Module 15 – Continuous Random Variables
Probabilitas Kontinu & Distribusi Normal dalam Bisnis
| Kode Mata Kuliah | : MNJ104 |
| Topik Utama | : Fungsi Kepadatan Peluang (PDF), Distribusi Normal, Z-Score, Aproksimasi Normal. |
| Referensi | : Haeussler, Chapter 16 |
Mitos Bisnis: “Data selalu berupa angka bulat (diskrit).”
Fakta: Dalam operasional nyata, variabel terpenting justru bersifat kontinu: Waktu tunggu antrian bank, umur pakai mesin pabrik, atau volume bensin dalam tangki. Anda tidak bisa menghitung peluangnya dengan mencacah jari. Anda butuh Integral.
Di modul ini, kita akan melihat bagaimana Kalkulus menjadi fondasi dari Statistik, di mana Probabilitas adalah Area di bawah kurva.
1. Probability Density Function (PDF)
Berbeda dengan dadu (diskrit), peluang variabel kontinu di satu titik spesifik adalah NOL (P(x=c) = 0). Kita hanya bisa menghitung peluang dalam sebuah interval (antara a dan b).
- f(x) ≥ 0 untuk semua x. (Tidak ada peluang negatif).
- Total Area di bawah kurva = 1 (Total peluang pasti 100%).
- Rumus Peluang: P(a ≤ X ≤ b) = ∫ab f(x) dx
Waktu tunggu (dalam menit) untuk berbicara dengan CS didekati dengan fungsi PDF:
f(x) = 1/10 untuk 0 ≤ x ≤ 10, dan 0 untuk lainnya.
Pertanyaan: Berapa peluang seorang nasabah menunggu antara 3 sampai 7 menit?
Solusi Step-by-Step:
-
Susun Integral Tentu:
P(3 ≤ X ≤ 7) = ∫37 (1/10) dx. -
Cari Antiderivatif:
Integral dari konstanta (1/10) adalah x/10. -
Evaluasi Batas:
[x/10] dari 3 sampai 7 = (7/10) – (3/10). -
Hasil Akhir:
4/10 = 0.4 (atau 40%).
Interpretasi: Ada peluang 40% nasabah menunggu di rentang waktu tersebut.
Umur pakai (X dalam tahun) sebuah chip komputer memiliki fungsi PDF:
f(x) = 3x2 untuk 0 < x < 1.
Pertanyaan: Berapa peluang chip tersebut rusak sebelum 6 bulan (0.5 tahun)?
Solusi:
- Integral: P(0 ≤ X ≤ 0.5) = ∫00.5 3x2 dx.
- Antiderivatif: Turunan naik pangkat. 3(x3/3) = x3.
- Evaluasi: (0.5)3 – (0)3.
- Hasil: 0.125 – 0 = 0.125 (12.5%).
2. Distribusi Normal (The Bell Curve)
Distribusi paling “sakti” di alam semesta. Digunakan untuk memodelkan tinggi badan, skor IQ, hingga fluktuasi saham. Karena fungsi integralnya ($\frac{1}{\sigma\sqrt{2\pi}}e^{-…}$) sangat rumit untuk dihitung manual, kita menggunakan Transformasi Z-Score.
Z = (X – μ) / σ
- X: Nilai yang ingin dicari peluangnya.
- μ (Mu): Rata-rata populasi.
- σ (Sigma): Standar deviasi (simpangan baku).
Sebuah mesin pengisi botol minuman diatur untuk mengisi rata-rata (μ) 500 ml. Standar deviasinya (σ) adalah 5 ml. Botol dianggap “cacat” jika isinya kurang dari 490 ml.
Misi: Berapa persen botol yang akan dibuang karena kurang isi?
Langkah Coba-Pikir-Tindak:
-
Identifikasi Variabel:
μ = 500, σ = 5, X = 490. Kita cari P(X < 490). -
Hitung Z-Score:
Z = (490 – 500) / 5
Z = -10 / 5 = -2.00. -
Cek Tabel Z (Standard Normal Table):
Cari nilai area di sebelah kiri Z = -2.00.
(Biasanya bernilai sekitar 0.0228). -
Kesimpulan:
Peluang botol kurang isi adalah 0.0228 atau 2.28%.
Keputusan Manajer: Jika margin error 2.28% dianggap terlalu tinggi, Anda harus kalibrasi ulang mesin untuk memperkecil σ (standar deviasi).
Skor ujian masuk manajemen berdistribusi normal dengan rata-rata 75 dan deviasi standar 10. Berapa persen peserta yang nilainya antara 80 dan 90?
Langkah Pengerjaan:
-
Z untuk X=80:
Z1 = (80 – 75) / 10 = 0.50. -
Z untuk X=90:
Z2 = (90 – 75) / 10 = 1.50. -
Cari Area Tabel Z:
Area(Z < 1.50) = 0.9332
Area(Z < 0.50) = 0.6915 -
Hitung Selisih Area:
0.9332 – 0.6915 = 0.2417.
Hasil: Sekitar 24.17% peserta memiliki nilai di rentang 80-90.
Seorang manajer ingin menentukan target penjualan harian agar hanya 5% hari kerja yang tidak mencapai target (bottom 5%). Rata-rata penjualan harian μ = 1000 unit, σ = 100.
Misi: Cari nilai X (target minimal).
Langkah:
- Cari Z untuk area 5% (0.05): Dari tabel Z, nilai yang paling mendekati 0.0500 adalah Z = -1.645.
- Gunakan Rumus Z-Score:
-1.645 = (X – 1000) / 100 - Selesaikan X:
X – 1000 = -1.645 * 100
X = 1000 – 164.5 = 835.5.
Kesimpulan: Tetapkan target minimal sekitar 835 unit.
3. Aproksimasi Normal untuk Binomial
Jika jumlah percobaan (n) sangat besar, menghitung peluang Binomial ($nCx \cdot p^x \cdot q^{n-x}$) sangat menyiksa. Kita bisa menggunakan Distribusi Normal sebagai pendekatan (Haeussler Sec 16.3).
Rata-rata baru (μ) = n ⋅ p
Standar Deviasi baru (σ) = √(n ⋅ p ⋅ q)
Contoh: Melempar koin 100 kali (n=100, p=0.5). Daripada menghitung kombinasi C(100, 50), kita anggap ini lonceng normal dengan μ=50 dan σ=5. Jauh lebih cepat!
Disusun Eksklusif untuk Aurinoworks. Ingat: Tabel Z adalah sahabat terbaik manajer risiko.
#Statistics #NormalDistribution #ZScore #Probability #MNJ104