Anda di halaman 1dari 12

MODUL 2

STATFIT


2.1 Tujuan Praktikum
1. Mengetahui jenis-jenis distribusi.
2. Mengetahui cara penggunaan stat fit.
3. Mengaplikasikan statfit untuk mencari distribusi yang sesuai dengan data
yang dimiliki.
4. Mengetahui penggunaan distribusi dalam software Promodel.

2.2 Jenis-Jenis Distribusi
Distribusi dibagi menjadi 2 yaitu :
1. Distribusi kontinyu
Yang termasuk Distribusi kontinyu diantaranya adalah :
a) Distribusi uniform
Variabel random X berdistribusi uniform, diasumsikan memiliki
probabilitas yang sama untuk terjadinya diamana saja dalam suatu
sub interval sepanjang d yang ada dalam interval a sampai b



()

()


( )



b) Distribusi eksponensial
Sering digunakan untuk memodelkan waktu tunggu sampai sebuah
peristiwa terjadi, dan juga untuk memodelkan waktu antar terjadi
peristiwa. Variabel random X berdistribusi eksponensial dengan
parameter , memiliki fungsi :





=
s s

=
lainnya x
b x a
b a
b a x f
; 0
) (
1
) , ; (

=
>
=

lainnya x ; 0
0 untuk ,
1
) (
/
x e
x f
x |
|


II-2



| > 0; E (x) = = | ; Var (x) = o
2
= |
2


Gambar 2.1 Grafik Distribusi Eksponensial
c) Distribusi normal
Variabel random X berdistribusi normal, dengan parameter dan
memiliki fungsi distribusi probabilitas (pdf) :


() ()

Gambar 2.2 Grafik Distribusi Normal

2
2
2
) (
2
1
) (
o

o t

=
x
e x f


II-3

d) Distribusi Weibull
Distribusi Weibull ini diperkenalkan oleh ahli fisikawan swedia
Waloddi Weibull pada tahun 1939. Grafik distribusi weibull untuk
= 1 dan berbagai nilai parameter dilukiskan pada gambar
dibawah ini.


Gambar 2.3 Grafik Distribusi Weibull
Peubah acak kontinyu X terdistribusi Weibull pada parameter
dan , jika fungsi padatnya berbentuk
() {





Jika = 1 maka distribusi weibull menjadi distribusi eksponensial.
Jika > 1 maka kurvanya mirip lonceng dan menyerupai kurva
normal tetapi agak moncong.

2. Distribusi diskrit
Yang termasuk distribusi diskrit antara lain :
a) Distribusi poisson
Distribusi peluang peubah acak Poisson X, yang menyatakan
banyaknya sukses yang terjadi dalam suatu selang waktu atau
daerah tertentu diberikan oleh


II-4

()

x = 0,1,2,
Menyatakan rata-rata banyaknya sukses yang terjadi dalam selang
waktu atau daerah tertentu.
b) Distribusi Binomial
Distribusi Binomial adalah suatu distribusi probabilitas yang dapat
digunakan bilamana suatu proses sampling dapat diasumsikan
sesuai dengan proses Bernoulli.

b(x;n,p) = nCx px qn-x dimana x = 0,1,2,3,,n

n : banyaknya ulangan
x : banyaknya keberhasilan dalam peubah acak x
p : peluang berhasil dalam setiap ulangan
q : peluang gagal, dimana q = 1-p dalam setiap ulangan

2.3 Statfit
Statfit, software pendukung Promodel adalah salah satu aplikasi statistic
yang berguna untuk menentukan distribusi dari data yang akan digunakan sebagai
input untuk membuat model dalam Promodel. Statfit memberikan kemudahan,
kecepatan dan ketepatan dalam pengolahan data yang dimiliki. Statfit secara
otomatis akan mengelompokkan data sesuai dengan fungsi distribusi, relative
memberikan perbandingan antara jenis distribusi, dan sebuag ukuran mutlak yang
dapat diterima masing-masing distribusi. Statfit menerjemahkan fungsi distribusi
kedalam bentuk khusus untuk software simulasi. Fitur dalam Statfit meliputi
statistic deskriptif, estimasi parameter, goodness of fit test, analisa grafis, variasi
acak (random variate), dan banyak lagi.





II-5

Tampilan awal Statfit

Gambar 2.4 Tampilan awal statfit
Langkah-langkah menggunakan Statfit
1. Masukkan data yang telah didapatkan
Tabel 2.1 Pemasukan data pada statfit
1 9,41 13 9,19 25 9,49
2 9,44 14 9,92 26 9,92
3 9,29 15 9,41 27 9,99
4 9,92 16 9,21 28 9,21
5 9,96 17 9,17 29 9,22
6 9,49 18 9,99 30 9,42
7 9,19 19 9,29 31 9,46
8 9,99 20 9,41 32 9,9
9 9,41 21 9,99

10 9,12 22 9,18

11 9,49 23 9,91

12 9,22 24 9,41






II-6

2. Uji kecukupan data
Tabel 2.2 Uji kecukupan data
No
X
(minute) X
2
Xbar
1 9,41 88,548 9,519
2 9,44 89,114 9,519
3 9,29 86,304 9,519
4 9,92 98,406 9,519
5 9,96 99,202 9,519
6 9,49 90,060 9,519
7 9,19 84,456 9,519
8 9,99 99,800 9,519
9 9,41 88,548 9,519
10 9,12 83,174 9,519
11 9,49 90,060 9,519
12 9,22 85,008 9,519
13 9,19 84,456 9,519
14 9,92 98,406 9,519
15 9,41 88,548 9,519
16 9,21 84,824 9,519
17 9,17 84,089 9,519
18 9,99 99,800 9,519
19 9,29 86,304 9,519
20 9,41 88,548 9,519
21 9,99 99,800 9,519
22 9,18 84,272 9,519
23 9,91 98,208 9,519
24 9,41 88,548 9,519
25 9,49 90,060 9,519
26 9,92 98,406 9,519
27 9,99 99,800 9,519
28 9,21 84,824 9,519
29 9,22 85,008 9,519
30 9,42 88,736 9,519
31 9,46 89,492 9,519
32 9,9 98,010 9,519
Total 304,62 2902,823






II-7


Untuk tingkat keyakinan 95% dan tingkat ketelitian 5 %
Diketahui: N=32, S=0,05, K=2

N= [

()()


N= [

()()


N= 1,677
N> N= 30> 1,677, maka data cukup

3. Uji Kenormalan

Gambar 2.5 Normalitas data
4. Untuk mengetahui statistics descriptive pilih statistics lalu klik descriptive
maka akan keluar

Gambar 2.6 Hasil statistics descriptive


II-8

Hasil yang dapat kita ketahui dari perintah ini adalah banyaknya jumlah
data yang kita miliki, nilai minimum, nilai maksimum, nilai mean, modus,
median, standar deviasi, varian, koefisien, skewness dan kurtosis.

5. Uji Korelasi
a. Scater Plot

Gambar 2.7 Scater Plot
b. Autocerrelation

Gambar 2.8 Autocerrelation












II-9

c. Run test

Gambar 2.9 Run Test
6. Distribution fit
Untuk memutuskan bentuk distribusi dari data yang kita miliki secara
otomatis, kita dapat menggunakan perintah autofit, dengan cara memilih
menu fit > autofit. Dengan perintah ini kita dapat mengetahui hasil
distribusi data yang kita miliki dengan mudah dan cepat.
Pilih fit lalu klik autofit atau dapat langsung memilih maka akan
keluar

Gambar 2.10 Hasil autofit
Nilai rank yang paling tinggi adalah distribusi Exsponential (9.12,0.399)
dan penerimanya do not reject. Hal ini berarti bahwa data yang telah


II-10

diuji memiliki distribusi Exsponential. Semakin tinggi nilai ranking maka
distribusi tersebut semakin baik dalam mewakili data yang kita miliki.
7. Setelah mengetahui distribusi dari data tersebut kemudian kita melakukan
uji statistic untuk menguji apakah distribusi probabilitas terpilih benar-
benar tepat mewakili sample data. Untuk melakukan pengujian itu
dilakukan dengan memilih fit > goodness-of-fit atau mengklik icon
yang hasilnya sebagai berikut :



II-11



Gambar 2.11 Hasil goodness-of-fit



II-12

8. Untuk melihat grafik lalu pilih fit klik result graph pilih distribution.

Gambar 2.12 Cara menampilkan Histogram
Kemudian akan keluar

Gambar 2.13 Histogram distribusi dari data tersebut