1

TEORI PROBABILITAS
1. DEFINISI PROBABILITAS Perkembangan teori probability atau peluang dimulai sejak abad ketujuh belas yang lalu. Orang-orang yang mempunyai andil dalam perkembangan teori peluang antara lain adalah para matematikawan Perancis bernama Blaise Pascal (1623-1662) dan Pierre Fermat (1601-1665). Mereka menjabarkan peluang secara tepat mengenai permainan judi yang bersangkutan dengan dadu. Selanjutnya berturut-turut muncul berbagai karya ilmiah dari Huygens (1657), J. Bernoulli (1713), De Moivre (1718), serta Bayes (1764). Karya mereka dalam perhitungan peluang berhubungan dengan teori permutasi dan kombinasi dari berbagai macam permainan dadu dan permainan kartu. Perlu diketahui pula bahwasanya perhitungan peluang secara numeric mengenai berbagai macam dadu itu sebelumnya telah dihitung pula oleh Girolamo Cardono (1501-1576) dan Galileo Galilei (1564-1642). Dewasa ini, teori peluang menjadi salah satu alat utama dari statistika dan teori peluang berkait erat, sehingga sulit kalau membicarakan statistic tanpa memahami arti peluang. Pengetahuan mengenai teori peluang dapat memberikan interpretasi terhadap hasil yang diperoleh dalam statistika, karena banyak prosedur statistika menghasilkan kesimpulan-kesimpulan yang diambil dari sampel-sampel yang selalu dipengaruhi oleh variasi acak (variasi random). Dengan bantuan teori peluang variasi acak tersebut dapat ditentukan secara numeric dalam menghasilkan kesimpulan-kesimpulan statistika. Teori peluang itu juga merupakan alat penting dalam bidang rekayasa, sains, obat-obatan, meteorology, fotografi yang berasal dari kapal ruang angkasa, marketing, ramalan gempa bumi, dan tingkah laku manusia.

2. PENDEKATAN PROBABILITAS Tiga macam pendekatan berbeda satu sama lain akan dibicarakan dalam makalah ini. Tiap pendekatan kiranya akan berguna dalam mengaplikasikan teori peluang terhadap persoalan-persoalan praktis.

masalah peluang sepasang kenalan baru muda-mudi akan melaksanakan perkawinan dalam tempo setahun yang akan dating. mendekati tak hingga.2 2. Sebagai contoh.4. Pendekatan frekuensi Pendekatan frekuensi mengenai peluang itu sering pula diinterpretasikan sebagai frekuensi relative terhadap banyaknya proses yang dilakukan berulangulang dalam jumlah besar di bawah kondisi yang sama. bila eksperimen itu dilakukan n kali dalam jumlah besar dengan syarat tersebut di atas. Peluang yang diinterpretasikan sebagai frekuensi relative itu disebut a posteriori atau peluang empiric. Pendekatan frekuensi relative dari peluang itu tak dapat diterapkan secara langsung terhadap masalah penting lainnya dalam pengertian peluang. Peluang atau frekuensi relative suatu kejadian yang muncul a kali dalam suatu eksperimen yang dilakukan sebanyak n kali adalah . Sebagai contoh.6 sedangkan peluang muka angka 0. . Peluang muka gambar dalam hal ini 0. kemudian ditos 10 kali. Tetapi. maka munculnya muka gambar dan angka akan mendekati bilangan yang sangat besar. Tetapi.1. bila sekeping uang logam rupiah yang masih baik atau uang logam tersebut masih bersifat equally likely. maka bisa terjadi bahwa yang muncul 6 kali muka yang bergambarkan garuda dan 4 kali muka yang bertuliskan angka. tak dapat secara tepat akan muncul muka gambar 5 kali dan angka 5 kali juga. nilai yang didekati oleh bila n menjadi tak hingga disebut limit frekuensi relative dan ditulis dengan lambing : ( ) Perlu ditekankan di sini bahwa pendekatan tersebut hanya berlaku apabila dalam hal n cukup besar. Jika kita hanya mengetos uang logam sebanyak 10 kali.5. Jadi bila n bertambah besar. maka dapat diharapkan bahwa munculnya gambar dan angka akan dekat sekali ke 50%. maka kita mendapatkan peluang gambar dan angka mendekati 0. bila eksperimen itu dilakukan sebanyak kali.

3 2. karena terdapat tiga yang mungkin muncul genap dari seluruh peristiwa yang ada.2. . 3. Pendekatan demikian itu akan lebih jelas apabila kita menghadapi conoth persoalan berikut. 2. eksperimen pengetosan uang logam akan terdapat salah satu dari dua peristiwa yang bakal terjadi. 5. Sebagai contoh. Besarnya peluang akan muncul muka dadu bernomor genap adalah sebesar . Interpretasi klasik dari peluang itu disebut juga pendekatan a priori. masing-masing adalah muka 1. Pendekatan klasik Konsep dasar pendekatan klasik dari peluang adalah setiap peristiwa yang bakal terjadi dari suatu eksperimen mempunyai kesempatan sama untuk terjadi (equally likely outcomes). Secara umum dinyatakan sebagai berikut : apabila peristiwa A dapat terjadi dalam „a‟ cara dari seluruh „n‟ cara yang berkesempatan sama serta bersifat saling lepas (mutually exclusive). Contoh : Dari dalam sebuah kantong yang berisi 10 butir kelereng merah dan 20 butir kelereng putih. dan 6. diambil sebutir secara acak . maka peluang peristiwa A akan terjadi ditulis dengan lambing : ( ) serta peluang peristiwa yang bukan A akan terjadi adalah ( ) ( ) Hubungan antara peluang terjadinya peristiwa A (disebut sukses) dan peluang terjadinya peristiwa yang bukan A (disebut gagal) adalah secara singkat dapat ditulis ( ) ( ) atau . 4. masing-masing mempunyai kesempatan sama untuk muncul. Demikian pula pengetosan sebuah dadu yang berbentuk kubus akan terdapat enam kesempatan sama untuk muncul. ialah muka angka atau gambar.

terutama untuk suatu kejadian khusus dan atau suatu proposisi (pernyataan). Banyak hal dalam kehidupan sehari-hari peluang itu terletak di antara dua ekstrem 0 dan 1. peluang mendapatkan angka tujuh dalam hal lemparan sebuah dadu kubus adalah 0 yang merupakan kemustahilan. Rentangan skala peluang suatu peristiwa bergerak dari 0 sampai 1. seseorang harus benar-benar berhati-hati dan konsisten dalam memberikan besarnya nilai peluang terhadap suatu peristiwa. ia akan kehilangan arah dalam memberikan . Pendekatan subjektif menitik beratkan peluangnya di antara 0 dan 1 terhadap suatu peristiwa. Setiap orang dapat berbeda derajat kepercayaannya terhadap suatu peristiwa. pendekatan subjektif atau perseorangan tetap bertahan. Para ahli personalistika memandang peluang sebagai ukuran percaya diri. 2.4 (random). sikap. Pendekatan subjektif Walaupun pendekatan frekuensi relative tentang peluang sangat terkenal.3. dan lain-lain. Akan tetapi. Banyaknya kelereng merah = 10 Peluang mendapatkan sebutir kelereng merah adalah Peluang mendapatkan sebutir kelereng bukan merah adalah Jadi. Sebagai contoh. kalau tidak. sesuai dengan apa yang ia miliki baik berbentuk data kualitatif maupun kuantitatif. sesuai dengan derajat kepercayaan akan terjadinya peristiwa itu. . karena tergantung nilai. misalnya percaya bahwa si X tetap akan menjadi pimpinan setahun mendatang. Berapakah peluang kelereng yang terambil itu berwarna merah ? Penyelesaian : Banyaknya kelereng keseluruhan dalam kantong adalah 10 + 20 = 30. pengalaman.

Contoh : untuk sebarang peristiwa A. …. Jika dua peristiwa A dan B saling lepas. ditulis ( sebagai berikut : ( ) ( ) ( ) ) diasumsikan Sifat penjumlahan (additive) dari dua peristiwa yang saling lepas itu juga berlaku terhadap peristiwa-peristiwa disjoint yang tak hingga (infinite) banyaknya. Apabila sifat penjumlahan itu berlaku untuk peristiwa disjoint yang tak hingga banyaknya. Pertimbangan-pertimbangan tersebut mengarahkan ke aksioma ketiga.. atau dengan singkat peluang. A2. maka peluang terjadinya peristiwa A atau B. Aksioma 3 menyatakan untuk sebarang barisan peristiwa-peristiwa disjoint yang infinite banyaknya seperti A1. ( ) Aksioma kedua menyatakan bahwa jika suatu peristiwa pasti terjadi.5 kesimpulan. Agar supaya peluang itu memenuhi definisi secara matematik. Di dalam statistika derajat keyakinan (level of confidence) itu merupakan hal penting dalam memberikan keputusan secara statistika. 3. maka : (⋃ ) ∑ ( ) ( ) ( ) Definisi peluang secara matematik sekarang dapat diberikan sebagai berikut : Distribusi peluang. Aksioma pertama menyatakan bahwa peluang setiap peristiwa harus merupakan bilangan nonnegative. pada suatu ruang sampel S . akan dibicarakan lebih dulu peluang untuk peristiwa-peristiwa yang saling lepas (disjoint). maka bilangan P(A) yang terkait itu harus memenuhi tiga aksioma tertentu. Contoh : ( ) Sebelum menyatakan Aksioma 3. tentu berlaku pula untuk peristiwa-peristiwa disjoint sebanyak hingga (finite). AKSIOMA PROBABILITAS Dalam suatu eksperimen tertentu. maka peluang peristiwa itu adalah 1. adalah perlu mengaitkan tiap peristiwa A di dalam ruang sampel S dengan sebuah bilangan P(A) yang menunjukkan peluang bahwa A akan terjadi.

KONSEP PENTING DALAM PROBABILITAS 4. dan 3. atau 6 jika mata dadu dilemparkan. apakah anda akan menganggap sebuah mata uang logam itu tidak wajar apabila anda memperoleh hasil 70 gambar dalam pelemparan sebuah mata uang logam sebanyak 100 kali). berapa banyak gambar yang mungkin akan diperoleh dalam satu kali pelemparan. katakanlah. Hasil dari eksperimen semacam itu dapat berupa gambar atau angka jika mata uang logam dilemparkan. misalnya. Sering pula secara matematik untuk barisan peristiwa disjoint yang infinit banyaknya ialah A1. … didefinisikan sebagai peristiwa A1. Ruang Sampel Himpunan semua hasil yang mungkin diperoleh dari suatu eksperimen disebut populasi atau ruang sampel. A2. A3. 5. ada asumsi yang tersirat bahwa dalam melakukan semua eksperimen tersebut telah dipenuhi beberapa syarat. Eksperimen Konsep penting yang pertama adalah eksperimen statistic atau acak. 4. 4. Konsep ruang sampel pertama kali . pelemparan sekeping mata uang logam.pelemparan sepasang mata dadu. … dan untuk positif.1.2. Perhatikanlah bahwa hasil-hasil tersebut belum diketahui sebelum eksperimen dilakukan. 3. Di dalam statistic.6 adalah rincian (spesifikasi) bilangan-bilangan P(A) yang memenuhi aksioma 1.000 mata uang logam?) atau untuk menguji dalil bahwa mata uang logam tersebut wajar (misalnya. A2. Tujuan dari eksperimen-eksperimen semacam itu barangkali adalah untuk menetapkan sebuah dalil (misalnya. 2. bahwa mata uang logam atau mata dadu itu wajar. atau salah satu dari angka-angka 1. Dalam hal ini. A3.j merupakan anggota himpunan bilangan bulat 4. Contoh. dan pengambilan sebuah kartu dari tumpukan kartu merupakan contohcontoh eksperimen. 1. 2. istilah ini umumnya mengacu pada setiap proses observasi atau pengukuran yang mempunyai lebih dari satu hasil yang mungkin dan di mana ada ketidakpastian tentang hasil mana yang benar-benar akan terwujud. dan i.

Contoh. Kita ketahui bahwa hanya hasil HT dan TH saja yang termasuk dalam kejadian A. TT. HT. seorang pakar matematika dan sekaligus insinyur berkebangsaan Austria.4. masing-masing hasil. Jadi. adalah 4. Tidak ada lagi hasil yang secara logika mungkin diperoleh. dan sebagainya. Jadi. ATURAN PENGHITUNGAN Apabila kita ingin mengaitkan peristiwa A dalam ruang sampel S dengan bilangan real P(A). misalkan kejadian A adalah peristiwa munculnya satu gambar dan satu angka dalam eksperimen pelemparan mata uang logam. keseluruhan hasil. HT berarti gambar pada pelemparan pertama dan angka pada pelemparan kedua. dimana HH berarti gambar pada pelemparan pertama dan gambar pada pelemparan kedua. kita akan mendapatkan hasil-hasil sebagai berikut : HH. di dalam ruang sampel atau populasi disebut titik sampel. TH.2.7 diperkenalkan oleh Von Mises. atau ruang sampelatau populasi.3. 5. TT merupakan titik sampel. Kejadian Kejadian merupakan kumpulan hasil tertentu dan karenanya merupakan himpunan bagian dari ruang sampel. HT. Dalam contoh 4. 4. yaitu HH. . Contoh. jelas bahwa hanya hasil HH saja yang termasuk kejadian B. pertimbangkanlah sebuah eksperimen pelemparan dua mata uang logam yang wajar. Titik Sampel Setiap anggota. atau hasil. Dalam contoh ini. maka yang dimaksud bilangan P(A) itu adalah sesuai dengan interpretasi frekuensi relative dengan n cukup besar. Misalkan H menyatakan gambar dan T menyatakan angka. pada tahun 1931. disingkat menjadi fhp. 4. Misalkan B adalah kejadian bahwa dua gambar muncul dalam pelemparan dua buah mata uang logam. TH. Aturan demikian disebut fungsi himpunan peluang.

( ) Teorema 3. maka Teorema 6. dan C adalah tiga peristiwa sebarang. Teorema 1. maka 6. untuk setiap peristiwa A. dalam satu kartu jack tersebut akan terjadi tidak saling eksklusif bila yang diharapkan adalah jack hati. b. ( ) ( ( ) ( ) ( ) ( ) ) ( ) ( ) . jika A. terdapat adanya dua atau lebih kejadian bersamaan. maka ( ). Teorema 5. B. ( ) ( ( ) ) ( ) ( ) Teorema 4.8 Berikut ini beberapa aturan penghitungan yang memberikan sifat-sifat penting lainnya terhadap fungsi himpunan peluang. jika A dan B merupakan dua peristiwa sebarang. Kejadian yang tidak saling eksklusif Suatu kejadian dikatakan tidak saling eksklusif bila dalam satu kali percobaan. BERBAGAI HUBUNGAN DALAM PROBABILITAS Peluang terjadinya event sebagai hasil dari satu atau beberapa percobaan mempunyai hubungan sebagai berikut : a. Kejadian demikian juga disebut kejadian marjinal atau tanpa syarat. pada suatu kelahiran hanya dilahirkan bayi laki-laki atau perempuan dan bila kelahiran bayi laki-laki telah terjadi maka tidak mungkin dilahirkan bayi wanita. Kejadian yang saling eksklusif Suatu event dikatakan mempunyai hubungan saling eksklusif bila peluang terjadinya suatu event hanya satu dari semua event yang dapat dihasilkan. jika peristiwa-peristiwa A dan B sedemikian hingga ( ) ( ) . . untuk setiap peristiwa A. ( ) Teorema 2. Misalnya. Namun akan terjadi saling eksklusif bila yang diharapkan kartu jack dan queen secara bersamaan dalam satu kartu. Misalnya dalam pengambilan satu kartu jack pada tumpukan kartu.

dan peluang memilih gulungan yang baik adalah 7/10. Probabilitas pengambilan berikutnya adalah gulungan rusak tergantung dari apakah gulungan pertama yang dipilih rusak atau tidak. maka AB adalah peristiwa dengan T sebesar 3. Seperti dalam hal mengetos dua dadu. persoalan berikut ini perlu dipahami terlebih dahulu. jika gulungan pertama yang diambil rusak. Jelas bahwa peluang memilih gulungan yang rusak adalah 3/10. jika gulungan pertama yang diambil adalah baik. Probabilitas gulungan kedua yang diambil rusak. atau 7. Kejadian independen Dua peristiwa bersifat independen jika terjadinya peristiwa yang satu tidak menghalangi probabilitas terjadinya peristiwa yang lain. dan diketahui bahwa 3 diantaranya rusak. misalkan dua buah dadu bersisi enam digulingkan dan diperhatikan bahwa T adalah muka dadu-dadu yang muncul berjumlah ganjil. terjadinya A tidak menghalangi probabilitas terjadinya B. Kemudian gulungan kedua diambil dari kotak tersebut tanpa mengembalikan gulungan pertama yang diambil. Jadi jika peristiwa A dan B bersifat independen. Contoh. 5. Dan sebesar 3/9. PROBABILITAS BERSYARAT Sebelum menuju ke definisi peluang bersyarat (conditional probability).9 c. Sebuah gulungan film dipilih dari kotak tersebut. yaitu 2/9. Jika kita memisalkan A adalah peristiwa dan B adalah peristiwa bahwa T adalah ganjil. 7. Kita akan menentukan peluang T yang lebih kecil dari 8. d. kita dapat menghitung P(AB) dan P(B) sebagai berikut : ( ( ) ) .misalkan dalam sebuah kotak terdapat 10 gulungan film. Kejadian dependen Untuk menggambarkan keterikatan (dependent).

adalah ( | ) Perlu diperhatikan bahwa P(B/A) adalah tidak sama dengan P(A/B). seorang wanita. peluang dari B. peluang bersyarat dari peristiwa A bila ditentukan peristiwa B. Bila seorang sarjana dipilih secara acak. Dengan diketahuinya A.115 = ( ).5. Peluang bahwa sebuah peristiwa A terjadi sekaligus peristiwa B telah terjadi. Bila N(A) menunjukkan banyaknya unsur-unsur dalam peristiwa A. misalkan ruang sampel suatu eksperimen adalah orang-orang dewasa Indonesia dan B adalah “wanita” dan A adalah “sarjana”. maka nilai ( ( | ) ( ) ( ) ( ) ) ( ( ) ) ( ( ) ) Pengertian peluang bersyarat itu dapat juga dijelaskan sebagai berikut : Misalkan B adalah sebuah peristiwa sebarang dalam ruang sampel S dengan ketentuan ( ) . peluang bersyarat dari sebuah peristiwa A bila ditentukan bahwa peristiwa B telah terjadi didefinisikan sebagai : ( | ) ( ( ) ) dengan ketentuan ( ) Contoh. dan N(S) merupakan banyaknya titik sampel dalam ruang sampel S.26 = P(A). P(B) = 0. peluang dari A(seorang sarjana) adalah : ( | ) ( ( ) ) . berapakah peluangnya bahwa yang terpilih itu adalah seorang wanita atau ( | ) ? Pada dewasa ini telah diketahui bahwa peluang terpilihnya seorang sarjana adalah 0. bahwasanya seorang sarjana dipilih. atau dengan kata lain. dalam contoh ini diberikan B (seorang wanita).10 Notasi ( | ) disebut peluang bersyarat dari peristiwa A bila ditentukan bahwa peristiwa B telah terjadi. ditulis P(A/B) adalah : ( ) ( ( ) ) Definisi 1. dan peluang terpilihnya seorang wanita sarjana adalah 0.

maka peristiwa-peristiwa A dan B harus bebas. . Kita akan menentukan peluang untuk mendapatkan hasil urutan yang mungkin terjadi adalah merah. Jika P(A|B) = P(A). dari dalam sebuah kotak yang berisi bola merah sebanyak m dan bola biru sebanyak b ( ). jika peristiwa-peristiwa A dan B adalah bebas.P(B).1. maka P(AB) = P(A). Konversi dari pernyataan ini adalah juga benar. Demikian pula halnya. 7.11 7. dari sini. maka peluang bersyarat dari A bila diketahui bahwa B telah terjadi adalah sama seperti peluang tak bersyarat dari A bila tak terdapat informasi mengenai B. sesuai dengan definisi peluang bersyarat maka ( | ) ( ) ( ) ( ) ( ) Dalam kata lain.2. biru. merah. Aturan penggandaan untuk peluang bersyarat Dalam sebuah eksperimen yang melibatkan dua peristiwa A dan B yang tidak saling bebas. Misalkan empat bola dipilih satu per satu. jika P(B)>0. biru. maka peristiwa-peristiwa A dan B adalah bebas. adalah dengan cara mengaplikasikan satu dari dua persamaan berikut : ( ( ) ) ( ) Atau ( ) ( | ) ( | ) Contoh. konversinya jika P(B|A) = P(B). Sifat-sifat peluang bersyarat ini untuk peristiwa-peristiwa yang bebas menguatkan interpretasi dari konsep kebebasan. Peluang bersyarat untuk peristiwa bebas Jika dua peristiwa A dan B saling bebas. memilih empat bola. jika A dan B merupakan dua peristiwa yang saling bebas dan jika P(A) > 0. maka P(B|A) = P(B). maka alat baik yang sering digunakan untuk menghitung peluang P(AB) bahwa kedua peristiwa itu akan terjadi. tanpa pengembalian.

misalkan terdapat tiga kotak sebagai berikut : Kotak 1 berisi 10 bola lampu yang mana 4 diantaranya putus. Proses stokastik hingga dan diagram pohon Sebuah barisan hingga dari eksperimen-eksperimen dalam hal mana tiap eksperimen mempunyai sebanyak hingga peristiwa yang mungkin terjadi dengan peluang tertentu. maka ( ) ( ) ( | ) ( | ) ( | ) 7.4). Dalam persoalan itu terdapat dua urutan eksperimen : a. Memilih sebuah lampu yang bisa terjadi putus (P) atau tidak putus (T) Diagram pohon berikut ini menggambarkan proses ini dan memberikan peluang tiap cabang dari pohon itu : . Cara yang baik menggambarkan proses tersebut dan cara menghitung peluang untuk sebarang peristiwa adalah dengan jalan diagram pohon seperti contoh berikut. Kita diminta memilih sebuah kotak secara acak dan mengambil sebuah lampu secara acak dari dalam kotak tersebut.12 Jika kita memisalkan M1 menunjukkan peristiwa bahwa sebuah bola merah akan diperoleh pada penarikan yang ke-j dan misalkan Bj menunjukkan peristiwa bahwa sebuah bola akan diperoleh pada penarikan yang ke-j (j=1.…. Berapakah peluang p bahwa bola yang terambil itu putus. Kotak 3 berisi 8 bola lampu yang mana 3 diantaranya putus. disebut proses stokastik (hingga). Kotak 2 berisi 6 bola lampu yang mana 1 diantaranya putus. Contoh. Memilih satu dari 3 kotak yang ada b.3.

jumlah peluang-peluang dari lintasan tersebut merupakan peluang yang ditanyakan : 8. Dari kota A ke kota B hanya terdapat dua rute yang berlainan. Karena tiap dadu terdapat enam peristiwa yang mungkin terjadi. . Sekarang karena terdapat tiga lintasan yang berlainan yang mengarah ke sebuah bola lampu putus. Banyaknya rute yang berlainan yang dapat dilalui orang itu dari kota A ke kota C lewat kota B adalah 2 x 3 = 6 lintasan berlainan.13 Peluang bahwa sebarang lintasan yang terjadi dari pohon itu diperoleh dengan jalan mengalikan peluang tiap cabang dari lintasan itu. maka banyaknya pasangan peristiwa yang mungkin terjadi adalah 6 x 6 = 36 dari eksperimen tersebut. Aturan pergandaan itu dapat dikembangkan lebih dari dua bagian. maka ruang sampel S dari eksperimen itu menjadi pasangan berurutan sebagai berikut : ( ( ) ( ) ( ) ( ) ( ) ) Sebagai contoh lain. misalkan dua buah dadu digulingkan. Persoalan tersebut akan menjadi lebih jelas melalui gambar berikut : Jika dua rute yang pertama dinamakan X1 dan X2. sebagai contoh peluang memilih kotak I dan kemudian bola lampu putus adalah . sedangkan untuk tiga rute yang kedua dinamakan y1. sedangkan dari kota B ke kota C hanya terdapat tiga rute jalan yang berbeda pula. y2 dan y3. KAIDAH PENGGANDAAN Misalkan seseorang hendak bepergian dari kota A ke kota C dan harus lewat kota B. Seandainya dari kota C masih mau dilanjutkan ke kota D dalam eksperimen bepergian di atas.

ialah peluang munculnya angka 5 pada sisi dadu adalah 1/6. peluang terjadinya peristiwa B.P(B). dan seterusnya. ialah peluang munculnya muka angka pada uang adalah ½. bila terjadi atau tidak terjadinya salah satu peristiwa tidak berhubungan dan tidak dipengaruhi oleh terjadi atau tidak terjadinya peristiwa yang lain.n3…. dan jika prosedur berikutnya sebagai prosedur ketiga dapat dibentuk dalam n3 cara yang berlainan. misalkan secara bersamaan sekeping uang logam dittos dan sebutir dadu sisi enam digulingkan. Dalam eksperimen itu terjadinya peristiwa A tidak terkait atau bebas dengan terjadinya peristiwa B. maka banyaknya cara dengan urutan prosedur seperti tersebut adalah pergandaan n1. Definisi 1. Di bawah kondisi seperti itu layaklah apabila kita mengasumsikan bahwasanya P(AB) = P(A). dan jika prosedur berikutnya sebagai prosedur kedua dapat di bentuk dalam n2 cara yang berlainan.” 9.14 sedangkan dari kota C terdapat lima rute yang berlainan ke kota D itu. DUA KEJADIAN BEBAS Dua peristiwa A dan B terjadi secara bebas (independen) satu sama lain. Sebagai contoh. maka peluang terjadinya peristiwa A. Peluang simultan terjadinya dua peristiwa A dan B adalah ( ) ( ) ( ) Akan lebih matematis pengertian peristiwa-peristiwa bebas itu bila dinyatakan secara definitive. Peristiwa A dan B adalah bebas jika dan hanya jika ( ) ( ) ( ) Jika tidak demikian halnya A dan B dinamakan peristiwa tidak bebas atau dependen.n2. Dengan kata-kata dan asumsi itu menyebutkan bahwa peluang kedua peristiwa A dan B terjadi adalah sama dengan perkalian (produk) masing-masing peluang. Secara umum aturan pergandaan itu dinyatakan sebagai berikut : “Jika suatu prosedur dapat dibentuk dalam n1 cara yang berlainan. maka komposisi perjalanan dari kota A ke kota D menjadi 2 x 3 x 5 = 30 lintasan yang berlainan. .

sebuah dadu merah bermuka enam dan sebuah dadu putih bermuka enam digulingkan. Contoh 1. GA} . AG} B = {muka angka pada uang kedua} = {AA.15 Peristiwa-peristiwa yang bebas sering disebut bebas statistic. Dalam perluasan ini. dan seterusnya. karena ( ( ) ) ( ) dan ( ) . AG. GA. tiap pasang. Jadi anggota ( ) keduanya adalah sama ruas kiri dan ruas kanan dari dengan nol dan berakibat satu sama lain adalah sama. harus memenuhi aturan pergandaan. Perhatikanlah peristiwa-peristiwa berikut : A = {muka angka pada uang pertama} = {AA. sehingga ( ( ( ( ) ( ) ( ) ) ) ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) b. misalkan sepasang uang logam ditos. sedangkan peristiwa ( ) ( ) beranggotakan 3. B. Mereka bebas dalam sepasang-sepasang. Definisi 2 dapat diperluas terhadap kebebasan sepasang-sepasang dari empat peristiwa atau lebih. peristiwa A. tripel. Jadi ( ) Dalam hal ini A dan B menurut definisi 1 adalah bebas Definisi 2. Contoh. Misalkan peristiwa A = {4 pada dadu merah} dan peristiwa B = {jumlah kedua muka dadu adalah ganjil}. Dalam hal ini ruang sampel S beranggotakan titik sampel sebanyak 36. dan C disebut bebas bersama (mutually independent) jika dan hanya jika memenuhi dua syarat berikut : a. atau bebas dalam pengertian peluang. GG}. Tetapi yang banyak dipakai adalah bebas tanpa suatu keterangan bila tak terdapat salah pengertian. Suatu hal yang perlu dicatat bahwa pengertian itu selalu berlaku jika P(A) = 0 atau P(B) = 0 yang menyebabkan ( ) . Peristiwa A dan B berturut-turut beranggotakan 6 dan 18. bebas stokastik. dalam hal ini semua peristiwa yang mungkin terjadi S = {AA. kwartet.

dan ) ) ) (* (* (* = {AG. DALIL PELUANG TOTAL 10. GA} +) +) +) Karena syarat a pada definisi 2 dipenuhi. Hubungan dari tiga peristiwa Untuk tiga peristiwa sebarang A1. A2. dan C adalah bebas sepasang-sepasang. maka peristiwa A. 10. dikurangi jumlah peluang dari pasangan irisan yang mungkin terjadi dari tiga peristiwa. maka tiga premis itu tidak bebas bersama. . dan A3 berlaku : ( ) ( . ( ( ) ( ) ) ( ) dapat ) ( ( ) ) ( )- Persamaan ini menunjukkan bahwa nilai dari diperoleh dengan jalan menjumlahkan peluang dari tiap peristiwa secara individual. Akan tetapi ( ) ( ) ( ) hingga mengakibatkan ( ) ( ) Karena syarat b pada definisi 2 tidak dipenuhi.16 C = {tepat ada satu muka angka} Maka P(A) = P(B) = P(C) = ( ( ( . B.1. dan kemudian ditambah peluang irisan dari semua tiga peristiwa.

Kemudian surat-surat tadi dimasukkan ke dalam amplop-amplop secara acak. Barang itu dihasilkan oleh tiga mesin A. Menurut teorema Bayes . Gabungan peristiwa sebanyak hingga Untuk n peristiwa sebarang A1. k” ( | ) ( ) ( | ) ∑ ( ) ( | ) Contoh. An. Persentase barang yang cacat (rusak) yang dihasilkan (output) tiga mesin tadi berturut-turut adalah 3%.2. A2.17 10. suatu pabrik memproduksi semacam barang tertentu. Peluang bahwa barang itu rusak dihasilkan oleh mesin A adalah ( | ). 2. …. Jika sebuah barang terpilih itu adalah rusak berasal dari mesin A. B dan C yang berturut-turut sebanyak 50%. TEOREMA BAYES “Misalkan peristiwa-peristiwa A1. 11. …. Contoh lain masalah pencocokan ini misalnya terdapat n macam foto dari actor terkenal dicocokkan secara acak dengan foto actor-aktor itu pada waktu masih bayi. Maka untuk i = 1. Masalah pencocokan Misalkan seseorang mengetik n macam surat berlainan dan mengetik alamat surat-surat itu pada amplop sebanyak n pula. A2. Ak membentuk sebuah partisi dari ruang sampel S sehingga P(Aj) > 0 untuk j = 1. 30% dan 0% dari seluruh barang yang diproduksi pabrik tadi. …. Misalkan X adalah peristiwa bahwa sebuah barang rusak. (⋃ ) ∑ ( ) ∑ ( ) ∑ ( ) ∑ ( ) ( ) ( ) 10. k. 4% dan 5%.3. …. dan misalkan B adalah sebarang peristiwa demikian sehingga P(B) > 0.2. Diminta menentukan peluang pn bahwa paling sedikit terdapat selembar surat yang dimasukkan ke dalam amplop itu cocok atau sesuai dengan alamatnya.

18 ( | ) ( ) ( | ) )( ) ( ( ( ) ( | ) ( ) ( | ) )( )( ) ) ( ( ) ( | ) )( ) ( .

2002. Jakarta : Departemen Pendidikan dan Kebudayaan . Pengantar Teori Peluang dan Statistika. Eko. Robert D. Jakarta : Erlangga Mason.19 DAFTAR PUSTAKA Budiarto. Jakarta : Erlangga Salam. Biostatistika Untuk Kedokteran dan Kesehatan Masyarakat. Abdus. Teknik Statistika Untuk Bisnis dan Ekonomi. Dasar-dasar Ekonometrika Jilid 1 (Edisi 3). Jakarta : EGC Gujarati. 1989. 2007. Damodar. 2006.

Sign up to vote on this title
UsefulNot useful