Oleh:
Asisten Dosen:
Miftakhul Ilmi D. I.
ii
DAFTAR ISI
Halaman
HALAMAN..........................................................................................................i
ABSTRAK............................................................................................................ii
DAFTAR ISI........................................................................................................iii
DAFTAR TABEL................................................................................................iv
DAFTAR GAMBAR............................................................................................v
BAB I PENDAHULUAN
1.1 Latar Belakang......................................................................................1
1.2 Rumusan Masalah.................................................................................2
1.3 Tujuan...................................................................................................2
1.4 Manfaat.................................................................................................3
1.5 Batasan Masalah...................................................................................3
BAB II TINJAUAN PUSTAKA
2.1 Uji Keacakan Data.................................................................................4
2.2 Uji Kenormalan Data.............................................................................5
2.3 Peta Kendali x R .................................................................................6
2.4 Peta Kendali x S ................................................................................7
2.5 Kapabilitas Proses..................................................................................7
2.6 Diagram Ishikawa..................................................................................9
2.6 Lama Dosen Mengajar........................................................................... 9
BAB III METODOLOGI PENELITIAN
3.1 Sumber Data...........................................................................................10
3.2 Variabel Penelitian.................................................................................10
3.3 Struktur Data..........................................................................................10
3.4 Langkah Analisis....................................................................................10
3.5 Diagram Alir..........................................................................................12
BAB IV ANALISIS DAN PEMBAHASAN
4.1 Uji Keacakan.........................................................................................13
4.1.1 Peta Kendali x R .........................................................................13
4.1.2 Peta Kendali x S .........................................................................13
4.2 Uji Kenormalan Data.............................................................................14
4.2.1 Peta Kendali x R ..........................................................................15
4.2.2 Peta Kendali x S ..........................................................................15
iii
4.3 Peta Kendali R.......................................................................................16
4.3.1 Peta Kendali x - R..........................................................................16
4.4 Peta Kendali S.......................................................................................18
4.4.1 Peta Kendali x - S..........................................................................18
4.5 Kapabilitas Proses.................................................................................20
4.6 Diagram Ishikawa .................................................................................20
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan............................................................................................22
5.2 Saran......................................................................................................23
DAFTAR PUSTAKA
LAMPIRAN
iv
DAFTAR TABEL
v
DAFTAR GAMBAR
vi
BAB I
PENDAHULUAN
1.1 Latar Belakang
Pengendalian kualiatas adalah bagan visual untuk memberi gambaran proses
yang sedang berjalan, untuk mengetahui apakah proses berada didalam batas-
batas yang telah ditetapkan sebelumnya. Dapat juga dikatakan bahwa
pengendalian kualitas statistik merupakan ilmu yang mempelajari tentang
teknik/metode pengandalian kualitas berdasarkan prinsip/konsep. Kualitas tidak
hanya berorientasi pada suatu proses produksi yang sedang berjalan, pengandalian
kualitas juga diperlukan pada pengoptimalan kinerja suatu sistem.
Peta Kendali adalah metode statistik untuk membedakan adanya variasi
yang disebabkan oleh sebab umum dan sebab khusus atau suatu teknik yang
dikenal sebagai metode grafik yang digunakan untuk mengevaluasi apakah suatu
proses berada dalam pengendalian kuaslitas secara statistik atau tidak sehingga
dapat memecahkan masalah dan menghasilkan perbaikan kualitas. Peta kendali
inilah yang akan digunakan untuk mengetahui apakah suatu sistem berjalan
dengan semestinya. Praktikum ini menggunakan data hasil pengukuran yakni
waktu dari lama dosen mengajar dalam kelas sehingga peta kendali yang akan
digunakan pada penelitian ini adalah peta kendali X R dan peta kendali X S .
1
1.2 Rumusan Masalah
Rumusan masalah dalam penelitian ini adalah sebagai berikut.
1. Apakah lama dosen mengajar dalam satu sesi mata kuliah dikelas DIII A
angkatan 2014 dan 2105 Jurusan Statistika ITS Surabaya telah diambil
secara acak?
2. Apakah lama dosen mengajar dalam satu sesi dikelas DIII A angkatan 2014
dan 2105 Jurusan Statistika ITS Surabaya berdistribusi normal?
3. Apakah data lama dosen mengajar dalam satu sesi mata kuliah dikelas DIII
A angkatan 2014 dan 2105 Jurusan Statistika ITS Surabaya telah terkendali
secara statistik berdasarkan peta kendali X R ?
4. Apakah data lama dosen mengajar dalam satu sesi mata kuliah dikelas DIII
A angkatan 2014 dan 2105 Jurusan Statistika ITS Surabaya telah terkendali
secara statistik berdasarkan peta kendali X S ?
5. Apakah data lama dosen mengajar dalam satu sesi mata kuliah dikelas DIII
A angkatan 2014 dan 2105 Jurusan Statistika ITS Surabaya telah kapabel?
6. Apa penyebab lama dosen mengajar dalam satu sesi mata kuliah dikelas
DIII A angkatan 2014 dan 2105 Jurusan Statistika ITS Surabaya melebihi
atau kurang dari waktu standar?
1.3 Tujuan
Tujuan dalam penelitian ini adalah sebagai berikut.
1. Mengetahui lama dosen mengajar dalam satu sesi mata kuliah dikelas DIII
A angkatan 2014 dan 2105 Jurusan Statistika ITS Surabaya telah diambil
secara acak.
2. Mengetahui lama dosen mengajar dalam satu sesi dikelas DIII A angkatan
2014 dan 2105 Jurusan Statistika ITS Surabaya berdistribusi normal.
3. Mengetahui data lama dosen mengajar dalam satu sesi mata kuliah dikelas
DIII A angkatan 2014 dan 2105 Jurusan Statistika ITS Surabaya telah
terkendali secara statistik menggunakan peta kendali X R .
4. Mengetahui data lama dosen mengajar dalam satu sesi mata kuliah dikelas
DIII A angkatan 2014 dan 2105 Jurusan Statistika ITS Surabaya telah
terkendali secara statistik menggunakan peta kendali X S .
5. Mengetahui data lama dosen mengajar dalam satu sesi mata kuliah dikelas
DIII A angkatan 2014 dan 2105 Jurusan Statistika ITS Surabaya telah
kapabel.
2
6. Mengetahui penyebab lama dosen mengajar dalam satu sesi mata kuliah
dikelas DIII A angkatan 2014 dan 2105 Jurusan Statistika ITS Surabaya
melebihi atau kurang dari waktu standar.
1.4 Manfaat
3
BAB II
TINJAUAN PUSTAKA
b. Satu-sisi
H 0 : Pola perolehan kedua kelompok pengamtan ditentukan melalui proses
acak.
4
H 1 : Pola perolehan tidak acak (karena rangkaian yang ada terlalu sedikit
Keterangan :
Sn : fungsi peluang kumulatif data sampel
F0(x) : fungsi distribusi kumulatif normal
Daerah kritis : Tolak H0, jika D > D(1-α,n) atau P-value < α
5
1. Menghitung range dari data yang digunakan
R Maksimal Minimal (2.2)
2. Menghitung rata – rata dari range
R1 R2 .... Rm
R (2.3)
m
3. Menghitung batas kontrol atas (BKA) dan batas kontrol (BKB) bawah dari
range
BKA D4 R
GT = R (2.4)
BKB D3 R
Hasil perhitungan range tidak ada data yang keluar dari batas kontrol, maka
dilajutkan dengan menghitung peta x jika ada data yang keluar dari batas kontrol
peta R maka data harus dikendalikan terlebih dahulu (Montgomery, 2009).
4. Menghitung rata-rata data yang digunakan
x1 x 2 ..... x m
x (2.5)
m
5. Menghitung rata-rata dari x yang didapatkan dari data
x1 x 2 .... x m
x (2.6)
m
6. Menghitung batas kontrol atas (BKA) dan batas kontrol bawah (BKB) dari x
BKA x A2 R
GT = x (2.7)
BKB x A2 R
(x i x) 2
(2.8)
S i 1
n 1
2. Menghitung rata-rata standar deviasi yang digunakan
6
S1 S 2 .... S m
S (2.9)
m
3. Menghitung batas kontrol atas (BKA) dan batas kontrol bawah dari standar
deviasi
BKA B4 S
GT = S (2.10)
BKB B3 S
Hasil perhitungan standar deviasi tidak ada data yang keluar dari batas
kontrol, maka dilanjutkan dengan menghitung peta x jika ada data yang keluar
dari batas kontrol peta S maka data harus dikendalikan terlebih dahulu
(Montgomery, 2009).
4. Merata-rata x yang didapatkan dari data.
x1 x 2 .... x m
x (2.11)
m
5. Menghitung batas atas dan batas bawah kendali dari x .
BKA x A3 S
GT = x (2.12)
BKB x A3 S
7
b. Jika 1.00 ≤ Cp ≤ 1.33 maka kapabilitas proses baik.
c. Jika Cp < 1.00 maka kapabilitas proses rendah.
2. Indeks kemampuan Proses Atas dan Indeks Kemampuan Proses Bawah
(Capability Process Upper dan Capability Process Lower)
Jika suatu produk mempunyai batas spesifikasi atas saja atau mempunyai
batas spesifikasi bawah saja maka nilai UCL dan LCL adalah sebagai berikut.
BSA
CPU (2.15)
3
BSB
CPL (2.16)
3
3. Indeks kemampuan Proses (Nilai Cpk)
Indeks kemampuan proses di atas mengukur kemampuan potensial dengan
tidak memperhatikan nilai rata-rata proses (μ). Rata-rata proses tersebut
diasumsikan sama dengan titik tengah dari batas spesifikasi dan proses berada
pada kondisi in statistical control. Kenyataannya, nilai rata-rata tidak selalu
berada di tengah, sehingga perlu mengetahui variasi dan lokasi rata-rata proses.
Nilai Cpk mewakili kemampuan sesungguhnya dari suatu proses dengan
parameter nilai tertentu.
Cpk min(CPU , CPL ) (2.17)
Kriteria penilaian Cpk:
a. Jika Cpk = Cp, maka proses berada di tengah.
b. Jika Cpk = 1 maka proses menghasilkan produk yang sesuai dengan
spesifikasi.
c. Jika Cpk < 1, maka proses menghasilkan produk yang tidak sesuai dengan
spesifikasi.
8
Lingkungan Material Metode
Permasalahan
Manusia Mesin
9
BAB III
METODOLOGI PENELITIAN
Sumber data yang digunakan pada penelitian ini adalah data primer dengan
melakukan pengamatan lama dosen mengajar pada program studi DIII angkatan
2014 dan 2015 kelas A selama 3 minggu yang dimulai dari tanggal 29 Februari
2016 sampai 18 Maret 2016 pukul 07.00 sampai 17.00 WIB di Jurusan Statistika
ITS.
10
1. Melakukan pengamatan lama dosen mengajar dan mencatat jam masuk dan
jam keluar di setiap mata kuliah
2. Melakukan uji keacakan data menggunakan uji run test pada data
pengamatan lama dosen mengajar
3. Melakukan uji kenormalan data menggunakan Kolmogorov-Smirnov pada
data pengamatan lama dosen mengajar
4. Membuat peta kendali x R dan peta kendali x S pada data pengamatan
lama dosen mengajar
5. Menganalisis kapabilitas proses pada peta kendali x R dan peta kendali
x S pada data pengamatan lama dosen mengajar
6. Membuat diagram ishikawa pada data pengamatan lama dosen mengajar
7. Membuat kesimpulan
11
3.5 Diagram Alir
Diagram alir dari praktikum ini adalah sebagai berikut:
Tolak H0
Uji
Tolak H0
Keacakan
Gagal Tolak H0
Uji
Distribusi
Gagal Tolak H0 Normal
Kapabilitas Proses
Diagram Ishikawa
Keputusan
12
BAB IV
ANALISIS DAN PEMBAHASAN
13
memenuhi asumsi uji keacakan untuk mengetahui apakah data lama dosen
mengajar telah diambil secara acak. Berikut adalah hasil uji keacakan xS data
lama dosen mengajar di progaram studi Diploma III Jurusan Statistika ITS
angkatan 2014 dan 2015 kelas A.
Hipotesis:
H0: Data lama dosen mengajar telah diambil secara acak dari populasi.
H1: Data lama dosen mengajar tidak diambil secara acak dari populasi.
Tingkat signifikan : α = 0,05
Daerah kritis : Tolak H0 jika P-value < α(0,05)
Tabel 4.2 Uji Keacakan Peta Kendali S
P-
Observasi di bawah median
Rata-rata r Observasi di atas median value
75,73 20 36 12 0,695
Tabel 4.2 menunjukkan bahwa rata-rata dari data lama dosen mengajar yaitu
sebesar 75,73 menit dengan runtun sebesar 20, dari 48 pengamatan diketahui
terdapat 36 pengamatan yang berada diatas nilai median dan 12 pengamatan di
bawah median. Sedangkan nilai p-value menunjukkan nilai sebesar 0,695 lebih
besar dari α(0,05) sehingga dapat diperoleh keputusan gagal tolak H0 yang berarti
data lama dosen mengajar di program studi Diploma III Jurusan Statistika ITS
angkatan 2014 dan 2015 kelas A telah diambil secara acak dari populasi dan telah
memenuhi asumsi uji keacakan peta kendali S. Selanjutnya yaitu melakukan
pengujian asumsi uji normalitas dengan menggunakan Kolmogorov Smirnov pada
peta kendali R dan S dengan data lama dosen mengajar di program studi Diploma
III Jurusan Statistika ITS angkatan 2014 dan 2015 kelas A.
yaitu dengan melakukan asumsi uji normalitas pada data lama dosen mengajar di
program studi Diploma III Jurusan Statistika ITS angkatan 2014 dan 2015 kelas
A. Uji normalitas data digunakan untuk mengetahui apakah data lama dosen
mengajar telah mengikuti sebaran berditribusi normal.
14
4.2.1 Uji Normalitas X R
Setelah melakukan uji keacakan maka selanjutnya yaitu melakukan uji
normalitas xR data lama dosen mengajar. Berikut adalah hasil uji normalitas
xR data lama dosen mengajar di progaram studi Diploma III Jurusan Statistika
ITS angkatan 2014 dan 2015 kelas A.
Hipotesis:
H0: Data lama dosen mengajar telah memenuhi asumsi distribusi normal.
H1: Data lama dosen mengajar tidak memenuhi asumsi distribusi normal.
Tingkat signifikan : α = 0,05
Daerah kritis : Tolak H0 jika D > D tabel
Tabel 4.3 Uji Distribusi Normal Peta Kendali R
D Tabel D Pvalue
0.349 0,279 <0,010
Tabel 4.1 menujukkan bahwa nilai p-value kurang dari 0,010 dimana nilai
tersebut lebih kecil dari taraf signifikan α(0,05) oleh karena itu diperoleh
keputusan tolak H0 tapi nilai KS yang diperoleh sebesar 0.279 kurang darinilai KS
tabel yakni sebesar 0.349 yang berarti bahwa data lama dosen mengajar di
program studi Diploma III Jurusan Statistika ITS angkatan 2014 dan 2015 kelas A
mengikuti memenuhi asumsi distribusi normal, pada praktikum ini diasumsikan
data telah memenuhi asumsi distribusi normal agar dapat dianalisis lebih lanjut
menggunakan peta kendali x R.
Pada asumsi uji keacakan xS diketahui bahwa data lama dosen mengajar
di program studi Diploma III Jurusan Statistika ITS angkatan 2014 dan 2015 kelas
A telah memenuhi asumsi uji keacakan, sehingga dapat dilanjutkan dengan
melakukan pengujian asumsi distribusi normal. Berikut adalah hasil uji normalitas
xS data lama dosen mengajar di progaram studi Diploma III Jurusan Statistika
ITS angkatan 2014 dan 2015 kelas A.
Hipotesis:
H0: Data lama dosen mengajar telah memenuhi asumsi distribusi normal.
H1: Data lama dosen mengajar tidak memenuhi asumsi distribusi normal.
Tingkat signifikan : α = 0,05
Daerah kritis : Tolak H0 jika P-value < α(0,05)
15
Tabel 4.4 Uji Distribusi Normal Peta Kendali S
D Tabel D Pvalue
0.284 0,292 <0,010
Tabel 4.4 menunjukkan bahwa nilai p-value kurang dari 0,010 dimana nilai
tersebut lebih kecil dari taraf signifikan yaitu α(0,05) dan nilai KS yang di dapat
sebesar 0,292 yang mana lebih besar dari nilai KS tabel yakni 0,284 sehingga
dapat diperoleh keputusan yaitu tolak H0 yang berarti bahwa data lama dosen
mengajar di program studi Jurusan Statistika ITS angkatan 2014 dan 2015 kelas A
tidak memebuhi asumsi distribusi normal, namun pada praktikum ini data
diasumsikan telah memenuhi asumsi distribusi normal agar dapat dilanjutkan ke
analisis peta kendali xS .
250
UCL=218.2
200
Sample Range
150
_
R=108.9
100
50
0 LCL=0
1 2 3 4 5 6 7 8
Sample
Gambar 4.3 menunjukan lama dosen mengajar kelas DIII A dimana dapat
dilihat dengan nilai batas kontrol atas sebesar 218,2 dan batas kontrol bawah
sebesar 0, serta rata-rata lama mengajar sebesar 108,9. plot-plot data tersebar
16
secara acak dan tidak ada pengamatan yang keluar dari batas Kontrol, jadi dapat
di simpulkan bahwa variabilitas lama dosen mengajar di kelas DIII A sudah
terkendali secara statistik. Setelah variabilitas data sudah terkendali secara
statistik maka selanjutnya yang harus terkendali juga adalah rata-rata proses atau
rata-rata lama mengajar berikut hasil analisisnya.
140
UCL=128.4
120
100
Sample Mean
_
_
80
X=75.7
60
40
LCL=23.1
20
1 2 3 4 5 6 7 8
Sample
Gambar 4.4 menunjukan lama dosen mengajar kelas DIII A dimana dapat
dilihat dengan nilai batas kontrol atas sebesar 128,4 dan batas kontrol bawah
sebesar 23,1, serta rata-rata lama mengajar sebesar 75,7. Plot-plot data tersebar
secara acak dan tidak ada pengamatan yang keluar dari batas kontrol sehingga
dapat disimpulkan bahwa rata-rata proses lama dosen mengajar di kelas DIII A
sudah terkendali secara statistik.
4.4 Peta Kendali X S
Peta Kendali X S adalah peta kendali untuk mengandalikan variabilitas
data dari standard deviasi data, pada penelitian ini lama dosen mengajar akan
dikendalikan dengan menggunakan peta kendali X S pada kelas DIII A
angkatan 2014 dan 2015. Lama Dosen mengajar yang digunakan pada penelitian
ini yakni pada mata kuliah yang memiliki sks sebesar 3 dan 4 sks. Pada kelas DIII
A meliputi mata kuliah Riset Sosial, Multivariat Terapan, Pengendalian kualitas
Statistik, Ekonometrika, Official Statistika, Eksperimemn Desain, Riset Operasi,
Matematika 2, dan Komputer Statistik . Berikut hasil analisisnya
17
90
80 UCL=80.54
70
60
Sample StDev
50
_
40 S=40.89
30
20
10
0 LCL=1.24
1 2 3 4 5 6 7 8
Sample
140
UCL=128.4
120
100
Sample Mean
_
_
80
X=75.7
60
40
LCL=23.1
20
1 2 3 4 5 6 7 8
Sample
Gambar 4.6 menunjukan lama dosen mengajar kelas DIII A dimana dapat
dilihat dengan nilai batas kontrol atas sebesar 128,4 dan batas kontrol bawah
sebesar 23,1, serta rata-rata lama mengajar sebesar 75,7. Plot-plot data tersebar
secara acak dan tidak ada pengamatan yang keluar dari batas kontrol sehingga
dapat disimpulkan bahwa rata-rata proses lama dosen mengajar di kelas DIII A
sudah terkendali secara statistik.
18
4.5 Kapabilitas Proses
Kababilitas proses adalah kemampuan suatu proses untuk memenuhi
spesifikasi rancangan yang telah ditetapkan. penelitian menggunakan batas
spesifikasi yang ditetapkan sebesar 10 menit dari durasi yang di tetapkan,
hasil
analisisnya adalah sebagai berikut.
4.5.1 Kapabilitas Proses peta kendali X R
Setelah peta kendali dapat terkendali seara statistik maka kemapuan proses
haus diketahui seberapa besar proses mampu memenuhi batas spesifikai . pada
peta kendali X R lama waktu pengamatan adalah sebenyak 2 minggu berikut
hasil analisisnya.
LSL USL
P rocess Data W ithin
LS L 90 O v erall
Target *
USL 110 P otential (Within) C apability
S ample M ean 82.8438 Cp 0.10
S ample N 32 C PL -0.07
S tDev (Within) 34.977 C PU 0.26
S tDev (O v erall) 33.5224 C pk -0.07
O v erall C apability
Pp 0.10
PPL -0.07
PPU 0.27
P pk -0.07
C pm *
0 30 60 90 120 150
O bserv ed P erformance Exp. Within P erformance Exp. O v erall P erformance
P P M < LS L 343750.00 P P M < LS L 581057.08 PPM < LS L 584522.49
PPM > USL 0.00 PPM > USL 218755.80 PPM > USL 208943.22
P P M Total 343750.00 P P M Total 799812.88 PPM Total 793465.71
19
LSL USL
P rocess Data Within
LS L 90 Overall
Target *
USL 110 P otential (Within) C apability
S ample M ean 75.7292 Cp 0.08
S ample N 48 C PL -0.11
S tDev (Within) 42.9755 C PU 0.27
S tDev (O v erall) 40.3673 C pk -0.11
O v erall C apability
Pp 0.08
PPL -0.12
PPU 0.28
P pk -0.12
C pm *
0 36 72 108 144
O bserv ed P erformance E xp. Within Performance Exp. O v erall P erformance
P P M < LS L 375000.00 P P M < LS L 630081.42 PPM < LS L 638152.32
PPM > USL 0.00 PPM > USL 212594.77 PPM > U SL 197947.71
P P M Total 375000.00 P P M Total 842676.18 PPM Total 836100.03
Gamber 4.6 menunjukakan bahwa varians dari lama dosen mengajar sangat
besar yang ditunjukan oleh grafik within yang cukup lebar kearah horizontal.
Nilai Cp sebesar 0.05 dimana kurang dari 1 nilai presisi data kurang dan nilai Cpk
-0.11 kurang dari satu juga maka nilai akurasi data kurang jadi menunjukan
bahwa kapabilitas proses lama dosen mengajar dalam kelas DIII A masih sangat
kurang kapabel.
20
Manusia (Dosen) Material (Mahasiswa)
Sakit Mahasiswa
ramai Tidak kondusif
Jadwal Padat
Dosen
Ada keperluan selesai lebih
Penyampaian materi cepat atau
Listrik Mati
terlalu terlambat
cepat Lupa waktu
Perbaikan
Ruangan Panas Latihan soal
Pembahasan belum
selesai
Lingkungan Metode
21
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan analisis dan pembahasan yang dilakukan pada penelitian ini
kesimpulan yang dapat diperoleh yaitu sebagai berikut.
1. Hasil asumsi uji keacakan x R dan x S yaitu data lama dosen mengajar
di program studi Diploma III Jurusan Statistika ITS angkatan 2014 dan
2015 kelas A telah diambil secara acak dari populasi dan memenuhi asumsi
uji keacakan.
2. Hasil asumsi uji normalitas pada x R dan x S yaitu data lama dosen
mengajar di program studi Diploma III Jurusan Statistika ITS angkatan
2014 dan 2015 kelas A tidak memenuhi asumsi ditribusi normal, tetapi pada
praktikum ini diasumsikan data telah memenuhi asumsi distribusi normal.
3. Hasil analisis peta kendali xR proses lama dosen mengajar di kelas dan
rata-rata proses lama dosen mengajar di kelas DIII A sudah terkendali secara
statistik.
4. Hasil analisis peta kendali X S proses lama dosen mengajar di kelas dan
rata-rata proses lama dosen mengajar di kelas DIII A sudah terkendali secara
statistik.
5. Hasil dari kapabilitas proses data lama dosen mengajar di DIII kelas A
menunjukkan bahwa kapabilitas proses lama dosen mengajar masih kurang
kapabel.
6. Hasil analisis diagram ishikawa pada data lama dosen mengajar di program
studi Diploma III Jurusan Statistika angkatan 2014 dan 2015 kelas A
menunjukkan bahwa terdapat faktor penyebab yang mengakibatkan dosen
selesai mengajar lebih cepat atau terlambat yaitu karena mahasiswa ramai di
kelas, penyebab berikutnya yaitu dosen yang sakit akibat jadwal mengajar
yang padat, kemudian karena pembahasa materi yang terlalu cepat.
Penyebab lainnya yaitu adanya pemadaman atau perbaikan listrik, akibatnya
proses belajar mengajar menjadi terganggu dan proses belajar mengajar
selesai lebih cepat.
22
5.2 Saran
Saran bagi peneliti untuk pengamatan selanjutnya yaitu harus lebih teliti
dalam melakukan pengamatan lama waktu dosen mengajar, pada penginputan dan
pengolahan data dibutuhkan ketelitian agar hasil yang didapatkan benar dan
akurat. Serta dari hasil pengamatan berikut dapat memperbaiki proses belajar
mengajar di program studi Diploma III Jurusan Statistika ITS.
23
DAFTAR PUSTAKA