Designed by : RAHMAT AL HIDAYAT. SE., M. Ec. Dev.

Probabilitas dan Distribusi Probabilitas

Topik Pembahasan:
1. Konsep dasar probabilitas
2. Perumusan probabilitas
3. Ruang sampel dan sub ruang sampel
4. Ruang sampel pendekatan relatif
5. Peristiwa dan probabilitas peristiwa
6. Probabilitas peristiwa majemuk
7. Probabilitas peristiwa independen
8. Probabilitas peristiwa dependen
 Konsep Dasar Probabilitas
Teori probabilitas (probability theory) sering juga disebut sebagai ilmu
tentang ketidakpastian
Probabilitas (P) suatu nilai dari 0 sampai dengan 1, yang menggambarkan
kemungkinan relatif suatu peristiwa akan terjadi
Probabilitas (P) = 0, artinya suatu peristiwa atau kejadian mempunyai
kemungkinan terjadi sebesar 0% (peristiwa yang tidak mungkin terjadi).
Probabilitas (P) = 1, artinya suatu peristiwa atau kejadian mempunyai
kemungkinan terjadi sebesar 100% (peristiwa yang pasti terjadi).
Tidak mungkin
terjadi Pasti terjadi

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,1 1,0
Probabilitas Peluang Persija Munculnya sisi angka
Probabilitas
Musim salju di juara Liga Primer dalam satu lemparan
Peluang Matahari terbit
Yogyakarta Indonesia sekeping koin
kenaikan pajak di sebelah timur
 Perumusan Probabilitas

1. Perumusan klasik atau matematik (classical/mathematical)

a. Munculnya sisi gambar dalam satu lemparan koin (koin terdiri dari
dua sisi, yaitu angka dan gambar) adalah :

P(gambar) = ½ = 0,5

b. Munculnya sisi dadu dengan nilai 2 (sisi dadu bernilai 1 sampai 6)

adalah:

P(sisi 2) = 1/6

c. Peluang munculnya sisi dadu yang nilainya genap adalah:

P (genap) = 3/6 = 1/2

 Perumusan Probabilitas

2. Probabilitas frekuensi relatif atau pendekatan empiris (empirical/frequency

approach), yaitu pendekatan yng didasarkan pada data empiris. Contoh: Jumlah
1000 bayi yang lahir di rumah sakit bersalin selama 10 tahun terakhir terdiri dari
550 bayi perempuan dan 450 bayi laki-laki. Maka probabilitas lahirnya bayi laki-
laki dan perempuan adalah:

3. Probabilitas subjektif (subjective probability)

Yaitu probabilitas yang terjadinya tergantung subjektivitas masing-masing
individu. Misalnya: kepada seseorang ditanyakan berapa probabilitas sebuah
gunung merapi akan meletus. Jawabannya akan sangat tergantung pada latar
belakang individu, tempat tinggalnya dan pengetahuannya tentang kegunungapian
dan lain-lain
 Ruang Sample (sample space)

Ruang sampel (sample space) adalah suatu himpunan yang

mempunyai unsur seluruh peristiwa atau kejadian
Contoh:
1.Pelemparan sebuah mata uang akan dijumpai dua peristiwa, yaitu sisi gambar (G)
dan sisi angka (A), maka ruang sampelnya ada dua, yaitu:

S = {G, A} ;

Jika digambar sebagai berikut : G A

2. Pelemparan tiga mata uang bersama-sama, ruang sampelnya adalah:

S = {GGG, AGG, GAG, GGA, AAG, AGA, GAA, AAA}

 Sub Ruang Sample (sub sample space)

Sub ruang sampel (sub sample space) adalah kumpulan dari

kejadian tertentu
Contoh:
1. Peristiwa munculnya 1 sisi gambar dan 1 sisi angka dalam
pelemparan dua mata uang secara bersama-sama adalah:

SS = {GA, AG}

2. Peristiwa munculnya jumlah 5 pada pelemparan dua buah dadu

secara bersama-sama ada 4, yaitu:

SS = {(4,1), (3,2), (2,3), (1,4)}

 Ruang Sample pendekatan frekuensi Relatif
Pendekatan frekuensi relatif atau disebut juga ruang sampel pendekatan
empiris, adalah jumlah seluruh frekuensi, sedangkan sub ruang sampel adalah
jumlah peristiwa tertentu

Contoh: Dari penelitian diketahui di Yogyakarta terdapat 5000 pedagang kaki

lima. Ruang sampelnya adalah seluruh pedagang kaki lima, sedang sub ruang
sampelnya dapat dibagi menurut daerah asal, jenis makanan, lokasi tempat
berdagang dan sebagainya. Misalnya kalau sub ruang sampel disusun menurut
jenis makanan yang dijual adalah sbb:

Jenis Barang yang dijual Jumlah

Makanan 1000
Minuman 500
Buah-buahan 400
Kerajinan 2000
Pakaian 1100
Jumlah 5000
 Peristiwa dan Probabilitas suatu Peristiwa

Peristiwa adalah sub ruang sampel yang mempunyai unsur-unsur yang

memiliki sifat tertentu
Misalnya: Dalam pelemparan dua buah mata uang dapat dibagi menjadi
tiga peristiwa, yaitu:
• Peristiwa munculnya dua gambar
• Peristiwa munculnya satu gambar
• Peristiwa munculnya 0 gambar (tidak ada gambar yang muncul)

Probabilitas suatu peristiwa, yaitu sub ruang sampel dibagi dengan ruang
sampel
 Probabilitas Peristiwa Majemuk

Saling meniadakan (mutually exclusive), yaitu kejadian dua peristiwa yang tidak
memiliki unsur yang sama, digambarkan sbb:

A atau B

Peristiwa A dan B saling meniadakan, artinya peristiwa A dan B tidak dapat

terjadi bersama-sama dengan peritiwa B. Secara matematis dirumuskan:
P(A atau B) = P(A) + P(B)
P(A U B ) = P(A) + P(B)
 Probabilitas Peristiwa Majemuk

Peristiwa yang tidak saling meniadakan, yaitu dua peristiwa yang

satu dapat terjadi bersama peristiwa lain

A Daerah AB adalah daerah terjadinya

A B
B peristiwa dan B bersama-sama

Formulasinya:
P(A dan B) = P(A) + P(B) – P(A dan B)
atau
P(A U B) = P(A) + P(B) – P(A ∩ B)
 Probabilitas Peristiwa Majemuk

Contoh: Jumlah karyawan disebuah perusahaan menurut umur dan

jenis kelamin adalah sebagai berikut
Nama Jenis Umur • Peristiwa A adalah terpilihnya karyawan
Kelamin laki-laki, yaitu : P(A) = 3/5
Ali L 30 • Peristiwa B adalah terpilihnya karyawan
berumur > 30 tahun (ada 3 orang), yaitu:
Anda L 40
P(B) = 3/5
n=5

Joko L 32 • P(A dan B) adalah Peristiwa terpilihnya

Linda P 45 karyawan laki-laki dan berumur > 30 tahun ,
Dewi P 20 yaitu : P(A dan B) = 2/5

• Sehingga , P(A atau B) adalah Peristiwa terpilihnya karyawan laki-laki dan

berumur > 30 tahun , yaitu
P(A atau B) = 3/5 + 3/5 – 2/5 = 4/5
Probabilitas Peristiwa Majemuk

3 peristiwa yang tidak saling meniadakan

digambarkan sebagai berikut

AB AC
ABC
BC
B C
 Probabilitas Peristiwa Majemuk

Peristiwa Komplemen, yaitu sebuah ruang sampel dimana peristiwa A dan

bukan peristiwa A mengandung semua unsur dalam ruang sampel

atau

Peristiwa terambilnya kartu As pada satu set kartu bridge adalah

dan atau
 Probabilitas Peristiwa independen

1. Probabilitas marjinal (marginal probability), yaitu probabilitas

terjadinya suatu peristiwa tidak memiliki hubungan dengan terjadinya
peristiwa lain
Misalnya: pada pelemparan koin, probabilitas munculnya gambar P(G) =
½ dan probabilitas munculnya angka P(A) = ½

2. Probabilitas gabungan (join probability), yaitu probabilitas terjadinya

dua peristiwa atau lebih terjadi bersama-sama atau secara berurutan
merupakan perkalian probabilitas masing-masing

P(A dan B) = P(A) x P(B)

P(A dan B dan C) = P(A) x P(B) x P(C)
 Probabilitas Peristiwa independen

Pada pelemparan sebuah mata uang dua kali, peristiwa A munculnya gambar
pada pelemparan pertama, peristiwa B adalah munculnya gambar pada
pelemparan kedua adalah : P(A) = 0,5 dan P(B) = 0,5 sehingga
P(A atau B) = P(A) x P(B) = 0,25
Digambarkan dalam diagram pohon (tree diagram) sbb:
 Probabilitas Peristiwa dependen

Peristiwa bersyarat pada peristiwa dependen

Peristiwa gabungan dari peristiwa yang dependen

Marginal probability dari peristiwa yang dependen

Teori Bayes dan Distribusi binomial

Topik Pembahasan:
1. Teorema Bayes (Bayes Theorema)
2. Harapan matematis (mathematical expectation)
3. Distribusi probabilitas binomial
4. Distribusi probabilitas normal
5. Hubungan antara distribusi probabilitas normal dn
tabel normal
 Teorema Bayes (Bayes Theorema)

Teorema Bayes (kaidah Bayes) digunakan terutama dalam probabilitas

bersyarat. Teori ini dikembangkan oleh Thomas Bayes tahun 1763
Rumus umum Teoriema Bayes

Jika ada dua kejadian misalkan A1 dan A2 yang tidak terikat satu sama lain,
maka teorema Bayes dirumuskan sebagai berikut:
 Teorema Bayes (Bayes Theorema)

Contoh: 5 persen penduduk negara berkembang “X” menderita pengakit aneh yang
dimisalkan A1, sedangkan A2 adalah kejadian seseorang tidak menderita penyakit aneh
tersebut. Misalkan B adalah diagnosis yang menunjukkan adanya penyakit (positif).
Probabilitas bersyarat diagnosis mengindikasikan keberadaan penyakit adalah 0,90 dan
probabilitas seorang tidak menderita penyakit adalah 0,15. Berapa probabilitas seorang
menderita penyakit dan diagnosisnya positif jika diambil salah seorang penduduk secara
acak

Dari soal diketahui:

P(A1) = 0,05 P(A2) = 1- P(A1) = 1- 0,05 = 0,95
P(B/A1) =0,90 P(B/A2) = 0,15

Jadi probabilitas salah satu penduduk negara tersebut yang menderita penyakit dan
diagnosisnya positif jika seorang penduduk diambil secara acak adalah
 Teorema Bayes (Bayes Theorema)
Peti A1 berisi 3 bola hijau dan 5 bola merah, sedang peti A2 berisi 2 bola hijau, 1
bola merah, dan 2 bola kuning. Apabila peti dipilih secara random dan dipilih
bola secara random juga, berapakah probabilitas terpilihnya bola hijau

Jawab:

P(A1) = P(A2) = ½ → terpilihnya peti A1 dan peti A2

P (A/A1) = 3/8 → terpilihnya bola hijau dari peti A1
P(A/A2) = 2/5 → terpilihnya bola hijau dari peti A2
 Harapan Matematis (Mathematical Expectation)

Apabila P1, P2, ..Pn merupakan probabilitas terjadi peristiwa A1, A2 …An yang
merupakan peristiwa yang independen dan lengkap terbatas maka jumlah seluruh
harapan matematis adalah:

A = A1P1 + A2P2 + …. AnPn

Jika seseorang memenangkan undian sebesar X1 bila terjadi A1 dan memenangkan

undian X2 jika terjadi A2, maka harapan untuk memenangkan undian A(X) adalah:

A(X) = X1P1 + X2P2

 Harapan Matematis (Mathematical Expectation)

Dari tabel mortalitas (mortality table) diketahui bahwa probabilitas seseorang yang
berusia 35 tahun dapat hidup selama setahun = 0,992, sehingga probabilita
mortalitanya (meninggal) = 1 – 0,992 = 0,008. Apabila perusahaan asuransi akan
menjual polis asuransi senilai Rp1.000.000,00 pada seseorang yang berusia 35 tahun
untuk jangka waktu 1 tahun dengan premi sebesar Rp10.000,00 berapa
harapan keuntungan secara matematis dari perusahaan asuransi tersebut

Peristiwa meninggal dalam setahun:

X1 = – (1.000.000 – 10.000) dengan P1 = 0,008 atis
t e m an
Peristiwa tetap hidup dalam setahun: ma saha an
n er u tk
ap a p anju
X2 = + 10.000 Dengan P2 = 0,992 har aka mel
a m at
Maka harapan matematisnya adalah: l am a p
e
S sitif i d
A(X) = X1 . P1 + X2 . P2
po rans a
= –990.000(0,008) + 10.000(0,992) asu hany
= –7.920 + 9.920 = 2.000 usa
 Distribusi Probabilitas Binomial

Distribusi probabilitas adalah sebuah daftar dari hasil percobaan

dan probabilitas dari setiap hasil yang bersangkutan
Distribusi probabilitas binomial adalah distribusi probabilitas
diskret yang sering terjadi
Ciri-ciri lain distribusi probabilitas binomial adalah:
1. Hasil setiap percobaan dikategorikan menjadi salah satu kategori
yang tidak terikat satu sama lain- sukses atau gagal
2. Variabel acak menghitung jumlah sukses yang muncul dalam setiap
percobaan
3. Probabilitas untuk sukses dan gagal sama untuk setiap percobaan
4. Percobaan-percobaan ini saling bebas, yang artinya hasil dari setiap
percobaan tidak mempengaruhi hasil percobaan lain
 Distribusi Probabilitas Binomial

Rumus umum distribusi probabilitas binomial adalah

dimana : P(S) =kejadian sukses, C= kombinasi, n = jumlah percobaan, π =

kejadian sukses dan (1-π) = kejadian gagal
Contoh: Probabilitas memperoleh sekurang-kurangnya dua gambar burung
dalam 6 kali percobaan pelemparan sebuah mata uang adalah:
 Distribusi Probabilitas Binomial

Terdapat lima penerbangan dari Jakarta ke Yogyakarta menggunakan pesawat

Garuda. Misalkan probabilitas penerbangan terlambat 0,20. Berapa besar (a)
peluang tidak ada penerbangan terlambat hari ini, dan (b) berapa besar peluang
hanya satu penerbangan terlambat hari ini

a. Probabilitas penerbangan yang datang tidak terlambat adalah

a. Probabilitas penerbangan hanya satu dari lima penerbangan yang datang

terlambat adalah
 Distribusi Probabilitas Binomial

Hal-hal yang berkaitan dengan distribusi probabilitas binomial

1.Rata-rata (mean) : π = Np

2.Variance: σ2 = Npq dimana q dalah 1 – p atau q= 1 - p

3.Standar deviasi (simpangan baku):

4.Koefisien momen pada kemencengan:

5.Koefisien momen pada kurtosis:

 Distribusi Probabilitas Binomial

Kembali ke contoh soal penerbangan, ingat bahwa π = 0,20 dan n = 5, maka:

a. rata-rata dari distribusi binomial :

µ = Np = 5.(0,20) = 1

b. Variance adalah

σ2= Npq = 5. (0,20).(1- 0.20) = 0,80

c. Standar devisi adalah

 Distribusi Probabilitas Binomial

Distribusi binomial dengan menggunakan excell secara terperinci diperoleh

sebagai berikut:
Jumlah Penerbangan
Terlambat P(x) x.P(x) x-µ (x-µ)2 (x-µ)2..P(x)
0 0.3277 0.0000 -1 1 0.3277
1 0.4096 0.4096 0 0 0.0000
2 0.2048 0.4096 1 1 0.2048
3 0.0512 0.1536 2 4 0.2048
4 0.0064 0.0256 3 9 0.0576
5 0.0003 0.0015 4 16 0.0048
    µ = 1.0000     σ2 =0.7997

Rata-rata (mean) : µ = 1 dan variance : σ2 = 0,7997 atau 0,80 (dibulatkan )

 Distribusi Probabilitas Normal

Distribusi normal umum (distribusi gauss)

e adalah bilangan 2,72

Π adalah bilangan 3,14
Distribusi normal baku
 Hubungan Distribusi Normal dan Tabel normal

Kurva normal yang dibatasi oleh z = 0,00 dan z = 0,21 dapat digambarkan
sebagai berikut

Pada tabel normal , lihat kolom z (paling kiri) nilai 0,2 dan tarik garis ke
kanan hingga sampai kolom 1, sehingga didapat angka 0,0832. Sehingga luas
kurva dibawah kurva normal Pr(0 ≤ x ≤ 0,21) adalah 8,32 %
 Tabel Distribusi Normal
Cara membaca daerah dibawah kurva normal yang dibatasi oleh z = 0,00 dan z
= 0,21
 Luas Daerah di bawah Kurva Normal

Hitunglah propbabilitas terjadinya x bila :

1)(0 ≤ x ≤ 1,42)
2)(-1,37 ≤ x ≤ 2,01)

1) Pr (0 ≤ x ≤ 1,42) adalah sama dengan kurva normal baku antara z = 0 dan z =

1,42

Jadi, Pr (0 ≤ x ≤ 1,42) = 0,4222

 Luas Daerah di bawah Kurva Normal

2) Pr (-1,37 ≤ x ≤ 2,01) jika digambarkan grafiknya adalah sebagai berikut

Pr (-1,37 ≤ x ≤ 2,01) = Pr (-1,37 ≤ x ≤ 0) + Pr (0 ≤ x ≤ 2,01)

= 0,4147 + 0,4778
= 0,8925
Sekian dan….