MODUL 1 Fix Tinta

LABORATORIUM STATISTIK & REKAYASA KUALITAS 1
STATISTIK DESKRIPTIF

MODUL I
BAB I
PENDAHULUAN

1.1 Latar Belakang
Statistika merupakan kumpulan data, bilangan maupun non bilangan yang disusun dalam
tabel yang menggambarkan suatu persoalan, sedangkan statistika adalah ilmu yang mempelajari
metode-metode untuk menyederhanakan, meringkas, dan mengorganisir data serta menarik
kesimpulan tentang populasi berdasarkan data sampel yang diambil dari populasi tersebut.
Kegiatan yang berkaitan dengan statistika dijumpai dalam kegiatan sehari-hari sebagai
kegiatan pengumpulan data serta penarikan kesimpulan. Misalnya ketika bagian quality control
mengecek kualitas produksi dari perusahaan.
Berdasarkan keterangan di atas, statistika sangat penting dalam bidang ilmu perguruan
tinggi, khususnya bidang ilmu Teknik Industri, karena dalam pengaplikasiannya membutuhkan
suatu metode untuk dapat mengolah data sehingga nantinya mendapatkan suatu kesimpulan
sebagai dasar suatu pengambilan keputusan.

1.2 Batasan Praktikum
Batasan-batasan yang digunakan selama praktikum ini adalah :
1. Data yang digunakan yaitu data primer tentang tinggi dan berat badan.
2. Pengujian Crosstabs hanya antara Jenis Kelamin dengan Tinggi Badan atau Jenis Kelamin
dengan Berat Badan.
3. Banyak kelas interval (k) yaitu 7.

1.3 Asumsi Praktikum
Asumsi dalam praktikum kali ini adalah :
1. Data yang digunakan telah cukup untuk mewakili populasi.
2. Pengujian Crosstabs dapat dilakukan tanpa melakukan pengujian asumsi-asumsi.

1.4 Tujuan Praktikum
Tujuan dari pelaksaaan praktikum ini adalah :
1. Memahami Statistik Deskriptif dan pengolahan data mentah untuk disajikan dalam bentuk
lebih informatif.
2. Mengetahui analisis data dengan menggunakan analisis Crosstabs.

1.5 Manfaat Praktikum
Manfaat yang dapat diperoleh dari pelaksanaan praktikum ini adalah :
1. Praktikan mampu mengolah dan menyajikan data lebih informatif.
2. Praktikan mampu menganalisis data dengan metode analisis Crosstabs.


MODUL I
BAB II
TINJAUAN PUSTAKA

2.1 Definisi Statistik dan Statistika
Statistik adalah kumpulan data dalam bentuk angka maupun bukan angka yang disusun
dalam bentuk tabel (daftar) dan atau diagram yang menggambarkan atau berkaitan dengan
suatu masalah tertentu. Contohnya statistik penduduk adalah kumpulan angka-angka yang
berkaitan dengan masalah penduduk.
Statistika adalah pengetahuan yang berkaitan dengan metode, teknik atau cara
mengumpulkan, mengolah, menganalisis, dan menginterprestasikan data untuk disajikan secara
lengkap dalam bentuk yang mudah dipahami penggunanya. Obyek statistika adalah data yang
kemudian diolah menjadi informasi yang nantinya digunakan untuk pengambilan keputusan.

2.2 Pembagian Jenis Data
2.2.1 Berdasarkan Bentuk Data
Berdasarkan bentuknya, data dibedakan menjadi dua jenis yaitu :
1. Data diskrit merupakan data yang disajikan dalam bentuk angka-angka bilangan bulat
karena diperoleh dari hasil perhitungan.
2. Data kontinyu merupakan data yang disajikan dalam bentuk angka tetapi dalam bentuk
pecahan karena diperoleh dari hasil pengukuran.

2.2.2 Berdasarkan Sifat Data
Berdasarkan sifat data, data dapat dibedakan menjadi :
1. Data kualitatif merupakan data yang tidak dapat dinyatakan dengan angka dan tidak dapat
dilakukan operasi matematika (dihitung).
2. Data kuantitatif merupakan data yang dapat dinyatakan dengan angka dan dapat dilakukan
operasi matematika (dihitung).

2.2.3 Berdasarkan Skala Pengukuran Data
Berdasarkan skala pengukurannya, data dapat dibedakan menjadi :
1. Data nominal adalah data yang paling rendah dalam skala pengukuran data. Jika suatu
pengukuran data hanya menghasilkan satu dan hanya satu-satunya kategori, maka data
tersebut adalah data nominal (data kategori). Contoh dari data nominal ini adalah jenis
kelamin. Data jenis kelamin ini nantinya akan diberi label dalam pengolahannya, misalnya
perempuan =1, laki-laki=2.
2. Data ordinal, seperti pada data nominal, adalah data kualitatif dengan level yang lebih
tinggi daripada data nominal. Jika pada data nominal, semua data kategori dianggap sama,


MODUL I
maka pada data ordinal, ada tingkatan data. Misalnya Sangat Setuju (5) dan Setuju (4) tidak
diketahui pasti jarak antar nilainya karena jarak antara Sangat Setuju (5) dan Setuju (4)
bukan 1 satuan (5-4).
3. Data interval adalah data yang mempunyai ciri untuk membedakan, mengurutkan, dan
mempunyai ciri jarak yang sama namun tidak memiliki nilai nol mutlak. Contoh dari data
interval ialah hasil dari nilai ujian matematika. Jika A mendapat nilai 10 dan B mendapat
nilai 8, maka dipastikan A mempunyai 2 nilai lebih banyak dari B. Namun tidak ada nilai nol
mutlak, maksudnya bila C mendapat nilai 0, tidak berarti bahwa kemampuan C dalam
pelajaran matematika adalah nol atau kosong.
4. Data rasio adalah tingkatan data yang paling tinggi. Data rasio memiliki jarak antar nilai
yang pasti dan memiliki nilai nol mutlak yang tidak dimiliki oleh jenis-jenis data lainnya.
Contoh dari data rasio diantaranya: berat badan, panjang benda, jumlah satuan benda.

2.2.4 Berdasarkan Sumber Data
Berdasarkan sumber memperolehnya, data dibedakan menjadi dua jenis yaitu :
1. Data intern adalah data yang diperoleh atau berasal dari dalam suatu instansi.
2. Data ekstern adalah data yang diperoleh atau bersumber dari luar suatu instansi. Data ini
dibagi menjadi dua yaitu:
a. Data primer adalah data yang diusahakan atau didapatkan sendiri misalnya dengan
melakukan wawancara, pengukuran atau penelitian langsung observasi di lapangan.
b. Data sekunder adalah data yang didapat data yang diperoleh dari referensi/ instansi/
lembaga lain misalnya : data diperoleh dari BPS, LIPI, dsb.

2.2.5 Berdasarkan Waktu Pengumpulan Data
Berdasarkan waktu pengumpulannya data dibedakan menjadi :
1. Data time series adalah data yang dikumpulkan dari waktu ke waktu pada satu obyek
dengan tujuan untuk menggambarkan perkembangan.
2. Data cross section adalah data yang dikumpulkan dari waktu ke waktu pada beberapa obyek
dengan tujuan untuk menggambarkan keadaan.

2.3 Statistik Deskriptif
Statistik deskriptif adalah statistika yang berkaitan dengan metode atau cara
medeskripsikan, menggambarkan, menjabarkan atau menguraikan data misalnya dengan
menentukan nilai rata-rata hitung, median, modus, standar deviasi atau menggunakan cara lain
yaitu dengan membuat tabel distribusi frekuensi atau grafik.


MODUL I
2.3.1 Ukuran lokasi
Ukuran lokasi atau ukuran pemusatan yang sering digunakan dalam statistik deskriptif
biasanya dijelaskan untuk data tak terkelompok (ungrouped data) maupun data terkelompok
(grouped data).
1. Mean adalah rata-rata hitung suatu data. Mean dihitung dengan cara membagi jumlah nilai
data dengan banyaknya data. Mean atau rata-rata hitung disebut juga rataan atau rata-rata.
Misalnya x1, x2, x3, , xn adalah nilai-nilai data dari sekumpulan data yang banyaknya n
buah, maka rata-ratanya adalah:
n
x
n
x x x
X
n
i
n

=
+ + +
=
1 2 1
.....
(2-1)
Sumber : Ahmad Fauzi (2008:32)
dengan:
= rata-rata dibaca "x bar "
n = banyaknya data
= nilai data ke-i, (i = 1, 2, 3, , n)

Jika masing-masing mempunyai frekuensi rata-rata, maka:

(2-2)
Sumber : Irawan. 2011. http://scc-himasta.webnode.com/news/statistika-deskriptif
dengan:
Xi = data ke-i
fi = frekuensi kelas ke-i
n = banyak data
2. Modus dari sekumpulan nilai data adalah nilai yang paling sering muncul atau yang
frekuensinya terbesar. Untuk menentukan modus dari data tunggal, kita cukup
mengurutkan data tersebut, kemudian mencari nilai data yang frekuensinya paling besar.
Untuk data kelompok, nilai modus ditentukan dengan rumus:
i L Modus
(
+
+ =
2 1
1
1
o o
o
(2-3)

Sumber : Ahmad Fauzi (2008:32)
dengan :
L1 = tepi kelas bawah dari kelas modus
o1 = selisih frekuensi kelas modus dan frekuensi kelas sebelumnya
o2 = selisih frekuensi kelas modus dan frekuensi kelas sesudahnya
i = besar interval kelas
3. Median adalah nilai tengah dalam sekumpulan data, setelah data tersebut diurutkan. Cara
menentukan median dari data tunggal yaitu sebagai berikut. Misalnya x1, x2, ... , xn adalah


MODUL I
data yang telah diurutkan dari nilai terkecil sampai terbesar sehingga diperoleh urutan data
x1 < x2 < < xn. Rumus untuk mecari median adalah sebagai berikut:
a. Data Ganjil
Untuk banyaknya data ganjil (n ganjil) maka median adalah nilai data ke
yaitu:
(2-4)


b. Data Genap
Untuk banyaknya data genap (n genap) maka median adalah nilai rata-rata dari nilai
data ke
) (2-5)
c. Data Kelompok
Untuk data kelompok, median atau nilai tengahnya dapat dihitung dengan:
) (2-6)

dengan:
Me = median (nilai tengah)
L = tepi bawah kelas median
fk = jumlah frekuensi kelas sebelum kelas median
fMed = frekuensi kelas median
i = interval kelas

2.3.2 Ukuran Variabilitas
1. Varians
Varians merupakan ukuran penyebaran data yang mengukur rata-rata jarak kuadrat semua
titik pengamatan terhadap titik pusat (rata-rata). Jika x1, x2, x3, ,xn adalah anggota suatu
populasi terhingga berukuran N, maka varians populasinya adalah:
(2-7)
dengan :
= rata-rata populasi
N = total jumlah populasi
= simpangan baku
Jika x1, x2, x3, , xn adalah anggota suatu sample terhingga berukuran n, maka varians
sample tersebut adalah:


MODUL I
2
n1
x
2
n1
(2-8)
dengan :
X = nilai pengamatan
= rata-rata populasi
n = total jumlah populasi
2. Standar Deviasi
Standar deviasi adalah akar dari varians. Standar deviasi untuk populasi adalah:

(2-9)
Sedangkan standar deviasi untuk sampel adalah:

(2-10)
3. Range
Range merupakan selisih data terbesar dengan data terkecil. Range cukup baik digunakan
untuk mengukur penyebaran data yang simetrik dan nilai datanya menyebar rata. Ukuran
ini menjadi tidak relevan jika nilai data maksimum dan minimumnya merupakan data-data
ekstrim.
R = Xmax - Xmin (2-11)

2.3.3 Ukuran Bentuk
1. Kurtosis
Kurtosis adalah derajat keruncingan suatu distribusi (biasanya diukur relatif terhadap
distribusi normal). Kurva yang lebih lebih runcing dari distribusi normal dinamakan
leptokurtik, yang lebih datar platikurtik, dan distribusi normal disebut mesokurtik. Kurtosis
dihitung dari momen keempat terhadap mean.

(2-12)

Gambar 2.1 Kurtosis
Sumber: Joni.2003.http://statutorial.blogspot.com/search/label/Skewness-dan-kurtosis


MODUL I
2. Skewness
Skewness adalah derajat ketidaksimetrisan suatu distribusi. Jika kurva frekuensi suatu
distribusi memiliki ekor yang lebih memanjang ke kanan (dilihat dari meannya) maka
dikatakan menceng kanan (positif) dan jika sebaliknya maka menceng kiri (negatif).

(2-13)

Gambar 2.2 Skewness
Sumber: Joni.2003.http://statutorial.blogspot.com/search/label/Skewness-dan-kurtosis

2.4 Penyajian data
Secara garis besar ada dua cara penyajian data yaitu dengan tabel dan grafik.
1. Penyajian data dengan tabel
Tabel atau daftar merupakan kumpulan angka yang disusun menurut kategori atau
karakteristik data sehingga memudahkan untuk analisis data. Ada tiga jenis tabel yaitu :
a. Tabel satu arah atau satu komponen adalah tabel yang hanya terdiri atas satu kategori
atau karakteristik data.
b. Tabel dua arah atau dua komponen adalah tabel yang menunjukkan dua kategori atau
dua karakteristik.
c. Tabel tiga arah atau tiga komponen adalah tabel yang menunjukkan tiga kategori atau
tiga karakteristik.
2. Penyajian data dengan grafik/diagram
Penyajian data dengan grafik dianggap lebih komunikatif karena dalam waktu singkat
dapat diketahui karakteristik dari data yang disajikan.
Terdapat beberapa jenis grafik yaitu :
a. Grafik garis (line chart)
Grafik garis atau diagram garis dipakai untuk menggambarkan data berkala. Grafik
garis dapat berupa grafik garis tunggal maupun grafik garis berganda.

Gambar 2.3 Gambar grafik garis
Sumber: Supriyoko. 2007. Statistik dan Probabilitas


MODUL I
b. Grafik batang / balok (bar chart)
Grafik batang pada dasarnya sama fungsinya dengan grafik garis yaitu untuk
menggambarkan data berkala. Grafik batang juga terdiri dari grafik batang tunggal dan
grafik batang ganda.

Gambar 2.4 Gambar grafik batang (Bar Chart)
Sumber: Supriyoko. 2007. Statistik dan Probabilitas.pdf
c. Grafik lingkaran (pie chart)
Grafik lingkaran lebih cocok untuk menyajikan data cross section, dimana data tersebut
dapat dijadikan bentuk prosentase.

Gambar 2.5 Diagram lingkaran
Sumber: Supriyoko. 2007. Statistik dan Probabilitas.pdf
d. Grafik Gambar (pictogram)
Grafik ini berupa gambar atau lambang untuk menunjukkan jumlah benda yang
dilambangkan.

Gambar 2.6 Gambar grafik gambar (pictogram)
Sumber: Anonim. Statistika Jenjang Lanjut.pdf
e. Grafik Berupa Peta (Cartogram).
Kartogram atau peta statistik adalah grafik data berupa peta yang menunjukkan
kepadatan penduduk, curah hujan, hasil pertanian, hasil pertambangan dsb.
Dalam bentuk kartogram peta statistik tersebut digambarkan sebagai berikut:


MODUL I

Gambar 2.7 Grafik peta
umber : yafii. 2009. http://1.bp.blogspot.com/_4ZlrnfU7IT8/TPwehdLPY0I
f. Grafik Ogive
Merupakan grafik dari distribusi frekuensi kumulatif yang nilai datanya disajikan pada
garis horisontal (sumbu-x) sedangkan pada sumbu vertikal dapat disajikan frekuensi
kumulatif, Frekuensi relatif kumulatif, atau Persen frekuensi kumulatif. masing-masing
kelas dari frekuensi yang digunakan (salah satu diatas) digambarkan sebagai titik dan
setiap titik dihubungkan oleh garis lurus.

Gambar 2.8 Grafik ogive
Sumber : Suhyanto.2004.http://www.docstoc.com/docs/Penyajian-Data-dalam-Bentuk-Grafik
g. Grafik Polygon
Grafik polygon frekuensi diperoleh dengan cara memplotkan tiap kelas terhadap nilai
tengah/tanda kelas masing-masing kelas tersebut dan kemudian menghubungkan titik
yang berurutan hasil plot tersebut dengan garis lurus.

Gambar 2.9 Grafik polygon
Sumber : Suprayogi. 2003. Statistik Deskriptif.pdf
h. Grafik scatter
Diagram scatter merupakan metode presentasi secara grafis untuk menggambarkan
hubungan antara dua variabel kuantitatif. Salah satu variabel digambarkan pada
sumbu horisontal dan variabel lainnya digambarkan pada sumbu vertikal. Pola yang
ditunjukkan oleh titik-titik yang ada menggambarkan hubungan yang terjadi antar
variabel.


MODUL I

Gambar 2.10 Grafik scatter
Sumber : Suprayogi. 2003. Statistik Deskriptif.pdf

2.5 Analisis Crosstabs
Sebuah tabulasi silang (sering disingkat sebagai crosstabs) menampilkan distribusi
gabungan dari dua atau lebih variabel. Sedangkan distribusi frekuensi menyediakan distribusi
satu variabel, sebuah tabel kontingensi menggambarkan distribusi dari dua atau lebih variabel
secara bersamaan. Setiap sel menunjukkan jumlah responden yang memberikan kombinasi
spesifik dari respon, yaitu masing-masing sel berisi tabulasi silang tunggal. Dasar pengambilan
keputusan berdasarkan uji chi square dengan nilai tabel adalah sebagai berikut ini.
1. Jika chi square hitung < chi square tabel maka Ho diterima
2. Jika chi square hitung > chi square tabel maka Ho ditolak
Crosstabs sering digunakan karena:
1. Mudah dimengerti.
2. Mereka menarik orang yang tidak ingin menggunakan cara yang lebih canggih.
3. Sebuah tabel dapat memberikan wawasan yang lebih besar dari statistik tunggal.
4. Ini memecahkan masalah sel kosong atau jarang.
5. Mereka sederhana untuk melakukan


MODUL I
BAB III
METODOLOGI PRAKTIKUM

3.1 Diagram Alir Praktikum
mulai
Identifikasi
masalah
Tinjauan
pustaka
Mengambil data
sampel
Pengolahan
data
Analisis data
dengan statistik
deskriptif
Analisis data
dengan
crosstabs
selesai
laporan
Analisis dan
pembahasan
Data tinggi dan
berat badan
Kesimpulan
dan saran

Gambar 3.1 Diagram alir praktikum
3.2 Prosedur Praktikum
Langkah-langkah yang harus dilakukan oleh praktikan adalah sebagai berikut :
a. Mengidentifikasi masalah dari suatu obyek penilitian yang telah ditentukan
b. Mengumpulkan data dari hasil pengamatan tentang tinggi dan berat badan mahasiswa TI
UB
c. Melakukan pengolahan data mengenai statistik deskriptif serta penyajiannya
d. Menganalisis, menginterpretasi, dan mendapatkan hasil data
e. Menarik kesimpulan.


MODUL I
BAB IV
HASIL DAN PEMBAHASAN

4.1 Pengumpulan Data
Data yang dikumpulkan untuk praktikum modul I ini merupakan data tinggi badan dan data
berat badan dari mahasiswa Teknik Industri Universitas Brawijaya angkatan 2010.

4.2 Pengolaha Data
Berdasarkan data yang didapatkan, pengolahan data dilakukan untuk mengetahui range,
kelas, interval, mean, median, modus, kuartil, persentil, variansi, dan standar deviasi.

4.2.1 Data Tinggi Badan
Di bawah ini adalah sampel 40 data tinggi badan dari mahasiswa Teknik Industri angkatan
2010 pria dan wanita.
Tabel 4.1 Data Tinggi Badan Mahasiswa Teknik Industri 2010
NO NAMA TINGGI
BADAN
JENIS
KELAMIN
NO NAMA TINGGI
BADAN
JENIS
KELAMIN
1 Zul Hidayat 157.9 L 21 Amandha 159.4 P
2 Rizky Ari 160.9 L 22 Ainur 154.1 P
3 Redemptus 170.2 L 23 Nimas 156.9 P
4 Hengky 170.5 L 24 Sabrina 152.2 P
5 Abdul 170 L 25 Yuli 149 P
6 Harry 170.1 L 26 Irma 166.9 P
7 Nugroho 165.8 L 27 Puput 149.9 P
8 Salman 171.1 L 28 Galuh R. 156.1 P
9 Rahmad 166.5 L 29 Retty 153.6 P
10 Rizky Fitrah 169.2 L 30 Epiphanie 157.8 P
11 Ferdian 168 L 31 Steffi 150.2 P
12 Sandi 171 L 32 Laras 168.2 P
13 Hapid 171,2 L 33 Dita 161 P
14 Radhit 170 L 34 Erni 161.8 P
15 Hendra 164 L 35 Raissa 155.1 P
16 Pranata 160 L 36 Jogja 161.4 P
17 Putra 163 L 37 Annisa 150.5 P
18 Taufik 168,5 L 38 Nastiti 148.5 P
19 Syahrir 162,7 L 39 Egar 154 P
20 Fitran 173,9 L 40 Aini 155.5 P

4.2.1.1 Pengolahan SPSS
Pengujian tinggi badan mahasiswa Teknik Industri Universitas Brawijaya 2010 akan
menggunakan pengolahan SPSS 19.0 yaitu Statistik Deskriptif.

4.2.1.1.1 Uji Frekuensi
Langkah-langkah pengolahan statistik deskriptif dengan cara uji frekuensi yaitu :
1. Pada menu SPSS, klik Analyze Descriptive Statistics Frequencies.


MODUL I
2. Pada jendela Frequencies, masukkan variabel Tinggi pada Variable(s), klik Statistics,
kemudian centang Mean, Median, Mode, Std. Deviation, Variance, Range, Quartile, Percentiles.
3. Klik Continue - Ok, maka output akan muncul seperti pada tabel 4.2
Tabel 4.2 Output Statistics Tinggi Badan
Statistics
Tinggi
N Valid 40
Missing 0
Mean 161,6650
Median 161,6000
Mode 170,00
Std. Deviation 7,53122
Variance 56,719
Range 25,40
Percentiles 5 149,0450
10 150,2300
25 155,2000
50 161,6000
75 169,0250
90 170,9500
95 171,1950
Tabel output SPSS diatas menunjukkan nilai statistik dari variable tinggi. Berdasarkan dari
tabel output tersebut, kita dapat mengetahui nilai mean (rata-rata) sebesar 161,6650; nilai
tengah (median) adalah 161,6000; nilai modus adalah 170,0; nilai standar deviasi adalah
7,53122; nilai variansi adalah 56,719; range (jangkauan) sebesar 25,40; persentile 5, 10, 25,
50, 75, 90, dan 95 secara berturut-turut adalah 149,0450; 150,2300; 155,2000; 161,6000;
169,0250; 170,9500; dan 171,1950.

4.2.1.1.2 Penyajian Data
Berikut ini adalah cara menyajian data menggunakan pie chart :
2. Masukkan variable Interval pada variable (s). Lalu pilih Charts dan pilih Pie Charts.
3. Klik Continue OK, kemudian buka jendela output yang keluar, maka akan muncul output
seperti pada tabel 4.3 dan gambar 4.1
Tabel 4.3 Tabel Interval Tinggi Badan
Interval
Frequency Percent Valid Percent Cumulative Percent
Valid 148,5-152,4 6 15,0 15,0 15,0
152,5-156,4 6 15,0 15,0 30,0
156,5-160,4 6 15,0 15,0 45,0
160,5-164,4 7 17,5 17,5 62,5
164,5-168,4 6 15,0 15,0 77,5
168,5-172,4 8 20,0 20,0 97,5
172,5-176,4 1 2,5 2,5 100,0
Total 40 100,0 100,0


MODUL I

Gambar 4.1 Diagram pie tinggi badan
Berikut ini adalah cara menyajian data menggunakan histogram :
2. Masukkan variable Interval pada variable (s). Lalu pilih Charts dan pilih Histogram.
3. Klik Continue OK, kemudian buka jendela output yang keluar, maka akan muncul
output seperti gambar 4.2

Gambar 4.2 Histogram tinggi badan
Dari histogram diatas dapat disimpulkan bahwa data tinggi badan paling banyak adalah
antara 170-175 dengan jumlah 8 mahasiswa Teknik Industri Universitas Brawijaya 2010.

4.2.1.2 Pengolahan Manual
Sebelum dilakukan pengolahan, data yang telah didapat harus diurutkan terlebih dahulu.
Tabel 4.4 Data Tinggi Badan Mahasiswa Teknik Industri 2010 yang Diurutkan
148,5 149 149,9 150,2 150,5 152,2 153,6 154 154,1 155,1
155,5 156,1 156,9 157,8 157,9 159,4 160 160,9 161 161,4
161,8 162,7 163 164 165,8 166,5 166,9 168 168,2 168,5
169,2 170 170 170,1 170,2 170,5 171 171,1 171,2 173,9
Kelas = log = log = 6,3
Range = max min = 173,9 -148,5 = 24,5
Panjang interval kelas =
= 4,03 4


MODUL I
Tabel 4.5 Data Berkelompok Tinggi Badan Mahasiswa Teknik Industri 2010
INTERVAL Fi Fk Xi fi.Xi Tb Ta (Xi-X)
2
f(Xi-X)
2

148,5 152,4 6 6 150,45 902,7 148,45 152,45 125,89 755,34
152,5 156,4 6 12 154,45 926,7 152,45 156,45 52,13 312,78
156,5 160,4 5 17 158,45 792,25 156,45 160,45 10,37 51,85
160,5 164,4 7 24 162,45 1137,15 160,45 164,45 0,61 4,27
164,5 168,4 5 29 166,45 832,25 164,45 168,45 22,85 114,25
168,5 - 172,4 10 39 170,45 1704,5 168,45 172,45 77,09 770,90
172,5 - 176,4 1 40 174,45 174,45 172,45 176,45 163,33 163,33
6470 2172,72
1. Mean (Nilai rata-rata)
Mean untuk data tunggal adalah :
x
x
1
x
2
x
3
x
n
n
=
148514914991824
161,67
Mean untuk data berkelompok adalah :
x =

6470
= 161,75
2. Median (Nilai Tengah)
Untuk perhitungan data tunggal dari 40 data tinggi badan, nilai tengah berada pada
data ke 20 dan 21.

161,6
Median untuk data berkelompok :
b (
1
2
nfk
f
) p = 16045 (
1
2
4017
7
)4 = 162,16
3. Modus
Modus untuk data tunggal pada data tinggi badan yang telah diurutkan diketahui
frekuensi masing-masing data, data yang paling banyak muncul yaitu 170 dengan
frekuensi sebanyak 2 data.
Modus untuk data berkelompok :
42 , 169 4
9 5
5
168
2 1
1
1
=
(
+
+ =
(
+
+ = c L Modus
o o
o

4. Standart Deviasi
Standart deviasi data tunggal:

f
148516167
2
14916167
2
149916167
2
173916167
2
40

221205
40
= 553 7436


MODUL I

Standart deviasi data berkelompok :

fii
2
n1

217272
401
5571 7464
5. Variansi
Variansi untuk data tunggal :

i
2
n
221205
40
553
Variansi untuk data berkelompok :
fii
2
n 1
217272
40 1
5571
6. Range
ange max min = 173,9 -148,5= 25,4
7. Kuartil
Kuartil untuk data tunggal :

Kuartil akhir (Q3) =

Kuartil untuk data berkelompok :
Kuartil akhir (Q3) =b (
) = (
) = 168,85
8. Persentil
Persentil untuk data tunggal :

Persentil untuk data berkelompok :
(
) = (
) = 172,05

4.2.2 Data Berat Badan
Di bawah ini adalah sampel 40 data berat badan dari mahasiswa Teknik Industri 2010 pria
dan wanita.
Tabel 4.6 Data Berat Badan Mahasiswa Teknik Industri 2010
NO NAMA BERAT
BADAN
JENIS
KELAMIN
NO NAMA BERAT
BADAN
JENIS
KELAMIN
1 Zul Hidayat 54,7 L 21 Amandha 46,0 P
2 Rizky Ari 53,5 L 22 Ainur 47,7 P
3 Redemptus 74,4 L 23 Nimas 52,1 P
4 Hengky 71,0 L 24 Sabrina 46,9 P
5 Abdul 58,7 L 25 Yuli 42,1 P
6 Harry 73,7 L 26 Irma 63,7 P


MODUL I
7 Nugroho 61,2 L 27 Puput 48,8 P
8 Salman 81,2 L 28 Galuh R. 59,0 P
Lanjutan Tabel 4.6 Data Berat Badan Mahasiswa Teknik Industri 2010
NO NAMA BERAT
BADAN
JENIS
KELAMIN
NO NAMA BERAT
BADAN
JENIS
KELAMIN
9 Rahmad 54 L 29 Retty 53,0 P
10 Rizky Fitrah 53,2 L 30 Epiphanie 59,4 P
11 Ferdian 57,4 L 31 Steffi 54,3 P
12 Sandi 62 L 32 Laras 49,3 P
13 Hapid 60 L 33 Dita 75,1 P
14 Radhit 82,6 L 34 Erni 69,1 P
15 Hendra 73,3 L 35 Raissa 88,3 P
16 Pranata 64,1 L 36 Jogja 65,9 P
17 Putra 61,2 L 37 Annisa 57,6 P
18 Taufik 61,4 L 38 Nastiti 63,8 P
19 Syahrir 51,5 L 39 Egar 50,9 P
20 Fitran 84,1 L 40 Aini 48,7 P

4.2.2.1 Pengolahan SPSS
Pengujian berat badan mahasiswa Teknik Industri Universitas Brawijaya 2010 akan
menggunakan pengolahan SPSS 19.0 yaitu Statistik Deskriptif.

4.2.2.1.1 Uji Frekuensi
Langkah-langkah pengolahan statistik deskriptif dengan cara uji frekuensi yaitu :
5 Pada jendela Frequencies, masukkan variabel Berat pada Variable(s), klik Statistics,
kemudian centang Mean, Median, Mode, Std. Deviation, Variance, Range, Quartile, Percentiles.
6 Klik Continue - Ok, maka output akan muncul seperti pada tabel 4.9
Tabel 4.9 Output Statistics Berat Badan
Statistics
Berat
N Valid 40
Missing 0
Mean 60,8725
Median 59,2000
Mode 61,20
Std. Deviation 11,41057
Variance 130,201
Range 46,20
Percentiles 5 46,0450
10 47,8000
25 52,3250
50 59,2000
75 68,3000
90 80,5900
95 84,0250
Tabel output SPSS diatas menunjukkan nilai statistik dari variable tinggi. Berdasarkan dari
tabel output tersebut, kita dapat mengetahui nilai mean (rata-rata) sebesar 60,8725; nilai


MODUL I
tengah (median) adalah 59,2000; nilai modus adalah 61,20; nilai standar deviasi adalah
11,41057; nilai variansi adalah 130,201; range (jangkauan) sebesar 46,20; persentile 5, 10,
25, 50, 75, 90 dan 95 secara berturut-turut adalah 46,0450; 47,8000; 52,3250; 59,2000;
68,3000; 80,5900; dan 84,0250.

4.2.2.1.2 Penyajian Data
Berikut ini adalah cara menyajian data menggunakan grafik :
2. Masukkan variable Interval pada Variable (s). Lalu pilih Charts dan pilih yang Pie Charts.
7 Klik Continue OK, kemudian buka jendela output yang keluar, maka akan muncul
output seperti seperti pada tabel 4. 10 dan gambar 4.3
Tabel 4.10 Tabel Interval Berat Badan
Interval
Frequency Percent Valid Percent Cumulative Percent
Valid 42,149,3 7 17,5 17,5 17,5
49,456,6 8 20,0 20,0 37,5
56,763,9 12 30,0 30,0 67,5
64,071,2 5 12,5 12,5 80,0
71,3 78,5 4 10,0 10,0 90,0
78,685,8 3 7,5 7,5 97,5
85,993,1 1 2,5 2,5 100,0
Total 40 100,0 100,0

Gambar 4.3 Diagram pie berat badan
Berikut ini adalah cara menyajian data menggunakan histogram :
2. Masukkan variable Interval pada variable (s). Lalu pilih Charts dan pilih Histogram.
8 Klik Continue OK, kemudian buka jendela output yang keluar, maka akan muncul
output seperti seperti pada gambar 4.4


MODUL I

Gambar 4.4 Histogram berat badan
Dari histogram diatas dapat disimpulkan bahwa data berat badan paling banyak adalah
antara 50-60 dengan jumlah 9 mahasiswa Teknik Industri Universitas Brawijaya 2010.

4.2.2.2 Pengolahan Manual
Sebelum dilakukan pengolahan, data yang telah didapat harus diurutkan terlebih dahulu.
Tabel 4.7 Data Berat Badan Yang Telah Diurutkan
42,1 46 46,9 47,7 48,7 48,8 49,3 50,9 51,5 52,1
53 53,2 53,5 54 54,3 54,7 57,4 57,6 58,7 59
59,4 60 61,2 61,2 61,4 62 63,7 63,8 64,1 65,9
69,1 71 73,3 73,7 74,4 75,1 81,2 82,6 84,1 88,3

Kelas = log = log = 6,3
Range = max min = 88,3 -42,1= 46,2
Panjang interval kelas =
=
462
= 7,33 7,3
Tabel 4.8 Data Interval Berat Badan
INTERVAL Fi Fk Xi fi.Xi Tb Ta (Xi-X)
2
f(Xi-X)
2

42,149,3 7 7 45,7 319,9 42,05 49,35 230,13 1610,91
49,456,6 9 16 53 477 49,35 56,65 61,94 557,46
56,763,9 12 28 60,3 723,6 56,65 63,95 0,32 3,84
6471,2 4 32 67,6 270,4 63,95 71,25 45,29 181,16
71,3 78,5 4 36 74,9 299,6 71,25 78,55 196,84 787,36
78,685,8 3 39 82,2 246,6 78,55 85,85 454,97 1364,91
85,993,1 1 40 89,5 89,5 85,85 93,15 819,68 819,68
2426,6 5325,32
1. Mean
Mean untuk data tunggal adalah

=
42146469883

Mean untuk data berkelompok adalah
Mean =

24266
= 60,67
2. Median
Median untuk data tunggal. Data berat badan ada 40 sehingga nilai tengah berada pada data
ke 20 dan 21.


MODUL I

59,2
Median untuk data berkelompok.
edian b (
1
2
nfk
f
) p =5665 (
1
2
4016
12
)73 = 59,08


MODUL I
3. Modus
Modus untuk data tunggal pada data berat badan yang telah diurutkan diketahui frekuensi
masing-masing data, data yang paling banyak muncul yaitu 61,2 dengan frekuensi sebanyak
2 data.
Modus untuk data berkelompok:
64 , 58 3 , 7
8 3
3
2 , 56
2 1
1
1
=
(
+
+ =
(
+
+ = c L Modus
o o
o

4. Standart Deviasi
Standart deviasi untuk data tunggal:

f
4216087
2
466087
2
4696087
2
8836087
2
40

507784
40
= 12695 11267
Standart deviasi untuk data berkelompok:

fii
2
n1

532532
401
13655 11685
5. Variansi
Variansi untuk data tunggal :

i
2
n
507784
40
12695
Variansi untuk data berkelompok :
fii
2
n 1
532532
40 1
13655
6. Range
Range = max min = 88,3 42,1 = 46,2
7. Kuartil
Kuartil untuk data tunggal :

Kuartil akhir (Q3) =

Kuartil untuk data berkelompok :
Kuartil akhir (Q3) =b (
) = (
) = 67,6
8. Persentil
Persentil untuk data tunggal :

Persentil untuk data berkelompok :


MODUL I
persentil 95 b (
95
100
nfk
f
) i = 7855 (
95
100
4036
3
) 73 = 83,42
4.2.3 Analisis Crosstabs
Berikut ini adalah cara menganalisis data menggunakan Crosstabs.
1. Buka lembar Variable View yang berada dibawah kiri.
2. Buat nama kolom baru yaitu interval dan jenis_kelamin.
3. Pada kolom Values dan baris interval, klik sel tersebut, kemudian isi kotak dialog: Value
Labels nilai panjang kelas yang didapat dari perhitungan manual.
4. Pada kolom Values dan baris jenis_kelamin, klik sel tersebut, kemudian isi kotak dialog:
Value Labels.
5. Setelah itu, pada menu SPSS, klik Analyze Descriptive Statistics Crosstabs.
6. Atur posisi Variable dan klik Statistics, kemudian centang Chi-Square.
7. Lalu klik Continue kemudian OK, maka akan muncul output SPSS seperti pada tabel 4.11
Tabel 4.11 Crosstabs Tinggi Badan dan Jenis Kelamin
Case Processing Summary

Cases
Valid Missing Total
N Percent N Percent N Percent
JenisKelamin * Interval 40 100,0% 0 ,0% 40 100,0%

JenisKelamin * Interval Crosstabulation
Count

Interval
Total
148,5-
152,4
152,5-
156,4
156,5-
160,4
160,5-
164,4
164,5-
168,4
168,5-
172,4
172,5-
176,4
JenisKel
amin
Laki-
Laki
0 0 3 4 4 8 1 20
Peremp
uan
6 6 3 3 2 0 0 20
Total 6 6 6 7 6 8 1 40
Chi-Square Tests

Value df
Asymp. Sig. (2-
sided)
Pearson Chi-Square 21,810
a
6 ,001
Likelihood Ratio 29,935 6 ,000
N of Valid Cases 40

a. 14 cells (100,0%) have expected count less than 5. The minimum
expected count is ,50.


MODUL I
BAB V
PENUTUP

5.1 Kesimpulan
Kesimpulan yang dapat diambil dari praktikum modul 1 adalah:
1. Data Tinggi Badan Mahasiswa Teknik Industri UB 2010 dengan banyak sampel yang
diambil adalah 40 anak menghasilkan data dengan nilai mean (rata-rata) 161,67, nilai
tengah (median) adalah 161,6 , modus 170, nilai standar deviasi adalah 7,53 dengan nilai
variansi 56,719, range adalah 25,40 dan nilai persentil 5, 10, 25, 50, 75, 90, 95 secara
berturut turut adalah 149, 150,23, 155,2, 161,6, 169,03, 170,95, dan 171,2.
2. Data berat badan Mahasiswa Teknik Industri UB 2010 dengan banyak 40 sampel yang
diambil adalah 40 anak menghasilkan data dengan dengan nilai mean (rata-rata) 60,87,
nilai tengah(median) adalah 59,2, modus adalah 61,2, standart deviasi adalah 11,41 dan
nilai variansi adalah 130,201, range adalah 47,30. Nilai persentil 5, 10 ,25, 50, 75, 90, 95
secara berturut turut adalah 46,05, 47,8, 52,33, 59,2, 68,3, 80,59, dan 84, 03.
3. Analisis Crosstabs disini digunakan untuk menganalisis hubungan antara tinggi badan dan
jenis kelamin, yang bertujuan untuk mengetahui frekuensi berat badan dan jenis kelamin
data yang telah diproses. Dari analisis Crosstabs diperoleh hasil bahwa mahasiswa laki-laki
memiliki interval tinggi badan yang lebih tinggi dari perempuan, yaitu 156,5 cm 172,5 cm,
sedangkan interval tinggi badan mahasiswa perempuan yaitu 152,4 cm 168,4 cm. Dari
data tersebut dapat ditarik kesimpulan bahwa rata rata tinggi badan Mahasiswa Teknik
Industri UB angkatan 2010 dipengaruhi oleh jenis kelamin.

5.2 Saran
1. Diharapkan lebih akurat dalam mengambil data agar tidak terjadi kesalahan data.
2. Diharapkan praktikan lebih teliti dalam perhitungan mean, median, modus dan lainnya agar
diperoleh data yang benar dan akurat.

MODUL 1 Fix Tinta

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

MODUL 1 Fix Tinta

Diunggah oleh

Hak Cipta:

Format Tersedia

LABORATORIUM STATISTIK & REKAYASA KUALITAS 1

= nilai data ke-i, (i = 1, 2, 3, , n)

Anda mungkin juga menyukai