PROBABILITAS

By Riani Budiarsih
PENDAHULUAN
Sebagai manusia, kita sering tidak
bisa mengetahui dengan pasti
terjadinya suatu kejadian atau
peristiwa, apalagi bila mengenai
kejadian di masa yang akan datang.
Untuk itulah kita perlu belajar tentang
probabilitas.
PENGERTIAN
• Merupakan peluang bahwa sesuatu akan
terjadi.
• Sering disebut dengan peluang, kemungkinan
• Probabilitas adalah suatu nilai yang
dipergunakan untuk mengukur tingkat
terjadinya suatu kejadian acak (Mendenhall &
Reinmuth, 1982)
• Nilai probabilitas berkisar pada 0 sampai 1,
semakin mendekati angak nol semakin kecil
kemungkinan terjadi dan sebaliknya.
Basics of Probability
UNSUR PROBABILITAS

• Percobaan (Experiment)
• Hasil (Outcome)
• Peristiwa (event)
Contoh:
• Pada hari Jumat adalah penutupan bursa
saham, maka kebanyakan investor berusaha
meraih keuntungan melalui penjualan
saham atau yang biasanya diistilahkan profit
taking, sehingga probabilitas penjualan
mencapai 0,7 sedangkan membeli 0,3
• Melihat kondisi kesiapan mahasiswa yang
mengikuti ujian Statistika maka mahasiswa
yang mempunyai probabilitas untuk lulus
adalah 70%
PENDEKATAN PERHITUNGAN
PROBABILITAS
PENDEKATAN KLASIK
• Didasarkan pada asumsi bahwa semua hasil suatu
eksperimen mempunyai kemungkinan yang sama.
• Ilustrasi;
Terdapat kejadian A.
x banyaknya barang rusak; n banyaknya semua barang.
Maka peluang A ditulis P(A) yaitu peluang barang yang
rusak adalah

Peluang bukan A (bukan barang rusak) ditulis

adalah

𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑤𝑎𝑦𝑠 𝐴 𝑜𝑐𝑐𝑢𝑟

𝑃 𝐴 =
𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 𝑑𝑖𝑓𝑓𝑒𝑟𝑒𝑛𝑡 𝑠𝑖𝑚𝑝𝑙𝑒 𝑒𝑣𝑒𝑛𝑡𝑠
PENDEKATAN FREKUENSI RELATIF

• Didasarkan atas limit dari frekuensi relatif.

• Besarnya nilai yang diambil oleh suatu
variabel merupakan kejadian.
Contoh : X = nilai ujian mahasiswa kelas A
maka P(X = 85) adalah peluang
mahasiswa yg memperoleh nilai 85
• Probabilitas suatu kejadian merupakan limit
dari frekuensi relatif kejadian tsb yg secara
teoritis berlaku untuk nilai n tidak terhingga.
(lihat ilustrasi pada tabel)
Ilustrasi
Dimana fr = frekuensi relatif
X f fr
Xi = kejadian i
X1 f1
X2 f2 Rumus:
. . .
. . .
. . .

Xi fi
. . .
. . .
. . . Dalam prakteknya frekunesi relatif dapat
Xk fk digunakan untuk memperkirakan niali
Jumlah probabilitas. Hal tersebut dapat dicari
dengan rumus:
PENDEKATAN SUBJEKTIF

• Didasarkan atas penilaian seseorang

dalam menyatakan tingkat kepercayaan.
• Berupa pendapat yang dinyatakan
dalam nilai probabilitas.
• Tidak ada dasar pengalaman atau
pengamatan di masa lalu sebagai dasar
perhitungan nilai probabilitas.
KEJADIAN/PERISTIWA

• Titik sampel : hasil yang berbeda-beda dari suatu

eksperimen
• Ruang sampel : himpunan dari seluruh kemungkinan hasil
• Contoh :
Pelemparan 1 mata uang sebanyak sekali. Maka titik
sampelnya adalah A dan G. Sedangkan ruang sampelnya
adalah {A,G}
• Syarat Ruang Sampel suatu eksperimen adalah:
1) Dua hasil atau lebih tidak dapat terjadi secara bersamaan
2) Harus terbagi habis (exhaustive), yaitu ruang sampel
harus memuat seluruh kemungkinan hasil tanpa ada yang
terlewat.
Lanjutan ...
• Populasi : himpunan (set), kumpulan yang well define
• Sampel : himpunan bagian (subset)
• Acak : Random (semua anggota mempunyai kesempatan
yang sama)
• Variabel acak : variabel yang diperoleh dari proses acak.
• Perhatikan contoh 12.5 – 12.7 pada buku halaman 327(J
Supranto)
• Kejadian elementer : kejadian yang terdiri dari satu
elemen dalam ruang sampel (S).
• Jika P(S) = 0 maka kejadian tidak mungkin terjadi
(impossible event)
• Jika P(S) = 1 maka kejadian yang pasti terjadi (certain
event)
Possible Values
for Probabilities
 NOTASI HIMPUNAN

• Anggota S dapat berupa variabel diskrit (titik)

maupun kontinu (garis).
• Simbol (:) atau (|) dibaca sedemikian sehingga
• Contoh:
A = {x | 5>x>0}  kontinu
B = {y : y = 2, 4, 6, 8}  diskrit
• Himpunan semesta adalah himpunan dari seluruh
kejadian. Simbol S atau U.
• Himpunan kosong (null set): himpunan yang tidak
mempunyai anggota. Simbol {} atau .
 KOMPLEMEN SUATU KEJADIAN

• Misalkan S ruang sampel, A himpunan

bagian dari A maka adalah
komplemen dari A atau semua anggota
S yang bukan A.
• = 1 – P(A) S

Daerah arsir hijau

merupakan komplemen
dari A ( ) atau Ac
INTERSEKSI (IRISAN) SUATU KEJADIAN

• Misal A dan B suatu himpunan

• A  B = {x : x  A dan x  B}
• Contoh:

A  B ={43,45,47}

• Buktikan jika A  B maka A  B = A!

 UNION (GABUNGAN) DUA KEJADIAN

• Misal A dan B himpunan

• AB = { x : x  A atau x  B} = x : x AB}

B A

• Buktikan jika A  B maka A  B = B!

 ATURAN/HUKUM DALAM HIMPUNAN

• Hukum Penutup (law of closure)

Setiap pasang himpunan terdapat himpunan yang uniq
yaitu A  B dan A  B
• Hukum komutatif
A  B = B  A dan A  B = B  A
• Hukum asosiatif
(AB)C = A(BC) dan (AB)C = A(BC )
• Hukum distributif
A(BC) = (AB)(A  C) dan A(BC) = (AB)(A C)
• Hukum identitas: A  S = A dan   A = A
• Hukum komplementasi: A  =  dan A =S
ATURAN DASAR PROBABILITAS
 ATURAN PENJUMLAHAN
KEJADIAN SALING MENIADAKAN
(SALING LEPAS-Disjoint Event/mutually exclusive)

• Kejadian saling meniadakan adalah jika

suatu kejadian terjadi maka kejadian
berikutnya adalah kejadian yang saling
meniadakan
• Dengan kata lain jika A terjadi maka B
tidak terjadi
• Aturan penjumlahan dalam kejadian
saling meniadakan merupakan aturan
penjumlahan khusus.
Disjoint or Mutually Exclusive

Venn Diagram for Events That Are Venn Diagram for Disjoint Events
Not Disjoint
Apakah P(A) dan
P (𝐴) saling
lepas/disjoint?
Lanjutan ...
• Jika dua kejadian saling lepas maka maka;
P(A atau B)=P(AB) = P(A) + P(B)
• Jika digambar dalam diagram venn maka tidak slaing
beririsan satu sama lain:
A B = ; B  C = 
A B C A  C = ;

• Dengan kata lain jika ada kejadian A1, A2, ..., Ak yang
saling meniadakan maka:
P(A1  A2  ...  Ak) = P(A1) + ... + P(Ak) =
• P(S) = P(S1  S2  ...  Sk) = P(S1) + ... + P(Sk)
• P(S1  S2 ) = ; P(S2  S3 ) = ; ...; P(Sk-1  Sk )= 
KEJADIAN TIDAK SALING MENIADAKAN

• Jika dua kejadian saling berinteraksi

beririsan maka probabilitasnya disebut
sebagai probabilitas bersama.
• Kejadian tersebut dikalatan tidak saling
meniadakan
• Rumus:

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

ATURAN PERKALIAN

Kejadian Tak
bebas Kejadian
bebas
(bersyarat)
 KEJADIAN TAK BEBAS (BERSYARAT)

• Probabilitas bersyarat adalah probabilitad terjadinya

kejadian A dengan syarat B sudah terjadi atau akan
terjadi.
• Ditulis P (A/B)
• Ilustrasi diagram Venn
Kejadian A Rumus:
Seluruh
kejadian

Jadi:
P(AB) = P(A).P(B/A)=P(B).P(A/B)
Kejadian A  B Kejadian B
PROBABILITAS KEJADIAN INTERSEKSI

• Untuk menghitung probabilitas bersyarat

selah-olah kita sudah mengetahui nilai dari
P(A), P(B) dan P(A B).
• Untuk mencari P(A B). Digunakan aturan
umum dari petkalian probabilitas yaitu
P(AB) = P(A) x P(B/A) = P(B) x P(A/B)
• Rumus di atas berarti bahwa P(AB) =
probabilitas dimana A dan B terjadi secara
simultan, sebenarnya merupakan hasil kali
dari probabilitas dua kejadian.
 DIAGRAM POHON

• Selain menggunakan tabel maupun

diagram venn, untuk mempermudah
mencari probabilitas dapat pula dengan
cara diagram pohon.
KEJADIAN BEBAS (INDEPENDENT EVENT)

• Dua kejadian dikatakan saling bebas

apabila terjadinya kejaian tersebut tidak
saling mempengaruhi. Artinya kejadian
A tidak mempengaruhi kejadian B dan
sebaliknya.
• Menurut defini jika A dan B bebas:
P(A/B) = P(A) dan P(B/A) = P(B)
maka P(AB) = P(A)P(B) = P(B)P(A)
 PROBABILITAS MARGINAL
• Dalam praktek sering kita jumpai kejadian yang
terjadi bersamaan dan dimana kejadia lainnya
mempengaruhi kejadian pertama.
• Ilustrasi
R = RS1RS2RS3
P(R) = P(RS1RS2RS3)
S RS1 RS2 RS3 = P(RS1) + P(RS2)+ P(RS3)
R P(R) disebut probabilitas
marginal.
S1 S2 S3
Apabila R merupakan suatu kejadian sehigga salah satu dari kejadian yang saling
meniadakan S1, S2, ..., Sk, harus terjadi bersama dengan salah satu kejadian R.

Diperoleh rumus probabilitas marginal :

 RUMUS BAYES
• Thomas Bayes mengembangkan teori unutk
menghitung probabilitas tentang sebab-sebab
terjadinya suatu kejadian berdasarkan pengaruh yang
dapat diperoleh dari hasil observasi.
• Terdapat istilah posterior probability yaitu
probabilitas yang dihitung berdasarkan informasi
yang diperoleh dari hasil observasi dan prior
probability yaitu probabilitas bersyarat.
Lanjutan ...
Misalkan suatu himpunan lengkap habis dibagi A1, A2,
..., Ak (i = 1, ..., k). The Posterior probability kejadian
Ai dengan syarat bahwa A sudah atau akan terjadi dapat
dihitung dengan rumus bayes:

Ilustrasi:

A1A A2A ... AiA ... AkA

S

A Ai
A1 A2 Ak
 CONTOH
Diketahui suatu universitas A memiliki
total mahasiswa sebanyak 10.000 siswa.
Terdapat 2000 mahasiswa lama dan
terdapat 3500 mahasiswa putri.
Sedangkan 800 dari 3500 mahasiswa putri
adalah mahasiswa lama. Tentukan
probabilitas mahasiswa yang lama terpilih
putri!
Ada sebanyak 400 pekerja di sebuah
perusahaan kertas, dan 100 di antaranya
merokok. Diantara sejumlah pekerja
tersebut, 250 adalah wanita, dan 250
diantara pekerja wanita sebanyak 75
merokok. Jika salah seorang pekerja
dipilih secara acak, berapa probabilitas
bahwa:
a. Dia pekerja wanita
b. Dia merokok
c. Pekerja wanita dan merokok
d. Pekerja laki-laki atau dia merokok
Diketahui:
P(A1) = 0.6; P(A2)=0.4;
P(B1|A1) = 0.05 dan
P(B1|A2) = 0.1.
Dengan menggunakan teorema
bayes hitung P(A1|B1)!
Suatu Universitas mempunyai mahasiswa sebanyak
1000 orang dari 4 fakultas yaitu FE= 400 mahasiswa,
FH = 200 mahasiswa, FT = 150 mahasiswa, dan FK =
250 mahasiswa. Dari mahasiswa tersebut ada yang
menjadi anggota menwa. Dari FE = 200 orang, FH = 50
orang, FT = 25 orang dan FK = 150 orang.
a. Berapa peluang bertemu menwa di kampus tersebut
b. Berapa peluang bertemu orang dari fakultas
ekonomi yang menwa
c. Berapa peluang bertemu orang menwa dari fakultas
hukum
 Mengapa PERMUTASI???
• Suatu eksperimen dilakukan berkali-kali
• Suatu eksperimen dilakukan beberapa langkah
dimana setiap langkah menghasilkan berbagai
kemungkinan.
• Contoh :
Jika langkah pertama menghasilkan k hasil dan
langkah kedua menghasilkan m hasil maka jumlah
keseluruhan eksperimen yang dihasilkan adalah k.m
• Apabila pada saah satu langkah dalam eksperimen
menghasilkan m hasil yang berbeda dan hasil ini
terjadi sebanyak k kali maka:
m x m x m x m x ... x m = mk
PERMUTATIONS RULE
Requirements:
1.Jika n items availabledan beberapa
items identik satu sama lain.
2.Jika kita mengambil sumua n items
(without replacement).
3.Mempertimbangkan penataan ulang
item yang berbeda menjadi urutan yang
berbeda
 PERMUTASI
• Permutasi adalah suatu pengaturan atau
urutan beberapa elemen atau objek
dimana urutan elemen tersebut sangat
penting maksudnya (contoh ABC 
BCA).
• Permutasi m objek diambil x setiap kali
rumusnya adalah
 KOMBINASI
• Terdapat m berbeda item
• Dipilih sebanyak x dari m item
• Dalam kombinasi urutan elemen tidak
penting.
Contoh : BAU = ABU = UBA = AUB
Banyaknya kombinasi m objek diambil x objek
setiap kali ayitu jumlah maksimum himpunan
yang berbeda-beda dan terdiri dari x elemen
yang berasal dari m elemen.
• Dirumuskan:
LATIHAN SOAL
1. Sebuah dadu dilemparkan sebanyak 1 kali. Berapa
peluang terjadinya mata dadu bilangan ganjil?
2. Dari 7 orang pelamar PNS, hanya dipilih 3 orang
yang berhak menjadi PNS. Berapakah kemungkinan
cara yang dtempuh untuk menempati 3 lowongan
tersebut?
3. Berapa banyak susunan huruf berbeda yang dapat
dibentuk dari kata “GELANGGANG”?
4. setumpuk kartu dikocok, kemudian diambil secara
acak, berapa peluang terambilnya kartu Queen hati
atau As berwarna hitam?
5. Peluang terjadinya banjir di Jakarta 0,7 dan peluang
terjadinya banjir Bandung 0,4. Berapa peluang
banjir di Jakarta dan di Bandung?
6. Sebuah dus berisi 2 buah kemeja, 3 buah celana,
dan 6 buah kaos. Jika diambil 2 barang secara
berturut-turut dari dus tersebut tanpa pengembalian,
maka berapa peluang terambilnya yang pertama
kemeja dan yang kedua celana?
7. Sebuah kotak berisi 2 bola merah, 4 bola putih, dan
4 bola hijau. Dilakukan pengambilan 3 bola dari
kotak tersebut secara acak dengan pengembalian.
Berapakah peluang terambilnya 1 bola merah dan 2
bola putih berturut-turut?
8. Kotak berisi 3 bola merah, 4 bola putih, 3 bola
hijau. Dilakukan pengambilan 3 bola dari kotak
tersebut secara random tanpa pengembalian.
Brapakah peluang terambilnya 1 bola merah dan 2
bola putih berturut-turut?
Nomor 9
Suatu operator telekomunikasi nirkabel
mempunyai 2 pilihan tempat untuk membangun
pemancar sinyal yaitu di dareah A dan B dengan
masing-masing memiliki peluang 0.4, 0.6. Bila
pemancar dibangun di daerah A maka peluang
terjadi gangguan sinyal adalah 0.07, peluang
terjadinya gangguan sinyal di daerah B
0.08.Bila diketahui peluang terjadi gangguan
sinyal, berapa peluang operator tersebut ternyata
telah membangun pemancar di daerah B?
NOMOR 3
Tiga anggota organisasi A telah
dicalonkan sebagai ketua. Peluang Pak
Andi terpililih adalah 0.4. Peluang Pak
Budi terpilih adalah 0.1. Peluang Pak
Dedi terpilih adalah 0.5. Seandainya Pak
Andi terpilih kenaikan iuran anggota 0.5,
Pak Budi dan Pak Dedi masing-masing
0.3 dan 0.4 Berapa peluang Pak Andi
terpilih setelah terjadinya kenaikan iuran
anggota.
TERIMA KASIH