TEORI PROBABILITAS

DAN ESTIMASI

Ratna Muliawati, S.KM., M.Kes. (Epid)

TEORI PROBABILITAS
ketidakpastian

peluang/probabilitas

kesimpulan
KONSEP DASAR PROBABILITAS

• Suatu ukuran tentang kemungkinan/peluang

suatu peristiwa akan terjadi.
• Probabilitas dinyatakan antara 0 sampai 1 atau
dalam persentase
• Manfaat  membantu pengambilan keputusan
yang tepat, karena kehidupan di dunia tidak ada
kepastian, dan informasi yang tidak sempurna.
CONTOH
• Berapa peluang seseorang
akan mengalami
kecelakaan saat melakukan
pekerjaan dengan
menggunakan alat berat?
• Berapa peluang seorang
anak yang sudah
diimunisasi BCG untuk
menderita TBC?
PENDEKATAN PROBABILITAS
Pendekatan Klasik
Setiap peristiwa mempunyai kesempatan
yang sama untuk terjadi

Pendekatan Empiris/Relatif
Probabilitas suatu kejadian tergantung dari
berapa banyak suatu kejadian terjadi.

Pendekatan Subyektif
Probabilitas suatu kejadian didasarkan pada
penilaian pribadi
 PENDEKATAN KLASIK
P (E) = X / N

• P = probabilitas
• E = event (kejadian)
• X = jumlah kejadian yang diinginkan
• N = keseluruhan kejadian yang mungkin terjadi
contoh
• Sebuah mata uang logam mempunyai sisi dua
(gambar dan angka), kalau mata uang tersebut
dilambungkan satu kali, peluang untuk keluar
sisi gambar adalah ½
• Sebuah dadu untuk keluar mata “5” saat dadu
tersebut dilempar 1 kali adalah 1/6
Dalam suatu rumah sakit ada 100
orang perawat yang terdiri dari 30
perawat perempuan dan 70 perawat
laki-laki. Rumah sakit tersebut akan
memilih 1 orang perawat untuk
diikutkan dalam suatu pelatihan.
Berapa probabilitas akan terpilih
seorang perawat perempuan?
 PENDEKATAN EMPIRIS/RELATIF

P (E) = lim X / N

• P = probabilitas
• E = event (kejadian)
• X = jumlah kejadian yang diinginkan
• N = keseluruhan kejadian yang mungkin terjadi

P (E) = X/ N dan P (E) = lim X / N

akan sama besar bila N tak terhingga
contoh
• Pelemparan 100 X koin  59 X keluar sisi angka
P (angka) 59%
• Dari 10.000 hasil suatu produksi, 100 rusak
P (rusak) = 1% = 0, 01
• Distribusi relatif
Upah (ribu Rp) Jumlah %
200 – 499 90 30
500 – 749 165 55
750 – 999 45 15

Jika diambil secara acak 1 orang probabilitas untuk terambil

seseorang yang mempunyai upah antara 200 – 499 ribu rupiah
 p (0,3)
PENDEKATAN SUBYEKTIF
• Probabilitas suatu kejadian didasarkan pada
penilaian pribadi yang dinyatakan dalam suatu
derajat kepercayaan.
• Contoh
seorang direktur rumah sakit menyatakan
keyakinannya (95%) bahwa rumah sakit yang
dipimpinnya akan dapat mulai swadana (break
event point) lima tahun ke depan.
 UNSUR PROBABILITAS

• Ruang Sampel
himpunan yang elemen-elemennya merupakan
hasil yang mungkin terjadi dari suatu
eksperimen.
S = (a1, a2, a3, a4, a5, ....., an)
 UNSUR PROBABILITAS
• Titik Sampel
Semua elemen yang ada di dalam ruang sampel
a1, a2, a3, a4, a5, ....., an
• Peristiwa/Kejadian/Event
Himpunan bagian dari suatu ruang sampel.
Ditulis dengan lambang huruf besar A, B, dst
Contoh
1. Eksperimen : pelemparan sebuah dadu
Hasil : mata dadu yang tampak
Ruang sampel : S = (1,2,3,4,5,6)
Suatu peristiwa : A titik ganjil {1,3,5}
B titik genap {2,4,6}
Eksperimen : 4 pekerja sama-sama
terkena pencemaran udara
Hasil : dicatat apakah jadi sakit
(S) atau tidak (T)
Ruang sampel : {SSSS, TTTTT, SSTT,
TTSS, STST, STTT, TTST,
TSSS, SSTS, TTTS, TSST,
STTS}
Suatu peristiwa : A semua pekerja sakit
{ SSSS}
B dua orang
pekerja sakit {SSTT, TSST,
STST, TTSS, STTS, TSTS}
ASAS PERHITUNGAN PROBABILITAS
A. Hukum Penjumlahan
kata kunci “atau”
P(A U B) = P(A) + P(B)

B. Hukum Perkalian
kata kunci “dan”
P(A n B) = P(A) x P(B)
HUKUM PENJUMLAHAN
Peristiwa Mutually Exclusive

Saling meniadakan
Contoh
a. Permukaan sebuah koin
b. Permukaan dadu
c. Kelahiran anak laki-laki atau perempuan pada
kehamilan tunggal
 Peristiwa Mutually Exclusive

A B P (A U B) = P(A) + P(B)
P (A n B) = 0

Contoh :
1. Probabilitas untuk keluar mata “enam” atau mata “satu”
pada pelemparan sebuah dadu = P (6 U 1) = P(6) + P(1)=
1/6 + 1/6 = 2/6 = 1/3
2. Ada 5 orang calon untuk dipilih sebagai Ketua BEM STIKES
Kendal (A, B, C, D, dan E), maka probabilitas A atau C akan
terpilih = 1/5 + 1/5 = 2/5
HUKUM PENJUMLAHAN
Peristiwa Non Mutually Exclusive/Joint

Dapat terjadi bersama-sama (meskipun tidak selalu

bersama)
Contoh
a. Penarikan kartu “as” dan “wajik”
b. Seorang laki-laki dan perawat
 HUKUM PENJUMLAHAN
Peristiwa Non Mutually Exclusive/Joint

A
AB B P (A U B) = P(A) + P(B) – P (A n B)

Contoh :
1. Penarikan sebuah kartu dari 1 set kartu bridge, peluang akan
terambil kartu As atau wajik adalah
P (As) = 4/52 = 0,08
P (wajik) = 13/52 = 0,25
Ada 1 buah kartu As & wajik = P (As n wajik) = 1/52 = 0,02
P (As U wajik) = 0,08 + 0,25 – 0,02 = 0,31
HUKUM PERKALIAN
Peristiwa Bebas

Suatu peristiwa tidak mempengaruhi peristiwa

lainnya
Contoh
a. Sebuah koin dilempar 2 kali
P (A n B) = P(A) x P(B)
 HUKUM PERKALIAN
Peristiwa Bebas
Contoh :
1. Satu koin dilempar 2 kali, peluang muncul gambar untuk
kedua kalinya adalah P (G n G) = ½ x ½ = ¼
{AG, AA, GG, GA} = 1/4

2. Sebuah dadu dilemparkan 2 kali, peluang keluarnya mata 3

untuk kedua kalinya adalah
P (3 n 3) = 1/6 x 1/6 = 1/36

3. Sebuah dadu dan sebuah koin dilemparkan bersama-sama,

peluang keluarnya sisi “gambar” pada koin dan mata “3” pada
dadu adalah P (G n 3) = ½ x 1/6 = 1/12
Biostatistika || Program Studi Kesehatan Masyarakat || STIKES Kendal
HUKUM PERKALIAN
Peristiwa Bersyarat

Kejadian/ketidakjadian suatu peristiwa

mempengaruhi peristiwa lainnya
Contoh
2 buah kartu ditarik dari set bridge dan tarikan kedua
tanpa memasukkan kembali kartu yang pertama
P (A) = P (A|B)
P (B) = P (B|A)
P (A n B) = P(A) x P(B|A)
HUKUM PERKALIAN
Peristiwa Bersyarat
Contoh :
2 kartu ditarik dari 1 set kartu bridge, peluang untuk yang
tertarik keduanya kartu As adalah
Peluang As 1 = 4/52  P (As 1)
Peluang As 2 = 3/51  P (As 2|As1)
P (As1 n As2) = P (As1) x P (As2|As1)
= 4/52 x 3/51
= 1/221
 BEBERAPA PRINSIP MENGHITUNG

• Factorial (berapa banyak cara yang mungkin

dalam mengatur sesuatu dalam kelompok).
Factorial = n!
• Permutasi (sejumlah kemungkinan susunan
jika terdapat satu kelompok objek).
Permutasi nPr = n!/ (n-r)!
• Kombinasi (berapa cara sesuatu diambil dari
keseluruhan objek tanpa memperhatikan
urutannya.
Kombinasi nCr = n!/r! (n-r)!
DISTRIBUSI PROBABILITAS
Ada bermacam-macam distribusi teoritis :
• Distribusi Binomial (Bernaulli)
• Distribusi Poisson
• Distribusi Normal (Gauss)
• Distribusi Student ( ‘t’ W Gosset)
• Distribusi Chi Square ( X2 )
• Distribusi Fisher ( F ) dll.
DISTRIBUSI NORMAL

• Untuk suatu sampel yang cukup besar

terutama untuk gejala alam seperti berat
badan, tinggi badan biasanya kurva yang
dibentuk dari distribusi tersebut juga simetris
dengan tertentu dan Sd (simpangan baku)
tertentu maka kurva simetris yang terjadi
disebut kurva normal umum.
Ciri-ciri distribusi normal

• Symetris
• Seperti lonceng
• Titik belok   
• Luas = Probability = 1
Distribusi Normal (Gauss)

• Untuk dapat
menentukan x
probabilitas didalam Z
kurva normal umum, 
maka nilai yang akan
dicari
ditransformasikan dulu
kenilai kurva normal xx
standar melalui
Z
s
tranformasi Z ( deviasi
relatif )
Distribusi Normal Standar
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
    
Distribusi normal dengan mean=0 dan simpang baku=1
Dapat digunakan untuk berbagai ukuran  Menggunakan
transformasi
Penggunaan Tabel Z
CONTOH SOAL
• Seorang peneliti dilaboratorium telah
mengumpulkan data kolesterol darah dari
20.000 pasien dirumah sakit “X” selama 2
tahun. Dari hasil pengolahan data diketahui
bahwa data tersebut menghasilkan sebaran
simetris dengan rata-rata 180 mg/dl dengan
simpangan baku 50 mg/dl. Hitunglah
▫ Probabilitas seorang pasien dengan kadar
kolesterol lebih besar dari 200 mg/dl
 
 36

Jawaban

• Z=  

= 200 – 180 = 0.4
50
• Nilai p pada z = 0.4 adalah 0.1554
• Probabilitas seorang pasien dengan kadar
kolesterol lebih besar dari 200 mg/dl adalah
0.5 – 0.1554 = 0.3446 atau 34.46 %
CONTOH SOAL
Probabilitas seorang pasien dengan kadar
kolesterol kurang dari 150 mg/dl
 CONTOH SOAL
Probabilitas seorang pasien dengan kadar kolesterol antara
150 s/d 200 mg/dl

•
Contoh soal
Probabilitas seorang pasien dengan kadar kolesterol
diatas 220 mg/dl