# Nakafa Learning Content > For AI agents: use [llms.txt](https://nakafa.com/llms.txt) for the site index. Markdown versions are available by appending `.md` to content URLs or sending `Accept: text/markdown`. URL: https://nakafa.com/id/materi/matematika/analisis-data-dan-peluang/nilai-harapan-distribusi-binomial Source: https://raw.githubusercontent.com/nakafaai/nakafa.com/refs/heads/main/packages/contents/material/lesson/mathematics/data-analysis-probability/expected-value-of-binomial-distribution/id.mdx Pahami nilai harapan distribusi binomial dengan penjelasan dan contoh jelas. Pelajari cara menghitung hasil rata-rata percobaan berulang dengan rumus E(X)=np. --- ## Memahami Konsep Nilai Harapan Bayangkan kamu adalah seorang pemain basket. Secara rata-rata, dari $$10 \text{ kali}$$ lemparan bebas, kamu berhasil memasukkan bola sebanyak $$8 \text{ kali}$$. Nah, angka $$8$$ ini bisa kita sebut sebagai **nilai harapan** atau ekspektasi keberhasilanmu. Visible text: Bayangkan kamu adalah seorang pemain basket. Secara rata-rata, dari lemparan bebas, kamu berhasil memasukkan bola sebanyak . Nah, angka ini bisa kita sebut sebagai **nilai harapan** atau ekspektasi keberhasilanmu. Secara sederhana, nilai harapan adalah **nilai rata-rata yang kita harapkan terjadi** dari sebuah percobaan jika percobaan itu diulang berkali-kali dalam kondisi yang sama. Ini bukan berarti kamu *pasti* akan mendapatkan hasil itu setiap kali, tapi ini adalah prediksi rata-rata jangka panjangnya. ## Rumus Harapan untuk Binomial Konsep ini sangat berguna dalam distribusi binomial. Ingat, distribusi binomial dipakai untuk percobaan yang hasilnya hanya ada dua (sukses atau gagal) dan dilakukan berulang-ulang. Nilai harapan binomial membantu kita memprediksi berapa banyak keberhasilan yang paling mungkin kita dapatkan. Distribusi binomial $$b(x;n,p)$$ memiliki nilai harapan: Visible text: Distribusi binomial memiliki nilai harapan: ```math E(X) = np ``` dengan $$n$$ adalah banyaknya percobaan dan $$p$$ adalah peluang keberhasilan. Visible text: dengan adalah banyaknya percobaan dan adalah peluang keberhasilan. Rumus ini sangat intuitif. Jika peluang sukses dalam satu kali coba adalah $$p$$, maka dalam $$n \text{ kali}$$ percobaan, harapan suksesnya adalah: Visible text: Rumus ini sangat intuitif. Jika peluang sukses dalam satu kali coba adalah , maka dalam percobaan, harapan suksesnya adalah: ```math E(X) = n \times p ``` ## Dari Mana Rumusnya Berasal? Mungkin kamu penasaran, kenapa rumusnya sesederhana itu? Mari kita bedah logikanya. Setiap percobaan dalam distribusi binomial bisa kita anggap sebagai variabel acak kecil, sebut saja $$I_k$$. Variabel ini bernilai $$1$$ jika percobaan ke-$$k$$ **sukses**, dan $$0$$ jika **gagal**. Visible text: Setiap percobaan dalam distribusi binomial bisa kita anggap sebagai variabel acak kecil, sebut saja . Variabel ini bernilai jika percobaan ke- **sukses**, dan jika **gagal**. Nilai harapan untuk satu percobaan tunggal adalah: ```math E(I_k) = 1 \cdot p + 0 \cdot q = p ``` Karena jumlah total keberhasilan ($$X$$) adalah jumlah dari semua keberhasilan di setiap percobaan, maka: Visible text: Karena jumlah total keberhasilan () adalah jumlah dari semua keberhasilan di setiap percobaan, maka: ```math X = I_1 + I_2 + ... + I_n ``` Dengan menggunakan sifat nilai harapan, kita bisa menjumlahkan semua nilai harapan dari setiap percobaan: Component: MathContainer Children: ```math E(X) = E(I_1) + E(I_2) + ... + E(I_n) ``` ```math E(X) = \underbrace{p + p + ... + p}_{n \text{ kali}} = np ``` Terbukti, kan? Nilai harapan totalnya adalah hasil kali dari jumlah percobaan dengan peluang keberhasilannya. ## Studi Kasus Lempar Dadu Mari kita terapkan konsep ini pada sebuah contoh. **Soal:** Sebuah dadu seimbang dilempar sebanyak $$7 \text{ kali}$$. Berapa nilai harapan untuk munculnya mata dadu lima dari seluruh lemparan tersebut? Visible text: Sebuah dadu seimbang dilempar sebanyak . Berapa nilai harapan untuk munculnya mata dadu lima dari seluruh lemparan tersebut? **Penyelesaian:** Pertama, mari kita pastikan bahwa ini memenuhi syarat distribusi binomial: - Hanya ada dua kemungkinan: **sukses** (keluar angka $$5$$) atau **gagal** (keluar angka selain $$5$$) - Jumlah percobaan tetap: $$7 \text{ kali}$$ - Setiap lemparan independen: hasil lemparan sebelumnya tidak mempengaruhi lemparan berikutnya - Peluang sukses sama: $$p = \frac{1}{6}$$ di setiap lemparan Visible text: - Hanya ada dua kemungkinan: **sukses** (keluar angka ) atau **gagal** (keluar angka selain ) - Jumlah percobaan tetap: - Setiap lemparan independen: hasil lemparan sebelumnya tidak mempengaruhi lemparan berikutnya - Peluang sukses sama: di setiap lemparan Sekarang kita identifikasi parameternya: Component: MathContainer Children: ```math S = \{1, 2, 3, 4, 5, 6\} ``` ```math p = \frac{1}{6} ``` ```math n = 7 ``` Sekarang kita bisa langsung hitung nilai harapannya menggunakan rumus: ```math E(X) = np = 7 \times \frac{1}{6} = \frac{7}{6} = 1.167 ``` **Jadi, apa artinya angka $$1.167$$ ini?** Visible text: **Jadi, apa artinya angka ini?** Nilai harapan $$1.167$$ bukan berarti kamu akan mendapat $$1.167 \text{ kali}$$ angka $$5$$ dalam satu eksperimen (karena itu tidak mungkin). Yang dimaksud adalah: jika kamu mengulangi eksperimen lempar dadu $$7 \text{ kali}$$ ini **ratusan atau ribuan kali**, maka rata-rata kamu akan mendapat angka $$5$$ sekitar $$1.167 \text{ kali}$$ per set $$7$$ lemparan. Visible text: Nilai harapan bukan berarti kamu akan mendapat angka dalam satu eksperimen (karena itu tidak mungkin). Yang dimaksud adalah: jika kamu mengulangi eksperimen lempar dadu ini **ratusan atau ribuan kali**, maka rata-rata kamu akan mendapat angka sekitar per set lemparan. Dalam praktiknya, dalam satu set $$7$$ lemparan, kamu mungkin mendapat angka $$5$$ sebanyak $$0$$, $$1$$, $$2$$, atau bahkan $$3 \text{ kali}$$. Tapi kalau dirata-ratakan dalam jangka panjang, hasilnya akan mendekati $$1.167$$. Visible text: Dalam praktiknya, dalam satu set lemparan, kamu mungkin mendapat angka sebanyak , , , atau bahkan . Tapi kalau dirata-ratakan dalam jangka panjang, hasilnya akan mendekati .