Jurusan Teknik Sipil

Diktat Statistik dan

Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

V. KONSEP PROBABILITAS

5.1 PERANAN TEORI PROBABILITAS

Dalam pengembangan desain teknik, pengambilan keputusan kerap
kali diperlukan tanpa memandang kelengkapan atau mutu informasi;
dengan demikian suatu keputusan biasanya dirumuskan pada
keadaan yang tidak pasti, dalam pengertian bahwa konsekuensi suatu
keputusan tidak dapat ditentukan dengan keyakinan sempurna.
Kadang-kadang keputusan diambil berdasarkan suatu lingkungan lain
yang mirip atau (bahkan yang berbeda) atau berdasarkan suatu model
dengan derajat ketidaksempurnaan yang berbeda-beda.
Pengaruh ketidakpastian ini pada perancangan tentunya penting;
namun kuantifikasi ketidakpastian dan penilaian pengaruh-
pengaruhnya pada perilaku (performance) dan perencanaan suatu
sistem harus melibatkan konsep dan metode probabilitas
(kemungkinan).

5.1.1 KETIDAKPASTIAN DALAM INFORMASI SEHARI-HARI

5.1.1.1 Ketidak pastian berkaitan dengan keacakan
Banyak fenomena atau proses yang berhubungan dengan insinyur
bersifat acak (random); yaitu hasil yang sebenarnya tidak bisa
diramalkan (dalam tingkat tertentu). Fenomena ini ditandai dengan
hasil yang berbeda antara satu percobaan dengan percobaan yang
lain walaupoun dilakukan pada kondisi lingkungan yang sama.
Gambar 5.1 dan 5.2 dibawah ini menjelaskan contoh keacakan
tersebut.

Gambar 5.1 Diagram frekuensi umur lelah dari aluminium 75S-T.

Konsep Probabilitas Page 1 of 17
 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

Gambar 5.2 Histogram modulus elastisitas kayu 2,6.

Hal tersebut menunjukkan bahwa keadaan ilmiah dari kebanyakan
informasi rekayasa mengandung variabilitas yang cukup besar.

5.1.1.2 Ketidakpastian yang menyangkut pemodelan dan penaksiran

yang tidak sempurna
Ketidakpastian rekayasa tidak terbatas pada variabilitas dalam
variabel-variabel dasar. Pertama, nilai taksiran dari sutau variabel
(seperti misalnya nilai rata-rata) yang berdasarkan data pengamatan
tidak akan bebas dari galat (kesalahan)/error (apalagi kalau data
terbatas). Dalam kenyataannya, pada beberapa kasus, taksiran yang
demikian boleh jadi tidak lebih baik daripada “educated guess” yang
didasarkan terutama pada pertimbangan para insinyur. Kedua, model-
model matematis atau simulasi (misalnya rumus, persamaan,
algoritma, program simulasi komputer), dan bahkan model-model
laboratorium, yang sering digunakan dalam analisis rekayasa dan
untuk mengembangkan disain merupakan representasi yang diidealisir
dari kenyataan; dalam berbagai macam tingkatan, model-model
demikian merupakan representasi yang kurang sempurna dari
keadaan yang sebenarnya. Dengan demikian peramalan yang
dilakukan dengan menggunakan model-model ini tentunya juga
mempunyai ketidakpastian yang tidak diketahui.

Konsep Probabilitas Page 2 of 17

 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

5.1.2 DESAIN DAN PENGAMBILAN KEPUTUSAN DIBAWAH

KETIDAK PASTIAN
Kalau tidak ada informasi dari pengamatan tunggal yang representatif
dan evaluasi berdasarkan model tidak sempurna, barangkali kita perlu
mengasumsikan secara konsisten kondisi-kondisi paling buruk
(misalnya menentukan banjir tertinggi yang mungkin, umur terendah
dari kelelahan bahan dsb.) dan atas dasar ini mengembangkan desain
yang cocok; namun desain yang dihasilkan boleh jadi akan terlalu
mahal sebagai akibat “konservatisme yang menumpuk”. Sebaliknya
model yang murah boleh jadi tidak cukup menjamin tingkat prestasi,
penampilan dan keamanan yang diinginkan. Oleh karena itu,
keputusan hendaknya berdasarkan perimbangan antara biaya dan
keuntungan (mencakup faktor tangible dan intangible). Penyelesaian
yang diinginkan adalah yang paling optimal (biaya minimum dan/atau
keuntungan maksimum).
Contoh:
1. Desain perkerasan lapangan terbang
Dalam desain perkerasan, variabel putusan utama adalah tebal
sistem perkerasan. Umumnya umur guna perkerasan tergantung
pada tebalnya. Semakin tebal, semakin panjang umurnya. Tentu
saja, untuk bahan dan mutu yang sama, biaya juga sebanding
dengan tebal sistem perkerasan. Dengan demikian dapat
dipertimbangkan atas perimbangan antara biaya awal yang
tinggi dan perawatan rendah atau biaya awal rendah dengan
perawatan tinggi. Untuk itu diperlukan hubungan antara umur-
guna dan tebal perkerasan. Namun umur perkerasan tidak
hanya tergantung pada tebal lapisan, tetapi juga variabel
drainase, kadar lembab, rentang suhu, kerapatan dan tingkat
pemadatan lapisan dasar. Karena faktor ini bersifat acak, maka
umur perkerasan tidak dapat ditaksir dengan pasti, sehingg perlu
pertimbangan probabilitas.
2. Desain hidrologi
Andai perlindungan terhadap suatu areal pertanian yang luas
terhadap banjir memerlukan sutau gorong-gorong. Ukuran
gorong-gorong ini tergantung kepada tinggi aliran arus sungai
yang merupakan fungsi intensitas curah hujan dalam area
Konsep Probabilitas Page 3 of 17
 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

tangkapan. Bila dibuat sangat besar, bahaya banjir tidak timbul

namun bahkan pada saat hujan paling besarpun gorong-gorong
hanya terisi sebagian dari kapasitasnya dan biayanya besar;
sebaliknya dengan gorong-gorong kecil, biaya rendah, namun
ancaman banjir selalu datang setiap hujan lebat.
Keputusan yang akan diambil memerlukan pertimbangan
probabilitas, dengan alasan:
• intensitas curah hujan tahunan sangat bervariasi
• taksiran arus sungai boleh jadi tidak dapat diramalkan dengan
pasti.
Dengan demikian, ukuran gorong-gorong dapat ditentukan
berdasarkan probabilitas banjir dalam suatu periode tertentu
(misal 10 tahun).
3. Desain struktur
Misal struktur menara lepas pantai yang kadang-kadang
dibebani oleh gaya-gaya dari topan. Pengaruh maksimum dari
topan adalah acak dan kejadian topan dalam daerah pantai
tertentu juga tidak dapat diramalkan. Oleh karena itu tingkat
keamanan dari struktur yang akan dibangun harus
menggunakan probabilitas.
4. Manajemen konstruksi
Waktu pelaksanaan proyek tidak dapat diramalkan dengan pasti
karena tergantung pada tenaga kerja, bahan, alat dan
produktifitasnya dan cuaca. Kalau dalam pelelangan proyek
penawaran dibuat berdasarkan waktu pesimis, maka biaya akan
sangat besar sehingga mengurangi peluang memenangkan
proyek. Sebaliknya dengan waktu optimis, biaya rendah,
walaupun menang belum tentu akan untung.

5.1.3 PENGENDALIAN DAN STANDARDISASI

Untuk menjamin mutu atau penampilan minimum dari sitem atau
produksi rekayasa, diperlukan pengawasan dan standardisasi
pelolosan (diterima atau ditolaknya produksi). Tentu saja standard
yang terlalu ketat akan menaikkan biaya produksi yang tidak perlu,
sebaliknya standard yang terlalu lunak menyebabkan mutu produksi
Konsep Probabilitas Page 4 of 17
 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

akan rendah.
Contoh:
Untuk memastikan mutu bahan beton dalam konstruksi beton
bertulang maka Peraturan Bangunan dari American Concrete Institute
(ACI 318-71) mensyaratkan berikut ini:
Tingkat kekuatan dari beton dianggap memadai bila rata-rata dari
semua himpunan tiga hasil percobaan kekuatan yang berturutan sama
atau melampaui fc’ yang disyaratkan dan tidak ada hasil percobaan
individual yang jatuh dibawah fc’ yang disyaratkan lebih dari 500 lb/in2.
masing-masing hasil percobaan merupakan rata-rata dari dua silinder
yang berasal dari contoh yang sama dan berumur 28 hari atau umur
yang lebih muda yang ditetapkan.
Sedangkan Peraturan Beton Indonesia 1971 mengisyaratkan:
Kekuatan karakteristik beton dianggap terpenuhi bila dari pengujian 20
benda uji pada umur 28 hari, hanya boleh ada satu yang kurang dari
kekuatan yang disyaratkan.(yakni dengan probabilitas 95%).

5.2 KONSEP-KONSEP DASAR PROBABILITAS

5.2.1 PERISTIWA DAN PROBABILITAS

Berbicara tentang probabilitas, kita menunjuk pada terjadinya suatu
peristiwa (event) relatif terhadap peristiwa-peristiwa lainnya dengan
lebih dari satu kemungkinan. Probabilitas dipandang sebagai ukuran
numerik dari kecendrungan terjadinya suatu peristiwa relatif terhadap
sehimpunan peristiwa lainnya.
Dengan demikian persyaratan utama dalam perumusan masalah
probabilistik adalah mengidentifikasi himpunan semua kemungkinan
(ruang kemungkinan/ possibility space).
Contoh:
Seorang kontraktor sedang merencanakan pembelian peralatan,
termasuk buldoser yang diperlukan untuk proyek baru didaerah
terpencil. Misalkan bahwa dari pengalamannya yang terdahulu, dia
menaksir bahwa kemungkinan setiap buldoser dapat bertahan paling

Konsep Probabilitas Page 5 of 17

 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

tidak 6 bulan tanpa kerusakan adalah 50%. Jika dia membeli 3

buldoser, berapakah probabilitas bahwa hanya akan ada 1 buldoser
yang masih bisa dioperasikan dalam jangka 6 bulan?
Pertama kita lihat:
Pada akhir 6 bulan, jumlah buldoser yang masih bisa dioperasikan
bisa 0, 1, 2, atau 3; dengan demikian himpunan ini membentuk ruang
kemungkinan dri jumlah buldoser yang masih bisa dioperasikan
setelah 6 bulan.
Jika G = Good dan B = Bad, maka status yang mungkin dari ketiga
buldoser adalah:
GGG semua dalam keadaan baik
GGB buldoser 1 dan 2 baik, dan ketiga buruk
GBB
BBB
BGG
BBG
GBG
BGB
Jadi ada 8 kemungkinan. Karena tiap buldoser punya kemungkinan
yang sama untuk Baik atau Buruk, maka 8 kemungkinan ini juga
punya peluang yang sama untuk terjadi. Kejadian ini mutually
exclusive (yang terjadi hanya salah satu dari 8).
Kejadian hanya satu yang bisa dioperasikan adalah GBB, BGB, atau
BBG. Jadi probabilitas kejadian dalam ruang kemungkinan adalah 3/8.
Dari contoh diatas dapat diamati ciri-ciri khusus masalah probabilistik
sebagai berikut:
1. setiap masalah didefinisikan dengan mangcu pada ruang
kemungkinan tertentu (yang mengandung lebih dri satu
kemungkinan), dan peristiwa-peristiwa dibentuk oleh satu atau
lebih hasil yang mungkin didalam ruang kemungkinan ini.
2. probabilitas satu peristiwa bergantung pada kemungkinan dari
hasil-hasil individual dalam suatu ruang kemungkinan dan dapat

Konsep Probabilitas Page 6 of 17

 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

diturunkan dari probabilitas hasil-hasil dasar ini.

5.2.2 ELEMEN TEORI HIMPUNAN

5.2.2.1 Definisi
Ruang sampel = gabungan dari semua kemungkinan dalam suatu
masalah probabilitas
Titik sampel = setiap kemungkinan secara individual
Peristiwa (event) = sub himpunan dari ruang sampel
Ruang Sampel Diskrit = Titik-titik sampelnya merupakan satuan yang
diskrit (terpisah)
Ruang sampel Menerus = ruang sampel dibentuk oleh titik-titik sampel
yang menerus
Ruang sampel berhingga = terdiri dari titik-titik sampel yang jumlahnya
terhingga.
Ruang sampel tak berhingga = titik-titik sampel yang jumlahnya tak
terhingga namun bisa dihitung.
Contoh ruang sampel:
1. Dalam suatu tender, pemenang merupakan salah satu dari
perusahaan yang memasukkan penawaran. Semua yang
mungkin memenangkan proyek adalah ruang sampelnya. Tiap
perusahaan adalah titik sampelnya.
2. Jumlah mobil yang menunggu belok kanan, bisa 0, 1, 2, 3, 4, ...
3. Lokasi kecelakaan pada sebuah jembatan.

Peristiwa khusus
1. Peristiwa mustahil ( Ø ) = peristiwa yang tidak mempunyai titik
sampel.
2. Peristiwa tertentu ( S ) = peristiwa yang mengandung semua titik
sampel dalam ruang sampel (ia merupakan ruang sampel itu
sendiri)
3. Peristiwa komplementer ( Ē ) = semua peristiwa dalam ruang
sampel S selain E.
Konsep Probabilitas Page 7 of 17
 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

Diagram Venn = persegi empat yang memuat ruang sampel dan

peristiwa-peristiwa didalamnya.

Gambar 5.3 Diagram Venn

A B
A B

a b
Gambar 5.4 Diagram venn dengan beberapa peristiwa. (a) Dua
peristiwa A dan B. (b) Tiga peristiwa A, B dan C.

5.2.2.2 Kombinasi beberapa peristiwa

Contoh peristiwa kombinasi : Peristiwa paling sedikit ada dua buldoser
yang masih beroperasi setelah 6 bulan (kombinasi dari 2 buldoser
atau 3 buldoser yang masih beroperasi).
1. Peristiwa gabungan E1 dan E2 (E1 E2) berarti terjadinya peristiwa
E1 atau E2 atau kedua-duanya. (Dalam teori himpunan, kata atau
berarti termasuk (inklusif) yang berarti dan/atau).
Contoh:
- Dalam pengadaan bahan konstruksi, jika E1 menyatakan
peristiwa kekurangan beton dan E2 peristiwa kekurangan baja,
maka E1 E2 merupakan peristiwa kekurangan beton atau baja,
atau kedua-duanya.
- Dalam pipa sepanjang 20 km, jika E1 menyatakan kebocoran
antara km 0 – 15 dan E2 menyatakan kebocoran antara km 10 –
20, maka E1 E2 berarti kebocoran dimana saja sepanjang
seluruh pipa yang 20 km tersebut.
- Dalam penyediaan angkutan antara dua kota bisa melalui udara,
jalan raya dan kereta api. Jika ketersediaan masing-masingnya
dinyatakan dengan A, H dan R, maka tersedianya alat angkuta
Konsep Probabilitas Page 8 of 17
 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

antara kedua kota dinyatakan sebagai A H R yang berarti

paling tidak salah satunya tersedia.
2. Peristiwa Perpotongan E1 dan E2 (E1 ∩ E2 atau cukup dengan E1E2
saja) merupakan suatu peristiwa terjadinya E1 dan E2 secara
bersamaan (E1E2 adalah subhimpunan semua titik sampel yang
dimiliki oleh E1 dan E2 secara bersama-sama).
Contoh:
- Kasus beton dan baja tadi, E1E2 berarti peristiwa kekurangan
beton dan baja.
- Kasus pipa, E1E2 berarti peristiwa kebocoran dalam km 10 – 15
sepanjang pipa.
- Kasus angkutan, AHR berarti tersedianya semua moda
angkutan antara kedua kota.
3. Peristiwa saling eksklusif adalah peristiwa dimana terjadinya satu
peristiwa tidak memungkinkan terjadinya peristiwa yang lain. Dalam
diagram venn, kedua peristiwa tidak saling berimpitan (tidak
tumpang tindih).
4. Peristiwa bersatu sempurna adalah dua atau lebih peristiwa jika
digabung membentuk ruang sampel.

Contoh:
Dua perusahaan a dan b melakukan penawaran tender untuk
memenangkjan suatu proyek. A adalah peristiwa a memenangkan
tender, dan B peristiwa b memenangkan tender. Gambarkan diagram
venn untuk ruang-ruang sampel berikut:
(1) Perusahaan a memasukkan penawaran tender untuk suatu
proyek dan Perusahaan b memasukkan penawaran untuk
proyek lainnya.
(2) Perusahaan a dan b memasukkan penawaran tender untuk
proyek yang sama dan terdapat lebih dari dua penawar untuk
proyek tersebut.
(3) Perusahaan a dan b hanya merupakan dua perusahaan yang
bersaing untuk proyek yang sama.

Konsep Probabilitas Page 9 of 17

 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

Jawab:
(1) Karena perusahaan a dan b masing-masing dapat
memenangkan proyek itu, atau salah satu diantaranya
memenangkan proyek maka diagram venn adalah seperti
pada gambar 5.5. Daerah yang tumpang tindih menyatakan
kedua perusahaan a dan b memenangkan proyek tersebut.
Dalam hal ini A dan B tidak saling eksklusif.
(2) Perusahaan a, b atau perusahaan lain mungkin memenangkan
proyek tersebut. Jika a menang maka b atau perusahaan lain
pasti tidak menang. Dengan kata lain peristiwa A mencegah
terjadinya peristiwa B dan sebaliknya. Dalam diagram venn
tidak ada daerah yang tumpang tindih seperti pada gambar
5.6.
(3) Dalam ruang sampel hanya ada dua peristiwa yaitu A dan B
yang saling eksklusif. Diagram venn seperti pada gambar 5.7.

A B

Gambar 5.5 Peristiwa tidak saling eksklusif

A B

Gambar 5.6 Peristiwa saling eksklusif

A B

Gambar 5.7 Peristiwa bersatu sempurna

5.2.2.3 Aturan operasional

Operasi himpunan sebagai berikut:
gabungan (union)
Konsep Probabilitas Page 10 of 17
 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

∩ perpotongan (intersection)
anggota dari, atau terkandung dalam
mengandung (contains)
Ē komplemen dari E
Kesamaan himpunan
Dua himpunan adalah sama jika dan hanya jika keduanya
mengandung titik-titik sampel yang sama.
A Ø=A
A∩Ø=Ø
A A=A
A∩A=A
A S=S
A∩S=A
Himpunan komplementer
E Ē=S
E∩Ē=Ø
(E) = E
Aturan Komutatif
A B=B A
AB = BA
Aturan Asosiasi
(A B) C=A (B C)
(AB)C = A(BC)
Aturan Distributif
(A ∪ B)C = AC ∪ BC
(AB) ∪ C = (A ∪ C)(B ∪ C)
Aturan menyiratkan ∪ = + dan ∩ = X sehingga aturan aljabar
konvensional juga berlaku terhadapnya. Selain itu ada aturan yang

Konsep Probabilitas Page 11 of 17

 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

tidak ada padanannya dalam aljabar bilangan yaitu:

A ∪A = A
A∩A=A
(A ∪ C)(B ∪ C) = AB ∪ AC ∪ CB ∪ CC = (AB) ∪ C
Dalam aljabar (a + c)(b + c) = ab + ac + cb + c2 ≠ ab + c
Aturan de Morgan
E1 ∪ E 2 = E1 ∩ E 2

Komplemen dari gabungan dan perpotongan adalah sama dengan

perpotongan dan gabungan dari komplemen masing-masing.
A ∪ BC = A ∩ BC = A(B ∪ C) = A B ∪ AC

(A ∪ B)C = (A ∪B) ∪ C = (A B) ∪ C

(E1E 2 ∪ E3 )(E1 ∪ E3 ) = E1E 2 E3 ∪ E1E3 = E1E 2 E3 ∩ E1E3

Contoh:
Suatu rantai terdiri dari dua mata, seperti dalam Gambar 5.8. Jelaslah
bahwa rantai akan putus jika salah satu dari mata rantai tersebut
rontok; sehingga jika E1 = rontoknya mata rantai 1 dan E2 = rontoknya
mata rantai 2 maka:
Putusnya rantai = E1∪E2
Tidak putusnya rantai = E1 ∪ E 2 =Ē1Ē2
mata rantai 1 mata rantai 2

Gambar 5.8 Dua mata rantai

Contoh:
Pemasukan air untuk kota Cindar Bumi datang dari dua sumber A dan
B. Air dialirkan melalui pipa yang terdiri dari cabang 1, 2 dan 3 seperti
pada Gambar 2.7. Misalkan tiap pipa mampu menyediakan air untuk
kota Cindar Bumi tersebut.
Nyatakanlah E1 = rusaknya cabang 1

Konsep Probabilitas Page 12 of 17

 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

E2 = rusaknya cabang 2
E3 = rusaknya cabang 3
cabang 1 cabang 2

cabang 3

Kota

Gambar 2.7 Sistem pengadaan air

Maka kekurangan air dalam kota Cindar Bumi diakibatkan oleh
E1E2∪E3, sehingga dengan aturan de Morgan, tiadanya kekurangan
berarti:
dimana (Ē1∪Ē2) berarti tersedianya air pada
E1E2 ∪ E3 = (E1 ∪ E2 )E3
pertemuan dan Ē3 berarti tidak rusaknya cabang 3.

5.3 MATEMATIKA ILMU PROBABILITAS

5.3.1 Aksioma dasar dari probabilitas; aturan tambahan

Probabilitas atau peluang adalah suatu ukuran yang tidak negatif yang
diasosiasikan dengan setiap peristiwa. Aksioma dasar dalam
probabilitas adalah:
1. Untuk setiap peristiwa E dalam ruang sampel S terdapat peluang
P(E) ≥ 0
2. Probabilitas dari peristiwa tertentu S adalah P(S) = 1,0
3. Peluang dua peristiwa yang saling eksklusif P(E1∪ E2) = P(E1) +
P(E2)
Probabilitas suatu peristiwa pada hakikatnya merupakan ukuran relatif
terhadap peristiwa lainnya dalam ruang sampel yang sama.
Probabilitas suatu peristiwa adalah 0 ≤P(E)≤1,0.
Probabilitas suatu peristiwa diperoleh melalui pengamatan berulang-
ulang kali. Jika suatu peristiwa E1 terjadi n1 kali diantara n
pengulangan suatu eksperimen, dan suatu peristiwa yang lain E2

Konsep Probabilitas Page 13 of 17

 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

terjadi n2 kali (E1 dan E2 adalah saling eksklusif), maka E1 dan E2 akan
terjadi (n1 + n2) kali. Sehingga atas dasar frekuensi relatif diperoleh:
n1 + n 2 n1 n 2
P(E1 ∪ E 2 ) = = +
n n n

= P(E1) + P(E2)
P(E ∪ E) = P(E) + P( E) dan karena E ∪ E = S maka:

P(E ∪ E) = P(S) = 1,0

dengan demikian maka:

P( E) = 1 − P(E)
Jika E1 dan E2 tidak saling eksklusif maka:
P(E1 ∪ E2 ) = P(E1 ) + P(E2 ) - P(E1E2 )

Contoh:
Suatu perusahaan kontraktor memulai dua proyek baru –pekerjaan 1
dan pekerjaan 2. waktu penyelesaian untuk masing-masing pekerjaan
memiliki beberapa ketidakpastian: dalam satu tahun, masing-masing
pekerjaan bisa pasti selesai (A), mungkin selesai (B), dan pasti tidak
selesai (C). Nyatakanlah ruang sampel untuk status penyelesaian
pekerjaan 1 dan 2 setelah satu tahun. Jika setiap kemungkinan untuk
kedua pekerjaan tersebut memiliki peluang yang sama untuk terjadi
pada akhir dari satu tahun, berapakah probabilitas bahwa tepat satu
pekerjaan selesai dalam satu tahun?
Jawab:
Ruang sampel diperlihatkan dalam Gambar 2.7 dibawah ini.
AA BA CA
AB BB CB
AC BC CC
Gambar 2.7 Ruang sampel
Karena peristiwa dari persis satu pekerjaan diselesaikan mengandung
titik sampel AB, AC, BA, dan CA, maka probabilitasnya adalah 4 x 1/9
= 4/9.
Konsep Probabilitas Page 14 of 17
 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

Jika E1 menyatakan penyelesaian secara lengkap pekerjaan 1 dan E2

penyelesaian secara lengkap pekerjaan 2 maka:
E1⊃{AA, AB, AC}
E2⊃{AA, BA, CA}
Jika titik-titik sampel punya peluang yang sama untuk terjadi maka:
P(E1) = 3/9, P(E2) = 3/9 dan P(E1∪E2) = 3/9 + 3/9 – 1/9 = 5/9, yang
dapat dibuktikan karena (E1∪E2)={AA, AB, AC, BA, CA}

5.3.2 Probabilitas bersyarat; aturan perkalian

Probabilitas suatu peristiwa dapat tergantung atas terjadinya (atau
tidak terjadinya) peristiwa lainnya dinamakan probabilitas bersyarat.
P(E1E 2 )
P( E1 E 2 ) =
P(E 2 )

Contoh:
Tinjaulah kembali masalah tiga buldoser sebelumnya. Misal F =
peristiwa buldoser pertama masih beroperasi setelah 6 bulan, dan E =
2 buldoser masih beroperasi setelah 6 bulan. Jika titik sampel
semuanya mempunyai kecendrungan sama untuk terjadi maka
dengan melihat diagram venn pada Gambar 2.8 probabilitas bersyarat
E jika diketahui F adalah: P( E1 F) = 2
4

GGG GGB GBB BBB

GGB GGB

GGB GGB

Gambar 2.8 Ruang sampel

Contoh:
Untuk tujuan disain jalur belok kanan (untuk lalulintas arah timur,
dilakukan 60 pengamatan acak jumlah mobil yang menunggu

Konsep Probabilitas Page 15 of 17

 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

kesempatan belok kanan pada persimpangan. Hasilnya sebagai

berikut:
Jumlah Jumlah Frekuensi
mobil pengamatan relatif
0 4 4/60
1 16 16/60
2 20 20/60
3 14 14/60
4 3 3/60
5 2 2/60
6 1 1/60
7 0 0
8 0 0
. . .

Jika E1 = lebih dari 2 mobil menunggu belok kanan dan E2 = 2 sampai

4 mobil menunggu belok kanan, tentukan P(E1), P(E2), P(E1E2) dan
P(E1∪E2). Catatan: anggaplah frekuensi relatif sebagai probabilitas
dari jumlah mobil yang menunggu belok kanan.
Karena mobil yang menunggu belok kanan merupakan peristiwa
saling eksklusif, maka:
14 3 2 1 20
P( E1 ) = + + + =
60 60 60 60 60
Sementara
20 14 3 37
P( E 2 ) = + + =
60 60 60 60

Konsep Probabilitas Page 16 of 17

 Jurusan Teknik Sipil
Diktat Statistik dan
Yosritzal, MT. Fakultas Teknik
Probabilitas
Universitas Andalas

Konsep Probabilitas Page 17 of 17