III.

TEORI PROBABILITAS

A. Pengertian Probabilitas
Probabilitas  suatu ukuran tentang kemungkinan
suatu peristiwa (event) akan terjadi, atau
Rasio antara jumlah kemungkinan hasil
(peristiwa) dengan total kemungkinan
hasil.
Jika jumlah peristiwa terjadi disimbolkan dengan m,
sedangkan total kemungkinan hasil disimbolkan dengan n,
dan sejumlah m dari peristiwa di atas merupakan peristiwa
E, makam probabilitas peristiwa E dapat dirumuskan:
p (E) 
n
Contoh: Berapa probabilitas terpilihnya kartu AS dari
kartu bridge yang terdiri dari 52 kartu?
Jawab:
Diketahui: n = 52 ; m = 4
m
p (AS) 
n
4

52
1

13
 0,0769  7,69%

Jadi probabilitas terpilihnya kartu AS sebesar 0,0769

B. Percobaan, Hasil, dan Peristiwa
Percobaan  pengamatan terhadap beberapa aktivitas atau proses yang
memungkinkan timbulnya paling sedikit 2 peristiwa tanpa
memperhatikan peristiwa mana yang akan terjadi.
Hasil  suatu hasil dari sebuah percobaan atau kejadian dasar (titik
sampel), sedangkan ruang sampel merupakan himpunan
hasil percobaan yang mewakili semua kemungkinan hasil dari
percobaan tersebut.
Peristiwa  kumpulan dari satu atau lebih hasil yang terjadi pada
sebuah percobaan.
Contoh Penggunaan definisi di atas:
Percobaan : Pelantunan 2 uang logam secara bersamaan.
Hasil : dicatat apakah muncul Kepala (K) atau Ekor (E).
Ruang Sampel : {KK, KE, EK, EE}
Peristiwa : A semua ekor {EE}
B ada satu ekor
{EE, EK }
C. Pendekatan Probabilitas
Pendekatan Klasik  setiap peristiwa mempunyai kesempatan
yang sama untuk terjadi.

Jumlah kemungkinan hasil

Rumus: Probabilit as suatu peristiwa 
Jumlah Total Kemungkinan hasil

Pendekatan Relatif  probabilitas suatu kejadian tidak

dianggap sama, tergantung dari berapa
banyak suatu kejadian terjadi.
Jumlah peristiwa yang terjadi
Probabilit as kejadian reltif 
Rumus: Jumlah tot al percobaan/kegiatan

Pendekatan Subjektif  Probabilitas suatu kejadian

didasarkan pada penilaian pribadi
yang dinyatakan dalam suatu derajat
kepercayaan.
Contoh:
Jika diadakan percobaan pelantunan 2 buah dadu yaitu
dadu merah dan dadu putih, dadu merah disimbolkan
dengan X dan dadu putih disimbolkan dengan Y, dengan
demikian akan membentuk pasangan yang teratur yaitu
(X,Y).
Ditanyakan:
1. Berapa banyak titik sampel yang mungkin terjadi dari
percobaan tersebut, dan nyatakan titik-titik sampel itu!
2. Carilah probabilitas terwujudnya tiap titik sampel yang
terdapat dalam ruang sampel.
3. Carilah probabilitas terwujudnya titik sampel X = Y
4. Carilah probabilitas terwujudnya titik sampel Y  X + 3
5. Carilah probabilitas terwujudnya titik sampel X + Y = 10
Jawab:
1. Ada 36 titik sampel, yaitu:
Y
X 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

2. Probabilitas terwujudnya tiap titik sampel (TTS)

diketahui: n = 36
m
p (TTS)  m = 1 (tiap titik sampel)
n
1

36
 0,0278  2,78%
3. Probabilitas terwujudnya titik sampel X = Y
diketahui: n = 36
m = 6
m
p (X  Y) 
n
6 1
 
36 6
 0,1667  16,67%

4. Probabilitas terwujudnya titik sampel Y  X + 3

diketahui: n = 36
m = 6

m
p (Y  X  3) 
n
6 1
 
36 6
 0,1667  16,67%
5. Probabilitas terwujudnya titik sampel X + Y = 10
diketahui: n = 36
m = 3

m
p (X  Y  10) 
n
3

36
1

12
 0,0833  8,33%
D. Azas-azas Perhitungan Probabilitas
1. Peristiwa saling lepas (Mutually Exclusive)
Peristiwa saling lepas terjadi apabila hanya satu dari dua atau lebih
peristiwa yang dapat terjadi. Himpunan A dan B saling lepas bila
kedua himpunan itu tidak mempunyai unsur yang sama (A  B = ),
sehingga:
p (A  B)  p (A)  p (B)
diagram vennya:

U
A B

Contoh: Bila sebutir dadu dilantunkan sekali, berapakah

probabilitas terwujudnya mata dadu 1 atau mata dadu 6?
Jawab:
Jika dimisalkan: A = terwujudnya mata dadu 1
B = terwujudnya mata dadu 6, maka

p (A  B)  p (A)  p (B)
1 1
 
6 6
2 1
 
6 3
 0,3333  33,33%

Bila terdapat beberapa peristiwa yang saling lepas, misalnya:

A1, A2, A3, …, Am, maka:

p (A 1  A 2  A 3 ...  A m )  p (A 1 )  p (A 2 )  p (A 3 )  ...  p (A m )
2.Peristiwa tidak saling lepas (joint event)
Peristiwa tidak saling lepas terjadi apabila peristiwa-peristiwa
tersebut tidak terpisah. Peristiwa A dan B tidak saling lepas bila
kedua peristiwa tersebut terjadi bersama-sama, sehingga:
p (A  B)  p(A)  p (B)  p (A  B)
diagram vennya:

U
A B

A B

Peristiwa yang tidak saling lepas lebih dari 2 peristiwa misalnya A, B,

dan C, maka:
p (A  B  C)  p (A)  p(B)  p (C)  p(A  B)  p(A  C) 
p(B  C)  p (A  B  C)
Jika empat peristiwa misalnya A, B, C, dan D, maka:

p (A  B  C  D)  p (A)  p (B)  p (C)  p (D)  p (A  B) 

p (A  C)  p (A  D)  p (B  C)  p (B  D) 
p (C  D)  p (A  B  C)  p (A  B  D) 
p (A  C  D)  p (B  C  D)  p (A  B  C  D)

Contoh: Probabilitas seorang mahasiswa dia akan lulus ujian

statistika 2/3 , lulus ujian matematik 4/9 , lulus paling
sedikit satu mata kuliah 4/5 .
Ditanyakan hitunglah probabilitas bahwa mahasiswa tersebut akan
lulus di kedua mata kuliah itu?
Jawab:
Jika dimisalkan: prob. lulus statistik: p(A) = 2/3
prob. lulus matematik: p(B) = 4/9
prob. Lls plng sdkt 1 mk: p(A  B ) = 4/5
p(A  B ) =………..?
p (A  B)  p(A)  p (B)  p (A  B)
4 2 4
   p (A  B)
5 3 9
2 4 4
p (A  B)   
3 9 5
30 20 36
  
45 45 45
50 36
 
45 45
14

45
 0,3111  31,11%
3.Peristiwa Bebas (Independent event)
Peristiwa bebas  terjadinya suatu peristiwa tidak mempengaruhi
probabilitas terjadinya peristiwa yang lain. Probabilitas peristiwa A
dan B yang independent dinyatakan sebagai berikut:
p (A  B)  p(A) x p (B)
Contoh: Sebuah tas yang berisi 5 buah bola lampu putih dan 3 buah
bola lampu merah. Sebuah bola diambil dari tas tersebut
kemudian dimasukkan kembali, lalu diambil bola yang
lainnya. Ditanyakan carilah probabilitas bahwa kedua
pengambilan tersebut menghasilkan bola lampu berwarna
putih semuanya.
Jawab:
Misalkan: A = Peristiwa pengambilan bola lampu I yang
mendapatkan bola lampu warna putih.
B = Peristiwa pengambilan bola lampu II yang juga akan
mendapatkan bola lampu berwarna putih.
 maka:

p (A  B)  p (A) x p (B)
5 5
 x
8 8
25

64
 0,3906  39,06%

4.Peristiwa Tidak Bebas (dependent event)

Jika hubungan antara peristiwa A dan B sedemikian rupa, sehingga
kejadian pada B tergantung pada kejadian A, maka A dan B disebut
peristiwa dependent dan dapat dirumuskan:

p(A  B)  p(A) x p(B A)

Contoh: Dari contoh nomor 3 di atas mengambilan bola lampu
pertama tidak dimasukkan kembali ke dalam tas pada saat
pengambilan bola lampu yang kedua. Ditanyakan carilah
probabilitas bahwa kedua bola lampu dari dua kali
pengambilan itu berwarna putih.
Jawab:
5
Diketahui: p (A) 
8
4
p(B A) 
7
p (A  B)  p (A) x p (B A)
5 4
 x
8 7
20

56
5

14
 0,3571  35,71%
5.Probabilitas Bersyarat
Probabilitas bersyarat  probabilitas suatu peristiwa akan
terjadi, dengan ketentuan peristiwa lain telah terjadi.
Probabilitas peristiwa B akan terjadi tergantung dari peristiwa A
disebut probabilitas bersyarat.
Probabilitas bersyarat dari B dengan syarat bahwa peristiwa A telah
terjadi dapat dirumuskan:

p (A  B)
p (B A) 
p (A)

Probabilitas bersyarat dari A dengan syarat bahwa peristiwa B telah

terjadi dapat dirumuskan:

p (B  A)
p (A B) 
p (B)
Contoh: Kejadian A menyatakan hujan pada suatu hari tertentu dan
B menyatakan suatu hari yang mendung. Misalkan 10%
dari semua hari adalah hujan dan mendung dan 30% dari
semua hari adalah mendung. Ditanyakan berapakah
probabilitas bahwa hari yang mendung itu akan turun
hujan.
Jawab:
Diketahui: p (A  B)  0,10
p (B)  0,30

p (B  A)
p (A B) 
p(B)
0,10

0,30
1

3
 0,3333  33,33%
E. Kaidah Bayes
Kaidah Bayes (Bayes Rule)  pengembangan lebih lanjut dari
konsep probabilitas bersyarat.
Suatu partisi (sekatan) dari suatu himpunan A yaitu:
(A1, A,2, …, An)  Aj dan setiap peristiwa Aj bersifat mutually exclusive
serta p(Aj)  0, maka probabilitas terjadinya peristiwa A adalah:
p (A)  p(A 1 ) . p (A A 1 )  p (A 2 ) . p (A A 2 )  ...  p (A n ) . p (A A n ) atau
p (A)   p(A j ) . p (A A j )..............................Kaidah Bayes I

Sedangkan jika kita mempunyai peristiwa lain misalnya Ak yang

merupakan sekatan tertentu dari Aj dimana 1  k  n dan p(Ak)  0,
maka probabilitas terjadinya peristiwa A dari setiap sekatan Ak tertentu:
p(A k ). p(A A k )
p(A k A)  atau
p(A 1 ) . p(A A 1 )  p(A 2 ) . p(A A 2 )  ...  p(A n ) . p(A A n )
p(A k ). p(A A k )
p(A k A)  ..............................Kaidah Bayes II
 p(A ) . p(A A )
j j
Contoh: Sebuah perusahaan yang mengoperasikan 3 unit mesin, dan
masing-masing mesin menghasilkan 50%, 30%, dan 20% dari
seluruh produk yang dihasilkan oleh perusahaan tersebut.
Persentase produk yang rusak dari mesin I adalah 3%, masin
II 4%, dan mesin III 5%. Jika sebuah produk diambil secara
acak, ditanyakan:
1. Berapa probabilitas bahwa produk tersebut adalah rusak.
2. Berapa probabilitas bahwa produk yang rusak itu
dihasilkan oleh mesin I.
Jawab:
Misalkan: A = produk yang rusak
A1, A2, A3 = jenis mesin
p(Aj) = probabilitas produk yang dihasilkan mesin ke-j
p(AAj) = probabilitas produk rusak yang berasal dari mesin
ke-j
1. Probabilitas bahwa produk tersebut adalah rusak:

p (A)   p (A j ) . p (A A j )
p (A)  p (A 1 ) . p (A A 1 )  p (A 2 ) . p (A A 2 )  p (A 3 ) . p (A A 3 )
 (0,50)(0,0 3)  (0,30)(0,0 4)  (0,20)(0,0 5)
 0,015  0,012  0,010
 0,037  3,7%

2. probabilitas bahwa produk yang rusak itu dihasilkan oleh mesin I:

p (A k ). p (A A k )
p (A k A ) 
 p(A j ) . p (A A j )
p (A 1 ). p (A A 1 )
p (A 1 A) 
p (A 1 ) . p (A A 1 )  p (A 2 ) . p (A A 2 )  p (A 3 ) . p (A A 3 )
(0,50)(0,0 3)

(0,50)(0,0 3)  (0,30)(0,0 4)  (0,20)(0,0 5)
0,015 15
 
0,037 37
 0,4054  40,54%
F. Harapan Matematis
Harapan matematis  harapan untuk memperoleh sejumlah nilai
tertentu berkenaan probabilitasnya.
Jika peristiwa A1, A2, …, An  peristiwa-peristiwa yang independent,
sedangkan p1, p2, …, pn  probabilitas terjadinya masing-masing
peristiwa di atas.
Andaikan seorang memperoleh keuntungan sejumlah:
u1 bila A1 terjadi,
u2 bila A2 terjadi, dan
un bila An terjadi
maka harapan matematis orang tersebut untuk memperoleh
keuntungan dapat dirumuskan:
E(u)  u 1 p1  u 2 p 2  ...  u n p n
atau
E(u)   u i pi
 Contoh: Dari sebuah tabel mortalitas (mortality table) diketahui
bahwa probabilitas seorang berusia 25 tahun dapat hidup
selama setahun sebesar 0,992. Bila sebuah perusahaan
asuransi menjual sebuah polis sebesar Rp. 100 juta pada
seseorang yang berusai 25 tahun untuk jangka waktu setahun
lamanya dengan premi sebesar Rp. 1 juta. Berapa keuntungan
yang diharapkan secara matematis dari perusahaan asuransi
yang bersangkutan?
Jawab:
Ada 2 peristiwa yang terjadi yaitu: peristiwa tidak meninggal, dan peristiwa
meninggal selama setahun.
- peristiwa tidak meninggal: u1 = 1.000.000 dan p1 = 0,992
- peristiwa meninggal: u2 = 99.000.000 dan p2 = 0,008
A(u)  u 1 p1  u 2 p 2
 1.000.000 (0,992)  (99.000.000)(0,008)
 992.000  792.000
 200.000