Modul 2 Statis 18

LAPORAN PRAKTIKUM
MODUL II
EVENT DAN PROBABILITAS
OLEH
KELOMPOK XVIII
UMI SUGANDA 09120200017
BAYU MUHAMMAD FARHAN 09120200044
SAID AGIL HAS 09120200048
CINDY AMALIA AMIR 09120200082
MUH.RASDI 09120200107
LABORATORIUM STATISTIKA INDUSTRI
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS MUSLIM INDONESIA
MAKASSAR
2022
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam kejadian sehari – hari, kita sering melakukan kegiatan atau
mungkin permainan yang berhubungan dengan peluang kemunculan atau
probabilitas dari sebuah kejadian. Dalam permainan ular tangga misalnya,
ketika dadu permainan dilemparkan, pelempar selalu mengharapkan
munculnya angka 6 pada dadu yang dilemparkannya. Tapi sadarkah kita
bahwa peluang kemunculan mata dadu 6 dan mata dadu yang lainnya adalah
sama? Mungkin saja jawabannya tidak. Dari kasus pelemparan mata dadu ini
sebenarnya banyak kasus yang dapat terjawab, khususnya yang
berhubungan dengan penentuan probabilitas dari penarikan sampel yang
dilakukan secara random (acak). Simple random sampling adalah metode
penarikan dari sebuah populasi atau semesta dengan cara tertentu sehingga
setiap anggota populasi atau semesta tadi memiliki peluang yang sama untuk
terpilih atau terambil (JH. Lumbantoruan, 2019).
Sebagian besar peristiwa yang terjadi di alam ini, baik yang berupa
peristiwa – peristiwa yang sifatnya alami maupun yang dirancang oleh
manusia, seperti terjadinya hujan di hari-hari tertentu pada suatu bulan
tertentu, munculnya bintang berekor di langit, terjadinya badai, demikian pula
mahasiswa yang memperoleh nilai A, B, atau C dari suatu matakuliah,
merupakan peristiwaperistiwa yang tidak memiliki ketidakpastian. Terhadap
peristiwa – peristiwa tersebut, hanya mungkin dilakukan pendugaan –
pendugaan berdasarkan pada peristiwa – peristiwa yang sebelumnya (Iman
Gunawan, 2018).
Dalam dunia industri sendiri, cara – cara seperti ini sering dipergunakan,
misalnya dalam menentukan ukuran rata – rata produk, usia rata – rata
produk, baik atau rusaknya produk yang dihasilkan oleh sebuah mesin dan
sebagainya, yang nantinya akan sangat membantu dalam kegiatan lain
seperti perancangan produk, pengendalian produksi, pengendalian
persediaan, pengambilan keputusan dan sebagainya (Nata Wirawan, 2016).
Untuk itulah, ilmu probabilitas sudah harus diterapkan dalam perkuliahan,
khususnya untuk jurusan Teknik dan Manajemen Industri. Pengertian teknik
sampling acak sederhana adalah suatu teknik pengambilan sampel elemen
secara acak, dimana setiap elemen anggota populasi memiliki kesempatan
yang sama untuk terpilih menjadi sampel (Nugraha Setiawan, 2005).
1.2 Tujuan Percobaan
1. Mahasiswa dapat menerapkan definisi empiris dan probabilitas
munculnya suatu peristiwa.
2. Mahasiswa dapat mengetahui nilai probabilitas berdasarkan pendekatan
frekuensi relatif.
3. Mahasiswa dapat mengetahui peristiwa yang bersifat mutually exclusive.
4. Mahasiswa dapat untuk mengetahui probabilitas bersyarat.
1.3 Alat dan Bahan
1. Koin (Rp.200, Rp.500, dan Rp.1000)
2. Palet berwarna hijau, putih, dan hitam
3. Dua buah dadu
4. Kartu UNO
5. Kalkulator
6. Lembar pengamatan
7. Media pengujian
1.4 Prosedur dan Langkah Praktikum
1.4.1 Percobaan Apriori dan Frekuensi Relatif
1. Lemparkan uang logam yang permukaannya seimbang.
2. Catat permukaan yang muncul.
3. Ulangi langkah 1 – 2 untuk masing – masing sebanyak 20, 60 dan
80 kali.
4. Hitung frekuensi kemunculan masing – masing permukaan.
5. Bandingkan hasil tersebut dengan nilai ekspektasinya.
6. Hitung probabilitas kemunculan masing – masing permukaan.
7. Buat kesimpulan.
8. Acak Kartu UNO
9. Ambil Kartu UNO
10. Catat permukaan yang muncul pada Kartu UNO (+) atau (-)
11. Ulangi Langkah 1 – 2 untuk Kartu UNO sebanyak 20, 60, dan 80
kali
12. Hitung frekuensi kemunculan masing – masing permukaan
13. Bandingkan hasil tersebut dengan nilai ekspektasi
14. Hitung probabilitas kemunculan masing – masing permukaan
15. Buat kesimpulan
1.4.2 Percobaan Peristiwa Independent
1. Acak palet
2. Tekan tombol on pada alat lalu pilih statistik
3. Tarik pegas
4. Ambil sebuah palet
5. Catat warna palet yang terambil (hijau, putih, dan hitam)
6. Ulangi langkah 1 – 2 masing – masing sebanyak 20, 60 dan 80
kali
7. Hitung frekuensi kemunculan masing – masing warna palet
8. Bandingkan hasil percobaan dengan nilai ekspektasi
9. Buat kesimpulan
1.4.3 Percobaan Probabilitas Bersyarat
1. Acak palet
3. Tarik pegas
4. Ambil sebuah palet dan catat hasilnya, dilanjutkan dengan
pengambilan sebuah palet berikutnya dan catat hasilnya
5. Kembalikan sampel tersebut ke media
6. Ulangi langkah 1 – 3 masing – masing sebanyak 20, 60, dan 80
kali
7. Hitung kemunculan masing – masing palet
9. Buat kesimpulan
1.4.4 Percobaan Mutually Exclusive
1. Lemparkan dua buah dadu.
2. Catat angka yang muncul.
3. Ulangi langkah 1 – 2 sebanyak 20, 60 dan 80 kali.
4. Bandingkan hasil percobaan dengan nilai ekspektasi.
5. Buat kesimpulan.
BAB II
LANDASAN TEORI
2.1 Pengertian Event dan Probabilitas
Untuk keperluan penentuan peluang ada gunanya untuk membagi
peristiwa ke dalam dua jenis peristiwa, yakni peristiwa sederhana dan
peristiwa majemuk (Soedibjo, 2010:2).
Peristiwa sederhana tidak dapat dibagi lebih lanjut lagi ke dalam
komponen-komponen peristiwa, sedangkan peristiwa majemuk selalu
memiliki dua atau lebih komponen peristiwa sederhana. Peristiwa Kartu
Sekop secara definisi adalah peristiwa sederhana, karena hanya ada satu
jenis kartu sekop dalam setumpuk kartu bridge. Akan tetapi peristiwa As
Sekop dapat dianggap sebagai peristiwa majemuk, karena kartunya
haruslah berisikan keduanya yakni kartu As dan kartu Sekop. Namun definisi
ini tergantung dari pandangan si pelaku percobaan. Bisa saja seseorang
mengatakan bahwa As Sekop sebagai suatu peristiwa sederhana, jika
mengganggap hal ini sebagai suatu kesatuan. Pembagian jenis peristiwa ini
dimaksudkan untuk kemudahan dalam mempelajari teori peluang
selanjutnya (Sutarto Hadi, 2018).
Kejadian (event) adalah himpunan bagian (sub set) dari ruang sampel S.
Dengan kata lain, kejadian adalah himpunan dari hasil – hasil yang mungkin
terjadi (Rinaldi Munir, 2014).
Kejadian (event) merupakan suatu himpunan bagian dari ruang sampel.
Bila suatu kejadian dapat dinyatakan sebagai sebuah himpunan yang hanya
terdiri dari satu titik contoh. Bila suatu kejadian dapat dinyatakan sebagai
gabungan beberapa kejadian sederhana (Walpole,1995).

Event merupakan subset dari S yang memunyai karakteristik tertentu
yang diperhatikan dalam eksperimen. Event yang terdiri dari satu outcome
dalam ruang sampel diskrit disebut event elementer. Event dapat juga
didefinisikan sebagai hasil (outcome) eksperimen dengan karakteristik
tertentu sebagai himpunan bagian (sub set) dari ruang sampel. Suatu event
dapat diperoleh dari kombinasi beberapa event menggunakan operasi
himpunan (Agustinah N., 2014).
Kejadian merupakan salah satu sub himpunan (sub set) dari ruang
sampel atau biasa disebut sebagai himpunan bagian dari ruang sampel.
Kejadian dilambangkan dengan himpunan A dimana anggota – anggota dari
A adalah titik sampel. Pada kasus pelemparan satu buah dadu dengan
himpunan semesta S = {1,2,3,4,5,6} dan A = {2} dapat diartikan bahwa A
adalah kejadian muncul mata dadu 2 sehingga A ⊆ S dimana A merupakan
himpunan bagian dari S dan 2 ∈ A dibaca dengan 2 elemen A dimana 2
disebut sebagai titik sampel. Sebagaimana kejadian maka S merupakan
kejadian pasti karena salah satu dari elemen S pasti muncul sedangkan
himpunan kosong (Ø atau {}) disebut sebagai kejadian mustahil karena dari
Ø tidak mungkin muncul. Dengan menggunakan operasi – operasi himpunan
terhadap kejadian – kejadian dalam S, maka akan diperoleh kejadian –
kejadian lain dalam S. Selanjutnya akan dibahas sekilas tentang diagram
venn. Diagram venn merupakan gambaran dari hubungan antara kejadian
dan ruang sampel (MP. Kusrini, 2016).

Sumber: www.belajarMTK.com
Gambar 2.1 Diagram Venn (MP.Kusrini, 2016)
Gabungan (union) dua event A dan B, dinotasikan dengan 𝐴∪𝐵,
didefinisikan sebagai himpunan outcome yang termasuk dalam A, atau B
atau keduanya. Event 𝐴∪𝐵 terjadi jika A atau B, atau kedua event A dan B
terjadi. Interseksi dua event A dan B, dinotasikan 𝐴∩𝐵, didefinisikan sebagai
himpunan outcome dalam A dan B. Dua event yang memunyai outcome
yang tidak dapat terjadi secara bersamaan disebut mutually exclusive (saling
ekslusif), interseksi dari dua event tersebut adalah event nul, 𝐴∩𝐵 = ∅.
Kumpulan event – event disebut collectively exhaustive (kolektif lengkap)
jika dan hanya jika gabungan (union) dari himpunan event-event tersebut
adalah sama dengan ruang sampel (Arif Rahman, 2016).
Menurut Prima, dalam kehidupan sehari – hari banyak kejadian (event)
yang sulit diketahui dengan pasti, apalagi untuk kejadian yang akan datang.
Pada prinsipnya, meskipun sulit diketahui, namun fakta – fakta yang ada
bisa menuju derajat kepastian/derajat keyakinan (degree of belief) bahwa
sesuatu akan terjadi. Probabilitas memberikan penjelasan menegenai
besarnya kesempatan (kemungkinan) suatu peristiwa akan terjadi yang
rangenya berkisar antara 0 – 1, di mana “0” menyatakan bahwa peristiwa
pasti tidak akan terjadi, dan “1” menyatakan bahwa peristiwa pasti terjadi
(Kristalina, 2015).
Contoh penggunaan teori peluang misalnya mengundi dengan suatu
mata uang logam atau sebuah dadu, membaca temperatur udara pada tiap
hari dari termometer, menghitung banyaknya barang rusak yang dihasilkan
tiap hari oleh mesin penghasil barang tertentu, dan mencatat banyaknya
orang yang melewati sebuah jembatan penyeberangan untuk setiap jam,
merupakan eksperimen yang dapat diulang – ulang. Berdasarkan seperti
contoh – contoh tersebut, untuk semua hasil yang mungkin terjadi dapat
dicatat. Segala bagian yang mungkin diperoleh dari pencatatan tersebut
disebut peristiwa (Imam Gunawan, 2018).
Untuk peristiwa sederhana, peluang dapat diturunkan baik secara logis,
melalui pengamatan empiris maupun secara subjektif (Soedibjo, 2010:3).
Ketiga bentuk peluang ini mempunyai implikasi yang penting bagi para
manajer atau pimpinan organisasi, khususnya dalam proses pengambilan
keputusan (Imam Gunawan, 2018).
Teori probabilitas merupakan perkembangan dari cabang matematika
yang digunakan untuk mengatasi ketidakpastian (uncertain). Awalnya
didorong oleh keinginan para ahli matematika untuk menganalisis permainan
judi dan kemudian digunakan untuk analisis ilmiah tentang kematian dalam
kegiatan medis, teori probabilitas telah dikembangkan sebagai alat ilmiah
berhubungan dengan peluang. Probabilitas merupakan salah satu ilmu yang
menarik dan juga paling berguna pada area matematika. Probabilitas
merupakan ilmu dasar bagi inferensi statistik melalui eksperimen dan
analisis data. Melalui aplikasi untuk masalah seperti penilaian realibilitas
suatu sistem, interpretasi akurasi pengukuran, dan pemeliharaan kualitas
yang sesuai, teori probabilitas sangat relevan dengan ilmu teknik sekarang
ini (Hayter, 2012).
Peluang menurut (Soedibjo, 2010:1) adalah suatu cara untuk
menyatakan kesempatan terjadinya suatu peristiwa. Secara kualitatif,

peluang dapat dinyatakan dalam bentuk kata sifat untuk menunjukkan
kemungkinan terjadinya suatu keadaan seperti: baik, lemah, kuat, miskin,
dan sedikit. Secara kuantitatif, peluang dinyatakan sebagai nilai-nilai
numeris, baik dalam bentuk pecahan maupun desimal antara 0 dan 1.
Peluang sama dengan 0 berarti sebuah peristiwa tidak bisa terjadi,
sedangkan peluang sama dengan 1 berarti peristiwa tersebut pasti terjadi
(Sutarto Hadi, 2018)
Probabilitas adalah salah satu alat yang amat penting karena probabilitas
banyak digunakan untuk menaksir derajat ketidakpastian dan oleh
karenanya mengurangi resiko. Probabilitas ialah suatu nilai yang digunakan
untuk mengukur tingkat terjadi suatu kejadian yang acak (Lian G. Otaya,
2016).
Kata probabilitas sering disebut peluang dan kemungkinan. Secara
umum Probabilitas merupakan peluang bahwa sesuatu terjadi. Secara
lengkap didefinisikan sebagai berikut: “Probabilitas” ialah suatu nilai yang
digunakan untuk mengukur tingkat terjadinya suatu kejadian yang acak.
Agus Irianto (2009 : 73) mengemukakan teori probabilitas berkembang dari
permainan gamblang, dimana setiap tebakan mengandung unsur
kemungkinan keluar maupun tidak persoalannya terletak pada pilihan itu
mengandung kemungkinan keluar lebih besar daripada kemungkinan tidak
keluar atau tidak (Lian G. Otaya, 2016).
Pengertian mengenai probabilitas dapat dilihat dari tiga macam
pendekatan, yaitu pendekatan klasik, frekuensi relatif, dan subjektif (Adi
Putra S., 2015):
2.1.1 Probabilitas Pendekatan Klasik
Pendekatan klasik atau probabilistik apriori merupakan suatu
peristiwa yang akan terjadin sudah dapat diketahui sebelum

dilakukan percobaan. Jika dari N kali percobaan, muncul peristiwa X
dan dilakukan sebanyak n kali (Imanuel kant, 1724 - 1804).
Menurut pendekatan klasik, probabilitas diartikan sebagai hasil
bagi dari banyak peristiwa yang dimaksud dengan seluruh peristiwa
yang mungkin. Menurut pendekatan klasik, probabilitas dirumuskan :
P(X) = n/N ……….........................……………..…......(Rumus 2.1)
Dimana :
P(X) : Probabilitas terjadinya peristiwa X
N : Peristiwa yang dimaksud
N : Banyaknya peristiwa yang mungkin
2.1.2 Probabilitas Pendekatan Frekuensi Relatif
Probabilistik menurut pendekatan ini sering diberi nama
probabilistik empiris karena besarnya melalui percobaan. Besarnya
yaitu limit dari frekuensi relatif jika jumlah percobaan yang akan
selalu bertambah tanpa batas, karena semakin banyak percobaan,
frekuensi relatif akan bertambah stabil. Menurut pendekatan
frekuensi relatif, probabilitas diartikan sebagai berikut :
1) Proporsi waktu terjadinya suatu peristiwa dalam jangka panjang,
jika kondisi stabil, atau
2) Frekuensi relatif dari seluruh peristiwa dalam sejumlah besar
percobaan
Probabilitas berdasarkan pedekatan frekuensi relatif sering
disebut probabilitas empiris. Nilai probabilitas ditentukan melalui
percobaan, sehingga nilai probabilitas itu merupakan limit dari
frekuensi relatif peristiwa tersebut (Eman Mendrofa, 2019). Menurut
pendekatan frekuensi relatif, probabilitas dirumuskan :
m m
P( X )=lim fr=
n dengan n )
………………………………………………………..….(Rumus 2.2)
Dimana:
P(X) : Probabilitas peristiwa X
M : Fekuensi peristiwa
N : Banyaknya peristiwa yang bersangkutan
Dalam prakteknya, frekuensi relatif itu sendiri dapat diperkirakan
dalam memperkirakan nilai probabilitas dari kejadian yang
bersangkutan.
2.1.3 Pendekatan Subjektif
Probabilitas subyektif didasarkan pada keyakinan pribadi atau
perasaan orang yang membuat perkiraan probabilitas. Kita dapat
membahas probabilitas subyektif sebagai penentuan probabilitas
atau peristiwa didasarkan pada terjadinya fakta atau bukti. Fakta ini
dapat berupa data mengenai frekuensi relatif terjadinya, atau bisa
juga tidak lebih dari tebakan yang mengena.
Menurut pendekatan subjektif, probabilitas diartikan sebagai
tingkat kepercayaan individu yang didasarkan pada peristiwa masa
lalu yang berupa terkaan saja. Atau probabilistik adalah probabilistik
peristiwa yang ditentukan dengan perasaan atau kepercayaan
seseorang yang didasarkan pada fakta – fakta yang ada. Pendekatan
ini dipakai jika data frekuensi relatif tidak tersedia (Alvin S., 2013).
2.2 Populasi, Ruang Sampel, Sampel dan Peristiwa
Pengertian percobaan, ruang sampel, titik sampel dan peristiwa adalah
sebagai berikut (Rabia Edra, 2017):

a. Populasi adalah kumpulan dari seluruh elemen sejenis tetapi dapat
dibedakan satu sama lain karena karakteristiknya. Perbedaan –
perbedaan itu disebabkan karena adanya nilai kerakteristik yang
berlainan (Supranto, 2008: 22).
b. Ruang sampel adalah himpunan semua hasil yang mungkin pada suatu
percobaan. Ruang sampel: himpunan semua hasil (outcome) yang
mungkin dari suatu eksperimen (percobaan). Setiap hasil dari ruang
sampel disebut titik sample (sample point). Notasi: S = {x1, x2, …, xn}
(Rinaldi Munir, 2014). Ruang sampel dari suatu percobaan adalah
himpunan semua hasil yang mungkin dari suatu percobaan. Ruang
sampel dibedakan atas dua macam, yakni ruang sampel diskret dan
ruang sampel kontinu. Ruang sampel diskret adalah ruang sampel yang
mengandung titik – titik sampel yang banyaknya terhingga atau titik – titik
sampelnya berupa barisan yang tidak berakhir namun nilainya sama
banyak dengan nilai bilangan cacah. Adapun ruang sampel kontinu
adalah ruang sampel yang mengandung titik sampel yang banyaknya tak
terhingga dan sama banyak dengan banyaknya titik-titik pada sebuah
ruas garis (Walpole & Myers, 1995:52).
c. Sampel adalah sebagian dari populasi. Jika n adalah banyaknya elemen
sampel dan N adalah banyaknya elemen populasi, maka n < N ( n lebih
kecil dari N) (Supranto, 2008: 22).
d. Kejadian atau peristiwa adalah himpunan bagian dari ruang sampel pada
suatu percobaan, atau hasil dari percobaan.
2.3 Aturan – Aturan Probabilistik
2.3.1 Peristiwa Bersama
Peristiwa bersama adalah terjadinya dua atau lebih peristiwa
dalam
suatu percobaan (Rabia Edra, 2017).
P(XY) : Probabilistik terjadinya X dan Y
P(X+Y) : Probabilistik terjadinya X atau Y
2.3.2 Peristiwa Mutually Exclusive
Suatu kejadian yang paling meniadakan antara satu sama lain
disebut dengan mutually exclusive events. Dalam bahasa sehari-hari
kejadian yang mutually exclusive kadang – kadang disebut dengan
kejadian alternatif. Dalam kejadian alternatif orang hanya
mengharapkan salah satu dari semua kejadian yang ada atau
mungkin terjadi dalam kejadian mutually exclusive adalah nihil. Dua
peristiwa dikatakn non mutually exclusive, jika kedua peristiwa
tersebut bisa terjadi pada waktu yang bersamaan.
Dua peristiwa atau lebih dinamakan peristiwa saling lepas jika
kedua atau lebih peristiwa itu tidak dapat terjadi pada saat yang
bersamaan, disebut juga peristiwa saling asing. Atau dua peristiwa
atau lebih disebut dengan peristiwa mutually exclusive jika terjadinya
peristiwa yang data mencegah terjadinya peristiwa yang lain (Amir
Hidayatulloh, 2018).
O < P (X) < 1
Jika P(X) = 0, peristiwa X pasti tidak terjadi
Jika P(X) = 1, peristiwa X pasti terjadi
Kedua hubungan di atas disebut mutually exclusive sehingga :
P(X) = 1 – P(X) atau P(X) + P(X)......................................(Rumus

=1 2.3)
Dimana:
P(X) : Probabilitas terjadinya peristiwa X

Hal yang penting yang harus diperhatikan :
P( A∩B )=P( A )+P (B )−P( A∪B ) ................................(Rumus 2.4)
Dimana:
P(A ∩ B) : Probabilitas peristiwa A dan B
P(A ∪ B ) : Probabilitas peristiwa saling lepas antara
peluang A dan B
P(A) : Probabilitas peristiwa A
P(B) : Probabilitas peristiwa B
2.3.3 Probabilitas Bersyarat
Hubungan kedua yang terdapat antara peristiwa adalah hubungan
bersyarat. Dua peristiwa dikatakan mempunyai hubungan bersyarat
jika peristiwa yang satu menjadi syarat terjadinya peristiwa yang lain.
Kita tulis A/B untuk menyatakan peristiwa A terjadi dengan didahului
terjadinya peristiwa B. peluangnya ditulis P(A/B) dan disebut peluang
bersyarat untuk terjadinya peristiwa A dengan syarat B. (Ronald E.
Walpole, 2007:58).
Jika peristiwa X menjadi syarat terjadinya atau tidak terjadinya
suatu peristiwa Y maka :
1. Probabilitas peristiwa X terjadi dilalui oleh peristiwa Y, dimana:
P( X ∩Y )
P( X !Y )=
P( X )
...................................................(Rumus 2.5)
Dimana :
P(X/Y) : Probabilitas peristiwa Y jika peristiwa X terjadi
P(Y) : Probabilitas peristiwa Y
2. Probabilitas peristiwa Y terjadi dilalui oleh peristiwa X, dimana:
P ( X∩Y )
P( X /Y )=
P( X )
................................................(Rumus
2.6)
Dimana :
P(X/Y) : Probabilitas peristiwa X jika peristiwa Y terjadi
2.3.4 Peristiwa Bebas (Independent)
Jika terjadinya atau tidak terjadinya peristiwa B tidak
mempengaruhi terjadinya peristiwa A, maka A dan B disebut
peristiwa – peristiwa bebas atau independen. Jika kita tulis A dan B
untuk menyatakan peristiwa – peristiwa A dan B kedua-duanya
terjadi, maka peluangnya dinyatakan dalam peluang bersyarat
diperoleh: Jika A dan B independen.
Jika probabilitas terjadi peristiwa X tidak mempengaruhi terjadinya
peristiwa Y :
...............................................................................(Rumus
P( X∩Y )=P( X ). P(Y ) 2.7)
Dimana:
P(X ∩ Y) : Probabilitas peristiwa X dan Y

Karena X dan Y independent maka : P(Y!X) = P (Y)
Dua peristiwa atau lebih disebut peristiwa saling bebas apabila
terjadinya peristiwa yang satu tidak mempengaruhi terjadinya
peristiwa yang lain. Probabilitas peristiwa saling bebas dapat
dibedakan atas tiga macam, yaitu probabilitas marginal, gabungan,
dan bersyarat.
1) Probabilitas marginal atau probabilitas tidak bersyarat
Probabilitas marginal peristiwa saling bebas adalah probabilitas
terjadinya suatu peristiwa yang tidak memiliki hubungan dengan
terjadinya peristiwa lain. Peristiwa – peristiwa tersebut tidak saling
mempengaruhi (Prima Kristalina, 2020).
2) Probabilitas Gabungan
Probabilitas gabungan peristiwa saling bebas adalah
probabilitas terjadinya dua peristiwa atau lebih secara berurutan
dan peristiwa – peristiwa tersebut tidak saling mempengaruhi. Jika
peristiwa A dan B gabungan, probabilitas terjadinya peristiwa
tersebut adalah (Prima Kristalina, 2020).
P(………………………………………………………....(Rumus
AdanB )=P( A∩B )=P( A )xP (B ) 2.8)
…………………………………………….
Dimana:

3) Probabilitas Bersyarat
Probabilitas bersyarat peristiwa saling bebas adalah
probabilitas terjadinya suatu peristiwa dengan syarat peristiwa lain
harus terjadi. Peristiwa – peristiwa itu tidak saling mempengaruhi.
Jika peristiwa B bersyarat terhadap A, probabilitas terjadinya
peristiwa tersebut adalah (Prima Kristalina, 2020).
..................................................................................(Rumus
P(B/A) = P(B)
2.9)
Dimana:
P(B/A) : Probabilitas peristiwa B jika peristiwa A
terjadi
2.3.5 Peristiwa Tidak Saling Bebas (Peristiwa Dependent)
Dua peristiwa atau lebih disebut peristiwa tidak saling bebas
apabila peristiwa yang satu dipengaruhi atau bergantung pada
peristiwa lainnya. Probabilitas peristiwa tidak saling bebas dapat pula
dibedakan atas tiga macam, yaitu probabilitas bersyarat, gabungan,
dan marginal (Lian G. Otaya, 2016).
1) Probabilitas Bersyarat
Probabilitas bersyarat peristiwa tidak saling bebas adalah
probabilitas terjadinya suatu peristiwa dengan syarat peristiwa lain
harus terjadi dan peristiwa – peristiwa tersebut saling
mempengaruhi. Jika peristiwa B bersyarat terhadap A, probabilitas
terjadinya peristiwa tersebut adalah
P( B∩ A )
P(B / A )= .............................................................(Rumus 2.10)
P( A )
Dimana:
terjadi
P(B ∩ A) : Probabilitas peristiwa B dan A
2) Probabilitas Gabungan
Probabilitas gabungan peristiwa tidak saling bebas adalah
probabilitas terjadinya dua atau lebih peristiwa secara berurutan
(bersamaan) dan peristiwa – peristiwa itu saling mempengaruhi.
Jika dua peristiwa A dan B gabungan, probabilitas terjadinya
peristiwa tersebut adalah
…………………………………………………...(Rumus
P( AdanB )=P( A∩B )=P( A )xP ( B / A ) 2.11)
Dimana:
terjadi
3) Probabilitas Marginal
Probabilitas marginal peristiwa tidak saling bebas adalah
probabilitas terjadinya suatu peristiwa yang memiliki hubungan
dengan terjadinya peristiwa lain dan peristiwa tersebut saling
mempengaruhi.
2.3.6 Hubungan Inklusif
Berlaku hubungan antara X dan Y atau kedua-duanya terjadi:
P ( X∪Y ) =P ( X )+ P ( Y ) −P ( X∩Y ) .............................(Rumus 2.12)
Dimana :
Variabel acak diskrit X menentukan distribusi probabilitas apabila
untuk nilai – nilai X = x1, x2 ........... xn terdapat probabilitas P(xi) = P(X =
(−∞< X <∞ )
xi). Sedangkan untuk semua bilangan real dari ,
terhadap variabel acak kontinyu mempunyai fungsi kepadatan
probabilistik (Probability Density Function).
2.4 Probabilitas Beberapa Peristiwa dengan Pendekatan Kombinasi
Pembicaraan mengenai permutasi dan kombinasi selalu berkaitan
dengan prinsip dasar membilang dan faktorial (Juhriyansyah Dalle, 2018):
1. Faktorial
Faktorial adalah perkalian semua bilangan bulat positif (bilangan
asli) terurut mulai dari bilangan 1 sampai dengan bilangan bersangkutan
atau sebaliknya. Faktorial dilambangkan : “!”. Jika n = 1, 2, …, maka :
n = n (n-1) (n-2) …x 2 x 1 = n (n-1…………………............(Rumus

........ ) 2.13)
Dimana:
n : banyaknya data
2. Permutasi
Permutasi adalah suatu penyusunan atau pengaturan beberapa
objek ke dalam suatu urutan tertentu. Banyaknya mutasi bergantung
pada ukuran kelompok asalnya dan banyaknya objek yang dipilih dari
kelompok itu.
3.Kombinasi
Kombinasi adalah cara bagaimana peneliti mengetahui banyaknya
cara mengambil r objek dari n objek tanpa memperhatikan urutannya.

Suatu kombinasi dari N objek yang bervariasi dan setiap kali diambil r
objek adalah susunan r objek itu dengan memerhatikan urutan
pengambilan. Nilai kombinasi dinyatakan sebagai NCr atau C(N,r).
2.5 Peristiwa Komplementer
Dua peristiwa disebut komplementer apabila peristiwa yang satu
melengkapi peristiwa lainnya atau peristiwa yang saling melengkapi (Hasan,
2001).
1. Sebuah dadu dilemparkan ke atas, dimana peristiwa-peristiwanya adalah
A = Peristiwa mata dadu bilangan prima muncul
B = Peristiwa mata dadu bukan bilangan prima muncul
Jika peristiwa A dan B komplementer, tentukan probabilitas munculnya
peristiwa B !
Penyelesaian :
3
P(A) = 6
P(B) = 1 – P(A)
= 1 – 3/6
=½
2.6 Ekspektasi
Harga ekspektasi merupakan konsep dasar dalam studi distribusi peluang.
Defenisi; Apabila mempunyai sebuah varian yang bisa berharga X1,
X2, ......... Xn, masing-masing dengan peluangnya P1, P2, .............. Pn.
Misalkan kita punya sebuah eksperimen yang menghasilkan k buah dapat
terjadi. Peluang terjadinya tiap peristiwa masing-masing p1, p2, …., pk dan
untuk tiap peristiwa dengan peluang tersebut terdapat satuan-satuan d1, d2,
…., dk. Satuan – satuan ini bisa nol, positif ataupun negatif dan tentulah p1 +
p2 +….+ pk = 1. Maka rumus tersebut menyatakan, bahwa jika tiap peristiwa

diberi nilai maka pukul rata diharapkan terdapat nilai sejumlah
∑ pi.di untuk
eksperimen tersebut (Imam Gunawan, 2018).
2.7 Distribusi Peluang
Distribusi peluang merupakan alat bagi seorang peneliti untuk
menentukan apa yang dapat peneliti harapkan, apabila asumsi – asumsi
yang dibuat oleh peneliti benar. Distribusi peluang memungkinkan para
pembuat keputusan untuk memperoleh dasar logika yang kuat di dalam
keputusan, dan sangat berguna sebagai dasar pembuatan ramalan
berdasarkan informasi yang terbatas atau pertimbangan – pertimbangan
teoritis, serta berguna pula untuk menghitung probabilitas terjadinya suatu
kejadian. Setiap kejadian yang dapat dinyatakan ebagai perubahan nilai
suatu variabel, umumnya mengikuti suatu distribusi peluang tertentu dan
apabila sudah diketahui jenis distribusinya, maka peneliti akan dengan
mudah dapat mengetahui besarnya nilai probabilitas terjadinya kejadian
tersebut (Sutarto Hadi, 2018).
2.8 Teknik Menghitung Besarnya Anggota Sampel
Teknik untuk menghitung besarnya anggota sampel secara umum dapat
dilakukan dengan dua cara yaitu : (1) proporsi dan (2) ketelitian estimasi
(Yudhie Ardiana, 2012).
Proporsi merupakan perbandingan antara terjadinya suatu peristiwa
dengan semua kemungkinan peristiwa yang bisa terjadi. Besaran proporsi
dalam sampel banyak dipakai dalam penelitian untuk mengestimasi proporsi
dalam populasi. Misalnya untuk mengestimasi proporsi karyawan
berpendidikan sarjana, digunakan proporsi antara karyawan berpendidikan

sarjana dengan bukan sarjana. Untuk mengetahui tingkat cacat barang
dalam produksi, digunakan dalam bentuk proporsi yaitu perbandingan antara
barang cacat dalam setiap 1.000 barang yang diproksi.
Proses estimasi merupakan peristiwa yang dialami orang setiap hari.
Estimasi merupakan ketrampilan untuk hidup (skill for life), contoh jika
berangkat kerja agar tidak telat, maka kita mengestimasi berapa lama
perjalanan dari tempat tinggal ke tempat kerja dengan menggunakan jenis
kendaraan tertentu. Dengan estimasi tersebut, kita akan terhindar dari
keterlambatan sampai tempat kerja.
Estimasi dalam statistik : Sampel = Statistik -> Populasi = Parameter.
Estimasi adalah Metode memperkirakan nilai populasi (parameter) dengan
memakai nilai sampel (statistik) karena perhitungan langsung pada seluruh
populasi tidak mungkin dilakukan.
Estimasi Titik Rata-Rata ( x )
Terhadap Rata-Rata Populasi ( µ )
Untuk membuat estimasi rata-rata TB Mahasiswa Teknik Industri
dilakukan pengambilan sampel sebanyak 20 orang dengan hasil sbb:
160 161 158 157 163 171 168 166 155 173
160 165 154 156 161 162 150 153 170 164
Maka didapatkan estimasi titik terhadap TB Mahasiswa Teknik Industri
adalah:
X = 3227/20 = 161,4 cm
Tinggi badan 161,4 cm merupakan titik estimasi terhadap tinggi badan
Mahasiswa Teknik Industri.
Estimasi Titik Proporsi Sampel (p)
Terhadap Proporsi Populasi (P)

Jika seorang peneliti ingin mengetahui presentase/proporsi penduduk
suatu kota yang menderita hepatitis B. Untuk itu diambillah sampel sebesar
500 penduduk yang berkunjung ke poli penyakit dalam rumah sakit umum
daerah tersebut. Ternyata didapatkan 3 orang menderita hepatitis B. Dengan
demikian, proporsi penderita hepatitis B di RSUD tersebut adalah: p = x/n p
= 3/500 = 0.006 = 0.6%
2.9 Rancangan Sampling
Jika untuk penelitian ternyata sampling telah disepakati, selanjutnya
sampling perlu dirancangkan dengan baik. Beberapa hal yang perlu
diperhatikan sehubungan dengan ini antara lain (Prof. Dr. Sudjana, 1976):
a) Rumuskan persoalan yang ingin diketahui.
b) Tentukan dengan jelas batas populasi mengenai persoalan yang ingin
diketahui itu. Sering kesimpulan tidak benar karena telah dibuat
berdasarkan sampel yang diambil dari populasi yang salah.
c) Definisikan dengan jelas dan tapat segala unit dan istilah yang
diperlukan.
d) Tentukan unit sampling yang diperlukan. Unit sampling adalah satuan
terkecil yang menjadi anggota populasi. Untuk meneliti macam beras
yang digunakan misalnya, apakah unit samplingnya keluarga atau
perorangan anggota keluarga?
e) Tentukan dan rumuskan cara – cara pengukuran dan penilaian yang
akan dilakukan. Untuk mengukur derajat kecerdasan penduduk
berdasarkan pendidikan terakhir, ukuran apa yang dipakai dan berapa
nilainya untuk tiap kategori? Samakah nilainya untuk seorang lulusan
SMA yang mengikuti kursus satu tahun dan seseorang yang hanya
mengakhiri akademi di tahun pertama?

f) Kumpulkan, jika ada, segala keterangan tentang hal yang ingin diteliti
yang pernah dilakukan masa lampau. Misalnya mengenai persentase,
rata – rata dan ukuran – ukuran lainnya.
g) Tentukan ukuran sampel, yakni berupa unit sampling yang harus diambil
dari populasi. Jangan sampai sampel berukuran terlalu kecil, sehingga
kesimpulan tidak memuaskan dan pula terlalu besar yang menyebabkan
biaya terlalu banyak. Hal ini akan dipelajari nanti sehubungan dengan
presisi yang dikehendaki dari hasil penelitian.
h) Tantukan cara sampling yang mana yang akan ditempuh agar sampel
yang diperoleh representatif. Beberapa cara yang dikenal dengan akan
disebutkan dalam bagian sesuadah ini.
i) Tentukan cara pengumpulan data yang mana akan dilakukan, apakah
wawancara langsung, dengan daftar isian, meneliti langsung, atau
mengumpulkan dari sumber – sumber yang sudah ada. Siapkan daftar
wawancara, daftar isian, formulir yang perlu dan lain – lain.
j) Tentukan metode analisis mana yang akan digunakan.
k) Sediakan biaya dan minta bantuan ahli baik berbentuk pembantu tetap
ataupun hanya sebagai konsultan.
2.10 Alasan Sampling
Untuk melakukan analisis statistik diperlukan data, karenanya data perlu
dikumpulkan. Bergantung pada berbagai faktor untuk ini kadang-kadang
dilakukan sensus, kadang-kadang dilakukan sampling. Sensus terjadi
apabila setiap anggota atau karakteristik yang ada didalam populasi
dikenai penelitian. Jika tidak, maka samplinglah yang ditempuh, yaitu
sampel diambil dari populasi dan datanya dikumpulkan. Ada berbagai

alasan mengapa sensus tidak dapat dilakukan, antara lain (Pangestu
Subagyo, 2003):
a) Ukuran Populasi
Telah kita kenal bahwa ada dua macam ukuran populasi, ialah
terhingga dan tak hingga. Dalam hal populasi tak hingga, ialah populasi
berisikan tidak terhingga banyak objek, sudah jelas sensus tak mungkin
dilakukan. Juga mengingat populasi takhingga pada dasarnya hanya
konseptual sukarlah untuk melakukan sensus terhadapnya. Meskipun
kita punya populasi terhingga, sensus belum tentu selalu bisa
dilaksanakan.
b) Masalah biaya
Adalah wajar bahwa makin banyak objek yang diteliti makin banyak
pula biaya yang diperlukan. Bagaimanapun juga jika hanya tersedia
biaya terbatas, sampling satu-satunya pilihan, terkecuali jika ukuran
populasi sedikit sekali sehingga dengan biaya tersebut sensus bias
dilaksanakan. Perlu diingat bahwa biaya diperlukan bukan saja hanya
untuk pengumpulan data tetapi juga untuk analisis, diskusi, perhitungan
– perhitungan, gaji ahli, dan ongkos konsultasi.
c) Masalah waktu
Sensus memerlukan waktu yang lebih lama bila dibandingkan
dengan sampling. Dengan demikian sampling dapat memberikan data
yang lebih cepat. Dalam hal diinginkan kesimpulan yang segera, maka
sampling benar-benar terasa faedahnya. Jelaslah pula bahwa
menganalisis data hasil sampling, selain dari pada menghemat biaya
seperti tertera diatas, juga menghemat waktu karena dapat dilakukan
dalam tempo yang singkat.
d) Percobaan yang sifatnya merusak

Jika penelitian terhadap objek sifatnya merusak, maka jelas sampling
harus dilakukan. Tidak mungkin sensus dilakukan untuk mengetahui :
kekuatan daya ledak granat yang dihasilkan, kemanjuran obat yang baru
dihasilkan, kekuatan ban mobil yang dihasilkan, keadaan darah seorang
pasien dan masih banyak contoh lagi.
e) Masalah ketelitian
Salah satu segi agar kesimpulan cukup dapat dipertanggung
jawabkan adalah masalah ketelitian. Data harus benar dan
pengumpulannya harus dilakukan dengan benar dan teliti. Demikian
pula pencatatan dan penganalisaannya. Pengalaman menyatakan
bahwa makin banyak objek yang harus diteliti maka makin kurang
ketelitian yang dihasilkan. Petugas, peneliti, pencacah akan menjadi
merasa bosan untuk melakukan tugasnya yang juga yang jumlahnya
sangat banyak. Kebosanan pada saat melakukan wawancara akan
timbul kalau yang diteliti terlalu banyak. Karenanya akan diperoleh data
yang tidak dapat dipercaya kebenarannya. Kesalahan akan lebih besar
terjadi ketika mencatat dan menyalin data dari formulir isian hasil sensus
dari pada hasil sampling. Umumnya, menguasai objek yang sedikit
hasilnya lebih baik daripada menguasai objek terlalu banyak.
f)Faktor ekonomis
Dengan faktor ekonomis diartikan: apakah kegunaan dari hasil
penelitian sepadan dengan biaya, waktu dan tenaga yang telah
dikeluarkan untuk itu ataukah tidak. Jika tidak, mengapa harus dilakukan
sensus, yang jelas akan memakan biaya, waktu dan tenaga yang
banyak? Faktor ekonomis ini sering dilupakan, karenanya perlu
mendapatkan perhatian sewajarnya.
BAB III
METODOLOGI PENELITIAN
3.1 Pendahuluan
1. Latar Belakang
Latar belakang berisi tentang event dan probabilitas dalam ilmu
statistik agar kita dapat mengetahui dan lebih memahami fungsi dari
ilmu statistik dibidang industri. Event dan probabilitas digunakan untuk
memperkirakan/mengetahui kemungkinan – kemungkinan dari suatu
peristiwa.
2. Tujuan Praktikum
Adapun tujuan praktikum ini yaitu, untuk menerapkan definisi empiris
dan probabilitas munculnya suatu peristiwa, agar praktikan dapat
mengetahui nilai probabilitas berdasarkan pendekatan frekuensi relatif,
dapat mengetahui peristiwa yang bersifat mutually exclusive dan untuk
mengetahui probabilitas bersyarat.
3. Alat dan Bahan
Adapun alat dan bahan yang digunakan selama praktikum yaitu :
1. Koin (Rp.200, Rp.500, dan Rp.1000)
2. Palet berwarna hijau, putih, dan hitam
3. Dua buah dadu
4. Kartu UNO
5. Kalkulator
6. Lembar pengamatan
7. Media pengujian
4. Langkah – Langkah Percobaan
a. Percobaan Apriori dan Frekuensi Relatif
1. Lemparkan uang logam yang permukaannya seimbang
2. Catat permukaan yang muncul
3. Ulangi langkah 1 – 2 untuk masing – masing sebanyak 20, 60
dan 80 kali

7. Buat kesimpulan
8. Acak Kartu UNO
9. Ambil Kartu UNO
10. Catat permukaan yang muncul pada Kartu UNO (+) atau (-)
11. Ulangi Langkah 1 – 2 untuk Kartu UNO sebanyak 20, 60, dan
80 kali
15. Buat kesimpulan
b. Percobaan Peristiwa Independent
1. Acak palet
3. Tarik pegas
4. Ambil sebuah palet
5. Catat warna palet yang terambil (hijau, putih, dan hitam)
6. Ulangi langkah 1 – 2 masing – masing sebanyak 20, 60 dan 80
kali
7. Hitung frekuensi kemunculan masing – masing warna palet
9. Buat kesimpulan
c. Percobaan Probabilitas Bersyarat
1. Acak palet
3. Tarik pegas
4. Ambil sebuah palet dan catat hasilnya, dilanjutkan dengan
pengambilan sebuah palet berikutnya dan catat hasilnya
5. Kembalikan sampel tersebut ke media
6. Ulangi langkah 1 – 3 masing – masing sebanyak 20, 60, dan 80
kali
7. Hitung kemunculan masing – masing palet
9. Buat kesimpulan
d. Percobaan Mutually Exclusive
1. Lemparkan dua buah dadu
2. Catat angka yang muncul
3. Ulangi langkah 1 – 2 sebanyak 20, 60 dan 80 kali
5. Buat kesimpulan
3.2 Tinjauan Pustaka
Tinjauan pustaka pada laporan ini berisi tentang materi event dan
probabilitas yang diperoleh dari hasil referensi buku – buku mengenai event
dan probabilitas dan jurnal digital.
3.3 Metodologi Penelitian
Metodologi penelitian dalam laporan ini berisi urutan atau langkah –
langkah yang harus dikerjakan ketika menyusun laporan.
3.4 Pengumpulan Data
Data yang diperoleh merupakan hasil pengambilan secara acak terhadap
beberapa percobaan dimulai dari data koin Rp. 200, Rp. 500, Rp. 1000,
Kartu UNO, palet berwarna hijau, putih, dan hitam, dan dua buah dadu.
3.5 Pengolahan Data
1. Menghitung frekuensi kemunculan tiap media.
2. Menentukan nilai ekspektasi kemunculan tiap media.
3. Menghitung persentase kemunculan tiap media.
4. Menentukan perbandingan kemunculan tiap media.
3.6 Analisis dan Pembahasan
Analisis dan pembahasan berisi tentang pemaparan langkah – langkah
mengolah data yang diperoleh selama praktikum.
3.7 Penutup
Event dan probabilitas memudahkan kita untuk memperhitungkan
kemungkinan – kemungkinan yang akan terjadi pada suatu peristiwa.
3.8 Flowchart
3.8.1 Flowchart Keseluruhan
Mulai
Latar Belakang
Tujuan Praktikum
Tinjauan Pustaka
Pengumpulan Data
1. Pengamatan
2. Pengukuran
Pengolahan Data
1. Mencatat data permukaan koin yang muncul
2. Mencatat data uno yang muncul
3. Mencatat data warna palet yang muncul
4. Mencatat data mata dadu yang muncul
5. Menghitung frekuensi kemunculan masing – masing
6. Bandingkan dengan nilai ekspektasinya
Analisa dan Pembahasan
Kesimpulan dan Saran
Selesai
Gambar 3.1 Flowchart Keseluruhan
3.8.2 Flowchart Percobaan Apriori dan Frekuensi Relatif
a. Percobaan Apriori Untuk Koin Rp. 200
Mulai
Lemparkan koin yang
permukaan seimbang
Catat permukaan yang

muncul
tidak
N = 20,60,
80?
ya
Hitung frekuensi
kemunculan permukaan
Hitung ekspektasi kemunculan

permukaan
Hitung persentase kemunculan

masing-masing sisi
Bandingkan dengan nilai

ekspektasi sebenarnya
Buat kesimpulan
Selesai
Gambar 3.2 Flowchart Percobaan Apriori Koin Rp. 200
b. Percobaan Apriori Untuk Koin Rp. 500
Mulai
Lemparkan koin yang

permukaan seimbang

muncul
tidak
N = 20,60,
80?
ya
Hitung frekuensi

permukaan

masing-masing sisi

Buat kesimpulan
Selesai
Gambar 3.3 Flowchart Percobaan Apriori Koin Rp. 500
c. Percobaan Apriori Untuk Koin Rp. 1000
Mulai
Lemparkan koin yang

permukaan seimbang

muncul
tidak
N = 20,60,
80?
ya
Hitung frekuensi

permukaan

masing-masing sisi

Buat kesimpulan
Selesai
Gambar 3.4 Flowchart Percobaan Apriori Koin Rp. 1.000
d. Percobaan Frekuensi Relatif Untuk Kartu UNO
Mulai
Ambil media
Ambil Kartu Uno pada
permukaan

muncul (+) atau (-)
Kembalikan sampel ke
dalam media
ya
N =20,60,
80?
Hitung frekuensi
kemunculan
Permukaan (+) Permukaan (-)
permukaan

permukaan

masing-masing sisi

Buat kesimpulan
Selesai
Gambar 3.5 Flowchart Percobaan Frekuensi Relatif K. UNO

3.8.3 Flowchart Percobaan Independent
Mulai
Tuangkan pallet kedalam wadah

alat yang telah disediakan
Aduk media
Ambil sebuah palet yang

terambil
Catat warna palet yang keluar

dari logictic system
Kembalikan palet ke dalam alat
N =20,60,
80?
Data tidak cukup
Hitung frekuensi kemunculan palet
Bandingkan dengan nilai ekspektasinya
Buat kesimpulan
Selesai
Gambar 3.6 Flowchart Percobaan Independent
3.8.4 Flowchart Percobaan Probabilitas Bersyarat
Mulai
Penentuan warna pallet cacat

(putih, hitam, hijau)
Tuangkan palet wadah
Aduk palet
Catat palet yang terambil

(Hijau, Putih, Hitam) Sesuai warna yang
telah ditentukan
(hitam, putih, hijau)
Kembalikan palet ke wadah
tidak
N =20,60,
80?
Hitung frekuensi kemunculan
Tentukan nilai ekspektasinya
Bandingkan dengan
nilai ekspektasinya
Buat kesimpulan
Selesai
Gambar 3.7 Flowchart Percobaan Probabilitas Bersyarat
3.8.5 Flowchart Percobaan Mutually Exclusive
Mulai
Lemparkan dua
buah dadu
Catat nilai
yang muncul
tidak
N = 20,60,
80?
ya
Hitung frekuensi
kemunculan
Hitung nilai ekspektasi

yang sebenarnya
Hitung persentase
kemunculan
Bandingkan dengan
nilai ekspektasinya
Buat kesimpulan
Selesai
Gambar 3.8 Flowchart Percobaan Mutually Exlusive
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Data Pengamatan

4.1.1 Percobaan Apriori Dan Frekuensi Relatif
Tabel 4.1 Data Pengamatan Apriori dan Frekuensi Relatif
Tabel Pengamatan Apriori + Frekuensi Relatif

N = 20 N = 60 N = 80
Perc. Perc. Perc.
Ke 500 K. UNO Ke 200 1000 Ke 500 200
Apriori F. Relatif Apriori F. Relatif Apriori F. Relatif
1 BM + 1 AG AG 1 G G
2 BM - 2 AG AG 2 G G
3 BM + 3 AG AK 3 G G
4 G - 4 G AK 4 G AG
5 G + 5 AG AK 5 AG G
6 G + 6 AG AK 6 AG G
7 BM + 7 G AG 7 G G
8 BM - 8 AG AG 8 AG AG
9 G + 9 AG AK 9 G AG
10 BM - 10 G AG 10 G G
11 BM - 11 G AK 11 AG AG
12 G + 12 AG AK 12 AG AG
13 G - 13 AG AG 13 G G
14 G - 14 G AG 14 AG G
15 BM + 15 AG AK 15 AG AG
16 BM + 16 AG AG 16 AG AG
17 G + 17 G AK 17 G G
18 BM - 18 G AK 18 G AG
19 BM + 19 AG AG 19 AG AG
20 G + 20 AG AK 20 AG G
21 G AK 21 G G
22 G AK 22 AG AG
23 G AG 23 AG AG
24 AG AG 24 G G
25 G AK 25 G G
26 AG AK 26 AG AG
27 G AK 27 AG AG
28 G AG 28 AG G
29 AG AG 29 G G
30 AG AK 30 G AG
31 G AK 31 AG AG
32 G AK 32 AG G
33 AG AG 33 G AG
34 G AG 34 AG AG
35 AG AK 35 G G
36 G AG 36 AG AG
37 AG AK 37 AG AG
38 AG AK 38 G G
39 AG AG 39 G G
40 G AK 40 G AG
41 AG AG 41 AG G
42 AG AK 42 G G
43 G AK 43 G AG
44 G AG 44 AG G
45 AG AK 45 AG G
46 AG AG 46 G G
47 AG AK 47 AG AG
48 G AG 48 AG AG
49 G AK 49 G G
50 G AG 50 AG AG
51 AG AK 51 AG G
52 AG AK 52 AG AG
53 G AK 53 G AG
54 AG AG 54 AG G
55 AG AG 55 G AG
56 G AK 56 AG G
57 G AK 57 G AG
58 AG AK 58 AG G
59 AG AG 59 AG G
60 G AK 60 G G
61 AG AG
62 AG AG
63 G G
64 G AG
65 G G
66 AG AG
67 G G
68 AG AG
69 G G
70 G AG
71 G G
72 AG AG
73 G AG
74 AG AG
75 AG G
76 G G
77 G AG
78 G G
79 AG AG
80 G AG
Sumber: Data Pengamatan (2022)
Keterangan:
AG : Angka
G : Garuda
BM : Bunga Melati
AK : Angklung
4.1.2 Percobaan Peristiwa Independent
Tabel 4.2 Data Pengamatan Peristiwa Independent
Tabel Pengamatan Peristiwa Independent

Perc. Ke N = 20 Perc. Ke N = 60 Perc. Ke N = 80
1 HT 1 P 1 P
2 HT 2 P 2 HJ
3 HJ 3 HT 3 HT
4 P 4 HT 4 P
5 HT 5 HJ 5 HT
6 HT 6 HT 6 P
7 HJ 7 HT 7 HJ
8 P 8 P 8 P
9 HJ 9 P 9 HT
10 P 10 HJ 10 HT
11 P 11 HT 11 P
12 HT 12 HT 12 P
13 HT 13 HJ 13 HT
14 HJ 14 P 14 HJ
15 P 15 P 15 HT
16 HT 16 HT 16 P
17 HJ 17 HJ 17 HJ
18 P 18 P 18 HT
19 HJ 19 HJ 19 HJ
20 P 20 HJ 20 P
21 HT 21 P
22 P 22 HT
23 P 23 HJ
24 HJ 24 HJ
25 HT 25 P
26 HJ 26 P
27 P 27 HJ
28 HJ 28 HT
29 HT 29 P
30 HT 30 P
31 HT 31 P
32 P 32 HT
33 HJ 33 HT
34 HJ 34 HJ
35 P 35 HJ
36 HJ 36 HJ
37 HT 37 P
38 HT 38 P
39 P 39 HT
40 P 40 HJ
41 HT 41 HT
42 HJ 42 HJ
43 HT 43 P
44 P 44 P
45 HT 45 HT
46 HT 46 P
47 P 47 HJ
48 HJ 48 HJ
49 HJ 49 HT
50 P 50 HJ
51 P 51 HT
52 HT 52 HT
53 HJ 53 P
54 HJ 54 HJ
55 P 55 P
56 HT 56 P
57 HJ 57 HT
58 HT 58 HT
59 HT 59 HJ
60 HJ 60 P
61 P
62 HT
63 HT
64 HT
65 HJ
66 P
67 HJ
68 HJ
69 P
70 P
71 HT
72 P
73 HJ
74 HT
75 HT
76 P
77 P
78 HJ
79 HT
80 HT
Keterangan:
HT : Hitam
P : Putih
HJ : Hijau
4.1.3 Percobaan Probabilitas Bersyarat
4.1.3.1 Pola Pengambilan Pertama Warna Hitam
Tabel 4.3 Data Pengamatan Pola Pengambilan Pertama
Dengan Syarat Hitam

Tabel Pengamatan Bersyarat Hitam
1 HT 1 HT 1 HT
2 HJ 2 HT 2 P
3 HT 3 P 3 HT
4 P 4 HT 4 HJ
5 HT 5 HJ 5 HJ
6 P 6 P 6 P
7 P 7 HT 7 P
8 HT 8 HJ 8 HJ
9 HJ 9 HJ 9 HJ
10 HT 10 P 10 HT
11 HJ 11 HJ 11 P
12 P 12 HT 12 P
13 P 13 HT 13 P
14 HJ 14 P 14 HT
15 P 15 P 15 HJ
16 HJ 16 HJ 16 P
17 HT 17 HT 17 HJ
18 HT 18 HT 18 P
19 P 19 HJ 19 HT
20 HJ 20 P 20 HT
21 HT 21 HJ
22 HJ 22 P
23 HJ 23 P
24 P 24 HT
25 HJ 25 HJ
26 P 26 HT
27 P 27 P
28 HT 28 HT
29 HJ 29 P
30 HT 30 HJ
31 HJ 31 HT
32 P 32 HT
33 HJ 33 P
34 HJ 34 HT
35 P 35 HJ
36 P 36 P
37 HT 37 HJ
38 HJ 38 P
39 HT 39 P
40 HJ 40 HT
41 HT 41 HJ
42 P 42 P
43 P 43 HT
44 HJ 44 HJ
45 HT 45 P
46 P 46 HJ
47 HJ 47 HT
48 HT 48 P
49 HT 49 HJ
50 HJ 50 HT
51 HJ 51 HT
52 HT 52 P
53 P 53 HJ
54 P 54 P
55 HT 55 HJ
56 P 56 HT
57 HT 57 P
58 HJ 58 P
59 HJ 59 HT
60 HT 60 HJ
61 HJ
62 HT
63 HT
64 HJ
65 P
66 P
67 HT
68 HJ
69 HT
70 HT
71 P
72 HJ
73 HT
74 P
75 P
76 HT
77 HJ
78 P
79 HJ
80 HJ
Keterangan:
HT : Hitam
P : Putih
HJ : Hijau
4.3.1.2 Pengambilan Pertama Warna Putih
Tabel 4.4 Data Pengamatan Pola Pengambilan Pertama
Dengan Syarat Putih
Tabel Pengamatan Bersyarat Putih

1 P 1 P 1 P
2 HJ 2 HJ 2 HJ
3 HT 3 P 3 HJ
4 P 4 HT 4 P
5 HT 5 P 5 P
6 HT 6 HJ 6 HT
7 HJ 7 HT 7 HJ
8 P 8 P 8 P
9 HJ 9 HT 9 HT
10 HJ 10 HT 10 HT
11 P 11 HJ 11 P
12 HT 12 P 12 HJ
13 P 13 P 13 P
14 P 14 HJ 14 HT
15 HT 15 HT 15 HJ
16 P 16 HJ 16 HJ
17 HT 17 P 17 HT
18 HJ 18 P 18 HJ
19 HJ 19 HJ 19 P
20 P 20 HT 20 P
21 HT 21 HT
22 HJ 22 HJ
23 P 23 HT
24 HJ 24 P
25 HT 25 HT
26 P 26 P
27 HT 27 P
28 HJ 28 HT
29 P 29 P
30 P 30 HJ
31 HT 31 HT
32 P 32 HJ
33 HJ 33 P
34 HT 34 P
35 HJ 35 HT
36 P 36 HJ
37 P 37 P
38 HT 38 HT
39 HJ 39 HT
40 P 40 HJ
41 P 41 HT
42 HJ 42 P
43 HT 43 P
44 HJ 44 HJ
45 HJ 45 P
46 HT 46 HJ
47 P 47 HT
48 P 48 P
49 HT 49 HT
50 HJ 50 P
51 HT 51 P
52 HT 52 HT
53 HJ 53 HJ
54 P 54 P
55 P 55 HJ
56 HT 56 HJ
57 P 57 HT
58 HJ 58 HJ
59 HJ 59 P
60 P 60 P
61 HT
62 P
63 HJ
64 P
65 P
66 HJ
67 HT
68 HT
69 P
70 HJ
71 HJ
72 HT
73 HJ
74 P
75 P
76 HJ
77 HJ
78 P
79 HT
80 HJ
Keterangan:
HT : Hitam
P : Putih
HJ : Hijau
4.3.1.3 Pengambilan Pertama Warna Hijau
Tabel 4.5 Pengamatan Pola Pengambilan Pertama Dengan
Syarat Hijau
Tabel Pengamatan Bersyarat Hijau

1 HJ 1 HJ 1 HJ
2 HJ 2 HT 2 P
3 P 3 P 3 P
4 P 4 P 4 HT
5 HT 5 HT 5 P
6 HT 6 HJ 6 P
7 P 7 HT 7 HJ
8 HJ 8 P 8 HJ
9 P 9 HJ 9 P
10 HT 10 HT 10 HT
11 P 11 HJ 11 P
12 HT 12 HT 12 HT
13 HJ 13 P 13 HJ
14 P 14 P 14 HT
15 HJ 15 HT 15 HT
16 P 16 HJ 16 HJ
17 HT 17 P 17 P
18 P 18 HT 18 P
19 HJ 19 HT 19 HJ
20 P 20 P 20 HJ
21 P 21 HT
22 P 22 P
23 HT 23 HT
24 HJ 24 HT
25 HJ 25 P
26 HT 26 HJ
27 HT 27 P
28 HJ 28 HJ
29 P 29 HJ
30 HJ 30 HT
31 P 31 HJ
32 HJ 32 HJ
33 P 33 P
34 HT 34 HT
35 HT 35 P
36 HJ 36 HT
37 P 37 P
38 HJ 38 P
39 HT 39 HJ
40 HT 40 P
41 P 41 HJ
42 HJ 42 P
43 HT 43 HJ
44 HJ 44 HT
45 HJ 45 HT
46 HT 46 HT
47 P 47 P
48 P 48 HT
49 HJ 49 HJ
50 P 50 HJ
51 P 51 HJ
52 HJ 52 P
53 HT 53 HT
54 HJ 54 HJ
55 HJ 55 HT
56 HT 56 P
57 P 57 P
58 P 58 HT
59 HJ 59 HJ
60 P 60 P
61 P
62 HJ
63 HJ
64 P
65 HT
66 HT
67 P
68 P
69 HJ
70 HT
71 HJ
72 HJ
73 P
74 P
75 HT
76 P
77 HT
78 P
79 HT
80 HJ
Keterangan:
HT : Hitam
P : Putih
HJ : Hijau
Tabel 4.6 Pengamatan Mutually Exclusive
Tabel Pengamatan Mutually Exclusive

N = 20 N = 60 N = 80
Perc Dadu Dadu Jml Perc Dadu Dadu Jml Perc Dadu Dadu Jml
Ke I II Ke I II Ke I II
1 3 3 6 1 5 5 10 1 1 6 7
2 1 6 7 2 2 3 5 2 6 6 12
3 3 5 8 3 3 5 8 3 3 1 4
4 5 6 11 4 5 4 9 4 2 3 5
5 2 2 4 5 4 5 9 5 3 4 7
6 3 5 8 6 4 2 6 6 4 5 9
7 2 6 8 7 1 3 4 7 3 2 5
8 1 1 2 8 6 3 9 8 4 4 8
9 4 2 6 9 6 5 11 9 6 5 11
10 6 5 11 10 5 3 8 10 5 5 10
11 2 2 4 11 4 2 6 11 3 6 9
12 2 1 3 12 2 4 6 12 4 2 6
13 6 1 7 13 4 3 7 13 6 5 11
14 1 2 3 14 4 1 5 14 6 6 12
15 3 5 8 15 4 4 8 15 5 3 8
16 1 4 5 16 1 6 7 16 1 2 3
17 6 1 7 17 6 5 11 17 4 3 7
18 4 3 7 18 2 6 8 18 6 1 7
19 3 3 6 19 1 5 6 19 5 2 7
20 2 1 3 20 6 5 11 20 1 3 4
21 4 1 5 21 5 2 7
22 6 4 10 22 6 2 8
23 5 6 11 23 6 6 12
24 6 5 11 24 5 3 8
25 4 4 8 25 2 2 4
26 6 4 10 26 3 3 6
27 1 5 6 27 4 2 6
28 2 4 6 28 6 5 11
29 3 1 4 29 5 2 7
30 4 1 5 30 5 4 9
31 6 6 12 31 4 2 6
32 2 5 7 32 5 4 9
33 4 1 5 33 3 3 6
34 5 5 10 34 4 1 5
35 3 2 5 35 2 1 3
36 6 5 11 36 4 5 9
37 2 6 8 37 6 3 9
38 4 3 7 38 2 1 3
39 6 4 10 39 4 3 7
40 3 5 8 40 6 6 12
41 5 1 6 41 6 5 11
42 4 6 10 42 3 2 5
43 6 6 12 43 4 1 5
44 5 3 8 44 3 2 5
45 2 1 3 45 4 6 10
46 6 3 9 46 6 1 7
47 3 2 5 47 4 5 9
48 4 4 8 48 3 1 4
49 3 6 9 49 2 5 7
50 4 4 8 50 6 3 9
51 3 5 8 51 5 2 7
52 2 1 3 52 2 1 3
53 4 6 10 53 4 3 7
54 5 2 7 54 6 1 7
55 2 6 8 55 6 4 10
56 6 6 12 56 3 2 5
57 6 3 9 57 4 5 9
58 4 4 8 58 6 3 9
59 3 2 5 59 5 5 10
60 1 2 3 60 2 1 3
61 6 2 8
62 3 1 4
63 2 4 6
64 6 5 11
65 4 4 8
66 5 4 9
67 3 1 4
68 2 2 4
69 3 6 9
70 1 2 3
71 4 2 6
72 6 6 12
73 5 6 11
74 4 3 7
75 2 6 8
76 3 4 7
77 6 5 11
78 4 4 8
79 6 2 8
80 3 3 6
4.2 Pengolahan Data

4.2.1 Percobaan Apriori (seimbang = ½)
N = 20
Keterangan : BM = Bunga Melati
G = Garuda
Koin = Rp. 500
a.Frekuensi kemunculan permukaan sisi koin BM = 11 kali
b.Frekuensi kemunculan permukaan sisi koin G = 9 kali
c.Nilai ekspektasi kemunculan permukaan sisi koin BM :
Ne(S) = ½.n → ½.20 = 10 kali
d.Nilai ekspektasi kemunculan permukaan sisi koin G:
Ne(G) = ½.n → ½.20 = 10 kali
e.Persentase kemunculan permukaan sisi koin BM dengan frekuensi
Nilai Ekspektasi−Frek . Kemunculan

nilai ekspektasi = x 100 %
N
10−11 11−10
= 100 %= 100 % = 5%
20 20
f. Persentase kemunculan permukaan sisi koin G dengan frekuensi

N
10−9
= 100 % = 5%
20
g.Perbandingan antara ferkuensi kemunculan permukaan sisi koin
untuk BM lebih besar dari nilai ekspektasinya, yaitu 11 > 10 dan
Perbandingan antara frekuensi kemunculan permukaan sisi koin
untuk G lebih kecil dari nilai ekspektasinya, yaitu 9 < 10.
N = 60
Keterangan : G = Garuda
AG = Angka
Koin = Rp. 200
a. Frekuensi kemunculan permukaan sisi koin G = 33 kali
b. Frekuensi kemunculan permukaan sisi koin AG = 27 kali
c. Nilai ekspektasi kemunculan permukaan sisi koin G:
Ne(G) = ½.n→½.60 = 30 kali muncul
d. Nilai ekspektasi kemunculan permukaan sisi koin AG:
Ne(AG) = ½.n→½.60 = 30 kali muncul
e. Prosentase kemunculan permukaan sisi koin G dengan frekuensi

N
30−33 33−30
= x 100 %= x 100 %=5 %
60 60
f. Prosentase kemunculan permukaan sisi koin AG dengan
frekuensi nilai ekspektasi =

x 100 %
N
30−27
¿ x 100 %=¿ 5%
60
g. Perbandingan antara frekuensi kemunculan permukaan sisi koin
untuk G lebih besar dari nilai ekspektasinya, yaitu 40 > 30
sedangkan perbandingan antara frekuensi kemunculan
permukaan sisi koin untuk AG lebih kecil dari nilai ekspektasinya,
yaitu 27 < 30
N = 80
BM = Bunga melati
Koin = Rp. 500
a.Frekuensi kemunculan permukaan sisi koin G = 40 kali

b.Frekuensi kemunculan permukaan sisi koin BM = 40 kali
c.Nilai ekspektasi kemunculan permukaan sisi koin G:
Ne(G) = ½.n→½.80 = 40 kali
d. Nilai ekspektasi kemunculan permukaan sisi koin B:
Ne(BM) = ½.n→ 80 = 40 kali
e. Persentase kemunculan permukaan sisi koin G dengan frekuensi

N
40−40 40 – 40
= x 100 %= x 100 %=0 %
80 80
f. Persentase kemunculan permukaan sisi koin BM dengan frekuensi

N
40−40
= x 100 %=0 %
80
g.Perbandingan antara frekuensi kemunculan permukaan sisi koin
untuk G sama dengan nilai ekspektasinya, yaitu 40 = 40
sedangkan perbandingan antara frekuensi kemunculan
permukaan sisi koin untuk BM sama dengan nilai ekspektasinya,
yaitu 40 = 40
4.2.2 Percobaan Relatif (Tidak Seimbang)
N = 20
Keterangan : + = Positif
- = Negatif
a. Frekuensi kemunculan sisi + = 12 kali
b. Frekuensi kemunculan sisi - = 8 kali

c. Nilai ekspektasi sisi + :
Ne(+) = 2/3.n = 2/3.20 = 13,33
d. Nilai ekspektasi sisi - :
Ne(-) = 1/3.n = 1/3.20 = 6,66
e. Peluang kemunculan koin sisi + = 12/n = 12/20 = 0,6
f. Probabilitas 1 – 0,60 = 0,40
g. Perbandingan peluang kemunculan koin sisi (+) lebih besar dari
koin sisi (-) yaitu 0,60 > 0,40
Frek . Kemunculan
h. Persentase kemunculan koin sisi + = x 100 %
N
12
= x 100 %=60 %
20
i. Peluang kemunculan koin sisi - = 8/n =8/20 = 0,40
j. Probabilitas 1 – 0,40 = 0,60
k. Perbandingan peluang kemunculan koin sisi (-) lebih kecil dari
koin sisi (+) yaitu 0,60 < 0,40
Frek . Kemunculan
l. Persentase kemunculan koin sisi - = x 100 %
N
8
= x 100 %=40 %
20
m. Perbandingan antara frekuensi kemunculan koin sisi (+) lebih
kecil dari nilai ekspektasinya yaitu 12 < 13,33 sedangkan
kemunculan koin tanda (-) lebih besar dari nilai ekspektasinya,
yaitu 8 > 6,66
N = 60
Keterangan : AK = Angklung
AG = Angka
Koin = Rp. 1000

a. Frekuensi kemunculan permukaan sisi AK = 33 kali
b. Frekuensi kemunculan permukaan sisi AG = 27 kali
c. Nilai ekspektasi permukaan sisi AG :
Ne(AK) = 2/3.n = 2/3.60 = 40
d. Nilai ekspektasi permukaan sisi S :
Ne(AG) = 1/3.n = 1/3.60 = 20
e. Peluang kemunculan permukaan sisi AK = 33/n = 33/60 = 0,55
f. Probabilitas 1 – 0.55 = 0.45
g. Perbandingan peluang kemunculan permukaan sisi AK lebih
besar dari permukaan sisi AG yaitu 0.55 > 0.45
h. Persentase kemunculan permukaan sisi AK adalah
Frek . Kemunculan
i. = x 100 %
N
32
= x 100 %=55 %
60
j. Peluang kemunculan permukaan sisi AG = 27/n = 27/60 = 0,45
k. Probabilitas 1 – 0,45 = 0,55
Perbandingan peluang kemunculan permukaan sisi AG lebih
kecil dari permukaan sisi AK yaitu 0,45 < 0.55.
l. Persentase kemunculan permukaan sisi G
Frek . Kemunculan
= x 100 %
N
27
= x 100 %=45 %
60
m. Perbandingan antara frekuensi kemunculan permukaan sisi AK
lebih kecil dari nilai ekspektasinya yaitu 33 < 40 sedangkan
frekuensi kemunculan permukaan sisi AG lebih besar dari nilai
ekspektasinya, yaitu 27 > 20

N = 80
AG = Angka
Koin = Rp. 200
a. Frekuensi kemunculan permukaan sisi G = 41 kali
b. Frekuensi kemunculan permukaan sisi AG = 39 kali
c. Nilai ekspektasi permukaan sisi (G) = Ne(G) = 2/3.n = 2/3.80 =
53,33
d. Nilai ekspektasi permukaan sisi (AG) = Ne(S) = 1/3.n = 1/3.80 =
26,66
e. Peluang kemunculan permukaan sisi (G) = 41/n = 41/80 = 0,51.
f. Probabilitas 1 – 0,51 = 0,49.
g. Perbandingan peluang kemunculan permukaan sisi (G) lebih
besar dari permukaan sisi (AG) yaitu 0,51 > 0,49
h. Persentase kemunculan permukaan sisi (G)
Frek . Kemunculan 41
= x 100 %= x 100 %=51 %
N 80
i. Peluang kemunculan permukaan sisi (AG) = 39/n = 39/80 = 0,49.
j. Probabilitas 1 – 0,49 = 0,51
k. Perbandingan peluang kemunculan permukaan sisi (AG) lebih
kecil dari Permukaan sisi (G) yaitu 0,49 < 0,51.
l. Persentase kemunculan permukaan sisi (A)
Frek . Kemunculan 39
= x 100 %= x 100 %=49 %
N 80
m. Perbandingan antara frekuensi kemunculan permukaan sisi (G)
lebih kecil dari nilai ekspektasinya yaitu 41 < 53,33 sedangkan

frekuensi kemunculan permukaan sisi (AG) lebih besar dari nilai
ekspektasinya, yaitu 39 > 26,66
4.2.3 Percobaan Independent
Jumlah pallet warna putih =40
Jumlah pallet warna hitam = 40
Jumlah pallet warna hijau = 20
N = 20
a. Frekuensi pengambilan pallet warna putih = 7 kali
b. Frekuensi pengambilan pallet warna hitam = 7 kali
c. Frekuensi pengambilan pallet warna hijau = 6 kali
d. Nilai ekspektasi pengambilan pallet warna putih, Ne(P) =
40/100.n = 40/100.20 = 8 kali
e. Nilai ekspektasi pengambilan pallet warna hitam, Ne(Ht) =
40/100.20 = 8 kali
f. Nilai ekspektasi pengambilan pallet warna hijau, Ne(Hj) =
20/100.20 = 4 kali
g. Persentase kemunculan pallet warna putih
Nilai Ekspektasi – Frek . Pengambilan

= x 100 %
20
8−7
= x 100 %=5 %
20
h. Persentase kemunculan pallet warna hitam

= x 100 %
20
8−7
= x 100 %=5 %
20
i. Persentase kemunculan pallet warna hijau

= x 100 %
20
4−6 6−4
¿ x 100 %= x 100 %=10 %
20 20
j. Perbandingan frekuensi kemunculan pallet warna putih lebih kecil
dari nilai ekspektasi pallet warna putih, yaitu 7 < 8, frekuensi
kemunculan pallet warna hitam lebih kecil dari nilai ekspektasi
pallet warna hitam, yaitu 7 < 8 dan frekuensi kemunculan pallet
warna hijau lebih besar dari nilai ekspektasi pallet warna hijau,
yaitu 6 > 4
N = 60
40/100.n = 40/100.60 = 24 kali
40/100.60 = 24 kali
20/100.60 = 12 kali
g. Persentase kemunculan pallet warna putih

= x 100 %
60
24−19
= x 100 %=8,33 %
60
h. Persentase kemunculan pallet warna hitam

= x 100 %
60
24−22
= x 100 %=3,33 %
60
i. Persentase kemunculan pallet warna hijau

= x 100 %
60
12−20 20−12
= x 100 %= x 100 %=13,33 %
60 60
j. Perbandingan frekuensi kemunculan pallet warna putih lebih
kecil dari pada nilai ekspektasi pallet warna putih, yaitu 19 < 24,
perbandingan frekuensi kemunculan pallet warna hitam lebih
kecil dari pada nilai ekspektasi pallet warna hitam, yaitu 22 < 24,
sedangkan perbandingan frekuensi kemunculan pallet warna
hijau lebih besar dari pada nilai ekspektasi pallet warna hijau,
yaitu 20 > 12.
N = 80
40/100.80 = 32 kali
40/100.80 = 32 kali
20/100.80 = 16 kali
g. Presentase kemunculan pallet warna putih

= x 100 %
80
32−30
= x 100 %=2,50 %
80
h. Presentase kemunculan pallet warna hitam

= x 100 %
80
32−27
= x 100 %=6,25 %
80
i. Presentase kemunculan pallet warna hijau

= x 100 %
80
16−23 23−16
= x 100 %= x 100 %=8,75 %
80 80
j. Perbandingan frekuensi kemunculan pallet warna putih lebih
kecil dari pada nilai ekspektasi pallet warna putih, yaitu 30 < 32,
perbandingan frekuensi kemunculan pallet warna hitam lebih
kecil dari pada nilai ekspektasi pallet warna hitam, yaitu 27 < 32
dan perbandingan frekuensi kemunculan pallet warna hijau lebih
besar dari pada nilai ekspektasi pallet warna hijau, yaitu 23 > 16.
4.2.4 Probabilitas Bersyarat
a. Untuk Palet Dengan Syarat Hitam
Jumlah pallet warna putih = 40
N = 20
a. Frekuensi kemunculan pallet baik (P/Ht) = 7 kali muncul
b. Frekuensi kemunculan pallet cacat (Ht/Ht) = 6 kali muncul
c. Frekuensi kemunculan pallet baik (Hj/Ht) = 7 kali muncul

d. Nilai ekspektasi pallet baik; Ne(P/Ht) = 40/99.20 = 8,08 kali
muncul
e. Nilai ekspektasi pallet cacat; Ne(Ht/Ht) = 39/99.20 = 7,87 kali
muncul
f. Nilai ekspektasi pallet baik; Ne(Hj/Ht) = 20/99.20 = 4,04 kali
muncul
g. Persentase kemunculan pallet baik (putih)

= x 100 %
20
8,08−7
= x 100 %=5,25 %
20
h. Persentase kemunculan pallet cacat (hitam)

= x 100 %
20
7,87−6
= x 100 %=9,35 %
20
i. Persentase kemunculan pallet baik (hijau)

= x 100 %
20
4,04−7 7−4,04
= x 100 %= x 100 %=14,8 %
20 20
j. Perbandingan antara frekuensi kemunculan pallet cacat
(putih) lebih kecil dibandingkan dengan nilai ekspektasi
pallet cacat (putih), yaitu 7 < 8,08, Perbandingan frekuensi
kemunculan pallet baik (hitam) lebih kecil dibandingkan nilai
ekspektasi pallet baik (hitam), yaitu 6 < 7,87, dan
Perbandingan antara frekuensi kemunculan pallet cacat
(hijau) lebih besar dibandingkan dengan nilai ekspektasi
pallet cacat (hijau), yaitu 7 > 4,04

N = 60
c. Frekuensi kemunculan pallet baik (P/Ht) = 18 kali muncul
muncul
e. Nilai ekspektasi pallet cacat; Ne(Ht/Ht) = 39/99.60 = 23,63
kali muncul
muncul

= x 100 %
60
24,24−21
= x 100 %=5,40 %
60

= x 100 %
60
23,63 – 21
= x 100 %=4,38 %
60

= x 100 %
60
12,12−18 18−12,12
= x 100 %= x 100 %=9,80 %
60 60

pallet cacat (hijau), yaitu 18 > 12,12.
N = 80
c. Frekuensi kemunculan pallet baik (Hj/Ht) = 29 kali muncul
muncul
e. Nilai ekspektasi pallet cacat; Ne(Ht/Ht) = 39/99.80 = 31,51
kali muncul
muncul

= x 100 %
80
32,32−26
= x 100 %=7,90 %
80

= x 100 %
80
31,51−25
= x 100 %=8,13 %
80

= x 100 %
80
16,16−29 29−16,16
= x 100 %= x 100 %=16,05 %
80 80
b. Untuk Palet Dengan Syarat Putih
N = 20
a. Frekuensi kemunculan pallet cacat(P/P) = 8 kali muncul
b. Frekuensi kemunculan pallet baik (Ht/P) = 6 kali muncul
c. Frekuensi kemunculan pallet baik (Hj/P) = 6 kali muncul
d. Nilai ekspetasi pallet cacat (P/P); Ne(P/P) = 39/99.20 = 5,85
kali muncul
e. Nilai ekspetasi pallet baik (Ht/P); Ne(Ht/P) = 40/99.20 = 6,06
kali muncul
f. Nilai ekspetasi pallet baik (Hj/P); Ne(Hj/P) = 20/99.20 = 4,04
kali muncul
g. Persentase kemunculan pallet cacat (putih)

= x 100 %
20
5,85−8 8−5,85
= x 100 %= x 100 %=10,75 %
20 20
h. Persentase kemunculan pallet baik (hitam)

= x 100 %
20
6,06−6
= x 100 %=0,30 %
20

= x 100 %
20
4,04−6 6 – 4,04
= x 100 %= x 100 %=9,80 %
20 20
j. Perbandingan antara frekuensi kemunculan pallet baik
(putih) lebih besar dibandingkan dengan nilai ekspetasi
pallet baik, yaitu 8 > 5,85, Perbandingan frekuensi
kemunculan pallet cacat (hitam) lebih kecil dibandingkan
nilai ekspetasi pallet cacat (hitam), yaitu 6 < 6,06, dan
Perbandingan frekuensi kemunculan pallet cacat (hijau)
lebih besar dibandingkan nilai ekspetasi pallet cacat (hijau),
yaitu 6 > 4,04.
N = 60
a. Frekuensi kemunculan pallet cacat (P/P) = 18 kali muncul
d. Nilai ekspektasi pallet cacat (P/P); Ne(P/P) = 39/99.60 =
23,63 kali muncul
e. Nilai ekspektasi pallet baik (Ht/P); Ne(Ht/P) = 40/99.60 =
24,24 kali muncul
f. Nilai ekspektasi pallet baik (Ht/P); Ne(Ht/P) = 20/99.60 =
12,12 kali muncul

g. Persentase kemunculan bola cacat (putih)

= x 100 %
60
23,63−18
= x 100 %=9,38 %
60

= x 100 %
60
24,24−19
= x 100 %=8,73 %
60

= x 100 %
60
12,12−23 23−12,12
= x 100 %= x 100 %=18,13 %
60 60
(putih) lebih kecil dibandingkan dengan nilai ekspektasinya,
yaitu 18 < 23,63, Perbandingan frekuensi kemunculan pallet
cacat (hitam) lebih kecil dibandingkan nilai ekspektasi pallet
cacat (hitam), yaitu 19 < 24,24 , dan Perbandingan frekuensi
kemunculan pallet cacat (hijau) lebih besar dibandingkan
nilai ekspektasi pallet cacat (hijau), yaitu 23 > 12,12
N = 80
a. Frekuensi kemunculan pallet cacat (P/P) = 23 kali muncul
d. Nilai ekspektasi pallet cacat (P/P); Ne(P/P) = 39/99.80 =
31,51 kali muncul

e. Nilai ekspektasi pallet baik (Ht/P); Ne(Ht/P) = 40/99.80 =
32,32 kali muncul
f. Nilai ekspektasi pallet baik (Ht/P); Ne(Hj/P) = 20/99.80 =
16,16 kali muncul
g. Persentase kemunculan pallet cacat (putih)

= x 100 %
100
31,51−23
= x 100 %=10,63 %
80

= x 100 %
100
32,32−26
= x 100 %=7,90 %
80

= x 100 %
100
16,16−31 31−16,16
= x 100 %= x 100 %=14,84 %
80 80
pallet baik (putih), yaitu 23 < 31,51, Perbandingan frekuensi
kemunculan pallet cacat (hitam) lebih kecil dibandingkan
nilai ekspektasi pallet cacat (hitam), yaitu 26 < 32,32,
Perbandingan frekuensi kemunculan pallet cacat (hijau) lebih
besar dibandingkan nilai ekspektasi pallet cacat (hijau), yaitu
31 > 16,16
c. Untuk Palet Dengan Syarat Hijau

N = 20
a. Frekuensi kemunculan pallet baik (P/Hj) = 5 kali muncul
b. Frekuensi kemunculan pallet baik (Ht/Hj) = 6 kali muncul
c. Frekuensi kemunculan pallet cacat (Hj/Hj) = 9 kali muncul
d. Nilai ekspektasi pallet baik; Ne(P/Hj) = 40/99.20 = 8,08 kali
muncul
e. Nilai ekspektasi pallet baik; Ne(Ht/Hj) = 40/99.20 = 8,08 kali
muncul
f. Nilai ekspektasi pallet cacat; Ne(Hj/Hj) = 19/99.20 = 3,83 kali
muncul

= x 100 %
20
8,08−5
= x 100 %=15,4 %
20

= x 100 %
20
8,08−6
= x 100 %=10,4 %
20
i. Persentase kemunculan pallet cacat (hijau)

= x 100 %
20
3,83−9 9−3,83
= x 100 %= x 100 %=25,85 %
20 20
j. Perbandingan antara frekuensi kemunculan pallet cacat (putih)
lebih kecil dibandingkan dengan nilai ekspektasi pallet cacat
(putih), yaitu 5 < 8,08, Perbandingan frekuensi kemunculan
pallet baik (hitam) lebih kecil dibandingkan nilai ekspektasi
pallet baik (hitam), yaitu 6 < 8,08, dan Perbandingan antara
frekuensi kemunculan pallet cacat (hijau) lebih besar
dibandingkan dengan nilai ekspektasi pallet cacat (hijau),
yaitu 9 > 3,83
N = 60
c. Frekuensi kemunculan pallet cacat (P/Hj) = 21 kali muncul
muncul
muncul
f. Nilai ekspektasi pallet cacat; Ne(Hj/Ht) = 19/99.60 = 11,51
kali muncul

= x 100 %
60
24,24−19
= x 100 %=8,73 %
60

= x 100 %
60
24,24−20
= x 100 %=7,06 %
60

= x 100 %
60
11,51−21 21−11,51
= x 100 %= x 100 %=15,81 %
60 60
N = 80
c. Frekuensi kemunculan pallet cacat (Hj/Hj) = 30 kali muncul
muncul
muncul
f. Nilai ekspektasi pallet cacat; Ne(Hj/Hj) = 19/99.80 = 15,35
kali muncul

= x 100 %
80
32,32−24
= x 100 %=10,40 %
80

= x 100 %
80
32,32−26
= x 100 %=7,90 %
80

= x 100 %
80
15,35−30 30−15,35
= x 100 %= x 100 %=18,31%
80 80
Kemungkinan muncul angka yang seharusnya berjumlah:
0=-
1=-
2 = 1 kali yaitu (1,1)
3 = 2 kali yaitu (2,1) (1,2)
4 = 3 kali yaitu (3,1) (1,3) (2,2)
5 = 4 kali yaitu (3,2) (2,3) (1,4) (4,1)

6 = 5 kali yaitu (3,3) (5,1) (1,5) (4,2) (2,4)
7 = 6 kali yaitu (3,4) (4,3) (5,2) (2,5) (6,1) (1,6)
8 = 5 kali yaitu (6,2) (2,6) (4,4) (5,3) (3,5)
9 = 4 kali yaitu (3,6) (6,3) (4,5) (5,4)
10 = 3 kali yaitu (4,6) (6,4) (5,5)
11 = 2 kali yaitu (5,6) (6,5)
12 = 1 kali yaitu (6,6)
Ruang Sampel
1 2 3 4 5 6
1 1,1 1,2 1,3 1,4 1,5 1,6
2 2,1 2,2 2,3 2,4 2,5 2,6
3 3,1 3,2 3,3 3,4 3,5 3,6
4 4,1 4,2 4,3 4,4 4,5 4,6
5 5,1 5,2 5,3 5,4 5,5 5,6
6 6,1 6,2 6,3 6,4 6,5 6,6
N = 20
Dik: N = 36
S = (2,3,4,5,6,7,8,11)
3 = 3 kali yaitu (1,2) (2,1) (2,1)
4 = 2 kali yaitu (2,2) (2,2)
6 = 3 kali yaitu (3,3) (3,3) (4,2)

7 = 4 kali yaitu (1,6) (4,3) (6,1) (6,1)
8 = 4 kali yaitu (2,6) (3,5) (3,5) (3,5)
11= 2 Kali yaitu (5,6) (6,5)
a. Frekuensi kemunculan angka 2 ; (1,1) = 1 kali muncul
1. Frekuensi kemunculan angka 2 yang sebenarnya = (1,1)
sebanyak 1 kali muncul, maka 2 x 1 = 2
2. Nilai ekspektasi = 1/36.20 = 0.55
3. Perbandingan frekuensi kemunculan angka 2 lebih besar dari
nilai ekspektasinya yaitu 1 > 0,55
4. Hasil pengamatan nilai ekspektasi = 1 – 0,55 = 0,45
0,45
5. Persentase = ×100 % = 2,25%
20
b. Frekuensi kemunculan angka 3 ; (1,2) (2,1) (2,1) = 3 kali
muncul
1. Frekuensi kemunculan angka 3 yang sebenarnya = (1,2) (1,2)
2. Nilai ekspektasi = 2/36.20 = 1,11
nilai ekspektasi yaitu 3 > 1,11
1,89
5. Persentase = ×100 % = 9,45%
20
c. Frekuensi kemunculan angka 4 ; (2,2) (2,2) = 2 kali muncul

(2,2) sebanyak 3 kali muncul, maka 4 x 3 = 12
3. Perbandingan frekuensi kemunculan angka 4 lebih kecil dari
nilai ekspektasi yaitu 2 < 1,66
4. Hasil pengamatan nilai ekspektasi = 2 −¿ 1,66 = 0,34
0,34
5. Persentase = × 100 % = 1,70%
20
d. Frekuensi kemunculan angka 5 ; (1,4) = 1 kali muncul
(2,3) (4,1), sebanyak 4 kali muncul, maka 5 x 4 = 20
4. Hasil pengamatan nilai ekspektasi = 2,22 – 1 = 1,22
1,22
5. Persentase = ×100 % = 6,10%
20
e. Frekuensi kemunculan angka 6 ; (3,3) (3,3) (4,2) = 3 kali
muncul
1. Frekuensi kemunculan angka 6 yang sebenarnya = (1,5) (51)
(2,4) (4,2) (3,3) sebanyak 5 kali muncul, maka 6 x 5 = 30
4. Hasil pengamatan nilai ekspektasi = 3 −¿2,77 = 0,23
0,23
5. Persentase = ×100 % = 1,15%
20
f. Frekuensi kemunculan angka 7 ; (1,6) (6,1) (6,1) (4,3) = 4 kali
muncul
(5,2) (2,5) (6,1) (1,6) sebanyak 6 kali muncul, maka 7 x 6 = 42
0,67
5. Persentase = × 100 % = 3,35%
20
g. Frekuensi kemunculan angka 8 ; (2,6) (3,5) (3,5) (3,5) = 4 kali
muncul
1,78
5. Persentase = ×100 % = 8,90%
20
h. Frekuensi kemunculan angka 11 ; (5,6) (6,5) = 2 kali muncul
3. Perbandingan frekuensi kemunculan angka 11 lebih besar
dari nilai ekspektasi yaitu 2 > 1,11

0,89
5. Persentase = ×100 % = 4,45%
20
N = 60
Dik: N = 36
S = (3,4,5,6,7,8,9,10,11,12)
3 = 3 kali muncul (1,2) (2,1) (2,1)
4 = 2 kali muncul (1,3 ) (3,1)
5 = 8 kali muncul (2,3) (3,2) (3,2) (3,2) (4,1) (4,1) (4,1) (4,1)
6 = 7 kali muncul (2,4) (4,2) (4,2) (1,5) (1,5) (2,4) (5,1)
7 = 5 kali muncul (1,6) (2,5) (4,3) (4,3) (5,2)
8 = 13 kali muncul (5,3) (5,3) (4,4) (2,6) (4,4) (2,6) (3,5) (5,3) (4,4)
(4,4) (3,5) (2,6) (4,4)
9 = 6 kali muncul (5,4) (4,5) (6,3) (6,3) (3,6) (6,3)
10 = 7 kali muncul (5,5) (6,4) (6,4) (5,5) (6,4) (4,6) (4,6)
11 = 6 kali muncul (6,5) (6,5) (6,5) (5,6) (6,5) (6,5) (4,6)
12 = 3 kali muncul (6,6) (6,6) (6,6)
a. Frekuensi kemunculan angka 3 ; (1,2) (2,1) (2,1) = 3 kali
muncul
0,33
5. Persentase = ×100 % = 0,55%
60
b. Frekuensi kemunculan angka 4 ; (1,3 ) (3,1) = 2 kali muncul

2. Nilai ekspektasi = 3/36.60 = 5
nilai ekspektasi yaitu 2 < 5
4. Hasil pengamatan nilai ekspektasi = 5 – 2 = 3
3
5. Persentase = ×100 % = 5%
60
c. Frekuensi kemunculan angka 5 ; (2,3) (3,2) (3,2) (3,2) (4,1)
(4,1) (4,1) (4,1) = 8 kali muncul
(3,2) (4,1) sebanyak 4 kali muncul, maka 5 x 4 = 20
7,34
5. Persentase = × 100 % = 12,23%
60
d. Frekuensi kemunculan angka 6 ; (2,4) (4,2) (4,2) (1,5) (1,5)
(2,4) (5,1) = 7 kali muncul

4. Hasil pengamatan nilai ekspektasi =8,33 – 6 = 2,33
2,33
5. Persentase = ×100 % = 3,88%
60
e. Frekuensi kemunculan angka 7 ; (1,6) (2,5) (4,3) (4,3) (5,2) =
5 kali muncul
nilai ekspektasi yaitu 5 < 10
5
5. Persentase = ×100 % = 8,33%
60
f. Frekuensi kemunculan angka 8 ; (5,3) (5,3) (4,4) (2,6) (4,4)
(2,6) (3,5) (5,3) (4,4) (4,4) (3,5) (2,6) (4,4) = 13 kali muncul
4,67
5. Persentase = ×100 % = 7,78%
60
g. Frekuensi kemunculan angka 9 ; (5,4) (4,5) (6,3) (6,3) (3,6)
(6,3) = 6 kali muncul

2,34
5. Persentase = × 100 % = 3,90%
60
h. Frekuensi kemunculan angka 10 ; (5,5) (6,4) (6,4) (5,5) (6,4)
(4,6) (4,6) = 7 kali muncul
dari nilai ekspektasi yaitu 7 > 5
2
5. Persentase = ×100 % = 3,33%
60
i. Frekuensi kemunculan angka 11 ; (6,5) (6,5) (6,5) (5,6) (6,5)
2,67
5. Persentase = × 100 % = 4,45%
60
j. Frekuensi kemunculan angka 12 ; (6,6) (6,6) (6,6) = 3 kali
muncul
1,34
5. Persentase = × 100 % = 2,23%
60
N = 80
Dik: N = 36
S = (3,4,5,6,7,8,9,10,11,12)
3 = 6 kali muncul (1,2) (2,1) (1,2) (2,1) (2,1) (1,2)
4 = 7 kali muncul (1,3) (1,3) (3,1) (3,1) (3,1) (1,3) (1,3)
5 = 7 kali muncul (2,3) (4,1) (4,1) (4,1) (4,1) (3,2) (3,2)
6 = 8 kali muncul (4,2) (4,2) (2,4) (1,5) (2,4) (5,1) (5,1) (5,1)
7 = 15 kali muncul (4,3) (1,6) (2,5) (4,3) (5,2) (5,2) (5,2) (4,3) (3,4)
(3,4) (1,6) (315) (5,2) (4,3) (5,2)
8 = 9 kali muncul (3,5) (5,3) (4,4) (2,6) (4,4) (3,5) (5,3) (4,4) (3,5)
9 = 12 kali muncul (5,4) (4,5) (6,3) (6,3) (3,6) (6,3) (5,4) (4,5) (6,3)
(6,3) (3,6) (6,3)
10 = 4 kali muncul (5,5) (6,4) (6,4) (4,6)
11 = 7 kali muncul (6,5) (6,5) (6,5) (5,6) (6,5) (6,5) (6,5)
12 = 5 kali muncul (6,6) (6,6) (6,6) (6,6) (6,6)
a. Frekuensi kemunculan angka 3 ; (1,2) (2,1) (1,2) (2,1) (2,1)
1. Frekuensi kemunculan angka 3 yang sebenarnya = (1,2), (2,1)

1,56
5. Persentase = ×100 % = 1,95%
80
b. Frekuensi kemunculan angka 4 ; (1,3) (1,3) (3,1) (3,1) (3,1)
(1,3) (1,3) = 7 kali muncul
0,34
5. Persentase = × 100 % = 0,42%
80
c. Frekuensi kemunculan angka 5 ; (2,3) (4,1) (4,1) (4,1) (4,1)
(3,2) (3,2) = 7 kali muncul
1,88
5. Persentase = ×100 % = 2,35%
80
d. Frekuensi kemunculan angka 6; (4,2) (4,2) (2,4) (1,5) (2,4)
(5,1) (5,1) (5,1) = 8 kali muncul

3,11
5. Persentase = ×100 % = 3,88%
80
e. Frekuensi kemunculan angka 7; (4,3) (1,6) (2,5) (4,3) (5,2)
(5,2) (5,2) (4,3) (3,4) (3,4) (1,6) (2,5) (5,2) (4,3) (5,2) = 15 kali
muncul
1,67
5. Persentase = ×100 % = 2,08%
80
f. Frekuensi kemunculan angka 8 ; (3,5) (5,3) (4,4) (2,6) (4,4)
(3,5) (5,3) (4,4) (3,5) = 9 kali muncul
ekspektasi yaitu 9 < 11,11

2,11
5. Persentase = ×100 % = 2,63%
80
g. Frekuensi kemunculan angka 9 ; (5,4) (4,5) (6,3) (6,3) (3,6)
(6,3) (5,4) (4,5) (6,3) (6,3) (3,6) (6,3) = 12 kali muncul
4. Hasil pengamatan nilai ekspektasi = 12 −¿ 8 = 4
4
5. Persentase = ×100 % = 5%
80
h. Frekuensi kemunculan angka 10 ; (5,5) (6,4) (6,4) (4,6) = 4 kali
muncul
4. Hasil pengamatan nilai ekspektasi = 6,66 −¿ 4 = 2,66
2,66
5. Persentase = ×100 % = 3,32%
80
i. Frekuensi kemunculan angka 11 ; (6,5) (6,5) (6,5) (5,6) (6,5)
(6,5) (6,5) = 7 kali muncul

2,56
5. Persentase = ×100 % = 3,20%
80
j. Frekuensi kemunculan angka 12 ; (6.6) (6,6) (6,6) (6,6) (6,6) =
5 kali muncul
2,78
5. Persentase = ×100 % = 3,47%
80
BAB V
ANALISA DAN PEMBAHASAN
5.1 Analisa
Dari hasil pengamatan dan percobaan yang telah kami lakukan. Maka
kami dapat memberikan Analisa sebagai berikut:
Tabel 5.1 Hasil Pengolahan Data Percobaan Apriori
N Frek Nilai Persentase Perbandingan
Kemuncula Ekspektasi Kemuncula Frekuensi

antara
kemunculan
n (kali) (kali) n
dan nilai
ekspektasi
2 BM 11 10 5% 11 > 10
0 G 9 10 5% 9 < 10
6 G 33 30 5% 40 > 30
0 AG 27 30 5% 27 < 30
8 G 40 40 0% 40 = 40
0 BM 40 40 0% 40 = 40
Sumber: Data Pengolahan (2022)
Tabel 5.2 Hasil Pengolahan Data Percobaan Frekuensi Relatif
Frek Nilai
Persentase
N Kemunculan Ekspektasi Perbandingan
Kemunculan
(kali) (kali)
+ 12 13,33 60% 12 < 13,33

20
- 8 6,66 40% 8 > 6,66
AK 33 40 55% 33 < 40
60
AG 27 20 45% 27 > 20
G 41 53,33 51% 41 < 53,33

80
AG 39 26,66 49% 39 > 26,66
Tabel 5.3 Hasil Pengolahan Data Percobaan Peristiwa Independent
N Frek Nilai Persentase Kemunculan Perbandingan

Kemunculan Ekspektasi
Palet (kali) (kali)
P HT HJ P HT HJ P HT HJ P HT HJ
20 7 7 6 8 8 4 5% 5% 10% 7<8 7<8 6>4
40 19 22 19 24 24 12 8,33% 3,33% 13,33% 19 < 24 22 < 24 20 > 12
80 30 27 23 32 32 16 2,50% 6,25% 8,75% 30 < 32 27 < 32 23 > 16
Tabel 5.4 Hasil Pengolahan Data Percobaan Probabilitas Bersyarat Hitam
Frek Kemunculan
N Nilai Ekspektasi (kali) Persentase Kemunculan Perbandingan
Palet (kali)
20 7 6 7 8,08 7,87 4,04 5,25% 9,35% 14,8% 7 < 8,08 6 < 7,78 7 > 4,04
60 21 21 18 24,24 23,63 12,12 5,40% 4,38% 9,80% 21 < 24,24 21 < 23,63 18 > 12,12
80 26 25 29 32,32 31,51 16,16 7,90% 8,13% 16,05% 26 < 32,32 25 < 31,51 29 > 16,16
Tabel 5.5 Hasil Pengolahan Data Percobaan Probabilitas Bersyarat Putih
Frek Kemunculan
Palet (kali)
20 8 6 6 5,85 6,06 4,04 10,75% 0,30% 9,80% 8 > 5,85 6 < 6,06 6 > 4,04
60 18 19 23 23,63 24,24 12,12 9,38% 8,73% 18,13% 18 < 23,63 19 < 24,24 23 > 12,12
80 23 26 31 31,51 32,32 16,16 10,63% 7,90% 14,84% 30<31,51 26 < 32,32 31 > 16,16
Tabel 5.6 Hasil Pengolahan Data Percobaan Probabilitas Bersyarat Hijau

Frek Kemunculan
Palet (kali)
20 5 6 9 8,08 8,08 3,83 15,4% 10,4% 25,85% 5 < 8,08 6 < 8,08 9 > 3,83
60 19 20 21 24,24 24,24 11,51 8,73% 7,06% 15,81% 19 > 24,24 20 < 24,24 21 > 11,51
80 24 26 30 32,32 32,32 15,35 10,40% 7,90% 18,31% 24 < 32,32 26 < 32,32 30 > 15,35
Tabel 5.7 Hasil Pengolahan Data Percobaan Mutually Exclusive
Jumlah Muncul dadu Nilai Nilai

N
angka dadu (kali) Ekspektasi Presentase
2 1 0,55 2,25%
3 3 1,11 9,45%
4 2 1,66 1,70%
5 1 2,22 6,10%
20
6 3 2,77 1,15%
7 4 3,33 3,35%
8 4 2,77 8,90%
11 2 1 4,45%
60 3 3 3,33 0,55%
4 2 5 5%
5 8 6,66 12,23%
6 7 8,33 3,88%
7 5 10 8,33%
8 13 8,33 7,78%
9 6 6,66 3,90%
10 7 5 3,33%
11 6 3,33 4,45%
12 3 1,66 2,23%
3 6 4,44 1,95%
4 7 6,66 0,42%
5 7 8,88 2,35%
6 8 11,11 3,88%
7 15 13,33 2,08%
80
8 9 11,11 2,63%
9 12 8,88 5%
10 4 6,66 3,32%
11 7 4,44 3,20%
12 5 2,22 3,47%
5.2 Pembahasan
1. Percobaan Apriori dan Frekuensi Relatif
a. Percobaan Apriori (seimbang = 1/2)
N = 20 untuk koin Rp. 500
1. Perbandingan antara frekuensi kemunculan sisi koin BM
dengan sisi koin G pada nilai ekspektasi Gambar, yaitu 11
:9
2. Perbandingan antara frekuensi kemunculan permukaan
sisi koin untuk BM lebih kecil dari nilai ekspektasinya,
yaitu 11 > 10
sisi koin untuk G lebih besar dari nilai ekspektasinya,
yaitu 9 < 10
1. Perbandingan antara frekuensi kemunculan sisi koin G
dengan sisi koin AG pada nilai ekspektasi Gambar, yaitu
33 : 27
yaitu 40 > 30
sisi koin untuk AG lebih kecil dari nilai ekspektasinya,
yaitu 27 < 30
1. Perbandingan antara frekuensi kemunculan sisi koin G
dengan sisi koin BM pada nilai ekspektasi Gambar, yaitu
40 : 40
yaitu 40 : 40
sisi koin untuk BM lebih kecil dari nilai ekspektasinya,
yaitu 40 : 40
b. Percobaan Relatif (tidak seimbang)
N = 20 untuk Kartu UNO
1. Perbandingan antara frekuensi kemunculan sisi (+)
dengan sisi (-) pada nilai ekspektasi Gambar, yaitu 12 : 8
sisi (+) lebih kecil dari nilai ekspektasinya, yaitu 12 <
13,33
sisi (-) lebih besar dari nilai ekspektasinya, yaitu 8 > 6,66
1. Perbandingan antara frekuensi kemunculan sisi AK
dengan sisi AG pada nilai ekspektasi Gambar, yaitu 33 :
27
sisi AK lebih kecil dari nilai ekspektasinya, yaitu 33 < 40
sisi A lebih besar dari nilai ekspektasinya, yaitu 27 ˃ 20
1. Perbandingan antara frekuensi kemunculan sisi G dengan
sisi AG pada nilai ekspektasi Gambar, yaitu 41 : 39
sisi G lebih kecil dari nilai ekspektasinya, yaitu 41 ˂ 53,33
sisi AG lebih besar dari nilai ekspektasinya, yaitu 39 >
26,66
2. Percobaan Independent (Bebas)
N = 20
1. Perbandingan frekuensi kemunculan palet putih sama dengan
frekuensi kemunculan palet hitam lebih besar dari frekuensi
kemunculan palet hijau 7 = 7 > 6
2. Perbandingan nilai ekspektasi kemunculan palet putih sama
dengan nilai ekspektasi kemunculan palet hitam lebih besar
dari nilai ekspektasi kemunculan palet hijau 8 = 8 > 4

3. Perbandingan frekuensi kemunculan palet putih lebih kecil
dari pada nilai ekspektasi palet putih, yaitu 7 < 8, frekuensi
kemunculan palet hitam lebih kecil dari pada nilai ekspektasi
palet hitam, yaitu 7 < 8, sedangkan frekuensi kemunculan
palet hijau lebih besar dari pada nilai ekspektasi palet hijau,
yaitu 6 > 4.
N = 60
dari frekuensi kemunculan palet hitam lebih besar dari
frekuensi kemunculan palet hijau 19 < 22 > 19
kemunculan palet hitam lebih besar dari pada nilai ekspektasi
yaitu 20 > 12.
N = 80
1. Perbandingan frekuensi kemunculan palet putih lebih besar
dari frekuensi kemunculan palet hitam lebih besar dari
frekuensi kemunculan palet hijau 30 > 27 > 23

kemunculan palet hitam lebih besar dari pada nilai ekspektasi
yaitu 23 > 16.
3. Probabilitas Bersyarat
a. Probabilitas Bersyarat Palet Warna Hitam
N = 20
1. Perbandingan probabilitas kemunculan palet putih
dengan syarat pengambilan pertama adalah palet hitam
lebih kecil dari pada nilai ekspektasi, yaitu 7 < 8,08
2. Perbandingan probabilitas kemunculan palet hitam
3. Perbandingan probabilitas kemunculan palet hijau dengan
syarat pengambilan pertama adalah palet hitam lebih
besar dari pada nilai ekspektasi, yaitu 7 > 4,04
N = 60
lebih besar dari pada nilai ekspektasi, yaitu 21 < 23,63

N = 80
b. Probabilitas Bersyarat Palet Warna Putih
N = 20
dengan syarat pengambilan pertama adalah palet putih
lebih besar dari pada nilai ekspektasi, yaitu 8 > 5,85
syarat pengambilan pertama adalah palet putih lebih
N = 60
syarat pengambilan pertama adalah palet putih lebih kecil
dari pada nilai ekspektasi, yaitu 23 > 12,12
N = 80
syarat pengambilan pertama adalah palet putih lebih
c. Probabilitas Bersyarat Palet Warna Hijau
N = 20
dengan syarat pengambilan pertama adalah palet hijau

syarat pengambilan pertama adalah palet hijau lebih
N = 60
N = 80
4. Probabilitas Mutually Exclusive

N = 20
1. Frekuensi munculnya angka 2 (1,1) = 1 kali muncul
a. Frekuensi yang seharusnya adalah 2
b. Nilai ekspektasi 0,55
c. Persentase = 2,25%
2. Frekuensi munculnya angka 3 (2,1) (2,1) (2,1) = 3 kali muncul
c. Persentase = 9,45 %
3. Frekuensi munculnya angka 4 (2,2) (2,2) = 2 kali muncul
4. Frekuensi munculnya angka 5 (1,4) = 1 kali muncul
5. Frekuensi munculnya angka 6 (3,3) (3,3) (4,2) = 3 kali muncul
c. Persentase 1,15%
6. Frekuensi munculnya angka 7 (1,6) (6,1) (1,6) (4,3) = 4 kali
muncul
c. Persentase 3,35%
7. Frekuensi munculnya angka 8 (2,6) (3,5) (3,5) (3,5) = 4 kali
muncul
b. Nilai Ekspektasi 2,77
c. Persentase 8,90%
c. Persentase 4,45%
N = 60
1. Frekuensi munculnya angka 3 (2,1), (2,1), (1,2) = 3 kali
muncul
b. Nilai ekspektasi 5
c. Persentase = 5%
3. Frekuensi munculnya angka 5 (4,1) (1,4) (3,2) (3,2) (4,1) (3,2),
(3,2) (2,3) = 8 kali muncul
4. Frekuensi munculnya angka 6 (4,2) (4,2), (4,2), (2,4) (4,2)
(1,5) (5,1) = 7 kali muncul

c. Persentase 3,88%
5. Frekuensi munculnya angka 7 (3,4) (4,3) (5,2) (6,1) (5,2) = 5
kali muncul
c. Persentase 5%
6. Frekuensi munculnya angka 8 (6,2), (6,2), (6,2), (4,4), (3,5),
(4,4) (6,2) (5,3) (3,5) (5,3) (4,4) (4,4) (4,4) = 13 kali muncul
c. Persentase 7,78%
7. Frekuensi munculnya angka 9 (6,3) (5,4) (6,3) (6,3) (4,5) (6,3)
= 6 kali muncul
c. Persentase 3,90%
8. Frekuensi munculnya angka 10 (4,6) (5,5) (5,5) (4,6) (6,4)
(6,4) (6,4 = 7 kali muncul
c. Persentase 3,33%
9. Frekuensi munculnya angka 11 (6,5) (5,6) (5,6) (6,5) (6,5)
c. Persentase 4,45%
10. Frekuensi munculnya angka 12 (6,6) (6,6) (6,6) = 3 kali
muncul
c. Persentase 2,23%
N = 80
(1,3), (2,2) = 7 kali muncul
(3,2), (1,4) = 7 kali muncul
(2,4) (4,2) (5,1) = 8 kali muncul
c. Persentase 3,88%
(4,3), (5,2), (3,4), (4,3), (3,4), (5,2), (2,5), (5,2),(2,5), (4,3) = 16
kali muncul
c. Persentase 2,08%
(6,2), (6,2), (4,4), (2,6) = 9 kali muncul
c. Persentase 2,63%
(6,3), (6,3) (4,5) (5,4) (6,3) (3,6) (6,3) = 12 kali muncul
c. Persentase 5%
8. Frekuensi munculnya angka 10 (6,4), (6,4) (4,6) (6,4) = 4 kali
muncul
c. Persentase 3,32%
9. Frekuensi munculnya angka 11 (6,5), (6,5) (5,6) (5,6) (6,5)
(6,5) (6,5) = 7 kali muncul
c. Persentase 3,20%
10. Frekuensi munculnya angka 12 (6,6) (6,6) (6,6) (6,6) (6,6) = 5
kali muncul
c. Persentase 3,47%
BAB VI
PENUTUP
6.1 Kesimpulan
Dari hasil pengamatan dan percobaan tentang probabilitas yang telah
dilakukan maka dapat disimpulkan bahwa:
1. Setelah melakukan praktikum kami dapat menerapkan definisi empiris
dan probabilitas munculnya suatu peristiwa.
2. Kami dapat mengetahui nilai probabilitas berdasarkan pendekatan
frekuensi relatif.
3. Kami dapat mengetahui peristiwa yang bersifat mutually exclusive.
4. Kami dapat untuk mengetahui probabilitas bersyarat.
6.2 Saran
1. Saran Untuk Laboratorium
Pemberian praktikum kepada praktikan sudah sangat baik dan terarah, tetapi
semoga kedepannya untuk memperbanyak alat seperti kancing dan lainnya
untuk mendukung praktikum sehingga tidak memakan waktu yang lama pada
saat praktikum.
2. Saran Untuk Asisten
Kinerja asisten sudah baik serta respon asisten terhadap praktikan sangat
ramah, semoga kedepannya saat pengarahan asisten dapat lebih detail
membahas materi dan merincikan (poin-poin) formula perhitungan yang akan
digunakan utamanya pada rumus yang dianggap cukup rumit agar praktikan
tidak bingung saat pengerjaan laporan dan pengiriman soal TP berharap agar
waktu pengiriman nya tidak terlalu larut malam.

Modul 2 Statis 18

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

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

Modul 2 Statis 18

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM

EVENT DAN PROBABILITAS

UMI SUGANDA 09120200017

BAYU MUHAMMAD FARHAN 09120200044

SAID AGIL HAS 09120200048

CINDY AMALIA AMIR 09120200082

LABORATORIUM STATISTIKA INDUSTRI

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS MUSLIM INDONESIA

1.1 Latar Belakang

Dalam kejadian sehari – hari, kita sering melakukan kegiatan atau

mungkin permainan yang berhubungan dengan peluang kemunculan atau

probabilitas dari sebuah kejadian. Dalam permainan ular tangga misalnya,

ketika dadu permainan dilemparkan, pelempar selalu mengharapkan

munculnya angka 6 pada dadu yang dilemparkannya. Tapi sadarkah kita

sebenarnya banyak kasus yang dapat terjawab, khususnya yang

berhubungan dengan penentuan probabilitas dari penarikan sampel yang

dilakukan secara random (acak). Simple random sampling adalah metode

terpilih atau terambil (JH. Lumbantoruan, 2019).

peristiwa – peristiwa yang sifatnya alami maupun yang dirancang oleh

manusia, seperti terjadinya hujan di hari-hari tertentu pada suatu bulan

tertentu, munculnya bintang berekor di langit, terjadinya badai, demikian pula

mahasiswa yang memperoleh nilai A, B, atau C dari suatu matakuliah,

merupakan peristiwaperistiwa yang tidak memiliki ketidakpastian. Terhadap

peristiwa – peristiwa tersebut, hanya mungkin dilakukan pendugaan –

pendugaan berdasarkan pada peristiwa – peristiwa yang sebelumnya (Iman

sebagainya, yang nantinya akan sangat membantu dalam kegiatan lain

seperti perancangan produk, pengendalian produksi, pengendalian

persediaan, pengambilan keputusan dan sebagainya (Nata Wirawan, 2016).

Untuk itulah, ilmu probabilitas sudah harus diterapkan dalam perkuliahan,

khususnya untuk jurusan Teknik dan Manajemen Industri. Pengertian teknik

sampling acak sederhana adalah suatu teknik pengambilan sampel elemen

secara acak, dimana setiap elemen anggota populasi memiliki kesempatan

yang sama untuk terpilih menjadi sampel (Nugraha Setiawan, 2005).

1.2 Tujuan Percobaan

1. Mahasiswa dapat menerapkan definisi empiris dan probabilitas

munculnya suatu peristiwa.

2. Mahasiswa dapat mengetahui nilai probabilitas berdasarkan pendekatan

3. Mahasiswa dapat mengetahui peristiwa yang bersifat mutually exclusive.

4. Mahasiswa dapat untuk mengetahui probabilitas bersyarat.

1.3 Alat dan Bahan

1. Koin (Rp.200, Rp.500, dan Rp.1000)

2. Palet berwarna hijau, putih, dan hitam

3. Dua buah dadu

1.4.1 Percobaan Apriori dan Frekuensi Relatif

1. Lemparkan uang logam yang permukaannya seimbang.

2. Catat permukaan yang muncul.

3. Ulangi langkah 1 – 2 untuk masing – masing sebanyak 20, 60 dan

4. Hitung frekuensi kemunculan masing – masing permukaan.

5. Bandingkan hasil tersebut dengan nilai ekspektasinya.

6. Hitung probabilitas kemunculan masing – masing permukaan.

8. Acak Kartu UNO

9. Ambil Kartu UNO

12. Hitung frekuensi kemunculan masing – masing permukaan

13. Bandingkan hasil tersebut dengan nilai ekspektasi

14. Hitung probabilitas kemunculan masing – masing permukaan

15. Buat kesimpulan

1.4.2 Percobaan Peristiwa Independent

2. Tekan tombol on pada alat lalu pilih statistik

5. Catat warna palet yang terambil (hijau, putih, dan hitam)

6. Ulangi langkah 1 – 2 masing – masing sebanyak 20, 60 dan 80