BAB III
KONSEP STATISTIKA
● Banyaknya angka
● Bervariasi
WAKIL KUMPULAN
PROSES
PRODUKSI
PRODUK
Wakil :
X 1 X 2 ....... X n n
X
X i
X 1, X 2,......... Xn n 1 n
X i
X 2 n 1,........... X 3n X2 11
R2 X max X min
2n
𝑋̅ ∶ 𝑡𝑖𝑡𝑖𝑘 𝑡𝑒𝑛𝑔𝑎ℎ
𝑋𝑖 − 𝑋̅ ∶ 𝑝𝑒𝑟𝑏𝑒𝑑𝑎𝑎𝑛 → 𝑏𝑖𝑠𝑎 𝑝𝑜𝑠𝑖𝑡𝑖𝑓 𝑎𝑡𝑎𝑢 𝑛𝑒𝑔𝑎𝑡𝑖𝑓
3.1 HISTOGRAM
◙ Momen II : Variabilitas
• S, R
X , ∂1>0
modus
∂1<0, X modus
◙ Momen IV : Kelancipan/
kurtosis
∂2
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
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:
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
∑ 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
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.
Z
-2 -1 0 1 2
X
µ-2σ µ-σ µ µ+σ µ+2σ
𝑋−𝜇
p{X} = 𝑍 =
𝜎
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
Z
-2 -1 0 1 2
1,25 X
KURVA NORMAL
0,0918 atau
9,18%
0,4082 0,50
B
A
Z
-2 -1 0 1 2
-1,33
LATIHAN
HISTOGRAM
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
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 IV (KELANCIPAN/CURTOSIS)
𝑛
γ2= m4 - 3 ; 𝑚4 = (𝐶4 − 4𝐶1 𝐶3 + 6𝐶1 2 𝐶2 − 3𝐶1 4 )
𝑛−1
m2 2
DISTRIBUSI NORMAL
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
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
Penyelesaian:
𝑋−𝜇
a). 𝑍=
𝜎
0,4938
Z
0 2,5
X
250 300
0,2857
Z
-2 -0,5 0
X
210 0
240
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).
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%).
dengan:
CONTOH
Luas kurva
normal
-3 -2 -1 0 1 2 3
-1,96 1,96
Jika: (Z
Maka:
(Z (Z
Penyelesaian:
n = 25 (n < 30)
TEKNIK MESIN UNTAG 45 SURABAYA
PERENCANAAN EKSPERIMEN & STATISTIK INDUSTRI 22
= 25
SD = 2,5
(t (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
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
0,80 -
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%
NO PENGAMATAN .
1 x1 y1 x1. y1
2 x2 y2 x2.y2
. . . . . .
. . . . .
. . . . .
. . . . .
. xk yk xk.yk
.
.
K
TOTAL SX Sy SSx SSy SPxy
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:
CONTOH:
Untuk mengetahui kepekaan suatu komparator elektrik dari LVDT
(linier Variable Differential Transformer) maka dilakukan kalibrasi.
Untuk standar panjang digunakan balok ukur.
LVDT
1
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?
ANALISIS VARIAN
POPULASI SAMPEL
m,𝜎 𝑥̅ , S
t-test
𝛼 𝑆𝐷 𝛼 𝑆𝐷 𝛼 𝑆𝐷
𝜇 = 𝑋̅ ± (𝑡 2 ) 𝑛 𝑋̅ − (t 2 ) ≤ 𝜇 ≤ 𝑋̅ + (t2 )
√ √𝑛 √𝑛
𝛼 𝑺 𝛼 𝑺
𝑋̅ − (t 2 ) ≤ 𝑚 ≤ 𝑋̅ + (t2 )
√𝑛 √𝑛
PERBEDAAN KESALAHAN
̅−m|
𝑑 = |X
|𝑋̅ − 𝑚|
Hitung variabel : 𝑡= 𝑆/√𝑛
t ≤ t𝛼 t > tα
2 2
SAMPEL POPULASI
DATA 1
𝑋̅1 , 𝑆1 𝑚1 , 𝜎1 .
ANALISA Type equation here.
DATA 2 VARIAN
𝑚2 , 𝜎2 .
𝑋̅2 , 𝑆2 Type equation here.
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 )
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,
SELANG KEPERCAYAAN:
𝑺𝟎 𝑺𝟎
̅ − 𝒕𝜶 .
P {𝑿 ̅ + 𝒕𝜶 .
< 𝑚 < 𝑿 }
𝟐 √𝒏𝟏 +𝒏𝟐 𝟐 √𝒏𝟏 +𝒏𝟐
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)
2 385 30 ………………………
. . . ……………………….
. . . ……………………….
. . . ……………………….
. .
𝑓2 F𝛼 (f1 , f2 ),
2
CONTOH:
Diketahui 𝛼 = 5%
PENYELESAIAN:
FISHER TEST
4,45 x103
2
S
Hitung: F = A2 2,318
SB 1,92 x10 3
SSDi
𝑆𝑖 2 = fi
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 44
S 0,003185 0,056436
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
n1 X1 n2 X 2 S1 S2 3,85 3,76
X 0,71610 (µm)
n1 n2 n1 n2 55
◙ Varian gabungan:
S2
SSD = SSi − ni
SSi = SSA + SSC = 2,9823 + 2,8352 = 5,8175
SSD 0,02629
S0 0,00292 S0 0,00292 = 0,054
2
n1 n2 1 5 5 1
0,72237m0 0,7996m
0,72237 0,7996
●
0,684
batas bawah batas atas
𝐊𝐏 = 𝐊𝐊 𝟐= rxy2
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.