Bahan Kuliah tentang Peluang (Probabilitas)

Diberikan untuk Mahasiswa Fakultas Teknologi

Pertanian, Jurusan THP (Kelas A, B dan C) serta
Jurusan TIP (Kelas A)
Dosen Pengampu: Werman Kasoep

Pengertian Dasar Peluang

Definisi

Peluang (probability) suatu kejadian E adalah hasil bagi dari banyaknya kemungkinan cara terjadinya
kejadian E dengan banyaknya seluruh kemungkinan kejadian di sekitar kejadian E.

Secara sederhana dapat dinyatakan dengan rumus:

n(E)
P ( E )=
n( S)
dengan:

P( E)= peluang terjadinya kejadian E

n( E) = banyaknya kemungkinan cara terjadinya kejadian E
n(S) = banyaknya seluruh kemungkinan kejadian di sekitar (termasuk) kejadian E.

Contoh kasus:

1. Di dalam suatu wadah terdapat 10 butir kelereng yang terdiri atas 5 kelereng merah (M), 3 kele-
reng kuning (K) dan 2 kelereng hijau (H). Jika diambil 1 butir secara acak, maka hitunglah:
a. Peluang terambilnya kelereng M, yaitu P( M )=?
b. Peluang terambilnya kelereng K, yaitu P( K )=?
c. Peluang terambilnya kelereng H, yaitu P(H )=?

Jawab:

n( M ) 5
a. P ( M )= =
n (S) 10
n(K) 3
b. P ( K )= =
n (S) 10
n (H ) 2
c. P ( H )= =
n(S) 10

2. Dua butir dadu dilempar (di”toss”) secara acak sekaligus. Jika X menyatakan jumlah mata dari
kedua sisi dadu yang muncul, maka:
 a. Dapatkanlah seluruh kemungkinan kejadian (dari sisi pandang nilai X)
b. Hitunglah P ( X=7 ), P ( 3< X ≤7 ) dan P ( 9 ≤ X< 17 )

Jawab:

a. Seluruh kemungkinan kejadian

0 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12

n( X=7) 6 n(3 ≤ X <11) 32

b. P ( X=7 )= = , P ( 3≤ X <11 )= = ,
n (S) 36 n(S) 36
n(9≤ X <17) 10
P ( 9 ≤ X< 17 )= =
n(S) 36

Rangkuman:

1. Peluang (probability)≠ kemungkinan (possibility)

2. 0 ≤ P ( E ) ≤ 1, dengan P ( E )= peluang terjadinya suatu kejadian E. Jika P ( E )=0 , maka keja-
dian E disebut mustahil akan terjadi, sedangkan jika P ( E )=1, maka kejadian E disebut pasti
akan terjadi
3. 0 ≤ n ( E ) ≤ …, dengan n ( E ) = banyak kemungkinan terjadinya suatu kejadian E, dimana ...
berarti tidak dapat dibatasi secara umum.

Hukum-hukum Dasar Peluang

1. Hukum Gabungan dan Irisan

P ( A ∪ B ) =P ( A )+ P ( B )−P( A ∩ B)

Contoh:

Suatu acara kunjungan perusahaan diikuti oleh 125 mahasiswa peserta. Kunjungan dilakukan ke dua
perusahaan, sebut saja perusahaan A dan perusahaan B. Peserta ke perusahaan A ada 75 mahasiswa
dan ke perusahaan B ada 83 mahasiswa. Jika kepada setiap mahasiswa dipersyaratkan harus ikut
minimal ke salah satu dari dua perusahaan tersebut, maka hitunglah:

a. Banyaknya peserta yang ikut ke A dan B sekaligus, n( A ∩ B)

b. Banyaknya peserta yang hanya ikut ke A saja, n( A−B)
c. Peluang seorang peserta ikut ke dua perusahaan sekaligus, P( A ∩ B)
d. Peluang seorang peserta hanya ikut ke B saja, P( B− A)

Jawab:

Dengan membuat terlebih dahulu Diagram Venn dari kejadian di atas, maka dapat dihitung dengan
relatif mudah:
 a. n ( A ∪ B )=n ( A ) +n ( B )−n( A ∩B) , sehingga
n ( A ∩ B )=n ( A ) + n ( B )−n ( A ∪ B )=75+ 83−125=33
b. n ( A−B )=n ( A )−n ( A ∩ B ) =75−33=42
n( A ∩ B) 33
c. P ( A ∩ B )= =
n ( A ∪B ) 125
n(B−A ) 50
d. P ( B− A )= =
n ( A ∪B ) 125

2. Hukum Peluang Bersyarat

P( A ∩B) n( A ∩ B)
P ( A|B )= =
P( B) n(B)
Notasi: P ( A|B ) : peluang A syarat B, maksudnya adalah peluang terjadinya kejadian A seandainya
kejadian B sudah terjadi

Contoh:

Suatu tes penerimaan pegawai diikuti oleh 200 peserta dengan komposisi tingkat pendidikan (TP)
dan jenis kelamin (JK) sebagai berikut:

Tingkat Pendidikan
Jenis Kelamin Total baris
A D S
L 25 35 27 87
P 20 36 57 113
Total kolom 45 71 84 200

Dengan: A=tamatan SLTA, D=tamatan diploma, S=tamatan sarjana, L=laki-laki, dan P=perempuan

Jika dipanggil 1 orang peserta secara acak, maka hitunglah:

a. Peluang terpanggilnya peserta dengan tingkat pendidikan sarjana jika diketahui ia

perempuan, P( S∨P)
b. Peluang terpanggilnya peserta dengan tingkat pendidikan SLTA jika diketahui ia laki-laki,
P( A∨L)
c. Peluang terpanggilnya peserta dengan jenis kelamin laki-laki jika diketahui ia berpendidikan
sarjana, P( L∨S)

Jawab:

n(S ∩ P) 57
a. P ( S|P )= =
n(P) 113
n( A ∩ L) 25
b. P ( A|L )= =
n (L) 87
n(L ∩S ) 27
c. P ( L|S )= =
n(S) 84

3. Hukum Peluang Total dan Hukum Bayes

Hukum Peluang Total:

Ada kejadian-kejadian B1, B2 , B3 … B k dengan peluang terjadinya masing-masing adalah P( B1) ,

P ( B 2 ), P ( B 3 ) ,… , P(Bk ). Selain itu, ada lagi kejadian A dengan peluang bersyaratnya terhadap B1,
B2 , B3 … B k masing-masing adalah P ( A|B1 ) , P ( A|B2 ) , P ( A|B3 ) , … , P( A │ B k ), maka peluang
total terjadinya kejadian A adalah:

P ( A )=P ( B1 ) . P ( A|B1 ) + P ( B2 ) . P ( A|B2 ) + P ( B 3 ) . P ( A|B3 ) +…+ P ( Bk ) . P ( A|B k )

Hukum Bayes:

Sebagai kelanjutan dari hukum peluang total beserta kejadian-kejadian seperti yang disebutkan di
atas, seandainya suatu ketika kejadian A diketahui sudah terjadi, maka peluang terjadinya kejadian
Bi, dengan i=1 , 2, … , k , adalah:
P ( B i ) . P ( A|Bi )
P ( B i| A )=
P(A)

dengan P ( A ) adalah peluang total terjadinya kejadian A yang diperoleh dari hukum peluang total
di atas.

Contoh:

Pada suatu pilgub (pemilihan gubernur) ada tiga pasangan calon, misalnya pasangan-pasangan
B1 , B2 dan B3, dengan peluang terpilihnya masing-masing P ( B 1 )=0,27 , P ( B 2 )=0,42 , dan
P ( B 3 )=0,31. Peluang terjadinya pembangunan baru kantor gubernur ( A) jika terpilih pasangan B1
adalah P ( A|B1 )=0,15, jika terpilih pasangan B2 adalah P ( A|B2 )=0,25 dan jika terpih pasangan
B3 adalah P ( A|B3 )=0,36.

a. Hitunglah peluang total terjadinya pembangunan baru kantor gubernur, P ( A )=¿ ?

b. Jika suatu ketika diketahui telah terjadi pembangunan baru kantor gubernur, hitunglah
berapa peluang terpilihnya pasangan B3, P ( B 3| A )= ?
Jawab:

a. P ( A )=P ( B1 ) . P ( A|B1 ) + P ( B2 ) . P ( A|B2 ) + P ( B 3 ) . P ( A|B3 )

¿ 0,27 × 0,15+ 0,42× 0,25+0,31 ×0,36

¿ 0,2571
P ( B 3 ) . P ( A|B3 ) 0,31× 0,36
b. P ( B 3| A )= = =0,4341
P(A) 0,2571

Distribusi Peubah Acak Diskret dan Peubah Acak Kontinyu

Peubah Acak
Peubah acak adalah peubah yang nilai-nilainya berubah tergantung pada hasil percobaan atau peris-
tiwa yang berlangsung secara acak.

Peubah Acak¿

Distribusi Peubah Acak Diskret

Contoh:
Tiga buah koin serupa dilemparkan secara acak. Jika sisi-sisi masing-masing koin disebut sebagai sisi
A (angka) dan sisi G (gambar), dan peubah acak X misalkan menyatakan banyaknya sisi A yang
muncul pada suatu hasil lemparan, maka:

a. Dapatkanlah semua hasil lemparan yang mungkin

b. Dapatkan distribusi peluang dari peubah acak X
Jawab:
Banyaknya kemungkinan hasil (bkh) yang dapat terjadi jika n buah koin dilemparkan adalah
bkh=2n
a. Dengan demikian, untuk n=3, maka:
bkh=2n=23=8
Ke-8 hasil tersebut dapat dilihat pada tabel berikut:

Koin ke
Hasil ke X
1 2 3
1 G G G 0
2 A G G 1
3 G A G 1
4 G G A 1
5 A A G 2
6 A G A 2
7 G A A 2
8 A A A 3

b. Distribusi peluang dari X:

X 0 1 2 3
P(X) 1/8 3/8 3/8 1/8

Distribusi Peubah Acak Kontinyu

Distribusi peluang peubah acak kontinyu X dinyatakan dengan suatu fungsi yang disebut fungsi ke-
pekatan peluang (probability density function).
Syarat-syarat fungsi kepekatan peluang, f (x):
1. f ( x ) ≥0 , artinya kurvanya tidak di bawah sumbu X
2. Luas daerah yang dibatasi kurva dengan sumbu X pada daerah definisinya menyatakan pe-
luang didapatkannya X pada suatu selang nilai, dan luasnya adalah 1.

Contoh Soal:
Diberikan suatu peubah acak X yang mempunyai daerah definisi 2 ≤ x ≤ 4, dengan fungsi kepekatan
peluangnya adalah:
1
{
f ( X )= 8
( x+ 1 ) ; untuk 2 ≤ x ≤ 4
0 ; untuk x lainnya
a. Buktikan bahwa P ( 2≤ x ≤ 4 )=1
b. Hitung P(2,5 ≤ x ≤ 3,5)
Jawab:
4 4
1 1 1 2 1
a. P ( 2≤ x ≤ 4 )=∫ ( x +1 ) dx=
2 8 8 2 [ 2 8 ]
x + x = [ ( 8+4 )−(2+2) ]=1, terbukti
3,5 3,5
1 1 1 2 1 49 28 25 20 32
b. P ( 2,5≤ x ≤ 3,5 )=∫ ( x +1 ) dx=
2,5 8 8 2 [
x +x ] [(
2,5
=
8
+
8 8)(− +
8 8 )]
= =0,5
64

Distribusi Teoritis
Distribusi teoritis adalah distribusi dari suatu peubah acak yang didefinisikan dari suatu kejadian/
peristiwa yang jika kejadian/peristiwanya memenuhi syarat-syarat tertentu secara teoritis, maka
bentuk persamaan distribusi peluangnya dapat ditentukan.

Ada beberapa macam bentuk distribusi teoritis, namun yang akan dibahas pada bagian berikut
hanya tiga macam, yaitu:

1. Distribusi Binomial
2. Distribusi Multinomial
3. Distribusi Hipergeometrik

Ad 1. Distribusi Binomial

Syarat-syarat:

1. Ada n ulangan yang “bebas”(= dengan pengembalian)

2. Untuk tiap ulangan terdapat 2 alternatif hasil, yaitu hasil “sukses” dengan peluang p dan
hasil “gagal” dengan peluang q=1− p .

Perumusan:
Jika terdapat n ulangan yang “bebas”dengan tiap ulangan memberikan hasil “sukses” dengan pelu-
ang p dan hasil “gagal” dengan peluang q=1− p , maka peluang terjadinya x yaitu banyaknya hasil
“sukses” yang terjadi di antara n ulangan yang “bebas” tersebut adalah terdistribusi Binom dengan
persamaan:
P ( X=x )=b ( x ; n , p )= n px q(n−x)
()
x
Contoh 1:
Suatu ujian yang bersifat pilihan berganda (multiple choice) menyediakan 25 soal dimana tiap soal
menyediakan 5 pilihan jawaban dengan yang benar hanya 1. Setelah seseorang mengerjakan
limabelas nomor di antaranya, maka sepuluh nomor sisanya dijawab dengan cara murni menebak.
Dari nomor yang ditebak (10 nomor), hitunglah peluang bahwa ia akan tertebak jawaban:
a. Benar semuanya
 b. Separuh benar dan separuh salah
c. Salah semuanya

Jawab:

Jika banyak nomor yang ditebak adalah 10 nomor, maka n=10.

Misalkan X =¿ banyaknya tertebak jawaban yang benar, sehingga peluang benar untuk tiap kali
1
menebak adalah p= =0,2 , dan peluang salah adalah q=1− p=1−0,2=0,8.
5

a. Benar semuanya, berarti x=10 dari n=10 sehingga:

( nx) p q
b ( x ; n , p) =
x ( n− x )
= (1010 )( 0,2) 10
( 0,8 )(10−10)=0,0000001024

b. Separuh benar separuh salah, berarti x=5 dari n=10 sehingga:

( nx) p q
b ( x ; n , p) =
x (n− x)
= ( 105 )(0,2) (0,8)
5 (10−5 )
=252.0,00032.0,32768=0,0241

c. Salah semuanya, berarti x=0 dari n=10 sehingga:

b ( x ; n , p ) = n p x q (n− x)= 10 (0,2)0 (0,8)(10−0 )=0,1074
() ( )
x 0

Ad 2. Distribusi Multinom

Syarat-syarat:

1. Ada n ulangan yang “bebas”

2. Untuk tiap ulangan terdapat lebih dari 2 alternatif hasil, yaitu hasil-hasil E1 , E2 ,… , E k
dengan peluang terjadinya masing-masing p1 , p2 , … , p k

Perumusan:

Jika terdapat n ulangan yang “bebas”dengan tiap ulangan memberikan hasil E1 , E2 ,… , E k dengan
pe-luang terjadinya masing-masing p1 , p2 , … , p k maka peluang terjadinya x 1 , x 2 , … , x k yaitu
banyaknya hasil E1 , E2 ,… , E kyang terjadi di antara n ulangan yang “bebas” tersebut adalah
terdistribusi Multi-nom dengan persamaan:

P ( X 1=x 1 , X 2=x 2 ,… , X k =x k )=
( x , x n, … , x ) p
1 2 k
1
x1 x2
. p2 . … . pk
xk
❑

Dengan: ( x , x n, … , x )= x ! xn!!… x
1 2 k 1 2 k!

Contoh 2:
Menurut teori genetika, suatu persilangan kelinci percobaan akan menghasilkan keturunan
berwarna merah, hitam dan putih dalam perbandingan 8:4:4. Hitunglah peluang bahwa di antara 8
ekor keturunan semacam ini akan terdapat 5 ekor berwarna merah, 2 hitam dan 1 putih.

Jawab:

Jika banyak kelinci percobaan adalah 8 ekor, maka n=8.

Misalkan
8
X 1 =¿ banyaknya keturunan berwarna merah = 5, dengan p1= =0,5
16
4
X 2 =¿ banyaknya keturunan berwarna hitam = 2, dengan p2= =0,25 dan
16
4
X 3 =¿ banyaknya keturunan berwarna putih = 1, dengan p3= =0,25
16

Peluang akan didapatkannya keturunan berwarna merah sebanyak 5 ekor, berwarna hitam
sebanyak 2 ekor, dan berwarna putih sebanyak 1 ekor adalah:

8!
P ( X 1=5 , X 2=2 , X 3=1 )=
( x , xn , x ) p
1 2 3
1
x1 x2 x3
. p2 . p 3 =
5 ! .2! .1 !
¿

Ad 3. Distribusi Hipergeometrik

Syarat-syarat:

1. Ada n ulangan yang “tidak bebas”

2. Untuk tiap ulangan terdapat 2 alternatif hasil, yaitu hasil “sukses” sebanyak x unsur dan ha-
sil “gagal” sebanyak n−x unsur.

Perumusan:

Jika dari suatu populasi berukuran N yang memuat k unsur “sukses” dan N−k unsur “gagal” diam-
bil sampel acak berukuran n , maka peluang terambilnya x unsur “sukses”dan n−x unsur “gagal”
adalah terdistribusi hipergeometrik dengan distribusi peluang mengikuti persamaan:

k N −k
P ( X=x )=h ( N ; n , k )=
( x ) ( n−x )

( Nn )
k k!
Dengan: ( )=k kombinasi x=
x x ! ( k −x ) !
k !=k . ( k −1 ) . ( k −2 ) …2

Contoh 3:

Dari 12 peluru kendali, 5 diambil secara acak dan ditembakkan. Bila di antara 12 peluru itu terdapat
3 peluru yang rusak sehingga macet bila ditembakkan, berapa peluang bahwa:
a. Kelima-limanya berhasil ditembakkan
b. Sebanyak-banyaknya 2 yang macet
Jawab:
Peluru yang tersedia ada 12, maka ukuran populasi N=12.
Peluru yang diambil secara acak sekaligus (=tanpa pengembalian) ada 5, maka ukuran sampel n=5.
Misalkan k =¿banyaknya peluru yang bagus dari seluruh peluru¿ 9, sehingga
N−k=¿ banyaknya peluru yang rusak dari seluruh peluru ¿ 3
a. Peluang bahwa kelima-limanya berhasil ditembakkan adalah:
k N−k 9 3
P ( X=5 )=h ( N=12 ; n=5 , k=9 )=
( x ) ( n−x ) ( 5 ) ( 0) 126.1
= = =0,1590
N 12 792
(n) ( 5)
b. Peluang bahwa sebanyak-banyaknya 2 yang macet adalah:
P ( X ≥3 )=P ( X=3 )+ P ( X =4 ) + P ( X=5 )=0,9545

9 3
P ( X=3 )=
( 3 ) ( 2)
=0,3182
12
(5)
9 3
P ( X=4 )=
( 4 ) (1 )
=0,4773
12
(5)
9 3
P ( X=5 )=
( 5 ) ( 0)
=¿ 0,1590
12
(5)

Distribusi Normal
Distribusi Normal tergolong kepada ditribusi teoritis yang termasuk peubah acak kontinyu.

Definisi Kurva Normal.

Bila X adalah suatu peubah acak yang terdistribusi normal dengan rata-rata μdan deviasi standar σ ,maka
persamaan kurva normal adalah:
2
−1 x− μ
1 2
(
σ
)
; untuk −∞< x <∞
n ( x ; μ , σ )= e
√2 π σ
Sedangkan π=3,14159 … dan e=2,71828 …=¿ bilangan natural

Persamaan kurva normal di atas tidak akan digunakan secara langsung dalam perhitungan-perhitungan
peluang yang menerapkan distribusi normal.

Yang akan digunakan secara langsung ada 2 (dua) instrumen sebagai berikut:

1. Kurva Normal Baku

2. Tabel Normal Baku
Kedua instrumen di atas secara simultan (serempak) digunakan. Namun demikian berikut kita bahas satu
persatu.

Ad 1. Kurva Normal Baku

Ciri-ciri:

- Bentuk seperti penampang lonceng terbalik

- Sumbu datar adalah sumbu Z dan sumbu tegak adalah sumbu f (Z )
- Luas daerah yang diarsir menyatakan peluang didapatkannya Z dari−∞ sampai ∞ , dinyatakan
dengan pernyataan peluang: P (−∞<Z < ∞ ) =1

Ad 2. Tabel Normal Baku

Pada kuliah kali ini akan dijelaskan beberapa contoh cara membaca Tabel Normal, menuliskan pernyataan
peluang, dan menuliskan kurva normal, serta menghitung nilai peluangnya.

Contoh 1:
Hitunglah P ( Z <1,65 )=?
Jawab:

Contoh 2:
Hitunglah P ( Z >1,65 )=?
Jawab:
Contoh 3:
Hitunglah P ( 1,65<Z <1,96 )=?
Jawab:

Jadi P ( 1,65<Z <1,96 )=0,0245

Contoh 4:
Hitunglah P (−1,96< Z<1,64 )=?

Jadi P (−1,96< Z<1,64 )=0,9245

Contoh 5:
Hitunglah P (−1,96< Z←1,65 ) =?

Jadi P (−1,96< Z←1,65 ) =0,0245

Penerapan Distribusi Normal

Jika suatu peubah acak X terdistribusi normal dengan rata-rata populasi μ (baca: miu) dan
deviasi standar σ (baca: sigma) maka untuk mengitung peluang didapatkannya X dalam
suatu selang nilai, misalnya P( x 1 < X < x 2) perlu dilakukan transformasi (perubahan bentuk)
dari X menjadi Z dengan bentuk hubungan:

X−μ
Z=
σ
Contoh 1:
Tinggi badan (X ) dari mahasiswa baru suatu jurusan dimisalkan terdistribusi normal dengan
rata-rata (μ) 162,5 cm dan deviasi standar (σ ) 12, 3 cm. Hitunglah peluang bahwa seorang
mahasiswa baru jurusan tersebut mempunyai tinggi badan (X ):
a. 156,5< X < 180,0 cm
b. X >182,5 cm
Jawab:
a.

P ( 156,5< X <180,0 ) =P ( 156,5−μ

σ
<
X−μ 180,0−μ
σ
<
σ )=P ( 156,5−162,5
12,3
<Z<
180,0−162,5
12,3 )=P ¿
1,42)=P ( Z <1,42 )−P ( Z ←0,49 )=0,9222−0,3121=0,6101
b.

P ( X >182,5 )=P ( X−μ

σ
>
182,5−μ
σ ) =P ( Z >
182,5−162,5
12,3 )=P ( Z >1,63)=1−0,9484=0,0516
Contoh 2:
Gaji pegawai per bulan (X ) dari sebuah toko dianggap terdistribusi normal dengan rata-rata
(μ) Rp 1,85 juta dan deviasi standar (σ ) Rp 0,32 juta.
a. Hitung besarnya gaji pegawai terendah dari 25% gaji tertinggi
b. Hitung pula besarnya gaji pegawai tertinggi dari 15% gaji terendah
Jawab:
a. P ( Z > z 1 )=0,2500 menyebabkan P ( Z < z 1 )=1−0,2500=0,7500
Nilai z 1 yang paling mendekati dapat dilihat di Tabel Normal yaitu 0,67, karena nilai
P ( Z <0,67 )=0,7486 yang lebih dekat ke 0,7500 bukan 0,7517.
x −μ
Dengan demikian z 1= 1 sehingga x 1−μ=z 1 σ ,
σ
x 1=z 1 σ + μ=0,67 ( 0,32 ) +1,85=¿2,0644 juta

b. P ( Z < z 2 )=0,1500
Nilai z 2 yang paling mendekati dapat dilihat di Tabel Normal yaitu -1,04 karena nilai
P ( Z ←1,04 ) =0,1492 yang lebih dekat ke 0,1500 bukan 0,1515.
x −μ
Dengan demikian z 2= 2 sehingga x 2−μ=z 2 σ ,
σ
x 2=z 2 σ + μ=−1,04 ( 0,32 )+1,85=1,5172 juta