Laporan Akhir Kelompok 44 - Tiara Feberyn

ACC KUMPUL
27/11/20 PKL 08.51 WIB

Tiara Feberyn
KARYA TULIS ILMIAH
LAPORAN AKHIR PRAKTIKUM
Laporan Ini Berguna untuk Memenuhi Mata Kuliah
Statistika Industri I
OLEH:
Kelompok 44
Anggota:
Rayhan Fadilla 1910931040
Ilham Alfitrah 1910932003
ASISTEN:
TIARA FEBERYN
LABORATORIUM PERENCANAAN DAN OPTIMASI SISTEM

INDUSTRI
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
2020
LEMBAR ASISTENSI LAPORAN
LAPORAN GABUNGAN
Kelompok : 44 C
Anggota : 1. Rayhan Fadilla (1910931040)
: 2. Ilham Alfitrah (1910932003)
Asisten Pembimbing : Tiara Feberyn (1710931006)
No. Hari, Tanggal Keterangan Paraf
1. Rabu, 25 November Revisi Awal Laporan Gabungan TF

2020
TF
2. Kamis, 26 November Perbaikan Laporan Akhir
2020 Praktikum
3. Jum’at, 27 Perbaikan Laporan Akhir

November 2020 Praktikum
TF
ACC Kumpul
Padang, 27 November 2020
Asisten Pembimbing
TF
Tiara Feberyn
(1710931006)
LEMBAR PENGESAHAN
LAPORAN AKHIR
PRAKTIKUM STATISTIKA INDUSTRI 1
Oleh:
KELOMPOK 44
Anggota:
Rayhan Fadilla 1910931040
Ilham Alfitrah 1910932003
Tanggal Penyerahan: November 2020
Diterima oleh Disetujui Oleh

Koordinator Asisten Asisten Pembimbing
TF
(Feby Gusti Dendra) (Tiara Feberyn)

Bp. 1710931024 Bp. 1710931006
Mengetahui
Koordinator Praktikum
(Reki Azura Pratama)

Bp. 1710932049
i
ABSTRACT
In everyday life, statistics are widely used to help solve problems appropriately
and easily understood. The existence of the Covid-19 pandemic problem has
resulted in many changes in society in various fields, especially in the social field,
therefore in module 1 the researcher entitled the Community's Daily Activity
Pattern during the Covid-19 Pandemic. Data collection in this study was carried out
by collecting data from the Indonesian people, especially the island of Sumatra, by
giving the questionnaire to all people by distributing it through social media. The
results of data processing, from 101 respondents, found that the longest time outside
the house is 12 hours, while the minimum time is 0 hours or not leaving the house.
The calculation of the probability is done through data processing regarding the
proportion of frequently leaving the house or not the respondent, it is found that the
opportunity for respondents to often leave the house is 32.60%. The relationship
between gender and the opportunity for the respondent to make direct contact
results in a dependent opportunity. Data processing is presented in the form of
histograms, ogives, box plots, line charts, frequency distribution tables, bar charts,
and venn diagrams presenting data about the activities carried out by the community
during the pandemic.
Research in module 2 regarding discrete and continuous probability
distributions is used to facilitate researchers in processing data obtained from
industrial statistics advisory assistants. Therefore this research is entitled High
School Student Data Probability (IPA) and Vehicle Data. Data for high school
students in Padang City can be calculated using the binomial distribution, geometric
distribution, and normal distribution, while vehicle data can be calculated using the
Poisson distribution and the exponential distribution. The results of data processing
for high school students in the city of Padang and vehicle data can be presented in
the form of PDF and CDF tables along with their graphics which can make it easier
to obtain information about theoretical data and empirical data.
The sampling distribution in module 3 with the data collection method in this
study is random data generated using Microsoft Excel with a total of 50,000 data.
The research was conducted on ruler thickness deviation data entitled Random Data
Sampling Distribution. The results showed that, random data that has been
generated can be calculated using the sampling distribution method. then analyzed
using the central limit theory approach and conclusions drawn.
Keywords: Distribution, Probability, Population, Sample, Sampling
ii
ABSTRAK
Dalam kehidupan sehari-hari statistika banyak digunakan untuk membantu

dalam menyelesaikan permasalahan dengan tepat dan mudah dipahami. Adanya
permasalahan pandemi Covid-19 mengakibatkan banyak hal yang berubah pada
masyarakat di berbagai bidang terutama di bidang sosial oleh karena itu pada
modul 1 peneliti memberi judul Pola Kegiatan Sehari-hari Masyarakat Pada Masa
Pandemi Covid-19. Pengumpulan data pada penelitian ini dilakukan dengan cara
mengumpulkan data dari masyarakat Indonesia khususnya Pulau Sumatera dengan
memberikan kuesioner tersebut kepada seluruh masyarakat dengan cara
menyebarkannya melalui sosial media. Hasil pengolahan data, dari 101 responden,
didapati waktu paling lama berada diluar rumah adalah selama 12 jam, sedangkan
waktu paling sedikit adalah 0 jam atau tidak keluar rumah. Perhitungan
probabilitas dilakukan melalui pengolahan data mengenai proporsi sering keluar
rumah atau tidaknya responden, didapat peluang responden sering keluar rumah
adalah 32,60%. Hubungan antara jenis kelamin dengan peluang responden
melakukan kontak langsung menghasilkan peluang tak bebas. Pengolahan data
disajikan dalam bentuk histogram, ogive, box plot, line chart, tabel distribusi
frekuensi, bar chart, dan diagram venn menyajikan data mengenai kegiatan yang
dilakukan masyarakat pada masa pandemi.
Penelitian pada modul 2 mengenai distribusi probabilitas diskrit dan
kontinu yang digunakan untuk mempermudah peneliti dalam melakukan
pengolahan data yang didapatkan dari asisten pembimbing statistika industri. Oleh
karena itu penelitian ini diberi judul Probabilitas Data Siswa SMA (IPA) dan Data
Kendaraan. Data siswa SMA di Kota Padang dapat dihitung menggunakan
distribusi binomial, distribusi geometrik, dan distribusi normal sedangkan data
kendaraan dapat dihitung mengguakan distribusi poisson dan distribusi
eksponensial. Hasil pengolahan data siswa SMA di Kota Padang dan data
kendaraan dapat di sajikan dalam bentuk tabel PDF dan CDF beserta grafiknya
yang dapat mempermudah dalam mendapatkan informasi mengenai data teoritis
dan data empiris.
Distribusi sampling pada modul 3 dengan metode pengumpulan data pada
penelitian ini yaitu data random yang dibangkitkan dengan menggunakan
Microsoft Excel dengan jumlah 50.000 data. Penelitian dilakukan terhadap data
penyimpangan ketebalan penggaris yang diberi judul Distribusi Sampling Data
Random. Hasil penelitian menunjukkan bahwa, data random yang telah
dibangkitkan dapat dihitung menggunakan metode distribusi sampling, Rata-rata
dengan menggunakan faktor koreksi (n = 200) dapat terdistribusi normal karena
rata-rata faktor koreksi tersebut telah mendekati 1 dan pengolahan data disajikan
dalam bentuk histogram yang kemudian dianalisis menggunakan pendekatan teori
limit pusat serta ditarik kesimpulannya.
Kata Kunci: Distribusi, Probabilitas, Populasi, Sampel, Sampling
iii
KATA PENGANTAR
Segala puji dan syukur tidak henti-hentinya kita panjatkan kehadirat Allah
SWT yang telah memberikan rahmat, nikmat dan anugerah-Nya sehingga laporan
praktikum statistika industri I ini dapat diselesaikan sebaik mungkin. Pada
penulisan laporan ini Penulis mengucapkan terima kasih yang sebesar-besarnya
kepada semua pihak yang telah banyak membantu dan membimbing penulis dalam
menyelesaikan laporan ini, terkhusus kepada:
1. Bapak Eri Wirdianto, M.Sc., selaku Kepala Laboratorium Perencanaan dan

Optimasi Sistem Industri dan selaku Dosen Pengampu Mata Kuliah
Statistika Industri I.
2. Tim Dosen Laboratorium Perencanaan dan Optimasi Sistem Industri.
3. Uda Feby Gusti Dendra selaku Koordinator Asisten Labor Perencanaan dan
Optimasi Sistem Industri.
4. Uda Reki Azura Pratama selaku Koordinator Praktikum Labor Perencanaan
dan Optimasi Sistem Industri.
5. Uni Tiara Feberyn selaku Asisten Pembimbing Laporan Gabungan.
6. Tim asisten Laboratorium Perencanaan dan Optimasi Sistem Industri.
7. Rekan-rekan mahasiswa Teknik Industri Fakultas Teknik Universitas
Andalas angkatan 2019.
Demikianlah laporan ini kami buat dengan sepenuh hati. Tidak lupa kritik
dan saran kami harapkan agar kedepannya laporan ini dapat menjadi lebih baik lagi.
Semoga laporan ini bisa bermanfaat bagi semua pihak yang membutuhkan dan
terkhusus bagi kami selaku penulis.
Penulis
iv
DAFTAR ISI
LEMBAR ASISTENSI
LEMBAR PENGESAHAN .................................................................................. i
ABSTRACT ........................................................................................................... ii
ABSTRAK ........................................................................................................... iii
KATA PENGANTAR ......................................................................................... iv
DAFTAR ISI ..........................................................................................................v
DAFTAR TABEL ............................................................................................... xi
DAFTAR GAMBAR ......................................................................................... xiii
DAFTAR LAMPIRAN .......................................................................................xv
MODUL 1 (STATISTIKA DESKRIPTIF DAN DASAR-DASAR PELUANG)
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah .................................................................. 2
1.2 Rumusan Masalah ........................................................................... 3
1.3 Tujuan Penelitian ............................................................................ 3
1.4 Manfaat Penelitian .......................................................................... 4
1.5 Batasan Masalah .............................................................................. 4
BAB II LANDASAN TEORI
2.1 Statistika ........................................................................................ 5
2.2 Populasi ......................................................................................... 5
2.3 Sampel ........................................................................................... 6
2.4 Parameter dan Statistik .................................................................. 6
2.5 Data ............................................................................................... 6
2.5.1 Data menurut sifatnya .......................................................... 7
2.5.2 Data menurut sumbernya ...................................................... 7
2.5.3 Data menurut cara perolehannya .......................................... 7
2.5.4 Data menurut waktu pengumpulan ...................................... 7
2.6 Klarifikasi dari Statistik ................................................................ 8
2.6.1 Bentuk Angka / Tabel .......................................................... 8
2.6.1.1 Ukuran Pemusatan ................................................... 8
2.6.1.2 Dispersi .................................................................. 10
v
2.6.2 Skewness ........................................................................... 12
2.6.3 Kurtosis ............................................................................. 12
2.6.4 Bentuk Gambar ................................................................. 13
2.7 Teori Probabilitas ........................................................................ 14
2.7.1 Eksperimen Acak .............................................................. 14
2.7.2 Ruang Sampel dan Titik Sampel ....................................... 15
2.7.3 Permutasi dan Kombinasi .................................................. 15
2.7.4 Kejadian ............................................................................ 16
2.7.5 Konsep Perumusan Probabilitas ....................................... 16
2.7.6 Teorema Bayes ................................................................. 16
BAB III METODE PENELITIAN
3.1 Jenis Penelitian ............................................................................ 17
3.2 Lokasi dan Waktu Penelitian ...................................................... 17
3.3 Populasi dan Sampel Penelitian ................................................... 18
3.4 Metode Pengumpulan Data ......................................................... 18
3.5 Teknik Analisis Data ................................................................... 18
BAB IV PENGOLAHAN DATA DAN ANALISIS
4.1 Pengolahan Data .......................................................................... 19
4.1.1 Proporsi Jenis Kelamin Responden ....................................19
4.1.2 Olah Data Usia Responden ................................................20
4.1.3 Olah Data Responden Sering Keluar Rumah pada Masa
Pandemi Covid-19 .............................................................21
4.1.4 Olah Data Responden Melakukan Kontak Langsung dengan
Orang Lain Pada Masa Pandemi Covid-19 .......................21
4.1.5 Olah Data Kegiatan Saat di Luar Rumah ...........................21
4.1.6 Olah Data Lama Waktu Responden di Luar pada Masa
Pandemi Covid-19 .............................................................22
4.1.7 Olah Data Kegiatan Responden Saat di Luar Rumah ........23
4.1.8 Olah Data Media Sosial yang Sering digunakan Responden
pada Masa Pandemi Covid-19 ...........................................23
4.2 Analisis ........................................................................................ 24
4.2.1 Proporsi Jenis Kelamin Responden ....................................24
vi
4.2.2 Usia Responden ..................................................................24
4.2.3 Peluang Responden Sering Keluar Rumah ........................26
4.2.4 Kegiatan Saat di Luar Rumah ............................................27
4.2.5 Lama Waktu Responden di Luar pada Masa Pandemi Covid-
19 .......................................................................................28
4.2.6 Media Sosial yang Sering digunakan .................................29
BAB V PENUTUP
5.1 Kesimpulan .................................................................................. 31
5.2 Saran ........................................................................................... 32
MODUL 2 (DISTRIBUSI VARIABEL RANDOM DISKRIT DAN KONTINU)
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah .............................................................. 34
1.2 Rumusan Masalah ....................................................................... 35
1.3 Tujuan Penelitian ........................................................................35
1.4 Manfaat Penelitian ......................................................................36
1.5 Batasan Masalah ..........................................................................36
2.1 Distribusi Bernoulli ..................................................................... 37
2.2 Distribusi Binomial ..................................................................... 37
2.3 Distribusi Multinomial ................................................................ 39
2.4 Distribusi Hipergeometrik ........................................................... 40
2.5 Distribusi Negatif Binomial ......................................................... 40
2.6 Distribusi Geometrik ................................................................... 41
2.7 Distribusi Poisson ........................................................................ 42
2.8 Distribusi Uniform Diskrit .......................................................... 43
2.9 Distribusi Uniform Kontinu ........................................................ 43
2.10 Distribusi Normal ........................................................................ 44
2.11 Distribusi Gamma ....................................................................... 44
2.12 Distribusi Exponensial ................................................................ 44
2.13 Distribusi Chi Square .................................................................. 45
2.14 Distribusi Beta ............................................................................ 45
2.15 Distribusi Log Normal ................................................................ 46
vii
2.16 Distribusi Weibull ....................................................................... 47
3.1 Jenis Penelitian ............................................................................ 48
3.2 Lokasi dan Waktu Penelitian ....................................................... 48
3.3 Populasi dan Sampel Penelitian .................................................. 48
3.4 Metode Pengumpulan Data ......................................................... 49
3.5 Teknik Analisis Data ................................................................... 49
4.1 Pengolahan Data ......................................................................... 50
4.1.1 Distribusi Binomial ............................................................ 50
4.1.2 Distribusi Poisson .............................................................. 52
4.1.3 Distribusi Geometrik .......................................................... 54
4.1.4 Distribusi Normal ............................................................... 56
4.1.5 Distribusi Eksponensial ...................................................... 57
4.2 Analisis ........................................................................................ 59
4.2.1 Distribusi Binomial ............................................................ 59
4.2.2 Distribusi Poisson .............................................................. 59
4.2.3 Distribusi Geometrik .......................................................... 60
4.2.4 Distribusi Normal ............................................................... 62
4.2.5 Distribusi Eksponensial ...................................................... 63
BAB V PENUTUP
5.1 Kesimpulan ................................................................................... 65
5.2 Saran ............................................................................................. 65
MODUL 3 (DISTRIBUSI SAMPLING)
BAB I PENDAHULUAN
1.1 Latar Belakang .............................................................................. 67
1.2 Rumusan Masalah ........................................................................68
1.3 Tujuan Penelitian ..........................................................................68
1.4 Manfaat Penelitian ........................................................................ 68
1.5 Batasan Masalah ...........................................................................69
2.1 Sampel ..........................................................................................70
viii
2.2 Populasi ........................................................................................70
2.3 Sampel Acak .................................................................................71
2.4 Parameter dan Statistik .................................................................71
2.5 Distribusi Sampling .......................................................................72
2.6 Metode Penarikan Sampel ............................................................73
2.6.1 Sampling Non-Probabilitas .................................................. 74
2.6.1.1 Convenience Sampling ............................................. 74
2.6.1.2 Judgment Sampling .................................................. 74
2.6.1.3 Quota Sampling ........................................................ 74
2.6.2 Sampling Probabilitas ...........................................................75
2.6.2.1 Simple Random Sampling..........................................75
2.6.2.2 Stratified Sampling ................................................... 75
2.6.2.3 Cluster Sampling ...................................................... 75
2.6.2.4 Sistematik Sampling ................................................. 76
2.6.2.5 Area Sampling ..........................................................76
2.7 Distribusi Sampling Rata-Rata .....................................................76
2.8 Distribusi Sampling Proporsi ........................................................77
2.9 Distribusi Sampling Beda Rata-Rata ............................................78
2.10 Distribusi Sampling Beda Proporsi................................................78
2.11 Teorema Limit Pusat (Central Limit Theorem) ............................79
2.12 Standar Error .................................................................................80
3.1 Jenis ..............................................................................................81
3.2 Lokasi dan Waktu Penelitian ........................................................81
3.3 Populasi dan Sampel Penelitian .....................................................81
3.4 Metode Pengumpulan Data ...........................................................82
3.5 Teknik Analisis Data .....................................................................82
4.1 Pengumpulan Data .........................................................................83
4.2 Pengolahan Data ...........................................................................83
4.2.1 Langkah-Langkah Membangkitkan Data ..............................84
4.2.1.1 Memunculkan Data Analysis ...................................84
ix
4.2.1.2 Membangkitkan Data ...............................................86
4.2.1.3 Memunculkan Histogram Distribusi Uniform ..........87
4.2.1.4 Memunculkan Histogram Distribusi Normal ...........89
4.2.2 Perhitungan Distribusi Sampling Rata-Rata .........................91
4.2.3 Perhitungan Faktor Koreksi .................................................92
4.3 Analisis Data ................................................................................93
4.3.1 Analisis Sampling Distribusi Uniform .................................. 93
4.3.2 Analisis Sampling Distribusi Normal ...................................94
4.3.3 Analisis Perhitungan Distribusi Sampling Rata-Rata ...........95
4.3.4 Analisis Perhitungan Faktor Koreksi ....................................95
BAB V PENUTUP
5.1 Kesimpulan ....................................................................................96
5.2 Saran ..............................................................................................96
DAFTAR PUSTAKA
LAMPIRAN
BIODATA PENELITI
x
DAFTAR TABEL
Tabel 1.4.1 Proporsi Jenis Kelamin Responden ............................................... 19

Tabel 1.4.2 Ukuran Pemusatan dan Penyebaran Data Usia Responden ........... 20
Tabel 1.4.3 Distribusi Frekuensi Usia Responden ........................................... 20
Tabel 1.4.4 Ukuran Keragaman Data ............................................................... 20
Tabel 1.4.5 Peluan Responden Sering Keluar Rumah pada Masa Pandemi
Covid-19 ........................................................................................ 21
Tabel 1.4.6 Peluang tak bebas Responden Melakukan Kontak Langsung dengan
Orang Lain Pada Masa Pandemi Covid-19 .................................... 21
Tabel 1.4.7 Kegiatan Saat di Luar Rumah ....................................................... 21
Tabel 1.4.8 Ukuran Pemusatan dan Penyebaran Data Lama Responden Saat di
Luar Rumah ................................................................................... 22
Tabel 1.4.9 Distribusi Frekuensi Lama Responden di Luar Rumah ................. 22
Tabel 1.4.10 Ukuran Keragaman Data Lama Responden di Luar Rumah ......... 22
Tabel 1.4.11 Kegiatan Saat di Luar Rumah ........................................................ 23
Tabel 1.4.12 Media Sosial yang Sering digunakan ............................................ 23
Tabel 1.4.13 Lama Penggunaan Media Sosial dibandingkan dengan Sebelum
Pandemi Covid-19 ......................................................................... 23
Tabel 2.4.1 Probabilitas Masing-masing Trial ................................................. 50
Tabel 2.4.2 Parameter Distribusi Binomial ...................................................... 51
Tabel 2.4.3 Data Pengolahan secara Teoritis Distribusi Binomial ................... 51
Tabel 2.4.4 Data Pengolahan secara Empiris Distribusi Binomial .................. 51
Tabel 2.4.5 Parameter Statistik Kendaraan ...................................................... 52
Tabel 2.4.6 Perbandingan Distribusi Poisson dan Distribusi Normal .............. 53
Tabel 2.4.7 Probabilitas Masing-masing Trial ................................................. 54
Tabel 2.4.8 Parameter Distribusi Geometrik .................................................... 54
Tabel 2.4.9 Data Pengolahan secara Empiris dan Teoritis Distribusi Geometrik
...................................................................................................... 55
Tabel 2.4.10 Parameter Distribusi Normal ......................................................... 56
Tabel 2.4.11 Data Pengolahan secara Empiris dan Teoritis Distribusi Normal . 56
Tabel 2.4.12 Distribusi Statistik Kendaraan ....................................................... 57
xi
Tabel 2.4.13 Data Pengolahan secara Empiris dan Teoritis Distribusi
Eksponensial ................................................................................. 58
Tabel 3.2.1 Perbedaan Parameter dan Statistik ................................................. 72
Tabel 3.4.2 Perbandingan Mean dan Standar Deviasi Populasi dan Sampel .... 83
xii
DAFTAR GAMBAR
Gambar 1.4.1 Pie Chart Proporsi Jenis Kelamin Responden ............................ 24

Gambar 1.4.2 Histogram Usia Responden.......................................................... 24
Gambar 1.4.3 Ogive Usia Responden ................................................................ 25
Gambar 1.4.4 Box Plot Usia Responden ............................................................ 25
Gambar 1.4.5 Diagram Venn Peluang Responden Keluar Rumah ..................... 26
Gambar 1.4.6 Diagram Venn Hubungan antara Responden Melakukan Kontak
Langsung dengan Jenis Kelamin ................................................ 26
Gambar 1.4.7 Diagram Venn Kegiatan Saat di Luar Rumah ............................. 27
Gambar 1.4.8 Histogram Lama Responden Saat di Luar Rumah ...................... 28
Gambar 1.4.9 Ogive Lama Responden Saat di Luar Rumah .............................. 28
Gambar 1.4.10 Box Plot Lama Responden Saat di Luar Rumah ......................... 28
Gambar 1.4.11 Line Chart Lama Kegiatan di Luar Rumah ................................. 29
Gambar 1.4.12 Bar Chart Media Sosial yang Sering digunakan ......................... 29
Gambar 1.4.13 Pie Chart Lama Penggunaan Media Sosial dibandingkan dengan
Sebelum Pandemi Covid-19 ....................................................... 30
Gambar 2.4.1 Bar-Chart PMF Distribusi Poisson dan Distribusi Normal......... 59
Gambar 2.4.2 Line-Chart CDF Distribusi Poisson dan Distribusi Normal ....... 60
Gambar 2.4.3 Bar-Chart PMF Distribusi Geometrik......................................... 61
Gambar 2.4.4 Line-Chart CDF Distribusi Geometrik ........................................ 61
Gambar 2.4.5 Bar-Chart PMF Distribusi Normal.............................................. 62
Gambar 2.4.6 Line-Chart CDF Distribusi Normal ............................................. 63
Gambar 2.4.7 Bar-Chart PMF Distribusi Eksponensial..................................... 63
Gambar 2.4.8 Line-Chart CDF Distribusi Eksponensial ................................... 64
Gambar 3.4.1 Tampilan Awal Microsoft Excel .................................................. 84
Gambar 3.4.2 Tampilan dari Options ................................................................. 85
Gambar 3.4.3 Tampilan Add-ins.........................................................................85
Gambar 3.4.4 Tampilan Letak Data Analysis ....................................................86
Gambar 3.4.5 Tampilan Tool Data Analysis ......................................................86
Gambar 3.4.6 Tampilan Random Number Generation ......................................87
Gambar 3.4.7 Tampilan Data Random ...............................................................87
xiii
Gambar 3.4.8 Tampilan Tool ‘Data Analysis’ Histogram Distribusi Uniform
..................................................................................................... 88
Gambar 3.4.9 Tampilan Input Data Histogram Distribusi Uniform ..................88
Gambar 3.4.10 Tampilan Histogram Distribusi Uniform .....................................89
Gambar 3.4.11 Tampilan Data Random dengan Rata-rata Subgrup ....................89
Gambar 3.4.12 Tampilan Tool ‘Data Analysis’ Histogram Distribusi Normal....90
Gambar 3.4.13 Tampilan Input Data Histogram Distribusi Normal ....................90
Gambar 3.4.14 Tampilan Histogram Distribusi Normal ......................................91
Gambar 3.4.15 Histogram Distribusi Uniform .....................................................93
Gambar 3.4.16 Histogram Distribusi Normal ......................................................94
xiv
DAFTAR LAMPIRAN
Lampiran A Data Modul 1

Lampiran A.1 Data Kuesioner
Lampiran A.2 Lembar Asistensi Modul 1
Lampiran B Data Modul 2

Lampiran B.1 Data Siswa SMA di Kota Padang
Lampiran B.2 Data Kendaraan
Lampiran C Data Modul 3

Lampiran C.1 Bin dan Frekuensi Uniform
Lampiran C.2 Bin dan Frekuensi Normal
xv
MODUL 1
STATISTIKA DESKRIPTIF DAN DASAR-

DASAR PELUANG
BAB I
PENDAHULUAN
Bab ini berisikan tentang latar belakang masalah, rumusan masalah, tujuan
penelitian, manfaat penelitian, dan batasan masalah dari penelitian.
1.1 Latar Belakang
Organisasi Kesehatan Dunia (WHO) menyatakan virus corona (Covid-19)

dapat dikategorikan sebagai sebuah pandemi karena telah menyebar semakin
luas ke seluruh dunia. Bahkan, WHO menyatakan Covid-19 sebagai Virus Corona
pertama yang melahirkan pandemi. Covid-19 pertama muncul di Cina sejak
November 2019, sedangkan di Indonesia sendiri, kasus pertama Covid-19 terjadi
pada akhir awal Maret. Barulah pada 31 Maret 2020, Presiden Joko Widodo
menandatangani Peraturan Pemerintah No 21 Tahun 2020, yang mengatur
pembatasan sosial berskala besar sebagai respon untuk mengatasi kasus Covid-19
agar tidak semakin menyebar pada masyarakat.
Sejak adanya pandemi Covid-19 banyak hal yang berubah pada masyarakat
di berbagai bidang. Hal ini disebabkan oleh peraturan pemerintah tersebut dimana
masyarakat diminta agar seminimal mungkin menghindari kontak sesama manusia.
Perubahan yang paling dirasakan adalah pada bidang sosial, salah satu contohnya
adalah berkurangnya interaksi sosial antar masyarakat karena masyarakat lebih
memilih untuk mengurung diri di rumah.
Ini berdampak kepada pola kegiatan sehari-hari masyarakat baik di dalam

rumah maupun di luar rumah. Di dalam rumah masyarakat akan lebih aman dari
penyebaran Covid-19 sedangkan diluar rumah masyarakat wajib memakai masker,
menjaga jarak, menjaga kebersihan, dkk serta lebih besar terpapar Covid-19.
Adanya Covid-19 ini menyebabkan masyarakat jadi takut untuk keluar rumah
walaupun itu adalah urusan penting seperti membeli kebutuhan sehari-hari.
Pada praktikum kali ini, akan dilakukan pengolahan data menggunakan
metode statistika deskriptif dan dasar-dasar peluang. Data diambil dari kuesioner
yang diperoleh dari masyarakat dengan pola kegiatan sehari-hari pada masa
pandemi Covid-19. Hal inilah yang melatar belakangi pembuatan laporan ini, yaitu
untuk mengetahui pengaruh pandemi Covid-19 ini terhadap Kegiatan Sehari-hari
masyarakat.
1.2 Rumusan Masalah
Adapun rumusan masalah dari laporan ini adalah:
1. Bagaimana rentang umur masyarakat yang sering keluar rumah selama

pandemi Covid-19?
2. Bagaimana pengolahan data statistika deskriptif dari data yang di peroleh?
3. Bagaimana bentuk tabel dan bentuk diagram dari pengolahan data yang
diperoleh dari kuesioner?
4. Bagaimana dengan probalitas dari data yang diperoleh dari kuesioner?
1.3 Tujuan Penelitian
Tujuan penelitian ini adalah sebagai berikut:
1. Untuk mengetahui rentang umur masyarakat yang sering keluar rumah

selama pandemi Covid-19
2. Untuk mengetahui pengolahan data statistika deskriptif berdasarkan data
yang diperoleh dari kuesioner
3. Untuk mengetahui bentuk tabel dan bentuk diagram dari pengolahan data
yang diperoleh dari kuesioner
4. Untuk mengetahui probalitas dari data diperoleh dari kuesioner
3
1.4 Manfaat Penelitian
Manfaat penelitian laporan ini adalah sebagai berikut:
1. Melalui laporan ini dapat menambah wawasan, kemampuan serta

bermanfaat dalam pembelajaran dengan menggunakan ilmu statistika
deskriptif dan dasar-dasar peluang.
2. Melalui laporan ini diharapakan masyarakat sadar akan pentingnya pola
kegiatan sehari-hari dengan menerapkan protokol kesehatan Covid-19.
3. Hasil penelitian dapat dijadikan evaluasi untuk mencari solusi dalam
meningkatkan pola kegiatan masyarakat dirumah mauun di luar rumah.
1.5 Batasan Masalah
Batasan masalah dari penulisan laporan ini adalah
1. Topik laporan ini adalah Sosial dengan judul “Pola Kegiatan Sehari-hari
Masyarakat pada Masa Pandemi Covid-19”.
2. Data penelitian ini diambil dengan mengisi kuesioner G-Form yang di isi
oleh masyarakat dan disebarkan melalui social media dengan jumlah
minimal 100 responden.
3. Data yang diambil berupa pola kegiatan sehari-hari dirumah dan diluar
rumah serta media sosial apa yang sering digunakan pada saat pandemi
Covid-19
4
BAB II
LANDASAN TEORI
Bab ini menjelaskan tentang landasan-landasan teori yang digunakan dalam

penelitian ini.
2.1 Statistika
Statistik adalah ilmu dan seni pengembangan dan penerapan metode yang
paling efektif untuk mengumpulkan, mentabulasi, serta menginterpretasikan data
kuantitatif sedemikian rupa sehingga kemungkinan salah dalam kesimpulan dan
estimasi dapat diperkirakan dengan menggunakan penalaran induktif berdasarkan
matematika probabilitas.[4]
2.2 Populasi
Populasi didefinisikan sebagai kumpulan dari semua individu atau unsur

sejenis, namun dapat dibedakan satu sama lain karena memiliki sifat atau ciri-ciri
yang berbeda. Populasi selalu menunjukkan target penyelidikan. Jumlah populasi
bisa berhingga ataupun berupa hipotesis (abstrak). Contoh populasi berhingga
adalah populasi jumlah mahasiswa UNS yang berumur antara 18 hingga 22 tahun,
sedangkan contoh populasi hipotesis adalah populasi produksi bola lampu dari
suatu pabrik yang dihasilkan oleh alat, bahan dan cara yang sama dari tahun ke
tahun. Akibatnya bola lampu yang akan di produksi di masa mendatang merupakan
populasi hipotesis.[7]
2.3 Sampel
Sampel merupakan bagian dari populasi dan mampu mencerminkan

karakteristik populasinya. Suatu sampel yang tidak representatif terhadap setiap
anggota populasi, berapapun ukuran sampel itu, tidak dapat digeneralisasikan untuk
menjelaskan sifat populasi dimana sampel itu diambil.[9]
2.4 Parameter dan Statistik
Parameter dan Statistik Parameter merupakan ukuran yang berlaku pada

populasi, sedangkan statistik merupakan ukuran yang berkenaan dengan sampel.
Asumsi dasar dalam analisis data harus dipenuhi sebelum menguji hipotesis.
Pertama, data berdistribusi normal. Kedua, data yang diuji berasal dari populasi
atau sampel. Statistik yang tepat untuk menguji hipotesis tentang parameter
populasi disebut statistik parametrik. Jika parameter diuji berdasarkan data sampel,
maka statistik yang digunakan adalah statistik inferensial (statistik induktif).
Statistik parametrik didasarkan pada asumsi populasi atau sampel harus
berdistribusi normal, dipilih secara acak (random), mempunyai hubungan yang
linier, dan data bersifat homogen. Statistik parametrik lebih banyak bekerja dengan
data interval dan rasio (perbandingan). Pasangan dari statistik parametrik adalah
statistik non parametrik. Statistik non parametrik tidak menganut asumsi bahwa
data populasi atau sampel harus berdistribusi normal, dipilih secara acak,
mempunyai hubungan yang linier, dan data bersifat homogen. Sehingga statistik
parametrik disebut statistik bebas distribusi. Statistik non parametrik lebih banyak
bekerja dengan data ordinal dan nominal.[2]
2.5 Data
Data adalah segala fakta atau keterangan tentang sesuatu yang dapat
dijadikan bahan untuk menyusun informasi. Data dan informasi adalah dua hal yang
6
berbeda. Informasi adalah berita yang merupakan hasil pengolahan data yang dipkai
untuk suatu keperluan.[5]
Data dapat dikelompokkan dalam beberapa golongan antara lain menurut

sifatnya, menurut sumbernya, menurut cara perolehannya dan menurut waktu
pengumpulannya.
2.5.1 Data Menurut Sifatnya
Dibedakan atas dua yaitu pertama data kualitatif adalah data yang tidak
dalam bentuk angka (non-numerik). Dan yang kedua yaitu data kuantitatif adalah
data yang dalam bentuk angka.
2.5.2 Data Menurut Sumbernya
Mengacu pada sumber perolehannya. Data eksternal adalah data yang

bersumber dari luar organisasi atau kelompok. Data internal adalah data yang
bersumber dari kegiatan atau keadaan suatu organisasi atau kelompok.
2.5.3 Data Menurut Cara Perolehannya
Dibedakan atas data primer dan data sekunder. Data primer adalah data yang
didapatkan atau diolah sendiri oleh organisasi atau perorangan langsung dari
objeknya. Data sekunder adalah data yang diperoleh dalam bentuk jadi dan diolah
oleh pihak lain, yang biasanya dalam bentuk publikasi.
2.5.4 Data Menurut Waktu Pengumpulan
Berdasarkan waktu pengumpulannya data dibedakan menjadi menjadi dua

yaitu pertama cross section adalah data yang dikumpulkan dalam suatu periode
tertentu dan yang kedua data berkala (time series) adalah data yang dikumpulkan
dari waktu ke waktu.[5]
7
2.6 Klasifikasi dari Statistik
Metode statistik sendiri dapat digolongkan menjadi dua, yaitu statistika

deskripitif dan statistika inferensial. Statistika deskriptif membahas cara-cara
pengumpulan, peringkasan, penyajian data sehingga diperoleh informasi yang lebih
mudah dipahami. Sedangkan statistika inferensial membahas mengenai cara
menganalisis data serta mengambil kesimpulan (berkaitan dengan estimasi
parameter dan pengujian hipotesis). Metode ini sering disebut statistika induktif
karena kesimpulan yang ditarik didasarkan pada informasi dari sebagian data saja
(sampel).[5]
Penyajian data pada statistika dapat berupa bentuk tabel dan dalam bentuk
gambar atau diagram.
2.6.1 Bentuk Angka atau Tabel
Data angka atau tabel memiliki beberapa karatkteristik yang dapat diambil
dari data, yaitu:
2.6.1.1 Ukuran Pemusatan
Ukuran pemusatan data adalah ukuran yang dapat memberikan informasi

tentang bagaimana data-data ini mengumpul atau memusat. Terdapat tiga ukuran
pemusatan data yaitu mean, median dan modus.[6]
1. Mean
Mean adalah nilai ata-rata yang didapat dari hasil penjumlahan seluruh nilai
dari masing-masing data, kemudian dibagi dengan banyaknya data yang ada.
Mean untuk data tunggal
∑ni-1 Xi
x̅= …(1)
n
8
Mean untuk data perkelompok
∑ni-1 fi Xi
x̅= …(2)
n
Keterangan:
̅
X = mean
Xi = data ke-i
n = jumlah data
fi = frekuensi kelas ke-i
2. Median
Median adalah nilai tengah dari kumpulan data yang telah diurutkan, jika
jumlah data ganjil maka nilai median adalah satu nilai yang berada ditengah urutan,
namun jika jumlah data genap maka median-nya adalah hasil penjumlahan dua nilai
yang berada ditengah urutan data, kemudian hasilnya dibagi dua.
n
-∑f
Me = Bb + (2 F ) c …(3)
Keterangan:
Me = median
Bb = batas bawah kelas median
n = jumlah data
fk = jumlah frekuensi semua kelas sebelum kelas median
f = frekuensi kelas median
c = panjang kelas
3. Modus
Modus adalah data atau nilai yang paling sering muncul atau yang memiliki
jumlah frekuensi terbanyak. Modus dilambangkan Mo.[6]
f1
Mo = Bb + f1+f2 c …(4)
9
Keterangan:
Mo = modus
Bb = batas bawah kelas modus
f1 = frekuensi kelas modus dikurangi frekuensi kelas sebelum
f2 = frekuensi kelas modus dikurangi frekuensi kelas sesudah
c = panjang kelas
2.6.1.2 Dispersi
Ukuran dispersi merupakan ukuran tentang derajat pemencaran di mana

terdapat kecenderungan bagi setiap nilai variabel untuk berpencar di sekitar nilai
rata-rata. Dispersi merupakan suatu karakteristik yang selalu harus diperhitungkan
di dalam menganalisis data dalam sebuah frekuensi distribusi. Ukuran dispersi
dimaksudkan untuk mengetahui apakah pemencaran dari nilai-nilai variabel di
sekitar rata-rata itu sifatnya kompak atau menyebar.[1]
1. Jangkauan antar kuartil

Jangkauan antar kuartil adalah selisih dari nilai kuartil ketiga dan kuartil
pertama. Berikut rumus dari jangkauan antar kuartil:
R=Q3 -Q1 …(5)
Keterangan:
R = Jangkauan antar kuartil
Q3 = Kuartil kelas ketiga
Q1 = Kuartil kelas pertama
2. Standar deviasi
Standar deviasi atau simpangan baku merupakan salah satu cara mengukur
variasi sekelompok data kuantitatif. Besar harga standar deviasi menunjukkan
tingkat varians dari sekumpulan data. Semakin besar harga standar deviasi, berarti
semakin bervariasi atau heterogen angka-angka pada data kuantitatif tersebut.
10
∑ni-1 ( Xi-X
̅ )2
S=√ …(6)
n
Keterangan:
S = standar deviasi atau simpangan baku
Xi = nilai tengah
̅
X = rata-rata
n = jumlah data
3. Variansi
Variansi adalah rata-rata kuadrat deviasi data observasi terhadap rerata-nya.
Variansi data populasi dilambangkan dengan 2 (dibaca: sigma kuadrat),
sedangkan variansi data sampel dilambangkan dengan s².[8]
n ̅ )2
(Xi - X
S2 = ∑ …(7)
i=1 n
Keterangan:
S2 = variansi
Xi = nilai tengah
̅
X = rata-rata
n = banyak data
2.6.2 Skewness
Kemiringan (skewness) adalah derajat ketidak simetrisan atau

penyimpangan dari kesimetrisan sebuah distribusi. Distribusi yang tidak simetris
akan memiliki rata-rata mean, median, dan modus yang tidak sama besarnya.
Ukuran kemiringan adalah ukuran yang menyatakan sebuah model distribusi yang
mempunyai kemiringan tertentu. Apabila diketahui besarnya nilai ukuran ini maka
dapat diketahui pula bagaimana model distribusinya, apakah distribusi itu simetrik,
positif, atau negatif.[8]
11
2.6.3 Kurtosis
Ukuran peruncingan (kurtosis) merupakan ukuran tentang derajat

peruncingan dari sebuah sebaran. Dua buah sebaran dapat memiliki rata-rata yang
sama, tetapi yang satu dapat lebih runcing dibandingkan yang lain. Derajat
peruncingan sebuah sebaran dapat dibedakan dalam 3 (tiga) jenis yaitu:
1. Leptokurtic, apabila puncak sebaran adalah runcing. Distribusi leptokurtic

(runcing) adalah α4 > 3
2. Mesokurtic, apabila puncak sebaran adalah normal. Distribusi mesokurtic
(runcing) adalah α4 = 3
3. Platykurtic, apabila puncak sebaran adalah datar. Distribusi platykurtic
(runcing) adalah α4 < 3.[1]
2.6.4 Bentuk Gambar
Ada beberapa cara menampilkan data dalam bentuk gambar atau bentuk
grafik, yaitu:
1. Histogram
Histogram adalah grafik distribusi suatu variabel dengan tampilan balok-
balok. Histogram berupa sekumpulan persegi panjang dengan alas pada sumbu X,
pusat alasnya adalah tanda kelas dan lebar alasnya adalah lebar kelas interval.
Tinggi merupakan frekuensi pada kelas yang bersangkutan.
2. Poligon
Poligon merupakan grafik garis yang mengaitkan frekuensi kelas dengan
tanda kelas. Grafik dapat digambarkan dengan menghubungkan garis lurus yang
melalui titik-titik pasangan frekuensi kelas dan titik tengah (tanda) interval kelas.
12
3. Ogive
Ogive adalah grafik yang digambarkan berdasarkan data yang sudah disusun
dalam bentuk tabel distribusi frekuensi kumulatif. Untuk data yang disusun dalam
bentuk tabel distribusi frekuensi kumulatif kurang dari, grafiknya berupa ogive
positif, sedangkan untuk data yang disusun dalam bentuk tabel distribusi frekuensi
kumulatif lebih dari, grafiknya berupa ogive negatif.
4. Diagram Lingkaran
Diagram lingkaran digunakan untuk penyajian data berbentuk kategori
dinyatakan dalam bentuk persentase. Frekuensi pada diagram batang dapat
dinyatakan dalam bentuk ukuran sudut dari lingkaran.
5. Diagram aun-Batang
Diagram daun-batang adalah penyajian dari suatu data sehingga secara
keseluruhan data individu-individu dapat terlihat apakah ada kecenderungan data
tersebut menyebar atau memusat pada suatu nilai tertentu.
6. Boxplot
Box plot menampilkan data dalam bentuk diagram yang terdiri dari kotak
dan garis. Metode untuk menggambarkan kelompok data numerik secara grafis
melalui kuartil dalam bentuk kotak yang dihubungkan.[8]
2.7 Teori Probabilitas
Berikut ini akan dijelaskan dasar-dasar peluang berdasarkan beberapa aspek

yaitu:
2.7.1 Eksperimen Acak
Eksperimen merupakan bagian yang penting dalam bidang sains dan

engineering. Eksperimen bermanfaat karena peneliti dapat mengasumsikan bahwa
13
jika melakukan percobaan atau eksperimen tertentu dalam kondisi yang kurang
lebih identik maka hasil yang diperoleh juga hampir sama.[3]
Contoh eksperimen acak adalah sebagai berikut. Jika sebuah dadu dilempar
ke atas, maka kemungkinan mata dadu yang muncul adalah 1, 2, 3, 4, 5 atau 6.
Percobaan pelemparan sebuah koin. Setelah koin dilempar dan jatuh, maka
kemungkinan yang muncul adalah “Gambar” atau “Angka”. ika duah koin
dilempar keatas maka kemungiinannya adalah: AA, AG, GG, GA. Suatu pabrik
memproduksi sejenis produk kesehatan. Kemungkinan produk yang dihasilkan
adalah produk yang “cacat” dan “tidak cacat”.[3]
2.7.2 Ruang Sampel dan Titik Sampel
Ruang sampel yang dilambangkan dengan S (set) merupakan himpunan dari

semua hasil yang mungkin terjadi dari eksperimen acak. Setiap hasil ekperimen
atau kemungkinan-kemungkinan yang akan muncul dalam ruang sampel disebut
sebagai titik sampel. Sehingga titik sampel merupakan unsur atau anggota dari
ruang sampel. [3]
2.7.3 Permutasi dan Kombinasi
Permutasi merupakan susunan dari suatu himpunan obyek yang dapat

dibentuk yang memperhatikan urutan, sedangkan kombinasi merupakan susunan
dari suatu himpunan obyek yang dapat dibentuk tanpa memperhatikan urutan.
Banyaknya permutasi n obyek berlainan adalah n! (n faktorial) atau
n.(n-1).(n- 2)…2 . 1 …(8)
Banyaknya permutasi n obyek berlainan bila diambil r sekaligus adalah:
n!
Pnr = (n-r)! …(9)
14
Sedangkan banyaknya permutasi n benda berlainan yang disusun melingkar
yaitu:
(n- 1)! …(10)
Sementara itu jumlah kombinasi dari n obyek yag berlainan jika diambil
sebanyak r adalah:
n!
Cnr = r!(n-r)! …(11)
2.7.4 Kejadian
Kejadian merupakan salah satu sub himpunan (subset dari ruang sampel
atau biasa disebut sebagai himpunan bagian dari ruang sampel. Kejadian
dilambangkan dengan himpunan A dimana anggota-anggota dari A adalah titik
sampel.
2.7.5 Konsep dan Perumusan Probabilitas
Dalam eksperimen acak selalu ada ketidakpastian mengenai apakah suatu

kejadian khusus akan atau tidak akan terjadi. Untuk memudahkan dalam mengukur
peluang atau probabilitas atas kejadian khusus tersebut, dimana dengan ukuran ini
seorang peneliti dapat mengharapkan munculnya kejadian, maka probabilitas
dinyatakan dalam angka pecahan antara 0 sampai 1 atau dalam persentase.
Probabilitas 0 atau 0% dimana semakin mendekati 0 atau nilai semakin kecil maka
kemungkian munculnya peluang semakin sedikit atau bahkan tidak akan terjadi.
Probabilitas 1 atau 100% artinya semakin besar kemungkinan terjadinya suatu event
atau bahkan pasti terjadi.[3]
15
Rumus untuk probabilitas dapat dinyatakan sebagai berikut:
jumlah kemungkinan hasil (peristiwa)

Probabilitas = …(12)
jumlah total kemungkinan hasil
2.7.6 Teorema Bayes
Bila B1, B2, B3, …, Bn adalah kejadian saling lepas (saling meniadakan)
dalam ruang sampel S dan A kejadian lain sembarang dalam S, maka probabilitas
kejadian bersyarat Bi | A dapat dirumuskan:
P(Bi∩A) P(Bi|A)P(A)
P(Bi|A)= = ∑n …(13)
P(A) i=1 P( Bi|Ai)P(Ai)
Bila A1, A2, A3, ..., An adalah kejadian saling lepas saling meniadakan
dalam ruang sampel S dan B kejadian lain sembarang dalam S, maka probabilitas
kejadian bersyarat Ai | B dapat dirumuskan:
P(Ai∩B) P(Ai|B)P(B)
P(Ai|B)= = ∑n …(14)
P(B) i=1 P( Ai|Bi)P(Bi)
16
BAB III
METODE PENELITIAN
Bab ini berisikan metode penelitian, diantaranya jenis penelitian, lokasi dan
waktu penelitian, populasi dan sampel penelitian, metode pengumpulan data dan
teknik analisis data.
3.1 Jenis Penelitian
Pada Jenis penelitian yang kami lakukan pada kali ini berupa penelitian
deskriptif dan survei. Metode deskriptif merupakan metode yang dilakukan dengan
mendeskripsikan masalah yang terjadi, dalam kasus yaitu dengan pola kehidupan
masyarakat sehari-hari pada masa pandemi Covid-19. Penelitian survei ini
dilakukan dengan pengisian kuesioner secara online oleh masyarakat Indonesia
khususnya masyarakat yang berada di Pulau Sumatera serta dibagikan kepada
masyarakat tersebut dengan cara menggunakan sosial media.
3.2 Lokasi dan Waktu Penelitian
Pada bagian ini berisikan lokasi dan waktu penelitian yang dilakukan oleh
peneliti. Penelitian kali ini dilakukan secara daring untuk mendapatkan data sebagai
bahan yang akan diteliti, lokasi penelitian yaitu seluruh wilayah Indonesia,
terkhusus Pulau Sumatera. Sedangkan waktu penelitianya dilaksanakan sejak
tanggal 10 September 2020 sampai dengan 16 September 2020.
3.3 Populasi dan Sampel Penelitian
Pada bagian ini berisikan populasi dan sampel penelitian yang pratikan
ambil pada penelitian ini. Populasi yang diambil praktikan pada penelitian kali ini
adalah seluruh masyarakat Indonesia khususnya Pulau Sumatera dengan sampel
penelitian yang diambil dari seluruh masyarakat yang telah mengisi kuesioner yang
telah praktikan buat sebagai data yang menggambarkan keseluruhan dari populasi.
3.4 Metode Pengumpulan Data
Pada bagian ini metode pengumpulan data yang kami lakukan yaitu dengan
mengumpulkan data dari masyarakat Indonesia khususnya Pulau Sumatera dengan
memberikan kuesioner tersebut kepada seluruh masyarakat dengan cara
menyebarkannya melalui social media. Masyarakat mengisi kuesioner secara
pribadi yang berisikan pertanyaan mengenai data pribadi si pengisi kuesioner dan
pertanyaan terhadap pola kegiatan sehari-hari dirumah maupun diluar rumah pada
masa pandemi Covid-19.
3.5 Teknik Analisa Data
Teknik analisis data yang digunakan pratikan pada laporan ini adalah
dengan menggunakan analisis statistika deskriptif serta dasar-dasar peluang. Data-
data yang telah didapatkan dari pengisian kuesioner kemudian dikelompokan agar
mudah dipahami. Kemudian data yang ada akan disajikan dalam bentuk tabel dan
bentuk gambar.
18
BAB IV
PENGOLAHAN DATA DAN ANALISIS
Bab ini berisikan pengolahan dan analisis data menggunakan statistika

deskriptif dan dasar-dasar peluang.
4.1 Pengolahan Data
Subbab ini berisikan data yang telah diolah berdasarkan hasil dari kuesioner
yang telah diisi oleh responden.
4.1.1 Proporsi Jenis Kelamin Responden
Berikut ini adalah hasil pengolahan data berdasarkan jenis kelamin

responden.
Tabel 1.4.1 Proporsi Jenis Kelamin Responden

No. Jenis Kelamin Jumlah Persentase
1 Laki-Laki 60 59,40%
2 Perempuan 41 40,60%
Total 101 100%
4.1.2 Olah Data Usia Responden
Berikut ini adalah hasil pengolahan data berdasarkan usia responden.
Tabel 1.4.2 Ukuran Pemusatan dan Penyebaran Data Usia Responden

Usia
Jumlah Data 101
Data Terendah 12
Data Tertinggi 32
++Buatkan lanjutan dari Tabel 1.4.2
Range 20
Mean 18,7
Modus 19
Median 19
Skewness 2,51
Kurtosis 20,91
Banyak Kelas Interval 7
Interval 3
Varians 3,96
Standar Deviasi 1,99
Tabel 1.4.3 Distribusi Frekuensi Usia Responden

Frekusensi
Kelas ke- Batas Bawah Batas Atas xi fi fi*xi Xbar Xi-Xbar (Xi-Xbar)^2 fi(Xi-Xbar)^2 s^2 s
Meningkat (Fk) Menurun (Fn)
1 11,5 14,5 13 2 0 101 26 -5,7 32,49 64,98
2 14,5 17,5 16 9 2 99 144 -2,7 7,29 65,61
3 17,5 20,5 19 85 11 90 1615 1,7 2,89 245,65
4 20,5 23,5 22 3 96 5 66 4,7 22,09 66,27
18,7 3,96 1,99
5 23,5 26,5 25 1 99 2 25 7,7 59,29 59,29
6 26,5 29,5 28 0 100 1 0 10,7 114,49 0
7 29,5 32,5 31 1 100 1 31 13,7 187,69 187,69
Total 101 101 0 1907 30,1 426,23 689,49
Tabel 1.4.4 Ukuran Keragaman Data

Usia Selisih
Min 12 12
Q1 18 6
Median (Q2) 19 1
Q3 19 0
Max 32 13
4.1.3 Olah Data Responden Sering Keluar Rumah pada Masa Pandemi
Covid-19
Berikut ini adalah hasil pengolahan data berdasarkan sering atau tidaknya
responden keluar rumah pada masa pandemi Covid-19.
20
Tabel 1.4.5 Peluang Responden Sering Keluar Rumah pada Masa Pandemi Covid-
19
No Sering Keluar Rumah Jumlah Persentase
1. Ya 33 32,60%
2. Tidak 68 67,40%
Total 101 100%
4.1.4 Olah Data Responden Melakukan Kontak Langsung dengan Orang

Lain Pada Masa Pandemi Covid-19
Berikut ini adalah hasil pengolahan data berdasarkan responden melakukan

kontak langsung dengan orang lain masa pandemi Covid-19.
Tabel 1.4.6 Peluang tak bebas Responden Melakukan Kontak Langsung dengan
Orang Lain Pada Masa Pandemi Covid-19
4.1.5 Olah Data Kegiatan Saat di Luar Rumah
Berikut ini adalah hasil pengolahan data berdasarkan kegiatan yang

dilakukan responden saat di luar rumah masa pandemi Covid-19.
Tabel 1.4.7 Kegiatan Saat di Luar Rumah

No. Kegiatan Total
1. Beli keperluan 77
3. Mencari udara segar 46
2. Nongkrong sama teman 32
4. Lain-lain 9
4.1.6 Olah Data Lama Waktu Responden di Luar pada Masa Pandemi
Covid-19
Berikut ini adalah hasil pengolahan data berdasarkan lama waktu responden
di luar rumah pada masa pandemi Covid-19.
21
Tabel 1.4.8 Ukuran Pemusatan dan Penyebaran Data Lama Responden di Luar
Rumah
Usia
Jumlah Data 101
Data Terendah 0
Data Tertinggi 12
Range 12
Mean 3,03
Modus 2
Median 2
Skewness 1,49
Kurtosis 2,65
Banyak Kelas Interval 7
Interval 1
Varians 5,1
Tabel 1.4.9 Distribusi Frekuensi Lama Responden di Luar Rumah

Frekusensi
Kelas ke- Batas Bawah Batas Atas xi fi fi*xi Xbar Xi-Xbar (Xi-Xbar)^2 fi(Xi-Xbar)^2 s^2 s
Meningkat (Fk) Menurun (Fn)
1 -0,5 1,5 0,5 26 0 101 13 -2,53 6,4009 166,4234
2 1,5 3,5 2,5 44 26 75 110 -0,53 0,2809 12,3596
3 3,5 5,5 4,5 19 70 31 85,5 1,47 2,1609 41,0571
4 5,5 7,5 6,5 5 89 12 32,5 3,47 12,0409 60,2045
3,03 5,1 2,26
5 7,5 9,5 8,5 5 94 7 42,5 5,47 29,9209 149,6045
6 9,5 11,5 10,5 1 99 2 10,5 7,47 55,8009 55,8009
7 11,5 13,5 12,5 1 100 1 12,5 9,47 89,6809 89,6809
Total 101 101 0 306,5 24,29 196,2863 575,1309
Tabel 1.4.10 Ukuran Keragaman Data Lama Responden di Luar Rumah

Lama Waktu Selisih
Min 0 0
Q1 1 1
Median (Q2) 2 1
Q3 4 2
Max 12 8
4.1.7 Olah Data Kegiatan Responden Saat di Luar Rumah
Berikut ini adalah hasil pengolahan data berdasarkan kegiatan yang

dilakukan responden saat di luar rumah pada masa pandemi Covid-19.
22
Tabel 1.4.11 Kegiatan Saat di Luar Rumah
Kegiatan (Frekuensi)
No. Lama Waktu
Beli Keperluan Nongkrong Sama Teman Mencari Udara Segar Lain-Lain
1 0 - 2 Jam 43 6 18 5
2 3 - 5 Jam 29 22 24 0
3 6 - 8 Jam 4 3 3 5
4 9 - 11 Jam 1 1 1 0
5 12 - 14 Jam 0 0 0 1
4.1.8 Olah Data Media Sosial yang Sering digunakan Responden pada
Masa Pandemi Covid-19
Berikut ini adalah hasil pengolahan data berdasarkan media sosial yang
sering digunakan responden pada masa pandemi Covid-19.
Tabel 1.4.12 Media Sosial yang Sering digunakan

No. Media Sosial Total
1. Instagram 83
2. Whatsapp 83
3. Youtube 70
4. Twitter 38
7. Telegram 9
5. LINE 7
6. Tiktok 4
8. Lain-lain 3
Tabel 1.4.13 Lama Penggunaan Media Sosial dibandingkan dengan Sebelum

Pandemi Covid-19
No. Waktu yang dihabiskan Jumlah Persen
1. Lebih sering dari biasanya 80 79,20%
2. Sama seperti biasa 19 18,80%
3. Lebih jarang dari biasanya 2 2%
Total 101 100%
4.2 Analisis Data
Subbab ini berisikan analisis dari hasil pengolahan data statistika deskriptif
dan dasar-dasar peluang pada subbab sebelumnya.
23
4.2.1 Proporsi Jenis Kelamin Responden
Pie Chart Proporsi Jenis Kelamin Responden
40,60%
59,40%
Laki-Laki Perempuan
Gambar 1.4.1 Pie Chart Proporsi Jenis Kelamin Responden
Gambar 1.4.1 menunjukkan proporsi jumlah responden dengan jenis

kelamin Laki-laki dan Perempuan. Dari seluruh responden, 59,40% adalah Laki-
laki dan 40,60% adalah Perempuan.
4.2.2 Usia Responden
Gambar 1.4.2 Histogram Usia Responden
24
Gambar 1.4.3 Ogive Usia Responden
Gambar 1.4.4 Box Plot Usia Responden
Berdasarkan Gambar 1.4.2 dan Gambar 1.4.3 tentang ogive dan histogram
usia responden dapat diketahui bahwa penyebaran data terbanyak terletak pada titik
tengah interval dengan nilai 19. Kemiringan berupa simetris yang berarti nilai
modus = median = mean dan bentuk Keruncingan pada histogtram yaitu laptokurtis
yang menjelaskan bahwa data memiliki keruncingan. Gambar 1.4.4 memberi
informasi bahwa selisih antara kuartil-3 dengan median adalah 0, kuartil-1 besarnya
adalah 18, dan data outliers-nya adalah 32.
25
4.2.3 Peluang Responden Sering Keluar Rumah
Gambar 1.4.5 Diagram Venn Peluang Responden Keluar Rumah
Gambar 1.4.5 menunjukkan bahwa kedua kejadian saling bebas, karena

kedua kemungkinan tidak ada yang beririsan.
Gambar 1.4.6 Diagram Venn Hubungan antara Responden Melakukan Kontak

Langsung dengan Jenis Kelamin
Misalkan:
A = laki-laki
B = melakukan kontak langsung
26
Diketahui:
60
P(A) = 101
31
P(B) = 101
25
P(A ∩B) =
101
Peluang tak bebas terjadi jika:

P(A∩B) ≠ P(A)P(B)
Maka:
25 60 31
≠ 101 101 , statement benar
101
Dari Gambar 1.4.6 dan pembuktian di atas, dapat disimpulkan bahwa

kedua kejadian saling tidak bebas.
4.2.4 Kegiatan Saat di Luar Rumah
Gambar 1.4.7 Diagram Venn Kegiatan Saat di Luar Rumah
Gambar 1.4.7 menunjukkan bahwa dari seluruh responden, 77 orang di

antaranya keluar rumah untuk membeli keperluan, 46 orang nongkrong sama
teman, 32 orang mencari udara segar, dan 9 orang melakukan kegiatan selain dari
yang telah disebutkan.
27
4.2.5 Lama Waktu Responden di Luar Rumah pada Masa Pandemi Covid-
19
Gambar 1.4.8 Histogram Lama Responden Saat di Luar Rumah
Gambar 1.4.9 Ogive Lama Responden Saat di Luar Rumah
Gambar 1.4.10 Box Plot Lama Responden Saat di Luar Rumah
28
Berdasarkan Gambar 1.4.8 dan Gambar 1.4.9 tentang ogive dan histogram
lama responden di luar rumah dapat diketahui bahwa penyebaran data terbanyak
terletak pada titik tengah interval dengan nilai 2,5. Kemiringan berupa kemiringan
negatif yang berarti nilai modus < median < mean dan bentuk keruncingan pada
histogtram yaitu laptokurtis yang menjelaskan bahwa data memiliki keruncingan.
Gambar 1.4.10 menunjukkan bahwa dari data yang ada, didapati selisih kuartil-3
dengan median adalah 2, kuartil-1 data bernilai 1, dan data outliers yaitu 12.
Gambar 1.4.11 Line Chart Lama Kegiatan di Luar Rumah
Gambar 1.4.11 menunjukkan dari seluruh responden, banyak responden

melakukan kegiatan membeli keperluan selama 0-2 jam, kegiatan nongkrong sama
teman dan mencari udara segar selama 3-5 jam, dan melakukan kegiatan yang lain
selama 6-8 jam.
4.2.6 Media Sosial yang Sering digunakan
Gambar 1.4.12 Bar Chart Media Sosial yang Sering digunakan
29
Berdasarkan Gambar 1.4.12 yaitu bar chart mengenai media sosial yang
sering digunakan, dapat diketahui bahwa dari seluruh responden, media sosial
dengan pengguna terbanyak adalah instagram dan whatsapp dengan pengguna
masing-masing adalah 83.
Gambar 1.4.13 Pie Chart Lama Penggunaan Media Sosial dibandingkan dengan
Sebelum Pandemi Covid-19
Berdasarkan Gambar 1.4.13 yaitu pie chart mengenai lama penggunaan

media sosial dibandingkan dengan sebelum pandemi, dapat diketahui bahwa saat
ini responden lebih sering menggunakan media sosial dibandingkan pada saat
sebelum pandemi Covid-19 dengan persentase 79,20%.
30
BAB V
PENUTUP
Bab ini berisikan kesimpulan dari penelitian yang telah dilakukan beserta
saran untuk penulis selanjutnya
5.1 Kesimpulan
Setelah dilakukan penelitian dan pengolahan data, dapat diambil

kesimpulan sebagai berikut:
1. Hasil pengolahan data Pola Kehidupan Masyarakat pada Masa Pandemi

Covid-19 sudah bisa ditentukan ukuran pemusatan, penyebaran, dan
keragaman datanya.
2. Hasil pengolahan data Pola Kehidupan Masyarakat pada Masa Pandemi
Covid-19 yang disajikan dalam bentuk visual yaitu histogram, ogive, dan
box plot menyajikan data mengenai kegiatan yang dilakukan masyarakat
pada masa pandemi. Hasil pengolahan data, dari 101 responden, didapati
waktu paling lama berada diluar rumah adalah selama 12 jam, sedangkan
waktu paling sedikit adalah 0 jam atau tidak keluar rumah. Line chart berupa
kegiatan yang dilakukan di luar rumah didapat kan kegiatan yang paling
banyak dilakukan adalah membeli keperluan. Bar chart memberikan
informasi mengenai media sosial yang sering digunakan pada saat ini. Pie
chart menyajikan informasi mengenai perbandingan penggunaan media
sosial pada saat pandemi dan sebelum pandemi.
3. Perhitungan probabilitas dilakukan melalui pengolahan data mengenai
proporsi sering keluar rumah atau tidaknya responden, didapat peluang
responden sering keluar rumah adalah 32,60%. Hubungan antara jenis
kelamin dengan peluang responden melakukan kontak langsung
menghasilkan peluang tak bebas.
5.2 Saran
Berdasarkan dari hasil pengumpulan dan pengolahan data yang dilakukan,

dapat diambil kesimpulan sebagai berikut:
1. Sebaiknya untuk penelitian selanjutnya, diharapkan peneliti memahami

konsep statistika dan dasar-dasar peluang agar pengolahan data sesuai
dengan konsep yang ada dan hasilnya sesuai dengan yang seharusnya.
2. Dalam pengambilan data, hendaknya peneliti memberikan keterangan yang
jelas pada kuesioner agar data yang didapat sesuai dengan yang diinginkan.
3. Sikap sopan santun dalam berbicara harus lebih diperhatikan.
32
MODUL 2
DISTRIBUSI VARIABEL RANDOM

DISKRIT DAN KONINU
BAB I
PENDAHULUAN
1.1 Latar Belakang
Peluang adalah suatu cara untuk menyatakan kesempatan terjadinya suatu

peristiwa. Secara kualitatif, peluang dapat dinyatakan dalam bentuk kata sifat untuk
menunjukkan kemungkinan terjadinya suatu keadaan seperti: baik, lemah, kuat,
miskin, dan sedikit. Secara kuantitatif, peluang dinyatakan sebagai nilai-nilai
numeris, baik dalam bentuk pecahan maupun desimal antara 0 dan 1. Peluang sama
dengan 0 berarti sebuah peristiwa tidak bisa terjadi, sedangkan peluang sama
dengan 1 berarti peristiwa tersebut pasti terjadi.
Distribusi peluang memungkinkan para pembuat keputusan untuk

memperoleh dasar logika yang kuat di dalam keputusan, dan sangat berguna
sebagai dasar pembuatan ramalan berdasarkan informasi yang terbatas atau
pertimbangan-pertimbangan teoritis, serta berguna pula untuk menghitung
probabilitas terjadinya suatu kejadian. Setiap kejadian yang dapat dinyatakan
sebagai perubahan nilai suatu variabel, umumnya mengikuti suatu distribusi
peluang tertentu dan apabila sudah diketahui jenis distribusinya, maka akan dengan
mudah dapat mengetahui besarnya nilai probabilitas terjadinya kejadian tersebut.
Distribusi probabilitas merupakan sebaran data dari nilai-nilai peluang yang

terjadi pada variabel random. Suatu variabel yang nilainya ditentukan oleh
terjadinya hasil suatu percobaan disebut variabel random. Distribusi probabilitas
terbagi menjadi dua yaitu distribusi probabilitas diskrit dan distribusi probabilitas
kontinu.
Pada laporan praktikum kali ini, akan dilakukan pengolahan data
menggunakan metoda statistika distribusi variabel random diskrit dan metoda
statistika distribusi variabel random kontinu. Pengolahan data tersebut dilakukan
terhadap data siswa SMA (IPA) dan pengolahan data juga dilakukan terhadap
waktu kendaraan di Kota Padang. Data yang telah diolah akan disajikan dalam
bentuk tabel, dan grafik agar mempermudah untuk mendapatkan informasi.
1.2 Rumusan Masalah
Rumusan masalah dari laporan ini adalah:

1. Bagaimana cara mengolah data nilai SMA di Kota Padang dengan
menggunakan metode distribusi binomial?
2. Bagaimana cara mengolah data SMA di Kota Padang dengan tinjauannya
adalah jenis kelamin siswa dengan metode distribusi geometrik?
3. Bagaimana cara mengolah data kedatangan kendaraan dengan
menggunakan metode distribusi poisson?
4. Bagaimana cara mengolah data dengan menggunakan metode distribusi
normal pada nilai siswa SMA di Kota Padang?
5. Bagaimana cara mengolah data kedatangan kendaraan dengan metode
distribusi eksponensial?
6. Bagaimana cara menyajikan data nilai siswa SMA di Kota Padang dan data
kendaraan dalam bentuk tabel PDF dan CDF serta grafiknya?
Tujuan penelitian dari laporan ini adalah:

1. Mengetahui pengolahan data dengan metode statistika distribusi variabel
random diskrit dan metode statistika distribusi variabel random kontinu.
2. Mengetahui bentuk tabel PDF dan CDF serta mengetahui bentuk grafik dari
distribusi binomial, geometrik, poisson, normal, dan eksponensial.
35
3. Mengetahui perbedaan pengolahan data secara teoritis dan empiris.
Manfaat penelitian dari laporan ini adalah

1. Bagi Penulis
Manfaat yang dapat diambil dari penelitian ini yaitu mampu memahami
serta menambah kemampuan dalam menggunakan ilmu statistika distribusi
probabilitas diskrit dan kontinu.
2. Bagi Pembaca
Sebagai tambahan wawasan dan informasi dari penerapan ilmu statistika
distribusi probabilitas diskrit dan kontinu.
1.5 Batasan Masalah
Batasan masalah dari penulisan laporan ini adalah

1. Jenis data yang digunakan yaitu data siswa SMA di Kota Padang dan data
kendaraan.
2. Data siswa dari penelitian ini diambil dari nilai rapor siswa SMA di Kota
Padang dan data kendaraan di halte Gedung G Unand dari pukul 15.00 –
18.00 WIB.
36
BAB II
LANDASAN TEORI
Bab ini menjelaskan tentang landasan teori yang digunakan dalam

penelitian ini.
2.1 Distribusi Bernoulli
Variabel random X mempunyai distribusi Bernoulli jika (untuk suatu p, 0 ≤

p ≤1)
px (1-p)1=x , bila x=0,1

P [X = x] = f(x) = { ...(15)
0 , untuk x yang lain
[Tidak diperlukan tabel karena kesederhanaan f(x). Ingat bahwa p0 = 1].
Untuk membuktikan bahwa ini suatu fungsi peluang (PDF), kita hanya perlu
menunjukkan bahwa f(xi) ≥ 0(i = 1, 2, ...) dan ∑∞
i=f(Xi) = 1. Dalam distribusi
Bernoulli ini jelas, bahwa variabel random Bernoulli hanya dapat mencapai dua
nilai (0 dan 1) dengan peluang masing – masing 1 – p dan p, dan bahwa 1 – p + p =
1. (Dalam kasus yang lebih rumit, yang tak Bernoulli, keadaannya sering tidak jelas,
dan buktinya akan sulit.) Perhatikan bahwa nilai 0 dan 1 biasanya dikaitkan dengan
‘gagal’ dan ‘berhasil’ dalam suatu arti.[10]
2.2 Distribusi Binomial
Distribusi binomial adalah suatu distribusi peluang yang menggunakan

variabel acak diskrit, yang terdiri dari dua kejadian yang berkomplemen, seperti
sukses-gagal, baik-cacat. Suatu eksperimen yang menghasilkan dua kemungkinan
peristiwa A dan bukan A (atau A’) yang bersifat dikotomi dengan P(A) = π serta
memiliki harga tetap untuk peristiwa A. Jika eksperimen tersebut diulang-ulang
akan didapatkan distribusi Bernoulli.[11]
Lazimnya suatu eksperimen dapat dikatakan sebagai eksperimen binomial,

apabila memenuhi syarat, yaitu:
1. Setiap percobaan menghasilkan dua kejadian, seperti kelahiran anak yakni
laki-laki – perempuan, transaksi saham jual-beli, atau perkembangan suku
bunga yakni naik-turun
2. Setiap eksperimen mempunyai dua hasil yang dikatagorikan menjadi sukses
dan gagal
3. Probabilitas suatu kejadian untuk suskes atau gagal adalah tetap untuk setiap
kejadian. Misalnya P(p) peluang sukses, P(q) peluang gagal, dan P (p) +
P(q) = 1, probabilitas sukses sama pada setiap eksperimen
4. Eksperimen tersebut harus bebas satu sama lain, artinya hasil eksperimen
yang satu tidak mempengaruhi hasil eksperimen lainnya, dan
5. Data yang dihasilkan adalah data perhitungan.
Suatu variabel random X mempunyai distribusi binomial jika (untuk suatu

bilangan bulat positif n, dan suatu p dengan 0≤ p ≤ 1). Percobaan Bernoulli
sebanyak N kali secara independen, sehingga X diantaranya menghasilkan
peristiwa A dan sisanya (N-X) peristiwa A’. Jika π = P(A) untuk tiap percabaan,
maka 1 – π = P(A’), sehingga peluang terjadinya A sebanyak X = x kali diantara N,
yaitu:
P(X) = P (X = x) = (CN x
x )π (1-π)1- π
N-x
...(16)
Dimana:
Nilai = 0, 1, 2, ..., N; 0 < π < 1
N!
CN
x= ...(17)
x!(N-x)!
38
Distribusi binomial memiliki dua parameter μ dan σ yang persamaannya
adalah:
μ = Nπ …(18)
σ =√Nπ(1-π) …(19)
2.3 Distribusi Multinomial
Kalau pada distribusi binomial hasil sebuah percobaan hanya dikatagorikan

2 macam, yaitu sukses dan gagal, maka dalam distribusi multinomial, sebuah
percobaan akan menghasilkan beberapa kejadian (lebih dari 2) yang saling
meniadakan atau saling lepas. Misalkan ada sebanyak k kejadian dalam sebuah
percobaan, misalnya kejadian B1, B2, …, Bk. Jika percobaan diulang sebanyak n
kali dan peluang terjadinya setiap kejadian B konstan dari setiap percobaan dengan
P(Bi) = Pi untuk i = 1, 2, 3, …, k, dan X1, X2, X3, …Xk menyatakan jumlah
terjadinya kejadian Bi (i = 1, 2, …, k dalam n percobaan). Fungsi distribusi
multinomial, adalah[11]
n!
P (X1, X2, X3, …, Xk) = [ X1!X2!X3!…Xk! ]PX1 X2 X3 Xk
1 P2 P3 …Pk …(20)
untuk nilai-nilai
X1 = 0, 1, 2, ……; Xk = 0, 1, 2, … dan ∑ki=1 xi=n =1
Dimana:
X1, X2, ……, Xk menyatakan jumlah dari kejadian B1, B2, …, Bk
n menyatakan jumlah percobaan.
P1, P2, ..., Pk adalah probabilitas terjadinya kejadian B1, B2, …, Bk
39
2.4 Distribusi Hipergeometrik
Distribusi hipergeometrik sangat erat kaitannya dengan distribusi binomial.

Perbedaan antara distribusi hipergeometrik dengan binomial adalah bahwa pada
distribusi hipergeometrik, percobaan tidak bersifat independen. Artinya antara
percobaan yang satu dengan yang lainnya saling berkait. Selain itu probabilitas
“sukses” berubah (tidak sama) dari percobaan yang satu ke percobaan lainnya.
Untuk mencari probabilitas x sukses dalam ukuran sample n, peneliti harus
memperoleh x sukses dari r sukses dalam populasi, dan n – x gagal dari N – r gagal.
Sehingga fungsi probabilitas hipergeometrik dapat dituliskan:[11]
Crx CN-r
n-x
P(x) = 2!
, 0≤x ≤r ...(21)
Keterangan:
P(x) = probabilitas x sukses (jumlah sukses sebanyak x) dalam n percobaan
n = jumlah percobaan
N = jumlah elemen dalam populasi
r = jumlah elemen dalam populasi berlabel “sukses”
x = jumlah elemen berlabel “sukses” diantara n elemen percobaan
2.5 Distribusi Negatif Binomial
Suatu variabel random X berdistribusi negatif binomial bila (untuk suatu

bilangan bulat r ≥ 1, dan suatu P dengan 0 ≤ P ≤ 1
Pr (x-1)qx-r , x=0,1,2,3,…
P[X=x] = f(x) = { r-1 ...(22)
0 , untuk yang lainnya
Di sini telah digunakan lambang baku q = 1 – p. Suatu peristiwa tertentu

terjadi (berhasil) dengan peluang p (jadi, gagal terjadi dengan peluang q = 1 – p),
dan usaha yang dikerjakan bebas satu sama lain. Misalkan X banyaknya usaha yang
40
diperlukan dikurangi r untuk mendapatkan r berhasil; jadi X = x berarti kita
memerlukan x + r usaha (x = 0, 1, 2, ...), dan X menyatakan banyaknya yang gagal
dalam usaha untuk memperoleh r yang berhasil.
Distribusi geometrik ialah kasus khusus dengan r = 1, dengan satu

ditambahkan ke X (yakni, dalam kasus geometrik kita memandang banyaknya
usaha yang diperlukan untuk memperoleh keberhasilan yang pertama, sedangkan
dalam kasus negatifbinomial kita memandang banyaknya yang gagal ditemukan
dalam usaha memperoleh r pertama yang berhasil).[10]
2.6 Distribusi Geometrik

Suatu variabel random X berdistribusi geometrik bila ( untuk suatu p, 0 ≤
p <1)
(1-P)x-1 P , x=1,2,3,…
P[X=x] = f(x) = { ...(23)
Misalkan peristiwa E mempunyai peluang sukses p yang tidak berubah pada

setiap usaha. Usaha-usaha tersebutsaling bebas satu sama lain. Misalkan X
menyatakan banyaknya usaha yang diperlukan sampai E sukses. Jadi, X dikatakan
berdistribusi geometrik.[10]
PDF geometrik dinyatakan:
(1-P)x-1 P , x=1,2,3,…
f(x) = { ...(24)
Sehingga E(X) = 1/P dan Var(X) = (1-P)/P2
41
2.7 Distribusi Poisson
Distribusi poisson adalah pengembangan dari distribusi binomial yang

mampu mengkakulasikan distribusi probabilitas dengan kemungkinan sukses (p)
sangat kecil dan jumlah eksperimen (n) sangat besar. Karena distribusi poisson
biasanya melibatkan jumlah n yang besar, dengan p kecil, distribusi ini biasanya
digunakan untuk menghitung nilai probabilitas suatu kejadian dalam suatu selang
waktu dan daerah tertentu.[11]
Distribusi poisson memiliki ciri-ciri, yaitu:

1. Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau
suatu daerah tertentu tidak tergantung pada banyaknya hasil percobaan yang
terjadi pada interval waktu atau daerah lain yang terpisah;
2. Probabilitas terjadinya hasil percobaan selama suatu interval waktu yang
singkat atau dalam suatu daerah yang kecil, sebanding dengan panjang
interval waktu atau besarnya daerah tersebut dan tidak tergantung pada
banyaknya hasil percobaan yang terjadi di luar interval waktu atau daerah
tersebut dan
3. Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval
waktu yang singkat atau dalam daerah yang kecil dapat diabaikan.
Variabel acak diskrit X mengikuti distribusi poisson, jika fungsi peluangnya

berbentuk:
e-λ λx
P(X) = P (X= x) = ...(25)
x!
Dimana:
Nilai x = 0, 2, 3, 4, ..., N.
e = sebuah bilangan konstan yang besarnya e = 2,7183
λ = konstan.
42
2.8 Distribusi Uniform (seragam) Diskrit
Berbagai masalah penting yang melibatkan kasus peluang klasikal, dapat

dibuat model variabel random diskrit yang mengasumsikan semua nilainya
berpeluang sama. Variabel random diskrit X mempunyai distribusi uniform
(seragam) diskrit pada bilangan bulat 1, 2, 3, ..., N dan mempunyai PDF yang
berbentuk[10]
1
F(x) = x = 1, 2, 3, …N ...(26)
N
Notasi khusus untuk kasus ini
X~DU(N)
N+1 N2 -1
E (X) = dan Var (X) = ...(27)
2 12
2.9 Distribusi Uniform (Seragam) Kontinu
Pandangan bahwa variabel random kontinu X dapat mengasumsikan nilai

hanya dalam interval terbatas, katakan interval buka (a, b), dan pandang bahwa PDF
adalah konstan, katakan f(x) = c pada interval tersebut. Berimplikasi c = 1/ (b – a),
b
karena 1=∫a c dx = c(b-a). Jika didefinisikan f(x) = 0 di luar interval, maka sifat
tersebut juga dipenuhi. Distribusi khusus ini dikenal sebagai distribusi uniform pada
interval (a, b). PDF nya adalah[10]
1
F (x; a, b) = b-a a <x< b ...(28)
43
2.10 Distribusi Normal
Distribusi normal sering juga disebut Distribusi Gauss. Distribusi normal

merupakan salah satu distribusi yang paling banyak digunakan dalam praktik
penelitian di lapangan. Beberapa ciri-ciri distribusi normal adalah:
1. Grafiknya selalu berada di atas sumbu mendatar X
2. Memiliki bentuk simetris terhadap X = μ
3. Ujung-ujung grafiknya berasimtut terhadap sumbu mendatar X, dimulai
dari X – 3σ ke kiri dan X + 3σ ke kanan
4. Luas daerah grafik selalu sama dengan satu satuan luas.
Bila harga σ semakin kecil maka kurvanya semakin menjulang tinggi

(leptokurtik) dan sebaliknya bila harga σ semakin besar maka kurvanya semakin
menjulang bawah (platikurtik). Distribusi normal merupakan distribusi teoritik dari
variabel random kontinum. Distibusi normal adalah distribusi kontinu yang sangat
penting dalam statistik dan banyak dipakai memecahkan persoalan.[11]
2.11 Distribusi Gamma
Distribusi kontinu yang sering terjadi dalam aplikasi adalah distribusi

Gamma. Nama tersebut terkait dengan fungsi yang disebut fungsi Gamma. Fungsi
gamma, dinotasikan dengan Γ (k) untuk semua k > 0, dan didefinisikan dengan[10]
∞
Γ(k)= ∫0 tk-1 e-t dt ...(29)
2.12 Distribusi Eksponensial
Variabel random kontinu X berdistribusi eksponensial dengan parameter

θ> 0 jika mempunyai PDF yang berbentuk[10]
44
1
F(x ; θ) = 𝜃 e-x/θ X >0 ...(30)
dan fungsi bernilai nol untuk sebaliknya.
CDF dari X adalah
F(x ; θ) = 1- e-x/θ X >0 ...(31)
Notasi yang menunjukkan bahwa X mempunyai PDF di atas adalah X~ EXP (𝜃)
E(X) = θ dan Var(X) = θ2 ...(32)
2.13 Distribusi Chi Square
Distribusi chi square merupakan distribusi variabel acak kontinu. Grafik

distribusi chi square lazimnya merupakan kurva positif, yaitu miring ke kanan.
Distribusi chi square sangat berguna sebagai kriteria untuk pengujian hipotesis
mengenai varians dan juga untuk uji ketepatan penerapan suatu fungsi apabila
digunakan untuk data hasil observasi atau data empiris. Dengan demikian, peneliti
dapat menentukan apakah distribusi pendugaan berdasarkan sampel hampir sama
atau mendekati distribusi teoritis, sehingga peneliti dapat menyimpulkan bahwa
populasi dari mana sampel yang dipilih mempunyai distribusi yang dimaksud
(misalnya, suatu populasi mempunyai distribusi binomial, poisson, atau normal).[11]
2.14 Distribusi Beta
Distribusi beta adalah salah satu distribusi dasar dalam statistik. Itu
memiliki banyak aplikasi dalam statistik klasik maupun Bayesian. Ini adalah
distribusi serbaguna dan karena itu digunakan dalam pemodelan perilaku acak
45
variabel yang positif tetapi dibatasi dalam nilai yang memungkinkan. Proporsi dan
persentase termasuk dalam kategori ini.[12]
Distribusi beta melibatkan pengertian fungsi beta. Pertama kita menjelaskan

pengertian integral beta dan beberapa sifat sederhananya. Membiarkan 𝛼 dan
berupa dua bilangan real positif apa pun. Fungsi beta 𝛽 adalah didefinisikan sebagai
1
B (α,β) = ∫0 xα-1 (1-x)β-1 dx ...(33)
2.15 Distribusi Log Normal
Distribusi lognormal studi diprakarsai oleh Galton dan McAlister pada

tahun 1879. Mereka menemukan distribusi ini saat mempelajari penggunaan rata-
rata geometris sebagai perkiraan lokasi. Belakangan, Kapteyn (1903) berdiskusi
asal mula distribusi ini. Distribusi ini dapat didefinisikan sebagai distribusi variabel
acak yang logaritmanya terdistribusi normal. Sering distribusi ukuran organisme,
distribusi spesies, distribusi jumlah orang dalam kelas pekerjaan sensus, distribusi
jumlah orang yang bintang di alam semesta, dan distribusi ukuran pendapatan
dimodelkan dengan distribusi lognormal. Distribusi lognormal digunakan dalam
biologi, astronomi, ekonomi, farmakologi dan teknik. Distribusi ini kadang-kadang
dikenal sebagai distribusi Galton-McAlister. Di bidang ekonomi, Distribusi
lognormal disebut sebagai distribusi Cobb-Douglas. Variabel acak X dikatakan
memiliki distribusi lognormal jika fungsi kepadatan probabilitasnya diberikan
oleh[12]
1 In(x)-μ 2
1
e-2( )
σ
F(x) = {x σ √2π , if 0 < x < ∞ ...(34)
0
46
2.16 Distribusi Weibull
Variabel random kontinu X dikatakan mempunyai distribusi Weibull

dengan parameter β>0 dan θ>0 jika mempunyai PDF yang bebentuk[10]
β 2
F(x , θ,β) = β xβ-1 e-(x/θ) x>0 ...(35)
θ
dan nol untuk x≤0
Yang dinotasikan dengan X~WEI (θ,β)
CDF diperoleh dengan mengintegralkan PDF, dan diperoleh
β
F(x ; θ,β) = 1-e-(x/θ) x>0 ...(36)
47
BAB III
METODE PENELITIAN
Jenis penelitian yang kami lakukan pada kali ini berupa penelitian deskriptif
dan survei. Dengan menggunakan metode statistika distribusi variabel random
diskrit dan metode statistika distribusi variabel random kontinu.
Pada penelitian kali ini dilakukan secara daring untuk mendapatkan data
sebagai bahan yang akan diteliti, lokasi penelitian dilaksanakan di salah satu SMA
di Kota Padang dan di halte Gedung G Unand. Sedangkan waktu penelitianya
dilaksanakan dari jam 15.00 – 18.00 WIB.
Pada penelitian kali ini populasi yang diambil praktikan adalah siswa salah
satu SMA di Kota Padang dan data kendaraan di Kota Padang, sedangkan sampel
yang digunakan adalah hanya siswa IPA serta kendaraan yang melintas pada jam
15.00 – 18.00 WIB di halte Gedung G Unand.
Pada bagian ini metode pengumpulan data yang di lakukan yaitu dengan
mengumpulkan data dari siswa SMA di Kota Padang dan data kendaraan di halte
Gedung G Unand. Data nilai rapor SMA di Kota Padang dan data kendaraan
didapatkan dari asisten pembimbing melalui website Laboratorium Perencanaan
dan Optimasi Sistem Industri (LPOSI).
Teknik analisis data yang digunakan pratikan pada laporan ini adalah
dengan menggunakan metode statistika distribusi variabel random diskrit dan
metode statistika distribusi variabel random kontinu. Lalu data yang ada akan
disajikan dalam bentuk tabel dan bentuk grafik.
49
BAB IV
Bab ini berisikan tentang pengolahan data dan analisis dengan

menggunakan distribusi binomial, distribusi poisson, distribusi geometrik,
distribusi eksponensial dan distribusi normal.
4.1 Pengolahan Data
Subbab ini berisikan data yang telah diolah berdasarkan data nilai siswa
salah satu SMA di Kota Padang dan data kedatangan kendaraan yang diberikan
Asisten Pembimbing melalui website Laboratorium Perencanaan dan Optimasi
Sistem Industri (LPOSI).
4.1.1 Distribusi Binomial
Pengolahan data dengan distribusi binomial, data yang digunakan adalah

data lanjut kuliah siswa SMAN 15 Padang. Data dibagi menjadi 7 kelas. Setiap
kelas dimulai dari trial nol sampai trial ke tujuh. Berikut adalah parameter untuk
pengolahan distribusi binomial pada Tabek 2.4.1 dan Tabel 2.4.2, dan hasil
pengolahan data distribusi binomial secara teoritis pada Tabel 2.4.3 dan
pengolahan data distribusi binomial secara empiris pada Tabel 2.4.4.
Tabel 2.4.1 Probabilitas Masing-masing Trial

Trial P( x = Ya )
1 0,95239
2 1,00000
3 0,90477
4 0,80953
5 0,95239
6 1,00000
7 0,94737
Tabel 2.4.2 Parameter Distribusi Binomial
x 0, 1, 2, 3, 4, 5, 6, 7
p (Rata-rata Probabilitas) 0,93806
q 0,06194
Tabel 2.4.3 Data Pengolahan secara Teoritis Distribusi Binomial

Distribusi Binomial Teoritis
N/x 0 1 2 3 4 5 6 7
1 0,0619357 0,9380643 1,0000000
2 0,0038360 0,1161994 0,8799646 1,0000000
3 0,0002376 0,0107953 0,1635037 0,8254634 1,0000000
4 0,0000147 0,0008915 0,0202534 0,2045027 0,7743377 1,0000000
5 0,0000009 0,0000690 0,0020907 0,0316650 0,2397958 0,7263785 1,0000000
6 0,0000001 0,0000051 0,0001942 0,0039224 0,0445558 0,2699326 0,6813898 1,0000000
7 0,0000000 0,0000004 0,0000168 0,0004251 0,0064391 0,0585146 0,2954165 0,6391874 1,0000000
Berdasarkan hasil yang diperoleh pada tabel, maka akan dilakukan

perhitungan :
p = 0,93806
N=5
x=3
N
P (X=x) = (CN
x )(p) (1-p)
N-x
...(37)
P (X=3) = (C53 )(0,93806)5 (1-0,93806)5-3
= 0,0316650
Tabel 2.4.4 Data Pengolahan secara Empiris Distribusi Binomial

Distribusi Binomial Empiris
N/x 0 1 2 3 4 5 6 7
1 0,0476100 0,9523900 1,0000000
2 0,0005667 0,0464766 0,9529567 1,0000000
3 0,0001079 0,0064773 0,1295616 0,8638531 1,0000000
4 0,0000482 0,0021215 0,0350071 0,2567385 0,7060847 1,0000000
5 0,0000026 0,0001556 0,0037737 0,0457598 0,2774442 0,6728642 1,0000000
6 0,0000001 0,0000058 0,0002137 0,0042036 0,0465063 0,2744123 0,6746582 1,0000000
7 0,0000000 3,707E-07 1,6842E-05 0,0004251 0,0064391 0,0585146 0,2954165 0,6391874 1,0000000

perhitungan :
Diketahui :
Rata-rata Probabilitas Trial 1 hingga 2 = 0,97620
N=2
51
x=1
menggunakan rumus yang sama seperti rumus (37):
N
P (X=x) = (CN
x )(p) (1-p)
N-x
P (X=1) = (C21 )(0,97620)2 (1-0,97620)2-1

= 0,0464766
4.1.2 Distribusi Poisson
Data yang diolah pada distribusi poisson adalah data kedatangan kendaraan.
Berikut adalah parameternya.
Tabel 2.4.5 Parameter Statistik Kendaraan

Banyak Data 218
Max 4
Min 0
𝜇 (interval 25 detik ) 0,504
𝜇 (interval 1 menit) 1,2096
σ 0,718
Banyak Kelas 433
λ 1,2096
Jumlah seluruh frekuensi

µ= ...(38)
Banyak kelas
µ=λ
Berdasarkan Tabel 2.4.5 terdapat nilai 𝜇 (interval 1 menit) adalah 1,2096.

Pengolahan data dilakukan dengan interval kedatangan kendaraan setiap 25 detik.
Kemudian, dihitung frekuensi kedatangan kendaraan setiap 25 detik. Standar
deviasi didapatkan sebesar 0,718. Kemudian data distribusi poisson diolah secara
teoritis dan secara empiris. Data distribusi poisson kemudian dibandingkan dengan
data distribusi normal secara teoritis. Berikut dapat dilihat hasil distribusi data pada
Tabel 2.4.6.
52
Tabel 2.4.6 Perbandingan Distribusi Poisson dan Distribusi Normal
Distribusi Poisson Distribusi Normal
x Empiris Teoritis Teoiritis
P(X=x) P(X ≤ x) P(X=x) P(X ≤ x) P(X=x) P(X ≤ x)
0 0,60508 0,60508 0,29832 0,29832 0,04603 0,04603
1 0,30716 0,91224 0,36084 0,65916 0,33915 0,38518
2 0,06928 0,98152 0,21824 0,87740 0,47934 0,86452
3 0,01617 0,99769 0,08799 0,96539 0,12916 0,99368
4 0,00231 1,00000 0,02661 0,99200 0,00627 0,99995
5 0,00000 1,00000 0,00644 0,99844 0,00005 1,00000
6 0,00000 1,00000 0,00130 0,99974 0,00000 1,00000
7 0,00000 1,00000 0,00022 0,99996 0,00000 1,00000
Berdasarkan hasil yang diperoleh pada tabel, maka akan dilakukan perhitungan :
1. Distribusi poisson secara empiris
Diketahui :
f(x=3) = 7
Banyak Kelas = 433
frekuensi pada kelas-x
P(X=x) = Jumlah seluruh frekuensi ...(39)
7
P(X=3) = 433
= 0,01617
2. Distribusi poisson secara teoritis

Diketahui:
x=2
λ = 1,2096
e-λ λx
P(X=x) = ...(40)
x!
e-1,2096 1,20962
P(X=2) = 2!
= 0,21824
3. Distribusi normal secara teoritis

Diketahui :
µ = 1,2096
σ = 0,718
x2 = 2
x3 = 3
53
P(X=3) = P(X≤3) – P(X≤2)
= 0,12916
4.1.3 Distribusi Geometrik
Data yang digunakan pada distribusi geometrik adalah data nilai rapor siswa
SMAN 15 Padang dengan tinjauan nya adalah jenis kelamin siswa. Jumlah siswa
145 orang siswa dibagi menjadi 15 trial. Sehingga dari trial 1 sampai trial 9
berisikan 10 siswa, dan trial ke 10 memiliki 5 siswa. Data diolah dengan 2 cara,
yaitu empiris dan teoritis. Berikut data probabilitas masing-masing trial pada Tabel
2.4.7, parameter distribusi geometrik pada Tabel 2.4.8, dan hasil pengolahan data
distribusi geometrik pada Tabel 2.4.9.
Tabel 2.4.7 Probabilitas Masing-masing Trial

Trial P(X = Perempuan)
1 0,6
2 0,6
3 0,7
4 0,5
5 0,8
6 0,7
7 0,5
8 0,5
9 0,8
10 0,6
11 0,4
12 0,6
13 0,5
14 0,7
15 0,8
Tabel 2.4.8 Parameter Distribusi Geometrik

p 0,614
q 0,386
µ 0,61379
54
Tabel 2.4.9 Data Pengolahan secara Empiris dan Teoritis Distribusi Geometrik
Empiris Teoritis
x
P(X=x) P(X≤x) P(X=x) P(X≤x)
1 0,60000 0,60000 0,61400 0,61400
2 0,24000 0,84000 0,23700 0,85100
3 0,11200 0,95200 0,09148 0,94248
4 0,02400 0,97600 0,03531 0,97779
5 0,01920 0,99520 0,01363 0,99142
6 0,00336 0,99856 0,00526 0,99668
7 0,00072 0,99928 0,00203 0,99871
8 0,00036 0,99964 0,00078 0,99949
9 0,00029 0,99993 0,00030 0,99979
10 0,00004 0,99997 0,00012 0,99991
11 0,00001 0,99998 0,00005 0,99996
12 0,00001 0,99999 0,00002 0,99998
13 0,00000 0,99999 0,00001 0,99999
14 0,00000 1,00000 0,00001 1,00000
15 0,00000 1,00000 0,00000 1,00000

perhitungan :
1. Distribusi geometrik secara empiris
Diketahui :
x=2
P(X=x) = (1-P(X=p))×(1-P(X=p))×… ×P(X=x)
sebanyak x
P(X=2) = (0,6)*(1 – 0,6)
= 0,24
2. Distribusi geometrik secara teoritis

Diketahui :
x=3
Menggunakan rumus (23):
P(X=x) = p(1-p)x-1
P(X=3) = (0,614)(0,386)^(2)
= 0,09148
55
Berdasarkan Tabel 2.4.9 dapat diketahui bahwa probabilitas proporsi siswi
SMA IPA mencapai nilai satu pada trial ke-14.
4.1.4 Distribusi Normal
Data yang digunakan pada distribusi normal adalah nilai siswa SMAN 15
Padang. Kemudian nilai masing-masing siswa dirata-ratakan. Data diolah dengan
dua cara yaitu secara empiris dan teoritis. Berikut adalah parameter distribusi
normal pada Tabel 2.4.10 dan hasi pengolahan data distribusi normal pada Tabel
2.4.11.
Tabel 2.4.10 Parameter Distribusi Normal

Max 98
Min 81,667
Range 16,333
Banyak Data 145
Banyak Kelas 9
Interval 1,815
Tabel 2.4.11 Data Pengolahan secara Empiris dan Teoritis Distribusi Normal
Empiris Teoritis
Kelas BB BA Frekuensi xi xi*fi µ
P(X=x) P(X≤x) P(X=x) P(X≤x)
1 81,667 83,482 7 82,5745 578,02150 0,04828 0,04828 0,02837 0,02837
2 83,482 85,297 18 84,3895 1519,01100 0,12414 0,17242 0,07466 0,10303
3 85,297 87,112 29 86,2045 2499,93050 0,20000 0,37242 0,16345 0,26648
4 87,112 88,927 40 88,0195 3520,78000 0,27587 0,64829 0,2405 0,50698
5 88,927 90,742 30 89,8345 2695,03500 0,20690 0,85519 0,2379 0,74488
87,97
6 90,742 92,557 15 91,6495 1374,74250 0,10345 0,95864 0,15823 0,90311
7 92,557 94,372 3 93,4645 280,39350 0,02069 0,97933 0,07073 0,97384
8 94,372 96,187 2 95,2795 190,55900 0,01380 0,99313 0,02125 0,99509
9 96,187 98,002 1 97,0945 97,09450 0,00690 1,00000 0,00428 0,99937
Total 145 12755,56750 1,00000 1,00000 0,99937

perhitungan :
1. Distribusi Normal secara Empiris
Diketahui:
f(x=3) = 29
Frekuensi total = 145
Menggunakan rumus (39):
56
P(X=x) = Jumlah seluruh frekuensi
29
P(X=3) = 145
= 0,2
2. Distribusi Normal secara Teoritis
Diketahui :
µ = 87,97
σ = 2,8316
x1 = 84,3895
x2 = 82,5745
P(X=2) = P(X≤2) – P(X≤1)
= 0,7466
4.1.5 Distribusi Eksponensial
Data yang digunakan pada distribusi eksponensial adalah data kedatangan

kendaraan. Kemudian dicari distribusi statistik kendaraan agar dapat mengolah data
dengan distribusi eksponensial. Berikut adalah distribusi statistik pada Tabel
2.4.12.
Tabel 2.4.12 Distribusi Statistik Kendaraan

𝜇 (detik ) 49,52753
𝜇 (interval 1 menit) 0,82547
Max 7,4
Min 0
Range 7,4
Banyak Kelas 9
Interval 0,823
λ 1,21144
σ 0,88873
Dimana nilai λ = 1/µ (interval 1 menit)
Berdasarkan Tabel 2.4.12 terdapat nilai µ (interval 1 menit) adalah 0,82547,

standar deviasi sebesar 0, 88873, dan nilai λ sebesar 1,21144. Kemudian dilakukan
57
pengolahan data distribusi eksponensial secara empiris dan teoritis. Berikut adalah
hasil pengolahan data distribusi eksponensial pada Tabel 2.4.13.
Tabel 2.4.13 Data Pengolahan secara Empiris dan Teoritis Distribusi Eksponensial
Empiris Teoritis
Kelas BB BA xi
Frekuensi P(X=x) P(X≤x) Frekuensi P(X=x) P(X≤x)
1 0 0,823 0,4115 141 0,64679 0,64679 137,56254 0,39256 0,39256
2 0,823 1,646 1,2345 49 0,22477 0,87156 50,75771 0,38331 0,77587
3 1,646 2,469 2,0575 15 0,06881 0,94037 18,72854 0,14143 0,91730
4 2,469 3,292 2,8805 9 0,04128 0,98165 6,91044 0,05219 0,96949
5 3,292 4,115 3,7035 3 0,01376 0,99541 2,54981 0,01926 0,98874
6 4,115 4,938 4,5265 0 0,00000 0,99541 0,94083 0,00710 0,99585
7 4,938 5,761 5,3495 0 0,00000 0,99541 0,34715 0,00262 0,99847
8 5,761 6,584 6,1725 0 0,00000 0,99541 0,12809 0,00097 0,99943
9 6,584 7,407 6,9955 1 0,00459 1,00000 0,04726 0,00036 0,99979
Total 218 1 217,97236 0,99979

perhitungan :
1. Distribusi Eksponensial secara Empiris
Diketahui:
Frekuensi kelas ke-3 = 15
Jumlah Frekuensi Total = 218
menggunakan rumus (39):
P(X=x) = Jumlah seluruh frekuensi
15
P(X=3) = 218
= 0,6881
2. Distribusi Eksponensial secara Teoritis

Diketahui:
x1 = 0,4115
x2 = 1,2345
λ = 1,21144
P(X=2) = P(X≤2) – P(X≤1)
= (1-e^(- λ*x2)) – (1-e^(- λ*x1))
= 0,38331
58
4.2 Analisis
Subbab ini berisikan analisis dari hasil pengolahan data pada subbab
sebelumnya.
4.2.1 Distribusi Binomial
Berdasarkan Tabel 2.4.1 dan Tabel 2.4.2 diketahui distribusi binomial

dibagi menjadi tujuh kelas. Kemudian trial dimulai dari trial ke nol hingga trial ke
tujuh. Dapat dilihat dari kedua tabel terdapat kotak yang dikosongkan. Hal itu
karena nilai trial yang lebih besar dari nilai kelas. Dengan membandingkan kedua
tabel, dapat ditetapkan bahwa perbedaan pengolahan data secara teoritis dan secara
empiris tidak terlalu besar. Hal itu karena metoda pengolahan data baik secara
empiris maupun teoritis menggunakan distribusi binomial, yang mebedakan hanya
penggunaan nilai p.
4.2.2 Distribusi Poisson
Data yang telah diolah menggnakan distribusi poisson ditampilkan dalam

bentuk Line-Chart. Hasil pengolahan dapat dilihat pada Gambar 2.4.1 dan
Gambar 2.4.2.
Bar Chart PMF Distribusi Poisson dan Distribusi

Normal
0,80000
Probabilitas
0,60000 Empiris Distribusi

Poisson
0,40000
0,20000 Teoritis Distribsi
Poisson
0,00000
0 1 2 3 4 5 6 7 Teoritis Distribusi
Normal
Nilai x
Gambar 2.4.1 Bar-Chart PMF Distribusi Poisson dan Distribusi Normal
59
Pada Gambar 2.4.1 diketahui bahwa nilai teoiritis distribusi poisson lebih
rendah dibandingkan nilai teoritis distribusi normal. Berdasarkan nilai x, nilai
empiris distribusi poisson mengalami penurunan saat nilai x semakin besar. Nilai
teoritis distribusi poisson dan nilai teoritis distribusi normal tidak saling mendekati
karena distribusi poisson menggunakan nilai µ sedangkan distribusi normal
menggunakan nilai µ dan nilai σ untuk mencari probabilitas.
Line Chart CDF Distribusi Poisson dan Distribusi

Normal
1,20000
1,00000
Probabilitas
0,80000 Empiris Distribuusi

Poisson
0,60000
Teoritis Distribusi
0,40000 Poisson
0,20000 Teoritis Distribusi
Normal
0,00000
0 1 2 3 4 5 6 7
Nilai x
Gambar 2.4.2 Line-Chart CDF Distribusi Poisson dan Distribusi Normal
Pada Gambar 2.4.2 dilihat bahwa distribusi poisson dan distribusi normal
memiliki nilai yang tidak terlalu jauh. Hal itu karena keduanya memiliki konsep
yang sama. Dapat disimpulkan juga bahwa nilai CDF mencapai satu pada saat nilai
x sama dengan empat pada penghitungan empiris distribusi poisson, nilai x sama
dengan 7 pada penghitungan teoritis distribusi poisson, dan nilai x sama dengan
tujuh pada penghitungan teoritis distribusi normal.
4.2.3 Distribusi Geometrik
Data yang telah diolah menggunakan distribusi geometrik, hasilnya

ditampilkan dalam bentuk Line-Chart pada Gambar 2.4.3 dan Gambar 2.4.4.
60
Bar Chart PMF Distribusi Geometrik
0,70000
Probabilitas 0,60000
0,50000
0,40000
0,30000 Empiris
0,20000 Teoritis
0,10000
0,00000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Nilai x
Gambar 2.4.3 Bar-Chart PMF Distribusi Geometrik
Berdasarkan Gambar 2.4.3 dikeahui bahwa nilai empiris dan nilai teoritis
cenderung menurun, namun perbedaan antara keduanya sangat kecil. Karena dari
definisi distribusi geometrik adalah eksperimen untuk mencapai peluang sukses
pertama kalinya. Pengolahan secara empiris dilakukan dengan mengalikan peluang
masing-masing hingga mencapai sukses pertama kali, sedangkan pengolahan
secara teoritis dilakukan dengan menggunakan distribusi geometrik. Dapat
disimpulkan bahwa pengolahan distribusi geometrik dapat dilakukan secara empiris
dan teoritis.
Line Chart CDF Distribusi Geometrik

1,20000
Probabilitas Kumulatif
1,00000
0,80000
0,60000
Empiris
0,40000
Teoritis
0,20000
0,00000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Nilai x
Gambar 2.4.4 Line-Chart CDF Distribusi Geometrik
61
Pada Gambar 2.4.4 diketahui bahwa nilai pengolahan data secara empiris
dan teoritis hampir sama. Semakin tinggi nilai x, maka nilai probabilitas semakin
cenderung mendekati satu. Dapat dilihat juga bahwa nilai CDF secara empiris dan
teoritis mendekati satu pada saat nilai x sama dengan empat belas.
4.2.4 Distribusi Normal
Data yang telah diolah menggunakan distribusi normal ditampilkan dalam

Line-Chart pada Gambar 2.4.5 dan Gambar 2.4.6.
Bar Chart PMF Nilai Rata-rata Siswa IPA

0,30000
0,25000
Probabilitas
0,20000
0,15000
Empiris
0,10000
Teoritis
0,05000
0,00000
1 2 3 4 5 6 7 8 9
Kelas Interval
Gambar 2.4.5 Bar-Chart PMF Distribusi Normal
Berdasarkan Gambar 2.4.5 dilihat bahwa PDF nilai rata-rata siswa awalnya
cenderung naik dan kemudian mengalami penurunan. Data empiris dan teoritis
memiliki nilai PDF tertinggi pada kelas ke-4. Hal ini menunjukkan bahwa frekuensi
tertinggi berada pada kelas ke-4 dengan nilai tengahnya adalah 88,0195.
62
Line Chart CDF Nilai Rata-rata Siswa IPA
1,20000
Probabilitas Kumulatif 1,00000
0,80000
0,60000
0,40000 Empiris
0,20000
Teoritis
0,00000
Nilai Tengah
Gambar 2.4.6 Line-Chart CDF Distribusi Normal
Berdasarkan Gambar 2.4.6 dapat dilihat bahwa probabilitas kumulatif

pengolahan data secara empiris dan teoritis memiliki nilai yang hampir sama.
Kemudian nilai frekuensi kumulatif pengolahan empiris dan teoritis semakin
mendekati pada kelas ke-7 dengan nilai tengahnya adalah 93,4645.
4.2.5 Distribusi Eksponensial
Data yang telah diolah menggunakan distribusi eksponensial, ditampilkan

dalam Line-Chart pada Gambar 2.4.7 dan Gambar 2.4.8.
Bar Chart PMF Distribusi Eksponensial

0,70000
0,60000
Probabilitas
0,50000
0,40000 Empiris
0,30000 Teoritis
0,20000
0,10000
0,00000
1 2 3 4 5 6 7 8 9
Kelas Interval
Gambar 2.4.7 Bar-Chart PMF Distribusi Eksponensial
63
Berdasarkan Gambar 2.4.7 dapat diketahui bahwa nilai empiris dan teoritis
PMF cenderung menurun. Hal ini dikarenakan menurunnya frekuensi setiap kelas
berikutnya. Dapat disimpulkan bahwa probabilitas kedatangan kendaraan semakin
lama semakin sedikit.
Line Chart CDF Distribusi Eksponensial

Probabilitas Kumulatif
1,50000
1,00000
Empiris
0,50000 Teoritis
0,00000
1 2 3 4 5 6 7 8 9
Kelas Interval
Gambar 2.4.8 Line-Chart CDF Distribusi Eksponensial
Berdasarkan Gambar 2.4.8 didapatkan bahwa nilai pengolahan data secara

empiris dan teoritis memiliki nilai yang hampir sama. Karena nilai frekuensi yang
hampir sama saat penghitungan dengan distribusi frekuensi dengan menggunakan
distribusi eksponensial. Kemudian dapat dilihat juga bahwa frekuensi kumulatif
empiris dan teoritis mencapai nilai satu pada kelas ke-9.
64
BAB V
PENUTUP
Bab ini berisikan kesimpulan dari penelitian beserta saran untuk penulis
5.1 Kesimpulan
Setelah penelitian dan pengolahan data selesai dapat diambil kesimpulan

sebagai berikut:
1. Dari data siswa SMA di Kota Padang dapat dihitung menggunakan
distribusi binomial, distribusi geometrik, dan distribusi normal.
2. Dari data kendaraan dapat dihitung mengguakan distribusi poisson, dan
distribusi eksponensial.
3. Data siswa SMA di Kota Padang dan data kendaraan dapat di sajikan dalam
bentuk tabel PDF dan CDF beserta grafiknya yang dapat mempermudah
dalam mendapatkan informasi mengenai data teoritis dan data empiris.
5.2 Saran

1. Dalam melakukan pengolahan data sebaiknya memperhatikan terlebih
dahulu mengenai konsep pengolahan data tersebut agar kesalahan pada saat
pengolahan data dapat terhindari.
2. Ketelitian saat melakukan pengolahan data dan membuat laporan sangat
diperlukan agar tidak terjadi kesalahan.
3. Sopan santun dalam berkomunikasi harus lebih diperhatikan.
MODUL 3
DISTRIBUSI SAMPLING
BAB I
PENDAHULUAN
1.1 Latar Belakang
Populasi dan sampel adalah dua aspek penting dalam mempelajari distribusi
sampling. Beberapa metode dapat digunakan untuk memilih sebuah sampel dari
sebuah populasi. Salah satu metode yang paling umum adalah penarikan sampel
acak sederhana. Populasi berarti keseluruhan unit atau individu dalam ruang
lingkup yang ingin diteliti, sedangkan sampel merupakan sebagian anggota dari
populasi yang dipilih dengan menggunakan prosedur tertentu sehingga diharapkan
dapat mewakili populasinya.[1]
Apabila ingin memahami terminologi dari distribusi sampling,

bayangkanlah seluruh kemungkinan sampel berukuran 5 yang dapat dibentuk dari
suatu populasi. Masing-masing sampel tersebut dapat dihitung sebuah statistik
sampel seperti mean, range, standar deviasi dan lain-lain, yang nilainya tentu akan
berbeda-beda pada masing-masing sampel. Maka dengan cara demikian kita bisa
memperoleh suatu distribusi nilai statistik sampel-sampel tersebut. Distribusi ini
dinamakan distribusi sampling.[2]
Berdasarkan laporan praktikum kali ini, akan dilakukan pengolahan data

menggunakan metoda distribusi sampling. Pengolahan data tersebut dilakukan
terhadap data random yang telah dibangkitkan menggunakan Microsoft Excel. Data
yang telah diolah akan disajikan dalam bentuk tabel dan grafik histogram agar
mempermudah untuk mendapatkan informasi.
1.2 Rumusan Masalah
Rumusan masalah dari laporan ini adalah:

1. Bagaimana cara membangkitkan data random pada Microsoft Excel?
2. Bagaimana cara mengetahui rata-rata data random terdistribusi atau tidak?
3. Bagaimana cara menyajikan data yang telah dibangkitkan dan telah
dilakukan pengolahan data menggunakan distribusi sampling dalam bentuk
grafik histogram?
Tujuan penelitian dari laporan ini adalah:

4. Mengetahui cara untuk membangkitkan data random pada Microsoft Excel.
5. Mengetahui rata-rata dari pengolahan data random yang telah dibangkitkan
terdistribusi.
6. Mengetahui bentuk grafik histogram dari data yang telah dibangkitkan serta
dilakukan pengolahan data tersebut menggunakan distribusi sampling.
Manfaat penelitian dari laporan ini adalah

3. Bagi Penulis
Manfaat yang dapat diambil dari penelitian ini yaitu mampu memahami
serta menambah kemampuan dalam menggunakan ilmu distribusi sampling.
4. Bagi Pembaca
Sebagai tambahan wawasan dan informasi dari penerapan ilmu statistika
distribusi sampling.
1.5 Batasan Masalah
68
Batasan masalah dari penulisan laporan ini adalah data random yang
dibangkitkan dengan jumlah 50.000 data. Data yang telah dibangkitkan akan
dilakukan pengolahan menggunakan metode distribusi sampling kemudian
disajikan dengan bentuk grafik histogram.
69
BAB II
LANDASAN TEORI
Bab ini menjelaskan tentang landasan teori yang digunakan dalam

penelitian ini.
2.1 Sampel
Sampel adalah sebagian anggota dari populasi yang dipilih dengan

menggunakan prosedur tertentu sehingga diharapkan dapat mewakili populasinya.
Banyaknya anggota suatu sampel disebut ukuran sampel, sedangkan suatu nilai
yang menggambarkan ciri sampel disebut statistik (karena statistik diperoleh dari
sampel, maka dengan adanya perbedaan sampel yang terambil, nilai statistik yang
diperoleh dapat berubah juga sehingga bervariasi atau berubah-ubah merupakan ciri
statistik). Selain itu, statistik dapat juga berarti data yang berupa angka hasil
pencatatan atas suatu kejadian. Sebagai contoh, statistik kependudukan Indonesia
dari tahun 1995-2000.[13]
2.2 Populasi
Populasi berarti keseluruhan unit atau individu dalam ruang lingkup yana
ingin diteliti. Populasi dibedakan menjadi populasi sasaran dan populasi sampel.
Populasi sasaran adalah keseluruhan individu dalam wilayah, lokasi, atau kurun
waktu yang sesuai dengan tujuan penelitian. Populasi sampel adalah keseluruhan
individu yang akan menjadi satuan analisis dalam populasi yang layak dan sesuai
untuk dijadikan atau ditarik sebagai sampel penelitian sesuai dengan kerangka
sampelnya, sedangkan yang dimaksud dengan kerangka sampel adalah seluruh
daftar individu yang menjadi satuan analisis yang ada dalam populasi dan akan
diambil sampelnya.
Populasi berdasarkan ukuran adalah terhingga dan tidak terhingga. Populasi
terhingga adalah yang mempunyai sumber data yang jelas batas-batasnya secara
kuantitatif sehingga dapat dihitung jumlahnya. Contohnya adalah jumlah penduduk
Kota Semarang sebesar 7.500.000 jiwa. Populasi tak terhingga yaitu sumber
datanya tidak dapat ditentukan batas-batasnya sehingga relatif tidak dapat
dinyatakan dalam bentuk jumlah, misalnya air di lautan serta banyaknya pasir yang
terdapat di Kali Putih. Metode pengumpulan data yang melibatkan seluruh anggota
populasi disebut sensus.[13]
2.3 Sampel Acak
Probability sampling (sampel acak) adalah teknik sampling (teknik

pengambilan sampel) yang memberikan peluang yang sama bagi setiap unsur
(anggota) populasi untuk dipilih menjadi anggota sampel. Dalam probability
sampling, pemilihan sampel tidak dilakukan secara subjektif, dalam arti sampel
yang terpilih tidak didasarkan semata-mata pada keinginan peneliti sehingga setiap
anggota populasi memiliki kesempatan yang sama (acak) untuk terpilih sebagai
sampel. Dengan demikian, diharapkan sampel yang terpilih dapat digunakan untuk
menduga karakteristik populasi secara objektif.[13]
2.4 Parameter dan Statistik
Parameter merupakan ukuran yang berlaku pada populasi, sedangkan

statistik merupakan ukuran yang berkenaan dengan sampel. Asumsi dasar dalam
analisis data harus dipenuhi sebelum menguji hipotesis. Pertama, data berdistribusi
normal. Kedua, data yang diuji berasal dari populasi atau sampel. Statistik yang
tepat untuk menguji hipotesis tentang parameter populasi disebut statistik
parametrik. Jika parameter diuji berdasarkan data sampel, maka statistik yang
digunakan adalah statistik inferensial (statistik induktif). Statistik parametrik
didasarkan pada asumsi populasi atau sampel harus berdistribusi normal, dipilih
71
secara acak (random), mempunyai hubungan yang linier, dan data bersifat
homogen. Statistik parametrik lebih banyak bekerja dengan data interval dan ratio.
Pasangan dari statistik parametrik adalah statistik non parametrik. Statistik non
parametrik tidak menganut asumsi bahwa data populasi atau sampel harus
berdistribusi normal, dipilih secara acak, mempunyai hubungan yang linier, dan
data bersifat homogen. Sehingga statistik parametrik disebut statistik bebas
distribusi. Statistik non parametrik lebih banyak bekerja dengan data ordinal dan
nominal.[15]
Berikut ini lambang yang digunakan untuk parameter populasi dan statisik
sampel.[16]
Tabel 3.2.1 Perbedaan Parameter dan Statistik

Keterangan Parameter Populasi Statistik Sampel
Rata-rata μ ̅
X
Varians σ2 S2
Simpangan Baku σ S
Jumlah Observasi N N
Proporsi X X
π= P=
N N
2.5 Distribusi Sampling
Dengan adanya variasi nilai pengamatan pada sampel, setiap nilai statistik
sampel, seperti mean sampel, deviasi standard sampel, kurtosis sampel, dan
sebagainya, juga akan bervariasi antara sebuah sampel dengan sampel lainnya. Jadi
sebelum diperolehnya nilai pengamatan (data) X1, X2, X3, ..., Xn, nilai statistik
sampel seperti nilai mean x̅, nilai deviasi standar s, dan lain-lain juga merupakan
variabel-variabel acak yang dinotasikan dengan x̅, S, dan sebagainya.
72
Untuk memahami terminologi dari distribusi sampling, bayangkanlah
seluruh kemungkinan sampel berukuran 5 yang dapat dibentuk dari suatu populasi.
Untuk masing-masing sampel tersebut dapat dihitung sebuah statistik sampel
seperti mean, range, deviasi standard an lain lain, yang nilainya tentu akan berbeda-
beda pada masing-masing sampel. Maka dengan cara demikian kita bisa
memperoleh suatu distribusi nilai statistik sampel-sampel tersebut. Distribusi ini
dinamakan distribusi sampling.
Jika statistik yang ditinjau adalah mean dari masing-masing sampel, maka
distribusi yang terbentuk disebut distribusi rata-rata sampling. Dengan demikian
dapat juga diperoleh distribusi deviasi standar, varians, median, dan lain-lain dari
sampling. Kemudian terhadap masing-masing jenis distribusi sampling ini pun
dapat dihitung ukuran-ukuran statistik deskriptifnya (mean, range, standar deviasi
dan lain-lain).[14]
Alasan memilih metode sampling:[16]

1. Objek penelitian yang homogen
2. Objek penelitian yang mudah rusak
3. Penghematan biaya dan waktu
4. Masalah ketelitian
5. Ukuran populasi
6. Faktot ekonomi
2.6 Metode Penarikan Sampel
Metode penarikan sampel dapat dikelompokkan menjadi dua golongan

antara lain sampling non-probabilitas dan sampling probabilitas.
73
2.6.1 Sampling Non-Probabilitas
Sampling non-probabilitas terdiri dari convenience sampling, judgment

sampling dan quota sampling.
2.6.1.1 Convenience Sampling
Sampel Convenience diambil berdasarkan namanya yaitu kesukaan peneliti,

misalnya dengan menghadang pengunjung yang baru keluar dari sebuah
supermarket dan mewawancarainya tentang sesuatu. Teknik ini mudah
diselenggarakan dan ini sering digunakan untuk penelitian yang bersifat
eksplorasi.[17]
2.6.1.2 Judgment Sampling
Sampel judgment atau kebijaksanaan diambil berdasarkan pendapat para

ahli. Memang hamper mirip dengan convenience sampling, pemilihan elemen yang
dipilih sangat tergantung pada peneliti. Hanya saja pada judgment sampling proses
pemilihan masih mempertimbangkan hal-hal tertentu.[17]
2.6.1.3 Quota Sampling
Proses ini merupakan bentuk khusus dari proses bentuk "kebijaksanaan".

Peneliti melakukan pengendalian terhadap beberapa karakteristik yang dimiliki
elemen populasi. Misalkan, untuk responden, peneliti menerapkan setengah dari
ukuran sampel yang ditetapkan berusia di atas 30 tahun dan selebihnya berusia 30
tahun atau kurang. Usia merupakan karakteristik yang dikendalikan.[17]
74
2.6.2 Sampling Probabilitas
Sampling probabilitas terdiri dari simple random sampling, stratified

sampling, cluster sampling, sistematic sampling, dan area sampling.
2.6.2.1 Simple Random Sampling
Berdasarkan teknik ini, seluruh elemen populasi memiliki kesempatan yang

sama menjadi elemen sampel yang akan dipilih. Sampel yang akan dipilih sering
disebut sebagai sampel acak sederhana. Metode ini tidak banyak digunakan karena
akan banyak memakan waktu. Hal ini dapat dibayangkan jika jumlah elemen-
elemen populasinya demikian banyak.[17]
2.6.2.2 Stratified Sampling
Jika pada simple random sampling proses sampling dilakukan dalam satu
tahap, maka dalam stratified sampling proses sampling dilakukan dalam beberapa
tahap atau tingkat. Berdasarkan teknik ini, proses dibagi menjadi dua tingkat, yaitu:
1. Membagi seluruh elemen populasi menjadi beberapa kelompok atau strata,
dengan memperhatikan aturan tertentu. Misalnya, populasi dikelompokkan
berdasarkan jenis kelamin, laki-laki dan perempuan, dibagi menjadi
beberapa kelompok menurut usia dan lainnya. Masing-masing
kelompok tersebut satu dengan lainnya saling asing, sehingga suatu elemen
dari suatu kelompok tidak dapat menjadi elemen kelompok yang lain.
2. Untuk masing-masing strata, dilakukan pemilihan sampel dengan teknik
simple random sampling.[17]
2.6.2.3 Cluster Sampling
Hampir sama dengan stratified sampling, pada cluster rampling, populasi

dibagi menjadi beberapa kelompok. Hanya saja, dalam cluster sampling,
pembagian menjadi beberapa kelompok tersebut dilakukan dengan cara acak.
75
Selanjutnya, dari masing-masing kelompok dipilih elemen-elemen populasi untuk
dijadikan elemen-elemen sampel dengan cara simple random sampling.[17]
2.6.2.4 Sistematic Sampling
Bedasarkan teknik ini, elemen-elemen yang akan dijadikan elemen-elemen

sampel dipilih dengan memilih elemen-elemen pada urutan tertentu yang tersedia
pada suatu kerangka sampling, setelah titik awal urutan telah ditetapkan. Antara
elemen satu yang terpilih dengan elemen lain yang terpilih memiliki interval urutan
yang sama.[17]
2.6.2.5 Area Sampling
Berdasarkan teknik-teknik yang telah dibahas, tidak jarang muncul

kesulitan-kesulitan dalam menyusun sebuah kerangka sampling, dalam hal jika
elemen-elemen yang akan didaftar demikian banyak, misalnya jumlah penduduk
Indonesia yang berusia 25 tahun ke atas, data yang termuat dalam kerangka
sampling telah usang, sebagainya. Kesulitan ini dapat diatasi dengan membuat
daerah-daerah sampling.[17]
2.7 Distribusi Sampling Rata-Rata
Distribusi sampling rata-rata merupakan distribusi dari besaran rata-rata

yang muncul dari sampel ataupun suatu distribusi probabilitas dari seluruh
kemungkinan rata-rata sampel dari sejumlah sampel yang diperoleh.
Dalil limit pusat yaitu apabila sampel-sampel acak diambil dari suatu
populasi yang berdistribusi sembarang, yang mempunyai rata-rata 𝜇 dan varians σ2 ,
maka untuk “n” besar, distribusi sampling rata-rata dapat dianggap mendekati
σ
distribusi normal dengan rata-rata μ = μx̅ dan simpangan baku σx̅ = dengan kata
√n
x̅ -μx̅
lain z = , mendekati normal baku. Sifat ini hanya berlaku bila cara pengambilan
σx̅
76
sampelnya dengan pengembalian. Jika pengambilan sampelnya tanpa
pengembalian, maka distribusi sampling rata-rata akan mempunyai μx̅ = μ dan
σ N-n N-n
simpangan bakunya adalah σx̅ = √ , faktor √N-1 dalam rumus ini disebut faktor
√n N-1
koreksi.[16]
2.8 Distribusi Sampling Proporsi
Distribusi sampling proporsi adalah distribusi dari proporsi (persentase)

yang diperoleh dari semua sampel sama besar yang mungkin dari satu populasi.
X
Proporsi dari populasi dinyatakan dengan π = N dan proporsi untuk sampel
X
dinyatakan dengan P = N. Distribusi sampling proporsi dapat digunakan untuk
mengetahui persentase atau perbandingan antara dua hal yang berkomplemen

(peristiwa binomial), seperti persentase perokok atau bukan perokok, persentase
pemilih bukan pemilih di suatu pemilu, dan perbandingan antara pemakai dan
bukan pemakai hasil produksi tertentu. Sejalan dengan sifat distribusi sampling
rata-rata, maka distribusi sampling proporsi mempunyai:[16]
μx = π ...(41)
n
π(1-π)
σx =√ ...(42)
n n
x
-μx
n n
z= ...(43)
σx̅
Distribusi sampling yang statistik sampelnya merupakan proporsi dari suatu

sampel.
77
2.9 Distribusi Sampling Beda Rata-Rata
Distribusi sampling selisih rata-rata adalah distribusi yang statistik

sampelnya merupakan selisih rata-rata sampel. Misalkan, dua populasi normal N1
dan N2 memiliki rata-rata masing μ1 dan μ2 dan simpangan baku masing-masing
dan Dari kedua populasi N1 dan N2 tersebut, diambil sampel random, yaitu n1 dan
̅ 1 dan X
n2 dengan rata-rata masing-masing X ̅ 2 , lalu dari kedua rata-rata itu dihitung
semua bedanya. Dari semua beda rata-rata yang diperoleh akan membentuk suatu
distribusi, yaitu distribusi sampling beda rata-rata degan rumus-rumus yang
digunakan:[16]
μx̅ = μ1 -μ2 ...(44)

1 -x
̅2
σ2 σ2
σx̅1-x̅2 =√n1 + n2 ...(45)
1 2
2.10 Distribusi Sampling Beda Proporsi
Distribusi sampling beda dua proporsi adalah distribusi dari perbedaan dua
besaran proporsi yang muncul dari sampel dua populasi. Misalkan, terdapat dua
populasi N1 dan N2 (dua populasi binomial), kemudian diambil sampel random,
yaitu n1 dan n2 dengan P1 dan P2 , maka beda antara kedua sampel proporsi (P1 -P2 )
akan membentuk suatu distribusi, yaitu distribusi sampling beda proporsi. Pada
distribusi sampling beda proporsi berlaku hal-hal berikut:[16]
μP = π1 -π2 ...(46)
1 -P2
π1 (1-π2 ) π2 (1-π2 )
σP1 -P2 = √ + ...(47)
n1 n2
78
Jika n1 dan n2 (n1 , n2 ≥ 30) cukup besar, distribusi sampling beda proporsi
akan mendekati distribusi normal, dengan variabel random standar yang rumus z
sebagai berikut:
(P1 -P2 )-μP -P

1 2
z= ...(48)
σP1 -P2
2.11 Teorema Limit Pusat (Central Limit Theorem)
Berdasarkan suatu populasi yang memiliki distribusi normal. distribusi

mean sampling juga terdistribusi normal untuk nilai n berapapun (tidak tergantung
ukuran sampel). Dengan kata lain, jika dimisalkan X1 , X2 , X3 , ... Xn-1 , Xn adalah
suatu sampel acak dari suatu populasi yang terdistribusi normal dengan mean 𝜇 dan
̅ juga terdistribusi normal
deviasi standard σ maka untuk sembarang nilai n. X
σ
dengan mean μx̅ =μ dan deviasi standar σ = jika populasinya tak terhingga atau
√n
σ N-n
σx̅ = √ jika populasinya terhingga berukuran N.
√n N-1
Sementara itu dari suatu populasi yang tidak terdistribusi secara normal, jika
ukuran sampel cukup besar (n > 30), distribusi mean sampling akan mendekati
suatu distribusi normal (gaussian) apapun bentuk asli distribusi populasinya.
Pernyataan ini dikenal sebagai teorema limit pusat. Dengan kata lain. seandainya
X1 , X2 , X3 , ... Xn-1 , Xn adalah suatu sampel acak dari suatu populasi tidak
terdistribusi secara normal dengan mean μ dan deviasi standard σ, maka untuk nilai
̅ mendekati suatu distribusi normal dengan mean
n yang cukup besar (n > 30) , X
σ σ N-n
μx̅ =μ dan deviasi standar σ = jika populasinya tak terhingga atau σx̅ = √ jika
√n √n N-1
populasinya terhingga berukuran N.[14]
79
2.12 Standar Error
Standar error biasa juga disebut standar kesalahan mean. Secara sederhana,
standar error diartikan sebagai standar deviasi dari rata-rata sampel. Ukuran
statistik ini dapat melihat akurasi penduga sampel terhadap parameter populasi.
Standar error merupakan nilai yang mengukur ketepatan nilai mean yang diperoleh
atau ketepatan nilai mean yang diperoleh dibandingkan dengan nilai mean
keseluruhan data populasi. Standar error disingkat dengan SE, dilambangkan Sy̅ ,
dirumuskan sebagai berikut:
S
SE= ...(49)
√N
Pada hitungan-hitungan statistik (hasil pengukuran dari sampel) faktor N

dikurangi 1. Kondisi yang perlu diketahui sehubungan dengan standar error adalah
dalam suatu distribusi frekuensi yang simetrik berdistribusi normal luas yang
̅ ±1 SE terdapat 68,3% jumlah observasi, yang dibatasi nilai X
dibatasi nilai X ̅ ±2 SE
̅ ±3 SE terdapat 99,7%
terdapat 95,4% jumlah observasi, dan yang dibatasi nilai X
jumlah observasi.[18]
80
BAB III
METODE PENELITIAN
Jenis penelitian yang kami lakukan pada kali ini adalah penelitian kuantitatif
karena pada laporan ini data yang digunakan berupa angka. Data yang diteliti
merupakan data penyimpangan ketebalan penggaris dengan range 0,03 mm sampai
0,4 mm . Dengan menggunakan metode distribusi sampling pada data random yang
dibangkitkan.
Berdasarkan penelitian kali ini dilakukan secara daring untuk mendapatkan

data yang diteliti berupa data penyimpangan ketebalan penggaris dengan range 0,03
mm sampai 0,4 mm sebagai bahan yang akan diteliti, lokasi penelitian dilaksanakan
di Sumatera Barat. Sedangkan waktu penelitianya dilaksanakan pada tanggal 17
November 2020.
Penelitian kali ini praktikan mengambil populasi sebanyak 50.000 data,

sedangkan sampel yang digunakan adalah 10.000 data sampel dengan data yang
akan diteliti berupa data penyimpangan ketebalan penggaris. Data tersebut
dibangkitkan dan dilakukan pengolahan data menggunakan metode distribusi
sampling.
Berdasarkan metode pengumpulan data yang di lakukan yaitu dengan

membangkitkan data random menggunakan Microsoft Excel yang berupa data
penyimpangan ketebalan penggaris dengan range 0,03 sampai 0,40 mm. Data yang
telah diolah dengan metode distribusi sampling akan disajikan dalam bentuk tabel
dan grafik histogram agar mempermudah untuk mendapatkan informasi.
Teknik analisis dari data yang dibangkitkan pada penelitian ini adalah
dengan menggunakan metode distribusi sampling. Data penyimpangan ketebalan
penggaris dengan range 0,03 sampai 0,4 mm sebanyak 50.000 data yang telah
dibangkitkan akan dilakukan pengolahan data untuk mendapatkan nilai rata-rata
populasi, rata-rata sampel, standar deviasi populasi dan standar deviasi sampel dari
data yang telah dibangkitkan. Data yang telah dilakukan pengolahan dengan
menggunakan metode distribusi sampling akan disajikan dalam bentuk grafik
histogram.
82
BAB IV
Bab ini berisi tentang pengumpulan dan pengolahan data yang didapatkan
dari hasil pembangkitan data menggunakan Microsoft Excel, beserta dengan
langkah-langkah membangkitkan data.
4.1 Pengumpulan Data
Pengumpulan data diperoleh dengan membangkitkan data random pada

Microsoft Excel. Tools yang digunakan pada Microsoft Excel yaitu dengan
menggunakan Data Analysis dengan cara memasukkan jumlah variabel data dan
banyak data random-nya. Setelah itu pilih distribusi uniform untuk menyeragamkan
data sehingga nilai probabilitasnya sama dalam suatu percobaan. Banyak data yang
digunakan sebanyak 5 subgrup dengan masing-masing subgrup terdiri dari 10.000
data penyimpangan ketebalan penggaris dengan range 0,03 sampai 0,40. Total data
yang diperoleh adalah 50.000 data.
4.2 Pengolahan Data
Proses pengolahan data menggunakan data yang dibangkitkan

menggunakan Microsoft Excel. Berdasarkan dari perhitungan yang dilakukan pada
data random sampling, didapatkan perbandingan antara populasi dan sampel
sebagai berikut:
Tabel 3.4.1 Perbandingan Mean dan Standar Deviasi Populasi dan Sampel
Populasi Sampel
Mean St. Deviasi Mean St. Deviasi
0,21489 0,10688183 0,21489 0,10688290
Berdasarkan Tabel 3.4.1, diketahui bahwa dari hasil pembangkitan data
random didapat nilai rata-rata dan standar deviasi. Nilai rata-rata dari populasi
didapatkan sama dengan nilai rata-rata dari sampel, hal itu dikarenakan sampel
adalah gambaran dari populasi, sehingga nilai rata-rata sampel yang didapatkan
mendekati atau sama dengan nilai rata-rata populasi. Nilai standar deviasi populasi
dengan nilai standar devias sampel memiliki nilai yang hampir sama. Standar
deviasi sampel lebih besar dari standar deviasi populasi karena sampel memiliki
variabilitas yang lebih besar daripada populasi.
4.2.1 Langkah-Langkah Membangkitkan Data
Berikut ini disajikan langkah-langah membangkitkan data pada Microsoft

Excel.
4.2.1.1 Memunculkan Data Analysis
Berikut ini adalah langkah-langkah untuk memunculkan tools ‘Data

Analysis’ pada Microsoft Excel.
1. Buka aplikasi Microsoft Excel.
Gambar 3.4.1 Tampilan Awal Microsoft Excel
84
2. Buka Tab File, kemudian Option. Langkah selanjutnya yaitu pilih Add-ins,
kemudian pilih Analysis ToolPak dan kemudian pilih Go.
Gambar 3.4.2 Tampilan dari Options
3. Setelah itu akan muncul pop-up dari Add-ins. Centak kotak Analysis
ToolPak dan klik OK.
Gambar 3.4.3 Tampilan Add-ins
85
4. Ini adalah tampilan dari tool ‘Data Analysis’. Tools ini terletak pada toolbar
‘Data’.
Gambar 3.4.4 Tampilan Letak Data Analysis
4.2.1.2 Membangkitkan Data
Berikut ini adalah langkah-langkah untuk membangkitkan data pada

Microsoft Excel.
1. Buka tool ‘Data Analysis’. Kemudian pada Analysis Tools, pilih Random
Number Generation dan klik OK.
Gambar 3.4.5 Tampilan Tool Data Analysis
2. Selanjutnya masukkan Number of Variables sebanyak 5 dan Number of

Random Numbers sebanyyak 10.000 data. Kemuudian pada Distribution
pilih Uniform, masukkan parameter antara 0,03 dan 0,40. Kemudian klik
Output Range dan tentukan tempat ingin data dimunculkan. Kemudian klik
OK.
86
Gambar 3.4.6 Tampilan Random Number Generation
3. Berikut ini adalah tampilan dari data yang telah dimunculkan.
Gambar 3.4.7 Tampilan Data Random
4.2.1.3 Memunculkan Histogram Distribusi Uniform
Berikut ini adalah langkah-langkah untuk memunculkan Histogram

Distribusi Uniform.
87
1. Buka tool ‘Data Analysis’, kemudian pada Analysis Tools, pilih Histogram.
Setelah itu klik OK.
Gambar 3.4.8 Tampilan Tool ‘Data Analysis’ Histogram Distribusi

Uniform
2. Masukkan data Random pada Input Range dengan cara memblok seluruh
semua data Random dan letakkan di tempat yang diinginkan. Kemudian
centang kotak Chart Output. Kemudian klik OK.
Gambar 3.4.9 Tampilan Input Data Histogram Distribusi Uniform
88
3. Setelah itu Histogram Distribusi Uniform muncul secara otomatis pada
lembar kerja Microsoft Excel.
Gambar 3.4.10 Tampilan Histogram Distribusi Uniform
4.2.1.4 Memunculkan Histogram Distribusi Normal
Berikut ini adalah langkah-langkah memunculkan Histogram Distribusi

Normal.
1. Lakukan pengolahan data random untuk menentukan rata-rata masing-

masing subgrup dengan function di Microsoft Excel.
Gambar 3.4.11 Tampilan Data Random dengan Rata-rata Subgrup
89
2. Buka tool ‘Data Analysis’, kemudian pada Analysis Tools, pilih Histogram.
Setelah itu klik OK.
Gambar 3.4.12 Tampilan Tool ‘Data Analysis’ Histogram Distribusi

Normal
3. Masukkan data Random pada Input Range dengan cara memblok seluruh
semua data Random dan letakkan di tempat yang diinginkan. Kemudian
centang kotak Chart Output. Kemudian klik OK.
Gambar 3.4.13 Tampilan Input Data Histogram Disttibusi Normal
90
4. Setelah itu Histogram muncul secara otomatis pada lembar kerja Microsoft
Excel.
Gambar 3.4.14 Tampilan Histogram Distribusi Normal
4.2.2 Perhitungan Distribusi Sampling Rata-rata
Data yang digunakan pada distribusi sampling rata-rata adalah data

penyimpangan ketebalan penggaris dengan range 0,03 sampai 0,40 mm. Diketahui
mean dari populasi adalah 0,21489, sedangkan besar standar deviasinya adalah
0,10688. Nilai mean dari populasi berhingga dan populasi tak berhingga
menggunakan rumus yang sama, yaitu:
µx̄ = µ ...(50)
Sedangkan untuk nilai standar deviasi, nilainya bergantung pada ketentuan

berikut:
n
1. Jika N ≤5% , populasinya tak berhingga maka digunakan
σ
σx̄ = ...(51)
√n
91
n
2. Jika N > 5% , populasinya berhingga maka digunakan
σ N-n
σx̄ = √ ...(52)
√n N-1
n
Maka dari itu, periksa nilai N terlebih dahulu:
n 400
= 10000 = 0,04 = 4%
N
Karena nilai 4% ≤ 5%, maka data termasuk populasi tak berhingga, nilai
mean dan standar deviasinya adalah:
Mean: µx̄ = µ = 0,21489
σ
Standar Deviasi: σx̄ =
√n
0,10688
=
√400
= 0,005344
4.2.3 Perhitungan Faktor Koreksi
Perhitungan faktor koreksi dilakukan untuk menentukan apakah data

terdistribusi normal atau tidak. Data dapat dikatakan terdistribusi normal apabila
nilai faktor koreksi mendekati 1. Pada subbab ini, faktor koreksi yang ingin
didapatkan yaitu nilai faktor koreksi yang paling mendekati 1. Berikut ini adalah
perhitungannya.
N-n
Faktor koreksi = √N-1 ...(53)
a. Jika nilai sampel n = 400,
92
10000-400
Faktor koreksi (n = 400) = √ = 0,979845
10000-1
b. Jika nilai sampel n = 200,
10000-200
Faktor koreksi (n = 200) = √ = 0,989999
10000-1
Berdasarkan perhitungan, faktor koreksi mendekati 1 saat n = 200 yaitu

sebesar 0,989999. Maka dapat disimpulkan bahwa data yang dimiliki mendekati
distribusi normal.
4.3 Analisis Data
Subbab ini berisikan analisis dari hasil pengumpulan dan pengolahan data
distribusi sampling.
4.3.1 Analisis Sampling Distribusi Uniform
Berasarkan hasil dari perhitungan yang telah dilakukan, didapatkan bentuk

histogram populasi dari data random menggunakan data analysis.
Gambar 3.4.15 Histogram Distribusi Uniform

Berdasarkan Gambar 3.4.15 dapat diketahui bahwa frekuensi tiap interval
yang hampir sama. Diketahui bahwa data yang digunakan yaitu data random
93
sebanyak 50.000 data. Tiap interval rata-rata memiliki frekuensi terletak di antara
400 hingga 550. Range pada batas bawah data dimulai dari 0,03 sampai 0,38517.
Frekuensi tertinggi berada pada saat bin sebesar 0,28528 dan 0,39257. Frekuensi
tiap interval hampir sama karena data yang terdistribusi uniform. Interval-interval
didapat dari pengolahan data menggunakan data analysis di Microsoft Excel.
4.3.2 Analisis Sampling Distribusi Normal
Berdasarkan hasil dari perhitungan yang telah dilakukan, didapatkan bentuk

histogram distribusi normal dari data random menggunakan Data Analysis.
Gambar 3.4.16 Histogram Distribusi Normal
Berdasarkankan Gambar 3.4.16, diketahui bahwa data mendekati

terdistribusi normal karena bentuk histogram yang menyerupai bentuk lonceng.
Data terdistribusi normal apabila nilai mean, median, dan modus sama. Diketahui
bahwa data yang digunakan adalah rata-rata 5 subgrup dari data random, yaitu
berjumlah 10.000 data. Range pada batas bawah data dimulai dari 0,05338 sampai
0,36671. Frekuensi tertinggi berada pada saat bin sebesar 0,20026. Namun dari data
yang telah dihitung dan dari histogram, bentuknya tidak seperti lonceng. Itu
menandakan bahwa data yang diperoleh belum mendekati distribusi normal.
Namun, karena jumlah sampel yang digunakan lebih dari 30 sampel, data dapat
dibilang mendekati distribusi normal menurut teorema limit pusat. Teorema limit
pusat menyatakan jumlah sampel yang lebih besar dari 30 pada distribusi sampling
rata-rata akan mendekati distribusi normal.
94
4.3.3 Analisis Perhitungan Distribusi Sampling Rata-rata
Berdasarkan hasil dari perhitungan yang telah dilakukan, diketahui bahwa

n
data termasuk data populasi tak berhingga karena didapatkan nilai ≤5% yaitu
N
sebesar 4%. Nilai mean dari distribusi sampling rata-rata adalah 0,21489,
sedangkan standar deviasinya adalah 0,005344. Berdasarkan hasil perhitungan,
dapat disimpulkan bahwa populasi data tak berhingga. Hal itu dikarenakan nilai N
yang besar dan nilai n yang kecil menyebabkan tidak perlunya pengembalian
sampel karena tidak akan berpengaruh pesar pada hasil perhitungan.
4.3.4 Analisis Perhitungan Faktor Koreksi
Perhitungan dilakukan dengan beberapa trial, trial pertama dengan sampel

n = 400 memiliki faktor koreksi sebesar 0,979845, trial kedua dengan sampel n =
200 memiliki faktor koreksi sebesar 0,989999, dan trial ketiga dengan sampel n =
100 memiliki faktor koreksi sebesar 0,995037. Kesimpulan yang dapat diambil
adalah pada sampel n = 100, data akan mendekati distribusi normal saat nilai faktor
koreksi mendekati 1 dan faktor koreksi tidak perlu dilakukan lagi karena nilainya
telah mendekati 1. Hal itu karena apabila jumlah pengambilan sampel sangat besar,
hasil dari perhitungan dari sampel tersebut bisa dianggap telah mewakili
keseluruhan populasi.
95
BAB V
PENUTUP
Bab ini berisikan kesimpulan dari penelitian beserta saran untuk penulis
5.1 Kesimpulan
Setelah penelitian dan pengolahan data selesai dapat diambil kesimpulan

sebagai berikut:
1. Membangkitkan data random dilakukan dengan tools pada Microsoft Excel
yang menggunakan Data Analysis dengan cara memasukkan jumlah
variabel data dan banyak data random-nya. Setelah itu pilih distribusi
uniform untuk menyeragamkan data sehingga nilai probabilitasnya sama
dalam suatu percobaan. Banyak data yang digunakan sebanyak 5 subgrup
dengan masing-masing data terdiri dari 10.000 data dengan range 0,03
sampai 0,40. Total data yang diperoleh adalah 50.000 data.
2. Rata-rata dengan menggunakan faktor koreksi (n = 200) dapat terdistribusi
normal karena rata-rata faktor koreksi yang didapatkan yaitu sebesar
0,9879999 yang telah mendekati 1.
3. Berdasarkan data yang dibangkitkan akan dilakukannya pengolahan data
dan didapatkan grafik histogram yang didapatkan dari rata-rata sampel dan
rata-rata populasi yang akan mempermudah dalam mendapatkan informasi
dari data random yang telah dibangkitkan.
5.2 Saran

1. Dalam melakukan pengolahan data sebaiknya memperhatikan terlebih
dahulu mengenai konsep pengolahan data tersebut agar kesalahan pada saat
pengolahan data dapat terhindari.
2. Ketelitian saat melakukan pengolahan data dan membuat laporan sangat
diperlukan agar tidak terjadi kesalahan.
3. Sopan santun dalam berkomunikasi harus lebih diperhatikan.
97
DAFTAR PUSTAKA
[1] Ananda dan Fadhli. 2018. Statika Pendidikan. Medan: CV. Widya Puspita.
[2] Hanief dan Himawanto. 2017. Statistik Pendidikan. Yogyakarta: Deepublish.

[3] Hayati. 2017. Probalitas dan Statistika. Jurnal Probalitas. Volume 14, 1, 1-76
halaman.
[4] Huwaida. 2019. Statistika Deskriptif. Banjarmasin: POLIBAN PRESS
[5] Muchson. 2017. Statistik Deskriptif. Depok: SPASI MEDIA.
[6] Setawan. 2015. Pengantar Teori Probalitas. Jawa Tengah: Trisara Grafika.
[7] Sulandari, Hartatik dan Sudibyo. 2014. Metode Statistika untuk Kimia: Analisis
Data dengan Excel. Bandung: Khazanah Intelektual.
[8] Untari. 2020. Buku Ajar Statistik 1. Jawa Tengah: CV. Pena Persada.
[9] Wahyudi. 2017. Statistika Ekonomi: Konsep, Teori dan penerapan. Malang:
UB Press.
[10] Jazuli. 2012. Statistika Matematika. Purwokerto: UMP Press.
[11] Hadi, Gunawan, dan Dalle. 2018. Statistika Inferensial. Banjarmasin: PT

Rajagrafinda Persada.
[12] Sahoo. 2015. Probability and Mathematical Statistics. Louisville.
[13] Sutopo dan Slamet. 2017. Statistika Inferensial. Yogyakarta: ANDI.
[14] Harinaldi. 2005. Prinsip-Prinsip Statistik Untuk Teknik dan Sains. Jakarta:
Erlangga
[15] Hanief dan Himawanto. 2017. Statistik Pendidikan. Yogyakarta: Deepublish.
[16] Kustituanto dan Badrudin. 2010. Statistika I. Depok: Gunadarma.
[17] Setiawan, Veronika. Dkk. 2017. Statistika II. Yogyakarta: ANDI.
[18] Cahyono.2018. Statistika Terapan. Yogyakarta: Deepublish.

LAMPIRAN
LAMPIRAN A
(Data Modul 1)
LAMPIRAN A.1
(Data Kuesioner)
LAMPIRAN A.1
(Data Kuesioner)
Tabel A.1 Data Kuesioner

Timestamp Email Address Nama Jenis Kelamin Tempat dan Tanggal Lahir Umur
9/11/2020 20:31:09 abdulhakimfirdaus@gmail.com

Abdul Hakim Firdaus Laki-Laki 01/01/2006 14
9/11/2020 21:39:38 sandiwishlin05@gmail.com Sandi Perempuan 12/07/2005 15
9/12/2020 5:25:01 najla.tsaqifahadilah@gmail.com
Naj'la Tsaqifah Adilah Perempuan 06/02/2003 17
9/13/2020 18:06:54 firdausvladdaffa@gmail.com
Muhammad Firdaus Laki-Laki 10/04/2001 19
9/11/2020 18:48:14 kelvinanggayumawan21@gmail.com
Kelvin Angga Yumawan Laki-Laki 19/07/2001 19
9/11/2020 14:20:58 aliciavayanson22@gmail.com
Alicia Perempuan 22/04/2001 19
9/11/2020 14:17:49 hojowars44@gmail.com Fadli Atmadjaya Laki-Laki 20/03/2001 19
9/11/2020 14:59:52 ilhamganteng@gmail.comIlham Laki-Laki 28/02/2001 18
9/11/2020 18:12:09 enkylatifakarim@gmail.comEnky Perempuan 15/01/2001 19
9/11/2020 21:55:14 nabilahputri49@gmail.com Alifa Nabilah Perempuan 05/04/2002 18
9/11/2020 22:06:27 jessicaalfa9@gmail.com Jessica Alfa Perempuan 14/04/2001 19
9/11/2020 22:06:44 andesmanalumanalu1@gmail.com
Andes Laki-Laki 21/11/2000 19
9/12/2020 9:15:59 tresnaridha@gmail.com Tresna Ridha Perempuan 05/12/2000 19
9/12/2020 22:39:45 chofifah0404@gmail.com Chofifah Perempuan 04/04/2000 20
9/13/2020 15:52:52 ayumarta361@gmail.com ayu Perempuan 06/03/2001 19
9/11/2020 15:45:32 petertan0211@gmail.com Peter Chan Laki-Laki 02/11/2002 17
9/13/2020 11:48:09 haniffiryanda2@gmail.com Mohammad Hanif Firyanda Laki-Laki 02/09/2002 18
9/11/2020 14:58:03 hafizhriyanto@gmail.comHafizh R. Laki-Laki 25/07/2002 18
9/11/2020 18:44:15 windiandrea123@gmail.com Windi andrea Perempuan 26/01/2001 19
9/11/2020 21:50:45 habibhusain976@gmail.com Habib husain Laki-Laki 02/01/2002 18
9/11/2020 23:34:09 laraaputrii.11@gmail.com Lara Perempuan 11/05/2002 18
9/12/2020 9:30:35 muhammadyaviasyidqi@gmail.com
Muhammad Yavi Asyidqi Laki-Laki 04/07/2001 19
9/12/2020 18:00:37 mutiarafahmi08@gmail.com Mutiara Fahmi Perempuan 12/08/2000 20
9/13/2020 15:54:56 rzanntsya@gmail.com Reza Anantasya Perempuan 01/03/2000 20
9/11/2020 22:04:20 rudinidex14@gmail.com Rudini Laki-Laki 14/02/2001 19
9/11/2020 21:13:08 evan.adipa84@gmail.com Muhammad Evan Adipa Laki-Laki 06/03/2002 18
9/11/2020 15:14:23 alhadimasyhur@gmail.com Alhadi Masyhur Laki-Laki 12/12/2000 19
9/12/2020 21:08:06 fajrisa89@gmail.com fajrisa adiva Perempuan 24/08/2001 19
9/11/2020 13:00:42 izamfahriyanto@gmail.com Izam Fahriyanto Laki-Laki 07/04/2002 18
9/11/2020 14:31:45 tputri408@gmail.com Mutiara Cahyani Putri Perempuan 02/03/2001 19
9/11/2020 14:32:51 salsabilagadingrahmadani2001@gmail.com
Salsabila Gading Rahmadani Perempuan 20/11/2001 18
9/11/2020 14:52:05 rahmahmarunduri305@gmail.com
Rahmah Perempuan 30/05/2001 19
9/11/2020 14:59:33 ayudiahvayanson2706@gmail.com
Ayudiah va yanson Perempuan 27/06/1999 21
9/11/2020 15:34:51 syntiasnry@gmail.com Syntia Sunaryo Perempuan 25/01/2001 19
9/11/2020 21:53:31 rachmadferrys@gmail.com Rachmad Ferry S Laki-Laki 19/04/2002 18
9/12/2020 21:57:07 thoriqfhajri@gmail.com Thoriq Muhammad Fajri Laki-Laki 13/01/2001 19
9/11/2020 14:23:13 tasyaolivia27@gmail.comTasya Olivia Perempuan 31/08/2001 19
9/11/2020 19:38:03 khusnukazuto@gmail.com Khusnu Ma'as Syarif Laki-Laki 24/03/2001 19
9/11/2020 19:33:15 salsabilautami83@gmail.com
Salsabila utami Perempuan 07/07/2002 18
9/11/2020 14:35:36 adryanmaulana56@gmail.comadryan maulana Laki-Laki 05/06/2001 19
9/11/2020 22:02:18 auliakhairani7@gmail.com Aulia K Perempuan 02/11/2001 18
9/12/2020 5:25:31 ahmadazizazzikri@gmail.com
Ahmad Aziz Az-zikri Laki-Laki 04/09/2002 18
9/13/2020 12:55:23 hrianisa@gmail.com Habibah Rianisa Perempuan 01/01/2001 19
9/12/2020 14:32:56 nopalman808@gmail.com Naufal fm Laki-Laki 10/03/2002 18
9/12/2020 6:15:32 hfranciskaa@gmail.com Hana Franciska Perempuan 17/06/2001 19
9/12/2020 9:19:46 hildaadriana@yahoo.comHilda Adriana Perempuan 21/07/2001 19
9/12/2020 16:43:05 atikasalsa14@gmail.comNur Atika Salsabilah Perempuan 14/07/2001 19
9/11/2020 18:15:36 safira.izdaharra011@gmail.com
Rara Perempuan 01/11/2001 18
9/11/2020 15:31:52 liscaangriani@gmail.com Lisca Angriani Perempuan 13/06/2000 19
9/11/2020 12:58:19 adituv@gmail.com Aditya Perdana Pasha Elmard, S.Pd
Laki-Laki 09/05/1996 24
9/11/2020 14:28:30 alfathalfarisi27@gamil.com
Alfath teman nya Reyhan Laki-Laki 25/09/2001 19
9/11/2020 13:32:19 zulfrijulianto@gmail.com Zulfri Julianto Laki-Laki 20/07/1998 22
9/12/2020 5:01:31 baffi.gaulz@gmail.com Bibob bin syukra bin ra Laki-Laki 02/02/2001 19
9/13/2020 12:01:07 devinaaprila12@gmail.com Devina Aprila Perempuan 21/04/2001 19
9/13/2020 12:43:54 mhdhasnanhabib1028@gmail.com
Mhd Hasnan Habib Laki-Laki 21/08/2001 19
9/11/2020 14:45:48 rafligemer121@gmail.com Rafligemer121@gmail.com Laki-Laki 12/12/2004 15
9/11/2020 19:05:52 sekarayua7@gmail.com Sekar Ayu Amanda Perempuan 07/03/2002 18
9/12/2020 15:34:15 lathief21.aw@gmail.comLatif Assyah Wali Laki-Laki 21/06/2001 19
9/11/2020 22:04:39 Rengganiselsa@gmail.com Elsa Rengganis Perempuan 11/03/2001 19
9/11/2020 19:35:08 pratamaajip01@gmail.com Pratama Aji Prisadi Laki-Laki 06/10/2001 18
9/11/2020 18:14:55 kevinyades2724@gmail.com Muhammad Kevin Yades Laki-Laki 24/01/2001 19
9/12/2020 5:25:50 audiadaffaa@gmail.com Audia Daffa Utama Laki-Laki 20/08/2001 19
9/12/2020 15:46:24 Anisacca123@gmail.com Anisa Perempuan 30/04/2001 20
9/12/2020 9:53:43 arthursply@gmail.com Muhammad Alfikri Laki-Laki 12/10/2001 18
9/12/2020 21:46:37 muhammadwaf28@gmail.con Muhammad Wafa Shadiq Laki-Laki 18/06/2001 19
9/11/2020 13:02:45 aksa2211.id@gmail.comAksa Laki-Laki 11/09/2005 15
9/11/2020 13:12:19 aflennafindo31@gmail.com Aflen nafindo Aimar Laki-Laki 31/08/2005 15
9/11/2020 13:29:03 annafi.lovanzaa@gmail.comsutarjo Laki-Laki 26/07/2001 19
9/11/2020 13:09:12 abidnafindoaimar@gmail.com
Abid Nafindo Aimar Laki-Laki 10/06/2002 18
9/12/2020 5:23:21 arsyadal.farabi68.aaf@gmail.com
Arsyad Al Farabi Laki-Laki 09/07/2001 19
9/11/2020 19:29:26 abrarwina@gmail.com Wina Perempuan 25/11/2002 17
9/11/2020 15:34:25 feliadevina@gmail.com Felia Devina Amadea Perempuan 26/04/2001 19
9/11/2020 22:39:06 ridhoesafarren28@gmail.com
Ridho Esafarren Laki-Laki 10/05/2001 19
9/11/2020 14:17:24 sfauzan313@gmail.com Fauzan Syahputra Laki-Laki 08/08/2002 18
9/11/2020 15:14:51 hakim.masri01@gmail.com Hakim Masri Laki-Laki 26/10/2001 19
9/11/2020 13:04:11 muhammadaqilirfaan@gmail.com
Muhammad Aqil Irfaan Laki-Laki 23/07/2000 20
9/12/2020 0:02:30 suryarezki18@gmail.comSurya rezki admanda Laki-Laki 16/05/2001 19
9/12/2020 0:21:00 thabitraihan@gmail.com Raihan Thabit Laki-Laki 16/11/2001 18
9/12/2020 7:37:51 taufiqrolisyah@gmail.com Taufiq Rolisyah Putra Laki-Laki 17/05/2001 19
9/13/2020 11:42:45 mhdrasya1@gmail.com M.Rasya Laki-Laki 17/03/2007 12
9/11/2020 14:30:30 albarrahfikry@gmail.comFikry Al barrah Laki-Laki 24/07/2003 17
9/11/2020 19:45:22 daniesanasywa@gmail.com Daniesa Perempuan 31/07/2001 19
9/11/2020 20:14:05 rayhan050900@gmail.com Rayhan Fadilla Laki-Laki 05/09/2000 20
9/12/2020 16:00:39 dzakyasopit98@gmail.com dzaky asopit Laki-Laki 11/06/2001 19
9/11/2020 13:15:50 sandyput12345@gmail.com Harry Fadhillah Sandy Laki-Laki 07/08/2001 19
9/11/2020 23:57:13 hafizha.marsha11@gmail.com
Marsha M Hafizha Perempuan 11/04/2001 19
9/11/2020 14:31:25 andranofri927@gmail.com Andra Laki-Laki 11/11/2000 19
9/11/2020 21:18:17 yoditarmanto891@gmail.comYodi tarmanto Laki-Laki 06/12/2000 19
9/11/2020 14:36:31 zaljupri88@gmail.com Jufri temannya rayhan Laki-Laki 17/06/2001 19
9/11/2020 13:06:44 lilithaaibuan@gmail.com Lilit Perempuan 16/12/1988 32
9/11/2020 15:48:30 m.teguhhutomo@gmail.com Muhammad Teguh Hutomo Laki-Laki 29/09/2001 18
9/12/2020 21:52:31 hafidzalqiram@gmail.com Hafidzul Qiram Laki-Laki 03/05/2001 19
9/12/2020 0:12:10 aryadestaramadhan24@icloud.com
Arya Desta Ramadhan Laki-Laki 24/12/2000 19
9/11/2020 22:06:55 slmrmdhni30.bts@gmail.comSalmi Ramadhani Perempuan 30/11/2000 19
9/11/2020 22:10:54 dennisang512@gmail.com Dennis Perempuan 05/12/2001 18
9/11/2020 22:31:29 julianjuswan@gmail.comJulian Juswan Perempuan 05/07/2000 20
9/12/2020 15:47:59 haha2812a@gmail.com Ilham Alfitrah Laki-Laki 28/12/2000 19
9/11/2020 21:57:26 andikaadicandra17@gmail.com
Andika Adi Candra Laki-Laki 12/08/1998 22
9/11/2020 21:54:35 anggarr07@gmail.com Fandy Z Laki-Laki 07/12/2000 19
9/12/2020 19:24:16 diannechristin150@gmail.com
Dianne Christin Perempuan 22/11/2002 17
9/11/2020 19:24:58 iqbal45693210@gmail.com Muhammad iqbaal Laki-Laki 24/04/2002 18
Tabel A.1 Data Kuesioner (lanjutan)
Apakah pada masa Berapa lama waktu yang
Apakah anda
pandemi COVID-19 anda habiskan di luar
sering keluar Berapa lama waktu yang kamu
ini anda sering rumah pada masa Kita saat ini tidak bisa lepas dari Media Sosial. Media
Asal Daerah rumah pada Apa yang kamu lakukan saat keluar rumah ? habiskan bermain media sosial
melakukan kontak pandemi saat ini ? Sosial manakah yang anda gunakan saat ini ?
masa pandemi ini saat pandemi ini ?
langsung dengan (Masukkan Angka Saja,
?
orang lain ? Satuan Jam)
Pekanbaru Tidak Tidak Hanya dirumah saja , belajar daring 0 Instagram, Youtube, Twitter, Whatsapp, TikTok Lebih sering dari biasanya
Riau Tidak Tidak Tidak keluar 0 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Riau Tidak Tidak Beri keperluan, Mencari udara segar 0,25 Instagram, Youtube, Twitter, Whatsapp, Line, telegram Lebih sering dari biasanya
Kota Solok Ya Ya Beri keperluan 0,5 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Pekanbaru Tidak Tidak Mencari udara segar 0,5 Line Sama seperti biasa
Riau Tidak Tidak Beli keperluan 1 Instagram, Youtube, Twitter, Whatsapp Sama seperti biasa
Padang Tidak Tidak Beri keperluan 1 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Pekanbaru Tidak Tidak Beri keperluan 1 Instagram, Youtube Lebih sering dari biasanya
Dharmasraya Tidak Tidak Beri keperluan 1 Whatsapp Lebih sering dari biasanya
Riau Tidak Tidak Beri keperluan 1 Instagram, Whatsapp Lebih sering dari biasanya
Riau Tidak Tidak Beri keperluan 1 Instagram, Youtube, Whatsapp, Telegram Lebih sering dari biasanya
Riau Tidak Tidak Beri keperluan 1 Instagram Lebih sering dari biasanya
Pekanbaru, Riau Tidak Tidak Beri keperluan 1 Instagram, Whatsapp Sama seperti biasa
Sumatera Barat Tidak Tidak Beri keperluan 1 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
lubuk basung Tidak Tidak Beri keperluan 1 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Pekanbaru Ya Ya Beri keperluan 1 Instagram, Youtube, Whatsapp, Line Lebih sering dari biasanya
Padang Tidak Tidak Beri keperluan, Beli kebutuhan sehari-hari 1 Instagram, Youtube, Whatsapp Sama seperti biasa
Pekanbaru Tidak Tidak Beri keperluan, Mencari udara segar 1 Instagram, Twitter, Whatsapp Sama seperti biasa
Riau Tidak Tidak Beri keperluan, Mencari udara segar 1 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Pekanbaru Tidak Tidak Beri keperluan, Mencari udara segar 1 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Riau Tidak Tidak Beri keperluan, Mencari udara segar 1 Instagram, Youtube, Twitter, Whatsapp Sama seperti biasa
Jakarta Tidak Tidak Beri keperluan, Mencari udara segar 1 Instagram, Youtube, Whatsapp, Telegram Lebih sering dari biasanya
Tanah Datar Tidak Tidak Beri keperluan, Mencari udara segar 1 Instagram, Whatsapp Lebih sering dari biasanya
Lima puluh kota Tidak Tidak Beri keperluan, Mencari udara segar 1 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Bangka Belitung Tidak Tidak Jogging 1 Instagram, Youtube, Twitter Lebih sering dari biasanya
Pekanbaru Tidak Ya Olahraga 1 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Riau Ya Tidak Beri keperluan, Bekerja 1,6 Instagram, Youtube Sama seperti biasa
padang Tidak Tidak berbelanja 2 Instagram, Youtube, Twitter, Whatsapp, tiktok, telegram Lebih sering dari biasanya
Pekanbaru Tidak Tidak Beri keperluan 2 Instagram Lebih sering dari biasanya
Riau Tidak Tidak Beri keperluan 2 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Pekanbaru Tidak Tidak Beri keperluan 2 Instagram Lebih sering dari biasanya
Padang Tidak Tidak Beri keperluan 2 Instagram, Youtube, Twitter, Whatsapp, Weibo Lebih sering dari biasanya
Riau Tidak Tidak Beri keperluan 2 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Pekanbaru Ya Tidak Beri keperluan 2 Instagram, Twitter, Whatsapp Lebih sering dari biasanya
Pekanbaru, Riau Tidak Tidak Beri keperluan 2 Instagram, Youtube, Twitter, Whatsapp Sama seperti biasa
Padang Pariaman Tidak Tidak Beri keperluan 2 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Siak Tidak Ya Beri keperluan 2 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Pekanbaru Tidak Ya Beri keperluan 2 Youtube, Twitter, Whatsapp Sama seperti biasa
Pekanbaru Tidak Tidak Beri keperluan, Kerumah nenek 2 Instagram, Whatsapp Sama seperti biasa
padang Ya Tidak Beri keperluan, Mencari udara segar 2 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Riau Tidak Tidak Beri keperluan, Mencari udara segar 2 Instagram, Youtube, Twitter, Whatsapp Sama seperti biasa
Pekanbaru Ya Tidak Beri keperluan, Mencari udara segar 2 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Batam Tidak Tidak Beri keperluan, Mencari udara segar 2 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Pekanbaru Tidak Tidak Beri keperluan, Mencari udara segar, Bekerja 2 Instagram, Youtube, Twitter, Whatsapp Lebih jarang dari biasanya
Riau Tidak Tidak Beri keperluan, Nongkrong sama teman 2 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Bukittinggi Tidak Tidak Beri keperluan, Nongkrong sama teman 2 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Riau Tidak Ya Beri keperluan, Nongkrong sama teman 2 Instagram, Whatsapp Lebih sering dari biasanya
Siak Tidak Tidak Beri keperluan, Nongkrong sama teman, Mencari udara segar 2 Tiktok Lebih sering dari biasanya
Riau Tidak Tidak Mencari udara segar 2 Instagram, Whatsapp Sama seperti biasa
Bukittinggi Ya Tidak Nongkrong sama teman 2 Whatsapp Sama seperti biasa
Padang Tidak Tidak Nongkrong sama teman 2 Instagram Lebih sering dari biasanya
Perawang Tidak Tidak Beri keperluan 3 Whatsapp Sama seperti biasa
Pekanbaru Tidak Tidak Beri keperluan 3 Instagram, Youtube, Twitter, Whatsapp, Facebook, LINE Lebih sering dari biasanya
Pariaman Tidak Tidak Beri keperluan 3 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Agam Tidak Tidak Beri keperluan 3 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Perwang,riau Ya Ya Beri keperluan 3 Youtube, Whatsapp Lebih sering dari biasanya
Pekanbaru Ya Ya Beri keperluan 3 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Agam Tidak Tidak Beri keperluan, Mencari udara segar 3 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Kec. Tualang, Kab. Siak,
Ya Prov. Riau Ya Beri keperluan, Mencari udara segar 3 Youtube, Whatsapp, Line Lebih sering dari biasanya
Jakarta Tidak Tidak Beri keperluan, Nongkrong sama teman 3 Instagram, Whatsapp, Telegram Sama seperti biasa
Kabupaten Bandung Tidak Tidak Beri keperluan, Nongkrong sama teman, Mencari udara segar 3 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Payakumbuh Tidak Tidak Beri keperluan, Nongkrong sama teman, Mencari udara segar 3 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Lubuk basung Ya Tidak Beri keperluan, Nongkrong sama teman, Mencari udara segar 3 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Padang Ya Ya Beri keperluan, Nongkrong sama teman, Mencari udara segar 3 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Padang Tidak Tidak Beri keperluan, Nongkrong sama teman, Olahraga 3 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Perawang Tidak Ya Mencari udara segar 3 Whatsapp Lebih sering dari biasanya
Kecamatan tualang Ya Ya Mencari udara segar 3 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Perawang Ya Ya Nongkrong sama teman 3 Instagram Lebih sering dari biasanya
Perawang Ya Tidak Nongkrong sama teman, Mencari udara segar 3 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Tangerang Tidak Tidak Nongkrong sama teman, Mencari udara segar 3 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Pekanbaru Tidak Tidak Beri keperluan 4 Instagram Sama seperti biasa
Padangpanjang Tidak Tidak Beri keperluan, Mencari udara segar 4 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Riau Tidak Tidak Beri keperluan, Nongkrong sama teman 4 Instagram, Whatsapp Lebih sering dari biasanya
Padang Tidak Tidak Beri keperluan, Nongkrong sama teman, Mencari udara segar 4 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Pekanbaru Tidak Tidak Beri keperluan, Nongkrong sama teman, Mencari udara segar 4 Youtube Lebih sering dari biasanya
Riau Ya Ya Beri keperluan, Nongkrong sama teman, Mencari udara segar 4 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Padang Ya Ya Beri keperluan, Nongkrong sama teman, Mencari udara segar 4 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Tangerang Ya Ya Beri keperluan, Nongkrong sama teman, Mencari udara segar 4 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Padanh Ya Ya Beri keperluan, Nongkrong sama teman, Mencari udara segar 4 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Padang Ya Ya Nongkrong sama teman 4 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Perawang Tidak Ya Nongkrong sama teman, Mencari udara segar 4 Whatsapp Lebih sering dari biasanya
Sukabumi Tidak Tidak Beri keperluan 5 Twitter Lebih sering dari biasanya
Padang Ya Tidak Beri keperluan 5 Youtube Lebih sering dari biasanya
painan Tidak Ya Beri keperluan 5 Youtube, Whatsapp Lebih sering dari biasanya
Pekanbaru Tidak Tidak Beri keperluan, Nongkrong sama teman, Mencari udara segar 5 Instagram, Youtube, Whatsapp, Line, telegram Lebih sering dari biasanya
Pekanbaru Ya Tidak Beri keperluan, Nongkrong sama teman, Mencari udara segar 5 Instagram, Whatsapp Lebih sering dari biasanya
Padang Ya Ya Beri keperluan, Nongkrong sama teman, Mencari udara segar 5 Instagram, Whatsapp Lebih sering dari biasanya
Pasaman barat Ya Ya Mencari udara segar 5 Whatsapp Sama seperti biasa
Padang Ya Ya Nongkrong sama teman 5 Whatsapp Lebih sering dari biasanya
Mandau Ya Ya AntarSambal 6 Sms Sama seperti biasa
Pekanbaru, Riau Ya Ya Beri keperluan, Bekerja 6 Instagram, Youtube, Twitter, Whatsapp, LINE, Tiktok Lebih sering dari biasanya
Aceh Ya Ya Beri keperluan, Nongkrong sama teman, Mencari udara segar 6 Instagram, Youtube, Twitter, Whatsapp, Telegram Lebih sering dari biasanya
Pasaman barat Tidak Tidak Mencari udara segar 6 Instagram Lebih sering dari biasanya
Riau Ya Ya Bekerja 7 Instagram, Youtube, Twitter, Whatsapp Sama seperti biasa
Riau Tidak Tidak Beri keperluan 8 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Riau Tidak Tidak Beri keperluan, Bekerja 8 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Perawang Ya Ya Nongkrong sama teman, Mencari udara segar, Olahraga 8 Instagram, Youtube Lebih sering dari biasanya
Perawang Ya Ya Nongkrong sama teman, Ngejar layang-layang 8 Instagram, Youtube, Whatsapp Lebih sering dari biasanya
Las Vegas Ya Ya Nongkrong sama teman 9 Telegram Lebih jarang dari biasanya
Pekanbaru, Riau Tidak Tidak Beri keperluan, Mencari udara segar 10 Instagram, Youtube, Twitter, Whatsapp Lebih sering dari biasanya
Tualang,Siak,Riau Ya Ya Ngejar layang layang bareng Ilham dan teman teman yang lain 12 Instagram, Youtube, Whatsapp, Telegram 👉🏻😎👈🏻 Lebih sering dari biasanya
LAMPIRAN A.2
(Lembar Asistensi Modul 1)
MODUL I
Modul : 1 (Statistika Deskriptif dan Dasar-Dasar Peluang)

Kelompok : 46 C
Asisten Pembimbing : Lara Putri Agustin (1810931014)
1. Senin, 21-09-2020 Asistensi laporan bab 1, 2 dan

pengolahan data
2. Selasa, 22-09-2020 Asistensi perbaikan laporan dan

pengolahan data
3. Kamis, 24-09-2020 Asistensi perbaikan laporan dan

pengolahan data
4. Jum’at, 25-09-2020 Asistensi perbaikan laporan

ACC KUMPUL LPA
Padang, September 2020

Asisten Pembimbing
ACC
(Accoord)
Lara Putri Agustin
` (1810931014)
LAMPIRAN B
(Data Modul 2)
LAMPIRAN B.1
(Data Siswa SMA di Kota Padang)
LAMPIRAN B.1
(Data Siswa SMA di Kota Padang)
Tabel B.1 Data Siswa SMA (IPA)

Nilai Rapor Semester
Siswa Tahun Lahir Jenis Kelamin Matematika B. Inggris B. Indonesia KIMIA FISIKA BIOLOGI Universitas
1 2002 L 87 83 84 84 84 87 UGM
2 2002 L 85 85 85 86 88 85 UGM
3 2002 L 83 84 87 85 83 82 UGM
4 2001 P 89 89 82 82 85 91 UNAND
5 2002 P 85 86 98 87 88 88 UNPAD
6 2002 L 94 83 85 90 83 85 UGM
7 2002 P 84 87 85 83 84 85 UGM
8 2002 P 88 84 86 87 84 89 UNPAD
9 2002 P 85 94 86 85 83 85
10 2001 P 86 87 89 87 88 85 UNAND
11 2001 P 92 85 89 89 88 84 STAN
12 2002 L 85 87 90 89 88 85 UI
13 2002 L 82 83 85 81 84 81 ITB
14 2002 P 86 86 83 87 84 82 UNP
15 2002 P 85 91 87 84 88 87 UI
16 2001 P 83 84 85 85 84 82 ITB
17 2002 P 85 86 87 86 87 88 UNPAD
18 2002 L 83 85 87 86 85 88 UNP
19 2002 P 84 84 81 87 83 83 UNAND
20 2001 L 82 85 85 82 84 83 UNAND
21 2002 P 81 82 83 84 85 83 UNAND
22 2001 P 89 81 83 82 81 90 UNAND
23 2002 L 82 85 90 82 80 90 UNAND
24 2002 P 88 89 92 88 89 90 UNP
25 2002 P 88 89 90 86 89 90 UNAND
26 2002 L 90 92 92 92 91 90 UNAND
27 2002 P 92 88 92 92 90 88 PNP
28 2002 P 93 85 90 92 92 86 UNAND
29 2002 P 88 90 95 85 88 90 UNAND
30 2002 L 90 92 92 93 90 94 ITB
31 2002 L 98 97 99 97 98 99 UNP
32 2002 L 90 90 89 88 90 89 UGM
33 2001 L 84 90 90 88 86 90 UNAND
34 2002 P 88 88 89 88 88 89 UI
35 2002 P 85 82 92 85 90 88 ITB
36 2002 L 88 90 98 95 98 90 UI
37 2002 P 88 88 89 88 90 87 ITB
38 2001 P 87 88 90 87 88 87 UNAIR
39 2002 P 89 92 92 94 95 90 UNP
40 2002 L 85 87 87 85 85 84 UNP
41 2002 P 89 92 92 94 94 89 UNAND
42 2002 P 89 95 98 89 88 89 UNP
43 2002 P 86 86 84 87 86 86 UNAND
44 2002 P 86 87 91 88 87 88 UNAND
45 2002 P 85 90 90 89 86 81 ITB
46 2002 P 85 84 85 85 82 85 UNP
47 2002 L 91 90 89 92 92 88 UGM
48 2002 L 89 90 89 88 85 85 UNAND
49 2002 P 81 85 87 86 84 83 UI
50 2002 P 84 86 90 92 88 89 ITB
51 2002 P 89 91 90 95 91 90
52 2002 P 83 86 84 75 83 85 UNAND
53 2002 L 84 90 90 90 88 85 ITB
54 2002 P 90 90 92 90 93 92 UNP
55 2002 L 89 87 95 87 90 88 UGM
56 2002 P 80 85 85 85 80 82 UNAND
57 2002 P 80 87 89 89 86 87 UI
58 2002 L 86 85 86 85 85 85 ITB
59 2002 P 84 91 88 85 87 85
60 2002 P 86 87 87 88 88 89 UI
61 2002 P 88 88 86 89 87 87 UNAND
62 2002 L 89 86 88 90 88 89 ITB
63 2002 P 87 87 85 85 84 87 UNPAD
64 2002 P 90 88 88 88 88 88 UI
65 2002 P 89 89 91 91 92 91 UI
66 2002 L 89 90 89 90 88 90
67 2001 L 85 89 80 86 90 90
68 2001 L 89 91 90 89 89 86 UNAND
69 2002 L 88 87 89 85 87 88 ITB
70 2002 P 85 87 88 88 88 87 UI
Tabel B.1 Data Siswa SMA (IPA) (Lanjutan)
71 2001 P 87 86 88 85 89 88 UNP
72 2001 L 87 85 88 87 89 87 UNP
73 2001 P 88 87 88 89 90 90
74 2001 P 90 92 90 90 88 87 UNPAD
75 2001 P 88 85 86 86 86 88 PNP
76 2002 P 86 88 86 88 90 91 ITB
77 2002 L 92 88 92 88 90 92 UNP
78 2002 L 89 88 90 88 88 90 UNP
79 2002 L 86 86 88 88 90 86 UNAND
80 2001 L 95 95 90 80 81 82 IPB
81 2002 P 85 94 95 88 85 88 UI
82 2002 P 88 89 91 89 89 90 UNRI
83 2002 L 89 91 90 92 90 91 UNAND
84 2001 P 87 92 90 87 88 86
85 2002 P 85 85 88 85 85 85 UNAND
86 2002 P 90 89 90 90 89 90 UNRI
87 2002 P 90 98 96 90 92 98 ITB
88 2002 P 88 86 90 87 88 88 UGM
89 2002 P 90 86 88 90 86 87
90 2002 L 87 89 92 88 89 88 UGM
91 2001 L 85 85 90 90 85 85 PNP
92 2001 L 88 89 90 85 89 90 ITB
93 2002 L 90 88 89 91 90 89 UNP
94 2002 P 90 90 90 89 95 90 UNP
95 2002 P 86 85 88 85 82 89 UNAND
96 2001 L 88 88 89 85 85 92 IPB
97 2002 P 86 91 91 87 91 92 UI
98 2002 P 85 83 85 84 85 90 UNAND
99 2002 P 80 82 81 80 83 84 UNAND
100 2001 P 96 95 94 95 94 96 UNP
101 2002 L 94 93 95 93 94 96 UI
102 2002 L 90 86 90 90 89 88 UI
103 2001 P 86 89 92 92 86 94 ITB
104 2001 P 90 90 92 92 90 90 UNAND
105 2002 P 88 92 96 89 92 89 UNAND
106 2002 L 90 90 89 90 90 90 UNAND
107 2002 L 87 87 90 90 90 90 ITB
108 2002 L 89 95 90 85 87 88 UNP
109 2001 L 88 95 88 95 90 90 UNP
110 2002 P 82 89 83 81 84 83 ITB
111 2001 P 88 88 88 89 85 89 UNP
112 2002 L 90 92 94 88 89 92 UNP
113 2001 P 88 91 92 90 86 92 UNAND
114 2002 P 84 83 88 86 87 87 IPB
115 2002 P 85 89 88 88 88 90 UI
116 2002 P 83 95 93 95 92 90 UNAND
117 2001 L 90 90 91 93 93 95 UNAND
118 2002 L 89 85 95 88 88 98 UNP
119 2002 P 92 93 92 93 91 93 UNAND
120 2003 L 92 91 98 94 96 98 IPB
121 2001 P 88 88 90 89 89 89 UI
122 2001 P 88 89 89 90 91 93 UNAND
123 2002 P 90 90 91 89 93 94 UNAND
124 2002 P 89 86 85 87 89 90 UNP
125 2002 L 86 88 85 86 85 90 UNAND
126 2002 P 88 88 90 92 94 92 UNP
127 2002 L 88 89 88 90 88 91 ITB
128 2002 L 84 85 87 89 90 89 ITB
129 2001 L 89 88 89 93 94 93
130 2002 L 82 83 85 81 84 81 UI
131 2001 P 86 86 83 87 84 82 UNAND
132 2002 P 85 91 87 84 88 87 UNAND
133 2002 L 83 84 85 85 84 82 UNP
134 2002 P 85 86 87 86 87 88 UNAND
135 2001 P 83 85 87 86 85 88 IPB
136 2002 P 84 84 81 87 83 83 UI
137 2003 P 82 85 85 82 84 83 UNP
138 2001 L 81 82 83 84 85 83 PNP
139 2002 L 89 81 83 82 81 90 UI
140 2001 P 82 85 85 82 84 83 UNAND
141 2001 P 90 91 89 87 86 82 UNAND
142 2002 L 90 91 89 87 86 82 UNP
143 2001 P 85 91 88 84 87 85 UNAND
144 2002 P 88 92 90 88 88 89 IPB
145 2003 P 91 93 87 84 87 87 UI
LAMPIRAN B.2
(Data Kendaraan)
LAMPIRAN B.2
(Data Kendaraan)
Tabel B.2 Data Kendaraan

No. Waktu Kendaraan Jenis Kendaraan warna Kendaraan
1 15:00:08 Kapsul Silver
2 15:01:27 Sedan Merah
4 15:04:36 Bus Putih
5 15:04:41 Sedan Hitam
6 15:05:20 Sedan Putih
7 15:06:07 Angkot Hitam
9 15:08:51 Angkot Hijau
10 15:09:05 Angkot Merah
11 15:09:26 Kapsul Hijau
13 15:12:30 Kapsul Abu-abu
15 15:15:29 Angkot Hitam
16 15:16:28 Kapsul Putih
17 15:17:49 Sedan Biru
19 15:19:31 Kapsul Hitam
22 15:20:46 Sedan Abu-abu
26 15:24:10 Truk Hitam
29 15:25:37 Bus Putih
32 15:26:53 Sedan Silver
34 15:27:50 Truk Hitam
50 15:41:02 Kapsul Merah
Tabel B.2 Data Kendaraan (Lanjutan)
67 15:52:12 Sedan Abu-abu
83 16:04:33 Angkot Biru
100 16:12:51 Bus Hijau
101 16:13:01 Bus Putih
104 16:13:37 Bus Hijau
106 16:14:07 Bus Putih
119 16:27:13 Truk Putih
128 16:36:53 Kapsul Biru
138 16:42:56 Bus Putih
141 16:46:27 Truk Putih
143 16:47:13 Bus Putih
144 16:47:59 Bus Putih
145 16:48:05 Truk Putih
165 17:12:14 Truk Putih
179 17:24:44 Kapsul Kuning
183 17:28:18 Kapsul Kuning
187 17:33:39 Bus Putih
LAMPIRAN B.3
MODUL II
Modul : 2 (Distribusi Probabilitas Diskrit dan Kontinu)

Kelompok : 44 C
Asisten Pembimbing : Wirna Afrileni (1810932012)
1. Jum’at, 30-10-2020 Asistensi laporan bab 1-3 dan

pengolahan data
2. Senin, 02-11-2020
Asistensi perbaikan laporan bab

3. Selasa, 03-11-2020 1-4
Asistensi perbaikan laporan

Asisten Pembimbing
Wirna
Afrileni
(1810932012)
LAMPIRAN C
(Data Modul 3)
LAMPIRAN C.1
(Data Bin dan Frekuensi Distribusi Uniform)
LAMPIRAN C.1
(Data Bin dan Frekuensi Distribusi Uniform)
Tabel C.1 Bin dan Frekuensi Uniform

No Bin Frequency
1 0.03000 2
2 0.03370 469
3 0.03740 499
4 0.04110 482
5 0.04480 541
6 0.04850 501
7 0.05220 493
8 0.05590 513
9 0.05960 481
10 0.06330 529
11 0.06700 484
12 0.07070 504
13 0.07440 498
14 0.07810 511
15 0.08180 467
16 0.08549 500
17 0.08919 521
18 0.09289 483
19 0.09659 515
20 0.10029 495
21 0.10399 489
22 0.10769 538
23 0.11139 503
24 0.11509 512
25 0.11879 529
26 0.12249 536
27 0.12619 470
28 0.12989 520
29 0.13359 523
30 0.13729 504
31 0.14099 503
32 0.14469 505
33 0.14839 439
34 0.15209 496
35 0.15579 470
36 0.15949 534
37 0.16319 496
38 0.16689 498
39 0.17059 519
40 0.17429 494
41 0.17799 478
42 0.18169 496
43 0.18539 521
44 0.18909 506
45 0.19279 489
46 0.19648 469
47 0.20018 512
48 0.20388 493
49 0.20758 480
50 0.21128 478
Tabel C.1 Bin dan Frekuensi Uniform (Lanjutan)
51 0.21498 526
52 0.21868 508
53 0.22238 485
54 0.22608 504
55 0.22978 497
56 0.23348 492
57 0.23718 514
58 0.24088 467
59 0.24458 517
60 0.24828 489
61 0.25198 521
62 0.25568 499
63 0.25938 485
64 0.26308 484
65 0.26678 517
66 0.27048 478
67 0.27418 472
68 0.27788 532
69 0.28158 507
70 0.28528 543
71 0.28898 530
72 0.29268 498
73 0.29638 516
74 0.30008 503
75 0.30377 538
76 0.30747 471
77 0.31117 483
78 0.31487 480
79 0.31857 517
80 0.32227 505
81 0.32597 471
82 0.32967 488
83 0.33337 490
84 0.33707 479
85 0.34077 459
86 0.34447 492
87 0.34817 472
88 0.35187 483
89 0.35557 508
90 0.35927 503
91 0.36297 515
92 0.36667 516
93 0.37037 512
94 0.37407 527
95 0.37777 514
96 0.38147 489
97 0.38517 453
98 0.38887 526
99 0.39257 543
100 0.39627 471
More 523
LAMPIRAN C.2
(Data Bin dan Frekuensi Distribusi Normal)
LAMPIRAN C.2
(Data Bin dan Frekuensi Distribusi Normal)
Tabel C.2 Bin dan Frekuensi Distribusi Normal

No Bin Frequency
1 0.05338 1
2 0.05664 0
3 0.05991 0
4 0.06317 0
5 0.06644 0
6 0.06970 1
7 0.07296 0
8 0.07623 3
9 0.07949 2
10 0.08276 3
11 0.08602 11
12 0.08928 7
13 0.09255 8
14 0.09581 5
15 0.09908 14
16 0.10234 11
17 0.10560 27
18 0.10887 22
19 0.11213 32
20 0.11539 30
21 0.11866 33
22 0.12192 43
23 0.12519 63
24 0.12845 52
25 0.13171 54
26 0.13498 76
27 0.13824 66
28 0.14151 76
29 0.14477 108
30 0.14803 102
31 0.15130 137
32 0.15456 144
33 0.15783 146
34 0.16109 133
35 0.16435 151
36 0.16762 163
37 0.17088 146
38 0.17414 159
39 0.17741 167
40 0.18067 229
41 0.18394 187
42 0.18720 213
43 0.19046 243
44 0.19373 245
45 0.19699 245
46 0.20026 282
47 0.20352 237
48 0.20678 275
49 0.21005 273
50 0.21331 262
Tabel C.2 Bin dan Frekuensi Distribusi Normal (Lanjutan)
51 0.21658 250
52 0.21984 247
53 0.22310 272
54 0.22637 242
55 0.22963 237
56 0.23289 254
57 0.23616 248
58 0.23942 256
59 0.24269 240
60 0.24595 233
61 0.24921 208
62 0.25248 217
63 0.25574 198
64 0.25901 167
65 0.26227 167
66 0.26553 162
67 0.26880 162
68 0.27206 135
69 0.27533 138
70 0.27859 105
71 0.28185 113
72 0.28512 121
73 0.28838 95
74 0.29164 87
75 0.29491 87
76 0.29817 58
77 0.30144 59
78 0.30470 52
79 0.30796 49
80 0.31123 40
81 0.31449 40
82 0.31776 32
83 0.32102 26
84 0.32428 21
85 0.32755 19
86 0.33081 16
87 0.33408 20
88 0.33734 10
89 0.34060 11
90 0.34387 5
91 0.34713 2
92 0.35039 3
93 0.35366 4
94 0.35692 0
95 0.36019 1
96 0.36345 2
97 0.36671 0
98 0.36998 0
99 0.37324 1
100 0.37651 0
More 1
LAMPIRAN C.3
MODUL III
Modul : 3 (Distribusi Sampling)

Kelompok : 44 C
Asisten Pembimbing : Vitania Aurely Rahmi (1810932052)
1. Selasa, 17-11-2020 Asistensi rancangan pengolahan

VAR
data dan laporan penelitian
2. Rabu, 18-11-2020
VAR
Asistensi pengolahan data dan
3. Kamis, 19-11-2020 laporan bab 1-3
VAR
Asistensi perbaikan pengolahan

data dan laporan
Asisten Pembimbing
VAR
Vitania Aurely Rahmi

(1810932052
BIODATA PENELITI
A. Data Pribadi
1. Nama : Ilham Alfitrah
2. Tempat, Tanggal Lahir : Perawang, 28 Desember 2000
3. Alamat : BTN ALAM RAYA BLOK D No. 122,
Perawang
4. Jenis Kelamin : Laki-laki
5. Agama : Islam
6. Pendidikan : S1
7. No. Hp : +62 895 6187 77140
8. Email : haha2812a@gmail.com
B. Riwayat Pendidikan
1. SD : SDS YPPI Perawang
2. SMP : SMPS YPPI Perawang
3. SMA : SMA NEGERI 1 Pekanbaru
4. Teknik Industri, Universitas Andalas
C. Pengalaman Organisasi
Belum ada pengalaman organisasi
BIODATA PENELITI
A. Data Pribadi
1. Nama : Rayhan Fadilla
2. Tempat, Tanggal Lahir : Padang, 05 September 2000
3. Alamat : Komp. UNAND Blok D2/11/11 Ulu Gadut,
Padang
4. Jenis Kelamin : Laki-laki
5. Agama : Islam
6. Pendidikan : S1
7. No. Hp : +62 813 7131 5817
8. Email : rayhan050900@gmail.com
B. Riwayat Pendidikan
1. SD : SDS DIAN ANDALAS
2. SMP : SMPN 11 PADANG
3. SMA : SMAS DIAN ANDALAS
4. Teknik Industri, Universitas Andalas
C. Pengalaman Organisasi
Belum ada pengalaman organisasi

Laporan Akhir Kelompok 44 - Tiara Feberyn

Uploaded by

Copyright:

Available Formats

You might also like

Laporan Akhir Kelompok 44 - Tiara Feberyn

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Laporan Akhir Kelompok 44 - Tiara Feberyn

Uploaded by

Copyright:

Available Formats

ACC KUMPUL

27/11/20 PKL 08.51 WIB

LABORATORIUM PERENCANAAN DAN OPTIMASI SISTEM

No. Hari, Tanggal Keterangan Paraf

1. Rabu, 25 November Revisi Awal Laporan Gabungan TF

3. Jum’at, 27 Perbaikan Laporan Akhir

Padang, 27 November 2020

Tanggal Penyerahan: November 2020

Diterima oleh Disetujui Oleh

(Feby Gusti Dendra) (Tiara Feberyn)

(Reki Azura Pratama)

Keywords: Distribution, Probability, Population, Sample, Sampling

Dalam kehidupan sehari-hari statistika banyak digunakan untuk membantu

Kata Kunci: Distribusi, Probabilitas, Populasi, Sampel, Sampling

1. Bapak Eri Wirdianto, M.Sc., selaku Kepala Laboratorium Perencanaan dan

Padang, 27 November 2020

Tabel 1.4.1 Proporsi Jenis Kelamin Responden ............................................... 19

Gambar 1.4.1 Pie Chart Proporsi Jenis Kelamin Responden ............................ 24

Lampiran A Data Modul 1

Lampiran B Data Modul 2

Lampiran C Data Modul 3

STATISTIKA DESKRIPTIF DAN DASAR-

1.1 Latar Belakang

Organisasi Kesehatan Dunia (WHO) menyatakan virus corona (Covid-19)

Ini berdampak kepada pola kegiatan sehari-hari masyarakat baik di dalam

1.2 Rumusan Masalah

Adapun rumusan masalah dari laporan ini adalah:

1. Bagaimana rentang umur masyarakat yang sering keluar rumah selama

1.3 Tujuan Penelitian

Tujuan penelitian ini adalah sebagai berikut:

1. Untuk mengetahui rentang umur masyarakat yang sering keluar rumah

Manfaat penelitian laporan ini adalah sebagai berikut:

1. Melalui laporan ini dapat menambah wawasan, kemampuan serta

1.5 Batasan Masalah

Batasan masalah dari penulisan laporan ini adalah

Bab ini menjelaskan tentang landasan-landasan teori yang digunakan dalam

Populasi didefinisikan sebagai kumpulan dari semua individu atau unsur

Sampel merupakan bagian dari populasi dan mampu mencerminkan

2.4 Parameter dan Statistik

Parameter dan Statistik Parameter merupakan ukuran yang berlaku pada

Data dapat dikelompokkan dalam beberapa golongan antara lain menurut

2.5.1 Data Menurut Sifatnya

2.5.2 Data Menurut Sumbernya

Mengacu pada sumber perolehannya. Data eksternal adalah data yang

2.5.3 Data Menurut Cara Perolehannya

2.5.4 Data Menurut Waktu Pengumpulan

Berdasarkan waktu pengumpulannya data dibedakan menjadi menjadi dua

Metode statistik sendiri dapat digolongkan menjadi dua, yaitu statistika

2.6.1 Bentuk Angka atau Tabel

2.6.1.1 Ukuran Pemusatan

Ukuran pemusatan data adalah ukuran yang dapat memberikan informasi

Mean untuk data tunggal

Ukuran dispersi merupakan ukuran tentang derajat pemencaran di mana

1. Jangkauan antar kuartil

R=Q3 -Q1 …(5)

Kemiringan (skewness) adalah derajat ketidak simetrisan atau

Ukuran peruncingan (kurtosis) merupakan ukuran tentang derajat