ACC KUMPUL

19/11/2021, 15.00 WIB

KARYA TULIS ILMIAH

Distribusi Probabilitas Diskrit dan Kontinu
Untuk Memenuhi Tugas Pratikum Statistika Industri I

Oleh:
Kelompok 7

Anggota:
Nabila Indri Yani 2010931037
Anindia Okta Dewi 2010932042

Asisten pembimbing:
Nabila Rifqha Ramadhani

LABORATORIUM PERENCANAAN DAN OPERASI SISTEM

INDUSTRI
JURUSAN TEKNK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
2021
LEMBAR ASISTENSI LAPORAN
MODUL II

Kelompok : 07 (Tujuh)
Anggota : 1. Nabila Indri Yani (2010931037)
2. Anindia Okta Dewi (2010932042)
Asisten Pembimbing : Nabila Rifqha Ramadhani

No. Hari, Tanggal Keterangan Paraf

1 9 November 2021  Asistensi pengambilan data NRR

2 15 November 2021  Revisi laporan bab 1,2,3 NRR

3 17 November 2021  Revisi laporan dan pengolahan NRR

data
4 18 November 2021  Revisi laporan dan pengolahan NRR

data
5 19 November 2021  Revisi laporan NRR

ACC Laporan

Padang, 19 September 2021

Asisten Pembimbing

ACC
(Nabila Rifqha Ramadhani)
NIM 1810932008
LEMBAR PENGESAHAN

KARYA TULIS ILMIAH

PRAKTIKUM STATISTIKA INDUSTRI I

Oleh:
Kelompok 7

Anggota:
Nabila Indri Yani 2010931037
Anindia Okta Dewi 2010932042

Tanggal Penyerahan: 19 November 2021

Diterima Oleh Disetujui Oleh

Asisten Penerima Asisten Pembimbing

RRF NRR

Ramadhan Riski Fernando Nabila Rifqha Ramadhani

1910932039 1810932008

Mengetahui
Koordinator Praktikum

Vitania Aurely Rahmi

1810932052

i
ABSTRACT

The Zoom Meeting application is widely used by students as an online

learning medium, but not all students use it. There is a difference in the IP
acquisition of students who use and do not use Zoom Meeting. In addition, the
problem of queuing for puskesmas visitors can also be solved by using a
probability distribution. Therefore, this research has the title "Distribution of
Discrete and Continuous Variables". This study aims to determine the probability
of student data using and not using Zoom Meeting along with the IP they obtained
in the last semester and data on visitor arrivals at Pauh Health Center. The
formulation of the problem from this research is how the probability and
cumulative distribution of last semester's IP students, students who use and do not
use Zoom Meeting, arrival time of Pauh Health Center visitors, time between
arrivals of Pauh Health Center visitors and gender of Pauh Health Center visitors.
The research method used is the survey method. Student data survey was
conducted by distributing questionnaires to students via google form. Meanwhile,
the survey of visitor arrivals at the Pauh Health Center was conducted by
recording the arrival time and gender of the puskesmas visitors directly at the
puskesmas. The data analysis technique used is discrete and continuous
probability distribution by determining the probability and cumulative distribution
of each data.
Based on the research conducted, it can be concluded that the majority of
visitors to the Pauh Health Center are male, the majority of students use Zoom
Meetings in online learning and so on.

Keywords: Continuous, Cumulative, Data, Discrete, Probability

ABSTRAK

Aplikasi Zoom Meeting banyak digunakan mahasiswa sebagai media

pembelajaran daring, namun tidak semua mahasiswa menggunakannya. Terdapat
perbedaan dalam perolehan IP mahasiswa yang menggunakan dan tidak
menggunakan Zoom Meeting. Selain itu, permasalahan antri pada pengunjung
puskesmas juga dapat diselesaikan dengan distribusi probabilitas. Oleh
karenanya, penelitian ini mengangkat judul “Distribusi Variabel Diskrit dan
Kontinu”. Penelitian ini bertujuan untuk mengetahui probabilitas dari data
mahasiswa yang menggunakan dan tidak menggunakan Zoom Meeting beserta IP
yang diperolehnya pada semester lalu dan data kedatangan pengunjung
Puskesmas Pauh. Rumusan masalah dari penelitian ini adalah bagaimana
distribusi probabilitas dan kumulatif dari IP mahasiswa semester lalu,
mahasiswa yang menggunakan dan tidak menggunakan Zoom Meeting, waktu
kedatangan pengunjung Puskesmas Pauh, waktu antar kedatangan pengunjung
Puskesmas Pauh dan jenis kelamin pengunjung Puskesmas Pauh.
Metode penelitan yang digunakan adalam metode survei. Survei data
mahasiswa dilakukan dengan menyebarkan kuisioner kepada mahasiswa melalui
google form. Sedangkan survei data kedatangan pengunjung Puskesmas Pauh
dilakukan dengan mencatat waktu kedatangan dan jenis kelamin pengunjung
puskesmas langsung di puskesmas. Teknik analisis data yang digunakan adalah
menggunakan distribusi probabilitas diskrit dan kontinu dengan menentukan
distribusi probabilitas dan kumulatif dari masing-masing data. Berdasarkan
penelitian yang dilakukan dapat ditarik kesimpulan bahwa mayoritas pengunjung
Puskesmas Pauh adalah laki-laki, mayoritas mahasiswa menggunakan Zoom
Meeting dalam pembelajaran daring dan sebagainya.

Kata Kunci: Data, Diskrit, Kontinu, Kumulatif, Probabilitas

KATA PENGANTAR

Segala Puji dan syukur pada Allah SWT yang telah melimpahkan rahmat
dan karunia-Nya, sehingga kami dapat menyelesaikan Karya Tulis Ilmiah yang
berjudul ‘Distribusi Probabilitas Diskrit dan Kontinu” dengan sebaik mungkin.

Penyelesaian karya tulis ilmiah ini tidak terlepas dari bantuan dan
partisipasi dari berbagai pihak, baik secara langsung maupun tidak langsung. Oleh
karena itu, kami dengan sepenuh hati mengucapkan terimakasih kepada:

1. Bapak Eri Wirdianto, [Link]., selaku Kepala Laboratorium Perencanaan

dan Optimasi Sistem Industri.
2. Bapak Feri Afrinaldi, Ph.D, selaku dosen pengampu mata kuliah Statistika
Industri 1.
3. Vitania Aurely Rahmi selaku koordinator praktikum Statistika Industri I.
4. Nabila Rifqha Ramadhani selaku asisten pembimbing laporan modul 2 ini.
5. Tim asisten Laboratorium Perencanaan dan Optimasi Sistem Industri
Jurusan Teknik Industri Fakultas Teknik Universitas Andalas.
6. Rekan–rekan mahasiswa Teknik Industri, khususnya angkatan 2020 dan
pihak lain yang telah membantu dalam penyelesaian laporan ini.

Demikian laporan modul 2 Statistika Industri I ini kami buat, semoga

dapat bermanfaat bagi pembaca. Kami menyadari bahwa tulisan ini belum
sempurna, oleh karenanya, mohon maaf apabila masih terdapat kekurangan dalam
laporan ini. Kami sangat mengharapkan kritik, saran, dan masukan yang
membangun dari pembaca agar kami dapat membuat karya tulis ilmiah yang lebih
baik kedepannya.

Padang, November 2021

Penulis
DAFTAR ISI

HALAMAN SAMPUL
HALAMAN PENGESAHAN.................................................................................i
ABSTRACT .........................................................................................................ii
ABSTRAK ........................................................................................................iii
KATA PENGANTAR...........................................................................................iv
DAFTAR ISI ..........................................................................................................v
DAFTAR TABEL...............................................................................................viii
DAFTAR GAMBAR.............................................................................................ix
YBAB I PENDAHULUAN
1.1 Latar Belakang Masalah...................................................................1
1.2 Rumusan Masalah............................................................................2
1.3 Tujuan Penelitian.............................................................................3
1.3 Manfaat Penelitian...........................................................................3
1.4 Batasan Masalah..............................................................................4
BAB II LANDASAN TEORI
2.1 Distribusi Probabilitas......................................................................5
2.2 Distribusi Probabilitas Variabel Diskrit...........................................6
2.2.1 Distribusi Bernoulli..............................................................6
2.2.2 Distribusi Binomial..............................................................7
2.2.3 Distribusi Multinomial.........................................................8
2.2.4 Distribusi Hipergeometri......................................................8
2.2.5 Distribusi Binomial Negatif.................................................9
2.2.6 Distribusi Geometrik..........................................................10
2.2.7 Distribusi Poisson..............................................................11
2.2.8 Distribusi Uniform.............................................................12
2.3 Distribusi Probabilitas Variabel Kontinu.......................................13
2.3.1 Distribusi Uniform Kontinu...............................................13
2.3.2 Distribusi Normal...............................................................14
2.3.3 Distribusi Gamma..............................................................15
2.3.4 Distribusi Eksponensial......................................................16
2.3.5 Distribusi Chi Squared.......................................................16
2.3.6 Distribusi Log Normal.......................................................17
2.3.7 Distribusi Beta....................................................................18
2.3.8 Distribusi Weibull..............................................................19
BAB III METODE PENELITIAN
3.1 Jenis Penelitian...............................................................................20
3.2 Lokasi dan Waktu..........................................................................20
3.3 Populasi dan Sampel Penelitian.....................................................21
3.4 Pengumpulan Data.........................................................................21
3.5 Teknik Analisis Data......................................................................21
BAB IV PENGOLAHAN DATA DAN ANALISIS
4.1 Pengolahan Data............................................................................23
4.1.1 Distribusi Probabilitas Proporsi Jenis Kelamin Pengunjung
Puskesmas Pauh.................................................................23
4.1.2 Distribusi Probabilitas Mahasiswa Menggunakan Atau
Tidak Menggunakan Zoom Meeting..................................28
4.1.3 Distribusi Probabilitas IP semester lalu mahasiswa pada
pembelajaran daring...........................................................30
4.1.4 Distribusi Probabilitas Kedatangan Kendaraan dalam
Selang 20 Detik dengan Distribusi Poisson.......................34
4.1.5 Distribusi Probabilitas Waktu Kedatangan Pengunjung
Puskesmas Pauh dengan Distribusi Eksponensial.............36
4.2 Analisa...........................................................................................39
4.2.1 Distribusi Probabilitas Proporsi Jenis Kelamin Pengunjung
Puskesmas Pauh Menggunakan Distribusi Geometrik......40
4.2.2 Distribusi Probabilitas Mahasiswa Menggunakan Atau
Tidak Menggunakan Zoom Meeting dengan Distribusi
Binomial.............................................................................41
4.1.3 Distribusi Probabilitas IP semester lalu mahasiswa pada
pembelajaran daring Menggunakan distribusi Normal......42
4.2.4 Distribusi Probabilitas Waktu Kedatangan Pengunjung
dalam Selang 20 Detik.......................................................43
4.2.5 Distribusi Probabilitas Waktu Kedatangan Pengunjung
Puskesmas Pauh.................................................................45
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan....................................................................................47
5.2 Saran...............................................................................................48
DAFTAR PUSTAKA
LAMPIRAN
BIODATA PENELITI
YDAFTAR TABEL

YTabel 4.1 .......................Proporsi Jenis Kelamin Pengunjung Puskesmas Pauh

23
Tabel 4.2 Trial Proporsi Jenis Kelamin Pengunjung Puskesmas Pauh..........24
Tabel 4.3 PMF dan CMF Distribusi Geometrik.............................................26
Tabel 4.4 Parameter Distribusi Binomial.......................................................28
Tabel 4.5 Probabilitas pada Trial Distribusi Binomial..................................29
Tabel 4.6 PMF Empiris Distribusi Binomial.................................................29
Tabel 4.7 PMF Teoritis Distribusi Binomial..................................................30
Tabel 4.8 Parameter Distribusi Normal.........................................................31
Tabel 4.9 Distribusi Frekuensi IP Semester Lalu Mahasiswa Pada
Pembelajaran Daring....................................................................32
Tabel 4.10 PDF dan CDF Distribusi Normal...................................................33
YTabel 4.11 Parameter Distribusi Poisson…………………………………… 34

Tabel 4.12 PDF dan CDF Distribusi Poisson...................................................35

Tabel 4.13 Parameter Distribusi Eksponensial................................................37
Tabel 4.14 Parameter Distribusi Frekuensi Kedatangan Pengunjung
Puskesmas......................................................................................38
Tabel 4.15 PDF dan CDF Distribusi Eksponensial..........................................39
DAFTAR GAMBAR

YGambar 4.1 ...Bar chart PMF Proporsi Jenis Kelamin Pengunjung Puskesmas
Pauh ...............................................................................................40
Gambar 4.2 Line chart CMF Proporsi Laki-Laki dan Perempuan Pengunjung
Puskesmas Pauh............................................................................ 41
Gambar 4.3 Bar chart PDF IP Mahasiswa Semester Lalu ...............................42
Gambar 4.4 Line chart PDF IP Mahasiswa Semester Lalu ..............................43
Gambar 4.5 Bar Chart PMF Waktu Kedatangan Pengunjung .........................44
Gambar 4.6 Line Chart CMF Waktu Kedatangan Pengunjung........................ 44
Gambar 4.7 Bar Chart PDF Waktu Kedatangan Pengunjung Puskesmas Pauh ...
........................................................................................................45
Gambar 4.8 Line Chart CDF Waktu Kedatangan Pengunjung Puskesmas Pauh .
........................................................................................................46

Y
BAB I
PENDAHULUAN

Bab ini terdiri atas latar belakang masalah, rumusan masalah, tujuan
penelitian, manfaat penelitian, serta batasan masalah terkait distribusi probabilitas
diskrit dan kontinu.

1.1 Latar Belakang Masalah

Salah satu akibat dari pandemi adalah pembelajaran tatap muka antara
pendidik dan peserta didik tidak bisa lagi dilakukan. Metode pembelajaran
konvensional diganti dengan metode pembelajaran berbasis jaringan. Suatu media
tentunya diperlukan untuk menunjang kegiatan belajar mengajar secara daring.
Salah media belajar yang paling umum digunakan di kalangan mahasiswa adalah
aplikasi Zoom Meeting.

Proses belajar mengajar secara luring atau daring dapat menimbulkan

perbedaan pada perolehan IP mahasiswa. Bahkan perbedaan dalam aplikasi yang
digunakan pun juga dapat mempengaruhi IP mahasiswa. Tentunya tidak semua
mahasiswa menggunakan aplikasi Zoom Meeting sebagai media pembelajaran
daring. Distribusi probabilitas dapat membantu kita untuk mengetahui peluang
sistem pembelajaran menggunakan Zoom Meeting terhadap IP mahasiswa.
Masalah lainnya yang dapat diatasi dengan distribusi probabilitas adalah
mengenai fasilitas pelayanan publik. Salah satu fasilitas pelayanan publik adalah
pusat kesehatan masyarakat atau disingkat puskesmas. Puskesmas biasanya ramai
didatangi oleh masyarakat apalagi di kala pandemik seperti ini, demi
meningkatkan taraf kesehatan masyarakat dan untuk menjalankan program
vaksinasi oleh pemeintah. Untuk mencapai kepuasan dari masyarakat yang
berkunjung, sudah seharusnya fasilitas pelayanan publik seperti puskesmas
memberikan pelayanan yang terbaik.

Salah satu hal yang membuat pelayanan tersebut bisa dibilang baik adalah
memberikan pelayanan dengan cepat sehingga pengunjung tidak dibiarkan
mengantri terlalu lama. Demi mencapai hal tersebut pihak puskesmas dapat
memperhatikan periode antri pengunjung yang bervariasi. Pada jam-jam tertentu
tingkat kedatangan pengunjung akan lebih tinggi daripada biasanya. Masalah
tersebut dapat diselesaikan dengan distribusi probabilitas. Penelitian ini
menggunakan data mahasiswa dan pengunjung Puskesmas Pauh. Sehingga
nantinya, diharapkan peneliti dan pembaca dapat memahami dan menerapkan
konsep probabilitas dalam kehidupan sehari-hari.

1.2 Rumusan Masalah

Rumusan masalah pada penelitian ini adalah sebagai berikut:

1. Bagaimana distribusi probabilitas sukses pertama dan kumulatif dari data

jenis kelamin pengunjung Puskesmas Pauh dengan menggunakan distibusi
geometrik?
2. Bagaimana distribusi probabilitas dan kumulatif penggunaan Zoom
Meeting dalam media pembelajaran jarak jauh bagi mahasiswa dengan
menggunakan distribusi binomial?

3. Bagaimana distribusi probabilitas dan kumulatif IPK pelajar dan

mahasiswa dengan menggunakan distribusi normal?

4. Bagaimana distribusi probabilitas dan kumulatif kedatangan pengunjung

Puskesmas Pauh selama 20 detik dengan menggunakan distribusi poisson?

5. Bagaimana distribusi probabilitas dan kumulatif waktu kedatangan antar

pengunjung Puskesmas Pauh dengan menggunakan distribusi
eksponensial?

1.3 Tujuan Penelitian

Tujuan penelitian ini adalah sebagai berikut:

1. Mengetahui distribusi probabilitas sukses pertama dan kumulatif dari data
jenis kelamin pengunjung Puskesmas Pauh dengan menggunakan distibusi
geometrik.

2. Mengetahui distribusi probabilitas dan kumulatif penggunaan Zoom

Meeting dalam media pembelajaran jarak jauh bagi mahasiswa dengan
menggunakan distribusi binomial.

3. Mengetahui distribusi probabilitas dan kumulatif IPK pelajar dan

mahasiswa dengan menggunakan distribusi normal.

4. Mengetahui distribusi probabilitas dan kumulatif kedatangan pengunjung

Puskesmas Pauh selama 20 detik dengan menggunakan distribusi poisson.

5. Mengetahui distribusi probabilitas dan kumulatif waktu kedatangan antar

pengunjung Puskesmas Pauh dengan menggunakan distribusi
eksponensial.

1.3 Manfaat Penelitian

Manfaat dari penelitian ini adalah sebagai berikut :

1. Bagi peneliti

Manfaat bagi peneliti adalah peneliti dapat mengetahui penerapan dan

pengaplikasian distribusi variabel acak dalam kehidupan sehari-hari
sehingga diharapkan di kemudian hari peneliti dapat membuat
perencanaan dan mengambil keputusan dengan baik dengan menerapkan
berbagai bentuk variabel acak yang sudah dipelajari.

2. Bagi pembaca

Manfaat bagi pembaca adalah pembaca mendapatkan informasi mengenai

sebaran jenis kelamin, waktu pengunjung puskesmas, IP mahasiswa
selama pembelajaran jarak jauh dan sebagainya, berdasarkan data yang
telah diolah dan disajikan.
1.4 Batasan Masalah

Batasan masalah dari penelitian ini adalah sebagai berikut :

1. Data mahasiswa yang menggunakan aplikasi Zoom Meeting sebagai media

pembelajaran daring.

2. Data IP Mahasiswa di semester sebelumnya.

3. Data jenis kelamin pengunjung Puskesmas Pauh.

4. Data waktu kedatangan pengunjung Puskesmas Pauh.

BAB II
LANDASAN TEORI

Bab memberikan penjelasan tentang berbagai macam distribusi peluang

diskrit yang diklasifikasikan dalam berbagai distribusi yaitu distribusi bernoulli,
binomial, multinomial, hipergeometrik, binomial negatif, geometrik, Poisson, dan
uniform diskrit. Distribusi peluang kontinu yang diklasifikasikan dalam berbagai
macam distribusi, yaitu distribusi uniform kontinu, normal (gaussian), gamma,
eksponensial, chi-squared, beta, log normal, dan weibull.

2.1 Distribusi Probabilitas

Secara umum, diartikan bahwa distribusi probabilitas adalah frekuensi

distribusi yang muncul dalam pengamatan dari suatu populasi tertentu dan
penyusunan distribusi frekuensinya berdasarkan teori peluang. Oleh karena itu,
disebut distribusi frekuensi teoritis atau distribusi peluang atau distribsi
probabilitas. Karena distribusi frekuensi probabilitas disusun berdasarkan teori
peluang maka pengetahuan tentang distribusi teoritis menjadi sangat penting
untuk membuat estimasi atau meramalkan variasi-variasi yang mungkin dapat
timbul pada suatu keadaan yang tidak pasti. Distribusi probabilitas digunakan
sebagai suatu model yang dapat menggambarkan kemungkinan yang mungkin
muncul, sehingga dapat membuat suatu keputusan yang jauh lebih efektif.
Distribusi probabilitas yang berasal dari variabel acak x adalah
probabilitas yang mempunyai hubungan antara nilai variabel acak x yang
mungkin. Variabel acak x pada distribusinya, sering diklasifikasikan dengan cara
mendaftarkan semua nilai yang mungkin terjadi atau ada dengan probabilitasnya.
Pada beberapa kasus yang mungkin terjadi, hal tersebut lebih baik dijelaskan
menggunakan rumus.[1] Fungsi distribusi probabilitas dapat dibedakan menjadi
distribusi probabilitas variabel diskrit dan variabel kontinu.

2.2 Distribusi Probabilitas Variabel Diskrit

Distribusi probabilitas variabel diskrit adalah sebuah daftar yang berisikan

seluruh hasil dari percobaan eksperimen dan probabilitas yang ada yang akan
berkaitan dengan setiap hasil tersebut. [2] Misalkan, suatu kuis terdiri dari 5 soal
pilihanganda dengan empat buah jawaban alternatif, maka probabilitas banyaknya
soaln yang benar dijawab oleh seseorang adalah eksperimen binomial dengan p =
1/4, q = ¾, n = 5, dan variabel acak diskritnya adalah jumlah jawaban yang benar,
x = 1, 2, 3, 4, 5. Distribusi peluang diskrit dapat diklasifikasikan dalam beberapa
distribusi yaitu distribusi Bernoulli, Binomial, Multinomial, Hipergeometrik,
Binomial Negatif, Geometrik, Poisson, dan Uniform Diskrit.

2.2.1 Distribusi Bernoulli

Distribusi Bernoulli ditemukan melalui percobaan Bernoulli, merupakan

eksperimen acak yang di dalamnya terdapat dua kemungkinan, yaitu probabilitas
“sukses” (p) dan (q = 1-p) yang merupakanprobabilitas “gagal”. Dan jika x adalah
variable acak yang merupakan probabilitas sukses, maka distribusi probabilitas
Bernoulli dinyatakan seperti berikut[3]:

p x=1
P B ( x;P ) =
{
0
( 1-p ) =q x=0
x≠0 atau 1
…(1)

Atau

x 1-x
P B ( x;p ) = P (1-p ) ;x=0,1 …(2)

0≤P≤1

Mean (nilai harapan) dan varians dapat dinyatakan sebagai berikut:

Mean:

μ=E ( X ) =P …(3)

Varians:
σ2 =p ( 1-p ) =pq …(4)

2.2.2 Distribusi Binomial

Distribusi binomial adalah bila percobaan terdiri dari sederetan tindakan

Bernoulli yang saling bebas, dimana kuantitas yang diamati adalah banyaknya
‘Berhasil’ dari sebanyak n tindakan tersebut. Jika peluang ‘Berhasil’ pada setiap
tindakan Bernoulli tersebut adalah p, dan X melambangkan banyaknya ‘Berhasil’
tersebut, maka fungsi kepekatan peluang dari X ini adalah:

P b ( x;n,p ) = Cnx p x qn-x …(5)

x = 0,1,2,…,n

n = 1,2,3,…

0≤ p≤1

Dimana:

C nx = kombinasi dari n objek dimana untuk setiap pemilihan diambil x objek.

Fungsi distribusi kumulatif dari distribusi probabilitas binomial dapat
dinyatakan sebagai:

x x
F b ( x;n,p ) = ∑ P b ( k;n,p ) = ∑ Cnx p k (1-p) n-k …(6)
k=0 k=0

x = 0, 1, 2,…, n

Mean (Nilai harapan) dan Varians dapat dinyatakan sebagai berikut:

Mean :

μ=E ( X ) =np …(7)

Varians:

σ2 =np ( 1-p ) =npq …(8)

2.2.3 Distribusi Multinomial

Distribusi multinomial merupakan distribusi bila terdapat k+1 peristiwa

yang saling lepas dan menenggang (mutually exclusive and exhaustive), sebut saja
E1, E2, ..., Ek, Ek+1 yang dapat terjadi pada sembarang tindakan dari suatu
percobaan, dan misalkan πi= P(Ei) untuk i = 1,2, …, k+1. Pada n tindakan yang
saling bebas dari suatu percobaan, Xi merupakan banyaknya peristiwa Ei terjadi.
Vektor X = (X1, X2, …, Xk) dikatakan memiliki sebaran multinomial dengan
fungsi kepekatan peluang:

n!
p ( x 1 , x2 ,…, x k ) = ( x 1 , x2 ,…, x k )π 1
x1 x2
, π 2 ,…, π k
xk

…(9)
2.2.4 Distribusi Hipergeometri

Distribusi Hipergeometrik adalah Peluang dari suatu kejadian dari 1 buah

populasi yang berukuran N dan diantara N terdapat D buah kategori tertentu dan
dari populasi ini diambil berukuran n. Suatu distribusi Hipergeometrik dibentuk
oleh suatu eksperimen yang memenuhi kondisi-kondisi berikut:

1) Populasi berukuran N (anggotanya terdiri dari N objek)

2) Setiap anggota populasi dapat dinyatakan sebagai sukses atau gagal dan
terdapat D buah sukses dalam populasi, jadi p = D/N

3) Suatu sample berukuran n (anggotanya terdiri dari n objek) dipilih dari x

populasi tanpa pergantian dimana setiap himpounan bagian beranggota n
yang dapat dibentuk dari populasi memiliki kesempatan yang sama untuk
terpilih menjadi sample.

Distribusi Hipergeometrik dapat dirumuskan dengan:

( CM M-N
x )(C n-x )
P n ( x;n,M,N ) = N …(10)
Cn

x = 0,1,2,3,…,n

Fungsi Distribusi kumulatifnya:

( CM
x M-N
x )(C n-x )
F n ( x;n,M,N ) = ∑ CN
k=0 n

…(11)

Mean (Nilai harapan) dan Varians dapat dinyatakan sebagai berikut:

Mean:

nM
μ=E ( X ) = …(12)
N

Varians:

nM
σ2 =
N (1- MN )( N-n
N-1 )
…(13)
2.2.5 Distribusi Binomial Negatif

Distribusi binomial negatif adalah apabila dalam sebuah eksperimen

dimana p adalah probabilitas berhasil dan q = 1-p adalah probabilitas gagal, maka
jika variabel acak X menyataakan banyaknya x gagal sebelum r sukses tercapai
pada eksperimen tersebut. Suatu distribusi binomial negative dibentuk oleh suatu
eksperimen yang memenuhi kondisi-kondisi berikut:

1) Eksperimen terdiri dari serangkaian percobaan yang saling bebas.

2) Setiap percobaan (trial) hanya dapat menghasilkan satu dari dua keluaran
yang mungkin, sukses atau gagal.

3) Probabilitas p dan demikian pula probabilitas gagal q = 1-p selalu konstan

dalam setiap percobaan.

Dapat diperoleh distribusi probabilitas binomial negatif dengan fungsi

probabilitas sebagai berikut:

-1 -1

f bn ( x;r,p ) = Cx+r r x x+ r r x
r-1 p (1-p) = C r-1 p q …(14)

Dimana:

x = 0,1,2,3,…

r > 0; r ϵ bil. Bulat

0≤ p≤1

Sementara fungsi distribusi kumulatif dari distribusi probabiltas binomial

negative dapat dinyatakan sebagai berikut:

x x
−1

f bn ( x ; r , p )=∑ f bn ( k ; r , p )=∑ C k+r r k

r−1 p (1− p) …(15)
k=0 k=0

Dimana:

X = 0,1,2,3,…

r > 0; r ϵ bil. Bulat

0≤p≤1

Mean (Nilai harapan) dan Varians dapat dinyatakan sebagai berikut:

Mean:

r(1-p)
μ x =E ( X ) = …(16)
p
Varians:

r(1-p)
σ2 = …(17)
p2

2.2.6 Distribusi Geometrik

Distribusi geometrik adalah bila tindakan yang bebas dan berulang-ulang

dapat menghasilkan keberhasilan dengan peluang p dan kegagalan dengan
peluang q = 1 – p, maka distribusi peluang bagi peubah acak x, yaitu banyaknya
ulangan sampai munculnya keberhasilan yang pertama. Distribusi geometrik ini
merupakan bentuk khusus dari distribusi negatif binomial. [1] Fungsi Probabiliitas
geometrik adalah:

P x ( x;p ) =p ( 1-p )x = pq x …(18)

Dimana:

x= 0,1,2,3,...
0≤ p≤1

Fungsi distribusi kumulatif dari ditribusi Probabiliitas geometrik adalah:

x x
F x ( x;p ) = ∑ F x ( k;p ) = ∑ p(1-p) k …(19)
k=0 k=0

Dimana:

x= 0,1,2,3,...

0≤ p≤1

Mean:

1-p
μ=E ( X ) = …(20)
p

Varians:

1-p
σ2 =
p2
…(21)
2.2.7 Distribusi Poisson

Distribusi peluang Poisson pertama kali diperkenalkan oleh statistikawan

bernama Simeon-Denis Poisson (1781-1840). Fungsi dari distribusi poisson
adalah dapat mengukur secara akurat singkat terjadinya peluang kejadian yang
akan terjadi pada waktu bersamaan. Distribusi poisson disebut juga sebagai
peristiwa yang jarang terjadi. Distribusi ini dianggap sebagai pendekatan pada
distribusi binomial apabila n (banyaknya percobaan) adalah besar, sedangkan P
(Probabilitas sukses) sangat kecil. Distribusi Poisson digunakan untuk
menghitung probabilitas terjadinya kejadian menurut satuan waktu ataupun
ruang.[1]

Rumus distribusi poisson dinyatakan sebagai berikut:

e-λ λx
P ( x;λ ) = x = 0,1,2,3,… …(22)
x!

Fungsi distribusi kumulatif dari distribusi poisson, yaitu:

x x
e-λ λ x
P ( x;λ ) = ∑ ( k;λ ) = ∑ x = 0,1,2,3,… …(23)
k=0 k=0 x!

Mean:

μ=E ( X ) =λ …(24)
Varians:

σ2 =λ …(25)

Keterangan:

e = Basis logaritma natural (e = 2,71828..)

x = Jumlah kejadian suatu peristiwa - peluang yang diberikan oleh fungsi

ini.

x! = Faktorial dari k.

λ = Bilangan riil positif, sama dengan nilai harapan peristiwa yang terjadi
dalam interval tertentu.

2.2.8 Distribusi Uniform

Distribusi peluang diskrit yang paling sederhana adalah distribusi uniform

(seragam). Distribusi tersebut merupakan distribusi variabel random diskrit yang
mengasumsikan bahwa semua nilai mempunyai kemungkinan yang sama untuk
muncul. Pada variabel random diskrit X nilai-nilai x1, x2, x3, ..., xk mempunyai
peluang yang sama, maka variabel random X disebut mempunyai distribusi
uniform diskrit. Menghitung probabilitas uniform dibutuhkan ukuran probabilitas
µ, dengan demikian dapat digunakan sebagai ukuran probabilitas untuk variabel
acak satu dimensi.

Bila peubah acak X mendapat nilai x1, x2, x3, ..., xn dengan peluang yang
sama, maka distribusi uniform diskrit yang diberikan:

1
P ( x;n ) = ; x =x 1 , x2 , x 3 , ..., x n …(26)
n

2.3 Distribusi Probabilitas Variabel Kontinu

Berbeda dengan variabel random diskrit, sebuah variabel random kontinu

adalah variabel yang dapat mencakup nilai pecahan maupun mencakup range/
rentang nilai tertentu. Distribusi peluang kontinu merupakan salah satu macam
distribusi probabilitas, yaitu model matematik yang menghubungkan nilai variabel
dengan probabilitas terjadinya nilai tersebut.[3] Distribusi peluang kontinu dapat
diklasifikasikan dalam beberapa distribusi, yaitu distribusi Uniform Kontinu,
Normal(Gaussian), Gamma, Eksponensial, Chi-Squared, Beta, Log Normal, dan
Weibull.

2.3.1 Distribusi Uniform Kontinu

Distribusi Uniform merupakan salah satu distribusi peluang kontinu yang
paling sederhana. Suatu variabel random x dikatakan berdistribusi uniform
kontinu jika dan hanya jika memiliki nilai probabilitas yang sama terhadap
rentang yang sama. Misalnya, variabel random kontinu x mempunyai nilai-nilai
pada interval (A,B) dan mempunyai fdp konstan f(x) = c pada interval tersebut.

B
1
Sifat fdp ∫ f ( x ) dx=1 maka dapat diperoleh ¿ ( B− A) . Jika didefinisikan f(x)= 0
A

di luar interval (A, B), maka sifat f(x) ≥ 0 juga terpenuhi. Distribusi khusus ini
dikenaldengan distribusi uniform pada interval (A, B).[1]

Fungsi kepadatannya dalam interval [A, B] secara matematis dinyatakan

sebagai berikut:

1
f ( x;∝,β ) =
{ B-A
0
, A≤ x ≤B
selainnya
…(27)

Dimana:

∝dan β = parameter yang berupa bilangan riil dengan A < B

2.3.2 Distribusi Normal

Distribusi normal pertama kali diperkenalkan oleh Abraham DeMoivre
(1733) sebagai pendekatan distribusi binomial untuk n besar. Selanjutnya
dikembangkan oleh Pierre Simon de Laplace dan dikenal dengan Teorema Moivre
- Laplace. Laplace menggunakan distribusi normal untuk analisis galat suatu
eksperimen. Suatu data membentuk distribusi normal jika jumlah data di atas dan
di bawah mean adalah sama. Distribusi normal berupa kurva berbentuk lonceng
setangkup yang melebar tak berhingga pada kedua arah positif dan negatifnya.

Satu-satunya distribusi probabilitas dengan variabel random kontinu

adalah distribusi normal. Ada 2 peran yang penting dari distribusi norma, yaitu
memiliki beberapa sifat yang mungkin untuk digunakan sebagai patokan dalam
mengambil suatu kesimpulan berdasarkan hasil sampel yang diperoleh, kemudian
pengukuran sampel digunakan untuk menafsirkan parameter populasi. Distribusi
normal sangat sesuai dengan distribusi empiris, sehingga dapat dikatakan bahwa
semua kejadian alami akan membentuk distribusi ini, sehingga sebuah variabel
acak kontinu X dikatakan memiliki distribusi normal dengan parameter μk dan σ x
di mana −∞< x <∞ dan σ x > 0 jika fungsi kepadatan probabilitas (pdf) dari x
adalah[4]:

2
-(x-μ x )
1 (2 σ
2
)
…(28)
f N ( x;μ x , σ x ) = e x
-∞<x<∞
σ x √ 2π

Dimana:

μ x= mean

σ x = standar deviasi
Secara matematis, simpangan baku rata-rata sampel yang disebut dengan
galat baku rata-rata dan hubungannya dengan simpangan baku populasi di
rumuskan sebagai berikut[4]:

σ σ2
σx =
√n
=
√ n
…(29)

2.3.3 Distribusi Gamma

Distribusi eksponensial dan gamma memberikan sebuah peran penting

dalam teori antrian dan permasalahan keandalan waktu.[2] Didefinisikan untuk
α >0 fungsi gamma adalah[5]:

∞
Γ ( α ) =∫ x α-1 e-x dx …(30)
π

Banyak aplikasi yang memiliki peubah acak dengan sebaran Gamma.

Nama Gamma ini ada hubungannya dengan fungsi gamma. Sifat-sifat penting
fungsi gamma adalah:

1) Untuk sebuah bilangan bulat positif n.

Γ(n) = (n-1)!

1
2) Didefinisikan Γ( ) = √ π
2

3) Untuk setiap α >1 berlaku Γ(α) = (α −1) Γ(α −1)

Sebuah variabel acak kontinu X dikatakan memiliki distribusi gamma

dengan parameter bentuk dan parameter bentuk dimana dan jika fungsi kepadatan
probabilitas (pdf) dari X adalah:

-x
1
f G ( x;α,β ) =
{ 0
α
β Γ(α)
xα-1 e β x>0
selainnya
…(31)

Sedangkan fungsi distribusi kumulatif Gamma adalah:

t -x
1
f G ( x;α,β ) =P ( X≤x ) =∫ α
x α-1 e β dt …(32)
π β Γ(α)

Mean:
μ=E ( X ) =αβ …(33)

Varians:

σ2 =α β 2
…(34)

2.3.4 Distribusi Eksponensial

Pada dasarnya distribusi eksponensial merupakan kasus khusus dari

distribusi Gamma kedua distribusi tersebut digunakan dalam aplikasi yang luas.
Jika parameter α =1, maka distribusi gamma berkurang menjadi distribusi
eksponensial. Oleh karena itu, sebagian besar informasi tentang distribusi
eksponensial dapat diperoleh dari distribusi gamma. Jika variabel acak kontinu x
memiliki distribusi eksponensial dengan parameter λ dimana λ> 0 maka fungsi
kepadatan probabilitas dari X adalah[5]:

x
F E (x;λ)=P ( X≤x ) = ∫ λ e-λt dt=λ e -λx …(35)
0

Mean:

1
μ=E ( X ) = …(36)
λ
Varians:

1
σ2 = …(37)
λ2

2.3.5 Distribusi Chi Squared

Chi Squared adalah pengujian hipotesis mengenai perbandingan antara

frekuensi observasi atau yang benar-benar terjadi (aktual) dengan frekuensi
harapan. Frekuensi observasi adalah frekuensi yang nilainya diperoleh dari hasil
percobaan (o) sedangkan frekuensi harapan adalah frekuensi yang nilainya dapat
hitung secara teoritis (e). Distribusi chi squared temasuk dalam statistik
nonparametrik yaitu distribusi di mana besaran-besaran populasi tidak diketahui.
Dengan kata lain, chi square test tidak memertukan syarat data berdistribusi
normal. Distribusi chi squared sering digunakan untuk melakukan analisis
statistik mana informasi tentang populasi atau jika asumsi-asumsi yang
dipersyaratkan untuk penggunaan statistik parametrik tidak terpenuhi.[4]

Uji chi squared secara umum digunakan untuk menguji dua kelompok
data baik variabel independen maupun dependennya berbentuk kategorik atau
dapat juga dikatakan sebagai uji proporsi untuk dua peristiwa atau lebih sehingga
datanya bersifat diskrit. Dasar uji chi square adalah membandingkan perbedaan
frekuensi hasil observasi (fo) dengan frekuensi yang diharapkan (fh). Perbedaan
tersebut meyakinkan jika nilai dari chi squared besar dari suatu nilai yang
ditetapkan pada taraf signifikan tertentu. Jika variable acak X memiliki distribusi
Chi Squared dengan parameter v, maka fungsi kepadatan probabilitas dari X
adalah:

v -x
1
f x ( x;v ) =
2

{ 0
v
2v
2 Γ( )
2
x2 e 2 x>0

selainnya
…(38)

Mean:

μ = E (X) = v …(39)

Varians:

σ2 = 2v …(40)

2.3.6 Distribusi Log Normal

Distribusi log normal dapat didefinisikan sebagai distribusi variable acak

yang logaritmanya terdistribusi normal. Distribusi ini biasanya digunakan dalam
ilmu biologi, astronomi, ekonomi, farmakologi dan teknik. Distribusi ini
terkadang dikenal sebagai distribusi Galton-McAlister. Di bidang ekonomi,
Distribusi lognormal disebut sebagai distribusi Cobb-Douglas. Selain distribusi
normal, dalam rekayasa juga sering dipakai distribusi lognormal di mana
variatnya merupakan Log dari varian normal. [3] Fungsi probabilitas dari distribusi
lognormal berbentuk:

1
{
2

e-| In ( x )-μ|/(2 σ )
x>0
f ln ( x;μ;σ ) = √ 2πσx …(41)
0 selainnya

Sementara fungsi distribusi kumulatifnya dapat dinyatakan sebagai

berikut:

1 2

f ln ( x;μ;σ ) =P ( X≤x ) = e -| In (x ) -μ|/(2 σ ) dt …(42)

√2πσx

Dimana:

μ= mean

σ = standar deviasi

Mean:
2
σ

μx =E ( X ) = e
( μ+ )
2 …(43)

Varians:

2 2

σ x2 = ( e (μ+ σ ) )( eσ -1 ) …(44)

2.3.7 Distribusi Beta

Distribusi beta adalah salah satu distribusi dasar dalam statistik. Distribusi
ini memiliki banyak aplikasi dalam statistik klasik maupun Bayesian. Distribusi
beta melibatkan pengertian fungsi beta.[5] Distribusi beta merupakan sebuah
penjabaran dari distribusi uniform. Variabel acak kontinu X berdistribusi beta
dengan parameter α >0 dan β >0. Maka distribusi probabilitas kontinu dapat
dinyatakan sebagai berikut:

1
{
f B = β(α,β)
0
x α-1 (1-x)β-1 0<x<1
selainnya
…(45)

2.3.8 Distribusi Weibull

Seorang ahli fisika W. Weibull menyarankan menggunakan suatu sebaran
dari peubah acak yang seringkali muncul dalam permasalahan fisika, khususnya
ilmu bahan disamping sering juga dipakai untuk mempelajari sebaran umur suatu
barang.

Jika pada distribusi eksponensial, peluang gagal persatuan waktu konstan

atau time invariant, maka distribusi weibull menggunakan tambahan parameter
waktu untuk peluang gagal.[4] Variabel acak kontinu X mempunyai distribusi
Weibull dengan parameter α dan β, bila fungsi kepadatan probabilitasnya
berbentuk:

β
β-1
f ( x;∝,β ) = ∝ βx e-α x , x>0
{ 0 selainnya
…(46)

Fungsi distribusi kumulatif Weibull[4]:

f ( x ) =1- e -αx , untuk x≥ 0 …(47)

Dimana:
∝ > 0 dan β > 0

Mean:

1
μ= ∝β Γ 1+ ( 1β ) …(48)

Varians:

2 2
2
σ =∝
-
β
{ ( ) [ ( )] }
2
Γ 1+ - Γ 1+
β
1
β
…(49)

BAB III
METODE PENELITIAN

Bab terdiri atas jenis penelitian, lokasi dan waktu penelitian, populasi dan
sampel penelitian, metode pengumpulan data, dan teknik analisis data.

3.1 Jenis Penelitian

Penelitian ini menggunakan jenis penelitian non eksperiman, yaitu survey.

Survei data penggunaan Zoom Meeting dan data IP mahasiswa dilakukan dengan
menyebarkan kuisioner melalui google form. Sedangkan untuk survei data
kedatangan dilakukan dengan mencatat waktu kedatangan dan jenis kelamin
pengunjung Puskesmas Pauh.
3.2 Lokasi dan Waktu

Lokasi pengambilan data penggunaan Zoom Meeting dan IP mahasiswa

dilakukan secara daring menggunakan google form. Pengambilan data mahasiswa
dilakukan pada tanggal 22 September 2021 sampai 26 September 2021.
Sedangkan, lokasi penelitian untuk data kedatangan dilakukan di Puskesmas
Pauh, Jl. Irigasi, Cupak Tangah, Kec. Pauh, Kota Padang pada tanggal 10
November 2021 pukul 09.00 WIB hingga pukul 12.00 WIB.

3.3 Populasi dan Sampel Penelitian

Populasi adalah objek penelitian yang sifatnya menyeluruh. Populasi dari

penelitian ini adalah mahasiswa yang telah mengisi kuesioner dan pengunjung
Puskesmas Pauh. Sampel adalah bagian dari populasi. Pada penelitian ini, sampel
diambil dari beberapa populasi yang mewakilkan sebaran data secara acak
(Random Sampling).
3.4 Pengumpulan Data

Pengumpulan data digunakan untuk menyelesaikan persoalan dari masalah

yang akan diteliti. Penelitian ini mengumpulkan data dengan menyebarkan angket
kepada mahasiswa dan mengumpulkan data dengan melakukan pengamatan
langsung dengan mencatat waktu keedatangan pengunjung Puskesmas Pauh serta
jenis kelaminnya. Pada pencatatan waktu kedatangan pengunjung digunakan alat
bantu berupa stopwatch untuk mempermudah peneliti mengumpulkan data.

3.5 Teknik Analisis Data

Teknik analisis data pada penelitian kali ini menggunakan distribusi

probabilitas diskrit dan kontinu, yaitu dengan menganalisis fungsi kepadatan
probabilitas dan fungsi distribusi kumulatif dari data yang telah diperoleh. berikut
merupakan jenis data yang diolah beserta distribusi probabilitas yang digunakan
dalam pengolahan data:

1. Distribusi geometrik digunakan untuk mengolah data probabilitas jenis

kelamin pengunjung Puskesmas Pauh.

2. Distribusi binomial digunakan untuk mengolah data probabilitas

mahasiswa menggunakan atau tidak menggunakan Zoom Meeting.
3. Distribusi normal digunakan untuk mengolah data probabilitas IPK
mahasiswa.

4. Distribusi poisson digunakan untuk mengolah data probabilitas waktu

kedatangan pengunjung Puskesmas Pauh.

5. Distribusi eksponensial digunakan untuk mengolah data probabilitas

waktu antar pengunjung Puskesmas Pauh.
BAB IV
PENGOLAHAN DATA DAN ANALISIS

Bab ini terdiri atas pengolahan data dan analisis data yang disajikan dalam
bentuk tabel dan grafik. Metode pengolahan data menggunakan distribusi variabel
acak diskrit dan kontinu. Variabel acak diskrit yang digunakan terdiri atas
distribusi geometri, distribusi binomial dan distribusi poisson. Sedangkan variabel
acak kontinu yang digunakan terdiri atas distribusi normal dan distribusi
eksponensial.

4.1 Pengolahan Data

Sub bab ini terdiri atas pengolahan data yang didapatkan dari hasil
pengamatan waktu kedatangan pengunjung Puskesmas Pauh dan kuisioner yang
disebar pada mahasiswa.

4.1.1 Distribusi Probabilitas Proporsi Jenis Kelamin Pengunjung

Puskesmas Pauh.

Distribusi probabilitas proporsi jenis kelamin pengunjung Puskesmas Pauh

ditentukan menggunakan distribusi geometrik. Berdasarkan data yang diperoleh
didapatkan jumlah pengunjung Puskesmas Pauh berjenis kelamin laki-laki dan
perempuan sebagai berikut.
Tabel 4.1 Proporsi Jenis Kelamin Pengunjung Puskesmas Pauh

Jenis kelamin Jumlah

Perempuan 175
Laki-laki 190

Jumlah sampel yang diperoleh sebanyak 365 data, lalu dibagi menjadi 10
sampel per trial. Sehingga trial yang didapatkan sebanyak N/10 atau 365/10 yaitu
36.5 trial yang kami bulatkan menjadi 36 trial. Kemudian dihitung jumlah laki-
laki dan perempuan pada masing-masing trial, lalu dihitung probabilitas masing-
masingnya.
Tabel 4.2 Trial Proporsi Jenis Kelamin Pengunjung Puskesmas Pauh

Sampel p(x) p(x)

Trial
1 2 3 4 5 6 7 8 9 10 Perempuan Laki-laki
1 P L P L L P L P L P 0.5 0.5
2 L P L L P L L P L P 0.4 0.6
3 P P L P L P L P P P 0.7 0.3
4 L P P L L P P P P P 0.7 0.3
5 P P P L L L P L P P 0.6 0.4
6 P P P L P L L L P P 0.6 0.4
7 P P L L L P L P L P 0.5 0.5
8 P L P L P L P L P P 0.6 0.4
9 L L P P P L P L L P 0.5 0.5
10 L P L L L P P L P L 0.4 0.6
11 P P L L P P P P P P 0.8 0.2
12 P L L L P P L P P P 0.6 0.4
13 L L P L L L L L P L 0.2 0.8
14 P L P L P L L L L L 0.3 0.7
15 L P P P P P L L L L 0.5 0.5
16 P P P P P P L P L P 0.8 0.2
17 P L L L P L P L L L 0.3 0.7
18 P P P P L L L P L L 0.5 0.5
19 P P P P P P L L P P 0.8 0.2
20 P P P L L P P L L L 0.5 0.5
21 L L L L L P L L L P 0.2 0.8
22 L P L L P L L L P P 0.4 0.6
23 L L L P L L L l P P 0.3 0.7
24 L P L L P L L P L P 0.4 0.6
25 P P L L P L L P P P 0.6 0.4
26 P L L L P P L L L P 0.4 0.6
27 L L P P L L P L L P 0.4 0.6
28 L L L L L L L L L P 0.1 0.9
29 L P L L L P L L P P 0.4 0.6
30 L P P L L L P L P P 0.5 0.5
31 L P P P L P P L P L 0.6 0.4
32 P L P L P P P P P L 0.7 0.3
33 L L L L P L P L P L 0.3 0.7
34 P P P L L L L P P P 0.6 0.4
35 L L P L L L L P P L 0.3 0.7
36 P L L L P P P L L L 0.4 0.6
Total 0.4833333 0.5166667
Tabel 4.2 menunjukkan peluang jumlah pengunjung perempuan dan laki-
laki Puskesmas Pauh. Didapatkan peluang untuk pengunjung perempuan sebesar
0.483 dan peluang pengunjung laki-laki 0.516. Berikut merupakan cara yang
dilakukan untuk menjadi peluang pengunjung perempuan dan laki-laki pada
Puskesmas Pauh:

Pengunjung perempuan
P(x) Perempuan =
Total pengunjung

175
=
365

= 0.483

Pengunjung perempuan
P(x) Laki-laki =
Total pengunjung

190
=
365

= 0.516

Dilanjutkan dengan menentukan PMF (Probability Mass Fungction) dan

CMF (Cumulative Mass Fungction), yaitu sebagai berikut:
Tabel 4.3 PMF dan CMF Distribusi Geometrik

Distribusi Geometrik
x Empiris Teoritis
P(x) P(X<=x) P(x) P(X<=x)
1 0.5 0.5 0.483333333 0.48333
2 0.2 0.7 0.249722222 0.73306
3 0.21 0.91 0.129023148 0.86208
4 0.063 0.973 0.06666196 0.92874
5 0.0162 0.9892 0.034442013 0.96318
6 0.00648 0.99568 0.01779504 0.98098
7 0.00216 0.99784 0.009194104 0.99017
8 0.001296 0.999136 0.004750287 0.99492
9 0.000432 0.999568 0.002454315 0.99738
10 0.0001728 0.9997408 0.001268063 0.99864
11 0.00020736 0.99994816 0.000655166 0.9993
12 0.000031104 0.99997926 0.000338502 0.99964
13 4.1472E-06 0.99998341 0.000174893 0.99981
14 4.97664E-06 0.99998839 9.03613E-05 0.9999
15 5.80608E-06 0.99999419 4.66867E-05 0.99995
16 4.64486E-06 0.99999884 2.41214E-05 0.99997
17 3.48365E-07 0.99999919 1.24627E-05 0.99999
18 4.06426E-07 0.99999959 6.43909E-06 0.99999
19 3.2514E-07 0.99999992 3.32686E-06 1
20 4.06426E-08 0.99999996 1.71888E-06 1
21 8.12851E-09 0.99999997 8.88087E-07 1
22 1.30056E-08 0.99999998 4.58845E-07 1
23 5.85253E-09 0.99999999 2.3707E-07 1
24 5.46236E-09 0.99999999 1.22486E-07 1
25 4.91612E-09 1 6.32845E-08 1
26 1.31097E-09 1 3.2697E-08 1
27 7.8658E-10 1 1.68934E-08 1
28 1.17987E-10 1 8.72828E-09 1
29 4.24753E-10 1 4.50961E-09 1
30 3.18565E-10 1 2.32997E-09 1
31 1.91139E-10 1 1.20382E-09 1
32 8.91982E-11 1 6.21972E-10 1
33 1.14683E-11 1 3.21352E-10 1
34 1.60557E-11 1 1.66032E-10 1
35 3.21113E-12 1 8.57831E-11 1
36 2.99706E-12 1 4.43213E-11 1
Tabel 4.3 menunjukkan nilai PMF dan CMF dari distribusi geometrik
proporsi pengunjung perempuan dan laki-laki Puskesmas Pauh.. Cara memperoleh
PMF secara empiris pada distribusi geometrik dilakukan dengan mengalikan
peluang sukses pada percobaan tersebut dengan peluang gagal sebelumnya,
misalnya:

PMF pada p(3) = p(3) × (1-p2) × (1-p1)

= 0,7 × (1- 0,4) × (1- 0,5)

= 0,7 × 0,6 × 0,5

= 0,21

Sedangkan, nilai CMF distribusi geometrik secara empiris diperoleh dengan cara
berikut, misalnya:

F(x) = ∑ P( x)

F(3) = p(1) + p(2) + p(3)

= 0,5 +0,2+ 0,21

= 0,91
PMF distribusi geometrik secara teoritis dapat diperoleh dengan cara berikut:

f(x) = p ( 1-p )x-1

f(3) = 0.483 ( 1-0.483 )3-1

= 0.483 ( 0.517 )3-1

= 0.129

Sedangkan CMF untuk distribusi geometrik secara teoritis diperoleh dengan cara
berikut:

F(x) = ∑ P(x)

F(3) = p(1) + p(2) + p(3)

= 0.483 + 0.249 + 0.129

= 0,862

4.1.2 Distribusi Probabilitas Mahasiswa Menggunakan atau Tidak

Menggunakan Zoom Meeting
Data mahasiswa yang menggunakan atau tidak menggunakan Zoom Meeting
digunakan untuk mencari distribusi binomial. Peluang siswa menggunakan Zoom
Meeting dianggap sebagai kejadiann sukses dan peluang siswa tidak
menggunakan Zoom Meeting sebagai kejadian gagal. Demikian didapatkan
parameter distribusi binomial sebagai berikut.

Tabel 4.4 Parameter Distribusi Binomial

Ya menggunakan Zoom Meeting (p) 0.82667

Tidak menggunakan Zoom Meeting (q) 0.17333

Peluang mahasiswa yang menggunakan meeting sebagai media

pembelajaran daring dapat dihitung sebagai berikut:

Jumlah Ya
P(x) Ya =
Total mahasiswa

248
=
300

= 0.826

Sementara itu peluang mahasiswa tidak menggunakan Zoom Meeting

sebagai media pembelajaran daring adalah sebagai berikut:

Jumlah Tidak
P(x) Tidak =
Total mahasiswa
52
=
300

= 0.173

Sampel yang didapatkan sebanyak 300 sampel, kemudian 300 sampel

tersebut dibagi menjadi trial sehingga masing-masing trial terdiri atas 60 sampel.
Selanjutnya dari masing-masing trial dilakukan perhitungan peluang sukses dan
peluang gagalnya, yaitu dapat dilihat pada tabel berikut ini.
Tabel 4.5 Probabilitas pada Trial Distribusi Binomial
Trial Jumlah ya Jumlah tidak P(X=Ya) P(X=Tidak)
1 49 11 0.816667 0.18333333
2 49 11 0.816667 0.18333333
3 50 10 0.833333 0.16666667
4 48 12 0.8 0.2
5 52 8 0.866667 0.13333333

Pada Tabel 4.5 terlihat bahwa setiap trial terdiri atas peluang sukses dan
peluang gagal. Berikut merupakan perhitungan untuk mencari peluang sukses dan
peluang gagal pada mahasiswa yang menggunakan atau tidak menggunakan Zoom
Meeting sebagai media pembelajaran daring.

Total sampel sukses pada trial 1

Peluang sukses pada trial 1 =
Total sampel pada trial 1

49
=
60

= 0,8166
Sementara itu untuk mencari peluang gagalnya adalah sebagai berikut:

Peluang gagal pada trial 1 = 1 – 0,8166

= 0,183

Tabel 4.6 PMF Empiris Distribusi Binomial

Empiris
N/X 0 1 2 3 4 5
1 0.1833333 0.816666667
2 0.0336111 0.299444444 0.666944
3 0.0056019 0.077916667 0.360694 0.55578704
4 0.0011204 0.020064815 0.134472 0.39971296 0.44463
5 0.0001494 0.003646296 0.035319 0.16983765 0.4057 0.38535

Distribusi peluang binomial mahasiswa menggunakan atau tidak

menggunakan Zoom Meeting sebagai media pembelajaran daring secara empiris
dapat terlihat pada Tabel 4.6 diatas. Berikut merupakan perhitungan untuk
mencari PMF (Probability Mass Function) pada Distribusi Binomial secara
empiris:

Misalkan peluang untuk mendapatkan 1 kejadian sukses pada 2 kali percobaan:

p(x) = p1 x (1-p2) + p2 x (1-p1)

= (0.816 x 0.183) + (0.816 x 0.183)

= 0.299

Tabel 4.7 PMF Teoritis Distribusi Binomial

Teoritis
N/X 0 1 2 3 4 5
1 0.17333 0.82667
2 0.03004 0.28658 0.68338
3 0.00521 0.07451 0.35536 0.56493
4 0.0009 0.01722 0.12319 0.39168 0.46701
5 0.00016 0.00373 0.03559 0.16973 0.40474 0.38606

Tabel 4.7 menunjukkan PMF (Probability Mass Function) pada distribusi

binomial mahasiswa menggunakan atau tidak menggunakan Zoom Meeting
sebagai media pembelajaran daring secara teoritis. Berikut merupakan cara
menghitung distribusi binomial mahasiswa menggunakan atau tidak
menggunakan Zoom Meeting sebagai media pembelajaran daring secara teoritis:

Peluang 1 kejadian sukses dari 2 percobaan yaitu:

P(2) = c nx p x q n−x

= -c 21 0.8171 0.1832−1

= 2 x 0.817 x 0.816
= 0.286

4.1.3 Distribusi Probabilitas IP Semester Lalu Mahasiswa pada

Pembelajaran Daring

Distribusi normal digunakan untuk menentukan probabilitas IP semester

lalu mahasiswa pada pembelajaran daring. Data dikumpulkan melalui google
form sehingga didapatkan nilai indeks prestasi mahasiswa pada semester lalu.
Pertama-tama menentukan parameter apa saja yang diperlukan dalam pengolahan
data untuk mempermudah pengolahan data, yaitu sebagai berikut :
Tabel 4.8 Parameter Distribusi Normal

Banyak data 1500

Data max 4.00
Data min 2.00
Range 1.99
Banyak kelas 11.481101
Panjang kelas 0.1662241
Rata-rata 3.0103667
Standar deviasi 0.5851258

Tabel 4.8 menunjukkan parameter-parameter untuk menghitung distribusi

normal. perhitungan range, jumlah kelas, dan lebar kelas dilakukan dengan cara
sebagai berikut:

Range = Nilai max – Nilai min

= 4.00-2.0001
= 1.99

Jumlah kelas = 1 + 3,3 log n

= 1 + 3,3 log 1500

= 11.48

= 12

Range
Lebar Kelas =
Banyak Kelas

= 1.99/11.48

= 0.166

= 0.17

Selanjutnya menentukan batas atas dan batas bawah dari data tersebut
sehingga dapat dibentuk data berkelompok. Misalnya pada interval pertama
didapatkan hasil sebagai berikut.

Batas bawah = Nilai terkecil (min)

= 2.00

Batas atas = Batas bawah + interval

= 2.00 + 0.17

= 2.17

Dilanjutkan dengan menentukan nilai tengah dari interval dan frekuensi

dari masing- masing kelas. Misalnya pada interval pertama didapatkan sebagai
berikut.

Batas bawah + Batas atas

xi =
2

2.00 + 2.17
xi =
2

xi = 2.085
Tabel 4.9 Distribusi Frekuensi IP Semester Lalu Mahasiswa pada Pembelajaran
Daring

Kelas Batas atas Batas Bawah Frekuensi xi

1 2.00 2.17 130 2.085
2 2.17 2.34 135 2.255
3 2.34 2.51 126 2.425
4 2.51 2.68 121 2.595
5 2.68 2.85 127 2.765
6 2.85 3.02 102 2.935
7 3.02 3.19 113 3.105
8 3.19 3.36 141 3.275
9 3.36 3.53 138 3.445
10 3.53 3.70 139 3.615
11 3.70 3.87 131 3.785
12 3.87 4.04 97 3.955
Total 1500

Tabel 4.9 menunjukkan batas bawah, batas atas, frekuensi, dan nilai
tengah. Sementara itu dibawah ini Tabel 4.10 menunjukkan nilai PDF dan CDF
dari distribusi normal.
Tabel 4.10 PDF dan CDF Distribusi Normal

Empiris Teoritis
X Interval xi
OI fi Fi Oi fi Fi
1 2-2.17 2.085 130 0.0867 0.0867 50.0465 0.0334 0.0334
2 2.17-2.34 2.255 135 0.0900 0.1767 75.7400 0.0505 0.0839
3 2.34-2.51 2.425 126 0.0840 0.2607 105.4079 0.0703 0.1541
4 2.51-2.68 2.595 121 0.0807 0.3413 134.9017 0.0899 0.2441
5 2.68-2.85 2.765 127 0.0847 0.4260 158.7665 0.1058 0.3499
6 2.85-3.02 2.935 102 0.0680 0.4940 171.8298 0.1146 0.4645
7 3.02-3.29 3.105 113 0.0753 0.5693 171.0155 0.1140 0.5785
8 3.19-3.36 3.275 141 0.0940 0.6633 156.5203 0.1043 0.6828
9 3.36-3.53 3.445 138 0.0920 0.7553 131.7357 0.0878 0.7706
10 3.53-3.70 3.615 139 0.0927 0.8480 101.9608 0.0680 0.8386
11 3.7-3.87 3.785 131 0.0873 0.9353 72.5705 0.0484 0.8870
12 3.87-4.04 3.955 97 0.0647 1.0000 47.4988 0.0317 0.9187
PDF distribusi normal secara empiris diperoleh dengan cara berikut, misalnya:

.Total mahasiswa pada kelas ke X

f(x) =
Total mahasiswa keseluruhan

126
f(3) =
1500

f(3) = 0.084

CDF distribusi normal secara empiris diperoleh dengan cara berikut:

F(x) = ∑ P( x)

F(3) = p(1) + p(2) + p(3)

= 0.866 + 0.09 + 0.084

= 0.26

PDF pada distribusi normal secara teoritis dapat diperoleh menggunakan cara
berikut:

2
-(x-μ x )
1 2

e (2 σ )
f N ( x; μ x , σ x ) = x

σ x √ 2π
2
-(2.51-3.01)
1 2

f N ( 3;3.01,0.585 ) = (2.718)(2 (0.585) )

0.585 √ 2(3.14)

2
-(2.43-3.01)
1 2

- (2.718) (2(0.585) )
0.585 √ 2(3.14)

f N ( 3;3.01,0.585 ) = 0.0702

Sementara itu, CDF distribusi normal secara teoritis dapat diperoleh

menggunakan cara berikut:

F(x) = ∑ P( x)

F(3) = p(1) + p(2) + p(3)

= 0.0018 + 0.1536 + 0.6814

= 0.8369

4.1.4 Distribusi Probabilitas Kedatangan Kendaraan dalam Selang 20

Detik dengan Distribusi Poisson.

Data yang digunakan pada distribusi ini adalah data kedatangan kendaraan
di daerah Puskesmas Pauh dalam selang waktu 20 detik. Pengamatan dimulai dari
pukul 09.00 sampai 12.00.
Tabel 4.11 Parameter Distribusi Poisson

Max 4
Min 0
n 541
μ (/20 dtk) 0.10166
μ (/menit) 0.30499
Standar Deviasi 0.55226
Range 4
Banyak Kelas 10.0196

Tabel 4.11 tersebut menggambarkan parameter yang perlu digunakan

untuk mencari distribusi Poisson. Data max adalah frekuensi kedatangan
pengunjung di Puskesmas Pauh terbanyak dalam seluruh kelas. Pada data ini data
maksimum adalah 4 pengunjung. Data minimum adalah frekuensi kedatangan
pengunjung paling sedikit dalam seluruh kelas. Pada data ini data minimum
adalah 0 kendaraan. Nilai (mean) adalah rata rata frekuensi dari semua kelas
didapatkan dengan cara:

Total kedatangan pengunjung dalam 3 jam

μ =
Jumlah kelas

365
μ = =0,10166 (dalam selang waktu 20 detik)
365

μ = μ ( dalam selang waktu 20 detik ) x 0,30499

μ = 0,10166 x 0,30499=0,03100
Jumlah kelas yang didapatkan berdasarkan perhitungan dari banyaknya
pengunjung Puskesmas Pauh yang berdatangan dalam waktu 3 jam, sehingga
didapatkan 365 kelas. Kemudian dihitung frekuensi kedatangan pengunjung
masing-masing kelas dari data tersebut. Selanjutnya menentukan fungsi massa
probabilitas dan fungsi distribusi kumulatif distribusi poisson, sebagai berikut:

Tabel 4.12 PDF dan CDF Distribusi Poisson

Distribusi Poisson Distribusi Normal

x Empiris Teoristis Teoristis
P(X) P(X ≤ x) P(X) P(X ≤ x) P(X) P(X ≤ x)
0 0.9353 0.9353 0.73713 0.737130187 0.290385224 0.29039
1 0.03882 0.97412 0.22482 0.961948081 0.605506151 0.89589
2 0.01664 0.99076 0.03428 0.996231771 0.103035551 0.99893
3 0.00739 0.99815 0.00349 0.999717174 0.001072544 1
4 0.00185 1 0.00027 0.999982928 5.30506E-07 1
5 0 1.6E-05 0.999999139 1.11046E-11 1
6 0 8.2E-07 0.999999963 0 1
7 0 3.6E-08 0.999999999 0 1
8 0 1.4E-09 1 0 1
9 0 4.6E-11 1 0 1
10 0 1.4E-12 1 0 1
11 0 3.9E-14 1 0 1
1 1

Tabel 4.12 diatas menampilkan PMF dan CMF dari data pengunjung
Puskesmas Pauh secara teoritis dan empiris. PMF distribusi Poisson secara
empiris diperoleh dengan cara berikut:
Frekuensi kelas ke-x
f ( x) =
Jumlah kelas

27
f (3) =
365

= 0,7397260

=0,740

CMF distribusi Poisson secara empiris diperoleh dengan cara berikut:

F ( x ) = ∑ P(x)

F ( 2 ) =P ( 0 ) +P ( 1 ) +P(2)

= 0.9353 + 0.03882 + 0.01664

= 0,99076

PMF distribusi Poisson secara teoritis diperoleh dengan cara berikut:

e-λ λ x
P ( x;λ ) =
x!

2,71828-2,03 2,033
P ( 3) =
3!
= 0,18311

CMF distribusi Poisson secara teoritis diperoleh dengan cara berikut:

F ( x ) = ∑ P(x)

F ( 2 ) =P ( 0 ) + P ( 1 ) + P(2)

= 0.73713 + 0.22482 + 0.03428

= 0.99623

4.1.5 Distribusi Probabilitas Waktu Kedatangan Pengunjung Puskesmas

Pauh dengan Distribusi Eksponensial.

Data yang digunakan untuk mendapatkan distribusi eksponensial yaitu

data waktu kedatangan pengunjung di Puskesmas Pauh selama 3 jam. Waktu
kedatangan antar setiap pengunjung dihitung untuk mendapatkan parameter-
parameter yang akan digunakan untuk mencari distribusi eksponensial.
Tabel 4.13 Parameter Distribusi Eksponensial

data max 1.582004

data min 0.00000
jangkauan 1.58200
banyak data 365
jumlah kelas 9.455566
lebar kelas 0.167309
m 0.491781
l 2.033426

Tabel 4.13 diatas menunujukkan parameter-parameter yang akan

digunakan dalam menghitung distribusi eksponensial. Untuk memudahkan
pengolahan data, pertama kami menentukan nilai dari range, jumlah kelas dan
lebar kelas dengan cara sebagai berikut:

Range = Nilai max – Nilai min

= 6.066667 - 0

= 6.066667

Jumlah interval = 1 + 3,3 Log n

= 1 + 3,3 Log 365

= 9,45 = 10
Lebar Kelas = Range / Jumlah Interval

= 6.066667/10

Jumlah seluruh frekuensi dalam menit

Mean =
Jumlah Kelas

230,72
=
365

=0,63210
Tabel 4.14 Parameter Distribusi Frekuensi Kedatangan Pengnjung Puskesmas

kelas batas bawahbatas atas frekuensi xi

1 0 0.64 270 0.32
2 0.64 1.28 47 0.96
3 1.28 1.92 27 1.6
4 1.92 2.56 17 2.24
5 2.56 3.2 1 2.88
6 3.2 3.84 1 3.52
7 3.84 4.48 0 4.16
8 4.48 5.12 0 4.8
9 5.12 5.76 1 5.44
10 5.76 6.4 1 6.08
total 365

Tabel menunjukkan nilai batas atas, batas bawah, frekuensi kelas, dan nilai
tengah yang kami dapatkan dengan cara sebagai berikut. Misalnya pada interval
pertama yaitu:

Batas bawah = nilai terkecil (min)

=0

Batas atas = Batas bawah + interval

= 0 + 0,64

= 0,64
batas bawah+batas atas
xi =
2

0+0,64
xi =
2

0,64
xi=
2

x i =0,32

Tabel 4.15 PDF dan CDF Distribusi Eksponensial

empiris teoritis
interval Xi
OI fi Fi Oi fi Fi
0.64 0.00000 0.32 270 0.739726027 0.739726027 265.6643424 0.145612 0.145612
1.28 0.64 0.96 47 0.128767123 0.868493151 72.30121137 0.230703 0.376315
1.92 1.28 1.6 27 0.073972603 0.942465753 19.67695445 0.168408 0.544723
2.56 1.92 2.24 17 0.046575342 0.989041096 5.35513208 0.122934 0.667657
3.2 2.56 2.88 1 0.002739726 0.991780822 1.457412511 0.08974 0.757397
3.84 3.2 3.52 1 0.002739726 0.994520548 0.396638439 0.065508 0.822905
4.48 3.84 4.16 0 0 0.994520548 0.107946137 0.047819 0.870724
5.12 4.48 4.8 0 0 0.994520548 0.02937781 0.034907 0.905631
5.76 5.12 5.44 1 0.002739726 0.997260274 0.007995244 0.025481 0.931113
6.4 5.76 6.08 1 0.002739726 1 0.002175926 0.018601 0.949714

Tabel 4.15 menunjukkan nilai PDF dan CDF distribusi eksponensial. PDF
distribusi eksponensial secara empiris diperoleh dengan cara berikut:

distribusi kelas ke-x

P ( X )=
Total kelas

distribusi kelas ke-2

P ( 2) =
Total kelas

47
P ( 2) = =0,12876
365
CDF distribusi eksponensial secara empiris diperoleh dengan cara berikut:

F ( x) = ∑ P(x)

F ( 3) = P ( 1 ) + P ( 2 ) + P(3)

= 0.130 + 0.074 + 0.046

= 0.25

PDF distribusi eksponensial secara teoritis diperoleh dengan cara berikut:

P ( 1 )=λ e− λx

= 2.03(2.71828)-(2,03)(1)

= 0.266661

4.2 Analisa

Sub bab ini terdiri atas analisa data yang telah diolah pada sub bab
sebelumnya. Analisis data mempunyai tujua untuk mendeskripsikan data agar
mudah dipahami.
4.2.1 Distribusi Probabilitas Proporsi Jenis Kelamin Pengunjung
Puskesmas Pauh Menggunakan Distribusi Geometrik.

PMF Proporsi Laki-Laki dan Perempuan Pengunjung Puskesmas

Pauh

0.6

0.5

0.4
Empiris
Probabilitas

Teoritis
0.3

0.2

0.1

0
1
3
5
7
9

13

19

25
27
29

33
35
11

15
17

21
23

31

x
Gambar 4.1 Bar chart PMF Proporsi Laki-Laki dan Perempuan Pengunjung
Puskesmas Pauh

Gambar 4.1 menunjukkan bar chart perbandingan PMF proporsi laki-

laki dan perempuan secara empiris dan teoritis. Dapat disimpulkan bahwa ketika
nilai x sama dengan 1 probabilitasnya adalah 0.5. Artinya peluang sukses
didapatkan jenis kelamin perempuan pada percobaan pertama adalah 0.5.
Sementara itu pada kondisi nilai x sama dengan 2 (perhitungan empiris)
probabilitasnya adalah 0.2. Hal ini artinya peluang sukses pertama didapatkan
jenis kelamin perempuan pada percobaan ke-2 adalah 0,2.
CMF Proporsi Laki-Laki dan Perempuan Pengunjung Puskesmas
Pauh
1.2
1
0.8
Probabilitas

0.6 Empiris
0.4 Teoritis

0.2
0
1 4 7 10 13 16 19 22 25 28 31 34

Gambar 4.2 Line chart CMF Proporsi Laki-Laki dan Perempuan Pengunjung
Puskesmas Pauh

Gambar 4.2 menunjukkan Line chart CMF Proporsi Laki-Laki dan

Perempuan Pengunjung Puskesmas Pauh atau nilai kumulatif dari fungsi
probabilitas proporsi laki-laki dan perempuan. Dapat dilihat semakin besar
frekuensi suatu kejadian maka probabilitasnya semakin mendekati 1. Selain itu,
bentuk grafik perlahan-lahan semakin landai membentuk garis lurus. Artinya
semakin ke kanan maka semakin jarang peluang munculnya suatu kejadian.
Berdasarkan kondisi pada gambar diatas terlihat bahwa grafik mendekati garis
lurus ketika x sama dengan 5.

4.2.2 Distribusi Probabilitas Mahasiswa Menggunakan Atau Tidak

Menggunakan Zoom Meeting dengan Distribusi Binomial.
Pada sub sub bab ini dianalisa data mahasiswa yang menggunakan dan
tidak menggunakan Zoom Meeting sebagai media pembelajaran daring.
Mahasiswa yang menggunakan Zoom Meeting sebagai media pembelajaran daring
merupakan peluang sukses dari kejadian ini. Sedangkan mahasiswa yang tidak
menggunakan Zoom Meeting sebagai media pembelajaran daring merupakan
peluang gagal dari kejadian ini.

Tabel 4.6 dan Tabel 4.7 menunjukkan distribusi probabilitas dengan

perhitungan secara empiris dan teoritis. Peluang untuk mendapatkan 1 kejadian
sukses pada 2 kali percobaan adalah 0.299, hal ini dilakukan dengan perhitungan
secara empiris. Cara perhitungannya adalah dengan mengalikan 1 peluang sukes
dengan 1 peluang gagal, tanpa memperhatikan urutan. Sementara itu secara
teoritis peluang untuk mendapatkan 1 kejadian sukses pada 2 kali percobaan
adalah 0.286. Nilai peluang secara teoritis didapatkan dengan pendekatan rumus.

4.1.3 Distribusi Probabilitas IP semester lalu mahasiswa pada

pembelajaran daring Menggunakan distribusi Normal

Sub sub bab ini akan menganalisa perhitungan data IPK mahasiswa pada
semester lalu ketika dilakukan pembelajaran daring. Berikut merupakan hasil
representasi perhitungan menggunakan bar chart.
PDF IP Mahasiswa Semester Lalu
0.1400
0.1200
0.1000
Probabilitas 0.0800
Empiris
0.0600 Teoritis
0.0400
0.0200
0.0000
1 2 3 4 5 6 7 8 9 10 11 12
x

Gambar 4.3 Bar chart PDF IP Mahasiswa Semester Lalu

Berdasarkan bar chart pada Gambar 4.3 diatas didapatkan hasil

perhitungan probabilitas IP mahasiswa pada semester lalu. Probabilitas
didapatkan dengan perhitungan secara teoritis dan secara empiris, misalnya pada x
sama dengan 3 didapatkan perhitungan secara empiris adalah 0,084 sedangkan
perhitungan secara teoritis adalah 0,0702.

CDF IP Mahasiswa Semester Lalu

1.2000
1.0000
0.8000
Probabilitas

0.6000 Empiris
0.4000 Teoritis

0.2000
0.0000
1 2 3 4 5 6 7 8 9 10 11 12
X
Gambar 4.4 Line chart PDF IP Mahasiswa Semester Lalu

Berdasarkan Line chart pada Gambar 4.3 merupakan representasi dari

disribusi kumulatif IP mahasiswa pada semester lalu. Line chart pada perhitungan
secara empiris dan pada perhitungan secara teoritis hampir sama persis, artinya
perhitungan pada empiris dan teoris hampir berbeda sama dan tidak jauh berbeda.
Dapat dilihat pada grafik misalnya pada x sama dengan 8, nilai probabilitas
empirisnya adalah 0.0920 dan nilai probabilitas secara teoritis adalah 0.0848.

4.2.4 Distribusi Probabilitas Waktu Kedatangan Pengunjung dalam Selang

20 Detik

Analisa yang digunakan didapatkan dari data distribusi poisson yang

berkaitan dengan probabilitas waktu kedatangan pengunjung Puskesmas Pauh
dalam selang waktu 20 detik. Pengolahan data dilakukan dengan pendekatan
distribusi normal. Alasan digunakannya distribusi normal sebagai pendekatan
tersebut, dikarenakan distribusi normal terjadi secara alamiah, banyak peristiwa di
dunia nyata yang terdistribusi secara normal. Selain itu, distribusi normal bisa
dengan mudah mengubah nilai dari variabel acak yang tidak terdistribusi menjadi
suatu variabel acak yang normal. Hasil pengolahan data mendapatkan nilai PMF
dan CMF sebagai berikut.
Gambar 4.5 Bar Chart PMF Waktu Kedatangan Pengunjung

Berdasarkan grafik diatas, pergerakan grafik empiris terlihat lebih

cenderung untuk menurun pada tiap nila-nilai x nya, sedangkan grafik teoritis
pada grafik terlihat membentuk kurva. Probabilitas tertinggi terdapat pada grafik
empirisnya, yaitu sebesar 0,93530, sedangkan probabilitas terendah terdapat pada
grafik teoritis yang tertera, yaitu pada nilai 0,001848. Kemungkinan akan hal ini
terjadi dikarenakan, perhitungan empiris berdasar pada banyaknya frekuensi yang
muncul di setiap percobaan, sedangkan perhitungan teoritis hanya berdarsarkan
kepada pendekatan rumus.
Gambar 4.6 Line Chart CMF Waktu Kedatangan Pengunjung

Berdasarkan Gambar 4.5, bentuk grafik diatas hampir sama persis, ini
menunjukkan bahwa hasil perhitungan empiris maupun teoritis hampir bernilai
sama dan tidak jauh berbeda. Hal ini memmbuktikan bahwa, frekuensi kejadian
yang ada semakin jarang terjadi.

4.2.5 Distribusi Probabilitas Waktu Kedatangan Pengunjung Puskesmas

Pauh

Pada sub dari sub bab ini, dianalisa dari perhitungan data waktu
kedatangan pengunjung Puskesmas Pauh. Hasil perhitungan dari data, ditunjukkan
menggunakan diagram batang sesuai perhitungan data sebagai berikut.
Gambar 4.7 Bar Chart PDF Waktu Kedatangan Pengunjung Puskesmas Pauh

Berdasarkan grafik diatas dapat didefinisikan hasil perhitungan

probabilitas nilai rata-rata dari 365 pengunjung yang di ambil datanya selama 3
jam, yaitu dari jam 9.00 sampai jam 12.00. Berdasarkan perhitungan empiris
maupun teoritis, pada saat kondisi nilai x tersebut adalah 3, siswa IPA SMAN 6
Padang memiliki nilai rata-rata pada rentang 3,2 – 3,84, dengan frekuensi
sebanyak 3 orang. Sementara frekuensi paling sedikit ada pada kondisi nilai x = 9
dan x = 10 yaitu 0 orang.

CDF Waktu Kedatangan Pengunjung Puskesmas Pauh

1.2
1
0.8
Probabilitas

0.6 Empiris
Teoritis
0.4
0.2
0
1 2 3 4 5 6 7 8 9 10
X
Gambar 4.8 Line Chart CDF Waktu Kedatangan Pengunjung Puskesmas Pauh

Pada Gambar 4.7, grafik yang mendekati pertama kali terhadap nilai satu
adalah grafik perhitungan empiris, yaitu pada saat kondisi nilai x adalah 4.
Sedangkan, pada grafik yang menunjukan perhitungan teoritis dan merupakan
grafik paling akhir yang mendekati satu. Diketahui bahwa jika grafik yang
tedefenisi mendekati nilai satu, maka tandanya frekuensi kejadian yang ada
semakin jarang terjadi.
BAB V
KESIMPULAN DAN SARAN

Bab ini terdiri atas kesimpulan penelitian mengenai distribusi variabel

diskrit dan kontinu yang dijabarkan untuk menjawab rumusan masalah dan saran
untuk peneliti agar kedepannya dapat melaksanakan penelitian dengan lebih baik
lagi.

5.1 Kesimpulan

Berdasarkan hasil pengumpulan, pengolahan, serta analisis data dapat

ditarik kesimpulan untuk menjawab rumusan masalah sebagai berikut:

1. Berdasarkan pengolahan data proporsi jenis kelamin pengunjung

Puskesmas Pauh dapat diambil kesimpulan bahwa sebagian besar
pengunjung Puskesmas Pauh berjenis kelamin laki-laki namun dengan
perbedaan yang tidak terlu signifikan. Probabilitas pengunjung Puskesmas
Pauh berjenis kelamin perempuan adalah 0.483. Sementara probabilitas
pengunjung Puskesmas Pauh berjenis kelamin laki-laki adalah 0.517.
Tidak terdapat perbedaan yang signifikan antara probabilitas secara
empiris dan teoritis.

2. Berdasarkan pengolahan data mahasiswa yang menggunakan dan tidak

menggunakan Zoom Meeting sebagai media pembelajaran daring dengan
distribusi binomial dapat disimpulkan bahwa sebagian besar mahasiswa
menggunakan Zoom Meeting sebagai media pembelajaran daring. Hal ini
dapat dilihat dari pengolahan data bahwa probabilitas mahasiswa
menggunakan Zoom Meeting sebagai media pembelajaran daring sebesar
0,827. Sementara itu probabilitas mahasiswa tidak menggunakan Zoom
Meeting sebagai media pembelajaran daring sebesar 0,173. Perbandingan
pengolahan data distribusi probabilitas secara empiris dan teoritis tidak
menunjukkan perbedaan yang signifikan.

3. Berdasarkan pengolahan data IP mahasiswa pada semester sebelumnya

dengan menggunakan distribusi normal, dapat disimpulkan bahwa
mayoritas IP mahasiswa pada semester lalu berada pada interval kelas ke 8
secara empiris, yaitu sebesar 0.0940. Sedangkan teoritis mayoritas IP
mahasiswa berada pada interval ke 6, sebesar 0.1146. Terdapat beberapa
perbedaan perolehan data secara empiris dan teoritis, misalnya pada
mayoritas IP mahasiswa seperti yang sudah disebutkan sebelumnya.

4. Berdasarkan pengolahan data waktu antar pengunjung Puskesmas Pauh

dengan menggunakan distribusi ekponensial dapat ditarik kesimpulan
bahwa perbandingann dari perhitungan distribusi probabilitas secara
teoritis dan secara empiris memiliki perbedaan yang cukup signifikan. Hal
ini dapat terlihat dari probabilitas perhitungan empiris pada kelas pertama
yaitu sebesar 0,74, sedangkan pada perhitungan secara teoritis pada kelas
pertamanya sebesar 0,145. Namun, pada akhirnya nilai perhitungan baik
secara empiris dan teoritis memiliki distribusi probabilitas yang semakin
menurun dan mendekati nol, yang mana ditunjukkan pada grafik.

5. Berdasarkan pengolahan data waktu kedatangan pengunjung Puskesmas

Pauh menggunakan distribusi poisson dapat ditarik kesimpulan bahwa
perhitungan distribusi probabilitas secara teoritis dan secara empiris cukup
identik dan signifikan. Misalnya pada x sama dengan 2 diperoleh nilai
0,0388 sedangkan nilai teoritisnya 0.2248.
5.2.1 Saran

Berdasarkan pelitian yang telah dilakukan, maka ada beberapa hal yang
disarankan untuk dilakukan agar penelitian berjalan dengan lancar tanpa kendala
yang berarti:

1. Sebelum melakukan pengambilan data alangkah lebih baik jika peneliti

memahami materi mengenai distribusi probabilitas diskrit dan kontinu
sehingga peneliti dapat mengetahui dengan jelas apa saja data yang
diperlukan dan distribusi apa yang digunakan untuk mengolah data yang
sudah diambil tersebut.

2. Sebelum pengambilan data, alangkah lebih baik peneliti mempersiapkan

dengan matang hal-hal yang diperlukan untuk pengambilan data. Hal ini
dilakukan untuk menghindari terjadinya kendala atau hal-hal yang tidak
diinginkan selama pengambilan data berlangsung.

3. Ketika pengambilan data berlangsung, alangkah lebih baik peneliti

mencari posisi yang aman dan nyaman dalam pengambilan data sehingga
kedatangan pengunjung dapat terlihat jelas dan tidka ada satu pun data
yang terlewat. Selanjutnya peneliti harus selalu siap sedia dengan alat
bantu pengambilan data, misalnya stopwatch agar tidak ada data yang
salah tulis.
DAFTAR PUSTAKA

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

[2] Krisdiana, Ika, dkk. 2018. Statistika Matematika: Berorientasi Pembelajaran

Berbasis Riset. Madiun: Unipma Press

[3] Murni, Sri, dkk. 2018. Keandalan Struktur dan Infrastruktur. Malang: UB
Press

[4] Nugroho, Sigit. 2008. Pengantar Statistika Matematika Edisi Pertama.

Bengkulu: UNIB Press

[5] Sugiyarto. 2021. Pengantar Statistika Matematika I. Yogyakarta: Magnum

Pustaka Utama.
LAMPIRAN
LAMPIRAN A
(Data Mahasiswa Pengguna Zoom dan
IP pada Semester Lalu)
Apakah Anda menggunakan aplikasi zoom
No. IP Semester Lalu
meeting sebagai media pembelajaran jarak jauh?
1 Ya 3.82 2.05 2.73 2.57 2.38
2 Ya 3.02 3.85 3.34 3.22 2.64
3 Ya 3.79 3.34 3.02 3.97 3.23
4 Ya 2.06 3.84 2.29 2.77 3.28
5 Tidak 2.59 3.12 2.22 3.45 3.17
6 Ya 3.88 2.86 3.27 3.06 2.56
7 Tidak 2.60 2.28 2.67 3.72 3.28
8 Ya 3.35 3.26 3.12 2.06 2.76
9 Ya 3.80 3.29 3.93 2.81 2.50
10 Ya 3.32 3.53 2.70 3.36 3.30
11 Tidak 3.23 2.50 3.58 2.53 3.62
12 Ya 2.05 2.07 2.01 3.32 3.51
13 Ya 2.96 2.38 2.43 3.59 2.37
14 Ya 3.71 2.39 3.95 2.21 2.41
15 Tidak 2.55 3.92 3.50 3.56 2.34
16 Ya 2.08 2.71 2.02 3.27 2.68
17 Ya 3.82 2.59 3.63 3.66 3.57
18 Ya 2.59 2.15 2.04 2.40 3.03
19 Ya 3.47 3.56 2.86 3.93 3.74
20 Ya 2.39 3.80 3.82 3.15 3.60
21 Ya 2.05 2.94 3.62 2.38 2.16
22 Tidak 2.39 2.68 2.66 3.66 2.49
23 Ya 3.60 3.08 2.53 2.74 2.72
24 Ya 3.00 2.28 2.63 2.29 2.49
25 Ya 3.43 3.68 3.63 2.93 2.70
26 Ya 3.96 2.83 2.28 2.68 3.41
27 Tidak 3.95 3.60 3.39 3.34 3.90
28 Ya 2.74 2.44 2.30 3.95 2.10
29 Ya 3.19 3.77 3.97 2.01 3.59
30 Tidak 3.89 2.54 2.86 3.24 2.56
31 Tidak 2.83 3.56 3.22 2.24 3.45
32 Ya 3.22 2.21 3.75 2.31 3.93
33 Ya 3.53 3.42 2.52 3.28 2.68
34 Ya 2.79 2.34 2.69 3.84 3.34
35 Ya 2.42 2.02 2.93 3.42 2.16
36 Ya 2.67 3.94 3.75 2.48 3.61
37 Ya 3.80 2.84 2.86 2.44 2.66
38 Ya 2.55 3.86 2.07 2.93 3.17
39 Ya 3.11 3.04 3.69 2.33 3.88
40 Ya 2.09 2.17 3.05 2.19 2.95
41 Tidak 2.63 3.16 3.71 2.10 2.35
42 Ya 3.58 2.25 3.31 3.32 3.60
43 Ya 3.22 3.71 3.11 2.52 3.80
44 Ya 3.41 3.45 2.04 3.13 3.20
45 Ya 2.22 2.63 2.47 2.41 3.31
46 Ya 2.20 2.37 3.48 3.92 2.41
47 Tidak 3.02 3.33 3.91 2.94 2.73
48 Ya 2.10 2.69 2.96 2.64 3.24
49 Ya 2.30 2.27 2.75 3.66 2.15
50 Ya 3.17 3.37 3.79 2.09 3.67
101 Ya 2.83 2.34 2.44 2.06 3.05
102 Ya 2.70 2.31 3.55 3.31 3.61
103 Ya 2.81 3.44 2.27 2.31 3.58
104 Ya 3.61 2.98 2.54 3.73 2.81
105 Ya 3.90 3.78 3.26 2.73 3.96
106 Tidak 2.31 3.17 3.83 2.26 2.29
107 Ya 3.43 3.79 2.04 2.27 2.77
108 Tidak 2.37 3.30 3.36 3.37 3.45
109 Ya 3.90 2.39 2.62 2.21 3.42
110 Ya 2.43 2.87 2.01 3.56 3.89
111 Ya 3.27 3.07 3.53 2.62 2.89
112 Ya 3.52 2.04 2.19 2.96 2.79
113 Ya 2.39 2.80 3.47 2.10 2.35
114 Ya 2.04 2.14 3.83 3.18 3.85
115 Ya 2.80 2.60 3.64 2.97 3.24
116 Ya 3.98 3.28 3.21 3.65 3.40
117 Ya 2.70 2.90 3.65 3.36 3.40
118 Tidak 3.68 3.00 3.52 2.60 2.13
119 Tidak 2.02 3.63 3.84 2.44 2.89
120 Tidak 2.00 2.66 3.43 3.73 3.46
121 Ya 2.13 2.34 2.61 3.47 3.66
122 Ya 2.51 3.65 2.28 3.77 3.47
123 Ya 2.02 2.00 2.24 2.63 2.19
124 Ya 2.24 2.36 2.91 2.23 3.25
125 Ya 2.67 3.58 2.49 2.42 2.92
126 Ya 2.78 3.45 2.76 3.71 2.78
127 Ya 2.99 3.36 2.40 2.55 2.13
128 Ya 2.57 2.86 2.75 3.16 3.72
129 Ya 3.58 3.56 3.39 2.11 3.80
130 Tidak 2.71 2.51 3.31 2.09 3.80
131 Ya 2.57 3.26 3.07 2.56 2.82
132 Ya 2.29 2.73 2.98 2.18 3.69
133 Tidak 2.01 3.00 3.73 2.65 3.08
134 Tidak 3.78 2.00 2.51 3.99 3.98
135 Ya 3.39 3.94 2.26 3.42 2.47
136 Ya 2.08 2.81 3.31 2.55 3.25
137 Ya 3.06 3.44 3.33 2.16 2.44
138 Ya 3.63 3.79 3.42 3.22 3.74
139 Ya 3.48 2.18 3.92 3.55 2.02
140 Ya 3.55 2.03 2.86 2.16 3.92
141 Tidak 3.59 3.06 2.25 3.67 2.12
142 Tidak 2.53 3.29 2.33 2.53 3.19
143 Ya 2.58 3.80 2.55 2.45 3.09
144 Ya 2.63 3.24 3.95 2.48 3.08
145 Ya 3.13 3.34 3.02 3.67 3.59
146 Ya 2.47 2.30 3.32 3.97 2.22
147 Ya 3.88 3.52 2.03 3.42 3.99
148 Ya 2.70 2.33 3.96 3.18 3.33
149 Ya 2.02 3.66 3.16 3.75 2.68
150 Ya 3.03 3.78 3.43 3.73 3.21
151 Ya 2.29 3.56 2.00 3.62 3.81
152 Tidak 3.69 2.99 2.34 3.27 2.29
153 Ya 2.39 3.83 3.73 2.10 3.47
154 Ya 3.02 3.16 3.87 2.84 2.30
155 Tidak 2.80 3.63 2.15 2.60 3.16
156 Ya 2.97 2.35 2.93 2.64 3.36
157 Ya 3.99 3.68 2.91 2.26 2.21
158 Ya 3.96 2.14 3.80 3.90 2.32
159 Tidak 3.98 3.87 3.61 3.23 3.60
160 Ya 2.47 3.90 2.43 2.62 3.09
161 Ya 2.42 3.75 2.12 3.83 3.61
162 Ya 2.43 3.78 2.38 3.29 3.47
163 Ya 2.20 3.29 3.91 2.18 2.38
164 Ya 3.61 2.94 3.33 3.64 3.63
165 Ya 3.91 2.13 3.77 2.49 2.78
166 Ya 3.51 2.69 3.56 3.12 2.75
167 Ya 3.55 3.32 2.67 2.04 2.41
168 Tidak 2.60 2.90 2.16 2.53 3.98
169 Ya 2.04 3.54 2.32 2.15 3.20
170 Ya 2.11 3.02 3.12 2.18 2.24
171 Ya 3.24 2.89 2.44 2.05 2.30
172 Ya 3.69 3.83 3.34 3.51 2.32
173 Ya 2.73 3.64 3.44 2.61 3.98
174 Ya 2.48 2.27 2.66 2.34 3.35
175 Ya 3.22 2.80 3.96 3.57 2.16
176 Ya 2.94 3.37 3.40 3.48 3.34
177 Ya 2.74 2.80 3.20 3.33 2.70
178 Ya 2.92 3.55 2.03 3.53 2.95
179 Ya 3.88 3.78 2.16 3.35 2.08
180 Tidak 2.05 3.56 3.94 3.59 2.82
181 Ya 2.05 2.12 3.98 2.95 3.20
182 Ya 3.57 2.22 2.71 3.75 2.59
183 Ya 2.71 3.91 2.23 2.63 3.07
184 Tidak 2.78 3.72 2.14 3.81 3.18
185 Ya 3.44 2.12 2.95 3.02 2.65
186 Ya 2.66 3.60 3.80 3.44 2.83
187 Ya 3.60 3.91 3.97 3.16 3.25
188 Ya 3.63 2.75 3.12 2.28 2.59
189 Ya 3.49 2.74 3.99 3.52 3.08
190 Tidak 2.95 3.72 3.13 2.35 3.68
191 Ya 3.66 3.82 3.95 2.20 3.16
192 Ya 3.19 3.24 2.93 2.42 3.08
193 Ya 2.46 3.15 2.81 2.86 3.85
194 Ya 3.72 3.79 3.05 2.40 3.34
195 Ya 3.46 3.74 3.52 3.49 2.91
196 Ya 3.91 2.54 2.54 3.33 2.31
197 Ya 3.24 2.08 2.02 3.72 2.25
198 Tidak 2.10 2.27 3.52 2.80 2.09
199 Ya 3.27 2.17 2.25 2.46 3.08
200 Ya 2.65 3.25 3.60 2.66 2.53
201 Ya 2.74 2.92 2.16 3.43 2.63
202 Ya 3.06 3.34 3.91 2.67 3.72
203 Ya 3.41 2.34 2.87 2.42 2.12
204 Ya 3.73 2.36 2.31 3.36 3.27
205 Ya 3.98 2.62 3.21 2.42 3.29
206 Ya 3.87 3.54 2.32 3.55 3.19
207 Tidak 3.24 2.42 3.19 2.13 2.11
208 Ya 2.96 3.39 2.19 3.51 3.39
209 Ya 2.32 2.40 2.76 3.30 3.51
210 Ya 2.36 3.49 3.73 3.09 2.85
211 Tidak 2.82 3.79 3.29 3.56 3.61
212 Tidak 2.24 2.85 2.06 2.68 2.98
213 Ya 3.94 3.41 3.23 2.14 3.98
214 Ya 2.78 2.37 3.69 2.19 2.21
215 Ya 3.93 3.29 3.18 2.03 3.50
216 Ya 3.32 3.26 2.11 3.98 2.68
217 Ya 2.08 3.33 2.35 2.47 3.01
218 Tidak 2.52 2.13 3.10 3.01 3.26
219 Ya 2.26 3.78 3.41 3.77 2.63
220 Tidak 2.19 2.15 2.26 3.29 3.06
221 Ya 3.24 3.03 3.43 3.62 3.74
222 Ya 3.64 3.07 2.59 2.03 2.47
223 Ya 3.74 2.59 3.76 2.91 2.95
224 Tidak 2.77 3.25 3.68 2.78 3.53
225 Ya 2.68 3.29 3.38 3.96 2.78
226 Ya 2.32 3.75 2.11 3.54 3.50
227 Ya 2.54 2.56 2.54 3.08 3.16
228 Tidak 3.43 3.31 3.81 2.22 3.38
229 Ya 3.53 2.75 3.26 2.54 3.41
230 Ya 2.32 2.96 2.24 3.95 3.75
231 Ya 3.84 3.13 3.56 3.51 2.44
232 Ya 2.81 2.67 3.70 3.23 2.51
233 Ya 2.84 3.02 3.09 3.75 3.94
234 Ya 3.38 2.58 2.86 2.01 2.68
235 Tidak 2.99 2.01 3.30 2.89 3.31
236 Ya 2.69 3.09 3.84 2.01 2.44
237 Ya 2.83 2.05 3.93 2.56 2.18
238 Ya 2.84 3.15 3.69 3.53 3.08
239 Ya 2.01 3.07 3.50 2.87 3.25
240 Tidak 2.26 3.06 3.51 3.45 3.09
241 Ya 2.76 3.97 2.78 2.86 2.68
242 Ya 3.33 3.00 2.23 3.69 3.32
243 Tidak 3.05 3.04 3.44 2.42 3.98
244 Tidak 3.54 3.87 3.78 2.55 2.01
245 Ya 3.60 2.22 3.34 2.53 3.83
246 Ya 2.71 2.61 3.75 3.37 3.61
247 Ya 3.87 2.39 3.31 2.95 2.25
248 Ya 2.38 2.83 3.11 3.73 3.43
249 Ya 2.89 2.18 2.34 3.74 3.14
250 Ya 3.29 3.23 2.85 2.79 2.38
250 Ya 3.29 3.23 2.85 2.79 2.38
251 Ya 2.97 3.24 2.95 3.42 2.79
252 Ya 2.68 2.91 3.71 2.09 3.98
253 Ya 2.13 2.37 2.21 2.05 2.21
254 Tidak 2.45 3.40 3.09 2.72 3.83
255 Ya 3.24 3.62 3.22 3.38 3.45
256 Ya 2.33 3.10 3.65 3.23 2.34
257 Ya 3.89 2.26 2.06 2.94 3.44
258 Ya 3.56 2.23 2.39 2.68 2.63
259 Ya 3.94 2.76 2.42 3.07 3.20
260 Tidak 2.47 2.83 2.87 3.55 3.55
261 Ya 3.13 3.63 3.55 3.20 3.98
262 Ya 3.48 3.28 2.63 2.31 3.03
263 Ya 3.84 2.92 2.95 2.59 2.80
264 Ya 2.70 2.78 2.08 3.87 3.58
265 Ya 3.85 3.80 3.68 3.95 3.13
266 Ya 3.53 3.86 3.08 3.36 2.18
267 Ya 3.32 2.41 2.65 3.24 3.01
268 Ya 3.63 3.32 2.56 2.03 2.56
269 Ya 3.57 3.54 3.24 2.55 2.56
270 Tidak 2.12 3.45 2.19 2.46 2.97
271 Ya 2.20 3.24 3.96 3.09 2.18
272 Ya 3.48 2.96 2.14 3.50 2.38
273 Ya 2.77 3.88 2.63 2.35 3.69
274 Ya 3.93 2.29 3.41 2.17 2.30
275 Ya 3.20 2.08 3.48 3.86 3.92
276 Ya 2.28 2.11 3.14 3.62 3.15
277 Ya 3.79 2.80 2.04 3.42 3.38
278 Ya 3.95 3.60 3.36 2.43 3.85
279 Tidak 3.79 3.94 2.89 3.07 2.75
280 Ya 2.14 2.47 3.55 2.35 2.13
281 Ya 2.31 3.91 3.62 3.20 2.47
282 Ya 3.21 2.68 2.20 3.82 3.53
283 Tidak 2.19 3.36 3.90 2.68 2.52
284 Ya 3.22 3.25 3.39 3.43 3.63
285 Ya 3.87 2.18 2.67 2.38 2.32
286 Ya 2.39 2.21 2.60 3.02 2.49
287 Ya 2.48 2.44 2.29 2.18 3.43
288 Ya 2.02 2.77 3.40 2.62 3.47
289 Ya 2.71 2.71 3.40 2.67 3.73
290 Ya 2.31 3.08 2.83 3.56 3.96
291 Ya 2.46 2.42 3.42 3.19 2.42
292 Ya 3.40 2.50 2.05 2.91 2.62
293 Tidak 3.18 3.74 2.29 2.03 3.50
294 Ya 3.47 2.08 2.70 2.43 2.78
295 Ya 3.19 2.30 2.62 3.67 2.75
296 Ya 3.00 2.02 3.93 3.48 3.48
297 Ya 3.09 3.82 2.79 3.90 3.03
298 Ya 3.54 3.62 3.75 3.67 3.83
299 Ya 2.01 3.14 2.62 2.82 3.68
300 Ya 3.68 2.14 3.69 2.33 3.44
LAMPIRAN B
(Data Kedatangan Pengunjung
Puskesmas Pauh)
No. Waktu Kedatangan Jenis Kelamin
1 [Link] P
2 [Link] L
3 [Link] P
4 [Link] L
5 [Link] L
6 [Link] P
7 [Link] L
8 [Link] P
9 [Link] L
10 [Link] P
11 [Link] L
12 [Link] P
13 [Link] L
14 [Link] L
15 [Link] P
16 [Link] L
17 [Link] L
18 [Link] P
19 [Link] L
20 [Link] P
21 [Link] P
22 [Link] P
23 [Link] L
24 [Link] P
25 [Link] L
26 [Link] P
27 [Link] L
28 [Link] P
29 [Link] P
30 [Link] P
31 [Link] L
32 [Link] P
33 [Link] P
34 [Link] L
35 [Link] L
36 [Link] P
37 [Link] P
38 [Link] P
39 [Link] P
40 [Link] P
41 [Link] P
42 [Link] P
43 [Link] P
44 [Link] L
45 [Link] L
46 [Link] L
47 [Link] P
48 [Link] L
49 [Link] P
50 [Link] P
51 [Link] P
52 [Link] P
53 [Link] P
54 [Link] L
55 [Link] P
56 [Link] L
57 [Link] L
58 [Link] L
59 [Link] P
60 [Link] P
61 [Link] P
62 [Link] P
63 [Link] L
64 [Link] L
65 [Link] L
66 [Link] P
67 [Link] L
68 [Link] P
69 [Link] L
70 [Link] P
71 [Link] P
72 [Link] L
73 [Link] P
74 [Link] L
75 [Link] P
76 [Link] L
77 [Link] P
78 [Link] L
79 [Link] P
80 [Link] P
81 [Link] L
82 [Link] L
83 [Link] P
84 [Link] P
85 [Link] P
86 [Link] L
87 [Link] P
88 [Link] L
89 [Link] L
90 [Link] P
91 [Link] L
92 [Link] P
93 [Link] L
94 [Link] L
95 [Link] L
96 [Link] P
97 [Link] P
98 [Link] L
99 [Link] P
100 [Link] L
101 [Link] P
102 [Link] P
103 [Link] L
104 [Link] L
105 [Link] P
106 [Link] P
107 [Link] P
108 [Link] P
109 [Link] P
110 [Link] P
111 [Link] P
112 [Link] L
113 [Link] L
114 [Link] L
115 [Link] P
116 [Link] P
117 [Link] L
118 [Link] P
119 [Link] P
120 [Link] P
121 [Link] L
122 [Link] L
123 [Link] P
124 [Link] L
125 [Link] L
126 [Link] L
127 [Link] L
128 [Link] L
129 [Link] P
130 [Link] L
131 [Link] P
132 [Link] L
133 [Link] P
134 [Link] L
135 [Link] P
136 [Link] L
137 [Link] L
138 [Link] L
139 [Link] L
140 [Link] L
141 [Link] L
142 [Link] P
143 [Link] P
144 [Link] P
145 [Link] P
146 [Link] P
147 [Link] L
148 [Link] L
149 [Link] L
150 [Link] L
151 [Link] P
152 [Link] P
153 [Link] P
154 [Link] P
155 [Link] P
156 [Link] P
157 [Link] L
158 [Link] P
159 [Link] L
160 [Link] P
161 [Link] P
162 [Link] L
163 [Link] L
164 [Link] L
165 [Link] P
166 [Link] L
167 [Link] P
168 [Link] L
169 [Link] L
170 [Link] L
171 [Link] P
172 [Link] P
173 [Link] P
174 [Link] P
175 [Link] L
176 [Link] L
177 [Link] L
178 [Link] P
179 [Link] L
180 [Link] L
181 [Link] P
182 [Link] P
183 [Link] P
184 [Link] P
185 [Link] P
186 [Link] P
187 [Link] L
188 [Link] L
189 [Link] P
190 [Link] P
191 [Link] P
192 [Link] P
193 [Link] P
194 [Link] L
195 [Link] L
196 [Link] P
197 [Link] P
198 [Link] L
199 [Link] L
200 [Link] L
201 [Link] L
202 [Link] L
203 [Link] L
204 [Link] L
205 [Link] L
206 [Link] P
207 [Link] L
208 [Link] L
209 [Link] L
210 [Link] P
211 [Link] L
212 [Link] P
213 [Link] L
214 [Link] L
215 [Link] P
216 [Link] L
217 [Link] L
218 [Link] L
219 [Link] P
220 [Link] P
221 [Link] L
222 [Link] L
223 [Link] L
224 [Link] P
225 [Link] L
226 [Link] L
227 [Link] L
228 [Link] l
229 [Link] P
230 [Link] P
231 [Link] L
232 [Link] P
233 [Link] L
234 [Link] L
235 [Link] P
236 [Link] L
237 [Link] L
238 [Link] P
239 [Link] L
240 [Link] P
241 [Link] P
242 [Link] P
243 [Link] L
244 [Link] L
245 [Link] P
246 [Link] L
247 [Link] L
248 [Link] P
249 [Link] P
250 [Link] P
251 [Link] P
252 [Link] L
253 [Link] L
254 [Link] L
255 [Link] P
256 [Link] P
257 [Link] L
258 [Link] L
259 [Link] L
260 [Link] P
261 [Link] L
262 [Link] L
263 [Link] P
264 [Link] P
265 [Link] L
266 [Link] L
267 [Link] P
268 [Link] L
269 [Link] L
270 [Link] P
271 [Link] L
272 [Link] L
273 [Link] L
274 [Link] L
275 [Link] L
276 [Link] L
277 [Link] L
278 [Link] L
279 [Link] L
280 [Link] P
281 [Link] L
282 [Link] P
283 [Link] L
284 [Link] L
285 [Link] L
286 [Link] P
287 [Link] L
288 [Link] L
289 [Link] P
290 [Link] P
291 [Link] L
292 [Link] P
293 [Link] P
294 [Link] L
295 [Link] L
296 [Link] L
297 [Link] P
298 [Link] L
299 [Link] P
300 [Link] P
301 [Link] L
302 [Link] P
303 [Link] P
304 [Link] P
305 [Link] L
306 [Link] P
307 [Link] P
308 [Link] L
309 [Link] P
310 [Link] L
311 [Link] P
312 [Link] L
313 [Link] P
314 [Link] L
315 [Link] P
316 [Link] P
317 [Link] P
318 [Link] P
319 [Link] P
320 [Link] L
321 [Link] L
322 [Link] L
323 [Link] L
324 [Link] L
325 [Link] P
326 [Link] L
327 [Link] P
328 [Link] L
329 [Link] P
330 [Link] L
331 [Link] P
332 [Link] P
333 [Link] P
334 [Link] L
335 [Link] L
336 [Link] L
337 [Link] L
338 [Link] P
339 [Link] P
340 [Link] P
341 [Link] L
342 [Link] L
343 [Link] P
344 [Link] L
345 [Link] L
346 [Link] L
347 [Link] L
348 [Link] P
349 [Link] P
350 [Link] L
351 [Link] P
352 [Link] L
353 [Link] L
354 [Link] L
355 [Link] P
356 [Link] P
357 [Link] P
358 [Link] L
359 [Link] L
360 [Link] L
361 [Link] L
362 [Link] P
363 [Link] L
364 [Link] L
365 [Link] L
BIODATA PENELITI

A. Data pribadi

- Nama : Nabila Indri Yani

- Tempat Tanggal Lahir : Duri, 13 April 2002

- Alamat : Duri, Riau

- Jenis Kelamin : Perempuan

- Agama : Islam

- Pendidikan : Mahasiswa

- No. Hp : 08974271482

- Email : nabilaindriyani413@[Link]

B. Riwayat Pendidikan

2018-2014 SDS IT Mutiara Duri

2014-2017 SMPS IT Mutiara Duri

2017-2020 SMAS IT Mutiara Duri

2020-sekarang Universitas Andalas

BIODATA PENELITI

A. Data pribadi

- Nama : Anindia Okta Dewi

- Tempat Tanggal Lahir : Ujung Batu, 11 Oktober 2001

- Alamat : Ujung Batu, Riau

- Jenis Kelamin : Perempuan

- Agama : Islam

- Pendidikan : Mahasiswa

- No. Hp : 082384444395

- Email : anindiaod@[Link]

B. Riwayat Pendidikan

2017-2013 SDN 1 Ujung Batu

2013-2016 SMPN 1 Ujung Batu

2016-2019 SMAN 1 Padang Panjang

2020-sekarang Universitas Andalas