Pertemuan ke

PROBABILITAS
Membahas ukuran/derajat ketidakpastian suatu peristiwa

1. Unsur Probabilitas
Ruang Sampel, Peristiwa dan Elemen
2. Definisi
Peluang peristiwa E dapat terjadi sebanyak n kali diantara N peris-
tiwa yg saling eksklusif (saling asing,
n n( E )
peristiwa yang satu mencegah Peristiwa P( E )  
yang lain), dan masing-masing terjadi N n( S )
dengan kesempatan yang sama.
3. Nilai Peluang
0 ≤ P(E) ≤ 1 dan n(E) = n(S)
4. Komplemen Peristiwa
P(Ē) = 1 – P(E) atau P(E) = 1 - P(Ē)
5. Peristiwa Ekslusif (saling asing, independen)
P(E U E U E … U E ) = P(E ) + P(E ) + ….. + P(E )
1 2 3 n 1 2 n
6. Peristiwa Dependen (Bersyarat)
Saling Bergantung, Dependent
P(A dan B) = P(AΠB) = P(B).P(A‫ ׀‬B) , jika A dan B dependen
atau
P(A dan B) = P(AΠB) = P(B).P(A) , jika A dan B independen
7. Peristiwa Inklusif
P(A dan atau B) = P(A) + P(B) – P(A dan B)
8. Peristiwa Bersyarat Bayesian
P(Br A) = P(Br) . P(A Br) / ∑ P(Bi) . P(A Bi)
9. Diagram Venn
JENIS PROBABILITAS
A. PROBABILITAS DENGAN PENGEMBALIAN

• 20 Kelereng Merah (A) • P(A) = ?

• 10 Kelereng Biru (B) • Jika M merupakan peristiwa terambil
• 15 Kelereng Hijau (C) satu kelereng
berapa P(M) berwarna merah = ?

B. PROBABILITAS TANPA PENGEMBALIAN

Lulusan Pendaftar • S = pendaftar diterima

TAMB LINK MINYAK P(S) di tambang dari lulusan S-1

SMA 20 12 18
S-1 11 18 16
S-2 5 7 8
C. DIAGRAM POHON

Keadaan Tindakan Keadaan Perolehan

90% baik - 1.000

(0,70)
Terus 1
-1.900
60% baik - 4.000
(0,30)

N=0 1
90% baik - 2.000
(0,70)
Ulang 2
-2.000
60% baik - 2.000
(0,30)
DISTRIBUSI ROBABILITAS
DISKRIT DAN KONTINU
S Ruang Sampel, S

Peristiwa, A
A

Xi data diskrit (terbilang) Probabilitas Diskrit

elemen, Xi
Xi data kontinu (tak terbilang) Probabilitas Kontinu
Elemen (data) ada 2 : data diskrit & data kontinu.
Data diskrit
adalah data yg dpt hitung banyaknya dgn tepat (terbilang).
Sebuah dadu dilempar sekali maka nilai yang mungkin
muncul adalah 1 bendol (nilai 1), 2, 3, 4, 5, dan 6. Jadi
peristiwa A adalah himpunan elemen dadu dilempar dengan
nilai 1, 2, 3, 4, 5, dan 6.
Ditulis A : {x ‫ ׀‬1,2,3,4,5,6 } adalah data diskrit.

Data kontinu
adalah data yang tidak terbilang banyaknya.
Contoh B : { x ‫ ׀‬x adalah bilangan bulat }
karena bilangan bulat tidak ada batasan sampai seberapa
besar.
 Distribusi Distribusi
Probabilitas Diskrit Probabilitas Kontinu

Dadu dilempar 1 X Fungsi Distribusi

Xi
P (Xi) = ; i= 1,2, …, n Luas suatu fungsi, f(X)
∑ Xi

Nilai Xi n(Xi) P(Xi)

f(x)
1 1 1/6 luas
2 1 1/6
3 1 1/6
4 1 1/6
X1 X2
5 1 1/6 x2
6 1 1/6
Luas = ∫ f(x) dx ; n(dx) = 
∑ 6 1 x1
 DISTRIBUSI PROBABILITAS DISKRIT
Misal dilakukan undian dengan tiga buah mata uang (gambar=G,
dan huruf=H), maka ruang sampel yang terbentuk adalah GGG,
GGH, GHG, HGG, HHG, HGH, GHH, HHH.
Jika : X = banyak muka G yang muncul dimana X = 0,1,2,3
P(X) = peluang muncul muka G
maka dari ruang sampel tersebut dapat disusun peluangnya ssb:
X P(X) Simbol X di atas yang memiliki peluang,
0 1/8 bersifat variabel dan hanya memiliki harga-
1 3/8 harga 0,1,2,3, ........ Variabel demikian,
2 3/8 untuk tiap harga variabel terdapat nilai pe-
3 1/8
Jumlah 1 luangnya, disebut variabel acak diskrit .

Jumlah peluang pada tabel di atas selalu sama dengan satu,

maka dikatakan bahwa distribusi peluang untuk variabel acak X
telah terbentuk dan dinamakan distribusi peluang variabel acak X.
Definisi : variabel acak diskrit X menentukan distribusi peluang apa
bila utk nilai2 X = x1, x2, x3, ... ,xn terdpt peluang p(xi) = P(X=xi) shg :
n
Dibaca : p(x) merupakan fungsi peluang untuk
i 1
p ( xi )  1
variabel acak X pada harga X = x.
Untuk sebuah variabel acak ditentukan nilai ekspektasinya (jika ada):
n
E(X) = ekspektasi variabel acak X,
E ( X )   xi . p( xi )
i 1 mrpk nilai rata-rata untuk variabel acak X.
n
E( X )   x . p( x )
i 1
i i

Contoh: Distribusi banyaknya kendaraan melalui tikungan/menit sbb:

Banyak kendr 0 1 2 3 4 5 6 7 8
Peluang 0,01 0,05 0,10 0,28 0,22 0,18 0,08 0,05 0,03

Peluang paling sedikit ada 3 kendaraan yang melalui tikungan :

= 1 – (0,01 + 0,05 + 0,10) = 0,84
Rata-rata banyak kendaraan per menit yang melewati tikungan :
= (0)(0,01) + (1)(0,05) + (2)(0,10) + (3)(0,28) + (4)(0,22) + (5)(0,18)
+ (6)(0,08) + (7)(0,05) + (8)(0,03) = 3,94
Jadi ada 394 kendaraan yang melewati tikungan setiap 100 menit.
 DISTRIBUSI PROBABILITAS DISKRIT
1. Distribusi Binomial
Jika sebuah eksperimen yang hanya menghasilkan dua peristiwa,
misal peristiwa A dan peristiwa bukan A atau Ā, dengan P(A) = p =
peluang terjadinya peristiwa A, dan pada tiap percobaan dengan
P(A) tetap harganya yang dilakukan berulang-ulang, maka
percobaan tersebut dinamakan sebagai percobaan Bernoulli.
Jika percobaan Bernoulli dilakukan sebanyak N kali secara
independen, k diantaranya menghasilkan peristiwa A dan sisanya
(N-k) peristiwa Ā, maka peluang terjadinya peristiwa A sebanyak k
kali diantara N dirumuskan sebagai berikut :

p(k )  B( X  k )  CkN . p k .(1  p) N k

dengan : k = 0,1,2, ..... N ; 0 < p < 1 ; dan
N! N ! = N(N-1)(N-2)(N-3) ....... 1. 0! = 1
CkN 
k!.( N  k )! (N ! dibaca N faktorial)
Pada distribusi binomial terdapat parameter  (rata-rata populasi)
dan  (simpangan baku populasi) dengan rumus :
 = N.p dan   N . p.(1  p)
Contoh soal :
10% dari semacam benda tergolong ke dalam kategori A. Sebuah
sampel berukuran 30 telah diambil secara acak. Berapa peluang
sampel itu akan berisikan kategori A :
a. Tepat dua buah
b. Paling sedikit satu buah
c. Rata-rata terdapatnya kategori A
Jika P(A) = p = 10% dan n = 30
maka :
30 2
Tepat dua buah kategori A = P(A=2) = C2 (10%) .(1  10%)
30 2
=0,227
Paling sedikit satu buah = P(A  2) = 1- P(A=1)
= 1 - C130 (10%)1.(1  10%)301 = 1 - 0,0423 = 0,9577
Rata-rata terdapatnya kategori A = N.p = 30.(10%) = 3
Ringkasan Distribusi Binomial
Ciri :
• Mempunyai 2 hasil : Sukses & Gagal
• Probabilitas Sukses : p
• Probabilitas Gagal : 1-p
n x n-x
Rumus : B (x ; p ; n) = C x p . (1-p)
Dibaca :
Tepat x dengan Probabilitas sukses p dari n elemen

μ = n.p ; σ 2 = n.p.(1-p)
Contoh :

Dari 100 mhs yang ikut ujian Statistika dengan probabilitas lulus = 0,6
a. Berapa probabilitas yang lulus sebanyak 30 mhs
b. Berapa mhs yang lulus kurang dari 3 mhs
2. Distribusi Multinomial
Perluasan dari konsep distribusi binomial dinamakan sebagai
distribusi multinomial.
Misalkan sebuah eksperimen menghasilkan :
peristiwa-peristiwa E1, E2, .... , Ek
dengan peluang p1, p2, .... , pk dan p1+ p2 + .... + pk = 1
dilakukan percobaan sebanyak N kali terdapat
x1 peristiwa E1 , x2 peristiwa E2 , ............. xk peristiwa Ek
maka distribusi multinomial ditentukan oleh :

N!
p( x1 , x2 ,......., xk )  . p1x1 . p2x2 .... pkxk .
x1!.x2!.....xk !
Dengan : x1 + x2 + .... + xk = N dan p1 + p2 + ... + pk = 1
Parameter rata-rata dan simpangan baku populasi untuk
distribusi multinomial didefinisikan sebagai :

i = N.pi dan  i  N . pi .(1  pi )

Contoh soal :
Sebuah dadu dilempar sebanyak 12 kali, maka peluang di
dapat mata 1, mata 2, ... , mata 6 masing-masing terdapat
2 kali adalah :
12!
(1/ 6) 2 .(1/ 6) 2 .(1/ 6) 2 .(1/ 6)2 .(1/ 6) 2 .(1/ 6)2  0,0034
2!.2!.2!.2!.2!.2!
3. Distribusi Hipergeometrik
Misalkan ada sebuah populasi berukuran N, diantaranya terdapat
D buah kategori tertentu. Dari populasi ini sebuah sampel acak
diambil berukuran n. Pertanyaannya adalah berapa peluang dalam
sampel itu terdapat x buah termasuk kategori D ?.

Untuk menjawab pertanyaan di atas ditentukan oleh distribusi

hipergeometrik yang dirumuskan sebagai berikut :’
CDx .CNnxD
h(x)  dengan : x = 0,1,2,3,..., n
CNn
Rata-rata untuk distribusi hipergeometrik adalah  = n.D/N
Contoh soal :
Sekelompok manusia terdiri atas 50 orang dan 3 diantaranya lahir
pada tanggal 12 Oktober. Secara acak diambil 5 orang, berapa
peluangnya diantara 5 orang tersebut
a. tidak terdapat yang lahir pada tanggal 12 Oktober
b. terdapat tidak lebih dari seorang yang lahir pd tgl 12 Oktober
Jika : x = banyak orang diantara 5 yang lahir pd tgl 12 Oktober
N = 50 D = 3 (lahir pada tanggal 12 Oktober)
maka :
a. Peluang tidak terdapat yang lahir pada tanggal 12 Oktober

C03 .C550 0 3
h( x  0)  50
 0,724
C5

b. Peluang tidak lebih dari seorang yg lahir pd tanggal 12 oktober

C03 .C550 0 3 C13.C55013
h( x  0)  50 + h( x  1)  50
 0,724  0,253  0,977
C5 C5
Ringkasan Distribusi Hipergeometrik
D ND
C .C
h(x)  N
x n x

Cn
Dibaca : terdapat sukses dari n pengambilan pada peristiwa D

μ = n. D
N

Contoh :

• 20 Kelereng Merah (A) • Jika diambil 5 kelereng sekaligus :

• 10 Kelereng Biru (B) berapa probabilitas terdiri dari 3 merah dan
• 15 Kelereng Hijau (C) 2 hijau ?
4. Distribusi Poisson
Variabel acak diskrit X dikatakan mempunyai distribusi poisson jika
fungsi peluangnya berbentuk :’
  x X = 0, 1, 2, ...
e .
p ( x)  P( X  x)  e = konstanta bilgn alam = 2,718282
x!  = bilangan tetap
Sedangkan parameter rata-rata dan simpangan baku populasi
ditetapkan sebagai berikut :
= dan  =  0,5
Distribusi poisson berlaku untuk kejadian dengan peluang sebuah
peristiwa yang dalam area kesempatan tertentu diharapkan
terjadinya jarang.
Distribusi poisson dapat pula dianggap sebagai pendekatan
kepada distribusi binomial, dengan N besar dan peluang p sangat
kecil atau mendekati nol. Dipakai pendekatan poisson jika N  50
sedangkan N.p < 5
Contoh soal :
Misalkan rata-rata 1,4 orang buta huruf untuk setiap 100 orang.
Sebuah sampel berukuran 200 telah diambil. Peluang tidak
terdapat orang yang buta huruf adalah :
Jika : x = banyak buta huruf per 200 orang,
maka  = (1,4)(200) = 2,8
jadi :

e2,8 .(2,8)0
p( x  0)  P( X  0)   0,0608
0!
 Ringkasan Distribusi Poisson
Ciri :
• Jumlah elemen (n) : besar
• Probabilitas Sukses : kecil
e-λ.λx
Rumus : p (x ; λ ) = ; λ = rata-rata
x!
Dibaca :
banyaknya sukses dalam selang tertentu dengan
rat-rata λ

μ=λ ; σ 2= λ
Contoh :

Rata-rata banyaknya partikel radio aktif yang melewati suatu penghitung

Selama 1 milidetik dalam suatu percobaan adalah 4.
Berapakah peluang 6 partikel melewati penghitung dalam suatu milidetik tertentu
 QUIZ-2
Lulusan Pendaftar Dosen

Tambang Lingkungan Perminyakan

S-1 15 18 20

S-2 10 16 9

S-3 5 4 2

(1) Probabilitas dosen yang diterima dari jurusan Lingkungan

(2) Probabilitas dosen tambang yang berasal dari S-3
(3) Jika yang diterima 5 dosen, berapa probabilitas
2 dosen tambang lulusan S-1 dan 3 dosen lingk lulusan S-3