Adhe Julian Pertananda

5.KI.B
061540421929

Soal Diagram Pencar

Sebuah penelitian dilakukan oleh seorang pedagang eceran untuk menentukan hubungan
antara biaya pemasangan iklan perminggu dan hasil penjualannya. Data yang diperoleh
adalah sebagai berikut :
Biaya Iklan (x) 40 20 25 20 30 50 40 20 50 40 25 50
Penjualan (y) 385 400 395 365 475 440 490 420 560 525 480 510

a. Buatlah diagram pencarnya, buatlah analisis data

b. Tentukan persamaan regresinya
c. Perkirakanlah besarnya penjualan mingguan jika pengeluaran untuk iklan sebesar 35
d. Koefisien korelasi ( r ), buatlah analisis data
e. Koefisien determinasi ( r2 ), buatlah analisi data

f. Diagram Pencar dan Analisis

Diagram Pencar

Hubungan biaya pemasangan iklan

dan hasil penjualan
600
y = 3.2208x + 343.71
500
R = 0.403
400
Penjualan

300
Penjualan (y)
200
Linear (Penjualan (y))
100
0
0 20 40 60
Biaya Iklan
 Analisis

Biaya Iklan (x) Penjualan (y) x2 y2 xy

40 385 1.600 148.225 15.400
20 400 400 160.000 8.000
25 395 625 156.025 9.875
20 365 400 133.225 7.300
30 475 900 225.625 14.250
50 440 2.500 193.600 22.000
40 490 1.600 240.100 19.600
20 420 400 176.400 8.400
50 560 2.500 313.600 28.000
40 525 1.600 275.625 21.000
25 480 625 230.400 12.000
50 510 2.500 260.100 25.500
410 5.445 15.650 2.512.925 191.325

Persamaan Regresi
b = n xi yi - xi.yi
nxi2 - (xi)2

= 12(191.325) 410(5.445)
12(15.650) (410)2
= 2.295.900 2.232.450
187.800 168.100
= 63.450
19.700
b = 3,22
_
X = xi = 5.445
n 12
= 410 = 453,75
12
= 34,17
 a = y b.x
= 453,75 3,22 . 34,17
= 453,75 110,03
= 343,72

y = a + b.x
y = 343,72 + 3,22x Persamaan Regresi

Perkiraan besarnya penjualan mingguan jika pengeluaran untuk iklan sebesar 35

Diketahui Y = Pengeluaran Mingguan

X = Biaya Iklan
X = 35
Ditanya : Y.......?
Jawab :
Y = 343,72 + 3,22 (35)
= 343,72 + 112,7
= 456,42

Jadi, jika Biaya iklan sebesar 35 , maka besarnya pengeluaran = 456,42 .

g. Koefisien Korelasi dan Analisis

Koefisien Korelasi
r = nxy - x . y
{2 ()2}{2 ()2}

= 12 (191.325) (40)(5.445)

{12(15.650) (410)2}{12(2.512.925) (5.445)2}

= 2.295.900 2.232.450

{187.800 168.100}{30.155.100 29.648.025}

= 2.295.900 2.232.450
(19.700)(507.075)
= 63.450

9.989.377.500
= 0,63483805
r = 0,63
Koefisien Determinasi (r) dan Analisi data
Koefisien Determinasi
R = r = (0,63)
= 0,3969
= 0,40
= 40 %

Analisis data
Nilai R = 40 % menunjukan bahwa 40 % proporsi keragaman nilai peubah y ( volume
penjualan ) dapat dijelaskan oleh nilai peubah x ( biaya iklan ) melalui hubungan linier
Soal Diagram P

Suatu perusahaan pembuat plastik ingin membuat peta pengendali untuk periode mendatang
dengan mengadakan inspeksi terhadap proses produksi pada bulan ini. Perusahaan
melakukan 25 kali observasi dengan mengambil 50 buah sampel untuk setiap kali observasi
dilakukan. Berikut data banyaknya produk cacat:

Berdasarkan data riset tersebut di atas, diminta

1. Membuat p Control Chart

2. Membuat p Control Chart yang baru setelah direvisi
PEMBAHASAN

Langkah pertama menghitung proporsi cacat untuk setiap observasi dengan cara :

= (banyaknya produk cacat)/(ukuran sampel)

Hasilnya seperti yang ditunjukkan pada kolom proporsi cacat di tabel

Langkah kedua, menghitung rata-rata proporsi produk cacat. Berikut perhitungan rata-
rata proporsi produk cacat

Langkah ketiga, menghitung Batas pengendali atas (UCL) dan batas pengendali
bawah (LCL) untuk p chart. Berikut perhitungan UCL dan LCL untuk p chart:

Langkah ketiga memplotkan setiap data proporsi dari semua observasi. Hasilnya seperti
nampak pada gambar berikut:
Peta Pengendali Banyaknya Kesalahan (p-chart)

Karena data pada observasi ke-18 ada di luar batas pengedalian yang disebabkan karena
sebab khusus (assignable cause), maka harus dilakukan revisi. Perhitungan CL, UCL dan
LCL untuk p chart revisi adalah sebagai berikut:
Kondisi setelah revisi tersebut apabila di gambarkan akan tampak seperti gambar berikut ini.
Peta pengendali Proporsi Kesalahan (p-chart) Setelah Revisi

Karena semua data sudah berada dalam batas pengendalian (in statistical control) maka tidak
perlu dilakukan revisi lagi, dan peta pengendali inilah yang digunakan sebagai rencana
pengendalian kualitas proses statistik data atribut atau periode mendatang.