Contoh Soal Variabel Acak Kontinu: Panduan Lengkap

Apr 3, 2026 by ADMIN 51 views

Hey guys! Kalian pernah dengar tentang variabel acak kontinu? Mungkin kedengarannya agak teknis, tapi sebenarnya ini konsep yang seru banget dalam dunia probabilitas dan statistika. Nah, di artikel ini, kita bakal kupas tuntas contoh soal variabel acak kontinu biar kalian makin jago dan nggak takut lagi sama yang namanya materi ini. Siap? Yuk, kita mulai petualangan kita ke dunia variabel acak kontinu!

Memahami Konsep Dasar Variabel Acak Kontinu

Sebelum kita terjun ke contoh soal, penting banget nih buat kita pahami dulu apa sih sebenarnya variabel acak kontinu itu. Jadi gini, guys, bayangin aja variabel acak itu kayak sebuah 'wadah' yang bisa ngasih nilai-nilai yang bervariasi. Nah, kalau variabel acak kontinu, nilainya itu bisa ngambil semua kemungkinan nilai dalam suatu rentang tertentu. Beda banget kan sama variabel acak diskrit yang nilainya cuma bisa dihitung satu-satu, kayak jumlah mata dadu. Contoh paling gampangnya itu kayak tinggi badan seseorang, berat badan, atau waktu tempuh ke sekolah. Nilai-nilai ini kan nggak cuma bisa 170 cm atau 171 cm, tapi bisa juga 170.5 cm, 170.55 cm, dan seterusnya, sampai tak terhingga di antara dua nilai. Keren kan? Makanya, buat ngitung probabilitasnya, kita nggak bisa cuma ngitung satu nilai aja, tapi biasanya ngitung probabilitas dalam sebuah interval atau rentang. Ini yang bikin beda banget sama variabel diskrit.

Untuk ngedeskripsiin variabel acak kontinu, kita biasanya pakai yang namanya fungsi kepadatan peluang atau sering disingkat PDF (Probability Density Function). PDF ini kayak 'peta' yang nunjukkin seberapa 'padat' atau seberapa mungkin nilai tertentu muncul. Nah, bedanya sama fungsi peluang diskrit, nilai PDF di satu titik nggak nunjukkin probabilitas langsung. Jadi, kalau kalian nemu soal yang nanyain probabilitas di satu titik doang (misalnya P(X=2.5)), jawabannya itu biasanya nol. Aneh ya? Tapi itulah cirinya variabel acak kontinu. Probabilitas yang bermakna itu cuma ada di interval. Jadi, kalau mau cari probabilitas, kita harus ngintegralin PDF-nya di rentang yang kita mau. Ingat ya, integral itu kayak kebalikan dari turunan, dan dalam konteks ini, integral PDF dari suatu rentang itu ngasih kita nilai probabilitas di rentang tersebut. Jadi, ∫ P(x) dx dari a sampai b itu sama dengan P(a ≤ X ≤ b). Ini konsep kunci yang harus kalian pegang erat-erat.

Ada juga yang namanya Fungsi Distribusi Kumulatif (CDF - Cumulative Distribution Function). CDF ini kebalikannya PDF, dia ngasih tahu probabilitas kumulatif sampai nilai tertentu. Jadi, F(x) = P(X ≤ x). Ini lebih gampang buat dicari probabilitasnya, karena F(b) - F(a) itu sama dengan P(a < X ≤ b). Jadi, mau pakai PDF atau CDF, dua-duanya bisa dipakai kok, tergantung enaknya gimana. Yang penting paham konsep dasarnya dulu, guys. Pahami karakteristiknya yang bisa ngambil nilai tak terhingga dalam suatu rentang, dan cara ngitung probabilitasnya yang pakai integral atau selisih CDF. Kalau udah paham ini, contoh soal apapun pasti beres!

Contoh Soal 1: Menghitung Probabilitas dengan PDF

Oke guys, sekarang kita masuk ke contoh soal pertama yang bakal nguji pemahaman kalian tentang menghitung probabilitas dengan PDF variabel acak kontinu. Siapin catatan kalian ya! Misalkan kita punya variabel acak kontinu X dengan fungsi kepadatan peluang (PDF) sebagai berikut:

f(x) = 2x untuk 0 ≤ x ≤ 1, dan f(x) = 0 untuk nilai x lainnya.

Nah, pertanyaan pertama nih, berapakah probabilitas bahwa nilai X berada di antara 0.5 dan 0.8? Atau ditulis sebagai P(0.5 ≤ X ≤ 0.8)?

Ingat ya guys, seperti yang udah kita bahas di awal, untuk variabel acak kontinu, probabilitas di sebuah interval itu dihitung dengan cara mengintegralkan fungsi kepadatan peluangnya (PDF) di rentang interval tersebut. Jadi, kita perlu menghitung integral dari f(x) = 2x dari batas bawah 0.5 sampai batas atas 0.8.

Rumusnya gini:

P(0.5 ≤ X ≤ 0.8) = ∫[dari 0.5 sampai 0.8] f(x) dx

Karena f(x) = 2x di rentang tersebut, maka:

P(0.5 ≤ X ≤ 0.8) = ∫[dari 0.5 sampai 0.8] 2x dx

Sekarang kita cari hasil integralnya. Integral dari 2x adalah x².

∫ 2x dx = x² + C (C itu konstanta integrasi, tapi dalam perhitungan probabilitas definite integral, C ini bakal hilang)

Nah, sekarang kita masukkan batas atas dan batas bawahnya:

P(0.5 ≤ X ≤ 0.8) = [x²] [dari 0.5 sampai 0.8]

Ini artinya kita hitung (0.8)² - (0.5)².

P(0.5 ≤ X ≤ 0.8) = (0.8 * 0.8) - (0.5 * 0.5)

P(0.5 ≤ X ≤ 0.8) = 0.64 - 0.25

P(0.5 ≤ X ≤ 0.8) = 0.39

Jadi, probabilitas bahwa nilai X berada di antara 0.5 dan 0.8 adalah 0.39 atau 39%. Gimana, gampang kan? Yang penting ingat konsep integralnya, guys!

Selanjutnya, ada lagi nih pertanyaan yang sering muncul. Berapakah probabilitas bahwa nilai X kurang dari atau sama dengan 0.6? Yaitu, P(X ≤ 0.6)?

Karena rentang PDF yang tidak nol dimulai dari 0, maka kita perlu mengintegralkan dari 0 sampai 0.6:

P(X ≤ 0.6) = ∫[dari 0 sampai 0.6] 2x dx

P(X ≤ 0.6) = [x²] [dari 0 sampai 0.6]

P(X ≤ 0.6) = (0.6)² - (0)²

P(X ≤ 0.6) = 0.36 - 0

P(X ≤ 0.6) = 0.36

Jadi, probabilitas P(X ≤ 0.6) adalah 0.36.

Terus, gimana kalau ditanya probabilitas P(X > 0.7)?

Nah, ini bisa kita hitung dengan dua cara. Cara pertama, kita integralkan dari 0.7 sampai batas atas PDF yang tidak nol, yaitu 1:

P(X > 0.7) = ∫[dari 0.7 sampai 1] 2x dx

P(X > 0.7) = [x²] [dari 0.7 sampai 1]

P(X > 0.7) = (1)² - (0.7)²

P(X > 0.7) = 1 - 0.49

P(X > 0.7) = 0.51

Cara kedua, kita gunakan sifat bahwa total probabilitas itu selalu 1. Jadi, P(X > 0.7) = 1 - P(X ≤ 0.7).

Kita hitung dulu P(X ≤ 0.7):

P(X ≤ 0.7) = ∫[dari 0 sampai 0.7] 2x dx

P(X ≤ 0.7) = [x²] [dari 0 sampai 0.7]

P(X ≤ 0.7) = (0.7)² - (0)²

P(X ≤ 0.7) = 0.49 - 0

P(X ≤ 0.7) = 0.49

Nah, sekarang kita hitung P(X > 0.7):

P(X > 0.7) = 1 - P(X ≤ 0.7) = 1 - 0.49 = 0.51

Hasilnya sama kan, guys? Mantap! Dengan contoh soal ini, kalian udah bisa nih ngitung berbagai macam probabilitas pakai PDF. Ingat-ingat lagi langkah-langkahnya ya!

Contoh Soal 2: Menggunakan Fungsi Distribusi Kumulatif (CDF)

Nah, sekarang kita bakal coba contoh soal lain yang menggunakan Fungsi Distribusi Kumulatif (CDF), guys. Kadang-kadang, soal itu lebih gampang dikerjain kalau kita punya CDF-nya. CDF itu kan ngasih tahu F(x) = P(X ≤ x). Yuk, kita pakai contoh soal yang sama kayak tadi, tapi kali ini kita cari CDF-nya dulu.

Kita punya variabel acak kontinu X dengan PDF:

f(x) = 2x untuk 0 ≤ x ≤ 1, dan f(x) = 0 untuk nilai x lainnya.

Langkah pertama adalah mencari CDF-nya, F(x). Ingat, F(x) = P(X ≤ x) = ∫[dari -∞ sampai x] f(t) dt.

Karena PDF kita hanya bernilai di rentang 0 ≤ x ≤ 1, maka kita perlu membagi kasus:

Untuk x < 0: F(x) = ∫[dari -∞ sampai x] 0 dt = 0
Untuk 0 ≤ x ≤ 1: F(x) = ∫[dari -∞ sampai 0] 0 dt + ∫[dari 0 sampai x] 2t dt F(x) = 0 + [t²] [dari 0 sampai x] F(x) = x² - 0² F(x) = x²
Untuk x > 1: F(x) = ∫[dari -∞ sampai 0] 0 dt + ∫[dari 0 sampai 1] 2t dt + ∫[dari 1 sampai x] 0 dt F(x) = 0 + [t²] [dari 0 sampai 1] + 0 F(x) = (1² - 0²) = 1

Jadi, CDF untuk variabel acak X ini adalah:

F(x) = 0 untuk x < 0 F(x) = x² untuk 0 ≤ x ≤ 1 F(x) = 1 untuk x > 1

Nah, sekarang kita coba jawab pertanyaan yang sama kayak tadi pakai CDF ini. Misalkan, berapakah P(0.5 ≤ X ≤ 0.8)?

Dengan CDF, probabilitas di sebuah interval [a, b] itu dihitung dengan P(a ≤ X ≤ b) = F(b) - F(a). Jadi:

P(0.5 ≤ X ≤ 0.8) = F(0.8) - F(0.5)

Karena 0.8 dan 0.5 berada di rentang 0 ≤ x ≤ 1, kita pakai rumus F(x) = x².

P(0.5 ≤ X ≤ 0.8) = (0.8)² - (0.5)²

P(0.5 ≤ X ≤ 0.8) = 0.64 - 0.25

P(0.5 ≤ X ≤ 0.8) = 0.39

Sama persis kan hasilnya sama yang pakai PDF? Keren!

Terus, gimana kalau ditanya P(X ≤ 0.6)?

Wah, ini gampang banget pakai CDF! Tinggal substitusi aja x = 0.6 ke rumus CDF yang berlaku:

P(X ≤ 0.6) = F(0.6)

Karena 0.6 ada di rentang 0 ≤ x ≤ 1, kita pakai F(x) = x².

P(X ≤ 0.6) = (0.6)² = 0.36

Gampang banget kan, guys? Inilah enaknya punya CDF.

Terakhir, gimana kalau ditanya P(X > 0.7)?

Kita bisa pakai sifat P(X > 0.7) = 1 - P(X ≤ 0.7).

P(X ≤ 0.7) = F(0.7) = (0.7)² = 0.49 (karena 0.7 ada di rentang 0 ≤ x ≤ 1)

Jadi,

P(X > 0.7) = 1 - 0.49 = 0.51

Atau, kita juga bisa langsung cari P(X > 0.7) pakai CDF, tapi ini agak tricky. Ingat, P(X > 0.7) itu sama dengan P(0.7 < X ≤ 1) (karena rentang nilai X adalah sampai 1). Maka:

P(0.7 < X ≤ 1) = F(1) - F(0.7)

F(1) = 1² = 1 (karena 1 ada di rentang 0 ≤ x ≤ 1, tapi juga bisa dianggap sebagai batas atas di rentang x > 1)

F(0.7) = (0.7)² = 0.49

P(0.7 < X ≤ 1) = 1 - 0.49 = 0.51

Sekali lagi, hasilnya sama. Jadi, mau pakai PDF atau CDF, intinya sama aja, guys. Pilih mana yang menurut kalian lebih nyaman buat ngerjain soalnya.

Contoh Soal 3: Menemukan Nilai Parameter yang Hilang

Nah, ini dia nih yang kadang bikin pusing tapi seru, guys! Di contoh soal ini, kita bakal nemuin nilai parameter yang hilang dari sebuah fungsi yang diketahui sebagai PDF variabel acak kontinu. Jadi, kita dikasih bentuk umum PDF-nya, tapi ada satu atau lebih nilai konstanta yang belum diketahui, dan tugas kita adalah mencari nilai konstanta tersebut.

Misalkan kita punya variabel acak kontinu Y dengan PDF:

g(y) = ky untuk 0 ≤ y ≤ 2, dan g(y) = 0 untuk nilai y lainnya.

Kita tahu bahwa g(y) ini adalah sebuah PDF yang valid. Pertanyaannya: Berapakah nilai k?

Ingat sifat fundamental dari sebuah PDF variabel acak kontinu, yaitu total probabilitasnya harus sama dengan 1. Artinya, jika kita mengintegralkan PDF tersebut di seluruh domainnya (di mana PDF-nya bernilai tidak nol), hasilnya harus 1.

Jadi, kita bisa tulis:

∫[dari -∞ sampai ∞] g(y) dy = 1

Karena g(y) hanya bernilai ky di rentang 0 ≤ y ≤ 2 dan 0 di luar itu, maka integralnya menjadi:

∫[dari 0 sampai 2] ky dy = 1

Sekarang kita hitung integralnya. Kita keluarkan konstanta k:

k * ∫[dari 0 sampai 2] y dy = 1

Integral dari y adalah (1/2)y².

k * [(1/2)y²] [dari 0 sampai 2] = 1

Masukkan batas atas dan bawahnya:

k * [(1/2)(2)² - (1/2)(0)²] = 1

k * [(1/2)(4) - 0] = 1

k * [2] = 1

2k = 1

k = 1/2

Jadi, nilai parameter k yang membuat g(y) menjadi PDF yang valid adalah 1/2. Keren kan? Kita berhasil nemuin nilai yang hilang cuma dengan modal satu sifat penting PDF!

Sekarang, kalau udah dapet nilai k, kita bisa pakai PDF ini buat ngitung probabilitas. Misalnya, berapakah P(0 ≤ Y ≤ 1)?

Kita sudah tahu k = 1/2, jadi PDF-nya adalah g(y) = (1/2)y untuk 0 ≤ y ≤ 2.

P(0 ≤ Y ≤ 1) = ∫[dari 0 sampai 1] (1/2)y dy

P(0 ≤ Y ≤ 1) = (1/2) * ∫[dari 0 sampai 1] y dy

P(0 ≤ Y ≤ 1) = (1/2) * [(1/2)y²] [dari 0 sampai 1]

P(0 ≤ Y ≤ 1) = (1/2) * [(1/2)(1)² - (1/2)(0)²]

P(0 ≤ Y ≤ 1) = (1/2) * [1/2 - 0]

P(0 ≤ Y ≤ 1) = (1/2) * (1/2)

P(0 ≤ Y ≤ 1) = 1/4 atau 0.25.

Contoh soal kayak gini sering banget muncul di ujian atau kuis, jadi pastikan kalian ngerti banget ya cara nentuin nilai parameter dengan menggunakan sifat total probabilitas = 1.

Kapan Pakai Variabel Acak Kontinu?

Kalian pasti bertanya-tanya, kapan sih sebenarnya kita perlu pakai konsep variabel acak kontinu ini? Nah, intinya, kita pakai konsep ini setiap kali kita berhadapan dengan pengukuran yang bisa menghasilkan nilai dalam suatu rentang yang kontinu. Beda banget sama menghitung jumlah orang, jumlah barang, atau hasil lemparan dadu, yang nilainya pasti bulat dan terpisah (diskrit).

Contoh-contoh di kehidupan nyata yang bisa dimodelkan dengan variabel acak kontinu itu banyak banget, guys:

Pengukuran Fisik: Tinggi badan, berat badan, panjang, lebar, suhu, tekanan. Bayangin aja, tinggi badan itu kan nggak cuma 160 cm atau 170 cm, tapi bisa aja 165.3 cm, 165.37 cm, dan seterusnya. Semakin presisi alat ukurnya, semakin banyak kemungkinan nilai di antara dua nilai.
Waktu: Waktu yang dibutuhkan untuk menyelesaikan suatu tugas, waktu tunggu bus, umur suatu alat elektronik. Waktu itu kan bisa detik, milidetik, nanodetik, dan seterusnya. Nggak ada jeda antar nilai waktu.
Jarak: Jarak tempuh, jarak antar kota, jarak pandang.
Keuangan: Nilai tukar mata uang (walaupun sering dibulatkan, tapi secara teori nilainya bisa kontinu), harga saham (meskipun dalam praktik ada batasan lot).
Ilmu Alam: Laju aliran air, konsentrasi zat kimia, kecepatan partikel.
Teknik: Arus listrik, tegangan, resistansi.

Jadi, kapan pun kalian nemuin fenomena yang hasilnya itu berupa ukuran atau kuantitas yang bisa mengambil nilai berapapun dalam suatu rentang, nah, di situlah kemungkinan besar kita perlu pakai model variabel acak kontinu. Pembeda utamanya adalah ada tidaknya 'jarak' atau 'loncatan' antar nilai yang mungkin. Kalau nggak ada loncatan, alias bisa mengambil semua nilai di antara dua titik, ya itu kontinu.

Memahami kapan menggunakan variabel acak kontinu itu penting agar kita bisa memilih alat analisis statistik yang tepat. Kalau kita salah memilih model (misalnya pakai model kontinu buat data diskrit, atau sebaliknya), hasil analisis kita bisa jadi nggak akurat. Makanya, sering-seringlah latihan soal dan perhatikan konteks dari setiap masalah yang diberikan. Semakin banyak kalian berlatih dan melihat berbagai macam kasus, semakin terasah intuisi kalian dalam menentukan model yang pas. Jadi, jangan pernah berhenti belajar dan eksplorasi ya, guys!

Kesimpulan

Gimana guys, udah mulai tercerahkan kan soal contoh soal variabel acak kontinu? Kita udah bahas konsep dasarnya, cara ngitung probabilitas pakai PDF dan CDF, sampai gimana nyari parameter yang hilang. Intinya, variabel acak kontinu itu tentang nilai-nilai yang bisa mengambil semua kemungkinan dalam suatu rentang, dan cara ngitung probabilitasnya itu pakai integral (kalau pakai PDF) atau selisih CDF.

Ingat-ingat poin pentingnya:

Probabilitas di satu titik untuk variabel acak kontinu itu nol.
Probabilitas dihitung untuk sebuah interval.
Gunakan integral PDF atau selisih CDF untuk menghitung probabilitas.
Total probabilitas dari sebuah PDF harus sama dengan 1.

Dengan memahami dan sering berlatih soal-soal seperti yang sudah kita bahas, dijamin deh kalian bakal makin pede ngadepin materi ini. Jangan lupa juga buat terus eksplorasi contoh-contoh lain di buku atau sumber online. Semakin banyak latihan, semakin mantap pemahaman kalian!

Semoga artikel ini bermanfaat ya guys! Kalau ada pertanyaan atau mau diskusi, jangan ragu buat komentar di bawah. Sampai jumpa di artikel selanjutnya! Tetap semangat belajar!