1. Nona Bergen adalah pegawai bagian kredit pada Coast Bank and Trust.
Berdasarkan pengalamannya selama bertahun-tahun ia memperkirakan bahwa
peluang seorang pemohon akan tidak mampu melunasi cicilan pinjamannya
adalah 0,025. Bulan lalu ia memberikan 40 pinjaman.
a. Berapa peluang 3 kredit akan macet?
b. Berapa peluang tidak ada kredit yang macet?
c. Berapa peluang paling banyak 3 kredit akan macet?
Pada gambar di atas, tampak kotak Compute Variable yang telah dibuka. Pada
kotak tersebut, pilih PDF & Noncentral PDF yang ada pada Function Group,
lalu pilih Pdf.Binom pada Functions and Special Variables. Setelah itu,
masukkan seluruh nilai yang telah diketahui ke dalam kurung pada fungsi
PDF.BINOM(). Setelah seluruh nilai dimasukkan, pilih kolom tempat
dimunculkannya nilai tersebut. Kali ini, saya memilih kolom “a” sebagai
tempatnya. Kemudian klik OK sehingga pada kolom “a” muncul hasil
penghitungan seperti pada gambar berikut ini.
Pada gambar tersebut, tertera nilai pada kolom a sebesar 0.0604989 yang
merupakan hasil dari penghitungan sebelumnya. Berdasarkan hasil tersebut,
dapat disimpulkan bahwa peluang terjadinya tepat 3 kredit macet dari 40
pinjaman pemohon Coast Bank and Trust adalah sebesar 0.0604989.
Untuk menemukan peluang tepat tidak ada satu pun kredit macet dari 40
pinjaman, fitur yang harus digunakan adalah fitur yang masih sama dengan
sebelumnya, yaitu PDF & Noncentral PDF. Fitur ini terletak di dalam menu
Transform dan di dalam submenu Compute Variable.
Pada gambar di atas, terlihat bahwa nilai hasil penghitungan tadi sebesar
0.3632324. Berdasarkan nilai ini, dapat disimpulkan bahwa peluang terjadinya
tidak ada kredit macet dari 40 pinjaman pemohon Coast Bank and Trust sebesar
0.3632324. Apabila nilai ini dibandingkan dengan nilai sebelumnya, yaitu nilai
0.0604989, terlihat bahwa kemungkinan tidak adanya kredit macet lebih besar
dari pada kemungkinan adanya tepat 3 kredit macet.
Pada gambar di atas, tampak kotak Compute Variable yang telah dibuka. Pada
kotak tersebut, pilih CDF & Noncentral CDF yang ada pada Function Group,
lalu pilih Cdf.Binom pada Functions and Special Variables. Setelah itu,
masukkan seluruh nilai yang telah diketahui ke dalam kurung pada fungsi
CDF.BINOM().
Karena pada soal diketahui nilai rata-rata dari kondisi tersebut yang
disimbolkan dengan λ, dapat diketahui bahwa banyaknya radioaktif yang
melewati suatu hitungan selama 1 ms mengikuti sebaran Poisson.
Cara penghitungannya tetap sama , dimana seluruh nilai yang telah diketahui
dimasukkan ke dalam fungsi PDF.POISSON(). Kali ini saya memilih kolom a
sebagai kolom tempat dimunculkannya nilai tersebut. Setelah input selesai, klik
OK untuk menampilkan hasilnya. Hasil penghitungannya akan tampak seperti
pada gambar di halaman selanjutnya.
Pada gambar tersebut, terlihat hasil penghitungan untuk P(x = 6; 4) yaitu
sebesar 0.8893260. Berdasarkan nilai tersebut, dapat disimpulkan bahwa
peluang tepat 6 partikel melewati perhitungan dalam ms tertentu adalah sebesar
0.8893260.
b. P(x = 0; 4)
c. P(x < 6; 4)
Karena pada soal diketahui nilai peluang dari kondisi tersebut, dapat diketahui
bahwa hasil survey tentang televisi berwarna tersebut mengikuti sebaran
binomial.
Fitur yang digunakan untuk menyelesaikan permasalahan ini adalah fitur PDF
& Noncentral PDF. Fungsi yang digunakan dari fitur tersebut adalah fungsi
PDF.BINOM().
Proses untuk mendapatkan hasilnya sama seperti langkah yang tertulis pada
soal 1a dan 1b. Setelah seluruh nilai yang telah diketahui dimasukkan ke dalam
fungsi dan telah ditentukan tempat kolom pemunculannya, klik OK sehingga
tampak hasil penghitungan seperti gambar di halaman selanjutnya.
Gambar tersebut memperlihatkan hasil penghitungan sebelumnya, yaitu sebesar
0.3874205. Berdasarkan nilai tersebut, dapat disimpulkan bahwa peluang
keseluruhan 9 rumah memiliki televisi berwarna adalah 0.3874205.
b. P(x = 0; 9; 0.9)
Untuk menyelesaikan soal ini, Fitur yang digunakan masih sama dengan
sebelumnya, yaitu fitur PDF & Noncentral PDF dengan menggunakan fungsi
PDF.BINOM().
Masukkan seluruh nilai yang telah diketahui ke dalam fungsi, lalu klik OK
untuk memunculkan hasil perhitungan seperti pada gambar berikut.
Pada gambar tersebut, angka yang berada pada kotak kuning merupakan angka
hasil penghitungan tadi, dimana nilainya sebesar 0.0000001. Berdasarkan nilai
tersebut, dapat disimpulkan bahwa peluang tidak ada satu pun televisi berwarna
dari 9 sampel televisi adalah 0.0000001.
Karena nilai yang diminta adalah nilai peluang paling sedikit 5 atau lebih
televisi yang berwarna, maka ada rumus khusus untuk menhitung nilai tersebut
yaitu:
P(x > 5; 9; 0.9) = 1 - P(x < 5; 9; 0.9)
Fitur yang digunakan adalah fitur PDF & Noncentral PDF, dimana fungsi yang
digunakan adalah fungsi PDF.BINOM(). Pada fungsi tersebut, masukkan
seluruh nilai positif yang berada pada interval x < 5, yaitu 0, 1, 2, 3, dan 4
untuk tiap kali perhitungan hingga seluruh hasil penghitungan dengan nilai x
yang berbeda akan memperlihatkan hasil sebagai berikut.
= 1 - 0.00833114
= 0.9916686
Jadi peluang paling sedikit adanya 5 televisi berwarna dari 9 sampel televisi
adalah 0.9916686.
4. Diketahui λ = 4
Karena nilai rata-rata kondisi diketahui, maka dapat diketahui bahwa jumlah
pelanggan yang menunggu di safeway mengikuti sebaran Poisson.
a. P(x = 0; 4)
Untuk menemukan peluang tepat tidak ada satu pun pelanggan yang menunggu,
fitur yang harus digunakan adalah fitur yang sama dengan soal nomor 2a, yaitu
PDF & Noncentral PDF yang terletak di dalam menu Transform dan di dalam
submenu Compute Variable. Fungsi yang akan digunakan adalah
PDF.POISSON().
Cara penghitungannya sama seperti pada soal 2a, dimana seluruh nilai yang
telah diketahui dimasukkan ke dalam fungsi PDF.POISSON(). Setelah nilai
dimasukkan dan mengklik OK, akan terlihat hasil perhitungan seperti gambar
berikut.
Cara penghitungannya sama seperti pada soal 4a, dimana seluruh nilai yang
telah diketahui dimasukkan ke dalam fungsi PDF.POISSON(). Setelah nilai
dimasukkan dan mengklik OK, akan terlihat hasil perhitungan seperti gambar
berikut.
c. P(x < 4; 4)
d. P(x > 4; 4)