STATISTIKA

Probabilitas

Page 1
Pengertian Probabilitas
• Suatu nilai yang digunakan untuk mengukur tingkat
terjadinya suatu kejadian yang acak (Mendenhall dan
Reinmuth, 1982)

• Konsep probabilitas menyajikan pengukuran dalam bentuk

angka (numeric) untuk kemungkinan munculnya suatu
event

• Peluang terjadinya sesuatu hal/peristiwa

• Dinyatakan dalam bentuk pecahan antara 0 – 1, semakin

dekat ke nilai 1 makan semakin besar peluang suatu
kejadian akan terjadi

Page 2
Kata Kunci dalam Probabilitas

• Eksperimen, merupakan suatu aktifitas untuk

memperoleh data

• Hasil (outcome)

• Kejadian atau peristiwa (event), merupakan

kumpulan dari beberapa hasil

Page 3
Probabilitas dengan Pendekatan Klasik
• Asumsi: seluruh hasil dari eksperimen memiliki peluang
yang sama

• Kita harus mengetahui terlebih dahulu seluruh kejadian

yang akan muncul.

• Nilai probabilitas

jumlah kemungkinan terjadinya peristiwa

probabilit as peristiwa 
total jumlah kemungkinan hasil

• Contoh:
jika A adalah peluang barang rusak x, dari sejumlah n
barang maka probabilitas A adalah ...

Page 4
Contoh

Dari 100 barang yang ada sebagai sampel, ada

25 barang yang rusak.

Bila diambil 1 barang secara acak,

Maka peluang terambil barang rusak adalah:

P(A) = 25/100 = 0.25 = 25%

Page 5
Contoh lanjutan...

Jika diambil 1 barang 2 kali dengan pengembalian,

Peluang kedua barang rusak adalah :

P(x=2) = (25/100)x(25/100) = 625/10000 = 0,0625

Jika diambil 1 barang 2 kali tanpa pengembalian (diambil 2

barang 1 kali),
Peluang kedua barang rusak adalah :

P(x=2) = (25/100)x(24/99) = 600/9900 = 0,0606

Page 6
Probabilitas dengan Pendekatan Frekuensi Relatif

• Probabilitas suatu kejadian merupakan limit dari frekuensi

relatif kejadian tersebut yang secara teoritis berlaku untuk
nilai n yang tak terhingga, misal eksperimen dengan sampel
yang sangat besar.

• Nilai probabilitas
frekuensi kejadian di masa lalu
probabilit as terjadinya suatu kejadian 
jumlah observasi

Page 7
Probabilitas Subjektif

• Berdasarkan atas penilaian seseorang dalam

menyatakan tingkat kepercayaan

Contoh …

Page 8
Kejadian & Notasi Himpunan
Istilah dalam Kejadian:
• Komplemen
• Irisan
• Gabungan

Aturan/Hukum dalam Himpunan:

• Hukum Penutup
• Hukum Komutatif
• Hukum Assosiatif
• Hukum Distributif
• Hukum Identitas
• Hukum Komplementasi

Page 9
Contoh
Bila 1 uang logam dilempar 2 kali maka hasil eksperimennya
ada 4 kemungkinan sebagai berikut :

AA AB BA BB

dimana : A= muncul gambar Angka

B = muncul gambar Burung

Karena P(A)=P(B)=0,5 maka

P(AA) =P(A=2) =0,25
P(AB)+P(BA) =P(A=1)= 0,25+0,25 =0,50
P(BB) =P(A=0) =0,25+
=1,00

Page 10
Aturan Penjumlahan

Kejadian Saling Meniadakan

Kejadian yang terpisah satu sama lain (mutually exclusive):

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

Contoh:
Jika dalam 1 kelas, mahasiswa yang nilai akuntansinya A ada
13%, B ada 65%, dan C ada 21%.
Maka peluang mahasiswa memperoleh nilai A atau B:

P(AUB)= 0,13+0,65=0,78=78%

Page 11
Aturan Penjumlahan

Kejadian Tidak Saling Meniadakan

Kejadian yang tidak terpisah satu sama lain (non mutually
exclusive):

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

Contoh:
Jika dalam 1 kelas mahasiswa yang senang Akuntansi (A)
45%, Pajak (B) 37%, dan yang senang keduanya 19%.
Maka Peluang mahasiswa yang senang Akuntansi atau Pajak:

P(AUB) = 45% + 37% - 19% = 63%

Page 12
Aturan Perkalian
• Kejadian Tidak Bebas/Bersyarat (dependent event)
P ( A Ç B)
P ( A / B) =
P ( B)
P ( A Ç B)
P ( B / A) =
P ( A)

P (A dan B) = P(A) . P(B/A) = P(B) . P(A/B)

• Kejadian Bebas (independent event)

P (A dan B) = P(A) . P(B)

Page 13
Contoh Peluang Bersyarat
Jumlah seluruh mahasiswa (S=N) suatu universitas 10000 orang.
Diantaranya ada :
• 2000 mahasiswa lama (A)
• 3500 mahasiswa putri (B)
• 800 dari 3500 mahasiswa putri adalah mahasiswa lama (A∩B).
(800 dari 2000 mahasiswa lama adalah mahasiswa putri (A∩B)).
Jadi peluang mahasiswa:
a. Lama di antara yang putri adalah

P ( A Ç B) 800
P ( A / B) = = 10000 = 0, 22857 » 0, 23
P ( B) 3500
10000
b. putri di antara yang lama adalah

P ( A Ç B) 800
P ( B / A) = = 10000 = 0, 4
P ( A) 2000
10000

Page 14
Contoh Peluang Kejadian Interseksi
2 kartu diambil berturut-turut tanpa pengembalian dari 1 set
kartu bridge.
Berapa peluang kartu ke-1 dan ke-2 adalah As → P(As∩As)

a. P(As ∩ As)=

b. P(As merah ∩ Merah)=

c. P(King hitam ∩ King)=

d. P(Hitam ∩ King hitam)=

Page 15
Probabilitas Marginal

• Suatu kejadian terjadi bersamaan dengan kejadian lainnya,

dimana kejadian lainnya tersebut mempengaruhi terjadinya
kejadian yang pertama

• Jika R merupakan suatu kejadian sedemikian rupa sehingga

salah satu dari kejadian yang saling meniadakan S1, S2,
…,Sk harus terjadi bersama (joint) dengan salah satu
kejadian dari R, kemudian P(R) disebut Probabilitas Marjinal
yang ditentukan dengan aturan:

PR   PSi PR / Si 

Page 16
Contoh Probabilitas Marginal
Sebuah perusahaan memasok batere dari 3 pabrik masing-
masing 500, 2000, dan 1500, jumlahnya 4000. Peluang batere
rusak dari pabrik 1 adalah 0,02; pabrik 2 =0,015 dan pabrik
3=0,03.
Jika 4000 batere tersebut diacak lalu diambil 1 batere, berapa
peluang batere tersebut adalah rusak?
Jawab :

P ( R) = P ( S1 ) P ( R / S1 ) + P ( S2 ) P ( R / S2 ) + P ( S3 ) P ( R / S3 )
500 2000 1500
P(R) = x(0,02) + x(0,015) + x(0,03)
4000 4000 4000
P(R) =0, 0025 + 0, 0075 + 0, 01125 = 0, 02125

Page 17
Rumus Bayes
• Dikembangkan oleh Thomas Bayes (1702-1761)
• Digunakan untuk menghitung probabilitas tentang sebab-sebab
terjadinya suatu kejadian (causes) berdasarkan pengaruh yang
dapat diperoleh sebagai hasil observasi
• Ditujukan untuk memecahkan masalah pembuatan keputusan yang
mengandung ketidakpastian
• Rumus Bayes:
P  Ai P  A / Ai 
P  Ai / A  k

 P A P A / A 
i 1
i i

• Contoh:
Jika 4000 batere tersebut diacak lalu diambil 1 batere, ternyata
rusak, berapa peluang batere tersebut berasal dari pabrik-1, pabrik-
2, pabrik-3?

Page 18
Contoh Rumus Bayes
Dua orang dicalonkan sebagai bupati. Probabilitas Andi terpilih
P(A1)= 0,6. Probabilitas Badu terpilih P(A2)=0,4.
Jika Andi terpilih probabilitas kenaikan pajak adalah 0,8 P(A/A1) =
0,8
Jika Badu terpilih probabilitas kenaikan pajak adalah 0,1 P(A/A2) =
0,1
Jika ternyata diketahui terjadi kenaikan pajak, probabilitas bahwa
Badu yang terpilih adalah...? P(A2/A)
P A2 P A / A2 
P A2 / A  2

 P A P A / A 
i 1
i i

P A2 P A / A2 
P A2 / A 
P A1 P A / A1   P A2 P A / A2 

P A2 / A 
0,4 0,1
0,60,8  0,40,1
P A2 / A  0,0769
Page 19
Contoh Rumus Bayes
Dua orang dicalonkan sebagai bupati. Probabilitas Andi terpilih
P(A1)= 0,6. Probabilitas Badu terpilih P(A2)=0,4.
Jika Andi terpilih probabilitas kenaikan pajak adalah 0,8 P(A/A1) =
0,8
Jika Badu terpilih probabilitas kenaikan pajak adalah 0,1 P(A/A2) =
0,1
Jika ternyata diketahui terjadi kenaikan pajak, probabilitas bahwa
Badu yang terpilih adalah...? P(A2/A)
P A2 P A / A2 
P A2 / A  2

 P A P A / A 
i 1
i i

P A2 P A / A2 
P A2 / A 
P A1 P A / A1   P A2 P A / A2 

P A2 / A 
0,4 0,1
0,60,8  0,40,1
P A2 / A  0,0769
Page 20
Permutasi dan Kombinasi
• Permutasi diartikan juga susunan dari suatu
himpunan objek yang dapat dibentuk yang
memperhatikan urutan.
• Permutasi m obyek diambil X setiap kali

m!
m Px 
m  x !
• Kombinasi berkaitan dengan penentuan banyaknya
cara memilih r objek dari sejumlah n objek tanpa
memperhatikan urutannya
• Kombinasi m obyek diambil x setiap kali

m!
m Cx 
x!m  x !

Page 21