STATISTIKA MATEMATIKA

TEORI PELUANG

Dosen Pengampu :

Prof.Dr. I Gusti Putu Suharta, M.Si.

Disusun oleh :

Ni Made Yunitasari Maharani Pricilla Murti ; 2113101018

Putu Eka Aprilliano Putra Yasa ; 2113101030
I Gusti Ayu Dya Trisna Wahyundari ; 2113101033

UNIVERSITAS PENDIDIKAN GANESHA

SINGARAJA
2022
TEORI PELUANG
1. Permutasi dan Kombinasi
Dalam mempelajari permutasi dan kombinasi diperlukan suatu pinsip
dasar yaitu prinsip dasar membilang dan faktorial.
a. Prinsip dasar membilang: Apabila kejadian pertama dapat terjadi dalam
𝑛" cara, kejadian kedua dalam 𝑛# cara, demikian seterusnya, sampai
kejadian 𝑘 dalam 𝑛% cara, maka kejadian keseluruhan dapat terjadi
dalam:
𝑛" × 𝑛# × … × 𝑛% 𝑐𝑎𝑟𝑎
Contoh :
Seseorang ingin bepergian dari surabaya ke medan melalui jakarta. Jika
jalan yang dapat dilalui dari Surabaya ke Jakarta ada 4 cara dan dari
Jakarta ke Medan ada 3 cara, berapa cara yang dapat ditempuh agar
sampai di Medan melalaui Jakarta?
Jawab :
dari Surabaya ke jakarta (𝑛" ) = 4 cara
dari Jakarta ke Medan (𝑛# ) = 3 cara
Jadi banyaknya cara agar sampai di Medan melalui Jakarta adalah:
𝑛" × 𝑛# = 4 × 3 = 12 𝑐𝑎𝑟𝑎
b. Prinsip Faktorial: Faktorial adalah perkalian bilangan berurutan dari 1
sampai bilangan yang diminta (bilangan asli) atau sebaliknya. Notasi
dari faktorial adalah: ”!”.
𝑛! = 1. 2. 3 … (𝑛 − 2). (𝑛 − 1). 𝑛
1! = 1
0! = 1
Contoh :
Tentukan nilai faktorial dari
a. 6!
b. 4! × 2!
8!
c. #!
Jawab :
a. 6! = 6.5.4.3.2.1 = 720
b. 4! × 2! = 4.3.2.1 × 2.1 = 48
8! 8.#!
c. #! = #! = 3
1.1 Permutasi
Permutasi adalah susunan dari unsur-unsur yang berbeda dengan mem-
perhatikan urutan unsur-unsurnya. Misalkan ada 3 objek a, b dan c akan
diatur berbaris, maka banyak susunan yang mungkin terjadi adalah
a. Dengan mendaftar susunan : abc, acb, bca, bac, cab, cba. Jadi
terdapat enam susunan.
b. dengan prinsip membilang : kejadian pertama 3 pilihan, kedua
ada 2 pilihan dan ketiga hanya 1 pilihan. sehingga didapat:
3×2×1=6
Jenis-jenis permutasi
a. Permutasi 𝑛 dari 𝑛 yang tersedia.
Rumus : 𝑃== = 𝑛!
Contoh :
Pada sebuah rak buku terdapat 5 buku sains, 4 buku hukum, dan 3
buku ekonomi. Berapa cara susunan yang mungkin terjadi?
Jawab :
Susunan buku sains :5P5 = 5! = 1.2.3.4.5 = 120 cara
Susunan buku hukum : 4P4 = 4! = 1.2.3.4 = 24 cara
Susunan buku ekonomi : 3P3 = 3! = 12.3 = 6 cara
Susunan ketiga kelompok: 3P3 = 3! = 12.3 = 6 cara
Banyaknya susunan jika buku disusun bersama adalah 5!.4!.3!.3! =
120.24.6.6 = 103680 cara
b. Permutasi 𝑟 unsur dari 𝑛 yang tersedia.
=!
Rumus: 𝑃>= =
(=?>)!
(𝑛 ≥ 𝑟 )
Contoh :
Dari 6 calon pengurus suatu organisasi akan dipilih seorang ketua,
seorang sekretaris, dan seorang bendahara. Berapa cara keenam calon
tersebut dapat terpilih?
Jawab :
𝑛 = 6, 𝑟 = 3
6! 6.5.4.3!
𝑃 (6,3) = = = 120
(6 − 3)! 3!
c. Permutasi melingkar
Sejumlah objek yang berbeda (𝑛) dapat disusun secara teratur dalam
sebuah lingkaran dengan
Rumus : (𝑛 − 1)! 𝑐𝑎𝑟𝑎
 Contoh :
Enam buah batu permata yang berbeda warna akan disusun menjadi
sebuah gelang. Berapa macam cara gelang bisa dibuat?
Jawab :
𝑛=6
Gelang dapat dibuat dalam : (𝑛 − 1)! = (6 − 1)! = 5! = 120 𝑐𝑎𝑟𝑎
d. Permutasi dengan unsur yang sama
Permutasi 𝑛 objek dengan 𝑘 objek yang sama, 𝑙 objek yang sama,
𝑚 objek yang sama dan….objek yang sama, dirumuskan

=
𝑛!
𝑃%,D,E… =
𝑘!. 𝑙!. 𝑚! …
Contoh :
Tentukan permutasi dari “STATISTIK”!
Jawab :
𝑛 = 9, 𝑘 (𝑆) = 2, 𝑙(𝑇 ) = 3, 𝑚(𝐼 ) = 2
J
9! 9.8.7.6.5.4.3!
𝑃#,8,#… = = = 15120
2! .3! .2! 2.1.2.1.3!

1.2 Kombinasi
Berbeda dengan permutasi yang memperhatikan urutan unsur-
unsurnya, maka pada kombinasi urutan unsur-unsur tidak diper-
hatikan. Kombinasi 𝒓 unsur dari 𝒏 unsur yang tersedia dinotasikan
𝑲(𝒏, 𝒓)atau 𝑲𝒏𝒓 dan dirumuskan:
𝑛!
𝐾>= =
𝑟! (𝑛 − 𝑟 )!
Contoh :
Dengan berapa cara dapat dipilih 3 kemeja dari 5 kemeja yang dimiliki!
Jawab :
5! 5.4.3!
𝐾8O = = = 10
3! (5 − 3)! 3! .2.1

2. Teori Peluang
Teori peluang memiliki sejarah yang panjang. Misalnya sejak berabad-
abad manusia terlibat dalam kegiatan menerka atau memprediksi berbagai
kemungkinan keuntungan dalam arena perjudian. Fenomena peluang ini
telah menarik perhatian matematikawan dalam membangun teori peluang
untuk dipergunakan misalnya dalam perasuransian (aktuaria), ekonomi
(ekonometri), penelitian, dan pengetahuan lainnya. Konsep dasar peluang
dapat dibedakan menjadi tiga pengertian, yaitu:

2.1 Pengertian Klasik

Dalam teori probabilitas klasik, probabilitas diartikan sebagai hasil bagi
kejadian yang dimaksud dengan semua kejadian yang mungkin terjadi,
dimana semua hasil yang mungkin bersifat berpeluang sama. Menurut
teori ini, probabilitas dirumuskan dengan:

𝐧(𝐀)
𝐩(𝐀) =
𝐍
Keterangan:
𝒑(𝑨) = Probalitas terjadinya kejadia A
𝒏(𝑨) = Banyaknya kejadian A
𝑁 = Banyaknya seluruh kejadian atau ruang sampel
Contoh :
Dua buah dadu ditos bersamaan, berapa peluang munculnya angka
berjumlah 4!
Jawab :
Elemen ruang sampelnya adalah {(1, 1), (1, 2), (1, 3), ..., (6, 4), (6, 5),
(6, 6)}, N = 36. Misalkan A adalah kejadian munculnya mata dadu
berjumlah 4, yaitu {(1, 3), (2, 2), (3, 1)}, n(A) = 3. Maka peluang
kejadian A dapat dihitung ,
𝟑 𝟏
𝐩(𝐀) = =
𝟑𝟔 𝟏𝟐
2.2 Pengertian Berdasarkan Frekuensi Relatif
Berdasarkan pendekatan ini, probabilitas diartikan sebagai perbanding-
an waktu terjadinya kejadian dalam jangka panjang jika keadaan stabil,
atau krekuensi relatif dari seluruh peristiwa dalam sejumlah percobaan.
Nilai dari probabilitas ini ditentukan melalui percobaan, sehingga nilai-
nya merupakan limit dari frekeunsi relatif kejadian. Berdasarkan freku-
ensi relatif, probabilitas dirumuskan :
𝐟𝐢
𝐩(𝐗 𝐢 ) = 𝐥𝐢𝐦
𝐧→` 𝐍
Keterangan :
𝐩(𝐗 𝐢 ) = Probabilitas kejadia i
𝐟𝐢 = Frekuensi kejadian i
𝐍 = Banyaknya kejadian yang mungkin
Contoh :
Nilai hasil ujian mata kuliah geometri dari 80 mahasiswa adalah
sebagai berikut :
 Tabel Frekuensi Nilai Ujian
𝒙 4,8 5,7 6,3 6,9 7,5 8,2 9,1
𝒇 11 15 18 14 12 7 3
Tentukan probabilitas salah seorang mahasiswa memperoleh nilai 6,9!
Jawab :
Frekuensi mahasiswa yang memperoleh nilai 6,9 = 14
Jumlah mahasiswa N = 80
𝟏𝟒
𝐩(𝐗) = = 𝟎, 𝟏𝟕𝟓
𝟖𝟎
2.3 Pengertian Subyektif
Pengertian probabilitas disini diartikan sebagai tingkat kepercayaan
yang didasarkan pada perkiraan-perkiraan subyektif pada pengalaman
masa lalu.
Contoh :
Probabilitas pasien sembuh paska operasi nilainya merupakan perkira-
an subyektif dokter semata yang didasarkan atas pengalaman masa lalu
atau perhitungan medis tertentu.
Dari pengertian-pengertian diatas dapat disimpulkan secara umum pe-
ngertian dari probabilitas, yaitu sebagai berikut:
Probabilitas adalah suatu nilai yang digunakan untuk menentukan
tingkat terjadinya suatu kejadian yang bersifat random.
Misalkan A adalah suatu kejadian. Karena probabilitas merupakan suatu
nilai, maka probabilitas kejadian A memiliki batas-batas, yaitu:
a. Jika P (A) = 0, disebut probabilitas kemustahilan, artinya kejadian
A tidak pernah terjadi.
b. Jika P (A) = 1,disebut probabilitas kepastian, artinya kejadian A
sudah pasti terjadi.
c. Jika 0 < P (A) < 1, disebut probabilitas kemungkinan, artinya keja-
dian A bisa atau tidak bisa terjadi.

3. Ruang dan Titik Sampel

Dalam teori peluang, pengertian ruang sampel sangat memegang peran- an
penting. Misalnya sebuah dadu dilempar satu kali, maka hasil yang
mungkin keluar adalah 1,2,3,4,5,6. Himpunan hasil yang mungkin itu, yaitu
{1, 2, 3, 4, 5, 6} disebut dengan ruang sampel dari percobaan itu. Setiap
anggota dari ruang sampel disebut titik sampel. Himpunan bagian dari
ruang sampel suatu percobaan disebut kejadian. Misalnya kejadian
munculnya mata bilangan prima {2, 3, 5}pada pelemparan sebuah dadu.
Sedangkan proses untuk memperoleh kejadian-kejadian ini disebut dengan
eksperimen atau percobaan random. Jika kejadian yang diperoleh itu
bersifat random maka eksperimennya disebut eksperimen random. Suatu
eksperimen bisa menghasilkan kejadian-kejadian berhingga maupun tak
 berhingga (ruang sampel berhingga atau tak berhingga). Ruang sampel
berhingga memuat sebanyak berhingga kejadian-kejadian, sedangkan ruang
sampel tak berhingga terbilang (countably infinite), jika ruang sampel
tersebut memuat kejadian-kejadian yang dapat dibuat korespondensi satu-
satu dengan bilangan bulat positif. Suatu ruang sampel yang berhingga atau
tak berhingga terbilang disebut dengan ruang sam pel diskrit.
Contoh :
Dua buah mata uang dilemparkan, tentukan ruang sampel, kejadian pa ling
sedikit muncul satu gambar, dan kejadian sisi gambar tak pernah muncul!
Jawab :
Misalnya sisi gambar kita beri tanda G dan sisi angka kita beri tanda
A, maka ruang sampel dalam eksperimen tersebut adalah Ω ={GG,
GA, AG, AA}. Misalkan E kejadian munculnya paling sedikit satu
gambar, E = {GG, GA, AG}, dan D kejadian sisi gambar tak pernah
muncul,D = {AA}.

4. Sifat-Sifat Peluang
Sifat-sifat peluang terdiri dari :
a. 𝑃 (𝐴) ∈ [0,1]
b. 𝑃 (𝑆) = 1
c. Jika 𝐴o ∩ 𝐴q = ∅, 𝑖 ≠ 𝑗 maka berlaku 𝑃(∪ 𝐴o ) = ∑ 𝑃(𝐴o )
d. 𝑃 (∅) = 0
e. 𝑃 (𝐴) = 1 − 𝑃(𝐴x )
f. Jika 𝐴 ⊆ 𝐵 maka 𝑃(𝐴) ≤ 𝑃 (𝐵 )
Dengan definisi, 𝐵 = 𝐴 ∪ (𝐵 − 𝐴), 𝑃 (𝐵 ) = 𝑃 (𝐴) + 𝑃 (𝐵 − 𝐴) ≥ 𝑃 (𝐴)
g. 𝑃 (𝐴 ∪ 𝐵 ) = 𝑃 (𝐴) + 𝑃 (𝐵 ) − 𝑃(𝐴 ∩ 𝐵)

5. Peluang Beberapa Kejadian

5.1 Kejadian Saling Lepas (mutually exclusive)
Dua kejadian A dan B dikatakan kejadian saling lepas jika kedua
kejadian itu tidak dapat terjadi pada saat bersamaan 𝐴 ∩ 𝐵 = ∅.
Kejadian A1, A2, ...dikatakan saling lepas jika A1, A2, ...sepasang-
sepasang juga saling lepas, yakni 𝐴q ∩ 𝐴% = ∅ untuk 𝑗 ≠ 𝑘.. Jika
kejadian A dan kejadian B saling lepas, maka peluang terjadinya
kejadian tersebut adalah:
𝑃 (𝐴 ∪ 𝐵 ) = 𝑃 (𝐴 ) + 𝑃 ( 𝐵 )
Contoh :
Sebuah dadu ditos sekali, tentukan peluang munculnya mata dadu 4
atau lebih kecil dari 3!
 Jawab :
Ruang sampel = {1, 2, 3, 4, 5, 6}, N = 6
"
A =kejadian munculnya mata 4 = {4}, n(A) = 1, P(A) = ‚
B =kejadian munculnya mata kurang dari 3= {1,2}, n(B) = 2,
#
P( B ) = ‚
1 2 3 1
𝑃 (𝐴 ∪ 𝐵 ) = 𝑃 (𝐴 ) + 𝑃 (𝐵 ) = + = =
6 6 6 2
5.2 Kejadian Tidak Saling Lepas (non-exclusive)
Dua kejadian atau lebih dikatakan kejadian tidak saling lepas, apabila
kedua kejadian atau lebih tersebut dapat terjadi pada saat bersamaan.
Jika dua kejadian A dan B tidak saling lepas, maka peluang terjadinya
kejadian tersebut adalah
𝑃 (𝐴 ∪ 𝐵 ) = 𝑃 (𝐴) + 𝑃 (𝐵 ) − 𝑃(𝐴 ∩ 𝐵)
Contoh :
Sebuah perusahaan mempunyai 30 karyawan yang terdiri dari 12 karya-
wan pria dan 18 karyawan wanita. 4 dari karyawan pria adalah seorang
sarjana manajemen dan 10 dari karyawan wanita adalah sarjana mana-
jemen. Jika diambil seorang karyawan secara acak, berapa probabilitas
yang terambil adalah pria atau sarjana manajemen?
Jawab :
𝑁 = 30
𝐴 = pria
𝐵 = sarjana manajemen
𝐴 ∩ 𝐵 = pria dan sarjana manajemen
12 14
𝑃 (𝐴 ) = 𝑃 (𝐵 ) =
30 30
4
𝑃 (𝐴 ∩ 𝐵 ) =
30
12 14 4 22
𝑃 (𝐴 ∪ 𝐵 ) = 𝑃 (𝐴 ) + 𝑃 ( 𝐵 ) − 𝑃 ( 𝐴 ∩ 𝐵 ) = + − =
30 30 30 30
5.3 Kejadian Tidak Saling Bebas
Suatu kejadian B dikatakan tidak bebas dari kejadian A, jika
terjadinya B hanya dapat berlangsung jika kejadian A berlangsung.
Dengan kata lain terjadinya suatu kejadian B dengan syarat kejadian
yang A harus terjadi. Jika kejadian B bersyarat terhadap kejadian A ,
maka probabilitas ( probabilitas bersyarat) terjadinya kejadian tersebut
adalah:
 𝑃 (𝐵 ∩ 𝐴)
𝑃 (𝐵/𝐴) = , 𝑃 (𝐴 ) ≠ 0
𝑃 (𝐴)
Dari pernyataan diatas dapat diperoleh :
𝑃(𝐵 ∩ 𝐴) = 𝑃(𝐴). 𝑃 (𝐵/𝐴)
𝑃(𝐵/𝐴) = probabilitas terjadinya B dengan syarat kejadian A
berlangsung.
Contoh :
Dari setumpuk kartu bridge berturut-turut diambil sebuah kartu seba-
nyak dua kali. Tentukan peluang terambilnya as pada pengambilan per-
tama dan king pada pengambilan kedua!
Jawab :

Misalkan: 𝐴 = kejadian terambilnya as pada pengambilan pertama ;

…
maka 𝑃(𝐴) = O# . Setelah diambil satu kartu, maka kartu tinggal 51.
Misal 𝐵 =kejadian terambilnya kartu king pada pengambilan yang
…
kedua. Disini jelas B tergantung pada 𝐴, 𝑃(𝐵/𝐴) = O" Jadi peluang
terambilnya as pada pengambilan pertama dan king pada pengambilan
kedua adalah:
𝑃(𝐵 ∩ 𝐴) = 𝑃(𝐴). 𝑃(𝐵/𝐴)
4 4
= ∙
52 51
4
=
663
5.4 Kejadian Saling Bebas
Dua kejadian A dan B adalah saling bebas (independen), jika terjadi
atau tidaknya kejadian A tidak mempengaruhi terjadi atau tidaknya
kejadian B, demikian sebaliknya. Misalnya, sebuah dadu dilempar dua
kali, kejadian A adalah munculnya mata 2 pada pelemparan pertama
dan kejadian B munculnya mata 5 pada pelemparan kedua. Disini
munculnya angka 5 tidak ada hubu- ngannya dengan munculnya mata
2.
Jika Adan B kejadian bebas, maka P (B/A) = P (B). Sehingga
untuk ke- jadian Adan B yang saling bebas berlaku:
𝑃 (𝐴 ∩ 𝐵 ) = 𝑃(𝐴) × 𝑃 (𝐵 )
Kejadian A1,A2, ..., Ak adalah kejadian-kejadian saling bebas secara
lengkap jika
𝑃(𝐴" ∩ 𝐴# ∩ … ∩ 𝐴% ) = 𝑃 (𝐴" )𝑃(𝐴# ) … 𝑃(𝐴% )
 𝑃‡𝐴o ∩ 𝐴q ˆ = 𝑃(𝐴o )𝑃‡𝐴q ˆ, 𝑢𝑛𝑡𝑢𝑘 𝑖 ≠ 𝑗
maka Ai dan Aj disebut bebas sepasang-sepasang.
Teorema
Jika A dan B kejadian yang saling bebas maka A dan
𝐵 x , 𝐴x 𝑑𝑎𝑛 𝐵, 𝐴x 𝑑𝑎𝑛 𝐵 x juga merupakan kejadian-kejadian yang
saling bebas .
𝑃 (𝐴x ∩ 𝐵 ) = 𝑃‡𝐵 − (𝐴 ∩ 𝐵)ˆ
= 𝑃 ( 𝐵 ) − 𝑃 (𝐴 ∩ 𝐵 )
= 𝑃(𝐵)(1 − 𝑃(𝐴))
= 𝑃 ( 𝐴 x ) 𝑃 (𝐵 )
Kejadian A dan B dikatakan saling lepas (mutually exclusive) jika 𝐴 ∩
𝐵 = ∅ , sehingga 𝑃 (𝐴 ∩ 𝐵 ) = 𝑃(∅) = 0. Kejadian A dan B
merupakan kejadian bebas (independent) jika 𝑃 (𝐴 ∩ 𝐵 ) =
𝑃 ( 𝐴 ) 𝑃 (𝐵 ) .
Contoh :
Sebuah mata uang logam dan sebuah dadu dilemparkan satu kali secara
bersamaan. Tentukan probabilitas munculnya angka pada mata uang
dan mata 3 pada dadu!
Jawab :

Misalkan : 𝐴 =angka pada mata uang ; 𝐵 = mata 3 pada dadu

1 1
𝑃 (𝐴 ) = = 0,5 ; 𝑃 (𝐵 ) = = 0,167
2 6
( ) ( ) ( )
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 × 𝑃 𝐵 = 0,5 ∙ 0,167 = 0,0835
5.5 Teorema Totalitas Peluang
Misalkan B1,B2, B3,..., Bk adalah barisan kejadian-kejadian dengan
sifat
%
𝑃(• 𝐵o ) = 1, 𝐵o ∩ 𝐵q = ∅ 𝑢𝑛𝑡𝑢𝑘 𝑖 ≠ 𝑗
oŽ"
Maka untuk setiap kejadian A berlaku :
%

𝑃(𝐴) = • 𝑃 (𝐴/𝐵o ) 𝑃 (𝐵o )

oŽ"
Bukti :
%

𝐴 = •(𝐴 ∩ 𝐵o )
oŽ"
%

𝑃(𝐴) = • 𝑃 (𝐴 ∩ 𝐵o )
oŽ"
 %

𝑃(𝐴) = • 𝑃(𝐴/𝐵o ) 𝑃(𝐵o )

oŽ"
Contoh :
Sebuah perusahaan memproduksi satu jenis pasang sepatu di tiga pabrik
yang berbeda. Jika dalam satu hari pabrik pertama memproduksi 60 pa-
sang sepatu, pabrik kedua 75 pasang, dan pabrik ketiga 115 pasang. Be-
rapa probabilitas mendapatkan 1 pasang sepatu rusak, jika sepatu yang
rusak pada tiap pabrik 5, 15,dan 20?
Jawab :
60
𝑆" = 60, 𝑃(𝑆" ) = = 0,24
250
75
𝑆# = 75, 𝑃(𝑆# ) = = 0,3
250
115
𝑆8 = 110, 𝑃(𝑆8 ) = = 0,46
250
𝑅 5
𝑃• ’ = = 0,083
𝑆" 60
𝑅 15
𝑃• ’ = = 0,2
𝑆# 75
𝑅 20
𝑃• ’ = = 0,174
𝑆8 115
8 𝑅
𝑃(𝑅) = • 𝑃 • ’ ∙ 𝑃(𝑆o ) = 0,083 ∙ 0,24 + 0,2 ∙ 0,3 + 0,174 ∙ 0,46 = 0,16
oŽ" 𝑆o
5.6 Teorema Bayes
Teorema bayes dikemukakan pertama kali oleh seorang pendeta berna-
ma Thomas bayes pada tahun 1763, yang kemudian disempurnakan oleh
Laplace. Teorema ini dipergunakan untuk menghitung probabilitas ter-
jadinya suatu kejadian yang dipengaruhi oleh hasil percobaan.
Dalam teori ini dijelaskan hubungan antara probabilitas terjadinya keja-
dian (A) dengan syarat kejadian lain (X) telah terjadi , dan
probabilitas terjadinya kejadian X dengan syarat kejadian Atelah
terjadi. Aturan ba- yes didasarkan pada prinsip bahwa tambahan
informasi dapat memper- baiki probabilitas.
Teorema bayes menyatakan
𝑃 (𝐴o )𝑃(𝐴o /𝑋o )
𝑃 (𝐴o /𝑋o ) = % , 𝑖 = 1,2,3, … , 𝑘
∑oŽ" 𝑃 (𝐴o )𝑃(𝐴o /𝐵o )
Dalam teorema bayes (2.15) terdapat beberapa bentuk probabilitas, anta-
ra lain:
a. Probabilitas awal 𝑃 (𝐴o ), yaitu probabilitas berdasakan informasi
yang ada.
b. Probabilitas bersyarat 𝑃 (𝐴o /𝑋o ), yaitu probabilitas dimana
terjadi- nya suatu kejadian didadahului terjadinya kejadian lain.
c. Probabilitas gabungan ∑%oŽ" 𝑃 (𝐴o )𝑃(𝐴o /𝐵o ), yaitu gabungan dari
beberapa probabilitas.
 d. Probabilitas akhir 𝑃 (𝐴o /𝑋o ), yaitu probabilitas yang sudah
diperbaiki.
Contoh :
Ada tiga buah kotak yang masing-masing berisi 2 lampu. Lampu pada
kotak I tidak ada yang rusak, Lampu pada kotak II semua rusak. Lampu
pada kotak III 1 rusak. Dari ketiga kotak akan diambil sebuah lampu
secara random. Jika diambil sebuah lampu dan ternyata rusak, berapa
probabilitas lampu berasal dari kotak III?
Jawab :
"
𝐴" = kejadian terambilnya kota I ⇒ 𝑃(𝐴" ) = 8
"
𝐴# = kejadian terambilnya kota II ⇒ 𝑃(𝐴# ) = 8
"
𝐴8 = kejadian terambilnya kota III ⇒ 𝑃(𝐴8 ) = 8
𝑋 = kejadian terambilnya lampu rusak (tambahan informasi)
1. Probabilitas Awal
1 1
𝑃 (𝐴" ) = = 0,333; 𝑃(𝐴# ) = = 0,333
3 3
2. Probabilitas Bersyarat
𝑋 0 𝑋 2 𝑋 1
𝑃 • ’ = =; 𝑃 • ’ = = 1; 𝑃 • ’ = = 0,5
𝐴" 2 𝐴# 2 𝐴8 2
3. Probabilitas Gabungan
–
∑8oŽ" 𝑃 (𝐴o )𝑃 • ™ = 0,333 ∙ 0 + 0,333 ∙ 1 + 0,333 ∙ 0,5 = 0,5
—˜
4. Probabilitas Akhir
𝑋
𝐴8 𝑃(𝐴8 )𝑃 • ™ 0,333 ∙ 0,5
𝐴8
𝑃• ’ = = = 0,333
𝑋 8 𝑋 0,5
∑oŽ" 𝑃(𝐴o )𝑃 • ™
𝐴o
5.7 Menghitung Peluang dengan Pendekatan Kombinasi

Pendekatan kombinasi dapat digunakan untuk menentukan probabilitas

suatu kejadian.Banyaknya kombinasi yang dapat dibuat dari n obyek
berlainan yang diberikan jika hanya dipilih sebanyak r obyek dengan r £
n adalah
=
𝑃>= 𝑛! 𝑛
𝐶> = = , 𝑁𝑜𝑡𝑎𝑠𝑖 𝐶>= 𝑑𝑎𝑝𝑎𝑡 𝑑𝑖𝑡𝑢𝑙𝑖𝑠 𝑑𝑒𝑛𝑔𝑎𝑛 • ™
𝑟! 𝑟! (𝑛 − 𝑟)! 𝑟
Contoh :
Dalam sebuah kotak berisi 5 bola biru, 4 bola hijau dan 3 bola merah.
Jika diambil 2 bola secara acak, berapa probbailitas yang terambil
adalah
 a. Ketiga-tiganya hijau
b. Satu biru dua merah
c. Paling sedikit satu hijau
Jawab :
… ¡!
• ™ …
8 ¢!(¡£¢)!
1. 𝑃(3𝐻 ) = "# = ¤¥! = ##¦ = 0,018
• ™
8 ¢!(¤¥£¢)!
O 8 ¨!
×
¢!
• ™• ™ "O
𝑃(1𝐵 𝑑𝑎𝑛 2𝑀) = ""##
¤!(¨£¤)! ¥!(¢£¥)!
2. = ¤¥! = ##¦ = 0,068
• ™
8 ¢!(¤¥£¢)!
© ª!
• ™ O‚
8 ¢!(ª£¢)!
3. 𝑃(tidak ada hijau) = "# = ¤¥! = = 0,255
• ™ ##¦
8 ¢!(¤¥£¢)!
6. Permatisian dan Penyampelan Populasi Berhingga
Banyaknya cara dalam memartisi himpunan yang terdiri dari n obyek ke
dalam k buah sel dengan r1 obyek pada sel pertama, r2 obyek pada sel
kedua, dan seterusnya adalah
%
𝑛!
𝑑𝑒𝑛𝑔𝑎𝑛 • 𝑟o
(𝑟" )! (𝑟# )! (𝑟8 ) … (𝑟% )
oŽ"
Contoh :
Banyaknya cara yang dapat dilakukan untuk membagikan 9 kelereng se-
J!
cara merata kepada 3 orang anak adalah = 8!8!8! = 1680 𝑐𝑎𝑟𝑎 misal
𝑢" , 𝑢# , 𝑢8 , …akan dilakukan pengambilan satu persatu unsur sebanyak i.
Ada dua cara dalam pengambilan sampel, yaitu pengambilan dengan
pengembalian atau tanpa pengembalian.

6.1 Sampel dengan Pengembalian

Pada pengambilan sampel ini, setiap kali mengambil unsur dari popula-
sinya, akan dicatat dan dikembalikan lagi. Dengan demikian unsur yang
sama kemungkinan akan dapat terambil lagi. Peluang unsur yang sudah
terambil maupun yang belum terambil sama besar.
Contoh :
Dalam sebuah kantong terdapat 4 bola merah dan 3 bola kuning.
Diambil satu persatu dua kali dengan pengembalian. Semua unsur
mempunyai peluang yang sama untuk terambil. Tentukan:
a. Peluang bola pertama kuning dan bola kedua merah.
b. Peluang keduanya bola merah.
Jawab :
8 …
1. 𝑃(1𝑘 ) = « = 0,429 ; 𝑃 (1𝑚) = « = 0,571
Jadi, 𝑃(1𝑘, 1𝑚) = 0,429 × 0,571 = 0,245
…
2. P(1 merah pertama) = « = 0,517 ;
…
P(1 merah kedua) = « = 0,517 ; 𝑃 (𝑚, 𝑚) = 0,517 ∙ 0,571 = 0,326
6.2 Sampel Tanpa Pengembalian
Pada pengambilan sampel ini, setiap unsur yang sudah terambil tidak
dikembalikan lagi pada populasinya. Jadi unsur yang sudah terambil
tdiak akan pernah terambil lagi. Peluang unsur yang belum terambil
tidak sama dengan peluang unsur yang sudah terambil.
Contoh :
Dalam sebuah kantong terdapat 5 bola putih dan 3 bola biru. Diambil
satu persatu tiga kali tanpa pengembalian. Semua unsur mempunyai
peluang yang sama untuk terambil. Tentukan:
a. Peluang bola pertama putih, kedua dan ketiga biru.
b. Peluang ketiganya bola putih.
Jawab :
O 8
1. P(putih pertama) = = 0,625 ; P(biru kedua) = = 0,429
© «
#
P(biru ketiga) = = 0,333
‚
Jadi, 𝑃(𝑝, 𝑏, 𝑏) = 0,625 ∙ 0,429 ∙ 0,333 = 0,089

O
2. P(putih pertama) = © = 0,625 ;
… 8
P(putih kedua) = « = 0,571 ; P(putih ketiga) = ‚ = 0,5
Jadi, 𝑃(𝑝, 𝑝, 𝑝) = 0,625 ∙ 0,571 ∙ 0,5 = 0,178