MAKALAH

PROBABILITAS DAN STATISTIKA

Disusun oleh

Muhamad Ripaldi Herdiansyah

20220040249

TI22H

NUSA PUTRA UNIVERSITY INDONESIA

 DAFTAR ISI
KATA PENGANTAR ………………………………………………………………………………. i
DAFTAR ISI …………………………………………………………………………………………… ii
BAB I. PENDAHULUAN
1. Latar Belakang……………………………………………………………………………… 1
2. Rumusan Masalah…………………………………………………………………………. 2
BAB II. PEMBAHASAN
1. Definisi Probabilitas dan Statistika …………………………………………………3
2. Statistika …………………………………………………………………………………..3
3. Probabilitas ………………………………………………………………………………5
4. Pendekatan Perhitungan Probabilitas …………………………………………… 6
5. Distribusi Probabilitas ……………………………………………………………………6
6. Distribusi Binomial (Bernaulli) …………………………………………………7
7. Distribusi Poisson …………………………………………………………………….8
8. Distribusi Normal …………………………………………………………………….9
9. Hukum Probabilitas ……………………………………………………………………..12
10. Hukum Pertambahan ……………………………………………………………..15
11. Hukum Perkalian ……………………………………………………………………16
12. Peristiwa Bebes ………………………………………………………………….17
13. Peristiwa Tidak Bebas ……………………………………………………….18
BAB III. PENUTUP
1. Kesimpulan ………………………………………………………………………………….19
2. Saran …………………………………………………………………………………………..
19
DAFTAR PUSTAKA ……………………………………………………………………………..20

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.

Semua peristiwa tersebut berada dalam “ketidakpastian” atau Uncertainty. Dengan

demikian, probabilitas atau peluang merupakan “derajat kepastian” untuk terjadinya suatu
peristiwa yang diukur dengan angka pecahan antara nol sampai dengan satu, dimana
peristiwa tersebut terjadi secara acak atau random. Dengan konsep probabilitas tersebut,
maka akan dapat diusahakan untuk menarik kesimpulan tentang karakteristik dari populasi
dengan menggunakan data sampel. Proses penarikan kesimpulan populasi atas dasar data
sampel sering disebut dengan “induktif”.

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

1.PROBABILITAS DAN STATISTIKA

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 adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,

menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah
ilmu yang berkenaan dengan data. Istilah ‘statistika’ (bahasa Inggris: statistics) berbeda
dengan ‘statistik’ (statistic).

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

Bila distribusi frekuensi digunakan untuk memberikan informasi yang menggambarkan

keseluruhan sampel atau populasi yang diteliti, cross-tabulation adalah sebuah teknik visual
yang memungkinkan peneliti menguji relasi antar variabel.
Kedua teknik yang telah disebutkan di atas digunakan untuk menggambarkan data yang
dikumpulkan selama penelitian, ini hanya merupakan awal tugas peneliti. Tugas berikutnya
adalah menjelaskan temuan-temuan ini dan dapat membuat sebuah generalisasi tentang
populasi yang lebih besar. Maka digunakanlah inferential statistics.

• 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.

Berikut ini adalah panduan untuk nilai korelasi tersebut :

+ atau – 0.80 hingga 1.00 korelasi sangat tinggi

0.60 hingga 0.79 korelasi tinggi

0.40 hingga 0.59 korelasi moderat

0.20 hingga 0.39 korelasi rendah

0.01 hingga 0.19 korelasi sangat rendah

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).

• Analisis Reliabilitas Internal

Untuk analisis reliabilitas internal dapat digunakan metode Cronbach’s Alpha. Jika koefisien
yang didapat 0.60, maka instrumen penelitian tersebut reliabel.

• 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.

Bagaimanakah tindakan Doni sebaiknya?

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)

Rumus : P (E) = X/N

P: Probabilitas

E: Event (Kejadian)

X: Jumlah kejadian yang diinginkan (peristiwa)

N: Keseluruhan kejadian yang mungkin terjadi

1.PENDEKATAN PERHITUNGAN PROBABILITAS

Konsep-konsep probabilitas tidak hanya penting oleh karena terapan-teranpannya yang

langsung pada masalah-masalah bisnis akan tetapi juga karena probabilitas adalah dasar
dari sampel-sampel dan inferences tentang populasi yang dapat dibuat dari suatu sampel.
Pendekatan perhitungan probabilitas ada tiga konsep untuk mendefinisikan probabilitas dan
menentukan nilai-nilai probabilitas, yaitu :
• Pendekatan Klasik
Pendekatan klasik didasarkan pada banyaknya kemungkinan-kemungkinan yang dapat
terjadi pada suatu kejadian. “Jika ada a banyaknya kemungkinan yang dapat terjadi pada
kejadian A, dan b banyaknya kemungkinan tidak terjadi pada kejadian A, serta masing-
masing kejadian mempunyai kesempatan yang sama dan saling asing”. Probabilitas bahwa
akan terjadi A adalah P(A) = a / (a+b).
• Pendekatan Frekuensi Relatif (Emperical Approach)
Nilai probabilitas ditentukan atas dasar proporsi dari kemungkinan yang dapat terjadi dalam
suatu observasi atau percobaan. Tidak ada asumsi awal tentang kesamaan kesempatan,
karena penentuan nilai-nilai probabilitas didasarkan pada hasil obserbasi dan pengumpulan
data. Misalkan berdasarkan pengalaman pengambilan data sebanyakN terdapat a kejadian
yang bersifat A. Dengan demikian probabilitas akan terjadi Auntuk data adalah P(A) = A /N.

• Pendekatan Subyektif (Personalistic Approach)

Pendekatan subyektif dalam penentuan nilaiprobabilitas adalah tepat atau cocok apabila
hanya ada satu kemungkinan kejadian terjadi dalam satu kejadian. Dengan pendekatan ini,
nilai probabilitas dari suatu kejadian ditentukan berdasarkan tingkat kepercayaan yang
bersifat individual dengan berlandaskan pada semua petunjuk yang dimilikinya.
1. 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.

• 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.

Ciri-ciri distribusi Binomial adalah sebagai berikut :

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

• Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap
percobaan.
• Percobaannya bersifat independen, artinya peristiwa dari suatu percobaan
tidak mempengaruhi atau dipengaruhi peristiwa dalam percobaan lainnya.
• Jumlah atau banyaknya percobaan yang merupakan komponen percobaan
binomial harus tertentu.

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.

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.

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

P (x) = P0,1536 = 0,154

2,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 :

• 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.

Percobaan Poisson memiliki ciri-ciri berikut :

• 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.

Distribusi poisson banyak digunakan dalam hal:

• Menghitung Probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau

isi, luas, panjang tertentu, saeperti menghitung probabilitas dari:
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.
• Menghitung distribusi binomial apabila nilai n besar (n ≥ 30) dan p kecil
(p<0,1).

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.

Rumus Distribusi Poisson :

(x) → Nilai Rata-rata

e Konstanta = 2,71828

x = Variabel random diskrit (1,2,3,…., x)

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:

μ = λ= n.p = 4000 x 0,0005 = 2

p(x=3)

3.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.

Ciri Khas Distribusi Normal :

 •Simetris
•Seperti lonceng
•Titik belok μ ±σ
•Luas di bawah kurva = probability = 1
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=

Z=

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

-Kurva normal umum N (μ,σ)

1.HUKUM PROBABILITAS

Asas perhitungan probabilitas dengan berbagai kondisi yang harus diperhatikan

• Hukum Pertambahan
Terdapat 2 kondisi yang harus diperhatikan yaitu:

• Mutually Exclusive (saling meniadakan)

Rumus: P (A U B) = P (A atau B)= P (A) + P (B)

Contoh:

Probabilitas untuk keluar mata 2 atau mata 5 pada pelemparan satu kali sebuah dadu
adalah:

P(2 U 5) = P (2) + P (5) = 1/6 + 1/6 = 2/6

• b) Non Mutually Exclusive (dapat terjadi bersama)

Peristiwa Non Mutually Exclusive (Joint) adalah dua peristiwa atau lebih dapat terjadi
bersamasama (tetapi tidak selalu bersama).
Contoh penarikan kartu as dan berlian :

(A U B) =P(A) + P (B) – P(A ∩B)

Peristiwa terjadinya A dan B merupakan gabungan antara peristiwa A dan peristiwa B. Akan
tetapi karena ada elemen yang sama dalam peristiwa A dan B, gabungan peristiwa A dan B
perlu dikurangi peristiwa di mana A dan B memiliki elemen yang sama. Dengan demikian,
probabilitas pada keadaan di mana terdapat elemen yang sama antara peristiwa A dan
B maka probabilitas A atau B adalah probabilitas A ditambah probabilitas B dan dikurangi
probabilitas elemen yang sama dalam peristiwa A dan B.

2.Hukum Perkalian
Terdapat dua kondisi yang harus diperhatikan apakah kedua peristiwa tersebut saling bebas
atau bersyarat.

• Peristiwa Bebas (Independent)

Apakah kejadian atau ketidakjadian suatu peristiwa tidak mempengaruhi peristiwa lain.

Contoh:

Sebuah coin dilambungkan 2 kali maka peluang keluarnya H pada lemparan pertama dan
pada lemparan kedua saling bebas.

P(A ∩B) = P (A dan B) = P(A) x P(B)

Peristiwa Bebas (Hukum Perkalian)

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

• b) Peristiwa tidak bebas (Hukum Perkalian)

Peristiwa tidak bebas atau peristiwa bersyarat (Conditional Probability) adalah dua peristiwa
dikatakan bersyarat apabila kejadian atau ketidakjadian suatu peristiwa akan
berpengaruh terhadap peristiwa lainnya.
Contoh:

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

P(A ∩B) = P (A) x P (B│A)

Contoh soal:
Dua kartu ditarik dari satu set kartu bridge, peluang untuk yang tertarik keduanya kartu as
adalah sebagai berikut:

Peluang as I adalah 4/52 -> P (as I) = 4/52

Peluang as II dengan syarat as I sudah tertarik adalah 3/51

P (as II │as I) = 3/51

P (as I ∩ as II) = P (as I) x P (as II│ as I)

= 4/52 x 3/51 = 12/2652 =1/221

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.

Probabilitas adalah harga angka yang menunjukkan seberapa besar kemungkinan

suatu peristiwa terjadi, di antara keseluruhan peristiwa yang mungkin terjadi.