Punya Pak Farhan - Mudah2an Benar

KARYA TULIS ILMIAH
PENDIDIKAN MAHASISWA
Oleh:
Kelompok 23
Anggota:
Muhammad Farhan Rabbani 2010932035
Ranca Aryasuta Ayueclinesuna 2010933016
Asisten Pembimbing:
Kartika Aprilia
LABORATORIUM PERENCANAAN DAN OPTIMASI SISTEM

INDUSTRI
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
2021
LEMBAR ASISTENSI PRA PENGAMBILAN DATA
MODUL I
Kelompok : 23
Anggota : Muhammad Farhan Rabbani
Ranca Aryasuta Ayueclinesuna
Asisten Pembimbing : Kartika Aprilia
No. Hari, Tanggal Keterangan Paraf

1. Selasa,21 September - Asistensi form
2021 - Data akan disajikan dalam
KA
bentuk apa, apakah tabel
distribusi frekuensi,
histogram ogive, line chart,
bar chart, box plot, atau pie
chart.
- Acc form.
2. Jumat,25 September - ACC Google Form pra

KA
2021 pengambilan data
3. Selasa,28 September - Asistensi laporan pertama

2021 - Pengajuan bab 1-3
KA
- Memperbaiki latar belakang
masalah
- Memperbaiki format
penulisan
- Memperbaiki Tujuan
Pustaka
KA
4. Kamis,30 September - Asistensi laporan kedua

2021
i
- Memperbaiki halaman KA
depan
- Memperbaiki tabel di excel
5. Senin, 4 Oktober
2021 - Asisten laporan ketiga
- Memperbaiki halaman
pengesahan.
- Memperbaiki pengolahan
data di excel dan grafik
- Memperbaiki latar belakang
masalah
- Memperbaiki format
penulisan
- Menambahkan yang belum
terselesaikan
- Memperbaiki bab III dan
bab II
ACC KUMPUL
Padang, 5 Oktober 2021

Asisten Pembimbing
(Kartika Aprilia)
NIM 1910932032
ii
LEMBAR PENGESAHAN
KARYA TULIS ILMIAH

PRAKTIKUM STATISTIKA INDUSTRI I
Oleh:
Kelompok 23
Anggota:
Tanggal Penyerahan: September 2021
Diterima Oleh Disetujui Oleh

Asisten Penerima Asisten Pembimbing
(Haura Ashilah Putri) (Kartika Aprilia)

1910931031 1910932032
Mengetahui
Koordinator Praktikum
Vitania Aurely Rahmi

1810932052
i
ABSTRAK
Judul dari penelitian adalah Dampak Pandemi Covid-19 terhadap

Pendidikan Mahasiswa. Perkuliahan daring yang merupakan salah satu dampak
pandemi Covid-19 tentu tidak lepas dari berbagai macam rintangan dalam
proses pelaksanaanya yang berdampak terhadap pendidikan mahasiswa, inilah
yang menjadi latar belakang penulis melakukan penelitian. Perumusan masalah
penelitian antara lain apa pengaruh pandemi Covid-19 terhadap pendidikan
mahasiswa, bagaimana bentuk penyajian data menggunakan statistika deskriptif,
serta bagaimana penerapan ilmu peluang terhadap dampak pandemi Covid-19
terhadap pendidikan mahasiswa. Tujuan penelitian antara lain untuk mengetahui
pengaruh pandemi Covid-19 terhadap pendidikan mahasiswa, memahami bentuk
penyajian datanya menggunakan statistika deskriptif, dan memahami penerapan
ilmu peluang terhadap dampak pandemi Covid-19 terhadap pendidikan
mahasiswa.
This research is a survey research. Sampel dalam penelitian ini adalah
152 mahasiswa Universitas Andalas Padang. Penulis menggunakan Google Form
sebagai sarana pengumpulan data penelitian. Kemudian, penulis menggunakan
teknik analisis statisktika deskriptif.
Hasil penelitian menunjukkan pada saat jam 15.00-17.00 merupakan
waktu dominan mahasiswa merasa jenuh dan tidak tertarik terhadap perkuliahan
daring. Kemudian, sebanyak 91 orang menghabiskan kurang dari 17 Gb
perbulannya. Selain itu, sebanyak 52% mahasiswa merasa cukup kesulitan dalam
mengikuti pembelajaran daring. Walaupun demikian, 82 dari 152 mahasiswa
masih merasa cukup memahami materi perkuliahan.
Kata Kunci: Covid-19, Grafik, Mahasiswa, Peluang, Statistika
ii
ABSTRACT
The title of the research is the Impact of the Covid-19 Pandemic on

Student Education. The background of the research is an assessment of the impact
of the Covid-19 pandemic on student education. The formulation of research
problems includes what is the effect of the Covid-19 pandemic on student
education, how is the form of data presentation using descriptive statistics, and
how is the application of opportunity science to the impact of the Covid-19
pandemic on student education. The objectives of the study were to determine the
effect of the Covid-19 pandemic on student education, understand the form of
data presentation using descriptive statistics, and understand the application of the
science of opportunity to the impact of the Covid-19 pandemic on student
education.
This research is scientific. The sample in this study were 152 students of
Andalas University, Padang. The author uses Google Form as a means of
collecting research data. Then, the writer uses descriptive statistical analysis
technique.
The results showed that 15.00-17.00 was the dominant time for students to
feel bored and not interested in online lectures. Then, as many as 91 people less
than 17 Gb per month. In addition, as many as 52% of students find it quite
difficult to follow the lesson boldly. However, 82 out of 152 students still feel
they understand the lecture material enough.
Keywords: Covid-19, Graphics, Students, Opportunity, Statistics
iii
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa atas rahmat dan hidayah-
Nya, penulis dapat menyelesaikan karya tulis ilmiah yang berjudul “Pengaruh
Pandemi Covid-19 terhadap Pendidikan Mahasiswa”. Karya tulis ilmiah disusun
untuk memenuhi tugas Praktikum Statistika Industri I. Selain itu, karya ilmiah ini
bertujuan menambah wawasan tentang penyajian data dalam statistika bagi para
pembaca dan juga bagi penulis.
Penulis mengucapkan terima kasih kepada Bapak Eri Wirdianto, M.Sc,

selaku kepala Laboratorium Perencanaan Optimasi dan Sistem Industri, Ibu Dina
Rahmayanti, Dr. selaku dosen pengampu, Fakhrozi Zulkarnain selaku
Koordinator Asisten Laboratorium Perencanaan Optimasi dan Sistem Industri,
Vitania Aurely Rahmi selaku Koordinator Praktikum Statistika Industri 1, Kartika
Aprillia selaku asisten pembimbing, dan Tim Asisten Laboratorium Perencanaan
Optimasi dan Sistem Industri. Ucapan terima kasih juga disampaikan kepada
semua pihak yang telah membantu diselesaikannya karya tulis ilmiah ini.
Penulis menyadari karya tulis ilmiah ini masih jauh dari sempurna. Oleh
sebab itu, saran dan kritik yang membangun diharapkan demi kesempurnaan
karya tulis ilmiah ini. Penulis juga berharap semoga karya ilmiah ini mampu
memberikan pengetahuan tentang penyajian data statistika yang berkaitan dengan
dampak pandemi Covid-19 terhadap pendidikan mahasiswa.
Penulis
iv
DAFTAR ISI
HALAMAN SAMPUL
LEMBAR PENGESAHAN....................................................................................i
ABSTRAK...............................................................................................................ii
KATA PENGANTAR...........................................................................................iv
DAFTAR ISI...........................................................................................................v
DAFTAR TABEL................................................................................................vii
DAFTAR GAMBAR..........................................................................................viii
BAB I PENDAHULUAN
1.1 Latar Belakang....................................................................................1
1.2 Rumusan Masalah...............................................................................2
1.3 Tujuan.................................................................................................2
1.4 Manfaat Penelitian..............................................................................2
1.5 Batasan Masalah.................................................................................3
BAB II TINJAUAN PUSTAKA
2.1 Statistika.............................................................................................4
2.2 Populasi...............................................................................................4
2.3 Sampel................................................................................................4
2.4 Parameter dan Statistik.......................................................................5
2.5 Data.....................................................................................................5
2.5.1 Data Berdasarkan Sifat..............................................................5
2.5.2 Data Berdasarkan Waktu...........................................................5
2.5.3 Data Berdasarkan Sumber.........................................................6
2.5.4 Statistika Deskriptif...................................................................6
2.5.5 Statistika Inferensial..................................................................7
2.6 Penyajian Data....................................................................................7
2.6.1 Bentuk Angka/ Tabel................................................................8
2.6.2 Bentuk Gambar.......................................................................12
2.7 Teori Probabilitas..............................................................................13
BAB III METODE PENELITIAN
v
3.1 Jenis Penelitian.................................................................................14
3.2 Lokasi dan Waktu Penelitian............................................................14
3.3 Subjek Penelitian..............................................................................14
3.4 Metode Pengumpulan Data...............................................................15
3.5 Analisis Data.....................................................................................15
BAB IV PENGOLAHAN DATA DAN ANALISIS
4.1 Pengolahan Data...............................................................................17
4.1.1 Ukuran Pemusatan dan Penyebaran data.................................17
4.1.2 Tingkat kesulitan Pembelajaran Daring..................................18
4.1.3 Tingkat Pemahaman Mahasiswa.............................................19
4.1.4 Penggunaan Kuota Perbulan...................................................20
4.1.5 Metode Pembelajaran..............................................................21
4.1.6 Media yang Efektif untuk Perkuliahan....................................21
4.2 Analisis Data.....................................................................................22
4.2.1 Line Chart...............................................................................23
4.2.2 Bar Chart.................................................................................23
4.2.3 Pie Chart.................................................................................24
4.2.4 Ogive.......................................................................................25
4.2.5 Diagram venn..........................................................................26
4.2.6 Histogram................................................................................27
4.2.7 Probability Density Function dan Cumulative Distrbution
Function..................................................................................28
4.2.8 Box Plot...................................................................................29
BAB V PENUTUP
5.1 Kesimpulan.......................................................................................30
5.2 Saran.................................................................................................30
DAFTAR PUSTAKA
LAMPIRAN
BIODATA PENELITI
vi
DAFTAR TABEL
Tabel 4.1 Pemusatan dan Penyebaran Data...........................................................17

Tabel 4.2 Distribusi Frekuensi..............................................................................18
Tabel 4.3 Tingkat Kesulitan Pembeljaran Daring.................................................18
Tabel 4.4 Tingkat Pemahaman Mahasiswa...........................................................19
Tabel 4.5 Komponen Box plot..............................................................................20
Tabel 4.6 PDF dan CDF Metode Pembelajaran....................................................21
Tabel 4.7 Media yang Efektif untuk Perkuliahan..................................................21
vii
DAFTAR GAMBAR
Gambar 4.1 Tingkat Kejenuhan Mahasiswa........................................................23

Gambar 4.2 Pemahaman Mahasiswa....................................................................24
Gambar 4.3 Tingkat Kesulitan Pembelajaran Daring...........................................24
Gambar 4.4 Kuota yang Digunakan Perbulan......................................................25
Gambar 4.5 Diagram Venn...................................................................................26
Gambar 4.6 Kuota yang Digunakan Perbulan......................................................27
Gambar 4.7 Probability Density Function & Cumulative Distributive Function 28
Gambar 4.8 Box Plot Penggunaan Kuota Perbulan..............................................29
viii
BAB I
PENDAHULUAN
Bab ini menjabarkan latar belakang dilakukannya penelitian dampak

pandemi Covid-19 terhadap pendidikan mahasiswa, rumusan masalah, tujuan
penelitian, manfaar penelitian, dan batasan yang membatasi permasalahan dalam
penelitian.
1.1 Latar Belakang
Mahasiswa merupakan suatu kelompok dalam masyarakat yang

memperoleh statusmya karena ikatan dengan universitas. Mahasiswa juga
merupakan calon intelektual atau cendikiawan muda dalam suatu lapisan
masyarakat. Masa depan suatu bangsa ditentukan oleh generasi muda yang salah
satunya adalah mahasiswa. Oleh karena itu, seorang mahasiswa sebenarnya adalah
sebagai agent of change, social control, moral force, dan iron stock.[5]
Selama pandemi Covid-19, banyak dilakukan perubahan-perubahan

terhadap sistem pendidikan mahasiswa. Banyak universitas-universitas di
Indonesia yang memberlakukan kebijakan perkuliahan dengan sistem daring
sesuai dengan program pemerintah untuk memutus rantai pandemi Covid-19 uang
sangat mematikan, bukan hanya di Indonesia tapi di seluruh dunia. Pandemi
Covid-19 tentu sangat berpengaruh terhadap pendidikan mahasiswa. Tak terhitung
banyaknya perubahan-perubahan yang terjadi dalam proses pendidikan mahasiswa
dikarenakan dampak pandemi Covid-19 ini. Hingga sampai sekarang belum ada
kepastian sampai kapan kebijikan perkuliahan dengan sistem daring akan terus
diberlakukan.
Perkuliahan daring yang sudah dijalankan lebih dari satu tahun ini tentu
tidak lepas dari berbagai macam hambatan yang berpotensi mengganggu dan
mempersulit mahasiswa dalam mengikuti perkuliahan. Penulis mengumpulkan
data yang didapatkan dari penyebaran Google Form kepada mahasiswa
c
1
Universitas Andalas Padang sebagai sampel dari penelitian yang nantinya
diinterpretasikan dalam bentuk grafis. Melalui penyajian data dengan statistika,
akan mempermudah untuk memahami bagaimana dampak pandemi Covid-19
terhadap pendidikan mahasiswa.
1.2 Rumusan Masalah
1. Apa pengaruh pandemi Covid-19 terdapat pendidikan mahasiswa?

2. Bagaimana bentuk penyajian data menggunakan statistika deskriptif
berdasarkan dampak pandemi Covid-19 terhdapat pendidikan mahasiswa?
3. Bagaimana penerapan ilmu peluang terhadap dampak pandemi Covid-19
terhadap pendidikan mahasiswa?
1.3 Tujuan
1. Mengetahui pengaruh pandemi Covid-19 terdapat pendidikan mahasiswa

2. Memahami bentuk penyajian data menggunakan statistika deskriptif
berdasarkan dampak pandemi Covid-19 terhadap pendidikan mahasiswa
3. Memahami penerapan ilmu peluang terhadap dampak pandemi Covid-19
terhadap pendidikan mahasiswa?
1.4 Manfaat Penelitian
1. Secara sosial, sebagai sarana bahan pertimbangan untuk badan pemerintah

dalam memperbaiki sistem pembelajaran daring serta memperluas
pengetahuan pembaca mengenai mengenai dampak pandemi Covid-19
terhadap pendidikan mahasiswa.
2. Secara ilmiah, sebagai bentuk sumber dan bahan masukan kepada para
penulis lain yang juga melakukan penelitian mengenai dampak pandemi
2
Covid-19 terhadap pendidikan mahasiswa serta memperdalam pemahaman
pembaca mengenai statistika deskriptif.
1.5 Batasan Masalah
1. Penelitian yang dilakukan merupakan penelitian mengenai dampak

pandemi Covid-19 terhadap pendidikan mahasiswa.
2. Penelitian ini dilakukan kepada mahasiswa Universitas Andalas Padang
selaku responden.
3. Pengambilan data dilakukan dalam rentang tiga hari, yaitu pada tanggal
24, 25, dan 26 September 2021.
3
BAB II
TINJAUAN PUSTAKA
Pada bab ini akan dijelaskan mengenai landasan teori yang berkaitan
dengan karya tulis ilmiah.
2.1 Statistika
Statistika adalah ilmu yang mempelajari cara pengumpulan data,

pengolahan, interpretasi data, pengambilan kesimpulan, dan pembuatan keputusan
berdasarkan data yang telah didapat.[1] Data yang diolah melalui ilmu statistika
berfungsi untuk membantu pemecahan masalah. Selain itu, ilmu statistika juga
dapat membantu dalam memprediksi keadaan di masa yang akan datang.
1.6 Populasi
Populasi adalah jumlah keseluruhan subjek yang diteliti oleh seorang

peneliti. Misalnya, 1000 orang dianggap sebagai populasi karena mereka terkait
satu sama lain dalam sebuah penelitian. Selain itu, pendapat lain berpendapat
bahwa pengertian populasi secara harfiah adalah semua variabel yang
berhubungan dengan topik penelitian.[1]
1.7 Sampel
Sampel adalah bagian dari populasi yang diteliti dalam suatu penelitian.
Hasil dari suatu penelitian yang harus dianggap sebagai gambaran dari populasi
aslinya, tetapi bukan dari populasi itu sendiri. Jika penelitian yang dilakukan
sebagian dari populasi maka bisa dikatakan bahwa penelitian tersebut penelitian
sampel. [1]
c4
1.8 Parameter dan Statistik
Parameter adalah ukuran seluruh populasi penelitian yang harus

diestimasi. Parameter disebut juga merupakan indeks dari distribusi pengukuran.
Deskripsi informasi dapat menjelaskan batasan atau bagian dari sistem. Statistik
adalah angka yang menngambarkan karakteristik sampel. [3]
1.9 Data
Data adalah kumpulan informasi atau gambaran suatu masalah yang

diperoleh dengan cara mengamati dan meneliti beberapa sumber yang berkaitan.
Data yang diperoleh mungkin bersifat hipotetis atau faktual yang belum
divalidasi. Data nantinya diolah menjadi suatu informasi yang digunakan dalam
pengambilan suatu keputusan.
2.5.1 Data Berdasarkan Sifat
Dua jenis data membedakan data, yaitu data kualitatif dan data kuantitatif.
Kedua jenis data ini sering digunakan dalam penelitian karena kedua data tersebut
dapat saling melengkapi. Data kualitatif seringkali datang dalam bentuk
pernyataan, gambar, bahkan simbol. Sedangkan data kuantitatif lebih kepada
klaim kuantitas atau kuantitas.
2.5.2 Data Berdasarkan Waktu
1. Data cross section

Data cross section adalah data yang menunjukkan suatu titik waktu
tertentu. Secara sederhana konsep data cross section adalah data yang memiliki
objek yang banyak pada tahun yang sama atau data yang dikumpulkan dalam satu
waktu terhadap banyak objek. Data cross section atau data terkupul pada waktu
terntu ini contohnya, seperti data hasil ujian siswa yang diperoleh setelah ujian itu
telah selesai.[6]
5
2. Data berkala
Data berkala adalah data yang dicatat pada periode waktu tertentu. Data
berkala ini dapat kita temukan dala kegiatan atau aktivitas survey penduduk, data
kebutuhan penduduk dalam setahun terakhir. Contoh lainnya, seorang mahasiswa
melakukan analisis konsumsi makanan cepat saji dari tahun 1990 sampai dengan
2017.
3. Data dengan variabel bebas dan variabel terikat

a. Variabel bebas adalah satuan data atau ukuran yang diubah dalam
pengamatan. Dalam hubungan sebab akibat, variabel terikat berperan
sebagai sebab dan variabel bebas berperan sebagai akibat.
b. Data yang variabel terikat merupakan satuan atau ukuran data yang
berubah dengan perubahan variabel lain. Variabel terikat menjadi hal yang
diperhatikan dalam suatu pengamatan.
2.5.3 Data Berdasarkan Sumber
Data dapat diperoleh dari berbagai sumber dan dengan berbagai cara.
Berdasarkan sumbernya, data dibedakan menjadi dua, yaitu data sekunder dan
data primer. Data sekunder adalah data yang dikumpulkan secara independen dari
sumber-sumber sebelumnya seperti buku, majalah dan sejenisnya. Sedangkan data
primer adalah data yang dikumpulkan oleh suatu instansi dan data yang diperoleh
oleh instansi itu sendiri. Misalnya, kependudukan BPS diperoleh dengan
melakukan sensus.
2.5.4 Statistika Deskriptif
Statistik deskriptif adalah metode pengumpulan dan penyajian sekumpulan

data untuk memberikan informasi yang berguna. Statistika deskriptif mencakup
cara-cara mengumpulkan data, menyusun atau mengatur data, mengolah data,
menyajikan data dan menganalisis data angka. Statistika deskriptifakan
memberikan gambaran yang teratur, ringkas dan jelas, mengenai keadaan,
6
peristiwa atau gejala tertentu sehingga dapat ditarik pengertian atau makna
tertentu.[2]
2.5.5 Statistika Inferensial
Statistik inferensial adalah metode yang dapat digunakan untuk

menganalisis subkelompok data dari data induk (sampel yang diambil dari
populasi) untuk memprediksi dan menarik kesimpulan tentang kelompok data
induk atau populasi. Selain itu, statistika inferensial juga merupakan ilmu statistik
yang menyediakan aturan atau suatu metode yang digunakan untuk meramalkan,
menaksir, dan mengambil suatu kesimpulan yang bersifat umum. Statistika
inferensial bertujuan sebagai alat praduga dari parameter populasi dan pengujian
hipotesis.[7]
Pengelompokan data tunggal menjadi data berkelompok:
1. Tentukan banyak data, data maksimum, dan data minimum.

2. Hitung nilai dari range (R) = data maksimum – data minimum.
3. Tentukan banyak kelas interval (K) = 1 + 3,3 log N dengan N adalah
banyak data.
4. Hitung lebar kelas (i) = R/K dimana R = range dan K adalah banyak
interval kelas.
1.10 Penyajian Data
Penyajian data dapat berupa tabel dan gambar. Penyajian data dalam
bentuk tabel dapat berupa data tunggal dan data berkelompok. Sementara itu,
penyajian data dalam bentuk gambar dapat berbentuk diagram batang, diagram
lingkaran, diagram garis.
7
2.6.1 Bentuk Angka/ Tabel
Data dalam bentuk tabel dapat memberikan informasi dan gambaran

mengenai jumlah secara rinci. Oleh karena itu, penyajian data dalam bentuk tabel
akan memudahkan kita dalam melakukan analisis terhadap suatu data yang
disajikan. Penyajian data dalam bentuk angka memiliki beberapa karakteristik
didalamnya seperti ukuran pemusatan data dan ukuran penyebaran data.
2.6.1.1 Ukuran Pemusatan
Ukuran pemusatan data adalah ringkasan yang mewakili berbagai

kumpulan data.[ CITATION Kad15 \l 1033 ] Pengukuran ini bertujuan untuk
menunjukkan letak nilai dalam distribusi berada. Terdapat tiga tipe dari
pemusatan data, yaitu:
1. Mean
Mean adalah cara menjelaskan kelompok data dengan didasarkan pada
nilai rata-ratanya.
Data tunggal:
∑ xi
i=1
x́ =
n
...(0)
Data berkelompok:
∑ Xi F i ...(0)
i=1
x́ =
n
Keterangan:
Xi = Data ke-i
8
n = Banyaknya Data
Fi = Frekuensi Data ke-i
9
2. Median
Median adalah nilai tengah dari sekelompok data yang sudah diurutkan
dari yang terkecil sampai yang terbesar. Rumus menghitung median adalah
Untuk n ganjil:
Me= x1 ...(0)
( n+1)
2
Untuk sampel genap
x n + xn
+1
Me= 2 2 ...(0)
2
Untuk sampel berkelompok
N
Me= L1 +c
2
F
-∑ f
[ ]
…(0)
Keterangan:
N N
= Data pada Urutan ke setelah Diurutkan.
2 2
L1 = Batas Kelas Bawah dari Kelas Median.
N = Banyak Data
∑f = Jumlah Frekuensi Semua Kelas
F = Frekuensi Kelas Media
c = Panjang Kelas
3. Modus
Modus adalah data yang paling sering muncul atau yang memiliki
frekuensi tertinggi.
10
∆1
Mo= L1 +
[ ∆ 1 + ∆2 ] c ...(0)
11
Keterangan:
L1 = Batas Bawah Kelas Modus.
∆1 = Selisih Frekuensi Kelas Modus dan Frekuensi Kelas Sebelumnnya
∆2 = Selisih Kelas Modus dan Frekuensi Kelas Sesudahnya
c = Panjang Kelas
2.6.1.2 Dispersi
Dispersi adalah penyebaran kelompok data terhadap pusat data. Dispersi

memiliki tiga ukuran, yaitu jangkauan, standar deviasi dan variansi. [ CITATION
Tri19 \l 1033 ]
1. Jangkauan
Jangkauan adalah nilai selisih antara nilai maksimum dengan nilai
minimum dirumuskan.
Range (r) = nilai maksimum – nilai minimum ...(0)
2. Standar deviasi
Standar deviasi adalah suatu nilai yang digunakan untuk menentukan
bagaimana persebaran data. Standar deviasi digunakan untuk melihat apakah data
jauh nilainya dari rata-rata.
n
(Xi- X́ ) 2
S=
√ ∑n
i=1
...(0)
Keterangan:
S = Standar Deviasi
Xi = Nilai Tengah
X́ = Rata-rata
n = Banyak Data
12
13
3. Variansi
Variansi merupakan harga deviasi yang juga memperhitungkan deviasi
tiap data terhadap rata-rata. Nilai varian didapatkan dari standar deviasi
dikuadratkan. Rumus menghitung varian adalah
2
n
( x i - x́ )2
S =∑ ...( 0)
i=1 n
Keterangan
S2 = Variansi
xi = Nilai tengah
x́ = Rata-rata
N = Banyak data
4. Fraktil
Fraktil merupakan pembagi data-data berurutan menjadi beberapa bagian.
Fraktil dapat berbentuk quartil, desil, dan persentil.
a) Kuartil
Kuartil adalah salah satu bentuk fraktil yang membagi data menjadi 4
bagian yang sama setelah diurutkan. Nilai kuartil diberi simbol Q1, Q2 dan Q3.
b) Desil
Desil adalah salah satu bentuk fraktil yang membagi data menjadi 10
bagian yang sama setelah diurutkan. Desil disimbolkan dengan D1, D2, D3…,
D9.
c) Persentil
Persentil adalah salah satu bentuk fraktil yang mebagi data menjadi
serratus bagian yang sama setelah diurutkan, persentil biasanya diberi simbol P1,
P2, P3, …, P99.
5. Skewness (kemiringan)
14
Skewness adalah tingkat ketidaksimetrisan atau kejauhan simetri dari
sebuah distribusi. Ada 3 jenis kemiringan yaitu kemiringan simetris, kemirigan
negatif dan kemiringan positif. [1]
6. Kurtosis
Kurtosis adalah derajat ketinggian puncak atau kerucingan suatu distribusi.
Kurva yang runcing dinamakan leptokurtic (Puncak Runcing), yang normal
disebut mesoikurtis (Puncak Normal) dan rendah disebut platikurtis (Puncak
Rendah). Jenis kurva kurtosis bergantung dengan koefisien kurtosis yang
didapatkan.[1]
2.6.2 Bentuk Gambar
a. Histogram
Histogram merupakan grafik dalam bentuk batang. Pembuatan histogram
mengacu kepada tepi kelas yang ada pada distribusi frekuensi. Pada histogram
terdapat sumbu mendatar untuk menyatakan kelas interval dan sumbu tegak untuk
menyatakan frekuensi.[2]
b. Ogive
Ogive adalah grafik yang menggambarkan distribusi kumulatif. Garis
ogive menghubungkan frekuensi berturut-turut dari batas bawah kelas interval
pertama sampai frekuensi batas bawah kelas terakhir.[2]
c. Diagram batang daun
Diagram batang daun menunjukkan distribusi data sehingga dapat dilihat
jika ada kecenderungan dalam data untuk terfokus pada nilai tertentu atau nilai
berapakah yang paling sering muncul, sering dan yang jarang muncul.
d. Diagram lingkaran
Diagram lingkaran adalah suatu bentuk penyajian data dalam bentuk
lingkaran. Lingkaran tersebut akan dibagi menjadi beberapa sektor. Setiap sektor
menjelaskan persentasi dari kelompok yang telah terbagi.
e. Box Plot
15
Box plot adalah ringkasan dari distribusi sampel yang disajikan dalam
bentuk grafis. Box plot bisa mengambarkan distribusi data, ukuran tendensi sentral
serta ukuran penyebaran data.
1.11 Teori Probabilitas
Probabilitas adalah suatu kemungkinan yang ditunnjukkan dengan

bilangan antara nol sampai satu. Angka akan dari nol sampai satu akan
menunjukkan seberapa besar kemungkinan suatu hal terjadi atau seberapa kecil
kemungkinan suatu hal akan terjadi.
Peluang dapat dibedakan menjadi dua yaitu: peluang tunggal dan peluang
bersyarat. Peluang tunggal adalah kemungkinan terjadinya suatu kejadian secara
independent. Peluang bersyarat adalah kelumngkinan terjadinya suatu kejadian
jika kejadian lain terjadi.[2]
Peluang dapat ditentukan dengan rumus
n(A)
P ( A)= ...(0)
n(S)
Keterangan:
P ( A) = Peluang Terjadinya Kejadian A
n (A ) = Banyak Kejadian A yang Terjadi
n (S) = Total Seluruh Kejadian
16
BAB III
METODE PENELITIAN
Bab ini berisikan jenis penilitian yang dilakukan penulis, lokasi dan waktu
penelitian berlangsung, subjek yang menjadi fokus dalam penelitian, metode
pengumpulan data yang diberlakukan, serta analis dari data yang telah
dikumpulkan.
2.1 Jenis Penelitian
Jenis penelitian yang dilalukan adalah penelitian survey. Pengumpulan

data penelitian dilakukan dengan cara menyusun pertanyaan yang kemudian
diajukan kepada 152 mahasiswa Univesitas Andalas sebagai sampel dari populasi
mahasiswa di Indonesia. Data yang dijadikan sebagai pembuktian ilmiah dari
penelitian merupakan data kualitatif dan juga data kuantitatif. Penelitan tidak
melakukan percobaan untuk mencari hubungan sebab akibat antarvariabel
sehingga termasuk kedalam penelitian non eksperimental.
2.2 Lokasi dan Waktu Penelitian
Penulis melakukan penelitian serta pengambilan data secara online.

Penulis memanfaatkan Google Form sebagai sarana dalam mengumpulkan data
penelitian. Waktu penelitian dilakukan pada 20 September 2021 sampai dengan 1
Oktober 2021. Jadi, total waktu penilitian berlangsung selama dua minggu penuh.
2.3 Subjek Penelitian
17
c
Subjek yang dipilih pada penelitian ini adalah mahasiswa Universitas
Andalas yang terletak di Kota Padang, Sumatra Barat, Indonesia. Sebanyak 152
Mahasiswa Universitas Andalas berperan sebagai sampel dari penelitian dampak
pandemi Covid-19 terhadap pendidikan mahasiswa. Peneliti memilih mahasiswa
Universitas Andalas sebagai subjek penelitian dikarenakan masihnya diberlakukan
kebijakan perkuliahan dengan sistem daring sesuai dengan program pemerintah
untuk memutus rantai pandemi Covid-19 sehingga berhubungan dengan apa yang
menjadi tema dari karya tulis ilmiah ini.
2.4 Metode Pengumpulan Data
Penelitian ini menggunakan data primer yang diperoleh dan dikumpulkan

sendiri untuk mendapatkan informasi-informasi yang dibutuhkan. penulis
menggunakan metode angket dengan memanfaatkan kemudahan Google Form
sebagai sarana pengumpulan data penelitian. Teknik pengumpulan ini dilakukan
dengan cara membagikan Google Form kepada mahasiswa Universitas Andalas
melalui sosial media seperti WhatsApp dan Line. Google form berisikan
pertanyaan-pertanyaan yang memiliki hubungan terhadap data-data yang perlukan
dalam penelitian dampak pandemi Covid-19 terhadap mahasiswa seperti tingkat
pemahaman mahasiswa tehadap materi pembelajaran selama perkuliahan daring
yang dapat dilihat pada Tabel 4.4.
2.5 Analisis Data
Dalam menganalisis data, peneliti menggunakan teknik analisis statisktika

deskriptif. Dengan teknik analisis statistika deskriptif, penulis menganalisis data
dengan cara menggambarkan atau mendeskripsikan data-data yang ditemukan
secara apa adanya. Penulis menginterpretasikan data yang didapat dalam bentuk
tabel dan grafis. Grafis yang digunakan untuk menyajikan data ialah pie chart,
bar chart, ogive, boxplot dan histogram, sedangkan penyajian data dalam
18
bentuk tabel seperti tabel distribusi frekuensi. Selanjutnya, penulis menganalisis
dampak pandemi Covid-19 terhadap pendidikan mahasiswa berdasarkan data
yang diperoleh untuk digeneralisasikan pada populasi mahasiswa di Indonesia.
19
BAB IV
PENGOLAHAN DATA DAN ANALISIS
Pada bab ini akan dijelaskan mengenai pengolahan serta analisis data
dampak pandemi terhadap pendidikan mahasiswa
2.6 Pengolahan Data
Penulis menginterpretasikan serta mengolah data dampak pandemi

Covid-19 terhadap pendidikan mahasiswa yang didapat dalam bentuk grafik.
Sebelum membuat grafik, penulis terlebih dahulu mengolah data yang
diperoleh. Oleh karena itu, hal pertama yang diperlukan setelah pengumpulan
data ialah mengatur dan menyusun data tersebut dengan jelas di dalam tabel.
4.1.1 Ukuran Pemusatan dan Penyebaran data
Bagian ini disajikan tabel distribusi frekuensi yang didapatkan dari

penggunaan kuota internet responden perbulan.
Tabel 4. 1 Pemusatan dan Penyebaran Data

Lebar
Jumlah data 152 18
Kelas
Nilai Max 150 Rata-Rata 23
Nilai Min 0 Modus 10
Range 150 Median 15
Jumlah Kelas 9
Standar Variansi 18.14
328.9
deviasi
Tabel ini menunjukkan ukuran pemusatan dan penyebaran data. Contoh

perhitungan Tabel 4.1
Range = 150 – 0 = 150
Jumlah kelas = 1 + 3.3log(152) = 8.2 ≈ 9
c
20
150
Lebar kelas = = 18.29
8.2
3524
Rata-rata = =23.18
152
91
Modus =0+( )18 = 10
91-59
86-0
Median =0+( )18 = 15
91
38-0
Kuartil 1 =0+( )18 = 7
91
86-0
Kuartil 2 =0+( )18 = 15
91
104-91
Kuartil 3 = 18 + ( )18 = 30
32
Tabel 4. 2 Distribusi Frekuensi

Kelas Interval BB BA ;L IL σ IL IL; L ;ഥ ሺ‫ܑ ܆‬െ ‫܆‬ഥሻ૛ IL ; Lí ;ഥ 6 S
1 0 17 -0.5 17.5 8.5 91 91 773.5 215.63 19621.97
2 18 35 17.5 35.5 26.5 32 123 848 10.99 351.82
3 36 53 35.5 53.5 44.5 16 139 712 454.36 7269.81
4 54 71 53.5 71.5 62.5 4 143 250 1545.73 6182.93
5 72 89 71.5 89.5 80.5 3 146 241.5 3285.10 9855.30
23.18 658.39 25.66
6 90 107 89.5 107.5 98.5 4 150 394 5672.47 22689.87
7 108 125 107.5 125.5 116.5 0 150 0 8707.84 0.00
8 126 143 125.5 143.5 134.5 0 150 0 12391.20 0.00
9 144 161 143.5 161.5 152.5 2 152 305 16722.57 33445.15
Total 724.5 152 3524 49005.90 99416.84
Contoh perhitungan Tabel 4.2 sebagai berikut

3524
x́ = =23.18
152
99416.84
S2 = =3257.24
152
S = √ 654.06 =25.57
4.1.2 Tingkat kesulitan Pembelajaran Daring
Tabel 4.3 Tingkat Kesulitan Pembeljaran Daring

Tingkat kesulitan frekuensi
Cukup sulit 79
21
Sulit 14
Mudah 53
Sangat mudah 6
Total 152
Tabel 4.3 merupakan data tingkat kesulitan pembelajaran daring.

Perhitungan persentase dalam pie chart didapatkan dengan cara berikut:
79
Cukup Sulit = ×100% = 59.97%
152
14
Sulit = ×100% = 9.21%
151
53
Mudah = ×100% = 34.89%
152
6
Sangat Mudah = ×100% =3.94%
152
4.1.3 Tingkat Pemahaman Mahasiswa
Pada bagian ini disajikan data dari skala pemahaman mahasiswa terhadap
pembelajaran selama pandemic Covid-19. Skala pemahaman mahasiswa akan
disajikan dalam bentuk bar chart, sumbu x menunjukkan skala pemahaman
mahasiswa dan sumbu y menunjukkan frekuensi.
Tabel 4.4 Tingkat Pemahaman Mahasiswa

Skala Frekuensi
sangat tidak paham 7
tidak paham 11
cukup paham 86
Paham 44
sangat paham 4
Total 152
Tabel 4.4 merupakan skala pemahaman mahasiswa terhadap materi yang

disampaikan oleh dosen. Berdasarkan data ini dapat dilihat bahwa kebanyakan
mahasiswa cukup paham dengan materi yang disampaikan oleh dosen. Hanya
sedikit mahasiswa yang tidak paham dengan materi yang dosen sampaikan.
22
4.1.4 Penggunaan Kuota Perbulan
1. Box plot
Bagian ini akan membahas mengenai box plot yang didapatkan dari data
penggunaan kuota perbulan. Box plot dapat dibuat dengan komponen box plot
seperti pada Tabel 4.5 data pada ini didapatkan dari Tabel 4.2.
Tabel 4. 5 Komponen Box plot

Komponen Boxplot Nilai
Min 0
Q1 7
Q2 15
Q3 30
Max 150
Q1 7
Q2-Q1 8
Q3-Q2 15
Batas Atas-Q3 120
Perhitungan komponen boxplot didapatkan dari tabel ukuran dan

pemusatan data Tabel 4.1 berserta cara perhitungannya.
2. Histogram
Histogram yang dapat dilihat pada Gambar 4.5 dibuat berdasarkan data
penggunaan kuota perbulan responden. Histogram didapatkan dari nilai tengah
interval data dengan frekuensi data. Data yang digunakan sebagai dasar histogram
pada Gambar 4.5 dapat dilihat pada Tabel 4.2
3. Ogive
Pada bagian ini akan disajikan pengolahan data dari data penggunaan
kuota internet perbulan. Data yang telah didapat dari responden akan digunanakan
untuk membentuk ogive positive. Data yang digunakan sebagai dasar pembuatan
ogive pada Gambar 4.4 dapat dilihat pada Tabel 4.2
23
4.1.5 Metode Pembelajaran
Bagian ini disajikan pengolahan data dengan probability density function

dan Probability Mass Function Metode Pembelajaran. Pengolahan data pada bagian
ini menggunakan data metode pembelajaran di kampus responden disajikan pada
Tabel 4.6
Tabel 4.6 PDF dan CDF Metode Pembelajaran

Metode fi
Pembelajaran fi Kumulatif PDF CDF
Daring 129 129 0,85 0,85
Luring 2 131 0,01 0,86
Daring dan Luring 21 152 0,14 1,00
Total 152 1,00
Perhitungan Tabel 4.6 adalah dengan cara sebagai berikut:

129
P(Daring) = = 0.85
152
2
P(Luring) = = 0.01
21
21
P(Daring dan Luring) = = 0.14
152
4.1.6 Media yang Efektif untuk Perkuliahan
Pada bagian ini akan dibahas mengenai pengolahan data dari media yang
dinilai efektif untuk perkuliahan daring yang akan dikelompokkan seperti pada
Tabel 4.7
Tabel 4.7 Media yang Efektif untuk Perkuliahan

Media Frekuensi
Chating via WA group 1
Google meet 6
Microsoft team 4
Microsoft team, Google meet 1
Microsoft team, Google meet, Chating via WA group 1
Video offline 1
24
Video offline, Chating via WA group 1
Zoom 46
Zoom, Chating via WA group 10
Zoom, Google meet 11
Zoom, Google meet, Chating via WA group 12
Zoom, Microsoft team 6
Zoom, Microsoft team, Chating via WA group 7
Zoom, Microsoft team, Google meet 11
Zoom, Microsoft team, Google meet, Chating via WA group 8
Zoom, Video offline 7
Zoom, Video offline, Chating via WA group 2
Zoom, Video offline, Google meet 3
Zoom, Video offline, Google meet, Chating via WA group 2
Zoom, Video offline, Microsoft team 2
Zoom, Video offline, Microsoft team, Chating via WA group 2
Zoom, Video offline, Microsoft team, Google meet, Chating via
WA group 8
Total 152
Media yang terdapat pada data ini antara lain Zoom, Video Offline,
Microsoft Team, Google Meet, dan WA.
4.2 Analisis Data
Penulis menginterpretasikan serta mengolah data dampak pandemi

Covid-19 terhadap Pendidikan mahasiswa yang didapat dalam bentuk grafik.
Grafik yang digunakan untuk pengolahan data antara lain seperti pie chart, bar
chart, ogive, box plot dan histogram. Tujuan dari pengolahan data dalam bentuk
grafik adalah agar mempermudah dalam memahami data-data yang ada serta
menunjukkan perbandingan antara data yang satu dengan data yang lainnya.
4.2.1 Line Chart
25
Gambar 4.1 Tingkat Kejenuhan Mahasiswa
Gambar 4.1 merupakan diagram garis tingkat kejenuhan mahasiswa.

Melalui Gambar 4.1 dapat diketahui bahwa pada saat jam 15.00-17.00
merupakan waktu dominan mahasiswa merasa jenuh dan tidak tertarik terhadap
perkuliahan daring. Selain itu, dapat diketahui bahwa mahasiswa merasa tertarik
mengikuti perkuliahan pada rentang waktu jam 09.00 sampai dengan 11.00 siang.
4.2.2 Bar Chart
Gambar 4.2 merupakan bar chart tingkat pemahaman mahasiswa terhadap

materi perkuliahan selama pandemi Covid-19. Melalui Gambar 4.2 dapat
diketahui bahwa kategori cukup paham lebih unggul dibandingkan dengan
kategori lainnya. Kemudian, kategori sangat paham merupakan kategori yang
paling rendah frekuensinya.
26
Pemahaman Mahasiswa
100 86
80
Frekuensi 60 44
40
20 7 11
4
0
Sangat Tidak Cukup Paham Sangat
Tidak Paham Paham Paham
Paham
Gambar 4.2 Pemahaman Mahasiswa
4.2.3 Pie Chart
Tingkat Kesulitan Pembelajaran daring
4%
35%
52%
9%
Cukup sulit Sulit

Mudah Sangat mudah
Gambar 4.3 Tingkat Kesulitan Pembelajaran Daring
Gambar 4.3 merupakan pie chart yang menunjukkan tingkat kesulitan

mahasiswa mengikuti pembelajaran daring. Melalui Gambar 4.3 dapat diketahui
bahwa sebanyak 52% mahasiswa cukup kesulitan dalam mengikuti pembelajaran
daring. Selain itu, hanya sebanyak 13% saja mahasiswa yang tidak kesulitan
mengikuti pembelajaran daring.
4.2.4 Ogive
27
Kuota yang Digunakan Perbulan
160
140
120
Frekuensi 100
80
60
40
20
0
17.5 35.5 53.5 71.5 89.5 107.5 125.5 143.5 161.5
Kelas
Gambar 4.4 Kuota yang Digunakan Perbulan
Gambar 4.4 merupakan ogive yang menunjukkan seberapa banyak kuota

internet yang digunakan selama perkuliahan di masa pandemi Covid-19 selama
satu bulan. Ogive yang digunakan adalah ogive positif dan berdasarkan tabel
distribusi kumulatif.
28
4.2.5 Diagram venn
Gambar 4.5 Diagram Venn
Gambar 4.5 merupakan diagram venn dari media yang dinilai efektif
dalam menunjang perkulikahan daring. Dapat diketahui bahwa Zoom Meeting
merupakan media yang dinilai paling efektif untuk menunjuang perkuliahan
daring. Selain itu, hanya terdapat 2 mahasiswa saja yang melakukan perkuliahan
secara luring dan 21 mahasiswa melakukan pembelajaran luring dan daring.
Sebaliknya, WhatsApp merupakan media yang kurangefektif untuk menunjang
perkuliahan daring
29
4.2.6 Histogram
Kuota Digunakan Perbulan
100 91
80
60
Frekuensi
40 32
20 16
4 3 4 0 0 2
0
5 5 5 5 5 5 5 5 5
8. 26. 44. 62. 80. 98. 16. 34. 52.
1 1 1
Kuota
Gambar 4.6 Kuota yang Digunakan Perbulan
Gambar 4.5 merupakan histogram yang menunjukkan seberapa banyak

kuota internet yang digunukan selama perkuliahan di masa pandemi Covid-19
selama satu bulan. Histogram yang dapat dilihat pada Gambar 4.5 dibuat
berdasarkan tabel distribusi frekuensi yang dapat dilihat pada Tabel 4.2. Melalu
Gambar 4.5 dapat diketahui bahwa dominan mahasiswa sebanyak 91 orang
berada pada kelas 8,5 yang merupakan interval 0 Gb sampai dengan 17 Gb.
30
4.2.7 Probability Density Function Dan Cumulative Distrbution Function
PDF dan CDF metode Pembelajaran

1.20
1.00
0.80
PDF
Peluanng
0.60 CDF
0.40
0.20
0.00
Daring Luring Daring dan
Luring
Gambar 4.7 Probability Density Function dan Cumulative Distributive Function
Gambar 4.7 merupakan probability density function dan cumulative

distribution function dari dampak pandemi Covid-19 terhadap pendidikan
mahasiswa. Melalui Gambar 4.7 dapat diketahui bahwa hampir semua
mahasiswa melakukan pembelajaran secara daring. Hanya sedikit mahasiswa yang
melakukan pembelajaran secara luring ataupun dengan menjalankan perkuliahan
dengan metode hybrid (daring dan luring).
4.2.8 Box Plot
Box Plot Penggunaan Kuota Perbulan
Q1
Q2-Q1
1 7 8 15 Q3-Q2
0 5 10 15 20 25 30 35
Gambar 4.8 Box Plot Penggunaan Kuota Perbulan
31
Gambar 4.8 merupakan box plot dari data seberapa banyak kuota internet
yang digunukan selama perkuliahan di masa pandemi Covid-19 selama satu bulan.
Melalui Gambar 4.8 dapat diketahui bahwa minimum penggunaan data perbulan
oleh responden adalah 0 dan maksimum penggunaan data perbulan adalah 150
Gb. Pada Gambar 4.8 dapat dilihat nilai dari Q1, Q2 dan Q3. Melalui gambar
juga terinformasi nilai dari selisih Q2 dan Q1, juga nilai selisih dari Q3 dan Q2
yang ditunjukkan oleh warna orange dan abu. Orang untuk Q3-Q2 dan abu abu
untuk Q3-Q2.
32
BAB V
PENUTUP
Pada bab ini akan dijelaskan mengenai kesimpulan dan saran penelitian
dampak pandemi Covid-19 terhadap pemdidikan mahasiswa.
5.1 Kesimpulan
1. Hasil penelitian menunjukkan bahwa perkuliahan daring diatas jam tiga

sore merupakan waktu dominan mahasiswa merasa jenuh dan tidak
tertarik terhadap perkuliahan. Kemudian, sebagain besar mahasiwa
menghabiskan 17 Gb perbulannya selama perkuliahan di masa pandemi
Covid-19. Selain itu, sebanyak 52% mahasiswa merasa cukup kesulitan
dalam mengikuti pembelajaran daring. Walaupun demikiann, 82 dari 152
mahasiswa masih merasa cukup memahami materi perkuliahan.
2. Bentuk penyajian data menggunakan statistika deskriptif berdasarkan
dampak pandemi Covid-19 terhadap pendidikan mahasiswa dapat
disajikan dengan tabel dan dapat juga dengan grafik. Hal pertama yang
diperlukan setelah data terkumupul ialah mengatur dan menyusun data
tersebut dengan jelas didalam tabel. Lalu grafik dapat dibuat berdasarkan
tabel yang telah dibuat sebelumnya Tabel memang sudah bisa dikatakan
cukup informatif, akan tetapi dengan grafik akan lebih memudahkan orang
lain untuk membaca dan memahami data yang diperlukan dengan cepat.
3. Kita dapat melihat peluang terbesar dari metode pembelajaran apa yang
digunakan dan media mana yang paling efektif untuk perkuliahan daring.
5.2 Saran
Menurut penulis, perkuliah dengan sistem daring masih memerlukan

banyak perbaikan dalam pelaksanaanya. Jangan sampai perkuliahan daring malah
33
c
mempersulit mahasiswa dalam mengikuti pembelajaran. Selain itu, saat hendak
menyajikan data sebaiknya menggunakan metode statistika deskriptif agar
informasi dari suatu data dapat dengan mudah tersampaikan.
34
DAFTAR PUSTAKA
[1] Hidayati, Tri. 2019. Statistika Dasar Paduan Bagi Dosen dan Mahasiswa.
Purwokerto: CV. Pena Persada.
[2] Kadir. 2015 Statistika Terapan. Jakarta: PT RajaGrafindo Persada.
[3] R. A. Hutagalung. 2020. Metode Praktis Belajar Statistika, Jakarta: Penerbit

Universitas Katolik Indonesia Atma Jaya, 2020.
[4] W. N. Habiby. 2017. Statistika Pendidikan. Surakarta: Muhammadiyah

University Press.
[5] H.Cahyono. 2019. Peran Mahasiswa di Masyarakat. Jurnal Pengabdian

Masyarakat Setiabudhi, 1, 30-41.
LAMPIRAN
LAMPIRAN A
(Kuesioner)
Pengaruh Pandemi Terhadap Pendidikan Mahasiswa
1. Metode pembelajaran apa yang kampus anda gunakan?
 Daring
 Luring
 Daring dan luring
2. Apakah media yang dinilai efektif untuk pembelajaran daring?
 Zoom
 Video Offline
 Microsoft team
 Google Meet
 Chating via WA group
3. Berapa kuota yang anda gunakan sebulan?
4. Seberapa paham anda terhadap materi perkuliahan yang disampaikan
dosen melalui sistem daring?
 1
 2
 3
 4
 5
5. Seberapa mudah pembelajaran daring ini digunakan?
 Sulit
 Cukup sulit
 Mudah
 Sangat mudah
6. Kapan anda merasa jenuh ataupun tidak tertarik dengan pembelajaran
perkuliahan daring ini?
 07.00-09.00
 09.00-11.00
 11.00-13.00
 14.00-15.00
LAMPIRAN B
(Data Mentah)
Tabel L.B.1 Data Mentah
Nama Seberapa Seberapa Apakah media yang Metode Kapan anda Berapa
mudah paham anda dinilai efektif untuk pembelajaran merasa jenuh kuota
pembelajaran terhadap pembelajaran perkuliahan ataupun tidak yang anda
daring ini materi perkuliahan apa yang tertarik dengan gunakan
digunakan? perkuliahan daring? kampus anda pembalajaran selama
yang gunakan? perkuliahan sebulan?
disampaikan daring ini?
dosen melalui
sistem
daring?
Hafis Fadli Rosva Mudah 3 Zoom, Microsoft Daring 14.00-15.00 5
team, Google meet
Annisa Naulitha Cukup sulit 4 Zoom, Microsoft Daring 15.00-17.00 20
team, Chating via
WA group
Afip Watoni Piliang Cukup sulit 3 Zoom, Microsoft Daring 15.00-17.00 40
team
Mutia Rahmah Cukup sulit 3 Zoom, Microsoft Daring 14.00-15.00 25
team, Chating via
WA group
Irfan Syarif Cukup sulit 2 Microsoft team Daring 14.00-15.00 70
Reysa Fadhilla Sulit 3 Video offline, Daring 14.00-15.00 18
Chating via WA
group
Ariq Daffa Hesa Cukup sulit 3 Google meet Daring dan 14.00-15.00 10
luring
Ihsan Mudah 3 Zoom Daring 07.00-09.00 2
Tabel L.B.1 Data Mentah (Lanjutan)
ismael Mudah 3 Zoom, Google meet, Daring 07.00-09.00 25
Chating via WA
group
Afnan Zatari Cukup sulit 3 Zoom Daring dan 14.00-15.00 7
luring
Rama Anggara Guwita Cukup sulit 3 Zoom Daring 07.00-09.00 12
Farrel Fadnil Pratama Mudah 3 Zoom, Microsoft Daring 15.00-17.00 4
team, Google meet,
Chating via WA
group
Fadhil Muhammad Akmal Cukup sulit 3 Zoom Daring 15.00-17.00 8
Muhammad Farhan Cukup sulit 4 Zoom, Microsoft Daring 11.00-13.00 12

team, Chating via
WA group
reihan firdan Cukup sulit 4 Zoom Daring 11.00-13.00 12
M ihsan randa Cukup sulit 4 Zoom, Microsoft Daring 11.00-13.00 60
team, Google meet
Afif Trizikri Mendra Sangat mudah 3 Zoom, Microsoft Daring 15.00-17.00 10
team, Google meet
M Zaky Cukup sulit 3 Zoom, Video offline Daring 15.00-17.00 5
daffa ridhallah Mudah 2 Zoom Daring dan 15.00-17.00 10
luring
Suci Aprilia Mudah 4 Zoom Daring 15.00-17.00 50
Abim Dwi Putra Mudah 4 Zoom, Microsoft Daring 14.00-15.00 15
team, Google meet,
Salsabila Yori Harmen Cukup sulit 4 Zoom, Google meet, Daring 15.00-17.00 20
Chating via WA
group
Muhammad Zaky Mudah 3 Zoom, Google meet Daring 15.00-17.00 0
Al Fayad Zabihullah Mudah 3 Zoom, Video offline, luring 11.00-13.00 10
Microsoft team,
Google meet,
Chating via WA
group
Azzikri Maulana Jamal Cukup sulit 3 Zoom, Chating via Daring 07.00-09.00 20
WA group
Bayu Wiranata Sangat mudah 1 Zoom, Google meet Daring 07.00-09.00 0
Inka Nabilla Mudah 3 Zoom, Google meet, Daring 11.00-13.00 100
Chating via WA
group
Afrilla Tessa Cukup sulit 3 Zoom, Google meet, Daring 15.00-17.00 90
Chating via WA
group
Syifa Khairani Cukup sulit 3 Zoom, Video offline, Daring dan 15.00-17.00 30
Google meet luring
Keyrin Cukup sulit 1 Zoom Daring 11.00-13.00 50
Zaki Abdussalam Cukup sulit 3 Zoom, Google meet Daring 14.00-15.00 7
Arief Rahman Mudah 3 Google meet Daring 14.00-15.00 100
Kekem Habibillah Cukup sulit 3 Zoom Daring 11.00-13.00 5
Malik ibrahim Cukup sulit 3 Zoom Daring 15.00-17.00 10
Syifa Cukup sulit 4 Zoom, Video offline, Daring 15.00-17.00 15
Chating via WA
group
Ayu Windari Cukup sulit 3 Zoom, Google meet, Daring 07.00-09.00 80
Chating via WA
group
Alifa Fadillah Annur Sangat mudah 3 Zoom, Google meet Daring 14.00-15.00 40
Laden budiman Sulit 3 Zoom Daring dan 07.00-09.00 50
luring
Sulthan Muhammad Fasda Mudah 3 Zoom Daring 15.00-17.00 1
D Lentera H. Cukup sulit 3 Video offline Daring 07.00-09.00 1

Sakhwa Mudah 4 Zoom, Google meet Daring 07.00-09.00 25
Bismi f h Mudah 3 Zoom, Microsoft Daring dan 07.00-09.00 20
team luring
Ervia Susilawati Cukup sulit 3 Zoom, Microsoft Daring 14.00-15.00 30
team, Chating via
WA group
Reyhan Cukup sulit 3 Zoom, Video offline, Daring dan 11.00-13.00 14
Microsoft team, luring
Google meet,
Chating via WA
group
Anastasya Illone Mudah 3 Zoom Daring 11.00-13.00 7
Farel Marezi Sulit 3 Zoom, Video offline Daring 15.00-17.00 40
Zhahara Dwi Chandra Cukup sulit 3 Zoom, Microsoft Daring 15.00-17.00 40
team, Google meet,
Chating via WA
group
Aldrich Cukup sulit 4 Zoom Daring dan 15.00-17.00 5
luring
Wr Cukup sulit 2 Microsoft team Daring 14.00-15.00 10
M Bagus Al Fateh Cukup sulit 4 Zoom, Google meet Daring dan 15.00-17.00 4
luring
Rindu hidayatul Cukup sulit 3 Zoom, Video offline Daring 14.00-15.00 20
Fajar Maulid Mudah 4 Google meet Daring 14.00-15.00 10
Amiral Fadhil Mudah 3 Zoom Daring 15.00-17.00 15
Ibnu Taufiqul Rahman Cukup sulit 2 Zoom, Video offline, Daring 15.00-17.00 7
Google meet,
Chating via WA
group
Habiburrahnan Cukup sulit 3 Zoom Daring 14.00-15.00 15
Fikri aziz Cukup sulit 3 Zoom Daring 15.00-17.00 20
Bima Tri Putra Mudah 4 Zoom, Microsoft Daring 14.00-15.00 12
team
Anjar Prayudha Irawan Cukup sulit 3 Zoom, Google meet, Daring 15.00-17.00 30
Chating via WA
group
Szaskia Putri Damayanti Cukup sulit 3 Zoom, Microsoft Daring 07.00-09.00 4
team, Google meet
Are Prety Nelda Mudah 3 Zoom, Microsoft Daring 15.00-17.00 80
team, Google meet,
Chating via WA
group
Anita ramadhani Cukup sulit 3 Microsoft team, Daring 15.00-17.00 14
Google meet
Aiko Indira Ashifa Mudah 3 Zoom, Video offline, Daring 14.00-15.00 30
Microsoft team,
Google meet,
Chating via WA
group
ghaeska fanaya Mudah 3 Zoom, Microsoft Daring 14.00-15.00 30
team, Chating via
WA group
raihanmaulanahamid02@gmail.com Mudah 3 Zoom, Microsoft Daring 07.00-09.00 0
team, Google meet,
Chating via WA
group
Rijal Anshari Sulit 1 Chating via WA Daring 14.00-15.00 10
group
Rahmat Zaki Aulia Mudah 4 Zoom, Microsoft Daring 15.00-17.00 10
team
Puti salbila karin Mudah 3 Zoom Daring 14.00-15.00 30
Dinia Sulit 3 Zoom, Video offline, Daring 15.00-17.00 30
Microsoft team
Putri Aqilah Mudah 4 Zoom, Video offline, Daring 15.00-17.00 2
Microsoft team,
Google meet,
TVZ Cukup sulit 5 Zoom Daring 14.00-15.00 0
Citra Amelia Dewi Mudah 3 Zoom, Google meet Daring 09.00-11.00 60
Muhammad Luthfi Syahli Mudah 4 Zoom, Microsoft Daring 15.00-17.00 5
team, Google meet
Alifah Qonitah Cukup sulit 4 Zoom, Microsoft Daring 14.00-15.00 5
team, Google meet
Ressa Ardila Mudah 4 Zoom, Video offline, Daring 15.00-17.00 20
Chating via WA
group
Devi Ramadhani Mudah 4 Zoom, Microsoft Daring 15.00-17.00 100
team, Google meet
Aqil Kurniawan Mudah 4 Zoom Daring 07.00-09.00 20
Tri Nugraha Pratama Cukup sulit 4 Zoom, Microsoft Daring 15.00-17.00 15
team
Riska Ananda Pratiwi Cukup sulit 4 Zoom Daring 14.00-15.00 30
Muhammad Fatahillah Cukup sulit 3 Zoom Daring 14.00-15.00 57
Riski Ar Rahman Mudah 3 Zoom, Chating via Daring 07.00-09.00 2
WA group
muhammad riffan anugrah syofyan Cukup sulit 2 Zoom Daring 15.00-17.00 10
daniyamoza99@gmail.com Cukup sulit 3 Zoom, Microsoft Daring 15.00-17.00 10

team, Chating via
WA group
Mifrathul Chairi Cukup sulit 3 Zoom, Microsoft Daring 11.00-13.00 5
team, Google meet,
Chating via WA
group
Muhammad Tegarhafizh Mudah 3 Zoom, Video offline, Daring 11.00-13.00 75
Dhafriantama Microsoft team,
Google meet,
Chating via WA
group
Muhammad Sulthan Hanif Cukup sulit 2 Zoom, Google meet, Daring 09.00-11.00 15
Chating via WA
group
valdy Sulit 1 Zoom, Google meet Daring 07.00-09.00 50
Dasta Muhammad Ghaly Cukup sulit 3 Zoom, Google meet luring 07.00-09.00 10
irvan Mudah 4 Zoom, Video offline, Daring 14.00-15.00 14
Google meet
Rayhan Maulana Mudah 4 Zoom, Video offline, Daring dan 15.00-17.00 1
Microsoft team luring
Farhan Taufiqqurrahman Poersya Cukup sulit 3 Zoom, Google meet, Daring 15.00-17.00 10
Chating via WA
group
Dzakwan Fathullah Ahmad Cukup sulit 3 Zoom, Microsoft Daring 11.00-13.00 40
team, Google meet,
Chating via WA
group
Ahmad Cukup sulit 2 Zoom, Chating via Daring 11.00-13.00 5
WA group
Nabillah handika Mudah 3 Zoom Daring 07.00-09.00 2
Gavin Ilham Fayhiru Cukup sulit 3 Zoom, Microsoft Daring 15.00-17.00 15
team, Google meet,
Chating via WA
group
ILHAM SATRIA Cukup sulit 4 Zoom, Microsoft Daring 14.00-15.00 5
team, Google meet
Hafifah Lubis Cukup sulit 3 Zoom Daring 11.00-13.00 30
Fadhel Syukran Muhammad Cukup sulit 3 Zoom, Microsoft Daring 11.00-13.00 20
team, Chating via
WA group
defra Mudah 4 Zoom Daring 14.00-15.00 15
Luthfi Dhiwayusja Cukup sulit 4 Zoom Daring 15.00-17.00 1
Farlian Mudah 4 Zoom, Google meet, Daring 14.00-15.00 12
Chating via WA
group
rifaldy rahman Mudah 4 Zoom, Video offline, Daring 09.00-11.00 4
Microsoft team,
Chating via WA
group
Muhammad yafi fathan Sangat mudah 3 Microsoft team, Daring dan 15.00-17.00 8
Google meet, luring
Chating via WA
group
Saddam al khalik Sulit 4 Zoom, Google meet, Daring 14.00-15.00 8
Chating via WA
group

Bayu Satria Hadi Mudah 3 Zoom, Video offline Daring 11.00-13.00 8
Widya mardiah Sulit 2 Google meet Daring 14.00-15.00 0
Haifa Nabila Alqadri Cukup sulit 3 Zoom, Chating via Daring 14.00-15.00 14
WA group
Iyad Kasyfi Mudah 3 Zoom Daring 11.00-13.00 15
Tiffany Alandari Mudah 3 Zoom, Video offline, Daring 14.00-15.00 50
Microsoft team,
Google meet,
Chating via WA
group
Ahmad Fuad Cukup sulit 3 Zoom Daring 15.00-17.00 6
najla Cukup sulit 4 Zoom, Video offline, Daring 14.00-15.00 12
Google meet,
Chating via WA
group
fahmi al rasyid Sulit 5 Zoom Daring 11.00-13.00 50
Salsabila Aulia Kasbina Mudah 5 Zoom Daring dan 15.00-17.00 10
luring
Fakhrul Rajif Sulit 1 Zoom Daring 15.00-17.00 10
Muhammad farras Sulit 1 Zoom Daring 11.00-13.00 10
Teguh Rahmad Cukup sulit 4 Zoom Daring dan 07.00-09.00 5
luring
alea Sulit 2 Zoom, Google meet, Daring dan 07.00-09.00 45
Chating via WA luring
group
Siti Nurhasanah Cukup sulit 3 Google meet Daring 11.00-13.00 20

Fadhlurrahman Ibnu Khair Mudah 4 Microsoft team Daring 14.00-15.00 20
Fathul Naufal Alqadli Cukup sulit 2 Zoom Daring 15.00-17.00 3

intan Cukup sulit 3 Zoom, Google meet Daring 07.00-09.00 5
Monica Rafa Isadora Cukup sulit 4 Zoom, Video offline, Daring 11.00-13.00 15
Microsoft team,
Chating via WA
group
putri Cukup sulit 3 Zoom Daring 07.00-09.00 15
iklil latifah Mudah 3 Zoom Daring 15.00-17.00 17
Muhammad Rolanda Cukup sulit 3 Google meet Daring 11.00-13.00 150
deaadresti Cukup sulit 4 Zoom, Video offline Daring 15.00-17.00 15
Siti Zahra Rahmania Cukup sulit 3 Zoom Daring dan 15.00-17.00 7
luring
Muhammad Reza Cukup sulit 3 Zoom, Video offline, Daring 07.00-09.00 40
Microsoft team,
Google meet,
Chating via WA
group
Farras Zahra Rifa Sulit 3 Zoom Daring dan 11.00-13.00 45
luring
Fikri Alhafizd Marwin Mudah 4 Zoom, Chating via Daring dan 15.00-17.00 24
WA group luring
Salsabilla Afisti Putri Sangat mudah 3 Zoom, Chating via Daring dan 15.00-17.00 7
WA group luring
Nashya Nurghina Wilpi Mudah 4 Zoom, Video offline, Daring dan 07.00-09.00 25
Microsoft team, luring
Google meet,
Chating via WA
group
rotondy Mudah 3 Zoom, Chating via Daring 15.00-17.00 20
WA group
M. Dendi Kusuma Sangat mudah 5 Zoom Daring 15.00-17.00 10
Muhammad Rafki Maulana Cukup sulit 3 Microsoft team Daring 15.00-17.00 20
Levfran Nemers Cukup sulit 3 Zoom, Chating via Daring 15.00-17.00 15

WA group
Putri Shafira Mudah 3 Zoom, Video offline Daring 14.00-15.00 30
Dimas N B Sulit 2 Zoom, Microsoft Daring 15.00-17.00 12
team, Google meet
Farhan Hawari Maznan Mudah 4 Zoom, Video offline, Daring 14.00-15.00 9
Google meet
scs Cukup sulit 3 Zoom, Video offline Daring 11.00-13.00 2
Siti fathimah azzahra Cukup sulit 3 Zoom Daring 15.00-17.00 30
aulinadessyfa@gmail.com Cukup sulit 4 Zoom, Microsoft Daring 07.00-09.00 20
team, Google meet
Musa Huwaydi Cukup sulit 4 Zoom, Google meet, Daring 09.00-11.00 10
Chating via WA
group
Muhammad Farid Pratama Mudah 4 Zoom, Chating via Daring dan 15.00-17.00 17
WA group luring
muhammad habibi akmal Cukup sulit 3 Zoom, Microsoft Daring 15.00-17.00 20
team, Google meet
Ahmad Fadhil Cukup sulit 3 Zoom Daring dan 15.00-17.00 15
luring
Anisa Yudia Ningsih Cukup sulit 1 Zoom Daring 09.00-11.00 150
Adinda Novita Cukup sulit 4 Zoom, Google meet Daring 15.00-17.00 15
Nifty Ramadani Mudah 3 Zoom Daring 14.00-15.00 1
Khemal Razzaq D Mudah 4 Zoom Daring 15.00-17.00 5
Khairfirza Swandi Cukup sulit 3 Zoom, Microsoft Daring 11.00-13.00 5
team
Yusuf Alfitra Mudah 4 Zoom, Chating via Daring 07.00-09.00 50
WA group
Inggrid Febyola Cukup sulit 3 Zoom Daring 14.00-15.00 40
BIODATA PENELITI
A.Data Pribadi
 Nama : Muhammad Farhan Rabbani
 Tempat, Tanggal Lahir : Jakarta, 23 Juli 2001
 Alamat : Perumahan Telaga Murni Blok C 10 A No.5,
Kecamatan Cikarang Barat, Bekasi
 Jenis Kelamin : Laki-laki
 Agama : Islam
 No. Hp : 082249344798
 Email : frabbani435@gmail.com
B.Riwayat Pendidikan
2020 – Sekarang Universitas Andalas
2017 – 2020 SMAN Satu Tambun Selatan
2014 – 2017 SMPIT As Syifa
2008 – 2014 SD Al Muslim
C. Pengalaman Organisasi dan Kepanitian

BIODATA PENELITI
A. Data Pribadi
 Nama : Ranca Aryasuta Ayueclinesuna
 Tempat, Tanggal Lahir : Padang, 09 Oktober 2002
 Alamat : Jalan Gurun Laweh No. 26, Padang.
 Agama : Islam
 No. Hp : 0882114348660
 Email : ranca.aryasuta2002@gmail.com
2017 – 2020 SMAN 1 Padang
2014 – 2017 SMPN 8 Padang
2008 – 2014 SDN 05 Padang Pasir

KARYA TULIS ILMIAH
Distribusi Peluang terhadap Pendidikan Mahasiswa dan
Pengunjung Basko Grand Mall selama pandemi
Oleh:
Kelompok 23
Anggota:
Asisten Pembimbing:
Radhitya Bayu Pratama

INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
2021
LEMBAR ASISTENSI
MODUL II
Kelompok : 23
Asisten Pembimbing : Radhitya Bayu Pratama

1. Selasa,16 November - Asistensi Laporan 1
2021 - Memperbaiki pengolahan
data distribusi binomial
pada excel
Radh
- Melengkapi pengolahan
data distribusi diskrit dan
kontinu pada excel
2. Rabu,17 November - Asistensi Laporan 2
2021 - Memperbaiki pengolahan
data distribusi binomial
pada excel
- Memperbaiki pengolahan
Radh
data distribusi geomterik
pada excel dengan
mengganti Laki-laki
menjadi 1 dan menggnati
nilai peluang dari distribusi
gemoterik persampel bukan
pertrial
3. Jumat,20 November - Memperbaiki excel dan
2021 word sesuai dengan format
yang sudah ditentukan
- Menambahkan sumber
untuk rumus pada kalimat
Radh
terakhir sebelum rumus
- Melengkapi keterangan
rumus yang belum
- Menambahkan salah satu
contoh perhitungan untuk
setiap pengolahan data
4. Senin,22 November - Menghilangkan nomor
2021 halaman pada setiap awal
bab
- Mensejajarkan posisi setiap Radh
rumus dengan
keterangannya,
- Memperbaiki font laporan
- Memperbaiki posisi gambar
menjadi sebelum penjelasan
- Membuat kesimpulan
menjadi point-poimt
- Mempebaiki nama lampiran Radh
5. Senin, 22 November ACC KUMPUL
2021

Asisten Pembimbing
Radh
(Radhitya Bayu Pratama)
1810932009
LEMBAR PENGESAHAN
KARYA TULIS ILMIAH

Oleh:
Kelompok 23
Anggota:
Tanggal Penyerahan: November 2021

Radh
(Farennisa Rezkia Sadewi) (Radhitya Bayu Pratama)
1910932027 1810932009
Mengetahui
Vitania Aurely Rahmi

1810932052
i
ABSTRAK
Judul dari penelitian adalah “Distribusi Peluang terhadap Pendidikan

Mahasiswa dan Pengunjung Basko Grand Mall selama pandemi”. penelitian
antara lain untuk mengetahui distribusi probabilitas diskrit dan kontinu terhadap
pendidikan mahasiswa dan pengunjung Basko Grand Mall selama pandemi.
Selain itu, melalui distribusi probabilitas dapat diketahui kemungkinan sesuatu
itu dapat terjadi.
Penulis menggunakan data primer berupa waktu kepulangan pengunjung
dalam penelitian. Data primer diperoleh melalui observasi langsung selama tiga
jam tanpa jeda pada jam 16.30 sampai 19.30 di titik pengumpulan data. Selain
itu, penulis menggunakan data sekunder yang merupakan data yang diperoleh
dari sumber kedua.
Penulis menggunakan distribusi probabilitas diskrit dan kontinu dalam
menganalisa data. Distribusi probabilitas diskrit dan kontinu yang digunakan
antara lain distribusi Binomial, Poisson, Geometrik, Eksponensial, dan Normal
melalui perhitungan secara empiris dan teoritis. Selain itu, penulis juga
menggunakan distribusi Poisson didekati distribusi Normal teoritis pada
perhitungan distribusi Poisson terhadap data sampel.
Kata Kunci: Probabilitas, Diskrit, Kontinu, Mahasiswa, Pengunjung

ABSTRACT
The title of the research is "Distribution of Opportunities to the Education

of Students and Visitors of Basko Grand Mall during the pandemic". The
research, among others, is to determine the discrete probability distribution and
continuity of the education of students and visitors to Basko Grand Mall during
the pandemic. In addition, through the probability distribution can be known the
possibility of something that can happen.
The author uses primary data in the form of visitors' return time in the
study. Primary data were obtained through direct observation for three hours
without a break at 16.30 to 19.30 in data collection. In addition, the authors use
secondary data which is data obtained from a second source.
The author uses discrete and continuous probability distributions in
analyzing the data. Discrete and continuous probability distributions used include
Binomial, Poisson, Geometric, Exponential, and Normal distributions through
empirical and theoretical calculations. In addition, the authors also use the Poisson
distribution approximated to the theoretical normal distribution in the calculation
of the Poisson distribution of the sample data.
Keywords: Probability, Discrete, Continuous, Student, Visitor

KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa, penulis dapat menyelesaikan
karya tulis ilmiah yang berjudul “Distribusi Peluang terhadap Pendidikan
Mahasiswa dan Pengunjung Basko Grand Mall selama pandemi”. Karya tulis
ilmiah bertujuan untuk memenuhi tugas Praktikum Statistika Industri I. Selain itu,
karya ilmiah ini bertujuan menambah wawasan dan pemahaman tentang
probabilitas diskrit dan kontinu.
Penulis mengucapkan terima kasih kepada Bapak Eri Wirdianto, M.Sc,

selaku kepala Laboratorium Perencanaan Optimasi dan Sistem Industri, Ibu Dina
Rahmayanti, Dr. selaku dosen pengampu, Fakhrozi Zulkarnain selaku
Koordinator Asisten Laboratorium Perencanaan Optimasi dan Sistem Industri,
Vitania Aurely Rahmi selaku Koordinator Praktikum Statistika Industri 1,
Radhitya Bayu Pratama selaku asisten pembimbing, dan Tim Asisten
Laboratorium Perencanaan Optimasi dan Sistem Industri. Ucapan terima kasih
juga disampaikan kepada semua pihak yang telah membantu diselesaikannya
karya tulis ilmiah ini.
Penulis menyadari akan masih banyaknya memiliki kekurangan dalam

karya tulis ilmiah ini. Oleh sebab itu, saran dan kritik yang membangun
diharapkan demi kesempurnaan karya tulis ilmiah ini. Kemudian, Penulis juga
berharap semoga karya ilmiah ini mampu memberikan pengetahuan tentang
probabilitas diskrit dan kontinu baik secara empiris maupun teoritis.
Padang, 19 November 2021
Penulis
DAFTAR ISI
HALAMAN SAMPUL
ABSTRAK...............................................................................................................ii
ABSTRACT...........................................................................................................iii
DAFTAR ISI...........................................................................................................v
DAFTAR TABEL................................................................................................vii
BAB I PENDAHULUAN
1.1 Latar Belakang....................................................................................1
1.2 Rumusan Masalah...............................................................................2
1.3 Tujuan.................................................................................................2
1.5 Batasan Masalah.................................................................................3
2.1 Statistika Inferensial...........................................................................4
2.2 Distribusi Variabel Random Diskrit...................................................4
2.2.1 Distribusi Bernoulli...................................................................4
2.2.2 Distribusi Binomial...................................................................6
2.2.3 Multinomial...............................................................................7
2.2.4 Distribusi Hipergeometrik.........................................................7
2.2.5 Distribusi Binomial Negatif......................................................8
2.2.6 Distribusi Geometrik...............................................................10
2.2.7 Distribusi Poisson....................................................................11
2.2.8 Distribusi Uniform...................................................................12
2.3 Distribusi Variabel Random Kontiniu..............................................12
2.3.1 Distribusi Uniform Kontinu....................................................12
2.3.2 Distribusi Normal....................................................................13
2.3.3 Distribusi Gamma...................................................................14
2.3.4 Distribusi Eksponensial...........................................................15
2.3.5 Uji Chi-square.........................................................................16
2.3.6 Distribusi Beta.........................................................................17
2.3.7 Distribusi Log Normal............................................................17
3.5 Analisis Data.....................................................................................20
4.1 Pengolahan Data...............................................................................22
4.1.1 Pengolahan Distribusi Binomial..............................................22
4.1.2 Pengolahan Distribusi Geometrik...........................................23
4.2 Analisis Data.....................................................................................29
4.2.1 Distribusi Binomial.................................................................29
4.2.2 Distribusi Geometrik...............................................................30
BAB V PENUTUP
5.1 Kesimpulan.......................................................................................37
5.2 Saran.................................................................................................38
DAFTAR PUSTAKA
LAMPIRAN
BIODATA PENELITI
DAFTAR TABEL
Tabel 4.1 Distribusi Binomial Teoritis mahasiswa yang mengalami gangguan

belajar..................................................................................................23
Tabel 4.2 Distribusi Binomial Empiris mahasiswa yang mengalami gangguan
belajar..................................................................................................23
Tabel 4.3 Distribusi Geometrik Jenis Kelamin Pengunjung Basko Grand Mall..23
Tabel 4.4 Distribusi Statistik Waktu Kepulangan I..............................................24
Tabel 4.5 Distribusi Poisson dan Distribusi Normal Waktu Kepulangan............25
Tabel 4.6 Ukuran Penyebaran Data waktu kepulangan II..................26
Tabel 4.7 Distribusi Eksponensial Waktu Kepulangan Pengunjung Basko Grand
Mall.....................................................................................................27
Tabel 4.8 Ukuran penyebaran data IP mahasiswa semester lalu..........................27
Tabel 4.9 Distribusi Normal IP Semester lalu......................................................28
DAFTAR GAMBAR
Gambar4.1 Probability Mass Function (PMF) Distribusi Geometrik Jenis

Kelamin Pengunjung........................................................................30
Gambar4.2 Cumulative Mass Function (CMF) Distribusi Geometrik Jenis
Gambar4.3 Probability Density Function (PDF) Distribusi Poisson Jenis Kelamin
Pengunjung.......................................................................................31
Gambar4.4 Cumulative Distribution Function (CDF) Distribusi Poisson Jenis
Gambar4.5 Probability Density Function (PDF) Distribusi Eksponensial Waktu
Kepulangan Pengunjung...................................................................33
Gambar4.6 Cumulative Distribution Function (CDF) Distribusi Eksponensial
Waktu Kepulangan Pengunjung.......................................................34
Gambar4.7 Probability Mass Function (PMF) Distribusi Normal IP Mahasiswa
Semester Lalu...................................................................................35
Gambar4.8 Cumulative Mass Function (CMF) Perbulan Distribusi Normal IP
Mahasiswa Semester Lalu................................................................35
BAB I
PENDAHULUAN
Bab ini menjelaskan latar belakang dilakukannya penelitian Distribusi

Probabilitas Diskrit dan Kontinu, rumusan masalah, tujuan penelitian, manfaar
penelitian, dan batasan masalah dalam penelitian.
1.1 Latar Belakang
Sudah hampir dua tahun lamanya sejak pemerintah Indonesia

mengeluarkan kebijakan-kebijakan terkait pandemi Covid-19. Salah satunya
kebijakan tersebut adalah larangan orang untuk berkumpul dan beraktivitas di luar
rumah mereka dan anjuran untuk tetap tinggal di dalam rumah. Tetap tinggal di
rumah, beribadah di rumah, bekerja dari rumah, belajar dari rumah adalah bunyi
kebijakan tersebut. Hal ini dikarenakan virus berbahaya ini dapat ditularkan
kepada orang lain melalui berbagai macam kontak fisik, mulai dari sentuhan dan
droplet melalui udara sehingga salah satu konsekuensinya maka individu harus
tetap berusaha menjaga jarak sosial satu dengan yang lain.[6]
Kebijakan yang mengharuskan orang-orang untuk beraktivitas dari rumah

untuk menghadapi pandemi Covid-19 sangat berdampak terhadap berbagai aspek
kehidupan. sistem pembelajaran dan banyaknya pengunjung ataupun konsumen
pusat berbelanjaan juga tidak lepas dari dampak pandemi Covid-19. Dampak serta
perubahan-perubahan yang hadir bersamaan dengan kedatangan pendemi Covid-
19 tentunya perlu disikapi dengan pengambilan keputusan yang baik mengenai
bagaimana menanggulangi serta menyikapi dampak-dampak tersebut untuk waktu
yang berkelanjutan.
Statitstika inferensial dapat digunakan dalam penarikan kesimpulan dari

suatu sampel untuk menggambarkan karakterisktik suatu populasi. Kesimpulan
yang didapatkan dari statistikas inferensial berupa probabilitas atau peluang, Pada
1
penelitian ini penulis membuat distribusi probabilitas diskrit dan kontinu dampak
perubahan sistem pembelajaran dan banyaknya pengunjung ataupun konsumen
pusat berbelanjaan. Distribusi probabilitas diskrit dan kontinu diterapkan terhadap
waktu kepulangan serta jenis kelamin pengunjung Basko Grand Mall, IP
mahasiswa semester lalu, dan mahasiswa yang mengalami gangguan belajar
selama pandemi Covid-19.
1.2 Rumusan Masalah
1. Bagaimana cara pengolah data dengan distribusi probabilitas secara

teoritis dan empiris?
2. Manakah yang lebih akurat antara perhitungan teoritis dengan empiris?
3. Bagaimanakah perbandingan distribusi probabilitas empris dengan teoritis
terhadap data pengunjung, IP semester lalu, dan mahasiswa yang
mengalami gangguan belajar selama pandemi?
4. Bagaimana cara mengolah data dengan distribusi diskrit?
5. Bagaimmana cara mengolah data dengan distribusi kontinu?
1.3 Tujuan
1. Untuk cara pengolah data dengan distribusi probabilitas secara teoritis dan
empiris.
2. Untuk mengetahui manakah yang lebih akurat antara perhitungan teoritis
dengan empiris.
3. Untuk mengetahui perbandingan distribusi probabilitas empris dengan
teoritis terhadap data pengunjung, IP semester lalu, dan mahasiswa yang
mengalami gangguan belajar selama pandemi.
4. Untuk memahami cara mengolah data dengan distribusi diskrit.
5. Untuk memahami cara mengolah data dengan distribusi kontinu.
2
1. Bahan masukan kepada para penulis lain yang juga melakukan penelitian
mengenai distribusi probabilitas diskrit dan kontinu.
2 Memperdalam pemahaman pembaca mengenai pengolahan data dengan
distribusi probabilitas diskrit dan kontinu secara empiris maupun teoritis.
1.5 Batasan Masalah
1. Pengolahan data dengan distribusi diskrit dan distribusi kontinu antara lain
seperti distribusi Poisson didekati distribusi Normal teoritis pada
perhitungan distribusi Poisson terhadap data sampel, distribusi Binomial,
Poisson, Geometrik, Eksponensial, dan Normal melalui perhitungan secara
empiris dan teoritis.
2. Pengambilan data waktu kepulangan pengunjung dilakukan selama 3 jam
tanpa jeda pada jam sibuk pada jam 16.30-19.30.
3
BAB II
TINJAUAN PUSTAKA
Bab ini akan dijelaskan mengenai tinjauan pustaka penelitian yang

berkaitan dengan karya tulis ilmiah.
2.1 Statistika Inferensial
Statistik inferensial adalah metode yang dapat digunakan untuk

menganalisis subkelompok data dari data induk (sampel yang diambil dari
populasi) untuk memprediksi dan menarik kesimpulan tentang kelompok data
induk atau populasi. Selain itu, statistika inferensial juga merupakan ilmu statistik
yang menyediakan aturan atau suatu metode yang digunakan untuk meramalkan,
menaksir, dan mengambil suatu kesimpulan yang bersifat umum. Statistika
inferensial bertujuan sebagai alat praduga dari parameter populasi dan pengujian
hipotesis.[1]
2.2 Distribusi Variabel Random Diskrit
Statistika adalah ilmu yang mempelajari cara pengumpulan data,

pengolahan, interpretasi data, pengambilan kesimpulan, dan pembuatan keputusan
berdasarkan data yang telah didapat.[1] Data yang diolah melalui ilmu statistika
berfungsi untuk membantu pemecahan masalah. Selain itu, ilmu statistika juga
dapat membantu dalam memprediksi keadaan di masa yang akan datang.
2.2.1 Distribusi Bernoulli
Distribusi bernoulli terbentuk oleh suatu percobaan bernoulli dimana

percobaan tersebut harus memenuhi syarat sebagai berikut:
1. Hasil yang mungkin hanya sukses atau gagal
4
2. Jika kemungkinan sukses dilambangkan dengan p, maka peluang gagal
dilambangkan dengan q = 1 – p
Pada sebuah percobaan bernoulli dimana memiliki kemungkinan keluaran

probablitas sukses yang dilambangkan dengan p dan probabilitas gagal
dilambangkan dengan q = 1– p. Jika terdapat variabel acak X yang menyatakan
sukses, dari itu dapat dibentuk sebuah distribusi probablitas sebagai fungsi
probabilitas sebagai berikut:[1]
pB ( x;p ) = px ( 1-p) 1-x ...(0)
Keterangan:
PB = Probabilitas peristiwa sukses sebanyak x
p = Probabilitas sukses
q = Probabilitas gagal
x = jumlah sukses yang dicari probabilitasnya
Mean dari distribusi bernoulli adalah[1]
μx = p ...(0)
Varians dari distribusi bernoulli adalah[1]
σ2x = p(1-p) = pq ...(0)
Keterangan:
q = Probabilitas gagal
μx = Rata-rata (mean)
σ2x = Nilai varians
5
2.2.2 Distribusi Binomial
Distribusi binomial adalah salah satu jenis probabilitas yang banyak

digunakan pada analisi statistik modern. Di bidang teknik, distribusi binomial erat
kaitannya dengan quality control (pengendalian kualitas). Distribusi binomial
terbentuk dari eksperimen binomial dimana eksperimen binomial merupakan n
kali percobaan bernoulli, oleh karena itu distribusi binomial harus memenuhi
kondisi kondisi sebagai berikut:
1. Jumlah percobaan telah di tentukan sebelum percobaan dimulai.
2. Setiap percobaan hanya dapat menghassilkan satu dari dua hasil yang
mungkin yaitu sukses atau gagal.
3. Peluang sukses dan peluang gagal selalu konstan dalam setiap percobaan.
4. Setiap percobaan saling bebas, dapat diartikan bahwa hasil suatu
percobaan tidak berpengaruh pada hasil percobaan lainnya.
Fungsi masa probabilitas dinyatakan sebagai berikut:[1]
pb (x;n, p) = nxC px (1-p)n-x ...(0)
Keterangan:
1-p = Probabilitas gagal
n = Jumlah percobaan
x = Jumlah sampel
= Kombinasi pemilihan x dari n objek
Mean dari distribusi binomial adalah sebagai berikut:[1]
Mean = μ x = np ...(0)
Varians dari distribusi binomial adalah sebagai berikut:[1]
6
σ2x = np(1-p) = npq ...(0)
2.2.3 Multinomial
Percobaan multinomial merupakan percobaan binomial yang pada

pengulangannya menghasilkan lebih dari dua kemungkinan. Distribusi
multinomial percobaannya menghasilkan lebih dari beberapa kejadian yang saling
meniadakan atau saling lepas. Sebagai contoh cuaca dapat terjadi cerah, hujan,
atau mendung contoh lainnya yaitu terdapat beberapa kendaraan yang dapat
dipakai untuk menuju ke suatu tempat. Persamaan umum untuk mencari peluang
multinomial adalah sebagai berikut: [3]
n
P ( X 1 = n 1 , X2 = n 2 , ….., X K = nk ) = P n Pn ….. P nk
1 2 k
n1 ! n 2 !… n k ! 1 2
...(0)
Keterangan:
P(x) = Probabilitas peristiwa sukses sebanyak x
x = Jumlah sukses yang dicari probabilitasnya
2.2.4 Distribusi Hipergeometrik
Distribusi hipergeometrik terbentuk oleh suuatu percobaan yang

memenuhi syarat-syarat sebagai berikut:
1. Populasi berukuran N.
2. Setiap anggota populasi dapat menyatakan sebagai sukses atau gagal dan
terdapat M buah sukses dalam populasi, jadi nilai probabilitas dapat dicari
dengan p = M/N.
3. Sampel diambil dari populasi tanpa pengembalian.
Persamaan umum dari distribusi probabilitas hipergeometrik adalah:[1]
7
k
C N-k
r n-rC
pn ( x;n,k,N ) = N
...(0)
Cn
Keterangan:
p(x) = Probabilitas peristiwa sukses sebanyak x
C = Kombinasi
r = Jumlah sukses yang dicari probabilitasnya
k = Jumlah sukses
N = Ukuran populasi
Distribusi hipergeometrik memiliki rumus mean dan varians sebagai berikut:[1]

Mean (Rata-rata):
nk
μx= ...(0)
N
Varians:
nk k N-n
σ2x = (1- )( ) ...(0)
N N N-1
Keterangan:
X = Nilai sukses dalam sampel
N = Total percobaan
K = Besar nilai sukses dalam populasi
N = Ukuran sampel
μx = Rata-rata (Mean)
2.2.5 Distribusi Binomial Negatif
8
Distribusi binomial negatif terbentuk dari suatu eksperimen yang
memenuhi kondisi sebagai berikut:
1. Percobaan terdiri dari percobaan yang saling bebas.
2. Keluaran yang mungkin dari percobaan hanya dua yaitu sukses atau gagal.
3. Probabilitas sukses dilambangkan dengan p dan probabilitas gagal
dilambangkan dengan q, dimana q = 1-p. probabilitas sukses dan gagal
selalu konstan pada setiap percobaan.
4. Eksperimen terus dilakukan sampai sejummlah total r sukses didapat, r
melambangkan bilangan bulat tertentu.
Pada Eksperimen binomial negatif jumlah percobaannya acak sementara

jumlah susksesnya tertentu. Distribusi probabilitas binomial negatif memiliki
rumus probabilitas sebagai berikut: [1]
f ( x ) =P ( X=x ) =Cx-1 r x-r

r-1 p q untuk x=r, r+1,… ...(0)
Keterangan:
f(x) =Fungsi x
P(X=x)= Probabilitas peristiwa sukses sebanyak x
p = Peluang sukses
q = Peluang gagal
Distribusi binomial negatif memiliki nilai mean yang dapat didapatkan dengan
fungsi: [1]
r (1− p)
μx= ...(0)
p
Nilai varians dari distribusi binomial negatif:[1]
r(1-p)
σ2x = ...(0)
p2
9
Keterangan:
r = Jumlah sukses
x = Jumlah percobaan hingga mencapai sukses yang diinginkan
μx = Mean
σ2x = Varians
2.2.6 Distribusi Geometrik
Distribusi geometrik dibentuk dari eksperimen geometrik yang bertujuan

untuk memperoleh sukses pertama. Variabel acak X pada distribusi geometrik
melambangkan banyak x tidak berhasil sebelum sebuah sukses didapat. Distribusi
geometrik dapat dibentuk dengan menetapkan nilai r yaitu satu pada distribusi
binomial negatif. Sehingga funsi probabilitas geometrik adalah:[1]
f ( x ) =P ( X=x ) = p q x-1 untuk x=1, 2, … ...(0)
Keterangan:
f(x) =Fungsi x
P(X=x)= Probabilitas peristiwa sukses sebanyak x
p = Peluang sukses
q = Peluang gagal
Fungsi dari mean dan varians dari distribusi geometrik adalah sebagai berikut:[1]
Mean:
r(1-p)
μx = ...(0)
p
Varians:
10
r(1-p)
σ2x = ...(0)
p2
Keterangan:
r = Jumlah sukses
x = Jumlah percobaan hingga mencapai sukses yang diinginkan
μx = Rata-rata (Mean)
2.2.7 Distribusi Poisson
Distribusi Poisson berguna untuk mengamati fenomena-fenomana khusus

yang terjadi dalam satu satuan waktu atau ruang. Distribusi Poisson dapat
digunakan jika memenuhi syarat-syarat sebagai berikut:
1. Percobaan Poisson meliputi pencacahan banyaknya suatu fenomena terjadi
dalam setiap unit yang ditentukan. Ruang dan waktu merupakan unit yang
biasa digunakan pada eksperimen Poisson.
2. Setiap interval waktu memiliki probabilitas peristiwa yang sama.
3. Jumlah peristiwa yang terjadi dalam setiap interval waktu saling bebas
terhadap jumlah peristiwa yang terjadi pada interval waktu yang lainnya.
Pada percobaan Poisson, kemungkinnan mendapatkan X sebanyak x

kejadian untuk setiap interval waktu memiliki fungsi probabilitas sebagai berikut:
[1]
x -λ
λ e
pn ( x;λ ) =
x!
...(0)
Keterangan:
λ = Rata-rata banyaknya kejadian dalam setiap unit ukuran tertentu
11
e = Konstanta dasar logaritma natural = 2,71828
x = Jumlah pengulangan percobaan
persamaan untuk mencari nilai mean dan variansi dari distribusi Poisson adalah[1]
Mean:
μx = λ ...(0)
Varians:
σ2x = λ
...(0)
2.2.8 Distribusi Uniform
Distribusi uniform yaitu variabel acaknya memperoleh nilainya dengan

peluang yang sama. Umumnya distribusi uniform bergantung pada parameter k.
persamaan untuk mencari fungsi probabilitas dari distribusi uniform adalah
sebagai berikut: [1]
1
P ( x ) = ;x=1,2,…,k ...(0)
k
Keterangan:
P(x) = Peluang kejadian x
k = Data perocobaan ke-k
x = Banyaknya percobaan
2.3 Distribusi Variabel Random Kontiniu
Peluang dari variabel random kontinu tidak dapat dituliskan dalam bentuk tabel
karena nilainya hamper nol untuk tiap titiknya. Sehingga untuk peluang dari variabel
random kontinu biasanya disajikan didalam bentuk rumus. Rumus ini merupakan fungsi
12
nilai-nilai variabel random kontinu X, sehingga dapat digambarkan sebagai suatu kurva
kontinu.[6]
2.3.1 Distribusi Uniform Kontinu
Distribusi uniform kontiniu adalah distribusi variabel random kontiniu

yang paling sederhana. Fungsi peluang dari variabel uniform kontiniu X pada
interval [a, b} adalah:[1]
1
{
f ( x , a , b )= b−a
,a≤ x≤b
0 , x lainnya
...(0)
fungsi kumulatif dari distribusi uniform kontiniu adalah[1]
0 untuk x< a
F ( x )= x −a
b−a {
untuk a≤ x ≤ b
1 untuk x ≥ b
...(0)
Mean dan varians dari distribusi uniform kontiniu adalah:[1]
a+b
μ= ...(0)
2
2 ( b-a)2 ...(0)
σ =
12
Keterangan:
μ = Mean
σ2 = Varians
2.3.2 Distribusi Normal
13
Distribusi normal adalah distribusi yang paling banyak digunakan di
berbagai bidang. Hal yang menjadikan distribusi normal yang paling penting dan
paling banyak digunnakan:
1. Distribusi normal terjadi secara natural atau alamiah seperti berat, tinggi
manusia, hewan, dan lain-lain. Peristiwa di dunia nyata tidak sedikit yang
terdistribusi secara normal.
2. Sebagian variabel acak secara normal tidak terdistribusi dapat diubah
menajadi distribusi variabel acak yang normal.
3. Hasil dan Teknik analisis yang digunakan pada bidang pekerjaan statstik
tidak bisa bergungsi dengan benar jika model distribusinya bukan
merupakan model distribusi normal.
4. Terdapat beberapa variabel random yang tidak terlihat distribusi normal
pada populasinya, tetapi distribusi dari rata rata sampel yang diambil
secara acak dari populasi ternyata merupakan distribusi normal.
Distribusi probabilitas normal untuk setiap nilai x yang membeentuk kurva

normal mempunyai persamaan umum:[1]
2
1 x-μ
- ( )
1 2 σ ...(0)
f ( x) = e −∞<x<∞
σ√2π
Keterangan:
μ = Rata-rata populasi
σ = Standar deviasi
π = Konstanta yang nilainya mendekati 3, 14159
e = Basis logaritma natural 2, 7182
2.3.3 Distribusi Gamma
Distribusi gamma merupakan salah satu altenatif yang dapat digunakan

pada saat distribusi normal menunjukkan distribusi yang asimetris ataupun tidak
menunjukkan kecenderungan simetris. Distribusi ini dilakukan untuk percobaan
14
probabilitas yang hasil dari percobaan tersebut menunjukkan bentuk distribusi
yang kemencengannya cukup signifikan. Fungsi probabilitas dari distribusi
gamma adalah:[5]
x
1
( )
{α
α −1 β
f G x ;α , β = β Γ (α) x e x ≥ 0
0 x< 0
...(0)
Keterangan:
f(x) = Fungsi peluang kejadian x
Γ(α) = Fungsi gamma
Distribusi gamma memiliki fungsi mean dan varians sebagai berikut:
μ = αβ ...(0)
σ2 = α β2 ...(0)
Keterangan:
α = Parameter bentuk
β = Parameter skala
Γ = Fungsi gamma
E = Basis logaritma natural
X = Banyak pengulangan percobaan
2.3.4 Distribusi Eksponensial
Distribusi eksponensial adalah kasus special dari distribusi gamma dengan

faktor bentuk bernilai satu dan faktor skala bernilai β = 1/ λ. Persamaan
kepadatab probabilitas dari X adalah:[1]
15
1
f ( x ) = e -x/µ , x≥0 ...(0)
µ
Rata-rata dan varians dari distribusi eksponensial dapat dihitung menggunakan

fungsi berikut ini:[1]
Mean:
1
μ= E ( X ) = ...(0)
λ
1
σ2 = V ( X ) = ...(0)
λ2
Keterangan:
λ = Rata-rata banyaknya kejadian pada satu unit ruang atau waktu
e = Basis logaritme natural
x = Banyak pengulangan eksperimen
μ = Mean
σ2 = Varians
2.3.5 Uji Chi-square
Uji chi-square adalah salah satu cara menguji dengan jenis komparatif non
parametrik yang dilakukan pada dua variabel, dimana skala data untuk kedua
variabel adalah nominal. Pengujian jenis ini memiliki syarat frekuensi responden
atau sampel yang digunakan dalam jumlah banyak, dikarenakan ada beberapa
syarat di mana uji chi-square baru bisa digunakan yaitu:
1. Tidak ada nilai frekuensi kenyataan sebesar nol.
2. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh hanya 1 sel saja
yang memiliki frekuensi harapan.
3. Apabila tabel berbentuk lebih dari 2 X 2 maka frekuensi harapan yang
terdapat pada seluruh sel tidak boleh lebih dari 20%.
16
Rumus dari uji chi-square adalah:[2]
X =
2
[ ∑ ( oi - Ei )2
i=1
Ei ] ...(0)
Keterangan:
X2 = Distribusi chi-square
oi = Nilai observasi (pengamatan) ke-i
Ei = Nilai ekspektasi ke-i
2.3.6 Distribusi Beta
Distribusi beta merupakan slaah satu distribusi yang dapat digunakan

sebagai model untuk pembuatan keputusan. Hal ini bisa terjadi karena didukung
oleh dua faktor yaitu:
1. Distribusi probabilitas yang lebar dapat diberikan taksiran oleh distribusi
beta.
2. Sampel informasi yang mengikuti distribusi binomial mudah untuk
diikutkan.
Rumus fungsi padat peluang distribusi beta adalah[3]
1
f ( x ; a , b )= x a−1 ¿ ...(0)
B (a , b)
2.3.7 Distribusi Log Normal
Distribusi log normal merupakan distribusi variabel random kontiniu yang

peubah acak yang logaritmanya terdistribusi normal. Peubah acak X bernilai
positif, sedemikian sehingga Y = ln(X) merupakan variabel random berdistribusi
normal dengan nilai μ dan varians σ 2, maka X = e y memenuhi distribusi log
normal, karena X dan Y dihubungkan dengan Y = ln X. Distribusi log normal
memiliki fungsi distribusi kumulatif sebagai berikut:[4]
17
2
1 1 lnx-b
f ( x) =
ax
exp - [ ( )]
2 a
...(0)
Keterangan:
f(x) = Fungsi peluang kejadian x
a = Standar deviasi inx
b = Median dari inx
2.3.8 Distribusi Weibull
Distribusi Weibull pertama kali dikenalkan oleh Waloddi Weibull pada

tahun 1939. Pada pengaplikasiannya, distribusi ini digunakan untuk mendapatkan
waktu sampai kegagalan dari sebuah sistem fisika. Persamaan umum dari
distribusi Weibull adalah sebagai berikut:[1]
f ( t ) =k t k-1 e -λ t 0 ...(0)
k adalah parameter waktu, untuk k=1 peluang Weibull sama dengan

peluang eksponen. Untuk k-2 distribusi peluang yang didapat dikenal dengan
peluang Rayleigh.
Variansi dan rata-rata distribusi Weibull dapat menggunakan rumus berikut ini:[1]
μ=E ( X ) =δΓ 1+ ( 1β ) ...(0)
2
2 1
σ2 =V ( X ) =δ2 Γ 1+ ( ) β [ ( )]
- δ2 Γ 1+
β
...(0)
Keterangan:
18
Γ = Fungsi gamma
f (x) = Persamaan kepadatan distribusi Weibull
μ = Rata-rata
σ2 = Variansi
δ = Parameter
19
BAB III
METODE PENELITIAN
penelitian, subjek, metode pengumpulan data yang digunakan, dan analis dari data
penelitian.
Jenis penelitian yang dilalukan adalah penelitian kualitatif. Pengumpulan

data penelitian dilakukan dengan cara observasi dengan alat bantu stopwatch
dalam pengambilan datanya, selain itu data didapatkan melalu sumber kedua.
Data yang dijadikan sebagai pembuktian ilmiah dari penelitian merupakan data
kualitatif dan juga data kuantitatif. Waktu kepulangan pengungjung Basko Grand
Mall dan data IP mahasiswa semester lalu merupakan data kualitatif sedangkan
data mahasiswa yang mengalami gangguan belajar selama pandemi merupakan
data kuantitatif.
Penulis melakukan penelitian serta pengambilan data melalui observasi.

Penulis melakukan penelitian di Basko Grand Mall, Padang, Sumatra Barat.
Waktu penelitian dilakukan pada 20 September 2021 sampai dengan 11
November 2021. Penelitian dilakukan selama 3 jam penuh selama waktu sibuk
tepatnya pada pukul 16.30 sampai dengan 19.30.
20
Subjek yang dipilih pada penelitian ini adalah pengunjung Basko Grand
Mall yang bertepatan di Kota Padang, Sumatra Barat, Indonesia. Selain itu,
penulis juga menggunakan data dari sumber kedua sebagai subjek penelitian.
Peneliti memilih pengunjung Basko Grand Mall sebagai subjek penelitian
dikarenakan banyaknya pengunjung Basko Grand Mall walaupun pada hari kerja
sehingga tentunya berbanding lurus terhadap data yang dapat digunakan sebagai
dasar dalam penelitian.
Penelitian ini menggunakan data primer yang diperoleh dan dikumpulkan

oleh penulis untuk mendapatkan informasi-informasi yang dibutuhkan serta data
sekunder yang berasal dari sumber kedua. Penulis menggunakan metode
penelitian observasi untuk mengumpulkan data waktu kepulangan pengunjung
Basko Grand Mall dengan mengamati secara langsung di Basko Grand Mall pada
pukul 16.30 sampai dengan 19.30.. Pengumpulan data dilakukan pada jam sibuk
selama 3 jam tanpa jeda. Penulis menetapkan pintu keluar sebagi titik
pengambilan data. Penulis mencatat waktu kepulangan serta jenis kelamin setiap
pengunjung yang melewati pintu keluar yang nantinya dijadikan sebagai data
penelitian dengan bantuan stopwatch.
3.5 Analisis Data
Dalam menganalisis data, peneliti menggunakan distribusi probabilitas

diskrit dan kontinu. Distribusi probabilitas diskrit dan kontinu yang digunakan
terapkan terhadap data sampel antara lain distribusi Binomial, Poisson,
Geometrik, Eksponensial, dan Normal melalui perhitungan secara empiris dan
teoritis. Selain itu, penulis juga menggunakan distribusi Poisson didekati
21
distribusi Normal teoritis pada perhitungan distribusi Poisson terhadap data
sampel. Selanjutnya, penulis menganalisis manakah yang lebih akurat antara
teoritis dengan empiris yang merupakan perhitungan secara langsung.
22
BAB IV
Pada bab ini akan dijelaskan mengenai pengolahan serta analisis data
dengan distribusi probabilitas diskrit dan kontinu.
4.1 Pengolahan Data
Penulis mengolah data mahasiswa yang mengalami gangguan belajar, IP

mahasiswa semester lalu, dan waktu kepulangan serta jenis kelamin pengunjung
ataupun konsumen pusat berbelanjaan. Distribusi probabilitas diskrit dan kontinu
diterapkan terhadap data-data yang sebelumnya dijabarkan. Distribusi probabilitas
diskrit dan kontinu yang digunakan untuk mengolah data antara lain distribusi
Binomial, Poisson, geometrik, Eesponensial, dan normal melalui perhitungan
secara empiris dan teoritis. Selain itu, penulis juga menggunakan distribusi
Poisson didekati distribusi normal teoritis pada perhitungan distribusi Poisson
terhadap data sampel.
4.1.1 Pengolahan Distribusi Binomial
Bagian ini disajikan tabel distribusi binomial yang didapatkan dari data
mahasiswa yang mengalami gangguan belajar. Pengolahan data dengan distribusi
binomial menggunakan data mahasiswa yang mengalami gangguan belajar selama
pandemi. Terdapat sebanyak 300 data yang menjadi dasar dalam pengolahan data
dengan distribusi binomial pada penelitian ini.
Bagian ini disajikan tabel distribusi binomial yang didapatkan dari data
mahasiswa yang mengalami gangguan belajar secara teoritis dan empiris yang
dapat dilihat pada Tabel 4.1 dan Tabel 4.2.
23
Tabel 4.8 Distribusi Binomial Teoritis mahasiswa yang mengalami gangguan
belajar
TEORITIS
N/X 0 1 2 3 4 5
1 0,27 0,73
2 0,0729 0,3942 0,5329
3 0,019683 0,159651 0,431649 0,389017
4 0,00531441 0,05747436 0,23309046 0,42013836 0,28398241
5 0,001434891 0,019397597 0,104890707 0,283593393 0,383376254 0,207307159
Contoh perhitungan pada distribusi binomial 1 kali percobaan sebagai berikut:
P(X)= Cnx p x q n-x
P(X)= C10 0.730 0.27 1=0.27
Tabel 4.9 Distribusi Binomial Empiris mahasiswa yang mengalami gangguan

belajar
EMPIRIS
N/X 0 1 2 3 4 5
1 0,266667 0,7333333
2 0,066667 0,3833333 0,55
3 0,018889 0,1563889 0,4305556 0,39416667
4 0,004722 0,0532639 0,2199306 0,42145833 0,42146
5 0,001417 0,0192847 0,1047639 0,28388889 0,38371 0,206938
Contoh perhitungan distribusi binomial secara empiris:
P(gagal) = 1 - P(sukses)
= 1- 0,266667
= 0,73333
4.1.2 Pengolahan Distribusi Geometrik
Bagian ini disajikan tabel distribusi geometrik yang didapatkan dari data
jenis kelamin pengunjung Basko Grand Mall
24
Tabel 4.10 Distribusi Geometrik Jenis Kelamin Pengunjung Basko Grand Mall
Distribusi Geometrik
x Empiris Teoritis
P (x) P(X<x) P(x) P(X<x)
1 0,2972973 0,297297 0,377 0,377
2 0,228 0,525 0,2349155 0,612
3 0,192 0,718 0,146 0,758
4 0,107 0,825 0,091 0,850
5 0,074 0,898 0,0567541 0,906
6 0,040 0,938 0,035 0,942
7 0,025 0,963 0,022 0,964
8 0,01146018 0,975 0,0137114 0,977
9 0,01064545 0,985 0,009 0,986
10 0,00658496 0,992 0,005 0,991
Contoh perhitungan teoritis pada x = 1 adalah sebagai berikut:

f(x;p) = pq x−1
f(1; 0,377181) = (0,377181) (0,622819)1-1
= 0,377
Penglohan data dengan distribusi Poisson menggunakan data waktu

kepulangan pengunjung. Terdapat sebanyak 745 pengunjung yang menjadi dasar
dalam pengolahan data dengan distribusi poissson pada penelitian ini. Distribusi
statistik waktu kepulangan pengunjung Basko Grand Mall dapat dilihat pada
Tabel 4.4.
Tabel 4.11 Distribusi Statistik Waktu Kepulangan I

Max 10
Min 0
Range 10
rata rata(dalam 20 detik) 1,37963
Rata-Rata(dalam menit) 4,138889
Standar Deviasi 2,034426
Panjang kelas 10,47812
N 745
Rata-Rata 1,37963
25
Bagian ini disajikan tabel distribusi Poisson dan distribusi Poisson yang
didekati dengan distribusi normal yang didapatkan dari waktu kepulangan
pengunjung Basko Grand Mall.
Tabel 4.12 Distribusi Poisson dan Distribusi Normal Waktu Kepulangan

Distribusi Poisson
Empiris Teoritis Distribusi Normal
X P(x) P(X<=x) P(x) P(X<=x) P(x) P(X<=x)
0 0,311409 0,311409 0,251671748 0,251672 0,1558143 0,020954
1 0,146309 0,146309 0,3472138 0,598886 0,1927112 0,061429
2 0,111409 0,111409 0,239513223 0,838399 0,1871873 0,146549
3 0,071141 0,071141 0,110146513 0,948545 0,1427959 0,287805
4 0,042953 0,042953 0,037990348 0,986536 0,085551 0,472786
5 0,021477 0,021477 0,010482522 0,997018 0,0402535 0,663951
6 0,010738 0,010738 0,002410333 0,999428 0,0148748 0,819854
7 0,005369 0,005369 0,000475052 0,999904 0,0043169 0,92019
8 0,001342 0,001342 0,000081925 0,999985 0,0009839 0,971145
9 0,001342 0,001342 0,000012558 0,999998 0,0001761 0,991563
10 0,001342 0,001342 0,000001733 1 0,0000248 0,998018
Contoh perhitungan distribusi Poisson dengan teoritis adalah sebagai berikut:

e−μ μx
f(x;µ) =
x!
e−4,13889 4,1388890
f(0; 4,138889) =
0!

Sama halnya dengan pengolahan data distribusi Poisson, penglohan data
dengan distribusi Poisson menggunakan data waktu kepulangan pengunjung.
Terdapat sebanyak 745 pengunjung yang menjadi dasar dalam pengolahan data
dengan distribusi poissson pada penelitian ini yang didapatkan dari pengamatan
selama 3 jam tanpa jeda pada jam 16.30 sampai dengan 19.30. Ukuran penyebaran
data waktu kepulangan pengunjung Basko Grand Mall dapat dilihat pada Tabel
4.6
26
Tabel 4.13 Ukuran Penyebaran Data waktu kepulangan II
Jumlah Data 745
Max 0,966667
Min 0
Range 0,966667
Banyak Kelas 10,47812
Panjang kelas 0,087879
Rata-Rata 0,173714
Lamda 5,7566
Contoh perhitungan ukuran penyebaran data waktu kepulangan adalah sebagai

berikut:
nilai maksimum = 0.96667
nilai minimum = 0
Range = nilai maksimum – nilai minimum = 0.96667
Banyak kelas = 1+3.3*log(745) = 10.4871 = 11
Range
Panjang kelas = = 0.08788 = 0.09
Banyak kelas
129.416667
Rata-rata = =0.17371
745
1 1
λ= = = 5.7566
µ 0.17371
Bagian ini disajikan tabel distribusi eksponensial yang didapatkan dari

waktu kepulangan pengunjung Basko Grand Mall.
27
Tabel 4. 14 Distribusi Eksponensial Waktu Kepulangan Pengunjung Basko Grand
Mall
Empiris Teoritis
Kelas BB BA Xi
Oi fi Fi Oi fi Fi
1 0 0,09 0,045 401 0,538255034 0,538255034 301,2371905 0,228213256 0,228213256
2 0,09 0,18 0,135 93 0,124832215 0,663087248 179,4333718 0,312068282 0,540281539
3 0,18 0,27 0,225 74 0,099328859 0,762416107 106,8803452 0,185884963 0,726166502
4 0,27 0,36 0,315 44 0,059060403 0,82147651 63,66378828 0,110723267 0,836889769
5 0,36 0,45 0,405 36 0,048322148 0,869798658 37,92163966 0,065952843 0,902842611
6 0,45 0,54 0,495 39 0,052348993 0,922147651 22,58820585 0,039285126 0,942127737
7 0,54 0,63 0,585 20 0,026845638 0,948993289 13,45477273 0,023400373 0,96552811
8 0,63 0,72 0,675 17 0,022818792 0,971812081 8,014399664 0,013938544 0,979466654
9 0,72 0,81 0,765 7 0,009395973 0,981208054 4,773815451 0,00830256 0,987769214
10 0,81 0,9 0,855 7 0,009395973 0,990604027 2,843545982 0,00494546 0,992714674
11 0,9 0,99 0,945 7 0,009395973 1 1,69377175 0,002945787 0,995660461
Contoh perhitungan distribusi eksponensial teoritis kelas pertama dengan

frekuensi 401 adalah sebagai berikut:
1
f ( x ) = e -x/µ
µ
1
f(x)= e-0.045/0.17371=0.22821
0.17371
contoh perhitungan empiris kelas pertama adalah sebagai berikut:

Oi
f(x) =
n
4 01
f(x) = = 0.53826
745
Penglohan data dengan distribusi normal menggunakan data IP mahasiswa

semester lalu. Sebelum mengolah data dengan distribusi normal, terlebih dahulu
membuat ukuran penyebaran data. Ukuran penyebaran data IP mahasiswa
semester lalu dapat dilihat pada Tabel 4.8.
28
Tabel 4.15 Ukuran penyebaran data IP mahasiswa semester lalu
Max 3,86
Min 2,28
Range 1,58
Banyak Kelas 9,1745
Rata-Rata 3,00
Panjang Kelas 0,157994
Standar Deviasi 0,259544
N 300
Contoh perhitungan ukuran penyebaran data IP mahasiswa semester lalu adalah
sebagai berikut:
Nilai maksimum = 3.86
Nilai minimum = 2.28
Range = nilai maksimum-nilai minimum
Banyak kelas = 1 + 3.3*log(N) = 9.1745 = 10
Rata-rata = total data dibagi dengan banyak data = 3.00
Range
Panjang kelas = = 0.15799 = 0.16
Banyak kelas
∑ ( xi-µ)2 = 0.25954
Standar deviasi = σ=
√ N
Bagian ini disajikan tabel distribusi normal yang didapatkan dari IP

mahasiswa semester lalu.
Tabel 4.16 Distribusi Normal IP Semester lalu

Empiris Teoritis
Kelas interval Xi
Oi fi Fi Oi fi Fi
1 2,28 2,44 2,36 4 0,013 0,013 4 0,013 0,013
2 2,44 2,60 2,52 17 0,057 0,070 14 0,047 0,060
3 2,60 2,76 2,68 38 0,127 0,197 35 0,117 0,177
4 2,76 2,92 2,84 55 0,183 0,380 61 0,202 0,379
5 2,92 3,08 3,00 72 0,240 0,620 73 0,242 0,621
6 3,08 3,24 3,16 57 0,190 0,810 60 0,200 0,822
7 3,24 3,40 3,32 44 0,147 0,957 34 0,115 0,936
8 3,40 3,56 3,48 9 0,030 0,987 14 0,046 0,982
9 3,56 3,72 3,64 2 0,007 0,993 4 0,012 0,994
10 3,72 3,88 3,80 2 0,007 1,000 1 0,002 0,997
TOTAL 300
29
Contoh perhitungan empiris distribusi normal pada kelas kedua adalah sebagai
berikut:
Oi
f(x) =
n
14
f(14) = =¿ 0.047
3 00
4.2 Analisis Data
Penulis Menganalis data yang sebelumnya sudah diolah terlebih dahulu.

Analis yang dilakukan terdiri atas analis terhadap binomial, poisson, geometrik,
eksponensial, dan normal, Poisson didekati distribusi Normal teoritis pada
perhitungan distribusi Poisson terhadap data sampel. Analisi dilakukan dengan
mengaitkan antara perhitungan empiris dengan teoritis.
4.2.1 Distribusi Binomial
Melalui Tabel 4.1 dapat diketahui bahwa dalam pengolahan data dengan
distribusi binomial, terlebih dahulu membagi 300 data menjadi 5 trials. Terdapat
60 sampel pada setiap trialnya. Melalui Tabel 4.1 dan Tabel 4.2 Dapat dilihat
bahwa distribusi binomial teoritis dengan empirisnya tidak memiliki perbedaan
yang signifikan.
30
4.2.2 Distribusi Geometrik
PMF Jenis Kelamin

0.4
0.35
0.3
0.25
Peluang
0.2 Empiris
Teoritis
0.15
0.1
0.05
0
1 2 3 4 5 6 7 8 9 10
Sampel
Gambar 4.9 Probability Mass Function (PMF) Distribusi Geometrik Jenis

Kelamin Pengunjung
Gambar 4.1 merupakan Probability Mass Function (PMF) distribusi

geometrik dari jenis kelamin pengunjung Basko Grand Mall. Melalui Gambar 4.1
dapat diketahui bahwa nilai teoritis lebih tinggi jika dibandingkan dengan nilai
teoritis. Nilai tertinggi dari teoritis pada sampel 1 hampir mendekati 0,4
sedangkan pada teoritis hanya mendekati 0,3.
31
CMF Jenis Kelamin
1.2
1
0.8
Peluang
Empiris
0.6 Teoritis
0.4
0.2
0
1 2 3 4 5 6 7 8 9 10
Sampel
Gambar 4.10 Cumulative Mass Function (CMF) Distribusi Geometrik Jenis
Kelamin Pengunjung
Gambar 4.2 merupakan Cumulative Mass Function (CMF) Distribusi

Geometrik dari jenis kelamin pengunjung Basko Grand Mall. Melalui Gambar
4.2 dapat diketahui bahwa nilai empiris semakin lama semakin mendekati nilai
teoritis dari distribusi geometric.
PDF Waktu Kepulangan

0.4
0.35
0.3
0.25
Peluang
0.2 Empiris
Teoritis
0.15
0.1
0.05
0
1 2 3 4 5 6 7 8 9 10 11
Sampel
Gambar 4.11 Probability Density Function (PDF) Distribusi Poisson Jenis

Kelamin Pengunjung
32
Gambar 4.3 merupakan Probability Density Function (PDF) Distribusi
Poisson dari jenis kelamin pengunjung Basko Grand Mall Melalui Gambar 4.3
dapat diketahui bahwa nilai empiris memiliki perbedaan yang cukup signifikan
dibandingkan dengan nilai teoritisnya. Nilai teoritis pada sampel 1,2 dan 3 pada
Gambar 4.3 jauh lebih tinggi nilainya dibandingkan dengan nilai empirisnya
CDf Waktu Kepulangan

1.2
0.8
Peluang
0.6 Empiris
Teoritis
0.4
0.2
0
1 2 3 4 5 6 7 8 9 10 11
Sampel
Gambar 4.12 Cumulative Distribution Function (CDF) Distribusi Poisson Jenis

Kelamin Pengunjung
Gambar 4.4 merupakan Cumulative Distribution Function (CDF)

distribusi Poisson dari jenis kelamin pengunjung Basko Grand Mall. Melalui
Gambar 4.4 dapat diketahui bahwa nilai empiris dan teoritis mengalam kenaikan.
Akan tetapi, nilai teoritis menglami kenaikan yang lebih tinggi dibandikan dengan
empiris.
33
PDF Waktu Kepulangan

0.6
0.5
0.4
Peluang
0.3 Empiris
Teoritis
0.2
0.1
0
1 2 3 4 5 6 7 8 9 10 11
Kelas
Gambar 4.13 Probability Density Function (PDF) Distribusi Eksponensial Waktu

Kepulangan Pengunjung
Gambar 4.5 merupakan Probability Density Function (PDF) distribusi

eksponensial waktu kepulangan pengunjung Basko Grand Mall. Secara teoritis
maupun empiris Probability Density Function (PDF) Distribusi Eksponensial
waktu kepulangan pengunjung mengalami penurunan secara terus menurus. Akan
tetapi, nilai empiris pada awalnya mengalami penurunan yang lebih drastis
dibandingkan dengan teoritis yang mengalami sedikit kenaikan.
34
CDF Waktu Kepulangan
1.2
1
0.8
Peluang
0.6 Empiris
Teoritis
0.4
0.2
0
1 2 3 4 5 6 7 8 9 10 11
Kelas
Gambar 4.14 Cumulative Distribution Function (CDF) Distribusi Eksponensial

Waktu Kepulangan Pengunjung
Gambar 4.6 Cumulative Distribution Function (CDF) distribusi

eksponensial waktu kepulangan pengunjung Basko Grand Mall. Melalu Gambar
4.6 dapat diketahui bahwa empiris dan teoritis dari Cumulative Distribution
Function (CDF) distribusi eksponensial waktu kepulangan mengalami kenaikan
secara bertahap. Nilai empiris Cumulative Distribution Function (CDF) pada
Gambar 4.6 tidak berbeda jauh dengan Cumulative Distribution Function (CDF)
secara teoritis.
Pengolahan dengan distribusi normal akan menggunakan data IP

mahasiswa semester lalu. Sebelum dilakukan pengolahan data dengan distribusi
normal, terlebih dahulu membuat ukuran penyebaran data data IP mahasiswa
semester lalu. Melalu Tabel 4.8 dapat diketahui bahwa IP rata-rata mahasiswa
semester lalu berada di 3.00 dengan nilai maksimum di 3,86 dan minimum di
2,28.
35
PMF IP Mahasiswa Semester Lalu
0.300
0.250
0.200
Peluang
0.150 Empiris
Teoritis
0.100
0.050
0.000
1 2 3 4 5 6 7 8 9 10
Kelas
Gambar 4.15 Probability Mass Function (PMF) Distribusi Normal IP Mahasiswa

Semester Lalu
Gambar 4.7 merupakan Probability Mass Function (PMF) distribusi

normal IP mahasiswa semester lalu. Melalui Gambar 4.7 dapat diketahui bahwa
terjadi peningkatan pada kelas 1 sampai 5. Akan tetapi, terjadi penurunan pada
kelas 6 sampa 10 baik empiris maupun teoritis.
CMF IP Mahasiswa Semester Lalu

1.200
1.000
0.800
Peluang
0.600 Empiris
Teoritis
0.400
0.200
0.000
1 2 3 4 5 6 7 8 9 10
Kelas
Gambar 4.16 Cumulative Mass Function (CMF) Perbulan Distribusi Normal IP

Mahasiswa Semester Lalu
Gambar 4.8 merupakan Cumulative Mass Function (CMF) distribusi

normal IP mahasiswa semester lalu. Melalui Gambar 4.8 dapat diketahui bahwa
36
nillai empiris dengan nilai teoritis dari Cumulative Mass Function (CMF) pada
Gambar 4.8 saling berdekatan satu sama lain. Baik teoritis maupun empiris
mengalami kenaikan pada kelas 1 sampai 9 hingga akhirnya mencapai nilai
peluang 1,00.
37
BAB V
PENUTUP
Bab ini akan menjelaskan mengenai kesimpulan dan saran dari penelitian
distribusi probabilitas diskrit dan kontinu yamg sudah dilakukan.
5.1 Kesimpulan
1. Pengolahan data secara empiris diperoleh dengan pengamatan ataupun

observasi secara langsung, sedangkan pengolahan data secara teoritis
diperoleh dengan perhitungan-perhitungan menurut teori yang ada sebagai
dasarnya.
2. Pengolahan data distribusi probabilitas secara teoritis memiliki tingkat
keakuratan yang lebih tinggi dibandingkan dengan Pengolahan data
distribusi probabilitas secara empiris karena berdasarkan teori-teori yang
sudah menjadi ketetapan. Disamping itu, Perhitungan empiris memiliki
banyak faktor-faktor yang dapat menyebabkannya menjadi memiliki nilai
yang tidak akurat seperti human error.
3. Tidak terdapat perbedaan yang signifikan antara distribusi probabilitas
empris dengan teoritis terhadap data pengunjung, IP semester lalu, dan
mahasiswa yang mengalami gangguan belajar selama pandemic. Melalui
hasil penelitian dapat diketahui bahwa nilai empiris hampir selalu
mendekati nilai teoritis.
4. Data waktu kepulangan pengunjung Basko Grand Mall, IP mahasiswa
semester lalu, dan mahasiswa yang mengalami gangguan belajar selama
pandemi ketiganya dapat diolah dengan distribusi diskrit antara lain
dengan menggunakan distribusi binomial, geometri, dan Poisson.
5. Data waktu kepulangan pengunjung Basko Grand Mall dan IP mahasiswa
semester lalu dapat juga diolah dengan menggunaan distribusi kontinu
antara lain dengan distribusi normal dan eksponensial.
38
5.2 Saran
1. Praktikum pengolahan data dengan distribusi probabilitas diskrit dan

kontinu tidak hanya dengan menggunakan distribusi binomial, Poisson,
geometrik, eksponensial, normal, dan distribusi Poisson didekati distribusi
normal saja karena hal ini menyebabkan ketidaktahuan peraktikan akan
distribusi lainnya. Akan tetapi, praktikum dilakukan dengan mencangkup
seluruh macam-macam dari distribusi diskrit dan kontinu.
2. Laboratorium Perencanaan Optimasi dan Sistem Industri memberikan
turotial kepada praktikan mengenai pengolahan data distribusi probabilitas
dengan excel
39
DAFTAR PUSTAKA
Harinaldi, Prinsip-prinsip STATISTIK untuk Teknik dan Sains, Jakarta:

Penerbit Erlangga, 2005.
I. C. Negara and A. Prabowo, Penggunaan Uji Chi-Square Untuk Mengetahui
Pengaruh Tingkat Pendidikan Dan Umur Terhadap Pengetahuan
Penasun Mengenai Hiv-Aids Di Provinsi Dki Jakarta, Prosiding
Seminar Nasional Matematika Dan Terapannya, vol. I, no. 1, pp. 1-8,
2018.
Siswanto, Operation Research, Yogyakarta: Penerbit Erlangga, 2007.
I. Pratiwi, F. Yanuar and H. Yozza, Pendugaan Parameter Miu dari Distribusi
Log-Normal dengan Menggunakan Metode Maximum Likelihood
Estimation (MLE) dan Metode Bayes, Jurnal Matematika Unand, vol.
9, pp. 84-91, 2020.
Sudaryono, Statistika dan Probabilitas Bidang Teknik dan Komputer,
Yogyakarta: CV Andi Offset, 2021.
A. Amalia and N. Sa'adah, Dampak Pandemi COVID-19 Terhadap Kegiatan
Belajar Mengajar di Indonesia, BImbingan dan Konseling Islam UIN
Sunan Kalijaga, pp. 214-225, 2020.
LAMPIRAN
LAMPIRAN A
(Data Hasil kuesioner)
Tabel L.A.1 Data Hasil kuesioner
Apakah Anda
NO mengalami gangguan IP Semester Lalu
belajar saat pandemi?
1 Ya 3.84 3.16 2.44 2.82 2.08
2 Tidak 2.73 3.49 2.19 2.93 3.90
3 Ya 3.44 2.37 3.10 2.77 2.01
4 Ya 3.03 2.17 2.02 2.05 2.12
5 Ya 3.70 3.70 2.19 2.23 3.51
6 Ya 2.63 2.08 3.12 3.24 2.03
7 Tidak 2.72 2.90 2.18 2.20 3.58
8 Ya 3.00 3.52 2.18 2.92 3.43
9 Tidak 3.89 3.12 3.00 3.43 2.56
10 Ya 3.14 2.61 2.03 3.11 2.60
11 Tidak 2.64 3.71 3.63 3.48 3.13
12 Ya 3.49 2.79 3.74 3.38 2.76
13 Ya 3.46 2.53 3.73 2.25 3.23
14 Ya 2.88 2.58 3.26 3.78 3.93
15 Ya 3.08 3.69 2.17 3.24 3.29
16 Ya 2.02 2.08 3.29 2.11 3.64
17 Ya 2.20 2.70 2.72 2.72 3.60
18 Tidak 2.20 2.08 2.18 3.40 3.99
19 Ya 3.90 2.75 2.60 2.46 3.91
20 Ya 3.71 3.22 2.97 2.65 2.43
21 Ya 2.86 2.54 2.73 3.19 3.60
22 Ya 3.27 3.75 2.40 3.46 2.30
23 Tidak 3.73 2.73 3.35 3.11 2.42
24 Ya 3.28 3.74 3.99 3.20 2.32
25 Tidak 3.82 2.45 2.98 3.60 3.61
26 Ya 3.46 2.86 2.92 3.72 2.29
27 Tidak 2.83 3.93 3.04 3.67 3.44
28 Ya 3.73 3.32 2.30 3.61 3.36
29 Ya 2.79 2.34 3.49 3.73 3.78
30 Ya 2.68 3.67 2.08 2.48 2.01
31 Tidak 3.46 3.46 3.83 2.22 3.76
32 Ya 2.38 3.76 2.22 3.01 3.08
33 Ya 3.59 2.71 3.96 3.72 2.90
34 Ya 2.01 3.58 2.64 3.77 3.49
35 Ya 3.91 2.25 2.52 2.62 2.23
36 Tidak 2.63 2.02 2.32 2.22 2.37
37 Ya 2.57 2.49 2.67 2.75 2.54
38 Tidak 2.50 3.18 2.73 2.63 2.48
39 Ya 3.62 2.98 3.02 2.20 2.70
40 Tidak 2.33 3.38 3.34 2.37 2.85
41 Ya 2.73 2.05 3.52 2.99 3.39
42 Ya 3.44 3.59 2.98 3.90 3.03
43 Ya 3.64 3.95 3.10 2.75 3.41
44 Ya 2.87 2.38 2.53 2.02 2.85
45 Ya 2.12 3.07 2.73 2.94 3.51
46 Ya 2.75 3.52 2.85 3.68 2.49
47 Ya 3.80 2.83 3.25 3.25 3.11
48 Ya 2.06 2.43 2.14 2.04 3.91
49 Tidak 2.57 3.83 3.30 3.20 3.44
50 Ya 3.14 3.11 2.09 3.07 3.62
Tabel L.A.1 Data Hasil kuesioner (Lanjutan)
51 Ya 2.85 3.52 2.43 3.85 3.22

52 Ya 2.87 3.86 2.45 2.69 2.94
53 Ya 3.34 3.35 2.70 2.61 3.74
54 Tidak 2.43 3.16 2.52 3.02 3.12
55 Ya 2.86 2.08 2.51 3.83 2.39
56 Tidak 3.06 3.27 3.08 3.99 2.22
57 Ya 3.65 3.13 2.06 2.05 2.09
58 Tidak 3.78 2.75 2.22 2.20 3.42
59 Ya 2.32 2.82 2.22 2.87 2.70
60 Ya 3.80 3.89 3.00 3.96 3.97
61 Ya 2.83 3.86 2.12 3.73 3.49
62 Ya 2.20 3.91 3.02 2.60 3.07
63 Ya 3.10 2.63 2.49 2.49 3.87
64 Tidak 2.33 3.93 2.85 3.84 2.01
65 Ya 3.97 3.87 2.31 3.26 2.47
66 Ya 3.08 2.25 3.56 2.71 2.41
67 Ya 3.64 2.58 3.86 2.90 2.73
68 Ya 2.68 2.59 2.16 2.67 3.15
69 Tidak 3.76 2.64 2.27 2.29 3.25
70 Ya 3.21 2.28 2.82 3.09 2.12
71 Tidak 3.77 2.84 3.90 2.05 2.38
72 Ya 3.61 2.56 3.05 2.60 2.61
73 Tidak 2.52 2.20 2.11 3.08 2.39
74 Ya 3.82 2.39 2.29 2.23 3.02
75 Ya 3.30 2.07 3.36 2.42 2.19
76 Ya 3.69 2.90 2.84 3.12 2.53
77 Ya 3.03 3.73 2.68 2.83 2.05
78 Ya 2.30 2.05 3.76 3.29 2.93
79 Ya 3.82 3.25 2.97 3.95 3.11
80 Tidak 2.77 3.06 3.29 3.64 3.48
81 Ya 2.12 2.12 2.24 2.96 2.36
82 Ya 2.08 2.32 2.90 3.76 2.99
83 Ya 2.03 3.04 3.53 2.86 3.48
84 Ya 3.72 3.80 2.98 2.69 2.20
85 Tidak 3.74 3.93 2.80 3.32 3.00
86 Ya 3.31 2.18 3.51 2.77 3.02
87 Tidak 3.81 2.75 3.29 2.88 3.73
88 Ya 3.57 4.00 2.35 2.95 3.55
89 Ya 3.41 3.36 2.48 2.49 2.65
90 Tidak 3.77 3.93 2.76 3.84 2.56
91 Ya 3.43 3.95 3.34 2.30 3.24
92 Ya 2.23 2.88 3.99 2.69 3.71
93 Ya 2.78 3.81 3.05 2.15 2.07
94 Ya 2.77 3.85 2.22 3.85 3.04
95 Tidak 3.20 2.84 2.78 3.68 3.71
96 Ya 3.57 2.80 3.78 2.57 2.79
97 Ya 2.16 3.53 3.26 2.60 3.79
98 Tidak 3.39 3.64 2.96 2.18 3.78
99 Ya 3.80 2.36 2.63 3.50 2.31
100 Ya 3.29 2.12 3.35 2.45 3.78
101 Ya 3.80 3.00 2.96 3.52 2.11
102 Ya 3.77 2.82 3.55 2.69 3.25
103 Tidak 2.77 2.21 2.06 2.49 2.95
104 Ya 2.30 3.15 3.58 3.33 2.04
105 Tidak 3.79 2.51 2.51 3.01 2.19
106 Ya 2.99 3.38 3.35 2.41 2.21
107 Tidak 3.25 3.69 2.03 2.16 2.97
108 Ya 3.91 2.93 3.48 2.70 2.26
109 Ya 3.34 3.63 2.73 2.98 2.17
110 Ya 2.05 3.10 3.78 3.75 2.33
111 Ya 2.43 3.59 3.91 2.07 3.60
112 Ya 3.76 3.63 2.26 2.84 3.08
113 Ya 3.21 3.02 3.72 3.93 3.04
114 Ya 3.50 2.77 3.90 2.09 2.77
115 Tidak 2.04 2.09 2.07 3.42 3.41
116 Ya 2.62 2.43 2.92 2.11 2.30
117 Ya 2.26 2.16 3.89 3.25 2.04
118 Tidak 2.44 3.69 3.28 3.44 2.34
119 Ya 2.08 2.77 2.11 3.51 3.20
120 Ya 3.08 3.66 3.09 2.71 2.92
121 Ya 3.78 3.61 3.36 3.99 2.53
122 Ya 2.19 2.64 2.21 2.08 3.85
123 Ya 2.20 3.73 3.65 2.65 3.47
124 Ya 2.26 3.02 3.64 3.21 2.81
125 Ya 2.42 3.33 3.33 2.30 2.01
126 Tidak 3.47 2.79 2.26 3.02 2.02
127 Tidak 3.96 3.98 3.46 2.06 3.00
128 Tidak 3.48 2.69 2.57 3.04 2.40
129 Ya 3.67 3.68 3.41 2.45 3.21
130 Ya 2.44 3.75 3.40 2.98 3.76
131 Ya 2.37 2.14 3.69 2.39 3.60
132 Ya 3.09 3.14 2.76 3.45 3.15
133 Ya 2.55 2.47 2.48 3.66 3.94
134 Ya 2.25 3.09 2.62 2.80 2.24
135 Ya 2.02 3.41 3.09 3.28 3.58
136 Tidak 3.45 2.53 3.24 2.10 3.02
137 Tidak 3.38 2.95 3.25 3.63 2.67
138 Ya 3.73 2.73 2.13 3.02 3.29
139 Tidak 3.92 4.00 2.02 3.68 3.08
140 Ya 2.08 3.31 2.36 3.58 2.07
141 Ya 3.46 3.95 3.83 3.00 3.51
142 Ya 3.60 2.36 2.24 3.53 3.81
143 Ya 2.72 3.04 2.96 3.41 3.68
144 Ya 2.21 3.11 2.65 3.36 3.98
145 Ya 2.49 3.04 2.76 3.62 3.48
146 Ya 3.95 3.35 2.94 3.01 2.64
147 Tidak 2.25 3.01 3.56 3.53 3.53
148 Tidak 2.50 3.44 3.66 3.23 2.91
149 Tidak 2.42 3.99 2.62 2.93 3.82
150 Ya 3.44 3.35 3.34 3.04 3.48
151 Tidak 2.97 2.74 3.70 2.05 2.35
152 Ya 3.40 3.31 2.64 3.71 3.50
153 Ya 3.75 3.38 2.67 3.22 2.30
154 Ya 3.84 2.99 2.82 2.67 2.52
155 Ya 3.46 2.14 3.75 2.67 3.62
156 Ya 3.73 3.33 3.37 3.75 3.08
157 Ya 2.85 3.64 3.83 2.11 2.11
158 Ya 2.42 2.88 3.25 2.22 2.17
159 Tidak 3.38 2.56 3.58 2.96 2.23
160 Tidak 3.02 3.21 2.84 2.89 2.42
161 Ya 2.34 3.33 2.16 3.12 2.36
162 Tidak 3.80 2.35 2.03 2.20 3.59
163 Ya 2.16 2.04 3.19 3.59 3.01
164 Ya 3.31 2.51 2.33 2.34 3.68
165 Ya 3.20 2.04 2.41 2.52 3.86
166 Ya 3.81 2.14 3.30 2.11 3.51
167 Ya 2.71 3.31 2.87 3.27 2.22
168 Ya 3.65 3.41 2.41 2.26 2.01
169 Ya 2.43 2.57 3.69 3.38 3.07
170 Tidak 2.88 2.42 3.16 2.99 2.00
171 Ya 2.56 3.76 3.57 2.78 3.64
172 Ya 3.32 3.25 2.43 3.41 3.52
173 Tidak 3.16 3.93 2.77 3.08 2.02
174 Ya 3.62 2.37 2.06 2.38 2.57
175 Tidak 3.61 3.38 3.36 2.84 3.28
176 Tidak 2.85 3.78 2.09 2.78 2.01
177 Ya 2.95 3.72 3.15 3.10 2.96
178 Ya 2.02 2.75 2.46 3.74 3.37
179 Ya 2.88 3.68 2.81 3.23 2.17
180 Ya 2.88 2.84 3.68 3.14 3.25
181 Ya 3.05 3.43 3.46 3.43 3.61
182 Ya 2.98 3.65 2.73 2.94 2.89
183 Ya 3.60 3.81 3.10 3.85 3.56
184 Tidak 3.90 3.31 2.42 2.20 3.01
185 Tidak 2.62 3.25 3.17 2.37 3.84
186 Ya 3.59 2.86 3.41 3.70 2.86
187 Tidak 2.87 2.71 3.52 3.19 3.71
188 Ya 3.02 3.15 3.65 3.36 3.88
189 Ya 2.47 2.00 3.22 2.03 3.47
190 Ya 2.81 3.03 2.89 2.88 3.73
191 Ya 3.29 3.61 2.50 2.76 2.75
192 Ya 2.72 3.31 2.26 3.58 2.95
193 Ya 2.29 2.58 3.73 2.45 2.20
194 Ya 3.12 3.04 2.55 3.22 3.56
195 Tidak 2.75 3.73 2.61 3.20 2.79
196 Tidak 3.73 3.40 3.06 2.63 3.40
197 Ya 2.22 2.74 2.12 2.45 3.29
198 Tidak 2.64 3.88 2.43 2.63 3.57
199 Ya 3.87 3.34 3.61 2.38 3.67
200 Ya 3.06 3.81 3.55 2.97 2.00
201 Ya 2.41 3.48 2.01 2.25 3.91
202 Ya 3.33 2.27 3.52 3.55 3.16
203 Ya 3.24 3.29 2.24 3.32 3.61
204 Ya 3.28 2.23 3.70 2.64 3.77
205 Ya 3.51 2.88 2.11 3.97 3.95
206 Ya 3.81 2.48 3.71 3.40 3.87
207 Ya 3.82 2.92 2.61 2.26 3.12
208 Ya 3.99 3.24 2.31 2.44 3.59
209 Ya 3.88 3.71 3.53 3.00 2.10
210 Ya 2.38 3.47 3.42 3.86 2.80
211 Tidak 2.93 3.57 3.96 2.65 3.48
212 Tidak 3.79 2.96 2.51 3.76 2.11
213 Ya 2.30 2.55 2.72 2.39 3.00
214 Tidak 2.80 3.88 2.06 3.78 3.11
215 Ya 2.89 3.68 3.66 3.37 2.02
216 Ya 3.53 3.32 3.92 2.26 3.76
217 Ya 2.03 2.88 2.43 3.21 2.33
218 Ya 2.36 3.97 3.34 3.55 2.19
219 Ya 2.90 2.54 2.17 3.09 3.61
220 Ya 3.08 2.12 2.05 3.89 2.14
221 Ya 3.01 3.75 4.00 3.09 3.50
222 Ya 2.88 3.01 2.44 3.72 2.98
223 Ya 3.32 2.74 3.91 2.93 2.68
224 Tidak 2.64 3.24 2.59 2.39 2.70
225 Tidak 3.97 2.60 3.14 3.84 3.00
226 Ya 2.08 3.25 3.22 3.77 3.04
227 Tidak 2.59 2.44 2.72 3.35 2.99
228 Ya 2.67 3.28 3.02 2.63 3.86
229 Ya 3.43 3.68 2.81 2.36 3.99
230 Ya 2.01 3.00 2.39 3.67 2.96
231 Tidak 2.35 3.50 3.80 3.56 3.51
232 Ya 3.41 3.07 3.16 3.22 2.59
233 Ya 3.10 2.87 3.19 3.77 3.05
234 Ya 2.05 3.90 2.88 2.23 2.65
235 Ya 2.82 2.46 2.88 3.19 3.73
236 Ya 2.19 2.06 3.25 2.53 3.53
237 Ya 2.87 2.17 2.28 2.97 3.88
238 Tidak 2.96 2.83 3.23 2.96 3.04
239 Tidak 3.90 2.55 2.56 2.68 2.76
240 Ya 3.49 2.41 3.07 3.54 3.68
241 Tidak 2.88 2.68 3.32 3.51 2.83
242 Ya 3.75 3.84 3.37 3.22 3.81
243 Ya 2.23 3.69 2.45 3.96 3.42
244 Ya 3.88 2.42 2.75 3.79 3.83
245 Ya 3.61 3.48 2.48 4.00 3.90
246 Ya 3.68 2.15 3.52 3.54 2.71
247 Tidak 3.58 2.64 3.06 2.10 3.71
248 Ya 2.80 2.35 2.66 3.76 2.59
249 Tidak 3.90 2.95 2.85 3.07 2.27
250 Ya 3.15 3.84 2.55 2.91 2.94
251 Ya 2.83 2.29 2.22 3.31 2.97
252 Ya 3.42 2.21 3.16 2.03 2.34
253 Ya 3.49 2.30 2.47 2.88 3.93
254 Ya 3.95 3.36 2.71 2.81 2.27
255 Tidak 2.90 2.11 3.81 3.98 2.99
256 Tidak 2.45 2.57 3.62 2.40 2.89
257 Ya 2.15 3.59 2.25 2.27 2.34
258 Tidak 2.44 2.19 2.86 3.87 2.45
259 Ya 2.89 2.99 3.64 2.26 3.49
260 Ya 3.06 3.95 3.32 3.45 2.19
261 Ya 3.92 2.02 3.49 3.74 2.02
262 Ya 2.25 3.02 3.15 3.85 2.31
263 Tidak 2.77 2.35 2.27 2.85 2.14
264 Tidak 3.99 3.81 3.81 3.78 3.90
265 Ya 2.58 2.95 3.02 3.08 3.64
266 Ya 2.05 2.72 3.44 2.90 3.40
267 Ya 2.99 2.72 3.67 2.39 2.57
268 Ya 2.86 2.86 3.22 3.16 3.06
269 Ya 2.95 3.22 3.46 3.96 2.70
270 Ya 2.92 2.41 2.23 2.79 3.44
271 Tidak 2.18 3.72 3.36 2.12 2.55
272 Tidak 2.78 3.50 2.22 3.06 3.81
273 Ya 3.87 3.39 2.79 2.37 2.38
274 Tidak 2.93 3.99 2.42 2.02 2.36
275 Ya 3.42 2.62 3.01 3.41 3.76
276 Ya 2.31 2.19 2.05 2.76 2.32
277 Ya 3.76 2.41 2.65 3.03 2.52
278 Ya 3.50 3.37 2.84 3.51 2.35
279 Tidak 2.23 3.54 3.27 2.61 3.47
280 Ya 3.77 2.68 2.25 2.41 2.93
281 Tidak 2.47 3.24 3.63 2.86 3.50
282 Ya 3.02 3.80 3.53 2.80 2.56
283 Ya 2.75 2.18 3.50 2.87 3.27
284 Ya 2.13 3.70 2.66 3.25 2.53
285 Ya 2.28 3.10 2.74 3.55 2.80
286 Ya 2.40 3.47 2.09 3.51 2.03
287 Tidak 3.31 2.46 2.50 3.48 3.42
288 Tidak 3.35 2.17 3.23 2.50 3.34
289 Ya 3.89 2.85 3.71 2.28 3.11
290 Tidak 2.02 2.90 2.86 3.86 3.27
291 Ya 3.71 3.72 2.75 2.20 3.94
292 Ya 2.35 3.50 2.17 3.04 3.09
293 Ya 2.12 2.99 2.98 2.63 3.73
294 Tidak 2.75 2.26 2.23 3.12 2.29
295 Ya 3.61 3.01 2.16 3.35 2.79
296 Ya 3.63 2.00 2.13 3.26 2.64
297 Ya 3.26 3.03 2.12 2.84 2.15
298 Ya 2.43 3.98 3.98 3.71 3.41
299 Tidak 2.25 3.07 2.09 2.95 2.52
300 Ya 2.63 3.06 2.81 3.41 2.20
LAMPIRAN B
(Data Pengunjung)
Tabel L.B.1 Data Pengunjung
Waktu Jenis
No.
Kepulangan Kelamin
1 16:32:18 L
2 16:32:23 p
3 16:33:00 p
4 16:33:01 L
5 16:33:08 p
6 16:33:10 p
7 16:33:20 L
8 16:33:24 p
9 16:33:36 p
10 16:33:38 p
11 16:33:40 p
12 16:33:41 p
13 16:33:43 L
14 16:33:48 p
15 16:33:58 L
16 16:34:06 L
17 16:34:16 L
18 16:35:01 p
19 19:14:23 p
20 16:35:33 L
21 16:35:34 L
22 16:35:36 L
23 16:35:43 p
24 16:35:45 L
25 16:35:47 p
26 16:35:48 p
27 16:35:50 L
28 16:36:03 p
29 16:36:04 L
30 16:36:45 p
31 16:37:02 L
32 16:37:24 L
33 16:37:25 L
34 16:37:28 p
35 16:37:29 p
36 16:37:30 p
37 16:37:44 p
38 16:37:59 p
39 16:38:01 L
40 16:38:02 L
41 16:38:15 L
42 16:38:15 p
43 16:38:32 p
44 16:38:33 p
45 16:38:34 p
46 16:38:35 L
47 16:38:36 p
48 16:38:37 p
49 16:38:38 p
50 16:38:39 L
Tabel L.B.1 Data Pengunjung (Lanjutan)
51 16:38:41 p
52 16:38:48 L
53 16:39:07 p
54 16:39:09 p
55 16:39:23 p
56 16:39:23 L
57 16:39:33 p
58 16:39:34 p
59 16:39:40 p
60 16:39:41 L
61 16:39:42 p
62 16:39:57 p
63 16:39:58 p
64 16:40:01 p
65 16:40:21 p
66 16:40:22 p
67 16:40:32 p
68 16:41:03 p
69 16:41:19 p
70 16:41:28 p
71 16:41:30 p
72 16:41:32 L
73 16:41:33 L
74 16:41:45 p
75 16:42:12 L
76 16:42:14 p
77 16:42:21 p
78 16:42:27 p
79 16:42:31 L
80 16:42:37 p
81 16:42:39 L
82 16:44:03 p
83 16:44:05 p
84 16:44:11 p
85 16:44:12 p
86 16:44:14 p
87 16:44:16 p
88 16:44:30 p
89 16:44:56 p
90 16:45:13 p
91 16:45:14 p
92 16:45:15 p
93 16:45:19 L
94 16:45:49 p
95 16:45:50 p
96 16:45:56 L
97 16:46:19 L
98 16:47:10 p
99 16:47:11 p
100 16:47:34 p
101 16:48:04 p
102 16:48:26 p
103 16:48:27 p
104 16:48:30 p
105 16:48:32 p
106 16:48:33 p
107 16:49:01 p
108 16:48:57 p
109 16:49:20 L
110 16:49:30 p
111 16:49:31 L
112 16:50:21 L
113 16:50:22 p
114 16:50:32 L
115 16:50:47 p
116 16:50:48 p
117 16:51:07 p
118 16:51:14 p
119 16:51:51 L
120 16:51:51 L
121 16:51:52 L
122 16:52:11 L
123 16:52:12 p
124 16:52:26 L
125 16:52:30 p
126 16:52:31 p
127 16:52:32 p
128 16:53:13 L
129 16:53:27 p
130 16:53:29 L
131 16:53:37 p
132 16:53:39 p
133 16:53:40 p
134 16:53:46 p
135 16:54:05 L
136 16:54:33 L
137 16:55:15 L
138 16:55:16 L
139 16:55:32 L
140 16:55:33 L
141 16:55:38 p
142 16:55:40 p
143 16:55:42 L
144 16:55:44 L
145 16:55:54 L
146 16:55:58 p
147 16:56:11 p
148 16:56:12 p
149 16:56:24 p
150 16:56:41 L
151 16:56:41 p
152 16:57:13 p
153 16:57:14 p
154 16:57:41 p
155 16:58:35 L
156 16:58:39 p
157 16:58:48 p
158 16:59:05 L
159 16:59:53 p
160 17:00:51 p
161 17:00:52 p
162 17:00:59 p
163 17:01:03 L
164 17:01:26 L
165 17:01:27 L
166 17:01:31 L
167 17:02:25 L
168 17:02:30 p
169 17:02:31 p
170 17:02:35 L
171 17:02:46 p
172 17:02:47 p
173 17:02:49 p
174 17:02:49 p
175 17:03:16 p
176 17:03:17 p
177 17:03:47 L
178 17:04:02 p
179 17:04:11 L
180 17:04:38 p
181 17:04:40 p
182 17:05:09 p
183 17:05:10 p
184 17:05:13 L
185 17:05:14 L
186 17:05:19 L
187 17:05:25 p
188 17:05:26 p
189 17:05:27 p
190 17:05:28 L
191 17:05:41 L
192 17:06:24 p
193 17:06:26 p
194 17:06:32 p
195 17:06:34 p
196 17:06:49 L
197 17:06:59 p
198 17:07:01 p
199 17:07:13 p
200 17:07:30 L
201 17:07:32 L
202 17:09:06 p
203 17:09:07 p
204 17:09:09 p
205 17:09:17 L
206 17:09:25 p
207 17:09:40 L
208 17:10:10 p
209 17:10:12 p
210 17:10:37 p
211 17:10:39 p
212 17:10:40 p
213 17:10:54 L
214 17:11:04 L
215 17:11:26 L
216 17:11:33 L
217 17:11:53 p
218 17:11:55 p
219 17:11:57 p
220 17:11:59 L
221 17:12:05 p
222 17:12:06 p
223 17:12:11 L
224 17:12:55 p
225 17:12:58 L
226 17:13:28 L
227 17:13:29 L
228 17:13:39 p
229 17:13:41 p
230 17:13:43 L
231 17:13:53 L
232 17:14:28 L
233 17:14:29 p
234 17:14:31 p
235 17:14:33 p
236 17:14:43 L
237 17:14:45 p
238 17:14:59 L
239 17:15:19 p
240 17:15:20 p
241 17:15:22 L
242 17:15:24 p
243 17:15:30 L
244 17:15:32 p
245 17:15:33 p
246 17:16:08 L
247 17:16:14 L
248 17:16:42 L
249 17:16:53 L
250 17:17:18 L
251 17:17:37 L
252 17:17:38 p
253 17:17:39 L
254 17:17:42 p
255 17:17:49 p
256 17:17:51 p
257 17:17:56 L
258 17:18:02 p
259 17:18:23 L
260 17:18:33 L
261 17:18:44 p
262 17:18:45 p
263 17:18:48 p
264 17:19:24 L
265 17:19:48 p
266 17:19:49 p
267 17:20:12 L
268 17:20:35 p
269 17:20:48 L
270 17:21:10 p
271 17:21:14 p
272 17:21:15 L
273 17:21:52 L
274 17:21:56 L
275 17:22:15 p
276 17:22:17 L
277 17:22:25 p
278 17:22:42 L
279 17:22:53 L
280 17:22:54 L
281 17:23:02 p
282 17:23:03 p
283 17:23:52 p
284 17:24:03 L
285 17:24:05 L
286 17:24:27 p
287 17:24:35 L
288 17:24:36 p
289 17:24:38 p
290 17:24:39 p
291 17:24:41 p
292 17:24:49 L
293 17:25:11 p
294 17:25:12 p
295 17:25:17 L
296 17:25:39 p
297 17:25:41 p
298 17:26:02 p
299 17:26:15 p
300 17:26:16 p
301 17:26:44 p
302 17:26:47 L
303 17:27:06 L
304 17:27:08 L
305 17:27:11 p
306 17:27:13 L
307 17:27:16 p
308 17:27:18 p
309 17:27:19 p
310 17:27:20 p
311 17:27:36 p
312 17:27:37 p
313 17:27:51 L
314 17:28:24 p
315 17:28:25 p
316 17:28:27 L
317 17:28:43 L
318 17:28:58 p
319 17:28:59 p
320 17:29:01 L
321 17:29:07 p
322 17:29:08 p
323 17:29:09 p
324 17:29:12 p
325 17:29:16 p
326 17:29:19 L
327 17:29:28 p
328 17:30:16 p
329 17:30:18 p
330 17:30:32 p
331 17:30:33 p
332 17:31:02 L
333 17:31:03 p
334 17:31:04 p
335 17:31:06 L
336 17:31:07 p
337 17:31:16 L
338 17:31:43 L
339 17:31:45 L
340 17:31:56 p
341 17:31:58 p
342 17:32:01 L
343 17:32:30 p
344 17:32:31 p
345 17:32:53 L
346 17:32:56 p
347 17:33:11 p
348 17:33:43 p
349 17:33:45 L
350 17:34:21 p
351 17:34:22 p
352 17:34:25 p
353 17:34:27 L
354 17:34:41 p
355 17:34:42 p
356 17:35:02 L
357 17:35:02 p
358 17:35:18 p
359 17:35:28 L
360 17:35:29 L
361 17:35:31 p
362 17:35:33 L
363 17:36:51 p
364 17:37:10 L
365 17:37:39 L
366 17:38:07 p
367 17:38:38 L
368 17:38:40 L
369 17:38:47 L
370 17:39:01 L
371 17:39:03 L
372 17:39:04 p
373 17:39:17 p
374 17:39:18 p
375 17:39:33 L
376 17:39:34 p
377 17:39:36 L
378 17:40:15 L
379 17:40:17 p
380 17:40:18 p
381 17:41:12 L
382 17:41:25 L
383 17:42:01 L
384 17:42:31 L
385 17:42:37 L
386 17:42:39 p
387 17:42:44 L
388 17:43:06 L
389 17:43:20 p
390 17:43:24 L
391 17:43:27 L
392 17:43:31 p
393 17:43:41 p
394 17:43:44 p
395 17:44:08 L
396 17:44:10 p
397 17:44:50 L
398 17:44:53 p
399 17:45:03 p
400 17:45:04 p
401 17:45:07 L
402 17:45:47 p
403 17:45:55 p
404 17:45:57 p
405 17:46:03 p
406 17:46:05 L
407 17:46:07 p
408 17:46:30 L
409 17:49:20 p
410 17:49:22 p
411 17:49:30 p
412 17:49:32 p
413 17:50:53 p
414 17:51:06 p
415 17:51:08 p
416 17:51:09 p
417 17:51:11 p
418 17:51:12 p
419 17:52:13 p
420 17:52:15 p
421 17:52:36 p
422 17:52:50 L
423 17:53:03 p
424 17:53:04 p
425 17:53:06 L
426 17:54:16 p
427 17:54:17 p
428 17:54:25 p
429 17:54:27 p
430 17:54:38 L
431 17:55:16 p
432 17:55:17 L
433 17:55:20 L
434 17:55:43 L
435 17:55:44 p
436 17:55:46 p
437 17:55:49 p
438 17:56:20 L
439 17:56:21 L
440 17:56:23 p
441 17:56:24 p
442 17:56:30 p
443 17:56:39 p
444 17:56:41 L
445 17:56:43 L
446 17:56:48 p
447 17:56:50 p
448 17:56:52 p
449 17:56:53 L
450 17:56:55 L
451 17:56:57 p
452 17:56:59 L
453 17:57:16 p
454 17:57:23 L
455 17:57:25 L
456 17:58:00 L
457 17:58:01 p
458 17:58:03 p
459 17:58:13 L
460 17:58:45 L
461 17:58:48 p
462 17:58:49 p
463 17:59:45 p
464 18:00:45 L
465 18:00:49 p
466 18:00:52 L
467 18:01:17 p
468 18:01:19 p
469 18:01:21 p
470 18:01:24 p
471 18:01:26 p
472 18:01:28 p
473 18:01:32 p
474 18:01:59 p
475 18:02:04 L
476 18:06:39 p
477 18:07:20 L
478 18:07:30 p
479 18:07:34 L
480 18:07:40 L
481 18:07:42 p
482 18:07:46 p
483 18:07:47 p
484 18:07:49 L
485 18:07:52 p
486 18:07:55 p
487 18:08:00 p
488 18:08:38 p
489 18:08:40 p
490 18:09:52 L
491 18:10:03 p
492 18:10:07 p
493 18:10:48 L
494 18:10:54 L
495 18:10:56 L
496 18:11:54 p
497 18:12:22 p
498 18:12:24 L
499 18:12:40 L
500 18:13:04 p
501 18:13:05 p
502 18:13:07 L
503 18:13:09 p
504 18:13:11 p
505 18:13:12 p
506 18:13:34 p
507 18:13:36 L
508 18:13:56 p
509 18:15:31 p
510 18:15:33 p
511 18:15:38 p
512 18:15:40 p
513 18:15:42 p
514 18:15:44 p
515 18:15:45 p
516 18:16:55 p
517 18:16:58 L
518 18:16:59 p
519 18:17:02 L
520 18:17:07 p
521 18:17:08 p
522 18:17:25 L
523 18:17:28 p
524 18:17:29 p
525 18:17:30 L
526 18:17:31 p
527 18:17:47 L
528 18:18:07 p
529 18:18:16 L
530 18:18:26 L
531 18:18:36 p
532 18:18:39 p
533 18:18:45 p
534 18:18:47 p
535 18:18:49 p
536 18:18:55 p
537 18:18:58 L
538 18:20:29 L
539 18:20:45 p
540 18:20:47 L
541 18:21:14 p
542 18:21:15 p
543 18:21:17 L
544 18:21:18 p
545 18:21:29 p
546 18:21:30 p
547 18:21:40 L
548 18:21:50 p
549 18:21:52 p
550 18:22:05 L
551 18:22:16 p
552 18:22:17 p
553 18:22:33 p
554 18:22:37 p
555 18:22:41 L
556 18:22:43 p
557 18:23:11 L
558 18:23:24 p
559 18:23:43 p
560 18:23:45 p
561 18:23:46 p
562 18:23:50 L
563 18:23:52 L
564 18:24:08 L
565 18:24:13 L
566 18:24:19 p
567 18:24:20 p
568 18:24:50 L
569 18:25:01 p
570 18:25:03 p
571 18:25:07 p
572 18:25:09 p
573 18:25:10 p
574 18:25:11 L
575 18:25:22 p
576 18:25:37 L
577 18:25:46 L
578 18:26:12 p
579 18:26:23 L
580 18:26:30 p
581 18:26:31 p
582 18:26:32 L
583 18:26:36 L
584 18:26:37 p
585 18:26:42 p
586 18:26:44 p
587 18:26:45 p
588 18:27:03 L
589 18:27:26 p
590 18:27:27 L
591 18:27:34 L
592 18:27:43 L
593 18:27:44 p
594 18:27:45 p
595 18:27:47 p
596 18:28:21 p
597 18:29:03 L
598 18:29:06 L
599 18:29:43 p
600 18:29:44 p
601 18:29:45 p
602 18:29:46 p
603 18:29:47 p
604 18:29:49 p
605 18:29:50 p
606 18:29:51 p
607 18:29:52 L
608 18:29:55 L
609 18:30:00 L
610 18:30:35 L
611 18:30:37 L
612 18:31:07 p
613 18:31:24 L
614 18:31:39 p
615 18:31:40 p
616 18:31:56 p
617 18:31:58 p
618 18:32:03 p
619 18:32:24 L
620 18:32:31 L
621 18:32:32 p
622 18:32:33 p
623 18:32:34 L
624 18:32:48 L
625 18:32:49 p
626 18:32:58 p
627 18:35:41 p
628 18:36:28 p
629 18:37:43 p
630 18:38:33 p
631 18:38:35 L
632 18:38:37 L
633 18:39:55 L
634 18:39:57 p
635 18:42:23 p
636 18:42:28 L
637 18:44:08 p
638 18:46:15 p
639 18:46:21 p
640 18:46:49 p
641 18:46:50 p
642 18:51:10 p
643 18:51:12 L
644 18:51:13 L
645 18:51:14 L
646 18:52:09 L
647 18:53:26 p
648 18:53:28 L
649 18:53:47 p
650 18:53:50 p
651 18:54:03 L
652 18:54:04 p
653 18:54:06 L
654 18:54:08 L
655 18:54:37 p
656 18:54:38 L
657 18:54:39 p
658 18:54:40 L
659 18:54:41 L
660 18:54:42 p
661 18:54:43 p
662 18:56:10 p
663 18:56:17 p
664 18:56:24 L
665 18:56:26 L
666 18:56:27 p
667 18:56:28 p
668 18:56:29 p
669 18:56:36 L
670 18:56:38 p
671 18:57:07 p
672 18:57:08 p
673 18:57:09 L
674 18:57:31 p
675 18:57:33 p
676 18:57:34 L
677 18:57:37 p
678 18:57:38 L
679 18:57:39 L
680 18:57:40 p
681 18:58:06 p
682 18:58:27 p
683 18:58:33 p
684 18:58:43 L
685 18:58:45 L
686 18:58:50 L
687 18:59:01 p
688 18:59:23 p
689 18:59:25 p
690 18:59:55 p
691 18:59:57 p
692 18:59:59 p
693 19:11:14 L
694 19:11:20 p
695 19:11:53 L
696 19:12:26 p
697 19:12:37 p
698 19:15:06 L
699 19:15:52 p
700 19:16:50 L
701 19:16:52 p
702 19:17:17 p
703 19:17:47 L
704 19:17:48 p
705 19:18:08 p
706 19:18:10 p
707 19:18:54 p
708 19:18:56 p
709 19:18:58 L
710 19:19:00 p
711 19:21:14 L
712 19:21:24 p
713 19:21:52 L
714 19:21:54 p
715 19:21:55 L
716 19:21:56 L
717 19:22:16 p
718 19:22:17 p
719 19:22:18 L
720 19:22:19 p
721 19:23:11 p
722 19:23:12 p
723 19:23:20 L
724 19:23:32 L
725 19:24:00 p
726 19:24:39 L
727 19:24:58 p
728 19:25:00 L
729 19:25:04 L
730 19:26:11 p
731 19:26:12 L
732 19:26:24 L
733 19:27:06 p
734 19:27:07 p
735 19:27:10 p
736 19:27:40 L
737 19:28:01 L
738 19:28:14 p
739 19:28:18 p
740 19:28:33 L
741 19:28:35 p
742 19:28:54 p
743 19:28:56 p
744 19:29:03 p
745 19:29:44 p
LAMPIRAN C
(Tabel Pengolahan data)
Tabel L.C.1 Tabel Pengolahan Data Distribusi Geometrik Binomial
Trial
Sampel P(x=1) P(y=0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74
1 1 0 1 1 1 0 0 0 1 0 0 1 1 0 0 0 0 0 0 1 1 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 1 0 1 0 0 0 0 0 1 0 1 0,297297 0,702703
2 0 0 1 1 0 1 0 1 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 1 1 0 0 1 1 0 1 0 1 0 0 0 1 1 0 1 0 0 0 0 1 0 1 0 0 0 1 0 1 1 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0,324324 0,675676
3 0 1 0 1 0 0 0 1 0 1 0 0 0 0 1 0 1 0 0 0 0 1 1 0 1 1 0 1 0 0 1 1 0 0 0 1 0 0 1 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 1 0 1 0 1 0 0 1 1 1 1 1 0 1 0 1 1 1 1 0 0,405405 0,594595
4 1 0 1 0 0 0 0 0 0 0 0 1 1 0 1 0 1 0 1 0 0 1 0 0 0 0 1 1 1 0 1 0 0 0 0 0 1 0 1 0 0 0 0 1 1 1 1 0 1 1 0 0 0 0 0 0 1 1 0 0 0 0 1 0 1 1 1 0 1 0 0 0 1 0 0,378378 0,621622
5 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 1 0 1 0 1 1 1 0 0 0 0 0 1 1 0 0 0 1 1 0 1 1 1 1 0 0 1 0 1 1 0 1 0 1 0 0 1 0 0 1 1 0 0 0 0 0 0 0 1 0 1 0 1 1 0 1 0 0 0,418919 0,581081
6 0 1 0 0 1 1 0 0 0 1 0 0 0 1 0 0 1 0 1 1 0 1 1 1 1 0 0 1 0 0 1 1 1 0 0 1 0 0 0 0 1 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 1 0 1 1 0 0 1 1 1 0,391892 0,608108
7 1 1 1 0 0 0 0 0 0 1 0 0 0 1 0 0 1 1 0 0 1 0 1 0 1 1 1 0 1 0 0 1 0 1 0 0 1 1 1 1 0 0 0 0 0 0 0 1 0 0 1 1 1 1 1 1 0 1 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0,405405 0,594595
8 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0 0 0 0 0 0 0 1 1 0 0 1 0 0 0 0 0 1 0 0 1 1 1 0 1 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 1 0 1 1 1 0 0 0 1 1 0 1 0 1 0 0 1 0 0,310811 0,689189
9 0 0 1 1 0 0 0 1 0 0 1 1 0 1 0 0 0 1 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 1 1 1 0 1 0 1 0 1 1 0 0 0 0 1 0 0 1 1 0 0 0 1 1 1 0 0 1 1 1 0 0,418919 0,581081
10 0 1 0 1 1 1 0 0 0 0 0 1 1 1 1 0 1 0 1 1 0 1 1 0 1 1 0 1 0 0 0 1 0 0 0 1 1 0 1 0 0 0 1 0 1 1 0 1 1 0 0 0 1 1 1 0 0 0 1 0 1 1 0 0 0 0 0 0 0 1 0 0 0 1 0,445946 0,554054
Tabel L.C.2 Tabel Pengolahan Data Distribusi Binomial

Trial
Sampel P(x=1) P(y=0)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
1 1 0 1 1 1 1 0 1 0 1 0 1 1 1 1 1 1 0 1 1 1 1 0 1 0 1 0 1 1 1 0 1 1 1 1 0 1 0 1 0 1 1 1 1 1 1 1 1 0 1 1 1 1 0 1 0 1 0 1 1 0,733333333 0,266666667
2 1 1 1 0 1 1 1 1 0 1 0 1 0 1 1 1 1 1 1 0 1 1 1 1 0 1 0 1 1 0 1 1 1 1 0 1 1 0 1 1 1 1 0 1 0 1 0 1 1 1 1 1 1 1 0 1 1 0 1 1 0,75 0,25
3 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1 0 0 1 0 1 1 1 1 1 1 1 0 0 0 1 0 1 1 1 1 1 1 1 0 0 1 0 1 1 1 1 1 1 1 0 1 1 0 1 0 0 1 1 1 1 0,716666667 0,283333333
4 1 1 1 0 0 1 0 1 1 1 1 1 1 1 0 0 1 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 0 1 1 1 1 1 1 1 1 1 0 0 1 0 1 1 1 0 1 1 1 1 1 1 0 0 1 0,75 0,25
5 0 1 1 1 1 1 0 1 0 1 1 1 1 1 0 0 1 0 1 1 1 1 0 0 1 1 1 1 1 1 0 0 1 0 1 1 1 1 0 1 0 1 1 1 1 1 0 0 1 0 1 1 1 0 1 1 1 1 0 1 0,7 0,3
BIODATA PENELITI
A.Data Pribadi
 Nama : Muhammad Farhan Rabbani
 Tempat, Tanggal Lahir : Jakarta, 23 Juli 2001
 Alamat : Perumahan Telaga Murni Blok C 10 A No.5,
Kecamatan Cikarang Barat, Bekasi
 Agama : Islam
 No. Hp : 082249344798
 Email : frabbani435@gmail.com
2017 – 2020 SMAN Satu Tambun Selatan
2014 – 2017 SMPIT As Syifa
2008 – 2014 SD Al Muslim

BIODATA PENELITI
A. Data Pribadi
 Nama : Ranca Aryasuta Ayueclinesuna
 Tempat, Tanggal Lahir : Padang, 09 Oktober 2002
 Alamat : Jalan Gurun Laweh No. 26, Padang.
 Agama : Islam
 No. Hp : 0882114348660
 Email : ranca.aryasuta2002@gmail.com
2017 – 2020 SMAN 1 Padang
2014 – 2017 SMPN 8 Padang
2008 – 2014 SDN 05 Padang Pasir
1
KARYA TULIS ILMIAH
Distribusi Sampling Analisis Pengendalian Mutu (Quality Control)
CPO (Crude Palm Oil) pada PT XYZ
Oleh:
Kelompok 23
Anggota:
Asisten Pembimbing:
Farennisa Rezkia Sadewi

INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
2021
2
LEMBAR ASISTENSI LAPORAN
MODUL III
Kelompok : 23
Asisten Pembimbing : Farennisa Rezkia Sadewi

1. Selasa, 7 Desember Memperbaiki perhitungan pada FRS
2021 Microsoft excel.
Melengkapi perhitungan pada
Microsoft excel.
Memperbaiki format laporan
Memperbaiki latar belakang
penelitian
Memperbaiki kata yang belum
sesuai dengan KBBI
FRS
2. Rabu, 8 Desember Memperbaiki perhitungan pada

2021 Microsoft Excel
Melengkapi perhitungan pada
FRS
Microsoft excel.
3. Jumat, 10 Desember Memperbaiki format penulisan

2021 pada laporan
Memperbaiki kata pengantar
Memperbaiki abstrak laporan
Memperbaiki lampiran
FRS
Memperbaiki daftar Pustaka
Memperbaiki font pada setiap
perhitungan dan juga persamaan.
4. Senin/13 Desember ACC

2021
Padang, 10 Desember 2021

Asisten Pembimbing
FRS
( Farennisa Rezkia Sadewi)
1910932027
LEMBAR PENGESAHAN
KARYA TULIS ILMIAH

Oleh:
Kelompok 23
Anggota:
Tanggal Penyerahan: Desember 2021

WA FRS
(Wirna Afrileni) (Farennisa Rezkia Sadewi)
1810932012 1910932027
Mengetahui
(Vitania Aurely Rahmi)

1810932052
ABSTRAK
Judul dari penelitian adalah “ Distribusi Sampling Analisis Pengendalian
Mutu (Quality Control) CPO (Crude Palm Oil) pada PT XYZ”. Penelitian
bertujuan untuk memahami bagaimana cara membangkitkan data acak melalui
tools data analysis pada Microsoft Excel. Kemudian, memahami bagaimana cara
melakukan pengambil sampel. Distribusi sampling diharapkan dapat
menggambarkan karakterisitik dari populasi sehingga penulis dapat melakukan
dugaan menyeluruh terhadap populasi.
Penulis menggunakan data primer berupa 60.000 data random pada
Microsoft Excel. Data primer dibangkitkan melalui tools data analysis pada
Microsoft Excel. Selain itu, penulis menggunakan data sekunder yang
merupakan data yang diperoleh dari sumber kedua berupa jurnal sebagai sumber
referensi dan sumber data yang didapatkan melalui penulusuran Google Scholar.
Penulis menggunakan perhitungan distribusi sampling dalam mengolah
data. Melalui distribusi sampling dapat diketahui karakteristik atau parameter
dari populasi 60.000 data yang sebelumnya dibangkitkan sehingga penulis dapat
mengambil kesimpulan apakah sampel yang diambil sudah dapat mewakili
populasi atau belum. Analisis hasil penelitian juga dilakukan dengan
menggunakan teorema limit pusat.
Kata Kunci: Distribusi, Excel, Parameter, Populasi, Sampling

ABSTRACT
The title of the research is " Distribution of Sampling Analysis of Quality

Control (Quality Control) of CPO (Crude Palm Oil) at PT XYZ". This study aims
to understand how to generate random data through data analysis tools in
Microsoft Excel. Then, understand how to do sampling. The sampling distribution
is expected to describe the characteristics of the population so that the authors can
make a thorough estimate of the population.
The author uses primary data in the form of 60,000 random data in
Microsoft Excel. Primary data is generated through data analysis tools in
Microsoft Excel. In addition, the authors use secondary data which is data
obtained from a second source in the form of journals as a reference source and
data sources obtained through a Google Scholar search.
The author uses the calculation of the sampling distribution in processing
the data. Through the sampling distribution, the characteristics or parameters of
the population of 60,000 data that were previously generated can be known so that
the authors can conclude whether the samples taken are representative of the
population or not. Analysis of the research results was also carried out using the
central limit theorem.
Keywords: Distribution, Excel, Parameter, Population, Sampling

KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa, penulis dapat menyelesaikan
karya tulis ilmiah yang berjudul “Distribusi Sampling”. Karya tulis ilmiah
bertujuan untuk memenuhi tugas Praktikum Statistika Industri I. Selain itu, karya
ilmiah ini bertujuan untuk memberikan pemahaman kepada pembaca mengenai
mengolah data dengan distribusi sampling serta mengalisis hasil penelitian dengan
teorema limit pusat
Penulis mengucapkan terima kasih kepada Bapak Eri Wirdianto, M.Sc.,

selaku kepala Laboratorium Perencanaan dan Optimasi Sistem Industri (LPOSI),
Ibu Dina Rahmayanti, Dr. selaku dosen pengampu, Fakhrozi Zulkarnain selaku
Koordinator Asisten Laboratorium Perencanaan dan Optimasi Sistem Industri
(LPOSI), Vitania Aurely Rahmi selaku Koordinator Praktikum Statistika Industri
1, Farennisa Rezkia Sadewi selaku asisten pembimbing, dan Tim Asisten
Laboratorium Perencanaan Optimasi dan Sistem Industri. Ucapan terima kasih
juga disampaikan kepada semua pihak yang telah membantu diselesaikannya
karya tulis ilmiah ini.
Penulis menyadari akan masih banyaknya kekurangan dalam karya tulis

ilmiah ini. Oleh sebab itu, saran dan kritik yang membangun diharapkan demi
kesempurnaan karya tulis ilmiah ini. Kemudian, penulis juga berharap semoga
karya ilmiah ini mampu memberikan pengetahuan tentang distribusi sampling.
Padang, 10 Desember 2021
Penulis
DAFTAR ISI
HALAMAN SAMPUL
ABSTRAK...............................................................................................................ii
ABSTRACT...........................................................................................................iii
DAFTAR ISI...........................................................................................................v
DAFTAR TABEL................................................................................................vii
BAB I PENDAHULUAN
1.1 Latar Belakang....................................................................................1
1.2 Rumusan Masalah...............................................................................2
1.3 Tujuan.................................................................................................2
1.5 Batasan Masalah.................................................................................3
2.1 Sampling, Populasi, Sampel, dan Distribusi Sampling......................4
2.2 Parameter dan Statistik.......................................................................4
2.3 Metode Penarikan Sampel..................................................................4
2.4 Distribusi Sampling Rata-Rata...........................................................7
2.5 Distribusi Porporsi Sampling..............................................................8
2.6 Distribusi Sampling Beda Rata-Rata..................................................8
2.7 Distribusi Sampling Beda Proporsi.....................................................9
2.8 Teorema Limit Pusat (Central Limit Theorem)................................10
2.9 Standard Error..................................................................................10
2.10 Faktor Koreksi.................................................................................11
3.5 Analisis Data.....................................................................................13
4.1 Pengolahan Data...............................................................................14
4.1.1 Langkah-langkah Membangkitkan Data Random...................14
4.1.2 Langkah-langkah Membuat Histogram dari Data Random....18
4.1.3 Pengolahan data.......................................................................21
4.2 Analisis Data.....................................................................................23
4.2.1 Distribusi Uniform..................................................................24
4.2.3 Distribusi Sampling Rata-rata.................................................25
4.2.4 Faktor koreksi..........................................................................25
BAB V PENUTUP
5.1 Kesimpulan.......................................................................................27
5.2 Saran.................................................................................................27
DAFTAR PUSTAKA
LAMPIRAN
BIODATA PENELITI
DAFTAR TABE
Tabel 4.1 Rata-rata dan Standar Deviasi Populasi dan Sampel............................21
Tabel 4.2 Distribusi Sampling Rata-rata dengan Pergantian................................22
Tabel 4.3 Distribusi Sampling Rata-rata tanpa Pergantian...................................22
Tabel 4.4 Faktor Koreksi.......................................................................................23
DAFTAR GAMBAR
Gambar 2.1 Ilustrasi Teorema Limit Pusat........................................................10Y

Gambar 4.1 Opsi...................................................................................................14
Gambar 4.2 Add-in...............................................................................................15
Gambar 4.3 Analisis Toolpak..............................................................................15
Gambar 4.4 Data Analysis....................................................................................16
Gambar 4.5 Random Number Generation............................................................16
Gambar 4.6 Input Data Acak................................................................................17
Gambar 4.7 Data Acak.........................................................................................17
Gambar 4.8 Data Analysis Tools..........................................................................18
Gambar 4.9 Analysis Tools...................................................................................18
Gambar 4.10 Input Data Histogram Uniform.......................................................19
Gambar 4.11 Histogram Uniform.........................................................................19
Gambar 4.12 Rata-rata Data.................................................................................20
Gambar 4.13 Histogram Normal..........................................................................20
Gambar 4.14 Histogram Distribusi Uniform........................................................24
Gambar 4.15 Histogram Distribusi Normal.........................................................24
BAB I
PENDAHULUAN
Bab ini menjelaskan latar belakang dilakukannya penelitian berjudul

Distribusi Sampling, rumusan masalah, tujuan penelitian, manfaat penelitian, dan
batasan masalah dalam penelitian.
1.1 Latar Belakang
Produsen seringkali memiliki produk yang rusak atau cacat. Produk cacat
adalah produk yang tidak memenuhi spesifikasi (Hansen dan Mowen, 2005).
Produk cacat akan menyebabkan bertambahnya biaya untuk melakukan proses
ulang, dan kerugian karena menjual produk tersebut dengan harga yang lebih
murah. Dengan demikian, perusahaan perlu melakukan pelacakan, pembenahan,
dan peningkatan kualitas produk untuk meminimalkan kuantitas produk cacat
terjadi bahkan untuk menghilangkan produk cacat.[9]
Suatu perusahaan perlu menentukan kemungkinan produk cacat dalam

pengendalian kualitas produk pada suatu produksi skala besar. Penelitian
karakteristik suatu populasi sangat sulit dilakukan karena membutuhkan biaya
yang tidak sedikit dan waktu yang banyak. Oleh karena itu, diperlukanlah proses
sampling atau pengambilan sampel dari suatu populasi. Setelah melakukan
pengambilan sampel, kemudian penulis menentukan distribusi sampling.
Distribusi sampling diharapkan dapat mewakili karakteristik suatu populasi.
Sehingga, seorang peneliti akan mudah untuk membuat kesimpulan setelah
mengetahui ukuran atau parameter suatu populasi.
Peneliti menerapkan perhitungan distribusi sampling pada penelitan ini.

Peneliti terlebih dahulu melakukan proses sampling terhadap data suatu kasus
permasalahan industri pengendalian kualitas mutu PT XYZ. Peneliti memperoleh
data melalui pembangkitan data dengan random data menggunakan Microsoft
Excel. Data yang penulis gunakan pada karya tulis ini berjumlah 60.000 data.
Data terdiri dari 10.000 baris dengan kolom sebanyak 6 kolom. Selanjutnya,
penulis menganalisis hasil penelitian menggunakan teorema limit pusat. Melalui
distribusi sampling yang penulis terapkan, penulis akan mendapatkan gambaran
keseluruhan maupun karakteristik dari populasi yang penulis teliti.
1.2 Rumusan Masalah
1. Bagaimana cara melakukan rekayasa data melalui Microsoft Excel?

2. Apa tujuan pengambilan sampel dengan proses sampling dari suatu
populasi?
3. Apa fungsi dari menerapkannya perhitungan distribusi sampling terhadap
suatu pengolahan data?
4. Apa tujuan menganalisis hasil penelitian dengan teorama limit pusat?
1.3 Tujuan
1. Mengetahui cara melakukan rekayasa data melalui Microsoft Excel.

2. Mengetahui cara pengambilan sampel dengan proses sampling dari suatu
populasi.
3. Memahami fungsi dari menerapkannya perhitungan distribusi sampling
terhadap suatu pengolahan data.
4. Memahami tujuan menganalisis hasil penelitian dengan teorama limit
pusat.
1. Bahan referensi kepada para penulis lain yang juga melakukan penelitian
mengenai distribusi sampling.
2. Memperluas wawasan pembaca mengenai proses sampling serta
perhitungan distribusi sampling terhadap suatu data.
1.5 Batasan Masalah
1. Pengolahan data dilakukan terhadap data yang diperoleh dari

pembangkitan data dengan random data menggunakan Microsoft Excel
dengan jenis distribusi yang dibangkitkan yaitu distribusi uniform.
2. Distribusi sampling dilakukan terhadap 60.000 data yang terdiri dari
10.000 baris dengan kolom sebanyak 6 kolom.
BAB II
TINJAUAN PUSTAKA
Bab ini akan dijelaskan mengenai tinjauan pustaka penelitian yang

berkaitan dengan karya tulis ilmiah.
2.1 Sampling, Populasi, Sampel, dan Distribusi Sampling
Sampling adalah cara untuk menyelekesi bagian dari populasi agar dapat
mewakili populasi. Populasi adalah seluruh subjek yang memenuhi kriteria yang
ditentukan pada penelitian yang dilakukan. Sampel merupakan bagian dari
populasi yang diambil untuk dipelajari atau akan diteliti yang berguna untuk
mewakili populasi. Distribusi sampling adalah persebaran dari hasil pengambilan
sampel.[1]
2.2 Parameter dan Statistik
Parameter adalah karakteristik dari keseluruhan data. Statistik adalah suatu

ekspresi untuk mendapatkan suatu nilai atau angka yang digunakan untuk
menaksir suatu parameter populasi yang nilai sebenarnya biasanya tidak
diketahui. Statistik adalah ringksan data yang mencirikan sampel.[5]
2.3 Metode Penarikan Sampel
1. Probability Sampling/Random Sampling
Penarikan sampel probabilitias adalah suatu cara untuk menarik sampel di

mana setiap unit atau elemen populasi sudah diketahui dahulu. Setiap bagian
populasi pada penarikan sampel probabilitas memiliki kemungkinan yang sama
agar terpilih menjadi sampel. Metode penarikan sampel probabilitas menggunakan
metode acak untuk penrikan sampel.[4]
a. Simple Random Sampling
Penarikan sampel acak sederhana memungkinkan setiap bagian dalam

populasi terpilih untuk dijadikan sampel. Simple random sampling digunakan
karena pengetahuan mengenai elemen populasi terbatas. Alasan lain simple
random sampling digunakan yaitu karena tidak ada keterangan terdahulu yang
bisa digunakan untuk menilai keseragaman populasi.[4]
b. Stratified Random Sampling
Stratified random sampling adalah suatu proses untuk menarik sampel

berstrata. Penarikan sampel berstrata ini subsampel-subsampel acak sederhana
ditarik dari seluruh strata yang memiliki beberapa kesamaan pada beberapa
karakteristik. Stratified random sampling memiliki dua jenis penarikan yaitu
proporsional dan nonproporsional.[6]
c. Systematic Sampling
Populasi dibagi menjadi sebanyak sampel yang diperlukan (n) penarikan

systematic sampling. Sampel diperoleh dari mengambil setiap subjek ke-n.
Sampel pada metode penarikan sampel sistematis disusun dengan cara tertentu
bisa dengan menurut alfabet, berdasarkan angka dari kecil ke besar, atau dengan
beberapa model lainnya.[6]
d. Cluster Sampling
Metode panerikan sampel berkelompok merupakan suatu proses untuk

mengambil sampel probabilitas yang memilih subpopulasi yang disebut cluster.
Sampel pada penarikan sampel berkelompok adalah setiap elemen di dalam
kelompok. Kelompok-kelompok yang dibentuk harus bersifat tidak sama
(heterogen) pada cluster sampling dengan bentuk ideal kelompok-kelompok yang
dibentuk merupakan bentuk kecil atau miniatur dari populasi.[7]
2. Nonprobability Sampling atau Nonrandom Sampling
Penarikan sampel nonprobabilitas adalah suatu proses penarikan sampel

yang bersifat subjektif. Probabilitas pemilihan bagian-bagian populasi tidak dapat
ditentukan pada penarikan sampel nonprobabilitas karena setiap bagian populasi
tidak memiliki peluang yang sama untuk dipilih sebagai sampel. Penarikan
sampel nonprobabilitas memiliki keuntungan yaitu karena bisa menghemat waktu
dan biaya karena tidak membutuhkan adanya kerangka penarikan sampel, namun
hasil dari penarikan probabilitas non-sampling ini dapat mengandung
ketidakpastian dan bias.[7]
a. Purposive/Judgement Sampling
Purposive/judgement sampling adalah salah satu metode penetapan sampel

dengan cara memilih sampel sesuai dengan keinginan peneliti. Sampel yang telah
dipilih dapat mewakilkan karakteristik populasi yang telah diketahui sebelumnya.
Salah satu alasan penggunaan purposive/judgement sampling adalah karena tidak
semua sampel sesuai dengan karakteristik yang sesuai dengan masalah yang
diteliti.[7]
b. Quota Sampling
Teknik penarikan sampel dalam kuota dilakukan dengan cara menentukan

setiap strata populasi berdasarkan ciri-ciri yang mempunyai pengaruh yang paling
besar terhadap variabel yang akan diselidiki. Kuota memiliki arti penetapan
kapasitias yang dibutuhkan dalam penelitian.[7]
c. Expert Opinion Sampling or Expert Sampling
Expert sampling melibatkan pemilihan sampel orang yang diketahui

memiliki kemampuan yang dapat dibuktikan pengalaman dan keahlian dalam
bidang minat studi tertentu. Peneliti menggunakan expert sampling karena
berfungsi sebagai cara terbaik untuk memperoleh pandangan orang-orang yang
memiliki keahlian khusus dalam wilayah tertentu. Pengambilan sampel ahli,
dalam beberapa kasus, juga dapat digunakan untuk memberikan bukti validitas.[2]
d. Snowball Sampling
Snowball sampling umumnya digunakan dalam kasus studi/desain

penelitian eksploratif, di mana peneliti tidak memiliki banyak informasi petunjuk
awal. Dimulai dengan mengidentifikasi responden yang memenuhi kriteria dalam
penelitian dan dapat memberikan petunjuk dapat berupa orang lain atau kelompok
lain agar peneliti mendapatkan informasi responden lain yang sesuai dengan
kriteria. Snowball sampling sangat berguna ketika mencoba untuk menjangkau
populasi yang tidak dapat diakses atau sulit ditemukan.[2]
2.4 Distribusi Sampling Rata-Rata
Distribusi sampling rata-rata merupakan distribusi probabilitas rata-rata

dari sejumlah sampel dari suatu populasi. Rumus nilai rata-rata dan standar
deviasi adalah sebagai berikut:[5]
μ x́ =μ ...()
σ N-n
...()
σ x́ =
√
√ n N-1
Keterangan:
μ = Mean populasi
μ x́ = Mean dari distribusi mean sampel
σ x́ = standar deviasi dari distribusi mean populasi
N = Ukuran populasi
n = Ukuran sampel
2.5 Distribusi Porporsi Sampling
Distribusi proporsi sampling merupakan distribusi dari bagian (persentase)

yang didapat dari semua sampel sama besar yang mungkin dari sampel yang sama
besar yang mungkin dari suatu populasi. Persentase atau perbandingan pada dua
hal berkomplemen dapat diketahui dengan menggunakan distribusi proporsi
sampling. Distribusi proporsi sampling memiliki rumus rata-rata dan standar
deviasi sebagai berikut:[5]
μ x =p ...()
n
P(1-P)
σp =
√ n
...()
Keterangan:
μx = Mean
n
σp = Standar deviasi
P = Probabilitas sukses
2.6 Distribusi Sampling Beda Rata-Rata

Distribusi perbedaan rata-rata sampel adalah distribusi di mana statistik
sampel adalah perbedaan rata-rata sampel. Dari semua selisih rata-rata yang
diperoleh akan membentuk distribusi sampling beda rata-rata. Rumus rata-rata
dan standar deviasi dari distribusi sampling beda rata-rata adalah sebagai berikut:
[6]
μx - x
1 2
= μ1 - μ2
…()
σ 12 σ 2 2
σ x́ - x́ =
1 2
√ +
n1 n2
...()
Keterangan:
μx - x1 2
= Mean dari distribusi sampling beda rata-rata
σx -x 1 2
= Standar deviasi dari distribusi sampling rata-rata
μ1 = Rata-rata populasi pertama
μ2 = Rata-rata populasi kedua
σ1 = Standar deviasi populasi pertama
σ2 = Standar deviasi populasi pertama
n1 = Ukuran sampel pertama
n2 = Ukuran sampel kedua
2.7 Distribusi Sampling Beda Proporsi
Distribusi sampling beda proporsi merupaan selisih dari dua proporsi dari
sampel dua populasi. Berikut adalah persamaan dari rata-rata dan standar deviasi
dari distribusi sampling beda proporsi yaitu:[5]
μ P - P = P1 - P 2
1 2
...()
P1 (1- P1 ) P2 (1- P2 )
σ p -p =
1 2
√ n1
+
n2
...()
Keterangan:
μP - P
1 2
= Mean dari distribusi sampling beda proporsi
σ P -P
1 2
= Standar deviasi dari distribusi sampling beda proporsi
P1 = Proporsi populasi pertama
P2 = Proporsi populasi kedua
n1 = Ukuran sampel pertama
n2 = Ukuran sampel kedua
2.8 Teorema Limit Pusat (Central Limit Theorem)
Teorema limit pusat adalah jika Suatu populasi yang tidak terdistribusi
secara normal. Jika ukuran sampel cukup besar (n>30), distribusi sampling rata-
rata akan mendekati suatu distribusi normal apapun bentuk asli distribusi
poulasinya. Menurut Teorema Batas Pusat, jika semua sampel dengan ukuran
tertentu dipilih dari populasi mana pun, distribusi sampel rata-rata sampel akan
mendekati normal. Konvergensi ke distribusi normal dicapai dengan
meningkatnya ukuran sampel, terlepas dari bentuk distribusi populasi.[3]
Gambar 2. Ilustrasi Teorema Limit Pusat
2.9 Standard Error
Standard error merupakan ukuran standar perbedaan rata-rata sampel dan

rata-rata populasi. Jika kita mempunyai n1, maka standar deviasi akan sama
dengan standard error. Oleh karena itu, simpangan baku untuk sampel biasa
dinamakan standard error. Rumus dari standard error sebagai berikut:[7]
σ
X -= ...( )
√n
Keterangan:
X- = Standar error
σ = Standar deviasi
n = Ukuran sampel
2.10 Faktor Koreksi
Populasi yang terbatas atau tidak besar maka perlu dilakukan penyesuaian
dalam kesalaha dari rata-rata hitung sampel dan kesalahan standar dari proporsi
sampel. Jika sampel mempunyai proprosi yang cukup besar dari populasi,
diharapkan ukurannya akan lebih tepat dari ukuran suatu sampel yang ukurannya
lebih kecil. Semakin besar ukuran sampel maka semakin besar pengurangan faktor
koreksi, begitu juga sebaliknya. Persamaan faktor koreksi adalah sebagai berikut:
[8]
(N-n)
Faktor Koreksi =
√ (N-1)
...()
Keterangan:
N = Ukuran populasi
n = Ukuran sampel
BAB III
METODE PENELITIAN
penelitian, subjek, metode pengumpulan data yang digunakan, dan analis dari data
penelitian.
Jenis penelitian yang dilalukan adalah penelitian kuantitatif. Penelitian ini

merupakan penelitian kuantitatif karena data yang digunakan berupa data yang
dapat dihitung. Data penelitian tidak diperoleh melalui observasi maupun
eksperimen, melainkan melalui pembangkitan random data menggunakan
Microsoft Excel.
Penulis melakukan penelitian secara online. Waktu penelitian dilakukan

pada 6 Desember 2021 sampai dengan 11 desember 2021. Penelitian dilakukan
dengan memanfaatkan Microsoft Excel dan jurnal yang ditemukan melalui
penulusuran Google Scholar tanpa adanya pengamatan secara langsung.
Subjek yang digunakan pada penelitian ini adalah populasi berupa data
random yang berjumlah 60.000. Data random yang dijadikan sebagai subjek
penelitian dibangkitkan dengan menggunakan Microsoft Excel. Sampel yang
digunakan berasal dari 60.000 data yang sebelumnya dibangkitkan yang kemudian
membaginya menjadi 6 bagian. Dengan demikian, banyaknya sampel yang
jadikan sebagai subjek penelitian berjumlah 10.000
Penelitian ini menggunakan data primer serta data sekunder yang berasal
dari sumber kedua berupa jurnal yang diperoleh melalui penelusuran Google
Scholar. Data primer yang digunakan sebagai dasar dari penelitian ini diperoleh
melalui pembangkitan random data dengan menggunakan Microsoft Excel. Data
yang dibangkitkan berjumlah 60.000 dengan menggunakan tools data analysis
pada Microsoft Excel. Data yang berjumlah 60.000 tersebut terdiri dari 10.000
baris dengan kolom sebanyak 6 kolom.
3.5 Analisis Data
Dalam menganalisis data, peneliti melakukan proses sampling pada 60.000

data yang merupakan populasi yang berperan sebagai subjek pada penelitian ini.
Kemudian, sampel yang berjumlah 10.000 dianalis dan dilakukan perhitungan
distribusi sampling pada data tersebut. Melalui distribusi sampling dapat diketahui
karakteristik atau parameter dari populasi 60.000 data yang sebelumnya
dibangkitkan. Terakhir, penulis menganalisis hasil penelitian dengan
menggunakan teorema limit pusat.
BAB IV
Bab ini akan dijelaskan mengenai pengolahan serta analisis data yang
dilakukan di dalam penelitian
4.1 Pengolahan Data
Penulis mengolah data random yang dibangkitkan dengan menggunakan

tools data analysis pada Microsoft Excel. Data yang dibangkitkan berjumlah
60.000 yang terdiri dari 10.000 baris dan 6 kolom. Kemudian, penulis
melakukan proses sampling data terhadap data yang sudah dibangkitkan
tersebut.
4.1.1 Langkah-langkah Membangkitkan Data Random
1. Pilih file, kemudian pilih opsi.
Gambar 4. Opsi
2. Pilih add-in, kemudian pilih analisis toolpak.
Gambar 4. Add-in
3. Pilih analisis toolpak, kemudian klik OK.
Gambar 4. Analisis Toolpak

4. Pilih data, kumudian klik data analysis.
Gambar 4. Data Analysis
5. Pilih random number generation pada analysis tools, kemudian klik OK.
Gambar 4. Random Number Generation
6. Masukkan jumlah baris sebanyak 10.000 baris pada bagian number or

random numbers dan jumlah kolom sebanyak 6 kolom pada bagian
number of variables, pilih distribusi uniform, masukkan interval
berdasarkan jurnal yang dijadikan sebagai referensi yaitu 0,0255 dan
0,0343. Kemudian, pilih cell sebagai tempat dimana data dibangkitkan.
Gambar 4. Input Data Acak
7. Seteleh meng-klik OK, kemudian akan muncul data random sebesar

60.000 data yang terdiri dari 10.000 baris dan 6 kolom.
Gambar 4. Data Acak

4.1.2 Langkah-langkah Membuat Histogram dari Data Random
1. Pilih data, Kemudian pilih data analysis.
Gambar 4. Data Analysis Tools
2. Pilih Histrogram, lalu klik OK.
Gambar 4. Analysis Tools
3. Masukkan input range yaitu semua data random yang telah dibangkitkan,
masukkan 2 output range, kemudian centang kolom chart output, lalu klik
OK.
Gambar 4. Input Data Histogram Uniform
4. Kemudian akan ditamplikan histrogram distribusi uniform, tabel bin serta

frekuensi dari populasi data.
Gambar 4. Histogram Uniform

5. Buatlah rata-rata setiap kelompok baris dari data random dengan
menggunakan formula average pada excel.
Gambar 4. Rata-rata Data
6. Kemudian untuk membuat histogram distribusi normal memiliki langkah

yang sama seperti pada pembuatan histogram uniform. Akan tetapi, Input range
yang dimasukkan yaitu rata-rata dari sampel.
Gambar 4. Histogram Normal

4.1.3 Pengolahan data
1. Perhitungan rata-rata dan standar deviasi sampel dan populasi.
Tabel 4. Rata-rata dan standar deviasi populasi dan sampel.

Populasi Sampel
µ σ µ S
0.02841 0.003402141 0.02841 0.0013919
Rata-rata populasi:
Xi
μ= ∑N
0,0225+…+0,0343
=
10000
= 0,02841
Standar deviasi populasi:
∑ (X- x̄ )2
σ=
√ N-1
(0,0255-0,02841)2 + (0,02732-0,02841)2 +…+ (0,0343-0,02841)2

=
√ 10000-1
= 0,003402141
Rata-rata sampel:
Xi
μ= ∑n
0,0225+…+0,0343
¿
512
¿ 0,02841
Standar deviasi populasi:
∑ (X- x̄ )2
σ=
√ N-1
=
(0,02396-0,02841)2 + (0,02778-0,02841)2 +…+ (0,03201-0,02841)2

√ 512-1
= 0,003402141
2. Perhitungan distribusi sampling rata-rata dengan pergantian.
Tabel 4. Distribusi Sampling Rata-rata dengan Pergantian

Dengan Pengembalian
µ 0.02841
σ 0.000107385
μx̄ = μ
= 0,02841
σ
σx̄ =
√n
0,001319
=
√ 512
= 0,000107385
3. Perhitungan distribusi sampling rata-rata tanpa pergantian
Tabel 4. Distribusi Sampling Rata-rata tanpa Pergantian

Tanpa Pengembalian
µ 0.02841
σ 0.0001290396
μx̄ = μ
= 0,02841
σ N-n
σx̄ =
√n
.
√ N-1
0,000107385 10.000-512
=
√ 512
.
10.000-1 √
4. Faktor koreksi
Tabel 4. Faktor Koreksi

Faktor
N
Koreksi
512 0,97411236
650 0,967002332
700 0,964413298
N-n
Faktor koreksi =
√ N-1
10.000-512
=
√10.000-1
=0,9741123
4.2 Analisis Data
Penulis menganalisis data yang sebelumnya diolah. Analisis dilakukan

terhadap histogram distribusi uniform, histogram distribusi normal, distribusi
sampling rata-rata, serta faktor koreksi.
4.2.1 Distribusi Uniform
Gambar 4. Histogram Distribusi Uniform
Histogram yang ada pada gambar 4.14 diatas adalah histogram yang
diperoleh dari 60.000 data yang didapatkan melalui random generic number pada
Microsoft Excel. Frekuensi yang didapatkan hampir sama dikarenakan distribusi
yang digunakan adalah distribusi uniform. Distribusi uniform memiliki
probabilitas yang sama untuk setiap kejadian dari masing-masing sampelnya.
Gambar 4. Histogram Distribusi Normal
Histogram pada Gambar 4.15 adalah histogram yang datanya diambil dari
nilai rata-rata subgrup data random yang telah dihitung sebelumnya. Gambar dari
distribusi histogram diatas merupakan hasil dari pendekatan menggunakan
distribusi normal pada rata-rata yang telah didapatkan. Oleh karena itu, data yang
dihasilkan dapat terdistribusi dengan normal. Berdasarkan teorema limit pusat
yaitu jika sampel dengan ukuran tertentu diambil dari sebuah populasi, maka
distribusi dari sampel rata-rata akan mendekati distribusi normal. Dengan
demikian, dapat disimpulkan bahwa distribusi dari sampel rata rata sesuai dengan
teorema limit pusat karena sampel yang diambil melebihi 30 sampel.
4.2.3 Distribusi Sampling Rata-rata
Berdasarkan hasil pengolahan data pada penelitian, dapat diketahui bahwa

mean distribusi sampling memiliki nilai yang sama dengan mean dari distribusi
populasi yaitu sebesar 0,02841. Akan tetapi, untuk standar deviasi sendiri
memiliki nilai yang bisa dikatakan memiliki perbedaan yang cukup besar antara
standar deviasi distribusi sampling dengan distribusi populasi yaitu secara
berturut-turut sebesar 0,0013919 dan 0,003402141.
Pengambilan sampel dapat dilakukan melalui dua cara yaitu pengambilan

sampel dengan pengembalian dan pangambilan sampel tanpa pengembalian.
Pengambilan sampel dengan pengembalian dilakukan terhadap sampel yang
jumlah datanya kurang dari 500, terdapat kesalahan pada perhitungan karena data
yang digunakan lebih dari 500. Sampel diambil untuk distribusi dengan
pengembalian adalah n<500, dikarenakan syarat dari pemilihan sampel pada
distribusi pengembalian (populasi tidak terbatas) adalah n/N <5%. Pengambilan
sampel tanpa pengambilan dilakukan terhadap sampel yang djumlah datanya lebih
besar dari 500. Penelitian ini mrnggunakan data sampel yang berjumlah sebesar
650 yang merupakan lebih dari 5% dari jumlah data. Dengan demikian,
pengambilan sampel yang digunakan yaitu pengambilan sampel tanpa
pengembalian.
4.2.4 Faktor koreksi
Besar nilai faktor koreksi bergantung pada jumlah sampel yang digunakan
pada penelitian. Sampel yang berjumlah kurang dari 5% populasinya tidak
memerlukan menggunakan faktor koreksi. Sementara, sampel yang berjumlah
lebih 5% dari populasi memerlukan faktor koreksi. Nilai faktor koreksi akan
semakin menjauih satu jika banyak sampel semakin besar, sebaliknya akan
mendekati satu jika banyak sampel semakin kecil Pada penelitian ini
menggunakan nilai faktor koreksi dengan banyak sampel 650 dengan nilai faktor
koreksi 0,967002332. Sampel sebanyak 650 diambil karena sampel minimal yang
digunakan agar faktor koreksi adalah sebanyak 500 sampel sehingga diambil
sampel diatas jumlah 500 atau diatas 5% dari populasi. Nilai faktor koreksi seperti
pada tabel perhitungan semakin kecil sampel yang digunakan maka nilai dari
faktor koreksi akan mendekati nilai satu, begitu juga sebaliknya jika sampel
semakin besar maka nilai dari faktor koreksi menjauhi satu.
BAB V
PENUTUP
Bab ini akan dijelaskan mengenai kesimpulan dan saran dari penelitian ini
yang berjudul “Distribution of Sampling Analysis of Quality Control (Quality
Control) of CPO (Crude Palm Oil) at PT XYZ”.
5.1 Kesimpulan
1. Data random dapat dibangkitkan dengan menggunakan tools data analysis

pada Microsoft Excel. Kemudian, data random yang dibangkitkan, dapat
ditentukan berapa banyaknya dan juga bagaimana data tersebut
terdistribusi.
2. Proses sampling bertujuan untuk memudahkan kita dalam menganalisis
suatu populasi yang banyak jumlahnya tanpa perlu membutuhkan waktu,
biaya, serta tenaga yang besar.
3. Distribusi sampling dapat menggambarkan karakteristik dari suatu
populasi dan dapat memudahkan dalam membuat suatu dugaan terhadap
suatu populasi secara keseluruhan.
4. Tujuan menganalisis hasil penelitian dengan teorema limit pusat adalah
untuk mengetahui bahwa sampel dengan yang diambil dari sebuah
populasi akan terdistribusi secara normal distribusi sampling rata-ratanya
dengan syarat ukuran sampel melebihi 30.
5.2 Saran
1. Praktikan harus memahami bagaimana cara membangkitkan data acak

pada Microsoft Excel. Praktikan bisa mempelajarinya melalui video
tutorial terkait yang tersedia di Youtube maupun Google.
2. Data yang dibangkitkan pada praktikum modul 3 ini tidak hanya yang
terdistribusi uniform saja, melainkan juga dilakukan pembangkitan data
yang terdistribusi normal
DAFTAR PUSTAKA
Nursalam. 2008. Konsep dan Penerapan Metodologi Penelitian Ilmu

Keperawatan. Jakarta: Salemba Medika.
K. Signh. 2007. Quantitive Social Research Method. New Delhi: Sage
Publications India. 2007.
Harinaldi.2005. Prinsip-prinsip STATISTIK untuk Teknik dan Sains. Jakarta:
Penerbit Erlangga.
Z. Lubis. 2021. Statistika untuk Ilmu-Ilmu Sosial dan Ekonomi. Yogyakarta:
Andi.
S. Setiawan dkk. Statistika II Edisi Revisi, Yogyakarta: Andi Offset, 2012.
Sugiarto and H. Setio. 2021. Statistika Terapan untuk Bisnis dan Ekonomi,
Yogyakarta: Andi Offset.
A. Irianto. 2021. Statistik untuk Ilmu Sosial: Aplikatif untuk Ilmu-Ilmu Sosial
Edisi Kelima, Jakarta: Kencana.
Sudaryono. 2021. Statistika Probabilitas Bidang Teknik dan Komputer,
Yogyakarta: Andi.
D. Diniaty, F. Hanum and M. I. Randy. 2019. Analisis Pengendalian Mutu
(Quality Control) CPO (Crude Palm Oil) pada PT. XYZ, Jurnal Hasil
Penelitian dan Karya Ilmiah dalam Bidang Teknik Industri, 5, 92-99.
LAMPIRAN
LAMPIRAN A
(Tabel Bin dan Frekuensi Data Sampel)
Tabel A.1 Tabel Bin dan Frekuensi Data Sampel
Bin Frequency
0.02367 1
0.02376 1
0.02386 2
0.02395 1
0.02405 2
0.02414 2
0.02424 4
0.02433 1
0.02443 1
0.02452 4
0.02462 4
0.02471 8
0.02481 5
0.0249 7
0.02499 11
0.02509 12
0.02518 13
0.02528 20
0.02537 27
0.02547 21
0.02556 28
0.02566 42
0.02575 40
0.02585 45
0.02594 73
0.02604 73
0.02613 75
0.02623 76
0.02632 80
0.02642 101
0.02651 83
0.02661 125
0.0267 126
0.0268 145
0.02689 159
0.02699 174
0.02708 170
0.02718 183
0.02727 185
0.02736 202
0.02746 192
0.02755 234
0.02765 234
0.02774 232
0.02784 253
0.02793 243
0.02803 249
0.02812 257
0.02822 240
Tabel A.1 Tabel Bin dan Frekuensi Data Sampel (Lanjutan)
0.02831 252
0.02841 278
0.0285 284
0.0286 248
0.02869 269
0.02879 250
0.02888 248
0.02898 258
0.02907 251
0.02917 231
0.02926 204
0.02936 228
0.02945 196
0.02955 230
0.02964 182
0.02973 175
0.02983 172
0.02992 160
0.03002 166
0.03011 132
0.03021 119
0.0303 115
0.0304 114
0.03049 97
0.03059 78
0.03068 87
0.03078 59
0.03087 56
0.03097 68
0.03106 42
0.03116 45
0.03125 38
0.03135 32
0.03144 35
0.03154 16
0.03163 16
0.03173 24
0.03182 19
0.03191 19
0.03201 8
0.0321 4
0.0322 10
0.03229 5
0.03239 2
0.03248 3
0.03258 2
0.03267 0
0.03277 1
0.03286 1
0.03296 2
0.03305 2
More 1

Punya Pak Farhan - Mudah2an Benar

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Punya Pak Farhan - Mudah2an Benar

Diunggah oleh

Hak Cipta:

Format Tersedia

KARYA TULIS ILMIAH

LABORATORIUM PERENCANAAN DAN OPTIMASI SISTEM

No. Hari, Tanggal Keterangan Paraf

2. Jumat,25 September - ACC Google Form pra

3. Selasa,28 September - Asistensi laporan pertama

4. Kamis,30 September - Asistensi laporan kedua

Padang, 5 Oktober 2021

KARYA TULIS ILMIAH

Tanggal Penyerahan: September 2021

Diterima Oleh Disetujui Oleh

(Haura Ashilah Putri) (Kartika Aprilia)

Vitania Aurely Rahmi

Judul dari penelitian adalah Dampak Pandemi Covid-19 terhadap

Kata Kunci: Covid-19, Grafik, Mahasiswa, Peluang, Statistika

The title of the research is the Impact of the Covid-19 Pandemic on

Keywords: Covid-19, Graphics, Students, Opportunity, Statistics

Penulis mengucapkan terima kasih kepada Bapak Eri Wirdianto, M.Sc,

Padang, 5 Oktober 2021

Tabel 4.1 Pemusatan dan Penyebaran Data...........................................................17

Gambar 4.1 Tingkat Kejenuhan Mahasiswa........................................................23

Bab ini menjabarkan latar belakang dilakukannya penelitian dampak

1.1 Latar Belakang

Mahasiswa merupakan suatu kelompok dalam masyarakat yang

Selama pandemi Covid-19, banyak dilakukan perubahan-perubahan

1.2 Rumusan Masalah

1. Apa pengaruh pandemi Covid-19 terdapat pendidikan mahasiswa?

1. Mengetahui pengaruh pandemi Covid-19 terdapat pendidikan mahasiswa

1.4 Manfaat Penelitian

1. Secara sosial, sebagai sarana bahan pertimbangan untuk badan pemerintah

1.5 Batasan Masalah

1. Penelitian yang dilakukan merupakan penelitian mengenai dampak

Statistika adalah ilmu yang mempelajari cara pengumpulan data,

Populasi adalah jumlah keseluruhan subjek yang diteliti oleh seorang

Parameter adalah ukuran seluruh populasi penelitian yang harus

Data adalah kumpulan informasi atau gambaran suatu masalah yang

2.5.1 Data Berdasarkan Sifat

2.5.2 Data Berdasarkan Waktu

1. Data cross section

3. Data dengan variabel bebas dan variabel terikat

2.5.3 Data Berdasarkan Sumber

2.5.4 Statistika Deskriptif

Statistik deskriptif adalah metode pengumpulan dan penyajian sekumpulan

2.5.5 Statistika Inferensial

Statistik inferensial adalah metode yang dapat digunakan untuk

Pengelompokan data tunggal menjadi data berkelompok:

1. Tentukan banyak data, data maksimum, dan data minimum.

1.10 Penyajian Data

Data dalam bentuk tabel dapat memberikan informasi dan gambaran

2.6.1.1 Ukuran Pemusatan

Ukuran pemusatan data adalah ringkasan yang mewakili berbagai

Untuk sampel genap

Untuk sampel berkelompok

Dispersi adalah penyebaran kelompok data terhadap pusat data. Dispersi

Range (r) = nilai maksimum – nilai minimum ...(0)

2.6.2 Bentuk Gambar

1.11 Teori Probabilitas

Probabilitas adalah suatu kemungkinan yang ditunnjukkan dengan

Peluang dapat ditentukan dengan rumus

2.1 Jenis Penelitian

Jenis penelitian yang dilalukan adalah penelitian survey. Pengumpulan

2.2 Lokasi dan Waktu Penelitian

Penulis melakukan penelitian serta pengambilan data secara online.

2.3 Subjek Penelitian