Anda di halaman 1dari 15

Konsep Statistik

Adha Karuna Z
Riza Ardina K
Probabilitas
Langkah langkah dalam menghitung probabilitas
adalah sebagai berikut:
1. Mendefinisikan hasil yang mungkin terjadi
2. Memperkirakan probabilitas untuk setiap
hasil yang mungkin terjadi tersebut
3. Menghitung probabilitas kejadian
Mendefinisikan hasil yang mungkin terjadi

Total hasil yang mungkin terjadi disebut sebagai


sample space (ruang sampel). Misalkan kita
melempar dadu yang berisi angka
1,2,3,4,5,dan 6, maka ada enam kemungkinan
yang terjadi, yaitu keluar angka 1,2,3,4,5 atau
6. Jika kita melempar koin, maka ada dua
kemungkinan yang muncul, yaitu angka atau
gambar.
Memperkirakan probabilitas untuk setiap hasil yang
mungkin terjadi tersebut

Penetapan probabilitas harus memenuhi dua


syarat:
Probabilitas suatu titik sampel harus berada
diantara 0 dan 1 (inklusif). Dengan kata lain,
probabilitas tersebut adalah positif dan sama
atau lebih kecil dari satu serta sama atau lebih
besar dari 0, seperti tertulis berikut :
0<= P (Ei) <= 1
Jumlah keseluruhan dari probabilitas titik sampel
tersebut adalah satu, seperti berikut ini.
P(E1) + P(E2) + .... +P(En) = 1
Penetapan probabilitas untuk titik sampel bisa
dilakukan dengan menggunakan :
Metode Klasikal
Dalam metode klasikal, kita menetapkan probabilitas
untuk setiap titik sampel dengan besaran yang sama.
Jika ada kemungkinan kejadian (titik sampel), maka
probabilitas untuk setiap kejadian akan ditetapkan
1/n. Sebagai contoh untuk pelemparan dadu, ada
enam kemungkinan hasil yaitu 1,2,3,4,5 dan 6.
Probabilitas untuk setiap titik sampel dengan
demikian adalah 1/6. Sebagai contoh probabilitas
munculnya abgka 1 adalah 1/6 (P(E=1)=1/6).
Metode Frekuensi Relatif
Metode ini sesuai dengan jumlah masing-
masing titik sampel atau sesuai ukuran.
Pendidikan Jumlah Penduduk Frekuensi Relatif
(1) (2) (3)
SD ke bawah 20.000 20.000/100.000 = 0,2
SMP 30.000 30.000/100.000 = 0,3
SMA 40.000 40.000/100.000 = 0,4
S1 ke atas 10.000 10.000/100.000 = 0,1
100.000

Jadi, probabilitas kita akan bertemu dengan


penduduk yang berpendidikan SMA adalah 0,4
{P (X=SMA)=0,4 }
Metode Subyektif
Sebagai contoh, misal dalam situasi koin kita
memperoleh informasi bahwa ketebalan sisi
angka dengan gambar berbeda. Sisi angka
lebih tebal dan berat, sehingga jika koin
tersebut dilempar, maka sisi angka cenderung
jatuh lebih cepat dibandingkan dengan sisi
gambar. Dengan informasi tersebut,
probabilitas angka ditetapkan lebih besar yaitu
0,6 sedangkan probabilitas gambar ditetapkan
0,4. Cara seperti itu menetapkan probabilitas
secara subyektif.
Distribusi Probabilitas
Distribusi probabilitas menjelaskan bagaimana sebaran probabilitas
untuk variabel random tertentu.
Berikut adalah tabel distribusi probabilitas kedatangan pembeli
dalam satu hari dari suatu toko barang antik sebagai berikut :

X F(x)
0 0,15
1 0,15
2 0,40
3 0,20
4 0,10
1,0

Terlihat probabilitas satu hari tanpa pembeli adalah 0,15. Sekali kita
sudah bisa mendefinisikan distribusi relatif, kita bisa menghitung
probabilitas kejadian lain dengan mudah.
Variable Random
Variabel random bisa didefinisikan sebagai
gambaran yang bersifat numerik dari hasil
sebuah eksperimen. Sebagai contoh, misal kita
melempar dadu dua kali, kejadian munculnya
angka empat dalam dua kali lemparan
tersebut merupakan variabel random.
Variabel random diskrit berbentuk angka yang
terbatas (finite), seperti 0,1,2 atau 3.
Variabel random kontinu berbentuk angka
yang tidak terbatas (kontinu)
Distribusi Probabilitas Diskrit
Fungsi probabilitas tersebut dapat didefinisikan sebagai berikut :
F(x) = 1/n
Dimana n = jumlah kemungkinan hasil
Sebagai contoh, dalam persoalan pelemparan dadu, ada enam
kemungkinan hasil, yaitu angka 1,2,3,4,5 atau 6. Karena ada enam
kemungkinan hasil tersebut, fungsi probabilitas untuk variabel
random hasil pelemparan dadu bisa didefinisikan sebagai :
f(x) = 1/6 untuk x = 1,2,3,4,5,6
X F(x)

1 1/21
2 2/21
3 3/21
4 4/21
5 5/21
6 6/21

Jumlah=21 1,0
Distribusi Probabilitas Binominal

Eksperimen binominal mempunyai ciri sebagai berikut ini :


- Eksperimen terdiri dari sekuen beberapa run yang identik
- Ada dua kemungkinan hasil untuk setiap run-nya
- Probabilitas untuk masing-masing kemungkinan tersebut
tidak berubah dari satu run ke run lainnya
- Run tersebut independen satu sama lain

Contoh sederhana untuk menggambarkan eksperimen


binominal adalah melemparkan koin beberapa kali
(misal 10 kali)
Apabila melakukan lemparan yang lebih banyak
bisa dihitung dengan rumus

=
Di mana :
n = jumlah run
x = kejadian yang kita teliti
n! = n(n-1) (n-2)..... (2) (1)
0! = 1
Tanda ! merupakan tanda faktorial. Kembali ke
contoh di muka, berapa kemungkinan hasil
memperoleh tiga angka jika kita melempar
koin tiga kali ? untuk situasi tersebut, n=3 dan
x=3. Hasilnya bisa dihitung sebagai berikut ini :
= = =1
Selain menghitung jumlah kemungkinan seperti pada bagian
sebelumnya, kita juga bisa menghitung probabilitas untuk kejadian-
kejadian di atas.
Fungsi probabilitas binominal bisa dituliskan berikut ini :
f(x) = px (1-p)n-x
Dimana f(x) = probabilitas sukses x kali dalam n run
P = probabilitas sukse untuk satu run

Contoh: Probabilitas munculnya angka dua kali dari tiga lemparan


koin, bisa dihitung sebagai berikut ini (n=3,x=2,p=0,5). Perhatikan
bahwa p=0,5 karena dalam setiap run ada dua kemungkinan yaitu
angka dan gambar, dan karenanya probabilitas masing-masing
adalah 0,5.
= 0,52 (1-0,5)3-2 = 3 (1/4) (1/2) = 3/8
Nilai yang diharapkan dan varians untuk
distribusi probabilitas binominal adalah
sebagai berikut :
E (x) = = n.p
Varians = 2 = n.p (1-p)
Sebagai contoh, misalkan kita melempar koin
tiga kali, berapa nilai angka (sukses) yang
diharapkan dan variansnya ?
E (x) = = 3 x 0,5 = 1,5
2 = 3 x 0,5 (1-0,5) = 0,75