Hukum Dasar Probabilitas dalam Kehidupan Sehari-hari atau Bidang Industri (Aturan
Teorema Bayes, Hukum Penjumlahan, dan Hukum Perkalian)
Disusun Oleh:
FAKULTAS TEKNIK
2023
I. Pengertian Hukum Dasar Probabilitas
Aturan penjumlahan dalam hukum dasar probabilitas merupakan salah satu konsep
fundamental yang menjelaskan bagaimana menghitung probabilitas terjadinya setidaknya satu
dari beberapa peristiwa yang mungkin terjadi. Aturan ini bisa dibagi menjadi dua jenis: untuk
peristiwa yang saling eksklusif dan untuk peristiwa yang tidak saling eksklusif.
a. Untuk Peristiwa yang Saling Eksklusif: Jika dua peristiwa (atau lebih) tidak bisa terjadi
bersamaan, maka dikatakan saling eksklusif. Dalam kasus ini, probabilitas terjadinya
salah satu peristiwa tersebut adalah jumlah probabilitas masing-masing peristiwa.
Matematis, jika A dan B adalah dua peristiwa eksklusif, maka P(A atau B) = P(A) +
P(B). Sebagai contoh, ketika melempar dadu, probabilitas mendapatkan angka 2 atau 4
adalah P(2) + P(4), yang jika dadu tersebut adil (setiap angka memiliki kemungkinan
yang sama untuk muncul) akan menjadi 1/6 + 1/6 = 1/3.
b. Untuk Peristiwa yang Tidak Saling Eksklusif: Jika dua peristiwa bisa terjadi bersamaan,
maka mereka tidak saling eksklusif. Dalam kasus ini, kita harus mengurangi probabilitas
kedua peristiwa terjadi bersamaan dari jumlah probabilitas masing-masing peristiwa
untuk menghindari penghitungan ganda. Secara matematis, P(A atau B) = P(A) + P(B) -
P(A dan B). Sebagai contoh, jika kita memilih kartu dari dek standar, probabilitas
mendapatkan hati atau raja adalah P(hati) + P(raja) - P(hati dan raja), karena ada satu
kartu (Raja Hati) yang terhitung dalam kedua kategori.
Contoh Soal :
Dari 200 orang mahasiswa yang diwisuda, ditanya apakah akan bekerja atau kuliahS2
setelah wisuda. Tenyata 120 orang berencana akan bekerja, 40 orang berencana akan S2,
dan 50 orang berencana salah satu dari keduanya (bekerja atau S2). Seorang wisudawan
dipilih secara acak. Berapa peluang wisudawan yang terpilih akan berencana bekerja
sambil kuliah S2 ?
Penyelesaian ;
A = kejadian memilih wisudawan yang akan bekerja → P(A) = 120 / 200
B = Kejadian memilih wisudawan yang akan S2 → P(B) = 40 / 200
A ∪ B = kejadian memilih wisudawan yang akan bekerja atau S2 → P (A ∪ B) = 50 /
200
Ditanya P (A ∩ B) = ?
P (A ∩ B) = P (A) + P(B) - P (A ∪ B)
= 120/200 + 40/200 - 50/200
= 110 / 200
= 0,55
Contoh Soal :
Sebuah kotak berisi 30 sekering, 10 diantaranya rusak. Bila akan mengambil 3 sekering
secara acak satu per satu (tanpa pemulihan), berapa peluang sekering yang diambil itu
keduanya rusak?
Penyelesaian:
A = kejadian terambilnya sekering yang pertama rusak.
𝐵/𝐴 = kejadian terambilnya sekering yang kedua rusak, setelah terambil sekering pertama
rusak. Maka :
𝑃 (𝐴) = 10 / 30 (karena 10 buah rusak dari 30 buah)
𝑃 (B / A) = 10−1 / 30−1 = 9 / 29 (karena setelah yang pertama rusak, yang masih dalam
kotak 29, 9 buah diantaranya rusak)
𝑃 (𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵/𝐴)
𝑃 (𝐴 ∩ 𝐵) = 10 /30 ∙ 9 / 29
𝑃 (𝐴 ∩ 𝐵) = 90/870 = 3/29 = 0,103%
Jadi, peluang sekering yang diambil itu keduanya (pertama dan kedua) rusak adalah 3/29
atau 0,103%
Teorema Bayes, yang dinamai setelah Thomas Bayes, adalah salah satu prinsip
penting dalam teori probabilitas. Teorema ini menyediakan cara untuk merevisi
probabilitas yang ada berdasarkan bukti baru. Ini sangat penting dalam konteks
probabilitas bersyarat, yaitu probabilitas suatu peristiwa dengan mempertimbangkan
informasi tambahan.
Di mana:
- P (A|B) adalah probabilitas bersyarat dari A terjadi, mengingat B terjadi.
- P (B|A) adalah probabilitas bersyarat dari B terjadi, mengingat A terjadi.
- P(A) dan P(B) adalah probabilitas masing-masing dari terjadinya A dan B.
Contoh penggunaannya adalah dalam konteks diagnostik medis. Misalkan kita ingin
mengetahui probabilitas seorang pasien menderita suatu penyakit berdasarkan hasil tes.
Jika kita tahu probabilitas umum penyakit itu dalam populasi (P(penyakit)) dan
keakuratan tes (P(tes positif | penyakit) dan P(tes positif | tidak penyakit)), kita dapat
menggunakan Teorema Bayes untuk menghitung probabilitas pasien tersebut menderita
penyakit tersebut, mengingat mereka mendapat hasil tes positif.
Teorema Bayes juga memiliki aplikasi yang luas di bidang lain seperti pembelajaran
mesin, analisis keputusan, dan statistik.
Contoh Soal :
Suatu pabrik menggunakan tiga buah mesin untuk menghasilkan sejenis barang. Produksi
harian dari mesin pertama, kedua dan ketiga masing-masing sebesar 250, 550, dan 200
unit. Informasi lainnya bahwa persentase cacat produk mesin pertama, kedua dan ketiga
masing-masing adalah lima persen (5%), 2 persen (2%) dan empat persen (4%).
Tentukan :
a. Jika sebuah produk dari pabrik tersebut diambil secara acak, berapa peluang produk
tersebut cacat?
b. Jika sebuah produk diambil dan setelah diperiksa cacat, berapa peluang bahwa produk
tersebuat berasal dari : (i) mesin pertama, (ii) mesin kedua, dan (iii) mesin ketiga?
Penyelesaian :
a. Misalkan, A = kejadian terambilnya produk yang cacat, ditanyakan P(A)=?
𝑛 𝑀1 = 250 (jumlah produk mesin pertama)→𝑃 (𝑀1) =250 /1000 (peluang terambilnya
produk mesin pertama)
Grinstead, C.M., & Snell, J.L. (1997). "Introduction to Probability". American Mathematical Soc
Fienberg, S. E. (2006). "When Did Bayesian Inference Become "Bayesian"?" Bayesian Analysis.
McGrayne, S. B. (2011). "The Theory That Would Not Die". Yale University Press