Laporan Project Based Learning Mata Kuliah

VE230101 – Probabilitas dan Statistik

Semester Ganjil 2023/2024

IT Support & Networking

Disusun oleh:
M Akbar Hidayatullah
2040221038

Program Studi Sarjana Terapan Teknologi Rekayasa Otomasi

Departemen Teknik Elektro Otomasi
Fakultas Vokasi
Institut Teknologi Sepuluh Nopember

Desember 2023
 DAFTAR ISI

RINGKASAN..................................................................................................................................

BAB I PENDAHULUAN..............................................................................................................3

I.1 Deskripsi Project................................................................................................................3

I.2 Target dan Cakupan Project...............................................................................................3

BAB II MATERI MATA KULIAH PROBABILITAS DAN STATISTIK...............................6

2.1 Capaian Pembelajaran Mata Kuliah...................................................................................6

2.2 Materi Perkuliahan.............................................................................................................6

BAB III ANALISA KORELASI PROJECT DENGAN MATA KULIAH...............................18

BAB IV MATERI YANG PERLU DIPERDALAM.................................................................19

DAFTAR PUSTAKA..................................................................................................................20
 RINGKASAN

Pekembangan dalam teknologi komunikasi modern telah memuncukan berbagai inovasi untuk solusi
yang lebih canggih dan efisien. Salah satu inovasi terpenting saat ini adalah penggunaan teknologi
Fiber Optic. Kemampuanya untuk mentransmisikan data dengan kecepatan tinggi melalui serat kaca,
telah mendorong perkembangan dalam sistem komunikasi saat ini. Kecepatan transmisi data
memungkinkan pengiriman informasi dalam jumlah besar dalam waktu yang singkat, serta
mendukung penggunaan aplikasi yang membutuhkan bandwidth tinggi. Fiber Optic memiliki
kapasitas transimisi yang lebih besar dibandingkan dengan kabel tembaga konvensional, sehingga
memungkinkan peningkatan kapasitas jaringan, mendukung pertumbuhan pesat penggunaan internet,
cloud computing, dan aplikasi berat lainnya tanpa kekhawatiran terkait kapasitas jaringan yang
terbatas. Penggunaan Fiber Optic memiliki tingkat gangguan yang rendah, karena serat kaca tidak
rentan terhadap inerferensi gelombgan elektromagnetik. Terlepas dari keunggulan penggunaan
jaringan Fiber Optic tentunya ada juga kekurangan yang dimilikinya. Dalam proses pengerjaanya
membutuhkan peralatan khusus karena sifat kabel yang terbuat dari serat kaca itu mudah patah,
sehingga diperlukan keahlian khusus agar proses pengerjaan dapat diselesaikan dengan baik.

Kata Kunci: Fiber Optic, Transmisi Data, Gelombang Elektromagnetik

 BAB I PENDAHULUAN

I.1 Deskripsi Project

Di dalam Project IT Support dan Networking memiliki tugas utama yaitu instalasi kabel Fiber Optic
untuk menyalurkan jaringan internet sesuai dengan permintaan pelanggan. Dalam pengerjaanya dibagi
menjadi beberapa tugas khusus yaitu Aktivasi, Penanganan Gangguan, dan Preventive Maintenance.
Aktivasi dilakukan dengan tujuan untuk membangun sebuah jaringan pada suatu daerah dan
pemasangan jaringan baru di tempat pelanggan. Penanganan Gangguan dikerjakan ketika terjadi
gangguan baik di sisi pelanggan ataupun provider jaringan itu sendiri. Gangguan dapat terjadi akibat
kabel putus, kerusakan perangkat, kesalahan penempatan port, dan sebagianya. Preventive
Maintenance biasanya dilakukan di POP (Point of Presence) yaitu tempat perangkat komunikasi yang
saling terhubung dari internet service provider ke pelanggan, tugas yang dikerjakan adalah
pengecekan, pembersihan, hingga perbaikan perangkat.

I.2 Target dan Cakupan Project

1.2.1 Target
Target dari proyek IT Support & Networking adalah bagaimana dapat memahami konsep
yang digunakan pada jaringan fiber optik dimulai dari sistem penyaluran data dari server
jaringan yang awalnya dalam bentuk sinyal listrik digital setelah itu akan diubah menjadi
sinyal cahaya yang nantinya akan melewati kabel fiber sampai kepada pelanggan. Pekerjaan
yang dilakukan memiliki beberapa target pelanggan, yang pertama adalah dari jalur fiber to
the home (FTTH) biasanya disebut Retail. Kemudian apabila berasal dari perusahaan atau
pabrik biasanya disebut Corporate. Di tempat pelanggan akan disediakan pernangkat yang
berfungsi sebagai pengubah sinyal cahaya menjadi sinyal digital hingga bisa dimanfaatkan
oleh pelanggan tersebut.

1.2.2 Cakupan Project

Aktivasi

Bertujuan untuk membangun jaringan pada suatu daerah dan pemasangan jaringan baru di
tempat pelanggan.
a. Masa Penyelesaian Pekerjaan
Survey : 1 Minggu
 Perizinan : 1 Minggu – 1 Bulan
Eksekusi Lapangan : 2 Minggu – 1 Bulan
Pembuatan Laporan : 2 Minggu
Revisi dan Penagihan : 2 Minggu

b. Tahapan Pekerjaan
Pemasangan Kwh
Instalasi Perangkat di Kabinet
Instalasi Joint Box (JB)
Instalasi Fiber Distribution Box (FDT) : Sebagai terminal untuk setiap jalur kabel
Instalasi Fiber Acces Terminal (FAT)
: Sebagai supplai daya untuk mengaktifkan
perangkat
: Untuk menyalurkan internet dari PoP
(Point of Presence)
: Sebagai terminal untuk beberapa kabel
pada jalur yang berbeda
: Untuk menyalurkan kabel menuju tempat
pelanggan

Penanganan Gangguan

Penanganan gangguan dikerjakan ketika terjadi gangguan baik di sisi pelanggan ataupun
provider jaringan itu sendiri. Gangguan dapat terjadi akibat kabel putus, kerusakan perangkat,
kesalahan penempatan port, dan lainya.
a. Masa Penyelesaian Pekerjaan
Tiket Pekerjaan Gangguan : 1 Hari
Eksekusi Lapangan : 1 – 3 Hari
Pembuatan Laporan : 1 – 3 Hari
Revisi dan Penagihan : 2 Minggu

b. Tahapan Pekerjaan
Pengecekan Kerusakan
Pengukuran Jarak Kabel
Jointing Core
Labeling Core
: Mencari titik kerusakan yang menyebabkan
gangguan
: Mengetahui titik kabel putus atau untuk mencari
titik perangkat terdekat
: Menyambung core yang putus
: Memberi label pada core supaya lebih mudah untuk

mencari sambungan core

Preventive Maintenance (PM)

Kegiatan ini biasanya dilakukan di POP (Point of Presence) yaitu tempat perangkat
komnunikasi yang saling terhubung dari internet service provider ke pelanggan.
a. Masa Penyelesaian Pekerjaan
Tiket Pekerjaan PM : 1 Hari
Eksekusi Lapangan : 1 – 2 Jam
Pembuatan Laporan : 1 Hari
Revisi dan Penagihan : 2 Minggu

b. Tahapan Pekerjaan
Pembuatan Working Permit : Digunakan untuk perizinan masuk ke gardu

induk
Pengecekan Perangkat : Mencari perangkat yang kemungkinan
sudah rusak
Pembersihan Perangkat : Membersihkan keseluruhan perangkat yang

ada
Uji Coba Ketahanan Perangkat : Melakukan pengetesan pada baterai dan
rectifier
 BAB II MATERI MATA KULIAH PROBABILITAS DAN STATISTIK

II.1 Capaian Pembelajaran Mata Kuliah

 Mampu menjelaskan dan mengekspolarasi data

 Mampu menerapkan konsep probabilitas beserta teknik, model dan aturannya
 Mampu menerapkan konsep distribusi diskrit dan kontinyu dan aplikasinya
 Mampu menjelaskan konsep estimasi dan distribusi sampling

2.2 Materi Perkuliahan

2.2.1 Data
Data adalah fakta atau informasi yang dikumpulkan, diukur, atau direkam. Data merupakan kumpulan
fakta atau nilai yang dapat diolah untuk mendapatkan pemahaman atau informasi lebih lanjut. Data
dapat berupa berbagai bentuk, termasuk angka, teks, gambar, suara, atau kombinasi dari beberapa
bentuk tersebut. Data menjadi sangat berharga ketika diolah dan dianalisis, karena dari data inilah kita
dapat mengambil keputusan, menarik kesimpulan, atau mengidentifikasi pola.

1. Tipe Data

a. Data Kualitatif

Data kualitatif merujuk pada informasi yang dapat diukur secara deskriptif dan tidak memiliki
nilai numerik.Contoh data kualitatif meliputi warna, jenis kelamin, status perkawinan, dan
kategori lainnya.

b. Data Kuantitatif

Data kuantitatif adalah data yang dapat diukur dengan nilai numerik. Data ini dapat dihitung,
dihitung, dan dianalisis secara matematis. Contoh data kuantitatif meliputi usia, tinggi badan,
suhu, dan jumlah produk yang terjual.

Data dapat diperoleh dari berbagai sumber, termasuk survei, eksperimen, pengamatan, atau sumber
lainnya. Pemrosesan data melibatkan langkah-langkah seperti pengumpulan, penyimpanan,
pengolahan, analisis, dan interpretasi. Analisis data adalah proses penting untuk mengungkap pola,
tren, atau hubungan yang mungkin tersembunyi di dalamnya, memberikan wawasan yang berharga
dan mendukung pengambilan keputusan yang informasional.
2. Ukuran Pemusatan Data

Ukuran pemusatan dari sekumpulan data merupakan suatu nilai yang diperoleh dari
sekumpulan data yang dapat dipergunakan untuk mewakili kumpulan data.

a. Mean

Mean adalah salah satu ukuran gejala pusat. Mean dapat dikatakan sebagai wakil kumpulan
data. Menentukan mean dapat dilakukan dengan cara menjumlahkan seluruh nilai data,
kemudian membaginya dengan banyaknya data.

Atau, dapat dirumuskan dengan:

x=
∑x
n

Keterangan

x = Rerata atau mean

n = Banyaknya data

∑ x = Jumlah seluruh data

Contoh :

Hitung rerata atau mean dari data berikut: 6, 5, 9, 7, 8, 8, 7, 6.

Penyelesaian:

𝑥̅ = 5 + 6 + 6 + 7 + 7 + 8 + 8 + 9 : 8

= 56 : 8

= 7, maka mean dari bilangan tersebut adalah 7.

b. Median

Median (Me) atau kuartil adalah nilai tengah dari sekumpulan data setelah diurutkan dari data
yang terkecil sampai data terbesar, maupun sebaliknya. Apabila suatu data mempunyai
median, maka mediannya tunggal.

Jika banyak data merupakan bilangin ganjil, mka median terletak pada data ke ½ (n + 1), dan
jika banyak data bilangin genap maka median terletak – n/2 dan data – n/2 + 1

Contoh:
Tentukan median dari data berikut: 70, 65, 50, 40, 35, 45, 70, 80, 90. Diketahui bahwa banyak
data yang tersedia merupakan bilangan ganjil.

Setelah diurutkan datanya menjadi: 35, 40 , 45, 50, 65, 70, 70, 80, 90

Jadi mediannya adalah = 65.

c. Modus

Modus adalah data yang paling sering muncul. Modus merupakan ukuran pemusatan untuk
menyatakan fenomena yang paling banyak terjadi. Sekumpulan data yang diperoleh,
memungkinkan untuk memiliki nilai modus yang tidak tunggal atau mungkin juga tidak
memilikinya.

Contoh :

Tentukan modus dari data berikut: 50, 35, 70, 90, 70, 40, 40, 40, 65, 45, 70, 80,

Penyelesaian:

Urutkan data terlebih dahulu, sehingga menjadi:

35, 40, 40, 40, 45, 50, 65, 70, 70, 70, 80, 90

Kita mengetahui bahwa nilai 40 berjumlah 3, dan nilai 70 berjumlah 3, maka modus dari data
tersebut adalah nilai 40, dan 70.

3. Ukuran Penyebaran Data

Ukuran penyebaran data adalah suatu ukuran yang menyatakan seberapa besar nilai-nilai data
berbeda atau bervariasi dengan nilai ukuran pusatnya atau seberapa besar penyimpangan
nilai-nilai data dengan nilau pusatnya.

a. Range

Range adalah jarak penyebaran data antara skor terendah (lowest Score) dengan score
tertinggi (Highest Score)

Rumus :

R=H–L

Keterangan :

R = Range yang dicari

H = Skor yang tertinggi

L = Skor terendah
b. Varians

Varian adalah rata-rata hitung dari deviasi kuadrat setiap data terhadap rata-rata hitungnya

Rumus :

S2 =
∑ ( x i−µ )
N

c. Standar Deviasi

Standar Deviasi adalah akar dari jumlah deviasi kuadrat dari bilangin bilangan tersebut dibagi
dengan banyaknya bilangan atau akar dari rata-rata deviasi kuadrat.

Rumus :

SD=
√ ∑ x2
N

Keterangan

SD = Standar Deviasi

 x 2 = Jumlah semua Deviasi setelah mengalami penguadratan

N = Number of Case

3. Eksplorasi Data Menggunakan Grafik/Diagram

Diagram adalah suatu representasi simbolis informasi dalam bentuk geometri 2 dimensi
sesuai teknik visualisasi. Kadang teknik yang dipakai memanfaatkan visualisasi tiga dimensi
yang kemudian diproyeksikan ke permukaan dua dimensi. Berikut merupakan macam macam
diagram :

a. Histogram

Histogram merupakan bentuk penyajian distribusi frekuensi menggunakan gambar yang

berbentuk diagram batang. Pada histogram, antara dua batang yang berdampingan tidak
terdapat jarak sehingga tiap tiap batang berhimpit satu sama lain. Sumpu tegak pada
histogram sendiri menyatakan frekuensi dan sumbu datarnya menyatakan kelas kelas interval.
b. Poligon

Poligon frekuensi adalah metode visualisasi data statistic yang digunakan untuk
menggambarkan distribusi frekuensi dari suatu variable. Poligon ini terbentuk dengan
menghubungkan titik-titik data pada sumbu horizontal dan sumbu vertical berdasarkan
frekuensi masing-masing kategori.

c. Bar

Grafik batang dapat menyajikan beberapa tipe data yaitu proporsi dari beberapa populasi,
menggambarkan perkembangan Suatu data, dan perbandingan individu dalam satu kelompok.
d. Dot Plot

Diagram titik merupakan cara menyajikan data dengan plot-plot pencar dengan nilai
dikelompokkan bersama-sama secara vertikal (seperti histogram) dan dengan poin-poin yang
dipisahkan secara vertikal (seperti histogram) dan dengan poin-poin yang dipisahkan secara
horizontal.

e. Grafik Lingkaran

Grafik lingkaran umumnya digunakan untuk menyajikan data dalam bentuk presentasi.
Keterbatasan grafik ini dalam menyajikan data, umumnya hanya berupa data dari table satu
arah. Kelebihannya menyajikan data dalam bentuk grafik lingkaran adalah dari segi
visualisasi.
f. Box Plot

Box-plot merupakan suatu box (kotak berbentuk bujur sangar). Boxplot

adalah salah satu cara dalam statistic deskriptif untuk menggambarkan secara
grafik dari data numeris melalui lima ukuran sebagai berikut:

- Nilai Observasi terkecil

- Kuartil terendah atau kuartil pertama (Q1), yang memoting 25% dari data
terendah
- Median (Q2) atau nilai pertengahan
- Kuartil tertinggi atau kuartil ketiga (Q3), yang memotong 25% dari data
terbesar
- Nilai observasi terbesar
2.2.2 Pengertian Probabilitas
Probabilitas adalah ukuran atau besaran yang menggambarkan sejauh mana suatu kejadian mungkin
terjadi. Dalam konteks matematika dan statistika, probabilitas digunakan untuk mengukur peluang
atau kemungkinan berbagai hasil atau peristiwa. Probabilitas dapat dinyatakan sebagai angka antara 0
dan 1, di mana 0 berarti kejadian tersebut pasti tidak akan terjadi, dan 1 berarti kejadian tersebut pasti
akan terjadi. Sebuah nilai antara 0 dan 1 mengindikasikan tingkat kepercayaan atau kemungkinan
suatu kejadian.
Probabilitas digunakan dalam berbagai bidang, termasuk statistika, teori informasi, ilmu komputer,
ekonomi, dan banyak lagi. Dalam statistika, konsep probabilitas memainkan peran penting dalam
pengambilan keputusan dan inferensi statistik, sementara dalam teori informasi, probabilitas
digunakan untuk mengukur ketidakpastian dan informasi.

2.2.3 Distribusi Diskrit

Dalam statistika dan probabilitas, distribusi diskrit adalah distribusi probabilitas yang terkait dengan
variabel acak diskrit. Variabel acak diskrit dapat mengambil nilai-nilai terpisah atau berhingga.
Distribusi diskrit memberikan probabilitas untuk masing-masing nilai yang dapat diambil oleh
variabel acak tersebut. Beberapa distribusi probabilitas diskrit yang umum digunakan meliputi:

a. Distribusi Bernoulli

Merupakan distribusi yang menggambarkan hasil eksperimen acak dengan dua kemungkinan
hasil, seperti sukses atau gagal, 1 atau 0.

b. Distribusi Binomial

Terkait dengan serangkaian uji Bernoulli independen, di mana eksperimen tersebut dapat
berakhir dengan sukses atau gagal.

c. Distribusi Poisson

Digunakan untuk menggambarkan jumlah peristiwa langka dalam interval waktu atau ruang
tertentu, misalnya jumlah panggilan telepon yang diterima oleh pusat panggilan dalam satu
jam.

d. Distribusi Geometrik

Menggambarkan waktu yang diperlukan sebelum keberhasilan pertama dalam serangkaian uji
Bernoulli independen.
 e. Distribusi Hipergeometrik

Digunakan untuk menggambarkan jumlah keberhasilan dalam sampel yang diambil tanpa
pengembalian dari populasi yang memiliki dua kelompok (berbeda dalam suatu karakteristik
tertentu).

f. Distribusi Multinomial

Merupakan generalisasi dari distribusi binomial untuk eksperimen dengan lebih dari dua
keluaran yang mungkin.

g. Distribusi Uniform Diskrit

Setiap nilai memiliki probabilitas yang sama untuk muncul.

h. Distribusi Empirik Diskrit

Merupakan distribusi diskrit yang sesuai dengan data empiris yang diberikan.

Setiap distribusi diskrit memiliki fungsi massa probabilitas (probability mass function/PMF), yang
memberikan probabilitas masing-masing nilai yang dapat diambil oleh variabel acak. Distribusi
diskrit sering digunakan dalam pemodelan berbagai jenis fenomena, dan pemahaman tentang
karakteristik distribusi tersebut penting dalam analisis statistik.

2.2.4 Distribusi Kontinyu

Distribusi kontinu adalah distribusi probabilitas yang terkait dengan variabel acak kontinu, yang dapat
mengambil nilai-nilai pada suatu rentang tertentu. Dalam distribusi kontinu, nilai-nilai variabel acak
dapat membentuk suatu interval dan memiliki jumlah tak terbatas kemungkinan nilai di dalamnya.
Fungsi densitas probabilitas (probability density function/PDF) digunakan untuk menggambarkan
distribusi kontinu. Beberapa distribusi probabilitas kontinu yang umum digunakan meliputi:

a. Distribusi Normal (atau Gauss)

Distribusi yang sangat umum digunakan dan dapat digunakan untuk memodelkan banyak
fenomena alam. Memiliki bentuk lonceng dan ditentukan oleh dua parameter: mean dan
deviasi standar.

b. Distribusi Uniform Kontinu

Setiap nilai dalam suatu interval memiliki probabilitas yang sama untuk muncul.
 c. Distribusi Eksponensial

Digunakan untuk menggambarkan waktu antara kejadian-kejadian suksesif dalam suatu proses
Poisson. Memiliki kecenderungan untuk memiliki nilai yang lebih tinggi pada awal distribusi.

d. Distribusi Chi-Square

Terkait dengan distribusi normal dan digunakan dalam inferensi statistik. Muncul dalam
konteks pengujian hipotesis.

e. Distribusi t-Student

Digunakan dalam inferensi statistik ketika sampel yang digunakan kecil dan distribusi populasi
tidak diketahui.

Dalam distribusi kontinu, area di bawah kurva PDF antara dua titik memberikan probabilitas bahwa
variabel acak berada di antara dua nilai tersebut. Oleh karena itu, dalam distribusi kontinu, kita sering
menggunakan integral untuk menghitung probabilitas suatu peristiwa.

2.2.5 Estimasi
Estimasi dalam probabilitas dan statistik merujuk pada proses penggunaan sampel data untuk
membuat perkiraan atau estimasi tentang parameter populasi. Parameter populasi adalah karakteristik
yang terkait dengan seluruh populasi, sementara sampel adalah sekelompok observasi yang diambil
dari populasi tersebut. Dua jenis estimasi yang umum digunakan dalam probabilitas dan statistik
adalah:

a. Estimasi Titik (Point Estimation)

Merupakan upaya untuk menghasilkan satu nilai yang diharapkan mewakili nilai sebenarnya
dari suatu parameter populasi. Contoh estimasi titik melibatkan penggunaan statistik
deskriptif seperti rata-rata (mean), median, atau modus dari sampel untuk memperkirakan
nilai parameter populasi.

b. Estimasi Interval (Interval Estimation)

Merupakan upaya untuk menghasilkan suatu rentang atau interval yang mungkin mengandung
nilai sebenarnya dari suatu parameter populasi dengan tingkat kepercayaan tertentu. Contoh
estimasi interval melibatkan konstruksi interval kepercayaan untuk parameter tertentu
berdasarkan sampel data.

Beberapa konsep dan metode yang terkait dengan estimasi dalam probabilitas dan statistik termasuk:

a. Margin of Error (Kesalahan Margin)

 Merupakan ukuran ketidakpastian atau kesalahan yang terkait dengan estimasi, khususnya
dalam estimasi interval.

b. Interval Kepercayaan (Confidence Interval)

Merupakan rentang nilai yang diberikan dengan tingkat kepercayaan tertentu yang
mengandung nilai sebenarnya dari parameter populasi.

c. Tes Hipotesis (Hypothesis Testing)

Melibatkan pembuatan keputusan berdasarkan data sampel terhadap suatu pernyataan atau
hipotesis tentang nilai parameter populasi.

d. Estimasi Maksimum Likelihood (Maximum Likelihood Estimation/MLE)

Metode yang menggunakan fungsi likelihood untuk mendapatkan perkiraan terbaik tentang
parameter populasi.

e. Metode Kuadrat Terkecil (Least Squares Method)

Digunakan untuk mencari estimasi yang menghasilkan nilai parameter yang minimalkan
jumlah kuadrat perbedaan antara data observasi dan nilai yang diestimasi.

Estimasi memainkan peran kunci dalam pengambilan keputusan berbasis data dan dalam menyusun
model matematika untuk menganalisis fenomena di dunia nyata. Pemilihan metode estimasi yang
sesuai dan interpretasi hasilnya memerlukan pemahaman yang baik tentang konsep probabilitas dan
statistik.

2.2.6 Distribusi Sampling

Distribusi sampling merujuk pada distribusi probabilitas dari suatu statistik yang diambil dari
berbagai sampel acak yang mungkin dari suatu populasi. Ketika kita mengambil sampel acak dari
suatu populasi dan menghitung suatu statistik tertentu, kita dapat mengamati bagaimana nilai statistik
tersebut bervariasi di antara berbagai sampel. Dua distribusi sampling yang paling umum adalah:

a. Distribusi Sampling Rata-rata (Distribusi Sampling Mean)

Jika kita mengambil banyak sampel dari suatu populasi dan menghitung rata-rata dari setiap
sampel, distribusi dari rata-rata tersebut akan mendekati distribusi normal seiring dengan
meningkatnya ukuran sampel (berdasarkan Teorema Limit Pusat).

b. Distribusi Sampling Proporsi (Distribusi Sampling Proportion)

Terkait dengan populasi binomial dan mengukur proporsi sukses dalam sampel. Juga akan
mendekati distribusi normal jika ukuran sampel cukup besar.
 Contoh konsep yang terkait dengan distribusi sampling:

a. Standar Error (Standar Kesalahan)

Ukuran seberapa jauh rata-rata atau proporsi dari sampel dapat diharapkan berbeda dari rata-
rata atau proporsi populasi. Standar error sering digunakan untuk mengukur ketidakpastian
dalam estimasi.

b. Interval Kepercayaan (Confidence Interval)

Rentang nilai yang mengandung parameter populasi dengan tingkat kepercayaan tertentu.
Interval kepercayaan sering dibangun berdasarkan distribusi sampling.

c. Tes Hipotesis (Hypothesis Testing)

Penggunaan distribusi sampling dalam menguji hipotesis tentang parameter populasi.

Distribusi sampling membantu kita memahami variabilitas yang mungkin terjadi dalam hasil
pengambilan sampel acak. Konsep-konsep ini menjadi dasar dalam inferensi statistik, di mana kita
membuat kesimpulan tentang populasi berdasarkan data yang diambil dari sampel. Melalui distribusi
sampling, kita dapat mengevaluasi sejauh mana statistik dari sampel dapat merepresentasikan
parameter populasi yang sebenarnya.
BAB III ANALISA KORELASI PROJECT DENGAN MATA KULIAH

 Probabilitas dan statistik dapat digunakan untuk mengukur dan memodelkan keandalan
transmisi sinyal melalui fiber optik. Analisis probabilitas dapat memberikan pemahaman
tentang seberapa sering gangguan atau kehilangan sinyal dapat terjadi, sedangkan statistik
dapat memberikan metode untuk mengukur variasi dan kestabilan sinyal.
 Probabilitas dapat digunakan untuk memodelkan peluang keberhasilan transmisi sinyal tanpa
kesalahan, sedangkan statistik dapat digunakan untuk mengevaluasi parameter kualitas sinyal
seperti kebisingan dan distorsi. Analisis ini membantu memastikan kualitas sinyal yang tinggi
dalam komunikasi melalui fiber optik.
 Probabilitas dapat digunakan untuk memodelkan seberapa sering fiber optik dapat mengalami
gangguan, seperti penyimpangan atau kerusakan. Statistik dapat membantu mengidentifikasi
pola atau tren dalam data gangguan, memungkinkan pengembangan strategi untuk
meningkatkan toleransi terhadap gangguan.
 Probabilitas dan statistik dapat digunakan dalam pengujian dan verifikasi kualitas sistem fiber
optik. Ini mencakup pengujian keandalan, toleransi terhadap gangguan, dan pemantauan
statistik performa selama pengoperasian sehari-hari.
 Probabilitas dan statistik dapat digunakan dalam desain sistem fiber optik untuk
mengoptimalkan parameter seperti bandwidth, kecepatan transmisi, dan sensitivitas sinyal.
Analisis ini membantu dalam memahami variabilitas kinerja sistem dan memastikan
kebutuhan aplikasi terpenuhi dengan baik.
 BAB IV MATERI YANG PERLU DIPERDALAM
Pendalaman materi kuliah probabilitas dan statistik perlu untuk dilakukan, karena dalam Project IT
Support & Networking juga terdapat beberapa korelasi yang dapat mendukung kemajuan project
tersebut. Beberapa materi yang perlu untuk diperdalam lagi, diantaranya yaitu :

 Pengertian Data
 Dasar Probabilitas
 Distribusi Sampling
 DAFTAR PUSTAKA

[1] Devore, Jay. 2012. Probability and Statistic for Engineering and Sciences. Belmont

[2] Johnson, Richard. 2012. Statistic Principles & Methods. Hoboken.

[3] Walpole, R. E., Myers, R.H., Myers, S.L., and Ye, K.E. 2012. Probability and Statistics for
Engineers and Sciences 9th edition. Boston. Prentice Hall.

[4] Johnson, R.A. and Bhattacharyya, G.K. 2014. Statistics: Principles and Concepts 7th edition. New
York. John Wiley and Sons.