Tugas Makalah

Hukum Dasar Probabilitas dalam Kehidupan Sehari-hari atau Bidang Industri (Aturan
Teorema Bayes, Hukum Penjumlahan, dan Hukum Perkalian)

Disusun Oleh:

Tegar Hari Sulistiawan 2241622620127 TI22D

5

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS BUANA PERJUANGAN KARAWANG

2023
I. Pengertian Hukum Dasar Probabilitas

Hukum dasar probabilitas adalah kumpulan prinsip yang mengatur bagaimana

kita menghitung kemungkinan terjadinya suatu peristiwa atau kombinasi peristiwa
Hukum dasar probabilitas ini sangat penting dalam berbagai aplikasi, seperti dalam
statistik untuk analisis data, dalam ilmu pengetahuan untuk membuat prediksi
berdasarkan eksperimen, dan dalam kehidupan sehari-hari untuk membuat keputusan
berdasarkan informasi yang tersedia.
Hukum dasar probabilitas adalah fondasi dari teori probabilitas, yang merupakan
cabang matematika yang berfokus pada analisis dan perhitungan kemungkinan terjadinya
berbagai peristiwa. Hukum-hukum ini membantu dalam mengartikulasikan dan
memprediksi perilaku acak dalam eksperimen, penelitian, dan situasi kehidupan nyata.

Ada beberapa hukum dasar yang digunakan dalam aturan probabilitas,

diantaranya

1. Aturan hukum penjumlahan

2. Aturan Perkalian
3. Aturan Teorema Bayes

II. Aturan Hukum Penjumlahan

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

III. Aturan Hukum Perkalian

Aturan perkalian dalam hukum dasar probabilitas adalah konsep penting yang digunakan
untuk menghitung probabilitas terjadinya dua peristiwa atau lebih secara bersamaan.
Aturan ini memiliki dua bentuk utama, tergantung pada apakah peristiwa-peristiwa
tersebut independen atau dependen.

1. Peristiwa Independen: Dua peristiwa dianggap independen jika terjadinya satu

peristiwa tidak mempengaruhi terjadinya peristiwa lain. Dalam kasus peristiwa
independen, aturan perkalian menyatakan bahwa probabilitas kedua peristiwa terjadi
bersamaan (secara bersamaan) adalah produk dari probabilitas masing-masing peristiwa.
Matematis, jika A dan B adalah dua peristiwa independen, maka P(A dan B) = P(A) ×
P(B). Sebagai contoh, ketika melempar dua dadu yang berbeda, probabilitas mendapatkan
angka 6 pada kedua dadu adalah 1/6 (untuk dadu pertama) dikali 1/6 (untuk dadu kedua),
yaitu 1/36.

2. Peristiwa Dependend (Bergantung) : Dua peristiwa dianggap bergantung jika

terjadinya satu peristiwa mempengaruhi terjadinya peristiwa lain. Dalam kasus ini,
probabilitas peristiwa kedua tergantung pada hasil dari peristiwa pertama. Aturan
perkalian untuk peristiwa dependen menyatakan bahwa P(A dan B) = P(A) × P(B | A), di
mana P(B | A) adalah probabilitas peristiwa B terjadi mengingat bahwa peristiwa A sudah
terjadi. Misalnya, dalam permainan kartu, probabilitas mengambil dua as secara
berurutan dari dek yang penuh (tanpa mengembalikan kartu pertama) adalah P(as
pertama) × P(as kedua | as pertama sudah diambil), yaitu 4/52 × 3/51.

Pemahaman aturan perkalian sangat penting untuk menghitung probabilitas gabungan

dari peristiwa-peristiwa yang saling terkait. Aturan ini banyak digunakan dalam berbagai
bidang, seperti statistik, ilmu komputer, genetika, dan analisis risiko.

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%

IV. Aturan Teorema bayes

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.

Secara matematis, Teorema Bayes dirumuskan sebagai berikut:

P(A|B) = P(B|A) x P(A) / P(B)

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.

Inti dari Teorema Bayes adalah memperbarui pengetahuan kita tentang

probabilitas suatu peristiwa berdasarkan informasi tambahan atau bukti. Teorema ini
sangat berharga dalam konteks ilmiah dan penelitian karena memungkinkan peneliti
untuk menilai probabilitas hipotesis berdasarkan hasil eksperimental atau data terkumpul.

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)

𝑛 𝑀2 = 550 (jumlah produk mesin kedua) →𝑃 𝑀2 = 550/1000 (peluang terambilnya

produk mesin kedua)
𝑛 𝑀3 = 200 (jumlah produk mesin ketiga) →𝑃 𝑀3 = 200/1000 (peluang terambilnya
produk mesin ketiga)

𝑃 (𝐴/𝑀1) = 5% = 0,05 (peluang produk cacat dari mesin pertama)

𝑃 (𝐴/𝑀2) = 2% = 0,02 (peluang produk cacat dari mesin kedua)
𝑃 (𝐴/𝑀3) = 4% = 0,04 (peluang produk cacat dari mesin ketiga)
Maka,
𝑃 (𝐴) = 𝑃 𝐴Τ𝑀1 ∙ 𝑃 𝑀1 + 𝑃 𝐴Τ𝑀2 ∙ 𝑃 𝑀2 + 𝑃 𝐴Τ𝑀3 ∙ 𝑃 𝑀3
𝑃 (𝐴) = (0,05) ∙ (250/1000) + (0,02) ∙ (550/1000) + (0,04) ∙ (200/1000)
𝑃 (𝐴) = 0,0125 + 0,011 + 0,008
P (A) = 0,0135
Jadi, peluang bahwa produk yang terambil cacat adalah 0,0135 atau 1,35%
 DAFTAR PUSTAKA

Ross, S. (2014). "A First Course in Probability". Pearson.

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