Statistik Probabilitas

Probabilitas

Uswatun Hasanah, S.Kom., M.Eng.

PTIK UNNES
 Outline:
• Definisi percobaan, ruang sampel, dan peristiwa
atau kejadian
• Definisi peluang/ probabilitas
• Sifat- sifat dari probabilitas
• Definisi probabilitas
• Probabilitas bersyarat
• Aturan Bayes
Definisi Percobaan, Ruang Sampel, dan Peristiwa
• Percobaan (atau disebut juga sebagai eksperimen probabilitas) adalah
segala kegiatan di mana suatu hasil (outcome), tanggapan (response),
ataupun ukuran (measurement) diperoleh.
• Ruang sampel adalah himpunan yang memuat seluruh kemungkinan hasil,
tanggapan, ataupun ukuran dari eksperimen tersebut. Biasanya, ruang
sampel dinotasikan dengan S.
• Peristiwa/kejadian adalah segala himpunan bagian dari hasil, tanggapan,
ataupun ukuran dalam suatu ruang sampel.

Gambar 5.1 Diagram Venn Probabilitas

 Probabilitas
• Probabilitas biasanya diberi simbol 𝑃 , dan
dinyatakan dalam angka positif, dengan
minimum 0 dan maksimum 1. Sedang simbol
untuk kemungkinan tidak terjadinya, biasanya
dinyatakan dengan 𝑄, yaitu 1 − 𝑃.
 Probabilitas (lanjutan)
• Jika 𝑃 = 0 maka berarti peristiwa itu tidak
mungkin terjadi, atau mustahil. Sebagai contoh
timbulnya matahari di malam hari adalah
mustahil, maka mempunyai probabilitas = 0
• Jika 𝑃 = 1 maka peristiwa itu pasti terjadi, tidak
mungkin tidak terjadi. Misalnya probabilitas
darah mengalir di dalam orang yang masih hidup
adalah 1.
 Probabilitas (lanjutan)
• Sebagain besar peristiwa-peristiwa yang kita
jumpai sehari-hari mempunyai probabilitas
antara 0 dan 1 (jarang yang tepat 0 atau tepat 1).
• Jika 𝑃 mendekati 0 maka berarti peristiwa itu
mempunyai kemungkinan kecil untuk terjadi, atau
cenderung untuk tidak terjadi.
• Jika 𝑃 mendekati 1 berarti peristiwa itu
mempunyai kemungkinan besar untuk terjadi.
 Definisi Probabilitas
• Definisi Klasik
Probabilitas adalah kemungkinan terjadinya suatu peristiwa di antara
keseluruhan peristiwa yang bisa terjadi.
Contoh:
• Sebuah mata uang logam (koin) yang mempunyai dua permukaan
yang simetris (misalnya kita namakan permukaan A dan permukaan
B) dilemparkan ke atas satu kali. Sewaktu jatuh permukaannya
mempunyai kemungkinan yang sama untuk tampak di atas sebab
simetris. Baik permukaan A dan B masing-masing mempunyai
1
kemungkinan atau 0,50 untuk tampak di atas (𝑃 𝐴 =
2
0,50 𝑑𝑎𝑛 𝑃 𝐵 = 0,50)
 Contoh lain:
• Sebuah dadu yang mempunyai 6 permukaan yang sama,
dilemparkan satu kali. Kemungkinan salah satu
1
permukaannya tampak di atas adalah
6
• Sebuah kantong berisi 4 kelereng merah dan 6 kelereng
putih. Kalau secara sembarang diambil sebuah kelereng
dari dalam kantong itu maka probabilitas untuk
4
mendapatkan kelereng merah sebesar atau 0,40 dan
10 6
untuk mendapatkan kelereng putih sebesar atau 0,60.
10
 Definisi Probabilitas
• Probabilitas Empiris
Probabilitas menurut pendekatan ini ditentukan
berdasarkan observasi. Artinya ditentukan berdasarkan
pengalaman atau peristiwa-peristiwa yang telah terjadi.
Misalnya jika seseorang dari jarak 5 meter melempar
sebuah benda 100 kali hanya kena 65 kali, maka berdasar
65
pendekatan ini probabilitasnya ditentukan atau 0,65.
100
 Definisi Probabilitas
• Pendekatan Subyektif
Menurut pendekatan ini probabilitas ditentukan
berdasarkan perasaan atau kira-kira dari
peneliti. Jadi cara ini dipengaruhi oleh pribadi
seseorang sehingga bersifat subyektif.
 Hubungan antara Probabilitas Teoritis dengan
Probabilitas Empiris
• Pendekatan empiris berbeda dengan pendekatan teoritis, maka seringkali
keduanya menghasilkan probabilitas yang tidak sama.
• Contoh:
• Menurut pendekatan klasik kemungkinan munculnya permukaan 𝐴 sama
1
dengan 𝐵 dalam pelemparan mata uang yang simetris. Atau 𝑃 𝐴 = 𝑃 𝐵 = .
2
Jadi kalau mata uang itu dilemparkan 100 kali, maka diperkirakan akan
mendapat 50 permukaan 𝐴 dan 50 permukaan 𝐵.
• Tetapi kalai menurut pendekatan empiris mungkin dari 100 lemparan diperoleh
permukaan 𝐴 = 55 kali dan 𝐵 = 45 kali. Jadi 𝑃 𝐴 = 0,55 dan 𝑃 𝐵 = 0,45.
Mungkin juga diperoleh 𝐴 = 47 dan 𝐵 = 53 atau 𝑃 𝐴 = 0,47 dan 𝑃 𝐵 =
0,53; tergantung dari hasil pelemparan itu.
• Dengan demikian, kedua pendekatan ini sering berbeda hasilnya kalau
melemparkannya hanya 100 kali.
 Hubungan antara Probabilitas Teoritis dengan
Probabilitas Empiris
Semakin besar frekuensi pelemparannya (semakin banyak melemparkannya),
maka probabilitas yang dihasilkan akan semakin mendekati probabilitas
teoritis. Hasilnya akan bisa sama jika melemparkannya sampai tak terhingga.
Sehingga probabilitasnya menjadi:

𝑓𝐴
𝑃 𝐴 = lim
𝑁→∞ 𝑁

𝑓𝐴 = frekuensi terjadinya A
𝑁 = banyaknya observasi (pelemparan)
Hubungan Antara Peristiwa Satu
Dengan yang Lain
 Mutually Exclusive
 Hubungan peristiwa yang mutually exclusive adalah
hubungan yang saling meniadakan atau saling asing.
 Artinya kalau suatu peristiwa terjadi, tidak mungkin
peristiwa yang lain juga terjadi.
 Misalnya kalau sebuah koin dilemparkan, maka tampaknya
permukaan A dan permukaan B mempunyai hubungan
yang saling meniadakan, sebab yang bisa terjadi hanya
salah satu dari dua permukaan itu yang tampak di atas.
Kalau A tampak di atas, pasti B tidak tampak.
 Independent
 Hubungan peristiwa-peristiwa dikatakan independent
apabila terjadinya suatu peristiwa tidak mempengaruhi
terjadinya peristiwa yang lain. Dengan kata lain,
mereka tidak saling mempengaruhi.
 Misalnya kalau dua buah mata uang dilemparkan,
maka munculnya permukaan A pada uang yang
pertama tidak mempengaruhi mata uang yang kedua,
mungkin saja terjadi permukaan A atau B pada mata
uang yang kedua.
 Conditional
 Hubungan peristiwa dikatakan conditional atau bersyarat
apabila terjadinya suatu peristiwa harus didahului oleh
peristiwa yang lain. Kalau peristiwa yang pertama terjadi,
baru peristiwa kedua bisa terjadi. Kalau peristiwa pertama
tidak terjadi maka peristiwa kedua tidak mungkin terjadi.
 Misalnya kalau sebuah bola lampu diberi aliran listrik baru
bisa menyala, kalau tidak diberi aliran listrik tidak mungkin
menyala. Meksipun diberi aliran listrik bisa juga tidak
menyala kalau bola lampu itu rusak.
 Exhaustive
 Sejumlah peristiwa dikatakan exhaustive jika
banyaknya macam peristiwa yang bisa terjadi itu
terbatas jumlahnya.
 Misalnya kalau sebuah dadu dilemparkan, maka yang
bisa tampak di atas hanya permukaan pertama, atau
kedua dan seterusnya sampai keenam. Tetapi tidak
mungkin terjadi permukaan ketujuh atau lebih, sebab
jumlah permukaan dadu itu hanya 6.
Rumus-rumus Dasar Probabilitas
1. Peristiwa-peristiwa mutually exclusive
• Peristiwa-peristiwa yang mutually exclusive tidak memungkinkan dua
peristiwa atau lebih terjadi bersama-sama. Kalau satu terjadi yang lain
pasti tidak. Yang kita cari hanyalah terjadinya peristiwa satu atau yang lain.
• Probabilitas terjadinya peristiwa satu atau yang lain, misalnya peristiwa A
atau B, biasanya ditulis dengan symbol 𝑃 𝐴 𝑎𝑡𝑎𝑢 𝐵 = 𝑃(𝐴 ∪ 𝐵).
• Untuk mencari probabilitasnya kita gunakan rumus sebagai berikut:

𝑃 𝐴 𝑎𝑡𝑎𝑢 𝐵 = 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃(𝐵)

• Probabilitas terjadinya peristiwa A atau B sebesar probabilitas terjadinya

peristiwa A secara individual ditambah probabilitas terjadinya peristiwa B
secara individual.
 Contoh peristiwa mutually exclusive
Kalau sebuah dadu dilemparkan, maka probabilitas munculnya
permukaan pertama di atas sama dengan probabilitas munculnya
1
permukaan keempat di atas, masing-masing .
6
Kalau ditanyakan dalam lemparan itu berapakah probabilitas diperoleh
permukaan pertama atau permukaan keempat salah satu muncul di
atas, maka jawabannya adalah sebagai berikut:
1 1
𝑃 1 = 𝑃 4 =
6 6

1 1 2 1
𝑃 1 𝑎𝑡𝑎𝑢 4 = + = =
6 6 6 3
 Contoh peristiwa mutually exclusive
Kemungkinan Hasan saat ini sedang tidur adalah 0,30 sedangkan
kemungkinan saat ini ia sedang mandi adalah 0,20. berapa kemungkinan dia
sedang mandi atau sedang tidur?
Jawab:
𝐴 = peristiwa tidur  𝑃 𝐴 = 0,30
𝐵 = peristiwa mandi  𝑃 𝐵 = 0,20

𝑃 𝐴 𝑎𝑡𝑎𝑢 𝐵 = 𝑃 𝐴 ∪ 𝐵 = 0,30 + 0,20 = 0,50

Jadi kemungkinan saat ini Hasan sedang tidur atau sedang mandi adalah 0,50.
 2. Peristiwa-peristiwa independent
• Jika dua peristiwa memiliki hubungan independent, berarti
peristiwa-peristiwa itu bisa terjadi salah satu saja, bisa
terjadi bersama-sama atau tidak terjadi semua.
• Rumus untuk mencari probabilitasnya sebagai berikut:

Probabilitas terjadi bersama-sama:

𝑃 𝐴 𝑑𝑎𝑛 𝐵 = 𝐴 ∩ 𝐵 = 𝑃 𝐴 × 𝑃(𝐵)

Probabilitas terjadi salah satu:

𝑃 𝐴 𝑎𝑡𝑎𝑢 𝐵 = (𝐴 ∪ 𝐵) = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)
 Contoh peristiwa independent
Dua buah dadu dilemparkan bersama-sama. Berapakah kemungkinan:
 Mendapatkan permukaan 1 semua dari dua dadu itu yang tampak di atas.
 Mendapatkan permukaan nomor 1 pada dadu pertama atau pada dadu kedua yang tampak di atas.
Jawab:
Dua dadu tidak saling mempengaruhi. Misalnya mendapatkan permukaan nomor 1 pada
dadu pertama kita sebut peristiwa 𝐴, dan mendapatkan permukaan 1 pada dadu kedua
disebut peristiwa 𝐵,
1 1
maka: 𝑃 𝐴 = 6 dan 𝑃 𝐵 = 6
1 1 1
𝑃 𝐴∩𝐵 =𝑃 𝐴 ×𝑃 𝐵 = × =
6 6 36
1
Jadi, kemungkinan dua dadu itu muncul permukaan nomor 1 semua adalah 36

1 1 1 11
𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵 = + − =
6 6 36 36
11
Jadi, kemungkinan salah satu dari dua dadu itu muncul permukaan nomor 1 adalah 36
3. Peristiwa-peristiwa conditional
• Dalam hubungan peristiwa-peristiwa yang bersyarat, suatu
peristiwa hanya bisa terjadi jika peristiwa yang mendahuluinya
terjadi.
• Misalnya peristiwa 𝐵 hanya bisa terjadi jika peristiwa 𝐴 telah
terjadi, maka kita harus membedakan dua macam probabilitas:
𝑃(𝐴) = probabilitas terjadinya peristiwa 𝐴, atau peristiwa yang pertama.
𝑃 𝐵 𝐴 = probabilitas terjadinya peristiwa 𝐵 setelah peristiwa 𝐴 terjadi.
• Kemudian untuk mencari probabilitas terjadinya peristiwa 𝐵 kita
gunakan rumus sebagai berikut:

𝑃 𝐵 = 𝑃(𝐴) × 𝑃(𝐵|𝐴)
 Contoh peristiwa conditional
Probabilitas seorang calon mahasiswa diterima di Fakultas Teknik UGM
sebesar 0,40 dan kalau ia sudah menjadi mahasiswa, kemungkinan
untuk lulus sarjana sebesar 0,90. berapakah kemungkinan calon itu
akan lulus sarjana?
Jawab:
Misalkan diterima di Fakultas Teknik UGM adalah peristiwa 𝐴 dan lulus
sarjana peristiwa 𝐵 , maka 𝑃 𝐴 = 0,40 dan 𝑃 𝐵 𝐴 = 0,90 .
Kemungkinan calon itu akan lulus sarjana di Fakultas tersebut.

𝑃 𝐵 = 𝑃 𝐴 × 𝑃 𝐵 𝐴 = 0,40 × 0,90 = 0,36

 Contoh peristiwa conditional
Penelitian terhadap 100 Tamatan Sekolah Lanjutan Pertama tentang jenis
kelamin dan hasil ujian dalam mata pelajaran Aljabar yang mereka peroleh
adalah seperti terlihat pada tabel berikut:
Di sini kita mempunyai dua sifat klasifikasi, yakni jenis kelamin (𝐵) dan hasil ujian
Aljabar (𝐴). Dari data tersebut kita dapat membuat analisis sebagai berikut:
25 45 70
𝑃 𝐵1 = 𝑃 𝐵1 ∩ 𝐴1 + 𝑃 𝐵1 ∩ 𝐴2 = + =
100 100 100

20 10 30
𝑃 𝐵2 = 𝑃 𝐵2 ∩ 𝐴1 + 𝑃 𝐵2 ∩ 𝐴2 = + =
100 100 100

Demikian pula:
25 20 45
𝑃 𝐴1 = 𝑃 𝐴1 ∩ 𝐵1 + 𝑃 𝐴1 ∩ 𝐵2 = + =
100 100 100

45 10 55
𝑃 𝐴2 = 𝑃 𝐴2 ∩ 𝐵1 + 𝑃 𝐴2 ∩ 𝐵2 = + =
100 100 100
Probabilitas tersebut dinamakan marginal probability.
Berapakah probabilitasnya bahwa tamatan yang
mendapatkan nilai kurang dari 6 adalah anak
perempuan. Ini adalah sama dengan probabilitas
bersyarat dari 𝐵2 (anak perempuan) kalau telah
diketahui nilainya kurang dari 6 (𝐴1 ).
20
𝑃(𝐴1 ∩𝐵2 ) 100 20
𝑃 𝐵2 𝐴1 = = 45 =
𝑃(𝐴1 ) 45
100

Jadi 𝑃 𝐴1 ∩ 𝐵2 = 𝑃(𝐴1 ) ⋅ 𝑃 𝐵2 𝐴1
Probabilitas Bersyarat (conditional probability)
• Probabilitas bersyarat (conditional probability) adalah
probabilitas dari sebuah peristiwa yang akan terjadi jika
sebuah peristiwa lainnya telah terjadi.
• Gambar berikut menunjukkan bahwa dengan diketahui
terlebih dahulu berlangsungnya peristiwa 𝐵 , maka
terjadi perubahan (pengurangan) pada ruang sampel
yang perlu dipertimbangkan untuk menentukan
probabilitas peristiwa 𝐴.
Probabilitas Bersyarat (conditional probability)

• Probabilitas bersyarat peristiwa 𝐴 akan terjadi jika

peristiwa 𝐵 telah terjadi, didefinisikan sebagai berikut:

𝑃(𝐴∩𝐵)
𝑃 𝐴𝐵 = 𝑃 𝐵 >0
𝑃(𝐵)
 Contoh Probabilitas Bersyarat
• Sebuah perusahaan pembuat personal computer melengkapi produk
terbarunya dengan program-program siap pakai. Jika dihitung dari jumlah
seluruh produk terbaru itu, 60% dilengkapi dengan program word
processor, 40% dilengkapi dengan program spreadsheet, dan 30%
dilengkapi dengan kedua program siap pakai tersebut.
• Misalkan seseorang membeli computer buatan perusahaan tersebut dan
didefinisikan:
A = {computer yang dilengkapi dengan program word processor}
B = {computer yang dilengkapi dengan program spreadsheet}
Maka dapat kita tuliskan sebagai berikut:

𝑃 𝐴 = 0,6 𝑃 𝐵 = 0,4 𝑑𝑎𝑛 𝑃 𝐴 ∩ 𝐵 = 0,3

 Contoh Probabilitas Bersyarat
• Jika computer yang dibeli oleh orang tersebut telah dilengkapi dengan
program spreadsheet, maka probabilitas computer itu juga dilengkapi
dengan program word processor adalah probabilitas bersyarat 𝑃(𝐴|𝐵):

𝑃(𝐴 ∩ 𝐵) 0,3
𝑃 𝐴𝐵 = = = 0,75
𝑃(𝐵) 0,4

• Dengan kata lain, dari seluruh computer yang dilengkapi dengan program
spreadsheet, 75%-nya dilengkapi pula dengan word processor.
Contoh Probabilitas Bersyarat
 Contoh Probabilitas Bersyarat
Kotak A berisi 3 bola putih dan 5 bola merah.
Kotak B berisi 2 bola putih, 1 bola merah, dan 2
bola hijau. Bila kita secara random memilih
sebuah kotak, kemudian secara random pula
memilih satu bola dari dalamnya, berapakah
probabilitas kita akan mendapatkan bola putih?
Percobaan tersebut bila digambarkan
dalam bentuk diagram pohon akan
menjadi seperti berikut
 3 1 3
𝑃 𝑝𝑢𝑡𝑖ℎ ∩ 𝑘𝑜𝑡𝑎𝑘 𝐴 = × =
8 2 16
Sedangkan
2 1 2 1
𝑃 𝑝𝑢𝑡𝑖ℎ ∩ 𝑘𝑜𝑡𝑎𝑘 𝐵 = × = =
5 2 10 5
3 1 31
𝑃 𝑝𝑢𝑡𝑖ℎ = 𝑃 𝑝𝑢𝑡𝑖ℎ 𝑑𝑎𝑟𝑖 𝑘𝑜𝑡𝑎𝑘 𝐴 + 𝑃 𝑝𝑢𝑡𝑖ℎ 𝑑𝑎𝑟𝑖 𝑘𝑜𝑡𝑎𝑘 𝐵 = + =
16 5 80

Atau dihitung dengan rumus:

𝑃 𝑝𝑢𝑡𝑖ℎ = 𝑃 𝑘𝑜𝑡𝑎𝑘 𝐴 ∙ 𝑃 𝑝𝑢𝑡𝑖ℎ 𝑘𝑜𝑡𝑎𝑘 𝐴 + 𝑃 𝑘𝑜𝑡𝑎𝑘 𝐵 ∙ 𝑃 𝑝𝑢𝑡𝑖ℎ 𝑘𝑜𝑡𝑎𝑘 𝐵

1 3 1 2 3 1 31
= + = + =
2 8 2 5 16 5 80
 Teorema Bayes
• Sesuai dengan rumus kejadian bersyarat, diketahui bahwa:
𝑃 𝐴∩𝐵 =𝑃 𝐴 ∙𝑃 𝐵 𝐴 =𝑃 𝐵 ∙𝑃 𝐴 𝐵

• Dari persamaan tersebut kita dapatkan:

𝑃(𝐴) ⋅ 𝑃(𝐵|𝐴)
𝑃 𝐴𝐵 =
𝑃(𝐵)

Misalkan bahwa peristiwa 𝐵 hanya bisa terjadi jika salah satu peristiwa
𝐴1 , 𝐴2 , … , 𝐴𝑛 juga terjadi, di mana 𝑛 peristiwa 𝐴 tersebut saling asing.
• Maka:
𝐵 = 𝐴1 𝐵 + 𝐴2 𝐵 + ⋯ + 𝐴𝑛 𝐵

𝑃 𝐵 = 𝑃 𝐴1 ∩ 𝐵 + 𝑃 𝐴2 ∩ 𝐵 + ⋯ + 𝑃 𝐴𝑛 ∩ 𝐵
= 𝑃 𝐴1 ∙ 𝑃 𝐵 𝐴1 + 𝑃 𝐴2 ∙ 𝑃 𝐵 𝐴2 + ⋯ + 𝑃 𝐴3 ∙ 𝑃 𝐵 𝐴3
= σ𝑛𝑖=1 𝑃 𝐴𝑖 ∙ 𝑃 𝐵 𝐴𝑖

Dengan demikian kita dapatkan:

𝑃(𝐴𝑘 ) ∙ 𝑃 𝐵 𝐴𝑘
𝑃 𝐴𝑘 𝐵 = 𝑛
σ𝑖=1 𝑃 𝐴𝑖 ∙ 𝑃 𝐵 𝐴𝑖 Rumus Bayes
Contoh Penerapan Teorema Bayes
Sebuah pabrik menggunakan 4 buah mesin
(𝐴1 , 𝐴2 , 𝐴3 , 𝑑𝑎𝑛 𝐴4 ) untuk menghasilkan satu macam
barang. Hasilnya pada akhir bulan adalah: dari mesin
𝐴1 = 100 buah, dari mesin 𝐴2 = 120 buah, dari mesin
𝐴3 = 180 buah dan dari mesin 𝐴4 = 200 buah. Jumlah
seluruhnya adalah 600 buah. Mesin 𝐴1 dan 𝐴2
mempunyai probabilitas menghasilkan barang yang rusak
5% sedangkan mesin 𝐴3 dan 𝐴4 probabilitasnya 1%. Jika
dari 600 buah barang tersebut diambil 1 secara random
dan ternyata rusak, berapakah probabilitasnya bahwa
barang tersebut berasal dari mesin 𝐴4 ?
Probabilitas bahwa sebuah barang dari mesin
100 1
𝐴1 = 𝑃 𝐴1 = =
600 6
Dan dari mesin 𝐴2 , 𝐴3 , 𝐴4
120 1
𝑃 𝐴2 = =
600 5
180 3
𝑃 𝐴3 = =
600 10
200 1
𝑃 𝐴4 = =
600 3
Selanjutnya kita ketahui probabilitas bahwa
sebuah barang yang rusak berasal dari mesin
𝐴1 = 𝑃 𝑅 𝐴1 = 0,05

Demikian pula: 𝑃 𝑅 𝐴2 = 0,05

𝑃 𝑅 𝐴3 = 0,01
𝑃 𝑅 𝐴4 = 0,01
Dengan rumus Bayes 𝑃(𝐴4 |𝑅) dapat dihitung:

𝑃(𝐴4 ) ∙ 𝑃(𝑅|𝐴4 )
𝑃 𝐴4 𝑅 =
𝑃 𝐴1 ∙ 𝑃 𝑅 𝐴1 + 𝑃 𝐴2 ∙ 𝑃 𝑅 𝐴2 + 𝑃 𝐴3 ∙ 𝑃 𝑅 𝐴3 + 𝑃(𝐴4 ) ∙ 𝑃(𝑅|𝐴4 )
1 1
×
3 100
= 1 5 1 5 3 1 1 1
×
6 100
+ ×
5 100
+ ×
10 100
+ 3×100
1
300 10
= 5 5 3 1 = 74 = 0,135
600
+ 500 + 1000 + 300
 Tugas (1)
Processor pengindra posisi merupakan bagian dari sistem navigasi suatu pesawat
udara. Karena menurut data penerbangan sistem navigasi ini gagal berfungsi sekali
dalam setiap dua ratus penerbangan, maka perlu diadakan pengujian. Hasil tes
menunjukkan bahwa saat sistem navigasi gagal berfungsi, 90% disebabkan kerusakan
processor pengindra posisi dan 10% oleh sebab yang lain. Sementara itu saat sistem
navigasi berfungsi baik, 99% processor pengindra posisi dalam kondisi baik dan hanya
1% sistem navigasi tetap berfungsi dengan processor yang rusak. Diketahui definisi
𝐴1 = sistem navigasi gagal berfungsi, 𝐴2 = sistem navigasi berfungsi baik, 𝐵1 = processor
rusak, 𝐵2 = processor baik.
1. Buatlah pohon probabilitas dari peristiwa-peristiwa tersebut.
2. Jika suatu ketika, dalam sebuah penerbangan, processor utama dalam rangkaian
elektronika pengindra posisi rusak, berapakah probabilitas sistem navigasi gagal
berfungsi?
 Tugas (2)
Vendor I, II, III dan IV menyediakan seluruh keperluan keyboard yang dibeli
oleh PT. Komputama sebanyak masing-masing 25%, 35%, 10%, dan 30%. Dari
pengalaman selama ini diketahui bahwa vendor I, II, III dan IV masing-masing
mengirimkan 20%, 5%, 30%, dan 10% keyboard yang cacat. Misal 𝐴
merupakan peristiwa pemilihan sebuah keyboard yang cacat, dan 𝐵1 , 𝐵2 , 𝐵3 ,
dan 𝐵4 adalah peristiwa pemilihan keyboard dari vendor I, II, III, dan IV.

1. Berapakah probabilitas bahwa sebuah keyboard yang dipilih secara acak

merupakan keyboard yang cacat?
2. Jika terpilih sebuah keyboard yang cacat, maka berapakah probabilitas
bantalan cacat itu berasal dari vendor III?