Probabilitas

Ns. Rizka Febtrina, M.Kep., Sp.Kep.M.B

 Dasar-dasar probabilitas

• PENDAHULUAN
 Semua kejadian di alam selalu ada unsur ketidak pastian.

 Dalam statistik--keputusan yang diambil selalu mengandung

ketidak pastian.

 Kesimpulan dalam statistik -- tidak absolut 100% benar atau

salah, tetapi ada yang disebut dengan derajat kepercayaan
atau keyakinan misalnya 90%, 95% atau 99%.

 Nilai p selalu positif :0≤P≤1

 Dengan nilai-p (probailitas), misalnya p=0.015

2
 Dasar-dasar probabilitas

 PENGERTIAN
 Ruang contoh (sample space): Jumlah semua kemungkinan
yang dapat muncul menjadi suatu kejadian (event)

52 Kartu di Meja

3
 Dasar-dasar probabilitas

 PENGERTIAN
 Kejadian (event): Hasil dari ruang contoh dengan karakteristik
tertentu
 Mata 1 pada dadu

 Kartu As yang berwarna Merah

4
 DEFINISI KLASIK

• Probabilitas kejadian (E=event) adalah rasio jumlah yang

diinginkan dari kejadian tersebut (NE) terhadap jumlah total
keluaran (outcome).
P(E)=NE/N
• Misalnya:
– Probabilitas muncul angka 1 dari pelemparan satu dadu adalah 1/6
• Asumsi, probabilitas setiap keluaran adalah sama (equally likely)
– Probabilitas seseorang setelah mendapatkan perawatan di RS sehat
adalah 1/3 dari tiga kemungkinan yaitu sehat, tetap sakit atau
meninggal.
• Pernyataan tersebut dapat saja tidak benar karena asumsi setiap keluaran
adalah tidak sama karena setiap kemungkinan keluaran tersebut sangat
tergantung kepada umur, keparahan penyakit dari pasien tersebut.
5
 Definisi Menurut Frekuensi Relatif/Empirik
(Empirical bahasa Latin artinya Experiment)

• Probabilitas terjadi suatu kejadian ditentukan setelah

eksperimen dilakukan.
P(E)=nE/n
• Misalnya
– 100 pasien yang dirawat di unit penyakit dalam, 20 orang
mengalami infeksi nosokomial. Ke 100 pasien tersebut dapat
dianggap sebagai percobaan ‘apakah pasien infeksi nosokomial
atau tidak’. Maka probabilitas terjadinya infeksi nosokomial di
bagian penyakit dalam adalah 20%, dimana nE adalah 20 dan n
adalah 100

6
 Definisi Subjektif

• Union (gabungan) :“A atau B” simbol penulisan AB

• Irisan: “A dan B” simbol penulisan AB
• Komplemen : “bukan A”simbol penulisan Ac

• Probabilitas suatu event dinyatakan oleh P(A)

• Sifat-sifat probabilitas:
– 0≤P(A) ≤1 atau P (x/N) : Positif
– Total nilai probabilitas semua kemungkinan dari ruang contoh adalah 1
– P(Ac) = 1 – P(A)

7
 Hukum Pertambahan

A. Kejadian Mutually Exclusive

P(AB)=P(A) + P(B)
A B
P(AB)=0

B. Kejadian Non Mutually Exlusive

P(AB)=P(A) + P(B) - P(AB)

A B

8
 Hukum Perkalian

A. Peristiwa Independen (Bebas)

P(AB) = P(A) x P(B)

AA B

B. Peristiwa Tidak Bebas (Bersyarat)

P(AB)=P(A) x P(B|A)=P(B) x P(A|B)

A B

9
 Infeksi Nosokomial
Jk Ya Tidak Jumlah

L 20 80 100

P 10 90 100

Jumlah 30 170 200

3. Probabilitas Bagian
• P(L)=100/200, P(P)=100/200
• P(Ya)=30/200, P(Tidak)=170/200

4. Probabilitas Gabungan
• P(L  Ya)=20/200, P(L  Tidak)=80/200
• P(P  Ya)=10/200, P(P  Tidak)=90/200

10
 Permutasian/Kombinasi
Permutasi
• Banyaknya kemungkinan pengambilan r objek dari segugus n objek
dengan memperhatikan urutan.
n!
P(n, r )  ,r  n
(n  r )!

– 5! =5 x 4 x 3 x 2 x 1
– Contoh: Ada tiga jenis pengobatan penyakit kanker yaitu Operasi (O),
Radiasi (R) dan Kemoterapi (K). Berapa banyak kemungkinan dua jenis
pengobatan yang akan diberikan kepada satu pasien dgn
memperhatikan urutan pengobatan.
– Jawab: n=3 dan r=2
P(3,2) =3!/(3-2)!
=3!/1!
=(3 x 2 x 1)/1=6
11
yaitu OR, RO, OK, KO, RK, KR
 Permutasian/Kombinasi
Kombinasi
• Banyaknya kemungkinan pengambilan r objek dari segugus n objek
dengan tanpa memperhatikan urutan.
n!
C (n, r )  ,r  n
r!(n  r )!
– Contoh: Ada tiga jenis pengobatan penyakit kanker yaitu Operasi (O),
Radiasi (R) dan Kemoterapi (K). Berapa banyak kemungkinan dua jenis
pengobatan yang akan diberikan kepada satu pasien dengan
memperhatikan urutan pengobatan.
– Jawab: n=3 dan r=2
C(3,2) =3!/2!(3-2)!
=3!/(2! x 1!)
=(3 x 2 x 1)/(2 x 1) x 1
=3
yaitu OR, OK, RK 12
 “Contoh”

• Sebuah koin seimbang dilempar sebanyak tiga kali.

– Berapa probabilitas munculnya tepat 2 bagian kepala (M)?
– Berapa probabilitas munculnya paling sedikit 2 M?
– Berapa probabilitas munculnya paling banyak 2 M?
M B

M B M B

M B M B M B M B
MMM MMB MBM MBB BMM BMB BBM BBB

13
 Distribusi Teoritis
Probabilitas

Distr. Teoritis Probabilitas

Diskrit Kontinyu

Binomial Poisson Lln Normal

15
 Distribusi Binomial

• Ciri-ciri Distribusi Binomial

– Masing-masing percobaan hanya mempunyai dua kemungkinan,
misal sukses-gagal, sehat-sakit, hidup-mati
– Hasil dari masing-masing percobaan adalah independen antara
satu dengan lainnya
– Probabilitas ‘sukses’ (disimbol dengan p) adalah tetap antara satu
percobaan dengan pecobaan lainnya
– Probabilitas ‘gagal’ (disimbol dengan q) adalah 1-p
– Probabilitas sukses biasanya adalah probabilitas yang sering
terjadi

16
 Distribusi Binomial
• Rumus
n!
B(n, r )  p r (1  p) nr
r!(n  r )!
n=jumlah percobaan, r=jumlah ‘sukses’, n-r=jumlah ‘gagal’,
p=probabilitas sukses dan q=(1-p)=probabilitas gagal
– Contoh: Sepasang suami istri merencanakan punya anak
tiga. Berapa probabilitas untuk mendapatkan dua laki-laki
dan satu perempuan
– Jawab: n=3, r=2 (laki-laki) dan p=0.5
P(3,2) = 3!/(2!(3-2)!) 0.52 (1-0.5)2-1=0.375
maka probabilitas untuk mendapatkan dua laki-laki dan satu
perempuan adalah 0.375
17
 Distribusi Binomial

• Dari hasil penelitian disimpulkan bahwa prevalensi anemia

pada Ibu Hamil di Kecamatan X adalah 20%. Ada sebanyak
10 Ibu Hamil yang dipilih secara random yang bertempat
tinggal di daerah binaan Puskesmas Kecamatan X tersebut.
Maka hitunglah berapa probabilitas di antara 10 Ibu Hamil
tersebut:
– Tidak ada yang anemia?
– Ada satu yang anemia?
– Paling banyak 2 orang ibu hamil yang anemia?
– Paling sedikit 3 orang yang anemia?

18
 Distribusi Binomial

• Diketahui:
– p=0.2, q=1-p=1-0.2=0.8 dan n=10
• Ditanya:
– r = 0, r = 1, r ≤ 2, dan r ≥ 3
• Jawab
– P(n=10,r=0) = [10!/(10-0)! 0!] x (0.2)0 x (0.8)10-0= 0.107 (lihat tabel)

– P(n=10,r=1) = [10!/(10-1)! 1!] x (0.2)1 x (0.8)10-1= 0.376-0.107

= 0. 269 (lihat tabel)

– P(n=10,r ≤ 2) = P(r=0) + P(r=1) + P(r=2) = 0.678 (lihat tabel)

– P(n=10,r ≥ 3) = 1 – [P(r=0) + P(r=1) + P(r=2)] = 1 - 0.678 = 0.322 (lihat

tabel)
19
 Tabel Binomial Kumulatif

Tabel Distribusi Probabilitas Binomial Kumulatif

n=10 p
r 0.01 . . 0.2 . .
0 . . . 0.107 .
1 . . . 0.376 . .
n=10, p=0.2
dan x≤3
2 . . . 0.678 . .
3 . . . 0.879 . .
4 . . . 0.967 . . n=10, p=0.2
5 . . . 0.994 . . dan x≤6
6 . . . 0.999 . .
7 . . . 0.999 . .
8 . . . 1.000 . .

20
 Distribusi Poisson

• Ciri-ciri Distribusi Poisson

– Sama seperti ciri-ciri distribusi binomial
– Probabilitas terjadinya suatu kejadian sangat kecil atau sangat
besar
– N sangat besar
– Percobaan dapat juga dalam selang waktu tertentu
• Rumus
r 
( e )
P(r ) 
r!
keterangan : λ=n.p, e=2.71828 dan r=probabilitas yang dicari

21
 Distribusi Poisson

• Dalam pelaksanaan Pekan Imunisasi Nasional Polio (PIN)

pertama, diketahui bahwa ada sebesar 0.1% Balita yang
mengalami panas setelah diimunisasi Polio. Di suatu
daerah diperkirakan ada sebanyak 2500 Balita yang akan
diimunisasi dengan Polio pada PIN kedua. Hitunglah
berapa probabilitas pada PIN kedua akan mendapatkan:
– Tidak ada balita yang mengalami panas?
– Paling banyak ada tiga balita yang panas?
– Minimal ada lima Balita yang panas?

22
 Distribusi Poisson

• Diketahui:
– n= 2500, p=0.001, maka λ=2500 x 0.001 = 2.5
• Ditanya: r=0, r ≤ 3, r ≥ 5
• Jawab
– P(r=0) = [(2.5)0 x (2.71828)-2.5] / 0! = 0.082 (lihat tabel)

– P(r ≤ 3 ) = P(r=0) + P(r=1) + P(r=2) + P(r=3) = 0.758 (lihat tabel)

– P(r ≥ 5) = 1 – [P(r=0) +..... + P(r=4)] = 1 – 0.891 = 0.109 (lihat

tabel)

23
 Tabel Poisson Kumulatif

Tabel Distribusi Probabilitas Poisson Kumulatif

λ
r 0.1 . . 2.5 . 3.0
0 . . . 0.082 .
λ = 2.5
1 . . . 0.287 . . dan x≤3
2 . . . 0.544 . .
3 . . . 0.758 . .
4 . . . 0.891 . .
λ = 2.5
5 . . . 0.958 . .
dan x≤6
6 . . . 0.986 . .
7 . . . 0.996 . .
8 . . . 0.999 . .
9 . . . 1.000 . .
24
 Distribusi normal

Distribusi normal memegang peranan penting

dalam statistika khususnya dalam berbagai analisis
untuk menarik suatu kesimpulan berdasarkan
sampel yang diambil.
Konsep distribusi normal sangat penting untuk
dipahami karena konsep ini mendasari asumsi
pada distribusi sampling, pendugaan statistika
maupun pengujian hipotesa.
 Ciri-ciri distribusi normal

1. Kurvanya mempunyai puncak tunggal

2. Kurvanya berbentuk seperti lonceng
3. Nilai rata-rata distribusi normal terletak ditengah kurva
normal.
4. Disebabkan distribusi normal mempunyai bentuk simetris
maka media dan modus juga berada ditengah-tengah kurva
normal, sehingga nilai rata-rata median dan modus adalah
sama.
5. Dua sisi kurva normal memanjang tak terbatas dan tak pernah
menyentuh garis horisontal.
 Distribusi Normal
f(X)
• ‘Bell Shape’
• Simetris
• Mean, Median dan
Mode sama
X
• IQR 1.33 σ 

Mean
Median
Mode

27
 Distribusi Normal
f(X)

• Model Matematik Distribusi Normal


1
1   X   2
f X  

2
e
2 2
f  X  : density of random variable X  X
  3.14159; e  2.71828
 : population mean
 : population standard deviation
X : value of random variable    X   
28
 Distribusi Normal Standar

Standardized
Normal Distribution Normal Distribution

 Z 1

X 
Z 
X Z
 0

29
 Distribusi Normal

X  6.2  5
Z   0.12
 10
Normal Distribution Standardized
Normal Distribution
  10
Z 1

6.2 X 0.12 Z
 5 Z  0
30
 Distribusi Normal

f(X)
P c  X  d   ?

X
c d
Luas lihat tabel Normal Standar
f(X)

X 
Z 
Z

0 ? 31
 TABEL Z

Luas Distribusi Normal Standar 0 b

b 0.00 . 0.04 0.05 . 0.09 P(0 ≤ z ≤ b)
0.0 0.0000 . 0.0160 0.0199 . 0.0359
0.1 0.0398 . 0.0557 0.0596 . 0.0753
. . . . . . .
1.0 0.3413 . 0.3508 0.3531 . .0.3621
. . . . . . .
1.5 0.4332 . 0.4382 0.4394 . .0.4441
1.6 0.4452 . 0.4495 0.4505 . 0.4545
. . . . . . .
1.9 0.4713. . 0.4738 0.4750 . 0.4767
. . . . . .
2.5 0.4938 . 0.4945 0.4946 . 0.4952
. . . . . . .
3.0 0.4987. . 0.4988 0.4989 . 0.4990 32
 Distribusi Normal

0.3413 0.4332

Z Z
0 1 0 1.5

0.3413 0.4332

Z Z
33
-1 0 -1.5 0 1.5
 Distribusi Normal

0.5-0.3413=0.1587
0.5-0.4332=0.0668

0.3413 0.4332
Z Z
0 1 0 1.5

0.4332-0.3413=0.0919

Z
34
0 1 1.5
 Distribusi Normal

• Diketahui bahwa nilai mahasiswa MA X angkatan

2016/2017 di PsiK PN berdistribusi normal dengan nilai
rata-rata sebesar 75 dan simpangan baku sebesar 10.
Hitunglah probabilitas mahasiswa akan mendapatkan nilai
sebagai berikut:
– Kurang dari 60
– Lebih dari 90
– Antara 65 sampai 85
– Bila ditentukan bahwa ada sebesar 15% mahasiswa akan
mendapatkan nilai A, maka hitunglah pada nilai terendah berapa
mulai diberikan nila A tersebut?

35
 Distribusi Normal

• Diketahui: μ = 75 dan σ=10

• Ditanya: P(x ≤ 60)=?

X 
Z 
60  75
Z  10 = - 1.5
60 75 x

P ( z ≤ -1.5) = 0.5 – 0.4332

= 0.0668 (6.68% mahasiswa dapat
-1.5 0 Z
nilai kurang dari 60)
36
 Distribusi Normal

• Diketahui: μ = 75 dan σ=10

• Ditanya: P(x ≥ 90)=?

X 
Z 
90  75
Z  10 = 1.5
75 90 x

P ( z ≥ 1.5) = 0.5 – 0.4332

= 0.0668 (6.68% mahasiswa dapat
0 1.5 Z
nilai lebih dari 90)
37
 Distribusi Normal

• Diketahui: μ = 75 dan σ=10. Ditanya: P(65 ≤ x ≤ 85)=?

Z1 85  75
 10 = 1.0
Z2 65  75
 10 = -1.0
65 75 85 Z
P ( -1.0≤ z ≤ 1.0) = 0.3413+0.3413
0.4332 0.4332 =0.6826
= 0.6826 (68.26% mahasiswa dapat
nilai antara 65 s/d 85)

Z
38
-1 0 1
 Distribusi Normal

• Diketahui: μ = 75 dan σ=10. Ditanya: x=? Bila 15% mahasiswa

dapat nilai A

X  75
1.03 
10
15%
10.3=X – 75
35% atau X=64.7
0.3500
0 1.03 Z
Nilai terendah mahasiswa dapat nilai A
adalah 64.7

39
 Tugas 1
1. Di wilayah binaan Puskesmas XYZ dilaporkan bahwa prevalensi Balita Gizi
Buruk adalah 20%. Salah satu Posyandu yang menjadi binaan Puskesmas
tersebut ada sebanyak 10 Balita sedang melakukan penimbangan. Hitunglah
probabilitas diantara 10 Balita tersebut:
a. Tidak ada Balita yang Gizi Buruk diantara 10 Balita tersebut?
b. Ada satu Balita yang Gizi Buruk diantara 10 Balita tersebut?
c. Paling banyak 3 Balita yang Gizi Buruk diantara 10 Balita tersebut?
d. Paling Sedikit 4 Balita yang Gizi Buruk diantara 10 Balita tersebut?

2. Suatu penelitian demam typhoid di rumah sakit didapatkan bahwa rata-rata

kematian akibat demam tersebut selama satu tahun adalah 4.6. Berapa
probabilitas kematian selama setengah tahun sebagai berikut:
a. Tidak ada pasien yang mati?
b. Satu orang pasien yang mati?
c. Dua orang yang mati
40
 Tugas 2
3. Dalam pelaksanaan Pekan Imunisasi Nasional Polio (PIN) pertama, misalnya
diketahui bahwa ada sebesar 0.1% Balita yang mengalami panas setelah
diimunisasi Polio. Di suatu daerah diperkirakan ada sebanyak 2500 Balita yang
akan diimunisasi dengan Polio pada PIN kedua. Hitunglah berapa probabilitas
pada PIN kedua:
a. Tidak ada Balita yang panas?
b. Maksimal ada tiga Balita yang panas?
c. Minimal ada lima Balita yang panas?

4. Dari hasil suatu penelitian terhadap Ibu Hamil di Kabupaten XYZ dilaporkan
bahwa rata-rata Haemoglobin (Hb) darah Ibu Hamil adalah 12.5 gr% dengan
standar deviasi 1.5 gr%. Bila ada sebanyak 1000 Bumil di Kabupaten XYZ,
hitunglah probabilitas dan jumlah ibu seperti di bawah ini:
a. Ibu hamil dengan Hb kurang dari 11.0 gr%?
b. Ibu hamil dengan Hb lebih dari 14.0 gr%?
c. Ibu hamil dengan Hb antara 11.0 gr% sampai dengan 14.0gr%?
d. Ibu hamil dengan Hb kurang dari 9.56 gr%?
e. Ibu hamil dengan Hb lebih dari 15.44 gr%?
f. Ibu hamil dengan Hb antara 9.56 gr% sampai dengan 15.44 gr%?
g. Ibu hamil dengan Hb antara 10.0 gr% sampai dengan 11.0gr%? 41