PENDAHULUAN
1.1 Latar Belakang
Secara sederhana probabilitas dapat diartikan sebagai sebuah peluang untuk suatu
kejadian.
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.
“Suatu ukuran tentang kemungkinan suatu peristiwa (event) akan terjadi dimasa
mendatang. Probabilitas dinyatakan antara 0 sampai 1 atau dalam persentase”
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.
1.4 PENDEKATAN PROBABILITAS
Untuk menentukan tingkat probabilitas suatu kejadian, maka ada tiga pendekatan yaitu
pendekatan klasik, pendekatan relatif dan pendekatan subjektif.
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 = 0.4
( ) (
P A1 P B A1 )
( )
P A B =
1
( ) ( ) ( ) (
P A P B A +P A P B A
1 1 2
)
2
Rumus diatas merupakan probabilitas bersyarat, suatu kejadian terjadi setelah kejadian lain
ada. P(A1|B) menyatakan bahwa fakta-fakta di bumi akan ada apabila Tuhan ada. Karena banyak
fakta tersebut maka rumus Bayes diperluas:
( )
P A B = ( ) (
P A P B A )
1 1
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
13
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
A. 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
n!
Pr =
(nr )!
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
B. 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:
n Cr = n!
r! (nr) !
14
17
17
5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai tengah dan ½ di sisi kiri.
Distribusi probabilitas dan kurva mempunyai persamaan matematika yang sangat
tergantung pada nilai tengah () dan standar deviasi (). Distribusi probabilitas dan kurva normal
dari suatu variable acak (X) yang nilainya terletak - sampai dinyatakan dengan lambang X ~
N(X; , ).
Bila X suatu pengubah acak normal dengan nilai tengah , dan standar deviasi , maka
persamaan kurva normalnya adalah:
2
1 1/2 (xμ)/σ
Ν(X;μ,σ) = e ,untuk X
2ππ2
Jenis-jenis probabilitas normal sangat dipengaruhi oleh nilai rata-rata hitung dan standar
deviasinya, maka distribusi probabilitas kurva normal diantaranya:
a. Distribusi probabilitas dan Kurva Normal dengan dan Berbeda.
10
9
8
7
6
5
4
3
2
1
0
m
Me s o ku r ticPla ty kur ticLe p to kur tic
Keterangan:
1. Mesokurtik
Kurva normal ini mempunyai = Md dan Mo yang sama , namun berbeda
2. Platykurtik
17
Nilai semakin tinggi dan kurva semakin pendek. Nilai tinggi menunjukkan bahwa nilai
data semakin menyebar dari nilai tengahnya ()
3. Leptokurtik
Nilai semakin rendah dan kurva semakin runcing. Niali rendah ini menunjukkan
data semakin mengelompok pada nilai tengahnya ().
b. Distribusi probabilitas dan Kurva Normal dengan Berbeda dab sama
Bentuk distribusi probabilitas dan kurva normal dengan berbeda dan sama mempunyai
jarak antara kurva yang berbeda, namun bentuk kurva tetap sama. Gambar diatas menunjukan
nilai rata-rata berbeda dengan standar deviasi yang sama. Pada contoh dapat dilihat mangga
dikelompokkan menjadi mutu ”A” dengan berat rata-rata 450 gram, mutu ”B” dengan 300
gram dan mutu ”C” dengan 150
gram.
X μ
Ζ=
18
σ
dimana:
Z = skor Z atau nilai normal baku
X = Nilai dari statu pengamatan atau pengukuran
= Nilai rata-rata hitung suatu distribusi
= standar deviasi suatu distribusi
19
68,26%
95,44%
99,74%
B. Variabel Acak/Random
a. Variabel Acak
Variabel acak didefenisikan sebagai sebuah ukuran atau besaran yang merupakan hasil suatu
percobaan atau kejadian yang terjadi secara acak atau untung-untungan dan mempunyai nilai
yang berbeda-beda
20
variabel acak diskret merupakan hasil dari percobaan yang bersifat acak dan mempunyai nilai
tertentu yang terpisah dalam suatu interval. Variabel acak diskret ini biasanya berupa bilang
bulat dan berasal dari hasil perhitungan.
c. variabel acak kontinu
variabel acak kontinu mempunyai nilai yang menempati pada seluruh interval hasil percobaan,
biasanya dihasilkan dari hasil pengukuran dan bukan penjumlahan. Semua nilai yang
dihasilkan dari kegiatan pengukuran baik bulat maupun pecahan merupakan variabel acak
kontinu.
C. Rata-rata hitung, Varians, dan Standar deviasi
a. Nilai Rata-rata Hitung
Nilai rata-rata hitung merupakan nilai harapan (expected value) yang
dilambangkan E(x)
Rumus nilai rata-rata hitung:
= E(x) = ∑ (X). P(X)
dimana:
: Nilai rata-rata hitung distribusi pobabilitas
E(x) : Nilai harapan (expected value)
X : Kejadian
P(X) : Probabilitas suatu kejadian
∑ : Lambang operasi penjumlahan
b. Varians dan Standar deviasi
Varian dan standar deviasi merupakan ukuran penyebaran yaitu mengukur seberapa
besar data menyebar dari nilai tengahnya. Semakin kecil sebaran data, maka semakin baik,
karena menunjukkan data mengelompok pada nilai rata-rata hitung. Varian dan standar deviasi
dirumuskan sebagai berikut
21
2 2
Varians = σ = (X μ) .P(X)
StandarDeviasi =σ =
σ2
22
Dimana:
2 : Varians
: Standar deviasi
X : Nilai suatu kejadian
: Nilai rata-rata hitung distribusi probabilitas
P(X) : Probabilitas suatu kejadian X
∑ : Lambang operasi penjumlahan
23
Ciri-ciri Percobaan Bernouli:
• Probabilitas suatu kejadian untuk suskes atau gagal adalah tetap untuk setiap kejadian.
P(p), peluang sukses, P(q) peluang gagal, dan P(p) + P(q)= 1.
n!
P(r)= pr .qnr
r! (n
r) !
Dimana:
P (r) : Nilai probabilitas binomial
P : Probabilitas sukses suatu kejadian dalam setiap percobaan
r : Banyaknya peristiwa sukses suatu kejadian untuk keseluruhan percobaan n :
Jumlah total percobaan
24
q : Probabilitas gagal suatu kejadian yang diperoleh dari q = 1 – p
25
! : Lambang faktorial
• Dalam distribusi binomial diasumsikan bahwa peluang suatu kejadian tetap atau konstan
atau antar-kejadian saling lepas.
• Dalam dunia nyata, jarang terjadi hal demikian. Suatu kejadian sering terjadi tanpa
pemulihan dan nilai setiap kejadian adalah berbeda atau tidak konstan.
26
Pada kasus dimana terjadi percobaan tanpa pengembalian pada populasi yang terbatas, dan
jumlah sampel terhadap polpulasinya lebih 5%, distribusi hipergeometrik lebih tepat digunakan.
Distribusi hipergeometrik dinyatakan sebagai berikut:
( C ) ( C )
P(r)= s r N s n r
NCn
Dimana:
P (r) : Nilai probabilitas hipergeometrik dengan kejadian r sukses N :
Jumlah populasi
s : Jumlah suskses dalam populasi
r : Jumlah suskses yang menjadi perhatian n
: Jumlah sampel dari populasi
C : Simbol kombinasi
27
P(Χ)=
dimana
P(X) : Nilai probabilitas distribusi poisson
: Rata-rata hitung dari jumlah nilai sukses; dimana
= n.p e : Bilangan konstsan = 2,71828
X : Jumlah nilai sukses
P : probabilitas sukses suatu kejadian
! : Lambang faktorial
28
μ
μx e Χ
TEORI
KEPUTUSAN
1. Elemen-elemen Keputusan
• Kepastian (certainty): informasi untuk pengambilan keputusan tersedia dan valid.
• Risiko (risk): informasi untuk pengambilan keputusan tidak sempurna, dan ada
probabilitas atas suatu kejadian.
• Setiap keputusan dalam atatistika mempunyai tiga elemen atau komponen penting
1. Pilihan atau alternatif yang terjadi bagi setiap keputusan.
2. States of nature yaitu peristiwa atau kejadian yang tidak dapat dihindari atau
dikendalikan oleh pengambil keputusan.
3. Hasil atau payoff dari setiap keputusan.
29
Peristiwa Ketidakpastian berkenaan dengan kondisi
mendatang. Pengambil keputusan tidak
m e m p uanuye laendi k en adltaelirntearthifadiahpadk
aopnuidapisaeitnm
D ga m bbaih
iltang.
keputusan. Pengambil keputusan harus
Tindakan mengevaluasi alternatif dan memilih alternatif
dengan kriteria tertentu.
30
SAHAM BAIK P= BURUK
0,5 P = 0,5 Perhitungan EV Nilai EV
LPBN 444.444 277.778 (444.444 x 0,5) + 361.111
(277.778 x 0,5)
MEGA 1.081.081 162.162
BBCA 1.487.667 61.667
Nilai EV yang terbesar merupakan keputusan yang terbaik. Dari EV tersebut, maka keputusan
investasi H. Ibrahim adalah membeli saham BBCA
B. Expected Opportunity Loss
• Metode lain dalam mengambil keputusan selain EV
• EOL mempunyai prinsip meminimumkan kerugian karena pemilihan bukan keputusan
terbaik.
• Hasil yang terbaik dari setiap kejadian diberikan nilai 0, sedangkan untuk hasil yang lain
adalah selisih antara nilai terbaik dengan nilai hasil pada peristiwa tersebut.
SAHAM OL BAIK OL
P= 0,5 BURUK Perhitungan EV Nilai EV
P = 0,5
LPBN 1.043.223 0 (1.043.223 x 0,5) + 521.612
(0 x 0,5)
MEGA 406.586 115.616
BBCA 0 216.111
Nilai OL untuk alternatif terbaik adalah nol, maka kondisi baik adalah BBCA = 0 dan kondisi
terburuk LPBN = 0. nilai OL terendah adalah untuk BBCA maka dapat direkomendasikan untuk
dibeli oleh investor.
C. Ecpected value of Perfect Information
Hasil yang diharapkan dalam informasi sempurna merupakan perbedaan antara hasil maksimum
dalam kondisi kepastian dan hasil maksimum dalam kondisi ketidak pastian
• Setiap keputusan tidak harus tetap setiap saat. Keputusan dapat berubah untuk
mengambil kesempatan yang terbaik.
• Pada kasus harga saham, pada kondisi baik, saham BBCA adalah pilihan terbaik,
namun pada kondisi buruk, maka saham MEGA lebih baik.
• Apabila hanya membeli saham BBCA maka
EV = 1.487.667 x 0,5 + 61.667 x 0,5 = 774.667
• Apabila keputusan berubah dengan adanya informasi yang sempurna dengan membeli
harga saham BBCA dan MEGA
EVif = 1.487.667 x 0,5 + 277.778 x 0,5 = 822.723
31
• Nilai EVif lebih tinggi dari EV dengan selisih:
= 822.723 -774.667 = 108.056.
Nilai ini mencerminkan harga dari sebuah informasi.
Nilai informasi ini menunjukkan bahwa informasi yang tepat itu berharga -- dan menjadi peluang
pekerjaan -- seperti pialang, analis pasar modal, dan lain-lain.
D. Pengambilan Keputusan dalam Kondisi Ketidakpastian
Keputusan dalam ketidakpastian menunjukkan tidak adanya informasi yang sempurna, juga tidak
adanya probabilitas atau informasi tentang probabilitas suatu kejadian. Ada beberapa kriteria yang
telah dikembangkan dalam pengambilan keputusan untuk kondisi ketidakpastian:
1. Kriteria Laplace
Probabilitas semua kejadian diasumsikan sama, dan hasil perkalian antara hasil dengan
probabilitas yang tertinggi tertinggi adalah keputusan terbaik.
2. Kriteria Maximin
Keputusan didasarkan pada kondisi pesimis atau mencari Nilai maksimum pada kondisi
pesimis (lakukan yang terbaik dalam situasi terburuk)
3. Kriteria Maximax
Keputusan didasarkan pada kondisi optimis dan mencari nilai maksimumnya.
4. Kriteria Hurwicz
Keputusan didasarkan pada perkalian hasil dan koefisien optimisme. Koefisien ini nilainya
antara 0 sampai 1. nilai 0 untuk kondisi yang sangat pesimis dan nilai 1 untuk kondisi yang
sangat optimis. Koefisien ini merupakan perpaduan antara optimis dan pesimis. Alternatif yang
terbaik adalah nilai yang tertinggi dari hasil perkalian antara hasil atau payoff dengan koefisien
optimisme.
5. Kriteria (Minimax) Regret
Keputusan didasarkan pada nilai regret minimum. Nilai regret diperoleh dari nilai OL
(opportunity Loss) pada setiap kondisi dan dipilih yang maksimum. Alternatif keputusan yang
diambil adalah nilai regret yang minimum.
Pohon keputusan berguna untuk menyusun bebrapa alternatif dengan hasil bersyarat
(conditional payoff), keputusan yang terbaik adalah dengan nilai EV yang tertinggi.
Probabilitas Ekonomi
Boom (0,63) 4.463
2.880
(3)
33
34
3. Penarikan sample Cluster (cluster sampling)
Penarikan cluster adalah teknik memilih sampel dari kelompok unit-unit kecil (cluster) dari
sebuah populasi yang relatif besar dan tersebar luas. Anggota dalam setiap cluster bersifat
tidak homogen berbeda dengan penarikan sampel terstruktur.
4. Penarikan sampel secara sistematis (systematic Random Sampling)
Penarikan dikatakan sampel sistematis apabila setiap unsur atau anggota dalam populasi
disusun dengan cara tertentu-Secara alfabetis, dari besar kecil atau sebaliknya-kemudian dipilih
titik awal secara acak lalu setiap anggota ke K dari populasi dipilih sebagai sampel.
5. penarikan sampel Kuota (Kuota sampling)
Penarikan sampel kuota adalah pengambilan sampel dari populasi yang mempunyai ciri-ciri
tertentu sampai jumlah atau kuota yang diinginkan. Tujuan penarikan sampel kuota adalah
untuk memperbaiki keterwakilan seluruh komponen dalam populasi. Sebagai contoh apabila
akan dilakukan penelitian terhadap tingkat kehadiran mahasiswa yang mengambil matakuliah
statistika dari populasi 150 orang ditentukan kuota 20 orang. Kalau pengumpulan data belum
mencapai 20 orang maka penelitian belum dianggap selesai.
35
Distribusi sampel dari rata-rata hitung sampel dan populasi adalah suatu distribusi probabilitas
yang terdiri dari seluruh kemungkinan rata-rata hitung sampel dari suatu ukuran sampel tertentu
yang dipilih dari populasi, dan probabilitas terjadinya dihubungkan dengan setiap rata-rata hitung
sampel.
a. Distribusi sampel rata-rata dan porposi menpunyai nilai hitung rat-rata:
1 1
= N x p = p
Cn
C nN
c. Hubungan antara standar deviasi sampel x dan porposi pada kondisi sampel terbatas
Sx = (N n) Sp = P(1 P) x (N n)
nN 1 n N 1
d. Hubungan standar deviasi sampel x dan porposi pada kondisi sampel tidak terbatas
Sx = Sp = P(1 P)
n
n
d. Distribusi sampel rata-rata dan porposi merupakan distribusi normal, sehingga dapat
diketahui nilai Znya yaitu
x
Z= s
Z=
(p P)
sp
36
D. Distribusi Sampel Selisih rata-rata dan proporsi
Distribusi sampel selisih apabila terdapat dua atau lebih populasi yang diambil sebagai sampel
a. Distribusi sampel selisih rata-rata
1. Nilai rata-rata
=1 2
X x1 x 2 = x1 x 2
3. Nilai Z
(x 1
x
) ( )
2 1 2
Z=
Sx1x 2
37
b. Distribusi sampel selisih proporsi
1. Nilai rata-rata
=P1 – P2
P p1 p2 = P1 P2
38
2. Nilai standar deviasi
P1 ( 1 P1 ) + P2 ( 1
S =S2p1p2+S2 =
Pn21)n 2
p1 p2
3. Nilai Z
Z=
( p1 p 2 )(P1 P2 )
Sp1p 2
N n
Sx =
nN 1
p (1 p)N n
Sp =
nN 1
Ringkasan
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».
Teorema ini dikembangkan oleh Thomas Bayes pada abad ke-18. Bayes seorang pendeta, bertanya apakah
Tuhan ada dengan memerhatikan fakta-fakta yang ada di bumi.
PP+PP
Rumus diatas merupakan probabilitas bersyarat, suatu kejadian terjadi setelah kejadian lain ada. Digunakan
untuk mengetahui sejumlah kemungkinan susunan jika terdapat satu kelompok objek.
Misalnya ada 10 bank dan kita hanya akan mengambil 3 bank, maka ada beberapa kombinasi bank yang dapat
diambil tanpa memerhatikan urutan atau susunannya.
Distribusi probabilitas dan Kurva Normal dengan dan Berbeda. Nilai semakin tinggi dan kurva semakin
pendek.
Bentuk distribusi probabilitas dan kurva normal dengan berbeda dan sama mempunyai jarak antara kurva
39
yang berbeda, namun bentuk kurva tetap sama. Distribuís normal baku adalah distribusi probabilitas acak
normal dengan nilai tengah nol dan simpangan baku 1. Beberapa hal yang perlu dilakukan dalam rangka
distribusi probabilitas normal baku adalah mengubah atau membakukan distribusi aktual dalam bentuk
distribusi normal baku yang dikenal dengan nilai Z atau skor Z. = standar deviasi suatu distribusi e.
40