Designed by : RAHMAT AL HIDAYAT. SE., M. Ec. Dev.

Probabilitas dan Distribusi Probabilitas

Topik Pembahasan:
1. Konsep dasar probabilitas
2. Perumusan probabilitas
3. Ruang sampel dan sub ruang sampel
4. Ruang sampel pendekatan relatif
5. Peristiwa dan probabilitas peristiwa
6. Probabilitas peristiwa majemuk
7. Probabilitas peristiwa independen
8. Probabilitas peristiwa dependen
 Konsep Dasar Probabilitas
Teori probabilitas (probability theory) sering juga disebut sebagai
ilmu tentang ketidakpastian
Probabilitas (P) suatu nilai dari 0 sampai dengan 1, yang
menggambarkan kemungkinan relatif suatu peristiwa akan terjadi
Probabilitas (P) = 0, artinya suatu peristiwa atau kejadian mempunyai
kemungkinan terjadi sebesar 0% (peristiwa yang tidak mungkin terjadi).
Probabilitas (P) = 1, artinya suatu peristiwa atau kejadian mempunyai
kemungkinan terjadi sebesar 100% (peristiwa yang pasti terjadi).
Tidak mungkin
terjadi Pasti terjadi

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,1 1,0
Probabilitas Peluang Persija Munculnya sisi
Probabilitas
Musim salju di juara Liga Primer angka dalam satu
Peluang Matahari terbit
Yogyakarta Indonesia lemparan sekeping
kenaikan pajak di sebelah
koin
timur
 Perumusan Probabilitas

1. Perumusan klasik atau matematik (classical/mathematical)

a. Munculnya sisi gambar dalam satu lemparan koin (koin terdiri

dari dua sisi, yaitu angka dan gambar) adalah :

P(gambar) = ½ = 0,5

b. Munculnya sisi dadu dengan nilai 2 (sisi dadu bernilai 1 sampai

6) adalah:

P(sisi 2) = 1/6

c. Peluang munculnya sisi dadu yang nilainya genap adalah:

P (genap) = 3/6 = 1/2

 Perumusan Probabilitas

2. Probabilitas frekuensi relatif atau pendekatan empiris

(empirical/frequency approach), yaitu pendekatan yng didasarkan pada
data empiris. Contoh: Jumlah 1000 bayi yang lahir di rumah sakit
bersalin selama 10 tahun terakhir terdiri dari 550 bayi perempuan dan 450
bayi laki-laki. Maka probabilitas lahirnya bayi laki-laki dan perempuan
adalah:

3. Probabilitas subjektif (subjective probability)

Yaitu probabilitas yang terjadinya tergantung subjektivitas masing-
masing individu. Misalnya: kepada seseorang ditanyakan berapa
probabilitas sebuah gunung merapi akan meletus. Jawabannya akan
sangat tergantung pada latar belakang individu, tempat tinggalnya dan
pengetahuannya tentang kegunungapian dan lain-lain
 Ruang Sample (sample space)

Ruang sampel (sample space) adalah suatu himpunan yang

mempunyai unsur seluruh peristiwa atau kejadian
Contoh:
1. Pelemparan sebuah mata uang akan dijumpai dua peristiwa, yaitu sisi
gambar (G) dan sisi angka (A), maka ruang sampelnya ada dua, yaitu:

S = {G, A} ;

Jika digambar sebagai berikut : G A

2. Pelemparan tiga mata uang bersama-sama, ruang sampelnya adalah:

S = {GGG, AGG, GAG, GGA, AAG, AGA, GAA, AAA}

 Sub Ruang Sample (sub sample space)

Sub ruang sampel (sub sample space) adalah kumpulan

dari kejadian tertentu
Contoh:
1. Peristiwa munculnya 1 sisi gambar dan 1 sisi angka dalam
pelemparan dua mata uang secara bersama-sama adalah:

SS = {GA, AG}

2. Peristiwa munculnya jumlah 5 pada pelemparan dua buah

dadu secara bersama-sama ada 4, yaitu:

SS = {(4,1), (3,2), (2,3), (1,4)}

 Ruang Sample pendekatan frekuensi Relatif
Pendekatan frekuensi relatif atau disebut juga ruang sampel
pendekatan empiris, adalah jumlah seluruh frekuensi, sedangkan sub
ruang sampel adalah jumlah peristiwa tertentu

Contoh: Dari penelitian diketahui di Yogyakarta terdapat 5000 pedagang

kaki lima. Ruang sampelnya adalah seluruh pedagang kaki lima, sedang
sub ruang sampelnya dapat dibagi menurut daerah asal, jenis makanan,
lokasi tempat berdagang dan sebagainya. Misalnya kalau sub ruang
sampel disusun menurut jenis makanan yang dijual adalah sbb:
Jenis Barang yang dijual Jumlah
Makanan 1000
Minuman 500
Buah-buahan 400
Kerajinan 2000
Pakaian 1100
Jumlah 5000
 Peristiwa dan Probabilitas suatu Peristiwa

Peristiwa adalah sub ruang sampel yang mempunyai unsur-unsur

yang memiliki sifat tertentu
Misalnya: Dalam pelemparan dua buah mata uang dapat dibagi
menjadi tiga peristiwa, yaitu:
• Peristiwa munculnya dua gambar
• Peristiwa munculnya satu gambar
• Peristiwa munculnya 0 gambar (tidak ada gambar yang
muncul)

Probabilitas suatu peristiwa, yaitu sub ruang sampel dibagi dengan

ruang sampel
 Probabilitas Peristiwa Majemuk

Saling meniadakan (mutually exclusive), yaitu kejadian dua peristiwa

yang tidak memiliki unsur yang sama, digambarkan sbb:

A atau B

Peristiwa A dan B saling meniadakan, artinya peristiwa A dan B tidak

dapat terjadi bersama-sama dengan peritiwa B. Secara matematis
dirumuskan:
P(A atau B) = P(A) + P(B)
P(A U B ) = P(A) + P(B)
 Probabilitas Peristiwa Majemuk

Peristiwa yang tidak saling meniadakan, yaitu dua peristiwa

yang satu dapat terjadi bersama peristiwa lain

A Daerah AB adalah daerah terjadinya

A B
B peristiwa dan B bersama-sama

Formulasinya:
P(A dan B) = P(A) + P(B) – P(A dan B)
atau
P(A U B) = P(A) + P(B) – P(A ∩ B)
 Probabilitas Peristiwa Majemuk

Contoh: Jumlah karyawan disebuah perusahaan menurut

umur dan jenis kelamin adalah sebagai berikut
Nama Jenis Umur • Peristiwa A adalah terpilihnya karyawan
Kelamin laki-laki, yaitu : P(A) = 3/5
Ali L 30 • Peristiwa B adalah terpilihnya karyawan
Anda L 40 berumur > 30 tahun (ada 3 orang),
yaitu: P(B) = 3/5
n=5

Joko L 32
• P(A dan B) adalah Peristiwa terpilihnya
Linda P 45 karyawan laki-laki dan berumur > 30
Dewi P 20 tahun , yaitu : P(A dan B) = 2/5

• Sehingga , P(A atau B) adalah Peristiwa terpilihnya karyawan laki-laki

dan berumur > 30 tahun , yaitu
P(A atau B) = 3/5 + 3/5 – 2/5 = 4/5
Probabilitas Peristiwa Majemuk

3 peristiwa yang tidak saling meniadakan

digambarkan sebagai berikut

AB AC
ABC
BC
B C
 Probabilitas Peristiwa Majemuk

Peristiwa Komplemen, yaitu sebuah ruang sampel dimana peristiwa A

dan bukan peristiwa A mengandung semua unsur dalam ruang sampel

atau
A

Peristiwa terambilnya kartu As pada satu set kartu bridge adalah

dan atau
 Probabilitas Peristiwa independen

1. Probabilitas marjinal (marginal probability), yaitu probabilitas

terjadinya suatu peristiwa tidak memiliki hubungan dengan
terjadinya peristiwa lain
Misalnya: pada pelemparan koin, probabilitas munculnya gambar
P(G) = ½ dan probabilitas munculnya angka P(A) = ½

2. Probabilitas gabungan (join probability), yaitu probabilitas

terjadinya dua peristiwa atau lebih terjadi bersama-sama atau
secara berurutan merupakan perkalian probabilitas masing-masing

P(A dan B) = P(A) x P(B)

P(A dan B dan C) = P(A) x P(B) x P(C)
 Probabilitas Peristiwa independen

Pada pelemparan sebuah mata uang dua kali, peristiwa A munculnya

gambar pada pelemparan pertama, peristiwa B adalah munculnya
gambar pada pelemparan kedua adalah : P(A) = 0,5 dan P(B) = 0,5
sehingga
P(A atau B) = P(A) x P(B) = 0,25
Digambarkan dalam diagram pohon (tree diagram) sbb:

0,5 P(GG) = 0,5 x 0,5 = 0,25

0,5
0,5 P(GA) = 0,5 x 0,5 = 0,25

0,5 P(AG) = 0,5 x 0,5 = 0,25

0,5

0,5 P(AA) = 0,5 x 0,5 = 0,25

 Probabilitas Peristiwa dependen

Peristiwa bersyarat pada peristiwa dependen

Peristiwa gabungan dari peristiwa yang dependen

Marginal probability dari peristiwa yang dependen

Teori Bayes dan Distribusi binomial

Topik Pembahasan:
1. Teorema Bayes (Bayes Theorema)
2. Harapan matematis (mathematical expectation)
3. Distribusi probabilitas binomial
4. Distribusi probabilitas normal
5. Hubungan antara distribusi probabilitas normal
dn tabel normal
 Teorema Bayes (Bayes Theorema)

Teorema Bayes (kaidah Bayes) digunakan terutama dalam

probabilitas bersyarat. Teori ini dikembangkan oleh Thomas Bayes
tahun 1763
Rumus umum Teoriema Bayes

Jika ada dua kejadian misalkan A1 dan A2 yang tidak terikat satu
sama lain, maka teorema Bayes dirumuskan sebagai berikut:
 Teorema Bayes (Bayes Theorema)

Contoh: 5 persen penduduk negara berkembang “X” menderita pengakit aneh

yang dimisalkan A1, sedangkan A2 adalah kejadian seseorang tidak menderita
penyakit aneh tersebut. Misalkan B adalah diagnosis yang menunjukkan adanya
penyakit (positif). Probabilitas bersyarat diagnosis mengindikasikan keberadaan
penyakit adalah 0,90 dan probabilitas seorang tidak menderita penyakit adalah
0,15. Berapa probabilitas seorang menderita penyakit dan diagnosisnya positif
jika diambil salah seorang penduduk secara acak

Dari soal diketahui:

P(A1) = 0,05 P(A2) = 1- P(A1) = 1- 0,05 = 0,95
P(B/A1) =0,90 P(B/A2) = 0,15

Jadi probabilitas salah satu penduduk negara tersebut yang menderita penyakit
dan diagnosisnya positif jika seorang penduduk diambil secara acak adalah
 Teorema Bayes (Bayes Theorema)
Peti A1 berisi 3 bola hijau dan 5 bola merah, sedang peti A2 berisi 2 bola
hijau, 1 bola merah, dan 2 bola kuning. Apabila peti dipilih secara
random dan dipilih bola secara random juga, berapakah probabilitas
terpilihnya bola hijau

Jawab:

P(A1) = P(A2) = ½ → terpilihnya peti A1 dan peti A2

P (A/A1) = 3/8 → terpilihnya bola hijau dari peti A1
P(A/A2) = 2/5 → terpilihnya bola hijau dari peti A2
 Harapan Matematis (Mathematical Expectation)

Apabila P1, P2, ..Pn merupakan probabilitas terjadi peristiwa A1, A2 …An
yang merupakan peristiwa yang independen dan lengkap terbatas maka
jumlah seluruh harapan matematis adalah:

A = A1P1 + A2P2 + …. AnPn

Jika seseorang memenangkan undian sebesar X1 bila terjadi A1 dan

memenangkan undian X2 jika terjadi A2, maka harapan untuk
memenangkan undian A(X) adalah:

A(X) = X1P1 + X2P2

 Harapan Matematis (Mathematical Expectation)

Dari tabel mortalitas (mortality table) diketahui bahwa probabilitas seseorang

yang berusia 35 tahun dapat hidup selama setahun = 0,992, sehingga
probabilita mortalitanya (meninggal) = 1 – 0,992 = 0,008. Apabila perusahaan
asuransi akan menjual polis asuransi senilai Rp1.000.000,00 pada seseorang
yang berusia 35 tahun untuk jangka waktu 1 tahun dengan premi sebesar
Rp10.000,00 berapa harapan keuntungan secara matematis dari perusahaan
asuransi tersebut
Peristiwa meninggal dalam setahun:
X1 = – (1.000.000 – 10.000) dengan P1 = 0,008
Peristiwa tetap hidup dalam setahun:
X2 = + 10.000 Dengan P2 = 0,992
Maka harapan matematisnya adalah:
A(X) = X1 . P1 + X2 . P2
= –990.000(0,008) + 10.000(0,992)
= –7.920 + 9.920 = 2.000
 Distribusi Probabilitas Binomial

Distribusi probabilitas adalah sebuah daftar dari hasil

percobaan dan probabilitas dari setiap hasil yang bersangkutan
Distribusi probabilitas binomial adalah distribusi probabilitas
diskret yang sering terjadi
Ciri-ciri lain distribusi probabilitas binomial adalah:
1. Hasil setiap percobaan dikategorikan menjadi salah satu
kategori yang tidak terikat satu sama lain- sukses atau gagal
2. Variabel acak menghitung jumlah sukses yang muncul dalam
setiap percobaan
3. Probabilitas untuk sukses dan gagal sama untuk setiap
percobaan
4. Percobaan-percobaan ini saling bebas, yang artinya hasil
dari setiap percobaan tidak mempengaruhi hasil percobaan
lain
 Distribusi Probabilitas Binomial

Rumus umum distribusi probabilitas binomial adalah

dimana : P(S) =kejadian sukses, C= kombinasi, n = jumlah percobaan,

π = kejadian sukses dan (1-π) = kejadian gagal
Contoh: Probabilitas memperoleh sekurang-kurangnya dua gambar
burung dalam 6 kali percobaan pelemparan sebuah mata uang adalah:
 Distribusi Probabilitas Binomial

Terdapat lima penerbangan dari Jakarta ke Yogyakarta menggunakan

pesawat Garuda. Misalkan probabilitas penerbangan terlambat 0,20.
Berapa besar (a) peluang tidak ada penerbangan terlambat hari ini, dan
(b) berapa besar peluang hanya satu penerbangan terlambat hari ini

a. Probabilitas penerbangan yang datang tidak terlambat adalah

a. Probabilitas penerbangan hanya satu dari lima penerbangan yang

datang terlambat adalah
 Distribusi Probabilitas Binomial

Hal-hal yang berkaitan dengan distribusi probabilitas binomial

1. Rata-rata (mean) : π = Np

2. Variance: σ2 = Npq dimana q dalah 1 – p atau q= 1 - p

3. Standar deviasi (simpangan baku):

4. Koefisien momen pada kemencengan:

5. Koefisien momen pada kurtosis:

 Distribusi Probabilitas Binomial

Kembali ke contoh soal penerbangan, ingat bahwa π = 0,20 dan n = 5,

maka:
a. rata-rata dari distribusi binomial :

µ = Np = 5.(0,20) = 1

b. Variance adalah

σ2= Npq = 5. (0,20).(1- 0.20) = 0,80

c. Standar devisi adalah

 Distribusi Probabilitas Binomial

Distribusi binomial dengan menggunakan excell secara terperinci

diperoleh sebagai berikut:
Jumlah Penerbangan
Terlambat P(x) x.P(x) x-µ (x-µ)2 (x-µ)2..P(x)
0 0.3277 0.0000 -1 1 0.3277
1 0.4096 0.4096 0 0 0.0000
2 0.2048 0.4096 1 1 0.2048
3 0.0512 0.1536 2 4 0.2048
4 0.0064 0.0256 3 9 0.0576
5 0.0003 0.0015 4 16 0.0048
µ = 1.0000 σ2 =0.7997

Rata-rata (mean) : µ = 1 dan variance : σ2 = 0,7997 atau 0,80 (dibulatkan )

 Distribusi Probabilitas Normal

Distribusi normal umum (distribusi gauss)

e adalah bilangan 2,72

Π adalah bilangan 3,14
Distribusi normal baku
 Hubungan Distribusi Normal dan Tabel normal

Kurva normal yang dibatasi oleh z = 0,00 dan z = 0,21 dapat

digambarkan sebagai berikut

Pada tabel normal , lihat kolom z (paling kiri) nilai 0,2 dan tarik garis ke
kanan hingga sampai kolom 1, sehingga didapat angka 0,0832.
Sehingga luas kurva dibawah kurva normal Pr(0 ≤ x ≤ 0,21) adalah
8,32 %
 Tabel Distribusi Normal
Cara membaca daerah dibawah kurva normal yang dibatasi oleh z =
0,00 dan z = 0,21
 Luas Daerah di bawah Kurva Normal

Hitunglah propbabilitas terjadinya x bila :

1) (0 ≤ x ≤ 1,42)
2) (-1,37 ≤ x ≤ 2,01)

1) Pr (0 ≤ x ≤ 1,42) adalah sama dengan kurva normal baku antara z = 0 dan z =

1,42

Jadi, Pr (0 ≤ x ≤ 1,42) = 0,4222

 Luas Daerah di bawah Kurva Normal

2) Pr (-1,37 ≤ x ≤ 2,01) jika digambarkan grafiknya adalah sebagai berikut

Pr (-1,37 ≤ x ≤ 2,01) = Pr (-1,37 ≤ x ≤ 0) + Pr (0 ≤ x ≤ 2,01)

= 0,4147 + 0,4778
= 0,8925
Sekian dan….