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.

Tetapi.6 sedangkan peluang muka angka 0. Peluang muka gambar dalam hal ini 0.5. maka kita mendapatkan peluang gambar dan angka mendekati 0. . maka dapat diharapkan bahwa munculnya gambar dan angka akan dekat sekali ke 50%. maka munculnya muka gambar dan angka akan mendekati bilangan yang sangat besar. Sebagai contoh. 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. 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.1. bila sekeping uang logam rupiah yang masih baik atau uang logam tersebut masih bersifat equally likely. Pendekatan frekuensi relative dari peluang itu tak dapat diterapkan secara langsung terhadap masalah penting lainnya dalam pengertian peluang. 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. Tetapi. Peluang atau frekuensi relative suatu kejadian yang muncul a kali dalam suatu eksperimen yang dilakukan sebanyak n kali adalah . Jika kita hanya mengetos uang logam sebanyak 10 kali. bila eksperimen itu dilakukan sebanyak kali. bila eksperimen itu dilakukan n kali dalam jumlah besar dengan syarat tersebut di atas. mendekati tak hingga.2 2. Sebagai contoh. Jadi bila n bertambah besar. masalah peluang sepasang kenalan baru muda-mudi akan melaksanakan perkawinan dalam tempo setahun yang akan dating. Peluang yang diinterpretasikan sebagai frekuensi relative itu disebut a posteriori atau peluang empiric.4. kemudian ditos 10 kali.

karena terdapat tiga yang mungkin muncul genap dari seluruh peristiwa yang ada. Contoh : Dari dalam sebuah kantong yang berisi 10 butir kelereng merah dan 20 butir kelereng putih. 2.2. dan 6. 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). 5. 4.3 2. 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 . Pendekatan demikian itu akan lebih jelas apabila kita menghadapi conoth persoalan berikut. Demikian pula pengetosan sebuah dadu yang berbentuk kubus akan terdapat enam kesempatan sama untuk muncul. masing-masing adalah muka 1. Besarnya peluang akan muncul muka dadu bernomor genap adalah sebesar . eksperimen pengetosan uang logam akan terdapat salah satu dari dua peristiwa yang bakal terjadi. Interpretasi klasik dari peluang itu disebut juga pendekatan a priori. . 3. masing-masing mempunyai kesempatan sama untuk muncul. diambil sebutir secara acak . ialah muka angka atau gambar. 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). Sebagai contoh.

pendekatan subjektif atau perseorangan tetap bertahan. Para ahli personalistika memandang peluang sebagai ukuran percaya diri. . Setiap orang dapat berbeda derajat kepercayaannya terhadap suatu peristiwa. 2. Banyaknya kelereng merah = 10 Peluang mendapatkan sebutir kelereng merah adalah Peluang mendapatkan sebutir kelereng bukan merah adalah Jadi. seseorang harus benar-benar berhati-hati dan konsisten dalam memberikan besarnya nilai peluang terhadap suatu peristiwa.3. pengalaman. Pendekatan subjektif Walaupun pendekatan frekuensi relative tentang peluang sangat terkenal. sesuai dengan apa yang ia miliki baik berbentuk data kualitatif maupun kuantitatif. ia akan kehilangan arah dalam memberikan . Sebagai contoh. Berapakah peluang kelereng yang terambil itu berwarna merah ? Penyelesaian : Banyaknya kelereng keseluruhan dalam kantong adalah 10 + 20 = 30. Banyak hal dalam kehidupan sehari-hari peluang itu terletak di antara dua ekstrem 0 dan 1. Pendekatan subjektif menitik beratkan peluangnya di antara 0 dan 1 terhadap suatu peristiwa. Akan tetapi. karena tergantung nilai. dan lain-lain. kalau tidak. misalnya percaya bahwa si X tetap akan menjadi pimpinan setahun mendatang. Rentangan skala peluang suatu peristiwa bergerak dari 0 sampai 1.4 (random). sesuai dengan derajat kepercayaan akan terjadinya peristiwa itu. sikap. terutama untuk suatu kejadian khusus dan atau suatu proposisi (pernyataan). peluang mendapatkan angka tujuh dalam hal lemparan sebuah dadu kubus adalah 0 yang merupakan kemustahilan.

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

pelemparan sepasang mata dadu. 4. bahwa mata uang logam atau mata dadu itu wajar. 3. … didefinisikan sebagai peristiwa A1. A3.2. 5. Dalam hal ini. 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). ada asumsi yang tersirat bahwa dalam melakukan semua eksperimen tersebut telah dipenuhi beberapa syarat.6 adalah rincian (spesifikasi) bilangan-bilangan P(A) yang memenuhi aksioma 1. pelemparan sekeping mata uang logam. 2. Eksperimen Konsep penting yang pertama adalah eksperimen statistic atau acak. atau 6 jika mata dadu dilemparkan. Contoh. 2. Perhatikanlah bahwa hasil-hasil tersebut belum diketahui sebelum eksperimen dilakukan. Konsep ruang sampel pertama kali . 4. dan pengambilan sebuah kartu dari tumpukan kartu merupakan contohcontoh eksperimen. misalnya. dan 3. Tujuan dari eksperimen-eksperimen semacam itu barangkali adalah untuk menetapkan sebuah dalil (misalnya. … dan untuk positif. A2. KONSEP PENTING DALAM PROBABILITAS 4.1. 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. A2. A3.j merupakan anggota himpunan bilangan bulat 4. Hasil dari eksperimen semacam itu dapat berupa gambar atau angka jika mata uang logam dilemparkan. 1. atau salah satu dari angka-angka 1. Di dalam statistic. dan i. katakanlah.000 mata uang logam?) atau untuk menguji dalil bahwa mata uang logam tersebut wajar (misalnya. Ruang Sampel Himpunan semua hasil yang mungkin diperoleh dari suatu eksperimen disebut populasi atau ruang sampel. berapa banyak gambar yang mungkin akan diperoleh dalam satu kali pelemparan. Sering pula secara matematik untuk barisan peristiwa disjoint yang infinit banyaknya ialah A1.

. disingkat menjadi fhp. pada tahun 1931. atau ruang sampelatau populasi. dimana HH berarti gambar pada pelemparan pertama dan gambar pada pelemparan kedua. seorang pakar matematika dan sekaligus insinyur berkebangsaan Austria. misalkan kejadian A adalah peristiwa munculnya satu gambar dan satu angka dalam eksperimen pelemparan mata uang logam. adalah 4. Titik Sampel Setiap anggota. Dalam contoh 4. Contoh. TT. Aturan demikian disebut fungsi himpunan peluang. Kejadian Kejadian merupakan kumpulan hasil tertentu dan karenanya merupakan himpunan bagian dari ruang sampel.3. jelas bahwa hanya hasil HH saja yang termasuk kejadian B. Misalkan H menyatakan gambar dan T menyatakan angka. HT berarti gambar pada pelemparan pertama dan angka pada pelemparan kedua. yaitu HH. kita akan mendapatkan hasil-hasil sebagai berikut : HH.4. maka yang dimaksud bilangan P(A) itu adalah sesuai dengan interpretasi frekuensi relative dengan n cukup besar. TH. pertimbangkanlah sebuah eksperimen pelemparan dua mata uang logam yang wajar.2. di dalam ruang sampel atau populasi disebut titik sampel. 5. Misalkan B adalah kejadian bahwa dua gambar muncul dalam pelemparan dua buah mata uang logam. atau hasil. dan sebagainya. Tidak ada lagi hasil yang secara logika mungkin diperoleh. ATURAN PENGHITUNGAN Apabila kita ingin mengaitkan peristiwa A dalam ruang sampel S dengan bilangan real P(A). Jadi. keseluruhan hasil. TT merupakan titik sampel. masing-masing hasil. Jadi. Dalam contoh ini. 4. HT. HT. Contoh. Kita ketahui bahwa hanya hasil HT dan TH saja yang termasuk dalam kejadian A. TH. 4.7 diperkenalkan oleh Von Mises.

untuk setiap peristiwa A. 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 demikian juga disebut kejadian marjinal atau tanpa syarat. BERBAGAI HUBUNGAN DALAM PROBABILITAS Peluang terjadinya event sebagai hasil dari satu atau beberapa percobaan mempunyai hubungan sebagai berikut : a. Kejadian yang saling eksklusif Suatu event dikatakan mempunyai hubungan saling eksklusif bila peluang terjadinya suatu event hanya satu dari semua event yang dapat dihasilkan. maka Teorema 6. ( ) ( ( ) ) ( ) ( ) Teorema 4. jika peristiwa-peristiwa A dan B sedemikian hingga ( ) ( ) . dan C adalah tiga peristiwa sebarang.8 Berikut ini beberapa aturan penghitungan yang memberikan sifat-sifat penting lainnya terhadap fungsi himpunan peluang. dalam satu kartu jack tersebut akan terjadi tidak saling eksklusif bila yang diharapkan adalah jack hati. maka 6. ( ) Teorema 2. ( ) ( ( ) ( ) ( ) ( ) ) ( ) ( ) . Misalnya. Misalnya dalam pengambilan satu kartu jack pada tumpukan kartu. B. Teorema 1. Teorema 5. . terdapat adanya dua atau lebih kejadian bersamaan. untuk setiap peristiwa A. b. maka ( ). ( ) Teorema 3. jika A dan B merupakan dua peristiwa sebarang. jika A. Namun akan terjadi saling eksklusif bila yang diharapkan kartu jack dan queen secara bersamaan dalam satu kartu. Kejadian yang tidak saling eksklusif Suatu kejadian dikatakan tidak saling eksklusif bila dalam satu kali percobaan.

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

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

Aturan penggandaan untuk peluang bersyarat Dalam sebuah eksperimen yang melibatkan dua peristiwa A dan B yang tidak saling bebas. maka P(AB) = P(A).2. adalah dengan cara mengaplikasikan satu dari dua persamaan berikut : ( ( ) ) ( ) Atau ( ) ( | ) ( | ) Contoh. 7. sesuai dengan definisi peluang bersyarat maka ( | ) ( ) ( ) ( ) ( ) Dalam kata lain.11 7. Demikian pula halnya. Kita akan menentukan peluang untuk mendapatkan hasil urutan yang mungkin terjadi adalah merah. jika P(B)>0. jika A dan B merupakan dua peristiwa yang saling bebas dan jika P(A) > 0. konversinya jika P(B|A) = P(B). Peluang bersyarat untuk peristiwa bebas Jika dua peristiwa A dan B saling bebas. maka alat baik yang sering digunakan untuk menghitung peluang P(AB) bahwa kedua peristiwa itu akan terjadi. . maka P(B|A) = P(B). dari dalam sebuah kotak yang berisi bola merah sebanyak m dan bola biru sebanyak b ( ). tanpa pengembalian. merah. biru. Misalkan empat bola dipilih satu per satu. jika peristiwa-peristiwa A dan B adalah bebas. memilih empat bola. Jika P(A|B) = P(A).P(B). maka peristiwa-peristiwa A dan B adalah bebas. Sifat-sifat peluang bersyarat ini untuk peristiwa-peristiwa yang bebas menguatkan interpretasi dari konsep kebebasan. maka peristiwa-peristiwa A dan B harus bebas. 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. biru. dari sini. Konversi dari pernyataan ini adalah juga benar.1.

Kotak 2 berisi 6 bola lampu yang mana 1 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. Kotak 3 berisi 8 bola lampu yang mana 3 diantaranya putus. misalkan terdapat tiga kotak sebagai berikut : Kotak 1 berisi 10 bola lampu yang mana 4 diantaranya putus. Cara yang baik menggambarkan proses tersebut dan cara menghitung peluang untuk sebarang peristiwa adalah dengan jalan diagram pohon seperti contoh berikut.3. Contoh. disebut proses stokastik (hingga). Memilih satu dari 3 kotak yang ada b. 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 : . 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=1.4). Dalam persoalan itu terdapat dua urutan eksperimen : a. maka ( ) ( ) ( | ) ( | ) ( | ) 7.…. Berapakah peluang p bahwa bola yang terambil itu putus.

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

” 9. dan seterusnya.n3….n2. Dengan kata-kata dan asumsi itu menyebutkan bahwa peluang kedua peristiwa A dan B terjadi adalah sama dengan perkalian (produk) masing-masing peluang. maka banyaknya cara dengan urutan prosedur seperti tersebut adalah pergandaan n1. Definisi 1.14 sedangkan dari kota C terdapat lima rute yang berlainan ke kota D itu. dan jika prosedur berikutnya sebagai prosedur kedua dapat di bentuk dalam n2 cara yang berlainan. peluang terjadinya peristiwa B. misalkan secara bersamaan sekeping uang logam dittos dan sebutir dadu sisi enam digulingkan. Di bawah kondisi seperti itu layaklah apabila kita mengasumsikan bahwasanya P(AB) = P(A).P(B). ialah peluang munculnya angka 5 pada sisi dadu adalah 1/6. Secara umum aturan pergandaan itu dinyatakan sebagai berikut : “Jika suatu prosedur dapat dibentuk dalam n1 cara yang berlainan. ialah peluang munculnya muka angka pada uang adalah ½. maka peluang terjadinya peristiwa A. Dalam eksperimen itu terjadinya peristiwa A tidak terkait atau bebas dengan terjadinya peristiwa B. maka komposisi perjalanan dari kota A ke kota D menjadi 2 x 3 x 5 = 30 lintasan yang berlainan. Peluang simultan terjadinya dua peristiwa A dan B adalah ( ) ( ) ( ) Akan lebih matematis pengertian peristiwa-peristiwa bebas itu bila dinyatakan secara definitive. . bila terjadi atau tidak terjadinya salah satu peristiwa tidak berhubungan dan tidak dipengaruhi oleh terjadi atau tidak terjadinya peristiwa yang lain. DUA KEJADIAN BEBAS Dua peristiwa A dan B terjadi secara bebas (independen) satu sama lain. dan jika prosedur berikutnya sebagai prosedur ketiga dapat dibentuk dalam n3 cara yang berlainan. Peristiwa A dan B adalah bebas jika dan hanya jika ( ) ( ) ( ) Jika tidak demikian halnya A dan B dinamakan peristiwa tidak bebas atau dependen. Sebagai contoh.

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

dikurangi jumlah peluang dari pasangan irisan yang mungkin terjadi dari tiga peristiwa. DALIL PELUANG TOTAL 10.1. ( ( ) ( ) ) ( ) dapat ) ( ( ) ) ( )- Persamaan ini menunjukkan bahwa nilai dari diperoleh dengan jalan menjumlahkan peluang dari tiap peristiwa secara individual. dan ) ) ) (* (* (* = {AG. maka peristiwa A. 10. dan C adalah bebas sepasang-sepasang. . Akan tetapi ( ) ( ) ( ) hingga mengakibatkan ( ) ( ) Karena syarat b pada definisi 2 tidak dipenuhi. Hubungan dari tiga peristiwa Untuk tiga peristiwa sebarang A1.16 C = {tepat ada satu muka angka} Maka P(A) = P(B) = P(C) = ( ( ( . maka tiga premis itu tidak bebas bersama. B. dan A3 berlaku : ( ) ( . GA} +) +) +) Karena syarat a pada definisi 2 dipenuhi. A2. dan kemudian ditambah peluang irisan dari semua tiga peristiwa.

…. Kemudian surat-surat tadi dimasukkan ke dalam amplop-amplop secara acak. Menurut teorema Bayes . ….3. …. Misalkan X adalah peristiwa bahwa sebuah barang rusak. Peluang bahwa barang itu rusak dihasilkan oleh mesin A adalah ( | ). Maka untuk i = 1. Persentase barang yang cacat (rusak) yang dihasilkan (output) tiga mesin tadi berturut-turut adalah 3%. …. A2.2. Diminta menentukan peluang pn bahwa paling sedikit terdapat selembar surat yang dimasukkan ke dalam amplop itu cocok atau sesuai dengan alamatnya. Barang itu dihasilkan oleh tiga mesin A. (⋃ ) ∑ ( ) ∑ ( ) ∑ ( ) ∑ ( ) ( ) ( ) 10. B dan C yang berturut-turut sebanyak 50%. Jika sebuah barang terpilih itu adalah rusak berasal dari mesin A. Ak membentuk sebuah partisi dari ruang sampel S sehingga P(Aj) > 0 untuk j = 1. 4% dan 5%. An.2. k. k” ( | ) ( ) ( | ) ∑ ( ) ( | ) Contoh. 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. A2. TEOREMA BAYES “Misalkan peristiwa-peristiwa A1. 2.17 10. Masalah pencocokan Misalkan seseorang mengetik n macam surat berlainan dan mengetik alamat surat-surat itu pada amplop sebanyak n pula. Gabungan peristiwa sebanyak hingga Untuk n peristiwa sebarang A1. suatu pabrik memproduksi semacam barang tertentu. dan misalkan B adalah sebarang peristiwa demikian sehingga P(B) > 0. 30% dan 0% dari seluruh barang yang diproduksi pabrik tadi.

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

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

Sign up to vote on this title
UsefulNot useful