CONTOH-CONTOH SOAL

Contoh soal 1.
SuaTU pabrik memproduksi alat-alat, dan produksinya itu 10% cacat. HiTUnglah
probabilitasnya jika suatu sampel yang terdiri dari 10 alat diambil secara random, pasti dua
akan cacat.

Penyelesaian.
Probabilitas cacathya alat-alat adalah p = 10% = 0,1 m = np = 10 (0,1) = 1
Disini r = 2, m=1
Jadi Probabilitas pasti dua buah alat yang cacat adalah:
e-1 (1)2/2!
= e-1/2
=1/2e = 0.18 kurang lebih

Contoh soal 2
Tingkat kematian dari suatu penyakit tententu adalah 7 per 1000. Berapakah probabilitas
terjadi kematian 5 orang dari penyakit ini pada sekumpulan 400 orang?

Penyelesaian.

Di sini m = np = 400. 7/1000 = 2,8 dan r = 5.

Jadi probabilitas yang memenuhi adalah e2’8(2,8)5 /5! = 0, 0872

Contoh soal 3
Jika probabilitas individu menderita reaksi buruk terhadap suatu serum yang diberikan adalah
0,001. Hitunglah bahwa dari 2000 orang :
a) pasti 3 orang individu menderita reaksi buruk,
b) lebih dari 2 orang individu menderita reaksi buruk.

Penyelesaian.
Di sini p = 0,001, n = 2000
m = np= 2.
a) Probabilitas 3 individu menderita reaksi buruk adalah
= e2.23 / 3!
= 4/3e2
= 0.18

Probabilitas tidak seorang pun menderita

= e-2.20/0! = 1/e2.

Probabilitas seorang menderita

= e-2.21/1! = 2/e2
Probabilitas dua orang medenita
= e-2.22/2! = 2/e2
Jadi Probabilitas lebih dari 2 individu menderita reaksi buruk. = I - (Probabilitas dari 0 +
Probabilitas dari 1 + Probabilitas dari 2)

= l+(1/e2+2/e2+2/e2) = 0,323

Contoh soal 4
Terapkan Distribusi Poisson pada data berikut ini :
x0‘1234f=192.1002431

Penyelesaian
Harga menengah m = Σ fk/Σf
m = 161/320
m = 0,503
Hubungannya dengan Distribusi Poisson adalah e -0.503 (0.503)x/ x!

yang memberikan probabilitas x. Harga-harga x adalah = 0, 1, 2, 3,4 yang menghasilkan

hubungan Probabilitas: 0,605; 0,304; 0,076; 0,0128; 0,0016. Kalikan ini dengan total
frekuensi yang adalah 320 kita peroleh hubungan frekuensi sebagai berikut: 193,6; 97,3;
24,5; 4,1; 0,5.

Contoh soal 5.
Jika 3 % barang yang diproduksi oleh sebuah mesin cacat, hitunglah probabilitas bahwa 3
barang diambil secara random dari 100 barang adalah cacat.

Penyelesaian.
Pada masalah ini lebih disukai untuk menggunakan Distribusi Poisson daripada Distribusi
Binoini al oleh karena p (yang = 0,03) adalah terlalu kecil dan m = np
mp = 100 x 0,3 = 3.
p(r =3) =m re -m/r!
P(r=3)= 33e-3 / 3!
= 0,2241

Contoh soal 6
Jika suatu probabilitas memperlihatkan bahwa sesorang menerima reaksi buruk akibat
suntikan suatu serum adalah 0,0001. Tentukan probabilitas bahwa dari antara 2000 individu
yang akan menderita suatu reaksi buruk
Tepat 3 orang
Lebih dari 2 orang

Penyelesaian.
p(r) =m re -m/r!
m = np
m=2000 x 0,001
m=2
P (3 orang menderita reaksi buruk) = m re -2/r!
P(r=3)= 2 3e -3 / 3!
= 0.180
P (0 menderita ) = 2 0e -2 / 0!
= 1/e2
P (1 menderita ) = = 2 1e -2 / 1!
= 2/e2
P (1 menderita ) = = 2 2e -2 / 2!
= 2/e2
P (lebih dari 2 menderita ) = 1 – P( 0 atau 1 atau 2 menderita)
= 1 – (1/e2 +2/e2 +2/e2 )
= 0.323

Catatan.
Persoalan diatas tidak bisa diselesaikan dengan menggunakan distribusi binomial, karena
kesulitan menghitung secara langsung. Perhatikan rumus binomial dibawah ini:
2000C3 (0,001)3(0,999)1997
1 – (2000C0 (0,001)0(0,999)2000 +2000C1(0,001)1(0,999)1999 +2000C2
(0,001)2(0,999)1998)

Contoh soal 7
Sebuah peristiwa emisi dari partikel radioaktif yang dideteksi dengan sebuah Geiger counter.
Partikel ini diemisikan dalam waktu yang acak. Namun jika kita hitung jumlah emisi tersebut
untuk waktu yang ”lama”, maka laju rata-rata emisi l partikel-partikel per detik dapat
dihitung. Jika laju rata-rata adalah l =3 partikel per detik, maka hitunglah probabilitas
banyaknya 5 partikel yang terdeteksi.

Penyelesaian.
r=5
m=3
p(3) =35re -3/5!
P(3) = 0.1008

Contoh soal 8
Sepuluh persen peralatan yng diproduksi suatu proses pabrik tertentu ternyata cacat.
Hitunglah probabilitas bahwa dalam suatu sampel 10 peralatan yang dipilih secara acak,
secara tepat dua akan cacat dengan menggunakan
Distribusi binomial
Distribusi poisson.

Penyelesaian.
Probabilitas peralatan cacat = 10 % = 0,1
P ( 2 peralatan cacat ) = 10C2 (0,1)2(0,9)8
= 0.1937
m=np
m = 10 x 0,1
m=1
p(r) =m re -m/r!
p (3 orang menderita reaksi buruk) = m re -m/r!
 = 1 2e -1/2!
= e-1/2
= 1/2e
= 0.1839

Contoh soal 9.
Suatu distribusi poisson diberikan oleh p(X) = (0,72)X e-0,72 / X!
Carilah :
p(0)
p(1)
p(2)
p(3)
penyelesaian
p(0) = (0,72)0 e-0,72 / 0!
= 1 e-0,72 / 1
= 0.4868
p(1) = (0,72)1 e-0,72 / 1!
= 0.3505
p(2) = (0,72)2 e-0,72 / 2!
= 0.1262
p(3) = (0,72)3 e--0,72 / 3!
= 0.0303

Soal
Misalkan pepohonan yang tumbuh dihutang terdistribusi menurut suatu proses Poisson
dengan perkiraan jumlah pohon setiap hektarnya diwakili parameter =80.
Berapakah probabilitas dalam seperempat hektar tertentu terdapat sebanyak 16 pohon?
Jika hutan tersebut luasnya 85 ribu hektar. Berapa banyak pohon yang diperkirakan terdapat
dalam hutan tersebut?
Misalkan ditetapkan sebuah titik di hutan tersebut dan digambarkan sebuah lingkaran dengan
jari-jari 150 meter. Jika X adalah banyaknya pohon yang terdapat dalam lingkaran tersebut.
Tentukan fungsi probabilitas dari X.
 Berdasarkan data biro perjalanan PT Mandala Wisata air, yang khusus menangani perjalanan
wisata turis manca negara, 20% dari turis menyatakan sangat puas berkunjung ke Indonesia,
40% menyatakan puas, 25% menyatakan biasa saja dan sisanya menyatakan kurang puas.
Apabila kita bertemu dengan 5 orang dari peserta wisata turis manca negara yang pernah
berkunjung ke Indonesia, berapakah probabilitas :
a) Paling banyak 2 di antaranya menyatakan sangat puas.
b) Paling sedikit 1 di antaranya menyatakan kurang puas
c) Tepat 2 diantaranya menyatakan biasa saja
d) Ada 2 sampai 4 yang menyatakan puas

Jawab :

a.X ≤ 2

Lihat tabel dan lakukan penjumlahan sebagai berikut :

b(x; n, p) = b(0; 5, 0.20) + b(1; 5, 0.20) + b(2; 5, 0.20) =

0.32768 + 0.40960 + 0.20480 = 0.94208 atau
b(x=0) = 5C0 (0.20)0 (0.80)5 = 0.32768
b(x=1) = 5C1 (0.20)0 (0.80)4 = 0.40960
b(x=2) = 5C2 (0.20)0 (0.80)3 = 0.20480
+Maka hasil x ≤ 2 adalah = 0.94208

b.X ≥ 1

Lihat tabel dan lakukan penjumlahan sebagai berikut :

b(1; 5, 0.15) + b(2; 5, 0.15) + b(3; 5, 0.15) + b(4; 5, 0.15) + b(5; 5, 0.15) =
0.3915 + 0.1382 + 0.0244 + 0.002 + 0.0001 = 0.5562 atau
b(x ≥1; 5, 0.15) = 1 – b(x = 0)
1 – 5C0 (0.15)0 (0.85)5
1 – 0.4437 = 0.5563

c.X = 2

b(2; 5, 0.25) = 0.2637

d.X ≤ 2 X ≤ 4

Lihat tabel dan lakukan penjumlahan sebagai berikut :

b(2; 5, 0.40) + b(3; 5, 0.40) + b(4; 5, 0.40) = 0.3456 + 0.2304 + 0.0768 = 0.6528
Analisis masing – masing point :

a.Sebanyak paling banyak 2 dari 5 orang dengan jumlah 0.94208 atau 94,28% yang
menyatakan sangat puas adalah sangat besar.
b.Paling sedikit 1 dari 5 orang (berarti semuanya) dengan jumlah 0,5563 atau 55,63% yang
menyatakan kurang puas dapat dikatakan cukup besar (karena lebih dari 50%).
c.Tepat 2 dari 5 orang yang menyatakan biasa saja dengan jumlah 0,2637 atau 26,37% adalah
kecil (karena dibawah 50%).
d.Ada 2 sampai 4 yang menyatakan puas dengan jumlah 0,6528% atau 65,28% dapat
dikatakan cukup besar.

Analisis keseluruhan :

A. Persentase
Jika diambil persentase terbesar tanpa memperhatikan jumlah X, maka persentase terbesar
ada di point pertama (a) yaitu 94,28% yang menyatakan sangat puas. Hal tersebut
menandakan banyak turis manca negara yang sangat menyukai Indonesia.

B. Nilai X
Jika dilihat dari jumlah X, maka perlu diperhatikan point kedua (b). Jumlah X adalah paling
sedikit 1 dari 5 orang (berarti X>=1) yaitu 55,63% yang menyatakan kurang puas .
Hal tersebut berarti kelima (semua) turis manca negara kurang puas terhadap kunjungannya ke
Indonesia.

2.Kepala bagian produksi PT SAMSUNG melaporkan bahwa rata - rata produksi televisi yang
rusak setiap kali produksi adalah sebesar 15 %. Jika dari total produksi tersebut diambil secara
acak sebanyak 4 buah televisi, berapakah perhitungan dengan nilai probabilitas 2 ?

Jawab :

p ( rusak ) = 0,15, q ( baik ) = 0,85, x = 2, n = 4

Rumus : b ( x ; n ; p ) = nCx px q n-x
b (x = 2 ; 4 ; 0,12 ) = 4C2 (0,15)2 (0,85)(4 – 2)
= 0,0975

Analisis : Dengan jumlah 0,0975 atau 9,75% dari sampel acak sebanyak 4 buah televisi dan
rata – rata produk rusak setiap kali produksi adalah sebesar 15%, dapat dikatakan kecil. Namun
pada kenyataannya, meskipun dilihat secara persentase kecil (hanya 9,75%) yang namanya
produk rusak harus tetap dikurangi atau bahkan dihilangkan untuk mengurangi kerugian.

RATA – RATA dan RAGAM DISTRIBUSI BINOMIAL

Rata – rata μ = n . p
Ragam σ2 = n . p . q
n : ukuran populasi
p : peluang berhasil dalam setiap ulangan
q : peluang gagal, dimana q = 1-p dalam setiap ulangan

Contoh Rata – rata dan Ragam Distribusi Binomial :

Untuk b (5; 5, 20) dimana x = 5, n = 5 dan p = 0.20
q = 1-p ; q = 1-0.20 = sehingga q = 0.80
maka : m = 5 x 0.20 = 1
s2 = 5 x 0.20 x 0.8 = 0.80
s = Ö 0.80 = 0.8944.
2. Distribusi Poisson
A .Definisi Distribusi Poisson
Distribusi Poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Poisson. Distibusi
ini merupakan distribusi probabilitas untuk variabel diskrit acak yang mempunyai nilai 0,1, 2,
3 dst. Suatu bentuk dari distribusi ini adalah rumus pendekatan peluang Poisson untuk peluang
Binomial yang dapat digunakan untuk pendekatan probabilitas Binomial dalam situasi tertentu.
Rumus Poisson dapat digunakan untuk menghitung probabilitas dari jumlah kedatangan,
misalnya : probabilitas jumlah kedatangan nasabah pada suatu bank pada jam kantor. Distribusi
Poisson ini digunakan untuk menghitung probabilitas menurut satuan waktu.

B. Rumus Pendekatan Peluang Poisson untuk Binomial

Pendekatan Peluang Poisson untuk Peluang Binomial dilakukan untuk mendekatkan
probabilitas probabilitas dari kelas sukses (x) dari n percobaan Binomial dalam situasi dimana
n sangat besar dan probabilitas kelas sukses (p) sangat kecil. Aturan yang diikuti oleh
kebanyakan ahli statistika adalah bahwa n cukup besar dan p cukup kecil, jika n adalah 20
atau lebih dari 20 dan p adalah 0.05 atau kurang dari 0.05. Pada pendekatan ini rumusnya
lebih mudah untuk digunakan dibandingkan dengan rumus Binomial.

Rumus pendekatannya adalah :

P ( x ; μ ) = e –μ . μ X
X ! Dimana : e = 2.71828
μ = rata – ratakeberhasilan = n . p
x = Banyaknya unsur berhasil dalam sampel
n = Jumlah / ukuran populasi
p = probabilitas kelas sukses

Contoh soal :
1. Dua ratus penumpang telah memesan tiket untuk sebuah penerbangan luar negeri. Jika
probabilitas penumpang yang telah mempunyai tiket tidak akan datang adalah 0.01 maka
berapakah peluang ada 3 orang yang tidak datang.
2. Rata – rata seorang sekretaris baru melakukan lima kesalahan mengetik per halaman.
Berapakah peluang bahwa pada halaman berikut ia :
1. Tidak ada kesalahan ( x = 0 )
2. Tidak lebih dari tiga kesalahan ( x ≤ 3) atau ( 0,1,2,3 )
3. Lebih dari tiga kesalahan ( x > 3 ) atau ( 4,…,15)

Jawab :
1. Dik : n = 200, P = 0.01, X = 3, μ = n . p = 200 . 0.01 = 2
P ( x ; μ ) = e –μ . μ X
X!
= 2.71828 – 2 . 2 3 = 0.1804 atau 18.04 %
3!
2. Dik : μ = 5
 a. x = 0 P ( x ; μ ) = e – μ . μ X
X!
P ( 0 ; 5 ) = 2.71828 – 5 . 5 0 = 0.0067
0!

b. x ≤ 3 ; P ( x ; μ ) = e – μ . μ X
X!
P (x ≤ 3 , 5) = P( x 1, μ ) +….+p(x3, μ)
= P( 0, 5 ) + P (1, 5 ) + P ( 2, 5 ) + P ( 3, 5 )
= 0.0067 + 0.0337 + 0.0842 + 0.1404
= 0.2650 atau 26.5 %

c. X > 3 ; P ( x ; μ ) = e – μ . μ X
X!
P (X > 3 , 5) = P( X 4, μ ) +….+p(X 15, μ)
= P( 4, 5 ) + P (5, 5 ) + …… + P ( 15, 5 ) atau

P (X > 3 , 5) = 1 – [P ( X ≤ 3 , 5 ) ]
= 1 – [ P ( X 0, μ ) +….+ p (X 3, μ) ]
= 1 – [ P ( 0, 5 ) +….+p ( 3, 5 ) ]
= 1 – [ 0.2650 ]
= 73.5 %

C. Rumus Proses Poisson

Distribusi Poisson dalam konteks yang lebih luas dari pada rumus pertama tadi. Sebagai
ilustrasi, misalkan pada hari Senin ini adalah jam kerja yang sibuk pada suatu bank, dan kita
tertarik oleh jumlah nasabah yang mungkin datang selama jam kerja tersebut, dengan
ketertarikan kita sebenarnya terletak pada interval waktu dan jumlah kedatangan dalam interval
waktu jika proses kedatangannya mempunyai karakteristik sebagai berikut:

1. Tingkat kedatangan rata – rata setiap unit waktu adalah konstant.

Dalam ilustrasi tadi dapat berarti bahwa jika tingkat kedatangan rata – rata untuk periode jam
adalah, misalkan 72 kedatangan setiap jam, maka tingkat ini melambangkan interval waktu
pada jam kerja tadi : yaitu tingkat yang dapat dirubah kepada rata – rata yaitu 36 kedatangan
setiap ½ jam atau 1.2 kedatangan setiap menit.

2. Jumlah kedatangan pada interval waktu tidak bergantung pada ( bebas apa yang terjadi di
interval waktu yang sudah lewat. Dalam ilustrasi tadi, dapat berarti bahwa kesempatan dari
sebuah kedatangan di menit berikutnya adalah sama.

3. Tidak memiliki kesamaan bahwa akan lebih dari satu kedatangan dalam interval pendek,
semakin pendek interval, semakin mendekati nol adalah probabilitas yang lebih dari satu
kedatangan. Dalam ilustrasi tadi, bisa berarti bahwa adalah tidak mungkin untuk lebih dari
satu nasabah yang dapat melawati jalan masuk dalam waktu satu detik.
Rumus proses poisson :
P ( x ) = e –λ . t . ( λ . t ) x
X! Dimana :λ = Tingkat rata – rata kedatangan tiap unit waktu
t = Jumlah unit waktu
x = Jumlah kedatangan dalam t unit waktu

Contoh soal :
Jika rata – rata kedatangan λ = 72 setiap jam, berapakah peluang dari x = 4 kedatangan dan t
= 3 menit. Gunakan proses poisson.!
Jawab :
Dik : λ = 72 kedatangan setiap jam atau 72 / jam maka 1 jam atau 60 menit adalah unit
waktunya. Berarti 3 menit adalah 3 / 60 = 1 / 20 unit waktu maka t t = 1 / 20 dan x = 4

P ( x ) = e –λ . t . ( λ . t ) x
X!
P ( x ) = e –72 . ( 1/ 20 ) . ( 72 . 1 / 20 ) 4
4!= 0.191 atau 19.1 %