Jika X adalah variabel acak yang menyatakan kondisi dari suatu mesin , dengan nilai-
nilai yang mungkin dari X yaitu : x = 0 (kondisi mesin rusak harus diganti ), x = 1
(kondisi mesin rusak harus diperbaiki), dan x = 2 (kondisi mesin tidak rusak/normal).
Data berikut merupakan catatan pengamatan terhadap 50 mesin : Kondisi mesin
frekuensi Rusak diganti 18 Rusak diperbaiki 22 Normal 10 Tentukan : a. Distribusi
probabilitas dari X ? b. Distribusi probabilitas kumulatif dari X? c. Rata-rata (mean)
dari X? d. Variansi dari X?
Jawaban:
Untuk menyelesaikan masalah ini, kita perlu menghitung frekuensi relatif dari setiap kondisi
mesin dan menggunakan frekuensi relatif ini untuk menentukan distribusi probabilitas dan
distribusi probabilitas kumulatif dari X. Berikut adalah langkah-langkahnya:
a. Distribusi Probabilitas dari X: Kondisi mesin Frekuensi Frekuensi Relatif Rusak diganti 18
18/50 = 0.36 Rusak diperbaiki 22 22/50 = 0.44 Normal 10 10/50 = 0.20
Distribusi probabilitas dari X adalah: P(X = 0) = 0.36 P(X = 1) = 0.44 P(X = 2) = 0.20
Distribusi probabilitas kumulatif dari X adalah: P(X ≤ 0) = 0.36 P(X ≤ 1) = 0.80 P(X ≤ 2) =
1.00
c. Rata-rata (mean) dari X: Rata-rata (mean) dari X dapat dihitung dengan menggunakan
rumus: mean = Σ(X * P(X))
d. Variansi dari X: Variansi dari X dapat dihitung dengan menggunakan rumus: variance =
Σ((X - mean)^2 * P(X))
variance = ((0 - 0.84)^2 * 0.36) + ((1 - 0.84)^2 * 0.44) + ((2 - 0.84)^2 * 0.20) = (0.7056 * 0.36)
+ (0.0676 * 0.44) + (1.0884 * 0.20) = 0.254016 + 0.029744 + 0.21768 = 0.50144
2. Sebuah kotak berisi 8 bola pingpong kuning dan 12 bola pingpong putih. Sebuah bola
pingpong diambil secara acak dari kotak itu. Jika x = 1 menyatakan bola pingpong
terambil berwarna kuning dan x = 0 bola pingpong teambil berwarna putih, tentukan : a.
Distribusi probabilitas dari X ? b. Distribusi probabilitas kumulatif dari X ? c. Rata-rata
(mean) dari X ? d. Variansi dari X ?
Jawaban:
Untuk menyelesaikan masalah ini, kita perlu menghitung frekuensi relatif dari setiap warna
bola pingpong dan menggunakan frekuensi relatif ini untuk menentukan distribusi probabilitas
dan distribusi probabilitas kumulatif dari X. Berikut adalah langkah-langkahnya:
a. Distribusi Probabilitas dari X: Jumlah bola pingpong kuning = 8 Jumlah bola pingpong putih
= 12 Total bola pingpong = 8 + 12 = 20
Probabilitas mengambil bola pingpong kuning: P(X = 1) = jumlah bola kuning / total bola = 8 /
20 = 0.4
Probabilitas mengambil bola pingpong putih: P(X = 0) = jumlah bola putih / total bola = 12 / 20
= 0.6
c. Rata-rata (mean) dari X: Rata-rata (mean) dari X dapat dihitung dengan menggunakan
rumus: mean = Σ(X * P(X))
d. Variansi dari X: Variansi dari X dapat dihitung dengan menggunakan rumus: variance =
Σ((X - mean)^2 * P(X))
variance = ((0 - 0.4)^2 * 0.6) + ((1 - 0.4)^2 * 0.4) = (0.16 * 0.6) + (0.36 * 0.4) = 0.096 + 0.144
= 0.24
3. Berdasarkan data histori, 10% kelahiran anak di kota XYZ adalah lahirnya anak
kembar. Jika terdapat 5 kelahiran di kota XYZ, tentukan : a. Probabilitas terdapat 3
kelahiran anak kembar? b. Probabilitas paling sedikit 1 kelahiran anak kembar? c.
Probabilitas paling banyak 1 kelahiran anak kembar? d. Probabilitas terdapat 3
kelahiran anak bukan kembar?
Jawaban:
Untuk menyelesaikan masalah ini, kita akan menggunakan distribusi binomial karena kita ingin
menghitung probabilitas kelahiran anak kembar dalam sejumlah percobaan (kelahiran).
Pada distribusi binomial, kita menggunakan rumus: P(X = k) = C(n, k) * p^k * (1 - p)^(n - k)
di mana: P(X = k) adalah probabilitas terjadi tepat k kali peristiwa yang diinginkan, C(n, k)
adalah koefisien binomial yang merupakan kombinasi n pilih k (nCr), p adalah probabilitas
keberhasilan dalam setiap percobaan (probabilitas kelahiran anak kembar), n adalah jumlah
percobaan (kelahiran), k adalah jumlah keberhasilan yang diinginkan (jumlah kelahiran anak
kembar).
Jadi, probabilitas terdapat 3 kelahiran anak kembar adalah 0.0081 atau 0.81%.
b. Probabilitas paling sedikit 1 kelahiran anak kembar: Kita dapat menghitung probabilitas ini
dengan menghitung probabilitas kejadian kebalikannya, yaitu tidak ada kelahiran anak kembar
sama sekali.
Paling sedikit 1 kelahiran anak kembar sama dengan 1 - probabilitas tidak ada kelahiran anak
kembar.
Probabilitas tidak ada kelahiran anak kembar: P(X = 0) = C(5, 0) * 0.1^0 * (1 - 0.1)^(5 - 0)
C(5, 0) = 1
Jadi, probabilitas paling sedikit 1 kelahiran anak kembar adalah sekitar 0.40951 atau 40.951%.
c. Probabilitas paling banyak 1 kelahiran anak kembar: Kita perlu menghitung probabilitas
tidak ada kelahiran anak kembar atau hanya 1 kelahiran anak kembar.
C(5, 1) = 5
P(X = 1) = 5
4. Diketahui rata-rata banyaknya lubang pada jalan adalah 3 lubang setiap area jalan
sepanjang 1 km. Jika dilakukan pengukuran sepanjang 2 km, tentukan : a. Probabilitas
tidak terdapat lubang pada jalan? b. Probabilitas paling sedikit terdapat 1 lubang pada
jalan? c. Probabilitas tidak lebih dari 2 lubang pada jalan?
Jawaban:
Dalam masalah ini, kita dapat menggunakan distribusi Poisson untuk menghitung probabilitas
lubang pada jalan. Distribusi Poisson digunakan ketika kita memiliki kejadian langka dalam
interval waktu atau ruang tertentu.
di mana: P(X = k) adalah probabilitas terdapat tepat k kejadian lubang pada jalan, λ adalah rata-
rata jumlah kejadian lubang pada jalan dalam interval tersebut (1 km), k adalah jumlah kejadian
lubang yang diinginkan.
b. Probabilitas paling sedikit terdapat 1 lubang pada jalan: Paling sedikit 1 lubang sama dengan
1 - probabilitas tidak ada lubang pada jalan.
Jadi, probabilitas paling sedikit terdapat 1 lubang pada jalan adalah 1 - e^(-3).
c. Probabilitas tidak lebih dari 2 lubang pada jalan: P(X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2)
Jadi, probabilitas tidak lebih dari 2 lubang pada jalan adalah P(X = 0) + P(X = 1) + P(X = 2).
5. Jika X adalah variabel acak kontinyu dengan fungsi kepekatan probabilitas (pdf) : 2 3 ;
untuk 0 2 ( ) 8 0 ; untuk lainnya x x f x x = Tentukan : a. Tunjukkan bahwa
f(x) adalah suatu fungsi kepekatan probabilitas (pdf)? b. Probabilitas X tidak melebihi 1
yaitu P(X≤1)? c. Probabilitas X diantara 1 dan 2 yaitu P(1<X<2)? d. Rata-rata dari X
Jawaban:
a. Untuk membuktikan bahwa f(x) adalah fungsi kepekatan probabilitas (pdf), kita perlu
memeriksa dua kondisi:
1. f(x) tidak negatif untuk setiap nilai x.
2. Integral f(x) terhadap seluruh rentang nilai x adalah 1.
Karena f(x) tidak negatif untuk setiap nilai x dan integral f(x) dari 0 hingga 2 adalah 1, maka
f(x) adalah fungsi kepekatan probabilitas (pdf).
b. Untuk mencari probabilitas P(X ≤ 1), kita perlu menghitung integral f(x) dari minus tak
hingga hingga 1: P(X ≤ 1) = ∫[minus tak hingga, 1] f(x) dx
Karena f(x) adalah fungsi kepekatan probabilitas, probabilitas ini akan sama dengan integral
f(x) dalam rentang tersebut. Mari kita hitung: P(X ≤ 1) = ∫[0, 1] (2x/3) dx + ∫[1, 2] (8/3) dx
∫[0, 1] (2x/3) dx = [x^2/3] dari 0 hingga 1 = 1/3 ∫[1, 2] (8/3) dx = (8/3) * (x - 1) dari 1 hingga 2
= 8/3
c. Untuk mencari probabilitas P(1 < X < 2), kita perlu menghitung integral f(x) dari 1 hingga 2:
P(1 < X < 2) = ∫[1, 2] (8/3) dx
Probabilitas X di antara 1 dan 2, yaitu P(1 < X < 2), adalah 8/3.
d. Untuk mencari rata-rata dari X (mean), kita perlu menghitung integral xf(x) untuk seluruh
rentang nilai x: Mean (μ) = ∫[minus tak hingga, tak hingga] x * f(x) dx
6. Masa hidup suatu komponen elektronika (dalam satuan jam) berdistribusi eksponensial
dengan fungsi kepekatan probabilitas (pdf) : 100 1 exp ( ) 100 ; untuk 0 0 ; untuk
lainnya x f x x x − = a. Probabilitas masa hidup komponen lebih dari 150 jam
yaitu P(X>150)? b. Probabilitas masa hidup komponen paling lama 150 jam yaitu
P(X≤150)? c. Probailitas masa hidup komponen antara 100 sampai 150 jam yaitu
P(100<X<150)?
Jawaban:
a. Untuk mencari probabilitas P(X > 150), kita perlu menghitung integral f(x) dari 150 hingga
tak hingga: P(X > 150) = ∫[150, tak hingga] f(x) dx
Karena f(x) adalah fungsi kepekatan probabilitas, probabilitas ini akan sama dengan integral
f(x) dalam rentang tersebut. Mari kita hitung: P(X > 150) = ∫[150, tak hingga] (1/100) * e^(-
x/100) dx
Untuk mempermudah perhitungan, kita dapat menggunakan sifat eksponensial yang akan
menghasilkan integral yang dapat diintegrasikan: P(X > 150) = e^(-150/100) = e^(-3/2)
Jadi, probabilitas masa hidup komponen lebih dari 150 jam, yaitu P(X > 150), adalah e^(-3/2).
b. Untuk mencari probabilitas P(X ≤ 150), kita perlu menghitung integral f(x) dari 0 hingga
150: P(X ≤ 150) = ∫[0, 150] f(x) dx
Pada rentang ini, f(x) = (1/100) * e^(-x/100), mari kita hitung: P(X ≤ 150) = ∫[0, 150] (1/100) *
e^(-x/100) dx
Kita dapat mengintegrasikan f(x) untuk mendapatkan: P(X ≤ 150) = -e^(-x/100) dari 0 hingga
150 = -e^(-3/2) + 1
Jadi, probabilitas masa hidup komponen paling lama 150 jam, yaitu P(X ≤ 150), adalah -e^(-
3/2) + 1.
c. Untuk mencari probabilitas P(100 < X < 150), kita perlu menghitung integral f(x) dari 100
hingga 150: P(100 < X < 150) = ∫[100, 150] f(x) dx
Pada rentang ini, f(x) = (1/100) * e^(-x/100), mari kita hitung: P(100 < X < 150) = ∫[100, 150]
(1/100) * e^(-x/100) dx
Kita dapat mengintegrasikan f(x) untuk mendapatkan: P(100 < X < 150) = -e^(-x/100) dari 100
hingga 150 = -e^(-3/2) + e^(-1)
Jadi, probabilitas masa hidup komponen antara 100 sampai 150 jam, yaitu P(100 < X < 150),
adalah -e^(-3/2) + e^(-1).
7. Nilai akhir mata kuliah probabilitas dan statistika mengikuti distribusi normal dengan
rata-rata 62.7 dan simpangan baku 8.2, tentukan : a. Probabilitas nilai mata kuliah
probabilitas dan statistika kurang dari 75? b. Probailitas nilai mata kuliah probabilitas
dan statistika lebih dari 40? c. Jika diambil sampel acak sebanyak 36 mahasiswa,
tentukan probabilitas rata-rata nilai mata kuliah probabilitas dan statististika antara 60
sampai 65?
Jawaban:
Dalam masalah ini, kita akan menggunakan distribusi normal dengan rata-rata (mean) 62.7 dan
simpangan baku (standard deviation) 8.2.
a. Probabilitas nilai mata kuliah probabilitas dan statistika kurang dari 75: P(X < 75) = Φ((75 -
μ) / σ)
Dengan menggunakan tabel z-score atau kalkulator, kita dapat mencari nilai Φ(z) untuk z = 1.5.
Misalkan Φ(1.5) = 0.9332.
Jadi, probabilitas nilai mata kuliah probabilitas dan statistika kurang dari 75 adalah 0.9332 atau
sekitar 93.32%.
b. Probabilitas nilai mata kuliah probabilitas dan statistika lebih dari 40: P(X > 40) = 1 - P(X <
40)
Kita perlu mencari nilai Φ(z) untuk z-score yang sesuai dengan 40 menggunakan tabel z-score
atau kalkulator. Misalkan Φ(z) = 0.0918.
c. Jika diambil sampel acak sebanyak 36 mahasiswa, kita dapat menggunakan Central Limit
Theorem untuk mengasumsikan bahwa rata-rata sampel akan mengikuti distribusi normal
dengan rata-rata yang sama (62.7) tetapi simpangan baku yang lebih kecil (σ' = σ/√n).
Kita perlu menghitung probabilitas bahwa rata-rata nilai mata kuliah probabilitas dan statistika
sampel berada di antara 60 dan 65.
P(60 < X < 65) = Φ((65 - 62.7) / 1.3667) - Φ((60 - 62.7) / 1.3667)
Dengan menggunakan tabel z-score atau kalkulator, kita dapat mencari nilai Φ(z) untuk
masing-masing z-score yang sesuai. Misalkan Φ(1.9631) = 0.9750 dan Φ(-1.9631) = 0.0250.
Jadi, P(60 < X < 65) = 0.9750 - 0.0250 = 0.9500 atau sekitar 95.00%.
Probabilitas bahwa rata-rata nilai mata kuliah probabilitas dan statistika sampel antara 60
sampai 65 adalah sekitar 95.00%.
8. Diketahui bahwa gaji karyawan PT XYZ berdistribusi normal dengan rata-rata 3.5 juta
dan simpangan baku 0.8 juta. Jika sistem penggajian di PT XYZ terbagi kedalam 3
grade dengan ketentuan : grade I merupakan 30% karyawan dengan gaji terendah, grade
II merupakan karyawan selain grade I dan grade III, grade III merupakan 30%
karyawan dengan gaji tertinggi Tentukan : a. Penghasilan maksimum yang diperoleh
karyawan grade I? b. Penghasilan minimum yang diperoleh oleh karyawan grade III? c.
Rentang penghasilan yang diperoleh karyawan grade II?
Jawaban:
Untuk menyelesaikan masalah ini, kita akan menggunakan distribusi normal dengan rata-rata
(mean) 3.5 juta dan simpangan baku (standard deviation) 0.8 juta.
Kita dapat menghitung nilai penghasilan maksimum (X) dengan mengubah z-score menjadi
nilai sebenarnya menggunakan rumus: X = μ + (z * σ)
Jadi, penghasilan maksimum yang diperoleh karyawan grade I adalah 3.0208 juta atau sekitar
3.02 juta.
b. Penghasilan minimum yang diperoleh oleh karyawan grade III: Karyawan grade III juga
merupakan 30% karyawan dengan gaji tertinggi. Dalam distribusi normal, 30% karyawan
tertinggi berada di atas z-score 0.524 (ditemukan menggunakan tabel z-score atau kalkulator).
Kita dapat menghitung nilai penghasilan minimum (X) dengan mengubah z-score menjadi nilai
sebenarnya menggunakan rumus: X = μ + (z * σ)
Jadi, penghasilan minimum yang diperoleh oleh karyawan grade III adalah 3.8592 juta atau
sekitar 3.86 juta.
c. Rentang penghasilan yang diperoleh karyawan grade II: Karyawan grade II adalah karyawan
selain grade I dan grade III. Rentang penghasilan grade II berada antara penghasilan grade I
dan grade III.
Rentang penghasilan yang diperoleh karyawan grade II adalah antara 3.0208 juta (penghasilan
maksimum grade I) dan 3.8592 juta (penghasilan minimum grade III).
Jadi, rentang penghasilan yang diperoleh karyawan grade II adalah antara 3.02 juta dan 3.86
juta.