Disusun oleh
20220040249
TI22H
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Allah SWT. Yang mana atas rahmat dan
inayahNYA jualah sehingga makalah yang berjudul “Probabilitas dan Sistematika” ini dapat
terselesaikan sebagaimana yang diharapkan. Shalawat serta salam senantiasa tercurahkan
kepada junjungan kita, Nabi besar Muhammad SAW. Nabi yang telah membawa kita dari
alam yang penuh kegelapan menuju alam yang terang-benderang.
Tidak lupa pula penulis menyampaikan rasa terima kasih yang tak terhingga kepada segala
pihak yang telah turut membantu dalam penyelesaian makalah ini, terutama kepada dosen
penanggung jawab matakuliah “Probabilitas dan Statistika” ini.
Penulis merasa masih terdapat banyak kekurangan di dalam pembuatan makalah ini baik
pada teknis penulisan maupun dari segi materi untuk itu kritik dan saran senantiasa penulis
harapkan dalam perbaikan makalah ini serta kesempurnaan makalah selanjutnya. Semoga
makalah ini dapa bermanfaat untuk kita semua. Amin.
BAB I
PENDAHULUAN
1.Latar Belakang
Sejauh ini teori peluang yang kita bicarakan hanya sebatas pada suatu peristiwa tertentu
atau tentang kemungkinan terjadinya peristiwa dengan nilai peluang tertentu. Padahal masih
ada nilai-nilai peluang dari peristiwa lainnya yang bisa ditentukan. Nilai-nilai peluang
tambahan yang demikian bisa membentuk suatu distribusi yang disebut sebagai distribusi
peluang. Sebagai contoh, ketika melempar sebuah dadu, kita bisa menghitung peluang dari
seluruh peristiwa yang mungkin yakni munculnya angka 1, 2, 3, 4, 5 dan 6 yang masing-
masing memiliki peluang 1/6.
Peluang banyak digunakan dibidang lain, selain bidang Matematika. Ahli fisika
menggunakan peluang untuk mempelajari macam-macam gas dan hukum panas dalam
teori atom. Ahli biologi mengaplikasi teknik peluang dalam ilmu genetika dan teori seleksi
alam. Dalam dunia bisnis teknik peluang digunakan untuk pengembalian keputusan.
Peluang merupakan teori dasar stastistika, suatu disiplin ilmu yang mempelajari
pengumpulan, pengaturan, perhitungan, penggambaran dan penganalisisan data, serta
penarikan kesimpulan yang valid berdasarkan penganalisisan yang dilakukan dan
pembuatan keputusan yang rasional.
• Rumusan Masalah
• Apa yang dimaksud dengan probabilitas dan statistika ?
• Bagaimana teknik perhitungan probabilitas ?
• Bagaianakah distribusi probabilitas ?
• Bagaimana hukum probabilitas ?
• Bagaimanakah sejarah Probabilitas ?
BAB II
PEMBAHASAN
Pengertian Statistika
Menurut Sugiyono (2000) dalam arti sempit statistika dapat diartika sebagai data, tetapi
dalam arti luas statistika dapat diartika sebagai alat untuk menganalisis dan alat untuk
membuat keputusan . Statistika dapat dibedakan menjadi dua, yaitu statistik deskriptif dan
statistik inferensial. Selanjutnya statistik inferensal dapat dibedakan menjadi statistik
parametris dan non parametris.
Statistika merupakan ilmu yang berkenaan dengan data, sedang statistik adalah data,
informasi, atau hasil penerapan algoritma statistika pada suatu data. Dari kumpulan data,
statistika dapat digunakan untuk menyimpulkan atau mendeskripsikan data; ini dinamakan
statistika deskriptif. Sebagian besar konsep dasar statistika mengasumsikan teori
probabilitas.
2. Jenis-jenis Statistika
• Statistika deskriptif adalah statistika yang berkaitan dengan metode atau cara
medeskripsikan, menggambarkan, menjabarkan atau menguraikan data.
Statistika deskripsi mengacu pada bagaimana menata, menyajikan dan
menganalisis data, yang dapat dilakukan misalnya dengan menentukan nilai
rata-rata hitung, median, modus, standar deviasi atau menggunakan cara lain
yaitu dengan membuat tabel distribusi frekuensi dan diagram atau grafik.
• Statistika inferensia adalah statistika yang berkaitan dengan cara penarikan
kesimpulan berdasarkan data yang diperoleh dari sampel untuk
menggambarkan karakteristik dari suatu populasi. Dengan demikian dalam
statistika inferensia data yang diperoleh dilakukan generalisasi dari hal yang
bersifat kecil (khusus) menjadi hal yang bersifat luas (umum).
3. Metode Statistika
4. Distribusi Frekuensi
Teknik ini mungkin merupakan teknik yang paling mudah dan paling banyak digunakan
untuk mendeskripsikan data. Distribusi frekuensi mengindikasikan jumlah dan persentase
responden, obyek yang masuk ke dalam kategori yang ada. Teknik ini biasanya digunakan
untuk memberikan informasi awal dalam penelitian tentang obyek atau responden.
• .Cross-Tabulations
• Korelasi
Metode ini menggambarkan secara kuantitatif asosiasi ataupun relasi satu variabel interval
dengan variabel interval lainnya. Sebagai contoh kita dapat lihat relasi hipotetikal antara
lamanya waktu belajar dengan nilai ujian tinggi.
Korelasi diukur dengan suatu koefisien (r) yang mengindikasikan seberapa banyak relasi
antar dua variabel. Daerah nilai yang mungkin adalah +1.00 sampai -1.00. Dengan +1.00
menyatakan hubungan yang sangat erat, sedangkan -1.00 menyatakan hubungan negatif
yang erat.
Satu hal yang perlu diingat adalah “korelasi tidak menyatakan hubungan sebab-akibat”. Dari
contoh di atas, korelasi hanya menyatakan bahwa ada relasi antara lamanya waktu belajar
dengan nilai ujian tinggi, namun bukan “lamanya waktu belajar menyebabkan nilai ujian
tinggi”.
• Regresi
Regresi digunakan ketika periset ingin memprediksi hasil atas variabel-variabel tertentu
dengan menggunakan variabel lain. Dalam bentuknya yang paling sederhana yang hanya
melibatkan dua buah variabel, yaitu variabel bebas (independent) dan variabel terikat
(dependent), misalnya lama waktu belajar dengan nilai ujian. Regresi sederhana berusaha
memprakirakan nilai ujian dengan lamanya waktu belajar. Analisis regresi mengindikasikan
kepentingan relatif satu atau lebih variabel dalam memprediksi variabel lainnya.
• t-test
Teknik t-test digunakan bila periset ingin mengevaluasi perbedaan antara efek. Sebagai
contoh, periset mungkin tertarik dalam perbedaan kepuasan kerja untuk orang-orang yang
berbeda tingkat pendidikannya. Teknik analisis yang banyak digunakan adalah
membandingkan dua kelompok, misalnya mereka yang mendapat pendidikan universitas
dengan mereka yang tidak, dengan menggunakan mean kelompok sebagai dasar
perbandingan. t-test akan mengindikasikan apakah perbedaan antara kedua kelompok
tersebut signifikan secara statistika.
1.F-test
F-test menguji apakah populasi tempat sampel diambil memiliki korelasi multiple (R) nol atau
apakah terdapat sebuah relasi yang signifikan antara variabel-variabel independen dengan
variabel-variabel dependen.
• Analisis Validitas
Untuk melakukan analisis validitas dapat digunakan metode Pearson Product Moment (bila
sampel normal, 30) ataupun metode Spearman Rank Correlation (bila sampel kecil, 30).
• Probabilitas
Dalam kehidupan sehari-hari kita sering dihadapkan dengan beberapa pilihan yang harus
kita tentukan memilih yang mana. Biasanya kita dihadapkan dengan kemungkinan-
kemungkinan suatu kejadian yang mungkin terjadi dan kita harus pintar-pintar mengambil
sikap jika menemukan keadaan seperti ini, misalkan saja pada saat kita ingin bepergian, kita
melihat langit terlihat mendung. Dalam keadaaan ini kita dihadapkan antara 2
permasalahan, yaitu kemungkinan terjadinya hujan serta kemungkinan langit hanya
mendung saja dan tidak akan turunnya hujan. Statistic yang membantu permasalahan
dalam hal ini adalah probabilitas.
Probabilitas didifinisikan sebagai peluang atau kemungkinan suatu kejadian, suatu ukuran
tentang kemungkinan atau derajat ketidakpastian suatu peristiwa (event) yang akan terjadi
di masa mendatang. Rentangan probabilitas antara 0 sampai dengan 1. Jika kita
mengatakan probabilitas sebuah peristiwa adalah 0, maka peristiwa tersebut tidak mungkin
terjadi. Dan jika kita mengatakan bahwa probabilitas sebuah peristiwa adalah 1 maka
peristiwa tersebut pasti terjadi. Serta jumlah antara peluang suatu kejadian yang mungkin
terjadi dan peluang suatu kejadian yang mungkin tidak terjadi adalah satu, jika kejadian
tersebut hanya memiliki 2 kemungkinan kejadian yang mungkin akan terjadi.
Contoh ; Ketika Doni ingin pergi kerumah temannya, dia melihat langit dalam keadaan
mendung, awan berubah warna menjadi gelap, angin lebih kencang dari biasanya seta sinar
matahari tidak seterang biasanya.
Ketika Doni melihat keadaan seperti itu, maka sejenak dia berpikir untuk membatalkan
niatnya pergi kerumah temannya. Ini dikarenakan dia beripotesis bahwa sebentar lagi akan
turunya hujan dan kecil kemungkinan bahwa hari ini akan tidak hujan, mengingat gejala-
gejala alam yang mulai nampak. Probabilitas dalam cerita ini, adalah peluang kemungkinan
turunnya hujan dan peluang tidak turunnya hujan.
Singkatnya, probabilitas adalah harga angka yang menunjukkan seberapa
besar kemungkinan suatu peristiwa terjadi, di antara keseluruhan peristiwa yang mungkin
terjadi. Contoh : sebuah dadu untuk keluar mata ‘lima’ saat pelemparan dadu tersebut satu
kali adalah 1/6 (karena banyaknya permukaan dadu adalah 6)
P: Probabilitas
E: Event (Kejadian)
Ket :
b = binomial
n = Jumlah trial
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 :
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 :
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.
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 :
• Disuatu gerbang tol yang dilewati ribuan mobil dalam suatu hari akan terjadi
kecelakaan dari sekian banyak mobil yang lewat.
• 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.
• Hasil percobaan pada suatu selang waktu dan tempat tidak tergantung dari
hasil percobaan di selang waktu dan tempat yang lain terpisah.
• 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.
Jika kita menghitung sejumlah benda acak dalam suatu daerah tertentu T, maka proses
penghitungan ini dilakukan sebagai berikut :
• 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.
• Menghitung di daerah terpisah adalah bebas.
• 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.
e Konstanta = 2,71828
Contoh:
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:
p(x=3)
3.Distribusi Normal
Distribusi Normal adalah salah satu distribusi teoritis dari variable random kontinu. Distribusi
Normal sering disebut distribusi Gauss.
∫ (x) =
-≈ < x > ≈ = 0
Agar lebih praktis, telah ada tabel kurva normal dimana tabel ini menunjukkan luas kurva
normal dari suatu nilai yang dibatasi nilai tertentu.
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=
Z=
1.HUKUM PROBABILITAS
• Hukum Pertambahan
Terdapat 2 kondisi yang harus diperhatikan yaitu:
Contoh:
Probabilitas untuk keluar mata 2 atau mata 5 pada pelemparan satu kali sebuah dadu
adalah:
2.Hukum Perkalian
Terdapat dua kondisi yang harus diperhatikan apakah kedua peristiwa tersebut saling bebas
atau bersyarat.
Contoh:
Sebuah coin dilambungkan 2 kali maka peluang keluarnya H pada lemparan pertama dan
pada lemparan kedua saling bebas.
Contoh
1. Sebuah dadu dilambungkan dua kali, peluang keluarnya mata 5 untuk kedua
kalinya adalah : P (5 ∩ 5) = 1/6 x 1/6 = 1/36
2. Sebuah dadu dan koin dilambungkan bersama-sama, peluang keluarnya hasil
lambungan berupa sisi H pada koin dan sisi 3 pada dadu adalah:
P (H) = ½, P (3) = 1/6
P (H ∩ 3) = ½ x 1/6 = 1/12
Dua buah kartu ditarik dari set kartu bridge dan tarikan kedua tanpa memasukkan kembali
kartu pertama, maka probabilitas kartu kedua sudah tergantung pada kartu pertama yang
ditarik. Simbol untuk peristiwa bersyarat adalah P (B│A) -> probabilitasB pada kondisi A
Contoh soal:
Dua kartu ditarik dari satu set kartu bridge, peluang untuk yang tertarik keduanya kartu as
adalah sebagai berikut:
1.Sejarah Probabilitas
Probabilitas dikenal dengan teori peluang. Teori peluang awalnya diinspirasi oleh masalah
perjudian. Awalnya dilakukan oleh matematikawan dan fisikawan Itali yang bernama
Girolamo Cardano (1501-1576). Cardano lahir pada tanggal 24 September 1501. Cardano
merupakan seorang penjudi pada waktu itu. Walaupun judi berpengaruh buruk terhadap
keluarganya, namun judi juga memacunya untuk mempelajari peluang. Dalam bukunya yang
berjudul Liber de Ludo Aleae (Book on Games of Changes) pada tahun 1565, Cardano
banyak membahas konsep dasar dari peluang yang berisi tentang masalah perjudian.
Sayangnya tidak pernah dipublikasikan sampai 1663. Girolamo merupakan salah seorang
dari bapak probability. Pada tahun 1654, seorang penjudi lainnya yang bernama Chevalier
de Mere menemukan sistem perjudian.
Ketika Chevalier kalah dalam berjudi dia meminta temannya Blaise Pascal (1623- 1662)
untuk menganalisis sistim perjudiannya. Pascal menemukan bahwa sistem yang dipunyai
oleh Chevalier akan mengakibatkan peluang dia kalah 51 %. Pascal kemudian menjadi
tertarik dengan peluang, dan mulailah dia mempelajari masalah perjudian. Dia
mendiskusikannya dengan matematikawan terkenal yang lain yaitu Pierre de Fermat (1601-
1665). Mereka berdiskusi pada tahun 1654 antara bulan Juni dan Oktober melalui 7 buah
surat yang ditulis oleh Blaise Pascal dan Pierre de Fermat yang membentuk asal kejadian
dari konsep peluang. Pascal bekerjasama dengan Fermat menyelesaikan soal-soal yang
diberikan oleh Chevalier de Mere..
Di awal tahun 1656, Christiaan Huygens menulis naskah Van Rekeningh in Spelen van
Geluck . Van Rekeningh in Spelen van Geluck adalah risalat singkat terdiri dari 15 halaman,
yang kemung kinan didasarkan atas apa yang dilihat Huygen selama dia menetap di Paris
pada tahun-tahun sebelumnya tentang surat menyurat antara Pascal dan Fermat. Pada
bentuk akhirnya, tulisan ini memuat 14 masalah (Voorstellen) dengan solusi atau buktinya
dan 5 masalah yang harus diselesaikan oleh pembaca. Lima masalah terakhir adalah
sebagian dari masalah Fermat dan Pascal. Masalah terakhir dari kelima masalah tersebut
pada akhirnya dikenal sebagai “Gambler’s ruin” dan bagian-bagian dari surat menyurat
Pascal dan Fermat yang di terbitkan pada tahun 1656.
Pada tahun 1709 Jaques (Jacob) Bernoulli me nulis buku Ars Conjectandi, yang terdiri 5
bagian, yaitu:
1. Menulis lagi Liber de Ludo Aleae (Book on Games of Chance) karya Cardano
2. Permutasi dan Kombinasi
3. Distribusi Binomial dan Multinomial
4. Teori Peluang
BAB III
PENUTUP
• Kesimpulan
Statistika dapat dibedakan sebagai statistika teoritis dan statistika terapan. Statistika teoritis
merupakan pengetahuan yang mengkaji dasar-dasar teori statistika, teori penarikan contoh,
distribusi, penaksiran dan peluang. Statistika terapan merupakan penggunaan statistika
teoritis yang disesuaikan dengan bidang tempat penerapannya. Teknik-teknik penarikan
kesimpulan seperti cara mengambil sebagian populasi sebagai contoh, cara menghitung
rentangan kekeliruan dan tingkat peluang, menghitung harga rata-rata.
Tanpa menguasai statistika adalah tak mungkin untuk dapat menarik kesimpulan induktif
dengan sah. Statistika harus mendapat tempat yang sejajar dengan matematika agar
keseimbangan berpikir deduktif dan induktif yang merupakan ciri dari berpikir ilmiah dapat
dilakukan dengan baik. Statistika merupakan sarana berpikir yang diperlukan untuk
memproses pengetahuan secara ilmiah. Statistika membantu untuk melakukan generalisasi
dan menyimpulkan karakteristik suatu kejadian secara lebih pasti dan bukan terjadi secara
kebetulan.