2)(4)(3) = 24 bilangan genap berangka tiga.
2. a). 24 x 10 x 10 = 2400
b). 24 x 9 x 10 = 2160
3. a)S={GGG,GGK,GKG,KGG,GKK,KGK,KKG,KKK}
b). B = {GGK,GKG,KGG}
c). C = {GGG,KKK}
d). B´C = { }, himpunan kosong
e). BUC = {GGG,GGK,GKG,KGG,KKK}
4. 5P3 = 5!/(5-3)! = 60
5. 9P5 = 9!/(5!. 4!) = 126

6. [26C1][26C3]
7. a). [2C2]/[5C2] = 0,1
b). {2C1. 3C1}/5C2 = 0,6
8. a). 6/15
b). 4/15
c). 5/15
d). 3/5
e). 6/15 + 4/15 = 10/15
9. a). (4/6)(3/8) = 1/4
b). dari kotak I putih, kotak II hitam atau sebaliknya.
Probabilita = (4/6)(5/8) + (2/6)(3/8) = 13/24
10. (0,7)(0,6) = 0,42
11. (0,8)(0,5) = 0,40
12. a). 6C4 . (½)4 (½)6-4 = 15/64
b). rata-rata= 6 x ½ = 3
c). 6C4 . (½)6 + 6C5 . (½)6 + 6C6 . (½)6 = 11/32
13. a). 4C1 (0,2) (0,8)3 = 0,4096
b). 4C0 (0,2)0 (0,8)4 = 0,4096
c). 0,4096 + 0,4096 + 0,1536 = 0,9728
14. a). Probabilita pesawat sampai tepat waktu jika diketahui berangkat
tepat waktu
P( B ∩ S )
P(S|B) =
P( B)
0,78
=
0,83
= 0,94

Probabilita | 59
b). Probabilita pesawat berangkat tepat waktu bila diketahui sampai tepat
waktu
P( B ∩ S )
P(B|S) =
P( S )
0,78
=
0,82
= 0,95
15.a). 0,3849
b). 0,2517
c). 0,1772 + 0,4864 = 0,6636
d). 0,1828
e). 0,2742
f). 0,8997
16. Kejadian sukses/berhasil = mendapat ’MATA 1’
x=3
n=5 -> pelemparan diulang 5 kali
p=1/6 q= 1 – 1/6 = 5/6
b(x; n, p) = nCx pxqn-x
3 2
b(3; 5, 1/6) = 5C3    
1 5
6 6
5! 5 2
=
3!2! 6 5
= 0,0322
2,3 − 3
17. z = = -1,4
0 ,5
P(X < 2,3) = P(Z < -1,4)
08
18. Nilai z yang berpadanan dengan x1 = 778 dan x2 = 834 adalah

778 − 800
z1 = = -0,55
40
834 − 800
z2 = = 0,85
40
Jadi P(778 < X < 834) = P(-0,55 < Z < 0,85)
= P(Z<0,85) – P (Z<-0,55)
= 0,8023 – 0,2912
= 0,5111
19. cara 1: tabel
C1 C2 C3
B1 B1C1 B1C2 B1C3 = 6 cara
B2 B2C1 B2C2 B2C3
cara 2: aturan pengisian tempat

3 x 2 = 6 cara
banyak cara untuk mengisi tempat

baju ada 2 cara
banyak cara untuk mengisi tempat celana

ada 3 cara
20.
x x = 121cara 4 3
Karena bilangan yang ditentukan <

300, maka angka ratusan dari angka
yang tersedia adalah 2 atau 1 cara

Probabilita | 49
DAFTAR PUSTAKA
Suryadi, Christine. 2003. Probabilitas dan Statistika Dasar Teori Probabilita.

Bandung: ITB.
Barizi. 1984. Kamus Istilah Statistik. Jakarta: Departemen Pendidikan dan
Kebudayaan.
Walpole, Ronald E and Raymond H Myers.1995. Ilmu Probabilita dan Statistika
untuk Insinyur dan Ilmuwan.Bandung: Penerbit ITB.
William W.Hines and Douglas C.Montgomery.1990.Probabilita dan Statistik

dalam ilmu Rekayasa dan Manajemen.Jakarta: Penerbit Universitas
Indonesia, UI-Press.

Probabilita | 51
Lampiran 1

Bahasa

PROBABILITA

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

PROBABILITA

Judul Asli:

Diunggah oleh

Hak Cipta:

Format Tersedia

Modul Diklat Fungsional Statistisi Tingkat Ahli

DAFTAR GAMBAR ............................................................................................. iii

Tujuan Pembelajaran ................................................................................................v

Bab I Pengantar Probabilita ....................................................................................1

Bab II Permutasi dan Kombinasi ...........................................................................14

Bab III Probabilita Bersyarat .................................................................................22

Bab IV Distribusi Probabilita .................................................................................31

Bab V Distribusi Teoritis .......................................................................................27

Bab VI Nilai Harapan............................................................................................42

Soal dan Pembahasan .............................................................................................54

DAFTAR PUSTAKA ............................................................................................81

Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik

Gambar 1. Diagram Venn Gabungan .......................................................................8

Gambar 2. Diagram Venn Irisan ..............................................................................8

Gambar 3. Diagram Venn Komplemen ...................................................................9

Gambar 4. Diagram Venn Himpunan Bagian ..........................................................9

Gambar 5. Diagram Batang Distribusi Probabilita ................................................17

Gambar 6. P( a < X < b).........................................................................................20

Gambar 7. Luas Kurva Normal ..............................................................................31

Gambar 8. Luas Kurva Normal Standar.................................................................31

Gambar 9. Luas P(0 < Z < 1,34) ............................................................................32

Gambar 10.Luas P(-1,34 < Z < 1,34) .....................................................................33

Gambar 11.Luas P(Z > 1,34) .................................................................................33

Gambar 12.Luas P(1,5 < Z < 2,5) ..........................................................................33

Gambar 13.Luas P(-1,5 < Z < 0,5) .........................................................................34

Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik

Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik

Tujuan Pembelajaran Umum

Tujuan Pembelajaran Khusus

Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik

Bab I Pengantar Probabilita

Materi ini membantu melihat dan menilai karakteristik pokok

1.1 Pengertian Istilah

Probabilita berasal dari bahasa Inggris yakni “probability” yang

Probabilita adalah harapan terjadinya suatu kejadian yang

Secara definisi probabilita dibagi menjadi tiga bagian:

Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik

Probabilita dapat ditentukan sebelum percobaan dilakukan. Jika

• Probabilita masing-masing kejadian tersebut adalah 1/k

• Probabilita kejadian E = P(E) = m/k dimana m adalah

Definisi Modern/Frekuensi Relatif

Probabilita yang disampaikan oleh para pakar (experts).

Dari definisi ini jelas bahwa yang dihitung probabilitanya adalah

Jadi P(A) berarti besarnya probabilita bahwa peristiwa A akan terjadi.

Eksperimen/percobaan adalah suatu proses untuk memperoleh hasil

Ruang Sampel adalah himpunan seluruh kemungkinanhasil dari suatu

Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik

Ingat:hanya satu dari seluruh kemungkinan hasil dalam ruang sampel

Hasil(outcome) adalah suatu hasil dari sebuah percobaan.

Kejadian/peristiwa(event) adalah himpunan bagian dari ruang

Titik sampel adalah elemen suatu ruang sampel.

Kejadian elementer adalah kejadian yang hanya mengandung satu

Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik

Kejadian yang Saling Meniadakanatau terpisah

Kejadian Tak Bebas

1.2 Ketentuan Umum Probabilita

Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik

Artinya bila suatu ruang sampel S dianggap suatu kejadian, maka

S = kejadian mendapatkan gambar (M) atau bukan gambar (B),

Ac adalah komplemen dari peristiwa A.

A | Ac A dan Ac peristiwa yang saling lepas.

Diketahui himpunan semesta: