Materi Ajar: Peluang Teoretik dan Frekuensi Relatif Kejadian Tunggal (Kelas IX)
A. Memahami: Teori vs Realita Eksperimen
Peluang adalah cara matematika mengukur seberapa besar kemungkinan suatu kejadian akan terjadi. Namun, ada perbedaan besar antara "apa yang seharusnya terjadi menurut matematika" dan "apa yang benar-benar terjadi saat kita mempraktikkannya berulang kali".
1. Peluang Teoretik (Apa yang Seharusnya Terjadi)
Peluang teoretik adalah perhitungan peluang di atas kertas berdasarkan hitungan matematis yang ideal. Sebelum menghitungnya, kita harus mendefinisikan dua hal:
- Ruang Sampel ($S$): Himpunan semua kemungkinan hasil yang bisa terjadi. Jumlah anggotanya disimbolkan dengan $n(S)$.
- Kejadian ($A$): Hasil spesifik yang kita harapkan atau kita cari. Jumlah anggotanya disimbolkan dengan $n(A)$.
2. Frekuensi Relatif / Peluang Empirik (Apa yang Nyata Terjadi)
Frekuensi relatif adalah perbandingan banyaknya suatu kejadian yang benar-benar muncul dalam sebuah eksperimen terhadap total banyaknya percobaan yang dilakukan. Ini adalah data asli hasil uji coba.
Hukum Bilangan Besar (The Law of Large Numbers)
Jika Anda melempar koin 10 kali, bisa saja muncul Angka sebanyak 8 kali (Frekuensi Relatif $0,8$). Ini sangat jauh dari Peluang Teoretik ($0,5$). Namun, jika Anda melempar koin tersebut 10.000 kali, maka frekuensi relatif munculnya Angka akan bergerak sangat mendekati peluang teoretiknya (yaitu mendekati $5.000$ kali atau $0,5$). Semakin banyak eksperimen dilakukan, realita akan semakin mendekati teori.
B. Mengaplikasikan: Rumus Peluang dan Harapan
1. Rumus Peluang Teoretik ($P$)
Batas Nilai Peluang: $0 \le P(A) \le 1$. Jika peluangnya $0$ berarti Kemustahilan (mustahil terjadi), dan jika peluangnya $1$ berarti Kepastian (pasti terjadi).
2. Rumus Frekuensi Relatif ($F_r$)
3. Frekuensi Harapan ($F_h$)
Frekuensi harapan adalah prediksi matematis tentang seberapa sering suatu kejadian akan muncul jika eksperimen dilakukan berulang-ulang sebanyak $N$ kali.
C. Bernalar: Pemecahan Masalah Analitis (HOTS)
Pada tingkat HOTS, soal peluang biasanya memanipulasi ruang sampel (seperti dadu tidak standar atau pengambilan barang tanpa dikembalikan) serta menghubungkan frekuensi relatif skala kecil untuk memprediksi risiko skala besar.
Studi Kasus 1: Manipulasi Ruang Sampel (Dadu Unik)
Situasi: Andi membuat sebuah dadu enam sisi buatan sendiri. Namun, alih-alih memberi angka 1 sampai 6, ia menuliskan angka berikut pada keenam sisinya: $1, 2, 2, 3, 3, 3$. Jika dadu tersebut dilempar satu kali, berapakah peluang teoretik munculnya angka ganjil?
Analisis Penalaran:
Jangan terjebak dengan ruang sampel dadu normal $\{1, 2, 3, 4, 5, 6\}$. Ruang sampel dadu ini berbeda.
- Tentukan Ruang Sampel $S$:
$S = \{1, 2, 2, 3, 3, 3\}$
$n(S) = 6$ (Karena dadu tetap memiliki 6 sisi). - Tentukan Kejadian $A$ (Angka Ganjil):
Angka ganjil yang ada di dadu tersebut adalah angka $1$ (ada 1 buah) dan angka $3$ (ada 3 buah).
$A = \{1, 3, 3, 3\}$
$n(A) = 1 + 3 = 4$. - Hitung Peluang Teoretik:
$$ P(\text{Ganjil}) = \frac{n(A)}{n(S)} = \frac{4}{6} = \frac{2}{3} $$
Kesimpulan: Peluang munculnya angka ganjil pada dadu unik tersebut adalah $\frac{2}{3}$.
Studi Kasus 2: Peluang Dinamis (Pengambilan Tanpa Pengembalian)
Situasi: Di dalam sebuah kotak terdapat $5$ bola merah, $3$ bola biru, dan $2$ bola kuning. Budi mengambil satu bola secara acak dan mendapatkan bola merah. Bola merah tersebut tidak dikembalikan ke dalam kotak. Jika Cika sekarang mengambil satu bola secara acak dari kotak tersebut, berapakah peluang Cika mendapatkan bola biru?
Analisis Penalaran (Ruang Sampel Berubah):
Kejadian yang dilakukan Budi telah merubah susunan dan total isi kotak (ruang sampel). Kita harus memperbarui datanya sebelum menghitung peluang Cika.
- Kondisi Awal: Merah = 5, Biru = 3, Kuning = 2. Total $n(S_{\text{awal}}) = 10$.
- Setelah Budi Mengambil 1 Merah:
Sisa Merah = $5 - 1 = 4$ bola.
Biru tetap = $3$ bola.
Kuning tetap = $2$ bola. - Ruang Sampel Baru:
$n(S_{\text{baru}}) = 4 + 3 + 2 = 9$ bola. - Peluang Cika Mengambil Biru: Target Biru $n(\text{Biru}) = 3$.
$$ P(\text{Biru}) = \frac{n(\text{Biru})}{n(S_{\text{baru}})} = \frac{3}{9} = \frac{1}{3} $$
Kesimpulan: Peluang Cika mendapatkan bola biru meningkat menjadi $\frac{1}{3}$. Jika bola Budi tadi dikembalikan, peluang Cika hanyalah $\frac{3}{10}$. Inilah bedanya kejadian saling bebas dan bersyarat.
Studi Kasus 3: Memprediksi Risiko dengan Frekuensi Relatif (Quality Control)
Situasi: Tim Pengendalian Mutu (QC) di pabrik lampu LED menguji sampel sebanyak $400$ buah lampu. Dari hasil pengujian empirik, ditemukan $12$ buah lampu dalam keadaan rusak (cacat). Jika bulan depan pabrik tersebut akan memproduksi $25.000$ buah lampu, berapakah perkiraan (frekuensi harapan) jumlah lampu yang rusak?
Analisis Penalaran:
Kita menggunakan Frekuensi Relatif dari sampel kecil (400) dan menganggapnya sebagai "Peluang Empirik" atau rasio kecacatan mesin, lalu mengalikannya dengan target produksi masa depan.
- Hitung Frekuensi Relatif Kerusakan ($F_r$):
$$ F_r = \frac{\text{Lampu Rusak}}{\text{Total Sampel Uji}} $$ $$ F_r = \frac{12}{400} $$
- Sederhanakan Rasio (opsional):
$$ \frac{12}{400} = \frac{3}{100} = 0,03 \text{ (Tingkat kecacatan 3\%)} $$
- Hitung Frekuensi Harapan ($F_h$) Produksi Massal: Kalikan peluang cacat dengan jumlah produksi (N = 25.000).
$$ F_h = \frac{3}{100} \times 25.000 $$ $$ F_h = 3 \times 250 = 750 $$
Kesimpulan: Berdasarkan data eksperimen empirik, pabrik harus bersiap untuk menanggung kerugian sekitar $750$ buah lampu rusak dari produksi 25.000 lampu tersebut.