Probabilitas

Zainal Fikri
Pengantar
Banyak kejadian dalam kehidupan sehari-hari yang sulit diketahui
dengan pasti, terutama kejadian yang akan datang.
Meskipun kejadian-kejadian tersebut tidak pasti, tetapi kita bisa
melihat fakta-fakta yang ada untuk menuju derajat kepastian atau
derajat keyakinan bahwa sesuatu akan terjadi.
Derajat / tingkat kepastian atau keyakinan dari munculnya hasil
percobaan statistik disebut Probabilitas (Peluang), yang
dinyatakan dengan P.
Konsep dan Definisi Dasar
Eksperimen/percobaan probabilitas adalah segala kegiatan
dimana suatu hasil (outcome) diperoleh.
Ruang sampel adalah himpunan seluruh kemungkinan outcome
dari suatu eksperimen/percobaan. Biasanya dinyatakan dengan S.
Banyaknya outcome dinyatakan dengan n(S).
Peristiwa/kejadian adalah himpunan bagian dari outcome dalam
suatu ruang sampel.
Konsep dan Definisi Dasar
Contoh :
Dilakukan eksperimen, yaitu diperiksa 3 buah sikring pada
spektrofotometer satu persatu secara berurutan dan mencatat kondisi
sikring tersebut dengan memberi notasi B untuk sikring yang baik dan R
untuk sikring yang rusak.
Maka ruang sampel pada eksperimen probabilitas pemeriksaan tersebut
adalah S = {BBB, BBR, BRB, RBB, BRR, RBR, RRB, RRR}. Jumlah
outcome dalam ruang sampel S adalah n(S) = 23 = 8.
Jika A menyatakan peristiwa diperoleh satu sikring yang rusak, maka A =
{BBR, BRB, RBB}. Jumlah outcome dalam ruang peristiwa adalah n(A) =
3.
Pendekatan Klasik
• Disebut juga pendekatan apriori atau probabilitas teoritis karena
besarnya peluang suatu kejadian dapat ditentukan berdasarkan
logika atau teori sebelum peristiwanya terjadi.
• Misalnya : jenis kelamin suatu kelahiran dan pelemparan mata
uang.
• Pendekatan klasik tidak dapat diperlakukan pada semua peristiwa,
misal :
Pendekatan Klasik
1. Keadaan yg tidak dapat ditentukan peluang sebelum
peristiwanya terjadi. Misalnya, besarnya peluang untuk dapat
hidup s.d 85 th.
2. Hal-hal yg terjadi diluar dugaan, seperti posisi koin miring saat
pelemparan koin
Contoh
Kelahiran bayi laki-laki mempunyai peluang yang sama dengan
kelahiran bayi perempuan
P(laki-laki) = 1/(1+1) = 0,5
Pendekatan Klasik
• Bila kejadian A terjadi dalam m cara dari seluruh n cara yang
mungkin terjadi dan masing-masing n cara itu mempunyai
kesempatan yang sama untuk muncul, maka probabilitas kejadian
A, ditulis P(A), dapat dituliskan :
atau
n(A) m
P(A)  
n(S) n
Kejadian (A)
P(A) 
Total Jumlah A dapat terjadi (S)
Sifat-sifat probabilitas kejadian A :
• 0  P(A)  1 , artinya nilai probabilitas kejadian A selalu terletak
antara 0 dan 1
• P(A) = 0, artinya dalam hal kejadian A tidak terjadi (himpunan
kosong), maka probabilitas kejadian A adalah 0. Dapat dikatakan
bahwa kejadian A mustahil untuk terjadi.
• P(A) = 1, artinya dalam hal kejadian A, maka probabilitas
kejadian A adalah 1. Dapat dikatakan bahwa kejadian A pasti
terjadi.
 Contoh : [1]
 Sebuah koin dilemparkan dua kali. Berapakah probabilitas bahwa paling sedikit muncul
satu Muka?
Jawab :
 Misal M = Muka , B = Belakang
 Ruang sampel untuk percobaan ini adalah S = {MM, MB, BM, BB}
 Kejadian A = muncul paling sedikit satu Muka adalah A = {MM, MB, BM}
Jadi,
 Probabilitas bahwa paling sedikit muncul satu Muka adalah
n(A) 3
P(A)  
n(S) 4
 Contoh : [2]
• Suatu campuran kembang gula berisi 6 mint, 4 coffee, dan 3 coklat. Bila seseorang
membuat suatu pemilihan acak dari salah satu kembang gula ini, carilah probabilitas
untuk mendapatkan : (a) mint, dan (b) coffee atau coklat.
Jawab :
• Misal, M = mint , C = coffee , T = coklat
(a). Probabilitas mendapatkan mint =
n(A) 6
P(A)  
n(S) 13
(b). Probabilitas mendapatkan coffee atau coklat =

n(C  T) n(C)  n(T)  n(C  T) 4  3  0 7

P(C  T)    
n(S) n(S) 13 13
Contoh : [3]
• Dalam wabah keracunan makanan, terdapat 99 kasus penyakit
diantara 158 orang yang mengunjungi jamuan pesta makan.
Probabilitas penyakit untuk seseorang yang terpilih secara acak
adalah :
Jawab :
n(A) 99
P(A)    0,63 atau 63%
n(S) 158

P(A tidak terjadi)  1  P(A terjadi)

Pendekatan Frekuensi Relatif
1. Peluang event di masa datang ditentukan berdasarkan frekuensi
event tersebut dimasa lampau.
Misal, berdasarkan data th lalu dari 600.000 org pasien RS
ternyata 600 org diantaranya butuh rawat inap. Dapat diestimasi
bahwa peluang pasien RS yg butuh rawat inap adalah 0,001.
Pendekatan Frekuensi Relatif
2. Bila suatu peristiwa terjadi berulang-ulang dalam jumlah yg
banyak maka akan menjadi stabil dan mendekati peluang
klasiknya.
Misal, peluang untuk mendapatkan gambar dalam pelemparan
mata uang adalah 0,5 dan dilakukan berulang-ulang sebanyak
300 kali.
Contoh : [4]
• Penelitian yang dilakukan terhadap 50 laki-laki sehat pendonor
darah terhadap kadar Asam Urat. Berapakah besarnya peluang
pendonor mendapatkan kadar asam 5,0 dan 7,0 ?
Jawab :

Nilai (x) f n(A) 4

4,0 8 P(A)    0,08 atau 8%
5,0 4 n(S) 50
6,0 11
7,0 15 n(A) 15
8,0 7 P(A)    0,3 atau 30%
9,0 5 n(S) 50
Pendekatan Subjektif
• Besarnya peluang ditentukan berdasarkan pertimbangan/
pengalaman pribadi terhadap kejadian masa lampau atau tebakan
(intelectual guess).
• Paling fleksibel dibanding 2 pendekatan sebelumnya.
• Digunakan untuk penentuan peluang peristiwa yang jarang atau
belum pernah terjadi.
Contoh. Penentuan pengobatan untuk penyakit yg belum pernah
terjadi sebelumnya, alternatif pengobatan atas pendekatan
subjektif terhadap besarnya peluang kesembuhan.
Hubungan Beberapa Kejadian (Event)
Peluang terjadinya event sebagai hasil dari satu atau beberapa percobaan
dijelaskan dengan :
1. Hukum Pertambahan
terdapat 2 kondisi yang harus diperhatikan yaitu:
a. Mutually Exclusive (saling meniadakan)
b. Non Mutually Exclusive (dapat terjadi bersama)

2. Hukum Perkalian, apakah kedua peristiwa :

a. kejadian bebas (independen)
b. kejadian tidak bebas (dependen)
Probabilitas bersyarat (conditional probability):
• Adalah probabilitas suatu kejadian B terjadi dengan syarat
kejadian A lebih dulu terjadi atau akan terjadi atau diketahui
terjadi.
• Ditunjukkan dengan P(BA) yang dibaca “probabilitas dimana B
terjadi karena A terjadi”

P(A  B)
P(B A) 
P(A)
Probabilitas bersyarat (Contoh 1)
• Survey dilakukan terhadap 20 orang, untuk mengetahui hubungan
merokok dan potensi menderita penyakit paru-paru. Hasilnya
sebagai berikut :

Merokok
Paru-paru
Ya Tidak
Ya 6 2
Tidak 5 7
Probabilitas bersyarat (Contoh 1)
• P(A) = 0,55
Merokok
Paru- • P(‘A)
Ya Tidak = 0,45
paru
• P(+|A) = 0,3/0,55
Ya 6 2
• P(-|A) = 0,25/0,55
Tidak 5 7
• P(+|’A)= 0,1/0,45

• P(-|’A) = 0,35/0,45
Merokok P(B)
Paru-
paru Ya Tidak
• P(+|A)P(A) = (0,3/0,55)*(0,55) = 0,3
Ya 0,3 0,1 0,4 • P(+|’A)P(‘A) = (0,1/0,45)*(0,45) = 0,1
Tidak 0,25 0,35 0,6
P(A) 0,55 0,45 1
• P(A|+) = 0,3/(0,3+0,1)= 0,75
Probabilitas bersyarat (Contoh 1)
• P(A) = Probabilitas seseorang penderita penyakit paru-paru
Merokok
Paru-
Ya Tidak = {0,4 0,6}
paru
• P(B) = Probabilitas seseorang merokok
Ya 6 2
= {0,55 0,45}
Tidak 5 7

• Probabilitas seseorang menderita penyakit paru-paru bila

Merokok P(B) diketahui dia merokok adalah
Paru-
paru Ya Tidak
P(A  ya, B  ya)
Ya 0,3 0,1 0,4 P(A  ya | B  ya) 
P(B  ya)
Tidak 0,25 0,35 0,6
0,3
P(A) 0,55 0,45 1 P(A  ya | B  ya)   0,545
0,55
Probabilitas bersyarat (Contoh 2)
Kerja Jumlah – Berapa probabilitasnya kelompok Pria
Sex Ya Tidak yang tidak bekerja?
(Y) (T)
Pria (P) 460 40 500
Wanita (W) 140 260 400 P(P  T) 40
P(T P)    0,08
Jumlah 600 300 900
P(P) 500

– Berapa probabilitasnya kelompok yang

tidak bekerja dari wanita?
P(W  T) 260
P(W T)    0,867
P(T) 300
Aturan Bayes
• Misalkan A1, A2, dan A3 adalah tiga kejadian saling lepas dalam ruang
sampel S.
• B adalah kejadian sembarang lainnya dalam S.
• Secara umum, bila A1, A2, A3, …, An kejadian saling lepas dalam ruang
sampel S dan B kejadian lain yang sembarang dalam S, maka probabilitas
kejadian bersyarat AiB dirumuskan sebagai berikut :

S
P(B  A i ) P(B A i ).P(A i )
B P(A i B)   n
P(B)
 P(B A i ).P(Ai )
A1 A2 A3 i 1
Aturan Bayes (Contoh)
• Seorang dokter mengetahui bahwa penyakit maningitis menyebabkan“stiff neck”
adalah50%. Probabilitas pasien menderita maningitis adalah 1/50000 dan probabilitas
pasien menderita stiff neck adalah1/20 dari nilai-nilai tersebut.

• Didapatkan:
• P(stiff neck | maningitis) = 50% = 0.5
• P(maningitis) = 1/50000
• P(stiff neck) = 1/20
• Maka:
P(Stiff neck | Maningitis )xP(Maningitis)
P( Maningitis | Stiffneck) 
P(Stiff neck)
Aturan Bayes (Contoh)
• Maka: P(Stiff neck | Maningitis )xP(Maningitis)
P( Maningitis | Stiffneck) 
P(Stiff neck)

5 1
x
P( Maningitis | Stiffneck)  10 50000  0,0002
1
20

1
P( Maningitis | Stiffneck) 
5000

• Hasil diatas menunjukkan bahwa hanya 1 diantara 5000 pasien maningitis

yang mengalami stiff neck
Aturan Bayes (Contoh 2)
• Probabilitas terkena penyakit bronkitis khronika apabila mengalami batuk lebih dari 4
minggu. P(bronkhitis khronika|batuk lebih lama dari 4 minggu) = 0,13
• Terdapat gejala baru, yaitu batuk darah, dalam 3 bulan terakhir, probabilitas terkena
penyakit bronkhitis khronika apabila mengalami batuk darah dalam 3 bulan terakhir.
P(bronkhitis khronika|batuk darah dalam 3 bulan terakhir) = 0,4
• Keterkaitan antara adanya gejala batuk lebih dari 4 minggu dan batuk darah dalam 3
bulan terakhir apabila seorang menderita bronkhitis khronika adalah 0,33.
• Keterkaitan antara adanya gejala batuk lebih dari 3 minggu dan batuk darah dalam 3
bulan terakhir tanpa memperhatikan penyakit yang diderita adalah 0,15 maka:
Aturan Bayes (Contoh 2)
• A = batuk darah dalam 3 bulan terakhir
• B = batuk lebih dari 4 minggu
• H = bronkhitis khronika

P(H | A)xP(B | A, H) P(H | B)xP(B | A, H)

P(H | A)  P(H | B) 
P(A, B) P(A, B)
0,4 x 0,33 0,13 x 0,33
P(H | A)   0,88 P(H | A)   0,29
0,15 0,15
Dua kejadian saling bebas (independent):
• Dikatakan saling bebas artinya kejadian itu tidak saling
mempengaruhi.
• Dua kejadian A dan B dalam ruang sampel S dikatakan saling
bebas, jika kejadian A tidak mempengaruhi probabilitas terjadinya
kejadian B dan sebaliknya kejadian B tidak mempengaruhi
probabilitas terjadinya kejadian A.
• Bila A dan B dua kejadian saling bebas, berlaku :

P(A  B)  P(A) . P(B)

Independent (Contoh 1)
• Sebuah kaleng berisi 6 kelereng merah dan 4 kelereng putih.
Berapa peluang mendapatkan 1 kelereng merah pada pengambilan
pertama dan 1 kelereng merah pada pengambilan kedua, jika
setelah pengambilan pertama kelereng tersebut dikembalikan ke
kaleng lagi.

• P (keduanya merah) = P (merah I) x P (merah II)

= 6/10 x 6/10 = 0,36
Independent (Contoh 2)
• Efek samping suatu obat tertentu terjadi 10% dari seluruh pasien
yang meminumnya. Seorang dokter memiliki 2 pasien yang
meminum obat tersebut. Berapa probabilitas pasien mengalami
efek samping ?

• P (keduanya mengalami efek samping)

= P (efek samping I) x P (efek samping II)
= 0,1 x 0,1 = 0,01 (1%)
Probabilitas Mutually Exclusive
Kejadian Mutually Exclusive (peristiwa saling terpisah = disjoint)

• Apabila dua atau lebih peristiwa tidak dapat terjadi bersama-sama

/ peristiwa yang satu dapat meniadakan peristiwa yang lain.
• “Peristiwa A” atau “Peristiwa B” dapat dituliskan dengan :

P(A  B)  P(A)  P(B)

Probabilitas Mutually Exclusive (Contoh)
1. Probabilitas untuk keluar mata 2 atau mata 5 pada pelemparan satu kali
sebuah dadu adalah:
P(2 U 5) = P (2) + P (5) = 1/6 + 1/6 = 2/6

2. Seorang dokter mengadakan percobaan pengobatan dengan INH terhadap

5 org penderita TBC. Ke-5 penderita tersebut salah satunya akan sembuh.
Besarnya peluang penderita ke-2 atau ke-5 utk sembuh adalah sbb.

P(2 atau 5) = P(2) + P(5)

= 1/5 + 1/5
= 2/5
Probabilitas Non Mutually Exclusive
• Peristiwa dapat terjadi secara bersamaa
• Jika dinyatakan dalam kalimat menjadi : Peristiwa A dan B
kemungkinan terjadi

P(A  B)  P(A)  P(B)  P(A  B)

Probabilitas Non Mutually Exclusive (Contoh)
• Bila akan merekrut seorang tenaga kesehatan dan mengadakan seleksi thd 4 org pelamar
yg terdiri dari dokter laki2, dokter wanita, laki2 bukan dokter, dan wanita bukan dokter,
maka masing2 memiliki peluang sbb.
P(wanita) = 2/4 P(dokter laki2) =¼
P(laki2) = 2/4 P(dokter wanita) = ¼
P(dokter) = 2/4

• Berapa peluang tenaga yg kita rekrut adalah wanita atau dokter?

P(wanita atau dokter) = P(wanita) + P(dokter) - P(wanita dokter)

= 2/4 + 2/4 – 1/4
= ¾ = 0,75
Probabilitas Non Mutually Exclusive (Contoh)
Kemungkinan bahwa Ari lulus ujian matematika adalah 2/3 dan kemungkinan ia lulus
bahasa inggris adalah 4/9. Bila probabilitas lulus keduanya adalah 1/4, berapakah
probabilitas Ari dapat paling tidak lulus salah satu dari kedua pelajaran tersebut?
Jawab :
Bila M adalah kejadian lulus matematika, dan B adalah kejadian lulus bahasa inggris,
maka :
Probabilitas Ari lulus salah satu pelajaran tersebut adalah :
P(M  B) = P(M) + P(B) – P(M  B)
= 2/3 + 4/9 – 1/4
= 31/36
Permutasi
• Permutasi adalah cara penyusunan sejumlah objek tertentu dari suatu
himpunan objek dgn memperhatikan tata urutannya.
n!
n Pr  P(n, r) 
(n  r)!
• Contoh : berapa banyak permutasi untuk membuat elemen huruf yang setiap
elemennya terdiri dari 2 huruf, yang dibuat dari suatu set huruf (x,y,z)

3! 3. 2. 1
P2   6
• Jika dibuktikan, susunan (3
3 hurufnya
 2)! (xy,yx,xz,zx,yz,zy)
1
Permutasi
• Dalam suatu pengobatan Ca ada 3 cara: bedah(B), kemoterapi (K)
dan radiasi(R). Ada berapa cara jika seorang penderita Ca akan di
obati HANYA dg 2 macam terapi dan tuliskan jenisnya!

3! 3. 2. 1
3 P2   6
(3  2)! 1
• Jenisnya adalah : BR, BK, RB, RK, KB, KR
Kombinasi
• Serupa dengan Permutasi, bedanya dengan kombinasi adalah untuk
kombinasi tata urutan nya tidak penting.
n!
n C r  C(n, r) 
r!.(n  r)!

• Contoh : berapa banyak kombinasi untuk membuat elemen huruf yang

setiap elemennya terdiri dari 2 huruf, yang dibuat dari suatu set huruf (x,y,z)

3! 3 .2 . 1
3 C2   3
2!. (3  2)! 2.1
• Jika dibuktikan, susunan hurufnya (xy,yx,xz)
Kombinasi
• Dlm suatu pengobatan pemberian inhalasi, seorang pasien akan
mdptkan obat campuran ventolin(V) dan bisolvon(B). Di poli tdpt
3 pasien(D, E, F). Tuliskan kemungkinan pasangan pasien yg di
inhalasi!

3! 3 .2 . 1
3 C2   3
2!. (3  2)! 2.1

• Pasangan pasien tersebut : DE, DF, EF