1.

TIGA PENDEKATAN PERHITUNGAN PROBABILITA

Probabilitas didifinisikan sebagai peluang atau kemungkinan suatu kejadian, suatu ukuran
tentang kemungkinan atau derajat ketidakpastian suatu peristiwa (event) yang akan terjadi di
masa mendatang. Rentangan probabilitas antara 0 sampai dengan 1. Jika kita mengatakan
probabilitas sebuah peristiwa adalah 0, maka peristiwa tersebut tidak mungkin terjadi. Dan
jika kita mengatakan bahwa probabilitas sebuah peristiwa adalah 1 maka peristiwa tersebut
pasti terjadi. Serta jumlah antara peluang suatu kejadian yang mungkin terjadi dan peluang
suatu kejadian yang mungkin tidak terjadi adalah satu, jika kejadian tersebut hanya memiliki
2 kemungkinan kejadian yang mungkin akan terjadi.  
Dalam kehidupan sehari-hari kita sering dihadapkan dengan beberapa pilihan yang harus kita
tentukan memilih yang mana. Biasanya kita dihadapkan dengan kemungkinan-kemungkinan
suatu kejadian yang mungkin terjadi dan kita harus pintar-pintar mengambil sikap jika
menemukan keadaan seperti itu.

Singkatnya, probabilitas adalah harga angka yang menunjukkan seberapa besar kemungkinan
suatu peristiwa terjadi, di antara keseluruhan peristiwa yang mungkin terjadi. Contoh : sebuah
dadu untuk keluar mata ‘lima’ saat pelemparan dadu tersebut satu kali adalah 1/6 (karena
banyaknya permukaan dadu adalah 6)

Rumus : P (E) = X/N

P: Probabilitas
E: Event (Kejadian)
X: Jumlah kejadian yang diinginkan (peristiwa)

Pendekatan Perhitungan Probabilita

Konsep-konsep probabilitas tidak hanya penting oleh karena terapan-teranpannya yang

langsung pada masalah-masalah bisnis akan tetapi juga karena probabilitas adalah dasar dari
sampel-sampel dan inferences tentang populasi yang dapat dibuat dari suatu sampel.
Pendekatan perhitungan probabilitas ada tiga konsep untuk mendefinisikan probabilitas dan
menentukan nilai-nilai probabilitas, yaitu :

1.    Pendekatan Klasik

Pendekatan klasik didasarkan pada banyaknya kemungkinan-kemungkinan yang dapat terjadi

pada suatu kejadian. “Jika ada a banyaknya kemungkinan yang dapat terjadi pada kejadian A,
dan b banyaknya kemungkinan tidak terjadi pada kejadian A, serta masing-masing kejadian
mempunyai kesempatan yang sama dan saling asing”. 
Probabilitas bahwa akan terjadi A adalah P(A) = a / (a+b). 
dan peluang bahwa akan terjadi b adalah: P (B) = b/a+b

Contoh:

Pelamar pekerjaan terdiri dari 10 orang pria (A) dan 15 orang wanita (B). Jika yang diterima
hanya 1, berapa peluang bahwa ia merupakan wanita?

Jawab: P (A) = 15/10+15 = 3/5

2.    Pendekatan Frekuensi Relatif (Emperical Approach)

Nilai probabilitas ditentukan atas dasar proporsi dari kemungkinan yang dapat terjadi dalam
suatu observasi atau percobaan. Tidak ada asumsi awal tentang kesamaan kesempatan, karena
penentuan nilai-nilai probabilitas didasarkan pada hasil obserbasi dan pengumpulan data.
Misalkan berdasarkan pengalaman pengambilan data sebanyakN terdapat a kejadian yang
bersifat A. Dengan demikian probabilitas akan terjadi Auntuk data adalah P(A) = A /N.

Contoh:

Dari hasil penelitian diketahui bahwa 5 orang karyawan akan terserang flu pada musim
dingin. Apabila lokakarya diadakan di Puncak, berapa probabilitas terjadi 1 orang sakit flu
dari 400 orang karyawan yang ikut serta?

Jawab: P (A) = 5/400 = P (A) = 1/80

3.    Pendekatan Subyektif (Personalistic Approach)

Pendekatan subyektif dalam penentuan nilaiprobabilitas adalah tepat atau cocok apabila
hanya ada satu kemungkinan kejadian terjadi dalam satu kejadian. Dengan pendekatan ini,
nilai probabilitas dari suatu kejadian ditentukan berdasarkan tingkat kepercayaan yang
bersifat individual dengan berlandaskan pada semua petunjuk yang dimilikinya.

2. Ruang sampel

Dalam menentukan nilai peluang kejadian sederhana dari suatu peristiwa yaitu dengan
mengetahui terlebih dahulu SEMUA KEJADIAN YANG MUNGKIN (RUANG SAMPEL)
serta kejadian yang diinginkan (titik sampel).

P(A)=n(A)/n(S)

contoh :
Pada peristiwa melempar dua buah dadu, merah dan hitam, masing-
masing bermata 1 sampai 6 secara  bersama-sama sebanyak satu kali.   Berapakah nilai
peluang kejadian-kejadian :
a. muncul mata 4 dadu merah  atau mata ganjil  dadu hitam
b. muncul mata dadu merah kurang dari 3 dan mata dadu hitam lebih dari 4     

Jawab :

Ruang sampel ada sebanyak 36 kemungkinan

3. Ciri-ciri distribusi dan binominal

DISTRIBUSI PROBABILITAS

Kunci aplikasi probabilitas dalam statistik adalah memperkirakan terjadinya

peluang/probabilitas yang dihubungkan dengan terjadinya peristiwa tersebut dalam beberapa
keadaan. Jika kita mengetahui keseluruhan probabilitas dari kemungkinan outcome yang
terjadi, seluruh probabilitas kejadian tersebut akan membentuk suatu distribusi probabilitas.

A. Distribusi Binomial (Bernaulli)

Distribusi Binomial atau distribusi Bernoulli (ditemukan oleh James Bernoulli) adalah suatu
distribusi teoritis yang menggunakan variabel random diskrit yang terdiri dari dua kejadian
yang berkomplemen, seperti sukses-gagal, ya-tidak, baik-cacat, sakit-sehat dan lain-lain.

Ciri-ciri distribusi Binomial adalah sebagai berikut :

-    Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-gagal.
-   Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap percobaan.
-    Percobaannya bersifat independen, artinya peristiwa dari suatu percobaan tidak
mempengaruhi atau dipengaruhi peristiwa dalam percobaan lainnya.
-    Jumlah atau banyaknya percobaan yang merupakan komponen percobaan binomial harus
tertentu

Rumus umum dari Distribusi Probabilitas Binomial:

P(R) = nCx . (P)^x . (Q)^n-x

dimana:

P(R) = Peluang Kejadian (R) yang diharapkan.

n = Banyaknya Ulangan/Kejadian.

x = Banyaknya keberhasilan dalam peubah acak x.

P = Peluang Kejadian Keberhasilan.

Q = Peluang Kegagalan.

nCx = Rumus Kombinasi.

B.  Distribusi Normal

Distribusi normal dikenal juga sebagai distribusi Gaussian, merupakan salah satu distribusi
peluang kontinu dengan grafik berbentuk bel/genta. Distribusi normal paling banyak
digunakan dalam berbagai analisis statistika. Banyak sekali kejadian ataupun fenomena baik
dalam ilmu sosial maupun ilmu alam yang dapat dihitung melalui pendekatan dengan
mengikuti distribusi normal. Distribusi normal banyak digunakan dalam berbagai distribusi
dalam statistika, dan kebanyakan pengujian hipotesis mengasumsikan normalitas suatu data.

Agar lebih praktis, telah ada tabel kurva normal dimana tabel ini menunjukkan luas kurva
normal dari suatu nilai yang dibatasi nilai tertentu.
Ciri Khas Distribusi Normal :

-    Simetris
-    Seperti lonceng
-    Titik belok μ ±σ
-    Luas di bawah kurva = probability = 1
-    Kurvanya mempunyai puncak yang tunggal
-    Modus terjadi pada x=μ (bisa juga dikatakan rata-rata μ tepat ditengah kurva tertinggi)
-    Kurva simetris terhadap x=μ
-    Kedua ujung kurva semakin mendekati sumbu mendatar bila nilai x bergerak menjauhi
rata-rata μ (sumbu mendatar di sebut asimtot dari kurva normal)
-    Seluruh luas kurva normal di atas sumbu mendatar adalah 1
-    Simpangan baku σ menentukan bentuk kurva, semakin kecil σ akan semakin runcing juga
kurvanya 

Rumus Distribusi Normal

Variabel acak X berdistribusi normal dengan rata-rata μ dan varians σ2 jika mempunyai
fungsi kepadatan

f(x)=n(x;μ,σ)=(1/(σ2π√))e pangkat−1/2((x−μ/σ)pangkat2 , −∞<x<∞

Kurva Normal Umum

Untuk dapat menentukan probabilitas di dalam kurva normal umum (untuk suatu sampel
yang cukup besar, terutama untuk gejala alam seperti berat badan dan tinggi badan), nilai
yang akan dicari ditransformasikan dulu ke nilai kurva normal standar melalui transformasi Z
(deviasi relatif).