BAB IV

PENGOLAHAN DATA DAN ANALISIS

Bab ini berisikan pengolahan dan analisis data mengenai data kendaraan di
Jalan Pasar Baru Kota Padang dan data siswa-siswi IPA SMA Bunga Bangsa
kelas 12 Kota Padang. Data akan disajikan dalam bentuk tabel dan grafik.

4.1 Pengolahan Data

Pada subbab pengolahan data ini, data kendaraan di jalan pasar baru Kota
Padang dan data siswa-siswi IPA SMA Bunga Bangsa Padang akan diolah
berdasarkan distribusi variabel acak diskrit dan kontinu yaitu sebagai berikut :

4.1.1 Perhitungan Distribusi Poisson

Data kendaraan yang melalui Jalan Pasar Baru Kota Padang pada Pukul
09.00 – 12.00 WIB diolah menggunakan distribusi poisson dengan cara
menghitung jumlah kendaraan yg melewati jalan tersebut dengan rentang waktu
25 detik sehingga diperoleh hasil data yang akan digunakan dalam perhitungan
distribusi poisson yaitu sebagai berikut :

Tabel 4.1 Rekapitulasi Jumlah Kendaraan Per 25 Detik di Jalan Pasar Baru Kota
Padang Pukul 09.00 - 12.00 WIB (Lanjutan)
0 2 2 0 0 3 0 1 3 2 5 1
1 2 3 0 0 1 1 1 0 2 3 1
1 2 1 1 2 0 0 0 1 2 3 1
1 2 2 0 0 0 1 0 1 0 1 2
2 0 1 0 0 1 0 0 1 1 1 1
0 2 2 0 0 1 1 1 0 1 1 1
0 0 1 1 1 0 2 2 3 0 2 0
1 1 0 1 0 0 0 0 1 0 2 1
2 1 1 1 0 1 1 2 4 1 4 1
1 1 1 0 0 1 0 2 1 1 3 2
2 2 1 1 0 1 0 1 1 1 2 2
2 2 0 2 1 2 0 0 3 2 3 1
0 0 0 0 2 0 2 2 1 0 3 2
0 1 0 1 1 0 0 2 0 0 4 1
0 1 1 1 0 0 0 2 0 0 2 2
1 4 1 1 0 0 1 0 0 0 3 1
1 0 0 1 0 1 2 1 1 1 2 3
2 0 0 1 2 0 0 2 1 0 2 3
 Jumlah data : 432
Data maks :6
Data min :0
Range : data maks-data min = 6
Jumlah kelas : 1 + 3,3 Log (N) = 9,6971 ≈ 10
range 6
Lebar kelas = = 06
jumlah kelas 10

Berikut ini ditampilkan tabel rekapitulasi perhitungan lamda waktu

kedatangan kendaraan per 25 detik :

Tabel 4.2 Perhitungan Lamda Jumlah Kendaraan per 25 Detik di Jalan Pasar Baru
Kota Padang Pukul 09.00-12.00 WIB
X fi Fi fi.X µ λ (X-µ)^2 fi(X-µ)^2 σ^2 σ
0 145 145 0 1,260 182,761
1 154 299 154 0,015 2,318
2 90 389 180 0,770 69,271
3 27 416 81 3,524 95,156
4 11 427 44 8,279 91,068
5 4 431 20 1,123 0,891 15,034 60,134 1,214 1,102
6 1 432 6 23,788 23,788
7 0 432 0 34,543 0,000
8 0 432 0 47,297 0,000
9 0 432 0 62,052 0,000
10 0 432 0 78,807 0,000
432 485 524,498

Contoh perhitungan :
1) Menentukan nilai μ
Ʃfi.xi
μ =
Ʃ fi
485
=
432
= 1,123

2) Menentukan nilai λ
1
λ =
μ
 1
=
1, 123
= 0,891
Berikut ini ditampilkan tabel hasil perhitungan probabilitas jumlah kedatangan
kendaraan :

Tabel 4.3 Perhitungan Probabilitas Jumlah Kendaraan Per 25 Detik di Jalan Pasar
Baru Kota Padang Pukul 09.00 - 12.00 WIB
Distribusi Poisson Distribusi Normal
X Teoritis Empiris Empiris
PDF CDF PDF CDF PDF CDF
0,000 0,336 0,336 0,325 0,325 0,154 0,154
1,000 0,356 0,692 0,365 0,691 0,302 0,456
2,000 0,208 0,900 0,205 0,896 0,331 0,787
3,000 0,063 0,963 0,077 0,973 0,169 0,956
4,000 0,025 0,988 0,022 0,994 0,040 0,995
5,000 0,009 0,998 0,005 0,999 0,004 1,000
6,000 0,002 1,000 0,001 1,000 0,000 1,000
7,000 0,000 1,000 0,000 1,000 0,000 1,000
8,000 0,000 1,000 0,000 1,000 0,000 1,000
9,000 0,000 1,000 0,000 1,000 0,000 1,000

Pada Tabel 4.3 menampilkan pengolahan data distribusi poisson dengan

pendekatan kepada distribusi normal. Rumus empiris diperoleh dari probabilitas
dari rentang kendaraan yang, lewat, sedangkan teoritis menggunakan rumus dari
distribusi poisson & normal.

Contoh perhitungan :

λ x . e-λ
P (x) =
x!

Untuk :
0,834 2 . 2,71828- 0,8339
P (2) =
2!
= 0,356
 0,834 4 . 2,71828-0,8339
P (4) =
4!
= 0,063
4.1.2 Perhitungan Distribusi Eksponensial

Pada distribusi ekponensial menggunakan data tentang waktu antar

kedatangan kendaraan selama pengambilan data untuk diolah. Waktu antar
kedatangan yang akan diolah dimulai dari pukul 09.00-12.00 WIB yang akan
menghasilkan probabilitas waktu kedatangan tersebut dengan menggunakan
distribusi eksponensial. Berikut merupakan pengolahan data waktu kedatangan.

Tabel 4.4 Nilai Hasil Kelola Data Kendaraan Distribusi Eksponensial

Tabel 4.4 menjadi dasar/parameter dalam perhitungan distribusi

eksponensial. Hasil pengolahan distribusi eksponensial dapat dilihat pada tabel
berikut:
Contoh perhitungan :
1) Range = Max – Min
= 4,6 – 0
= 4,6

2) Lebar kelas = Range/ Jumlah kelas

= 0,46/ 10
= 0,46 ≈ 0,5
Tabel 4.5 Hasil Perhitungan Data Kendaraan dengan Distribusi Eksponensial
Empiris Teoritis
Kelas BB BA Xi fi Fi
Oi fi Fi Oi fi Fi
1 0 0,5 0,3 394 394 382 0,788 0,788 358,997 0,490 0,490
2 0,5 1,0 0,8 57 451 69 0,142 0,930 93,267 0,377 0,868
3 1,0 1,5 1,3 16 467 16 0,033 0,963 24,231 0,098 0,966
4 1,5 2,0 1,8 12 479 12 0,025 0,988 6,295 0,025 0,991
5 2,0 2,5 2,3 4 483 4 0,008 0,996 1,635 0,007 0,998
6 2,5 3,0 2,8 1 484 1 0,002 0,998 0,425 0,002 0,999
7 3,0 3,5 3,3 0 484 0 0 0,998 0,110 0 1
8 3,5 4,0 3,8 0 484 0 0 0,998 0,029 0 1
9 4,0 4,5 4,3 0 484 0 0 0,998 0,007 0 1
10 4,5 5,0 4,8 1 485 1 0,002 1 0,002 0 1
Jumlah 485 1

Tabel 4.5 merupakan perhitungan probabilitas waktu kedatangan dari

setiap jumlah kendaraan yang melewati Jalan Pasar Baru Kota Padang dalam
selang waktu 09.00-12.00 WIB.

Contoh perhitungan :
1) Menentukan frekuensi probabilitas
Qi
fi =
485
382
=
485
= 0,7876

2) Menentukan nilai Oi
Oi teoritis = Ʃfi . (e -λ x ) - (e -λ x )
Dengan e = 2,71828
Oi (1) = 485 . (2,71828-2,699 . 1 ) – (2,71828-2,699 . 0,5)
= 358,997

4.1.3 Perhitungan Distribusi Normal

 Perhitungan pada distribusi normal ini, data yang digunakan adalah nilai
rata-rata rapor siswa/i IPA SMA Bunga Bangsa Padang. Berikut merupakan
pengolahan data nilai siswa/i.

Tabel 4.6 Nilai Hasil Kelola dari Nilai Rata-rata Siswa Distribusi Normal
Ukuran Pemusatan Data
Jumlah Data 213
Nikai Maksimum 94,3
Nilai Minimum 78,7
Range 15,7
Banyak Kelas 8,7 ≈ 9
Panjang Kelas 1,7 ≈ 2

Tabel 4.6 merupakan parameter yang digunakan dalam pengolahan nilai

rata-rata siswa/i (IPA) SMA N Bunga Bangsa Padang. melalui parameter tersebut
data dapat diolah dengan distribusi normal sehingga menghasilkan perhitungan
sebagai berikut :
Contoh perhitungan :
1) Range = Max – Min
= 94,3 – 78,7
= 15,7

2) Panjang kelas = Range/ Banyak kelas

= 15,7 / 9
= 1,7 ≈ 2

Tabel 4.7 Hasil Perhitungan Nilai Rata-rata Siswa dengan Distribusi Normal
EMPIRIS TEORITIS
KELAS BB BA fi
Xi fr fk fi . Xi µ (Xi-µ)^2 fi(Xi-µ)^2 σ^2 σ PDF CDF
1 78,67 80,67 1 79,667 0,005 0,005 79,667 62,804 62,804 0,003 0,003
2 80,67 82,67 7 81,667 0,033 0,038 571,667 35,104 245,730 0,016 0,019
3 82,67 84,67 28 83,667 0,131 0,169 2342,667 15,405 431,332 0,066 0,085
4 84,67 86,67 42 85,667 0,197 0,366 3598,000 3,705 155,617 0,165 0,250
5 86,67 88,67 55 87,667 0,258 0,624 4821,667 0,006 0,310 0,260 0,510
87,592 8,182 2,860
6 88,67 90,67 54 89,667 0,254 0,878 4842,000 4,306 232,530 0,255 0,766
7 90,67 92,67 17 91,667 0,080 0,958 1558,333 16,607 282,312 0,157 0,923
8 92,67 94,67 9 93,667 0,042 1 843,000 36,907 332,163 0,060 0,983
9 94,67 96,67 0 95,667 0,000 1 0 65,208 0 0,014 0,998
Jumlah 213 1 18657 1742,798 0,497
 Tabel 4.7 merupakan pengolahan nilai siswa-siswi (IPA) SMA Bunga
Bangsa Padang dengan menggunakan distribusi normal secara empiris dan secara
teoritis. Perhitungan empiris normal diperoleh dari probabilitas rentang dari nilai
rata-rata siswa/i, sedangkan perhitungan teoritis menggunakan rumus.

Contoh perhitungan :
3) Menentukan parameter rata-rata (μ) :
Ʃfi . Xi
μ =
Ʃfi
18657
=
213
= 87,592

4.1.4 Perhitungan Distribusi Binomial

Perhitungan pada distribusi binomial ini, data yang digunakan adalah data
siswa/i (IPA) SMA N Bunga Bangsa yang akan melanjutkan kuliah atau tidak
kuliah data dibagi menjadi 10 trial kemudian dicari probabilitas apakah siswa
tersebuat lanjut kuliah atau tidak, berikut hasil pengolahan data probabilitas
siswa/i yang melanjutkan kuliah dan tidak.

Tabel 4.8 Probabilitas yang lanjut kuliah

Lanjut Kuliah
Sampel / Trial Jumlah P(X=Ya) P(Y=Tidak)
Ya Tidak
1 18 3 21 0,857 0,143
2 17 4 21 0,81 0,19
3 19 2 21 0,905 0,095
4 17 4 21 0,81 0,19
5 20 1 21 0,952 0,048
6 19 2 21 0,905 0,095
7 19 2 21 0,905 0,095
8 16 5 21 0,762 0,238
9 18 3 21 0,857 0,143
10 19 2 21 0,905 0,095
Jumlah 182 28 210
Probabilitas 0,8666667 0,1333333 1
 Pada Tabel 4.8 merupakan probabilitas siswa/i (IPA) SMA N Bunga
Bangsa yang akan melanjutkan kuliah dan tidak, hasil tersebut kemudian diolah
dengan dengan menggunakan distribusi binomial, berikut hasil pengolahan data
tersebut.

Tabel 4.9 Pengolahan Data Secara Empiris

Distribusi Binomial Empiris
n/x 0 1 2 3 4 5 6 7 8 9 10
1 0,14 0,86
2 0,03 0,28 0,69
3 0,01 0,05 0,32 0,63
4 0,03 0,01 0,06 0,38 0,51
5 0,01 0,00 0,01 0,05 0,34 0,48
6 0,01 0,00 0,00 0,01 0,05 0,39 0,44
7 0,01 0,00 0,00 0,00 0,01 0,05 0,13 0,40
8 0,03 0,00 0,00 0,00 0,00 0,02 0,04 0,16 0,30
9 0,02 0,00 0,00 0,00 0,00 0,01 0,01 0,02 0,10 0,26
10 0,01 0,00 0,00 0,00 0,00 0,01 0,01 0,01 0,02 0,31 0,23

Tabel 4.10 Pengolahan Data Secara Teoritis

Distribusi Binomial Teoritis
N/x 0 1 2 3 4 5 6 7 8 9 10
1 0,133 0,867
2 0,018 0,231 0,751
3 0,002 0,046 0,300 0,651
4 0,000 0,008 0,080 0,347 0,564
5 0,000 0,001 0,018 0,116 0,376 0,489
6 0,000 0,000 0,004 0,031 0,150 0,391 0,424
7 0,000 0,000 0,001 0,007 0,047 0,183 0,396 0,367
8 0,000 0,000 0,000 0,002 0,012 0,065 0,211 0,392 0,318
9 0,000 0,000 0,000 0,000 0,003 0,019 0,084 0,235 0,382 0,276
10 0,000 0,000 0,000 0,000 0,001 0,005 0,028 0,104 0,255 0,368 0,239

Pada Tabel 4.9 dan Tabel 4.10 merupakan hasil pengolahan data secara
empiris dan teoritis. Hasil pengolahan data tersebut didapatkan dengan
menggunakan distribusi binomial, rumus perhitungan secara teoritis yaitu sebagai
berikut :
x
f(x) = n p x
nx

x ()
Pada perhitungan nilai n merupakan trial ke-n atau banyak nya
pengulangan dan untuk x adalah banyaknya yang melanjutkan kuliah dalam n
kali pengulangan untuk nilai p merupakan peluang yang melanjutkan kuliah dan q
merupakan peluang yang tidak melanjutkan kuliah. Nila p dan q didapatkan pada
Tabel 4.8 sehingga didapatkan nilai probabilitas pada Tabel 4.10 yang
merupakan perhitungan distribusi binomial secara teoritis

Contoh Perhitungan :
P (4) = C44 . p4 . q4-4
= 1 . 0,564 . 1
= 0,564

4.1.5 Perhitungan Distribusi Geometrik

Distribusi geometrik digunakan untuk menghitung probabilitas siswa

perempuan dan laki-laki (IPA) SMA Bunga Bangsa Padang dengan cara
membagi data menjadi 10 sampel trial kemudian dihitung probabilitas jumlah
siswa. Berikut hasil pengolahan probabilitas data jumlah siswa perempuan dan
laki-laki.

Tabel 4.11 Probabilitas Proporsi Siswa/i (IPA) SMA Bunga Bangsa Padang
Jenis Kelamin Probabilitas
Sampel/Trial Jumlah Jumlah
Perempuan Laki-laki Perempuan Laki-laki
1 10 11 21 0,048 0,052 0,1
2 9 12 21 0,043 0,057 0,1
3 10 11 21 0,048 0,052 0,1
4 10 11 21 0,048 0,052 0,1
5 10 11 21 0,048 0,052 0,1
6 7 14 21 0,033 0,067 0,1
7 10 11 21 0,048 0,052 0,1
8 7 14 21 0,033 0,067 0,1
9 12 9 21 0,057 0,043 0,1
10 9 12 21 0,043 0,057 0,1
Total 94 116 210 1
Probabilitas 0,447619048 0,552381

Pada Tabel 4.11 menampilkan hasil probabilitas jumlah siswa perempuan

dan laki-laki berdasarkan 10 trial. Jumlah trial ini didapatkan dari total jumlah
siswa dibagi 21 per trial, maka didapatkan jumlah masing-masing probabilitas
jumlah laki-laki dan perempuan. Kemudian dihitung probabilitas muncul pertama
kali siswa-siswi dari proporsi tersebut.
Contoh perhitungan :
1) Probabilitas Perempuan = 10 / 210
= 0,048

2) Probabilitas Laki-laki = 11 / 210

= 0,052

Tabel 4.12 Probabilitas Keseluruhan

Jenis Kelamin Probabilitas
Perempuan 0,448
Laki-laki 0,552

Pada Tabel 4.12 menampilkan probabilitas keseluruhan jumlah siswa

perempuan dan laki-laki sehingga dapat dilakukan pengolahan jumlah perempuan
dan laki-laki secara empiris dan teoritis seperti tabel berikut :

Tabel 4.13 Nilai perhitungan Probabilitas Perempuan

Empiris Teoritis
x
P(x) P(X ≤ x) P(x) P(X ≤ x)
1 0,476 0,476 0,448 0,448
2 0,224 0,701 0,247 0,695
3 0,143 0,843 0,137 0,831
4 0,075 0,918 0,075 0,907
5 0,039 0,957 0,042 0,949
6 0,014 0,971 0,023 0,972
7 0,014 0,985 0,013 0,984
8 0,005 0,990 0,007 0,991
9 0,006 0,996 0,004 0,995
10 0,002 0,998 0,002 0,997
Tabel 4.14 Nilai Perhitungan Probabilitas Laki-laki
Empiris Teoritis
x
P(x) P(X ≤ x) P(x) P(X ≤ x)
1 0,524 0,524 0,448 0,448
2 0,272 0,796 0,247 0,695
3 0,107 0,903 0,137 0,831
4 0,051 0,954 0,075 0,907
5 0,024 0,978 0,042 0,949
6 0,015 0,993 0,023 0,972
7 0,004 0,997 0,013 0,984
8 0,002 0,999 0,007 0,991
9 0,000 0,999 0,004 0,995
10 0,000 1,000 0,002 0,997

Pada Tabel 4.13 dan Tabel 4.14 menampilkan hasil pengolahan

probabilitas siswa perempuan dan laki-laki SMA Bunga Bangsa Padang.
Pengolahan data dilakukan secara empiris dan teoritis pada siswa perempuan dan
laki-laki sehingga didapatkan perbandingannya. Perhitungan empiris diperoleh
dengan rentang probabilitas dari jumlah perempuan dan laki-laki sedangkan
perhitungan teoritis menggunakan rumus
Contoh perhitungan :
1) Probabilitas kumulatif P(X ≤ x) = 0,476 + 0,224
= 0,796
4.2 Analisis

Analisis dari pengolahan data akan disajikan dalam bentuk grafik yang
didapatkan dari pengolahan data dengan distribusi poisson, distribusi
eksponensial, distribusi normal, distribusi binomial dan distribusi geometrik

4.2.1 Distribusi Poisson

Data yang digunakan pada distribusi poisson ini adalah data jumlah
kendaraan yang lewat dalam interval waktu 25 detik
 Gambar 4.1 PMF Kedatangan Kendaraan

Gambar 4.2 CDF Kedatangan Kendaraan

Pada Gambar 4.1 dan Gambar 4.2 merupakan probabilitas jumlah
kendaraan yang lewat dalam interval waktu 25 detik di Jalan Pasar baru Kota
Padang. Dari Gambar 4.1 terlihat bahwa semakin bertambahnya nilai x maka
probabilitas jumlah kendaraan yang lewat semakin menurun. Pada Gambar 4.2
dapat dilihat terdapat tiga metode pendekatan yaitu secara empiris, teoritis, dan
normal. Pada metode empiris dan normal sangat berbeda nilai x nya. Namun, pada
pendekatan antara teoritis dengan pendekatan empiris hanya sedikit perbedaan,
hal ini dikarenakan distribusi teoritis dapat mencapai x tak hingga, sedangkan
pendekatan pada normal merupakan pendekatan yang parameternya hampir sama.

4.2.2 Distribusi Eksponensial

Data yang digunakan pada distribusi eksponensial ini menggunakan waktu

antar kedatangan kendaraan di Jalan Pasar baru Kota Padang.

Gambar 4.3 PDF Waktu Antar Kedatangan Kendaraan

 Gambar 4.4 CDF Waktu Antar Kedatangan Kendaraan

Pada Gambar 4.3 merupakan probabilitas waktu antar kedatangan

kendaraan yang melewati Jalan Pasar Baru Kota Padang. Probabilitas waktu antar
kendaraan tertinggi terjadi pada kelas pertama dengan besar P(x) = 0,80 sehingga
dapat disimpulkan bahwa semakin tinggi rentang waktu pengamatan, maka
semakin kecil probabilitas kendaraan yang lewat. Pada Gambar 4.4 merupakan
frekuensi kumulatif dari probabilitas waktu antar kendaraan yang lewat sehingga
semakin tinggi rentang waktu pengamatan, maka probabilitas kendaraan yang
lewat juga semakin tinggi. Pada grafik, metode perhitungan secara empiris lebih
akurat karena perhitungan menggunakan percobaan langsung.

4.2.3 Distribusi Normal

Data yang digunakan pada distribusi normal ini menggunakan nilai rata-
rata siswa/i (IPA) SMA Bunga Bangsa Kota Padang
 Gambar 4.5 CDF Rata-rata Nilai Siswa/i SMA Bunga Bangsa

Gambar 4.6 CDF Rata-rata Nilai Siswa/i SMA Bunga Bangsa

Pada Gambar 4.5 merupakan PDF nilai rata-rata siswa/i SMA N Bunga
Bangsa Padang dimana dapat dilihat probabilitas rata-rata nilai siswa terbesar
berada pada kelas ke 6 dengan titik tengah pada nilai 89,16 dan probabilitas P(x)
= 0,3. Pada Gambar 4.6 merupakan CDF dengan menggunakan metode empiris
dan teoritis dapat diketahui bahwa nilai rata-rata siswa (IPA) SMA Bunga Bangsa
Padang nilai empiris dan nilai teoritis hampir menunjukkan hasil yang sama. Hal
ini ditandai dengan probabilitas yang mencapai angka satu baik perhitungan
empiris maupun teoritis pada kelas pertama dan kelas kesembilan. Sehingga dapat
disimpulkan perhitungan pada probabilitas nilai rata-rata siswa (IPA) SMA Bunga
Bangsa sudah menunjukkan hasil yang cukup baik.
4.2.4 Distribusi Binomial

Pada pengolahan data siswa yang melanjutkan kuliah dan tidak

melanjutkan kuliah peneliti hanya mengolah data sebanyak 210 siswa sedangkan
siswa (IPA) SMA Bunga Bangsa berjumlah 213 siswa. Hal ini terjadi karena
peneliti membagi data menjadi sepuluh dengan trial yang dimulai dari nol sampai
sepuluh dan setiap trial terdapat 21 orang sehingga data hanya 210 siswa.
Distribusi binomial memiliki ciri-ciri dimana jumlah percobaan n harus tertentu
jumlahnya. Pada Tabel 4.9 dan Tabel 4.10 menggunakan perhitungan binomial
secara empiris dan teoritis terlihat pada masing-masing tabel kelas pertama
dengan trial kedua dikosongkan. Hal ini dikarenakan pada distribusi binomial
hanya terjadi peluang sukses dan peluang gagal sehingga kelas pertama hanya
terdapat dua probabilitas yaitu sukses dan gagal namun pada trial kedua sampai
trial kelima nilainya kosong atau sama dengan nol. Maka dapat disimpulkan
bahwa tabel distribusi secara empiris dan teoritis hanya memiliki 2 solusi yaitu
sukses dan gagal. Dari pengolahan tersebut terdapat 182 siswa yang melanjutkan
kuliah dan 28 siswa yang tidak melanjutkan kuliah .

4.2.5 Distribusi Geometrik

Data yang digunakan pada distribusi Geometrik ini menggunakan data

jenis kelamin siswa/i (IPA) SMA Bunga Bangsa Kota Padang. Pada distribusi ini
digunakan 10 trial yang digambarkan dalam grafik PDF dan CDF
 Gambar 4.7 PMF Jumlah Perempuan SMAN Bunga Bangsa Padang

Gambar 4.8 PMF Jumlah Laki-laki SMAN Bunga Bangsa Padang

Pada Gambar 4.7 dan Gambar 4.8 merupakan grafik distribusi data
jumlah proporsi perempuan dan laki-laki pada SMA N Bunga Bangsa Padang.
dari grafik tersebut dapat dilihat bahwa probabilitas siswa laki-laki lebih banyak
dibandingkan siswa perempuan. Besar probabilitas dari siswa laki-laki yaitu P(x)
= 0,55238 , sedangkan probabilitas untuk siswa perempuan hanya P(x) = 0,44762
Artinya dari 213 siswa SMA Bunga Bangsa terdapat 116 siswa laki-laki dan 97
siswa perempuan hasil dari data ini juga dapat dilihat dari grafik berikut
 Gambar 4.9 CDF Jumlah Perempuan SMAN Bunga Bangsa Padang

Gambar 4.10 CDF Jumlah Laki-laki SMAN Bunga Bangsa Padang

Pada Gambar 4.8 dan Gambar 4.9 dapat diketahui bahwa nilai empiris
dan nilai teoritis CDF pada distribusi geometrik hampir sama yaitu sama-sama
hampir mendekati satu. Semakin tinggi nilai x maka nilai teoritis cenderung naik
dan stabil pada frekuensi satu. Hal ini menunjukan bahwa perhitungan teoritis dan
empiris jumlah laki-laki dan jumlah perempuan pada SMA Bunga Bangsa Padang
hampir sama ataupun sudah menunjukkan hasil yang akurat.
BAB V
 PENUTUP

Bab penutup ini menjelaskan mengenai kesimpulan dan saran dari hasil
pengolahan yang telah dilakukan.

5.1 Kesimpulan

Berdasarkan dari hasil pengolahan data yang dilakukan, dapat diambil

kesimpulan sebagai berikut:

1. Probabilitas siswa/i SMA (IPA) Bunga Bangsa Padang yang melanjutkan

kuliah dan tidak kuliah dihitung berdasarkan distribusi binomial. Dari hasil
pengolahan tersebut didapatkan jumlah siswa yang melanjutkan kuliah
sebanyak 182 dan 28 siswa yang tidak kuliah
2. Pengolahan pada distribusi geometrik data diambil berdasarakan jenis
kelamin siswa (IPA) SMA Bunga Bangsa Padang yang hasil
pengolahannya mennunjukkan jumlah siswa laki-laki lebih banyak dari
siswa perempuan
3. Distribusi Normal digunakan untuk menentukan probabilitas nilai rata-rata
siswa (IPA) SMA Bunga Bangsa Padang yang menunjukkan bahwa nilai
rata-rata siswa banyak mendapatkan nilai 89,16
4. Pengolahan pada distribusi ekponensial data diambil berdasarkan data
antar kendaraan yang lewat di Jalan Pasar Baru dari pukul 09 – 12.00
WIB. Dari pengolahan yang dilakukan semakin banyak waktu pengamatan
semakin banyak jumlah kendaraan yang lewat
5. Pengolahan pada distribusi poisson data diambil berdasarkan kendaraan
yang lewat di Jalan Pasar Baru dengan interval waktu per 25 detik dengan
menggunakan metode teoritisd dan empiris kemudian membandingkannya
deng metode empiris normal
6. Pengolahan data dapat disajikan dalam bentuk tabel, grafik CDF dan
PDF.
 Sehingga mempermudah dalam mendapatkan informasi mengenai data
teoritis dan data empiris suatu kejadian.
7. Pengolahan data dengan metode empiris dan teoritis pada pengolahan data
kendaraan yang melewati Jalan Pasar Baru Padang dan data siswa (IPA)
SMA Bunga Bangsa sudah hampir menunjukkan nilai yang sama

5.2 Saran

Berdasarkan dari hasil pengolahan data yang dilakukan, saran yang dapat
diberikan sebagai berikut: