STATISTIK INDUSTRI I
(TIED 1305)
Setelah mempelajari mata kuliah ini selama satu semester, mahasiswa diharapkan mampu:
Memahami dan menguasai pengetahuan dasar tentang statistik deskriptif, teori
kemungkinan (probabilitas), sampai dengan jenis-jenis distribusi probabilitas baik yang
diskrit maupun kontinu. Pemahaman pengetahuan dasar tersebut ditujukan guna menangani
permasalahan dunia industri (sistem produksi/industri).
Definisi Statistika
Statistika adalah ilmu yang mempelajari bagaimana membuat generalisasi harga
statistik. Obyek statistika adalah data yang kemudian diolah menjadi informasi. Informasi
adalah sesuatu yang sudah siap untuk membuat keputusan
Data informasi
statistika
Data hasil
Produksi Barang siap dijual/diekspor
Statistika
.
.
.
Dsbnya
Informasi
Dua konsep penting dalam statistika :
• Konsep populasi dari sampel
Tujuan : produksi beras tahun depan (2008)
Keputusan impor beras tahun 2007
Untuk menaksir produksi beras tahun 2008 digunakan data-data panenan sebagian
daerah awal tahun 2008.
Produksi beras tahun 2008 = populasi (tidak bisa diketahui tetapi harus ditaksir).
Sebagian daerah penyelidikan = sampel
Populasi : Himpunan semua obyek-obyek yang kita selidiki
Sampel : Himpunan bagian dari populasi
Populasi
sampel
15 Km
YK
Sampai di Jogja 20 menit
Prambanan
Kecepatan x1 , x 2 , x3 , , x n
Kecepatan rata-rata 45 Km/Jam
Tendensi Sentral
Ukuran tendensi sentral yang biasa digunakan adalah mean, median dan modus.
Data x1 , x 2 , x3 , , x n
n
x1 , x 2 , x3 , , x n
Mean x = = ∑x i
n i ≡1
x1 = 6 x2 = 4 x3 = 8 x4 = 7
6 + 4 +8 + 7 25
x = = = 6,25
4 4
= ( x1 + x 2 + + x n ) + ( y1 + y 2 + + y n )
n n
= ∑x i ≡1
i + ∑y
i ≡1
i
n n
2. ∑bx 1 = bx1 − bx 2 + .......... .. + bx n = b( x1 + .......... . + xn ) = b∑ x i
i ≡1 i ≡1
n
3. ∑b = b + b + + b = n ⋅ b
i ≡1
4.
n
∑( x i − x)
2
= ∑ (x
n
i
2
− 2 xi ⋅ x + x 2 ) x= ∑x
i =1
i
i =1 i =1
n
n n
= ∑ xi − 2 ⋅ x ⋅ ∑ xi + n ⋅ x
2 2
i =1 i =1
2 2
n n
∑ xi ∑ xi
= n
∑ xi − 2 i =1 + i =1
2
i =1 n n
2
n
∑ xi
= n
n ⋅ ∑ xi − i =1
2
i =1 n
UKURAN DEVIASI
3 + 5 + 7 + 7 + 8 30
x= = =6
5 5
1 + 4 + 5 + 9 + 11 30
y= = =6
5 5
DATA I
0 1 2 3 4 5 6 7 8 9 10 11
DATA II
0 1 2 3 4 5 6 7 8 9 10 11
Dari gambar terlihat bahwa data II lebih menyebar daripada data I. Ukuran deviasi yang
banyak digunakan adalah standar S,
2
n
∑ xi
∑( xi − x )
n
xi − i =1 n
n 2
∑
2
dimana S =
i =1
i =1
=
n −1 n −1
Contoh :
Data I
Xi X ( Xi −X )
(Xi −X ) 2
Xi
2
3 6 -3 9 9
5 6 -1 1 25
7 6 1 1 49
7 6 1 1 49
8 6 2 4 64
30 16 196
( )
n 2
∑ Xi − X 16
Sx = i =1
5 −1
=
4
= 4 =2
2
∑n X i
∑
n
Xi − n
i =1
196−
30
2
( )
5 = 196− 180 = 4 = 2
Sx = i =1
5−1
=
4 4
Data II
Yi Y (Yi −Y )
(Yi −Y ) 2
Yi
2
1 6 -5 25 1
4 6 -2 4 16
5 6 -1 1 25
9 6 3 9 81
11 6 5 25 121
30 64 244
( )
n 2
∑ Yi −Y 64
Sy = i =1
5 −1
=
4
= 16 = 4
2
∑n Y i
n
i = 1 244− 30
∑i=1 Y i − n
2
( )
5 = 244− 180 = 64 = 16 = 4
Sy =
5−1
=
4 4 4
1. Teori Singkat
Distribusi frekuensi tunggal adalah distribusi yang tidak menggunakan interval
(golongan/kelompok) didalam penyusunan tabel distribusi frekuensinya.
Tabel distribusi frekuensi tunggal dibuat dengan cara menggabungkan data yang sama
kedalam satu kelas kemudian dihitung frekuensinya. Setelah tabel distribusi frekuensi
tunggal terbentuk maka untuk mencari mean, median, modus, simpangan standard dan
kuartil 1,2,3 digunakan;
X =
∑X i fi
n
Dengan Xi = nilai data ke i
fi = frek. Data i
n = banyak data
k = banyak kelas
b. Median (Med): nilai tengah dari data yang telah diurutkan.
Untuk n ganjil med = nilai data ke ½ (n+1).
Untuk n genap med = ½ (nilai data ke ½ + nilai data ke (1/2 n + 1))
c. Modus (Mod) : nilai data yang mempunyai frekuensi tertinggi.
d. Simpangan standard (S);
n∑ X i 2 f i − ( ∑ X i f i ) 2
0,5
S =
n(n − 1)
Atau
n * ∑ X 2 − (∑ X )
2
S =
2
n(n − 1)
2. Contoh Soal
Disajikan data peserta KB dari suatu Puskesmas sebagai berikut;
16 17 18 19 20 21 22 23 24 25
20 24 28 32 36 40 44 48 24 26
28 30 32 34 36 38 40 42 44 46
18 20 22 24 26 28 30 32 34 36
19 21 23 25 27 29 31 33 35 37
3. Penyelesaian
a. Salah satu cara pengambilan sampel dengan tabel bilangan random dapat dilakukan
sebagai berikut;
i. Karena banyaknya data 50 (<=100) maka pengambilan bilangan random
dilakukan 2 digit – 2 digit, misalkan pengambilan bilangan random mulai kolom
1, baris 1 maka sesuai tabel didapat angka 5177 74640 42331 ……. Dst, karena
kita mengambil 2 digit – 2 digit angka tersebut menjadi 51 77 27 46 … dst.
ii. Setiap data usia peserta KB diberi nomor urut sebagai berikut;
Usia peserta KB 16 diberi nomor urut 00 dan 01
--“-- 20 --“-- 02 dan 03
--“-- 28 --“-- 04 dan 05
--“-- .. --“-- .........
--“-- .. --“-- .........
--“-- .. --“-- .........
--“-- 36 --“-- 96 dan 97
--“-- 37 --“-- 98 dan 99
iii. Bilangan random yang telah terambil pada point a.i. juga merupakan nomor
urut, sehingga bilangan random 21 77 27 46 … mewakili usia pserta KB 21,
32, 22, 26;…..dst.
02 – 03 20 24 28 32 36 40 44 48 24 26
04 – 05 28 30 32 34 36 38 40 40 44 46
06 – 07 18 20 22* 24 26 28 30 32* 34 36
08 - 09 19 21 23 25 27 29 31 33 35 37
a. Data
Sampel bil. Random data usia Sampel bil. Random data usia
1. 51 21* 11. 46 26
2. 77 32 12. 62 44
3. 27 22 13. 16 20
4. 46 26 14. 28 23
5. 40 20 15. 98 37
6. 42 36 16. 03 20
7. 33 32 17. 58 29
8. 12 24 18. 20 18
9. 90 25 19. 41 20
10. 44 36 20. 80 24
c. Tabel perhitungan
No. Usia KB frek. Frek. Komulatif X i fi Xi2 fi
(Xi) (fi)
1. 18 1 1 18 324
2. 20 4 5 80 1600
3. 21 1 6 21 441
4. 22 1 7 22 484
5. 23 1 8 23 529
6. 24 2 10 48 1152
7. 25 1 11 25 625
8. 26 2 13 52 1352
9. 29 1 14 29 841
10. 32 2 16 64 2048
11. 36 2 18 72 2592
12. 37 1 19 37 1369
13. 44 1 20 44 1936
4. Kesimpulan
Rata-rata usia peserta KB = 27 tahun
Median = 25 tahun
Modus = 20 tahun
Simpangan standard = 7 tahun
Kuartil 1 = 20 tahun
Kuartil 2 = 25 tahun
Kuartil 3 = 32 tahun.
1. Teori Singkat
Distribusi frekuensi berupa interval adalah distribusi yang menggunakan
pengelompokkan dalam penyusunan kelas-kelasnya.
Dalam susunan tabel distribusi frekuensi berupa interval pelu diperhatikan tentang;
a. Range (R).
Range adalah selisih antara nilai data yang terbesar dengan nilai data yang terkecil.
b. Bayaknya kelas (k).
Salah satu cara menentukan banyaknya kelas adalah dengan aturan dari Sturges,
aturan ini menyatakan banyaknya kelas;
K = 1 + 3,32 log n dengan n = banyaknya data.
c. Lebar (interval) tiap-tiap kelas (C).
C = Range / k
d. Limit bawah kelas dan limit atas kelas.
Jika data merupakan angka satuan maka;
Limit bawah kelas = tepi (ujung) bawah kelas – 0,5
Limit atas kelas = tepi (ujung) atas kelas + 0,5
Dan limit atas kelas – limit bawah kelas = C.
e. Interval disusun mulai data yang terkecil atau terbesar dan susun ke bawah.
f. Titik tengah (Xi) = ½ (nilai data tepi bawah kelas + nilai data tepi atas kelas).
g. Hitung frekuensi tiap-tiap kelas dengan jalan memeriksa setiap data masuk ke
dalam kelas yang sesuai.
Setelah tabel distribusi frekuensi berupa interval terbentuk maka untuk mencari mean,
median, modus, simpangan standard dan kuartil 1, 2, 3, digunakan;
Mean X = (Σ Xi fi) / n
Dengan
Xi = titik tengah kelas i.
fi = frekuensi kelas ke i.
k = banyaknya kelas.
n = banyaknya data.
1 / 2n − F
Median Med = LBmed + *C
f med
Dengan
LBmed : limit bawah kelas median.
fmed : frekuensi pada kelas median.
C : lebar kelas.
F : frek. komulatif semua kelas sebelum kelas median.
A
Modus Mod = LBmod + *C
A +B
Dengan
LBmed : limit bawah kelas modus.
A: selisih frek. kelas modus dengan frek. kelas terdekat sebelumnya.
B: selisih frek. kelas modus dengan frek. Kelas terdekat sesudahnya.
Kelas modus: kelas yang mempunyai frek. tertinggi.
Simpangan standard.
n∑ X i 2 f i − ( ∑ X i f i ) 2
0,5
S =
n * (n − 1)
(i * 1 / 4n) − Fi
Kuartil Ki = LKi +
fK i
Dengan
Ki : kuartil ke i dan i = 1, 2, 3
LKi : limit bawah kuartil ke i
Fi : frek. komulatif kelas-kelas sebelum kelas kuartil ke i.
fKi : frek. kelas kuartil ke i.
2. Contoh Soal
Hasil pengambilan sampel dengan menggunakan tabel bilangan random sebanyak 100
data sebagai berikut;
29 64 118 74 86 53 38 70 64 71
39 78 72 33 64 41 36 78 58 48
42 96 48 43 39 63 71 43 69 60
72 120 102 26 86 39 20 64 61 39
83 78 96 38 63 71 43 53 86 78
83 103 64 64 78 96 54 48 50 56
139 48 73 63 63 123 62 36 50 112
27 73 42 71 54 28 96 81 63 108
48 100 62 48 62 71 72 63 71 67
28 28 43 39 38 36 83 62 60 83
3. Penyelesaian
Range = 139 – 20 = 119
k = 1 + 3, 32 log 100 = 7,64 = (k = 7 atau k = 8)
jika diambil k =8, maka C = 119/8 = 14,875 = 15
Tepi bawah kelas ke 1 = 20 (diurutkan dari data terkecil).
Limit bawah kelas 1 = 20 – 0,5 = 19,5
Limit atas kelas 1 = 15 + 19,5 = 34,5
Sehingga tepi atas kelas ke 1 = 34,5 – 0,5 = 34
Titik tengah kelas ke 1 = ½ * (20 + 34) = 27.
Untuk kelas ke 2, 3, ...8 cara sama dengan diatas.
b. Tabel perhitungan
No. Interval Titik tengah frek. Frek. Kom Xi fi Xi2 fi
(Xi) (fi)
1. 20 – 34 27 8 8 216 5832
2. 35 – 49 42 24 32 1008 42336
3. 50 – 64 57 27 59 1539 87723
4. 65 – 79 72 20 79 1440 103680
5. 80 – 94 87 8 87 696 60552
6. 95 – 109 102 8 95 816 83232
7. 110 – 124 117 4 99 468 54756
8. 125 – 139 132 1 100 132 17424
6315 455535
c. Mean = 6315 / 100 = 63,15
Median terletak pada data ke 50 dan pada kelas ke 3
LBmed = 50 – 0,5 = 49,5;
F = 32 dan fmed = 27
( 50 − 32 ) *15 = 59,5
Median = 49,5 +
27
Simpangan standard =
100 * (100 −1)
= 23,94
4. Kesimpulan
Mean = 63,15
Median = 59,5
Modus = 54
Simpangan standard = 23,94
Kuartil ke 1 = 45,12
Kuartil ke 2 = 59,5
Kuartil ke 3 = 76,5
PROBABILITAS
Komplemen
AC = { xΙx ∉ A}
Probabilitas P(.) adalah aturan yang mengawankan setiap i dengan bilangan real P
1. 0 ≤ P (i ) ≤ 1
n
2. P (Ω) = ∑ P ( i ) = 1
i =1
3. P ( A) = ∑P ( i )
iεΑ
Contoh 1 :
1 1 1 1
Ω = { MB , MM , BM , BB }= , , ,
4 4 4 4
A = {MM,MB,BM}
1 1 1 3
P(A) = + + =
4 4 4 4
B = {MB,BB}
1 1 1
P(B) = + =
4 4 2
1
Α ∩ Β = {MB } = P( Α ∩ Β) =
4
Contoh 2
Ω = {Cerah , Mendung , Hujan } = 0.9, 0.09, 0.01
Akan kita buktikan:
Ρ( Α ∪ Β) = Ρ( Α) + Ρ( Β) − Ρ( Α ∩ Β)
Α ∪ Β = (Α ∩ Β c ) ∪ ( Α ∩ Β) ∪ ( Α c ∩ Β)
∴ Ρ( Α ∪ Β) = Ρ( Α ∩ Βc ) + Ρ( Α ∩ Β) + Ρ( Αc ∩ Β)
Ρ( Α) = Ρ( Α ∩ Βc ) + Ρ( Α ∩ Β)
Atau,
Ρ( Α ∩ Βc ) = Ρ( Α) − Ρ( Α ∩ Β)
Juga berlaku,
Ρ( Β ∩ Αc ) = Ρ( Β) − Ρ( Α ∩ Β)
Akibatnya
Ρ( Α ∪ Β) = Ρ( Α) − Ρ( Α ∩ Β) + Ρ( Α ∩ Β) + Ρ( Β) − Ρ( Α ∩ Β)
= Ρ( Α) + Ρ( Β) − Ρ( Α ∩Β)
Contoh :
3 1 1
Ρ( Α ∪ Β) = + − =1
4 2 4
PROBABILITAS BERSYARAT
Sekarang misalkan kita mengetahui bahwa suatu barang adalah produksi mesim M2.
berapakah probabilitasnya barang tersebut cacat.
Pertanyaan terakhir adalah produksi cacat bersyarat bahwa barang tersebut produksi
M2 P(C/M2).
Definisi:
Misalkan A dan B adalah kejadiah dimana P(B) > 0.
Probabilitas bersyarat A diketahui
B telah terjadi ditulis P(A/B) kita definisikan sebagai :
P( A ∩ B)
P(A/B) =
P ( B)
Contoh:
Kesehatan Berat
Kelebihan Normal Kurang Jumlah
Hipertensi 0,10 0,08 0,02 0,20
Normal 0,15 0,45 0,20 0,80
Jumlah 0,25 0,53 0,22 1,00
A = Hipertensi
B = Kelebihan berat badan
P ( A) = 0,20
P ( A ∩ B) 0,10
P( A / B ) = = = 0,4 ≠ P ( A)
P( B ) 0,25
P( A ∩ B )
Dari definisi P( A / B ) = atau P( A ∩ B) = P( A / B) ⋅ P( B)
P( B)
P ( A ∩ B)
P( A / B) = ⇒ P( A ∩ B ) = P( A) ⋅ P ( B)
P( B )
1
P( A ∩ B) 1
P( A / B) = = 4 = = P( A)
P( B) 1 2
2
P ( A / B ) = P ( A) ⇒ A dan B independen
P ( A ∩ B ) = P ( A) ⋅ P ( B )
A dan B independen ⇒ P( A ∩ B ) = P ( A) ⋅ P( B)
A dan B disebut kejadian independen bila:
a.) P ( A / B ) = P ( A) atau
b.) P ( B / A) = P( B) atau
c.) P( A ∩ B ) = P ( A) ⋅ P( B )
Berapakah keandalan S?
S = A ∩ B dengan A dan B independen
∴P ( S ) = P ( A ∩ B ) = P ( A) ⋅ P ( B ) = (0,98 ) ⋅ (0,95 ) = 0,931
B
S* = A∪ B
P ( S * ) = P ( A) + P ( B ) − P ( A ∩ B )
= (0,25) . (0,8)
= 0,2
P ( A ∪ B ) = 0,5 + 0,25 − 0,2
= 0,55
Variabel Random
X = Pajak yang dibayar (dalam ribuan)
Petugas pajak tertarik pada propinsi pembayar pajak yang membayar suatu harga.
Contoh: melontarkan mata uang yang seimbang dua kali
Ω= {MM, MB, BM, BB}
X = banyaknya muka
X
3
MM
2
MB
1
BM
0
BB
-1
1
P ( x = 2) = P ( MM ) =
4
1
P ( x =1) = P ( MB , BM ) =
2
1
P ( x = 0) = P ( BB ) =
4
x P ( x = x) = f ( x)
0 1
4
1 1
2
2 1
4
1
Atau
(a) f ( x) ≥ 0
(b) ∑ f ( x) = 1
x
Contoh:
f ( x ) = kx x = 0, 1, 2, 3, 4, 5
(a) Tentukan k agar f ( x ) merupakan distribusi probabilitas
(b) Tentukan P (1 ≤ x ≤ 3)
(c) P ( x ≤ 2)
(d) P ( x > 3)
Jawab:
(a)
x f ( x) 15 k = 1 x f ( x)
0 0 1 0 0
k=
15
1 k 1 1
15
2 2k 2 2
15
3 3k 3 3
15
4 4k 4 4
15
5 5k 5 5
15
15 k
(b) P (1 ≤ x ≤ 3) = P( x = 1) + P( x = 2) + P ( x = 3)
1 2 3
= + +
15 15 15
6
=
15
(c) P ( x ≤ 2) = P( x = 0) + P ( x = 1) + P( x = 2)
1 2
= 0+ +
15 15
3 1
= =
15 5
(d) P ( x > 3) = P ( x = 4) + P ( x = 5)
4 5
= +
15 15
9 3
= =
15 5
Mean dan Variasi Variabel Random X
Misalkan variabel random X mempunyai probabilitas f ( x ) ditulis E ( x ) atau µ x atau
µ kita definisikan sebagai :
E ( x) = ∑x ⋅ f ( x)
x
Sedang variasi dari x vitulis sebagai Var(x) atau σ 2 x atau σ 2 kita definisikan sebagai:
σ 2 = E( x − µ) = ∑ ( x − µ) 2 f ( x)
2
E( x 2 ) = ∑x x
2
⋅ f ( x)
Bukti:
σ 2 = E( x − µ) = ∑ ( x − µ) 2 f ( x)
2
= ∑( x
x
2
− 2 µx + µ 2 ) f ( x)
= ∑x
x
2
f ( x) − 2 µ∑ x f ( x ) +µ 2 ∑ f ( x)
x x
= ∑x
x
2
f ( x ) − 2 µ 2 +µ 2
= E ( x 2 ) − µ2
Contoh:
x f ( x) x x−µ ( x − µ) 2 ( x − µ) 2 x2 x2
f ( x) f ( x) f ( x)
0 0,1 0 -2 4 0,4 0 0
1 0,2 0,2 -1 1 0,2 1 0,2
2 0,4 0,8 0 0 0 4 1,6
3 0,2 0,6 1 1 0,2 9 1,8
4 0,1 0,4 2 4 0,4 16 1,6
2,0 1,2 5,2
µ = ∑x ⋅ f ( x)
x
=2
σ2 = ∑( x − µ)
x
2
f ( x ) = 1,2
σ2 = ∑x x
2
f(x) −µ2 = 5,2 − (2) 2 = 5,2 − 4 = 1,2
σ = 1,2 = 1,095
Tentukan P( µ − σ ≤ x ≤ µ + σ )
µ + σ = 2 + 1,095 = 3,905
µ − σ = 2 – 1,095 = 0,905
P ( 0,905 ≤ x ≤ 3,905 ) = P ( x = 1) + P ( x = 2) + P ( x = 3) = 0,8