TEORI

PROBABILITAS
Pendekatan Perhitungan
Peluang

Perhitungan Peluang

Obyektif Aksiomatik Subyektif

Pendekatan Klasik

Pendekatan Frekuensi Relatif

2
 Pendekatan Klasik

Didasarkan pada asumsi bahwa seluruh hasil dari

suatu eksperimen mempunyai karakteristik yang
sama (equally-likely) .
 Tidak memperhatikan hasil percobaan
perorangan.
 Hasil probabilitas dianggap sama untuk setiap
peneliti (objektif).
 Probabilitas ini dapat diketahui tanpa harus
melakukan percobaan.

3
 Pendekatan Frekuensi
Relatif
Pendekatan frekuensi relatif mendefinisikan peluang
sebagai,
1. Proporsi terjadinya peristiwa dalam jangka
panjang apabila semua kondisi stabil.
2. Frekuensi relatif dari suatu kejadian diamati
melalui sejumlah besar percobaan.
Contoh:
Jika 1000 kali pelemparan koin menghasilkan kemunculan 529
kali gambar, maka frekuensi relatifnya adalah

4
 AKSIOMATIK

Misalkan adalah ruang sampel, peluang

kejadian ditulis . Terdapat tiga aksioma yang
harus dipenuhi,

1. Jika adalah kejadian yang saling lepas maka

5
 Pendekatan Subyektif
Pendekatan subyektif berlandaskan pada keyakinan
individu, pengalaman, intuisi dan justifikasi personal.
Sehingga, terdapat perbedaan untuk setiap peneliti
(subjektif).

Contoh: pemasaran produk baru, prediksi cuaca, prediksi

hasil pertandingan olah raga.

Jika tidak ada pengamatan masa lalu sebagai dasar,

maka pendekatan peluang ini bersifat subyektif.

6
Basic Concept in Probability

Random Experiments
Sample Space
Events
 Random Experiments

Experiments

Deterministic Random /
Experiments Stochastic
Experiments

Jika dalam percobaan yang Jika hasil yang mungkin tidak

berulang mempunyai hasil yang dapat diketahui tetapi dapat
sama diprediksi
 Random Experiments
Definition:
A random experiment is a process or
activity which produces a number of
possible outcomes. The outcomes
cannot be predicted with absolute
certainty.
Sebuah eksperimen adalah suatu tindakan atau
proses pengamatan yang menghasilkan outcome yang
tak dapat diperkirakan kepastiannya.
Sebuah eksperimen disebut eksperimen acak
(random experiment) jika hasil (outcome) tidak
dapat diprediksi
 Random Experiments
Sebuah percobaan disebut percobaan Acak
(random experiment ) jika:
a) Semua outcome yang mungkin dapat
diperkirakan sebelumnya
b) Hasil yang muncul tidak dapat diketahui
sebelumnya
c) Percobaan dapat diulang berdasarkan kondisi
yang sama
 Contoh Random Experiments
 Example 1: Flip two coins and
observe the possible outcomes of
heads and tails.
 Example 2: Select two marbles
without replacement from a bag
containing 1 red and 3 green
marbles.
 Example 3: Roll two dice and
observe the sum of the points on
the top faces.

All of the above are considered

random experiments.
11
 Sample Space
Ruang Sampel ()
Definition :
Untuk setiap eksperimen E,
Sample Space/ Ruang Sampel () adalah
kumpulan semua kemungkinan hasil suatu
percobaan

Setiap element di dalam Ω disebut titik sample

(sample point).
 Contoh
1. Eksperimen : Menggelindingkan dadu 1kali :
Hasil : 1,2,3,4,5 atau 6
 
   Ruang sampel : ={1,2,3,4,5,6} 1,2,3,4,5
dan 6 masing-masing disebut titik
     
    
 
sampel (sample point)

2. Eksperimen: Melemparkan satu buah koin 1 kali

Hasil : tampak Gambar atau Angka
Ruang sampel : ={Gambar,Angka}
Gambar dan Angka disebut titik sampel (sample point)

13
 Events

Sebuah event /kejadian adalah bagian dari

sample space dari sebuah random experiment

Events

Simple Events Impossible / null

Events
Composite / Sure / Certain
Compound Events Events
 Pengertian Peluang
 Peluang adalah bilangan yang menunjukkan
seberapa besar kemungkinan suatu peristiwa akan
terjadi.
 Peluang mempunyai nilai antara 0 dan 1.
 Peluang berhubungan dengan eksperimen yang
menghasilkan sesuatu yang tidak pasti.
 Jika diketahui suatu kejadian A dengan ruang
sampel S, maka peluang kejadian A, ditulis P (A),
adalah sebagai berikut:

15
Peluang dari Satu Percobaan
Contoh 1:
Jumlah mahasiswa di kelas Probstat adalah 40
orang, terdiri dari 15 putri dan 25 putra. Akan dipilih
seorang siswa secara acak. Berapa peluang
terpilihnya murid putri?
Jawab:
A= kejadian terpilihnya murid putri n(A) =15, n(S) = 40

16
 Contoh 2:
Dalam permainan dadu, disepakati aturan bahwa
menang jika keluar angka 1 atau 2, serta kalah jika
keluar angka lainnya. Berapa peluang kita menang
dan peluang kita kalah?
Jawab:

17
Peluang dari Dua Percobaan

Contoh 1:
Bila dua uang logam identik dilempar, maka tentukan
peluang muncul kedua-duanya gambar!
Jawab:

18
 Contoh 2:
Bila dua dadu bersisi enam identik dilempar,
maka tentukan peluang muncul kedua
mata dadu berjumlah 6.
Jawab:
Misalkan A = {(5,1), (4,2), (3,3), (2,4), (1,5)}

19
HIMPUNAN dan PELUANG
 Operasi dengan kejadian

Definisi 1
Irisan dua kejadian A dan B, dinyatakan dengan
lambang A  B ialah kejadian yang unsurnya
termasuk A dan B.
Gambar diagram Venn

Contoh : Tentukan irisan antara A = {1,2,3,4,5}

dan B ={2,4,6,8}
Definisi 2
Gabungan dua kejadian A dan B, dinyatakan dengan lambang
A  B ialah kejadian yang mengandung semua unsur yang
termasuk A dan B atau keduanya.
• Contoh : Tentukan gabungan dari kejadian A = {1,2,3,4,5}
dengan B = {2,4,6,8}

P (A  B ) = P ( A ) + P ( B ) - P (A  B )
Definisi 3
Dua kejadian A dan B saling terpisah bila A  B = 0
S
A B
P (A  B ) = P ( A ) + P ( B )

Contoh : Sebuah dadu dilantunkan. A menyatakan

kejadian bahwa bilangan genap muncul di
sebelah atas dan B kejadian bahwa bilangan
ganjil yang muncul di sebelah atas.
 Kejadian Saling Bebas

 Jika dua kejadian tidak berhubungan, dimana muncul

(atau tidak munculnya) salah satu kejadian tidak akan
mempengaruhi kemungkinan kejadian lainnya, maka
dua kejadian tersebut dinamakan saling bebas
(independent).
 Secara matematis, kejadian A dan B dikatakan saling
bebas jika dan hanya jika

24
Contoh Kejadian saling bebas /Independent

 Peluang bayi berjenis kelamin laki-laki diketahui 0.6.

Jika jenis kelamin anak pertama (A) dan kedua (B)
saling bebas, berapa peluang jenis kelamin anak
pertama dan anak kedua laki-laki?

P(A B)= P(A).P(B)=0.6*0.6=0.36

 Kejadian Bersyarat
 Bila ada dua kejadian A dan B dalam suatu ruang sampel S maka peluang
peristiwa bersyarat A
 Probabilitas Bersyarat adalah peluang suatu peristiwa terjadi, jika diketahui
peristiwa yang lain terjadi lebih dulu
Peluang kejadian A terjadi jika
diketahui (given) kejadian B
terjadi lebih dulu.
Peluang kejadian B terjadi jika
diketahui (given) kejadian A
terjadi lebih dulu.

dimana adalah joint probability dari A dan B

P(A) = marginal probability dari A
P(B) = marginal probability dari B
26
 Contoh Kejadian bersyarat
Sebuah kotak berisi 5 bola merah dan 4 bola biru. Jika diambil 2 bola satu
persatu tanpa pengembalian, tentukan peluang terambil bola merah pada
pengambilan pertama dan bola biru pada pengambilan kedua.

 Pada pengambilan pertama tersedia 5 bola merah dari 9 bola sehingga

P(M) = 5/9.
 Karena tidak dikembalikan, maka pengambilan kedua jumlah bola yang
tersedia sisa 8, sehingga peluang terambilnya bola biru dengan syarat bola
merah telah terambil pada pengambilan pertama adalah P(B|M) = 4/8

Jadi, peluang terambilnya bola merah pada pengambilan pertama dan biru pada
pengambilan kedua adalah:
P(M B) = P(M) x P(B|M) = 5/9 x 4/8 = 5/18
 Contoh Kejadian Bersyarat
Dua buah dadu diundi satu kali
 Menghasilkan ruang sampel sebanyak n(S) = 36
 Misal A adalah kejadian angka yang muncul berbeda maka
P(A)=30/36 = 5/6
 B adalah kejadian angka berjumlah nya 7 maka P(B) =6/36 =1/6
 C adalah kejadian angka berjumlah nya 4 maka P(C) = 3/36 =1/12
 D adalah kejadian angka berjumlah nya 12 maka P(D) = 1/36

P(AB)=1/6
P(AC)=1/18
P(AD)=0
Mutually Exclusive Events
Dua kejadian dikatakan mutually exclusive satu sama lain
jika kejadian tersebut tidak dapat terjadi secara bersama-
sama
A∩B=∅
Maka P(A  B ) = P(A) + P(B)
P(A  B ) = 0

29
 Contoh MEE
Eksperimen: Sebuah kartu diambil secara random dari satu set
kartu bridge.
Ruang sampel S = {A♣, 2♣, 3♣, …., J♣, A♥, 2♥, 3♥, …., J♥, dst}
⇒ 54 anggota
A: peristiwa terambil hati, A = {A♥, 2♥, 3♥, …., J♥} ⇒ 13 anggota
B: peristiwa terambil klaf, B = {A♣, 2♣, 3♣, …., J♣}⇒ 13 anggota
C: peristiwa terambil raja, C = {K♣, K♥, K♠, K♦} ⇒ 4 anggota

Peluang untuk masing-masing peristiwa

P(A) = 13/54 = 1/4, P(B) = 13/54 = 1/4, P(C) = 4/54 = 1/13
P(A∪B) = P(A) + P(B) = 1/4 + 1/4 = 1/2 (A dan B saling lepas/MEE)

30
31/08/2023
 SOAL 1
Andaikan S ruang sampel dari sekelompok orang dewasa yang telah
menyelesaikan studinya. Orang tersebut dikelompokkan menurut jenis kelamin
dan status kerja sebagai berikut.

Seorang di antara orang tersebut dipilih secara acak untuk mewakili kelompok
tersebut. Bila telah diketahui orang yang dipilih sudah bekerja, berapakah
peluang orang tersebut laki-laki?

Misalkan B: Kejadian terpilih seorang yang sudah bekerja. P(B) = 600/900

L: Kejadian terpilih seorang laki-laki. P(L) = 500/900

P(LB) = 460/900
Maka P(L|B)= P(L B) / P(B) =
  31
Teknik Mencacah
 Pendahuluan

 Jika jumlah ‘outcomes’ pada suatu percobaan adalah

kecil/sedikit, maka relatif mudah untuk menghitungnya.

Contoh : Daerah hasil untuk sebuah dadu : 1, 2, 3,

4, 5, dan 6
 Jika terdapat sejumlah ‘outcomes’ yang mungkin
dihasilkan, misalnya jumlah ‘Head” dan ‘Tails’ untuk
pengundian 10 koin, akan menimbulkan masalah
tersendiri dalam menghitungnya (kemungkinan hasil :
10H, 9H1T, 8H2T dst).
 Pendahuluan

 Solusi untuk permasalahan yang mempunyai

‘outcomes’ yang besar adalah dengan menggunakan 3
cara :
1. Kaidah Perkalian
2. Permutasi
3. Kombinasi
 Kaidah Perkalian

Andaikan k operasi disusun secara berurutan, dimana :

Operasi 1 dapat dilakukan dalam n1 cara
Operasi 2 dapat dilakukan dalam n2 cara
.
.
.
Operasi k dapat dilakukan dalam nk cara
Maka, banyaknya cara untuk menyusun k operasi
dapat dilakukan dalam :

N = n1 . n 2 . . . n k cara
 Kaidah Perkalian

Perluasan dari kaidah perkalian tersebut :

Jika terdapat m cara untuk melakukan suatu operasi dan
n cara untuk melakukan operasi lainnya, maka terdapat
m x n cara untuk melakukan kedua operasi tersebut

Contoh :
Sebuah situs shopping online menawarkan sweater dan
celana panjang untuk wanita, masing-masing
mempunyai 5 pilihan warna untuk sweater dan 4 pilihan
warna untuk celana panjang. Berapa pasang pakaian
yang dapat ditampilkan pada iklannya?

 5 x 4 = 20 pasang
 Contoh :
Pada lomba lari 100 meter, empat anak lolos ke putaran akhir,
yaitu A(Adi), B(Banu), C (Candra), dan D(Dodi).

Pada perlombaan tersebut disediakan dua hadiah. Ada berapakah

susunan pemenang yang mungkin muncul pada akhir
pertandingan?
Jawab:
Pemenang pertama dan kedua yang mungkin muncul, dapat kita susun yaitu:
AB, AC, AD,BA,BC,BD,CA,CB,CD,DA,DB,dan DC.

Proses menentukan banyaknya susunan pemenang secara umum mengikuti

aturan sebagai berikut:
Langkah 1:
Ada 4 peserta lomba yang semuanya bisa keluar sebagai juara pertama.
Langkah 2:
Satu orang sudah masuk garis akhir, masih ada 3 peserta lomba yang bisa
menduduki juara kedua.

Jadi Seluruhnya ada 4 x 3 = 12 susunan pemenang yang mungkin

terjadi
 Permutasi
 Definisi :

Suatu permutasi r obyek yang diambil dari n obyek

yang berlainan, adalah penempatan r obyek
tersebut dalam satu urutan ( r < n )
 Teorema :
 Permutasi

Contoh :

Dari 3 kandidat, dipilih hanya 2 orang yang akan

ditempatkan sebagai direktur dan wakil direktur.
Ada berapa kemungkinan cara yang dapat
disusun?


 Permutasi
Contoh
Misalkan diadakan undian untuk memperebutkan 2 hadiah (hadiah I dan II).
Jika yang memperebutkan hadiah itu ada 3 orang (A, B, dan C), ada berapa
cara kedua macam hadiah itu dapat diberikan kepada para pemenang?.
Jawab:
B ... (A,B) = permutasi ke-1 = p
Cara Eksp. A
1

C ... (A,C) = permutasi ke-2 = p 2

A
Diundi untuk A ... (B,A) = permutasi ke-3 = p 3
B B S, n(S) =
memperebutkan 2 hadiah C ... (B,C) = permutasi ke-4 = p
4
C
A ... (C,A) = permutasi ke-5 = p
Obyek C 5

Eksp.
B ... (C,B) = permutasi ke-6 = p
3 org 6

2 cara
Menurut Prinsip Perkalian
Banyaknya cara: n(S) = =

Hal.: 40
 Kombinasi
 Definisi :

Suatu kombinasi r obyek yang diambil dari n obyek

yang berlainan, adalah suatu pilihan dari r obyek
tanpa memperhatikan urutannya ( r < n )
 Teorema :
 Sampling WR dan WOR

Populasi n item

Sample
sebanyak r
WR
ada nr cara
WOR

Urutan Urutan tidak

Diperhatikan diperhatikan
 Peluang Kejadian

1. Pengambilan Sekaligus
Ambil acak 2 bola sekaligus. S s2
Hasil-hasil yang mungkin?

A
Cara Ekp. s1 s3
Hasil-hasil yang
mungkin A
Eksp1: ambil acak 1 2 … s1
2 bola sekaligus
1 3 … s2 S
1 2 3
2 3 … s3
Obyek Eksp

S = {s1, s2 , s3 } = Ruang sampel hasil eksperimen n(S) = = 3.

=
A = Peristiwa terambilnya jumlah kedua nomor P(A)=
bola ganjil
= {s1, s3 } , n(A) = 2.
Hal.: 43
 Peluang Kejadian
2. Pengambilan Satu demi Satu Tanpa Pengembalian
Ambil acak 2 bola 1 – 1 tanpa
pengemb. Hasil-hasil yang
mungkin?
Hasil-hasil
A
Cara Ekp. yang mungkin
2 … 1 2 … s1
Eksp 2 : ambil acak 1
2 bola 1 – 1 tanpa 3 … 1 3 … s2
pengembalian
1 … 2 1 … s3
2 S
1 2 3 3 … 2 3 … s4
1 … 3 1 … s5
Obyek Eksp 3
2 … 3 2 … s6
S s2 s5
3 cara
2 cara

A s3 S = {s1, s2 , s3 , . . . ,s6 } = Ruang sampel hasil eksperimen

s1 s4
s6 n(S) = = 3 × 2 = 6.
A = peristiwa terambilnya jumlah kedua nomor bola ganjil
= {s1, s3, s4 , s6 }
P(A) = = = .

Hal.: 44
 Peluang Kejadian
3. Pengambilan 1 – 1 Dengan Pengembalian
Ambil acak 2 bola 1-1 dengan Hasil-hasil yang
pengembalian. Hasil-hasil yang II mungkin A
mungkin?
I 1 … 1 1 … s1

1 2 … 1 2 …s
2
Eksp2:ambil acak
3 … 1 3 … s3
2 bola 1-1 dengan
pengemb. 2 S
1 2 3 1 … 3 1 … s7

3 2 … 3 2 …s
8

3 … 3 3 … s9
S s3 s5 s7
3 cara
3 cara
s1 s9
A s4 S = {s1, s2 , s3, ... , s9}
s2 s6
s8 n(S) = nr = 32 = 9

A = peristiwa terambilnya jumlah kedua nomor bola ganjil.

= {s2, s4, s6 , s8 }
P(A) = = .
Hal.: 45
Teorema Bayes
Misalkan B1, B2, … Bn merupakan bagian (partition) dalam sample space S,
dan A adalah event dalam S

B1
A

Bn
B2

B2A BnA
B1  A
A = (B1  A )  (B 2  A )  . . .  (Bn  A )

P(B1  A) =P(B1) x P(A/B1)

P(B2  A) =P(B2) x P(A/B2) TOTAL PELUANG KEJADIAN A
.
. P(A) = P(B1) x P(A/B1) + P(B2) x P(A/B2)
. + . . . + P(Bn ) x P(A/Bn)
P(B  A) =P(B ) x P(A/B )
 Bayes Theorem

Misalkan B1, B2, … Bn merupakan bagian (partition)

dalam sample space , dan A adalah event dalam
sample space

B1
A

Bi
B2

P(BilA) = ???
maka
 PELUANG DIAGRAM POHON DUA
TAHAP
P( A | B1)
B1 A EVENT PROBSBILITAS
)
( B 1
B1 A P (B1) P( A | B1)
P
P (B2) P( A | B2) B2 A P (B2) P( A | B2)
B2 A
P( B3 A P (B3) P( A | B3)
R B
3 ) P (B1), P (B2), P(B3)
P( A | B3)
B3 A Disebut prior probabilities

P(B1|A ), P(B2|A), P(B3|A )

TAHAP I TAHAP II Disebut posterior probabilities

49
 CONTOH
Suatu mata kuliah teori probabilitas  diikuti oleh :
• 50 mahasiswa tahun ke 2,
• 15 mahasiswa tahuun ke 3
• 10 mahasiswa tahun ke 4.
Diketahui mahasiswa yang mendapatkan nilai A
adalah :
• 10 orang dari mahasiswa tahun ke 2,
• 8 orang dari mahasiswa tahun ke 3
• 5 orang mahasiswa tahun ke 4.
Bila seorang mahasiswa dipilih secara
acak ,berapakah peluang dia:
a.  Mendapatkan nilai A
b.  Mahasiswa tahun ke 2 bila diketahui
dia mendapatkan A

a. P (A) =  (50/75 10/50) + (15/75 8/15) + (10/75 5/10)

             =   50/375 + 120/1125 + 10/150
             =   23/75

b. 50 10
𝑃 ( 𝑀 2 ) . 𝑃 ( 𝐴|𝑀 2 ) 75 . 50
𝑃 ( 𝑀 2| 𝐴 )=
                     ¿ =   10/23
𝑝 ( 𝐴) 23
75
Soal 1

Dalam supermarket
terdapat 12 ibu-ibu dan 4 orang
remaja yang sedang
berbelanja.Kemudian dari
mereka dipilih secara
acak 3 orang untuk
mendapatkan 3 undian
berhadiah, dan setiap orang
hanya berhak
memperoleh 1 hadiah.
Berapa Peluangdari kejadian
jika ketiga undian dimenangkan
oleh ibu-ibu ?
Soal 1
Dari 500 karyawan di suatu perusahaan
diketahui 300 berkinerja baik dan 200
berkinerja tidak baik. Jika 50 berkinerja
baik adalah telah mengikuti pelatihan dan
15 dari yang berkinerja tidak baik adalah
telah mengikuti pelatihan.
a. Seorang karyawan akan dipilih secara
acak. Tentukanlah probabilitas
karyawan yang terpilih yang telah
mengikuti pelatihan.
b. Seorang karyawan yang dipilih secara
acak ternyata telah mengikuti
pelatihan. Berapa peluang bahwa dia
berkinerja tidak baik?