LECTURE NOTES

Week ke - 4

Basic Probability

COMP6334 - Probability and Statistics

 LEARNING OUTCOMES

LO1: Explain the data and statistics (data, variables, sample, population)
LO2: Calculate descriptive measures, probability, discrete and continuous distribution and
sampling distribution
LO4: Interpret the result of calculation

OUTLINE MATERI (Sub-Topic):

• Basic Probability Concepts

• Counting Rules
• Conditional Probability
• Bayes’ Theorem

COMP6334 - Probability and Statistics

 ISI MATERI
Konsep Dasar Peluang

Apa yang dimaksud dengan peluang (Probability)? Peluang adalah nilai numerik yang
menunjukkan ukuran kemungkinan suatu kejadian akan terjadi, misalnya kemungkinan harga
persediaan akan meningkat, kemungkinan hari akan hujan, kemungkinan suatu produk cacat,
atau kemungkinan terjadinya sisi lima akan terjadi dalam satu kali lemparan dadu. Peluang
adalah proporsi atau fraksi yang nilainya berkisar antara 0 dan 1, inklusif. Suatu kejadian yang
memiliki peluang sama dengan 0 menunjukan kejadian tersebut tidak mungkin (mustahil)
terjadi. Suatu kejadian yang memiliki peluang sama dengan satu menunjukan kejadian tersebut
pasti terjadi.

Ada tiga jenis pendekatan untuk mengukur nilai peluang, yaitu : (a) pendekatan A priori, (b)
pendekatan Empiris dan pendekatan Subyektif

(a) Pendekatan A priori

Dalam pendekatan apriori, peluang suatu kejadian dihitung berdasarkan pada pengetahuan
sebelumnya tentang proses yang terjadi. Pada pendekatan ini, jumlah hasil (outcome) kejadian
terjadi (X) dan jumlah total hasil (outcome) yang mungkin terjadi (T), diketahui dan peluang
suatu kejadian didefinisikan sebagai berikut:

Sebagai contoh satu set kartu remi terdiri dari 26 kartu merah dan 26 kartu hitam. Peluang
terpilihnya kartu hitam adalah 26/52 = 0,50 karena ada X = 26 kartu hitam dan T = 52 total kartu.

Apa arti nilai peluang tersebut? Tidak berarti bahwa 1 dari 2 kartu berikutnya yang dipilih akan
berwarna hitam, karena kita tidak dapat mengatakan dengan pasti apa yang akan terjadi pada
beberapa pilihan berikutnya. Namun, kita dapat mengatakan bahwa dalam jangka panjang, jika
proses seleksi ini terus berulang, proporsi kartu hitam yang dipilih akan mendekati 0,50.

(b) Pendekatan Empiris

Dalam pendekatan empiris, peluang diukur berdasarkan data yang diamati, bukan pada
pengetahuan sebelumnya tentang suatu proses. Survei sering digunakan untuk menghasilkan
peluang empiris. Misalnya, jika dilakukan survei tentang siswa, dan data menunjukan bahwa
60% siswa menyatakan memiliki pekerjaan paruh waktu, maka menggunakan pendekatan
empiris peluang seorang siswa memiliki pekerjaan paruh waktu adalah 0,60 .

COMP6334 - Probability and Statistics

(c) Pendekatan Subyektif

Dalam pendekatan subjektif, nilai peluang dapat berbeda berbeda dari individu ke individu.
Sebagai contoh, tim pengembangan produk baru dapat menetapkan peluang keberhasilan produk
tersebut sebesar 0,60, sementara itu pimpinan perusahaan mungkin kurang optimis dan
menetapkan peluangnya hanya 0,30. Penentuan peluang secara subjektif biasanya didasarkan
pada kombinasi dari pengalaman masa lalu individu, pendapat pribadi, dan analisis situasi
tertentu. Peluang subyektif sangat berguna dalam membuat keputusan dalam situasi di mana kita
tidak dapat menggunakan pendekatan apriori atau empiris.

Ruang Sampel (Sample Space) dan Kejadian (Event)

Dalam membahas peluang, kita menggunakan percobaan (experiment/trial) sebagai proses yang
memberikan hasil (outcome) yang terdefinisi. Pada setiap pengulangan percobaan, ada satu dan
hanya satu hasil eksperimen yang mungkin terjadi. Beberapa contoh percobaan dan
kemungkinan hasilnya adalah sebagai berikut:

Experiment Experimental Outcomes Toss a coin Head, tail Select a part for inspection Defective,
nondefective Conduct a sales call Purchase, no purchase Roll a die 1, 2, 3, 4, 5, 6 Play a football
game Win, lose, tie

Percobaan Hasil (Outcome)

Pelemparan koin Angka, Gambar
Pelemparan dadu 6 sisi 1,2,3,4,5,6
Inspeksi produk Rusak, Tidak Rusak
Bermain Football Menang, Kalah, Seri

Ruang Sampel dan Kejadian

Ruang sampel dari suatu percobaan (dilambangkan dengan S) adalah himpunan dari semua hasil
percobaan. Hasil dari percobaan disebut juga Titik Sampel.

Kejadian (dilambangkan dengan huruf kapital) adalah koleksi dari satu atau lebih titik sampel

Contoh 1:
Ruang sampel dari pelemparan dadu adalah: S={1,2,3,4,5,6}
Jika A adalah kejadian munculnya sisi genap dari pelemparan sebuah dadu, maka A={2,4,6}

COMP6334 - Probability and Statistics

Contoh 2:
Dalam sebuah survey, 1.000 kepala rumah tangga ditanya apakah mereka merencanakan atau
tidak untuk membeli TV sebelum akhirnya mereka membeli atau tidak membeli TV. Tabel
berikut adalah hasilnya.

Merencanakan Pembelian Total

membeli Ya Tidak
Ya 200 50 250
Tidak 100 650 750
Total 300 700 1000

Ruang contoh dari percobaan adalah 1000 kepala rumah tangga, kejadiannya adalah
“merencanakan membeli”, “tidak merencanakan membeli”, “membeli” dan “tidak membeli”.

Menghitung Titik Sampel dalam Ruang Sampel

Mampu mengidentifikasi dan menghitung titik sampel dalam ruang sampel adalah langkah
penting dalam menetapkan peluang. Ada tiga cara untuk menghitung titik sampel, yaitu Aturan
Perkalian (Multiplicative Rule), Permutasi dan Kombinasi.

Aturan Perkalian
Jika percobaan dilakukan dalam k langkah (Multiple-Step Experiment) dengan n1 kemungkinan
titik sampel pada langkah pertama, n2 kemungkinan titik sampel pada langkah kedua, dan
seterusnya, maka total titik sampel hasil eksperimen adalah

(n1) (n2). .. …(nk)

Contoh: Percobaan melempar dua koin dapat dianggap sebagai percobaan dua langkah di mana
langkah 1 adalah melempar koin pertama dan langkah 2 adalah melempar koin kedua. dari setiap
pelemparan koin menghasilkan 2 titik sampel yaitu Angka dan Gambar. Jadi jumlah titik sampel
dari pelemparan 2 koin adalah 2x2=4 titik yaitu S={AA,AG,GA,GG}. Jika koin dilempar 5 kali
maka jumlah titik sampel dalam ruang sampel adalah 2x2x2x2x2=25=32.

Kombinasi
Kombinasi adalah cara untuk menghitung titik sampel, jika percobaan dilakukan dengan memilih
n objek dari suatu set yang terdiri dari N objek (N>n) tanpa memperhatikan urutannya.

COMP6334 - Probability and Statistics

Kombinasi n objek yang dipilih dari N objek adalah :

dimana:

Contoh :
Untuk melakukan quality control, seorang inspektur secara acak memilih dua dari lima produk
untuk menguji kerusakan produk. Berapa banyak kombinasi dari dua produk yang dapat dipilih?

Dengan demikian, ada kemungkinan 10 hasil untuk pemilihan dua dari lima produk secara acak.
Jika kita memberi label lima produk sebagai A, B, C, D, dan E, maka 10 kombinasi hasil
eksperimen dapat diidentifikasi sebagai AB, AC, AD, AE, BC, BD, BE, CD, CE, dan DE

Permutasi
Permutasi juga merupakan cara untuk menghitung titik sampel, pada percobaan memilih n objek
dari suatu set yang terdiri dari N objek (N>n), tetapi dengan membedakan urutan obyeknya.
Artinya n objects yang sama yang dipilih dalam urutan yang berbeda dianggap hasil eksperimen
yang berbeda.
Jumlah permutasi dari N objek berbeda yang diambil n adalah

Sebagai contoh, pertimbangkan lagi proses quality control di mana seorang inspektur memilih
dua dari lima produk untuk memeriksa kerusakan. Berapa banyak permutasi yang dapat dipilih?

Dengan demikian, ada 20 kemungkinan hasil untuk percobaan pemilihan secara acak dua dari
lima produk ketika urutan seleksi diperhitungkan. Jika kita memberi label produk A, B, C, D,

COMP6334 - Probability and Statistics

dan E, maka 20 permutasi adalah AB, BA, AC, CA, AD, DA, AE, EA, BC, CB, BD, DB, BE,
EB, CD, DC, CE, EC, DE, dan ED

Kombinasi Kejadian

a. Gabungan (Union)

Gabungan atau union dari dua kejadian A dan B, dilambangkan dengan , adalah
himpunan dari semua titik sampel yang ada di A atau di B atau ada dikeduanya.

Contoh : Jika kejadian A ={1,2,4} dan B={1,3,5} maka

b. Irisan (Intersection/Joint Event)

Irisan atau intersection dari dua kejadian A dan B, dilambangkan dengan , adalah
himpunan dari semua titik yang ada di A dan ada juga di B

Contoh: Jika kejadian A ={1,2,4} dan B={1,3,5} maka = {1}

c. Komplemen (Complement)
Komplemen dari A, atau bukan A, dilambangkan dengan Ac adalah kejadian yang terdiri dari
semua titik sampel yang ada di ruang sampel S tetapi tidak ada di A.
Contoh : Jika pada pelemparan dadu di mana S={1,2,3,4,5,6}, A ={1,2}, maka Ac={3,4,5,6}

d. Kejadian terpisah (Mutually Exclusive Event)

Dua kejadian A dan B disebut terpisah, jika tidak ada titik sampel yang sama di A dan B atau
jika

Diagram Venn
Keempat macam kombinasi kejadian di atas dapat digambarkan dengan diagram venn sebagai
berikut :

COMP6334 - Probability and Statistics

 A dan B mutually exclusive

Peluang Kejadian :

Peluang dari suatu kejadian sama dengan jumlah peluang dari titik-titik sampel dalam
kejadian.

Contoh : Lihat kembali contoh tentang 1.000 kepala rumah tangga yang ditanya apakah
mereka berniat atau tidak berniat untuk membeli TV sebelum akhirnya mereka membeli atau
tidak membeli TV. Tabel kontingensi berikut adalah hasilnya :

Merencanakan Pembelian Total

membeli Ya Tidak
Ya 200 50 250
Tidak 100 650 750
Total 300 700 1000

Peluang seorang kepala rumahtangga merencanakan membeli TV adalah

COMP6334 - Probability and Statistics

Peluang Gabungan (Joint Probability)

Peluang gabungan mengacu pada peluang suatu kejadian yang melibatkan dua kejadian atau
lebih.

Dari contoh di atas, misalkan kita ingin mengetahui peluang rumahtangga yang merencanakan
dan benar-benar membeli TV, maka

Peluang Marginal

Peluang marginal dari suatu kejadian terdiri dari satu set peluang gabungan. Misalnya, jika B
terdiri dari dua peristiwa, B1 dan B2, maka P(A), peluang kejadian A, adalah peluang gabungan
kejadian A yang terjadi dengan kejadian B1 ditambah peluang gabungan kejadian A yang terjadi
dengan kejadian B2.
Secara umum, peluang marginal:

dimana B1,B2….Bk adalah kejadian-kejadian yang mutually exclusive

Untuk contoh di atas, peluang rumahtangga yang merencanakan beli TV adalah

Addition Rule

Untuk menentukan peluang kejadian “A atau B” dapat digunakan addition rule sebagai berikut :

COMP6334 - Probability and Statistics

Sebagai contoh: peluang rumah tangga berencana untuk membeli atau benar-benar membeli TV
adalah :

Peluang Komplemen Kejadian

Untuk menentukan peluang komplemen kejadian A digunakan rumus sebagai berikut:

P(Ac)=1-P(A)

Sebagai contoh : peluang kejadian tidak merencanakan membeli :

Peluang Bersyarat (Conditional Probability)

Bagaimana menentukan peluang suatu kejadian jika diketahui informasi tertentu tentang kejadian
tersebut? Peluang bersyarat mengacu pada peluang kejadian A, jika diketahui informasi bahwa
kejadian lain (B) sudah terjadi dilambangkan dengan P(A|B).

dan sebaliknya peluang kejadian B jika diketahui A sudah terjadi adalah P(B|A)

Kembali ke contoh di atas, jika diketahui rumahtangga merencanakan membeli TV, berapa
peluang bahwa mereka benar membeli TV ?

COMP6334 - Probability and Statistics

Pohon Keputusan (Decision Tree)

Pohon keputusan atau decision tree adalah alternatif penyajian tabel kontingensi. Gambar
berikut adalah pohon keputusan untuk tabel kontingensi tentang merencanakan dan membeli TV
pada contoh di atas. Dimulai dari kiri dengan seluruh set rumah tangga, ada dua "cabang" untuk
menggambarkan apakah rumah tangga berencana untuk membeli TV besar atau tidak. Masing-
masing cabang memiliki dua cabang, yang menggambarkan apakah rumah tangga benar-benar
membeli atau tidak benar-benar membeli TV. Nilai peluang pada akhir cabang awal mewakili
peluang marginal dari A dan Ac. Nilai peluang pada akhir masing-masing dari empat sub cabang
mewakili peluang gabungan untuk setiap kombinasi kejadian A dan B.

Peluang bersyarat dapat dihitung dengan membagi peluang gabungan dengan probabilitas
marginal yang sesuai.

COMP6334 - Probability and Statistics

Kejadian Independen

Dua kejadian A dan B disebut independen jika dan hanya jika :

P(A|B)=P(A)

Dalam contoh mengenai pembelian TV, peluang rumah tangga yang dipilih benar-benar membeli
TV, jika diketahui rumah tangga tersebut berencana untuk membeli adalah 200/250 = 0,80.
Sementara itu peluang rumah tangga benar-benar membeli adalah 300/1000 = 0,30. Hasil ini
menunjukkan bahwa pengetahuan sebelumnya bahwa rumah tangga merencanakan untuk
membeli mempengaruhi kemungkinan bahwa rumah tangga benar-benar membeli televisi.
Dengan kata lain, hasil dari satu kejadian tergantung pada hasil dari kejadian lainnya. Ketika
hasil dari satu kejadian tidak mempengaruhi peluang terjadinya kejadian lain, maka kejadian
tersebut dikatakan independen.

Multiplication Rule

Jika A dan B independen maka :

Peluang marginal menggunakan Multiplication Rule

Seperti dijelaskan sebelumnya, peluang marginal dapat ditentukan sebagai berikut :

Menggunakan multiplication rule maka :

dimana B1,B2….Bk adalah kejadian-kejadian yang mutually exclusive.

COMP6334 - Probability and Statistics

Menggunakan contoh sebelumnya, misalkan P(A) =peluang merencanakan membeli, P(B1)=
peluang benar-benar membeli dan P(B2)= peluang tidak membeli, maka

Bayes Theorem

Jika kejadian B1, B2, …, Bi, …, Bk merupakan partisi dari ruang sampel S sedemikian sehingga
P(Bi )≠ 0 untuk i=1,2,..,k, maka untuk sembarang kejadian A di mana P(A) ≠ 0,

Menggunakan contoh sebelumnya, misalkan jika diketahui rumahtangga membeli TV, berapa
peluang mereka sebelumnya merencanakan membeli?

Jika A1 = kejadian rumah tangga merencanakan membeli TV, A2 = kejadian rumah tangga tidak
merencanakan membeli TV, B1= kejadian rumah tangga benar-benar membeli TV, B2= kejadian
rumah tangga tidak membeli.

Peluang rumahtangga merencanakan membeli, jika diketahui rumahtangga membeli TV adalah

Jadi:

COMP6334 - Probability and Statistics

 SIMPULAN
Peluang adalah nilai numerik yang menunjukkan ukuran kemungkinan suatu kejadian akan
terjadi. Untuk menghitung nilai peluang perlu diketahui konsep dasarnya termasuk tentang
ruang contoh, kejadian, kombinasi kejadian. Peluang bersyarat adalah peluang suatu kejadian
jika diketahui informasi tertentu tentang kejadian tersebut. Peluang bersyarat adalah peluang
suatu kejadian, jika diketahui informasi bahwa kejadian lain sudah terjadi.

COMP6334 - Probability and Statistics

 DAFTAR PUSTAKA

1. Levine, D.M., Stephan, D. F., and Szabat, K. A. (2017). Statistics for Managers using
Microsoft Excel. 8th Ed. Global Edition Pearson Education. New Jersey. ISBN 13: 978-1-
292-15634-7.

2. Anderson, David R., Sweeney, Dennis J., Williams, Thomas A. (2011). Statistics for
Business and Economics. 11th Ed. Cengage Learning. USA. ISBN 13: 978-0-324-78325-4.

3. https://towardsdatascience.com/intro-to-statistics-looking-at-data-1-23c49ef2bbd8

4. https://becominghuman.ai/an-introduction-to-probability-and-statistics-for-data-science-
8cbcdd3f266d

COMP6334 - Probability and Statistics