Nama : Ahmad Fahrian Aditya Candra

NRP : 5016201089
Mata Kuliah : Hitung Perataan
Kelas :B

A. TEORI PROBABILITAS

Teori probabilitas dijabarkan sebagai tingkat kepastian atau derajat dari munculnya
hasil percobaan statistik yang disebut sebagai probabilitas atau bisa disebut peluang.
Probabilitas adalah kemungkinan yang terjadi dari sebuah percobaan yang dinyatakan
dalam suatu nilai atau besaran. Probabilitas diklasifikasikan menjadi tiga diantaranya
adalah :
a) Perumusan Klasik
Probabilitas dalam perumusan klasik dinyatakan sebagai hasil bagi antara
jumlah sample yang mungkin terjadi dengan jumlah seluruh sample yang
mungkin terjadi sehingga dinyatakan sebagai berikut.
𝑞
𝑃(𝑋) =
𝑟
b) Perumusan Empris
Perhitungan probabilitas dilakukan berdasarkan frekuensi relatif dari suatu
sample dan dengan syarat banyaknya pengamatan atau banyaknya sampelnya
sangat besar. Persamaannya rumus empiris yaitu :
𝑞
𝑃(𝑋) = lim
𝑛→∞ 𝑟
c) Perumusan Subjektif
Probabilitas dalam perumusan subjektif memiliki arti bahwa probabilitas
dirumuskan berdasarkan keyakinan dan pandangan seseorang terhadap
probabilitas dari sebuah sample.

B. PROBABILITAS PERISTIWA SEDERHANA

Apabila sebuah sampel adalah x, terjadi sebanyak q cara dari seluruh r cara, maka
probabilitas Peristiwa Sederhana dapat dirumuskan sebagai berikut.
∑𝑞
𝑃(𝑥) =
𝑟
Probabilitas peristiwa sederhana
➢ Nilai probabilitasnya berkisar antara 0 ≤ 𝑃 ≤ 1
➢ Jumlah seluruh nilai probabilitasnya sama dengan 1
C. PROBABILITAS PERISTIWA MUTUALLY-EXCLUSIF

Suatu kejadian dikatakan sebagai sampel mutually exclusif apabila terjadinya sampel
pada satu kejadian tidak mengakibatkan terjadinya sampel yang lain. Maka besar
probabilitasnya dapat dinyatakan sebagai berikut.

𝑃(𝑋 ∪ 𝑌) = 𝑃(𝑋) + 𝑃(𝑌)

D. PROBABILITAS PERISTIWA NON-MUTUALLY-EXCLUSIF

Dua sampel dikatakan non-mutually exclusif apabila keduanya dapat terjadi pada waktu
yang bersamaan. Persamaannya didefinisikan sebagai berikut.
𝑃(𝑋 ∪ 𝑌) = 𝑃(𝑋) + 𝑃(𝑌) − 𝑃(𝑋 ∩ 𝑌)
E. PROBABILITAS PERISTIWA INDEPENDEN

Dua sampel disebut independent atau bebas jika terjadinya dan tidak terjadinya sampel
yang satu memengaruhi dan tidak dipengaruhi oleh sampel yang lain. Sehingga
probabilitasnya dapat dituliskan sebagai berikut.
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝑋) × 𝑃(𝑌)
F. PROBABILITAS PERISTIWA DEPENDEN

Jika suatu sampel yang terjadi secara berurutan dan sampel pertama memengaruhi
sampel kedua maka dapat dikatakan sebagai sampel dependen sehingga besar
probabilitas sampel X dan Y yaitu :
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝑋) × 𝑃(𝑌|𝑋)
Probabilitas kejadian X apabila kejadian Y telah terjadi disebut probabilitas bersyarat
dengan penulisan P(X|Y) dan dirumuskan sebagai berikut:

𝑃(𝑋 ∩ 𝑌)
𝑃(𝑋|𝑌) =
𝑃(𝑌)
𝑃(𝑋 ∩ 𝑌)
𝑃(𝑌|𝐴) =
𝑃(𝑋)

G. RUANG SAMPEL

Dalam menghitung ruang sampel atau S dapat menggunakan aturan permutasi dapat
dirumuskan sebagai berikut.
𝑛!
𝑃𝑚𝑛 = (𝑛−𝑚)!

Cara menyusun ruang sampel kombinasi dapat dirumuskan sebagai berikut.

 𝑛 𝑛!
𝐶𝑚 =
𝑚! (𝑛−𝑚)!
H. RUMUS BAYES

Digunakan jika kejadian saling lepas dalam ruang sampel S dan Y kejadian lain yang
sembarang dalam sampel, maka probabilitas kejadian dapat dirumuskan seperti berikut.
𝑃(𝑌∩𝑋𝑖 ) 𝑃(𝑌 |𝑋𝑖 )𝑃(𝑋𝑖 )
𝑃(𝑋𝑖 |𝑌) = = ∑𝑛
𝑃(𝑌) 𝑖=1 𝑃(𝑌 |𝑋𝑖 )𝑃(𝑋𝑖 )

I. DISTRIBUSI PROBABILITAS
a) DEFINISI VARIABEL ACAK
Variable acak dapat dijabarkan dengan deskripsi numerik dari hasil percobaan
dan menghubungkan nilai-nilai numerik dengan setiap kemungkinan hasil
percobaan. Variabel acak terbagi menjadi dua, yaitu variabel acak diskrit dan
variabel acak kontinu.
b) DISTRIBUSI PROBABILITAS VARIABEL ACAK DISKRIT
➢ Syarat dari distribusi probabilitas variabel acak diskrit :
1. 𝑝(𝑥) ≥ 0
2. 0 ≤ 𝑝(𝑥) ≤ 𝑓
3. ∑ 𝑝(𝑥) = 1
➢ Fungsi probabilitas kumulatif variabel acak diskrit dirumuskan sebagai
berikut.

𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥)
➢ Rata-rata
𝐸(𝑋) = ∑ 𝑥 𝑝(𝑥)
➢ Nilai varians
𝜎 = 𝐸[𝑋 − 𝜇]²
= ∑𝑛𝑖=1(𝑥𝑖 − 𝜇)2 𝑝(𝑥𝑖 )

a. DISTRIBUSI BINOMIAL

Probabilitas variabel acak X yang terdistribusi secara binomial dapat

dirumuskan sebagai berikut.

𝑝(𝑥) = 𝐶𝑥𝑛 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥

x = 0,1,2,3,…, n
p(x) : probabilitas kejadian sukses terjadi sebanyak x kali
C : kombinasi x dari n
N : banyaknya percobaan
p : probabilitas sukses
(1-p) : probabilitas gagal

➢ Rata-rata
 𝜇 =𝑛 ×𝑝
➢ Standard deviasi
𝜎 = √𝑛 × 𝑝 × (1 − 𝑝)

b. DISTRIBUSI POISSON

Probabilitas yang berdistribusi poission dirumuskan sebagai berikut.

𝜇 𝑥 𝑒 −𝜇
𝑃(𝑥) =
𝑥!
𝜇 : rata-rata kejadian
𝑥 : jumlah sukses
𝑒 : bilangan alam (epsilon) = 2,7182

c. DISTRIBUSI HIPERGEOMETRIK

Distribusi hipergeometrik salah satu jenis analisis yang dapat dibuat

menggunakan distribusi binomial. Distribusi hipergeometrik dipakai ketika
pengambilan sampel dilakukan tanpa pengembalian. Maka diperoleh
persamaan probabilitas sebagai berikut.
𝑁 𝑁 − 𝑁1
( 1) ( )
𝑃(𝑋 = 𝑘) = 𝑘 𝑛−𝑘
𝑁
( )
𝑛
➢ Rata-rata
𝑛𝑘
𝜇=
𝑁

➢ Varians
𝑁−𝑛 𝑘 𝑘
𝜎2 = ( ) (𝑛) ( ) (1 − )
𝑁−1 𝑛 𝑛
➢ Standard deviasi
𝑁−𝑛 𝑘 𝑘
𝜎 = √( ) (𝑛) ( ) (1 − )
𝑁−1 𝑛 𝑛

c) DISTRIBUSI PROBABILITAS VARIABEL ACAK KONTINU

Berikut merupakan syarat yang harus dipenuhi pada distribusi probabilitas

variabel acak kontinu :
1. 𝑓(𝑥) ≥ 0
∞
2. ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1

➢ Fungsi probabilitas kumulatif variabel acak kontinu

 𝑥
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∫ 𝑓(𝑥)𝑑𝑥
−∞

➢ Rata-rata
∞
𝐸(𝑋) = ∫ 𝑥𝑔𝑓(𝑥)𝑑𝑥 = 1
−∞

➢ Varians
𝜎 2 = 𝐸[𝑋 − 𝜇]2
= E [X2] – E[X]

a. DISTRIBUSI NORMAL

Peluang distribusi normal dapat dijabarkan sebagai berikut.

1 1 𝑥−𝜇 2
𝑓(𝑥|𝜇, 𝜎 2 ) = 𝑒 − 2( 𝜎 )
𝜎√2𝜋
Dengan syarat :
−∞ < 𝑥 < 𝑥
−𝑥 < 𝜇 < ∞
𝜎 >0
𝜋 = 3,1415 …
𝑒 = 2,71828 …

b. DISTRIBUSI NORMAL STANDARD

Fungsi distribusi normal diperoleh dari turunan rumus berikut.

𝑥− 𝜇
𝑧=
𝜎

Fungsi distribusi normal standar dijabarkan sebagai berikut.

1 1 2
𝑓(𝑧|𝜇, 𝜎 2 = 𝑒 − 2𝑧
√2𝜋
Dengan syarat :
−𝑥 < 𝑧 < ∞
𝜇=0
𝜎=1
𝜋 = 3,1415 …
𝑒 = 2,71828 …