Probabilitas

By. Lisma Ningsih, SKM, MKM

Pendahuluan
Keputusan didalam statistik merupakan
peluang (probabilitas) yang diyakini benar dan
juga memberikan peluang untuk tidak benar
 Konsep-Konsep Probabilitas
1. Pandangan Klasik/ intuitif
Probabilitas/peluang adalah harga angka yang
menunjukkan seberapa besar kemungkinan bahwa
suatu peristiwa terjadi, diantara keseluruhan peristiwa
yang mungkin terjadi
2. Pandangan Empiris /Probabilitas Relatif
Probabilitas berdasarkan observasi, pengalaman atau
kejadian (peristiwa) yang telah terjadi
3. Pandangan Subyektif
Probabilitas ditentukan oleh yang membuat
pernyataan
 UNSUR-UNSUR PROBABILITAS
• Ruang Sampel
Adalah himpunan elemen-elemennya merupakan
hasil yang mungkin terjadi dari suatu
eksperimen/percobaan
• Titik Sampel
Adalah elemen yang ada didalam suatu ruangan
sampel
• Peristiwa/Kejadian/Event
Adalah himpunan bagian dari suatu ruang sampel

Eksperimen : Proses pengumpulan data tentang suatu

fenomena yang menunjukkan adanya variasi
didalam hasil
 AZAS PERHITUNGAN PROBABILITAS

• 0≤ P≥1
• P (E) = X/N
• HUKUM PERTAMBAHAN
A. Kejadian Mutually Exclusive
• Satu peristiwa terjadi akan meniadakan peristiwa
yang lain untuk terjadi (saling meniadakan)
P(A U B) = P(A) + P(B)
Contoh :
1. Permukaan sebuah koin
2. Permukaan dadu
3. Kelahiran anak laki atau perempuan pada
seorang ibu dengan kehamilan tunggal
AZAS PERHITUNGAN PROBABILITAS

B. Kejadian Non Mutually Exclusive

• Dua atau lebih peristiwa dapat terjadi bersama-
sama (tetapi tidak selalu bersama)
P(A U B) = P(A) + P(B) – P (A ∩ B)
Contoh :
1. Penarikan kartu as dan berlian
2. Seorang laki-laki dan dokter
 AZAS PERHITUNGAN PROBABILITAS

• HUKUM PERKALIAN
– Peristiwa bebas (independent) : dua peristiwa
dikatakan bebas/independen apabila kejadian atau
ketidakjadian suatu peristiwa tidak mempengaruhi
peristiwa lain
P(A ∩ B) = P(A) x P(B)
– Peristiwa tidak bebas (peristiwa bersyarat): dua
peristiwa dikatakan bersyarat apabila kejadian atau
ketidakjadian suatu peristiwa akan berpengaruh
terhadap peristiwa lain
P(A ∩ B) = P(A) x P(B|A)
 PERMUTASI DAN KOMBINASI

• Dalil-dalil Probabilitas

Tree Diagram (Diagram Pohon)

H T

H T H T
Dalil I : Kalau suatu langkah dari suatu experimen
menghasilkan k hasil yang berbeda dan langkah
kedua menghasilkan m yang berbeda maka kedua
langkah experimen akan menghasilkan k x m hasil
Contoh : Seorang mahasiswa untuk sampai di
gerbang UI Depok dapat dgn 3 cara (bus, kereta,
angkot) dari gerbang UI sampai ke fakultas ada 4
cara (jalan kaki, bus kuning, ojek, numpang dgn
mobil teman). Maka berapa cara seorang
mahasiswa akan sampai di fakultas ?
Dalil II : Permutasi (Urutan Dipentingkan)
Cara atau tehnik mengambil sampel dengan
memperhatikan urutan
n!
n Pr 
(n  r )!
P = Jumlah Permutasi
n = Banyaknya objek
r = Jumlah anggota pasangan
! = Faktorial
Dalil III : Kombinasi (Urutan Tidak Dipentingkan)
Cara atau tehnik mengambil sampel dengan tanpa
memperhatikan urutan
n!
nCr 
r!(n  r )!
C = Jumlah Kombinasi
 Contoh Soal dan Penyelesaian
• Ada tiga cara efektif untuk pengobatan pasien Ca (kanker) yakni
bedah (B), radiasi (penyinaran=P) dan kemoterafi (obat=O). Ada
berapa carakah dapat diobati seseorang yang menderita Ca kalau
kepada masing-masing pasien hanya dua macam terafi yang bisa
diberikan.
• Untuk kasus ini urutan dipentingkan, sehingga penyelesaiannya
sebagai berikut:

n!
n Pr 
(n  r )!
3! 3 x 2 x1
3P 2   6
(3  2)! 1
• Jadi jumlah cara yang dapat dilaksanakan adalah : BP, BO, PB, PO,
OB dan OP
 Contoh Soal dan Penyelesaian
• Dari 4 mahasiswa S2 (A,B,C dan D) dipilih 2 mahasiswa untuk
di berangkatkan ke daerah bencana. Berapa banyak pasangan
kombinasi!
• Urutan tidak dipentingkan, sehingga penyelesaiannya sebagai
berikut:
n!
nCr 
r!(n  r )!
4! 4!
4C 2   6
2!(4  2)! 2! x 2!
• Jadi kombinasi pasangan tersebut adalah : AB, AC, AD, BC,
BD dan CD
DISTRIBUSI PROBABILITAS

Kunci aplikasi probabilitas dalam statistik adalah

memperkirakan terjadinya peluang/probabilitas
yang dihubungkan dengan terjadinya peristiwa
tersebut dalam beberapa keadaan.
 Macam-Macam Distribusi
Probabilitas

• Distribusi Binomial (Bernaulli)

• Distribusi Poisson
• Distribusi Normal (Gauss)
• Distribusi Student
• Distribusi Chi Square
• Distribusi Fisher
• dll
 DISTRIBUSI BINOMIAL

• Menggambarkan fenomena dua hasil atau outcome.

• Contoh : peluang sukses dan gagal, sehat dan sakit,
setuju dan tidak setuju, laki-laki dan perempuan.
• Penemu distribusi binomial adalah James Bernaulli
• Syarat :
– Jumlah trial merupakan bilangan bulat
– Setiap eksperimen mempunyai dua outcome (hasil)
– Peluang sukses sama setiap eksperimen
– Setiap eksperimen independen satu sama lain.
 Formula

n!
P( X  x)  p x (1  p) n  x
x!(n  x)!

x : banyaknya sukses yang diinginkan (bilangan

random)
n : jumlah trial
p : peluang sukses dalam satu kali trial
 Contoh soal
• Diketahui bahwa 10% dari masyarakat paling tidak
satu kali pernah sakit dalam satu tahun. Jika
diambil secara acak sebanyak 6 orang, dapatkanlah
probabilitasnya dari mereka sakit dalam tahun itu:
a. Semuanya
b. Tepat 3 orang
 Penyelesaian
a. P(x=6)
6!
x 6 P  x 0,16 (1  0,1) 6  6
6!(6  6)!
 1x 0,000001x1
 0,000001

Jadi probabilitas semuanya sakit dalam tahun itu adalah

sebesar 0,000001
b. P(x=3)
6!
x 3 P  0,13 (1  0,1) 6 3
3!(6  3)!
 20 x 0,001x 0,729
 0,01458
 DISTRIBUSI POISSON

• Dipakai untuk menentukan peluang suatu kejadian

yang jarang terjadi tetapi mengenai populasi yang
luas atau area yang luas dan juga berhubungan
dengan waktu.
• Contoh :
– Kejadian seseorang akan meninggal karena
shock pada waktu disuntik dengan vaksin
meningitis 0,0005.
– Peluang pasien sakit gigi meninggal
 Formula
x  x 
 e e
p ( x)  
x! x!
e = Konstanta = 2,71828

    np = nilai rata-rata
 Contoh Soal
• Probabilitas untuk terjadinya shok pada saat
imunisasi dengan vaksinasi meningitis adalah
0,0005. Kalau di suatu kota jumlah orang yang
akan dilakukan vaksinasi sebanyak 4.000, hitung
peluang tepat tiga orang akan terjadi shok!
 Penyelesaian

    np  4000 x 0,0005  2
3 2
2 x 2,71828
p ( x  3) 
3 x 2 x1
 0,1804
 DISTRIBUSI NORMAL

• DISTRIBUSI NORMAL (GAUSS)

– Paling banyak dipakai dalam analisis statistik
– Symetris
– Seperti Lonceng
– Titik belok µ ± σ
– Luas = Probability = 1
– Untuk dapat menentukan probabilitas didalam kurva
normal umum, maka nilai yang akan dicari
ditransformasikan dulu kenilai kurva normal standar
melalui Z (deviasi relatif)
 Formula

x xx
z z 
 S

 = Rata-rata di x = Rata-rata di
 populasi S sampel
= Standar deviasi di = Standar deviasi
populasi di sampel
 Contoh Soal
Suatu penelitian dilakukan seorang dokter kebidanan
untuk meneliti kadar haemoglobin ibu hamil. Untuk
penelitian ini telah diambil sebanyak 50 bumil dan
didapatkan rata-rata kadar Hb 9,5 gr/dl,dengan
simpangan baku 4,5 gr/dl.
a. Hitunglah probabilitas akan mendapatkan seorang
bumil yang diambil dari 50 orang tersebut
mempunyai Hb >12 gr/dl
b. Hitunglah probabilitas akan mendapatkan seorang
bumil yang diambil dari 50 orang tersebut
mempunyai Hb < 8 gr/dl
 Penyelesaian

xx
z
S
12  9,5

4,5
 0,56  lihat tabel z  P=0,2123

P(z>0,56) = 0,5 – 0,2123

= 0,2877
Jadi probabilitas akan mendapatkan seorang bumil yang
mempunyai Hb > 12 gr/dl adalah sebesar 0,2877
Terima Kasih