BAB 12

PROBABILITAS

Kata Probabilitas sering dipertukarkan

dengan istilah lain seperti peluang dan
kemungkinan.

Secara umum probabilitas

merupakan peluang bahwa sesuatu
akan terjadi.

Probabilitas dinyatakan dengan

bilangan desimal atau pecahan
Contoh :

0,50 ; 0,25 ; 0,70

5 25 70
,
,
10 100 100

Nilai 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.

Pendekatan Perhitungan Probabilitas

Bersifat
Obyektif

Bersifat
Subyektif
Pendekatan Klasik
Pendekatan
Frekuensi Relatif

Didasarkan pada asumsi bahwa

seluruh hasil dari suatu eksperimen
mempunyai kemungkinan (peluang)
yang sama

x
a. P( A) , P ( A) 0 , sebab x 0 , n 0
n
nx n x
x
P( A)
1
n
n n
n

b. P ( A) 1 P ( A)
A bukan A (bukan barang rusak )
A komplemen A

Contoh 12.1 :
Kepala pabrik mengatakan bahwa dari 100 barang produksinya,
ada 25 yang rusak. Kalau barang dibungkus rapi, kemudian seorang
pembeli mengambil satu barang secara acak.
Berapakah probabilitasnya bahwa barang tsb rusak?

Penyelesaian :

Dari soal, n = 100 dan x = 25. dengan demikian,

x 25
P A
0,25 atau 25%
n 100

Contoh 12.2 :
Seorang Direktur Bank mengatakan bahwa dari 1000 nasabahnya
terdapat 150 orang yang tidak puas dengan pelayanan Bank.
Pada suatu hari kita bertemu dengan salah seorang nasabah.
Berapa probabilitasnya bahwa nasabah tsb tidak puas?

Penyelesaian :
Dari soal, diketahui bahwa n = 1000 dan x = 150. jika A adalah
nasabah yang tidak puas, maka:

x 150
P A
0,15 atau 15%
n 1000

Pendekatan yang mutakhir ialah perhitungan yang

didasarkan atas limit dari frekuensi relatif,
besarnya nilai yang diambil oleh suatu variabel juga
merupakan kejadian.

f
P ( X ) lim i
n
i

Probabilitas suatu kejadian merupakan limit

dari frekuensi relatif kejadian tersebut.

fr

X1

f1

X2

f2

f1
n
f2
n

Xk

fk

Jumlah

fk
n
fj

Contoh 12.3 :
Sebuah studi yang dilakukan terhadap 750 lulusan Sekolah
Administrasi Bisnis dari suatu Universitas (dalam hal ini studi dapat
dikatakan sebagai eksperimen).
Studi ini menunjukkan bahwa 300 dari 750 lulusan tidak bekerja sesuai
dengan bidang studi utama yang diambil di Universitas tsb.
Misalnya, seorang mahasiswa akuntansi bekerja sebagai manajer
pemasaran.
Berapa probabilitas bahwa seorang lulusan administrasi bisnis akan
bekerja di bidang yang bukan merupakan studi utamanya?

Penyelesaian :
Berdasarkan rumus di atas, maka dapat dihitung probabilitas
terjadinya suatu kejadian :

f 300
P A
0,4 atau 40%
n 750

Contoh 12.4
Pada suatu penelitian terhadap 65 karyawan yang bekerja
di perusahaan swasta, salah satu karakteristik yang ditanyakan ialah
besarnya gaji/upah bulanan, yang digambarkan sbb :
Tabel 12.1

X
f

55
8

65
10

75
16

85
14

95 105 115
10 5
2

Apabila kita kebetulan bertemu dengan salah seorang karyawan tsb,

berapakah besarnya probabilitas bahwa upahnya 65 ribu rupiah?
105 ribu rupiah?

Tabel 12.1

X
f

55
8

65
10

75
16

85
14

95 105 115
10 5
2

n = jumlah karyawan = 65

f
10
2
P ( X 65)

0,15 atau 15
n 65
f
5
6
P ( X 105)

0,0769 atau 8
n 65
0

Contoh 12.5
Diketahui bahwa nilai ujian Statistik mahasiswa Universitas
Tarumanegara (X) adalah sbb :
Tabel 12.2

Nilai

Banyaknya mahasiswa

(1)

(2)

< 25

10

25 50

30

50 75

45

> 75

15

Jumlah

100

Kalau kita bertemu dengan salah seorang mahasiswa dari sekelompok

mahasiswa tsb, berapakah probabilitasnya bahwa dia mendapat nilai
25 < X < 50 ; 50 < X < 75 dan X 75 ?

30
P (25 X 50)
0,3 atau 30%
100

45
P (50 X 75)
0,45 atau 45%
100

15
P( X 75)
0,15 atau 15%
100

Contoh 12.6
Suatu eksperimen dilakukan dengan jalan melemparkan mata uang logam
Rp 50 secara berulang-ulang. Mata uang tsb mempunyai dua sisi gambar,
yaitu sisi yang satu berupa gambar burung (B) dan sisi sebelahnya
bukan burung ( B )
Jika:
X1 = kejadian melihat B
X2 = kejadian melihat B
n = banyaknya lemparan mata uang.
Tabel 12.3
f

fr

fr

fr

fr

fr

X1

0,8

60

0,6

450

0,45

5.490

0,549

52.490

0,5249

X2

0,2

40

0,4

550

0,55

4.510

0,451

47.510

0,4751

10

1,0

100

1,0

1000

1,00 10.000 1,000 100.000

1,0000

Untuk n = 10
Untuk n = 100
Untuk n = 1.000
Untuk n = 10.000
Untuk n = 100.000

P(X1) = 0,8
P(X1) = 0,6
P(X1) = 0,45
P(X1) = 0,549
P(X1) = 0,5249

log 10
log 100
log 1.000
log 10.000
log 100.000

=1
=2
=3
=4
=5

Probabilitas Subyektif didasarkan

atas penilaian seseorang dalam
menyatakan tingkat kepercayaan.
Jika tidak ada pengamatan masa lalu
sebagai dasar, maka pernyataan
probabilitas tersebut bersifat
subyektif.

Kejadian / peristiwa dan notasi Himpunan

Eksperimen melempar mata uang logam Rp 50 sebanyak 2 kali

Hasil eksperimen salah satu dari 4 kemungkinan

BB B B BB B B
1

Hasil yang berbeda dari suatu eksperimen disebut titik sampel

Himpunan dari seluruh kemungkinan hasil disebut ruang sampel

Tabel 12.4

11

12

13

14

15

16

21

22

23

24

25

26

31

32

33

34

35

36

41

42

43

44

45

46

51

52

53

54

55

56

61

62

63

64

65

66

II

I
II

Ruang sampel untuk eksperimen

Pelemparan 2 dadu

= dadu pertama
= dadu kedua

23 = dadu pertama 2
dadu kedua 3

Ruang sampel suatu eksperimen mempunyai 2 syarat :

1. Dua hasil atau lebih tidak dapat terjadi secara bersamaan /
saling meniadakan (mutually exclusive event)
misalnya, melempar mata uang satu kali hasilnya B atau B
tidak bisa B B
2. Harus terbagi habis (exhaustive). Artinya, ruang sampel harus
memuat seluruh kemungkinan hasil, tidak ada yang terlewat.
misalnya, jika melempar mata uang satu kali, maka ruang sampel (S)
adalah B, B

Mata uang logam Rp 50 dilempar sebanyak 3 kali

maka akan diperoleh ruang sampel 23

S BBB, BB B, B BB, B B B, BBB, BB B, B BB, B B B

1

Kalau X = jumlah gambar burung ( B ) untuk 3 kali lemparan

BBB X 3

BB B X 2

B BB X 2

BBB X 1

BBB X 2

BB B X 1

B BB X 1

BBB X 0

BBB X 0

BBB X 1

fr

1
8

3
8

3
8

1
8

BB B X 1

B BB X 1
BB B X 2
B BB X 2

BBB X 2
BBB X 3

Tabel 12.6

Tabel 12.5

X
X

fr

1
8
3
8
3
8
1
8

0
1
2
3

fr
1
0,125
8
3
0,375
8
3
0,375
8
1
0,125
8
1 1,00

Kalau kita melempar dadu sebanyak 2 kali (dapat juga 2 dadu

dilempar sekali) dan kalau X adalah jumlah mata dadu tersebut, maka :
X = 2 terjadi 1 kali (11 = 1 dan 1)
X = 3 terjadi 2 kali (21, 12)
X = 4 terjadi 3 kali (31, 22, 13)
X = 5 terjadi 4 kali (41, 32, 23, 14)
X = 6 terjadi 5 kali (51, 42, 33, 24, 15)
X = 7 terjadi 6 kali (61, 52, 43, 34, 25, 16)
X = 8 terjadi 5 kali (62, 53, 44, 35, 26)
X = 9 terjadi 4 kali (63, 54, 45, 36)
X = 10 terjadi 3 kali (64, 55, 46)
X = 11 terjadi 2 kali (65, 56)
X = 12 terjadi 1 kali (66)

Tabel 12.7
X

fr P X

1/36 (=0,028)

2/36 (=0,056)

3/36 (=0,083)

4/36 (=0,111)

5/36 (=0,139)

6/36 (=0,167)

5/36 (=0,139)

4/36 (=0,111)

10

3/36 (=0,083)

11

2/36 (=0,056)

12

1/36 (=0,028)

36

1 (=1,00)

S BB B B BB B B X 0, 1, 2
P X 1 P X 1 atau X 2
Dimana 1 dan 2 merupakan himpunan bagian

P X 2 P X 0 atau X 1
Dimana 0 dan 1 merupakan himpunan bagian

S BB B B BB B B X 0, 1, 2
Misalnya A = mendapatkan 1B (satu burung),
berarti A terdiri dari 2 elemen yaitu B B BB
Kejadian yang terdiri dari satu elemen dalam
Ruang Sampel S, disebut kejadian elementer
(elementary event)

Probabilitas memiliki batas mulai

0 sampai dengan 1 ( 0 P(Si) 1 )
Jika P(Si) = 0, disebut probabilitas
kemustahilan, artinya kejadian atau peristiwa
tersebut tidak akan terjadi.
Jika P(Si) = 1, disebut probabilitas kepastian,
artinya kejadian atau peristiwa tersebut pasti
terjadi.
Jika 0 P(Si) 1, disebut probabilitas
kemungkinan, artinya kejadian atau peristiwa
tersebut dapat atau tidak dapat terjadi.

A. HIMPUNAN
1.Pengertian Himpunan.
Himpunan adalah kumpulan objek
yang didefinisikan dengan jelas
dan dapat dibeda-bedakan.
Setiap objek yang secara kolektif
membentuk himpunan, disebut
elemen atau unsur atau anggota
himpunan.
B = {1,2,3,4,5}

2.Penulisan Himpunan
Dalam Statistik, himpunan dikenal
sebagai populasi.
Himpunan dilambangkan dengan
pasangan kurung kurawal { }, dan
dinyatakan dengan huruf besar: A,
B,...
Anggota himpunan ditulis dengan
lambang , bukan anggota himpunan
dengan lambang .

Himpunan dapat ditulis

dengan 2 cara :
Cara Pendaftaran Diskrit
Unsur himpunan ditulis satu persatu/didaftar
Contoh : A={a,i,u,e,o} , B={1,2,3,4,5}
Cara Pencirian Kontinyu
Unsur himpunan ditulis dengan menyebutkan sifatsifat / ciri-ciri himpunan tsb.
Contoh : A={ X : x huruf hidup }
B={ X : 1 x 5 }

3. Macam-macam Himpunan
a.Himpunan Semesta
Himpunan yang memuat seluruh objek yang
dibicarakan atau menjadi objek pembicaraan.
Dilambangkan S atau U.
Contoh : S=U={a,b,c,..}
S=U={ X : x bilangan asli}

b.Himpunan Kosong.
Himpunan yang tidak memiliki anggota.
Dilambangkan { } atau .

c.Himpunan Bagian.
Himpunan yang menjadi bagian dari
himpunan lain.
Dilambangkan .
Dalam statistik himpunan bagian merupakan
sampel.
Contoh :
Himpunan A merupakan himpunan bagian B, jika
setiap unsur A merupakan unsur B, atau A
termuat dalam B, atau B memuat A.
Dilambangkan : A B.

Diagram Venn Himpunan Bagian

2
3

1,2,3 1,2,3,4,5

Kejadian / event terdiri antara lain :

1. Kejadian komplementer
2. Interseksi (perpotongan)
3. union (gabungan)

Komplemen
Himpunan komplemen adalah himpunan semua
unsur yang tidak termasuk dalam himpunan yang
diberikan.
Jika himpunannya A maka himpunan
komplemennya dilambangkan A atau A

Peraga 12.4 Diagram Venn Komplemen

S

Operasi Irisan (interseksi)

Irisan dari himpunan A dan B adalah
himpunan semua unsur yang termasuk di
dalam A dan di dalam B.
Irisan dari himpunan A dan himpunan B
dilambangkan A B.

Peraga 12.5 Diagram Venn Operasi Irisan

Misalnya A adalah jumlah uang yang dapat digunakan (yang tersedia)

bagi seorang ibu rumah tangga untuk berbelanja selama bulan Juli

A x : 0 x Rp 100.000
B = besarnya pengeluaran ibu rumah tangga tsb pd bulan Juli

B x : x Rp 100.000
A B x : x Rp 100.000

Rp 100.000

A : 0 x Rp 100.000

B : x Rp 100.000

milik A dan juga milik B

Kalau misalnya penghasilan suami dari ibu rumah tangga tsb meningkat,
sehingga

A x : 0 x Rp 175.000
B = besarnya pengeluaran ibu rumah tangga tsb pd bulan Juli

B x : x Rp 100.000
A B x : Rp 100.000 x Rp 175.000
B x : x Rp 100.000
0

Rp 100.000

Rp 175.000

A B
A
A x : 0 x Rp 175.000

B x : x 5
0

A
A x : 0 x 10

10

A B x : 5 x 10

Gabungan (Union) dua kejadian

Gabungan himpunan A dan

himpunan B adalah semua unsur
yang termasuk di dalam A atau di
dalam B.
Gabungan dari himpunan A dan
himpunan B dilambangkan A B.
A B ={X:x A, x B, atau x AB }

Peraga 12.6 Diagram Venn Operasi Gabungan

A=

x : 2 x 5

B=

x : 6 x 12

10

S A B x : 2 x 12

11

12

Peraga 12.7
K
A

A B C (daerah yang diarsir )

Peraga 12.8
K
A

A B C (daerah yang diarsir )

Beberapa aturan dasar probabilitas

Secara umum ada 2 aturan :
- aturan penjumlahan
- aturan perkalian

Aturan Penjumlahan
Kejadian Saling Meniadakan.
( Mutually exclusive event)
Dua peristiwa atau lebih disebut peristiwa
saling lepas jika kedua atau lebih peristiwa itu
tidak dapat terjadi pada saat yang bersamaan.

Jika peristiwa A dan B saling lepas,

probabilitas terjadinya peristiwa
tersebut adalah :
P (A atau B) = P (A) + P (B)
atau
P ( A B)
= P (A) + P (B)

(12.5)

Untuk 3 kejadian saling meniadakan

P ( A B C) = P (A) + P (B) + P (C)
(12.6)

Contoh 12.7 :
Sebuah mesin otomatis pengisi kantong plastik dengan campuran
beberapa jenis sayuran menunjukkan bahwa sebagian besar kantong
plastik berisi sayuran tsb memuat berat yg benar.
Meskipun demikian, karena ada sedikit variasi dalam ukuran sayuran yg
ada, sebuah paket kantong plastik mungkin sedikit lebih berat atau lebih
ringan dari berat standar.
Pengecekan terhadap 4000 paket menunjukkan hasil sbb:

Hitung berapa probabilitas bahwa paket tertentu beratnya akan

lebih ringan atau lebih berat dari berat standar?

Tabel 12.8
Berat

Kejadian Jumlah padat

Probabilitas

Lebih ringan

100

100
0,025
4000

Standar

3600

3600
0,900
4000

Lebih berat

300

300
0,075
4000

Jumlah

4000

P (A atau C) = P ( A C) = P (A) + P (C)

= 0,025 + 0,075
= 0,10

1,000

Kejadian yang saling meniadakan dapat digambarkan dengan sebuah

diagram Venn.
Dalam kejadian yg saling meniadakan tsb, utk 3 jenis kejadian A,B dan C,
diagram Venn nya dapat dilihat berikut ini.

Peraga 12.9 Diagram Venn

A

Jadi diagram Venn dr ke 3 kejadian tsb tidak ada yg

saling beririsan (intersection), atau

A B ,

A C , dan B C

Suatu ruang sampel S dapat dibagi habis (exhaustive) apabila dipecah

menjadi himpunan-himpunan bagian (subset) yg merupakan
kejadian-kejadian yg saling meniadakan.

S1

S2

Sk

N1

N2

Nk

P ( S ) P( S1 S 2 ....... S k ) P ( S1 ) P ( S 2 ) ...... P( S k )

(12.8)

Suatu himpunan yang dibagi habis menjadi himpunan-himpunan yang

lebih kecil (subset) disebut himpunan partisi (partition set).
Misal ada 100 barang (S=100), diketahui 25 rusak
(S1=25),
maka sisanya sebanyak 75 tidak rusak (S2=75)
S = S1 + S2

P ( S1 S 2 ) P( S1 ) P ( S 2 )
25 75

1
100 100

Kejadian tidak saling meniadakan.

Dua peristiwa atau lebih disebut peristiwa tidak
saling lepas, apabila kedua peristiwa atau lebih
tersebut dapat terjadi pada saat yang
bersamaan. Peristiwa tidak saling lepas disebut
juga peristiwa bersama.

Departemen Pariwisata memilih sebuah sampel dari 200 wisatawan

yang mengunjungi Jakarta. Dari hasil survey ternyata diperoleh bahwa
120 orang telah mengunjungi Taman Mini Indonesia Indah, dan
100 orang telah mengunjungi Taman Impian Jaya Ancol.
Berapa probabilitas bahwa seorang wisatawan yang terpilih telah
mengunjungi Taman Mini Indonesia Indah atau Taman Impian Jaya Ancol ?.
Yang telah mengunjungi Taman Mini Indonesia Indah 120/200 = 0,60
Yang telah mengunjungi Taman Impian Jaya Ancol 100/200 = 0,50
Jumlahnya 0,60 + 0,50 = 1,1 > 1
Hal ini terjadi karena ada beberapa wisatawan yang mengunjungi
kedua tempat wisata tersebut, sehingga mereka dihitung 2 kali.
Ternyata setelah diteliti dari respon survei terdapat 60 orang yang
mengunjungi kedua tempat wisata diatas.

Jika dua kejadian saling ber-interseksi (beririsan), probabilitasnya

disebut sebagai probabilitas bersama (joint probability).
Secara ringkas, aturan umum penjumlahan untuk kejadian-kejadian
yang tidak saling meniadakan pada dua kejadian A dan B dapat ditulis
P (A atau B )
= P(A) + P(B) - P(A dan B)
P ( A B)
= P(A) + P(B) P(A B)

(12.9)

P (Taman Mini atau Ancol)

= P(Taman Mini) + P(Ancol) P(Taman Mini atau Ancol)

120 100 60

0,80
200 200 200

Contoh 12.8 :
Berapa probabilitas bahwa sebuah kartu yang dipilih secara
acak dari satu set kartu yg berisi 52 kartu adalah bergambar raja (king)
atau bergambar hati (heart)?

Tabel 12.9
Kartu
Raja (King)
Hati (Heart)
Raja bergambar hati

Probabilitas

Penjelasan

P ( A)

4
52

4 kartu raja dalam 1 set kartu

P( B)

13
52

13 kartu heart dalam 1 set kartu

1
P ( A dan B )
52

1 kartu raja bergambar heart

dalam 1 set kartu

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

4 13 1 16

0,3077
52 52 52 52
B

A
B

(12.9)

Contoh 12.9 :
Sebuah perusahaan elektronik mengambil sampel 1000 rumah tangga
dan responden yang ditanya tentang apakah mereka merencanakan untuk
membeli televisi ukuran besar atau tidak.
Setahun berikutnya responden yang sama ditanya apakah mereka
benar-benar telah membeli televisi ukuran besar tsb atau tidak.
Hasilnya dapat dilihat pada tabel berikut:

Tabel 12.10
Merencanakan untuk membeli

Benar2 telah membeli

Total

Ya

Tidak

Ya

200

50

250

Tidak

100

650

750

Total

300

700

1000

Tabel 12.10
Merencanakan untuk membeli

Benar2 telah membeli

Total

Ya

Tidak

Ya

200

50

250

Tidak

100

650

750

Total

300

700

1000

P ( A B)

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

250 300 200

0,35
1000 1000 1000

(12.9)

Contoh 12.10
Menurut catatan yang ada pada Sekretariat Fakultas Ekonomi suatu
Universitas di Jakarta, ada 500 orang mahasiswa tingkat persiapan yang
mengambil matakuliah Aljabar Linear (A), Kalkulus (K) dan
Pengantar Statistik (S) dengan rincian sbb:
-Aljabar Linear
= 329 orang
-Kalkulus
= 186 orang
-Pengantar Statistik
= 295 orang
-Aljabar Linear dan Kalkulus
= 83 orang
-Aljabar Linear dan Pengantar Statistik = 217 orang
-Kalkulus dan Pengantar Statistik
= 63 orang
-Kalkulus Pengantar Statistik dan Aljabar Linear = 53 orang

Kalau kita memilih secara acak (random) seorang mahasiswa dari daftar
nama ke-500 orang mahasiswa tsb,
Berapakah probabilitasnya jika mahasiswa tsb:
a. Mengambil ketiga matakuliah

AKS

b. Mengambil Aljabar Linear tetapi bukan Pengantar Statistik

AS A K S AK S
c. Mengambil Kalkulus tetapi bukan Aljabar Linear

K A AK S AKS
d. Mengambil Pengantar Statistik tetapi bukan Kalkulus
e. Mengambil Aljabar Linear atau Pengantar Statistik tetapi bukan Kalkulus
P A SK
P AK S AK S AK S

f. Mengambil Aljabar Linear tetapi bukan Kalkulus atau bukan

Pengantar Statistik

A K S 82
AK S 30

82

93

30
164

AK S 93
AKS 53

53
10

AKS 10
A K S 164

68
S

A K S 68

a. Mengambil ketiga matakuliah

P AKS

53
500

b. Mengambil Aljabar Linear tetapi bukan Pengantar Statistik

AS A K S AK S

P A K S AK S P A K S P AK S
82
30 112

500 500 500

c. Mengambil Kalkulus tetapi bukan Aljabar Linear

K A AK S AKS
e. Mengambil Aljabar Linear atau Pengantar Statistik tetapi bukan Kalkulus
P A SK
P AK S AK S AK S

Aturan Perkalian
- Kejadian tak bebas (dependent event)
- Kejadian bebas (independent event)

Kejadian tak bebas (bersyarat)

Probabilitas terjadinya kejadian A dengan syarat
bahwa B sudah terjadi atau akan terjadi, disebut
probabilitas bersyarat (conditional probability),
atau biasa ditulis P (A/B)
P(A dari B)

Misalkan jumlah seluruh mahasiswa suatu Universitas (Swasta atau Negeri)

sama dengan 10.000 orang.
Himpunan A mewakili 2.000 mahasiswa lama (a).
Himpunan B mewakili 3.500 mahasiswa putri (b).
Sedangkan 800 dari 3.500 mahasiswa putri merupakan mhs lama (c).
Berapa probabilitasnya bahwa mahasiswa tersebut mhs putri lama?.
(merupakan proporsi mahasiswa lama putri dengan
seluruh mahasiswa putri)

c 800
( putri lama )
P( A / B)

b 3500 ( putri lama baru )

0,23

Berapa probabilitasnya bahwa mahasiswa tersebut mhs putri lama?.

(merupakan proporsi mahasiswa lama putri dengan seluruh
mahasiswa lama)

c 800
( putri lama )
P ( B / A)

a 2000 ( putri putra lama )

0,40

A = 2000 mahasiswa lama

(a)

mahasiswa putri lama = 800 = (c)

A B

S = 10.000, seluruh mahasiswa

(N)

B = 3500 mahasiswa putri

(b)

c
800
P( A B)

0,08 8%
N 10.000
( putri lama )
P ( A / B ) P (lama / putri )
( putri lama baru )
P( A B) c / N c
800

0,23
P( B)
b / N b 3500

( putri lama )
P ( B / A) P ( putri / lama )
( putri putra lama )
P ( A B) c / N c 800

0,40
P ( A)
a / N a 2000

Pada umumnya probabilitas bersyarat dirumuskan sbb:

P A B
P A / B
P B

(12.10)

P A B
P B / A
P A

(12.11)

P A B P A P B / A P B P A / B

Contoh 12.11 :

Sebuah dadu di lemparkan ke atas sebanyak 2 kali, dan X adalah jumlah

mata dadu dari hasil lemparan tsb.
Apabila lemparan yg pertama keluar mata 2 dan lemparan kedua keluar
mata 4, maka X = 2 + 4 = 6.
Juga apabila pada lemparan pertama yg keluar adalah mata 3 dan yg
kedua 5, maka X = 3 + 5 = 8, dan seterusnya.
Jika A = {x : x < 5} dan B = {x : x suatu bilangan ganjil},
Hitunglah P (A/B) dan P (B/A).

Tabel 12.11

11

12

13

(14)

15

(16)

21

22

(23)

24

(25)

26

31

(32)

33

(34)

35

(36)

(41)

42

(43)

44

(45)

46

51

(52)

53

(54)

55

(56)

(61)

62

(63)

64

(65)

66

S = 36 titik sampel = 36 hasil eksperimen (N = 36)

A = (11 = 2, 12 = 3, 13 = 4, 21 = 3, 22 = 4, 31 = 4 semuanya
memberikan nilai X < 5, a = 6)
B = (21, 41, 61, 12, 32, 52, 23, 43, 63, 14, 34, 54, 25, 45, 65, 16, 36, 56,
semuanya memberikan X ganjil X = 3, 5, 7, 3, .) b = 18

A B = 2 (12 dan 21, semuanya memberikan nilai X < 5 dan ganjil)

P A B c / N c
P A / B

P B
b/ N b
2
0,11
18

P A B c / N c
P B / A

P A
a/N a
2
0,33
6

(12.10)

(12.11)

Contoh 12.12 :
Jumlah pelamar untuk menjadi dosen pada Fakultas Ekonomi Universitas
Indonesia ada 100 orang.
Masing-masing pelamar mempunyai kesempatan yg sama untuk diterima,
yaitu mempunyai probabilitas sebesar 0,01.
Para pelamar ada yg bergelar Doktor dan ada yg tidak, ada yg menikah
dan ada yg belum, ada pria dan wanita.
Berdasarkan data yg masuk ke Sekretariat FE-UI, diperoleh rincian sbb:

Bukan
Doktor

Sudah
Belum
menikah menikah

Doktor

Sudah
Belum
menikah menikah

Pria

12

Pria

40

10

Wanita

10

Wanita

10

10

Bukan
Doktor

Sudah
Belum
menikah menikah

Doktor

Sudah
Belum
menikah menikah

Pria

12

Pria

40

10

Wanita

10

Wanita

10

10

Misalkan W, M, D mewakili kejadian bahwa pelamar yang terpilih wanita,

menikah, dan bergelar Doktor, PW , P M , P D , P W , P M , dan P D

W = 10 + 5 + 10 + 10
= 35 di antara 100 pelamar (S)

W 10 5 10 10 35 diantara 100 pelamar S

P W

35
0,35
100

M 3 10 40 10 63
P M

63
0,63
100

D 40 10 10 10 70
70

PD
0,70
100

P W 1 P W
1 0,35 0,65

P M 1 P M
1 0,63 0,37

P D 1 P D
1 0,70 0,30

Probabilitas kejadian interseksi

Rumus Aturan Umum dari Perkalian Probabilitas

P A B P A P B / A P B P A / B
(12.12)

Contoh 12.13 :
Kita mengambil secara acak 2 kartu berturut-turut dari suatu set (kumpulan)
kartu bridge.
Berapa probabilitasnya bahwa pengambilan kartu pertama berupa kartu As,
yg kedua juga kartu As?
(hasil pengambilan pertama tidak dikembalikan lagi / without replacement
dan hasil pengambilan kedua dipengaruhi oleh hasil pengambilan pertama)

S 52 kartu ( N ), a 4, P A
B/ A
(b 3, N 51)
3
P B / A
51
P A B P A P B / A
4 3
0,0045
52 51

4
52

Kalau kejadiannya A, B dan C (3 kejadian), maka :

P A B C P A P B / A P C / A B
Pembuktiannya : misalnya

(12.13)

A B C0

P A B C P C0 / C

P C 0 P C / C0

P C0 P A B

P A P B / A
P C / C0 P C / A B
Jadi

P A B C P A P B / A P C / A B
Terbukti

Diagram pohon
Sebuah perusahaan elektronik mengambil sampel 1000 rumah tangga
dan responden yang ditanya tentang apakah mereka merencanakan untuk
membeli televisi ukuran besar atau tidak.
Setahun berikutnya responden yang sama ditanya apakah mereka
benar-benar telah membeli televisi ukuran besar tsb atau tidak.
Hasilnya dapat dilihat pada tabel berikut:

Tabel 12.10
Merencanakan untuk membeli

Benar2 telah membeli

Total

Ya

Tidak

Ya

200

50

250

Tidak

100

650

750

Total

300

700

1000

Diagram pohon

nar
e
B

Seluruh
responden

Tida
k

nc
e re

kan
a
n
a

i
bel
m
me

hm
tela

Tid
ak

250
P( A B)
1000

750
P
(
A
)

mer
enc
1000
ana

kan
mem
beli

ar te
Ben

me

l ah

Tida
km

eli P ( A B ) 200
b
m

mb
eli

beli
m em

emb
e li

1000

P( A B)

50
1000

P( A B)

P( A B)

100
1000

650
1000

200
P benar telah membeli / merencanakan membeli P( B / A)
250

Kejadian Bebas (Independent Event)

Apabila terjadinya peristiwa yang satu
tidak mempengaruhi terjadinya peristiwa
yang lain.
P (AB) = P(A) P(B) = P(B) P(A)
(A dan B merupakan kejadian bebas)

(12.14)

Contoh 12.17 :
Satu mata uang logam Rp 50 dilempar ke atas sebanyak 2 kali.
Jika A1 adalah lemparan pertama yg mendapat gambar burung (B), dan
A2 adalah lemparan kedua yang mendapatkan gambar burung (B),
berapakah P (A1A2) ?

1
P ( A1 ) P( B)
2
1
P ( A2 ) P( B)
2
P A1 A2 P ( A1 ) P( A2 )
1 1 1
P( B) P( B)
2 2 4

Contoh 12.18 :
Kita mengambil 2 lembar kartu berturut-turut secara acak dari satu set
kartu bridge. Sebelum pengambilan kedua, hasil pengambilan pertama
dikembalikan lagi sehingga hasil pengambilan pertama tidak
mempengaruhi hasil pengambilan kedua.
Kalau A1 = kartu As wajik (diamond) dan A2 = kartu As hati (heart).
Berapa P (A1A2) ?

4
52
4
P( A2 )
52
P( A1 )

P A1 A2 P ( A1 ) P( A2 )

4 4
0,0059
52 52

Peraga 12.14
S=N

a
P ( A)
N

P( B)

P( A B)

c
N

b
N

Contoh 12.19 :
Jika P ( A) 0,7 dan P ( B ) 0,6 serta A dan B independen,
hitunglah P ( A B )!
P ( A B ) P ( A) P ( B ) 0,42

Probabilitas marginal
Probabilitas terjadinya suatu
Peristiwa yang tidak memiliki
hubungan dengan terjadinya
peristiwa lain.

Sebagai iliustrasi sederhana, misalkan kita memproduksi suatu jenis

baterai di tiga pabrik yg peralatan dan karyawannya berbeda.
Produksi mingguan pabrik pertama (S1 = 500), pabrik kedua (S2 = 2.000),
dan pabrik ketiga (S3 = 1.500).
Selanjutnya, misalkan diketahui besarnya nilai probabilitas barang rusak
dari pabrik pertama, P(R/S1) adalah 0,020, probabilitas barang rusak dari
pabrik kedua, P(R/S2) adalah 0,015, dan probabilitas barang rusak dari
pabrik ketiga, P(R/S3) adalah 0,030
Baterai yang diproduksi oleh pabrik tsb digunakan untuk menyuplai pabrik
mobil.
Dengan demikian pabrik mobil setiap minggunya menerima suplai baterai
sebanyak 4000, dari S1 + S2 + S3 (ingat S adalah ruang sampel)

Jika satu baterai dipilih secara acak:

500
4000
2000
P(S 2 )
4000
1500
P( S3 )
4000
P ( S1 )

Apabila pemilik pabrik tsb mengambil 1 baterai secara acak (random),

berapa probabilitasnya bahwa baterai yg diambil oleh pemilik pabrik
mobil tsb rusak.
Probabilitas Marjinal = P(R) = P ( S i ) P ( R / S i )

P( R ) P ( S1 ) P ( R / S1 ) P ( S 2 ) P ( R / S 2 ) P ( S 3 ) P ( R / S3 )
500
2000
1500

x0,020
x0,015
x0,030
4000
4000
4000
0,0213

Contoh 12.21 :
Suatu Universitas mempunyai mahasiswa sebanyak 1.000 orang yg terdiri
dari 4 Fakultas, yaitu FE = 400 mahasiswa, FH = 200 mahasiswa, FT =
150 mahasiswa, dan FK = 250 mahasiswa.
Dari mahasiswa tsb ada yg menjadi anggota Menwa (Resimen
Mahasiswa).
Dari FE = 200 orang, FH = 50 orang, FT = 25 orang, dan FK = 150 orang.
Jika suatu saat kita bertemu dgn salah seorang mahasiswa (anggap saja
sebagai kejadian yg acak), berapa probabilitas bahwa mahasiswa tsb
seorang anggota Menwa?

M ME MH MT MK Menwa dari FE atau FH atau FT atau FK .

200
1000
50
P ( MH ) P( H ) P( M / H )
1000
25
P ( MT ) P (T ) P( M / T )
1000
150
P ( MK ) P ( K ) P ( M / K )
1000
P ( ME ) P ( E ) P ( M / E )

P ( M ) P( ME ) P( MH ) P ( MT ) P ( MK )
P ( E ) P ( M / E ) P ( H ) P ( M / H ) P (T ) P ( M / T ) P ( K ) P ( M / K )
200 50 25 150

0,425
1000
P(M )

M ME MH MT MK

0,425
S
S

S = 1000
E
400

ME
200
M

H
200

T
150

MH
50

MT
25

K
250

MK
150

Rumus Bayes
Sebagai ilustrasi, misalkan terdapat 3 kotak yang sama ukurannya dan
masing-masing berisi 2 bola.

2M
Kotak 1 = A1

1M
1P

2P

Kotak 2 = A2

Kotak 3 = A3

- Anda diminta memilih 1 kotak secara acak (random),

- kemudian anda diminta lagi memilih 1 bola dari kotak terpilih,
juga secara acak.
- Anda diberitahu bahwa bola yang anda pilih tersebut ternyata bola
berwarna merah.
Berapakah probabilitasnya bahwa kotak yang terpilih adalah kotak
Pertama, yang berisi 2 bola merah? (kotak pertama/merah)

Rumus Bayes
P ( Ai / A)

P ( Ai ) P ( A / Ai )
k

P( A ) P( A / A )
i 1

A1
A1A

A2

Ai

Ax

A2A

AiA

AxA

2M
Kotak 1 = A1

1M
1P

2P

Kotak 2 = A2

Kotak 3 = A3

K = 3, A1 , A2 , A3 (kejadian, pemilihan kotak)

1
P ( A1 ) P ( A2 ) P ( A3 )
3
Yaitu probabilitas bahwa kotak 1, 2, 3 terpilih,
Masing-masing kotak mempunyai probabilitas yang sama
A merupakan kejadian terpilihnya bola merah setelah
salah satu kotak terpilih

P ( A / A1 )

2
1
1 P ( A / A2 )
2
2

P ( A / A3 ) 0

Yaitu probabilitas untuk mendapatkan bola merah,

dengan syarat kotak 1, 2, 3 terpilih

2M
Kotak 1 = A1

1M
1P

2P

Kotak 2 = A2

Kotak 3 = A3

P ( A) P ( A1 ) P ( A / A1 ) P ( A2 ) P ( A / A2 ) P ( A3 ) P ( A / A3 )
1
1 1 1
1
1 0
3
3 2 3
2

1
1 2
P( A1 ) P ( A / A1 ) 3
P( A1 / A)

1
P( A)
3
2
Yaitu probabilitas kotak pertama terpilih dgn syarat bola merah terpilih

1 1

P( A2 ) P ( A / A2 ) 3 2
1
P( A2 / A)

1
P( A)
3
2
Yaitu probabilitas kotak 2 terpilih dgn syarat bola merah terpilih

1
0
P ( A3 ) P ( A / A3 ) 3
P ( A3 / A)

0
1
P ( A)
2
Yaitu probabilitas kotak 3 terpilih dgn syarat bola merah terpilih

Contoh 12.21 :
Suatu daftar pertanyaan dikirimkan kepada para responden untuk
mengetahui penggunaan mobil keluarga.
Kita anggap suatu nilai a priori probability bahwa daftar pertanyaan
tersebut akan diisi oleh keluarga yang tinggal di Jakarta adalah 0,5
Probabilitas bahwa daftar pertanyaan diisi oleh mereka yang
berpenghasilan tinggi adalah 0,3
Berdasarkan pengalaman, probabilitas bahwa daftar pertanyaan yang
dikirim kepada penduduk di luar Jakarta diisi oleh mereka yang
berpenghasilan tinggi sama dengan 0,2
Kita gunakan simbol berikut :
A1 = keluarga yang tinggal di luar Jakarta
A2 = keluarga yang tinggal di Jakarta
A = keluarga yang berpenghasilan tinggi

A1 = keluarga yang tinggal di luar Jakarta

A2 = keluarga yang tinggal di Jakarta
A = keluarga yang berpenghasilan tinggi

P ( A1 ) 0,5
P ( A2 ) P ( A1 ) 1 P ( A1 ) 1 0,5 0,5
A2 merupakan komplemen A1
P ( A) 0,3
P ( A / A1 ) 0,2

Misalkan daftar pertanyaan yang sudah diisi kita terima, sedangkan kode
mengenai tempat responden sudah dihapus.
Dengan demikian, kita tidak mengetahui apakah responden tsb tinggal
di luar Jakarta atau di Jakarta. Kalau daftar pertanyaan tsb diisi oleh
keluarga yang berpenghasilan tinggi.
Berapa probabilitasnya bahwa responden atau keluarga tsb bertempat
tinggal di luar Jakarta, P(A1/A) ?

P ( A1 / A) P ( A1 ) P ( A / A1 )
P ( A1 / A)

P ( A)
P ( A)

0,5 0,2 1

0,3
3

PERMUTASI & KOMBINASI

Permutasi
Suatu penyusunan atau pengaturan beberapa objek ke
dalam suatu urutan tertentu, dimana urutan itu penting
Contoh :
123
213
ABC
BCA

Kombinasi adalah suatu penyusunan beberapa objek

tanpa memperhatikan urutan / urutan tidak penting
objek tersebut .
Contoh :
ABC = ACB = BCA
LUCY = UCYL

Misalkan seorang direktur pemasaran suatu perusahaan

mempunyai 4 alternatif didalam memasang iklan (Koran,
Majalah, TVRI, RRI) dan
2 kemungkinan rancangan pembungkus (packaging design),
yaitu memakai botol plastik dan kotak karton.
Banyaknya kombinasi iklan dan rencana pembungkus
=k.m=4x2=8
Kalau dinyatakan dalam diagram pohon (tree diagram),
gambarnya adalah sbb :

PERMUTASI & KOMBINASI

m 1 Plastik

Koran
k1

Majalah
k2

TVRI
k3

kxm=4x2=8

RRI
k4

m 2 Karton
m 3 Plastik

m 4 Karton
m 5 Plastik
m 6 Karton
m 7 Plastik
m 8 Karton

Misalnya, seorang pemegang saham setelah menerima

keuntungan selama setahun mempunyai 2 alternatif, yaitu
menghabiskan uang keuntungan itu untuk keperluan konsumsi
atau akan menanamkan uangnya kembali.
Selama 3 tahun dia akan dihadapkan kepada alternatif
sebanyak 23 = 8
Perhatikan diagram pohon (tree diagram) berikut :

Tahun pertama

mk = 23 = 8

Tahun kedua
1

4
Tahun ketiga

Contoh 12.25
Ke Surabaya
( 2 pilihan )
Dari Jakarta

Ke Denpasar
( 3 pilihan )

Caranya = 6

1 MM

2 MG

3 MB

4 GM

5 GG

6 GB

1
M

2
G

Permutasi
Pengertian Permutasi
Suatu penyusunan atau pengaturan beberapa objek ke
dalam suatu urutan tertentu, dimana urutan itu penting
Contoh :
123
ABC

213
BCA

Contoh :
3 Objek ABC, pengaturan objek tersebut adalah
ABC, ACB, BAC, BCA, CAB, CBA yang disebut
permutasi. Jadi permutasi 3 objek menghasilkan
6 pengaturan dengan cara yang berbeda.
1

Permutasi

Rank

3 cara A, B dan C
Jadi banyaknya permutasi merupakan hasil kali
3x2x1=6
Kalau ada 4 calon, banyaknya permutasi adalah
4 x 3 x 2 x 1 = 24
Banyaknya permutasi = m(m-1)(m-2)..(1)
m = banyaknya elemen

Rumus-rumus Permutasi
Permutasi dari m obyek tanpa pengembalian.
a. Permutasi dari m objek seluruhnya.

Pm m !

(12.18)

Permutasi m obyek diambil m setiap kali

b. Permutasi sebanyak x dari m obyek.

m!
m Px
( m x )!

(12.19)

Permutasi m obyek diambil x setiap kali

Contoh 12.26
Misalnya suatu daftar memuat 10 rencana investasi yang dikemukakan
oleh direksi perusahaan kepada suatu dewan komisaris,
dimana setiap anggota dewan komisaris diminta untuk memberikan rank
atau penilaian terhadap 5 rencana investasi tsb yang dianggap feasible.
Ada berapa cara ranking dari 10 rencana investasi kalau diambil 5
setiap kali.

m!
m Px
( m x )!
Untuk

m = 10

x =5

Contoh 12.26

m!
m Px
( m x )!
Untuk

m = 10

x =5

10 !
10! 10.9.8.7.6.5!

10 P5
(10 5)!
5!
5!
10 x9 x8 x 7 x 6
30.240

KOMBINASI
Kombinasi adalah suatu penyusunan
beberapa objek tanpa memperhatikan
urutan objek tersebut .
ABC = ACB = BCA
LUCY = UCYL

Rumus-rumus Kombinasi :
a. Kombinasi x dari m objek yang berbeda.
m
x

P
m!

m Cx
x!
x!(m x)!
Combinasi m obyek diambil x setiap kali

(12.20)

Contoh 12.27

N!
N Cn
n!(N n)!
a. Jika N = 3 X1 X2 X3 , n = 2, maka

3!
3 2 1
3

3
3 C2
2!(3 2)! 2 1 1 1
3 sampel tsb. ialah : X1X2 ; X1X3 dan X2X3

N!
N Cn
n!(N n)!
b. Jika N = 10 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 ,
n = 3, maka

10!
10 9 8 7 !

120
10 C 3
3!(10 3)! 3 2 1 7 !
contoh : X1X2X3 ; X1X3X5 ; X8X9X10

Contoh 12.28

8M

3P

9B

Suatu kotak berisi 8 bola merah (8M), 3 putih (3P) dan 9 biru (9B).
Apabila 3 bola dipilih secara acak, hitung probabilitas bahwa:
a. Ketiga-tiganya merah (M1M2M3).
b. Ketiga-tiganya putih (P1P2P3).
c. Dua merah, satu putih.
d. Paling sedikit satu putih.
e. Masing-masing warna diwakili.
f. Hasilnya mempunyai urutan: merah, putih, biru (M1P2B3).

a) Cara 1 :
pertama, kedua, ketiga mendapatkan bola merah
M 1 , M 2 , M 3 Pengambilan

P M 1M 2 M 3 P M 1 P M 2 / M 1 P M 3 / M 1M 2

8 7 6
14

20 19 18 285

Cara 2 :

banyaknya kombinasi 3 dari 8 merah

banyak kombinasi 3 dari 20 bola
C
14
8 3
285
20 C3

P( M 1M 2 M 3 )

b) Cara 1 :

P1 , P2 , P3 Pengambilan pertama, kedua, ketiga mendapatkan bola putih

P P1 P2 P3 P P1 P P2 / P1 P P3 / P1 P2

3 2 1
1

20 19 18 1.140

Cara 2 :

P ( P1 P2 P3 )

banyaknya kombinasi 3 dari 3 putih

banyak kombinasi 3 dari 20 bola
C
1
3 3
1.140
20 C3

C2 3 C1
c. P (2 merah dan 1 putih)
20 C3
8

8!
3!

2!(8 2)! 1!(3 1)!

20!
3!(20 3)!
7

95

17!
3!(17 3)! 34
17 C3

d. P (tak ada yang putih)

20!
57
20 C3
3!(20 3)!
34 23
P (tak ada yang putih) 1

57 57

e. P (setiap warna diwakili)

C1 3 C1 9 C1

20 C3
8

f) Cara 1 :

P M 1 P2 B3 P M 1 P P2 / M 1 P B3 / M 1M 2

8 3 9
3

20 19 18 95

Cara 2 :

P M 1 P2 B3

1
P setiap warna diwakili
3!
1 18
3


6 95
95

Contoh 12.29
Tembakan dari seorang penembak mempunyai probabilitas sebesar 0,8
untuk mengenai sasaran yang dituju.

P( S ) 0,8 ( S tembakan mengenai sasaran)

P S 1 0,8 0,2 ( S tembakan tidak mengenai sasaran)

Jika tembakan dilakukan 7 kali, berapa probabilitasnya bahwa
4 diantaranya mengenai sasaran?

P S1 S 2 S3 S 4 S 5 S 6 S 7 0,8 x0,8 x0,8 x0,8 x0,2 x0,2 x0,2

(0,8) 4 x(0,2)3

Contoh 12.29
Jika m = 7 dan x = 4 maka :

7!
4
3
C
(
0
,
8
)
(
0
,
2
)

(
0
,
8
)
(
0
,
2
)
7 4
4!(7 4)!
7!

(0,8) 4 (0,2) 3
4! 3!
4

7.6.5.4!
7 .5
4
3

(0,8) (0,2)
(0,8) 4 (0,2)3
4! 3.2.1
1
35(0,8) 4 (0,2) 3
0,1147

Apabila variabel x adalah banyaknya tembakan yang mengenai sasaran

dari 7 tembakan, maka P(x = 4) atau probabilitas bahwa 4 tembakan
mengenai sasaran adalah 0,1147.
Dengan jalan yg sama, dapat ditunjukkan bahwa
P(x = 2) = 0,0043
P(x = 6) = 0,3670
P(x = 7) =0,0048
Apabila probabilitas dari setiap nilai variabel x ( = 0, 1, 2. 3, 4, 5, 6, 7)
dihitung sehingga diketahui nilainya, akan kita peroleh apa yang disebut
distribusi probabilitas untuk x.