PROBABILITAS

(TEORI PELUANG)

Oleh : Gita Kostania

Jurusan Kebidanan Poltekkes Kemenkes Malang

 Outline
Konsep Dasar

Klasifikasi

Distribusi Probabilitas

Variabel Acak

Nilai Harapan

Teori Limit Pusat

Distribusi Proporsi

Percobaan Dan Peristiwa

Peristiwa Dependen Dan Independen

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 2
 Konsep Dasar
• Teori probabilitas  teori peluang/ kemungkinan  kesempatan dari sesuatu
untuk terjadi
• Teori peluang  pintu masuk statistik induktif
• Nilai  dalam bilangan desimal/ fraksi  0,25, 0,50, atau ¼, ½
• Peluang untuk terjadinya sesuatu  antara 0 dan 1  peluang tidak mungkin
terjadi 0  peluang terjadi 1  0<= P <=1
• Dalam teori peluang  sebuah peristiwa disebut eksperimen/ trial, hasilnya
disebut event/ outcome
• Contoh 1  peluang terjadinya penyakit p= 0,001  penyakit yang diramalkan
hampir tidak akan terjadi (1/ 1000)
• Cpntoh 2  peluang terjadinya kelahiran anak perempuan/ laki2 p=0,5  ada
keraguan untuk menentukan jenis kelamin apa yang akan lahir (5/10)
• Penelitian bidang kesehatan  teori peluang sangat dibutuhkan  hipotesis
diterima atau ditolek, tergantung seberapa besar terjadinya peluang  apabila
peluang besar, maka hipotesis diterima  apabila peluang kecil, maka hipotesis
ditolak

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 3

 Klasifikasi

Pendekatan Pendekatan Pendekatan

1

3
Klasik Frekuensi Subjektif
Relatif /
Empiris

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 4

Teori Klasik
• Teori klasik = probabilitas a priori = probabilitas teoritis
• Penentuan besarnya peluang kejadian dapat dilakukan / diduga
berdasarkan pemikiran logis/ teori
• Contoh  jenis kelamin bayi lahir, pelemperan mata uang, dll
• Tidak semua peristiwa dapat diselesaikan dg cara klasik  misalnya:
• Menentukan peluang bayi lahir terhadap angka harapan hidupnya sampai
usia 70 tahun  tidak dapat dilakukan seperti berapa peluang bayi lahir
wanita/ laki-laki
• Rumus: P (e)= n/ N
• Contoh: Dalam peristiwa kelahiran normal, berapa peluang lahirnya bayi laki-
laki?
• Jawab: P laki-laki = 1/ (1+1) = 0,5
• Klasik= matematis= teoritis  jelas, hanya ada dua kemungkinan

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 5

Frekuensi Relatif

• Peluang terjadinya suatu event di masa yang akan datang ditentukan

berdasarkan frekuensi kejadian di amsa lampau/ pengalaman/
peristiwa2 yang pernah/ telah terjadi
• Contoh  tahun lalu sebanyak 700.000 pasien yang berkunjung ke
Puskesmas, 700 di antaranya periksa ke poli gigi.
• Dari data tersebut diestimasikan bahwa peluang seseorang mempunyai
masalah gigi sebanyak:
• P= 700/ 700000 = 0,001
• Ciri2  apabila dilakukan berulang hasilnya akan mendekati limit
peluang relatifnya  untuk mendapatkan peluang dengan ketepatan
yang tinggi, perlu dilakukan trial yang banyak

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 6

Pendekatan Subjektif

• Berdasarkan pada pengalaman dan pertimbangan sesuai dengan

keahliannya
• Contoh  seorang bidan akan memberikan asuhan pada kasus yang
belum pernah dihadapi, maka ia akan mengambil peluang akan
keberhasilannya atas dasar pertimbangan/ pengalamannya.
• Kesimpulan  pendekatan yang didasarkan pada perasaan/
pertimbangan dari peneliti  dipengaruhi pribadi dan bersifat
subjektif

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 7

 Distribusi Probabilitas

• Kegunaan distribusi peluang dalam penelitian kesehatan 

membuat perencanaan/ mengadakan penafsiran terhadap
sega;a masalah kesehatan di masa yang akan datang
• Distribusi peluang disusun berdasarkan atas:

Teori Subjektif Pengalaman

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 8

 Distribusi Probabilitas Berdasarkan
Teori
• Probabilitas Jenis Kelamin Dua Kelahiran Berturut-Turut

Kelahiran 1 Kelahiran 2 Jumlah Kelahiran Probabilitas

Wanita
Laki-laki Laki-laki 0 0,5 x 0,5 = 0,25

Laki-laki Wanita 1 0,5 x 0,5 = 0,25

Wanita Laki-laki 1 0,5 x 0,5 = 0,25

Wanita Wanita 2 0,5 x 0,5 = 0,25

Fw Fl Probabilitas

0 2 0,25

1 1 0.50

2 0 0,25

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 9

 Distribusi Probabilitas Subjektif
• Seorang bidan Puskesmas menyatakan kunjungan ibu hamil tiap hari berkisar 25,
30, 35, 40, 45 dengan probabilitas 0,15 0,10 0,20 0,35 0,30
• Berarti  kunjunagn sebanyak 25 orang peluangnya sebesar 15%, 30 peluangnya
10%, kunjunagn 35 orang peluangnya 20%, dan 40 orang peluangnya 35% dan 45
orang peluangnya 30%

Kunjungan Ibu Hamil di Puskesmas

0.45
0.4
0
0.4
0.35
0.3
0
0.3
Probabilitas

0.25
0.2
0
0.2
0.15
0
0.15
0.1
0
0.1
0.05
0
25 30 35 40 45
Jumlah Kunjungan

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 10

Distribusi Probabilitas Berdasarkan
Pengalaman

• Contoh  analisis seorang kepala RS dari tahun ke tahun dapat

menentukan besarnya probabilitas terhadap jumlah dan jenis
penyakit yang akan timbul di masa yang akan datang
• Kasus  Bulan Agustus 2004 timbulnya penyakit2: radang saluran
nafas bagian atas 2000 penderita dengan probabilitas 0,50, penyakit
influenza 800 dengan probabilitas 0,30 dan penyakit kulit 600 dengan
probabilitas 0,20.
Jenis Penyakit Jumlah Penderita Probabilitas (%)

ISPA 2000 50

Influenza 800 30

Penyakit Kulit 600 20

Jumlah 3400 100

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 11

 Variabel Acak / Random
• Variabel acak  besarnya angka/ nilai yang berubah-ubah pada
setiap kejadian
• Contoh  bidan kepala di Puskesmas tidak dapat mengetahui secara
pasti berapa jumlah pasien ibu hamil esok harinya  variabel acak/
variabel random
• Apabila dari data waktu yang telah lalu diketahui jumlah pasien ibu
hamil antara 20-30 / hari, maka variabel acak  variabel deskrit
(variabel random diskrit)

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 12

 Tabel. Jumlah Kunjungan Ibu hamil Selama
100 Hari
Jumlah Pasien Frekuensi Hari Kunjungan

20 4

21 7

22 9

23 11

24 11

25 11

26 12

27 11

28 9

29 9

30 6

Jumlah 100

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 13

 Tabel. Distribusi Probabilitas Kunjungan Ibu
Hamil Tiap Hari
Jumlah Pasien Probabilitas Tiap Kunjungan

20 0,04

21 0,07

22 0,09

23 0,11

24 0,11

25 0,11

26 0,12

27 0,11

28 0,09

29 0,09

30 0,06

Jumlah 1,00

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 14

 Nilai Harapan / Ekspektasi
• Nilai harapan didapat dengan mengalikan nilai probabilitas dari variabel acak
den probabilitasnya
• Contoh  Tabel. Distribusi Probabilitas Kunjungan Ibu Hamil Tiap Hari
Nilai Variabel Acak (1) Probabilitas Variabel (2) Nilai Ekspektasi (1) x (2)

20 0,04 0,80

21 0,07 1,47

22 0,09 1,98

23 0,11 2,53

24 0,11 2,64

25 0,11 2,75

26 0,12 3,12

27 0,11 2,97

28 0,09 2,52

29 0,09 2,61

30 0,06 1,80

01/23/2023
Jumlah 1,00
Biostatistik - PolkesMa - Gita Kostania
25,19 15
 Teori Limit Pusat
• Teorema Limit Pusat  sebuah teori yang menyatakan bahwa jika ukuran
sampel semakin besar, maka sifat dari rata-rata distribusi peluang
sampelnya (sample mean distribution) akan semakin mendekati distribusi
normal  Hal ini mengakibatkan sampel tersebut juga memiliki karakteristik
yang juga terdapat pada distribusi normal.
• Dengan menggunakan teorema limit pusat, kita tidak perlu lagi menemukan
informasi yang lebih rinci terkait karakteristik dari sampel atau variabel yang
kita gunakan  tetapi, kita harus menggunakan sampel yang cukup besar
dengan jumlah yang memenuhi kriteria distribusi normal sehingga teorema
ini bisa diterapkan.
• Bila data yang kita gunakan tidak memiliki ditribusi normal, kita akan
kesulitan dalam menemukan kesimpulan dan melakukan pengujian
terhadap data yang kita miliki.

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 16

Beberapa Hal yang Perlu Diingat dalam Teorema
Limit Pusat

• Gunakan Teorema Limit Pusat saat distribusi tidak normal

atau tidak diketahui
• Tidak semua data yang anda gunakan pasti memiliki populasi
yang berditribusi normal

 Dengan adanya teorema ini, kita bisa melakukan berbagai

pengujian seperti uji hipotesis, analisis korelasi, dll, dengan
memiliki jumlah sampel yang cukup besar bahkan tanpa perlu
pembuktian yang rumit apakah data yang kita gunakan
berdistribusi normal atau tidak.

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 17

 Distribusi Proporsi
• Uraian untuk distribusi proporsi sejalan dengan distribusi rata-rata
• Misalkan populasi diketahui berukuran N yang didalamnya didapat
peristiwa A sebanyak Y di antara N  maka didapat parameter proporsi A
sebesar µ = (Y/N)
• Dari populasi ini diambil sampel acak berukuran n dan dimisalkan
didalamnya ada peristiwa A sebanyak x
• Sampel ini memberikan statistik proporsi peristiwa A = x/n
• Jika semua sampel yang mungkin diambil dari populasi itu maka didapat
sekumpulan harga-harga statistik proporsi
• Dari kumpulan ini kita dapat menghitung rata-ratanya, diberi simbol µx/n.
• Untuk ini ternyata bahwa, jika ukuran populasi kecil dibandingkan dengan
ukuran sampel, yakni (n/N) > 5%

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 18

 Percobaan dan Peristiwa
• Percobaan  suatu kegiatan yang memberikan beberapa kemungkinan hasil
 Contoh: kegiatan melempar sekeping mata uang logam sebanyak satu
atau beberapa kali
• Peristiwa  Himpunan bagian dari ruang sampel S disebut kejadian atau
peristiwa  Kejadian dapat dibedakan menjadi 2:
• Kejadian Sederhana atau Kejadian Elementer
Kejadian sederhana atau kejadian elementer adalah suatu kejadian yang hanya
mempunyai satu titik sampel. Pada percobaan melempar dadu berisi enam, beberapa
kejadian sederhana di antaranya adalah:
• Kejadian munculnya mata dadu 1.
• Kejadian munculnya mata dadu 6.
• Kejadian Majemuk
 Kejadian majemuk adalah suatu kejadian yang mempunyai titik sampel lebih dari
satu. Pada percobaan melempar dadu berisi enam, beberapa kejadian majemuk di
antaranya adalah:
• Kejadian munculnya mata dadu lebih dari 2 tetapi kurang dari 5.
• Kejadian munculnya mata dadu genap.

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 19

 Peristiwa Dependen dan Independen
 Peristiwa Independent (Bebas)
Dua peristiwa dikatakan independen (bebas) jika terjadinya atau tidak
terjadinya peristiwa satu tidak mempengaruhi atau tidak dipengaruhi oleh
peristiwa yang lain. Jika X dan Y merupakan dua peristiwa yang independen,
maka probabilitas untuk terjadinya kedua peristiwa tersebut adalah : P(X ∩ Y)
= P(X) x P(Y).
Contoh :
Dari 100 barang yang diperiksa terdapat 20 barang yang rusak. Berapa
probabilitas untuk mendapatkan barang yang bagus (baik) jika dilakukan tiga
kali pengambilan barang tersebut (barang yang telah diambil dikembalikan
lagi).
Jawab :
P (barang baik) = 80/100 = 0,80
P (barang rusak) = 20/100 = 0,20
X = pengambilan pertama barang baik
Y = pengambilan kedua barang baik
Z = pengambilan ketiga barang baik
P(X ∩ Y ∩ Z) = P(X) x P(Y) x P(Z) = 0,8 x 0,8 x 0,8 = 0,512.
01/23/2023 Biostatistik - PolkesMa - Gita Kostania 20
 Cont...
 Peristiwa Dependent (Bersyarat)
Dua peristiwa dikatakan dependen (bersyarat) adalah jika terjadinya
peristiwa yang satu akan mempengaruhi atau merupakan syarat terjadinya
peristiwa yang lain. Jika peristiwa X dan Y merupakan peristiwa dependen
(probabilitas bahwa Y akan terjadi jika diketahui bahwa X telah terjadi) maka
dapat dirumuskan : P(X ∩ Y) = P(X) x P(Y/X).
Contoh :
Seorang peneliti ingin mengetahui Mata Kuliah yang disukai mahasiswa.
Untuk penelitian tersebut dibutuhkan 100 mahasiswa dan setelah diberikan
pertanyaan diketahui bahwa :
• 40 mahasiswa menyatakan menyukai Mata Kuliah Matematika
30 mahasiswa menyatakan menyukai Mata Kuliah Statistika
30 mahasiswa menyatakan tidak menyukai kedua Mata Kuliah di atas
Jika dipilih 2 orang mahasiswa secara acak (setelah dipilih tidak
dikembalikan lagi), berapa kemungkinan terpilih seorang mahasiswa yang
menyukai Mata Kuliah Matematika dan seorang mahasiswa yang menyukai
Mata Kuliah Statistika.

01/23/2023 Biostatistik - PolkesMa - Gita Kostania 21

Cont ...
• Jawab :
A : terpilih seorang mahasiswa yang menyukai MK
Matematika
B : terpilih seorang mahasiswa yang menyukai MK Statistika
Catatan : Dalam pemilihan secara berturut-turut terdapat
dua kemungkinan pemilihan, yaitu terpilih yang menyukai
Matematika - Statistika atau Statistika – Matematika, dengan
demikian probabilitasnya adalah :
P(A ∩ B) = (40/100) x (30/99) = 0,1212
P(B ∩ A) = (30/100) x (40/99) = 0,1212
Jadi probabilitas terpilih seorang mahasiswa yang menyukai
mata kuliah Matematika dan seorang mahasiswa yang
menyukai mata kuliah Statistika adalah 0,2424.
01/23/2023 Biostatistik - PolkesMa - Gita Kostania 22
23

Terima Kasih

Biostatistik - PolkesMa - Gita Kostania 01/23/2023