PROBABILITA

S
PENGERTIAN
• Angka yang menggambarkan peluang terjadinya
sesuatu
Probabilitas • Nilai Antara nol sampai dengan satu menggambarkan
kemungkinan relative suatu kejadian terjadi

Nilai • Digambarkan dengan decimal atau pecahan

• Nilai P mendekati 1 >>> terjadi
Probabilitas (P) • Nilai P mendekati 0 >>> tidak mungkin terjadi

• Penggunaan teori probabilitas memungkinkan

Fungsi pengambil kebijakan dengan informasi yang terbatas
untuk menganalisa resiko dan meminimalkan perilaku
judi
ISTILAH PROBABILITAS
• Observasi pada kegiatan atau kejadian dan membawa

Eksperimen pada terjadinya satu dan hanya satu-satunya dari

kemungkinan pengamatan
• Pelemparan koin, pembelian computer, pelemparan
dadu

Outcome • Hasil tertentu dari eksperimen

• Hasil kepala/ekor, pengamatan 1, pengamatan 2 dst

Event • Kumpulan dari satu atau lebih hasil eksperimen

• Mengamati jumlah > 4, mengamati jumlah > 3
(Kejadian)
Percobaan/ Pertandingan sepak bola Arema VS Persija di
Eksperimen Stadion GBK, 18 Februari 2018.

Outcome/ Hasil Arema menang

Persija kalah
Seri -- Arema tidak kalah dan
tidak menang

Event/ Peristiwa Arema Menang

PENDEKATAN
PROBABILITAS
Pendekatan
Probabilitas

Obyektif Subyektif

Probabilitas dari
kejadian yang
Klasik Empiris terjadi berdasarkan
informasi yang
tersedia
Probabilitas
Klasik
Beradasarkan asumsi bahwa hasil dari eksperimen
kemungkinan besar sama

Probabilitas jumlah hasil yang

diharapkan peristiwa =
jumlah total kemungkinan
hasil
 Mutually exclusive : munculnya satu kejadian berarti tidak
ada satupun kejadian lainnya yang dapat muncul dalam
waktu bersamaan
 Collectively exhaustive : sedikitnya satu kejadian harus
muncul ketika suatu kejadian dilakukan
(percobaan kartu bridge kartu munculnya kartu hati)
Contoh Probabilitas Klasik
Percobaan Hasil Probabi-
litas
Kegiatan melempar 1. Muncul gambar 2 ½
uang 2. Muncul angka

Kegiatan 1. Menjual saham 2 ½

perdagangan saham 2. Membeli saham

Perubahan harga 1. Inflasi (harga naik) 2 ½

2. Deflasi (harga turun)

Mahasiswa belajar 1. Lulus memuaskan 3 1/3

2. Lulus sangat memuaskan
3. Lulus terpuji
Probabilitas
Empiris
 Probabilitas kejadian yang terjadi merupakan bagian dari kejadian
yang terjadi pada waktu yang sama di masa lampau

Probabilitas = jumlah peristiwa yang terjadi suatu peristiwa

jumlah total percobaan

Contoh.
Pada 50 ujian Statistika, Ahmad mengalami kegagalan pada 2 ujian.
Berapa probabilitas ujian statistika Ahmad yang berhasil di masa depan?
 Probabilitas = jumlah peristiwa yang terjadi suatu peristiwa

jumlah total percobaan

P
(
A
)

4
Probabilitas Subyektif
 Probabilitas dari kejadian yang terjadi ditentukan
berdasarkan informasi apapun yang tersedia

Kemungkinan anda menikah sebelum usia 30 tahun,

kemungkinan pemenang calon gubernur Jawa Timur,
kemungkinan presiden tahun 2019
Basic Rule
Probabilitas
 Aturan Penjumlahan

jika A dan B saling lepas, maka tidak ada peristiwa yang terjadi pada
saat yang sama
P(A atau B) = P(A) + P(B)

Jumlah
Berat Kejadian Kemasan Probabilitas
lessweight A 100 0,025 >> 100/4000
good B 3600 0,9
overweight C 300 0,075
4000
Diagram Venn Saling
Lepas

Kejadian
Kejadian A Kejadian B
C
 Aturan komplemen
P(A) + P(A) = 1
Aturan ini digunakan untuk menentukan sebuah kejadian dengan
mengurangi probabilitas tidak munculnya kejadian tersebut dari 1

A
0,025
P(A atau C) = P(A) + P(C)
= 0,025 + 0,075
= 0,100
P(B) = 1- {P(A)+P(C)}
C = 1- 0,100
0,075 = 0,900
A C
0,900
 Aturan Penjumlahan Umum

Probabilitas gabungan (Joint probability) merupakan probabilitas yang

mengukur dua kemungkinan kejadian atau lebih yang akan terjadi
secara bersamaan
jika A dan B adalah dua kejadian yang bukan merupakan mutually
exclusive maka,
P(A atau B) = P(A) + P(B) – P(A dan B)

A AB B
Bridge Probabilitas Keterangan
Raja P(A) = 4/52 4 raja pada kartu bridge
Hati P(B) = 13/52 13 hati pada kartu bridge
Raja Hati P(A dan B) = 1/52 1 raja hati pada kartu
bridge

Untuk mencari probabibilitas munculnya raja atau hati maka,

P(A atau B) = P(A) + P(B) – P(A dan B)

= 4/52 + 13/52 – 1/52
= 16/52
= 0,3077
 Aturan Perkalian Umum

Saling bebas : Jika kejadian A dan B saling lepas dan tidak

memberikan pengaruh pada probabilitas kejadian yang lain
P(A dan B) = P(A)*P(B)
P(A dan B dan = P(A)*P(B)*P(C)
C)
Probabilitas bersyarat : probabilitas munculnya suatu kejadian, apabila
diketahui kejadian lain sudah terjadi P(BA) dengan asumsi eksperimen
dilakukan tanpa pengembalian
P(A dan B) = P(A)*P(BA)
P(A dan B dan C) = P(A)*P(BA)*P(CA dan B)
Contoh Probabilitas Bersyarat

Seorang siswa memiliki 12 baju Kejadian 1 = warna putih = W1 = 9/12

seragam dengan dua warna Kejadian 2 = warna putih = W2W1 = 8/11
yang berbeda. 9 baju tersebut P( W1 dan W2) = P(W1)*P(W2W1) = (9/12)*(8/11) = 0,55
berwarna putih dan sisanya
berwarna biru. Selama dua hari
berturut-turut dia mengambil
baju tanpa melihat warnanya
dan memasukkan baju yang
telah dipakai kedalam mesin
cuci, berapakah probabilitas
kedua baju yang dipilih adalah
warna putih?
DIAGRAM POHON

Merupakan grafik yang berguna untuk

menyusun perhitungan yang
berlangsung pada beberapa tahapan.
Cabang-cabang dari diagram pohon
diberi bobot menurut probabilitasnya
Keputusan Jual atau Beli Jenis Saham Probabilitas

Probabilitas Bersyarat 1 x 0,6 x 0,35 = 0,21

BCA 0,35
Jual BRI 0,40 1 x 0,6 x 0,40 = 0,24

BNI 0,25 1 x 0,6 x 0,25 = 0,15

0,6
1

BCA 0,35 1 x 0,4 x 0,35 = 0,14

Beli
BRI 0,40 1 x 0,4 x 0,40 = 0,16

BNI 0,25 1 x 0,4 x 0,25 = 0,10

Jumlah Harus = 1.0 0,21+0,24+0,15+0,14

+0,16+0,10 =1,0
TEORI BAYES
 Merupakan probabilitas bersyarat-suatu kejadian
terjadi setelah kejadian lain ada

P(Ai )* P(B | A )
P(Ai | B) i

 P(A1)* P(B | A1)  P(A2)* P(B | A2)

Prior probability P(A1) : probabilitas awal berdasarkan

pada informasi sekarang
Posterior probability P(AiB) : probabilitas yang
diperbaiki karena adanya informasi tambahan
 Contoh Prior probability P(A1)
A1 merupakan mengidap penyakit dan A2 tidak mengidap penyakit
P(A1) = 0,05 maka P(A2) = 1-0,05 = 0,95
Contoh Posterior
Probability
 Di Fakultas Ekonomi, 30% mahasiswa dan 20% mahasiswi memilih jurusan Manajemen.
Diketahui 45% yang kuliah di FE adalah mahasiswi. Jika diambil satu sampel random,
berapakah probabilitas yang memilih jurusan Manajemen adalah mahasiswi ?

A1 = mahasiswa
A2 = mahasiswi
B1 = manajemen
B2 = non
manajemen

Prior Prob Cond. Prob Joint Prob Posterior Prob

Event
P(Ai) P(B1/Ai) P(Ai and P(Ai/B1)
B1)
Mahasiswa (A1) 0,55 0,3 0,165 0,6471
Mahasiswi (A2) 0,45 0,2 0,09 0,3529
P(B1) 0,255 1,00
P(A2/B1) 0,3529
 Contoh Posterior Probability P(A2B)
P(A2B) = P(A2)P(BA2)/P(A1) P(BA1) + P(A2)P(BA2)
= 0,45 * 0,2 / 0,55 * 0,3 + 0,45 * 0,2
= 0,09/0,165 + 0,09
= 0,3529
 Jika kejadian mutually exclusive dan collectively exhaustive

P( Ai ) * P ( B | A )
P( Ai | B)  i

P( A1 ) * P ( B | A1)  P( A 2 ) * P ( B | A 2 )  ...  P( An ) * P ( B /
An )
 Suatu pabrik VCR membeli microship (LS24) dari 3 suplier dengan komposisi : Hall (30%),
Schuller (20%), Crawford (50%). Berdasarkan pengalaman, 3% LS24 dari Hall, 5% dari
Schuller, dan 4% dari Crawford rusak. Jika diambil satu sampel random LS24 dan
ternyata rusak, berapa probabilitas LS24 tersebut berasal dari Schuller ?

A1 = Hall B1 = rusak
A2 = Schuller B2 = baik
A3 = Crawford

Prior Cond. Joint Prob Posterior Prob

Event
Prob Prob
P(Ai) P(B1/Ai) P(Ai and P(Ai/B1)
B1)
Hall (A1) 0.3 0.03 0.009 0.2308
Schuller (A2) 0.2 0.05 0.01 0.2564
Crawford (A3) 0.5 0.04 0.02 0.5128
0.039 1.00
PRINSIP PENGHITUNGAN

• Factorial (berapa banyak cara yang mungkin dalam

mengatur sesuatu dalam kelompok).
Factorial = n!
• Permutasi (sejumlah kemungkinan susunan
jika terdapat satu kelompok objek).
Permutasi nPr = n!/ (n-r)!
• Kombinasi (berapa cara sesuatu diambil dari keseluruhan
objek tanpa memperhatikan urutannya.

Kombinasi nCr = n!/r! (n-r)!

n : jumlah total obyek

r : jumlah obyek yang dipilih
 PT Ananta memiliki delapan mesin pembuat kue tetapi hanya terdapat tiga ruang untuk
menyusun mesin-mesin tersebut.
nPr = n!/(n-r)!
= 8!/(8-3)!
= 336

 Pada pengundian 50 angka, tiga angka dipilih secara acak. Berapakah kombinasi angka yang
mungkin terjadi pada pengundian tersebut.
nCr = n!/r!(n-r)!
= 50!/3!(50-3)!
= 19600