MAKALAH STATISTIK II

" PROBABILITY "

Di Susun Oleh :
Nama : Kemala hayati vonna
Nim : 2020614060023
Kelas : PK2A

Dosen : R.Hanamara F. Nur,S.E.,M.Sc

T.A 2021/2022
POLITEKNIK NEGERI LHOKSEUMAWE
 DAFTAR ISI
DAFTAR ISI.............................................................................................................................................

KATA PENGANTAR.................................................................................................................................

BAB I......................................................................................................................................................

PENDAHULUAN.....................................................................................................................................

Latar belakang...................................................................................................................................

Rumusan masalah..............................................................................................................................

BAB II.....................................................................................................................................................

PEMBAHASAN........................................................................................................................................

1. Pengertian dan mamfaat probabilitas...........................................................................................

2. Struktur Probabilitas....................................................................................................................

3. Jenis Jenis Probabilitas.................................................................................................................

4. Distribusi Probabilitas..................................................................................................................

5. Pendekatan probabilitas..............................................................................................................

6. Konsep dasar dan hukum probabilitas.........................................................................................

7. Teorema bayes............................................................................................................................

8. Beberapa prinsip dalam menghitung probabilitas......................................................................

9. Statistika Terapan dan konsep dasar probabilitas.......................................................................

10. Contoh soal probabilitas............................................................................................................

BAB III..................................................................................................................................................

PENUTUP.............................................................................................................................................

1. KESIMPULAN................................................................................................................................

2. SARAN..........................................................................................................................................

Daftar Pustaka.....................................................................................................................................

KATA PENGANTAR

Puji syukur kepada Allah Yang Swt yang telah senantisa memberikan saya

kemudahan dalam menyelesaikan makalah ini, sehingga saya bisa menyelesaikannya

dengan tepat pada waktunya. Saya juga mengucapkan terima kasih kepada Dosen, teman–

teman, dan semua pihak yang telah memberi bantuan dan dukungan kepada saya dalam

menyusun dan menyelesaikan makalah ini.

Selaku manusia biasa, saya menyadari bahwa dalam makalah ini masih banyak

kekurangan dan kekeliruan yang tidak disengaja. Oleh karena itu saya membutuhkan kritik

dan saran untuk menyempurnakan pembuatan makalah selanjutnya.saya berharap makalah ini

dapat bermanfaat bagi kita semua, khususnya dibidang pendidikan.

 lhokseumawe, 30 Juni 2022

Penulis

BAB I

PENDAHULUAN

1. Latar belakang

Teori probabilitas menyajikan metode-metode yang berkaitan dengan ketidakpastian

dan merupakan suatu bagian yang tak terpisahkan dan proses pengambilan keputusan.

Konsep-konsep probabilitas merupakan dasar dan sampel-sampel dan inferensi tentang

populasi yang dapat dibuat dan suatu sampel. Setelah memahami konsep probabilitas yang

merupakan dasar ilmu statistik, selanjutnya akan diberikan teori mengenai variable random

dan sifat- sifatnya , pembentukan distribusi probabilitas ,pengenalan berbagai macam

distribusi probabilitas variable random diskrit dan kontinu , serta distribusi sampling

statistilc.

Probabilitas merupakan bagian matematika yang membahas tentang ukuran keboleh

jadian terjadinya sesuatu peristiwa yang ada dalam kehidupan.Memang banyak peristiwa

yang tidak dapat di pastikan terjadi atau tidak terjadi di kemudian waktu. Namun dengan

mengetahui ukuran berhasil tidaknya peristiwa yang di harapkan akan terjadi,orang dapat

mengambil keputusan lebih baik dan lebih bijaksana tentang apa yang seharusnya yang akan

di lakukan.

Penentuan terjadinya sebuah peristiwa ditentukan oleh nilai peluang dan

penghitungannya didasarkan pada perumusan secara umum. Sehingga peluang dapat diartikan

sebagai ukuran yang digunakan untuk mengetahui terjadinya atau tidak terjadinya suatu

peristiwa.

Sebuah peristiwa yang terjadi pasti mempunyai nilai peluang yang besarnya antara 0

dan 1. Adapun, peristiwa yang sudah pasti terjadi akan mempunyai nilai peluang sebesar 1.

Akan tetapi, peristiwa yang sudah pasti tidak terjadi akan mempunyai nilai peluang sebesar 0.

Dalam hal in kita jarang menjumpai sebuah peristiwa yang mempunyai nilai peluang tepat
sama dengan 0 dan atau tepat sama dengan 1. Kita biasanya sering menjumpai sebuah

peristiwa yang mempunyai nilai peluang antara nol dan satu.

2. Rumusan masalah

1. Pengertian dan mamfaat probabilitas

2. Struktur Probabilitas

3. Jenis Jenis Probabilitas

4. Distribusi Probabilitas

5. Pendekatan probabilitas

6. Konsep dasar dan hukum probabilitas

7. Teorema bayes

8. Beberapa prinsip dalam menghitung probabilitas

9. Statistika Terapan dan konsep dasar probabilitas

10. Contoh soal probabilitas

 BAB II

PEMBAHASAN

1. Pengertian dan mamfaat probabilitas

Teori probabilitas berawal dari meja judi. Matematikawan dan fisikawan Italia yang

bernama Girolamo Cardano (1501-1576) senang bermain judi.Judi berpengaruh buruk

terhadap keluarganya, namun memacunya untuk mempelajari teori probabilitas. Dari judi

tersebut, Cardano membuat buku Liber de Ludo Aleae (Book on Games of Changes) yang

banyak membahas konsep dasar dari probabilitas dan berisi tentang masalah perjudian.
 Pada tahun 1654, seorang bandar judi bernama Chevalier de Mere kalah dalam berjudi. Dia

meminta temannya Blaise Pascal (1623-1662) untuk menganalisis sistem perjudiannya.

Pascal menemukan sistem yang dipunyai oleh Chevalier akan mengakibatkan peluang dia

kalah 51 %. Pascal kemudian menjadi tertarik dengan peluang, dan mulailah dia mempelajari

masalah perjudian. Pascal mendiskusikannya dengan matematikawan terkenal yang lain yaitu

Pierre de Fermat (1601-1665) dan membentuk asal kejadian dari konsep peluang.Blaisé

Pascal bekerjasama dengan Fermat menyelesaikan soal-soal yang diberikan oleh Chevalier de

Mere, diantaranya:

– Berapa kali kita harus melemparkan dua buah dadu, sehingga minimal separuh

mata dadu yang muncul keduanya angka 6.

– Ketika dadu dilempar sebanyak 8 kali, berapa peluang seseorang gagal

mendapat mata dadu 1 sebanyak tiga kali.

Pada tahun 1709 Jaques Bernoulli menulis buku Ars Conjectandi yang terdiri 4

bagian, yaitu:

– Menulis lagi Liber de Ludo Aleae (Book on Games of Chance) karya Cardano

– Menjelaskan permutasi dan kombinasi

– Menjelaskan distribusi binomial dan multinomial

 – Teori peluang

Probabilitas Berasal dari kata probably , yaitu kemungkinan . Jadi probabilitas adalah

kemungkinan yang dapat terjadi dalam suatu peristiwa. Tentu dengan pendekatan akal logis

saja sesuai dengan batasan dan asumsi tertentu. Karena pada dasarnya manusia hanya bisa

menduga apa yang akan terjadi tetapi tidak bisa mengetahui apa saja yang belum terjadi.

Namun dengan teori probabilitas ini kita dapat memprediksikan perubahan yang akan terjadi

pada kejadian tesebut dan juga peluang suatu kejadian itu akan terjadi lagi.

Lind (2002) dalam mendefenisikan probabilitas sebagai: “Suatu ukuran tentang

kemungkinan suatu peristiwa ( event) akan terjadi dimasa mendatang. Probabilitas dinyatakan

antara 0 sampai 1 atau dalam persentase. Secara sederhana probabilitas dapat diartikan

sebagai sebuah peluang untuk suatu kejadian.

Berbicara tentang mamfaat dari probabilitas sangat berguna untuk pengambilan keputusan

yang tepat, karena kehidupan di dunia tidak ada kepastian, sehingga diperlukan untuk

mengetahui berapa besar probabilitas suatu peristiwa akan terjadi. Probabilitas dinyatakan

dalam angka pecahan antara 0 sampai 1 atau dalam persentase. Contoh:

Sebagai contoh seoorang siswa bingung menentukan dimana dian mau kuliah. Di kota

Makassar sendiri banyak terdapat kuliah diantaranya UNM, UNHAS, UIN dll. Maka akan
muncul kebingungan dalam memilih tempat kuliah. Untuk menentukan pilihan biasanya

siswa akan bertanya kepada senior-seniornya, mereka kulish dimana? Dari ratusan mahasiswa

mungkin anda bertanya hanya pada 20 orang mahasiswa. Yang paling banyak diminati anda

akan memilih tempat tersebut untuk kuliah. Tiga hal penting dalam membicarakan

probabilitas:

a. Percobaan ( experiment)

Pengamatan terhadap beberapa aktivitas atau proses yang memungkinkan

timbulnya paling sedikit dua peristiwa tanpa memperthatikan peristiwa mana

yang akan terjadi.

b. Hasil ( outcome) suatu hasil dari sebuah percobaan. Dalam hasil ini semua

kejadian akan dicatat atau dalam artian seluruh peristiwa yang akan terjadi

dalam sebuah percobaan. Misalnya dalam mengikuti ujian semester maka hasil

yang akan diperoleh ada mahasiswa yang lulus dan ada yang tidak lulus. Ada

yang lulus memuaskan ada yang tidak memuaskan

c. Peristiwa ( event)
kumpulan dari satu atau lebih hasil yang terjadi pada sebuah percobaan atau
kegiatan contoh
Percobaan Pertandingan sepak bola antar kabupaten

kabupaten bulukumba VS kabupaten

bantaeng
 Hasil Kabupaten bulukumba menang,

Kabupaten bantaeng kalah,

Seri, tidak ada yang kalah dan tidak ada yang

menang
Peristiwa Kabupaten bulukumba menang

Probabilitas dinyatakan dalam bentuk pecahan dari 0 sampai 1.probabilitas 0 menunjukkan

sesuatu yang tidak mungkin terjadi, sedangkan probabilitas 1 mununjukkan

peristiwa pasti terjadi.

Contoh penulisan probabilitas dalam desimal atau persentase:

1. Pada hari Jumat adalah penutupan bursa saham, maka kebanyakan investor berusaha

meraih keuntungan melalui penjualan saham atau yang biasanya diistilahkan profit

taking, sehingga probabilitas menjual mencapai 0,7 sedangkan membeli 0,3.

2. melihat kondisi kesiapan mahasiswa yang mengikuti ujian Statistika II, maka

mahasiswa yang mempunyai probabilitas untuk lulus 70% dan kalah 30%

Probabilitas kejadian dengan nilai 0 berarti peristiwa yang tidak mungkin terjadi, seperti

seorang anak balita melahirkan seorang bayi. Sedangkan probabilitas dengan nilai 1 adalah

peristiwa yang pasti terjadi, seperti semua manusia pasti akan meninggal
 2. Struktur Probabilitas

A. Percobaan

Seperti yang dinyatakan sebelumnya, percobaan adalah proses yang menghasilkan hasil.

Contoh eksperimen berorientasi bisnis dengan hasil yang dapat dianalisis secara statistik

dapat mencakup hal berikut.

-Mewawancarai 20 konsumen yang dipilih secara acak dan menanyakan merek peralatan apa

yang mereka sukai

-Mengambil sampel setiap botol kecap ke-200 dari jalur perakitan dan menimbang isinya

-Menguji obat farmasi baru pada sampel pasien kanker dan mengukur peningkatan pasien

B. Percobaan

Audit setiap akun ke-10 untuk mendeteksi kesalahan apa pun

-Mencatat Dow Jones Industrial Average pada hari Senin pertama setiap bulan selama 10

tahun

C. Peristiwa

Karena suatu peristiwa adalah hasil dari suatu eksperimen, eksperimen tersebut menentukan

kemungkinan-kemungkinan dari peristiwa tersebut.

-Jika eksperimennya adalah mengambil sampel lima botol yang keluar dari jalur produksi,

suatu peristiwa bisa jadi untuk mendapatkan satu botol yang rusak dan empat botol yang

bagus.
-Dalam percobaan pelemparan sebuah dadu, satu kejadian dapat berupa pelemparan sebuah

bilangan genap dan kejadian lainnya adalah pelemparan sebuah bilangan yang lebih besar dari

dua.

-Acara dilambangkan dengan huruf besar; huruf kapital miring (misalnya, A dan E1, E2, .....)

mewakili kasus umum atau abstrak, dan huruf kapital romawi (misalnya, H dan T untuk

kepala dan ekor) menunjukkan hal dan orang tertentu .

Kejadian yang tidak dapat diuraikan atau dipecah menjadi peristiwa lain disebut peristiwa

elementer. Peristiwa dasar dilambangkan dengan huruf kecil (misalnya, e1, e2, e3, . . .).

Misalkan eksperimennya adalah melempar dadu. Kejadian dasar dari percobaan ini adalah

melempar angka 1 atau melempar angka 2 atau melempar angka 3, dan seterusnya.

Pelemparan suatu bilangan genap adalah suatu kejadian, tetapi bukan kejadian dasar karena

bilangan genap dapat dipecah lagi menjadi kejadian 2, 4, dan 6.

pada percobaan pelemparan sebuah dadu terdapat enam kejadian dasar {1, 2, 3, 4, 5, 6}.

Melempar sepasang dadu menghasilkan 36 kemungkinan kejadian dasar (hasil).

Untuk masing-masing dari enam kejadian dasar yang mungkin terjadi pada pelemparan satu

dadu, ada enam kemungkinan kejadian dasar pada pelemparan dadu kedua, seperti yang

digambarkan dalam diagram pohon pada Gambar 4.2. Tabel 4.1 berisi daftar 36 hasil ini.

3. JENIS JENIS PROBABILITAS

jenis probabilitas tertentu disajikan dalam bab ini.

 1. probabilitas marjinal.

Probabilitas marjinal dilambangkan dengan P (E), di mana E adalah suatu kejadian.

Probabilitas marginal biasanya dihitung dengan membagi beberapa subtotal dengan

keseluruhan.

Contoh peluang marginal adalah peluang seseorang memiliki mobil Ford.

Probabilitas ini dihitung dengan membagi jumlah pemilik Ford dengan jumlah total pemilik

mobil.

Probabilitas seseorang yang memakai kacamata juga merupakan probabilitas marjinal.

Probabilitas ini dihitung dengan membagi jumlah orang yang memakai kacamata dengan

jumlah total orang.

Jenis peluang kedua adalah gabungan dua kejadian.

2. Probabilitas gabungan dilambangkan P (E1 U E2), di mana E1 dan E2 adalah dua

kejadian.

P (E1 U E2) adalah peluang terjadinya E1 atau E2 terjadi atau E1 dan E2 terjadi.

Contoh peluang serikat pekerja adalah peluang seseorang memiliki Ford atau Chevrolet.

Untuk memenuhi syarat untuk serikat pekerja, orang tersebut hanya harus memiliki

setidaknya satu dari mobil-mobil ini.

Contoh lain adalah kemungkinan seseorang memakai kacamata atau berambut merah. Semua

orang yang memakai kacamata termasuk dalam serikat pekerja, bersama dengan semua

berambut merah dan semua berambut merah yang memakai kacamata.

Dalam sebuah perusahaan, probabilitas bahwa seseorang adalah laki-laki atau pekerja

administrasi adalah probabilitas serikat pekerja.

Seseorang memenuhi syarat untuk serikat pekerja dengan menjadi laki-laki atau dengan

menjadi pekerja klerikal atau dengan menjadi keduanya (pekerja klerikal laki-laki).

4. DISTRIBUSI PROBABILITAS

Kunci aplikasi probabilitas dalam statistik adalah memperkirakan terjadinya

peluang/probabilitas yang dihubungkan dengan terjadinya peristiwa tersebut dalam beberapa

keadaan. Jika kita mengetahui keseluruhan probabilitas dari kemungkinan outcome yang

terjadi, seluruh probabilitas kejadian tersebut akan membentuk suatu distribusi probabilitas.

A. Distribusi Binomial (Bernaulli)

Distribusi Binomial atau distribusi Bernoulli (ditemukan oleh James Bernoulli) adalah suatu

distribusi teoritis yang menggunakan variabel random diskrit yang terdiri dari dua kejadian

yang berkomplemen, seperti sukses-gagal, ya-tidak, baik-cacat, sakit-sehat dan lain-

lain.
B. Ciri-ciri distribusi Binomial adalah sebagai berikut :

Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-gagal.

1. Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap percobaan.

2.Percobaannya bersifat independen, artinya peristiwa dari suatu percobaan tidak

mempengaruhi atau dipengaruhi peristiwa dalam percobaan lainnya.

3. Jumlah atau banyaknya percobaan yang merupakan komponen percobaan binomial harus

tertentu.

4. Simbol peristiwa Binomial →b (x,n,p)

Ket :

b = binomial x = banyaknya sukses yang diinginkan

(bilangan random) n = Jumlah trial p = peluang sukses

dalam satu kali trial.

5. Dadu dilemparkan 5 kali, diharapkan keluar mata 6 dua kali, maka kejadian ini dapat

ditulis b(2,5,1/6) → x=2, n=5, p=1/6.

Contoh Soal :

1. Probabilitas seorang bayi tidak di imunisasi polio adalah 0,2 (p). Pada suatu hari di

Puskesmas “X” ada 4 orang bayi. Hitunglah peluang dari bayi tersebut 2 orang belum

imunisasi polio. Jadi, di dalam kejadian binomial ini dikatakan b (x=2, n=4, p=0,2) → b (2, 4,

0,2).

Jawab :

1. Katakanlah bayi tersebut A,B,C,D. Dua orang tidak diimunisasi mungkin adalah A&B,
A&C, A&D, B&C, B&D, C&D.

Rumus untuk b (x,n,p) adalah:

P (x) = P 0,1536 = 0,154

C. Distribusi Poisson

Distibusi Poisson merupakan distribusi probabilitas untuk variabel diskrit acak yang

mempunyai nilai 0,1, 2, 3 dst. Distribusi Poisson adalah distribusi nilai-nilai bagi suatu

variabel random X (X diskrit), yaitu banyaknya hasil percobaan yang terjadi dalam suatu

interval waktu tertentu atau disuatu daerah tertentu. Fungsi distribusi probabilitas diskrit yang

sangat penting dalam beberapa aplikasi praktis.

Poisson memperhatikan bahwa distribusi binomial sangat bermanfaat dan dapat menjelaskan

dengan sangat memuaskan terhadap probabilitas Binomial b(X│n.p) untuk X= 1,2,3 …n.

namun demikian, untuk suatu kejadian dimana n sangat besar (lebih besar dari 50) sedangkan

probabilitas sukses (p) sangat kecil seperti 0,1 atau kurang, maka nilai binomialnya sangat

sulit dicari. Suatu bentuk dari distribusi ini adalah rumus pendekatan peluang Poisson untuk

peluang Binomial yang dapat digunakan untuk pendekatan

probabilitas Binomial dalam situasi tertentu.

Contoh Distribusi Poisson :

1. Disuatu gerbang tol yang dilewati ribuan mobil dalam suatu hari akan terjadi

kecelakaan dari sekian banyak mobil yang lewat.

2. Dikatakan bahwa kejadian seseorang akan meninggal karena shock pada waktu

disuntik dengan vaksin meningitis 0,0005. Padahal, vaksinasi tersebut selalu diberikan kalau

seseorang ingin pergi haji.

D. Percobaan Poisson memiliki ciri-ciri berikut :

1. Hasil percobaan pada suatu selang waktu dan tempat tidak tergantung dari hasil

percobaan di selang waktu dan tempat yang lain terpisah.

2. Peluang terjadinya suatu hasil percobaan sebanding dengan panjang selang waktu dan

luas tempat percobaan terjadi.

Hal ini berlaku hanya untuk selang waktu yang singkat dan luas daerah yang sempit.

Peluang bahwa lebih dari satu hasil percobaan akan terjadi pada satu selang waktu dan luasan

tempat yang sama diabaikan.

Distribusi poisson banyak digunakan dalam hal:

Menghitung Probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau isi, luas,

panjang tertentu, saeperti menghitung probabilitas dari:

a. Kemungkinan kesalahan pemasukan data atau kemungkinan cek ditolak oleh bank. Jumlah

pelanggan yang harus antri pada pelayanan rumah sakit, restaurant cepat saji atau antrian
yang panjang bila ke ancol.Banyaknya bintang dalam suatu area acak di ruangangkasa atau

banyaknya bakteri dalam 1 tetes atau 1 liter air. Jumlah salah cetak dalam suatu halaman

ketik. Banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat selama 5

menit di suatu ruas jalan. Distribusi bakteri di permukaan beberapa rumput liar di ladang.

Semua contoh ini merupakan beberapa hal yang menggambarkan tentang suatu distribusi

Poisson.

2. Menghitung distribusi binomial apabila nilai n besar (n ≥ 30) dan p kecil (p<0,1).

3. Jika kita menghitung sejumlah benda acak dalam suatu daerah tertentu T, maka proses

penghitungan ini dilakukan sebagai berikut :

4. Jumlah rata-rata benda di daerah S T adalah sebanding terhadap ukuran S, yaitu

ECount(S)= λ S. Di sini melambangkan ukuran S, yaitu panjang, luas, volume, dan lain

lain.

Parameter λ > 0 menggambarkankan intensitas proses.

5. Menghitung di daerah terpisah adalah bebas.

6. Kesempatan untuk mengamati lebih dari satu benda di dalam suatu daerah kecil adalah

sangat kecil, yaitu P(Count(S)2) menjadi kecil ketika ukuran menjadi kecil.

Rumus Distribusi Poisson :

(x) → Nilai Rata-rata e Konstanta =

2,71828 x = Variabel random diskrit

(1,2,3,…., x)
Contoh:

1. Diketahui probabilitas untuk terjadi shock pada saat imunisasi dengan vaksinasi

meningitis adalah 0,0005. Kalau di suatu kota jumlah orang yang dilakukan

vaksinasi sebanyak 4000. Hitunglah peluang tepat tiga orang akan terjadi shock!

Penyelesaian:

μ = λ= n.p = 4000 x 0,0005 = 2 p(x=3)

E. Distribusi Normal

Distribusi Normal adalah salah satu distribusi teoritis dari variable random kontinu.

Distribusi Normal sering disebut distribusi Gauss.

Rumus Distribusi Normal :

∫ (x) =-≈ < x > ≈ = 0

-≈ < μ > ≈ π= 3,14 e = 2,71828

Agar lebih praktis, telah ada tabel kurva normal dimana tabel ini menunjukkan luas kurva

normal dari suatu nilai yang dibatasi nilai tertentu.

F. Ciri Khas Distribusi Normal :

· Simetris
 · Seperti lonceng

· Titik belok μ ±σ

· Luas di bawah kurva = probability = 1

G. Kurva Normal Umum

Untuk dapat menentukan probabilitas di dalam kurva normal umum (untuk suatu sampel

yang cukup besar, terutama untuk gejala alam seperti berat badan dan tinggi badan), nilai

yang akan dicari ditransformasikan dulu ke nilai kurva normal standar melalui transformasi Z

(deviasi relatif).

Rumus:

Z = -Kurva normal standar → N (μ = 0, σ = 1)

-Kurva normal umum N (μ,σ)

5. Pendekatan probabilitas

Untuk menentukan tingkat probabilitas suatu kejadian, maka ada tiga pendekatan yaitu

pendekatan klasik, pendekatan relatif dan pendekatan subjektif.

 a. Pendekatan klasik

Diasumsikan bahwa semua peristiwa mempunyai kesempatan yang sama untuk terjadi
( equally likely) Probabilitas suatu peristiwa kemudian dinyatakan sebagai rasio antara jumlah
kemungkinan hasil dengan total kemungkinan hasil (rasio peristiwa terhadap hasil)
Probabilitas = ( )

Contoh:

Pada kegiatan mahasiswa belajar semua hasil ada yang sangat memuaskan, memuaskan dan

terpuji. Jumlah hasil ada 3 dan hanya 1 peristiwa yang terjadi, maka probabilitas setiap

peristiwa adalah 1/3.

Pada suatu percobaan hanya 1 peristiwa yang terjadi, dan peristiwa lain tidak mungkin

terjadi pada waktu yang bersamaan maka dikenal sebagai peristiwa saling lepas.

” Peristiwa saling lepas ( mutually exclusive) adalah terjadinya suatu peristiwa

sehingga peristiwa yang lain tidak terjadi pada waktu yang bersamaan”

Pada suatu percobaan atau kegiatan semua hasil mempunyai probabilitas yang sama, dan

hanya satu peristiwa yang terjadi maka peristiwa ini dikenal dengan lengkap terbatas kolektif

( collection exhaustive).

b. Pendekatan Relatif

Probabilitas suatu kejadian tidak dianggap sama, tergantung dari berapa banyak suatu
kejadian terjadi, yang dinyatakan sebagai berikut:
 Probabilitas kejadian relative =

Contoh:

Dari kegiatan belajar mahasiswa dapat dilihat hasilnya pada Wisuda Sarjana Universitas

Panca Budi tahun 2007 sebanyak 800 orang mahasiswa. 500 orang lulus dengan memuaskan,

200 orang dengan sangat memuaskan dan 100 orang dengan prediket terpuji. Maka

probabilitas lulus memuaskan adalah 500/800 = 0.625; lulus dengan sangat memuaskan

200/800 = 0.25 dan lulus dengan terpuji 100/800 = 0.125.

c. Pendekatan Subjektif

Yang dimaksud dengan pendekatan subjektif adalah menentukan besarnya

probabilitas suatu peristiwa didasarkan pada penilaian pribadi dan dinyatakan dalam derajat

kepercayaan.

Contoh: Menurut pengamat politik, Susilo Bambang Yudoyono akan menang dalam Pemilu

Indonesia tahun 2009

6. Konsep dasar dan hukum probabilitas

Dalam teori probabilitas, probabilitas kejadian dilambangkan dengan “P”, apabila kejadian

jual saham dilambangkan dengan huruf “A”, maka probabilitas jual saham dilambangkan

dengan P (A). Sebaliknya apabila kejadian beli saham dilambangkan dengan

“B”, maka probabilitas beli saham dilambangkan dengan P (B).

a. Hukum Penjumlahan
 Hukum penjumlahan menghendaki peristiwa yang saling lepas ( mutually exclusive) yaitu

apabila suatu peristiwa terjadi, maka peristiwa lain tidak dapat terjadi pada saat bersamaan.

Hukum ini dilambangkan sebagai:

P (A atau B) = P (A) + P(B)

Untuk kejadian yang lebih banyak dilambangkan sampai n yaitu:

P(A atau ... n) = P(A) + P(B) + ......+P(n)

Contoh:

Berikut adalah kegiatan perdangan saham di BEJ untuk tiga perusahaan perbankan

dengan jumlah total sebanyak 200 transaksi

Jenis transaksi Volume transaksi

Jual saham (A) 120

Beli saham (B) 80

Jumlah total transaksi 200

Penyelesaian:

Dari data diatas diketahui bahwa:

Probabilitas Jual = P(A) = 120/200 = 0.60

Probabilitas Beli = P(B) = 80/200 = 0.40

Sehingga probabilitas A atau B,

P(A atau B) = P(A) + P(B) = 0.6 +0.4 = 1.0

1. Peristiwa atau Kejadian Bersama

Pada peristiwa bersama dua atau lebih peristiwa dapat terjadi secara bersama-sama, peristiwa

bersama tersebut dapat lebih mudah dilihat dengan diagram Venn seperti berikut:

Penjumlahan probabilitas dengan adanya unsur kegiatan bersama, maka rumus penjumlahan

dirumuskan kembali menjadi sebagai berikut:

P(A atau D) = P(A) + P(D) – P(AD)

Dimana:

P(A atau D) : probabilitas terjadinya A atau D atau A dan D bersamA

P(A) : probabilitas terjadinya A

P(D) : probabilitas terjadinya D

P(AD) : probabilitas terjadinya A dan D bersama-sama

2. Kejadian saling lepas ( mutually exclusive)

Kejadian saling lepas terjadi apabila hanya satu dari dua atau lebih peristiwa yang dapat

terjadi. Dapat digambarkan dengan diagram Venn:

Maka P(AB) = 0

Oleh sebab itu, untuk peristiwa yang saling lepas, probabilitas kejadian A atau B yang

dinyatakan P(A atau B)

P(A atau B) = P(A) + P(B) – P(AB) Karena P(AB) = 0 maka :

 P(A atau B) = P(A) + P(B) –

Sehingga:
P(A atau B) = P(A) + P(B)

Contoh:

Cobalah hitung berapa probabilitas kejadian jual saham dan beli saham P(AB) dan
probabilitas kejadian untuk saham BCA, BII dan BNI (P(DEF).
Perusahaan

Kegiatan BNI (C) BII (D) BCA (E) Jumlah

Jual 30 50 40 120

Beli 40 30 10 80

Jumlah 70 80 50 200

Penyelesaian:
Probabilitas kejadian A dan B adalah kejadian yang saling lepas, maka P(AB)=0.

makahukum penjumlahan untuk peristiwa saling lepas adalah:

P(A atau B) = P(A) + P(B) – P(AB)

= 0.6 + 0.4 =

1.0

probabilitas kejadian ketiga saham juga merupakan kejadian saling lepas, maka hukum

penjumlahannya adalah:
 P (C atau D atau E) = P(C) + P(D) + P(E) – P(CDE)

= 0.35 + 0.40 + 0.25 – 0 = 1.0

probabilitas P(C atau D)

P(C atau D) = P(C) + P(D) – P(CD) =

0.35 + 0.40 = 0.75

a. Hukum Perkalian.

Dalam hukum perkalian dikehendaki setiap peristiwa independent yaitu suatu

peristiwa terjadi tanpa harus menghalangi peristiwa lain terjadi.

“Peristiwa independent adalah terjadinya peristiwa atau kejadian tidak mempengaruhi

probabilitas terjadinya peristiwa lain.” Dapat dinyatakan dalam bentuk:

(P(A dan B) = P(A) x P(B)

1. Probabilitas bersyarat ( Condicional Probability)

Probabilitas bersyarat adalah probabilitas statu peristiwa akan terjadi, dengan ketentuan

peristiwa lain telah terjadi. Hukum perkalian untuk probabilitas bersyarat bahwa peristiwa B

terjadi dengan syarat peristiwa A telah terjadi dinyatakan sebagai berikut:

P(A dan B) = P(A) x (P(B|A)

 2. Peristiwa Pelengkap ( Complementary Event)

Peristiwa pelengkap menunjukan bahwa apabila ada dua peristiwa A dan B yang saling

melengkapi, sehingga jika peristiwa A tidak terjadi, maka peristiwa B pasti terjadi.

Maka probabilitas keduanya dapat dirumuskan sebagai berikut:

P(A) + P(B) = 1 atau P(A) = 1 – P(B)

Dalam bentuk diagram Venn dapat digambarkan sebagai berikut

A
b. Diagram pohon B probabilitas

Tahapan dalam menyusun diagram pohon:

1. Tahap 1 adalah langkah awal kegiatan, kita mulai dengan tanda titik atau bulatan

dengan angka, tahap 1 diumpamakan sebagai pohonnya dengan pohon utamanya

berupa kegiatan dibursa saham. Nilai probabilitas pada tahap 1 adalah 1.

2. Tahap 2, membuat cabang. Kegiatan di bursa ada 2 yaitu kegiatan jual dan kegiatan

beli saham. Probabilitas jual = 0,6 dan probabilitas beli 0,4. nilai probabilitas pada

cabang = 0,6 + 0,4 = 1,0

3. Tahap 3 membuat ranting. Pada setiap cabang baik jual maupun beli ada 3 ranting

jenis saham yaitu BCA, BLP dan BNI. Nilai probabilitas setiap ranting = 0,35 + 0,40

+ 0,25 = 1
 4. Tahap 4, menghitung probabilitas bersama ( joint probability) antara kejadian pertama

A dan B dengan kejadian kedua D, E dan F. kita bisa menghitung probabilitas P(D|A)

atau P(E|B) secara langsung. Nilai probabilitas keseluruhan pada tahap 4 juga harus

sama dengan 1.

Contoh:

Hasil penelitian di Yakarta menunjukan bahwa 60 % dari usa Kecil dan menengah (UKM)

tidak berbadan hukum, sedang sisanya berbadan hukum. Bank sebagai lembaga pembiayaan

dengan memerhatikan aspek kehati-hatian memberikan probabilitas 80% lepada UKM

berbadan hukum untuk mendapatkan kredit, sedangkan yang tidak berbadan hukum masih

memopunyai desempatan sebesar 20% untuk mendapatkan

kredit.Hitunglah berapa persen probabilitas UKM mendapat kredit dari bank?

Penyelesaian:
 7. Teorema bayes

Dalam teori probabilitas dan statistika, Pengertian Teorema Bayes adalah teorema yang

digunakan untuk menghitung peluang dalam suatu hipotesis, Teorema bayes dikenalkan oleh

ilmuan yang bernama Bayes yang ingin memastikan keberadaan Tuhan dengan mencari fakta

di dunia yang menunjukan keberadaan Tuhan. Bayes mencari fakta keberadaan tuhan didunia

kemudian mengubahnya dengan nilai Probabilitas yang akan dibandingkan dengan nilai

Probabilitas. teorema ini juga merupakan dasar dari statistika Bayes yang memiliki penerapan

dalam ilmu ekonomi mikro, sains, teori permain, hukum dan kedokteran.

Teorema Bayes akhirnya dikembangkan dengan berbagai ilmu termasuk untuk

penyelesaian masalah sistem pakar dengan menetukan nilai probabilitas dari hipotesa pakar
dan nilai evidence yang didapatkan fakta yang didapat dari objek yang diagnosa. Teorama

Bayes ini membutuhkan biaya komputasi yang mahal karena kebutuhan untuk menghitung

nilai probabilitas untuk tiap nilai dari perkalian kartesius.penerapan Teorema Bayes untuk

mencari penerapan dinamakan inferens Bayes

8. Beberapa prinsip dalam menghitung probabilitas

a. FAKTORIAL

Faktorial digunakan untuk mengetahui berapa banyak cara yang mungkin dalam

mengatur sesuatu kelompok. Contoh konvensional, apabila kita mempunyai tiga bank yaitu

BCA, BII dan BNI ada berapa cara menyusun uratan ketiga bank tersebut?

Secara sederhana dapat kita lakukan dengan mengurut ketiga bank sebagai berikut:
BCA, BII, BNI BCA, BNI, BII BII, BCA, BNI

BII, BNI, BCA BNI, BII, BCA BNI, BCA, BII

Dari uraian diatas dapat kita ketahui bahwa terdapat 6 cara mengurutkan nama bank

tersebut, namun apabila jumlah bank tersebut 100 buah bank, tentu kita akan kewalahan

dalam mengurutkan. Maka dapat dilakukan dengan pendekatan faktorial, Apabila bank

berjumlah tiga maka cara menurutkan nama bank:

 3! = 3 x 2 x 1 = 6

b. PERMUTASI

Digunakan untuk mengetahui sejumlah kemungkinan susunan ( arrangement)

jika terdapat satu kelompok objek. Pada permutasi ini kita berkepentingan dengan susunan
atau urutan dari objek, permutasi dirumuskan sebagai berikut:
N p r =( !
)!
dimana :

P : Jumlah permutasi atau cara objek disusun

n : Jumlah total objek yang disusun

r : Jumlah objek yang digunkan pada saat bersamaan, jumlah r dapat sama dengan n atau

lebih kecil

! : tanda dari faktorial

Contoh:

Dari 20 kelas di Universitas Panca budi, ingin dikelompokkan menjadi beberapa

kelompok.Jika satu kelompok terdiri dari 5 kelas, ada berapa susunan kelompok yang

dapat dibuat?

Jawab
 c. KOMBINASI

Kombinasi digunakan apabila kita tertarik pada berapa cara sesuatu diambil dari

keseluruhan objek tanpa memerhatikan urutannya. Misalnya ada 10 bank dan kita hanya akan

mengambil 3 bank, maka ada beberapa kombinasi bank yang dapat diambil tanpa

memerhatikan urutan atau susunannya. Dirumuskan sebagai berikut:

Contoh:

Ada 5 orang siswa mendaftar sebagai pembawa acara dalam suatu kegiatan hiburan. Pihak

penyelengara hanya akan memilih 2 orang yang dapat dijadikan pasangan.Ada berapa

kombinasi pasangan yang dapat dipilih oleh panitia?

9. Statistika Terapan dan konsep dasar probabilitas

1. Statistika Terapan
Statistika terapan dikenal juga sebagai metoda statistika. Jenis statistika ini lebih
menekankan pada cara, teknik atau metoda yang digunakan dalam melakukan suatu penelitian
bukan pada aturan-aturan/rumus yang sifatnya matematis.
Statistika terapan dapat dibedakan menjadi dua kelompok, yaitu : a.
Statistika Deskriptif
Menyajikan data dalam besaran-besaran statistik sehingga mudah diinterpretasikan seperti
nilai minimum, rataan, simpangan baku, median, nilai maksimum atau menyajikan
datadata dalam bentuk diagram. Statistika deskriptif mereduksi data ke dalam beberapa
besaran untuk disajikan secara bermakna.

Contoh :

Statistik deskriptif untuk menyajikan jumlah pekerja pabrik di Kota Garut berdasarkan
pengelompokan usia. Gambaran statistik deskriptif dapat dilihat pada gambar 1.1 contoh
diagram batang di bawah ini :
b. Statistika Inferensial / Induktif
Menggunakan statistika deskripsi untuk menaksir dan menguji besaran statistik. Inferensi
adalah suatu pernyataan mengenai suatu populasi yang didasarkan pada informasi dari
sampel random yang diambil dari populasi tersebut. Statistik ini membuat kesimpulan dari
data yang diperoleh meliputi pengujian hipotesis, estimasi,dan pengambilan keputusan.
Contoh :
Berdasarkan diagram batang pada gambar 1.1, diperoleh data statistik pekerja pabrik di
kota Garut yang usianya antara 25 th – 29 th berjumlah 3000 orang.

Statistika terapan banyak digunakan untuk :

1. Memberikan gambaran secara kuantitatif tentang keadaan data
2. Melakukan estimasi dan prediksi untuk pengambilan keputusan
3. Menguji hipotesis deduktif dan induktif serta mengambil keputusan di dalam penelitian
ilmiah
4. Menemukan karakteristik pendapat orang banyak dalam suatu poling pendapat

Data untuk statistika terapan dapat diperoleh melalui :

Ujian
Survey
Eksperimen

2. Data dan Skala Pengukuran

2.1 Data Statistik
Dalam statistika dikenal beberapa jenis data. Data dapat berupa angka dapat pula
bukan berupa angka. Data berupa angka disebut data kuantitatif dan data yang bukan
 angka disebut data kualitatif. Untuk memperoleh data yang benar dan dapat dipertanggung
jawabkan keabsahannya, data harus dikumpulkan dengan cara dan proses yang benar.
Terdapat beberapa cara atau teknik untuk mengumpulkan data yaitu :
1. Wawancara (interview) yaitu cara untuk mengumpulkan data dengan mengadakan
tatap muka secara langsung. Wawancara harus dilakukan dengan memakai suatu
pedoman wawancara yang berisi daftar pertanyaan sesuai tujuan yang ingin dicapai.
Ada dua jenis wawancara yaitu wawancara berstruktur (structured interview) dan
wawancara tak berstruktur (unstructured interview). Wawancara berstruktur adalah
wawancara yang jenis dan urutan dari sejumlah pertanyaannya sudah disusun
sebelumnya, sedangkan wawancara tak berstruktur adalah wawancara yang tidak secara
ketat ditentukan sebelumnya. Wawancara tak berstruktur lebih fleksibel karena
pertanyaannya dapat dikembangkan meskipun harus tetap pada pencapaian sasaran
yang telah ditentukan.
Ciri-ciri pertanyaan yang baik adalah :
a. Sesuai dengan masalah atau tujuan penelitian
b. Jelas dan tidak meragukan
c. Tidak menggiring pada jawaban tertentu
d. Sesuai dengan pengetahuan dan pengalaman orang yang diwawancarai
e. Pertanyaan tidak boleh yang bersifat pribadi

Kelebihan dari wawancara adalah data yang diperlukan langsung diperoleh sehingga
lebih akurat dan dapat dipertanggung jawabkan. Sedangkan kekurangannya adalah tidak dapat
dilakukan dalam skala besar dan sulit memperoleh keterangan yang sifatnya pribadi.

2. Kuesioner (angket) adalah cara mengumpulkan data dengan mengirim atau

menggunakan kuesioner yang berisi sejumlah pertanyaan. Kelebihannya adalah dapat
 dilakukan dalam skala besar, biayanya lebih murah dan dapat memperoleh jawaban
yang sifatnya pribadi. Kelemahannya adalah jawaban bisa tidak akurat, bisa jadi tidak
semua pertanyaan terjawab bahkan tidak semua lembar jawaban dikembalikan.

3. Observasi (pengamatan) adalah cara mengumpulkan data dengan mengamati obyek

penelitian atau kejadian baik berupa manusia, benda mati maupun gejala alam. Data
yang diperoleh adalah untuk mengetahui sikap dan perilaku manusia, benda mati atau
gejala alam. Kebaikan dari observasi adalah data yang diperoleh lebih dapat dipercaya.
Kelemahannya adalah bisa terjadi kesalahan interpretasi terhadap kejadian yang
diamati.

4. Tes dan Skala Obyektif adalah cara mengumpulkan data dengan memberikan tes
kepada obyek yang diteliti. Cara ini banyak dilakukan pada tes psikologi untuk
mengukur karakteristik kepribadian seseorang. Beberapa contoh tes skala obyektif yaitu
:
Tes kecerdasan dan bakat.
Tes kepribadian.
Tes sikap.
Tes tentang nilai.
Tes prestasi belajar, dsb.

5. Metode proyektif adalah cara mengumpulkan data dengan mengamati atau

menganalisis suatu obyek melalui ekspresi luar dari obyek tersebut dalam bentuk karya
lukisan atau tulisan. Metode ini dipakai dalam psikologi untuk mengetahui sikap, emosi
dan kepribadian seseorang. Kelemahan dari metode ini adalah obyek yang sama dapat
disimpulkan berbeda oleh pengamat yang berbeda.
2.2 Skala Pengukuran
Salah satu aspek penting dalam memahami data untuk keperluan analisis terutama
statistika inferensia adalah Skala Pengukuran. Secara umum terdapat 4 jenis skala
pengukuran yaitu :
1. Skala nominal adalah skala yang hanya mempunyai ciri untuk membedakan skala ukur
yang satu dengan yang lain. Contoh skala nominal seperti tabel dibawah ini :

Jenis dan Jumlah buah-buahan yang

Diproduksi suatu Daerah pada Tahun 1998

Jenis Buah-Buahan Jumlah

Pepaya 2 ton
Mangga 1,5 ton
Apel 1 ton
Duku 1,4 ton
Manggis 1,3 ton

Sumber: Data Buatan

2. Skala Ordinal adalah skala yang selain mempunyai ciri untuk membedakan juga
mempunyai ciri untuk mengurutkan pada rentang tertentu. Contoh skala ordinal seperti
tabel dibawah ini :
Penilaian Anggota Kelompok Belajar
“ Bina Pintar “
 Kategori Nilai Banyaknya
Istimewa 6 orang
Baik 18 orang
Rata-rata 15 orang
Kurang 7 orang
Kurang sekali 0 orang

3. Skala Interval adalah skala yang mempunyai ciri untuk membedakan, mengurutkan dan
mempunyai ciri jarak yang sama. Contoh, suhu tertinggi pada bulan Desember dikota
A, B dan C berturut-turut adalah 28, 31 dan 20 derajat Fahrenheit. Kita dapat
membedakan dan mengurutkan besarnya suhu, sebab satu derajat Fahrenheit merupakan
suatu besaran yang tetap, namun pada saat suhu menunjukkan nol derajat Fahrenheit
tidak berarti tidak adanya panas pada kondisi tersebut. Hal ini dapat dijelaskan,
misalnya kota A bersuhu 30 derajat Fahrenheit dan kota B bersuhu 60 derajat
Fahrenheit, tidak dapat dikatakan bahwa suhu dikota B dua kali lebih panas dari pada
suhu dikota A, karena suhu tidak mempunyai titik nol murni (tulen).

4. Skala Ratio adalah skala yang mempunyai 4 ciri yaitu membedakan, mengurutkan,
jarak yang sama dan mempunyai titik nol yang tulen (berarti). Contoh : Pak Asmuni
mempunyai uang nol rupiah, artinya pak Asmuni tidak mempunyai uang.

2.3 Penyajian Data

Secara garis besar ada dua cara penyajian data yaitu dengan tabel dan grafik. Dua cara
penyajian data ini saling berkaitan karena pada dasarnya sebelum dibuat grafik data
tersebut berupa tabel. Penyajian data berupa grafik lebih komunikatif.
Dilihat dari waktu pengumpulannya, dikenal dua jenis data yaitu :
1. Cross section data adalah data yang dikumpulkan pada suatu waktu tertentu.
2. Data berkala adalah data yang dikumpulkan dari waktu ke waktu. Dengan data berkala
dapat dibuat garis kecenderungan atau trend.

2.3.1 Penyajian data dengan tabel

Tabel atau daftar merupakan kumpulan angka yang disusun menurut kategori
atau karakteristik data sehingga memudahkan untuk analisis data.
Ada tiga jenis tabel yaitu :

a) Tabel satu arah atau satu komponen adalah tabel yang hanya terdiri atas satu kategori
atau karakteristik data. Tabel berikut ini adalah contoh tabel satu arah.

Banyaknya Pegawai Negeri Sipil

Menurut Golongan Tahun 1990

Golongan Banyaknya (orang)

I 703.827
II 1.917.920
III 309.337
IV 17.574
Jumlah 2.948.658
Sumber : BAKN, dlm Statistik Indonesia,
1986
b)Tabel dua arah atau dua komponen adalah tabel yang menunjukkan dua kategori atau
dua karakteristik. Tabel berikut ini adalah contoh tabel dua arah.
Jumlah Mahasiswa UPH menurut
Fakultas dan Kewarganegaraan 1995

Fakultas WNI WNA Jumlah

Fak. Ekonomi 1850 40 1890
Fak. Teknologi Industri 1320 10 1330
Fak. Seni Rupa & Design 530 5 535
Fak. Pasca Sarjana 250 10 260
Jumlah 3950 65 4015
Sumber : Data Buatan

b) Tabel tiga arah atau tiga komponen adalah tabel yang menunjukkan tiga kategori
atau tiga karakteristik. Contoh tabel berikut ini.

Jumlah Pegawai Menurut Golongan,

Umur dan Pendidikan pada Departeman A
Tahun 2000

Golongan Umur (tahun) Pendidikan

25 – 35 > 35 Bukan Sajana
Sarjana
I 400 500 900 0
II 450 520 970 0
III 1200 2750 1850 2100
IV 0 250 0 250
 Jumlah 2.050 4020 3720 2350
Sumber : Data Buatan

2.3.2 Penyajian data dengan grafik/diagram

Penyajian data dengan grafik dianggap lebih komunikatif karena dalam waktu
singkat dapat diketahui karakteristik dari data yang disajikan. Terdapat beberapa jenis
grafik yaitu :

a) Grafik garis (line chart)

Grafik garis atau diagram garis dipakai untuk menggambarkan data berkala. Grafik
garis dapat berupa grafik garis tunggal maupun grafik garis berganda.

b) Grafik batang / balok (bar chart)

Grafik batang pada dasarnya sama fugsinya dengan grafik garis yaitu untuk
menggambarkan data berkala. Grafik batang juga terdiri dari grafik batang tunggal
dan grafik batang ganda.

c) Grafik lingkaran (pie chart)

Grafik lingkaran lebih cocok untuk menyajikan data cross section, dimana data
tersebut dapat dijadikan bentuk prosentase.

d) Grafik Gambar (pictogram)

Grafik ini berupa gambar atau lambang untuk menunjukkan jumlah benda yang
dilambangkan.

e) Grafik Berupa Peta (Cartogram)

Cartogram adalah grafik yang banyak digunakan oleh BMG untuk menunjukkan
peramalan cuaca dibeberapa daerah.
 2.3.3. Pemahaman Konsep Probabilitas
Banyak kejadian dalam kehidupan sehari-hari yang sulit diketahui dengan pasti, apalagi
kejadian dimasa yang akan datang. Misalkan, apakah nanti malam akan turun hujan? Apakah
penerbangan dengan maskapai Garuda pada pagi hari ini akan berangkat tepat waktu? Apakah
besok akan terjadi demonstrasi? Begitu juga dalam percobaan statistika, kita tidak bias
mengetahui dengan pasti hasil-hasil yang akan muncul. Meskipun kejadian-kejadian tersebut
tidak pasti, kita bisa melihat fakta-fakta yang ada untuk menuju derajat kepastian atau derajat
keyakinan bahwa sesuatu akan terjadi.

Pemikiran mengenai probabilitas diawali dari pertanyaan seorang bangsawan Prancis

bernama Chevalier de Mere kepada Pascal (1623 – 1662). Ia ingin mengetahui bagaimana
pola pembagian uang taruhan pada suatu perjudian jika permainannya terpaksa dihentikan
sebelum selesai. Pertanyaan ini kemudian menjadi bahan diskusi antara Pascal dan Fermat
(1601 – 1665), berdasarkan diskusi tersebut munculah teori-teori probabilitas. Walaupun
dasar-dasar probabilitas awalnya muncul untuk menjelaskan masalah-masalah dalam
perjudian, dalam perkembangannya, konsep probabilitas dapat diterapkan pada berbagai
masalah seperti masalah social, teknik, kesehatan, biologi, industry, transportasi, manajemen,
akutansi, pendidikan dll (Algifari, 2010)

Probabilitas merupakan besarnya kesempatan (kemungkinan) suatu peristiwa akan terjadi.

Besarnya kesempatan dapat ditulis dalam bentuk bilangan decimal, pecahan atau persen.

Dengan demikian, kita dapat menentukan probabilitas terjadinya hujan, munculnya muka 1
pada percobaan pelemparan dadu, probabilitas munculnya kartu AS pada penarikan kartu dari
sekelompok kartu Bridge dan seterusnya.
5. Perumusan Probabilitas
Perumusan konsep dasar probabilitas dilakukan dengan tiga cara, yaitu perumusan klasik,
cara frekuensi relatif dan pendekatan subjektif. Bila kejadian-kejadian pada contoh di atas
kita lambangkan dengan huruf besar E, kita dapat merumuskan probabilitas kejadian E,
yaitu P(E).

5.1 Perumusan Klasik

Bila kejadian E terjadi dalam m cara dari seluruh n cara yang mungkin terjadi dan
masing-masing n cara itu mempunyai kesempatan atau kemungkinan yang sama
untuk muncul, prrobabilitas kejadian E yang ditulis P(E) dirumuskan sebagai berikut :
Rumus 1.1
P(E) = m / n

Contoh :
1. Sebuah uang logam dilemparkan. Misalkan sisi pertama kita sebut muka (m) dan sisi
kedua kita sebut belakang (b), maka ada dua kejadian yang mungkin, yaitu kejadian
munculnya muka m yang kita sebut E={m} atau kejadian munculnya belakang yang
kita sebut {b}. karena uang logam terdiri atas 2 sisi (n=2) dan kedua sisi itu
mempunyai kesempatan yang sama untuk muncul, probabilitas munculnya kejadian
E={m} atau E{b} adalah

P(E) = P(m) = m/n P(E) = P(b) = m/n

= 1/2 = 1/2
 Pada pelemparan uang logam tersebut yang akan muncul adalah salah satu dari E =
{m} atau E = {b}.

2. Sebuah dadu dilemparkan. Muka dadu ada 6. Semua muka dadu mempunyai
kesempatan yang sama untuk muncul. Salah satu muka yang akan muncul dari
mukamuka dadu itu (m=1) adalah muka dadu 1, muka dadu 2, muka dadu 3, muka
dadu 4, muka dadu 5 atau muka dadu 6. Maka probabilitas kejadian E adalah : P(E) =
P(1) = P(2) = P(3) = P(4) = P(5) = P(6) = m/n = 1/6

5.2 Frekuensi Relatif

Perumusan konsep probabilitas dengan cara klasik mempunyai kelemahan karena
menuntut syarat semua hasil mempunyai kesempatan yang sama untuk muncul.
Pengertian ini mengaburkan adanya probabilitas yang sama. Sehubungan dengan itu
dikembangkan konsep probabilitas berdasarkan statistic, yaitu dengan pendekatan
empiris. Probabilitas empiris dari suatu kejadian dirumuskan dengan memakai
frekuensi relatif dari terjadinya suatu kejadian dengan syarat banyaknya pengamatan
atau banyaknya sampel n adalah sangat besar. Bila n bertambah besar sampai tak
terhingga (n -> ∞), probabilitas kejadian E sama dengan nilai limit dari frekuensi
relatif kejadian E tersebut. Dengan demikian, jika kejadian E berlangsung sebanyak f
kali dari keseluruhan pengamatan sebanyak n, dimana n mendekati tak berhingga,
probabilitas kejadian E dirumuskan sebagai berikut :

Rumus 1.2
P(E) = lim f / n n -> ∞
 Walaupun mudah dan berguna dalam praktek, secara matematis perumusan konsep
probabilitas dengan frekuensi relative ini juga mempunyai kelemahan karena suatu nilai limit
yang benar-benar mungkin sebenarnya tidak ada. Oleh karena itu, konsep probabilitas modern
dikembangkan dengan memakai pendekatan aksiomatis, yaitu suatu kebenaran yang diterima
secara apa adanya tanpa memerlukan bukti matematis, dimana konsep probabilitas tidak
didefinisikan, seperti konsep titik dan konsep garis yang tidak didefinisikan dalam ilmu
geometri (Boediono, 2006).
Contoh :
1. Pada suatu percobaan statistic, yaitu pelemparan sebuah dadu yang diulang sebanyak 1000
kali (n=1000), frekuensi munculnya muka dadu X adalah seperti pada tabel berikut ini :

Muka dadu (X) 1 2 3 4 5 6

Frekuensi (f) 164 165 166 167 168 169

Bila E menyatakan kejadian munculnya muka-muka dadu tersebut, maka probabilitas

kejadian E untuk masing-masing kemungkinan munculnya muka dadu tersebut adalah
P(E) = P(1) = 164/1000 P(E) = P(2) = 165/1000 P(E) = P(3) = 166/1000, dst

2. Dari 100 mahasiswa yang mengikuti ujian statistika, distribusi frekuensi nilai mahasiswa
adalah seperti tabel berikut

3.
Nilai (X) 45 55 65 75 85 95
Frekuensi (f) 10 15 30 25 15 5

Maka probabilitas kejadian E mahasiswa memperoleh nilai tersebut adalah

 P(E) = P(45) = 10/100 P(E) = P(55) = 15/1001 P(E) = P(65) = 30/100, dst

5.3 Pendekatan Subjektif

Pendekatan subjektif yang digunakan untuk menentukan probabilitas suatu peristiwa
didasarkan pada selera dan keyakinan individu seseorang. Misalnya, saya ingin
menentukan bahwa besok probabilitas naiknya harga dolar Amerika adalah 0.75 atau 75%.
Atas dasar apa saya menentukan probabilitas naiknya harga dolar itu 75%? Pengetahuan
ini hanya didasarkan pada pengetahuan, pengalaman, dan keahlian yang dimiliki. Dengan
demikian, probabilitas suatu peristiwa yang ditentukan dengan pendekatan subjektif
menyebabkan penentuan probabilitas suatu peristiwa antara orang yang satu dengan yang
lain dapat berbeda. Hal ini disebabkan oleh tingkat pengetahuan, penguasaan informasi,
naluri dan faktor-faktor lain yang berkaitan dengan peristiwa itu.

6. Ruang Sampel dan Kejadian

Pada pelemparan sebuah uang logam, ada dua hasil yang mungkin muncul, yaitu
muka (m) atau belakang (b). dua hasil yang mungkin muncul ini dapat dihimpun menjadi
S = {m,b}. dengan demikian dapat dikatakan bahwa kumpulan himpunan dari semua hasil
yang mungkin muncul atau terjadi pada suatu percobaan statistic disebut ruang sampel,
yang dilambangkan dengan himpunan S, sedangkan anggota-anggota dari S disebut titik
sampel.

Perhatikan bahwa pada pelemparan sebuah uang logam tersebut S = {m,b} dan A = {m},
sehingga A c A, A merupakan himpunan bagian dari S. berdasarkan kejadian A dan ruang
sampel S tersebut, perumusan konsep probabilitas didefinisikan sebagai berikut. Bila
kejadian A berlangsung dalam m cara pada ruang sampel S yang terjadi dalam n cara,
probabilias kejadian A adalah :

Rumus 1.3
P(A) = n(A) / n(S) = m / n

Dimana n(A) = banyaknya anggota A dan n(S) = banyaknya anggota S

Perhatikan bahwa definisi probabilitas tersebut tidak menuntut syarat bahwa semua titik
sampel mempunyai kesempatan yang sama untuk muncul. Definisi probabilitas kejadian
ini terlepas dari definisi probabilitas yang dirumuskan secara klasik maupun memakai
frekuensi relative. Dengan menggunakan rumus 1.3, kita dapat menentukan probabilitas
dari sembarang kejadian A yang didefinisikan pada S.

Contoh :
1. Pada pelemparan sebuah dadu, misalkan kejadian A menyatakan munculnya muka
dadu genap pada S, A = {2,4,6} sehingga probabilitas kejadiab A adalah P(A) = 3/6 =
½

2. Pada pelemparan dua buah uang logam :

a. Tentukanlah ruang sampel S
Hasil-hasil yang mungkin muncul adalah sebagai berikut :
Uang Logam 1 Uang Logam 2
M B
M (M,M) (M,B)
B (B,M) (B,B)
 Jadi ruang sampel S adalah = {(m,m), (m,b), (b,m), (b,b)}
Titik sampel (m,m) menyatakan munculnya sisi muka dari uang logam pertama dan
kedua, titik sampel (m,b) menyatakan munculnya muka dari uang logam pertama
dan belakang dari uang logam kedua, begitu seterusnya.
b. Bila A menyatakan kejadian munculnya sisi yang sama dari dua uang logam
tersebut, tentukanlah probabilitas kejadian A
A adalah kejadian munculnya sisi-sisi yang sama dari dua uang logam, maka A =
{(m,m), (b,b)}. Dengan demikian, n(A) = 2 dan n(S) = 4, sehingga probabilitas
kejadian A adalah
P(A) = n(A) / n(S) = 2/4 = 1/2

TUGAS 1 :

1. Sebuah kotak berisi 8 bola merah, 7 bola putih, dan 5 bola biru. Jika diambil 1 bola secara
acak, tentukanlah probabilitas terpilihnya :
Bola merah
Bola biru
Bola putih
Bola merah atau biru

2. Peluang seorang pria akan hidup selama 25 tahun adalah 3/5 dan peluang istrinya akan
hidup selama 25 tahun adalah 2/3. Tentukanlah peluang :
Keduanya akan hidup selama 25 tahun
Hanya pria yang hidup selama 25 tahun
Hanya istri yang hidup selama 25 tahun
 Paling sedikit salah satu dari mereka (suami/istri) hisup selama 25 tahun

3. Tiga wanita dipilih secara acak untuk ditanya apakah mereka mencuci pakaian dengan
detergen. Tentukanlah :
Anggota ruang sampel S dengan memakai huruf Y = ya dan T = tidak
Tulislah anggota kejadian E dalam S yang menyatakan bahwa paling sedikit dua wanita
memakai detergen Hitunglah P(E)

4. Dalam pengumpulan nilai probabilitas dan statistika mahasiswa jurusan SI STT NIIT
ITech, diperoleh daftar nilai sebagai berikut :

Nilai 40 50 60 70 80 90 100

Frekuensi 3 4 5 8 2 2 1

Jika kita mengambil 1 nilai secara random, berapa probabilitas dari :

Mahasiswa yang memperoleh nilai diatas 60
Mahasiswa yang memperoleh nilai antara 60 dan 80 (60 < nilai < 80)
 10. Contoh soal probabilitas

Contoh Soal No. 1

Misalkan kita mempunyai 10 kartu yang bernomor 1 sampai dengan 10. Jika satu kartu
diambil secara acak, berapakah peluang terambilnya kartu bernomor bilangan prima?

Jawab:
Sebelum menyelesaikan persoalan di atas, kita harus mengetahui dulu apa itu bilangan prima.
Bilangan prima adalah bilangan yang hanya memiliki dua faktor, yaitu 1 dan bilangan itu
sendiri. Bilangan prima haruslah bilangan asli, positif dan lebih dari 1.

Bilangan prima yang ada dari 1 sampai dengan 10 adalah 2, 3, 5, 7. Jadi terdapat 4 bilangan
prima yang ada dari 1 sampai dengan 10. Dengan demikian, peluang terambilnya kartu yang
merupakan bilangan prima dari 10 kartu bernomor sampai dengan 10 adalah 4/10 atau 0,4.

Contoh Soal No. 2

Dari 42 siswa, 23 siswa manyukai IPA, 21 siswa menyukai Matematika dan 3 siswa tidak
menyukai keduanya. Berapakah jumlah siswa yang menyukai IPA dan Matematika?

Jawab:
Jumlah siswa yang menyukai salah satu mata pelajaran atau kedua mata pelajaran
adalah 42 - 3 = 39 siswa (jumlah semua siswa dikurangi jumlah siswa yang tidak menyukai
salah satu matapelajaran). Dengan demikian, jumlah siswa yang menyukai IPA dan
Matematika adalah (23 + 21) - 39 = 5 siswa.
Gambaran siswa yang menyukai/tidak menyukai mata pelajaran tersebut dapat dilihat
melalui Diagram Venn berikut.

Contoh Soal No.3

Bilangan ribuan ganjil akan disusun dari empat buah angka, yaitu 2, 5, 6, 8. Berapakah
banyaknya bilangan yang dapat disusun apabila angka-angka tersebut (i) boleh diulang, dan
(ii) tidak boleh diulang?

Jawab:
Bila bilangan ribuan yang akan disusun harus ganjil, maka angka terakhir pada bilangan
tersebut juga harus ganjil. Dari keempat angka yang akan disusun hanya terdapat 1 buah
angka ganjil yaitu 5.

(i) Dengan demikian, karena angka-angka tersebut boleh diulang maka jumlah bilangan
yang dapat disusun adalah 1 × 4 × 4 × 4 = 64.

(ii) Apabila angka-angka tersebut tidak boleh diulang maka jumlah bilangan yang dapat
disusun adalah 1 × 3 × 2 × 1 = 6.
Contoh Soal No.4
Bilangan yang terdiri dari 3 angka akan dibuat dari angka-angka 1, 2, 3, 4 , 5 dan 6.
Berapakah banyaknya bilangan yang dapat dibuat dari angka-angka tersebut jika bilangan
yang dibuat harus kecil dari 300?

Jawab:
Jika bilangan yang dibentuk harus kurang dari 300, maka angka pada digit pertama bilangan
tersebut harus harus kurang dari 3. Banyaknya angka yang kurang dari 3 adalah 2, yaitu 1
dan 2. Selanjutnya jika digit pertama telah dipilih maka banyaknya angka yang mungkin
pada digit kedua adalah 5 dan untuk digit ketiga adalah 4. Dengan demikian banyaknya
bilangan yang dapat dibuat dari angka-angka tersebut jika bilangan yang dibuat harus kecil
dari 300 adalah 2 × 5 × 4 = 40.

Contoh Soal No 5
Kemungkinan Ari lulus ujian matematika ialah 2/3
dan kemungkinan ia lulus pelajaran bahasa inggris ialah 4/9. Apabila probabilitas
lulus keduanya ialah 1/4, berapa probabilitas Ari dapat paling tidak lulus salah satu
dari kedua pelajaran tersebut?

Jawaban:

Bila M ialah kejadikan lulus mateamtika dan B ialah kejadian lulus bahasa Inggris, maka:
Probabilitas Ari lulus salah satu mata pelajaran tersebut adalah:
P(M  B) = P(M) + P(B) – P(M  B)
= 2/3 + 4/9 – 1/4
= 31/36
Contoh Soal no 6

Dua kartu diambil dari 52 kartu. carilah peluang terjadinya (a) kejaidan A : kedua
kartu sekop, (b) Kejadian B: satu sekop dan satu hati Jawab:

Untuk mengambil 2 kartu dari 52 kartu yang ada: 53C2 =

52 x 51/ 2 x 1 = 1.326 cara Sehingga n(S) = 1.326

Kejadian A Untuk mengambil 2 sekop dari 13 sekop ada:

13C2 = 13 x 12 / 2 x 1 =78 cara sehingga n(A) = 78

Maka peluang kejadian A adalah

P(A) = n(A)/n(S)

= 78/1.326

=3/51

Jadi peluang kedua kartu terambil adalah sekop, maka peluangnya adalah 3/51

Kejadian B

Karena terdapat 13 sekop dalam 13 hati, maka untuk mengambil sebuah kartu sekop dan satu
hati ada beberapa cara:

13 x 13 = 169 cara , n(B) = 69

Maka peluang nya:

P(B) = n(B)/ n(S)

=169/1.326

=13/102
Jadi peluang mengambil dua kartu dengan satu sekop dan satu hati, nilai peluang yang
muncul adalah 13/102.

Contoh Soal No 7

Lisa mengambil 4 bola sekaligus dari sebuah tas berisi 11 bola yang terdiri dari 4 bola
putih dan 7 bola merah. Berapakah Peluang terambiilnya 2 bola merah dan 2 bola putih ?
Cara mengambil 2 bola merah dari 7 bola adalah n(A1) = 7C2

Cara mengambil 2 bola putih dari 4 bola adalah n(A2)= 4C2

Cara mengambil 2 bola merah dan 2 bola putih adalah:

n(K) = n(A1) × n(A1) = 21 . 6 = 126.

Cara mengambil 4 bola dari 11 bola = n(S) = 11C4

Peluang terambil 2 bola merah dan 2 bola putih adalah:

P(K) = n(K)/n(S) = 126/330

Contoh soal No 8

Rudi melempar sebuah uang logam dan sebuah dadu secara bersamaan. Berapakah peluang
muncul angka pada uang logam dan bilangan genap pada dadu ?

Kejadian tersebut adalah peluang kejadian saling lepas, maka:

P(angka) = 1/2
P(genap) = 3/6
P(angka dan genap) = P(angka) × P(genap) = 1/2 × 3/6 = 3/12 = 1/4

Jadi, peluang muncul angka pada uang logam dan bilangan genap pada dadu adalah 1/4.

Contoh Soal Nomor 9

Reni melempar sebuah uang logam sebanyak 200 kali, hasilnya muncul angka sebanyak 75
kali. Hitunglah:

a. Frekunsi munculnya angka

b. Frekunesi munculnya gambar Penyelesaian:

a. Frekuensi muncul angka f(A)

Frekuensi muncul angka = banyak angka yang muncul / banyak percobaan

f(A) = 75/200 = 3/8

b. Frekuensi muncul gambar f(G)

Frekuensi muncul gambar = banyak gambar yang muncul / banyak percobaan

f(G) = (200-75)/200 = 125/200 = 5/8

Sebuah tas berisi lima buah komik volume 11 sampai 15. Jika buku diambil secara acak dari
tas tersebut. Maka:

a. Tentukanlah peluang terambilnya komik bervolume genap.

b. Jika yang terambil adalah buku bervolume ganjil, lalu tidak dikembalikan lagi.
Tentukanlah peluang terambilnya komik volume ganjil pada pengambilan berikutnya:

a. Banyaknya komik bervolume genap adalah 2 yaitu bola bernomor 12

dan 14.

Sehingga P(genap) = 2/5

 b. Banyaknya komik volume ganjil ada 3, terambil 1 sehingga sisa 2. Maka

P(ganjil) = (3-1)/(5-1) = 2/4 = 1/2

Contoh Soal Nomor 10

Pada pelemparan dua dadu setimbang bersamaan. Misalnya K adalah kejadian muncul
jumlah mata dadu = 6. Peluang kejadian K adalah…

Pembahasan

nK = 5 , nS = 36

Contoh Soal Nomor 10

Sebuah kantong terdiri dari 4 kelereng merah, 3 kelereng biru, dan 5 kelereng hijau. Dari
kelereng- kelereng tersebut akan diambil satu kelereng. Tentukan peluang terambilnya
kelereng berwarna biru !

Jawab :

Banyaknyaa titik sampel n(s) = 4 + 3 + 5 = 12

Titik sampel kelereng biru n(A) = 3

Jadi, peluang terambilnya kelereng berwarna biru adalah 1/4

BAB III

PENUTUP

1. KESIMPULAN

Teori probabilitas menyajikan metode- metode yang berkaitan dengan

ketidakpastian dan merupakan suatu bagian yang takterpisahkan dan proses pengambilan

keputusan . Konsep-konsep probabilitas merupakan dasar dan sampel-sampel dan inferensi

tentang populasi yang dapat dibuat dan suatu sampel. Setelah memahami konsep

probabilitas yang merupakan dasar ilmu statistik, selanjutnya akan dibenikan teori mengenai

variable random dan sifat-sifatnya ,pembentukan distribusi probabilitas ,pengenalan

berbagai macam distribusi probabilitas vaniabel random diskrit dan kontinu, serta distribusi

sampling statistilc.

Probabilitas merupakan bagian matematika yang membahas tentang ukuran keboleh jadian

terjadinya sesuatu peristiwa yang ada dalam kehidupan.Memang banyak peristiwa yang

tidak dapat di pastikan terjadi atau tidak terjadi di kemudian waktu. Namun dengan

mengetahui ukuran berhasil tidaknya peristiwa yang di harapkan akan terjadi,orang dapat

mengambil keputusan lebih baik dan lebih bijaksana tentang apa yang seharusnya yang akan

di lakukan.

Penentuan terjadinya sebuah peristiwa ditentukan oleh nilai peluang dan penghitungannya

didasarkan pada perumusan secara umum. Sehingga peluang dapat diartikan sebagai ukuran

yang digunakan untuk mengetahui terjadinya atau tidak terjadinya suatu peristiwa.

Sebuah peristiwa yang terjadi pasti mempunyai nilai peluang yang besarnya antara 0 dan 1.

Adapun, peristiwa yang sudah pasti terjadi akan mempunyai nilai peluang sebesar 1. Akan

tetapi, peristiwa yang sudah pasti tidak terjadi akan mempunyai nilai peluang sebesar 0.

Dalam hal in kita jarang menjumpai sebuah peristiwa yang mempunyai nilai peluang tepat
sama dengan 0 dan atau tepat sama dengan 1. Kita biasanya sering menjumpai sebuah

peristiwa yang mempunyai nilai peluang antara nol dan satu.

2. SARAN

Demikian makalah yang kami buat, semoga dapat bermanfaat bagi

pembaca.Apabila ada saran dan kritik yang ingin di sampaikan, silahkan sampaikan kepada

kami.Apabila ada terdapat kesalahan mohon dapat mema'afkan dan memakluminya, karena

kami adalah hamba

Allah yang tak luput dari salah khilaf, Alfa dan lupa.
 Daftar Pustaka

https://www.slideshare.net/ryan1023/makalah-probabilitas https://karyatulisilmiah.com/makalah-

statistika-probabilitas/ https://www.slideshare.net/ryan1023/makalah-probabilitas

https://dewey.petra.ac.id/repository/jiunkpe/jiunkpe/s1/info/2016/jiunkpe-is-s1-2016-26412067-
36988-android-chapter2.pdf

https://www.google.com/url?sa=t&source=web&rct=j&url=https://karyatulisilmiah.com/
makalahstatistika-
probabilitas/&ved=2ahUKEwjNwdPw29P4AhXl5HMBHRshANoQFnoECEAQAQ&usg=AOvVaw1ctr1yn
kkBoGdrbnj2YWKN

https://www.google.com/url?sa=t&source=web&rct=j&url=http://adtyadjavanet.blogspot.com/201
3/11/makalah-
probabilitas.html%3Fm%3D1&ved=2ahUKEwjNwdPw29P4AhXl5HMBHRshANoQFnoECB4QAQ&usg=
AOvVaw36SCFpENjYpOWE1arCitNw

https://www.google.com/url?sa=t&source=web&rct=j&url=https://www.coursehero.com/file/4591
1973/TUGAS-
4PROBABILITASdocx/&ved=2ahUKEwjNwdPw29P4AhXl5HMBHRshANoQFnoECCAQAQ&usg=AOvVa
w27MRSDTs0Z_NyjBTA_7a7H

https://www.google.com/url?sa=t&source=web&rct=j&url=http://adtyadjavanet.blogspot.com/201
3/11/makalah-
probabilitas.html%3Fm%3D1&ved=2ahUKEwjNwdPw29P4AhXl5HMBHRshANoQFnoECB4QAQ&usg=
AOvVaw36SCFpENjYpOWE1arCitNw

https://www.google.com/url?sa=t&source=web&rct=j&url=http://lumbanbatuuuu.blogspot.com/20
18/04/makalah-statistik-dan-
probabilitas.html%3Fm%3D1&ved=2ahUKEwjNwdPw29P4AhXl5HMBHRshANoQFnoECB0QAQ&usg=
AOvVaw32EKy0BdFFQYIpp2S6_n9U