Laporan Akhir Praktikum Teori Peluang - Setiaty Sabrina

LAPORAN PRAKTIKUM
TEORI PELUANG
Nama : Setiaty Sabrina
NIM : 2019 – 72 – 072
Kelompok : VII
PROGRAM STUDI TEKNIK INDUSTRI

JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS PATTIMURA
AMBON
2019
i
KATA PENGANTAR
Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha
Panyayang, Kami panjatkan puja dan puji syukur atas kehadirat-Nya, yang
telah melimpahkan rahmat, hidayah, dan inayah-Nya kepada kami, sehingga kami
bisa selesaikan makalah ilmiah mengenai limbah dan manfaatnya untuk
masyarakat.
Makalah ilmiah ini sudah selesai kami susun dengan maksimal dengan bantuan
pertolongan dari berbagai pihak sehingga bisa memperlancar pembuatan makalah
ini. Untuk itu kami menyampaikan banyak terima kasih kepada semua pihak yang
sudah ikut berkontribusi didalam pembuatan makalah ini.
Terlepas dari semua itu, Kami menyadari seutuhnya bahwa masih jauh dari
kata sempurna baik dari segi susunan kalimat maupun tata bahasanya. Oleh
karena itu, kami terbuka untuk menerima segala masukan dan kritik yang bersifat
membangun dari pembaca sehingga kami bisa melakukan perbaikan makalah
ilmiah sehingga menjadi makalah yang baik dan benar.
Akhir kata kami meminta semoga makalah ilmiah tentang limbah dan
manfaatnya untuk masyarakan ini bisa memberi ma mafaat utaupun inpirasi pada
pembaca.
Ambon, 25 Mei 2020
Setiaty Sabrina
2019 – 72 - 072
i
DAFTAR ISI
KATA PENGANTAR.............................................................................................i
DAFTAR ISI..........................................................................................................ii
DAFTAR TABEL................................................................................................vii
DAFTAR GAMBAR..............................................................................................x
MODUL I ( TEORI PELUANG ).........................................................................1
BAB I.......................................................................................................................2
PENDAHULUAN...................................................................................................2
1.1 Latar Belakang........................................................................................2
1.2 Tujuan Praktikum...................................................................................3
BAB II.....................................................................................................................4
LANDASAN TEORI..............................................................................................4
2.1 Landasan Teori........................................................................................4
BAB III....................................................................................................................5
METODE PENELITIAN......................................................................................5
3.1 Waktu danTempat..................................................................................5
3.2 Peralatan yang Digunakan.....................................................................5
3.3 Metode Pengolahan Data dan Analisa Data.........................................5
BAB IV....................................................................................................................6
MATERI.................................................................................................................6
4.1 Laporan Detail Kegiatan........................................................................6
4.2 Hasil Percobaan.......................................................................................6
4.3 Analisa Data.............................................................................................7
4.3.1 Pertanyaan........................................................................................7
4.3.2 Pembahasan......................................................................................7
4.3.3 Analisa Data......................................................................................9
BAB V....................................................................................................................10
PENUTUP.............................................................................................................10
5.1 Kesimpulan............................................................................................10
5.2 Saran.......................................................................................................10
ii
MODUL II ( DISTRIBUSI FREKUENSI ).......................................................11
BAB I.....................................................................................................................12
PENDAHULUAN.................................................................................................12
1.1 Latar Belakang......................................................................................12
1.2 Tujuan Praktikum.................................................................................12
BAB II...................................................................................................................13
LANDASAN TEORI............................................................................................13
2.1 Landasan Teori......................................................................................13
BAB III..................................................................................................................19
METODE PENELITIAN....................................................................................19
3.1 Waktu dan Tempat...............................................................................19
3.2 Peralatan Yang Digunakan..................................................................19
3.3 Metode Pengolahan Data dan Analisa Data.......................................19
BAB IV..................................................................................................................23
ANALISA DATA.................................................................................................23
4.1 Laporan Detail Kegiatan......................................................................23
4.2 Hasil Percobaan.....................................................................................23
4.3 Analisa Data...........................................................................................24
4.3.1 Pertanyaan......................................................................................24
4.3.2 Pembahasan....................................................................................25
4.3.3 Analisa Data....................................................................................38
BAB V....................................................................................................................41
PENUTUP.............................................................................................................41
5.1 Kesimpulan............................................................................................41
5.2 Saran.......................................................................................................41
MODUL III ( DISTRIBUSI BINOMIAL ).......................................................42
BAB I.....................................................................................................................43
PENDAHULUAN.................................................................................................43
1.1 Latar Belakang......................................................................................43
BAB II...................................................................................................................44
LANDASAN TEORI............................................................................................44
2.1 Landasan Teori......................................................................................44
iii
BAB III..................................................................................................................45
3.1 Waktu dan Tempat...............................................................................45
BAB IV..................................................................................................................61
MATERI...............................................................................................................61
4.1 Laporan Detail Kegiatan......................................................................61
4.2 Hasil Percobaan.....................................................................................61
4.3 Analisa Data...........................................................................................62
4.3.1 Pertanyaan......................................................................................62
4.3.2 Pembahasan....................................................................................63
4.3.3 Analisa Data....................................................................................83
BAB V....................................................................................................................85
PENUTUP.............................................................................................................85
5.1 Kesimpulan............................................................................................85
5.2 Saran.......................................................................................................85
MODUL IV (DISTRIBUSI POISSON).............................................................86
BAB I.....................................................................................................................87
PENDAHULUAN.................................................................................................87
1.1 Latar Belakang......................................................................................87
BAB II...................................................................................................................88
LANDASAN TEORI............................................................................................88
2.1 Landasan Teori......................................................................................88
BAB III..................................................................................................................90
3.1 Waktu dan Tempat...............................................................................90
BAB IV................................................................................................................105
MATERI.............................................................................................................105
4.1 Laporan Detail Kegiatan....................................................................105
4.2 Hasil Percobaan...................................................................................105
iv
4.3 Analisa Data.........................................................................................106
4.3.1 Pertanyaan....................................................................................106
4.3.2 Pembahasan..................................................................................106
4.3.3 Analisa Data..................................................................................120
BAB V..................................................................................................................123
PENUTUP...........................................................................................................123
5.1 Kesimpulan..........................................................................................123
5.2 Saran.....................................................................................................123
MODUL V (DISTRIBUSI HIPERGEOMETRIK).......................................124
BAB I...................................................................................................................125
PENDAHULUAN...............................................................................................125
1.1 Latar Belakang....................................................................................125
1.2 Tujuan Praktikum...............................................................................126
BAB II.................................................................................................................127
LANDASAN TEORI..........................................................................................127
2.1 Landasan Teori....................................................................................127
BAB III................................................................................................................129
METODE PENELITIAN..................................................................................129
3.1 Waktu dan Tempat.............................................................................129
3.2 Peralatan Yang Digunakan................................................................129
3.3 Metode Pengolahan Data dan Analisa Data.....................................129
BAB IV................................................................................................................144
MATERI.............................................................................................................144
4.2 Hasil Percobaan...................................................................................144
4.3 Analisa Data.........................................................................................146
4.3.1 Pertanyaan....................................................................................146
4.3.2 Pembahasan..................................................................................147
4.3.3 Analisa Data..................................................................................153
BAB V..................................................................................................................155
PENUTUP...........................................................................................................155
5.1 Kesimpulan..........................................................................................155
5.2 Saran.....................................................................................................155
v
MODUL VI (DISTRIBUSI NORMAL)..........................................................156
BAB I...................................................................................................................157
PENDAHULUAN...............................................................................................157
1.1 Latar Belakang....................................................................................157
1.2 Tujuan Praktikum...............................................................................158
BAB II.................................................................................................................159
LANDASAN TEORI..........................................................................................159
2.1 Landasan Teori....................................................................................159
BAB III................................................................................................................161
METODE PENELITIAN..................................................................................161
3.1 Waktu dan Tempat.............................................................................161
3.2 Peralatan Yang Digunakan................................................................161
3.3 Metode Pengolahan Data dan Analisa Data.....................................161
BAB IV................................................................................................................177
MATERI.............................................................................................................177
4.2 Hasil Percobaan...................................................................................177
4.3 Analisa Data.........................................................................................178
4.3.1 Pertanyaan....................................................................................178
4.3.2 Pembahasan..................................................................................179
4.3.3 Analisa Data..................................................................................201
BAB V..................................................................................................................203
PENUTUP...........................................................................................................203
5.1 Kesimpulan..........................................................................................203
5.2 Saran.....................................................................................................204
DAFTAR PUSTAKA.........................................................................................205
KARTU PESERTA PRAKTIKUM.................................................................206
vi
DAFTAR TABEL
MODUL I (TEORI PELUANG) ..........................................................................1
Tabel 3.1. Tabel Pengolahan Data...........................................................................5
Tabel 4.1. Data Hasil Percobaan..............................................................................6
Tabel 4.2 Hasil Pengamatan 2 Mata Dadu...............................................................7
MODUL II (DISTRIBUSI FREKUENSI) ........................................................11
Tabel 2.1. Frekuensi Hipotesis Relatif dan Kumuatif ...........................................14
Tabel 2.2. Rumus Ukuran Pemusatan ...................................................................15
Tabel 2.3. Rumus Ukuran Letak ...........................................................................16
Tabel 2.4. Rumus Ukuran Variansi .......................................................................17
Tabel 3.1. Tabel Pengolahan Data........................................................................19
Tabel 4.1. Data Tinggi Badan dan Berat Badan ....................................................23
Tabel 4.2. Frekuensi Hipotesis Relatif dan Kumulatif Tinggi Badan ...................25
Tabel 4.3. Frekuensi Hipotesis Relatif dan Kumulatif Berat Badan .....................25
Tabel 4.4. Descriptive Statistic Tinggi Badan Menggunakan Ms.Excel ..............26
Tabel 4.5 Bin Analisis Data Tinggi Badan............................................................27
Tabel 4.6. Descriptive Statistic Berat Badan Menggunakan Ms.Excel ................27
Tabel 4.7 Bin Analisis Data Berat Badan.............................................................28
Tabel 4.8. Descriptive Statistik Tinggi Badan Menggunakan SPSS ....................28
Tabel 4.9. Descriptive Statistik Berat Badan Menggunakan SPSS ......................29
MODUL III (DISTRIBUSI BINOMIAL) .........................................................42
Tabel 2.1. Sifat-Sifat Distribusi Binomial .............................................................44
Tabel 3.1 Tabel Pengolahan Data..........................................................................45
Tabel 4.1. Hasil Percobaan Pengambilan Kelereng ..............................................61
Tabel 4.2. Data Statistik Pengambilan Kelereng Menggunakan Ms.Excel ..........63
Tabel 4.3. Data Statistik Pengambilan Kelereng Menggunakan Minitab 16 ........63
Tabel 4.4 Distribusi Binomial Pengambilan 2......................................................64
vii
Tabel 4.10 Distribusi Binomial Pengambilan 8....................................................68
Tabel 4.11 Distribusi Binomial Pengambilan 9.....................................................69
Tabel 4.12 Distribusi Binomial Pengambilan 10..................................................69
Tabel 4.13 Data Statistik Pengambilan Kelereng Menggunakan SPSS 26 ...........70
Tabel 4.14 Bin Analisis Data Pengambilan 2 Kelereng ........................................71
Tabel 4.22 Bin Analisis Data Pengambilan 10 Kelereng ......................................75
Tabel 4.23. Tambahan Data ..................................................................................81
Tabel 4.24. Skewness dan Kurtosis Sebelum Data Tambahan .............................82
Tabel 4.25. Skewness dan Kurtosis Sesudah Tambahan Data ..............................82
MODUL IV (DISTRIBUSI POISSON) .............................................................86

Tabel 2.1. Distribusi Poisson ................................................................................88
Tabel 3.1. Tabel Pengolahan Data ........................................................................91
Tabel 4.1. Hasil Percobaan Pengambilan
kartu....................................................105
Tabel 4.2. Data Statistik Pengambilan Kartu Menggunakan Ms.Excel ..............106
Tabel 4.3. Data Statistik Pengambilan Kartu Menggunakan
Minitab .................107
Tabel 4.4. Data Statistik Pengambilan Kartu Menggunakan SPSS ....................107
Tabel 4.5 Bin Pengambilan 3 Sekaligus Hearten.................................................108
Tabel 4.6 Bin Pengambilan 4 Sekaligus Hearten.................................................109
Tabel 4.7 Bin Pengambilan 3 Sekaligus Wajik....................................................109
Tabel 4.8 Bin Pengambilan 4 Sekaligus Wajik....................................................110
Tabel 4.9 Bin Pengambilan 3 Sekaligus Skop.....................................................111
Tabel 4.10 Bin Pengambilan 4 Sekaligus Skop...................................................111
Tabel 4.11Bin Pengambilan 3 Sekaligus Klaver..................................................112
viii
Tabel 4.12 Bin Pengambilan 4 Sekaligus Klaver.................................................113
MODUL V (DISTRIBUSI HIPERGEOMETRIK) ........................................124

Tabel 3.1 Tabel Pengolahan Data........................................................................129
Tabel 4.1. Hasil Percobaan Pengambilan kancing ..............................................144
Tabel 4.2. Data Statistik Pengambilan Kancing Menggunakan Ms.
Excel .........147
Tabel 4.3 Bin Pengambilan 3 sekaligus
kancing .................................................148
Tabel 4.4. Data Statistik Pengambilan Kelereng Menggunakan Minitab ..........149
Tabel 4.5 Distribusi hipergeometrik Pengambilan 3 sekaligus...........................149
Tabel 4.6. Data Statistik Pengambilan Kelereng Menggunakan SPSS ..............151
MODUL VI (DISTRIBUSI NORMAL) ..........................................................156

Tabel 3.1 Tabel Pengolahan Data........................................................................162
Tabel 4.1. Hasil Percobaan Pengambilan Kelereng ............................................177
Tabel 4.2 Data Statistik Pengambilan Kelereng Menggunakan Ms.Excel .........179
Tabel 4.3 Data Statistik Pengambilan Kelereng Menggunakan Minitab ............179
Tabel 4.4 Distribusi Normal Pengambilan 2 ......................................................180
Tabel 4.10 Distribusi Normal Pengambilan 8 ....................................................186
Tabel 4.11 Distribusi Normal Pengambilan 9 .....................................................187
Tabel 4.12 Distribusi Normal Pengambilan 10 ...................................................188
Tabel 4.13 Data Statistik Pengambilan Kelereng Menggunakan SPSS ..............189
ix
Tabel 4.22 Bin Analisis Data Pengambilan 10 Kelereng ....................................194
DAFTAR GAMBAR
MODUL II (DISTRIBUSI FREKUENSI) ........................................................11

Gambar 2.1. Bentuk Histogram dan Kurva Frekuensi
Poligon .............................14
Gambar 3.1. Menu Start ........................................................................................20
Gambar 3.2. Lembar Kerja Ms.Excel ...................................................................20
Gambar 3.4. Lembar Kerja SPSS 26 .....................................................................21
Gambar 3.6. Lembar Kerja MiniTab 16 ................................................................22
Gambar 4.1. Histogram Data Tinggi Badan Menggunakan
Ms.Excel ..................27
Gambar 4.2. Histogram Data Berat Badan Menggunakan
Ms.Excel ....................28
Gambar 4.3. Histogram Data Tinggi Badan Menggunakan SPSS ........................29
Gambar 4.4. Histogram Data Berat Badan Menggunakan SSPS ..........................30
Gambar 4.5. Descriptive Statistik Tinggi Badan Menggunakan Minitab ............30
Gambar 4.6. Histogram Data Tinggi Badan Menggunakan Minitab ....................30
Gambar 4.7. Descriptive Statistik Berat Badan Menggunakan Minitab ,,,,,,,,,,,,,,31
Gambar 4.8. Histogram Data Berat Badan Menggunakan Minitab ......................31
MODUL III (DISTRIBUSI BINOMIAL) .........................................................42

Gambar 3.2. Lembar Kerja Minitab ......................................................................47
Gambar 3.3. Mengaktifkan Enable Commands ....................................................48
Gambar 3.4. Menampilkan Distribusi Binomial ...................................................48
Gambar 3.5. Tampilan Distribusi Binomial ..........................................................49
Gambar 3.6. Menampilkan Display Descriptive Statistic ...........................,,,.......49
Gambar 3.7. Tampilan Display Descriptive Statistic ............................................50
x
Gambar 3.8 Menu Start .........................................................................................50
Gambar 3.9. Tampilan Lembar Kerja SPSS ........................................................51
Gambar 3.10. Menampilkan Frequencies ............................................................51
Gambar 3.11. Tampilan Frequencies ....................................................................52
Gambar 3.12. Menu Start ......................................................................................52
Gambar 3.13. Tampilan Lembar Kerja Ms.Excel .................................................53
Gambar 3.14. Menampilkan Histogram ................................................................53
Gambar 3.15. Tampilan Histogram .......................................................................54
Gambar 3.16 Menampilakan Nilai Variansi .........................................................54
Gambar 3.17 Tampilan Nilai Variansi ..................................................................55
Gambar 3.18 Menampilakan Nilai Mean ..............................................................55
Gambar 3.19 Tampilan Nilai Mean
.......................................................................56
Gambar 3.20 Menampilakan Nilai Skewness .......................................................56
Gambar 3.21 Tampilan Nilai Skewness ................................................................57
Gambar 3.22 Menampilakan Nilai Kurtosis .........................................................57
Gambar 3.23 Tampilan Nilai Kurtosis ..................................................................58
Gambar 3.24 Menampilakan Nilai Standar Deviasi
..............................................58
Gambar 3.25 Tampilan Nilai Standar Deviasi ......................................................59
Gambar 3.26 Menampilakan Nilai Distribusi Binomial .......................................59
Gambar 3.27 Tampilan Nilai Distribusi Binomial ................................................60
Gambar 4.1 Histogram Pengambilan 2 Sekaligus Dengan Ms.Excel ...................71
Gambar 4.9 Histogram Pengambilan 10 Sekaligus Dengan Ms.Excel .................75
xi
Gambar 4.10 Histogram Pengambilan 2 Sekaligus Dengan
Minitab ....................75
Minitab ....................76
Minitab ....................76
Minitab ....................76
Minitab ....................77
Minitab ....................77
Minitab ....................77
Minitab ....................78
Minitab ..................78
Gambar 4.19 Histogram Pengambilan 2 Sekaligus Dengan SPSS .......................78
Gambar 4.27 Histogram Pengambilan 10 Sekaligus Dengan SPSS .....................81
MODUL IV (DISTRIBUSI POISSON) ............................................................86

Gambar 3.2. Lembar Kerja Minitab ......................................................................92
Gambar 3.3. Mengaktifkan Enable Commands ....................................................93
xii
Gambar 3.4. Menampilkan Distribusi
Poisson ......................................................93
Gambar 3.5. Tampilan Distribusi Poisson ............................................................94
Gambar 3.6. Menampilkan Display Descriptive Statistic .............,,,.....................94
Gambar 3.7. Tampilan Display Descriptive Statistic ............................................95
Gambar 3.8 Menu Start .........................................................................................95
Gambar 3.9. Tampilan Lembar Kerja SPSS ........................................................96
Gambar 3.10. Menampilkan Frequencies ............................................................96
Gambar 3.11. Tampilan Frequencies ....................................................................97
Gambar 3.13. Tampilan Lembar Kerja Ms.Excel .................................................98
Gambar 3.14. Menampilkan Histogram ................................................................98
Gambar 3.15. Tampilan Histogram .......................................................................98
Gambar 3.16 Menampilakan Nilai Variansi..........................................................99
Gambar 3.17 Tampilan Nilai Variansi...................................................................99
Gambar 3.18 Menampilakan Nilai Mean.............................................................100
Gambar 3.19 Tampilan Nilai
Mean......................................................................100
Gambar 3.20 Menampilakan Nilai Skewness .....................................................101
Gambar 3.21 Tampilan Nilai Skewness ..............................................................101
Gambar 3.22 Menampilakan Nilai Kurtosis .......................................................102
Gambar 3.23 Tampilan Nilai Kurtosis ................................................................102
............................................103
Gambar 3.25 Tampilan Nilai Standar Deviasi ....................................................103
Gambar 3.26 Menampilakan Nilai Distribusi Poisson ........................................104
Gambar 3.27 Tampilan Nilai Distribusi Poisson ................................................104
Gambar 4.1. Pengambilan 3 Sekaligus Hearten Menggunakan Ms.Excel ..........108
Gambar 4.2. Pengambilan 4 Sekaligus Hearten Menggunakan Ms.Excel ..........108
Gambar 4.3. Pengambilan 3 Sekaligus Wajik Menggunakan Ms.Excel .............109
Gambar 4.4. Pengambilan 4 Sekaligus Wajik Menggunakan Ms.Excel .............110
Gambar 4.5. Pengambilan 3 Sekaligus Skop Menggunakan Ms.Excel ..............110
xiii
Gambar 4.6. Pengambilan 4 Sekaligus Skop Menggunakan Ms.Excel ..............111
Gambar 4.7. Pengambilan 3 Sekaligus Klover Menggunakan Ms.Excel ...........112
Gambar 4.8. Pengambilan 4 Sekaligus Klover Menggunakan Ms.Excel ...........112
Gambar 4.9. Pengambilan 3 Sekaligus Hearten Menggunakan Minitab ............113
Gambar 4.10. Pengambilan 4 Sekaligus Hearten Menggunakan Minitab ..........113
Gambar 4.11. Pengambilan 3 Sekaligus Wajik Menggunakan Minitab .............114
Gambar 4.12. Pengambilan 4 Sekaligus Wajik Menggunakan Minitab .............114
Gambar 4.13. Pengambilan 3 Sekaligus Skop Menggunakan Minitab ...............114
Gambar 4.14. Pengambilan 4 Sekaligus Skop Menggunakan Minitab ...............115
Gambar 4.15. Pengambilan 3 Sekaligus Klover Menggunakan Minitab ............115
Gambar 4.16. Pengambilan 4 Sekaligus Klover Menggunakan Minitab ............115
Gambar 4.17. Pengambilan 3 Sekaligus Hearten Menggunakan SPSS ..............116
Gambar 4.18. Pengambilan 4 Sekaligus Hearten Menggunakan SPSS ..............116
Gambar 4.19. Pengambilan 3 Sekaligus Wajik Menggunakan SPSS .................116
Gambar 4.20. Pengambilan 4 Sekaligus Wajik Menggunakan SPSS .................117
Gambar 4.21. Pengambilan 3 Sekaligus Skop Menggunakan
SPSS ...................117
Gambar 4.22. Pengambilan 4 Sekaligus Skop Menggunakan
SPSS ...................117
Gambar 4.23. Pengambilan 3 Sekaligus Klover Menggunakan SPSS ................118
Gambar 4.24. Pengambilan 4 Sekaligus Klover Menggunakan SPSS ................118
MODUL V (DISTRIBUSI HIPERGEOMETRIK) ........................................124

Gambar 3.2. Lembar Kerja Minitab ....................................................................130
Gambar 3.3. Mengaktifkan Enable Commands ..................................................131
Gambar 3.4. Menampilkan Distribusi Hypergeometric ......................................131
Gambar 3.5. Tampilan Distribusi Hypergeometric .............................................132
Gambar 3.6. Menampilkan Display Descriptive Statistic .............,,,...................132
Gambar 3.7. Tampilan Display Descriptive Statistic ..........................................133
Gambar 3.8 Menu Start .......................................................................................133
Gambar 3.9. Tampilan Lembar Kerja SPSS ......................................................134
Gambar 3.10. Menampilkan Frequencies ..........................................................134
xiv
Gambar 3.11. Tampilan Frequencies ..................................................................135
Gambar 3.12. Menu Start ....................................................................................135
Gambar 3.13. Tampilan Lembar Kerja Ms.Excel ...............................................136
Gambar 3.14. Menampilkan Histogram ..............................................................136
Gambar 3.15. Tampilan Histogram .....................................................................137
Gambar 3.16 Menampilakan Nilai Variansi........................................................137
Gambar 3.17 Tampilan Nilai Variansi ................................................................138
Gambar 3.18 Menampilakan Nilai Mean ............................................................138
Gambar 3.19 Tampilan Nilai Mean
.....................................................................139
............................................141
Gambar 3.26 Menampilakan Distribusi Hypergeometric ...................................142
Gambar 3.27 Tampilan Distribusi Hypergeometric ............................................143
Gambar 4.1 Histogram Pegambilan 3 Sekaligus Menggunakan Ms.Excel
.........148
Gambar 4.2. Histogram Pegambilan 2 Sekaligus Menggunakan Minitab 16 .....151
Gambar 4.3. Histogram Pegambilan 2 Sekaligus Menggunakan SPSS 26 .........152
MODUL VI (DISTRIBUSI NORMAL) ..........................................................156

Gambar 3.2. Lembar Kerja Minitab ....................................................................163
Gambar 3.3. Mengaktifkan Enable Commands ..................................................164
Gambar 3.4. Menampilkan Distribusi Binomial..................................................164
Gambar 3.5. Tampilan Distribusi Binomial ........................................................165
Gambar 3.6. Menampilkan Display Descriptive Statistic.............,,,....................165
Gambar 3.7. Tampilan Display Descriptive Statistic ..........................................166
Gambar 3.8 Menu Start .......................................................................................166
xv
Gambar 3.9. Tampilan Lembar Kerja SPSS .......................................................167
Gambar 3.10. Menampilkan Frequencies ..........................................................167
Gambar 3.11. Tampilan Frequencies ..................................................................168
Gambar 3.12. Menu Start ....................................................................................168
Gambar 3.13. Tampilan Lembar Kerja Ms.Excel ...............................................169
Gambar 3.14. Menampilkan Histogram ..............................................................169
Gambar 3.15. Tampilan Histogram .....................................................................170
Gambar 3.16 Menampilakan Nilai Variansi .......................................................170
Gambar 3.17 Tampilan Nilai Variansi ................................................................171
Gambar 3.18 Menampilakan Nilai Mean ............................................................171
Gambar 3.19 Tampilan Nilai Mean.................................................................... 172
............................................174
Gambar 3.26 Menampilakan Distribusi Normal .................................................175
Gambar 3.27 Tampilan Distribusi Normal...........................................................176
Gambar 4.9 Histogram Pengambilan 10 Sekaligus Dengan Ms.Excel ...............193
Minitab ..................194
xvi
Minitab ..................194
Minitab ..................195
Minitab ..................195
Minitab ..................195
Minitab ..................196
Minitab ..................196
Minitab ..................196
Minitab ................197
Gambar 4.19 Histogram Pengambilan 2 Sekaligus Dengan SPSS .................... 197
Gambar 4.27 Histogram Pengambilan 10 Sekaligus Dengan SPSS ...................200
xvii
PRAKTIKUM TEORI PELUANG
LABORATORIUM KOMPUTASI DAN OPERATION RESEARCH
FAKULTAS TEKNIK
UNIVERSITAS PATTIMURA AMBON
Nama Tugas Praktikum : Modul I ( Teori Peluang )
Nama Praktikan : Setiaty Sabrina
NIM : 2019 – 72 – 072
Program Studi :TeknikIndustri
Kelompok : VII
Tanggal Praktikum : Selasa, 28 April 2020
Tanggal Asistensi :
Nama Asisten : Dolly Meyke Rommer
Tanda Tangan Asisten :
Nama Dosen : Wilma Latuny, ST, M.Si. M.Phil, Ph.D
1
BAB I
PENDAHULUAN
1.1 Latar Belakang

Teori peluang adalah ilmu pengetahuan yang mempelajari ketidakpastian.
Ilmu ini awalnya dikembangkan dari permainan spekulasi, seperti permainan
kartu remi dan pelemparan dadu.
Pada awalnya, teori peluang diaplikasikan untuk menentukan kemungkinan
memenangkan suatu permainan judi. Setelah berkembang, teori ini diperlukan
dalam penyelesaian masalah dalam berbagai bidang seperti meteorology, asuransi
dan industry. Sebagai contoh, dalam proses pengeringan kue, kejadian cacat
adalah kue pecah atau hancur. Kemungkinan kejadian cacat dalam periode
produksi dapat dijelaskan dengan teori peluang. Bahkan teori peluang mendasari
kebanyakan metode-metode statistik, yaitu suatu bidang matematika yang
aplikasinya hamper meliputi setiap area kehidupan modern.
Hitung peluang mula-mula dikenal pada abad ke-17 yang bermula dari
permainan sebuah dadu yang dilempar. Peluang (kemungkinan, probability) dari
permukaan dadu yang tampak ketika dilempar, diamati dan dihitung, perhitungan
sejenis ini berkembang cukup pesat menjadi teori peluang yang banyak
pemakaiannya dalam kehidupan sehari-hari.
Probabilitas (peluang) didefinisikan sebagai kemungkinan suatu kejadian,
suatu ukuran tentang kemungkinan atau derajat ketidakpastian suatu peristiwa
(event) yang akan terjadi di masa mendatang. Rentang probabilitas antara 0
sampai 1, dimana peristiwa tersebut terjadi secara acak atau random. Jika kita
mengatakan probabilitas sebuah peristiwa adalah 0, maka peristiwa tersebut tidak
akan terjadi. Dan jika kita mengatakan bahwa probabilitas sebuah peristiwa adalah
1 maka peristiwa tersebut pati terjadi.
Konsep dari probabilitas menempati peran penting dalam membuat suatu
keputusan, baik dalam masalah dibidang bisnis, teknik, ilmu pengetahuan,
maupun dalam kehidupan sehari-hari. Sebagian besar keputusan berhadapan
dengan suatu ketidakpastian. Model matematika dari teori probabilitas
memungkinkan kita untuk membuat suatu prediksi mengenai suatu fenomena dari
2
informasi secara tidak lengkap yang diperoleh dengan menggunakan teknik
sampling.
1.2 Tujuan Praktikum

Pada praktikum ini, praktikan diharapkan :
a. Dapat memahami dan menguasai fungsi dan metode perhitungan peluang.
b. Lebih memahami konsep korelasi antara dua kejadian (union dan
interseksi).
3
BAB II
LANDASAN TEORI
2.1 Landasan Teori

Misalkan sebuah peristiwa E dapat terjadi sebanyak n kali di antara N
peristiwa yang saling eksklusif (saling asing/ terjadinya peristiwa yang satu
mencegah terjadinya peristiwa yang lain) dan masing-masing terjadi dengan
n
P( E ) =
kesempatan yang sama. Maka peluang peristiwa E terjadi adalah : N
,dengan batas-batas : 0 ≤ P(E) ≤ 1.

Jika P(E) = 0, maka diartikan peristiwa E pasti tidak terjadi, sedangkan jika
P(E) = 1 diartikan peristiwa E pasti terjadi. Apabila Ē menyatakan bukan
peristiwa E, maka diperoleh :
P( Ē ) = 1 – P(E). Atau berlaku hubungan : P(E) + P( Ē ) = 1
Sedangkan yang dimaksud dengan frekuensi nisbi suatu kejadian ialah :
f (A) frekuensi kejadian A
fi ( A) = =
f (u ) frekuensi semua kejadian dalam ruang sampel u
Bila u = {u1, u2, …, un} dan P1 dicatat sebagai frekuensi nisbi timbulnya
n
∑ = p 1 + p 2 + . .. + pn = 1
kejadian dasar (ui) maka: 1
Irisan dua kejadian A dan B dinyatakan dengan lambang :

A∩B, ialah kejadian yang unsurnya termasuk dalam A dan B.
Gabungan dua kejadian A dan B dinyatakan dengan lambang :
A¿ B, ialah kejadian yang mengandung semua unsur yang termasuk A atau B atau
keduanya.
P(A¿ B) = P(A) + P(B) - P(A∩B)
P(A∩B) = 1 - P(A¿ B).
4
BAB III
METODE PENELITIAN
3.1 Waktu danTempat

Waktu dan tempat terjadinya praktikum sebagai berikut:
a. Waktu: Selasa, 28 April 2020, 14.00 WIT
b. Tempat: Rumah ( Online)
3.2 Peralatan yang Digunakan

Peralatan yang digunakan dalam praktikum adalah:
1. Sebuah dadu
2. Lembar kerja
3.3 Metode Pengolahan Data dan Analisa Data

Dalam praktikum modul 1 ini, akan dilakukan percobaan melemparkan dadu
yang berisi 6 ruang sampel sebanyak 120 kali pelemparan untuk mendapat data
hasil percobaan. Setiap mata dadu yang muncul, akan dicatat didalam daftar. Jika
X adalah kejadian yang mungkin timbul akibat pelemparan dadu dan F adalah
pencatat berapa kali kejadian itu muncul. Data yang telah didapat dari percobaan
diolah menggunakan perhitungan manual agar dapat menjawab pertanyaan,
kemudian dianalisa agar dapat menjawab semua tujuan dari permasalahan yang
ada pada praktikum tersebut. Maka hasil dari data-data tersebut dimasukkan
kedalam tampilan seperti dibawah ini:
Tabel 3.1 Tabel Pengolahan Data
X 1 2 3 4 5 6
5
BAB IV
MATERI
4.1 Laporan Detail Kegiatan

Pada praktikum ini dilakukan pukul 14:00 WIT pada hari selasa- 28 April
2020 yang bertempat di rumah (Kuliah Online). Dengan materi pada modul 1
yaitu tentang Teori Peluang
Adapun kegiatan yang dilakukan sebagai berikut ini;
1. Sebelum parktikum harus wajib membawa modul.
2. Mempersiapkan alat dan bahan untuk praktikum
3. Melakukan praktikum
4. Mengisi data percobaan
5. Kuis
6. Membuat laporan sementara
7. Mengerjakan laporan
8. konsultasi
4.2 Hasil Percobaan

Berikut ini adalah data hasil percobaan dari pelemparan sebuah dadu yang
berisi 6 ruang smpel sebanyak 120 kali. Dan dicatat mata dadu yang keluar pada
setiap pelemparan. Jika X kejadian yang mungkin akan timbul akibat pelemparan
dadu dan F adalah banyaknya kejadian yang muncul, maka data yang diperoleh
sebagai berikut :
Tabel 4.1 Data Hasil Percobaan
X 1 2 3 4 5 6
F
TOTAL 22 19 20 22 21 16
6
4.3 Analisa Data
Berikut ini adalah analisa data dari hasil percobaan pelemparan dadu .
sebagai berikut;
4.3.1 Pertanyaan
1. Untuk pelemparan sebuah dadu, apakah suatu kepastian bahwa frekuensi
setiap mata dadu = 1/6 ? Mengapa ?
2. Berapakah nilai ruang sampel untuk pelemparan 2 buah mata dadu ?
3. Hitung besar frekuensi nisbi berikut :
A = {2, 5, 6} = ……………
B = {1, 3, 5} = ……………
C = {1, 2, 3} = ……………
A ∪ B = ....... A ∪ C = ....... B ∪ C = .......
A ∩ B = ....... A ∩ C = ....... B ∩ C = .......

6
 pi 1
4. Tunjukkanlah bahwa i 1 , dimana pi = frekuensi nisbi timbulnya
kejadian dasar.
4.3.2 Pembahasan
1. Untuk pelemparan sebuah dadu, apakah suatu kepastian bahwa frekuensi
setiap mata dadu 1/6? Mengapa?
Jawab: Pada pelemparan sebuah dadu, peluang yang muncul dari satu sisi
dadu adalah 1 kali pelemparan. Sedangkan jumlah pada ruang sampel
sebuah dadu adalah 6 dikarenakan memiliki 6 sisi pada dadu (S = 6).
Sehingga peluang yang muncul dari masing – masing angka adalah 1/6
2. Beparakah nilai ruang sampel untuk pelemparan 2 buah mata dadu?
Jawab :
Tabel 4.2 Hasil Pengamatan 2 Mata Dadu
x 1 2 3 4 5 6
1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
7
3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
Jadi nilai ruang sampel untuk pelemparan 2 buah mata dadu adalah 36
3. Hitung besar frekuensi nisbi berikut :
Jawab :
19 21 16 56
A = {2, 5, 6} ¿ + + = =0 , 47
120 120 120 120
22 20 21 63
B = {1, 3, 5} ¿ + + = =0 , 53
120 120 120 120
22 19 02 61
C = {1, 2, 3}¿ + + = =0 , 50
120 120 120 120
A¿ B= P(A) + P(B) A¿ C = P(A) + P(C) B¿ C =P(B) + P(C)

= 0,47 + 0,53 = 0,47+ 0,50 =0,53 + 0,50
=1 =0,97 =1,03
A ∩ B = 1-A¿ B A ∩ C = 1- A¿ C B ∩ C = 1- B¿ C
=1–1 = 1- 0,97 = 1- 1,03
=0 = 0,03 = -0,03
6
4. Tunjukanlah bahwa ∑ ❑Pi = 1, dimana Pi = frekuensi nisbi timbulnya
i=1
kejadian dasar
F (A ) Frekuensi krjadian A
 Jawab : F(A) ¿ =
F (U ) Banyaknya jumlah dadu dilempar
∑ ¿ 19+24 +22+18+15+22
120
i−1
120
=1
120
8
4.3.3 Analisa Data
Pada dalam praktikum ini dilakukan uji coba pelemparan sebuah dadu
sebanyak 120 kali dan dicatat mata dadu yang keluar pada setiap pelemparan.
Jika X kejadian yang mungkin timbul akibat pelemparan dadu dan F adalah
banyaknya kejadian yang akan muncul.Dari hasil data percobaan yaitu
kemungkinan munculnya angka 1 sebanyak 22 kali, angka 2 sebanyak 19 kali,
angka 3 sebanyak 20 kali, angka 4 sebanyak 22 kali, angka 5 sebanyak 21 kali,
angka 6 sebanyak 16 kali. Jadi jumlah seluruh ruang sampel pada sebuah dadu
adalah 6 (S=6). Sehingga peluang munculnya satu mata dadu adalah 1/6.
Besarnya nilai ruang sampel untuk pelemparan 2 buah mata dadu yaitu 36.
Dikarenakan satu buah mata dadu memiliki ruang 6 sampel sehingga untuk 2
buah mata dadu mempunyai ruang sampel 36.
Dari hasil perhitungan frekuensi nisbi diatas, dapat dianalisa bahwa untuk
mendapatkan nilai A, B, dan, C yaitu kalikan banyaknya kejadian sesuai angka
kejadian dan dibagi dengan 120 kali pelemparan dadu tersebut, dan kita bisa
memtukan irisan dan gabungan.
Hasil gabungan (¿ ) antara A dan B serta antara B dan C, hasilnya lebih dari 1.
Juga hasil irisan(∩) menimbulkan keduanya kurang dari 0. Tentu saja hal ini
menimbulkan kebingungan. Padahal apabila kita menilik kembali pada konsep
teori peluang bahwa kisaran suatu peristiwa X terjadi adalah 0≤ x ≤1, dimana 0
berarti peristiwa tersebut kemungkinan tidak akan terjadi dan 1 berarti peristiwa
tersebut mungkin terjadi. Maka hasil gabungan maupun irisan harus dantara 0-
1.Dan akan frekuensi nisbi suatu kejadian.
9
BAB V
PENUTUP
5.1 Kesimpulan
Adapun kesiimpulan dari praktikum ini, yaitu:
a. Probabilitas (peluang) didefinisikan sebagai kemungkinan suatu kejadian,

suatu ukuran tentang kemungkinan atau derajat ketidakpastian suatu peristiwa
(event) yang akan terjadi di masa mendatang. Rentang probabilitas antara 0
sampai 1, dimana peristiwa tersebut terjadi secara acak atau random. Jika
kita mengatakan probabilitas sebuah peristiwa adalah 0, maka peristiwa
tersebut tidak akan terjadi. Dan jika kita mengatakan bahwa probabilitas
sebuah peristiwa adalah 1 maka peristiwa tersebut patis terjadi.
Makah P(A)+BP(A’) = 1 yang dimana masing-masing sampel yang ada pada
ruang sampel memiliki peluang yang berbeda antara yang satu dengan yang
Banyaknya kejadian A
lainnya. P(A)= .Sedangkan yang dimaksud dengan
ruang sampel
frekuensi nisbi suatu kejadian ialah :
f (A) frekuensi kejadian A
fi ( A) = =
f (u) frekuensi semua kejadian dalam ruang sampel u
b. Suatu kejadian dapat saling mempengaruhi lewat irisan 2 kejadian dengan
irisan (∩ ) dan gabungan dub. a kejadian (¿ ). Dimana itu untuk mencari
sebuah probabilitas dari gabungan dua kejadian A dan B, dapat digunakan
persamaan sebagai berikut: P(A¿ B) = P(A) + P(B) - P(A∩B), sedangkan
untuk menghitung probabilitas dari kejadian A dan B, dapat digunakan
persamaan sebagai berikut: P(A∩B)= 1 -P(A¿ B). Apabila hasil perhitungan
irisan dan gabungan melewati kisaran yang ditetapkan (0 ≤ x ≤ 1)
5.2 Saran
Adapun saran dari praktikum ini, yaitu:
10
Dalam melakukan praktikum ini kita perlu fokus dan berkonsentrasi dalam
melakukan uji coba di dalam praktek agar dapat memahami yang disampaikan
oleh pemateri dalam praktikum ini.

FAKULTAS TEKNIK
Nama Tugas Praktikum : Modul II ( Distribusi Frekuensi )
NIM : 2019 – 72 – 072
Kelompok : VII
Tanggal Praktikum : Kamis, 30 April 2020
Tanggal Asistensi :
11
BAB I
PENDAHULUAN
1.1 Latar Belakang

Distribusi frekuensi adalah pengelompokkan data yang disajikan dalam
bentuk daftar yang berisi kelas interval dan jumlah obyek (frekuensi) yang
termasuk dalam kelas interval. Distribusi frekuensi dipergunakan untuk
mempermudah perhitungan dan pengolahan data. Alasan digunakannya distribusi
frekuensi adalah mengetahui parameter data yang telah dihitung dan distribusi
frekuensi juga bermanfaat dalam kegiatan. Data-data yang telah diamati dan
dibuat akan diolah dengan menggunakan perhitungan distribusi frekuensi.
Distribusi frekuensi pada dasarnya sebagian besar dipergunakan pada perhitungan
ukuran pemusatan dan penyebaran.
Karena distribusi frekuensi probabilitas disusun berdasarkan teori peluang

maka pengetahuan tentang distribusi teoritis distribusi teoritis menjadi sanggat
penting untuk membuat estimasi atau meramalkan variasi – variasi yang mungkin
dapat timbul pada suatu keadaan yang tidak pasti. Distribusi frekuensi di
kategorikan sebagai pengelompokan data berdasarkan kaegori-kategori tertentu,
biasanya disajikan dengan grafik batang, lingkaran dan gambar

Dari kegiatan praktikum ini, praktikan diharapkan :
1. Dapat memahami definisi dan manfaat dari distribusi frekuensi.
2. Dapat menggambar grafik frekuensi, frekuensi relatif, dan frekuensi
kumulatif.
3. Dapat memahami mengenai konsep perhitungan distribusi frekuensi untuk
data berkelompok.
12
BAB II
LANDASAN TEORI
2.1 Landasan Teori

Distribusi frekuensi merupakan suatu ringkasan dalam bentuk tabel dari suatu
kelompok data yang menunjukkan frekuensi item-item (kategori-kategori) dalam
beberapa kelas. Adapun langkah-langkah yang perlu dilakukan untuk membuat
daftar distribusi frekuensi adalah sebagai berikut :
1. Tentukan rentang, selisih nilai terbesar dan terkecil.
2. Tentukan jumlah kelas, k dengan menggunakan rumus :
k = 1 + 3.322 log n, n : banyaknya nilai observasi.
Xn − X1
c=
Tentukan jumlah interval kelas (c), dengan rumus : k
Dimana : k : Banyaknya kelas
Xn : Nilai observasi terbesar
X1 : Nilai observasi terkecil.
3. Tentukan tepi batas kelas
Batas kelas bawah menunjukkan kemungkinan nilai data terkecil pada suatu
kelas. Sedangkan batas kelas atas mengidentifikasikan kemungkinan nilai data
terbesar dalam suatu kelas. Seringkali dalam penyusunan tabel distribusi
frekuensi, tabel distribusi frekuensi relatif dan kumulatif serta grafik juga
disertakan dengan tujuan untuk mempermudah memahami data.
13
Tabel 2.1. Frekuensi Hipotesis Relatif dan Kumulatif
X F Fr Fk* Fk**
(1) (2) (3) (4) (5)
X1 f1 f1/n f1 f1 + f2 + … + fi +
… + fk f2 + … + fi
X2 f2 f2/n f1 + f2
+ … + fk
… … … …
…
Xi fi fi/n f1 + f2 + … + fi
f1 + fk
… … … …
…
Xk fk fk/n f1 + f2 + … + fi +
fk
… + fk
Juml
ah
*Sama atau kurang dari
**Sama atau lebih dari
Grafik dalam distribusi frekuensi sering digambarkan dalam bentuk
histogram atau grafik batangan (bar chart) dan frekuensi poligon.
Gambar 2.1 Bentuk Histogram dan Kurva Frekuensi Poligon.
14
Perhitungan distribusi frekuensi untuk data berkelompok dapat dicari
berdasarkan ukuran pemusatannya, ukuran letaknya, dan ukuran
variansinya.
Tabel 2.2. Rumus Ukuran Pemusatan
Jenis Data Yang
Rumus Keterangan
Ukuran diperlukan
Rata-
Titik data dan X=
∑ ( f i x Xi ) Xi : Data
Rata
frekuensinya.
∑ fi fi : Frekuensi data
Hitung
Rata- Nilai titik
LogRu =
∑ (f i x X i ) Xi : Nilai tengah
Rata tengah dan ∑ fi fi : Frekuensi data
Ukur frekuensinya.
o Tb : Tepi bawah
kelas modus
o d1 : Frekuensi
kelas modus –
Tepi batas frekuensi
kelas, interval kelas
Modus kelas, frekuensi
masing-masing
Mo = tb + c ( d1
d1 + d 2 ) sebelumnya.
o d2 : Frekuensi
kelas. kelas modus –
frekuensi
kelas
sesudahnya.
o C : Interval kelas
15
Tabel 2.3. Rumus Ukuran Letak
Jenis
Data Yang
Ukur Rumus Keterangan
diperlukan
an
o tb : Tepi bawah
kelas yang
Tepi batas
memuat median
kelas, interval
o c : Interval kelas.
kelas,
Media o fk : Frekuensi
( )
frekuensi n
−fk
n 2 kumulatif
kumulatif, Med = tb + c
f
(Med) sebelum kelas
frekuensi
yang memuat
masing-masing
median.
kelas.
o f : Frekuansi yang
memuat median
o tb : Tepi bawah
Tepi batas
* Letaknya : keas Qi.
kelas,
Qi = [i / 4] x n, o fki : Frekuensi
frekuensi
dimana i = 1, 2, 3. kumulatif
Kuarti kumulatif,
* Nilai / besarnya : sebelum kelas
l (Qi) frekuensi
Qi.
( )
i
masing-masing .n − f ki
4 o fi : Frekuensi kelas
kelas, panjang Qi = tb + c
fi
Qi.
interval kelas.
o n : Banyaknya data.
Desil Tepi batas Letaknya : o tb : Tepi bawah
(Di) kelas, Di = [i / 10] x n, keas Di.
frekuensi dimana i = 1, 2, 3, o fki : Frekuensi
kumulatif, … , 9. kumulatif
frekuensi sebelum kelas
16
Nilai / besarnya : Di.
masing-masing
o fi : Frekuensi kelas
( )
i
kelas, panjang .n − f ki
10 Di.
interval kelas. Di = tb + c
fi
o tb : Tepi bawah
Tepi batas Letaknya :
keas Di.
kelas, Pi = [i / 100] x n,
o fki : Frekuensi
frekuensi dimana i = 1, 2, 3,
Persen kumulatif
kumulatif, … , 99.
til sebelum kelas
frekuensi Nilai / besarnya :
(Pi) Di.
masing-masing
( )
i
. n − f kio fi : Frekuensi kelas
kelas, panjang 100
Pi = tb + c
fi Di.
interval kelas.
Tabel 2.4. Rumus Ukuran Variansi
Jenis Data Yang

Rumus Keterangan
Ukuran diperlukan
n : Sƒi
Data dan
Xi : Data ke-i.
frekuensi
Variansi masing-masing 2 ∑ f i ( X i − X̄ )2 X̄ : Rata-rata
S =
n data.
kelas, rata-rata
ƒi : Frekuensi data
data.
ke-i.
Data dan
frekuensi
Simpanga
n Baku
masing-masing S = √ Variansi = √ S2 S2 : Varinsi
kelas, rata-rata
data.
Simpanga Data dan
SR =
∑ ( X i − X̄ ) Xi : Data ke-i.
n Rata- frekuensi ∑ fi X̄ : Rata-rata
Rata masing-masing
17
data.
kelas, rata-rata
ƒi : Frekuensi data
data.
ke-i.
o f1 : frekuensi
yang
memuat Q1.
1
Sk = ( Q 3 − Q1 )
2 , o f3 : frekuensi
Interval kelas,
dimana : yang
frekuensi
( )
1 memuat Q3.
masing-masing .n − fk1
4
Simpanga Q 1 = tb + c o fk1 : frekuensi
kelas, tepi f1
n Kuartil kumulatif
batas kelas,
sebelum
( )
dan frekuensi 3
.n − f k 3 kelas Q1
kumulatif. 4
Q 3 = tb + c
f 3 o fk3 : frekuensi
kumulatif
sebelum
kelas Q3.
Data dan
Skewness frekuensi
1
fi
. ∑ f i .( X i −SX̄ )3 : Simpangan
(Kemirin masing-masing α3 =
S3 baku.
gan) kelas, rata-rata
data.
Data dan
Kurtosis frekuensi
1
fi
. ∑ f i .( X i −SX̄ )4 : Simpangan
(Keruncin masing-masing α4 =
S4 baku.
gan) kelas, rata-rata
data.
18
BAB III
METODE PENELITIAN
3.1 Waktu dan Tempat

a. Waktu: Kamis, 30 april 2020 14.00 WIT
b. Tempat: Rumah (Kuliah Online)
3.2 Peralatan Yang Digunakan

Dalam praktikum ini, alat-alat yang digunakan adalah :
1. Meteran gulungan untuk mengukur tinggi badan.
2. Timbangan badan, untuk mengukur berat badan.

Dalam praktikum modul 2 ini, dilakukan pengukuran anthropometri
mengenai data tinggi badan dan berat badan untuk 60 mahasiswa dari program
studi Teknik Industri Angkatan 2019 kelas B. Kemudian hasilnya dituliskan ke
dalam sebuah tabel percobaan.
Setelah tabel percobaan telah berisi data-data yang diperlukan, maka data
dapat diolah secara kuantitatif dengan perhitungan-perhitungan matematika yang
dapat membantu mengolah data. Setelah itu, untuk memperjelas data yang ada,
data dapat diolah dengan menggunakan software seperti Microsoft Excel, Minitab,
dan SPSS. Data kuantitatif yang dihasilkan oleh software-software tersebut
kemudian dapat lebih dijelaskan dengan metode kualitatif, yaitu dengan
penjelasan melalui kata-kata.
Tabel 3.1. Tabel Pengolahan Data

No. Tinggi Badan Berat Badan
1
2
3
19
…
N
Pengolahan data:
1. Langkah-langkah pengolahan data dengan MS.EXCEL
 Klik start, kemudian buka software Ms.Excel
Gambar 3.1. Menu Start
 Setelah terbuka,berikut adalah tampilan Ms.Excel
Gambar 3.2. Lembar Kerja Ms.Excel
20
2. Langkah-langkah pengolahan data dengan SPSS 26
 Klik start, kemudian buka software SPSS 26
 Setelah terbuka,berikut adalah tampilan SPSS 26
Gambar 3.4. Lembar Kerja SPSS 26
21
3. Langkah-langkah pengolahan data dengan MiniTab 16
 Klik start, kemudian buka software MiniTab 16
 Setelah terbuka,berikut adalah tampilan MiniTab 16
Gambar 3.6. Lembar Kerja MiniTab 16
22
BAB IV
ANALISA DATA

Pada praktikum ini dilakukan pukul 14.00 WIT ,pada hari Kamis, 30 April
2020 bertempat di Rumah ( Kuliah Online), engan materi pada modul 2 yaitu
Distribusi Frekuensi.
Adapun kegiatan yang dilakukan didalam laboratorium adalah sebagai berikut :
1. Kuis
2. Sebelum praktikum wajib membawa modul.
3. Mempersiapkan alat untuk praktikum.
4. Melakukan praktikum dan pengolahan data
6. Konsultasi
4.2 Hasil Percobaan

Berikut adalah data hasil pengukuran tinggi dan berat badan untuk 60
mahasiswa/i dari program studi TI Angkatan 2019 kelas B :
Tabel 4.1. Data Tinggi Badan dan Berat Badan
Ting Bera Ting Bera

N gi t N gi t
Nama Nama
o Bad Bad o Bad Bad
an an an an
3
1 Rizma 156 46 Kajir 164 50
1
Jochan 3 Agaper
2 171 56 169 54
dly 2 y
3
3 Dewi 148 49 Vika 157 53
3
3 Zachari
4 Dimas 169 45 168 64
4 as
3 Joseph
5 Syarif 163 44 165 52
5 us
23
3
6 Cici 162 50 Lady 157 64
6
3 Ujunua
7 Fitri 157 56 162 48
7 n
3
8 Firza 169 50 David 168 54
8
3
9 Hamdi 169 56 Jelly 155 50
9
1 4
Alians 171 50 Atika 163 55
0 0
1 4 Hatanu
Samuel 170 65 145 45
1 1 n
1 Nahudi 4
163 46 Elardo 170 64
2 n 2
1 4
Yulia 160 49 Gray 168 50
3 3
1 4 Benja
Elvira 158 46 174 68
4 4 min
1 4
Eliza 159 48 Jayvito 169 50
5 5
1 4
Fajria 157 50 Jul 163 48
6 6
1 4
Jeskry 164 52 Atika 155 55
7 7
1 4
Narwin 171 55 Serly 158 50
8 8
1 Alamsy 4 Delvian
165 51 168 80
9 ah 9 o
2 5
Jered 167 50 Aldrian 168 45
0 0
2 5
Setiyati 160 51 Darma 158 45
1 1
2 5
Alfin 171 58 Rizal 170 48
2 2
2 5
Glorya 165 45 Rahel 158 44
3 3
2 5 Macari
Aldi 171 57 169 60
4 4 os
2 5
Alimin 168 62 Karim 164 52
5 5
2 5
Berkat 168 60 Agung 163 45
6 6
2 5 Thoma
Regha 168 60 160 55
7 7 s
2 5
Jorrin 163 45 Patrick 165 67
8 8
2 Aprian 5
156 49 Alvin 173 50
9 ti 9
24
3 6 vucitor
Brian 168 59 169 48
0 0 y
4.3 Analisa Data

sebagai berikut;
4.3.1 Pertanyaan
1. Buatlah tabel frekuensi hipotesis relatif dan kumulatifnya dari data-data yang
telah anda peroleh, kemudian gambarlah grafik histogram dan poligonnya.
2. Carilah ukuran pemusatan datanya.
a. Rata-rata Hitung
b. Rata-rata Harmonis
c. Modus
3. Carilah ukuran letak datanya dan beri analisanya.
a. Median
b. Kuartil ke-2.
c. Desil ke-5.
d. Persentil ke-50.
4. Carilah ukuran dispersi dari data trsebut.
a. Range
b. Simpangan Baku
c. Variansi
5. Tentukan pola distribusi datanya.
a. Skewness (kemiringan)
b. Kurtosis (Keruncingaan).
4.3.2 Pembahasan
Jawaban No 1:
Tabel frekuensi hipotesis relatif dan kumulatif dari data pengukuran adalah
sebagai berikut :
Tabel 4.2. Frekuensi Hipotesis Relatif dan Kumulatif untuk Tinggi Badan
25
Tinggi Badan
fi F.Relatif F.Kumulatif* F.Kumulatif** Xi FiXi Xi -X̅
(cm)
145-151 3 0.05 3 60 148 444 -15.7
152-158 11 0.18 14 57 155 1705 -8.7
159-166 19 0.32 33 46 162 3078 -1.7
167-173 27 0.45 60 27 170 4590 6.3
Jumlah ∑f = 60 1 110 190 635 9817
xn−xi
K = 1 + 3.322 log n C=
k
173−145
= 1 + 3.322 log 60 =
7
=7 =4
Tabel 4.3. Frekuensi Hipotesis Relatif dan Kumulatif untuk Berat Badan
Berat Badan
fi F.Relatif F.Kumulatif* F.Kumulatif** Xi FiXi Xi -X̅
(cm)
44-51 32 0.5333333333 32 60 47.5 1520 -5.6

52-59 17 0.2833333333 49 28 55.5 943.5 2.4
60-67 9 0,15 58 11 63.5 571.5 10.4
68-75 1 0.0166666667 59 2 71.5 71.5 18.4
76-83 1 0.0166666667 60 1 79.5 79.5 26.4
xn−xi
K = 1 + 3.322 log n C=
k
80−44
= 1 + 3.322 log 60 =
7
=7 =5
Dimana untuk nilai frekuensi kumulatif terbagi atas dua, yaitu frekuensi
kumulatif kurang dari (fk<) dan frekuensi kumulatif lebih dari (fk>). Sedangkan
fi
frekuensi relatif, dapat ditentukan dengan rumus : fr = ×100 %
∑ fi
dengan : fr = frekuensi relatif
fi = frekuensi tiap kelas
∑fi = total frekuensi
Gambaran untuk grafik histogram dari data pengukuran tinggi badan dan
berat badan dapat diolah dengan tiga software, yaitu Microsoft Excel, Minitab,
dan SPSS, dan dapat dilihat sebagai berikut :
26
Grafik histogram dan poligonnya sebagai berikut:
A. Microsoft Excel
Tabel 4.4. Descriptive Statistik Tinggi Badan Menggunakan Ms.Excel
TINGGI BADAN
Mean 163.91666667
Standard Error 0.8141723699
Median 165
Mode 168
Standard Deviation 6.3065520588
Sample Variance 39.77259887
KURTOSIS 0.4524813756
SKEWNESS -0.8564728516
Range 29
Minimum 145
Maximum 174
Sum 9835
Histogram Tinggi Badan Dari histogram disamping, dapat kita

25
simpulkan bahwa nilai modus (yang
paling banyak muncul) dari
20
keseluruhan data adalah pada interval
15 165-169, yaitu sebanyak 21 orang,
dan nilai yang paling sedikit muncul
Frekuensi (f)
10
addalah pada interval 150-154, yaitu
5
sebanyak 1 orang. Hal ini tentu saja
0
145-149 150-154 155-159 160-164 165-169 170-174
berbanding lurus dengan data-data
Tinggi Badan (cm)
yang ada pada tabel hasil pengukuran
tinggi badan
Gambar 4.1. Histogram Data Tinggi Badan Menggunakan Ms.Excel
Tabel 4.5 Bin Analisis Data Tinggi Badan
27
Bin Frequency Cumulative % Bin Frequency Cumulative %
145 1 1.67% 169.8571429 17 28.33%
149.1428571 1 3.33% 165.7142857 15 53.33%
153.2857143 1 5.00% More 10 70.00%
157.4285714 7 16.67% 161.5714286 8 83.33%
161.5714286 8 30.00% 157.4285714 7 95.00%
165.7142857 15 55.00% 145 1 96.67%
169.8571429 17 83.33% 149.1428571 1 98.33%
More 10 100.00% 153.2857143 1 100.00%
Tabel 4.6 Descriptive Statistik Berat Badan Menggunakan Ms.Excel

BERAT BADAN
Mean 52.98333333
Standard Error 0.919991445
Median 50.5
Mode 50
Standard Deviation 7.126223092
Sample Variance 50.78305556
KURTOSIS 2.1669328
SKEWNESS 1.266290104
Range 36
Minimum 44
Maximum 80
Sum 3179
Histogram Berat Badan Kemudian untuk data berat badan,

35 dapat kita simpulkan sesuai dengan
30 histogramnya disamping bahwa pada
25 interval 44-50 terdapat kelas modus
20 (yang paling banyak muncul) dari
keseleruhan data. Pada interval
Frekuensi (f)
15
10 tersebut terdiri atas 30 orang.

5
Sedangkan nilai yang paling sedikit
0
munculnya adalah pada interval 79-85,
44-50 51-57 58-64 65-71 72-78 79-85 karena hanya terdiri atas 1 orang saja.
Berat Badan (kg)
Gambar 4.2. Histogram Data Berat Badan Menggunakan Ms.Excel
Tabel 4.7 Bin Analisis Data Berat Badan
28
44 2 3.33% 49.14285714 18 30.00%
49.14285714 18 33.33% 54.28571429 18 60.00%
54.28571429 18 63.33% 59.42857143 11 78.33%
59.42857143 11 81.67% 64.57142857 7 90.00%
64.57142857 7 93.33% 69.71428571 3 95.00%
69.71428571 3 98.33% 44 2 98.33%
74.85714286 0 98.33% More 1 100.00%
More 1 100.00% 74.85714286 0 100.00%
B. SPSS
Tabel 4.8. Descriptive Statistik Tinggi Badan Menggunakan SPSS
Statistics
Valid 60
N
Missing 0
Mean 163.92
Std. Error of Mean 0.814
Median 165.00
Mode 168
Std. Deviation 6.307
Variance 39.773
Skewness -0.856
Std. Error of 0.309
Skewness
Kurtosis 0.452
Std. Error of 0.608
Kurtosis
Range 29
Minimum 145
Maximum 174
Sum 9835
25 159.25
Percentiles 50 165.00
Dari grafik disamping dapat

disimpulkan bahwa nilai
mean adalah 163,92, standar
deviasi adalah 6,307. Yang
menjadi pertanyaan adalah,
kenapa sampai ada
kekosongan pada histogram
yang diolah oleh software
SPSS? Kekosongan yang
terdapat pada histogram yang
diolah oleh software SPSS
dikarenakan tidak adanya
data yang muncul pada
interval kelas tersebut.
29
Gambar 4.3. Histogram Data Tinggi Badan Menggunakan SPSS
Tabel 4.7. Descriptive Statistik Berat Badan Menggunakan SPSS
Statistics
Valid 60
N
Missing 0
Mean 52.98
Std. Error of Mean 0.928
Median 50.50
Mode 50
Variance 51.644
Skewness 1.266
Std. Error of 0.309
Skewness
Kurtosis 2.167
Std. Error of 0.608
Kurtosis
Range 36
Minimum 44
Maximum 80
Sum 3179
25 48.00
Percentiles 50 50.50

disimpulkan bahwa nilai mean
adalah 52,98, standar deviasi
adalah 7,186. Dan untuk
kekosongan yang terdapat pada
histogram ini dapat dijelaskan
seperti penjelasan yang
diungkapkan sebelumnya pada
histogram data tinggi badan.
Gambar 4.4. Histogram Data Berat Badan Menggunakan SPSS
C. Minitab
30
Gambar 4.5. Descriptive Statistik Tinggi Badan Menggunakan MiniTab

disimpulkan bahwa nilai
mean adalah 163,9, nilai
standar deviasi adalah
6,307, dan nilai modus
terdapat pada interval yang
memiliki nilai tengah 170.
Gambar 4.6. Histogram Data Tinggi Badan Menggunakan MiniTab
Gambar 4.7. Descriptive Statistik Berat Badan Menggunakan MiniTab
31
Dari grafik disamping
dapat disimpulkan
bahwa nilai mean
adalah 52,98, nilai
standar deviasi adalah
7,186, dan nilai modus
terdapat pada interval
yang memiliki nilai
tengah 50.
Gambar 4.8. Histogram Data Berat Badan Menggunakan MiniTab
Jawaban No 2 :
a. Rata-rata Hitung
 Untuk Tinggi Badan
Jumlah keseluruhan ( fi ) = 60
Jumlah fi x Xi = 9817
X = ∑( fi × Xi )∑ fi
60
X = 9817
60
X = 163.7 cm
32
 Untuk Berat Badan
Jumlah keseluruhan ( fi ) = 60
Jumlah fi x Xi = 3186
X = ∑( fi × Xi )
∑ fi
X = 3186
60
X = 53.1 kg
b. Rata-rata Harmonis
 Untuk tinggi badan
Σ ( f i xX i ) 9817
LogRu ¿ =log =log 163.7=2.21
Σfi 60
 Untuk berat badan
Σ ( f i xX i ) 3186
LogRu¿ =log =log 53.1=1.72
Σfi 60
c. Modus
Mo = tb+c ( d 1+d 1d 2 )
Mo = 166.5 + 4 (
8+27 )
8
Mo = 166.5 + ( )
32
35
Mo = 166.5 + 0.91
Mo = 167.41 cm
Mo = 167 cm
Mo = tb +c( d 1+d 1d 2 )
Mo = 43.5 + 5 (
32+15 )
32
33
Mo = 43.5 + ( 160
47 )
Mo = 43.5 + 3.4
Mo = 46.9 kg
Mo = 47 kg
Jawaban No 3 :
a. Median
n
−Fk
Me = tb + C ( 2 )
F
60
−33
= 166.5 + 4 ( 2 )
27
30−33
= 166.5 + 4 ( )
27
= 166.5 + 4 (-0.1111111111)
= 166.5 + (-0.4444444444)
= 166.05
= 166

n
−Fk
Me = tb + C ( 2 )
F
60
−0
= 43.5 + 5 ( 2 )
32
30−0
= 43.5 + 5 ( )
32
= 43.5 + 5 (0.9375)
= 43.5 + 4.6875
= 48.1
= 48
34
b. Kuartil ke-2
2
Q2 = x 60 = 30
4
i
.n−Fk
Q2 = tb + C ( 4 )
F
2
.60−33
= 166.,5 + 4 ( 4 )
27
= 166.5 + 4 (-0.1111111111)
= 166.5 + (-0.4444444444)
= 166.05
= 166
2
Q2 = x 60 = 30
4
i
.n−Fk
Q2 = tb + C ( 4 )
F
2
.60−0
= 43.5 + 5 ( 4 )
32
= 43.5 + 5 (0.9375)
= 43.5 + 4.6875
= 48
c. Desil ke-5
Di =[i/10] × n
= 5/10 ×60
= 30
i
. n−Fk
Di = tb + C ( 10 )
F
35
5
.60−33
= 166.5 + 4 ( 10 )
27
= 166.5 + 4 (-0.1111111111)
= 166.5 + (-0.4444444444)
= 166
Di = [i/10] × n
= 5/10 × 60
= 30
i
. n−Fk
Di = tb + C ( 10 )
F
5
.60−0
= 43.5 + 5 ( 10 )
32
= 43.5 + 5 (0.9375)
= 43.5 + 4.6875
= 48
d. Persentil ke-50
Pi = [i/100] × n
= [50/100] × 60
= 30
i
. n−Fk
Pi = tb + C ( 100 )
F
50
.60−33
= 166.5 + 4 ( 100 )
27
= 166.5 + 4 (-0.1111111111)
= 166.5 + (-0.4444444444)
= 166
Pi = [i/100] × n
36
= [50/100] × 60
= 30
i
. n−Fk
Pi = tb + C ( 100 )
F
50
.60−0
= 43.5 + 5 ( 100 )
32
= 43.5 + 5 (0.9375)
= 43.5 + 4.6875 = 48
Jawaban No 4:
a. Range
Range ¿ Xmax−Xmin
= 174−145
= 29
Untuk berat badan
Range ¿ Xmax−Xmin
= 80−44
= 36
b. Simpangan Baku
Untuk tinggi badan
S = √ s2
= √ 44.97
= 6.7
S = √ s2
= √ 51.85
= 7.2
c. Variansi
 Untuk Tinggi badan
2
ΣFi ( Xi− X )
S2 =
n
2 2 2 2
3 (−15.7 ) +11 (−8.7 ) +19 (−1.7 ) +27 ( 6.3 )
= 60
37
2698.6
¿
60
¿44.97
= 45
2
ΣFi ( Xi− X )
S2 ¿
n
2 2 2 2 2
32 (−5.6 ) +17 ( 2.4 ) +9 ( 10.4 ) +1 ( 18.4 ) +1 ( 26.4 )
S2 =
60
3110.4
=
60
¿ 51.84
= 52
Jawaban No 5:
4.4 Skewness (Kemiringan)
1 3
. Σfi.( Xi−X )
∝3 = fi
3
S
1 3 3 3 3
(3 (−15.7 ) +11 (−8.7 ) +19 (−1.7 ) +27 ( 6.3 ) )
= 60
3
6.7
1
×(−12195.29)
= 60
300.763
−203.2548333333
= 300.763
= -0.6757973332
= -0.7
1 3
. Σfi. ( Xi−X )
∝3 fi
¿ 3
S
1 3 3 3 3 3
×(32 (−5.6 ) + 17 ( 2.4 ) +9 ( 10.4 ) + 1 ( 18.4 ) + 1 ( 26.4 ) )
= 60
7.2 ³
38
1
×29368.32
= 60
373.248
489.472
= 373.248
= 1.3113854595 = 1.3
4.5 Kurtosis (Keruncingan)
1 4
. Σfi. ( Xi−X )
∝4 fi
¿ 4
S
1 4 4 4 4
(3 (−15.7 ) +11 (−8.7 ) +19 (−1.7 ) + 27 ( 6.3 ) )
60
¿ 4
6.7
1
×287982.38199999
= 60
2063.66684176
4799.7063666665
=
2063.66684176
= 2.3258145499
= 2.3

1 4
. Σfi.( Xi−X )
∝4 fi
¿ 4
S
1 4 4 4 4 4
×(32 (−5.6 ) +17 ( 2.4 ) +9 ( 10.4 ) +1 ( 18.4 ) + 1 ( 26.4 ) )
= 60
4
7.2
1
×737697.79199999
= 60
2687.3856
12294.963199999
=
2687.3856
= 4.5750647767
= 4.6
39
4.3.3 Analisa Data
Pada perhitungan data diatas, dapat dianalisa bahwa:
 Untuk Software Microsoft Excel
Berikut adalah analisa data tinggi badan yang dicari dengan menggunakan
software Microsoft Excel. Melalui langkah-langkah yang ada pada metode
penelitian, sehingga hasil dari pengerjaan data tersebut yang kita peroleh yaitu,
jumlah interval kelas adalah 5, rata-rata hitungnya adalah 163,91, rata-rata
harmonisnya adalah 2,21, nilai Median, Kuartil 2, Desil 5, dan Persentil 50 adalah
165, nilai modus 168, nilai rangenya adalah 29, nilai simpangan baku adalah
6,30, nilai variansi adalah 39,77, nilai kemiringan adalah -0,85, dan nilai
keruncingan adalah 0,45.
 Untuk Software SPSS
software SPSS. Melalui langkah-langkah yang ada pada metode penelitian,
sehingga hasil dari pengerjaan data tersebut yang kita peroleh yaitu, jumlah
interval kelas adalah 5, rata-rata hitungnya adalah 163,92, rata-rata harmonisnya
adalah 2,21, nilai Median, Kuartil 2, Desil 5, dan Persentil 50 adalah 165, nilai
modus 168, nilai rangenya adalah 29, nilai simpangan baku adalah 6,307, nilai
variansi adalah 39,773, nilai kemiringan adalah -0,856, dan nilai keruncingan
adalah 0,452.
 Untuk Software Minitab

software Minitab. Melalui langkah-langkah yang ada pada metode penelitian,
adalah 2,21, nilai Median, Kuartil 2, Desil 5, dan Persentil 50 adalah 165, nilai
modus 168, nilai rangenya adalah 29, nilai simpangan baku adalah 6,31, nilai
variansi adalah 39,77, nilai kemiringan adalah -0,86, dan nilai keruncingan adalah
0,45.
 Untuk Perhitungan Manual
40
Berikut adalah analisa data tinggi badan yang dihitung secara manual
berdasarkan urmus yang telah terlampir pada landasan teori. Sehingga diperoleh
hasil sebagai berikut : Data pertama adalah 145-149 dengan frekuensi 2, dan data
terakhir adalah 170-174 dengan frekuensi 10. Data tersebut didapat dari rumus
banyak kelas dan interval kelas yang terlampir pada landasan teori. Data dengan
frekuensi terbesar adalah 165-169 dengan frekuensi 21. Sedangkan untuk rata-rata
hitungnya adalah 163,7, rata-rata harmonisnya adalah 2,21, nilai modusnya adalah
167, nilai Median, Kuartil 2, Desil 5, dan Persentil 50 adalah 167, nilai rangenya
adalah 29, nilai simpangan baku adalah 6,04 , nilai variansi adalah 36,52, nilai
Kemiringan adalah -0,64, dan nilai Keruncingan adalah 0,0000000313.

 Menggunakan Microsoft Excel
Berikut adalah analisa data berat badan yang dicari dengan menggunakan
software Microsoft Excel. Melalui langkah-langkah yang ada pada metode
penelitian, sehingga hasil dari pengerjaan data tersebut yang kita peroleh yaitu,
jumlah interval kelas adalah 7, rata-rata hitungnya adalah 52,98, rata-rata
harmonisnya adalah 1,72, nilai modusnya adalah 50, nilai Median, Kuartil 2,
Desil 5, dan Persentil 50 adalah 50,5, nilai rangenya adalah 36, nilai simpangan
baku adalah 7,126, nilai variansi adalah 50,78, nilai Kemiringan adalah 1,266,
nilai Keruncingan adalah 2,166.
 Menggunakan SPSS
software SPSS. Melalui langkah-langkah yang ada pada metode penelitian,
adalah 1,72, nilai modusnya adalah 50, nilai Median, Kuartil 2, Desil 5, dan
Persentil 50 adalah 50,50, nilai rangenya adalah 36, nilai simpangan baku adalah
7,186, nilai variansi adalah 51,644, nilai Kemiringan adalah 1,266, nilai
Keruncingan adalah 2,167.
 Menggunakan Minitab
41
software Minitab. Melalui langkah-langkah yang ada pada metode penelitian,
adalah 1,72, nilai modusnya adalah 50, nilai Median, Kuartil 2, Desil 5, dan
Persentil 50 adalah 50,5, nilai rangenya adalah 36, nilai simpangan baku adalah
7,186, nilai variansi adalah 51,644, nilai Kemiringan adalah 1,27, nilai
Keruncingan adalah 2,17.
 Untuk Perhitungan Manual

Berikut adalah analisa data berat badan yang dihitung secara manual
berdasarkan urmus yang telah terlampir pada landasan teori.Sehingga diperoleh
hasil sebagai berikut : Data pertama sekaligus data dengan frekuensi terbesar
adalah 44-50 dengan frekuensi 30, dan data terakhir adalah 79-85 dengan
frekuensi 1. Data tersebut didapat dari rumus banyak kelas dan interval kelas yang
terlampir pada landasan teori. Sedangkan untuk rata-rata hitungnya adalah 52,7,
rata-rata harmonisnya adalah 1,72, nilai modusnya adalah 51, nilai Median,
Kuartil 2, Desil 5, dan Persentil 50 adalah 50,5, nilai rangenya adalah 36, nilai
simpangan baku adalah 7,55 , nilai variansi adalah 57,09, nilai Kemiringan adalah
2,13, dan nilai Keruncingan adalah 6,84.
BAB V
PENUTUP
5.1 Kesimpulan
Dari hasil percobaan Distribusi Frekuensi, dapat disimpulkan bahwa :
a. Distribusi frekuensi merupakan suatu ringkasan dalam bentuk tabel dari suatu
kelompok dataa yang menunjukkan frekuensi kategori-kategori dalam
beberapa kelas. Distribusi ini sangat membantu untuk mengolah dan
menganalisa data berkelompok.
42
b. Untuk menggambar serta menghitung grafik frekuensi, frekuensi relatif,serta
frekuensi kumulatif, kita dapat menghitung pengukurannya menggunakan
perhitungan manual maupun perhitungan dengan menggunakan software.
Tetapi data yang dihasilkan mungkin berbeda, hal ini dikarenakan
perhitungan perhitungan yang dilakukan oleh software tentu saja sangat
terperinci hingga data yang terkecil, yang tidak terlalu diperhatikan secara
manual dimana hasil perhitungan manual dilakukan pembulatan tertentu.
Sedangkan untuk menggambar grafik frekuensi, frekuensi reatif, dan
frekuensi kumulatif, kita dapat menggunakan software-software seperti
Microsoft Excel, SPSS, dan Minitab.
c. Konsep dari perhitungan distribusi frekuensi pada data berkelompok yaitu,
dimana penyusunan data dimulai dari yang terkecil sampai terbesar, setelah
itu data dibagi menjadi beberapa kelas-kelas dimana pada kelas-kelas tersebut
akan dihitung berapa jumlah frekuensi untuk tiap kelas.
5.2 Saran
a. Untuk hasil data pengukuran yang dihitung menggunakan rumus secara
manual, harus dihitung secara teliti
b. Untuk setiap praktikan diharapkan agar lebih teliti dan serius dalam
mengikuti proses praktikum agar tidak keliru dalam membuat sebuah laporan
akhir.
c. Diharapkan kritik dan saran yang membangun dari para pembaca sebagai
bahan evaluasi kedepannya karena masih banyak kekurangan yang perlu
penulis perbaiki.

FAKULTAS TEKNIK
43
Nama Tugas Praktikum : Modul III ( Distribusi Binomial )
NIM : 2019 – 72 – 072
Kelompok : VII
Tanggal Praktikum : Selasa, 5 Mei 2020
Tanggal Asistensi :
BAB I
PENDAHULUAN
1.1 Latar Belakang

Distibusi binomial adalah suatu distribusi probabilitas yang dapat digunakan
bila dimana suatu proses sampling dapat diasumsikan sesuai dengan proses
Bernoulli. Distribusi ini dikemukakan pertama kali oleh seorang alhi matematika
berkebangsaan swiss yang bernama J. Bernoulli.
44
Dimana proses bernoulli memiliki ciri – ciri dimana eksperimen berlangsung
n kali dan tiap eksperimen berlangsung dalam cara dan kondisi yang sama. Untuk
setiap eksperimen hanya ada dua kejadian yang mungkin terjadi, dimana dua
kejadian tersebut adalah saling asing dan juga independen satu sama lain.
Biasanya dua kejadian tersebut dinotasikan sebagai kejadian sukses dan kejadian
gagal. Sedangkan jika sampling dilakukan tanpa pengembalian dari kejadian
sampling yang diambil dari populasi dengan kejadian – kejadian terbatas, proses
bernoulli tidak dapat digunakan, karena ada perubahan secara sistematis dalam
probabilitas sukses seperti kejadian – kejadian yang diambil dari populasi.

Dari kegiatan praktikum ini, diharapkan praktikan :
a. Lebih memahami dan menguasai konsep distribusi binomial.
b. Penguasaan terhadap konsep binomial dapat mempermudah dalam
melakukan riset ilmiah khususnya dalam aplikasi untuk penelitian kerja
praktek maupun tugas akhir.
BAB II
LANDASAN TEORI
2.1 Landasan Teori
Jika p merupakan probabilitas sari suatu kejadian yang akan terjadi pada
sembarang kejadian tunggal (disebut probabilitas sukses) dan q = 1 – p adalah
probabilitas yang gagal terjadi dalam sembarang pecobaan tunggal (disebut
probabilitas kegagalan) maka probabilitas yang akan terjadi adalah tepat X kali
45
dalam N percobaan (yaitu X sukses dan N – X kegagalan akan berlangsung) maka
peluangnya dapat hitung dengan rumus :
b( X ,N , p) : P ( X ) = ¿ ( N ¿ ) ¿ ¿
¿ ,dimana X = 0, 1, 2, … , N.
dengan ;
¿ ( N ¿) ¿ ¿
¿ ,dimana N! = N(N – 1)(N – 2) … 1 . 0! = 1.
Percobaan Binomial memiliki ciri-ciri sebagai berikut

1. Percobaannya terdiri atas n ulangan.
2. Dalam setiap ulangan, hasilnya dapat digolongkan sebagai berhasil
atau gagal.
3. Peluang berhasil, yang dilambangkan dengan p, untuk setiap ulangan
adalah sama, tidak berubah-ubah.
4. Ulangan-ulangan tersebut bersifat bebas satu sama lain.
Berikut ini merupakan beberapa sifat dari distribusi binomial :
Tabel 2.1. Sifat-Sifat Distribusi Binomial
Nilai Tengah μ = Np
Varians α 2 = Npq
Simpangan Baku σ = √ Npq
q−p
Koefisien Momen Kemencengan σ3=
√ Npq
1 − 6 pq
Koefisien Momen Kurtosis σ4 = 3 +
Npq
BAB III
METODE PENELITIAN
1. Waktu: Selasa, 5 Mei 2020, 16:00 WIT
2. Tempat: Rumah ( Kuliah Online)
46
Dalam praktikum kali ini, peralatan yang digunakan adalah :
1. Sejumlah kelereng.
2. Software Minitab.14, SPSS.16, dan MS.Excel 2007
3. Alat tulis dan lembar kerja

Dalam praktikum modul 3 ini, dilakukan pengambilan pada 20 kelereng
yang terbagi menjadi 2 yaitu 10 tidak cacat dan 10 nya cacat. Kemudian catat
berapa jumlah kelereng yang cacat dan tidak cacat saat pengambilan dan
masukkan kedalam lembar kerja.
Setelah itu, untuk memperjelas data yang ada, data dapat diolah dengan
menggunakan software seperti Microsoft Excel, Minitab, dan SPSS. Selanjut
tampilkan hasil kerja dan data hasilnya di jelaskan dengan kata – kata.

Pengambila
n 2 3 4 5 6 7 8 9 10
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
47
16
17
18
19
20
Tidak Cacat
Pengolahan data:
1. Langkah-langkah Pengolahan Data dengan Software MINITAB 14.0 :
 Klik start, kemudian buka Minitab.16
48
 Tampilan setelah di klik
GAMBAR 3.2 LEMBAR KERJA MINITAB
 Buatlah kursor berada di jendela session, kemudian pilih menu editor lalu
pilih enable commands
49
GAMBAR 3.3 MENGAKTIFKAN ENABLE COMMANDS
 Pilih calc kemudian probability distributions dan pilih binomial
GAMBAR 3.4 MENAMPILKAN DISTRIBUSI BINOMIAL
Maka akan muncul tampilan di bawah ini
50
GAMBAR 3.5 TAMPILAN DISTRIBUSI BINOMIAL
 kemudian pilih stat, lalu pilih basic statistic, dan yang terakhir pilih display
descriptive statistic
GAMBAR 3.6 MENAMPILKAN DISPLAY DESCRIPTIVE STATISTIC
51
GAMBAR 3.7 TAMPILAN DISPLAY DESCRIPTIVE STATISTIC
2.Langkah – langkah pengolahan data software SPSS.26

 Klik start, kemudian pilih SPSS.16
52
GAMBAR 3.9 TAMPILAN LEMBAR KERJA SPSS
 Masukkan data, kemudian pilih analyze dan pilih descriptive statistic lalu
pilih frequencies
GAMBAR 3.10 MENAMPILKAN FREQUENCIES
53
GAMBAR 3.11 TAMPILAN FREQUENCIES
3. Langkah – langkah pengolahan data menggunakan MS.Excel 2010
 Klik start, kemudian pilih MS.Excel 2010
Gambar 3.12 Menu Start
54
GAMBAR 3.13 TAMPILAN LEMBAR KERJA MS.EXCEL
 Pilih data, kemudian klik data analysis pilih histogram, OK.
GAMBAR 3.14 MENAMPILKAN HISTOGRAM
Maka akan muncul gambar di bawah ini:
55
GAMBAR 3.15 TAMPILAN HISTOGRAM
Masukan input range untuk pengambilan kelereng dan bin range, sesuai dengan
soal yang ada. Centang labels, New Worksheet, pareto, cumulative
percentange, dan chart output. Klik ok. Lakukan langkah yang sama untuk
pengambilan-pengambilan yang lain
 Klik Formula pilih statistical kemudian pilih var untuk mencari nilai
variansi.
GAMBAR 3.16 MENAMPILKAN NILAI VARIANSI
56
GAMBAR 3.17 TAMPILAN NILAI VARIANSI
Kemudian pilih Number 1, blok semua pengambilan kelereng pada data

atau table yang ada. Pilih OK.
 Klik Formula pilih statistical kemudian pilih median untuk mencari nilai
mean.
GAMBAR 3.18 MENAMPILKAN NILAI MEAN
57
GAMBAR 3.19 TAMPILAN NILAI MEAN

 Klik Formula pilih statistical kemudian pilih Skew untuk mencari nilai
skewness.
GAMBAR 3.20 MENAMPILKAN NILAI SKEWNESS
58
GAMBAR 3.21 TAMPILAN NILAI SKEWNESS

 Klik Formula pilih statistical kemudian pilih Kurt untuk mencari nilai
Kurtosis.
GAMBAR 3.22 MENAMPILKAN NILAI KURTOSIS
59
GAMBAR 3.23 TAMPILAN NILAI KURTOSIS

 Klik Formula pilih statistical kemudian pilih stdev untuk mencari nilai
standar deviasi.
GAMBAR 3.24 MENAMPILKAN NILAI STANDAR DEVIASI
60
GAMBAR 3.25 TAMPILAN NILAI STANDAR DEVIASI

 Setelah mengetahui nilai variansi, mean, skewness, kurtosis dan standar

deviasi. Pilih Formula klik Statistik kemudian pilih binomdist.
GAMBAR 3.26 MENAMPILKAN DISTRIBUSI BINOMIAL
Maka akan muncul gambar di bawah ini :
61
GAMBAR 3.27 TAMPILAN DISTRIBUSI BINOMIAL
Masukkan nilai, kemudian klik OK.
62
BAB IV
MATERI

Pada Praktikum modul 3 dilakukan pukul 16.00 WIT pada hari Selasa, 5 mei
2020 bertempat di Rumah ( Kuliah Online) .Dengan materi pada modul 3 yaitu
Distribusi Binomial
Adapun kegiatan yang dilakukan didalam laboratorium sebagai berikut :
4. Kuis
6. Konsultasi
4.2 Hasil Percobaan

Tabel 4.1 Hasil Percobaan Pengambilan Kelereng
Percobaan 2 3 4 5 6 7 8 9 10
1 0 2 2 0 0 3 2 5 6
2 1 1 3 3 1 3 4 3 2
3 2 1 1 3 1 4 2 4 3
4 1 2 1 0 2 1 1 0 0
5 1 3 1 2 3 1 0 2 4
6 1 3 0 1 0 2 2 1 6
7 0 0 2 1 3 3 1 0 0
8 1 0 4 3 4 1 0 3 3
9 0 2 2 5 2 0 1 4 5
10 0 1 1 1 5 6 2 5 6
11 0 0 0 0 1 2 4 0 3
12 0 1 1 0 0 0 0 3 7
13 1 1 1 4 1 0 4 0 0
14 1 2 0 3 2 1 5 2 6
15 1 1 2 4 3 2 0 0 2
63
16 0 0 4 5 4 0 5 4 1
17 1 0 3 0 5 3 6 3 1
18 0 2 0 1 2 4 4 7 8
19 0 3 0 1 1 5 0 3 0
20 2 2 1 2 3 2 0 4 7
Tidak
Cacat 9 5 5 4 3 4 6 5 4
4.3 Analisa Data

sebagai berikut;
4.3.1 Pertanyaan
1. Tampilkan hasil nilai tengah(median),nilai variansi,nilai koefisien momen
kemencengan(skewness),nilai koefisien momen kurtosis,nilai
peluang(probability) munculnya yang cacat, dan gambar histogram dari
masing-masing pengambilan kelereng dengan menggunakan salah satu
software Minitab 14, SPSS 16, atau MS. Excel 2007.
2. Tampilkan hasil nilai koefisien momen kemencengan(skewness) dan nilai
koefisien momen kurtosis jika jumlah data diperbesar.(pilih salah satu
sampel pengambilan kelereng) dan jelaskan pendapat anda tentang hasil
yang didapatkan.
3. Buatlah contoh penerapan distribusi binomial dalam dunia industri.
64
4.3.2 Pembahasan
Jawaban No 1;
Data statistik dari percobaan menggunakan Ms. Excel, MiniTab 16 dan SPSS 26
A . Microsoft Excel
Tabel 4.2 Data Statistik Pengambilan Kelereng Menggunakan Ms.Excel
Pengambilan P2 P3 P4 P5 P6 P7 P8 P9 P10
tidak cacat 9 5 5 4 3 4 6 5 4
Rata-rata 0.65 1.35 1.45 1.95 2.15 2.15 2.15 2.65 3.5
Median 1 1 1 1.5 2 2 2 3 3
Varians 0.428 1.028 1.548 2.748 2.328 2.828 3.828 3.828 6.95
Skewness 0.549 0.133 0.714 0.443 0.366 0.564 0.466 0.146 0.098
kurtosis -0.55 -1.07 -0.3 -1.04 -0.77 -0.25 -1.17 -0.48 -1.43
Simpangan 0.654 1.014 1.244 1.658 1.526 1.682 1.956 1.956 2.636
peluang 0.45 0.25 0.25 0.2 0.15 0.2 0.3 0.25 0.2
Distribusi Binomial 6E-06 0.091 0.091 0.012 0.039 0.411 0.035 0.617 0.913
B. Minitab 16
Tabel 4.3 Data Statistik Pengambilan Kelereng Menggunakan Minitab 16

Variable Total Count Mean StDev Variance Median Skewness Kurtosis
P2 20 0.65 0.671 0.45 1 0.55 -0.55
P3 20 1.35 1.04 1.082 1 0.13 -1.07
P4 20 1.45 1.276 1.629 1 0.71 -0.3
P5 20 1.95 1.701 2.892 1.5 0.44 -1.04
P6 20 2.15 1.565 2.45 2 0.37 -0.77
P7 20 2.15 1.725 2.976 2 0.56 -0.25
P8 20 2.15 2.007 4.029 2 0.47 -1.17
P9 20 2.65 2.007 4.029 3 0.15 -0.48
65
Tabel 4.4 Distribusi Binomial Pengambilan 2
Binomial with n = 20 and p = 0,45
x P( X ≤ x )
0 0,0000064
1 0,0001114
2 0,0009274
1 0,0001114
1 0,0001114
1 0,0001114
0 0,0000064
1 0,0001114
0 0,0000064
0 0,0000064
0 0,0000064
0 0,0000064
1 0,0001114
1 0,0001114
1 0,0001114
0 0,0000064
1 0,0001114
0 0,0000064
0 0,0000064
2 0,0009274
x P( X ≤ x )
2 0,091260
1 0,024313
1 0,024313
2 0,091260
3 0,225156
3 0,225156
0 0,003171
66
0 0,003171
2 0,091260
1 0,024313
0 0,003171
1 0,024313
1 0,024313
2 0,091260
1 0,024313
0 0,003171
0 0,003171
2 0,091260
3 0,225156
2 0,091260

x P( X ≤ x )
2 0,091260
3 0,225156
1 0,024313
1 0,024313
1 0,024313
0 0,003171
2 0,091260
4 0,414842
2 0,091260
1 0,024313
0 0,003171
1 0,024313
1 0,024313
0 0,003171
2 0,091260
4 0,414842
67
3 0,225156
0 0,003171
0 0,003171
1 0,024313

x P( X ≤ x )
0 0,011529
3 0,411449
3 0,411449
0 0,011529
2 0,206085
1 0,069175
1 0,069175
3 0,411449
5 0,804208
1 0,069175
0 0,011529
0 0,011529
4 0,629648
3 0,411449
4 0,629648
5 0,804208
0 0,011529
1 0,069175
1 0,069175
2 0,206085
68
x P( X ≤ x )
0 0,038760
1 0,175558
1 0,175558
2 0,404896
3 0,647725
0 0,038760
3 0,647725
4 0,829847
2 0,404896
5 0,932692
1 0,175558
0 0,038760
1 0,175558
2 0,404896
3 0,647725
4 0,829847
5 0,932692
2 0,404896
1 0,175558
3 0,647725

x P( X ≤ x )
3 0,107087
3 0,107087
4 0,237508
1 0,007637
1 0,007637
2 0,035483
3 0,107087
1 0,007637
69
0 0,000798
6 0,608010
2 0,035483
0 0,000798
0 0,000798
1 0,007637
2 0,035483
0 0,000798
3 0,107087
4 0,237508
5 0,416371
2 0,035483

x P( X ≤ x )
2 0,035483
4 0,237508
2 0,035483
1 0,007637
0 0,000798
2 0,035483
1 0,007637
0 0,000798
1 0,007637
2 0,035483
4 0,237508
0 0,000798
4 0,237508
5 0,416371
0 0,000798
5 0,416371
6 0,608010
70
4 0,237508
0 0,000798
0 0,000798

x P( X ≤ x )
5 0,617173
3 0,225156
4 0,414842
0 0,003171
2 0,091260
1 0,024313
0 0,003171
3 0,225156
4 0,414842
5 0,617173
0 0,003171
3 0,225156
0 0,003171
2 0,091260
0 0,003171
4 0,414842
3 0,225156
7 0,898188
3 0,225156
4 0,414842

x P( X ≤ x )
6 0,913307
2 0,206085
3 0,411449
71
0 0,011529
4 0,629648
6 0,913307
0 0,011529
3 0,411449
5 0,804208
6 0,913307
3 0,411449
7 0,967857
0 0,011529
6 0,913307
2 0,206085
1 0,069175
1 0,069175
8 0,990018
0 0,011529
7 0,967857
C. Spss 26
Tabel 4.13 Data Statistik Pengambilan Kelereng Menggunakan SPSS 26

Statistics
P2 P3 P4 P5 P6 P7 P8 P9 P10
Valid 20 20 20 20 20 20 20 20 20
N
Missing 0 0 0 0 0 0 0 0 0
Mean 0.65 1.35 1.45 1.95 2.15 2.15 2.15 2.65 3.50
Median 1.00 1.00 1.00 1.50 2.00 2.00 2.00 3.00 3.00
Mode 0a 1a 1 0a 1 0a 0 0a 0a
Std. Deviation 0.671 1.040 1.276 1.701 1.565 1.725 2.007 2.007 2.705
Variance 0.450 1.082 1.629 2.892 2.450 2.976 4.029 4.029 7.316
Skewness 0.549 0.133 0.714 0.443 0.366 0.564 0.466 0.146 0.098
Std. Error of
0.512 0.512 0.512 0.512 0.512 0.512 0.512 0.512 0.512
Skewness
Kurtosis -0.548 -1.069 -0.303 -1.038 -0.767 -0.247 -1.172 -0.483 -1.433
Std. Error of
0.992 0.992 0.992 0.992 0.992 0.992 0.992 0.992 0.992
Kurtosis
72
Histogram dari percobaan menggunakan Ms. Excel, MiniTab 16 dan SPSS
26
A . Microsoft Excel
Histogram
Berdasarkan grafik
10 120.00%
9 disamping, dapat
100.00%
8
7
disimpulkan bahwa pada
80.00%
6 pengambilan kelereng 2
Frequency
Frequency
5 60.00%
4
Cumulative % sekaligus dengan 20 kali
3
40.00%
percobaan memiliki nilai
2
1
20.00%
rata-rata yaitu 0.65, nilai
0
0 1 More 0.5 1.5
0.00%
modus 0 dan 1.
Bin
Gambar 4.1 Histogram Pengambilan 2 Sekaligus Dengan Ms.Excel
Tabel 4.14 Bin Analisis Data Pengambilan 2 Kelereng

0 9 45.00% 0 9 45.00%
0.5 0 45.00% 1 9 90.00%
1 9 90.00% More 2 100.00%
1.5 0 90.00% 0.5 0 100.00%
More 2 100.00% 1.5 0 100.00%
Histogram
Berdasarkan grafik
7 120.00%
6
disamping, dapat
100.00%
5
80.00%
4
Frequency
pengambilan kelereng 3
Frequency
60.00%
3 Cumulative % sekaligus dengan 20 kali
40.00%
2 percobaan memiliki nilai
20.00%
1
0 0.00%
1.5 2.25 0 More 0.75 modus 1 dan 2.
Bin
73
0 5 25.00% 1.5 6 30.00%
0.75 0 25.00% 2.25 6 60.00%
1.5 6 55.00% 0 5 85.00%
2.25 6 85.00% More 3 100.00%
More 3 100.00% 0.75 0 100.00%
Histogram Berdasarkan grafik

8 120.00%
7
disamping, dapat
100.00%
6 disimpulkan bahwa pada
5
80.00%
Frequency
Frequency
4 60.00%
3
2
40.00%
1
20.00% rata-rata yaitu 1.45 , nilai
0
1 0 2 3 More
0.00% modus 0 dan 1.
Bin

0 5 25.00% 1 7 35.00%
1 7 60.00% 0 5 60.00%
2 4 80.00% 2 4 80.00%
3 2 90.00% 3 2 90.00%
More 2 100.00% More 2 100.00%
Histogram
6 120.00%
Berdasarkan grafik
5 100.00%
disamping, dapat
4 80.00%
Frequency pengambilan kelereng 5
Frequency
3 60.00%
Cumulative %
2 40.00%
sekaligus dengan 20 kali
1 20.00%
0 0.00%
0 1.25 3.75 More 2.5 modus 1 dan 2.
Bin
74
0 5 25.00% 0 5 25.00%
1.25 5 50.00% 1.25 5 50.00%
2.5 2 60.00% 3.75 4 70.00%
3.75 4 80.00% More 4 90.00%
More 4 100.00% 2.5 2 100.00%

6 120.00% disamping, dapat
5 100.00% disimpulkan bahwa pada
4 80.00% pengambilan kelereng 6
Frequency sekaligus dengan 20 kali
Frequency
3 60.00%
Cumulative %
2 40.00% percobaan memiliki nilai
1 20.00%
0 0.00%
modus 0 dan 1.
1.25 2.5 3.75 More 0
Bin

0 3 15.00% 1.25 5 25.00%
1.25 5 40.00% 2.5 4 45.00%
2.5 4 60.00% 3.75 4 65.00%
3.75 4 80.00% More 4 85.00%
More 4 100.00% 0 3 100.00%
Histogram
Berdasarkan grafik
9 disamping, dapat 120.00%
8
100.00%
6 pengambilan kelereng 7 80.00%

5
sekaligus dengan 20 kali Frequency
Frequency
60.00%
4 Cumulative %
3 percobaan memiliki nilai 40.00%
2
1
rata-rata yaitu 2.15, nilai 20.00%
0 modus 0 dan 1. 0.00%

3 0 1.5 4.5 More
Bin
75
0 4 20.00% 3 8 40.00%
1.5 4 40.00% 0 4 60.00%
3 8 80.00% 1.5 4 80.00%
4.5 2 90.00% 4.5 2 90.00%
More 2 100.00% More 2 100.00%

5
80.00% pengambilan kelereng 8
4
Frequency
60.00%
3 Cumulative %
40.00% percobaan memiliki nilai
2
1 20.00%
0 0.00%
modus 0 dan 1.
0 3 4.5 1.5 More
Bin

0 6 30.00% 0 6 30.00%
1.5 3 45.00% 3 4 50.00%
3 4 65.00% 4.5 4 70.00%
4.5 4 85.00% 1.5 3 85.00%
More 3 100.00% More 3 100.00%

8 120.00%
disamping, dapat
7
6
100.00% disimpulkan bahwa pada
5
Frequency
Frequency
4 60.00%
Cumulative %
3
2
1
20.00% rata-rata yaitu 2.65, nilai
0 0.00% modus 0 dan 1.
3.5 5.25 0 1.75 More
Bin

76
0 5 25.00% 3.5 7 35.00%
1.75 1 30.00% 5.25 6 65.00%
3.5 7 65.00% 0 5 90.00%
5.25 6 95.00% 1.75 1 95.00%
More 1 100.00% More 1 100.00%

Frequency
3 60.00%
Cumulative %
1 20.00% rata-rata yaitu 3.5, nilai
0 0.00%
modus 0 dan 1.
6 0 2 4 More
Bin

0 4 20.00% 6 5 25.00%
2 4 40.00% 0 4 45.00%
4 4 60.00% 2 4 65.00%
6 5 85.00% 4 4 85.00%
More 3 100.00% More 3 100.00%
B. Minitab 16
Berdasarkan grafik
disamping, dapat
pengambilan 2 kelereng
sekaligus memiliki nilai
modus 0 dan 1, rata-rata
0.65, dan standar devisiasi
0.671
Gambar 4.10 Histogram Pengambilan 2 Sekaligus Dengan Minitab
77
Berdasarkan grafik
disamping, dapat
1.04
Berdasarkan grafik
disamping, dapat
1.276
Berdasarkan grafik
disamping, dapat
1.701
78
Berdasarkan grafik
disamping, dapat
1.565
Berdasarkan grafik
disamping, dapat
modus 0, 1, 2, dan 3 rata-
rata 2.15, dan standar
devisiasi 1.725
Berdasarkan grafik
disamping, dapat
2.007
79
Berdasarkan grafik
disamping, dapat
2.007
Berdasarkan grafik
disamping, dapat
3,5, dan standar devisiasi
2.705
C. Spss 26
Berdasarkan grafik
disamping, dapat
0.671
Gambar 4.19 Histogram Pengambilan 2 Sekaligus Dengan SPSS
80
Berdasarkan grafik
disamping, dapat
1.040
Berdasarkan grafik
disamping, dapat
1.276
Berdasarkan grafik
disamping, dapat
1.701
81
Berdasarkan grafik
disamping, dapat
1.565
Berdasarkan grafik
disamping, dapat
devisiasi 1.725
Berdasarkan grafik
disamping, dapat
2.007
82
Berdasarkan grafik
disamping, dapat
2.007
Berdasarkan grafik
disamping, dapat
2.705
Jawaban No 2;
Tampilan data diperbesar
Tabel 4.23 Data Tambahan
Pengambilan 2 2 2 2 2 2 2 2 2
1 0 2 2 0 0 3 2 5 6
2 1 1 3 3 1 3 4 3 2
3 2 1 1 3 1 4 2 4 3
4 1 2 1 0 2 1 1 0 0
5 1 3 1 2 3 1 0 2 4
6 1 3 0 1 0 2 2 1 6
7 0 0 2 1 3 3 1 0 0
83
8 1 0 4 3 4 1 0 3 3
9 0 2 2 5 2 0 1 4 5
10 0 1 1 1 5 6 2 5 6
11 0 0 0 0 1 2 4 0 3
12 0 1 1 0 0 0 0 3 7
13 1 1 1 4 1 0 4 0 0
14 1 2 0 3 2 1 5 2 6
15 1 1 2 4 3 2 0 0 2
16 0 0 4 5 4 0 5 4 1
17 1 0 3 0 5 3 6 3 1
18 0 2 0 1 2 4 4 7 8
19 0 3 0 1 1 5 0 3 0
20 2 2 1 2 3 2 0 4 7
1 1 1 1 1 1 1 1 1
Data 2 0 0 1 2 0 5 5 7
Tambahan 1 1 1 0 1 0 2 4 4
0 2 3 2 5 3 0 3 0
2 1 0 4 3 1 2 0 5
Tampilkan hasil nilai koefisien momen kemencengan(skewness) dan nilai

koefisien momen kurtosis jika jumlah data diperbesar
Tabel 4.24 Skewness dan Kurtosis Sebelum Data Tambahan

0.5 0.1 0.7 0.4 0.3 0.5 0.4 0.1
Skewness 0.1
5 3 1 4 7 6 7 5
-
kurtosis -0.5 -1.1 -0.3 -1 -0.8 -0.2 -1.2 -0.5
1.4
Tabel 4.25 Skewness dan Kurtosis Sesudah Tambahan Data

SKEWNES
S 0.41 0.25 0.76 0.52 0.43 0.71 0.52 0.09 0.07
KURTOSIS -0.91 - - - - - -1.05 - -
84
0.84 0.31 0.94 0.74 0.08 0.69 1.43
Berdasarkan tabel diatas setelah data ditambahkan maka nilai Skewness dan
Kurtosisnya akan bertambah dari penambahan data tersebut. Karena dari
penambahan data tersebut peluang untuk mendapatkan kelereng cacat semakin
kecil dan peluang untuk kelereng yang tidak cacat semakin besar ataupun tidak
ada. Maka akan mempengaruhi hasil bertambah nilai skewness dan kurtosis.
Jawaban No 3;
contoh penerapan distribusi binomial dalam dunia industri:
Dalam melakukan suatu uji coba pengendalian kualitas sebuah produk,
misalkan pada makanan kemasan disini distribusi binomial dapat diterapkan
untuk mengetahui peluang kecacatan pada makanan dalam bentuk kemasan
dengan 7 rasa yang berbeda. Harapannya agar mengetahui peluang sukses atau
gagal dalam suatu kejadian.
Selain itu analisa diatas terdapat data tambahan . Jika di bawah kedalam dunia
industri, maka dari banyaknya sampel yang sesuai ukuran sebuah produk yang
dibuat oleh suatu perusahaan, dapat melihat probabilitas sukses atau gagalnya
suatu perusahaan dalam memproduksi suatu produk tanpa tidak memakan waktu
yang sangat lama. Dan dari 3 apk software yang digunakan misalnya, Microsoft
Excel, Minitab 16, dan , SPSS 26. Namun ada juga keurangan dalam apk tersebut.
4.3.3 Analisa Data

masukkan kedalam lembar kerja. Setelah itu, untuk memperjelas data yang ada,
dan SPSS.
Setelah itu kita menghitung nilai tengah(median),nilai variansi,nilai koefisien

momen kemencengan(skewness),nilai koefisien momen kurtosis,nilai
85
peluang(probability),dan gambar histogram dari masing-masing pengambilan
kelereng dengan menggunakan salah satu software Minitab 16 , SPSS 26, atau
MS. Excel 2010.
Pada pengambilan kedua memiliki:

Nilai Median 1, Variansi 0.43, Skewness 0.55, Kurtosis -0.5, dan, Peluang 0.45
Pada pengambilan ke tiga memiliki:
Nilai Median 1, Variansi 1.03, Skewness 0.13, Kurtosis -1.1, dan Peluang 0.25
Pada pengambilan keempat memiliki:
Pada pengambilan kelima memiliki:
Nilai Median 1.5, Variansi 2.75, Skewness 0.44, Kurtosis -0.1, dan, Peluang 0.2
Pada pengambilan keenam memiliki:
Pada pengambilan ketujuh memiliki:
Pada pengambilan kedelapan memiliki:
Pada pengambilan kesembilan memiliki:
Pada pengambilan kesepuluh memiliki:
Terdapat data tambahan, yang dapat disimpulkan bahwa semakin besar

pengambilan data, maka semakin besar juga nilai skewness dan kurtosis. Semakin
sedikit pengambilan data, maka semakin kecil nilai skewness dan kurtosis.
Selain itu analisa diatas terdapat data tambahan . Jika di bawah kedalam dunia
industri, maka dari banyaknya sampel yang sesuai ukuran sebuah produk yang
dibuat oleh suatu perusahaan, dapat melihat probabilitas sukses atau gagalnya
suatu perusahaan dalam memproduksi suatu produk tanpa tidak memakan waktu
yang sangat lama. Dan dari 3 apk software yang digunakan misalnya, Microsoft
Excel, Minitab 16, dan , SPSS 26. Namun ada juga keurangan dalam apk tersebut.
86
BAB V
PENUTUP
5.1 Kesimpulan
Adapun kesiimpulan dari praktikum ini, yaitu:
a. Distibusi binomial adalah suatu distribusi probabilitas yang dapat
digunakan bila dimana suatu proses sampling dapat diasumsikan sesuai
dengan proses Bernoulli. Dimana setiap percobaan terdapat berhasil atau
gagalnya suatu percobaan. Distribusi ini dikemukakan pertama kali oleh
seorang alhi matematika berkebangsaan swiss yang bernama J. Bernoulli.
b. Jika di bawah kedalam dunia industri, maka dari banyaknya sampel yang
sesuai ukuran sebuah produk yang dibuat oleh suatu perusahaan, dapat
melihat probabilitas sukses atau gagalnya suatu perusahaan dalam
memproduksi suatu produk tanpa tidak memakan waktu yang sangat lama.
Dan dari 3 apk software yang digunakan misalnya, Microsoft Excel,
Minitab 16, dan , SPSS 26. Namun ada juga keurangan dalam apk
tersebut.
5.2 Saran
1. Harus memahami materi dengan baik
2. Harus tahu langkah – langkah mengunakan apk software seperti Minitab
16, SPSS 26, Microsoft Excel 2010. Agar bisa mengolah data dengan baik
dan benar.
3. Dan dalam melakukan praktikum ini kita harus fokus dan berkonsentrasi
agar bisa menyelesaikan dengan baik.
87
FAKULTAS TEKNIK
Nama Tugas Praktikum : Modul IV (Distribusi Poisson)
NIM : 2019 – 72 – 072
Kelompok : VII
Tanggal Asistensi :
88
BAB I
PENDAHULUAN
1.1 Latar Belakang
Distribusi Poisson adalah distribusi yang ditemukan oleh matematikawan asal
Perancis yang bernama Simeon Dennis Poisson (1781-1849). Merupakan suatu
distribusi teoritis yang memakai var random diskrit, yaitu banyaknya hasil
percobaan yang terjadi dalam suatu interval waktu tertentu.
Distribusi poisson sering digunakan pada penelitian operasional untuk

menentukan probabilitas peristiwa yang jarang terjadi dala periode pendek. Di
bidang kedokteran sering kita jumpai peristiwa dengan variabel random yang
jarang terjadi. Misalnya, jumlah kunjungan penderita unit gawat darurat dalam
waktu 3 jam ataupun mendapatkan kasus yang jarang dijumpai walaupun
dilakukan dengan sampel yang besar. Dalam hal demikian penggunaan distribusi
binomial kurang tepat.

Diharapkan dari kegiatan praktikum ini, praktikan akan :
1. Mampu memahami karakteristik dari distribusi poisson.
2. Mampu mengenal peranan statistik dalam memecahkan masalah tersebut.
89
BAB II
LANDASAN TEORI
2.1 Landasan Teori
Distribusi probabilitas dari variabel random diskret Poisson X, yang
didefinisikan sebagai banyaknya kejadian yang terjadi dalam suatu selang waktu
atau daerah tertentu, dinyatakan dengan :
e−μ μ x
P( x ; μ ) =
x!
dimana : µ = Rata-rata bantaknya hasil percobaan
= n.p
e = 2,71828…
Percobaan Poisson memiliki ciri-ciri sebagai berikut :
1. Banyaknya percobaan yang terjadi dalam suatu selang waktu atau suatu
daerah tertentu, tidak tergantung pada banyaknya hasil percobaan yang terjadi
pada selang waktu atau daerah lain yang terpisah.
2. Peluang terjadinya satu hasil percobaan selama suatu selang waktu yang
singkat sekali atau dalam suatu daerah yang kecil, sebanding dengan panjang
selang waktu tersebut atau besarnya daerah tersebut, yang tidak bergantung
pada banyaknya hasil percobaan yang terjadi di luar selang waktu atau daerah
tersebut.
3. Peluang bahwa lebih dari satu hasil percobaan akan terjadi dalam selang
waktu yang singkat tersebut atau dalam daerah yang kecil tersebut, dapat
diabaikan.
Tabel 2.1. Distribusi Poisson
Nilai Tengah (Mean) μ = λ = np

Varians σ 2 = λ = np
Simpangan Baku σ = √ λ = √np
90
1 1
Koefisien Momen Kemencengan σ3 = =
√λ √ np
1 1
Koefisien Momen Kurtosis σ4 = 3 + =3+
√λ √np
Pendekatan Distribusi Normal Terhadap Distribusi Poisson

Jika X adalah variabel random yang berdistribusi Poisson dengan
parameter λ, dimana λ cukup besar, maka distribusi probabilitas kumulatif

dari :
X−λ
Z=
√λ
adalah berdistribusi normal baku. Secara simbolik dapat dinyatakan sebagai :
Limit F ( z) = ∫ σ N (0,1) dx
Pendekatan distribusi normal terhadap distribusi Poisson cukup baik jika λ >
10 (Ehrenfeld &Littauer, 1964).
91
BAB III
METODE PENELITIAN

2.1 Waktu: Rabu, 6 Mei 2020, 16:00 WIT
2.2 Tempat: Rumah (Kuliah Online)

1. 1 kotak kartu bridge
2. Software Minitab 14, MS.Excel 2007, SPSS 16
3. Alat-alat tulis yang digunakan
4. Lembar kerja pengamatan

Dalam praktikum modul 4 ini, dilakukan pengambilan pada kartu bridge.
Kemudian Hitunglah jumlah kartu yang dipakai kemudian sisihkan kartu
joker. Selanjutnya Lakukan pengambilan 3 kartu sekaligus untuk setiap jenis
kartu yang ingin diambil lalu catat berapa jumlah kartu yang terambil sesuai
dengan yang diinginkan pada setiap pengambilan kartu dan masukkan hasil
percobaan kedalam lembar kerja.
menggunakan software seperti Microsoft Excel, Minitab, dan SPSS. Hitunglah
jumlah kartu yang dipakai kemudian sisihkan kartu joker
92
Pengambila
2 3 4 5 6 7 8 9 10
n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Sukses
93
Pengolahan Data:

94
 Pilih calc kemudian probability distributions dan pilih poisson
GAMBAR 3.4 MENAMPILKAN DISRTIBUSI POISSON
95
Maka akan muncul tampilan seperti di bawah ini
GAMBAR 3.5 TAMPILAN DISTRIBUSI POISSON
96
2. Langkah – langkah pengolahan data software SPSS.26

97
pilih frequencies
98
99

100
Masukan input range untuk pengambilan kelereng dan bin range, sesuai
dengan soal yang ada. Centang labels, New Worksheet, pareto, cumulative
pengambilan-pengambilan yang lain.
variansi.
101
Kemudian pilih Number 1, blok semua pengambilan kartu pada data atau
table yang ada. Pilih OK.
mean.

102
 mudian pilih Skew untuk mencari nilai skewness.
Kemudian pilih Number 1, blok semua pengambilan kartu pada data

103
Kurtosis.

104
standar deviasi.

105
Setelah mengetahui nilai variansi, mean, skewness, kurtosis dan standar
deviasi. Pilih Formula klik Statistik kemudian pilih poisson.
GAMBAR 3.26 MENAMPILKAN DISTRIBUSI POISSON
GAMBAR 3.27 TAMPILAN DISTRIBUSI POISSON

Lakukan seterusnya sesuai pengambilan kelereng.
106
BAB IV
MATERI

Pada Praktikum modul 4 dilakukan pukul 16.00 WIT pada hari Rabu, 6 mei
Distribusi Poisson
4. Kuis
6. Konsultasi
4.2 Hasil Percobaan
Tabel 4.1. Hasil Percobaan Pengambilan kartu
No 3 Sekaligus Hearten 4 Sekaligus Hearten 3 Sekaligus Wajik 4 Sekaligus Wajik 3 Sekaligus Skop 4 Sekaligus Skop 3 Sekaligus Klaver 4 Sekaligus Klaver
1 1 2 3 2 1 1 0 2
2 0 2 2 1 2 0 2 0
3 1 1 0 1 0 0 1 0
4 3 0 1 2 0 2 1 0
5 2 2 2 0 1 2 2 0
6 1 3 1 0 3 0 1 2
7 0 0 0 3 2 3 0 3
8 2 0 2 1 1 2 1 2
9 1 1 2 0 0 2 3 0
10 0 2 3 2 2 0 2 2
11 2 3 3 2 1 1 0 1
12 1 0 2 3 3 0 0 2
13 0 2 0 1 2 0 3 0
14 0 1 2 1 0 2 1 2
15 1 2 2 2 2 1 1 2
16 2 3 2 0 2 2 0 1
17 0 0 1 0 1 0 0 1
18 3 1 0 2 0 1 2 1
19 1 1 0 1 2 2 0 0
20 2 2 2 2 1 0 0 1
21 0 3 1 0 0 3 2 1
22 2 2 2 1 0 3 0 0
23 1 0 1 2 2 2 3 2
24 3 0 3 0 1 1 0 0
25 1 2 2 1 0 0 2 2
26 0 2 1 0 0 1 2 2
27 0 3 1 2 2 2 0 1
28 0 1 1 2 1 0 3 0
29 2 0 2 2 0 1 2 0
30 1 2 0 1 0 1 0 0
31 1 3 2 0 2 2 2 0
32 0 2 0 2 0 2 1 3
Sukses 21 24 25 23 20 22 20 19
107
4.3 Analisa Data
sebagai berikut;
4.3.1 Pertanyaan
masing-masing pengambilan jenis kartu dengan menggunakan salah satu
2. Menurut apa yang anda ketahui dapatkah distribusi binomial diubah ke
distribusi poisson?jika dapat apa-apa sajakah yang menjadi syarat-
syaratnya?.
3. Buatlah contoh penerapan distribusi poisson dalam kehidupan sehari-hari.
4.3.2 Pembahasan
Jawaban No 1;
Data statistik dari percobaan menggunakan Ms. Excel, MiniTab 16 dan
SPSS 26
A . Microsoft Excel
Tabel 4.2 Data Statistik Pengambilan Kartu Menggunakan Ms.Excel
3SH 4SH 3SW 4SW 3SS 4SS 3SK 4SK
MEDIAN 1 2 2 1 1 1 1 1
0,963 116,12 0,963 0,886 0,963 10,15 11,68
VARIANS 0,999
7 9 7 1 7 1 3
0,523 0,026 0,305 0,324 0,347
SKEWNESS -0,165 -0,142 0,135
4 3 2 2 9
-
KURTOSIS -0,713 -0,981 -1,096 -1,155 -1,172 -1,242 -1,213
12,234
0,656 0,7741 0,781 0,718 0,687 0,593
PELUANG 2032 0,625
3 9 3 8 5 8
RATA- 10,62 14,37 12,18 10,62 12,18 11,56 10,31
1,5
RATA 5 5 8 5 8 3 3
SIMPANGA 0,981 107,76 0,981 0,941 0,981 10,07 10,80 0,999
108
N BAKU 7 3 7 3 7 5 9 5
POISSON 1 1 1 1 1 1 1 1
B. Minitab
Tabel 4.3 Data Statistik Pengambilan Kartu Menggunakan Minitab
Variabl Mea
CumPct StDev Sum Minimum Q1 Median Maximum Skewness Kurtosis
e n
3SH 970,588 1,667 3,603 55,000 0,000 0,000 1,000 21,000 5,11 27,99
4SH 970,588 2,182 4,058 72,000 0,000 0,500 2,000 24,000 5,13 28,24
3SW 970,588 2,152 4,214 71,000 0,000 1,000 2,000 25,000 5,27 29,30
4SW 970,588 1,879 3,903 62,000 0,000 0,000 1,000 23,000 5,24 29,04
3SS 970,588 1,636 3,435 54,000 0,000 0,000 1,000 20,000 5,04 27,51
4SS 970,588 1,848 3,751 61,000 0,000 0,000 1,000 22,000 5,12 28,13
3SK 970,588 1,727 3,448 57,000 0,000 0,000 1,000 20,000 4,90 26,45
4SK 970,588 1,576 3,279 52,000 0,000 0,000 1,000 19,000 4,95 26,79
C. SPSS
Tabel 4.4 Data Statistik Pengambilan Kartu Menggunakan SPSS
Statistics
3 SH 4 SH 3 SW 4 SW 3 SS 4 SS 3 SK 4 SK
Valid 32 32 32 32 32 32 32 32
N
Missing 0 0 0 0 0 0 0 0
Mean 1.0625 1.5000 1.4375 1.2188 1.0625 1.2188 1.1563 1.0313
Median 1.0000 2.0000 2.0000 1.0000 1.0000 1.0000 1.0000 1.0000
a
Mode .00 2.00 2.00 2.00 0.00 2.00 0.00 0.00
Std.
.98169 1.07763 .98169 .94132 .98169 1.00753 1.08090 .99950
Deviation
Variance .964 1.161 .964 .886 .964 1.015 1.168 .999
Skewness .523 -.165 -.142 .026 .305 .135 .324 .348
Std. Error
of .414 .414 .414 .414 .414 .414 .414 .414
Skewness
Kurtosis -.713 -1.223 -.981 -1.096 -1.155 -1.172 -1.242 -1.213
Std. Error .809 .809 .809 .809 .809 .809 .809 .809
109
of Kurtosis
Minimum 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Maximum 3.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00
Sum 34.00 48.00 46.00 39.00 34.00 39.00 37.00 33.00
a. Multiple modes exist. The smallest value is shown
Histogram dari percobaan menggunakan Ms. Excel, MiniTab 16 dan SPSS 26

A . Microsoft Excel

12 120.00%
disamping, dapat
10 100.00%
disimpulkan bahwa
8 80.00%
pada pengambilan
kartu Bridge 3
Frequency
Frequency
6 60.00%
Cumulative %
4 40.00%
sekaligus Hearten
dengan 32 kali
2 20.00%
percobaan memiliki
0 0.00%
0 1.2 2.4 More 0.6 1.8 nilai rata-rata yaitu
Bin
10.625, nilai modus 0
Gambar 4.1 Pengambilan 3 Sekaligus Hearten Menggunakan Ms.Excel
Tabel 4.5 Bin Pengambilan 3 Sekaligus Hearten

Frequenc Cumulative Frequenc Cumulative
Bin Bin
y % y %
0 11 35.48% 0 11 35.48%
0.6 0 35.48% 1.2 10 67.74%
1.2 10 67.74% 2.4 7 90.32%
1.8 0 67.74% More 3 100.00%
2.4 7 90.32% 0.6 0 100.00%
More 3 100.00% 1.8 0 100.00%
110
8 80.00% pengambilan kartu
Bridge 4 sekaligus
Frequency
Frequency
6 60.00%
Cumulative %
4 40.00% Hearten dengan 32 kali
2 20.00%
0 0.00%
2.4 0 1.2 More 0.6 1.8
modus 2
Bin
Gambar 4.2 Pengambilan 4 Sekaligus Hearten Menggunakan Ms.Excel
Tabel 4.6 Bin Pengambilan 4 Sekaligus Hearten

Bin Bin
y % y %
0 8 25.81% 2.4 11 35.48%
0.6 0 25.81% 0 8 61.29%
1.2 6 45.16% 1.2 6 80.65%
1.8 0 45.16% More 6 100.00%
2.4 11 80.65% 0.6 0 100.00%
More 6 100.00% 1.8 0 100.00%

12 100.00% disimpulkan bahwa
10
80.00%
pada pengambilan kartu
8 Bridge 3 sekaligus
Frequency
Frequency
60.00%
6 Cumulative %
Wajik dengan 32 kali
40.00%
4 percobaan memiliki
20.00%
2
nilai rata-rata yaitu
0
2.4 1.2 0 More 0.6 1.8
0.00%
14.375 dengan nilai
Bin modus 2
Gambar 4.3 Pengambilan 3 Sekaligus Wajik Menggunakan Ms.Excel
Tabel 4.7 Bin Pengambilan 3 Sekaligus Wajik

Bin Bin
y % y %
0 7 22.58% 2.4 13 41.94%
111
0.6 0 22.58% 1.2 8 67.74%
1.2 8 48.39% 0 7 90.32%
1.8 0 48.39% More 3 100.00%
2.4 13 90.32% 0.6 0 100.00%
More 3 100.00% 1.8 0 100.00%

10 100.00% disimpulkan bahwa
8 80.00%
Bridge 4 sekaligus
Frequency
Frequency
6 60.00%
Cumulative %
4 40.00%
percobaan memiliki
2 20.00%
0
2.4 0 1.2 More 0.6 1.8
0.00%
12.188 dengan nilai
Bin modus 2
Gambar 4.4 Pengambilan 4 Sekaligus Wajik Menggunakan Ms.Excel
Tabel 4.8 Bin Pengambilan 4 Sekaligus Wajik

Bin Bin
y % y %
0 9 29.03% 2.4 11 35.48%
0.6 0 29.03% 0 9 64.52%
1.2 9 58.06% 1.2 9 93.55%
1.8 0 58.06% More 2 100.00%
2.4 11 93.55% 0.6 0 100.00%
More 2 100.00% 1.8 0 100.00%

12 100.00%
disimpulkan bahwa
10
80.00%
pada pengambilan
8 kartu Bridge 3
Frequency
Frequency
60.00%
6 Cumulative % sekaligus Skop dengan
40.00%
4 32 kali percobaan
2 20.00%
memiliki nilai rata-rata
0
0 2.4 1.2 More 0.6 1.8
0.00% yaitu 10.625 dengan
Bin nilai modus 0
112
Gambar 4.5 Pengambilan 3 Sekaligus Skop Menggunakan Ms.Excel
Tabel 4.9 Bin Pengambilan 3 Sekaligus Skop

Bin Bin
y % y %
0 12 38.71% 0 12 38.71%
0.6 0 38.71% 2.4 10 70.97%
1.2 7 61.29% 1.2 7 93.55%
1.8 0 61.29% More 2 100.00%
2.4 10 93.55% 0.6 0 100.00%
More 2 100.00% 1.8 0 100.00%

10 100.00%
8 80.00%
pengambilan kartu
Bridge 4 sekaligus Skop
Frequency
Frequency
6 60.00%
Cumulative %
dengan 32 kali
4 40.00%
percobaan memiliki
2 20.00%
0 0.00%
2.4 0 1.2 More 0.6 1.8 12.188 dengan nilai
Bin modus 2
Gambar 4.6 Pengambilan 4 Sekaligus Skop Menggunakan Ms.Excel
Tabel 4.10 Bin Pengambilan 4 Sekaligus Skop

Bin Bin
y % y %
0 10 32.26% 2.4 11 35.48%
0.6 0 32.26% 0 10 67.74%
1.2 7 54.84% 1.2 7 90.32%
1.8 0 54.84% More 3 100.00%
2.4 11 90.32% 0.6 0 100.00%
More 3 100.00% 1.8 0 100.00%
113
10 100.00%
disimpulkan bahwa
8 80.00%
Bridge 3 sekaligus
Frequency
Frequency
6 60.00%
Cumulative % Klaver dengan 32 kali
4 40.00%
percobaan memiliki
2 20.00%
0
0 2.4 1.2 More 0.6 1.8
0.00% 11.563 dengan nilai
Bin modus 0
Gambar 4.7 Pengambilan 3 Sekaligus Klaver Menggunakan Ms.Excel
Tabel 4.11 Bin Pengambilan 3 Sekaligus Klaver

Bin Bin
y % y %
0 11 35.48% 0 11 35.48%
0.6 0 35.48% 2.4 9 64.52%
1.2 7 58.06% 1.2 7 87.10%
1.8 0 58.06% More 4 100.00%
2.4 9 87.10% 0.6 0 100.00%
More 4 100.00% 1.8 0 100.00%

12 100.00%
disimpulkan bahwa
10
80.00%
8 Bridge 4 sekaligus
Frequency
Frequency
60.00%
6 Cumulative % Klaver dengan 32 kali
4
40.00%
percobaan memiliki
2 20.00%
0
0 2.4
0.00% 1,031 dengan nilai
Bin 1.2 More 0.6 1.8
modus 0, serta nilai
standar devisiasi 0,9995
Gambar 4.8 Pengambilan 4 Sekaligus klaver Menggunakan Ms.Excel
114
Tabel 4.12 Bin Pengambilan 4 Sekaligus Klaver
Bin Bin
y % y %
0 13 41.94% 0 13 41.94%
0.6 0 41.94% 2.4 9 70.97%
1.2 7 64.52% 1.2 7 93.55%
1.8 0 64.52% More 2 100.00%
2.4 9 93.55% 0.6 0 100.00%
More 2 100.00% 1.8 0 100.00%
B. Minitab 16
Histogram (with Normal Curve) of 3SH

14
Berdasarkan grafik Mean 1,063
disamping, dapat StDev 0,9817
N 32
12
disimpulkan bahwa
10 pada pengambilan kartu
Bridge 3 sekaligus
Frequency
6
Hearten dengan 32 kali
percobaan memiliki
4
2 1,063 dengan nilai
0
modus 0 dan 1 serta
-1 0 1 2 3
3SH nilai standar devisiasi
Gambar 4.9 Pengambilan 3 Sekaligus Hearten Menggunakan Minitab
Histogram (with Normal Curve) of 4SH Berdasarkan grafik

12
Mean 1,5
StDev 1,078
N 32
disamping, dapat
pengambilan kartu
8
Bridge 4 sekaligus
Frequency
6
rata-rata yaitu 1,5
2
dengan nilai modus 2,
0
-1 0 1 2 3 4
serta nilai standar
4SH
devisiasi 1,078
Gambar 4.10 Pengambilan 4 Sekaligus Hearten Menggunakan Minitab
115
Histogram (with Normal Curve) of 3SW Berdasarkan grafik
14 Mean 1,438
StDev 0,9817 disamping, dapat
N 32
12
10 pengambilan kartu Bridge 3
sekaligus Wajik dengan 32
Frequency
6
kali percobaan memiliki nilai
4
rata-rata yaitu 1,438 dengan
nilai modus 2, serta nilai
2
0
0 1 2 3
3SW
Gambar 4.11 Pengambilan 3 Sekaligus Wajik Menggunakan Minitab
Histogram (with Normal Curve) of 4SW Berdasarkan grafik

14 Mean 1,219
StDev 0,9413
disamping, dapat
N 32
12
10 pengambilan kartu
Bridge 4 sekaligus Wajik
Frequency
dengan 32 kali
6
4
rata-rata yaitu 1,219
2 dengan nilai modus 2,
0
-1 0 1 2 3
serta nilai standar
4SW devisiasi 0,9413
Ganbar 4.12 Pengambilan 4 Sekaligus Wajik Menggunakan Minitab

Histogram (with Normal Curve) of 3SS
14 Mean 1,063
Berdasarkan grafik
StDev 0,9817
N 32
disamping, dapat
12
10
pengambilan kartu
Frequency
6
dengan 32 kali
4
2
0
-1 0 1 2 3
serta nilai standar
3SS devisiasi 0,9817
Gambar 4.13 Pengambilan 3 SekaligusSkop Menggunakan Minitab
116
Histogram (with Normal Curve) of 4SS Berdasarkan grafik
14 Mean 1,219
N 32
12
10 pengambilan kartu
Frequency 8 Bridge 4 sekaligus Skop
6
dengan 32 kali
4
2
0
-1 0 1 2 3
serta nilai standar
4SS devisiasi 1,008
Gambar 4.14 Pengambilan 4 Sekaligus Skop Menggunakan Minitab
Histogram (with Normal Curve) of 3SK Berdasarkan grafik

12
Mean 1,156
N 32
10
pengambilan kartu
8
Bridge 3 sekaligus
Frequency
6 Klaver dengan 32 kali

4
2 dengan nilai modus 0,
0
serta nilai standar
-1 0 1 2 3
3SK devisiasi 1,081
Gambar 4.15 Pengambilan 3 Sekaligus Klaver Menggunakan Minitab
Histogram (with Normal Curve) of 4SK Berdasarkan grafik

14 Mean 1,031
N 32
12
disimpulkan bahwa
10 pada pengambilan kartu
Bridge 4 sekaligus
Frequency
6
Klaver dengan 32 kali
percobaan memiliki
4
2
1,031 dengan nilai
0
-1 0 1 2 3
4SK standar devisiasi 0,9995
Gambar 4.16 Pengambilan 4 Sekaligus Klaver Menggunakan Minitab
117
C. SPSS 26
Berdasarkan grafik
disamping, dapat
disimpulkan bahwa
Bridge 3 sekaligus
percobaan memiliki
1,063 dengan nilai
modus 0 dan 1 serta
nilai standar devisiasi
0,9817
Gambar 4.17 Pengambilan 3 Sekaligus Hearten Menggunakan SPSS
118
Berdasarkan grafik
disamping, dapat
pengambilan kartu
Bridge 4 sekaligus
rata-rata yaitu 1,5
serta nilai standar
devisiasi 1,078
Gambar 4.18 Pengambilan 4 Sekaligus Hearten Menggunakan SPSS
Berdasarkan grafik
disamping, dapat
disimpulkan bahwa
Bridge 3 sekaligus
percobaan memiliki
1,438 dengan nilai
Gambar 4.19 Pengambilan 3 Sekaligus Wajik Menggunakan SPSS
119
Berdasarkan grafik
disamping, dapat
disimpulkan bahwa
Bridge 4 sekaligus
percobaan memiliki
1,219 dengan nilai
standar devisiasi
0,9413
Gambar 4.20 Pengambilan 4 Sekaligus Wajik Menggunakan SPSS
Berdasarkan grafik
disamping, dapat
pengambilan kartu
dengan 32 kali
serta nilai standar
devisiasi 0,9817
Gambar 4.21 Pengambilan 3 Sekaligus Skop Menggunakan SPSS
120
Berdasarkan grafik
disamping, dapat
disimpulkan bahwa
Bridge 4 sekaligus
Skop dengan 32 kali
percobaan memiliki
1,219 dengan nilai
Gambar 4.22 Pengambilan 4 Sekaligus Skop Menggunakan SPSS
Berdasarkan grafik
disamping, dapat
pengambilan kartu
Bridge 3 sekaligus
serta nilai standar
devisiasi 1,081
Gambar 4.23 Pengambilan 3 Sekaligus Klaver Menggunakan SPSS
Berdasarkan grafik
disamping, dapat
disimpulkan bahwa
Bridge 4 sekaligus
percobaan memiliki
1,031 dengan nilai
Gambar 4.24 Pengambilan 4 Sekaligus Klaver Menggunakan SPSS
121
Jawaban No 2
Distribusi binomial dapat diubah ke distribusi poisson dengan syarat, n
memiliki nilai lebih besar (n > 20) dan p memiliki nilai yang kecil, dengan
terlebih dahulu menetapkan p dan kemudian menetapkan µ = Ng, atau dengan
kata lain, jika X adalah variabel random yang memiliki distribusi binomial
b(x,n,p), maka jika jumlah percobaannya besar serta probabilitas untuk SUKSES
p kecil sekali, serta rata-ratanya yaitu µ=Ng, maka dalam hal ini distribusi
binomial bisa diubah dengan distribusi poisson,
Jawaban No 3
Contoh penerapan distribusi poisson dam kehidupan sehari-hari adalah
sebagai berikut
1. Menghitung probabilitas terjadinya peristiwa menurut waktu, ruang adu isi,
luas dan panjang, seperti banyaknya penggunaan telfon permenit, banyaknya
kesalahan ketik pedalaman sebuah buku dan lain-lain.
2. Jumlah pelanggan yang harus mantri pas pelayanan bank, rumah sakit ataupun
antrian panjang pembelian tiket.
3. Contoh: Peristiwa datangnya kendaraan yang lewat dalam suatu interval waktu
di suatu ruas jalan. Dari peristiwa tersebut, dapat diamati hal-hal berikut.
a. Tingkat kedatangan rata-rata kendaraan dapat dihitung berdasarkan data

masa lalu.
122
b. Tingkat kedatangan rata-rata kendaraan per satuan waktu adalah konstan.
c. Banyaknya kedatangan kendaraan dalam suatu interval waktu tertentu
merupakan peristiwa independen (bebas).
d. Probabilitas kedatangan kendaraan-kendaraan itu dalam suatu interval
waktu adalah sangat kecil, dan dapat dikatakan mendekati nol.
4.3.3 Analisa Data

Pada perhitungan data diatas, dapat dianalisa bahwa:
Dalam praktikum modul 4 ini, dilakukan pengambilan 3 dan 4 kartu bridge
dengan pengembalian untuk setiap jenis kartu ( Hearten, Wajik, Skop, Klaver).
Kemudian Hitunglah jumlah kartu yang dipakai kemudian sisihkan kartu joker.
Selanjutnya catat berapa jumlah kartu yang terambil sesuai dengan yang
diinginkan pada setiap pengambilan kartu dan masukkan hasil percobaan
kedalam lembar kerja.
menggunakan software seperti Microsoft Excel, Minitab, dan SPSS. Hitunglah
jumlah kartu yang dipakai kemudian sisihkan kartu joker
Kemudian tampilkan hasil nilai tengah(median),nilai variansi,nilai koefisien
momen kemencengan(skewness),nilai koefisien momen kurtosis sebagai berikut :
Pada pengambilan 3 sekaligus Hearten memiliki:
Nilai Median 1, Variansi 0.9637, Skewness 0.5234, Kurtosis -0.713, dan Peluang
0.6563
Pada pengambilan 4 sekaligus Hearten memiliki:
Nilai Median 2, Variansi 116.129, Skewness -0.165 , Kurtosis -12.234, dan
Peluang 0.77419
Pada pengambilan 3 sekaligus Wajik memiliki:
Nilai Median 2, Variansi 0.9637, Skewness -0.142, Kurtosis -0.981,dan Peluang
0.7813
123
Pada pengambilan 4 sekaligus Wajik memiliki:
0.7188
Pada pengambilan 3 sekaligus Skop memiliki:
2032
Pada pengambilan 4 sekaligus 4 Skop memiliki:
Nilai Median 1, Variansi 10.151, Skewness 0.135, Kurtosis -1.172,dan Peluang
0.6875.
Pada pengambilan 3 sekaligus Klaver memiliki:
0.625.
Pada pengambilan 4 sekaligus Klaver memiliki:
0.5938.
Dari data di atas terdapat juga Histogram yang menunjukan nilai rata – rata
dan nilai modus nya
Berdasarkan data dan gambar histogram di atas dapat disimpulkan bahwa:
Pada pengambilan kartu Bridge 3 sekaligus Hearten dengan 32 kali percobaan
memiliki nilai rata-rata yaitu 1,0625 dengan nilai modus 0 dan 1 serta nilai
standar devisiasi 0,9817.
Pada pengambilan kartu Bridge 4 sekaligus Hearten dengan 32 kali percobaan
memiliki nilai rata-rata yaitu 1,5 dengan nilai modus 2, serta nilai standar
devisiasi 1,078.
Pada pengambilan kartu Bridge 3 sekaligus Wajik dengan 32 kali percobaan
devisiasi 0,9817.
Pada pengambilan kartu Bridge 4 sekaligus Wajik dengan 32 kali percobaan
devisiasi 0,9413.
124
Pada pengambilan kartu Bridge 3 sekaligus Skop dengan 32 kali percobaan
devisiasi 0,9817.
Pada pengambilan kartu Bridge 4 sekaligus Skop dengan 32 kali percobaan
memiliki nilai Pata-rata yaitu 1,219 dengan nilai modus 2, serta nilai standar
devisiasi 1,008.
Pada pengambilan kartu Bridge 3 sekaligus Klaver dengan 32 kali percobaan
memiliki nilai Pata-rata yaitu 1,156 dengan nilai modus 0, serta nilai standar
devisiasi 1,081.
Pada pengambilan kartu Bridge 4 sekaligus Klaver dengan 32 kali percobaan
devisiasi 0,9995.
Selain itu ada juga syarat – syarat Distribusi Binomial di ubah ke Distribusi
Poisson sebagai berikut:
Distribusi binomial dapat diubah ke distribusi poisson dengan syarat, n
memiliki nilai lebih besar (n > 20) dan p memiliki nilai yang kecil, dengan
terlebih dahulu menetapkan p dan kemudian menetapkan µ = Ng, atau dengan
kata lain, jika X adalah variabel random yang memiliki distribusi binomial
b(x,n,p), maka jika jumlah percobaannya besar serta probabilitas untuk SUKSES
p kecil sekali, serta rata-ratanya yaitu µ=Ng, maka dalam hal ini distribusi
binomial bisa diubah dengan distribusi poisson,
Adapun contoh penerapan distribusi poisson dam kehidupan sehari-hari
adalah sebagai berikut
1. Menghitung probabilitas terjadinya peristiwa menurut waktu, ruang adu
isi, luas dan panjang, seperti banyaknya penggunaan telfon permenit,
banyaknya kesalahan ketik pedalaman sebuah buku dan lain-lain.
2. Jumlah pelanggan yang harus mantri pas pelayanan bank, rumah sakit
ataupun antrian panjang pembelian tiket.
3. Contoh: Peristiwa datangnya kendaraan yang lewat dalam suatu interval
waktu di suatu ruas jalan. Dari peristiwa tersebut, dapat diamati hal-hal
berikut.
125
a. Tingkat kedatangan rata-rata kendaraan dapat dihitung berdasarkan
data masa lalu.
b. Tingkat kedatangan rata-rata kendaraan per satuan waktu adalah
konstan.
c. Banyaknya kedatangan kendaraan dalam suatu interval waktu
tertentu merupakan peristiwa independen (bebas).
d. Probabilitas kedatangan kendaraan-kendaraan itu dalam suatu
interval waktu adalah sangat kecil, dan dapat dikatakan mendekati
nol.
BAB V
PENUTUP
5.1 Kesimpulan
Adapun kesimpulan sebagai berikut :
a. Banyaknya hasil percobaan yang satu tidak tergantung dari banyaknya
hasil percobaan yang lain. Dengan semakin banyak percobaan yang
dilakukan / sampel yang terambil sekaligus, maka semakin sulit untuk
mendapatkan peluang sebuah kejadian untuk tidak sukses atau sukses
secara sempurna. Dimana nilai kesuksesan ketika nilai data diperbesar
semakin bervariasi.
b. Distribusi poisson dapat menggunakan pendekatan distribusi binomial,
dimana jika memenuhi syarat bahwa n cukup besar dan p cukup kecil.
Dimana pendekatan distribusi normal terhadap distribusi poisson cukup
baik jika λ ¿ 10.
5.2 Saran
a. Harus memahami materi dengan baik
b. Harus tahu langkah – langkah mengunakan apk software seperti Minitab
dan benar.
126
c. Dan dalam melakukan praktikum ini kita harus fokus dan berkonsentrasi
agar bisa menyelesaikan dengan baik.

FAKULTAS TEKNIK
Nama Tugas Praktikum : Modul V (Distribusi Hipergeometrik)
NIM : 2019 – 72 – 072
127
Kelompok : VII
Tanggal Praktikum : Jumat, 8 Mei 2020
Tanggal Asistensi :
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam kehidupan sehari-hari kita sering menjumpai berbagai kejadian-
kejadian yang sebenarnya dapat diselesaikan dengan menggunakan probabilitas.
Seperti ketika sedang membeli kebutuhan rumah tangga, terkadang kita membeli
barang yang rusak, oleh sebab itu melalui distribusi hipergeometrik kita dapat
menyelesaikan permasalahan tersebut. Kita dapat mencari probabilitas dari
terpilihnya barang yang rusak, sehingga apabila probabilitasnya tinggi kita dapat
mengetahui bahwa kemungkinan besar kita akan membeli barang yang rusak.
Distribusi hipergeomtrik amat mirip penggunaanya dengan distribusi

binomial. Perbedaanya terletak pada cara pengambilan sampelnya. Untuk kasus
binomial, diperlukan kebebasan antara usaha. Akibatnya bila binomial diterapkan,
misalnya pada sampling dari sejumlah barang (sekotak kartu, sejumlah barang
produksi), sampling harus dikerjakan dengan pengambilan setiap barang setelah
diamati. Sedangkan, distribusi hipergeometrik tidak memerlukan kebebasan dan
didasarkan pada sampling tanpa pengambilan. Penggunaan distribusi
hipergeometrik terdapat pada pengujian yang dilakukan terhadap barang yang
diuji, mengakibatkan barang yang teruji tersebut menjadi rusak, jadi tidak dapat
dikembalikan.
128
Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi
probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak
(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 seringkali 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.

Dari kegiatan praktikum ini, diharapkan praktikan :
a. Lebih memahami dan menguasai konsep distribusi hipergeometrik.
b. Dapat mengaplikasikan konsep distribusi hipergeometrik dalam melakukan
riset ilmiah.
129
BAB II
LANDASAN TEORI
2.1 Landasan Teori
Pada distribusi hipergeometrik, setiap pengambilan sampel dikerjakan dengan
tidak melakukan pengembalian setiap jenis benda yang telah diamati, dan tidak
memerlukan kebebasan (dependent).
Distribusi hipergeometrik dapat diaplikasikan pada banyak bidang, misalnya
pada penerimaan sampel (acceptance sampling), pengujian elektronik, dan
pengendalian kualitas (quality control). Suatu percobaan hipergeometrik memiliki
sifat sebagai berikut :
a. Sampel acak berukuran n diambil tanpa pengembalian dari N benda.
b. Sebanyak k benda dapat diberi nama sukses sedangkan sisanya, N – k,
diberi nama gagal.
Banyaknya sukses X dalam percobaan hipergeometrik disebut peubah acak
hipergeometrik, sedangkan distribusi peluang peubah acaknya disebut distribusi
hipergeometrik yang nilainya dinyatakan sebagai h (x; N, n, k).
Bila dalam populasi N benda terdapat 2 jenis sampel yang berbeda, k benda
diantaranya diberi label “sukses/berhasil” dan N-k dianggap “gagal”, maka
sebaran peluang bagi peubah acak hipergeometrik X, yang menyatakan
banyaknya keberhasilan dalam contoh acak berukuran n, adalah :
130
h( x ; N , n ,k ) = ( k ¿ ) ¿ ¿¿¿¿
¿
dimana : N = Total populasi atau sampel.
k = jumlah benda yang diberi label “berhasil” yang tersedia
n = jumlah percobaan atau jumlah sampel yang dipilih.
Sedangkan dalam populasi N benda terdapat lebih dari 2 jenis sampel yang
berbeda, maka sebaran peluang bagi peubah acak hipergeometrik X, yang
menyatakan banyaknya keberhasilan dalam contoh acak berukuran n, adalah :
h( x 1 , x 2 , x3 , ...; N ,n,k 1 ,k 2 ,k 3 ,...) = ( k 1 ¿ ) ¿ ¿¿¿¿

¿
dimana : N = N1 + N2 + N3 + … + Nn
x = x1 + x2 + x3 + … + xn
n = jumlah sampel yang dipilih.
131
BAB III
METODE PENELITIAN

1. Waktu: Jumat, 8 Mei 2020, 14:00 WIT
2. Tempat: Rumah (Kuliah Online)

Adapun peralatan yang digunakan dalam praktikum kali ini adalah :
1. Kancing dengan 2 kombinasi warna ( 30 kuning dan 15 bukan kuning )
2. Lembar pengamatan dan alat tulis.
3. Software Minitab.14, SPSS.16, dan MS.Excel 2007

Dalam praktikum modul 5 ini, dilakukan pengambilan pada sebuah
kancing dengan 2 kombinasi warna ( 30 kuning dan 15 bukan kuning ). Kemudian
amibil 3 buah kancing dari seperangkat kancing tanpa pengembalian. Pernyataan
“Benar (X)” akan diberikan apabila kancing “kuning” yang terambil dan catat ke
dalam tabel. Untuk setiap kejadian pengembalian lakukan sebanyak 45 kali.
menggunakan software seperti Microsoft Excel, Minitab, dan SPSS.
132
x Turus Frekuensi
TOTAL
x = Jumlah kancing kuning yang terambil
Pengolahan Data:
1. Langkah-langkah Pengolahan Data dengan Software MINITAB 16:
133
 Pilih calc kemudian probability distributions dan pilih hypergeometric
134
GAMBAR 3.4 MENAMPILKAN DISTRIBUSI HYPERGEOMETRIC
Maka akan muncul tampilan seperti di bawah ini
GAMBAR 3.5 TAMPILAN DISTRIBUSI HYPERGEOMETRIC
135

136
pilih frequencies
137
138
139
140
pengambilan-pengambilan yang lain.
variansi.
141
mean.
142
 Klik Formula pilih statistical kemudian pilih Skew untuk mencari

nilai skewness.
143
Kurtosis.
144
standar deviasi.
145
 Setelah mengetahui nilai variansi, mean, skewness, kurtosis dan

standar deviasi. Pilih Formula klik Statistik kemudian pilih
hypergeometric.
GAMBAR 3.26 MENAMPILKAN DISTRIBUSI HYPERGEOMETRIC
146
GAMBAR 3.27 TAMPILAN DISTRIBUSI HYPERGEOMETRIC
147
BAB IV
MATERI

Pada Praktikum modul 5 dilakukan pukul 14.00 WIT pada hari Jumat, 8 mei
Distribusi Hipergeometrik
4. Kuis
6. Konsultasi
4.2 Hasil Percobaan

Tabel 4.1. Hasil Percobaan Pengambilan kancing
Pengambilan 3
Percobaan
Sekaligus
1 1
2 2
3 3
4 1
5 3
6 3
7 1
8 2
9 0
10 1
11 2
12 3
13 0
148
14 0
15 1
16 2
17 1
18 0
19 1
20 2
21 3
22 2
23 0
24 1
25 1
26 1
27 0
28 1
29 2
30 0
31 2
32 1
33 2
34 3
35 0
36 1
37 2
38 0
39 2
40 3
41 0
42 1
43 2
44 0
45 3
149
Total Berhasil 11
MEAN 1.377777778
MEDIAN 1
SKWENNES 0.154161074
KURTOSIS -1.14027646
PBROBABILITY 0.244444444
HIPERGEOMETRI
0.566666667
K
4.3 Analisa Data

Berikut ini adalah analisa data dari hasil percobaan pengambilan kancing .
sebagai berikut;
4.3.1 Pertanyaan
1 Tampilkan hasil nilai tengah(median),nilai variansi,nilai koefisien momen
2 Menurut apa yang anda ketahui dapatkah distribusi binomial diubah ke
distribusi hipergeometrik? jika dapat apa-apa sajakah yang menjadi syarat-
syaratnya?.
3 Buatlah contoh penerapan distribusi hipergeometrik dalam kehidupan sehari-
hari.
150
4.3.2 Pembahasan
Jawaban No 1:
A. Microsoft Excel 2010
Tabel 4.2. Data Statistic Pengambilan kancing Menggunakan Ms.Excel
Column1 P3
1.377777
Mean 8
0.156634
Standard Error 1
Median 1
Mode 1
1.050733
Standard Deviation 3
1.104040
Sample Variance 4
Kurtosis -1.140276
0.154161
Skewness 1
Range 3
Minimum 0
Maximum 3
Sum 62
Count 45
Largest(1) 3
Smallest(1) 0
Confidence 0.315675
Level(95,0%) 2
151
14
100.00%
disimpulkan bahwa
12
80.00%
pada pengambilan
10
kancing 3 sekaligus
Frequency
8 60.00%
6 Frequency dengan 45 kali
40.00%
4 Cumulative % percobaan memiliki
2
20.00%
0
1 2 0 More 0.5 1.5 2.5
0.00% 1,378 dengan nilai
Bin modus 1
Gambar 4.1 Histogram Pengambilan 3 Sekaligus Menggunakan Ms.Excel
Tabel 4.3 Bin Pengambilan 3 sekaligus kancing

Frequenc Cumulativ Frequenc Cumulativ
Bin Bin
y e% y e%
0 11 24.44% 1 14 31.11%
0.5 0 24.44% 2 12 57.78%
1 14 55.56% 0 11 82.22%
1.5 0 55.56% More 8 100.00%
2 12 82.22% 0.5 0 100.00%
2.5 0 82.22% 1.5 0 100.00%
More 8 100.00% 2.5 0 100.00%
152
B. Minitab 16
Tabel 4.4. Data Statistic Pengambilan kancing Menggunakan Minitab
Descriptive Statistics
SE
StDe Varianc Minimu Media
Variable Percent CumPct Mean Mea Sum
v e m n
n
0,15 62,00
3 Sekaligus 100 100 1,378 1,051 1,104 0,000 1,000
7 0
Maximu Skewnes Kurtosi

Variable
m s s
3 Sekaligus 3,000 0,15 -1,14
Hypergeometri
c with N = 45,
M = 11, and n
=3
Tabel 4.5 Distribusi hipergeometrik Pengambilan 3 sekaligus
Hypergeometric with N = 45, M = 11, and n = 3
P( X ≤ x
x
)
1 0,85659
2 0,98837
3 100,000
1 0,85659
3 100,000
3 100,000
1 0,85659
2 0,98837
0 0,42171
1 0,85659
153
2 0,98837
3 100,000
0 0,42171
0 0,42171
1 0,85659
2 0,98837
1 0,85659
0 0,42171
1 0,85659
2 0,98837
3 100,000
2 0,98837
0 0,42171
1 0,85659
1 0,85659
1 0,85659
0 0,42171
1 0,85659
2 0,98837
0 0,42171
2 0,98837
1 0,85659
2 0,98837
3 100,000
0 0,42171
1 0,85659
2 0,98837
0 0,42171
2 0,98837
3 100,000
0 0,42171
1 0,85659
154
2 0,98837
0 0,42171
3 100,000
Berdasarkan grafik
disamping, dapat
disimpulkan bahwa
pada pengambilan
kancing 3 sekaligus
dengan 45 kali
percobaan memiliki
1,378 dengan nilai
modus 1
Gambar 4.2. Histogram Pengambilan 3 Sekaligus Menggunakan Minitab

C. SPSS 26
Tabel 4.6 Data Statistik Pengambilan Kancing Menggunakan SPSS
Statistics
Valid 45
N
Missing 0
Mean 1.3778
Std. Error of
0.15663
Mean
Median 1
Mode 1
Variance 1.104
Skewness 0.154
Std. Error of
0.354
Skewness
Kurtosis -1.14
155
Std. Error of
0.695
Kurtosis
Minimum 0
Maximum 3
Sum 62
Berdasarkan grafik
disamping, dapat
disimpulkan bahwa
pada pengambilan
kancing 3 sekaligus
dengan 45 kali
percobaan memiliki
1,378 dengan nilai
modus 1
Gambar 4.3 Histogram Pengambilan 3 Sekaligus Menggunakan SPSS
Jawaban No 2 :
Distribusi Binomial itu tidak bisa diubah ke Distribusi Hipergeometrik.
Namun nilai dari distribusi binomial hanya bisa mendekati ke distribusi
hipergeometrik, yang dimana pada distribusi binomial setiap pengambilan tidak
tergantung pada satu dengan yang lainnya dan pengujian dilakukan dengan
156
pengambilan. Hal ini berbeda dengan distribusi hipergeometrik, yang tidak
adanya pengembalian yang di lakukan sehingga setiap pengambilan dapat
mempengaruhi pengembalian yang lainnya.
Jawaban No 3 :
Di bawah ini adalah contoh penerapan distribusi hipergeometrik dalam
kehidupan sehari-hari sebagai berikut :
a) Jumlah barang dagangan yang rusak dalam sampel acak dari sejumlah
kriman pada bidang penerimaan sampel
b) Jumlah permen yang diambil dari sebuah kotak dengan rasa tertentu
c) Pada pengujian yang dilakukan terhadap barang yang di uji mengakibatkan
suatu produk yang teruji menjadi rusak dan tidak bisa lagi di kembalikan
misalnya seperti pengujian pada barang elektronik.
d) Jumlah minuman yang di ambil dalam suatu box dengan rasa tertentu.
4.3.3 Analisa Data

Dalam praktikum modul 5 ini, dilakukan pengambilan pada sebuah
kancing dengan 2 kombinasi warna ( 30 kuning dan 15 bukan kuning ).
Kemudian lakukan pengambilan 3 buah kaancing secara sekaligus . Pernyataan
“Benar (X)” akan diberikan apabila kancing “kuning” yang terambil dan catat
ke dalam tabel. Untuk setiap kejadian pengembalian lakukan sebanyak 45 kali.
Setelah itu, tampilkan hasil nilai tengah(median),nilai variansi,nilai koefisien
Ini adalah hasil dari pengambilan 3 sekaligus mengunakan software
Minitab 16, SPSS 26, dan , MS. Excel 2010 yaitu memiliki:
Nilai Median 1, Variansi 1.104, Skewness 0.154, Kurtosis -1.14, Mean
1,378 , dan, Mode 1.
Histogram dari pengambilan kelereng yang dihasilkan oleh Minitab 16, SPSS
26, dan, MS. Excel 2010. Histogram ini menunjukkan bahwa modus dari data di
atas berada pada angka 1 dan nilai rata – rata nya 1,378.
157
Selain analisa diatas. Distribusi Binomial itu tidak bisa diubah ke Distribusi
Hipergeometrik. Namun nilai dari distribusi binomial hanya bisa mendekati ke
distribusi hipergeometrik, yang dimana pada distribusi binomial setiap
pengambilan tidak tergantung pada satu dengan yang lainnya karena oercobaan
dan pengujian dilakukan dengan pengambilan. Hal ini berbeda dengan distribusi
hipergeometrik, yang tidak adanya pengembalian yang di lakukan sehingga setiap
pengambilan dapat mempengaruhi pengembalian yang lainnya.
Ada juga penerapan distribusi hipergeometrik dalam kehidupan sehari – hari

yang dapat kita temui seperti:
a) Jumlah barang dagangan yang rusak dalam sampel acak dari sejumlah
kriman pada bidang penerimaan sampel
b) Jumlah permen yang diambil dari sebuah kotak dengan rasa tertentu
c) Pada pengujian yang dilakukan terhadap barang yang di uji
mengakibatkan suatu produk yang teruji menjadi rusak dan tidak bisa lagi
di kembalikan misalnya seperti pengujian pada barang elektronik.
d) Jumlah minuman yang di ambil dalam suatu box dengan rasa tertentu.
Jadi jika di bawah kedalam dunia industri, maka sebuah dapat melihat
probabilitas sukses atau gagalnya suatu perusahaan dalam memproduksi suatu
produk tanpa tidak memakan waktu yang sangat lama. Dan dari 3 aplikasi
software yang digunakan misalnya, Microsoft Excel, Minitab 16, dan , SPSS 26.
Namun ada juga keurangan dalam aplikasi tersebut.
158
BAB V
PENUTUP
5.1 Kesimpulan
Adapun kesimpulan sebagai berikut :
a. Pada distribusi hipergeometrik, setiap pengambilan sampel dikerjakan
dengan tidak melakukan pengambilan setiap jenis benda yang telah
diamati, dan tidak memerlukan kebebasan (dependent). Dengan jumlah
sukses lebih besar dari jumlah cacat apabila perbandingan dari jumlah
kelereng sukses lebih besar daripada kelereng cacat, dan dilakukannya
percobaan tanpa pengembalian membuat jumlah data atau keluaran produk
yang cacat dan berhasil lebih merata.
b. Penggunaan distribusi hipergeometrik terdapat pada pengujian yang
dilakukan terhadap barang yang diuji mengakibatkan barang yang teruji
tersebut menjadi rusak, sehingga tidak dapat dikembalikan. Contohnya
pada pengujian elektronik, dan pengendalian mutu (Quality Control).
5.2 Saran
159
a. Untuk setiap praktikan diharapkan agar lebih teliti dan serius dalam
mengikuti proses praktikum agar tidak keliru dalam membuat sebuah
laporan akhir.
b. Diharapkan kritik dan saran yang membangun dari para pembaca sebagai
penulis perbaiki.

FAKULTAS TEKNIK
Nama Tugas Praktikum : Modul VI (Distribusi Normal)
NIM : 2019 – 72 – 072
160
Kelompok : VII
Tanggal Asistensi :
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi
probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak
(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
seringkali 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.
Distribusi normal, disebut pula distribusi Gauss adalah distribusi probabilitas
yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi
normal baku adalah distribusi normal yang memiliki rata-rata nol dan simpangan
baku satu. Distribusi ini juga dijuluki kurva lonceng (bell curve) karena grafik
fungsi kepekatan probabilitasnya mirip dengan bentuk lonceng. Distribusi Normal
memodelkan fenomena kuantitatif padai ilmu alam maupun ilmu sosial. Beragam
161
skor Pengujian psikologi dan fenomena fisika seperti jumlah foton dapat dihitung
melalui pendekatan dengan mengikuti distribusi normal. Distribusi normal banyak
digunakan dalam berbagai bidang statistika, misalnya distribusi sampling rata -
rata akan mendekati normal, meski distribusi populasi yang diambil tidak
berdistribusi normal. Distribusi normal juga banyak digunakan dalam berbagai
distribusi dalam statistika, dan kebanyakan pengujian hipotesis mengasumsikan
normalitas suatu data. Oleh karena itu saya memilih judul ini, yakni
KajianTentang Pendekatan Distribusi Binomial Berdasarkan Distribusi Normal.

Dengan praktikum ini, praktikan diharapkan dapat :
a. Memahami karakteristik dari distribusi Normal.
b. Mampu membuat grafik normal dari setiap percobaan yang dilakukan
sebelumnya (modul I s/d VI).
162
BAB II
LANDASAN TEORI
2.1 Landasan Teori

Sebaran peluang kontinu yang paling penting dalam bidang statistika adalah
sebaran normal. Kurva yang dibentuk oleh sebaran ini disebut Kurva Normal.
Kurva ini berbentuk genta, yang dapat digunakan dalam banyak sekali gugusan
data yang terjadi di alam, industri, dan penelitian.
Gambar 2.1 Kurva Normal

Semakin beragam suatu gugus pengamatan, maka kurvanya menjadi lebih
rendah dan lebih melebar.
Persamaan matematik bagi sebaran peluang acak normal ini bergantung pada
µ dan σ, yaitu nilai tengah dan simpangan bakunya. Persamaan matematika ini
dihitung untuk mengetahui besarnya nilai peluang dari sebaranyang diteliti.
Persamaan ini diperoleh dengan mentransformasikan nilai setiap pengamatan X
menjadi nilai peubah acak normal Z dengan nilai nol dan ragam 1, dengan bentuk
sebagai berikut :
X−μ
Z=
σ
dimana : Z : Variable acak normal baku
µ : Mean dari populasi
X : Mean sampel
σ : Simpangan baku populasi
Definisi Sebaran Normal Baku :
Adalah sebaran peubah acak normal dengan nilai tengah nol dan simpangan
baku 1.
163
 Sifat-sifat kurva normal adalah sebagai berikut :
1.Modus terjadi pada X = µ.
2.Kurvanya setangkup terhadap suatu garis tegak yang melalui nilai tengah µ.
3.Kurva ini mendekati sumbu mendatar secara asimtot dalam kedua sisi.
164
BAB III
METODE PENELITIAN

c. Waktu: Senin, 11 Mei 2020, 14:00 WIT
d. Tempat: Rumah (Kuliah Online)

1. Kelereng
2. Software Minitab 14, MS.Excel 2007, SPSS 16
3. Alat-alat tulis yang digunakan
4. Lembar kerja pengamatan

masukkan kedalam lembar kerja.
menggunakan software seperti Microsoft Excel, Minitab, dan SPSS. Selanjut
tampilkan hasil kerja dan data hasilnya di jelaskan dengan kata – kata.
165
Pengambila
n 2 3 4 5 6 7 8 9 10
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Tidak Cacat
166
Pengolahan data:

167

 Pilih calc kemudian probability distributions dan pilih normal
GAMBAR 3.4 MENAMPILKAN DISTRIBUSI NORMAL
168
Maka akan muncul tampilan di bawah ini:
GAMBAR 3.5 TAMPILAN DISTRIBUSI NORMAL

169

 Klik start, kemudian pilih SPSS
170
pilih frequencies
171

172
173
pengambilan-pengambilan yang lain
variansi.
174

mean.
175

 Klik Formula pilih statistical kemudian pilih Skew untuk mencari nilai
skewness.
GAMBAR 3.20. MENAMPILKAN NILAI SKEWNESS
176
GAMBAR 3.21. TAMPILAN NILAI SKEWNESS
Kemudian pilih Number 1, blok semua pengambilan kelereng pada

data atau table yang ada. Pilih OK.
Kurtosis.
GAMBAR 3.22. MENAMPILKAN NILAI KURTOSIS
177
GAMBAR 3.23. TAMPILAN NILAI KURTOSIS

standar deviasi.
GAMBAR 3.24. MENAMPILKAN NILAI STANDAR DEVIASI
178
Kemudian pilih Number 1, blok semua pengambilan kelereng pada data atau
table yang ada. Pilih OK.
 Setelah mengetahui nilai variansi, mean, skewness, kurtosis dan standar

deviasi. Pilih Formula klik Statistik kemudian pilih binomdist.
GAMBAR 3.26 MENAMPILKAN DISTRIBUSI NORMAL
179
GAMBAR 3.24 TAMPILAN DISTRIBUSI NORMAL

180
BAB IV
MATERI

Pada Praktikum modul 6 dilakukan pukul 16.00 WIT pada hari Senin, 11
mei 2020 bertempat di Rumah ( Kuliah Online) .Dengan materi pada modul 6
yaitu Distribusi Normal
4. Kuis
6. Konsultasi
4.2 Hasil Percobaan

Tabel 4.1 Hasil Percobaan Pengambilan Kelereng
Percobaan 2 3 4 5 6 7 8 9 10
1 0 2 2 0 0 3 2 5 6
2 1 1 3 3 1 3 4 3 2
3 2 1 1 3 1 4 2 4 3
4 1 2 1 0 2 1 1 0 0
5 1 3 1 2 3 1 0 2 4
6 1 3 0 1 0 2 2 1 6
7 0 0 2 1 3 3 1 0 0
8 1 0 4 3 4 1 0 3 3
9 0 2 2 5 2 0 1 4 5
10 0 1 1 1 5 6 2 5 6
11 0 0 0 0 1 2 4 0 3
12 0 1 1 0 0 0 0 3 7
13 1 1 1 4 1 0 4 0 0
14 1 2 0 3 2 1 5 2 6
15 1 1 2 4 3 2 0 0 2
181
16 0 0 4 5 4 0 5 4 1
17 1 0 3 0 5 3 6 3 1
18 0 2 0 1 2 4 4 7 8
19 0 3 0 1 1 5 0 3 0
20 2 2 1 2 3 2 0 4 7
Tidak
Cacat 9 5 5 4 3 4 6 5 4
4.3 Analisa Data

sebagai berikut;
4.3.1 Pertanyaan
2. Menurut yang anda ketahui dapatkah distribusi hipergeometrik di ubah ke
distribusi normal?
3. Buatlah contoh penerapan destribusi normal dalam kehidupan sehari hari?
182
4.3.2 Pembahasan
Jawaban No 1;
Data statistik dari percobaan menggunakan Ms. Excel, MiniTab 16 dan
SPSS 26
A . Microsoft Excel
Tabel 4.2 Data Statistik Pengambilan Kelereng Menggunakan Ms.Excel
Pengambilan P2 P3 P4 P5 P6 P7 P8 P9 P10
tidak cacat 9 5 5 4 3 4 6 5 4
Rata-rata 0.65 1.35 1.45 1.95 2.15 2.15 2.15 2.65 3.5
Median 1 1 1 1.5 2 2 2 3 3
Varians 0.428 1.028 1.548 2.748 2.328 2.828 3.828 3.828 6.95
Skewness 0.549 0.133 0.714 0.443 0.366 0.564 0.466 0.146 0.098
kurtosis -0.55 -1.07 -0.3 -1.04 -0.77 -0.25 -1.17 -0.48 -1.43
Simpangan 0.654 1.014 1.244 1.658 1.526 1.682 1.956 1.956 2.636
peluang 0.45 0.25 0.25 0.2 0.15 0.2 0.3 0.25 0.2
Distribusi Binomial 6E-06 0.091 0.091 0.012 0.039 0.411 0.035 0.617 0.913
B. Minitab 16
Tabel 4.3 Data Statistik Pengambilan Kelereng Menggunakan Minitab
Variable Total Count Mean StDev Variance Median Skewness Kurtosis
P2 20 0.65 0.671 0.45 1 0.55 -0.55
P3 20 1.35 1.04 1.082 1 0.13 -1.07
P4 20 1.45 1.276 1.629 1 0.71 -0.3
P5 20 1.95 1.701 2.892 1.5 0.44 -1.04
P6 20 2.15 1.565 2.45 2 0.37 -0.77
P7 20 2.15 1.725 2.976 2 0.56 -0.25
P8 20 2.15 2.007 4.029 2 0.47 -1.17
P9 20 2.65 2.007 4.029 3 0.15 -0.48
Tabel 4.4 Distribusi Normal Pengambilan 2
183
x P( X ≤ x )
0 0,0000064
1 0,0001114
2 0,0009274
1 0,0001114
1 0,0001114
1 0,0001114
0 0,0000064
1 0,0001114
0 0,0000064
0 0,0000064
0 0,0000064
0 0,0000064
1 0,0001114
1 0,0001114
1 0,0001114
0 0,0000064
1 0,0001114
0 0,0000064
0 0,0000064
2 0,0009274
184
x P( X ≤ x )
2 0,091260
1 0,024313
1 0,024313
2 0,091260
3 0,225156
3 0,225156
0 0,003171
0 0,003171
2 0,091260
1 0,024313
0 0,003171
1 0,024313
1 0,024313
2 0,091260
1 0,024313
0 0,003171
0 0,003171
2 0,091260
3 0,225156
2 0,091260
x P( X ≤ x )
185
2 0,091260
3 0,225156
1 0,024313
1 0,024313
1 0,024313
0 0,003171
2 0,091260
4 0,414842
2 0,091260
1 0,024313
0 0,003171
1 0,024313
1 0,024313
0 0,003171
2 0,091260
4 0,414842
3 0,225156
0 0,003171
0 0,003171
1 0,024313
x P( X ≤ x )
186
0 0,011529
3 0,411449
3 0,411449
0 0,011529
2 0,206085
1 0,069175
1 0,069175
3 0,411449
5 0,804208
1 0,069175
0 0,011529
0 0,011529
4 0,629648
3 0,411449
4 0,629648
5 0,804208
0 0,011529
1 0,069175
1 0,069175
2 0,206085
x P( X ≤ x )
187
0 0,038760
1 0,175558
1 0,175558
2 0,404896
3 0,647725
0 0,038760
3 0,647725
4 0,829847
2 0,404896
5 0,932692
1 0,175558
0 0,038760
1 0,175558
2 0,404896
3 0,647725
4 0,829847
5 0,932692
2 0,404896
1 0,175558
3 0,647725
x P( X ≤ x )
188
3 0,107087
3 0,107087
4 0,237508
1 0,007637
1 0,007637
2 0,035483
3 0,107087
1 0,007637
0 0,000798
6 0,608010
2 0,035483
0 0,000798
0 0,000798
1 0,007637
2 0,035483
0 0,000798
3 0,107087
4 0,237508
5 0,416371
2 0,035483
x P( X ≤ x )
189
2 0,035483
4 0,237508
2 0,035483
1 0,007637
0 0,000798
2 0,035483
1 0,007637
0 0,000798
1 0,007637
2 0,035483
4 0,237508
0 0,000798
4 0,237508
5 0,416371
0 0,000798
5 0,416371
6 0,608010
4 0,237508
0 0,000798
0 0,000798
190
x P( X ≤ x )
5 0,617173
3 0,225156
4 0,414842
0 0,003171
2 0,091260
1 0,024313
0 0,003171
3 0,225156
4 0,414842
5 0,617173
0 0,003171
3 0,225156
0 0,003171
2 0,091260
0 0,003171
4 0,414842
3 0,225156
7 0,898188
3 0,225156
4 0,414842
191
x P( X ≤ x )
6 0,913307
2 0,206085
3 0,411449
0 0,011529
4 0,629648
6 0,913307
0 0,011529
3 0,411449
5 0,804208
6 0,913307
3 0,411449
7 0,967857
0 0,011529
6 0,913307
2 0,206085
1 0,069175
1 0,069175
8 0,990018
0 0,011529
7 0,967857
C. SPSS 26
192
Tabel 4.13 Data Statistik Pengambilan Kelereng Menggunakan SPSS
Statistics
P2 P3 P4 P5 P6 P7 P8 P9 P10
Valid 20 20 20 20 20 20 20 20 20
N
Missing 0 0 0 0 0 0 0 0 0
Mean 0.65 1.35 1.45 1.95 2.15 2.15 2.15 2.65 3.50
Median 1.00 1.00 1.00 1.50 2.00 2.00 2.00 3.00 3.00
Mode 0a 1a 1 0a 1 0a 0 0a 0a
Std. Deviation 0.671 1.040 1.276 1.701 1.565 1.725 2.007 2.007 2.705
Variance 0.450 1.082 1.629 2.892 2.450 2.976 4.029 4.029 7.316
Skewness 0.549 0.133 0.714 0.443 0.366 0.564 0.466 0.146 0.098
Std. Error of
0.512 0.512 0.512 0.512 0.512 0.512 0.512 0.512 0.512
Skewness
Kurtosis -0.548 -1.069 -0.303 -1.038 -0.767 -0.247 -1.172 -0.483 -1.433
Std. Error of
0.992 0.992 0.992 0.992 0.992 0.992 0.992 0.992 0.992
Kurtosis
Histogram dari percobaan menggunakan Ms. Excel, MiniTab 16 dan SPSS

26
A . Microsoft Excel
Histogram
Berdasarkan grafik
10 120.00%
9 disamping, dapat
100.00%
8
7
80.00%
6 pengambilan kelereng 2
Frequency
Frequency
5 60.00%
4
3
40.00%
2
1
20.00%
0
0 1 More 0.5 1.5
0.00%
modus 0 dan 1.
Bin

0 9 45.00% 0 9 45.00%
0.5 0 45.00% 1 9 90.00%
1 9 90.00% More 2 100.00%
1.5 0 90.00% 0.5 0 100.00%
More 2 100.00% 1.5 0 100.00%
193
Histogram
Berdasarkan grafik
7 120.00%
6
disamping, dapat
100.00%
5
80.00%
Frequency
4
Frequency
60.00%
3 Cumulative % sekaligus dengan 20 kali
40.00%
20.00%
1
0 0.00%
1.5 2.25 0 More 0.75 modus 1 dan 2.
Bin

0 5 25.00% 1.5 6 30.00%
0.75 0 25.00% 2.25 6 60.00%
1.5 6 55.00% 0 5 85.00%
2.25 6 85.00% More 3 100.00%
More 3 100.00% 0.75 0 100.00%

7
6
5
Frequency
4 60.00%
Cumulative %
3
2
20.00% rata-rata yaitu 1.45 , nilai
1
0 0.00%
modus 0 dan 1.
1 0 2 3 More
Bin

0 5 25.00% 1 7 35.00%
1 7 60.00% 0 5 60.00%
2 4 80.00% 2 4 80.00%
3 2 90.00% 3 2 90.00%
More 2 100.00% More 2 100.00%
194
Histogram
6 120.00%
Berdasarkan grafik
5 100.00%
disamping, dapat
4 80.00%
Frequency pengambilan kelereng 5
Frequency
3 60.00%
Cumulative %
2 40.00%
1 20.00%
0 0.00%
0 1.25 3.75 More 2.5 modus 1 dan 2.
Bin

0 5 25.00% 0 5 25.00%
1.25 5 50.00% 1.25 5 50.00%
2.5 2 60.00% 3.75 4 70.00%
3.75 4 80.00% More 4 90.00%
More 4 100.00% 2.5 2 100.00%

4 80.00%
Frequency
3 60.00%
Cumulative %
2 40.00%
1 20.00%
0 0.00%
modus 0 dan 1.
1.25 2.5 3.75 More 0
Bin

0 3 15.00% 1.25 5 25.00%
1.25 5 40.00% 2.5 4 45.00%
2.5 4 60.00% 3.75 4 65.00%
3.75 4 80.00% More 4 85.00%
More 4 100.00% 0 3 100.00%
195
9 120.00%
disamping, dapat
8
7
100.00%
5 Frequency
Frequency
60.00%
4 Cumulative %
2
1
0 0.00% modus 0 dan 1.
3 0 1.5 4.5 More
Bin

0 4 20.00% 3 8 40.00%
1.5 4 40.00% 0 4 60.00%
3 8 80.00% 1.5 4 80.00%
4.5 2 90.00% 4.5 2 90.00%
More 2 100.00% More 2 100.00%

7 120.00%
disamping, dapat
6 100.00%
5
4
80.00%
Frequency
Frequency
3
60.00%
2
40.00%
0
0 3 4.5 1.5 More
0.00% modus 0 dan 1.
Bin
196
0 6 30.00% 0 6 30.00%
1.5 3 45.00% 3 4 50.00%
3 4 65.00% 4.5 4 70.00%
4.5 4 85.00% 1.5 3 85.00%
More 3 100.00% More 3 100.00%

7
6
5
Frequency
Frequency
4 60.00%
Cumulative %
3
2
1
0 0.00% modus 0 dan 1.
3.5 5.25 0 1.75 More
Bin

0 5 25.00% 3.5 7 35.00%
1.75 1 30.00% 5.25 6 65.00%
3.5 7 65.00% 0 5 90.00%
5.25 6 95.00% 1.75 1 95.00%
More 1 100.00% More 1 100.00%

Frequency
3 60.00%
Cumulative %
0 0.00%
modus 0 dan 1.
6 0 2 4 More
Bin
197
0 4 20.00% 6 5 25.00%
2 4 40.00% 0 4 45.00%
4 4 60.00% 2 4 65.00%
6 5 85.00% 4 4 85.00%
More 3 100.00% More 3 100.00%
B. Minitab 16
Berdasarkan grafik
disamping, dapat
0.671
Berdasarkan grafik
disamping, dapat
1.04
198
Berdasarkan grafik
disamping, dapat
1.276
Berdasarkan grafik
disamping, dapat
1.701
Berdasarkan grafik
disamping, dapat
1.565
199
Berdasarkan grafik
disamping, dapat
devisiasi 1.725
Berdasarkan grafik
disamping, dapat
2.007
Berdasarkan grafik
disamping, dapat
2.007
200
Berdasarkan grafik
disamping, dapat
2.705
C. SPSS 26
Berdasarkan grafik
disamping, dapat
0.671
Berdasarkan grafik
disamping, dapat
1.040
201
Berdasarkan grafik
disamping, dapat
1.276
Berdasarkan grafik
disamping, dapat
1.701
Berdasarkan grafik
disamping, dapat
1.565
202
Berdasarkan grafik
disamping, dapat
devisiasi 1.725
Berdasarkan grafik
disamping, dapat
2.007
Berdasarkan grafik
disamping, dapat
2.007
203
Berdasarkan grafik
disamping, dapat
2.705
Jawaban No 2:
Distribusi Hipergeometrik tidak dapat diubah ke Distribusi Normal karena
pada distribusi hipergeomtrik dalam melakukan percobaan ini tidak dilakukan
dengan cara pengembalian, sehingga pada setiap pengembalian dapat
mempengaruhi pengambilan lain. Sedangkan distribusi normal dalam menetukan
probabilitasnya diperlukan tabel Z dari distribusi normal tersebut.
Jawaban No 3:
Buatlah contoh penerapan distribusi normal dalam kehidupan sehari-hari.
Dengan menerapkan distribusi normal dalam kehidupan sehari - hari, kita
dapat menghitung peluang berapa lama waktu umur pakai dari suatu alat hingga
rusak atau waktu berapa lama alat tersebut akan digunakan, yaitu dengan mencari
dulu nilai umur rata-rata dan nilai simpangan bakunya.
204
4.3.3 Analisa Data
masukkan kedalam lembar kerja. Setelah itu, untuk memperjelas data yang ada,
dan SPSS.
Setelah itu kita menghitung nilai tengah(median),nilai variansi,nilai koefisien

peluang(probability),dan gambar histogram dari masing-masing pengambilan
kelereng dengan menggunakan salah satu software Minitab 16 , SPSS 26, atau
MS. Excel 2010.
Pada pengambilan kedua memiliki:

Pada pengambilan ke tiga memiliki:
Nilai Median 1, Variansi 1.03, Skewness 0.13, Kurtosis -1.1, dan Peluang 0.25
Pada pengambilan keempat memiliki:
Pada pengambilan kelima memiliki:
Nilai Median 1.5, Variansi 2.75, Skewness 0.44, Kurtosis -0.1, dan, Peluang 0.2
Pada pengambilan keenam memiliki:
Pada pengambilan ketujuh memiliki:
Pada pengambilan kedelapan memiliki:
Pada pengambilan kesembilan memiliki:
Pada pengambilan kesepuluh memiliki:
205
Selain analisa diatas. Distribusi Hipergeometrik tidak dapat diubah ke
Distribusi Normal karena pada distribusi hipergeomtrik dalam melakukan
percobaan ini tidak dilakukan dengan cara pengembalian, sehingga pada setiap
pengembalian dapat mempengaruhi pengambilan lain. Sedangkan distribusi
normal dalam menetukan probabilitasnya diperlukan tabel Z dari distribusi normal
tersebut.
Selain data di atas distribusi normal juga bisa diterapkan dalam kehidupan
sehari – hari misalnya, kita dapat menghitung peluang berapa lama waktu umur
pakai dari suatu alat hingga rusak atau waktu berapa lama alat tersebut akan
digunakan, yaitu dengan mencari dulu nilai umur rata-rata dan nilai simpangan
baku.
206
BAB V
PENUTUP
5.1 Kesimpulan
Adapun kesimpulan dari praktikum ini, yaitu:
a. Karakteristik Kurva Distribusi Normal adalah sebagai berikut :
 Kurva berbentuk genta (m= Md= Mo)
 Kurva berbentuk simetris
 Kurva normal berbentuk asimptotis
 Kurva mencapai puncak pada saat X= m
 Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai tengah dan
½ di sisi kiri
Dan sifat-sifat penting distribusi normal adalah sebagai berikut :
 Grafiknya selalu berada di atas sumbu x
 Bentuknya simetris pada x = µ
 Mempunyai satu buah modus, yaitu pada x = µ
 Luas grafiknya sama dengan satu unit persegi, dengan rincian
 Kira-kira 68% luasnya berada di antara daerah µ – σ dan µ + σ
 Kira-kira 95% luasnya berada di antara daerah µ – 2σ dan µ + 2σ
 Kira-kira 99% luasnya berada di antara daerah µ – 3σ dan µ + 3σ
b. Nilai Z pada kurtosis akan mempengaruhi keruncingan bentuk kurva pada

histogram, apakah kurva data lebih runcing (leptokurtik), runcing normal
(mesokurtik), atau lebih datar (platikurtik). Sedangkan nilai Z pada
skewness akan mempengaruhi kemencengan bentuk kurva pada histogram,
apakah kurva data condong ke arah kiri (negatif), simetris, atau condong
ke arah kanan (positif).
207
5.2 Saran
1. Harus memahami materi dengan baik
2. Harus tahu langkah – langkah mengunakan apk software seperti Minitab
dan benar.
3. Dan dalam melakukan praktikum ini kita harus fokus dan berkonsentrasi
agar bisa menyelesaikan dengan baik dan tidak keliru dalam membuat
laporan akhir.
4. Diharapkan kritik dan saran yang membangun dari para pembaca sebagai
penulis perbaiki.
208
DAFTAR PUSTAKA
http://etykalestari.blogspot.com/2017/02/makalah-teori-peluang.html
https://www.slideshare.net/zenardjov/laporan-praktikum-teori-peluang-1
https://ariaanang.wordpress.com/2013/06/18/makalah-statistik-distribusi-frekuensi
https://www.slideshare.net/zenardjov/laporan-praktikum-teori-peluang-4-fixed
http://repository.usu.ac.id/bitstream/handle/123456789/66725/Chapter%20I.pdf?
sequence=2&isAllowed=y
https://www.researchgate.net/publication/
327645533_DISTRIBUSI_HIPERGEOMETRIK
http://repository.usu.ac.id/bitstream/handle/123456789/34193/Chapter%20I.pdf?
sequence=4&isAllowed=y
209
COMPUTATION & OPERATION RESEARCH LABORATORY
FAKULTAS TEKNIK
KARTU PESERTA PRAKTIKUM
NAMA PRAKTIKAN : Setiaty Sabrina

NIM : 2019 - 72 – 072
KELOMPOK : VII
Tanggal Tanggal Catatan

No Jenis Praktikum
Praktikum Asistensi Asisten
1 Modul I (Teori Peluang) 28-Apr-20 5 Mei 2020
2 Modul II (Distribusi Frekuensi) 30-Apr-20 18 Mei 2020
3 Modul III (Distribusi Binomial) 5 Mei 2020 25 Mei 2020
4 Modul IV (Didtribusi Poisson) 6 Mei 2020 25 Mei 2020
5 Modul V (Distribusi Hipergeometrik) 8 Mei 2020 11 Juni 2020
6 Modul VI (Distribusi Normal) 11 Mei 2020 17 Juni 2020

Ambon , Mei 2020
Asisten
Dolly Meyke Rommer
210

Laporan Akhir Praktikum Teori Peluang - Setiaty Sabrina

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laporan Akhir Praktikum Teori Peluang - Setiaty Sabrina

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM

Nama : Setiaty Sabrina

NIM : 2019 – 72 – 072

PROGRAM STUDI TEKNIK INDUSTRI

Ambon, 25 Mei 2020

MODUL IV (DISTRIBUSI POISSON) .............................................................86

MODUL V (DISTRIBUSI HIPERGEOMETRIK) ........................................124

MODUL VI (DISTRIBUSI NORMAL) ..........................................................156

MODUL II (DISTRIBUSI FREKUENSI) ........................................................11

MODUL III (DISTRIBUSI BINOMIAL) .........................................................42

MODUL IV (DISTRIBUSI POISSON) ............................................................86

MODUL V (DISTRIBUSI HIPERGEOMETRIK) ........................................124

MODUL VI (DISTRIBUSI NORMAL) ..........................................................156

Nama Tugas Praktikum : Modul I ( Teori Peluang )

Nama Praktikan : Setiaty Sabrina

NIM : 2019 – 72 – 072

Program Studi :TeknikIndustri

Tanggal Praktikum : Selasa, 28 April 2020

Nama Asisten : Dolly Meyke Rommer

Tanda Tangan Asisten :

Nama Dosen : Wilma Latuny, ST, M.Si. M.Phil, Ph.D

1.1 Latar Belakang

1.2 Tujuan Praktikum

2.1 Landasan Teori

,dengan batas-batas : 0 ≤ P(E) ≤ 1.

Irisan dua kejadian A dan B dinyatakan dengan lambang :

3.1 Waktu danTempat

3.2 Peralatan yang Digunakan

3.3 Metode Pengolahan Data dan Analisa Data

Tabel 3.1 Tabel Pengolahan Data

4.1 Laporan Detail Kegiatan

4.2 Hasil Percobaan

A ∩ B = ....... A ∩ C = ....... B ∩ C = .......

A¿ B= P(A) + P(B) A¿ C = P(A) + P(C) B¿ C =P(B) + P(C)

a. Probabilitas (peluang) didefinisikan sebagai kemungkinan suatu kejadian,

PRAKTIKUM TEORI PELUANG

Nama Tugas Praktikum : Modul II ( Distribusi Frekuensi )

Nama Praktikan : Setiaty Sabrina

NIM : 2019 – 72 – 072

Program Studi :TeknikIndustri

Tanggal Praktikum : Kamis, 30 April 2020

Nama Asisten : Dolly Meyke Rommer

Tanda Tangan Asisten :

Nama Dosen : Wilma Latuny, ST, M.Si. M.Phil, Ph.D

1.1 Latar Belakang

Karena distribusi frekuensi probabilitas disusun berdasarkan teori peluang

1.2 Tujuan Praktikum

2.1 Landasan Teori

Gambar 2.1 Bentuk Histogram dan Kurva Frekuensi Poligon.

Tabel 2.4. Rumus Ukuran Variansi

Jenis Data Yang

3.1 Waktu dan Tempat

3.2 Peralatan Yang Digunakan

3.3 Metode Pengolahan Data dan Analisa Data

Tabel 3.1. Tabel Pengolahan Data

Gambar 3.1. Menu Start

 Setelah terbuka,berikut adalah tampilan Ms.Excel

Gambar 3.2. Lembar Kerja Ms.Excel

Gambar 3.3. Menu Start

 Setelah terbuka,berikut adalah tampilan SPSS 26

Gambar 3.4. Lembar Kerja SPSS 26

Gambar 3.5. Menu Start

 Setelah terbuka,berikut adalah tampilan MiniTab 16