STIK-PTIK ANGKATAN 79
TAHUN 2021
TEORI PROBABILITAS (1)
1. Pendahuluan
Probabilita adalah peluang atau kemungkinan
suatu peristiwa (event) tertentu akan terjadi.
2. Perumusan Probabilitas
2.1 Pendekatan Klasik
2.2 Pendekatan Empiris
2.3 Pendekatan Subjektif
TEORI PROBABILITAS (2)
2.1 Pendekatan Klasik
Probabilitas suatu peristiwa, misalnya X, adalah hasil
bagi antara jumlah kejadian X yang mungkin terjadi
dengan jumlah semua peristiwa yang mungkin terjadi.
Formula:
Jumlah peristiwa X yang mungkin terjadi
P (X) = ------------------------------------------------------------
Jumlah semua peristiwa yang mungkin terjadi
Contoh:
Lempar Dadu, dengan mata dadu: 1,2,3,4,5,6
Misalkan X=muncul mata dadu 2 nilai probabilitas:
P(X=2)= 1/6 =0,167
TEORI PROBABILITAS (3)
2.1 Pendekatan Empiris
Probabilitas suatu peristiwa, misalnya X, adalah hasil
bagi antara jumlah peristiwa X dengan jumlah seluruh
peristiwa yang terjadi secara empiris. Formula:
Jumlah peristiwa X secara empiris
P (X) = -------------------------------------------------------------------
Jumlah semua peristiwa yg terjadi secara empiris
Contoh 1:
Dalam pencarian kasus mobil hilang oleh reserse selama tahun 2010,
dari 200 mobil hilang dapat ditemukan 40.
Misalkan X = mobil hilang yang ditemukan, maka: P (X) = 40/200 = 0,20
Contoh 2:
Misalkan dadu dilempar 100 kali, dan muncul angka 2 sebanyak 17
kali,
P (X=2) = 17/100 = 0,170 ≈ 0,167 (relatif sama dgn pendekatan klasik)
Catatan: Semakin besar jumlah percobaan, hasil pendekatan emipris
akan semakin mendekati hasil pendekatan klasik
TEORI PROBABILITAS (4)
2.3 Pendekatan Subjektif
Probabilitas suatu peristiwa didasarkan pada
keyakinan dan pendapat pribadi seseorang.
Pendekatan subjektif biasanya dipakai apabila
diperlukan informasi cepat, dan tingkat
akurasinya sangat ditentukan pengalaman.
Oleh karena itu, kadangkala pendekatan
subjektif sering mengakomodasi pendapat
pakar Metode Delphi
Contoh: Probabilitas terpilihnya pasangan
SBY-Budiono pada Pilpres 2009
menurut pengamat politik A adalah
0,6 atau 60 %
TEORI PROBABILITAS (5)
3. Peristiwa, Ruang Sampel, dan Probabilitas
3.1 Peristiwa adalah suatu hasil dari ”percobaan”,
misalnya munculnya mata dadu 1 atau 2 pada
percobaan (proses perbuatan suatu observasi)
melemparkan mata dadu.
3.2 Ruang Sampel adalah himpunan (kumpulan) yang
mempunyai unsur dari semua peristiwa.
Contoh 1: Ruang Sampel pelemparan satu koin:
M (Muka); B (Belakang)
Contoh 2: Ruang Sampel pelemparan dua koin:
(M,M); (M, B); (B, B); (B, M)
TEORI PROBABILITAS (6)
3. Peristiwa, Ruang Sampel, dan Probabilitas
Jumlah peristiwa X1
3.3 Probabilitas suatu peristiwa (Xi) = ---------------------
Ruang sampel
Contoh 1: Ruang Sampel pelemparan 1 koin: M; B
1 Distribusi Binomial
a. Ciri Distribusi Binomial:
- Hanya ada 2 kemungkinan dalam percobaan: sukses atau gagal
- Dari n percobaan: x1 , x2 , ,,, xk independen (tidak terkait)
- Probabilitas setiap percobaan harus sama, yaitu p, sedangn
probabilitas gagal sama dengan q atau 1-p
x e -
P (x) = --------------
x!
Jawab: 6 e - 5
P (x=6) = -------------- = 0,1462 (lihat Tabel 3 hal 156)
6!
DISTRIBUSI PROBABILITAS (6)
b. Contoh Applikasi Distribusi Poisson Kasus jarang, n besar, dan p kecil
Contoh 2: Berdasarkan pengalaman suatu percetakan, setiap mencetak
10,000 lembar kertas biasanya 50 lembar rusak. Pada suatu
waktu, perusahaan mencetak 1000 lembar kertas, pertanyaan:
a. Berapa probabilitas mendapatkan tepat 6 lembar kertas
yang rusak?
b. Berapa probabilitas mendapatkan paling banyak 2 lembar
kertas rusak?
Jawab: p= 50/10.000 = 0,005
= np = 1000 (0,005) = 5
56 e - 5
P (x=6) = -------------- = 0,1462 (lihat tabel 3)
6!
P (x ≤ 2) = P (x=0) +P(x=1)+P(x=2)= 0,0067+0,0337+0,0842
= 0,1246
DISTRIBUSI PROBABILITAS (7)
3. Distribusi ProbabilitasVariabel Kontinu Hanya Distribusi Normal &
F
1 Distribusi Normal
a. Bentuk Distribusi Normal
1) Bentuknya sepert “lonceng”
2) Kurvanya simetris Mean = Median = Modua
3) Sample space (ruang sampel) random variabel x: - < x < +
34,1% 34,1%
1 2 x 2
1
2 e
- +
-3 -2 -1 µ +1 +2 +3
2
DISTRIBUSI PROBABILITAS (11)
e. Beberapa Contoh Penggunaan Distribusi Normal Standar (Tabel Z)
Tabel 4, halaman Lampiran Modul
1) Misalnya diketahui distribusi nilai statistik mahasiswa PTIK Angkatan 63
adalah nilai rata-rata (µ) = 75 dan standar = 15,
Pertanyaan: a) Berapa probabilitas mahasiswa mempunyai nilai 60- 90
Jawaban: Lakukan Transformasi Z
60 -75 90 - 75
x = 75 Z = -------- = - 1 x = 90 Z = --------- = 1
15 15
Z= -1 Z= 1
P ( 60 < x < 90) = P (-1<Z<1) = 2 P (Z < 1) = 2 x 0,3413 = 0,6826 = 68,26 %
DISTRIBUSI PROBABILITAS (12)
2) Menggunakan Contoh 1
Pertanyan b): Berapa probabilitas mahasiswa mempunyai nilai 75-95
Jawaban: Lakukan Transformasi Z
75 -75 95 - 75
x = 75 Z = -------- = 0 x = 95 Z = --------- = 1,333 = 1,33
15 15
Z =0 Z= 1,33
= 0,4082
(Lihat
Tabel 4)
=
0,5000- 0,2486
=0,2514
Z =0 Z= 0,67