Stat Bab III

PERENCANAAN EKSPERIMEN & STATISTIK INDUSTRI 1
BAB III
KONSEP STATISTIKA
PENGUKURAN DATA ANALISA SIMPULAN
● Banyaknya angka
● Bervariasi
WAKIL KUMPULAN
KUMPULAN DATA RATA-RATA

I 6,14 6,04 6,34 6,20 6,44 6,38 6,24
II 6,23 6,24 6,21 6,25 6,27 6,24 6,24
III 6,00 6,36 6,04 6,40 6,14 6,26 6,20
* Bandingkan kumpulan I, II, III: apa kesimpulannya? Cari wakilnya

* Berdasarkan harga rata-rata: I dan II sama
* Bila dilihat lebih teliti: - Anggota I lebih bervariasi dibanding anggota II
- Variasi I & III hampir sama, maka beda 6,24
dan 6,20 tak berarti
* Kesimpulan: - Kumpulan I dan III sama
- Kumpulan II variasi anggotanya lebih sempit
Wakil Kumpulan: - Titik tengah: harga rata-rata

- Variasi : ?
Dua wakil yang representatif
Variasi merupakan sifat alamiah
PROSES
PRODUKSI
PRODUK
TEKNIK MESIN UNTAG 45 SURABAYA

Mempunyai karakter yang bervariasi (geometris, fisik,

elektrik, kimia, atau rupa, dan sebagainya)
Wakil :
X 1  X 2  .......  X n n
X
X   i
X 1, X 2,......... Xn n 1 n
R1  X max X min ; jangkauan/ range

Xn  1, Xn  2,.......... ....... X 2 n 2n
X i
X 2 n  1,........... X 3n X2  11
R2  X max  X min
2n
𝑋̅ = ⋯ → 𝑅=⋯ R berubah, semakin besar bukan wakil

yang baik.
m = harga rata-rata batas (limiting mean)

1
𝑋̅ = ∑𝑛𝑖=1 𝑋𝑖 → 𝑚 ; 𝑏𝑖𝑙𝑎 𝑛 → ∞
𝑛
Usaha untuk mencari wakil variasi:
𝑋̅ ∶ 𝑡𝑖𝑡𝑖𝑘 𝑡𝑒𝑛𝑔𝑎ℎ
𝑋𝑖 − 𝑋̅ ∶ 𝑝𝑒𝑟𝑏𝑒𝑑𝑎𝑎𝑛 → 𝑏𝑖𝑠𝑎 𝑝𝑜𝑠𝑖𝑡𝑖𝑓 𝑎𝑡𝑎𝑢 𝑛𝑒𝑔𝑎𝑡𝑖𝑓
AVERAGE DEVIATION (AD)/MEAN DEVIATION

( deviasi rata-rata)
1
𝐴𝐷 = ∑𝑛𝑖=1|𝑋𝑖 − 𝑋̅| ≠ 0
𝑛
Harga mutlak tak mempunyai sifat matematis
yang baik.
Supaya (𝑋𝑖 − 𝑋̅) selalu positif “ dikuadratkan”
DEVIASI STANDAR (simpangan baku), S

S = √𝑆 2
DEVIASI STANDAR TEORITIS, 𝜎
𝜎 = √𝜎 2

3.1 HISTOGRAM
 Berbagai Distribusi frekuensi dalam bentuk HISTOGRAM
◙ Momen I : Tendensi Sentral

•X
• median
• modus
Modus tunggal Modus ganda
◙ Momen II : Variabilitas
• S, R
Variabilitas kecil Variabilitas besar

sempit lebar
◙ Momen III : Kemiringan/

miring positip miring negatip
Skewness
∂1
X , ∂1>0
modus
∂1<0, X modus
◙ Momen IV : Kelancipan/
kurtosis
∂2
Leptokurtis Mesokurtis Platikurtis

∂2>0 (normal) ∂2<0
∂2 ≈ 0

Tinggi 50 benda ukur diambil secara periodik dari suatu proses per
sampel dengan ukuran 5 buah.
No Mm No Mm No mm No mm No mm
1 5,352 11 5,358 21 5,359 31 5,357 41 5,357
2 5,356 12 5,352 22 5,358 32 5.358 42 5,355
3 5,356 13 5,354 23 5,355 33 5,359 43 5,356
4 5,352 14 5,355 24 5,358 34 5,358 44 5,360
5 5,348 15 5,354 25 5,357 35 5,356 45 5,362
6 5,354 16 5,357 26 5,354 36 5,359 46 5,357

7 5,357 17 5,357 27 5,359 37 5,362 47 5,360
8 5,346 18 5,359 28 5,357 38 5,360 48 5,362
9 5,354 19 5,356 29 5,355 39 5,356 49 5,360
10 5,352 20 5,358 30 5,358 40 5,358 50 5,359
 Kecermatan data : 1 µm
 Jangkauan (Range): R = Xmax – Xmin = 5,362 – 5,346 = 0,016
 Jumlah kelas (K) tergantung dari n
Rumus Sturgess: K = 3,3 log n + 1
K = 3,3 log 50 + 1 = 6,6 = 7
𝑅 𝑅
 Kenaikkan kelas: , untuk k = 8 = 0,002
𝐾 𝐾
 Tentukan nilai tengah kelas.
𝑅 0,016
Computing Origin ≈ 𝑋𝑚𝑖𝑛 + = 5,346 + = 5,354
2 2
 Cara perhitungan frekuensi:
diatas s/d nilai tengah

……. ……. …….
5,353 5,355 5,354
Kenaikkan kelas = 0,002
5,355 5,357 5, 356
 ANALISA KUANTITATIF DISTRIBUSI FREKUENSI
j X
X(mm) Nilai frek
tengah 𝑊𝑗 𝑎𝑗 𝑎𝑗 𝑤𝑗 𝑎𝑗 𝑤𝑗 2 𝑎𝑗 𝑤𝑗 3 𝑎𝑗 𝑤𝑗 4
diatas s/d kelas
1 5,345 5,347 5,346 -4 1 -4 16 -64 256
2 47 49 48 -3 1 -3 9 -27 81
3 49 51 50 -2 0 0 0 0 0
4 51 53 52 -1 4 -4 4 -4 4
5 53 55 54 0 9 0 0 0 0
6 55 57 56 1 14 14 14 14 14
7 57 59 58 2 14 28 56 112 224
8 59 61 60 3 4 12 36 108 324
9 61 63 62 4 3 12 48 192 768
TOTAL 50 55 183 331 1671
RATA-RATA Ci 𝐶1 𝐶2 𝐶3 𝐶4
1,10 3,66 6,62 33,42
∑ 𝑎𝑗 𝑤𝑗 𝑖
RATA-RATA: 𝐶𝑖 =
𝑛
 MOMEN I (TENDENSI SENTRAL)
∑ 𝑎𝑗 𝑤𝑗
𝑡𝑗 = (𝑐𝑜𝑚𝑝𝑢𝑡𝑖𝑛𝑔 𝑜𝑟𝑖𝑔𝑖𝑛) + 𝛽 ( )
𝑛
𝑋̅ ≈ 𝑡̅ = 5,354 + 0,002. 𝐶1
𝑡𝑗 = 5,354 + (0,002)(1,10) = 5,3562
 MOMEN II (VARIABILITAS)
Deviasi standar, 𝑆 = √𝑆 2 = √𝑚2
𝑛 50
𝑚2 |𝑤 = momen kedua = (𝐶2 − 𝐶1 2 ) = (3,66 − 1,12 ) = 2,5
𝑛−1 49
2 (0,002)2 −5
𝑚2 |𝑥 = 𝛽 . 𝑚2 |𝑤 = . 2,5 = 10

𝑆 = √𝑆 2 = √(10)−5 = 0,0032 𝑚𝑚
 MOMEN III (KEMIRINGAN/SKEWNESS)
𝑚3 𝑛
𝛾1 = 3
; 𝑚3 = (𝐶3 − 3𝐶1 𝐶2 + 2𝐶1 3 ) = −2,8531
𝑛−1
√(𝑚2 )
−2,8531
𝜸𝟏 = = −𝟎, 𝟕𝟐𝟏𝟖 → 𝑚𝑖𝑟𝑖𝑛𝑔 𝑘𝑒 𝑘𝑖𝑟𝑖 /negatip; 𝜸𝟏 < 0
√(2,5)3
 MOMEN IV (KELANCIPAN/CURTOSIS)
𝑛
γ2= m4 - 3 ; 𝑚4 = (𝐶4 − 4𝐶1 𝐶3 + 6𝐶1 2 𝐶2 − 3𝐶1 4 )
𝑛−1
m2 2
= 27,0115
𝜸𝟐 = 𝟏, 𝟑𝟐𝟏𝟖 → 𝐿𝑎𝑛𝑐𝑖𝑝 ; 𝜸𝟐 > 0
14 B C
A
9
D
4
5,3 45 50 55 60 63
Mo 59
Frekuensi 1 1 0 4 9 14 14 4 3
Frek. Kumulatif 1 2 2 6 15 29 43 47 50
Frek, kum % 2 4 4 12 30 58 86 94 100
 Modus: Mo (nilai yang mempunyai frekuensi paling tinggi),

𝐴𝐵
𝑴𝒐 = 𝑀𝑜 ′ + (5,359 − 5,355)
𝐴𝐵 + 𝐶𝐷
5
= 5,355 + (0,004) = 𝟓, 𝟑𝟓𝟔𝟑
5+10
′
𝑀𝑜 : 𝑚𝑜𝑑𝑢𝑠 𝑦𝑎𝑛𝑔 𝑑𝑖𝑙𝑖ℎ𝑎𝑡/𝑑𝑖𝑎𝑚𝑎𝑡𝑖 (=5,355)

 Median: Me (nilai tengah setelah diurutkan/fraktil 50%)

50−30
𝑴𝒆 = 𝑀𝑒 ′ + (5,356 − 5,354) = 𝟓, 𝟑𝟓𝟓𝟒
58−30
𝑀𝑒 ′ : Nilai tengah yang dilihat/diamati (=5,354)
LATIHAN
Hasil ujian akhir semester genap periode tahun lalu untuk matakuliah
Perencanaan Eksperimen dan Statistik Industri, dapat ditabelkan sebagai
berikut:
NILAI FREKUENSI (f)
30-39 2
40-49 5
50-59 10
60-69 4
70-79 9
80-89 2
90-99 1
Jumlah 33
Analisalah hasil histogram dari data-data hasil ujian akhir semester genap
matakuliah Perencanaan Eksperimen dan Statistik Industri tersebut.
3.2 DISTRIBUSI NORMAL/DISTRIBUSI GAUSS
DISTRIBUSI NORMAL disebut juga DISTRIBUSI GAUSS

adalah suatu distribusi probabilitas teoritis dengan variabel random
sinambung (continues). Distribusi ini berbeda dengan distribusi Binomial
dan Poisson yang bervariabel random diskrit. Dalam variabel diskrit nilai
X hanya berupa bilangan bulat positif saja ( X = 0,1,2,3, ….n),
sedangkan pada variabel kontinyu, nilai X bisa menjalani semua harga
dalam suatu interval tertentu.
Kurva distribusi normal standar adalah kurva normal yang sudah

diubah menjadi distribusi nilai Z.
Luas seluruh area

Kurva normal = 1
Luas area kanan kurva =
Luas area kiri kurva =
0,50
-Z +Z
0,50 0,50
Z
-2 -1 0 1 2
X
µ-2σ µ-σ µ µ+σ µ+2σ
Z adalah absis dari kurva distribusi normal yang sebenarnya (baku)

dengan nilai rata-rata populasi µ = 0, dan deviasi standar (simpangan
baku) σ = 1.
X adalah absis dari kurva sebuah populasi berdistribusi normal
yang belum standar, dengan rata-rata populasi sama dengan µ (µ = 0)
dan standar deviasi populasinya tidak sama dengan σ (σ ≠ 1).
Suatu distribusi dari sejumlah variabel dapat dikatakan mendekati
distribusi normal, jika:
a. 68% dari datanya terletak dalam interval (µ-σ) dan (µ+σ) atau
b. 95% dari datanya terletak dalam interval (µ-2σ) dan (µ+2σ) atau
c. 99% dari datanya terletak dalam interval (µ-3σ) dan (µ+3σ)
Jika X adalah sebuah variabel rambang normal, dengan rata-rata populasi

µ dan simpangan baku σ, maka probabilitas fungsi X adalah:
𝑋−𝜇
p{X} = 𝑍 =
𝜎

Z menunjukkan luasnya area dalam distribusi normal untuk X tertentu.

Besarnya probabilitas untuk nilai-nilai Z tertentu (dari hasil perhitungan)
dapat dicari pada pada tabel area kurva normal.
CONTOH
1. Hitunglah luas kurva normal antara 100 sampai dengan 125, dengan
µ=100 dan σ=20.
Penyelesaian:
𝑋−𝜇 125−100
𝑍= = = 1,25
𝜎 20
Menurut tabel Z, untuk z = 1,25 maka luas kurva normal = 0,3944 atau
39,44%.
KURVA NORMAL
Kurva area 0,3944 atau

39,44%
0,50 – 0,3944 = 0,1056

= 10,56%
0,50
Z
-2 -1 0 1 2
1,25 X

2. Dalam suatu penelitian, sebuah sepeda motor yang berisi bensin 1

liter dapat menempuh jarak 38 km dengan deviasi standar 6 km. Dengan
menganggap bahwa distribusi tersebut mendekati distribusi normal,
berapa persen dari sepeda motor tersebut yang hanya dapat mencapai 30
km setiap 1 liter bensin?
Penyelesaian:
𝑋−𝜇 30−38 −8
𝑍= = = = −1,33
𝜎 6 6
Dari tabel distribusi normal berdasarkan nilai Z, luas area menunjukkan

nilai sebesar 0,4082.

KURVA NORMAL
0,0918 atau
9,18%
0,4082 0,50
B
A
Z
-2 -1 0 1 2
-1,33
Persentase dari sepeda motor tersebut yang hanya dapat mencapai 30 km

setiap 1 liter bensin sama dengan luasan A: 0,50 – 0,4082 = 0,0918 =
9,18%
LATIHAN
1. Sebuah populasi mempunyai nilai rata-rata µ = 0. Jika distribusinya

normal, hitunglah probabilitas bagi variabel-variabel yang terletak pada
area:
a. antara Z = 0 dan Z = 2,4
b. antara Z = -2,4 dan Z = 0
c. antara Z = -1 dan Z = 2
d. antara Z = -3 dan Z = -2
e. kurang dari Z = -3

2. Dari sebuah populasi yang mempunyai nilai rata-rata µ = 0 dan

variabel-variabelnya berdistribusi normal, hitunglah Z untuk variabel-
variabel yang mempunyai:
a. Probabilitas = 0,4582
b. Probabilitas = 0,8944
Tunjukkan juga area Z dalam gambar.
3. Tebal buku yang pernah diterbitkan oleh seorang pengarang rata-rata

250 halaman dengan simpangan baku (deviasi standar) 20 halaman.
Apabila frekuensi ketebalan buku-buku tersebut mendekati distribusi
normal, dan sebuah buku diambil secara rambang, hitung probabilitas
bahwa tebal buku tadi:
a. antara 250 sampai 300 halaman d. kurang dari 200 halaman
b. antara 210 sampai 240 halaman e. lebih dari 315 halaman
c. antara 225 sampai 260 halaman
4. Kecepatan rata-rata pembalap pada suatu kejuaraan balap sepeda 66

km/jam dengan deviasi standar 5 km/jam. Hitunglah berapa persen
pembalap yang berkecepatan (a) antara 65 dan 70 km/jam, (b) lebih dari
72 km/jam, (c) kecepatan tertinggi dari 10% pembalap yang mempunyai
kecepatan terendah.
5. Nilai rata-rata yang diperoleh mahasiswa peserta mata kuliah

Perencanaan Eksperimen dan Statistika Industri adalah 60, dengan
simpangan baku 4. Hitunglah:
a. persentase mahasiswa yang memperoleh nilai kurang dari 50
b. jumlah mahasiswa yang memperoleh nilai antara 65 hingga 70, jika
peserta ujian berjumlah 40 mahasiswa.
c. untuk meningkatkan kualitas kemampuan mahasiswa, berapa orang
yang dinyatakan lulus ujian jika nilai yang terendah adalah 70.

PENYELESAIAN LATIHAN SOAL-SOAL
HISTOGRAM
Hasil ujian akhir semester genap periode tahun lalu untuk

matakuliah Perencanaan Eksperimen dan Statistik Industri, dapat
ditabelkan sebagai berikut:
NILAI FREKUENSI (f)
20-29 2
30-39 5
40-49 10
50-59 4
60-69 9
70-79 2
80-89 1
Jumlah 33
Analisa hasil histogram dari data-data hasil ujian akhir semester genap
matakuliah Perencanaan Eksperimen dan Statistik Industri tersebut.
J NILAI X
Nilai tengah frek
kelas 𝑊𝑗 𝑎𝑗 𝑎𝑗 𝑤𝑗 𝑎𝑗 𝑤𝑗 2 𝑎𝑗 𝑤𝑗 3 𝑎𝑗 𝑤𝑗 4
1 20-29 25 -3 2 -6 18 -54 162

2 30-39 35 -2 5 -10 20 -40 80
3 40-49 45 -1 10 -10 10 -10 10
4 50-59 55 0 4 0 0 0 0
5 60-69 65 1 9 9 9 9 9
6 70-79 75 2 2 4 8 16 32
7 80-89 85 3 1 3 9 27 81
TOTAL 33 -10 74 -52 374

RATA-RATA 𝐶1 𝐶2 𝐶3 𝐶4
-0,30 2,24 -1,576 11,33

 MOMEN I (TENDENSI SENTRAL)

𝑋̅ ≈ 𝑡̅ = 55 + 10. 𝐶1 = 52
 MOMEN II (VARIABILITAS)
Deviasi standar, 𝑆 = √𝑆 2 = √𝑚2
𝑛 33
𝑚2 |𝑤 = momen kedua = (𝐶2 − 𝐶1 2 ) = (2,24 − (−0,39)2 )
𝑛−1 32
= 2,153
2 (10)2
𝑚2 |𝑥 = 𝛽 . 𝑚2 |𝑤 = . 2,153 = 215,3
𝑆 = √𝑆 2 = √215,3 = 14,673
 MOMEN III (KEMIRINGAN/SKEWNESS)

𝑚3 𝑛
𝛾1 = 3
; 𝑚3 = (𝐶3 − 3𝐶1 𝐶2 + 2𝐶1 3 )
𝑛−1
√(𝑚2 )
33
= (−1,576 − 3. (−0,30)(2,24) + 2(−0,30)3 )
32
= 1,013(−1,576 + 2.016 − 0,054) = 0,39
0,39
𝜸𝟏 = = 0,124 → 𝜸𝟏 > 0
√(2,153)3
𝑚𝑖𝑟𝑖𝑛𝑔 𝑘𝑒 𝑘𝑎𝑛𝑎𝑛/𝑚𝑖𝑟𝑖𝑛𝑔 𝑝𝑜𝑠𝑖𝑡𝑖𝑝
 MOMEN IV (KELANCIPAN/CURTOSIS)
𝑛
γ2= m4 - 3 ; 𝑚4 = (𝐶4 − 4𝐶1 𝐶3 + 6𝐶1 2 𝐶2 − 3𝐶1 4 )
𝑛−1
m2 2

DISTRIBUSI NORMAL
1. Sebuah populasi mempunyai nilai rata-rata µ = 0. Jika distribusinya

normal, hitunglah probabilitas bagi variabel-variabel yang terletak pada
area:
a. antara Z = 0 dan Z = 2,4
b. antara Z = -2,4 dan Z = 0
c. antara Z = -1 dan Z = 2
d. antara Z = -3 dan Z = -2
e. kurang dari Z = -3
Penyelesaian:
a) b)
0,4918
0,4918
Z
Z=µ=0 Z=2,4 Z= - 2,4 Z=µ=0
Z=Z2 - Z1 = 2,4-0=2,4 Z=Z2 - Z1 = 0-(-2,4)=2,4
P(Z=2,4)=0,4918 P(Z=2,4)=0,4918
c) d)
0,3413 0,4772
0,0215
z
-1 0 2 -3 -2 0
Z1=0 -(-1)=1 → p(Z=1)=0,3413 Z1=0 -(-3)=3 → p(Z=3)=0,4987
Z2 = 2-0=2 → p(Z=2)=0,4772 Z2 = 0-(-2)=2 → p(Z=2)=0,4772
p(Z)= p(Z1) +p(Z2) = 0,8185 p(Z)= p(Z1) -p(Z2) = 0,0215

e)
0,0013
Za
z
-3 0
Za=0-(-3)=3 → p(Z=3)=0,4987
P(Z<-3)=0,5000-0,4987=0,0013
2. Dari sebuah populasi yang mempunyai nilai rata-rata µ = 0 dan

variabel-variabelnya berdistribusi normal, hitunglah Z untuk variabel-
variabel yang mempunyai:
a. Probabilitas = 0,4582
b. Probabilitas = 0,8944
Tunjukkan juga area Z dalam gambar.
Penyelesaian:
a). Berdasarkan tabel luas kurva normal standar, probabilitas (z) =
0,4582 terletak di z = 1,73. Dengan demikian untuk μ = 0, nilai z yang
mempunyai probabilitas 0,4582 adalah 0 + 1,73 = 1,73 (z terletak di
sebelah kanan μ) atau 0 – 1,73 = - 1,73 (z terletak di sebelah kiri μ).
0,4582
0,4582
Z
µ=0 Z=1,73 Z= -1,73 µ=0

b). Berdasarkan tabel luas kurva normal standar, probabilitas (z) =

0,8944 dapat dicari dengan: 0,5000 – 0,8944 = - 0,3944 ( tanda negatip
berarti bahwa sisa area z yang mempunyai probabilitas 0,3944 terletak
disebelah kiri kurva normal), jadi nilai z = 0 – 1,25 = -1,25.
3. Tebal buku yang pernah diterbitkan oleh seorang pengarang rata-rata

250 halaman dengan simpangan baku (deviasi standar) 20 halaman.
Apabila frekuensi ketebalan buku-buku tersebut mendekati distribusi
normal, dan sebuah buku diambil secara rambang, hitung probabilitas
bahwa tebal buku tadi:
a. antara 250 sampai 300 halaman d. kurang dari 200 halaman
b. antara 210 sampai 240 halaman e. lebih dari 315 halaman
c. antara 225 sampai 260 halaman
Penyelesaian:
𝑋−𝜇
a). 𝑍=
𝜎
𝑝(250 ≤ 𝑥 ≤ 300 = 𝑝(𝑥 = 250) + 𝑝(𝑥 = 300) = 𝑝(𝑧1 ) + 𝑝(𝑧2 )

250−250
𝑧1 = =0; 𝑝(𝑧1 = 0) = 0,0000
20
300−250
𝑧2 = = 2,5 ; 𝑝(𝑧2 = 2,5) = 0,4938
20
𝑝(250 ≤ 𝑥 ≤ 300 = 𝑝(𝑥 = 250) + 𝑝(𝑥 = 300) = 0 + 0,4938
= 𝟎, 𝟒𝟗𝟑𝟖
0,4938
Z
0 2,5
X
250 300

b) p ( 210 ≤ 𝑥 ≤ 240) = p ( x = 210 ) - p( x = 240 )

p ( x = 210 ) = p ( Z2 )
210 − 250
𝑍2 = = −2
20
𝑝 (𝑍2 = −2) = 0,4722
𝑝 (𝑥 = 240) = 𝑝 (𝑍1 )
240 − 250
𝑍1 = = −0,5
20
𝑝 ( 𝑍1 = −0,5 ) = 0,1915 210 ≤ 𝑥 ≤ 240 ) = 𝑝 (𝑥 = 210) − 𝑝(𝑥 = 240)
= p (𝑍2 ) - p (𝑍1 )
=0,4772 - 0,1915 = 0,2857
0,2857
Z
-2 -0,5 0
X
210 0
240
c) 𝑝 (225 ≤ 𝑋 ≤ 260) = 𝑝(𝑋 = 225) + 𝑝(𝑋 = 260)

𝑝(𝑋 = 225) = 𝑝(𝑍1 ) 𝑝(𝑋 = 260) = 𝑝(𝑍2 )
225−250 260 − 250
𝑍1 = = −1,25 𝑍2 = = 0,5
20 20
𝑝(𝑍1 = −1,25) = 0,3944 𝑝(𝑍2 = 0,5) = 0,1915
𝑝 (225 ≤ 𝑋 ≤ 260) = 𝑝(𝑍1 ) + 𝑝(𝑍2 ) = 𝑝(𝑍1 ) + 𝑝(𝑍2 )

= 0,3944 + 0,1915 = 0,5859
= 0,3944 + 0,1915 = 0,5859

3.3 ESTIMASI
Statistik Induktif (Inferensi) : Membuat berbagai inferensi terhadap
perkiraan, peramalan, pengambilan keputusan/kesimpulan. Kesimpulan
yang diambil dari hasil suatu penelitian sampel diberlakukan secara
menyeluruh (populasi), walaupun data tersebut berasal dari sampel,
sehingga kesimpulan yang diambil bisa saja mengandung unsur
ketidakpastian (uncertainty factors) yaitu bisa benar atau salah.
Ada 2 macam estimasi, yaitu: pendugaan tunggal (Point Estimate) dan
pendugaan interval (Interval Estimate).
1. Pendugaan Tunggal (Point Estimate)

adalah pendugaan yang terdiri dari suatu nilai penduga saja atau
dalam memperkirakan suatu kondisi dengan anggapan mutlak pada poin
tertentu.
Contoh: Rata-rata nilai yang dicapai untuk mata kuliah Perencanaan
Eksperimen dan Statistika Industri kelas P adalah 60.
2. pendugaan interval (Interval Estimate)

adalah pendugaan terhadap populasi yang berasal dari parameter
sampel dengan memberikan interval tertentu (dua batas nilai) dengan nilai
estimasi terletak dalam batas nilai tersebut.
Contoh: Rata-rata nilai yang dicapai untuk mata kuliah Perencanaan
Eksperimen dan Statistika Industri kelas P adalah antara 55 sampai
dengan 75.
 Confidence Interval
Besarnya nilai pendugaan yang terletak pada batas-batas nilai
tertentu, sehingga apa yang diestimasikan mengandung perkiraan
terendah dan tertinggi.
 Confidence Level
Tingkat kepercayaan (derajat kepastian) yang dinyatakan dalam
prosentase, yang biasanya berkisar antara 90% sampai dengan
99%.
Jika kebenaran dari hasil suatu penelitian dapat dipercaya 95%,
maka kemungkinan adanya kesalahan atau alpha (𝛼) sebesar 5%
(100% - 95%).

3.3.1 Estimasi Rata-rata

Estimasi rata-rata digunakan untuk mencari pendugaan terhadap
populasi dari data yang kontinum, misal hasil penelitian atau hasil ujian
yang bukan berbentuk prosentase.
 Sampel besar (n > 30):

𝑆𝐷
𝜇 = 𝑋̅ ± (𝑍∝ )
2 𝑛√
 Sampel kecil (n 30):
dengan:
n : banyaknya data dari sampel
dan derajat kebebasan (degree of freedom)

df = n - 1
CONTOH
1. Jika sampel sebanyak 100 mahasiswa Teknik Mesin UNTAG yang

diambil secara acak/random memiliki IQ rata-rata 112 dan standar deviasi
10, dengan convidence level 95%, maka taksirlah IQ dari seluruh
mahasiswa Teknik Mesin UNTAG tersebut.
Penyelesaian:
n = 100 (n > 30)
= 112
SD = 10

Luas setengah kurva normal = 0.5 –

Normal)
Luas kurva
normal
2,5% (0,25) 2,5% (0,25)

95%(0,95)
-3 -2 -1 0 1 2 3
-1,96 1,96
Jika: (Z
Maka:
(Z (Z
Maka estimasi rata-rata IQ mahasiswa teknik mesin UNTAG adalah

antara 113,04 s/d 113,96.
2. Lomba Laga Pantura (Pantai Utara) diikuti oleh 25 Perguruan Tinggi

se Jawa dengan menggunakan kendaraan Izuzu Panther. Hasil lomba
menunjukkan bahwa 1 liter bahan bakar solar dapat menghasilkan jarak
tempuh rata-rata 25 km dengan standar deviasi 2,5 km. Taksirlah rata-
rata jarak tempuh mobil tersebut dengan confidence level 90%.
Penyelesaian:
n = 25 (n < 30)
= 25
SD = 2,5

(t (t
Estimasi penggunaan bahan bakar per liter menghasilkan jarak tempuh

antara 24,1445 km sampai dengan 25,8555 km.
3. Sebuah pabrik mobil menguji 25 buah produknya. Didapatkan hasil

bahwa 1 liter bahan bakar rata-rata menempuh jarak 15 km dengan
deviasi standar 2,5 km/jam. Taksirlah rata-rata jarak tempuh mobil
produknya dengan CL 95%.
Penyelesaian:
n = 25 (≤ 30) gunakan t-test

; SD = 2,5 ; α = 100%-95% = 5% (0,05)
(lihat tabel distribusi t)
2,5 2,5
15  (2,064)( )    15  (2,064)( )
25 25
15 – 1,032    15  1,032
13,97    16,03
Estimasi penggunaan bahan bakar adalah antara 13,97 s/d 16,03 liter/km
3.3.2 Estimasi Proporsi

Estimasi proporsi digunakan untuk mencari pendugaan terhadap
populasi yang datanya diskrit, jumlah sampel besar dan memiliki
distribusi normal.

Proporsi populasi (P):
P= ,
CONTOH
Dari hasil rapat PT ABC yang dihadiri 400 pemegang saham, ternyata
ada 320 orang yang menyetujui kebijakan kenaikkan gaji, sedangkan
sisanya tidak. Taksirlah interval estimasi proporsi dari mereka yang
menyetujui kenaikkan gaji dengan taraf kepercayaan 99%.
Penyelesaian:
x = 320
n = 400
0,5 – 0,005 = 0,495 2,58 (tabel distribusi normal)
0,80 -
0,80 - 2,58(0,02)
0,80 – 0,052
0, 748
Jadi proporsi pemegang saham yang menyetujui kenaikkan gaji adalah
antara 0,748 atau 74,8 s/d 85,2%

ANALISA REGRESI LINEAR
Misalkan y sebagai fungsi linear dari x berbentuk:
Harga konstanta a, b dan atau a0 dan b akan ditentukan berdasarkan

data pengamatan dan ditabelkan sebagai berikut:
NO PENGAMATAN .
1 x1 y1 x1. y1
2 x2 y2 x2.y2
. . . . . .
. . . . .
. . . . .
. . . . .
. xk yk xk.yk
.
.
K
TOTAL SX Sy SSx SSy SPxy
S : Sum ; SS : Sum of Square ; SP : Sum of Product

SSD : Sum of Square Deviation ; SPD: Sum of Product Deviation

KOEFISIEN KORELASI
menunjukkan kuat tidaknya hubungan linier kedua variabel X dan Y:
Untuk setiap harga x, harga y yang diperoleh dari rumus regresi dengan
varian:
)
Apabila secara teoritis garis regresi harus melalui titik nol ( fungsi
linier menjadi : y = b.x , maka harga b dapat dihitung dari rumus:
dengan varian sebesar:
derajat kebebasan (degree of freedom): f
CONTOH:
Untuk mengetahui kepekaan suatu komparator elektrik dari LVDT
(linier Variable Differential Transformer) maka dilakukan kalibrasi.
Untuk standar panjang digunakan balok ukur.
LVDT
1
RANGKAIAN ELEKTRIK BALOK UKUR

(VOLTMETER) STANDAR

Hasil kalibrasi LVDT dan contoh perhitungan garis regresi untuk

pembacaan naik sebagai berikut:
NO. Tinggi Blok Pengamatan Analisa Pembacaan

Ukur Voltmeter,
( (mV);
1 0 0 0 0 0
2 5 7 25 49 35
3 10 15 100 225 150
4 15 22 225 484 330
5 20 29 400 841 580
6 25 35 625 1225 875
7 30 44 900 1936 1320
8 35 50 1225 2500 1750
9 40 57 1600 3249 2280
10 45 64 2025 4096 2880
11 50 71 2520 5041 3550
12 55 79 3025 6241 5345
Sx = 330 Sy = 473 SSx SSy SPxy
12.650 25.887 18.095

Baik
Rumus regresi:
Y
Y
Batas atas dan batas bawah dari kemiringan garis regresi, confidence
limit 95%, dapat ditentukan dengan menentukan fraktil distribusi-t.
dari tabel-t: dengan df = 12-2=10 diperoleh
sehingga:
bmax = b + (
bmin = b - (
kepekaan LVDT,
b = 1,4231 ± 0,0205
 Bila garis tersebut harus melalui titik nol, maka variabel a0 harus
berharga:
a-b =0 a = b = 39,1353 = (harga teoritik)
Berdasar analisa regresi di atas:
a= (harga empiris)
diadakan t-test untuk menguji harga a kesalahan rambang/teoritis?
; terjadi kesalahan rambang !, sehingga garis regresi dapat

dianggap melalui titik nol.
Y = b.X = 1,4304 X
; b = 1,4304 ± 0,010874 mV/

ANALISIS VARIAN
SELANG KEPERCAYAAN UNTUK MENENTUKAN LETAK HARGA

TEORITIK YANG DIESTIMASIKAN
POPULASI SAMPEL
m,𝜎 𝑥̅ , S
misal: n = 9 f = n-1 = 8 𝛼 = 10%
t-test
𝛼 𝑆𝐷 𝛼 𝑆𝐷 𝛼 𝑆𝐷
𝜇 = 𝑋̅ ± (𝑡 2 ) 𝑛 𝑋̅ − (t 2 ) ≤ 𝜇 ≤ 𝑋̅ + (t2 )
√ √𝑛 √𝑛
𝝁 = 𝒎 ∶ 𝐫𝐚𝐭𝐚 − 𝐫𝐚𝐭𝐚 𝐩𝐨𝐩𝐮𝐥𝐚𝐬𝐢

𝑺𝑫 = 𝑺: standar deviasi sampel
𝛼 𝑺 𝛼 𝑺
𝑋̅ − (t 2 ) ≤ 𝑚 ≤ 𝑋̅ + (t2 )
√𝑛 √𝑛
BATAS BAWAH BATAS BAWAH
PERBEDAAN KESALAHAN
Kesalahan Rambang (Random Error)

bila m terletak di dalam selang (interval)
̅−m|
𝑑 = |X
Kesalahan Sistematik ( Systematical Error)
bila m terletak di luar selang (interval)
hasil kalibrasi harga teoritik

(standar)

TES HIPOTESA ( t - Test ; Student Test )
 ̅−m|
𝑑 = |X
|𝑋̅ − 𝑚|
 Hitung variabel : 𝑡= 𝑆/√𝑛
 Bandingkan dengan fraktil distribusi - t:
t ≤ t𝛼 t > tα
2 2
d, kesalahan rambang d, kesalahan sistematis
 PERBANDINGAN DUA BUAH DATA
SAMPEL POPULASI
DATA 1
𝑋̅1 , 𝑆1 𝑚1 , 𝜎1 .
ANALISA Type equation here.
DATA 2 VARIAN
𝑚2 , 𝜎2 .
𝑋̅2 , 𝑆2 Type equation here.
1. Memeriksa kesamaan Varian, 𝑆1 2 dan 𝑆2 2

Apakah mereka berbeda secara rambang? Jika ya, maka
ke dua data dapat disatukan; 𝑆 2 𝑠𝑒𝑏𝑎𝑔𝑎𝑖 𝑒𝑠𝑡𝑖𝑚𝑎𝑠𝑖 𝜎 2 .
2. Memeriksa perbedaan harga rata-rata, 𝑋 ̅̅̅1 𝑑𝑎𝑛 𝑋

̅̅̅2
Apakah mereka berbeda secara rambang? Jika ya, maka
ke dua data dapat disatukan; 𝑋̅ 𝑠𝑒𝑏𝑎𝑔𝑎𝑖 𝑒𝑠𝑡𝑖𝑚𝑎𝑠𝑖 𝑚.
STEP 1 MEMERIKSA KESAMAAN VARIAN

𝑆1 2 𝑑𝑎𝑛 𝑆2 2 dikatakan mempunyai perbedaan rambang bila
berasal dari satu populasi varian (𝜎 2 ) → 𝑆1 2 𝑑𝑎𝑛 𝑆2 2 tidak
berbeda jauh, atau rasionya kecil.
STEP 2 MEMERIKSA PERBEDAAN RATA-RATA

̅̅̅1 − ̅̅̅
|X X2 | = 𝒅 beda/difference → 𝛿=0
teoritis berharga nol bila ̅̅̅ X2 berasal dari satu populasi.

X1 − ̅̅̅
t – Test
𝑑− 𝜎 ̅̅̅̅
|X 1 − ̅̅̅̅
X2 |− 𝟎 ̅̅̅̅
|X 1 − ̅̅̅̅
X2 |
t= 1 1
= 1 1
= 1 1
𝑆√ + 𝑆√ + 𝑆√ +
𝑛1 𝑛2 𝑛1 𝑛2 𝑛1 𝑛2
𝑆 2 = (𝑓1 𝑆1 2 + 𝑓2 𝑆2 2 )/(𝑓1 + 𝑓2 )
= (𝑆𝑆𝐷1 + 𝑆𝑆𝐷2 )/(𝑛1 + 𝑛2 − 2)
fraktil distribusi – t
degree of freedom: f = n1 + n2 – 2
𝛼=5%
𝒕 ≤ 𝒕.𝟗𝟕𝟓 𝒕 ≥ 𝒕.𝟗𝟕𝟓
𝛿 = 0; ̅̅̅
X1 dan ̅̅̅
X2 𝛿 ≠ 0; ̅̅̅ ̅̅̅2
X1 dan X
Berbeda secara rambang Berbeda secara rambang
𝑛1 𝑋̅1 + 𝑛2 𝑋̅2
𝑋̅ = ̅
X1 dan ̅
X2
𝑛1 + 𝑛2
Estimasi S1 + S2 Tidak dapat disatukan !!!
m → =
n1 + n2
DATA 1 DATA 2

̅𝑆
𝑋, ̅𝑆
𝑋,
̅ 𝑆0
𝑋,
𝑆𝑆𝐷 𝑡𝑜𝑡𝑎𝑙 𝑆𝑆𝐷1 + 𝑆𝑆𝐷2

disatukan: 𝑆0 2 = =
𝑛1 +𝑛2 −1 𝑛1 +𝑛2 −1
2 2
𝑆1 𝑆 (𝑆 + 𝑆2 )2
+ 2 − 1
𝑛1 𝑛1 𝑛1 + 𝑛2 − 1
=
𝑛1 + 𝑛2 − 1
SELANG KEPERCAYAAN:
𝑺𝟎 𝑺𝟎
̅ − 𝒕𝜶 .
P {𝑿 ̅ + 𝒕𝜶 .
< 𝑚 < 𝑿 }
𝟐 √𝒏𝟏 +𝒏𝟐 𝟐 √𝒏𝟏 +𝒏𝟐
Batas bawah Batas atas
F – test; Variance Ratio Test ; Fisher – test
𝒗𝒂𝒓𝒊𝒂𝒏 𝒃𝒆𝒔𝒂𝒓
F=
𝒗𝒂𝒓𝒊𝒂𝒏 𝒌𝒆𝒄𝒊𝒍
Fraktil distribusi rasio
varian untuk tingkat
F ≤ 𝐹.975 F > 𝐹.975 keyakinan 97,5% (95%
bilateral tes)
S12 dan S22 berbeda secara S12 dan S22 berbeda secara
rambang (berasal dari satu sistematis (berasal dari dua
populasi varian) populasi varian)

S12 dan S22 dapat disatukan Pada dasarnya S12 dan S22
tidak dapat disatukan
analisa tak dapat dilanjutkan
Distribusi Rasio Varian (F-DISTRIBUTION)
f pembilang (varian besar)

………………,, 𝑓1
1 2
1 648 800 …………………….

f penyebut
(varian kecil)
2 385 30 ………………………
. . . ……………………….
. . . ……………………….
. . . ……………………….
. .
𝑓2 F𝛼 (f1 , f2 ),
2
CONTOH:
Diketahui 𝛼 = 5%
F.975 (10; 12) = 3,37

2,07−2,04
F.975 (32; 30) = 2,07 − 2 x = 2,058
5
* Keefektifan cairan pendingin dalam proses pemesinan diuji dengan cara

mengukur kehalusan permukaan benda kerjanya. Hasil pengujian adalah
seperti berikut (setiap jenis cairan pendingin pengetesan dilakukan 5 kali:
CAIRAN Kehalusan permukaan ( m )

A 0,75 0,85 0,83 0,72 0,70
B 0,60 0,66 0,63 0,63 0,63
C 0,80 0,72 0,72 0,80 0,72
D 0,65 0,69 0,69 0,69 0,70
a) Apakah ke-empat jenis cairan tersebut bisa dikelompokkan menjadi 2

kelompok?
(Lakukan tes kesamaan 2 data untuk cairan A dan C dengan menggunakan
tes Rasiovarian dan kemudian tes-t).

b) Bagi data yang dapat disatukan tersebut hitunglah batas-batas

keyakinan dengan tingkat kepercayaan sebesar 95% (   5%) untuk
memperkirakan harga rata-rata mean.
c) Dari perhitungan yang ada, apakah harga rata-rata 0,684 m

merupakan perbedaan kesalahan rambang (random error) ataukah
kesalahan sistematis (systematical error)?
PENYELESAIAN:
Caira Kehalus ni Si SSi Si2/ni SSDi fi Si2 x

n an per-
mukaan
A 0,75 0,85 5 3,85 2,982 2,964 0,0178 4 0,0044 0,77
0,83 3 5 5
0,72 0,70
B 0,60 0,66 5 3,15 1,9863 1,9863 0,0018 4 0,0044 0,63
0,63 0,63 5
0,63
C 0,80 0,72 5 3,76 2,835 2,827 0,0077 4 0,0019 0,75
0,72 2 5 2 2
0,80 0,72
D 0,65 0,69 5 3,42 2,340 2,339 0,0015 4 0,0003 0,68
0,69 8 3 8 4
0,69 0,70
K 20 14,1 10,144 10,115 0,0288 16 0,0072 2,83
8 6 8 6
∑ ni ∑ S i ∑ SSi ∑
Si2  SSD  f  S
i i i
2
X
ni
Analisa dua data (cairan A dan C)
FISHER TEST
4,45 x103
2
S
Hitung: F = A2   2,318
SB 1,92 x10 3
SSDi
𝑆𝑖 2 = fi

F < F.025 varian cairan A& C hanya

Tabel:F.025 (fA=4, fB=4) = 9,60 berbeda
secara rambang.
dianggap satu
kelompok
Kedua varian (A & C) dapat disatukan, dengan varian total:
f .S  f C .SC (4  0,00445)  (4  0,00192)
2 2
S2  A A   0,003185
f A  fC 44
S  0,003185  0,056436
Pemeriksaan Harga Rata-Rata: t – test (Student Test)
3,85 3,76
X A  XC 
5 5
Hitung: t   0,504296
1 1 1 1
S  0,056436 
n A nC 5 5
Tabel: t.025( f A  f C )  2,306 t < t.025 Cairan A & C

mempunyai
Harga rata-rata yang berbeda secara rambang.
◙ Harga rata-rata total:
n1 X1  n2 X 2 S1  S2 3,85  3,76
X    0,71610 (µm)
n1  n2 n1  n2 55
◙ Varian gabungan:
S2
SSD = SSi − ni
SSi = SSA + SSC = 2,9823 + 2,8352 = 5,8175
Si = SA + SC = 3,85 + 3,76 = 7,61
SSD 0,02629
S0    0,00292 S0  0,00292 = 0,054
2
n1  n2  1 5  5  1

● α = 5% tingkat kepercayaan = 95%

t.025( n A  nC 1)  2,262
S0 S0
X  (t.025  )0  X  (t.025 
nA  nC nA  nC
 0,054   0,054 
0,7161  2,262  0 0,7161  2,262  
 10   10 
0,72237m0 0,7996m
0,72237 0,7996
●
0,684
batas bawah batas atas
● Harga rata-rata: 0,684 kesalahan sistematis

TAMBAHAN REGRESI LINIER
Koefisien korelasi (KK)

adalah nilai yang menunjukan kuat/tidaknya hubungan linier antar dua
variabel.
Nilai r yang mendekati -1 atau +1 menunjukan hubungan yang kuat antara
dua variabel tersebut
Nilai r yang mendekati 0 mengindikasikan lemahnya hubungan antara dua
variabel tersebut.
Jika bernilai + (positif) maka kedua variabel tersebut memiliki hubungan
yang searah, peningkatan X akan bersamaan dengan peningkatan Y
Jika bernilai – (negatif) artinya korelasi antara kedua variabel tersebut
bersifat berlawanan, peningkatan nilai X akan dibarengi dengan penurunan
Y.
Koefisien korelasi Pearson atau Product Moment Coefficient of
Correlation adalah nilai yang menunjukan keeratan hubungan linier dua
variabel dengan skala data interval atau rasio. Rumus yang digunakan
adalah
0 : Tidak ada korelasi antara dua variabel

0 – 0,25: Korelasi sangat lemah
0,25 – 0,5: Korelasi cukup
0,5 – 0,75: Korelasi kuat
0,75 – 0,99: Korelasi sangat kuat
Koefisien Penentu (KP)/ Koefisien Determinasi

Besarnya konstribusi dari X terhadap naik turunnya nilai Y di hitung oleh
suatu koefisien yang disebut koefisien penentuan (KP).
Untuk menghitung KP digunakan rumus berikut:
𝐊𝐏 = 𝐊𝐊 𝟐= rxy2

[ (n) (∑XY) – (∑X) (∑Y) ]2

______________________________________________
KP =
[ n (∑X2) – (∑X)2 ] [ n (∑Y2) – (∑Y)2 ]
KP = 0,411 (41,1%) artinya pengaruh X terhadap Y adalah 41,1%.
MISAL:
r = 0,918 berarti hubungan kedua variabel x dan y positip dan
sangat kuat
2
r = 0,842 berarti pengaruh variabel x terhadap y sebesar
84,2% atau variabel x memberikan kontribusi pada
variabel y sebesar 84,2%
sedang sisanya 15,8%
dipengaruhi variabel lain diluar model regresi tsb.
0 ≤ 𝑟 2 ≤ 1 semakin kecil nilai koefisien determinasi (R2) semakin

lemah pengaruh variabel bebas x terhadap variabel
terikat y.

Stat Bab III

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Stat Bab III

Diunggah oleh

Hak Cipta:

Format Tersedia

PERENCANAAN EKSPERIMEN & STATISTIK INDUSTRI 1

PENGUKURAN DATA ANALISA SIMPULAN

KUMPULAN DATA RATA-RATA

* Bandingkan kumpulan I, II, III: apa kesimpulannya? Cari wakilnya

Wakil Kumpulan: - Titik tengah: harga rata-rata

Dua wakil yang representatif

Variasi merupakan sifat alamiah

TEKNIK MESIN UNTAG 45 SURABAYA

Mempunyai karakter yang bervariasi (geometris, fisik,

R1  X max X min ; jangkauan/ range

𝑋̅ = ⋯ → 𝑅=⋯ R berubah, semakin besar bukan wakil

m = harga rata-rata batas (limiting mean)

Usaha untuk mencari wakil variasi:

AVERAGE DEVIATION (AD)/MEAN DEVIATION

DEVIASI STANDAR (simpangan baku), S

TEKNIK MESIN UNTAG 45 SURABAYA

 Berbagai Distribusi frekuensi dalam bentuk HISTOGRAM

◙ Momen I : Tendensi Sentral

Modus tunggal Modus ganda

Variabilitas kecil Variabilitas besar

◙ Momen III : Kemiringan/

Leptokurtis Mesokurtis Platikurtis

TEKNIK MESIN UNTAG 45 SURABAYA

6 5,354 16 5,357 26 5,354 36 5,359 46 5,357

diatas s/d nilai tengah

 ANALISA KUANTITATIF DISTRIBUSI FREKUENSI

 MOMEN I (TENDENSI SENTRAL)

TEKNIK MESIN UNTAG 45 SURABAYA

 Modus: Mo (nilai yang mempunyai frekuensi paling tinggi),

TEKNIK MESIN UNTAG 45 SURABAYA

 Median: Me (nilai tengah setelah diurutkan/fraktil 50%)

𝑀𝑒 ′ : Nilai tengah yang dilihat/diamati (=5,354)

3.2 DISTRIBUSI NORMAL/DISTRIBUSI GAUSS

DISTRIBUSI NORMAL disebut juga DISTRIBUSI GAUSS

Kurva distribusi normal standar adalah kurva normal yang sudah

Luas seluruh area

Z adalah absis dari kurva distribusi normal yang sebenarnya (baku)

Jika X adalah sebuah variabel rambang normal, dengan rata-rata populasi

TEKNIK MESIN UNTAG 45 SURABAYA

Z menunjukkan luasnya area dalam distribusi normal untuk X tertentu.

Kurva area 0,3944 atau

0,50 – 0,3944 = 0,1056

TEKNIK MESIN UNTAG 45 SURABAYA

2. Dalam suatu penelitian, sebuah sepeda motor yang berisi bensin 1

Dari tabel distribusi normal berdasarkan nilai Z, luas area menunjukkan

TEKNIK MESIN UNTAG 45 SURABAYA

Persentase dari sepeda motor tersebut yang hanya dapat mencapai 30 km

1. Sebuah populasi mempunyai nilai rata-rata µ = 0. Jika distribusinya

TEKNIK MESIN UNTAG 45 SURABAYA

2. Dari sebuah populasi yang mempunyai nilai rata-rata µ = 0 dan

3. Tebal buku yang pernah diterbitkan oleh seorang pengarang rata-rata

4. Kecepatan rata-rata pembalap pada suatu kejuaraan balap sepeda 66

5. Nilai rata-rata yang diperoleh mahasiswa peserta mata kuliah

TEKNIK MESIN UNTAG 45 SURABAYA

PENYELESAIAN LATIHAN SOAL-SOAL

Hasil ujian akhir semester genap periode tahun lalu untuk

1 20-29 25 -3 2 -6 18 -54 162

TOTAL 33 -10 74 -52 374

TEKNIK MESIN UNTAG 45 SURABAYA

 MOMEN I (TENDENSI SENTRAL)

 MOMEN III (KEMIRINGAN/SKEWNESS)

TEKNIK MESIN UNTAG 45 SURABAYA

1. Sebuah populasi mempunyai nilai rata-rata µ = 0. Jika distribusinya

TEKNIK MESIN UNTAG 45 SURABAYA