Model stokastik adalah salah satu materi yang sering muncul dalam UTS/UAS, terutama di jurusan Matematika, Statistika, Teknik Industri, Informatika, hingga Ekonomi. Materi ini dianggap “menantang” karena menggabungkan konsep peluang, proses acak, dan pemodelan fenomena nyata seperti antrian, keandalan sistem, pergerakan harga, hingga prediksi kejadian.

Kalau kamu sedang mempersiapkan UTS/UAS, artikel ini akan membantu dengan menyediakan bank soal model stokastik terbaru lengkap dari tingkat mudah hingga sulit, disertai pembahasan langkah demi langkah yang mudah dipahami.

Baca juga : Contoh Soal Gerak Lurus Berubah Beraturan (GLBB) untuk UN + Cara Cepat

Pengertian Singkat Model Stokastik

Model stokastik adalah model matematika yang melibatkan ketidakpastian (randomness). Artinya, hasil dari suatu proses tidak bisa diprediksi secara pasti, melainkan dinyatakan dalam bentuk peluang.

Contoh fenomena yang cocok dimodelkan secara stokastik:

🔖 Baca juga:

Latihan Contoh Soal Mencari Diskon untuk Siswa dan Mahasiswa dengan Penjelasan Mudah

• Jumlah pelanggan datang ke kasir setiap menit
• Banyaknya kerusakan mesin dalam seminggu
• Perubahan harga saham (naik turun acak)
• Prediksi kejadian kelahiran, kematian, atau kecelakaan

Rumus dan Konsep Dasar yang Sering Muncul di Ujian

Sebelum masuk ke soal, pastikan kamu paham beberapa konsep berikut:

1) Variabel Acak Diskrit

• PMF: ( P(X=x) )
• Ekspektasi: ( E[X] = \sum x \cdot P(X=x) )
• Variansi: ( Var(X) = E[X^2] – (E[X])^2 )

2) Distribusi Binomial

Jika ( X \sim Bin(n,p) ), maka:

• ( P(X=k) = \binom{n}{k} p^k (1-p)^{n-k} )
• ( E[X] = np )
• ( Var(X) = np(1-p) )

3) Distribusi Poisson

Jika ( X \sim Pois(\lambda) ), maka:

• ( P(X=k) = \frac{e^{-\lambda}\lambda^k}{k!} )
• ( E[X]=\lambda ), ( Var(X)=\lambda )

4) Proses Poisson

Jika ( N(t) ) adalah jumlah kejadian dalam waktu t:

• ( N(t) \sim Pois(\lambda t) )

5) Rantai Markov

• Matriks transisi ( P ) berisi peluang perpindahan state
• Peluang transisi n langkah: ( P^n )

6) Sistem Antrian M/M/1 (dasar)

• Laju kedatangan: ( \lambda )
• Laju pelayanan: ( \mu )
• Syarat stabil: ( \lambda < \mu )
• Utilisasi: ( \rho = \lambda/\mu )

Bank Soal Model Stokastik (Mudah – Menengah)

Soal 1 (Variabel Acak Diskrit)

Sebuah variabel acak X memiliki distribusi:

x	1	2	3
P(X=x)	0,2	0,5	0,3

Tentukan nilai E[X].

Pembahasan

Gunakan rumus ekspektasi:
[
E[X] = \sum xP(X=x)
]

[
E[X] = 1(0,2) + 2(0,5) + 3(0,3)
]
[
E[X] = 0,2 + 1,0 + 0,9 = 2,1
]

✅ Jawaban: (E[X]=2,1)

Soal 2 (Variansi)

Gunakan distribusi pada Soal 1. Hitung Var(X).

Pembahasan

Cari (E[X^2]):
[
E[X^2] = 1^2(0,2) + 2^2(0,5) + 3^2(0,3)
]
[
E[X^2] = 1(0,2) + 4(0,5) + 9(0,3)
]
[
E[X^2] = 0,2 + 2,0 + 2,7 = 4,9
]

Variansi:
[
Var(X) = E[X^2] – (E[X])^2
]
[
Var(X) = 4,9 – (2,1)^2 = 4,9 – 4,41 = 0,49
]

✅ Jawaban: (Var(X)=0,49)

Soal 3 (Binomial)

Sebuah produk punya peluang cacat 0,1. Diambil 10 produk secara acak. Tentukan peluang tepat 2 produk cacat.

Pembahasan

Gunakan binomial: (n=10), (p=0,1), (k=2)

[
P(X=2)=\binom{10}{2}(0,1)^2(0,9)^8
]

[
\binom{10}{2}=45
]

[
P(X=2)=45(0,01)(0,9^8)
]

[
0,9^8 \approx 0,4305
]
[
P(X=2)\approx 45(0,01)(0,4305)=0,1937
]

✅ Jawaban: (\approx 0,194)

Soal 4 (Ekspektasi Binomial)

Dari soal 3, tentukan nilai E[X].

Pembahasan

[
E[X]=np=10(0,1)=1
]

✅ Jawaban: (E[X]=1)

Soal 5 (Poisson)

Rata-rata email spam masuk adalah 3 email per jam. Tentukan peluang menerima tepat 5 spam dalam 1 jam.

Pembahasan

Poisson dengan (\lambda=3), (k=5)

[
P(X=5)=\frac{e^{-3}3^5}{5!}
]
[
3^5 = 243,\quad 5! = 120
]

[
P(X=5)=\frac{e^{-3}\cdot 243}{120}=2,025e^{-3}
]
[
e^{-3}\approx 0,0498
]
[
P(X=5)\approx 2,025(0,0498)=0,1008
]

✅ Jawaban: (\approx 0,101)

Bank Soal Model Stokastik (Menengah – Lanjut)

Soal 6 (Proses Poisson)

Sebuah call center menerima rata-rata 4 panggilan per menit. Berapa peluang menerima minimal 1 panggilan dalam 30 detik?

Pembahasan

(\lambda = 4) per menit
30 detik = 0,5 menit

Maka:
[
N(0,5)\sim Pois(\lambda t)=Pois(4\cdot 0,5)=Pois(2)
]

P(minimal 1) = 1 – P(0)
[
P(0)=\frac{e^{-2}2^0}{0!}=e^{-2}
]
[
P(\ge 1)=1-e^{-2}
]
[
e^{-2}\approx 0,1353
]
[
P(\ge 1)\approx 1-0,1353=0,8647
]

✅ Jawaban: (\approx 0,865)

Soal 7 (Waktu Antar Kedatangan – Eksponensial)

Jika kedatangan pelanggan mengikuti proses Poisson dengan laju 3 per menit, berapa peluang waktu tunggu sampai pelanggan berikutnya lebih dari 20 detik?

Pembahasan

Waktu antar kedatangan Poisson berdistribusi eksponensial:
[
T \sim Exp(\lambda)
]

Dengan (\lambda=3) per menit
20 detik = 1/3 menit

[
P(T>t) = e^{-\lambda t}
]
[
P(T>1/3)=e^{-3(1/3)}=e^{-1}\approx 0,3679
]

✅ Jawaban: (\approx 0,368)

Soal 8 (Rantai Markov 2 State)

Sebuah mesin memiliki dua kondisi:

• A = baik
• B = rusak

Peluang transisi:

• Dari A ke A: 0,8
• Dari A ke B: 0,2
• Dari B ke A: 0,6
• Dari B ke B: 0,4

Buat matriks transisi dan hitung peluang mesin baik setelah 2 langkah jika awalnya A.

Pembahasan

Matriks transisi:
[
P=
\begin{bmatrix}
0,8 & 0,2 \
0,6 & 0,4
\end{bmatrix}
]

Kita butuh (P^2):
[
P^2 = P\cdot P
]

Elemen (1,1):
[
0,8(0,8)+0,2(0,6)=0,64+0,12=0,76
]

Elemen (1,2):
[
0,8(0,2)+0,2(0,4)=0,16+0,08=0,24
]

Elemen (2,1):
[
0,6(0,8)+0,4(0,6)=0,48+0,24=0,72
]

Elemen (2,2):
[
0,6(0,2)+0,4(0,4)=0,12+0,16=0,28
]

[
P^2=
\begin{bmatrix}
0,76 & 0,24 \
0,72 & 0,28
\end{bmatrix}
]

Awal A berarti vektor awal ([1;0]).
Peluang baik setelah 2 langkah = elemen (1,1) = 0,76.

✅ Jawaban: 0,76

Soal 9 (Distribusi Stasioner Markov)

Gunakan matriks transisi soal 8. Cari distribusi stasioner (\pi = (\pi_A,\pi_B)).

Pembahasan

Distribusi stasioner memenuhi:
[
\pi P = \pi
]
[
\pi_A+\pi_B=1
]

Maka:
[
\pi_A = 0,8\pi_A + 0,6\pi_B
]
Pindahkan:
[
\pi_A – 0,8\pi_A = 0,6\pi_B
]
[
0,2\pi_A = 0,6\pi_B
]
[
\pi_A = 3\pi_B
]

Karena (\pi_A+\pi_B=1):
[
3\pi_B+\pi_B=1
\Rightarrow 4\pi_B=1
\Rightarrow \pi_B=0,25
]
[
\pi_A=0,75
]

✅ Jawaban: (\pi=(0,75,;0,25))

Bank Soal Model Stokastik (Antrian / Queue)

Soal 10 (Dasar M/M/1)

Sebuah loket melayani rata-rata 12 pelanggan per jam ((\mu=12)). Kedatangan pelanggan rata-rata 9 per jam ((\lambda=9)). Tentukan:

1. Apakah sistem stabil?
2. Utilisasi (\rho)

Pembahasan

1. Stabil jika (\lambda < \mu)
   [
   9 < 12 \Rightarrow \text{stabil}
   ]
2. Utilisasi:
   [
   \rho = \lambda/\mu = 9/12=0,75
   ]

✅ Jawaban: Stabil, (\rho=0,75)

Soal 11 (Peluang Sistem Kosong)

Gunakan data soal 10. Tentukan peluang tidak ada pelanggan dalam sistem (P_0).

Pembahasan

Untuk M/M/1:
[
P_0 = 1-\rho
]
[
P_0 = 1-0,75=0,25
]

✅ Jawaban: (P_0=0,25)

Soal 12 (Rata-rata Jumlah Pelanggan di Sistem)

Gunakan data soal 10. Hitung rata-rata jumlah pelanggan di sistem (L).

Pembahasan

Rumus M/M/1:
[
L = \frac{\rho}{1-\rho}
]
[
L = \frac{0,75}{1-0,75}=\frac{0,75}{0,25}=3
]

✅ Jawaban: (L=3)

Bank Soal Model Stokastik (Soal HOTS / Ujian Akhir)

Soal 13 (Proses Poisson Multi-Interval)

Sebuah mesin mengalami error rata-rata 2 kali per hari. Tentukan peluang bahwa dalam 3 hari terjadi:

1. tepat 4 error
2. minimal 1 error

Pembahasan

Dalam 3 hari: (\lambda t = 2\cdot 3 = 6)

1. Tepat 4:
   [
   P(X=4)=\frac{e^{-6}6^4}{4!}
   ]
   [
   6^4=1296,\quad 4!=24
   ]
   [
   P(X=4)=\frac{e^{-6}\cdot1296}{24}=54e^{-6}
   ]
   [
   e^{-6}\approx 0,00248
   ]
   [
   P(X=4)\approx 54(0,00248)=0,1339
   ]
2. Minimal 1:
   [
   P(\ge1)=1-P(0)=1-e^{-6}
   ]
   [
   \approx 1-0,00248 = 0,99752
   ]

✅ Jawaban:

1. (\approx 0,134)
2. (\approx 0,9975)

Soal 14 (Simulasi Sederhana – Konsep)

Sebuah dadu fair dilempar 50 kali. Jelaskan mengapa hasil jumlah kemunculan angka 6 dapat dimodelkan dengan distribusi binomial, dan tentukan nilai ekspektasinya.

Pembahasan

Karena:

• Setiap lemparan hanya ada dua hasil untuk kejadian “muncul 6” (sukses) atau “bukan 6” (gagal)
• Peluang sukses konstan: (p=1/6)
• Jumlah percobaan tetap: (n=50)
• Percobaan independen

Maka (X \sim Bin(50, 1/6))

Ekspektasi:
[
E[X]=np = 50\cdot\frac{1}{6}=8,333…
]

✅ Jawaban: Binomial karena memenuhi syarat percobaan Bernoulli, dan (E[X]\approx 8,33)

Soal 15 (Markov – Interpretasi)

Dalam rantai Markov, apa arti distribusi stasioner, dan mengapa konsep ini penting pada pemodelan jangka panjang?

Pembahasan

Distribusi stasioner adalah distribusi peluang (\pi) yang tidak berubah meskipun dikalikan matriks transisi:
[
\pi P = \pi
]

Artinya, jika sistem sudah berada dalam keadaan stasioner, maka proporsi jangka panjang berada di setiap state akan tetap sama.

Penting karena:

• Memberikan gambaran perilaku sistem dalam jangka panjang
• Berguna untuk prediksi steady-state (misalnya proporsi mesin rusak vs baik)
• Dipakai pada analisis antrian, rekomendasi, dan sistem keputusan

✅ Jawaban: Distribusi peluang jangka panjang yang stabil, penting untuk analisis steady-state.

Tips Cepat Menghadapi Soal UTS/UAS Model Stokastik

1) Kenali Jenis Distribusinya Dulu

Jangan langsung hitung. Tentukan dulu:

• Binomial → ada n percobaan, sukses/gagal, p tetap
• Poisson → hitung jumlah kejadian dalam interval waktu/ruang
• Eksponensial → waktu tunggu antar kejadian
• Markov → ada state dan peluang transisi
• M/M/1 → kedatangan Poisson + pelayanan eksponensial

2) Tulis Parameter dengan Jelas

Biasakan menulis:

• (\lambda), (\mu), (n), (p), (t), state A/B
  Ini memudahkan dan mengurangi kesalahan.

3) Banyak Soal Itu Polanya Mirip

UTS/UAS biasanya mengulang pola:

• “tepat k kejadian”
• “minimal 1 kejadian”
• “setelah n langkah” Markov
• “sistem stabil atau tidak” pada antrian

Kesalahan Umum yang Harus Kamu Hindari

1. Salah konversi waktu (detik ke menit atau jam)
2. Salah pilih distribusi (Poisson vs Binomial)
3. Lupa syarat stabilitas antrian ( \lambda<\mu )
4. Keliru menghitung (P(\ge 1)) (harus pakai komplemen)
5. Lupa normalisasi distribusi stasioner Markov

Baca juga : Mahasiswa Teknokrat Berprestasi sebagai Juara KTI dan Best Expo di PIMPI 2025 IPB University, Memberikan Dampak Positif

Penutup Materi (Ringkas untuk Review Ujian)

Dengan latihan bank soal di atas, kamu sudah punya bekal kuat untuk menghadapi UTS/UAS model stokastik. Mulailah dari soal mudah (ekspektasi, variansi, binomial), lanjut ke Poisson dan proses Poisson, lalu naik ke Markov dan antrian. Semakin sering latihan, kamu akan semakin cepat mengenali tipe soal dan memilih rumus yang tepat.

Penulis : Lina wati