Model stokastik adalah salah satu konsep penting yang banyak digunakan untuk memahami fenomena dunia nyata yang sifatnya tidak pasti. Dalam kehidupan sehari-hari, kita sering menemui kejadian yang hasilnya sulit diprediksi secara pasti, misalnya jumlah pelanggan yang datang ke toko, lamanya antrian di bank, peluang suatu produk mengalami cacat produksi, atau perubahan perilaku konsumen dari hari ke hari. Nah, semua kejadian seperti itu bisa dianalisis menggunakan model stokastik.
Berbeda dengan model deterministik yang memberikan hasil tunggal dan pasti, model stokastik melibatkan unsur acak (randomness) sehingga hasilnya berupa peluang atau distribusi kemungkinan. Inilah mengapa model stokastik banyak digunakan di bidang industri, bisnis, teknologi, kesehatan, hingga transportasi. Bahkan dalam data science dan machine learning, pemahaman model stokastik sangat membantu dalam membangun sistem prediksi yang lebih realistis.
Artikel ini akan membahas contoh soal model stokastik dalam kehidupan nyata yang mencakup tiga topik besar: probabilitas (distribusi peluang), rantai Markov, dan model antrian. Setiap contoh soal disertai pembahasan lengkap dengan bahasa yang mudah dipahami sehingga cocok untuk mahasiswa maupun pelajar yang sedang belajar pemodelan.
Baca juga : Kumpulan Contoh Soal Shorof Dasar hingga Lanjutan Beserta Jawabannya
Apa Itu Model Stokastik dan Mengapa Penting?
Model stokastik adalah model matematika yang menggambarkan sistem dengan variabel acak. Karena ada unsur acak, hasilnya tidak bisa dipastikan 100%, tetapi bisa dihitung peluangnya. Intinya, kita tidak mencari jawaban “pasti”, melainkan mencari kemungkinan yang paling masuk akal berdasarkan data dan teori probabilitas.
Mengapa model stokastik penting? Karena banyak keputusan di dunia nyata dibuat dalam kondisi tidak pasti. Perusahaan perlu memprediksi permintaan produk yang naik-turun, rumah sakit perlu memperkirakan jumlah pasien yang datang setiap jam, dan bank perlu mengatur jumlah teller supaya antrian tidak panjang. Semua itu bisa dianalisis lewat model stokastik.
Agar lebih jelas, kita akan masuk ke contoh soal dari berbagai konteks kehidupan sehari-hari.
Bagian 1: Contoh Soal Model Stokastik Probabilitas dalam Kehidupan Nyata
Pada bagian ini, kita fokus pada model stokastik yang berbasis distribusi peluang, terutama binomial dan Poisson. Dua model ini paling sering digunakan untuk memodelkan kejadian diskrit seperti “jumlah kejadian” atau “jumlah sukses”.
Contoh Soal 1 (Binomial): Produk Cacat di Pabrik
Sebuah pabrik memproduksi lampu LED. Peluang satu lampu mengalami cacat adalah 0,05. Jika diambil sampel acak sebanyak 10 lampu, tentukan peluang tepat 2 lampu cacat.
Pembahasan
Ini adalah kasus binomial karena:
jumlah percobaan tetap (10 lampu),
setiap lampu hanya dua kemungkinan (cacat atau tidak),
peluang cacat konstan.
Gunakan rumus binomial:
P(X = k) = C(n, k) p^k (1 − p)^(n − k)
n = 10, k = 2, p = 0,05
C(10, 2) = 45
P(X = 2) = 45 × (0,05)^2 × (0,95)^8
(0,05)^2 = 0,0025
(0,95)^8 ≈ 0,6634
P(X = 2) ≈ 45 × 0,0025 × 0,6634
= 45 × 0,0016585
≈ 0,0746
Jadi, peluang tepat 2 lampu cacat sekitar 0,0746 atau 7,46%.
Makna dalam kehidupan nyata: dari 10 lampu yang dicek, peluang menemukan tepat 2 yang cacat adalah sekitar 7 dari 100 kali pemeriksaan.
Contoh Soal 2 (Binomial): Peluang Lulus Sertifikasi
Peluang seorang peserta lulus sertifikasi adalah 0,7. Jika ada 6 peserta yang mengikuti ujian, tentukan peluang minimal 5 orang lulus.
Pembahasan
Karena ini binomial, gunakan:
P(X ≥ 5) = P(X = 5) + P(X = 6)
P(X = 5) = C(6, 5) (0,7)^5 (0,3)^1
C(6, 5) = 6
(0,7)^5 = 0,16807
(0,3) = 0,3
P(X = 5) = 6 × 0,16807 × 0,3
= 0,302526
P(X = 6) = C(6, 6) (0,7)^6 (0,3)^0
= 1 × 0,117649 × 1
= 0,117649
Total:
P(X ≥ 5) = 0,302526 + 0,117649
= 0,420175
Jadi peluang minimal 5 orang lulus adalah sekitar 0,420 atau 42%.
Ini relevan dalam dunia pelatihan dan pendidikan untuk memprediksi keberhasilan sebuah program.
Contoh Soal 3 (Poisson): Pelanggan Datang ke Minimarket
Rata-rata pelanggan yang datang ke minimarket adalah 4 orang per jam. Tentukan peluang datang tepat 6 pelanggan dalam 1 jam.
Pembahasan
Model Poisson cocok digunakan untuk jumlah kejadian dalam interval waktu tertentu.
λ = 4, k = 6
P(X = 6) = (λ^k e^−λ) / k!
P(X = 6) = (4^6 e^−4) / 6!
4^6 = 4096
6! = 720
e^−4 ≈ 0,0183
P(X = 6) ≈ (4096 × 0,0183) / 720
≈ 74,9568 / 720
≈ 0,1041
Jadi peluang datang tepat 6 pelanggan dalam 1 jam sekitar 10,41%.
Makna nyata: dalam 1 jam, kemungkinan minimarket menerima 6 pelanggan cukup masuk akal.
Contoh Soal 4 (Poisson): Pesanan Masuk di Aplikasi Online
Sebuah toko online menerima rata-rata 3 pesanan per jam. Tentukan peluang dalam 2 jam menerima paling banyak 4 pesanan.
Pembahasan
Jika rata-rata 3 pesanan per jam, maka untuk 2 jam:
λ = 3 × 2 = 6
Ditanya P(X ≤ 4) = P(0)+P(1)+P(2)+P(3)+P(4)
Gunakan e^−6 ≈ 0,00248
P(0) = 0,00248
P(1) = 6 × 0,00248 = 0,01488
P(2) = 36 × 0,00248 / 2 = 0,04464
P(3) = 216 × 0,00248 / 6 = 0,08928
P(4) = 1296 × 0,00248 / 24 = 0,13392
Total:
P(X ≤ 4) ≈ 0,2852
Jadi peluang menerima paling banyak 4 pesanan dalam 2 jam adalah sekitar 28,52%.
Ini berguna untuk memperkirakan kesiapan stok dan tenaga kerja.
Bagian 2: Contoh Soal Model Stokastik Rantai Markov dalam Kehidupan Nyata
Rantai Markov digunakan untuk memodelkan sistem yang berubah dari satu keadaan ke keadaan lain, dan keadaan berikutnya hanya bergantung pada kondisi saat ini.
Contoh nyata Markov:
pelanggan yang berpindah merek,
pengguna aplikasi aktif atau tidak aktif,
kondisi cuaca cerah atau hujan,
status mesin baik atau rusak.
Contoh Soal 5: Perilaku Konsumen (Pindah Merek)
Seorang pelanggan membeli produk merek A atau B.
Jika hari ini membeli A, maka peluang besok membeli A lagi adalah 0,8.
Jika hari ini membeli B, maka peluang besok membeli A adalah 0,5.
Tentukan matriks transisi rantai Markov.
Pembahasan
State: A dan B
P(A→A)=0,8 maka P(A→B)=0,2
P(B→A)=0,5 maka P(B→B)=0,5
Matriks transisi:
[ 0,8 0,2 ]
[ 0,5 0,5 ]
Ini dapat digunakan perusahaan untuk memprediksi loyalitas pelanggan.
Contoh Soal 6: Peluang Dua Langkah (Dua Hari Lagi)
Dengan matriks transisi di atas, tentukan peluang pelanggan membeli A dua hari lagi jika hari ini membeli B.
Pembahasan
P(B→A dalam 2 langkah) = P(B→A→A) + P(B→B→A)
= P(B→A)P(A→A) + P(B→B)P(B→A)
= (0,5)(0,8) + (0,5)(0,5)
= 0,4 + 0,25
= 0,65
Jadi, peluang pelanggan membeli A dua hari lagi jika hari ini membeli B adalah 0,65 atau 65%.
Makna nyata: pelanggan yang hari ini memilih B punya kecenderungan cukup besar untuk memilih A dalam dua hari ke depan.
Contoh Soal 7: Sistem Mesin Baik atau Rusak
Sebuah mesin berada pada kondisi Baik (B) atau Rusak (R).
Jika hari ini Baik, peluang besok Rusak adalah 0,1.
Jika hari ini Rusak, peluang besok tetap Rusak adalah 0,6.
Tentukan peluang mesin Rusak besok jika hari ini Baik.
Pembahasan
Soal ini langsung:
P(B→R) = 0,1
Contoh ini terlihat sederhana, tetapi merupakan dasar rantai Markov yang digunakan dalam manajemen perawatan mesin.
Bagian 3: Contoh Soal Model Stokastik Antrian dalam Kehidupan Nyata
Model antrian digunakan untuk menganalisis sistem pelayanan seperti bank, rumah sakit, loket tiket, call center, atau sistem server komputer. Kedatangan pelanggan biasanya acak, begitu juga waktu pelayanan.
Model paling terkenal adalah M/M/1, artinya:
kedatangan mengikuti Poisson,
waktu pelayanan mengikuti eksponensial,
jumlah server 1.
Parameter penting:
λ = laju kedatangan
μ = laju pelayanan
ρ = λ/μ (tingkat utilisasi)
Sistem stabil jika λ < μ.
Contoh Soal 8: Uji Stabilitas Antrian
Sebuah loket melayani pelanggan rata-rata 10 orang per jam. Kedatangan pelanggan rata-rata 7 orang per jam. Apakah sistem stabil?
Pembahasan
Sistem stabil jika λ < μ
λ = 7, μ = 10
Karena 7 < 10, sistem stabil.
Makna nyata: loket masih mampu menangani pelanggan yang datang tanpa membuat antrian menumpuk tak terbatas.
Contoh Soal 9: Rata-rata Pelanggan dalam Sistem
Dengan data λ = 7 dan μ = 10, tentukan rata-rata jumlah pelanggan dalam sistem (L).
Pembahasan
ρ = λ/μ = 7/10 = 0,7
L = ρ / (1 − ρ)
L = 0,7 / 0,3
= 2,333
Jadi rata-rata pelanggan dalam sistem sekitar 2,33 orang.
Artinya, dalam kondisi normal, sekitar 2 hingga 3 orang berada dalam sistem (antri + dilayani).
Contoh Soal 10: Rata-rata Waktu dalam Sistem
Masih dengan λ = 7 dan μ = 10, tentukan rata-rata waktu pelanggan berada dalam sistem (W).
Pembahasan
W = 1 / (μ − λ)
W = 1 / (10 − 7)
W = 1/3 jam
Jika dikonversi ke menit: 1/3 × 60 = 20 menit
Jadi rata-rata pelanggan menghabiskan waktu sekitar 20 menit di sistem.
Makna nyata: dari datang sampai selesai dilayani, pelanggan rata-rata menghabiskan waktu 20 menit.
Contoh Soal 11: Waktu Menunggu dalam Antrian
Untuk model M/M/1, waktu tunggu dalam antrian (Wq) adalah:
Wq = ρ / (μ − λ)
Wq = 0,7 / 3
≈ 0,233 jam
0,233 × 60 ≈ 14 menit
Jadi waktu tunggu rata-rata sekitar 14 menit.
Ini penting untuk mengukur kualitas layanan dan kepuasan pelanggan.
Contoh Soal 12: Dampak Kedatangan Meningkat
Jika kedatangan pelanggan naik menjadi 9 orang per jam, sementara pelayanan tetap 10 orang per jam, apa yang terjadi pada sistem?
Pembahasan
ρ = 9/10 = 0,9
Sistem masih stabil karena λ < μ, tetapi utilisasi sangat tinggi.
L = 0,9 / (1 − 0,9) = 0,9 / 0,1 = 9
Artinya rata-rata pelanggan dalam sistem menjadi 9 orang, antrian jadi jauh lebih panjang.
Makna nyata: walau sistem belum “macet total”, pelayanan akan terasa lambat dan pelanggan berpotensi tidak puas.
Kumpulan Latihan Soal Model Stokastik dalam Kehidupan Nyata (Tanpa Pembahasan)
- Peluang barang rusak adalah 0,02. Dari 20 barang, tentukan peluang tepat 1 rusak.
- Rata-rata kendaraan datang 5 per menit. Tentukan peluang tepat 7 kendaraan dalam 1 menit.
- Jika λ = 4 per jam, tentukan peluang paling sedikit 2 kejadian dalam 1 jam.
- Dalam Markov dua state A dan B: P(A→A)=0,6 dan P(B→A)=0,3. Buat matriks transisi.
- Hitung peluang dua langkah dari B ke A pada rantai Markov.
- Sebuah antrian M/M/1 memiliki λ=6 dan μ=9. Hitung ρ dan L.
- Dengan λ=6 dan μ=9, hitung W (rata-rata waktu dalam sistem).
- Jika kedatangan meningkat menjadi λ=8 dengan μ=9, apa dampaknya pada L?
- Rata-rata pesanan masuk 2 per jam. Hitung peluang 0 pesanan dalam 1 jam.
- Dalam eksponensial λ=0,5, hitung peluang menunggu lebih dari 4 menit.
Tips Cepat Memahami Model Stokastik Berdasarkan Konteks Soal
Agar kamu cepat mengenali model yang tepat saat mengerjakan soal, gunakan panduan berikut:
Jika soal berbentuk sukses-gagal dan jumlah percobaan tetap, gunakan binomial.
Jika soal menghitung jumlah kejadian per waktu dengan rata-rata tertentu, gunakan Poisson.
Jika soal membahas perubahan keadaan dari waktu ke waktu, gunakan rantai Markov.
Jika soal membahas kedatangan pelanggan dan pelayanan, gunakan model antrian M/M/1.
Jika soal membahas waktu tunggu atau waktu antar kedatangan, gunakan eksponensial.
Dengan memahami konteks soal, kamu tidak akan bingung memilih rumus dan lebih cepat menemukan solusi.
Model stokastik memang luas, tetapi jika kamu menguasai probabilitas, Markov, dan antrian sebagai tiga fondasi utama, maka kamu sudah memiliki modal kuat untuk menaklukkan berbagai soal lanjutan di perkuliahan maupun dunia kerja. Latihan soal secara rutin akan membuat kamu semakin terbiasa, lebih cepat menghitung, dan lebih paham cara membaca masalah dunia nyata dalam bahasa matematika.
Penulis : Lina wati
Post Comment