PROBABILITAS

KELOMPOK 5
Muhamad abdul kodir
Muhamad fadlil asysyukri
Megawati
M. hamdan
Mesa prayoga
Definisi Probabilitas
 Probabilitas itu merupakan nilai
kemungkinan suatu peristiwa terjadi yang
bersifat non deterministik atau belum
pasti. Nilai kemungkinan suatu peristiwa
bersifat non deterministik antara 0 s/d 1
atau 0% s/d 100%, artinya bahwa nilai
kemungkinan peristiswa tersebut tidak
kurang dari 0% dan tidak lebih dari 100%.
 Contoh, dokter memeriksa seorang pasien. Setelah
diperiksa dokter tersebut menjelaskan hasil
diagnosenya bahwa ada kemungkinan menderita
gejala tipus. Berarti bisa benar- benar gejala tipus
atau tidak sama sekali. Dokter tersebut belum
memastikan penyakitnya. Berarti dokter tersebut
telah berbicara tentang kemungkinan atau
probabilitas
 Jadi pengertian probabilitas adalah kemungkinan
terjadinya suatu peristiwa yang random diantara
keseluruhan peristiwa yang bisa terjadi. Probabilitas
disimbolkan dengan P. Besarnya probabilitas antara 0
s/d 1 atau 0% s /d 100%. Jika suatu peristiwa
mempunyai P= 0 atau 0% berarti peristiwa tersebut
pasti tidak terjadi. Namun bila suatu peristiwa
mempunyai P= 1 atau 100% berarti peristiwa itu
pasti terjadi
 Jenis-jenis probabilitas
 Probabbilitas a priori
yaitu probabilitas yang disusun
berdasarkan perhitungan akal, bukan atas
dasar pengalaman. Untuk menentukan
beberapa kemungkinan mata dadu yang bakal
keluar, maka mempunyai kemungkinan 1/6,
 Probabilitas relatif frekuensi
yaitu probabilaitas yang disusun
berdasarkan statistik atas fakta-fakta empiris,
seperti probabilitas tentang gagalnya tembakan
pistol adalah 5. Maksudnya bahwa setiap 100
kali ditembakan maka paling tidak 5 kali
diantaranya macet.
Hukum- hukum probabilitas

 Hukum Pertambahan
Terdapat 2 kondisi yang harus
diperhatikan yaitu:
 Mutually Exclusive (saling meniadakan)
Rumus: P (A U B) = P (A atau B)= P (A) +
P (B)
Contoh : Probabilitas untuk mata 2 atau
mata 5 pada pelemparan dadu adalah :
P(2 U 5) = P (2) + P (5) = 1/6 + 1/6 = 2/6
 Non Mutually Exclusive (dapat terjadi
bersama)
Peristiwa Non Mutually Exclusive
(Joint) adalah dua peristiwa atau lebih dapat
terjadi bersamasama (tetapi tidak selalu
bersama).
(A U B) =P(A) + P (B) – P(A ∩B)
Contoh : Ada 5 orang mahasiswa candidat
u/dikirim ke suatu kejadian bencana alam
A,B,C,D,E. Yang akan dikirim hanya 1 orang.
Probabilitas D atau E akan dikirim adalah
P ( DUE ) = 1/5+1/5=2/5
 Hukum perkalian
Terdapat dua kondisi yang harus
diperhatikan apakah kedua peristiwa tersebut
saling bebas atau bersyarat.
 Peristiwa Bebas (Independent)
Apakah kejadian atau ketidakjadian suatu
peristiwa tidak mempengaruhi peristiwa lain.
Contoh:Sebuah coin dilambungkan 2 kali
maka peluang keluarnya H pada lemparan
pertama dan pada lemparan kedua
saling bebas.
P(A ∩B) = P (A dan B) = P(A) x P(B)
Peristiwa Bebas (Hukum Perkalian)
 Peristiwa tidak bebas (Hukum Perkalian)
Peristiwa tidak bebas atau peristiwa
bersyarat (Conditional Probability) adalah dua
peristiwa dikatakan bersyarat apabila
kejadian atau ketidakjadian suatu peristiwa
akan berpengaruh terhadap peristiwa lainnya.
Contoh:Dua buah kartu ditarik dari set kartu
bridge dan tarikan kedua tanpa memasukkan
kembali kartu pertama, maka probabilitas
kartu kedua sudah tergantung pada kartu
pertama yang ditarik. Simbol untuk peristiwa
bersyarat adalah P (B│A) -> probabilitasB
pada kondisi A
P(A ∩B) = P (A) x P (B│A)
 Distribusi Probabilitas
 Distribusi Probilitas merupakan cara yang lebih
sederhana untuk menyelesaikan probilitas dari
peristiwa yang bersifat independen dan
dependen.
 Peristiwa indenpenden merupakan peristiwa
yang terjadi yang tidak mempengaruhi peristiwa
yang berikutnya.
 Peristiwa dependen adalah peristiwa yang
mempengaruhi peristiwa lain. Pada berbagai
peristiwa dalam probilitas, jika frekuensi
percobaan banyak, maka untuk peristiwa yang
bersifat independen dan dependen akan
mengalami kesulitan dalam percobaan.
 MACAM MACAM DISTRIBUSI
DISTRIBUSI BINOMINAL
Distribusi binomial merupakan distribusi
probabilitas deskrit yang paling sering
digunakan dalam segala bidang, termasuk bidang
kedokteran karena dalam praktik sehari hari
atau dalm penelitian sering kita jumpai.
Misalnya, hasil pengobaan sembuh atau tidak, jenis
kelamin, membandingkan keefektifan dua
macam obat pada uji klinis, setuju atau tidak
dengan program kesehatan yang dijalankan oleh
depertemen kesehatan dan jenis kelamin bayi
yang dilahirkan.
 Ciri-ciri distribusi binomial

 Ciri pertama distribusi binomial adalah bila jumlah

n tetap dan p kecil maka distribusi yang dihasilkan
akan miring kekanan dan bila p makin besarmaka
kemiringan akan berkurang dan bila p mencapai 0,5
maka distribusi akan menjadi simetris. Bila p lebih
besar dari 0,5 maka distribusi yang dihasilkan akan
miring kekiri.
 Ciri keduanya adalah bila p tetap dengan jumlah n
yang makin besar maka akan dihasilkan distribusi
yang mendekati distribusi simetris.
 Contoh: Kita ingin mengetahui besarnya
probabilitas kelahiran 2 bayi lak laki dari 3
kelahiran.
 DISTRIBUSI POISSON
 Distribusi poisson termasuk salah satu
distribusi probabilitas dengan variable
random dekrit. Distribusi ini digunakan pada
n yang kecil. Oleh karna itu sering disebut
sebagi hokum niali kecil. Distribusi poisson
sering digunakan pada penelitian operasional
untuk menentukan probabilitas peristiwa
yang jarang terjadi dalam periode yang
pendek.
 Missal, jumlah kunjungan penderita gawat
darurat dalam waktu 3 jam atau
mendapatkan kasus yang jarang dijumpai
walaupun dilakukan denagn sampel yang
besar.
Lanjut....
 Rumus:
 Keterangan:
 P (X) : Probabilitas terjadinya event
 x! : x faktorial
 ƛ : Rata-rata terjadinya event per
periode tertentu
 e : 2, 71828
 e-ƛ : dapat dilihat pada tabel poisson

 Contoh :
Contoh...
 Dari data yang lalu diketahui bahwa terdapat 5 orang
penderita yang membutuhkan pemeriksaan EKG.Bila kita
ingin mengetahui probabilitas sebesar 0,1, 2, 3, dan 4 orang
penderita yang membutuhkan pemeriksaan EKG maka
untuk mengetahui probabilitas tersebut dapat digunakan
rumus poisson.
 ƛ = e-5 = 0,00674 (lihat tabel poisson)
 P (0) = (50) (0, 00674)/0!
 = 0,00674
 P (1) = (51) (0,00674)/1!
 = 0, 0037
 P (2) = (52) (0,00674)/2!
 = 0,0842
 P (3) = (53) (0,00674)/3!
 = 0,14
 P (4) = (54) (0,00674)/4!
 = 0,17`
DISTRIBUSI NORMAL (
Gauss)
 distribusi normal merupakan satu satunya
distribusi probabilitas denagn variable
random kontinu dan mempunyai peran
yang sangat penting dalam statistika
 Ciri ciri distribusi normal yaitu :
 Disusun dari variable random kontinu
 Kurva distribusi normal mempunyai satu puncak. Grafik yang
disusun dari distribusi normal akan berbentuk kurva yang
simetris dengan satu puncak atau unimodal.
 Nilai mean, median, dan mode terletak pada satu titik.
 Kurva normal dibentuk dari jumlah pengamatan yang sangat
bnyak
 Event yang dihasilkan bersifat independen
 Ekor kurva mendekati absis pada penyimpangan kekiri dan
kekanan sebesar 3 SD dari rata rata dan ekor grafik ini dapat
dikembangkan terus tanpa menyentuh absis.
 TERIMAKASIH 
ASSALAMUALIKUM 