Contoh Soal Distribusi Seragam & Pembahasannya

Jun 9, 2026 by ADMIN 47 views

Halo, teman-teman! Kali ini kita mau bahas tuntas soal distribusi seragam. Buat kalian yang lagi belajar statistika atau mungkin lagi nyiapin diri buat ujian, pasti udah nggak asing dong sama konsep ini. Distribusi seragam itu kayak dasar banget, jadi penting banget buat dipahami biar materi selanjutnya lancar jaya.

Nah, apa sih sebenernya distribusi seragam itu? Gampangnya gini, guys, distribusi seragam itu artinya setiap hasil yang mungkin muncul itu punya peluang yang sama besar. Nggak ada yang lebih mungkin muncul daripada yang lain. Kayak kalau kita ngelempar dadu yang adil, kan setiap angka dari 1 sampai 6 punya kesempatan yang sama buat muncul, yaitu 1/6. Nah, itu contoh klasik distribusi seragam.

Pentingnya Paham Distribusi Seragam

Kenapa sih kita perlu repot-repot ngertiin distribusi seragam? Jawabannya simpel: biar kita bisa ngertiin dunia di sekitar kita lebih baik, terutama yang berhubungan sama peluang. Di dunia nyata, banyak banget fenomena yang bisa dimodelin pakai distribusi seragam, mulai dari hal simpel kayak pemilihan acak sampai ke hal yang lebih kompleks di bidang sains dan teknik. Kalau kita ngerti konsep dasarnya, kita jadi bisa memprediksi kemungkinan-kemungkinan yang ada dan ngambil keputusan yang lebih bijak. Plus, ini juga bakal jadi jembatan buat belajar distribusi probabilitas lainnya yang lebih canggih.

Jadi, siap-siap ya, kita bakal bedah beberapa contoh soal yang bakal bikin kalian makin ngeh sama distribusi seragam ini. Dijamin gampang dipahami dan nggak bikin pusing! Yuk, langsung aja kita mulai!

Memahami Konsep Dasar Distribusi Seragam

Oke, sebelum kita loncat ke soal-soal yang bikin otak berpikir, mari kita pastikan dulu kita semua on the same page soal konsep dasar distribusi seragam. Jadi gini, teman-teman, distribusi seragam itu adalah salah satu distribusi probabilitas diskrit yang paling sederhana. Kenapa dibilang sederhana? Karena seperti yang gue bilang tadi, setiap kemungkinan hasil (atau nilai) dari suatu variabel acak itu punya probabilitas kemunculan yang sama persis. Nggak ada tebak-tebak buah manggis di sini, semua udah fairplay.

Dalam konteks distribusi seragam diskrit, kita biasanya punya sekumpulan nilai yang mungkin. Misalnya, dalam pelemparan dadu bersisi enam, nilai-nilai yang mungkin adalah {1, 2, 3, 4, 5, 6}. Nah, karena setiap sisi punya peluang yang sama untuk muncul, maka peluang munculnya angka 1 adalah 1/6, peluang munculnya angka 2 juga 1/6, dan seterusnya sampai angka 6. Jadi, probabilitas untuk setiap nilai x itu bisa ditulis sebagai P(X=x) = 1/n, di mana n adalah jumlah total kemungkinan hasil yang berbeda.

Contoh Nyata Lainnya

Selain dadu, ada lagi nggak sih contoh gampangnya? Ada dong! Coba bayangin kalau kita lagi milih satu kartu secara acak dari setumpuk kartu remi yang isinya 52 kartu. Setiap kartu punya peluang yang sama untuk terpilih, yaitu 1/52. Atau, kalau kita lagi muter roda keberuntungan yang dibagi jadi 10 bagian sama besar, setiap bagian punya peluang 1/10 untuk jadi tempat berhentinya jarum. See? Konsepnya memang sesederhana itu.

Mengapa Penting Memahami Sifatnya?

Kenapa kita perlu detail banget sama sifat probabilitas yang sama ini? Karena sifat inilah yang membedakan distribusi seragam dari distribusi lainnya. Ketika semua hasil punya kesempatan yang sama, kita bisa lebih mudah menghitung rata-rata (nilai harapan) dan variansnya. Untuk distribusi seragam diskrit, nilai harapan (rata-rata) itu gampang banget dicari, yaitu rata-rata dari nilai minimum dan maksimum. Kalau nilainya dari a sampai b, rata-ratanya adalah (a+b)/2. Nah, ini berguna banget buat analisis lebih lanjut.

Terus, variansnya juga bisa dihitung dengan rumus tertentu. Meskipun mungkin rumusnya kelihatan agak ribet, intinya adalah kita bisa mengukur seberapa tersebar data kita. Dalam konteks distribusi seragam, variansnya akan relatif lebih kecil jika rentang nilainya sempit, dan sebaliknya. Pemahaman mendalam tentang sifat-sifat ini akan membantu kita dalam memodelkan situasi nyata dan membuat prediksi yang lebih akurat. Ini bukan cuma soal ujian, tapi skill penting buat masa depan!

Soal 1: Pelemparan Dadu Adil

Oke, guys, mari kita mulai dengan contoh yang paling klasik dan paling gampang dicerna: pelemparan dadu. Bayangin, kita punya sebuah dadu standar bersisi enam yang adil. Adil di sini artinya setiap sisi punya kemungkinan yang sama untuk muncul saat dilempar. Pertanyaannya adalah:

Berapa probabilitas munculnya angka 3?
Berapa probabilitas munculnya angka genap (2, 4, atau 6)?
Berapa probabilitas munculnya angka yang lebih besar dari 4?

Pembahasan Soal 1

Ini dia bagian serunya, kita bakal bedah satu per satu. Pertama-tama, kita harus identifikasi dulu ruang sampelnya. Ruang sampel itu adalah himpunan semua hasil yang mungkin terjadi. Untuk dadu bersisi enam, ruang sampelnya adalah S = {1, 2, 3, 4, 5, 6}. Nah, jumlah total kemungkinan hasil itu ada n = 6. Karena dadunya adil, setiap hasil punya probabilitas yang sama.

Probabilitas Munculnya Angka 3: Ini paling gampang. Cuma ada satu cara angka 3 bisa muncul, yaitu sisi dadu yang menunjukkan angka 3. Jadi, jumlah hasil yang diinginkan itu ada 1. Probabilitasnya adalah: P(X=3) = (Jumlah hasil yang diinginkan) / (Jumlah total kemungkinan hasil) = 1 / 6. Jadi, peluang munculnya angka 3 adalah 1/6. Simpel, kan?
Probabilitas Munculnya Angka Genap: Sekarang, kita lihat angka genap dalam ruang sampel. Angka genapnya adalah {2, 4, 6}. Ada berapa banyak angka genap? Ada 3 angka. Jadi, jumlah hasil yang kita inginkan ada 3. Probabilitasnya adalah: P(X=genap) = (Jumlah angka genap) / (Jumlah total kemungkinan hasil) = 3 / 6 = 1 / 2. Wah, ternyata peluang munculnya angka genap itu setengahnya ya! Ini masuk akal karena setengah dari angka di dadu itu genap.
Probabilitas Munculnya Angka yang Lebih Besar dari 4: Terakhir, kita cari angka yang lebih besar dari 4. Angka-angka itu adalah {5, 6}. Ada 2 angka yang memenuhi syarat ini. Jadi, jumlah hasil yang diinginkan adalah 2. P(X > 4) = (Jumlah angka > 4) / (Jumlah total kemungkinan hasil) = 2 / 6 = 1 / 3. Jadi, peluang munculnya angka yang lebih besar dari 4 adalah 1/3.

Dari contoh dadu ini, kita bisa lihat banget kalau distribusi seragam itu prinsipnya adalah membagi rata 'kue' probabilitas ke semua pilihan yang ada. Semakin banyak pilihan, semakin kecil peluang masing-masing. Super penting buat diingat!

Soal 2: Pemilihan Acak Kartu

Mari kita naik level sedikit. Sekarang bayangin kamu punya satu set kartu bridge standar yang terdiri dari 52 kartu. Kartu ini sudah dikocok dengan baik, jadi setiap kartu punya peluang yang sama untuk terpilih kalau kamu ambil satu kartu secara acak. Pertanyaannya:

Berapa probabilitas kamu mengambil kartu As (Ace)?
Berapa probabilitas kamu mengambil kartu King dari sembarang suit (keriting, hati, wajik, sekop)?
Berapa probabilitas kamu mengambil kartu bernomor 7?

Pembahasan Soal 2

Sama kayak soal dadu tadi, langkah pertama adalah tentukan dulu ruang sampelnya. Di sini, ruang sampelnya adalah semua 52 kartu yang ada. Jadi, jumlah total kemungkinan hasil adalah n = 52. Karena setiap kartu punya peluang yang sama untuk terpilih, ini jelas merupakan kasus distribusi seragam.

Probabilitas Mengambil Kartu As: Dalam satu set kartu bridge standar, ada 4 kartu As (As keriting, As hati, As wajik, As sekop). Jadi, jumlah hasil yang kita inginkan adalah 4. P(Mengambil As) = (Jumlah kartu As) / (Jumlah total kartu) = 4 / 52. Kalau kita sederhanakan, 4/52 itu sama dengan 1/13. Jadi, peluang kamu ngambil kartu As itu 1 banding 13. Lumayan kecil ya peluangnya dibanding jumlah kartu yang banyak.
Probabilitas Mengambil Kartu King: Sama halnya dengan kartu As, ada 4 kartu King dalam satu set kartu bridge (King keriting, King hati, King wajik, King sekop). Jumlah hasil yang diinginkan adalah 4. P(Mengambil King) = (Jumlah kartu King) / (Jumlah total kartu) = 4 / 52. Sama seperti kartu As, ini juga disederhanakan menjadi 1/13. Hebatnya, peluang ngambil King sama persis dengan peluang ngambil As.
Probabilitas Mengambil Kartu Bernomor 7: Di setiap suit (keriting, hati, wajik, sekop), ada satu kartu bernomor 7. Karena ada 4 suit, maka total ada 4 kartu bernomor 7 (7 keriting, 7 hati, 7 wajik, 7 sekop). Jumlah hasil yang diinginkan adalah 4. P(Mengambil kartu 7) = (Jumlah kartu 7) / (Jumlah total kartu) = 4 / 52. Lagi-lagi, hasilnya sama yaitu 1/13. Ini menunjukkan konsistensi dari distribusi seragam; setiap jenis kartu spesifik (seperti 'As', 'King', atau '7') punya peluang yang sama untuk terpilih jika jumlahnya sama.

Dari contoh kartu ini, kita belajar bahwa dalam distribusi seragam, yang penting adalah jumlah item spesifik yang kita cari dibandingkan dengan total keseluruhan item. Kalau jumlahnya sama, peluangnya pun akan sama. This is the core concept.

Soal 3: Mesin Pengisi Otomatis

Oke, sekarang kita coba kasus yang sedikit berbeda, tapi masih dalam ranah distribusi seragam. Misalkan ada sebuah mesin pengisi otomatis yang bertugas mengisi botol dengan cairan. Mesin ini diatur untuk mengisi botol dengan volume cairan antara 495 ml hingga 505 ml. Kita asumsikan bahwa volume cairan yang diisikan oleh mesin ini mengikuti distribusi seragam kontinu.

Pertanyaannya:

Berapa probabilitas sebuah botol akan terisi dengan volume antara 498 ml dan 502 ml?
Berapa probabilitas sebuah botol akan terisi dengan volume kurang dari 497 ml?

Pembahasan Soal 3

Nah, kali ini kita ketemu sama distribusi seragam kontinu. Bedanya sama yang diskrit (kayak dadu atau kartu) adalah di sini kemungkinannya itu tak terhingga banyak dalam rentang tertentu. Bukan cuma angka bulat, tapi bisa desimal juga. Untuk distribusi seragam kontinu, kita pakai konsep 'luas di bawah kurva' untuk menghitung probabilitas.

Rumus umumnya adalah P(a ≤ X ≤ b) = (b - a) / (d - c), di mana [c, d] adalah rentang total distribusi seragam, dan [a, b] adalah rentang probabilitas yang kita cari (dengan a ≥ c dan b ≤ d).

Dalam soal ini, rentang totalnya adalah dari c = 495 ml sampai d = 505 ml. Jadi, panjang total rentang (d - c) adalah 505 - 495 = 10 ml.

Probabilitas Volume Antara 498 ml dan 502 ml: Di sini, kita cari probabilitas X berada di antara a = 498 dan b = 502. Panjang rentang yang kita inginkan adalah (b - a) = 502 - 498 = 4 ml. Maka, probabilitasnya adalah: P(498 ≤ X ≤ 502) = (502 - 498) / (505 - 495) = 4 / 10 = 0.4. Jadi, ada peluang 0.4 atau 40% bahwa sebuah botol akan terisi antara 498 ml dan 502 ml. Ini masuk akal karena rentang 4 ml itu ada di tengah-tengah rentang total 10 ml.
Probabilitas Volume Kurang dari 497 ml: Kita ingin mencari P(X < 497). Perhatikan bahwa nilai minimum yang mungkin diisi mesin adalah 495 ml. Jadi, rentang yang kita cari adalah dari a = 495 (nilai minimum) sampai b = 497. Panjang rentang ini adalah (b - a) = 497 - 495 = 2 ml. Probabilitasnya adalah: P(X < 497) = P(495 ≤ X ≤ 497) = (497 - 495) / (505 - 495) = 2 / 10 = 0.2. Jadi, ada peluang 0.2 atau 20% bahwa botol akan terisi kurang dari 497 ml.

Contoh mesin pengisi ini nunjukin gimana distribusi seragam kontinu bisa dipakai buat ngatur proses yang ada batas minimum dan maksimumnya. Intinya adalah perbandingan panjang rentang yang diinginkan dengan panjang total rentang. Gampang kan?

Soal 4: Pemilihan Nomor Undian

Bayangkan ada sebuah undian berhadiah di mana nomor yang keluar adalah bilangan bulat dari 1 sampai 100. Setiap nomor punya peluang yang sama untuk terpilih. Pertanyaannya:

Berapa probabilitas nomor yang keluar adalah kelipatan 5?
Berapa probabilitas nomor yang keluar bukan kelipatan 10?

Pembahasan Soal 4

Ini mirip banget sama contoh dadu dan kartu, tapi skalanya lebih besar. Ruang sampelnya adalah semua bilangan bulat dari 1 sampai 100. Jadi, total ada n = 100 kemungkinan hasil. Karena setiap nomor punya peluang yang sama, ini adalah distribusi seragam diskrit.

Probabilitas Nomor Kelipatan 5: Pertama, kita harus hitung dulu ada berapa banyak kelipatan 5 antara 1 sampai 100. Kelipatan 5 itu adalah 5, 10, 15, ..., 100. Cara gampangnya, kita bisa bagi 100 dengan 5: 100 / 5 = 20. Jadi, ada 20 nomor yang merupakan kelipatan 5. Probabilitasnya adalah: P(Kelipatan 5) = (Jumlah kelipatan 5) / (Jumlah total nomor) = 20 / 100 = 1 / 5 = 0.2. Jadi, peluang nomor undian yang keluar adalah kelipatan 5 adalah 0.2 atau 20%. Lumayan gede ya!
Probabilitas Nomor Bukan Kelipatan 10: Untuk soal ini, lebih gampang kalau kita hitung dulu kebalikannya: berapa probabilitas nomor yang adalah kelipatan 10? Kelipatan 10 antara 1 sampai 100 adalah 10, 20, 30, ..., 100. Kita bisa hitung jumlahnya dengan 100 / 10 = 10. Jadi, ada 10 nomor yang merupakan kelipatan 10. Probabilitas nomor kelipatan 10 adalah: P(Kelipatan 10) = (Jumlah kelipatan 10) / (Jumlah total nomor) = 10 / 100 = 1 / 10 = 0.1. Nah, karena total probabilitas semua hasil adalah 1 (atau 100%), maka probabilitas nomor yang bukan kelipatan 10 adalah: P(Bukan Kelipatan 10) = 1 - P(Kelipatan 10) = 1 - 0.1 = 0.9. Jadi, ada peluang sebesar 0.9 atau 90% bahwa nomor undian yang keluar bukan kelipatan 10. Ini menunjukkan bahwa mayoritas nomor tidak akan menjadi kelipatan 10.

Contoh undian ini memberikan gambaran lagi bahwa distribusi seragam itu fundamental banget. Memahami cara menghitung jumlah item dalam sebuah rentang adalah kunci untuk menyelesaikan soal-soal seperti ini. Konsep 'probabilitas komplemen' (1 dikurangi probabilitas kejadian asli) juga sangat berguna.

Kesimpulan: Kekuatan Distribusi Seragam

Nah, gimana, guys? Udah mulai ngeh kan sama distribusi seragam? Dari contoh pelemparan dadu yang paling sederhana, pemilihan kartu, sampai ke mesin pengisi otomatis dan nomor undian, kita bisa lihat pola yang sama: setiap hasil yang mungkin punya peluang yang sama besar. Baik itu diskrit (hitungan bulat) maupun kontinu (nilai dalam rentang tak terhingga), prinsip dasarnya tetap sama.

Kita udah belajar cara menghitung probabilitas kejadian spesifik, kejadian kelompok (kayak angka genap), dan bahkan kejadian yang melibatkan rentang tertentu pada distribusi kontinu. Kuncinya adalah selalu identifikasi dulu:

Ruang Sampel: Apa aja sih semua kemungkinan hasil yang bisa terjadi?
Jumlah Total Hasil (n): Berapa banyak total kemungkinan itu?
Jumlah Hasil yang Diinginkan: Berapa banyak dari hasil tersebut yang sesuai dengan pertanyaan kita?
Rumus Probabilitas: P(Kejadian) = (Jumlah Hasil yang Diinginkan) / (Jumlah Total Hasil).

Untuk distribusi seragam kontinu, ingatlah untuk menggunakan konsep luas area atau perbandingan panjang rentang.

Mengapa Ini Penting Banget?

Distribusi seragam ini bukan cuma sekadar materi teori statistika, lho. Konsep ini adalah fondasi untuk memahami distribusi probabilitas yang lebih kompleks seperti distribusi binomial, Poisson, normal, dan lain-lain. Tanpa pemahaman yang kuat tentang distribusi seragam, akan sulit untuk memahami bagaimana probabilitas tersebar dalam situasi yang lebih rumit.

Selain itu, dalam praktik, banyak fenomena dunia nyata yang bisa didekati atau dimodelkan dengan distribusi seragam. Mulai dari random number generator di komputer, penentuan waktu tunggu yang tidak pasti (tapi dalam rentang tertentu), sampai ke pemodelan sederhana dalam berbagai bidang ilmu.

Jadi, jangan remehkan kesederhanaannya! Teruslah berlatih soal-soal seperti ini, coba cari contoh-contoh lain di sekitarmu, dan kamu akan melihat betapa seringnya konsep distribusi seragam ini muncul dan berguna. Semoga penjelasan dan contoh soal ini membantu kalian lebih pede menghadapi materi statistika, ya! Semangat belajar, guys!