TSI217 - Statistika dan Probabilitas

Matematika Probabilitas

Dr. Cut Zukhrina Oktaviani

Program Studi Teknik Sipil

Fakultas Teknik
Universitas Syiah Kuala
Probabilitas
◼ Probabilitas adalah ukuran kemungkinan bagi
suatu kejadian (event) untuk terjadi dalam
suatu percobaan atau eksprimen yang
dilaksanakan dalam kondisi tertentu. Setiap
kemungkinan yang dihasilkan dari percobaan
disebut hasil (outcome)
◼ Himpunan semua hasil yang mungkin dari
suatu percobaan statistika disebut ruang
sample (sample space)
◼ Contoh :
◼ Pelemparan mata uang logam S ={ M, B }
◼ Pelemparan sebuah dadu S = { 1, 2, 3, 4, 5, 6 }
3

Probabilitas
◼ Probabilitas suatu event dinyatakan oleh P(A)
◼ P(A)[0,1]
◼ Sifat-sifat peluang
Kejadian Mutually Exclusive
◼ Kejadian terputus (mutually exclusive)
adalah kejadian yang tidak terjadi secara
bersamaan. Contohnya pada pelemparan sebuah
dadu, kejadian untuk mendapatkan angka enam
dan mendapatkan angka lima tidak mungkin
terjadi pada waktu yang sama

A B = Ø
Kejadian Mutually Non-Exclusive
◼ Kejadian berbarengan (mutually non-
exclusive) adalah kejadian-kejadian yang dapat
terjadi secara bersamaan.Sebagai contoh pada
pelemparan sebuah dadu, kejadian mendapatkan
angka yang merupakan kelipatan 3 dan kejadian
memperoleh angka kelipatan 2 dapat terjadi
bersamaan jika angka 6 diperoleh

A B
 Probabilitas Bersyarat
(Conditional Probability)

◼ Probabilitas terjadinya kejadian B bila diketahui bahwa

kejadian A telah terjadi disebut probabilitas bersyarat
dan dinyatakan dengan P(B|A) yang dibaca peluang B
terjadi bila diketahui A terjadi.
◼ Peluang bersyarat B bila A diketahui dinyatakan dengan
P(B|A) ditentukan oleh :
P( A  B)
P( B A) = , bila P( A)  0
P( A)
Probabilitas Bersyarat
(Conditional Probability)
◼ Diketahui sebuah kotak berisi 100 granit yang
diproduksi 2 pabrik D dan E. Sebagian kecil
diantaranya terdapat produk cacat, seperti pada tabel
◼ Berapakah probabilitas mendapatkan produk cacat?
◼ Jika satu item dipilih secara acak dan diketahui berasak dari
pabrik E, berapakah kemungkinan menemukan produk
cacat?

D E Jumlah
Cacat 15 5 20
Baik 45 35 80
Jumlah 60 40 100
Probabilitas Bersyarat
(Conditional Probability)
◼
Aturan Penjumlahan
Aturan penjumlahan digunakan untuk menghitung
suatu peristiwa A atau peristiwa yang lain, peristiwa B
akan terjadi ditulis
P(A atau B) atau P (A U B)

Aturan perkalian digunakan untuk menghitung

peristiwa A dan peristiwa B akan terjadi bersamasama,
ditulis

P(A dan B) atau P (A  B).

Ada dua aturan penjumlahan yaitu untuk peristiwa yang

Mutually Exclusive Events dan Not Mutually Exclusive
Events
 Aturan Penjumlahan
Mutually Exclusive Events
Dua kejadian dikatakan mutually exclusive event satu
sama lain jika kejadian tersebut tidak dapat terjadi secara
bersama sama. Terjadinya peristiwa A atau peristiwa B
adalah penjumlahan kemungkinan terjadinya kedua
peristiwa tersebut yaitu :
S
P (A B) = P(A) + P(B) yang berasal dari:
N(A  B) = N(A) + N(B) - N(A  B)
P(A  B) = P(A) + P(B) - P(A  B)
A B
P(A  B) = P(A) + P(B)
karena A dan B saling asing A  B =  dan P(A  B) = 0
 Aturan Penjumlahan

1. Pelemparan sebuah dadu, kemungkinan mata

genap atau mata ganjil yang mungkin adalah :

P(A  B)=P(ganjil) + P(genap)= 3/6 + 3/6 = 1

 Aturan Penjumlahan

2. Sebuah kartu diambil secara random dari satu dek kartu

bridge. Peristiwa A = terambil kartu hati, Peristiwa B =
terambil kartu berlian. Hitung peluang munculnya
terambilnya kartu hati atau kartu berlian, P (A  B)
adalah:

13 1
P( A) = =
52 4 1 1 2 1
P( A  B) = + = =
13 1 4 4 4 2
P( B) = =
52 4
 Aturan Penjumlahan
Not Mutually Exclusive Events
Dua kejadian A dan B dikatakan Not Mutually
Exclusive Events, maka peristiwa dapat terjadi
bersama- sama.

P(A  B) = P(A) + P(B) - P(A  B)

S
A
Karena A dan B tidak B
saling asing, sehingga
P(A  B)  0
A B
 Aturan Penjumlahan
Contoh : 13 1 4 1
Sebuah kartu P( A) = = P( B) = =
52 4 52 13
diambil secara
random dari satu P( A  B) =
1
dek kartu bridge. 52
Peristiwa A =
terambil kartu hati, P( A  B) = P( A) + P( B) − P( A  B)
peristiwa B terambil
kartu Ace, maka P 1 1 1 16
(A  B) adalah: P( A  B) = + − =
4 13 52 52
 Aturan Penjumlahan
Complementary Events
Dua kejadian A dan B dikatakan complementary, jika
kejadian A tidak muncul, maka kejadian B pasti
muncul.
S
P(A) + P(B) = 1 atau P(B) = P(Ac) A
P(Ac) = 1 - P(A)
A
c
karena:
Ac  A = S, N(Ac  A) = N(S) P(S) =1 = P(Ac  A) =
P(Ac) + P(A)
Maka P(Ac) = 1- P(A)
 Aturan Penjumlahan
Contoh:
Sebuah dadu telah dibuat sedemikian rupa sehingga dalam jangka
panjang sisi-sisi dadu itu akan nampak di alas dalam frekuensi relative
sebagai berikut.

Sisi dengan titik 1 2 3 4 5 6

Frekuensi Relatif 0,13 0,18 0,18 0,16 0,15 0,20

Ruang sampel pelemparan dadu satu kali adalah S= {1, 2, 3, 4, 5, 6}.

Peristiwa A kejadian nampak muka genap, mempunyai probabilitas
P (A) = 0,18 +0,16 + 0,20 = 0,54 sedangkan Ac = titik ganjil,
mempunyai probabilitas P(Ac) = 1 - P(A)
= 1 - 0,54 = 0,46 atau
= 0,13 + 0,18 + 0,15 = 0,46
Kejadian Bebas dan Tak Bebas
(Independent dan Dependent)
◼ Kejadian-kejadian disebut bebas (independent) bila
munculnya satu kejadian tidak mempengaruhi
probabilitas munculnya kejadian kedua. Sebagai
contoh pelemparan sebuah dadu dalam dua
kesempatan, hasil pelemparan pertama tidak akan
mempengaruhi probabilitas diperolehnya angka enam
pada pelemparan kedua.

◼ Kejadian-kejadian tak bebas (dependent) bila satu

kejadian mempengaruhi probabilitas munculnya
kejadian kedua.
 Kejadian Bebas dan Tak Bebas
(Independent dan Dependent)
Contoh :
◼ Probabilitas tertariknya kartu as dari setumpukan kartu
adalah 4/52=1/13. Jika kartu itu dikembalikan sehingga
tumpukan kartu itu lengkap lagi dan dikocok kembali,
probabilitas tertariknya sebuah kartu as pada
kesempatan kedua adalah serupa yaitu 1/13 (kejadian
bebas).
◼ Akan tetapi, jika kartu as tadi ditarik pada kesempatan
pertama dan tidak dikembalikan, probabilitas tertariknya
sebuah as pada kesempatan kedua adalah 3/51, karena
kini hanya ada 3 kartu as dalam tumpukan 51 kartu
yang tidak lengkap (kejadian tak bebas)
 Aturan perkalian
Ada dua aturan perkalian yaitu untuk peristiwa bebas
(independent) dan peristiwa yang tidak bebas (dependent)
1. Kejadian bebas
Dua kejadian A dan B dikatakan bebas satu sama lain jika
munculnya kejadian A tidak akan berpengaruh terhadap
peluang munculnya kejadian B. Untuk kejadian bebas berlaku

P (A  B) = P(A) X P(B)
Contoh 1.
Probabilitas muncul muka 1 dalam pelemparan sebuah dadu
adalah 1/6, muncul muka 2 adalah 1/6 . Pada pelemparan
dadu keluarnya muka 1 tidak tergantung keluar dan tidaknya
muka 2 sehingga:
1 1 1
P( A  B) = x =
6 6 36
Aturan perkalian
2. Kejadian tidak bebas
◼ Peristiwa dependent adalah kejadian yang terjadi jika
kejadian lainnya sudah terjadi atau disebut peluang
bersyarat.
◼ Peluang kejadian A terjadi jika kejadian B sudah terjadi dan
ditulis dengan P(A/B) (dibaca kejadian A jika B), atau
peluang bersayarat A jika B telah terjadi,

◼ Pada peristiwa dependent berlaku

P (A  B) = P(A) X P(B/A)

jumlah kejadian A dan B dapat muncul bersama

P( A / B) =
Jumlah kejadian B dapat muncul
Aturan perkalian

A B B
P( A  B) = P( B) =
S S

S.P( A  B) P( A  B)
P( A / B) = =
S .P( B) P( B)

P( A  B)
P( B / A) =
P( A)
Aturan Perkalian
Contoh :
Sebuah kartu diambil dari sebuah kotak remi dengan isi 52 buah
lembar kartu. A adalah kejadian mendapat kartu merah dan
kejadian B adalah kejadian mendapat kartu bergambar. (jack,
queen, king). Maka berapakah peluang munculnya kejadian A
dan B secara bersama- sama?

Peluang kejadian A adalah peluang mendapat kartu berwarna

merah yaitu P(A) =26/52 Peluang muncul kejadian B jika
kejadian A sudah terjadi adalah Peluang mendapat kartu
bergambar dari semua kartu berwama merah yang besarnya
adalah P(B/A)=6/26.

Sehingga :
P( A  B) = P( A) • P ( B / A).
26 6 6
= • =
52 26 52
23

Teorema Probabilitas Total

◼ Bila {Bi} merupakan partisi dari sample
space 
◼ Lalu {ABi} merupakan partisi dari event A,
maka berdasarkan sifat probabilitas yang
ketujuh pada slide nomor 4

◼ Kemudian asumsikan bahwa P(Bi)>0 untuk

semua I maka Teorema probabilitas total
adalah :
24

Teorema Bayes
◼ Bila {Bi} merupakan partisi dari sample space S
◼ Asumsikan bahwa P(A)>0 dan P(Bi)>0 untuk semua i.
Maka berdasarkan uraian pada slide nomor 5

◼ Kemudian, berdasarkan teorema probabilitas total, kita

peroleh

◼ Ini merupakan teorema Bayes

◼ Peluang P(Bi) disebut peluang a priori dari event Bi
◼ Peluang P(BiA) disebut peluang a posteriori dari event Bi (bila
diketahui event A terjadi)
Teorema Bayes
Contoh :
◼ Probabilitas suatu penerbangan telah terjadwal
teratur berangkat tepat waktu P(B) =0.83;
probabilitas sampai tepat waktu P(S)=0.82 dan
probabilitas
 berangkat dan sampai tepat waktu
P(B S)=0.78.
◼ Carilah bahwa pesawat :

◼ A. Sampai tepat waktu bila diketahui berangkat tepat

waktu
◼ B. Berangkat tepat waktu jika diketahui sampai tepat
waktu.
Teorema Bayes
P(B)=0.83, P(S)=0.82, P(B  S)=0.78
◼ A. Probabilitas pesawat sampai tepat waktu jika
diketahui berangkat tepat waktu :
P( B  S ) 0.78
P( S | B) = = = 0.94
P( B) 0.83
◼ B. Probabilitas pesawat berangkat tepat waktu bila
diketahui sampai tepat waktu :

P( B  S ) 0.78
P( B | S ) = = = 0.95
P( S ) 0.82
Teorema Bayes
Teorema Bayes
29

Teorema Bayes
30

Teorema Bayes