Contoh Soal Distribusi Peluang & Pembahasannya Lengkap

Apr 30, 2026 by ADMIN 55 views

Halo, guys! Kalian lagi pusing mikirin soal distribusi peluang? Tenang aja, di artikel ini kita bakal bedah tuntas berbagai contoh soal distribusi peluang, mulai dari yang paling dasar sampai yang agak tricky. Dijamin setelah baca ini, kalian bakal lebih pede ngerjain soal ujian atau tugas kuliah. Yuk, langsung aja kita mulai!

Apa Sih Distribusi Peluang Itu?

Sebelum kita loncat ke contoh soalnya, penting banget nih buat kita paham dulu apa itu distribusi peluang. Gampangnya, distribusi peluang itu kayak semacam peta yang nunjukkin semua kemungkinan hasil dari suatu kejadian acak (random event) beserta peluang atau kemungkinan terjadinya masing-masing hasil. Bayangin aja kalian lagi main lempar dadu. Hasil yang mungkin itu kan angka 1 sampai 6. Nah, distribusi peluang bakal kasih tau seberapa besar kemungkinan kalian dapat angka 1, angka 2, dan seterusnya.

Dalam dunia statistik, distribusi peluang ini dibagi jadi dua jenis utama, guys. Ada yang namanya distribusi peluang diskrit dan distribusi peluang kontinu. Bedanya apa? Kalau diskrit itu hasilnya berupa angka yang bisa dihitung satu per satu (kayak jumlah anak dalam keluarga, jumlah mobil yang lewat, atau hasil lemparan dadu tadi), sedangkan kontinu itu hasilnya bisa berupa angka berapa aja dalam suatu rentang tertentu (misalnya tinggi badan mahasiswa, berat badan bayi, atau waktu tunggu di antrean). Penting banget buat bisa bedain keduanya biar kita nggak salah pilih rumus pas ngerjain soal, ya.

Kenapa sih distribusi peluang ini penting banget? Gini lho, guys. Dengan memahami distribusi peluang, kita bisa bikin prediksi yang lebih akurat tentang kejadian di masa depan. Misalnya, perusahaan asuransi pakai distribusi peluang buat ngitung seberapa besar kemungkinan terjadinya kecelakaan, jadi mereka bisa nentuin premi yang pas. Bank juga pakai buat ngitung risiko kredit macet. Bahkan, dalam sains, distribusi peluang dipakai buat analisis data eksperimen. Jadi, ilmunya bener-bener kepake banget di kehidupan nyata, nggak cuma di buku pelajaran!

Nah, biar makin nempel di otak, yuk kita langsung aja kulik beberapa contoh soalnya. Kita mulai dari yang paling umum dulu, ya.

Contoh Soal Distribusi Peluang Diskrit

Distribusi peluang diskrit itu sering banget muncul di soal-soal, guys. Yang paling populer itu ada Distribusi Binomial dan Distribusi Poisson. Yuk, kita intip soalnya!

1. Soal Distribusi Binomial

Soal

Sebuah pabrik memproduksi bola lampu. Diketahui bahwa probabilitas sebuah bola lampu cacat adalah 0.05. Jika diambil sampel sebanyak 10 bola lampu secara acak, berapakah peluang ditemukan tepat 2 bola lampu cacat dalam sampel tersebut?

Pembahasan

Nah, buat soal ini, kita bisa pakai Distribusi Binomial, guys. Kenapa? Karena ada beberapa ciri khas yang cocok banget sama Binomial:

Percobaan diulang-ulang: Kita ngambil 10 bola lampu (n=10).
Setiap percobaan punya dua kemungkinan hasil: Bola lampu itu bisa cacat (sukses) atau tidak cacat (gagal).
Peluang sukses (p) sama di setiap percobaan: Peluang bola lampu cacat itu 0.05, dan ini nggak berubah meskipun kita ambil bola lampu yang lain.
Percobaan bersifat independen: Hasil pengambilan satu bola lampu nggak ngaruh ke hasil pengambilan bola lampu lainnya.

Rumus umum untuk Distribusi Binomial itu:

P(X=k) = C(n, k) * p^k * (1-p)^(n-k)

Di mana:

P(X=k) adalah peluang kita mendapatkan tepat k sukses.
n adalah jumlah total percobaan (dalam soal ini, 10 bola lampu).
k adalah jumlah sukses yang kita inginkan (dalam soal ini, 2 bola lampu cacat).
p adalah peluang sukses dalam satu percobaan (peluang bola lampu cacat = 0.05).
C(n, k) adalah koefisien binomial, yang dihitung sebagai n! / (k! * (n-k)!). Ini kayak cara kita ngitung kombinasi, guys.

Oke, sekarang kita masukin angka-angkanya dari soal:

n = 10
k = 2
p = 0.05
1-p = 1 - 0.05 = 0.95

Pertama, kita hitung C(n, k) atau C(10, 2): C(10, 2) = 10! / (2! * (10-2)!) C(10, 2) = 10! / (2! * 8!) C(10, 2) = (10 * 9 * 8!) / (2 * 1 * 8!) C(10, 2) = (10 * 9) / 2 C(10, 2) = 90 / 2 C(10, 2) = 45

Selanjutnya, kita hitung bagian p^k dan (1-p)^(n-k):

p^k = 0.05^2 = 0.0025
(1-p)^(n-k) = 0.95^(10-2) = 0.95^8

Menghitung 0.95^8 ini agak ribet kalau manual, biasanya pakai kalkulator ya, guys. Hasilnya sekitar 0.66342. Jadi:

P(X=2) = 45 * 0.0025 * 0.66342 P(X=2) = 0.1126

Jadi, peluang ditemukan tepat 2 bola lampu cacat dari 10 bola lampu yang diambil adalah sekitar 0.1126 atau 11.26%. Gimana, nggak sesulit yang dibayangkan kan?

2. Soal Distribusi Poisson

Soal

Rata-rata jumlah panggilan telepon yang diterima oleh pusat layanan pelanggan dalam satu menit adalah 3 panggilan. Berapakah peluang bahwa dalam satu menit tertentu, pusat layanan akan menerima tepat 5 panggilan?

Pembahasan

Nah, kalau soal ini, cocoknya pakai Distribusi Poisson. Ciri-cirinya gimana? Distribusi Poisson ini biasanya dipakai buat ngitung peluang kejadian dalam suatu interval waktu atau ruang tertentu, di mana rata-rata kejadiannya udah diketahui dan kejadiannya jarang terjadi tapi kita pengen tau kemungkinannya.

Rumus Distribusi Poisson:

P(X=k) = (e^(-λ) * λ^k) / k!

Di mana:

P(X=k) adalah peluang kita mendapatkan tepat k kejadian.
λ (lambda) adalah rata-rata jumlah kejadian dalam interval yang sama (dalam soal ini, rata-rata 3 panggilan per menit).
k adalah jumlah kejadian yang kita inginkan (dalam soal ini, 5 panggilan).
e adalah konstanta matematika Euler, nilainya sekitar 2.71828.

Sekarang, kita masukin angka-angkanya:

λ = 3
k = 5

Kita hitung satu per satu:

e^(-λ) = e^(-3) (pakai kalkulator, hasilnya sekitar 0.049787)
λ^k = 3^5 = 243
k! = 5! = 5 * 4 * 3 * 2 * 1 = 120

Sekarang kita gabungin ke rumus: P(X=5) = (0.049787 * 243) / 120 P(X=5) = 12.10 / 120 P(X=5) = 0.1008

Jadi, peluang pusat layanan menerima tepat 5 panggilan dalam satu menit adalah sekitar 0.1008 atau 10.08%. Lumayan juga ya kemungkinannya.

Contoh Soal Distribusi Peluang Kontinu

Kalau tadi kita udah bahas yang diskrit, sekarang giliran yang kontinu. Yang paling sering muncul itu Distribusi Normal, guys. Yuk, kita lihat contohnya!

Soal Distribusi Normal

Soal

Tinggi badan mahasiswa di sebuah universitas berdistribusi normal dengan rata-rata (mean) 165 cm dan simpangan baku (standar deviasi) 5 cm. Berapakah peluang seorang mahasiswa yang dipilih secara acak memiliki tinggi badan kurang dari 170 cm?

Pembahasan

Nah, untuk Distribusi Normal, kita butuh bantuan yang namanya nilai Z atau Z-score. Nilai Z ini gunanya buat mengubah nilai dari distribusi normal asli ke distribusi normal standar yang punya rata-rata 0 dan simpangan baku 1. Jadi, kita bisa pakai tabel distribusi normal standar (tabel Z) buat cari peluangnya.

Rumus nilai Z:

Z = (X - μ) / σ

Di mana:

X adalah nilai yang ingin kita cari peluangnya (dalam soal ini, tinggi badan 170 cm).
μ (mu) adalah rata-rata (mean) distribusi (165 cm).
σ (sigma) adalah simpangan baku (standar deviasi) distribusi (5 cm).

Mari kita hitung nilai Z untuk tinggi 170 cm: Z = (170 - 165) / 5 Z = 5 / 5 Z = 1

Artinya, tinggi 170 cm itu berada 1 simpangan baku di atas rata-rata. Sekarang, kita perlu cari peluang P(X < 170), yang sama dengan mencari P(Z < 1).

Untuk mencari nilai P(Z < 1), kita perlu lihat tabel distribusi normal standar (tabel Z). Cari angka 1.0 di baris dan 0.00 di kolom (atau sebaliknya, tergantung format tabelnya). Nilai yang tertera di tabel itu adalah luas di bawah kurva normal standar dari negatif tak hingga sampai nilai Z tersebut.

Kalau kita lihat tabel Z, nilai untuk Z = 1.00 itu biasanya sekitar 0.8413. Nilai ini merepresentasikan peluang P(Z < 1).

Jadi, peluang seorang mahasiswa memiliki tinggi badan kurang dari 170 cm adalah sekitar 0.8413 atau 84.13%. Keren, kan? Kita bisa tahu seberapa besar kemungkinan seseorang punya tinggi badan di bawah atau di atas nilai tertentu.

Contoh Tambahan (Distribusi Normal): Berapakah peluang mahasiswa memiliki tinggi badan antara 160 cm dan 175 cm?

Untuk soal ini, kita perlu hitung dua nilai Z:

Untuk X = 160 cm: Z1 = (160 - 165) / 5 = -5 / 5 = -1
Untuk X = 175 cm: Z2 = (175 - 165) / 5 = 10 / 5 = 2

Kita perlu mencari P(160 < X < 175), yang sama dengan P(-1 < Z < 2). Ini bisa dihitung dengan mengurangkan peluang kumulatif: P(-1 < Z < 2) = P(Z < 2) - P(Z < -1)

Dari tabel Z:

P(Z < 2) ≈ 0.9772
P(Z < -1) ≈ 0.1587

Maka, P(-1 < Z < 2) = 0.9772 - 0.1587 = 0.8185

Jadi, peluangnya adalah sekitar 81.85%.

Penutup

Gimana, guys? Sekarang udah lebih tercerahkan kan soal distribusi peluang? Kita udah bahas contoh soal untuk Distribusi Binomial, Poisson, dan Normal. Ingat ya, kunci utamanya adalah memahami ciri-ciri setiap distribusi biar nggak salah rumus. Terus, jangan lupa latihan soal sebanyak-banyaknya biar makin jago.

Ingat, memahami konsep dasar dan teliti dalam perhitungan itu kunci sukses ngerjain soal-soal kayak gini. Kalau ada yang masih bingung, jangan sungkan buat tanya dosen atau teman, ya. Semangat terus belajarnya, kalian pasti bisa!