KONSEP DASAR PROBABILITAS

DAN DISTRIBUSI PROBABILITAS

KONSEP PROBABILITAS
• Ilmu ketidakpastisian yang terkadang digunakan
untuk menentukan kemungkinan suatu peristiwa yang
diungkapkan dengan menggunakan istilah peluang.
• Karena ada ketidakpastian dalam pengambilan
keputusan, penting untuk melibatkan semua risiko
yang diketahui untuk dievaluasi secara ilmiah.
• Selain itu, teori probabilitas memungkinkan seorang
manajer untuk menilai risiko dan manfaat yang terkait
dengan serangkaian alternatif keputusan.
• Konsep probabilitas sangat penting dalam bidang
statistik inferansial, berkaitan dengan pengambilan
kesimpulan tentang suatu populasi berdasarkan
sampel yang diambil.
KONSEP PROBABILITAS
• Probabilitas, peluang, dan kemungkinan sering digunakan dalam
alternatif keputusan.
• Misalnya sebuah perusahaan memiliki 5 wilayah penjualan
(wilayah A, B, C, D, E) untuk menempatkan produk barunya.
• Kemudian setiap identitas wilayah penjualan ditulis pada sebuah
kertas dan dimasukkan pada sebuah botol, maka kemungkinan
untuk keluar 1 identitas wilayah dari 5 wilayah adalah 1.
• Probabilitas keluarnya pilihan wilayah "B" adalah 0. Dengan
demikian, disimpulkan probabilitas 1 mewakili sesuatu yang
pasti terjadi dan probabilitas 0 mewakili sesuatu yang tidak bisa
terjadi.
• Semakin dekat probabilitas ke 0, semakin tidak mungkin
peristiwa itu akan terjadi dan sebaliknya jika mendekati 1, maka
peristiwa itu akan terjadi.
KONSEP PROBABILITAS
• Terdapat 3 kata kunci digunakan dalam studi
probabilitas:
1.Eksperimen
2.Hasil
3.Peristiwa
EKSPERIMEN
• suatu percobaan yang dapat diulang-ulang dengan kondisi yang
sama
• eksperimen memiliki dua atau lebih kemungkinan hasil yang
tidak pasti mana yang akan terjadi.
CONTOH :
Eksperimen : melempar dadu 1 kali
Hasilnya : tampak angka 1 atau 2 atau 3 atau 4 atau 5 atau 6

RUANG SAMPEL (S)

Himpunan semua hasil (outcome) yang mungkin dalam
suatu eksperimen
CONTOH :
Ruang sampel pelemparan dadu 1 kali
S = {1, 2, 3, 4, 5, 6} n(S) = 6
PERISTIWA (EVENT)
 Himpunan bagian dari ruang sampel

CONTOH :
 Eksperimen : melempar dadu 1 kali
Peristiwa A : Hasil pelemparan dadu berupa
angka genap =
{ 2, 4, 6} n(A) = 3
Pendekatan dalam Menentukan
Probabilitas
Pendekatan Subjektif
• Probabilitas subyektif didasarkan pada asumsi jika ada
sedikit atau tidak ada informasi yang menjadi dasar
probabilitas.
• Sehingga perlu evaluasi pendapat atau informasi yang
tersedia untuk selanjutnya memperkirakan atau
menetapkan probabilitas.
• Ilustrasi :
Memperkirakan probabilitas anda akan menikah sebelum
usia 35 tahun
Memperkirakan peluang memenangkan pemilihan umum
tahun depan.
Memperkirakan produk “A” periode akan datang akan
dapat merebut pangsa pasar sebesar 25%
Pendekatan Objektif
1. Pendekatan Klasik (Classical Probability)
• Didasarkan pada asumsi bahwa eksperimen memiliki
kemungkinan yang sama. Formula probababilitas klasik :

Bila A adalah suatu peristiwa

CONTOH :
Eksperimen : melempar dadu 1 kali Probabilitas
tampak titik genap :
A = {2, 4, 6}
S = {1, 2, 3, 4, 5, 6}
Pendekatan Objektif
1. Pendekatan Klasik (Classical Probability)
• Pada konsep mutually exclusive, hanya terdapat satu
dari beberapa peristiwa yang dapat terjadi pada
waktu tertentu.
• Contoh : Variabel Jenis kelamin menyajikan 2 hasil
yang saling eksklusif yaitu "pria" dan " wanita".
• Untuk memilih secara acak karyawan berjenis
kelamin pria atau wanita hasil tidak dapat dipilih
keduanya.
• Jika rangkaian peristiwa secara kolektif lengkap dan
peristiwa tersebut saling eksklusif, maka jumlah
probabilitas sama dengan 1.
Pendekatan Objektif
2. Pendekatan Empiris
• Empirical probability didasarkan pada berapa kali
suatu peristiwa terjadi sebagai proporsi dari jumlah
percobaan yang diketahui.
• Formula Probabilitas empiris :
Pendekatan Objektif
2. Pendekatan Empiris
Contoh
•Penelitian terhadap 500 lulusan manajemen mengungkapkan
bahwa 300 lulusan tidak bekerja sesuai dengan bidang ilmunya.
Berapa probabilitas bahwa lulusan manajemen bekerja tidak
sesuai dengan bidang ilmunya ?
Penyelesaian:
•Probabilitas seorang lulusan manejemen tidak bekerja sesuai
bidang ilmunya disimbolkan dengan P(A).
•Kemungkinan peristiwa terjadi= 300/500 = 0,6
Kesimpulan :
•Bahwa berdasarkan pengalaman masa lalu probabilitas lulusan
manajemen bekerja tidak sesuai bidang ilmunya adalah 0,6 / 60%
Prinsip Perhitungan dalam Probabilitas
1. Rumus Perkalian
• Jumlah total peristiwa = (m)(n)
• Contoh: Seorang dealer mobil mempromosikan bahwa
dengan harga $ 39.999 Anda dapat membeli mobil
convertible, sedan dua pintu atau sedan empat pintu,
dengan pilihan penutup roda kawat atau selimut roda.
Berapa banyak pengaturan model dan penutup roda yang
berbeda yang dapat ditawarkan dealer?
Jumlah total peristiwa = (3)(2) = 6
• Dari diatas jika dealer memutuskan menawarkan 8 model
mobil dan enam jenis roda selimut, maka menghitung
kemungkinan semua alternatif adalah :
Total peristiwa = (8)(6) = 48 kemungkinan pengaturan
model
Prinsip Perhitungan dalam Probabilitas
2. Rumus Permutasi
• Banyaknya susunan yg berbeda yang dapat dibentuk dari k
obyek yang diambil dari sekumpulan obyek yang berbeda
• Rumus permutasi diterapkan ketika hanya ada satu
kelompok objek untuk mencari kemungkinan model
bilangan.
• permutasi k obyek yang berbeda dari n obyek yang berbeda
• Rumus:

• Dimana
n = jumlah total objek
k = jumlah objek yang dipilih
Prinsip Perhitungan dalam Probabilitas
2. Rumus Permutasi
• Contoh
• Banyaknya permutasi kelompok data produk yaitu x, y, z,
maka peluang data yang dapat setiap kali diambil 2 adalah ?
3P2 = 3!
(3−2)! = 3 x 2 = 6
Maka kelompok data :
xy yx
xz zx
yz zy
Prinsip Perhitungan dalam Probabilitas
3. Rumus Kombinasi
• Banyaknya cara memilih k obyek yang berbeda dari
sejumlah n obyek tanpa memperhatikan urutannya
• kombinasi k obyek yang berbeda dari n obyek
• Rumus:

• Contoh
• Banyaknya kombinasi kelompok data produk yaitu x, y, z,
maka peluang data yang dapat setiap kali diambil 2 adalah ?
DISTRIBUSI PROBABILITAS
1. DISITRIBUSI PROBABILITAS DISKRIT
• Untuk data atribut, karakteristik yang diukur
hanya membicarakan nilai-nilai tertentu
(0,1,2,3)
• Distribusi probabilitas binomial,
hipergeometrik, poisson
2. DISTRIBUSI PROBABILITAS CONTINUOUS
• Untuk data variabel, karakteristik yang diukur
adalah berbagai nilai (ketepatan pengukuran
proses)
• distribusi probabilitas normal, exponential
1.DISTRIBUSI PROBABILITAS BINOMIAL
• Distribusi binomial memiliki karakteristik hanya ada 2
kemungkinan hasil pada suatu percobaan.
• Sebagai contoh :
• sebuah pertanyaan memiliki jawaban bisa benar atau
salah, hasil tersebut sama-sama eksklusif.
• Contoh lain, promosi penjualan dapat menyebabkan
konsumen membeli produk atau tidak membeli produk.
Hasil ini dapat diklasifikasikan menjadi 2 kemungkinan
yaitu “sukses” atau “gagal”.
1.DISTRIBUSI PROBABILITAS BINOMIAL
Ekperimen probabilitas binomial :
•Hasil tiap percobaan diklasifikasikan menjadi 2
kemungkinan yang saling eksklusif yaitu sukses atau
gagal.
•Variabel acak menghitung jumlah keberhasilan dalam
sejumlah percobaan konstan.
•Peluang sukses dan gagal tetap sama dalam tiap
percobaan.
•Uji coba bersifat independen, dimana hasil satu
percobaan tidak mempengaruhi hasil percobaan lain.
1.DISTRIBUSI PROBABILITAS BINOMIAL

C = kombinasi
p = P sukses
q = P (gagal) = 1-p k = 0, 1, 2, 3,...,n
n = banyaknya trial
x = jumlah keberhasilan
Dinamakan distribusi binomial dengan parameter n dan p
 Sifa
• t
Eksperimen dilakukan dalam n trial
• Tiap trial menghasilkan kejadian sukses dan
gagal
• Masing-masing trial identik dan independen
• Untuk tiap trial p = P sukses dan q=P(gagal)= 1-p
• Variabel random x menyatakan banyaknya sukses
dalam n trial
 CONTOH
Sebuah pesawat memiliki probabilitas penerbangan tertentu
terlambat adalah 0,20. Terjadi lima penerbangan dan x
mengacu pada jumlah keberhasilan. Dalam hal ini "sukses"
adalah pesawat yang datang terlambat. Tentukan
Probabilitas bahwa tepat satu dari lima penerbangan akan
tiba terlambat hari ini ?
P(x) = nCxPx(1 – 1)n-x
P(1) = 5C1(0,20)1(1 – 0,20)5-1
= (5)(0,20)(0,4096) = 0,4096

Dengan demikian, probabilitas bahwa tepat satu dari lima

penerbangan akan tiba terlambat hari ini adalah 0,4096/41%.
 2. DISTRIBUSI PROBABILITAS
POISSON
• menggambarkan berapa kali beberapa peristiwa
terjadi selama interval tertentu.
• Interval dapat diukur berdasarkan jarak, waktu, luas,
maupun volume.
Sifa
• Eksperimen dilakukan dalam n trial (dengan nilai yang besar)
t
• Tiap trial menghasilkan kejadian sukses dan gagal
• Variabel acak ialah berapa kali beberapa peristiwa terjadi selama
interval yang ditentukan(P sebanding dengan panjang i).
• Interval independen, dimana interval tidak bergantung.
• Dalam suatu interval waktu atau area tertentu, rata-rata
banyaknya kejadian sukses adalah 𝝺 dengan probabilitas sukses
yang sangat kecil sekali (menggambarkan kejadian yang jarang
terjadi)
• Variabel random x menyatakan banyaknya sukses dalam suatu
interval waktu atau area tertentu
• Model distribusi poisson dapat digunakan untuk
menggambarkan distribusi kesalahan dalam entri data, jumlah
suku cadang rusak saat pengiriman, jumlah konsumen
menunggu pesanan makanan di restoran.
 2. DISTRIBUSI PROBABILITAS
POISSON
 Menggambarkan kejadian yang jarang
terjadi

e = 2,71828
Probabilitas sukses u/ tiap
trial

Banyaknya trial
CONTOH
Seseorang memasang lotere sebanyak 1000 kali. Jika
kemungkinan dia menang dalam setiap kali pasang
adalah 0,0012 tentukan probabilitas bahwa
a.Dia tidak akan menang sama sekali
b.Paling sedikit 4 kali menang

= 1000x0,0012 = 1,2
x = banyaknya kali dia menang ~poisson dengan
𝝺 = 1,2
a. P (tidak menang sama sekali)

b. P (paling sedikit 4 kali menang)

= 1- Dari tabel 0,966 (𝝺=1,2; x≤ 3)

0,966231=0,033769
CONTOH
Sarah adalah seorang analis kredit pada sebuah perbankan.
Selama bertahun-tahun berdasarkan pengalamannya, dia
memperkirakan bahwa pemohon kredit tidak akan dapat
melunasi cicilan pinjamannya dengan probabilitas 0,025. Dari
data yang diperoleh Maret lalu dia memberikan 40 pinjaman.
a)Berapa probabilitas tiga pinjaman akan gagal bayar?
b)Berapa probabilitas bahwa setidaknya pinjaman tidak akan
gagal bayar?
Jawaban:
a)Probabilitas 3 pinjaman gagal bayar
P(3) = (40𝑥 0,025)3 𝑥 2,71828−(40 𝑥 0,025)3!
P(3) = 0,0613
Dengan demikian, dapat dijelaskan bahwa 6,13% pinjaman
akan gagal bayar.
CONTOH
Sarah adalah seorang analis kredit pada sebuah perbankan.
Selama bertahun-tahun berdasarkan pengalamannya, dia
memperkirakan bahwa pemohon kredit tidak akan dapat
melunasi cicilan pinjamannya dengan probabilitas 0,025. Dari
data yang diperoleh Maret lalu dia memberikan 40 pinjaman.
a)Berapa probabilitas tiga pinjaman akan gagal bayar?
b)Berapa probabilitas bahwa setidaknya pinjaman tidak akan
gagal bayar?
Jawaban:
b)Probabilitas pinjaman tidak gagal
P(0) = (40𝑥 0,025)0 𝑥 2,71828−(40 𝑥 0,025)0!
P(3) = 0,368
Dengan demikian, bahwa 36,8% pinjaman tidak gagal bayar.
• Biasanya digunakan dalam menghitung probabilitas
yang berkaitan dengan prosedur pengambilan
sampel
• Biasanya ukuran banyaknya sampel sekurang-
kurangnya 16, ukuran banyaknya populasi sekurang-
kurangnya 10 kali ukuran sampel dan probabilitas
terjasinya p pada masing-masing percobaan kurang
dari 0,1
• Misal :
• suatu produk sebanyak 300 unit dihasilkan dimana
terdapat 2 % kesalahan. Secara acak diambil 40 unit
yang dipilih dari 300 unit tersebut sebagai sampel.

Dari tabel terlihat np=40 (0,02) =0,8 dengan berbagai

variasi k seperti pada tabel
Tabel

Distribus

Poisson
LATIHAN KASUS
1. Pada distribusi poisson, μ = 3.5. Berapa probabilitas X=0, X=2 ,
X>0, X>4,  2<X<6 ? Probabilitas pemegang kartu kredit akan
berbelanja di walmart 0.050, dari 80 nasabah. Tentukan
Probabilitas :
a) 3 kredit akan macet?
b) Paling sedikit 3 kredit akan macet?
c) 5 atau kurang kredit akan macet?
2. Jumlah emiten di BEI ada 120 perusahaan. Akibat krisis
ekonomi, peluang perusahaan memberikan deviden hanya 0,1.
Apabila BEI meminta secara acak 5 perusahaan, berapa
peluang ke-5 perusahaan tersebut akan membagikan dividen?
3. Suatu penelitian terhadap keberangkatan penumpang di
terminal bis menghasilan kesimpulan bahwa jumlah
keberangkatan penumpang untuk jam 6-7 pagi adalah 60
orang. Dengan data tersebut tentukan berapa probabilitas
bahwa 2 penumpang akan berangkat dengan bus pada satu
menit antara jam 6-7 pagi?