Bab Iv

TEORI PELUANG/PROBABILITA
September 28, 2023 1

Sejarah Teori Peluang
Surat Menyurat
Chevalier de Mere Blaise Pascal
Fenomena Judi
Hygens (1629-1695):
Bernoulli (1654-1705):
Laplace (1749-1827):

Pengertian Probabilita
Ilmu Probabilita merupakan cabang dari ilmu matematik
terapan yang menelaah perilaku faktor untung-untungan.
Kondisi yang menentukan Hasil Probabilita:

1. Kondisi yang diketahui (given condition)
2. Kondisi yang tidak diketahui (unknown condition)

Kemungkinan/peluang
Ada 10 bola putih dan 10 bola merah yang identik
bentuknya dimasukkan ke dalam peti dan diguncang
petinya.
Kondisi yang diketahui:
Terdapat 10 bola merah dan 10 bola putih yang identik
bentuknya
Kondisi yang tidak diketahui:
Kedudukan bola putih dan bola merah yang tidak pasti

Teori Probabilita
Akibat adanya ketidakpastian maka timbul
pengertian tentang peluang atau kemungkinan
(probability or likelihood)
Teori Probabilita:
Cara pengukuran kuantitatif tentang peluang
atau tingkat kepastian tentang terjadinya suatu
peristiwa.

Dasar Perumusan
Probabilita
A. Perumusan klasik
B. Perumusan atas dasar konsep frekuensi relatif
C. Perumusan atas dasar subyektivitas

Perumusan Klasik
Pada kondisi yang diketahui, jika terdapat sejumlah n
kejadian yang mungkin timbul dan jika kejadian
tersebut lengkap terbatas jumlahnya (exhaustive),
saling lepas dan memiliki kesempatan yang sama
untuk timbul, maka jika sejumlah m dari kejadian di
atas merupakan peristiwa E, probabilita peristiwa E
tersebut dapat dirumuskan sebagai suatu rasio m/n,
atau:
P(E) = m/n

Contoh Perumusan Klasik
Pelemparan sebutir dadu:
X = 1, 2, 3, 4, 5, 6
m = peristiwa munculnya mata dadu
n =6
P(E) = m/n = 1/6
P(1) = 1/6 P(2) = 1/6 … P(6) = 1/6
P(1) + P(2) + … + P(6) = 1

Contoh Perumusan Klasik
Sebuah kotak diisi 5 bola hijau, 2 merah dan 8 biru.
Diambil sebuah bola secara random, maka berapa
kemungkinan terambilnya:
1. Bola merah
2. Bola biru
3. Bola hijau
4. Bola merah atau biru
5. Bola hijau atau biru

Perumusan Relatif
Jika m merupakan jumlah perwujudan kejadian yang
khusus, katakanlah peristiwa E dalam serangkaian n
percobaan dalam jumlah tidak terhingga, maka
probabilita peristiwa E merupakan frekuensi relatif m/n
dan dinyatakan sebagai:
lim m n
P E  
n

Contoh Perumusan Relatif
Misalnya dilakukan percobaan dengan melakukan
pelemparan sebutir dadu bersisi enam sebanyak 1000 kali.
X 1 2 3 4 5 6
m/n 166/1000 169 /1000 165 /1000 167 /1000 169 /1000 164 /1000
m/n 1/6 1/6 1/6 1/6 1/6 1/6
Hasil dari tabel di atas memperlihatkan bahwa jika dilakukan

pelemparan semakin banyak akan cenderung memberikan
probabilita timbulnya masing-masing mata dadu X sebesar
1/6.
Perumusan Atas Dasar Subyektivitas
Probabilita yang dirumuskan sebagai pengukuran pribadi
terhadap suatu hipotesis tertentu atau terjadinya suatu
peristiwa tertentu.
Contoh:
Berapakah probabilita Wawan jadi Rektor Unpad?

Ruang Sampel
Sebuah ruang sampel S yang berkenaan dengan suatu
percobaan aktual maupun konseptual merupakan
sebuah himpunan yang memiliki ketentuan:
1. Tiap unsur dari S menyatakan satu hasil percobaan
2. Tiap hasil percobaan harus sesuai dengan satu dan
hanya satu unsur S.

Contoh ruang sampel
Dua buah dadu bersisi enam (X = 1, 2, 3, 4, 5, 6) yang dilempar
sekali, akan memberikan kemungkinan hasil (ruang sampel):
X, Y 1 2 3 4 5 6
1 1,1 1,2 1,3 1,4 1,5 1,6
2 2,1 2,2 2,3 2,4 2,5 2,6
3 3,1 3,2 3,3 3,4 3,5 3,6
4 4,1 4,2 4,3 4,4 4,5 4,6
5 5,1 5,2 5,3 5,4 5,5 5,6
6 6,1 6,2 6,3 6,4 6,5 6,6

Contoh ruang sampel
Seluruh kejadian ruang sampel adalah menganut
permutasi nP*r atau 6P*2 = 62 = 36
Sehingga tiap titik sampel mempunyai peluang sebesar
1/36

Contoh ruang sampel
Probabilita untuk dapat memilih sebuah sampel yang
terdiri dari 3 orang dari sebuah populasi yang terdiri
dari 30 orang ialah sebesar:
1 1
P ( 3 orang )  m / n  
 30  4060
 
3

Peristiwa (Event)
Bila sebuah ruang sampel S telah ditentukan, suatu
peristiwa atau kejadian ialah sebuah sub-himpunan dari S.
Contoh:
Jika S ialah ruang sampel dari percobaan mengenai
pelemparan sekeping uang logam sebanyak 2 kali.
S = { (0,0) (0,1) (1,0) (1,1) }
Dan A adalah peristiwa timbulnya sisi nol adalah:
A = {(0,0) (0,1) (1,0) }
Maka A  S
Asas-Asas Menghitung
Probabilita Peristiwa
Peristiwa yang saling lepas (mutually exclusive)
Dua peristiwa merupakan peristiwa yang saling lepas bila
kedua peristiwa tersebut tidak dapat terjadi pada waktu
yang bersamaan. Atau A  B = 
S
A1 A3
A2

Teorema
Peristiwa yang saling lepas
P (A  B) = P(A) + P(B)
di mana AB=
dan P(A  B ) = P( ) = 0
Contoh:
A = peristiwa timbulnya mata dadu 1
B = peristiwa timbulnya mata dadu 5
Peluang munculnya mata dadu 1 atau 5 pada
pelemparan sebuah dadu adalah:
P (A  B) = P(A) + P(B) = 1/6 + 1/6 = 1/3

Teorema
Peristiwa yang saling lepas
Bila terdapat beberapa peristiwa yang saling lepas A1, A2,..
Am dalam sebuah ruang sampel, maka:
P (A1  A2 …  Am) = P(A1) + P(A2) + …+P(Am)

Asas-Asas Menghitung
Probabilita Peristiwa
Peristiwa yang tidak saling lepas (Inclusive)
Dua peristiwa dikatakan tidak saling lepas bila kedua
peristiwa tersebut tidak usah terpisah (disjoint)
S
A AB B
P(A  B) = P(A) + P(B) – P(A  B)

Teorema Peristiwa
yang tidak saling lepas
A
AC AB
ABC
C BC B
September 28, 2023 By Wawan Hermawan - FE UNPAD 22

Contoh:
Dalam sebuah populasi yang terdiri dari pembaca
majalah, persentasi pembaca majalah A, B dan C
serta kombinasinya adalah sebagai berikut:
A = 9,8% A dan B = 5,1%
B = 22,9% A dan C = 3,7%
C = 12,1% B dan C = 6,0%
A dan B dan C = 2,4%

Contoh:
Persentasi populasi yang ternyata membaca paling sedikit satu dari
tiga majalah tersebut adalah:
P(A) + P(B) + P(C) – P(A  B) – P(A  C) – P(B  C) + P(A  B  C)
= 9,8% + 22,9% + 12,1% - 5,1% - 3,7% - 6% + 2,4%
=32,4% Probabilitinya adalah 0,324
Probabilita seseorang yang dipilih secara random dari populasi

tersebut ialah pembaca majalah A atau B adalah:
P(A  B) = P(A) + P(B) – P(A  B)
= 9,8% + 22,9% - 5,1%
= 27,6% Probabilitinya adalah 0,276

Partisi (Partition)
Bila peristiwa A1, A2,…, Am saling lepas dan lengkap
terbatas, sehingga A1  A2  …  Am = S, maka
sejumlah peristiwa di atas akan membentuk partisi
ruang sampel S ke dalam m sub-himpunan.
A1 A4
A3
A2 A5

Peristiwa yang Independen
Dua peristiwa dikatakan independen bila dan hanya bila
terjadi atau tidak terjadinya peristiwa pertama tidak
mempengaruhi terjadi atau tidak terjadinya peristiwa
kedua.
Peristiwa yang saling lepas tidak sama dengan peristiwa
independen.

Peristiwa yang Independen
Bila A dan B merupakan peristiwa yang memiliki
probabilita lebih besar dari nol dan bila A tidak
tergantung pada B dan B tidak tergantung pada A,
maka kedua peristiwa di atas dikatakan peristiwa yang
independen bila dan hanya bila,
P(A  B) = P(A) * P(B)
Bila kedua peristiwa A dan B tidak memenuhi
ketentuan di atas, maka peristiwa tersebut
dikatakan peristiwa yang dependen.
Contoh
Dua buah dadu bersisi enam (X = 1, 2, 3, 4, 5, 6) yang dilempar
sekali, akan memberikan kemungkinan hasil (ruang sampel):
X, Y 1 2 3 4 5 6
1 1,1 1,2 1,3 1,4 1,5 1,6
2 2,1 2,2 2,3 2,4 2,5 2,6
3 3,1 3,2 3,3 3,4 3,5 3,6
4 4,1 4,2 4,3 4,4 4,5 4,6
5 5,1 5,2 5,3 5,4 5,5 5,6
6 6,1 6,2 6,3 6,4 6,5 6,6
Berapa probabilita dadu pertama (X) menghasilkan mata dadu X  3

dan dadu kedua (Y) menghasilkan Y  5
Contoh:
probabilita dadu pertama (X) menghasilkan mata dadu X  3 adalah
X, Y 1 2 3 4 5 6
1 1,1 1,2 1,3 1,4 1,5 1,6 P(A) =
2 2,1 2,2 2,3 2,4 2,5 2,6 18/36=1/2
3 3,1 3,2 3,3 3,4 3,5 3,6
probabilita dadu kedua (Y) menghasilkan mata dadu Y  5 adalah

X, Y 1 2 3 4 5 6
1 1,1 1,2 1,3 1,4 1,5 1,6
2 2,1 2,2 2,3 2,4 2,5 2,6
3 3,1 3,2 3,3 3,4 3,5 3,6
P(B) =
4 4,1 4,2 4,3 4,4 4,5 4,6 12/36=1/3
5 5,1 5,2 5,3 5,4 5,5 5,6
6 6,1 6,2 6,3 6,4 6,5 6,6
Contoh
P (A  B) = P(A)*P(B) = 1/2 * 1/3 =1/6 = 6/36
X, Y 1 2 3 4 5 6
1 1,1 1,2 1,3 1,4 1,5 1,6
2 2,1 2,2 2,3 2,4 2,5 2,6
3 3,1 3,2 3,3 3,4 3,5 3,6
4 4,1 4,2 4,3 4,4 4,5 4,6
5 5,1 5,2 5,3 5,4 5,5 5,6
6 6,1 6,2 6,3 6,4 6,5 6,6

Probabilita Dependen/Bersyarat (conditional
Probability)
Probabilita bersyarat dari peristiwa B dengan ketentuan
(syarat) peristiwa A, menjadi:
P (A  B) = P(A)*P(B|A)
Probabilita bersyarat dari peristiwa A dengan ketentuan

(syarat) peristiwa B, menjadi:
P (B  A) = P(B)*P(A|B)

Contoh:
Berapa probabilita peristiwa keluar mata dadu untuk dadu pertama
(X) menghasilkan X = 1 (A) dengan syarat jumlah mata dadu
pertama dan dadu kedua X + Y < 4 (B)
X=1: 1,1 1,2 1,3 1,4 1,5 1,6
X+Y<4: 1,1 1,2 2,1
P (B  A) = P(B)*P(A|B) = 3/36 * 2/3 = 2/36

Compound Probability
Probabilita Berganda
Merupakan peluang peristiwa dari serangkaian
percobaan ganda.
P (A  B) = P(A)*P(B|A)
Atau,
P (B  A) = P(B)*P(A|B)
Maka,
P (A  B)= P(A)*P(B|A) = P(B)*P(A|B)

Contoh Compound Probability
Peti A berisi 3 bola hijau dan 5 bola merah. Peti B berisi
2 bola hijau, 1 bola merah dan 2 bola kuning. Bila kita
memilih sebuah peti secara random dan kemudian
memilih satu bola dari dalamnya secara random pula,
berapakah probabilita kita akan mendapatkan bola
hijau?
A: 3H 5M
B: 2H 1M 2K

H =3/16
A = 1/2 3/8
5/8
M =5/16
B = 1/2 2/5
H =2/10
1/5
M =1/10
2/5
K =1/5

Peristiwa bola H terpilih dapat terjadi dalam 2 cara saling
lepas yaitu pertama, memilih peti A dan mengambil bola
H, kedua memilih peti B dan mengambil bola hijau.
Peristiwa bola H terpilih merupakan gabungan dari kedua
peristiwa saling lepas tersebut
P(H A) = 3/8 x ½ =3/16
P(H B) = 2/5 x ½ = 2/10
P(H)= p(HA)  p(H B) = 3/16 + 2/10 = 31/80

Atau,
P(A  H)= P(A) P(H|A) = ½ x 3/8 = 3/16
P(B  H)= P(B) P(H|B) = ½ x 2/5 = 2/10
P(H)= p(AH)  p(B H) = 3/16 + 2/10 = 31/80

TEOREMA BAYES
Mempunyai peranan penting dalam penggunaan
probabilita bersyarat dan menghitung probabilita
subyektif
Dengan rumus: n
P  A    P  A j  .P  A | A j 
j 1
P  AK  .P  A | AK 
P  AK | A  
P  A1  .P  A | A1   P  A2  .P  A | A2   ...  P  An  .P  A | An 

Contoh TEOREMA BAYES
Masyarakat urban mempunyai komposisi penghasilan:
30% penghasilan <120.000 per bulan
25% penghasilan 121.000 – 500.000 per bulan
25% penghasilan 501.000 – 2.500.000 per bulan
20% penghasilan > 2.500.000 per bulan
Kemudian dari tiap kelompok penghasilan diberi
kuesioner, dengan komposisi:
50% dari penghasilan <120.000 per bulan
30% dari penghasilan 121.000 – 500.000 per bulan
10% dari penghasilan 501.000 – 2.500.000 per bulan
2% dari penghasilan > 2.500.000 per bulan
Contoh TEOREMA BAYES
Andaikata kita memilih salah satu keluarga di atas
secara acak, berapakah probabilita keluarga tersebut
sudah menerima kuesioner?
Jika keluarga terpilih itu adalah A, maka:
P(A) = P(A1)P(A|A1)+ … + P(A4)P(A|A4)
P(A) = 0,3x0,5 + 0,25x0,3 + … + 0,2x0,02
= 0,254

Contoh 2
Sebuah pabrik menggunakan 4 buah mesin (A1, A2, A3
dan A4) untuk menghasilkan suatu macam barang.
Hasilnya pada akhir bulan adalah: dari mesin 1 =100
buah, mesin 2 = 120 buah, mesin 3 = 180 buah dan
mesin 4 = 200 buah. Mesin 1 dan 2 masing-masing
mempunyai probabilita menghasilkan barang rusak
sebesar 5% sedangkan mesin 3 dan 4 masing-masing
1%. Jika dari 600 buah barang tersebut diambil 1 secara
random ternyata rusak, berapakah probabilita bahwa
barang tersebut berasal dari mesin A4?

Contoh 2
P(A1) = 100/600 P(R|A1) = 0,05
P(A2) = 120/600 P(R|A2) = 0,05
P(A3) = 180/600 P(R|A3) = 0,01
P(A4) = 200/600 P(R|A4) = 0,01
P  A4  .P  R | A4 
P  A4 | R  
P  A1  .P  R | A1   P  A2  .P  R | A2   ...  P  A4  .P  R | A4 

 200
600  0, 01
100 600 0, 05  120 600 0, 05  180 600 0, 01  200 600 0, 01
 0,135

Ekspektasi Matematis
Jika peluang untuk memperoleh jumlah-jumlah d1, d2,
… dn masing-masing adalah p1, p2, … pn, dengan pi=1,
maka ekspektasinya (E) ditentukan oleh rumus:
n
E   pi d i
i 1

Contoh
Dalam permainan dadu, pada tiap undian kita
membayar kepada bandar sebesar US$ 10 yang ditarik
oleh bandar. Dalam undian itu, jika nampak mata enam
kita mendapat US$ 30 dan US$ 15 untuk mata tiga,
sedangkan untuk mata-mata lainnya kita kalah. Dalam
hal ini ditinjau dari pihak kita sebagai pemasang,
berturut-turut untuk mata-mata 1, 2, 3, 4, 5, 6 kita
mendapat:
(-10) (-10) ) (+5) (-10) (-10) (+20)

Contoh:
Peluang memperoleh jumlah-jumlah tersebut masing-
masing 1/6:
E = 1/6(-10) + 1/6 (-10) + 1/6(+5) + 1/6(-10) + 1/6(-10) + 1/6(+20)
= - 2.5
Pukul rata kita kalah US$ 2.5 untuk tiap permainan

QUIZ 15 MENIT A
Dari sejumlah barang yang terdiri dari 260 buah,
terdapat 44 yang retak dan 99 buah yang bolong.
Jika soal retak dan bolong yang terjadi pada barang
itu bersifat bebas, maka:
a. Berapa buah di antara 260 itu yang akan retak dan
bolong?
b. Berapa buah yang akan cacat?

QUIZ 15 MENIT B
Di suatu pabrik sepatu, bagian-bagian atas, telapak dan tumit
diproduksi secara terpisah, dan secara acak dari bagian-bagian itu
dibuat sebuah sepatu. Dari produksi bagian sepatu itu, ternyata
5% bagian atas, 4% bagian telapak dan satu persen bagian tumit
ada cacatnya. Berapa % pasang sepatu yang baik dapat
dihasilkan?
Menurut suatu daftar kematian, peluang seseorang yang berumur
25 tahun akan hidup setahun lagi adalah 0,992. Suatu perusahaan
asuransi jiwa menjual polis kepada orang-orang demikian dengan
dengan premi Rp 1.000,00. Uang penggantiannya adalah Rp
100.000,00. Berapakah keuntungan yang diharapkan oleh
pengusaha untuk tiap lembar polis yang terjual?

Jawaban Quiz A
Retak (R), P(R)= 44/260
Bolong (B), P(B) = 99/260
a. P(RB) = P(R)*P(B) = (44/260)*(99/260) = 0,0644
Jadi ada 0,0644 x 260 = 17 buah
Cacat berarti : retak, bolong, retak dan bolong
b. P(RB) = P(R) + P(B) – P(R B)
= 44/260 + 99/260 - (44/260)*(99/260) = 0,4856
= Jadi ada 0,4856 x 260 = 127 buah

Jawaban Quiz B
1. A = bagian atas baik, maka P(A) = 1 – 0,05 = 0,95
B = bagian telapak baik, maka P(B) = 1 – 0,04 = 0,96
C = bagian tumit baik, maka P(C) = 1 – 0,01 = 0,99
Sepatu baik berarti ketiga bagiannya baik, maka:
P(ABC) = P(A)*P(B)*P(C)=0,95*0,96*0,99 = 0,9841 = 98,41%
2. P(hidup setahun lagi) = 0,992 dan
P(mati pada salah satu hari dari selama setahun itu)=0,008
E(pengusaha) =[ P(hidup) x premi] + P[(mati) x premi dikurangi

penggantian)]
= [0,992 x 1000] + [0,008 x (-99000)] = 200
Keuntungan diharapkan dari tiap lembar polis Rp 200.

Bab Iv

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bab Iv

Diunggah oleh

Hak Cipta:

Format Tersedia

TEORI PELUANG/PROBABILITA

September 28, 2023 1

September 28, 2023 2

Kondisi yang menentukan Hasil Probabilita:

September 28, 2023 3

September 28, 2023 4

September 28, 2023 5

September 28, 2023 6

September 28, 2023 7

September 28, 2023 8

September 28, 2023 9

September 28, 2023 10

m/n 1/6 1/6 1/6 1/6 1/6 1/6

Hasil dari tabel di atas memperlihatkan bahwa jika dilakukan

September 28, 2023 12

September 28, 2023 13

September 28, 2023 14

September 28, 2023 15

September 28, 2023 16

September 28, 2023 18

September 28, 2023 19

Bila terdapat beberapa peristiwa yang saling lepas A1, A2,..

Am dalam sebuah ruang sampel, maka:

P (A1  A2 …  Am) = P(A1) + P(A2) + …+P(Am)

September 28, 2023 20

P(A  B) = P(A) + P(B) – P(A  B)

September 28, 2023 21

September 28, 2023 By Wawan Hermawan - FE UNPAD 22

September 28, 2023 23

Probabilita seseorang yang dipilih secara random dari populasi

September 28, 2023 24

September 28, 2023 25

September 28, 2023 26

Berapa probabilita dadu pertama (X) menghasilkan mata dadu X  3

probabilita dadu kedua (Y) menghasilkan mata dadu Y  5 adalah

September 28, 2023 30

Probabilita bersyarat dari peristiwa A dengan ketentuan

September 28, 2023 31

X=1: 1,1 1,2 1,3 1,4 1,5 1,6

X+Y<4: 1,1 1,2 2,1

P (B  A) = P(B)*P(A|B) = 3/36 * 2/3 = 2/36

September 28, 2023 32

September 28, 2023 33

September 28, 2023 34

September 28, 2023 35

September 28, 2023 36

September 28, 2023 37

September 28, 2023 38

September 28, 2023 40

September 28, 2023 41

September 28, 2023 42

September 28, 2023 By Wawan Hermawan - FE UNPAD 43

September 28, 2023 44

Pukul rata kita kalah US$ 2.5 untuk tiap permainan

September 28, 2023 By Wawan Hermawan - FE UNPAD 45

September 28, 2023 46

September 28, 2023 47

September 28, 2023 48

E(pengusaha) =[ P(hidup) x premi] + P[(mati) x premi dikurangi

September 28, 2023 49

Anda mungkin juga menyukai

P (B  A) = P(B)P(A|B) = 3/36 2/3 = 2/36