TEORI PROBABILITAS

Pertemuan V
 Teori Probabilitas
Probabilitas : Peluang, Kemungkinan, Kebolehjadian.
Secara umum terletak antara 0 dan 1 sbb : 0 ≤ P ≤ 1

Klasifikasi :
1.Pendekatan Klasik; besarnya suatu kejadian ditentukan
berdasarkan logika atau teori sebelum kejadian.
2.Pendekatan Frekuensi Relatif; peluang suatu kejadian di masa
depan ditentukan oleh frekuensi even di masa lampau.
3.Pendekatan Subjektif; peluang suatu kejadian ditentukan oleh
pertimbangan pribadi atau tebakan (intellectual guess) terhadap
masa lampau.
 Hubungan Kejadian (Event)
Peluang terjadinya event mempunyai hubungan sbb:
1. Kejadian yang saling eksklusif
2. Kejadian yang tidak saling eksklusif
3. Kejadian independent yang terdiri dari : event marginal,
event gabungan, dan event bersyarat, yang rumusnya
disajikan pada tabel sbb:

Tipe Peluang Simbol Rumus

Marginal P(A) atau P(B) P(A)+P(B)
Gabungan P(AB) P(A)xP(B)
Bersyarat P(B/A) P(B)
 Event Saling Eksklusif
Peluang suatu event hanya satu dari semua event yang dapat
dihasilkan.
Contoh :
Seorang dokter mengadakan pengobatan terhadap 5 penderita
diare, dimana kelimanya mengalami penyakit yang sama
beratnya. Berapa peluang penderita ke-2 dan ke-5 untuk sembuh?
Solusi :
P(1)=P(2)=P(3)=P(4)=P(5)

P(2 atau 5) = P(2)+P(5)

= 1/5 + 1/5
= 0,4
 Event Tidak Saling Eksklusif
Terdapat sebagian dari dua event yang bergabung.
Rumus :
P(A atau B) = P(A) + P(B) – P(AB)

Contoh:
Jika kita akan merekrut tenaga kesehatan dan mengadakan
seleksi terhadap 4 orang pelamar yang terdiri dari dokter
laki-laki, dokter wanita, laki-laki bukan dokter, dan wanita
bukan dokter. Berapa besar peluang tenaga yang akan kita
rekrut adalah wanita atau dokter?
 Event Tidak Saling Eksklusif
Solusi :
Peluang wanita = 2/4
Peluang laki-laki = 2/4
Peluang dokter = 2/4
Peluang dokter wanita = ¼
Peluang dokter laki-laki =¼

P(wanita atau dokter) = P(wanita) + P(dokter) – P(wanita dokter)

= 2/4 + 2/4 – ¼
= 0,75
 Peluang Independen
Suatu event disebut independen => terjadinya satu
event tidak berpengaruh thd event lain.

Event Marginal
Terjadinya satu event yg stabil tidak terpengaruh
banyaknya trial yang dilakukan.
Contoh: peluang dilahirkannya bayi laki-laki adalah 0,5
dan demikian pula peluang dilahirkannya bayi
perempuan adalah 0,5.
 Peluang Independen
Event Bersyarat
Jika suatu event terjadi setelah event lain .
P(A/B) = P(B)

Contoh :
Berapa besar peluang terjadinya kelahiran
adalah
kedua bayi perempuan,jika pada kelahiran
pertama dilahirkan bayi perempuan?
Solusi:
P(P1/P2) = P(P2) = 0,5
 Peluang Dependen
Peluang dependen => Jika terjadinya suatu event
bergantung pada event yang lain.

Event Bersyarat
P(B/A) = P(B/A) / P(A)

Event Gabungan
P(B/A) = P(B/A) x P(A)

Event Marginal
P(B/A) = P(B/A) + P(A)
 Peluang Dependen
Event Bersyarat
Contoh:
Di sebuah RS anak,terdapat 10 pasien anak yang menderita
penyakit ginjal, terdiri dari 6 anak laki-laki, dimana 2
diantaranya menderita penyakit Sindroma Nefrotik (NS) dan
4 anak lainnya menderita Glomerulonefritis (GN). Sisanya
sebanyak 4 pasien anak perempuan, terdiri dari 1 anak
menderita NS
,dan 3 anak menderita GN.
Jika ingin diambil 1 anak laki-laki sebagai sampel, berapa
peluang anak tersebut menderita NS dan berapa peluang
anak tersebut menderita GN?
 Peluang Dependen
Event Bersyarat
Solusi:
Peluang untuk
setiap anak
sebesar 1/10.

Susunannya sbb:
2 anak laki-laki menderita NS 4
anak laki-laki menderita GN
1 anak perempuan menderita NS 3
anak perempuan menderita GN
 Peluang Dependen
P(GN/L) = P(GNA.L) / P(L)
= 4/6 = 2/3
P(NS/L) = P(NS.L) / P(L)
= 2/6 = 1/3
P(GN/P) = P(GN.P) / P(P)
= ¾
P(NS/P) = P(NS.P) / P(P)
= ¼
Jadi, Peluang untuk L dgn GA sebesar 0,67, dan untuk NS
sebesar 0,33. Peluang P dgn GA sebesar 0,75 dan untuk NS
sebesar 0,25.
 Peluang Dependen
Event Marginal
Berdasarkan soal sebelumnya, besarnya event
marginal yg independen adalah sebesar semua
peluang event gabungan, dituliskan sbb:
P(L) = P(GN.L)
+ P(NS.L)
Maka besarnya peluang untuk terambil anak laki-laki
adalah :
= 4/10 + 2/10
= 6/10
= 0,6
 Permutasi
Permutasi : peluang yg terjadi pd sejumlah individu yg disusun
dgn memperhatika bentuk susunan atau urutan.

Contoh:
Dalam suatu kelas,terdapat 4 orang yang akan dipilih 3 orang
untuk menjadi ketua, sekretaris, dan bendahara. Banyak cara
untuk memilih 3 orang tersebut dapat dijelaskan sebagai berikut.
Misal, keempat orang kandidat itu adalah A, B, C, dan D. Posisi
ketua dapat dipilih dengan 4 cara, posisi sekretaris dapat dipilih
dengan 3 cara, dan posisi bendahara dapat dipilih dengan 2 cara.
Jadi banyak cara yang
dilakukan untuk
memilih 3 orang
pengurus kelas dari 4
orang kandidat adalah
4 × 3 × 2 = 24 cara.
Uraian tersebut akan
lebih jelas apabila Anda
mengamati skema
berikut.
 Permutasi
Permutasi Lengkap
Permutasi lengkap = n!

Permutasi Sebagian
NPn = N! / (N-
n)
Contoh:
Bila di sebuah RS setiap hai terdapat 5 orang yang
membutuhkan tindakan operasi, tetapi kemampuan untuk
melakukan operasi hanya 3 orang secara berurutan. Berapa
permutasinya?
5P3 = 5! / (5-3)!
= (5 x 4 x 3 x 2 x 1) / (2 x 1)
= 60 permutasi
Distribusi Probabilitas
Distribusi Probabilitas
 Distribusi Probabilitas
Distribusi Poisson
Merupakan distribusi probabilitas dgn variabel random
diskrit. Distribusi ini digunakan pada n yang kecil.

Digunakan untuk menentukan probabilitas peristiwa yg

jarang terjadi dalam periode pendek.
Syarat :
1. Terjadinya event sangat jarang dalam periode pendek
2. Probabilitas setiap periode harus konstan
3. Untuk terjadinya beberapa event dalam periode yg
sangat pendek hampir mendekati nol.
4. Merupakan event yg independen.
Distribusi Probabilitas
 Distribusi Probabilitas
Distribusi Normal
Distribusi Probabilitas
Distribusi Probabilitas
Distribusi Probabilitas
 Teorema Bayes
Teorema Bayes adalah sebuah teorema dengan dua
penafsiran berbeda. Dalam penafsiran Bayes, teorema ini
menyatakan seberapa jauh derajat kepercayaan subjektif
harus berubah secara rasional ketika ada petunjuk baru.