59

LAPORAN PRAKTIKUM

MODUL II

EVENT DAN PROBABILITAS

OLEH :

KELOMPOK VIII

FEBY RESKY AMELIA 091 2022 0002

ADENIAR RUSLI 091 2022 0052

RIO FERDINAN 091 2022 0054

MOH AKBAR 091 2022 0066

MAWADDAH WARAHMA B. 091 2022 0130

LABORATORIUM STATISTIKA INDUSTRI

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS MUSLIM INDONESIA

MAKASSAR

2024
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Dalam dunia modern sekarang ini kebanyakan aktivitas manusia selalu

berhubungan dengan dokumentasi atau data, tidak terkecuali dunia industri

dan dunia pendidikan. Data-data yang ada harus tersimpan dengan rapi dan

dapat digunakan setiap saat apabila dibutuhkan. Biasanya data-data

tersebut tidak hanya digunakan sendiri, tetapi juga dibutuhkan pihak lain,

untuk itu perlu adanya suatu sistem penyimpanan data dan pertukaran data

atau komunikasi data yang baik agar dapat menunjang aktivitas manusia.

Media komunikasi data dan penyimpanan data yang saat ini sedang

berkembang adalah media komunikasi data dan media penyimpanan data

elektronik. Kapasitas media komunikasi data dan penyimpanan data

elektronik yang digunakan saat ini bukanlah tak terbatas dan membutuhkan

biaya yang cukup mahal. Salah satu upaya yang dapat dilakukan adalah

dengan melakukan kompresi terhadap data yang akan disimpan atau

sebelum dikirim, dengan demikian dapat menghemat penggunaan media

penyimpanan data serta media komunikasi data elektronik.

Probabilitas adalah cabang matematika yang mempelajari kemungkinan

suatu peristiwa terjadi. Probabilitas digunakan dalam berbagai bidang,

termasuk statistika, teori pengambilan keputusan, ilmu komputer dan teori

informasi, serta aplikasi di berbagai bidang seperti ekonomi, bisnis, fisika,

sains lingkungan dan lain-lain. Dalam teori probabilitas, terdapat beberapa

konsep dasar seperti ruang sampel, himpunan kejadian, peluang dan

distribusi probabilitas. Konsep-konsep ini digunakan untuk menganalisis dan

memodelkan berbagai peristiwa acak atau fenomena alamiah yang tidak

dapat diprediksi dengan pasti dan pada abad ke-19, matematikawan seperti

60
 61

Gauss dan Bernoulli memperkenalkan konsep distribusi probabilitas dan

teori bilangan acak. Pada abad ke-18, peneliti seperti Abraham de Moivre

dan Laplace mengembangkan teori probabilitas lebih lanjut dan pada abad

ke-19, matematikawan seperti Gauss dan Bernoulli memperkenalkan konsep

distribusi probabilitas dan teori bilangan acak (Ross, S. M.2019).

1.2 Tujuan Praktikum

1. Praktikan diharapkan mampu menerapkan definisi empiris dan

probabilitas munculnya suatu peristiwa.

2. Praktikan diharapkan mampu mengetahui nilai probabilitas berdasarkan

pendekatan frekuensi relative.

3. Praktikan diharapkan mampu mengetahui peristiwa yang bersifat

mutually exclucive.

4. Praktikan diharapkan mampu mengetahui probabilitas bersyarat.

1.3 Alat dan Bahan

1. Koin Rp. 200, Rp. 500, dan Rp. 1000

2. Kartu Uno

3. Dadu

4. Pallet warna hitam, warna putih, dan warna hijau

5. Kalkulator

6. Lembar Kerja

7. Media pengujian

1.4 Langkah-Langkah Praktikum

1.4.1 Percobaan Apriori dan Frekuensi Relatif

a. Lemparkan koin yang permukaannya seimbang.

b. Catat permukaan yang muncul.

c. Ulangi langkah 1-5 untuk masing-masing sebanyak 25, 50 dan 100

 62

d. kali.

e. Hitung frekuensi kemunculan masing-masing permukaan.

f. Bandingkan hasil tersebut dengan nilai ekspetasinya.

g. Ulangi langkah 1-5 untuk kartu UNO dengan permukaan yang tidak

seimbang.

h. Hitung probabilitas kemunculan masing-masing permukaan. Buat

kesimpulan

1.4.2 Percobaan Peristiwa Independent

a. Acak media.

b. Ambil sebuah pallet dalam sebuah wadah yang berisi 25 pallet

putih, 35 pallet hitam dan 40 pallet hijau.

c. Catat kondisi pallet.

d. Kembalikan sampel tersebut ke dalam wadah lalu acak.

e. Ulangi langkah 1-3 masing-masing sebanyak 25, 50 dan 100 kali.

f. Hitung frekuensi kemunculan masing-masing pallet.

g. Bandingkan hasil percobaan dengan nilai ekspektasi.

h. Buat kesimpulan.

1.4.3 Percobaan Probabilitas Bersyarat

a. Aduk media.

b. Ambil sebuah pallet dalam sebuah wadah yang berisi 25 pallet

putih, 35 pallet hitam dan 40 pallet hijau dilanjutkan dengan

pengambilan sebuah pallet berikutnya dan catat hasilnya.

c. Kembalikan ketiga sampel tersebut ke wadah.

d. Ulangi langkah 1-3 masing-masing sebanyak 25, 50 dan 100 kali.

e. Hitung kemunculan masing-masing pallet.

f. Bandingkan hasil percobaan dengan nilai ekspektasi.

g. Buat kesimpulan.
 63

1.4.4 Percobaan Mutually Exclusive

a. Lemparkan dua buah dadu.

b. Catat angka yang muncul.

c. Ulangi langkah 1-5 masing-masing sebanyak 25,50 dan 100.

d. Bandingkan hasil percobaan dengan nilai ekspektasi.

e. Buat kesimpulan.
 BAB II

LANDASAN TEORI

2.1 Pengertian Statistika

Statistik adalah cabang matematika yang berhubungan dengan

pengumpulan, analisis, interpretasi dan presentasi data. Statistik dapat

digunakan untuk mempelajari pola dan tren dalam data, serta untuk membuat

prediksi dan mengambil keputusan berdasarkan data tersebut (Freund, J. E.

2019).

Statistik dapat diterapkan dalam berbagai bidang, seperti bisnis, ilmu sosial,

kedokteran dan ilmu alam. Dalam bisnis, statistik dapat digunakan untuk

mengambil keputusan tentang strategi pemasaran dan pengambilan

keputusan bisnis lainnya. Dalam ilmu sosial, statistik dapat digunakan untuk

mempelajari perilaku manusia dan pola sosial. Dalam kedokteran, statistik

dapat digunakan untuk melakukan penelitian tentang penyakit dan

pengobatan. Dan dalam ilmu alam, statistik dapat digunakan untuk

mempelajari sifat alamiah dan pola alam (Levin, 2019).

Pada umumnya statistika dapat diartikan sebagai ilmu yang mempelajari/

mendasari tentang bagaimana pengumpulan data, pengolahan data,

penganalisaan data sampai dengan penarikan kesimpulan yang benar. Jadi

statistika lebih mengarah kepada bagaimana ilmu itu digunakan dalam

pengolahan data. Sedangkan statistik merupakan kumpulan data–data yang

sering dinyatakan atau disajikan dalam bentuk daftar/tabel, diagram garis,

diagram batang, diagram lingkaran, histogram, poligon frekuensi dan ogive

yang menggambarkan suatu persoalan tertentu.

Dalam pengumpulan data, statistik memainkan peran penting dalam

mengembangkan metode survei dan pengambilan sampel yang akurat. Dalam

analisis data, statistik menggunakan teknik seperti regresi, analisis varian, dan

64
 65

pengujian hipotesis untuk menguji asumsi dan membuat kesimpulan

berdasarkan data (Moore, 2019).

Berikut ini adalah macam–macam data menurut jenis, sifat, cara

memperolehnya, dan waktu pengumpulannya:

1. Menurut Jenisnya:

a) Berdasarkan jenisnya, ada empat macam data, yaitu:

b) Data nominal: Data nominal adalah data yang hanya memiliki nilai atau

kategori, tetapi tidak memiliki urutan atau skala. Contohnya adalah

jenis kelamin, warna, atau agama. Data nominal dapat dihitung dalam

bentuk persentase dan modus.

c) Data ordinal: Data ordinal adalah data yang memiliki nilai atau kategori

serta urutan atau skala, tetapi jarak antar nilai tidak dikenal atau tidak

berarti. Contohnya adalah kelas sosial, tingkat pendidikan, atau

kategori nilai rapor. Data ordinal dapat dihitung dalam bentuk

persentase, modus dan median.

d) Data interval: Data interval adalah data yang memiliki nilai atau kategori

serta urutan atau skala dan jarak antar nilai diukur dengan skala yang

sama. Namun, nol pada skala tidak memiliki arti mutlak. Contohnya

adalah suhu dalam skala Celsius atau Fahrenheit. Data interval dapat

dihitung dalam bentuk persentase, modus, median dan mean.

e) Data rasio: Data rasio adalah data yang memiliki nilai atau kategori,

urutan atau skala, dan jarak antar nilai diukur dengan skala yang sama.

Nol pada skala memiliki arti mutlak dan dapat dihitung rasio antar nilai.

Contohnya adalah usia, tinggi badan, atau berat badan. Data rasio

dapat dihitung dalam bentuk persentase, modus, median, mean, dan

deviasi standar.
 66

2. Menurut sifatnya:

a) Data kualitatif adalah data yang tidak dapat diukur secara kuantitatif,

melainkan hanya dapat dijelaskan secara deskriptif. Data kualitatif

terdiri dari data nominal dan data ordinal.

b) Data kuantitatif adalah data yang dapat diukur dan dihitung dalam

bentuk angka atau bilangan. Data kuantitatif terdiri dari data interval

dan data rasio.

3. Data kualitatif dan kuantitatif dapat dianalisis menggunakan teknik statistik

yang berbeda-beda. Analisis data kualitatif menggunakan teknik deskriptif

dan inferensial seperti uji chi-square dan analisis multivariat. Sedangkan

analisis data kuantitatif menggunakan teknik statistik seperti regresi,

analisis varian, dan uji hipotesis. Menurut cara memperolehnya:

a) Data primer adalah data yang diperoleh langsung dari sumbernya

melalui penelitian atau pengamatan yang dilakukan sendiri. Contohnya

adalah data survei atau data eksperimen.

b) Data Sekunder adalah data yang diperoleh dari sumber lain, seperti

buku, jurnal, atau database. Data sekunder dapat diperoleh secara

gratis atau dengan membayar biaya akses. Contohnya adalah data

sensus penduduk atau data keuangan perusahaan.

Kualitas data primer dan data sekunder harus dievaluasi sebelum

digunakan untuk analisis. Data primer memiliki keuntungan dapat

disesuaikan dengan kebutuhan penelitian, namun membutuhkan biaya dan

waktu yang cukup besar. Sementara data sekunder lebih murah dan mudah

diperoleh, namun terkadang tidak sesuai dengan kebutuhan penelitian.

Penyajian data secara umum ada dua cara untuk menyajikan data yaitu

dengan tabel dan grafik. Pada dasarnya data tersebut berupa tabel sebelum
 67

dibuat grafik, sehingga penyajian data dalam bentuk tabel dan grafik saling

berkaitan.

1. Tabel

Tabel atau daftar adalah kumpulan angka yang disusun menurut

kategori atau karakteristik data sehingga memudahkan untuk analisis

data. Ada tiga jenis tabel yaitu sebagai berikut:

a. Tabel satu arah atau satu komponen adalah tabel yang terdiri dari

satu kategori atau karakteristik data.

b. Tabel dua arah atau dua komponen adalah tabel yang terdiri dari dua

kategori atau dua karakteristik.

c. Tabel tiga arah atau tiga komponen adalah tabel yang terdiri dari tiga

kategori atau tiga karakteristik.

2. Grafik

Grafik adalah gambaran data secara visual yang dibuat berdasarkan

nilai pengamatan aslinya maupun dari tabel–tabel sebelumnya.

Kelebihan penyajian data dengan grafik yaitu:

a. Grafik lebih mudah diingat daripada tabel;

b. Grafik menarik bagi orang–orang tertentu yang tidak menyukai angka

dan tabel;

c. Dapat diperoleh informasi secara visual dan sebagai pembanding;

d. Dapat menunjukkan perubahan hubungan satu bagian dalam rangka

data dengan bagian yang lainnya (Poppy Meilina, 2020).

Secara umum probabilitas merupakan peluang bahwa sesuatu akan terjadi.

Secara lengkap probabilitas didefinisikan sebagai berikut: “Probabilitas” ialah

suatu nilai yang digunakan untuk mengukur tingkat terjadinya suatu.

 68

2.2 Event

Event merupakan subset dari S yang mempunyai karakteristik tertentu

yang diperhatikan dalam eksperimen. Event yang terdiri dari satu outcome

dalam ruang sampel diskrit disebut event elementer. Event dapat juga

didefinisikan sebagai hasil (outcome) eksperimen dengan karakteristik

tertentu sebagai himpunan bagian (subset) dari ruang sampel. Suatu event

dapat diperoleh dari kombinasi beberapa event menggunakan operasi

himpunan (Syarifudin, 2020).

Kejadian merupakan salah satu sub himpunan (subset) dari ruang sampel

atau biasa disebut sebagai himpunan bagian dari ruang sampel. Kejadian

dilambangkan dengan himpunan A dimana anggota-anggota dari A adalah

titik sampel. Pada kasus pelemparan satu buah dadu dengan himpunan

semesta S={1,2,3,4,5,6} dan A={2} dapat diartikan bahwa Aadalah kejadian

muncul mata dadu 2 sehingga A ⊆ S dimana A merupakan himpunan bagian

dari S dan 2 ∈ A dibaca dengan 2 elemen A dimana 2 disebut sebagai titik

sampel. Sebagaimana kejadian maka S merupakan kejadian pasti karena

salah satu dari elemen S pasti muncul sedangkan himpunan kosong (Ø atau

{}) disebut sebagai kejadian mustahil karena dari Ø tidak mungkin muncul.

Dengan menggunakan operasi-operasi himpunan terhadap kejadian-

kejadian dalam S, maka akan diperoleh kejadian-kejadian lain dalam S.

Selanjutnya akan dibahas sekilas tentang diagram venn. Diagram venn

merupakan gambaran dari hubungan antara kejadian dan ruang sampel

(Syarifudin, 2020).

2.3 Pengertian Probabilitas

Probabilitas adalah konsep matematika yang mengukur kemungkinan

terjadinya suatu kejadian dalam sebuah percobaan atau situasi. Probabilitas

dapat dinyatakan dalam bentuk angka, yang berkisar antara 0 dan 1. Angka
 69

0 menunjukkan bahwa kejadian tersebut pasti tidak terjadi, sedangkan angka

1 menunjukkan bahwa kejadian tersebut pasti terjadi. Konsep probabilitas

memiliki aplikasi yang sangat luas di banyak bidang, termasuk statistika,

matematika, fisika, biologi dan ekonomi. Dalam statistika, probabilitas

digunakan untuk memprediksi kemungkinan terjadinya suatu kejadian

berdasarkan data yang tersedia, serta untuk menguji hipotesis tentang

perbedaan antara dua atau lebih kelompok. Penerapan probabilitas dalam

statistika melibatkan konsep-konsep seperti probabilitas kondisional,

distribusi probabilitas diskrit dan kontinu dan uji hipotesis. Untuk menghitung

probabilitas, diperlukan informasi tentang kemungkinan terjadinya setiap

hasil yang mungkin dalam sebuah percobaan atau situasi.

Kejadian acak.” Dalam mempelajari probabilitas, ada tiga kata kunci yang

harus diketahui:

1. Eksperimen,

2. Hasil (outcome)

3. Kejadian atau peristiwa (event)

Misal dari eksperimen pelemparan sebuah koin. Hasil (outcome) dari

pelemparan sebuah koin tersebut adalah “garuda” atau “angka”. Kumpulan

dari beberapa hasil tersebut dikenal sebagai kejadian (Event). Probabilitas

biasanya dinyatakan dengan bilangan desimal (seperti 0,50 ; 0,25 atau 0,70)

atau bilangan pecahan. Nilai dari probabilitas berkisar antara 0 dan 1.

Semakin dekat nilai probabilitas ke nilai 0, semakin kecil kemungkinan suatu

kejadian akan terjadi. Sebaliknya semakin dekat nilai probabilitas ke nilai 1

semakin besar peluang suatu kejadian akan terjadi.

Ada dua pendekatan dalam menghitung probabilitas yaitu pendekatan

yang bersifat objektif dan subjektif. Probabilitas objektif dibagi menjadi dua,

yaitu:
 70

1. Pendekatan Klasik

Didasarkan pada asumsi bahwa seluruh hasil dari suatu eksperimen

mempunyai kemungkinan (peluang) yang sama. Perhatikan suatu

kejadian A yang dapat terjadi sebanyak x cara dari seluruh n cara. Maka

probabilitas peristiwa A dapat terjadi (sukses):

P(E) = a/n ………………………………………………………(Rumus 2.1)

Dimana:

P = Probabilitas

E = Event

a = banyaknya percobaan

n = banyaknya yg muncul

misalnya apabila kita melempar sebuah mata uang logam, berapakah

probabilitas gambar burung ada di atas?

P(B) = a/n = ½

P(A) = 1/2

Apabila kita melempar sebuah dadu. Berapakah probabilitas angka 3 di

atas?

P(3) = a/n = 1/6

P(ganjil) = 3/6 = ½

P(genap) = 3/6 = 1/2

Sebuah kotak berisi 20 kelereng, di mana 5 berwarna merah, 12 putih

dan sisanya hitam kemudian kelereng tersebut diamabil sebuah.

Berapakah probabilitas bola warna hitam?

P(H) = 3/20

P(M) = 5/20

P(P) = 12/20
 71

2. Rumusan Probabilitas Frekuensi Relatif

Apabila kita mengadakan percobaan sebanyak n yang dilakukan

secara berulang-ulang sehingga mendekati tak terhingga dan apabila a

merupakan jumlah kejadian khusus, maka probabilitas peristiwa E

merupakan harga limit dari frekuensi relatif a/n.

P (E) = lim a ……………………………………………………(Rumus 2.2)

Dimana:
P = Probabilitas
E = Event
a = banyaknya percobaan
Misalkan Jika kita melempar sebuah mata uang logam sebanyak 1000

kali ternyata gambar burung ada di atas sebanyak 519 (maka frekuensi

relatifnya = 519/1000 = 0,519). Bila uang ini kita lempar lagi sebanyak

5000 kali dan hasil gambar burung ada di atas sebanyak 2530 (maka

frekuensi relatifnya = 2530/5000 = 0,506). Jika proses demikian

diteruskan sampai n tak terhingga, maka nilai frekuensi relatifnya lambat

laun akan makin mendekati sebuah bilangan yang merupakan

probabilitas burung itu sendiri yaitu 0,5 (Aulia, 2019).

Peristiwa E dapat terjadi sebanyak a kali diantara sejumlah n kejadian

yang mungkin. Jadi jelas bahwa batas-batas probabilitas E adalah antara

0 hingga 1

0 ≤ P (E) ≤ 1

artinya apabila

P (E) = 0 maka peristiwa E pasti tidak terjadi.

P (E) = 1 maka peristiwa E pasti terjadi.

Jika kemungkinan terjadinya peristiwa E disebut P(E) maka besarnya

probabilitas bahwa peristiwa E tidak terjadi.

 72

P(E) = 1 – P(E) …………………………………………….(Rumus 2.3)

Dimana:

P(E) = probabilitas tidak terjadinya suatu peristiwa

Misalnya Probabilitas lulus ujian statistik 75% à P(stat) = 0,75;

Jadi probabilitas tidak lulus statistik adalah → P (stat) = 1 – 0,

75 = 0,25

a. Probabilitas Peristiwa- peristiwa Lebih dari Satu Macam

1) Peristiwa Mutually exclusive

Dua peristiwa merupakan peristiwa mutually exclusive jika

terjadinya peristiwa yang satu menyebabkan tidak terjadinya

peristiwa yang lain. Dengan kata lain kedua peristiwa itu tidak dapat

terjadi bersamaan.

P ( A U B U) = P (A) + P (B) ... ………….……………(Rumus 2.4)

Misalnya Jika melempar sebuah mata uang logam. Berapakah

probabilitas burung atau angka ada di atas?

P (B A) = P (B) + P (A)

=½+½=1

2) Peristiwa Non Exclusive

Dua peristiwa dikatakan Non Exclusive jika kedua peristiwa itu

dapat terjadi secara bersamaan (irisan).

P (A U B) = P (A) + P (B) – P (A B) ………….…………(Rumus 2.5)

3) Peristiwa Independent (Bebas)

Dua peristiwa dikatakan Independent jika terjadinya atau tidak

terjadinya suatu peristiwa tidak mempengaruhi dan tidak dipengaruhi

 73

oleh peristiwa lain.

P (A U B ...) = P (A) x P (B) ..…....……………………(Rumus 2.6)

4) Peristiwa Dependent (Bersyarat)

Dua peristiwa dikatakan dependent jika terjadinya peristiwa yang

satu mempengaruhi atau merupakan syarat terjadinya peristiwa lain.

P ( A ∩ B) = P (A) x P (B | A) …..…………………………(Rumus 2.7)

Dalam teori probabilitas, probabilitas kejadian dilambangkan dengan “P”,

apabila kejadian jual saham dilambangkan dengan huruf “A”, maka

probabilitas jual saham dilambangkan dengan P (A). Sebaliknya apabila

kejadian beli saham dilambangkan dengan “B”, maka probabilitas beli saham

dilambangkan dengan P (B).

A. Hukum Penjumlahan

Hukum penjumlahan menghendaki peristiwa yang saling lepas

(mutually exclusive) yaitu apabila suatu peristiwa terjadi, maka peristiwa

lain tidak dapat terjadi pada saat bersamaan.

Hukum ini dilambangkan sebagai:

P (A atau B) = P (A) + P(B) … ………………………………(Rumus 2.8)

Untuk kejadian yang lebih banyak dilambangkan sampai n yaitu:

P(A atau ... n) = P(A) + P(B) +N….+P(n) ……..…………..…(Rumus 2.9)

1. Peristiwa atau Kejadian Bersama

Pada peristiwa bersama dua atau lebih peristiwa dapat terjadi

secara bersama-sama, peristiwa bersama tersebut dapat lebih

mudah dilihat dengan diagram seperti berikut:

Penjumlahan probabilitas dengan adanya unsur kegiatan

bersama, maka rumus penjumlahan dirumuskan kembali menjadi

 74

sebagai berikut:

P(A atau D) = P(A) + P(D) – P(AD) ..................(Rumus 2.10)

Dimana:

P(A atau D) : Probabilitas terjadinya A atau D atau A dan

atau D Bersama-sama

P(A) : Probabilitas terjadinya A

P(D) : Probabilitas terjadinya D

P(AD) : Probabilitas terjadinya A dan D bersama

2. Kejadian saling lepas (mutually exclusive)

A D

Gambar 2.1 Diagram venn kejadian saling lepas

Kejadian saling lepas terjadi apabila hanya satu dari dua atau lebih

peristiwa yang dapat terjadi. Dapat digambarkan dengan diagram

Venn:

Maka P(AB) = 0

Oleh sebab itu, untuk peristiwa yang saling lepas, probabilitas

kejadian A atau B yang dinyatakan P(A atau B).

2.4 Percobaan, Ruang Sampel, Titik Sampel dan Peristiwa

Pengertian percobaan, ruang sampel, titik sampel dan peristiwa adalah

sebagai berikut :

a) Percobaan adalah suatu kegiatan yang dilakukan untuk menghasilkan

suatu kejadian atau hasil tertentu yang dapat diamati atau diukur. Contoh

percobaan adalah melempar dadu, mengambil sampel darah untuk tes

laboratorium, atau melakukan survey pendapat publik.

 75

b) Ruang Sampel adalah himpunan semua kemungkinan hasil atau

kejadian yang mungkin terjadi dalam suatu percobaan. Ruang sampel

dapat berupa himpunan bilangan bulat, bilangan riil, atau himpunan

objek-objek yang terkait dengan percobaan tertentu.

c) Titik Sampel adalah suatu anggota dari ruang sampel yang merupakan

hasil tunggal dari suatu percobaan. Misalnya, dalam percobaan

melempar dadu, titik sampelnya adalah hasil lemparan dadu yang

muncul.

d) Peristiwa adalah suatu himpunan dari satu atau lebih titik sampel dalam

ruang sampel. Dalam konteks probabilitas, peristiwa dapat didefinisikan

sebagai himpunan kejadian atau hasil tertentu yang dianggap penting

atau relevan dalam suatu percobaan. Contoh peristiwa adalah

munculnya angka genap dalam hasil lemparan dadu atau hasil tes

laboratorium menunjukkan adanya infeksi.

2.5 Aturan-aturan Probabilistik

a) Aturan penjumlahan menyatakan bahwa probabilitas dari suatu peristiwa

A atau B adalah sama dengan probabilitas dari A ditambah probabilitas

dari B dikurangi probabilitas dari A dan B terjadi bersamaan. Secara

matematis, dapat dituliskan sebagai: P(A ∪ B) = P(A) + P(B) - P(A ∩ B).

b) Aturan perkalian menyatakan bahwa probabilitas dari suatu peristiwa A

dan B terjadi bersamaan adalah sama dengan probabilitas dari A

dikalikan probabilitas dari B jika A dan B saling independen. Secara

matematis, dapat dituliskan sebagai: P(A ∩ B) = P(A) x P(B), jika A dan

B independen.

c) Aturan probabilitas total digunakan untuk menghitung probabilitas dari

suatu peristiwa A yang terjadi sebagai akibat dari beberapa peristiwa

 76

yang mungkin terjadi secara bersamaan. Secara matematis, dapat

dituliskan : P(A) = Σ [P(A|Bi) x P(Bi)], untuk setiap i.

d) Aturan Bayes digunakan untuk memperbarui probabilitas suatu peristiwa

A dengan mempertimbangkan informasi baru yang diperoleh dari

peristiwa lain. Secara matematis, dapat dituliskan sebagai: P(Bi|A) =

[P(A|Bi) x P(Bi)] / Σ [P(A|Bj) x P(Bj)], untuk setiap i dan j (Ross, S. M.

2019).

2.6 Peristiwa Komplementer

Peristiwa komplementer adalah peristiwa yang terjadi jika peristiwa yang

diinginkan tidak terjadi. Dalam kata lain, peristiwa komplementer adalah

kejadian yang merupakan lawan dari peristiwa yang diinginkan. Probabilitas

dari peristiwa komplementer dapat dihitung dengan mengurangi probabilitas

peristiwa yang diinginkan dari 1. Secara matematis, jika A adalah peristiwa

yang diinginkan, maka peristiwa komplementernya, A^c, dapat dituliskan

sebagai: Contohnya, jika kita melempar sebuah dadu, peristiwa "muncul

angka 6" adalah peristiwa yang diinginkan. Peristiwa komplementernya

adalah "tidak muncul angka 6", yang memiliki probabilitas: P(tidak muncul

angka 6) = 1 - P(muncul angka 6) = 1 - 1/6 = 5/6.

Dua peristiwa disebut komplementer apabila peristiwa yang satu

melengkapi peristiwa lainnya atau peristiwa yang saling melengkapi. Jika

peristiwa A dan B adalah peristiwa komplementer.

a. Sebuah dadu dilemparkan ke atas, dimana peristiwa-peristiwanya adalah

A = Peristiwa mata dadu bilangan prima muncul

B = Peristiwa mata dadu bukan bilangan prima muncul

Jika peristiwa A dan B komplementer, tentukan probabilitas munculnya

peristiwa B!
 77

Penyelesaian:

3
P(A) =
6

P(B) = 1 – P(A)

= 1 – 3/6

=½

1. Seorang pelamar menerima panggilan untuk ujian psikotes di tiga

perusahaan yang berbeda. Sesuai dengan perkiraannya, pelamar

memiliki probabilitas untuk diterima pada masing-masing perusahaan

adalah: 0,35 untuk perusahaan pertama, 0,25 untuk perusahaan

kedua, dan 0,14 untuk perusahaan ke tiga.

Berapa probabilitas pelamar tersebut tidak diterima di salah satu

perusahaan tersebut.

Penyelesaian:

Probabilitas tidak diterima= 1 – probabilitas diterima

= 1 – [P(I) + P(II) + P(III)]

= 1 – [0,35 + 0,25 + 0,14]

= 0,26

2.7 Pengertian Peristiwa Dalam Teori Peluang

Istilah peristiwa yang lazim sehari-hari berbeda makna jika membahas

tentang teori peluang. Biasanya orang berpikir bahwa peristiwa adalah suatu

kejadian layaknya peristiwa seperti sejarah, gejala-gejala fisik dan pesta.

Dalam statistika, pengertian ini diperluas dengan memasukkan unsur-unsur

kesempatan atau peluang atas terjadinya suatu peristiwa yang didasarkan

pada hasil sebuah percobaan atau eksperimen yang dilakukan secara

berulang-ulang. Sebagai contoh peristiwa terambilnya kartu As dari

 78

setumpuk kartu bridge, jumlah cairan yang disaring dari mesin pengisi,

jumlah kendaraan niaga yang melalui jalan protokol, jumlah barang yang

cacat dalam satu lot, dan karakteristik lainnya yang secara umum tidak dapat

disebutkan sebagai peristiwa.

Untuk keperluan penentuan peluang ada gunanya untuk membagi

peristiwa ke dalam dua jenis peristiwa, yakni peristiwa sederhana dan

peristiwa majemuk (Soedibjo, 2019). Peristiwa sederhana tidak dapat dibagi

lebih lanjut lagi ke dalam komponen-komponen peristiwa, sedangkan

peristiwa majemuk selalu memiliki dua atau lebih komponen peristiwa

sederhana. Peristiwa Kartu Sekop secara definisi adalah peristiwa

sederhana, karena hanya ada satu jenis kartu sekop dalam setumpuk kartu

bridge. Akan tetapi peristiwa As Sekop dapat dianggap sebagai peristiwa

majemuk, karena kartunya haruslah berisikan keduanya yakni kartu As dan

kartu Sekop. Namun definisi ini tergantung dari pandangan si pelaku

percobaan. Bisa saja seseorang mengatakan bahwa As Sekop sebagai

suatu peristiwa sederhana, jika dia mengganggap hal ini sebagai suatu

kesatuan. Pembagian jenis peristiwa ini dimaksudkan untuk kemudahan

dalam mempelajari teori peluang selanjutnya

Contoh penggunaan terori peluang misalnya mengundi dengan suatu

mata uang logam atau sebuah dadu, membaca temperatur udara pada tiap

hari dari termometer, menghitung banyaknya barang rusak yang dihasilkan

tiap hari oleh mesin penghasil barang tertentu dan mencatat banyaknya

orang yang melewati sebuah jembatan penyeberangan untuk setiap jam,

merupakan eksperimen yang dapat diulang-ulang. Berdasarkan seperti

contoh-contoh tersebut, untuk semua hasil yang mungkin terjadi dapat

dicatat. Segala bagian yang mungkin diperoleh dari pencatatan tersebut

disebut peristiwa.
 79

2.8 Ekspektasi

Misalkan kita punya sebuah eksperimen yang menghasilkan k buah

dapat terjadi. Peluang terjadinya tiap peristiwa masing-masing p1, p2, …., pk

dan untuk tiap peristiwa dengan peluang tersebut terdapat satuan-satuan d1,

d2, …., dk. Satuan-satuan ini bisa nol, positif ataupun negatif dan tentulah

p1 + p2 +….+ pk = 1. Maka rumus tersebut menyatakan, bahwa jika tiap

peristiwa diberi nilai maka pukul rata diharapkan terdapat nilai sejumlah

 pi.di untuk eksperimen tersebut. Ekspetasi pada statistik adalah suatu

ukuran yang menggambarkan nilai rata-rata dari suatu variabel acak.

Ekspetasi sering juga disebut dengan nilai harapan atau mean dalam bahasa

Inggris. Dalam matematika, ekspetasi ditulis dengan simbol E dan dapat

dihitung dengan menjumlahkan hasil kali setiap nilai mungkin dari variabel

acak dengan probabilitas masing-masing nilai tersebut terjadi. Sebagai

contoh, jika X adalah variabel acak yang merepresentasikan hasil lemparan

sebuah dadu, dengan probabilitas 1/6 untuk masing-masing nilai 1, 2, 3, 4,

5, atau 6, maka ekspetasi dari X adalah:

E(X) = (1/6)*1 + (1/6)*2 + (1/6)*3 + (1/6)*4 + (1/6)*5 + (1/6)*6 = 3.5

Ini berarti, jika dadu dilempar banyak kali, nilai rata-rata dari hasil lemparan

tersebut akan mendekati angka 3,5.

2.9 Hukum Penjumlahan

Hukum penjumlahan pada probabilitas menyatakan bahwa probabilitas

dari suatu peristiwa A atau B terjadi adalah sama dengan jumlah probabilitas

A dan probabilitas B dikurangi probabilitas dari A dan B terjadi bersamaan,

yaitu:

P(A atau B) = P(A) + P(B) - P(A dan B)

 80

Dalam kata lain, jika kita ingin mencari probabilitas bahwa setidaknya satu

dari dua peristiwa terjadi, maka kita dapat menambahkan probabilitas

masing-masing peristiwa tersebut, tapi harus dikurangi dengan probabilitas

peristiwa keduanya terjadi bersamaan (agar tidak dihitung dua kali).

Contohnya, jika kita melempar sebuah koin dan dadu, dan ingin mencari

probabilitas mendapatkan "kepala" pada koin atau "angka genap" pada

dadu, maka kita dapat menggunakan hukum penjumlahan ini. Probabilitas

mendapatkan "kepala" pada koin adalah 1/2, dan probabilitas mendapatkan

"angka genap" pada dadu adalah 1/2. Namun, ada kemungkinan dadu juga

menunjukkan "2", yang merupakan angka genap, sehingga kita harus

mengurangi probabilitas keduanya terjadi bersamaan, yaitu 1/6. Sehingga

probabilitas mendapatkan setidaknya salah satu dari dua peristiwa tersebut

adalah: P("kepala" atau "angka genap") = 1/2 + 1/2 - 1/6 = 5/6 (Devore,2018).

2.10 Aplikasi Probabilitas

a) Analisis risiko keamanan siber: Probabilitas digunakan dalam analisis

risiko keamanan siber untuk memperkirakan kemungkinan terjadinya

serangan siber dan dampaknya pada sistem informasi dan data sensitif.

Model probabilitas digunakan untuk memperkirakan tingkat risiko dan

mengembangkan strategi mitigasi.

b) Pengembangan kecerdasan buatan: Probabilitas digunakan dalam

pengembangan kecerdasan buatan untuk memperkirakan peluang hasil

yang diinginkan dalam situasi yang kompleks dan tidak pasti. Model

probabilitas digunakan dalam pengambilan keputusan dan analisis

prediktif.

c) Analisis data klinis: Probabilitas digunakan dalam analisis data klinis

untuk memperkirakan kemungkinan terjadinya efek samping dari obat

 81

atau prosedur medis tertentu pada pasien. Model probabilitas digunakan

dalam uji klinis dan pengembangan terapi baru.

d) Optimisasi logistik: Probabilitas digunakan dalam optimisasi logistik untuk

memperkirakan waktu pengiriman dan risiko keterlambatan dalam

pengiriman produk. Model probabilitas digunakan analisis rantai pasok

dan pengembangan strategi pengiriman yang efektif (Smith, 2019).

2.11 Estimasi Probabilitas

a) Estimasi probabilitas adalah proses untuk memperkirakan probabilitas

suatu event atau hasil suatu percobaan berdasarkan data atau

informasi yang tersedia. Berikut adalah materi tentang estimasi

probabilitas beserta catatan kaki.

b) Pendekatan frekuensi relatif menggunakan data historis atau observasi

untuk menghitung frekuensi relatif dari suatu event atau hasil

percobaan. Probabilitas diperkirakan dengan menghitung rasio antara

jumlah kali event terjadi dibagi dengan jumlah keseluruhan percobaan.

Pendekatan Bayes: Pendekatan Bayes menggunakan teori Bayes

untuk memperkirakan probabilitas suatu event berdasarkan informasi

awal dan data pengamatan. Pendekatan ini dapat digunakan untuk

memperbarui probabilitas awal setelah mendapatkan informasi

tambahan.

c) Metode Maximum Likelihood (ML) digunakan untuk menentukan nilai

parameter distribusi probabilitas yang paling mungkin menjelaskan

data pengamatan. Probabilitas diperkirakan dengan mencari nilai

parameter yang menghasilkan hasil pengamatan yang paling mungkin.

d) Regresi logistik digunakan untuk memperkirakan probabilitas suatu

event terjadi berdasarkan variabel prediktor. Metode ini sering

 82

digunakan dalam analisis data biner, di mana vent hanya memiliki dua

kemungkinan hasil, seperti sukses atau gagal (Larsen 2020).

2.12 Hukum Probabilitas

a) Hukum probabilitas adalah aturan dasar dalam probabilitas yang

mengatur bagaimana probabilitas dari event atau kombinasi event

dihitung.

b) Hukum probabilitas kesetaraan menyatakan bahwa jika setiap event

dalam ruang sampel memiliki kemungkinan yang sama untuk terjadi,

maka probabilitas event A sama dengan rasio jumlah hasil yang

mungkin dalam A dibagi dengan jumlah total hasil yang mungkin dalam

ruang sampel. Hukum probabilitas kesetaraan hanya berlaku untuk

kasus di mana setiap event dalam ruang sampel memiliki probabilitas

yang sama.

c) Hukum probabilitas penjumlahan menyatakan bahwa probabilitas dari

event A atau event B terjadi sama dengan probabilitas event A

ditambah probabilitas event B dikurangi probabilitas event A dan B

terjadi bersamaan. Hukum ini berlaku untuk event yang tidak saling

bergantung atau independen.

d) Hukum probabilitas perkalian menyatakan bahwa probabilitas event A

dan B terjadi bersamaan sama dengan probabilitas event A dikalikan

dengan probabilitas event B, jika event A dan B saling independen. Jika

event A dan B saling bergantung atau tidak independen, maka hukum

probabilitas perkalian harus diubah untuk memperhitungkan hubungan

ketergantungan antara keduanya (Ross, S. M. 2019).

 BAB III
METODOLOGI PENELITIAN

3.1 Pendahuluan

3.1.1 Latar Belakang

Salah satu tren terbaru dalam bidang probabilitas adalah

penggunaan algoritme pembelajaran mesin untuk memperkirakan

probabilitas. Metode ini telah banyak digunakan dalam bidang bisnis

dan keuangan, di mana penggunaan probabilitas dapat membantu

dalam pengambilan keputusan yang lebih baik dan lebih akurat.

3.1.2 Tujuan percobaan

a) Untuk menerapkan defenisi empiris dan probabilitas munculnya

suatu peristiwa.

b) Agar praktikan dapat mengetahui nilai probabilitas berdasarkan

pendekatan frekuensi relative.

c) Dapat mengetahui peristiwa yang bersifat Mutually Exclusive.

d) Untuk mengetahui probabilitas bersyarat.

3.1.3 Alat dan bahan

a) Koin (Rp 100, Rp 500, dan Rp 1000)

b) Kartu UNO

c) Dadu

d) Pallet warna hitam,warna putih dan warna hijau

e) Kalkulator

f) Lembaran Kerja

g) Media pengujian

h) Logistic System

83
 84

3.1.4 Langkah percobaan

1. Percobaan Apriori dan Frekuensi Relatif

a) Lemparkan uang logam yang permukaannya seimbang.

b) Catat permukaan yang muncul.

c) Ulangi langkah 1–2 untuk masing-masing sebanyak 25, 50

dan 100 kali.

d) Hitung frekuensi kemunculan masing-masing permukaan.

e) Bandingkan hasil tersebut dengan nilai ekspektasinya.

f) Ulangi langkah 1–4 untuk koin yang permukaannya tidak

seimbang.

g) Hitung probabilitas kemunculan masing-masing permukaan.

h) Buat kesimpulan.

2. Percobaan Peristiwa Independent

a) Acak Media .

b) Ambil sebuah pallet dalam sebuah wadah yang berisi 25 pallet

putih , 35 pallet hitam dan 40 pallet hijau.

c) Catat kondisi pallet.

d) Kembalikan sampel tersebut ke dalam wadah lalu acak

e) Ulangi langkah 1–4 masing-masing sebanyak 25, 50 dan 100

kali.

f) Hitung frekuensi kemunculan masing-masing pallet.

g) Bandingkan hasil percobaan dengan nilai ekspektasi

h) Buat kesimpulan.

3. Percobaan Probabilitas Bersyarat

a. Aduk media.
 85

b) Ambil Sebuah pallet dalam sebuah wadah yang berisi 25

pallet putih , 35 pallet hitam dan 40 pallet hijau.

c) Kembalikan ketiga sample tersebut ke wadah

d) Ulangi langkah 1–4 masing-masing sebanyak 25, 50, dan 100

kali.

e) Hitunglah kemunculan masing-masing pallet.

f) Bandingkam hasil percobaan dengan nilai Ekspetasi.

g) Buat kesimpulan.

3. Percobaan Mutually Exclusive

a) Lemparkan dua buah dadu.

b) Catat angka yang muncul.

c) Ulangi langkah 1–2 sebanyak 25, 50 dan 100 kali.

d) Bandingkan hasil percobaan dengan nilai ekspektasi.

e) Buat kesimpulan.

3.2 Tinjauan Pustaka

Tinjauan pustaka pada laporan ini berisi tentang materi event dan

probabilitas yang diperoleh dari hasil referensi buku–buku mengenai event

dan probabilitas dan jurnal digital.

3.3 Metodologi Penelitian

Metodologi penelitian dalam laporan ini berisi urutan atau langkah-

langkah yang harus dikerjakan ketika menyusun laporan.

3.4 Pengumpulan Data

Data yang diperoleh merupakan hasil pengambilan secara acak terhadap

beberapa percobaan dimulai dari data koin Rp. 200, koin Rp. 500, koin Rp.

1000, Kartu UNO, pallet berwarna hijau, putih, hitam, dan 2 buah dadu.

3.5 Pengolahan Data

 86

1. Menghitung frekuensi kemunculan tiap media

2. Menentukan nilai ekspektasi kemunculan tiap media

3. Menghitung persentase kemunculan tiap media

4. Menentukan perbandingan kemunculan tiap media

3.6 Analisis dan Pembahasan

Poin analisis pembahasan berisi tentang pemaparan langkah-langkah

mengolah data yang diperoleh selama praktikum.

3.7 Penutup

Berisikan kesimpulan hasil dari pengolahan data serta saran yang

ditujukan untuk laboratorium dan asisten laboratorium.

A
 87

3.8 Flowchart

3.8.1 Flowchart Keseluruhan

Mulai

Latar Belakang

Tujuan

Praktikum
Tinjauan Pustaka

Pengumpulan Data

1. Pengamatan

2. Pengukuran

Pengolahan Data

1. Mencatat data permukaan koin yang muncul

2. Mencatat data kartu uno yang muncul

3. Mencatat data warna pallet yang muncul

4. Mencatat data mata dadu yang muncul

5. Menghitung frekuensi kemunculan masing–masing

6. Bandingkan dengan nilai ekspektasinya

Analisa dan Pembahasan

Kesimpulan dan Saran

Selesai

Gambar 3.1 Flowchart Keseluruhan

 88

3.8.2 Flowchart Percobaan Apriori

A. Koin Rp 500

Mulai

Lemparkan koin yang

permukaan seimbang

Catat permukaan yang muncul

Angka (A), Garuda (G)

tidak
N=25,50,
100?

ya

Hitung frekuensi
kemunculan permukaan

Hitung ekspektasi kemunculan

permukaan

Hitung persentase kemunculan

masing-masing sisi

Bandingkan dengan nilai

ekspektasi sebenarnya

Buat kesimpulan

Selesai

Gambar 3.2 Flowchart Apriori Koin Rp 500

 89

B. Koin Rp 200

Mulai

Lemparkan koin yang

permukaan seimbang

Catat permukaan yang muncul

Angka (A), Gambar (G)

tidak
N = 25,50,
100?

ya

Hitung frekuensi
kemunculan permukaan

Hitung ekspektasi kemunculan

permukaan

Hitung persentase kemunculan

masing-masing sisi

Bandingkan dengan nilai

ekspektasi sebenarnya

Buat kesimpulan

Selesai

Gambar 3.3 Flowchart Apriori Koin Rp 200

 90

C. Koin Rp 1.000

Mulai

Lemparkan koin yang

permukaan seimbang

Catat permukaan yang muncul

Angka (A), Angklung (AG)

tidak
N = 25,50,
100?

ya

Hitung frekuensi
kemunculan permukaan

Hitung ekspektasi kemunculan

permukaan

Hitung persentase kemunculan

masing-masing sisi

Bandingkan dengan nilai

ekspektasi sebenarnya

Buat kesimpulan

Selesai

Gambar 3.4 Flowchart Apriori Koin Rp 1.000

 91

3.8.3 Flowchart Frekuensi Relatif

Mulai

Ambil media

Lempar kartu UNO

pada permukaan datar

Catat permukaan yang

muncul pada kartu UNO

Kembalikan sampel ke
dalam media

Ya

N=30,50
100?

Hitung frekuensi
kemunculan
Permukaan Permukaan
angka (+) gambar (-)
Hitung ekspektasi
kemunculan permukaan

Hitung persentase kemunculan

masing-masing sisi

Bandingkan dengan nilai

ekspektasi sebenarnya

Buat kesimpulan

Selesai

Gambar 3.5 Flowchart Frekuensi Relatif Kartu UNO

 92

3.8.4 Flowchart Percobaan Independent

Mulai

Tuangkan pallet kedalam wadah

alat yang telah disediakan

Aduk pallet

Catat warna pallet yang

keluar dari logistic system

Kembalikan sampel ke
wadah

N =25,50,
100? Data tidak cukup

Hitung frekuensi kemunculan

kertas
Hitung ekspektasi kemunculan

Hitung persentase kemunculan

Bandingkan dengan nilai

ekspektasinya

Buat kesimpulan

Selesai

Gambar 3.6 Flowchart Percobaan Independent

 93

3.8.5 Flowchart Percobaan Probabilitas Bersyarat

Mulai

Penentuan warna pallet cacat

(putih, hitam, hijau)

Tuangkan pallet wadah

Aduk pallet

Catat warna cacat pallet

yang telah ditentukan
Sesuai warna yang
telah ditentukan
(putih, hitam, hijau)
Kembalikan sampel ke wadah

tidak

N =25,50,100?

Hitung frekuensi kemunculan kertas

Hitung ekspektasi kemunculan

Hitung persentase kemunculan

Bandingkan dengan nilai ekspektasinya

Buat kesimpulan

Selesai

Gambar 3.7 Flowchart Percobaan Probabilitas Bersyarat

 94

3.8.6 Flowchart Percobaan Mutually Exlusive

Mulai

Lemparkan dua
buah dadu

Catat nilai
yang muncul

tidak
N = 25,50,
100?

ya

Hitung frekuensi
kemunculan

Hitung nilai ekspektasi

yang sebenarnya

Hitung persentase
kemunculan

Bandingkan dengan
nilai ekspektasinya

Buat kesimpulan

Selesai

Gambar 3.8 Flowchart Percobaan Mutually Exclusive