Dosen Pembimbing :
Bismillahirrahmanirrahim,
Puji syukur kehadirat Allah SWT karena dengan rahmat dan karunia-Nya
kami dapat menyelesaikan penyusunan makalah ini dalam rangka memenuhi tugas
mata kuliah Metode Penelitian Pendidikan Matematika yang berjudul:”.
Ucapan shalawat dan salam tertuju kepada Rasulullah SAW yang telah
menuntun umatnya ke arah keselamatan hidup dan membawa petunjuk bagi kita.
Dalam penyusunan makalah ini, penulis tidak dapat menyelesaikannya
dengan baik dan benar tanpa adanya bantuan dan dorongan dari berbagai pihak
yang berupa petunjuk, bimbingan, pengarahan maupun fasilitas yang diperoleh.
Untuk itu dengan kerendahan hati penulis menyampaikan terima kasih kepada:
1. Ibu Maunah Setyawati, M.Si. selaku dosen pembimbing mata kuliah Quality
Control yang telah meluangkan waktu memberikan masukan dan arahan
kepada kami;
2. Semua pihak yang telah membantu dalam penyelesaian makalah ini baik
secara langsung maupun secara tidak langsung.
Dalam pembuatan makalah ini penulis menyadari bahwa makalah ini jauh
dari sempurna. Namun penulis berharap semoga berguna dan bermanfaat
khususnya bagi penulis dan bagi para pembaca pada umumnya.
Penulis
i
BIODATA PENULIS
NIM : D74214043
Email : naryaputri@gmail.com
NIM : D74214045
Email : ekaadhwa12@gmail.com
NIM : D74214066
Email : ratihis396@gmail.com
ii
DAFTAR ISI
BAB I
PENDAHULUAN
BAB II
PEMBAHASAN
BAB III
PENUTUP ........................................................................................................... 19
DAFTAR PUSTAKA
iii
BAB I
PENDAHULUAN
A. Latar Belakang
B. Rumusan Masalah
̅?
1. Bagaimana Hubungan antara μ, σ, dan nilai − nilai X
2. Apa pentingnya kurva normal dalam teori penarikan sampel ?
3. Bagaimana Hubungan antara 𝜎 𝑑𝑎𝑛 𝑠̅ ?
C. Tujuan
1. Untuk mengetahui Hubungan antara μ, σ, dan nilai − nilai ̅
X
2. Untuk pentingnya kurva normal dalam teori penarikan sampel
3. Untuk mengetahui Hubungan antara 𝜎 𝑑𝑎𝑛 𝑠̅
4
BAB II
PEMBAHASAN
̅
A. Hubungan antara 𝛍, 𝛔, 𝐝𝐚𝐧 𝐧𝐢𝐥𝐚𝐢 − 𝐧𝐢𝐥𝐚𝐢 𝐗
̅
X adalah rata – rata dari nilai – nilai X. Dalam bagan kendali peubah, setiap
subgrup mempunyai ̅
X. Jadi lambang ̅
X mengacu pada suatu rata – rata dari nilai X.
̅ = 3007,50 / 100 = 30,28. Angka ini mendekati
Untuk 100 subgrup pada tabel 2 -7 , X
30,00 , μ, rata – rata dari distribusi di dalam cawan. Rata – rata subgrup berukuran 4
beragam dari 18,50 sampai 41,75, dan masing – masing penarikan sampel mulai dari
1 hingga 59.
Bila semakin besar sampel yang ditarik dari universum, semakin besar
kemungkinan rata – rata sampel akan mendekati rata – rata universum.
Pada tabel 2 – 8 menggunakan analisis dari 400 penarikan sampel dari cawan
shewhart untuk menunjukkan bagaimana bentangan rata – rata bergantung pada
ukuran sampel. Ke 400 penarikan sampel ini dibagi ke dalam 2 subgrup yang masing
– masing terdiri dari 200, rata – rata dihitung untuk setiap subgrup, dan sebuah
distribusi frekuensi dibuat berdasarkan data rata – rata ini. Hal yang sama dilakukan
untuk subgrup – subgrup berukuran 4, 8, 16, 40 dan 80. Untuk memudahkan
pembanding terhadap distribusi – distribusi yang mempunyai frekuensi total yang
berbeda ini, tabel 2 – 8 menunjukkan semuanya dalam persentase terhadap frekuensi
total.
5
Dalam teori statistis dikatakan bahwa dalam skala besar rata – rata dari nilai –
nilai ̅
X akan sama dengan μ, rata – rata universum. Dan dalam skala besar simpangan
̅ akan sama dengan 𝜎/√𝑛, yaitu
baku dari distribusi frekuensi untuk nilai – nilai X
simpangan baku universum dibagi dengan akar kuadrat dari ukuran sampel.
Dalam teori statistis Jika universum normal maka harapan distribusi frekuensi
dari nilai – nilai 𝑋̅ juga akan normal. Teori tersebut diperkuat dengan bukti percobaan
penarikan sampel dengan cawan. Gambar 2 – 7, yang diambil dari buku shewhart,
menunjukkan frekuensi pengamatan dari rata – rata dari 1000 sampel berukuran
empat yang ditarik dari cawan normalnya dan menunjukkan kecocokan distribusi ini
dengan kurva normal.
Suatu distribusi telah dirinci secara lengkap jika diketahui bahwa distribusi
tersebut normal dan rata – rata serta simpangan bakunya diketahui. Ini berarti bahwa
teori statistis dapat memberikan sebuah gambaran yang lengkap tentang pola harapan
keragaman rata – rata dari smpel yang berukuran berapapun, jika dilakukan penarikan
sampel terhadap sebuah distribusi normal yang mempunya rata – rata dan simpangan
baku yang diketahui.
6
semakin mendekati normal, distribusi frekuensi dari rata – rata akan semakin
mendekati kurva normal.
Dalam tabel 2 – 7, s dari setiap subgrup dihitung dengan metode seperti yang
telah dijelaskan. Nilai – nilai s serupa dengan nilai – nilai 𝑋̅ dalam hal keduanya
sangat berbeda dari satu subgrup ke subgrup lainnya, s terkecil yang diamati adalah
0,6 dan yang terbesar adalah 20,5. Tetapi, terbukti ada satu perbedan antara distribusi
– distribusi 𝑋̅ dan s. Jika nilai-nilai 𝑋̅ memusat pada 30, yakni rata-rata
universumnya, maka nilai-nilai 𝑠 kelihatannya cenderung memusat pada angka yang
jauh lebih rendah daripada simpangan baku universum 9,954.
7
Dalam jumlah yang banyak, simpangan baku sampel dari sampel yang
berukuran berapapun dari sebuah universum normal akan mengikuti suatu pola acak
yang dapat diramalkan melalui matematik. Teori statistis juga meramalkan rasio
(nisbah) antara 𝑠̅, rata-rata dari simpangan 𝑠 dari sampel yang berukuran berapapun
(seperti subgrup yang berukuran empat), dan 𝜎, simpangan baku universum tempat
sampel tersebut diambil. Nisbah ini yang diwakili oleh lambang 𝑐2 .
Nilai 𝑐4 untuk sampel berukuran empat adalah 0,9213. Faktor ini dapat
digunakan untuk menduga simpangan baku universum 𝜎 yang tak diketahui dari 𝜎̅,
rata-rata dari simpangan baku sampel dari suatu himpunan subgrup yang diamati. Dari
932,8
100 subgrup pada tabel 2-7 𝑠̅ = = 9,328. Ini menghasilkan dugaan 𝜎 sebesar
100
𝑠̅ 9,328
𝜎 = 𝑐 = 0,9213 = 10,12
4
Karena, dalam hal ini, distribusi frekuensi dalam cawan diketahui, maka
terbuka kemungkinan untuk membanding 𝜎 dengan yang sama dengan 10,12 terhadap
𝜎 yang diketahui sebesar 9,9544. Kesalahan dalam dugaan sedikit lebih kecil dari 2%.
Dengan menggunakan faktor 𝑐4 ini, 𝑠 dari tiap-tiap sub grup berukuran kecil
tidak memberikan informasi yang dapat dipercaya tentang 𝜎. Misalkan, dugaan 𝜎 dari
7,1
subgrup pertama (penarikan sampel 1-4) adalah = 7,8; dari subgrup kedua
0,9213
0,6 1,5
adalah = 0,7, dari yang ketiga adalah = 1,6; dari yang keempat adalah
0,9213 0,9213
14,9
= 16,2 dan seterusnya.
0,9213
Jika 100 subgrup tadi dibagi menjadi 5 himpunan masing-masing terdiri dari
20 subgrup, hasil dugaan 𝜎 adalah sebagai berikut:
8
Jika beberapa dugaan dari tiap-tiap subgrup terhadap 𝜎 dapat meleset hingga 100%,
maka tidak satu dugaan pun dari himpunan –himpunan berukuran 20 subgrup meleset
terhadap 𝜎 lebih besar dari 20%. Penggunaan semua semua subgrup menghasilkan dugaan
dengan perbedaan 2%. Disini terbukti bahwa semakin besar jumlah subgrup yang
dimasukkan kedalam perhitungan 𝑠̅, maka semakin besar kepercayaan terhadap dugaan
𝑠̅ untuk simpangan baku universum yang tak diketahui.
9
BAB III
PENUTUP
A. KESIMPULAN
Hubungan antara μ, σ, dan nilai − nilai ̅
X, pentingnya kurva normal dalam
teori penarikan sampel dan hubungan antara 𝜎 𝑑𝑎𝑛 𝑠̅ saling berkesinambungan
dan digunakan dalam pengendalian mutu statistic sederhana dalam perusahaan.
B. SARAN
Agar kedepannya makalah ini dapat diperbaiki dan dilengkapi segala
kekurangannya.
10
DAFTAR PUSTAKA
11