Bab IV

PROBABILITAS

La Choviya
Hawa Chap 4-1
 Tujuan Materi

Setelah mempelajari bab ini, mahasiswa dapat :

 Menjelaskan definisi dan konsep dasar

probabilitas.
 Menggunakan diagram Venn untuk menjelaskan

probabilitas sederhana
 Mengaplikasikan aturan umum dari probabilitas

Chap 4-2
 Pengertian
 Percobaan Acak (Random Experiment) – Sebuah proses
penting menuju hasil yang tak tentu
 Hasil keluaran (Basic Outcome) – Hasil keluaran dari
sebuah experiment
 Ruang sample (Sample Space) – Himpuan yang memuat
seluruh kemungkinan hasil, tanggapan, atau ukuran
dari eksperimen tersebut
 Peristiwa/kejadian (Event) – segala himpunan bagian
dari hasil, tanggapan atau ukuran dalam suatu ruang
sampel

Chap 4-3
 Pengertian
 Irisan (Intersection of Events) – Jika A dan B
adalah dua kejadian dalam ruang sampel S,
maka persimpangan, A ∩ B, adalah himpunan
dengan unsur-unsur yang terdapat pada A dan
terdapat pula pada B
S

A AB B

A ∩ B = { x : xA dan xB }

Chap 4-4
 Pengertian
 A dan B disebut Mutually Exclusive Events jika
mereka tidak memiliki hasil dasar kesamaan
 Contoh A ∩ B adalah kosong

A B

Chap 4-5
 Pengertian
 Gabungan (Union of Events) – Jika A dan B
adalah dua kejadian dalam ruang sampel S,
maka paduan, A U B, adalah himpunan semua
unsur kepunyaan A atau kepunyaan B atau
kedua-duanya.

S Seluruh area yang

diwarnai adalah
A B AUB

A U B = { x : xA atau xB atau kedua-duanya }

Chap 4-6
 Pengertian
 Kejadian E1, E2, … Ek disebut kejadian lengkap kolektif (Collectively
Exhaustive) jika
E 1 U E 2 U . . . U Ek = S
 Contoh kejadian yang memenuhi ruang sample
 Komplemen dari kejadian A adalah himpunan semua hasil dasar dalam
ruang sampel yang tidak termasuk A. Komplemen A dituliskan sebagai

A
S
A
A

Chap 4-7
 Contoh
Banyaknya ruang sampel yang mungkin terjadi pada
sebuah dadu :

S = [1, 2, 3, 4, 5, 6]

A adalah kejadian “Nilai genap”

B adalah kejadian “Nilai yang muncul paling sedikit 4”
Maka
A = [2, 4, 6] and B = [4, 5, 6]
Chap 4-8
 Contoh

S = [1, 2, 3, 4, 5, 6] A = [2, 4, 6] B = [4, 5, 6]

Komplemen:
A  [1, 3, 5] B  [1, 2, 3]

Irisan:
A  B  [4, 6] A  B  [5]
Gabungan:
A  B  [2, 4, 5, 6]

A  A  [1, 2, 3, 4, 5, 6]  S
Chap 4-9
 Contoh

S = [1, 2, 3, 4, 5, 6] A = [2, 4, 6] B = [4, 5, 6]

 Mutually exclusive:
 A dan B bukan mutually exclusive

 Karena A dan B mengandung nilai 4 dan 6

 Collectively exhaustive:
 A dan B bukan collectively exhaustive

 A U B tidak mengandung 1, 3

Chap 4-10
 Probabilitas

 Probabilitas adalah 1 Pasti terjadi

kemungkinan bahwa suatu
peristiwa yang tidak pasti
akan terjadi (selalu antara 0
dan 1)
.5

0 ≤ P(A) ≤ 1 untuk tiap kejadian A

0 Mustahil

Chap 4-11
 Dasar Probabilitas
1. Jika A adalah sebuah kejadian dalam ruang sampeI S, maka

0  P(A)  1
2. Jika A adalah kejadian dalam S, dan Oi didefinisikan sebagai keluaran,
maka A adalah kejadian dalam S dan Oi dinotasikan sebagai keluaran
dasar

P(A)   P(Oi )
(arti notasi adalah bahwa penjumlahan dilakukan
A pada seluruh hasil keluaran dalam A)

3. P(S) = 1

Chap 4-15
 Aturan Probabilitas
 Aturan Komplemen:

P(A)  1 P(A) i.e., P(A)  P(A)  1

 Aturan Penjumlahan:
Probabilitas gabungan dari dua kejadian adalah

P(A  B)  P(A)  P(B)  P(A  B)

Chap 4-16
 Tabel Probabilitas

Probabilitas dan probabilitas bersama dari 2

kejadian A dan B digabungkan dalam tabel berikut :

B B

A P(A  B) P(A  B ) P(A)

A P(A  B) P(A  B ) P(A)

P(B) P( B ) P(S)  1.0

Chap 4-17
 Contoh Aturan Penjumlahan

Satu set kartu standar terdiri dari 52 kartu, yang terdiri

dari 4 jenis: ♥♣♦♠
Sebuah kejadian A = kartu As
Sebuah kejadian B = dari kartu berwarna merah
Tentukan berapa peluang gabungan dari kejadian A dan
B menggunakan aturan penjumlahan

Chap 4-18
P(Merah U As) = P(Merah) + P(As) - P(Merah ∩ As)

= 26/52 + 4/52 - 2/52 = 28/52

Color
Type Merah Hitam Total
As 2 2 4
Non-As 24 24 48
Total 26 26 52

Chap 4-19
 Probabilitas Bersyarat
 Sebuah probabilitas bersyarat adalah
probabilitas dari suatu kejadian, karena kejadian
lain telah terjadi

P(A  B) Probabilitas bersyarat dari

P(A | B)  kejadian A akan terjadi jika
P(B) B telah terjadi

P(A  B) Probabilitas bersyarat dari

P(B | A)  kejadian B akan terjadi jika
P(A) A telah terjadi

Chap 4-20
 Contoh Probabilitas Bersyarat

 Pada sebuah dealer mobil bekas, 70% dari

mobil yang ada memiliki AC dan 40% memiliki
CD player. Sedangkan 20% lainnya memiliki AC
dan CD player.

 Bagaimana probabilitas (peluang) jika sebuah

mobil memiliki CD player dan AC?

Ditanya P(CD | AC)

Chap 4-21
 70% mobil bekas memiliki air conditioning (AC) dan
40% memiliki CD player (CD).
20% memiliki keduanya.

CD No CD Total
AC .2 .5 .7
No AC .2 .1 .3
Total .4 .6 1.0

P(CD  AC) .2
P(CD | AC)    .2857
P(AC) .7
Chap 4-22
 Aturan Perkalian

 Aturan perkalian untuk dua kejadian A dan B

P(A  B)  P(A | B) P(B)

 Sama dengan

P(A  B)  P(B | A) P(A)

Chap 4-25
 Contoh Aturan Perkalian
P(Merah ∩ As) = P(Merah| As)P(As)
 2  4  2
    
 4  52  52
jumlah nomor kartu yang merah dan as 2
 
total jumlah kartu 52

Warna
Type Merah Hitam Total
As 2 2 4
Non-As 24 24 48
Total 26 26 52
Chap 4-26
 Peristiwa Saling Bebas
(Statistics independent)

 Kejadian A dan B disebut saling bebas bila probabilitas

satu kejadian tidak dipengaruhi kejadian lain

P(A  B)  P(A) P(B)

 Jika A dan B saling bebas, maka

P(A | B)  P(A) jika P(B)>0

P(B | A)  P(B) jika P(A)>0

Chap 4-27
 Contoh Peristiwa Saling Bebas
 70% mobil bekas memiliki air conditioning (AC) dan 40%
memiliki CD player (CD).
20% memiliki keduanya.

CD No CD Total
AC .2 .5 .7
No AC .2 .1 .3
Total .4 .6 1.0

Pertanyaan : Apakah kejadian AC dan CD saling bebas ?

Chap 4-28
 CD No CD Total
AC .2 .5 .7
No AC .2 .1 .3
Total .4 .6 1.0

P(A  B)  P(A) P(B)

P(A | B)  P(A) jika P(B)>0
P(AC ∩ CD) = 0.2 jika P(A)>0
P(B | A)  P(B)
P(AC) = 0.7
P(AC)P(CD) = (0.7)(0.4) = 0.28
P(CD) = 0.4

P(AC ∩ CD) = 0.2 ≠ P(AC)P(CD) = 0.28

Jadi kedua kejadian itu tidak saling bebas

Chap 4-29
 Probabilitas Bivariat
Keluaran untuk kejadian bivariat :
B1 B2 ... Bk

A1 P(A1B1) P(A1B2) ... P(A1Bk)

A2 P(A2B1) P(A2B2) ... P(A2Bk)

. . . . .
. . . . .
. . . . .
Ah P(AhB1) P(AhB2) ... P(AhBk)

Dalam banyak keadaan diperlukan pencatatan hasil beberapa

variabel random secara serempak.
Chap 4-30
 Analisis Kombinatorial
 Permutasi
Suatu permutasi (dari n obyek yang berbeda di mana
pada setiap pemilihan diambil sebanyak r obyek)
adalah suatu cara penyusunan r obyek dari n obyek
dengan memperhatikan urutan susunannya

n!
n Pr  P(n, r )  Pn,r  Prn 
(n  r )! 0rn

dimana n!= n(n-1)(n-2)… dan didefinisikan 0!=1

Chap 4-34
 Analisis Kombinatorial
 Kombinasi
Suatu kombinasi (dari n obyek yang berbeda di mana
pada setiap pemilihan diambil sebanyak r obyek)
adalah suatu cara penyusunan r obyek dari n obyek
tanpa memperhatikan urutan susunannya

n Pr n!
n Cr  C (n, r )  C n,r  C rn  
r! r!(n  r )!

Chap 4-35
 Penutup
 Mendefinisikan konsep dasar probabilitas
 Ruang sampel dan kejadian, irisan, gabungan,
mutually exclusive and collectively exhaustive
events, komplemen
 Mengaplikasikan aturan dasar probabilitas
 Aturan komplemen, aturan penjumlahan, aturan
perkalian
 Mendefinisikan probabilitas gabungan dan marginal

Chap 4-44