MAKALAH

PROBABILITAS

Mata Kuliah: Metode Kuantitatif Bisnis

Dosen Pengampu: I Wayan Gde Yogiswara Darma Putra, SE.,M.Si.,Ak.

Oleh:

Kelompok 3

Putu Suatari Kory Kharestia (202133121124)

Ketut Citra Suwandy (202133121254)
I Wayan Ryan Candra Yoga (202133121273)
I Made Sudarsana (202133121322)
Putu Ery Surya Ekaputra (202133121308)

PROGRAM STUDI AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS WARMADEWA
DENPASAR
2023
 KATA PENGANTAR

Puji syukur kami panjatkan ke hadapan Tuhan Yang Maha Esa, karena
atas berkat dan rahmat-nya makalah ini dapat terselesaikan tepat waktu. Penulisan
makalah yang berjudul “PROBABILITAS”. Penulis menyadari bahwa tulisan ini
tidak luput dari kekurangan. Hal ini disebabkan oleh keterbatasan pengetahuan
dan kemampuan yang dimiliki penulis. Oleh karena itu, penulis berharap
menerima kritik dan saran yang bersifat membangun untuk menyempurnakan
makalah ini. Selanjutnya penulis berharap agar makalah yang masih jauh dari
sempurna ini dapat memberikan dampak positif dan bermanfaat bagi para
pembaca.

Denpasar, 14 April 2024

Penulis

i
 DAFTAR ISI

KATA PENGANTAR....................................................................................i

DAFTAR ISI...................................................................................................ii

BAB I PENDAHULUAN...............................................................................1

1.1 Latar Belakang......................................................................................1

1.2 Rumusan Masalah.................................................................................2
1.3 Tujuan Penelitian..................................................................................2

BAB II PEMBAHASAN.................................................................................3

2.1 Konsep Dasar Probabilitas....................................................................3

2.2 Mutually Exclusive and Collectively Exhaustive Event......................3
2.3 Independen and Dependen Events........................................................5
2.4 Distribusi Probabilitas..........................................................................7
2.5 Distribusi Binomal................................................................................7
2.6 Distribusi Norma..................................................................................8
2.7 Distribusi F...........................................................................................9
2.8 Distribusi Eksponensial........................................................................10

BAB III PENUTUP.........................................................................................11

3.1 Kesimpulan...........................................................................................11

DAFTAR PUSTAKA......................................................................................12

ii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Dalam kehidupan sehari-hari kita sering dihadapkan dengan
beberapa pilihan yang harus kita tentukan memilih yang mana. Biasanya
kita dihadapkan dengan kemungkinan-kemungkinan suatu kejadian yang
mungkin terjadi dan kita harus pintar-pintar mengambil sikap jika
menemukan keadaan seperti ini, misalkan saja pada saat kita ingin
bepergian, kita melihat langit terlihat mendung. Dalam keadaaan ini kita
dihadapkan antara 2 permasalahan, yaitu kemungkinan terjadinya hujan
serta kemungkinan langit hanya mendung saja dan tidak akan turunnya
hujan. Statistic yang membantu permasalahan dalam hal ini adalah
probabilitas.
Probabilitas didifinisikan sebagai peluang atau kemungkinan suatu
kejadian, suatu ukuran tentang kemungkinan atau derajat ketidakpastian
suatu peristiwa (event) yang akan terjadi di masa mendatang. Rentangan
probabilitas antara 0 sampai dengan 1. Jika kita mengatakan probabilitas
sebuah peristiwa adalah 0, maka peristiwa tersebut tidak mungkin terjadi.
Dan jika kita mengatakan bahwa probabilitas sebuah peristiwa adalah 1
maka peristiwa tersebut pasti terjadi. Serta jumlah antara peluang suatu
kejadian yang mungkin terjadi dan peluang suatu kejadian yang mungkin
tidak terjadi adalah satu, jika kejadian tersebut hanya memiliki 2
kemungkinan kejadian yang mungkin akan terjadi.
Probabilitas adalah kemungkinan yang dapat terjadi dalam suatu
peristiwa. Dalam kehidupan sehari-hari sulit untuk mengetahui dengan
“pasti” apa yang akan terjadi pada waktu yang akan datang, baik dalam
jangka pendek maupun jangka panjang. Sebuah contoh sederhana adalah
jika sebuah koin dilempar, maka akan sulit untuk memastikan bahwa
muka gambar atau muka angka yang berada di atas. Jika terkait dengan

1
 suatu perusahaan, maka akan sulit untuk memprediksikan apakah tahun
depan akan mengalami keuntungan atau kerugian. Jika terkait dengan
suatu ujian, juga akan sulit untuk memastikan apakah lulus atau gagal dan
lain sebagainya. Semua peristiwa tersebut berada dalam “ketidakpastian”
atau Uncertainty. Dengan demikian, probabilitas atau peluang merupakan
“derajat kepastian” untuk terjadinya suatu peristiwa yang diukur dengan
angka pecahan antara nol sampai dengan satu, dimana peristiwa tersebut
terjadi secara acak atau random.

1.2 Rumusan Masalah

1. Apa Konsep Dasar Probabilitas
2. Apa arti Mutually Exclusive and Collectively Exhaustive Events
3. Apa arti Independen dan Dependen Events
4. Apa itu Ditribusi Probabilitas
5. Apa itu Distribusi Binomial
6. Apa itu Distribusi Norma
7. Apa itu Distribusi F
8. Apa itu Distribusi Eksponensial
1.3 Tujuan Penelitian
1. Mengetahui Konsep Dasar Probabilitas
2. Mengetahui Mutually Exclusive and Collectively Exhaustive
Events
3. Mengetahui Independen dan Dependen Events
4. Mengetahui Ditribusi Probabilitas
5. Mengetahui Distribusi Binomial
6. Mengetahui Distribusi Norma
7. Mengetahui Distribusi F
8. Mengetahui Distribusi Eksponensial

2
 BAB II

PEMBAHASAN

2.1 Konsep Dasar Probabilitas

Probabilitas adalah peluang terjadinya sebuah peristiwa. Biasanya
probabilitas dinyatakan dalam pecahan seperti 1/2, 1/3, ¼ ataupun dalam
bentuk decimal seperti 0,25, 0,50 ataupun 0,75. Rentangan probabilitas
antara 0 sampai dengan 1. Jika kita mengatakan probabilitas sebuah
peristiwa adalah 0, maka peristiwa tersebut tidak mungkin terjadi. Dan jika
kita mengatakan bahwa probabilitas sebuah peristiwa adalah 1 maka
peristiwa tersebut pasti terjadi.
Contoh yang paling sering digunakan dalam menerangkan tentang
konsep probabilitas adalah pelemparan mata uang. Jika kita melempar
mata uang, maka kemungkinan sisi depan untuk muncul sama dengan
kemungkinan munculnya sisi belakang. Dengan demikian, probabilitas
munculnya sisi depan adalah 1/2 atau 0,5 dan demikian pula dengan sisi
belakang. Akan tetapi jika kita mengambil satu kartu dari satu set kartu
bridge yang berjumlah 52, maka kemungkinan terambilnya satu kartu
adalah 1/52. Dua hal yang harus dipahami dalam konsep probabilitas
adalah mutually exclusive dan collectively exhaustive. Mutually exclusive
adalah peristiwa yang terjadi terpisah satu sama lain. ketika kita melempar
uang logam, maka hanya ada satu sisi yang memiliki kemungkinan untuk
muncul. Karena itulah kemungkinan munculnya sisi belakang atau sisi
depan disebut mutually exclusive. Akan tetapi jika ada lebih dari satu
kemungkinan untuk munculnya sebuah peristiwa maka hal itu disebut
collectively exhaustic.

2.2 Mutually Exclusive and Collectively Exhaustive Events

Ibrahim (2003:170) mendefinisikan “Mutually exclusive
alternative project adalah memilih salah satu alternatif dari beberapa

3
alternative yang lebih baik, Karena tidak mungkin melakukan beberapa
proyek dalam waktu yang bersamaan, baik yang disebabkan oleh
terbatasnya waktu, dana, maupun tenaga yang diperlukan”. Kadariah
(1986 : 64) menyebutkan bahwa mutually exclusive dapat terjadi jika
harus dipilih antara proyek yang berlainan, atau antara bentuk atau
ukuran yang berbeda dan proyek yang sama.
Tujuan yang ingin dicapai dalam metode ini adalah mencari salah
satu alternatif yang memberikan benefit yang terbesar sesuai dengan
kemampuan para investor. Apabila hasil kriteria investasi tidak konsisten
di antara kegiatan usaha/proyek, maka perlu dipertimbangkan beberapa
faktor, antara lain jumlah investasi yang diperlukan, waktu pengembalian
investasi, serta jangka waktu pembangunan proyek, maka digunakan
metode Mutually Exclusive Alternative Project.
Konsep Mutually Exclusive Project
a. Penyebab Bisnis Bersifat Mutually Exclusive
Terdapat beberapa penyebab suatu bisnis bersifat
mutually exclusive (Gittinger, 1986):
1. Terbatasnya sumber-sumber dana untuk kebutuhan
investasI
2. Bisnis secara fisik memang tidak dapat dilaksanakan secara
bersama sama.
3. Bisnis secara hukum, adat atau menurut pertimbangan
lainnya mempunyai sifat bertentangan
4. Pilihan bisnis berbeda skalanya
5. Adanya pilihan alternatif teknologi
b. Tahapan Pemilihan Bisnis bersifat Mutually Exclusive
Dalam memilih bisnis yang bersifat mutually
exclusivekriteria investasi yang digunakan sebagai patokan
adalah IRR (Internal Rate of Return), Namun dengan adanya
sedikit modifikasi dengan cara mencari selisih IRR ( Internal
Rate of Returnadalah tingkat bunga yang akan menghasilkan

4
 nilai Net Present Value sama dengan nol) dari bisnis yang
tersedia sebagai alternatif. Dengan kata lain untuk
mendapatkan bisnis yang akan dipilih, maka kita harus mencari
nilai MIRR (Marginal Internal Rate of Return). Adapun
tahapannya adalah sebagai berikut:
1. Berikan urutan terhadap pilihan bisnis yang ada, misal :
bisnis 1, bisnis 2 atau bisnis A, bisnis B.
2. Hitung besarnya IRR untuk semua pilihan bisnis yang ada.
3. Bisnis yang mempunyai nilai IRR lebih tinggi, maka
bisnis itulah yang akan dijalankan. Apabila bisnis yang
terpilih merupakan bisnis yang mempunyai kebutuhan
dana investasi yang kecil, maka lakukan tahapan
berikutnya.
4. Hitung selisih net benefitdiantara pilihan bisnis tersebut,
kemudian hitung IRR dari hasil selisih net benefitpilihan
bisnis yang ada (MIRR).
5. Nilai MIRR yang didapat, merupakan standar untuk
melakukan investasi dengan sisa dana yang ada terhadap
pilihan bisnis atau proyek lain dengan syarat IRR bisnis
tersebut harus lebih besar dari MIRR (IRR > MIRR).
6. Apabila ketentuan pada tahap ke-5 tidak dapat dipenuhi,
maka sebaiknya pilih saja bisnis dengan dana investasi
yang terbesar, walaupun nilai IRRnya lebih kecil.

2.3 Independen dan Dependen Events

Peristiwa Independent (Bebas). Dua peristiwa dikatakan
independen (bebas) jika terjadinya atau tidak terjadinya peristiwa satu
tidak mempengaruhi atau tidak dipengaruhi oleh peristiwa yang lain. Jika
X dan Y merupakan dua peristiwa yang independen, maka probabilitas
untuk terjadinya kedua peristiwa tersebut adalah: P (X ∩ Y) = P(X) x
P(Y). Contoh: Dari 100 barang yang diperiksa terdapat 20 barang yang

5
rusak. Berapa probabilitas untuk mendapatkan barang yang bagus (baik)
jika dilakukan tiga kali pengambilan barang tersebut (barang yang telah
diambil dikembalikan lagi).
Jawab: :
P (barang baik) = 80/100 = 0,80
P (barang rusak) = 20/100 = 0,20
X = pengambilan pertama barang baik
Y = pengambilan kedua barang baik
Z = pengambilan ketiga barang baik
P(X ∩ Y ∩ Z) = P(X) x P(Y) x P(Z) = 0,8 x 0,8 x 0,8 = 0,512.
Peristiwa Dependent (Bersyarat). Dua peristiwa dikatakan
dependen (bersyarat) adalah jika terjadinya peristiwa yang satu akan
mempengaruhi atau merupakan syarat terjadinya peristiwa yang lain. Jika
peristiwa X dan Y merupakan peristiwa dependen (probabilitas bahwa Y
akan terjadi jika diketahui bahwa X telah terjadi) maka dapat dirumuskan:
P (X ∩ Y) = P(X) x P(Y/X). Contoh:
Seorang peneliti ingin mengetahui Mata Kuliah yang disukai
mahasiswa. Untuk penelitian tersebut dibutuhkan 100 mahasiswa dan
setelah diberikan pertanyaan diketahui bahwa:
40 mahasiswa menyatakan menyukai Mata Kuliah Matematika
30 mahasiswa menyatakan menyukai Mata Kuliah Statistika
30 mahasiswa menyatakan tidak menyukai kedua Mata Kuliah di atas.
Jika dipilih 2 orang mahasiswa secara acak (setelah dipilih tidak
dikembalikan lagi), berapa kemungkinan terpilih seorang mahasiswa yang
menyukai Mata Kuliah Matematika dan seorang mahasiswa yang
menyukai Mata Kuliah Statistika.
Jawab:
A: terpilih seorang mahasiswa yang menyukai MK Matematika
B: terpilih seorang mahasiswa yang menyukai MK Statistika

6
 Catatan: Dalam pemilihan secara berturut-turut terdapat dua kemungkinan
pemilihan, yaitu terpilih yang menyukai Matematika - Statistika atau
Statistika – Matematika, dengan demikian probabilitasnya adalah :
P (A ∩ B) = (40/100) x (30/99) = 0,1212
P (B ∩ A) = (30/100) x (40/99) = 0,1212
Jadi probabilitas terpilih seorang mahasiswa yang menyukai mata kuliah
Matematika dan seorang mahasiswa yang menyukai mata kuliah Statistika
adalah 0,2424.

2.4 Ditribusi Probabilitas

Probabiltas sangat dibutuhkan, karena kebenaran dari suatu
kesimpulan yang dibuat dari analisis data sebetulnya tidak dapat
dipastikan benar secara absolut, disebabkan data berdasarkan dari sampel.
Distribusi Probabilitas adalah suatu distribusi yang mengambarkan
peluang dari sekumnpulan variat sebagai pengganti frekuensinya.
Probabilitas kumulatif adalah probalitas dari suatu variabel acak yang
mempunyai nilai sama atau kurang dari suatu nilai tertentu. Fungsi
distribusi peluang pada umumnya dibedakan atas distribusi peluang
diskrit dan distribusi peluang kontinu.

2.5 Distribusi Binomial

Distribusi Binomial ditemukan oleh seorang ahli matematika

berkebangsaan Swiss bernama Jacob Bernauli.Oleh karena itu distribusi
binomial ini dikenal juga sebagai distribusi bernauli. Distribusi binomial
berasal dari percobaan binomial yaitu suatu proses Bernoulli yang diulang
sebanyak n kali dan saling bebas. Suatu distribusi Bernoulli dibentuk oleh
suatu percobaan Bernoulli (Bernoulli trial). Sebuah percobaan Bernoulli
harus memenuhi syarat:Keluaran (outcome) yang mungkin hanya salah
satu dari “sukses” atau “gagal”, Jika probabilitas sukses p, maka

7
 probabilitas gagal q = 1 – p. Distribusi binomial adalah distribusi
probabilitas diskrit jumlah keberhasilan dalam n percobaan ya/tidak
(berhasil/gagal) yang saling bebas, dimana setiap hasil percobaan memiliki
probabilitas p. Eksperimen berhasil/gagal juga disebut percobaan
bernoulli. Ketika n = 1, distribusi binomial adalah distribusi bernoulli.
Distribusi binomial merupakan dasar dari uji binomial dalam uji
signifikansi statistik. Distribusi Binomial digunakan untuk data diskrit
(bukan data kontinu) yang dihasilkan dari eksperimen Bernouli, mengacu
kepada matematikawan JacobBernouli. Peristiwa pelemparan mata uang
(koin) yang dilakukan beberapa kaliadalah contoh dari proses bernouli,
dan hasil (outcomes) dari tiap-tap pengocokan dapat dinyatakan sebagai
distribusi probabilitas binomial. Kejadiansukses atau gagal calon pegawai
dalam psikotest merupakan contoh lain dari proses Bernouli. Sebaliknya
distribusi frekuensi hidupnya lampu neon di pabrik anda harus diukur
dengan skala kontinu dan bukan dianggap sebagai distribusi binomial.

2.6 Distribusi Norma

Pada waktu itu, para ahli matematika dihadapkan pada suatu

tantangan mengenai fenomena variabilitas pengamat atau interna yang
artinya bila seorang mengadakan pengukuran berulang-ulang maka
hasilnya akan berbeda-beda. Yang menjadi pertanyaan adalah nilai
manakah yang dianggap paling tepat dari semua hasil pengukuran tersebut.
Maka kemudian berdasarkan kesepakatan maka nilai rata-rata dianggap
paling tepat dan semua penyimpangan dari rata-rata dianggap suatu
kesalahan atau error.
Abraham de Moivre adalah yang pertama kali memperkenalkan
distribusi normal ini dan kemudian dipopulerkan oleh Carl Fredreich
Gauss. Sehingga nama lain distribusi ini adalah distribusi Gauss. Gauss
mengamati hasil dari percobaan yang dlakukan berulang-ulang, dan dia
menemukan hasil yang paling sering adalah nilai rata-rata.

8
 Penyimpangan baik ke kanan atau ke kiri yang jauh dari rata-rata,
terjadinya semakin sedikit. Sehingga bila disusun maka akan terbentuk
distribusi yang simetris.
Distribusi Normal adalah model distribusi kontinyu yang paling
penting dalam teori probabilitas. Distribusi Normal diterapkan dalam
berbagai permasalahan. Distribusi normal memiliki kurva berbentuk
lonceng yang simetris. Distribusi normal merupakan suatu alat statistik
yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa
yang lebih luas. Distribusi normal disebut juga dengan distribusi Gauss
untuk menghormati Gauss sebagai penemu persamaannya (1777-
1855). Menurut pandangan ahli statistik, distribusi variabel pada populasi
mengikuti distribusi normal. Distribusi normal pertama kali diperkenalkan
oleh Abraham DeMoivre (1733) sebagai pendekatan distribusi binomial
untuk n besar. Selanjutnya dikembangkan oleh Pierre Simon de Laplace
dan dikenal dengan Teorema Moivre - Laplace. Laplace menggunakan
distribusi normal untuk analisis galat suatu eksperimen. Suatu data
membentuk distribusi normal jika jumlah data di atas dan di bawah mean
adalah sama. Distribusi normal berupa kurva berbentuk lonceng setangkup
yang melebar tak berhingga pada kedua arah positif dan negatifnya.

2.7 Distribusi F
Dalam teori probabilitas dan statistika, distribusi F merupakan
distribusi probabilitas kontinyu. Distribusi F juga dikenal dengan sebutan
distribusi F Snedecor atau distribusi Fisher-Snedecor (setelah R.A.
Fisher dan George W. Snedecor). Distribusi F seringkali digunakan dalam
pengujian statistika, antara lainanalisis varians dan analisis
regresi,distribusi ini juga mempunyai variabel acak yang kontinu.
Fungsi identiatasnya mempunyai persamaan:Dengan variabel acak
F memenuhi batas F > 0, K = bilangan yang tetap harganya bergantung
pada v1 dan v2 . sedemikian sehingga luas dibawah kurva sama dengan
satu, v1= dk pembilang dan v2= dk penyebut. Jadi distribusi F ini

9
 mempunyai dua buah derajat kebebasan. Grafik distribusi F tidak simetrik
dan umumnya sedikit positif seperti juga distribusi lainya, untuk keperluan
penghitungan dengan distribusi F, daftar distribusi F telah disediakan
seperti dapat ditemukan dalam lampiran , daftar 1. Daftar tersebut
berisikan nilai-nilai F untuk peluang 0,01 dan 0,05 dengan derajat
kebebasan v1 dan v2. Peluang ini sama dengan luas daerah ujung kanan
yang diarsir, sedangkan dk=v1 ada pada baris paling atas dan dk=v2 pada
kolom paling kiri. Untuk tiap dk= v2, daftar terdiri atas dua baris, yang
atas untuk peluang p=0,05 dan yang bawah untukp=0,01. Contoh: untuk
pasangan derajat kebebasan v1 = 24 dan v2 = 8, ditulis
juga (v1,v2) = (24,8), maka untuk p =0,05 didapat F = 3,12 sedangkan
untuk p = 0,01 didapat F=5,28. Ini didapat dengan jalan mencari 24 pada
baris atas dan 8 pada kolom kiri. Jika dari 24 turun dan dari 8 ke kanan,
maka didapat bilangan bilangat tersebut. Yang atas untuk p=0,05 dan yang
bawahnya untuk p=0,01. Notasi lengkap untuk nilai-nilai F dari daftar
distribusi F dengan peluang p dan dk=(v1,v2) adalah Fp(v1,v2)

2.8 Distribusi Eksponensial

Distribusi Eksponensial merupakan salah satu distribusi kontinu
dan suatu fungsi spesial dari distribusi Gamma yang berperan penting di
statistika. Distribusi Eksponensial berguna dalam mencari selisih waktu
yang terjadi dalam suatu peluang pada daerah tertentu. Dalam aplikasinya,
distribusi Eksponensial ini berperan dalam mengukur tingkat kegagalan
yang mungkin terjadi dalam suatu peluang. Distribusi Generalized
Eksponensial (GE) dengan dua parameter (α,λ) adalah perumuman dari
distribusi Eksponensial yang pertama kali diperkenalkan oleh Gupta dan
Kundu pada tahun 1999. Distribusi GE adalah fungsi khusus dari
distribusi Gompertz Verhulst dan distribusi Eksponensial Weibull. Fungsi
distribusi GE mempunyai bentuk kurva yang spesifik, kurva naik dari nol
mencapai titik maksimum kemudian turun pada saat tertentu relatif

10
 konstan mendekati nol sehingga fungsi ini dapat dipergunakan untuk
model kurva pertumbuhan.

BAB III

PENUTUP

3.1 Kesimpulan

Probabilitas adalah kemungkinan yang dapat terjadi dalam suatu

peristiwa. Dalam kehidupan sehari-hari sulit untuk mengetahui dengan
“pasti” apa yang akan terjadi pada waktu yang akan datang, baik dalam
jangka pendek maupun jangka panjang. Sebuah contoh sederhana adalah
jika sebuah koin dilempar, maka akan sulit untuk memastikan bahwa
muka gambar atau muka angka yang berada di atas. Jika terkait dengan
suatu perusahaan, maka akan sulit untuk memprediksikan apakah tahun
depan akan mengalami keuntungan atau kerugian. Dari keseluruhan isi
makalah ini, dapat kita dapat mengambil kesimpulan bahwa statistic
digunakan sebagai metode untuk pengumpulan data yang bertujuan untuk
penarikan suatu keputusan. Di dalam Statistic sendiri terdiri dari 3 hal
yaitu kuartil, desil dan persentil. Dimana masing – masing nya memiliki
rumus tersendiri untuk menghitung jumlah data – data yang ada. Distribusi
Binomial seringkali digunakan untuk memodelkan jumlah keberhasilan
pada jumlah sampel n dari jumlah populasi N. Distribusi ini banyak

11
 digunakan pada masalah yang mungkin bernilai benar atau salah, gagal
atau sukses, dan lain sebagainya.

DAFTAR PUSTAKA

ewicz, E.J. and Mishra, M. (1995). Statistika Matematika

Modern. (Terjemahan oleh R.K. Sembiring). Bandung: ITB.

Ibrahim, Yacob., 2003, Studi Kelayakan Bisnis, Edisi Revisi, Penerbit Rineka
Cipta, Jakarta.

Ross, S. (1996). Suatu Pengantar ke Teori Peluang. (Terjemahan oleh

Bambang Sumantri). Bogor: Jurusan Statistika FMIPA-IPB

Sudjana. (1996). Metoda Statistika. Bandung: Tarsito.

12