Distribusi Binomial: Soal & Jawaban Lengkap

Jun 14, 2026 by ADMIN 44 views

Halo guys! Balik lagi nih sama kita, kali ini kita bakal ngebahas topik yang super penting banget buat kalian yang lagi mendalami dunia statistik atau probabilitas. Topik kita hari ini adalah distribusi binomial. Mungkin kedengeran agak teknis ya, tapi tenang aja, kita bakal kupas tuntas sampai ke akar-akarnya, lengkap dengan contoh soal dan jawabannya yang bakal bikin kalian langsung ngeh!

Jadi, apa sih sebenernya distribusi binomial itu? Distribusi binomial adalah salah satu jenis distribusi probabilitas diskrit yang menggambarkan jumlah keberhasilan dalam serangkaian percobaan independen, di mana setiap percobaan hanya memiliki dua kemungkinan hasil: berhasil atau gagal. Kerennya lagi, probabilitas keberhasilan di setiap percobaan itu selalu sama. Konsep ini sering banget ditemui dalam kehidupan sehari-hari, lho. Misalnya, waktu kita lempar koin berkali-kali, ngelakuin survei tentang pilihan produk, atau bahkan ngitung peluang tim favorit kita menang dalam beberapa pertandingan. Nah, dengan memahami distribusi binomial, kita bisa memprediksi kemungkinan terjadinya suatu peristiwa dengan lebih akurat. Makanya, penting banget buat kalian ngerti konsep dasarnya biar nggak bingung pas ketemu soal-soal statistika nanti. Kita bakal mulai dari definisi dasar, rumus-rumus pentingnya, sampai ke contoh soal yang bener-bener aplikatif. Jadi, siapin catatan kalian, guys, dan mari kita mulai petualangan kita di dunia distribusi binomial!

Memahami Konsep Dasar Distribusi Binomial

Oke guys, sebelum kita loncat ke rumus-rumus yang bikin pusing, kita perlu banget nih pahamin dulu apa sih maksudnya distribusi binomial. Jadi gini, bayangin aja kalian lagi main game lempar koin. Setiap lemparan koin itu ibaratnya satu 'percobaan'. Nah, di setiap percobaan ini, cuma ada dua kemungkinan kan? Entah hasilnya 'gambar' (kita anggap ini berhasil) atau 'angka' (kita anggap ini gagal). Kunci dari distribusi binomial itu ada di dua hal penting: percobaan yang independen dan probabilitas keberhasilan yang konstan. Percobaan independen artinya, hasil dari satu lemparan koin nggak akan ngaruh sama sekali ke hasil lemparan koin berikutnya. Mau lemparan pertama dapat gambar, lemparan kedua tetep aja peluang dapat gambar itu 50%, nggak berubah. Nah, probabilitas keberhasilan yang konstan ini juga penting. Artinya, peluang 'gambar' itu selalu sama di setiap lemparan, misalnya selalu 0.5. Kalau kalian lempar koin 5 kali, nah itu udah jadi serangkaian n=5 percobaan. Pertanyaannya, berapa sih peluang kita dapat 'gambar' tepat 3 kali dari 5 lemparan itu? Nah, di sinilah distribusi binomial berperan. Distribusi ini membantu kita ngitung peluang eksak dari jumlah keberhasilan tertentu dalam serangkaian percobaan yang memenuhi syarat-syarat tadi. Penting banget buat diingat, distribusi binomial ini cocok buat situasi di mana hasilnya cuma dua pilihan, nggak ada abu-abu. Misalnya, lulus atau nggak lulus ujian, suka atau nggak suka produk, mobilnya nyala atau nggak nyala pas di starter. Jadi, kalau ada lebih dari dua hasil, kita nggak bisa langsung pakai rumus binomial, ya. Konsep ini sering banget dimanfaatin di berbagai bidang, mulai dari quality control di pabrik, riset pasar, sampai ke analisis medis. Dengan pemahaman yang kuat tentang prinsip-prinsip dasar ini, kita bakal lebih gampang nyerna contoh soal dan rumus-rumusnya nanti. Jadi, pastikan kalian udah ngeh sama konsep 'percobaan independen', 'dua hasil', dan 'probabilitas konstan' ya, guys!

Rumus Inti Distribusi Binomial

Nah, setelah kita paham konsep dasarnya, sekarang saatnya kita bedah rumus distribusi binomial yang jadi jantungnya. Tenang, nggak sesulit yang dibayangkan kok, guys! Rumus utamanya tuh kayak gini:

P(X=k) = C(n, k) * p^k * (1-p)^(n-k)

Jangan panik dulu lihat simbol-simbolnya! Kita bedah satu-satu ya:

P(X=k): Ini tuh artinya probabilitas kita mendapatkan tepat k kali keberhasilan dalam n percobaan. Jadi, 'X' itu variabel acak yang nunjukkin jumlah keberhasilan, dan 'k' itu angka keberhasilan yang kita pengenin.
C(n, k) atau sering juga ditulis sebagai $inom{n}{k}$ : Ini adalah koefisien binomial, yang ngitungin berapa banyak cara kita bisa milih 'k' keberhasilan dari total 'n' percobaan. Ngitungnya pake rumus faktorial: $C(n, k) = rac{n!}{k!(n-k)!}$ . Ingat kan soal faktorial? Angka '!' itu artinya perkalian berurutan sampai 1. Misalnya, 5! = 5 * 4 * 3 * 2 * 1 = 120.
p: Ini adalah probabilitas keberhasilan dalam satu kali percobaan. Nilainya selalu antara 0 sampai 1.
k: Ini adalah jumlah keberhasilan yang kita inginkan. Nilainya harus bilangan bulat positif, dari 0 sampai n.
(1-p): Ini adalah probabilitas kegagalan dalam satu kali percobaan. Karena cuma ada dua hasil, ya udah pasti probabilitas gagal itu 1 dikurangi probabilitas berhasil.
n: Ini adalah jumlah total percobaan yang dilakukan. Nilainya juga bilangan bulat positif.
p^k: Artinya probabilitas berhasil dipangkatkan jumlah keberhasilan yang kita mau.
(1-p)^(n-k): Artinya probabilitas gagal dipangkatkan jumlah kegagalan (yaitu total percobaan dikurangi jumlah keberhasilan).

Jadi, intinya, rumus ini ngomong gini: Peluang dapat 'k' keberhasilan dari 'n' percobaan sama dengan (jumlah cara kita bisa dapetin 'k' keberhasilan) dikali (peluang 'k' keberhasilan terjadi) dikali (peluang 'n-k' kegagalan terjadi). Keren kan? Dengan rumus ini, kita bisa ngitung probabilitas spesifik banget. Misalnya, peluang lulus tepat 8 dari 10 soal ujian, atau peluang mobil rusak tepat 2 dari 5 mobil yang dicek. Jadi, siapin kalkulator kalian, guys, karena sebentar lagi kita bakal langsung praktek pake rumus ini di contoh soal!

Contoh Soal Distribusi Binomial 1: Lempar Koin

Oke guys, biar makin kebayang, kita langsung aja yuk ke contoh soal yang paling sering ditemui: lempar koin! Ini sering banget jadi contoh klasik karena gampang dipahami dan cocok banget sama konsep distribusi binomial.

Soal 1: Sebuah koin seimbang dilempar sebanyak 5 kali. Berapa peluang munculnya sisi gambar tepat 3 kali?

Pembahasan:

Pertama-tama, kita identifikasi dulu nih elemen-elemen yang ada di soal ini:

n (jumlah percobaan): Koin dilempar sebanyak 5 kali, jadi n = 5.
k (jumlah keberhasilan yang diinginkan): Kita ingin munculnya sisi gambar tepat 3 kali, jadi k = 3.
p (probabilitas keberhasilan dalam satu percobaan): Koin seimbang artinya peluang muncul sisi gambar adalah 0.5, jadi p = 0.5.
(1-p) (probabilitas kegagalan dalam satu percobaan): Probabilitas muncul sisi angka adalah 1 - 0.5 = 0.5, jadi 1-p = 0.5.

Sekarang, kita masukkin angka-angka ini ke dalam rumus distribusi binomial:

P(X=k) = C(n, k) * p^k * (1-p)^(n-k)

P(X=3) = C(5, 3) * (0.5)^3 * (0.5)^(5-3)

Langkah pertama, kita hitung C(5, 3):

C(5, 3) = 5! / (3! * (5-3)!) C(5, 3) = 5! / (3! * 2!) C(5, 3) = (5 * 4 * 3 * 2 * 1) / ((3 * 2 * 1) * (2 * 1)) C(5, 3) = 120 / (6 * 2) C(5, 3) = 120 / 12 C(5, 3) = 10

Ini artinya, ada 10 cara berbeda untuk mendapatkan sisi gambar tepat 3 kali dari 5 lemparan koin. Keren kan?

Selanjutnya, kita hitung bagian probabilitasnya:

(0.5)^3 = 0.5 * 0.5 * 0.5 = 0.125 (0.5)^(5-3) = (0.5)^2 = 0.5 * 0.5 = 0.25

Nah, sekarang kita gabungin semuanya:

P(X=3) = 10 * 0.125 * 0.25 P(X=3) = 1.25 * 0.25 P(X=3) = 0.3125

Jawaban: Jadi, peluang munculnya sisi gambar tepat 3 kali dari 5 kali pelemparan koin seimbang adalah 0.3125 atau 31.25%.

Gimana, guys? Nggak sesulit yang dibayangkan kan? Kuncinya adalah teliti mengidentifikasi nilai n, k, p, dan kemudian menghitung koefisien binomial serta bagian probabilitasnya. Kita lanjut ke contoh soal berikutnya ya!

Contoh Soal Distribusi Binomial 2: Ujian dan Kelulusan

Oke guys, kita lanjut lagi nih ke contoh soal yang lebih 'nyata' ke kehidupan kita sehari-hari, yaitu tentang kelulusan ujian. Konsep ini sering muncul di tes-tes statistika, jadi penting banget buat kalian kuasai.

Soal 2: Diketahui bahwa probabilitas seorang mahasiswa lulus ujian statistika adalah 0.7. Jika ada 10 mahasiswa yang mengambil ujian tersebut, berapa peluang bahwa:

a) Tepat 8 mahasiswa lulus? b) Paling tidak 7 mahasiswa lulus?

Pembahasan:

Mari kita identifikasi dulu elemen-elemen dari soal ini:

n (jumlah percobaan): Ada 10 mahasiswa yang ikut ujian, jadi n = 10.
p (probabilitas keberhasilan): Probabilitas seorang mahasiswa lulus adalah 0.7, jadi p = 0.7.
(1-p) (probabilitas kegagalan): Probabilitas seorang mahasiswa tidak lulus adalah 1 - 0.7 = 0.3, jadi 1-p = 0.3.

Sekarang kita jawab satu per satu:

a) Peluang tepat 8 mahasiswa lulus (k = 8)

Kita pakai rumus distribusi binomial:

P(X=k) = C(n, k) * p^k * (1-p)^(n-k) P(X=8) = C(10, 8) * (0.7)^8 * (0.3)^(10-8) P(X=8) = C(10, 8) * (0.7)^8 * (0.3)^2

Hitung C(10, 8):

C(10, 8) = 10! / (8! * (10-8)!) C(10, 8) = 10! / (8! * 2!) C(10, 8) = (10 * 9 * 8!) / (8! * 2 * 1) C(10, 8) = (10 * 9) / 2 C(10, 8) = 90 / 2 C(10, 8) = 45

Hitung bagian probabilitasnya:

(0.7)^8 ≈ 0.05764801 (0.3)^2 = 0.09

Gabungkan semua:

P(X=8) = 45 * 0.05764801 * 0.09 P(X=8) ≈ 45 * 0.0051883209 P(X=8) ≈ 0.2334744405

Jadi, peluang tepat 8 mahasiswa lulus adalah sekitar 0.2335 atau 23.35%.

b) Peluang paling tidak 7 mahasiswa lulus

Istilah "paling tidak 7" artinya bisa 7, 8, 9, atau 10 mahasiswa yang lulus. Jadi, kita perlu menghitung probabilitas untuk setiap kasus dan menjumlahkannya.

Kasus k = 7: P(X=7) = C(10, 7) * (0.7)^7 * (0.3)^(10-7) P(X=7) = C(10, 7) * (0.7)^7 * (0.3)^3 C(10, 7) = 10! / (7! * 3!) = (10 * 9 * 8) / (3 * 2 * 1) = 120 (0.7)^7 ≈ 0.0823543 (0.3)^3 = 0.027 P(X=7) ≈ 120 * 0.0823543 * 0.027 ≈ 0.266827932
Kasus k = 8 (sudah dihitung di atas): P(X=8) ≈ 0.2334744405
Kasus k = 9: P(X=9) = C(10, 9) * (0.7)^9 * (0.3)^(10-9) P(X=9) = C(10, 9) * (0.7)^9 * (0.3)^1 C(10, 9) = 10! / (9! * 1!) = 10 (0.7)^9 ≈ 0.040353607 (0.3)^1 = 0.3 P(X=9) ≈ 10 * 0.040353607 * 0.3 ≈ 0.121060821
Kasus k = 10: P(X=10) = C(10, 10) * (0.7)^10 * (0.3)^(10-10) P(X=10) = C(10, 10) * (0.7)^10 * (0.3)^0 C(10, 10) = 1 (0.7)^10 ≈ 0.0282475249 (0.3)^0 = 1 P(X=10) ≈ 1 * 0.0282475249 * 1 ≈ 0.0282475249

Jumlahkan semua probabilitas tersebut:

P(X ≥ 7) = P(X=7) + P(X=8) + P(X=9) + P(X=10) P(X ≥ 7) ≈ 0.266827932 + 0.2334744405 + 0.121060821 + 0.0282475249 P(X ≥ 7) ≈ 0.6496107184

Jawaban: Peluang paling tidak 7 mahasiswa lulus adalah sekitar 0.6496 atau 64.96%.

Gimana, guys? Lumayan panjang ya perhitungannya kalau pakai kata 'paling tidak' atau 'paling banyak'. Tapi dengan pemahaman rumus yang benar, semua jadi mungkin! Ingat, kalau ada kata 'paling tidak' atau 'minimal', artinya kita harus menjumlahkan beberapa kemungkinan. Kalau ada kata 'paling banyak' atau 'maksimal', juga sama, tapi kita menjumlahkan dari 0 sampai batas yang ditentukan.

Contoh Soal Distribusi Binomial 3: Kualitas Produk

Contoh ketiga ini bakal berkaitan sama dunia industri, guys. Penting banget buat quality control (QC) di pabrik-pabrik.

Soal 3: Sebuah mesin memproduksi baut. Diketahui bahwa rata-rata 2% dari baut yang diproduksi cacat. Jika diambil 50 baut secara acak, berapa peluang bahwa ditemukan tepat 1 baut yang cacat?

Pembahasan:

Ini adalah contoh distribusi binomial karena:

Setiap baut yang diambil adalah percobaan independen. Cacatnya satu baut nggak ngaruh ke baut lainnya.
Hanya ada dua hasil untuk setiap baut: cacat (berhasil dalam konteks ini) atau tidak cacat (gagal).
Probabilitas baut cacat adalah konstan (2%).

Identifikasi elemennya:

n (jumlah percobaan): Diambil 50 baut, jadi n = 50.
k (jumlah keberhasilan yang diinginkan): Ditemukan tepat 1 baut cacat, jadi k = 1.
p (probabilitas keberhasilan): Probabilitas baut cacat adalah 2%, jadi p = 0.02.
(1-p) (probabilitas kegagalan): Probabilitas baut tidak cacat adalah 1 - 0.02 = 0.98, jadi 1-p = 0.98.

Masukkan ke rumus distribusi binomial:

P(X=k) = C(n, k) * p^k * (1-p)^(n-k) P(X=1) = C(50, 1) * (0.02)^1 * (0.98)^(50-1) P(X=1) = C(50, 1) * (0.02)^1 * (0.98)^49

Hitung C(50, 1):

C(50, 1) = 50! / (1! * (50-1)!) C(50, 1) = 50! / (1! * 49!) C(50, 1) = (50 * 49!) / (1 * 49!) C(50, 1) = 50

Ini logis, kan? Ada 50 cara untuk memilih 1 baut dari 50 baut.

Hitung bagian probabilitasnya:

(0.02)^1 = 0.02 (0.98)^49 -- Nah, ini butuh kalkulator canggih atau software statistik. Hasilnya kira-kira 0.371556.

Gabungkan semua:

P(X=1) = 50 * 0.02 * 0.371556 P(X=1) = 1 * 0.371556 P(X=1) ≈ 0.3716

Jawaban: Jadi, peluang ditemukan tepat 1 baut cacat dari 50 baut yang diambil adalah sekitar 0.3716 atau 37.16%.

Perhatikan, guys, untuk nilai 'n' yang besar (seperti 50 di soal ini), perhitungan manualnya bisa jadi sangat rumit, terutama untuk pangkatnya. Di sinilah software statistik atau kalkulator ilmiah yang punya fungsi statistik sangat membantu. Tapi, prinsip perhitungannya tetap sama ya!

Kapan Distribusi Binomial TIDAK Cocok?

Nah, penting juga nih buat kita tahu kapan distribusi binomial itu nggak bisa dipakai. Biar nggak salah kaprah dan hasilnya jadi ngaco. Ada beberapa kondisi yang bikin kita harus nyari metode lain:

Lebih dari Dua Hasil: Kalau dalam satu percobaan ada lebih dari dua kemungkinan hasil, distribusi binomial nggak berlaku. Contohnya, hasil lemparan dadu kan ada 6 kemungkinan (1, 2, 3, 4, 5, 6). Nah, ini butuh distribusi lain kayak distribusi multinomial.
Percobaan Tidak Independen: Kalau hasil satu percobaan ngaruh ke percobaan lainnya, kita nggak bisa pakai binomial. Contohnya, kalau kita ambil kartu dari setumpuk kartu tanpa dikembalikan. Peluang kartu berikutnya berubah tergantung kartu yang udah diambil sebelumnya. Ini namanya dependen.
Probabilitas Berubah-ubah: Kalau probabilitas keberhasilan nggak sama di setiap percobaan, ya nggak bisa pakai binomial. Contohnya, kalau kita nyoba nembak target, makin lama kita makin jago (probabilitas kena makin tinggi), atau malah makin capek (probabilitas kena makin rendah). Probabilitasnya jadi nggak konstan.
Jumlah Percobaan Tidak Tetap: Distribusi binomial mensyaratkan jumlah percobaan 'n' itu fix atau tetap dari awal. Kalau jumlah percobaannya bisa berubah-ubah, ya nggak cocok.

Jadi, sebelum kalian buru-buru pakai rumus distribusi binomial, pastikan dulu kondisi soalnya bener-bener memenuhi keempat syarat di atas ya, guys. Kalau salah satu aja nggak terpenuhi, siap-siap cari distribusi probabilitas lain yang lebih cocok.

Kesimpulan dan Tips Tambahan

Oke guys, kita udah sampai di akhir pembahasan kita tentang distribusi binomial. Kita udah belajar apa itu distribusi binomial, rumus dasarnya, sampai ke beberapa contoh soal yang aplikatif banget. Intinya, distribusi binomial itu powerful banget buat ngitung peluang keberhasilan dalam serangkaian percobaan yang independen, punya dua hasil, dan probabilitasnya konstan. Mulai dari lempar koin, kelulusan ujian, sampai kualitas produk, semuanya bisa dianalisis pake konsep ini.

Beberapa tips tambahan buat kalian:

Pahami Konsepnya Dulu: Jangan langsung hafal rumus. Ngertiin dulu kenapa rumusnya kayak gitu dan kapan dia dipakai.
Identifikasi Variabelnya: Setiap ketemu soal, langsung tarik napas, terus identifikasi mana 'n', 'k', 'p', dan '(1-p)'. Ini krusial banget!
Hati-hati dengan Kata Kunci: Perhatiin kata-kata kayak 'tepat', 'paling tidak', 'paling banyak', 'antara'. Ini bakal ngaruh ke cara kalian ngitung (apakah cuma satu nilai 'k' atau perlu penjumlahan beberapa nilai 'k').
Gunakan Kalkulator/Software: Untuk nilai 'n' yang besar atau perhitungan pangkat yang rumit, jangan ragu pakai alat bantu. Tapi tetap harus ngerti langkah-langkahnya ya.
Latihan, Latihan, Latihan!: Makin sering kalian ngerjain soal, makin lancar dan pede kalian bakal ngehadepin soal distribusi binomial.

Semoga pembahasan ini bener-bener ngebantu kalian ya, guys. Kalau ada pertanyaan atau mau nambahin contoh soal, jangan ragu tulis di kolom komentar. Sampai jumpa di topik statistik berikutnya!