PROBABILITAS

Amin Susanto
1
 Konsep Dasar Probabilitas

OUTLINE

Probabilitas

Pengertian Probabilitas dan

Konsep-konsep Manfaat Probabilitas
Dasar Probabilitas
Pendekatan Terhadap
Probabilitas

Hukum Dasar Probabilitas

2
 PENDAHULUAN

Definisi:
Probabilitas adalah peluang suatu kejadian

Manfaat:
Manfaat mengetahui probabilitas adalah membantu
pengambilan keputusan yang tepat, karena kehidupan di dunia
tidak ada kepastian, dan informasi yang tidak sempurna.

Contoh:
• Pembelian harga saham berdasarkan analisis harga saham
• Peluang produk yang diluncurkan perusahaan (sukses atau
tidak), dan lain-lain.

3
PENDAHULUAN

Probabilitas:
Suatu ukuran tentang kemungkinan suatu peristiwa (event)
akan terjadi di masa mendatang. Probabilitas dinyatakan antara
0 sampai 1 atau dalam persentase.
Percobaan:
Pengamatan terhadap beberapa aktivitas atau proses yang
memungkinkan timbulnya paling sedikit dua peristiwa tanpa
memperhatikan peristiwa mana yang akan terjadi.
Hasil (outcome):
Suatu hasil dari sebuah percobaan.
Peristiwa (event):
Kumpulan dari satu atau lebih hasil yang terjadi pada sebuah
percobaan atau kegiatan.
4
 KLASIFIKAASI PROB
-Prob acak diskrit
-Prob variabel acak kontinue

Perbedaan Prob acak diskrit dengan variabel acak kontinue :

•Variabel acak diskrit adalah variabel random yang

jumlahnya terbatas, dan dapat dihitung sehingga dapat
digambarkan dalam bentuk histrogram dan ogive
sedangkan.

•Variabel acak kontinue adalah variabel random yang

berupa interval dan variabel yang jumlahnya TIDAK
terbatas, sehingga tidak dapat digambarkan dalam bentuk
histrogram dan ogive melainkan grafik y = f(x)
5
OUTLINE

Probabilitas

Pengertian Probabilitas dan

Konsep-konsep Manfaat Probabilitas
Dasar Probabilitas
Pendekatan Terhadap
Probabilitas

Hukum Dasar Probabilitas

6
PENDEKATAN PROBABILITAS

1. Pendekatan Klasik

2. Pendekatan Relatif

3. Pendekatan Subjektif

7
PENDEKATAN KLASIK

Definisi:
Setiap peristiwa mempunyai kesempatan yang sama untuk terjadi.

Rumus:

Probabilitas = Jumlah kemungkinan hasil

suatu peristiwa Jumlah total kemungkinan hasil

8
 PENDEKATAN KLASIK

Percobaan Hasil Probabi-

litas

Kegiatan melempar 1. Muncul gambar 2 ½

uang 2. Muncul angka

Kegiatan Shift kerja 1.Pagi 3.Siang 4 1/4

2.Malam 4.Libur

Perubahan harga 1. Inflasi (harga naik) 2 ½

2. Deflasi (harga turun)

Mahasiswa belajar 1. Lulus memuaskan 3 1/3

2. Lulus sangat
memuaskan
3. Lulus terpuji

9
 PENDEKATAN RELATIF

Definisi:
Probabilitas suatu kejadian tidak dianggap sama, tergantung dari
berapa banyak suatu kejadian terjadi.

Rumus:
Probabilitas = Jumlah peristiwa yang terjadi
suatu peristiwa Jumlah total percobaan

Contoh:
Dalam 12 bulan, 10 bulan terjadi kenaikan pasien di RS dan
2 bulan penurunan jumlah pasien.
Maka probabilitas kenaikan = 10/12=0,83 dan
probabilitas penurunan = 2/12=0,17
10
 PENDEKATAN SUBJEKTIF

Definisi:

Probabilitas suatu kejadian didasarkan pada penilaian pribadi

yang dinyatakan dalam suatu derajat kepercayaan.

11
OUTLINE

Probabilitas

Pengertian Probabilitas dan

Konsep-konsep Manfaat Probabilitas
Dasar Probabilitas
Pendekatan Terhadap
Probabilitas

Hukum Dasar Probabilitas

12
KONSEP DASAR HUKUM PROBABILITAS

A. Hukum Penjumlahan
P(A ATAU B) = P(A) + P(B)
Contoh : P(A) = 0,35, P(B) 0,40 DAN P (C) 0,25
Maka P(A ATAU C ) = 0,35 + 0,25 = 0,60

• Peristiwa atau Kejadian Bersama

A AB B

P(A ATAU B) = P(A) + P(B) – P (AB)

Apabila P(AB) = 0,2, maka ,

P(A ATAU B) = 0,35 + 0, 40 – 0,2 = 0,55
13
KONSEP DASAR HUKUM PROBABILITAS

• Peristiwa Saling Lepas

P(AB) = 0
Maka P(A ATAU B) = P (A) + P(B) + 0
= P(A) + P(B)

A B

• Hukum Perkalian Bahwa peristiwa A

P( A DAN B) = P(A) X P(B) tidak menjadi bagian
Apabila P(A) 0,35 DAN P(B) = 0,25 peristiwa B.
Maka P(A DAN B) = 0,35 X 0,25 = 0,0875 Begitu juga sebaliknya.

• Kejadian Bersyarat P(B|A)

P(B|A) = P(AB)/P(A)
14
KONSEP DASAR HUKUM PROBABILITAS

• Hukum Perkalian
P( A DAN B) = P(A) X P(B)
Apabila P(A) 0,35 DAN P(B) = 0,25
Maka P(A DAN B) = 0,35 X 0,25 = 0,0875

• Kejadian Bersyarat P(B|A)

P(B|A) = P(AB)/P(A)

• Peristiwa Pelengkap (Complementary Event)

P(A) + P(B) = 1 atau P(A) = 1 – P(B)
15
16
OUT LINE
Pengertian Distribusi
Probabilitas

Distribusi Probabilitas
Binomial

Distribusi Probabilitas
Diskret
Distribusi Probabilitas
Hipergeometrik

Distribusi Probabilitas
Poisson
 Pendahuluan
Definisi:
• Distribusi probabilitas adalah sebuah susunan distribusi
yang mempermudah mengetahui probabilitas sebuah
peristiwa.
• Merupakan hasil dari setiap peluang peristiwa.

Contoh Kasus:

• Berapa banyak obat harus dikirim, apabila selama

perjalanan obat mempunyai probabilitas rusak
 Ilustrasi
Pendahuluan
Ada tiga orang yang akan berobat di daerah Sokaraja, dimana
terdapat 2 buah klinik yang berdekatan yaitu R dan S. Jika
ketiga calon pasien tersebut bebas memilih dan kondisi klikinik
identik, maka tentukanlah kemungkinan pilihan dari calon
pasien tersebut ???
Kemungkian Calon Pasien Jumlah Pilihan R
Pilihan
I II III

1 S S S 0
2 S S R 1
3 S R S 1
4 S R R 2
5 R S S 1
6 R S R 2
7 R R S 2
8 R R R 3
Pendahuluan
Kemungkian
Pilihan
Calon Pasien Jumlah
Pilihan R
I II III
1 S S S 0
2 S S R 1
3 S R S 1
4 S R R 2
5 R S S 1
6 R S R 2
7 R R S 2
8 R R R 3

Kemungkinan pilihan calon pasien :

• Klinik R sama sekali tidak dipilih = 1 kejadian
• Klinik R dipilih satu dari tiga calon pasien = 3 kejadian
• Klinik R dipilih dua dari tiga calon pasien = 3 kejadian
• Klinik R dipilih oleh ketiga calon pasien = 1 kejadian
 Dari 8 kemungkinan kejadian tersebut dapat disusun
Pendahuluan DISTRIBUSI PROBABILITAS
Jumlah R Jumlah Total Distribusi Probabilitas
Dipilih Frekuensi Kemungkinan Hasil P(r)
0 1 8 1/8 0,125

1 3 8 3/8 0,375

2 3 8 3/8 0,375

3 1 8 1/8 0,125

Jumlah Total Distribusi Probabilitas 1,000

Gafik Distribusi Probabilitas

0.4

0.2

0
0 1 2 3
Pendahuluan

Distribusi probabilitas adalah sebuah daftar

dari keseluruhan hasil suatu percobaan
kejadian yang disertai dengan nilai
probabilitas masing-masing hasil (event).
 Variabel
Variabel Acak
Acak
Sebuah ukuran atau besaran yang merupakan hasil suatu
percobaan atau kejadian yang terjadi acak atau untung-
untungan dan mempunyai nilai yang berbeda-beda.

Variabel acak diskret

• Ukuran hasil percobaan yang mempunyai nilai tertentu dalam
suatu interval
• biasa dalam bentuk bilangan bulat dan dihasilkan dari
perhitungan (contoh; buah semangka berjumlah 10 buah )

Variabel acak kontinu

• Ukuran hasil percobaan yang mempunyai nilai yang menempati
seluruh titik dalam suatu interval
• Biasa dihasilkan dari pengukuran dan dalam bentuk pecahan
(contoh; berat semangka 3,75 kg)
Perhitungan
• Rata-rata Hitung

 = E(X) = (X.P(X))

Dimana :
 = Nilai rata-rata hitung distribusi probabilitas
E(X) = Nilai harapan (expected value)
X = Kejadian
P(X) = Probabilitas kejadian X
 Varians dan Standar Deviasi

Varians dan Standar Deviasi merupakan ukuran

penyebaran yang mengukur seberapa besar data
menyebar dari nilai tengahnya

• Varians 2 = (X - )2 . P(X)

• Standar Deviasi  =  2

Dimana
2 = Varians
 = Standar Deviasi
X = Nilai suatu kejadian
 = Nilai rata-rata hitung distribusi probabilitas
P(X) = Probabilitas suatu kejadian
Varians dan Standar Deviasi
Ilustrasi
Ada tiga orang yang akan berobat di daerah Sokaraja, dimana
terdapat 2 buah klinik yang berdekatan yaitu R dan S. Jika
ketiga calon pasien tersebut bebas memilih dan kondisi klikinik
identik, maka tentukanlah kemungkinan pilihan dari calon
pasien tersebut ???

Hitunglah Standar Deviasi nya !

X P(X) X . P(X) (X - ) (X - )2 (X - )2 . P(X)
0 0,125 0,000 -1,500 2,250 0,281
1 0,375 0,375 -0,500 0,250 0,094
2 0,375 0,750 0,500 0,250 0,094
3 0,125 0,375 1,500 2,250 0,281
 1,500 2 0,750

Standar Deviasi nya  =  2 =  0,75 = 0,87

Menunjukkan bahwa standar penyimpangan data dari
nilai tengahnya adalah 0,87
Distribusi Probabilitas Binomial
Distribusi Binomial adalah distribusi probabilitas yang dapat
digunakan bilamana suatu proses sampling dapat diasumsikan
sesuai dengan percobaan Bernouli
Ciri-ciri Percobaan Bernouli:
• Setiap percobaan menghasilkan dua kejadian:
(a) kelahiran anak: laki-laki - perempuan;
(b) melempar uang keudara: gambar - angka
(c) perkembangan suku bunga: naik - turun dan lain-lain.

• Probabilitas suatu kejadian untuk suskes atau gagal

adalah tetap (konstan) untuk setiap kejadian.
P(p) peluang sukses dan P(q) peluang gagal, maka P(p) + P(q)= 1.

• Suatu percobaan dengan percobaan lain bersifat bebas.

Hasil dari suatu percobaan tidak mempengaruhi hasil percobaan lainnya

• Data yang dihasilkan adalah data perhitungan.

Distribusi Probabilitas Binomial
Rumus

n! n−r
P(r ) = r
p .q
r!(n − r )!
Dimana
P(r) = Nilai probabilitas binomial
P = Probabilitas sukses suatu kejadian dalam setiap percobaan
r = Banyaknya peristiwa sukses suatu kejadian untuk keseluruhan
percobaan
n = Jumlah total percobaan
q = Probabilitas gagal suatu kejadian yang diperoleh dari q = 1-p
Distribusi Probabilitas Binomial
Contoh :

PT ABC mengirim Obat ke RS ASA. Obat yang dikirim

90% diterima dan sisanya ditolak.
15 buah dikirim setiap harinya.

a) Berapa probabilitas 15 obat diterima ?

b) Berapa probabilitas 13 obat diterima?
.
Penyelesaian :
a) Probabilitas 15 obat diterima ?
n!
P(r ) = p r .q n −r
r!(n − r )!
n = 15, r = 15, p = 0,9 dan q = 0,1

P(15) = [15!/{15!(15 – 15)!}] 0,915 x 0,115-15

P(15) = [15!/{15!(0)!}] 0,915 x 0,10

P(15) = [15!/{15!(0)!}] 0,915 x 0,10
P(15) = 1 x 0,206 x 1

P(15) = 0,206 (Probabilitas 15 obat diterima adalah

20,6%)
.
Penyelesaian :
b) Probabilitas 13 obat diterima ?
n!
P(r ) = p r .q n −r
r!(n − r )!
n = 15, r = 13, p = 0,9 dan q = 0,1

P(13) = [15!/{13!(15 – 13)!}] 0,913 x 0,115-13

P(13) = [15!/{13!(2)!}] 0,913 x 0,12

P(13) = 105 x 0,25 x 0,01

P(13) = 0,267 (Probabilitas 13 obat diterima adalah

26,7%)
Distribusi Probabilitas Hipergeometri
• Dalam distribusi binomial diasumsikan bahwa
peluang suatu kejadian tetap atau konstan atau
antar-kejadian saling lepas.

• Dalam dunia nyata, jarang terjadi hal demikian.

Suatu kejadian sering terjadi tanpa pemulihan dan
nilai setiap kejadian adalah berbeda atau tidak
konstan.

• Distribusi dengan tanpa pemulihan dan probabilitas

berbeda adalah Distribusi Hipergeometrik.
Distribusi Probabilitas Hipergeometri

Rumus
( s C r x ( N −s C n −r )
P( r ) =
N
Cn

Dimana
P(r) = Nilai hipergeometrik dengan kejadian r sukses
N = Jumlah populasi
S = Jumlah sukses dalam populasi
r = Jumlah sukses yang menjadi perhatian
n = Jumlah sampel dari populasi
Distribusi
Contoh Probabilitas Hipergeometri
Diperoleh data bahwa di kecamatan ABC terdapat 33 anak
yang mengalami gizi buruk dan 20 diantaranya berjenis
marasmus dan yang lainnya kwasiorkor. Pemeriksaan akan
dilakukan terhadap 10 anak. Berapakah dari 10 anak
tersebut, 5 anak bergizi buruk dengan jenis marasmus?

Jawab:
N = 33 S = 20 n =10 r=5

( s C r x ( N −s C n −r ) (20 C 5 x (33−20 C 10 − 5 )
P( r ) = =
N Cn 33 C 10

= 0,216
 Distribusi Probabilitas Poission

• Dikembangkan oleh Simon Poisson

• Poisson memperhatikan bahwa distribusi binomial

sangat bermanfaat dan dapat menjelaskan dengan
baik, namun untuk n di atas 50 dan nilai P(p)
sangat kecil akan sulit mendapatkan nilai
binomialnya.
Distribusi Probabilitas Poission

−
 e
Rumus x
P( X ) =
X!
 = n.p

• Dimana
• P(X) = Nilai probabilitas distribusi poisson
• = Rata-rata hitung dari jumlah nilai sukses
• (dimana  = n.p)
•e = bilangan konstanta (2,71828)
•p = Probatas sukses suatu kejadian
 Distribusi Probabilitas Poission

Jumlah emiten di BEI ada 120 perusahaan. Akibat krisis ekonomi,

peluang perusahaan memberikan deviden hanya 0,1. Apabila BEI
meminta secara acak 5 perusahaan, berapa peluang ke-5
perusahaan tersebut akan membagikan dividen?

Jawab:
n = 120 X=5 p=0,1 =n.p =120 x 0,1 = 12

P(X) = 125 x 2,71828-12/5! = 0,0127

Untuk mendapatkan nilai distribusi Poisson, dapat digunakan tabel

distribusi Poisson. Carilah Nilai  = 12 dan nilai X = 5, maka akan
didapat nilai 0,0127
 Distribusi Normal
(Distribusi Probabilitas Kontinu)

 Kurva Normal dan Variabel Random Normal

 Distribusi probabilitas kontinu yang terpenting adalah distribusi normal dan
grafiknya disebut kurva normal.
 Variabel random X yang distribusinya berbentuk seperti lonceng disebut
variabel random normal.

 
39
 x
Sifat kurva normal, yaitu :

 Kurva mencapai maksimum pada x = 

 Kurva setangkup terhadap garis tegak yang
melalui x = 
 Kurva mempunyai titik belok pada x =   
 Sumbu x merupakan asimtot dari kurva
normal
 Seluruh luas di bawah kurva, di atas sumbu
x adalah 1

40
TERIMA KASIH

41