Laporan Akhir Statin (121,123,125,158) PDF
Laporan Akhir Statin (121,123,125,158) PDF
Oleh :
Nama : Riski Septian Rachman
NPM : 0515101031
Menyetujui,
Asisten Praktikum Statistika Industri
Asisten Asisten
Mengesahkan,
Instruktur Praktikum Statistika Industri
i
KATA PENGANTAR
Puji syukur senantiasa penulis panjatkan kehadirat Allah SWT, karena atas rahmat
dan hidayah-Nya lah penulis dapat menyelesaikan laporan akhir ini dengan judul
”Laporan Akhir Statistika Industri”.
Penulis mengucapkan rasa terima kasih yang sebesar-besarnya atas semua bantuan
yang telah diberikan, baik secara langsung maupun tidak langsung selama
penyusunan tugas akhir ini hingga selesai. Secara khusus rasa terima kasih tersebut
penulis sampaikan kepada:
1. Ibu Ima Ratnasari, S.T., M.T. selaku instruktur praktikum Statistika Industri
yang telah memberikan bimbingan serta ilmu pengetahuan dalam menyusun
laporan akhir ini.
2. Usi Putri Pratiwi Aisah dan Devi Frida Sagala selaku asisten praktikum
Statistika Industri yang telah membantu dan membimbing penulis selama
menjalankan praktikum ini.
3. Orang tua penulis yang senantiasa memberikan semangat dan motivasi
untuk penulis menyelesaikan laporan akhir ini.
4. Rekan-rekan penulis yang telah membantu dalam menuntaskan laporan
akhir ini.
Penulis menyadari masih terdapat banyak kekurangan yang dibuat baik sengaja
maupun tidak sengaja, dikarenakan keterbatasan ilmu pengetahuan dan wawasan
serta pengalaman yang penulis miliki. Penulis mengucapkan mohon maaf atas
segala kekurangan tersebut, tidak menutup diri terhadap segala saran dan kritik
serta masukan yang bersifat kontruktif bagi diri penulis. Akhir kata, semoga laporan
akhir ini dapat bermanfaat bagi penulis sendiri, institusi pendidikan dan masyarakat
luas.
ii
DAFTAR ISI
Halaman
LEMBAR PENGESAHAN ................................................................................... i
KATA PENGANTAR ........................................................................................... ii
DAFTAR ISI......................................................................................................... iii
DAFTAR GAMBAR ........................................................................................... vii
DAFTAR TABEL ................................................................................................ ix
BAB I PENDAHULUAN ...................................................................................... 1
1.1 LATAR BELAKANG .................................................................................. 1
1.1.1 Statistika Deskriptif ................................................................................ 1
1.1.2 Teori Probabilitas ................................................................................... 1
1.1.3 Distribusi Probabilitas ............................................................................ 2
1.1.4 Statistik Parametrik dan Non-Parametrik............................................... 4
1.1.5 Regresi dan Korelasi .............................................................................. 5
1.2 TUJUAN PRAKTIKUM .............................................................................. 6
1.2.1 Statistika Deskriptif ................................................................................ 6
1.2.2 Teori Probabilitas ................................................................................... 6
1.2.3 Distribusi Probabilitas ............................................................................ 6
1.2.4 Statistik Parametrik dan Non-Parametrik............................................... 7
1.2.5 Regresi dan Korelasi .............................................................................. 7
BAB II LANDASAN TEORI ............................................................................... 8
2.1 STATISTIKA DESKRIPTIF ........................................................................ 8
2.1.1 Definisi Statistika Deskriptif .................................................................. 8
2.1.2 Istilah dalam Statistika ........................................................................... 8
2.1.3 Definisi Statistika Deskriptif .................................................................. 9
2.1.4 Jenis Statistika ........................................................................................ 9
2.1.5 Ukuran Pemusatan Data ....................................................................... 11
2.1.6 Ukuran Penyebaran Data...................................................................... 12
2.2 TEORI PROBABILITAS ........................................................................... 14
2.2.1 Definisi Probabilitas ............................................................................. 14
2.2.2 Manfaat Probabilitas dalam Penelitian................................................. 15
iii
Halaman
2.2.3 Percobaan, Ruang Sampel, Titik Sampel dan Peristiwa ...................... 15
2.2.4 Probabilitas Beberapa Peristiwa ........................................................... 16
2.2.5 Irisan 2 Kejadian .................................................................................. 17
2.2.6 Paduan 2 Kejadian................................................................................ 18
2.2.7 Komplemen Suatu Kejadian ................................................................ 18
2.2.8 Kejadian Bersyarat ............................................................................... 18
2.2.9 Permutasi .............................................................................................. 19
2.2.10 Kombinasi .......................................................................................... 19
2.3 DISTRIBUSI PROBABILITAS ................................................................. 20
2.3.1 Binomial dan Hipergeometrik .............................................................. 20
2.3.2 Poisson dan Eksponensial .................................................................... 23
2.4 STATISTIK PARAMETIK DAN NON-PARAMETRIK.......................... 28
2.4.1 Definisi Statistik Parametrik ................................................................ 28
2.4.2 Pengujian Hipotesis .............................................................................. 28
2.4.3 Prosedur Pengujian Hipotesis .............................................................. 28
2.4.4 Jenis-jenis Pengujian Hipotesis ............................................................ 30
2.4.5 Pengujian Hipotesis Rata-rata .............................................................. 33
2.4.6 Definisi Statistik Non-Parametrik ........................................................ 34
2.4.7 Keunggulan Uji Statistika Non-Parametrik ......................................... 34
2.5 REGRESI DAN KORELASI ...................................................................... 36
2.5.1 Teori Regresi ........................................................................................ 36
2.5.2 Definisi Regresi .................................................................................... 37
2.5.3 Jenis-jenis Regresi ................................................................................ 38
2.5.4 Definisi Korelasi .................................................................................. 38
2.5.5 Jenis-jenis Korelasi .............................................................................. 39
BAB III FLOWCHART KEGIATAN PRAKTIKUM ..................................... 41
3.1 FLOWCHART KEGIATAN PRAKTIKUM ............................................... 41
3.2 URAIAN FLOWCHART KEGIATAN PRAKTIKUM .............................. 42
3.2.1 Studi Literatur ...................................................................................... 42
3.2.2 Pengumpulan Data ............................................................................... 42
3.2.3 Pengolahan Data................................................................................... 44
iv
Halaman
3.2.4 Analisis ................................................................................................. 46
3.2.5 Kesimpulan dan Saran.......................................................................... 46
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA ............................. 47
4.1 PENGUMPULAN DATA .......................................................................... 47
4.1.1 Statistika Deskriptif .............................................................................. 47
4.1.2 Teori Probabilitas ................................................................................. 48
4.1.3 Distribusi Probabilitas .......................................................................... 49
4.1.4 Statistik Parametrik dan Non-Parametrik............................................. 53
4.1.5 Regresi dan Korelasi ............................................................................ 56
4.2 PENGOLAHAN DATA ............................................................................. 58
4.2.1 Statistika Deskriptif .............................................................................. 58
4.2.2 Teori Probabilitas ................................................................................. 78
4.2.3 Distribusi Probabilitas .......................................................................... 83
4.2.4 Statistik Parametrik dan Non-Parametrik........................................... 109
4.2.5 Regresi dan Korelasi .......................................................................... 136
BAB V ANALISIS............................................................................................. 150
5.1 STATISTIKA DESKRIPTIF .................................................................... 150
5.2 TEORI PROBABILITAS ......................................................................... 151
5.3 DISTRIBUSI PROBABILITAS ............................................................... 152
5.3.1 Binomial dan Hipergeometrik ............................................................ 152
5.3.2 Poisson dan Eksponensial .................................................................. 154
5.4 STATISTIKA PARAMETRIK DAN NON-PARAMETRIK .................. 156
5.4.1 Statistik Parametrik ............................................................................ 156
5.4.2 Statistik Non-Parametrik .................................................................... 157
5.5 REGRESI DAN KORELASI .................................................................... 158
5.5.1 Analisis Regresi Sederhana ................................................................ 158
5.5.2 Analisis Regresi Berganda ................................................................. 159
BAB VI KESIMPULAN DAN SARAN .......................................................... 161
6.1 KESIMPULAN ......................................................................................... 161
6.1.1 Statistika Deskriptif............................................................................ 161
6.1.2 Teori Probabilitas ............................................................................... 161
v
Halaman
6.1.3 Distribusi Probabilitas ........................................................................ 162
6.1.4 Statistik Parametrik dan Non-Parametrik........................................... 163
6.1.5 Regresi dan Korelasi .......................................................................... 164
6.2 SARAN ..................................................................................................... 165
6.2.1 Statistika Deskriptif ............................................................................ 165
6.2.2 Teori Probabilitas ............................................................................... 165
6.2.3 Distribusi Probabilitas ........................................................................ 166
6.2.4 Statistik Parametrik dan Non-Parametrik........................................... 167
6.2.5 Regresi dan Korelasi .......................................................................... 167
DAFTAR PUSTAKA ........................................................................................ 168
LAMPIRAN ....................................................................................................... 169
vi
DAFTAR GAMBAR
Halaman
Gambar 2. 1 Kurva Distribusi Normal ................................................................ 30
Gambar 3. 1 Flowchart Kegiatan Praktikum ...................................................... 41
Gambar 4. 1 Grafik Histogram Data Diskrit ....................................................... 67
Gambar 4. 2 Grafik Ogive Data Diskrit............................................................... 68
Gambar 4. 3 Grafik Poligon Data Kontinu .......................................................... 77
Gambar 4. 4 Grafik Ogive Data Kontinu............................................................. 78
Gambar 4. 5 Probabilitas Berdasarkan Software Minitab (Binomial)................. 87
Gambar 4. 6 Grafik Histogram Probabilitas (Binomial) ..................................... 88
Gambar 4. 7 Grafik Histogram Probabilitas Kumulatif (Binomial) .................... 88
Gambar 4. 8 Probabilitas Berdasarkan Software Minitab (Hipergeometrik) ...... 94
Gambar 4. 9 Grafik Histogram Probabilitas (Hipergeometrik) ........................... 94
Gambar 4. 10 Grafik Histogram Probabilitas Kumulatif (Hipergeometrik) ....... 95
Gambar 4. 11 Diagram Batang Poisson 3 Menit ................................................. 98
Gambar 4. 12 Diagram Poligon Poisson 3 Menit ............................................... 99
Gambar 4. 13 Diagram Batang Poisson 5 Menit ............................................... 103
Gambar 4. 14 Diagram Batang Poisson 5 Menit ............................................... 103
Gambar 4. 15 Diagram Batang Eksponensial ................................................... 106
Gambar 4. 16 Diagram Poligon Eksponensial .................................................. 107
Gambar 4. 17 Grafik Histogram CM Terhadap Fi ............................................ 110
Gambar 4. 18 Kurva Distribusi Normal 1% Panjang Balok ............................. 112
Gambar 4. 19 Kurva Distribusi Normal 5 % Panjang Balok ............................ 112
Gambar 4. 20 Kurva Distribusi Normal 10 % Panjang Balok .......................... 112
Gambar 4. 21 Grafik Histogram CM Terhadap Fi ............................................ 113
Gambar 4. 22 Kurva Distribusi Normal 1% Lebar Balok ................................. 115
Gambar 4. 23 Kurva Distribusi Normal 5% Lebar Balok ................................. 115
Gambar 4. 24 Kurva Distribusi Normal 10% Lebar Balok ............................... 115
Gambar 4. 25 Grafik Histogram CM Terhadap Fi ............................................ 117
Gambar 4. 26 Kurva Distribusi Normal 1% Berat Detergen............................. 119
Gambar 4. 27 Kurva Distribusi Normal 5% Berat Detergen............................. 119
vii
Halaman
Gambar 4. 28 Kurva Distribusi Normal 10% Berat Detergen .......................... 119
Gambar 4. 29 Kurva Distribusi Normal 1% Uji Tanda Sampel 1 ..................... 128
Gambar 4. 30 Kurva Distribusi Normal 5% Uji Tanda Sampel 1 ..................... 128
Gambar 4. 31 Kurva Distribusi Normal 10% Uji Tanda Sampel 1 ................... 128
Gambar 4. 32 Kurva Distribusi Normal 1% Uji Tanda Sampel 1 dan 2 ........... 130
Gambar 4. 33 Kurva Distribusi Normal 5% Uji Tanda Sampel 1 dan 2 ........... 130
Gambar 4. 34 Kurva Distribusi Normal 10% Uji Tanda Sampel 1 dan 2 ......... 131
Gambar 4. 35 Kurva Distribusi Normal 1% Uji Dwi Wilcoxon ....................... 133
Gambar 4. 36 Kurva Distribusi Normal 5% Uji Dwi Wilcoxon ....................... 133
Gambar 4. 37 Kurva Distribusi Normal 10% Uji Dwi Wilcoxon ..................... 133
Gambar 4. 38 Kurva Regresi Sederhana ........................................................... 139
Gambar 4. 39 Diagram Yi Terhadap Xi ............................................................. 140
Gambar 4. 40 Diagram Scatter Y Terhadap Ypred ............................................ 140
Gambar 5. 1 Grafik Histogram Probabilitas (Binomial) ................................... 152
Gambar 5. 2 Grafik Histogram Probabilitas (Hipergeometrik) ......................... 153
viii
DAFTAR TABEL
Halaman
Tabel 2. 1 Hipotesis .............................................................................................. 29
Tabel 2. 2 Formulasi Hipotesis ............................................................................ 33
Tabel 2. 3 Kriteria Hipotesis ................................................................................ 33
Tabel 2. 4 Kategori Nilai Korelasi ....................................................................... 40
Tabel 4. 1 Data Berat Badan dan Tinggi Badan Pasien ....................................... 47
Tabel 4. 2 Hasil Pengamatan ................................................................................ 48
Tabel 4. 3 Hasil Penelitian ................................................................................... 48
Tabel 4. 4 Data Asli Hasil Percobaan Binomial dan Hipergeometrik ................. 50
Tabel 4. 5 Hasil Pengamatan Distribusi Probabilitas Poisson ............................. 51
Tabel 4. 6 Hasil Pengamatan Distribusi Probabilitas Poisson ............................. 52
Tabel 4. 7 Distribusi Probabilitas Eksponensial................................................... 53
Tabel 4. 8 Data Panjang Balok dan Lebar Balok ................................................. 54
Tabel 4. 9 Data Berat Detergen ............................................................................ 54
Tabel 4. 10 Data Pengukuran Diameter Bola Sampel 1 ....................................... 55
Tabel 4. 11 Data Pengukuran Diameter Bola Sampel 2 ....................................... 55
Tabel 4. 12 Data Pengukuran Diameter Bola Sampel 3 ....................................... 55
Tabel 4. 13 Data Regresi Sederhana .................................................................... 56
Tabel 4. 14 Data Regresi Berganda ...................................................................... 57
Tabel 4. 15 Data Berat Badan dan Tinggi Badan Setelah Ditambah NPM ......... 58
Tabel 4. 16 Distribusi Frekuensi Data Diskrit...................................................... 59
Tabel 4. 17 Hasil Perhitungan Kuartil Data Diskrit ............................................. 62
Tabel 4. 18 Letak Desil Data Diskrit .................................................................... 62
Tabel 4. 19 Hasil Perhitungan Desil Data Diskrit ................................................ 64
Tabel 4. 20 Hasil Perhitungan Persentil ............................................................... 66
Tabel 4. 21 Frekuensi Kumulatif Kurang Dari dan Lebih Dari ........................... 68
Tabel 4. 22 Distribusi Frekuensi Data Kontinu.................................................... 69
Tabel 4. 23 Hasil Perhitungan Kuartil Data Kontinu ........................................... 71
Tabel 4. 24 Letak Desil Data Kontinu .................................................................. 72
Tabel 4. 25 Hasil Perhitungan Desin Data Kontinu ............................................. 74
ix
Halaman
Tabel 4. 26 Hasil Perhitungan Persentil Data Kontinu ........................................ 76
Tabel 4. 27 Frekuensi Kumulatif Kurang Dari dan Lebih Dari ........................... 77
Tabel 4. 28 Hasil Pengamatan Setelah Ditambah NPM (+31) ............................. 78
Tabel 4. 29 Hasil Penelitian Setelah Ditambah NPM (+31) ................................ 78
Tabel 4. 30 Hasil Perhitungan Studi Kasus 1 ....................................................... 81
Tabel 4. 31 Data Pelamar Setelah Ditambah NPM .............................................. 82
Tabel 4. 32 Hasil Percobaan Setelah Ditambahkan 2 .......................................... 83
Tabel 4. 33 Hasil Perhitungan Probabilitas dan Probabilitas Kumulatif .............. 84
Tabel 4. 34 Hasil Perhitungan Probabilitas dan Probabilitas Kumulatif .............. 89
Tabel 4. 35 Hasil Pengamatan Setelah Ditambahkan NPM (+4) ......................... 95
Tabel 4. 36 Hasil Pengamatan Setelah Ditambahkan NPM (+4) (Lanjutan) ....... 96
Tabel 4. 37 Distribusi Frekuensi dari Distribusi Poisson 3 Menit ....................... 96
Tabel 4. 38 Ringkasan Distribusi Poisson 3 Menit .............................................. 97
Tabel 4. 39 Hasil Pengamatan Setelah Ditambahkan NPM (+4) ......................... 99
Tabel 4. 40 Hasil Pengamatan Setelah Ditambahkan NPM (+4) (Lanjutan) ..... 100
Tabel 4. 41 Distribusi Frekuensi dari Distribusi Poisson 5 Menit ..................... 100
Tabel 4. 42 Ringkasan Distribusi Poisson 5 Menit ............................................ 101
Tabel 4. 43 Hasil Pengamatan Setelah Ditambahkan NPM (+31) ..................... 104
Tabel 4. 44 Distribusi Frekuensi dari Distribusi Eksponensial .......................... 104
Tabel 4. 45 Ringkasan Distribusi Eksponensial ................................................. 106
Tabel 4. 46 Panjang Balok Setelah Ditambah NPM (+0,31) ............................. 109
Tabel 4. 47 Perhitungan Frekuesi Data Panjang Balok ...................................... 109
Tabel 4. 48 Lebar Balok Setelah Ditambah NPM (+0,31) ................................. 113
Tabel 4. 49 Perhitungan Frekuensi Data Lebar Balok ....................................... 113
Tabel 4. 50 Berat Detergen Setelah Ditambah NPM (+0,31) ............................ 116
Tabel 4. 51 Perhitungan Frekuensi Data Detergen ............................................ 116
Tabel 4. 52 Uji Kolmogorov Smirnov Sampel 1 ............................................... 120
Tabel 4. 53 Uji Kolmogorov Smirnov Sampel 2 ............................................... 122
Tabel 4. 54 Uji Kolmogorov Smirnov Sampel 3 ............................................... 124
Tabel 4. 55 Uji Tanda Sampel 1 ......................................................................... 126
Tabel 4. 56 Uji Tanda Sampel 1 dan 2 ............................................................... 129
x
Halaman
Tabel 4. 57 Uji Dwi Wilcoxon Sampel 2 dan 3 ................................................. 131
Tabel 4. 58 Uji Kruskal Wallis Sampel 1, 2 dan 3 ............................................. 134
Tabel 4. 59 Data Regresi Sederhana Setelah Ditambah NPM (+31) ................. 136
Tabel 4. 60 Hasil Pengolahan Data Regresi Sederhana ..................................... 137
Tabel 4. 61 Plot Data Regresi Sederhana ........................................................... 139
Tabel 4. 62 Data Regresi Berganda Setelah Ditambah NPM (+31)................... 140
Tabel 4. 63 Hasil Pengolahan Data Regresi Berganda ....................................... 141
Tabel 4. 64 Hasil Pengolahan Data Regresi Berganda (Lanjutan) ..................... 142
Tabel 5. 1 Hasi Perhitungan Skewness Diskrit dan Kontinu ............................. 150
Tabel 5. 2 Hasil Perhitungan Gabungan (Union) ............................................... 151
Tabel 5. 3 Ringkasan Teori Antrean .................................................................. 154
Tabel 5. 4 Hasil Pengujian Hipotesis Statistik Parametrik ................................. 156
Tabel 5. 5 Hasil Uji Kolmogorv-Smirnov Sampel 1 .......................................... 157
Tabel 5. 6 Hasil Uji Tanda ................................................................................. 158
Tabel 5. 7 Analisis Regresi Sederhana ............................................................... 158
Tabel 5. 8 Analisis Regresi Berganda ................................................................ 159
xi
BAB I
PENDAHULUAN
Statistik memegang peranan yang penting dalam penelitian, baik dalam penyusunan
model, perumusan hipotesa, dalam pengembangan alat dan instrumen pengumpulan
data, dalam penyusunan desain penelitian, dalam penentuan sampel, dan dalam
analisa data. Pengolahan dan analisa data tidak luput dari penerapan teknik dan
metode statistik tertentu. Statistik memberikan metode-metode sederhana dalam
mengklasifikasikan data serta mudah dalam penyajian data, sehingga data tersebut
dapat dengan mudah dimengerti.
Di zaman sekarang ini banyak ditemukan data-data yang bersifat mentah sehingga
sulit dipahami oleh pembaca. Data mentah perlu diolah dan disajikan sehingga
menghasilkan informasi yang dapat dipahami oleh pembaca dengan mudah.
Statistika deskriptif menjadi metode yang dapat digunakan sebagai salah satu cara
untuk mengumpulkan dan menyajikan suatu gugus data sehingga memberikan
informasi yang berguna bagi pembaca.
Adanya metode yang benar dan tepat untuk mengolah dan menyajikan data mentah
diharapkan berguna bagi masyarakat luas, sehingga informasi yang ingin
disampaikan dapat dengan mudah dimengerti, demikian juga bagi perusahaan-
perusahaan. Manfaat statistik bagi perusahaan sangat penting, salah satunya yaitu
dalam bidang produksi. Statistik sangat berperan penting dalam mengendalikan
kualitas dalam suatu produksi dengan hanya mengambil beberapa sampel saja dari
suatu produk.
1
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Permasalahan yang kerap terjadi dalam bidang produksi salah satunya yaitu adanya
produk yang cacat atau rusak. Produk yang cacat dapat diminimalisir dengan
memperkirakan tingkat kecacatan dalam suatu produksi sehingga dapat
meminimalisir kerugian yang dialami. Tingkat kecacatan menjadi salah satu
permasalahan yang tidak dapat diperkirakan sebelumnya, sehingga diperlukan
metode yang tepat untuk dapat meramalkannya.
2
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Modul Binomial dan Hipergeometrik kali ini membahas mengenai tingkat peluang
dari sebuah percobaan pengambilan bola pingpong dimana bola pingpong berwarna
kuning menjadi salah satu ukuran bahwa kejadian tersebut sukses atau berhasil.
Adanya percobaan yang dilakukan pada modul kali ini diharapkan dapat menjadi
gambaran terhadap langkah-langkah yang harus dilakukan untuk mengetahui
tingkat keberhasilan dari suatu produksi. Metode binomial dan hipergeometrik pun
diharapkan dapat membantu suatu perusahaan untuk meminimalisir terjadinya
kecacatan atau kegagalan dalam suatu produksi dan diharapkan dapat membantu
perusahaan untuk mendapatkan keuntungan yang sebesar-besarnya.
3
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
sudut pandang pelanggan dan penyedia produk ataupun jasa, sehingga diharapkan
dapat memberikan solusi optimal. Adanya evaluasi terhadap antrean tersebut
diharapkan dapat memberikan keuntungan bagi penyedia produk ataupun jasa dan
tentunya kepuasan bagi pelanggan.
Kesulitan yang sering kali dihadapi oleh suatu perusahaan yaitu dalam pengambilan
keputusan, baik keputusan yang berhubungan langsung dengan perusahaan itu
sendiri ataupun tidak, seperti contoh mengambil keputusan untuk meningkatkan
kualitas dari suatu produk. Meningkatkan kualitas dari suatu produk tentu saja dapat
meningkatkan pendapatan dari perusahaan itu sendiri, namun tanpa adanya sampel
yang dapat diuji tentu saja peningkatan kualitas tersebut tidak dapat berjalan.
Memperoleh sampel yang baik dan memenuhi asumsi suatu distribusi tertentu
sangat sulit dilakukan, maka dari itu terdapat metode yang dapat menguji apakah
sampel yang diuji telah memenuhi suatu asumsi dari distribusi tertentu atau tidak.
4
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Modul Statistik Parametrik dan Non-Parametrik kali ini membahas mengenai suatu
hipotesis terhadap pengukuran 40 buah balok yang mana nantinya balok tersebut
akan diukur panjang serta lebarnya. Pengujian hipotesis selanjutnya yaitu terhadap
pengukuran diameter bola yang masing-masing sampel diambil data sebanyak 50
buah bola. Pengukuran balok dan bola tersebut dilakukan untuk mengetahui apakah
hipotesis awal diterima atau ditolak. Adanya metode yang tepat dalam menguji
suatu sampel diharapkan dapat membantu perusahaan pada pengambilan
keputusan.
Banyak penelitian untuk mengetahui hubungan dari kejadian satu dengan kejadian
yang lainnya. Penelitian tersebut bertujuan untuk mengetahui apakah dua kejadian
terdapat hubungan yang saling terikat atau tidak, misalnya hubungan antara
kenaikan bahan bakar minyak (BBM) terhadap harga bahan pokok makanan.
Hubungan antara dua kejadian tersebut perlu dilakukan analisis lebih lanjut
sehingga mendapatkan kesimpulan yang akurat.
Regresi dan Korelasi dapat menjadi teknik dalam ilmu statistika yang dapat
digunakan untuk menggambarkan hubungan antara suatu variabel terikat dengan
satu atau beberapa variabel bebas. Hubungan antara variabel terikat dengan variabel
bebas dapat dikatakan kuat apabila nilai koefisien korelasi mencapai 1, sebaliknya
jika tidak terdapat hubungan antara variabel terikat dengan variabel bebas koefisien
korelasinya bernilai 0. Metode korelasi dan regresi dapat digunakan dalam
kehidupan sehari-hari, misalnya analisis terhadap hubungan antara kenaikan bahan
bakar minyak (BBM) dengan harga bahan pokok makanan.
Modul Regresi dan Korelasi kali ini membahas mengenai suatu analisis terhadap
data regresi sederhana dan data regresi berganda. Analisis terhadap data regresi
sederhana melibatkan satu buah variabel bebas yaitu nilai praktikum (𝑋) dan satu
buah variabel terikat yaitu mortum (𝑌). Hasil akhir yang akan didapatkan setelah
melakukan analisis yaitu mengetahui hubungan antara variabel bebas terhadap
variabel terikat. Analisis data regresi berganda akan melibatkan tiga buah variabel
bebas dan satu buah variabel terikat. Regresi dan Korelasi digunakan untuk
5
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
6
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Tujuan melakukan kegiatan praktikum pada modul Statistik Parametrik dan Non-
Parametrik ini, praktikan diharapkan mampu:
1. Mampu membedakan karakteristik distribusi populasi dan distribusi
sampling.
2. Mengetahui dan memahami manfaat penaksiran.
3. Mampu menguji hipotesis terhadap parameter statistik.
4. Memahami konsep Statistik Non-Parametrik.
5. Memahami uji Kolmogorov-Smirnov, Uji Tanda, Uji Dwi Wilcoxon dan
Uji Kruskal Wallis.
6. Mampu menarik kesimpulan dari hasil pengujian.
Tujuan melakukan kegiatan praktikum pada modul Analisis Regresi dan Korelasi,
praktikan diharapkan mampu:
1. Memahami pengertian regresi dan korelasi.
2. Menentukan hubungan antara dua variabel dalam bentuk persamaan.
3. Mengetahui besar kecilnya pengaruh antar dua variabel.
4. Mampu menarik kesimpulan dari hasil perhitungan.
7
BAB II
LANDASAN TEORI
8
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
a. Statistika Deskriptif
Statistika deskriptif adalah bagian dari statistika yang membahas cara
pengumpulan dan penyajian data sehingga mudah untuk dipahami dan
memberikan informasi yang berguna.
b. Statistika Inferensial
Statistika inferensial adalah bagian dari statistika yang membahas cara
melakukan analisis data, menaksir, meramalkan, dan menarik kesimpulan
terhadap data, fenomena, persoalan yang lebih luas atau populasi
berdasarkan sebagian data sampel yang diambil secara acak dari populasi.
9
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
1. Statistika Parametrik
Statistika parametrik adalah teknik statistika yang parameter populasi atau
asumsi distribusi populasi data berdasarkan pada model distribusi normal
dan memiliki variansi yang homogen.
2. Statistika nonparametrik Statistika nonparametrik adalah teknik statistika
yang parameter populasinya atau asumsi distribusi populasi data yang tidak
mengikuti model distribusi tertentu atau bebas terdistribusi dan variansi
tidak harus homogen.
1. Data Kualitatif
Data kualitatif adalah data yang tidak bisa dinyatakan dengan angka.
Contoh: tingkat kesejahteraan penduduk, peningkatan pembangunan. Data
kualitatif terdiri dari duamacam yaitu:
a. Data Nominal
Data nominal adalah jika suatu objek hanya menghasilkan satu dan
hanya satu-satunya kategori pada objek tersebut, maka data yang
diperoleh termasuk tipe nominal (data kategori). Pada data nominal
tidak ada perbedaan tingkatan derajat bobot data.
b. Data Ordinal
Data ordinal adalah data yang diperoleh dari suatu pengambilan data
terhadap suatu objek menghasilkan lebih dari satu kategori.
2. Data kuantitatif adalah data yang dapat dinyatakan denganangka. Contoh:
harga apel yaitu Rp 2.500,00. Data kuantitatif terdiri atas dua macam yaitu
(Harinaldi, 2005):
a. Data Diskrit
Data diskrit adalah data yang diperoleh dari suatu pencacahan atau
enumerasi. Data ini berbentuk bilangan-bilangan bulat 0, 1, 2, 3, ... dan
seterusnya.
10
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
b. Data Kontinu
Data kontinu adalah data yang umumnya didapat dari suatu pengukuran
dengan suatu instrumen alat ukur. Data kontinu dapat dinyatakan dalam
bentuk data interval maupun data rasio (data titik).
A. Mean (Rata-rata)
Mean adalah jumlah nilai pada data dibagi dengan banyaknya data tersebut.
Ukuran ini mudah dihitung dengan memanfaatkan semua data yang
dimiliki, jika ada sekelompok data maka untuk menyebut ukuran numerik
sebagai wakil dari data sering dipakai rata-rata hitung.
Xi
X i 1
n
11
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
𝑀𝑒 = 𝑥1(𝑛+1) 𝑥𝑛 + 𝑥𝑛+1
2 2
2 𝑀𝑒 =
2
Keterangan:
𝑛
𝑥𝑛 adalah data pada urutan ke setelah diurutkan. (Kusumo, 2014)
2 2
C. Modus
Modus adalah data yang nilai terjadinya sering muncul atau yang
mempunyai frekuensi paling tinggi. Suatu distribusi mungkin tidak
memiliki modus dengan kata lain modus tidak selalu ada. Hal ini bila semua
pengamatan hanya mempunyai satu frekuensi saja.
Ukuran penyebaran data adalah ukuran yang memberikan gambaran seberapa besar
data menyebar dari titik-titik pemusatan. Nilai sentral kurang bermanfaat apabila
tidak diketahui nilai pemencaran atau penyimpangan tiap datanya terhadap nilai
tengah, jika suatu data mempunyai nilai yang terlalu jauh menyimpang dari nilai
sentralnya, maka data tersebut kurang akurat untuk menggambarkan keseluruhan
data. Ukuran penyebaran data dapat meliputi range, variansi, standar deviasi, dan
jangkauan antar kuartil.
A. Range
Range adalah selisih atau jarak antara nilai maksimum dengan nilai
minimum. Rumus yang digunakan untuk menghitung range adalah:
R = Rmax - Rmin
12
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
B. Variansi
Variansi adalah suatu besaran yang mengukur besarnya ragam data.
Semakin besar ragam data maka nilai variansi semakin besar, demikian
sebaliknya. Dalam industri, variansi disebut juga ukuran presisi proses dan
rata-rata sebagai akurasi proses. Rumus yang digunakan untuk menghitung
variansi adalah:
(𝑥𝑖−𝑥)2
𝜎 2 = ∑𝑛𝑖=1 𝑛
Keterangan:
𝛔2 = Variansi 𝑥 = Rata-rata
C. Standar Deviasi
Standar deviasi adalah akar dari jumlah kuadrat deviasi dibagi dengan
banyaknya data.
𝒏
(𝒙𝒊 − 𝒙)𝟐
𝜎 = √∑
𝒏
𝒊=𝟏
Keterangan:
H = Q3 – Q1
Keterangan:
13
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Probabilitas adalah suatu indeks atau nilai yang digunakan untuk menentukan
tingkat terjadinya suatu kejadian yang bersifat random (acak). Probabilitas
merupakan indeks atau nilai maka probabilitas memiliki batas-batas yaitu mulai
dari 0 sampai dengan 1. Pengertian probabilitas dapat dilihat melalui tiga macam
pendekatan yaitu pendekatan klasik, pendekatan frekuensi relatif, dan pendekatan
subjektif (Hasan, 2001):
1. Pendekatan klasik
Probabilitas diartikan menurut pendekatan klasik sebagai hasil bagi dari
banyaknya peristiwa yang dimaksud dengan seluruh peristiwa yang
mungkin. Menurut pendekatan klasik, probabilitas dirumuskan:
Keterangan:
P(A) = Probabilitas terjadinya kejadian A
X = Peristiwa yang dimaksud
n = banyaknya peristiwa yang mungkin
2. Pendekatan frekuensi relatif
Menurut pendekatan frekuensi relatif, probabilitas diartikan sebagai:
a. Proporsi waktu terjadinya suatu peristiwa dalam jangka panjang,
jika kondisi stabil atau
b. Frekuensi relatif dari seluruh peristiwa dalam sejumlah besar
percobaan.
Probabilitas frekuensi relatif sering jga disebut sebagai probabilitas
empiri. Menurut pendekatan ini probabilitas dirumuskan:
Keterangan:
P(Xi) = probabilitas peristiwa i
fi = frekuensi peristiwa i
n = banyaknya peristiwa yang bersangkutan
14
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
15
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
percobaan, atau hasil dari percobaan atau anggota-anggota dari ruang sampel atau
kemungkinan-kemungkinan yang muncul (Hasan, 2001).
16
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
17
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Paduan dua kejadian A dan B dilambangkan dengan A union B adalah kejadian yang
mencakup semua unsur atau anggota A atau B atau keduanya. Unsur-unsur A union
B dapat didefinisikan menurut kaidah A union B = {x|x € A atau x € B}. Contoh A
= {1, 3,5,7} dan B = {2, 4, 6, 8}, maka A union B = {1,2,3,4,5,6,7,8}.
Komplemen atau pelengkap dari suatu himpunan adalah himpunan yang memiliki
anggota, dimana gabungan dari himpunan dan komplemennya adalah himpunan
semesta dan irisan himpunan dengan komplemennya adalah himpunan kosong.
Misalkan A adalah munculnya mata dadu ganjil dari sebuah dadu standar, maka A
= {1,3,5}. Karena S = {1,2,3,4,5,6}, maka komplemen dari A, dituliskan dengan
notasi Ac = munculnya mata dadu genap dari dadu standar atau Ac = {2,4,6}.
𝑃(𝐴∩𝐵)
P(A|B) = 𝑃(𝐵)
Dimana:
1. P(A|B) adalah probabilitas A dan B,
2. P(B) adalah probabilitas B dan P(B) > 0. Dengan kata lain kejadian B
merupakan syarat terjadinya kejadian A. Jika yang menjadi syarat adalah
kejadian A makadapat ditulis sebagai berikut:
𝑃(𝐴∩𝐵)
P(B|A) = 𝑃(𝐴)
18
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
2.2.9 Permutasi
Permutasi adalah suatu susunan yang dibentuk dari suatu kumpulan benda yang
diambil sebagian atau seluruhnya dengan memperhatikan urutan. Hal yang perlu
diperhatikan dalam permutasi adalah bahwa objek-objek yang ada harus dapat
“dibedakan” antara yang satu dengan yang lain. Contoh : {1,2,3} tidak sama dengan
{2,3,1} dan {3,1,2}.
2.2.10 Kombinasi
19
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Distribusi peluang adalah tabel, grafik atau rumus yang memberikan nilai peluang
dari sebuah peubah acak. Berdasarkan karakteristik peubah acaknya, distribusi
peluang dapat dibedakan menjadi dua yaitu distribusi peluang diskrit dan distribusi
peluang kontinu. Distribusi peluang diskrit adalah distribusi peluang dimana
semesta peubah acaknya dapat dihitung atau berhingga. Macam-macam distribusi
peluang diskrit ada 6 yaitu distribusi Binomial, distribusi Binomial Negatif,
distribusi Multinomial, distribusi Geometrik, distribusi Hipergeometrik, dan
distribusi Poisson. Distribusi peluang kontinu adalah distribusi peluang dimana
semesta peubah acaknya tak tehingga jumlahnya. Macam-macam distribusi
peluang kontinu ada 4 yaitu distribusi Normal, distribusi Gamma, distribusi
Eksponensial dan distribusi Chi-Square.
Variabel acak atau peubah acak adalah suatu fungsi yang nilainya berupa bilangan
nyata yang ditentukan oleh setiap unsur dalam ruang contoh. Peubah acak
dinyatakan dengan huruf kapital, misalnya X sedangkan nilainya dinyatakan dengan
huruf kecil padanannya misalnya x. Variabel acak dapat dibedakan menjadi:
a) Variabel acak diskrit
adalah variabel yang dapat memiliki sejumlah nilai yang bisa dihitung.
b) Variabel acak kontinu.
adalah variabel acak yang dapat memiliki nilai tak terhingga, berkaitan
dengan titik-titik dalam suatu interval.
20
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Distribusi peluang kontinu adalah suatu ruang contoh mengandung tak terhingga
banyaknya titik contoh yang sama dengan banyaknya titik pada sebuah garis.
Distribusi peluang diskrit adalah suatu ruang contoh yang mengandung jumlah titik
contoh yang terhingga atau suatu barisan unsur yang tidak pernah berakhir tetapi
yang sama banyaknya dengan bilangan cacah.
Suatu percobaan dimana pada setiap perlakuan hasilnya hanya ada dua
kemungkinan yaitu proses dan gagal dalam n ulangan yang bebas.
Ciri-ciri distribusi peluang binomial adalah sebagai berikut:
1. Percobaan terdiri dari atas n ulangan
2. Setiap ulangan hasilnya digolongkan dalam sukses dan gagal
3. Peluang sukses dilambangkan dengan p, sedangkan gagal (1- p) atau q
4. Ulangan-ulangan tersebut bersifat saling bebas satu sama lain.
21
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
𝑛
𝑏(𝑥; 𝑛; 𝑝) = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥 untuk x = 0, 1, 2, 3 . . . , n
𝑥
Keterangan:
n = Banyaknya data
𝜇 = 𝑛. 𝑝
𝜎 2 = 𝑛. 𝑝. 𝑞
Keterangan:
𝜇 = rata-rata
𝜎 2 = variansi
n = banyak data
Bila dalam N populasi benda, k benda diberi label berhasil dan (N-k) benda lainnya
diberi label gagal, maka distribusi probabilitas bagi peubah acak hipergeometrik X
yang menyatakan banyaknya keberhasilan dalam contoh acak berukuran n.
𝑘 𝑁−𝑘
( )( )
𝑥 𝑛−𝑥
ℎ(𝑥; 𝑁, 𝑛, 𝑘) = 𝑁 untuk x = 0, 1, 2, . . ., k
( )
𝑛
22
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
𝑛𝑘
𝜇=
𝑁
𝑁−𝑛 𝑘 𝑘
𝜎2 = 𝑛 (1 − )
𝑁−1 𝑁 𝑁
Keterangan:
𝜇 = Rata-rata
𝜎2 = Variansi
N = Ukuran populasi
x = Jumlah terambil dari kelompok sukses
n = Jumlah sampel
k = Jumlah sukses
Apabila nilai harapan kejadian pada suatu interval adalah 𝜆, maka probabilitas
terjadi peristiwa sebanyak k kali (k adalah bilangan bulat non negatif, k = 0, 1, 2,
...) maka sama dengan:
𝜆𝑘 𝑒 −𝜆
𝑓(𝑘; 𝜆) =
𝑘!
Dimana:
23
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
d. λ adalah bilangan riil positif, sama dengan nilai harapan peristiwa yang
terjadi dalam interval tertentu. Misalnya, peristiwa yang terjadi rata-rata 4
kali per menit, dan akan dicari probabilitas terjadi peristiwa k kali dalam
interval 10 menit, digunakan distribusi Poisson sebagai model dengan
λ = 10×4 = 40.
Sebagai fungsi k, ini disebut fungsi massa probabilitas. Distribusi Poisson dapat
diturunkan sebagai kasus terbatas distribusi binomial. Distribusi Poisson dapat
diterapkan pada sistem dengan kejadian berjumlah besar yang yang mungkin
terjadi, yang mana kenyataannya cukup jarang. Distribusi Poisson ini hampir sama
dengan distribusi binomial, hanya saja jumlah percobaan yang diulang (sampel)
sangat besar dan probabilitasnya terjadi peristiwa sukses sangat kecil.
Distribusi Poisson sebagai suatu bentuk pembatasan distribusi binomial pada saat
n besar, sedangkan p mendekati 0 , dan np konstan. Sehingga bila n besar dan p
mendekati 0, distribusi Poisson dapat digunakan untuk memperkirakan probabilitas
binomial, dengan = n.p
24
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Distribusi Eksponensial adalah salah satu distribusi dalam statistika yang digunakan
untuk perhitungan dalam kasus antrean, dimana Distribusi Eksponensial ini
digunakan untuk dua selang waktu antrean. Distribusi Eksponensial biasanya
berguna untuk mendeskripsikan waktu antar kedatangan dan waktu pelayanan
dalam teori antrean. Distribusi Eksponensial memiliki ciri-ciri sebagai berikut:
1. Waktu antar kejadian bersifat acak.
2. Waktu antar kejadian berikutnya independen terhadap waktu antar kejadian
sebelumnya.
3. Waktu pelayanan dalam antrean tergantung dari unit yang dilayani.
Berikut ini merupakan fungsi probabilitas dari distribusi eksponensial:
𝑃(𝑥) = 𝜆𝑒 −𝜆𝑥 , 𝜆 > 0
Dimana:
λ = Rata-rata pelayanan
e = Nilai Logaritma ( e = 2,71828 )
x = Waktu lamanya pelayanan tiap unit
Adapun karakeristik Distribusi Eksponensial sebagai berikut:
1. Mempunyai nilai variansi.
2. Mempunyai nilai mean.
3. Pencarian pada Distribusi Eksponensial menggunakan variabel I.
25
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
4. Peluang yang terjadi pada suatu percobaan mempengaruhi selisih waktu yang
terjadi pada percobaan tersebut.
5. Mempunyai nilai b > 0.
Distribusi Eksponensial berguna dalam mencari selisih waktu yang terjadi dalam
suatu peluang pada daerah tertentu, dalam aplikasinya Distribusi Eksponensial ini
sangat berperan sekali seperti:
a) Mengukur selisih waktu antara orang ke-1 dan ke-2 dalam suatu antrean.
b) Distribusi ini juga berguna untuk mengukur tingkat kegagalan yang
mungkin terjadi dalam suatu peluang.
c) Distribusi Eksponensial juga berguna dalam mencari peubah acak kontinu
x, dengan menggunakan variabel random (bilangan acak).
Teori antrean adalah cabang dari terapan teori probabilitas yang awalnya digunakan
untuk mempelajari kemacetan lalu lintas telepon, pertama kali diperkenalkan oleh
seorang ahli matematika dari Denmark. Proses antrean adalah suatu proses yang
berhubungan dengan kedatangan seorang pelangan pada suatu fasilitas pelayanan
kemudian menunggu dalam suatu baris atau antrean karena pelayannya sedang
sibuk dan akhirnya meninggalkan sistem setelah selesai dilayani, sedangkan yang
dimaksud dengan sistem antrean adalah himpunan pelanggan, pelayan dan suatu
aturan yang mengatur kedatangan para pelanggan dan pemrosesan masalahnya.
1. Pelanggan
Pelanggan adalah orang atau barang yang menunggu untuk dilayani. Arti
dari pelanggan tidak harus berupa orang, misalnya saja antrean pada loket
pembayaran di supermarket.
2. Pelayan
Pelayan adalah orang atau sesuatu yang memberikan pelayanan. Seperti
halnya pelanggan, pelayan juga tidak harus berupa orang. Misalnya pada
26
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
pengambilan uang melalui ATM, mesin ATM dalam hal ini merupakan
pelayan.
3. Antrean
Antrean merupakan kumpulan pelanggan yang menunggu untuk dilayani.
B. Karakteristik Antrean
Karakteristik yang dapat dilihat dari suatu sistem antrean antara lain:
27
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Ilmu statistika yang mempertimbangkan jenis sebaran atau distribusi data, yaitu
apakah data menyebar normal atau tidak. Umumnya, jika data tidak menyebar
normal, maka data harus dikerjakan dengan metode Statistika Non-Parametrik, atau
setidak-tidaknya dilakukan transformasi agar data mengikuti sebaran normal,
sehingga bisa dikerjakan dengan statistika Parametrik. Asumsi yang digunakan
dalam statistika Parametrik adalah data harus berdistribusi normal, homogen, dan
linear serta data harus dalam skala interval dan rasio.
Hipotesis berasal dari bahasa Yunani, yaitu hupo dan thesis. Hupo berarti lemah,
kurang, atau di bawah dan thesis berarti teori, proposisi, atau pernyataan yang
disajikan sebagai bukti. Hipotesis dapat diartikan sebagai suatu pernyataan yang
masih lemah kebenarannya dan perlu dibuktikan atau dugaan yang sifatnya masih
sementara.
Hipotesis statistik adalah pernyataan atau dugaan mengenai keadaan populasi yang
sifatnya masih sementara atau lemah kebenarannya. Hipotesis statistik akan
diterima jika hasil pengujian membenarkan pernyataannya dan akan ditolak jika
terjadi penyangkalan dari pernyataannya. Pengujian hipotesis, keputusan yang
dibuat mengandung ketidakpastian, artinya keputusan bisa benar atau salah,
sehingga menimbulkan resiko. Besar kecilnya resiko dinyatakan dalam bentuk
probabilitas.
28
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Tabel 2. 1 Hipotesis
Pengujian Sisi Kanan Pengujian Sisi Kiri Pengujian Dua Sisi
H0 : 𝜃 = 𝜃 0 H0 : 𝜃 = 𝜃 0 H0 : 𝜃 = 𝜃 0
H1 : 𝜃 > 𝜃 0 H1 : 𝜃 < 𝜃 0 H1 : 𝜃 ≠ 𝜃 0
29
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Uji Dua Pihak Uji Satu Pihak Kanan Uji Satu Pihak Kiri
30
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
31
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
dibandingkan dengan nilai yang ada pada tabelnya untuk menerima atau
menolak hipotesis nol yang dikemukan, yang termasuk pengujian
hipotesis dengan distribusi t adalah pengujian hipotesis rata rata (satu
dan beda dua rata rata) sampel kecil.
32
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Pada pengujian hipotesis rata-rata, terdapat dua jenis pengujian, yaitu pengujian
hipotesis beda satu rata-rata dan pengujian hipotesis dua rata-rata.
H1 : µ > µ 0 H1 : µ < µ 0 H1 : µ ≠ µ 0
(Sumber: Iqbal, 2010:146)
b. Penentuan nilai α (taraf nyata) dan nilai Z tabel (Zα)
Menentukan nilai α sesuai soal, kemudian nilai Zα atau Zα/2
ditentukan dari tabel.
c. Kriteria pengujian
Tabel 2. 3 Kriteria Hipotesis
Untuk H0 : µ = µ0 dan Untuk H0 : µ = µ0 dan Untuk H0 : µ = µ0 dan
H1 : µ > µ 0 H1 : µ < µ 0 H1 : µ ≠ µ 0
H0 diterima jika
H0 diterima jika Z0 ≤ Zα H0 diterima jika Z0 ≥ -Zα -Zα/2 ≤ Z0 ≤ Zα/2
H0 ditolak jika Z0 > Zα/2
H0 ditolak jika Z0 > Zα H0 ditolak jika Z0 < -Zα atau Z0 < -Zα/2
33
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
d. Uji statistik
1) Simpangan baku populasi (σ) diketahui:
𝑥̅ − µ0 𝑥̅ − µ0
𝑍0 = σx̅
= σ
√𝑛
e. Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan H0 (sesuai
dengan kriteria pengujiannya).
Uji statistik Non Parametrik merupakan suatu uji statistik yang tidak memerlukan
adanya asumsi-asumsi mengenai sebaran data populasinya, maka dari itu statistik
ini juga dikemukakan sebagai statistik bebas sebaran. Statistika Non Parametrik
dapat digunakan untuk menganalisis data yang berskala nominal atau ordinal. Data
yang berskala ordinal atau nominal tidak menyebar secara normal. Statistik ini juga
digunakan pada data yang berjumlah kecil, atau kurang dari 30.
Asumsi yang berhubungan dengan uji statistik Non Parametrik yaitu:
a) Observasi haruslah independen
b) Data tidak berdistribusi normal
c) Pengukuran variabel dengan skala ordinal dan skala nominal
d) Jumlah sampel kecil
a. Jumlah sampel kecil atau terlalu kecil, maka tidak ada alternatif lain
menggunakan uji Non Parametrik kecuali distribusi populasi diketahui dengan
pasti.
b. Uji Non Parametrik memiliki asumsi yang lebih sedikit berkaitan dengan data
dan mungkin lebih relevan pada situasi tertentu. Hipotesis yang diuji dengan
Non Parametrik mungkin lebih sesuai dengan tujuan penelitian.
34
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
c. Uji Non Parametrik dapat digunakan untuk menganalisis data secara inheren
yaitu data yang berbentuk rangking.
d. Uji Non Parametrik cocok untuk menguji data yang bersifat klasifikasi atau
kategorikal atau skala nominal.
e. Uji statistik Non Parametrik yang cocok untuk menguji sampel yang berasal
dari observasi yang diambil dari populasi yang berbeda.
f. Uji Non Parametrik umumnya mudah digunakan dan dipelajari dari pada uji
Parametrik.
Alternatif uji statistik Non Parametrik dapat dikelompokkan kedalam beberapa hal.
Sebenarnya ada banyak uji-uji tersebut, namun berdasarkan prosedurnya dapat
dikelompokan menjadi:
35
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Analisis statistika bertujuan untuk mengetahui apakah ada hubungan antara dua
atau lebih peubah. Bila hubungan demikian ini dapat dinyatakan dalam bentuk
rumus matematik, maka kita akan dapat menggunakannya untuk keperluan
36
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Bila terdapat suatu data yang terdiri atas dua atau lebih variabel, adalah sewajarnya
untuk mempelajari cara bagaimana variabel-variabel itu saling berhubungan dan
saling mempengaruhi satu sama lain. Hubungan yang didapat pada umumnya
dinyatakan dalam bentuk persamaan matematik yang menyatakan hubungan
fungsional antara variabel-variabel. Studi yang menyangkut masalah ini dikenal
dengan analisis regresi.
37
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
A. Regrasi Linier
Regresi linier dibedakan menjadi dua bagian berdasarkan banyaknya variabel bebas
yang terlibat dalam persamaan yang ikut mempengaruhi nilai variabel terikat.
1. Regresi Linier Sederhana
Apabila dalam diagram pencar terlihat bahwa titik-titiknya mengikuti suatu
garis lurus, menunjukkan bahwa kedua peubah tersebut saling berhubungan
sacara linier. Bila hubungan linier demikian ini ada, maka kita berusaha
menyatakan secara matematik dengan sebuah persamaan garis lurus yang
disebut garis regresi linier. Untuk regresi linier sederhana, perlu ditaksir
parameter, jika ditaksir oleh a dan b, maka regresi linier berdasarkan sampel
dirumuskan sebagai berikut:
Y = a + bx
Keterangan:
Y = nilai yang diukur atau dihitung pada variabel tidak bebas
x = nilai tertentu dari variabel bebas
a = intersep atau perpotongan garis regresi dengan sumbu y
b = koefisien regresi atau kemiringan dari garis regresi untuk
mengukur kenaikan atau penurunan y untuk setiap perubahan satu-satuan x
atau untuk mengukur besarnya pengaruh x terhadap y kalau x naik satu unit.
2. Berganda
Teknik korelasi merupakan teknik analisis yang melihat kecenderungan pola dalam
satu variabel berdasarkan kecenderungan pola dalam variabel yang lain.
38
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Maksudnya, ketika satu variabel memiliki kecenderungan untuk naik maka kita
melihat kecenderungan dalam variabel yang lain apakah juga naik atau turun atau
tidak menentu, jika kecenderungan dalam satu variabel selalu diikuti oleh
kecenderungan dalam variabel lain, kita dapat mengatakan bahwa kedua variabel
ini memiliki hubungan atau korelasi, berbeda jika data hasil pengamatan terdiri dari
banyak variabel, korelasi menyatakan beberapa kuat hubungan antara-antara
variabel itu terjadi, dalam kata lain perlu ditentukan derajat hubungan antara
variabel-variabel. Studi yang membahas tentang derajat hubungan antara variabel-
variabel dikenal dengan nama korelasi. Ukuran yang dipakai untuk mengetahui
derajat hubungan, terutama untuk data kuantitatif dinamakan koefisien korelasi.
Korelasi yang menyatakan tingkat hubungan variabel bebas dan variabel terikat
dapat dibedakan berdasarkan banyaknya variabel bebas yang mempengaruhi nilai
dari variabel terikat.
A. Korelasi Linier
39
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
40
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
BAB III
Studi Literatur
Pengumpulan Data
Statistik Parametrik
Statistika Deskriptif Teori Probabilias Distribusi Probabilitas Regresi dan Korelasi
dan Non-Parametrik
1. Data berat badan 1. Studi kasus 1 1. Binomial dan 1. Pengukuran panjang 1. 30 data nilai
(data diskrit) dan percobaan Hipergeometrik: dan lebar balok. praktikum (regresi
tinggi badan pasien pemutaran bingo. Percobaan pengambilan 2. Pengukuran berat sederhana).
(data kontinu) 2. Studi kasus 2 bola pingpong.
detergen. 2. 34 data X1, X2,
2. Poisson dan
puskesmas XYZ kombinasi dan 3. Pengukuran diameter X3 dan Y (regresi
Eksponensial:
sebanyak 50 data. permutasi. Pengamatan banyaknya bola sampel 1, 2 dan 3. berganda).
pengunjung dan
banyaknya pengantre.
Pengolahan Data
Analisis
Kesimpulan dan
Saran
41
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Pengumpulan data pada modul Statistika Deskriptif yaitu 50 data tinggi badan dan
50 data berat badan pasien puskesmas XYZ. Data tinggi badan merupakan data
diskrit, sedangkan data berat badan merupakan data kontinu. Pengumpulan data
diberikan oleh instruktur saat praktikum sedang berlangsung di laboratorium Sistem
Informasi dan Keputusan.
Pengumpulan data pada modul Teori Probabilitas yaitu studi kasus mengenai
peluang suatu kejadian (irisan, union dan kejadian bersyarat) serta studi kasus
mengenai permutasi dan kombinasi. Studi kasus mengenai peluang suatu kejadian
merupakan hasil percobaan pemutaran bingo yang dilakukan sebanyak 40 kali,
sedangkan studi kasus mengenai permutasi dan kombinasi merupakan
permasalahan-permasalahaan yang perlu dipecahkan.
Pengumpulan data pada modul Binomial dan Hipergeometrik yaitu hasil dari
percobaan pengambilan bola pingpong untuk mendapatkan bola berwarna kuning.
42
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Pengumpulan data pada modul Poisson dan Eksponensial yaitu melalui pengamatan
terhadap banyaknya pengunjung dan banyaknya orang yang mengantre pada
selang waktu tertentu serta lamanya waktu pelayanan yang dilakukan. Pengamatan
dengan menggunakan distribusi poisson terbagi kedalam 2 bagian, yaitu pada
selang waktu 3 menit dan 5 menit. Pengamatan menggunakan distribusi
eksponensial dilakukan untuk mendapatkan lamanya waktu pelayanan yang
diberikan. Pengumpulan data dilakukan di gerai minuman Chat Time.
Pengumpulan data pada modul Regresi dan Korelasi terbagi kedalam 2 bagian,
yakni regresi sederhana dan regresi berganda. Data regresi sederhana merupakan
data nilai praktikum (variabel bebas) dan mortum (variabel terikat) sebanyak 30
data. Data regresi berganda terbagi kedalam 3 variabel bebas, yaitu 𝑋1, 𝑋2 dan 𝑋3
dan variabel terikat 𝑌. Pengumpulan data pada modul Regresi dan Korelasi ini
diberikan oleh instruktur.
43
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Pengolahan data pada modul Statistika Deskriptif ini yaitu dengan menambahkan
NPM pada masing-masing data yang telah tersedia. Pengolahan data selanjutnya
yaitu dengan menghitung ukuran rata-rata, ukuran letak dan ukuran penyebaran
data terhadap masing-masing data, yaitu data diskrit dan data kontinu.
Pengolahan data pada modul Teori Probabilitas ini yaitu dengan menambahkan
NPM pada masing-masing data yang telah terkumpul sebelumnya. Pengolahan data
yang selanjutnya yaitu menyelesaikan studi kasus ke-1 yaitu mengenai peluang
terhadap kejadian pemutaran bingo. Peluang kejadian terbagi kedalam 3 jenis, yaitu
peluang irisian, peluang gabungan (union) dan peluang kejadian bersyarat.
Penyelesaian studi kasus ke-2 yaitu dengan melakukan perhitungan menggunakan
rumus permutasi dan kombinasi.
Pengolahan data pada modul Binomial dan Hipergeometrik ini yaitu dengan
melakukan penambahan angka (+2) pada data binomial dan data hipergeometrik.
Pengolahan data selanjutnya yaitu dengan menghitung proporsi masing-masing
perocobaan pengambilan bola pingpong dan jumlah kejadian sukses. Hasil akhir
dari pengolahan data distribusi binomial yaitu mendapatkan probabilitas dari
masing-masing kejadian sukses (n = 6). Begitu juga dengan pengolahan data pada
distribusi hipergeometrik, hasil akhir yang didapatkan yaitu probabilitas masing-
masing kejadian sukses (n = 8).
Pengolahan data pada modul Poisson dan Eksponensial ini yaitu dengan melakukan
penambahan angka (+4) terhadap masing-masing data poisson (3 menit dan 5
menit). Pengolahan data selanjutnya yaitu dengan menghitung distribusi frekuensi
44
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
dari distribusi poisson. Pengolahan data untuk distribusi eksponensial yaitu dengan
menghitung distribusi frekuensi dari distribusi eksponensial. Hasil yang didapat
dari perhitungan distribusi poisson dan eksponensial kemudian diolah kembali
dengan menggunakan teori antrean. Hasil akhir dari teori antrian tersebut yaitu
banyaknya orang yang mengantre dan lamanya waktu mengantre.
Pengolahan data pada modul Statistik Parametrik dan Non-Parametrik ini yaitu
dengan menambahkan angka (+0,31) terhadap masing-masing objek yang diukur,
seperti panjang balok, lebar balok dan berat detergen. Pengolahan data selanjutnya
yaitu dengan melakukan uji hipotesis dan melakukan penarikan kesimpulan.
Pengolahan data untuk diameter bola sebanyak 3 kelompok sampel yaitu dengan
melakukan uji hipotesis menggunakan beberapa metode seperti Kolmogorov-
Smirnov, Uji Tanda, Uji Dwi Wilcoxon dan Uji Kruskal Wallis. Penarikan
kesimpulan menjadi hal yang penting pada masing-masing pengujian yang
dilakukan.
Pengolahan data pada modul Regresi dan Korelasi ini yaitu dengan menambahkan
NPM (+31) pada masing-masing data, yaitu data regresi sederhana dan data regresi
berganda. Pengolahan data untuk regresi sederhana yaitu dengan melakukan
perhitungan koefisien korelasi dan koefisien determinasi yang bertujuan untuk
mengetahui apakah variabel bebas dan variabel terikat terdapat hubungan atau
tidak. Pengolahan data pada regresi berganda yaitu dengan dengan menentukan
persamaan linier regresi berganda melalui metode eliminasi dan substitusi terhadap
beberapa persamaan. Hasil akhir yang akan didapatkan yaitu koefisien korelasi dan
koefisien determinasi. Koefisien korelasi akan menunjukkan seberapa kuat
hubungan antara variabel bebas dan variabel terikat, sedangkan koefisien
determinasi akan menunjukkan proporsi persentase kontribusi dari variabel bebas
terhadap variabel terikat.
45
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
3.2.4 Analisis
Analisis diperoleh dari pengerjaan setiap modul tersebut. Analisis berisikan hasil
dari pengolahan data. Hasil pengolahan data tersebut pada tahapan analisis ini dikaji
lebih lanjut. Artinya pada analisis, hasil pengolahan data diuraikan berdasarkan
penyebabnya melalui komponen penyusunnya. Berdasarkan analisis yang telah
dibuat dapat dilihat pemahaman materi dari setiap praktikan dalam mengejakan
setiap modul yang diberikan.
Kesimpulan pada laporan akhir ini dibuat guna memenuhi harapan dari tujuan yang
ada. Kesimpulan yang dibuat berdasar pada pembuktian yang diperoleh dari hasil
kegiatan praktikum yang telah dijalani. Saran yang dibuat mejadi pendapat dari
praktikan untuk dilaksanakan. Saran dari praktikan dapat menjadi cara untuk
mengatasi permasalahan atau kelemahan yang ada.
46
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
BAB IV
Puskesmas XYZ mengambil data untuk berat badan dan tinggi badan kepada 50
pasiennya. Data tersebut adalah sebagai berikut:
47
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Hasil yang telah diperoleh dari penelitian data peluang didapatkan hasil sebagai
berikut:
1. Nilai peluang
2. Operasi himpunan irisan
3. Operasi himpunan union atau gabungan
4. Kejadian bersyarat
48
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
49
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Berdasarkan hasil pengamatan praktikan terhadap kasir gerai minuman Chat Time,
telah didapat data banyaknya pelanggan yang datang, berikut praktikan sajikan
kedalam Tabel 4.5.
50
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Berdasarkan hasil pengamatan praktikan terhadap kasir gerai minuman Chat Time,
telah didapat data banyaknya pelanggan yang datang, berikut praktikan lampirkan
kedalam Tabel 4.6.
51
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
52
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
53
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
B. Berat Detergen
Berdasarkan pengukuran terhadap berat detergen yang telah dilakukan, berikut data
yang telah dibuat ke dalam Tabel 4.9 di bawah ini:
54
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
55
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
A. Regresi Sederhana
Berdasarkan pengumpulan data yang telah dilakukan, berikut ini 30 data nilai
praktikum yang telah disajikan kedalam Tabel 4.13 sebagai berikut:
56
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
B. Regresi Berganda
Berdasarkan pengumpulan data yang telah dilakukan, berikut ini 34 data yang telah
disajikan kedalam Tabel 4.14 sebagai berikut:
No X1 X2 X3 Y
1 65 71 75 40
2 73 47 78 42
3 62 58 90 48
4 64 55 30 38
5 62 65 45 30
6 73 65 75 52
7 68 51 41 48
8 57 41 45 26
9 65 61 81 44
10 63 45 75 46
11 67 53 55 40
12 51 41 61 40
13 65 65 50 38
14 64 63 51 46
15 70 55 50 40
16 67 61 99 62
17 65 63 91 44
18 69 70 75 66
19 62 61 75 46
20 70 43 61 42
21 67 55 82 50
22 61 42 75 42
23 70 55 45 36
24 67 70 92 48
25 71 43 81 36
26 71 42 55 38
27 65 63 94 40
28 63 50 82 44
29 65 51 75 40
30 69 45 55 30
31 71 62 45 64
32 67 71 71 38
33 65 65 95 36
34 63 66 91 48
Jumlah 2237 1914 2341 1468
(Sumber: Pengumpulan Data)
57
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Tabel 4. 15 Data Berat Badan dan Tinggi Badan Setelah Ditambah NPM
Jenis Tinggi Berat Jenis Tinggi Berat
No. No.
Kelamin Badan Badan Kelamin Badan Badan
58
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Kelas Interval Fi FK M TB TA Fi x M Lb La
324
= = 162
2
B. Titik Bawah
𝑇𝐵1 = 𝐿𝑏 − 0,5
= 158 − 0,5
= 157,5
59
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
C. Titik Atas
𝑇𝐴1 = 𝐿𝑎 + 0,5
= 166 + 0,5
= 166,5
A. Mean
∑ 𝐹𝑖 × 𝑀
𝑋̅ =
𝑁
(2 × 162) + (0 × 171) + (8 × 180) + ⋯ + (3 × 216)
=
50
(324) + (0) + (1440) + ⋯ + (648)
=
50
9675
= = 193,50
50
B. Median
Karena jumlah data adalah 50, maka median data terletak pada data ke-25
dan data ke-26. Dapat diketahui bahwa median terletak pada kelas interval
ke empat, yaitu kelas interval 185-193.
1
(2 𝑛 − ∑ 𝐹3 )
𝑀𝑒 = 𝑇𝑏 + 9
𝐹𝑚𝑒𝑑
1
(2 50 − 10)
= 184,5 + 9
15
(25 − 10)
= 184,5 + 9
15
(15)
= 184,5 + 9
15
= 184,5 + 9(1)
= 184,5 + 9
= 193,5
C. Modus
Modus terletak pada kelas interval ke empat (185-193) karena kelas tersebut
memiliki frekuensi terbanyak yaitu 15.
60
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
𝑑1
𝑀𝑜 = 𝑇𝑏 + 𝑖
𝑑1 + 𝑑2
(15 − 8)
= 184,5 + 9
(15 − 8) + (15 − 14)
7
= 184,5 + 9
7+1
7
= 184,5 + 9
8
= 184,5 + 9(0,88)
= 184,5 + 7,92
= 192,42
A. Kuartil
1
𝐿𝑒𝑡𝑎𝑘 𝑄1 = 4 𝑛
1
= 4 50 = 12,5
= 184,5 + 9 [
12,5−10
] = 186,03
15
2
𝐿𝑒𝑡𝑎𝑘 𝑄2 = 𝑛
4
2
= 50 = 25
4
Letak 𝑄2 pada interval ke 4 yaitu 185-193, maka:
𝑛
𝑁−𝐹 15
𝑄2 = 𝑇𝑏 + 𝑖 [ 4
] = 184,5 + 9 [ ]
𝑓 15
2
50−10 = 184,5 + 9 (1)
= 184,5 + 9 [ 4
]
15
= 184,5 + 9
25 − 10 = 193,5
= 184,5 + 9 [ ]
15
61
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
3
𝐿𝑒𝑡𝑎𝑘 𝑄3 = 𝑛
4
3
= 50 = 37,5
4
Letak 𝑄3 pada interval ke 5 yaitu 194-202, maka:
𝑛
𝑁−𝐹 12,5
𝑄3 = 𝑇𝑏 + 𝑖 [ 4
] = 193,5 + 9 [ ]
𝑓 14
3
50−25 = 193,5 + 9 (0,89)
= 193,5 + 9 [ 4
]
14
= 193,5 + 8,01
37,5−25
= 193,5 + 9 [ ] = 201,51
14
B. Desil
Tabel 4. 18 Letak Desil Data Diskrit
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
Letak 5 10 15 20 25 30 35 40 45 50
Kelas 3 3 4 4 4 5 5 6 6 7
1
𝐿𝑒𝑡𝑎𝑘 𝐷1 = 𝑛
10
1
= 50 = 5
10
Letak 𝐷1 pada interval ke 3 yaitu 176-184, maka:
𝑛
𝑁−𝐹 3
𝐷1 = 𝑇𝑏 + 𝑖 [10 ] = 175,5 + 9 [ ]
𝑓 8
1
50−2 = 175,5 + 9 (0,38)
= 175,5 + 9 [10 ]
8
= 175,5 + 3,42
5−2
= 175,5 + 9 [ ] = 178,92
8
62
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
𝑛 3
𝑁−𝐹 𝑁−𝐹
𝐷2 = 𝑇𝑏 + 𝑖 [ 10 ] 10
𝐷3 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
2 3
50 − 2 50 − 10
= 175,5 + 9 [10 ] = 184,5 + 9 [ 10 ]
8 15
10 − 2 15 − 10
= 175,5 + 9 [ ] = 184,5 + 9 [ ]
8 15
8 5
= 175,5 + 9 [ ] = 184,5 + 9 [ ]
16 15
= 175,5 + 9 (0,5) = 184,5 + 9 (0,33)
= 175,5 + 4,5 = 184,5 + 2,97
= 180 = 187,47
4 5
𝑁−𝐹 𝑁−𝐹
𝐷4 = 𝑇𝑏 + 𝑖 [ 10 ] 𝐷5 = 𝑇𝑏 + 𝑖 [ 10 ]
𝑓 𝑓
4 5
50 − 10 50 − 10
= 184,5 + 9 [10 ] = 184,5 + [10 ]
15 15
20 − 10 25 − 10
= 184,5 + 9 [ ] = 184,5 + [ ]
15 15
10 15
= 184,5 + 9 [ ] = 184,5 + [ ]
15 15
= 184,5 + 9 (0,67) = 184,5 + (1)
= 184,5 + 6,03 = 184,5 + 9
= 190,53 = 193,5
6 7
𝑁−𝐹 𝑁−𝐹
𝐷6 = 𝑇𝑏 + 𝑖 [ 10 ] 𝐷7 = 𝑇𝑏 + 𝑖 [ 10 ]
𝑓 𝑓
6 7
50 − 25 50 − 25
= 193,5 + 9 [ 10 ] = 193,5 + 9 [ 10 ]
14 14
30 − 25 35 − 25
= 193,5 + 9 [ ] = 193,5 + 9 [ ]
14 14
5 10
= 193,5 + 9 [ ] = 193,5 + 9 [ ]
14 14
= 193,5 + 9 (0,36) = 193,5 + 9 (0,71)
= 193,5 + 3,24 = 193,5 + 6,39
= 196,74 = 199,89
63
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
8 9
𝑁−𝐹 𝑁−𝐹
𝐷8 = 𝑇𝑏 + 𝑖 [ 10 ] 𝐷9 = 𝑇𝑏 + 𝑖 [ 10 ]
𝑓 𝑓
8 9
50 − 39 50 − 39
= 202,5 + 9 [ 10 ] = 202,5 + 9 [ 10 ]
8 9
40 − 39 45 − 40
= 202,5 + 9 [ ] = 202,5 + 9 [ ]
8 8
1 5
= 202,5 + 9 [ ] = 202,5 + 9 [ ]
8 8
= 202,5 + 9 (0,13) = 202,5 + 9 (0,63)
= 202,5 + 1,17 = 202,5 + 5,67
= 203,67 = 208,17
10
𝑁−𝐹
𝐷10 = 𝑇𝑏 + 𝑖 [10 ]
𝑓
10
50 − 47
= 211,5 + 9 [10 ]
3
50 − 47
= 211,5 + 9 [ ]
3
3
= 211,5 + 9 [ ]
3
= 211,5 + 9 (1)
= 211,5 + 9
= 220,5
Tabel 4. 19 Hasil Perhitungan Desil Data Diskrit
Desil Data ke- Data Nilai
D1 5 177,5 178,92
D2 10 183,6 180
D3 15 187,6 187,47
D4 20 191 190,53
D5 25 194 193,5
D6 30 197 196,74
D7 35 201 199,89
D8 40 203 203,67
D9 45 209,7 208,17
D10 50 218 220,5
(Sumber: Pengolahan Data)
64
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
C. Persentil
10 25
𝐿𝑒𝑡𝑎𝑘 𝑃10 = 𝑛 𝐿𝑒𝑡𝑎𝑘 𝑃25 = 𝑛
100 100
10 25
= 50 = 5 = 50 = 12,5
100 100
Letak 𝑃10 pada interval ke 3 yaitu Letak 𝑃25 pada interval ke 4 yaitu
176-184, maka: 185-193, maka:
10 25
𝑁−𝐹 𝑁−𝐹
𝑃10 = 𝑇𝑏 + 𝑖 [ 100 ] 100
𝑃25 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
10 25
50 − 2 50 − 10
= 175,5 + 9 [ 100 ] 100
= 184,5 + 9 [ ]
8 15
5−2 12,5 − 10
= 175,5 + 9 [ ] = 184,5 + 9 [ ]
8 15
3 2,5
= 175,5 + 9 [ ] = 184,5 + 9 [ ]
8 15
= 175,5 + 9 (0,36) = 184,5 + 9 (0,17)
= 175,5 + 3,24 = 178,74 = 184,5 + 1,53 = 186,03
50 75
𝐿𝑒𝑡𝑎𝑘 𝑃50 = 𝑛 𝐿𝑒𝑡𝑎𝑘 𝑃75 = 𝑛
100 100
50 75
= 50 = 25 = 50 = 37,5
100 100
Letak 𝑃50 pada interval ke 4 yaitu Letak 𝑃75 pada interval ke 5 yaitu
185-193, maka: 194-202, maka:
50 75
𝑁−𝐹 𝑁−𝐹
𝑃50 = 𝑇𝑏 + 𝑖 [ 100 ] 100
𝑃75 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
50 75
50 − 10 50 − 25
= 184,5 + 9 [ 100 ] 100
15 = 193,5 + 9 [ ]
14
25 − 10 37,5 − 25
= 184,5 + 9 [ ] = 193,5 + 9 [ ]
15 14
15 12,5
= 184,5 + 9 [ ] = 193,5 + 9 [ ]
15 14
= 184,5 + 9 (1) = 193,5 + 9 (0,89)
= 184,5 + 9 = 193,5 + 8,01
= 193,5 = 201,51
65
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
90
𝐿𝑒𝑡𝑎𝑘 𝑃90 = 𝑛
100
90
= 50 = 45
100
Letak 𝑃90 pada interval ke 6 yaitu 203-211, maka:
90
𝑁−𝐹
𝑃90 = 𝑇𝑏 + 𝑖 [ 100
]
𝑓
90
50 − 39
= 202,5 + 9 [100 ]
8
45 − 39
= 202,5 + 9 [ ]
8
6
= 202,5 + 9 [ ]
8
= 202,5 + 9 (0,75)
= 202,5 + 6,75 = 209,25
Tabel 4. 20 Hasil Perhitungan Persentil
Persentil Data ke- Data Nilai
A. Variansi
2
∑(𝑋 − 𝑋̅)
𝑆=
𝑁−1
(162−193,50)2 +(171−193,50)2 +(180−193,50)2 +⋯+(216−193,50)2
= 50−1
(−31,50)2 +(−22,50)2 +(−13,50)2 +⋯+(22,50)2
= 49
(992,25)+(506,25)+(182,25)+⋯+(506,25)
= 49
2409,75
=
49
= 49,18
66
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
B. Standar Deviasi
𝜎 = √𝑆
= √49,18 = 7,01
C. Skewness
3
𝑛 𝑋𝑖 − 𝑋̅
𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠 = ∑( )
(𝑛 − 1)(𝑛 − 2) 𝑆
50 −31,50 3 −22,50 3 −13,50 3 22,50 3
= (50−1)(50−2)
(( ) +( ) +( ) + ⋯ + ( 7,01 ) )
7,01 7,01 7,01
50
= ((−4,49)3 + (−3,21)3 + (−1,93)3 + ⋯ + (3,21)3 )
(49)(48)
50
= ((−90,74) + (−33,07) + (−7,14) + ⋯ + (33,07))
2352
50
= (−90,74)
2352
= 0,02(−90,74)
= −1,81 (Distribusi data miring ke kiri)
D. Simpangan Kuartil
1
𝑑2 = × (𝑄3 − 𝑄1 )
2
1
= × (201,51 − 186,03)
2
1
= × (15,48) = 7,74
2
4. Grafik Histogram
GRAFIK HISTOGRAM
16 15
14
14
12
Frekuensi
10 8 8
8
6 Tinggi Badan
4 3
2
2 0
0
158-166 167-175 176-184 185-193 194-202 203-211 212-220
Interval
67
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
6. Grafik Ogive
GRAFIK OGIVE
60 50
48 48 47
Frekuensi Kumulatif
50 40 39
40
30 25
FK<
20 10 11
FK>
10 2 2 3 0
0
158-166 167-175 176-184 185-193194-202 203-211212-220
Interval
68
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
B. Banyak Kelas
∑ 𝐾 = 1 + 3,32 × 𝐿𝑜𝑔(𝑁)
= 1 + 3,32 × 𝐿𝑜𝑔(50)
= 1 + 3,32 × 1,70
= 1 + 5,64
= 6,64 ≈ 7
C. Interval
𝑅
𝑖=
∑𝐾
68,67
=
6,64
= 10,34
63,07
= = 31,535
2
69
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
C. Titik Atas
𝑇𝐴1 = 𝐿𝑎 + 0,05
= 36,61 + 0,05 = 36,615
A. Mean
∑ 𝐹𝑖 × 𝑀
𝑋̅ =
𝑁
(1×31,535)+(2×41,875)+(12×52,215)+⋯+(1×93,575)
= 50
(31,535) + (83,75) + (626,58) + ⋯ + (93,575)
=
50
3282,85
= = 65,657
50
B. Median
Karena jumlah data adalah 50, maka median data terletak pada data ke-25
dan data ke-26. Dapat diketahui bahwa median terletak pada kelas interval
ke empat, yaitu kelas interval 57,39-67,72.
1
(2 𝑛 − ∑ 𝐹3 )
𝑀𝑒 = 𝑇𝑏 + 𝑖
𝐹𝑚𝑒𝑑
1
( 50−15)
2
= 57,385 + 10,34 13
(10)
= 57,385 + 10,34
13
= 57,385 + 10,34 (0,77)
= 57,385 + 7,96 = 65,345
C. Modus
Modus terletak pada kelas interval ke empat (57,39-67,72) karena kelas
tersebut memiliki frekuensi terbanyak yaitu 13.
𝑑1
𝑀𝑜 = 𝑇𝑏 + 𝑖
𝑑1 + 𝑑2
(13 − 12)
= 57,385 + 10,34
(16 − 12) + (13 − 11)
1
= 57,385 + 10,34
1+2
1
= 57,385 + 10,34
3
= 57,385 + 10,34 (0,33)
= 57,385 + 3,41 = 60,795
70
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
A. Kuartil
Letak 𝑄1 pada interval ke 3 yaitu Letak 𝑄2 pada interval ke 4 yaitu
57,39-67,72, maka:
47,05-57,38, maka: 𝑛
𝑁−𝐹
𝑛 𝑄2 = 𝑇𝑏 + 𝑖 [4 ]
𝑁−𝐹 𝑓
𝑄1 = 𝑇𝑏 + 𝑖 [4 ]
𝑓 2
50 − 15
1 = 57,385 + 10,34 [4 ]
50 − 3 13
= 47,045 + 10,34 [4 ]
12 25 − 15
= 57,385 + 10,34 [ ]
12,5 − 3 13
= 47,045 + 10,34 [ ] 10
12 = 57,385 + 10,34 [ ]
9,5 13
= 47,045 + 10,34 [ ] = 57,385 + 10,34 (0,77)
12
= 47,045 + 10,34 (0,16) = 57,385 + 7,96
= 47,045 + 0,79 = 65,345
= 47,83
𝑛 9,5
𝑁−𝐹 = 67,725 + 10,34 [ ]
11
𝑄3 = 𝑇𝑏 + 𝑖 [4 ]
𝑓
= 67,725 + 10,34 (0,86)
3
50−28
= 67,725 + 10,34 [ 4
] = 67,725 + 8,89
11
= 76,615
71
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
B. Desil
Letak 5 10 15 20 25 30 35 40 45 50
Kelas 3 3 3 4 4 5 5 6 6 7
𝑛 𝑛
𝑁−𝐹 𝑁−𝐹
𝐷1 = 𝑇𝑏 + 𝑖 [ 10 ] 𝐷2 = 𝑇𝑏 + 𝑖 [ 10 ]
𝑓 𝑓
1 2
50−3 50−3
= 47,045 + 10,34 [ 10
] = 47,045 + 10,34 [ 10
]
7 12
5−3 10 − 3
= 47,045 + 10,34 [ ] = 47,045 + 10,34 [ ]
12 12
3 7
= 47,045 + 10,34 [ ] = 47,045 + 10,34 [ ]
12 12
= 47,045 + 10,34 (0,25) = 47,045 + 10,34 (0,58)
= 49,63 = 52,745
3 4
𝑁−𝐹 𝑁−𝐹
𝐷3 = 𝑇𝑏 + 𝑖 [ 10 ] 𝐷4 = 𝑇𝑏 + 𝑖 [10 ]
𝑓 𝑓
3 4
50−3 50−15
= 47,045 + 10,34 [ 10
] = 57,385 + 10,34 [ 10
]
12 13
15 − 3 = 57,385 + 10,34 [
20−15
]
= 47,045 + 10,34 [ ] 13
12
5
12 = 57,385 + 10,34 [ ]
= 47,045 + 10,34 [ ] 13
12
= 57,385 + 10,34 (0,38)
= 47,045 + 10,34 (1)
= 57,385 + 3,93
= 47,045 + 10,34
= 61,315
= 57,385
72
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
5 6
𝑁−𝐹 𝑁−𝐹
𝐷5 = 𝑇𝑏 + 𝑖 [ 10 ] 𝐷6 = 𝑇𝑏 + 𝑖 [10 ]
𝑓 𝑓
5 6
50−15 50−28
= 57,385 + 10,34 [ 10
] = 67,725 + 10,34 [ 10
]
13 11
30−28
= 57,385 + 10,34 [
25−15
] = 67,725 + 10,34 [ ]
11
13
2
= 57,385 + 10,34 [13]
10 = 67,725 + 10,34 [ ]
11
= 57,385 + 10,34 (0,77) = 67,725 + 10,34 (0,18)
= 57,385 + 7,96 = 67,725 + 1,86
= 65,345
= 69,585
7 8
𝑁−𝐹 𝑁−𝐹
𝐷7 = 𝑇𝑏 + 𝑖 [ 10 ] 𝐷8 = 𝑇𝑏 + 𝑖 [ 10 ]
𝑓 𝑓
7 8
50−28 50−39
= 67,725 + 10,34 [10 ] = 78,065 + 10,34 [10 ]
11 10
35 − 28 40 − 39
= 67,725 + 10,34 [ ] = 78,065 + 10,34 [ ]
11 10
7 = 78,065 + 10,34 [10]
1
= 67,725 + 10,34 [ ]
11
= 78,065 + 10,34 (0,1)
= 67,725 + 10,34 (0,64)
= 78,065 + 1,03
= 67,725 + 6,62
= 79,095
= 74,345
9 10
𝑁−𝐹 𝑁−𝐹
𝐷9 = 𝑇𝑏 + 𝑖 [ 10 ] 𝐷10 = 𝑇𝑏 + 𝑖 [10 ]
𝑓 𝑓
10
9 50−49
= 78,065 + 10,34 [ 10
50−39
] = 88,405 + 10,34 [ 10
]
1
10
45 − 39 50 − 49
= 78,065 + 10,34 [ ] = 88,405 + 10,34 [ ]
10 1
6 1
= 78,065 + 10,34 [ ] = 88,405 + 10,34 [ ]
10 1
= 88,405 + 10,34 (1)
= 78,065 + 10,34 (0,6)
= 78,065 + 6,20 = 88,405 + 10,34
= 84,265 = 98,745
73
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
C. Persentil
10 25
𝐿𝑒𝑡𝑎𝑘 𝑃10 = 𝑛 𝐿𝑒𝑡𝑎𝑘 𝑃25 = 𝑛
100 100
10 25
= 50 = 5 = 50 = 12,5
100 100
Letak 𝑃10 pada interval ke 3 yaitu Letak 𝑃25 pada interval ke 4 yaitu
47,05-57,38, maka: 47,05-57,38, maka:
10 25
𝑁−𝐹 𝑁−𝐹
𝑃10 = 𝑇𝑏 + 𝑖 [ 100 ] 100
𝑃25 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
10 25
50−3 50−3
= 47,045 + 10,34 [ 100
] = 47,045 + 10,34 [10012 ]
12
5−3 12,5−3
= 47,045 + 10,34 [ 12 ] = 47,045 + 10,34 [ ]
12
2 9,5
= 47,045 + 10,34 [ ] = 47,045 + 10,34 [ ]
12 12
= 47,045 + 10,34 (0,17) = 47,045 + 10,34 (0,79)
= 47,045 + 1,76 = 47,045 + 8,17
= 48,805 = 55,215
74
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
50 75
𝐿𝑒𝑡𝑎𝑘 𝑃50 = 𝑛 𝐿𝑒𝑡𝑎𝑘 𝑃75 = 𝑛
100 100
50 75
= 50 = 25 = 50 = 37,5
100 100
Letak 𝑃50 pada interval ke 4 yaitu Letak 𝑃75 pada interval ke 5 yaitu
57,39-67,72, maka: 67,73-78,06, maka:
50 75
𝑁−𝐹 𝑁−𝐹
𝑃50 = 𝑇𝑏 + 𝑖 [ 100 ] 𝑃75 = 𝑇𝑏 + 𝑖 [ 100 ]
𝑓 𝑓
50 75
50−15 50−28
= 57,385 + 10,34 [ 100
] = 67,725 + 10,34 [ 100
]
13 11
25−15 37,5−28
= 57,385 + 10,34 [ ] = 67,725 + 10,34 [ ]
13 11
10 9,5
= 57,385 + 10,34 [ ] = 67,725 + 10,34 [ ]
13 11
= 57,385 + 10,34 (0,77) = 67,725 + 10,34 (0,86)
= 57,385 + 7,96 = 67,725 + 8,89
= 65,345 = 76,615
90
𝐿𝑒𝑡𝑎𝑘 𝑃90 = 𝑛
100
90
= 50 = 45
100
Letak 𝑃90 pada interval ke 6 yaitu
78,07-88,40, maka:
90
𝑁−𝐹
𝑃90 = 𝑇𝑏 + 𝑖 [ 100
]
𝑓
90
50−39
= 78,065 + 10,34 [ 100
]
10
45−39
= 78,065 + 10,34 [ ]
10
6
= 78,065 + 10,34 [ ]
10
= 78,065 + 10,34 (0,6)
= 78,065 + 6,20 = 84,265
75
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
2
∑(𝑋 − 𝑋̅)
𝑆=
𝑁−1
(31,535−66,657)2 +(41,875−66,657)2 +(52,215−66,657)2 +⋯+(93,575−66,657)2
= 50−1
B. Standar Deviasi
𝜎 = √𝑆
= √63,50
= 7,79
C. Skewness
3
𝑛 𝑋𝑖 − 𝑋̅
𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠 = ∑( )
(𝑛 − 1)(𝑛 − 2) 𝑆
76
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
50
= ((−91,65) + (−32,20) + (−6,37) + ⋯ + (41,26))
2352
50
= (−78,95)
2352
= 0,02(−78,95)
GRAFIK POLIGON
18 16
16
14
12 10
Frekuensi
9
10 7
8 5
6
4 2
1 Berat Badan
2
0
Interval
77
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
6. Grafik Ogive
GRAFIK OGIVE
49 50
60 39
49 47 15 28
KUMULATIF
40
FREKUENSI
1 3 35
20 22
11
0 1 0
INTERVAL
FK< FK>
Berdasarkan pengumpulan data yang telah dilakukan, berikut hasil pengolahan data
dengan menambahkan NPM sebagai berikut:
Tabel 4. 28 Hasil Pengamatan Setelah Ditambah NPM (+31)
Daerah Peluang Banyak Bola
Kanan 82
Kiri 82
(Sumber: Pengolahan Data)
a) Kiri Ganjil
Diketahui:
82
𝑃(𝐴) =
164
44
𝑃(𝐶|𝐴) =
82
𝑃(𝐴 ∩ 𝐶) = 𝑃(𝐴) × 𝑃(𝐶|𝐴)
78
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
82 44
= ×
164 82
3608 44
= =
13448 164
b) Kanan Ganjil
Diketahui:
82
𝑃(𝐵) =
164
40
𝑃(𝐶|𝐵) =
82
𝑃(𝐵 ∩ 𝐶 ) = 𝑃(𝐵 ) × 𝑃(𝐶 |𝐵)
82 40
= ×
164 82
3280 40
= =
13448 164
c) Kiri Genap
Diketahui:
82
𝑃(𝐴) =
164
38
𝑃(𝐷|𝐴) =
82
𝑃(𝐴 ∩ 𝐷) = 𝑃(𝐴) × 𝑃(𝐷|𝐴)
82 38
= ×
164 82
3116 38
= =
13448 164
d) Kanan Genap
Diketahui:
82
𝑃(𝐵) =
164
42
𝑃(𝐷|𝐵) =
82
𝑃(𝐵 ∩ 𝐷) = 𝑃(𝐵) × 𝑃(𝐷|𝐵)
82 42
= ×
164 82
3444 42
= =
13448 164
79
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
a) Kiri Ganjil
Diketahui:
82 𝑃(𝐴 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐶) − 𝑃(𝐴 ∩ 𝐶)
𝑃(𝐴) =
164 82 84 44
84 = + −
𝑃(𝐶) = 164 164 164
164 122
44 =
𝑃(𝐴 ∩ 𝐶) = 164
164
b) Kanan Ganjil
Diketahui:
82 40
𝑃(𝐵) = 𝑃(𝐵 ∩ 𝐶) =
164 164
84
𝑃(𝐶) = 𝑃(𝐵 ∪ 𝐶) = 𝑃(𝐵) + 𝑃(𝐶) − 𝑃(𝐵 ∩ 𝐶)
164
82 84 40 126
= + − =
164 164 164 164
c) Kiri Genap
Diketahui:
82 38
𝑃(𝐴) = 𝑃(𝐴 ∩ 𝐷) =
164 164
80 𝑃(𝐴 ∪ 𝐷) = 𝑃(𝐴) + 𝑃(𝐷) − 𝑃(𝐴 ∩ 𝐷)
𝑃(𝐷) =
164 82 80 38 124
= + − =
164 164 164 164
a) Kanan Genap
Diketahui:
82 𝑃(𝐵 ∪ 𝐷) = 𝑃(𝐵) + 𝑃(𝐷) − 𝑃(𝐵 ∩ 𝐷)
𝑃(𝐵) =
164 82 80 42
80 = + −
𝑃(𝐷) = 164 164 164
164 120
42 =
𝑃(𝐵 ∩ 𝐷) = 164
164
80
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
4. Kejadian Bersyarat
44 38
44 164 38 164
= 164 = × = 164 = ×
84 164 84 80 164 80
164 164
7216 44 6232 38
= = = =
13776 84 13120 80
b) Kanan Ganjil d) Kanan Genap
Diketahui: Diketahui:
40 42
𝑃(𝐵 ∩ 𝐶) = 𝑃(𝐵 ∩ 𝐷) =
164 164
84 80
𝑃(𝐶) = 164 𝑃(𝐷) = 164
𝑃(𝐵∩𝐶) 𝑃(𝐵∩𝐷)
(𝐵|𝐶) = (𝐵|𝐷) =
𝑃(𝐶) 𝑃(𝐷)
40 42
164 40 164 164 42 164
= = × = = ×
84 164 84 80 164 80
164 164
6560 40 6888 42
= = = =
13776 84 13120 80
81
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Berdasarkan studi kasus 2 di atas, telah diperoleh data yang telah ditambahkan
NPM (0515101031) sebagai berikut:
b) Permutasi Menyeluruh
𝑛𝑃𝑟 = 𝑛!
51𝑃 = 51!
= 1,551119 × 1066
c) Permutasi Keliling
𝑃 = (𝑛 − 1)!
= (51 − 1)!
= 50! = 3,04141 × 1062 cara
82
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
83
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
F. Probabilitas
1. 𝑃(𝑋 = 0)
Contoh perhitungan:
6!
𝐶06 =
(6 − 0)! 0!
84
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
6!
=
(6 − 0)! 0!
6!
=
6! 0!
1
= =1
1
𝑝̅ 0 = 0,610
=1
𝑞 6−0 = 0,396
= 0,004
𝑃(𝑋 = 0) = 𝐶0𝑛 × 𝑝̅ 0 × 𝑞 6
= 1 × 1 × 0,004
= 0,004
2. 𝑃(𝑋 = 1) 3. 𝑃(𝑋 = 2)
85
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
G. Probabilitas Kumulatif
1. 𝑃(𝑋 = 0)
∑ 𝑃(𝑋 = 0) = 𝑃(𝑋 = 0)
𝑥=0
= 0,004
2. 𝑃(𝑋 = 1)
3. 𝑃(𝑋 = 2)
4. 𝑃(𝑋 = 3)
5. 𝑃(𝑋 = 4)
86
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
6. 𝑃(𝑋 = 5)
+ 𝑃(𝑋 = 5)
= 0,004 + 0,033 + 0,129 + 0,269 + 0,316 + 0,198
= 0,949
7. 𝑃(𝑋 = 6)
+ 𝑃(𝑋 = 5) + 𝑃(𝑋 = 6)
= 0,004 + 0,033 + 0,129 + 0,269 + 0,316 + 0,198 + 0,052
= 1,000
87
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
88
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
𝜇 = 𝐸(𝑋) = 𝑛 × 𝑘⁄𝑁
= 8 × 20⁄100
= 1,6
B. Variansi
𝑘 𝑁−𝑘 𝑁−𝑛
𝜎 2 = 𝑉(𝑋) = 𝑛 ( ) ( )( )
𝑁 𝑁 𝑁−1
20 100 − 20 100 − 8
= 8( )( )( )
100 100 99
= 8(0,2)(0,8)(0,93)
= 1,1904
x
Kumulatif
0 1 28987537150 186087894300 0,155773 0,155773
1 20 3176716400 186087894300 0,341421 0,497194
2 190 300500200 186087894300 0,306818 0,804012
3 1140 24040016 186087894300 0,147272 0,951284
4 4845 1581580 186087894300 0,041178 0,992463
5 15504 82160 186087894300 0,006845 0,999308
6 38760 3160 186087894300 0,000658 0,999966
7 77520 80 186087894300 0,000033 0,999999
8 125970 1 186087894300 0,000001 1
(Sumber: Pengolahan Data)
89
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
C. Probabilitas
1. 𝑃(𝑋 = 0)
𝑘 𝑁−𝑘
[ ][ ]
𝑃(𝑋 = 𝑥) = 𝑥 𝑛 − 𝑥
𝑁
[ ]
𝑛
Contoh perhitungan:
20 20!
[ ]=
0 (20 − 0)! 0!
20!
=
20! 0!
1
= =1
1
100 − 20 80 80!
[ ]=[ ]=
8−0 8 (80 − 8)! 8!
80!
=
72! 8!
80 × 79 × 78 × 77 × 76 × 75 × 74 × 73 × 72!
=
72! 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1
= 28987537150
100 100!
[ ]=
8 (100 − 8)! 8!
100!
=
92! 8!
100 × 99 × 98 × 97 × 96 × 95 × 94 × 93 × 92!
=
92! 8!
= 186087894300
20 100 − 20
[
][ ]
𝑃(𝑋 = 0) = 0 8−0
100
[ ]
8
(1)(28987537150)
=
(186087894300)
= 0,155773
90
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
2. 𝑃(𝑋 = 1) 3. 𝑃(𝑋 = 2)
𝑘 𝑁−𝑘 𝑘 𝑁−𝑘
[ ][ ] [ ][ ]
𝑃(𝑋 = 𝑥) = 𝑥 𝑛 − 𝑥 𝑃(𝑋 = 𝑥) = 𝑥 𝑛 − 𝑥
𝑁 𝑁
[ ] [ ]
𝑛 𝑛
20 100 − 20 20 100 − 20
[
][ ] [
][ ]
𝑃(𝑋 = 1) = 1 8−1 𝑃(𝑋 = 2) = 2 8−2
100 100
[ ] [ ]
8 8
(20)(3176716400) (190)(300500200)
= =
(186087894300) (186087894300)
= 0,341421 = 0,306818
4. 𝑃(𝑋 = 3) 5. 𝑃(𝑋 = 4)
𝑘 𝑁−𝑘 𝑘 𝑁−𝑘
[ ][ ] [ ][ ]
𝑥 𝑛 − 𝑥
𝑃(𝑋 = 𝑥) =
𝑁 𝑃(𝑋 = 𝑥) = 𝑥 𝑛 − 𝑥
[ ] 𝑁
𝑛 [ ]
𝑛
20 100 − 20 20 100 − 20
[][ ] [
][ ]
3 8 − 3
𝑃(𝑋 = 3) =
100 𝑃(𝑋 = 4) = 4 8−4
[ ] 100
8 [ ]
8
(1140)(24040016) (4845)(1581580)
= =
(186087894300) (186087894300)
= 0,147272 = 0,041178
6. 𝑃(𝑋 = 5) 7. 𝑃(𝑋 = 6)
𝑘 𝑁−𝑘 𝑘 𝑁−𝑘
[ ][ ] [ ][ ]
𝑃(𝑋 = 𝑥) = 𝑥 𝑛 − 𝑥 𝑃(𝑋 = 𝑥) = 𝑥 𝑛 − 𝑥
𝑁 𝑁
[ ] [ ]
𝑛 𝑛
20 100 − 20 20 100 − 20
[
][ ] [
][ ]
𝑃(𝑋 = 5) = 5 8−5
𝑃(𝑋 = 6) = 6 8−6
100 100
[ ] [ ]
8 8
(15504)(82160) (38760)(3160)
= =
(186087894300) (186087894300)
= 0,006845 = 0,000658
91
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
8. 𝑃(𝑋 = 7) 9. 𝑃(𝑋 = 8)
[𝑘 𝑁−𝑘
𝑥 ][ 𝑛−𝑥 ] [𝑘 𝑁−𝑘
𝑥 ][ 𝑛−𝑥 ]
𝑃(𝑋 = 𝑥) = 𝑃(𝑋 = 𝑥) =
[𝑁𝑛] [𝑁𝑛]
[20][100−20] [20][100−20]
7 8−7 8 8−8
𝑃(𝑋 = 7) = 𝑃(𝑋 = 8) =
[100] [100]
8 8
(77520)(80) (125970)(1)
= =
(186087894300) (186087894300)
= 0,000033 = 0,000001
D. Probabilitas Kumulatif
1. 𝑃(𝑋 = 0)
8
∑ 𝑃(𝑋 = 0) = 𝑃(𝑋 = 0)
𝑥=0
= 0,1557734
2. 𝑃(𝑋 = 1)
8
= 0,155773 + 0,341421
= 0,497194
3. 𝑃(𝑋 = 1)
8
92
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
5. 𝑃(𝑋 = 4)
6. 𝑃(𝑋 = 5)
+ 𝑃(𝑋 = 5)
= 0,155773 + 0,341421 + 0,306818 + 0,147272 +
0,041178 + 0,006845
= 0,999308
7. 𝑃(𝑋 = 6)
+ 𝑃(𝑋 = 5) + 𝑃(𝑋 = 6)
= 0,155773 + 0,341421 + 0,306818 + 0,147272 +
0,041178 + 0,006845 + 0,000658
= 0,999966
8. 𝑃(𝑋 = 7)
93
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
9. 𝑃(𝑋 = 8)
DIAGRAM
0,341421
PROBABILITAS
0,350000 0,306818
0,300000
PROBABILTAS
0,250000
0,200000 0,155773 Probabilitas
0,147272
0,150000
0,100000
0,041178
0,050000 0,0068450,0006580,0000330,000001
0,000000
0 1 2 3 4 5 6 7 8
X
Gambar 4. 9 Grafik Histogram Probabilitas (Hipergeometrik)
(Sumber: Pengolahan Data)
94
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
DIAGRAM PROBABILITAS
KUMULATIF
0,9512840,9924630,9993080,9999660,9999991,000000
PROBABILITAS 1,000000 0,804012
KUMULATIF 0,800000
0,600000 0,497194
0,400000
0,155773
0,200000
0,000000
1 2 3 4 5 6 7 8 9
X
Berdasarkan hasil pengolahan data dengan menambahkan NPM (+4) pada masing-
masing jumlah kedatangan, berikut praktikan lampirkan pada Tabel 4.35 sebagai
berikut:
95
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Contoh Perhitungan:
A. 𝐹𝑖 × 𝑋𝑖 C. (𝑋𝑖 − 𝑋̅)
𝐹𝑖𝑋𝑖 = 6 × 4 (𝑋𝑖 − 𝑋̅) = 4 − 6
= 24 = −2
B. 𝑋̅ 68
= √30 = √2,27 = 1,51
∑ 𝐹𝑖 × 𝑋𝑖
𝑋̅ =
∑ 𝐹𝑖 D. (𝑋𝑖 − 𝑋̅)2
=
24+35+36+28+48+9 (𝑋𝑖 − 𝑋̅)2 = (4 − 6)2
6+7+6+4+6+1
180 = (−2)2 = 4
= =6
30
96
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
E. 𝐹𝑖 × (𝑋𝑖 − 𝑋̅)2
𝐹 × (𝑋𝑖 − 𝑋̅)2 = 6 × (4 − 6)2
= 6 × (−2)2
= 6 × 4 = 24
F. Standar Deviasi
∑ 𝐹𝑖(𝑋𝑖 − 𝑋̅)2
𝑆=√
∑ 𝐹𝑖
24+7+0+4+24+9
=√
6+7+6+4+6+1
G. Rata-rata Kedatangan
𝜆 = 𝑋̅
=6
Contoh Perhitungan:
A. F Kumulatif
𝐹(𝑋 = 9) = 𝐹(𝑋 = 4) + 𝐹(𝑋 = 5) + 𝐹(𝑋 = 6) + 𝐹(𝑋 = 7) + 𝐹(𝑋 = 8)
+ 𝐹(𝑋 = 9)
= 6+7+6+4+6+1
= 30
B. P(X)
𝜆𝑥 −𝜆
𝑃(𝑋) = 𝑒
𝑥!
64
𝑃(4) = 2,71828−6
4!
97
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
1296
= 0,00248
4×3×2×1
1296
= 0,00248
24
= 0,134
C. E(i)
𝐸(𝑖) = 𝑃(𝑋) × 𝑁
𝐸(4) = 𝑃(4) × 30
= 0,134 × 30
= 4,016
D. E(i)k
25 23
19
20
15 13
10
6
5
0
4 5 6 7 8 9
Xi
98
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
15,000 13,653
8,834
10,000
4,016
5,000
0,000
4 5 6 7 8 9
Xi
Berdasarkan hasil pengolahan data dengan menambahkan NPM (+4) pada masing-
masing jumlah kedatangan, berikut praktikan lampirkan pada Tabel 4.39 di bawah
ini:
99
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Contoh Perhitungan:
A. 𝐹𝑖 × 𝑋𝑖
𝐹𝑖𝑋𝑖 = 4 × 4
= 16
B. 𝑋̅
∑ 𝐹𝑖 × 𝑋𝑖
𝑋̅ =
∑ 𝐹𝑖
16 + 35 + 48 + 21 + 24 + 27 + 20 191
= = = 6,37
4+7+8+3+3+3+2 30
100
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
C. (𝑋𝑖 − 𝑋̅)
(𝑋𝑖 − 𝑋̅) = 4 − 6,37
= −2,37
D. (𝑋𝑖 − 𝑋̅)2
(𝑋𝑖 − 𝑋̅)2 = (4 − 6,37)2
= (−2,37)2 = 5,60
E. 𝐹𝑖 × (𝑋𝑖 − 𝑋̅)2
𝐹 × (𝑋𝑖 − 𝑋̅)2 = 4 × (4 − 6,37)2
= 4 × (−2,37)2
= 4 × 5,60 = 22,40
F. Standar Deviasi
∑ 𝐹𝑖(𝑋𝑖 − 𝑋̅)2
𝑆=√
∑ 𝐹𝑖
22,40+13,07+1,08+1,20+8,00+20,80+26,40 92,97
=√ =√
4+7+8+3+3+3+2 30
= √3,10 = 1,761
G. Rata-rata Kedatangan
𝜆 = 𝑋̅
= 6,37
101
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Contoh Perhitungan:
A. F Kumulatif
𝐹(𝑋 = 9) = 𝐹(𝑋 = 4) + 𝐹(𝑋 = 5) + 𝐹(𝑋 = 6) + 𝐹(𝑋 = 7) + 𝐹(𝑋 = 8)
+ 𝐹(𝑋 = 9) + 𝐹(𝑋 = 10)
= 4+7+8+3+3+3+2
= 30
B. 𝑃(𝑋)
𝜆𝑥 −𝜆
𝑃(𝑋) = 𝑒
𝑥!
6,374
𝑃(4) = 2,71828−6,37
4!
1646,485
= 0,00171
4×3×2×1
1646,485
= 0,00171 = 0,117
24
C. 𝐸(𝑖)
𝐸(𝑖) = 𝑃(𝑋) × 𝑁
𝐸(4) = 𝑃(4) × 30
= 0,117 × 30
= 3,524
D. E(i)k
102
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
25
22
19
20
15
11
10
4
5
0
4 5 6 7 8 9 10
Frekuensi Kumulatif
17,117
15,000 12,779
10,000 8,013
5,000 3,524
0,000
4 5 6 7 8 9 10
Xi
103
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
A. Rentang
104
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
B. Banyak Kelas
∑ 𝐾 = 1 + 3,33 × 𝐿𝑜𝑔(𝑁)
= 1 + 3,33 × 𝐿𝑜𝑔(30)
= 1 + 3,33 × 1,477
= 5,87 ≈ 6
C. Interval
𝑅
𝑖=
∑𝐾
39
=
5,87
= 6,64
D. 𝑋̅
∑ 𝑋𝑖 × 𝑓𝑖
𝑋̅ =
∑ 𝑓𝑖
86,315 + 557,730 + 597,570 + 424,940 + 564,375 + 956,120
=
1+6+6+4+5+8
3187,050
= = 106,235
30
E. Standar Deviasi
∑ 𝐹𝑖(𝑋𝑖 − 𝑋̅)2
𝑆=√
∑ 𝐹𝑖
3350,810
=√
30
= √111,694 = 10,569
F. Rata-Rata Kedatangan
1 1
𝜆= = = 0,009
𝑥̅ 106,235
105
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Contoh Perhitungan:
25 22
20 17
15 13
10 7
5
1
0
86,315 92,955 99,595 106,235 112,875 119,515
Xi
106
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
4,100 3,671
3,600
3,022
E(i) Kumulatif
3,100
2,600 2,333
2,100
1,601
1,600
1,100 0,825
0,600
86,315 92,955 99,595 106,235 112,875 119,515
Xi
D. Teori Antrean
𝒕 = 𝟑 𝒎𝒆𝒏𝒊𝒕
107
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
108
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
109
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
GRAFIK HISTOGRAM CM
TERHADAP Fi
15
10
Fi
14
5
8 7 6
0 2 2 1
48,89 49,27 49,65 50,03 50,41 50,79 51,17
CM
Contoh Perhitungan:
110
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Uji Hipotesis:
1. Rumusan Masalah
𝐻 0 ∶ 𝜇 0 ≤ 49 𝑚𝑚
𝐻 1 ∶ 𝜇 0 > 49 𝑚𝑚
2. Wilayah Kritis
𝐻 0 ditolak jika 𝑍ℎ𝑖𝑡 > 𝑍α
𝛂 = 𝟏%
1 − α = 1 − 0,01
= 0,9900
𝑍0,9900 = 2,33
𝛂 = 𝟓%
1 − α = 1 − 0,05
= 0,9500
𝑍0,9500 = 1,64
𝛂 = 𝟏𝟎%
1 − α = 1 − 0,1
= 0,9000
𝑍0,9000 = 1,28
3. Uji Hipotesis
a. 𝜇 0 = 49 𝑚𝑚
b. 𝐹𝑖 × 𝐶𝑀 = 2 × 48,8 = 97,77
∑ 𝐹𝑖×𝐶𝑀
c. 𝑋̅ = 𝑁
1992,26
= = 49,81
40
𝑋̅ −𝜇0
d. 𝑍ℎ𝑖𝑡 = 2⁄
√𝑛
49,81 − 49
=
2⁄
√40
0,81
=
2⁄
6,32
0,81
= = 2,53
0,32
111
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
4. Kesimpulan
Berdasarkan kurva pada Gambar 4.18 sampai dengan Gambar 4.21
dengan menggunakan taraf nyata sebesar 1% (Ztabel = 2,33), 5% (Ztabel
= 1,64), 10% (Ztabel = 1,28) menunjukkan bahwa Zhit = 2,53 jatuh pada
daerah penolakan H0. Berdasarkan hal tersebut dapat disimpulkan
bahwa H0 ditolak dan H1 diterima yang berarti 𝜇 0 > 49mm.
112
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
B. Lebar Balok
Berdasarkan hasil pengolahan data yang dilakukan dengan menambahkan NPM
(+0,31) pada masing-masing data yang tersedia, berikut 40 data lebar balok yang
telah ditambah NPM pada Tabel 4.48 di bawah ini:
GRAFIK HISTOGRAM CM
TERHADAP Fi
30
20
Fi
10 25
12
0 2 0 0 0 1
1 2 3 4 5 6 7
CM
113
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Contoh Perhitungan:
Uji Hipotesis
1. Rumusan Masalah
𝐻 0 ∶ 𝜇 0 ≥ 29 𝑚𝑚
𝐻 1 ∶ 𝜇 0 < 29 𝑚𝑚
2. Wilayah Kritis
𝐻 0 ditolak jika 𝑍ℎ𝑖𝑡 < −𝑍α
𝛂 = 𝟏% 𝛂 = 𝟓%
𝑍0,01 = −2,33 𝑍0,05 = −1,64
𝛂 = 𝟏𝟎%
𝑍0,1 = −1,28
114
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
3. Uji Hipotesis
a. 𝜇 0 = 29 𝑚𝑚 𝑋̅ −𝜇0
d. 𝑍ℎ𝑖𝑡 = 𝜎
⁄ 𝑛
√
b. 𝐹𝑖 × 𝐶𝑀 = 2 × 22,10
29,13 − 29
= 44,19 =
2⁄
∑ 𝐹𝑖×𝐶𝑀
c. 𝑋̅ = 𝑁 √40
0,13
1165,32 =
= = 29,13 2⁄
40 6,32
0,13
= = 0,41
0,32
4. Kesimpulan
Berdasarkan Gambar 4.22 sampai 4.24 di atas menunjukkan bahwa dengan
menggunakan taraf nyata () 1%, 5% dan 10% yang menghasilkan nilai
115
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
C. Berat Detergen
Berdasarkan hasil pengolahan data yang dilakukan dengan menambahkan NPM
(+0,31) pada masing-masing data yang tersedia, berikut 40 data berat detergen yang
telah ditambah NPM pada Tabel 4.50 di bawah ini:
116
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
GRAFI K H I S TO GRAM C M
T E RH ADAP FI
FI
15
6 7
4 3 4
1
47,63 49,68 51,73 53,78 55,83 57,88 59,93
CM
A. Contoh Perhitungan:
1. 𝑅𝑎𝑛𝑔𝑒 (𝑅) = 𝑋𝑚𝑎𝑘𝑠 − 𝑋𝑚𝑖𝑛
= 59,49 − 46,61
= 12,88
2. 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑒𝑙𝑎𝑠 (𝐾) = 1 + 3,3 𝐿𝑜𝑔 𝑁
= 1 + 3,3 𝐿𝑜𝑔 (40)
= 1 + 3,3 (1,60)
= 1 + 5,28
= 6,28 ≈ 7
𝑅
3. 𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙 = 𝐾
12,88
= = 2,05
6,28
4. 𝐿𝐶𝐵 = 𝐿𝐶𝐿 − 0,005
= 46,61 − 0,005
= 46,605
5. 𝑈𝐶𝐵 = 𝑈𝐶𝐿 + 0,005
= 48,65
= 48,655
𝐿𝐶𝐿+𝑈𝐶𝐿
6. 𝐶𝑀 = 2
46,61 + 48,65
= = 47,63
2
117
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
B. Uji Hipotesis
1. Rumusan Masalah
𝐻 0 ∶ 𝜇0 = 48 𝑔𝑟𝑎𝑚
𝐻 1 ∶ 𝜇0 ≠ 48 𝑔𝑟𝑎𝑚
2. Wilayah Kritis
𝐻 0 ditolak jika 𝑍ℎ𝑖𝑡 < −𝑍α/2 dan 𝑍ℎ𝑖𝑡 > 𝑍α/2
𝛂 = 𝟏%
α ⁄ = 0,5% = 0,005
2
1 − α = 1 − 0,005
= 0,9950
𝑍0,9950 = 2,575
𝛂 = 𝟓%
α ⁄ = 2,5% = 0,025
2
1 − α = 1 − 0,025
= 0,9750
𝑍0,9970 = 1,96
𝛂 = 𝟏𝟎%
α⁄ = 5% = 0,05
2
1 − α = 1 − 0,05
= 0,9500
𝑍0,9500 = 1,645
C. Uji Hipotesis
1. 𝜇 0 = 48 𝑔𝑟𝑎𝑚 𝑋̅ −𝜇0
4. 𝑍ℎ𝑖𝑡 = 𝜎
⁄
√𝑁
2. 𝐹𝑖 × 𝐶𝑀 = 1 × 47,63
55,16 − 48
= 47,63 =
1⁄
∑ 𝐹𝑖×𝐶𝑀
3. 𝑋̅ = 𝑁 √40
7,16
2206,55 =
= = 55,16 1⁄
40 6,32
7,16
=
0,16
= 44,8
118
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
D. Kesimpulan
Berdasarkan hasil perhitungan 𝑍 yang menghasilkan nilai 𝑍ℎ𝑖𝑡 = 6,68,
maka untuk α = 1% (𝑍𝑡𝑎𝑏𝑒𝑙 = 2,575) 𝐻𝑜 ditolak karena 𝑍ℎ𝑖𝑡 >
𝑍 α⁄2 atau 44,8 > 2,575, hal tersebut memiliki arti bahwa rata-rata
berat detergen ≠ 48 gram. Begitupun dengan α = 5% dan α = 10%
yang menunjukkan masing-masing 𝑍𝑡𝑎𝑏𝑒𝑙 yaitu 1,96 dan 1,645.
Berdasarkan hasil tersebut maka 𝐻𝑜 ditolak karena 𝑍ℎ𝑖𝑡 > 𝑍 α⁄2 atau
44,8 > 1,96 dan 44,8 > 1,645, hal tersebut menunjukkan bahwa rata-
rata berat detergen ≠ 48 gram.
119
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Uji Hipotesis
1. Rumusan Hipotesis
H0: Data berdistribusi normal
H1: Data tidak berdistribusi normal
2. Daerah Kritis
H0 diterima jika Dmax < Ktabel
H0 ditolak jika Dmax > Ktabel
= 5%
Ktabel = 0,188
120
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
1396,42
=√
49
= √28,50 = 5,34
𝑋𝑖−𝑋̅
c. 𝑍 = 𝜎
15,30 − 27,93
=
5,34
−12,63
= = −2,37
5,34
𝑁𝑜. 𝑈𝑟𝑢𝑡
d. 𝐹𝑠1 = 𝑁
1
= = 0,02
50
e. 𝐷𝑚𝑎𝑥 = |𝐹𝑡 − 𝐹𝑠|
= |0,90021 − 0,84|
= 0,06021
4. Kesimpulan
Berdasarkan hasil perhitungan Dmax yaitu sebesar 0,06021 dengan tingkat
kepercayaan 5%, maka H0 dinyatakan diterima karena memenuhi syarat
yaitu Dmax < Ktabel atau 0,06021 < 0,188. Hal tersebut menunjukkan bahwa
data berdistribusi normal.
121
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Uji Hipotesis
1. Rumusan Hipotesis
2. Daerah Kritis
122
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
∑ 𝑋𝑖
a. 𝑋̅ = 𝑛
1606,85
=
50
= 32,14
∑ 𝑋𝑖
b. 𝜎 = √𝑛−1
1606,85
=√
49
= √32,80 = 5,73
𝑋𝑖−𝑋̅
c. 𝑍 = 𝜎
19,53 − 32,14
=
5,73
−12,61
= = −2,20
5,73
𝑁𝑜. 𝑈𝑟𝑢𝑡
d. 𝐹𝑠1 = 𝑁
1
= = 0,02
50
e. 𝐷𝑚𝑎𝑥 = |𝐹𝑡 − 𝐹𝑠|
= |0,52435 − 0,58|
= 0,05565
4. Kesimpulan
Berdasarkan hasil perhitungan Dmax yaitu sebesar 0,05565 dengan tingkat
kepercayaan 5%, maka H0 dinyatakan diterima karena memenuhi syarat
yaitu Dmax < Ktabel atau 0,05565 < 0,188. Hal tersebut menunjukkan bahwa
data berdistribusi normal.
123
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Uji Hipotesis
1. Rumusan Hipotesis
2. Daerah Kritis
124
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
∑ 𝑋𝑖
a. 𝑋̅ = 𝑛
1217,28
=
50
= 24,35
∑ 𝑋𝑖
b. 𝜎 = √𝑛−1
1217,28
=√
49
= √24,84 = 4,98
𝑋𝑖−𝑋̅
c. 𝑍 =
𝜎
11,75 − 24,35
=
4,98
−12,60
= = −2,53
4,98
𝑁𝑜. 𝑈𝑟𝑢𝑡
d. 𝐹𝑠1 = 𝑁
1
= = 0,02
50
e. 𝐷𝑚𝑎𝑥 = |𝐹𝑡 − 𝐹𝑠|
= |0,03552 − 0,10|
= 0,06448
4. Kesimpulan
Berdasarkan hasil perhitungan Dmax yaitu sebesar 0,06448 dengan tingkat
kepercayaan 5%, maka H0 dinyatakan diterima karena memenuhi syarat
yaitu Dmax < Ktabel atau 0,06448 < 0,188. Hal tersebut menunjukkan bahwa
data berdistribusi normal.
125
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Uji Hipotesis
1. Rumusan Hipotesis
H0: Rata-rata = 27,93
H1: Rata-rata ≠ 27,93
2. Derah Kritis
H0 ditolak jika Zhit < -Ztabel, H0 ditolak jika Zhit > Ztabel
𝛂 = 𝟏%
α ⁄ = 0,5% = 0,005
2
126
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
1 − α = 1 − 0,005
= 0,9950
𝑍0,9950 = ±2,575
𝛂 = 𝟓%
𝛂 ⁄ = 𝟐, 𝟓% = 0,025
𝟐
1 − α = 1 − 0,025
= 0,9750
𝑍0,9970 = ±1,96
𝛂 = 𝟏𝟎%
α⁄ = 5% = 0,05
2
1 − α = 1 − 0,05
= 0,9500
𝑍0,9500 = ±1,645
3. Uji Statistik
∑ 𝑋𝑖
a. 𝑋̅ = 𝑛
1394,42
= = 27,93
50
1
b. 𝜇 = × 𝑛
2
1
= × 50 = 25
2
1
c. 𝜎 = 2 × √𝑛
1
= × √50
2
1
= × 7,07
2
= 3,54
𝑋̅ −𝜇
d. 𝑍ℎ𝑖𝑡 = 𝜎
27,93 − 25
=
3,54
2,93
= = 0,83
3,54
127
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
4. Kesimpulan
Berdasarkan kurva pada Gambar 4.29 sampai 4.31 di atas dengan
menggunakan taraf nyata () 1%, 5% dan 10% menghasilkan nilai Ztabel
berturut-turut sebesar ±2,575, ±1,96 dan ±1,645. Berdasarkan perhitungan
Zhit yang telah dilakukan menghasilkan nilai 0,83. Menurut ketentuan yaitu
H0 ditolak jika Zhit < -Ztabel atau Zhit > Ztabel, maka dilihat dari kurva di
atas H0 diterima karena Zhit > -Ztabel dan Zhit < Ztabel, dengan demikian
rata-rata pada sampel 1 yaitu sebesar 27,93.
128
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
129
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
𝛂 = 𝟏𝟎%
1 − α = 1 − 0,1
= 0,9000
𝑍0,9000 = 1,28
3. Uji Statistik
̅
𝑋 +𝑋 ̅
a. 𝑋̅ = 1 2 2
27,93 + 32,14
= = 30,04
2
1
b. 𝜇 = 2 × 𝑛
1
= × 100 = 50
2
1
c. 𝜎 = 2 × √100
1
= × 10 = 5
2
𝑋̅ −𝜇
d. 𝑍ℎ𝑖𝑡 = 𝜎
30,04 − 50
=
5
−19,96
= = −4,00
5
130
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
4. Kesimpulan
Berdasarkan kurva pada Gambar 4.32 sampai 4.34 di atas dengan
menggunakan taraf nyata () menghasilkan nilai Ztabel berutut-turut
sebesar 2,33, 1,64 dan 1,28. Perhitungan Zhit yang telah dilakukan yaitu
menghasilkan nilai -4,00. Berdasarkan ketentuan yaitu H0 diterima jika Zhit
< Ztabel, maka pada kasus ini H0 diterima karena -4,00 < 2,33 atau 1,64 dan
atau 1,28, dengan demikian rata-rata pada sampel 1 dan 2 yaitu ≥ 30,04.
F. Uji Dwi Wilcoxon Sampel 2 dan 3
Tabel 4. 57 Uji Dwi Wilcoxon Sampel 2 dan 3
Beda Tanda Jenjang Beda Tanda Jenjang
i X2 X3 i X2 X3
X2 X3 Rank + - X2 X3 Rank + -
1 29,01 11,75 + 17,26 46 46 26 29,95 24,54 + 5,41 19 19
2 37,55 18,68 + 18,87 47 47 27 27,18 26,46 + 0,72 3 3
3 25,03 20,88 + 4,15 14 14 28 28,07 29,38 - 1,31 4 4
4 27,38 22,39 + 4,99 17 17 29 30,17 30,31 - 0,14 1 1
5 28,70 23,58 + 5,12 18 18 30 25,30 32,93 - 7,63 25 25
6 39,01 24,35 + 14,66 38 38 31 34,48 15,06 + 19,42 48 48
7 41,57 26,40 + 15,17 41 41 32 32,97 19,35 + 13,62 35 35
8 35,05 27,94 + 7,11 22 22 33 35,72 21,22 + 14,50 37 37
9 25,71 30,06 - 4,35 15 15 34 39,31 22,81 + 16,50 44 44
10 29,63 32,04 - 2,41 6 6 35 37,79 23,70 + 14,09 36 36
11 39,13 13,07 + 26,06 50 50 36 32,49 24,71 + 7,78 26 26
12 40,80 18,75 + 22,05 49 49 37 41,57 26,70 + 14,87 39 39
13 36,22 20,92 + 15,30 42 42 38 25,90 28,44 - 2,54 7 7
14 34,18 22,40 + 11,78 32 32 39 43,29 30,74 + 12,55 33 33
15 19,53 23,62 - 4,09 13 13 40 39,70 33,01 + 6,69 21 21
16 33,56 24,48 + 9,08 28 28 41 32,27 15,36 + 16,29 43 43
17 39,76 26,41 + 13,35 34 34 42 29,46 19,40 + 9,44 29 29
18 23,14 28,02 - 4,88 16 16 43 32,13 21,44 + 10,07 30 30
19 34,24 30,24 + 4,00 12 12 44 35,14 23,03 + 11,49 31 31
20 31,41 32,12 - 0,71 2 2 45 20,86 23,78 - 3,54 11 11
21 31,34 14,80 + 16,54 45 45 46 31,64 25,18 + 5,84 20 20
22 33,72 18,76 + 14,96 40 40 47 29,38 27,10 + 1,66 5 5
23 28,63 21,17 + 7,46 24 24 48 26,54 28,51 - 2,59 8 8
24 30,82 22,65 + 8,17 27 27 49 28,66 31,23 - 3,19 9 9
25 30,86 23,62 + 7,24 23 23 50 30,90 33,79 - 3,51 10 10
JUMLAH 1148 127
(Sumber: Pengolahan Data)
131
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Uji Hipotesis
1. Rumusan Hipotesis
H0: 𝑋̅2 ≤ 𝑋̅3
H1: 𝑋̅2 > 𝑋̅3
2. Daerah Kritis
H0 ditolak jika Zhit > Z
𝛂 = 𝟏%
1 − α = 1 − 0,01
= 0,9900
𝑍0,9900 = 2,33
𝛂 = 𝟓%
1 − α = 1 − 0,05
= 0,9500
𝑍0,9500 = 1,64
𝛂 = 𝟏𝟎%
1 − α = 1 − 0,1
= 0,9000
𝑍0,9000 = 1,28
3. Uji Statistik
a. 𝑋̅2 = 32,14
b. 𝑋̅3 = 24,35
𝑛(𝑛+1)
c. µt = 4
100(100 + 1)
= = 2525
4
𝑛(𝑛+1)(2𝑛+1)
d. 𝜎t = √ 24
100(100 + 1)(2(100) + 1)
=√
24
100(101)(201)
=√ = √84587,52
24
= 290,84
132
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
𝑡−µt
e. 𝑍ℎ𝑖𝑡 = 𝜎t
127 − 2525
=
290,84
−2398
= = −8,25
290,84
4. Kesimpulan
Berdasarkan hasil Uji Dwi Wilcoxson dengan menggunakan taraf nyata 1%,
5% dan 10% menghasilkan Zmasing-masing sebesar 2,33, 1,64 dan 1,28
serta menghasilkan nilai Zhit = -8,25. Berdasarkan hasil tersebut, maka
sesuai dengan daerah kritis yaitu H0 ditolak jika Zhit > Z, H0 diterima yang
berarti bahwa kenyataannya rata-rata sampel 2 ≤ rata-rata sampel 3.
133
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
134
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Uji Hipotesis
1. Rumusan Hipotesis
= 1% = 0,01
Pendekatan Chi-Square Tabel = 9,21 (derajat kebebasan = 2)
= 5% = 0,05
Pendekatan Chi-Square Tabel = 5,99 (derajat kebebasan = 2)
12 𝑅𝑖 2
3. 𝐻 = 𝑁(𝑁+1) (∑ ) − 3(𝑁 + 1)
𝑛𝑖
= 0,00053(831341) − 453
= 440,61 − 453 = −12,39
4. Kesimpulan
135
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
136
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
𝑌 = 𝑎 + 𝑏𝑋1
= 55,29 + 0,53𝑋1
137
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
2. Koefisien Korelasi
𝑛(∑ 𝑋𝑌) − (∑ 𝑋) × (∑𝑌)
𝑟=
√(𝑛∑𝑋 2 − (∑𝑋)2 ) × (𝑛∑𝑌 2 − (∑𝑌)2 )
30(267265) − (2625)(3050)
𝑟=
√(30(230419) − (2625)2 × (30(311470) − (3050)2 )
8017950 − 8006250
𝑟=
√(6912570 − 6890625) × (9344100 − 9302500)
11700
=
30214,43
𝑟 = 0,39
Kesmpulan:
Hubungan X (Nilai Praktikum) terhadap Y (Mortum) adalah rendah berdasarkan
perhitungan koefisien korelasi, karena nilainya berada diantara 0,20 – 0,39.
3. Koefisien Determinasi
𝐾𝐷 = 𝑟 2 × 100%
𝐾𝐷 = 0,392 × 100%
𝐾𝐷 = 0,1521 × 100%
𝐾𝐷 = 15,21%
138
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
139
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Yi
x
40
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 y
Xi
110
100
Y
90
80
70
75 80 85 90 95
Ypred
B. Regresi Berganda
Tabel 4. 62 Data Regresi Berganda Setelah Ditambah NPM (+31)
No X1 X2 X3 Y No X1 X2 X3 Y
140
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
141
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
∑ 𝑌 = 𝑎𝑛 + 𝑏1 ∑ 𝑋1 + 𝑏2 ∑ 𝑋2 + 𝑏3 ∑ 𝑋3
∑ 𝑋1 𝑌 = 𝑎 ∑ 𝑋1 + 𝑏1 ∑ 𝑋1 2 + 𝑏2 ∑ 𝑋1 𝑋2 + 𝑏3 ∑ 𝑋1 𝑋3
∑ 𝑋2 𝑌 = 𝑎 ∑ 𝑋2 + 𝑏1 ∑ 𝑋1 𝑋2 + 𝑏2 ∑ 𝑋2 2 + 𝑏3 ∑ 𝑋2 𝑋3
142
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
∑ 𝑋3 𝑌 = 𝑎 ∑ 𝑋3 + 𝑏1 ∑ 𝑋1 𝑋3 + 𝑏2 ∑ 𝑋2 𝑋3 + 𝑏3 ∑ 𝑋3 2
143
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
225386126050396 × 103
𝑏3 = = 0,12
19263517046122 × 106
g. Substitusi 𝑏3 ke Persamaan 8
2369611436𝑏2 + 1307042960(0,12) = 727965228
2369611436𝑏2 + 156845155,2 = 727965228
2369611436𝑏2 = 727965228 − 156845155,2
2369611436𝑏2 = 571120072,8
571120072,8
𝑏2 = = 0,24
2369611436
h. Substitusi 𝑏2 dan 𝑏3 ke Persamaan 7
1667𝑏1 − 57102(0,24) − 390057(0,12) = −58748
1667𝑏1 − 13704,5 − 46806,8 = −58748
1667𝑏1 − 13704,5 − 46806,8 = −58748
1667𝑏1 = −58748 + 13704,5 + 46806,8
1667𝑏1 = 1763,3
1763,3
𝑏1 = = 1,06
1667
i. Substitusi 𝑏1 , 𝑏2 dan 𝑏3 ke persamaan 1
34𝑎 + 3291(1,06) + 2968(0,24) + 3395(0,12) = 2522
34𝑎 + 3488,46 + 720,25 + 397,22 = 2522
34𝑎 = 2522 − 3488,46 − 720,25 − 397,22
34𝑎 = −2083,93
−2083,93
𝑎= = −61,29
34
144
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
𝑛 ∑ 𝑋1 𝑌 − ∑(𝑋1 ) ∑(𝑌)
𝑟𝑦1 =
√[𝑛 ∑ 𝑋1 2 − (∑ 𝑋1 )2 ][𝑛 ∑ 𝑌 2 − (∑ 𝑌)2 ]
34(244455) − (3291)(2522)
=
√[34(319217) − 10830681][34(189594) − (6360484)
11568
=
√1945405264
11568
= = 0,26
44106,7
𝑛 ∑ 𝑋2 𝑌 − ∑(𝑋2 ) ∑(𝑌)
𝑟𝑦2 =
√[𝑛 ∑ 𝑋2 2 − (∑ 𝑋2 )2 ][𝑛 ∑ 𝑌 2 − (∑ 𝑌)2 ]
34(221198) − (2968)(2522)
=
√[34(262216) − 8809024][34(189594) − (6360484)
35436 35436
= = = 0,37
√9112899840 95461,5
𝑛 ∑ 𝑋3 𝑌 − ∑(𝑋3 ) ∑(𝑌)
𝑟𝑦3 =
√[𝑛 ∑ 𝑋3 2 − (∑ 𝑋3 )2 ][𝑛 ∑ 𝑌 2 − (∑ 𝑌)2 ]
34(253557) − (3395)(2522)
=
√[34(350473) − 11526025][34(189594) − (6360484)
58748
=
√33432565584
58748
= = 0,32
182845,74
∴ Berdasarkan perhitungan di atas, nilai 𝑟𝑦1 sebesar 0,26 yang menunjukkan bahwa
hubungan 𝑋1 terhadap 𝑌 adalah rendah, nilai 𝑟𝑦2 sebesar 0,37 yang menunjukkan
bahwa hubungan 𝑋2 terhadap 𝑌 adalah rendah dan nilai 𝑟𝑦3 sebesar 0,32 yang
menunjukkan bahwa hubungan 𝑋3 terhadap 𝑌 adalah rendah.
145
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
𝑛 ∑ 𝑋1 𝑋2 − ∑(𝑋1 ) ∑(𝑋2 )
𝑟1.2 =
√[𝑛 ∑ 𝑋1 2 − (∑ 𝑋1 )2 ][𝑛 ∑ 𝑋2 2 − (∑ 𝑋2 )2 ]
34(287479) − (3291)(2968)
=
√[34(319217) − 10830681][34(262216) − 8809024]
6598
=
√2413145040
6598
= = 0,13
49123,77
𝑛 ∑ 𝑋1 𝑋3 − ∑(𝑋1 ) ∑(𝑋3 )
𝑟1.3 =
√[𝑛 ∑ 𝑋1 2 − (∑ 𝑋1 )2 ][𝑛 ∑ 𝑋3 2 − (∑ 𝑋3 )2 ]
34(328567) − (3291)(3395)
=
√[34(319217) − 10830681][34(350473) − 11526025]
−1667
=
√8853123729
−1667
= = −0,02
94091,04
𝑛 ∑ 𝑋2 𝑋3 − ∑(𝑋2 ) ∑(𝑋3 )
𝑟2.3 =
√[𝑛 ∑ 𝑋2 2 − (∑ 𝑋2 )2 ][𝑛 ∑ 𝑋3 2 − (∑ 𝑋3 )2 ]
34(298043) − (2968)(3395)
=
√[34(262216) − 8809024][34(350473) − 11526025]
57102
=
√41470860240
57102
= = 0,28
203643,955
0,26 + 0,0064
=
1 − (−0,02)2
146
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
0,52 + 0,0064
=
1 + 0,0004
0,5264
= = 0,53
1,0004
𝑟𝑦2 − 𝑟𝑦1 𝑟1.2
𝑏2 =
1 − (𝑟1.2 )2
0,37−(0,26)(0,13)
= 1−(0,13)2
0,74 − 0,0338
=
1 − (0,13)2
0,52 − 0,0338
=
1 − 0,0169
0,4862
= = 0,49
0,9831
𝑟𝑦3 − 𝑟𝑦2 𝑟2.3
𝑏3 =
1 − (𝑟2.3 )2
0,32−(0,37)(0,28)
= 1−(0,28)2
0,32 − 0,1036
=
1 − 0,0784
0,2164
= = 0,23
0,9216
6. Korelasi
𝑅𝑦.123 = √𝑏1 𝑟𝑦1 + 𝑏2 𝑟𝑦2 + 𝑏3 𝑟𝑦3
147
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Nilai ini menunjukkan kontribusi semua variabel bebas terhadap variabel terikat
secara simultan adalah sebesar 39,69%. Sementara itu 63,31% sisanya merupakan
kontribusi dari faktor-faktor lain selain faktor yang diwakili oleh variabel bebas.
8. Uji F
a. Hipotesis Uji
H0: Tidak ada pengaruh antara variabel bebas terhadap variabel terikat.
H1: Terdapat pengaruh antara variabel bebas terhadap variabel terikat.
b. Tingkat Signifikansi
𝛼 = 5% = 0,05
𝐷𝐾 𝑃𝑒𝑚𝑏𝑖𝑙𝑎𝑛𝑔 = 𝑘 = 4
𝐷𝐾 𝑃𝑒𝑛𝑦𝑒𝑏𝑢𝑡 = 𝑛 − 𝑘 − 1
= 34 − 4 − 1 = 29
𝑭𝒕𝒂𝒃𝒆𝒍 = 𝑓𝛼 (𝑃𝑒𝑚𝑏𝑖𝑙𝑎𝑛𝑔; 𝑃𝑒𝑛𝑦𝑒𝑏𝑢𝑡) = 𝑓0,05 (4; 29)
= 2,70
c. Daerah Kritis
H0 diterima jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝐹𝑡𝑎𝑏𝑒𝑙
H0 ditolak jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙 (H1 diterima)
d. 𝐹ℎ𝑖𝑡𝑢𝑛𝑔
𝐽𝐾𝑅𝑒𝑔 = 𝑏1 ∑ 𝑋1 𝑌 + 𝑏2 ∑ 𝑋2 𝑌 + 𝑏3 ∑ 𝑋3 𝑌
148
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
296266,28
= 4
296266,28
34 − 4 − 1
74066,57
= = 7,25
10216,09
e. Kesimpulan
Berdasarkan proses perhitungan 𝐹ℎ𝑖𝑡 sebesar 7,25 dan 𝐹𝑡𝑎𝑏𝑒𝑙 sebesar 2,70
dengan menggunakan tingkat signifikansi sebesar 5% atau 0,05, maka
sesuai dengan daerah kritis yaitu H0 diterima jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝐹𝑡𝑎𝑏𝑒𝑙 dan
H0 ditolak jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙, H0 ditolak karena 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙.
Hal tersebut berarti bahwa hipotesis tandingan (H1) diterima yang artinya
terdapat pengaruh antara variabel bebas terhadap variabel terikat.
149
BAB V
ANALISIS
Pengolahan data pada modul Statistik Deskriptif yaitu dengan menggunakan data
yang telah disediakan. Data yang tersedia terbagi menjadi dua, yaitu data diskrit
dan data kontinu. Data diskrit pada tabel yaitu tinggi badan, sedangkan untuk data
kontinu pada tabel yaitu berat badan. Masing-masing dari data tersebut dihitung
rentang, banyak kelas serta interval yang bertujuan untuk membuat tabel distribusi
frekuensi. Data yang berjumlah 50 selanjutnya dikelompokkan berdasarkan kelas
dan interval yang memenuhi kedalam tabel distribusi frekuensi diskrit dan kontinu.
Data diskrit dan kontinu selanjutnya diolah untuk memperoleh ukuran rata-rata
(mean, median dan modus), ukuran letak (kuartil, desil, dan persentil) dan ukuran
penyebaran (variansi, standar deviasi, skewness dan simpangan kuartil) serta
dituangkan kedalam grafik histogram, poligon dan ogive.
Pengolahan data pada modul Teori Probabilitas yaitu dengan menggunakan data
yang telah tersedia. Data yang tersedia yaitu berupa dua studi kasus yang harus
dipecahkan permasalahannya. Studi kasus 1 yaitu mengenai peluang suatu kejadian
percobaan pemutaran bingo yang dilakukan sebanyak 164 kali (setelah ditambah
NPM). Pengolahan data pada studi kasus ini yaitu mencari nilai peluang, irisan,
gabungan dan kejadian bersyarat.
Berdasarkan Tabel 5.2 di atas menunjukkan bahwa operasi yang terjadi antara dua
himpunan menghasilkan himpunan baru yang berisi anggota-anggota kedua
himpunan awal. Studi kasus 2 yaitu mengenai permutasi dan kombinasi.
Kombinasi adalah menggabungkan beberapa objek dari suatu grup tanpa
memperhatikan urutan, dalam kombinasi urutan tidak diperhatikan. Sedangkan
permutasi adalah menggabungkan beberapa objek dari suatu grup dengan
memperhatikan urutan, dalam permutasi urutan diperhatikan. Berdasarkan
permasalahan pada kasus kedua yaitu menentukan banyak cara pemilihan karyawan
untuk dijadikan supervisor dan manajer dengan menggunakan rumus permutasi
sebagian. Permutasi sebagian menyusun sebagian objek ke dalam suatu urutan
tertentu. Jumlah permutasi suatu kelompok yang terdiri atas 51 objek yang berbeda
yang kemudian diambil sekaligus sebanyak tanpa pengulangan yaitu menghasilkan
2.550 cara. Menentukan ada berapa banyak cara menyusun karyawan menjadi
sebuah kelompok secara beraturan untuk proses tahap seleksi apabila setiap
kelompok terdiri dari 4 orang yaitu dengan menggunakan rumus permutasi
menyeluruh. Permutasi menyeluruh menyusun semua objek ke dalam suatu urutan
tertentu yang menghasilkan 1,551119 × 1066 cara.
151
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Menentukan ada berapa banyak cara 20 karyawan tersebut dapat duduk di sekeliling
meja bundar untuk focus group discusion jika urutan duduk menunjukkan prioritas
mereka dalam memberikan pendapat dengan menggunakan rumus permutasi
keliling. Permutasi keliling menyusun sejumlah 51 objek yang berbeda kemudian
disusun secara teratur dalam sebuah siklus yang menghasilkan 3,04141 × 1062
cara. Mentukan ada berapa banyak cara menyusun posisi tempat duduk pada saat
proses seleksi berdasarkan jurusan masing-masing dengan menggunakan rumus
permutasi data berkelompok. Permutasi data berkelompok menyusun kelompok
yang terdiri dari 51 objek dimana 𝑛1 merupakan kumpulan objek yang sama,
𝑛2 adalah kumpulan objek lain yang sama dan seterusnya menghasilkan
2,240976 × 1032 cara. Menentukan ada berapa banyak cara untuk ke 20 karyawan
tersebut menduduki meja dan kursi jika dalam satu ruangan ada 8 buah meja dan
kursi yang disusun berjajar akan tetapi urutan tidak diperhatikan dengan
menggunakan rumus kombinasi sebagian yang menghasilkan 636.763.050 cara.
GRAFIK PROBABILITAS
0,400 0,316
0,269
PROBABILITAS
0,300 0,198
0,200 0,129
0,100 0,0040,033 0,052
0,000
0 1 2 3 4 5 6
X
152
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
DIAGRAM PROBABILITAS
0,341421
0,350000 0,306818
0,300000
PROBABILTAS
0,250000
0,200000 0,155773 0,006845
0,147272
0,150000 0,000658
Probabilitas
0,100000 0,000033
0,041178
0,050000 0,000001
0,000000
0 1 2 3 4 5 6 7 8
X
Grafik pada Gambar 5.2 di atas merupakan hasil perhitungan probabilitas pada
proses pengambilan 8 bola pingpong tanpa pengembalian. Probabilitas terbesar
dihasilkan oleh terambilnya 1 bola pingpong berwarna kuning (kejadian sukses)
yaitu sebesar 0,341421. Probabilitas terambilnya 8 bola pingpong berwarna kuning
menunjukkan hasil terkecil yaitu sebesar 0,000001 yang artinya nyaris tidak
mungkin. Probabilitas setiap kejadian sukses pada metode hipergeometrik yang
153
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
digunakan dipengaruhi oleh ketetapan nilai 𝑘 (jumlah kejadian sukses) yang telah
ditentukan yaitu sebesar 20 buah bola pingpong berwarna kuning dan nilai 𝑛
(jumlah sampel) yaitu sebesar 8. Adanya distribusi probabilitas binomial dan
hipergeometrik diharapkan dapat membantu suatu perusahaan untuk menentukan
kebijakan-kebijakan yang tepat agar tercapainya suatu tujuan dari perusahaan
tersebut seperti meminimalisir suatu produk yang cacat untuk mendapatkan
keuntungan yang sebesar-besarnya.
𝜆 0,1 0,11
Po 0,9990587 0,998965
154
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Lamanya rata-rata waktu mengantre pada selang waktu 3 menit yaitu selama
0,00000887 detik atau tidak adanya konsumen yang mengantre saat melakukan
order minuman di perusahaan tersebut. Lama waktu mengantre pada selang waktu
5 menit pun menghasilkan rata-rata waktu mengantre yang sama yaitu selama
0,00000887 detik atau tidak ada konsumen yang mengantre. Hal tersebut
menunjukkan bahwa waktu pelayanan yang dilakukan sudah cukup baik sehingga
tidak menimbulkan antrean yang berlebihan. Berbanding lurus dengan kejadian saat
praktikan mengamati kondisi perusahaan tersebut secara langsung, tidak didapati
konsumen yang mengantre untuk melakukan order. Tidak terjadinya antrean pada
gerai minuman Chat Time dapat diakibatkan karena pada saat praktikan melakukan
pengamatan merupakan hari kerja dan lokasi yang menjadi tempat pengamatan
praktikan merupakan salah satu dari sekian banyak cabang dari gerai minuman
tersebut.
155
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Praktikum modul Statistik Parametrik kali ini membahas mengenai uji hipotesis
terhadap beberapa pengukuran terhadap 3 objek yaitu panjang balok, lebar balok
dan berat detergen. Hasil dari uji hipotesis dapat dilihat pada Tabel 5.1 di bawah
ini:
Berdasarkan Tabel 5.4 di atas menunjukkan bahwa hasil pengujian panjang balok
dengan menggunakan taraf nyata (𝛼) 1%, 5% dan 10% menghasilkan Ztabel
berturut-turut sebesar 2,33, 1,64 dan 1,28 dan Zhitung yang diperoleh dari hasil
perhitungan yaitu sebesar 2,53. Berdasarkan hasil tersebut dengan memperhatikan
wilayah kritis yaitu H0 ditolak jika Zhit > Z𝛼, maka kesimpulan yang dapat ditarik
yaitu H0 ditolak karena 2,53 > 2,33 atau 1,64 dan atau 1,28. Hal tersebut berarti
hipotesis tandingan (H1) dapat diterima atau dengan kata lain 𝜇 0 > 49mm untuk
panjang balok. Pengujian lebar balok dengan menggunakan taraf nyata (𝛼) 1%, 5%
dan 10% menghasilkan Ztabel berturut-turut sebesar -2,33, -1,64 dan -1,28 dan
Zhitung yang diperoleh dari hasil perhitungan yaitu sebesar 0,41. Berdasarkan hasil
tersebut dengan memperhatikan wilayah kritis yaitu H0 ditolak jika Zhit < -Zα,
maka kesimpulan yang dapat ditarik yaitu H0 diterima karena 0,41 > -2,33 atau -
1,64 dan atau -1,28 atau dengan kata lain benar bahwa 𝜇 0 ≥ 29mm untuk lebar
balok.
Pengujian hipotesis berat detergen menggunakan kurva dua arah yang berarti α/2.
Pengujian hipotesis ini menggunakan taraf nyata (𝛼) 1%, 5% dan 10%
menghasilkan Ztabel berturut-turut sebesar ±2,575, ±1,96 dan ±1,645 dan
menghasilkan nilai Zhitung sebesar 44,8. Berdasarkan hasil tersebut dengan
memperhatikan wilayah kritis yaitu H0 ditolak jika 𝑍ℎ𝑖𝑡 < −𝑍α/2 dan 𝑍ℎ𝑖𝑡 > 𝑍α/2,
156
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
maka dapat disimpulkan H0 ditolak untuk semua taraf nyata yang digunakan karena
𝑍ℎ𝑖𝑡 > 𝑍α/2 atau 44,8 > 2,575 atau 1,96 dan atau 1,645, dengan kata lain hipotesis
tandingan (H1) dapat diterima yang berarti bahwa rata-rata berat detergen ≠ 48
gram.
Pengujian sampel 2 dengan metode yang sama serta menggunakan taraf nyata 5%
menghasilkan Ktabel yaitu sebesar 0,188. Berdasarkan hasil perhitungan Dmax
yang telah dilakukan yaitu sebesar 0,05565 dengan memperhatikan daerah kritis
yaitu H0 diterima jika Dmax < Ktabel, maka dapat disimpulkan bahwa pada
pengujian ini H0 diterima atau dengan kata lain sampel 2 yang diuji berdistribusi
normal. Pengujian sampel 3 pada metode Kolmogorov-Smirnov dengan
menggunakan taraf nyata yang sama yaitu 5% menghasilkan Ktabel sebesar 0,188.
Hasil perhitungan Dmax pada pengujian sampel 3 ini yaitu sebesar 0,06448.
Berdasarkan hasil perhitungan tersebut dengan memperhatikan daerah kritis yaitu
H0 diterima jika Dmax < Ktabel, maka dapat disimpulkan bahwa pada pengujian ini
H0 diterima atau dengan kata lain sampel 3 yang diuji berdistribusi normal.
157
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Berdasarkan Tabel 5.6 di atas hasil uji tanda sampel 1 dengan menggunakan taraf
nyata 1%, 5% dan 10% menghasilkan nilai Ztabel masing-masing sebesar ±2,575,
±1,96 dan ±1,645 serta menghasilkan nilai Zhitung sebesar 0,83. Berdasarkan
daerah kritis yang menyatakan bahwa H0 ditolak jika Zhit < -Ztabel dan H0 ditolak
jika Zhit > Ztabel, maka pada uji sampel 1 ini H0 diterima yang berarti bahwa rata-
rata sampel 1 sama dengan (=) 27,93.
Pengujian uji tanda pada sampel 1 dan 2 dengan menggunakan taraf nyata 1%, 5%
dan 10% menghasilkan nilai Ztabel masing-masing sebesar 2,33, 1,64 dan 1,28 serta
menghasilkan nilai Zhitung sebesar -4,00. Berdasarkan daerah kritis yang
menyatakan bahwa H0 ditolak jika Zhit > Ztabel dan H0 diterima jika Zhit < Ztabel,
maka pada pengujian sampel 1 dan sampel 2 H0 diterima yang berarti bahwa rata-
rata pada sampel 1 dan 2 yaitu ≥ 30,04.
Praktikum modul Regresi dan Korelasi kali ini membahas mengenai analisis
terhadap hubungan variabel bebas dan variabel terikat, apakah terdapat hubungan
yang saling terikat atau tidak. Data yang digunakan pada regresi sederhana ini yaitu
mortum (variabel terikat) dan nilai praktikum (variabel bebas) sebanyak 30 data.
158
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Berdasarkan Tabel 5.7 menunjukkan bahwa koefisen korelasi yang dihasilkan yaitu
sebesar 0,39. Hal tersebut berdasarkan Tabel 2.4 menunjukkan bahwa hubungan
antara variabel bebas (nilai praktikum 𝑋) terhadap variabel terikat (mortum 𝑌)
adalah rendah. Nilai koefisien determinasi yang dihasilkan berdasarkan
perhitungan yaitu sebesar 15,21%, nilai ini menunjukkan kontribusi semua variabel
bebas terhadap variabel terikat adalah sebesar 15,21%, sementara itu 84,79%
sisanya merupakan kontribusi dari faktor-faktor lain selain faktor yang diwakili
oleh variabel bebas.
Data yang digunakan dalam regresi berganda kali ini yaitu variabel terikat (𝑌) dan
variabel bebas (𝑋1 , 𝑋2 dan 𝑋3) sebanyak 34 data. Misalkan variabel terikat (Y)
merupakan tingkat pengangguran dan variabel bebas 𝑋1 , 𝑋2 dan 𝑋3 merupakan
faktor yang mempengaruhi tingkat pengangguran. Faktor yang mempengaruhi
pengangguran berturut-turut yaitu tidak adanya lapangan pekerjaan (𝑋1 ), tingkat
perekonomian rendah (𝑋2 ) dan maraknya PHK oleh perusahaan (𝑋3 ).
159
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
perusahaan terhadap tingkat pengangguran yaitu sebesar 0,32 yang berarti bahwa
hubungan maraknya PHK oleh perusahaan terhadap tingkat pengangguran adalah
rendah.
160
BAB VI
6.1 KESIMPULAN
6.1.1 Statistika Deskriptif
Berdasarkan praktikum modul Teori Probabilitas yang telah dilakukan maka dapat
ditarik kesimpulan bahwa:
161
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
162
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
1. Salah satu karakteristik dari distribusi poisson yaitu dapat digunakan untuk
mengamati banyaknya pelanggan yang melakukan transaksi disuatu
perusahaan, sedangkan karakteristik dari distribusi eksponensial salah
satunya yaitu dapat digunakan untuk mengamati lamanya waktu pelayanan
dari suatu perusahaan.
2. Banyaknya pengantre (𝐿𝑞) pada selang waktu 3 menit dengan menggunakan
pendekatan distribusi probabilitas poisson dan eksponensial yaitu sebanyak
0,000000887 orang atau hampir tidak ada satupun konsumen yang
mengantre, sedangkan pada selang waktu 5 menit yaitu sebanyak
0,000001073 orang atau hampir tidak ada satupun konsumen yang
mengantre.
3. Lamanya waktu antre (𝑊𝑞) pada selang waktu 3 menit dan 5 menit dengan
menggunakan pendekatan distribusi probabilitas poisson dan eksponensial
yaitu selama 0,00000887 detik atau hampir tidak terjadi antrean saat
melakukan order minuman di perusahaan tersebut.
4. Keadaan dimana tidak ada satupun konsumen yang mengantre berbanding
lurus dengan kondisi praktikan saat melakukan kegiatan pengamatan di
lokasi tersebut. Hal tersebut dapat terjadi dikarenakan pengunjung tidak
datang secara bersamaan sehingga tidak menimbulkan antrean dan juga
waktu saat praktikan melakukan pengamatan yaitu hari kerja.
163
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Berdasarkan kegiatan praktikum yang telah dilakukan pada modul Regresi dan
Korelasi, praktikan dapat mengambil beberapa kesimpulan diantaranya:
164
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
6.2 SARAN
6.2.1 Statistika Deskriptif
1. Pengolahan data harus dilakukan dengan teliti agar tidak terjadi kesalahan
dalam proses perhitungan.
2. Saat pengolahan data dilakukan, praktikan diharapkan dapat menuangkan
data dengan baik sehingga dapat dimengerti oleh pembaca.
3. Saat praktikum sedang berlangsung, diharapkan praktikan dapat
memperhatikan dengan teliti apa yang dijelaskan oleh instruktur agar tidak
terjadi kesalahan saat pengerjaan laporan.
165
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
166
UNIVERSITAS
PRAKTIKUM STATISTIKA INDUSTRI
WIDYATAMA
Penyusunan laporan akhir praktikum modul Regresi dan Korelasi memang terdapat
banyak kelebihan dan kekurangan, adapun yang ingin disampaikan oleh praktikan
adalah:
167
DAFTAR PUSTAKA
168
LAMPIRAN
169
170
171
172
173
174