Teorema Bayes on kenji.blog

Apakah 'Positif dalam Tes' = 'Sakit'? Memahami Kekeliruan Tingkat Dasar

Thu, 10 Sep 2026 21:00:00 +0900

Jika hasil “positif (ada kelainan)” keluar dalam pemeriksaan kesehatan atau skrining kanker, siapa pun pasti akan panik. Namun, jika Anda memiliki pengetahuan tentang statistika dan peluang, Anda mungkin dapat menarik napas dalam-dalam dan tetap tenang. Ini karena, hanya karena “dinyatakan positif dalam tes yang sangat akurat” tidak berarti “peluang benar-benar menderita penyakit tersebut tinggi”.

Ini adalah bias kognitif khas di mana intuisi manusia melakukan kesalahan besar dalam perhitungan peluang, yang disebut “Kekeliruan Tingkat Dasar (Base Rate Fallacy)” atau “Pengabaian Peluang Prior”.

Masalah Pemeriksaan Kesehatan yang Menakutkan

Bayangkan situasi berikut ini.

Di sebuah kota, terdapat penyakit tak dikenal yang menginfeksi 1 dari 10.000 orang (0,01%). Untuk mendeteksi penyakit ini, alat tes yang sangat baik dengan “akurasi 99%” telah dikembangkan. (*Akurasi 99% berarti jika orang yang sakit menjalani tes, ada peluang 99% untuk dinilai secara benar sebagai “positif”, dan jika orang sehat menjalani tes, ada peluang 99% untuk dinilai secara benar sebagai “negatif”.)

Ketika Anda kebetulan menjalani tes ini, hasilnya adalah “positif”. Nah, seberapa besarkah peluang Anda benar-benar terinfeksi penyakit ini?

Banyak orang secara intuitif akan menjawab, “Karena akurasi tesnya 99%, peluang saya sakit pasti 99% juga.” Namun, jawaban matematis yang benar adalah “sekitar 0,98% (kurang dari 1%)”.

Mengapa dengan akurasi 99%, peluang sebenarnya bisa menjadi kurang dari 1%?

Teorema Bayes dan Visualisasi Keseluruhan

Kunci untuk memecahkan masalah ini adalah dengan mempertimbangkan bukan hanya akurasi tes, tetapi juga “seberapa langka penyakit itu pada awalnya (tingkat dasar/peluang prior)”. Mari kita visualisasikan fenomena yang berlawanan dengan intuisi ini menggunakan populasi besar sebanyak 1.000.000 orang.

Total populasi: 1.000.000 orang
Orang yang benar-benar sakit (1 dari 10.000 orang): 100 orang
Orang sehat: 999.900 orang

Kita melakukan tes dengan “akurasi 99%” kepada seluruh 1.000.000 orang ini.

1. Jika Orang yang Benar-Benar Sakit (100 Orang) Menjalani Tes

Karena akurasinya 99%, yang dengan benar dinilai sebagai “positif” adalah: 100 orang × 99% = 99 orang (Positif Benar)

2. Jika Orang Sehat (999.900 Orang) Menjalani Tes

Karena akurasinya 99%, terdapat orang-orang yang secara keliru dinilai sebagai “positif” (positif palsu) dengan peluang 1%: 999.900 orang × 1% = 9.999 orang (Positif Palsu)

graph TD A["Total Populasi (1.000.000 orang)"] --> B["Orang Sakit (100 orang)"] A --> C["Orang Sehat (999.900 orang)"] B -->|99% Benar| B1["Positif Benar (99 orang)"] B -->|1% Salah| B2["Negatif Palsu (1 orang)"] C -->|99% Benar| C1["Negatif Benar (989.901 orang)"] C -->|1% Salah| C2["Positif Palsu (9.999 orang)"] B1 -.-> D{"Total orang yang dinyatakan 'Positif': 10.098 orang"} C2 -.-> D style A fill:#ECEFF1,stroke:#333 style B fill:#FFCDD2,stroke:#333 style C fill:#C8E6C9,stroke:#333 style B1 fill:#F44336,stroke:#333,color:#fff style C2 fill:#FF9800,stroke:#333,color:#fff style D fill:#FFF9C4,stroke:#333,stroke-width:2px

Peluang Sebenarnya Anda Sakit

Sekarang, Anda diberitahu oleh dokter bahwa Anda “positif”. Ini berarti Anda termasuk dalam kelompok di kanan bawah diagram, yaitu “Total orang yang dinyatakan ‘Positif’ (10.098 orang)”.

Dalam kelompok ini, berapakah persentase “orang yang benar-benar sakit (Positif Benar)”?

$$ \text{Peluang Benar-Benar Sakit} = \frac{\text{Positif Benar}}{\text{Total Dinyatakan Positif}} = \frac{99}{99 + 9.999} = \frac{99}{10.098} \approx 0,0098 $$

Hasil perhitungannya adalah sekitar 0,98%. Meskipun dinyatakan “positif”, peluang Anda sebenarnya sehat (positif palsu) jauh lebih tinggi (sekitar 99%).

Mengapa Intuisi Bisa Salah?

Fenomena ini dijelaskan secara matematis melalui “Teorema Bayes” yang menghitung peluang bersyarat, tetapi otak manusia sangat buruk dalam melakukan perhitungan ini.

Alasan kita membuat kesalahan adalah karena kita terganggu oleh informasi individu yang kuat dan langsung di depan mata (“Hasil tes Anda positif! Akurasinya 99%!”), dan mengabaikan data statistik yang luas dan membosankan di latar belakang (“Sejak awal, hanya 1 dari 10.000 orang yang menderita penyakit ini (tingkat dasar)”).

Karena “kelangkaan penyakit (0,01%)” jauh lebih ekstrem dibandingkan “ketidakakuratan tes (1%)”, sedikit saja kesalahan tes akan dengan cepat melampaui jumlah orang yang benar-benar sakit.

“Kekeliruan Tingkat Dasar” yang Tersembunyi dalam Masyarakat

Ilusi ini menyebabkan kepanikan dan penilaian yang salah tidak hanya dalam medis, tetapi juga dalam berbagai situasi lainnya.

Sistem Pengenalan Wajah dan Teroris: Bahkan jika kamera pengenal wajah dengan akurasi 99,9% menemukan “teroris” di bandara, karena peluang dasar keberadaan teroris sangat rendah, yang tertangkap sebagian besar adalah warga sipil tak berdosa yang wajahnya mirip (positif palsu).
Kecelakaan Lalu Lintas dan Pengemudi Lansia: Meskipun Anda merasa bahaya saat melihat berita bahwa “XX% dari mobil yang menyebabkan kecelakaan dikemudikan oleh lansia”, jika Anda tidak mempertimbangkan “proporsi lansia dari total pengemudi di jalan (tingkat dasar)”, Anda tidak dapat mengetahui apakah kelompok usia tertentu benar-benar lebih rentan menyebabkan kecelakaan.

“Kekeliruan Tingkat Dasar” mengajarkan kita pentingnya pemikiran statistik: justru ketika kita melihat angka yang mengejutkan atau kasus individual, kita harus kembali pada pertanyaan “Seberapa besar kemungkinan hal itu terjadi dalam populasi secara keseluruhan pada awalnya? (tingkat dasar)”.

Paradoks Putri Tidur: Apakah Peluang Koin 1/2 atau 1/3? Masalah Sulit yang Membelah Teori Peluang

Thu, 10 Sep 2026 09:00:00 +0900

1. Aturan Eksperimen yang Aneh

Anda (Sang Putri Tidur) telah terpilih sebagai subjek percobaan sains. Eksperimen dilakukan dari hari Minggu hingga Rabu. Pada hari Minggu malam, Anda diberi obat tidur dan tertidur.

Setelah Anda tertidur, peneliti akan melempar sebuah koin yang adil (koin dengan peluang muncul angka atau gambar yang benar-benar 1/2). Kemudian, berdasarkan hasilnya, Anda akan dibangunkan dengan jadwal berikut.

【Jika hasil lemparan koin adalah “Angka”】

Anda akan dibangunkan sekali pada hari Senin dan diberi pertanyaan. Setelah itu, Anda akan ditidurkan kembali dan tidak akan terbangun lagi hingga eksperimen berakhir (Rabu).

【Jika hasil lemparan koin adalah “Gambar”】

Anda akan dibangunkan pada hari Senin dan diberi pertanyaan. Setelah itu, Anda diberi obat khusus (obat penghapus ingatan) dan kembali tertidur.
Anda akan dibangunkan lagi pada hari Selasa dan ditanya dengan pertanyaan yang sama. Setelah itu, Anda ditidurkan kembali, dan eksperimen berakhir (Rabu).

*Catatan: Karena efek dari obat penghapus ingatan, saat Anda terbangun, Anda sama sekali tidak dapat mengingat “hari apa ini” atau “apakah Anda pernah dibangunkan sebelumnya”.

graph TD Sunday["Minggu: Putri tertidur"] --> Toss{"Lemparan Koin"} Toss -->|Angka (1/2)| Mon_Heads["Senin: Bangun + Pertanyaan
(Setelah itu eksperimen berakhir)"] Toss -->|Gambar (1/2)| Mon_Tails["Senin: Bangun + Pertanyaan
(Setelah itu ingatan dihapus)"] Mon_Tails --> Tue_Tails["Selasa: Bangun + Pertanyaan
(Setelah itu eksperimen berakhir)"] style Toss fill:#ff9999,stroke:#333 style Mon_Heads fill:#aaffaa,stroke:#333 style Mon_Tails fill:#aaffaa,stroke:#333 style Tue_Tails fill:#aaffaa,stroke:#333

Kini, pada hari Senin (atau Selasa), Anda terbangun. Tidak ada jam atau kalender di ruangan itu, dan Anda tidak tahu hari apa sekarang.

Lalu peneliti datang dan menanyakan ini kepada Anda: “Dalam keadaan Anda terbangun sekarang, menurut Anda berapakah peluang koin yang dilempar menunjukkan ‘Angka’?”

Anda adalah seorang putri yang ahli dalam matematika. Nah, bagaimana Anda akan menjawab?

2. Dua Kubu yang Berselisih: 1/2 atau 1/3?

Masalah ini dirumuskan pada tahun 1990-an dan diterbitkan dalam jurnal akademik oleh filsuf Adam Elga pada tahun 2000. Peluang koin mungkin tampak jelas, tetapi faktanya masalah ini telah membelah matematikawan, ahli statistik, dan filsuf di seluruh dunia ke dalam dua kubu: “Kubu 1/2 (Halfer)” dan “Kubu 1/3 (Thirder)”, dan mereka terus berdebat sengit hingga saat ini.

Mari kita dengarkan “logika sempurna” dari masing-masing kubu.

Argumen “Kubu 1/2 (Halfer)”

“Koin itu adalah koin yang adil dan tidak dimanipulasi, jadi peluang munculnya angka secara alamiah adalah 1/2. Tidak peduli berapa kali peneliti membangunkan saya setelah saya tertidur atau menghapus ingatan saya, hal itu tidak memberikan pengaruh apa pun pada hasil fisik koin. Peluang saat koin dilempar adalah 1/2, dan saya tidak mendapatkan informasi baru (petunjuk untuk menebak angka atau gambar) dengan terbangun. Oleh karena itu, peluangnya tetap 1/2.”

Ini adalah pandangan yang sangat rasional, yang menekankan pada fenomena fisik yang objektif dan tidak adanya pembaruan informasi.

Argumen “Kubu 1/3 (Thirder)”

“Fakta bahwa Anda sedang ’terbangun’ itu sendiri merupakan informasi yang mengubah peluang. Mari asumsikan eksperimen ini diulang 100 kali (100 minggu). Koin tersebut seharusnya menghasilkan ‘Angka’ sebanyak 50 kali dan ‘Gambar’ 50 kali.

Pada 50 minggu di mana angka muncul, Anda hanya terbangun sekali pada hari Senin $\rightarrow$ Jumlah terbangun karena ‘Angka’ adalah 50 kali

Pada 50 minggu di mana gambar muncul, Anda terbangun dua kali pada hari Senin dan Selasa $\rightarrow$ Jumlah terbangun karena ‘Gambar’ adalah 100 kali

Dengan kata lain, dari total 150 situasi saat Anda terbangun, terdapat 50 ‘pola terbangun karena angka’ dan 100 ‘pola terbangun karena gambar’. Oleh karena itu, peluang bahwa kebangkitan yang sedang Anda alami sekarang adalah hasil dari ‘Angka’ adalah 50 / 150 = 1/3!”

Ini adalah pendapat kuat yang didasarkan pada “Frekuentisme” dan “Prinsip Antropik”, yang memasukkan situasi bahwa “diri Anda saat ini sedang eksis (melakukan observasi)” sebagai elemen dalam ruang peluang untuk perhitungan.

3. Mencoba Menghitung dengan Teorema Bayes

Ada juga upaya untuk menyelesaikan masalah ini menggunakan “Teorema Bayes”, sebuah alat secara matematis untuk memperbarui peluang. Mari kita menyusun logika “Kubu 1/3” dari perspektif peluang bersyarat.

Saat Anda terbangun, kondisinya adalah salah satu dari 3 hal berikut:

$E_1$: Koin menunjukkan “Angka”, dan sekarang adalah “Senin”
$E_2$: Koin menunjukkan “Gambar”, dan sekarang adalah “Senin”
$E_3$: Koin menunjukkan “Gambar”, dan sekarang adalah “Selasa”

Peluang munculnya “Angka” adalah $1/2$, dan peluang munculnya “Gambar” adalah $1/2$. Namun, dalam kasus gambar, “Senin” dan “Selasa” benar-benar simetris (karena Anda tidak memiliki ingatan, sehingga tidak dapat membedakannya), sehingga kemungkinan terjadinya $E_2$ dan $E_3$ dapat dianggap sama.

Karena jumlah seluruh peluang harus $1$, jika kita menetapkan setiap kebangkitan sebagai “kejadian (titik observasi)” yang independen dengan peluang yang sama, maka: $P(E_1) = 1/3$ $P(E_2) = 1/3$ $P(E_3) = 1/3$ Oleh karena itu, kesimpulannya adalah “peluang munculnya angka ($P(E_1)$)” menjadi $1/3$.

Di sisi lain, “Kubu 1/2” membantah dengan mengatakan, “Senin dan Selasa saat koin menunjukkan gambar ($E_2$ dan $E_3$) hanyalah kejadian dependen yang diturunkan dari hasil satu koin yang sama, dan menganggapnya sebagai peluang independen adalah sebuah kesalahan.”

4. Mengapa Masalah Ini Tidak Terselesaikan?

Alasan mengapa “Paradoks Putri Tidur” begitu membingungkan para cendekiawan bukan hanya karena kesalahan perhitungan atau ilusi belaka. Ini karena masalah ini menyentuh pertanyaan paling mendalam dan mendasar dari teori peluang, yaitu pertanyaan filosofis: “Apa sebenarnya peluang itu?”

Bagi Kubu 1/2, peluang adalah “sifat fisik koin” atau “fakta objektif”.
Bagi Kubu 1/3, peluang adalah “tingkat keyakinan pengamat (sang putri)” atau “frekuensi observasi”.

Tema mendalam yang juga berkaitan dengan “masalah pengukuran” dalam mekanika kuantum dan “prinsip antropik” dalam kosmologi (gagasan untuk menghitung mundur peluang alam semesta dari fakta bahwa kita eksis) terkondensasi dalam eksperimen lemparan koin yang sederhana ini.

5. Kesimpulan

Jika Anda menjadi subjek eksperimen ini, ketika Anda terbangun, apakah Anda akan menjawab “1/2”? Atau apakah Anda akan menjawab “1/3”?

Apa pun jawaban Anda, matematikawan kelas dunia akan mendukung Anda dari belakang. Definisi matematika yang tampaknya sederhana dapat runtuh begitu saja ketika dikaitkan dengan konsep merepotkan dari “subjektivitas” dan “eksistensi” manusia. Hingga hari ini, paradoks ini terus mengguncang akal sehat kita.

Masalah Monty Hall: Jebakan Probabilitas yang Mengkhianati Intuisi dan Solusi Sempurna dengan Inferensi Bayesian

Thu, 10 Sep 2026 00:00:00 +0900

1. Panggungnya adalah Acara Kuis Televisi: Apa yang Akan Anda Lakukan?

Pada tahun 1990, sebuah kolom “Ask Marilyn” di majalah berita Amerika, Parade, menerima pertanyaan berikut dari seorang pembaca:

Anda adalah peserta di sebuah acara kuis televisi. Di depan Anda ada 3 pintu (A, B, C). Di belakang 1 pintu terdapat mobil baru (hadiah utama), dan di belakang 2 pintu lainnya terdapat kambing (zonk/kosong).

Pertama, Anda memilih Pintu A.

Kemudian, pembawa acara, Monty Hall, yang tahu di mana letak mobil baru itu, membuka Pintu B yang berisi kambing dari sisa pintu yang ada.

Monty lalu berkata kepada Anda, “Sekarang, Anda boleh mengganti pilihan Anda ke Pintu C. Bagaimana?”

Pertanyaannya, haruskah Anda mengganti pilihan pintu Anda?

Secara intuitif, kita mungkin berpikir, “Pintu yang tersisa adalah A dan C. Karena letak mobil baru di antara keduanya sepenuhnya acak, peluang untuk menang di masing-masing pintu adalah $\frac{1}{2}$ (50%). Jadi, mengganti atau tidak mengganti sama saja.”

Namun, kolumnis Marilyn vos Savant (diakui oleh Guinness Book of Records sebagai orang dengan IQ tertinggi) menjawab, “Anda harus mengganti pilihan. Jika Anda mengganti pilihan, peluang Anda untuk menang menjadi dua kali lipat.”

Jawaban ini menimbulkan sensasi di seluruh Amerika dan memicu sekitar 10.000 surat protes (sekitar 1.000 di antaranya dari para akademisi bergelar Ph.D. di bidang matematika). Itu adalah badai kritik tajam seperti, “Anda tidak memahami dasar-dasar probabilitas,” dan “Itu logika wanita.” Namun, kesimpulannya, jawaban Marilyn sepenuhnya benar secara matematis.

2. Kesenjangan antara Intuisi dan Matematika: Melihat Percabangan Probabilitas dengan Mermaid

Mengapa intuisi kita keliru dan berpikir bahwa peluangnya adalah “$\frac{1}{2}$”? Pertama-tama, mari kita visualisasikan semua pola dalam permainan ini.

graph TD Start["Mulai Permainan"] --> CarA["Mobil di Pintu A (Peluang 1/3)"] Start --> CarB["Mobil di Pintu B (Peluang 1/3)"] Start --> CarC["Mobil di Pintu C (Peluang 1/3)"] CarA --> PickA1["Anda memilih Pintu A"] CarB --> PickA2["Anda memilih Pintu A"] CarC --> PickA3["Anda memilih Pintu A"] PickA1 --> HostB_or_C["Pembawa acara membuka B atau C"] PickA2 --> HostC["Pembawa acara pasti membuka C"] PickA3 --> HostB["Pembawa acara pasti membuka B"] HostB_or_C --> Stay1["Tidak diganti: Menang!"] HostB_or_C --> Switch1["Diganti: Zonk..."] HostC --> Stay2["Tidak diganti: Zonk..."] HostC --> Switch2["Diganti: Menang!"] HostB --> Stay3["Tidak diganti: Zonk..."] HostB --> Switch3["Diganti: Menang!"] style Switch2 fill:#bbf,stroke:#333,stroke-width:2px style Switch3 fill:#bbf,stroke:#333,stroke-width:2px style Stay1 fill:#f99,stroke:#333,stroke-width:2px

Jika kita berasumsi bahwa Anda memilih “Pintu A”, 3 skenario berikut akan terjadi dengan peluang yang sama ($\frac{1}{3}$).

Skenario 1 (Mobil di A): Pembawa acara membuka B atau C yang berisi kambing. Jika Anda mengganti pilihan pintu, Anda kalah.
Skenario 2 (Mobil di B): Pembawa acara hanya bisa membuka C yang berisi kambing. Jika Anda mengganti pilihan pintu, Anda menang.
Skenario 3 (Mobil di C): Pembawa acara hanya bisa membuka B yang berisi kambing. Jika Anda mengganti pilihan pintu, Anda menang.

Artinya, dalam 2 dari 3 kasus (Skenario 2 dan 3), Anda berada dalam kondisi “pasti menang jika mengganti pilihan pintu”. Oleh karena itu, peluang kemenangan jika Anda mengganti pilihan pintu adalah $\frac{2}{3}$, yang merupakan dua kali lipat dari peluang kemenangan $\frac{1}{3}$ jika Anda tidak mengganti pilihan.

3. Bukti Ketat menggunakan Teorema Bayes

Untuk menyelesaikan masalah ini secara matematis dengan ketat, kita menggunakan “Teorema Bayes” untuk menghitung probabilitas bersyarat.

$$ P(H|E) = \frac{P(E|H) P(H)}{P(E)} $$

Di sini, kita mendefinisikan kejadian-kejadian sebagai berikut:

$C_A, C_B, C_C$ : Kejadian di mana mobil baru berada di Pintu A, B, dan C berturut-turut. Probabilitas prior adalah $P(C_A) = P(C_B) = P(C_C) = \frac{1}{3}$
Asumsikan Anda pertama kali memilih Pintu A.
$M_B$ : Kejadian di mana pembawa acara membuka Pintu B yang berisi kambing.

Yang ingin kita cari adalah probabilitas posterior $P(C_C|M_B)$, yaitu “probabilitas mobil berada di Pintu C dengan syarat pembawa acara telah membuka Pintu B”.

Pertama-tama, kita pertimbangkan probabilitas pembawa acara membuka Pintu B, yaitu $P(M_B|C_X)$, tergantung di mana mobil berada.

Jika mobil ada di Pintu A ($C_A$) Pembawa acara dapat membuka B atau C secara acak.
$$ P(M_B|C_A) = \frac{1}{2} $$
Jika mobil ada di Pintu B ($C_B$) Pembawa acara tidak dapat membuka pintu yang berisi mobil, jadi probabilitas dia membuka B adalah nol.
$$ P(M_B|C_B) = 0 $$
Jika mobil ada di Pintu C ($C_C$) Pembawa acara tidak dapat membuka A (pilihan Anda) dan C (berisi mobil), jadi dia pasti harus membuka B.
$$ P(M_B|C_C) = 1 $$

Selanjutnya, kita cari probabilitas total pembawa acara membuka Pintu B, $P(M_B)$, dengan menggunakan “Teorema Probabilitas Total”.

$$ P(M_B) = P(M_B|C_A)P(C_A) + P(M_B|C_B)P(C_B) + P(M_B|C_C)P(C_C) $$ $$ P(M_B) = \left(\frac{1}{2} \times \frac{1}{3}\right) + \left(0 \times \frac{1}{3}\right) + \left(1 \times \frac{1}{3}\right) = \frac{1}{6} + 0 + \frac{1}{3} = \frac{1}{2} $$

Sekarang, kita terapkan Teorema Bayes untuk menghitung probabilitas posterior untuk Pintu A dan Pintu C.

Probabilitas mobil berada di Pintu A (jika tidak mengganti pilihan):

$$ P(C_A|M_B) = \frac{P(M_B|C_A) P(C_A)}{P(M_B)} = \frac{\frac{1}{2} \times \frac{1}{3}}{\frac{1}{2}} = \frac{1}{3} $$

Probabilitas mobil berada di Pintu C (jika mengganti pilihan):

$$ P(C_C|M_B) = \frac{P(M_B|C_C) P(C_C)}{P(M_B)} = \frac{1 \times \frac{1}{3}}{\frac{1}{2}} = \frac{2}{3} $$

Bukti matematis ini juga menunjukkan dengan jelas bahwa “peluang untuk menang menjadi dua kali lipat (2/3) jika mengganti pintu”.

4. Bias Kognitif: Nilai Informasi dari “Pengkondisian”

Mengapa begitu banyak ahli matematika jenius bahkan salah dalam menjawab pertanyaan ini secara intuitif? Jawabannya terletak pada “bias equiprobabilitas” dan “kegagalan memperbarui informasi” yang tertanam dalam otak manusia.

4.1. Bias Equiprobabilitas (Equiprobability Bias)

Manusia cenderung secara tidak sadar mengasumsikan bahwa “probabilitas pilihan yang tersisa selalu merata” ketika dihadapkan pada opsi yang tidak diketahui. Saat melihat hanya dua pintu yang tersisa, otak secara otomatis melabelinya sebagai “$50\%$ : $50\%$”.

4.2. Informasi Berupa “Niat” Pembawa Acara

Alasan utama intuisi kita salah adalah karena kita mengabaikan fakta bahwa tindakan pembawa acara tidak acak. Jika aturannya adalah “Pembawa acara membuka pintu secara acak tanpa tahu di mana letak mobil, dan kebetulan itu adalah kambing” (dikenal sebagai Monty Fall problem), maka probabilitas Pintu A dan Pintu C keduanya akan menjadi $\frac{1}{2}$.

Namun, dalam Masalah Monty Hall yang sebenarnya, pembawa acara bertindak di bawah batasan ketat berikut:

Pintu yang dipilih peserta tidak dapat dibuka.
Pintu yang menyembunyikan mobil tidak dapat dibuka.

Karena batasan ini, tindakan pembawa acara “membuka Pintu B” itu sendiri memberi kita informasi yang sangat besar tentang Pintu C. Pesan tersiratnya adalah, “Saya tidak bisa membuka Pintu C (karena ada mobil di baliknya).”

5. Mengoreksi Intuisi dengan Contoh Ekstrem

Jika Anda masih belum yakin, mari tingkatkan jumlah pintu menjadi 1 juta.

Anda memilih Pintu 1 dari 1 juta pintu. (Peluang menang adalah $\frac{1}{1,000,000}$)
Pembawa acara yang maha tahu membuka 999.998 pintu yang berisi kambing dari 999.999 pintu yang tersisa.
Pintu yang masih tertutup hanyalah “Pintu 1” yang Anda pilih, dan “Pintu 777.777” yang sengaja disisakan oleh pembawa acara.

Nah, apakah Anda akan mengganti pilihan? Dalam kasus ini, jika Anda percaya bahwa Anda berhasil menarik keajaiban “1 banding 1 juta” pada percobaan pertama, maka Anda tidak boleh mengganti. Namun secara realistis, Anda akan secara intuitif memahami bahwa peluang mobil berada di “satu-satunya pintu yang tidak bisa dibuka oleh pembawa acara” adalah $\frac{999,999}{1,000,000}$.

Masalah Monty Hall (3 pintu) hanyalah fenomena yang sama namun disajikan dalam skala yang lebih kecil daripada “1 juta pintu” ini.

pie title "Efek Mengganti Pintu (100 Simulasi)" "Diganti dan Menang (sekitar 66.7%)" : 67 "Tidak Diganti dan Menang (sekitar 33.3%)" : 33

6. Kesimpulan: Pelajaran Bisnis dan Kehidupan dari Teori Probabilitas

Masalah Monty Hall melampaui sekadar kuis dan memberi kita pelajaran berharga.

Intuisi sering kali salah: Otak manusia belum berevolusi untuk memproses probabilitas bersyarat yang kompleks secara intuitif. Sangat berbahaya untuk mengandalkan intuisi saja dalam pengambilan keputusan yang penting.
Memperbarui probabilitas dengan informasi baru (Pembaruan Bayesian): Ketika situasi berubah dan informasi baru diberikan (seperti pintu mana yang dibuka pembawa acara), kunci kesuksesan adalah kemampuan untuk memperbarui probabilitas dan strategi secara fleksibel tanpa terpaku pada pemikiran yang sudah ada.

Keputusan kecil untuk “mengganti pintu” mungkin saja melipatgandakan peluang Anda untuk mendapatkan “mobil baru” dalam hidup Anda.