Contoh Soal Distribusi Poisson & Pembahasannya Lengkap

by ADMIN 55 views
Iklan Headers

Halo, guys! Siapa di sini yang lagi pusing tujuh keliling gara-gara dikejar deadline tugas kuliah atau sekolah, terutama yang berkaitan sama statistik? Tenang, kalian nggak sendirian! Hari ini, kita bakal ngulik bareng tentang salah satu distribusi probabilitas yang sering banget muncul di soal-soal, yaitu Distribusi Poisson. Udah pada denger kan? Buat yang masih asing atau udah agak lupa-lupa inget, yuk kita segarkan lagi ingatan kita.

Artikel ini bakal jadi teman setia kalian buat ngerjain soal-soal Distribusi Poisson. Kita nggak cuma bakal bahas teorinya sedikit biar nyambung, tapi yang paling penting, kita bakal bedah tuntas berbagai contoh soal distribusi poisson beserta pembahasannya yang detail. Dijamin, setelah baca sampai habis, kalian bakal lebih pede buat ngadepin soal-soal kayak gini. Siap? Let's go!

Apa Itu Distribusi Poisson? Sekilas Teori Biar Nggak Blank

Sebelum kita terjun ke contoh soal distribusi poisson, penting banget buat kita paham dulu konsep dasarnya. Jadi gini, guys, Distribusi Poisson itu dipakai buat ngukur probabilitas terjadinya suatu kejadian dalam interval waktu atau ruang tertentu, tapi kejadian itu terjadi secara acak dan independen. Kuncinya di sini adalah kejadian yang jarang terjadi tapi dalam interval yang luas. Contohnya apa sih?

  • Jumlah telepon yang masuk ke call center dalam satu jam.
  • Jumlah kecelakaan lalu lintas di suatu ruas jalan dalam sehari.
  • Jumlah cacat pada produk tekstil per meter kain.
  • Jumlah email spam yang diterima dalam satu menit.

Intinya, kita ngeliatin frekuensi kemunculan suatu peristiwa dalam rentang waktu, area, volume, atau unit tertentu. Variabel acak dalam distribusi ini biasanya adalah jumlah kejadian, yang nilainya bisa 0, 1, 2, dan seterusnya (bilangan bulat non-negatif).

Rumus utama yang perlu kita inget-inget buat Distribusi Poisson adalah:

P(X=k)=e−λλkk! P(X=k) = \frac{e^{-\lambda} \lambda^k}{k!}

  • P(X=k): Probabilitas terjadinya kejadian sebanyak k kali.
  • \lambda (lambda): Rata-rata jumlah kejadian dalam interval yang sama (ini sering banget jadi acuan utama kita).
  • e: Bilangan Euler, nilainya kira-kira 2.71828.
  • k: Jumlah kejadian yang ingin kita hitung probabilitasnya.
  • k!: Faktorial dari k (misalnya, 3! = 3 * 2 * 1 = 6).

Memahami rumus ini krusial banget, soalnya semua contoh soal distribusi poisson nanti bakal berkutat di sini. Jangan khawatir kalau sekilas kelihatan ribet, nanti pas kita lihat contoh soalnya, bakal lebih kebayang deh.

Contoh Soal Distribusi Poisson #1: Kejadian Telepon Masuk

Oke, guys, mari kita mulai petualangan kita dengan contoh soal yang paling klasik dan sering banget ditemui. Soal ini bakal ngajarin kita gimana ngitung probabilitas berdasarkan rata-rata kejadian yang udah diketahui.

Soal:

Sebuah call center menerima rata-rata 5 panggilan telepon per jam. Jika kita ingin mengetahui probabilitas bahwa dalam satu jam ke depan, call center tersebut akan menerima tepat 3 panggilan, berapa probabilitasnya?

Pembahasan:

Wah, ini dia nih soal yang bikin pusing kalau nggak ngerti konsepnya. Tapi santai aja, kita pecah satu-satu. Pertama, kita identifikasi dulu apa aja yang udah dikasih tahu di soal ini. Yang pertama, kita tahu rata-rata kejadian. Dalam kasus ini, rata-rata panggilan telepon per jam adalah 5. Nah, dalam statistika, rata-rata ini kita simbolkan dengan lambda (λ{\lambda}). Jadi, ${\lambda = 5}$ panggilan per jam.

Kedua, kita disuruh nyari probabilitas untuk jumlah kejadian tertentu. Di soal ini, kita diminta nyari probabilitas menerima tepat 3 panggilan. Nah, jumlah kejadian yang kita mau ini kita simbolkan dengan k. Jadi, k = 3 panggilan.

Sekarang, kita udah punya modal lengkap buat masukin angka-angka ini ke dalam rumus Distribusi Poisson yang tadi udah kita bahas. Ingat rumusnya?

P(X=k)=e−λλkk! P(X=k) = \frac{e^{-\lambda} \lambda^k}{k!}

Yuk, kita substitusikan nilai ${\lambda = 5}$ dan k = 3 ke dalam rumus:

P(X=3)=e−5⋅533! P(X=3) = \frac{e^{-5} \cdot 5^3}{3!}

Sekarang, kita hitung satu-satu bagiannya. Yang pertama, 5^3 itu artinya 5 dikali 5 dikali 5, yang hasilnya adalah 125. Terus, 3! itu artinya 3 dikali 2 dikali 1, yang hasilnya adalah 6.

Jadi, rumusnya jadi:

P(X=3)=e−5⋅1256 P(X=3) = \frac{e^{-5} \cdot 125}{6}

Nah, sekarang tinggal bagian e^{-5}. Nilai e itu kira-kira 2.71828. Kalau dihitung pakai kalkulator saintifik atau tools online, nilai e^{-5} itu kira-kira 0.006738.

Sekarang kita masukkin lagi ke rumus:

P(X=3)≈0.006738⋅1256 P(X=3) \approx \frac{0.006738 \cdot 125}{6}

P(X=3)≈0.842256 P(X=3) \approx \frac{0.84225}{6}

P(X=3)≈0.140375 P(X=3) \approx 0.140375

Jadi, probabilitas bahwa call center tersebut akan menerima tepat 3 panggilan dalam satu jam ke depan adalah sekitar 0.1404 atau 14.04%. Gimana? Nggak sesulit yang dibayangkan kan? Kuncinya adalah identifikasi nilai ${\lambda}$ dan k dengan benar, lalu substitusikan ke rumus. Easy peasy!

Contoh Soal Distribusi Poisson #2: Jumlah Kecelakaan Lalu Lintas

Lanjut ke soal berikutnya, guys! Kali ini kita bakal ngobrolin soal kejadian yang mungkin agak bikin deg-degan, yaitu kecelakaan lalu lintas. Soal ini bakal nunjukin gimana Poisson bisa dipakai di dunia nyata, bahkan buat analisis keamanan.

Soal:

Di sebuah ruas jalan tol tertentu, rata-rata terjadi 2 kecelakaan lalu lintas per minggu. Berapa probabilitas bahwa dalam satu minggu ke depan akan terjadi:

a) Tepat 1 kecelakaan? b) Tidak ada kecelakaan sama sekali? c) Lebih dari 3 kecelakaan?

Pembahasan:

Oke, mari kita bedah soal yang satu ini. Soal ini keren karena ngasih kita beberapa pertanyaan sekaligus dari satu skenario. Pertama-tama, kita tarik informasi pentingnya. Rata-rata kecelakaan per minggu adalah 2. Berarti, ${\lambda = 2}$ kecelakaan per minggu.

Sekarang, kita jawab satu per satu pertanyaannya:

a) Probabilitas tepat 1 kecelakaan:

Di sini, jumlah kejadian yang kita mau adalah k = 1.

Pakai rumus yang sama:

P(X=k)=e−λλkk! P(X=k) = \frac{e^{-\lambda} \lambda^k}{k!}

Substitusikan nilai ${\lambda = 2}$ dan k = 1:

P(X=1)=e−2⋅211! P(X=1) = \frac{e^{-2} \cdot 2^1}{1!}

Hitung nilainya:

  • 2^1 = 2
  • 1! = 1
  • e^{-2} \approx 0.135335 (pakai kalkulator)

P(X=1)≈0.135335⋅21 P(X=1) \approx \frac{0.135335 \cdot 2}{1}

P(X=1)≈0.27067 P(X=1) \approx 0.27067

Jadi, probabilitas terjadinya tepat 1 kecelakaan dalam satu minggu adalah sekitar 0.2707 atau 27.07%.

b) Probabilitas tidak ada kecelakaan sama sekali:

Ini artinya jumlah kejadian yang kita mau adalah k = 0.

Masukkan ke rumus:

P(X=0)=e−2⋅200! P(X=0) = \frac{e^{-2} \cdot 2^0}{0!}

Ingat, angka berapapun dipangkatkan 0 hasilnya 1 (2^0 = 1). Dan faktorial dari 0 (0!) juga didefinisikan sebagai 1.

P(X=0)=e−2⋅11 P(X=0) = \frac{e^{-2} \cdot 1}{1}

P(X=0)=e−2 P(X=0) = e^{-2}

P(X=0)≈0.135335 P(X=0) \approx 0.135335

Jadi, probabilitas tidak ada kecelakaan sama sekali dalam satu minggu adalah sekitar 0.1353 atau 13.53%.

c) Probabilitas lebih dari 3 kecelakaan:

Nah, kalau yang ini agak beda.