Muhammad Luthfi Hernandi

40040318060013
A-Reguler
D3-Teknik Elektro

PROBABILITAS, HUBUNGAN TEORI

HIMPUNAN DAN PROBABILITAS
Probabilitas

Definisi
Teori probabilitas merupakan perkembangan dari cabang matematika yang digunakan
untuk mengatasi ketidakpastian (uncertain). Awalnya didorong oleh keinginan para ahli
matematika untuk menganalisis permainan judi dan kemudian digunakan untuk analisis ilmiah
tentang kematian dalam kegiatan medis, teori probabilitas telah dikembangkan sebagai alat
ilmiah berhubungan dengan peluang.
Probabilitas merupakan ilmu dasar bagi inferensi statistik melalui eksperimen dan
analisis data. Probabilitas dari suatu peristiwa adalah rasio jumlah kejadian yang terjadi sesuai
dengan total jumlah kejadian. Jadi probabilitas merupakan pernyataan yang berisi ramalan
tentang tingkatan keyakinan tentang terjadinya sesuatu dimasa yang akan datang.
Ada tiga hal penting dalam probabilitas, yaitu:
1. Percobaan adalah pengamatan terhadap beberapa aktivitas atau proses yang
memungkinkan timbulnya paling sedikit 2 peristiwa tanpa memperhatikan peristiwa mana
yang akan terjadi.
2. Hasil adalah suatu hasil dari sebuah percobaan.
3. Peristiwa adalah kumpulan dari satu atau lebih hasil yang terjadi pada sebuah percobaan
atau kegiatan.
Pengertian probabilitas dapat dilihat dari tiga macam pendekatan, yaitu :
1. Pendekatan Klasik
2. Frekuensi Relatif.
3. Subyektif.
Pendekatan Klasik :
Probabilitas diartikan sebagai hasil bagi dari banyaknya peristiwa yang dimaksud
dengan seluruh peristiwa yang mungkin.
𝑋
𝑃 (𝐴 ) =
𝑛
Keterangan :
P(A) = probabilitas terjadinya kejadian A
X = peristiwa yang dimaksud
n = banyaknya peristiwa yang mungkin
Contoh :

Bila sekeping koin dilempar sekali, maka secara logika dikatakan bahwa masing-masing sisi
mempunyai peluang yang sama , yaitu 0,5 karena koin hanya terdiri atas dua sisi masing-
masing, dan masing-masing sisi mempunyai kesempatan yang sama untuk muncul atau dicatat.
P(A) = P(B) = 0,5
Frekuensi Relatif :
Menurut pendekatan frekuensi relatif,probabilitas diartikan sebagai :
1. Proporsi waktu terjadinya peristiwa dalam jangka panjang, jika kondisi stabil
2. Frekuensi relatif dari seluruh peristiwa dalam sejumlah besar percobaan.
𝑓𝑖
𝑃 (𝑋 ) =
𝑛
Keterangan :
P(X) = probabilitas peristiwa i
fi = frekuensi peristiwa i
n = Banyaknya peristiwa.
Pendekatan Empiris :
 Perumusan perhitungan berdasarkan pendekatan empiris adalah atas dasar pengertian
frekuensi relatif. Pendekatan ini dilakukan karena pendekatan perhitungan klasik dipandang
memiliki beberapa kelemahan. Dalam kenyataan , syarat yang ditetapkan jarang dapat
dipenuhi.
𝑋𝑖
𝑃 (𝑋) = lim
𝑛→∞ 𝑛

P(X) = probabilitas peristiwa x

Xi = frekuensi peristiwa i
n = Banyaknya peristiwa.
Contoh :

Jika kita melempar sebuah mata uang logam sebanyak 1000 kali ternyata gambar burung ada
di atas sebanyak 519 (maka frekuensi relatifnya = 519/1000 = 0,519). Bila uang ini kita lempar
lagi sebanyak 5000 kali dan hasil gambar burung ada di atas sebanyak 2530 (maka frekuensi
relatifnya = 2530/5000 = 0,506). Jika proses demikian diteruskan sampai n tak terhingga, maka
nilai frekuensi relatifnya lambat laun akan makin mendekati sebuah bilangan yang merupakan
probabilitas burung itu sendiri yaitu 0,5.
Pendekatan Subjektif
Menurut pendekatan subyektif, probabilitas diartikan sebagai tingkat kepercayaan
individu yang didasarkan pada peristiwa yang lalu.

Manfaat Probabilitas

Manfaat probabilitas dalam kehidupan sehari-hari adalah membantu kita dalam

mengambil suatu keputusan, serta meramalkan kejadian yang mungkin terjadi. Jika kita tinjau
pada saat kita melakukan penelitian, probabilitas memiliki beberapa fungsi antara lain:

1. Membantu peneliti dalam pengambilan keputusan yang lebih tepat.

2. Dengan teori probabilitas kita dapat menarik kesimpulan secara tepat atas hipotesis yang
terkait tentang karakteristik populasi.
3. Mengukur derajat ketidakpastian dari analisis sampel hasil penelitian dari suatu populasi.

Aturan Probabilitas
Probabilitas memiliki batas mulai 0 sampai dengan 1 ( 0  P  1 )
1. Jika P = 0, disebut probabilitas kemustahilan, artinya kejadian atau peristiwa tersebut tidak
akan terjadi.
2. Jika P = 1, disebut probabilitas kepastian, artinya kejadian atau peristiwa tersebut pasti
terjadi.
3. Jika 0  P  1, disebut probabilitas kemungkinan, artinya kejadian atau peristiwa tersebut
dapat atau tidak dapat terjadi.
Contoh :
Probabilitas lulus ujian statistik 75%  P(stat) = 0,75; Jadi probabilitas tidak lulus statistik
adalah → P (stat) = 1 – 0, 75 = 0,25

Konsep Probabilitas
Bila banyak kejadian yang diharapkan muncul dinotasikan dengan n(A), dan
banyaknya kejadian yang mungkin muncul (ruang sampel = S) dinotasikan dengan n(S) maka
Peluang kejadian A ditulis :
𝑛(𝐴)
𝑃 (𝐴 ) =
𝑛(𝑆)
Contoh 1 :
Peluang muncul muka dadu nomor 5 dari pelemparan sebuah dadu satu kali adalah ...

Penyelesaian :
n(5) = 1 dan
n(S) = 6 → yaitu: 1, 2, 3, 4, 5, 6
𝑛(5) 1
Jadi P(5) = =
𝑛(𝑆) 6

Contoh 2 :
Dalam sebuah kantong terdapat 4 kelereng merah dan 3 kelereng biru. Bila sebuah kelereng
diambil dari dalam kantong maka peluang terambilnya kelereng merah adalah …

Penyelesaian :
Kejadian yang diharapkan muncul yaitu terambilnya kelereng merah ada 4 → n(merah) = 4
Kejadian yang mungkin muncul yaitu terambil 4 kelereng merah dan 3 kelereng biru → n(S)
=4+3=7
Jadi peluang kelereng merah yang terambil adalah
𝑛(𝑚𝑒𝑟𝑎ℎ)
𝑃(𝑚𝑒𝑟𝑎ℎ) =
𝑛(𝑠)
4
=
7
Percobaan, Ruang Sampel, Titik Sampel & Peristiwa
Percobaan
Proses mendapatkan suatu pengamatan atau pengambilan suatu pengukuran.
Titik Sampel
Setiap anggota dari ruang sampel.
Ruang Sampel
Suatu kelompok universal bagi semua hasil aktual ataupun konseptual yang mungkin
terjadi karena pada setiap percobaan selalu diinginkan terjadinya berbagai peristiwa yang
berhubungan dengan percobaan itu sendiri. Ruang sampel adalah himpunan/kumpulan semua
hasil yang mungkin pada suatu percobaan.
Contoh :
1. Melemparkan koin – hasil S = {Kepala, Ekor}
2. Menggulingkan suatu dadu –
hasil S = {1, 2, 3, 4, 5, 6}
3. Melemparkan dua dadu seimbang – 36 hasil

S = { (1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
hasil (x, y),
x = nilai yang terlihat pada dadu 1
y = nilai yang terlihat pada dadu 2
Kejadian
Kejadian atau peristiwa adalah himpunan bagian dari ruang sampel pada suatu
percobaan, atau hasil dari percobaan.

Contoh :
Suatu kelas statistik untuk para insinyur diikuti oleh mahasiswa teknik industri 25 orang, mesin
10 orang, elektro 10 orang, dan sipil 8 orang. Jika seorang mahasiswa dipilih secara acak oleh
instrukturnya untuk menjawab suatu pertanyaan, berapakah probabilitas mahasiswa tersebut
adalah
 Dari jurusan teknik industri
 Dari jurusan teknik sipill atau elektro?
Penyelesaian :
25
Jika I menyatakan kejadian mahasiswa teknik industri terambil 𝑃(𝐼 ) =
53
18
Probabilitas mahasiswa Sipil atau Elektro terambil : 𝑃 (𝑆 ∪ 𝐸 ) =
53
Simple Random Sample (Hubungan Kombinasi dengan Probabilitas)
Suatu sampel berukuran 5 akan diambil dari populasi sebanyak 4 wanita, 6 pria. Berapakah
banyaknya kesempatan terambil 3 wanita dan 2 pria dalam sampel? Berapakah kemungkinan
terambil 3 wanita dan 2 pria?

10
 Total banyaknya sampel yang berbeda ( ) = 252
5
4
 Banyaknya 3 wanita terambil dari 4 wanita ( )
3
6
 Banyaknya 2 pria terambil dari 6 pria ( )
2
4 6
 Banyaknya sampel berbeda yang dapat diambil dari 3 wanita dan 2 pria ( ) ( )
3 2
 Kemungkinan terambil 3 wanita dan 2 pria adalah
(4 6
3)(2) 4×15
10 = = 0.2381
( ) 252
2
REVIEW Himpunan & Diagram Venn
𝐴∩𝐵 = daerah 1 dan 2,
Hubungan antara
𝐵∩𝐶 = daerah 1 dan 3,
Kejadian dan Ruang
𝐴∪𝐶 = daerah 1, 2, 3, 4, 5, dan 7,
Sampel terkait
𝐵′ ∩ 𝐴 = daerah 4 dan 7,
𝐴∩𝐵∩𝐶 = daerah 1,
(𝐴 ∪ 𝐵) ∩ 𝐶′ = daerah 2, 6, dan 7
Komplemen Kejadian
Nilai suatu peluang antara 0 sampai dengan 1 → 0 ≤ P(A) ≤ 1
 P(A) = 0 → kejadian yang tidak mungkin terjadi
 P(A) = 1 → kejadian yang pasti terjadi
 P(A1) = 1 – P(A)  A1 adalah komplemen A
Kejadian bukan A dari himpunan S ditulis dengan simbol A’ (atau Ac) disebut komplemen dari
A. Jika A mempunyai a elemen, dan S mempunyai n elemen maka A’ mempunyai n-a elemen.
Maka P(A’ ) adalah peluang tidak terjadinya A.
𝑛−𝑎
𝑃(𝐴′ ) =
𝑛
𝑛 𝑎
= −
𝑛 𝑛
𝑎
= 1−
𝑛
′
𝑃(𝐴 ) = 1 − 𝑃(𝐴)

Contoh :
Sepasang suami istri mengikuti keluarga berencana. Mereka berharap mempunyai dua anak. ¡
Peluang paling sedikit mempunyai seorang anak laki-laki adalah …
Penyelesaian :
Kemungkinan pasangan anak yang akan dimiliki:
 keduanya laki-laki,
 keduanya perempuan atau
 1 laki-laki dan 1 perempuan → n(S) = 3
 Peluang paling sedikit 1 laki-laki = 1 – peluang semua perempuan
𝑛(𝑝,𝑝)
= 1−
𝑛(𝑆)
1
= 1−
3
2
=
3
Peristiwa Probabilitas
Peristiwa Saling Lepas (Mutually Exclusive)
Jika suatu kejadian A dan B tidak dapat terjadi pada saat bersamaan, dalam hal ini
(𝐴 ∩ 𝐵) = ∅, maka kita katakan dua kejadian tersebut adalah saling lepas. Untuk kejadian
saling lepas (saling asing). Maka (𝐴 ∩ 𝐵) = P(Ø) = 0
Jika A dan B kejadian yang saling lepas maka :
𝑷 (𝑨 ∪ 𝑩) = 𝑷(𝑨) + 𝑷(𝑩)

Contoh :
Dari satu set kartu bridge (tanpa joker) akan diambil dua kartu satu persatu berturut-turut,
kemudian kartu tersebut dikembalikan. Peluang terambilnya kartu as atau kartu king adalah…

Penyelasaian :
 Kartu bridge = 52 → n(S) = 52
 Kartu as = 4 → n(as) = 4
4
P(as) =
52
 Kartu king = 4 → n(king) = 4
4
P(king) =
52
4 4 8
P(as atau king) = P(as) + P(king) = + =
52 52 52
Peristiwa Tidak Saling Lepas (Non Exclusive)
Dua peristiwa atau lebih disebut peristiwa tidak saling lepas, apabila kedua peristiwa
atau lebih tersebut dapat terjadi pada saat yang bersamaan. Peristiwa tidak saling lepas disebut
juga peristiwa bersama (irisan).
Jika A dan B masing-masing merupakan suatu kejadian yang tidak saling lepas, maka
aturan penambahannya adalah
𝑃 (𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) – 𝑃(𝐴 ∩ 𝐵)
Contoh :
Setumpuk kartu bridge yang akan diambil salah satu kartu. Berapa probabilitasnya dalam sekali
pengambilan tersebut akan diperoleh kartu Ace atau kartu Diamond ?
Penyelesaian:
Dimisalkan :
A = kartu Ace
D = kartu Diamond
Maka 𝑃(𝐴 ∪ 𝐷) = 𝑃(𝐴) + 𝑃(𝐷) – 𝑃(𝐴 ∩ 𝐷)
4 13 1
= + −
52 52 52
16
=
52
Jika terdapat 3 peristiwa dirumuskan sebagai berikut :
P(A ∪ B ∪ C) = P(A) + P(B) + P(C) − P(A ∩ B) − P(A ∩ C) − P(B ∩ C) + P(A ∩ B ∩ C)
Peristiwa Saling Bebas (Independent)
Apabila terjadinya peristiwa yang satu tidak mempengaruhi terjadinya peristiwa yang
lain. Dua proses dikatakan independen jika hasil proses pertama tidak memberikan informasi
berguna (tidak berpengaruh pada hasil proses kedua).
Probabilitas terjadinya irisan dua kejadian secara umum adalah sebagai berikut :
𝑃 𝐴 ∩ 𝐵) = 𝑃 (𝐴|𝐵 ) × 𝑃(𝐵) = 𝑃(𝐵|𝐴) × 𝑃(𝐴)
(
Jika kejadian A dan B adalah independen, maka :
𝑃(𝐴 ∩ 𝐵) = 𝑃 (𝐴)𝑃(𝐵)
Contoh :
Pada tahun 2012 Survei Gallup menyatakan negara bagian Virginia Barat memiliki tingkat
obesitas tertinggi di seluruh AS sebesar 33.5%. Dengan mengasumsikan tingkat obesitas
konstan, berapakah probabilitas dua penduduk West Virginia yang dipilih secara acak
keduanya mengidap obesitas?
Penyelesaian :
 P(obesitas) = 0.335
 P(keduanya obesitas) = P(pertama obesitas)xP(kedua obesitas) = 0.335 x 0.335 = 0,111

Peristiwa Bersama (Joint)

Terjadinya 2 peristiwa atau lebih secara berurutan dan peristiwa-peristiwa tersebut
tidak saling mempengaruhi. Jika peristiwa A dan B gabungan, probabilitas terjadinya peristiwa
tersebut adalah :
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) × 𝑃(𝐵)
Contoh :
Peluang Amir lulus pada Ujian Nasional adalah 0,90. Sedangkan peluang Badu lulus pada
Ujian Nasional 0,85. Peluang Amir lulus tetapi Badu tidak lulus pada ujian itu adalah..
Penyelesaian :
Amir lulus → P(AL) = 0,90
Badu lulus → P(BL) = 0,85
Badu tidak lulus → P(BTL) = 1 – 0,85 = 0,15
P(AL tetapi BTL) = P(AL) x P(BTL) = 0,90 x 0,15 = 0,135

Peristiwa Bersyarat (Dependent)

Probabilitas terjadinya suatu peristiwa/kejadian dengan syarat ada peristiwa lain yang
terjadi. Jadi ada peristiwa yang satu dipengaruhi atau bergantung pada peristiwa lainnya (kedua
peristiwa tersebut tidak saling bebas).
Probabilitas Bersyarat peristiwa A ketika diketahui peristiwa B terjadi adalah
(diasumsikan P(B) >0), maka :
𝑃(𝐴 ∩ 𝐵)
𝑃 (𝐴 |𝐵 ) =
𝑃(𝐵)
𝑃(𝐴 ∩ 𝐵) = 𝑃 (𝐴)𝑃(𝐵|𝐴) = 𝑃 (𝐵)𝑃(𝐴|𝐵)
Contoh :
Probabilitas suatu penerbangan berangkat tepat waktu adalah P(B)=0.83; probabilitas
kedatangan tepat waktu adalah P(D) = 0.82; dan probabilitas berangkat dan datang tepat
waktu adalah P(B∩D)=0.78. Carilah probabilitas suatu penerbangan :
 Datang tepat waktu diberikan ia berangkat tepat waktu
 Berangkat tepat waktu diberikan ia datang tepat waktu
 Datang tepat waktu diberikan ia berangkat TIDAK tepat waktu
Penyelesaian :
 Datang tepat waktu diberikan ia berangkat tepat waktu
𝑃(𝐷 ∩ 𝐵) 0,78
𝑃 (𝐷 |𝐵 ) = = = 0,94
𝑃(𝐵) 0,83
 Berangkat tepat waktu diberikan ia datang tepat waktu
𝑃(𝐷 ∩ 𝐵) 0,78
𝑃 (𝐵 |𝐷 ) = = = 0,95
𝑃(𝐷) 0,82
 Datang tepat waktu diberikan ia berangkat TIDAK tepat waktu
′
𝑃(𝐷 ∩ 𝐵′ ) 0,82 − 0,78
𝑃 (𝐷 |𝐵 ) = ′
= = 0,24
𝑃(𝐵 ) 0,17

Kaidah Penggandaan

Bila suatu percobaan kejadian A dan B keduanya dapat terjadi sekaligus, maka
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵|𝐴)
Karena kejadian A∩B dan B∩A setara, dapat ditulis juga:
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵 ∩ 𝐴) = 𝑃(𝐵)𝑃(𝐴|𝐵)
Contoh :
Dalam sebuah kotak terdapat 10 gulungan film, dan diketahui bahwa 3 diantaranya rusak.
Hitung peluang bila 2 buah gulungan film rusak diambil acak satu persatu secara berurutan.
Penyelesaian :
Misal : A = peristiwa terambil gulungan pertama rusak
B = peristiwa terambil gulungan kedua rusak
Maka peluang kedua gulungan rusak adalah :
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴). 𝑃(𝐵|𝐴)
3 2
= ( ). ( )
10 9
1
=
15

Harapan Matematis

Jika P1, P2…..Pk merupakan probabilitas terjadinya peristiwa maka E1, E2, …, Ek dan
andaikan V1, V2, …, Vk adalah nilai yang diperoleh jika masing-masing peristiwa diatas
terjadi, maka harapan matematis untuk memperoleh sejumlah nilai adalah :
𝐸(𝑉) = 𝑃1 𝑉1 + 𝑃2𝑉2 + … + 𝑃𝑘 𝑉𝑘
Contoh :
Dalam suatu permainan berhadiah, pihak penyelenggara akan membayar Rp. 180.000,- apabila
pemain mendapat kartu Ace, dan akan membayar Rp. 100.000,- apabila mendapoatkan kartu
King dari setumpuk kartu bridge yang berisi 52 kartu. Bila tidak mendapatkan kartu ace dan
kartu King pemain harus membayar Rp. 45.000,- . berapa harapan matematis pemain tersebut
?
Penyelesaian :
4 4 44
𝐸 (𝑉) = 𝑅𝑝. 180.000 ( ) + 100.000 ( ) – 45.000 ( )
52 52 52
= 𝑅𝑝. 16.538,46
= 𝑅𝑝. 16.500, −

Probabilitas Marginal

Jika R merupakan suatu kejadian, sedemikian rupa sehingga salah satu dari kejadian-
kejadian yang saling meniadakan S1, S2, ... , Sk, harus terjadi bersama (joint) dengan salah
satu kejadian dari R, maka P(R) disebut probabilitas marjinal dan nilai P(R) adalah
𝑃(𝑅) = ∑𝑘𝑖=1 𝑃(𝑅𝑆𝑖) 𝑃(𝑅) = ∑𝑘𝑖=1 𝑃(𝑆𝑖 )𝑃(𝑅|𝑆𝑖)
dengan
𝑅 = 𝐴, 𝑆𝑖 = 𝐵  𝑃(𝐴𝐵) = 𝑃(𝐴/𝐵) 𝑎𝑡𝑎𝑢 𝑃(𝑅𝑆𝑖) = 𝑃(𝑆𝑖) 𝑃(𝑅|𝑆𝑖)
Contoh :
Misalkan kita memproduksi suatu jenis baterai di tiga pabrik yang peralatan dan karyawannya
berbeda. Produksi mingguan pabrik pertama (S1 = 500), pabrik kedua (S2 = 2000), dan pabrik
ketiga (S3 = 1500).Selanjutnya, misalkan diketahui besarnya nilai probabilitas barang rusak
dari pabrik pertama, P(R/S1) adalah 0.020, probabilitas barang rusak dari pabrik kedua,
P(R/S2) adalah 0.015, dan dari pabrik ketiga P(R/S3) adalah 0.030. baterai yang diproduksi
pabrik tersebut digunakan untuk menyuplai pabrik mobil. Dengan demikian, pabrik mobil
setiap minggunya menerima suplai baterai sebanyak 4000, dari S1+ S2 + S3 (ingat, S adalah
ruang sampel). Jika satu baterai dipilih secara acak,maka:
Penyelesaian :

Apabila pemilik pabrik tersebut mengambil 1 batrai secara acak, berapa probabilitasnya bahwa
baterai yang diambil tersebut rusak.
P(R) = probabilitas barang rusak, disebut probabilitas marjinal.

Karena 𝑃(𝑅𝑆1) = 𝑃(𝑆1)𝑃(𝑅/𝑆1) kita peroleh rumus berikut:

Probabilitas Marjinal : 𝑃(𝑅) = ∑𝑃(𝑆1)𝑃(𝑅/𝑆1)
Dengan rumus tersebut, kita dapat menghitung probabilitas bahwa baterai yang dipilih secara
acak rusak, yaitu:

Teorema Bayes
Teorema Bayes dikemukakan oleh seorang pendeta Presbyterian Inggris pada tahun
1763 yang bernama Thomas Bayes. Teorema Bayes ini kemudian disepurnakan oleh Laplace.
Teorema Bayes digunakan untuk menghitung probabilitas terjadinya suatu peistiwa
berdasarkan pengaruh yang didapat dari hasil observasi.
 Teorema ini menerangkan hubungan antara probabilitas terjadinya peristiwa A dengan
syarat peristiwa B telah terjadi dan probabilitas terjadinya peristiwa B dengan syarat peristiwa
A telah terjadi.Teorema ini didasarkan pada prinsip bahwa tambahan informasi dapat
memperbaiki probabilitas.

Misalkan {B1, B2,...,Bn} suatu himpunan kejadian yang merupakan suatu sekatan
runag sampel S dengan P(Bi) ≠ 0 untuk i = 1, 2,...n. Dan misalkan A suatu kejadian sembarang
dalam S dengan P(A) ≠ 0.
𝑃(𝐵𝑖∩𝐴)
𝑃(𝐵𝑖|𝐴) =
∑𝑛
𝑖=1 𝑃(𝐵𝑖∩𝐴)
𝑃(𝐵𝑖∩𝐴)
=
𝑃(𝐴)
𝑃(𝐵𝑖)𝑃(𝐴|𝐵𝑖)
=
∑𝑛
𝑖=1 𝑃(𝐵𝑖)𝑃(𝐴|𝐵𝑖)

Contoh :
Suatu mata kuliah teori probabilitas diikuti oleh 50 mahasiswa tahun ke 1, 15 mahasiswa tahun
ke 2 dan 10 mahasiswa tahun ke 3. Diketauhi mahasiswa yang mendapatkan nilai A adalah 10
orang dari mahsiswa tahun ke 1, 8 orang dari mahasiswa tahun ke 2 dan 5 orang mahasiswa
tahun ke 3. Bila seorang mahasiswa dipilih secara acak ,berapakah peluang dia:
a. Mendapatkan nilai A
b. Mahasiswa tahun ke 1 bila diketauhi dia mendapatkan A

Diketahui
1. Jumlah mahasiswa yang mengikuti mata kuliah teori proababilitas adalah 75 orang
2. P(M1), atau peluang mahasiswa adalah mahasiswa tahun ke-1 yaitu 50/75
3. P(M2), atau peluang mahasiswa adalah mahasiswa tahun ke-2 yaitu 15/75
4. P(M3), atau peluang mahasiswa adalah mahasiswa tahun ke-3 yaitu 10/75
5. P(A|M1) atau peluang mahasiswa tahun ke-1 yang mendapatkan nilai A sebesa 10/50
6. P(A|M2) atau peluang mahasiswa tahun ke-2 yang mendapatkan nulai A yaitu 8/15
7. P(A|M3) atau peluang mahasiswa tahun ke-3 yang mendapatkan nulai A yaitu 5/10

Penyelesaian :
a. P(A) = ∑ P(Mi) × P(A|Mi)
= (P(M1) × P(A|M1) + P(M2) × P(A|M2) + P(M3) × P(A|M3))
 50 10 15 8 10 5
= ( × + × + × )
75 50 75 15 75 10
23
=
75
b. Mahasiswa tahun ke 1 bila diketahui dia mendapatkan A

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

Pohon Probabilitas
Diagram pohon merupakan suatu diagram yang menyerupai pohon, dimulai dari batang
kemudian menuju ranting dan daun. Berguna dalam membantu menggambarkan probabilitas
atau probabilitas bersyarat dan probabilitas bersama. Diagram ini sangat berguna untuk
menganalisis keputusan-keputusan bisnis dimana terdapat tahapan-tahapan pekerjaan. Tahapan
–tahapan tersebut adalah sebagai berikut :
1. Langkah awal kegiatan, dimulai dengan tanda bulatan dengan angka 1. Tahap 1
diumpamakan sebagai pohon utamanya berupa kegiatan di bursa saham. Nilai probabilitas
pada tahap1 adalah = 1.
2. Membuat cabang . Kegiatan di bursa ada 2 yaitu kegiatan jual dan kegiatan beli saham.
Probabilitas jual saham = 0,6 dan probabilitas beli saham = 0,4. Nilai probabilitas pada
cabang = 0,6 + 0,4 = 1,0.
3. Membuat ranting. Pada setiap cabang, baik jual maupun beli ada 3 ranting jenis saham yaitu
BCA, BLP dan BNI. Nilai probabilitas setiap ranting = 0,35 + 0,40 + 0,25 = 1,0.
4. Menghitung probabilitas bersama ( joint probability) antara kejadian pertama A dan B
dengan kejadian ke dua D, E dan F. Kita dapat menghitung probabilitas P(D|A) atau P(E|B)
secara langsung. Nilai probabilitas keseluruhan pada tahap 4 juga harus sama dengan 1,0.

Beberapa Prinsip Menghitung

Beberapa prinsip menghitung yang bermanfaat dalam mempelajari probabilitas yaitu Faktorial,
Permutasi dan Kombinasi :
Faktorial
Faktorial digunakan untuk mengetahui berapa banyak cara yang mungkin dalam
mengatur sesuatu dalam suatu kelompok Contohnya adalah berapa cara menyusun urutan ke
tiga bank BCA, BLP dan BNI ? Urutan ke tiga bank tersebut adalah :

Jadi ada 6 cara untuk mengurutkan nama bank.

Pola untuk menjawab pertanyaan tersebut adalah untuk meletakkan urutan pertama
dari 3 bank, saudara mempunyai 3 pilihan yaitu BCA, BLP atau BNI. Apabila urutan pertama
saudara tentukan BCA maka urutan ke dua tinggal 2 pilihan yaitu BLP dan BNI. Apabila
urutan ke dua memilih BLP maka urutan ke tiga hanya ada satu pilihan yaitu BNI.
Dengan demikian banyaknya urutan adalah perkalian dari pilihan tersebut yaitu 3 x 2
x 1 = 6. Dengan demikian mudah untuk mengetahui berapa banyak cara yang mungkin dalam
memilih presiden dari 5 pilihan yang ada.
Dalam matematika perhitungan tersebut dikenal dengan “faktorial” yang biasa
dilambangkan dengan (!), yang perlu diketahui bahwa 0! didefinisikan dengan 1, sedangkan

n! = n x (n – 1 ) x ( n – 2 )x ( n – 3 )x ( n – 4 ) x …………. 1.

Contoh :
Ada berapa cara menyusun urutan dari 5 perusahaan yang memberikan dividen yang terbesar
?
Penyelesaian :
Menyusun urutan 5 perusahaan = 5! = 5 x 4 x 3 x 2 x 1 = 120 cara

Permutasi
Permutasi digunakan untuk mengetahui sejumlah kemungkinan susunan ( arrangement) jika
terdapat satu kelompok obyek. Pada Permutasi ini kita berkepentingan dengan susunan atau
urutan dari obyek. Permutasi dirumuskan sebagai berikut :

Keterangan :
P : Jumlah permutasi atau cara obyek disusun
n : Jumlah total obyek yang disusun
r : Jumlah obyek yang digunakan pada saat bersamaan, jumlah r dapat sama dengan n
atau lebih kecil
! : tanda dari faktorial
Contoh : 1
Ada berapa susunan yang mungkin dari 3 bank yang ada, apabila tiap susunan terdiri dari 2
bank.
Penyelesaian:
3 P2 = 3! / (3-2)! = 3! / 1! = (3×2×1) / 1 = 6
Susunan tersebut adalah :
BCA BLP, BCA BNI, BLP BCA, BLP BNI, BNI BCA, BNI BLP
Contoh : 2
Apabila ada 20 perusahaan yang memberikan dividen tahun 2003 dan disusun berdasarkan
kinerja perusahaan dimana tiap kelompok terdiri 5 perusahaan, ada berapa cara susunan
perusahaan tersebut.
Penyelesaian :
20P5 = 20! / (20-5)! = 20×19×18×17×16×15! / 15! = 1.860.480

Distribusi Probailitas
Definisi
Model untuk variable acak, yang menggambarkan cara probabilitas tersebar pada semua nilai
yang mungkin terjadi dari variabel acak tersebut. Variabel acak/random variabel: variabel yang
diukur sebagai bagian dari suatu eksperimen/percobaan pada pengambilan sampel
Contoh : tabel distribusi produk baru
Tabel Distribusi Probabilitas

KOLOM PERSEN : Menggambarkan fungsi distribusi probabilitas

(probability distribution function=pdf) : Merupakan model probabilitas untuk var. acak
jumlah produk terjual perhari
KOLOM PERSEN KUMULATIF : Menggambarkan fungsi distribusi kumulatif (cdf)
Jenis Distribusi Probabilitas
1. DISTRIBUSI BINOMIAL, distribusi probabilitas diskrit dari percobaan yang dilakukan
sebanyak n kali dgn masing2 percobaan mempunyai probabilitas p dan masing2 percobaan
tidak saling mempengaruhi (independen)
2. DISTRIBUSI HIPERGEOMETRIK, distribusi prob diskrit dari sekelompok obyek yg
dipilih tanpa pengembalian
3. DISTRIBUSI POISSON, distribusi probabilitas diskrit yg menyajikan frekuensi dari
kejadian acak tertentu
4. DISTRIBUSI NORMAL/GAUSS, Distribusi probabilitas untuk var acak kontinyu 
paling penting dalam statistic dan paling sering digunakan

Distribusi Binomial/Bernaulli
Menggambarkan fenomena dgn 2 hasil m/ sakit-sehat, sukses-gagal
4 syarat:
 jumlah trial bilangan bulat
 tiap eksperimen menghasilkan 2 outcome
 peluang sukses tiap eksp sama
 saling independen
Rumus Probabilitas Binomial
𝑛!
𝑃 (𝑦 ) = 𝜋 𝑦 (1 − 𝜋)𝑛−𝑦
𝑦! (𝑛 − 𝑦)!
P(Y) = probabilitas terjadinya y subyek yang memiliki keluaran yang diinginkan dari n
subyek yang ada  pdf (y)
n = jumlah subyek
Y = jumlah subyek dengan keluaran yang diinginkan
Π = probabilitas terjadinya keluaran yang ingin dihitung (misal ketidakhadiran)
n! = n factorial
Contoh :
10 produk diluncurkan, kemungkinan 4 produk yang cacat produksi dengan π 0.05 adalah:
Penyelesaian :
10!
𝑃(𝑦) = 0.054 (1 − 0.05)10−4
4!(10−4)!
10!
𝑃 (4) = 0.054 (0.95)6
4!6!
= 0.001
Distribusi Poisson
𝑒 −𝜇 𝜇 𝑥
𝑝𝑜𝑖𝑠𝑠𝑜𝑛(𝑥; 𝜇) =
𝑥!
e : bilangan natural = 2.71828…
x : banyaknya unsur BERHASIL dalam sampel
µ : rata-rata keberhasilan
Perhatikan rumus yang digunakan! Peluang suatu kejadian Poisson hitung dari rata-rata
populasi ()
Pendekatan Poisson Untuk Distribusi Binomial
Pendekatan Peluang Poisson untuk Peluang Binomial, dilakukan jika n besar (n > 20) dan p
sangat kecil (p < 0.01) dengan terlebih dahulu menetapkan p dan kemudian menetapkan
=nxp
Distribusi Normal (Distr. Var Kontinyu)
Nilai Peluang peubah acak dalam Distribusi Peluang Normal dinyatakan dalam luas dari di
bawah kurva berbentuk genta\lonceng (bell shaped curve). Kurva maupun persamaan Normal
melibatkan nilai x,  dan . Keseluruhan kurva akan bernilai 1, ini mengambarkan sifat peluang
yang tidak pernah negatif dan maksimal bernilai satu
Perhatikan gambar di bawah ini:

1 1 𝑥−𝜇 2
𝑛(𝑥; 𝜇, 𝜎) = 𝑒 2 𝜎 )
− (
√2𝜋𝜎 2
untuk nilai x : - < x <  e = 2.71828.....
µ : rata-rata populasi
σ : simpangan baku populasi
σ 2
: ragam populasi

Hubungan Antar Teori Himpunan dan Probabilitas

Teori probabilitas merupakan cabang matematika yang berhubungan dengan analisis
fenomena acak. Obyek utama dalam kajian adalah peubah acak, kejadian acak, dan proses
stokastik. Dua obyek penting dalam kajian ini adalah hukum bilangan besar (law of large
number) dan teorema limit pusat (central limit theorem).
Teori probabilitas merupakan konsep matematis fundamental dalam kajian statistika.
Sebagai fondasi matematis, teori probabilitas diperlukan dalam berbagai aktivitas yang
melibatkan analisis kuantitatif dari data yang berjumlah besar, termasuk teori himpunan.Jadi
teori himpunan dan teori sangat berhubungan erat satu sama lain.
Metode–metode probabilitas (dalam sistem kompleks) digunakan dalam mekanika
statistis. Hal ini merupakan pendekatan dalam fisika teoritis dalam penyelidikan fenomena fisis
khususnya dalan kajian secara atomik. Kajian khusus dalam fisika teoritis tersebut disebut
dengan mekanika kuantum.
Dasar matematika yang relevan dan berguna untuk tujuan ini adalah teori himpunan
dan teori probabilitas. Jika didefenisikan dalam konteks himpunan, peristiwa-peristiwa dapat
dikombinasikan untuk memperoleh peristiwa lain melalui aturan operasi dari himpunan dan
sub-himpunan; pada dasarnya, ini menyangkut gabungan (union) dan perpotongan
(intersection) dari dua peristiwa atau lebih termasuk komplemen-komplemennya.
 Dengan cara serupa, aturan-aturan operasi dari probabilitas menyajikan dasar untuk
hubunganhubungan deduktif di antara probabilitas-probabilitas dari peristiwa-peristiwa yang
berbeda di dalam ruang probabilitas tertentu; khususnya, ini terdiri dari aturan pertambahan
(addition rule), aturan perkalian,teorema probabilitas total,dan teorema Bayes