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.
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.
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
maka: P Ai P( Ai ) .
i 1 i 1
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
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) :
Bukti :
A 𝐴∩𝐵 B
Contoh 2.4:
Tentukan peluang mendapatkan jumlah 7 atau hasil kali 12, jika dua dadu dilantunkan
sekali ?
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 CD = , maka
36
6 2 8
kejadian C dan D saling terpisah, sehingga P(CD) =
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
+ 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.
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
Daerah tersebut akan dijadikan daerah pariwisata dan seseorang akan dipilih secara acak
untuk memprogandakannya ke seluruh negeri. Kita ingin meneliti kejadian berikut:
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.
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(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
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
= 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)
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 )
G. ATURAN BAYES
Jika kejadian-kejadian B 1 , B 2 , … , B k adalah suatu partisi dari ruang sampel S dengan
Bukti :
P( Bi A)
P[B i |A] = .
P( A)
S = B1 B 2 … B k
dengan B i B j = , i ≠ j.
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) =
PB1 A PB2 A PB3 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
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%