a

4.1. Pengolahan Data

Pengolahan data dilakukan setelah pengumpulan data. Data yang terkumpul

berjumlah 707 data yang terdiri atas 300 data pengguna platform online dan 407 data
pengunjung Transmart Padang. Data yang akan diolah adalah data belum atau sudah
kenalnya masyarakat dengan video conference sebelum pandemi, data jenis kelamin
pengunjung Transmart Padang, data selang waktu kedatangan pengunjung Transmart Padang
dalam 20 detik, data rata-rata berapa jam penggunaan platform online, dan data kedatangan
pengunjung Transmart Padang dalam 180 menit.

4.1.1. Distribusi Binomial

Sub bab ini menampilkan data belum atau sudah kenalnya masyarakat dengan video
conference sebelum pandemi yang akan disajikan dengan menggunakan distribusi binomial.
Peluang masyarakat sudah kenal video conference sebelum pandemi sebagai percobaan
sukses dan peluang masyarakat belum kenal video conference sebelum pandemi sebagai
kejadian gagal. Pengolahan data distribusi binomial menggunakan beberapa parameter yang
dapat dilihat pada Tabel 4.1 dibawah ini.

Tabel 4.1 Parameter Distribusi Binomial

N 5
p 0,66
q 0,34

Nilai p pada Tabel 4.1 diperoleh dari rata-rata masyarakat yang sudah mengenal
video conference sebelum pandemi dibagi dengan jumlah keseluruhan masyarakat pengguna
platfoorm online.

Jumlah masyarakat yang sudah mengenal video conference sebelum pandemi

P=
Jumlah keseluruhan masyarakat yang menggunakan platform online
P = 0,66
 Nilai q pada Tabel 4.1 diperoleh dari total nilai probabilitas dikurangi peluang sudah
mengenal video conference sebelum pandemi:

q = 1-p
= 1-0,66
= 0,34

Peluang masyarakat sudah mengenal video conference sebelum pandemi secara

empiris disajikan pada Tabel 4.2 dibawah ini.

Tabel 4.2 Peluang Empiris Distribusi Binomial

N/x 0 1 2 3 4 5
1 0,300 0,700
2 0,125 0,466667 0,408
3 0,039583 0,233194 0,448194 0,279028
4 0,015174 0,113801 0,315611 0,383347 0,172067
5 0,004299 0,043118 0,17098 0,334803 0,323485 0,123315

Peluang distribusi binomial secara empiris diperoleh dengan cara berikut:

P(3) = p 1× p 2 × p 3
= 0,7×0, 583 ×0,6 83
= 0,279028

Peluang masyarakat sudah mengenal video conference sebelum pandemi secara

teoritis disajikan pada Tabel 4.3 dibawah ini.
Tabel 4.3 Peluang Teoritis Distribusi Binomial
N/x 0 1 2 3 4 5
1 0,34 0,66
2 0,1156 0,4488 0,4356
3 0,039304 0,228888 0,444312 0,287496
4 0,013363 0,103763 0,302132 0,3909946 0,189747
5 0,004544 0,044099 0,171208 0,3323454 0,322571 0,125233

Peluang distribusi binomial secara teoritis diperoleh dengan cara berikut:

P(x) = (nx) px(1-p)n-x

P(3) = (33) 0.66 0.34

3 3-3

= 1 ×0,287496 ×1

= 0,287496

4.1.2. Distribusi Geometrik

Sub bab ini menampilkan data laki-laki dan perempuan dari 407 data pengunjung
yang mendatangi Transmart Padang disajikan dengan menggunakan distribusi geometrik.
Parameter yang digunakan dalam perhitungan distribusi geometrik ditampilkan pada Tabel
4.4 dibawah ini.

Tabel 4.4 Parameter Distribusi Geometrik

p 0,31941032
q 0,68058968

Hasil pengolahan data jenis kelamin pengunjung dengan pengolahan secara empris
dalam bentuk PDF dan CDF ditampilkan pada Tabel 4.5 berikut.

Tabel 4.5 PDF dan CDF Distribusi Geometrik

 Empiris Teoritis
X
P(x) P(X≤ x) P(x) P(X≤ x)
1 0,40 0,40 0,31941 0,31941
2 0,195 0,595 0,217387 0,536798
3 0,162 0,757 0,147952 0,684749
4 0,1215 0,879 0,100694 0,785444
5 0,027338 0,906 0,068532 0,853975
6 0,018833 0,925 0,046642 0,900617
7 0,026366 0,951 0,031744 0,932361
8 0,012241 0,963 0,021605 0,953966
9 0,011017 0,974 0,014704 0,968669
10 0,005141 0,979 0,010007 0,978677

PDF distribusi geometrik secara empiris diperoleh dengan cara berikut:

P(2) = p2*(1-p1)
= 0,33*(1-0,4)
=0,195

CDF distribusi geometrik secara empiris diperoleh dengan cara berikut:

F(3) =P(1)+P(2)+P(3)
P(3) = 0,4+0,195+0,162
= 0,757

PDF distribusi geometrik secara teoritis diperoleh dengan cara berikut:

P(1) = p*q^x-1
= 0,3194*0,6806^1-1
= 0,3194

CDF distribusi geometrik secara teoritis diperoleh dengan cara berikut:

F(3) =P(1)+P(2)+P(3)
=0,3194+0,2173+0,1479
= 0,6847

4.1.3. Distribusi Poisson

Sub bab ini menampilkan data kendatangan pengunjung Transmart Padang dalam
selang waktu 20 detik dari 407 data kedatangan kunjungan disajikan dengan mengunakan
distribusi poisson. Parameter yang agkan digunakan dalam pengolahan data dengan distribusi
poisson ditampilkan pada Tabel 4.6 berikut.

Tabel 4.6 Parameter Distribusi Poisson

Data Maksimum 7
Data Minimum 0
µ(/20sekon) 0,754
µ(menit) 2,261
n 407
λ 2,261
SD 1,504

Nilai µ untuk 20 detik adalah 0,754. Nilai tersebut diperoleh dari perbandingan
jumlah kedatangan pengunjung terhadap jumlah kelas dalam 3 jam. Nilai tersebut diperoleh
dengan cara:

total pengunjung yang datang 4 07

μ= = = 0,754
jumlah kelas selama 3 jam 540

Hasil pengolahan distribusi poisson secara empiris dan teoritis serta penggunaan
pendekatan distribusi normal pada data ditampilkan dalam Tabel 4.7 berikut.

Tabel 4.7 PMF dan CDF Poisson secara Empiris, Teoritis, dan dengan Distribusi Normal
 Distribusi Poisson Distribusi Normal
X Empiris Teoritis Teoritis
P(x) P(X≤ x) P(x) P(X≤ x) P(x) P(X≤ x)
0 0,648148 0,648148 0,10423 0,1042 0,08565546 0,06632943
1 0,153704 0,801852 0,23569 0,3399 0,18664395 0,20082656
2 0,094444 0,896296 0,26646 0,6064 0,26133736 0,4310719
3 0,051852 0,948148 0,20083 0,8072 0,23513529 0,68842143
4 0,025926 0,974074 0,11352 0,9207 0,13594488 0,87624273
5 0,009259 0,983333 0,05134 0,9721 0,05050526 0,96572955
6 0,011111 0,994444 0,01935 0,9914 0,012057 0,99354896
7 0,005556 1 0,00625 0,9977 0,00184957 0,99918779
8 0 1 0,00177 0,9994 0,00018232 0,99993232
9 0 1 0,00044 0,9999 0,000012 0,99999629
10 0 1 0,0001 1,0000 0,0000005 0,99999987

PMF distribusi Poisson secara empiris diperoleh dengan cara sebagai berikut:

jumlah data ke-x

P ( x) =
jumlah kelas selama 2 jam
51
P ( 2) = = 0.094444
540

CDF distribusi Poisson secara empiris diperoleh dengan cara sebagai berikut:

F ( x ) = ∑ P(x)
F ( 2 ) = P ( 0 ) + P (1 ) + P ( 2 )
350 83 51
F ( 2) = + + = 0. 6481 48 + 0.15 3704 + 0.22222 = 0.896296
540 540 540

PMF distribusi poisson secara teoritis diperoleh dengan cara sebagai berikut:

λx e -λ
P ( x) =
x!
2 -2.621
(2.261 ) (e)
P ( 2) = = 0. 266456
2!

CDF distribusi Poisson secara teoritis diperoleh dengan cara sebagai berikut:
F ( x) = ∑ P(x)
F ( 2 ) = P ( 0 ) + P (1 ) + P ( 2 ) = 0.1042346 + 0.235686 + 0. 266456 = 0.6064

4.1.4. Distribusi Normal

Sub bab ini ditampilkan data rata-rata lama durasi penggunaan platform online dari
300 masyarakat pengguna, disajikan dengan mengunakan distribusi normal. Parameter yang
akan digunakan dalam pengolahan data distribusi normal disajikan dalam Tabel 4.8 berikut.

Tabel 4.8 Parameter Distribusi Normal

nilai maks 5,30
nilai min 1,17
range 4,13
n 300
banyak kelas 9
interval kelas 0,5
µ 3,48
σ 0,704441

Hasil pengolahan data durasi penggunaan platform online oleh masyarakat dengan
menggunakan distribusi normal secara empiris dan teoritis beserta PDF dan CDF ditampilkan
pada Tabel 4.9.

Tabel 4.9 PDF Dan CDF Secara Empiris dan Teoritis pada Distribusi Normal
 Empiris Teoritis
Kelas ke- BA BB Xi
Oi fi Fi Oi fi Fi
1 1,17 1,67 1,41667 2 0,00667 0,00667 1,371 0,005 0,005
2 1,67 2,17 1,91667 9 0,03 0,03667 7,910 0,026 0,031
3 2,17 2,67 2,41667 21 0,07 0,10667 28,084 0,094 0,125
4 2,67 3,17 2,91667 65 0,21667 0,32333 61,445 0,205 0,329
5 3,17 3,67 3,41667 77 0,25667 0,58 82,909 0,276 0,606
6 3,67 4,17 3,91667 77 0,25667 0,83667 69,013 0,230 0,836
7 4,17 4,67 4,41667 33 0,11 0,94667 35,432 0,118 0,954
8 4,67 5,17 4,91667 13 0,04333 0,99 11,213 0,037 0,991
9 5,17 5,67 5,41667 3 0,01 1 2,185 0,007 0,999
Jumlah 300 1 299,562 1

PDF distribusi normal secara empiris diperoleh dengan cara sebagai berikut:

jumlah pengguna pada kelas ke-x

f ( x) =
jumlah seluruh masyarakat pengguna
9
f (2) = = 0.03
30 0

CDF distribusi normal secara empiris diperoleh dengan cara sebagai berikut:

F ( x) = ∑ P(x)
2 9
F ( 2) = P ( 1) + P ( 2) = + = 0.00 667 + 0.03 = 0.0 3667
30 0 30 0

PDF distribusi normal secara teoritis diperoleh dengan cara sebagai berikut:

2
-(x-μ)
1 2

f ( x) = e2 σ
σ √ 2π
2
-(1- 3,48 )
1 2

f (1) = e2 (0.704441 ) = 0.026

(0.704441 ) √ 2π

CDF distribusi normal secara teoritis diperoleh dengan cara sebagai berikut:

F ( x) = ∑ P(x)
F ( 2 ) = f ( 1 ) + f ( 2 ) = 0.005 + 0.026 = 0.031

4.1.5. Distribusi Eksponensial

Sub bab ini menampilkan data kedatangan pengunjung selama 180 menit dari 407
data kedatangan pengunjung Transmart Padang disajikan dengan mengunganakan distribusi
eksponensial. Parameter yang akan digunakan pda pengolahan data dengan distribusi
binomial disajikan dalam Tabel 4.10 berikut.

Tabel 4.10 Parameter Distribusi Eksponensial

min 0
max 5,3
range 5,3
banyak kelas 10
panjang kelas 0,55
rata-rata 0,4416
λ 2,2643
SD 0,66850

Hasil pengolahan data dengan distribusi eksponensial secara empiris dan teoritis
disajikan pada Tabel 4.11 berikut.

Tabel 4.11 PDF dan CDF Secara Empiris dan Teoritis Distribusi Eksponensial
Kelas Empiris Teoritis
BA BB Xi
ke- Oi fi Fi Oi fi Fi
1 0,00 0,55 0,275707 295 0,7248 0,7248157 290,222 0,464348 0,464348
2 0,55 1,10 0,82712 53 0,1302 0,8550369 83,271 0,3819611 0,8463091
3 1,10 1,65 1,378534 32 0,0786 0,9336609 23,893 0,1095934 0,9559025
4 1,65 2,21 1,929947 18 0,0442 0,977887 6,855 0,0314449 0,9873474
5 2,21 2,76 2,481361 6 0,0147 0,992629 1,967 0,0090223 0,9963697
6 2,76 3,31 3,032774 2 0,0049 0,997543 0,564 0,0025887 0,9989584
7 3,31 3,86 3,584188 0 0,0000 0,997543 0,162 0,0007428 0,9997011
8 3,86 4,41 4,135601 0 0,0000 0,997543 0,046 0,0002131 0,9999142
9 4,41 4,96 4,687015 0 0,0000 0,997543 0,013 0,00006 0,9999754
10 4,96 5,51 5,238428 1 0,0025 1 0,004 0,00002 0,9999929
Jumlah 407 1 406,998 1

PDF distribusi eksponensial secara empiris diperoleh dengan cara sebagai berikut:

total ke d a tangan pengunjung pada kelas ke-x

f ( x) =
total seluruh kedatangan pengunjung
 53
f (2) = = 0. 1302
407

CDF distribusi eksponensial secara empiris diperoleh dengan cara sebagai berikut:

F ( x) = ∑ P(x)
2 95 53
F ( 2) = f ( 1) + f ( 2) = + = 0.7248 + 0.1302 = 0. 85504
407 407

PDF distribusi eksponensial secara teoritis diperoleh dengan cara sebagai berikut:

-λx
f ( x) = λ e
-2.26 4 3*1
f ( 1 ) = 2.2643 *e = 0. 46435

CDF distribusi eksponensial secara teoritis diperoleh dengan cara sebagai berikut:

F ( x) = ∑ P (x )
F ( 2) = f ( 1) + f ( 2)
-2.26 4 3*1 -2.26 4 3* 2
¿ 2.2643 *e +2.2643 *e
= 0. 46435 + 0.38196
=0.84631

4.2. Analisis Data

Data yang telah diolah pada pengolahan adat kemudian dianalisis pada bagiana
analisis data. Analisa dari pengolahan data tersebut disajikan dalam bentuk bar chart dan line
chart.

4.2.1. Analisis Distribusi Binomial

 Data sudah atau belum kenalnya masyarakat pengguna platform online dengan video
confrence sebelum pandemi diolah dan disajikan secara empiris dan teoritis. Pengguna yang
sudah mengenal video conference sebelum pandemi dianggap sebagai peluang sukses dan
pengguna yang belum mengenal video conference sebelum pandemi dianggap sebagai
peluang gagal.

Hasil pengolahan secara empiris dan teoritis disajikan pada Tabel 4.2 dan Tabel 4.3.
Tabel hasil perhitungan memperlihatkan bahwa nilai probabilitas pengolahan secara empiris
dan teoritis menghasilkan hasil perhitungan yang berbeda. Misalnya, pada perhitungan secara
empiris peluang untuk sukses satu kali dalam trial pertama adalah sebesar 0,7 sedangkan pada
perhitungan secara teoritis peluang untuk sukses pada trial pertama adalah sebesar 0,66.
Disini dapat kita lihat hasil perhitungan secara teoritis dan empiris menghasilkan probabilitas
yang berbeda. Perbedaan ini disebabkan karena perhitungan secara empiris dilakukan dengan
perhitungan langsung terhadap sampel, sedangkan perhitungan secara teoritis dilakukan
dengan rumus pendekatan distribusi binomial.

4.2.2. Analisis Distribusi Geometrik

Data jenis kelamin pengunjung Transmart Padang diolah dan disajikan dengan tabel
distribusi geometrik. Pengunjung laki-laki dijadikan sebagai parameter p, sedangkan
pengunjung perempuan dijadikan sebagai parameter q.

Hasil pengolahan data jenis kelamin pengunjung secara empiris dan geometris dapat
dilihat pada Tabel 4.5. Hasil perhitungan pada tabel disebut disajikan kembali dalam bar
chart PMF distribusi geometrik pada Gambar 4.1 berikut.
 Gambar 4.1 Bar Chart PMF Jenis Kelamin Pengunjung Transmart Padang

Bar chart di atas memperlihatkan perbandingan antara PMF jenis kelamin

pengunjung berdasarkan perhitungan secara empiris dan perhitungan secara teoritis. Grafik
menunjukkan bahwa terdapat perbedaan hasil perhitungan empiris dengan teoritis. Peluang
pada kondisi X sama dengan 1 memperlihatkan hasil perhitungan secara empiris nilainya
lebih besar dibandingkan dengan secara teoritis. Peluang pada kondisi X sama dengan 2
justru berkebalikan dimana nilai teoritis lebih besar dibanding nilai empiris. Peluang ketika X
sama dengan 3 sampai 4 kembali menunjukkan nilai empiris lebih besar dibandingkan nilai
teoritis dan perbandingan ini kembali berbanding terbalik ketika kondisi X sama dengan 5
sampai 10. Perbedaan ini dapat timbul karena perhitungan secara empiris menghitung nilai
probabilitas langsung dari sampel sedangkan perhitungan secara teoritis menggunakan
pendekatan dengan rumus distribusi geometrik.

Penjabaran hasil perhitungan distribusi binomial berikutnya adalah perbandingan

grafik CDF secara teoritis. Hasil perhitungan CDF distribusi geometrik ditampilkan pada line
chart pada Gambar 4.2 berikut.
 Gambar 4.2 Line chart CDF Jenis Kelamin Pengunjung Transmart Padang

Line chart di atas memperlihatkan CDF untuk distribusi geometrik jenis kelamin
secara empiris dan teoritis. Garis pada grafik memperlihatkan perbedaan ketika kondisi X
sama dengan 1 hingga X sama dengan 5. Garis kemudian mulai menyatu ketika kondisi X
sama dengan 6 hingga X sama dengan 10. Kedua garis yang menyatu ini memeperlihatkan
bahwa ketika nilai X semakin besar nilai CDF dari perhitungan empiris dan teoritis hampir
sama besar.

4.2.3. Analisis Distribusi Poisson

Data pengunjung Transmart Padang diolah dengan distribusi poisson. Data

pengunjung dihitung dengan selang waktu 20 detik dengan banyak kelas 540 dalam 3 jam
pengamatan. Hasil perhitungan secara empiris dan secara teoritis serta perhitungan poisson
dengan pendekatan distribusi normal dapat dilihat pada Tabel 4.7. Bar chart pada Gambar
4.3 berikut memperlihatkan hasil perhitungan PMF secara empiris dan teoritis serta
perhitungan dengan pendekatan distribusi normal.
 Gambar 4.3 PMF Kedatangan Pengunjung Transmart Padang

Bar chart di atas memperlihatkan bahwa ketika nilai X sama dengan nol, nilai hasi
perhitungan secara empiris memiliki perbedaan yang cukup besar dengan nilai hasil
perhitungan secara teoritis dan dengan pendekatan distribusi normal. Nilai probabilitas secara
empiris kemudian mulai menurun ketika nilai X semakin besar sedangkan grafik nilai
probabilitas secara teoritis dan distribusi normal membentuk kurva skewness positif.
Perbedaan pada hasil perhitungan ini diakibatkan karena pada perhitungan secara empiris
perhitungan dilakukan langsung terhadap sampel, sedangkan pada teoritis dan pendekatan
distribusi normal perhitungan dilakukan dengan menggunakan rumus pendekatan distribusi
poisson dan normal.

Data perhitungan berikutnya adalah CDF dari perhitungan distribusi poisson secara
empiris dan teoritis serta perhitungan distribusi poisson dengan pendektan distribusi normal.
Data CDF hasil pengolahan data selang waktu kedatangan pengunjung disajikan pada
Gambar 4.4 dalam bentuk line chart sebagai berikut.
 Gambar 4.4 Line Chart CDF Selang Kedatangan Pengunjung Transmart Padang

Garis grafik pada gambar di atas menunjukkan CDF untuk masing-masing

perhitungan. Ketiga garis perhitungan memiliki perbedaan nilai CDF dan mulai saling
berhimpitan ketika nilai X sama dengan 6. Perbedaan yang ditimbulkan terjadi karena
perbedaan hasil perhitungan PMF masing-masing jenis perhitungan dimana secara empiris
dengan perhitungan langsung sedangkan secara teoritis dan pendekatan distribusi normal
menggunakan rumus distribusi.

4.2.4. Analisis Distribusi Normal

Data rata-rata durasi penggunaan platform online diolah dengan distribusi normal.
Pengolahan data probabilitas rata-rata durasi penggunaan platform online menggunakan
distribusi normal secara teoritis dan empiris dapat dilihat pada Tabel 4.9. Berdasarkan Tabel
4.9 PDF dari data rata-rata durasi penggunaan platform online secara empiris dan teoritis
dapat disajikan dalam bentuk bar chart pada Gambar 4.5 berikut ini.
 Gambar 4.5 Bar Chart PDF rata-rata durasi penggunaan platform online

Berdasarkan Gambar 4.5 di atas, nilai PDF secara empiris dan teoritis memiliki
perbedaan. Hal ini disebabkan pada PDF secara empiris perhitungannya dilakukan pada
setiap percobaan sedangkan pada PDF secara teoritis dilakukan dengan menggunakan rumus
distribusi normal yang parameternya rata-rata (µ) dan standar deviasi (σ).

Berdasarkan Tabel 4.9 CDF data rata-rata durasi penggunaan platform online secara
empiris dan teoritis dapat disajikan dalam bentuk line chart pada Gambar 4.6 berikut ini.

Gambar 4.6 Line Chart CDF rata-rata durasi penggunaan platform online
 Berdasarkan Gambar 4.6 menunjukkan bahwa setiap probabilitas pada CDF secara
empiris dengan teoritis memiliki nilai yang berbeda yang disebabkan karena jumlah frekuensi
pada CDF secara empiris dan CDF secara teoritis memiliki nilai yang hampir sama karena
kedua garis hampir berhimpitan satu sama lain namun masih didapati perbedaan nilai.
Perbedaan ini timbul karena pada CDF secara empiris perhitungannya dilakukan pada setiap
percobaan dan pada CDF secara teoritis perhitungannya dilakukan dengan menggunakan
rumus distribusi normal dengan parameternya rata-rata (µ) dan standar deviasi (σ).

4.2.5. Analisis Distribusi Eksponensial

Data kedatangan pengunjung Transmart Padang diolah lalu dianalisis pada bagian ini.
Pengolahan data probabilitas kedatangan pengunjung Transmart Padang selama 180 menit
menggunakan distribusi eksponensial secara teoritis dan empiris dapat dilihat kembali pada
Tabel 4.11. Berdasarkan Tabel 4.11 PDF data antar waktu setiap kendaraan secara empiris
dan teoritis dapat disajikan dalam bentuk bar chart pada Gambar 4.7 berikut ini.

Gambar 4.7 PDF Kedatangan Pengunjung Transmart Padang

Berdasarkan Gambar 4.7 PDF secara empiris dan teoritis cenderung menurun dan
memiliki nilai yang berbeda. Nilai PDF secara empiris dengan teoritis berbeda karena pada
PDF secara empiris perhitungannya dilakukan pada setiap percobaan dan pada PDF secara
teoritis dilakukan dengan rumus distribusi eksponensional dengan parameter λ.

Berdasarkan Tabel 4.12 CDF data kedatangan pengunjung secara empiris dan teoritis
dapat disajikan dalam bentuk line chart pada Gambar 4.8 berikut ini.
 Gambar 4.8 CDF Kedatangan Pengunjung Transmart Padang
Berdasarkan Gambar 4.8 menunjukkan bahwa CDF data pengunjung secara empiris dan
teoritis memiliki nilai yang berbeda ketika pada kelas ke-1 sampai dengan kelas ke-10. Kedua
garis pada grafik mulai berhimpitan pada kelas ke-5 hingga kelas ke-10 menandakan nilai
CDF secara empiris dan teoritis hampir sama besar. Nilai CDF secara empiris dan secara
teoritis berbeda karena pada CDF secara empiris perhitungannya dilakukan pada setiap
percobaan sedangkan pada CDF secara teoritis perhitungannya dilakukan dengan rumus
distribusi eksponensional dengan parameter λ.