LAPORAN SEMENTARA PRAKTIKUM

STATISTIKA INDUSTRI

ACARA 1
DISTRBUSI BINOMIAL DAN DISTRIBUSI
HIPERGEOMETRIK

Disusun oleh :

Plug A /3

1. Henrikus Willi A.S 122140076

2. Ricky Rizki Pratama 122140080
3. Panji Septa Fatrian 122140097

LABORATORIUM STATISTIKA INDUSTRI

PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS PEMBANGUNAN NASIONAL
“VETERAN”
YOGYAKARTA
2016

Laporan Resmi Praktikum Statistika Industri 2016 I-1

Laporan Resmi Praktikum Statistika Industri 2016 I-2
 ACARA 1

DISTRBUSI BINOMIAL DAN DISTRIBUSI

HIPERGEOMETRIK

1.1 Tujuan praktikum

1. Memahami karateristik dasar percobaan Binomial dan Hipergeometrik
2. Mampu melakukan percobaan Binomial dan Hipergeometrik
3. Mampu membedakan karateristik distribusi Binomial dan Hipergeometrik
4. Mampu melakukan pendekatan distribusi Binomial dan Hipergeometrik
dan pendekatan distribusi Normal terhadap Binomial
5. Mampu mengaplikasikan distribusi Binomial dan Hipergeometrik

1.2 Dasar Teori

1.2.1 Distribusi Binomial
Sembarang proses yang dapat digunakan untuk membangkitkan nilai
disebut percobaan/eksperimen. Percobaan binomial adalah suatu percobaan
yang saling bebas yang hanya menghasilkan dua kejadian, yaitu skses dengan
peluang sebesar p dan gagal dengan peluang sebesar q = 1-p .Jika X adalah
cariabel acak yang menyatakan benyaknya sukses dalam n ulangan percobaan
binom, maka X disebut sebagai variabel acak binom dan distribusinya disebut
distribusi binomial
Jika percobaan binom diulang n kali dengan kondisi yang sama dan bebas
sedangkan X merupakan variabel acak yang menyatakan banyaknya sukses
dalam n ulangan percobaan, maka nilai-nilai x yang mungkin adalah 0,1,2, ...,n
dan fungsi distribusi binomialnya adalah

f ( x )=b ( x ; n ; p )= n px qn-x untuk x=1,2,3, ....,n

() x
(2.1)

Sedangkan rata-rata dan variansi variabel acak yang berdistribusi

binomial, masing –masing adalah

Laporan Resmi Praktikum Statistika Industri 2016 I-3

 μ x =E ( X )=n . p (2.2)
σ 2=n . p . q (2.3)

Ciri-ciri eksperimen Binomial,adalah :

1. Eksperimen terdiri dari n kali percobaan
2. Setiap percoaan selalu menghasilkan sukses dan gagal
3. Peluang sukses dinyatakan dengan p, sedangkan peluang gagal dinyatakan
dengan q = q-p , yang nilainya konstan untuk setiap percobaan
4. Setiap percobaan independen.

1.2.2 Distribusi Hipergeometrik

Distribusi hipergeometrik mempunyai kesamaan dengan distribusi
binomial dalam hal hasil percobaannya dikategorikan dalam “sukses” dan
“gagal”. Sedangkan perbedaannya adalah bahwa percobaan hipergeometrik
tidak bersifat bebas/independen, artinya antara percobaan satu dengan lainnya
saling terkait. Sehingga menyebabkan peluang sukses antara percobaan satu ke
percobaan lainnya tiak sama. Probabilitas keberhasilan dalam setiap
pengambilan tergantung dari berapa banyak macam sampel dari sebuah populasi
dan tergantung sampel yang telah diambil.
Secara umum percobaan hipergeometrik mempunyai ciri sebagai berikut :
1) Sampel acak berkuran n dipilih dari populasi berukuran N dan percobaan
dilakukan tanpa pengambilan
2) K dari N dikategorikan sebagai “sukses” dan (N – k) dikategorikan sebagai
“gagal”.

Bila dalam populasi berukuran N, k dari N diantaranya dikatakan “sukses: dan

(N – k) lainya dikatakan “gagal”, sedangkan X merupakan variabel acak
berukuran n maka distribusi peluang bagi X adalah

k N −k
f ( x )=h ( x ; N ; n; K )=
( x )( n−x )
, untuk x = 1,2, ...,k (2.5)
N
(n )

Laporan Resmi Praktikum Statistika Industri 2016 I-4

 Rata-rata dan variansi variabel acak yang berdistribusi hipergeometrik masing-
masing adalah

nk
μ= (2.6)
N

σ 2=( N−n
N −1 ) k
. n. . ( 1− k )
N N
(2.7)

1.2.3 Pendekatan Distribusi

Perhitungan peluang variabel acak yang berdistribusi hipergeometrik dapat
didekati dengan distribusi Binomial. Syarat-syarat pendekatannya adalah :
1. Jumlah populasi N sangat besar s, sehingga p mendekati konstan
2. Jika ukuran sampel n sangat kecil dibandingkan dengan populasi N, yaitu
n
≤ 0,1. Maka makin kecil perbedaan jika didekati dengan distribusi
N
Binomial

1.3 Alat dan bahan

1. Lembar pengamatan
2. 3 buah wadah plastik yang masing – masing berisi:
1) 150 kancing warna merah dan 50 kancing warna orange
2) 100 kancing warna coklat dan 100 kancing warna hitam
3) 40 kancing warna biru pekat dan 160 kancing warna biru terang

1.4 Langkah Kerja

1.4.1 Percobaan distribusi binomial
Percobaan A :
1. Mengambil sebuah kancing dari wadah plastik 1 yang berisi populasi N =
200.

Laporan Resmi Praktikum Statistika Industri 2016 I-5

 2. Jika yang terambil warna merah dikatakan kancing baik, jika yang
teramblil warna orang dikatakan kancing cacat, mengamati dan mencatat
apakah kancing baik atau cacat pada lembar pengamatan.
3. Mengembalikan kancing yang telah di ambil ke tempat semula
4. Mengaduk media
5. Mengulangi langkah (1-4) sebanyak n = 5kali.
6. Mencatat jumlah total cacat dari seluruh sampel.
7. Mengulangi langkah(1-6) sebanyak 30 kali.
8. Melakukan hal yang sama (1-7) untuk wadah 2 dan 3.

Percobaan B :
1. Mengambil sebuah kancing dari wadah plastik 1 yang berisi populasi N =
200.
2. Jika yang terambil warna merah dikatakan kancing baik, jika yang
terambil warna orange dikatakan kancing cacat, mengamati dan mencatat
apakah kancing baik atau cacat pada lembar pengamatan.
3. Mengembalikan kancing yang telah diambil ke tempat semula
4. Mengaduk media
5. Mengulangi pengambilan (1-4) sebanyak n =20 kali.
6. Mencatat jumlah total cacat seluruh sampe.
7. Mengulangi langkah (1-6) sebanyak 30 kali.

1.4.2 Percobaan distribusi hipergeometrik

Percobaan C :
1. Mengambil kancing sebanyak n =5 sekaligus dari wadah 1 yang berisi
populasi N=200.
2. Mengamati dan mencatat jumlah kancing yang cacat (orange) pada
lembar pengamatan.
3. Mengembalikan kancing yang telah di ambil ke tempat semula.
4. Mengaduk media.
5. Mengulangi pengambilan (1-4) sebanyak 30 kali.
6. Melakukan hal yang sama (1-5) untuk wadah 2 dan 3.

Laporan Resmi Praktikum Statistika Industri 2016 I-6

 Percobaan D :
1. Mengambil kancing sebanyak n =20 sekaligus dari wadah plastik yang
berisi populasi N=200.
2. Mengamati dan mencatat jumlah kancing yang cacat (orange) pada
lembar pengamatan.
3. Mengembalikan kancing yang telah di ambil ke tempat semula.
4. Mengaduk media.
5. Mengulangi pengambilan (1-4) sebanyak 30 kali.
6. Melakukan hal yang sama (1-5) untuk wadah 2 dan 3.

Laporan Resmi Praktikum Statistika Industri 2016 I-7

 1.5 Pengumpulan Data
1.5.1 Lembar Pengamatan 1
Tabel 1.1 Distribusi hipergeometrik n = 5
N=200 N =200 N =200
k=40 K=100 K=150
n=5 n=5 n=5
N
o Cacat (x) No Cacat (x) No Cacat (x)
1 1 1 3 1 5
2 2 2 4 2 5
3 0 3 2 3 4
4 1 4 3 4 4
5 2 5 3 5 3
6 3 6 3 6 4
7 2 7 4 7 4
8 4 8 2 8 5
9 1 9 3 9 5
10 1 10 1 10 4
11 5 11 2 11 2
12 1 12 1 12 4
13 2 13 3 13 5
14 3 14 3 14 3
15 2 15 2 15 5
16 0 16 0 16 4
17 0 17 4 17 4
18 1 18 2 18 3
19 1 19 2 19 4
20 3 20 3 20 5
21 2 21 2 21 4
22 0 22 2 22 2
23 2 23 3 23 4
24 1 24 3 24 4
25 1 25 2 25 5
26 0 26 2 26 5

Laporan Resmi Praktikum Statistika Industri 2016 I-8

 27 5 27 0 27 5
28 0 28 5 28 4
29 1 29 2 29 5
30 0 30 4 30 4
∑x 47 ∑x 75 ∑x 124
x 1,57 x 2,5 x 4,13

1.5.2 Lembar pengamatan 2

Tabel 1.2 Distribusi hipergeometrik n = 20

N =200 N =200 N =200
K=40 K=100 K=150
n=20 n=20 n=20
N
o Cacat (x) No Cacat (x) No Cacat (x)
1 3 1 11 1 14
2 5 2 14 2 13
3 5 3 12 3 16
4 7 4 12 4 16
5 4 5 8 5 15
6 5 6 9 6 16
7 3 7 12 7 13
8 4 8 11 8 15
9 5 9 14 9 12
10 4 10 8 10 16
11 5 11 9 11 17
12 3 12 10 12 14
13 4 13 11 13 13
14 3 14 12 14 16
15 3 15 12 15 15
16 7 16 10 16 16
17 5 17 8 17 13
18 4 18 9 18 14
19 8 19 11 19 13
20 4 20 14 20 17
21 3 21 5 21 12
22 4 22 7 22 16
23 4 23 9 23 14
24 4 24 8 24 11
25 2 25 10 25 12
26 2 26 7 26 16

Laporan Resmi Praktikum Statistika Industri 2016 I-9

 27 5 27 12 27 14
28 8 28 7 28 17
29 8 29 8 29 11
30 6 30 12 30 14
∑x 137 ∑x 302 ∑x 431
x 4,57 x 10,07 x 14,37

1.5.3. Lembar pengamatan 3

Probabilitas (p)= 0,2 ; (n) = 5 Probabilitas (p)= 0,5 ; (n) = 5 Probabilitas (p)= 0,75 ; (n) = 5
N jumla
o 1 2 3 4 5 jumlah No 1 2 3 4 5 jumlah no 1 2 3 4 5 h
1 0 0 0 0 0 0 1 1 0 1 0 1 3 1 1 0 1 1 1 4
2 0 0 0 0 1 1 2 1 0 0 1 1 3 2 1 0 1 0 1 3
3 0 0 0 0 1 1 3 1 1 1 1 1 5 3 0 0 1 1 1 3
4 0 1 0 0 0 1 4 1 1 1 1 0 4 4 0 1 0 1 1 3
5 0 1 0 0 1 2 5 0 0 1 1 1 3 5 1 1 0 1 1 4
6 0 0 0 0 1 1 6 1 0 1 0 1 3 6 1 1 1 1 1 5
7 0 0 1 0 0 1 7 1 1 0 1 1 4 7 1 0 1 1 1 4
8 1 1 1 0 0 3 8 1 1 0 0 1 3 8 1 0 1 0 1 3
9 1 0 0 0 1 2 9 1 1 1 0 0 3 9 1 0 1 0 0 2
10 0 0 0 1 0 1 10 1 1 0 0 0 2 10 0 0 1 1 0 2
11 0 1 0 0 0 1 11 0 0 1 1 1 3 11 0 0 1 1 1 3
12 1 1 1 0 0 3 12 0 1 0 1 1 3 12 1 1 0 1 0 3
13 0 0 0 0 0 0 13 1 1 1 0 0 3 13 0 1 1 1 0 3
14 0 0 0 0 0 0 14 1 1 0 1 1 4 14 1 1 1 1 1 5
15 0 0 0 0 0 0 15 1 1 1 1 1 5 15 1 1 1 0 1 4
16 0 0 0 0 0 0 16 1 0 1 1 0 3 16 1 1 1 1 0 4
17 0 0 0 1 0 1 17 1 1 0 1 0 3 17 1 1 1 0 1 4
18 1 0 0 0 0 1 18 1 1 0 0 1 3 18 0 1 0 1 1 3
19 0 0 0 1 0 1 19 1 1 1 1 0 4 19 1 1 0 0 1 3
20 1 0 0 0 0 1 20 1 0 1 1 1 4 20 1 1 1 1 1 5
21 0 0 0 0 0 0 21 1 1 1 1 1 5 21 1 1 1 0 0 3
22 0 1 0 0 1 2 22 1 0 1 0 1 3 22 0 1 1 1 1 4
23 0 0 0 1 0 1 23 0 1 1 1 1 4 23 1 1 1 0 1 4
24 0 0 1 0 0 1 24 1 1 0 1 1 4 24 1 1 1 1 1 5
25 0 1 0 0 0 1 25 1 1 0 1 1 4 25 1 1 1 1 1 5
26 1 0 1 1 0 3 26 1 0 1 1 1 4 26 1 1 1 0 0 3
27 0 0 1 1 0 2 27 1 1 1 0 1 4 27 1 1 1 1 0 4
28 0 0 0 0 1 1 28 0 1 1 0 0 2 28 0 1 1 1 0 3
29 0 0 1 0 1 2 29 1 1 1 1 1 5 29 1 1 1 1 1 5
30 1 1 0 0 1 2 30 1 0 1 1 1 4 30 1 1 1 1 1 5

Laporan Resmi Praktikum Statistika Industri 2016 I-10

 ∑ ∑
x 36 x 107 ∑x 111
x 1,20 x 3,57 x 3,7
Tabel 1.3 Distribbusi binomial n=5

1.5.4 Lembar Pengamatan 4

Tabel 1.4 Distribusi binomial n = 20
Probabilitas (p) = 0,2 ; (n) = 20 
N
o 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 jumlah
1 0 0 0 0 0 0 0 1 1 0 0 0 1 0 1 0 1 1 1 0 7
2 0 0 0 1 1 0 1 0 0 1 1 1 0 0 0 0 0 0 0 0 6
3 1 0 0 0 0 0 1 0 1 0 1 1 0 0 0 1 0 0 1 0 7
4 1 0 1 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4
5 0 1 0 1 1 0 0 0 1 0 0 0 0 1 0 0 0 0 0 1 6
6 0 0 0 0 0 0 0 1 0 0 1 0 0 0 1 0 0 0 0 0 3
7 1 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 4
8 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 2
9 1 0 1 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 1 5
10 0 0 1 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1 0 0 4
11 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 3
12 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
13 0 0 1 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 3
14 0 0 0 0 0 0 1 0 1 1 0 0 0 0 0 0 0 0 0 0 3
15 0 0 1 0 1 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 5
16 0 1 1 1 0 0 0 1 0 0 0 1 0 1 0 0 0 0 0 1 7
17 0 0 0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 1 0 1 9
18 0 0 0 0 0 0 0 0 0 1 0 0 1 1 1 0 1 0 0 1 6
19 1 0 0 1 1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 5
20 0 1 1 1 0 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0 6
21 0 1 0 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 4
22 1 1 1 0 0 0 1 0 0 0 0 0 0 1 1 0 0 0 1 0 7
23 0 0 0 0 1 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 3
24 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1
25 1 1 0 0 0 0 0 0 0 1 0 0 1 0 0 1 0 0 1 1 7
26 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 3
27 0 0 1 0 1 0 0 0 1 0 0 0 0 1 0 0 0 0 1 1 6
28 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 3
29 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 5

Laporan Resmi Praktikum Statistika Industri 2016 I-11

30 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 1 0 1 0 4
∑
x 138
x 4,60

1.5.5 Lembar Pengamatan 5

Tabel 1.5 Percobaan Binomial n = 20
Probabilitas (p) = 0,50 ; (n) = 20
N
o 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 jumlah
1 1 1 1 1 0 1 1 0 1 0 0 0 1 0 1 1 1 1 0 0 12
2 1 1 1 0 0 1 0 1 1 0 0 0 0 0 1 1 1 1 0 1 11
3 1 0 1 0 1 0 1 1 0 0 0 1 1 1 0 0 1 0 1 0 10
4 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 0 0 0 1 1 15
5 1 1 0 1 1 1 1 0 0 0 1 0 0 1 1 0 1 1 0 1 12
6 1 1 1 0 1 0 1 1 0 0 0 0 1 0 0 1 1 0 0 1 10
7 1 1 1 1 1 0 0 1 0 0 1 1 1 1 1 0 1 1 1 1 15
8 1 0 0 1 0 1 1 1 1 1 0 1 0 0 0 1 1 1 1 1 13
9 0 0 1 0 1 1 1 1 0 1 0 1 1 0 0 1 0 1 1 1 12
10 0 0 1 1 1 1 1 0 0 0 0 1 0 1 0 0 1 0 1 0 9
11 1 1 0 0 1 1 0 1 1 0 1 0 1 1 1 1 0 1 0 0 12
12 1 1 1 1 0 0 0 1 0 1 0 1 1 1 1 0 0 0 0 1 11
13 1 1 1 1 1 1 1 1 1 0 0 1 0 0 1 0 0 1 0 1 13
14 1 0 1 0 1 1 0 0 1 1 1 1 0 1 1 0 1 1 1 0 13
15 0 1 0 1 1 1 0 1 1 1 1 0 0 1 1 0 1 0 1 0 12
16 1 1 1 0 0 0 0 1 1 1 0 1 1 1 0 0 1 0 1 0 11
17 1 1 1 0 0 1 0 0 1 1 0 1 0 1 1 1 1 0 1 0 12
18 1 1 1 0 1 0 1 0 1 0 1 0 1 0 1 1 0 1 1 0 12
19 0 1 1 0 1 1 0 1 1 0 1 1 1 1 1 1 1 1 0 0 14
20 1 1 0 1 0 1 0 0 1 1 1 0 0 0 0 0 1 1 1 0 10
21 0 1 1 0 1 0 1 1 0 1 1 0 0 1 1 0 1 0 1 1 12
22 0 0 0 0 1 0 1 1 0 1 0 1 0 1 1 1 0 0 1 1 10
23 1 0 1 0 0 1 1 1 0 1 1 0 1 0 1 1 0 1 0 1 12
24 0 1 0 0 1 1 0 1 0 0 0 0 0 0 1 0 1 0 0 1 7
25 0 0 0 0 1 1 1 0 0 0 1 1 0 0 1 1 0 0 0 1 8
26 0 0 0 0 1 0 1 0 0 0 1 0 0 0 1 0 0 0 0 1 5
27 1 1 0 0 1 0 1 1 0 0 1 1 0 1 1 0 0 1 1 0 11
28 0 0 1 0 1 0 0 0 0 0 0 1 0 0 1 1 0 1 1 1 8

Laporan Resmi Praktikum Statistika Industri 2016 I-12

29 1 1 0 0 1 0 0 0 1 1 1 0 0 0 1 0 1 0 0 0 8
30 1 0 1 0 0 1 0 1 0 0 1 0 0 0 1 1 0 1 1 1 10
∑x 330
X 11

1.5.6 Lembar Pengamatan 6

Tabel 1.6 Percobaan Binomial n = 20
Probabilitas (p) = 0,75 ; (n) = 20
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 jumlah
1 1 0 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 16
2 1 0 0 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 15
3 1 1 1 1 1 0 1 0 0 1 0 1 1 1 1 1 1 1 1 1 16
4 1 1 0 1 0 1 0 0 1 0 0 0 1 1 1 1 0 1 1 1 12
5 1 1 1 1 1 1 1 0 0 1 1 0 0 0 1 0 1 1 1 1 14
6 1 1 1 1 1 1 0 1 1 1 1 1 1 0 1 1 0 1 1 1 17
7 1 1 1 1 1 1 0 0 1 0 1 1 1 1 1 1 1 1 0 1 16
8 1 0 1 1 0 1 1 1 1 1 1 0 1 1 1 1 1 0 1 0 15
9 1 1 1 1 0 1 0 1 0 1 0 0 0 0 1 1 1 1 1 1 13
10 1 1 1 1 0 1 0 1 0 1 0 1 1 1 1 1 1 0 1 1 15
11 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 0 1 18
12 1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 0 17
13 1 1 0 1 1 1 1 1 0 1 0 1 1 1 1 1 1 1 0 1 16
14 1 1 1 0 1 0 1 1 1 0 1 1 1 1 1 0 1 1 1 1 16
15 1 0 1 1 1 1 1 1 1 0 1 1 0 1 1 1 1 1 1 0 16
16 0 1 1 0 1 0 1 1 1 0 0 1 0 1 1 1 1 1 1 1 14
17 0 1 1 0 1 0 0 1 0 1 1 0 1 1 1 1 1 1 0 1 13
18 1 1 0 0 1 1 1 1 0 1 1 1 1 0 1 0 1 1 1 0 14
19 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 16
20 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 17
21 1 1 1 1 0 1 1 0 0 1 1 1 1 1 0 0 1 1 1 1 15
22 1 1 0 1 1 1 1 1 0 1 1 0 1 1 1 1 1 1 1 1 17
23 1 1 1 0 1 1 0 1 0 1 1 1 0 1 0 1 1 1 1 1 15
24 1 1 1 0 1 0 1 1 0 1 1 1 1 0 1 1 1 1 0 1 15
25 1 1 1 1 0 1 1 1 1 1 1 0 0 1 1 0 0 1 1 1 15
26 1 0 1 1 1 0 1 1 1 1 1 1 1 1 0 0 1 1 1 1 16
27 1 0 1 1 1 0 1 1 0 1 1 1 1 1 1 0 0 0 1 1 14
28 1 1 0 0 1 1 0 1 0 1 0 0 1 1 0 1 1 1 1 0 12
29 0 1 0 0 1 1 1 1 1 1 1 0 1 1 1 1 0 1 0 1 14

Laporan Resmi Praktikum Statistika Industri 2016 I-13

30 1 1 1 1 1 1 0 0 1 1 1 0 1 0 1 1 1 1 0 1 15
∑x 454
x 15,13

1.6 Pengolahan Data

1.6.1 Distribusi hipergeometrik n = 5 ; p = 0,2 ; k = 40
1. Ukuran pemusatan data
Tabel 1.7 Hipergeometrik n=5 ; p=0,2
No Xi fi Fr Xi² fi.Xi fi.Xi²
1 0 7 23,33% 0 0 0
2 1 10 33,33% 1 10 10
3 2 7 23,33% 4 14 28
4 3 3 10% 9 9 27
5 4 1 3,33% 16 4 16
6 5 2 6,67% 25 10 50
∑ 30 100.00% 55 47 131

Rata-rata X́ =
∑ fi . xi
∑ fi
47
¿
30
¿ 1,57
≈2
2. Histogram

Laporan Resmi Praktikum Statistika Industri 2016 I-14

 Hipergeometrik n= 5 ; p = 0,2
12
10
8
6
4
2
0
0 1 2 3 4 5

Gambar 1.1 Distribusi hipergeometrik n=5 ; p=0,2

3. Ekspetasi jumlah cacat :

Mean (µ) = n.p
= 5 . 0,2
=1

Variansi (σ ²) = n.p.q
= 5. 0,2 . 0,8
= 0,80

Standar deviasi (σ ) = √σ2

=√ 0,80
= 0,89

k N−k
Probabilitas P(x) = P (2) =
( x )( n−x )

( Nn )
40 200−40
=
( 2 )( 5−2 )

(2005 )
(780)(669920)
=
2535650040
= 0,21

1.6.2 Distribusi hipergeometrik n=5; ukuran sampel p=0,5

1. Ukuran pemusatan data
Tabel 1.8 Hipergeometrik n=5 ; p=0,5

Laporan Resmi Praktikum Statistika Industri 2016 I-15

 No xi fi FR Xi² fi.Xi fi.Xi²
1 0 2 6,67% 0 0 0
2 1 2 6,67% 1 2 2
3 2 11 36,67% 4 22 44
4 3 10 33,33% 9 30 90
5 4 4 13,33% 16 16 64
6 5 1 3,33% 25 5 25
∑ 30 100% 55 75 225

Rata-rata X́ =
∑ fi . xi
∑ fi
75
¿
30
¿ 2,50
≈3

2. Histogram

12
10
8
6
4
2
0
0 1 2 3 4 5

Gambar 1.2 Distribusi hipergeometrik n=5; p=0,5

3. Ekspetasi Jumlah Cacat :

Mean (µ) = n.p

Laporan Resmi Praktikum Statistika Industri 2016 I-16

 = 5 . 0,5
= 2,5
Variansi (σ ²) = n.p.q
= 5. 0,5 . 0,5
= 1,25
Standar deviasi (σ ) = √ σ2
=√ 1,25
= 1,12
k N−k
Probabilitas P(x) = P (3) =
( x )( n−x )

( Nn )
100 200−100
=
( 3 )( 5−3 )

( 2005)
(800415000)
=
2535650040
= 0,32

1.6.3 Distribusi hipergeometrik n=5; ukuran sampel p=0,75

1. Ukuran pemusatan data
Tabel 1.9 Hipergeometrik n=5 ; p=0,75
No Xi fi FR Xi² fiXi fiXi²
1 0 0 0% 0 0 0
2 1 0 0% 1 0 0
3 2 2 6,67% 4 4 8
4 3 3 10% 9 9 27
5 4 14 46,67% 16 56 224
6 5 11 36,67% 25 55 275
∑ 30 100% 55 124 534

Laporan Resmi Praktikum Statistika Industri 2016 I-17

 Rata-rata X́ =
∑ fi . xi
∑ fi
124
¿
30
¿ 4,13

≈4

2. Histogram

16
14
12
10
8
6
4
2
0
0 1 2 3 4 5

Gambar 1.3 Distribusi hipergeometrik n=5; p=0,75

3. Ekspetasi Jumlah Cacat :
Mean (µ) = n.p
= 5 . 0,75
= 3,75
Variansi (σ ²) = n.P.q
= 5. 0,75 . 0,25
= 0,94
Standar Deviasi (σ ) =√ 0,93
= 0,97
k N−k
Probabilitas P(x) = P (4) =
( )( )
x n−x
N
( )
n
150 200−150
=
( )(
4 )5−4
200
( )5

Laporan Resmi Praktikum Statistika Industri 2016 I-18

 1013013750
=
2535650040
= 0,39

1.6.4 Distribusi Hipergeometrik n = 20; Ukuran Sampel p= 0,2

1. Ukuran pemusatan data
Rentang = nilai tertinggi – nilai terendah
= 8–2=6
Jumlah kelas = 1 + 3,3 log n
= 1 + 3,3 log 30
= 5,87 ≈ 6
Rentang
Panjang kelas =
Jumlah Kelas
6
= = 1,02 ≈ 2
5,87
Tabel 1.10 Hipergeometrik n=20 ; p=0,2
No Interva Xi fi FR Xi² fiXi fiXi²
l
1 2-3 2,5 8 26,66% 6,25 20 50
2 4-5 4,5 16 53,33% 20,25 72 324
3 6-7 6,5 3 10% 42,25 19,5 126,75
4 8-9 8,5 3 10% 72,25 25,5 216,75
5 10-11 10,5 0 0% 110,25 0 0
6 12-13 12,5 0 0% 156,25 0 0
∑ 30 100% 407,5 137 717.5

Rata-rata X́ =
∑ fi . xi
∑ fi
137
¿
30
¿ 4,57
≈5
2. Histogram

Laporan Resmi Praktikum Statistika Industri 2016 I-19

 18
16
14
12
10
8
6
4
2
0
2.5 4.5 6.5 8.5 10.5 12.5

Gambar 1.4 Distribusi hipergeometrik n=20; p=0,2

3. Ekspetasi Jumlah Cacat :

Mean (µ) = n.p
= 20 . 0,2
=4
Variansi (σ ²) = n.p.q
= 20 . 0,2 . 0,8
= 3,2
Standar deviasi (σ ) = √ σ 2
= √ 3,2
= 1,79
k N−k
Probabilitas P(x) = P (5) =
( )( )
x n−x
N
n ( )
40 200−40
=
5 ( )(
20−5)
200
( )
20

= 0,18

1.6.5 Distribusi hipergeometrik n=20 ; ukuran sampel p=0,5

1. Ukuran pemusatan data
Rentang = nilai tertinggi – nilai terendah
= 14 – 5 = 9
Jumlah kelas = 1 + 3,3 log n

Laporan Resmi Praktikum Statistika Industri 2016 I-20

 = 1 + 3,3 log 30
= 5,87 ≈ 6
Rentang
Panjang kelas =
Jumlah Kelas
9
= = 1,53 ≈ 2
5,87

Tabel 1.11 Hipergeometrik n=20 ; p=0,5

No Interva Xi fi FR Xi² fiXi fiXi²
l
1 5-6 5.5 1 3,33% 30,25 5.5 30,25
2 7-8 7.5 8 26,66% 56.25 60 450
3 9-10 9.5 7 23,33% 90,25 66,5 631,75
4 11-12 11.5 11 36,33% 132,25 126,5 1454,75
5 13-14 13.5 3 10% 182,25 40,5 546,75
6 15-16 15.5 0 0% 0 0 0
∑ 30 100% 491,5 299 3113,5

Rata-rata X́ =
∑ fi . xi
∑ fi
299
¿
30
¿ 9,96

≈ 10

2. Histogram

12
10
8
6
4
2
0
5.5 7.5 9.5 11.5 13.5 15.5

Gambar 1.5 Distribusi Hipergeometrik n=20; p=0,5

Laporan Resmi Praktikum Statistika Industri 2016 I-21

 3. Ekspetasi Jumlah Cacat :
Mean (µ) = n.p
= 20 . 0,5
= 10
Variansi (σ ²) = n.p.q
= 20 . 0,5 . 0,5
=5
Standar Deviasi (σ ) = √σ2
=√ 5
=2,24

k N−k
Probabilitas P(x) = P (10) ¿
( x )( n−x )

( Nn )
100 200−100
=
( 10 )( 20−10 )

( 200
20 )

= 0,19

1.6.6 Distribusi Hipergeometrik n=20; Ukuran Sampel p=0,75

1. Ukuran pemusatan data
Rentang = nilai tertinggi – nilai terendah
= 17 – 11 = 6
Jumlah kelas = 1 + 3,3 log n
= 1 + 3,3 log 30
= 5,87 ≈ 6
Rentang
Panjang kelas =
Jumlah Kelas
6
= = 1,02 ≈ 2
5,87
Tabel 1.12 Hipergeometrik P = 0,75 ; (n) = 20
No Interva Xi fi FR Xi² fiXi fiXi²
l
1 11-12 11,5 5 16,67% 132,25 57,5 661,25
2 13-14 13,5 11 36,67% 182,25 148,5 2004,75

Laporan Resmi Praktikum Statistika Industri 2016 I-22

 3 15-16 15,5 11 36,67% 240,25 170,5 2642,75
4 17-18 17,5 3 10% 306,25 52,5 918,75
5 19-20 19,5 0 0% 380,25 0 0
6 21-22 21,5 0 0% 462,25 0 0
∑ 30 100% 1703,5 429 6227,5

Rata-rata X́ =
∑ fi . xi
∑ fi
429
¿
30
¿ 14,3
≈ 14
2. Histogram

12
10
8
6
4
2
0
11.5 13.5 15.5 17.5 19.5 21.5

Gambar 1.6 Distribusi hipergeometrik n=20; p=0,75

3. Ekspetasi Jumlah Cacat :

Mean (µ) = n.p
= 20 . 0,75
= 15
Variansi (σ ²) = n.p.q
= 20 . 0,75 . 0,25
= 3,75
Standar deviasi (σ ) = √ σ2
=√ 3,75
= 1,94

Laporan Resmi Praktikum Statistika Industri 2016 I-23

 k N−k
Probabilitas P(x) P (14) =
( x )( n−x )

( Nn )
150 200−150
=
( 14 )( 20−14 )

( 200
20 )

= 0,18

1.6.7 Distribusi binomial n=5; ukuran sampel p= 0,2

1. Ukuran pemusatan data
Tabel 1.13 Distibusi Binomial n=5 ; p=0,2
No Xi fi FR x² fi.xi fi.xi²
1 0 6 20% 0 0 0
2 1 15 50% 1 15 15
3 2 6 20% 4 12 24
4 3 3 10% 9 9 27
5 4 0 0% 16 0 0
6 5 0 0% 25 0 0
Σ 30 100% 55 36 66

Rata-rata X́ =
∑ fi . xi
∑ fi
36
¿
30
¿ 1,20
≈1
2. Histogram

Laporan Resmi Praktikum Statistika Industri 2016 I-24

 16
14
12
10
8
6
4
2
0
0 1 2 3 4 5

Gambar 1.7 Distribusi binomial n=5; p=0,2

3. Ekspektasi jumlah cacat:

Mean ( μ ) =n . p
¿ 5.0,2
=1
Variansi (σ 2 ¿=n . p . q
= 5.0,2.0,8
= 0,8
Standar Deviasi σ = √ σ 2
¿ √ 0,8
= 0,89

Probabilitas p(x) = p(1)= ( nx). p . q

x n− x

5
() 1
= p ( 1 )= . 0,2 . 0,8
1
5−1

= 0,40

1.6.8 Distribusi binomial n=5; ukuran sampel p=0,5

1. Ukuran Pemusatan Data
Tabel 1.14 Distibusi Binomial n=5 ; p=0,5
No X fi FR x² fi.xi fi.xi²
1 0 0 0% 0 0 0
2 1 0 0% 1 0 0
3 2 2 6,67% 4 4 8

Laporan Resmi Praktikum Statistika Industri 2016 I-25

 4 3 13 43,33% 9 39 117
5 4 11 36,67% 16 44 176
6 5 4 13,33% 25 20 100
Σ 30 100% 55 107 401

Rata-rata X́ =
∑ fi . xi
∑ fi
107
¿
30
¿ 3,56
≈4

2. Histogram

14
12
10
8
6
4
2
0
0 1 2 3 4 5

Gambar 1.8 Distribusi binomial n=5; p=0,5

3. Ekspektasi jumlah cacat:

Mean ( μ ) =n . p
¿ 5.0,5

Laporan Resmi Praktikum Statistika Industri 2016 I-26

 = 2,5
Variansi (σ 2 ¿=n . p . q
= 5.0,5.0,5
= 1,25
Standar deviasi σ = √ σ 2
¿ √ 1,25
= 1,12

Probabilitas p(x) = p(4)= ( nx). p . q

x n− x

5
= p ( 4 )=( ) . 0,5 . 0,5
4 5−4
4
= 0,16

1.6.9 Distribusi binomial n=5, ukuran sampel p=0,75

1. Ukuran pemusatan data
Tabel 1.15 Distibusi Binomial n=5 ; p=0,75
No Xi fi FR x² fi.xi fi.xi²
1 0 0 0% 0 0 0
2 1 0 0% 1 0 0
3 2 2 6,67% 4 4 16
4 3 12 40% 9 36 108
5 4 9 30% 16 36 144
6 5 7 23,33% 25 35 175
Σ 30 100% 55 111 435

Rata-rata X́ =
∑ fi . xi
∑ fi
111
¿
30

Laporan Resmi Praktikum Statistika Industri 2016 I-27

 ¿ 3,70
≈4
2. Histogram

14
12
10
8
6
4
2
0
0 1 2 3 4 5

Gambar 1.9 Distribusi binomial n=5; p=0,75

3. Ekspektasi jumlah cacat:

Mean ( μ ) =n . p
¿ 5.0,75
= 3,75
Variansi (σ 2 ¿=n . p . q
= 5.0,75.0,25
= 0,94
Standar deviasi σ = √ σ2
¿ √ 0,93
= 0,97

Probabilitas p(x) = p(4)= ( nx). p . q

x n− x

= p ( 4 )= ( 54 ) . 0,75 . 0,25
4 5−4

= 0,39

1.6.10 Distribusi binomial n=20; ukuran sampel p=0,2

Laporan Resmi Praktikum Statistika Industri 2016 I-28

 1. Ukuran pemusatan data
Rentang = Nilai tertinggi – Nilai terendah

= 9-0
=9

Jumlah kelas = 1+3,3 log n

=1+3,3 log 30
= 5,87

Rentang
Panjang kelas =
Jumlah kelas

9
=
5,87
=1,53 ≈ 2

Tabel 1.16 Distibusi Binomial n=20 ; p=0,2

No Interval Xi fi FR x² fi.xi fi.xi²
1 0-1 0,5 2 6,66% 0,25 1 0,5
2 2-3 2,5 8 26,66% 6,25 20 50
3 4-5 4,5 9 30% 20,25 40,5 182,25
4 6-7 6,5 10 33,33% 42,25 65 422,5
5 8-9 8,5 1 3,33% 72,25 8,5 72,25
6 10-11 10,5 0 0% 110.25 0 0
Σ 30 100% 251,5 135 727,5

Rata-rata X́ =
∑ fi . xi
∑ fi
135
¿
30
¿ 4,50

Laporan Resmi Praktikum Statistika Industri 2016 I-29

 ≈5
2. Histogram

12
10
8
6
4
2
0
0,5 2,5 4,5 6,5 8,5 10,5

Gambar 1.10 Distribusi binomial n=20; p=0,2

3. Ekspektasi jumlah cacat:

Mean ( μ ) =n . p
¿ 20.0,2
=4
Variansi (σ 2 ¿=n . p . q
=20.0,2.8
= 3,20
Standar Deviasi σ = √ σ 2
¿ √ 3,2
= 1,79

Probabilitas p(x) = p(4)= ( nx). p . q

x n− x

= p ( 4 )= ( 205 ). 0,2 .0,8

5 20−5

= 0,17

1.6.11 Distribusi Binomial n=20; Ukuran Sampel p=0,5

Laporan Resmi Praktikum Statistika Industri 2016 I-30

 1. Ukuran Pemusatan Data
Rentang = Nilai tertinggi – Nilai terendah

= 15-5
= 10
Jumlah kelas = 1+3,3 log n
=1+3,3 log 30
=5,87
Rentang
Panjang kelas =
Jumlah kelas
10
=
5,87
=1,70
≈2

Tabel 1.17 Distibusi Binomial n=20 ; p=0,5

No Interval Xi fi FR xi² fi.xi fi.xi²
1 5-6 5,5 1 3,33% 30,25 5,5 30,25
2 7-8 7,5 4 13,33% 56,25 30 225
3 9-10 9,5 6 20% 90,25 57 541,5
4 11-12 11,5 13 43,33% 132,25 149,5 1719,25
5 13-14 13,5 4 13,33% 182,25 54 729
6 15-16 15,5 2 6,67% 240,25 31 480,5
Σ 30 100% 731,5 327 3725,5

Rata-rata X́ =
∑ fi . xi
∑ fi
327
¿
30
¿10,9 ≈ 11

2. Histogram

Laporan Resmi Praktikum Statistika Industri 2016 I-31

 14
12
10
8
6
4
2
0
5,5 7,5 9,5 11,5 13,5 15,5

Gambar 1.11 Distribusi binomial n=20; p=0,5

3. Ekspektasi jumlah cacat:

Mean ( μ ) =n . p
¿ 20.0,5
= 10
Variansi (σ 2 ¿=n . p . q
=20.0,5.0,5
=5
Standar deviasi σ = √ σ2
¿ √5
= 2,24

Probabilitas p(x) = p(11)= ( nx). p . q

x n− x

20
= p ( 11 )=( ) .0,5 . 0,5
11 20−11
11
= 0,16

1.6.12 Distribusi binomial n=20; p= 0,75

1. Ukuran pemusatan data
Rentang = Nilai tertinggi – Nilai terendah

= 18-12
=6

Laporan Resmi Praktikum Statistika Industri 2016 I-32

 Jumlah kelas = 1+3,3 log n

=1+3,3 log 30
=5,87

Rentang
Panjang kelas =
Jumlah kelas

6
=
5,87
=1,02
≈1

Tabel 1.18 Distibusi Binomial n=20 ; p=0,75

No Interval Xi fi FR xi² fi.xi fi.xi²
1 12-13 12,5 4 13,33% 156,25 50 625
2 14-15 14,5 13 36,67% 210,25 188,5 2733,25
3 16-17 16,5 12 40% 272,25 198 3267
4 18-19 18,5 1 3,33% 342,25 18,5 342,25
5 20-21 20,5 0 0% 420,25 0 0
6 22-23 22,5 0 0% 506,25 0 0
Σ 30 100% 1907,5 455 6967,5

Rata-rata X́ =
∑ fi . xi
∑ fi
455
¿
30
¿ 15,17≈ 15

2. Histogram

Laporan Resmi Praktikum Statistika Industri 2016 I-33

 14
12
10
8
6
4
2
0
12.5 14.5 16.5 18.5 20.5 22.5

Gambar 1.12 Distribusi binomial n=20; p=0,75

3. Ekspektasi jumlah cacat:
Mean ( μ ) =n . p
¿ 20.0,75
= 15
Variansi (σ 2 ¿=n . p . q
=20.0,75.0,25
= 3,75
Standar Deviasi σ = √ σ2
¿ √ 3,75
=1,94

Probabilitas p(x) = p(15)= ( nx). p . q x n− x

¿ ( 2015) . 0,75 15
. 0,25
20−15

=0,20

1.7 Analisis Hasil

Dari percobaan yang telah dilakukan, pada percobaan A yaitu percobaan
Binomial dengan n = 5, untuk p = 0,2 didapat hasil x́ = 1,20, mean = 1, standar
deviasi = 0,89 dan probabilitas sebesar 0,40. Untuk p = 0,5, didapat hasil x́ = 3,56,
mean = 2,5, standar deviasi = 1,12 dan probabilitas sebesar 0,16. Untuk p = 0,75

Laporan Resmi Praktikum Statistika Industri 2016 I-34

di dapat hasil x́ = 3,70, mean = 3,75, standar deviasi = 0,97 dan probabilitas
sebesar 0,39.
Pada percobaan B yaitu percobaan Binomial dengan n = 20, untuk p = 0,2
di dapat hasil x́= 4,50, mean= 4, standar deviasi= 1,79 dan probabilitas sebesar
0,17. Untuk p = 0,5 di dapat hasil x́= 10,9, mean = 10, standar deviasi = 2,24 dan
probabilitas sebesar 0,16. Untuk p = 0,75 di dapat hasil x́= 15,17 , mean= 15,
standar deviasi = 1,94 dan probabilitas sebesar 0,20
Berdasarkan hasil percobaan A dan B yang dilakukan dengan
pengembalian, untuk percobaan A dengan n = 5 didapat peluang pengambilan
cacat yang lebih kecil dibandingkan dengan percobaan B dengan n = 20. Semakin
besar jumlah pengambilannya (n), maka semakin kecil peluang atau probabilitas
terambilnya cacat.
Pada percobaan C yaitu percobaan Hipergeometrik dengan n = 5, untuk p
= 0,2 di dapat hasil x́= 1,57, mean = 1, standar deviasi = 0,89 dan probabilitas
sebesar 0,21. Untuk p = 0,5 di dapat hasil x́= 2,50 , mean = 2,5, standar deviasi =
1,12 dan probabilitas sebesar 0,32. Untuk p = 0,75 di dapat hasil x́= 4,13 , mean =
3,75, standar deviasi = 0,97 dan probabilitas sebesar 0,39.
Pada percobaan D yaitu percobaan Hipergeometrik dengan n = 20 untuk p
= 0,2 di dapat hasil x́= 4,57, mean= 4, standar deviasi = 1,79 dan probabilitas
sebesar 0,18. Untuk p = 0,5 di dapat hasil x́= 9,96, mean = 10, standar deviasi =
2,24 dan probabilitas sebesar 0,19. Untuk p = 0,75 di dapat hasil x́= 14,3, mean =
15, standar deviasi = 1,94 dan probabilitas sebesar 0,18.
Berdasarkan hasil percobaan C dan D yang dilakukan tanpa pengembalian,
untuk percobaan C dengan n=5 didapat peluang pengambilan cacat yang lebih
kecil dibandingkan dengan percobaan D dengan n=20. Semakin besar jumlah
pengambilannya (n), maka semakin kecil peluang atau probabilitas terambilnya
cacat.
Pada perbandingann histogram A menunjukkan garis menurun sedangkan
histogram B lebih berbentuk naik atau cembung. Dan perbandingan histogram C
menunjukkan garis naik ke atas lalu turun, sedangkan histogram D lebih
berbentuk cembung.

Laporan Resmi Praktikum Statistika Industri 2016 I-35

1.8 Kesimpulan dan Saran
1.8.1 Kesimpulan
Berdasarkan hasil percobaan dan analisis yang telah dilakukan, dapat
disimpulkan bahwa untuk sampel acak n sebesar 5 dari populasi N sebesar 200,
lebih baik jika menggunakan pendekatan distribusi hipergeometrik. Sedangkan
untuk sampel acak n sebesar 20 dari populasi N sebesar 200, lebih baik jika
menggunakan perhitungan peluang distribusi binomial.
Hal ini dikarenakan sampel acak n sebesar 5 dari populasi N sebesar 200
lebih mewakili dari sampel acak n sebesar 5 dari populasi N sebesar 200 yang
berdistribusi binomial. Untuk sampel acak n sebesar 5 dari populasi N sebesar 200
yang menggunakan distribusi hipergeometrik ini lebih meneliti seberapa banyak
jumlah cacat dan tidak cacat.
Sedangkan untuk sampel acak n sebesar 20 dari populasi N sebesar 200
lebih baik menggunakan perhitungan peluang distribusi binomial. Hal ini
dikarenakan sampel acak n sebesar 20 dari populasi N sebesar 200 lebih mewakili
dari sampel acak n sebesar 5 dari populasi N sebesar 200 yang berdistribusi
binomial lebih mewakili populasi untuk menghitung banyaknya jumlah cacat dan
tidak cacat.

1.8.2 Saran
Adanya kendala terburu-buru dalam meneliti kancing di praktikum
statistika industri maka berpengaruh pada hasil yang diperoleh pada percobaan
ini. Selain itu, adanya kurang ketelitian tim dalam meneliti kancing dalam
praktikum statistika industri juga mempengaruhi hasil yang di peroleh. Dan juga
kurang nya ketelitian tim dalam menghitung hasil percobaan, maka diperoleh
hasil yang tidak sesuai.

Laporan Resmi Praktikum Statistika Industri 2016 I-36