Drs. H.

Simbolon, MS Statistik II Bab VI Teori Probabilita

6-1. Beberapa Catatan Tentang Sejarah Probabilita Pengetahuan tentang probabilita (probability) sebenarnya telah dikenal sejak berabad-abad lamanya. Meskipun demikian, penjelasan secara ilmiah baru dirintis pada abad ketujuhbelas. Pada masa itu, Chevalier de Mere (seorang bangsawan Perancis) acapkali menulis surat pada Blaise Pascal agar diberi penjelasan tentang perbedaan antara pemikiran-pemikiran teoritisnya dengan hasil-hasil observasi yang diperolehnya dari gelanggang judi. Soal-soal perjudian itulah yang menarik perhatian Pascal dan Fermat dan surat menyurat antara kedua sarjana tersebut tentang persoalan diatas sebenarnya meletakkan dasar pemikiran bagi ilmu probabilita modern. Huygens (1629-1695), seorang sarjana Belanda membaca isi surat menyurat ini dan karena tertarik oleh buah fikiran baru tersebut, ia kemudian menulis buku tentang probabilita yang berjudul De Ratio ciniis in ludo aleae (1654). Dalam buku tersebut, Huygens memberi penjelasan tentang cara pemecahan soal-soal probabilita dalam permainan judi. Pengertian tentang harapan matematis (mathematical expectation) yang demikian pentingnya dalam probabilita modern dapat dikatakan bersandar pada tulisan-tulisannya diatas.

6-2. Pengertian Tentang Probabilita Teori probabilita merupakan cabang dari ilmu matematika terapan (applied mathematics) dan yang menelaah perilaku faktor untung-untungan (chance factor). Faktor untung-untungan umumnya dihubungkan dengan pengertian tentang peluang atau kemungkinan (probability or likelihood). Sebab, jika hasilnya tidak pasti (certain) karena hasil tersebut merupakan akibat faktor untung-untungan, maka kita hanya dapat menyatakan peluang atau tingkat kepastian (degree of certainty) timbulnya suatu kejadian. Pada hakekatnya, dasar perumusan tentang probabilita atau penentuan besaran yang dapat mengukur tingkat kepastian timbulnya suatu peristiwa dapat dibedakan dalam 3 cara sebagai berikut : a. Perumusan Klasik Dalam contoh tentang 10 bola merah dan 10 bola putih, jika kita secara random (acakacakan) memilih satu bola dari dalam peti, maka kemungkinan terpilihnya bola putih akan sama besarnya dengan kemungkinan terpilihnya bola merah. Dalam hal tersebut, probabilita diinterpretasikan atas dasar pengertian tentang rangkaian peristiwa yang bersifat saling lepas dan yang memiliki kesempatan yang sama untuk terwujud (mutually exclusive and equally likely sets of events).

Drs. H. Simbolon, MS Statistik II b. Perumusan atas dasar konsep frekuensi relatif Dalam kenyataan, banyak peristiwa atau kejadian sukar sekali ditentukan apakah rangkaian peristiwa tersebut memiliki kesempatan yang sama untuk timbul. Dalam hal sedemikian, perumusan probabilita atas dasar pengertian frekuensi relatif akan lebih bermanfaat. Jika m merupakan jumlah perwujudan kejadian yang khusus, katakanlah peristiwa E dalam serangkaian n percobaan dalam jumlah yang tidak terhingga, maka probabilita peristiwa E merupakan frekuensi relatif m/n dan dinyatakan sebagai : p (E) = . c. Perumusan atas dasar subyektivitas Tidak semua kejadian dapat timbul secara berulang-ulang seperti hasil serangkaian percobaan atau pemilihan sampel. Ada kalanya suatu kejadian atau peristiwa hanya timbul sekali saja. Akhir-akhir ini, probabilita dirumuskan sebagai pengukuran keyakinan pribadi terhadap suatu hipotesis yang tertentu atau terjadinya suatu peristiwa tertentu, katakanlah hipotesis tentang kemungkinan manusia dapat hidup dibulan atau peristiwa pemimpin X akan diganti dengan pemimpin Y. probabilita demikian dinamakan probabilita subyektif (subjectif probability).

6-3. Ruang Sampel Persoalan probabilita timbul jika kita menganalisa serangkaian hasil percobaan aktual maupun konseptual. Jika sekeping uang logam dilempar, 2 kemungkinan saja yang akan timbul. Tiap hasil dari suatu percobaan sedemikian itu akan sesuai dengan salah satu dari unsur himpunan S = { 0, 1}. Himpunan demikian dinamakan ruang sampel (sample space) bagi percobaan yang bersangkutan. Pelemparan 2 keping uang logam akan menghasilkan 4 kemungkinan dan tiap hasil pelemparan diatas akan sesuai dengan satu saja dari unsur himpunan. S = { (0, 0), (0, 1), (1, 0), (1, 1) } 6-3.1. Beberapa catatan tentang ruang sampel Pada contoh tentang hasil pelemparan 2 butir dadu, seluruh kejadian (hasil) yang mungkin timbul ialah sebesar 6n = 62 = 36. Dengan lain perkataan, ruang sampelnya terdiri dari 36 titik sampel (sample points). Dengan jalan pemikiran yang sama, probabilita untuk dapat memilih sebuah sampel yang terdiri dari 3 orang dari sebuah populasi yang terdiri dari 30 orang ialah sebesar : p (3 orang) = m/n = =

dengan sendirinya, (

) merupakan jumlah titik sampel yang terdapat dalam ruang sampel.

Akhirnya, sebuah ruang sampel dapat dirumuskan sebagai himpunan yang tidak terhingga. Karena kita selalu dapat menyatakan tiap titik dalam garis yang bersangkutan dengan suatu bilangan rial (real number) yang unik, maka kita dapat menganggap sebagai ruang sampel suatu himpunan yang tidak terhingga dan dinyatakan sebagai : S = { x R : 0 x 1 }. dimana R = Himpunan yang terdiri dari semua bilangan rial.

Drs. H. Simbolon, MS Statistik II 6-4. Peristiwa (event) 6-4.1. Pengertian tentang peristiwa Ruang sampel dapat dianggap sebagai suatu himpunan universal bagi semua hasil aktual atau konseptual yang mungkin terjadi, karena pada tiap percobaan, kita selalu ingin mengetahui terjadinya pelbagai macam peristiwa atau kejadian yang berkenaan dengan percobaan itu sendiri. Contoh 6-4.1 : Percobaan mengenai pelemparan sekeping uang logam sebanyak 3 kali akan menghasilkan suatu himpunan seperti misalnya : S = { (0,0,0), (0,0,1), (0,1,0), (1,0,0), (0,1,1), (1,0,1), (1,1,0), (1,1,1) } Sebagai ruang sampelnya. Dari unsur himpunan S diatas, peristiwa timbulnya dua sisi 0 ialah (0,0,1), (0,1,0) dan (1,0,0) atau dapat dinyatakan sebagai A = { (0,0,1), (0,1,0), (1,0,0) }. A diatas merupakan sebuah sub-himpunan dari ruang sampel S dan dengan sendirinya ruang sampel S merupakan himpunan universal bagi sub-himpunan A tersebut. Sub-himpunan A dapat merupakan ekivalensi matematis dari peristiwa jumlah hasil 0 sebanyak dua. DEFINISI 6.4.1.: Bila sebuah ruang sampel S telah ditentukan, suatu peristiwa atau kejadian (event) ialah sebuah sub-himpunan dari S. Per definisi 6.4.1. diatas, maka kita dapat mengatakan misalnya, 1. Peristiwa A = sub-himpunan A dari ruang sampel S. 2. Peristiwa B = sub-himpunan B dari ruang sampel S. 3. Peristiwa A atau B = A B. 4. Peristiwa A dan B = A B. 5. Peristiwa A mutlak terjadi = A = S. 6. Peristiwa A dan B merupakan peristiwa yang saling lepas = A

B=

6-4.2. Probabilita suatu peristiwa DEFINISI 6.4.2.: Bila suatu percobaan dapat menimbulkan sejumlah n hasil yang berbeda serta memiliki kesempatan untuk terwujud yang sama dan bila m dari hasil di atas merupakan peristiwa A, probabilita peristiwa A dapat dirumuskan menjadi : p (A) = m/n. Bila semua peristiwa yang bukan A dinyatakan dengan tanda , maka p () = = 1 p (A) Perumusan diatas harus memenuhi ketentuan, 1. Probabilita A harus merupakan bilangan yang non-negatif yaitu : p (A) 0 2. Jumlah probabilita A ditambah dengan harus sama dengan 1 atau, p (A) + p () = 1

Drs. H. Simbolon, MS Statistik II Perumusan diatas, membawa konsekuensi bahwa probabilita relatif (relative probability) bagi A dan ialah : = =

6-5. Asas-asas Menghitung Probabilita Peristiwa DEFINISI 6.5.1.: Peristiwa yang saling lepas (mutually exclusive). Dua peristiwa merupakan peristiwa yang saling lepas bila kedua peristiwa tersebut tidak dapat terjadi pada waktu yang bersamaan. Secara matematis, dua himpunan A dan B dikatakan saling lepas atau terpisah (disjoint) bila dan hanya bila mereka tidak memiliki unsur yang sama dan A B = . TEOREMA 6.5.1.: Bila A dan B saling lepas dan merupakan peristiwa dalam sebuah ruang sampel yang terbatas, maka : p (A B) = p (A) + p (B) dimana A B= dan p (A B) = p ( ) = 0 Contoh 6.5.1. : Bila sebutir dadu dilempar sekali, berapakah probabilita timbulnya mata dadu 1 atau mata dadu 5? Pada pelemparan dadu, peristiwa timbulnya mata dadu 1 dan peristiwa timbulnya mata dadu 5 merupakan dua peristiwa yang saling lepas. Bila A = peristiwa timbulnya mata dadu 1, dan B = peristiwa timbulnya mata dadu 5, maka per Definisi 6.5.1. probabilitanya dinyatakan sebagai berikut : p (A B) = p (A) + p (B) = 1/6 + 1/6 = 2/6 = 1/3

TEOREMA 6.5.2. : Bila terdapat beberapa peristiwa yang saling lepas A1, A2, A3,,Am dalam sebuah ruang sampel, maka : p (A1 A2 A3 . . . Am) = p (A1) + p (A2) + p (A3) + . . . + p (Am) DEFINISI 6.5.2. : Dua peristiwa dikatakan tidak saling lepas bila kedua peristiwa tersebut tidak usah terpisah (disjoint).

Drs. H. Simbolon, MS Statistik II 6-6. Beberapa Contoh Menghitung dengan Menggunakan Asas-asas Probabilita Contoh 6.6.1. : Dalam contoh yang baru lalu, bila sebelum pemilihan bola yang kedua, kita kembalikan bola pertama ke dalam peti, berapakah probabilita pemilihan pertama dan kedua menghasilkan bola putih? Bila sebelum pemilihan kedua, bola yang terpilih pada pemilihan pertama harus dikembalikan, peristiwa A dan peristiwa B merupakan peristiwa yang independen sehingga : p (A B) = p (A) . p (B) =X = 9/16 Contoh 6.6.2. : Sebutir dadu yang bersisi enam dilempar sebanyak dua kali. Berapakah probabilita lemparan pertama menghasilkan mata dadu 3 atau mata dadu 4 dan lemparan kedua menghasilkan sebarang mata dadu selain mata dadu 3? Bila A merupakan lemparan pertama yang menghasilkan mata dadu 3 atau mata dadu 4 dan B merupakan lemparan kedua yang menghasilkan sebarang mata dadu selain mata dadu 3, maka pemecahan soal diatas dapat dilakukan secara berturut-turut sebagai berikut : Peristiwa lemparan pertama yang menghasilkan mata dadu 3 atau mata dadu 4 merupakan peristiwa yang saling lepas (mutually exclusive), dan p (A) = 1/6 + 1/6 = 2/6 = 1/3 Peristiwa B merupakan peristiwa komplimenter, maka : p (B) = 1 1/6 = 5/6. Karena peristiwa A dan peristiwa B merupakan peristiwa yang independen, maka : p (A B) = p (A) . p (B) = 1/3 X 5/6 = 5/18 6-7. Beberapa Catatan tentang Probabilita Berganda (compound probability) Sesuai dengan definisi tentang hubungan simetris, maka : p (B A) = p (B) . p (A|B) B) = p (A) . p (B|A)

Dengan cara yang sama rumus diatas dapat juga ditulis menjadi : p (A Konsekuensinya : p (A B) = p (A) . p (B|A) = p (B) . p (A|B)

Rumus diatas juga dinamakan rumus probabilita berganda (compound probability). Rumus tersebut penting sekali artinya untuk menghitung probabilita peristiwa yang terdiri dari serangkaian percobaan ganda (compound experiment).

Drs. H. Simbolon, MS Statistik II Contoh 6.7.1. : Peti A terisi dengan 3 bola hijau dan 5 bola merah. Peti B terisi dengan 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 memilih bola hijau ? Guna memudahkan cara menghitung, masalah diatas dapat digambarkan secara sistematis pada diagram 6.7.1.
Hijau 3/16 3/8 Peti A 3/8 Merah 5/16 1/2 Hijau 2/10 2/5 Peti B 1/5 2/5 Merah 1/10

1/2

Kuning 1/5

Bila hanya terdapat 2 peti, pemilihan secara random antara kedua peti akan menghasilkan probabilita bagi tiap peti untuk dipilih. Pemilihan satu bola secara random dari peti A akan menghasilkan probabilita 3/8 bagi terpilihnya bola merah. Pemilihan satu bola secara random dari peti B akan menghasilkan probabilita sebesar 2/5 bagi terpilihnya bola hijau, 1/5 bagi bola merah dan 2/5 bagi bola kuning. Probabilita (hijau peti A) = 3/8 X = 3/16 sedangkan probabilita (hijau peti B) = 2/5 X = 2/10 = 1/5. Peristiwa bola hijau terpilih dapat terjadi dalam 2 cara yang saling lepas yaitu, 1. Memilih peti A dan mengambil bola hijau dan 2. Memilih peti B dan mengambil bola hijau. Peristiwa bola hijau terpilih merupakan gabungan dari kedua peristiwa yang saling lepas di atas. Alhasil, p (hijau) = p (hijau peti A) + p (hijau peti B) = 3/16 + 1/5 = 31/80 Hasil hitungan diatas lebih mudah diperoleh dengan menggunakan Rumus: p (memilih bola hijau) = p (peti A) . p (hijau peti A) + p (peti B) . p (hijau peti B) = (1/2) (3/8) + (1/2) (2/5) = 31/80

Drs. H. Simbolon, MS Statistik II 6-8. Teorema Bayes dan Probabilita Hipotesis Teorema Bayes yang lebih dikenal dengan nama kaedah Bayes (Bayes Rule) memainkan peranan yang penting dalam penggunaan probabilita bersyarat dan menghitung probabilita subyektif. Teorema Bayes ini dikemukakan dalam karya Thomas Bayes pada tahun 1763. Definisi 6.8.1. : Suatu partisi dari suatu himpunan A ialah suatu himpunan {A1, A2, . . . , An} yang memiliki ciri-ciri seperti berikut : a. Aj b. Aj c. A1 A Ak = A2 . . . j = 1, 2, 3, . . . , n j = 1, 2, 3, . . . , n dan k = 1, 2, . . . , n; j An = A

Setiap unsur dalam A merupakan unsur dari satu dan hanya satu dari sub-himpunan-subhimpunan yang terdapat dalam partisi. Bila As = 13 kartu sekopong, At = 13 kartu cengkeh, Ad = 13 kartu jantung dan Ai = 13 kartu intan, maka { As, At, Ad, Ai } merupakan suatu partisi dari ruang sampel S, karena 4 sub-himpunan tersebut saling lepas dan lengkap terbatas. Sudah tentu partisi dari S dapat merupakan himpunan yang terdiri dari 52 peristiwa dasar (unsur) dari suatu ruang sampel S. Teorema 6.7.3. : Bila {A1, A2, A3, . . . , An} merupakan suatu partisi dari ruang sampel S dan bila setiap peristiwa A1, A2, . . . , An memiliki probabilita 0, maka probabilita p (A) = p (A1) p (A|A1) + p (A2) p (A|A2) + . . . + p (An) p (A|An) Rumus diatas dapat disingkat menjadi, p (A) = (Aj) p (A|Aj)

Pembuktian: Dari hipotesis yang menyatakan bahwa { A1, A2, . . . , An } merupakan partisi dari S dapat pula ditarik kesimpulan bahwa { A A1, A A2, . . . , A An } merupakan suatu partisi dari peristiwa A sehingga, A = (A A1) (A A2) . . . (A An) A = (A B) (A B) dimana B = A1 dan B = A2 . . . , Am. Seperti diketahui A (B B) (sesuai dengan kaedah distributif) sehingga A (B B) = A S (sesuai dengan kaedah komplimenter) dan A S = A adalah benar. Rumus diatas tersebut memberi interpretasi bahwa A merupakan gabungan dari sejumlah peristiwa saling lepas. Per definisi tentang probabilita bersyarat umum, kita peroleh bagi j=1,2,,n. p (A Aj) = p (Aj) p (A|Aj)