Pertemuan 4

KONSEP DASAR PELUANG

Oleh :
Lia Yuliana, S.Si., M.T.
DEFINISI
Deterministic model: Model matematika yang mungkin
untuk menjelaskan atau memprediksi nilai observasi dari
karakteristik yang diteliti.
Contoh:
* kecepatan benda jatuh setelah selama waktu t adalah
v = gt, dimana g = 32,17 kaki per detik
* percobaan/eksperimen yang diulang-ulang hasilnya akan
sama, dalam kondisi yang ideal.
* Jika kondisi kurang ideal, mungkin terdapat variabel
yang tidak diketahui atau dikontrol, misalnya
kelembaban atau temperatur udara yang mungkin
mempengaruhi outcome
DEFINISI
Probability Model/Probabilistic Model/Stochastic
Model. Model matematika dimana suatu model
deterministik tidak dapat memenuhi dan hasil yang
berbeda-beda mempunyai kesempatan untuk muncul
secara alami.
Contoh:
• Banyaknya partikel yang hilang karena sumber
radioaktif,
• waktu kegagalan suatu komponen (rusaknya komputer)
• matinya bola lampu
• kesempatan munculnya suatu outcome dalam sebuah
game.
EKSPERIMEN

Eksperimen :
- Proses tersedianya sebuah hasil observasi dari
beberapa fenomena/kejadian
- Suatu percobaan yang dilakukan berulang-ulang

Trial/percobaan adalah performance dari sebuah

eksperimen

Outcome : hasil dari observasi

RUANG SAMPEL
Ruang sampel/Sample space :
• Himpunan semua hasil yang mungkin dari suatu
percobaan, dilambangkan dengan S/T/Ω
• Seluruh outcome yang mungkin muncul dalam
suatu eksperimen .
Tiap hasil dalam ruang sampel disebut unsur/
anggota/titik sampel
RUANG SAMPEL
Ruang sampel ada 2:
1. Ruang sampel diskrit
Biasanya berupa bilangan bulat, baik berhingga
maupun tidak berhingga
2. Ruang sampel kontinyu
Biasanya berupa bilangan riil
Contoh 1:
Ruang sampel dari suatu lantunan mata uang
S={M,B}
RUANG SAMPEL
Contoh 2 :
Ruang sampel percobaan melantunkan dadu
S = { 1,2,3,4,5,6 }

Untuk ruang sampel besar / titik sampel tidak

terhingga, lebih mudah ditulis dengan pernyataan /
aturan
S = {x|x suatu kota yang berpenduduk melebihi
satu juta}
LATIHAN SOAL (1)
Tuliskan anggota tiap ruang sampel :
1. Himpunan bilangan bulat antara 1 dan 50 yang
habis dibagi 8
2. Himpunan S = {x|x²+4x-5=0 }
3. Himpunan hasil bila sebuah mata uang
dilantunkan sampai belakang muncul atau
sampai 3 muka muncul
4. Himpunan S = {x|2x-4≥0 dan x<1 }
LATIHAN SOAL (1)
5. Gunakan cara aturan/pernyataan untuk
menjelaskan ruang sampel S yang terdiri atas
semua titik dalam kuadran pertama di dalam
satu lingkaran berjari-jari 3 dengan pusat titik
asal.
KEJADIAN
Kejadian/Event : himpunan bagian dari suatu
ruang sampel / subset dari sample space
Kumpulan dari seluruh event suatu eksperimen
didefinisikan sebagai Event Space
Contoh :
Bila diketahui suatu ruang sampel S = { t|t ≥ 0 }, t
menyatakan usia dalam tahun suatu komponen
mesin tertentu, maka kejadian A bahwa komponen
akan rusak sebelum akhir tahun kelima adalah
A = {t|0≤t<5}
KEJADIAN
Sebuah event disebut Elementary event jika
berisi hanya satu outcome dari sebuah
eksperimen
Contoh:
* elementary events pada pelemparan 2 mata
uang adalah: {HH},{TH} ,{HT} dan {TT}.
* Event bola lampu ”survive paling lama 10 jam”
A = [0,10] = {t| 0 ≤ t ≤ 10}
*Event bola lampu ”survive lebih dari 10 jam”
A = [10,~) = {t| 10 ≤ t ≤ ~}
KEJADIAN
Mutually Exclusive Event
A₁, A₂, …Ak dikatakan sebagai mutually exclusive
event , jika AiAj=Ø, i≠j

Exhaustive Event
A₁, A₂, …Ak dikatakan sebagai exhaustive event ,
jika
A₁ A₂ ….. Ak=S
KEJADIAN

Komplemen suatu kejadian A terhadap S adalah

himpunan semua unsur S yang tidak termasuk A.
Dinyatakan dengan A’

Contoh:
Jika S menyatakan seluruh kartu bridge.
Sedangkan A menyatakan kejadian kartu merah
terambil dari sekotak kartu bridge. Maka A’ adalah
kejadian bahwa kartu yang terambil bukan warna
merah, tetapi warna hitam.
KEJADIAN
Irisan dua kejadian A dan B adalah kejadian yang
unsurnya termasuk dalam A dan B. Dinyatakan
dengan AB.

Contoh :
P adalah kejadian seorang mahasiswa yang
berbelanja di indomaret X. Q adalah kejadian
seseorang tinggal di kota X. Jadi PQ adalah
kejadian seorang mahasiswa belanja di indomaret
X dan tinggal di kota X.
KEJADIAN

Gabungan suatu kejadian A dan B adalah suatu

kejadian yang mengandung semua unsur yang
termasuk A atau B atau keduanya. Dilambangkan
dengan AB

Contoh:
A adalah kejadian bahwa seseorang adalah
mahasiswa tingkat 1. B adalah kejadian bahwa
seseorang adalah laki-laki. Sedangkan S adalah
mahasiswa STAN. Maka AB adalah mahasiswa
STAN tingkat 1 atau mahasiswa STAN laki-laki.
PELUANG/PROBABILITY

Peluang/Probability : sekumpulan fungsi yang

diberikan untuk setiap kejadian/event A dalam
ruang sample S. P(A) adalah peluang kejadian A
Syarat:
a. P(A) ≥ 0
b. P(S) = 1
c. Jika A₁, A₂,…, Ak adalah kejadian dimana
Ai  Aj=Ø, i≠j maka P(A₁ A₂ …. Ak) =
P(A₁)+P(A₂)+….+P(Ak)
PELUANG/PROBABILITY

Nilai Peluang

0 0.5 1

Tidak Pasti
mungkin Jarang Sering
terjadi terjadi terjadi
terjadi
TEOREMA

Teorema 1: Untuk setiap kejadian A, P(A) = 1-P(A’).

Teorema 2: P(Ø) = 0
Teorema 3: Jika kejadian A dan B sedemikian rupa sehingga
AB, maka P(A)P(B)
Teorema 4: Untuk setiap kejadian A, P(A)1
Teorema 5: Jika A dan B adalah dua kejadian, maka
P(AB) = P(A) + P(B) – P(AB)
Teorema 6: Jika A, B, dan C adalah 3 kejadian maka
P(ABC)= P(A) + P(B) + P(C) – P(AB)
– P(AC) – P(BC) + P(ABC)
PELUANG/PROBABILITY

Terdapat 3 pendekatan konseptual untuk

mendefinisikan nilai probabilita/peluang:

• Klasikal (Priori Approach)

• Frekuensi Relatif (Relative Frequency
Approach)
• Pendekatan Subyektif (Subjective Approach)
Klasikal (Priori Approach)

Jika N(A) adalah munculnya suatu peristiwa (outcomes) dari

kejadian/event A.
Jika N(S) adalah seluruh peristiwa (outcomes) yang mungkin
dalam ruang sampel, dan seluruh peristiwa hampir sama dan
mutually ekslusif, maka kejadian/event A yang akan muncul
adalah:
N ( A)
P( A) 
N (S )
Contoh:
Dalam sebuah paket kartu yang terdiri dari 4 kartu As dan 48
kartu lainnya, peluang kartu As akan muncul dalam satu kali
pengambilan adalah:
N ( A) 4 1
P( A)   
N ( S ) 52 13
Frekuensi Relatif
Peluangnya ditentukan berdasarkan proporsi waktu bahwa
suatu outcome akan muncul dalam sejumlah observasi
atau ekperimen. Disebut juga Empirical Approach. Peluang
bahwa kejadian A muncul adalah:
Banyaknya Observasi A n( A)
P( A)  
Ukuran Sampel n
Contoh:
Dalam eksperimen, seorang statistisi mengumpulkan
10.000 orang dewasa, menemukan bahwa 100 orang
mempunyai masalah dengan gigi. Peluang kemunculannya
adalah:
n( A) 100
P( A)    0,01 _ atau _ 1%
n 10.000
Subjective Approach

Klasikal dan Relative Frekuensi Approach

menghasilkan nilai probability obyektif.

Subyektif Approach adalah kecenderungan ketika

hanya ada satu kesempatan bagi suatu kejadian
untuk muncul dan hal tersebut berarti suatu
kejadian bisa muncul atau tidak muncul pada
suatu waktu tertentu.
Latihan Soal (2)
1. Diberikan sekotak kartu bridge standar dengan sampel
space sebanyak 52 kartu. Jika diketahui bahwa
A = {x|x adalah kartu jack, queen atau king}
B = {x|x adalah kartu dengan nomor 9, 10 atau jack
dan x adalah kartu merah}
C = {x|x adalah kartu keriting}
D = {x|x adalah kartu diamond, hati atau waru}
Tentukan :
a. P(A) d. P(CD)
b. P(AB) e. P (CD)
c. P(AB)
Latihan Soal (2)
2. Sebuah koin uang dilemparkan 4 kali.
a. Sebutkan semua sampel space S
b. Jika diberikan kejadian A= minimal muncul 3 muka,
B= paling banyak muncul 2 muka, C=muka muncul pada
lemparan ketiga, D= muncul satu muka dan 3 belakang.
Tentukan :
i. P(A) v. P(D)
ii. P(AB) vi. P(AD)
iii. P(B) vii. P(BD)
iv. P(AC)
MENGHITUNG TITIK SAMPEL
DEFINISI
• Dalam banyak hal, suatu soal peluang dapat
diselesaikan dengan menghitung jumlah titik/outcomes
dalam ruang sampel tanpa membuat daftar unsurnya.

• Aturan yang sering digunakan: PERKALIAN

Teorema 1.
Bila suatu operasi dapat dilakukan dengan n1 cara, dan bila
untuk tiap cara ini operasi kedua dapat dikerjakan dengan
n2 cara, maka kedua operasi itu dapat dikerjakan bersama-
sama dengan n1n2 cara
DEFINISI
Contoh:
Suatu perusahaan perumahan menawarkan bagi
calon pembeli pilihan rumah gaya luar berbentuk
tradisional, spanyol, kolonial dan modern di daerah
pusat kota, pantai dan bukit. Dalam berapa banyak
pilihan seorang pembeli dapat memesan rumah?

n₁ = 4
n₂ = 3
Jumlah kemungkinan pilihan n₁ n₂ = 12
kemungkinan
DEFINISI
Bukit

Pantai

Pusat Kota
Bukit
Spanyol
Pantai

Pusat Kota
Bukit

Pantai
Pusat Kota

Bukit
Pantai

Pusat Kota
DEFINISI
Teorema 2.
Bila suatu operasi dapat dikerjakan dengan n1 cara, dan
bila untuk tiap cara ini operasi kedua dapat dikerjakan
dengan n2 cara, dan bila untuk setiap kedua cara tersebut
operasi ketiga dapat dikerjakan dengan n3 cara, dan
seterusnya, maka deretan k operasi dapat dikerjakan
dengan n1n2 ... nk cara.
Contoh:
Berapa banyak hidangan dapat disajikan bila masing-
masing hidangan terdiri atas sop, nasi goreng, bakmi dan
soto, bila tersedia 4 macam sop, 3 macam nasi goreng, 5
macam bakmi dan 4 macam soto?
n₁ = 4 n₂ = 3 n₃ = 5 n₄ = 4
Cara memilih hidangan = 4 x 3 x 5 x 4 = 240 cara
PERMUTASI
Definisi 1.
Suatu Permutasi adalah suatu susunan yang dapat dibentuk dari
suatu kumpulan benda yang diambil sebagian atau seluruhnya.

Teorema 3. Banyaknya permutasi n benda yang berlainan adalah

n!

Contoh:
Berapa banyak susunan yang dapat dibuat dari 3 huruf a, b, dan
c?
Jawab: 6 susunan yang terdiri dari abc, acb, bac, bca, cab, cba.
n₁ = 3 pilihan untuk tempat pertama
n₂ = 2 pilihan untuk tempat kedua
n₃ = 1 pilihan untuk tempat ketiga
jadi n₁n₂n₃ = 6
PERMUTASI
Teorema 4.
Banyaknya permutasi n benda berlainan bila diambil r
sekaligus adalah n!
Pr 
(n  r )!
n

Catatan : 1! = 1
0! = 1
Contoh:
Bila dari 4 huruf a,b,c dan d, ingin diambil 2 huruf
sekaligus, maka permutasinya adalah: ab, ac, ad, ba,
bc, bd, ca, cb, cd, da, db dan dc. Dalam hal ini tempat
pertama n₁ diisi 4 cara dan n₂ diisi 3 cara.
maka banyak cara = 4x3 = 12
PERMUTASI
banyak cara = 4x3 = 12
Identik dengan n(n-1)(n-2)….(n-r+1), atau
dapat ditulis: n!
Pr 
(n  r )!
n

Dari contoh diatas maka,

4! 4.3.2!
4 P2    12
2! 2!
Contoh: Dari 20 lotere, dipilih dua untuk juara I dan
II. Hitung banyak titik sampel dalam ruang S.
20! 20.19.18!
20 P2    380
18! 18!
PERMUTASI
Teorema 5.
Banyaknya permutasi n benda berlainan yang disusun
melingkar adalah (n -1)!
Teorema 6.
Banyaknya permutasi yang berlainan dari n benda bila n1
diantaranya berjenis pertama, n2 berjenis kedua, …, nk
berjenis ke k adalah:
n!
n1!n2 !...nk !
Contoh :
Suatu pohon natal dihias dengan 9 bola lampu yang
dirangkai seri. Ada berapa banyak cara menyusun 9 bola
lampu itu bila 3 diantaranya berwarna merah, 4 kuning dan
2 biru 9!
 1260
3!4!2!
PERMUTASI
Teorema 7.
Banyaknya cara menyekat suatu himpunan n
benda dalam r sel, masing-masing berisi n1 unsur
dalam sel pertama, n2 dalam sel kedua, dst.
adalah
n  n!
 
 n , n ,...n  n !n !...n !
 1 2 r  1 2 r

Dengan n₁+n₂+…+nr = n

Contoh:
Berapa banyak cara untuk menampung 7 petinju
dalam 3 kamar hotel, bila 1 kamar bertempat tidur
3 sedang 2 lainnya punya 2 tempat tidur.
KOMBINASI
Teorema 8.
Banyaknya kombinasi dari n benda yang berlainan bila
diambil r sekaligus adalah

 n  n!
n Cr    
 r  r!(n  r )!
Contoh:
Bila terdapat 4 kimiawan dan 3 fisikawan ingin diambil 3
panitia beranggotakan 2 kimiawan dan 1 fisikawan.
LATIHAN (1)
1. How many ways can a 20-question true-false
test be answered?
2. Berapa banyak susunan yang berbeda yang
terdiri dari 3 huruf yang diambil dari huruf A, B,
C, D, E, F, dan G.
3. Berapa banyak susunan yang berbeda yang
dapat dibentuk dari kata MISSISSIPPI.
4. How many ways can you distribute 12 different
popsicles equally among four children?
5. Berapa banyaknya cara untuk memilih 3 kartu
dari 8 kartu yang berbeda?
PELUANG SUATU KEJADIAN
PELUANG SUATU KEJADIAN
Peluang suatu kejadian A adalah jumlah bobot
semua titik sampel yang termasuk A. Jadi:
0 ≤ P(A) ≤ 1
P(Ø) = 0
P(S) = 1

Contoh :
Sebuah mata uang dilantunkan dua kali. Berapa
peluangnya bahwa paling sedikit muncul muka
sekali?
PELUANG SUATU KEJADIAN
Teorema :
Bila suatu percobaan menghasilkan N macam hasil yang
berkemungkinan sama, dan bila tepat sebanyak n dari hasil
berkaitan dengan kejadian A, maka peluang kejadian A
adalah:
P(A) = n/N
Contoh :
Sekantung permen berisi 6 rasa jeruk, 4 rasa kopi dan 3
rasa coklat. Bila seseorang mengambil satu permen secara
acak, carilah peluangnya mendapatkan :
a. Satu rasa jeruk
b. Satu rasa kopi atau coklat
ATURAN PENJUMLAHAN
Teorema :
Bila A dan B dua kejadian sembarang, maka:
P(AB) = P(A) + P(B) – P(AB)
S
A B

AB’ AB A’B

ATURAN PENJUMLAHAN
Akibat 1: Bila A dan B kejadian yang terpisah, maka
P(AB) = P(A) + P(B)

Akibat 2: Bila A₁,A₂,A₃, …,An saling terpisah maka

P(A₁A₂….An) = P(A₁) + P(A₂) +…+P(An)

Akibat 3: Bila A₁, A₂, ….,An merupakan suatu sekatan

ruang sampel S, maka
P(A₁A₂…An) = P(A₁) + P(A₂)+ … +P(An)
= P(S) = 1
ATURAN PENJUMLAHAN
Teorema :
Untuk tiga kejadian A, B dan C
P(ABC) = P(A) + P(B) + P(C) – P(AB) – P(AC)
- P(BC) + P(ABC)
Teorema :
Bila A dan A’ kejadian yang komplementer, maka
P(A) + P (A’) = 1
PELUANG BERSYARAT
Misalnya 2 kejadian / event A dan B, dapat
didefinisikan bahwa Conditional Probability / peluang
bersyarat dari kejadian A given bahwa kejadian B
telah muncul, dinotasikan P(A|B), didefinisikan oleh:
P( A  B)
P( A | B)  jika P( B)  0,
P( B)

dan tidak didefinisikan jika P(B) = 0.

PELUANG BERSYARAT
Tujuan penting dari modeling probability adalah
untuk menentukan bagaimana kejadian A akan
muncul dalam suatu eksperimen.
Besarnya peluang A dipengaruhi oleh
kemunculan atau ketidakmunculan kejadian
lain (B). Selanjutnya P(A/B) disebut ”Conditional
Probability of A given B”.
PELUANG BERSYARAT
Formula yang dapat diturunkan:
P( A  B)  P( A | B) P( B)  P( B | A) P( A)
Jika P(A) dan P(B) adalah tidak nol.

Formula ini menghubungkan P(A|B) dengan P(B|A)

untuk peluang tidak bersyarat P(A) dan P(B).
PELUANG BERSYARAT
Definisi tsb. dapat digunakan untuk pendekatan frekuensi
peluang.

Misalnya sebuah bilangan besar N, dan kemunculan

kejadian acak untuk event A dan B, maka P[A|B]
merupakan proporsi munculnya B sehingga A juga
muncul: N AB
P( A | B) 
NB
Catatan:
NB adalah muncunya event B dalam N random
eksperimen dan NAB adalah event AB
PELUANG BERSYARAT
P(AB) = NAB /N, dan P(B) = NB /N; sehingga:

P( A  B) N AB / N N AB
   P( A | B)
P( B) NB / N NB

Contoh:
Sebuah eksperimen melempar 2 buah koin.
S = {(H,H), (H,T), (T,H), (T,T)}, dan diasumsikan bahwa tiap
titik sama. Tentukan:
(i) Peluang 2 H given sebuah H muncul pada koin pertama
(ii) Peluang 2 H given paling sedikit satu H
PELUANG BERSYARAT
Contoh:
Sebuah box berisi 100 microchips yang diproduksi
oleh pabrik 1 dan sisanya oleh pabrik 2. Beberapa
rusak dan beberapa baik. Sebuah eksperimen
memilih sebuah microchips dari box dan menguji
apakah rusak atau baik. Misal A adalah tersedianya
microchips yang rusak, maka A’ adalah tersedianya
microchips yang baik. Misal B adalah kejadian
”microchips diproduksi oleh pabrik 1” dan B’ adalah
microchips diproduksi oleh pabrik 2”.
PELUANG BERSYARAT
Tabel: Banyak Microchip yang rusak dan baik dari 2
pabrik
B B’ Total
A 15 5 20
A’ 45 35 80
Total 60 40 100

Peluang tersedianya microchip yang rusak:

n( A) 20
P( A)    0,20
n( S ) 100
PELUANG BERSYARAT
Jika tiap pabrik telah diberi tanda, pada saat memilih
kita langsung mengetahui bahwa produk tersebut
berasal dari salah satu pabrik. Jika kejadian B telah
muncul maka banyaknya adalah n(B) = 60 dan
peluang microchip yang rusak berasal dari pabrik 1:

P( A  B) 15
P( A / B)    0,25
P( B) 60
PELUANG BERSYARAT
Contoh 2:
2 buah kartu diambil tanpa pengembalian dari
setumpuk kartu. A1 adalah kejadian memperoleh As
pada pengambilan 1 dan A2 kejadian memperoleh As
pada pengambilan ke 2.

Banyak cara pengambilan seluruh kartu adalah:

52 . 51 = 2652
PELUANG BERSYARAT
Partisi banyak cara pengambilan kartu
A1 A1’ Total
A2 4.3 48.4 51.4
A2’ 4.48 48.47 51.48
Total 4.51 48.51 52.51

a. Peluang mendapat As pada pengambilan

pertama dan kedua:
4.3
P ( A1  A2 ) 
52.51
PELUANG BERSYARAT
b. Misal seseorang menginginkan P(A₁) tanpa peduli
pengambilan kedua 4.51 4
P( A1 )  
52.51 52
c. Peluang bersyarat bahwa sebuah As akan terpilih
pada pengambilan kedua, dengan syarat
pengambilan pertama yang muncul adalah As:
P( A1  A2 ) (4.3) /(52.51) 3
P( A2 / A1 )   
P( A1 ) (4.51) /(52.51) 51

Sehingga:
4 3
P( A1  A2 )  P( A1 ) P( A2 / A1 )  .
52 51
PELUANG BERSYARAT
Prosedur ini dapat dilanjutkan untuk pengambilan
3 kartu atau lebih (tanpa pengembalian)
P( A1  A2  A3 )  P( A1 ) P( A2 / A1 ) P( A3 / A1  A2 )
INDEPENDENT EVENT
Kejadian A muncul tidak akan mempengaruhi peluang
bahwa kejadian B akan muncul, sehingga P(B/A) = P(B)

Definisi:
2 kejadian A dan B independen jika

P( A  B)  P( A).P( B)

Perbedaan dengan mutually Exclusive:

P( B / A)  0
P( B  A)  0
TOTAL PROBABILITY
Jika B₁, B₂, …, Bk adalah mutually exclusive dan
exhaustive (B₁B₂…Bk = S)
maka A  ( A  B1 )  ( A  B2 )  ...  ( A  Bk )

B1 B2

B3
ATURAN BAYES
Teorema :
Misalkan kejadian B₁, B₂, …, Bk merupakan suatu
sekatan (partisi) dari ruang sampel S dengan P(Bi)
≠ 0 untuk i=1,2, …,k, maka untuk setiap kejadian A
anggota S
k k
P( A)   P( Bi  A)   P( Bi ) P( A | Bi )
i 1 i 1
ATURAN BAYES
Teorema : (Aturan Bayes)
Misalkan kejadian B₁, B₂, …, Bk merupakan suatu
sekatan ruang sampel S dengan P(Bi)≠0 untuk
i=1,2,…,k. Misalkan A suatu kejadian sembarang
dalam S dengan P(A) ≠0
Maka
P( Br  A) P( Br ) P( A | Br )
P( Br | A)  k
 k

 P( Bi  A)  P( Bi ) P( A | Bi )
i 1 i 1

Untuk r = 1,2,...,k