PROBABILITAS

BERSYARAT

1
CONTOH KASUS:
Pendukung sebuah klub juara
bertahan memperkirakan
bahwa klub mereka akan
menjadi juara tahun ini

Disebut probabilitas awal

“prior probability”

Setelah kompetisi berlangsung selama 6 bulan, ternyata

klub mereka menderita banyak kekalahan. Kini, mereka
harus merevisi probabilitas yang sudah ada, dengan
membuat probabilitas yang lebih baik menggunakan
informasi tambahan yang dimiliki
Disebut probabilitas
revisi “posterior
2
probability”
PELUANG BERSYARAT
• Peluang terjadinya kejadian B jika diketahui
suatu kejadian lain A telah terjadi

3
 CONTOH:
Sebuah penerbangan reguler berangkat tepat pada waktunya
adalah P(B) = 0,83. Peluang penerbangan itu mendarat tepat
pada waktunya adalah P (A) = 0,92 dan peluang penerbangan
itu berangkat dan mendarat tepat pada waktunya adalah
P(AB) = 0,78.
Hitung peluang suatu pesawat pada penerbangan tersebut :

mendarat pada waktunya jika diketahui bahwa pesawat itu

berangkat tepat pada waktunya

berangkat pada waktunya jika diketahui bahwa pesawat

tersebut mendarat tepat waktu.

4
Jawab:
Peluang pesawat mendarat tepat waktu bila diketahui pesawat
tersebut berangkat tepat waktu adalah :
P (AB)
P(A/B) =
(B)
P (A)

0.78
P(B/A) =
0.83

= 0.94

5
Peluang pesawat berangkat tepat waktu bila diketahui pesawat
tersebut mendarat tepat waktu adalah :
P (AB)
P(B/A) =
P (A)

0.78
P(B/A) =
0.92

= 0,85

6
 CONTOH:
Ruang sampel menyatakan populasi orang dewasa yang telah tamat
SMU di suatu kota tertentu dikelompokan menurut jenis kelamin dan
status bekerja seperti dalam tabel berikut:
Bekerja Tdk bekerja Jumlah
Laki-laki 460 40 500
Wanita 140 260 400
Jumlah 600 300 900

Populasi Orang Dewasa Telah Tamat SMU

Daerah tersebut akan dijadikan daerah pariwisata dan

seseorang akan dipilih secara acak dalam usaha
penggalakan kota tersebut sebagai obyek wisata keseluruh
negeri. Berapa probabilitas lelaki yang terpilih ternyata
berstatus bekerja?
7
Jawab:
Misalkan ;
- E = orang yang terpilih berstatus bekeja
- M = Lelaki yang terpilih
Probabilitas lelaki yang terpilih ternyata berstatus bekerja adalah
P(M  E)
P(M / E) 
P(E)

Dari tabel diperoleh: P(E)  600  2 & P(M  E)  460  23

900 3 900 45
23 / 45 23
Jadi:
P(M/ E)  
2 / 3 30
8
 Jadi:
Apabila terdapat suatu kondisi dimana probabilitas P(A/B)
menjadi bernilai sama dengan P(A), maka dalam hal ini
peristiwa B tidak mempunyai pengaruh terhadap terjadinya
peristiwa A, sehingga :

P(A/B)=P(A)
Atau P(B/A)=P(B)

dinamakan sebagai peristiwa yang

saling bebas (independent)
9
antara A dan B, sesuai dengan aturan perkalian maka kondisi
saling bebas tersebut :

p ( A  B)  P( A) P( B)
Dengan demikian, bila terdapat peristiwa A1, A2,.....,Ak
yang saling bebas
maka:

P( A1  A2  A3....  Ak )  P( A1 ).P( A2 ).....P( Ak )

10
Kaidah penggandaan
• Bila suatu percobaan kejadian A dan B
keduanya dapat terjadi sekaligus, maka

P(AB) = P(A)P(BA)
• Karena kejadian AB dan BA setara, dapat
ditulis juga:
P(AB) = P(BA) = P(B)P(AB)

11
CONTOH:
• Jika A adalah kejadian bahwa sekering
pertama rusak, dan B kejadian sekering kedua
rusak, maka P(AB) dapat ditafsirkan sebagai
A terjadi, dan kemudian B terjadi setelah A
terjadi. Peluang mendapatkan sekering rusak
pada pengambilan pertama adalah ¼, dan
peluang mendapatkan sekering rusak pada
pengambilan kedua adalah 4/19, sehingga:

12
• Jika SEKERING A dimasukkan kembali ke dalam
kotak, maka peluang mendapatkan sekering
rusak pada pengambilan kedua adalah TETAP
sebesar ¼, sehingga P(BA) = P(B) dan kedua
kejadian A dan B dikatakan BEBAS.

• Sehingga diperoleh penggandaan khusus:

• P(AB) = P(A)P(B)

13
2. Dalam sebuah kotak terdapat 10 gulungan film,
dan diketahui bahwa 3 diantaranya rusak.
Hitung peluang bila 2 buah gulungan film rusak
diambil acak satu persatu secara berurutan.

Jawab:
Misal A: peristiwa terambil gulungan pertama rusak
B: peristiwa terambil gulungan kedua rusak
Maka peluang kedua gulungan rusak adalah :

= 1/15
14
Teorema Bayes
S
B

A
B’

A= (B ∩A) ∪ (B’ ∩ A) 15
Aturan Bayes
Pandang diagram venn berikut:
(E  A)dan(Ec  A)
A
Ec
saling terpisah, jadi
EA Ec  A
E
A  (E  A)  (Ec  A)
Diagram Venn untuk kejadian A,E dan Ec
Diperoleh rumus

P(A)  P (E  A)  (Ec  A)

 
 P(E  A)  P(Ec  A)
 P(E)P(A E)  P(Ec )P(A Ec )
16
Contoh
Ruang sampel menyatakan populasi orang dewasa yang telah
tamat SMU di suatu kota tertentu dikelompokan menurut jenis kelamin
dan status bekerja seperti pada tabel sbb:

Bekerja Tdk bekerja Jumlah

Laki-laki 460 40 500
Wanita 140 260 400
Jumlah 600 300 900

Daerah ini akan dijadikan daerah pariwisata dan seseorang akan

dipilih secara acak dalam usaha penggalakan kota tersebut sebagai obyek
wisata keseluruh negeri. Dan diketahui bahwa ada 36 orang yang
berstatus bekerja dan 12 orang berstatus menganggur adalah anggota
koperasi. Berapa peluang orang yang terpilih ternyata anggota
17
koperasi?
Jawab: Misal: E = orang yang terpilih berstatus bekeja
A = orang yang terpilih anggota koperasi
Dari tabel diperoleh:
P(E)  600  2
900 3

P(Ec )  1  P(E)  1
3

P(A E)  36  3
600 50

P(A Ec )  12  1
300 25

Jadi peluang orang yang terpilih anggota koperasi adalah

P(A)  P(E)P(A E)  P(Ec )P(A Ec )
 ( 2) ( 3 )  ( 1 ) ( 1 )
3 50 3 25
 4
75
18
 E P(A / E)  3 A
50 P(E)P(A / E)  ( 2 )( 3 )
P(E)  2 3 50
3

𝐶
1
𝑃𝐸 = P(Ec )P(A / Ec )  ( 2 )( 1 )
3 Ec P(A / Ec )  1 A 3 25
25
Diagram pohon untuk data

Jika dalam ruang sampel (S) terdapat kejadian-kejadian saling lepasB1,B2,......,Bk

dengan probabilitas ≠ 0, dan bila ada kejadian A yang mungkin dapat terjadi pada
kejadian B1,B2,......,Bk , maka probabilitas kejadian A adalah:
k k
P(A)   P(Bi  A)   P(Bi )P(A Bi )
i1 i1
 P(B1 )P(A B1 )  P(B2 )P(A B2 )  .....  P(Bk )P(A Bk )

dengan: A  (B1  A)  (B2  A) .....  (Bk  A)

dan B1  A , B2  A, ......... ,Bk  A saling terpisah
19
Diagram Venn:
B2 B3 B4
B1
B5
A

B6
Bk
B7
Penyekatan ruang sampel S

Jika kejadian-kejadian B1,B2,......,Bk merupakan sekatan dari ruang sampel S

dengan P(B i )  0 ; i  1,2,....,
, k maka utk sembarang kejadian A , P(A)  0
berlaku

P(Br  A) P(Br )P(A Br )

P(Br A)  
k k
 P(Bi  A)  P(Bi )P(A Bi )
untuk r = 1,2, …. , k

i1 i1
20
Contoh:

Tiga anggota dari sebuah organisasi dicalonkan sebagai ketua. Telah

diketahui peluang bpk Ali (A) terpilih 0,3 ; peluang bpk Basuki (B) terpilih 0,5 dan
peluang bpk Catur (C) terpilih 0,2. Juga telah diketahui peluang kenaikan iuran
anggota jika A terpilih 0,8 ; jika B terpilih 0,1 dan jika C terpilih 0,4.
a). Berapa peluang iuran anggota akan naik ?
b). Berapa peluang bpk C terpilih sbg ketua jika terjadi kenaikan iuran??

Jawab:
Iuran naik!!!
Misal: I : iuran anggota dinaikan Hikkkssss!!!
A : pak Ali terpilih  P(A)  0, 3
B : pak Basuki terpilih  P(B)  0, 5
C : pak Catur terpilih  P(C)  0, 2

21
Diketahui dari soal: P(I A)  ;0.8 P(I B);  0.1 P(I C)  0.4

a). Peluang iuran anggota akan naik adalah

P(I)  P(A)P(I A)  P(B)P(I B)  P(C)P(I C)
 (0.3)(0.8)  (0.5)(0.1)  (0.2)(0.4)
 0.24  0.05  0.08
 0.37

b). Peluang bapak C terpilih sebagai ketua jika

terjadi kenaikan iuran adalah
P(C)P(I C)
P(C I) 
P(A)P(I A)  P(B)P(I B)  P(C)P(I C)
(0.2)(0.4)

(0.3)(0.8)  (0.5)(0.1)  (0.2)(0.8)
0.08 8
 
0.37 37

22
 Teorema Bayes
dan Kasus Salah deteksi (false positive)
• Pada suatu daerah, terdapat penyakit langka yang
menyerang 1 dari 1000 orang di dalam populasi
tsb. Terdapat suatu tes yang bagus untuk suatu
jenis penyakit, tapi tes tersebut belum sempurna.
Jika seseorang terjangkit penyakit itu, tes
menunjukkan hasil positif 99% benar. Di sisi lain,
tes ini juga salah deteksi. Sekitar 2% pasien yang
tidak terinfeksi juga positif.
• Kamu baru saja dites dan hasilnya positif. Berapa
peluangmu sungguh2 terinfeksi??

23
 Hwaaaaa......terinfeksi
Jawab: cacar air!!!!

• Terdapat 2 keadaan untuk dianalisa:

A: pasien mengidap penyakit/terinfeksi
B: hasil tes pasien positif

Informasi keefektifan tes dapat ditulis:

P(A) = 0,001 (1 dari 1000 orang terinfeksi)
P (BA) = 0,99 (probabilitas tes positif, dengan infeksi
sebesar 0,99)
P((Btidak A) = 0,02 (probabilitas tes positif, tapi tidak
terinfeksi)
Masalahya adalah:
P (AB)= berapa?? (probabilitas terinfeksi, hasil positif)

24
 Jawab (lanjutan)
• Buat tabel 2 x 2 yang membagi ruang sampel
menjadi 4 peristiwa yang saling meniadakan.
• Tabel ini menyajikan semua kombinasi yang
mungkin dari kondisi penyakit dan hasil tes.
A TIDAK A
B A DAN B TIDAK A DAN B
TIDAK B A DAN TIDAK B TIDAK A DAN TIDAK B

25
 Jawab (lanjutan)
• Probabilitas masing-masing peristiwa:
A TIDAK A jumlah
B P(A DAN B) P(TIDAK A DAN B) P(B)
TIDAK B P(A DAN TIDAK B) P(TIDAK A DAN TIDAK B) P(TIDAK B)
P(A) P(TIDAK A) 1

Sekarang kita hitung:

• P(A dan B) = P(A)P(BA) = (0,001)(0,99) = 0,00099
• P(Tidak A dan B) = P(tidak A) P(B tidak A)
= (0,999)(0,02) = 0,01998
26
 Jawab (lanjutan)
• Sehingga diperoleh:
A TIDAK A jumlah
B 0,00099 0,01998 0,02097
TIDAK B A DAN TIDAK B P(TIDAK A DAN TIDAK B) P(TIDAK B)
0,001 0,999 = 1 – 0,001 1

A TIDAK A jumlah
B 0,00099 0,01998 0,02097
TIDAK B 0,00001 0,97902 0,97903
0,001 0,999 1
27
• Diperoleh:
• P(AB) = P(A dan B) = 0,00099 = 0,0472
P(B) 0,02097

P(AB) = P(A)P(BA)
P(A)P(BA)+ P(TIDAK A)P(B TIDAK A)

Teorema
Bayes
28
 Latihan Soal
• Tiga kotak masing-masing memiliki 2 laci. Di
dalam laci-laci tersebut terdapat sebuah bola.
Di dalam kotak I terdapat bola emas, dalam
kotak II terdapat bola perak, dan di dalam
kotak III terdapat bola emas dan perak. Jika
diambil sebuah kotak dan isinya bola emas,
berapa probabilitas bahwa laci lain berisi bola
perak?
 Latihan Soal
• Diketahui bahwa mata kuliah SI 2 diikuti oleh
40 mahasiswa semester III, 20 mahasiswa
semester V, 10 mahasiswa semester VII. Hasil
ujian akhir, final test menunjukkan bahwa 10
mahasiswa semester III, 7 mahasiswa
semester V, dan 5 mahasiswa semester VII
mendapat nilai A. Jika seseorang mahasiswa
dipilih secara acak dan diketahui mendapat
nilai A, berapa probabilitas ia berasal dari
semester VII?