PENDAHULUAN
1
1.2 Perumusan Masalah
Permasalahan yang muncul dari latar belakang dapat dirumuskan pada perumusan
masalah. Perumusan masalah pada modul Antropometri ini adalah bagaimana
merancang sebuah bangku kerja dengan menggunakan data dimensi tubuh
manusia.
4. Tipe Perancangan
2
Tipe perancangan yang digunakan adalah data ekstrim, dengan
menggunakan persentil 95%.
a. tujuan umum
Mampu mengetahui kelebihan dan kekurangan yang dimiliki manusia dari sisi
antopometri serta mampu menggunkan nya untuk mengoptimalkan sistem kerja
dalamsistem perancangan.
b. tujuan khusus
1. Mampu mengukur data antopometri
2. Mampu menetukan ukuran tubuh yang dibutuhkan dalam merancang tempat
kerja.
3. mampu menggunakan data antopometri dalam perancangan tempat kerja
BAB I PENDAHULUAN
3
BAB II LANDASAN TEORI
Bab ini memaparkan tentang flowchart pengumpulan data saat praktikum beserta
penjelasannya. Terdapat juga peralatan yang digunakan selama praktikum beserta
fungsinya, serta data antropometri yang diambil selama praktikum.
Bab ini berisi mengenai pembahasan dan analisis. Pembahasan berisi deskripsi
dari produk yang dirancang, data antopometri yang digunakan, pengolahan data
secara manual, pengolahan data menggunakan software SPSS dan perancangan
produk. Analisis berisi analisis produk dan analisis perbandingan produk.
4
BAB II
LANDASAN TEORI
5
Kata ergonomi berasal dari dua kata yang berbahasa Latin, yaitu ergos yang
artinya kerja dan nomos yang berarti hukum atau aturan. Ergonomi adalah disiplin
keilmuan yang berkaitan dengan perancangan peralatan dan fasilitas kerja yang
memperhatikan aspek-aspek manusia sebagai pemakainya. Disiplin ilmu dasar
ergonomi meliputi psikologi, ilmu kognitif, fisiologi, biomekanika, aplikasi
antropometri fisik, dan sistem teknik industri. Dengan demikian ergonomi melihat
permasalahan interaksi tersebut sebagai suatu sistem dengan pemecahan-
pemecahan masalahnya melalui proses pendekatan sistem. Konsep ergonomi
sendiri berfokus pada prinsip fit the task to the person. Oleh karena itu beberapa
aplikasi dari ilmu ergonomi dapat dilihat pada berbagai proses perancangan
produk ataupun operasi kerja. Contoh dari aplikasi ilmu ergonomi pada
perancangan produk pintu rumah yang disesuaikan dengan dimensi tubuh
manusia.
b. Antropometri
Antropometri adalah ilmu yang mempelajari tentang bentuk dan ukuran tubuh
manusia. Data antropometri digunakan untuk berbagai keperluan seperti
perancangan lingkungan kerja (workplaces), fasilitas kerja, dan lain-lain agar
diperoleh ukuran-ukuran yang sesuai dan layak dengan dimensi ukuran anggota
tubuh manusia yang akan menggunakannya. Hal ini dilakukan agar tercapai suatu
kondisi yang enak, nyaman, aman, dan sehat bagi manusia dan tentunya juga
dapat menciptakan kondisi kerja yang efisien dengan hasil yang efektif atau
dengan kata lain adalah untuk mencapai keadaan yang ergonomis. Antropometri
secara lebih luas digunakan sebagai pertimbangan ergonomis dalam proses
perencanaan produk maupun sistem kerja yang memerlukan interaksi manusia.
Data antropometri yang berhasil diperoleh akan diaplikasikan secara lebih luas
antara lain dalam hal perancangan areal kerja (work station), perancangan alat
kerja dan perancangan lingkungan fisik. Berdasarkan hal tersebut maka dapat
disimpulkan bahwa data antropometri akan menentukan bentuk, ukuran, dan
dimensi yang tepat berkaitan dengan produk yang akan dirancang sesuai dengan
manusia yang akan mengoperasikan atau menggunakan produk tersebut.
6
Data antropometri untuk berbagai ukuran anggota tubuh baik yang diukur
dalam posisi tetap (structural body dimension) ataupun posisi bergerak dinamis
sesuai dengan fungsi yang bisa dikerjakan oleh anggota tubuh tersebut (functional
body dimension) dan dikelompokan berdasarkan nilai persentil dari populasi
tertentu akan sangat bermanfaat untuk menentukan ukuran-ukuran yang harus
diakomodasikan pada saat perancangan sebuah produk, fasilitas kerja maupun
stasiun kerja. Persoalan yang paling mendasar dalam mengaplikasikan data
antropometri dalam proses perancangan adalah bagaimana bisa menemukan
dimensi ukuran yang paling tepat untuk rancangan yang ingin dibuat agar bisa
mengakomodasikan mayoritas dan potensial populasi yang akan menggunakan
atau mengoperasikan hasil rancangan tersebut. Dalam hal ini ada dua dimensi
rancangan yang akan dijadikan dasar menentukan minimum dan maksimum
ukuran yang umum ingin ditetapkan, yaitu:
7
fasilitas maupun stasiun kerja yang sesuai dengan ukuran tubuh dari populasi
pemakai terbesarnya (fitting the task to the man); maka ada tiga filosofi dasar
perancangan yang bisa dipilih sesuai dengan tuntutan kebutuhannya yaitu:
a. Rancangan untuk ukuran rata-rata (design for average), yang banyak
dijumpai dalam perancangan produk atau fasilitas yang dipakai untuk umum
(public facilities) seperti pintu rumah dan fasilitas umum lainnya yang akan
dipakai oleh orang banyak.
b. Rancangan untuk ukuran ekstrim (design for extreem), yang ditujukan untuk
mengakomodasikan mereka yang memiliki ukuran yang terkecil atau yang
terbesar (dipilih salah satu) dengan oritentasi mayoritas populasi akan bisa
terakomodasi oleh rancangan yang dibuat.
c. Rancangan untuk ukuran yang bergerak dari satu ekstrim ke ekstrim ukuran
yang lain (design for range), yang diaplikasikan untuk memberikan fleksibilitas
ukuran (karena ukuran mampu diubah-ubah) sehingga mampu digunakan oleh
mereka yang memiliki ukuran tubuh terkecil maupun yang terbesar (biasanya
akan memakai ukuran dari range percentile 5th dan 95th).
8
yang ada. Dalam membuat suatu rancangan produk, perlu mengetahui
karakteristik perancangan dan perancangnya. Beberapa karakteristik perancangan
adalah sebagai berikut:
a. Berorientasi pada Tujuan
b. variform
suatu anggapan bahwa terdapat sekumpulan solusi yang mungkin tidak terbatas,
tetapi harus dapat memilih salah satu ide yang akan diambil.
c. pembatas
Dimana pembatas ini membatasi jumlah solusi pemecahan, antara lain :
1. Hukum Alam: ilmu fisika, ilmu kimia, dan seterusnya.
2. Ekonomis: pembiayaan atau ongkos dalam menetralisir rancangan yang telah
dibuat.
3. Pertimbangan Manusia: sifat, keterbatasan, dan kemampuan manusia dalam
merancang dan memakainya.
4. Faktor Legalisasi: mulai dari model, bentuk sampai dengan hak cipta.
5. Fasilitas Produksi: sarana dan prasarana yang dibutuhkan untuk menciptakan
rancangan yang telah dibuat.
6. Evolutif: berkembang terus atau mampu mengikuti perkembangan zaman.
7. Perbandingan Nilai: membandingkan dengan tatanan nilai yang telah ada.
9
Banyak berhubungan dengan ketahanan, kekuatan, kekerasan dan seterusnya.
analisis teknik sebagai teknik penelitian yang objektif, sistematis, dan deskripsi
kuantitatif dari apa yang tampak dalam sebuah produk. Analisis teknik dapat di
pergunakan pada teknik kuantitatif maupun kualitatif, tergantung pada sisi mana
peneliti memanfaatkannya.
b. Analisa Ekonomi
Berhubungan perbandingan biaya yang harus dikeluarkan dan manfaat yang akan
diperoleh. Analisis ekonomi merupakan salah satu analisis yang digunakan pada
model teknik fundamental. Analisis ini cenderung digunakan untuk mengetahui
keadaan-keadaan yang bersifat makro dari suatu keadaan ekonomi. Kebijakan
moneter dapat memengaruhi return saham yang diterima dikarenakan oleh besar
kecilnya tingkat jumlah uang yang beredar. Ketika jumlah uang yang beredar
semakin tinggi, maka terdapat kecenderungan meningkatnya kegiatan
perekonomian secara keseluruhan. Hal ini dikarenakan perusahaan-perusahaan
mendapatkan supply uang yang lebih tinggi dari biasanya. Ketika supply uang
tinggi, maka kegiatan operasional yang bersifat profit oriented juga akan
meningkat dan otomatis akan membuat laba perusahaan meningkat pula. Hal ini
pada gilirannya nanti akan meningkatkan return saham dari perusahaan yang
bersangkutan.
c. Analisa Pemasaran
Berhubungan dengan jalur distribusi produk atau hasil rancangan sehingga dapat
sampai kepada konsumen. Pemasaran adalah aliran produk secara fisis dan
ekonomik dari produsen melalui pedagang perantara ke konsumen. Definisi
lain menyatakan bahwa pemasaran adalah suatu proses sosial dan manajerial yang
membuat individu atau kelompok mendapatkan apa yang mereka butuhkan dan
inginkan dengan menciptakan, menawarkan dan mempertukarkan produk yang
bernilai kepada pihak lain. Pemasaran melibatkan banyak kegiatan yang berbeda
yang menambah nilai produk pada saat produk bergerak melalui sistem tersebut.
Kegiatan-kegiatan dalam usaha pemasaran tidak hanya kegiatan memindahkan
barang atau jasa dari tangan produsen ke tangan konsumen saja dengan sistem
penjualan, tetapi banyak kegiatan lain yang juga dijalankan dalam kegiatan
pemasaran. Penjualan hanyalah salah satu dari berbagai fungsi pemasaran.
Apabila pemasar melakukan pekerjaan dengan baik untuk mengidentifikasi
kebutuhan konsumen, mengembangkan produk dan menetapkan harga yang tepat,
10
mendistribusikan dan mempromosikannya secara efektif, maka akan sangat
mudah menjual barang-barang tersebut.
d. Analisa Nilai
Analisa nilai adalah suatu prosedur untuk mengidentifikasikan ongkos-ongkos yang tidak
ada gunanya (tidak perlu).
a. Keacakan
Dalam butir pertama ini walau pun telah terdapat dalam suatu kelompok populasi yang
sudah jelas sama jenis kelamin, suku bangsa, kelompok usia dan pekerjaan, namun masih
akan ada perbedaan yang masih cukup signifikan antara berbagai masyarakat.
b. Jenis Kelamin
Secara distribusi statistika ada perbedaan yang signifikan antara dimensi tubuh
pria dan wanita. Untuk kebanyakan dimensi tubuh pria dan wanita ada perbedaan
yang signifikan diantara mean (rata-rata) dan nilai perbedaan ini tidak bisa
diabaikan begitu saja. Pria dianggap lebih panjang dimensi segmen badannya
daripada wanita, oleh karenanya data antropometri untuk dua jenis kelamin
tersebut selalu disajikan terpisah.
c. Suku Bangsa
Variasi diantara beberapa kelompok suku bangsa telah menjadi hal yang tidak
kalah pentingnya terutama karena meningkatnya jumlah angka migrasi dari satu
negara ke negara lain. Suatu contoh sederhana yaitu dengan meningkatnya jumlah
11
penduduk yang migrasi dari negara Vietnam ke Australia, untuk mengisi satuan
jumlah angkatan kerja. Maka akan mempengaruhi antropometri nasional.
d. Usia
Beberapa kelompok usia telah menjadi hal yang penting dalam masalah
antropometri. Berikut ini kelompok usia yang digolongkan dalam masalah
antropometri, yaitu:
1. Balita
2. Anak-anak
3. Remaja
4. Dewasa
5. Lanjut usia
Hal ini jelas berpengaruh terutama jika desain diaplikasikan untuk antropometri
anak-anak. Antropometri akan cendrung terus meningkat sampai batas usia
dewasa, namun setelah menginjak usia dewasa, tinggi badan manusia mepunyai
kecendrungan untuk menurun yang antara lain disebabkan oleh berkurangnya
elastisitas tulang belakang. Selain itu juga berkurangnya dinamika gerakan tangan
dan kaki.
e. Jenis Pekerjaan
Beberapa jenis pekerjaan tertentu menuntut adanya persaratan dalam seleksi
karyawan. Seperti misalnya: buruh dermaga adalah harus mepunyai postur yang
relatif lebih besar dibandingkan dengan karyawan perkantoran pada umumnya.
12
a. Diagnosis, dapat dilakukan melalui wawancara dengan pekerja, inspeksi
tempat kerja penilaian fisik pekerja, uji pencahayaan, ergonomic checklist dan
pengukuran lingkungan kerja lainnya. Variasinya akan sangat luas mulai dari yang
sederhana sampai kompleks.
b. Treatment, pemecahan masalah ergonomi akan tergantung data dasar pada saat
diagnosis. Kadang sangat sederhana seperti merubah posisi pintu, letak
pencahayaan yang sesuai. Membeli furniture sesuai dengan demensi fisik pekerja.
c. Follow-up, dengan evaluasi yang subyektif atau obyektif, subyektif misalnya
dengan menanyakan kenyamanan, bagian badan tidak muat atau terlalu sempit
sehingga desain pintu diambil rata-rata dari sampel. Secara obyektif misalnya
dengan parameter produk yang ditolak, absensi sakit, angka kecelakaan dan lain-
lain.
Memahami prinsip ergonomi akan mempermudah evaluasi setiap
tugas atau pekerjaan meskipun ilmu pengetahuan dalam ergonomi terus
mengalami kemajuan dan teknologi yang digunakan dalam pekerjaan tersebut
terus berubah. Prinsip ergonomi adalah pedoman dalam menerapkan ergonomi di
tempat kerja, terdapat 12 prinsip ergonomi yaitu:
Dalam lapangan kerja, ergonomi ini juga mempunyai peranan yang cukup besar.
Semua bidang pekerjaan selalu menggunakan ergonomi. Ergonomi ini diterapkan
pada dunia kerja supaya pekerja merasa nyaman dalam melakukan pekerjaannya.
Dengan adanya rasa nyaman tersebut maka produktivitas kerja diharapkan
menjadi meningkat.
13
a. Prinsip perancangan bagi individu dengan ukuran ekstrim.
Berdasarkan prinsip ini, rancangan yang dibuat bisa digunakan oleh individu
ekstrim yaitu terlalu lebar/tinggi atau sempit dibandingkan dengan rata- ratanya
agar memenuhi sasaran.
b. Prinsip perancangan yang bisa disesuaikan.
Disini, rancangan bisa diubah-ubah ukurannya sehingga cukup fleksibel untuk
diaplikasikan pada berbagai ukuran tubuh (berbagai populasi). Dengan
menggunakan prinsip ini maka kita dapat merancang produk yang dapat
disesuaikan dengan keinginan konsumen. Misalnya sebuah pintu.
Dengan:
x́ = mean/rata-rata
n = banyak data
xi = nilai data ke-i
b. Standar Deviasi (Simpangan Baku)
Untuk mencari simpangan baku atau standar deviasi (S ), maka digunakan rumus
sebagai berikut:
Dengan:
S = standar deviasi (simpangan baku)
xi = nilai data ke-i
x́ = mean/rata-rata
n = banyaknya data
14
c. Persentil (5%, 50%, 95%)
Jika kumpulan data dibagi menjadi 100 bagian yang sama, maka didapat sembilan
pembagi dan tiap pembagi dinamakan “PERSENTIL”. Tabel untuk mencari nilai
persentil adalah sebagai berikut:
Persentil Calculation
1% - 2,325
2.5% - 1,960
5% - 1,645
10% - 1,280
50%
90% + 1,280
95% + 1,645
97.5% + 1,960
99% + 2,325
15
melakukan pengukuran, dicatat dalam lembar data antropometri. Proses
berikutnya untuk data antropometri yang diperoleh bila sudah sesuai, maka
berlanjut ke proses berikutnya untuk menentukan produk yang akan dibuat.
Namun jika data antropometri belum sesuai, maka harus melakukan pengukuran
kembali. Selanjutnya bila data antropometri sudah mencukupi, maka dapat
merapikan alat untuk diletakkan kembali pada tempatnya. Langkah berikutnya
menentukan produk yang akan dirancang dari hasil pengukuran antropometri,
dalam hal ini produk yang akan dirancang adalah meja staff.
16
BAB III
17
BERDIRI DENGAN Pengukuran
DUDUK MENGHADAP KE BERDIRI DENGAN
DUDUK SAMPING BERDIRI TANGAN JARI TANGAN ANTROPOMETRI
DEPAN LURUS KEDEPAN
No DIRENTANGKAN Dinamis
18
16 92 90 76 63.5 30 51 26 26 20 45 50 57 47 34 33 30 43 171 170 144 110 102210 26 45 23 25 80 82 170 7 9 10 9 8 10 8 10 19 50 45 60 70
17 89 86 78 57 24 55 24 29 20 51 59 48 35 32 38 33 60 167 170 140 110 97210 28 50 22 24 80 80 170 8 11 11 10 8 9 7.5 11 20 55 45 60 75
18 87 84 74 53 26 56 22 20 15 40 49 43 30 29 25 39 42 164 157 139 102 97205 25 42 14 13 51 68 160 6 9 10 10 8 8 7.5 8 19 50 45 70 70
19 86 85 73 57 30 55 19 25 18 53 56 40 27 30 33 37 41 173 160 147 116 102215 26 51 23 22 67 74 175 7 8 10 9 8 9 7.5 10 19 55 45 75 70
20 72 70 67 61 25 47 29 26 21 47 54 65 43 45 35 35 52 159 149 134 100 97200 30 51 27 25 62 77 162 7 9 9 8 7 9 9 12 17 60 50 80 70
21 85 78 76 57 25 53 24 21 15 44 46 52 44 32 30 26 42 165 157 142 111 101210 27 48 20 19 61 82 165 7 9 11 10 8 9.5 8.5 11 18 60 55 75 65
22 75 63 72 60 16 46 20 22 16 51 44 55 25 30 40 28 44 168 156 146 118 112195 34 47 24 22 59 82 164 14 12 9 6 9 13 7 12 16 50 55 75 60
23 80 63 32 58 20 48 24 25 18 48 45 57 47 34 43 29 46 170 154 154 108 100189 50 49 27 23 62 75 162 12 11 8 8 7 8 8 11 17 50 60 85 55
24 79 66 68 60 20 51 24 24 17 50 47 54 42 32 38 34 42 165 155 157 107 108192 52 17 26 21 64 73 166 12 9 8 7 7 9 7 9 17 60 65 80 60
25 77 66 67 58 25 50 26 24 19 50 45 58 42 28 35 32 48 169 158 148 108 107202 42 45 28 24 63 78 162 13 12 9 8 8 10 10 9 16 65 60 80 65
26 75 67 70 57 28 53 23 23 16 54 41 52 41 30 32 35 43 176 169 146 112 105200 40 40 24 18 63 75 164 10 7 7 9 7 11 8 10 19 65 60 60 70
27 73 68 72 58 26 52 24 25 18 43 48 54 30 39 36 31 49 165 150 149 115 106196 38 44 22 20 66 79 168 8 8 6 10 7 11 8 8 18 55 65 85 75
28 76 65 73 60 25 49 22 26 19 49 48 55 46 28 33 37 46 168 162 158 104 102189 52 46 26 23 70 81 164 10 6 8 7 7 11 10 11 19 50 50 85 65
29 82 64 72 63 28 58 24 24 16 56 46 58 39 31 31 38 43 167 164 156 110 98190 48 50 25 19 69 76 170 12 11 9 8 7 10 10 12 16 60 50 80 60
30 79 62 74 26 25 55 25 23 17 56 47 53 39 29 34 35 45 172 158 155 106 100 46 46 51 21 21 65 80 173 8 8 6 10 7 11 9 10 16 50 55 75 70
31 80 60 70 56 31 54 23 26 21 58 46 59 36 30 32 38 44 170 154 160 114 104 39 36 45 25 24 59 78 169 12 11 10 10 8 13 8 9 18 60 50 70 70
32 81 65 68 59 31 56 20 27 20 46 48 51 40 34 35 34 49 165 156 153 112 106 40 31 49 19 21 68 70 159 9 8 6 12 8 12 9 9 17 55 60 70 75
3.2 Uji Kenormalan, Uji keseragaman, Uji kecukupan data untuk setiap
variabel pengukuran
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai
sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data
tersebut berdistribusi normal ataukah tidak.
Variabel dikatakan Normal apabila Nilai α = level signifikansi > 5% = 0,05.
Variabel dikatakan Normal apabila Nilai α = level signifikansi > 5% = 0,05. Maka
untuk melihat data hasil pengolahan data melalui aplikasi IBM SPSSS Statistik 19
Nilai “Asymp. Sig. (2-tailed)” harus lebih dari 0.05.
Untuk Variabel TDT,TDN,TMD,TBD,TSD & TSP datanya dikatakan Normal.
19
Untuk Variabel LeBa,Lepggul,LeSanDuk,LePinggang,S_k_s & TBT Nilai “Asymp.
Sig. (2-tailed)” lebih dari 0.05 maka data Dikatakan Normal
20
Untuk Variabel Pj1,Pj2,Pj3,Pj4,Pj5&Pang_K Nilai “Asymp. Sig. (2-tailed)” lebih dari
0.05 maka data Dikatakan Normal
Untuk Variabel Le2345, LeTP, PTT, PutLengKa, PutLengKi & PutTTKa Nilai “Asymp.
Sig. (2-tailed)” lebih dari 0.05 maka data Dikatakan Normal
Untuk Variabel PutTTKi Nilai “Asymp. Sig. (2-tailed)” lebih dari 0.05 maka data
Dikatakan Normal
21
III.2 Uji Keseragaman
Untuk memastikan bahwa data yang terkumpul berasal dari system yang sama, maka
dilakukan pengujian terhadap keseragaman data.
dapun rumus yang digunakan dalam pengujian keseragaman data adalah:
BKA = x ̅+kσ
BKB = x ̅-kσ
rumus standard deviasi
Dimana:
• BKA = Batas Kontrol Atas
• BKB = Batas Kontrol Bawah
• x ̅= Nilai Data Rata-Rata
• σ = Standar Deviasi
• k = Tingkat Keyakinan
22
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control bawah maka data dianggap tidak
seragam.
23
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control atas maka data dianggap tidak
seragam.
24
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control bawah maka data dianggap tidak
seragam.
25
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control bawah maka data dianggap tidak
seragam.
26
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
karena ada data yang melebihi batas control atas Dan control bawah maka data
dianggap tidak seragam.
27
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
28
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control atas maka data dianggap tidak
seragam.
29
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
30
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
31
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
32
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
33
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
34
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
35
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
36
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
37
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
38
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
39
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
40
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
41
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
42
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control atas maka data dianggap tidak
seragam.
43
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
44
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control bawah maka data dianggap tidak
seragam.
45
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
karena ada data yang melebihi batas control atas Dan control bawah maka data
dianggap tidak seragam.
46
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control bawah maka data dianggap tidak
seragam.
47
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
48
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
49
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
50
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
51
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control atas maka data dianggap tidak
seragam.
52
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
53
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
54
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control atas maka data dianggap tidak
seragam.
55
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
karena ada data yang melebihi batas control atas Dan control bawah maka data
dianggap tidak seragam.
56
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
karena ada data yang melebihi batas control atas Dan control bawah maka data
dianggap tidak seragam.
57
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
58
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
59
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control atas maka data dianggap tidak
seragam.
60
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control atas maka data dianggap tidak
seragam.
61
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control atas maka data dianggap tidak
seragam.
62
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena data berada dalam rentang batas control atas dan batas control bawah
maka sampel dianggap seragam.
63
UCL adalah batas control, Average adalah rata-rata dan LCL adalah batas control
bawah.
Karena ada data yang melebihi batas control bawah maka data dianggap tidak
seragam.
Tes kecukupan data dapat dilakukan dengan menggunakan rumus sebagai berikut:
64
Dimana:
k= Tingkat Keyakinan (99% ≈ 3, 95% ≈ 2)
s = Derajat Ketelitian
N = Jumlah Data Pengamatan
Jika N’ ≤ N maka data dianggap cukup, namun jika N’ > N data tidak cukup
(kurang) dan perlu dilakukan penambahan data.
1. Untuk TDT
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 30315,67251
2.264,00 )
²
N’= 179,30
65
Karena N’ > N Maka data tidak cukup (kurang)
2. Untuk TDN
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 28688,4169
2.090,70 )
²
N’= 188,29
3. Untuk TMD
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
66
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= 195,44
4. Untuk TBD
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
67
N’= ( 23143,62115
1.663,00 )
²
N’= 193,68
5. Untuk TSD
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
40 √ 32. 35.290,00−(925.444,00)
N’= ( 962,00 )²
N’= ( 18059,28016
962,00 )
²
N’= 352,41
6. Untuk TSP
68
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 20686,45934
1.528,00 )
²
N’= 183,28
7. Untuk Tpi
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
69
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 13487,00115
797,00 )
²
N’= 286,36
8. Untuk TePe
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
70
N’= ( 9768,009009
722,50 )
²
N’= 182,78
9. Untuk TePa
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 7428,808787
530,00 )
²
N’= 196,47
71
10. Untuk TiPo
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 18812,08122
1.352,00 )
²
N’= 193,61
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
72
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 18980,03161
1.423,00 )
²
N’= 177,90
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
73
N’= ( 21709,94242
1.596,00 )
²
N’= 185,03
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 17082,38859
1.190,00 )
²
N’= 206,06
74
14. Untuk LePnggul
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 14276,75033
991,00 )
²
N’= 207,54
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
75
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 13649,55677
1.002,00 )
²
N’= 185,57
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
76
N’= ( 13796,17338
999,00 )
²
N’= 190,72
17. Untuk S kS
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 18363,09342
1.368,00 )
²
N’= 180,19
77
18. Untuk TBT
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 62815,61577
4.858,90 )
²
N’= 167,13
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
78
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 59536,86589
4.587,00 )
²
N’= 168,47
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
79
N’= ( 54994,96704
4.203,00 )
²
N’= 171,21
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 41993,80907
3.169,00 )
²
N’= 175,60
80
22. Untuk TPigangB
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 38970,08083
3.001,00 )
²
N’= 168,63
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
81
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 92603,37791
5.248,00 )
²
N’= 311,36
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
82
N’= ( 31571,12605
1.444,00 )
²
N’= 478,02
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 19615,34094
1.382,00 )
²
N’= 201,45
83
26. Untuk TeD
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 9465,389585
670,00 )
²
N’= 199,58
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
84
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 9275,084905
645,00 )
²
N’= 206,78
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
85
N’= ( 25492,64992
1.830,00 )
²
N’= 194,06
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 29404,08135
2.237,00 )
²
N’= 172,78
86
30. Untuk Rentang Tangan
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
23.474 .025,00
¿
32 .810.417,00−( ¿ )
N’= 4.845,00 ¿ ²
40 √ ¿
¿
¿
N’= ( 62728,86417
4.845,00 )
²
N’= 167,63
31. Untuk Pj 1
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
87
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
40 √ 32. 2.173,00−(58.081,00)
N’= ( 241,00 )²
N’= ( 4281,121348
241,00 )
²
N’= 315,56
32. Untuk Pj 2
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= 228,98
33. Untuk Pj 3
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 3769,137832
257,00 )
²
N’= 215,09
89
34. Untuk Pj 4
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 3584,354893
246,50 )
²
N’= 211,44
35. Untuk Pj 5
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
90
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 2868,797658
208,50 )
²
N’= 189,32
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
91
N’= ( 7037,243779
384,50 )
²
N’= 334,98
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 3341,795924
244,50 )
²
N’= 186,81
92
38. Untuk LeTP
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 4291,712945
303,50 )
²
N’= 199,96
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
93
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 6556,950511
485,00 )
²
N’= 182,78
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
94
N’= ( 25113,34307
1.745,00 )
²
N’= 207,12
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 26214,4998
1.730,00 )
²
N’= 229,61
95
42. Untuk PuTTKa
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 29158,18924
2.105,00 )
²
N’= 191,87
x
∑ ¿²
¿
N’= ¿ ²
N . ∑ x ²−(¿¿ ∑ x ¿)
k/ s√¿
¿
¿
96
x
∑¿²
¿
N’= ¿ ²
32 . ∑ x ²−(¿¿ ∑ x ¿)
2/0,05 √¿
¿
¿
N’= ( 26761,16589
1.980,00 )
²
N’= 182,68
3.3 Perhitungan standar Deviasi,Nilai max dan Nilai Min setiap Data
97
Berikut Nilai Standar Deviasi, Nilai max & Nilai Min dari 43 Variabel dengan 32
sample Data Antropometri mahasiswa & Mahasiswi Univrsitas Krisnadwipayana
Teknik Industri.
98
BERDIRI DENGAN
BERDIRI DENGAN Pengukuran AnTROPOMETRI
DUDUK SAMPING DUDUK MENGHADAP KE DEPAN BERDIRI TANGAN JARI TANGAN
LURUS KEDEPAN Dinamis
DIRENTANGKAN
No
Pang k PutLeng
PutLeng
PutTTK
PutTTK
TDT TDN TMDTBD TSD TSP Tpi TePe TePa TiPo PP-P PP-L LeBaLePnggul
LeSanDuk
LePnggang
S k S TBT TMT TBB TSiB TPigangB
JangTA
PaLeBa
TiLuBer
TeD TePeBeBa JangTaDe Rentang tangan
Pj 1 Pj 2 Pj 3 Pj 4 Pj 5 Le2345
LeTP PTT
T Ka Ki a i
99
19 86.085.073.057.030.055.019.025.018.053.056.040.027.0 30.0 33.0 37.0
41.0 172.6160.0147.0116.0 102.0
215.0 26.0 51.0
23.022.067.0 74.0 175.0 7.0 8.0 10.0 9.0 7.5 9.0 7.5 10.018.5 55.0 45.0 75.0 70.0
Standar
7.0 8.3 9.3 7.411.0 5.4 7.3 2.5 2.5 6.0 4.2 5.9 6.3 5.4 3.7 4.2
4.4 5.2 6.6 8.4 8.4 4.452.9 21.3 6.9 3.3 3.5 8.2 5.0 2.5
5.91.7 1.5 1.4 0.8 4.2 0.9 1.5 1.7 9.4 11.6 9.0 6.8
Deviasi
Persentil adalah titik atau nilai yang membagi distribusi data menjadi seratus
bagian yang sama besar, karena itu persentil sering disebut “ukuran perseratusan.
100
101
102