Fix - Pengantar Teori Probabilitas (Noeryanti) - Perpus

Pengantar Teori
2021
Probabilitas
EDITION ONE
Dra. Noeryanti, M.Si
Buku Kuliah
Teori Dan Soal Penyelesaian
Dilengkapi dengan Soal-soal Latihan
AKPRIND PRESS
PENGANTAR TEORI PROBABILITAS
Edisi Satu
Oleh:
Noeryanti, Dra., M.Si
i
AKPRIND PRESS
Undang-undang Nomor 7 tahun 1987

Tentang Hak Cipta
Pasal 44
(1) Barang siapa dengan sengaja mengumumkan atau memperbanyak

suatu ciptaan atau memberi izin untuk itu, dipidana dengan pidana
penjara paling lama 7 (tujuh) tahun dan /atau denda paling banyak
Rp.100.000.000,00 (seratus juta rupiah)
(2) Barang siapa dengan sengaja menyiarkan, memamerkan,

mengedarkan, atau menjual kepada umum suatu ciptaan atau barang
hasil pelanggaran Hak Cipta sebagaimana dimaksud dalam ayat (1),
dipidana dengan pidana penjara paling lama 5 (lima) tahun dan / atau
denda paling banyak Rp.50.000.000,00 (lima puluh juta rupiah)
PENGANTAR TEORI PROBABILITAS
Hak cipta 2021 pada penullis, dilarang keras mengutip, menjiplak,

mem fotocopy baik sebagian atau keseluruhan isi buku ini
tanpa mendapat izin tertulis dari pengarang dan penerbit
Penulis : Noeryanti
Page Make Up : Noeryanti
Desain Cover : Rochmad Haryanto
Dicetak Oleh : AKPRIND Press Yogyakarta
ISBN :978-623-7772-18-7
HAK CIPTA DILINDUNGI OLEH UNDANG-UNDANG
_____________________________________________ ii
PENGANTAR TEORI PROBABILITAS 2021
KATA PENGANTAR
Assalamualaikum Warohmatullahi Wabarokatuh
Puji syukur kehadirat Allah SWT yang telah memberikan rahmat dan karunia-Nya
sehingga kami dapat menyusun buku atau materi ajar Pengantar Teori Probabilitas tepat
pada waktunya. Penyusunan buku Pengantar Teori Probabilitas kali ini merupakan
penyempurnaan dari materi ajar yang berbentuk power point, yang dirancang dan
diharapkan untuk mempermudah mahasiswa dalam memahami konsep-konsep Pengantar
Teori Probabilitas secara benar dan dapat menerapkannya kedalam kehidupan sehari-hari
di berbagai bidang ilmu. Hal ini dapat digunakan sebagai salah satu pedoman dalam proses
pembelajaran di kelas.
Buku ini memberikan dasar-dasar teori probabilitas yang sangat penting untuk
statistika dasar dan statistika lanjut serta statistika matematika. Buku ini diharapkan dapat
bermanfaat untuk pembelajaran tentang mata kuliah pengantar teori probabilitas di Jurusan
Statistika. Dalam buku ini diberikan teori dan soal beserta penyelesaian, serta soal-soal
untuk memperkaya pengetahuan mahasiswa. Pada intinya pokok bahasan ini akan
disesuaikan dengan perkembangan dan kebutuhan kompetensi Jurusan Statistika di era
sekarang ini
Kami menyadari bahwa buku ini masih banyak kekurangannya, oleh karena itu, kami
berharap masukan, kritik dan saran dari pembaca yang bersifat membangun untuk
kesempurnaannya. Akhir kata, kami ucapkan terima kasih yang sebesar-besarnya kepada
IST AKPRIND yang mendanai penyusunan buku Pengantar Teori Probabilitas ini.
Wassalamu’alaikum Warohmatullahi Wabarokatuh.
Yogyakarta, Juli 2021
Penulis
_____________________________________________ iii
DAFTAR ISI
Cover i
Halaman Judul i
Kata Pengantar iv
Daftar Isi v
BAB 1. Pengantar Probabilitas
1.1 Pendahuluan 1
1.2 Probability Sampling dan Non Probability Sampling 1
1.3 Pengamatan, Ruang Sampel dan Kejadian 3
1.4 Prinsip Analisis Kombinatorik 8
1.4.1 Kaidah Perkalian 10
1.4.2 Permutasi dan kombinasi 11
1.5 Soal-soal Latihan 18
BAB 2. Probabilitas Suatu Kejadian
2.1 Pendahuluan 21
2.2 Peluang Suatu Kejadian 21
2.3 Definisi Peluang dan Frekuensi Harapan 21
2.4 Peluang Komplemen Suatu Kejadian 24
2.5 Aturan Penjumlahan 25
2.6 Probabilitas Bersyarat 29
2.7 Aturan Perkalian 31
2.8 Aturan Bayes 34
2.9 Soal-Soal Latihan 38
BAB 3. Perubah Acak Dan Distribusi Probabilitas
3.1 Pendahuluan 40
3.2 Konsep Perubah Acak 40
3.3 Ruang Sampel Diskrit dan Kontinyu 43
3.4 Fungsi Peluang Perubah Acak Diskrit 43
3.5 Fungsi Peluang Perubah Acak Kontinyu 46
3.6 Distribusi Peluang Diskrit 47
3.6.1 Distribusi Seragam 48
3.6.2 Distribusi Binomial dan Multinomial 49
3.6.3 Distribusi Hipergeometri 53
3.6.4 Distribusi Poisson 55
3.7 Distribusi Peluang Kontinu 58
3.7.1 Distribusi Normal 58
3.7.2 Distribusi Gamma Dan Eksponensia 63
3.7.3 Distribusi Chi Square 68
3.7.4 Distribusi Weibull 69
BAB 4 Distribusi Peluang Gabungan Dan Distribusi Marjinal
4.1 Pendahuluan 75
4.2 Perubah Acak Gabungan 75
4.3 Fungsi Peluang Gabungan 76
_____________________________________________ iv
4.4 Distribusi Marginal (Pias) 81
4.3.1 Fungsi Massa Probabilitas Marjinal 81
4.3.2 Fungsi Kepadatan Probabilitas Marjinal 83
4.5 Distribusi Probabilitas Bersyarat Dua Perubah Acak 84
4.6 Bebas Statistika 87
BAB 5 Harapan Matematik dan Variansi
5.1 Pendahuluan 95
5.2 Rata-rata Perubah Acak 95
5.3 Nilai Harapan Satu Perubah Acak 96
5.4 Variansi Satu Perubah Acak 100
5.5 Kombinasi Linier Dari Perubah Acak 104
5.6 Nilai Harapan Dua Perubah Acak 106
5.7 KOvariansi 108
5.8 Teorema Bayes 112
Referensi 117
_____________________________________________ v
BAB 1. PENGANTAR PROBABILITAS
1.1. Pendahuluan
Sebelum membahas tentang probabilitas, perlu kiranya kita mengulas kembali
mengenai populasi, sampel di dalam penelitian dan konsep statistik inferensial yang
mendasarinya, serta jenis-jenis teknik sampling.
Populasi dan sampel merupakan salah satu bagian penting dalam penelitian yang
harus ditentukan sejak awal. Dengan penentuan jenis objek penelitian ini, peneliti bisa
menentukan metode penelitian yang lebih sesuai dengan kondisi dan kebutuhan.
Apa itu Populasi?. Populasi adalah keseluruhan dari subjek penelitian, sedangkan
sampel adalah sebagian dari populasi tersebut. Nilai yang dihitung dan diperoleh dari
populasi ini disebut dengan parameter. Populasi merupakan seluruh jumlah dari subjek yang
akan diteliti oleh seorang peneliti. Misalnya 1000 orang dikatakan sebagai populasi karena
terkait dalam suatu penelitian. Kemudian pada pendapat lain mengatakan bahwa secara
harfiah pengertian populasi adalah seluruh variabel yang terkait dengan topik pada
penelitian.
Apa itu Sampel?. Sampel adalah bagian dari populasi yang memiliki karakteristik
mirip dengan populasi itu sendiri. Beberapa peneliti ada yang mengatakan bahwa Sampel
itu juga disebut contoh. Nilai hitungan yang diperoleh dari sampel inilah yang disebut dengan
statistik.
Populasi dan sampel adalah bagian metodologi statistika yang berhubungan dengan
generalisasi hasil penelitian. Cara-cara pengambilan sampel ini disebut dengan teknik
sampling.
Dengan demikian teknik sampling adalah teknik atau metode untuk memilih dan
mengambil unsur-unsur atau anggota-anggota dari populasi untuk digunakan sebagai
sampel secara representatif. Teknik sampling banyak menggunakan teori probabilitas
sehingga berdasarkan tekniknya dikategorikan menjadi dua disebut probability sampling dan
non-probability sampling.
1.2. Probability Sampling dan Non Probability Sampling

Probability sampling adalah teknik sampling dimana setiap anggota populasi memiliki
peluang sama dipilih menjadi sampel. Dengan kata lain, semua anggota tunggal dari
populasi memiliki peluang tidak nol. Teknik ini melibatkan pengambilan acak (dikocok) dari
suatu populasi. Ada bermacam-macam metode probability sampling dengan turunan dan
variasi masing-masing, namun paling populer sebagai berikut:
1) Sampling Acak Sederhana (Simple Random Sampling)
1
Random sampling adalah metode paling dekat dengan definisi probability sampling.
Pengambilan sampel dari populasi secara acak berdasarkan frekuensi probabilitas semua
anggota populasi.
2) Sampling Acak Sistematis (Systematic Random Sampling)
Pengambilan sampel melibatkan aturan populasi dalam urutan sistematika tertentu.
Probabilitas pengambilan sampel tidak sama terlepas dari kesamaan frekuensi setiap
anggota populasi.
3) Sampling Stratifikasi (Stratified Sampling)
Populasi dibagi ke dalam kelompok strata dan kemudian mengambil sampel dari tiap
kelompok tergantung kriteria yang ditetapkan. Misalnya, populasi dibagi ke dalam anak-
anak dan orang tua kemudian memilih masing-masing wakil dari keduanya.
4) Sampling Rumpun (Cluster Sampling)
Populasi dibagi ke dalam kelompok kewilayahan kemudian memilih wakil tiap-tiap
kelompok. Misalnya, populasi adalah Jawa Tengah kemudian sampel diambil dari tiap-
tiap kabupaten. Bisa juga batas-batas gunung, pulau dan sebagainya.
5) Sampling Bertahap (Multistage Sampling)
Pengambilan sampel menggunakan lebih dari satu teknik probability sampling. Misalnya,
menggunakan metode stratified sampling pada tahap pertama kemudian metodesimple
random sampling di tahap kedua dan seterusnya sampai mencapai sampel yang
diinginkan.
6) Probabilitas Proporsional Ukuran Sampling (Probability Proportional to Size Sampling)
Probabilitas pengambilan sampel sebanding dengan ukuran sampling bahwa sampel
dipilih secara proporsional dengan ukuran total populasi. Ini adalah bentuk multistage
sampling di tahap pertama dan kemudian random sampling di tahap kedua, tapi jumlah
sampel sebanding dengan ukuran populasi.
Teknik non-probability sampling bahwa setiap anggota populasi memiliki peluang nol.
Artinya, pengambilan sampel didasarkan kriteria tertentu seperti judgment, status, kuantitas,
kesukarelaan dan sebagainya.
Gambar 1.1. Non-Probability Sampling
2
Ada bermacam-macam metode non-probability sampling dengan turunan dan
variasinya, tapi paling populer sebagai berikut:
1) Sampling Kuota (Quota Sampling)
Mirip stratified sampling yaitu berdasarkan proporsi ciri-ciri tertentu untuk menghindari
bias. Misalnya, jumlah sampel laki-laki 50 orang maka sampel perempuan juga 50
orang.
2) Sampling Kebetulan (Accidental Sampling)
Pengambilan sampel didasarkan pada kenyataan bahwa mereka kebetulan muncul.
Misalnya, populasi adalah setiap pegguna jalan tol, maka peneliti mengambil sampel
dari orang-orang yang kebetulan melintas di jalan tersebut pada waktu pengamatan.
3) Sampling Purposive (Purposive or Judgemental Sampling)
Pengambilan sampel berdasarkan seleksi khusus. Peneliti membuat kriteria tertentu
siapa yang dijadikan sebagai informan. Misalnya, Anda meneliti kriminalitas di Kota
Semarang, maka Anda mengambil informan yaitu Kapolresta Semarang, seorang
pelaku kriminal dan seorang korban kriminal.
4) Sampling Sukarela (Voluntary Sampling)
Pengambilan sampel berdasarkan kerelaan untuk berpartisipasi dalam penelitian.
Metode ini paling umum digunakan dalam jajak pendapat.
5) Sampling Snowball (Snowball Sampling)
Pengambilan sampel berdasarkan penelusuran sampel sebelumnya. Misalnya,
penelitian tentang korupsi bahwa sumber informan pertama mengarah kepada informan
kedua lalu informan ke tiga dan seterusnya.
1.3. Pengamatan, Ruang Sampel dan Kejadian

Dalam statistika pada dasarnya kita tertarik pada penyajian dan penafsiran dari hasil
yang berkemungkinan yang terjadi pada penelitian yang dirancang atau penelitian ilmiah.
Misalnya: (1) kita mungkin mencatat banyaknya kecelakaan lalulintas yang terjadi setiap
bulannya di salah satu perempatan jalan, dengan harapan nantinya akan ada penambahan
rambu lalu lintas. (2) kita juga mungkin bisa mengelompokan suatu barang cacat atau tidak
cacat pada suatu pabrik, berharap hasilnya akan digunakan untuk menekan produksi barang
yang cacat. Dalam statistika sering berurusan dengan data percobaan yang berbentuk
angka atau pengukuran, ataupun data pengelompokan (kategori) yang dikelompokan
menurut aturan tertentu.
Keterangan yang dicatat dalam bentuk angka maupun pengelompokan biasa disebut
pengamatan. Jadi angka 2, 0, 1, dan 2 menyatakan banyaknya kecelakaan yang terjadi
setiap bulannya selama 4 bulan terakhir di perempatan jalan. Dan data pengelompokan C,
3
T, C, T, dan C yang menyatakan barang cacat dan tidak cacat bila 5 barang diperiksa dicatat
sebagai pengamatan.
Misalkan dalam permainan kita untuk melempar sebuah dadu. Nah, saat melempar
dadu, ada kemungkinan muncul mata dadu adalah 1, 2, 3, 4, 5 atau 6. Dalam pelemparan
dadu seperti ini merupakan salah satu contoh dari suatu percobaan. Jadi percobaan atau
eksperimen, adalah suatu kegiatan yang dapat memberikan beberapa kemungkinan.
Kemunculan mata dadu 1, 2, 3, 4, 5 atau 6, jika dihimpun maka diperoleh himpunan
{1,2,3,4,5,6}. Himpunan ini disebut juga dengan ruang sampel, biasanya diberi notasi S =
{1,2,3,4,5,6}, jadi ruang sampel adalah himpunan dari semua hasil yang mungkin pada suatu
percobaan/kejadian. Sedangkan kemunculan titik dadu (1), (2), (3), (4), (5), dan (6) disebut
sebagai titik sampel dalam pengamatan. Jadi titik sampel adalah anggota-anggota dari
ruang sampel atau kemungkinan-kemungkinan yang muncul.
Ada beberapa cara menyusun ruang sampel, yaitu (1). Dengan mendaftar semua
anggota. (2). Menyajikan dengan diagram pohon. (3). Menyajikan dengan tabel. Sedangkan
banyaknya ruang sampel dinyatakan sebagai n(S)
Contoh 1.1
Jika kita melemparkan dua buah koin sekaligus, maka akan ada yang menjadi koin
pertama dan koin kedua.
Gambar 1.2 Sisi Angka & Sisi Gambar Uang logam (Koin)
Misalkan koin pertama muncul sisi angka (A) dan koin kedua muncul sisi gambar (G), maka
dari pelemparan tersebut hasil yang mungkin terjadi adalah:
Percobaan : pelemparan dua koin (katakan koin 1 dan koin ke 2)
: dapat dinyatakan dalam bentuk pasangan (I, j) dimana i = titik yang tampak
dari koin 1 dan j = titik yang tampak dari koin 2
Ruang sampel : kumpulan pasangan ( i , j ) → S = {(A, G), (G, A), (A, A), (G, G)}
Titik sampel anggota-anggota dari himpunan S yaitu (A, G), (G, A), (A, A), atau (G, G)
Kejadian : a). sekurang2nya muncul satu sisi gambar = {(G,A), (A,G), (G,G)}
b). Tidak ada sisi gambar yang muncul = {(A,A)}
c). Muncul sisi yang sama = {(A,A), (G,G)}
Sehingga n(S) yaitu banyaknya unsur dalam ruang sampel S. Maka n(S) = 4
4
Contoh 1.2
Misalkan kita punya tiga buah koin untuk dilempar atau dilantunkan sebanyak 1 kali.
Berarti munculnya sisi angka pada koin ditulis dengan A dan munculnya sisi gambar pada
koin ditulis dengan G, maka dari hasil pelemparan koin tersebut, diperoleh beberapa
kemungkinan seperti dinyatakan dalam tabel 1.1 berikut:
Tabel 1.1 Kemungkinan munculnya sisi Angka atau sisi Gambar
Koin I Koin II Koin III Hasil
Kemungkinan ke-1 A A A AAA
Kemungkinan ke-2 A A G AAG
Kemungkinan ke-3 A G A AGA
Kemungkinan ke-4 G A A GAA
Kemungkinan ke-5 A G G AGG
Kemungkinan ke-6 G A G GAG
Kemungkinan ke-7 G G A GGA
Kemungkinan ke-8 G G G GGG
Percobaannya : 3 buah koin (koin I, koin II dan koin III) hasilnya dinyatakan dalam
tabel 1.1
Ruang Sampel: S = {(AAA),(AAG), (AGA), (GAA), (AGG), (GAG), (GGA), (GGG)}
Titik2 Sampel : anggota-anggota dari S.
(AAA), (AAG), (AGA), (GAA), (AGG), (GAG), (GGA), atau (GGG)
Sehingga n(S) = 8
Kejadian : a). Munculnya sisi yang sama = {(AAA), (GGG)}
b). Sekurang-2nya satu sisi gambar = {AAG, AGA, GAA, AGG, GAG, GGA, GGG}
Contoh 1.3
Misalnya kita tertarik pada suatu pelemparan sepasang dadu, berilah tanda untuk dadu
pertama dan yang lainnya beri tanda dadu ke 2.
Dadu 1 Dadu 2
Gambar 1.3 sepasang dadu
5
Dalam hal ini yang disebut:
Percobaan : Pelemparan sepasang dadu (dadu pertama dan dadu ke dua)
Hasilnya dapat dinyatakan sebagai pasangan (i,j); dimana i = titik yang
tampak pada dadu pertama & j = titik yang tampak dari dadu kedua
Ruang Sampel: kumpulan dari pasangan ( i , j ), dimana i = 1, 2, … 6 dan j = 1, 2, …., 6
Hasilnya sbb:
 (1,1), (1,2), (1,3), (1,4), (1,5), (1,6) 
(2,1), (2,2), (2,3), (2,4), (2,5), (2,6) 
(3,1), (3,6) 
 (3,2), (3,3), (3,4), (3,5),
S = 
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6) 
 
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6) 
(6,1), (6,2), (6,3), (6,4), (6,5), (6,6) 
Titik sampel : anggota-anggota dari S disebut titik sampel. Maka n(S) = 36
Kemudian Pandanglah suatu kejadian:
A = kejadian jumlah ttk yg tampak adalah 7} = {(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)}
B = {kejadian bahwa titik kedua dadu sama} = {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)}
Contoh 1.4
Jika dalam peristiwa melemparkan sebuah koin dan sebuah dadu yang
mempunyai 6 sisi seperti dinyatakan dalam GB 1.4, maka kemungkinan kejadiannya
pelemparan yang pertama muncul sisi angka (A) atau sisi gambar (G) pada koin, dan
kemudian diikuti kemungkinan munculnya salah satu mata dadu pada pelemparan
dadu dinyatakan dalam diagram pohon seperti GB 1.5 berikut:
Gambar 1.4. Koin dan dadu
Gambar 1.5 diagram pohon hasil percobaan
6
Percobaan : lantunan pertama uang logam, lantunan kedua digulirkan sebuah dadu.
Pasangan (i,j) dengan i menunjukan lantunan pertama & j menunjukan lantunan ke dua
Ruang sampel: S = {(A,1),(A,2),(A,3),(A,4),(A,5),(A,6),(G,1),(G,2),(G,3),(G,4),(G,5),(G,6)}
Titik Sampel : anggota-anggota dalam ruang sampel S
Kejadian:
a). Sekurang-2nya muncul satu sisiangka={(A,1),(A,2),(A,3),(A,4),(A,5),(A,6)}
b). Paling sedikit satu sisi gambar = {(G,1), (G,2), (G,3), (G,4), (G,5), (G,6)}
c). Muncul titik dadu 4 = {(A,4), (G,4)}
Banyak anggota ruang sampel : n(S) = 12
Contoh 1.5
Seperti contoh diatas dengan beda percobaannya. Jika saat lantunan pertama
dilakukan pada uang logam, ternyata muncul sisi muka, maka akan dilakukan lantunan
kedua kalinya. Tetapi jika lantunan pertama diperoleh sisi belakang, maka untuk lantunan
kedua akan digulirkan sebuah dadu. Untuk mempermudah penyajian ruang sampel, dibuat
diagram pohon berikut:
Gambar 1.6 diagram pohon percobaan

Percobaan : Terdiri atas lantunan pertama uang logam, dan lantunan kedua digulirkan
sebuah dadu.
Ruang sampel: S = {(M,M), (M,B), (B,1), (B,2), (B,3), (B,4), (B,5), (B,6)}
Kejadian : a). Sekurang-kurangnya ada satu muncul sisi belakang
= {(M,B), (B,1), (B,2), (B,3), (B,4), (B,5), (B,6)}
b). Terdapat Kedua lantunan sama = {(M,M)}
Titik Sampel : anggota-anggota dari pasangan dalam S disebut titik sampel
Banyak anggota ruang sampel : n(S) = 8
7
Dalam tiap percobaan mungkin kita ingin mengetahui munculnya suatu kejadian
tertentu atau bukan dalam ruang sampel. Misalnya kita ingin mengetahui mengenai kejadian
A bahwa hasil lantunan dari suatu dadu dapat dibagi menjadi 3. Hasilnya merupakan unsur
himpunan bagian dari A yaitu A = {3, 6} dari ruang sampel T = {1, 2, 3, 4, 5, 6}.
Misalnya 3 barang dipilih secara acak dari hasil produk suatu prabrik. Tiap-tiap barang
diperiksa dan di golongkan sebagai barang yang cacat I dan barang tidak cacat (B). untuk
mencatat unsur dalam ruang sampel dinyatakan dalam diagram pohon gambar 1.7
Gambar 1.7 diagram pohon percobaan

Dalam gambar 1.7 memberikan tiap alur sepanjang cabang pohon merupakan titik sampel
yang berbeda. Mulai alur pertama diperoleh titik sampel CCC yang menunjukan
kemungkinan bahwa ketiga barang yang diperikasa adalah cacat. Jika semua alur ditempuh
diperoleh ruang sampel,
T = {CCC, CCB, CBC, CBB, BCC, BCB, BBC, BBB}
Misalnya kejadian D yang menyatakan jumlah barang yang cacat lebih dari satu. Maka
himpunan D = { CCB,CBC, BCC, CCC} merupakan himpunan bagian dari T
Ruang sampel yang anggotanya tak hingga, lebih mudah ditulis dengan pernyataan.
Misalnya suatu himpunan kota didunia yang berpenduduk satu juta. 8is akita8 sampelnya
ditulis T = {x/x suatu kota yang berpenduduk melebihi satu juta}
1.4. Prinsip Analisis Kombinatorik

Dalam banyak hal, himpunan semesta dinyatakan dengan S yang seringkali
merupakan himpunan berhingga dan beranggota tidak begitu banyak. Dengan demikian kita
8
dapat dengan mudah menghitung jumlah anggotanya dengan menuliskan menurut cara
pencacahan.
Contoh (1.6):
Sebuah kotak berisi 5 buah bola yang diberi nomor 1 sampai dengan 5. Kemudian dari
kotak tersebut kita ambil 2 buah bola secara acak, satu persatu. Hitung banyaknya urutan
angka yang mungkin dan bisa kita lakukan jika
a. pengambilan bola dilakukan dengan pengembalian (yang artinya bola yang terambil
pertama dikembalikan dulu ke dalam kotak sebelum dilakukan pengambilan kedua.
b. pengambilan bola dilakukan tanpa pengembalian.
Jawab:
a. Misal A adalah himpunan nomor bola = {1, 2, 3, 4, 5}
Karena pengambilan bola dilakukan dengan pengembalian, maka bola pertama memiliki
kemungkinan untuk terambil lagi pada pengambilan kedua. Dengan demikian urutan
angka nomor bola yang mungkin terambil dinyatakan dalam GB 1.8a berikut ini
GB 1.8a Pengambilan dengan pengembalian

Dengan indeks ij menunjukan pengambilan pertama I dan kedua j.
Misalnya: angka 23 menunjukan pengambilan pertama nomor bola 2 dan pengambilan
yang ke dua dapat nomor bola 3.
Jadi banyaknya urutan angka yang mungkin terjadi (muncul) adalah n(S) = 25
b. Karena pengambilan bola dilakukan tanpa pengembalian, maka bola yang terambil
pertama tidak mungkin terambil yang kedua. Jadi semua urutan angka nomor bola yang
mungkin terambil dinyatakan dalam GB 1.8b berikut ini:
GB 1.8b Pengambilan tanpa pengembalian
9
Disini { 11, 22, 33, 44, 55] tidak mungkin terjadi (tidak muncul).
Dengan demikian banyaknya urutan angka yang mungkin terambil adalah n(S) = 20
Selanjutnya perhatikan contoh lainberikut ini:

Misalnya kita memiliki 15 buah buku yang kita beri tulisan angka 1 sampai dengan 15.
Kemudian kita memilih secara acak 5 buah buku diantaranya yang kemudian kita susun
berjajar dari kiri kekanan di dalam rak buku. Ada berapa banyak susunan yang mungkin
terjadi (yang dapat kamu lakukan)?. Anda boleh mencoba mencacah semua susunan yang
mungkin. Hitung ada berapa banyak.
Pada contoh tersebut, tidak menguntungkan jika kita menghitung jumlah anggota
dengan mencacah dahulu semua anggotanya. Disinilah peran konsep analisis kombinatorik,
yaitu mengitung jumlah aggota himpunan tanpa mencacah dahulu semua anggotanya.
1.4.1. Kaidah Perkalian

Bila suatu operasi dapat dilakukan dalam n1-cara, dan setiap cara pada operasi ke-2
dapat dilakukan dalam n2-cara, maka kedua operasi tersebut secara bersama-sama dapat
dilakukan dalam (n1)(n2)-cara.
Aturan perkalian ini dapat diperluas sehingga mencangkup banyak operasi, misalnya sampai
ke k-operasi sehingga bersama-sama dapat dilakukan (n1)(n2) . . . (nk)-cara
Contoh (1.7):
Suatu perusahaan perumahan menawarkan untuk calon pembeli menyajikan
beberapa pilihan rumah gaya luar berbentuk tradisional, spanyol, kolonial dan modern,
bertempat di daerah pusat kota, pantai,dan bukit. Ada berapa banyak pilihan seseorang
pembeli dapat memesan rumah?
Jawab: Diketahui ada n1 = 4; n2 =3. Jadi banyaknya pilihan untuk memesan rumah adalah
= (n1)(n2) = (4)(3) = 12 macam model
Yaitu Modern-Bukit, Modern-Pantai, Modern-Pusat kota, Spanyol-Bukit, Spanyol-
Pantai, Spanyol-Pusat kota, Kolonial-Bukit, Kolonial-Pantai, Kolonial-Pusat kota,
Tradisional-Bukit, Tradisional-Pantai, Tradisional-Pusat kota,
Dapat pula dinyatakan dalam diagram pohon berikut GB 1.9 ini
10
GB 1.9 Diagram pohon banyaknya pilihan untuk memesan rumah
Contoh(1.8):
Seorang langganan ingin memasang telepon dan ia dapat memilih dari 5 warna
dekorasi, 3 pilihan panjang kawat sambungan dan 2 jenis telepon yang diputar atau yang
pakai tombol. Ada berapa banyak pilihan jika seseorang akan memasang telepon tersebut
di atas?
Jawab: n1 = 5; n2 =3; n3 = 2
Jadi banyaknya pilihan jika seseorang akan memasang telepon adalah
(n1 )(n2 )(n3 ) = (5)(3)(2) = 30 macam pilihan
Misalnya n1 = A, B, C, D, E ; n2 = K, L, M ; n3 = X, Y
Jadi banyaknya pilihan
Ada 30 macam pilihan
1.4.2. Permutasi dan Kombinasi

Untuk dapat memahami permutasi dan kombinasi, perlu pengertian adanya faktorial.
Apa itu faktorial?, ini mestinya sudah dibahas di matakuliah lain. Tapi tidak ada salahnya
kalau kita sedikit mengulangnya.
11
Notasi faktorial dilambangkan dengan tanda “ ! “. Didefinisikan sebagai: n! = n x (n-1)
x (n-2) x . . . 3 x 2 x 1. Misalkan kita akan menghitung hasil dari 4!. Maka nilai dari 4! dapat
dihitung sebagai 4 x 3 x 2 x 1 = 24. Jadi 4! = 24.
Selain itu ada definisi yang sangat pentingndin ingat yaitu: 1! =1 dan 0! =1, buktinya di
matematika lanjut
a) Definisi Permutasi dan Kombinasi
Permutasi dapat diartikan sebagai aturan pencacahan / penyusunan dengan
memperhatikan urutan objek. Sedangkan, kombinasi merupakan suatu aturan
pencacahan/penyusunan tanpa memperhatikan urutan objek. Perhatikan dua
permasalahan di bawah ini.
Contoh (1.9)
Permasalahan 1:
Dalam suatu lomba yang diikuti oleh 10 peserta akan diambil juara 1, juara 2, dan juara 3.
Berapa banyaknya kemungkinan susunan pemenang?
Jawab:
Misalnya urutan
A ,B, C ini mengartikan A = jurara 1, B = juara 2 dan C = juara 3
C,A ,B ini mengartikan C= jurara 1, B = juara 2 dan A = juara 3
Urutan pertama dan ke dua berbeda
Masalah seperti ini akan diselesaikan dengan Permutasi
Permasalahan 2:
Dalam suatu kelas yang terdiri dari 12 siswa akan dikirimkan delegasi yang terdiri dari 3
orang. Berapa banyak susunan delegasi yang mungkin?
Jawab:
Misal memilih 3 orang itu katakan si A, si E dan si H
AEH = AHE =EAH =EHA = HAE =HEA
Dan seterusnya
Masalah ini diselesaikan dengan Kombinasi
Dari dua permasalahan tersebut, dapatkah kalian membedakan manakah

permasalahan yang menerapkan konsep permutasi atau mana yang menerapkan masalah
kombinasi untuk menyelesaikaanya?
Jawabannya:
12
Pada permasalahan pertama, konsep yang digunakan adalah konsep permutasi.
Mengapa menggunakan konsep permutasi? Karena pada permasalahan tersebut
memperhatikan urutan, yaitu juara 1, juara 2, dan juara 3.
Sedangkan pada permasalahan dua kita dapat menyelesaikannya dengan konsep
kombinasi karena permasalahan tersebut penyusunannya tidak memperhatikan urutan.
b) Permutasi dan Kombinasi dalam Kehidupan Sehari-hari

Dalam kehidupan sehari-hari kita sering melihat situasi yang berkaitan dengan konsp
permutasi dan kombinasi. Misalkan saat kita menyusun telur dalam suatu tempat khusus
untuk telur. Andaikan kita punya 10 butir telur dan 5 tempat/wadah telur, berapa banyak
susunan berbeda yang mungkin yang dapat kita lakukan?
Selain itu, konsep permutasi dan kombinasi dapat diterapkan dalam permasalahan
mengenai susunan tempat duduk dan lain sebagainya.
Lebih lanjut, dengan menggunakan konsep permutasi dan kombinasi, kalian akan
dapat menentukan peluang suatu kejadian untuk memprediksi/memperkirakan kejadian
yang mungkin terjadi di masa mendatang.
c) Perbedaan Permutasi dan Kombinasi

Terdapat beberapa perbedaan antara permutasi dan kombinasi. Perbedaan tersebut
salah satunya yaitu permutasi memperhatikan urutan objek, sedangkan pada kombinasi
tidak memperhatikan urutan. Akibatnya permutasi dan kombinasi pun memiliki perbedaan
dalam penyelesaiannya. Rumus untuk permutasi dan kombinasi akan disajikan dalam
bagian di bawah ini.
Rumus Permutasi
Secara umum, banyaknya permutasi dari n-elemen setiap kali dipilih k-elemen
dinyatakan dengan rumus
Keterangan:
n : Banyaknya obyek keseluruhan
k : banyaknya obyek yang diamati / diberi perlakuan
Salah satu macam permutasi lain yang perlu kalian ketahui adalah permutasi siklis.
Penjelasan mengenai permutasi siklis rumusnya sbb
13
Permutasi Siklis
Pembahasan mengenai permutasi siklis penting untuk dipelajari. Coba pahami
permasalahan berikut ini. Dalam suatu restoran, terdapat 6 orang yang duduk secara
melingkar. Berapa banyak susunan tempat duduk yang mungkin?
Apakah kalian akan menyelesaikan permasalahan tersebut menggunakan rumus
permutasi diatas?
Coba kalian amati gambar 1.10 berikut.
GB 1. 10 gambaran 6 orang duduk mengitari meja bundar

Untuk menentukan banyaknya susunan tempat duduk berbeda untuk 6 orang yang
duduk melingkar dapat kita mulai dengan menentukan salah satu tempat duduk sebagai
acuan. Sehingga tersisa 5 tempat duduk yang lainnya.
Dari 5 tempat duduk tersebut, jika kita mencoba menentukan banyaknya susunan yaitu:
• Kursi 1 : banyaknya kemungkinan orang yang duduk pada kursi tersebut ada 5
Dengan menerapkan konsep aturan perkalian diperoleh
Banyaknya susunan duduk = 5 x 4 x 3 x 2 x 1 = 120 cara.
Sehingga, secara umum, rumus permutasi siklik untuk n objek yaitu:
Psiklik(n) = (n – 1)!
Keterangan:
• Psiklik(n) : banyaknya permutasi siklik dari n objek
• n : banyaknya objek
Contoh(1.10):
Ambil n=4 katakan ABCD dan k=3 diperoleh
Jadi banyaknya permutasi (urutan) ada 24 cara
14
Perkembangan Permutasi ini berlaku untuk jika n-obyek yang berlainan ada n1 obyek
berjenis pertama, n2 obyek berjenis ke 2 dan seterusnya sampai . . . nk obyek berjenis ke-k
maka rumus permutasinya adalah
Dimana: n = n1 + n2+ . . .+nk
Contoh(1.11):
Ada berapa permutasi yang dapat dibentuk dari himpunan yang mempunyai 3 anggota
yang berlainan.
Jawab:
Misalnya himpunan tersebut adalah H = {a, b, c}
Permutasi yang dapat dibuat adalah abc, acb, bac, bca, cab, cba. Ada 6 susunan
yang berlainan.
atau
Permutasi yang dapat dibuat adalah 3! = (3)(2)(1) = 6 (susunan yang berlainan)
Contoh(1.12):
Ada berapa banyak permutasi yang dapat dibentuk dari himpunan yang mempunyai 4
anggota.
Jawab:
Misalnya himpunan tersebut adalah K = {a, b, c, d}
Maka banyaknya permutasi dari empat huruf adalah yang dapat dibentuk adalah 4!
= (4)(3)(2)(1) = 24 susunan yang berbeda
Contoh(1.13):
Berapa banyaknya permutasi yang dapat dibuat dari 4 huruf bila 2 huruf diambil
sekaligus
Jawab: Misalnya himpuan dari a huruf tersebut adalah A = {a, b, c, d}.
Jika setiap kali kita ambil 2 huruf, maka urutan yang dapat kita bentuk adalah ab, ba,
ac, ca, ad, da, bc, cb, bd, db,cd, dc. Ada 12 susunan
15
Contoh(1.14):
Berapa banyaknya jadwal yang dapat disusun dalam penyelenggaran pelatihan kerja,
untuk 3 penceramah dalam 3 pertemuan bila ke-3nya bersedia memberikan pelatihan setiap
hari selama 5-hari kerja?
Jawab:
Dalam hal ini n=5 dan k=3, permutasi yang dapat ibentuk adalah
5! 5!
5 P3 = = = (5)(4)(3) = 60
(5 − 3)! 2!
Jadi banyaknya jadwal yang dapat disusun dalam penyelenggaran pelatihan kerja
tersebut adalah 60 macam susunan
Contoh(1.15):
Suatu pohon natal dihias dengan 9 bola lampu yang dirangkai seri. Ada berapa banyak
cara menyusunya jika 3 diantaranya berwarna merah, 4 kuning, dan 2 biru?
Jawab:
Masalah disini termasuk permutasi dengan n =9, n1 =3, n2 =4, dan n3 =2
9!
Banyaknya susunan yang berbeda adalah = = 1260 cara
3!4!2!
Rumus Kombinasi
Rumus kombinasi r objek dari n objek dapat dituliskan sebagai berikut.
C(n, r) = n!/(r! (n – r)!)
Atau
n n!
 =
 r  r !(n − r )!
 
Keterangan:
• C(n, r) : permutasi r objek dari n objek yang ada
• n : banyaknya objek keseluruhan
• r : banyaknya objek yang diamati/diberi perlakuan
16
Rumus binomial lainnya
Andaikan A adalah suatu himpunan dengan n elemen dimana n = n1 + n2 + …+ nk
dengan ni = bilangan bulat, maka banyaknya partisi yang berbeda dari himpunan A dalam
himpunan bagian A1, A2, ….., Ak masing-masing terdiri atas n1, n2, …., nk elemen adalah :
 n  n − n1   n − n1 − n 2   n − n1 − .....nk  n!
    .......  =
 n  n      n1! n 2!......n k!
 1  2   n3   nk 
Contoh (1.16) :
Berapa banyaknya cara untuk menampung 7 orang dalam 3 kamar hotel, jika tersedia
1 kamar mempunyai 3 tempat tidur sedangkan 2 kamar lainnya mempunyai 2 tempat tidur?
 7  7!
Jawab: Jumlah seluruh sekat adalah  =

= 210 cara
 3, 2, 2  3!2!2!
Contoh (1.17) :
Jika ada 4 ahli kimia dan 3 ahli fisika, carilah banyaknya cara untuk menyusun panitia
terdiri dari 3 orang yang beranggotakan 2 orang ahli kimia dan 1 orang ahli fisika?
Jawab:
 4 4!
Banyaknya cara memilih 2 dari 4 ahli kimia =   = =6
 2 2!2!
 
 3 3!
Banyaknya cara memilih 1 dari 3 ahli fisika =   = =3
1 1!2!
 
Maka menurut teorema diatas, banyaknya cara memilih 3 orang yang beranggotakan
2 orang ahli kimia dan 1 orang ahli fisika adalah
 4  3 
   = (6)(3) = 18 cara
 2  1 
  
Contoh (1.18) :
Ada berapa kombinasi dari 4 huruf ABCD, jika diambil 3 huruf ?
Jawab :
4! 4!
Untuk n=4 dan k=3 diperoleh 4 C3 = = = 4
3! (4 - 3) ! 3! 1!
17
Tabel 1.2 4 C3
Kombinasi Permutasi
ABC ABC ACB BAC BCA CAB CBA
ABD ABD ADB BAD BDA DAB DBA
ACD ACD ADC CAD CDA DAC DCA
BCD BCD BDC CBD CDB DBC DCB
ABC, ACB, BAC, BCA, CAB, CBA adalah kombinasi-kombinasi yang sama (lihat
baris pertama)
Catatan:
n n!
Karena dalam koefisien binomial   = maka rumus kombinasi menjadi
 k  k!(n − k)!
n n!
C ( n,k ) =   =
 k  k!(n − k)!
 
1.5. Soal Latihan

1. Ada berapa cara 3 buku dapat diatur di atas rak ?
2. Dari 4 huruf, dimana ada 2 huruf yang sama, berapa macam cara yang dapat kita
bentuk?
3. Ada berapa macam cara yang dapat disusun dari 4 huruf diambil 3 huruf.
(misalnya huruf-huruf tersebut A, B, C, dan D).
4. Misalkan kita punya 3 baju, 4 celana dan 2 pasang sepatu. Ada berapa cara kita
berangkat kuliah, yaitu pakai satu baju, satu celana dan sepasang sepatu.
5. Tersedia 12 buku, kita ambil 3 buku dan kita urutkan di atas rak buku. Ada berapa
macam cara yang dapat kita lakukan ?
6. Ada berapa kata (jajaran huruf-huruf) yang dapat di buat dari kata SETURAN
BARU, jika syaratnya tiap kata harus menggunakan lima huruf dan tidak boleh
diulang.
7. Tersedia angka 1, 2, 3, 4 dan 5. Berapa banyaknya bilangan yang dapat kita buat
dengan empat buah angka yang tersedia itu dengan syarat :
a. Tidak boleh ada angka yang sama.
b. Boleh ada angka yang diulang.
8. Ada berapa macam kata yang dapat dibuat dari kata “MAHASISWA” ?
18
9. Dalam pemberian nomor telepon digunakan 4 angka tanpa angka sama. Angka
pertama 0 diperbolehkan. Berapa banyak nomor diperoleh ? Berapa banyak
nomor dengan angka 1 dan 2 berurutan ?
10. Ada berapa nomor mobil yang dapat dibuat oleh polisi Yogya, jika paling banyak
boleh menggunakan empat angka dan dua huruf.
11. Perusahaan pengalengan sedang membutuhkan 4 karyawan baru untuk mengisi
posisi berbeda yang kosong. Namun, calon yang tersedia sebanyak 9. Tentukan
berapa banyak susunan karyawan yang mungkin dilakukan.
12. Seorang ilmuwan ingin menyusun kata dari 8 huruf. Tentukan berapa banyak
susunan 5 huruf yang bisa dibuat oleh ilmuwan tersebut!
13. Terdapat 8 orang yang sedang bermain bersama. Dalam permainan tersebut,
disediakan 4 kursi kosong dan 1 kursi telah terisi. Berapakah banyak
14. Desa Mawar berencana untuk mengadakan kegiatan HUT RI dengan membuat 3
panitia inti yang terdiri dari ketua, sekretaris, bendahara. Jika calon panitia ada 8
orang, maka berapakah susunan panitia inti yang dapat di buat?
15. Jika ada 6 orang sedang mengelilingi meja bundar, ada berapa banyak cara yang
dilakukan untuk mendapatkan urutan duduk yang berbeda?
16. Dalam suatu pemilihan pengurus kelas akan dipilih ketua, sekretaris, dan
bendahara kelas. Jika banyaknya siswa di kelas tersebut adalah 15, berapa
banyak susunan pengurus yang mungkin?
17. Dalam suatu pertemuan, terdapat kursi yang disusun secara melingkar. Jika
terdapat 7 kursi dan 7 orang dalam pertemuan tersebut, berapa banyak
18. Dari 4 bus di terminal akan dipilih 2 bus untuk berangkat ke Yogyakarta.
Berapakah cara memilih bus tersebut?
19. Rudi pergi ke kamar untuk mengambil 3 jenis buku. Jika di kamarnya terdapat 6
jenis buku, hitung banyaknya kombinasi tiga jenis buku yang mungkin dibawa
oleh Rudi ?
20. Pada suatu arisan yang dihadiri 7 ibu. Ke tujuh ibu tersebut saling berjabat tangan
satu sama lain. Hitunglah banyak jabat tangan yang terjadi?
21. Kepengurus RT terdiri dari 5 orang laki-laki dan 3 orang wanita akan dipilih 4
perwakilan untuk menghadiri upacara 17 Agustus. Hitung banyak cara
22. Tia ingin membeli 6 jenis boneka di toko yang menjual 9 jenis boneka. Jika 2 jenis
boneka sudah pasti dibeli, berapa banyak kombinasi 6 boneka yang
23. Linda akan mengambil 2 teko dan 3 mangkok dari lemari dapur yang menyimpan
6 teko dan 4 mangkok. Hitung banyak cara Linda bisa mengambil teko dan
mangkok?
19
24. Sebuah kelas akan memilih 4 putra dan 5 putri untuk menjadi paduan suara.
Jumlah siswa di kelas tersebut adalah 20 orang. Jika terdapat 9 orang putra di
kelas tersebut, berapakah banyak cara memilih paduan suara dari kelas
25. Terdapat 8 orang dalam suatu kelompok. Jika 3 dari 8 orang tersebut akan
dijadikan delegasi dalam suatu pertemuan internasional, berapa banyak susunan
delegasi yang mungkin?
26. Dalam suatu pesta terdapat 10 orang yang hadir dalam pesta tersebut. Jika setiap
orang saling berjabat tangan antara satu dengan yang lain, berapa banyak jabat
tangan yang dilakukan dalam pesta tersebut?
===@@@===
20
BAB 2. PROBABILITAS SUATU KEJADIAN
2.1. Pendahuluan
Teori Peluang (probabilitas) merupakan cabang matematika yang banyak
penerapannya dalam kehidupan sehari-hari. Atas kehendak Tuhan, Teori Peluang lahir dan
berkembang dari dunia hitam (meja perjudian) yang kurang berkenan pada-Nya. Pada awal
abad ke 17 seorang penjudi bangsawan Perancis bernama CHEVALIER de MERE minta
pertolongan kepada BLAISE PASCAL, pertolongan yang diharapkan oleh Chevalier de Mere
tidak lain adalah bagaimana caranya agar ia memperoleh kemenangan dalam meja
perjudian. Caracara kependudukan, pertanian, geofisika dan meteorology, transportasi,
ekonomi, industri dan lain sebagainya.
Dalam bab ini akan membahas tentang sejarah konsep-konsep dasar peluang atau
probabilitas (Probability) dan hitungan-hitungan yang berkaitan dengan peluang suatu
kejadian, aturan penjumlahan, probabilitas bersyarat, aturan perkalian, dan aturan bayes.
Juga terampil dalam mengerjakan soal-soal tugas dan Latihan
Materi tentang peluang masih erat kaitannya dengan materi statistika. Pembahasan
materi peluang suatu kejadian meliputi mendaftar ruang sampel, peluang komplemen suatu
kejadian, peluang kejadian majemuk, peluang kejadian majemuk saling lepas, peluang
kejadian majemuk saling bebas, peluang kejadian bersyarat, peluang pengambilan tanpa
pengembalian, dan peluang pengambilan dengan pengembalian
2.2. Peluang suatu Kejadian

Kata peluang dipakai untuk mewakili kata probabilitas (Probability) dalam buku-buku
teks yang baku.
Konsep peluang digunakan untuk menarik kesimpulan dari eksperimen yang memuat
suatu kejadian yang tidak pasti. Misal: eksperimen yang diulang-ulang dalam kondisi yang
sama akan memberikan hasil yang berbeda-beda. Hasil eksperimen ini, sangat bervariasi
dan tidak tunggal.
Ada juga yang mendefinisikan bahwa peluang merupakan ilmu yang mempelajari
tentang sesuatu hal yang berkaitan dengan kemungkin. Sehingga, peluang suatu kejadian
dapat diartikan sebagai kemungkinan dari suatu kejadian. Kemungkinan tersebut bisa terjadi
atau tidak terjadi, bisa sukses atau tidak sukses (gagal).
2.3. Definisi Peluang, dan Frekuensi Harapan

Sebelum mengenal definisi Peluang, kita mengingat lebih dulu tentang ruang sampel.
Ruang sampel harus memuat seluruh kejadian yang mungkin terjadi. Contohnya pada
21
pelemparan sekeping uang logam yang memiliki dua permukaan, permukaan pertama
adalah gambar, sedangkan permukaan kedua adalah angka (GB 1.2). Ruang sampel yang
dimiliki oleh sekeping uang logam tersebut adalah angka dan gambar.
Contoh lainnya adalah pada pelemparan dua buah dadu, banyaknya ruang sampel
yang akan dibentuk akan berjumlah 36. Perhatikan ruang sampel pada pelemparan dua
buah mata dadu (GB 1.3)
Jika ruang sampel memuat semua kejadian yang mungkin terjadi, maka peluang dalam
ruang sampel berhingga adalah pemberian bobot yang bernilai antara 0 dan 1. Sehingga
kemungkinan terjadinya suatu kejadian yang berasal dari percobaan statistik dapat dihitung.
Jika tiap-tiap hasil eksperimen dianggap mempunyai kemungkinan yang sama untuk
muncul, maka peluang kemungkinan tersebut akan diberi bobot yang sama. Dan jumlah
bobot semua unsur dalam ruang sampel S adalah 1
Definisi (2.1)
Peluang suatu kejadian A dalam ruang sampel S dinyatakan sebagai:
0 ≤ 𝑃(𝐴) ≤ 1 ; 𝑃(∅) = 0 ; 𝑃(𝑆) = 1
Definisi (2.2)
Jika suatu kejadian menghasilkan N-macam hasil yang berbeda, dimana masing-
masing kejadian mempunyai kemungkinan yang sama, maka peluang kejadian A dengan
A⸦ S ditulis sebagai P(A) dinyatakan sebagai:
𝑛(𝐴) 𝑛
𝑃(𝐴) = =
𝑛(𝑆) 𝑁
Dengan: n(A) = banyaknya kemungkinan yang muncul pada kejadian A

n(S)= banyaknya kemungkinan yang muncul pada ruang sampel S
Frekuensi Harapan
Frekuensi harapan adalah banyaknya kejadian yang diharapkan dapat terjadi pada
suatu percobaan. Jika suatu percobaan dilakukan sebanyak n kali dan nilai kemungkinan
terjadi suatu kejadian (K) setiap percobaan adalah P(K), maka frekuensi harapan kejadian K
adalah:
𝐹ℎ (𝐾) = 𝑛 x 𝑃(𝐾)
Nilai angka peluang menyimbolkan persentase kemungkian sebuah kejadian yang

akan terjadi. Frekuensi harapan memberikan perhitungan berapa banyaknya kemungkinan
22
dari suatu kejadian itu akan terjadi. Nilai frekuensi harapan diperoleh dari perkalian antara
peluang dengan banyaknya percobaan.
Contoh (2.1):
Sebuah dadu dilempar satu kali, tentukan peluang munculnya angka bilangan prima
dalam lemparan tersebut
Jawab:
Ruang sampel dadu dilantunkan satu kali (S) = {1, 2, 3, 4, 5, 6} maka n(S) = 6
Munculnya angka prima (K) = {2, 3, 5} maka n(K) = 3
Sehingga peluang muncul angka bilangan prima yaitu:
Contoh (2.2):
Pada pelemparan sepasang dadu dengan n(S) = 36
Misalnya A = himpunan kejadian munculnya jumlah ttk 7
= {(1,6), (2,5), (3,4), (4,3), (5,2), (6,1) } → N(A) = 6
B = {Kejadian munculnya kedua titik sama}
= {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6) } → N(B) = 6
C = {Kejadian munculnya jumlah titik 11}
= {(5,6), (6,5) } → N(C) = 2
Maka:
n(A) 6 1 n(B) 6 1 n(C) 2 1
P(A) = = = ; P(B) = = = ; P(C) = = =
n(S) 36 6 n(S) 36 6 n(S) 36 18
Contoh (2.3)
Diketahui peluang munculnya angka dari pelemparan sebuah mata uang logam
adalah 1/5. Percobaan pelemparan mata uang logam dilakukan sebanyak 310 kali. Maka,
carilah frekuensi harapan munculnya angka dalam kejadian tersebut
Jawab:
Fh(K) = n x P(K) = 320 x 1/5 = 62.
Contoh (2.4)
Pada percobaan pelemparan 3 mata uang logam sekaligus sebanyak 240
kali,tentukan frekuensi harapan munculnya dua gambar dan satu angka.
Jawab:
23
S = {AAA, AAG, AGA, GAA, AGG, GAG, GGA, GGG } → n (S) = 8
A = {AGG, GAG, GGA } → n(A) = 3
Maka P(A) = 3/8
Fh(A) = n × P(A) = 240 × (3/8) = 90 kali
2.4. Peluang Komplemen Suatu Kejadian

Komplemen dari himpunan A adalah semua anggota S (himpunan semesta) yang
bukan anggota A dinyatakan sebagai AC. Jadi Peluangnya ditulis P(AC) yaitu peluang dari
komplemen suatu kejadian A. Dengan Rumus:
P(AC) = 1 – P(A) atau P(A) + P(AC) = P(S) = 1
Misalnya, jika nilai peluang keberhasilan adalah 0,78 maka peluang kegagalan
adalah 0,22. Jumlah peluang keseluruan P(S) =1. Atau jumlah antara peluang berhasil dan
peluang gagal adalah 1 (satu).
Contoh (2.5)
Misal diketahui: S = {1, 2, 3, 4, 5, 6, 7} dan A = {2, 3, 5, 7} hitung P(AC)
Jawab: n(S) = 7 , n(A) = 4 diperoleh P(A) = n(A)/n(S) = 4/7
maka himpunan komplemen A adalah AC = {1, 4, 6} dengan n(AC) = 3
sehingga P(AC) = 1- P(A) =1- 4/7 = 3/7 atau P(AC) = n(AC)/n(S) = 3/7
Contoh (2. 6):

Diketahui S = {x | 1 < x ≤ 9, x anggota bilangan asli}; A = {bilangan ganjil antara 1
dan 9} kemudian hitung peluang himpunan komplemen A
Jawab:
S = {x | 1 < x ≤ 9, x anggota bilangan asli} = {2, 3, 4, 5, 6, 7, 8, 9} maka n(S) = 8
A = {bilangan ganjil antara 1 dan 9} = {3, 5, 7} maka n(A) = 3 dan P(A) = 3/8
AC = {2, 4, 6, 8, 9}
Maka peluang komplemen A adalah P(AC) = 1- P(A) = 1- 3/8 = 5/8
Contoh (2. 7):

Diketahui peluang seseorang sakit jantung adalah 0,23 maka cari peluang sesorang
tersebut sehat
Jawab: Peluang sakit. P(A) = 0,23
Maka Peluang sehat = 1 – P(A) = 1 – 0,23 = = 0,77
24
Contoh (2.8 )
sebuah dadu dilempar sekali, carilah peluang akan muncul mata dadu itu yang bukan
prima ganjil.
Jawab: Sebuah dadu dilempar sekali: n(S) = 6
Misalnya A = muncul mata dadu prima ganjil. Berarti A = {3, 5} dan n(A) = 2
Peluang muncul mata dadu prima ganjil = P(A) = n(A)/n(S) =2/6 = 1/3
P(AC) = 1 – 1/3 = 2/3
Jadi Peluang muncul mata dadu bukan prima ganjil adalah 2/3
Catatan: Kejadian Majemuk

Dua atau lebih kejadian yang dioperasikan sehingga membentuk kejadian baru.
Suatu kejadian E dan kejadian komplemennya EC memenuhi persamaan :
P(E) + P(EC) = 1 atau P(EC) = 1 – P(E)
Contoh (2.9 )
Peluang seorang montir mobil akan memperbaiki mobil setiap hari kerja adalah
3, 4, 5, 6, 7, atau 8 lebih dengan peluang 0,12; 0,19; 0,28; 0,24; 0,10; dan 0,07.
Berapa peluang bahwa seorang montir mobil akan memperbaiki paling sedikit 5
mobil pada hari kerja berikutnya?
Jawab: Misal E = kejadian bahwa paling sedikit ada 5 mobil yang diperbaiki
EC = kejadian kurang dari 5 mobil yang diperbaiki → P(EC) = 0.12 +0.19= 0.31
Sehingga P(E) = 1 – P(EC) = 1 – 0.31 = 0.69
2.5. Aturan Penjumlahan

Di bawah ini diberikan suatu aturan penjumlahan yang sering dapat
menyederhanakan perhitungan-perhitungan peluang.
Teorema 2.1:
Bila A dan B suatu kejadian sembarang, maka berlaku
P( A  B) = P( A ) + P(B) − P( A  B)
Akibatnya:
a. Jika A dan B kejadian yang terpisah (saling lepas) maka
P( A  B) = P( A ) + P(B)
b. Jika A1, A2 …. An merupakan suatu sekatan dari ruang sampel S, dan saling terpisah,
maka
25
P( A1  A 2  ....  An ) = P( A1) + P( A 2 ) + .... + P( A n ) = P(S) = 1
Teorema (2.2):
Untuk tiga kejadian A, B dan C, sebarang maka berlakulah
P( A  B  C) = P( A ) + P(B) + P(C) − P( A  B) − P( A  C) − P(B  C) + P( A  B  C)
Contoh (2.10 ):
Sebuah dadu merah dan sebuah dadu putih dilempar bersamaan satu kali,
tentukan peluang munculnya mata dadu berjumlah 3 atau 10 !
Jawab: mata bdadu yang muncul dinyatakan dalam Tabel 2.1
A : Kejadian mata dadu berjumlah 3(warna
Tabel 2.1 mata dadu yang muncul kuning)
A = {(1,2), (2,1)} → n(A) =2
B : Kejadian mata dadu berjumlah 10 (warna
biru)
B = {(6,4), (5,5), (4,6)} → n(B) = 3
A dan B tidak memiliki satupun elemen yg sama
Sehingga:
P(A  B) = P(A) + P( B)
= 2/36 + 3/36
= 5/36
Contoh (2.11 ):
Sebuah kartu diambil secara acak dari satu set kartu remi. Tentukan peluang bahwa
yang terambil adalah kartu hati atau kartu bergambar (kartu King, Queen, dan Jack).
Perhatikan GB. 2.2 seperangkat kartu Remi
Jawab:
Banyaknya seperangkat kartu remi = n(S) = 52.
Banyaknya kartu hati = n(A) = 13.
Banyaknya kartu bergambar = n(B) = 3x4 = 12
26
GB 2.2 seperangkat Kartu REMI
Kartu hati dan kartu bergambar dapat terjadi bersamaan yaitu kartu King hati,
Queen hati, dan Jack hati), sehingga A dan B tidak saling lepas.
Jadi n(A  B) = 3
Peluang terambil kartu hati atau bergambar adalah :
P(A  B) = P(A) + P( B) - P(A  B)
= 13/52 + 12/52 – 3/52
= 22/52 = 11/26
Contoh (2.12 ):
Bila peluang seseorang membeli mobil warna hijau 0.09, putih 0.15, merah 0.21 dan
biru 0.23. Berapa peluang seseorang pembeli akan membeli mobil baru seperti salah satu
dari warna tersebut?
Jawab: Misal: H= hijau, T=putih, M=merah dan B=biru
Maka:
P(H  T  M  B) = P(H) + P(T ) + P(M) + P(B)
= 0.09 + 0.15 + 0.21 + 0.23
= 0.68
Contoh (2.13):
Peluang seseorang mahasiswa lulus matakuliah Statistika 2/3 dan peluang lulus
matakuliah matematika 4/9. Jika peluang lulus kedua matakuliah 1/4, maka tentukan peluang
mahasiswa akan lulus paling sedikit satu mata kuliah?
Jawab: misalnya
A = himpunan mahasiswa yang lulus matakuliah statistika, → PA)= 2/3
B = himpunan mahasiswa yang lulus matakuliah matematika, → P(B)= 4/9
A  B = himpunan mahasiswa yang lulus kedua matakuliah → P(A  B) =1/4
27
Maka
Peluang mahasiswa akan lulus paling sedikit satu mata kuliah adalah
𝑃 (𝐴 ∪ 𝐵 ) = 𝑃 (𝐴 ) + 𝑃 (𝐵 ) − 𝑃 (𝐴 ∩ 𝐵 )
P(A  B) = P(A) + P(B) − P(A  B) = 2 + 4 − 1 = 31

3 9 4 36
Contoh (2.14):
Berapakah peluang untuk mendapatkan jumlah titik dadu yang muncul 7 atau 11 jika
dua buah dadu dilantunkan?
Jawab: misalnya
A = kejadian munculnya jumlah ttk 7 → n(A) = 6 sehingga P(A) = 6/36 = 1/6
B = Kejadian munculnya jumlah titik 11 → n(B) = 2 sehingga P(B) = 2/36 = 1/18
A  B = kejadian munculnya jumlah titik dadu 7 atau 11
Karena A dan B saling asing, maka A  B =  sehingga P(A B) = 0
Jadi untuk mendapatkan jumlah titik dadu yang muncul 7 atau 11
adalah P(A B) = P (A) + P(B)
= 1/6 + 1/18
= 2/9
Contoh (2.15):
Jika peluang seseorang yang membeli mobil akan tertarik memilih warna hijau, putih,
merah, atau biru yang masing-masing mempunyai peluang 0,09; 0,15; 0,21; 0,23.
Berapakah peluang bahwa seorang pembeli tertentu akan membeli mobil baru berwarna
seperti salah satu dari warna tersebut?
Jawab:
misal: H = seseorang memilih warna mobil hijau → P(H) = 0.09
T = seseorang memilih warna mobil putih → P(T) = 0.15
M = seseorang memilih warna mobil merah → P(M) = 0.21
B = seseorang memilih warna mobil biru → P(B) = 0.23
Ke-empat kejadian tersebut saling terpisah.
Jadi peluang bahwa seorang pembeli akan membeli mobil berwarna seperti
salah satu dari warna tersebut adalah
P(H) + P(T) + P(M) + P(B) = 0,09 + 0,15 + 0,21 + 0,23
= 0.68
28
Contoh (2.16):
Dua buah barang dipilih secara acak dari 12 barang diantaranya ada 4 barang
berkondisi \ cacat (rusak). Tentukan peluang bahwa:
(a). kedua barang tersebut cacat
(b). kedua barang berkondisi baik 4R 2
(c). paling sedikit satu barang cacat 8B
Jawab: 12
Banyaknya cara untuk memilih 2 dari 12 barang = 𝑛(𝑠) = (12) = 2!

12 !
= 66
2 (12−2)!
Dimisalkan : A = kejadian terpilihnya kedua barang cacat

B= kejadian terpilihnya kedua barang baik
Maka
 4 4! 8 8!
n(A) =   = =6 n(B) =   = = 28
 2  2!( 4 − 2)!  2  2!(8 − 2)!
  ;  
a). Probabilitas untuk mendapatkan kedua barang cacat = P(A)
n(A)
P(A) = = 6 / 36
n(S)
b). Probabilitas untuk mendapatkan kedua barang baik = P(B)
n(B)
P(B) = = 28 / 66
n(S)
c). Misalkan: P(0) = probabilitas terpilihnya 0- barang yang cacat
P(1)= probabilitas terpilihnya 1- barang yang cacat
P(2)= probabilitas terpilihnya 2- barang yang cacat
Dengan P(S)=P(0)+P(1)+P(2)=1 dan
P(0) = P(B) = 28 / 66
Peluang(paling sedikit ada satu barang cacat) = P (1-cacat ) + P(2-cacat)
= P(1) + P(2) = 1- P(0) = 1 – 28/66 = 38/66
Jadi peluang paling sedikit ada satu barang cacat adalah 38/66
2.6. Probabilitas Bersyarat

Dua kejadian dikatakan kejadian bersyarat atau kejadian yang saling bergantung
apabila terjadi atau tdak terjadinya kejadian A akan mempengaruhi terjadi atau tidak
terjadinya kejadian B
Definisi (2.3):
Peluang bersyarat kejadian B, jika kejadian A telah diketahui ditulis dengan notasi
𝑃(𝐴∩𝐵)
P(B/A) didefinisikan sebagai: P(B/A) = dengan P(A) ≠ 0
𝑃(𝐴)
Sebaliknya
29
Peluang bersyarat kejadian A, jika kejadian B telah diketahui ditulis dengan P(A/B)
𝑃(𝐴∩𝐵)
didefinisikan sebagai: P(A/B) = dengan P(B) ≠ 0. Dengan 𝑃(𝐴 ∩ 𝐵) = peluang
𝑃(𝐵)
irisan A dan B
Contoh (2.17):
Ruang sampel menyatakan populasi orang dewasa yang telah tamat SMU di suatu
kota tertentu dikelompokan menurut jenis kelamin dan status bekerja seperti dalam tabel 2.2
berikut:
Tabel 2.2 . Populasi Orang Dewasa Telah Tamat SMU

Bekerja Tdk bekerja Jumlah
Laki-laki 460 40 500
Wanita 140 260 400
600 300 900
Daerah tersebut akan dijadikan daerah pariwisata dan seseorang akan dipilih secara
acak dalam usaha penggalakan kota tersebut sebagai obyek wisata keseluruh negeri.
Berapa probabilitas laki-laki yang terpilih ternyata berstatus bekerja?
Jawab: misalkan ; E = orang yang terpilih berstatus bekeja
M = Lelaki yang terpilih
Dari tabel diperoleh:
P(E) = 600 = 2 P(M  E) = 460 = 23

900 3; 900 45
𝑃(𝑀∩𝐸)
Probabilitas laki-laki yang terpilih ternyata berstatus bekerja adalah 𝑃(𝑀⁄𝐸 ) =
𝑃(𝐸)
23
𝑃(𝑀⁄𝐸 ) =
30
Contoh (2.18):
Sebuah dadu dilantunkan satu kali. Tentukan peluag munculnya mata dadu ganjil
dengan syarat munculnya kejadian mata dadu prima lebih dulu.
Jawab: Dadu dilanntunkan S = {1, 2, 3, 4, 5, 6} → n(S) = 6
misalkan A = kejadian muncul angka prima = {2, 3, 5} → n(A) = 3
𝑛(𝐴) 3 1
𝑃(𝐴) = = =
𝑛(𝑆) 6 2
B = kejadian muncul mata dadu ganjil = {1, 3, 5}
Sehingga 𝐴 ∩ 𝐵 = {3, 5} → n(𝐴 ∩ 𝐵) = 2
30
n(𝐴∩𝐵) 2 1
Dan 𝑃(𝐴 ∩ 𝐵) = = =
𝑛(𝑆) 6 3
P(𝐴∩𝐵) 1/3 2
P(B/A) = = =
𝑃(𝐴) 1/2 3
Jadi munculnya mata dadu ganjil dengan syarat munculnya kejadian mata dadu
2
prima lebih dahulu =
3
Definisi (2.4):
Dua kejadian A dan kejadian B dikatakan bebas jika dan hanya 𝑃(𝐴⁄𝐵) ≠ 𝑃(𝐴)
dan 𝑃(𝐵⁄𝐴) ≠ 𝑃(𝐵). Jika tidak demikian, A dan B tidak bebas
Contoh (2.19):
Suatu percobaban yang menyangkut pengambilan 2 kartu yang diambil berturutan
dari seperangkat (satu pack) kartu remi dengan pengembalian. Jika A menyatakan kartu
pertama yang terambil As, dan B menyatakan kartu kedua Skop (spade). Apakah A dan B
bebas?. Karena kartu pertama dikembalikan, maka ruang sampelnya tetap, yang terdiri atas
52 kartu (lihat GB 2.2), berisi 4 As dan 13skop.
Jawab: A : menyatakan kartu pertama yang terambil As, dan
B : menyatakan kartu kedua Skop (spade)
13 1 13 1
Jadi 𝑃(𝐵) = = dan 𝑃(𝐵/𝐴) = = diperoleh 𝑃(𝐵/𝐴) = 𝑃(𝐵)
52 4 52 4
Jadi dikatakan A dan B bebas
2.7. Aturan Perkalian

Didalam aturan perkalian, ada dua jenis kejadian. Yang pertama kejadian tak bebas
(dependent event dan yang kedua kejadian bebas (independent ivent)
Dari kejadian yang pertama yaitu kejadian tak bebas atinya kejadian A terjadi kalau B
sudah terjadi. Artinya kejadian A terjadi dengan syarat B sudah terjadi. Dinyatakan dengan
P(A/B). ini merupakan probabilitas bersyarat yaitu
𝑃(𝐴∩𝐵) 𝑃(𝐴∩𝐵)
P(A/B) = atau sebaliknya P(B/A) =
𝑃(𝐵) 𝑃(𝐴)
Dengan demikian 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵)𝑃(𝐴⁄𝐵) atau 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵⁄𝐴)
Atau 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵)𝑃(𝐴⁄𝐵) = 𝑃(𝐴)𝑃(𝐵⁄𝐴)
31
Teorema(2.3):
Jika kejadian A dan B dapat terjadi secara serentak pada suatu percobaan, maka
berlaku 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵/𝐴) dan juga berlaku 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵)𝑃(𝐴/𝐵)
Jika kejadian A dan B saling asing (independent atau bebas) maka 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵)
Contoh (2.20):
Sebuah kotak berisi 20 sekering, 5 diantaranya cacat. Bila 2 sekering dikeluarkan
dari kotak satu demi satu secara acak (tanpa dikembalikan) berapa peluang kedua sekering
itu rusak?
Jawab: misalkan
A = menyatakan sekering pertama cacat
B = menyatakan sekering kedua cacat
𝐴∩𝐵 = menyatakan kejadian A terjadi dan kemudian B terjadi setelah A terjadi
Yang ditanyakan peluang kedua sekering itu rusak. → P (𝐴 ∩ 𝐵)?

Peluang mengeluarkan sekering cacat yang pertama = P(A) =1/4
Peluang mengeluarkan sekering cacat yang ke-dua = P(B)= 4/19
Jadi P (𝐴 ∩ 𝐵) = P(A) P(B) = (1/4) (4/19) =1/19
Contoh (2.21):
Sebuah kantong berisi 4 bola merah dan 3 ola hitam, kantong kedua berisi 3 bola
merah dan 5 bola hitam. Satu bola diambil dari kantong pertama, dan dimasukan ke kantong
kedua tanpa melihat hasilnya. Berapa peluangnya jika kita mengambil bola hitam dari
kantong kedua?.
Jawab:
Misalkan: H1, H2 dan M1 masing-masing menyatakan pengambilan satu bola hitam
dari kantong 1, satu bola hitam dari kantong 2, dan satu bola merah dari kantong 1. Kita ingin
mengetahui gabungan dari kejadian terpisah 𝐻1 ∩ H2 dan 𝑀1 ∩ H2 .
Berbagai kemungkinan dan probabilitasnya digambar pada GB 2.3 di bawah ini
Jadi
P[(H1  H2 )atau (M1  H2 )] = P(H1  H2 ) + P(M1  H2 )

= P(H1)P(H2 / H1) + P(M1)P(H2 / M1)
= ( 3 )( 6 ) + ( 4 )( 5 ) = 38
7 9 7 9 63
32
Gambar (2.3). Diagram pohon untuk contoh (2.21)
Teorema (2.4):
Dua kejadian A dan B dikatakan bebas jika dan hanya jika 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵)
Teorema(2.5):
Jika 𝐴1 , 𝐴2 , . . . , 𝐴𝑛 adalah kejadian-kejadian yang bebas, maka berlaku
𝑃(𝐴1 ∩ 𝐴2 ,∩. . .∩ 𝐴𝑛 ) = 𝑃(𝐴1 )𝑃(𝐴2 ) . . . 𝑃(𝐴𝑛 )
Contoh (2.22):
Dalam sebuah kotak terdapat 7-bolam berwarna merah dan 5-berwarna putih, jika
a. sebuah bolam diambil dari kotak tersebut diamati warnanya kemudian dikembalikan lagi
kedalam kotak, dan diulangi cara pengambilannya. Maka tentukan probabilitas bahwa
dalam pengambilan akan didapat 2 bolam berwarna putih
b. dalam pengambilan pertama setelah diamati bolam tidak dikembalikan dan diulangi cara
pengambilannya. Maka tentukan probabilitas bahwa dalam pengambilan pertama
diperoleh bolam merah dan yang kedua bolam putih
Jawab:
7M 1
5P Banyaknya cara mengambil satu bolam dari 12 bolam
12 yang ada
12  12 !
n(S ) =   = = 12
 1  1! (12 − 1) !
 
a). Misalnya: A = kejadian dalam Pengambilan I diperoleh bolam putih
B = kejadian Pengambilan II diperoleh bolam putih
33
5 5 5
maka n(A) =   = 5 → P(A) = 5 ;dan n(B) =   = 5 → P(B) =
1 1 12
  12  
A dan B adalah kejadian-kejadian yang bebas, jadi probabilitas bahwa dalam

pengambilan akan diperoleh 2 bolam berwarna putih, maka
5 5 25
P(A  B) = P(A) P(B) = ( )( )=
12 12 144
7
b). Misal: C = pengambilan I diperoleh bolam merah, n(C) =   = 7 → P(C) = 7
1 12
 
D = pengambilan ke II diperoleh bolam putih, maka
5 5
n(D / C) =   = 5 → P(D / C) =
1 11
 
Probabiliats pengambilan I bolam merah dan pengambilan II putih adalah
P(C  D) = P(C) P D ( C) = (127 ) (115 ) = 132

35
2.8. Aturan Bayes

Teorema Bayes, diambil dari nama Rev. Thomas Bayes, menggambarkan hubungan
antara peluang bersyarat dari dua kejadian A dan B sebagai berikut:
𝑃(𝐴∩𝐵) 𝑃(𝐴∩𝐵)
P(A/B) = atau P(B/A) = atau 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵)𝑃(𝐴⁄𝐵 ) = 𝑃(𝐴)𝑃(𝐵⁄𝐴)
𝑃(𝐵) 𝑃(𝐴)
Diperoleh 𝑃(𝐵)𝑃(𝐴⁄𝐵) = 𝑃(𝐴)𝑃(𝐵⁄𝐴)
𝑃(𝐴) 𝑃(𝐵⁄𝐴)
𝑃(𝐴⁄𝐵) =
𝑃(𝐵)
a. Pandang diagram veen GB 2.4 dibawah ini

Jika ada satu sekatan dari himpunan A ⸦ S dan sekatan sebelah kiri di katakana E
dan yang kanan EC maka
Sekatan di sebelah kiri E ∪ (E ∩ A)
Sekatan sebelah kanan 𝐸 𝐶 ∪ (E 𝐶 ∩ A)
(E ∩ A) dan (E 𝐶 ∩ A) saling asing
𝐶
Jadi 𝐴 = (E ∩ A) ∪ (E ∩ A)
GB 2.4 Diagram Venn untuk kejadian A, E dan EC
34
Diperoleh Rumus
P(A) = P (E  A)  (Ec  A)

 
c
= P(E  A) + P(E  A)
= P(E)P(A E) + P(Ec )P(A Ec )
Contoh (2.23):
Ruang sampel menyatakan populasi orang dewasa yang telah tamat SMU di suatu
kota tertentu dikelompokan menurut jenis kelamin dan status bekerja seperti pada contoh
(2.17) tabel (2.2). Daerah ini akan dijadikan daerah pariwisata dan seseorang akan dipilih
secara acak dalam usaha penggalakan kota tersebut sebagai obyek wisata keseluruh
negeri. Dan diketahui bahwa ada 36 orang yang bersetatus bekerja dan 12 orang berstatus
menganggur adalah anggota koperasi.
Bekerja Tdk bekerja Jumlah
Laki-laki 460 40 500

Wanita 140 260 400
Jumlah 600 300 900
Berapa peluang orang yang terpilih ternyata anggota koperasi?

Jawab: Misal: E = orang yang terpilih berstatus bekeja
A = orang yang terpilih anggota koperasi
Dari tabel diperoleh:
c
P(E) = 600 = 2 ; P(Ec ) = 1 − P(E) = 1 ; P(A E) = 36 = 3 ; P(A E ) = 300
12 = 1
25
900 3 3 600 50
Jadi peluang orang yang terpilih anggota koperasi adalah
P(A) = P(E) P(A E) + P(E c ) P(A E c ) = ( 2) ( 3 ) + ( 1 ) ( 1 ) = 4

3 50 3 25 75
Dengan diagram pohon contoh (2.23)
GB 2.5 Diagram pohon contoh soal 2.23
Teorema(2.6): Pengembangan teorema bayes

Jika kejadian-kejadian 𝐸1 , 𝐸2 , . . . . , 𝐸𝑛 yang tidak kosong maka untuk sembarang
kejadian 𝐴 ⊆ 𝑆 maka berlaku

35
k k
P(A) =  P(Ei  A) =  P(Ei ) P(A Ei )
i=1 i−1
= P(E1 )P(A E1) + P(E2 )P(A E2 ) + ..... + P(Ek )P(A Ek )
Dimana:
A = (E1  A)  (E2  A)  .....  (Ek  A)
E1  A , E2  A , ......... ,Ek  A Saling asing
b. Pandang jika ada 3 sekatan seperti diagram venn berikut:
(E1  A) ,(E2  A),(E2  A) saling asing

diperoleh
A = (E1  A)  (E2  A)  (E3  A)
GB 2.6 Diagram Venn untuk kejadian A, E1, E2 dan EC

Jadi rumus yang digunakan:
P(A) = P (E1  A)  (E2  A)  (E3  A) = P(E1  A) + P(E2  A) + P(E3  A)
= P(E1 )P(A E1) + P(E2 )P(A E2 ) + P(E3 )P(A E3 )
3
=  P(Ei )P(A Ei )
i=1
c. Jika ada k sekatan Pandang diagram venn berikut
Gambar 2.7 Penyekatan ruang sampel S
36
Teorema(2.7):
Jika kejadian-kejadian 𝐸1 , 𝐸2 , . . . , 𝐸𝑘 merupakan sekatan dari ruang sampel S
dengan 𝑃(𝐸𝑖 ) ≠0 untuk 𝑖 = 1 ,2 ,3 , . . ., 𝑘 , maka utk sembarang kejadian A , dengan

𝑃(𝐴) ≠ 0; berlaku
P(Er  A) P(Er ) P(A Br )
P(Er A) = =
k k
 P(Ei  A)  P(Ei )P(A Ei )
i=1 i=1
Untuk 𝑟 = 1 ,2 ,3, . . . , 𝑘
Contoh (2.24):
Tiga anggota dari sebuah organisasi dicalonkan sebagai ketua. Telah diketahui
peluang bpk Ali (A) terpilih 0,3 ; peluang bpk Basuki (B) terpilih 0,5 dan peluang bpk Catur
(C) terpilih 0,2. Juga telah diketahui peluang kenaikan iuran anggota jika A terpilih 0,8 ; jika
B terpilih 0,1 dan jika C terpilih 0,4.
a), Berapa peluang iuran anggota akan naik ?
b). Berapa peluang bpk C terpilih sbg ketua?
Jawab: Misal: I : iuran anggota dinaikan
A : pak Ali terpilih → 𝑃(𝐴) = 0.3
B : pak Basuki terpilih → P(B)=0.5
C : pak Catur terpilih → P(A)=0.2
Dari soal diketahui
P(I A) = 0.8 ; P(I B) = 0.1 ; P(I C) = 0.4
a). Peluang iuran anggota akan naik adalah
P(I) = P(A)P(I A) + P(B)P(I B) + P(C)P(I C)
= (0.3)(0.8) + (0.5)( 0.1) + ( 0.2)( 0.4)
= 0.24 + 0.05 + 0.08 = 0.37
b). Peluang bapak C terpilih sebagai ketua adalah
P(C)P(I C)
P(C I) =
P(A)P(I A) + P(B)P(I B) + P(C)P(I C)
(0.2)(0.4)
=
(0.3)(0.8) + (0.5)(0.1) + (0.2)(0.8)
0.08 8
= =
0.37 37
37
2.9. Soal-soal Latihan
1. Dari 95 mahasiswa yang diwisuda,tahun ini ada 48 dari jurusan Teknik, 55 dari
jurusan Statistika, dan 27 dari jurusan Teknik dan Statistika. Bila seseorang dipilih
secara acak, Hitung probabilitas bahwa:
a. Dia dari jurusan Statistika atau Teknik
b. Dia bukan dari jurusan Teknik dan Statistika
c. Dia dari jurusan Statistika tapi bukan dari jurusan Teknik
2. Suatu penelitian dilakukan untuk mengetahui pengaruh hipertensi pada kebiasaan
orang merokok, dikumpulkan data yang menyangkut 120 orang diperoleh:
Bila seseoang diambil secara acak dari kelompok tersebut, cari peluang bahwa
orang itu adalah
a.Menderita hipertensi, bila diketahui dia perokok berat.
b.Bukan perokok, bila diketahui dia tidak menderita hipertensi.
3. Sampel acak terdiri atas 190 orang dewasa dikelompokan menurut jenis kelamin
dan pendidikan:
Andaikan kita berusaha mengambil satu orang secara acak diantara kelompok
tersebut, cari peluang bahwa dia adalah seorang:
a. Pria, bila diketahui pendidikannya SM
b.Yang tidak berpendidikan PT, bila diketahui dia wanita
4. Dari 100 mahasiswa diketahui 54 ikut kuliah Statistika, 42 ikut kuliah Peramalan, 68
ikut kuliah Kalkulus, 25 ikut kuliah Kalkulus dan Statistika, 22 ikut kuliah Kalkulus
dan Peramalan, 7 ikut kuliah Statistika tetapi tidak ikut kuliah kalkulus maupun
Peramalan, 10 ikut kuliah ke tiganya, dan 8 tidak ikut kuliah ketiganya. Bila
seseorang mahasiswa dipilih secara acak, maka cari probabilitas bahwa:
a.Seseorang yang ikut kuliah Peramalan mengambil ketiganya.
b.Seseorang yang tidak ikut Peramalan mengikuti Statistika dan kalkulus
5. Peluang seseorang Dokter dengan tepat mendiagnosa sejenis penyakit kronis
adalah 75%. Bila Dokter tadi salah mendiagnosa, peluang pasien meninggal 10%.
Berapakah peluang sang Dokter salah mendiagnosa dan pasien meninggal?
38
6. Peluang sebuah kendaraan berplat L lewat Jagorawi 0,20; peluang kendaraan Truk
0,30; peluang Truk itu berplat L adalah 0,09. Berapa peluang bahwa:
a.Sebuah Truk yang lewat Jagorawi berplat L.
b.Sebuah kendaraan berplat L yang lewat Jagorawi adalah sebuah Truk
c.Sebuah kendaraan yang lewat Jagorawi tidak berplat L atau bukan Truk.
7.Polisi bermaksud membatasi kecepatan kendaraan bermotor untuk mengurangi
folusi dan kebisingan kota, menggunakan perangkap beradar di 4-lokasi yang
berbeda, yaitu L1, L2, L3, dan L4. Yang masing-masing lokasi tersebut tidak
dioperasikan setiap saat, tetapi dengan proporsi 40%, 35%, 20%, dan 25%. Bila
seseorang pergi kekantor dengan kecepatan melampoi batas berpeluang 0.2, 0.1,
0.4, dan 0.3 untuk melewati masing-masing lokasi itu, maka
a. Berapa peluang ia akan dikenai denda oleh polisi karena kecepatanya melampoi
batas?
b. Bila orang tersebut kena tilang dalam perjalanan ke Kantor, berapa peluang dia
melewati perangkap radar L2?
8. Dari suatu kelompok yang terdiri atas 6 wanita dan 4 pria. Akan dibentuk sebuah
panitia dalam kegiatannya. Berapa banyak cara yang dapat dibentuk panitia yang
beranggota 3 orang,
a.Tanpa pembatas
b.Dengan 2 wanita dan 1 pria?
c.Dengan 1 wanita dan 2 pria bila pria tertentu harus termasuk dalam panitia?
9. Seseorang ahli alergi mengemukakan bahwa 50% dari penderita yang diuji alergi
terhadap sejenis rumput. Berapa probabilitasnya bahwa
a.Tepat 3 dari 5 penderita akan datang berobat alergi terhadap rumput
b.Tidak ada dari ke 5 penderita berikut yang alergi terhadap rumput
10. Sebuah kotak berisi 7 bola hitam dan 3 bola hijau. Tiga bola diambil secara
berurutan, tiap bola dikembalikan ke kotak sebelum bola berikutnya diambil. Berapa
probabilitas bahwa:
a.Ketiga bola berwarna sama.
b.Tiap warna terwakili
===@@@===
39
BAB 3. PERUBAH ACAK DAN DISTRIBUSI
PROBABILITAS
3.1. Pendahuluan
Pada bab ini akan dibahas tentang perubah acak, ruang sampel diskrit dan kontinyu,
perubah acak diskrit, perubah acak kontinyu, distribusi probabilitas diskrit, distribusi
probabilitas kontinyu. Dan pada bagian sebelumnya telah dibahas mengenai percobaan,
ruang sampel dan kejadian, yang pada dasarnya adalah suatu proses untuk menghasilkan
data. Namun kita seringkali tidak tertarik dengan keterangan rinci hasil percobaan tersebut
melainkan keterangan numeriknya.
Sebagai contoh perhatikan percobaan melempar mata uang logam setimbang
sebanyak tiga kali. Ruang sampelnya adalah semua kemungkinan hasil pelemparan yaitu :
AAA, AAG, AGA, GAA, AGG, GAG, GGA, GGG, yang masing-masing memiliki peluang
yangsama untuk muncul atau sebesar 1/8.
Misalkan didefinisikan suatu peubah X di mana X adalah banyaknya sisi Angka yang
muncul pada ketiga antunan maka peubah X ini mungkin bernilai 0, 1, 2, 3. Perhatikan
tabel 3.1 di bawah
Tabel 3.1 Banyak sisi angka yang muncul dalam 3 lantunan
Ruang Sampel Peluang X Peluang
AAA 1/8 3 1/8
AAG 1/8 X : perubah aacak yang
AGA 1/8 2 3/8 menyatakan banyaknya sisi
GAA 1/8 angka yang muncul pada
AGG 1/8 lantunan
GAG 1/8 1 3/8
GGA 1/8
GGG 1/8 0 1/8
Perhatikan bahwa peubah X memetakan setiap titik sampel ke suatu nilai tertentu.
Peubah X tersebut selanjutnya disebut sebagai Peubah Acak . Setiap nilai yang mungkin
diambil oleh perubah acak X ini memiliki peluang tertentu untuk muncul yang dapat diringkas
dalam suatu fungsi yang disebut Fungsi Peluang atau Sebaran Peluang
3.2. Konsep Peubah Acak

Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah fungsi)
ke ruang bilangan riil (wilayah fungsi). Fungsi peubah acak merupakan suatu langkah dalam
40
statistika untuk mengkuantifikasikan kejadian-kejadian alam. Untuk Mendefinisikan fungsi
peubah acak harus mampu memetakan setiap kejadian dengan tepat ke satu bilangan riil.
Definisi (3.1):
Peubah acak adalah suatu fungsi yang mengkaitkan bilangan riel pada setiap unsur
dalam ruang sampel S.
Perubah acak ini dinyatakan dengan huruf besar, misalnya X, Y,…dst dan hasil
percobaan diberi nilai dengan huruf kecil misalnya x, y….dst
Sebagai contoh dalam percobaan pelemparan sebuah dadu bersisi enam yang
seimbang. Ruang kejadiannya dapat disenaraikan sebagai berikut: R = {S1,S2,S3,S4,S5,S6}
Salah satu peubah acak yang dapat dibuat adalah:
X = munculnya sisi dadu yang bermata genap = {0, 1}
Pemetaan fungsi X dapat digambarkan sebagai berikut:
GB. 3.1 Pemetaan fungsi X

Distribusi peluang peubah acak X tergantung dari sebaran peluang kejadiannya.
Sehingga sebaran peubah acak X

dapat dijabarkan sebagai berikut:
p(X=0) = p(S1)+p(S3)+p(S5)
= 1/6 +1/6 +1/6 = 3/6
p(X=1) = p(S2)+p(S4)+p(S6)
= 1/6 + 1/6 + 1/6 = 3/6
GB 3.2 Distribusi Peluang Peubah Acak X

Kita mengulas kembali ke pengertian himpunan. Dilihat dari cara penghitungannya,
himpunan dapat dibedakan menjadi dua yaitu :
1). Diskret (Countable) / Dapat dicacah
a. Terhingga (finite) Contoh : Bilangan bulat antara 1 dan 10.
b. Tak terhingga (Infinite) Contoh : Bilangan bulat positif.
41
Contoh penulisan himpunan diskret :
A = { 1, 2, 3, …, 10 }
A = {x; x bilangan bulat 1 ≤ x ≤ 10
2). Kontinu (Uncountable) / Tak hingga
Contoh : B = Bilangan antara 0 dan 1
B = {x; x himpunan bilangan 0 ≤ x ≤ 1 }
Berdasarkan hasil nilai yang mungkin dapat diambil, peubah acak dibagi menjadi dua,
yaitu peubah acak Diskret dan peubah acak Kontinu. Peubah acak Diskret, yaitu suatu
perubah acak, apabila nilai yang mungkin diambil berupa bilangan bulat. Sedangkan
Peubah acak Kontinu, yaitu suatu perubah acak apabila nilai yang mungkin diambil berupa
bilangan real pada suatu selang/interval nilai tertentu. Sering kali dinyatakan dengan
rumusan.
Contoh (3.1):
Dalam dua minggu ada 4 pasien diberi obat. Sembuh dan tidaknya pengobatan pasien
dicatat. Semua pasangan yg mungkin dari ke 4-pasien adalah S = { KKKK, KKKG, KKGK,
KGKK, GKKK, KKGG, KGKG, KGGK, GKKG, GKGK, GGKK, KGGG,GKGG, GGKG, GGGK,
GGG} dengan K = kesuksesan dalam pengobatan dan G = kegagalan dalam pengobatan.
Jika X menyatakan banyaknya pasien yang sembuh, maka X = {0, 1, 2, 3, 4}. X ini
perubah acak diskrit
Artinya untuk x=0 menyatakan tidak ada yang sebuh, x=1 menyatakan ada satu
pasien yang sembuh, x=2 menyatakan ada 2 yang sebuh, x=3 menyatakan ada 3
pasien yang sembuh dan , x=4 menyatakan ada 4 pasien yang sembuh
Fungsi peubah acak adalah suatu fungsi yang memetakan ruang kejadian (daerah
fungsi) ke ruang bilangan riil (wilayah fungsi). Fungsi peubah acak harus mampu memetakan
setiap kejadian dalam ruang sampel dengan tepat ke satu bilangan bilangan riil
Perubah acak X, jika banyaknya nilai-nilai yang mungkin dari X merupakan sebuah
interval pada garis bilangan riel, maka X dikatakan Perubah Acak Kontinyu.
Contoh (3.2):
Sebuah perguruan tinggi ternama mempunyai mahasiswa 5.000 orang dan
mempunyai NIM berurutan. S={0001,0002, …., 5.000}. Misalnya X menunjukkan berat
badan dari mahasiswa yang terpilih, maka ia bisa ditulis sebagai X(s), dengan 𝑠 ∈ 𝑆 .
Asumsikan bahwa tidak ada mahasiswa yang mempunyai berat badan kurang dari 30kg atau
lebih dari 100kg. Sehingga hasil dari X adalah 𝑃(𝑋 = 𝑥) = {𝑋/30 ≤ 𝑋 ≤ 100}
42
Karena P(X=x) merupakan sebuah interval, maka X termasuk ke dalam perubah acak
kontinyu.
Perhitungan probabilitas untuk berbagai selang perubah acak kontinyu X Yaitu tidaklah
menjadi soal apakah titik ujung selang diikutsertakan atau tidak.
𝑃(𝑎 < 𝑋 ≤ 𝑏) = 𝑃(𝑎 < 𝑋 < 𝑏) + 𝑃(𝑋 = 𝑏) = 𝑃(𝑎 < 𝑋 < 𝑏)
3.3. Ruang Sampel Diskrit dan Kontinu

Banyaknya kemungkinan yang muncul dalam suatu percobaan yang dapat di hitung
seperti kita mencacah, disebut Ruang Sampel Diskrit. Sedangkan jika tidak demikian
biasanya banyaknya kemungkinan yang muncul dalam suatu percobaan dinyatakan dengan
rumusan disebut Ruang Sampel Kontinu
Definisi (3.2):
Jika suatu ruang sampel memuat titik-titk sampel yang berhingga, atau banyaknya
unsur sesuai dengan banyaknya bilangan cacah, maka ruang sampel tersebut dikatakan
Ruang Sampel Diskret. Misalnya pada contoh diatas untuk X menyatakan banyaknya
pasien yang sembuh, maka X = {0, 1, 2, 3, 4}. X ini perubah acak diskrit. Ruang sampel
Sampel S disebut Ruang Sampel Diskret
Definisi (3.3):
Jika suatu ruang sampel memuat titk-titik sampel yang banyaknya tak-berhingga,
dan banyaknya unsur sesuai dengan banyaknya titik pada sepotong garis, maka dikatakan
Ruang Sampel Kontinyu. Misalnya ruang sampel pada data berat badan, tinggi badan,
jarak, temperatur, dan jangka hidup. Ruang sampelnya disebut Ruang Sampel Kontinyu
3.4. Fungsi peluang Perubah Acak Diskrit

Jika X adalah Perubah acak diskrit dengan fungsi peuang f(x), maka pasangan (X,
f(x)) disebut Fungsi Probabilitas Diskrit atau Distribusi Probabilitas Diskrit dari perubah
acak X. Pasangan (X, f(x)) ini sering dinyatakan dalam bentuk tabel yang memuat perubah
acak diskrit X beserta nilai fungsi probabilitasnya. Dan tabel ini disebut Distribusi
Probabilitas Diskrit. Sedangakan distribusi kumulatif dari f(x) dinyatakan sebagai F(x)
Definisi (3.4):
Misalkan f(x) adalah fungsi probabilitas f(x) kadang ditulis sebagai p(x) ini dikatakan
fungsi probabilitas (atau distribusi probabilitas) dari perubah acak diskrit X, jika berlaku:
1. 𝑓(𝑋) ≥ 0
43
2. ∑𝑥 𝑓 (𝑋 ) = 1
3. 𝑃 (𝑋 = 𝑥) = 𝑓(𝑋)
Dan distribusi kumulatif F(x) dinyatakan sebagai:
𝐹 (𝑋 ) = 𝑃(𝑋 ≤ 𝑥) = ∑𝑡≤𝑋 𝑓(𝑡) Untuk −∞ < 𝑋 < ∞
Contoh (3.3)
Suatu eksperimen dari pelemparan sebuah mata uang logam sebanyak 3 kali.
Tentukan distribusi probabilitas X yang menyatakan banyaknya sisi muka yang tampak dari
hasil eksperimen tersebut
Jawab:
Hasil eksperien adalah: S = {MMM, MMB, MBM,BMM, BBM, BMB, MBB, BBB}
dimana: M = sisi muka ; B = sisi belakang
Misalnya: X = perubah acak yang menyatakan banyaknya sisi muka yg muncul
X = { 0, 1, 2, 3}
𝑛((0)
Untuk x=0, artinya tidak ada sisi muka yg muncul → 𝑃(𝑋 = 0) = = 1/8
𝑛(𝑆)
𝑛((1)
x=1, artinya ada 1-sisi muka yg muncul → 𝑃(𝑋 = 1) = = 3/8
𝑛(𝑆)
𝑛((2)
𝑛(𝑆)
𝑛((3)
𝑛(𝑆)
Sehingga diperoleh distribusi probabilitas pada tabel 3.2

Tabel 3.2 Distribusi Probabilitas perubah acak X
X 0 1 2 3
P(X=x) = f(X) 1/8 3/8 3/8 1/8
Tabel diatas, memenuhi:
1. 𝑓(𝑋) ≥ 0
2. ∑ 𝑥 𝑓 (𝑋 ) = 1
3. 𝑃(𝑋 = 𝑥) = 𝑓(𝑋)
Distribusi kumulatif perubah acak X: F(0) = f(0) =1/8 ; F(1) = f(0) + f(1) = 4/8
F(2) = f(0) + f(1) + f(2) =7/8;
F(3) = f(0) + f(1) + f(2)+ f(3) = 1
44
Contoh (3.4):
Sebuah toko elektronik menjual 15 radio yang diantaranya ada 5 yang rusak. Jika seoarang
calon pembeli melakukan test 3 radio yang dipilih secara random, tuliskan distribusi peluang dari
banyaknya radio yang rusak dalam sampel tersebut
Jawab:
Misalkan:X = perubah acak yang menyatakan banyaknya radio yg rusak = = {0, 1, 2, 3}
 n N − n
 x  k − x 
P(X = x) =   
3 ; x = 0, 1, 2, 3
5R 10B N
k 
15  
Untuk
5 10 5 10
( )( ) ( )( )
0 3 120 2 1 100
x=0 → 𝑃(0) = 15 = ; x=2 → 𝑃(2) = 15 =
455 455
( ) ( )
3 3
5 10 5 10
( )( ) ( )( )
1 2 225 3 0 10
x=1 → 𝑃(1) = 15 = ; x=3 → 𝑃(3) = 15 =
455 455
( ) ( )
3 3
Tabel 3.3 Distribusi Probabilitas perubah acak X
x 0 1 2 3
P(X=x) = f(x)
120 225 100 10
455 455 455 455
Tabel diatas, memenuhi: 1. 𝑓(𝑥) ≥ 0

120 225 100 10
2. ∑𝑥 𝑓(𝑥) = + + + =1
455 455 455 455
3. P(X=x) = f(x)
Distribusi kumulatif perubah acak X:
120
𝐹(0) = 𝑓(0) =
455
345
𝐹(1) = 𝑓(0) + 𝑓(1) =
455
445
𝐹(2) = 𝑓(0) + 𝑓(1) + 𝑓(2) =
455
455
𝐹(3) = 𝑓(0) + 𝑓(1) + 𝑓(2) + 𝑓(3) = =1
455
45
3.5. Fungsi peluang Perubah Acak Kontinu
Kendati ditribusi peluang perubah acak kontinu tidak dapat disajikan dalam bentuk
table, mungkin dapat disajikan dalam bentuk rumusan. Rumus ini disajikan sebagai f(x).
Karena menyangkut perubah yang kontinu, biasanya fungsinya disebut fungsi padat peluang
atau fungsi padat dari X. Grafik dari fungsi padat mengikuti salah satu bentuk fungsi padat
GB 3.3 yang dinyatakan sebagai luas daerah diatas sumbu X
Gambar 3.3. Bentuk Khas Fungsi Padat
Definisi (3.5):
Jika fungsi f(x) adalah fungsi peluang perubah acak kontinu atau fungsi padat
peluang, maka memenuhi sifat-sifat berikut
1. 𝑓(𝑥) ≥ 0 untuk semua 𝑥∈𝑅
∞
2. ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1
𝑏
3. 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = ∫𝑎 𝑓(𝑥)𝑑𝑥
Fungsi peluang kumulatif dari perubah acak X adalah F(x) dimana
𝑥
𝐹 (𝑥) = ∫ 𝑓(𝑥)𝑑𝑥
−∞
𝑑 𝐹(𝑋)
Akibatnya: 𝑃(𝑎 < 𝑋 < 𝑏) = 𝐹(𝑏) − 𝐹(𝑎) dan 𝐹(𝑋) =
𝑑𝑋
Contoh (3.5):
Misalkan galat suatu reaksi dalam derajat celsius (0c) pada percobaan di laboratorium
yang dikontrol merupakan perubah acak X yang mempunyai fungsi peluang sbb:
46
 x2
 ;untuk − 1  x  2
f(x) =  3
 0 ;untuk x yglain
∞
Hitung 1). ∫−∞ 𝑓(𝑥) = 1
2). 𝑃(0 < 𝑋 ≤ 1)
Jawab:
 2 2
x 2 dx = x3
1).
 f(x)dx =  3 9
= 8 + 1 =1
9 9
− −1 −1
1 2 1
3
2) P(0  x  1) = x
3
dx = x
9 =1
9
0 0
Contoh (3.6):
Carilah distribusi kumulatif dari contoh (3.5) dan kemudian hitung 𝑃(0 < 𝑋 < 𝑏)
Jawab: x
Rumus distribusi kumulatif F(x) = P(X  x) =  f(t) dt
dengan f(x) −
 x2
 ;untuk − 1  x  2
f(x) =  3
 0 ;untuk x yglain
Untuk -1 < x <2 maka
x x 2 x
t dt = t3 x3 + 1
F(x) =  f(t)dt =  3 9
=
9
− − −
Diperoleh distribusi kumulatif dari f(x) adalah

 0 ;x  −1
 3
 x +1
F(x) =  ;− 1  x  2
9

 1 ;x2

2 1 1
Dan 𝑃 (0 < 𝑋 ≤ 1) = 𝐹 (1) − 𝐹 (0) = − =
9 9 9
3.6. Distribusi Peluang Diskrit

Penyajian distribusi peluang dalam bentuk grafis, tabel atau melalui rumusan tidak
masalah, yang ingin dilukiskan adalah perilaku (kelakuan) perubah acak tersebut. Sering kita
menjumpai, pengamatan yang dihasilkan melalui percobaan statistik yang berbeda dan
mempunyai bentuk kelakuan umum yang sama. Perubah acak diskret yang berkenaan
47
dengan percobaan dapat dilukiskan dengan distribusi peluang yang sama, dan dapat
dinyatakan dengan rumus yang sama.
Sering kita menjumpai, beberapa distribusi peluang yang penting untuk menyatakan
banyak perubah acak diskret. Diantaranya Distribusi Seragam, Distribusi Binomial dan
Multinomial, Distribusi Hipergeometrik dan Distribusi Poisson
3.6.1. Distribusi Seragam Diskret

Distribusi peluang yang paling sederhana adalah yang semua perubah acaknya
mempunyai peluang yang sama. Distribusi ini disebut distribusi peluang seragam diskret.
Definisi (3.6)
Jika perubah acak X mendapat nilai 𝑥1 , 𝑥2 , . . ., 𝑥𝑘 dengan peluang yang sama ,
maka distribusi peluang diskret diberikan oleh:
1
𝑓 (𝑥, 𝑘 ) = ; 𝑥 = 𝑥1 , 𝑥2 , . . ., 𝑥𝑘
𝑘
Dengan: Lambang 𝑓(𝑥, 𝑘) dipakai sebagai pengganti 𝑓(𝑥), yang menunjukan bahwa
distribusi seragam tersebut bergantung pada parameter k
Contoh (3.7)
Bila sebuah bola lampu dipilih secara acak dari sekotak bola lampu yang berisi 1 bola
lampu 40 watt, 1 bola lampu 60 watt, 1 bola lampu 75 watt dan 1 bola lampu 100 watt, tuliskan
distribusinya
Jawab: Tiap unsur ruang sampel T={40, 60, 75, 100} muncul dengan peluang ¼
Jadi bentuk distribusinya seragam dengan
1
𝑓(𝑥, 4) = ; x = 40, 60, 75, 100
4
Definisi (3.6)
Nilai rata-rata (mean) dan variansi distribusi seragam diskret f(x;k) adalah
k k
Mean(X), =  = k
1
 xi ; variansi (X)=  2 = 1
k  (xi −  )2
i=1 i=1
atau  2 = E(X2 ) −  2
Bukti : k k k
 = E(X) =  xif(x;k) =  xi ( 1 ) = 1  xi
k k
i=1 i=1 i=1
k k k
 2 = E(X −  )2 =  (xi −  )2 f(x;k) =  (xi −  )2( 1 ) = 1  (xi −  )2
k k
i=1 i=1 i=1
48
Contoh (3.8)
Sebuah dadu seimbang dilemparkan satu kali, maka tiap unsur dalam ruang sampel
S={1, 2, 3 4, 5, 6}. Muncul dengan probabilitas 1/6. Jadi jika X menyatakan mata dadu yang
muncul, maka X terdistribusi peluang seragam (uniform) yakni f(x;6)=1/6, untuk x = 1, 2, 3,
4, 5, 6. Cari mean dan variansinya
Jawab:
Kejadian tersebut dapat dibuat table 3.4 distribusi peluangnya
Tabel 3.4. Distribusi peluang X
X 1 2 3 4 5 6
F(X;k)=f(x) 1/6 1/6 1/6 1/6 1/6 1/6
1+ 2 + 3 + 4 + 5 + 6
Mean (x) =  = = 3.5
6
2 (1 − 3.5)2 + ( 2 − 3.5)2 + (3 − 3.5)2 + ( 4 − 3.5)2 + (5 − 3.5)2 + (6 − 3.5)2 35
Variansi (x) =  = =
12
6
Jadi meannya 3.5 dan variansinya 35/12
3.6.2. Distribusi Binomial dan Distribusi Mulinomial

Suatu percobaan yang terdiri atas beberapa usaha, tiap-tiap usaha, memberikan hasil
yang dapat dikelompokan menjadi 2-kategori yaitu sukses atau gagal, dan tiap-tiap ulangan
percobaan bebas satu sama lainnya. Probabilitas kesuksesan tidak berubah dari percobaan
yang satu ke percobaan lainnya. Proses ini disebut proses Bernoulli.
Jadi proses Bernoulli harus memenuhi persyaratan berikut:
1. Percobaan terdiri atas n-usaha yang berulang
2. Tiap-tiap usaha memberikan hasil yang dapat dikelompokan menjadi dua kategori
, sukses atau gagal
3. Peluang kesuksesan dinyatakan dengan p, tidak berubah dari satu usaha ke usaha
berikutnya.
4. Tiap usaha bebas dengan usaha lainnya.
Contoh (3.9)
Tiga barang diambil secara acak dari hasil produksi pabrik, diperiksa, dan yang cacat
dipisahkan dari yang tidak cacat. Misalkan yang tidak cacat disebut sukses. Maka banyaknya
kesuksesan merupakan perubah acak X dengan nilai nol sampai 3.
Jawab: Missal C = barang cacat ; T = barang tidak Cacat
X = perubah acak muncul barang yang cacat
Kemungkinan kemunculan 3 barang diberikan dalam table 3.5
49
Tabel 3.5 Distribusi munculnya barang cacat
Hasil TTT TTC TCT CTT TCC CTC CCT CCC
X 0 1 1 1 2 2 2 3
Karena barang diambil secara acak, dan misalkan dianggap menghasilkan satu
barang cacat, maka
3 3 3 27
Untuk C = 0 → 𝑓 (0) = 𝑃 (𝑇𝑇𝑇) = 𝑃 (𝑇)𝑃 (𝑇)𝑃 (𝑇) = ( ) ( ) ( ) =
4 4 4 64
C = 1 → 𝑓 (1) = 𝑃 (𝐶𝑇𝑇) + 𝑃 (𝑇𝐶𝑇) + 𝑃 (𝑇𝑇𝐶 )

1 3 3 3 1 3 3 3 1 27
= ( )( )( ) + ( )( )( ) + ( )( )( ) =
4 4 4 4 4 4 4 4 4 64
C = 2 → 𝑓(2) = 𝑃(𝐶𝐶𝑇) + 𝑃(𝐶𝑇𝐶) + 𝑃𝑇𝐶𝐶)

1 1 3 1 3 1 3 1 1 9
= ( )( )( ) + ( )( )( ) + ( )( )( ) =
4 4 4 4 4 4 4 4 4 64
C = 3 → 𝑓(3) = 𝑃(𝐶𝐶𝐶) = 𝑃(𝐶)𝑃(𝐶)𝑃𝐶 = (4) (4) (4) = 64
1 1 1 1
Probabilitas untuk hasil kemungkinan yang lain dilakukan dengan jalan yang sama.
Distribusi proabititasnya dinyatakan dalan table 3.6
Tabel 3.6. Distribusi Peluang contoh 3.9
X 0 1 2 3
F(x) 27/64 27/64 9/64 1/64
Percobaan Binomial
Banyaknya X yang sukses dalam n-usaha Bernoulli disebut “perubah acak binomial”,
dan distribusi dari perubah acak ini disebut “distribusi Binomial”. Jika p menyatakan
peluang kesuksesan dalam suatu usaha, maka distribusi perubah acak X ini dinyatakan
dengan b(x;n,p). Karena nilainya bergantung pada banyaknya usaha (n)
Misalnya: X= banyaknya barang yang cacat.
1 9
𝑃(𝑥 = 2) = 𝑓(2) = 𝑏 (2; 3, ) =
4 64
Selanjutnya menentukan rumus yang memberikan proailitas x sukses dalam n-

usaha suatu pecobaan binomial b(x;n,p)
Peluang x kesuksesan dan (n-x) kegagalan dalam urutan tertentu.
Tiap kesuksesan dengan peluang p dan tiap kegagalan dengan peluang q=1-p .
Banyaknya cara untuk memisahkan n-hasil menjadi dua kelompok, sehingga x hasil
ada pada kelompok pertama dan sisanya (n-x) pada kelompok kedua, jumlah ini dinyatakan
𝑛
sebagai ( )
𝑥
50
𝑛
Karena pembagian tersebut saling bebas maka peluang binomial adalah ( ) 𝑝 𝑥 𝑞𝑛−𝑥
𝑥
Suatu usaha bernoulli dapat menghasilkan kesuksesan dengan peluang p dan
kegagalan dengan probabilitas q=(1-p), maka distribusi peluang perubah acak binomial X
yaitu banyaknya kesuksesan dalam n-usaha bebas adalah
𝑛
𝑏(𝑥; 𝑛, 𝑝) = ( ) 𝑝 𝑥 𝑞𝑛−𝑥 ; 𝑥 = 0, 1, 2, . . . . , 𝑛
𝑥
Sebagai contoh suatu cara penyajian yang lain dari tabel 3.5 : untuk n=3 dan p =1/4
3
𝑏(𝑥; 3, 14) = ( ) 𝑝 𝑥 𝑞3−𝑥 ; 𝑥 = 0, 1, 2, 3
𝑥
Contoh (3.10)
Suatu suku cadang dapat menahan uji guncangan tertentu mempunyai probabilitas
0.75. Hitung probabilitas bahwa tepat 2 dari 4 suku cadang yang diuji tidak akan rusak.
Jawab:
 4 2
Misal tiap pengujian saling bebas maka b( 2; 4, 3 ) =   ( 3 )2 ( 1 ) = 4! 32 = 27
4  2  4 4 2! 2! 4 128
n
Catatan:  b(x;n,p) = 1
x =0
Contoh (3.11)
Peluang seseorang sembuh dari penyakit jantung setelah operasi adalah 0.4.
Bila diketahui 15 orang menderita penyakit ini, berapa peluang:
a). sekurang-kurangnya 10 orang dpt sembuh
b). ada 3 sampai 8 orang yg sembuh
c). tepat 5 orang yg sembuh
Jawab:
Mis: X = menyatakan banyaknya orang yg sembuh
Diket : p = 0.4 , n = 15
a). P(X  10) = 1 − P(X  10) = 1 − P(X = 0) + P(X = 1) + .... + P(X = 9)
9
=1−  b(x;15; 0.4) =1 − 0.9662 = 0.0338
x =0
Jadi probabilitas sekurang-kurangnya 10 orang sembuh = 0.0338
51
b). 8 2
P(3  X  8) = P(X  8) − P(X  2) =  b(x;15, 0.4) −  b(x;15, 0.4)
x =0 x =0
= 0.9050 − 0.0271 = 0.8779
Jadi probabilitas terdapat 3 sampai 8 orang yg sembuh = 0.8779
5 4
c). P(X = 5) = b(5;15; 0.4) = P(X  5) − P(X  4) =  b(x;15, 0.4) −  b(x;15, 0.4)
x =0 x =0
= 0.4032 - 0.2173 = 0.1859
Jadi probabititas tepat 5 orang yang sembuh = 0.1859
Tabel 3.7 Cara menggunakan tabel Binomial
Untuk n=15, p=0.4 maka diperoleh
2 8 9
 b(x;15; 0.4) = 0.0271 ;  b(x;15; 0.4) = 0.9050 ; ;  b(x;15; 0.4) = 0.9662
x =0 x =0 x =0
Definisi (3.7)
Distribusi Binomial 𝑏(𝑥, 𝑛, 𝑝) mempunyai rata-rata dan variansi sbb:
𝜇 = 𝑛𝑝 dan 𝜎 2 = 𝑛𝑝𝑞
Contoh (3.12):
Tentukan mean dan variansi dari contoh (3.11) diatas kemudian gunakan teorema
chebyshev untuk menafsirkan selang 𝜇 ± 2𝜎
Jawab: Dari soal diketahui n=15 dan p=0.4 Diperoleh:  = (15)(0.4) = 6
Dan  2 = (15)(0.4)(0.6) = 3.6 →  = 1.897
52
Menggunakan teorema Chebyshev 𝜇 ± 2𝜎 adalah 𝜇 + 2𝜎 = 9.794 dan 𝜇 − 2𝜎 = 2.206
Jadi, selangnya berada dari 2.206 sampai 9.794
Percobaan Multinomial
Percobaan binomial akan menjadi percobaan multinomial jika tiap usaha dapat
memberikan lebih dari 2 buah hasil yang mungkin terjadi. Misalnya hasil produksi pabrik
dapat dikelompokan menjadi barang yang baik, cacat, dan masih bisa diperbaiki.
Bila suatu usaha dapat menghasilkan k macam hasil 𝐸1 , 𝐸2 , . . . , 𝐸𝑘 dengan
probabilitasnya 𝑝1 , 𝑝2 , , , , , 𝑝𝑘 maka distribusi perubah acak 𝑋1 , 𝑋2 , , , , , 𝑋𝑘 yang menyatakan
banyaknya kejadian 𝐸1 , 𝐸2 , . . . , 𝐸𝑘 dalam n-usaha bebas adalah
 n  x1 x 2 xk
f(x1,x 2,...,xk;p1,p2,...,pk ,n) =   p1 p 2 ...p k
 1 2
x ,x ,...,x k
Dengan: k k
 i x = n Dan  pi = 1
i=1 i=1
Contoh(3.13)
Dua buah dadu dilantunkan 6 kali, berapa probabilitas akan mendapatkan jumlah
dadu 7 atau 11 muncul dua kali, sepasang bilangan yang sama satu kali, dan kobinasi
lainnya 3 kali?
Jawab:
Misal: E1 = muncul jumlah titik dadu 7 atau 11 → p(E1)=2/9
E2 = muncul pasangan bilangan yang sama → p(E2)=1/6
E3 = muncul selain E1 maupun E2 → p(E3)=11/18
Nilai ini tidak berubah dari ke6-usaha.
Menggunakan distribusi multinomial dengan x1=2, x2=1 dan x3=3 diperoleh:
9 6 18 ( ) ( )( )
 6  2 2 1 1 11 3
f( 2,1, 3; 2 , 1 , 11 , 6) = 
 2,1, 3  9 6 18
= 6! 4 1 113 = 0.1127
2!1! 3! 81 6 183
3.6.3. Distribusi Hipergeometri

Perbedaan distribusi binomial dengan distribusi multinomial terletak pada cara
pengambilan sampelnya. Penggunaan distribusi ini hampir sama dengan distribusi binomial.
Misalnya distribusi binomial diterapkan pada sampling dari sejumlah barang (sekotak kartu,
53
sejumlah hasil produksi) sampling harus dikerjakan dengan pengembalian setiap barang
setelah diamati.
Sebaliknya distribusi hipergeometrik tidak memerlukan kebebasan dan didasarkan
pada sampling tanpa pengembalian.
Distribusi hipergeometrik mempunyai sifat:
1. Sampel acak berukuran n yg diambil tanpa pengembalian dari N benda
2. Sebanyak k-benda dapat diberi nama sukses dan sisanya (N-k) diberi nama gagal
Distribusi peluang perubah acak hipergeometrik X yang menyatakan banyaknya

kesuksesan dalam sampel acak dengan ukuran n yang diambil dari N-obyek yang memuat
k sukses dan N-k gagal dinyatakan sebagai:
 k  N−k 
 x  n− x 
h(x;N,n,k) =    ; x = 0,1, 2,......,n
 N
n
 
Contoh (3.14)
Suatu panitia 5 orang dipilih secara acak dari 3 kimiawan dan 5 fisikawan. Hitung
distribusi probabilitas banyknya kimiawan yang duduk dalam panitia.
Jawab:
Misalkan: X= menyatakan banyaknya kimiawan dalam panitia.
X={0,1,2,3}
Distribusi probabilitasnya dinyatakan dengan rumus
h(x; 8, 5, 3) =
( x )( 5− x )
3 5
; x = 0,1, 2, 3
(85)
x = 0 → h(0; 8, 5, 3) =
( 0 )( 5 )
3 5
= 1 ; x = 2 → h( 2; 8, 5, 3) =
( 2 )( 3) 30
3 5
=
(5) 56
8
(85) 56
x = 1 → h(1; 8, 5, 3) =
( 1 )( 4 ) 15
3 5
= ; x = 3 → h(3; 8, 5, 3) =
( 3)( 2 ) 10
3 5
=
(85) 56 (5) 56
8
Tabel 3.8 Distribusi hipergeometrik

x 0 1 2 3
h(x, 8, 5, 3) 1/56 15/56 30/56 10/56
54
Definisi (3,8)
Distribusi hipergeometrik h(x;N,n,k) mempunyai rata-rata dan variansi sbb:
 = nk dan  2 = N−n (n)( k )(1 − k )

N N−1 n n
Contoh (3.15)
Tentukan mean dan variansi dari contoh (3.15) kemudikan gunakan teorema
chebyshev untuk menafsirkan selang 𝜇 ± 2𝜎
Jawab:
Dari contoh (3,14) diketahui N=8, n=5 dan k=3
Diperoleh =
(5)(3) 3
40
= = 0, 375
8
dan (
 2 = 40−5 (5) 3
39 ) ( 40 )(1 − 403 ) = 0, 3113
Menggunakan teorema Chebyshev 𝜇 ± 2𝜎 didapat 𝜇 + 2𝜎 = 1.491 dan 𝜇 − 2𝜎 = −0.741
Jadi, selang yang ditanakan adalah dari -0,741 sampai 1,491
Contoh (3.16)
Suatu pabrik ban mempunyai data bahwa dari pengiriman sebanyak 5000 ban ke
sebuah toko tertentu terdapat 1000 cacat. Jika ada seseorang membeli 10 ban ini secara
acak dari toko tersebut, berapa probabilitasnya memuat tepat 3 yang cacat.
Jawab:
Karena n=10 cukup kecil dibandingkan N=5000, maka probabilitasnya dihampiri
dengan binomial dengan p= 10/5000= 0,2 adalah probailitas mendapat satu ban. Jadi
probabilitas mendapat tepat 3 ban cacat:
h(3; 5000,10,1000) = b(3;10, 0.2)

3 2
=  b(x;10, 0.2) −  b(x;10, 0.2)
x =0 x =0
= 0, 8791 − 0, 6778
= 0, 2013
3.6.4. Distribusi Poisson

Percobaan yang menghasilkan prubah acak X ynag menyatakan banyaknya hasil
selama dalam selang waktu/daerah tertentu disebut “distribusi poisson”.
Proses poisson memiliki sifat-sifat berikut:
a. Banyaknya kesuksesan yang terjadi dalam suatu daerah (selang)
waktu tertentu independen dengan daerah lainya.
b. Probabilitas sukses dalam daerah/selang yang kecil tidak
tergantung banyaknya sukses yang terjadi diluar selang.
55
c. Peluang terjadinya lebih dari satu sukses dalam daerah yang sempit
diabaikan.
Jika X perubah acak poisson maka distribusi perubah acak Poisson ini dinyatakan
sebagai:
e− t (  t)x
p(x,  t) = ;x = 0,1, 2,.....
x!
dimana: e = 2,71828
𝜆𝑡 = menyatakan rata-rata banyaknya sukses yang terjadi persatuan waktu.
Misalkan 𝜇 = 𝜆𝑡 untuk beberapa nilai tertentu dari 0,1 sampai 18 diberikan pada
tabel distribusi Poisson.
Rumus Poisson diatas sering juga dinyatakan sebagai:
𝑒 −𝜇 𝜇 𝑥
𝑝(𝑥, 𝜇) = ; 𝑥 = 0, 1, 2, . ..
𝑥!
Contoh (3.17)
Rata-rata banyaknya Tanker minyak yang tiba tiap hari di suatu pelabuhan adalah 10.
Pelabuhan tersebut hanya mampu menampung paling banyak 15 Tanker perhari. Berapa
probabilitas pada suatu hari tertentu Tanker terpaksa pergi karena pelabuhan penuh dan
tidak mampu melayani.
Jawab:
Misalkan: X = banyaknya Tanker minyak yg tiba tiap hari
X = {1, 2, 3, . . . . . , 15}
Maka 15
P(X  15) = 1 − P(X  15) = 1 −  p(x;10)  tabel
x =0
= 1 − 0.9513 = 0.0487
Jadi peluang pada suatu hari tertentu Tanker terpaksa pergi sebesar =0.0487
Definisi(3.9)
Distribusi poisson 𝑝(𝑥, 𝜆𝑡) mempunyai rata-rata 𝜇 = 𝜆𝑡 dan variansi 𝜎 2 = 𝜆𝑡
Contoh (3.18)
Rata-rata banyaknya partikel radio atif yang melewati suatu penghiung selama 1
milidetik dalam suatu percobaan di laoratoium adalah 4. Berapa peluang 6 partikel melewati
penghitung itu dalam 1 milidetik tertentu. Kemudikan gunakan teorema chebyshev untuk
menafsirkan selang
56
Jawab:
Diketahui x = 6 dan 𝜇 = 4, sehingga 𝜎 2 = 𝜇 = 4. Dan dari tabel poisson diperoleh
e−4 ( 4)6
6 5
p(6; 4) =
6!
=  p(x; 4) −  p(x; 4) = 0, 8893 − 0, 7851 = 0,1042
x =0 x =0
Dari rumus Chebyshev μ±2σ didapat μ+2σ= 4 + 2(2) = 8 dan μ-2σ = 4 – 2(2) = 0
Jadi, selang yang ditanyakan adalah dari 0 sampai 8
Tabel 3.9. Cara menggunakan tabel Poisson
Misalnya kita mencari nilai n=6 dan 𝜇 = 4 diperoleh

5 6
 p(x; 4) = 0.7851 dan  p(x; 4) = 0.8893
x =0 x =0
Definisi (3,10)
Misalkan X perubah acak binomial dengan distribusi probabilitas b(x,n,p).
Jika n → ∞ , p→ 0 dan 𝜇 = 𝑛𝑝 tetap sama maka b(x,n,p) → p(x,  )
Contoh (3.19)
Dalam suatu proses produksi yang menghasilkan barang dari gelas, terjadi
gelembung(cacat) yang kadang menyebabkan sulit dipasarkan. Jika diketahui rata-rata 1
dari 1000 barang yang dihasilkan mempunyai satu atau lebih gelembung. Berapa
peluangnya bahwa dalam sampel acak sebesar 8000 barang akan erisi kurang dari 7 yang
bergelembung?
Jawab:
Diketahui n=8000, p=0.001 dihampiri dengan distribusi poisson
57
Dengan 𝜇 = 𝑛𝑝 = (8000)(0.001) = 8
Sehungga diperoleh:
6
P(X  7) =  b(x; 8000, 0.001)
x =0
6
=  p(x; 8) = 0, 3134 (menggunakan tabel)
x =0
Jadi peluang bahwa dalam sampel acak sebesar 8000 barang akan erisi kurang dari 7 yang
bergelembung adalah 0,3134
3.7. Distribusi Peluang Kontinu

Distribusi kontinu yang sangat penting di bidang staistika. diantaranya Distribusi
Normal, Luas Daerah dibawah Kurva Normal, Distribusi Gamma dan Eksponensial,
Distribusi Chi-kuadrat dan Distribusi Weibull. Distribusi-distribusi ini yang sangat berperan
pada statistik inferensial yaitu dalam pengujian hipotesis, pengujian panjang umur (life
testing) dan sebagianya
Disini setiap distribusi tersebut diatas telah dibuat grafiknya menggunakan software
R. Selain digunakan membuat grafik fungsi, bias digunakan untuk mencari nilai di tabel, disini
diberikan cara penggunaan program R dalam menenukan distribusi probabilitasnya.
3.7.1. Distribusi Normal

Distribusi normal disebut juga dengan Distribusi Gauss. Peubah acak
(variabel random) X pada distribusi normal merupakan peubah acak yang kontinu. Fungsi
kepadatan peluang distribusi Normal dinyatakan sebagai
Dimana: x = perubah acak kontinu

𝜇 , 𝜎 2 = parameter, dengan mean 𝜇 dan variansi 𝜎 2 ; 𝜎 2 > 0
𝜋 = 3.14159…. dan 𝑒 = 2,71828….
Dengan demikian fungsi 𝑓(𝑥, 𝜇, 𝜎 2 ) dapat dibaca bahwa perubah acak x mengikuti
distribusi normal dengan rata-rata 𝜇 dan variansi 𝜎 2 dan dapat ditulis menjadi
𝑥 terdistribusi 𝑁(𝜇, 𝜎 2 )
dengan mean(X) adalah 𝐸(𝑋) = 𝜇 dan variansi(X) adalah 𝑣𝑎𝑟(𝑋) = 𝜎 2

∞
𝐸(𝑋) = ∫−∞ 𝑥 𝑓(𝑥)𝑑𝑥 dan 𝑣𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − (𝐸(𝑋)2 )
58
Kurva Normal
Kurva distribusi normal berbentuk lonceng (genta). Luas wilayah di bawah kurva
normal adalah 1. Namun demikian, proses penghitungan luas kurva antara 𝑥1 dan 𝑥2
sangat sulit dilakukan karena integralnya tidak dalam bentuk sederhana
Sifat-sifat Kurva Normal
1). Modus (nilai x maksimun) terletak di x = 𝜇
2). Simetris terhadap sumbu vertikal melalui 𝜇
3). Mempunyai titik belok pada x =𝜇 ± 𝜎
4). Memotong sumbu mendatar secara asimtotis.
5). Luas daerah dibawah kurva dg sumbu mendatar sama dg 1
GB 3.4a Kurva Normal GB 3.4 b Kurva Normal dengan 𝜇 = 0

Perhatikan ganbar dibawah ini
GB 3.5a Dua Kurva Normal 𝜇1 = 𝜇2 , 𝜎12 = 𝜎22 GB 3.5b Dua Kurva Normal 𝜇1 = 𝜇2 , 𝜎12 ≠ 𝜎22
GB 3.5b Dua Kurva Normal 𝜇1 ≠ 𝜇2 , 𝜎12 ≠ 𝜎22
59
Luas daerah di bawah kurva Normal
Luas di bawah kurva Normal pada distribusi Normal dapat dihitung dengan rumus
peluang sebagai berikut.
Dengan: x = perubah acak kontinu

𝜇 = mean (x) = rata-rata
𝜎 = standar deviasi
 = 3.14258…
𝑒 = 2.71828183 …
GB 3.6 Luas daerah 𝑃(𝑥1 < 𝑋 < 𝑥2 ) = luas daerah di arsir

Disini tidak diperhatikan apakah titik termasuk atau tidak dalam 𝑥1 atau 𝑥2
Penghitungan peluang menggunakan integral tersebut kebanyakan sangat

menyulitkan. Oleh karena itu, bentuk distribusi normal dengan mean 𝜇 dan variansi 𝜎 2 dapat
ditransformasi ke distribusi normal standar dengan rata-rata 𝜇 = 0 dan variansi 𝜎 2 = 1
Dibawah ini di berikan cara merubah / mentransformasi distribusi tersebut dalam GB
3.7 dibawah ini
GB 3.7 Tranformasi dari Distribusi Normal 𝑁(𝜇, 𝜎 2 ) ke 𝑁(0,1) = 𝑍(0,1)

Kenapa harus di transformasi?
60
Karena kalau kita menhitung menggunakan rumus integral, sangat lama dan timbul ke
sulitan. Untuk itu agar mempermudah menghitung luas daerah GB 3.7 memakai table
distribusibNormal Standar. Juga karena nilai peluang atau luas daerah pada distribusi
Normal standar sudah ditabelkan dalam bentuk tabel distribusi Normal standar ditulis
𝑁(0,1) atau Z(0,1) atau tabel Normal
Cara menggunakan table Normal

Setiap pengamatan perubah acak X terdistribusi Normal dengan mean 𝜇 dan
variansi 𝜎 2 dapat ditransformasikan ke perubah acak Z dengan rata-rata 𝜇 = 0 dan variansi
𝑥−𝜇
𝜎 2 = 1 dengan rumus 𝑧 =
𝜎
𝑥1 −𝜇
Jadi jika X bernilai 𝑥 = 𝑥1 dan 𝑥 = 𝑥2 maka perubah acak Z bernilai 𝑧1 = dan
𝜎
𝑥2 −𝜇
𝑧2 = kemudian dinyatakan sebagai GB. 3.8
𝜎
GB 3.8. Luas daerah 𝑃(𝑥1 < 𝑥 < 𝑥2 )
Definisi (3.11)
Distribusi perubah acak normal dengan rata-rata nol dan variansi 1 disebut distribusi
normal baku
GB 3.9 Distribusi normal asli dan yang telah ditransformasikan

P(x1  x  x2 ) = P(z1  x  z2 )
61
Contoh (3.20)
Diketahui suatu distribusi normal dengan 𝜇 = 50 dan 𝜎 2 = 10
Carilah probabilitas bahawa X mendapat nilai antara 45 dan 62
Jawab:
Dicari nilai z yang berpadaan dengan 𝑥1 = 45 dan 𝑥2 = 62 adalah
z1 = 45−50 = −0.5 dan z2 = 62−50 = 1.2

10 10
GB 3.10 Luas daerah 𝑃(45 < 𝑋 < 62) = 𝑃(−0.5 < 𝑍 < 1.2)
Mencari peluang 𝑃(45 < 𝑋 < 62) sama dengan mencari peluang 𝑃(−0.5 < 𝑍 < 1.2)
Sehingga untuk mencari peluang P(-0.5<Z<1.2) menggunakan tabel distribusi Normal
Standar dengan cara seperti dijelaskan pada table 3.10
Tabel 3.10. Luas daerah di bawah kurva normal
Dari table diperoleh: P( 45  x  62) = P( −0, 5  z  1, 2) = P(z  1, 2) − P(z  −0, 5)

= 0,8849 − 0, 3085 = 0, 5764
Jadi probabilitas bahawa X mendapat nilai antara 45 dan 62 adalah 0.5764
62
3.7.2. Distribusi Gamma dan Eksponensial,
Distribusi gamma dan eksponensial memainkan peran yang sangat penting di bidang
teori antrian dan teori keandalan (reliabilitas). Distribusi gamma mendapat namanya dari
fungsi gamma yang sudah dikenal luas.
Definisi (3.12):
Fungsi gamma ditulis (𝑛) didefinisikan sebagai
1
(n) =  x n −1e− x dx ; n>0
0
Akibatnya diperoleh:
1
(1) = 1 dan (2) = √𝜋
Bukti:

Untuk n = 1 → (1) =  e− x dx
0

= −e − x = 1 Diperoleh (1) = 1
0
Akibatnya untuk menghitung banyak masalah diperlukan formula ini untuk mempermudah
perhitungan. Misalnya menghitung faktorial
1
Dari definisi fungsi Gamma (n) =  x n −1e− x dx ; n>0
0
Misalkan: 𝑢 = 𝑥 𝑛−1 dan 𝑑𝑣 = 𝑒 −𝑥 𝑑𝑥
Untuk 𝑢 = 𝑥 𝑛−1 → 𝑑𝑢 = (𝑛 − 1)𝑥 𝑛−2 𝑑𝑥
𝑑𝑣 = 𝑒 −𝑥 𝑑𝑥 → 𝑣 = ∫ 𝑒 −𝑥 𝑑𝑥 = −𝑒 −𝑥

Diperoleh n −1e − x dx
( n ) = x
0
 
=  u dv = uv −  v du
0 0
 
= − x n −1e− x +  e− x (n − 1 )x n − 2dx
0
0

= ( n − 1 )  e− x x n − 2 dx ; n 1
0
( n −1 )
63
Sehingga diperoleh:
( n ) = ( n − 1 )( n − 1 ) ; n 1
Dengan Formula (n) diatas akan didapat rumus2 berulang dibawah ini
( n ) = ( n − 1 )( n − 1 ) = ( n − 1 ) ( n − 1 )
(n − 2 )(n − 2 )
= (n− 1 )(n − 2 )(n − 2 )

= (n− 1 )(n − 2 ) (n − 2 )
(n −3 )(n −3 )
= (n− 1 )(n − 2 )(n − 3 )(n − 3 )

:
:
= ( n − 1 )( n − 2 )( n − 3 )......1.( 1 )
= ( n − 1 )( n − 2 )( n − 3 ).........1
= ( n − 1 )!
Jadi diperoleh Rumus bahwa (n) = (n-1) ! dan (n +1) = n !
1 1
Untuk 𝑛 = 2 → (2) = √𝜋
Ini merupakan sifat fungsi Gamma

1
Bukti: Dari definisi
(n) =  x n −1e− x dx ; untuk n  0
0
 −1
Untuk n = 1 → ( 1 ) = x 2 e− x dx
2 2
0
Menggunakan substitusi: x = u 2 → dx = 2u du
Diperoleh 
−1 −u 2
( 12 ) = u e 2u du
0
 2
= 2  e−u du
0
     2 
  
2 2
( 12 ) = 2  e−u du  2  e −v dv 
 0   0 
 
−[ u 2 +v2 ]
= 4 e du dv
0 0
64
Dengan merubah sistem koordinatnya ke polar koordinat (𝜌, ∅) dengan
u =  cos  dan v =  sin  persamaan diatas menjadi:


 
2 2
e−[  cos  +  sin  ]  d d
2 2 2 2
( 1 )
2
= 4  
 =0  =0

2 
e−  [cos  + sin  ]  d d
2 2 2
= 4  
 =0  =0

2 
e −   d d 
2
= 4  
 =0  =0
 
2 
 2
2 2 2 
1 e− 
( 1 ) = 4  2
d = 2  d = 2 0 2 = 
 =0 0  =0
1
Jadi diperoleh ( ) = √𝜋
2
Definisi (3.13):
Perubah acak kontinu X berdistribusi Gamma dengan parameter 𝛼 dan 𝛽, fungsi
padatnya berbentuk:
 −x
x  −1e 
 1
; x0
f ( x) =    ( )

 0 ; x yang lain
dengan   0 dan   0
GB 3.11 Distribusi Gamma
65
Khusus untuk 𝛼 = 1
𝑓(𝑥) disebut distribusi Eksponensial
 −x
1 e  ; x0
f(x) =  

0 ; x yanglain
dengan   0
Definisi (3.14):
Perubah acak kontinu X terdistribusi eksponensial dengan parameter, 𝛽 , jika fungsi
padatnya berbentuk:
Gambar 3.12 Distribusi Eksponensial 𝛼 = 1 dan beberapa nilai 𝛽 > 0
Definisi (3.15):
Rata-rata dan variansi distribusi gamma adalah mean 𝜇 = 𝛼𝛽 dan variansi 𝜎 2 = 𝛼𝛽 2
Akibat (1):
Rata-rata dan variansi distribusi eksponensial adalah mean 𝜇 = 𝛽 dan variansi 𝜎 2 = 𝛽 2
66
Contoh (3.21):
Suatu sistem memuat sejenis komponen yang mempunyai daya tahan pertahun
dinyatakan oleh perubah acak T yang berdistribusi eksponensial dengan parameter waktu
rata-rata sampai gagal 𝛽 = 5 . Bila sebanyak 5 komponen tersebut dipasangkan dalam
sistem yang berlainan, berapa peluang bahwa paling sedikit ada 2 masih akan berfungsi
pada akhir tahun ke delapan.
Jawab:
Diketahui 𝛽 = 5
Diperoleh fungsi eksponensial dengan β = 5
 −t
P(T  8) = 1
5 e 5 dt
8
−8
= e 5 = 0, 2
Peluang bahwa suatu komponen tertentu masih akan berfungsi setelah

8 tahun adalah 0.2
Contoh (3.22)
Hubungan saluran telepon tiba di suatu gardu (sentral) memrnuhi proses poisson
dengan rata-rata 5 hubungan yang masuk per menit. Berapa probabilitasnya bahwa setelah
satu menit berlalu, baru 2 sambungan telepon masuk ke gardu tadi
Jawab
Proses poisson berlaku dengan waktu sampai kejadian poisson memenui distribusi
1
gamma dengan parameter 𝛽 = 5 dan 𝛼 = 2
Misalkan X perubah acak yang menyatakan waktu dalam menit yang berlalu sebelum
ada 2 sambungan masuk,
Probabilitasnya adalah:
x −x
P( X  x) =  1 xe  dx

0
1
P( X  1) = 25 xe−5 x dx
0
= [1 − e5(1) (1 + 5)] = 0,96
Jadi Probabilitas bahwa setelah semenit berlalu baru ada 2 sambungan telepon
masuk ke gardu adalah 0.96
67
3.7.3. Distribusi Chi-kuadrat
Dalam distribusi Gamma, ada hal khusus lainya yang sangat penting dari distribusi ini
𝑣
adalah dengan mengambil 𝛼 = dan 𝛽 = 2 , v = bilangan bulat positif
2
Hasilnya merupakan bentuk distribusi ysng biasa disebut distribusi chi-kuadrat, dengan v
disebut derajad bebas
Definisi (3.16):
Perubah acak kontinu X terdistribusi chi-kuadrat dengan derajad bebas v, jika fungsi
padatnya berbentuk:
 1 v −1 − x
 v/2 x2 e 2 ; x  0
f(x) =  2 (v / 2)
 0
 ; x yanglain
dengan v bilangan bulat positif
Akibat (2):
Rata-rata dan variansi distribusi chi-kuadrat adalah mean 𝜇 = 𝑣 dan variansi 𝜎 2 = 2𝑣
Contoh Gambar (3.13) dibawah ini menjelaskan beberapa nilai v
 1 v −1 − x
 x2 e 2 ; x  0
f(x) =  2v / 2 (v / 2)
 0
 ; x yanglain
dengan v bilangan bulat positif
GB. 3.13 Distribusi Chi Square

Untuk derajad bebas (v) =2
 1 −x
 e 2 ; x0
f(x) =  2(1)
0
 ; x yanglain
dengan v = 2
68
Untuk derajad bebas (v) = 3
 1 1 −x
 3/ 2 x 2e 2 ; x0
f(x) =  2 (3 / 2)
 0
 ; x yanglain
dengan v = 3
Untuk derajad bebas (v) = 4
 1 −x
 2 xe 2 ; x0
f(x) =  2 ( 2)
0
 ; x yanglain
dengan v = 4
Untuk derajad bebas (v) =5
 1 5 −1 − x
 x2 e 2 ; x0
f(x) =  25 / 2 (5 / 2)
 0
 ; x yanglain
dengan v = 5
3.7.4. Distribusi Weibull.

Distribusi Weibull ini diperkenalkan oleh ahli fisikawan swedia Waloddi Weibull pada
tahun 1939. Grafik distribusi weibull untuk 𝛼 = 1 dan berbagai nilai parameter 𝛽
dilukiskan pada gambar 6.13
Definisi (3.17):
Perubah acak kontinyu X terdistribusi Weibull dengan parameter 𝛼 dan 𝛽, jika fungsi
padatnya berbentuk:   x  −1e− x ; x  0
f(x) = 
0 ; x yanglain
dengan   0 dan   0
Jika 𝛽 = 1 maka distribusi weibull menjadi distribusi eksponensial.

Jika 𝛽 > 1 maka kurvanya mirip lonceng dan menyerupai kurva normal tetapi agak
mencong.
Seperti distribusi gamma dan eksponensial, distribusi weibull juga dipakai pada
persoalan keandalan dan pengujian panjang umur seperti waktu sampai rusak (panjang
umur) suatu komponen, diukur dari suatu waktu tertentu sampai rusak
69
Definisi (3.17):
Rata-rata dan variansi distribusi Weibull adalah
1 1  2
𝜇= 𝛼
−
𝛽 (1 + ) Dan  2 =  −2 /  (1 + 2 ) − (1 + 1 ) 
𝛽   
GB 6.13 Distribusi Weibull

Beberapa contoh untuk nilai parameter α dan β
Untuk α = 1 dan β = 1
 e− x ; x  0
f(x) = 
dengan  = 1 dan  = 1
Untuk α = 1 dan β = 5
 5 x 4e−5x ; x0
f(x) = 
dengan  = 1 dan  = 5
70
3.8 Soal-Soal Latihan
1. Secara rata-rata disuatu perempatan jalan Janti-DIY, telah terjadi 8 kecelakaan lalu
lintas per tahun (sampai meninggal). Berapa peluang bahwa pada suatu tahun
tertentu akan terjadi:
a. Tepat 12 kecelakaan lalu lintas.
b. Lebih dari 5 kecelakaan lalu lintas.
c. Kurang dari 7 kecelakaan lalu lintas
2. Peluang bahwa seseorang akan meninggal akibat terinfeksi saluran pernafasan
adalah 0.002. Jika ada 2000 orang yang terinfeksi, maka hitung peluang bahwa:
a. Tepat 5 orang akan meninggal? d. Kurang dari 10 orang akan meninggal ?
b. Kurang dari 5 akan meninggal? e. Lebih dari 3 orang akan meninggal ?
c. Antara 4 sampai 8 orang akan meninggal?
(Petunjuk: Gunakan Tabel)
3. Secara rata-rata disuatu perempatan jalan terjadi 3 kecelakaan lalu lintas (sampai
meninggal) per bulan. Berapa peluang bahwa pada suatu bulan tertentu akan terjadi:
a. Tepat 5 kecelakaan sampai meninggal.
b. Kurang dari 3 kecelakaan sampai meninggal.
c. Sekurang-kurangnya 2 kecelakaan sampai meninggal
4. Suatu pabrik elektronik dalam proses produksinya mempunyai peluang 0.02
menghasilkan produk yang cacat (rusak). Jika ada 100 produk yang diperiksa (di
cek) untuk dikirim ke pelangganya, maka tentukan peluang bahwa ada:
a. Tepat Dua produk yang cacat d. Antara 2 dan 6 produk yang cacat
b. Ada lima produk yang cacat e. Lebih tiga produk yang cacat
c. Sekurang- tiga produk yang cacat f. Paling banyak 7 produk yang cacat
5. Antara pukul 10 sampai 11 pagi, rata-rata banyaknya telepon yang datang pada
sebuah kantor tiap menit adalah 2,5. Tentukan peluang bahwa selama satu menit
tertentu akan terdapat:
a. Tiga telepon yang datang
b. Kurang dari 4 telepon yang datang.
c. Lebih dari 6 telepon yang datang
6. Peluang seorang pasien akan sembuh dari penyakit tertentu adalah 0.9. Jika ada
10 orang penderita penyakit tersebut, maka tentukan peluang:
a. Tepat 7 orang akan sembuh.? c. Lebih dari 4 orang akan sembuh?
b. Antara 6 sampai 9 orang akan sembuh? d. Tidak ada yang sembuh?
7. Peluang seorang pasien akan selamat dari operasi jantung yang akut adalah 0.8. Jika
ada 7 orang yang mengalami operasi ini, maka tentukan:
a. Peluang tepat 5 orang akan selamat.?
71
b. Peluang antara 3 sampai 6 orang akan selamat?
c. Peluang lebih dari 4 orang akan selamat ?
d. Nilai tengah dan variansinya
8. Peluang seorang pasien akan sembuh dari penyakit lever (hati) adalah 0,8. Jika
terdapat 4 pasien yang sembuh, maka:
a. Tentukan fungsi peluang dari X, jika X menyatakan banyaknya pasien yang
sembuh dari penyakit tersebut.
b. Cari mean dan variansi nya.
9. Peluang seorang pasien akan sembuh dari penyakit tertentu adalah 0.8. Jika ada 10
orang penderita penyakit tersebut, maka tentukan peluang:
a. Tepat 7 orang akan sembuh.? c. Lebih dari 4 orang akan sembuh?
b. Antara 6 sampai 9 orang akan sembuh? d. Tidak ada yang sembuh?
10. Peluang seorang pasien akan sembuh dari penyakit lever (hati) adalah 0,9. Jika ada
4 pasien yang sembuh, maka tentukan:
a. Fungsi peluang dari X, jika X menyatakan banyaknya pasien yang sembuh dari
penyakit tersebut.
b. Mean dan variansi dari fungsi peluangnya.
11. Seorang agen asuransi menjual polis kepada 7 orang dengan umur dan
kesehatanya sama. Menurut tabel aktualrial, peluang seseorang akan tetap hidup
dalam 30 tahun mendatang adalah 0,7. Tentukan peluang bahwa
a. Semua orang masih hidup dalam 30 tahun mendatang.
b. Paling sedikit satu orang masih hidup dalam 30 tahun mendatang.
c. Ada 2 orang yang masih hidup dalam 30 tahun mendatang.
12.Suatu studi dilakukan mengenai perilaku terhadap obat penenang. Hasil penelitian
menunjukan 70% percaya bahwa “obat penenang tidak menyembuhkan apa-apa,
hanya menunda kesulitan saja “. Sesuai dengan hasil penelitian ini, berapa peluang
bahwa sekurang-kurangnya 3 dari 5 orang berikutnya yang diambil secara acak
berpendapat bahwa obat penenang tidak menyembuhkan apa-apa, hanya menunda
kesulitan saja ?.
13.Peluang seorang dokter mendiagnosis suatu penyakit secara benar adalah 0.7. Bila
diketahui dokter tersebut salah mendiagnosis, bahwa pasien akan menuntut ke
pengadilan adalah 0.9. Berapa peluang dokter tersebut salah mendiagnosis dan
pasien menuntutnya.?
14. Jika X terdistribusi normal dengan mean 24 dan variansi 16, hitung peluang bahwa:
a. b. c.
d. e.
72
15. Diberikan sebuah perubah acak X dengan nilai tengah 18 dan simpangan baku 2,5.
Hitunglah:
a.
b.
c. nilai k yang memenuhi

16. Sebuah perubah acak kontinu X mengambil nilai antara x = 2 dan x = 5 dengan
fungsi kepekatan
Hitung a). b).

17. Jika X merupakan variabel random yang terdistribusi normal dengan mean 23 dan
variansi 16, maka hitung peluang dari:
a. b. c.
18. Tinggi badan dari 1.000 mahasiswa dianggap terdistribusi normal dengan rata-rata
174.5 cm dan simpangan baku 6.9 cm. Tentukan peluang banyaknya mahasiswa
yang memiliki tinggi badan:
a. Kurang dari 160.5 cm?
b. Antara 171.5 cm dan 182.0 cm?
c. Sama dengan 175.0 cm?
d. Lebih besar atau sama dengan 180.0 cm?
19. Dari data tinggi badan 1.000 mahasiswa, akan terdistribusi normal dengan rata-rata
174.5 cm dan simpangan baku 6.7 cm. Berapa peluang banyaknya mahasiswa
yang memiliki tinggi badan:
a. Kurang dari 160.5 cm? c. Sama dengan 176.0 cm?
b. Antara 171.5 cm dan 182.0 cm? d. Lebih dari 170.0 cm?
20. Rata-rata curah hujan dicacat ke perseratusan centimeter yang terdekat, di kota
Yogyakarta pada bulan Oktober adalah 9.22Cm. Andaikan kondisi terebut
terdistribusi Normal dengan simpangan baku 2.83 Cm, Maka hitung peluang bahwa
pada bulan Oktober yang akan datang di kota Yogyakarta akan mendapatkan curah
hujan;
a. kurang dari 1.84 Cm
b. lebih dari 5 Cm tetapi kurang dari 7 Cm
c. lebih dari 13.8 Cm
73
21.Dalam sebuah kebun percobaan, diambil sampel random sebanyak 100 pohon untuk
diteliti. Dari data lapangan diperoleh tinggi rata-rata 7,5 cm dan deviasi standartnya
3,5 cm. Tentukan:
a). Interval konfidensi 95% untuk tinggi rata-rata semua pohon di kebun percobaan
tersebut.
b). Ukuran sampel yang seharusnya digunakan agar batas kesalahan estimasinya 0,5
cm.
22.Seorang pengacara pergi kekantor rata-rata perjalanan setiap hari memakan waktu
24 menit,dan simpangan baku 3.8 menit. Anggaplah waktu perlalanan menyebar
secara normal.
a. Berapa peluang bahwa suatu perjalanan dari rumah ke kantornya memakan waktu
sekurang-kurangnya 0.5 jam.
b. Hitung peluang bahwa 2 diantara 3 perjalanan ke kantor berikutnya akan memakan
waktu sekurang-kurangnya 0.5 jam.
23.Jika perubah acak X terdistribusi gamma dengan parameter 𝛼 dan 𝛽 didefinisikan
sebagai :
dengan 𝜇 = 𝛼𝛽 dan 𝜎 2 = 𝛼𝛽 2
Maka carilah nilai 𝛼 dan 𝛽 jika rata-rata 𝜇 = 6 dan variansi 𝜎 2 = 2.
74
BAB 4. DISTRIBUSI PELUANG GABUNGAN
DAN DISTRIBUSI MARJINAL
4.1. Pendahuluan
Dalam bab ini akan membahas tentang konsep-konsep dasar distribusi marginal,
definisi dan terampil dalam melakukan hitungan-hitungan yang berkaitan dengan fungsi
padat gabungan, distribusi marginal, distribusi bersyarat, dan bebas statistik. Juga terampil
dalam mengerjakan soal-soal tugas dan Latihan
Apabila kita mempunyai distribusi gabungan dari dua perubah acak X dan Y (bisa
diskrit semua atau kontinu semua), maka kita dapat menentukan distribusi peubah acak X
dan distribusi peubah acak Y. Distribusi yang diperoleh dengan cara demikian dinamakan
Distribusi Marginal.
4.2. Perubah Acak Gabungan

Dua perubah acak X dan Y dapat digabungkan jika kedua nya sama-sama merupakan
perubah acak diskrit atau dua-duanya merupakan perubah yang kontinu. Jika tidak demikian
perubah acak tersebut tidak bisa digabungkan. Gabungan ini biasanya dapat dinyatakan
sebagai pasangan (X,Y) dan disebut perubah acak gabungan.
Definisi (4.1):
Jika S merupakan ruang sampel dari sebuah eksperimen, maka pasangan (X,Y)
dinamakan perubah acak berdimensi dua, jika X dan Y masing-masing menghubungkan
sebuah bilangan real dengan setiap anggota S. (Telah digambarkan pada GB 3.1)
Definisi (4.2):
Pasangan (X,Y) disebut peubah acak diskrit berdimensi dua, jika banyak nilai-nilai
yang mungkin terjadi dari pasangan (X,Y) salah satunya berhingga atau tidak berhinga tetapi
dapat dihitung sesuai bilangan cacah disebut peubah acak diskrit berdimensi dua.
Contoh (4.1):
Sebuah kotak berisi 3 bola bernomor dan di beri nomor 1, 2, dan 3. Kemudian diambil
dua bola secara acak dengan pengembalian. Misalkan peubah acak X menyatakan bilangan
pada pengambilan bola pertama dan peubah acak Y menyatakan bilangan pada
pengambilan bola kedua.
Jadi kita memperoleh pasangan dalam pengambilan pertama dan pengambilan kedua.
Yaitu pasangan (X, Y)
75
Definisi (4.3):
Pasangan (X,Y) disebut perubah acak kontinu berdimensi dua, jika banyaknya nilai-
nilai yang mungkin terjadi dari pasangan X dan Y masing-masing perubahnya menyerupai
berbentuk sebuah interval.
Contoh (4.2):
Dalam tubuh seorang wanita yang sehat berusia 20 tahun sampai 29 tahun, kadar
kalsium dalam darahnya, dapat dinyatakan sebagai perubah acak X, biasanya antara 8,5
dan 10,5 mg/dl, sedangkan kadar kolesterolnya, dapat dinyatakan sebagai perubah acak
yaitu Y, biasanya antara 120 dan 240 mg/dl
4.3. Fungsi peluang Gabungan

Kadang-kadang hasil percobaan yang kita peroleh tidak selalu berasal dari perubah
acak yang tunggal. Ada kalanya diperlukan pencacatan beberapa perubah acak yang terjadi
secara serentak.
Jika X dan Y merupakan dua perubah acak, maka probabilitas terjadinya secara
serentak dari kedua perubah acak itu dinyatakan sebagai f(x,y), yang kemudian disebut
sebagai distribusi probabilitas gabungan dari pasangan (x,y). Jika X dan Y perubah acak
diskret, yang terjadi secara serentak maka f(x,y) disebut Fungsi Massa Gabungan dari
perubah acak X dan Y. Jika X dan Y perubah acak kontinyu, yang terjadi secara serentak
maka f(x,y) dengan nilai-nilai pada sebuah bidang-xy disebut Fungsi densitas Gabungan
dari perubah acak X dan Y.
Definisi (4.4):
Jika pasangan perubah acak X dan Y adalah dua peubah acak diskrit, maka fungsi
peluang yang dinyatakan dengan 𝑝(𝑥, 𝑦) = 𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) untuk setiap pasangan nilai (x,y)
dalam daerah hasil dari perubah acak X dan Y, dinamakan Fungsi Peluang.Gabungan
(Fungsi massa.Gabungan)
Sifat-sifat Fungsi Massa Gabungan:

1). P(x,y) ≥ 0, untuk setiap pasangan nilai (x,y) dalam daerah asalnya.
2). ∑ ∑ 𝑝(𝑥, 𝑦) = 1
3). 𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) = 𝑓(𝑥, 𝑦) untuk tiap dearah A di bidang xy, P{(X,Y) 𝜖 A]
76
Contoh (4.3):
Fungsi peluang gabungan dari X dan Y berbentuk :
𝑘𝑥𝑦 ; 𝑥 = 1, 2, 3 𝑑𝑎𝑛 𝑦 = 1,2,3
𝑃(𝑥, 𝑦) = {
0 ; 𝑥, 𝑦 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
a. Tentukan nilai konstanta k
b. Hitung P(X>2, Y<2)
Jawab:
a. Syarat fungsi peluang: ∑ ∑ 𝑝(𝑥, 𝑦) = 1
Menghitung Ruas kiri ∑ ∑ 𝑝(𝑥, 𝑦) = ∑3 1

∑3 1
𝑘𝑥𝑦
= (𝑘𝑥 + 2𝑘𝑥 + 3𝑘𝑥) = 6𝑘𝑥
= 6𝑘 + 12𝑘 + 18𝑘 = 36𝑘

36𝑘 = 1  𝑘 =
b. P(X>2, Y<2) = P(X=3, Y=1) = 3 k =
Contoh (4.4):
Dua buah bolam dipilih secara acak dari sebuah kotak yang berisi 3 bolam berwarna
biru, 2 merah, dan 3 hijau. Jika X menyatakan banyaknya bolam berwarna biru dan Y merah
yang terpilih, maka :
Hitunglah: a. Fungsi probabilitas gabungan X dan Y
b. P[(X,Y)∈A], bila A daerah {(x,y)/ x+y≤ 1}
Jawab:
3B, 2M 2 Misal: Banyaknya cara memilih 2 dari 8 bolam yang ada = n(S)
3H
 8  8!
8 n (S) =  2   2! 6!  28
 
a. Fungsi peluang gabungan dari f(x,y) dapat dinyatakan dengan rumus:
 3  2  3 
 x  y  2  x  y 
f ( x, y )      ; x = 0, 1, 2 ; y = 0, 1, 2 ;& 0 ≤ x+y ≤ 2
8
 2
 
b. Dari hasil a), untuk x = 0, 1, 2 ; y = 0, 1, 2 ;& 0 ≤ x+y ≤ 2 diperoleh sbb:
77
f(0, 0) 
 0  0  2 
3 2 3
 3 f( 0,1) 
 0  1 1 
3 2 3
 3
 2
8 28
 2
8 14
f(1, 0) 
 1  0 1 
3 2 3
 9  1  1  0 
3 2 3
3
 2
f(1,1)  
8 28
 2
8 14
f(0, 2) 
 0  2  0 
3 2 3
 1 f( 2, 0) 
 2  0  0 
3 2 3
 3
 2
8 28
 2
8 28
Dari hasil perhitungan diatas dapat dibuat tabel distribusi probabiliatas sbb:
Tabel. 4.1. Distribusi Peluang Gabuangan X dan Y
F(x,y) X Jumlah Kolom

0 1 2
9 3 15
0 28 28 28
Y 3 3 3
1 14 14 7
1 1
2 28 28
5 15 3
Jumlah kolom 1
14 28 28
Jadi P[(X,Y) ∈ A] = P(x+y ≤ 1) = f(0,0) + f(0,1) + f(1,0)
= + +
Definisi (4.4): Fungsi Densitas Gabungan

Sebuah fungsi yang melibatkan dua peubah acak kontinyu X dan Y biasanya
dinyatakan sebagai 𝑝(𝑥, 𝑦) = 𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) dengan nilai-nilainya dinyatakan dalam
sebuah bidang-XY dinamakan fungsi densitas gabungan (Fungsi padat gabungan) , jika dan
hanya jika:
78
𝑃{(𝑥, 𝑦) ∋ 𝐴} = 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦
Dengan A terletak dalam bidang-XY
Sifat-sifat Fungsi Densitas Gabungan:

1). 𝒇(𝒙, 𝒚) ≥ 𝟎, 𝒖𝒏𝒕𝒖𝒌 −∞ < 𝑥, 𝑦 < ∞
2). ∫ ∫ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 = 1
3). 𝑃{(𝑋, 𝑌) ∋ 𝐴} = ∬ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 untuk tiap daerah A di bidang-XY
Contoh (4.5):
Misalkan fungsi densitas gabungan dari X dan Y berbentuk:
𝑐𝑥𝑦 ; 0 < 𝑥 < 3, 1<𝑦<4

𝑓(𝑥, 𝑦) = {
0 ; 𝑥, 𝑦 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
a. Tentukan nilai konstanta c
b. Hitung P[(X,Y) ∈ A ] , dengan A adalah daerah {(x,y); 0 < x < 2, 2 < y < 3}
Jawab:
a. Syarat fungsi densitas
∫ ∫ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 = 1
∫ ∫ 𝑐𝑥𝑦 𝑑𝑥𝑑𝑦 = 1 ; kita cari dulu integral di ruas kiri
∫ ∫ 𝑐𝑥𝑦 𝑑𝑥𝑑𝑦 = ∫ 𝑦𝑥 𝑑𝑦| = ∫ 𝑦 3 𝑑𝑦 = ∫ 𝑦𝑑𝑦
= 𝑦 | = (4 − 1 ) = − =
135𝑐
Diperoleh 4
= 1 maka c =
b. 𝑃[(X, Y) ∈ A ] = ∫ ∫ 𝑥𝑦 𝑑𝑥𝑑𝑦 = ∫ 𝑦 | 𝑑𝑦 = ∫ (2 )𝑦𝑑𝑦
8 8 𝑦 3 8 40
= 𝑦 𝑑𝑦 = |= [(3 ) − (2 )] =
135 135 2 135 135
2
Jadi 𝑃[(X, Y) ∈ A ] =
79
Contoh (4.6):
Suatu pengiriman barang yang memproduksi coklat dengan campuran krem,cofee
dan kacang, dengan berlapis coklat cerah dan pekat. Bila sebuah kotak diambil secara acak
,serta X dan Y masing-masing menyatakan proporsi campuran krem berlapis coklat cerah
dan pekat dengan fungsi padat gabungannya adalah :
 2 ( 2 x  3y); 0  x  1, 0  y  1
f(x, y)   5
 0; untuk x yanglain
a). Tunjukan bahwa  
  f ( x, y ) dx dy  1
 
b). . Cari P[(X,Y) ∈ A] jika A daerah {(x,y)/ 0 < x < ; <y< }
Jawab:
  11 1 x 1
2 x 2  6 xy
a.   f(x,y)dxdy  52 (2x  3y)dxdy   5 5
dy
  00 0 x 0
1 1
2

6y 2 y 3y
 ( 2  )dy  (  )  2 3 1
5 5 5 5 5 5
0 0
 
  f ( x, y ) dx dy  1
Jadi terbukti
  1/2 1/2
b. P[(X,Y) ∈ A] = P [ 0 < x < ; <y< ]    2 (2x  3y)dxdy
5
1/4 0
1/2 x 1/2
2
 2x5
6xy
  dy
5
1/4 x 0
1/2
 (101  5 ) dy
3y

1/4
1/2
y 3y 2
(  )  13
10 10 160
1/4
Jadi P[(X,Y) ∈ A] =
80
4.4. Distribusi Marginal (Pias)
Apabila kita mempunyai distribusi gabungan dari dua peubah acak X dan Y (bisa diskrit
semua ataupun kontinu semua), maka kita dapat menentukan sebagian (pias) dari distribusi
perubah gabungan yaitu distribusi peubah acak X saja dan distribusi peubah acak Y saja .
Distribusi yang diperoleh dengan cara demikian dinamakan distribusi marginal atau distribusi
Pias..
Jika f(x,y) fungsi peluang gabungan dari perubah acak diskrit X dan Y maka peluang
g(x) dari perubah acak X sendiri diperoleh dengan menjumlahkan f(x,y) terhadap semua
perubah acak Y. Demikian pula untuk distribusi peluang h(y) dari perubah acak Y diperoleh
dengan menjumlahkan f(x,y) terhadap semua nilai perubah acak X. Disini fungsi g(x) disebut
distribusi marginal dari X dan h(y) disebut distribusi marginal dari Y.
Untuk perubah acak X dan Y merupakan perubah acak kontinu, maka tanda
penjumlahan diganti dengan integral.
4.4.1. Fungsi massa probabilitas Marginal

Definisi 4.5:
Mengingat f(x,y) merupakan distribusi gabungan dari dua perubah acak diskrit X dan
Y , distribusi marginal dari variabel acak- X saja misalnya - adalah distribusi probabilitas dari
X ketika nilai-nilai Y tidak dipertimbangkan. Ini dapat dihitung dengan menjumlahkan
distribusi probabilitas gabungan atas semua nilai Y . Kebalikannya juga benar, distribusi
marjinal dapat diperoleh untuk Y dengan menjumlahkan nilai-nilai X yang terpisah .
𝑓 (𝑥 ) = ∑ 𝑓(𝑥 , 𝑦 ) atau 𝑔(𝑥) = ∑ 𝑓(𝑥 , 𝑦)
dan
𝑓 𝑦 = ∑ 𝑓(𝑥 , 𝑦 ) atau ℎ(𝑦) = ∑ 𝑓(𝑥 , 𝑦)
Tabel 4.2. Contoh Distribusi Fungsi massa probabilitas Marginal
x
𝑥1 𝑥2 𝑥3 𝑥4 𝑃 (𝑦)
𝑦1 4/32 2/32 1/32 1/32 8/32

y 𝑦2 3/32 6/32 3/32 3/32 15/32
𝑦3 9/32 0 0 0 9/32
𝑃 (𝑥) 16/32 8/32 4/32 4/32 1
81
Contoh (4.7):
Berdasarkan table 4.2
a. Tentukan fungsi peluang marginal dari X
b. Tentukan fungsi peluang marginal dari Y
Jawab:
a. Distribusi Probabilitas g(x)
x 𝑥1 𝑥2 𝑥3 𝑥4
g(x) =𝑃 (𝑥) 16/32 8/32 4/32 4/32
b. Distribusi Probabilitas untuk h(y)

y 𝑦1 𝑦2 𝑦3
h(y) = 𝑃 (𝑦) 8/32 15/32 9/32
Contoh (4.8):
Berdasarkan contoh 4.4.
Jawab:
c. Untuk soal contoh no 4.4 memberikan table distribusi Probabilitas yang dinyatakan
dalam table 4.3 dibawah ini
Tabel. 4.3. Distribusi Peluang Gabuangan X dan Y contoh 4.4

0 1 2
9 3 15
0 28 28 28
Y 3 3 3
1 14 14 7
1 1
2 28 28
5 15 3
Jumlah kolom 14 28 1
28
2
 f(0,y)  f(0, 0)  f(0,1)  f(0, 2)  14
5
y 0 82
P(X=0) = g(0) =
2
 f(1,y)  f(1, 0)  f(1,1)  f(1, 2)  28
15
P(X=1) = g(1) =
y 0
2
 f (2, y)  f (2, 0)  f (2,1)  f (2, 2)  28
3
P(X=2) = g(2) =
y 0
d. Distribusi Probabilitas g(x)

x 0 1 2
g(x) 5/14 15/28 3/28
Distribusi Probabilitas untuk h(y)

y 0 1 2
h(y) 15/28 3/7 1/28
4.4.2. Fungsi kepadatan probabilitas marjinal

Diberikan dua variabel acak kontinu X dan Y yang distribusi gabungannya f(x,y)
diketahui, maka fungsi densitas peluang marjinal dapat diperoleh dengan mengintegrasikan
distribusi peluang bersama , f, atas Y, dan sebaliknya. Itu adalah
𝑔(𝑥) = 𝑓 (𝑥 ) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑦

dan
ℎ(𝑦) = 𝑓 𝑦 =∫ 𝑓(𝑥, 𝑦)𝑑𝑥
Contoh (4.9):
Berdasarkan Contoh 4.6
Jawab:
Fungsi padat gabungannya adalah
a) Untuk perubah acak x

 1 y 1
4 xy 6 y 2 4x  3
g(x) 

f(x, y)dy  2
5 
( 2 x  3y)dy 
5

10
y  0

5
;untuk 0  x  1
 0
g(x)  0 ;untuk x yanglainnya

83
Dan
b) Untuk perubah acak Y

 1 2 x 1
2 ( 2 x  3y)dx  2 x  6 xy 2  6y
h(y) 
 f(x, y)dx   5 5 5
x 0

5
;untuk 0  y  1
 0
Dan h(y)  0 ;untuk y yanglainnya
Catatan:
Distribusi marginal g(x) dan h(y) adalah distribusi masing-masing perubah X dan Y sendiri.
Hal ini dapat dengan mudah dengan menunjukan misalnya untuk hal kontinu:
  
 g( x )dx    f ( x , y )dydx  1 b  b
  
Dan P(a< X < b) = P(a< X < b; −∞ < Y < ∞ )    f (x, y)dydx   g(x)dx
a  a
4.5. Distribusi Probabilitas Bersyarat dua perubah

Menurut definisi probabilitas bersyarat untuk satu perubah acak yang dibicarakan
sebelumnya bahwa kejadian B terjadi setelah A muncul dinyatakan:
P(A  B)
P(B / A)  ; P(A)  0
P(A)
Dengan A dan B sekarang menyatakan kejadian yang di tentukan oleh masing-masing X=x
dan Y=y maka bentuk persamaannya menjadi
P(X  x, Y  y) f (x, y)
P(Y  y / X  x)   ; g(x)  0
P(X  x) g(x)
Jika X dan Y perubah acak diskrit
Hal ini juga berlaku bila 𝑓(𝑥, 𝑦) dan 𝑔(𝑥) merupakan distribusi padat gabungan dan distribusi
pias perubah acak kontinyu. Bila distribusi probabiliats ini ditulis sebagai 𝑓 maka
diperoleh definisi berikut
Definisi (4.6)
Misalkan X dan Y merupakan perubah acak diskrit maupun kontnu. Maka distribusi
probabilitas bersyarat dari perubah acak Y , jika diketahui X=x dinyatakan sebagai :
84
f (x, y)
f (y / x)  ; g(x)  0
g(x)
Begitu pula distribusi peluang bersyarat perubah acak X, jika diketahui Y=y dinyatakan sebagai
f(x, y)
f(x / y)  ; h(y)  0
h(y)
Bila kita ingin mencari peluang perubah acak diskrit X berada antara a dan b bila diketahui
bahwa perubah acak diskrit Y= y maka kita akan mencari:
P(a  X  b / Y  y)   f(x,y)
x
Jika X dan Y kontinyu maka kita hitung:

b
P(a  X  b / Y  y) 
 f(x / y)dx
a
Contoh (4.10):
Kembali ke contoh (4.4).
a. Cari distribusi bersyarat X, bila Y=1,
b. Gunakan a) ini untuk menghitung 𝑃(𝑋 = 0|𝑌 = 1)
Jawab:
a). Kita ingin mencari 𝑓(𝑥|𝑦) untuk y=1 atau 𝑓(𝑥|1)
Rumus distribusi bersyarat f(x, y)
f(x / y)  ; h(y)  0
h(y)
Dicari dulu 2
h(1)   f(x,1)  f(0,1)  f(1,1)  f(2,1)  146  73
x 0
Sekarang mencari
f(x,1) 14
𝑓(𝑥|𝑦) untuk y =1 diperoleh f(x / 1)   f(x,1) ; x  0,1, 2
h(1) 6
f(0,1) 14
untuk x  0  f( 0 / 1)   f( 0,1)  ( 7 )( 3 )  1
h(1) 6 3 14 2
f(1,1) 14
x  1  f(1 / 1)   f(1,1)  ( 7 )( 3 )  1
h(1) 6 3 14 2
f( 2,1) 14
x  2  f( 2 / 1)   f( 2,1)  ( 7 )( 0)  0
h(1) 6 3
85
Jadi diperoleh table 4.4 dibawah ini
Tabel 4.4 distribusi bersyarat X, bila Y=1
x 0 1 2
𝑓(𝑥|1) 1/2 1/2 0
b). Sehingga diperoleh P(X=0/Y=1) = f(0/1) = 1/2

Jadi bila diketahui bahwa 1 dari kedua isi bulpoint yang terambil berwarna merah
maka probabilitasnya 1/2, bahwa isi yang satu lagi bukan biru
Contoh (4.11):
Misalkan X perubah acak yang menyatakan banyaknya pelari pria dan Y pelari wanita
yang menyelesaikan lomba-lomba maraton. Secara matematika dapat dinyatakan sebagai
fungsi padat gabungan:
 8xy; 0  x  1, 0  y  x
f(x,y)  
0; untuk x, y yanglainya
a). Hitung lah g(x), h(y), f(y/x)

b). Tentukan peluang bahwa kurang dari 1/8 pelari wanita yang menyelesaikan maraton
bila ada tepat 1/2 pria telah menyelesaikan maraton tersebut
Jawab:  x
yx
a). g(x) 
 
f(x, y)dy  8xy dy  4xy 2
y 0
 4x3 ; 0  x  1
 0
 1
x 1
h(y) 
 
f(x,y)dx  8xy dx  4 x 2 y
xy
 4y(1  y 2 ) ; 0  y  1
 y
Dan f(x,y) 8xy

f(y / x)   ; 0yx
g(x) 4 x 2
1/ 8
b).
P(Y  1 / X  1 ) 
8 2  8y dy  161
0
Contoh (4.12):
Diketahui fungsi padat gabungan
𝑥(1 + 3𝑦 )
𝑓(𝑥, 𝑦) = { ; 0 < 𝑥 < 2, 0 < 𝑦 < 1
4
0 ; 𝑢𝑛𝑡𝑢𝑘 𝑛𝑖𝑙𝑎𝑖 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
a. Cari lah g(x), h(y), f(y/x)
86
b. Hitunglah 𝑃 <𝑥< 𝑦= )
Jawab:
( )
a. Menurut definisi 𝑔(𝑥) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑦 = ∫ 𝑑𝑦 = + |
𝑥𝑦 𝑥𝑦 𝑥
= + | = , 0<𝑥<2
4 4 2
( )
Dan ℎ(𝑦) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑥 = ∫ 𝑑𝑥 = + |
1 + 3𝑦
= , 0<𝑦<1
2
𝑓(𝑥, 𝑦) 𝑥(1 + 3𝑦 )/4 𝑥
𝑓(𝑥|𝑦) = = = ; 0<𝑥<2
ℎ(𝑦) (1 + 3𝑦 )/2 2
/
b. 𝑃 <𝑥< 𝑦 = ) = ∫ / ( ) 𝑑𝑥 =
4.6. Bebas Statistika

Jika f(x/y) tidak tergantung pada y ,seperti contoh (4.12) diatas, maka f(x/y) dan
f(x,y)=g(x) h(y) hasil dari perubah acak Y tidak mempengaruhi oleh hasil perubah acak X,
dan disebut bahwa “X dan Y perubah acak bebas”.
Bukti:
( , )
𝑓(𝑥|𝑦) = atau 𝑓(𝑥, 𝑦) = 𝑓(𝑋|𝑦)ℎ(𝑦)
( )
Dalam distribusi pias X yaitu
𝑔(𝑥) = 𝑓(𝑥, 𝑦)𝑑𝑦 = 𝑓(𝑥|𝑦) ℎ(𝑦)𝑑𝑦
Jika 𝑓(𝑥|𝑦) tidak tergantung dari y maka dapat ditulis
𝑔(𝑥) = 𝑓(𝑥|𝑦) ℎ(𝑦)𝑑𝑦
Dan karena ℎ(𝑦) adalah fungsi padat peluang
ℎ(𝑦)𝑑𝑦 = 1
Diperoleh 𝑔(𝑥) = 𝑓(𝑥|𝑦)
Sehingga didapat
f(x, y) = g(x) h(y)
87
Bila 𝑓(𝑥|𝑦) tidak tergantung pada y maka hasil dari perubah acak.Y tidak
mempengaruhi hasil dari perubah acak X. dengan kata lain kita sebut bahwa X dan
Y perubah acak bebas
Berkut adalah definisi dari bebas statistika
Definisi (4.7)
Misalkan perubah acak X dan Y merupakan perubah acak diskrit maupun kontinu
dengan fungsi peluang gabungan f(x,y) dan distribusi marginal (pias) masing-masing g(x)
dan h(y), maka X dan Y dikatakan bebas statistik jika dan hanya jika ,
𝑓(𝑥, 𝑦) = 𝑔(𝑥)ℎ(𝑦)
Untuk semua (x,y) dalam daerah definisinya
Contoh (4.13):
Dalam contoh (3.11) tunjukan bahwa perubah acak nya tidak bebas statistik
Jawab:
Hasil dari contoh 3.11 didapat nilai
𝑓(𝑥, 𝑦) = 8𝑥𝑦 ; 0<x<1 , 0<y<x
𝑔(𝑥) = 4𝑥 ; 0 < 𝑥 < 1
ℎ(𝑦) = 4𝑦(1 − 𝑦 ) ; 0 < 𝑦 < 1
Akan kita tunjukan 𝑓(1,0) = 𝑔(1)ℎ(0)
𝑓(1,0) = 0 ; 𝑔(1) = 4 ; ℎ(0) = 4(1 − 0 ) = 0
Terbukti bahwa 𝑓(1,0) = 𝑔(1)ℎ(0)
Perubah acak X dan Y bebas Statistik
Contoh (4.14):
Dalam contoh (3.12) ) tunjukan bahwa perubah acak nya tidak bebas statistik
Jawab:
Hasil dari contoh 3.12
𝑥(1 + 3𝑦 )
𝑓(𝑥, 𝑦) = ; 0 < 𝑥 < 2, 0 < 𝑦 < 1
4
𝑥
𝑔(𝑥) = , 0<𝑥<2
2
88
1 + 3𝑦
ℎ(𝑦) = , 0<𝑦<1
2
Misalnya akan ditunjukan 𝑓(1,0) = 𝑔(1)ℎ(0)
𝑓(1,0) = ; 𝑔(1) = ; ℎ(0) =
Jadi 𝑓(1,0) = 𝑔(1)ℎ(0)
Sehingga perubah acak X dan Y bebas Statistik
Contoh (4.15):
Tunjukan bahwa perubah acak contoh 4.8 tidak bebas statistic
Jawab:
Pandang titik (0,1) dari table 4.1 diperoleh ketiga peluang f(0,1), g(0) dan h(1)
yaitu
3
𝑓(0,1) =
14
𝑔(0) = ∑ 𝑓(0, 𝑦) = + + =
3 3 3
ℎ(1) = 𝑓(𝑥, 1) = + +0=
14 14 7
Jadi 𝑓(0,1) ≠ 𝑔(0)ℎ(1)
Kesimpulannya X dav Y tidak benas statistic
Definisi (4.8)
Definisi 4.7 juga berlaku untuk n-perubah acak ,yaitu: misalkan 𝑋 , 𝑋 , . . . . , 𝑋
merupakan perubah acak diskrit maupun kontinyu dengan distribusi peluang gabungan
𝑓(𝑥 , 𝑥 , . . . . , 𝑥 ) dan distribusi pias masing-masing 𝑓 (𝑋 ), 𝑓 (𝑋 ) , . . . . , 𝑓 (𝑋 ). Perubah
acak 𝑋 , 𝑋 , . . . . , 𝑋 dikatakan bebas Statistik jika dan hanya jika
𝑓(𝑥 , 𝑥 , . . . . , 𝑥 ) = 𝑓 (𝑋 ), 𝑓 (𝑋 ) , . . . . , 𝑓 (𝑋 ).
untuk semua (𝑥 , 𝑥 , . . . . , 𝑥 ) dalam daerah definisinya
Contoh (4.16):
Misalkan lamanya tahan, dalam tahun, sejenis makanan kemasan dalam kotak
sebelum rusak merupakan perubah acak dengan fungi padat peluang berbentuk
89
𝑒 ; 𝑥>0
𝑓(𝑥) = {
0 ; 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
Misalkan 𝑋 , 𝑋 , 𝑋 menyatakan lamanya tahan tiga kotak dari makanan kemasan ini yang
dipilih secara acak dan hitung 𝑃(𝑋 < 2, 1 < 𝑋 < 3, 𝑋 > 2)
Jawab
Karena kotak dipilih secara acak (bebas), maka dapat dianggap bahwa perubah acak
𝑋 , 𝑋 dan 𝑋 bebas statistic dengan peluang padat gabungan
𝑓(𝑥 , 𝑥 , 𝑥 ) = 𝑓(𝑥 ) 𝑓( 𝑥 ) 𝑓( 𝑥 )
= 𝑒 𝑒 𝑒
= 𝑒 ; 𝑥 > 0 ,𝑥 > 0 ,𝑥 > 0
Dan 𝑓(𝑥 , 𝑥 , 𝑥 ) = 0 ; untuk nilai yang lainnya
Jadi
𝑃(𝑋 < 2, 1 < 𝑋 < 3, 𝑋 > 2) = 𝑒 𝑑𝑥 𝑑𝑥 𝑑𝑥
= (1 − 𝑒 )(𝑒 −𝑒 )𝑒
= 0.0376
4.7. Soal Latihan
1. Tentukan nilai c sehingga fungsi berikut menyatakan distribusi peluang gabungan

dari perubah acak X dan Y
a. 𝑓(𝑥, 𝑦) = 𝑐𝑥𝑦 ; untuk x = 1, 2, 3 dan y = 1, 2, 3
b. 𝑓(𝑥, 𝑦) = 𝑐|𝑥 − 𝑦| ; untuk x = −2, 0, 2 dan y = −2, 3
2. Bila distribusi peluang gabungan X dan Y berbentuk
( )
𝑓(𝑥, 𝑦) = untuk x = 0,1, 2, 3 dan y = 0,1, 2
Carilah a. 𝑃(𝑋 ≤ 2; 𝑌 = 1)
b. 𝑃(𝑋 > 2; 𝑌 ≤ 1)
c. 𝑃(𝑋 > 𝑌)
d. 𝑃(𝑋 + 𝑌 = 4)
3. Dari suatu bungkus buah-buahan yang berisi 3 jeruk, 2 mangga, dan 3 pisang dipilih
secara acak 4 buah. Bila X menyatakan banyaknya jeruk da Y banyaknya mangga
dalam sampel tersebut maka hitunglah
90
a. Distribusi peluang X dan Y
b. 𝑃[(𝑋, 𝑌) ∈ 𝐴], bila A daerah {(x,y)| x+y≤2 }
4. Pandang suatu percobaan pada pelantunan sebuah dadu sebanyak 2 kali. Bila X
menyatakan bayaknya titik 4 dan Y bayaknya titik 5 yang muncul dalam ke 2
lantunan, maka carilah
a. Distribusi peluang gabungan X dan Y
b. 𝑃[(𝑋, 𝑌) ∈ 𝐴], bila A menyatakan daerah {(x,y)| 2x+y< 3 }
5. Tiga kartu diambil tanpa pengembalian dari 12 kartu bergambar (Jack, Queen, dan
King) dari sekotak kartu (berisi 52 kartu). Misalkan X banyaknya King terambil dan Y
banyaknya Jack, carilah
a. Distribusi peluang gabungan X dan Y
b. 𝑃[(𝑋, 𝑌) ∈ 𝐴], bila A menyatakan daerah {(x,y)| x+y≥ 2 }
6. Dua buah perubah acak yang mempunyai fungsi padat gabungan sebagai berikut
4𝑥𝑦 ; 0 < 𝑥 < 1 𝑑𝑎𝑛 0 < 𝑦 < 1
𝑓(𝑥, 𝑦) = {
0 ; 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑑𝑎𝑛 𝑦 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
a. Hitunglah 𝑃(0 ≤ 𝑋 ≤ ; ≤𝑌≤ )
b. 𝑃(𝑌 > 𝑋)
c. Apakah kedua perubah acak bebas statistic atau tidak
7. Dua perubah acak mempunyai fungsi padat gabungan sebagai berikut
𝑘(𝑥 + 𝑦 ) ; 0 ≤ 𝑥 ≤ 2 𝑑𝑎𝑛 0 ≤ 𝑦 ≤ 4
𝑓(𝑥, 𝑦) = {
0 ; 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑑𝑎𝑛 𝑦𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
a. Carilah k
b. Hitung 𝑃(1 < 𝑋 < 2 ; 2 < 𝑌 < 3)
c. Hitung 𝑃(1 ≤ 𝑋 ≤ 2 )
d. Hitung 𝑃(𝑋 + 𝑌 > 4)
e. Apakah kedua perubah acak bebas statistic atau tidak
8. Misal X dan Y mempunyai fungsi padat gabungan
1
; 0 < 𝑥 < 𝑦 𝑑𝑎𝑛 0 ≤ 𝑦 ≤ 1
𝑓(𝑥, 𝑦) = { 𝑦
Hitung 𝑃(𝑋 + 𝑌 > )
9. Kembali ke soal no 2, carilah

a. Distribusi pias X
b. Distribusi pias Y
91
10. Sebuah uang logam dilantunkan 2kali. Misalkan Z menyatakan banyaknya sisi muka
yang muncul pada lantunan pertama dan W jumlah sisi muka pada lantunan ke dua.
Bila uang logam ters ebut tidak setangkup dan sisi muka muncul dengan peluang
0.4,maka carilah
a. Distribusi peluang gabungan W dan Z
b. Distribusi pias W
c. Distribusi pias Z
d. Peluang bahwa paling sedikit ada 1 sisi muka yang muncul
11. Kembali ke soal no 3 hitunglah
a. 𝑓(𝑦|2) untuk semua nilai y
b. 𝑃(𝑌 = 0|𝑋 = 2)
12. Misalkan X dan Y mempunyai distribusi peluang gabungan berikut
𝑓(𝑥, 𝑦) x
1 2 3
1 0 1/6 1/12
y 2 1/5 1/9 0
3 2/15 1/4 1/18
a. Carilah Distribusi pias X

b. Carilah Distribusi pias Y
c. Cari 𝑃(𝑌 = 3|𝑋 = 2)
d. Apakah X dan Y bebas statistik
13. Misalkan X dan Y mempunyai distribusi peluang gabungan berikut
𝑓(𝑥, 𝑦) x
2 4
1 0.10 0.15
y 3 0.20 0.30
5 0.10 0.15

c. Apakah X dan Y bebas statistik
14. Nasabah dapat mendapat uang tunai dari suatu Bank melalui pelayanan manusia
dan mesin. Pada suatu hari yang dipilih secara acak, misalkan X dan Y masing-
92
masing menyatakan proporsi waktu pelayanan manusia dan mesin digunakan dan
mempunyai fungsi padat gabungan kedua perubah acak berbentuk
2
(𝑥 + 2𝑦) ; 0 ≤ 𝑥 ≤ 1 𝑑𝑎𝑛 0 ≤ 𝑦 ≤ 1
𝑓(𝑥, 𝑦) = { 3

c. Cari peluangnya bahwa pelayanan manusia baik sibuk kurang dari setengah
waktu
15. Suatu perusahaan coklat mengirim berkotak-kotak coklat dengan campuran krem,
tole, dan kacang. Misalkan berat tiap kotak 1kg, tetapi berat tiap krem, tole, dan
kacang beragam dari kotak ke kotak. Untuk kotak yang dipilih secara acak, misalkan
X dan Y masing-masing menyatakan berat krem dan tole, dan misalkan bahwa fungsi
padat gabungan kedua perubah berbentuk
24𝑥𝑦 ; 0 ≤ 𝑥 ≤ 1 , 0 ≤ 𝑦 ≤ 1 , 𝑥 + 𝑦 ≤ 1
𝑓(𝑥, 𝑦) = {
0 ; 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑑𝑎𝑛 𝑦𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
a. cari peluang bahwa dalam suatu kotak tertentu berat kacang lebih dari ½ kg
b. Cari funsi padat pias berat Krem
c. Cari peluangnya bahwa berat tole dalam sebuah kotak kurang dari 1/8 kg bila
diketahui berat krem 3/4kg
16. Misalkan X dan Y menyatakan umur dalam tahun, dua suku cadang alat elektronik.
Bila fungsi padat gabungan kedua perubah berbentuk
𝑒 ( ) ; 𝑥 > 0 𝑑𝑎𝑛 𝑦 > 0
𝑓(𝑥, 𝑦) = {
Cari 𝑃(0 < 𝑥 < 1 | 𝑌 = 2)
17. Banyaknya minyak dalam ribuan liter dalam sebuah tangka pada permulaan setiap
hari merupakan perubah acak Y dan dari sini sejumlah acah X dijual dalam sehari.
Misalkan tangka tidak diisi sepanjang hari sehingga 𝑥 ≤ 𝑦 dengan fungsi peluang
gabungan berbentuk
2 ; 0 < 𝑥 < 𝑦 𝑑𝑎𝑛 0 < 𝑦 < 1
𝑓(𝑥, 𝑦) = {
a. Tentukan apakah X dan Y bebas

b. Hitung 𝑃(1/4 < 𝑥 < 1/2 | 𝑌 = 3/4)
93
18. Fungsi padat gabungan perubah acak X dan Y adalah
6𝑥 ; 0 < 𝑥 < 1 𝑑𝑎𝑛 0 < 𝑦 < 1 − 𝑥
𝑓(𝑥, 𝑦) = {
a. Tentukan apakah X dan Y tidak bebas
b. Hitung 𝑃(𝑥 > 0.3 | 𝑌 = 0.5)
19. Bila X, Y dan Z mempunyai fungsi padat peluang

𝑘𝑥𝑦 𝑧 ; 0 < 𝑥 < 1 ; 0 < 𝑦 < 1; 0 < 𝑧 < 2
𝑓(𝑥, 𝑦, 𝑧) = {
0 ; 𝑢𝑛𝑡𝑢𝑘 𝑥, 𝑦 𝑑𝑎𝑛 𝑧 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
a. Hitung k
b. Hitung 𝑃(𝑥 < ,𝑌 > , 1 < 𝑍 < 2)
20. Fungsi peluang gabungan X, Y dan Z dinyatakan
4𝑥𝑦𝑧
𝑓(𝑥, 𝑦, 𝑧) = { ; 0 < 𝑥 < 1 ; 0 < 𝑦 < 1; 0 < 𝑧 < 3
9
0 ; 𝑢𝑛𝑡𝑢𝑘 𝑥, 𝑦 𝑑𝑎𝑛 𝑧 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
a. Carilah fungsi padat pias gabungan Y dan Z
b. Carilah fungsi padat pias Y
c. 𝑃( < 𝑥 < ,𝑌 > , 1 < 𝑍 < 2)
d. 𝑃 0 < 𝑥 < 𝑌> , 𝑍 = 2)
94
BAB 5 . HARAPAN MATEMATIK DAN VARIANSI
5.1. Pendahuluan
Distribusi probabilitas memiliki berbagai sifat atau karakteristik yang dapat digunakan
untuk mengidentifikasi suatu distribusi. Karakteristik yang biasa digunakan antara lain rata-
rata hitung yang biasa disebut “harapan matematis” (atau nilai harapan) dan variansi.
Harapan matetatis ini menentukan tendensi sentral dari distribusi probabilitas.
Banyak penggunaan istilah harapan matematik yaitu ekspektasi / harapan/ perkiraan/
rata-rata nilai yang muncul. ( Ekspektasi = harapan matematik). Nilai harapan matematik ini
sering disebut rata-rata perubah acak X atau rata-rata distribusi probabilitas X ditulis dengan
𝐸(𝑋) atau 𝜇𝑋 . Juga rata-rata tersebut sering dinyatakan sebagai ekspektasi suatu perubah
acak X ditulis sebagai 𝐸(𝑋). Sedangkan Variansi dari perubah acak X dinyatakan 𝜎 𝑋2
Sering kali kita menjumpai data pengamatan yang memuat perubah acak tidak tunggal.
Misalnya, X dan Y perubah acak, maka nilai harapan matematika dinyatakan 𝐸(𝑋), 𝐸(𝑌)
dan 𝐸(𝑋𝑌) sedangkan Variansi dari X dan Y dinyatakan sebagai 𝜎 𝑋2 , 𝜎 2𝑌 dan kovariansi
2
dari perubah acak X dan Y dinyatakan 𝜎 𝑋𝑌
5.2. Rata-rata Perubah Acak

Rata-rata perubah acak X atau rata-rata distribusi peluang X ditulis 𝜇𝑋 atau μ saja.
Dalam statistik rata-rata ini disebut harapan matematik atau nilai harapan dari perubah acak
X, dinyatakan sebagai E(X). Rata-rata atau nilai harapan dari perubah acak X ini
menggambarkan letak pusat distribusi probabilitas.
Contoh (5. 1):

Suatu percobaan dua uang logam yang dilantunkan 16 kali. Jika X menyatakan
banyaknya sisi muka yang muncul per lantunan, maka X dapat berharga 0, 1, dan 2
Misalkan percobaan itu masing-masing menghasilkan sebanyak 4, 7, dan 5 kali, maka rata-
rata banyaknya sisi muka per lantunan sama dengan nilai harapan matematik adalah
(0)(4) + (1)(7) + (2)(5)
𝐸(𝑋) = = 1.06
16
4 7 5
Atau 𝐸(𝑋) = (0) (16) + (1) (16) + (2) (16) = 1.06
4 7 5
Bilangan 16 , 16 dan16 adalah bagian dari jumlah lantunan yang menghasilkan masing-
masing nol satu dan dua muka. Pecahan ini sama dengan frekuensi Nisbi untuk nilai X yang
berbeda di percobaaan tersebut. Jadi sesungguhnya kita dapat menghitung rata-rata
95
sekelompok data dari harga yang berbeda yang muncul dan frekuensi Nisbinya , tanpa perlu
tahu banyaknya seluruh pengamatan dalam data.
4 7
Karena itu, jika 16 dari lantunan tidak menghasilkan sisi muka, maka , 16 menghasilkan
5
satu sisi muka, dan 16 yang menghasilkan dua sisi muka maka rata-rata banyknya sisi muka
yang muncul per lantunan ialah 1.06 tidak tergantung dari banyaknya lantunan, apakah 16
kali, 1000 kali ataupun malah 10.000 kali
Sekarang kita menggunakan frekuensi Nisbi ini untuk menghitung rata-rata banyaknya
sisi muka yang muncul per lantunan dua uang logam yang dapat kita harapkan dalam jangka
Panjang. Nilai rata-rata ini dinamakan rata-rata perubah acak X atau rataan distribusi
peluang X dan ditulis sebagai 𝜇𝑋 atau 𝜇 saja. Sering rata-rata ini disebut nilai harapan
matematika atau nilai harapan perubah acak X dinyatakan 𝐸(𝑋)
Misalnya uang yang dilantunkan setangkup (seimbang), ruang sampel percobaan
dinyatakan sebagai:
T={MM, MB, BM, BB}
Karena ke 4 titik sampel berpeluang sama, maka
1
𝑃(𝑋 = 0) = 𝑃(𝐵𝐵) =
4
1 1 1
𝑃(𝑋 = 1) = 𝑃(𝐵𝑀) + 𝑃(𝑀𝐵) = + =
4 4 2
1
𝑃(𝑋 = 2) = 𝑃(𝑀𝑀) =
4
Jika BM menyatakan bahwa kantunan pertama menghasilkan sisi belakang dan yang
kedua menghasilkan sisi muka. Peluang ini sebenarnya hanya frekunsi nisbi dalam jangka
Panjang untuk kejadian ini
1 1 1
Jadi 𝜇 = 𝐸(𝑋) = (0) (4) + (1) (2) + (2) (4) = 1
5.3. Nilai Harapan Satu Perubah Acak
Definisi (5.1):
Jika X suatu perubah acak dengan fungsi probabilitas 𝑓(𝑋) , maka nilai harapan atau
rata-rata perubah acak X adalah
  x f(x) ; jika X diskret

 x
 = E(X) =  
  x f(x)dx ; jika X kontinu
−
96
Contoh (5.2):
Carilah nilai harapan banyaknya statistikawan yang duduk dalam panitia adalah 3
orang yang dipilih secara acak dari 4 statistikawan dan 3 ahli biologi.
Jawab:
Misalkan X = banyaknya statistikawan dalam panitia.
X = {0, 1, 2, 3}
Fungsi probabilitasnya dinyatakan sebagai
f(x) =
( x )( 3 − x )
4 3
;x = 0,1, 2, 3
(73)
Dari perhitungan diperoleh:
f(0) = 1 ; f(1) = 12 ; f( 2) = 18 ; f(3) = 4

35 35 35 35
Dibuat tabel 5.1 distribusi probabilitas X
Tabel 5.1 Distribusi probabilitas perubah acak X
x 0 1 2 3
𝑓(𝑥) 1 12 18 1
35 35 35 35
Jadi nilai harapan banyaknya statistikawan yang duduk dalam panitia adalah
 = E(X) =  x f(x) = (0)( 1 ) + (1)( 12 ) + ( 2)( 18 ) + (3)( 4 ) = 12 = 1, 7

35 35 35 35 7
x
Contoh (5.3):
Dalam suatu permainan seseorang mendapat RP 5 jika dalam lantunan mata uang
logam sebanyak 3 kali akan muncul sisi muka semua atau sisi belakang semuanya, dan
membayar Rp3 jika muncul satu atau dua sisi muka dalam lantunan tersebut. Berapakah
harapan kemenangannya?
Jawab:
Ruang sampel mata uang logam dilantunkan 3 kali
T ={MMM, MMB, MBM, BMM, MBB, BMB, BBM, BBB}
1
Tiap titik sampel berpeluang sama dan berpeluang
8
Misal Y besarnya kemenangan

Nilai Y dalam lantunan yang mungkin terjadi adalah
97
Rp 5 jika kejadian yang muncul 𝐸1 = {𝑀𝑀𝑀, 𝐵𝐵𝐵} dan −Rp 3 jika kejadian yang
muncul 𝐸2 = { MMB, MBM, BMM, MBB, BMB, BBM }
2 6
𝑃(𝐸1 ) = 8 dan 𝑃(𝐸2 ) = 8
Tabel 5.2 distribusi peluang X
x 5 −3
𝑓(𝑥) 2/8 6/8
1 3
𝜇 = 𝐸(𝑋) = (5) (4) + (−3) (4) = −1
Artinya dalam taruhan ini si pemain akan kalah rata-rata Rp 1 per 3 lantunan.
Suatu permainan dianggap adil kalau si pemain rata-ratanya tidak menang ataupun
tidak kalah. Jadi jika harapan kemenagannya nol (kakalahan yang dianggap kemenangan
yang negatif)
Contoh (5.4):
Hitunglah harapan umur dari bolam lampu, jika diketahui bahwa X perubah acak yang
menyatakan umur (dalam jam) dari bolam lampu, yang dinyatakan dalam bentuk berikut:
 20.000 ; x  100

f(x) =  x3
 0 ; untuk x yang lainya
Jawab: menurut definisi nilai harapan

  
 20.000  20.000 20.000
 = E(X) =   x3 
x dx =  x2 dx = −
x 100
= 200
100 100
Jadi bolam lampu tersebut dapat diharapan (rata-ratanya)) berumur 200 jam
Sebagai kasus khusus

1
Jika peluang setiap nilai 𝑥𝑖 adalah sama, yaitu, 𝑛
maka
(x1 )( 1 ) + (x 2 )( 1 ) + ... + (xn )( 1 ) Atau x + x + ... + xn

n n n E(X) = 1 2
E(X) = n
n
Sifat-sifat Ekspektasi
1. Apabila a = konstan dan X perubah acak maka 𝐸(𝑎) = 𝑎 dan 𝐸(𝑎𝑋) = 𝑎 𝐸(𝑋)
2. Jika X dan Y perubah acak, maka 𝐸(𝑋 + 𝑌) = 𝐸(𝑋) + 𝐸(𝑌)
3. Jika a dan b konstan, dan 𝑌 = 𝑎𝑋 + 𝑏 maka berlaku
𝐸(𝑌) = 𝐸(𝑎𝑋 + 𝑏) = 𝐸(𝑎𝑋) + 𝐸(𝑏) = 𝑎𝐸(𝑋) + 𝑏
98
Contoh (5.5):
1. 𝐸(5) = −5 ; 𝐸(12) = 12 ; 𝐸(−17𝑌) = −17 𝐸(𝑌)
2. 𝐸(7𝑋 − 13𝑌) = 7𝐸(𝑋) − 13𝐸(𝑌)
3. 𝐸(−5𝑋 + 8) = −5𝐸(𝑋) + 𝐸(8) = −5𝐸(𝑋) + 8
Definisi 5.2
Jika X suatu perubah acak dengan fungsi probabilitas f(x), maka nilai harapan
perubah acak g(X) adalah
 g(x) f(x) ; jika X diskret
 x
 g(X) = E[g(X)] =  
  g(x) f(x) ; jika Xkontinu
 −
Contoh (5.6):
Jika X menyatakan banyaknya mobil yang datang di tempat pencuci mobil setiap hari
antara jam 1300 – 14.00 mempunyai distribusi probabilitas seperti pada tabel di bawah ini:
Tabel 5.3 Distribusi Probabilitas X
x 4 5 6 7 8 9
𝑃(𝑋 = 𝑥) 1/12 1/12 1/4 1/4 1/6 1/6
= 𝑓(𝑥)
Jika fungsi g(X) = 2X-1 menyatakan upah para karyawan yang dibayar perusahaan pada
jam tersebut (dalam ribuan rupiah), maka tentukan pendapatan yang diharapan karyawan
perusahaan tersebut.
Jawab:
Untuk g(X) = 2X-1
Menurut definisi diatas g(x) = E[g(X)]
9
( 2 x −1) = E( 2 X − 1) =  (2x − 1)f(x)
x=4
= (7)( 1 ) + (9)( 1 ) + (11)( 1 ) + (13)( 1 ) + (15)( 1 ) + (17)( 1 ) = 12, 67

12 12 4 4 6 6
Jadi harapan penerimaan upah para karyawan = Rp 12,67
Contoh(5.7)
Jika X suatu perubah acak dengan fungsi padat pobabilitas:
 x 2 ; untuk − 1  x  2

f(x) =  3
0 ; untuk x yang lainya
Maka hitung nilai harapan g(x) = 4X+3
99
Jawab:
Nilai harapan g(x) = 4X+3 adalah
2 2
x2
  ( 4x
( 4x +3) = E( 4 X + 3) = ( 4x + 3) dx = 1 3 + 3x 2 )dx = 8
3 3
−1 −1
5.4. Variansi Satu Perubah Acak

Variansi perubah acak X sangat berguna dalam memberikan gambaran mengenai
keragaman pengamatan di sekitar nilai rata-rata. Variansi dari perubah acak X diberi notasi
Var(X), 𝜎 2 dan akar positip dari variansi, 𝜎 disebut simpangan baku X.
Definisi (5.3):
Jika X suatu perubah acak dengan fungsi peluang f(x) dengan rata-rata 𝜇 ,
maka variansi X adalah

 
(x − )2 f(x) ; jika X diskret
 x
2 = E[(X −  )2 ] =  
 (x − )2 f(x)dx ; jika X kontinu

−
Rumus Variansi yang lain

Dari definisi diatas dapat di uraikan sbb
2 = E[(X −  )2 ] = E(X2 − 2 X +  2 )] = E(X2 ) − 2E(X) + E( 2 )]
Dengan 𝐸(𝑋) = 𝜇 konstanta dan 𝐸(𝜇2 ) = 𝜇2

Diperoleh 2 = E(X2 ) − 2 2 +  2 = E(X2 ) −  2
atau
2 = E(X2 ) − [E(X)]2
Definisi(5.4)
Variansi perubah acak X adalah 2 = E(X2 ) − [E(X)]2
Bukti: (kasus diskret)
2 =  (x −  )2 f(x) =  (x 2 − 2x +  2 ) f(x) =  x 2f(x) − 2 x f(x) +  2  f(x)

x x x x x
Karena  =  x f(x) dan  f ( x) = 1

x x
Diperoleh 2 = E(X2 ) − 2 2 +  2 = E(X2 ) −  2 = E(X2 ) − [E(X)]2
Bukti: (kasus kontinyu)
100
    
2 =  (x − )2 f(x)dx =  (x 2 − 2x +  2 ) f(x)dx =  (x 2 ) f(x)dx −   (
( 2x) f(x)dx + 2 ) f(x)dx
− − − − −
  
 (x  
= 2 ) f(x)dx − 2 x f(x)dx +  2 f(x)dx = E(X 2 ) − E(X) +  2 = E(X 2 ) − [E(X)] 2
− − −
Maka diperoleh
2 = E(X2 ) − [E(X)]2 dengan  f ( x) = 1

x
Definisi (5.5)
Jika X suatu perubah acak dengan fungsi peluang f(x), maka variansi perubah acak
g(X) adalah

 
[g(X) − g(X) ]2 f(x) ; X = diskrit
2  x
g(X) = E{[g(X) − g(X) ]2 } =  
  [g(X) − g(X) ]2 f(x)dx ; X = kontinu

−
Sifat-sifat Variansi
1. Apabila 𝑎 = konstan dan X perubah acak maka 𝑉𝑎𝑟(𝑎) = 0 dan
𝑉𝑎𝑟(𝑎𝑋) = 𝑎2 Var (X)
2. Jika X dan Y perubah acak, maka 𝑉𝑎𝑟(𝑋 + 𝑌) = 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑌)
3. Jika 𝑎 dan 𝑏 konstan, maka untuk 𝑌 = 𝑎𝑋 + 𝑏 berlaku
𝑉𝑎𝑟(𝑌) = 𝑉𝑎𝑟(𝑎𝑋 + 𝑏) = 𝑎2 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑏) = 𝑎2 𝑉𝑎𝑟(𝑋)
Karena 𝑉𝑎𝑟(𝑏) = 0
Contoh (5.8)
Berikut ini perubah acak X menyatakan banyaknya bagian yang cacat dari suatu mesin
jika 3 suku cadang disampling dari rantai produksi dan diuji. Kemudian hitung mean dan
variansinya pada tabel di bawah i
x 0 1 2 3
𝑓(𝑥) 0.51 0.38 0.10 0.01
Jawab: Kita coba hitung dengan dua rumusan

 = E(X) = (0)(0, 51) + (1)(0, 38) + ( 2 )( 0,10) + (3)( 0, 01) = 0, 61
Menggunakan rumus
𝜎 2 = ∑𝑥(𝑥 − 𝜇)2 𝑓(𝑥)
= (0 − 0.61)2 (0.51) + (1 − 0.61)2 (0.38) + (2 − 0.61)2 (0.10) + (3 − 0.61)2 (0.01)
= 0,4979
101
Var(X) = E(X2 ) − (E(X) )
Menggunakan rumus 2
kita cari dulu

E(X2 ) = (0)2 (0, 51) + (1)2 (0, 38) + ( 2 )2 ( 0,10) + (3)2 ( 0, 01) = 0, 87
Var(X) = E(X2 ) − (E(X) ) = 0, 87 − ( 0, 61)2 = 0, 4979

2
Sehingga diperoleh
Jadi banyaknya bagian yang cacat dari suatu mesin mempunyai variansi
sebesar 0,4979
Contoh (5.9)
Misalkan perubah acak X menyatakan banyaknya mobil yang digunakan untuk
keperluan dinas kantor pada setiap hari kerja. Dan mengikuti distribusi peluang sbb
Tabel (5.5)a. Distribusi Kantor A

x 1 2 3
𝑓(𝑥) 0.3 0.4 0.3
Tabel (5.5)b Distribusi Kantor B

x 0 1 2 3 4
𝑓(𝑥) 0.2 0.1 0.3 0.3 0.1
Tunjukan bahwa variansi distribusi peluang kantor B > dari pada variansi kantor A
Jawab:
Dihitung untuk kantor A
𝜇𝐴 = E(X) = (1)(0.3)+(2)(0.4)+(3)(0.3) =2.0
E(𝑋 2 ) = (12 )(0.3)+(22 )(0.4)+(32 )(0.3) =4.6
𝜎𝐴2 = 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)2 ]= 4.6- 4.0 = 0,6
Dihitung untuk kantor B

𝜇𝐵 = E(X) = (0)(0.2)+(1)(0.1)+(2)(0.3)+(3)(0.3)+(4)(0.1)=2.0
E(𝑋 2 ) = (02 )(0.2)+(12 )(0.1)+(22 )(0.3)+(32 )(0.3)+(42 )(0.1)=5.6
𝜎𝐵2 = 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)2 ]= 5.6- 4.0 = 1,6
Jadi , variansi banyaknya mobil yang digunakan untuk keperluan dinas kantor B lebih
besar dari pada kantor A
𝜎𝐴2 > 𝜎𝐵2
Contoh(5.10)
Permintaan mingguan Coca Cola (dalam liter), pada jaringan pemasaran daerah
merupakan perubah acak yang dapat dinyatakan dalam bentuk berikut:
2(x − 1) ; 1 x  2
f(x) = 
0 ;x yanglainya
102
Hitung nilai harapan (rata-rata) dan variansinya
Jawab:
2 2 2
 
Rata-rata:  = E(X) = (x) 2(x − 1)dx = 2 (x 2 − x)dx = 2( 1 x 3 − 1 x 2 )
3 2 1
=5
3
1 1
Untuk mencari variansi kita cari dulu:
2 2 2
 
E(X ) = (x ) 2(x − 1)dx = 2 (x3 − x 2 )dx = 2( 1 x 4 − 1 x3 ) = 17
2 2
4 3 1 6
1 1
Jadi variansinya:  2 = E(x 2 ) − (E(X)2 ) = 17 − ( 5 )2 = 1

6 3 18
Contoh(5.11):
Hitung variansi g(X) = 2X+3 ,jika perubah acak dengan distribusi probabilitas:
Tabel 5.6. Distribusi Probabilitas X

x 0 1 2 3
𝑓(𝑥) 1/4 1/8 1/2 1/8
Jawab:
Pertama-tama hitung rata-rata perubah acak 2X+3
3
2 X + 3 = E( 2 X + 3) =  (2x + 3)f(x) = (3)( 14 ) + (5)( 18 ) + (7)( 12 ) + (9)( 18 ) = 6
x =0
meggunakan definisi diatas pada kasus ini diperoleh
2 = E{[( 2 X + 3) − 2 X + 3 ]2 } = E{[ 2 X + 3 − 6]2 } = E[ 4 X2 − 12 X + 9]

2 X+3
3
=  (4x 2 − 12x + 9)f(x)
x =0
= (9)f(0) + (1)f(1) + (1)f( 2) + (9)f(3) = 4
Contoh (5.12):
Jika X perubah acak dengan fungsi probabilitas seperti contoh (5.7), maka cari
variansi perubah acak g(X) = 4X + 3
Jawab:
Dari contoh (5.7) diperoleh; E(4 X + 3) = 8

Menggunakan definisi diatas pada kasus ini diperoleh
103
2 = E{[( 4 X + 3) − 4 X + 3 ]2 } = E{[ 4 X + 3 − 8]2 }
4 X+3
= E[( 4 X − 5)2 ]
2 2 2
 ( 4x − 5)2 ( x )dx = 1  (16x
= 4 − 40x3 + 25x 2 )dx
3 3
−1 −1
2
= 1 (16 x5 − 40 x 4 + 25 x3 ) = 51
3 5 4 3 −1 5
Jadi variansi perubah acak g(X) = 4X + 3 adalah: 2 = 51

4 X+3 5
5.5. Konbinasi Linier Dari Perubah acak

Dibawa ini diberikan beberapa sifat yang berguna untuk menyederhanakan
perhitungan rata-rata dan variansi
Teorema (5.1): Jika a dan b konstanta sembarang, maka tunjukan bahwa

E(aX + b) = aE(X) + b
Bukti: Menurut definisi nilai harapan (kasus diskrit)
𝐸(𝑎𝑋 + 𝑏) = ∑𝑥(𝑎𝑋 + 𝑏)𝑓(𝑥) = ∑𝑥(𝑎𝑋)𝑓(𝑥) + ∑𝑥(𝑏)𝑓(𝑥) = 𝑎 ∑𝑥(𝑋)𝑓(𝑥) + 𝑏 ∑𝑥 𝑓(𝑥)
Karena 𝐸(𝑋) = ∑𝑥(𝑋)𝑓(𝑥) dan ∑𝑥 𝑓(𝑥) = 1
Maka 𝐸(𝑎𝑋 + 𝑏) = 𝑎 𝐸(𝑋) + 𝑏
Menurut definisi nilai harapan (kasus kontinnyu)

  
E(aX + b) =
 (ax + b)f(x)dx = a  x f(x)dx + b  f(x)dx = aE(X) + b
− − −
 
 x f(x)dx  f(x)dx = 1
dimana: E(X) = dan
− −
Akibatnya: 1. Jika diambil a=0, maka E(b) = b

2. Jika diambil b=0, maka E(aX) = aE(X)
Contoh (5.13):
Kembali ke contoh (5.6) menggunakan teorema diatas untuk menentukan perubah
acak g(X) = 2 X − 1
Jawab: E[g(x)] = E( 2 X − 1) = 2E(X) − 1
Menurut teorema diatas dapat dinyatakan
104
Dari contoh (5.6) tabel 5.3 diperoleh
9
E(X) =  x f(x) = (4)(121 ) + (5)(121 ) + (6)( 14 ) + (7)( 14 ) + (8)( 16 ) + (9)( 16 ) = 416
x =4
Jadi (6)
E( 2 X − 1) = 2E(X) − 1 = 2 41 − 1 = 12.67
Contoh (5.14):
Kembali ke contoh (5.7) menggunakan teorema diatas untuk mententukan perubah
acak g(X) = 4 X + 3
Jawab: Menurut teorema diatas dapat dinyatakan sebagai:
E[g(X)] = E( 4 X + 3) = 4E(X) + 3
2 2
 
2 3
E(X) =
Dari contoh (5.7) diperoleh x( x )dx = ( x )dx = 5
3 3 4
−1 −1
Jadi Hasilnya E( 4 X + 3) = 4E(X) + 3 = 4( ) + 3 = 8
5
4
Teorema (5.2):
Nilai harapan selisih dua (atau lebih) fungsi perubah acak X sama dengan jumlah
selisih dua (atau lebih) nilai harapan fungsi tersebut, yaitu
𝑬[(𝒈(𝑿) ± 𝒉(𝑿))] = 𝑬[𝒈(𝑿)] ± 𝑬[𝒉(𝑿)]
Bukti: (kasus Diskrit)
𝐸[(𝑔(𝑋) ± ℎ(𝑋))] = ∑∞ ∞ ∞
−∞(𝑔(𝑥) ± ℎ(𝑥)𝑓(𝑥) = ∑−∞(𝑔(𝑥)𝑓(𝑥) ± ∑−∞ ℎ(𝑥)𝑓(𝑥)
= 𝐸[𝑔(𝑋)] ± 𝐸[ℎ(𝑋)]
Jadi 𝑬[(𝒈(𝑿) ± 𝒉(𝑿))] = 𝑬[𝒈(𝑿)] ± 𝑬[𝒉(𝑿)]
(kasus Kontinu)
2 2 2
E[g(X)  h(X)] =
 [g(x)  h(x)]dx =  [g(x)f(x)]dx   [h(x)f(x)]dx
−1 −1 −1
= E[g(X)]  E[h(X)]
Jadi 𝑬[(𝒈(𝑿) ± 𝒉(𝑿))] = 𝑬[𝒈(𝑿)] ± 𝑬[𝒉(𝑿)]
Contoh (5.15):
Diketahui X perubah acak dengan distribusi probabilitas sbb:
Tabel 5.7. Distribusi Probabilitas X
x 0 1 2 3
𝑓(𝑥) 1/3 1/2 0 1/6
105
Carilah nilai harapan
Y = (X − 1)2
Jawab: Menurut teorema diatas maka nilai harapan fungsi
adalah E(Y) = E[(X − 1)2 ] = E(X2 − 2 X + 1) = E(X 2 ) − 2E(X) + 1
Dengan E(Y) = E[(X − 1)2 ] = E(X2 − 2 X + 1) = E(X 2 ) − 2E(X) + 1
Jadi E(X2 ) = (02 )( 1 ) + (12 )( 1 ) + ( 22 )( 0) + (32 )( 1 ) = 2

3 2 6
E[(X − 1)2 ] = 2 − ( 2)(1) + 1 = 1
Contoh (5.16):
Jika diketahui X perubah acak dengan fungsi padat sbb:
2(x − 1); 1  x  2
f(x) = 
0 ; untuk x lainya
Carilah nilai harapan g(X) = X2 + X − 2
Jawab:
Menurut teorema E[g(X)] = E(X2 + X − 2) = E(X 2 ) + E(X) − E( 2)
2 2
E(X) =  2x(x − 1)dx = 2  (x 2 − x)dx = 5
3
1 1
2 2
Akibatnya: E(X2 ) =  2x 2 (x − 1)dx = 2  (x3 − x 2 )dx = 17
6
1 1
Jadi E(g(X)) = E(X2 + X − 2) = 17 + 5 − 2 = 5

6 3 2
5.6. Nilai harapan untuk Dua Perubah Acak

Sekarang pengertian harapan matematik akan diperluas ke hal dengan dua perubah
acak X dan Y dengan distribusi peluang gabungan 𝑓(𝑋, 𝑌)
Definisi (5.6):
Jika X dan Y, perubah acak dengan fungsi probabilitas gabungan f(x,y), maka nilai
harapan perubah acak g(X,Y) adalah

  g ( x, y ) f ( x, y ) ; untuk x diskrit
 x y

 g ( X ,Y ) = E[ g ( X , Y )] = 
 
   g ( x, y ) f ( x, y ) dxdy; untuk x kontinyu
− −
Contoh (5.17):
Jika X dan Y suatu perubah acak dengan distribusi peluang gabungan seperti tabel
berikut:
106
Tabel. Distribusi Peluang Gabuangan X dan Y dari table 4.1

0 1 2
9 3 15
0 28 28 28
3 3 3
1
Y 14 14 7
1 1
2 28 28
Jumlah kolom 5 15 3 1
14 28 28
Hitung nilai harapan g(X,Y) = XY

Jawab: 2 2
[ g ( x, y )] = E[ g ( X , Y )] = E ( XY ) =   ( xy) f ( x, y)
x =0 y =0
= (0)(0)f (0,0) + (0)(1)f (0,1) + (0)(2)f (0, 2) + (1)(0)f (1,0) + (1)(1)f (1,1) + (2)(0)f (2,0)
= f (1,1) = 3
14
Contoh(5.18):
Hitung nilai harapan E Y (X) untuk fungsi padat peluang berikut:
 x (1 + 3 y 2 )
 ; 0  x  2;0  y  1
f ( x, y ) =  4
0 ; untuk x yang lainya
Jawab:
𝑌
Menurut definisi dengan 𝑔(𝑋, 𝑌) = 𝑋
Sehingga 1 2
(X)  
E Y =
y x (1+ 3y2 )
( )[
x 4
]dx dy
y =0 x =0
1 2
y (1+ 3y 2 )
=
  4
dx dy
y =0 x =0
1
y + 3y 2 )
=
 2
dy = 5
8
y =0
107
Catatan: Jika dalam definisi (5.6) untuk g(X,Y) = X, dan untuk g(X,Y) = Y maka
  ( x) f ( x, y ) =  ( x) g ( x); jika X diskret

 x y x
E( X ) =    
   ( x) f ( x, y )dxdy =  ( x) g ( x)dx ; jika X kontinu
− − −
dan
  ( y ) f ( x, y ) =  ( y )h( y ); jika X diskret


 x y x
E (Y ) =    
   ( y ) f ( x, y )dxdy =  ( y )h( y )dy ; jika X kontinu
− − −
dimana: g(x) distribusi marginal X dan h(y) distribusi marginal Y
5.7. Kovariansi
Sekarang bila 𝑔(𝑋, 𝑌) = (𝑋 − 𝜇𝑥 )(𝑌 − 𝜇𝑌 ) dengan 𝜇𝑥 = 𝐸(𝑋) dan 𝜇𝑌 = 𝐸(𝑌). Definisi
5.6 memberikan nilai harapan yang disebut kovariansi X dan Y, dinyatakan sebagai lambing
cov (X,Y) atau 𝜎𝑋𝑌
Definisi (5.7):
Jika X dan Y suatu perubah acak dengan fungsi peluang gabungan 𝑓(𝑋, 𝑌), maka
kovariansi dari X dan Y dinyatakan sebagai
2XY = E [( X −  X )(Y −  Y )]

  ( x −  X )( y −  Y ) f ( x, y ); untuk x diskrit
 x y

=
 

 
( x −  X )( y −  Y ) f ( x, y ) dx dy; untuk x kontinu
 − −
Teorema (5.3)
Kovariansi dua perubah acah X dan Y dengan rata-rata masing-masing 𝜇𝑋 dan 𝜇𝑌
diberikan oleh rumus:
2XY = E ( XY ) −  x y
Bukti:
Untuk kasus X dan Y diskrit
108
2 =  ( x −  x )( y −  y ) f ( x, y )
XY
x y
=  ( xy −  x y −  y x +  x y ) f ( x, y )
x y
=  xy f ( x, y ) −  x  y f ( x, y ) −  y  x f ( x, y ) +  x y  f ( x, y )
x y x y x y x y
Karena
E (X, Y) =  xy f ( x, y);  x =  xf ( x, y );
x y x y
 y =  y f ( x, y ); dan  f ( x, y) = 1
x y x y
Maka
2 = E ( XY ) −  x y −  x y +  x y
XY
atau
2 = E ( XY ) −  x y
XY
Untuk kasus X dan Y kontinu
(seperti dalam kasus diskrit dengan mengganti tanda jumlahan dengan integral)
 
2
XY
=   ( x −  x )( y −  y ) f ( x, y ) dx dy
− −
 
=   ( xy −  x y −  y x +  x y ) f ( x, y ) dx dy
− −
       
=   xy f ( x, y )dxdy −  x   y f ( x, y )dxdy −  y   x f ( x, y )dxdy +  x y   f ( x, y )dxdy
− − − − − − − −
Karena
   
E ( XY ) =   xy f ( x, y ) dx dy ;  x =   x f ( x, y )dx dy ;
− − − −
   
y =   y f ( x, y ) dx dy ; dan   f ( x, y ) dx dy = 1
− − − −
Maka
2 = E ( XY ) −  x y −  x y +  x y
XY
Atau dinyatakan 2 = E ( XY ) −  x y
XY
109
Contoh(5.19)
Pandang contoh 5.17. carilah kovariansi dari perubah acak X dan Y
Jawab:
Dari contoh 5.17 diperoleh 𝐸(𝑋𝑌) = 3/14
Sekarang dicari 𝐸(𝑋) dan 𝐸(𝑌)
2 2 2
x = E( X ) =  x f ( x, y ) =  x g ( x) = (0)(145 ) + (1)( 15
28
) + (2)( 3 ) = 3
28 4
x =0 y =0 x =0
2 2 2
 y = E (Y ) =   y f ( x, y) =  y h( y) = (0)( 15
28
) + (1)( 3 ) + (2)( 1 )
7 28
=1
2
x =0 y =0 y =0
Sehingga diperoleh kovariansi dari X dan Y adalah
 XY = E(XY) −  x  y = 3 − ( 3 )( 1 ) = − 9
14 4 2 56
Contoh (5.20):
Jika perubah acak X dan Y dengan fungsi padat gabungan diberikan sbb:
8 xy; 0  x  1, 0  y  x
f ( x, y ) = 
0; untuk x, y yang lainya
maka carilah kovariansi dari X dan Y
Jawab:
Menggunakan distribusi Piasnya diperoleh
4 x3 ; 0  x  1 dan 4 y(1 − y 2 ) ; 0  y  1

g(x) =  h(y) = 
 0 ;x yanglain  0 ;x yanglain
1 1
diperoleh

 x = E(X) = 4x 4dx = 4
5
dan  y = E(Y) =  4y 2 (1 − y 2 )dy = 8
15
0 0
Jadi kovariansi dari X dan Y:
11
E ( XY ) =   8 x 2 y 2dxdy = 4
9
0y
 XY = E(XY) −  x  y = 4 − ( 4 )( 8 ) = 4
9 5 15 225
110
Teorema 5.4
Jika X dan Y dua perubah acak yang bebas, maka 𝐸(𝑋𝑌) = 𝐸(𝑋) 𝐸(𝑌)
Bukti:
(kasus kontinnyu)
 
E ( XY ) =   xy f ( x, y )] dx dy
− −
Karena X dan Y bebas, maka dapat ditulis 𝑓(𝑥, 𝑦) = 𝑔(𝑥)ℎ(𝑦)

Dimana 𝑔(𝑥) dan ℎ(𝑥) merupakan distribusi pias, sehingga
   
E(XY) =   xy g(x)h(y) dx dy =  xg(x)dx  y h(y) dy = E(X)E(Y)
− − − −
Terbukti
𝐸(𝑋𝑌) = 𝐸(𝑋) 𝐸(𝑌)
Contoh (5.21):
Misalkan X dan Y perubah acak bebas dengan distribusi probabilitas gabungan:
 x(1+3y 2 )
f(x,y) =  4 ; 0  x  2, 0  y  1
 0 ; untuk xlainya
Apakah
𝐸(𝑋𝑌) = 𝐸(𝑋) 𝐸(𝑌)
Jawab:
12 12 1 x=2
x (1+3 y 2 ) x 2 y (1+3 y 2 ) x3 y (1+3 y 2 )
E ( XY ) =   xy dx dy =  dx dy =  dy
4 4 12
00 00 0 x =0
1
2 y (1+3 y 2 )
= dy = 5
3 6
0
12 12 1 x=2
x (1+3 y 2 ) x 2 (1+3 y 2 ) x3 (1+3 y 2 )
E( X ) =   x dx dy =  dx dy =  dy
4 4 12
00 00 0 x =0
1
2(1+3 y 2 )
= dy = 4
3 3
0
111
12 12 1 x=2
x (1+3 y 2 ) xy (1+3 y 2 ) x 2 y (1+3 y 2 )
E (Y ) =  y dx dy =  dx dy =  dy
4 4 8
00 00 0 x =0
1
y (1+3 y 2 )
=  2
dy = 5
8
0
4 5 5
Jadi 𝐸(𝑋) 𝐸(𝑌) = ( ) ( ) = = 𝐸(𝑋𝑌)
3 8 8
5.8. Teorema Chebyshev

Telah dikemukakan diatas bahwa variansi perubah acak akan memberikan gambaran
mengenai keragaman pengamatan di sekitar rata-rata. Bila variansi dan simpangan baku
dari perubah acak kecil maka dapat diharapkan bahwa pengamatan akan mengelompok di
sekitar nilai rata-rata. Sehingga probabilitas perubah acak dalam selang tertentu di sekitar
rata-rata akan lebih besar dari perubah acak serupa, yang lebih besar simpangan bakunya.
Tetapi jika nilai 𝜎 besar menyatakan keragaman yang lebih besar, sehingga dapat
diharapkan pengamatan akan lebih menyebar. Perhatikan gambar 5.1 dan 5.2 dibawah ini.
GB 5.1 Keragaman pengamatan di sekitar rata-rata
GB 5.2. Keragaman pengamatan dengan 𝜇1 ≠ 𝜇2 ; 𝜎12 = 𝜎22
112
Teorema 5.5
Probabilitas setiap perubah acak X mendapat nilai dalam k-simpangan baku dari nilai
rata-rata adalah sekurang-kurangnya atau paling sedikit (1- 1/𝑘 2 ) yaitu
1
𝑃(𝜇 − 𝑘𝜎 < 𝑋 < 𝜇 + 𝑘𝜎) ≥ 1 −
𝑘2
Bukti
Menurut Definisi terdahulu mengenai Variansi X maka dapat ditulis sebagai
𝜎 2 = 𝐸 [(𝑋 − 𝜇)2 ]
∞
= ∫−∞(𝑥 − 𝜇)2 f(x) dx
𝜇−𝑘𝜎 𝜇−𝑘𝜎 ∞
= ∫−∞ (𝑥 − 𝜇)2 f(x) dx + ∫𝜇+𝑘𝜎 (𝑥 − 𝜇)2 f(x) dx + ∫𝜇+𝑘𝜎(𝑥 − 𝜇)2 f(x) dx
𝜇−𝑘𝜎 ∞
≥ ∫−∞ (𝑥 − 𝜇)2 f(x) dx + ∫𝜇+𝑘𝜎(𝑥 − 𝜇)2 f(x) dx
Karena suku yang kedua dari ketiga integral tak negative.

Sekarang karena |𝑥 − 𝜇| ≥ 𝑘𝜎 ; asal 𝑥 ≥ 𝜇 + 𝑘𝜎 atau 𝑥 ≤ 𝜇 − 𝑘𝜎
Diperoleh (𝑥 − 𝜇)2 ≥ 𝑘 2 𝜎 2 dalam kedua integral lainnya
Maka
𝜇−𝑘𝜎 ∞
𝜎 2 ≥ ∫−∞ 𝑘 2 𝜎 2 f(x) dx + ∫𝜇+𝑘𝜎 𝑘 2 𝜎 2 f(x) dx
𝜇−𝑘𝜎 ∞ 1
Dan ∫−∞ f(x) dx + ∫𝜇+𝑘𝜎 f(x) dx ≤ 𝑘2
Sehingga
𝜇−𝑘𝜎
1
𝑃(𝜇 − 𝑘𝜎 < 𝑋 < 𝜇 + 𝑘𝜎) = ∫ (𝑥 − 𝜇)2 f(x) dx ≥ 1 −
𝑘2
𝜇+𝑘𝜎
Contoh (5.22):
Suatu perubah acak X mempunyai rata-rata 𝜇 = 8 dan 𝜎 2 = 9 sedangkan distribusi
probabilitasnya tidak diketahui. Hitunglah
a. 𝑃(−4 < 𝑋 < 20)
b. 𝑃(|𝑋 − 8| ≥ 6
Jawab:
a. P[ −4  X  20) = P(8 − ( 4)(3)  X  8 + ( 4)(3)]  15
16
113
b. P( X − 8  6) = 1 − P( X − 8  6) = 1 − P( −6  X − 8  6)
= 1 − P[8 − ( 2)(3)  X  8 + ( 2)(3)]  1
4
5.9. Soal-soal Latihan
1. Perubah acak X menyatakan banyaknya serpihan coklat pada sebuah kue

mempunyai distribusi peluang
x 2 3 4 5 6
𝑓(𝑥) 0.01 0.25 0.4 0.3 0.04
Carilah:
a. Rata-rata dan Variansi perubah acak X
b. Rata-rata dan Variansi perubah acak 𝑔(𝑋) = 3𝑋 − 2
2. Misalkan 0, 1, 2, 3 adalah jumlah seringnya mati listrik di suatu daerah dalam

sebulan dengan peluang masing-masing 0.4, 0.3, 0.2, dan 0.1
Jika X menyatakan banyaknya mati listrik pada daerah tadi, maka carilah:
a. Rata-rata dan Variansi perubah acak X
b. Rata-rata dan Variansi perubah acak g(X) = 5X+3
3. Bila keuntungan penjual mobil bar, satu juta rupiah(dalam satuan) dapat dipandang
sebagai perubah acak X yang mempunyaifungsi padat
𝑓(𝑥) = {2(1−𝑥); 0<𝑥<1

0 ; 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
a. Hitung keuntungan rata-rata per mobil

b. Cari variansi dari perubah acak X
4. Bila poporsi X mempunyai fungsi padat

2(𝑥+2)
; 0<𝑥<1
5
𝑓(𝑥) = { 0 ; 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
a. Berapa bagian dari orang yang dapat diharapkan akan menjawab tawaran lewat
POS
b. Hitung variansinya
5. Fungsi padat perubah acak kontinu X menyatakan jumlah jam dalam satuan 100
jam, untuk mesai penghisap debu digunakan setahun oleh sebuah keluarga
berbentuk
114
𝑥 ; 0<𝑥<1
2−𝑥 ; 1≤𝑥<2
𝑓(𝑥) = { 0 ; 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
a. Cari rata-rata jumlah jam setahun keluarga tadi menggunakan mesin tersebut
b. Hitung rata-rata perubah acak 𝑌 = 60𝑋 2 + 39𝑋
c. Hitung variansinya
6. Misalkan X menyatakan hasil yang muncul bila suatu dadu setangkup dilantunkan.
Bila 𝑔(𝑥) = 3𝑋 2 + 8
a. Hitung 𝜇𝑔(𝑥)
2
b. Cari 𝜎𝑔(𝑥)
7. Misalkan X adalah perubah acak dengan distribusi peluang

x −3 6 9
𝑓(𝑥) 1 1 1
6 2 3
Bila 𝑔(𝑋) = (2𝑋 + 1)2
a. Hitung 𝜇𝑔(𝑥)
2
b. Cari 𝜎𝑔(𝑥)
8. Kembali ke soal nomor 3 di bab 4, cari kovariannya
11. Kembali kepada perubah acak X dan Y dengan distribusi peluang gabungan seperti
soal no 13 di bab 4. Hitunglah
a. 𝐸(2𝑋 − 3𝑌)
b. 𝐸(𝑋𝑌)
12. Gunakan distribusi probabilitas gabungan pada contoh soal 4.4. untun menghitung
𝐸(2𝑋𝑌 2 − 𝑋 2 𝑌)
13. Misalkan perubah acak X dan Y bebas dengan fungsi peluang
115
8
3 ; 𝑥>2 2𝑦 ; 0<𝑦<1
𝑔(𝑥) = {𝑥 0 ; 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
dan ℎ(𝑦) = { 0 ; 𝑦 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Cari nilai Z = XY
14. Bila funsi padat gabungan X dan Y berbentuk

2
(𝑥+2𝑦) ; 0<𝑥,1 , 1<𝑦<2
𝑓(𝑥, 𝑦) = {7 0 ;𝑥,𝑦 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
𝑋
Cari nilai harapan 𝑔(𝑋𝑌) = + 𝑋2𝑌
𝑌3
15. Jika kita punya fungsi padat gabungan X dan Y di bawah ini
𝑓(𝑥) = {6𝑥(1−𝑥)
0
;0<𝑥<1
; 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
a. Cari 𝑃[(𝜇 − 2𝜎) < 𝑋 < (𝜇 + 2𝜎)]

b. Bandingkan dengan hasil teorema chebyshev
16. Diketahui fungsi padat gabungan

𝑥+𝑦 ; 0<𝑥<1 ,0<𝑦<1
𝑓(𝑥, 𝑦) = { 0 ; 𝑥 𝑑𝑎𝑛 𝑦 𝑦𝑎𝑛𝑔𝑎 𝑙𝑎𝑖𝑛
Tentukan nilai kovariansi dari X dan Y
116
Referensi
1. Walpole RE, Myers, YE, 2012, Probability & Statistics for Enginers & Scienstist ,
ninth edition, Pearson Prentice Hall Inc, New Jerscy
https://nnquan.files.wordpress.com/2013/01/probability-statistics-for-engineers-
scientists-9th-edition-walpole.pdf
2. Walpole RE, Myers, YE, 2007, Instructor’s Solution Manual for Probability &
Statistics for Enginers & Scienstist , eighthth edition
https://www.google.co.id/webhp?sourceid=chrome-
instant&ion=1&espv=2&ie=UTF-
8#q=probability+%26+statistics+for+engineers+%26+scientists+(9th+edition)+-
+walpole+solution+manual
3. jurnal probability & statistics: https://www.hindawi.com/journals/jps/
117
Buku Pegangan
Pengantar Teori Probabilitas

Mata kuliah ini memberikan pengalaman terhadap mahasiswa tentang
1. Konsep-konsep Probabilitas (ruang sampel dan kejadian, sifat-sifat kejadian,
mencacah titik sampel, aksioma probabilitas, dalil-dalil probabilitas, dan probabilitas
bersyarat,
2. Konsep Peubah Acak diskrit & kontinyu, fungsi probabilitas, distribusi probabilitas,
nilai harapan dan variance
3. Konsep Peubah acak berganda dan fungsi kepekatan (density Function) bersama:
fungsi peluang marginal, fungsi peluang bersyarat, kebebasan antar peubah acak,
Mean dan variansi serta covariance.
4. Mampu mengimplementasikan teknik-teknik probabilitas kedalam permasalahan
sehari-hari secara benar dan tepat
Penerbit :
AKPRIND PRESS
Jl. Kalisahak no 28 Yogyakarta

Fix - Pengantar Teori Probabilitas (Noeryanti) - Perpus

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Fix - Pengantar Teori Probabilitas (Noeryanti) - Perpus

Diunggah oleh

Hak Cipta:

Format Tersedia

Pengantar Teori

Undang-undang Nomor 7 tahun 1987

(1) Barang siapa dengan sengaja mengumumkan atau memperbanyak

(2) Barang siapa dengan sengaja menyiarkan, memamerkan,

PENGANTAR TEORI PROBABILITAS

Hak cipta 2021 pada penullis, dilarang keras mengutip, menjiplak,

HAK CIPTA DILINDUNGI OLEH UNDANG-UNDANG

Assalamualaikum Warohmatullahi Wabarokatuh

Wassalamu’alaikum Warohmatullahi Wabarokatuh.

Yogyakarta, Juli 2021

1.2. Probability Sampling dan Non Probability Sampling

Gambar 1.1. Non-Probability Sampling

1.3. Pengamatan, Ruang Sampel dan Kejadian

Gambar 1.3 sepasang dadu

Gambar 1.4. Koin dan dadu

Gambar 1.5 diagram pohon hasil percobaan

Gambar 1.6 diagram pohon percobaan

Gambar 1.7 diagram pohon percobaan

1.4. Prinsip Analisis Kombinatorik

GB 1.8a Pengambilan dengan pengembalian

GB 1.8b Pengambilan tanpa pengembalian

Selanjutnya perhatikan contoh lainberikut ini:

1.4.1. Kaidah Perkalian

Ada 30 macam pilihan

1.4.2. Permutasi dan Kombinasi

Dari dua permasalahan tersebut, dapatkah kalian membedakan manakah

b) Permutasi dan Kombinasi dalam Kehidupan Sehari-hari

c) Perbedaan Permutasi dan Kombinasi

GB 1. 10 gambaran 6 orang duduk mengitari meja bundar

Jadi banyaknya permutasi (urutan) ada 24 cara

Dimana: n = n1 + n2+ . . .+nk

C(n, r) = n!/(r! (n – r)!)

1.5. Soal Latihan

2.2. Peluang suatu Kejadian

2.3. Definisi Peluang, dan Frekuensi Harapan

Dengan: n(A) = banyaknya kemungkinan yang muncul pada kejadian A

Nilai angka peluang menyimbolkan persentase kemungkian sebuah kejadian yang

2.4. Peluang Komplemen Suatu Kejadian

P(AC) = 1 – P(A) atau P(A) + P(AC) = P(S) = 1

Contoh (2. 6):

Contoh (2. 7):

Catatan: Kejadian Majemuk

2.5. Aturan Penjumlahan

P(A  B) = P(A) + P(B) − P(A  B) = 2 + 4 − 1 = 31

Banyaknya cara untuk memilih 2 dari 12 barang = 𝑛(𝑠) = (12) = 2!

Dimisalkan : A = kejadian terpilihnya kedua barang cacat

2.6. Probabilitas Bersyarat

Tabel 2.2 . Populasi Orang Dewasa Telah Tamat SMU

P(E) = 600 = 2 P(M  E) = 460 = 23

dan 𝑃(𝐵⁄𝐴) ≠ 𝑃(𝐵). Jika tidak demikian, A dan B tidak bebas

2.7. Aturan Perkalian

Dengan demikian 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵)𝑃(𝐴⁄𝐵) atau 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵⁄𝐴)

Atau 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵)𝑃(𝐴⁄𝐵) = 𝑃(𝐴)𝑃(𝐵⁄𝐴)

Yang ditanyakan peluang kedua sekering itu rusak. → P (𝐴 ∩ 𝐵)?

P[(H1  H2 )atau (M1  H2 )] = P(H1  H2 ) + P(M1  H2 )

𝑃(𝐴1 ∩ 𝐴2 ,∩. . .∩ 𝐴𝑛 ) = 𝑃(𝐴1 )𝑃(𝐴2 ) . . . 𝑃(𝐴𝑛 )

A dan B adalah kejadian-kejadian yang bebas, jadi probabilitas bahwa dalam

P(C  D) = P(C) P D ( C) = (127 ) (115 ) = 132

2.8. Aturan Bayes

Diperoleh 𝑃(𝐵)𝑃(𝐴⁄𝐵) = 𝑃(𝐴)𝑃(𝐵⁄𝐴)

a. Pandang diagram veen GB 2.4 dibawah ini

P(A) = P (E  A)  (Ec  A)

Laki-laki 460 40 500