DAFTAR ISI

LEMBAR ASISTENSI
KATA PENGANTAR…………………………………………………………….i
DAFTAR ISI ...................................................................................................... ii
DAFTAR RUMUS ............................................................................................ iv
DAFTAR GAMBAR .......................................................................................... v
DAFTAR TABEL ............................................................................................. vi

BAB I PENDAHULUAN
1.1 Latar Belakang .......................................................................... 1
1.2 Rumusan Masalah ..................................................................... 2
1.3 Tujuan Masalah ......................................................................... 2
1.4 Batasan Masalah dan Asumsi .................................................... 2
1.4.1 Batasan Masalah ............................................................. 2
1.4.2 Asumsi ........................................................................... 3
1.5 Sistematika Penulisan................................................................. 3

BAB II LANDASAN TEORI

2.1 Pengertian Probabilitas............................................................... 5
2.2 Pendekatan Probabilitas ............................................................. 6
2.2.1 Pendekatan Klasik ......................................................... 6
2.2.2 Pendekatan Relatif ......................................................... 6
2.2.3 Pendekatan Subjektif ..................................................... 6
2.3 Probabilitas Beberapa Peristiwa ................................................. 7
2.4 Probabilitas Beberapa Peristiwa Dengan Pendekatan
Kombinasi ................................................................................. 9
2.5 Peristiwa Komplementer ............................................................ 9
2.6 Batas Nilai Probabilitas .............................................................. 9
2.7 Distibusi Probabilitas ............................................................... 10
2.8 Distribusi Probabilitas Binomial............................................... 10
2.9 Distribusi Hipergeometrik ........................................................ 11
2.10 Distribusi Poisson .................................................................... 12
2.11 Distribusi Normal .................................................................... 12

BAB III PENGUMPULAN DAN PENGOLAHAN DATA

3.1 Pengumpulan Data ................................................................... 14
3.1.1 Alat dan Bahan ............................................................. 14
3.1.2 Metode Pengumpulan Data........................................... 14
3.1.3 Prosedur Praktikum ...................................................... 14
3.2 Data Pengamatan ..................................................................... 15
3.2.1 Data Pengamatan Distribusi Binomal ........................... 15
3.2.2 Data Pengamatan Distribusi Poisson ........................... 16
3.2.3 Data Pengamatan Distribusi Normal ............................. 19
3.3 Pengolahan Data ...................................................................... 21

ii
 3.3.1 Pengolahan Data Distribusi Binomal ........................... 21
3.3.2 Pengolahan Data Distribusi Poisson ............................. 25
3.3.3 Pengolahan Data Distribusi Normal ............................. 31

BAB IV ANALISIS DAN EVALUASI

4.1 Analisis Data ........................................................................... 40
4.2 Evaluasi ................................................................................... 42

BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan .............................................................................. 44
5.2 Saran ....................................................................................... 46

DAFTAR ISI
LAMPIRAN

iii
 DAFTAR RUMUS

Persamaan Halaman
2.1 Pendekatan Klasik......................................................................... 6
2.2 Pendekatan Relatif ........................................................................ 6
2.3 Probabilitas Peristiwa Saling Lepas ............................................... 7
2.4 Probabilitas Peristiwa Tidak Saling Lepas ..................................... 7
2.5 Probabilitas Gabungan ................................................................. 8
2.6 Probabilitas Gabungan .................................................................. 8
2.7 Probabilitas Bersyarat ................................................................... 8
2.8 Probabilitas Bersyarat ................................................................... 8
2.9 Probabilitas Gabungan .................................................................. 9
2.10 Probabilitas Gabungan .................................................................. 9
2.11 Probabilitas Marginal .................................................................... 9
2.12 Probabilitas Beberapa Peristiwa Dengan Pendekatan Kombinasi ... 9
2.13 Probabilitas Peristiwa Komplementer............................................ 9
2.14 Probabilitas Peristiwa Komplementer............................................ 9
2.15 Distribusi Probabilitas Binom ....................................................... 11
2.16 Distribusi poisson ......................................................................... 12
2.17 Distribusi Normal ......................................................................... 13

iv
 DAFTAR GAMBAR

Tabel Halaman
2.1 Grafik Distribusi Probabilitas ............................................................... 10
2.2 Kurva Distribusi Normal………………………………………..............13
3.1 Grafik Distribusi Binomial Fr Terhadap Xi.......................................... 25
3.2 Grafik Distribusi Binomial P Terhadap Xi ........................................... 25
3.3 Grafik Distribusi Poisson Fr Terhadap Xi ............................................. 31
3.4 Grafik Distribusi Poisson P Terhadap Xi .............................................. 31
3.5 Grafik Distribusi Frekuensi (Histogram) Dari Nilai Agama 100 Siswa
SMK 7 Lhokseumawe. ......................................................................... 36
3.6 Grafik Distribusi Frekuensi (Polygon) Dari Nilai Agama 100 Siswa
SMK 7 Lhokseumawe…….…………………………………………………..36

v
 DAFTAR TABEL

Tabel Halaman
3.1 Data Pengamatan Distribusi Binominal ................................................ 15
3.2 Data Pengamatan Disribusi Poisson .................................................... 16
3.3 Data Pengamatan Distribusi Normal ..................................................... 19
3.4 Data Pengamatan Distribusi Binominal ................................................ 21
3.5 Distribusi Frekuensi Binomal ............................................................... 24
3.6 Data Pengamatan Distribusi Poisson .................................................... 25
3.7 Distribusi Frekuensi Poisson ................................................................ 30
3.8 Data Pengamatan Nilai Agama 100 Siswa/i SMK 3 Lhokseumawe..….31
3.9 Distribusi Frekuensi Nilai Agama 100 Siswa/i SMK 3 Lhokseumawe .. 35
3.10 Nilai Frekuensi Relatif ......................................................................... 35
3.11 Nilai Frekuensi Kumulatif Kurang Dari dan Lebih Dari ....................... 36
3.12 Perhitungan Distribusi Normal ............................................................. 38
3.13 Probabilitas Distribusi Normal ............................................................. 39

vi
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Probabilitas atau peluang 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 akan
terjadi (Campbell, 2012).
Lahirnya berbagai teori peluang yang dilandasi dari kesenangan ini telah
banyak mempengaruhi perkembangan ilmu statistika itu sendiri. Seseorang
tidaklah mungkin untuk memahami statistika secara sempurna tanpa memahami
apa arti peluang itu sendiri. Oleh karena itu dapatlah dikatakan bahwa teori
peluang adalah fondasi dari statistika.
Kadang kita dalam hidup ini perlu yakin adanya kemungkinan-
kemungkinan yang akan terjadi dikemudian hari ketika kita melakukan suatu
kegiatan. Hal ini diperlukan untuk menjadikan perhatian dan pertimbangan dalam
kita melangkah yang kita ambil dari kejadian-kejadian sebelumnya.
Probabilitas atau Peluang adalah suatu ukuran tentang kemungkinan suatu
peristiwa (event) akan terjadi di masa mendatang. Probabilitas dapat juga
diartikan sebagai harga angka yang menunjukkan seberapa besar kemungkinan
suatu peristiwa terjadi, diantara keseluruhan peristiwa yang mungkin terjadi
Probabilitas dilambangkan dengan P (Soedibjo, 2010).
Pada praktikum modul II ini kegiatan yang dilakukan mengamati
distrubusi binominal yaitu dengan mengambil kacing baju secara acak sebanyak
40 sampel dengan hitam (produk cacat) dan putih (produk bagus) dan Praktikum
yang dilakukan yaitu mengamati probabilitas motor Vario yang melintas di Jl.
Medan-Banda Aceh, Simpang Meunasah Tambon Baroh, Kecamatan Dewantara,
Kabupaten Aceh Utara. Dengan waktu pengamatan selama 08:00-16:20 WIB dan
jumlah sampel sebanyak 60 dengan jumlah pengamatan tiap lima menit,

1
 2

praktikum yang dilakukan untuk mengamati distribusi normal yaitu dengan

mengumpulkan data Nilai Agama Siswa/i SMK 7 Lhokseumawe sebanyak 100
sampel.

1.2 Rumusan Masalah

Adapun rumusan masalah dalam Praktikum Probabilitas Modul II ini adalah
sebagai berikut:
1. Apa yang dimaksud dengan probabilitas?
2. Bagaimana cara menjelaskan arti peristiwa atau kejadian ?
3. Bagaimana cara mengetahui fungsi dan metode perhitungan probabilitas ?
4. Bagaimana cara membuat grafik dari distribusi probabilitas ?
5. Bagaimana cara menghitung data poisson?

1.3 Tujuan Masalah

Adapun tujuan yang ingin dicapai pada praktikum modul II ini adalah:
1. Untuk mengetahui apa yang dimaksud dengan probabilitas.
2. Untuk mengetahui cara menjelaskan arti peristiwa atau kejadian.
3. Untuk mengetahui fungsi dan metode perhitungan probabilitas
4. Untuk Mengetahui cara membuat grafik dari distribusi probabilitas.
5. Untuk Mengetahui cara menghitung data poisson.

1.4 Batasan Masalah dan Asumsi

1.4.1 Batasan Masalah
Adapun yang menjadi batasan masalah pada pengamatan dalam modul II
iniadalah sebagai berikut:
1. Objek yang diamati untuk data distribusi binomial adalah kancing baju,
duntuk data distribusi poisson adalah Motor Vario dan untuk data
distribusi normal adalah nilai agama siswa/i SMK 7 Lhokseumawe .
2. Untuk data pengamatan data distribusi poison dimulai dari jam 08:00 –
16:20 WIB.
3. Jumlah data untuk distribusi binominal sebanyak 40 sampel, untuk
distribusi poisson sebanyak 60 sampel dan untuk distribusi normal
sebanyak 100 sampel.
 3

1.4.2 Asumsi
Adapun asumsi yang ada pada modul ini adalah sebagai berikut:
1. Praktikan yang mengumpulkan data dalam kondisi sehat secara jasmani
maupun rohani.
2. Pengambilan data distribusi poisson dilakukan dengan menghitung
langsung jumlah Honda Vario yang lewat di Jl. Medan-Banda Aceh,
Simpang Meunasah Tambon Baroh, Kecamatan Dewantara, Kabupaten
Aceh Utara.
3. Semua data pengamatan diambil dianggap data real.

1.5 Sistematika Penulisan

Adapun untuk memudahkan pemahaman dan pembahasan tentang isi
laporan praktikum ini, maka penulisan bagi kedalam 5 bab yang masing-masing
bab memiliki beberapa sub bab yaitu sebagai berikut:
BAB I PENDAHULUAN
Bab ini berisikan penguraian tentang latar belakang masalah, rumusan
masalah, tujuan masalah, batasan masalah dan asumsi, serta sistematika
penulisan.
BAB II LANDASAN TEORI
Bab ini berisikan tentang probabilitas, pendekatan probabilitas,
probabilitas beberapa peristiwa, probabilitas beberapa peristiwa dengan
pedekatan kombinasi, peristiwa komplementer, batas nilai probabilitas,
distribusi binominal, distribusi hipergeometrik, distribusi poisson dan
distribusi normal.
BAB III PENGUMPULAN DAN PENGOLAHAN DATA
Pada bab ini berisikan data-data hasil penelitian yang berhubungan dengan
masalah yang dibahas dan pengolahan data yang berkaitan dengan teori
yang ada, serta analisis dari pengolahan data tepatnya distribusi binominal,
distribusi poisson dan distribusi normal.
BAB IV ANALISIS DATA DAN EVALUASI DATA
Bab ini berisikan tentang penguraian analisis data dan evaluasi berdasarkan
hasil pengumpulan dan pengolahan data.
 4

BAB V KESIMPULAN DAN SARAN

Bab ini berisikan tentang kesimpulan dan saran yang memuat perbaikan
pada praktikum yang baik.
 BAB II
LANDASAN TEORI

2.1 Pengertian Probabilitas

Peluang atau dikenal juga sebagai probabilitas adalah cara untuk
mengungkapkan pengetahuan atau kepercayaan bahwa suatu kejadian akan
berlaku atau telah terjadi. Konsep ini telah dirumuskan dengan lebih ketat dalam
matematika, dan kemudian digunakan secara lebih luas dalam tidak hanya dalam
matematika atau statistika, tetapi juga keuangan, sains dan filsafat.
Teori probabilitas dari ruang sampel berhingga direpresentasikan dalam
sebuah bilangan riil yang disebut pembobot atau probabilitas, dengan nilai antara
nol sampai dengan satu, yang memungkinkan untuk menghitung nilai probabilitas
terjadinya suatu kejadian. Jika suatu kejadian memiliki kemungkinan terjadi yang
besar, maka nilai probabilitas dari kejadian tersebut mendekati satu. Di sisi lain,
nilai probabilitas yang mendekati nol diberikan apabila suatu kejadian memiliki
kemungkinan terjadi sangat kecil atau hampir tidak mungkin terjadi (Nar
Herryanto, H.M.Akib Hamid, 2008)
Probabilitas suatu kejadian A terjadi dilambangkan dengan notasi P(A),
p(A), atau Pr(A). Sebaliknya, probabilitas (bukan A) atau komplemen A, atau
probabilitas suatu kejadian A tidak akan terjadi, adalah 1-P(A).
Dalam mempelajari probabilitas, ada 4 hal yang perlu diketahui yaitu apa
yang disebut dengan percobaan, ruang sampel, titik sampel dan peristiwa. Istilah-
istilah ini dalam statistik mempunyai arti yang spesifik, yaitu:
1. Percobaan adalah proses pelaksanaan pengukuran.
2. Ruang sampel adalah himpunan semua hasil yang mungkin pada
suatu peristiwa.
3. Titik Sampel adalah setiap anggota dari ruang sampel.
4. Peristiwa atau kejadian adalah himpunan bagian dari ruang sampel
pada suatu percobaan atau hasil dari percobaan.
Sebagai contoh, dua buah mata uang setimbang dilemparkan ke atas,
tentukan percobaan, ruang sampel, titik sampel, dan peristiwa yang mungkin.
Dalam hal ini dapat kita tentukan:

5
 6

Percobaan = Pelemparan 2 mata uang logam

Ruang sampel = { A, G}, {A, A}, {G, A}, {G, G}
Titik sampel = G (gambar) dan A (angka)
Peristiwa = A dengan A, A dengan G dan G dengan G.

2.2 Pendekatan Probabilitas

Untuk menghitung probabilitas ada tiga pendekatan yang bisa digunakan
yaitu, pendekatan klasik, frekuensi relatif dan subjektif (Meilia Nur, I. S. 2010).
2.2.1 Pendekatan Klasik
Menurut pendekatan secara klasik, probabilitas merupakan hasil bagi dari
banyaknya peristiwan yang dimaksud dengan seluruh peristiwa yang mungkin.
Dalam bentuk rumus dapat ditulis sebagai berikut:
x
P(A) = n ……………..………………………...………………………Pers (2.1)

Dimana:
P(A) = Peluang kejadian A
X = Peristiwa yang dimaksud
n = Banyaknya Kejadian

2.2.2 Pendekatan Relatif

Berdasarkan pendekatan secara frekuensi relatif, probabilitas adalah limit
dari frekuensi relatif peristiwa tersebut dalam percobaan yang berulang-ulang
yang sifatnya tidak berhingga, yang rumusnya sebagai berikut :
𝑓𝑖
P(Xi) = lim𝑛→∞ .……..…………...…………………….…Pers (2.2)
𝑛
Dimana:
P(Xi) = Probabilitas peristiwa i
fi = Frekuensi peristiwa i
n = Banyaknya peristiwa yang bersangkutan

2.2.3 Pendekatan Subjektif

Yang dimaksud dengan pendekatan subjektif adalah menentukan besarnya
probabilitas suatu peristiwa didasarkan pada penilaian pribadi dan dinyatakan
dalam derajat kepercayaan.
 7

Contoh Soal:
Seorang siswa memegang kartu remi yang berjumlah 52 buah dan
meminta temannya untuk mengambil sebuah kartu secara acak. berapakah
probabilitas terambilnya kartu hati tersebut?
Jawab:
Jumlah kemungkinan hasil = 13
Jumlah total kemungkinan hasil = 52
Probabilitas kejadian = 13/52 = 1/4

2.3 Probabilitas Beberapa Peristiwa

Adapun probabilitas beberapa kejadian adalah sebagai berikut:
1. Peristiwa saling lepas (mutually exclusive)
Dua peristiwa atau lebih disebut peristiwa saling lepas jika kedua atau
lebih peristiwa itu tidak dapat terjadi pada saat yang bersamaan,
disebut juga peristiwa saling asing. Jika peristiwa A dan B saling
lepas, probabilitas terjadi peritiwa tersebut adalah :
𝑃 (𝐴 𝑎𝑡𝑎𝑢 𝐵) = 𝑃 (𝐴) + 𝑃 (𝐵) 𝑎𝑡𝑎𝑢 𝑃 (𝐴 ⋃ 𝐵) + (𝐵)……..…Pers (2.3)
2. Peristiwa tidak saling lepas (none cluxive)
Dua peristiwa atau lebih disebut peristiwa tidak saling lepas apabila
kedua peristiwa atau lebih tersebut dapat terjadi pada saat yang
bersamaan. Peristiwa tidak saling disebut juga peristiwa bersama. Jika
dua peristiwa A dan B tidak saling lepas, probabilitas terjadinya
peristiwa tersebut adalah:
(𝐴 𝑎𝑡𝑎𝑢 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 𝑑𝑎𝑛 B).………………..…Pers (2.4)
3. Peristiwa saling bebas (peristiwa independent)
Dua peristiwa atau lebih disebut peristiwa saling bebas terjadinya
peristiwa yang satu tidak mempengaruhui terjadinya peristiwa yang
lain. Probabilitas peristiwa saling bebas dapat dibedakan atas tiga
macam, yaitu:
a. Probabilitas marginal
Probabilitas marginal peristiwa saling bebas adalah probabilitas
terjadinya suatu peristiwa yang tidak memilki hubungan dengan
terjadinya peristiwa lain
 8

b. Probabilitas gabungan
Probabilitas gabungan peristiwa saling bebas adalah probabilitas
terjadinya dua peristiwa atau lebih secara berurutan dan peristiwa-
peristiwa tersebut tidak saling mempengaruhui. Jika peristiwa A
dan B gabungan, probabilitas terjadinya tersebut adalah :
P(𝐴 𝑑𝑎𝑛 𝐵) = 𝑃 (𝐴 ⋂ B) = 𝑃(𝐴) × 𝑃 (𝐵) ..….....….......….Pers (2.5)
Jika peristiwa A, B, dan C gabung, probabilitas terjadinya
peristiwa tersebut adalah :
P(𝐴⋂𝐵⋂𝐶) = 𝑃(𝐴) × 𝑃(𝐵) × 𝑃(𝐶)………….………….….Pers (2.6)
c. Probabilitas bersyarat peristiwa saling bebas
Probabilitas bersyarat peristiwa saling bebas adalah probabilitas
terjadinya suatu peristiwa dengan syarat peristiwa lain harus
terjadi. Peristiwa-peristiwa itu tidak saling mempengaruhui. Jika
peristiwa B bersyarat terhadap A, probabilitas tersebut adalah
sebagai berikut:
P(B/A) = P (B)………..……….…………………….……Pers (2.7)
d. Peristiwa tidak saling bebas (peristiwa dependen)
Dua peristiwa atau lebih disebut peristiwa tidak saling bebas
apabila peristiwa yang satu dipengaruhui atau bergantung pada
peristiwa lainnya. Probabilitas peristiwa tidak saling bebas dapat
pula dibedakan atas tiga macam, yaitu probailitas bersyarat.
Gabungan, dan marginal.
e. Probabilitas bersyarat tidak saling bebas
Probabilitas bersyarat peristiwa tidak saling bebas adalah
probailitas terjadinya suatu peristiwa dengan syarat peristiwa lain
harus terjadi dan peristiwa-peristiwa tersebut saling
mempengaruhui. Jika peristiwa B bersyarat terhadap A,
probabilitas terjadinya peristiwa adalah
𝑃(A)
P (B/A) = ………………….………...………..……..Pers (2.8)
𝑃(𝐴)

f. Probabilitas gabungan
Probabilitas gabungan peristiwa tidak saling bebas adalah
probabilitas terjadinya dua atau lebih peristiwa secara berurutan
 9

(bersamaan) dan peristiwa-peristiwa itu saling mempengaruhi.

Jika dua peristiwa A dan B gabungan, probabilitas terjadinya
peristiwa tersebut adalah:
P(A dan B) = P(A  B) = p(A) x p(B/A)……....................Pers (2.9)
Jika tiga buah peristiwa A, B, dan C gabungan, probabilitas
terjadinya peristiwa tersebut adalah:
P(A  B  C =P(A) x P (B/A) x P (C/ A  B)...…….....Pers (2.10)
g. Probabilitas marginal
Terjadinya suatu peristiwa yang tidak memiliki hubungan dengan
terjadinya peristiwa lain dan peristiwa tersebut saling
mempengaruhi. Jika dua peristiwa A adalah marginal, probabilitas
terjadinya peristiwa A tersebut adalah:
B
P(A) = ∑p(B ∩ A) = ∑p(Ai ) × p ( ), i = 1,2,3 ...…...Pers (2.11)
Ai

2.4 Probabilitas Beberapa Peristiwa Dengan Pendekatan Kombinasi

Mencari probabalitas satu atau beberapa peristiwa dapat dilakukan dengan
menggunakan pendekatan kombinasi.
Rumus kombinasi :
n!
Crn = r ≤ n ………………..……...………………...………Pers (2.12)
r!(n-r)!

2.5 Peristiwa Komplementer

Komplementer adalah peristiwa dua gen dominan saling memengaruhi
atau melengkapi dalam mengekspresikan suatu sifat. Dua peristiwa disebut
peristiwa komplementer apabila peristiwa yang satu melengkapi peristiwa lainnya
atau peristiwa yang saling melengkapi jika peristiwa A dan B adalah peristiwa
komplementer, probabilitas terjadinya peristiwa itu sendiri adalah:
P(A) + p(B) = 1 ....................................................................... ..Pers(2.13)
Atau
P(A) = 1 – p(B) atau p(B) = 1 – P(A) ....................................... .Pers (2.14)

2.6 Batas Nilai Probabilitas

Probabilitas adalah suatu nilai yang digunakan untuk menentukan tingkat
suatu kejadian yang bersifat random. Oleh karena probabilitas merupakan suatu
 10

indeks atau nilai, maka probabilitas memiliki batas mulai dari 0 sampai dengan
1(0< Pr < 1). Batas probabilitas adalah sebagai berikut:
• Jika Pr = 0, di sebut probabilitas kemustahilan, maksudnya suatu
peristiwa atau kejadian yang mustahil terjadi. Misal, manusia tidak akan
mati, ini mustahil terjadi, maka nilai probabilitas = ( Pr = 0)
• Jika Pr = 1, disebut probabilitas kepastian, maksudnya suatu peristiwa
atau kejadian yang pasti terjadi, Misal, setiap makhluk akan mati, ini
pasti terjadi, maka nilai probabilitasnya = 1( Pr = 1)
• Jika (0< Pr < 1),disebut probababilitas kemungkinan, maksudnya suatu
peristiwa atau kejadian yang dapat atau tidak dapat atau tidak dapat
terjadi. Misal, setiap mahasiswa akan lulus pada waktu yang ditetapkan,
maka nila probabilitasnya (0< Pr< 1)

2.7 Distibusi Probabilitas

Distribusi Peluang merupakan model matematik yang menghubungkan
semua nilai variabel random dengan peluang terjadinya nilai tersebut dalam ruang
sampel. Distribusi peluang dapat direpresentasikan dalam bentuk fungsi, tabel,
atau grafik.
Distribusi peluang dapat dianggap sebagai frekuensi relatif jangka
panjang. Variabel random X adalah fungsi dari S ruang sampel ke bilangan real
R, ditulis : X : S –> R. Misalnya untuk menjawab persoalan pilihan dua kali
terhadap pilihan Benar (B) atau Salah (S), ditulis ruang sampel S = {SS, SB, BS,
BB}. Jika X merupakan Variabel Random banyaknya jawaban benar, maka X =
{0,1,2}. Secara Grafik dapat digambarkan sebagai berikut :

Gambar 2.1 Grafik Distribusi Probabilitas

2.8 Distribusi Probabilitas Binomial

Dalam teori probabilitas dan statistika, distribusi binomial adalah
distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak
 11

(berhasil/gagal) yang saling bebas, dimana setiap hasil percobaan memiliki

probabilitas p. Eksperimen berhasil/gagal juga disebut percobaan bernoulli.
Ketika n = 1, distribusi binomial adalah distribusi bernoulli. Distribusi binomial
merupakan dasar dari uji binomial dalam uji signifikansi statistik.
Distribusi ini sering kali digunakan untuk memodelkan jumlah
keberhasilan pada jumlah sampel n dari jumlah populasi N. Apabila sampel tidak
saling bebas (yakni pengambilan sampel tanpa pengembalian), distribusi yang
dihasilkan adalah distribusi hipergeometrik, bukan binomial. Semakin besar N
daripada n, distribusi binomial merupakan pendekatan yang baik dan banyak
digunakan.

Rumus Distribusi Binomial

b(x;n,p) = nCx px qn-x dimana x = 0,1,2,3,…,n………….……..Pers (2.15)

Keterangan:
n = banyaknya ulangan
x = banyaknya keberhasilan dalam peubah acak x
p = peluang berhasil dalam setiap ulangan
q = peluang gagal, dimana q = 1-p dalam setiap ulangan

2.9 Distribusi Hipergeometrik

Distribusi hipergeometrik adalah distribusi probabilitas diskrit dari
sekelompok objek atau populasi yang dipilih tanpa pengembalian. Distribusi
hipergeometrik memiliki kedua sifat berikut: 1. Sampel acak ukuran n diambil
tanpa pengembalian dari N benda 2. Sebanyak k benda dapat diberi nama sukses
sedangkan sisanya, N – k, diberi nama gagal.
Rumus distribusi hipergeometrik Secara umum, distribusi hipergeometrik
dirumuskan: Keterangan: N = ukuran populasi n = ukuran sampel k = banyaknya
unsur yang sama pada populasi x = banyaknya peristiwa sukses 𝑃 𝑋 = 𝑥 = h 𝑥; 𝑁,
n, k = C x k C n−x 𝑁−k k C n N.
Distribusi hipergeometrik dapat diperluas, seperti berikut ini. Jika dari
populasi yang berukuran N terdapat unsur-unsur yang sama, yaitu k1, k2, k3,… ,k
n dan dalam sampel berukuran n terdapat unsur- unsur yang sama pula, yaitu 𝑥1,
x2, x3, … , x n dengan k1 + k2 + k3 + … + k n = 𝑁 dan x1 + x2 + x3 + … + x n =
 12

n , distribusi hipergeometrik dirumuskan: 𝑃 X = x1, x2, … , x n = C x1 k1 C x2

k2 . . . C x n k n C n N.

2.10 Distribusi Poisson

Distribusi poisson adalah kasus khusus dari distribusi binomial, dimana
distribusi binomial akan menjadi distribusi poisson ketika n mendekati tak hingga
(∞) dan p mendekati nol (0). Adapun rumus dari distribusi poisson adalah sebagai
berikut:
λ𝑥 −𝑒 −λ
P(X) = …………….………………..………..……..…….Pers (2.16)
𝑥!

Keterangan:
x = 1,2,⋯
λ = rata-rata

e = logaritma natural (2,718281828459).

Ciri-ciri distribusi poisson:

• variabel yang digunakan adalah variabel diskret,
• percobaan bersifat random/acak,
• percobaan bersifat independen,
• biasanya digunakan pada dimana n > 50n>50 dan p <0\text{,}1.p<0,1.

2.11 Distribusi Normal

Distribusi normal baku adalah distribusi normal yang memiliki rata-rata
nol dan simpangan baku satu. Distribusi normal baku (standar) adalah distribusi
peubah acak dengan rata-rata μ=0 dan varian σ². Peubah acak (variabel random)
distribusi normal baku dinotasikan dengan Z y baku dinotasikan dengan Z yang
merupakan hasil tra ang merupakan hasil transformasi dari peubah acak X
transformasi dari peubah acak X yang berdistribusi normal. Distribusi normal
standard (baku) adalah distribusi normal yang memiliki sifat khusus, yaitu
distribusi dengan : rata-rata (μ) = nol (0) dan simpangan baku (σ) = satu (1).
Distribusi normal standard (baku) muncul sebagai solusi dari adanya
masalah dalam penyusunan tabel distribusi normal. Sebaran normal baku
merupakan sebaran peubah acak normal dengan nilai tengah nol dan simpangan
bakunya 1. Distribusi normal baku adalah distribusi normal yang memiliki
 13

ratarata nol dan rata nol dan simpangan baku simpangan baku satu. Distribusi ini
juga dijuluki satu. Distribusi ini juga dijuluki kurva lonceng (bell curve) karena
grafik fungsi kepekatan probabilitasnya mirip dengan bentuk mirip dengan
bentuk lonceng.
Kurva distribusi normal yang lebih banyak digunakan adalah distribusi
normal baku. Kurva distribusi normal distribusi normal baku diperoleh diperoleh
dari distribusi dari distribusi normal umum dengan cara transformasi nilai x
menjadi nilai z dengan Formula sebagai berikut:

𝑥−μ
Z= ……………………………....…………….………….…Pres (2.17)
𝜎

Keterangan :
Z = Distribusi Normal
X = Nilai dari data
μ = Rata – rata
σ = Standar deviasi ( Simpangan Baku )

Kurva distribusi normal baku disajikan pada Gambar 2.2 berikut ini :

Gambar 2.2 Kurva Distribus Normal

 BAB III
PENGUMPULAN DAN PENGOLAHAN DATA

3.1 Pengumpulan Data

3.1.1 Alat dan Bahan
Adapun alat dan bahan yang digunakan pada praktikum ini adalah:
1 Sepeda Motor Vario
2. Alat tulis
3. Formulir tabel percobaan
4. Tabel waktu pengamatan bilangan random
5. Kancing Baju

3.1.2 Metode Pengumpulan Data

Pengumpulan data yang dilakukan pada praktikum probabilitas ini adalah
dengan melakukan percobaan. Percobaan yang dilakukan adalah menghitung
jumlah sepeda motor honda di jalan raya serta melakukan pengamatan secara
langsung terhadap sampel yang ditentukan.

3.1.3 Prosedur Praktikum

Prosedur dalam pelaksanaan praktikum ini adalah sebgai berikut:
1. Alat dan Bahan
a. Sepeda Motor Vario
b. Alat tulis dan form pengisian data
2. Tahapan Pelaksanaan Praktikum
a. Hitung jumlah sepeda motor Vario di jalan raya sesuai dengan waktu
yang telah di tentukan
b. Mencatat semua kemungkinan peristiwa yang muncul
c. Menghitung jumlah dari kemungkinan
d. Membuat tabel frekuensi dari percobaan banyaknya jumlah sepeda
motor Vario di jalan raya
e. Membuat tabel distribusi probabilitas banyaknya jumlah sepeda motor
Vario di jalan raya
f. Membuat grafik distribusi probabilitas banyaknya jumlah sepeda
motor Vario di jalan raya
14
 15

3.2 Data Pengamatan

3.2.1 Data Pengamatan Distribusi Binomal
Adapun data distribusi binomial dapat dilihat pada Tabel 3.1 sebagai
berikut:
Tabel 3.1 Data Pengamatan Distribusi Binomial
Sampel Hasil Percobaan Produk Cacat Produk Bagus
1 HHHP 3 1
2 PPPP 0 4
3 HHPP 2 2
4 HPPP 1 3
5 HHHH 4 0
6 PPPP 0 4
7 HHPP 2 2
8 HHHP 3 1
9 HPPP 1 3
10 HHHP 3 1
11 HHHP 3 1
12 HHHP 3 1
13 HHHP 3 1
14 HHHP 3 1
15 HHPP 2 2
16 PPPP 0 4
17 HPPP 1 3
18 HPPP 1 3
19 HHPP 2 2
20 HHPP 2 2
21 HHHP 3 1
22 HHHH 4 0
23 HHHH 4 0
24 HPPP 1 3
 16

Tabel 3.1 Data Pengamatan Distribusi Binomial (Lanjutan)

Sampel Hasil Percobaan Produk Cacat Produk Bagus
25 HHPP 2 2
26 HPPP 1 3
27 PPPH 3 1
28 HPPP 1 3
29 HHHH 4 0
30 HHHH 4 0
31 HPPP 1 3
32 HPPP 1 3
33 HPPP 1 3
34 HHPP 2 2
35 PPPP 0 4
36 HHPP 2 2
37 HHPP 2 2
38 PPPP 0 4
39 HHPP 2 2
40 HHHP 3 1
Sumber : Data Pengamatan

3.2.2 Data Pengamatan Distribusi Poisson

Adapun data Pengamatan distribusi poisson dapat dilihat pada Tabel 3.2
sebagai berikut :
Tabel 3.2 Data Pengmatan Distribusi Poisson
N0 Waktu Pengamatan Jumlah Pengamatan Turus
1 08.00 - 08.05 10 EE
2 08.05 - 08.10 12 EEaa
3 08.15 - 08.20 14 Eebb
4 08.30 - 08.35 12 Eeb
5 08.35 - 08.40 14 Eebb
6 08.40 - 08.45 9 Ebb
 17

Tabel 3.2 Data Pengamatan Distribusi Poisson (Lanjutan)

N0 Waktu Pengamatan Jumlah Pengamatan Turus
7 08.50 - 08.55 9 Ebb
8 08.55 - 09.00 22 Eeeeb
9 09.00 - 09.05 30 Eeeeee
10 09.05 - 09.10 22 EeEeb
11 09.10 - 09.15 30 EeeeEE
12 09.15 - 09.20 10 Ee
13 09.20 - 09.25 14 Eebb
14 09.25 - 09.30 16 EeeA
15 09.35 - 09.40 10 EE
16 10.00 - 10.05 14 Eebb
17 10.10 - 10.15 22 Eeeeb
18 10.15 - 10.20 26 Eeeeea
19 10.30 - 1035 13 Eeba
20 10.35 - 10.40 15 Eee
21 10.45 - 10.50 17 Eeeb
22 10.55 - 11.00 10 Ee
23 11.05 - 11.10 16 Eeea
24 11.10 - 11.15 18 Eeea
25 11.15 - 11.20 20 Eeee
26 11.20 - 11.25 23 Eeeeba
27 11.35 - 11.40 30 Eeeeee
28 11.45 - 11.50 15 EeeA
29 11.55 - 12.00 17 Eeeb
30 12.00 - 12.05 19 Eeebb
31 12.05 - 12.10 16 Eeea
32 12.10 - 12.15 11 Eea
33 12.15 - 12.20 25 Eeeee
 18

Tabel 3.2 Data Pengamatan Distribusi Poisson (Lanjutan)

N0 Waktu Pengamatan Jumlah Pengamatan Turus
34 12.25 - 12.30 27 Eeeeeb
35 12.30 - 12.35 11 Eea
36 12.45 - 12.50 9 Ebb
37 12.50 - 12.55 25 Eeeee
38 12.55 - 13.00 13 Eeba
39 13.05 - 13.10 16 Eeea
40 13.10 - 13.15 22 EeEeb
41 13.40 - 13.45 25 EEEEE
42 13.55 - 14.00 18 Eeeba
43 14.05 - 14.10 19 Eeebb
44 14.10 - 14.15 20 Eeee
45 14.15 - 14.20 12 Eeb
46 14.20 - 14.25 10 Ee
47 14.25 - 14.30 16 Eeea
48 14.35 - 14.40 17 Eeeb
49 14.40 - 14.45 15 Eee
50 14.55 - 15.00 27 EeeeEb
51 15.00 - 15.05 23 EEEEba
52 15.15 - 15.20 25 EeeEe
53 15.20 - 15.25 20 Eeee
54 15.30 - 15.35 19 Eeebb
55 15.35 - 15.40 12 Eeb
56 15.45 - 15.50 30 Eeeeee
57 15.55 - 16.00 32 Eeeeeeb
58 16.00 - 16.05 35 Eeeeeee
59 16.06 - 16.10 33 Eeeeeeba
60 16.15 - 16.20 35 eeeeeeea
Sumber : Data Pengamatan
 19

3.2.3 Data Pengamatan Distribusi Normal

2. Data Distribusi Normal
Adapun data pengamatan distribusi normal dapat dilihat pada Tabel 3.3
sebagai berikut:

Table 3.3 Data Pengamatan Distribusi Normal

No Nama Siswa Nilai Agama
1 Rainal Rizky 90
2 Maulana Ahsan 80
3 Muhammad Ryan 80
4 Muhammad Adyie Akbar 85
5 Muhammad Oktaval Iqbal 85
6 Dede Revan Ramadha 90
7 Yanis Firmansyah 90
8 M. Ananda Rizky 90
9 Muksal Mina 85
10 Irfandibaska 85
11 Fazil 85
12 Fatin Annisa Nasution 88
13 Khairul Amilin 80
14 Juanda 88
15 Amiruddin 90
16 Muhammad Ammar Hayid 88
17 Abrar 90
18 Yasir Akmarullah 85
19 Romy Maulizar 80
20 Azil Juanda 90
21 M Husni 85
22 M Ariffanni 88
23 M Aribaldi 80
24 Sahibul Furqan 80
25 Rahmat Maulana 90
26 Rahmat Abizar 85
27 M Syafa Aulia 90
28 M Irsan 90
29 Rizik Maulana 90
30 M Zafran 88
31 Asraful Anam 85
32 M Azama Sauki 80
33 Afzal Zikri 90
 20

Table 3.3 Data Pengamatan Distribusi Normal (Lanjutan)

No Nama Siswa Nilai Agama
34 Irsyad Alsiqqi 85
35 M Yanis Maulana 80
36 Muhammad Juliansyah Putra 99
37 Muhammad Fahrul Hazami 90
38 Teuku Muhammad Yusrizal 92
39 Raisul Mubaraq 85
40 Reza Saputra 88
41 M Farhan Syah 88
42 Haris Ramadhan 80
43 Muhammad Iqbal 85
44 M Rahul Andrian 90
45 Fahmi Maulana 85
46 Muhammad Syauki Halim Sakir 90
47 Aksal Mahendra 90
48 Azizi Rahmatilah 88
49 Dimas Saputra 80
50 Hibatul Azizi 95
51 M Fatur 95
52 Teuku Fahmi 90
53 Azmul Fauzi 92
54 Ananda Azizi 95
55 Teuku Muhammad Farhan 90
56 Abdizil Fahri 92
57 Reza Aulia 93
58 M Arif Hakim 85
59 Anelka Febrian 80
60 Adam Atafaris 88
61 Imam Firdaus 80
62 Ridhatul Ikram 85
63 Firdaus Juseva 85
64 Ridha Farhan 85
65 Ahmad Zaman Hurri 90
66 Azis Maulana 95
67 Muhammad Ibaruddin 85
68 Ryan Syah 85
69 Kamraud Zaman 80
70 Muhammad Akmal 85
71 Aleza Yanda 85
72 Fitra Yapasya 90
 21

Table 3.3 Data Pengamatan Distribusi Normal(Lanjutan)

No Nama Siswa Nilai Agama
73 Muammar Hatta 90
74 Furqan Alfasih 92
75 Raja Alwais 80
76 Teuku Zamroni 88
77 Fahrurrozi 90
78 Alfasya Firman 92
79 Bara Altaf 88
80 Azafurqan 85
81 Yunis Alfaruq 80
82 Faraiza 90
83 Zaida Fasya 85
84 Altaf Lutfi 90
85 M Fadhil 90
86 Haikal Akqil 85
87 Mulki Anatan Saputra 80
88 Muhammad Rifai 90
89 Rizazulmi 88
90 Rehan Kausar 85
91 Zulfan Fikri 80
92 Naufal Riza 92
93 Muhammad Khani 85
94 Teuku Alfasya 88
95 Ghufran 85
96 Alif Munawar 87
97 Andrian Maulana 85
98 Multazam As-Siddiq 80
99 Daniel Alfirisy 90
100 Alq Arifin 85
Sumber : Data Pengamatan

3.3 Pengolahan Data

3.3.1 Pengolahan Data Distribusi Binomal
Adapun Pengolahan data distribusi binomial dengan n = 4 dapat dilihat
pada Tabel 3.4 sebagai berikut :
Tabel 3.4 Data Pengamatan Distribusi Binomial
Sampel Hasil Percobaan Jumlah Kancing Probabilitas
1 HHHP 3 0,75
 22

Tabel 3.4 Data Pengamatan Distribusi Binomial (Lanjutan)

Sampel Hasil Percobaan Jumlah Kancing Probabilitas
2 PPPP 0 0
3 HHPP 2 0,5
4 HPPP 1 0,25
5 HHHH 4 1
6 PPPP 0 0
7 HHPP 2 0,5
8 HHHP 3 0,75
9 HPPP 1 0,25
10 HHHP 3 0,75
11 HHHP 3 0,75
12 HHHP 3 0,75
13 HHHP 3 0,75
14 HHHP 3 0,75
15 HHPP 2 0,5
16 PPPP 0 0
17 HPPP 1 0,25
18 HPPP 1 0,25
19 HHPP 2 0,5
20 HHPP 2 0,5
21 HHHP 3 0,75
22 HHHH 4 1
23 HHHH 4 1
24 HPPP 1 0,25
25 HHPP 2 0,5
26 HPPP 1 0,25
27 PPPH 3 0,75
28 HPPP 1 0,25
 23

Tabel 3.4 Data Pengamatan Distribusi Binomial (Lanjutan)

Sampel Hasil Percobaan Jumlah Kancing Probabilitas
29 HHHH 4 1
30 HHHH 4 1
31 HPPP 1 0,25
32 HPPP 1 0,25
33 HPPP 1 0,25
34 HHPP 2 0,5
35 PPPP 0 0
36 HHPP 2 0,5
37 HHPP 2 0,5
38 PPPP 0 0
39 HHPP 2 0,5
40 HHHP 3 0,75
Total 80 20
Sumber : Pengolahan Data

1. Perhitungan Data Distribusi Binomial

a. Menentukan Rata – Rata
∑P 20
P = = 40 = 0,5
X

b. Uji Kecukupan Data

K 40
N’ = P = 0,5 = 80

N’ > N maka data tidak cukup ( data diasumsikan cukup)

c. Menentukan Frekuensi Relatif
fi
Fr = ∑
fi

5
x = 0 , fr = 40 = 0,125
10
x = 1 , fr = 40 = 0,25
9
x = 2 , fr = 40 = 0,225
10
x = 3 , fr = 40 =0,25
 24

6
x = 4 , fr = 40 =0,15

d. Menentukan Probabilitas
n x n-x
P = [ ]. P (1- P )
x
4
P(X = 0) = [ ] (0,5)0 (1-0,5)4-0
0
4!
= 0!(4-0)! (1)(0,5)4

= 0,0625
4
P(X = 1) = [ ] (0,5)1 (1-0,5)4-1
1
4!
= 1!(4-1)! (0,5)(0,125)

= 0,25
4
P(X = 2) = [ ](0,5)2 (1-0,5)4-2
2
4!
= 2!(4-2)! (0,25)(0,25)

= 0,375
4
P(X = 3) = [ ] (0,5)3 (1-0,5)4-3
3
4!
= 3!(4-3)! (0,125)(0,5)

= 0,25
4
P(X = 4) = [ ](0,5)4 (1-0,5)4-4
4
4!
= 4!(4-4)! (0,0625)(1)

= 0,0625

Tabel 3.5 Distribusi Frekuensi Binomial

X Fi P Fr
0 5 0,0625 0,125
1 10 0,25 0,25
2 9 0,375 0,225
3 10 0,25 0,25
4 6 0,0625 0,15
Total 40 1 1
Sumber : Pengolahan Data
 25

Adapun penyajian data dalam bentuk garfik histogram adalah sebagai

berikut.

1. Grafik histogram Distribusi Binominal Fr Terhadap Xi

Distribusi Binomial Fr Terhadap Xi

0,3
0,25
0,2
0,15
0,1
0,05
0
0 1 2 3 4

Gambar 3.1 Grafik Distribusi Binomial Fr Terhadap Xi

2. Grafik histogram Distribusi Binominal P Terhadap Xi

Distribusi Binomial P Terhadap Xi

0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
0 1 2 3 4

Gambar 3.2 Grafik Distribusi Binomial P Terhadap Xi

3.3.2 Pengolahan Data Distribusi Poisson

Adapun hasil data pengolahan distribusi poisson dapat dilihat pada Tabel
3.6 sebagai berikut :
Tabel 3.6 Data Pengamatan Distribusi Poisson
N0 Waktu Pengamatan Jumlah Pengamatan Turus
1 08.00 - 08.05 10 EE
2 08.05 - 08.10 12 EEaa
3 08.15 - 08.20 14 Eebb
4 08.30 - 08.35 12 Eeb
5 08.35 - 08.40 14 Eebb
 26

Tabel 3.6 Data Pengamatan Poisson(Lanjutan)

6 08.40 - 08.45 9 Ebb
7 08.50 - 08.55 9 Ebb
8 08.55 - 09.00 22 Eeeeb
9 09.00 - 09.05 30 Eeeeee
10 09.05 - 09.10 22 EeEeb
11 09.10 - 09.15 30 EeeeEE
12 09.15 - 09.20 10 Ee
13 09.20 - 09.25 14 Eebb
14 09.25 - 09.30 16 EeeA
15 09.35 - 09.40 10 EE
16 10.00 - 10.05 14 Eebb
17 10.10 - 10.15 22 Eeeeb
18 10.15 - 10.20 26 Eeeeea
19 10.30 - 1035 13 Eeba
20 10.35 - 10.40 15 Eee
21 10.45 - 10.50 17 Eeeb
22 10.55 - 11.00 10 Ee
23 11.05 - 11.10 16 Eeea
24 11.10 - 11.15 18 Eeea
25 11.15 - 11.20 20 Eeee
26 11.20 - 11.25 23 Eeeeba
27 11.35 - 11.40 30 Eeeeee
28 11.45 - 11.50 15 EeeA
29 11.55 - 12.00 17 Eeeb
30 12.00 - 12.05 19 Eeebb
31 12.05 - 12.10 16 Eeea
32 12.10 - 12.15 11 Eea
33 12.15 - 12.20 25 Eeeee
34 12.25 - 12.30 27 Eeeeeb
 27

Tabel 3.6 Data Pengamatan Poisson (Lanjutan)

N0 Waktu Pengamatan Jumlah Pengamatan Turus
35 12.30 - 12.35 11 Eea
36 12.45 - 12.50 9 Ebb
37 12.50 - 12.55 25 Eeeee
38 12.55 - 13.00 13 Eeba
39 13.05 - 13.10 16 Eeea
40 13.10 - 13.15 22 EeEeb
41 13.40 - 13.45 25 EEEEE
42 13.55 - 14.00 18 Eeeba
43 14.05 - 14.10 19 Eeebb
44 14.10 - 14.15 20 Eeee
45 14.15 - 14.20 12 Eeb
46 14.20 - 14.25 10 Ee
47 14.25 - 14.30 16 Eeea
48 14.35 - 14.40 17 Eeeb
49 14.40 - 14.45 15 Eee
50 14.55 - 15.00 27 EeeeEb
51 15.00 - 15.05 23 EEEEba
52 15.15 - 15.20 25 EeeEe
53 15.20 - 15.25 20 Eeee
54 15.30 - 15.35 19 Eeebb
55 15.35 - 15.40 12 Eeb
56 15.45 - 15.50 30 Eeeeee
57 15.55 - 16.00 32 Eeeeeeb
58 16.00 - 16.05 35 Eeeeeee
59 16.06 - 16.10 33 Eeeeeeba
60 16.15 - 16.20 35 Eeeeeee
Sumber : Pengolahan Data
 28

a. Menentukan Rata-rata
∑ (fi.xi) 1127
𝜆 = x̄ ∑ fi
= = 18,78
60

b. Menentukan Frekuensi Relatif

fi 3
fr (9) = ∑ fi = 60 = 0,05

fi 5
fr (10) = ∑ fi
= = 0,08
60

fi 2
fr (11) = ∑ fi
= 60 = 0,03

fi 4
fr (12) = ∑ fi
= 60 = 0,06

fi 2
fr (13) = ∑ fi
= 60 = 0,03

fi 4
fr (14) = ∑ fi
= 60 = 0,06

fi 3
fr (15) = ∑ fi
= 60 = 0,05

fi 5
fr (16) = ∑ fi
= 60 = 0,08

fi 3
fr (17) = ∑ fi
= 60 = 0,05

fi 2
fr (18) = ∑ fi
= 60 = 0,03

fi 3
fr (19) = ∑ fi
= 60 = 0,05

fi 3
fr (20) = ∑ fi
= 60 = 0,05

fi 4
fr (22) = ∑ fi
= = 0,06
60

fi 3
fr (23) = ∑ fi
= 60 = 0,05

fi 4
fr (25) = ∑ fi
= = 0,06
60

fi 1
fr (26) = ∑ fi
= 60 = 0,02

fi 2
fr (27) = ∑ fi
= 60 = 0,03

fi 4
fr (30) = ∑ fi
= 60 = 0,06

fi 1
fr (32) = ∑ fi
= 60 = 0,02

fi 1
fr (33) = ∑ fi
= = 0,02
60
fi 2
fr (35) = ∑ fi
= 60 = 0,03
b. Menentukan Probabilitas
𝑒 −λ. .λ𝑥
(p) = p (xi 𝜆) = 𝑥!
e = 2,71828
p (x = 9) (9;18,78)
p (x = 10) (10;18,78) =
p (x = 11) (11;18,78) =
p (x = 12) (12;18,78) =
p (x = 13) (13;18,78) =
p (x = 14) (14;17,78) =
p (x = 15) (15;18,78) =
p (x = 16) (16;18,78) =
p (x = 17) (17;18,78) =
p (x = 18) (18;18,78) =
p (x = 19) (19;18,78) =
p (x = 20) (20;17,78) =
p (x = 22) (22;18,78) =
p (x = 23) (23;18,78) =
p (x = 25) (25;18,78) =
p (x = 26) (26;18,78) =
p (x = 27) (27;18,78) =
p (x = 30) (30;17,78) =
29
𝑒 −18,78 . 18,789 2,71828 −18,78 . 18,789
= = = 0,00559
9! 9𝑥8𝑥7…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7810 2,71828−18,78 . 18,7810
= = 0,010499
10! 10𝑥9𝑥8…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7811 2,71828−18,78 . 18,7811
= = 0,017924
11! 11𝑥10𝑥9…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7812 2,71828−18,78 . 18,7812
= = 0,028052
12! 12𝑥11𝑥10…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7813 2,71828−18,78 . 18,7813
= = 0,040524
13! 13𝑥12𝑥11…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7814 2,71828−18,78 . 18,7814
= = 0,05436
14! 14𝑥13𝑥12…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7815 2,71828−18,78 . 18,7815
= = 0,068059
15! 15𝑥14𝑥13…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7816 2,71828−18,78 . 18,7816
= = 0,079884
16! 16𝑥15𝑥14…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7817 2,71828−18,78 . 18,7817
= = 0,088248
17! 17𝑥16𝑥15…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7818 2,71828−18,78 . 18,7818
= = 0,092072
18! 18𝑥17𝑥16…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7819 2,71828−18,78 . 18,7819
= = 0,091006
19! 19𝑥18𝑥17…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7820 2,71828−18,78 . 18,7820
= = 0,085455
20! 20𝑥19𝑥18…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7822 2,71828−18,78 . 18,7822
= = 0,065236
22! 22𝑥21𝑥20…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7823 2,71828−18,78 . 18,7823
= = 0,053266
23! 23𝑥22𝑥21…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7825 2,71828−18,78 . 18,7825
= = 0,031311
25! 25𝑥24𝑥23…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7826 2,71828−18,78 . 18,7826
= = 0,022616
26! 26𝑥25𝑥24…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7827 2,71828−18,78 . 18,7827
= = 0,015731
27! 27𝑥26𝑥25…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7830 2,71828−18,78 . 18,7830
= = 0,004277
30! 30𝑥29𝑥28…𝑥3𝑥2𝑥1
 30

𝑒 −18,78 . 18,7832 2,71828−18,78 . 18,7832

p (x = 32) (32;18,78) = = = 0,001521
32! 32𝑥31𝑥30…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7833 2,71828−18,78 . 18,7833
p (x = 33) (33;18,78) = = = 0,000865
33! 33𝑥32𝑥31…𝑥3𝑥2𝑥1
𝑒 −18,78 . 18,7835 2,71828−18,78 . 18,7835
p (x = 35) (35;18,78) = = = 0,000256
35! 35𝑥34𝑥33…𝑥3𝑥2𝑥1

Adapun distribusi frekuensi poisson yang di peroleh dari perhitungan

diatas dapat dilihat di dalam Table 3.7 sebagai berikut :
Tabel 3.7 Distribusi Frekuensi Poisson
X Fi Fr Fi.Xi P
9 3 0,05 0,939 0,00559
10 5 0,08333 1,565 0,0105
11 2 0,03333 0,626 0,01792
12 4 0,06667 1,252 0,02805
13 2 0,03333 0,626 0,04052
14 4 0,06667 1,252 0,05436
15 3 0,05 0,939 0,06806
16 5 0,08333 1,565 0,07988
17 3 0,05 0,939 0,08825
18 2 0,03333 0,626 0,09207
19 3 0,05 0,939 0,09101
20 3 0,05 0,939 0,08545
22 4 0,06667 1,252 0,06524
23 2 0,03333 0,626 0,05327
25 4 0,06667 1,252 0,03131
26 1 0,01667 0,313 0,02262
27 2 0,03333 0,626 0,01573
30 4 0,06667 1,252 0,00428
32 1 0,01667 0,313 0,00152
33 1 0,01667 0,313 0,00087
35 2 0,03333 0,626 0,00026
Total 60 1 18,78 0,85675
Sumber : Pengolahan Data

Adapun grafik histogram frekuensi poisson terhadap xi terdapat pada

Gambar 3.3 dan Gambar 3.4 sebagai berikut :
 31

Distribusi Poisson Fr Terhadap Xi

0,09
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0
9 10 11 12 13 14 15 16 17 18 19 20 22 23 25 26 27 30 32 33 35

Gambar 3.3 Grafik Distribusi Poisson Fr Terhadap Xi

Distribusi Poisson P Terhadap Xi

0,1
0,09
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0
9 10 11 12 13 14 15 16 17 18 19 20 22 23 25 26 27 30 32 33 35

Gambar 3.4 Grafik Distribusi P Poisson Terhadap Xi

3.3.3 Pengolahan Data Distribusi Normal

Adapun Pengolahan distribusi normal dapat dilihat pada Tabel 3.8 sebagai
berikut:
Tabel 3.8 Data Pengamatan Nilai Agama 100 Siswa/i SMK 3 Lhokseumawe
No Nama Siswa Nilai Agama
1 Rainal Rizky 90
2 Maulana Ahsan 80
3 Muhammad Ryan 80
4 Muhammad Adyie Akbar 85
5 Muhammad Oktaval Iqbal 85
6 Dede Revan Ramadha 90
7 Yanis Firmansyah 90
8 M. Ananda Rizky 90
 32

Tabel 3.8 Data Pengamatan Nilai Agama 100 Siswa/i SMK 3 Lhokseumawe
(Lanjutan)
No Nama Siswa Nilai Agama
9 Muksal Mina 85
10 Irfandibaska 85
11 Fazil 85
12 Fatin Annisa Nasution 88
13 Khairul Amilin 80
14 Juanda 88
15 Amiruddin 90
16 Muhammad Ammar Hayid 88
17 Abrar 90
18 Yasir Akmarullah 85
19 Romy Maulizar 80
20 Azil Juanda 90
21 M Husni 85
22 M Ariffanni 88
23 M Aribaldi 80
24 Sahibul Furqan 80
25 Rahmat Maulana 90
26 Rahmat Abizar 85
27 M Syafa Aulia 90
28 M Irsan 90
29 Rizik Maulana 90
30 M Zafran 88
31 Asraful Anam 85
32 M Azama Sauki 80
33 Afzal Zikri 90
34 Irsyad Alsiqqi 85
35 M Yanis Maulana 80
36 Muhammad Juliansyah Putra 99
37 Muhammad Fahrul Hazami 90
38 Teuku Muhammad Yusrizal 92
39 Raisul Mubaraq 85
40 Reza Saputra 88
41 M Farhan Syah 88
42 Haris Ramadhan 80
43 Muhammad Iqbal 85
44 M Rahul Andrian 90
45 Fahmi Maulana 85
 33

Tabel 3.8 Data Pengamatan Nilai Agama 100 Siswa/i SMK 3 Lhokseumawe
(Lanjutan)
No Nama Siswa Nilai Agama
46 Muhammad Syauki Halim Sakir 90
47 Aksal Mahendra 90
48 Azizi Rahmatilah 88
49 Dimas Saputra 80
50 Hibatul Azizi 95
51 M Fatur 95
52 Teuku Fahmi 90
53 Azmul Fauzi 92
54 Ananda Azizi 95
55 Teuku Muhammad Farhan 90
56 Abdizil Fahri 92
57 Reza Aulia 93
58 M Arif Hakim 85
59 Anelka Febrian 80
60 Adam Atafaris 88
61 Imam Firdaus 80
62 Ridhatul Ikram 85
63 Firdaus Juseva 85
64 Ridha Farhan 85
65 Ahmad Zaman Hurri 90
66 Azis Maulana 95
67 Muhammad Ibaruddin 85
68 Ryan Syah 85
69 Kamraud Zaman 80
70 Muhammad Akmal 85
71 Aleza Yanda 85
73 Muammar Hatta 90
74 Furqan Alfasih 92
75 Raja Alwais 80
76 Teuku Zamroni 88
77 Fahrurrozi 90
78 Alfasya Firman 92
79 Bara Altaf 88
80 Azafurqan 85
81 Yunis Alfaruq 80
82 Faraiza 90
83 Zaida Fasya 85
 34

Tabel 3.8 Data Pengamatan Nilai Agama 100 Siswa/i SMK 3 Lhokseumawe
(Lanjutan)
84 Altaf Lutfi 90
85 M Fadhil 90
86 Haikal Akqil 85
87 Mulki Anatan Saputra 80
88 Muhammad Rifai 90
89 Rizazulmi 88
90 Rehan Kausar 85
91 Zulfan Fikri 80
92 Naufal Riza 92
93 Muhammad Khani 85
94 Teuku Alfasya 88
95 Ghufran 85
96 Alif Munawar 87
97 Andrian Maulana 85
98 Multazam As-Siddiq 80
99 Daniel Alfirisy 90
100 Alq Arifin 85
Sumber : Pengolahan Data

1. Menentukan Nilai Frekuensi

a. Menghitung jumlah kelas
K = 1+3,3 log n
= 1+3,3 log 100
= 1+3,3 (2)
= 7,6 ≈ 7
b. Menghitung range
R = data yang paling tinggi – data yang paling rendah
= 99 - 80
= 19
c. Menghitung panjang interval kelas
C = panjang interval kelas
R = jangkauan (range)
K = banyaknya kelas
R
C = K
 35

19
= 7

= 2,71 ≈ 3
Tabel 3.9 Distribusi Frekuensi Nilai Agama 100 Siswa/i SMK 7 Lhokseumawe
Kelas Fi Titik Tengah Batas Atas Batas Bawah
80-82 18 81 82,5 79,5
83-85 29 84 85,5 82,5
86-88 14 87 88,5 85,5
89-91 27 90 91,5 88,5
92-94 7 93 94,5 91,5
95-97 4 96 97,5 94,5
98-100 1 99 100,5 97,5
Total 100
Sumber : Pengolahan Data

1. Frekuensi Relatif
Setelah nilai distribusi frekuensi diketahui, selanjutnya menentukan nilai
frekuensi relatif. Nilai frekuensi relatif (fr) adalah distribusi frekuensi yang
berisikan nilai hasil bagi antara frekuensi kelas dan jumlah pengamatan. Adapun
nilai dari distribusi frekuensi relatif dapat dilihat pada Tabel 3.10 sebagai berikut:
Tabel 3.10 Nilai Frekuensi Relatif
Kelas Fi Titik Tengah Frekuensi Relatif Fr Rel %
80-82 18 81 0,18 18%
83-85 29 84 0,29 29%
86-88 14 87 0,14 14%
89-91 27 90 0,27 27%
92-94 7 93 0,07 7%
95-97 4 96 0,04 4%
98-100 1 99 0,01 1%
Jumlah 100 1 100%

2. Frekuensi Kumulatif
Distribusi frekuensi kumulatif terdiri dari 2 macam, yaitu distribusi
frekuensi kumulatif kurang dari (<) dan distribusi kumulatif lebih dari (>).
Adapun nilai distribusi frekuensi kumulatif (<) dan (>) adalah dapat dilihat pada
Tabel 3.11 sebagi berikut:
 36

Tabel 3.11 Tabel Nilai Frekuensi Kumulatif Kurang Dari dan Lebih Dari
Kelas Fi Titik Tengah Xi.fi Fk< Fk>
80-82 18 81 1458 0 82
83-85 29 84 2436 18 53
86-88 14 87 1218 47 39
89-91 27 90 2430 61 12
92-94 7 93 651 88 5
95-97 4 96 384 95 1
98-100 1 99 99 99 0
Total 100 8676
Sumber : Pengolahan Data

Adapun penyajian data dalam bentuk grafik histrogram Nilai Agama SMK
N 7 Lhokseumawe dapat dilihat pada Gambar 3.5 dan Gambar 3,6 sebagai
berikut:

Grafik Distribusi Frekuensi Histogram

40

20

0
80-82 83-85 86-88 89-91 92-94 95-97 98-100
Gambar 3.5 Grafik Distribusi Frekuensi (Histogram) Dari Nilai Agama 100
Siswa SMK 7 Lhokseumawe.

Adapun penyajian data dalam bentuk grafik polygon Tinggi Badan 100
Mahasiswa/i Jurusan Administrasi Publik Universitas Malikussaleh sebagai
berikut

Grafik Distribusi Frekuensi Histogram

40

20

0
80-82 83-85 86-88 89-91 92-94 95-97 98-100
Gambar 3.6 Grafik Distribusi Frekuensi (Polygon) Dari Nilai Agama 100
Siswa SMK 7 Lhokseumawe.
 37

3. Menentukan Rata-rata (Mean), Median, Modus dan Simpangan Baku

Berikut ini merupakan perhitungan untuk menentukan nilai rata-rata
(mean), median, modus yaitu sebagai berikut:
1. Nilai rata-rata (mean)
∑fixi
X = ∑f
8676
= 100

= 86,76
2. Nilai Median
Berdasarkan distribusi frekuensi yang terdapat pada Tabel 3.12 maka
dapat diketahui nilai median dari data tersebut terdapat pada data ke-
50, yang terdapat pada kelas ke-3.
Li = 85,5
(∑ f)l = 47
fmedian = 14
n
- (∑ f)l
Median = 𝑥̃ = Li + (2f )c
median

1
100−47
= 85,5 + (2 )3
14

= 85,5 + 0,21
= 85,71
3. Nilai Modus
Berdasarkan distribusi frekuensi yang terdapat pada tabel maka dapat
diketahui nilai modus terdapat pada kelas ke-3 dengan frekuensi 34.
L = 82,5
d1 = 29 - 18
= 11
d2 = 29 - 14
x = 15
d1
Mo = L + (d1+d2) c
11
= 82,5 + (11+15)3

= 82,5 + 1,26 = 83,76

 38

Tabel 3.12 Perhitungan Distribusi Normal

Kelas Fi Xi Xi.fi ( Xi - Ẋ ) ( Xi - Ẋ )^2 f( Xi - Ẋ )^2
80-82 18 81 1458 -5,76 33,1776 597,1968
83-85 29 84 2436 -2,76 7,6176 220,9104
86-88 14 87 1218 0,24 0,0576 0,8064
89-91 27 90 2430 3,24 10,4976 283,4352
92-94 7 93 651 6,24 38,9376 272,5632
95-97 4 96 384 9,24 85,3776 341,5104
98-100 1 99 99 12,24 149,8176 149,8176
Total 100 8676 325,4832 1866,24
Sumber : Pengolahan Data

4. Simpangan Baku

∑𝑓(𝑥𝑖 −𝑥)2
σ = √ n

1866,24
σ = √ = 4,32
100

4. Menghitung Probabilitas
Adapun perhitungan nilai z dengan menggunakan tabel z distribusi normal
adalah sebagai berikut:
𝐿𝐶𝐵− X̄
PZ1 =
𝑆
̄
79,5- 86,76
1. PZ1 = = P(-1,68) = 0,0465
4,32
̄
82,5- 86,76
2. PZ1 = = P(-0,98) = 0,1635
4,32
̄
85,5- 86,76
3. PZ1 = = P(-0,29) = 0,3859
4,32
̄
88,5- 86,76
4. PZ1 = = P(0,40) = 0,1554
4,32
̄
91,5- 86,76
5. PZ1 = = P(1,09) = 0,3621
4,32
̄
94,5- 86,76
6. PZ1 = = P(1,79) = 0,4633
4,32
̄
97,5- 86,76
7. PZ1 = = P(2,48) = 0,4934
4,32
̄
UCB- X
PZ2 = S
̄
82,5- 86,76
1. PZ2 = = P(-0,98) = 0,1635
4,32
 39

̄
85,5- 86,76
2. PZ2 = = P(-0,29) = 0,3859
4,32
̄
88,5- 86,76
3. PZ2 = = P(0,40) = 0,1554
4,32
̄
91,5- 86,76
4. PZ2 = = P(1,09) = 0,3621
4,32
̄
94,5- 86,76
5. PZ2 = = P(1,79) = 0,4633
4,32
̄
97,5- 86,76
6. PZ2 = = P(2,48) = 0,4934
4,32
̄
100,5- 86,76
7. PZ2 = = P(3,18) = 0,4993
4,32

5. Tabel Distribusi Frekuensi Normal

Adapun nilai frekuensi dan probabilitas distribusi frekuensi normal di

sajikan pada Tabel 3.13 sebagai berikut :
Tabel 3.13 Probabilitas Distribusi Normal
LBC UBC Z1 Z2 PZ1 PZ2 P
80 82 -1,68 -0,98 0,0465 0,1635 0,117
83 85 -0,98 -0,29 0,1635 0,3859 0,2224
86 88 -0,29 0,4 0,3859 0,1554 -0,2305
89 91 0,4 1,09 0,1554 0,3621 0,2067
92 94 1,09 1,79 0,3621 0,4633 0,1012
95 97 1,79 2,48 0,4633 0,4934 0,0301
98 100 2,48 3,18 0,4934 0,4993 0,0059
Sumber : Pengolahan Data
 BAB IV
ANALISIS DAN EVALUASI

4.1 Analisis Data

Berdasarkan data hasil pengolahan data, maka akan diperoleh hasil analisis
sebagai berikut :
1. Berdasarkan data yang diperoleh dari tabel pengumpulan data
distribusi poisson maka diperoleh nilai rata rata sebesar 18,78 ; nilai
frekuensi relatif untuk fr(9) adalah ; 0,05 fr(10) adalah ; 0,08 fr(11)
adalah ; 0,03 fr(12) adalah ; 0,06 fr(13) adalah ; 0,03 fr(14) adalah ;
0,06 fr(15) adalah ; 0,05 fr(16) adalah ; 0,08 fr(17) adalah ; 0,05 fr(18)
adalah ; 0,03 fr(19) adalah ; 0,05 fr(20) adalah ; 0,05 fr(22) adalah ;
0,06 fr(23) adalah ; 0,05 fr(25) adalah ; 0,06 fr(26) adalah ; 0,02 fr(27)
adalah ; 0,03 fr(30) adalah ; 0,06 fr(32) adalah ; 0,02 fr(33) adalah ;
0,02 fr(35) adalah ; 0,03.
2. Untuk nilai probabilitas diperoleh nilai untuk P(X=9) adalah ; 0,00559
P(X=10) adalah ; 0,010499 P(X=11) adalah ; 0,017924 P(X=12)
adalah ; 0,028052 P(X=13) adalah ; 0,040524 P(X=14) adalah ;
0,05436 P(X=15) adalah ; 0,068059 P(X=16) adalah ; 0,079884
P(X=17) adalah ; 0,088248 P(X=18) adalah ; 0,092072 P(X=19)
adalah ; 0,091006 P(X=20) adalah ; 0,085455 P(X=22) adalah ;
0,065236 P(X=23) adalah ; 0,053266 P(X=25) adalah ; 0,031311
P(X=26) adalah ; 0,022616 P(X=27) adalah ; 0,015731 P(X=30)
adalah ; 0,004277 P(X=32) adalah ; 0,001521 P(X=33) adalah ;
0,000865 P(X=35) adalah ; 0,000256.
3. Berdasarkan data yang diperoleh dari Data Pengamatan Nilai Agama
Siswa SMKN 7 Lhokseumawe maka diperoleh nilai terbesar 99 dan
nilai terkecil 80, dengan rentang kelas 7,6. Sedangkan untuk jumlah
kelas adalah 7, dan panjang interval kelas adalah 19. Berdasarkan hasil
dari jumlah kelas dan panjang interval kelas maka data kelas distribusi
frekuensinya adalah: 80 - 82 dengan frekuensi 18 ; 83 - 85 dengan
frekuensi 29 ; 86 - 88 dengan frekuensi 14 ; 89 - 91 dengan

40
 41

frekuensi 27 ; 92 - 94 dengan frekuensi 7 ; 95 – 97 dengan

frekuensi 5 ; 98-100 dengan frekuensi 1.
4. Untuk distribusi frekuensi relatif diperoleh dari distribusi frekuensi
yang berisikan nilai hasil bagi antara frekuensi kelas dan jumlah
pengamatan yang terkandung dalam kumpulan data yang berdistribusi
tertentu dan nilai yang diperoleh dari perhitungan yang dilakukan
untuk kelas pertama : (80 - 82) adalah 18 %, kelas kedua (83 - 85)
adalah 29%, kelas ketiga (86 - 88) adalah 14%, kelas keempat (89 - 91)
adalah 27%, kelas kelima (92 - 94). adalah 7%, kelas keenam (95 – 97)
adalah 4%, kelas ketujuh (98 - 100) adalah 1%. Untuk frekuensi
kumulatif diperoleh dari frekuensi yang dijumlahkan. Frekuensi
kumulatif kurang dari adalah distribusi frekuensi yang memuat jumlah
frekuensi yang memiliki nilai kurang dari nilai batas kelas suatu
interval tertentu dan nilai yang diperoleh dari perhitungan yang
dilakukan untuk kelas pertama : (80 - 82) adalah 0, kelas kedua (83 -
85) adalah 18, kelas ketiga (86 - 88) adalah 47, kelas keempat (89 - 91)
adalah 61, kelas kelima (92 - 94). adalah 88, kelas keenam (95 – 97)
adalah 95, kelas ketujuh (98 - 100) adalah 99. Frekuensi kumulatif
lebih dari adalah distribusi frekuensi yang memuat jumlah frekuensi
yang memiliki nilai lebih dari nilai batas kelas suatu interval tertentu
dan nilai yang diperoleh dari perhitungan yang dilakukan untuk kelas
pertama : (80 - 82) adalah 82, kelas kedua (83 - 85) adalah 53, kelas
ketiga (86 - 88) adalah 39, kelas keempat (89 - 91) adalah 12, kelas
kelima (92 - 94). adalah 5, kelas keenam (95 – 97) adalah 1, kelas
ketujuh (98 - 100) adalah 0.
5. Setelah mengurutkan data dari yang terkecil hingga yang terbesar ke
dalam distribusi frekuensi maka langkah selanjutnya adalah mencari
nilai mean, median, modus. Adapun nilai rata-rata (mean) dari data
Nilai Agama Kelas 3 SMKN 7 Lhokseumawe adalah 86,76, nilai
median dari data Nilai Agama Kelas 3 SMKN 7 Lhokseumawe adalah
85,71, nilai modus dari data Nilai Agama Kelas 3 SMKN 7
Lhokseumawe adalah 83,76.
 42

6. Berdasarkan data yang diperoleh dari tabel pengumpulan data

distribusi binomial maka diperoleh nilai rata rata sebesar 0,5 ; nilai
frekuensi relatif untuk fr(0) adalah ; 0,125 fr(1) adalah ; 0,25 fr(2)
adalah ; 0,225 fr(3) adalah ; 0,25 fr(4) adalah ; 0,15.
7. Untuk nilai probabilitas diperoleh nilai untuk P(X=0) adalah ; 0,0625
P(X=1) adalah ; 0,25 P(X=2) adalah ; 0,375 P(X=3) adalah ; 25
P(X=4) adalah ; 0,0625.

4.2 Evaluasi
Berdasarkan data yang diperoleh dari Data Distribusi Normal Untuk
nilai probilitas pada distribusi normal dari nilai Agama Kelas 3 SMKN
7 Lhokseumawe untuk Z1 adalah 2,48 ; Z2 adalah 3,18.
Evaluasi Probabilitas sepeda motor Vario lewat sebanyak 10 kali dalam 60
kali pengamatan adalah 0,05 berarti peluang sepeda motor Vario itu lewat
sebanyak 10 kali dalam selang waktu 5 menit dalam 60 kali pengamatan adalah
5%. Probabilitas sepeda motor Vario lewat sebanyak 15 kali dalam 60
pengamatan adalah 0,08 berarti peluang sepeda motor Vario itu lewat
sebanyak 15 kali dalam selang waktu 5 menit dalam 60 kali pengamatan adalah
8%. Probabilitas sepeda motor Vario lewat sebanyak 17 kali dalam 60
pengamatan adalah 0,03 berarti peluang sepeda motor Vario itu lewat
sebanyak 17 kali dalam selang waktu 5 menit dalam 60 kali pengamatan adalah
3%. Probabilitas sepeda motor Vario lewat sebanyak 20 kali dalam 60
pengamatan adalah 0,06 berarti peluang sepeda motor Vario itu lewat sebanyak
20 kali dalam selang waktu 5 menit dalam 60 kali pengamatan adalah 6%.
Probabilitas sepeda motor Vario lewat sebanyak 21 kali dalam 60 pengamatan
adalah 0,03 berarti peluang sepeda motor Vario itu lewat sebanyak 21 kali
dalam selang waktu 5 menit dalam 60 kali pengamatan adalah 3%. Probabilitas
sepeda motor Vario lewat sebanyak 22 kali dalam 60 pengamatan adalah 0,06
berarti peluang sepeda motor Vario a itu lewat sebanyak 10 kali dalam selang
waktu 5 menit dalam 60 kali pengamatan adalah 6%. Probabilitas sepeda motor
Vario lewat sebanyak 23 kali dalam 60 pengamatan adalah 0,05 berarti
peluang sepeda motor Vario itu lewat sebanyak 23 kali dalam selang waktu 5
 43

menit dalam 60 kali pengamatan adalah 5%. Probabilitas sepeda motor Vario
lewat sebanyak 25 kali dalam 60 pengamatan adalah 0,05 berarti peluang sepeda
motor Vario itu lewat sebanyak 25 kali dalam selang waktu 5 menit dalam 60
kali pengamatan adalah 5%. Probabilitas sepeda motor Vario lewat sebanyak
28 kali dalam 60 pengamatan adalah 0,06 berarti peluang sepeda motor Vario
itu lewat sebanyak 28 kali dalam selang waktu 5 menit dalam 60 kali
pengamatan adalah 6%. Probabilitas sepeda motor Vario lewat sebanyak 30
kali dalam 60 pengamatan adalah 0,02 berarti peluang sepeda motor Vario itu
lewat sebanyak 30 kali dalam selang waktu 5 menit dalam 60 kali pengamatan
adalah 2%. Probabilitas sepeda motor Vario lewat sebanyak 31 kali dalam 60
pengamatan adalah 0,03 berarti peluang sepeda motor Vario itu lewat
sebanyak 10 kali dalam selang waktu 5 menit dalam 60 kali pengamatan adalah
3%. Probabilitas sepeda motor Vario lewat sebanyak 33 kali dalam 60
pengamatan adalah 0,06 berarti peluang sepeda motor Vario itu lewat
sebanyak 31 kali dalam selang waktu 5 menit dalam 60 kali pengamatan adalah
6%. Probabilitas sepeda motor Vario lewat sebanyak 35 kali dalam 60
pengamatan adalah 0,02 berarti peluang sepeda motor Vario itu lewat sebanyak
35 kali dalam selang waktu 5 menit dalam 60 kali pengamatan adalah 2%.
Probabilitas sepeda motor Vario lewat sebanyak 38 kali dalam 60 pengamatan
adalah 0,02 berarti peluang sepeda motor Vario itu lewat sebanyak 38 kali
dalam selang waktu 5 menit dalam 60 kali pengamatan adalah 2%. Probabilitas
sepeda motor Vario lewat sebanyak 40 kali dalam 60 pengamatan adalah 0,03
berarti peluang sepeda motor Vario itu lewat sebanyak 40 kali dalam selang
waktu 5 menit dalam 60 kali pengamatan adalah 3%.
Untuk distribusi frekuensi binomial diperoleh frekuensi nya yaitu 5, 10, 9,
10, 6. Dengan frekuensi relatif nya yaitu 0,0625, 0,25, 0,375, 0,25, 0,0625. Dan
yang terakhir nilai probabilitas nya yaitu 0,125, 0,25, 0,225, 0,25, 0,15 dengan
total 1.
 BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Adapun kesimpulan yang dapat diambil berdasarkan pengolahan data
adalah sebagai berikut:
1. Probabilitas atau Peluang adalah suatu ukuran tentang kemungkinan suatu
peristiwa (event) akan terjadi di masa mendatang. Probabilitas dapat juga
diartikan sebagai harga angka yang menunjukkan seberapa besar
kemungkinan suatu peristiwa terjadi, di antara keseluruhan peristiwa yang
mungkin terjadi. Probabilitas dilambangkan dengan P.
2. Probabilitas yang rendah menunjukkan kecilnya kemungkinan suatu
peristiwa akan terjadi. Suatu probabilitas dinyatakan antara 0 sampai 1
atau dalam presentase. Probabilitas 0 menunjukkan peristiwa yang tidak
mungkin terjadi, sedangkan probabilitas 1 menunjukkan peristiwa yang
pasti terjadi.
Ada tiga hal penting dalam probabilitas, yaitu:
a. Percobaan adalah pengamatan terhadap beberapa aktivitas atau proses
yang memungkinkan timbulnya paling sedikit 2 peristiwa tanpa
memperhatikan peristiwa mana yang akan terjadi.
b. Hasil adalah suatu hasil dari sebuah percobaan.
c. Peristiwa adalah kumpulan dari suatu hasil dalam sebuah percobaan.
3. Untuk menghitung probabilitas ada tiga pendekatan yang bisa digunakan
yaitu, pendekatan klasik, pendekatan frekuensi relatif, dan subjektif.
a. Pendekatan Klasik
Probabilitas/peluang merupakan banyaknya kemungkinan pada suatu
kejadian berdasarkan frekuensinya. Jika ada a kemungkinan yang
dapat terjadi pada kejadian A dan ada b kemungkinan yang dapat
terjadi pada kejadian A, serta masing-masing kejadian mempunyai
kesempatan yang sama dan saling asing, maka Probabilitas/peluang
bahwa akan terjadi a adalah:
𝑎
P(A) = 𝑎+𝑏

44
 45

Probabilitas/ peluang bahwa akan terjadi b adalah:

𝑏
P(A) =
𝑎+𝑏

Contoh:
Pelamar pekerjaan terdiri dari 5 orang pria (A) dan 15 orang wanita
(B). Jika yang diterima hanya 1, berapa peluang bahwa ia merupakan
wanita?
Jawab: P (A) = 15/5+15 = ¾
b. Pendekatan Subyektif
Nilai probabilitas/peluang adalah tepat/cocok apabila hanya ada satu
kemungkinan kejadian terjadi dalam suatu kejadian ditentukan
berdasarkan tingkat kepercayaan yang bersifat individual (misalnya
berdasarkan pengalaman).
c. Pendekatan Frekuensi Relatif
Nilai probabilitas/peluang ditentukan atas dasar proporsi dari
kemungkinan yang dapat terjadi dalam suatu observasi/percobaan
(pengumpulan data).
Jika pada data sebanyak N terdapat a kejadian yang bersifat A, maka
probabilitas/peluang akan terjadi A untuk N data adalah:
𝑎
P(A) = 𝑁

4. Histogram adalah grafik yang sering digunakan untuk menggambarkan

distribusi frekuensi. Histogram merupakan grafik batang dari `distribusi
frekuensi. Pada histogram, batang batangnya saling melekat atau
berhimpunan. Grafik ini dibuat dengan cara menarik garis dari satu titik
tengah batang histogram ke titik tengah batang histogram yang lain. Agar
supaya diperoleh grafik yang tertutup harus di buat dua kelas baru dengan
panjang kelas sama dengan frekuensi nol pada kedua ujung nya dikiri dan
kanan. Pembuatan dua kelas itu diperbolekan karena grafik histogram
merupakan kurva tertutup. Pada pembuatan histogram digunakan system
salib sumbu. Sumbu mendatar (sumbu X) menyatakan interval kelas (batas
bawah dan batas atas masing-masing kelas) dan sumbuh tegak (sumbu Y)
Menyatakan frekuensi.
 46

5. Adapun perhitungan untuk distribusi poisson adalah sebagai berikut:

a. Menentukan rata-rata
b. Menentukan Frekuensi Relatif
c. Menentukan Probabilitas

5.2 Saran
Adapun saran yang kami ajukan dalam pelaksanaan praktikum distribusi
normal adalah sebagai berikut:
1. Sebaiknya sebelum menyelesaikan laporan praktikum ini, laporan
praktikum probabilitas harus diselesaikan terlebih dahulu agar data-data
yang dibutuhkan untuk menyelesaikan perhitungan pada praktikum ini
tidak mengalami kendala yang berarti.
2. Sebaiknya sebelum melakukan pengamatan, setiap praktikan sudah
mengerti metode pemecahan masalahnya.
3. Seharusnya praktikan lebih memperhatikan sistematika penulisan serta
data yang akan diolah dalam pembuatan laporan agar pengolahan datanya
lebih efektif dan efisien.
 DAFTAR ISI

Meilia Nur, I. S. (2010). Statistika Deskriptif dan Induktif. Yogyakarta: Graha

Ilmu.
Nar Herryanto, H.M.Akib Hamid. (2008). Statistika Dasar. Jakarta: Universitas
Terbuka.
Sofiani, R. I. (2013). Modul 7 Pengantar Peluang.
lAMPIRAN

TABEL ANGKA RANDOM

Bilangan Random Baris Kelima

57477
08.00 +5 x 57 = 285
08.00 + 04.45 = 12.45
Untuk mendapatkan waktu pengamatan selanjutnya dilakukan dengan cara
seperti contoh diatas. Adapun data waktu pengamatan yang dilakukan dapat
dilihat pada tabel berikut:
 Tabel Waktu Pengamatan Berdasarkan Tabel Random
No. Tabel Random Pasangan Yang Dipilih Waktu Pengamatan
1 57 12.45 - 12.50
2 74 14.10 - 14.15
57477
3 47 11.55 - 12.00
4 77 14.25 - 14.30
5 01 08.05 - 08.10
6 10 08.50 - 08.55
1083
7 o8 08.40 - 08.45
8 83 14.55 - 15.00
9 54 12.30 - 12.35
10 40 11.20 - 11.25
54076
11 07 08.35 - 08.40
12 76 14.20 - 14.25
13 77 14.25 - 14.30
14 73 14.05 - 14.10
77307
15 30 10.30 - 1035
16 07 08.35 - 08.40
17 26 10.10 - 10.15
18 62 13.10 - 13.15
26245
19 24 10.00 - 10.05
20 45 11.45 - 11.50
21 59 12.55 - 13.00
22 93 15.45 - 15.50
59383
23 38 11.10 - 11.15
24 83 15.55 - 16.00
25 27 10.15 - 10.20
26 75 14.15 - 14.20
27506
27 50 12.10 - 12.15
28 06 08.30 - 08.35
29 11 08.55 - 09.00
30 14 09.10 - 09.15
11435
31 43 11.35 - 11.40
32 35 10.55 - 11.00
33 84 15.00 - 15.05
34 48 12.00 - 12.05
84887
35 88 15.20 - 15.25
36 87 15.15 - 15.20
37 87 15.15 - 15.20
38 79 14.35 - 14.40
87900
39 90 15.30 - 15.35
40 00 08.00 - 08.05
41 00791 00 08.00 - 08.05
42 07 08.35 - 08.40
43 79 14.35 - 14.40
44 91 15.35 - 15.40
 Tabel Waktu Pengamatan Berdasarkan Tabel Random (Lanjutan)
No Tabel Random Pasangan Yang Dipilih Waktu Pengamatan
45 61 13.05 - 13.10
46 14 09.10 - 09.15
61499
47 49 12.05 - 12.10
48 99 16.15 - 16.20
49 53 12.25 - 12.30
50 37 11.05 - 11.10
53797
51 79 14.35 - 14.40
52 97 16.06 - 16.10
53 61 13.05 - 13.10
54 13 09.05 - 09.10
61331
55 33 10.45 - 10.50
56 31 10.35 - 10.40
57 80 14.40 - 14.45
58 7 08.35 - 08.40
80790
59 79 14.35 - 14.40
60 90 15.30 - 15.35
61 71 13.55 - 14.00
62 15 09.15 - 09.20
71516
63 51 12.15 - 12.20
64 16 09.20 - 09.25
65 87 15.15 - 15.20
66 71 13.55 - 14.00
87133
67 13 09.05 - 09.10
68 33 10.45 - 10.50
69 26 10.10 - 10.15
70 61 13.05 - 13.10
26124
71 12 09.00 - 09.05
72 24 10.00 - 10.05
73 14 09.10 - 09.15
74 49 12.05 - 12.10
14968
75 96 16.00 - 16.05
76 68 13.40 - 13.45
77 11 08.55 - 09.00
78 17 09.25 - 09.30
11719
79 71 13.55 - 14.00
80 19 09.35 - 09.40
81 39 11.15 - 11.20
82 93 15.45 - 15.50
39303
83 30 10.30 - 10.35
84 03 08.15 - 08.20
 Tabel Waktu Pengamatan Berdasarkan Tabel Random (Lanjutan)
No Tabel Random Pasangan Yang Dipilih Waktu Pengamatan
85 58 12.50 - 12.55
86 84 16.00 - 16.05
58438
87 43 11.35 - 11.40
88 38 11.10 - 11.15
LAMPIRAN

Dokumentasi Pengamatan Distribusi Poisson

Diperiksa Oleh,
Pembimbing Asisten Laboratorium

Fatimah, ST., MT Mhd Fikri Liansyah

NIP. 197405262005011001 NIM. 180130154