STATISTIK 1

A
PELUANG

A. Ruang Sampel
Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan
dengan S. Tiap hasil dalam ruang sampel disebut unsur / anggota ruang sampel / titik sampel.
Contoh:
Percobaan melantunkan sebuah dadu, bila yang diselidiki ialah nomor yang muncul disebelah atas
maka ruang sampelnya S ={1,2,3,4,5,6}. Bila yang ingin diselidik ialah apakah nomor ganjil atau
genap yang akan muncul maka ruang sampelnya S = {genap,ganjil}.

B. Kejadian / Peristiwa
Suatu kejadian adalah himpunan bagian dari ruang sampel atau bagian dari eksperimen yang
diinginkan.
Contoh:
Diketahui ruang sampel S = {t | t ≥ 0}, t menyatakan usia dalam tahun suatu komponen mesin tertentu.
Maka kejadian A bahwa komponen akan rusak sebelum akhir tahun kelima adalah himpunan bagian A
= {t | 0 ≤ t ≤ 5}.
Berikut ini adalah beberapa hubungan antar kejadian yaitu:
a) Komplemen suatu kejadian A terhadap S adalah himpunan semua unsur S yang tidak termasuk
A. Komplemen A dinyatakan dengan lambang A’ atau Ac.
Contoh:
S = {buku, pensil, penggaris, penghapus}
A = {buku, pensil} maka Ac = {penggaris, penghapus}
b) Irisan dua kejadian A dan B dinyatakan dengan lambang A ¿ B adalah kejadian yang
unsurnya termasuk dalam A dan B.
Contoh:
A = {a, i, u, e, o} sedangkan B = {a, b, c} maka A ¿ B = {a}
c) Kejadian A dan B saling meniadakan atau terpisah bila A ¿ B = Ø yakni bila A dan B
tidak memiliki unsur persekutuan.
Contoh:
A = {a, i, u, e, o} dan B = {r, s, t} maka A ¿ B=Ø
d) Gabungan dua kejadian A dan B, dinyatakan dengan A ¿ B adalah kejadian yang
mengandung semua unsur yang termasuk A dan B atau keduanya.
Contoh: A = {a, i, u, e, o} dan B = {r, s, t} maka A ¿ B = {a, i, u, e, o, r, s, t}
 STATISTIK 2
A
Hubungan antara kejadian dan ruang sampel padanannya dapat digambarkan dengan diagram
Venn, dimana ruang sampel digambarkan sebagai empat persegi panjang dan kejadian dinyatakan
sebagai lingkaran didalamnya.

S
A

C. Peluang Suatu Kejadian

Peluang suatu kejadian A adalah jumlah bobot semua titik sampel yang termasuk A. Jadi nilai
peluang kejadian A adalah 0 ≤ P(A) ≤ 1 sedangkan P(Ø) = 0 dan P(S) = 1.
Contoh: Sebuah mata uang seimbang dilantunkan dua kali. Berapa peluang paling sedikit muncul
muka sekali?
Jawab: Ruang sampel percobaan: S = {MM, MB, BM, BB}. Karena mata uang seimbang maka tiap
hasil mempunyai kemungkinan muncul yang sama. Tiap titik sampel diberi bobot ¼ sehingga
kejadian A bahwa paling sedikit satu muka muncul adalah A={MM, MB, BM} dan P(A) = ¼
+¼+¼=¾
Bila suatu percobaan dapat menghasilkan N macam hasil yang berkemungkinan sama , dan bila
tepat sebanyak n dari hasil berkaitan dengan kejadian A, maka peluang kejadian A adalah P(A) =

n
N .
Contoh: Sekantung permen berisi 6 rasa jeruk, 4 rasa kopi, dan 3 rasa coklat. Bila seseorang
mengambil satu permen secara acak, berapa peluang mendapatkan satu rasa jeruk (P(J))?
Jawab: n = jumlah permen rasa jeruk dan N = jumlah keseluruhan permen dalam kantung maka P(J) =
6/13.

1. Aturan Penjumlahan
 Kaidah Penjumlahan untuk Kejadian Non Mutually Exclusive
Peristiwa A atau B dikatakan non mutually exclusive bila ada kemungkinan peristiwa A atau B
tidak saling meniadakan satu dengan lainnya, sehingga ada kemungkinan kedua peristiwa di atas

dapat terjadi bersama-sama dan diperoleh A∩B≠0

A∩B≠0
 STATISTIK 3
A
Jadi P( A∪B ) = P(A) + P(B) – P( A∩B )

Contoh:
Peluang seorang mahasiswa lulus matematika 2/3 dan peluang lulus biologi 4/9. bila peluang dia
lulus kedua mata kuliah ¼ , berapa peluangnya lulus paling sedikit satu mata kuliah?
Jawab:
Bila M adalah kejadian lulus matematika dan B adalah kejadian lulus Biologi maka
P( M ∪B ) = P(M) + P(B) - P( A∩B )
= 2/3 + 4/9 – ¼ = 31/36
Untuk tiga kejadian A, B dan C
P( A∪B∪C )=P(A)+P(B)+P(C)–P( A∩B )–P( A∩C )–P( B∩C )+P(
A∩B∩C )
dan bila A dan AC kejadian yang berkomplementer maka
P(A) + P(AC) = 1

 Kaidah Penjumlahan untuk Kejadian Mutually Exclusive

Peristiwa yang sifatnya Mutually Exclusive terjadi bila peristiwa A dan B saling meniadakan satu
dengan lainnya atau tidak mungkin ada dua buah peristiwa yang dapat terjadi bersama-sama,
sehingga P( A∩B ) = Ø.

P( A∩B )=
Ø

Jadi P( A∪B ) = P(A) + P(B)

Contoh:
Bila sebuah kartu diambil, maka kartu tersebut tak dapat diperoleh sekaligus terambil gambar As
dan King. Jika probabilitas keluar 1 As = A dan probabilitas 1 King = B. Maka A atau B adalah
suatu peristiwa yang sifatnya mutually exclusive. Jadi probabilitas terambil satu kartu As atau kartu
King.
P( A∪B ) = P(A) + P(B)
4 4 8
+ =
P( A∪B ) = 52 52 52
(Kalau sudah terambil 1 As maka tak mungkin akan keluar juga King atau sebaliknya)
 STATISTIK 4
A

2. Peluang Bersyarat
Bila B merupakan sebuah peristiwa dalam ruang sampel S, maka probabilitas peristiwa A
dimana diketahui B telah terjadi, maka disebut sebagai probabilitas bersyarat. Keadaan tersebut dapat
ditulis sebagai:
P( A∩B) P( A∩B)
P(A|B) = P( B) atau P(B|A) = P(A)
Jadi probabilitas bersyarat merupakan probabilitas terjadinya suatu peristiwa dimana
diketahuinya peristiwa lainnya telah terjadi.
∴ P(A|B) adalah probabilitas terjadinya peristiwa A dimana diketahui bahwa peristiwa B telah
terjadi.
∴ P(B|A) adalah probabilitas terjadinya peristiwa B dimana diketahui bahwa peristiwa A telah
terjadi.
Contoh:
Dekan Fakultas Ekonomidi PYN X merasa bahwa siswa yang kuliah dalam jurusan tertentu memiliki
hasil yang lebih baik dibandingkan dengan yang belum memiliki jurusan . Untuk menguji kebenaran
ini, maka dilakukan survey terhadap 100 siswa yang menghasilkan informasi sebagai berikut:

Indeks Prestasi (IP)

Baik Kurang Total
Sudah ada jurusan 20 10 30
Belum ada jurusan 20 50 70
Total 40 60 100
Bila A adalah peristiwa yang menghasilkan IP baik dan B adalah peristiwa siswa yang memiliki
jurusan, maka hitunglah probabilitas:
P( A∩B) 20/100 2
=
a) P(A|B) = P( B) = 30/100 3
P( A∩B) 20/100 1
=
b) P(B|A) = P ( A ) = 40 /100 2

3. Aturan Perkalian
a) Aturan Perkalian untuk Peristiwa-Peristiwa yang Bersifat Dependen
Dari kaidah probabilitas bersyarat diperoleh bahwa
P( A∩B)
P(B|A) = P(A)
Atau
P( A∩B ) = P(A) P(B|A)
Hal ini berarti bahwa probabilitas terjadinya peristiwa A dan B sama dengan probabilitas terjadinya
peristiwa A dikalikan probabilitas terjadinya peristiwa B diketahui bahwa peristiwa A telah terjadi
 STATISTIK 5
A
terlebih dulu., sehingga probabilitas terjadinya peristiwa B sangat dipengaruhi oleh terjadinya peristiwa
A. Peristiwa-peristiwa di atas biasanya dikenal dengan peristiwa-peristiwa yang bersifat dependen.

Contoh:
Andaikan terdapat 3 bola lampu yang rusak dicampur dengan 6 bola lampu lainnya yang baik. Jika kita
pilih secara random 2 bola lampu untuk dipasang, maka berapakah probabilitas bola lampu yang
diambil pertama dan kedua dalam keadaan baik.
Jawab
Misalkan G1 = pengambilan pertama bola lampu yang baik
G2 = pengambilan kedua bola lampu yang baik

P( G1∩G 2 ) = P(G1) P(G2 | G1)

Probabilitas pengambilan pertama bola lampu yang baik P(G 1) = 6/9, maka probabilitas pengambilan
kedua bola lampu yang baik P(G2 | G1) = 5/8.
6 5
x =0 , 42
P( G1∩G 2 )= 9 8

b) Aturan Perkalian untuk Peristiwa-Peristiwa yang Bersifat Independen

Peristiwa A dan B dikatakan bersifat independen bila terjadinya peristiwa yang satu (A) tidak
akan mempengaruhi peristiwa-peristiwa lainnya (B). Jadi dapat berarti pula bahwa terjadi atau tidaknya
peristiwa A, maka probabilitas peristiwa B akan sama saja, sehingga P(B|A) = P(B)
P( A∩B ) = P(A) P(B)
Contoh:
Pesawat Boeing 747 memiliki 4 mesin yang masing-masing bekerja secara independen. Pesawat
tersebut dapat terbang bila sedikitnya 2 dari mesin-mesin tersebut dapat bekerja dengan baik. Bila
probabilitas mesin A dapat bekerja dengan baik = 0,8, mesin B = 0,9, mesin C = 0,7 dan mesin D = 0,6.
Dari data tersebut hitunglah probabilitas pesawat tersebut berada dalam kondisi yang sangat baik.

Jawab:
Pesawat berada dalam kondisi yang sangat baik jika keempat mesin bekerja dengan baik
P( A∩B∩C∩D ) = P(A).P(B).P(C).P(D)
= (0,8).(0,9).(0,7).(0,6) = 0,3024

D. Teorema Bayes
Bila dalam suatu ruang sampel (S) terdapat beberapa peristiwa yang bersifat mutually exclusive
yaitu peristiwa-peristiwa A1, A2,…,An serta peristiwa-peristiwa tersebut masing-masing memiliki
probabilitas yang ≠ 0, maka bila ada peristiwa lain yaitu (X) yang mungkin dapat saja terjadi terhadap
peristiwa-peristiwa A1, A2,…,An. Maka probabilitas terjadinya peristiwa-peristiwa A1, A2,…,An dengan
diketahui peristiwa (X) dapat dihitung dengan pendekatan rumus sebagai berikut:
 STATISTIK 6
A
P( A i∩X )
P(Ai|X) = P( A 1∩ X )+ P( A2 ∩X )+.. .+ P( A n ∩X )

P( A i ) P( X|A i )
= P( A 1 ) P( X|A 1 )+ P( A 2 )P( X| A 2 )+. ..+ P( A n )P( X| A n )

An

A1
A5
X

A2 A4

A3

NB: A1, A2, …,An adalah peristiwa-peristiwa yang bersifat mutually exclusive. X adalah peristiwa lain di antara peristiwa-
peristiwa mutually exclusive.
Misalnya kita ingin mengetahui peristiwa (A4|X), dimana peristiwa-peristiwa mutually exclusive nya
adalah A1, A2,A3 dan A4.
Maka
P( A 4 )P( X| A 4 )
P(A4|X) = P( A 1 ) P( X|A 1 )+ P( A 2 )P( X| A 2 )+ P( A3 ) P( X| A3 )+ P( A4 )P( X| A 4 )
Contoh:
Perusahaan kalkulator Casio memasarkan jenis kalkulator yang baru. Berdasarkan hasil estimasi
direktur pemasaran tersebut, probabilitas penjualan kalkulator yang baru akan berjalan dengan baik =
0,8 jika para produsen pesaing dari luar negeri tidak memasarkan jenis kalkulator yang sama seperti
jenis Casio di atas. Namun bila produsen pesaing memasarkan jenis kalkulator yang sama probabilitas
penjualan Casio akan berjalan dengan baik hanya = 0,3. Bila probabilitas bahwa produsen pesaing akan
memasarkan jenis kalkulator yang sama = 0,4, maka:
Pertanyaan:
Jika diketahui pemasaran kalkulator berjalan dengan baik, maka hitunglah probabilitas bahwa produsen
pesaing juga memasarkan kalkulator yang sama.
Jawab:
Misalkan :
P(M) = Probabilitas dimana para produsen pesaing memasarkan pula kalkulator yang sama
P(MC) = Probabilitas dimana para produsen pesaing tidak memasarkan pula kalkulator yang sama
P(S) = Probabilitas perusahaan kalkulator Casio dapat memasarkan produknya dengan baik

P(S|M) = 0,3
P(M) = 0,4 P(M ¿ S) = (0,4)(0,3) = 0,12

P(S|MC) = 0,8

P(MC) = 0,6 P(MC ¿ S) = (0,6)(0,8) = 0,48

 STATISTIK 7
A

P(S) = P( M∩S )+P( M C ∩S ) = 0,12 + 0,48 = 0,6

Maka dengan metoda Bayes:
P( M )P (S|M ) (0,4 )(0,3 )
C C =0,2
P(M|S) = P( M )P( S|M )+ P( M )P( S|M ) = (0,4 )(0,3)+(0,6 )( 0,8)