Anda di halaman 1dari 13

PROBABILITAS (PELUANG)

Probabilitas adalah suatu nilai dari 0 sampai dengan 1 yang menggambarkan peluang atau
kemungkinan relatif bahwa suatu peristiwa akan terjadi. Nilai probabilitas yang semakin
mendekati 0 mengindikasikan bahwa kemungkinan peristiwa tersebut semakin tidak mungkin
terjadi, begitu juga dengan sebaliknya, jika probabilitas semakin mendekati angka 1 maka akan
semakin yakin bahwa peristiwa itu dapat terjadi.

Probabilitas bisa disebut juga sebagai peluang atau kemungkinan, istilah-istilah tersebut
sering digunakan secara bergantian. Selain itu, probabilitas seringkali dinyatakan dalam bentuk
decimal dan pecahan. (Lind; Teknik-teknis Statistika dalam Bisnis dan Ekonomi)

Tiga kata kunci mengenai probabilitas:


➢ Eksperimen (Experiment)
Eksperimen adalah sebuah proses yang menghasilkan satu dan hanya satu kejadian dari
beberapa pengamatan yang mungkin.

➢ Hasil (Outcome)
Hasil adalah keluaran tertentu dari sebuah eksperimen.

➢ Kejadian (Event)
Kejadian adalah kumpulan dari satu hasil atau lebih dari suatu eksperimen.

Contoh 1 Contoh 2
Menghitung jumlah anggota
Eksperimen Pelemparan dadu dewan direksi perusahaan A
yang berumur 60 tahun
• Mendapatkan angka 1 • Tidak ada yang berumur
Semua hasil yang • Mendapatkan angka 2 di atas 60 tahun
mungkin • Mendapatkan angka 3 • Satu anggota berumur
• Mendapatkan angka 4 diatas 60 tahun
• Mendapatkan angka 5 • …
• Mendapatkan angka 6 • 30 anggota berumur
diatas 60 tahun
• Lebih dari 13 anggota
• Mendapatkan angka yang sama
Beberapa berumur di atas 60 tahun
• Mendapatkan angka yang lebih
kejadian yang • Kurang dari 20 anggota
besar dari 4
mungkin berumur diatas 60 tahun
• Mendapatkan angka 3 atau kurang

• ATURAN PROBABILITAS
1. Semua probabilitas harus berada diantara 0 dan 1 (yaitu 0 ≤ p ≤ 1)
2. Probabilitas didalam suatu sampel harus berjumlah 1 (yaitu ∑ 𝑝 = 1)

• PENDEKATAN UNTUK MENENTUKAN PROBABILITAS


Dua pendekatan untuk menentukan probabilitas dalam sebuah kejadian yang akan dibahas
adalah sudut pandang objektif dan subjektif.

a. Probabilitas Objektif (Objective Probability)


(1) Probabilitas Klasik (Classical Probability)
Probabilitas Klasik sering disebut juga sebagai apriori, hal ini dikarenakan
besar probabilitas sudah dapat ditentukan besarnya sebelum percobaan dilakukan.
Berikut merupakan beberapa syarat dari probabilitas klasik,
- Terdapat n buah outcomes
- Tiap hasil dari sebuah eksperimen mempunyai kesempatan yang sama
untuk terjadi.

Rumus :

𝑥
𝑃(𝐴) =
𝑛
Dimana:
P(A) : Probabilitas suatu kejadian A
x : Jumlah hasil yang diharapkan
n : Jumlah seluruh hasil yang mungkin

Contoh:
Sebuah eksperimen melempar dadu bersisi enam dilakukan. Berapa
probabilitas kejadian “sebuah angka genap muncul”?
3
𝑃(𝐴) = = 0,5
6

Jadi probabilitas munculnya angka genap adalah sebesar 0,5.

(2) Probabilitas Relatif (Relative Probability)


Probabilitas Relatif sering disebut juga sebagai Experimental Probability,
Empirical Probability, dan Aposteori Probability. Hal ini dikarenakan besar
probabilitas dapat ditentukan apabila percobaan sudah dilakukan.

Rumus :
𝑓(𝐴)
𝑃(𝐴) =
𝑁
Dimana:
P(A) : Probabilitas suatu kejadian A
f(A) : Banyaknya kemunculan suatu kejadian
N : Jumlah keseluruhan dari pengamatan
Contoh:
Pada tanggal 3 Juli 1998, pesawat ulang-alik Columbia mengalami sebuah
kerusakan dalam mesinnya sehingga mengakibatkan adanya peledakan terhadap
pesawat tersebut. Ledakan ini adalah sebuah bencana atau kecelakaan yang kedua
kalinya dalam 113 misi luar angkasa NASA. Berdasarkan informasi
tersebut,dapatkah anda menentukan berapa probabilitas misi mendatang yang akan
berhasil?
Jawab :
111
𝑃(𝐴) = = 0,98
113

Jadi, berdasarkan pengalaman terdahulu, terdapat probabilitas sebesar 98%


bahwa misi penerbangan luar angkasa NASA mendatang akan berhasil.

b. Probabilitas Subjektif (Subjective Probability)


Merupakan kemungkinan (probabilitas) munculnya suatu kejadian tertentu oleh
seseorang yang didasarkan atas informasi apapun yang tersedia. Sehingga Probabilitas
Subjektif dapat disebutkan juga sebagai Personalistic Probability.

Contoh:
Seorang buruh meyakini bahwa terdapat probabilitas sebesar 0,20 untuk
melanjutkan pendidikan ke tingkat yang lebih tinggi. Probabilitas ini didasarkan pada
pandangan seseorang, yang tentunya akan berbeda dengan pandangan orang lain.

• RINGKASAN

Pendekatan terhadap
Probabilitas

Objektif Subjektif

Berdasarkan
Probabilitas Klasik Probabilitas Relatif informasi yang
ada

Berdasarkan hasil-
Berdasarkan
hasil yang
frekuensi relatif
peluangnya sama
• PRINSIP-PRINSIP MENGHITUNG

➢ Rumus Perkalian
Jika terdapat m cara untuk melakukan suatu hal dan n cara untuk melakukan yang lain,
terdapat 𝑚 × 𝑛 cara untuk melakukan keduanya.

Jumlah total susunan = 𝒎 × 𝒏

➢ Rumus Faktorial
Faktorial digunakan untuk mengetahui berapa banyak cara yang bisa dihasilkan dari n
objek yang berbeda, dilambangkan dengan n! (n faktorial).
𝑛! = 𝑛 × (𝑛 − 1) × (𝑛 − 2) … (3)(2)(1)

Contoh:
Bila terdapat 4 pengunjung yang ingin membeli tiket masuk bioskop, berapa cara
antrian yang bisa dilakukan?
𝑛! = 4! = 4 × 3 × 2 × 1 = 24
Jadi, terdapat 24 cara antrian yang bisa dilakukan.

➢ Rumus Permutasi
Permutasi digunakan untuk menemukan jumlah susunan yang mungkin ketika terdapat
hanya satu kelompok objek. Jadi, permutasi merupakan susunan apapun dari r objek
yang dipilih dari sebuah kelompok tunggal dengan n objek. Permutasi sangat
memperhatikan susunan letak dari objek, sehingga AB ≠ BA.

𝒏!
𝑷𝒏𝒓 =
(𝒏! − 𝒓!)

Dimana:
n! : jumlah seluruh objek
r! : jumlah objek yang dipilih
Contoh:

STA FEB, Inc., memiliki delapan mesin tetapi hanya memiliki tiga ruangan untuk
menyimpan mesin-mesin tersebut. Dalam berapa cara berbeda delapan mesin tersebut
dapat disusun dalam tiga ruang yang tersedia?

𝑛! 8! 8! (8)(7)(6)(5)
𝑃𝑟𝑛 = = = = = 336
(𝑛! − 𝑟!) (8 − 3)! 5! 5!

Jadi, terdapat keseluruhan 336 susunan yang mungkin.

➢ Rumus Kombinasi
Kombinasi merupakan banyaknya kemungkinan yang dihasilkan saat melakukan
pengambilan sebanyak r objek dari n yang tersedia tanpa memperhatikan letak
susunannya. Jadi, jika urutan objek yang dipilih tidak penting, pilihan apapun disebut
kombinasi.
𝒏!
𝑪𝒏𝒓 =
(𝒏 − 𝒓)! 𝒓!
Contoh:
Grup penari dari Universitas Padjadjaran terdiri atas 7 anggota. Setiap pasang
penari terdiri atas 2 orang yang dipilih secara acak. Berapa banyak pasangan penari
yang dapat dibentuk?
Jawab:
𝑛! 7! 7!
𝐶𝑟𝑛 = =
(𝑛−𝑟)!𝑟! (7−2)!2!
= = 21
5!2!

Jadi, terdapat 21 pasangan penari yang dapat dibentuk.


• GABUNGAN DAN IRISAN
Suatu kejadian dapat dipandang sebagai komposisi dari dua atau lebih kejadian.
Kejadian seperti ini sering disebut sebagai kejadian campuran (compound event). Yang
dapat dibentuk (dikomposisi) dari dua cara:
a. Gabungan dari dua kejadian A dan B adalah kejadian yang muncul dengan A atau B
atau keduanya pada satu tindakan dalam sebuah eksperimen. Dilambangkan dengan A
∪ B.
b. Irisan dari dua kejadian A dan B adalah kejadian yang muncul dengan A dan B terjadi
pada satu tindakan dalam eksperimen. Dilambangkan dengan A ∩ B.

• MACAM-MACAM KEJADIAN/ PERISTIWA


1. Kejadian Terpisah (Mutually Exclusive Events)
Munculnya satu kejadian yang mengakibatkan tidak ada satupun dari kejadian
lainnya dapat terjadi pada waktu yang sama atau kejadian terpisah yang tidak mungkin
terjadi bersamaan.

A B

Rumus:

𝑷(𝑨 ∪ 𝑩) = 𝑷(𝑨) + 𝑷(𝑩)

Contoh:
Sebuah keranjang berisi 10 buah mangga, 8 buah jeruk, dan 2 buah apel. Jika
diambil satu buah secara acak dari keranjang, berapa probabilitas terambilnya buah
mangga atau jeruk?
Jawab:

10 8 18
𝑃(𝑚𝑎𝑛𝑔𝑔𝑎 ∪ 𝑗𝑒𝑟𝑢𝑘) = 𝑃(𝑚𝑎𝑛𝑔𝑔𝑎) + 𝑃(𝑗𝑒𝑟𝑢𝑘) = + 20 = = 0,9
20 20

Jadi, probabilitas terambilnya buah mangga atau jeruk adalah 90%.

2. Kejadian Tidak Terpisah (Inclusive)


Terjadinya peristiwa bukan menghilangkan terjadinya peristiwa yang lain, akan
tetapi kejadian yang ada mungkin memiliki sifat gabungan dari perisitiwa atau kejadian
yang ada.

A B

Rumus:

𝑷(𝑨 ∪ 𝑩) = 𝑷(𝑨) + 𝑷(𝑩) − 𝑷(𝑨 ∩ 𝑩)

Contoh:
Sebuah dadu dilempar, maka berapa probabilitas munculnya mata dadu genap atau
6?

Jawab:
Angka dadu genap (A) = 2,4,6
Angka mata dadu 6 (B) = 6
Sifat gabungan ( A ∩ B ) = 6
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
3 1 1 3
𝑃(𝐴 ∪ 𝐵) = + − = = 0,5
6 6 6 6
Jadi, probabilitas munculnya mata dadu genap atau 6 adalah 50%.
3. Kejadian Bebas ( Independent Events )
Munculnya suatu kejadian tidak mempengaruhi/dipengaruhi oleh probabilita
munculnya kejadian yang lain. Konsep saling bebas adalah menganggap bahwa
kejadian A dan kejadian B terjadi pada waktu yang berbeda.

Rumus: 𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑨) × 𝑷(𝑩)

Contoh:

Probabilitas Rifqi dan Rafid lulus mata kuliah Statistik berturut-turut adalah 0,80 dan
0,95. Berapa probabilitas Rifqi lulus mata kuliah Statistik dan Rafid tidak lulus mata
kuliah Statistik?

Jawab:

𝑃(𝑅𝑖𝑓𝑞𝑖 𝑙𝑢𝑙𝑢𝑠 ∩ 𝑅𝑎𝑓𝑖𝑑 𝑡𝑖𝑑𝑎𝑘 𝑙𝑢𝑙𝑢𝑠) = 0,80 × 0,05 = 0,04

Jadi, probabilitas Rifqi lulus mata kuliah Statistik dan Rafid tidak lulus mata kuliah
Statistik adalah 4%.

4. Kejadian Tak Bebas ( Dependent Events )


Probabilitas munculnya suatu peristiwa akan mempengaruhi/dipengaruhi oleh
peluang terjadinya peristiwa yang lain.

Rumus:

𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑨) × 𝑷(𝑩|𝑨)

Atau

𝑷(𝑩 ∩ 𝑨) = 𝑷(𝑩) × 𝑷(𝑨|𝑩)

Dimana:

P(B|A) adalah probabilitas munculnya kejadian B setelah munculnya kejadian A.


Begitu pula sebaliknya untuk P(A|B).
Contoh:

Sebuah kotak berisi 2 bola merah, 3 bola biru, dan 5 bola kuning. Jika diambil 2
bola secara berturut-turut dari kotak tersebut tanpa pengembalian, maka berapa
probabilitas terambilnya yang pertama warna merah dan yang kedua warna kuning?

Jawab:

2 5 10
𝑃(𝑚𝑒𝑟𝑎ℎ ∩ 𝑏𝑖𝑟𝑢) = × = = 0,11
10 9 90

Jadi, probabilitas terambilnya yang pertama warna merah dan yang kedua warna
kuning tanpa pengembalian adalah sebesar 11%.

• TEKNIK PENGEMBALIAN
1) Dengan Pengembalian ( With Replacement )
Suatu cara pengambilan yang pengambilan berikutnya dilakukan setelah
mengembalikan terlebih dahulu pengambilan sebelumnya.

Contoh: Sebuah kotak berisi 5 bola merah, 2 bola putih, dan 3 bola hijau. Dilakukan
pengambilan 3 bola dari kotak tersebut secara acak dengan pengembalian. Berapa
probabilitas terambilnya 1 bola merah dan 2 bola hijau berturut-turut?
Jawab:
5 3 3 45
𝑃 (𝑀 ∩ 𝐻1 ∩ 𝐻2) = × 10 × 10 = 1000
10

Jadi, probabilitas terambilnya 1 bola merah dan 2 bola hijau berturut-turut adalah 4.5%.

2) Tanpa Pengembalian ( Without Replacement )


Suatu cara pengambilan yang pengambilan berikutnya dilakukan tanpa
mengembalikan terlebih dahulu pengambilan sebelumnya.
Contoh: Sebuah kotak berisi 5 bola merah, 2 bola putih, dan 3 bola hijau. Dilakukan
pengambilan 3 bola dari kotak tersebut secara acak tanpa pengembalian. Berapa
probabilitas terambilnya 1 bola merah dan 2 bola hijau berturut-turut?
Jawab:
5 3 2 30
𝑃 (𝑀 ∩ 𝐻1 ∩ 𝐻2) = × 9 × 8 = 720
10

Jadi, probabilitas terambilnya 1 bola merah dan 2 bola hijau berturut-turut adalah
4.17%.

• TEOREMA BAYES
Teori ini diperkenalkan oleh Thomas Bayes. Teorema Bayes merupakan metode
untuk mengubah probabilitas, dengan syarat ada informasi tambahan yang diperoleh.
Untuk dua kejadian tidak terikat satu sama lain dan membentuk kumpulan kejadian
lengkap.

Rumus:

𝑷(𝑨𝟏 ) × 𝑷(𝑩|𝑨𝟏 )
𝑷(𝑨𝟏 |𝑩 ) =
𝑷(𝑨𝟏 ) × 𝑷(𝑩|𝑨𝟏 )+𝑷(𝑨𝟐 ) × 𝑷(𝑩|𝑨𝟐 )+⋯+𝑷(𝑨𝒊 ) × 𝑷(𝑩|𝑨𝒊 )

Contoh:
Sebuah perusahaan mempunyai dua pilihan tempat untuk memasarkan produknya
yaitu di kota Bandung dan Jakarta dengan masing-masing peluang 0,45 dan 0,55. Bila
produk dipasarkan di kota Bandung maka probabilitas terjadi kerugian adalah 0,07,
sedangkan di kota Jakarta probabilitas terjadi kerugiannya 0,05. Berapa probabilitas
perusahaan tersebut bila telah memasarkan produknya di kota Jakarta?

Dik:
A1 : Pemasaran produk di kota Bandung
A2 : Pemasaran produk di kota Jakarta
B : Terjadinya kerugian
P(A1) = 0,45 (Probabilitas pemasaran produk di kota Bandung)
P(A2) = 0,55 (Probabilitas pemasaran produk di kota Jakarta)
P(B|A1) = 0,07 (Probabilitas terjadinya kerugian di kota Bandung)
P(B|A2) = 0,05 (Probabilitas terjadi kerugian di kota Jakarta)

Dit: P(A2|B)?

𝑃(𝐴2 )×𝑃(𝐵|𝐴2 ) 0,55×0,05


Jawab: P(𝐴2 |B) = 𝑃(𝐴 = (0,45×0,07)+0,55×0,05) = 0,46610169
1 )×𝑃(𝐵 |𝐴1 )+𝑃(𝐴2 )×𝑃(𝐵 |𝐴2 )

Jadi, probabilitas perusahaan tersebut bila telah memasarkan produknya di kota


Jakarta adalah sebesar 0,46610169 atau 46,61%.

• HARAPAN MATEMATIS/MATHEMATICAL EXPECTATION (ME)


Harapan matematis adalah salah satu konsep yang penting di dalam teori peluang
dan statistika. Harapan matematis adalah harapan/perkiraan rata-rata nilai yang diperoleh
dari peristiwa-peristiwa 𝐴1 , 𝐴2 , … , 𝐴𝑛 , dimana peristiwa tersebut bersifat independen dan
lengkap terbatas jumlahnya ( exhaustive ) sedangkan peluang terjadinya persitiwa -
peristiwa tersebut masing-masing dilambangkan dengan 𝑃1 , 𝑃2 , … , 𝑃𝑛 .

Jika seseorang memenangkan hasil sebanyak 𝑥1 untuk peristiwa 𝐴1 , 𝑥2 untuk


persitiwa 𝐴2 , 𝑑𝑎𝑛 𝑥𝑘 untuk persitiwa 𝐴𝑘 , maka harapan yang dapat diterima dalam jangka
Panjang secara rata-rata dirumuskan sebagai berikut,
Rumus:

𝑴𝑬 = ∑ 𝑷𝒊 × 𝑿𝒊

Dimana:
ME : Nilai harapan matematis
𝑃𝑖 : Probabilitas terjadinya kejadian
𝑋𝑖 : Besarnya nilai kejadian
Contoh:
Sebuah perusahaan “Ayam Geprek” ingin melakukan ekspansi operasional, maka
perlu diadakan pemilihan tempat baru untuk mendirikan cabang perusahaan tersebut.
Andaikan kota Malang memiliki keuntungan sebesar Rp4.500.000 dengan probabilitas
0,65 dan modal yang digunakan sebesar Rp500.000. Untuk kota Jogja dibutuhkan modal
sebesar Rp 250.000, dengan probabilitas 0,6 keuntungan yang diperoleh sebesar Rp
5.000.000. Dimanakah sebaiknya perusahaan “Ayam Geprek” tersebut membuka cabang?

Jawab:
Asumsi : 1 = Untung
2 = Rugi

Dik: Kota Malang:


𝑃1 = 0,65 𝑃2 = 0,35
𝑋1 = 𝑅𝑝 4.500.000 𝑋2 = −𝑅𝑝 500.000

Kota Jogja:
𝑃1 = 0,6 𝑃2 = 0,4
𝑋1 = 𝑅𝑝 5.000.000 𝑋2 = −𝑅𝑝 250.000

Dit: Harapan matematis antara kota Malang dan kota Jogja?


Jawab:
𝑀𝐸𝑀𝑎𝑙𝑎𝑛𝑔 = (𝑃1 × 𝑋1 ) + ( 𝑃2 × 𝑋2 )
𝑀𝐸𝑀𝑎𝑙𝑎𝑛𝑔 = (0,65 × 𝑅𝑝 4.500.000) + (0,35 × −𝑅𝑝 500.000) = Rp1.175.000
𝑀𝐸𝐽𝑜𝑔𝑗𝑎 = (0,6 × 𝑅𝑝 5.000.000) + (0,4 × −𝑅𝑝 250.000) = Rp2.900.000

Jadi, sebaiknya perusahaan membuka cabang di kota Jogja dengan keuntungan


yang lebih besar yaitu sebesar Rp2.900.000.

Anda mungkin juga menyukai