Soal

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?

2. Rata-rata banyaknya partikel radioaktif yang melewati suatu hitungan selama 1

ms dalam suatu percobaan di laboratorium adalah 4.
a. Berapa peluang 6 partikel melewati perhitungan dalam ms tertentu?
b. Berapa peluang tidak ada partikel yang melewati perhitungan dalam ms
tertentu?
c. Berapa peluang sebanyak-banyaknya 6 partikel melewati perhitungan
dalam ms tertentu?

3. Dalam suatu penelitian, 90% rumah di Amerika Serikat memiliki televisi

berwarna. Diambil suatu sampel yang terdiri dari 9 rumah, berapa probabilitas:
a. Semua rumah tersebut memiliki TV berwarna
b. Tidak ada rumah yang memiliki TV berwarna
c. Paling sedikit 5 rumah memiliki TV berwarna
d. Paling banyak 5 rumah memiliki TV berwarna

4. Sebuah antrian terhadap lajur antrian pembayaran pasar swalayan Safeway

menunjukkan bahwa, selama periode tertentu jam sibuk, rata-rata hitung jumlah
pelanggan yang menunggu adalah 4. Berapa probabilitas selama periode itu:
a. Tak seorang pun menunngu
b. Empat pelanggan menunggu
c. Empat pelanggan atau kurang sedang menunggu
d. Empat pelanggan atau lebih sedang menunggu
Jawaban
1. Diketahui bahwa n = 40 dan p = 0.025
a. P(x = 3; 40; 0.025)
Karena pada soal diketahui nilai peluang dari kondisi tersebut yang
disimbolkan dengan p, dapat diketahui bahwa perkiraan Nona Bergen
mengikuti sebaran binomial.
Untuk menemukan peluang tepat adanya 3 kredit macet dari 40 pinjaman, fitur
yang harus digunakan adalah fitur PDF & Noncentral PDF. Fitur ini terletak di
dalam menu Transform dan di dalam submenu Compute Variable.

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.

b. P(x = 0; 40; 0.025)

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.

Cara penghitungannya masih sama dengan penghitungan sebelumnya, dimana

seluruh nilai yang telah diketahui dimasukkan ke dalam fungsi PDF.BINOM().
Bedanya, kali ini saya memilih kolom c sebagai kolom tempat dimunculkannya
nilai tersebut. Setelah input selesai, klik OK untuk menampilkan hasilnya. Hasil
penghitungannya akan tampak seperti pada gambar berikut.

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.

c. P(x < 3; 40; 0.025)

Untuk menemukan peluang paling banyak 3 kredit macet dari 40 pinjaman,
fitur yang harus digunakan adalah fitur CDF & Noncentral CDF. Fitur ini
terletak di dalam menu Transform dan di dalam submenu Compute Variable.

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().

Setelah seluruh nilai dimasukkan, pilih kolom tempat dimunculkannya nilai

tersebut. Kali ini, saya memilih kolom d sebagai tempatnya. Kemudian klik OK
 sehingga pada kolom d muncul hasil penghitungan seperti pada gambar di
halaman selanjutnya.

Pada gambar di atas terlihat hasil penghitungan dengan menggunakan fungsi

CDF.BINOM(). Pada gambar tersebut, terlihat nilai hasil penghitungan sebesar
0.9825505. Berdasarkan nilai ini, dapat disimpulkan bahwa peluang terjadinya
paling banyak 3 kredit macet dari 40 pinjaman pemohon Coast Bank and Trust
sebesar 0.9825505.

2. Pada soal, diketahui bahwa λ = 4.

a. P(x = 6; 4)

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.

Untuk menemukan peluang tepat 6 partikel melewati perhitungan dalam ms

tertentu, fitur yang harus digunakan adalah fitur yang sama dengan soal nomor
1a, yaitu PDF & Noncentral PDF. Fitur ini terletak di dalam menu Transform
dan di dalam submenu Compute Variable. Bedanya, fungsi yang akan
digunakan adalah PDF.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)

Untuk menemukan peluang tidak adanya partikel melewati perhitungan dalam

ms tertentu, fitur yang harus digunakan adalah fitur yang sama dengan soal
sebelumnya, yaitu PDF & Noncentral PDF.

Masukkan seluruh nilai yang diketahui ke dalam fungsi PDF.POISSON(), lalu

pilih kolom tempat pemunculan nilai. Kali ini, saya memilih kolom c. Lalu,
klik OK untuk memunculkan hasil perhitungannya.

Pada gambar di atas, terlihat hasil perhitungan untuk P(x = 0; 4) sebesar

0.1041956. Berdasarkan nilai ini, dapat disimpulkan bahwa peluang tidak ada
satu pun partikel yang melewati perhitungan dalam ms tertentu adalah sebesar
0.1041956.

c. P(x < 6; 4)

Untuk menemukan peluang paling banyak 6 partikel melewati perhitungan

dalam ms tertentu, fitur yang harus digunakan adalah fitur yang sama dengan
soal 1c, yaitu CDF & Noncentral CDF. Bedanya, fungsi yang akan digunakan
sedikit berbeda dengan sebelumnya, yaitu CDF.POISSON().
 Seluruh nilai yang telah diketahui dimasukkan ke dalam fungsi
CDF.POISSON(). Kali ini saya memilih kolom d sebagai kolom tempat
dimunculkannya nilai tersebut. Setelah input selesai, klik OK untuk
menampilkan hasilnya. Hasil penghitungannya akan tampak seperti pada
gambar berikut.

Gambar di atas memperlihatkan nilai dari hasil penghitungan dengan

menggunakan fungsi CDF.POISSON(), yaitu sebesar 0.8893260. Dari nilai
tersebut, dapat disimpulkan bahwa peluang paling banyak 6 partikel melewati
perhitungan dalam ms tertentu sebesar 0.8893260.

3. Pada soal diketahui n = 9 dan p = 0.9

a. P(x = 9; 9; 0.9)

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.

c. P(x > 5; 9; 0.9)

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.

Gambar tersebut memperlihatkan hasil penghitungan dengan fungsi

PDF.BINOM() untuk nilai x yang berbeda. Jika seluruh nilai tersebut
dijumlahkan, maka akan mendapatkan hasil sebesar 0.00833114. Untuk
mendapatkan peluang paling sedikit 5 atau lebih televisi yang berwarna, maka
nilai ini harus dimasukkan ke dalam rumus sebelumnya sehingga:

P(x > 5; 9; 0.9) = 1 - P(x < 5; 9; 0.9)

= 1 - 0.00833114

= 0.9916686

Jadi peluang paling sedikit adanya 5 televisi berwarna dari 9 sampel televisi
adalah 0.9916686.

d. P(x < 5; 9; 0.9)

Untuk menemukan peluang paling banyak 5 televisi yang berwarna dari 9

sampel televisi, fungsi yang digunakan adalah CDF.BINOM(). Dengan
memasukkan seluruh nilai yang telah diketahui ke dalam fungsi, lalu klik OK
untuk menampilkan hasil perhitungan seperti pada gambar di halaman
selanjutnya.
 Gambar di atas memperlihatkan hasil penghitungan tadi, yaitu sebesar
0.0083311. Berdasarkan nilai tersebut, dapat disimpulkan bahwa peluang
paling banyak adanya 5 televisi berwarna dari 9 sampel televisi adalah
0.0083311.

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.

Gambar tersebut memperlihatkan hasil perhitungan tadi, dimana didapat nilai

sebesar 0.183156. Berdasarkan nilai tersebut, dapat disimpulkan bahwa peluang
tidak ada satu pun pelanggan yang menunggu sebesar 0.183156.
b. P(x = 4; 4)

Untuk menghitung peluang peluang tepat ada 4 pelanggan yang menunggu,

fitur yang harus digunakan adalah fitur yang sama dengan sebelumnya, yaitu
PDF & Noncentral PDF yang terletak di dalam menu Transform dan di dalam
submenu Compute Variable dimana fungsi yang akan digunakan adalah
PDF.POISSON().

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.

Pada gambar tersebut, diperlihatkan hasil penghitungan untuk P(x = 4; 4)

sebesar 0.1953668. Berdasarkan hasil hitungan tersebut, dapat disimpulkan
bahwa peluang tepat adanya 4 pelanggan yang menunggu sebesar 0.1953668.

c. P(x < 4; 4)

Untuk menemukan peluang adanya 4 pelanggan atau kurang yang menunggu,

maka fungsi yang digunakan adalah fungsi CDF.POISSON() yang terletak di
dalam menu Transform dan di dalam submenu Compute Variable.

Dengan memasukkan selruuh nilai yang diketahui ke dalam fungsi, lalu

mengklik OK, maka akan memunculkan hasil penghitungan seperti pada
gambar di halaman selanjutnya.

Pada gambar di atas, terlihat hasil penghitungan yang telah dilakukan

sebelumnya yang mendapatkan nilai 0.6288369. Berdasarkan hasil ini, dapat
disimpulkan bahwa peluang 4 atau kurang yang sedang menunggu sebesar
0.6288369.

d. P(x > 4; 4)

Untuk menemukan peluang 4 atau lebih pelanggan yang menunggu, rumus

yang digunakan adalah:

P(x > 4; 4) = 1 – P(x < 4; 4)

P(x > 4; 4) = 1 – [P(x = 0; 4) + P(x = 1; 4) + P(x = 2; 4) + P(x = 3; 4)]

Fungsi yang digunakan adalah fungsi PDF.POISSON() dimana dilakukan

perhitungan berulang untuk setiap nilai x yang berbeda. Hasil penghitungan
untuk setiap nilai x = {0, 1, 2, 3} ditampilkan pada gambar berikut.

Gambar di atas memperlihatkan nilai hasil dari perhitungan berulang untuk

setiap nilai x = {0, 1, 2, 3}. Jika seluruh nilai tersebut dijumlahkan, maka akan
menghasilkan nilai 0.4334701. Nilai ini kemudian dimasukkan ke dalam rumus
yang telah dituliskan sebelumnya.

P(x > 4; 4) = 1 – P(x < 4; 4)

P(x > 4; 4) = 1 – [P(x = 0; 4) + P(x = 1; 4) + P(x = 2; 4) + P(x = 3; 4)]

P(x > 4; 4) = 1 - 0.4334701

P(x > 4; 4) = 0.5665299

Jadi, peluang adanya 4 atau lebih pelanggan yang menunggu sebesar

0.5665299.