LAPORAN PRAKTIKUM

MODUL II

EVENT DAN PROBABILITAS

OLEH :

KELOMPOK X

MUH FADHEL RACHAM 09120200052

LA ODE MUHAMMAD MUCHSIN 09120220008

A. M FAJRIA HIDAYAT 09120220035

HERIYANTI 09120220088

ASYIAH KAMILA R 09120220119

LABORATORIUM STATISTIKA INDUSTRI

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS MUSLIM INDONESIA

2024
 BAB I

PENDAHULUAN

1.1Latar Belakang

Kita sering berhadapan dengan skor-skor hasil tes siswa. Misalkan

seorang siswa memperoleh skor asli (apa adanya/belum diolah) dari empat

kali tes matematika dalam satu semester adalah 8, 7, 8 dan 9. Kumpulan

bilangan itu merupakan data mentah. Misalkan pula, 3, 0, 2 dan 4 yang

menyatakan banyaknya kecelakaan lalu lintas di suatu daerah dalam empat

bulan pertama suatu tahun juga merupakan data mentah. 100 cm, 120, cm,

180 cm, 150 cm yang menyatakan tinggi badan orang-orang dalam suatu

keluarga juga merupakan data mentah (Prabawanto, 2019).

Dengan demikian, data mentah merupakan informasi yang dicatat dan

dikumpulkan, baik dalam bentuk hitungan maupun pengukuran. Proses yang

menghasilkan data mentah disebut percobaan. Pengetahuan kita tentang

ruang sampel, kejadian dan titik sampel sangat diperlukan agar kita dapat

memperoleh gambaran lebih lengkap dalam memahami suatu percobaan.

Dalam hidup kita sering mengalamai hal-hal yang mungkin pernah kita

alami. Dari kejadian yang pernah kita alami tersebut kadang kita bisa

memberikan pandangan kepada orang lain yang sedang mengalami kejadian

seperti kita dulu. Bagi mereka yang lebih kreatif kejadian yang pernah

dialaminya dimasa lalu atau bahkan kejadian yang dialami orang lain

dijadikan ramalan untuk masa depan seseorang yang dipandangnya

menyerupai seseorang tadi. Kadang kita dalam hidup ini perlu yakin adanya

kemungkinan-kemungkinan yang akan terjadi dikemudian hari (Prabawanto,

2019).
1.2 Tujuan Praktikum

Adapun tujuan praktikum yang dilakukan adalah

1. Untuk menerapkan definisi empiris dan probabilitas munculnya suatu

peristiwa.

2. Agar praktikan dapat mengetahui nilai probabilitas berdasarkan

pendekatan frekuensi relatif.

3. Dapat mengetahui peristiwa yang bersifat mutually exclusive.

4. Untuk mengetahui probabilitas bersyarat.

1.3 Alat Bahan

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

2. Kartu UNO

3. Dadu

4. Pallet warna hitam, warna putih dan warna hijau

5. Kalkulator

6. Lembar kerja

7. Media pengujian

1.4 Langkah-Langkah Praktikum

1.4.1 Percobaan Apriori dan Frekuensi Relatif

1. Lemparkan koin yang permukaannya seimbang.

2. Catat permukaan yang muncul.

3. Ulangi langkah 1-2 untuk masing-masing sebanyak 25, 50 dan 100

kali.

4. Hitung frekuensi kemunculan masing-masing permukaan.

5. Bandingkan hasil tersebut dengan nilai ekspektasinya

6. Ulangi langkah 1-4 untuk kartu UNO dengan permukaan yang tidak

seimbang.
 7. Hitung probabilitas kemunculan masing-masing permukaan.

8. Buat kesimpulan.

1.4.2 Percobaan Peristiwa Independent

1. Acak media.

2. Ambil sebuah pallet dalam sebuah wadah yang berisi 40 pallet putih,

35 pallet hitam dan 25 pallet hijau.

3. Catat kondisi pallet.

4. Kembalikan sampel tersebut ke dalam wadah lalu acak.

5. Ulangi langkah 1-4 masing-masing sebanyak 25, 50 dan 100 kali.

6. Hitung frekuensi kemunculan masing-masing pallet.

7. Bandingkan hasil percobaan dengan nilai ekspektasi

8. Buat kesimpulan

1.4.3 Percobaan Probabilitas Bersyarat

1. Aduk media.

2. Ambil sebuah pallet dalam sebuah wadah yang berisi 40 pallet putih,

35 pallet hitam dan 25 pallet hijau. dilanjutkan dengan pengambilan

sebuah pallet berikutnya dan catat hasilnya.

3. Kembalikan ketiga sampel tersebut ke wadah.

4. Ulangi langkah 1-4 masing-masing sebanyak 25, 50 dan 100 kali.

5. Hitung kemunculan masing-masing pallet.

6. Bandingkan hasil percobaan dengan nilai ekspektasi.

7. Buat kesimpulan.

1.4.4 Percobaan Mutually Exclusive

1. Lemparkan dua buah dadu.

2. Catat angka yang muncul

3. Ulangi langkah 1-2 masing-masing sebanyak 25, 50 dan 100.

4. Bandingkan hasil percobaan dengan nilai ekspektasi.

 BAB II

TINJAUAN PUSTAKA

2.1 Event dan Probabilitas

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 (subset) dari ruang sampel. Suatu event

dapat diperoleh dari kombinasi beberapa event menggunakan operasi

himpunan.

Menurut Adi Setiawan kejadian adalah hasil dari suatu eksperimen yang

apabila suatu kejadian tersebut tidak dapat didekomposisikan dinamakan

kejadian sederhana (simple event) (Mauna, 2019).

Menurut Rinaldi Munir, kejadian (event) adalah himpunan bagian

(subset) dari ruang sampel S. Dengan kata lain, kejadian adalah himpunan

dari hasil hasil yang mungkin.

Kejadian merupakan salah satu sub himpunan (subset) 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.

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 memupunyai

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.

Misal suatu ruang sampel S={buku, pensil, jurnal, majalah, koran}, jika A

= {buku,pensil, jurnal} maka komplemen dar A atau ditulis dengan Ā atau

A’={ majalah, koran}.

Komplemen event A, juga dapat dinotasikan 𝐴𝑐, didefinisikan sebagai

himpunan seluruh outcome yang tidak berada dalam A. Dua event A dan B

disebut sama, 𝐴 = 𝐵, jika kedua event tersebut memiliki outcome yang

sama. Dua event A dan B disebut sama, 𝐴 = 𝐵, jika kedua event tersebut

memiliki outcome yang sama. Berikut ini merupakan sifat-sifat operasi

himpunan dan kombinasinya yang berguna dalam konsep himpunan dan

event:

1. Komutatif

A∪ B = B ∪ A dan A ∩ B = B ∩ A
2. Asosiatif

A ∪ ( B ∪ C) = (A∪ B) ∪ C

A ∩ ( B ∩ C) = ( A ∩ B ) ∩ C

3. Distributif

A ∪ (B ∩ C) = ( A ∪ B ) ∩ ( A ∪ C)

A ∩ ( B ∪ C) = ( A ∩ B ) ∪ ( A ∩ C)

4. Aturan De Morgan

(A ∩ B) c = Ac ∪ Bc

(A ∪ B) c = Ac ∩ Bc

Dengan menggunakan operasi-operasi himpunan terhadap kejadian-

kejadian dalam S, maka akan diperoleh kejadian-kejadian lain dalam S.

Jenis lain kejadian tersebut diantaranya adalah irisan dan gabungan. Irisan

adalah interseksi antara dua kejadian. Misalnya jika A dan B adalah dua

buah kejadian maka irisan keduanya sering ditulis A ∩ B: kejadian yang

unsurnya termasuk A dan B atau dilambangkan dengan A ∩ B = { x : x ∈ A

dan x ∈ B} atau dinyatakan bahwa A irisan B = x sedemikian rupa sehingga

x elemen A dan x elemen B.

Operasi himpunan terhadap kejadian-kejadian dalam S dalam bentuk

lainya adalah gabungan. Gabungan antara dua kejadian A dan B adalah

kejadian kejadian yang mengandung semua unsur yang termasuk A atau B

atau keduanya. Gabungan kedua kejadian tersebut sering ditulis A ∪ B

dimana secara lengkap dapat dituliskan sebagai A ∪ B = { x : x ∈ A, x ∈ B

atau x ∈ AB} yang dinyatakan dengan A gabungan B = x sedemikian rupa

sehingga x elemen A, x elemen B atau x elemen AB (Hayati, 2020).

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 dari pada kemungkinan tidak keluar atau

tidak (Otaya, 2021).

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.

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 (Esa,

2020). Menurut pendekatan frekuensi relatif, probabilitas dirumuskan:

m
………………………………………
P( X ) = lim dengan fr = m ............................................ (Rumus 2.2)
n n
Dimana:
)
P(X) = Probabilitas peristiwa X

M = frekuensi 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.

2.2 Metode Statistik

Metode statistik adalah cara menggunakan statistik dengan benar untuk

memperoleh informasi yang akurat dan dapat diandalkan. Sedangkan

statistika adalah ilmu atau pengetahuan yang digunakan untuk

menghasilkan data, namun cara statistik digunakan untuk memperoleh data

yang dapat diandalkan disebut metode statistik atau teknik statistic.

Kemajuan ilmu pengetahuan dan teknologi tidak dapat dipisahkan dari

statistika. Para peneliti menggunakan statistika sebagai alat bantu dalam

memahami gejala-gejala yang diamatinya. Statistika membantu para para

peneliti mampu menyederhanakan kompleksitas suatu gejala sehingga

lebih mudah dipahami oleh pemikir manusia yang terbatas. Atas bantuan

statistika, penemuan-penemuan yang dihasilkan oleh para ilmuwan juga

dapat di komunikasikan ke masyarakat secara kompak singkat dan akurat.

Statistik meliputi pengumpulan data, pengelolahan sebuah data,

menganalisis sebuah data dan menarik kesimpulan berdasarkan data yang

ada. Data adalah sejumlah informasi yang dapat memberikan gambaran

mengenai suatu keadaan bahan suatu masalah. Sebuah data bisa

dikatakan memenuhi sebuah syarat jika objektif yang artinya jika data

dikumpulkan harus ada gambaran keadaan sebenarnya, relavan artinya

jika sebuah data yang dikumpulkan mempunyai kaitannya dengan sebuah

permasalahan yang akan diteliti, representative adalah jika data yang

dikumpulkan melalui teknik sampling, sesuai zaman, harus bisa mewakili

dan menggambarkan keadaan (Lutfiana, 2020).

2.3 Aturan-aturan Probabilistik

1. Peristiwa Bersama

Terjadinya dua atau lebih peristiwa dalam suatu percobaan.

P (XY) = Probabilistik terjadinya X dan Y

P(X+Y) = Probabilistik terjadinya X atau Y

2. Probabilitas Mutually Exclusive

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.

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 2.3)

=1
Dimana:

P(X) = Peristiwa untuk sebuah nilai x

3. Peristiwa Bebas (Independent)

Jika probabilitas terjadi peristiwa X tidak mempengaruhi terjadinya

peristiwa Y:

…..……………..……………………………………….…………(Rumus
P(xy) = P(x)P(y) 2.4)

Dimana:

P(xy) = Peristiwa untuk x digabung y

P(x) = Peristiwa untuk sebuah nilai x

P(y) = Peristiwa untuk sebuah nilai 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:

a. Probabilitas marginal atau probabilitas tidak bersyarat, probabilitas

terjadinya suatu peristiwa yang tidak memiliki hubungan dengan

terjadinya peristiwa lain. Peristiwa-peristiwa tersebut tidak saling

mempengaruhi.

b. 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:

P(A&B) = P(AB)
............................................................................................... Rumus 2.5)
= P(A).P(B)

Dimana:
P(A&B) = Probabilitas A dan B

P(AB) = Probabilitas A gabung B

P(A) = Probabilitas dalam A

P(B) = Probabilitas dalam B

c. 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, Peluang terjadinya suatu kejadian B bila

diketahui bahwa kejadian A telah terjadi disebut peluang bersyarat dan

dinyatakan dengan:

……………..……………………………..…………………….…(Rumus
P(B/A) = P(B) 2.6)

Dimana:
 P(B/A) = Probabilitas dalam B dibagi A

P(B) = Probabilitas dalam B

4. Peristiwa Tidak Saling Bebas (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:

a. Probabilitas bersyarat, peristiwa tidak saling bebas adalah

probabilitas terjadinya suatu peristiwa dengan syarat peristiwa lain

harus terjadi dan peristiwa-peristiwa tersebut saling mempengaruhi.

Teori-teori filsafat telah menjelaskan sebab-akibat. Salah satu

ketentuan umum diterima (meskipun bukan satu-satunya ketentuan)

adalah bahwa jika suatu peristiwa A adalah penyebab lain peristiwa

B, setiap kali A terjadi , B juga terjadi, dan oleh karena itu

menyatakan bahwa P= ( B|A)=1. Sebaliknya P=( B | A ) =1, jika

maka tidak benar bahwa A adalah penyebab B meskipun

keberadaan bersyarat hubungan menunjukkan bahwa hubungan

kausal mungkin. Jika peristiwa B bersyarat terhadap A, probabilitas

terjadinya peristiwa tersebut:

𝑃(𝐵𝐴)
P (B/A) =
.......................................................................................... (Rumus 2.7)
𝑃(𝐴)

Dimana:

P(B/A) = Probabilitas dalam B dibagi A

P(BA)= Probabilitas dalam B digabung A

P(A) = Probabilitas dalam A

P(B/A) dibaca probabilitas terjadinya B dengan syarat peristiwa A

terjadi.
b. 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:

P(A&B) = P(AB) = P(A).P(B/A)

……………..…………..…………………….....……………(Rumus 2.8)

Dimana:
P(A&B)= Probabilitas A dan B

P(AB)= Probabilitas A gabung B

P(A) = Probabilitas dalam A

P(B/A) = Probabilitas dalam B dibagi A

Jika tiga buah peristiwa A, B, dan C gabungan, probabilitas

terjadinya peristiwa tersebut :

……………..…………..………………………………….....(Rumus
P(ABC) = P(A).P(B/A).(C/AB) 2.9)

Dimana:
P(ABC) = Probabilitas A gabung B gabung C

P(C/AB) = Probabilitas C dibagi A gabung B

P(A) = Probabilitas dalam A

P(B/A) = Probabilitas dalam B dibagi A

c. Probabilitas Marginal, peristiwa tidak saling bebas adalah

probabilitas terjadinya suatu peristiwa yang memiliki hubungan

dengan terjadinya peristiwa lain dan peristiwa tersebut saling

mempengaruhi. Jika peristiwa A adalah marginal, probabilitas

terjadinya peristiwa A tersebut:

P(A) = ∑ P(BA)= ∑ P(A𝑖̂). P(B/ A𝑖̂) 1,2,3

……………..…………..…………………………...…..…(Rumus 2.10)
 Dimana:
P(BA) = Probabilitas B digabung A

∑𝑝 = Sigma

5. Probabilitas Bersyarat

Teori-teori filsafat telah menjelaskan sebab-akibat. Salah satu

ketentuan umum diterima (meskipun bukan satu-satunya ketentuan)

adalah bahwa jika suatu peristiwa A adalah penyebab lain peristiwa B,

setiap kali A terjadi, B juga terjadi, dan oleh karena itu menyatakan

bahwa P= (B|A)=1. Sebaliknya P= (B|A)=1, jika maka tidak benar

bahwa A adalah penyebab B meskipun keberadaan bersyarat

hubungan menujukkan bahwa hubungan kausal mungkin. Dalam

beberapa kasus hubungan kondisional tidak berarti sebab-akibat.

6. Hubungan Inklusif
Variabel acak diskrit X menetukan distribusi probabilitas apabila untuk

nilai-nilai X = X1, X2, ..., Xn terdapat probabilitas P(Xi) = P(X = Xi)

sehingga:
n
……………..…………..………….............……………………(Rumus 2.11)
 P( Xi) = 1
x =1

Dimana:
∑ = Sigma

P = Probabilitas

Xi = Variabel

2.4 Kejadian

Kejadian itu merupakan gabungan dari kejadian-kejadian sederhana,

maka kejadian itu disebut kejadian majemuk. Misalkan pada percobaan

pengetosan sebuah dadu, kita ingin mengetahui hasil pengetosan dadu

adalah bilangan yang habis dibagi 2. Hal ini berarti yang kita kehendaki

adalah kejadian munculnya bilangan yang habis dibagi 2, yaitu A = {2, 4, 6}.
Tiap kejadian berkaitan dengan sekumpulan titik sampel dari suatu ruang

sampel membentuk himpunan bagian dari ruang sampel itu. Pada contoh di

atas, jelas bahwa kejadian A = {2, 4, 6} merupakan himpunan bagian dari

ruang sampel S = {1, 2, 3, 4, 5, 6}. Dengan demikian, kejadian dapat

didefinisikan sebagai himpunan bagian dari ruang sampel.

Pada setiap percobaan, mungkin kita ingin mengetahui kejadian

tertentu. Kejadian tertentu itu mungkin berupa satu atau lebih titik sampel

pada ruang sampel, atau mungkin bukan titik sampel pada ruang sampel.

Jika kejadian itu hanya memuat satu titik sampel p ada ruang sampel, maka

kejadian itu disebut kejadian sederhana. Hubungan antara kejadian dan

ruang sampel pada umumnya dapat digambarkan dengan diagram venn.

Dalam suatu diagram venn, ruang sampel dapat digambarkan dengan

empat persegi panjang dan kejadian dinyatakan dengan lingkaran di

dalamnya. kejadian A, B dan C merupakan himpunan-himpunan bagian

dari ruang sampel S. Juga tampak bahwa kejadian B merupakan himpunan

bagian kejadian A; kejadian B dan C tidak mempunyai titik sampel yang

sama; A dan C mempunyai paling sedikit satu titik sampel yang sama.

Pengertian kejadian dalam statistika adalah himpunan bagian dari ruang

sampel. Suatu kejadian yang anggota-anggotanya semua titik sampel

disebut kejadian pasti. Sedangkan suatu kejadian yang merupakan

himpunan kosong disebut kejadian mustahil. Bila suatu kejadian dapat

dinyatakan sebagai sebuah himpunan yang hanya terdiri dari satu titik

sampel maka kejadian itu disebut kejadian sederhana. Sedangkan kejadian

majemuk adalah kejadian yang dapat dinyatakan sebagai gabungan

beberapa kejadian sederhana. Ruang kosong atau ruang nol adalah

himpunan bagian ruang sampel yang tidak satu pun mengandung

kelebihan anggota. Kejadian ini diberi lambang khusus ∅.

 1. Contoh kejadian sederhana yaitu kejadian munculnya angka pada

percobaan pelemparan dua keping mata uang dapat dinyatakan

sebagai Y = {AA} yang merupakan himpunan bagian dari ruang sampel

S = {AA, AG, GA, GG}

2. Contoh kejadian majemuk: Kejadian B menarik sebuah kartu merah dari

sekotak kartu bridge merupakan kejadian majemuk, karena B =

{hear,diamond}.

3. Contoh ruang nol: B = {x/x adalah faktor bukan prima dari 11 selain1}

maka kejadian B adalah kejadian ruang nol karena faktor dari 11 adalah

11 dan 1, 11 adalah bilangan prima.

2.5 Ruang Sampel

Pada bagian pendahuluan telah disinggung tentang data mentah dan

percobaan. Sebagai contoh percobaan adalah pengetesan mata uang

logam dan pengetesan dadu. Pada pengetosan mata uang logam,

percobaan ini hanya menghasilkan 2 buah kemungkinan, yaitu “muka” dan

belakang dan pada pengetesan dadu untuk melihat angka yang di bagian

atas, kemungkinan yang dihasilkan adalah 1, 2, 3, 4, 5 dan 6. Dalam

banyak hal, percobaan tidak dapat memberikan hasil yang pasti. Meskipun

kita melakukan pengetesan uang logam beberapa kali, kita tidak dapat

memastikan bahwa pengetesan tertentu akan menghasilkan “muka” dan

pengetesan lainnya akan menghasilkan “belakang”. Meskipun demikian,

kita mengetahui bahwa setiap percobaan pasti ada unsur peluang dan kita

mengetahui seluruh kemungkinan yang dapat terjadi dari suatu percobaan.

Seluruh kemungkinan itu disebut dengan ruang sampel dan dilambangkan

dengan S. Tiap hasil dalam ruang sampel disebut unsur atau titik sampel

(Prabawanto, 2019).
 Bila ruang sampel S yang merupakan semua hasil yang mungkin terjadi

dari suatu percobaan mempunyai unsur yang hingga banyaknya, maka

unsur atau titik sampel itu dapat di daftar dan ditulis diantara dua alokade.

Pada pengetosan mata uang logam, unsur atau titik sampel muka dan

belakang dapat ditulis sebagai S ={𝑀, 𝐵}. Bila ruang sampel S berukuran

besar atau mempunyai unsur yang tak hingga banyaknya maka unsur-

unsur itu akan lebih mudah ditulis dengan suatu pernyataan atau aturan.

Misalkan, bila hasil dari suatu percobaan adalah orang-orang Jakarta yang

mempunyai mobil = Dibaca, “S adalah kumpulan x, jika x menyatakan

orang Jakarta yang mempunyai mobil dua atau lebih”. Contoh 1. Percobaan

pengetosan sebuah dadu adalah angka yang muncul di bagian atas, maka

ruang sampelnya adalah S = {1,2,3,4,5,6} Bila percobaan pengetosan dadu

itu adalah bilangan genap atau ganjil, maka ruang sampelnya adalah S =

{ganjil, genap) (Prabawanto, 2019).

2.6 Ekspetasi

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.

Salah satu teori dalam ilmu statistika yang sangat penting dan sering

digunakan dalam pengamatan suatu penelitian untuk mencari nilai yang

diharapkan adalah teori ekspektasi. Ekspektasi adalah suatu nilai harapan

 terhadap suatu kejadian yang diperhitungkan berdasarkan semua

kemungkinan yang akan terjadi terhadap suatu kejadian. Ekspektasi

bersyarat adalah ekspektasi suatu variabel acak yang bergantung pada

variabel acak yang lain.

Teori yang mendukung sifat-sifat ekspektasi bersyarat adalah

probabilitas, distribusi gabungan dan marginal, dua kejadian yang saling

bebas, probabilitas bersyarat, ekspektasi dan variansi. Tujuan dalam

penulisan ini adalah mengkaji sifat-sifat ekspektasi bersyarat. Pembahasan

pada penelitian ini dibatasi pada sifat-sifat ekspektasi bersyarat untuk

variabel acak kontiniu.

2.7 Teknik Pengambilan Sampel

Sebuah sampel harus dipilih sedemikian rupa sehingga setiap satuan

unsur mempunyai kesempatan dan peluang yang sama untuk dipilih, dan

besarnya peluang tersebut tidak boleh sama dengan nol. Di samping itu,

pengambilan ampel secara acak (random) harus menggunakan teknik yang

tepat sesuai dengan ciri-ciri populasi dan tujuan penelitian. Menurut Triyono

suatu teknik pengambilan sampel yang ideal mempunyai sifat-sifat dapat

menghasilkan gambaran yang dapat dipercaya dari seluruh populasi yang

diteliti, dapat menentukan presisi (presicion) dari hasil penelitian dengan

menentukan simpangan baku (standard deviation) dari taksiran yang

diperoleh, sederhana, sehingga mudah dilaksanakan dan dapat

memberikan keterangan sebanyak mungkin, dengan biaya yang serendah

rendahnya.

Dalam menentukan teknik pengambilan sampel yang akan diterapkan

dalam suatu penelitian, seorang peneliti harus memperhatikan hubungan

antara biaya, tenaga dan waktu di satu pihak, serta tingkat presisi di pihak

lain. Jika jumlah biaya, tenaga dan waktu sudah dibatasi sejak semula,
seorang peneliti harus berusaha mendapatkan teknik pengambilan sampel

yang menghasilkan presisi tertinggi. Perlu disadari bahwa tingkat presisi

yang tinggi tidak mungkin dapat dicapai dengan biaya, tenaga dan waktu

yang terbatas.

Di samping itu, perlu diperhatikan pula masalah “efisiensi” dalam memilih

teknik pengambilan sampel. Metode A dikatakan lebih efisien dari pada

metode B, jika untuk sejumlah biaya, tenaga dan waktu yang sama, metode

A dapat memberikan tingkat presisi yang lebih tinggi; atau untuk tingkat

presisi yang sama diperlukan biaya, tenaga dan waktu yang lebih rendah.

Sering timbul pertanyaan, berapa besarnya sampel (sample size) yang

harus diambil untuk mendapatkan data yang representatif. Ada empat

faktor yang harus dipertimbangkan dalam menentukan besarnya sampel

dari suatu penelitian, yaitu:

1. Derajat keseragaman (degree of homogenity) dari populasi. Makin

seragam populasi, makin kecil sampel yang bisa diambil. Jika populasi

seragam penuh (completely homogenous), maka satu satuan elemen

saja sudah cukup representatif untuk diteliti. Sebaliknya, apabila

populasi itu secara sempurna tidak seragam (completely

heterogeneous), maka hanya pencatatan lengkap yang dapat

memberikan gambaran secara representatif.

2. Presisi yang dikehendaki dari penelitian. Makin tinggi tingkat presisi

yang dikehendaki, makin besar jumlah sampel yang harus diambil. Jadi,

sampel yang besar cenderung memberikan penduga yang lebih

mendekati nilai sesungguhnya (true-value). Pada sensus lengkap,

tingkat presisi ini menjadi mutlak, karena nilai taksiran statistik sama

dengan nilai parameter. Dengan perkataan lain, antara besarnya

 sampel yang diambil dengan besarnya kesalahan (error) terdapat

hubungan yang negatif.

3. Rencana analisis. Adakalanya besarnya sampel sudah mencukupi

sesuai dengan tingkat presisi yang dikehendaki, akan tetapi jika

dikaitkan dengan kebutuhan analisis, jumlah sampel tersebut kurang

mencukupi. Tenaga, waktu dan biaya. Jika diinginkan tingkat presisi

yang tinggi, maka jumlah sampel harus besar. Tetapi jika dana, waktu

dan tenaga yang tersedia sangat terbatas, tidak mungkin untuk

mengambil sampel yang besar; dan ini berarti tingkat presisinya akan

menurun.

4. Sampling acak sederhana (simple random sampling) ialah suatu sampel

yang diambil sedemikian rupa sehingga tiap unit penelitian dari suatu

populasi mempunyai kesempatan yang sama untuk dipiih sebagai

sampel. Dalam prakteknya, sampel acak sederhana dapat dilakukan

dengan undian, atau bilangan acak.

5. Sampling sistematis apabila banyaknya satuan elementer yang akan

dipilih cukup besar, maka pemilihan sampel acak sederhana akan berat

mengerjakannya. Dalam keadaan seperti ini ahli statistik cenderung

memakai metode lain. Pengambilan sampel acak sistematis (systematic

random sampling) ialah suatu metode pengambilan sampel, dimana

hanya unsur pertama saja dari sampel dipilih secara acak, sedangkan

unsur-unsur selanjutnya dipilih secara sistematis menurut pola tertentu.

Sampel sistematis sering kali menghasilkan kesalahan sampling

(sampling error) yang lebih kecil, disebabkan anggota sampel menyebar

secara merata di seluruh provinsi.

6. Sampling acak berlapis dalam praktek sering dijumpai populasi yang

tidak homogen. Makin heterogen suatu populasi, makin besar pula

 perbedaan sifat antara lapisan-lapisan tersebut. Presisi dan hasil yang

dapat dicapai dengan penggunaan suatu metode pengambilan sampel,

antara lain dipengaruhi oleh derajat keseragaman dari populasi yang

bersangkutan. Untuk dapat menggambarkan secara tepat mengenai

sifat-sifat populasi yang heterogen, maka populasi yang bersangkutan

dibagi ke dalam lapisan-lapisan (stratum) yang seragam dan dari setiap

lapisan diambil sampel secara acak. Dalam sampel berlapis, peluang

untuk terpilih satu strata dengan yang lain mungkin sama, mungkin pula

berbeda. Ada dua syarat yag harus terpenuhi untuk dapat

mempergunakan metode pengambilan sampel acak berlapis, yaitu ada

kriteria jelas yang akan dipergunakan sebagai dasar untuk

menstratifikasi populasi dan diketahui dengan tepat jumlah satuan-

satuan elementer dari tiap lapisan dalam populasi itu. Besarnya sampel

yang diambil dari tiap-tiap strata dapat berimbang dan dapat pula tidak

berimbang.

7. Sampling gugus (cluster) sederhana. Jika seorang peneliti ingin meneliti

besarnya pendapatan per bulan dari tiap-tiap keluarga di suatu

kecamatan, sedangkan data mengenai jumlah keluarga di kecamatan

tersebut tidak tersedia, maka kecamatan tersebut dibagi menjadi desa-

desa. Desa-desa itu dijadikan gugus atau unsur sampling. Semua desa

yang ada diberi nomor dan dipilih secara acak sebuah desa atau lebih

sebagai sampel. Karena unsur penelitian adalah keluarga atau rumah

tangga, maka semua rumah tangga yang ada dalam desa tersebut yang

diteliti.

8. Sampling wilayah adakalanya peneliti dihadapkan pada wilayah

penelitian dengan berbagai ciri khusus pada beberapa bagian wilayah

 tersebut. Dalam keadaan seperti itu, sampling wilayah (area) mungkin

akan lebih tepat digunakan.

2.8 Diagram Venn

Diagram venn merupakan suatu gambar yang merepresentasikan

hubungan dan operasi antara dua himpunan atau lebih, himpunan semesta

digambarkan sebagai suatu persegi panjang dengan ujung kanan atasnya

diberi simbol S tanda dari himpunan semesta. Diagram venn pertama kali

ditemukan oleh John Venn, yang hidup sekitar tahun (1834-1923). Ia

adalah seorang matematikawan asal Inggris yang menggunakan diagram

venn untuk menyatakan hubungan antar himpunan agar lebih mudah

dipahami.

Dalam diagram venn, himpunan himpunan digambarkan sebagai suatu

kurva tertutup (biasanya lingkaran) dan anggota himpunannya dituliskan

dalam kurva tertutup tersebut. Diagram venn adalah suatu cara

menyatakan himpunan dengan menggunaan gambar. Himpunan semesta

dinyatakan dengan daerah persegi panjang.

Diagram Venn digunakan untuk menunjukkan himpunan bagian. Subset

sebenarnya adalah himpunan yang terdapat di dalam himpunan lain. Mari

kita perhatikan contoh dua himpunan A dan B pada gambar di bawah ini. Di

sini, A adalah himpunan bagian dari B. Lingkaran A seluruhnya terdapat di

dalam lingkaran B. Selain itu, semua anggota A merupakan anggota

himpunan B (Astuti & Julaeha, 2021).

 BAB III

METODOLOGI PENELITIAN

8.1. Pendahuluan

8.1.1. Latar Belakang

Latar belakang berisi tentang probabilitas dalam ilmu statistik

agar kita dapat mengetahui dan lebih memahami fungsi dari ilmu

statistik di bidang industri. Probabilitas digunakan 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.

Untuk itulah, ilmu probabilitas sudah harus diterapkan dalam

perkuliahan, khususnya untuk jurusan Teknik Industri.

8.1.2. Tujuan Praktikum

1. Praktikan diharapkan mampu menerapkan definisi empiris dan

probabilitas munculnya suatu peristiwa.

2. Praktikan diharapkan mampu mengetahui nilai probabilitas

berdasarkan pendekatan frekuensi relatif.

3. Praktikan diharapkan mampu mengetahui peristiwa yang

bersifat mutually exclusive.

4. Praktikan diharapkan mampu mengetahui probabilitas

bersyarat.

8.1.3. Alat dan Bahan

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

2. Kartu UNO

3. Dadu
 4. Pallet warna hitam, warna putih dan warna hijau

5. Kalkulator

6. Lembar kerja

7. Media pengujian

8. Logistic system

8.1.4. Langkah Percobaan

1. Percobaan Apriori dan Frekuensi Relatif

a. Lemparkan koin yang permukaannya seimbang.

b. Catat permukaan yang muncul.

c. Ulangi langkah 1-2 untuk masing-masing sebanyak 25, 50

dan 100 kali.

d. Hitung frekuensi kemunculan masing-masing permukaan.

e. Bandingkan hasil tersebut dengan nilai ekspektasinya.

f. Ulangi langkah 1-4 untuk kartu UNO dengan permukaan

yang tidak seimbang.

g. Hitung probabilitas kemunculan masing-masing permukaan.

h. Buat kesimpulan.

2. Percobaan Peristiwa Independent

a. Acak media.

b. Ambil sebuah pallet dalam sebuah wadah yang berisi 40

pallet putih, 35 pallet hitam dan 25 hijau.

c. Catat kondisi pallet.

d. Kembalikan sampel tersebut ke dalam wadah lalu acak.

e. Ulangi langkah 1-4 masing-masing sebanyak 25, 50 dan

100 kali.

f. Hitung frekuensi kemunculan masing-masing pallet.

g. Bandingkan hasil percobaan dengan nilai ekspektasi

 h. Buat kesimpulan.

3. Percobaan Probabilitas Bersyarat

a. Aduk media.

b. Ambil sebuah pallet dalam sebuah wadah yang berisi 40

pallet putih, 35 pallet hitam dan 25 pallet hijau. dilanjutkan

dengan pengambilan sebuah pallet berikutnya dan catat

hasilnya.

c. Kembalikan ketiga sampel tersebut ke wadah.

d. Ulangi langkah 1-4 masing-masing sebanyak 25,50 dan

100 kali.

e. Hitung kemunculan masing-masing pallet.

f. Bandingkan hasil percobaan dengan nilai ekspektasi.

g. Buat kesimpulan.

4. Percobaan Mutually Exclusive

a. Lemparkan dua buah dadu.

b. Catat angka yang muncul

c. Ulangi langkah 1-2 masing-masing sebanyak 25,50 dan

100.

d. Bandingkan hasil percobaan dengan nilai ekspektasi.

e. Buat kesimpulan.

8.2. Tinjauan Pustaka

Pada bagian tinjauan pustakan memberikan pemahaman mengenai

materi-materi yang berkaitan dengan percobaan yang dilakukan.

8.3. Metodologi Penelitian

Metodologi penelitian dalam laporan ini berisi urutan atau langkah-

langkah yang harus dikerjakan ketika menyusun laporan.

8.4. Pengumpulan Data

Data yang diperoleh merupakan hasil pengambilan secara acak

terhadap beberapa percobaan dimulai dari data koin Rp. 200 perak, koin

Rp. 500 perak, koin Rp. 1000 perak, pallet hitam, putih dan hijau, kartu

UNO dan 2 dadu.

8.5. Pengolahan Data

8.5.1. Data Pengamatan

a). Data Percobaan Apriori dan Frekuensi Relatif

Data percobaan apriori dan frekuensi relatif diambil dari

pengambilan secara acak:

a. Percobaan Apriori

1. Koin 200 Angka (A) - Gambar (G)

2. Koin 500 Angka (A) - Pancasila (P)

3. Koin 1000 Angka (A) - Angklung (AG)

b. Percobaan Frekuensi Relatif

1. Kartu UNO Tulisan UNO (+) - Bukan Tulisan UNO (-)

b). Data Percobaan Peristiwa Independent

Data percobaan peristiwa independen relatif diambil dari

pengambilan secara acak:

1. Pallet hitam (H)

2. Pallet putih (P)

3. Pallet hijau (Hj)

c). Data Percobaan Probabilitas Bersyarat

Data percobaan probabilitas bersyarat diambil dari

pengambilan secara acak:

1. Pallet hitam (H)

2. Pallet putih (P)

 3. Pallet hijau (Hj)

d). Data Percobaan Mutually Exclusive

Diambil dari pelemparan:

1. Dadu I

2. Dadu II

3.5.2 Pengolahan Data

a) Percobaan apriori dan frekuensi relatif dicari:

a. Percobaan apriori

1. Frekuensi kemunculan permukaan

2. Nilai ekspentasi

3. Persentase kemunculan permukaan

4. Perbandingan frekuensi kemunculan permukaan dengan

nilai ekspektasinya

b. Frekuensi relatif (+) dan (-)

1. Frekuensi kemunculan permukaan

2. Nilai ekspektasi

3. Persentase kemunculan permukaan

4. Perbandingan frekuensi kemunculan permukaan dengan

nilai ekspektasinya

b) Percobaan peristiwa independent dicari:

1. Frekuensi kemunculan permukaan

2. Nilai ekspektasi

3. Persentase kemunculan permukaan

4. Perbandingan frekuensi kemunculan permukaan dengan

nilai ekspektasinya

c) Percobaan probabilitas bersyarat dicari:

1. Frekuensi kemunculan permukaan

 2. Nilai ekspektasi

3. Persentase kemunculan permukaan

4. Perbandingan frekuensi kemunculan permukaan dengan

nilai ekspektasinya

d) Percobaan mutually exclusive dicari:

1. Frekuensi kemunculan permukaan

2. Nilai ekspektasi

3. Persentase kemunculan permukaan

4. Perbandingan frekuensi kemunculan permukaan dengan

nilai ekspektasinya

3.6. Analisi dan Pembahasan

Poin analisis pembahasan berisi tentang pemaparan langkah-langkah

mengolah data yang diperoleh selama praktikum.

3.7. Penutup

Berisikan kesimpulan hasil dari pengolahan data serta saran yang

ditujukan untuk laboratorium dan asisten.

3.8. Flowchart

3.8.1 Flowchart Keseluruhan

Mulai

Latar Belakang

Tujuan

Praktikum
Tinjauan

Pustaka
Metodologi

Penelitian

Pengumpulan Data
1. Peristiwa Apriori & Frekuensi relatif
2. Probabilitas Independent
3. Probabilitas Bersyarat
4. Probabilitas Mutually Exclusive

Pengolahan Data
1. Mencatat data permukaan koin yang
muncul
2. Mencatat data warna pallet yang muncul
3. Mencatat data kartu UNO 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

a. Koin 500
Mulai

Lemparkan koin di
permukaan seimbang

Catat permukaan yang muncul

angka (A), Pancasila (P)

25,50,100?

Hitung frekuensi
kemunculan permukaan

Hitung ekspektasi
kemunculan permukaan
koin
Hitung presentase
kemunculan masing-masing
sisi
Bandingkan dengan nilai
ekspektasi sebenarnya

Buat kesimpulan

Selesai

Gambar 3.2 Flowchart Percobaan Apriori koin 500

b. Koin 200

Mulai

Lemparkan koin di
permukaan seimbang

Catat permukaan yang muncul

Angka (A), Gambar (G)

25,50,100?

Hitung frekuensi
kemunculan permukaan

Hitung ekspektasi
kemunculan permukaan
koin
Hitung presentase
kemunculan masing-masing
sisi

Bandingkan dengan nilai

ekspektasi sebenarnya

Buat kesimpulan

Selesai

Gambar 3.3 Flowchart Percobaan Apriori koin 200

 3.8.3 Flowchart Percobaan Frekuensi Relatif

a. Kartu UNO
Mulai

Aduk media

Lemparkan koin di
permukaan yang tidak
seimbang

Catat permukaan yang

muncul
Pada kartu UNO

Kembalikan sampel ke dalam

media

25,50,100?

Hitung frekuensi
kemunculan permukaan
Permukaan Angka (+) Permukaan Gambar (-)

Hitung ekspektasi
kemunculan permukaan

Hitung presentase
kemunculan masing-masing
sisi
Bandingkan dengan nilai

ekspektasi sebenarnya
Buat kesimpulan

Selesai

Gambar 3.4 Flowchart Percobaan Frekuensi Relatif Kartu UNO

b. Koin 1000

Mulai

Lemparkan koin di permukaan

yang tidak seimbang

Catat permukaan yang muncul

Angka (A), Angklung (AG)

=25,50,100?

Hitung frekuensi
kemunculan permukaan

Hitung ekspektasi
kemunculan permukaan
koin

Hitung presentase kemunculan

masing-masing sisi

Bandingkan dengan nilai

ekspektasi sebenarnya

Buat kesimpulan

Selesai

Gambar 3.5 Flowchart Percobaan Frekuensi Relatif koin 1000

3.8.4 Flowchart Percobaan Independent

Mulai

Aduk media

Ambil sebuah pallet dalam

wadah

Catat kondisi pallet

Sesuai
warna
yang di
Kembalikan sampel ke tentukan
wadah, lalu acak kembali (H , P ,HJ)

= 40,35,25

Hitung frekuensi
kemunculan pallet

Hitung ekspektasi
kemunculan pallet

Hitung presentase

kemunculan
Bandingkan dengan nilai
ekspektasinya

Selesai

Gambar 3.7 Flowchart Percobaan Independent

3.8.5 Flowchart Percobaan Bersyarat

Mulai

Penentuan warna pallet

cacat
Hijau (HJ), Putih (P), Hitam
Sesuai
(HT)
Tuangkan pallet dalam wadah warna
yang di
tentukan
(H , P ,HJ)
Aduk pallet

Catat warna pallet yang

telah ditentukan

Kembalikan sampel ke
wadah

=25,50,100

Hitung frekuensi
kemunculan pallet

Hitung ekspektasi
kemunculan pallet

Hitung presentase

kemunculan
Bandingkan dengan nilai
ekspektasinya

Selesai

Gambar 3.8 Flowchart Percobaan Bersyarat

Bersyarat
3.8.6 Flowchart Percobaan Mutually Exclusive

Mulai

Lemparkan dua buah dadu

Catat angka yang muncul

25,50,100

Hitung frekuensi

kemunculan
Hitung ekspektasi

kemunculan
Hitung presentase
kemunculan

Bandingkan dengan nilai

ekspektasi sebenarnya

Buat kesimpulan

Selesai

Gambar 3.9 Flowchart Percobaan Mutually Exclusive