BAB II

PELUANG KEJADIAN

A. DEFINISI PELUANG
Andaikan kejadian A adalah suatu kejadian, maka peluang terjadinya A, ditulis P(A),
dapat didefinisikan menurut beberapa cara :
1. Definisi Klasik

Definisi 2.1 Jika suatu eksperimen menghasilkan n hasil yang tidak mungkin
terjadi bersama-sama dan masing–masing mempunyai peluang yang sama terjadi,
maka
n( A)
P( A) 
n( S )
dengan n(A) = banyaknya hasil dalam A.

Berikut ini adalah beberapa sifat tentang peluang suatu kejadian menurut definisi
klasik

a. Jika suatu eksperimen dilakukan (tanpa suatu keterangan tertentu), maka dianggap
bahwa setiap hasil yang mungkin mempunyai peluang yang sama untuk terjadi.
b. Untuk menghitung peluang terjadinya suatu kejadian, misalnya P(A), yang
diperlukan hanya n(A) dan n. Dengan demikian, kecuali S dan A juga ditanyakan,
sebenarnya tidak perlu dicari. Di lain pihak, untuk eksperimen dengan hasil (yang
mungkin) cukup banyak, sebelum S disajikan biasanya lebih baik / mudah jika
dihitung dulu banyaknya hasil yang mungkin. Ini dapat dilakukan dengan teknik-
teknik membilang yang sudah dibicarakan dalam butir 2.2.3.
c. Karena 0 ≤ n(A) ≤ n, maka 0 ≤ P(A) ≤ 1.

Walaupun definisi tersebut diatas mudah digunakan dan mudah dimengerti, perlu
diperhatikan bahwa persyaratan “ mempunyai peluang yang sama “ dalam praktek
mungkin sekali tidak masuk akal, disamping keterbatasan penggunaannya untuk
eksperimen dengan ruang sample berhingga.

Pengantar Teori Peluang 51

2. Definisi Empiris
Definisi 2.2 Peluang terjadinya kejadian A dari suatu eksperimen adalah frekuensi
relatif terjadinya A, jika eksperimen tersebut dilakukan/diulang sebanyak kali
mungkin.
n( A)
P( A)  lim
n n
dengan n(A) = banyaknya hasil dari A dalam n ulangan.

Berikut ini adalah beberapa sifat tentang peluang suatu kejadian menurut definisi
empiris
a. Definisi ini sebenarnya lebih masuk akal, sebab tidak diperlukan persyaratan
“berat“ seperti pada definisi klasik. Tetapi suatu keberatannya adalah eksperimen
harus / dapat dilakukan sebanyak kali mungkin.
b. Definisi ini biasanya digunakan sebagai interpretasi dari definisi klasik dan
sebaliknya.

Contoh 2.1
1). Jika peluang penerbangan Semarang-Bandung tepat waktu adalah 0,84, artinya: dari
pengamatan yang cukup lama terhadap penerbangan Semarang-Bandung, 84%
menunjukkan penerbangan tepat waktu.
2). Jika ramalan cuaca mengatakan peluang besok hujan adalah 30%, artinya jika
keadaan cuaca dari hari ke hari tidak berubah, 30% hari diantaranya hujan.
3). Untuk mengatakan bahwa peluang seorang Ibu melahirkan bayi laki-laki adalah
75% atau 10%, tidak mungkin diperoleh dari mengamati satu kelahiran saja. Tetapi
harus diperoleh dari mengamati kelahiran Ibu-ibu yang “cukup banyak” dan dalam
keadaan kondisi yang sama.

3. Definisi Subyektif

Definisi 2.3 Peluang subyektif terjadinya suatu kejadian adalah peluang yang
ditentukan berdasarkan pertimbangan-pertimbangan subyektif.

Pengantar Teori Peluang 52

 Berikut ini adalah beberapa sifat tentang peluang suatu kejadian menurut definisi
subyektif
a. Biasanya dilakukan apabila definisi-definisi obyektif tidak dapat digunakan,
misalnya dalam keadaan dimana eksperimen belum / tidak pernah dilakukan.
b. Sangat subyektif kepada pertimbangan seseorang.
c. Biasanya menunjukkan keyakinan terhadap terjadinya atau tidak terjadinya kejadian
yang menjadi perhatian.
Contoh 2.2
1). Berapakah peluang hari ini akan hujan?
2). Berapakah peluang perang dunia ketiga akan meletus tahun depan?

4. Definisi Aksiomatis
Definisi 2.4 Andaikan:
S adalah ruang sampel suatu eksperimen
A adalah kelas / himpunan semua kejadian, dan
P adalah fungsi berharga nyata yang didefinisikan pada A dengan kodomain
interval [0,1],
maka:
P adalah fungsi peluang dan P(A) adalah peluang terjadinya kejadian A,
jika dipenuhi:
(A.1) P(A) ≥ 0, untuk setiap A  A
(A.2) P(S) = 1
(A.3) Jika A 1 , A 2 , … adalah barisan kejadian saling asing dengan A i  A

( yang artinya, A i  A j =  untuk i ≠ j dan i, j = 1, 2, 3, …)


dan A 1  A 2  … = A i  A,
i 1

  
maka: P  Ai    P( Ai ) .
 i 1  i 1

Pengantar Teori Peluang 53

 Contoh 2.3
Suatu kompetisi matematika (sistem gugur) diikuti 8 tim A, B, C, D, E, F, G, dan H
yang bertemu seperti tampak pada diagram pertandingan berikut ini,

Juara

A B C D E F G H

Setiap tim mempunyai peluang ½ untuk melaju kebabak berikutnya. Tulislah langkah
pengerjaan beserta konsep matematika yang digunakan untuk menunjukkan bahwa
peluang kejadian A bertemu dengan F di final dan pada akhirnya A menjadi juara adalah
1
.
32

Teorema 2.1 P (  ) = 0.

Bukti :
Ambil A 1 =  , A 2 =  , … ; maka menggunakan (iii)
   
P(  ) = P  Ai  =  P( Ai ) =  P( ) ,
 i 1  i 1 i 1

Yang hanya akan dipenuhi, jika P(  ) = 0. ( terbukti )

Teorema 2.2 Jika A 1 , A 2 , … , A n adalah kejadian-kejadian yang tidak mungkin terjadi

bersama-sama ( = saling asing ) dalam A, maka
n  n
P  Ai  =
 i 1 
 P( A ) .
i 1
i

Pengantar Teori Peluang 54

 Bukti :
Ambil A n 1 =  , A n  2 =  , … , maka menggunakan (iii)
n     n
P  Ai  = P  Ai  =
 i 1   i 1 
 P( Ai ) =
i 1
 P( A ) .
i 1
i ( terbukti )

Sifat ini menunjukkan bahwa sifat ( A.3 ) juga berlaku untuk n berhingga.
Jika S adalah suatu ruang sampel diskrit, dengan sifat ( A.3 ) maka peluang
terjadinya suatu kejadian adalah jumlah peluang setiap hasil dalam kejadian tersebut,
ditulis
n ( A)
P(A) =  P(h ) , h
i 1
i i  A dan i = 1, 2, 3, … , n(A).

Contoh 2.4
Jika sebuah mata uang “baik” (dalam keadaan seimbang) dilempar dua kali, berapakah
peluang mendapat paling sedikit satu M ?
Penyelesaian:
S = { MM,BM,MB,BB }
Karena mata uang “ baik “, maka P(MM) = P(MB) = P(BM) = P(BB)
sehingga,
P ( mendapat paling sedikit satu M ) = P (MM,MB,BM) = 3/4

Contoh 2.5
Jika sebuah dadu dilempar satu kali sedemikian sehingga peluang mendapatkan setiap
mata genap adalah dua kali peluang mendapat setiap mata ganjil, berapakah peluang
mendapat mata lebih dari 3 ?
Penyelesaian:
S = {1,2,3,4,5,6}
Jika P(1) = P(3) = P(5) =  , dengan 0 <  < 1, maka
P(2) = P(4) = P(6) = 2  , sehingga
P ( mendapat mata lebih dari 3 ) = P(4,5,6) = 3/6=1/2
Karena P harus memenuhi sifat-sifat (A.1), (A.2), dan (A.3),
maka dengan sifat (A.2) :

Pengantar Teori Peluang 55

 P(S) = 1
atau
P( 1,2,3,4,5,6) = 1
sehingga
P ( mendapat mata lebih dari 3 ) =1/2

B. PELUANG KOMPLEMEN SUATU KEJADIAN

Kejadian kejadian A dari himpunan S ditulis dengan simbol A’ atau Ac dan disebut
komplemen dari A. Jika A mempunyai a elemen, dan S mempunyai n elemen maka A’
mempunyai n-a elemen. Maka P(A’) adalah peluang tidak terjadinya A.
P(A’) = (n-a) / n
= (n/n) – (a/n)
= 1 – (a/n)
P(A’) = 1 – P(A)

C. PELUANG ATURAN PENJUMLAHAN

Teorema 2.3 Jika A dan B dua kejadian sembarang, maka P
A  B  PA  PB  PA  B

Bukti :

A 𝐴∩𝐵 B

Gambar 2.1 Peluang Aturan Penjumlahan

Diperoleh :
P  A  B = P(A terjadi tetapi B tidak) + P(B terjadi tetapi A tidak) + P(AB)…..…(1)

P(A)=P(A terjadi tetapi B tidak) + P(AB)....……………………………...…….. ...(2)

Pengantar Teori Peluang 56

P(B)=P(B terjadi tetapi A tidak + P(A  B) .…………..............................................(3)
(2) dan (3) disubtitusikan ke dalam (1), maka diperoleh :
P  A  B = P(A) - P(A  B) + P(B) - P(A  B) + P(A  B)

P  A  B = P(A) + P(B) - P(A  B)

Akibat 2.1 Jika A dan B dua kejadian saling lepas, maka

P  A  B =P(A) + P(B).

Perhatikan ilustrasi berikut ini:

Bila A dan B dua kejadian sembarang, maka:
P(A U B) = P(A) + P(B) – P(A∩B)
Bila A dan B kejadian yang terpisah (tidak bersekutu) maka kejadian tersebut dikatakan
sebagai dua kejadian saling lepas (saling asing/saling eksklusif)
P(A∩B) = ø  P(A U B) = P(A) + P(B)
Perhatikan kondisi dibawah ini!
P(A U B) = P(A) + P(B) – P(A ∩ B)
Bagaimana jika:
P(A U B U C)
Bagaimana pula, jika A, B , C tidak ada irisanya?

Akibat 2.2 Jika A 1 , A z , A 3 …. A z saling lepas, maka

P(A1, A2, A3,. . . . An) = P(A1) + P(A2) + P(A2) + . . . + P(An)

Contoh 2.4:
Tentukan peluang mendapatkan jumlah 7 atau hasil kali 12, jika dua dadu dilantunkan
sekali ?

Pengantar Teori Peluang 57

Penyelesaian
6
Misalnya, A kejadian memproleh jumlah mata dadu 7, maka P(A ) = , dan B adalah
36
4 2
kejadian memperoleh hasil kali dadu 12, maka P(B) = , sedangkan P(AB ) =
36 36
6 4 2 8
Sehingga P( A B ) =   
36 36 36 36

Contoh 2.5
Berapakah mendapatkan jumlah 7 atau 11 jika dadu dilantunkan?
Penyelesaian
6
Misal C = kejadian jumlah 7 muncul, maka P(C ) = , dan
36
2
D = kejadian jumlah 11 muncul, maka P(D) = , dan karena CD = , maka
36
6 2 8
kejadian C dan D saling terpisah, sehingga P(CD) =  
36 36 36

Teorema 2.4 Jika A dan A’ kejadian yang berkomplemen, maka P(A) + P(A’) = 1

Bukti:
Karena A  A’ = S dan himpunan A saling terpisah dengan A’, maka
1 = P(S) = P(A  A’) = P(A) + P(A’). Jadi, P(A) = 1 - P(A’).

Contoh 2.6
Jika tiga uang logam ditos sekali, tentukan berapakah peluang paling sedikit muncul
satu angka ?
Penyelesaian
N = 8. Misalnya A kejadian muncul paling sedikit satu angka, maka A’ adalah kejadian
1 1 7
tidak ada angka yang muncul, sehingga P(A’) = . Jadi P(A) = 1- = .
8 8 8

Pengantar Teori Peluang 58

Contoh 2.7
1). Jika peluang sebuah mobil berhenti di jalan karena rem macet adalah 0,23; karena
ganti ban adalah 0,24; dan karena keduanya adalah 0,09; hitunglah peluang mobil
tersebut berhenti di jalan.
Penyelesaian :
Jika
B = mobil berhenti di jalan,
R = berhenti karena rem macet, dan
G = berhenti karena ganti ban, maka
B = R  G, dengan R  G ≠  , sehingga
P(B) = P(R  G)
= P(R) + P(G) – P(R  G)
= 0,23 + 0,24 – 0,09
= 0,38.
2). Dari satu set kartu yang terdiri dari kartu bernomor 1 sampai dengan 12, diambil
satu kartu secara random, hitunglah peluang mendapat kartu bernomor habis dibagi 2
atau 3 !
Penyelesaian:
Jika
D = mendapat kartu bernomor habis dibagi 2, dan
T = mendapat kartu bernomor habis dibagi 3,
Maka
P ( mendapat kartu bernomor habis dibagi 2 atau 3 ) = P(D  T)
= P(D) + P(T) – P(D  T)
6 4 2
= + -
12 12 12
8
=
12

Pengantar Teori Peluang 59

3). Jika sebuah dadu dilempar tiga kali, hitunglah peluang mendapat satu mata enam.
Penyelesaian :
Jika
A = mendapat satu mata enam, dan
E i = mendapat mata enam pada lemparan ke-i, i = 1, 2, 3,
Maka
P(A) = P ( E 1  E 2  E 3 )

= P(E 1 ) + P(E 2 ) + P(E 3 ) – P(E 1  E 2 ) – P(E 1  E 3 ) – P(E 2  E 3 )

+ P(E 1  E 2  E 3 )

1 1 1 1 1 1 1
= + + - - - +
6 6 6 6 .6 6 .6 6 .6 6.6.6
108 18 1
= - +
216 216 216
91
= .
216

D. PELUANG BERSYARAT
Peluang terjadinya suatu kejadian B bila diketahui bahwa kejadian A telah terjadi
disebut peluang bersyarat dan dinyatakan dengan P(B|A).

Definisi 2.5 Peluang terjadinya suatu kejadiaan B, jika diketahui bahwa kejadian A
telah terjadi disebut peluang bersyarat dan dinyatakan dengan
P A  B 
P(B/A) = , jika P(A) > 0
P( A)

Contoh 2.8
Suatu eksperimen adalah melempar mata uang 2 kali.
Hitunglah:
a. Peluang mendapat dua M, jika hasil lemparan pertama adalah M.
[semesta: MM dan MB. Jd peluang MM = 1/2]
b. Peluang mendapat dua M, jika hasil lemparan adalah paling sedikit satu M.

Pengantar Teori Peluang 60

 [semesta: MM, MB, MB. Jadi peluan MM = 1/3]
Penyelesaian:
Dengan menganggap bahwa mata uang dalam keadaan seimbang, maka setiap hasil
yang mungkin, yaitu MM, MB, BM, dan BB mempunyai peluang yang sama.
Jika M i mendapat M pada lemparan ke-i, i = 1, 2, maka

1
P( M 1  M 2 ) 1
a. P [ M1 M 2 | M1 ] = = 4 = .
P( M 1 ) 1 2
2
Atau dengan cara lain :
Karena M 1 = { MM, MB }, maka
1
P [ M1 M 2 | M1 ] = .
2
1
P( M 1  M 2 ) 1
b. P [ M1 M 2 | M1 M 2 ] = = 4 = .
P( M 1  M 2 ) 3 3
4
Atau dengan cara lain :
Karena M 1  M 2 = { MM, MB, BM }, maka
1
P [ M1 M 2 | M1 M 2 ] = .
3

E. ATURAN MULTIPLIKATIF PELUANG

Perhatikan ilustrasi berikut!
Ruang sampel S menyatakan orang dewasa yg telah tamat SMA di suatu kota kecil.
Mereka dikelopokkan menurut jenis kelamin dan status pekerjaan sebagai berikut.
Bekerja Tak bekerja
Lelaki 460 40
Wanita 140 260

Daerah tersebut akan dijadikan daerah pariwisata dan seseorang akan dipilih secara acak
untuk memprogandakannya ke seluruh negeri. Kita ingin meneliti kejadian berikut:

Pengantar Teori Peluang 61

M : lelaki yang terpilih
E : orang yg terpilih dalam status bekerja

Dengan menggunakan ruang sampel E yg diperkecil diperoleh:

P(M I E) = 460/600
P(E) = 600/900
P(E∩M) = 460/900
P(E  M)
P M I E 
P(E)
Apabila rumus diatas tadi masing masing ruas dikalikan dengan P(E), apa yang terjadi?

Dari definisi peluang bersyarat, dapat diturunkan aturan multiplikatif peluang sbb:
P(A  B) = P(A) . P[B|A]
Atau
P(A  B) = P(B) . P[A|B].
P(A 1  A 2  …  A n ) = P(A 1 ) . P[A 2 |A 1 ] … P[A n | A 1  A 2  …  A n 1 ].
Aturan multiplikatif peluang banyak digunakan dalam perhitungan peluang untuk
eksperimen dalam bentuk proses berurutan atau proses bertahap.

Contoh 2.9
Sebuah kotak berisi 20 batere. Diketahui bahwa 5 batere dalam kondisi rusak dan
sisanya dalam kondisi bagus. Jika diambil sebuah batere kemudian diambil lagi satu
dengan catatan tanpa pengembalian pada pengambilan pertama, tentukan peluang dua
batere yang terambil dalam kondisi rusak.
Penyelesaian
Namakan A sebagai kejadian batere pertama rusak dan B kejadian batere kedua rusak.
Sehingga 𝐴 ∩ 𝐵 adalah kejadian muncul kejadian A kemudian muncul B setelah A
5 1
muncul. Peluang pengambilan pertama didapat batere rusak adalah = 4. Sehingga
20

peluang pengambilan yang kedua yang didapatkan dalam kondisi rusak di mana batere
4
rusak yang ada di dalam kotak tinggal 4 adalah 19.

Pengantar Teori Peluang 62

Sehingga didapatkan
1 4 1
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵|𝐴) = ∙ =
4 19 19
Contoh 2.10
Sebuah kotak berisi 4 bola putih dan 3 bola hitam. Kotak kedua berisi 3 bola putih dan 5
bola hitam. Sebuah bola diambil dari kotak pertama kemudian dipindahkan ke dalam
kotak kedua tanpa kita tau warna bola yang dipindahkan tersebut. Jika dilakukan
pengambilan lagi sebuah bola namun kali ini diambil dari kotak kedua, tentukan peluang
terpilihnya bola tersebut adalah bola hitam.
Penyelesaian
Kita namakan H1 untuk bola hitam dalam kotak pertama, H2 untuk bola hitam dalam
kotak kedua dan P1 untuk bola putih dalam kotak pertama. Perhatikan bahwa, ada dua
kemungkinan dari pengambilan bola di kotak pertama, bisa jadi didapat putih,bisa juga
hitam. Sehingga, jika bola yang terambil dari kotak kedua harus hitam, maka peluang
yang kita cari adalah peluang kejadian terambilnya H1 dan H2 atau peluang kejadian
terambilnya P1 dan H2. Sehingga didapatkan
𝑃[(𝐻1 ∩ 𝐻2) ∪ (𝑃1 ∩ 𝐻2)] = 𝑃(𝐻1 ∩ 𝐻2) + 𝑃(𝑃1 ∩ 𝐻2)
= 𝑃(𝐻1) ∙ 𝑃(𝐻2|𝐻1) + 𝑃(𝑃1) ∙ 𝑃(𝐻2|𝑃1)
3 6 4 5 38
= 7 ∙ 9 + 7 ∙ 9 = 63

Contoh 2.11 :
1. Jika dari sebuah kotak berisi 5 kelereng putih, 3 kelereng biru, dan 2 kelereng
hitam, diambil 2 kelereng secara random tanpa pengembalian, hitunglah peluang
mendapat:
a. kedua kelereng biru.
b. kelereng biru pada pengambilan pertama.
c. kelereng biru pada pengambilan kedua.

Penyelesaian:
Jika B i = mendapat kelereng biru pada pengambilan ke-i, i = 1.2

P i = mendapat kelereng putih pada pengambilan ke-i, i = 1.2 dan

Pengantar Teori Peluang 63

H i = mendapat kelereng hitam pada pengambilan ke-i, i = 1.2
maka
3 2 1
a. P(B 1  B 2 ) = P(B 1 ) . P[B 2 |B 1 ] = . =
10 9 15
b. P(B 1 ) = P [ B 1  (B 2  B C2 ) ] P(B 1 ) = P[B1  S]

= P(B 1 ) . P [ (B 2  B C2 ) | B 1 ] = P[B1] . P[S | B1]

3 9
= .
10 9
3
=
10
Untuk pertanyaan b dapat juga diselesaikan dengan bentuk penulisan yang lain
sebagai berikut. Perlu dicatat bahwa makna kedua penyelesaian tersebut sama,
hanya beda penulisan saja.
Karena pengambilan pertama harus biru, maka pengambilan kedua bisa putih,
hitam atau biru lagi. Maka, sama juga kita mencari peluang terambilnya B1 dan
P2 atau terambilnya B1 dan H2 atau terambilnya B1 dan B2. Sehingga
didapatkan
𝑃[(𝐵1 ∩ 𝑃2) ∪ (𝐵1 ∩ 𝐻2) ∪ (𝐵1 ∩ 𝐻2)] = 𝑃(𝐵1 ∩ 𝑃2) + 𝑃(𝐵1 ∩ 𝐵2)
= 𝑃(𝐵1) ∙ 𝑃(𝑃2|𝐵1) + 𝑃(𝐵1) ∙ 𝑃(𝐻2|𝐵1) + 𝑃(𝐵1) ∙ 𝑃(𝐵2|𝐵1)
3 5 3 2 3 2 9 3
= 10 ∙ 9 + 10 ∙ 9 + 10 ∙ 9 = 30 = 10

c. P(B2) = P [ (B1  B1c)  B2 ]

= P(B 1  B 2 ) + P(B 1C  B 2 )
1
= + P(B 1C ) . P [ B 2 | B 1C ]
15
1 7 3
= + .
15 10 9
3
=
10

Pengantar Teori Peluang 64

 Kasus c ini juga dapat diselesaikan dengan bentuk penulisan lain. Silahkan
dicoba sendiri.

2. Dari seluruh siswa SLTA Negeri di Kotamadya Semarang, dipilih seorang siswa
secara random. Hitunglah peluang mendapat siswa dari SMA Negeri 3 dan
berprestasi istimewa.
Penyelesaian :
Jika A = mendapat siswa dari SLTA Negeri 3,
dan B = mendapat siswa berprestasi istimewa,
daripada mengamati seluruh siswa SLTA Negeri yang jumlahnya sangat banyak.
Untuk menghitung peluang tersebut, akan lebih mudah jika mencarinya dengan
P(A  B) = P(A) . P(B|A) atau P(A  B) = P(B) . P(A|B)
3. Suatu eksperimen adalah melempar sebuah mata uang satu kali yang kemudian
dilanjutkan dengan:
melempar sebuah dadu satu kali, jika hasil lemparan mata uangnya M.
melempar mata uangnya satu kali lagi, jika hasil lemparan mata uangnya B.
Hitunglah:
a. Peluang mendapat mata genap
b. Peluang mendapat satu M.
Penyelesaian:
Jika M i = mendapat M pada lemparan ke-i, i = 1, 2, maka

a. P ( mendapat mata genap ) = P(M 1 ) . P [ mendapat mata genap | M 1 ]

1 3 1
= . = .
2 6 4
b. P ( mendapat satu M ) = P ( M 1  M 2 )

= P(M 1 ) + P(M 2 ) – P(M 1  M 2 )

1 1 1
= + . - P(M 1 ) . P [ M 2 | M 1 ]
2 2 2
1 1 1
= + - .0
2 4 2

Pengantar Teori Peluang 65

 3
= .
4
Dalam menghitung peluang disini perlu diperhatikan bahwa walaupun mata uang
dan dadu yang dilempar adalah dalam keadaan seimbang dan S = { M1, M2, M3,
M4, M5, M6, BB, BM }, sehingga n(S) = 8, tetapi P(M1), P(M2), … , P(M6),
P(BB), dan P(BM) tidak semua mempunyai peluang yang sama.
Dengan demikian perhitungan peluang menggunakan definisi klasik tidak dapat
dilakukan.
4. Dalam sebuah kotak yang berisi 20 bola lampu, terdapat 5 diantaranya yang rusak.
Jika dicoba 3 bola lampu secara random ( tanpa pengembalian ), hitunglah peluang
mendapat ketiganya rusak.
Penyelesaian :
Jika R i = mendapat bola lampu ke-i rusak, i – 1, 2, 3, maka

P ( mendapat ketiganya rusak ) = P ( R 1  R 2  R 3 )

= P(R 1 ) . P [ R 2 | R 1 ] . P [ R 3 | R 1  R 2 ]

5 4 3 1
= . . = .
20 19 18 114

F. BEBAS STOKHASTIK
Dalam perhitungan P(B|A) jelas bahwa peluang terjadinya B bergantung pada
terjadinya A atau : peluang terjadinya B harganya ditentukan relatif terhadap terjadinya
A.
Dalam hal ini B dikatakan tak bebas dari A.
Apabila peluang terjadinya B bebas dari A, maka A dan B dikatakan saling bebas
atau bebas stokhastik.

Definisi 2.6 . Jika A dan B adalah dua kejadian saling bebas stokhastik, maka:
P(A  B) = P(A) . P(B)
atau: P(A|B) = P(A)
atau: P(B|A) = P(B)

Pengantar Teori Peluang 66

 Definisi 2.7. A 1 , A 2 , … , A n saling bebas stokhastik jika dan hanya jika :

P ( A 1 , A 2 , … , A n ) = P(A 1 ) . P(A 2 ) … P(A n )

dan P ( A i  A j  A k ) = P(A i ) . P(A j ) . P(A k ) ; i≠j≠k

dan P ( A i  A j ) = P(A i ) . P(A j ) ; i≠j

Contoh 2.12
1
Jika A, B, dan C adalah kejadian-kejadian dengan P(A) = P(B) = P(C) = ,
2
1 1
P(A  B) = P(A  C) = P(B  C) = , dan P(A  B  C) = .
4 4
Apakah A, B, dan C saling bebas stokhastik ?
Penyelesaian
1
Karena P(A) = P(B) = P(C) = dan
2
1
P(A  B) = P(A  C) = P(B  C) = , maka
4
Setiap pasang A dan B, A, dan C, serta B dan C saling bebas stokhastik.
Walaupun demikian karena P(A  B  C) ≠ P(A) . P(B) . P(C),
Maka A, B, dan C tidak saling bebas stokhastik.

Contoh 2.13
Sebuah mata uang dilempar 100 kali. Hitunglah peluang mendapat 100 M, jika
a. mata uang dalam keadaan seimbang,
b. mata uang tidak dalam keadaam seimbang.
Penyelesaian :
Jika M i = mendapat M pada lemparan ke-i, maka

1
a. P(M i ) = , i = 1, 2, … , 100
2
P(mendapat 100 M) = P(M 1 ) . P(M 2 ) … P(M 100 )

Pengantar Teori Peluang 67

 1 1 1
= . …
2 2 2
100
1
=  .
2
b. P(M i ) = p, i = 1, 2, … , 100 dan 0 < p < 1.

P ( mendapat 100 M ) = P(M 1 ) . P(M 2 ) … P(M 100 )

=p.p…p
= p 100 .

G. ATURAN BAYES
Jika kejadian-kejadian B 1 , B 2 , … , B k adalah suatu partisi dari ruang sampel S dengan

P(B i ) ≠ 0, i = 1, 2, …, k, maka untuk setiap kejadian A dalam S dengan P(A) ≠ 0,

berlaku :
P( Bi ).P[ A | Bi ]
P[ Bi | A]  k , i = 1, 2, … , k
 P( B ).P[ A | B ]
i 1
i i

Bukti :
P( Bi  A)
P[B i |A] = .
P( A)

Karena B 1 , B 2 , … , B k adalah suatu partisi dari S, maka

S = B1 B 2  … B k

dengan B i  B j =  , i ≠ j.

Dengan memperhatikan bahwa

P(B i  A) = P(B i ) . P[A| B i ], karena P(B i ) ≠ 0
dan
P(A) = P(A  S)
= P ( A  { B1 B 2  … B k } )
k
=P( { A  B } )
i 1
i

Pengantar Teori Peluang 68

 k
=  P( A  B )
i 1
i

k
=  P( B ).P[ A | B ]
i 1
i i

maka
P( Bi ).P[ A | Bi ]
P[ Bi | A]  k . (terbukti)
 P( B ).P[ A | B ]
i 1
i i

Contoh 2.14
Akan dipilih tiga orang menjadi ketua HMJ. Peluang Agus terpilih menjadi ketua adalah
0.3, peluang Dimas terpilih 0,5 sedangkan peluang Dilla terpilih adalah 0,2. jika Agus
terpilih, maka peluang terlaksananya program penghijauan adalah 0,8. sedangkan untuk
Dimas dan Dilla berturut-turut adalah 0,1 dan 0,4. berapakah peluang Dilla terpilih
menjadi ketua, jika ternyata bahwa sekarang pogram penghijauan telah terlaksana ?
Solusi:
Misal
A = kejadian orang yang terpilih melaksanakan program penghijauan
B1 = kejadian Agus yang terpilih
B2 = kejadian Dimas yang terpilih
B3 = kejadian Dilla yang terpilih
Berdasarkan aturan Bayes:
P( B3  A)
P(B3|A) =
PB1  A  PB2  A  PB3  A
P(B1|A) = P(B1).P(A|B1) = (0,3)(0,8) = 0,24
P(B2|A) = P(B2).P(A|B2) = (0,5)(0,1) = 0,05
P(B3|A) = P(B3).P(A|B3) = (0,2)(0,4) = 0,08
0,08 0,08 8
Jadi, P(B3|A) =  
0,24  0,05  0,08 0,37 37

Pengantar Teori Peluang 69

Contoh 2.15
Sebuah kotak berisi 3 mata uang U 1 , U 2 , U 3 dengan peluang mendapat M adalah 0,4 ,
0,5 , dan 0,6 , jika masing-masing dilempar satu kali. Dari kotak tersebut diambil sebuah
mata uang secara random dan dilempar 5 kali. Jika hasilnya adalah semua M, tentukan
peluang yang terambil adalah mata uang yang keadaannya seimbang.
Penyelesaian :
Karena P(M) = 0,5 untuk U 2 , maka U 2 adalah mata uang yang keadaannya seimbang.
Jika A = mendapat semua M dalam 5 kali lempar, maka dengan aturan Bayes
P(U 2 ).P[ A | U 2 ]
P[U 2 | A]  3

 P(U ).P[ A | U ]
i 1
i i

1
.(0,5)5
 3
1 1 1
.(0,4)  .(0,5)5  .(0,6)5
5

3 3 3
= 0,262.
Contoh 2.16
Pegawai suatu kantor menyewa taksi dari 3 perusahaan yaitu 60% taksi Bluebird, 30%
taksi President dan 10% taksi Montana. Diketahui pula bahwa 9% taksi Bluebird perlu
di tune-up, 20% taksi President perlu di tune-up dan 6% taksi Montana perlu di tune-up.
Jika sebuah taksi disewa oleh pegawai kantor diatas dan ternyata perlu di tune-up,
hitunglah peluang yang disewa adalah taksi Bluebird.
Penyelesaian :
Jika
B = yang disewa taksi bluebird,
P = yang disewa taksi President,
M = yang disewa taksi Montana, dan
T = yang disewa perlu di tune-up, maka
P( B).P(T | B)
P[ B | T ] 
P( B).P(T | B)  P( P).P(T | P)  P( M ).P(T | M )
60%.9%
= = 0,45.
60%.9%  30%.20%  10%.6%

Pengantar Teori Peluang 70

Latihan 2.1
1. Sebuah dadu dilemparkan dua kali. Berapakah peluang bahwa nomor yang muncul
pada pelemparan pertama adalah dua dan nomor yang muncul pada pelemparan
kedua adalah lebih dari dua.
2. Sebuah kantong berisi 5 bola hitam dan 3 bola putih.diambil secara acak dua kali
berturut-turut masing-masing satu bola tanpa pengembalian. Berapa peluang
mendapatkan:
a. keduanya putih?
b. putih pada pengambilan pertama dan hitam pada pengambilan kedua
3. Dalam sebuah kantong terdapat 8 bola merah, 7 kuning, 5 hijau yang memiliki
bentuk dan ukuran sama. Tiga bola diambil secara acak satu persatu tanpa
pengembalian. Berapakah peluang mendapatkan ketiga bola itu.
a. berwarna merah
b. berturut-turut merah – kuning - hijau
4. Nomor-nomor 1 hingga 17 ditulis diatas kertas persegi kongrue,kertas-kertas
bernomor 1 sampai 10 dimasukkan kedalam sebuah kotak A sedangkan kertas-
kertas bernmor 11 hingga17 dimasukkan kedalam kotak B. jika selembar kertas
diambil dari kotak A dan B serentak. Berapakah peluang terambilnya:
a. Nomor genap dari kotak A dan nomor ganjil dari kotak B
b. Nomor kurang dari samadengan 4 dari kotak A dan lebih dari sama dengan 6
dari kotak B.
5. Jika satu huruf dikeluarkan dari kata INDONESIA secara acak, tentukan bahwa
peluang terambilnya huruf tersebut bukan huruf I.
6. Sebuah bilangan yang terdiri dari 3 angka, akan disusun secara acak dari angka-
angka 0, 1, 2, 3, 4, 5, dan 7 tanpa pengulangan. Berapa peluang mendapatkan
bilangan bukan kelipatan 5?
7. Dalam satu dus terdapat 3 CD game, 4 CD lagu, dan 4 CD kerja. Jika CD - CD
tersebut tidak berlabel dan akan diambil 3 CD, berapa peluang mendapatkan
maksimal dua jenis dari ketiga jenis CD tersebut?

Pengantar Teori Peluang 71