LAPORAN PRAKTIKUM STATISTIK

Diajukan untuk Melengkapi Tugas Mata Kuliah
Praktikum Statistik
Pada Program Studi Teknik Industri
Disusun Oleh :
Kelompok 5
Rudini Mulya (41610010035)
Herman Santoso Purba (41610010001)
Ibnu Malik (41610010019)
PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS MERCU BUANA
JAKARTA
2011
Diperiksa dan disetujui oleh :
Asisten Praktikum
11
BAB I
PENDAHULUAN
1.1 Latar belakang.
1.1.1 Statistik deskriptis.
Metode statistik adalah prosedur-prosedur yang digunakan dalam
pengumpulan, penyajian, analisis dan penafsiran data. Statistika deskriptif
hanya memberikan informasi mengenai data yang dipunyai dan sama sekali
tidak menarik inferensia atau kesimpulan apapun tentang gugus induknya
yang lebih besar. Contoh statistika deskriptif yang sering muncul adalah, tabel,
diagram, grafik, dan besaran-besaran lain di majalah dan koran-koran.
[
Dengan Statistika deskriptif, kumpulan data yang diperoleh akan tersaji
dengan ringkas dan rapi serta dapat memberikan informasi inti dari kumpulan
data yang ada. Informasi yang dapat diperoleh dari statistika deskriptif ini
antara lain ukuran pemusatan data, ukuran penyebaran data, serta
kecenderungan suatu gugus data.
Kita akan mengelompokkan metode-metode tersebut ke dalam dua kelompok
besar, yaitu statistika deskriptif dan inferensia statistik.
• Statistika Deskriptif adalah metode-metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus data sehingga memberikan
informasi yang berguna. Patut untuk dipahami bahwa statistika
deskriptif memberikan informasi hanya mengenai data yang dipunyai
dan sama sekali tidak menarik inferensia atau kesimpulan apapun
tentang gugus data induknya yang lebih besar.
• Inferensia Statistik adalah semua metode statistik yang berhubungan
dengan analisis sebagian data untuk kemudian sampai pada peramalan
atau penarikan kesimpulan mengenai keseluruhan gugus data
12
induknya. Generalisasi yag berhubungan dengan inferensia statistik
selalu mempunyai sifat tak pasti, karena kita mendasarkan pada
informasi parsial yang diperoleh dari sebagian data.
1.1.2 Distribusi Binomial dan Hipergeometris.
Distribusi binomial mengasumsikan bahwa probabilitas suatu kejadian
tetap atau konstan. Hal ini terjai karena digunankannya prinsip pengembalian.
Dalam kehidupan yang sesungguhnya, proses pengembalian jarang terjadi.
Misalkan dari 6 baju, pada distribusi binomial akan mengasumsikan
proababilitas setiap baju terambil adalah 1/6.
Apabila kita menggunakan prinsip tanpa pengembalian, maka probabilitas
pertama adalah 1/6. Namun pada pengambilan kedua, probabilitasnya tinggal
1/5. Hal ini terjadi karena baju yang sudah diambil tidak dikembalikan lagi.
Dengan demikian disimpulkan bahwa :
1. Tanpa pengembalian, percobaan tidak bersifat independen. Suatu percobaan
akan mempengaruhi percobaan berikutnya.
2. Nilai probabilitas setiap percobaan berbeda tidak konstan.
Pada kasus seperti di atas lebih tepat digunakan distribusi hipergeometrik.
Sebaran Hipergeometrik : bila dalam populasi N benda, k benda
diantaranya diberi label “berhasil” dan N-k benda lainnya diberi label “gagal”,
maka sebaran peluang bagi peubah acak hipergeometrik X, yang menyatakan
banyaknya keberhasilan dalam contoh acak berukuran n, adalah:
k N-k
h(x;N, n,,k) = x n-x , untuk x = 0,1,2, …, k
N
n
1.1.3 Distribusi Poisson dan Eksponetial.
13
Sebaran Poisson : banyaknya hasil percobaan yang terjadi selama suatu
selang waktu atau daerah tertentu, adalah :
е

μ
x

p(x,μ) = x! , untuk x = 1,2,…
dimana μ = rata-rata banyaknya hasil percobaan yang terjadi selama waktu atau
dalam daerah tertentu, dan е = 2,71828..
1.2 Tujuan Praktukum.
1.2.1 Statistik deskriptis.
1. Dapat menyajikan data – data statistika dalam bentuk
• Tabel Statistik.
• Grafik Statistik.
• Diribusi Frekuensi.
2. Mampu melakukan perhitungan untuk:
• Ukuran lokasi atau ukuran kecendrungan.
• Ukuran deviasi.
1.2.2 Distribusi Binomial dan Hipergeometris.
Tujuan praktikum antara lain:
1. Praktikum diharapkan mampu membedakan karakteristik distribusi
binomial dan hipergeometris.
14
2. Praktikum dharapkan mengatahui asumsi/ karakteristik dasar percobaan
binomial dan hipergeometris.
3. Praktikum diharapkan mampu melakukan pendekatan distribusi
hipergeometris dan pendekatan distribusi normal terhadap binomial.
4. Praktikum diharapkan mampu membuktikan kebenaran teori – teori dasar
pada butir 1 – 3 melalui media percobaan.
1.2.3 Distribusi Poisson dan Eksponetial.
Tujuan praktikum antara lain:
1. Mampu memahami karakteristik dari distribusi poisson dan eksponensial.
2. Mampu menganali masalah nyata dala kehidupan sehari – hari yang
berkaitan dengan distribusi poisson dan eksponensial dan mampu
menganal peranan statistic dalam memecahkan masalah tersebut.
1.3 Alat – alat yang digunakan.
Peralatan dan bahan yang digunakan selama praktikum antara lain;
1. Data pengamatan.
2. Lembar pengamatan, alat tulis dan alat hitung.
3. Table statistic untuk distribusi poisson ,dan eksponensial.
4. Koin ( 500 rupiah warna kuning sebanyak 20 , dan 500 rupiah warna perak
sebanyak 20)
5. Tempat Kion
6. Komputasi.
15
1.4 Pelaksanaan Praktikum.
Praktikum Statistik ini dimulai dari bulan November 2010 sampai dengan
bulan Januari 2011, selama kurang lebih 4 pertemuan dan bertempat di Lab.
Komputer Teknik Industri Universitas Mercu Buana gedung D.208. Selama
praktek, praktikan mempelajari tentang Statistik deskriptis (Menyajikan data – data
yang meliputi table , grafik ,dan ukuran lokasi dan deviasi ) , Distribusi binomial
dan hipergiometrik (melakukan pendekatan distribusi hipergeometris dan
pendekatan distribusi normal terhadap binomial ) , dan Distribusi poisson dan
eksponential (memahami karakteristik dari distribusi poisson dan eksponensial).
16
BAB II
LANDASAN TEORI
2.1 Statistik Deskriptif
Metode statistik adalah prosedur-prosedur yang digunakan dalam
pengumpulan, penyajian, analisis dan penafsiran data. Kita akan
mengelompokkan metode-metode tersebut ke dalam dua kelompok besar, yaitu
statistika deskriptif dan inferensia statistik.
• Statistika Deskriptif adalah metode-metode yang berkaitan
dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan
informasi yang berguna. Patut untuk dipahami bahwa statistika deskriptif
memberikan informasi hanya mengenai data yang dipunyai dan sama sekali tidak
menarik inferensia atau kesimpulan apapun tentang gugus data induknya yang
lebih besar.
• Inferensia Statistik adalah semua metode statistik yang
berhubungan dengan analisis sebagian data untuk kemudian sampai pada
peramalan atau penarikan kesimpulan mengenai keseluruhan gugus data
induknya. Generalisasi yag berhubungan dengan inferensia statistik selalu
mempunyai sifat tak pasti, karena kita mendasarkan pada informasi parsial yang
diperoleh dari sebagian data.
Populasi dan Sampel (contoh)
Dalam kita mengamati/meneliti sebuah objek maka data pengamatan
yang diambil harus dibedakan apakah mewakili seluruh populasi atau hanya
sampel/contoh. Lalu apa yang dimaksud dengan populasi dan apa pula itu
contoh? Populasi adalah keseluruhan pengamatan yang menjadi perhatian kita,
sedangkan sampel adalah himpunan bagian dari populasi.
17
DATA:
Pengertiannya adalah keterangan mengenai sesuatu / hasil pengamatan/ hasil
pengukuran.
Data adalah bentuk jamak dari datum (single/satu).
Jenis-Jenis data:
1. Data Primer : data yang diperoleh langsung dari sumbernya baik melalui
observasi/pengukuran/pengamatan langsung.
2. Data Sekunder: data yang diperoleh dari pihak ketiga/ data yg telah
dipublikasikan.
Bentuk Data:
1. Data Kuantitatif (data berupa angka-angka/numerical data hasil observasi
atau pengukuran)
2. Data Kualitatif (serangkaian observasi dimana setiap observasi tergolong
kepada salah satu kelas yang eklusif., contoh: pendapat konsumen
terhadap suatu produk adalah: sangat bagus, bagus, biasa, buruk, sangat
buruk. Opini masysrakat terhadap suatu kebijakan.
Cara Pengumpulan Data:
1. Wawancara
2. Angket/kuesioner
3. Observasi/pengamatan
4. Penelitian lab/eksperimen/percobaan
5. Studi literature
6.
MANAGING DATA
- Tujuan: menyampaikan hasil pengolahan data (informasi) dalam bentuk
yang lebih mudah dipahami
- Bentuk dari penyajian informasi ini adalah dalam bentuk Tabel atau
Grafik Statistik.
18
Tabel Statistik
Syarat tabel statistik adalah sederhana, singkat dan jelas.
Jenis-jenis Tabel:
 Tabel Referensi/Umum: Tabel yg memberikan keterangan-keterangan yg
terperinci dan disusun khusus untuk keperluan referensi.
 Tabel Ikhtisar/Naskah: Tabel yang memberikan keterangan secara
sistematis hasil penelitian.
Distribusi Frekuensi
Pengelompokan data ke dalam beberapa kelas, dan menghitung banyaknya
pengamatan yang masuk, lalu disajikan dalam bentuk tabel disebut dengan
DISTRIBUSI FREKUENSI. Tabel distribusi frekuensi membagi data dalam
jumlah besar ke dalam beberapa kelas/kelompok frekuensi.
Beberapa istilah dalam distribusi frekuensi :
1. Selang kelas ( Class Interval)
2. Batas kelas (Class limit)
3.Ukuran kelas ( Size / Width Class Interval )
Selisih antara tepi bawah kelas dan tepi atas kelas pada batas kelas
tersebut. Ukuran kelas/lebar kelas ini adalah sama untuk seluruh kelas.
4.Titik tengah kelas (midpoint / Class mark)
5. Jumlah dari batas bawah dan batas atas kelas dibagi dua.
2.2 Distribusi Binomial dan Hipergeometris
Distribusi Probabilitas Binomial : Jika suatu ulangan binom mempunyai 2
peluang p (berhasil) dan peluang q (gagal), maka distribusi probabilitas binom x adalah
banyaknya keberhasilan dalam n ulangan yang bebas adalah
n n!
b(x;n,p) = x p
x
q
n-x
atau x!(n-x)! p
x
q
n-x

19
Ciri-ciri percobaan (kejadian) binom adalah :
1. Terdiri dari n ulangan
2. Setiap percobaan menghasilkan dua kejadian:
(a) kelahiran anak: laki-laki-perempuan;
(b) transaksi saham: jual- beli,
(c) perkembangan suku bunga: naik–turun dan lain-lain.
3. Peluang berhasil dilambangkan dengan p, untuk setiap ulangan sama
tidak berbeda.
4. Probabilitas suatu kejadian untuk suskes atau gagal adalah tetap untuk
setiap kejadian. P(p), peluang sukses, P(q) peluang gagal, dan P(p) +
P(q)= 1.
5. Ulangan bersifat bebas satu sama lain.
6. Data yang dihasilkan adalah data perhitungan.
Distribusi binomial mengasumsikan bahwa probabilitas suatu kejadian tetap
atau konstan. Hal ini terjai karena digunankannya prinsip pengembalian.
Dalam kehidupan yang sesungguhnya, proses pengembalian jarang terjadi.
Misalkan dari 6 baju, pada distribusi binomial akan mengasumsikan proababilitas setiap
baju terambil adalah 1/6.
Apabila kita menggunakan prinsip tanpa pengembalian, maka probabilitas
pertama adalah 1/6. Namun pada pengambilan kedua, probabilitasnya tinggal 1/5. Hal ini
terjadi karena baju yang sudah diambil tidak dikembalikan lagi.
Dengan demikian disimpulkan bahwa :
3. Tanpa pengembalian, percobaan tidak bersifat independen. Suatu
percobaan akan mempengaruhi percobaan berikutnya.
4. Nilai probabilitas setiap percobaan berbeda tidak konstan.
20
Distribusi Binomial Kumulatif
Seringkali kita dihadapkan dengan masalah yang mengharuskan kita menghitung
P(x≥r) atau P(a<x<b). Ada kalanya perhitungan probablitas distribusi binomial lebih
mudah dilakukan dengan memakai distribusi kumulatif. Dstribusi binomial kumulatf
yang ditulis P(x≥r) dirumuskan sebagai berikut :
n
P(x≥r) = b(r,n,p) + b(r+1,n,p) + ,,,+ b(n,n,p) = ∑ b(x;n,p) =1
x=0

Dalam hal ini kita dapat menggunakan tabel A2 pada lampiran buku Walpole.
2.3 Distribusi Poisson dan Eksponensial
Distribusi Poisson adalah suatu distribusi yang digunakan untuk mengamati
jumlah kejadian-kejadian khusus yang terjadi dalam satu satuan waktu atau
ruang.
Dalam eksperimen poisson, probabilitas memperoleh dengan tepat peristiwa
X sebanyak x kejadian untuk setiap satu satuan unit (waktu atau ruang) yang
ditentukan membentuk sebuah distribusi yang fungsi probabilitasnya adalah:
Suatu distribusi poisson dapat digunakan dengan tepat dalam suatu
eksperimen poisson yang memenuhi kondis-kondisi berikut:
1. Suatu eksperimen yang meliputi pencacahan banyaknya suatu
peristiwa terjadi dalam setiap satuan unit yang ditentukan. Unit yang
ditentukan ini biasanya adalah unit waktu atau ruang.
21
2. Probabilitas peristiwa tersebut adalah sama untuk setiap satuan
unit.
3. Banyaknya peristiwa yang terjadi dalam setiap satuan unit saling
bebas terhadap banyaknya peristiwa yang terjadi pada setiap satuan
unit yang lainnya.
Random memiliki arti agak berbeda seperti yang digunakan dalam bidang
yang berbeda. Ini juga memiliki makna yang umum yang mungkin memiliki
sambungan longgar dengan beberapa dari mereka makna yang lebih pasti.
Definisikan "acak" demikian:
• Tidak memiliki tujuan tertentu atau tujuan; tidak dikirim atau
petunjuk dalam arah tertentu, dibuat, dilakukan, terjadi, dll, tanpa
metode atau pilihan sadar; sembarangan.
Pada penelitian kuantitatif Populasi dan sampel merupakan sumber utama untuk
memperoleh data yang dibutuhkan dalam mengungkapkan fenomena atau realitas
yang dijadikan fokus penelitian kita. Oleh karena itu, sebelum pada bahasan
teknik sampling pada data kuantitaf dan bagaimana cara menentukan ukuran
sampel, maka kita harus tahu terlebih dahulu mengenai:
 Populasi adalah seperangkat unit analisa lengkap yang sedang diteliti.
 Sampel adalah bagian dari populasi yang dipilih untuk dipelajari.
 Sampling adalah cara-cara atau teknik penarikan sampel dari populasi.
 Teknik Sampling pada data kuantitatif
1. Probability Sampling (Menggunakan Prinsip Random)
a. Cluster Random Sampling
Teknik ini digunakan apabila ukuran populasinya tidak diketahui dengan
pasti, sehingga tidak memungkinkan untuk dibuatkan kerangka samplingnya, dan
22
keberadaannya tersebar secara geografis atau terhimpun dalam klaster-klaster yang
berbeda-beda.
BAB III
PENGUMPULAN DATA DAN PENGOLAHAN DATA
3.1 Pengumpulan Data.
3.1.1 Statistik Deskriptif.
Data Tinggi badan dan Berat badan mahasiswa teknik industri sebanyak 100
mahasiswa.
No Nama
Usia
(tahun)
Berat
Badan( Kg )
Tinggi Badan
(cm)
1 Firmansyah 20 75 165
2 Novrian 18 57 173
3 Adizty Suparno 18 53 160
4 Dini Maulina 17 45 155
5 M Yusuf 19 63 160
6 Amalda Z. 18 68 168
7 Fortus Pake 17 62 162
8 Zamaludin 17 55 170
9 Anoy I 22 64 174
10 M Kastoniyanto 20 50 169
11 Azis M A 18 79 175
12 Ez Esmiza 18 50 170
13 Ezra Lisfiani 17 40 160
14 Fauzan Septia M 18 50 180
23
15 Yoel Octavianus 18 50 173
16 M Radityo R 17 60 175
17 Herlian Saputra 18 100 180
18 Ihsan Maulana 19 60 175
19 Nur Muhammad 18 80 173
20 Wisnu Sudaryanto 17 65 172
21 Denny Permana 18 57 172
22 Dessy Diardito M. 17 57 176
23 M Wahyu S 18 50 164
24 Bolang 16 50 175
25 Aron 18 65 175
26 Stefany S 18 69 170
27 Alifka S 18 57 172
28 Yodi 19 73 170
29 Herman Santoso 20 55 168
30 Aziz Kurniawan 19 48 169
31 Eron Yudy P 18 44 171
32 Arie Yones 18 60 170
33 Rudini Mulya 20 57 169
34 Isma 17 65 166
35 Faisal Umar N 18 65 170
36 Ikhwan H 17 54 175
37 Ryan 18 57 171
38 Novian 20 50 160
39 Ihsan 19 60 162
40 Nanda 19 53 175
41 Indra 19 55 175
42 Dhika 20 77 175
24
43 Firman 19 59 165
44 Yanuar A. 19 71 177
45 Eko 19 60 169
46 Hary 19 55 170
47 Adit 19 75 170
48 Wahyu Sujar 21 54 165
49 Martin 19 60 170
50 Fery Prabowo 20 50 176
51 Angga S 19 58 173
52 Arip Mustakim 19 59 176
53 Al Bayhaki 19 46 173
54 Ahmad Mathuri 19 45 168
55 Ade Pratama 19 57 187
56 Joko A 19 56 168
57 Dodi I 26 56 168
58 Anton Giardhi S 19 55 165
59 Kukuh W Dias 19 49 160
60 Rambu Maha Tarap 19 49 158
61 Ridwan 18 60 160
62 Dwi 19 69 166
63 Mardi 19 50 171
64 Teguh 19 53 166
65 Diaz Utami 19 45 160
66 Wiyoga 18 54 160
67 Ariel 20 54 160
68 Irfan 19 90 170
69 M Aflan 19 60 170
25
70 Rian 24 60 173
71 Silvia 20 45 156
72 Eki 20 75 177
73 Galih 21 60 175
74 Dzulhadi 20 60 175
75 Andri 23 60 173
76 Iwan 20 55 160
77 Eko 20 55 170
78 Dede 20 49 175
79 Adnan 19 58 168
80 Panji 20 55 160
81 Steven 22 48 165
82 Candra 20 55 173
83 Yovan 20 50 176
84 Ricky 20 49 167
85 Ria 20 53 155
86 Nisa 20 50 265
87 Ian 21 60 172
88 Arif 21 60 180
89 Wahyu Budi 21 68 170
90 Sona 23 50 168
91 Yosia 23 75 177
92 Seni Apriyani 21 44 156
93 Arief Zakaria 21 60 180
94 Anggi Sulistiana 20 70 175
95 Nur Fadilah 20 65 168
96 Kurniawan 22 55 167
26
97 Ismail 22 83 185
98 Rizky 22 60 173
99 Fauzan 22 55 165
100 Agus 21 60 167
3.1.2 Distribusi Binomial dan Hipergeometris.
1. Percobaan I
a. Percobaan koin kuning dan putih dengan 40x pengembalian
perbandingan 15 kuning : 10 putih.
K
n Jumlah Cacat
Total
1 2 3 4 0 1 2 3 4
1 P K P P √ 3
2 P P K K √ 2
3 P K P K √ 2
4 P K P K √ 2
5 P K K K √ 0
6 P K K P √ 2
7 P P P P √ 4
8 K K K K √ 0
9 K P K P √ 2
10 P K K K √ 1
∑ 18
27
Keterangan : K=kuning; P=putih
b. Percobaan koin kuning dan putih dengan 40x pengembalian
perbandingan 20 kuning : 10 putih.
Keterangan : K=kuning; P=putih
K
N Jumlah Cacat
Total
1 2 3 4 0 1 2 3 4
1 P K K K √ 1
2 P K P K √ 2
3 P P K K √ 2
4 P K K P √ 2
5 K K P P √ 2
6 K K P P √ 2
7 P K P K √ 1
8 P P K P √ 3
9 P K K P √ 2
10 K P K P √ 2
∑ 19
28
a. Perco
b. Percobaan koin kuning dan putih dengan 50x pengembalian
perbandingan 15 kuning : 10 putih.
Keterangan : K=kuning; P=putih
c. Percobaan koin kuning dan putih dengan 50x pengembalian
Perbandingan 20 kuning : 10 putih.
Keterangan : K=kuning; P=putih
K
N Jumlah Cacat
Total
1 2 3 4 5 0 1 2 3 4 5
1 P K K P K √ 2
2 K K K K P √ 1
3 P K K P K √ 2
4 K P K P P √ 3
5 K K K P P √ 2
6 K P K P P √ 3
7 K P P K P √ 3
8 P P K P K √ 3
9 P K P P K √ 3
10 P K P K P √ 3
∑ 25
29
2. Percobaan 3 (Tanpa pengembalian )
Percobaan koin kuning dan putih dengan 20x pengembalian
Perbandingan 15 kuning : 10 putih.
Keterangan : K=kuning; P=putih
3.2Pengolahan Data.
3.2.1 Statistik Deskriptif.
K
N Jumlah cacat
Total
1 2 3 4 5 0 1 2 3 4 5
1 P K P P K √ 3
2 K P K K K √ 1
3 P P P P K √ 4
4 K K K P K √ 1
5 P P P K K √ 3
6 P P P K K √ 3
7 K K P P P √ 3
8 K K K K P √ 1
9 P P K K P √ 3
10 P K K K P √
2
∑ 24
1 2 3 4 5 6 7 8 9 10
K P K P K P K K P K
K K P K K K P K P K
30
a. Perhitungan Distribusi Frekuensi dari Berat Badan Mahasiswa
Range (R) =Xmax – Xmin = 100 – 40
= 60
Jumlah data (n) = 100
Langkah pembuatan :
1. Jumlah kelas
a. (k) = 1 +3.3 log n
k = 1+3,3 log 100
= 7
2. Panjang kelas interval c =
7
60
·
k
R
= 8.571 ≈ 9
3. Batas selang kelas bawah= 40 (data yang terkecil)
4. Batas kelas bawah = 40 – 0,5 = 39,5
5. Batas kelas atas = 39,5 + 7 = 48.5
6. Batas selang kelas atas = 48,5 + 0,5 = 49
Tabel Berat Badan Mahasiswa/i Tenik Industri
31
NO
SELANG
KELAS
BATAS KELAS
TITIK
TENGAH
FREKUENSI
1 40 – 48 39.5 – 48.5 44 10
2 49 – 57 48.5 – 57.5 53 44
3 58 – 66 57.5 – 66.5 62 29
4 67 – 75 66.5 – 75.5 71 11
5 76 – 84 75.5 – 84.5 80 4
6 85 – 93 84.5 – 93.5 89 1
7 94 – 102 93.5 – 102.5 98 1
JUMLAH 497 100
7. mean, median, modus, AMK, MAS, varians, simpangan baku, quartile (Q1, Q3), desil (D1,
D3, D5, D7, D9), persentil (P1, P25, P50, P75, P99)
MEAN =
n
f x
x
i i
.
·
=
100
5858
= 58,58
MEDIAN =
1
]
1

¸

+ · xh
f
C n
l X
2 /
= 170,5
MODUS =
1
]
1

¸

− −

+ 5
20 25 30 2
25 30
5 . 169 x
x
= 171,17
AMK =

n
x
2
1
=
100
1204
2
= 120,4
MAS =
n
x x


1
32
=
100
30 , 170 1204 −
= 10,34
VARIANS = S
2
=


100
x x fi
i
= 98,46
SIMPANGAN BAKU = S =


100
. x x fi
i
= 9,92
Q1 =
1
1
]
1

¸


+ · xh
f
C
n
l X
4
=
1
]
1

¸

+ 5
25
19 4 / 100
5 . 164 x = 165,7
Q3 =
1
1
1
]
1

¸


+ · xh
f
C n
l X
4
3
=
1
]
1

¸

+ 5
20
74 75
5 . 169 x = 169,75
DESIL : D1 =
1
1
1
]
1

¸


+ · xh
f
C n
l X
4
3
33
=
1
]
1

¸

+ 5
14
5 10
5 . 159 x = 161,29
D3 =
1
1
]
1

¸


+ xh
f
C
n
l
10
3
=
1
]
1

¸

+ 5
25
19 30
5 . 164 x = 166,7
D5 =
1
1
]
1

¸


+ xh
f
C
n
l
10
5
=
1
]
1

¸

+ 5
30
44 50
5 . 169 x = 170.5
D7 =
1
1
]
1

¸


+ xh
f
C
n
l
10
7
=
1
]
1

¸

+ 5
30
44 70
5 . 169 x
= 173.83
D9 =
1
1
]
1

¸


+ xh
f
C
n
l
10
9
=
1
]
1

¸

+ 5
20
74 90
5 . 174 x = 178.5

34
PERSENTIL : P1 =
1
1
]
1

¸


+ xh
f
C
n
l
100
1
=
1
]
1

¸

+ 5
5
0 1
5 . 154 x = 155.5
P25 =
1
1
]
1

¸


+ xh
f
C
n
l
100
25
=
1
]
1

¸

+ 5
25
19 25
5 . 164 x = 165.7
P50 =
1
1
]
1

¸


+ xh
f
C
n
l
100
50
=
1
]
1

¸

+ 5
30
44 50
5 . 169 x = 170.5
P75 =
1
1
]
1

¸


+ xh
f
C
n
l
100
75
=
1
]
1

¸

+ 5
20
74 75
5 . 174 x = 174.75
P99 =
1
1
]
1

¸


+ xh
f
C
n
l
100
99
=
1
]
1

¸

+ 5
2
98 99
5 . 184 x = 187
b. Perhitungan Distribusi Frekuensi dari Tinggi Badan Mahasiswa
35
Range (R) = Xmax – Xmin = 187-155
= 32
Jumlah data (n) = 100
Langkah pembuatan :
1. Jumlah kelas
a. (k) = 1 +3.3 log n
k = 1+3,3 log 100
= 7
2. Panjang kelas interval c =
7
60
·
k
R
= 4,57 ≈ 5
3. Batas selang kelas bawah = 155 (data yang terkecil)
4. Batas kelas bawah = 155 – 0,5 = 154,5
5. Batas kelas atas = 154,5 + 7 = 159,5
6. Batas selang kelas atas = 159,5 - 0,5 = 159
7. mean, median, modus, AMK, MAS, varians, simpangan baku, quartile (Q1, Q3), desil (D1,
D3, D5, D7, D9), persentil (P1, P25, P50, P75, P99)
Tabel Tinggi Badan Mahasiswa/i Tenik Industri
NO SELANG
KELAS
BATAS KELAS TITIK
TENGAH
FREKUENSI
1 155 – 159 154.5 – 159.5 157 5
36
2 160 – 164 159.5 – 164.5 162 14
3 165 – 169 164.5 – 169.5 167 25
4 170 – 174 169.5 – 174.5 172 30
5 175 – 179 174.5 – 179.5 177 20
6 180 – 184 179.5 – 184.5 182 4
7 185 – 189 184.5 – 189.5 187 2
JUMLAH 1204 100
MEAN =
n
f x
x
i i
.
·
=
100
17030
= 170,30
MEDIAN =
1
]
1

¸

+ · xh
f
C n
l X
2 /
=
1
]
1

¸

+ 5
30
44 2 / 100
5 . 169 x = 170,5
MODUS =
1
1
]
1

¸

− −

+ ·
f
f fp fm
fp fm
l X
2
=
1
]
1

¸

− −

+ 5
20 25 30 2
25 30
5 . 169 x
x

= 171,17
AMK =

n
x
2
1
=
100
1204
2
= 120,4
MAS =
n
x x


1
=
100
30 , 170 1204 −
= 10,34
37
VARIANS = S
2
=


100
x x fi
i
= 11,9
SIMPANGAN BAKU = S =


100
. x x fi
i
= 3,45
Q1 =
1
1
]
1

¸


+ · xh
f
C
n
l X
4
=
1
]
1

¸

+ 5
25
19 4 / 100
5 . 164 x
= 165,7
Q3 =
1
1
1
]
1

¸


+ · xh
f
C n
l X
4
3
=
1
]
1

¸

+ 5
20
74 75
5 . 169 x
= 169,75
DESIL : D1 =
1
1
1
]
1

¸


+ · xh
f
C n
l X
4
3
=
1
]
1

¸

+ 5
14
5 10
5 . 159 x = 161,29
D3 =
1
1
]
1

¸


+ xh
f
C
n
l
10
3
=
1
]
1

¸

+ 5
25
19 30
5 . 164 x = 166,7
38
D5 =
1
1
]
1

¸


+ xh
f
C
n
l
10
5
=
1
]
1

¸

+ 5
30
44 50
5 . 169 x
= 170.5
D7 =
1
1
]
1

¸


+ xh
f
C
n
l
10
7
=
1
]
1

¸

+ 5
30
44 70
5 . 169 x
= 173.83
D9 =
1
1
]
1

¸


+ xh
f
C
n
l
10
9
=
1
]
1

¸

+ 5
20
74 90
5 . 174 x
= 178.5
PERSENTIL : P1 =
1
1
]
1

¸


+ xh
f
C
n
l
100
1
=
1
]
1

¸

+ 5
5
0 1
5 . 154 x
= 155.5
P25 =
1
1
]
1

¸


+ xh
f
C
n
l
100
25
=
1
]
1

¸

+ 5
25
19 25
5 . 164 x
= 165.
39
P50 =
1
1
]
1

¸


+ xh
f
C
n
l
100
50
=
1
]
1

¸

+ 5
30
44 50
5 . 169 x
= 170.5
P75 =
1
1
]
1

¸


+ xh
f
C
n
l
100
75
=
1
]
1

¸

+ 5
20
74 75
5 . 174 x
= 174.75
P99 =
1
1
]
1

¸


+ xh
f
C
n
l
100
99
=
1
]
1

¸

+ 5
2
98 99
5 . 184 x
= 187
3.2.2 Distribusi Binomial dan Hipergeometris.
Soal:
Percobaan I
1. Hitung :
roup JumlahSubG
TotalCacat
· µ
engambilan BanyaknyaP
TotalCacat
P ·
40
roup JumlahSubG
n
x P
.
) (
µ
·
2. Buatlah kesimpulan dari percobaan tersebut?
3. Tentukan peluang terambilnya masing-masing koin pada tiap percobaan?
Percobaan II
1. Terntukan terambilnya 3 koin kuning berturut-turut
2. Terntukan terambilnya 4 koin pitih berturut-turut
Jawaban :
Percobaan I
1.
roup JumlahSubG
TotalCacat
· µ =
10
18
= 1,8
engambilan BanyaknyaP
TotalCacat
P ·
=
40
18
= 0,45
roup JumlahSubG
n
x P
.
) (
µ
·
=
10
4 8 , 1 x
= 0,72
Dik : ns = 25, np = 18, nk = 22
Dit: P(k)..? P(p)..?
Jawab : P(p) =
ns
nk
=
25
18
= 0,72
P(k) =
ns
np
=
25
22
= 0,88
2.
roup JumlahSubG
TotalCacat
· µ =
10
19
= 1,9
41
engambilan BanyaknyaP
TotalCacat
P ·
=
40
19
= 0,475
roup JumlahSubG
n
x P
.
) (
µ
·
=
10
4 9 , 1 x
= 0,76
Dik : ns = 25, np = 19, nk = 21
Dit: P(k)..? P(p)..?
Jawab : P(p) =
ns
nk
=
25
19
= 0,76
P(k) =
ns
np
=
25
21
= 0,84
3.
roup JumlahSubG
TotalCacat
· µ =
10
25
= 2,5
engambilan BanyaknyaP
TotalCacat
P ·
=
50
25
= 0,5
roup JumlahSubG
n
x P
.
) (
µ
·
=
10
5 5 , 2 x
= 1,25
Dik : ns = 30,np = 25, nk = 25
Dit: P(k)..? P(p)..?
Jawab : P(p) =
ns
nk
=
30
25
= 0,83
P(k) =
ns
np
=
30
25
= 0,83
4.
roup JumlahSubG
TotalCacat
· µ =
10
24
= 2,4
42
engambilan BanyaknyaP
TotalCacat
P ·
=
50
24
= 0,48
roup JumlahSubG
n
x P
.
) (
µ
·
=
10
5 4 , 2 x
= 1,2
Dik : ns = 30,np = 24, nk = 26
Dit: P(k)..? P(p)..?
Jawab : P(p) =
ns
nk
=
30
24
= 0,8
P(k) =
ns
np
=
30
26
= 0,87
5. Dik : ns = 25, np = 12, nk = 8
Dit: P(k)..? P(p)..?
Jawab : P(k) =
ns
nk
=
25
12
= 0,48
P(p) =
ns
np
=
25
8
= 0,32
Kesmpulan : pada percobaan tersebut diketahui bahwa ini termasuk percobaan binomial,
karena hanya terdapat cacat
Percobaan II
1. P(k1) =
ns
nk
=
25
15
= 0,6
P(k2) =
ns
nk
=
24
14
= 0,58
P(k3) =
ns
nk
=
23
13
= 0,56
∑ = P(k1) x P(k2) x P(k3)
= 0,6 x 0,58 x 0,56
43
= 0,19488
44
BAB IV
PEMBAHASAN DAN ANALISA DATA
4.1 Statistik deskriptis.
TUGAS PENDAHULUAN 1
1. Apa yang dimaksud dengan : variable, parameter, dan kostanta ?
2. Jelaskan skala nominal, ordinal, interval, dan rasio, dan berikan
contohnya masing-masing.
3. Jelaskan arti statistika deskriptif dan interensia statistic. Berikan
contohnya masing-masing 2 (Dua) buah.
4. Buktikan rumus:
Kapan rumus diatas dipergunakan?
5. (a) Berapa nilai rata-rata seorang mahasiswa mendapat nilai 86,75, dan
80 pada tiga kali kuis dan 78 pada ujian akhir, bila ujian akhir dianggap tiga
kali lebih penting dari masing-masing kuis tersebut ?
6. (a) Hitung nilai geometric bagi 1,4 , dan 128.
(b) Pada 1 januari jumlah tabungan si A di Bank mencapai $1000, bila
selama tahun ini jumlah tersebut tidak ditambah dan tidak dikurangi, sedang
bunga majemuk yang diterima adalah 5% perbulan, hitunglah jumlah rata-
rata uang yang ada di Bank selama 6 bulan pertama. (Gunakan logarima).
7. Bilangan-bilangan berikut adalah menyatakan hasil ujian statistic industry :
Kelompok 5 Laporan Bab 1 – Statistik Industri
45
23, 60, 79, 32, 57, 74, 52, 70, 82, 36, 80, 77, 81, 80, 95, 41, 65, 92, 85, 55,
67, 81, 80, 98, 25, 78, 75, 64, 52, 10, 41, 71, 54, 83, 64, 72, 88, 62, 74, 43,
60, 89, 78, 76, 84, 48, 84, 90, 15, 79, 34, 17, 82, 67, 69, 80, 74, 63, 61, 85.
Dengan menggunkan 9 selang dan dengan nilai terendah 10 maka:
(a) Buatlah sebaran frekuensinya
(b) Cari nilai median, modus, mean, Q
1
, Q
3
, Q
7
, dan Q
9
.
Jawab
1. Variabel Sebuah symbol atau konsep yang dapat
mengansumsikan salah satu set nilai
Parameter Niali yang mengikuti sebagai acuan. Keterangan atau
informasi yang dapat menjelaskan batas-batas atau bagian-
bagian tertentu dari suatu sistem.
Notasi Parameter Populasi dan Statistik Sampel
Konstanta adalah nilai yang tidak akan berubah sepanjang
aplikasi, biasanya konstanta digunakan untuk meberi nilai tetap
pada perhitungannya. Konstanta sering disebut dengan literal.
2. Empat tingkat Skala atau pengukuran berikut karakteristiknya:
Kelompok 5 Laporan Bab 1 – Statistik Industri
46
(a) Nominal : Tidak ada urutan, urutan tidak menunjukkan tingkatan
(rangking)
Tidak ada titik awal
Tidak ada perbedaan
Misalnya : Apa warna favorit anda :
1. Ungu 2. Abu-abu
3. Coklat 4. Putih
(b) Ordinal : Ada urutan. urutan menunjukkan tingkatan
(rangking)
Tidak ada titik awal
Tidak ada perbedaan
Misalnya : Bagaimana prestasi belajar anda semester lalu?
1. Sangat Baik 2. Baik
3. Sedang-sedang saja 4. Buruk 5. Sangat Buruk
Skala Nominal dan Ordinal digunakan berkaitan dengan data
kategorik/kualitatif.
(a) Interval: Ada Urutan
Ada Perbedaan
Tidak ada titik awal
Misalnya:
• Temperatur atau suhu : 0°C bukan berarti tidak mempunyai suhu.
• Tangga Nada
• IQ
(b) Rasio : Ada Urutan
Ada Perbedaan
Ada titik awal
Kelompok 5 Laporan Bab 1 – Statistik Industri
47
Misalnya:
• Pendapatan (Rp. 135 245,23 per bulan): Pendapatan Rp. 0 berarti tidak
ada (bandingkan dengan 0
o
C pada suhu)
Skala Interval dan Rasio digunakan berkaitan dengan data
numerik/kuantitatif.
3. Dua jenis Metode Statistika (Statistics):
a. Statistika Deskriptif (Descriptive Statistics)
Serangkaian teknik yang meliputi metode pengumpulan, peringkasan dan
penyajian data
Descriptive : bersifat memberi gambaran
Contoh Masalah Statistika Deskriptif :
1. Tabulasi Data
2. Diagram balok
3. Diagram Kue Pie
4. Grafik perkembangan harga dari tahun ke tahun
b. Statistika Inferensia : Statistika Induktif (Inferential Statistics)
Serangkaian teknik yang digunakan untuk metode analisis, peramalan,
pendugaan dan penarikan kesimpulan
Inferential : bersifat melakukan generalisasi (penarikan kesimpulan).
Contoh Masalah Statistika Inferensia :
1. Pendugaan Parameter
2. Pengujian Hipotesis
3. Peramalan dengan Regresi/Korelasiiagram Balok.
4. Rumus Standar Deviasi Sampel.
Kelompok 5 Laporan Bab 1 – Statistik Industri
48
Dengan ket:
S = Deviasi standar dari sempel
n = Banyaknya data x dalam suatu sempel
x
1
= Nilai dari data (variable x)
Bila data yang dianalisis adalah data sample serta tidak dikelompokkan.
5.
Jadi nilai rata – rata mahasiswa = 79,167
= 79 (dibulatkan ke bawah)
6. a. Diket : n = 3 (1,4,dan 128)
Ditan G = ……..?
Jawab:


G = 8
b. Jawab:
Kelompok 5 Laporan Bab 1 – Statistik Industri
49
Bulan Perhitungaan (bunga 5% / bln) Hasil(Rp)
1 1000.00 (data awal) 1000.00
2 1000.00 + (1000.00 x 5%) 1050.00
3 1050.00 + (1050.00 x 5%) 1102.50
4 1102.50 + (1102.50 x 5%) 1157.63
5 1157.63 + (1157.63 x 5%) 1215.51
6 1215.51 + (1215.51 x 5%) 1276.28
Jumlah 6801.92
Jadi rata-rata data adalah:
Rata-rata = Rp 1133.65
7.
a. Frekuensi
R = Xmax – Xmin n = 60
= 98 – 10 = 88 K = 9
c = 10
DATA
Kelompok 5 Laporan Bab 1 – Statistik Industri
50
TABLE FREKUENSI:
b. Mean, median, modus, Q1, Q3, D7, dan D9?
1.
Kelompok 5 Laporan Bab 1 – Statistik Industri
10 43 62 72 79 84
15 48 63 74 80 84
17 52 64 74 80 85
23 52 64 74 80 85
25 54 65 75 80 88
32 55 67 76 81 89
34 57 67 77 81 90
36 60 69 78 82 92
41 60 70 78 82 95
41 61 71 79 83 98
No
Selang
kelas
batas kelas titik tengah f fk
x f
1 10 - 19 9.5 -19.5 14.5 3 3 43.50
2 20 - 29 19.5 - 29.5 24.5 2 5 49.00
3 30 - 39 29.5 - 39.5 34.5 3 8 103.50
4 40 - 49 39.5 - 49.5 44.5 4 12 178.00
5 50 - 59 49.5 - 59.5 54.5 5 17 272.50
6 60 - 69 59.5 - 69.5 64.5 11 28 709.50
7 70 - 79 69.5 - 79.5 74.5 13 41 968.50
8 80 - 89 79.5 - 89.5 84.5 15 56 1267.50
9 90 - 99 89.5 - 99.5 94.5 4 60 378.00
∑ 490.5 60 3970
51

Mean = 66.17
1.
Median = 71.04
2.
Modus = 81.04
3.
Q 1 = 55.5
4.
Q 3 = 82.17
5.
Kelompok 5 Laporan Bab 1 – Statistik Industri
52
D 7 = 80.17
6.
D 9 = 88.17
4.2 Distribusi Binomial dan Hipergeometris.
TUGAS PENDAHULUAN 2
1. Apa parameter-parameter distribusi binomial dan distribusi
hipergeometris? Jelaskan?
5. Apa yang dimaksud dengan distribusi normal dan sebutkan parameter-
parameternya dan gambarkan grafik distribusi normal?
7. Sebuah kotak berisi 60 buah disket dimana 6 buah disket yang rusak.
Bila secara acak memilih 4 buah disket difari kotak tersebut, berapa peluang
mendapatkan 0, 1, 2, 3, 4 buah disket yang rusak?
8. Si dan Po berjanji untuk bertemu di Lab. Si, Po antara pukul 9 dan 10
dengan masing-masing menunggu selama 15 menit jika yang lain belum datang.
Berapa peluang keduanya akan bertemu?
9. Bila kemungkinan seorang anak itu laki-laki atau perempuan adalah
sama (1/2). Berapa kemungkinan:
a. Sebuah keluarga beranak 5, semuanya laki-laki?
Kelompok 5 Laporan Bab 1 – Statistik Industri
53
b. Sebuah keluarga beranak 6, 3 laki-laki dan 3 perempuan?
Jawab:
1. Distribusi Binomial merupakan banyaknya X (peubah acak) yang
sukses dalam n usaha Bernoulli disebut Peubah Acak Binomial. Distribusi
peluang peubah acak diskrit ini disebut Distribusi Binomial yang dinotasikan
dengan b(x;n,p) atau b(n,p), karena nilainya tergantung pada banyaknya
percobaan (n) dan peluang sukses dalam suatu usaha (p).
Parameter Distribusi Binomial
Peubah acak X disebut berdistribusi Binomial jika dan hanya jika
P(X = x) = f(x) = p x p n x
untuk x = 0, 1, 2, ∫ ,n dan 0 ≤ p ≤ 1.
Distribusi Hipergiometrik adalah suatu variable acak X mnayatakan jumlah X
sukses dalam suatu sempel berukuran n yang dipilih secara acak dari populasi
berukuran N yang memiliki M sukses dan N – M gagal.
Parameter Distribusi Geometrik yaitu Suatu sempelberukuran n (anggotanya terdiri
dari n objek) dipilih dari s populasi tanpa pergantian dimana setiap himpunan bagian
beranggota n yang dapat dibentuk dari populasi memiliki kesempatan yang sama
untuk terpilih menjadi sampel.
X = 0, 1, 2, 3 . . . . . . . , n
N
1
= Sub populasi “gagal”
N
2
= sub populasi “sukses”
Kelompok 5 Laporan Bab 1 – Statistik Industri
54
n
N
C
x n
N
C
x
N
C
x p

,
_

¸
¸

,
_

¸
¸
·
2 1
) (
N = populasi = N
1
+ N
2

n = jumlah pengambilan dari populasi
X = jumlah timbulnya gejala “sukses” dr populasi
C = rumus kombinasi.
5. Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas
yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi
normal baku adalah distribusi normal yang memiliki rata-rata nol dan
simpangan baku satu. Distribusi ini juga dijuluki kurva lonceng (bell curve)
karena grafik fungsi kepekatan probabilitasnya mirip dengan bentuk lonceng.
Distribusi normal memodelkan fenomena kuantitatif pada ilmu alam maupun
ilmu sosial. Beragam skor pengujian psikologi dan fenomena fisika seperti
jumlah foton dapat dihitung melalui pendekatan dengan mengikuti distribusi
normal. Distribusi normal banyak digunakan dalam berbagai bidang statistika,
misalnya distribusi sampling rata-rata akan mendekati normal, meski distribusi
populasi yang diambil tidak berdistribusi normal. Distribusi normal juga banyak
digunakan dalam berbagai distribusi dalam statistika, dan kebanyakan pengujian
hipotesis mengasumsikan normalitas suatu data.
tiga parameter distribusi normal (jumlah percobaan, kemungkinan
keberhasilan, dan jumlah shift) yang dipilih untuk pertandingan pertama tiga
saat-saat dua distribusi.
• Distribusi Normal dengan parameter μ dan σ jika memiliki probabilitas
fungsi kepadatan
GRAFIK:
Kelompok 5 Laporan Bab 1 – Statistik Industri
55
7.Diket = N : 60 n : 4 M : 60 – 6 = 54
Ditan = x :0, 1, 2, 3, 4 rusak……………?
Jawab =
8. jawab:
Diket =Si & Po ketemuan antara 9 – 10 --data ada 2 Si & Po
Menunggu 15 menit tidak ketemu
Dit = peluang ketemu ;……………. ?
Jawab: = 9 – 10 ---- 1 jam (4 x 15)
Jadi peluang ketemu adalah
Kelompok 5 Laporan Bab 1 – Statistik Industri
56
9.jawab
Diket : (p)laki-laki =1/2
(q)Perempuan = ½
Ditan :a. 1keluarga anak 5(n = 5), semua laki(p (1 ?
b. 1keluarga anak 6 (n = 6), 3 laki & 3 perempuan (p (tepat 3 laki2 &3perempuan /
P (x = 3 laki2)?
Jawab : a. P (x, 5, 0.5) = -
= 1 – 0.9683
= 0.03281
b. P (x, 6, 0.5) =
= 0.8125 (Tabel)
Kelompok 5 Laporan Bab 1 – Statistik Industri
57
4.3 Distribusi Poisson dan Eksponetial.
TUGAS PENDAHULUAN 3
5. Dalam sebuah kota, 15% dari seluruh pengemudi mobil paling sedikit satu lembar tiket
parkir dalam satu tahun. Gunakan pendekatan poisson terhadap distribusi binomial
untuk menentukan bahwa dari 80 pengemudi :
a) 8 pengemudi akan menerima paling sedikit akan menerima satu lembar
tiket parkir selama setahun berikutnya.
b) paling sedikit 4 pengemudi akan menerima paling sedikit 2 lembar tiket
parkir selama tahun berikutnya.
6. Jika rata-rata kedatangan truk di suatu gudang adalah 10 buah per jam. Tentukan
probabilitas dimana waktu antara kedatangan paling kecil adalah 30 menit.
9. apakah yang dimaksut bilangan random ? bagaimana cara menentukanya!
Jawab
5. Diket : n =80 P 1 = = 15% 0,15 (untuk mobil 1 lembar tiket selama
setahun)
P 2 = = 7.5% 0,075 (untuk mobil 2 lembar tiket selama setahun)
Ditan : a. P (x < 8) untuk 1 lembar tiket/thn?
b. P (x <4 )untuk 2 lembar tiket/thn?
Jawab:
a. P ( x< 8) = 0.15)
= )
Kelompok 5 Laporan Bab 1 – Statistik Industri
58
= 0,0895 (table)
b. P ( x< 4) = 0.075)
= )
= 0,1512 (table)
6. Diket : = 10  1 jam ( 60 manit) = 10 buah
Ditan : P (x < 5( dari 30 menit = 5 buah ½ dari 1 jam)?
Jawab : P ( x< 5) = )
= 0,0293 (table
9. Bilangan rendam memiliki arti agak berbeda seperti yang digunakan dalam bidang
yang berbeda. Ini juga memiliki makna yang umum yang mungkin memiliki
sambungan longgar dengan beberapa dari mereka makna yang lebih pasti.defenisi
lain:
• Tidak memiliki tujuan tertentu atau tujuan; tidak dikirim atau petunjuk dalam
arah tertentu, dibuat, dilakukan, terjadi, dll, tanpa metode atau pilihan sadar;
sembarangan.
Cara menentukanya:
Random Sederhana ini ada beberapa syarat yang harus dipenuhi, antara lain
1. Harus tersedia kerangka sampling atau memungkinkan untuk dibuatkan kerangka
samplingnya (dalam kerangka sampling tidak boleh ada unsur sampel yang
dihitung dua kali atau lebih).
2. Sifat populasinya harus homogen, jika tidak, kemungkinan akan terjadi bias.
3. Ukuran populasinya tidak tak terbatas, artinya harus pasti berapa ukuran
populasinya.
4. Keadaan populasinya tidak terlalu tersebar secara geografis.
Kelompok 5 Laporan Bab 1 – Statistik Industri
59
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
5.1.1 Statistik Deskriptif
Statistik deskriptif adalah bagian dari statistika yang mempelajari cara
pengumpulan data dan penyajian data sehingga mudah dipahami. Statistika
deskriptif hanya berhubungan dengan hal menguraikan atau memberikan
keterangan-keterangan mengenai suatu data atau keadaan. Statistika
deskriptif juga merupakan metode-metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus data sehingga memberikan
informasi yang berguna. Pengklasifikasian menjadi statistika deskriptif dan
statistika inferensia dilakukan berdasarkan aktivitas yang dilakukan.
Dengan Statistika deskriptif, kumpulan data yang diperoleh akan tersaji
dengan ringkas dan rapi serta dapat memberikan informasi inti dari
kumpulan data yang ada. Informasi yang dapat diperoleh dari statistika
deskriptif ini antara lain ukuran pemusatan data, ukuran penyebaran data,
serta kecenderungan suatu gugus data.
Didasarkan pada ruang lingkup bahasannya statistik deskriptif mencakup :
Distribusi frekuensi beserta bagian-bagiannya seperti :
a. Grafik distibusi (histogram, poligon frekuensi, dan ogif);
b. Ukuran nilai pusat (rata-rata, median, modus, kuartil dan sebagainya);
c. Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan
baku, dan sebagianya).
Kelompok 5 Laporan Bab 1 – Statistik Industri
60
Dalam statistika deskriptif belum dilakukan analisis sehingga kesimpulan
yang dapat ditarik sangat terbatas, yaitu hanya terbatas pada nilai pemusatan
dan penyebaran saja. Sedangkan statistika inferensia disebut juga statistika
induktif karena dapat menganalisis dan mengambil kesimpulan dengan
metode tertentu tentang suatu fenomena berdasarkan sampel. Fase statistika
dimana hanya berusaha melukiskan atau menganalisa kelompok yang
diberikan tanpa membuat atau menarik kesimpulan tentang populasi atau
kelompok yang lebih besar dinamakan statistika deskriptif.
Analisis deskriptif adalah merupakan bentuk analisis data penelitian untuk
menguji generalisasi hasil penelitian berdasarkan satu sampel. Analisa
deskriptif ini dilakukan dengan pengujian hipotesis deskriptif. Hasil
analisisnya adalah apakah hipotesis penelitian dapat digeneralisasikan atau
tidak.
5.1.2 Distribusi Binomial dan Hipergeometris
Distribusi Probabilitas Binom adalah jika suatu ulangan binom mempunyai 2
peluang p (berhasil) dan peluang q (gagal), maka distribusi probabilitas binom x
adalah banyaknya keberhasilan dalam n ulangan yang bebas.
Ciri-ciri percobaan (kejadian) binom adalah :
7. Terdiri dari n ulangan
8. Setiap percobaan menghasilkan dua kejadian:
(a) kelahiran anak: laki-laki - perempuan;
(b) transaksi saham: jual - beli,
(c) perkembangan suku bunga: naik – turun dan lain-lain.
Kelompok 5 Laporan Bab 1 – Statistik Industri
61
9. Peluang berhasil dilambangkan dengan p, untuk setiap ulangan sama
tidak berbeda.
10. Probabilitas suatu kejadian untuk suskes atau gagal adalah tetap
untuk setiap kejadian. P(p), peluang sukses, P(q) peluang gagal, dan P(p)
+ P(q) = 1.
11. Ulangan bersifat bebas satu sama lain.
12. Data yang dihasilkan adalah data perhitungan.
Distribusi Hipergeometrik harus 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 M buah sukses dalam populasi, jadi p = M/N
3. Suatu sampel berukuran n (anggotanya terdiri dari n objek) dipilih dari s
populasi tanpa pergantian di mana setiap himpunan bagian beranggota n
yang dapat dibentuk dari populasi memiliki kesempatan yang sama untuk
terpilih menjadi sampel.
5.1.3 Distribusi Poisson dan Eksponensial
Distribusi Poisson adalah suatu distribusi yang digunakan untuk mengamati
jumlah kejadian-kejadian khusus yang terjadi dalam satu satuan waktu atau
ruang.
Dalam eksperimen poisson, probabilitas memperoleh dengan tepat peristiwa X
sebanyak x kejadian untuk setiap satu satuan unit (waktu atau ruang) yang
ditentukan membentuk sebuah distribusi yang fungsi probabilitasnya adalah:
Suatu distribusi poisson dapat digunakan dengan tepat dalam suatu eksperimen
poisson yang memenuhi kondis-kondisi berikut:
Kelompok 5 Laporan Bab 1 – Statistik Industri
62
4. Suatu eksperimen yang meliputi pencacahan banyaknya suatu peristiwa
terjadi dalam setiap satuan unit yang ditentukan. Unit yang ditentukan ini
biasanya adalah unit waktu atau ruang.
5. Probabilitas peristiwa tersebut adalah sama untuk setiap satuan unit.
6. Banyaknya peristiwa yang terjadi dalam setiap satuan unit saling
bebas terhadap banyaknya peristiwa yang terjadi pada setiap satuan unit
yang lainnya.
Distribusi Eksponential adalah kasus khusus dari distribusi gamma dengan factor
bentuk α = 1 dan factor skala β = 1/λ. Distribusi ini banyak digunakan sebagai
model di bidang teknik dan sains.
Bahwa jika variabel acak kontinu X memiliki distribusi eksponential dengan
parameter λ dimana λ>0, maka fungsi kepadatan probabilitas dari X adalah:
5.2 Saran
Berdasarkan praktikum yang telah kami lakukan, kami ingin memberikan saran kepada
pihak yang terkait dengan praktikum statistik, yaitu :
1. Penjelasan mengenai software lebih mendalam dan lebih banyak waktu
dengan menggunakan software.
2. Fasilitas dari laboratorium statistik dapat lebih baik lagi, sehingga tidak
kesulitan saat memakai softwere.
3. Mahasiswa juga mempelajari software yang lebih terbaru lagi yang sering
digunakan untuk praktek statistik selain SPSS, missal MiniTab.
Kelompok 5 Laporan Bab 1 – Statistik Industri
63

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer: Get 4 months of Scribd and The New York Times for just $1.87 per week!

Master Your Semester with a Special Offer from Scribd & The New York Times