c (prinsip interpolasi)
dimana:
(prinsip interpolasi)
dimana:
= batas bawah nyata kelas dari kelas modus (kelas frekuensi terbesar)
= lebar interval median
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
5
2.1.4 Kuantil : Kuartil, Desil, dan Persentil
Kuantil adalah nilai-nilai yang membagi suatu jajaran data (data array)
menjadi bagian-bagian yang sama. Sebagai contoh, kuantil yang membagi jajaran
data menjadi dua bagian adalah median. Kuantil yang membagi jajaran data
menjadi empat bagian disebut kuartil
.
Untuk data terkelompok, kita dapat mencari nilai kuantil menggunakan prinsip
interpolasi, dengan rumus ke-i:
dimana:
= jumlah frekuensi seluruh kelas yang lebih randah daripada kelas kuantil
ke-i
di mana:
Q
d
= simpangan kuartil
Q
3
= nilai kuartil ke-3
Q
1
= nilai kuartil ke-1
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
7
2.2.4 Simpangan Mutlak Rata-rata/Mean Deviation
Simpangan mutlak rata-rata merupakan ukuran penyebaran yang meninjau
besarnya penyimpangan setiap nilai data terhadap nilai rata-rata (mean)nya.
Simpangan sebuah pengamatan dari rata-ratanya diperoleh dengan mengurangkan
pengamatan tersebut dengan nilai rata-ratanya. Bila sekelompok data
X
1
,X
2
,X
3
.......,X
n
menyusun sebuah populasi terhingga berukuran N maka
simpangan dari nilai rata-rata populasinya adalah:
N
X X X .., ,......... ,
2 1
Demikian pula bila sekelompok data X
1
,X
2
,X
3
.......,Xn menyusun sebuah
contoh terhingga berukuran n,simpangan rata-ratanya adalah:
X X X X X X
N
.., ,......... ,
2 1
Jumlah semua simpangan dari nilai rata-ratanya selalu sama dengan
nol,yang berlaku untuk semua jenis data,yang dapat diambil; nilai mutlak dari
ukuran keragaman simpangan rata-rata.Definisinya adalah:
=
n
i
i
X X
n
MD
1
1
Untuk data terkelompok yang tersebar dalam tabel frekuensi fi dan titik
tengah x,simpangan rata-rata dinyatakan sebagai:
=
=
=
n
i
i
n
i
i m i
f
X X f
MD
1
1
,
2.2.5 Deviasi Standard/Simpangan Baku
Deviasi standard (standard deviation) atau simpangan baku merupakan
ukuran penyebaran yang paling sering digunakan. Mayoritas nilai data cenderung
berada dalam satu deviasi standard dari mean, dan hanya sebagian kecil saja yang
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
8
terletak di luar dari tida deviasi standard dari meannya. Deviasi standar data
terkelompok suatu sampel memiliki persamaan sebagai berikut.
Data terkelompok:
2.2.6 Varians
Varians merupakan kuadrat dari deviasi standard, sehingga untuk sample
dinyatakan sebagai s
x
2
. Bila sekelompok data X
1
,X
2
,X
3
,...........,Xn menyusun
sebuah populasi terhingga berukuran N yang mempunyai rata-rata ,maka
ragam populasi yang dilambangkan sebagai
2
o (sigma kuadrat) adalah:
( )
2
1
2
1
=
=
N
i
i
X
N
o
Untuk data berkelompok yang diambil, maka nilai dari keragaman adalah:
2
1
2
1
1
|
.
|
\
|
=
N
i
i
X X
n
s
2.2.7 Koefisien Variasi
Koefisien varians atau dispersi yang diuraikan dalam bagian merupakan
dispersi absolut. Variasi 3 cm untuk ukuran jarak 100 cm dan variasi 6 cm untuk
ukuran jarak 20 cm mempunyai pengaruh yang berlainan. Untuk mengukur
pengaruh tersebut dan membandingkan variasi antara nilai-nilai besar dan nilai-
nilai kecil digunakan koefisien varians relatif.
Dispersi relatif = Dispersi absolut / rata-rata
Tetapi, untuk dispersi absolut diambil simpangan baku, sehingga diperoleh
koefisien variasi yang nilainya dinyatakan dalam persen.
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
9
Koefisien varians tidak bergantung pada satuan yang digunakan, karenanya
dapat digunakan untuk membandingkan varians relatif beberapa kumpulan data
dengan satuan yang berbeda.
2.3 Grafik
Grafik merupakan salah satu cara dalam merepresentasikan distribusi
frekuensi. Terdapat tiga macam grafik yang akan dibahas, yaitu grafik histogram,
polygon, dan ogive atau frekuensi kumulatif.
2.3.1 Grafik Histogram
Histogram adalah tampilan data atau informasi statistik yang menggunakan
persegi panjang untuk menunjukkan frekuensi sebuah data dalam interval numerik
yang berurutan dari ukuran yang sama. Dalam bentuk yang paling umum, variabel
independen dari sebuah histogram diplot di sepanjang sumbu horizontal dan
variabel dependen diplot di sepanjang sumbu vertikal. Data-data tampak sebagai
persegi panjang yang sudah diwarnai atau terisi dibawah daerah variabel.
Gambar 2.1 contoh grafik Histogram
Sumber: http://www.netmba.com/images/statistics/histogram/histogram.gif
2.3.2 Grafik Polygon
Dalam sebuah Frekuensi Poligon, grafik garis digambar dengan
menggabungkan semua titik-titik tengah dari atas subah persegi panjang
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
10
histogram. Sebuah poligon frekuensi memberikan ide dan gambaran tentang
bentuk distribusi data. Titik akhir dari dua frekuensi poligon selalu berada pada
sumbu-x.
Gambar 2.2 contoh grafik Polygon
Sumber: http://www.onekobo.com/Articles/Statistics/statsImgs/24Graph-002.jpg
2.3.3 Grafik Frekuensi Kumulatif (ogive)
Juga dikenal sebagai ogive, Frekuensi Kumulatif adalah kurva yang ditarik
dengan memplot nilai kelas pertama pada grafik. Plot berikutnya adalah jumlah
dari nilai pertama dan kedua, plot ketiga adalah jumlah dari nilai pertama, kedua,
dan ketiga, dan seterusnya.
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
11
Gambar 2.3 contoh grafik Ogive
Sumber: http://www.mathematics.com.au/images/600x480/5102.gif
2.4 Momen, Skewness, dan Kurtosis
2.4.1 Momen
Misalkan X
1
, X
2
, . . . , X
n
merupakan nilai dari variabel X. Kuantitas:
disebut momen ke r dari X. Untuk r = 1, menjadi rerata (mean) aritmatika.
Momen ke-r simpangan terhadap mean didefinisikan sebagai:
Jadi, jika r = 1 maka m
1,x
= 0, dan jika r = 2 maka m
2,x
= s
x
2
(varians).
Momen ke-r simpangan terhadap sembarang asal A didefinisikan sebagai:
dimana d = X - A adalah deviasi X terhadap A.
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
12
Untuk data terkelompok, misalkan X
1
, X
2
, . . . ,X
n
terjadi dengan frekuensi
f
1
, f
2
, . . . , f
n
.
Untuk membedakan momen dari sampel dengan momen dari populasi,
biasanya digunakan simbol huruf yunani yang berkaitan. Jadi jikauntuk sampel
dinotasikan dengan m
r,x
dan m
r,x
, maka untuk populasi masing-masing digunakan
notasi
r,x
dan
r,x
.
2.4.2 Skewness
Adalah ukuran ketidaksimetrisan (kemencengan) distribusi. Distribusi yang
ekor kurvanya lebih panjang kekanan disebut menceng kekanan atau positive
skewness. Begitu juga sebaliknya.
Gambar 2.4 Jenis kurva menurut faktor kemencengan (skewness)
Sumber: http://www.google.co.id
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
13
Koefisien Skewness
- Koefisien Pearson I:
- Koefisien Pearson II:
Diperhatikan bila distribusinya normal maka koefisien skewness bernilai nol.
Koefisien skewness lainnya:
- Koefisien kuartil skewness:
- Koefisien skewness 10-90% percentile:
- Koefisien momen skewness:
2.4.3 Kurtosis
Adalah ukuran kelancipan distribusi data dimana distribusi normal sebagai
pembanding.
Macam-macam ukuran kurtosis:
- Koefisien momen kurtosis:
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
14
- Kurtosis terhadap kuartil dan percentil:
- Kurtosis positif distribusi lancip
- Kurtosis negatif distribusi tumpul
2.5 Distribusi Normal
Distribusi normal merupakan distribusi probabilitas yang paling penting
baik dalam teori maupun aplikasi statisktik. Yang perlu diperhatikan pada
distribusi normal ialah kurva distribusiya yaitu simetris terhadap nilai mean
(kemencengannya yaitu |
1
= 0), dan juga keruncingan pada distribusi normal ialah
sebesar |
2
= 3.
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
15
BAB III
HASIL DAN PEMBAHASAN
3.1 Distribusi Frekuensi
Berdasarkan hasil survey yang dilakukan oleh kelompok kami pada hari
Minggu 10 Juli 2011 dan Senin 11 Juli 2011, di dapat beberapa data menyangkut
banyaknya jumlah angkot yang melewati Margo City dari arah Depok-Jakarta
setiap 5 menitnya, yang akan disajikan dalam beberapa tabel berikut.
Tabel 3.1 Hasil survey banyaknya angkot yang lewat Margo City tiap 5 menit
Menit Jumlah Angkot yang Lewat (Berdasarkan Hasil Perhitungan oleh Surveyor)
Rezhi A.Syihan Prilly Hendra Pratiwie Ivan Puspa Baharudin Ledi Okky
1 s/d 5 17 5 11 11 10 15 16 20 20 19
6 s/d 10 23 32 9 8 16 14 17 24 14 20
11 s/d 15 20 20 10 17 15 16 23 11 22 9
16 s/d 20 24 18 10 18 23 15 31 19 12 13
21 s/d 25 20 28 7 5 14 12 37 17 6 18
26 s/d 30 30 26 8 12 17 10 34 27 12 16
31 s/d 35 24 18 9 4 11 18 32 14 22 17
36 s/d 40 22 21 11 22 10 9 14 9 8 12
41 s/d 45 24 23 9 6 20 5 21 16 12 12
46 s/d 50 27 28 11 8 19 23 25 18 4 12
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
16
Tabel 3.2 Distribusi frekuensi dari data angkot
Dari tabel 3.1 di atas, kami mengelompokkan jumlah angkot yang lewat
tiap 5 menit ke dalam 8 kelompok dengan interval kelas sebesar 5 tiap-tiap kelas,
sehingga didapat tabel distribusi frekuensi dari data angkot seperti pada tabel 3.2
di atas.
Untuk keperluan grafik ogive yang memerlukan distribusi frekuensi
kumulatif, berikut diberikan tabel mengenai distribusi frekuensi kumulatif dari
banyaknya angkot yang lewat Margo City dari arah Depok-Jakarta setiap 5 menit.
Tabel 3.3 Distribusi Frekuensi Kumulatif
Banyak Angkot yang
Lewat Tiap 5 Menit
(Mobil)
Frekuensi
(f)
1 s/d 5 5
6 s/d 10 18
11 s/d 15 23
16 s/d 20 27
21 s/d 25 16
26 s/d 30 6
31 s/d 35 4
36 s/d 40 1
Total (N) 100
Banyak Angkot yang
Lewat Tiap 5 Menit
(Mobil)
Frekuensi
(f
c
)
< 0,5 0
< 5,5 5
< 10,5 23
< 15,5 46
< 20,5 73
< 25,5 89
< 30,5 95
< 35,5 99
< 40,5 100
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
17
3.2 Grafik
3.2.1 Grafik Histogram
Berdasarkan tabel 3.2 yaitu tabel distribusi frekuensi, maka grafik histogram
yang terbentuk ialah sebagai berikut.
Gambar 3.1 Grafik Histogram banyaknya angkot yang lewat setiap 5 menit
3.2.2 Grafik Polygon
Berdasarkan tabel 3.2 yaitu tabel distribusi frekuensi, maka grafik polygon
yang terbentuk ialah sebagai berikut.
Gambar 3.2 Grafik Polygon banyaknya angkot yang lewat setiap 5 menit
0
5
10
15
20
25
30
1 - 5 6 - 10 11 - 15 16 - 20 21 - 25 26 - 30 31 - 35 36 - 40
F
r
e
k
u
e
n
s
i
(
f
)
Banyaknya Angkot yang Lewat Setiap 5 Menit (mobil)
Grafik Histogram
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
18
3.2.3 Grafik Ogive
Berdasarkan tabel 3.3 yaitu tabel distribusi frekuensi kumulatif, maka grafik
ogive yang terbentuk ialah sebagai berikut.
Gambar 3.3 Grafik Ogive banyaknya angkot yang lewat setiap 5 menit
3.3 Ukuran Pemusatan
3.3.1 Mean
0
20
40
60
80
100
120
< 0,5 < 5,5 < 10,5 < 15,5 < 20,5 < 25,5 < 30,5 < 35,5 < 40,5
J
u
m
l
a
h
K
u
m
u
l
a
t
i
f
(
f
c
)
Banyaknya Angkot yang Lewat Setiap 5 Menit (mobil)
Grafik Ogive
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
19
3.3.2 Median
3.3.3 Modus
3.3.4 Kuantil (Kuartil, Desil, Persentil)
Kuantil terdiri dari kuartil (r=4), desil (r=10), dan persentil (r=100)
Kuartil
- Kuartil ke-1
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
20
- Kuartil ke-2
- Kuartil ke-3
Desil
- Desil ke-1
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
21
- Desil ke-2
- Desil ke-3
- Desil ke-4
- Desil ke-5
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
22
- Desil ke-6
- Desil ke-7
- Desil ke-8
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
23
- Desil ke-9
Pversentil
- Persentil ke-30
- Persentil ke-57
- Persentil ke-85
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
24
- Persentil ke-99
3.4 Ukuran Penyebaran
3.4.1 Range
R = x
max
x
min
R = 37 - 4 = 33
3.4.2 Range Persentil 10-90
R
p 10-90
= P
90
- P
10
P
i
= L
l,1
+
c
P
10
= 5.50 +
5 = 6,89
P
90
= 25.50 +
5 = 26,33
R
p 10-90
= 26.33 6.89 = 19,44
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
25
3.4.3 Simpangan Kuartil
Q
d
=
Q
i
= L
l,1
+
c
Q
1
= 10.5 +
5 = 10,93
Q
3
= 20.5 +
5 = 21,12
Q
d
=
= 5,10
3.4.4 Simpangan Mutlak Rata-rata (Mean Deviation)
MD
x
=
= 6,02
(data di atas didapat dari tabel 3.4 di bawah ini)
Tabel 3.4 Simpangan Mutlak Rata-rata
Banyak
Angkot Tiap
5 Menit
Frekuensi x
mi
f
i
1 - 5 5 3 16.5 13.5 67.5
6 -10 18 8 16.5 8.5 153
11 - 15 23 13 16.5 3.5 80.5
16 -20 27 18 16.5 1.5 40.5
21- 25 16 23 16.5 6.5 104
26- 30 6 28 16.5 11.5 69
31- 35 4 33 16.5 16.5 66
36- 40 1 38 16.5 21.5 21.5
Jumlah (N) 100 602
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
26
3.4.5 Deviasi Standar
S
x
=
= 7.50
(data di atas didapat dari tabel 3.5 di bawah ini)
Tabel 3.5 Simpangan baku
Banyak
Angkot Tiap
5 Menit
Frekuensi x
mi
(x
mi
-
) (x
mi
-
)
2
f
i
(x
mi
-
)
2
1 s/d 5 5 3 16.5 13.5 182.25 911.25
6 s/d 10 18 8 16.5 8.5 72.25 1300.5
11 s/d 15 23 13 16.5 3.5 12.25 281.75
16 s/d 20 27 18 16.5 1.5 2.25 60.75
21 s/d 25 16 23 16.5 6.5 42.25 676
26 s/d 30 6 28 16.5 11.5 132.25 793.5
31 s/d 35 4 33 16.5 16.5 272.25 1089
36 s/d 40 1 38 16.5 21.5 462.25 462.25
Jumlah (N) 100
5575
3.4.6 Varians
(diambil dari data deviasi standard)
2
= 7,50
2
= 56,25
3.4.7 Koefisien Variasi
(diambil dari data deviasi standard)
V
x
=
= 0.45
3.5 Momen, Skewness, dan Kurtosis
Dari table data, dapat dibuat table perhitungan secara langsung seperti :
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
27
Tabel 3.6 Perhitungan momen
a
3 5 -67.5 911.25 -12301.875 166075.3125 -2242016.7 30267225.7 -408607547 5516201884
8 18 -153 1300.5 -11054.25 93961.125 -798669.56 6788691.281 -57703876 490482945.1
13 23 -80.5 281.75 -986.125 3451.4375 -12080.031 42280.10938 -147980.38 517931.3398
18 27 40.5 60.75 91.125 136.6875 205.03125 307.546875 461.320313 691.9804688
23 16 104 676 4394 28561 185646.5 1206702.25 7843564.63 50983170.06
28 6 69 793.5 9125.25 104940.375 1206814.31 13878364.59 159601193 1835413718
33 4 66 1089 17968.5 296480.25 4891924.13 80716748.06 1331826343 21975134660
38 1 21.5 462.25 9938.375 213675.0625 4594013.84 98771297.64 2123582899 45657032334
100 0 5575 17175 907281.25 7825837.5 231671617.2 3156395058 75525767335
3.5.1 Momen
, maka :
- Momen ke-2
m
2,x
=
- Momen ke-3
m
3,x
=
- Momen ke-4
m
4,x
- Momen ke-5
M
5,x
=
- Momen ke-6
m
6,x
=
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
28
- Momen ke-7
m
7,x
=
- Momen ke-8
m
8,x
=
3.5.2 Skewness
Kemencengan kurva distribusi dapat dihitung menggunakan persamaan
pada Bab 2 Landasan Teori, yaitu faktor kemencengannya:
3,x
=
= 4,96 x 10
-10
3.5.3 Kurtosis
Keruncingan kurva distribusi dapat dihitung menggunakan persamaan pada
Bab 2 Landasan Teori, yaitu faktor keruncingannya:
4,x
=
= 0,000292
3.5.4 Perbandingan Kemencengan dan Keruncingan dengan Distribusi
Normal
Pada distribusi normal, nilai kemencengannya = 0, dan nilai keruncingannya
adalah 3. Pada percobaan yang kami lakukan, nilai kemencengannya 4,96 x 10
-10
yang artinya lebih dari nol, dan nilai keruncingannya 0,000292 yang kurang dari
tiga. Pada distribusi normal, dengan nilai kemencengan 0 dan keruncingan tiga,
membuat kurva distribusi yang simetris, sehingga perbedaan nilai kemencengan
dan keruncingan pada percobaan yang kami lakukan dengan nilai kemencengan
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
29
dan keruncingan pada distribusi normal mengakibatkan kurva distribusi pada
percobaan kami tidak simetris. Nilai kemencengan kami yang lebih besar dari 0,
mengakibatkan, kurva distribusi pada percobaan kami adalah, kurva
menceng kanan. Sementara, untuk menentukan keruncingan sebuah grafik
menggunakan rumus (b
2,x
-3) dengan b
2.x
adalah momen keruncingannya. pada
penelitian kami, nilai momen keruncingannya adalah 0,00092. Sehingga
(0,00092-3) = - 2,99908. Karena hasilnya negatif, maka kurva yang terbentuk
adalah platykurtic. Sehingga kurva yang terbentuk adalah kurva platykurtic yang
menceng kanan.
.
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
30
BAB IV
PENUTUP
4.1 Kesimpulan
Dari data-data yang kami peroleh berupa perhitungan frekwuensi angkutan
perkotaan yang melewati depan Margo City dari arah Depok menuju ke Jakarta
setiap interval 5 menit, dapat kita ambil beberapa kesimpulan, diantaranya yaitu:
1. Berdasarkan hasil pengamatan dan juga dari grafik yang diperoleh, maka
jumlah angkot terbanyak adalah antara 16 hingga 20 dengan jumlah frekuensi
sebanyak 27.
2. Sedangkan untuk hasil dari perhitungan ukuran pemusatan diperoleh nilai-
niai sebagai berikut:
Mean: 16,50
Median: 16,24
Modus: 16,83
Data di atas menunjukkan bahwa hasil dari pengamatan dengan hasil dari
perhitungan memiliki nilai yang sama.
3. Untuk Kuantil, kami melakukan 3 jenis perhitungan, diantaranya kuartil, desil
dan persentil.
- Kuartil
Q
1
= 10,930
Q
2
= 16,240
Q
3
= 21,125
- Desil
D
1
= 6,89
D
2
= 9,67
D
3
= 12,02
D
4
= 14,19
D
5
= 16,24
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
31
D
6
= 18,09
D
7
= 19,94
D
8
= 22,68
D
9
= 26,33
- Persentil
P
30
= 12,02
P
57
= 15,53
P
85
= 24,25
P
99
= 35,50
4. Perhitungan dari ukuran penyebaran yang diperoleh dari datan pengamatan
adalah sebagai berikut:
Range: 33
Range persentil: 19,44
Simpangan kuartil: 5,10
Mean deviation: 6,02
Deviasi standar: 7,50
Varians: 56,25
Koefisien variasi: 0,45
5. Perhitungan momen, skewness, dan kurtosis dan penentuan jenis kurva jika
dibandingkan dengan kurva distribusi normal
Momen
- Momen ke-2 = 55,75
- Momen ke-3 = 171,75
- Momen ke-4 = 9072,81
- Momen ke-5 = 78258,37
- Momen ke-6 = 2316716,17
- Momen ke-7 = 31563950,58
- Momen ke-8 = 755257673,35
Skewnes: 4,96 x 10
-10
Kurtosis: 0,000292
Jenis kurva yang terbentuk ialah kurva platycurtic yang menceng kanan
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
32
4.2 Saran
Adapun saran yang ingin kami sampaikan pada pengerjaan tugas besar ini
ialah sebagai berikut:
1. Sebagai mahasiswa teknik, sudah sepatutnya kita mampu menganalisa dan
melakukan perhitungan tentang statistik dan probabilitas, mengingat hal
tersebut merupakan dasar dari ilmu keteknikan yang sangat berguna untuk
masa depan. Jika kita menilik ke belakang, sarjana Teknik diharapkan dapat
menjadi pemberi keputusan dalam berbagai masalah, jadi dengan semakin
matangnya konsep mengenai statistik dan probabilitas , tak ayal definisi
seorang sarjana Teknik pun dapat terwujud.
2. Dalam memahami konsep sebuah statistik aupun probabilitas, kita tidak
hanya belajar melalui konsep atau buku saja, akan tetapi kita juga dapat
belajar langsung mengenai hal tersebut di lapangan dimana dapat dimulai dari
hal yang sering terjadi di sekitar kita, salah satunya adalah mengamati
frekuensi angkutan perkotaaan yang melewati Margo City maupun
pengamatan pada suatu Industri.
3. Dalam perkembangannya, statistik dan probabilitas sangat diperlukan dalam
bidang Teknik terutama pada penerapannya pada tingkat Industri. Kami
menyarankan agar para mahasiswa Teknik dapat memahami dan
menyelesaikan permasalahan statistik dan probabilitas.
DAFTAR PUSTAKA
Harinaldi. 2005. Prinsip-prinsip Statistik untuk Teknik dan Sains. Jakarta:
Penerbit Erlangga
Anonim. Definisi histogram.
http://searchsoftwarequality.techtarget.com/definition/histogram (diakses
pada 12 juli 2011)
LAMPIRAN
Hasil Scan Form Survey Penghitungan Angkot
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011
Tugas Besar Statistik dan Probabilitas
Kelompok 1
2011