MAKALAH

TEORI DASAR PELUANG

Disusun Oleh:
Nama: Maria Simamora
Npm: 1901070007
Program Studi: Pendidikan Matematika
Mata Kuliah: Statistika Dasar
Dosen Pengampu: Dr. Hotman Simbolon, MS

FAKULTAS KEGURUAN dan ILMU PENDIDIKAN

UNIVERSITAS HKBP NOMMENSEN PEMATANGSIANTAR
PENDIDIKAN MATEMATIKA
2021
 KATA PENGANTAR

Puji syukur saya panjatkan kehadirat Tuhan Yang Maha Esa, berkat kasih dan rahmat-Nya
yang senantiasa menyertai saya sehingga saya dapat menyelesaikan makalah ini tepat waktu.
Makalah ini saya buat untuk memenuhi tugas yang diberikan oleh pak Hotman Simbolon
selaku dosen pengampu mata kuliah Statistika Dasar . Topik yang akan dibahas pada makalah
ini adalah “ Teori Dasar Peluang”
Saya sangat   berharap   makalah   ini   dapat   berguna   dalam   rangka menambah   wawasan
serta   pengetahuan   kita   mengenai pengertian dasar peluang, apa pengertian sebaran
peluang, apa saja jenis-jenis sebaran peluang. Sebelumnya   saya   mohon
maaf apabila terdapat kesalahan kata – kata yang kurang berkenan dan saya memohon   kritik
dan   saran   yang   membangun   dari   pembaca   demi   perbaikan
makalah ini di waktu yang akan datang.

Pematang Siantar, 29 Oktober 2021

Penulis

Maria W.K Simamora

i
 DAFTAR ISI
Kata Pengantar……………………………………………………………………………………………………………………… i

Daftar Isi……………………………………………………………………………………………………………………………….. ii

Bab I Pendahuluan………………………………………………………………………………………………………………… 1

A. Latar Belakang……………………………………………………………………………………………………… 2

B. Rumusan Masalah………………………………………………….……………………………………………… 2

C. Tujuan…………………………………………………………………….
………………………………………………….2

Bab II Pembahasan…………………….…………………………………………………………………………………………..3

A. Pengertian Dasar……………………………………………………………………………………………………3

B. Titik Sampel……………………………………………………………………………………………………………4

C. Peubah Acak…………………………………………………………………………………………………………..4

D. Pengertian Peluang Suatu Kejadian ……………………………………………………………………….5

E. Batas Batas Nilai Peluang………………………………………………………………………………………..6

F. Frekuensi Harapan………………………………………………………………………………………………….7

G. Teorema Peluang……………………………………………………………………………………………………7

H.Operasi Irisan dan Gabungan Dua Himpunan………………………………………………………….7

I. Sebaran Peluang…………………………………………………………………………………………………….10

Bab III Penutup……………………………………………………………………………………………………………………....24

A. Kesimpulan…………………………………………………………………………………………………………….24

B. Saran………………………………………………………………………………………………………………………24

Daftar Pustaka………………………………………………………………………………………………………..………………25

ii
 BAB I
PENDAHULUAN

A. Latar Belakang
Ada tiga lingkungan dalam proses pengambilan keputusan yang telah
dijadikan dalil yakni pasti, ketidakpastian dan risiko. Risiko adalah suatu keadaan
dimana nilai-nilai peluang dapat diberikan kepada setiap hasil atau peristiwa. Sampai
seberapa jauh keputusan diambil dalam suatu risiko tergantung pada siapa yang akan
mengambil keputusan tersebut apakah para pebisnis, industriawan atau tingkatan
menajerial dalam suatu organisasi. Akan tetapi, meskipun keputusan semacam ini
boleh dibilang langka namun tetap perlu menjadi bahan pertimbangan. Sebagai
contoh industri asuransi tetap mempercayai nilai-nilai peluang yang diambil dari data
aktuaria. Kesalahan yang dilakukan perusahaan ini dalam menggunakan nilai-nilai
peluang untuk membuat keputusan bisa berakibat fatal bagi perusahaan tersebut.
Dalam kasus lain, masalah yang dihadapi oleh para manajer dalam mengambil
keputusan adalah bagaimana menggunakan nilai-nilai peluang dalam situasi yang
sebenarnya dan bagaimana menarik kesimpulan dari hasil yang didasarkan pada teori
peluang.
Kapan tepatnya teori peluang masuk ke dalam dunia statistika belum diketahui
secara pasti. Meskipun teori peluang sudah dikenal sejak abad 17 oleh para
matematikawan, tetapi masih diragukan kapan teori ini berhubungan dengan
statistika. Sejalan dengan perkembangan ilmu pengetahuan, perkawinan antara
matematika peluang dengan data yang dikumpulkan oleh negara-negara di berbagai
penjuru dunia akhirnya melahirkan ilmu baru yaitu statistika.
Tidak dapat dipungkiri lagi berkembangnya teori peluang diawali oleh
kesenangan orang untuk mengadu untung di meja judi. Lahirnya berbagai teori
peluang yang dilandasi dari kesenangan ini telah banyak mempengaruhi
perkembangan ilmu statistika itu sendiri. Seseorang tidaklah mungkin untuk
memahami statistika secara sempurna tanpa memahami apa arti peluang itu sendiri.
Olehkarena itu dapatlah dikatakan bahwa teori peluang adalah fondasi dari statistika.
Penggunaan teori peluang dalam bidang bisnis sudah cukup lama dikenal oleh
para pebisnis. Meski banyak diantara mereka tidak memiliki latarbelakang
matematika namun istilah peluang, disadari atau tidak, banyak berperan ketika mereka
menjalankan aktivitas organisasi khususnya dalam proses pengambilan keputusan.
Olehkarena itu untuk memberikan gambaran tentang peluang yang dimaksud, bab ini
hanya membahas dasar-dasar teori peluang sebagai dasar pengetahuan untuk
memahami analisis statistika selanjutnya

1
B. Rumusan Masalah
1. Apa pengertian dasar peluang
2. Apa pengertian sebaran peluang
3. Apa saja jenis-jenis sebaran peluang

C. Tujuan
1. Untuk mengetahui apa itu peluang
2. Untuk mengetahui apa itu sebaran peluang
3. Untuk mengetahui bagaimana cara pengerjaan peluang terhadap soal

2
 BAB II
PEMBAHASAN

A. Pengertian Dasar
Peluang atau disebut juga probabilitas merupakan harga angka yang
menunjukkan seberapa besar kemungkinan suatu peristiwa atau kejadian akan terjadi.
Nilai peluang di antara 0 dan 1. Peluang kejadian 0 artinya kejadian tersebut tidak
mungkin terjadi. Sedangkan peluang kejadian 1 artinya kejadian tersebut pasti terjadi.
Ruang sampel adalah himpunan dari semua hasil yang mungkin pada suatu
percobaan/kejadian. Ruang Sampel suatu percobaan dapat dinyatakan dalam bentuk
diagram pohon atau tabel.

Ruang sampel ini ada dua macam, yaitu ruang sampel diskrit dan ruang sampel
kontinu. Definisi 3.2: RUANG SAMPEL DISKRIT Ruang sampel diskrit adalah
ruang sampel yang mempunyai banyak anggotanya berhingga atau tidak berhingga
tetapi dapat dihitung. Definisi 3.3: RUANG SAMPEL KONTINU Ruang sampel
kontinu adalah ruang sampel yang anggotanya merupakan interval pada garis bilangan
real.
Contoh Ruang Sampel Diskrit
(1) Jika kita melakukan eksperimen pelemparan sebuah mata uang logam Rp.500,
maka ruang sampelnya adalah S = {G, H} dengan G = GAMBAR "BUNGA
MELATI" dan H = HURUF "BANK INDONESIA". Dalam hal ini, G saja
maupun H saja masing-masing merupakan titik sampel.
(2) Misalkan kita melakukan eksperimen pelemparan sebuah mata uang logam
Rp.500 sampai muncul GAMBAR "BUNGA MELATI" (G) pertama kali.
Tentukan ruang sampelnya. a. Pada pelemparan pertama muncul G, sehingga
hasilnya ditulis G ; I
b. Pada pelemparan pertama muncul H dan pelemparan kedua muncul G sehingga
hasilnya ditulis HG ;
c. Pada pelemparan pertama dan kedua muncul H dan pelemparan ketiga muncul
G sehingga hasilnya ditulis HHG; dan
d. seterusnya Jadi, ruang sampelnya ditulis S = {G, HG, HHG, · · · }.

3
Contoh Ruang Sampel Kontinu
Misalkan perusahaan pompa air "BAGUS" memproduksi sebuah pompa air baru. Kita
akan lihat masa hidup (dalam hari) dari pompa air tersebut. Tentukan ruang
sampelnya.
Karena masa hidup pompa air bernilai bilangan real positif, maka ruang sampelnya
adalah: S = {t : t > 0}

B. Titik Sampel
adalah anggota-anggota dari ruang sampel atau kemungkinan-kemungkinan

 Contoh:
1. Pada percobaan melempar dua buah mata uang logam (koin) homogen yang
berisi angka (A) dan gambar (G) sebanyak satu kali. Tentukan ruang sampel
percobaan tersebut.

Jawaban:

C. Peubah Acak

4
 Peubah Acak (Random Variable): Sebuah keluaran numerik yang merupakan hasil
dari percobaan (eksperimen). Untuk setiap anggota dari ruang sampel percobaan,
peubah acak bisa mengambil tepat satu nilai. Peubah acak biasanya dinyatakan
dengan huruf besar, misalnya X, sedangkan nilainya dinyatakan dengan huruf kecil
padanannya, misalnya x. Peubah acak terdiri dari 2 jenis yaitu :

• Peubah Acak Diskrit : Sebuah Peubah Acak yang hanya bisa bernilai terbatas atau terhitung

Peubah acak diskrit adalah peubah acak yang dibangkitkan dari ruang sampel diskrit dan
himpunan kemungkinan hasilnya dapat dihitung. Sebagai contoh, banyak barang yang cacat
dalam sampel sebesar k, banyaknya korban meninggal dalam kecelakaan setiap tahunnya
dan sebagainya.

• Peubah Acak Kontinu: Sebuah Peubah Acak yang bisa bernilai pada sebarang nilai
dalam sebuah selang
Peubah acak kontinu adalah peubah acak yang dibangkitkan dari ruang sampel
kontinu. Peubah acak kontinu diperoleh dari semua nilai yang berada pada skala
kontinu dan menyatakan data yang dapat diukur seperti semua kemungkinan tinggi,
berat, temperatur, jarak, jangka hidup dan sebagainya.

D. Pengertian Peluang Suatu Kejadian

Kejadian atau peristiwa merupakan himpunan bagian dari ruang sampel Definisi
peluang : Peluang suatu kejadian yang diinginkan adalah perbandingan banyaknya
titik sampel kejadian yang diinginkan itu dengan banyaknya anggota ruang sampel
kejadian tersebut. Peluang disebut juga dengan nilai kemungkinan.

Contoh :

Pada percobaan melempar sebuah dadu bermata 6, pada ruang sampelnya terdapat
sebanyak 6 titik sampel, yaitu munculnya sisi dadu bermata 1, 2, 3, 4, 5, dan 6.
Kejadian-kejadian yang mungkin terjadi misalnya :
● Munculnya mata dadu ganjil
● Munculnya mata dadu genap
● Munculnya mata dadu prima

5
Jika pada percobaan tersebut diinginkan kejadian munculnya mata dadu prima, maka
mata dadu yang diharapkan adalah munculnya mata dadu 2, 3, dan 5, atau sebanyak 3
titik sampel. Sedang banyaknya ruang sampel adalah 6, maka peluang kejadian
munculnya mata dadu prima adalah 3/6
Atau: Menyatakan nilai peluang suatu kejadian pada suatu percobaan dapat
dinyatakan dengan menggunakan cara :

Contoh: Pada percobaan melempar sebuah koin bersisi angka (A) dan gambar (G)
dengan sebuah dadu bermata 1 sampai 6 bersama-sama sebanyak satu kali. Berapa
peluang munculnya pasangan koin sisi gambar dan dadu mata ganjil ?
Banyaknya kejadian munculnya pasangan gambar dan mata dadu ganjil ada 3, yaitu
(G,1), (G,3) dan (G,5). Peluang kejadian munculnya pasangan gambar dan mata dadu
ganjil adalah 3

E. Batas-Batas Nilai Peluang

Nilai peluang suatu kejadian (P) memenuhi sifat , 0 ≤ P ≤ 1
yang berarti Jika P = 0, maka kejadian tersebut tidak pernah terjadi atau suatu
kemustahilan Jika P = 1, maka kejadian tersebut merupakan kepastian.
Jika A adalah suatu kejadian yang terjadi, dan A’ adalah suatu kejadian dimana A
tidak terjadi, maka :
P(A)+P(A’) = 1

Contoh Soal:

1. Peluang yang dimiliki seorang anak di Papua untuk terkena busung lapar adalah
0,12. Lalu berapakah peluang seorang anak tidak terkena penyakit busung lapar?

Penyelesaian:
P(terkena busung lapar) = 0,11
P(tidak terkena busung lapar) = 1 – P(terkena busung lapar)
P(tidak terkena busung lapar) = 1 – 0,11
P(tidak terkena busung lapar) = 0,89

2.  Dua buah dadu kubus homogen bermata enam dilempar bersama-sama sebanyak
satu kali. Berapakah peluang munculnya mata dadu tidak berjumlah 12 ?

6
 Jawab :
Banyaknya ruang sampel percobaan tersebut ada 36 kejadian, sedang kejadian
muncul mata dadu berjumlah 12 ada 1 kejadian yaitu (6,6), sehingga peluang
muncul mata dadu berjumlah 12 yaitu 1/36. sehingga peluang muncul mata dadu 
tidak berjumlah 12 yaitu 1-1/36 = 35/36
F. Frekuensi Harapan
Frekuensi Harapan (fh) dari suatu kejadian adalah banyaknya kemunculan kejadian
yang dimaksud dalam beberapa kali percobaan.
Atau dirumuskan seperti:
fh kejadian A =p(A) x banyaknya percobaan
Contoh Soal:
 Sebuah dadu bermata enam dilempar sebanyak 120 kali. Berapa harapan akan
muncul mata dadu 6?

Jawab:
fh muncul mata dadu 6= P (mata 6) x 120 kali
1
= x 120 kali
6
= 20 kali
G. Teorema Peluang
Teorema 1.1:
Misalkan A dan B adalah kejadian dalam ruang contoh S
dan AC menyatakan komplemen dari A, maka
(a) P(A) = 1 - P(A)
(b) Jika A ⊆ B maka P(A) ≤ P(B)
(c) P(A ∪ B) = P(A) + P(B) – P (A ∩ B)
Bukti (a) : Perhatikan bahwa A ∪ Ac = S dan A ∩ Ac = ∅. Karena A dan Ac saling
lepas, maka
P(A ∪ Ac) = P(A) + P(Ac) = 1
Jadi P(Ac) = 1 – P(A)

H. Operasi Irisan dan Gabungan Dua Himpunan

7
A  ∩ B = { x | x  ∈ A  dan   x ∈ B } , dengan kata lain  himpunan A irisan  B  merupakan
himpunan yang anggota-anggotanya merupakan anggota himpunan A dan juga anggota
B.

Contoh 1:

A = { 1, 2, 3, 4, 5, 6} , dan B = { 2, 3, 5, 7} , maka     A ∩ B = { 2, 3, 5}, dan  n (A ∩ B)

=3

A  U  B = { x | x  ∈ A  atau   x ∈ B },  gabungan himpunan A dan B  adalah suatu
himpunan yang anggota-anggotanya merupakan anggota himpunan
A atau   anggota B.

Contoh 2:

A = { 1, 2, 3, 4, 5, 6} , dan B = { 2, 3, 5, 7} , maka  A  U  B = { 1, 2, 3, 4, 5, 6, 7 } , dan

n (A  U  B) = 7 .

Hubungan  dua himpunan   A  dan B

Ada  empat kemungkinan hubungan antara himpunan A dan B  seperti digambarkan

dengan diagram Venn berikut:

Gb. (i)  menyatakan  B merupakan himpunan bagian (subset) dari A) atau

A memuat B  (superset).

Gb. (ii)  menyatakan  A merupakan himpunan bagian  dari B) atau B memuat A .

Gb. (iii)  menyatakan  himpunan A beririsan dengan himpunan B ,  A  ∩  B .  atau   A
∩  B ≠ ø

Disebut juga  himpunan A dan B  tidak saling lepas .

Gb. (iv)  menyatakan  himpunan A tidak beririsan dengan himpunan B ,  A  ∩ B = ø  .

8
Disebut juga  himpunan A dan B  saling lepas (terpisah).

Banyaknya anggota  A Gabung  B 

Pada kasus (i) ,  A  ∩ B = A  ,  maka  n (A  ∩ B) = n (A) .

Pada kasus (ii) ,  A  ∩  B = B  ,  maka  n (A ∩ B) = n (B) .

Pada kasus (iii) ,  A  U  B = A + B – (A ∩  B)  ,  maka  n (A U B) = n (A) + n (B) –

n(A  ∩ B)

Pada kasus (iv) ,  A U  B = A  + B ,  maka  n (A U  B) = n (A) + n (B)

Rumus (i) s.d. (iv) cukup mudah dicerna dengan nalar kita, begitupun pembuktian rumus
(iii).

n (A  U   B) = n (A) + n (B) – n(A ∩ B)

Bukti:

 Jika   n (A) = x + y  ,  n(B) = y + z , dan  n(A  ∩ B) = y  seperti pada diagram Venn
berikut:

   

maka,  n (A U B)    = x  + y +  z

                                    = x  + y  + y + z  – y                      (teknik menambah dan

mengurang)

                                    = (x + y) + ( y + z) – y

                                    = n (A)   + n (B)  –  n(A ∩ B)   ( yang harus dibuktikan).

 Contoh 3:

Seperti pada contoh 2, kita gunakan rumus (iii)

n (A  U  B)   = n (A) + n (B) – n(A ∩ B)

9
                      =  6  + 4  –  3

                     =  7

I. Sebaran Peluang
Sebaran Peluang Diskret
Merupakan sebaran peluang bagi peubah acak yang nilai – nilainya diperoleh dengan cara
mencacah (counting)

Sebaran Peluang Kontinu

Merupakan sebaran peluang bagi peubah acak yang nilai – nilainya diperoleh dengan
menggunakan alat ukur

Beberapa Sebaran Peluang Diskrit

1. Sebaran Seragam
Distribusi seragam (uninformly distribution) merupakan distribusi probabilitas
yang paling sederhana diantara distribusi-distribusi probabilitas yang lain. Dalam
distribusi ini setiap nilai peubah acak mempunyai probabilitas terjadi yang sama.
Distribusi seragam dapat pula didefinisikan seperti berikut. Bila peubah acak X
mempunyai nilai-nilai X1, X2, …Xk, dengan probabilitas yang sama, distribusi
seragam diskret dinyatakan sebagai
Rumus 1.1

P(x : k) = 1/k untuk x = x1, x2, …, xk

Kita menggunakan notasi p(x, k), alih-alih p(x) untuk menunjukkan bahwa distribusi seragam
bergantung pada parameter k.

Contoh :

1) Sebuah dadu setimbang dilemparkan sekali. Bila x menyatakan mata dadu yang muncul,
buatlah distribusi probabilitas x!
Jawab
Ruang contoh S = {1,2,3,4,5,6} dan setiap mata dadu mempunyai probabilitas yang sama
untuk muncul, yaitu 1/6. Dengan demikian distribusi seragamnya adalah
p(x : 6) = 1/6 untuk x = 1,2,3,4,5,6

2) Tim bulu tangkis terdiri atas 8 orang. Bila dari tim tersebut dipilih 2 orang secara acak
untuk melakukan pertandingan, tentukan distribusi seragam yang diambil secara acak!

10
 Jawab
Jumlah dalam satu tim 8 orang, maka kita mengambil 2 orang secara acak dalam (8 2) =
28 orang. Bila cara masing-masing diberi nomor 1 sampai 28, distribusi probabilitasnya
adalah
p(x : 28) = 1/28 untuk x = 1, 2,…, 28

2. Sebaran Binomial dan Multinomial

Dalam distribusi multinomial sebuah percobaan akan menghasilkan beberapa
kejadian (lebih dari dua) yang saling meniadakan atau saling lepas (mutually
exclusive).
Sebagai contoh, keadaan cuaca dapat digolongkan menjadi cerah, hujan, atau mendung.
Pilihan kendaraan untuk ke kantor adalah mobil sendiri, bus, kereta api, angkot bahkan ojek.
Seluruhnya merupakan ulangan-ulangan yang menghasilkan lebih dari dua kemungkinan.
Secara umum, bila setiap ulangan dapat menghasilkan satu diantara k kemungkinan hasil
percobaan E1, E2, …, Ek kali kejadian dalam n ulangan yang bebas dengan x1 + x2 + … + xk =
n. sedangkan banyaknya sekatan n elemen ke dalam k kelompok dengan x 1 dalam kelompok
pertama, x2 dalam kelompok kedua, … dan xk dalam kelompok ke k merupakan suatu
permutasi dari n elemen yang seluruhnya tidak dapat dibedakan. Dengan demikian,
probabilitas distribusi multinomial dapat dirumuskan secara matematik dengan persamaan
berikut
Rumus 1.6
b(x1, x2, …xn : n : p1, p2, …, pk) = (n x1, x2, …xk) p1x1 p2x2 … pkxt

dengan probabilitas suku-suku pengurai multinomial p1 + p2 + … + pk = 1

Contoh :
1. Dalam pemilu legislatif, para konstituen mempunyai pilihan mencoblos 3 partai politik
dengan probabilitas pilihan : PAN 0.5, Partai Demokrat 0.3, GOLKAR 0.2. berapa
probabilitas bahwa di antara 10 konstituen sebanyak 4 konstituen memilih PAN, 3
konstituen memilih PD dan 3 konstituen memilih GOLKAR
Jawab
Kita daftar kejadian yang mungkin
E1 = 4 konstituen memilih PAN

11
 E2 = 3 konstituen memilih PD
E3 = 3 konstituen memilih GOLKAR
Setiap ulangan dengan probabilitas masing-masing, p1 = 0.5, p2 = 0.3 dan p3 = 0.2 oleh
karena x1=4, x2=3 dan x3=3, distribusi multinomial adalah
b(4, 3, 3 : 10 : 0.5, 0.3, 0.2) = (10 4,3,3) (0.5)4 (0.3)3 (0,2)2
= 10! / 4! 3! 3! (0.0625) (0.027) (0.008)
= 0.057

Distribusi binomial merupakan suatu distribusi probabilitas peubah acak yang bersifat
diskret. Distribusi ini sering disebut proses Bernoulli (Bernoulli Trials). Nama ini diambil
dari seorang ahli matematika berkebangsaan Swiss, yaitu James Bernoulli (1654 – 1705).
Pada umumnya, suatu eksperimen atau percobaan dapat dikatakan eksperimen atau
percobaan binomial apabila mempunyai beberapa syarat berikut :

a. Setiap percobaan selalu dibedakan menjadi dua macam kejadian yang bersifat saling
meniadakan (mutually exclusive)

b. Dalam setiap percobaan hasilnya dapat dibedakan, yaitu berhasil atau gagal

c. Probabilitas kejadian berhasil dinyatakan dengan huruf p, sedangkan probabilitas gagal

dinyatakan dengan huruf q, dimana p + q = 1 atau q = 1 – p

d. Masing-masing percobaan merupakan peristiwa yang bersifat bebas, yaitu peristiwa yang
satu tidak dapat mempengaruhi peristiwa yang lain

Misalnya, keluarga Markus merencanakan memiliki 3 anak seperti yang terlihat pada tabel
1.1. Disini setiap kelahiran anak laki-laki dikatakan “berhasil” dan setiap kelahiran anak
perempuan dikatakan “gagal”. Dengan demikian, banyaknya anak laki-laki dipandang
sebagai sebuah peubah acak x yang mengambil bilangan 0 sampai 3. Peubah acak x yang
merupakan banyaknya keberhasilan dalam setiap percobaan disebut peubah acak binomial.

Tabel 1.1 hasil “percobaan” keluarga Markus

Ruang contoh Peubah X Probabilitas

PPP 0 1/8

LPP 1 1/8

PLP 1 1/8 = 3/8

12
 PPL 1 1/8

LLP 2 1/8

LPL 2 1/8 = 3/8

PLL 2 1/8

LLL 3 1/8

Selanjutnya, ilustrasi keluarga Markus di atas akan kita generalisasi dengan mencari
rumusan yang lebih umum dari distribusi binomial. Bila kelahiran anak laki-laki dinyatakan
sebagai x, probabilitas kelahiran anak laki-laki mempunyai nilai yang tetap, yaitu ½.
Probabilitas kelahiran anak laki-laki yang dipandang berhasil adalah x dengan probabilitas p
dan sebaliknya, setiap kegagalan yaitu kelahiran anak perempuan, adalah (n – x) dengan
probabilitas q = 1 – p. Dengan demikian, probabilitas untuk urutan tertentu dinyatakan
dengan px . qn-x

Sekarang tinggal menghitung banyaknya kombinasi yang mempunyai keberhasilan x dan

kegagalan (n – x). Bilangan ini tidak lain adalah bentuk kombinasi. Selanjutnya, banyaknya
kombinasi ini dikalikan dengan px . qn-x untuk mendapatkan rumus distribusi binomial.
Dengan kata lain, jika suatu percobaan binomial mempunyai probabilitas keberhasilan p dan
probabilitas kegagalan q, distribusi probabilitas peubah acak x adalah banyaknya
keberhasilan dalam n percobaan yang bebas dan dinyatakan oleh

Rumus 1.2

b(x : n : p) = (n x) px . qn-x dengan x = 0, 1, 2, … n

Tabel 1.2 Koefisien probabilitas distribusi binomial

Peubah X Koefisien Distribusi binomial Polinomial
0 1 (p+q) 0
1 p+q (p+q) 1
2 p + 2pq + q2
2
(p+q) 2
3 p3 + 3p2q1 + 3p1q2 + q3 (p+q) 3
4 p4 + 4p3q1 + 6p2q2 + 4p1q3 + q4 (p+q) 4
5 p + 5p4q1 + 10p3q2 + 10p2q3 + 5p1q4 + q5
5
(p+q) 5
… ……………………………………………………………….. ………
.
n p + np q + ….+ np1qn-1+ qn
n n-1 1
(p+q) n

13
 Misalnya, besarnya probabilitas keluarga Markus dengan 2 anak laki-laki dari 3 anak yang
dimiliki adalah

b(2 : 3 : ½) = (3 2) (1/2)2 (1-1/2) 3-2 = 3! / 2! (3-2)! (1/2)2(1/2)1 = 3/8

Perumusan 1.2 dapat dirangkum dalam bentuk tabel probabilitas binomial bagi peubah
acak x yang memuat kombinasi yang mungkin terjadi.

Nilai rata-rata dan varian distribusi binomial pada dasarnya ditentukan oleh berbagai
macam peristiwa yang dihasilkan dari percobaan binomial, terutama probabilitas keberhasilan
atau kegagalannya. Misalkan hasil percobaan ke n dinyatakan peubah acak Ln dengan
probabilitas p keberhasilan Ln = 1 dan probabilitas q kegagalan Ln = 0. Suatu percobaan
binomial banyaknya keberhasilan dituliskan sebagai jumlah n peubah acak bebas :

x = L1 + L2 + … + Ln

Nilai harapan setiap Ln adalah E(Ln) = 1 (p) + 0 (q) = p sehingga rata-rata suatu populasi
distribusi binomial dapat dinyatakan sebagai perkalian n percobaan dengan probabilitas
percobaan.

Rumus 1.3

µ = E(x) = E(L1) + E(L2) + … + E(Ln)

= p + p + … + p = n.p

Sementara besarnya ragam distribusi binomial dapat dicari dari hubungan berikut. Ragam
populasi untuk setiap Li adalah

δ2 Li = E [(Li – p)2] = E(Li2) – p2

= (1)2p + (0)2 q – p2 = p.q

Dengan demikian, total ragam populasi distribusi binomial dirumuskan sebagai berikut :

Rumus 1.4

δ2 = δ2 L1 + δ2 L2 + … + δ2 Ln = p.q + p.q + … = npq

dan simpangan bakunya adalah

Rumus 1.5

δ = √n p q

14
Contoh :

1) Keluarga Markus berencana memiliki 3 anak. Bila X menyatakan banyaknya kelahiran

anak laki-laki, hitunglah
a. Probabilitas kelahiran 2 anak laki-laki
b. Probabilitas memiliki tidak lebih dari 2 anak laki-laki
c. Rata-rata dan simpangan baku peubah acak X
Jawab
Probabilitas kelahiran anak laki-laki sama dengan anak perempuan, p,q = ½ dan n = 3
a. Probabilitas lahir 2 anak laki-laki
p(x = 2) = b(x : n : p) = (n x) px . qn-x
= b(2 : 3 : ½) = (3 2) (1/2)2 . (1/2) 3-2
= 3! / 2! (3 – 2)! . (½) 2+1
= 3! / 2! 1! . (1/2) 3
= 3 . (½)3
= 3 . 0.125 = 0.375
b. Tidak lebih dari 2 anak laki-laki
p(x ≤ 2) dimana x = 0, 1 dan 2
b (0 : 3 : ½) = (3 0) (1/2)0 . (1/2) 3-0
= 3! / 0! (3 – 0)! . (½) 0+3
= 3! / 3! . (1/2) 3
= 0.125
b (1 : 3 : ½) = (3 1) (1/2)1 . (1/2) 3-1
= 3! / 1! (3 – 1)! . (½) 1+2
= 3! / 1! 2! . (1/2) 3
= 0.375
b (2 : 3 : ½) = (3 2) (1/2)2 . (1/2) 3-2
= 3! / 2! (3 – 2)! . (½) 2+1
= 3! / 2! 1! . (1/2) 3
= 3 . (½)3
= 3 . 0.125 = 0.375
Sehingga p (x ≤ 2) = 0.125 + 0.375 + 0.375
= 0.875

15
 Dapat juga diselesaikan dengan bantuan tabel distribusi binomial
p(x ≤ 2) = Σ n= 0..2 b (x : 3 : 0.5)
= b (0 : 3 : ½) + b (1 : 3 : ½) + b (2: 3 : ½)
= 0.1250 + 0.375 + 0.375
= 0.875

c. Rata-rata, ragam dan simpangan baku kelahiran anak laki-laki

Rata-rata, µ = n . p = 3 . ½ = 1.5, dengan n = 3 dan p = ½
Simpangan baku, δ = √ n . p . q = √ 3 . ½. ½ = 0.866
Jadi, dalam kelahiran 3 anak, rata-rata anak laki-laki yang dilahirkan adalah 1.5 dengan
simpangan baku sebesar 0.866

2) Menurut penelitian, probabilitas seseorang untuk sembuh dari penyakit antraks dengan
pemberian obat tertentu adalah sebesar 60%. Jika diambil 10 orang yang terjangkit secara
acak, hitunglah :
a. Probabilitas tidak lebih dari 3 orang sembuh
b. Sedikitnya 5 orang sembuh
c. Rata-rata dan simpangan baku pasien sembuh
Jawab
n = 10, p = 60% = 0.6, q = 1 – p = 40% = 0.4
a. Tidak lebih dari 3 orang dapat sembuh
p(x ≤ 3) = Σ n= 0..3 b (x : 10 : 0.6)
= b (0 : 10 : 0.6) + b (1 : 10 : 0.6) + b (2 : 10 : 0.6) + b (3 : 10 : 0.6)
= 0.0001 + 0.0016 + 0.0106 + 0.0425
= 0.548

b. Sedikitnya 5 orang dapat sembuh

p(x ≥ 5) = 1 – (Σ n= 0..3 b (x : 10 : 0.6) + b (4 : 10 : 0.6))
= 1 – (0.548 + 0.1114)
= 0.3406
c. Rata-rata, ragam dan simpangan baku pasien dapat sembuh
Rata-rata µ = 10 (0.6) = 6
Simpangan baku, δ = √ 10. 0.6 . 0.4 = 1.55

16
3. Sebaran Binomial negatif dan Geometrik
Distribusi probabilitas semacam ini dikenal sebagai distribusi binomial negatif yang
dinotasikan dengan b*(x : n : p).

Bila x menyatakan banyaknya ulangan yang menghasilkan x keberhasilan, probabilitas

terjadinya keberhasilan pada ulangan bebas ke n didahului oleh n -1 keberhasilan dan n – x
kegagalan, distribusi peubah acak x merupakan banyaknya ulangan sampai terjadinya x
keberhasilan. Akan tetapi, karena masing-masing ulangan bebas satu sama lain, mereka perlu
dikalikan dengan semua probabilitas p dan kegagalan dengan q = 1 – p. Dengan demikian,
probabilitas urutannya berakhir pada keberhasilan, yaitu px qn-x. Sekarang tinggal menghitung
banyaknya kombinasi yang mempunyai keberhasilan x dan kegagalan (n – x). Bilangan ini
tidak lain adalah suatu kombinasi (n – 1, x – 1).

Selanjutnya banyak titik kombinasi ini dikalikan dengan px.qn–x untuk mendapatkan rumus
umum distribusi binomial negatif. Dengan kata lain, jika suatu percobaan binomial negatif
mempunyai probabilitas keberhasilan p dan probabilitas kegagalan q, distribusi probabilitas
peubah acak x adalah banyaknya ulangan sampai terjadinya x keberhasilan sehingga secara
matematis distribusi binomial negatif dirumuskan menjadi
Rumus 1.7

b*(x : n : p) = (n -1, x-1) px . qn-x

dengan x = n, n+1, n+2

contoh :
1. Seorang peneliti tengah menginokulasi beberapa tikus putih dengan menyuntikkan virus
yang menyerang metabolisme pencernaan sampai ia memperoleh 3 ekor tikus putih
terserang penyakit tersebut. Bila probabilitas terjangkit penyakit itu adalah 25%, berapa
probabilitas bahwa dalam percobaan itu diperlukan 10 ekor tikus
Jawab
b.(3 : 10 : 0.25) = (9 2) (0.25)3 . (0.75)7
= 9! / 2! (9 – 2)! . 0.0156 . 0.1335
= 36 . 0.0156 . 0.1335

17
 = 0.075
Jadi probabilitas diperlukannya 10 ekor tikus putih untuk 3 ekor tikus yang terserang
penyakit adalah 0.075 atau 7.5%

2. Menurut hasil penelitian ahli sosiologi, kurang lebih 800 dari 1000 wanita tidak setuju
dengan praktik poligami yang dilakukan para suami. Bila hasil penelitian ini benar,
hitunglah probabilitas bahwa pada suatu hari tertentu, wanita ke empat yang diwawancarai
adalah wanita ke empat yang tidak menyetujui poligami
Jawab
p = 800 / 1000, x = 4 dan n = 4
b . (4 : 4 : 8/10) = (3 3) . 8/103 2/100
= 1 . 0.4096 . 1
= 0.4096
Jadi, probabilitasnya wanita ke empat yang diwawancarai merupakan wanita keempat
yang tidak setuju dengan poligami adalah adalah 41%

Distribusi geometrik yang dapat didefinisikan bila percobaan bebas dan berulang-ulang
dapat menghasilkan keberhasilan dengan probabilitas p dan kegagalan dengan probabilitas
q=1–p, distribusi probabilitas bagi peubah acak x, yaitu banyaknya ulangan sampai muncul
keberhasilan yang pertama, dinyatakan dengan rumus berikut

Rumus 1.8

g(n : p) = p qn-1

contoh :
1. Menurut hasil penelitian ahli sosiologi, kurang lebih 800 dari 1000 wanita tidak setuju
dengan praktik poligami yang dilakukan para suami. Bila hasil penelitian ini benar,
hitunglah
a. Probabilitas bahwa seorang sosiolog memerlukan 3 orang wanita sampai diperoleh
wanita yang tidak setuju dengan poligami
b. Probabilitas bahwa seorang sosiolog memerlukan 3 orang wanita bila diketahui n = 5
Jawab
a. Dengan menggunakan distribusi geometrik, diketahui n = 3 dan p = 800/1000
g(n : p) = p.qn-1

18
 = 800/1000 . (200/1000)3-1
= 0.8 . 0.22
= 0.032

b. n = 5
g(n : p) = 800/1000 . (200/1000)5-1
= 0.8 . (0.2)4
= 0.00128

4. Sebaran Hipergeometrik
distribusi hipergeometrik merupakan bentuk probabilitas tanpa pengembalian (without
replacement), yaitu setiap pencuplikan data yang telah diamati tidak dimasukkan kembali
dalam populasi semula (Algifari, 2010).

Misalnya suatu kotak berisi 10 buah kelereng. 4 buah kelereng berwarna merah dan 6 buah
kelereng berwarna putih. Apabila diambil satu buah kelereng secara acak (random),
probabilitas terambilnya kelereng berwarna merah adalah 4/10. Apabila dilakukan
pengambilan lagi terhadap kelereng yang ada di kotak dan kelereng yang terambil pada
pengambilan pertama tidak dikembalikan, probabilitas terambilnya masing-masing kelereng
warna merah dan probabilitas kelereng warna putih akan berubah. Misalnya pada
pengambilan pertama terambil kelereng warna merah, probabilitas terambilnya kelereng
warna merah pada pengambilan kedua adalah 3/9 dan probabilitas terambilnya kelereng
warna putih adalah 6/9. Probabilitas terambilnya kelereng warna merah atau kelereng warna
putih setiap kali pengambilan akan berbeda-beda pada proses pengambilan tanpa
pengembalian.

Bila suatu populasi berukuran N terdiri atas k unsur yang diharapkan muncul (berhasil)
dan (N-k) unsur yang tidak muncul (gagal), pencuplikan n contoh adalah populasi berukuran
N, probabilitas mendapatkan x yang diharapkan mengikuti fungsi hipergeometrik. Disini
semua pengambilan contoh dianggap mempunyai probabilitas terpilih yang sama dan
banyaknya kombinasi yang berukuran n dari suatu populasi berukuran N adalah (N n).
Analog dengan ini adalah untuk memilih x keberhasilan dari k keberhasilan yang tersedia
terdapat (k x) macam kombinasi. Sedangkan banyaknya kombinasi kegagalan dari (n – k)

19
adalah (N-k, n-x). Dengan demikian, banyaknya contoh yang memenuhi syarat diantara
kombinasi (N n) adalah (N n) (N-k n-x).

Definisi secara umum dari distribusi probabilitas hipergeometrik bagi peubah acak x
adalah bila dari populasi berukuran N yang dapat digolongkan yaitu kelompok keberhasilan
dan kelompok kegagalan, masing-masing dengan k dan N-k unsur, dipilih sebanyak n,
distribusi probabilitas peubah acak x yang menyatakan banyaknya kejadian berhasil yang
terpilih adalah
Rumus 1.9
h(x : N : n : k) = (k x) (N – k, n - x) / (N n), dengan x = 0, 1, 2, 3…n

1.1 Nilai Rata-rata dan Varian Distribusi Hipergeometrik

Nilai rata-rata distribusi hipergeometrik merupakan hasil kali contoh berukuran n
dengan k keberhasilan dibagi dengan N populasinya. Secara matematis dirumuskan
sebagai
Rumus 1.10
µ = nK / N

Rasio k/N pada rumus di atas setara nilainya dengan probabilitas keberhasilan p sehingga
nilai rata-rata dibagi distribusi hipergeometrik dinyatakan dalam persamaan berikut
Rumus 1.11
µ = n.p

dan varian bagi distribusi hipergeometrik h(x : N : n : k) adalah

Rumus 1.12
δ2 = (N-n / N-1) n k/N (1 – k/N)

Bila n relatif sangat kecil dibandingkan dengan N, probabilitas pada pengambilan akan
kecil sekali sehingga dapat dikatakan bahwa percobaan menjadi percobaan binomial,
artinya kita dapat menghampiri distribusi hipergeometrik dengan menggunakan distribusi
binomial rasio p = k/N. Tampak bahwa varian populasi distribusi binomial pada rumus
1.11 diperoleh dengan mengambil limit dari ragam distribusi hipergeometrik rumus 1.12.
Rumus 1.13
lim N->∞ N-n / N-1 = lim N->∞ (N/N-1 – n/N-1) = 1

20
 Dapat dikatakan bahwa pengambilan contoh tanpa pemulihan bisa dianggap sebagai
pengambilan contoh dengan pemulihan asalkan ukuran populasi N sangat besar. Atas
dasar ini, semua perhitungan dapat dilakukan “seolah-olah” contoh diambil dari
pemulihan.

Contoh :
1. Sebuah kantong plastik berisi 5 kelereng merah dan 4 kelereng biru. Kemudian
diambil 3 kelereng tanpa pemulihan. Bila x menyatakan banyaknya kelereng merah
yang diambil, susunlah fungsi dan distribusi probabilitas hipergeometriknya
Jawab
Diketahui N = 9, k = 5, n = 3, N-k= 9 - 5 = 4
Dengan menggunakan rumus 1.9
h(x : N : n : k) = (k x) (N – k, n - x) / (N n), diperoleh
Pada (x = 0) h(0 : 9 : 4 : 5) = (5 0) (4 3) / (9 3)
= 4/84
Pada (x = 1) h(1 : 9 : 4 : 5) = (5 1) (4 2) / (9 3)
= 30/84
Pada (x = 2) h(2 : 9 : 4 : 5) = (5 2) (4 1) / (9 3)
= 40/84
Pada (x = 3) h(3 : 9 : 4 : 5) = (5 3) (4 0) / (9 3)
= 10/84
Semua kemungkinan peubah acak x berikut probabilitasnya dapat disusun dalam tabel
distribusi berikut
Tabel 1.1 Distribusi sebaran hipergeometrik
x 0 1 2 3
P(X = 4/84 30/84 40/84 10/84
x)

Jadi, fungsi distribusi hipergeometrik h(x : 9 : 4 : 5) = (5 x) (4 3-x) / (9 3)

Untuk x = 0, 1, 2, 3

2. 6 kartu diambil secara acak dari ½ kartu bridge (warna merah). Hitunglah probabilitas
diperolehnya 4 kartu wajik
Jawab

21
 Kita menggunakan distribusi hipergeometrik untuk n = 6 kartu yang diambil dari
populasi N = 26 kartu. Banyaknya kartu wajik k = 13 dan x = 4. Maka probabilitas
untuk memperoleh 4 kartu wajik dari 6 kartu yang diambil adalah
h(4 : 26 : 6 : 13) = (13 4) (13 2) / (26 6)
= 715. 78 / 230230 = 0.242

5. Sebaran Poisson
Distribusi poisson merupakan distribusi peubah acak dimana hasil percobaan terjadi
selama waktu tertentu atau di suatu daerah tertentu. Distribusi ini secara luas sering dipakai
terutama dalam proses simulasi, misalnya banyaknya dering telpon dalam satu jam di suatu
kantor, banyaknya kesalahan ketik dalam satu halaman laporan, dan sebagainya. Menurut
Benson (2008), percobaan poisson memiliki ciri-ciri sebagai berikut :
1. Banyaknya hasil percobaan yang terjadi pada suatu selang tertentu atau daerah tertentu
tidak bergantung pada banyaknya hasil percobaan pada selang waktu atau daerah lain
2. Probabilitas terjadinya satu hasil percobaan selama selang waktu tertentu yang singkat
sekali atau daerah lain yang kecil, sebanding dengan panjang selang waktu atau daerah
lain, juga tidak tergantung pada banyaknya hasil percobaan yang terjadi di luar selang
waktu atau daerah lain
3. Probabilitas bahwa lebih dari satu hasil percobaan akan terjadi dalam selang waktu yang
singkat atau daerah kecil dapat diabaikan

Perhatikan bentuk umum probabilitas binomial :

b(x, n, p) = (n (n – 1).(n – 2)…(n – x+1) / x! ) . px .qn-x

Oleh karena rata-rata distribusi binomial adalah µ = n.p dengan mengatur kembali suku-suku
ruas kanan, selanjutnya
b(x, n, p) = (n/n). (n-1/n) …(1 - µ/n) –x (µx / x!)(1 - µ/n)n
pada n = ∞, limit suku-suku dalam kurung bawah sama dengan 1. Selanjutnya dicari suku
terakhir pada ruas kanan, yaitu :
(1 - µ/n)n = (1 - µ/n) -(-n/µ)µ = e -µ

Untuk percobaan n yang cukup besar, distribusi binomial akan menjadi distribusi poisson
yang sering dituliskan p(X, µ). Nilai-nilai probabilitas distribusi poisson hanya bergantung
pada parameter µ, yaitu rata-rata banyaknya hasil percobaan yang terjadi selama selang

22
waktu tertentu atau daerah lain yang diberikan. Dengan demikian, rumus umum distribusi
poisson adalah sebagai berikut
Rumus 1.15
p(X, µ) = e -µ µx / x!
keterangan :
p(X, µ) = probabilitas x dengan µ tertentu
µ = banyaknya sukses yang diharapkan
e = suatu konstanta matematis yang nilainya mendekati 2,71828
x = banyaknya sukses setiap unit

Distribusi poisson merupakan turunan langsung dari distribusi binomial bila jumlah
percobaan lebih dari 20 amatan dan probabilitas p ≤ 0.05. dalam hal demikian, rata-rata
binomial akan diganti dengan rata-rata poisson.

Contoh :
1. Rata-rata banyaknya tikus per hektar yang menyerang tanaman padi adalah 8 ekor.
Hitunglah probabilitas bahwa dalam 1 hektar terdapat lebih dari 13 ekor
Jawab
Bila x menyatakan banyaknya tikus per hektar tanaman padi, probabilitas lebih dari 13
ekor tikus per hektarnya adalah
P(x > 13) = 1 - P(x ≤ 13)
= 1 – Σ0..13 e -8 8x / x!
= 1 – 0.9658
= 0.0342

23
 BAB III
PENUTUP
A. Kesimpulan
Peluang atau disebut juga probabilitas merupakan harga angka yang menunjukkan seberapa
besar kemungkinan suatu peristiwa atau kejadian akan terjadi.Ruang sampel adalah
himpunan semua hasil/kejadian yang mungkin terjadi dan dilambangkan dengan S. Di dalam
peluang dikenal ruang sampel dan titik sampel.
Sebaran peluang diskrit terdiri dari sebaran seragam, sebaran binomial dan multinomial,
sebaran binomial negative dan geometrik, sebaran poisson.

B. Saran
Dalam peluang yang memiliki pengertian himpunan kemungkinan hasil dari suatu
percobaan. Pastinya perhitungan matematika dengan menggunakan peluang digunakan
manusia dalam kehidupan sehari-hari dimana kita sering dihadapkan pada suatu pertanyaan
yang tidak diketahui jawabannya tetapi harus dijawab mungkin atau tidak mungkin. Saran
kami peluang itu tidak harus digunakan dalam kegiatan sehari-hari karena perhitungan
menggunakan peluang cukup rumit. Dan sebagian besar disekitar kita juga ada yang tidak
bisa menghitung. Jadi dalam mengetahui sesuatu hal bukan hanya bisa menggunakan
perhitungan peluang saja tetapi bisa juga dengan praktik.

24
 DAFTAR PUSTAKA

http://www.math.unsyiah.ac.id/ridha/images/TP_Inf/dasar-teori-peluang.pdf

http://file.upi.edu/Direktori/FPMIPA/JUR._PEND._MATEMATIKA/198205102005011-
AL_JUPRI/Teori_Peluang_Al_Jupri.pdf

https://statistikceria.blogspot.com/2012/01/teori-peluang.html

25