Probabilitas
Drs. Haryono, M.Sc
Dewi Juliah Ratnaningsih, S.Si, M.Si
PEN D A HU L UA N
Kegiatan Belajar 1
Konsep-konsep Probabilitas
M ahasiswa yang budiman, kejadian atau peristiwa alam dan juga sistem
yang dibuat oleh manusia banyak yang merupakan kejadian atau
fenomena acak/random. Misalnya, cuaca adalah suatu contoh fenomena
random dari alam, sedangkan pasar saham (stock market) adalah fenomena
random yang dibuat oleh manusia. Mempelajari fenomena random yang
demikian adalah penting jika ingin mempelajari perilaku fenomena tersebut
dan memprediksi perilakunya di masa mendatang serta mengendalikannya
untuk keperluan tertentu jika memungkinkan. Memprediksi perilaku suatu
fenomena di masa yang akan datang adalah sulit. Yang dapat kita lakukan
hanyalah memperoleh nilai probabilitas atas terjadinya fenomena tersebut.
Dalam Modul 1 ini akan dibahas pengantar teori probabilitas sebagai suatu
teknik kuantitatif yang dapat digunakan dalam memprediksi kemungkinan
terjadinya suatu fenomena.
1. Ruang Sampel
2. Kejadian (Event)
Komponen kedua dari model probabilitas suatu fenomena random adalah
komponen kejadian (event). Dalam mempelajari fenomena random kita
tertarik pada timbulnya atau tidak timbulnya kejadian dari ”events”.
Misalnya, kejadian (kedatangan) nasabah suatu bank atau kejadian kerusakan
suatu mesin setelah dipakai dalam waktu tertentu. Dalam hal ini sangat
penting mahasiswa dapat membedakan antara titik-titik sampel dan kejadian.
Perhatikan definsi formal event berikut ini.
Tabel 1.1
Hubungan antara terminologi kejadian (event) dan teori himpunan
3. Probabilitas Kejadian
Komponen ketiga dari model probabilitas adalah fungsi probabilitas.
Secara intuitif, fungsi probabilitas berkaitan dengan suatu nilai numerik
untuk tiap kejadian yang menjelaskan kemungkinan terjadinya kejadian
tersebut. Definisi secara formal diberikan sebagai berikut.
Aksioma Probabilitas:
1. 0 P ( E ) 1
2. P ( Ω) = 1
3. Jika E1 , E2 ,..., En saling bertentangan (mutually exclusive), maka:
P En = 0
0
Dan jika E1 , E2 ,..., En exhaustive events, maka:
P En = Ω
0
Secara intuitif, suatu kejadian yang pasti terjadi diberi nilai probabilitas
1, dan kejadian yang tidak mungkin terjadi diberi nilai 0. Karena itu, nilai
probabilitas setiap kejadian tidak mungkin lebih kecil dari 0 atau lebih besar
dari 1. Ini adalah pengertian Aksioma 1. Karena Ω adalah himpunan semua
hasil yang mungkin, salah satu dari mereka harus terjadi menurut definisi.
Karena itu, kejadian Ω mempunyai nilai probabilitas 1. Ini adalah pengertian
Aksioma 2.
Untuk menjelaskan Aksioma 3, tinjau dua kejadian E1 dan E2 yang
saling bertentangan. Karena E1 E2 adalah jumlah probabilitas E1 dan E2 .
Aksioma 3 menyatakan bahwa pengertian ini berlaku untuk event saling
bertentangan yang dapat dihitung banyaknya (kadang-kadang disebut axcom
of countable additivity). Suatu konsekuensi logis dari Aksioma 3 adalah
P ( ) = 0
m ( Ei E j ) ( n − 2 )! =
P ( Ei E j ) =
1
=
n ( Ω) n! n ( n − 1)
Sampai materi ini, apakah Anda sudah paham? Jika belum, silakan baca
ulang dan pahami secara seksama. Jika Anda sudah paham, berikut ini akan
kita pelajari beberapa sifat penting akibat aksioma probabilitas.
Teorema 1.1
( )
P Ec = 1 − P ( E ) (1.1)
c
Bukti: E dan E adalah kejadian-kejadian yang saling bertentangan
(mutually exclusive dan exhaustive) karena itu,
1 = P ( E Ec ) = P ( E ) + P ( Ec )
diperoleh:
P ( Ec ) = 1 − P ( E )
Pertanyaan:
Hitung probabilitas mahasiswa tersebut menonton paling sedikit satu
episode lebih dari sekali selama satu semester (16 minggu).
Jawab:
Misal Ω adalah semua himpunan urutan 16 episode dari 100 episode
(pengulangan episode diizinkan). Misal E adalah kejadian yang diinginkan.
Karena itu E c adalah kejadian bahwa tiap-tiap dari 16 episode adalah
⚫ SATS4322/MODUL 1 1.11
= 1−
m ( )
100!(100 − 16 )!
= 1−
10016
= 0,7184
Teorema 1.2
Misal E dan F adalah 2 kejadian, tidak harus saling bertentangan,
maka:
P ( E F ) = P ( E ) + P ( F ) − P ( EF ) (1.2)
Bukti:
Kejadian-kejadian EF c , E c F dan EF adalah saling bertentangan dan
E = EF c EF
F = Ec F EF
dan
E F = EF c Ec F EF
Dengan menggunakan Aksioma 3, diperoleh:
( )
P ( E ) = P EF c + P ( EF )
P ( F ) = P ( E F ) + P ( EF )
c
dan
P ( E F ) = P ( EF c ) + P ( Ec F ) + P ( EF )
P ( E2 E3 ) = P ( E2 ) + P ( E3 ) − P ( E2 E3 )
3 3 1 5
= + − =
6 6 6 6
n
( −1)n+1 P Ei (1.3)
i =1
P ( E1 E2 E3 ) = P ( E 1 ) + P ( E2 E3 ) − P ( E1 ( E2 E3 ))
= P ( E1 ) + P ( E2 ) + P ( E3 ) − P ( E2 E3 ) − P ( E1E2 E1E3 )
= P ( E1 ) + P ( E2 ) + P ( E3 ) − P ( E2 E3 )
− ( P ( E1E2 ) + P ( E1E3 ) − P ( E1E2 E1E3 ))
= P ( E1 ) + P ( E2 ) + P ( E3 ) − P ( E2 E3 ) − P ( E1E3 ) − P ( E 1 E2 E3 )
(
P Ei E j = ) 1
n ( n − 1)
, untuk 1 i j n
(
P Ei E j Ek = ) 1
n ( n − 1)( n − 2)
, untuk 1 i j k n
n n 1 1 1 n +1 1
P Ei = − + + ... ( −1)
i =1 i =1 n i j n ( n − 1) i j k n ( n − 1)( n − 2 ) n!
1 1 n +1 1
= 1 − + − .... + ( −1)
2! 3! n!
LAT IH A N
b. P ( E1 E2 )
c. P ( E1 E2 E3 )
4) Dari soal Nomor 3, misal F adalah event banyak angka yang timbul
adalah ganjil. Hitung:
a. P ( E1 F )
b. P ( E2 F)
c. P ( ( E1 E2 ) F )
1) a. A = angka, G = gambar
= AG, GA, AA, GG
b. = 0, )
c. B = baik, R= rusak
Ω = BBB, BBR, BRB, RBB, BRR, RBR, RRB, RRR
d. Ω = 0, )
e. Ω = 0,1, 2,3,.........
2) Lihat soal 1 Bagian C
1 3
P ( E0 ) = P ( E3 ) = , P ( E1 ) = P ( E2 ) =
8 8
Setiap bola lampu mempunyai kemungkinan yang sama untuk baik atau
rusak.
3) Sebutkan ketiga komponen tersebut K1 , K2 , K3 .
Kib = komponen ke- i berfungsi baik, i = 1, 2,3
Kir = komponen ke- i rusak, i = 1, 2,3
Event-event sistem berfungsi baik :
K1b K2b K3r , K1b K2r K3b , K1r K2b , K3b , K1b K2b K3b
P (sistem berfungsi baik) =
P ( K1b K2b K3r ) + P ( K1b K2r K3b ) + P ( K1r K2b K3b ) + P ( K1b K 2b K3b ) =
P ( K1b ) P ( K2b ) P ( K3r ) + P ( K1b ) P ( K2r ) P ( K3b ) + P ( K1r )( K2b )( K3b ) +
P ( K1r )( K2b )( K3b ) =
1.16 Pengantar Proses Stokastik ⚫
R A NG KU M AN
TES F OR M AT IF 1
3) Ruang sampel banyak mobil yang lewat di suatu jalan tertentu dalam
waktu 1 jam adalah ....
A. ( 0,)
B. ( 0,
C. 1, )
D. Ω = 0, )
Soal berikut untuk pertanyaan Nomor 4, 5, 6, dan 7. Pilih salah satu jawaban
yang menurut Anda paling benar!
C. E = 13
D. E = n : 0 n 13
Soal berikut untuk pertanyaan soal Nomor 8, 9, dan 10. Pilih salah satu
jawaban yang menurut Anda benar.
Tinjau suatu eksperimen pengambilan 3 kartu satu per satu secara random
tanpa menempatkan kembali dari setumpuk kartu bridge.
C. 0,6045
D. 0,0645
10) Probabilitas tidak terdapat kartu diamond dari tiga kartu yang terambil
adalah ....
A. 0,4135
B. 0,3514
C. 0,1354
D. 0,3413
Kegiatan Belajar 2
Probabilitas Bersyarat
A. PROBABILITAS BERSYARAT
P ( EF )
P(E F ) = (1.4)
P(F )
dengan mengandaikan P ( F ) 0 .
Para mahasiswa, dari Definisi 1.4 dapat kita lihat terdapat tiga catatan
penting menurut urutan definisi di atas. Pertama, jika P ( F ) = 0 maka
P ( EF ) juga nol dan ruas kanan Persamaan 1.4 menjadi 0 0 , suatu besaran
⚫ SATS4322/MODUL 1 1.21
P ( EF ) = P ( E F ) P ( F ) (1.5)
Pertanyaan:
Hitung probabilitas wanita nomor 1 juga berpasangan dengan suaminya.
Jawab:
Ingin dihitung P ( E1 E2 ) .
Dengan menggunakan hasil Contoh 1.10 diperoleh :
P ( E1 E2 ) 1 ( n ( n − 1) ) 1
P ( E1 E2 ) = = =
P ( E2 ) 1n n −1
Pertanyaan:
Andaikan dua kartu diambil secara random satu persatu tanpa
menempatkan kembali. Jika kedua kartu yang terambil warnanya hitam maka
hitung probabilitas paling sedikit satu di antaranya adalah Spades.
Jawab:
Misal E adalah event kedua kartu hitam, dan ambil Ei adalah kejadian
kartu ke- i adalah Spade.
Ingin dihitung P ( E1 E2 E ) . Diperoleh:
26 25
P(E) = .
52 51
13 25
P ( E1 E2 ) = . = P ( E2 E1 )
52 51
13 12
P ( E1 E2 E ) = .
52 51
Karena itu
P ( E1 E2 E ) = P ( E1 E ) + P ( E2 E ) − P ( E1E2 E )
P ( E1 E ) P ( E2 E ) P ( E1 E2 E )
= + −
P(E) P(E) P(E)
13.25 13.25 13.12
= + −
26.25 26.25 26.25
= 0,76
⚫ SATS4322/MODUL 1 1.23
Pertanyaan:
Andaikan sebuah uang logam diambil secara random dari dalam kendi
dan kemudian dilempar (toss). Berapa probabilitas mendapatkan angka?
Jawab:
Misal Ei adalah kejadian uang logam ke- i terambil, 1 i n , dan ambil
E adalah kejadian angka muncul, maka diperoleh:
P ( Ei ) = , P ( E Ei ) = p, 1 i n
1
n
Kemudian dengan menggunakan Persamaan (1.7), diperoleh:
n
1 1 n
P ( E ) = pi = pi
i =1 n n i =1
C. KONSEP INDEPENDENSI
Jadi dapat dilihat bahwa definisi independen adalah konsisten dengan intuisi
kita sebelumnya.
Pertanyaan :
Misal Ei adalah kejadian bahwa pelemparan ke-i menunjukkan mata genap.
Selidiki apakah E1 dan E2 independen?
Jawab :
Ruang sampel untuk eksperimen ini adalah:
= (i, j ) :1 i, j 6
Disini i adalah hasil pelemparan pertama, dan j adalah hasil pelemparan
kedua. Diperoleh:
E1 = (i, j ) : i = 2,4,6;1 j 6
E2 = (i, j ) :1 i 6; j = 2,4,6
E1E2 = (i, j ) := i = 2,4,6; j = 2,4,6
Karena 36 hasil dalam mempunyai kemungkinan sama, diperoleh
m ( E1 ) 18
P ( E1 ) = = = 0,5
m ( ) 36
m ( E2 ) 18
P ( E2 ) = = = 0,5
m ( ) 36
1.26 Pengantar Proses Stokastik ⚫
Dari
m ( E1 E2 ) 9
P ( E1 E2 ) = = = 0, 25
m ( ) 36
Jadi
P ( E1E2 ) = P ( E1 ) P ( E2 )
dan karena itu kejadian E1 dan E2 independen. Secara umum dengan
menggunakan asumsi ”kemungkinan hasil yang muncul sama” jika Ei adalah
kejadian sebarang dari hasil lemparan ke- i maka dapat diperlihatkan bahwa
E1 dan E2 independen. Kedua pelemparan disebut saling independen.
Jawab :
Dari Contoh 1.13., diketahui bahwa:
P ( Ei ) = P ( E j ) =
1
n
sedangkan
P ( Ei E j ) = P ( Ei ) P ( E j )
1
n ( n + 1)
Jadi Ei dan Ej tidak saling independen.
Pertanyaan :
Hitung probabilitas sistem berfungsi baik!
Jawab :
Misal Ei adalah kejadian komponen ke-i berfungsi baik dan E adalah kejadian
sistem berfungsi baik. Diketahui bahwa Ei, 1 i n, saling independen. Sifat
alami sistem seri berakibat bahwa:
n
E=A Ei
i =1
Perhatikan bahwa:
P ( E ) min pi dengan 1 i n
Yang berakibat bahwa sistem ini seri lebih lemah dari komponen terlemah.
Pertanyaan :
Hitung probabilitas sistem berfungsi baik!
1.28 Pengantar Proses Stokastik ⚫
Jawab :
Misal Ei dan E adalah kejadian-kejadian seperti pada contoh 1.21, sifat alami
sistem pararel berakibat bahwa:
n
Ec = Eic
i =1
Perhatikan bahwa:
P ( E ) maks pi dengan 1 i n
Yang berakibat bahwa probabilitas sistem pararel berfungsi baik lebih besar
dari probabilitas komponen berfungsi baik yang terbesar.
LAT IH A N
1) a. P (Y = 0 X = 0) = 0,2 ; P (Y = 1 X = 0) = 0, 4 ;
P (Y = 2 X = 0) = 0,4.
b. P (Y = 0 X = 1) = 0,4 ; P (Y = 1 X = 0) = 0,2 ;
P (Y = 2 X = 1) = 0,4
2) Fmp bersyarat P (Y = y X = k ) diberikan oleh:
1.30 Pengantar Proses Stokastik ⚫
k Y → 0 2 4
1 0,250 0,625 0,125
3 0,625 0,250 0,125
5 0,250 0,250 0,500
6) E (Y X = 0) = 1,2 ; E (Y X = 1) = 1 .
3
7) (1 − x1 ) .
4
8) 1,75 ; 1 ; 2,5.
2
9) (1 − x1 ) .
3
10) 4 (gunakan pengertian Nilai Harapan jumlah variabel random yang
banyaknya random).
R A NG KU M AN
Dalam modul ini telah kita pelajari beberapa konsep penting dalam
Probabilitas dan Probabilitas Bersyarat. Konsep-konsep yang dipelajari
antara lain bagaimana menghitung atau menentukan probabilitas dan
probabilitas bersyarat dari suatu variabel random bila variabel random
yang lain diketahui. Konsep ini sangat penting dalam mempelajari
Proses Stokastik, khususnya jika kita ingin mempelajari analisis
transient. Dimana dalam analisis ini probabilitas suatu proses di state
tertentu dipengaruhi oleh state proses sebelumnya dan waktu
berlangsungnya proses. Dalam modul ini dibahas mengenai Hukum
⚫ SATS4322/MODUL 1 1.31
TES F OR M AT IF 2
Diberikan suatu variabel random bivariat (X,Y) dengan fmp sebagai berikut.
p(1,0) = 0,1 , p(1,2) = 0,25 , p(1,4) = 0,05
p(3,1) = 0,25 , p(3,2) = 0,1 , p(3,4) = 0,05
p(5,0) = 0,05 , p(5,2) = 0,05 , p(5,4) = 0,1
C. 0,45
D. 0,55
( )
10) Nilai E Y 2 X = 1 adalah ....
A. 6,25
B. 3,25
C. 4,25
D. 5,25
⚫ SATS4322/MODUL 1 1.33
Tes Formatif 1
1) B. Identifikasi semua event-event yang mungkin dari pengujian 2 mesin
tersebut.
2) C. Harga saham dapat bernilai Rp0, Rp. 1.000, Rp. 2.000, .... dan
seterusnya.
3) D. Jumlah mobil adalah integer dan terbatas.
4) C. Penulisan secara himpunan.
5) D. Penulisan secara himpunan.
6) C. Penulisan secara himpunan.
7) D. Penulisan secara himpunan.
8) A. Tulis event-eventnya terlebih dahulu.
9) A. Tulis event-eventnya terlebih dahulu.
10) A. Tulis event-eventnya terlebih dahulu.
Tes Formatif 2
P ( x, y )
1) D. Gunakan definisi probabilitas bersyarat: P (Y = y X = x ) =
P ( x)
dihitung dengan definisi probabilitas marginal,
0,1
P ( x ) = P (1, y ) = 0, 40. Jadi P (Y = 0 X = 1) = = 0, 25.
y 0, 4
2) D. Gunakan cara yang sama seperti jawaban soal Nomor 1.
3) A. Gunakan cara yang sama seperti jawaban soal Nomor 1.
4) D. Gunakan cara yang sama seperti jawaban soal Nomor 1.
5) A. Gunakan cara yang sama seperti jawaban soal Nomor 1.
6) C. Gunakan cara yang sama seperti jawaban soal Nomor 1.
7) A. Gunakan definisi Nilai Harapan bersyarat:
E (Y X = x ) = yp ( x y ) p ( x y ) dihitung menggunakan
y
probabilitas bersyarat:
E (Y X = 1) = yp ( y x ) = 0 p ( y = 0 x = 1)
y
+2 p ( y = 2 x = 1) + 4 p ( y = 4 x = 1) P ( x )
= 0. (0,25) + 2 (0,625) + 4 (0,125) = 1,75
8) D. Gunakan cara yang sama seperti jawaban soal Nomor 7.
⚫ SATS4322/MODUL 1 1.35
Daftar Pustaka
Gross, D., Shortie, J.F., Thompson, J.M., and Harris, C.M. 2008.
Fundamental of Queueing Theory. 4th Edition. John Wiley & Sons: New
York.
Jacod, J., and Shirjaeve, A.N. 2002. Limit Teorems for Sthochastic
Processes. Springer: New York.
Prabhu, N.U. 2007. Stochastic Processes: Basic Theory and Its Application.
World Scientific Publising.
Rolsky, T., Schmidli, H., Schmidt, V., and Teugels, J. 1999. Stochastic
Processes for Insurance and Finance. John Wiley & Sons: New York.
Ross, S.M. 1996. Stochastic Process. Second Edition. John Wiley & Sons:
New York.