🎥 Playlist Kuliah: Basic Probability (3 Video)
Playlist ini berisi penjelasan lengkap untuk seluruh materi Sesi 04. Tonton berurutan dari atas — mulai dari konsep dasar probabilitas, aturan penjumlahan & perkalian, sampai probabilitas bersyarat.
🎯 Bagian 1: Basic Probability — Ruang Sampel, Kejadian, dan Probabilitas Dasar
🤔 Apa Itu Probabilitas?
Probabilitas = ukuran numerik kemungkinan terjadinya suatu kejadian. Nilainya selalu antara 0 sampai 1:
- 0 = mustahil terjadi (probabilitas 0%)
- 0,5 = peluang 50-50
- 1 = pasti terjadi (probabilitas 100%)
Ketika prakiraan cuaca bilang “probabilitas hujan 70%”, artinya: dari 100 hari dengan kondisi serupa, sekitar 70 hari benar-benar hujan. Probabilitas bukan ramalan pasti — tapi ukuran keyakinan berdasarkan data/pola.
📚 Konsep Dasar: Ruang Sampel & Kejadian
Ruang Sampel (Sample Space, S)
Definisi: Himpunan semua hasil yang mungkin dari suatu eksperimen/proses.
- Lempar koin: S = {Angka, Gambar}
- Metode pembayaran toko online: S = {Tunai, QRIS, Transfer, COD, PayLater}
- Respons pelanggan terhadap produk baru: S = {Sangat Puas, Puas, Biasa, Kecewa, Sangat Kecewa}
Kejadian (Event)
Definisi: Subset dari ruang sampel — hasil tertentu yang kita minati.
Dari ruang sampel metode pembayaran S = {Tunai, QRIS, Transfer, COD, PayLater}:
- Kejadian A: “Pembayaran digital” = {QRIS, Transfer, PayLater}
- Kejadian B: “Pembayaran non-tunai” = {QRIS, Transfer, COD, PayLater}
- Kejadian C: “Pembayaran instan” = {QRIS, PayLater}
📊 Menghitung Probabilitas Dasar
Rumus paling fundamental:
Dari 100 transaksi terakhir: Tunai (20), QRIS (35), Transfer (25), COD (10), PayLater (10).
- P(QRIS) = 35/100 = 0,35 (35%)
- P(Digital) = P(QRIS) + P(Transfer) + P(PayLater) = 70/100 = 0,70
🎯 3 Pendekatan Probabilitas
| Pendekatan | Cara Hitung | Kapan Dipakai | Contoh |
|---|---|---|---|
| Klasik | Asumsi semua hasil equally likely | Situasi simetris (dadu, koin) | P(Angka) = 1/2 = 0,5 |
| Empiris | Berdasarkan data historis | Ada data masa lalu | P(QRIS) = 35/100 = 0,35 |
| Subjektif | Penilaian pribadi/ahli | Tidak ada data, situasi unik | “Menurut saya, 60% peluang reses” |
Pendekatan empiris paling sering dipakai karena kita punya data historis. Pendekatan subjektif dipakai untuk situasi baru (launching produk pertama kali).
📐 Bagian 2: Rules of Probability — Addition & Multiplication Rules
📊 1. Addition Rule (Aturan Penjumlahan)
Untuk menghitung P(A atau B):
Kasus A: Mutually Exclusive (Saling Lepas)
Dua kejadian tidak bisa terjadi bersamaan.
Kasus B: Not Mutually Exclusive (Tidak Saling Lepas)
Dua kejadian bisa terjadi bersamaan. Harus kurangi overlap-nya.
P(Puas atau Loyal) = 0,60 + 0,50 − 0,40 = 0,70.
📊 2. Multiplication Rule (Aturan Perkalian)
Untuk menghitung P(A dan B):
Kasus A: Independent (Saling Bebas)
P(Keduanya ramai) = 0,60 × 0,50 = 0,30.
Kasus B: Dependent (Tidak Saling Bebas)
P(Lihat dan Beli) = 0,40 × 0,70 = 0,28.
🔀 Bagian 3: Conditional Probability — Probabilitas dengan Syarat
🤔 Apa Itu Conditional Probability?
Probabilitas suatu kejadian dengan syarat kejadian lain sudah terjadi. Notasinya: P(A|B).
Dari 100 transaksi: 50 di jam sibuk, 20 adalah QRIS di jam sibuk.
P(QRIS | Jam Sibuk) = (20/100) / (50/100) = 0,20 / 0,50 = 0,40.
Interpretasi: Jika transaksi terjadi di jam sibuk, peluang pakai QRIS = 40%.
🔍 Perbedaan P(A|B) vs P(B|A)
- P(QRIS | Jam Sibuk) = dari semua transaksi jam sibuk, berapa % yang QRIS?
- P(Jam Sibuk | QRIS) = dari semua transaksi QRIS, berapa % yang di jam sibuk?
Jangan tertukar P(A|B) dengan P(B|A). Dalam bisnis: “80% pelanggan puas adalah repeat buyer” ≠ “80% repeat buyer pasti puas”. Selalu cek arahnya.
🔗 Bagian 4: Independence vs Dependence
📊 Definisi Formal Independence
Dua kejadian A dan B independent jika:
P(QRIS) = 0,45. P(QRIS | Pria) = 0,67. P(QRIS | Wanita) = 0,36.
Karena P(QRIS|Pria) ≠ P(QRIS) → DEPENDENT. Gender memengaruhi pilihan metode pembayaran.
Dalam bisnis, hampir semua kejadian itu dependent. Asumsi independence hanya valid kalau secara logika memang tidak ada hubungan. Kalau ragu, uji dulu.
✅ Bagian 5: Ringkasan & Checklist Praktis Sesi 04
🗺️ Peta Konsep Sesi 04
| Konsep | Rumus Utama | Kapan Dipakai |
|---|---|---|
| Addition Rule | P(A or B) = P(A) + P(B) − P(A and B) | “A atau B atau keduanya” |
| Multiplication Rule | P(A and B) = P(A) × P(B|A) | “A dan B bersamaan” |
| Conditional | P(A|B) = P(A and B) / P(B) | “Probabilitas A dengan syarat B” |
“Probabilitas bukan ramalan masa depan — tapi alat untuk mengukur ketidakpastian.”
Materi di bawah ini adalah versi deep-dive dari poin-poin yang sudah kita bahas di atas.
↓ Gulir ke bawah untuk materi pelengkap ↓
Sesi 04 – Konsep Probabilitas (Learning Guide)
Sesi ini membahas konsep dasar probabilitas yang digunakan untuk mengukur ketidakpastian dalam pengambilan keputusan bisnis. Mahasiswa akan mempelajari probabilitas kejadian tunggal, kejadian gabungan, serta probabilitas bersyarat.
Learning Objectives
- Menghitung probabilitas kejadian menggunakan konsep dasar probabilitas
- Menggunakan aturan penjumlahan dan perkalian probabilitas
- Menghitung probabilitas bersyarat (conditional probability)
- Menafsirkan probabilitas dalam konteks bisnis
4.1 Basic Probability Concepts
Probabilitas adalah ukuran numerik yang menunjukkan kemungkinan terjadinya suatu kejadian. Nilai probabilitas berada pada rentang 0 sampai 1.
Definisi Dasar:
P(A) = jumlah hasil yang diinginkan / jumlah seluruh hasil yang mungkin
4.2 Rules of Probability
a. Addition Rule
Jika dua kejadian A dan B saling lepas (mutually exclusive):
P(A or B) = P(A) + P(B)
b. Multiplication Rule
Jika dua kejadian A dan B saling bebas (independent):
P(A and B) = P(A) × P(B)
4.3 Conditional Probability
Probabilitas bersyarat mengukur kemungkinan terjadinya suatu kejadian dengan syarat kejadian lain telah terjadi.
Rumus: P(A | B) = P(A and B) / P(B)
Pertanyaan Reflektif
- Mengapa probabilitas penting dalam pengambilan keputusan bisnis?
- Apa perbedaan probabilitas sederhana dan probabilitas bersyarat?
- Bagaimana conditional probability membantu strategi pemasaran?
Sumber: Levine et al. (2017), Chapter 4
Materi Sebelumnya
← Sesi 03: Ukuran Pemusatan DataLanjut ke Materi Berikutnya
Sesi 05: Distribusi Probabilitas →