Aksioma Probabilitas
Aksioma Probabilitas
Teori Probabilitas
Budi Manfaat
EDUVISION
your book is your future
Judul:
Pengantar Teori Probabilitas
Penulis:
Budi Manfaat
ISBN: 978-602-74719-4-8
Terbitan pertama oleh Nurjati Press IAIN Syekh Nurjati Cirebon tahun 2013
Terbitan berikutnya oleh EDUVISION tahun 2016
EDUVISION
Alamat: Bima Terrace A-60 Cirebon, Jawa Barat, Indonesia
www.eduvision.webs.com
Hak cipta dilindungi undang-undang. Dilarang mereproduksi isi buku ini baik sebagian
maupun seluruhnya dalam bentuk dan atau alasan apapun juga tanpa izin tertulis dari
pemegang hak cipta
Dicetak di Cirebon
5 4 3 2 1 20 19 18 17 16
Anak-anakku,
S
etidaknya ada dua alasan yang melandasi lahirnya ilmu statistika, yaitu
keberagaman dan ketidakpastian. Bayangkan, bagaimana seandainya semua
hal seragam: tinggi badan setiap orang sama, jenis dan tingkat kecerdasan
setiap orang sama, warna kulit setiap orang sama, motivasi belajar setiap orang
sama, dan demikian juga untuk hal-hal lainnya? Maka, tidak perlu ada ukuran-
ukuran statistik, baik ukuran pemusatan maupun ukuran sebaran. Demikian juga,
bagaimana seandainya semua hal dapat dipastikan kejadiannya sesuai dengan yang
diharapkan? Maka, tidak perlu ada estimasi dan prediksi (sebagai kajian dalam
statistika).
Kenyataannya, semua hal adalah beragam. Bahkan, misalnya pada produksi
masal suatu produk yang direncanakan sama, misalnya produksi air mineral yang
diharapkan nettonya seragam yaitu 600mL, pada kenyataannya tidak benar-benar
seragam (terdapat variasi walaupun kecil). Atas adanya keberagaman, maka
kemudian orang tertarik untuk mengetahui ukuran-ukuran (statistik) tertentu,
misalnya ukuran pemusatan (seperti: rata-rata) dan ukuran penyebaran (seperti
standar deviasi). Sebagai gambaran, misalnya dalam hal industri yang
memproduksi sepatu, di mana sasaran pasarnya adalah orang Indonesia. Maka
produsen tentu harus mengetahui bahwa ukuran telapak kaki orang dewasa
Indonesia adalah beragam. Produsen perlu melakukan riset (misalnya melalui
survei) untuk mengestimasi kisaran rata-rata ukuran telapak kaki orang dewasa
Indonesia. Berdasarkan hasil itu, kemudian produsen menetapkan ragam ukuran
sepatu yang diproduksinya. Sepatu dengan ukuran (nomor) rata-rata (misalnya
nomor 40) perlu diproduksi jauh lebih banyak dari pada ukuran yang jauh lebih
besar atau lebih kecil dari rata-rata tersebut.
Kenyataannya juga, hampir semua hal memuat sifat ketidakpastian. Semua
orang pasti mati, tapi kapan waktunya dan di mana kejadiannya? Tidak ada seorang
pun yang dapat memastikan. Semua orang pasti ingin sukses, tapi apakah pada
akhirnya benar-benar mencapai sukses? Tidak dapat dipastikan. 100 ayam
diberikan makanan yang sama, dapatkah dipastikan berat badannya akan sama?
Tidak dapat dipastikan. Dan demikian juga untuk hal-hal lainnya. Jika
ketidakpastian adalah suatu keniscayaan, maka yang dapat dilakukan ilmuwan
hanyalah mengestimasi (memperkirakan) atau memprediksikan (meramalkan).
Estimasi, prediksi atau peramalan, adalah bagian dari kajian dalam statistika.
Untuk mengestimasi dan memprediksikan karakteristik populasi, ilmuwan
dibatasi oleh beberapa hal yaitu: keterbatasan waktu, tenaga, dan biaya. Oleh
karena itu, ilmuwan melakukannya hanya berdasarkan atas sampel yang diambil
dari populasi yang dipelajari. Selama sampel yang diambil dapat merepresentasikan
populasi yang dipelajari, maka gambaran sampel dapat digeneralisasi sebagai
gambaran populasinya.
Tentu saja, gambaran tentang populasi yang didasarkan atas gambaran sampel
tidak pernah mutlak kebenarannya. Artinya, pernyataan statistik selalu dibayang-
bayangi oleh kemungkinan adanya kesalahan (error). Dengan kata lain, kebenaran
statitika adalah kebenaran probabilistik, yaitu kebenaran yang bersifat
kemungkinan. Walaupun demikian, statistika mempelajari bagaimana
mengusahakan agar statistik memiliki kemungkinan benar yang jauh lebih besar
dari pada kemungkinan salahnya, yaitu melalui kajian teori probabilitas. Teori
probabilitas adalah sistem proposisi yang dibangun dari aksioma-aksioma
probabilitas. Dengan menggunakan teori inilah, statistika dibangun dan
dikembangkan.
Alhamdu Lillah. Segala puji hanya milik Allah, Yang Merajai Segala Ilmu
Pengetahuan. Penulis bersyukur dapat merampungkan buku ajar ini dengan segala
keterbatasannya, sebagai panduan mahasiswa dalam menempuh matakuliah Teori
Peluang. Matakuliah ini adalah prasyarat untuk menempuh matakuliah Statistika
Matematik pada jenjang semester berikutnya.
Buku ajar ini memuat tujuh (7) bab penting yang disarikan dan diuraikan dari
beberapa rujukan terpilih dari buku-buku teks luar negeri (berbahasa asing), dengan
gaya pembahasan yang sederhana sedemikian hingga dapat memudahkan
mahasiswa dalam memahami teori probabilitas dan terapannya. Tentu saja, sangat
disarankan pada pembelajar (mahasiswa) agar juga menelusuri dan mengkaji
literatur lainnya, untuk dapat memahami lebih dalam dan mengembangkan teori-
teori yang telah ada.
Selamat belajar, salam sukses sejati!
Penulis
DaftarIsi
Prakata
Daftar Isi
Bab 1 Analisis Kombinatorial
1.1 Prinsip Dasar Pencacahan 1
1.2 Permutasi 4
1.3 Kombinasi 11
1.4 Koefisien Binomial 13
1.5 Koefisien Multinomial 17
Bab 2 Aksioma Probabilitas
2.1 Eksperimen Acak 21
2.2 Ruang Sampel 22
2.3 Kejadian (Event) 23
2.4 Aksioma Probabilitas 27
2.5 Proposisi-Proposisi Probabilitas 32
Bab 3 Probabilitas Kejadian Kondisional Dan Kejadian Independen
3.1 Probabilitas Kejadian Kondisional 35
3.2 Probabilitas Kejadian Independen 39
3.3 Aturas Bayes 41
Bab 4 Variabel Random Dan Distribusi Probabilitasnya
4.1 Variabel Random 45
4.2 Distribusi Probabilitas 51
4.3 Fungsi Distribusi Kumulatif 62
Bab 5 Ekspektasi Matematik
5.1 Ekspektasi Suatu Variabel Random 69
5.2 Ekspektasi Suatu Fungsi Variabel Random 73
5.3 Momen 76
5.4 Varians 79
5.5 Fungsi Pembangkit Momen 82
Bab 6 Beberapa Distribusi Probabilitas Diskrit Istimewa
6.1 Distribusi Uniform Diskrit 87
6.2 Distribusi Bernoulli 88
6.3 Distribusi Binomial 89
6.4 Distribusi Geometrik 91
6.5 Distribusi Hipergeometrik 92
6.6 Distribusi Poisson 95
Bab 7 Beberapa Distribusi Probabilitas Kontinu Istimewa
7.1 Distribusi Uniform Kontinu 99
7.2 Distribusi Gamma, Eksponensial, dan Chi-Kuadrat 101
7.3 Distribusi Normal 112
Catatan Hikmah 125
Buku Rujukan
Lampiran
Profil Penulis
Aksioma Probabilitas
Pada bagian ini akan diperkenalkan konsep tentang probabilitas suatu
kejadian dan menunjukkan bagaimana probabilitas tersebut dapat dihitung
dalam situasi tertentu. Konsep-konsep yang harus dipahami dengan baik dalam
kajian probabilitas adalah: eksperimen acak, ruang sampel, dan kejadiannya.
21
Definisi tentang eksperimen acak di atas menyiratkan pengertian bahwa
setiap kejadian yang dihasilkan dari sebuah eksperimen acak adalah semata
karena faktor kebetulan, keberuntungan, atau keajaiban semata. Hal ini yang
dalam kajian-kajian ilmu probabilitas lazim disebut dengan Hukum Kebetulan.
Suatu eksperimen acak, sekalipun hasilnya tidak dapat diketahui dengan pasti
sebelum benar-benar terjadi, namun himpunan hasil-hasil yang mungkin terjadi
biasanya dapat disebutkan. Himpunan semua hasil-hasil yang mungkin dari
suatu eksperimen acak disebut dengan ruang sampel, dan dilambangkan
dengan S. Banyaknya elemen himpunan S dinotasikan dengan n(S). Sedangkan
setiap elemen pada himpunan S disebut dengan titik sampel. Berikut
dikemukakan beberapa contohnya.
22
Contoh 2.1:
𝑆 = {1, 2, 3, 4, 5, 6}
n(S) = 6
n(S) = 36
c. Suatu eksperimen pemilihan 2 orang secara acak dari 3 orang yang ada,
andaikan tiga orang itu adalah O1, O2 dan O3, maka ruang sampelnya
adalah:
n(S) = 3
𝑆 = {𝑡| 𝑡 ≥ 0 ; 𝑡 ∈ 𝑅}
Perhatian atas eksperiemen acak seringkali bukan pada satu titik sampel, namun
pada sekumpulan titik sampel sebagai himpunan bagian dari ruang sampel.
23
Himpunan-himpunan bagian dari ruang sampel yang menjadi fokus perhatian
dari suatu eksperimen acak disebut dengan kejadian (event). Untuk menyatakan
suatu kejadian digunakan perlambang huruf kapital misalnya A, B, C, dan
seterusnya. Berikut adalah beberapa contoh eksperimen acak dan kejadian-
kejadian yang mungkin menjadi fokus perhatiannya.
Contoh 2.2:
24
n(B) = 3
c. Pada eksperimen pemilihan 2 orang secara acak dari 3 orang yang ada,
kejadian-kejadian yang mungkin menjadi fokus perhatian adalah:
A : Kejadian terpilih dua orang dimana salahsatunya adalah O1 ;
𝐴 = {(𝑂1 , 𝑂2 ), (𝑂1 , 𝑂3 )}
n(A) = 2
25
d. Pada eksperimen tentang pengukuran (dalam jam) masa hidup (life time)
sebuah lampu pijar, kejadian-kejadian yang menjadi fokus perhatian
misalnya adalah:
A : Kejadian bahwa bola lampu masih bertahan hidup pada kisaran 50
sampai 75 jam;
𝐴 = {𝑡 | 50 ≤ 𝑡 ≤ 75 ; 𝑡 ∈ 𝑅}
B : Kejadian bahwa bola lampu masih bertahan hidup hingga lebih dari
100 jam;
𝐴 = {𝑡 | 𝑡 > 100 ; 𝑡 ∈ 𝑅}
Jika digambarkan dalam sebuah garis bilangan, interval kejadian-kejadian
tersebut adalah sebagai berikut.
26
2.4 Aksioma Probabilitas
𝑛(𝐸)
𝑃(𝐸 ) = lim
𝑛→∞ 𝑛
27
𝑛(𝐸)
bahwa 𝑛
konvergen menuju nilai limit konstanta tertentu? Persoalan ini
diilustrasikan sebagai berikut.
𝑛(𝐴)
Persoalan eksistensi nilai limit atau konvergensi 𝑛
untuk n mendekati tak
hingga, sebagaimana illustrasi di atas, tentu saja tidak dapat dipastikan karena
setiap kejadian yang muncul adalah benar-benar acak. Dalam kondisi demikian,
definisi probabilitas dibangun dengan mendasarkan atas asumsi-asumsi atau
aksioma-aksioma.
Asumsi yang pertama di bangun adalah bahwa untuk setiap kejadian E dalam
ruang sampel S, terdapat nilai P(E) yang menyatakan besaran probabilitas
kejadian E. Selanjutnya diasumsikan bahwa probabilitas tersebut memenuhi
seperangkat aksioma tertentu, yang harus disepakati dalam setiap pembicaraan
probabilitas. Aksioma-aksioma yang dimaksud adalah sebagai berikut.
Aksioma 1:
0 ≤ 𝑃(𝐸) ≤ 1
28
Aksioma 2:
𝑃 (𝑆 ) = 1
Aksioma 3:
Untuk sederetan kejadian yang saling bebas E 1 , E2 , ... (yang berarti bahwa 𝐸𝑖 ∩
𝐸𝑗 = ∅ ketika 𝑖 ≠ 𝑗),
∞ ∞
𝑃 (⋃ 𝐸𝑖 ) = ∑ 𝑃(𝐸𝑖 )
𝑖=1 𝑖=1
29
saling bebas dan sebagaimana 𝑆 = ⋃∞
𝑖=1 𝐸𝑖 , berdasarkan aksioma 3 kita
dapatkan:
∞ ∞
𝑃(∅) = 0
Definisi: Probabilitas
Contoh 2.3:
Jawab:
Ruang sampel untuk eksperimen tersebut adalah 𝑆 = {𝐴𝐴, 𝐴𝐺, 𝐺𝐴, 𝐺𝐺 }. Jika
koin tersebut adalah seimbang, yang artinya bahwa bobot kedua sisinya adalah
setara, maka setiap titik sampel tersebut mempunyai probabilitas kemunculan
(bobot) yang sama. Jika w melambangkan bobot kemunculan untuk setiap titik
1
sampel, maka 4w = 1 atau 𝑤 = 4 . Jika A melambangkan kejadian bahwa
sedikitnya satu sisi angka akan muncul, maka:
30
dan probabilitas kejadian A adalah:
1 1 1 3
𝑃 (𝐴 ) = + + =
4 4 4 4
Contoh 2.4:
Suatu eksperimen pelemparan sebuah dadu satu kali. Jika sisi mata genap
mempunyai bobot kemunculan 2 kali lebih besar dari pada bobot kemunculan
sisi ganjil, tentukan probabilitas kejadian munculnya sisi matadadu lebih kecil
dari 4!
Jawab:
𝐵 = {1, 2, 3}
1 2 1 4
𝑃 (𝐵 ) = + + =
9 9 9 9
Contoh 2.5:
31
Misalnya setiap kelipatan 10 juta mendapatkan satu nomor undian, dan akan
diundi satu orang nasabah yang berhak mendapatkan sebuah hadiah berupa
mobil. Jika besaran tabungan lima nasabah tersebut misalnya adalah sebagai
berikut:
Jawab:
Pada kotak undian harus terisi 11 gulungan kertas dengan nama-nama nasabah
tersebut. 2 gulungan kertas tertulis nama Arman, 2 gulungan kertas tertulis
nama Bondan, 1 gulungan kertas tertulis nama Cica, dan 6 gulungan kertas
tertulis nama Delon. Sementara nama Elia tidak termasuk. Masing-masing
1
gulungan kertas mempunyai bobot kemunculan 𝑤 = 11. Jika C melambangkan
kejadian Bondan mendapatkan undian, maka:
1 1 2
𝑃 (𝐶 ) = + =
11 11 11
32
Proposisi 1:
𝑃 (𝐸 𝑐 ) = 1 − 𝑃(𝐸)
Proposisi 1 ini menyatakan bahwa probabilitas suatu kejadian tidak akan muncul
adalah 1 dikurangi dengan probabilitas kemunculan kejadian tersebut. Proposisi
ini dapat dibuktikan sebagai berikut. Pertama kita tuliskan bahwa E dan 𝐸𝑐
adalah pasti saling bebas dan berlaku 𝐸 ∪ 𝐸 𝑐 = 𝑆 . Selanjutnya berdasarkan
aksioma 2 dan 3 didapatkan bahwa:
Proposisi 2:
𝐹 = 𝐸 ∪ (𝐸 𝑐 ∩ 𝐹)
Proposisi 3:
33
Untuk menunjukkan kebenaran proposisi 3, kita tuliskan bahwa 𝐸 ∪ 𝐹 dapat
dinyatakan sebagai gabungan dua buah kejadian saling bebas E dan 𝐸𝑐 ∩ 𝐹.
Selanjutnya berdasarkan aksioma 3 kemudian didapatkan bahwa:
𝑃 (𝐹 ) = 𝑃(𝐸 ∩ 𝐹 ) + 𝑃(𝐸 𝑐 ∩ 𝐹)
𝑃 (𝐸 𝑐 ∩ 𝐹 ) = 𝑃 (𝐹 ) − 𝑃 (𝐸 ∩ 𝐹 )
Proposisi 4:
𝑃(𝐸1 ∪ 𝐸2 ∪ ⋯ ∪ 𝐸𝑛 )
𝑛
= ∑ 𝑃(𝐸𝑖 )
𝑖=1
− ∑ 𝑃(𝐸𝑖1 ∩ 𝐸𝑖2 ) + ⋯
𝑖1 <𝑖2
Deret penjumlahan ∑𝑖1 <𝑖2 <⋯<𝑖𝑟 𝑃(𝐸𝑖1 ∩ 𝐸𝑖2 ∩ ⋯ ∩ 𝐸𝑖𝑟 ) berasal dari keseluruhan
𝑛
( ) himpunan bagian berukuran r yang mungkin dapat dibentuk dari himpunan
𝑟
{1,2, ⋯ , 𝑛}.
34
Profil Penulis
Pernah mengajar di Fakultas Saintek UIN Malang (2007) dan di Sekolah Tinggi
Manajeman Informatika dan Komputer (STIMIK) ‘ASIA’ Malang. Kini, Penulis adalah
dosen tetap di IAIN Syekh Nurjati Cirebon, dengan konsentrasi bidang keilmuan
Statistika, Psikometrika, dan Metodologi Penelitian.
Beberapa karya tulis berupa buku yang telah diterbitkan adalah: MEMBUMIKAN
MATEMATIKA: dari Kampus ke Kampung (Penerbit Eduvision, 2010),
PENGANTAR METODE STATISTIKA: Teori dan Terapannya dalam Penelitian
Bidang Pendidikan dan Psikologi (Penerbit Eduvision, 2013, ditulis bersama Prof.
Kumaidi, Ph.D), DASAR-DASAR METODOLOGI PENELITIAN (Penerbit
Eduvision, 2015, ditulis bersama Toto SyatoriNnasehuddien), dan MERAJUT ASA:
Kuliah, Kerja, dan Cinta (Sebuah Novel)(Penerbit Eduvision, 2015).
Selain aktif dalam kegiatan pengajaran, penulis juga aktif dalam berbagai kegiatan
Training & Coaching bidang Pengembangan Diri, Penulisan (baik fiksi maupun non-
fiksi), dan Riset. Komunikasi dengan penulis dapat melalui email:
suratmanfaat@gmail.com
140