1.1.1.

Probabilitas
Probabilitas adalah dasar statistik inferensial. Contohnya, prediksi didasarkan
pada kemungkinan, dan hipotesis diuji dengan menggunakan probabilitas. Konsep
dasar probabilitas dijelaskan dalam bab ini. Konsep-konsep ini termasuk percobaan
probabilitas, ruang sampel, aturan penambahan dan perkalian, dan kemampuan dari
berbagai pelengkap yang komplementer. Juga di bab ini, Anda akan mempelajari
peraturan lain untuk menghitung, perbedaan antara permutasi dan kombinasi, dan
bagaimana mencari tahu berapa banyak kombinasi berbeda untuk situasi tertentu yang
ada. Akhirnya, Bagian bab ini akan menjelaskan bagaimana aturan penghitungan dan
aturan probabilitas dapat digunakan bersama untuk menyelesaikan berbagai masalah.[
CITATION All10 \l 1033 ].

Eksperimen probabilitas adalah proses kebetulan yang mengarah pada hasil yang
didefinisikan dengan baik yang disebut hasil.

Suatu hasil adalah hasil dari satu percobaan percobaan probabilitas.

Percobaan berarti membalik koin sekali, menggulung satu mati sekali, atau
sejenisnya. Ketika koin dilemparkan, ada dua kemungkinan hasil: kepala atau ekor.
(Catatan: Kami mengecualikan kemungkinan pendaratan koin di tepinya.) Dalam
gulungan dadu tunggal, ada enam hasil yang mungkin: 1, 2, 3, 4, 5, atau 6. Dalam
percobaan apa pun, rangkaian semua hasil yang mungkin disebut ruang sampel.

Ruang sampel adalah himpunan semua hasil yang mungkin dari percobaan
probabilitas. [ CITATION All10 \l 1033 ]

Contoh : Temukan ruang sampel untuk menggulirkan dua dadu.

Penyelesaian : Karena setiap dadu dapat mendarat dalam enam cara yang berbeda,
dan dua dadu digulung, ruang sampel dapat disajikan oleh array persegi panjang,
seperti yang ditunjukkan pada Gambar. Ruang sampel adalah daftar pasangan angka
dalam bagan.
 Diagram pohon adalah perangkat yang terdiri dari segmen garis yang berasal dari
titik awal dan juga dari titik hasil. Ini digunakan untuk menentukan semua hasil yang
mungkin dari percobaan probabilitas.

Contoh : Gunakan diagram pohon untuk menemukan ruang sampel untuk jenis
kelamin tiga anak dalam sebuah keluarga. Gunakan B untuk laki-laki, dan G untuk
perempuan.

Penyelesaian : Karena ada dua kemungkinan (laki-laki atau perempuan) untuk

anak pertama, gambarkan dua cabang dari titik awal dan beri label satu B dan yang
lainnya G. Kemudian jika anak pertama adalah laki-laki, ada dua kemungkinan untuk
anak kedua (laki-laki). atau perempuan), maka gambarkan dua cabang dari B dan beri
label satu B dan yang lainnya G. Lakukan hal yang sama jika anak pertama adalah
perempuan. Ikuti prosedur yang sama untuk anak ketiga. Diagram pohon yang
lengkap ditunjukkan pada Gambar. Untuk menemukan hasil untuk ruang sampel,
telusuri semua cabang yang mungkin, mulai dari titik awal untuk masing-masing.
 Suatu hasil didefinisikan sebelumnya sebagai hasil dari satu percobaan
percobaan probabilitas. Dalam banyak masalah, seseorang harus menemukan
probabilitas dua hasil atau lebih. Untuk alasan ini, perlu untuk membedakan antara
hasil dan acara. Suatu peristiwa terdiri dari serangkaian hasil percobaan probabilitas.

Ada tiga interpretasi dasar probabilitas:

1. Probabilitas klasik
2. Probabilitas frekuensi empiris atau relatif
3. Probabilitas subyektif

5.2.1.1. Probabilitas Klasik

Probabilitas klasik menggunakan ruang sampel untuk menentukan probabilitas
numerik bahwa suatu peristiwa akan terjadi. Anda sebenarnya tidak harus melakukan
percobaan untuk menentukan probabilitas itu. Probabilitas klasik dinamai demikian
karena itu adalah jenis probabilitas pertama yang dipelajari secara formal oleh
matematikawan pada abad ke-17 dan ke-18. Probabilitas klasik mengasumsikan bahwa
semua hasil dalam ruang sampel sama-sama kemungkinan terjadi.

Rumus untuk probabilitas klasik ialah :

n(E)
P ( E )=
n(s)
Contoh : Temukan kemungkinan mendapatkan 10 hitam ketika menggambar kartu
dari setumpuk.

Penyelesaian :

Ada 52 kartu di dek, dan ada dua kartu hitam — 10 kartu sekop dan 10 kartu klub.
Oleh karena itu probabilitas mendapat 10 hitam adalah :

2 1
P ( 10 )= =
52 26

Ada empat aturan probabilitas dasar. Aturan-aturan ini sangat membantu

dalam memecahkan masalah probabilitas, dalam memahami sifat probabilitas, dan
dalam memutuskan apakah jawaban Anda untuk masalah sudah benar.

1. Probabilitas setiap peristiwa E adalah angka (baik pecahan atau desimal)

antara dan termasuk 0 dan 1. Ini dilambangkan dengan 0 ≤ P( e ) ≤ 1
2. Jika suatu peristiwa E tidak dapat terjadi (yaitu, acara tersebut tidak
mengandung anggota dalam ruang sampel), probabilitasnya adalah 0.
3. Jika suatu peristiwa E pasti, maka probabilitas E adalah 1.
4. Jumlah probabilitas semua hasil dalam ruang sampel adalah 1

5.2.1.2. Peristiwa Pelengkap

Konsep penting lainnya dalam teori probabilitas adalah bahwa peristiwa
pelengkap. Ketika dadu digulung, misalnya, ruang sampel terdiri dari hasil 1, 2, 3, 4,
5, dan 6. Kejadian E untuk mendapatkan angka ganjil terdiri dari hasil 1, 3, dan 5.
Kejadian tidak mendapatkan angka ganjil disebut pelengkap peristiwa E, dan itu
terdiri dari hasil 2, 4, dan 6.

Komplemen dari suatu peristiwa E adalah himpunan hasil dalam ruang sampel
yang tidak termasuk dalam hasil dari peristiwa E. Komplemen dari E dilambangkan
dengan (baca “E bar”). [ CITATION All10 \l 1033 ]

Rumus :
 P ¿) = 1 – P(E) atau P(E) = 1 - P( É) atau P(E) + P ( É )=1

Contoh :

Jika probabilitas seseorang hidup di negara industri di dunia adalah 1/5, temukan
probabilitas bahwa seseorang tidak tinggal di negara industri.

Penyelesaian :

P (tidak tinggal di negara industri) = 1 - P (tinggal di negara industri)

1 4
¿ 1− =
5 5

5.2.1.3. Probabilitas Empiris.

Perbedaan antara probabilitas klasik dan empiris adalah bahwa probabilitas klasik
mengasumsikan bahwa hasil tertentu sama-sama berpeluang (seperti hasil ketika dadu
digulung), sementara probabilitas empiris bergantung pada pengalaman aktual untuk
menentukan kemungkinan hasil yang serupa. Dalam probabilitas empiris, seseorang
mungkin benar-benar melempar dadu yang diberikan 6000 kali, mengamati frekuensi
yang bervariasi, dan ini adalah frekuensi yang paling tinggi yang dapat ditentukan
oleh kemampuan suatu hasil. Misalkan, misalnya, seorang peneliti untuk American
Automobile Association (AAA) bertanya kepada 50 orang yang berencana untuk
melakukan perjalanan selama liburan Thanksgiving bagaimana mereka akan sampai
ke tujuan. Hasilnya dapat dikategorikan dalam distribusi frekuensi seperti yang
ditunjukkan. [ CITATION All10 \l 1033 ]

Metode Frekuensi
Berkendara 41
Terbang 6
Kereta/bus 3
Total = 50
Sekarang probabilitas dapat dihitung untuk berbagai kategori. Misalnya,
kemungkinan memilih orang yang mengemudi adalah 41/50, karena 41 dari 50 orang
mengatakan bahwa mereka sedang mengemudi.

Rumus :
 Frekuensi Kelas f
P ( E )= =
total Frekuensi distribusi n

Contoh : Dalam sampel 50 orang, 21 memiliki darah tipe O, 22 memiliki tipe

Darah, 5 memiliki darah tipe B, dan 2 memiliki darah tipe AB. Atur distribusi
frekuensi dan temukan probabilitas berikut

a. memiliki darah tipe O.

b. memiliki tipe A atau darah tipe B.
c. tidak memiliki tipe A atau tipe O darah.
d. tidak memiliki golongan darah AB.

Penyelesaian :

Tipe Darah Frekuensi

A 22
B 5
AB 2
O 21
Total = 50

21
a. P(O) =
50
22 5 27
b. P(A atau B) = + =
50 50 50
5 2 7
c. P (bukan A atau O) = + =
50 50 50
2 48 24
d. P (bukan AB) = 1 - = =
50 50 50

5.2.1.4. Probabilitas Subyektif

Jenis ketiga probabilitas ini disebut probabilitas subyektif. Probabilitas subyektif
menggunakan nilai probabilitas berdasarkan dugaan atau perkiraan yang
berpendidikan, menggunakan pendapat dan informasi yang tidak tepat. Dalam
probabilitas subyektif, seseorang atau kelompok membuat perkiraan berpendidikan
pada kesempatan bahwa suatu peristiwa akan terjadi. Tebakan ini didasarkan pada
pengalaman orang tersebut dan evaluasi suatu solusi. Sebagai contoh, seorang
olahragawan dapat mengatakan bahwa ada kemungkinan 70% bahwa Bajak Laut
akan memenangkan panji tahun depan. Seorang dokter mungkin mengatakan bahwa,
berdasarkan diagnosisnya, ada kemungkinan 30% pasien akan membutuhkan operasi.
Seismologis mungkin mengatakan ada kemungkinan 80% bahwa gempa bumi akan
terjadi di daerah tertentu. Ini hanya beberapa contoh tentang bagaimana probabilitas
subjektif digunakan dalam kehidupan sehari-hari. Ketiga jenis probabilitas (klasik,
empiris, dan subyektif) digunakan untuk memecahkan berbagai masalah dalam bisnis,
teknik, dan bidang lainnya. [ CITATION All10 \l 1033 ]

5.2.1.5. Aturan Penambahan untuk Probabilitas

Banyak masalah yang melibatkan menemukan probabilitas dua atau lebih
peristiwa. Misalnya, pada pertemuan politik besar, Anda mungkin ingin tahu, untuk
orang yang dipilih secara acak, kemungkinan orang tersebut adalah perempuan atau
Republik. Dalam hal ini, ada tiga kemungkinan untuk dipertimbangkan: 1. Orang
tersebut adalah wanita. 2. Orang itu adalah seorang Republikan. 3. Orang tersebut
adalah perempuan dan Republik. Pertimbangkan contoh lain. Pada pertemuan yang
sama ada Partai Republik, Demokrat, dan Independen. Jika seseorang dipilih secara
acak, berapakah probabilitas orang tersebut adalah seorang Demokrat atau seorang
Independen? Dalam hal ini, hanya ada dua kemungkinan: 1. Orang itu adalah seorang
Demokrat. 2. Orang tersebut adalah orang Independen. Perbedaan antara dua contoh
adalah bahwa dalam kasus pertama, orang yang dipilih dapat menjadi perempuan dan
Republik pada saat yang sama. Dalam kasus kedua, orang yang dipilih tidak dapat
menjadi Demokrat dan Independen pada saat yang sama. Dalam kasus kedua, kedua
peristiwa tersebut dikatakan saling eksklusif; dalam kasus pertama, mereka tidak
saling eksklusif.

Dua peristiwa adalah peristiwa yang saling eksklusif jika tidak dapat terjadi pada
waktu yang sama (yaitu, mereka tidak memiliki hasil yang sama).

Aturan 1
 Ketika dua peristiwa A dan B saling eksklusif, probabilitas bahwa A atau B akan
terjadi adalah :

P (A atau B) = P (A) + P (B)

Contoh : Pusat penelitian dan pengembangan perusahaan untuk tiga perusahaan

lokal memiliki jumlah karyawan sebagai berikut: Steel 110 Alcoa 750 Bayer Material
Science 250. Jika seorang karyawan riset dipilih secara acak, temukan kemungkinan
bahwa karyawan tersebut dipekerjakan oleh A.S. Steel atau Alcoa.

P(U.S Steel atau Alcoa) = P (U.s Steel) + P (Alcoa)

110 750 860 86

= + = =
1110 1110 1110 111

Aturan 2

Jika A dan B tidak saling eksklusif, maka :

P(A atau B) = P(A) + P(B) – P (A dan B)

Contoh :

Di unit rumah sakit ada 8 perawat dan 5 dokter; 7 perawat dan 3 dokter adalah
wanita. Jika seorang staf dipilih, cari kemungkinan bahwa subjeknya adalah
seorang perawat atau pria.

Staff Perempuan Laki-laki Total

Nurse 7 1 8
Physicians 3 2 5
Total 10 3 13

P (Perawat atau Pria) = P(perawat) + P (pria) – P (perawat Pria)

8 3 1 10
= + − =
13 13 13 13

5.2.1.6. Aturan Perkalian dan Probabilitas bersyarat

Aturan 1
 Ketika dua peristiwa bersifat independen, kemungkinan terjadinya keduanya
adalah:

P (A dan B) = P(A) . P(B)

Contoh : Koin dibalik dan dadu digulung. Temukan kemungkinan

mendapatkan kepala pada koin dan 4 pada cetakan.

1 1 1
Penyelesaian : P (head dan 4) = P (head) . P (4) = . =
2 6 12
Perhatikan bahwa ruang sampel untuk koin adalah H, T; dan untuk dadu
itu 1, 2, 3, 4, 5, 6.

Aturan 2

Ketika dua peristiwa tergantung, probabilitas keduanya terjadi adalah

P (A dan B) = P(A) . P(B│A)

Contoh : Perusahaan World Wide Insurance menemukan bahwa 53%

penduduk kota memiliki asuransi pemilik rumah (H) dengan perusahaan tersebut.
Dari klien ini, 27% juga memiliki asuransi mobil (A) dengan perusahaan. Jika
seorang penduduk dipilih secara acak, temukan kemungkinan bahwa penduduk
tersebut memiliki asuransi baik pemilik rumah maupun mobil dengan World Wide
Insurance Company.

Penyelesaian :

P (H dan A) = P(H) . P(A│ H) = (0,53)(0,27) = 0,1431

Probabilitas Bersyarat

Probabilitas bersyarat dari suatu peristiwa B dalam hubungannya dengan

suatu peristiwa A didefinisikan sebagai probabilitas bahwa peristiwa B terjadi
setelah peristiwa A telah terjadi.

Rumus :
 P ( A dan B)
P (B│A) =
P( A)

Contoh : Sebuah kotak berisi chip hitam dan chip putih. Seseorang memilih dua
chip tanpa penggantian. Jika probabilitas memilih chip hitam dan chip putih adalah
15/56, dan probabilitas memilih chip hitam pada undian pertama adalah 3/8,
temukan probabilitas memilih chip putih pada undian kedua, mengingat bahwa
chip pertama yang dipilih adalah chip hitam.

Penyelesaian :

Ket : B = Memilih Chip Hitam, W = chip putih

P (B danW ) 15/56 5
P (W│B) = = =
P(B) 3/8 7

1.1.2. Permutasi
Permutasi adalah pengaturan dari n objek dalam urutan tertentu. [ CITATION All10 \l
1033 ].

Rumus :

n!
P =
n r
( n−r ) !

Contoh : Seorang direktur musik sekolah dapat memilih 2 drama musikal untuk
disajikan tahun depan. Satu akan disajikan pada musim gugur, dan satu akan
disajikan pada musim semi. Jika dia memiliki 9 untuk memilih, berapa banyak
kemungkinan yang berbeda?

Penyelesaian :

Urutan itu penting karena satu permainan dapat disajikan pada musim gugur dan
yang lainnya pada musim semi.

9! 9 ! 9 . 8 . 7!
P =
n r = = =72
(9−2)! 7 ! 7!
 Ada 72 kemungkinan berbeda.

1.1.3. Kombinasi
Pilihan objek yang berbeda tanpa memperhatikan urutan disebut kombinasi.

Rumus :

n!
nCr =
( n−r ) ! r !

Contoh : Editor surat kabar telah menerima 8 buku untuk ditinjau. Dia
memutuskan bahwa dia dapat menggunakan 3 ulasan di korannya. Berapa banyak
cara yang berbeda yang dapat dipilih 3 ulasan ini?

8! 8! 8 .7 . 6 . 5!
8C3 = = = =56
( 8−3 ) ! 3 ! 5 ! 3 ! 5 ! 3 .2 . 2

1.1.4. Distribusi Probabilitas

Distribusi Probilitas merupakan cara yang lebih sederhana untuk menyelesaikan
probilitas dari peristiwa yang bersifat independen dan dependen. Peristiwa
indenpenden merupakan peristiwa yang terjadi yang tidak mempengaruhi peristiwa
yang berikutnya. Peristiwa dependen adalah peristiwa yang mempengaruhi peristiwa
lain. Pada berbagai peristiwa dalam probilitas, jika frekuensi percobaan banyak, maka
untuk peristiwa yang bersifat independen dan dependen akan mengalami kesulitan
dalam percobaan.
Distribusi probabilitas merupakan nilai-nilai probabilitas yang dinyatakan untuk
mewakilisemua nilai yang dapat terjadi dari suatu variabel random X, baik dengan
suatu daftar (tabel)maupun dengan fungsi matematis.
Distribusi peluang diskrit adalah suatu tabel atau rumus yang mencantumkan
semuakemungkinan nilai suatu pengubah acak diskrit (ruang contoh diskrit
mangandung jumlah titik yang terhingga) dan juga peluangnya. Adapun macam-
macam distribusi diskrit adalah sebagai berikut :
1. Distribusi Uniform

Distribusi probabilitas yg paling sederhana adalah jikalau tiap nilai variabel

random memiliki probabilitas yg sama untuk terpilih. Distribusi probabilitas spt
ini diberi nama Distribusi Probabilitas Uniform Diskrit Jika variabel random X
bisa memiliki nilai x1,x2, …, xk dan masing masing bisa muncul dengan
probabilitas yg sama maka distribusi probabilitasnya.

Rumus :

F(X;K) = 1/K untuk X = X1, X2, ….Xk

Contoh :Sebuah perusahaan bakery membuat suatu kelompok jenis donat yang
dijual ke toko-toko dengan distribusi diskrit uniform dengan kebutuhan harian
maksimum 100 unit dan minimum 40 unit. Tentukan bilangan acak dari distribusi
diskrit uniform dengan a = 77 z0 = 12357 dan m = 128 

2. Distribusi Binomial
Distribusi binomial adalah suatu distribusi probabilitas yang dapat digunakan
bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses
Bernoulli.
3. Distribusi Multinomial
Distribusi probabilitas multinomial digunakan untuk penentuan probabilitas
hasil yangdikategorikan ke dalam lebih dari dua kelompok.
4. Distribusi Geometrik
Berkaitan dengan percobaan Bernoulli, dimana terdapat n percobaan
independen yangmemberikan hasil dalam dua kelompok (sukses dan gagal),
variabel random geometric mengukur jumlah percobaan sampai diperoleh
sukses yang pertama kali. Fungsi distribusiprobabilitas geometric.
 5. Distribusi Hipergiometrik
Distribusi hipergeometrik adalah distribusi probabilitas diskrit dari
sekelompok obyek yang dipilih tanpa pengembalian.
Distribusi Hipergeometrik sangat serupa dengan distribusi binomial.
6. Distribusi Poisson
Distribusi probabilitas Poisson bermanfaat dalam penentuan probabilitas dari
sejumlahkemunculan pada rentang waktu atau luas/volume tertentu. [ CITATION
Sya16 \l 1033 ]

Daftar Pustaka
Arissyid, S. (2016, January 29). Gunadarma University. Retrieved April 29, 2020, from
Blogspot: http://syahrizaakfa.blogspot.com/2016/01/distribusi-probabilitas-
diskrit_29.html

Bluman, A. (2012). Elementary Statistics A step by step approach Eight Edition. New
York: McGrawHill.