Anda di halaman 1dari 19

BAB I

PENDAHULUAN
1.1. Latar Belakang
Dalam mempelajari statistika pada dasarnya perhatian kita ditujukan
pada penyajian dan penafsiran dari hasil yang berkemungkinan yang terjadi
pada penelitian yang dirancang atau penelititian ilmiah. Ilmu statistika ini
membahas metode-metode ilmiah dalam pengumpulan, pengolahan, penyajian
serta analisis data untuk dapat menarik kesimpulan yang valid. Kesimpulan
tersebut kemudian digunakan untuk membuat keputusan yang dapat diterima
berdasarkan analisis yang telah dilakukan. Pengukuran yang diperoleh dari
sebuah eksperimen atau penelitian akan menghasilkan suatu nilai tertentu dari
variabel acak yang mewakili sebuah pengukuran yang diambil dari suatu
populasi. Selanjutnya, kita dapat menghitung probabilitas atau nilai
kemungkina tentang kejadian numerik yang diamati oleh peneliti yaitu
pengamatan sampel.
Bidang statistika berurusan dengan penarikan inferensi tentang populasi.
Percobaan yang dilakukan memberi hasil yang berkemungkinan. Apakah
distribusi peluang diskret disajikan secara grafik dalam bentuk histogram,
dalam bentuk tabel, atau melalui rumus bukan masalah, yang ingin dilukiskan
ialah kelakuan peubah acak tersebut. Sering, pengamatan yang dihasilkan
melalui percobaanstatistika yang berbeda mempunyai bentuk kelakuan umum
yang sama. Karenanya, peubah acak diskret yang berkenaan dengan
percobaan tersebut pada dasarnya dapat dilukiskan dengan distribusi peluang
yang sama dan karena itu dapat dinyatakan oleh rumus yang sama. Malahan
kita hanya memerlukan beberapa distribusi peluang yang penting untuk
menyatakan banyak peubah acak diskret yang ditemui dalam praktek. Variable
acak yang dihasilkan dari suatu eksperimen digolongkan kedalam 2 jenis, yaitu
diskrit dan kontinu. Model probabilitas pun dibagi menjadi 2, yaitu distribusi
peluang diskrit dan distribusi peluang kontinyu, sehingga perbedaan atau
diferensiasi antara variabel acak diskrit dan variabel acak kontinyu merupakan
hal yang penting. Distribusi peluang diskrit yang akan dibahas kali ini mengenai
distribusi binomial, sedangkan distribusi peluang kontinyunya adalah distribusi
normal serta clustering.
Baik distribusi peluang diskrit maupun distribusi peluang kontinyu
mempunyai ciri ciri yang membedakannya satu sama lain. Karakteristik data
jika dilihat dari kecenderungan distribusinya akan terlihat dalam pengolahan
dan analisisnya. Uji Binomial digunakan untuk menguji hipotesis suatu proporsi
populasi. Adapun ciri dari binomial adalah data berupa dua macam unsur, yaitu
sukses ataugagal yang diulang sebanyak n kali. Tentu saja penganalisis atau
pemakai bebas untuk mendefinisikan apa yang dimaksud sukses atau
keberhasilan dan apa yang dikategorikan kegagalan.
1.2. Tujuan Praktikum
Adapun tujuan yang ingin dicapai dalam praktikum Probability and Distribution
ini adalah sebagai berikut :
a. Praktikan mampu mendefinisikan berbagai jenis distribusi beserta ciri-
cirinya.
b. Praktikan mampu menganalisa karakteristik data yakni menentukan
parameter masing-masing distribusi jika dilihat dari kecenderungan distribusinya.
c. Praktikan mampu menginterpretasikan data dengan melihat
karakteristiknya dan mampu menyimpulkan hasil pengolahan data sebagai
acuan/dasar dalam pengambilan keputusan.
1
1.3. Manfaat Praktikum
Dengan adanya praktikum ini diharapkan dapat memberikan kegunaan dan
manfaat sebagai berikut :
a. Praktikan mengetahui dan memahami definisi dan pengertian berbagai jenis
distribusi, baik distribusi peluang diskrit maupun distribusi peluang kontinu beserta
dengan ciri-cirinya.
b. Praktikan mampu menganalisa karakteristik data yakni menentukan
parameter masing-masing distribusi jika dilihat dari kecenderungan distribusinya.
c. Praktikan mengetahui dan memahami aplikasi berbagai jenis distribusi
tersebut dalam menyelesaikan berbagai macam permasalahan atau pengambilan
keputusan.
1.4 Manfaat Praktikum
Manfaat yang didapat dari praktikum Probability and Distribution ini yaitu :
1. Praktikan mampu mendefinisikan berbagai jenis distribusi, beserta ciri-
cirinya
2. Praktikan mampu menganalisa karakteristik data yakni menentukan
parameter masing-masing distribusi jika dilihat dari kecenderungan
distribusinya.
1.5 Batasan dan Asumsi
1.5.1 Batasan
Agar praktikum ini lebih terarah, mudah dipahami, dan topik yang
dibahas tidak meluas, maka perlu adanya pembatasan lingkup
praktikum, di mana batasan-batasan masalah yang diambil sebagai
berikut :
1. Pengambilan data dilakukan dengan metode observasi dan studi
pustaka
2. Obyek data yang diambil yaitu data waktu antar kedatangan di
warnet merapi online digunakan sebagai data untuk distribusi
uniform, daftar gender pengunjung di warnet merapi online sebagai
data binomial, data jumlah kedatangan costumer per 10menit di pom
bensin jln. Mangkubumi no.20 sebagai uji kesesuaian distribusi
uniform dan poisson, sedangkan data lama waktu pelayanan uji
kesesuaian distribusi normal dan eksponensial.
1.5.2 Asumsi
Dalam praktikum Probability and Distribution ini digunakan beberapa
asumsi, yaitu :
1. Data pengunjung yang datang
Adapun data yang akan digunakan untuk dilakukan analisis
diantaranya yaitu :
Dalam pengambilan data untuk penggunaan distribusi binomial
digunakan data dengan mengambil waktu kedatangan pengunjung
dengan menuliskan jenis kelamin pengunjung di warnet merapi
online.
2. Data lama pelayanan
Dalam pengambilan data lama pelayan pengunjung, dalam kasus ini
sengaja hanya mengambil 1 variabel karena akan digunakan sebagai
data eksponensial.
2
BAB II
TINJAUAN PUSTAKA
2.1 Pengertian Statistika
Statistika merupakan disiplin ilmu yang membahas mengenai metode-
metode ilmiah untuk pengumpulan, pengorganisasian, penyajian dan analisis
data, maupun menarik kesimpulan yang valid dan membuat keputusan yang
dapat diterima berdasarkan analisis. Ilmu statistik dibagi menjadi dua cabang
besar yaitu statistik deskriptif dan statistik inferensi. Statistik deskriptif adalah
sebuah kegiatan untuk mengumpulkan data, pengolahan data yang bertujuan
untuk menampilkan hasil olahan tersebut menjadi suatu bentuk informasi
tanpa memberi taksiran dan menarik sebuah kesimpulan terhadap hasil olahan
tersebut. Contoh dari statistika deskriptif yaitu peringkasan data dalam bentuk
tabulasi data (tabel), diagram balok (histogram), dan diagram roti (pie chart).
Tahap statistika yang hanya mencari penguraian dan analisis suatu
kelompok yang diberikan tanpa penarikan suatu kesimpulan atau inferensi
tentang kelompok yang lebih besar disebut statistik deskriptif atau deduktif.
Biasanya digunakan untuk perhitungan mean, median, dll dan penyajiannya
berupa grafik maupun diagram. Pengukuran yang diperoleh dari sebuah
eksperimen menghasilkan suatu nilai tertentu dari variable acak yang
diperhatikan dan mewakili sebuah pengukuran yang diambil dari sebuah
populasi, selanjutnya kita dapat menghitung probabilitas kejadian numerik
yang diamati, yakni pengamatan sampel.
Sedangkan statistik inferensi hingga menarik kesimpulan mengenai
populasi dalam hal tidak mungkin atau tidak praktis mengamati himpunan
seluruh pengamatan yang membentuk populasi tersebut. Atau dengan kata lain
statistik inferensi merupakan metode yang berkaitan dengan analisis data
untuk peramalan dan atau penarikan kesimpulan. Contoh dari statistik
inferensia yaitu metode pendugaan statistik, pengujian hipotesis, regresi dan
korelasi.
2.2 Variabel Acak
Variabel acak atau peubah acak adalah suatu fungsi yang mengaitkan suatu
bilangan real pada setiap unsur dalam ruang sampel. Variabel acak dinyatakan
dengan huruf besar, misalnya X, sedangkan nilainya dinyatakan dengan huruf
kecil padanannya, misalnya x. Pada dasarnya, variabel acak dapat digolongkan
menjadi 2 jenis, yaitu diskret dan kontinu. Jika suatu ruang sampel
mengandung titik yang berhingga banyaknya atau sederetan anggota yang
banyaknya sebanyak bilangan bulat, maka ruang sampel itu disebut ruang
sampel diskret. Sedangkan bila ruang sampel mengandung titik sampel yang
tak berhingga banyaknya dan banyaknya sebanyak titik pada sepotong garis,
maka ruang sampel itu disebut ruang sampel kontinu. Perbedaan antara
variabel acak diskret dan kontinu merupakan hal yang penting, karena model
probabilitas juga dibagi menjadi 2, yaitu :
1. Distribusi Peluang Diskret
Yaitu sebuah tabel atau rumus yang mencantumkan semua kemungkinan
nilai variabel acak diskrit dan setiap nilainya dengan peluang tertentu.
Distribusi peluang diskret terbagi atas 7, yaitu :
a. Distribusi Seragam Diskret
Distribusi peluang diskret yang paling sederhana ialah yang peubah
acaknya memperoleh semua nilainya dengan peluang yang sama.
Distribusi peluang semacam itu disebut distribusi seragam diskret. Bila
3
peubah acak X mendapat nilai
x x x k
,.... ,
2 1
, dengan peluang yang sama,
maka distribusi seragam diskret diberikan oleh :
( ) ,
1
;
k
k x f

x x x k
x ,.... ,
2 1

b. Distribusi Binomial
Suatu percobaan sering terjadi atas beberapa usaha, tiap usaha dengan
dua kemungkinan hasil yang dapat diberi nama sukses atau gagal. Hal
ini terjadi, misalnya pada pengujian barang hasil produksi, dengan tiap
pengujian atau usaha dapat menunjukkan apakah suatu barang cacat
atau tidak cacat. Proses seperti ini disebut proses Bernoulli. Tiap usaha
disebut usaha Bernoulli.
Suatu usaha Bernoulli dapat menghasilkan sukses dengan peluang
p

dan gagal dengan peluang
p q 1
, maka distribusi peluang peubah
acak binomial
X
, yaitu banyaknya sukses dalam
n
usaha bebas, ialah
( ) n x q p
x
n
p n x b
x n x
,.., 2 , 1 , 0 , , ;

,
_


Distribusi binomial
( ) p n X b , ;
mempunyai rataan dan variansi
np
dan
npq
2

.
c. Distribusi Multinomial
Percobaan binomial menjadi percobaan multinomial bila tiap usaha dapat
memberikan lebih dari 2 hasil yang mungkin. Penarikan suatu kartu dari
sekotak bridge dengan pengambilan juga merupakan percobaan
multinomial bila yang menjadi perhatian ke empat warna kartu.
d. Distribusi Hipergeometrik
Perbedaan atara distribusi binomial dan distribusi hipergeometrik
terletak pada cara pengambilan sampelnya. Distribusi peluang peubah
acak hipergeometrik
X
yaitu banyaknya sukses dalam sampel acak
ukuran
n
yang diambil dari
N
benda yang mengandung
k
bernama
sukses dan
k N
bernama gagal, ialah
( )

,
_

,
_

,
_

n
N
x n
k N
x
k
k n N x h , , ;
,
n x ,...., 2 , 1 , 0
f. Distribusi Geometrik
Distribusi binomial negatif menyusut menjadi
( ) .... 3 , 2 , 1 , , 1 ; *
1


x p p x b
q
x
. Karena urutan semua suku ini membentuk deret geometrik, maka
biasanya hal khusus ini disebut distribusi geometrik dan dinyatakan
dengan
( ) p x g ;
. Bila usaha yang saling bebas dan dilakukan berulang kali
menghasilkan sukses dengan peluang
p
, gagal dengan peluang
p q 1
, maka distribusi peluang peubah acak
X
, yaitu banyaknya usaha
sampai saat terjadi sukses yang pertama, diberikan oleh
( )
1
;

x
pq p x g
4
,... 3 , 2 , 1 x
. Rataan dan variansi peubah acak distribusi geometrik adalah
p
1

dan
2
2
1
p
p

.
g. Distribusi Poisson
Percobaan yang menghasilkan peubah acak
X
yang bernilai numerik,
yaitu banyaknya hasil selama selang waktu tertentu atau dalam daerah
tertentu, disebut percobaan poisson. Panjang selang waktu tersebut
boleh berapa saja, semenit, sehari, seminggu, sebulan, atau malah
setahun.
Distribusi peluang peubah acak poisson
X
, yang menyatakan
banyaknya sukses yang terjadi dalam suatu selang waktu atau daerah
tertentu dinyatakan dengan
t
, diberikan oleh :
( )
( )
!
;
x
t
t x p
x t
e

,
,... , 2 , 1 , 0 x
t
menyatakan rata-rata banyaknya sukses yang terjadi per satuan
waktu atau daerah tersebut dan
...... 71828 , 2 e
. Rataan dan variansi
distribusi poisson
( ) t x p ;
keduanya sama dengan
t
.
5
2. Distribusi Peluang Kontinu
Distribusi peluang untuk variabel acak kontinu tidak dapat disajikan dalam
bentuk tabel, karena mempunyai peluang nol pada setiap titik
x
. Kendati
distribusi peluang peubah acak kontinu tidak dapat disajikan dalam bentuk
tabel, mungkin dapat disajikan dalam bentuk rumus. Distribusi peluang
kontinu terbagi atas 5, yaitu :
a. Distribusi Normal
Distribusi peluang kontinu yang terpenting dalam seluruh bidang
statistika adalah distribusii normal. Grafiknya disebut kurva normal,
berbentuk lonceng yang menggambarkan dengan cukup baik banyak
gejala yang muncul di alam, industri, dan penelitian. Persamaan
matematika distribusi peluang peubah normal kontinu bergantung pada
dua parameter

dan

, yaitu rataan dan simpangan bakunya. Jadi


fungsi padat
X
akan dinyatakan dengan
( ) , ; x n
.
Fungsi padat peubah acak normal
X
, dengan rataan

dan variansi
2

,
ialah
( )
( ) [ ]
2
/ 2 / 1
2
1
, ;

x
e x n
,
, < < x
dengan
14159 , 3
dan
71828 , 2 e
b. Distribusi Eksponensial
Distribusi gamma dengan
1
disebut distribusi eksponensial. Distribusi
eksponensial digunakan dalam teori keandalan dan waktu tunggu atau
teori antrian. Peubah acak kontinu
X
berdistribusi eksponensial, dengan
parameter

, bila fungsi padatnya berbentuk :


( )

'

/
, 0
1
x
e x f

, _ _
0
lainnya x untuk
x >
dengan
0 >
c. Distribusi Gamma
Distribusi gamma adalah distribusi fungsi padat yang terkenal luas dalam
bidang matematika. Fungsi gamma didefinisikan sebagai
( )

0
1
dx e x r
x

untuk
0 >
.
6
BAB III
METODOLOGI PENELITIAN
3.1Penggunaan Data
Objek data yang digunakan pada praktikum Probability and distribution antara
lain:
1. Data pengunjung setiap 10 menit sebanyak 30 data menurut jenis
kelamin sebagai data untuk binomial.
2. Obyek data yang diambil yaitu data waktu antar kedatangan di ATM
BNI digunakan sebagai data untuk distribusi uniform, daftar gender
pengunjung di ATM BCA digunakan sebagai data binomial, data jumlah
kedatangan Customer per 10 menit di swalayan Carefour sebagai uji
kesesuaian distribusi uniform dan poisson, sedangkan Data Lama Waktu
Pelayanan di Bank BNI Jl. Laksda Adi Sucipto, digunakan sebagai uji
kesesuaian distribusi normal dan eksponensial.
3.2 Waktu dan Tempat Praktikum
1. Waktu
Tanggal 13 Desember 2010.
2. Tempat pengambilan data.
ATM BNI, ATM BCA, Swalayan Carefour, dan Bank BNI Jl. Laksda Adi Sucipto.
3.3 Metode Pengumpulan Data
Metode pengumpulan data yang dipergunakan pada praktikum probability
and distribution, yaitu dengan cara sebagai berikut :
1. Observasi
Dilakukan dengan mengamati objek secara langsung, yang akan
dijadikan sebagai data yang dipergunakan dalam pengolahan data.
2. Studi Pustaka
Melakukan pencarian terhadap data-data yang dapat menunjang
dalam pengumpulan ,pengolahan dan analisa terhadap objek praktikum.
Pada praktikum kali ini studi pustaka dilakukandengan mencari literatur-
literatur yang terkait dengan eksplorasi dan analisis data, serta gambaran
umum tema praktikum.
Serta pengumpulan data dalam metode ini dilakukan dengan
melakukan pengamatan dan pencatatan terhadap arsip pada tempat
pengambilan data berupa Data kedatangan pengunjung selama 10 menit
sebagai data berdistribusi binomial. Data pada pelayanan dan jumlah
pelayanan selama melayani pelanggan sebagai data ekponensial.
7
3.4 Diagram Alir
Uraian langkah pada praktikum probability and distribution kami wujudkan
dalam flow chart berikGambar1.
Diagram Alir praktikum Probability and Distribution
3.5 Alat dan Bahan
Peralatan dalam survey data pada praktikum probability and distribusi,
digunakan untuk mencatat data hasil survey. Peralatan tersebut antara lain :
1. Stopwatch
2. Pena
3. kertas
4. Penggaris
Bahan penelitian meliputi data yang terdapat pada tempat pengambilan data
yaitu swalayan. Dimana kita dapat mengambil data.
8
3.6 Pelaksanaan Praktikum
Langkah pelaksanaan praktikum yang dilaksanakan dapat diurutkan sebagai
berikut :
1. Melakukan studi kepustakaan atau observasi.
2. Mengidentifikasi masalah yang akan dibahas.
3. Menentukan objek yang nantinya akan dijadikan penelitian.
4. Melakukan pengumpulan data, baik data diskrit maupun data kontinyu serta
melakukan pengujian distribusi.
5. Melakukan penentuan ukuran pemusatan dan penyebaran data.
6. Melakukan penentuan parameter masing-masing distribusi yang ada.
7. Melakukan penentuan clustering data.
9
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Pengumpulan Data
Pada praktikum ini data diperoleh dengan cara melakukan Observasi
atau pengamatan pada obyek-obyek yang telah ditentukan dan ditempat
yang telah ditentukan. Data-data yang diperoleh yaitu, data waktu antar
kedatangan, data binomial, data jumlah kedatangan, dan data lama
pelayanan. Adapun datanya terlampir.
4.2 Pengolahan Data
4.2.1. Pengolahan Data Binomial
1. Uji Binomial
a. Uji binomial dengan menggunakan SPSS
Tabel 4.1 Tabel binomial test dengan spss
Binomial Test
Category N Observed Prop. Test Prop. Asymp. Sig. (2-tailed)
gender Group 1 1 15 .50 .50 1.000
a
Group 2 2 15 .50
Total 30 1.00
a. Based on Z Approximation.
Berdasarkan tabel diatas dapat diketahui: kategori laki-laki berjumlah 15
orang dan perempuan berjumlah15 orang. Presentasi untuk laki-laki
sebesar 50% dan perempuan 50% sehingga tidak ada yang lebih dominan.
Untuk test prop. NIlai Signifikansi yang didapat adalah sebesar 1.
Ho = Peluang perolehan gender adalah berbanding sama
H1 = Peluang perolehan gender adalah berbanding tidak sama
Dan pengambilan keputusannya berdasarkan nilai signifikansinya, yaitu :
Jika nilai signifikansi > 0,05 maka Ho diterima.
Jika nilai signifikansi < 0,05 maka Ho ditolak.
b. Uji binomial dengan menggunakan Tabel
Dari data hasil pengamatan ,terdapat sampel 30 sampel gender data
binomial dan dari 30 sampel tersebut diantaranya L (laki laki) dan
P(perempuan).
Tabel 4.2 Tabel binomial test
Pengunjung Frekuensi
Laki-laki 15
Perempuan 15
Total (N) 30
Berdasarkan table diatas, dapat diketahui proporsi jenis kelamin
pengunjung. Keseluruhan data pengamatan (N) adalah 30 pengunjung.
Dari keseluruhan pengunjung tersebut 15 diantaranya berjenis kelamin
perempuan dan 15 diantaranya berjenis laki-laki. Dan untuk nilai harga P
tabel yaitu 0,9987 (berdasarkan tabel test binomial). Untuk hipotesisnya
yaitu sebagai berikut :
Ho = Peluang perolehan gender adalah berbanding sama
H1 = Peluang perolehan gender adalah berbanding tidak sama
10
Dan pengambilan keputusannya berdasarkan harga P tabel test
binomial, dengan N adalah jumlah sampel keseluruhan dan x adalah
jumlah kategori gender yang terkecil dalam sampel tersebut, yaitu :
Jika nilai signifikansi > 0,01 maka Ho diterima.
Jika nilai signifikansi < 0,01 maka Ho ditolak.
2. Uji Run
Tabel 4.3 Tabel Runs test median dengan spss
Runs Test
gender
Test Value
a
2
Cases < Test Value 15
Cases >= Test Value 15
Total Cases 30
Number of Runs 16
Z .000
Asymp. Sig. (2-tailed) 1.000
a. Median
Berdasarkan table diatas, untuk uji run dengan menggunakan median
menunjukkan bahwa Test Value
a
sebesar 2, Cases < Test Value sebesar
15, Cases >= Test Value sebesar 15, Total Cases sebesar 30, Number of
Runs sebesar 16, Z sebesar 0,000 dan Asymp. Sig. (2-tailed) Sebesar
1,000. Untuk hipotesisnya yaitu sebagai berikut :
Ho = Peluang perolehan gender melalui proses acak
H1 = Peluang perolehan gender tidak melalui proses acak
Dan pengambilan keputusannya berdasarkan nilai signifikansinya, yaitu :
Jika nilai signifikansi > 0,05 (Alpha = 0,05) maka Ho diterima.
Jika nilai signifikansi < 0,05 (Alpha = 0,05) maka Ho ditolak.
Tabel 4.3 Tabel Runs test mean dengan spss
Runs Test 2
gender
Test Value
a
1.50
Cases < Test Value 15
Cases >= Test Value 15
Total Cases 30
Number of Runs 16
Z .000
Asymp. Sig. (2-tailed) 1.000
a. Mean
Berdasarkan table diatas, untuk uji run dengan menggunakan mean
menunjukkan bahwa Test Value
a
sebesar 1.5, Cases < Test Value sebesar
15, Cases >= Test Value sebesar 15, Total Cases sebesar 30, Number of
Runs sebesar 16, Z sebesar 0,000 dan Asymp. Sig. (2-tailed) Sebesar
1,000. Untuk hipotesisnya yaitu sebagai berikut :
Ho = Peluang perolehan gender melalui proses acak
11
H1 = Peluang perolehan gender tidak melalui proses acak
Dan pengambilan keputusannya berdasarkan nilai signifikansinya, yaitu :
Jika nilai signifikansi > 0,05 (Alpha = 0,05) maka Ho diterima.
Jika nilai signifikansi < 0,05 (Alpha = 0,05) maka Ho ditolak.
Tabel 4.4 Tabel Runs test mode dengan spss
Runs Test 3
gender
Test Value
a
2
b
Cases < Test Value 15
Cases >= Test Value 15
Total Cases 30
Number of Runs 16
Z .000
Asymp. Sig. (2-tailed) 1.000
a. Mode
b. There are multiple modes. The mode with
the largest data value is used.
Berdasarkan table diatas, untuk uji run dengan menggunakan mode
menunjukkan bahwa Test Value
a
sebesar 2, Cases < Test Value sebesar
15, Cases >= Test Value sebesar 15, Total Cases sebesar 30, Number of
Runs sebesar 16, Z sebesar 0,000 dan Asymp. Sig. (2-tailed) Sebesar
1,000. Untuk hipotesisnya yaitu sebagai berikut :
Ho = Peluang perolehan gender melalui proses acak
H1 = Peluang perolehan gender tidak melalui proses acak
Dan pengambilan keputusannya berdasarkan nilai signifikansinya, yaitu :
Jika nilai signifikansi > 0,05 (Alpha = 0,05) maka Ho diterima.
Jika nilai signifikansi < 0,05 (Alpha = 0,05) maka Ho ditolak
4.2.2. Pengolahan Data Eksponensial
1. Data Waktu Antar Kedatangan
a. Uji kesesuaian distribusi Uniform
Tabel 4.5 Tabel One-Sample Kolmogorov-Smirnov Test dengan spss
12
One-Sample Kolmogorov-Smirnov Test 2
TBA
N 30
Uniform Parameters
a,,b
Minimum 40.00
Maximum 100.00
Most Extreme Differences Absolute .617
Positive .617
Negative -.067
Kolmogorov-Smirnov Z 3.378
Asymp. Sig. (2-tailed) .000
a. Test distribution is Uniform.
b. Calculated from data.
Berdasarkan tabel diatas diketahui: Jumlah waktu antar kedatangan
sebesar 30 orang. Untuk uji uniform parametersa mempunyai nilai
minimum 40 dan max sebesar 100. Besarnya nilai Kolmogorov-Smirnov
Z 3.378, dengan nilai Asymp. Sig. (2-tailed) 0.000.
Dasar Pengambilan Keputusan:
H0 : Data Berdistribusi uniform
H1 : Data Tidak Berdistribusi uniform
Pengambilan Keputusan:
Berdasarkan nilai signifikansi:
Jika signifikansi > 0,05 maka H0 diterima
2. Data Jumlah Kedatangan Customer
a. Uji kesesuaian distribusi Uniform
Tabel 4.6 Tabel One-Sample Kolmogorov-Smirnov Test dengan spss
One-Sample Kolmogorov-Smirnov Test 2
JUMLAH
N 30
Uniform Parameters
a,,b
Minimum 1.00
Maximum 4.00
Most Extreme Differences Absolute .233
Positive .133
Negative -.233
Kolmogorov-Smirnov Z 1.278
Asymp. Sig. (2-tailed) .076
a. Test distribution is Uniform.
b. Calculated from data.
Berdasarkan tabel diatas diketahui: untuk test distribusi Uniform
Jumlah waktu antar kedatangan sebesar 30 orang. Untuk uniform
parametera,,b mempunyai nilai minimum sebesar 1 dan max sebesar
4. Besarnya nilai Kolmogorov-Smirnov Z 1.278 dengan nilai Asymp.
Sig. (2-tailed) 0.076.
Dasar Pengambilan Keputusan:
H0 : Data Berdistribusi uniform
H1 : Data Tidak Berdistribusi uniform
Pengambilan Keputusan:
13
Jika signifikansi > 0,05 maka H0 diterima
Jika signifikansi < 0,05 maka H0 ditolak
b. Uji kesesuaian distribusi Poisson
Tabel 4.7 Tabel One-Sample Kolmogorov-Smirnov Test dengan spss
One-Sample Kolmogorov-Smirnov Test 3
JUMLAH
N 30
Poisson Parameter
a,,b
Mean 2.6333
Most Extreme Differences Absolute .128
Positive .127
Negative -.128
Kolmogorov-Smirnov Z .699
Asymp. Sig. (2-tailed) .712
a. Test distribution is Poisson.
b. Calculated from data.
Berdasarkan tabel diatas diketahui: untuk test distribusi Poisson Jumlah
kedatangan sebesar 30 orang. Untuk poisson parametera,,b
mempunyai nilai mean sebesar 2.6333. Besarnya nilai Kolmogorov-
Smirnov Z 0.699 dengan nilai Asymp. Sig. (2-tailed) 0.712.
Dasar Pengambilan Keputusan:
H0 : Data Berdistribusi poisson
H1 : Data Tidak Berdistribusi poisson
Pengambilan Keputusan:
Berdasarkan nilai signifikansi:
Jika signifikansi > 0,05 maka H0 diterima
Jika signifikansi < 0,05 maka H0 ditolak
3. Data Lama Waktu Pelayanan
a. Uji kesesuaian distribusi normal
Tabel 4.8 Tabel One-Sample Kolmogorov-Smirnov Test dengan spss
One-Sample Kolmogorov-Smirnov Test
WAKTU
N 30
Normal Parameters
a,,b
Mean 152.5667
Std. Deviation 106.19588
Most Extreme Differences Absolute .190
Positive .190
Negative -.160
Kolmogorov-Smirnov Z 1.043
Asymp. Sig. (2-tailed) .227
a. Test distribution is Normal.
b. Calculated from data.
Berdasarkan tabel diatas diketahui: Jumlah kedatangan sebesar 30
orang. Untuk distribusi normal parametera,,b mempunyai nilai
mean sebesar 152.5667 dan std. Dev. sebesar 106.19588.
Besarnya nilai Kolmogorov-Smirnov Z 1.043, dengan nilai Asymp.
Sig. (2-tailed) 0.227.
Dasar Pengambilan Keputusan:
14
H0 : Data Berdistribusi normal
H1 : Data Tidak Berdistribusi Normal
Pengambilan Keputusan:
Berdasarkan nilai signifikansi:
Jika signifikansi > 0,05 maka H0 diterima
Jika signifikansi < 0,05 maka H0 ditolak
b. Uji kesesuaian distribusi exponensial
Tabel 4.9 Tabel One-Sample Kolmogorov-Smirnov Test dengan spss
One-Sample Kolmogorov-Smirnov Test 4
WAKTU
N 30
Exponential parameter.
a,,b
Mean 152.5667
Most Extreme Differences Absolute .164
Positive .094
Negative -.164
Kolmogorov-Smirnov Z .898
Asymp. Sig. (2-tailed) .395
a. Test Distribution is Exponential.
b. Calculated from data.
Berdasarkan tabel diatas diketahui: Jumlah kedatangan sebesar 30
orang. Untuk distribusi eksponensial parametera,,b mempunyai
nilai mean 152.5667. Besarnya nilai Kolmogorov-Smirnov Z 0.898
dengan nilai Asymp. Sig. (2-tailed) 0.395.
Dasar Pengambilan Keputusan:
H0 : Data Berdistribusi exsponensial
H1 : Data Tidak Berdistribusi exsponensial
Pengambilan Keputusan:
Berdasarkan nilai signifikansi
Jika signifikansi > 0,05 maka H0 diterima
Jika signifikansi < 0,05 maka H0 ditolak
15
BAB V
ANALISA DAN INTERPRETASI
5.1. Data Binomial
Pada pengolahan data pada bab sebelumnya, untuk data binomial
dilakukan dua uji. Yaitu uji binomial dan uji run. Untuk uji binomial
menggunakan dua cara yaitu menggunakan SPSS dan menggunakan tabel.
Pada uji binomial dengan menggunakan SPSS, menunjukkan nilai
signifikansinya sebesar 1.000. Berarti nilai signifikansinya lebih dari ( > ) 0,05.
Maka Ho diterima dan dapat disimpulkan bahwa peluang perolehan gender
pengunjung, baik itu laki-laki ataupun perempuan berbanding sama. Dan untuk
uji binomial menggunakan tabel menunjukkan harga P tabel test binomial
sebesar 0,9877. Berarti haraga P tabel test binomial lebih dari ( > ) 0,01. Maka
Ho diterima dan dapat disimpulkan bahwa peluang perolehan gender
pengunjung berbanding sama.
Untuk uji run, menunjukkan bahwa nilai signifikansinya baik mean,
median, ataupun modus nilainya sama, yaitu sebesar 1.000. Berarti
signifikansinya lebih dari ( > ) 0,05. Maka Ho diterima dan dapat disimpulkan
bahwa peluang perolehan gender pengunjung berbanding sama.
Jadi, pada data binomial yang diuji dengan uji binomial dan uji run
dapat disimpulkan bahwa peluang perolehan gender pengunjung melalui
proses acak dan berbanding sama.
5.2. Data Eksponensial
5.2.1. Data Waktu Antar Kedatangan
Untuk data waktu antar kedatangan, diuji dengan uji kesesuaian
distribusi uniform dengan menggunakan SPSS. Berdasarkan pengujian
tersebut menunjukkan nilai signifikansinya sebesar 0,000. Berarti
signifikansinya kurang dari ( < ) 0,05. Maka Ho ditolak dan dapat
disimpulkan bahwa waktu antar kedatangan pengunjung di BNI jln.
Laksda Adisucipto per 10 menit tidak bervariasi dan tidak mengikuti
distribusi Uniform.
5.2.2. Data Jumlah Kedatangan Customer
Untuk data jumlah kedatangan customer, dilakukan dua pengujian.
Yaitu uji kesesuaian distribusi uniform dan uji kesesuaian distribusi
poisson. Berdasarkan uji kesesuaian distribusi uniform menunjukkan nilai
signifikansinya sebesar 0,076. Berarti signifikansinya lebih dari ( > ) 0,05.
Maka Ho diterima dan dapat disimpulkan bahwa jumlah kedatangan
pengunjung di Carrefour per 10 menit bervariasi dan mengikuti distribusi
Uniform. Sedangkan berdasarkan uji kesesuaian distribusi poisson
menunjukkan nilai signifikansinya sebesar 0,712. Berarti signifikansinya
lebih dari ( > ) 0,05. Maka Ho diterima dan dapat disimpulkan bahwa
jumlah kedatangan pengunjung di Carrefour per 10 menit bervariasi dan
mengikuti distribusi poisson.
5.2.3. Data Waktu Lama Pelayanan
Untuk data waktu lama pelayanan, dilakukan dua pengujian. Yaitu uji
kesesuaian distribusi normal dan uji kesesuaian distribusi eksponensial.
Berdasarkan uji kesesuaian distribusi normal menunjukkan nilai
signifikansinya sebesar 0,277. Berarti signifikansinya lebih dari ( > ) 0,05.
Maka Ho diterima dan dapat disimpulkan bahwa waktu pelayanan
pengunjung di BNI jln. Laksda Adisucipto bervariasi dan mengikuti
16
distribusi normal. Sedangkan berdasarkan uji kesesuaian distribusi
eksponensial menunjukkan nilai signifikansinya sebesar 0,395. Berarti
signifikansinya kurang dari ( > ) 0,05. Maka Ho diterima dan dapat
disimpulkan bahwa waktu pelayanan pengunjung di BNI jln. Laksda
Adisucipto bervariasi dan mengikuti distribusi eksponensial.
17
BAB VI
PENUTUP
6.1 Kesimpulan
1. Dari hasil pengolahan data yang dilakukan untuk dan uji run daftar
gender pengunjung, dapat disimpulkan bahwa untuk uji binomial,
peluang perolehan gender, baik itu laki-laki ataupun perempuan
berbanding sama sedangkan untuk uji run disimpulkan bahwa
peluang perolehan gender melalui proses acak dan berbanding sama
antara pengunjung laki-laki ataupun perempuan.
2. Peluang yang cocok dalam pengambilan keputusan adalah distribusi
normal karena mempunyai nilai signifikansi paling besar sehingga
datanya berdistribusi normal. Karena distribusi normal adalah
distribusi yang mudah digunakan dalam pengambilan keputusan.
3. Untuk menganalisa data eksponensial dari kecenderungan datanya
dilakukan dengan melakukan beberapa pengujian dengan
menggunakan software SPSS, untuk waktu antar kedatangan
customer diuji dengan uji kesesuaian distribusi uniform dan
disimpulkan bahwa waktu antar kedatangan customer tidak
bervariasi dan tidak mengikuti distribusi uniform, untuk jumlah
kedatangan customer di Swalayan Carrefour dilakukan uji kesesuaian
distribusi uniform dan poisson dan didapat bahwa jumlah kedatangan
bervariasi dan mengikuti distribusi poisson, serta untuk data waktu
pelayanan per customer di Bank BNI jalan Laksda Adi Sucipto
dilakukan uji kesesuaian distribusi normal dan eksponensial dan
didapatkan bahwa waktu pelayanan pengunjung di BNI jln. Laksda
Adisucipto bervariasi dan mengikuti distribusi eksponensial.
6.2 Saran
1. Untuk menghasilkan data hasil pengamatan yang sesuai
ikutilah petunjuk dan perintah yang diberikan oleh asisten
dengan sebaik-baiknya.
2. Perlunya kekompakan antara sesama anggota kelompok dalam
pembuatan laporan praktikum ini agar diperoleh hasil yang
maksimal.
3. Gunakan waktu observasi pengumpulan data dengan sebaik-
baiknya agar waktu yang diberikan dapat dimanfaatkan dengan
sebaik-baiknya.
18
DAFTAR PUSTAKA
Farihah, Tutik. 2008. Modul Praktikum Statistik Industri 2. Yogyakarta: UIN Sunan
Kalijaga Yogyakarta.
G.Cohran, William. Sampling Techniques. Third ed. 1997. John Willey & Son
Sugiyono. Statistik Untuk Penelitian. Cetakan ke-7.2005.Bandung: Alfabeta.
Santoso, Singgih.2008. Panduan lengkap menguasai SPSS 16. Jakarta: PT elex
media komputindo.
E. Walpole, Ronald and Raymond H. Myers.1995. Ilmu Peluang dan statistika untuk
insiyur dan ilmuwan. Bandung: Penerbit ITB.
19