KARYA TULIS ILMIAH

Penelitian Data Kendaraan dan Data Siswa Kelas 12 IPS

Penelitian ini Dilakukan untuk Memenuhi Laporan Praktikum
Modul II Statistika Industri I

OLEH:
Kelompok 18
Anggota:
Noorsyifa Fatima Gabeillo 1910931017
Chofifah 1910931018

ASISTEN:
Fakhrozi Zulkarnain

LABORATORIUM PERENCANAAN DAN OPTIMASI SISTEM

INDUSTRI
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
2020
 LEMBAR ASISTENSI LAPORAN
MODUL II

Kelompok : 18 (delapan belas)

Anggota : 1. Noorsyifa Fatima G. (1910931017)
2. Chofifah (1910931018)
Asisten Pembimbing : Fakhrozi Zulkarnain (1810933007)

No. Hari, Tanggal Keterangan Paraf

1. Rabu, 28 Oktober Asistensi Bab I dan Bab II.
2020 Memperbaiki latar belakang,
menambahkan tujuan
penelitian, mengganti font pada
rumus-rumus serta hal-hal
laiinya yang dibutuhkan pada
laporan.
2. Jum’at 30 Oktober Asistensi pengolahan data pada
2020 Excel dan Bab I,II, dan III.

3.

Padang, November 2020

Asisten Pembimbing

Fakhrozi Zulkarnain
(1810933007)
 LEMBAR PENGESAHAN

KARYA TULIS ILMIAH

PRAKTIKUM STATISTIKA INDUSTRI I

Oleh:
Kelompok 18

Anggota:
Noorsyifa Fatima Gabeillo 1910931017
Chofifah 1910931018

Tanggal Penyerahan: November 2020

Diterima oleh Disetujui oleh

Asisten Penerima AsistenPembimbing

( ) (Fakhrozi Zulkarnain)
Bp. Bp. 1810933007

Mengetahui
Koordinator Praktikum

(Reki Azura Pratama)

Bp. 1710932049
 ABSTRACT

Statistics is a science used to process and analyze data. The use of

statistics can be found in daily life. In this report the authors will use statistical
science in processing and analyzing data. This report will use a method of
processing data attributable to discrete and continuous random variables. This
report aims to make authors understand in data processing using discrete and
continuous distribution of random variables.
The authors used this type of observasi research, namely by observing
vehicles passing by at the G building stop and data on the grades of IPS SMAN 9
Padang students. The authors used quantitative analysis techniques, in analyzing
numerical data on random and continuous variable distribution reports.
The result of data processing using the distribution of discrete and
continuous random variables is presented in the form of line charts and bar charts.
It can be concluded that there is a significant difference in curves between the
empirical CDF poisson, the theoretical CDF poisson and the normal empirical
CDF seen from the poisson distribution line chart and the normal distribution
approach to the processing of vehicle arrival data using poisson distribution with a
normal distribution approach at 1st to 4th grade intervals.

Keywords: Statistics, Distribution, Variables, Discrete, Continuous

 ABSTRAK

Statistika adalah ilmu yang digunakan untuk mengolah dan menganalisa

data. Penggunaan statistika dapat kita temukan dalam kehidupan sehari-hari.
Pada laporan ini penulis akan menggunakan ilmu statistika dalam mengolah dan
menganalisa data. Laporan ini akan menggunakan metode pengolahan data
ditribusi variabel random diskrit dan kontinu. Laporan ini bertujuan agar penulis
paham dalam pengolahan data menggunakan distribusi variabel random diskrit
dan kontinu.
Penulis menggunakan jenis penelitian obeservasi, yaitu dengan
mengamati kendaraan yang lewat di halte gedung G pada pukul 9:00:02-
10:25:39 AM, dan data nilai rapor satu semester siswa kelas 12 IPS SMAN 9
Padang. Penulis menggunakan teknik analisa kuantitatif, dalam menganalisis
data numerik pada laporan distribusi variabel random dan kontinu.
Hasil dari pengolahan data menggunakan distribusi variabel random
diskrit dan kontinu disajikan dalam bentuk line chart dan bar chart. Dapat
disimpulkan bahwa terdapat perbedaan kurva antara CDF empiris poisson, CDF
teoritis poisson dan CDF empiris normal yang signifikan dilihat dari line chart
distribusi poisson dan pendekatan distribusi normal pada pengolahan data
jumlah kedatangan kendaraan menggunakan distribusi poisson dengan
pendekatan distribusi normal pada interval kelas ke-1 sampai ke-4.

Kata Kunci: Statistika, Distribusi, Variabel, Diskrit, Kontinu.

 KATA PENGANTAR

Puji syukur kami ucapkan kepada Allah SWT atas rahmat dan karunia-
Nya, sehingga kami dapat menyelesaikan laporan praktikum ini dengan baik.

Penyelesaian laporan modul II ini tidak terlepas dari bantuan dan

partisipasi dari beberapa pihak. Oleh sebab itu, kami mengucapkan terimakasih
dengan tulus kepada:

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

Optimasi Sistem Industri.
2. Bapak Alexie Herriyandie Broto Adi, Bapak Eri Wirdianto, M.Sc, Bapak
Feri Afrinaldi, Ph.D, Ibu Difana Meilani, MISD selaku dosen pengampu
mata kuliah Statistika Industri I.
3. Feby Gusti Dendra selaku koordinator asisten Statistika Industri I.
4. Reki Azura Pratama selaku koordinator praktikum Statistika Industri I.
5. Fakhrozi Zulkarnain selaku asisten pembimbing kelompok 18 kelas B.
6. Seluruh asisten Laboratorium Perencanaan dan Optimasi Sistem Industri.

Semoga laporan ini dapat memberikan manfaat bagi penulis serta yang
membaca laporan ini. Kami menyadari bahwa masih banyak kekurangan yang ada
pada tulisan ini, kami mengharapkan saran yang membangun untuk perbaikan
laporan selanjutnya.

Padang, November 2020

Penulis
 DAFTAR ISI

LEMBAR PENGESAHAN ................................................................................ i

ABSTRACT ........................................................................................................ ii
ABSTRAK ........................................................................................................... iii
KATA PENGANTAR ........................................................................................ iv
DAFTAR ISI ....................................................................................................... v
DAFTAR TABEL ............................................................................................... vi
DAFTAR GAMBAR ..........................................................................................vii
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah ........................................................................
1.2 Rumusan Masalah .................................................................................
1.3 Tujuan Penelitian ..................................................................................
1.4 Manfaat Penelitian ................................................................................
1.5 Batasan Masalah ...................................................................................
BAB II LANDASAN TEORI
2.1 Distribusi Variabel Random Diskrit.......................................................
2.1.1 Distribusi Bernouli ......................................................................
2.1.2 Distribusi Binomial .....................................................................
2.1.3 Distribusi Multinomial ................................................................
2.1.4 Distribusi Hipergeometrik ..........................................................
2.1.5 Distribusi Binomial Negatif ........................................................
2.1.6 Distribusi Geometrik ...................................................................
2.1.7 Distribusi Poisson .......................................................................
2.1.8 Distribusi Uniform Diskrit ..........................................................
2.2 Distribusi Variabel Random Kontinu
2.2.1 Distribusi Uniform Kontinu ........................................................
2.2.2 Distribusi Normal (Gausssian) ....................................................
2.2.3 Distribusi Gamma .......................................................................
2.2.4 Distribusi Eksponesial ................................................................
2.2.5 Distribusi Chi-square ..................................................................
2.2.6 Distribusi Beta ............................................................................
 2.2.7 Distribusi Lognormal ..................................................................
2.2.8 Distribusi Weibull .......................................................................
BAB III METODE PENELITIAN
3.1 Jenis Penelitian.......................................................................................
3.2 Lokasi dan Waktu Penelitian.................................................................
3.3 Populasi dan Sampel Penelitian.............................................................
3.4 Metode Pengumpulan Data....................................................................
3.5 Teknik Analisis Data..............................................................................
BAB IV PENGOLAHAN DATA DAN ANALISIS
4.1 Pengolahan Data....................................................................................
4.1.1 Pengolahan Distribusi Binomial..................................................
4.1.2 Pengolahan Distribusi Geometrik................................................
4.1.3 Pengolahan Distribusi Poisson ....................................................
4.1.4 Pengolahan Distribusi Eksponensial ...........................................
4.1.5 Pengolahan Distribusi Normal ....................................................
4.2 Analisis Data..........................................................................................
4.2.1 Analisis Distribusi Binomial........................................................
4.2.2 Analisis Distribusi Geometrik......................................................
4.2.3 Analisis Distribusi Poisson .........................................................
4.2.4 Analisis Distribusi Eksponensial ................................................
4.2.5 Analisis Distribusi Normal .........................................................
BAB V PENUTUP
5.1 Kesimpulan............................................................................................
5.2 Saran.......................................................................................................
DAFTAR PUSTAKA
LAMPIRAN
BIODATA PENELITI
 DAFTAR TABEL

Tabel 4.1 Parameter Distribusi Binomial ............................................................

Tabel 4.2 Distribusi Binomial Empiris ................................................................
Tabel 4.3 Distribusi Binomial Teoritis ................................................................
Tabel 4.4 Parameter Distribusi Geometrik ..........................................................
Tabel 4.5 PMF dan CDF Distribusi Geometrik ...................................................
Tabel 4.6 Ukuran Penyebaran Data Distribusi Poisson .......................................
Tabel 4.7 PMF dan CDF Distribusi Poisson ........................................................
Tabel 4.8 Ukuran Pemusatan Data Distribusi Eksponensial................................
Tabel 4.9 PDF dan CDF Distribusi Eksponensial ...............................................
Tabel 4.10 Ukuran Sebaran Data Distribusi Normal ...........................................
Tabel 4.11 PDF dan CDF Distribusi Normal ......................................................
 DAFTAR GAMBAR

Gambar 4.1 Bar Chart PMF Siswa Perempuan Kelas 12 IPS SMAN 9 Padang
dengan Distribusi Geometrik.................................................................................
Gambar 4.2 Line Chart CDF Siswa Perempuan Kelas 12 IPS SMAN 9 Padang
dengan Distribusi Geometrik ................................................................................
Gambar 4.3 Bar Chart PMF Waktu Kedatangan Kendaraan dengan Distribusi
Poisson dan Pendekatan Distribusi Normal .........................................................
Gambar 4.4 Line Chart CDF Waktu Kedatangan Kendaraan dengan Distribusi
Poisson dan Pendekatan Distribusi Normal .........................................................
Gambar 4.5 Bar Chart PDF Waktu antar Kedatangan Kendaraan dengan
Distribusi Eksponensial.........................................................................................
Gambar 4.6 Line Chart CDF Waktu antar Kedatangan Kendaraan dengan
Distribusi Eksponensial ........................................................................................
Gambar 4.7 Bar Chart PDF Rata-rata Nilai Siswa Kelas 12 IPS SMAN 9 Padang
dengan Distribusi Normal .....................................................................................
Gambar 4.8 Line Chart CDF Rata-rata Nilai Siswa Kelas 12 IPS SMAN 9
Padang dengan Distribusi Normal ........................................................................
 BAB I
PENDAHULUAN

Bab ini membahas mengenai latar belakang masalah, rumusan masalah,

tujuan penelitian, manfaat penelitian, dan batasan-batasan masalah pada laporan
distribusi variabel random diskrit dan kontinu.

1.1 Latar Belakang Masalah

Statistika dapat dengan mudah kita temukan dalam kehidupan sehari-hari.

Statistika digunakan untuk mengolah, menganalisis serta mempresentasikan data.
Statistika juga dapat digunakan untuk mengetahui peluang terjadinya suatu
kejadian. Peluang tersebut didapatkan dari data dan diolah agar dapat mengetahui
peluang atau probabilitas terjadinya suatu kejadian. Dalam keilmuan statistika
disebut dengan distribusi variabel random diskrit dan kontinu.

Penggunaan metode probabilitas atau peluang, dapat digunakan dalam

kehidupan sehari-hari. Contohnya pengaplikasian distribusi variabel random
diskrit dalam bidang industri yaitu, dilakukan perhitungan banyaknya produk
yang cacat dalam pengujian. Hal itu akan sangat membantu, karena dapat
mengetahui probabilitas produk cacat dengan cara produk diambil secara acak.

Pada laporan ini penulis menggunakan metode distribusi variabel random

diskrit dan kontinu dalam pengolahan data dan analisis data. Tujuan dari
penulisan laporan ini adalah untuk mengetahui nilai probabilitas berdasarkan
pengumpulan data mengenai waktu kendaaraan yang melewati halte gedung G
Universitas Andalas dan data nilai rapor satu semester siswa kelas 12 IPS SMAN
9 Padang. Pada data nilai rapor siswa kelas 12 IPS SMAN 9 Padang, diolah
dengan menggunakan distribusi normal untuk menghitung nilai rata-rata rapor
siswa kelas 12 IPS SMAN 9 Padang. Data Universitas yang dipilih siswa kelas 12
IPS SMAN 9 Padang diolah menggunakan distribusi binomial, untuk mengetahui
 peluang siswa kelas 12 IPS SMAN 9 Padang yang melanjutkan kuliah, dan
data jenis kelamin siswa kelas 12 IPS SMAN 9 Padang diolah dengan distribusi
geometri. Data waktu kedatangan kendaraan diolah menggunakan distribusi
eksponensial untuk mengetahui waktu antar kedatangan kendaraan di halte
gedung G Universitas Andalas dan juga data kendaraan diolah dengan
menggunakan distribusi poisson untuk mengetahui jumlah kedatangan kendaraan
di halte gedung G Universitas Andalas.

1.2 Rumusan Masalah

Rumusan masalah pada laporan distribusi variabel random diskrit dan

kontinu adalah sebagai berikut:

1. Bagaimana konsep distribusi variabel random diskrit dan kontinu?

2. Bagaimana nilai rata-rata satu semester siswa kelas 12 IPS SMAN 9
Padang yang diolah dengan menggunakan ditribusi normal yang dilihat
dari bar chart dan line chart?
3. Bagaimana nilai probabilitas siswa kelas 12 IPS SMAN 9 Padang
melanjutkan kuliah dengan menggunakan distribusi binomial yang dilihat
dari bar chart dan line chart?
4. Bagaimana waktu antar kedatangan kendaraan di halte gedung G
Universitas Andalas dengan menggunakan distribusi eksponensial yang
dilihat dari bar chart dan line chart?
5. Bagaimana jumlah kedatangan kendaraan di halte gedung G Universitas
Andalas dengan menggunakan distribusi poisson dilihat dari bar chart dan
line chart?
6. Bagaimana nilai probabilitas siswa perempuan kelas 12 IPS SMAN 9
Padang dengan menggunakan distribusi binomial yang dilihat dari bar
chart dan line chart?
1.3 Tujuan Penelitian

Tujuan penelitian pada laporan distribusi variabel random diskrit dan

kontinu adalah sebagai berikut:

1. Memahami konsep distribusi variabel random diskrit dan kontinu.

2. mengetahui nilai rata-rata satu semester siswa kelas 12 IPS SMAN 9
Padang yang diolah dengan menggunakan ditribusi normal yang dilihat
dari bar chart dan line chart.
3. Mengetahui nilai probabilitas siswa kelas 12 IPS SMAN 9 Padang
melanjutkan kuliah dengan menggunakan distribusi binomial yang dilihat
dari bar chart dan line chart.
4. Mengetahui waktu antar kedatangan kendaraan di halte gedung G
Universitas Andalas dengan menggunakan distribusi eksponensial yang
dilihat dari bar chart dan line chart.
5. Mengetahui jumlah kedatangan kendaraan di halte gedung G Universitas
Andalas dengan menggunakan distribusi poisson dilihat dari bar chart dan
line chart.
6. Mengetahui nilai probabilitas siswa perempuan kelas 12 IPS SMAN 9
Padang dengan menggunakan distribusi binomial yang dilihat dari bar
chart dan line chart.

1.4 Manfaat Penelitian

Manfaat penelitian pada laporan distribusi variabel random diskrit dan

kontinu adalah sebagai berikut:

1. Bagi penulis, memberikan kemampuan mengolah data dengan metode

distribusi variabel random diskrit dan kontinu.
2. Bagi pembaca, memberikan pengetahuan mengenai pengolahan data
dengan metode distribusi variabel random diskrit dan kontinu.
1.5 Batasan-batasan Masalah

Batasan-batasan masalah pada laporan distribusi variabel random diskrit

dan kontinu adalah sebagai berikut:

1. Pengambilan data diambil pada tanggal 26 sampai dengan tanggal 27

Oktober 2020 .
2. Data waktu kendaraan hanya diambil dari pukul 9:00:02 AM sampai
10:25:39 AM.
3. Data nilai rapor satu semester hanya diambil pada siswa kelas 12 IPS
SMAN 9 Padang.
4. Data berupa data sekunder dari data given studi kasus yang diperoleh dari
asisten pembimbing.
5. Data kendaraan diambil di halte gedung G Universitas Andalas.
 BAB II
LANDASAN TEORI

Bab II membahas mengenai teori-teori dasar dari distribusi variabel

random diskrit dan distribusi variabel random kontinu. Distribusi variabel
random diskrit terdiri dari distribusi bernoulli, binomial, multinomial,
hipergeometrik, binomial negatif, geometrik, poisson, dan uniform diskrit.
Distribusi variabel random kontinu terdiri dari distribusi Uniform Kontinu,
normal, gamma, eksponensial, chi-square, beta, lognormal, dan weibull.

2.1 Distribusi Variabel Random Diskrit

Distribusi probabilitas diskrit adalah suatu daftar atau distribusi dari

semua nilai variabel acak diskrit dengan probabilitas terjadinya masing-masing
nilai tersebut. Variabel diskrit memiliki jumlah kemungkin nilai yang terbatas
atau jumlah yang tak terhingga nilai-nilai yang dapat dihitung. Dihitung berarti
bahwa mereka dapat dicacah dengan angka 1,2,3, dan lain-lain.[1]

2.1.1 Distribusi Bernoulli

Distribusi bernoulli dibentuk oleh suatu percobaan bernoulli (bernoulli

trial).[2] Proses bernoulli adalah proses sampling di mana hanya ada dua hasil yang
saling meniadakan yang mungkin pada setiap percobaan atau observasi. Kedua hal
ini dinamakan sukses dan gagal. Hasil dalam serangkaian percobaan atau
observasi, membentuk peristiwa yang independen. Probabilitas sukses dalam
setiap percobaan, ditulis sebagai p, tetap konstan dari satu percobaan ke percobaan
yang lain.[3]

Sebuah percobaan bernoulli, dimana p adalah probabilitas sukses dan q

adalah 1- p adalah probabilitas gagal, dan jika x adalah variabel acak yang
 menyatakan sukses, maka dapat dibentuk rumus probabilitas bernoulli
sebagai berikut[2] :

P B ( x ;p ) = p x ( 1-p)1-x
...(1)

Berikut rumus mean dan variansi dari distribusi bernoulli :

μx = p ...(2)

σ2x = p(1-p) = p q ...(3)

Keterangan :
p = Probabilitas peristiwa sukses
q = Probabilitas peristiwa gagal
μ = mean
σ = Variansi

2.1.2 Distribusi Binomial

Suatu distribusi binomial dibentuk dari suatu eksperimen binomial.

Eksperimen binomial merupakan n kali eksperimen bernoulli. Setiap
pengulangan eksperimen, yang disebut percobaan (trial) hanya dapat
menghasilkan satu dari dua keluaran yang mungkin dari sukses atau gagal. Setiap
pengulangan percobaan bersifat saling bebas atau suatu percobaan tidak
berpengaruh pada percobaan lainnya.[2]

Berikut rumus probabilitas distribusi binomial :

P b ( x;n,p ) = n Cx P x qn-x ..(4)

 Fungsi distribusi kumulatif dari distribusi probabilitas binomial dinyatakan
sebagai berikut :

x
n-k
F b ( x;n,p ) = ∑ ❑n Cx p k (1-p ) ...(5)
k=0

Berikut rumus mean dan variansi distribusi Binomial :

μx = n p
...(6)

σ2x = np (1-p) = n p q ...(7)

Keterangan :
p = Probabilitas peristiwa sukses
q = Probabilitas peristiwa gagal
n = Jumlah percobaan
x = Jumlah sampel
μ = Mean
σ = Variansi

2.1.3 Distribusi Multinomial

Percobaan binomial menjadi percobaan multinomial jika masing-masing

percobaan mempunyai lebih dari dua hasil kemungkinan keluaran. Eksperimen
pada distribusi multinomial dilakukan dalam beberapa trial dengan tiap trial
menghasilkan kejadian E1, E2, E3, ..., Ek dan masing-masing trial identik dan
independen.[1]

Sebuah percobaan menghasilkan outcome E1, E2, E3, ..., Ek dengan

probabilitas dari variabel random X1, X2, X3, .. Xk yang menggambarkan jumlah
kemunculan outcome E1, E2, E3, ..., Ek dalam n percobaan independen adalah[1] :
 k
f ( x 1 , x 2 , …, x k ; p1 , p2 , …, pk , n ) = n
( ) p x1 …, pk xk , =n dan
x1 , x 2 , …, x k 1 ,
∑ pi=1
i=1

...(8)

Keterangan :
p = peluang keluaran ke-i dalam trial tunggal
n = jumlah trial
x = jumlah kemunculan keluaran ke-i dalam n trial

2.1.4 Distribusi Hipergeometrik

Distribusi hipergeometrik merupakan salah satu distribusi probabilitas

dengan variabel random diskrit yang digunakan untuk mengetahui besarnya
peluang yang terjadi pada sampel bila kejadian serupa pada populasi diketahui.[4]

Variabel acak x menyatakan jumlah x sukses dalam suatu sampel

berukuran n yang dipilih secara acak dari populasi berukuran N yang memiliki M
sukses dan N-M gagal.[2]

Berikut rumus distribusi probabilitas hipergeometrik :

( M c x ) (N-M Cn-x )
P n ( x;n,M,N ) = x = 0,1,2,3 …, n ...(9)
❑N Cn

Berikut rumus mean dan variansi distribusi hipergeometrik :

nM
μx =
N
...(10)
 nM M N-n
σ2x = (1- )( )
N N N-1
...(11)

Keterangan :
N = Populasi
μ = Mean
σ = Variansi

2.1.5 Distribusi Binomial Negatif

Suatu distribusi binomial negatif dibentuk oleh suatu eksperimen yang

memenuhi kondisi-kondisi, seperti ekperimen terdiri dari serangkaian percobaan
yang saling bebas. Setiap percobaan hanya dapat menghasilkan satu dari dua
keluaran yang mungkin, sukses atau gagal. Percobaan terus dilakukan sampai
sejumlah total sukses diperoleh. [2]

Berikut rumus distribusi probabilitas binomial negatif :

pnb (x;r,p) = x+r-1 Cr-1 Px q x x= 0,1,2, ... ...(12)

Fungsi distribusi kumulatif dari distribusi probabilitas binomial negatif

dapat dinyatakan sebagai [2] :

x
F nb ( x;r,p ) = ∑ P nb ( k;r,p ) r > 0; r ϵ bilangan bulat. 0 ≤ p ≤ 1 ...(13)
k=0

Berikut rumus mean dan variansi distribusi binomial negatif :

r(1-p)
μx = ...(14)
p
 r(1-p)
σ2x = ...(15)
p2

Keterangan :
p = Probabilitas peristiwa sukses
q = Probabilitas peristiwa gagal
n = Banyaknya percobaan
x = Jumlah sampel
μ = Mean
σ = Variansi

2.1.6 Distribusi Geometrik

Eksperimen binomial negatif percobaan terus dilakukan sampai

diperolehnya sukses pertama (hanya diperoleh satu sukses r =1), maka eksperimen
tersebut disebut eksperimen geometrik. [2]

Variabel acak x menyatakan banyaknya x gagal sebelum sebuah sukses

tercapai maka dapat dibentuk suatu distribusi probabilitas geometrik dengan
menetapkan harga r = 1 pada distribusi probabilitas binomial negatif. [2]

Berikut rumus probabilitas distribusi geometrik :

pg (x ;p)= p (1-p)x = p q x …(16)

Fungsi distribusi kumulatif dari distribusi probabilitas geometrik dapat

dinyatakan sebagai[2] :

x
k
Fg ( x;p ) = ∑ p ( 1-p ) 0≤p≤1 ...(17)
k=0

Berikut rumus mean dan variansi distribusi geometrik :

 1- p
μx = …(18)
p

(1-p)
σ2x = …(19)
p2

Keterangan :
x = jumlah gagal sebelum sukses tercapai
p = Probabilitas sukses
Pg = Probabilitas geometrik
μ = Mean
σ = Variansi

2.1.7 Distribusi Poisson

Distribusi poisson digunakan untuk menjelaskan kemungkinan kejadian

dalam suatu area, jumlah atau waktu tertentu. Misalnya, kemungkinan adanya
produk yang cacat dalam proses produksi, atau kemungkinan kecelakaan dalam
suatu periode waktu tertentu. [5]

Eksperimen poisson, probabilitas memperoleh dengan tepat peristiwa X

sebanyak x kejadian untuk setiap satu satuan unit yang ditentukan membentuk
sebuah distribusi yang fungsi probabilitasnya adalah[2] :

λ x e -λ
p p ( x ;λ ) = x = 0, 1, 2 ...(20)
x!

Fungsi distribusi kumulatif dari distribusi probabilitas poisson dapat

dinyatakan sebagai :

x
λ k e -λ
F p ( x;λ ) = ∑k ! ...(21)
k=0
Keterangan :
λ = laju kejadian (rata-rata banyaknya kejadian dalam satu satuan unit tertentu)
e = logaritma natural = 2.71828

2.1.8 Distribusi Uniform Diskrit

Variabel acak x, berdistribusi diskrit uniform jika setiap nilai n berada

pada range, misal X1,X2, ... , Xn dimana probabilitasnya sama. Contohnya angka
pertama dari suatu serial number pastinya terdiri dari angka 0 sampai 9. Satu
angka dipilih dari kumpulan angka tersebut, dan X adalah angka pertama dari
serial number. X adalah distribusi uniform dengan probabilitas 0.1 untuk tiap nilai
R = (-,1,2, ..., 9) dengan rumus[1] :

1
f ( xi ) = ...(22)
n

2.2. Distribusi Variabel Random Kontinu

Distribusi variabel random kontinu adalah distribusi probabilitas yang

nilainya dapat diasumsikan berada pada interval antara dua buah angka yang
disebut variabel kontinu. Variabel acak kontinu diperoleh dari data yang bisa
diukur. Variabel acak kontinu dapat diasumsikan sebagai nilai dari angka yang tak
terbatas dan termasuk juga desimal dan pecahan.[1]

2.2.1 Distribusi Uniform Kontinu

Karakteristik distribusi ini adalah fungsi kepadatannya datar jadi distribusi

uniform berada pada interval yang dekat katakanlah [A, B]. Probabilitas dalam
uniform kontinu lebih sederhana untuk dihitung dikarenakan sifat fungsi densitas
yang sederhana. Akan tetapi, perlu diperhatikan penggunaan dari distribusi ini
berdasarkan dari asumsi bahwa probabilitas suatu kejadian terjadi dari interval
diantara [A, B] adalah konstan. [1]

1
f ( x,α,β ) = , A ≤x ≤B ...(23)
B-A

Ketentuan bahwa ɑ dan β adalah parameter yang berupa bilangan rill

dengan A< B. [1]

2.2.2 Distribusi Normal

Distribusi normal merupakan satu-satunya distribusi probabilitas dengan

variabel random kontinu dan mempunyai peran sangat penting dalam statistika
karena distribusi normal memiliki beberapa sifat yang memungkinkan untuk
dipergunakan sebagai pedoman dalam menarik kesimpulan berdasarkan hasil
sampel dan meskipun distibusi normal merupakan distribusi teoritis,tetapi sangat
sesuai dengan distribusi empiris sehingga dikatakan bahwa semua peristiwa secara
alami akan membentuk distribusi ini. [4]

Variabel acak kontinu X dikatakan memiliki distribusi normal dengan

parameter μ x dan σ x dimana -∞ <μ x < ∞ dan μ x >0 jika fungsi kepadatan
probabilitas dari x adalah:
2
( x- μ x)
-
1 2σ
2
...(24)
f ( x ; μx , σx ) = e x
-∞ <x < ∞
σx √ 2π

Fungsi distribusi kumulatif dari distribusi normal dinyatakan sebagai :

2
X x ( x- μ x )
-
1 2σ
2
...(25)
F N ( x ; μx , σ x ) =p ( X ≤x ) =∫ f N ( t; μx , σ x ) dt = ∫ e x
dt
-∞ -∞ σ x √ 2π

keterangan :
μ x = Mean
σ x = Deviasi standar

2.2.3 Distribusi Gamma

Eksperimen-eksperimen probabilitas yang hasilnya menunjukkan suatu

bentuk distribusi yang mempunyai variasi ukuran kemencengan yang cukup
signifikan, distribusi gamma merupakan salah satu alternatif model yang banyak
digunakan.[2]

Sebuah variabel acak kontinu X dikatakan memiliki distribusi gamma

dengan parameter bentuk α dan parameter skala β dimana α > 0 dan β > 0 jika
fungsi kepadatan probabilitas (PDF) dari X adalah[2] :

x
1
f(x;α,β)= α
x α-1 eβ , x ≥ 0
β Γ(α)
...(26)

Fungsi distribusi kumulatif gamma adalah :

x -1
1
F(x;α,β)= ∫ α
t α-1 eβ d t
0 β Γ(α)
...(27)

Berikut rumus mean dan variansi distribusi gamma :

μ = αβ ...(28)

σ2x = α β2 ...(29)

Keterangan :
μ = Mean
σ = Variansi
2.2.4 Distribusi Eksponensial

Distribusi eksponensial merupakan kasus khusus dari distribusi gamma

dengan faktor bentuk α = 1 dan faktor skala β =1/λ. Distribusi ini banyak
digunakan sebagai model di bidang teknik dan sains. Jika variabel acak kontinu X
memiliki distribusi eksponensial dengan parameter λ dimana λ>0, maka fungsi
kepadatan probabilitas dari X adalah[2] :

x
F=∫ λ e -λ t =1- e -λ x
...(30)
0

Berikut rumus mean dan variansi distribusi eksponensial :

1
μ= ...(31)
λ

1
σ2 = ...(32)
λ2

keterangan :
μ = Mean
σ = Variansi

2.2.5 Distribusi Chi-square

Distribusi chi-square atau chi-kuadrat merupakan distribusi yang banyak

digunakan dalam sejumlah prosedur statistik inferensial. Distribusi chi-kuadrat
merupakan kasus khusus dari distribusi gamma dengan faktor bentuk α=v/2,
dimana v adalah bilangan bulat positif dari faktor skala β=2. [2]

Fungsi kepadatan probabilitas dari X adalah :

 v -x
1 (
2
)-1
2
f(x; v)= x e ,x≥0
vv/2
2 Γ( )
2
---(33)

Fungsi distribusi kumulatif dari X adalah :

x v -t
1 (
2
)-1
2
f(x; v)= ∫ t e d t
vv/2
0
2 Γ( )
2
---(34)

2.2.6 Distribusi Beta

Distribusi beta merupakan sebuah penjabaran dari distribusi uniform.

Variabel acak kontinu X berdistribusi beta dengan parameter α > 0 dan β > 0
memiliki fungsi kepadatan sebagai berikut [1] :

1
f ( x) = x α-1 (1-x ) β-1 , 0 < x < 1 ---(35)
B(α,β)

Parameter bentuk αdan β mengakibatkan fungsi probabilitas kepadatan

(PDF) untuk menghasilkan kurva yang berbeda-beda.{3}

2.2.7 Distribusi Lognormal

Distribusi lognormal digunakan untuk variasi aplikasi yang luas. Distribusi

lognormal diperoleh dari transformasi peubah acak pada fungsi densitas distribusi
normal. Variabel acak kontinu X terdistribusi lognormal jika variabel acak Y = In
(X) terdistribusi normal dengan mean μ dan standar deviasi σ.[1]
 1
- [In(x)-μ]2
1 2
(2 σ )
f(x; μ ;σ)= e dt,x≥0
√2πσ x
---(36)

2.2.8 Distribusi Weibull

Distribusi Weibull sering digunakan untuk menghitung waku yang dicapai

sampai terjadinya kerusakan suatu sistem fisik. Parameter dalam distribusi ini
memberikan fleksibelitas yang tinggi untuk menggambarkan model sistem dimana
jumlah kerusakan yang terjadi akan meningkat seiring dengan waktu, atau
probabilitasnya konstan dari waktu ke waktu (kegagalan yang dikarenakan faktor
eksternal terhadap sistem).[1]

Sebuah variabel acak kontinu X memiliki distribusi weibull dengan

parameter bentuk α dan faktor skala β dimana α>0 dan β>0, maka fungsi
kepadatan probabilitas dari X adalah[2] :

x
α α-1 -( β )
α

f(x;α,β)= x e ---(37)
β2

Fungsi distribusi kumulatif dari distribusi weibull adalah :

x t x
α
α
-( ) -( )α
f(x;α,β)=∫ 2 t α-1 e β d t =- e β ---(38)
0 β
 BAB III
METODE PENELITIAN

Bab ini membahas mengenai jenis penelitian, waktu penelitian, populasi

dan sampel penelitian, metode pengumpulan data, dan teknik analisa data.

3.1 Jenis Penelitian

Jenis penelitian menggunakan jenis penelitian observasi berdasarkan data

sekunder yang didapatkan penulis dari asisten pembimbing. Data hasil observasi
berupa data kendaraan yang diamati di halte gedung G Universitas Andalas dan
data nilai rapor satu semester siswa kelas 12 IPS SMAN 9 Padang.

3.2 Lokasi dan Waktu Penelitian

Pengambilan data kendaraan berlokasi di halte gedung G Universitas

Andalas dan pengambilan data nilai rapor satu semester siswa kelas 12 IPS
berlokasi di SMAN 9 Padang. Sedangkan, waktu penelitian penulis laksanakan
pada tanggal 26 Oktober 2020 untuk pengambilan data kendaraan di halte gedung
G universitas Andalas, dan pada tanggal 27 Oktober 2020 penulis mengambil data
nilai rapor satu semester siswa kelas 12 IPS SMAN 9 Padang.

3.3 Populasi dan Sampel Penelitian

Populasi pada penelitian laporan distribusi variabel random diskrit dan

kontinu adalah siswa kelas 12 SMAN 9 Padang. Sedangkan, sampel pada
penelitian laporan distribusi variabel random diskrit dan kontinu adalah siswa
kelas 12 IPS SMAN 9 Padang.
3.4 Metode Pengumpulan Data

Penelitian ini menggunakan metode penggumpulan data sekunder. Data

sekunder yang berupa data kendaraan dan data nilai rapor satu semester siswa
kelas 12 IPS SMAN 9 Padang. Data sekunder yang didapatkan penulis merupakan
data given yang diberikan oleh tim asisten.

3.5 Teknik Analisis Data

Laporan ini menggunakan teknik analisis data kuantitatif. Penulis

menggunakan teknik analisis data kuantitatif, karena pada mengolahan data
penulis mengolah data numerik. Misalnya, pada pengolahan data kendaraan untuk
mengetahui jumlah kendaraan yang lewat di halte gedung G pada pukul 09:00:02
AM sampai pukul 10:25:35 AM. Sedangkan, pada pengolahan data sekolah untuk
mengetahui data siswa kelas 12 SMAN 9 Padang berupa nilai rata-rata rapor satu
semester, jenis kelamin, dan pilihan pertama universitas yang dipilih.
 BAB IV
PENGOLAHAN DATA DAN ANALISIS

Bab ini membahas mengenai pengolahan data dan analisis data pada data
sekunder kendaraan yang melewati halte gedung G Universitas Andalas dan data
siswa kelas 12 IPS SMAN 9 Padang menggunakan distribusi variabel random
diskrit dan kontinu.

4.1 Pengolahan Data

Pengolahan data dilakukan pada data sekunder kendaraan yang melewati

halte gedung G Universitas Andalas, dan data siswa kelas 12 IPS SMAN 9
Padang. Data kendaraan diolah dengan distribusi eksponensial dan distribusi
poisson. Sedangkan, data siswa kelas 12 IPS SMAN 9 Padang diolah dengan
distribusi binomial, distribusi normal, dan distribusi binomial.

4.1.1 Pengolahan Distribusi Binomial

Perhitungan distribusi binomial diolah dari data universitas piihan dari

siswa kelas 12 IPS SMAN 9 Padang, diperoleh beberapa siswa yang tidak mengisi
pilihan universitas, yang artinya siswa tersebut tidak melanjutkan kuliah. Maka
diperoleh data siswa yang lanjut sebanyak 227 dan yang tidak sebanyak 18 orang,
sehingga data yang diperoleh sebanyak 245 siswa. Tujuan perhitungan ini untuk
mengetahui peluang siswa kelas 12 IPS SMAN 9 Padang melanjutkan kuliah
dengan menggunakan perhitungan distribusi binomial.

Tabel 4.1. Parameter Distribusi Binomial

Lanjut (p) 0,93
Tidak Lanjut (q) 0,07
 Berdasarkan perhitungan pada Tabel 4.1 diperoleh peluang lanjut 0,93
dan tidak lanjut sebesar 0,07 dari data siswa kelas 12 IPS SMAN 9 Padang. Nilai
p dan q diperoleh dengan cara berikut :

lanjut 227
p= = =0,93
total siswa 245

q = 1 - p = 1 - 0,93 = 0,07

Tabel 4.2 Distribusi Binomial Empiris

Distribusi Binomial Empiris
N/x 0 1 2 3 4 5
1 0,020408 0,979592
2 0,001249 0,079134 0,91962
3 0,000102 0,007607 0,14774 0,84455
4 0,000010 0,000868 0,02484 0,00087 0,758368
5 0,000001 0,000098 0,00097 0,00176 0,000098 0,68098

Berdasarkan Tabel 4.2 diperoleh lanjut ke 1 dengan jumlah percobaan 2

kali adalah 0,79134. Nilai peluang ini diperoleh dengan cara berikut :
P(x=ya) = p1 =sampel 1 = 0,98
P(x=ya) = p2 = sampel 2 = 0,94
P(x=tidak) = q1 = sampel 1 = 0,02
P(x=tidak) = q2 = sampel 2 = 0,06

P(x) = p(1) x q(2) + p(2) x q(1)

P(2) = 0,98 x 0,06 + 0,94 x 0,02) = 0,078

Tabel 4.3 Distribusi Binomial Teoritis

Distribusi Binomial Teoritis
N/x 0 1 2 3 4 5
1 0,073469 0,926531
2 0,005398 0,136143 0,858459
3 0,000397 0,015004 0,189211 0,795389
4 0,000029 0,001470 0,027802 0,233747 0,736952
5 0,000002 0,000135 0,003404 0,042933 0,270717 0,68281
 Berdasarkan Tabel 4.3 diperoleh probabilitas terpilihnya 1 orang siswa
lanjut dengan jumlah percobaan 2 kali adalah 0,136143 Nilai peluang ini
diperoleh dengan cara berikut :

p(x) =n c x p x q n-x

p(1) =2 c1 0,931 0,072-1 = 0,13

4.1.2 Pengolahan Distribusi Geometrik

Data yang diolah dengan distribusi geometrik adalah data jenis kelamin
siswa kelas 12 IPS SMAN 9 Padang. Dari observasi diperoleh sebanyak 245 data,
dengan jumlah perempuan sebanyak 184 dan laki-laki sebanyak 61. Dari data 245
nantinya akan diambil sampel sebanyak 5 sehingga didapatkan trial sebanyak 49.
Dari trial tersebut diperoleh peluang masing-masing sampel P(x=1) untuk
perempuan, dan P(y=0) untuk laki-laki. Tujuan distribusi geometrik untuk
mengetahui perempuan pertama kalinya setelah laki-laki.

Tabel 4.4. Parameter Distribusi Geometrik

Laki=laki (q) 0,25
Perempuan (p) 0,75

Berdasarkan perhitungan pada Tabel 4.4 diperoleh peluang laki-laki (q)

0,25 dan peluang perempuan sebesar 0,75 dari data siswa kelas 12 IPS SMAN 9
Padang. Nilai p dan q diperoleh dengan cara berikut :

perempuan 184
p= = =0,75
total siswa 245
q = 1 - P = 1 - 0,75 = 0,25

Tabel 4.5 PMF dan CDF Distribusi Geometrik

 Empiris Teoritis
x
PMF CDF PMF CDF
1 0,735 0,735 0,751 0,751
2 0,206 0,940 0,187 0,938
3 0,045 0,985 0,047 0,985
4 0,010 0,996 0,012 0,996
5 0,003 0,999 0,003 0,999

Berdasarkan perhitungan pada Tabel 4.5 diperoleh nilai x ke 2 dari PMF

empiris adalah 0,206. Nilai tersebut diperoleh dari cara berikut :
p(x) = 0,78
p(y) = 0,27
x=2

P (x) = P(p) x P(y)

P (2) = 0,78 x 0,27
= 0,21

Berdasarkan perhitungan pada Tabel 4.5 diperoleh nilai x ke 2 dari PMF

teoritis adalah 0,187. Nilai tersebut diperoleh dengan cara berikut :

P (x) = p × qx-1
P (2) = 0,75 × 0,252-1=0 ,187

Berdasarkan perhitungan pada Tabel 4.5 diperoleh nilai x ke 2 dari CDF

empiris adalah 0,941. Nilai tersebut diperoleh dengan cara berikut :

F(2) = f1 + f2
= 0,751+ 0,187
= 0,941

Berdasarkan perhitungan pada Tabel 4.5 diperoleh nilai x ke 2 dari CDF

teoritis adalah 0,938. Nilai tersebut diperoleh dengan cara berikut :
F(2) = f1 + f2
= 0,751+ 0,187
= 0,938

4.1.3 Pengolahan Distribusi Poisson

Data waktu kendaraan dilakukan pengolahan pada distribusi poisson untuk

mengetahui waktu antar kendaraan yang datang dengan range 25 detik.
Pengambilan data dilakukan dari pukul 09. 9:00:02 AM sampai 10:25:39 AM.

Tabel 4.6 Ukuran Penyebaran data distribusi poisson

Ukuran Penyebaran Data
Min 0
Max 7
Range 7
Jumlah Kelas 9
Interval Kelas 1
Standar Deviasi 1
Variansi 1,7
µ 1

Tabel 4.7 PDF dan CDF Distribusi poisson

Distribusi Poisson Distribusi Normal
X Empiris Teoritis Empiris
PMF CDF PMF CDF PMF CDF
0 0,518 0,518 0,368 0,3679 0,2245 0,2245
1 0,194 0,712 0,368 0,7358 0,2755 0,5000
2 0,136 0,848 0,184 0,9197 0,2755 0,7755
3 0,097 0,945 0,061 0,9810 0,1595 0,9350
4 0,042 0,988 0,015 0,9963 0,0534 0,9884
5 0,006 0,994 0,003 0,9994 0,0103 0,9988
6 0,00 0,994 0,001 0,9999 0,0012 0,9999
7 0,01 1 0,0001 1,0000 0,0001 1

Berdasarkan perhitungan pada Tabel 4.7 diperoleh nilai PMF empiris

pada x ke 2 adalah 0,136. Nilai tersebut diperoleh dengan cara berikut :
 frekuensi ke-x
f(x)=
frekuensi total

45
f(2)= = 0,136
330

Berdasarkan perhitungan pada Tabel 4.7 diperoleh nilai PMF teoritis

pada x ke 2 adalah 0,184. Nilai tersebut diperoleh dengan cara berikut :

e-λ × λ x
f (x) =
x!

e-1 × 12
f (2) = =0,184
2!

Berdasarkan perhitungan pada Tabel 4.7 diperoleh nilai CDF empiris

pada x ke 2 adalah 0,848. Nilai tersebut diperoleh dengan cara berikut :

F (X )= ∑ f(x)
F (2) = f(0) + f(1) + f(2)
= 0,518 + 0,194 + 0,136 = 0,136

Berdasarkan perhitungan pada Tabel 4.7 diperoleh nilai CDF teoritis

pada kelas ke 2 adalah 0,9197. Nilai tersebut diperoleh dengan cara berikut :

F (X )= ∑ f(x)
F (2) = f(0) + f(1) + f(2)
= 0,368 + 0,368 + 0,184 = 0,92

4.1.4 Pengolahan Distribusi Eksponensial

Pengolahan data waktu kendaraan yang datang diolah dengan

menggunakan perhitungan distribusi eksponensial. Tujuan dilakukan pengolahan
ini untuk mengetahui interval waktu antar kedatangan kendaraan dalam selang
permenit. Total kendaraan didapatkan dari observasi diperoleh 330 kendaraan
yang diamati di halte gedung G Universitas Andalas. Tabel 4.8 digunakan untuk
memudahkan mencari perhitungan PDF dan CDF distribusi eksponensial.

Tabel 4.8 Ukuran Pemusatan Data Distribusi Eksponensial

UKURAN PEMUSATAN DATA

Min 0
Max 1,983
Range 1,983
Jumlah Kelas 9,311
Lebar Kelas 0,213
μ 0,258
σ 0,288
λ 3,878
Total Waktu 330

Tabel 4.9 PDF dan CDF Distribusi Eksponensial

EMPIRIS TEORITIS
KELAS BB BA Xi
oi fi Fi oi fi Fi
1 0 0,213 0,1065 200 0,6061 0,6061 185,5226 0,3383 0,3383
2 0,213 0,4260 0,3195 68 0,2061 0,8121 81,2255 0,3720 0,7103
3 0,4260 0,6390 0,5325 34 0,1030 0,9152 35,5604 0,1629 0,8732
4 0,6390 0,8520 0,7455 13 0,0394 0,9545 15,5682 0,0713 0,9445
5 0,8520 1,0650 0,9585 7 0,0212 0,9758 6,8157 0,0312 0,9757
6 1,0650 1,2780 1,1715 4 0,0121 0,9879 2,9839 0,0137 0,9894
7 1,2780 1,4910 1,3845 0 0,0000 0,9879 1,3064 0,0060 0,9953
8 1,4910 1,7041 1,5975 2 0,0061 0,9939 0,5719 0,0026 0,9980
9 1,7041 1,9171 1,8106 1 0,0030 0,9970 0,2504 0,0011 0,9991
10 1,9171 2,1301 2,0236 1 0,0030 1,0000 0,1096 0,0005 0,9996
TOTAL 330 330

Berdasarkan perhitungan pada Tabel 4.9 diperoleh nilai PDF empiris

pada kelas ke 2 adalah 0,2061. Nilai tersebut diperoleh dengan cara berikut :

oi 68
fi= = =0,206
oi total 330

Berdasarkan perhitungan pada Tabel 4.9 diperoleh nilai CDF empiris

pada kelas ke 2 adalah 0,8121. Nilai tersebut diperoleh dengan cara berikut :

F (X )= ∑ f(x)
F2 = fi + f2
= 0,6061 + 0,2061 = 0,812
 Berdasarkan perhitungan pada Tabel 4.9 diperoleh nilai CDF teoritis
pada kelas ke 2 adalah 0,7103. Nilai tersebut diperoleh dengan cara berikut :

1 1
λ= = =3,87
μ 0,258

´
F ( x )=1−e−λ xi

F ( 2 ) = 1- e -3,87x 0,3195 =0,7103

Berdasarkan perhitungan pada Tabel 4.9 diperoleh nilai PDF teoritis pada
kelas ke 2 adalah 0,3720. Nilai tersebut diperoleh dengan cara berikut :

f(2) = F2 – F1
= 0,7103 – 0,3383
= 0,3742

4.1.5 Pengolahan Distribusi Normal

Data nilai rapor satu semester kelas 12 IPS SMAN 9 Padang dilakukan
pengolahan data dengan cara perhitungan distribusi normal. Pengolahan ini
bertujuan untuk mengetahui probabilitas rata-rata nilai siswa selama satu semester
dengan 7 mata pelajaran. Tabel 4.10 digunakan untuk membantu perhitungan
pada distribusi normal.

Tabel 4.10 Ukuran Sebaran Data Distribusi Normal

Ukuran Sebaran Data
Variansi 3,255404
Standar Deviasi 10,59766
Min 76,00
Max 95,14
Range 19,14
Banyak Kelas 8,9 9
Interval Kelas 2,15 2,2
Rata-rata (X) 85,76
Tabel 4.11 PDF dan CDF Distribusi Normal
Interval Empiris Teoritis
Kelas Xi
BB BA Oi fi Fi Oi fi Fi
1 76,0 78,2 77,08 3 0,012 0,01 2,1 0,008 0,008
2 78,2 80,4 79,25 6 0,024 0,04 9,5 0,039 0,05
3 80,4 82,6 81,45 29 0,118 0,16 28 0,114 0,16
4 82,6 84,8 83,65 56 0,229 0,38 53 0,216 0,38
5 84,8 87,0 85,85 65 0,265 0,65 64,8 0,264 0,64
6 87,0 89,2 88,05 54 0,220 0,87 51 0,208 0,85
7 89,2 91,4 90,25 19 0,078 0,95 25,9 0,106 0,96
8 91,4 93,6 92,45 11 0,045 0,99 8,4 0,034 0,99
9 93,6 95,8 94,65 2 0,008 1,00 1,8 0,007 1,00
Jumlah 245 1 245 1

Berdasarkan perhitungan pada Tabel 4.11 diperoleh nilai PDF empiris

pada kelas ke 2 adalah 0,024. Nilai tersebut diperoleh dengan cara berikut :

oi 6
fi= = =0,0244
oi total 245

Berdasarkan perhitungan pada Tabel 4.11 diperoleh nilai PDF teoritis

pada kelas ke 2 adalah 0,039. Nilai tersebut diperoleh dengan cara berikut :

2
( x- μ x )
1 -
2σ
2
fi = e
σx √2π

Berdasarkan perhitungan pada Tabel 4.11 diperoleh nilai CDF empiris

pada kelas ke 2 adalah 0,04. Nilai tersebut diperoleh dengan cara berikut :

F (X )= ∑ f(x)

F(2) = f1 + f2
= 0,01224 + 0,02449
= 0,037

Berdasarkan perhitungan pada Tabel 4.11 diperoleh nilai CDF teoritis

pada kelas ke 2 adalah 0,05. Nilai tersebut diperoleh dengan cara berikut :
F (X ) = ∑ f(x)
F(2) = f1 + f2
= 0,08 + 0,039
= 0,047

4.2 Analisis Data

Bagian ini akan menganalisis pengolahan data yang telah dilakukan. Data
yang dianalisis adalah data kendaraan di halte gedung G Universitas Andalas, dan
data siswa kelas 12 IPS SMAN 9 Padang. Data yang telah diolah akan
divisualisasikan kedalam bentuk bar chart pada pengolahan PMF dan PDF, dan
untuk visualisasi dalam bentuk line chart dilakukan pada pengolahan CDF dari
setiap distribusi variabel random diskrit dan distribusi vaariabel random kontinu.

4.2.1 Analisis Distribusi Binomial

Berdasarkan Tabel 4.2 dan Tabel 4.3 telah dilakukan pengolahan data
lanjut kuliah siswa kelas 12 IPS SMAN 9 Padang dengan menggunakan distribusi
binomial cara empiris dan dengan cara teoritis. Dari pengolahan distribusi
binomial empiris dengan jumlah percobaan kelima dengan x sama dengan 5
diperoleh nilainya adalah 0,681 dan pada teoritis didapatkan nilai sebesar 0,683.
Dari kedua percobaan tidak terdapat perbedaan yang terlalu signifikan. Distribusi
binomial merupakan bagian dari distribusi variabel random diskrit.

4.2.2 Analisis Distribusi Geometrik

Bagian ini akan menganalisis probabilitas siswi kelas 12 IPS SMAN 9

Padang menggunakan distribusi geometrik. Visualisasi data berupa line chart dan
bar chart. Visualisasi data bar chart diperuntukkan untuk PMF dan line chart
untuk CDF. Analisis dipaparkan setelah Gambar 4.1 dan Gambar 4.2
 Gambar 4.1 Bar Chart PMF Siswa Perempuan Kelas 12 IPS SMAN 9 Padang
dengan Distribusi Geometrik

Gambar 4.2 Line Chart CDF Siswa Perempuan Kelas 12 IPS SMAN 9 Padang
dengan Distribusi Geometrik

Gambar 4.1 merupakan visualisasi data dari Tabel 4.5 yang disajikan
dalam bentuk bar chart. Pada gambar dapat dilihat bahwa nilai probabilitas PDF
empiris dan PDF teoritis hampir sama nilainya. Nilai probabilitas tertinggi ada
pada interval kelas ke-1 dengan nilai PMF empiris sama dengan 0,73 serta nilai
PMF teoritis sama dengan 0,751.

Gambar 4.2 merupakan visualisasi data dari Tabel 4.5 yang disajikan
dalam bentuk line chart. Dari gambar dapat disimpulkan bahwa nilai CDF empiris
dan teoritis hampir sama dan titik pada kurva naik signifikan pada interval kelas
ke-2.
4.2.3 Analisis Distribusi Poisson

Bagian ini akan menganalisa jumlah kedatangan kendaraan di halte

gedung G Universitas Andalas yang diolah menggunakan ditribusi poisson
dengan pendekatan distribusi normal. Visualisasi data dalam bentuk line chart dan
bar chart dari Tabel 4.7. Analisis akan dipaparkan setelah Gambar 4.3 dan
Gambar 4.4

Gambar 4.3 Bar Chart PMF Waktu Kedatangan Kendaraan dengan Distribusi
Poisson dan Pendekatan Distribusi Normal

Gambar 4.4 Line Chart CDF Waktu Kedatangan Kendaraan dengan Distribusi
Poisson dan Pendekatan Distribusi Normal
 Pada pengolahan data jumlah kedatangan kendaraan dengan menggunakan
distribusi poisson, digunakan pendekatan dengan distribusi normal. Penggunaan
pendekatan distribusi normal dikarenakan syarat menggunakan pendekatan
normal apabila jumlah data dalam penelitian lebih dari 30 data.

Gambar 4.3 merupakan visualisasi data dari Tabel 4.7 yang disajikan
dalam bentuk bar chart. Pada gambar dapat diambil kesimpulan bahwa nilai
probabilitas tertinggi ada pada nilai X ke-0 dengan nilai PMF empiris poisson
sama dengan 0,51818, nilai PMF teoritis poisson sama dengan 0,3678794 dan
nilai PDF empiris normal sama dengan 0,2245008.

Gambar 4.4 merupakan visualisasi data dari Tabel 4.7 yang disajikan
dalam bentuk line chart. Berdasarkan gambar dapat lihat bahwa nilai probabilitas
distribusi poisson hampir sama dengan nilai probabilitas ditribusi normal pada
interval kelas ke-5 sampai interval kelas ke-7, tetapi perbedaan yang cukup
signifikan pada interval kelas ke-1 sampai kelas ke-4. Nilai probabilitas tertinggi
ada pada nilai X ke-7 dengan nilai CDF empiris poisson sama dengan 1, nilai
CDF teoritis poisson sama dengan 0,99 dan nilai CDF empiris normal sama
dengan 1.
4.2.4 Analisis Distribusi Eksponensial

Bagian ini akan menganalisa waktu kedatangan antar kendaraan di halte

gedung G Universitas Andalas yang diolah menggunakan menggunakan distribusi
eksponensial. Visualisasi data berupa line chart dan bar chart. Analisis akan
dipaparkan setelah Gambar 4.5 dan Gambar 4.6
 Gambar 4.5 Bar Chart PDF Waktu antar Kedatangan Kendaraan dengan
Distribusi Eksponensial

Gambar 4.6 Line Chart CDF Waktu antar Kedatangan Kendaraan dengan
Distribusi Eksponensial

Gambar 4.5 merupakan visualisasi data dari Tabel 4.9 yang disajikan
dalam bentuk bar chart. Dari gambar dapat dilihat bahwa terdapat perbedaan
probabilitas antara nilai PDF empiris dan PDF teoritis yang cukup signifikan pada
interval kelas ke-1 dengan nilai PDF empiris sama dengan 0,60606 sedangkan
nilai PDF teoritis sama dengan 0,33833. Perbedaan nilai tersebut dikarenakan
perhitungan empiris dilakukan dari observasi langsung, sedangkan teoritis
menggunakan rumusan atau teori yang sudah ada.
 Gambar 4.6 merupakan visualisasi data dari Tabel 4.9 yang disajikan
dalam bentuk line chart. Pada gambar dapat dilihat bahwa terdapat perbedaan
probabilitas yang cukup signifikan pada CDF empiris dan CDF teoritis pada
interval kelas ke-1 sampai interval kelas ke-3. Sedangkan, pada interval kelas ke-
4 sampai interval kelas ke-10 nilai CDF empiris dan CDF teoritis cenderung
memiliki nilai probabilitas yang sama atau nilai mendekati angka satu.

4.2.5 Analisis Distribusi Normal

Bagian ini akan menganalisis nilai rata-rata siswa IPS SMAN 9 Padang
selama satu semester. Visualisasi data dalam bentuk line chart dan bar chart.
Dianalisis dari pengolahan data Tabel 4.11. Analisis akan dipaparkan setelah
Gambar 4.7 dan Gambar 4.8

Gambar 4.7 Bar Chart PDF Rata-rata Nilai Siswa Kelas 12 IPS SMAN 9 Padang
dengan Distribusi Normal
 Gambar 4.8 Line Chart CDF Rata-rata Nilai Siswa Kelas 12 IPS SMAN 9
Padang dengan Distribusi Normal

Gambar 4.7 merupakan visualisasi data dari Tabel 4.11 yang disajikan
dalam bentuk bar chart. Bar chart tersebut menggambarkan hubungan peluang
dengan kelas. Dari gambar dapat disimpulkan bahwa PDF empiris nilai rata-rata
siswa kelas 12 IPS SMAN 9 Padang dan PDF teoritis nilai rata-rata siswa IPS
SMAN 9 Padang memiliki probablitas tertinggi pada interval kelas ke-5 dengan
nilai PDF empiris sama dengan 0,2631 dan nilai PDF teoritis sama dengan
0,26444. Sedangkan, probabilitas terendah pada interval kelas ke-9 dengan nilai
PDF empiris sama dengan 0.00816 serta nilai PDF teoritis sama dengan 0,00723.

Gambar 4.8 merupakan visualisasi data dari Tabel 4.11 yang disajikan
dalam bentuk line chart. Dari gambar dapat disimpulkan bahwa antara CDF
empiris dan CDF teoritis nilai probabilitasnya tidak jauh berbeda. Berdasarkan
dari nilai CDF empiris nilai rata-rata siswa IPS SMAN 9 Padang dan CDF teoritis
nilai rata-rata siswa kelas 12 IPS SMAN 9 Padang yang diolah menggunakan
distribusi normal memiliki probabilitas tertinggi pada interval kelas ke-9 dengan
nilai CDF empiris dan nilai CDF teoritis sama dengan 1. Dan terendah pada
interval kelas ke-1 dengan nilai CDF empiris dan CDF teoritis sama dengan 0,01.
 BAB V
KESIMPULAN

Bab ini membahas mengenai kesimpulan dan saran dari penelitian yang
telah dilakukan pada distribusi variabel random diskrit dan kontinu.

5.1 Kesimpulan

Berdasarkan penelitian dan pengolahan data yang dilakukan dapat

disimpulkan sebagai berikut :

1. Variabel diskrit mempunyai jumlah kemungkin nilai yang terbatas atau

jumlah yang tak terhingga nilai-nilai yang dapat dihitung. Sedangkan,
Variabel acak kontinu dapat diasumsikan sebagai nilai dari angka yang tak
terbatas dan termasuk juga desimal dan pecahan.
2. Dari pengolahan atau perhitungan yang dilakukan pada data Nilai rata-rata
satu semester siswa kelas 12 IPS SMAN 9 Padang diperoleh hasil bahwa
nilai rata-rata tertinggi terletak pada kelas kelima.
3. Dari pengolahan atau perhitungan yang dilakukan pada data siswa lanjut
kuliah dengan menggunakan distribusi binomial diperoleh hasil bahwa
lebih banyak yang melanjutkan kuliah.
4. Dari pengolahan atau perhitungan yang dilakukan pada data waktu antar
kendaraan pada distribusi eksponensial didapatkan hasil bahwa kendaraan
terbanyak melewati halte gedung G Universitas Andalas terletak pada
kelas pertama.
5. Dari pengolahan atau perhitungan yang dilakukan pada data kedatangan
kendaraan yang diamati di halte gedung G universitas Andalas, bahwa
jumlah kendaraan tertinggi terletak pada x sama dengan nol dengan
frekuensi 171 kendaraan.
6. Dari pengolahan atau perhitungan yang dilakukan pada data jenis kelamin
siswa kelas 12 IPS SMAN 9 Padang diperoleh hasil bahwa jumlah
perempuan lebih banyak.

5.2 Saran

Berdasarkan dari penelitian yang telah dilakukan, penulis menyarankan

beberapa saran untuk penelitian selanjutnya yaitu sebagai berikut:

1. Seharusnya peneliti lebih teliti dalam melakukan pengolahan data.

2. Sebaiknya peneliti lebih memperhatikan penulisan dan format yang benar
dalam laporan.
3. Diharapakan peneliti dapat belajar dari kesalahan yang dilakukan.
 DAFTAR PUSTAKA

[1] Kusuma, L Tri Wijaya Nata dan Debrina Puspita A. 2016. Aplikasi Komputer
dan Pengolahan Data Pengantar Statistik Industri. Malang : UB
Press

[2] Harinaldi. 2005. Prinsip-prinsip Statistik untuk Teknik dan Sains. Jakarta :
Erlangga

[3] J Leonard, Kazmier. 2004. Statistik untuk Bisnis. Jakarta : Erlangga.

[4] Budiarto, Eko. 2002. Biostatistika untuk Kedokteran dan Kesehatan

Masyarakat. Jakarta : EGC

[5] Arifin, Johan. 2008. Statistik Bisnis Terapan dengan Microsoft Excel 2007.
Jakarta : PT Elex Media Komputindo
LAMPIRAN
 LAMPIRAN A
(Data Kendaraan di Halte Gedung G
Universitas Andalas)
Tabel A1. Data kendaraan di Halte Gedung G Universitas Andalas
Tabel A2. Data kendaraan di Halte Gedung G Universitas Andalas (lanjutan)
31 9:11:53 AM Angkot Silver
32 9:12:00 AM Angkot Hitam
33 9:12:14 AM Angkot Putih
34 9:12:18 AM Angkot Putih
35 9:12:24 AM Angkot Hijau
36 9:12:37 AM Angkot Putih
37 9:12:45 AM Angkot Putih
38 9:13:13 AM Kapsul Silver
39 9:13:22 AM Bus Merah
40 9:13:27 AM Kapsul Putih
41 9:14:31 AM Kapsul Hitam
42 9:14:35 AM Angkot Merah
43 9:14:46 AM Angkot Putih
44 9:15:21 AM Angkot Merah
45 9:15:32 AM Kapsul Hitam
46 9:16:12 AM Angkot Hitam
47 9:16:16 AM Angkot Putih
48 9:16:21 AM Angkot Silver
49 9:16:36 AM Angkot Biru
50 9:16:58 AM Kapsul Putih
51 9:17:09 AM Kapsul Hitam
52 9:18:07 AM Kapsul Abu-abu
53 9:18:10 AM Kapsul Hitam
54 9:18:31 AM Kapsul Putih
55 9:18:40 AM Kapsul Hitam
56 9:18:50 AM Angkot Silver
57 9:19:13 AM Truk Merah
58 9:19:14 AM Kapsul Putih
59 9:19:16 AM Angkot Putih
60 9:19:17 AM Kapsul Silver
Tabel A3. Data kendaraan di Halte Gedung G Universitas Andalas (lanjutan)
61 9:19:32 AM Kapsul Hitam
62 9:19:36 AM Truk Putih
63 9:19:39 AM Kapsul Merah
64 9:20:14 AM Kapsul Abu-abu
65 9:21:02 AM Kapsul Hitam
66 9:21:06 AM Sedan Silver
67 9:21:14 AM Kapsul Silver
68 9:21:16 AM Kapsul Biru
69 9:21:41 AM Kapsul Putih
70 9:22:43 AM Kapsul Biru
71 9:23:10 AM Kapsul Hitam
72 9:23:29 AM Kapsul Silver
73 9:23:36 AM Kapsul Merah
74 9:23:42 AM Truk Biru
75 9:24:09 AM Sedan Silver
76 9:24:20 AM Kapsul Putih
77 9:24:35 AM Kapsul Putih
78 9:24:55 AM Kapsul Silver
79 9:25:12 AM Bus Hitam
80 9:25:16 AM Bus Hijau
81 9:25:48 AM Kapsul Hitam
82 9:25:54 AM Truk Coklat
83 9:26:06 AM Kapsul Hijau
84 9:26:11 AM Kapsul Hitam
85 9:26:20 AM Kapsul Putih
86 9:26:30 AM Kapsul Hitam
87 9:26:37 AM Kapsul Hitam
88 9:27:07 AM Kapsul Abu-abu
89 9:27:16 AM Kapsul Putih
90 9:27:32 AM Bus Silver
Tabel A4. Data kendaraan di Halte Gedung G Universitas Andalas (lanjutan)
91 9:28:10 AM Kapsul Biru
92 9:28:22 AM Kapsul Putih
93 9:28:24 AM Angkot Putih
94 9:28:29 AM Angkot Putih
95 9:28:43 AM Kapsul Hitam
96 9:28:46 AM Angkot Abu-abu
97 9:29:00 AM Kapsul Putih
98 9:29:03 AM Angkot Putih
99 9:29:10 AM Kapsul Putih
100 9:29:17 AM Angkot Biru
101 9:29:27 AM Angkot Hijau
102 9:29:28 AM Kapsul Merah
103 9:30:05 AM Angkot Hitam
104 9:30:06 AM Kapsul Silver
105 9:30:21 AM Truk Silver
106 9:30:54 AM Kapsul Merah
107 9:32:03 AM Kapsul Putih
108 9:32:05 AM Angkot Silver
109 9:32:08 AM Angkot Merah
110 9:32:15 AM Angkot Merah
111 9:32:43 AM Kapsul Putih
112 9:32:53 AM Angkot Putih
113 9:32:56 AM Angkot Silver
114 9:33:11 AM Kapsul Hitam
115 9:33:18 AM Kapsul Merah
116 9:33:20 AM Kapsul Hitam
117 9:33:42 AM Kapsul Putih
118 9:34:09 AM Angkot Hitam
119 9:34:12 AM Kapsul Hitam
120 9:34:24 AM Angkot Biru
Tabel A5. Data kendaraan di Halte Gedung G Universitas Andalas (lanjutan)
121 9:35:03 AM Kapsul Silver
122 9:35:26 AM Angkot Hitam
123 9:35:30 AM Kapsul Putih
124 9:36:07 AM Kapsul Abu-abu
125 9:36:15 AM Sedan Hitam
126 9:36:24 AM Kapsul Hitam
127 9:36:32 AM Angkot Putih
128 9:36:35 AM Angkot Hitam
129 9:36:53 AM Angkot Silver
130 9:37:15 AM Kapsul Silver
131 9:37:27 AM Angkot Biru
132 9:37:38 AM Angkot Putih
133 9:37:42 AM Angkot Hitam
134 9:38:05 AM Angkot Hitam
135 9:38:49 AM Kapsul Silver
136 9:38:56 AM Angkot Biru
137 9:39:06 AM Kapsul Hitam
138 9:39:27 AM Bus Putih
139 9:39:31 AM Kapsul Hijau
140 9:39:33 AM Kapsul Hijau
141 9:39:34 AM Kapsul Hitam
142 9:39:43 AM Kapsul Biru
143 9:39:56 AM Kapsul Silver
144 9:39:57 AM Kapsul Merah
145 9:40:02 AM Kapsul Kuning
146 9:40:03 AM Sedan Hitam
147 9:40:10 AM Bus Silver
148 9:40:17 AM Angkot Putih
149 9:40:46 AM Kapsul Hijau
150 9:41:23 AM Kapsul Abu-abu
Tabel A6. Data kendaraan di Halte Gedung G Universitas Andalas (lanjutan)
151 9:41:33 AM Kapsul Hitam
152 9:41:43 AM Truk Hitam
153 9:41:48 AM Sedan Putih
154 9:43:20 AM Kapsul Biru
155 9:43:39 AM Kapsul Coklat
156 9:43:45 AM Kapsul Biru
157 9:44:14 AM Bus Hijau
158 9:44:56 AM Angkot Hitam
159 9:45:03 AM Kapsul Putih
160 9:45:05 AM Angkot Hitam
161 9:45:23 AM Angkot Abu-abu
162 9:45:24 AM Angkot Hitam
163 9:46:15 AM Angkot Putih
164 9:46:18 AM Angkot Putih
165 9:46:37 AM Kapsul Hitam
166 9:47:32 AM Angkot Merah
167 9:47:34 AM Kapsul Abu-abu
168 9:47:37 AM Angkot Putih
169 9:48:01 AM Angkot Hitam
170 9:48:04 AM Angkot Hitam
171 9:48:05 AM Angkot Silver
172 9:48:06 AM Kapsul Silver
173 9:48:25 AM Angkot Hitam
174 9:48:30 AM Angkot Merah
175 9:48:52 AM Kapsul Hitam
176 9:48:56 AM Angkot Hijau
177 9:49:53 AM Angkot Silver
178 9:49:56 AM Angkot Silver
179 9:50:01 AM Angkot Biru
180 9:50:23 AM Angkot Hijau
Tabel A7. Data kendaraan di Halte Gedung G Universitas Andalas (lanjutan)
181 9:50:43 AM Kapsul Putih
182 9:51:48 AM Angkot Putih
183 9:52:11 AM Angkot Hijau
184 9:52:13 AM Angkot Merah
185 9:52:47 AM Kapsul Hitam
186 9:52:52 AM Angkot Hijau
187 9:52:54 AM Angkot Abu-abu
188 9:53:02 AM Angkot Biru
189 9:53:34 AM Angkot Merah
190 9:53:44 AM Angkot Hitam
191 9:53:45 AM Angkot Merah
192 9:54:04 AM Angkot Hijau
193 9:54:10 AM Kapsul Silver
194 9:54:12 AM Bus Biru
195 9:54:56 AM Kapsul Hijau
196 9:55:23 AM Kapsul Hitam
197 9:55:28 AM Angkot Hijau
198 9:56:03 AM Angkot Silver
199 9:56:27 AM Angkot Hitam
200 9:56:48 AM Kapsul Hijau
201 9:56:57 AM Angkot Abu-abu
202 6:57:04 AM Angkot Hijau
203 9:57:27 AM Angkot Abu-abu
204 9:58:02 AM Angkot Hijau
205 9:58:11 AM Kapsul Hijau
206 9:58:13 AM Angkot Silver
207 9:58:18 AM Kapsul Putih
208 9:58:20 AM Angkot Hijau
209 9:58:28 AM Kapsul Abu-abu
210 9:58:41 AM Angkot Hitam
Tabel A8. Data kendaraan di Halte Gedung G Universitas Andalas (lanjutan)
211 9:59:12 AM Kapsul Hitam
212 9:58:28 AM Angkot Putih
213 9:59:39 AM Angkot Biru
214 9:59:48 AM Angkot Coklat
215 9:59:52 AM Angkot Biru
216 9:59:53 AM Kapsul Hijau
217 10:00:10 AM Angkot Hitam
218 10:00:23 AM Kapsul Putih
219 10:00:29 AM Kapsul Hitam
220 10:00:46 AM Angkot Abu-abu
221 10:00:47 AM Angkot Putih
222 10:00:50 AM Angkot Biru
223 10:00:56 AM Angkot Coklat
224 10:01:03 AM Angkot Biru
225 10:01:07 AM Kapsul Hijau
226 10:01:15 AM Angkot Hitam
227 10:01:39 AM Angkot Putih
228 10:01:43 AM Bus Hitam
229 10:01:46 AM Angkot Abu-abu
230 10:01:53 AM Kapsul Hitam
231 10:01:57 AM Angkot Putih
232 10:01:59 AM Angkot Putih
233 10:02:00 AM Angkot Hitam
234 10:02:04 AM Kapsul Merah
235 10:03:44 AM Angkot Abu-abu
236 10:04:24 AM Kapsul Putih
237 10:04:25 AM Angkot Hitam
238 10:04:51 AM Angkot Hitam
239 10:04:54 AM Kapsul Silver
240 10:05:03 AM Truk Silver
Tabel A9. Data kendaraan di Halte Gedung G Universitas Andalas (lanjutan)
241 10:05:12 AM Angkot Hitam
242 10:05:20 AM Angkot Merah
243 10:05:36 AM Angkot Hitam
244 10:05:48 AM Kapsul Putih
245 10:06:13 AM Kapsul Merah
246 10:06:18 AM Kapsul Biru
247 10:06:51 AM Angkot Hitam
248 10:07:02 AM Angkot Hitam
249 10:07:04 AM Kapsul Kuning
250 10:07:06 AM Kapsul Putih
251 10:07:12 AM Angkot Hitam
252 10:07:24 AM Angkot Silver
253 10:07:30 AM Kapsul Silver
254 10:07:48 AM Bus Hijau
255 10:08:28 AM Angkot Coklat
256 10:09:40 AM Angkot Hitam
257 10:10:18 AM Kapsul Abu-abu
258 10:10:22 AM Angkot Silver
259 10:11:19 AM Angkot Putih
260 10:11:51 AM Angkot Hitam
261 10:11:53 AM Angkot Silver
262 10:11:57 AM Angkot Putih
263 10:12:24 AM Angkot Biru
264 10:12:28 AM Kapsul Silver
265 10:12:36 AM Kapsul Silver
266 10:12:43 AM Kapsul Hitam
267 10:12:46 AM Angkot Putih
268 10:13:04 AM Kapsul Silver
269 10:13:22 AM Angkot Hijau
270 10:13:33 AM Angkot Putih
Tabel A10. Data kendaraan di Halte Gedung G Universitas Andalas (lanjutan)
271 10:13:51 AM Kapsul Hijau
272 10:14:01 AM Kapsul Biru
273 10:14:10 AM Angkot Putih
274 10:14:17 AM Angkot Hitam
275 10:14:26 AM Angkot Putih
276 10:14:30 AM Angkot Abu-abu
277 10:14:36 AM Kapsul Hijau
278 10:14:38 AM Kapsul Putih
279 10:14:41 AM Angkot Biru
280 10:15:18 AM Sedan Putih
281 10:15:38 AM Kapsul Silver
282 10:15:42 AM Kapsul Hijau
283 10:15:49 AM Kapsul Silver
284 10:15:53 AM Kapsul Hijau
285 10:16:14 AM Kapsul Hijau
286 10:16:25 AM Kapsul Hitam
287 10:17:01 AM Kapsul Biru
288 10:17:09 AM Kapsul Putih
289 10:17:36 AM Kapsul Putih
290 10:17:38 AM Kapsul Silver
291 10:17:59 AM Angkot Silver
292 10:18:09 AM Kapsul Putih
293 10:18:11 AM Kapsul Biru
294 10:18:15 AM Angkot Putih
295 10:18:25 AM Kapsul Putih
296 10:18:34 AM Kapsul Putih
297 10:20:33 AM Kapsul Putih
298 10:20:34 AM Kapsul Silver
299 10:20:35 AM Kapsul Biru
300 10:20:36 AM Kapsul Hijau
Tabel A11. Data kendaraan di Halte Gedung G Universitas Andalas (lanjutan)
301 10:20:41 AM Kapsul Abu-abu
302 10:20:44 AM Kapsul Hijau
303 10:20:50 AM Kapsul Hitam
304 10:20:52 AM Kapsul Biru
305 10:20:56 AM Kapsul Silver
306 10:21:12 AM Angkot Biru
307 10:21:14 AM Kapsul Merah
308 10:21:21 AM Kapsul Hijau
309 10:21:32 AM Kapsul Hitam
310 10:21:53 AM Kapsul Putih
311 10:22:13 AM Kapsul Hitam
312 10:22:28 AM Kapsul Hijau
313 10:22:37 AM Kapsul Biru
314 10:22:45 AM Kapsul Biru
315 10:22:49 AM Kapsul Putih
316 10:22:52 AM Kapsul Putih
317 10:23:11 AM Kapsul Hitam
318 10:23:27 AM Kapsul Abu-abu
319 10:23:32 AM Kapsul Hitam
320 10:23:37 AM Kapsul Hitam
321 10:23:47 AM Bus Hitam
322 10:24:08 AM Kapsul Abu-abu
323 10:24:12 AM Kapsul Hijau
324 10:24:19 AM Kapsul Merah
325 10:24:33 AM Kapsul Putih
326 10:24:38 AM Kapsul Silver
327 10:24:47 AM Kapsul Hijau
328 10:24:53 AM Kapsul Hijau
329 10:25:07 AM Kapsul Hijau
330 10:25:08 AM Kapsul Kuning
 LAMPIRAN B
(Data Nilai Rapor Satu Semester
Siswa Kelas 12 IPS SMAN 9 Padang)
Tabel B1. Data Nilai Rapor Satu Semester Kelas 12 IPS SMAN 9 Padang
Jenis Nilai Rapor Semester
Siswa Tahun Kelahiran Universitas
Kelamin Matetmatika B.Inggris B.Indonesia Geografi Sosiologi Sejarah Ekonomi
1 2001 L 80 86 93 74 84 90 100 UNP
2 2001 P 88 98 85 84 87 77 89 UNAND
3 2002 P 92 94 100 94 77 73 84 UNAND
4 2000 P 89 95 75 72 76 80 74 UNAND
5 2000 P 72 100 75 74 94 82 99
6 2001 P 92 82 76 95 76 97 74 UNAND
7 2001 P 78 84 84 85 76 91 96 UNAND
8 2002 P 82 75 79 92 91 85 88 UNP
9 2002 L 72 89 81 84 83 91 78 UNAND
10 2000 L 72 98 73 93 72 83 84 UI
11 2002 L 95 75 83 79 74 91 95 UNAND
12 2001 P 92 78 89 78 84 100 81 UNP
13 2001 P 96 87 78 74 97 83 88 UNP
14 2001 P 96 74 77 91 73 94 97
15 2002 P 81 96 93 96 100 91 73 UNAND
16 2001 P 85 98 90 98 93 88 90 UNP
17 2002 P 92 94 98 92 75 81 94 UNAND
18 2002 P 75 74 84 75 92 92 72 UNAND
19 2000 P 99 73 99 82 96 100 97 STAN
20 2001 P 94 72 78 75 99 98 94 UNAND
21 2002 P 84 97 88 83 75 96 91 UNPAD
22 2001 P 75 84 95 84 84 87 83 UGM
23 2002 P 97 73 81 97 100 91 77 UNAND
24 2001 P 94 91 74 91 100 87 98 UNAND
25 2001 P 90 84 96 83 92 77 100 UNAND
26 2001 P 90 86 83 93 96 82 74 UI
27 2000 P 88 83 93 90 89 84 79 UNPAD
28 2000 P 80 97 85 83 100 99 96
29 2001 P 88 86 99 95 93 73 76 UGM
30 2000 P 89 72 85 100 87 79 97 UNAND
Tabel B2. Data Nilai Rapor Satu Semester Kelas 12 IPS SMAN 9 Padang (lanjutan)
31 2001 P 74 92 97 77 78 78 83 UNAIR
32 2002 P 91 86 81 83 78 79 100
33 2001 L 92 93 100 72 87 92 83 UGM
34 2001 L 78 78 90 84 98 91 82 UGM
35 2001 P 79 99 91 99 100 91 77 UNPAD
36 2002 L 85 97 96 99 95 95 99 UI
37 2000 L 82 87 96 98 100 94 98 UNAND
38 2002 L 90 89 86 83 75 98 95 UNAND
39 2001 P 96 76 89 99 78 83 80 UNAND
40 2001 L 78 80 91 79 95 86 80 UGM
41 2000 L 80 88 85 87 78 97 72 UNPAD
42 2001 P 73 86 84 95 78 94 72 UGM
43 2002 P 98 92 72 100 74 80 85 UNPAD
44 2002 L 85 74 85 81 88 82 83 UGM
45 2002 P 100 92 100 95 75 89 76 UI
46 2001 P 100 91 98 77 73 89 90 UI
47 2001 P 99 89 90 79 87 72 76
48 2002 L 99 86 77 97 82 97 82 UGM
49 2000 L 74 83 72 91 87 83 82 UNPAD
50 2002 L 72 89 92 87 79 74 93 UI
51 2002 P 75 97 77 73 87 84 86 UNPAD
52 2001 P 99 79 92 98 92 78 88 UNPAD
53 2002 L 73 81 99 72 82 99 80 UI
54 2001 P 78 92 77 91 98 85 90 UI
55 2002 P 90 84 88 90 74 84 83 STAN
56 2002 P 82 100 100 96 74 100 81 UNPAD
57 2000 P 83 93 99 80 82 100 99 UI
58 2001 P 88 94 95 99 78 78 89 UNAND
59 2000 P 95 100 73 81 77 87 72 UNAND
60 2002 P 92 81 74 82 73 76 86 UNAND
Tabel B3. Data Nilai Rapor Satu Semester Kelas 12 IPS SMAN 9 Padang (lanjutan)
61 2002 L 80 83 86 76 100 96 95
62 2002 L 76 75 85 76 99 92 91 UNPAD
63 2002 L 85 82 77 85 86 74 100 UGM
64 2000 P 93 87 85 92 74 74 94 UNPAD
65 2002 P 86 84 82 75 76 75 99 UGM
66 2002 P 81 84 94 86 90 74 96 UI
67 2000 P 90 80 86 81 97 87 85 UI
68 2000 P 100 83 87 75 77 99 74 UI
69 2001 P 92 85 84 77 80 88 75 UGM
70 2001 P 79 78 79 99 85 99 89 UNPAD
71 2001 P 98 96 81 75 83 86 100 UI
72 2001 P 81 88 84 74 98 80 74 UNPAD
73 2002 P 99 83 93 85 95 100 94 UNPAD
74 2001 P 76 75 80 80 91 85 75 UI
75 2001 P 99 84 98 72 90 93 90 UI
76 2002 P 83 79 86 89 89 75 95 IPDN
77 2000 P 78 72 84 73 78 87 84 STAN
78 2002 P 97 80 76 100 91 74 91 UNPAD
79 2001 P 83 82 80 96 87 99 93 UGM
80 2001 P 95 91 79 90 90 75 78
81 2001 P 76 90 92 89 89 98 95 UNAND
82 2002 P 97 89 73 73 89 82 97 UNAND
83 2002 P 73 94 82 91 73 81 92 UI
84 2000 L 94 80 80 77 91 74 96 UNPAD
85 2002 P 100 82 83 90 83 74 99 UNAND
86 2000 P 76 82 93 93 100 79 72 UGM
87 2002 P 99 92 83 87 89 90 82 UNAND
88 2002 P 87 99 88 72 72 96 73 UNAIR
89 2002 P 98 73 79 100 83 97 92 UNAND
90 2000 P 100 93 82 97 83 75 73 UGM
Tabel B4. Data Nilai Rapor Satu Semester Kelas 12 IPS SMAN 9 Padang (lanjutan)
 91 2001 P 99 100 90 97 86 81 94 UGM
92 2001 P 87 78 92 97 97 82 75 UGM
93 2001 L 83 77 78 100 84 85 77 UNPAD
94 2001 P 75 89 100 80 74 96 81
95 2002 P 73 95 98 95 99 76 89 UNPAD
96 2001 L 98 96 91 77 77 75 87 UGM
97 2000 P 97 83 85 79 96 84 96 UI
98 2000 L 98 80 94 93 72 89 94 UI
99 2000 L 99 93 97 92 98 97 73 UI
100 2002 L 90 74 93 72 79 95 89 UGM
101 2000 L 73 96 77 95 97 86 91 UNPAD
102 2001 L 100 96 98 91 79 89 91 UI
103 2000 P 84 74 77 99 100 81 78 UNPAD
104 2001 P 95 90 77 90 82 92 90 UNPAD
105 2000 L 90 95 87 88 99 80 98 UI
106 2001 P 84 89 95 84 77 76 86 UI
107 2001 L 80 73 74 86 90 83 98 IPDN
108 2000 P 100 76 78 73 80 80 89 STAN
109 2002 L 89 82 94 79 90 99 75 UNPAD
110 2000 P 91 75 100 97 81 78 90
111 2000 L 85 78 80 100 74 91 74 UNAND
112 2001 L 98 77 73 77 95 79 100 UNAND
113 2001 L 75 74 90 72 77 72 78 UNAND
114 2001 L 73 88 75 83 90 72 97 UI
115 2000 L 100 93 84 91 85 74 75 UNPAD
116 2001 P 83 94 72 92 72 90 72 UNAND
117 2002 P 94 80 78 73 94 87 81 UGM
118 2001 P 74 91 82 91 79 92 97 UNAND
119 2002 L 75 86 80 79 76 90 96 UNAIR
120 2001 P 96 86 74 80 89 99 94 UNAND
Tabel B5. Data Nilai Rapor Satu Semester Kelas 12 IPS SMAN 9 Padang (lanjutan)
121 2002 L 80 75 92 94 78 84 91 UGM
122 2000 L 93 72 91 96 86 74 93 UGM
123 2000 P 87 75 94 81 77 81 75 UNPAD
124 2000 L 78 96 77 100 86 87 81 UI
125 2002 L 81 94 77 80 94 87 93 UNAND
126 2000 P 84 80 77 94 96 80 72 UNAND
127 2001 P 96 99 98 87 86 92 78
128 2001 P 76 85 75 85 99 86 90 UGM
129 2001 P 96 94 73 73 80 83 100 UNPAD
130 2000 P 73 78 88 78 81 90 81 UGM
131 2001 P 96 78 74 73 72 72 94 UNPAD
132 2001 P 76 100 79 100 84 84 81 UGM
133 2000 L 75 74 76 99 84 77 83 UI
134 2002 L 76 74 92 88 88 73 82 UI
135 2001 L 86 74 88 96 74 76 89 UI
136 2001 P 89 93 85 80 75 72 89 UGM
137 2002 P 74 81 83 86 87 91 92 UNPAD
138 2000 P 94 82 73 85 94 77 77 UI
139 2001 P 72 77 73 99 88 90 84 UNPAD
140 2001 P 86 91 90 92 81 95 94 UNPAD
141 2001 P 79 83 85 72 85 77 94 UI
142 2000 P 77 78 99 79 98 77 91 UI
143 2002 P 84 95 91 84 99 98 97 UI
144 2002 P 90 97 79 75 100 82 86 UNAND
145 2001 P 78 99 75 76 86 97 84 UNAND
146 2001 P 95 99 77 80 84 88 99 UNAND
147 2002 P 81 72 96 82 97 82 83 UGM
148 2002 P 77 83 84 80 73 87 72 UNPAD
149 2001 P 95 81 92 96 86 78 78 UGM
150 2000 P 78 74 93 93 82 96 95
Tabel B6. Data Nilai Rapor Satu Semester Kelas 12 IPS SMAN 9 Padang (lanjutan)
151 2002 P 86 91 85 90 73 92 80 UGM
152 2002 P 87 85 73 81 85 73 79 UI
153 2000 P 89 96 75 81 74 99 97 UI
154 2000 P 78 93 75 95 84 90 87 UI
155 2000 P 86 86 73 81 75 88 87 UGM
156 2000 P 86 93 87 77 88 91 85 UNPAD
157 2001 P 94 100 81 75 76 87 98 UI
158 2001 L 81 91 76 80 74 88 73 UNPAD
159 2002 L 80 89 89 99 88 86 84 UNPAD
160 2001 P 77 72 73 80 78 86 76 UI
161 2001 L 72 83 77 88 86 84 96 UI
162 2001 P 97 83 85 97 72 81 98 STAN
163 2000 P 93 94 77 97 90 72 98
164 2002 P 85 76 78 77 90 95 72 UI
165 2000 P 82 91 92 91 92 86 86 UNAND
166 2000 P 82 78 100 90 76 74 82 UNAND
167 2000 P 74 72 84 86 98 84 79 UNAND
168 2001 P 86 86 75 92 81 96 89 UGM
169 2002 L 72 78 82 78 76 99 83 UNPAD
170 2000 L 80 97 96 97 79 90 100 UGM
171 2000 L 85 96 100 80 78 75 89 UNPAD
172 2002 P 85 74 89 81 85 83 72 UGM
173 2000 P 91 97 88 72 90 81 72 UGM
174 2001 P 95 73 82 95 99 81 98
175 2001 P 92 76 84 93 95 93 85 UNAND
176 2000 P 74 91 79 89 97 85 87 UNAND
177 2000 P 100 88 92 91 98 93 89 UI
178 2002 P 84 95 90 75 82 93 95 UNPAD
179 2002 P 81 96 100 88 76 89 76 UNAND
180 2000 P 92 93 72 81 84 82 100 UGM
Tabel B7. Data Nilai Rapor Satu Semester Kelas 12 IPS SMAN 9 Padang (lanjutan)
181 2000 P 77 76 90 87 83 88 72 UNAND
182 2000 P 87 100 95 100 77 92 100 UNAIR
183 2000 P 88 76 79 76 93 74 95 UNAND
184 2002 P 85 94 75 95 73 86 74 UGM
185 2001 P 87 96 74 89 92 99 84 UGM
186 2002 P 84 88 97 91 94 97 89 UNPAD
187 2000 P 94 76 88 72 96 72 73 UI
188 2000 P 81 84 97 95 89 95 94 UNAND
189 2000 P 78 75 82 89 72 83 88
190 2000 P 77 89 81 86 100 92 92 UNAND
191 2001 P 99 90 79 80 82 78 76 UGM
192 2002 L 96 79 81 85 94 92 87 UNPAD
193 2000 P 82 91 96 95 85 94 78 UGM
194 2000 P 99 80 89 97 72 81 75 UNPAD
195 2002 L 81 75 89 100 73 88 95 UGM
196 2001 P 77 75 74 99 92 88 98 UI
197 2000 L 90 97 74 78 80 75 83 UI
198 2002 P 97 72 88 89 92 73 82 UI
199 2001 P 91 92 93 86 88 72 87 UGM
200 2002 L 82 95 81 75 86 73 76 UNPAD
201 2001 L 89 72 76 82 98 80 97 UI
202 2000 L 92 73 93 92 100 98 75 UNPAD
203 2001 L 73 94 96 73 99 78 86
204 2002 P 100 86 89 95 92 100 75 UI
205 2000 P 83 76 84 82 96 75 83 UI
206 2001 P 81 73 92 80 81 97 94 UI
207 2000 P 86 88 81 95 97 89 89 UNAND
208 2001 P 77 83 91 78 84 99 78 UNAND
209 2001 P 90 89 90 74 94 86 90 UNAND
210 2000 P 73 85 74 94 94 97 80 UGM
Tabel B8. Data Nilai Rapor Satu Semester Kelas 12 IPS SMAN 9 Padang (lanjutan )
211 2001 L 86 92 94 72 77 76 77 UNPAD
212 2000 L 87 94 87 89 74 88 83 UGM
213 2001 L 74 81 77 93 75 92 99 UNPAD
214 2002 P 92 74 95 88 94 79 95
215 2002 P 74 99 72 82 75 94 85 UI
216 2002 P 79 85 81 97 89 82 77 UI
217 2002 P 98 73 75 92 97 73 74 UI
218 2000 P 85 76 83 98 77 73 74 UGM
219 2000 P 88 99 91 73 83 72 76 UNPAD
220 2001 P 75 74 85 75 80 89 85 UI
221 2000 P 100 86 75 79 92 86 95 UNPAD
222 2000 P 73 86 88 98 96 75 76 UNPAD
223 2000 P 89 83 99 95 77 97 90
224 2000 P 91 78 87 82 94 96 86 UNPAD
225 2000 P 80 73 85 75 82 74 89 UNPAD
226 2000 P 75 72 82 73 78 72 80 UI
227 2001 P 79 92 100 82 93 83 94 UI
228 2001 P 99 88 86 91 75 77 75 UI
229 2000 P 97 88 92 72 99 86 83 UNAND
230 2000 P 79 96 92 75 82 100 100 UNAND
231 2000 P 75 76 72 80 88 78 99 UNAND
232 2002 P 100 86 76 90 90 87 72 UGM
233 2000 P 83 88 81 81 85 82 94 UNPAD
234 2001 P 80 90 100 89 80 84 90 UGM
235 2000 P 74 77 91 84 82 76 92
236 2001 P 96 75 78 93 86 86 88 UGM
237 2001 L 89 95 91 75 82 80 80 UI
238 2001 P 85 91 86 83 88 89 79 UI
239 2001 L 77 73 100 95 83 78 96 UI
240 2002 P 90 94 87 77 86 87 92 UGM
Tabel B9. Data Nilai Rapor Satu Semester Kelas 12 IPS SMAN 9 Padang (lanjutan)

241 2002 P 82 95 85 89 87 84 77 UNPAD

242 2000 P 87 83 97 72 89 88 99 UI
243 2000 P 82 81 84 86 97 95 74 UNPAD
244 2002 P 84 76 92 77 97 78 97 UNPAD
245 2001 P 77 88 87 82 80 80 95 UI
 BIODATA PENELITI

A. Data Pribadi
1. Nama : Noorsyifa Fatima Gabeillo
2. Tempat Tanggal Lahir : Bekasi, 18 Juni 2001
3. Alamat : Bekasi Utara
4. Jenis Kelamin : Perempuan
5. Agama : Islam
6. Pendidikan : SMA/Sederajat
7. No. Hp : 08180777610
8. Email :Noorsyifafatima@gmail.com

B. Riwayat Pendidikan
1. SD : SD Islam Al-Husna
2. SMP : SMP Mutiara 17 Agustus
3. SMA : SMA Mutiara 17 Agustus
4. Universitas : Teknik Industri Universitas Andalas

C. Pengalaman Organisasi
1. Anggota Rohis SMP Mutiara 17 Agustus
 BIODATA PENELITI

A. Data Pribadi
1. Nama : Chofifah
2. Tempat Tanggal Lahir : Gunung Medan, 04 April 2000
3. Alamat : Dharmasraya
4. Jenis Kelamin : Perempuan
5. Agama : Islam
6. Pendidikan : SMA/Sederajat
7. No. Hp : 085272038033
8. Email :chofifah0404@gmail.com

B. Riwayat Pendidikan
1. SD : SDN 20 Sitiung
2. SMP : SMPN 1 Sitiung
3. SMA : SMAN 1 Sitiung
4. Universitas : Teknik Industri Universitas Andalas

C. Pengalaman Organisasi
1. Anggota PMR SMAN 1 Sitiung