BAB I

PENDAHULUAN

Berikut ini merupakan pendahuluan pada praktikum statistika deskriptif dan

probabilitas, yaitu sebagai berikut.

1.1. Latar Belakang

Data merupakan hal yang penting untuk menunjang perkembangan suatu perusahaan.
Data yang cukup akan menjadi informasi bagi perusahaan, dan berfungsi untuk mengetahui
kondisi perusahaan saat ini. Dalam mempermudah pembacaan data, maka data yang
diperoleh akan diolah dan disajikan dalam bentuk tabel atau grafik. Penyajian data dalam
bentuk grafik dapat menggunakan piktogram, histogram, grafik batang, grafik garis, atau
grafik lingkaran.
Berdasarkan cara pengolahan data, statistik dibagi menjadi dua, yaitu statistik
deskriptif dan statistik inferensia (Iqbal, 2001). Statistika deskriptif sendiri merupakan
bagian dari statistik yang mempelajari cara pengumpulan dan penyajian data sehingga
mudah dipahami. Statistika inferensia adalah bagian dari statistik yang mempelajari
mengenai penafsiran dan penarikan kesimpulan.
Dalam penggunaannya, data tidak hanya dapat menjadi sumber informasi dan
disajikan dalam bentuk grafik tetapi juga dapat digunakan untuk menyelesaikan masalah
dalam suatu perusahaan. Dalam industri, data yang diperoleh juga dapat digunakan untuk
menganalisis kondisi perusahaan menggunakan pendekatan teori probabilitas. Penerapan
utama dari teori probabilitas adalah memperkirakan terjadinya peluang suatu kejadian. Jika
diketahui keseluruhan probabilitas dari setiap kemungkinan yang akan terjadi, seluruh
probabilitas kejadian tersebut akan membentuk suatu distribusi probabilitas tertentu.
Seorang operator melakukan inspeksi terhadap suatu batch produksi. Total batch
produksi adalah 8 batch dan setiap batch-nya mampu memproduksi sebanyak 5 buah
produk dimana di dalamnya terdapat sejumlah produk yang cacat. Dengan demikian,
operator menghitung jumlah probabilitas produk yang cacat pada setiap batch-nya.
Perhitungan probabilitas ini menggunakan distribusi probabilitas diskrit, yaitu dengan
menggunakan perhitungan binomial. Perhitungan binomial ini sendiri yaitu dengan
menggunakan metode pencacahan atau penjumlahan pada data yang masih bisa dihitung.
 Seorang operator melakukan inspeksi terhadap 8 batch produksi dan disetiap batch-
nya terdapat sejumlah produk cacat. Kepala divisi Quality Control ingin mengetahui lama
waktu yang diperlukan operator untuk melakukan inspeksi terhadap setiap batch-nya.
Perhitungan probabilitas ini menggunakan distribusi probabilitas kontinu, yaitu dengan
menggunakan perhitungan normal. Perhitungan normal ini sendiri yaitu dengan
menggunakan pengukuran suatu alat ukur dengan interval tertentu dan interval tersebut
berupa waktu. Oleh karena itu, dengan adanya praktikum statistika deskriptif dan
probabilitas ini kita dapat memahami perbedaan dari probabilitas distribusi diskrit dengan
binomial dan probabilitas distribusi kontinu dengan normal.

1.2. Rumusan Masalah

Rumusan masalah merupakan suatu pertanyaan yang akan dicarikan jawabannya
melalui pengumpulan data pada praktikum statistika deskriptif dan probabilitas ini.
Berdasarkan latar belakang di atas, rumusan masalah pada praktikum ini sebagai berikut.
1. Bagaimana pebedaan jenis – jenis data berdasarkan kategori tertentu?
2. Bagaimana melakukan pengolahan dan penyajian data serta menghitung peluang dari
kejadian inspeksi tiap batch oleh operator?
3. Bagaimana melakukan analisis dan interpretasi terhadap hasil pengolahan data
probabilitas diskrit dengan binomial dan probabilitas kontinu dengan normal?
4. Bagaimana melakukan perhitungan menggunakan software Minitab dan analisis
output mengenai distribusi probabilitas diskrit dengan binomial dan probabilitas
kontinu dengan normal?

1.3. Tujuan
Tujuan merupakan hal-hal yang ingin dicapai dari praktikum statistika deskriptif dan
probabilitas ini. Berdasarkan latar belakang dan rumusan masalah di atas, tujuan yang
ingin dicapai dari praktikum ini sebagai berikut.
1. Dapat mengetahui dan memahami jenis – jenis data
2. Dapat melakukan pengolahan dan penyajian data serta menghitung peluang dari
kejadian inspeksi tiap batch oleh operator.
3. Dapat melakukan analisis dan interpretasi terhadap hasil pengolahan data probabilitas
diskrit dengan binomial dan probabilitas kontinu dengan normal.
4. Dapat melakukan perhitungan menggunakan software Minitab dan analisis output
mengenai distribusi probabilitas diskrit dengan binomial dan probabilitas kontinu
dengan normal
(Halaman ini sengaja dikosongkan)
 BAB II
TINJAUAN PUSTAKA

Berikut ini merupakan tinjauan pustaka pada praktikum statistika deskriptif dan
probabilitas, yaitu sebagai berikut.

2.1. Statistik dan Statistika

Statistik adalah metode untuk mengumpulkan, mengolah dan menyajikan, serta
menginterpretasikan data yang berwujud angka-angka (Croxton & Cowden, 1960).
Umumnya suatu data diikuti atau dilengkapi dengan keterangan-keterangan yang berkaitan
dengan suatu peristiwa atau keadaan tertentu. Kata statistik juga menyatakan ukuran atau
karakteristik pada sampel seperti nilai rata-rata, dan koefisien korelasi.
Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan dan
pengolahan data, penarikan serta pembuatan keputusan yang cukup beralasan berdasarkan
fakta (Partino, 2009). Statistika merupakan bagian dari matematika yang secara khusus
membicarakan cara-cara pengumpulan, analisis, dan penafsiran data. Dengan kata lain,
istilah statistika adalah mengenai cara-cara penarikan sampel (pengumpulan data), serta
analisis dan penafsiran data.

2.2. Data
Data dapat diartikan sebagai sesuatu yang diketahui atau yang dianggap (Iqbal, 2001).
Dalam pengertian sehari-hari data dapat berarti fakta dari suatu objek yang diamati, yang
dapat berupa angka-angka maupun kata-kata. Sedangkan jika dipandang dari sisi statistika,
maka data merupakan fakta-fakta yang akan digunakan sebagai bahan penarikan
kesimpulan. (Siswandari, 2009). Data merupakan kumpulan fakta yang diperoleh dari suatu
pengukuran. Suatu pengambilan keputusan yang baik merupakan hasil dari penarikan
kesimpulan yang didasarkan pada data yang akurat.

2.2.1. Pembagian Data Menurut Susunannya

1. Data Acak atau Data Tunggal
Data acak adalah data yang belum tersusun atau dikelompokkan ke dalam kelas-kelas
intervalnya.
2. Data Berkelompok
Data berkelompok adalah data yang sudah tersusun atau dikelompokkan ke dalam
kelas interval.

2.2.2. Pembagian Data Menurut Sifatnya

1. Data Kualitatif
Data kualitatif adalah data yang bukan berupa angka atau bilangan. Contoh: Warna,
jenis kelamin, status perkawinan.
2. Data Kuantitatif
Data kuantitatif adalah data yang berbentuk angka atau bilangan. Data kuantitatif
disebut juga data numerik. Contoh: tinggi badan, umur, jumlah. Data kuantitatif dibagi
menjadi 2 jenis tipe, yaitu:
a. Data Diskrit
Data diskrit adalah data yang diperoleh dari suatu pencacahan (Harinaldi, 2005).
Data ini berbentuk bilangan bulat seperti 0, 1, 2, 3, .., dan seterusnya.
b. Data Kontinu
Data kontinu adalah data yang umumnya didapatkan dari suatu pengukuran suatu
alat ukur (Harinaldi, 2005). Data kontinu dapat dinyatakan dalam bentuk data
interval maupun data rasio.

2.2.3. Pembagian Data Menurut Waktu Pengumpulannya

1. Data Berkala
Data berkala adalah data yang terkumpul dari waktu ke waktu untuk memberikan
gambaran perkembangan. Contoh: data perkembangan hasil panen jagung selama 1
tahun terakhir yang dikumpulkan setiap bulan.
2. Data Cross Section
Data cross section adalah data yang terkumpul pada suatu waktu tertentu untuk
memberikan gambaran perkembangan keadaan pada waktu itu. Contoh: data sensus
penduduk tahun 1990.

2.2.4. Pembagian Data Menurut Sumber Pengambilannya

1. Data Primer
Data primer adalah data yang diperoleh atau dikumpulkan oleh orang yang melakukan
penelitian atau yang bersangkutan yang memerlukannya. Data primer disebut juga data
 asli atau baru.
2. Data Sekunder
Data sekunder adalah data dari sumber-sumber yang telah ada. Contohnya penelitian
atau laporan yang telah ada. Data sekunder disebut juga data tersedia.

2.2.5. Pembagian Data Menurut Skala Pengukurannya

1. Data Nominal
Data nominal adalah data yang diberikan pada objek atau kategori yang tidak
menggambarkan kedudukan objek, tetapi sekedar label atau kode saja. Data ini hanya
mengelompokkan objek/kategori kedalam kelompok tertentu. Ciri dari data nominal
adalah bersifat saling lepas dan data disusun secara tidak logis.
Contoh:
Jenis kelamin manusia: 1 untuk laki-laki dan 0 untuk perempuan
2. Data Ordinal
Data ordinal adalah data yang penomoran objek atau kategorinya disusun menurut
besarnya, yaitu tingkat terendah atau tingkat tertinggi atau sebaliknya, dengan
jarak/rentang yang tidak harus sama. Ciri untuk data ordinal yaitu data tersusun
berdasarkan urutan logis sesuai karakteristik yang dimiliki.
Contoh:
Nilai A adalah dari 80-100
Nilai B adalah dari 65-79
Nilai C adalah dari 55-64
Nilai D adalah dari 45-54
Nilai E adalah dari 0-44
3. Data Interval
Data interval adalah data dimana objek/kategori dapat diurutkan berdasarkan suatu
atribut yang memberikan informasi tentang interval antara tiap objek/kategori sama.
Data interval memiliki ciri yang sama dengan data ordinal dan ditambah satu ciri lagi
yaitu urutan kategori mempunyai jarak yang sama dan tidak terdapat titik nol absolut.
Contoh:
Suhu yang menunjukkan 0°C dimana suhu 0°C bukan berarti tidak ada suhu karena
nilainya 0, namun tetap memiliki nilai atau setara dengan 32°F.
4. Data Rasio
Data rasio adalah data yang memiliki sifat data nominal, data ordinal, dan data interval,
 dilengkapi dengan titik nol absolut dengan makna empiris. Dengan adanya angka nol
maka pada data ini dapat dibuat perkalian atau pembagian. Angka pada data
menunjukkan ukuran yang sebenarnya diukur.
Contoh:
A dan B adalah dua orang mahasiswa Universitas Brawijaya yang nilai mata kuliah
Statistik 1 masing masing 60 dan 90. Ukuran rasionya dapat dinyatakan bahwa nilai B
adalah 1,5 kali nilai A.

Apabila dapat digambarkan pada suatu bagan, jenis data yang dikumpulkan dalam
statistik dapat dilihat pada Gambar 2.1.

Gambar 2.1 Bagan Jenis Data

Sumber: Harinaldi (2005)

2.3. Penyajian Data

Data yang sudah dikumpulkan, kemudian diolah dan disajikan agar mudah dibaca dan
dimengerti. Penyajian data memiliki fungsi untuk menunjukkan perkembangan suatu
keadaan dan mengadakan perbandingan pada suatu waktu (Iqbal, 2009). Tabel dan grafik
digunakan untuk menyajikan data yang sudah teringkas, menyingkapkan hubungan-
hubungan antar variabel, serta menginterpretasikan dan mengkomunikasikan fakta-fakta
angka kepada pihak yang membutuhkannya (Harinaldi, 2005).

2.3.1. Tabel Data

Tabel adalah penyajian data dalam bentuk kumpulan angka yang disusun menurut
kategori-kategori tertentu, dalam suatu daftar (Iqbal, 2009). Misalnya, pada suatu
perusahaan lampu LED dilakukan inspeksi pada setiap batch terkait jumlah produk lampu
yang cacat. Tabel 2.1 merupakan tabel lampu yang cacat pada setiap batch produksi.
Tabel 2.1
Jumlah Produk Lampu Cacat
Batch Jumlah
Batch-1 10
Batch-2 8
Batch-3 9
Batch-4 6

2.3.2. Grafik Batang

Grafik batang atau balok adalah grafik data berbentuk persegi panjang yang lebarnya
sama dan dilengkapi dengan skala atau ukuran sesuai dengan data yang bersangkutan.
Setiap batang yang ada tidak boleh saling berhimpit satu dengan lainnya. Gambar 2.2
adalah contoh dari grafik batang dari produk lampu cacat pada setiap batch produksi.

Gambar 2.2 Grafik Batang Produk Cacat Setiap Batch Produksi

2.4. Distribusi Frekuensi

Data yang didapat dalam jumlah banyak akan lebih muda dibaca saat data tersebut
sudah dikelompokkan. Sebuah tabel yang disusun berdasarkan kelas-kelas atau kategori data
dan frekuensi masing-masing kelas disebut distribusi frekuensi (Ahmad, 2004). Dalam
menyusun sebuah distribusi frekuensi dilakukan beberapa langkah, yaitu:
1. Mengurutkan data
2. Menentukan range atau jangkauan dari data tersebut
𝑅𝑎𝑛𝑔𝑒 = 𝐷𝑎𝑡𝑎 𝑇𝑒𝑟𝑏𝑒𝑠𝑎𝑟 − 𝐷𝑎𝑡𝑎 𝑇𝑒𝑟𝑘𝑒𝑐𝑖𝑙.…………………………………….(2-1)
3. Menentukan jumlah kelas
𝑘 = 1 + 3,3 log 𝑛…………………………………………………………………..(2-2)
Sumber: Iqbal (2001)
Dimana:
k = jumlah kelas
n = jumlah data
4. Menentukan panjang interval kelas
𝑅
𝑐 = 𝑘 ……………………………………………………………………………….(2-3)
Sumber: Harinaldi (2005)
Dimana:
c = lebar kelas
R = range
k = jumlah kelas
5. Menentukan batas bawah kelas pertama
6. Menentukan frekuensi dari setiap kelas

2.5. Grafik Distribusi

Berikut merupakan jenis-jenis grafik yang menggambarkan distribusi sebuah data.

2.5.1. Histogram
Histogram adalah grafik batang yang menggambarkan distribusi data dari sebuah
distribusi frekuensi (Harinaldi, 2005). Histogram dibawah ini adalah representasi dari
Tabel 2.3 mengenai diameter produksi pipa di PT FORTUNA.
Tabel 2.2
Diameter Pipa PT FORTUNA
Diameter
Frekuensi
(mm)
16-27 2
28-39 6
40-51 7
52-63 11
64-75 11
76-87 9
88-99 4

Gambar 2.3 Histogram Diameter Pipa

2.6. Ukuran Nilai Pusat/Pemusatan
Nilai tunggal yang dianggap dapat mewakili keseluruhan nilai dalam data dianggap
sebagai rata-rata. Nilai rata-rata itulah yang disebut ukuran nilai pusat (Iqbal, 2001). Ukuran
pemusatan adalah ukuran apapun yang menunjukkan pusat segugus data yang telah
diurutkan dari yang terkecil sampai yang terbesar atau sebaliknya (Walpole, 2012). Berikut
jenis-jenis ukuran nilai pusat.

2.6.1. Mean
Rata-rata hitung adalah nilai rata-rata dari data-data yang ada. Mean dapat dirumuskan
sebagai berikut.
a. Data tidak berkelompok
𝑥 𝑥 ,𝑥 ,𝑥 ,…,𝑥
𝑥̅ = ∑𝑛𝑖=1 1 = 1 2 3 𝑛 (untuk data suatu sampel)……………………………...(2-
𝑛 𝑛
4)
𝑥1 𝑥1 ,𝑥2 ,𝑥3 ,…,𝑥𝑁
𝜇 = ∑𝑁 𝑖=1 𝑁 = 𝑁
(untuk data suatu populasi)……………………………(2-5)
Sumber: Harinaldi (2005)
b. Data berkelompok
∑𝑘
𝑖=1 𝑓𝑖 𝑥𝑚,𝑖
𝑥̅ = 𝑛
(untuk data suatu sampel)……………………………………….......(2-
6)
∑𝑘 𝑓𝑥
𝜇 = 𝑖=1 𝑖 𝑚,𝑖 (untuk data suatu populasi)…………………………………………(2-
𝑁
7)
Sumber: Harinaldi (2005)
Dimana:
𝑥̅ = mean dari suatu sampel
𝜇 = mean dari suatu populasi
k = jumlah kelas pada suatu sampel
K = jumlah suatu kelas pada suatu populasi
n = banyaknya data 𝑥 dalam suatu sampel
N = banyaknya data 𝑥 dalam suatu populasi
𝑓𝑖 = frekuensi pada suatu kelas
𝑥𝑚,𝑖 = nilai tengah dari suatu kelas

2.6.2. Median
Median adalah nilai tengah dari data yang ada setelah diurutkan. Median dari suatu
data dapat dirumuskan sebagai berikut:
a. Data tidak berkelompok

𝑥(𝑛+1)/2 𝑎𝑝𝑎𝑏𝑖𝑙𝑎 𝑔𝑎𝑛𝑗𝑖𝑙

𝑥̃ = { ………………………………………………..(2-8)
1
(𝑥𝑛 + 𝑥 𝑥 ) 𝑎𝑝𝑎𝑏𝑖𝑙𝑎 𝑔𝑒𝑛𝑎𝑝
2 ( )+1
2 2

Sumber: Walpole (2012)

b. Data berkelompok
𝑛
− (∑ 𝑓)𝑙
𝑥̃ = 𝐿𝑖 + (2 ) 𝑐……………………………………………………………...(2-9)
𝑓𝑚𝑒𝑑𝑖𝑎𝑛
Sumber: Harinaldi (2005)
Dimana:
𝐿𝑖 = tepi bawah kelas median
𝑛 = banyaknya data
(∑ 𝑓)𝑙 = jumlah frekuensi seluruh kelas yang lebih rendah dari kelas median
𝑓𝑚𝑒𝑑𝑖𝑎𝑛 = frekuensi kelas median
𝑐 = lebar interval kelas median

2.6.3. Modus
Modus adalah nilai yang sering muncul dalam data atau yang frekuensinya besar
(Harinaldi, 2005). Modus dari suatu data dapat dirumuskan sebagai berikut:
a. Data tidak berkelompok
Nilai data yang paling sering muncul (frekuensinya paling besar)
b. Data berkelompok
∆1
𝑀𝑜𝑑𝑢𝑠 = 𝐿𝑖 + (∆ ) 𝑐 ………………………………………………………(2-10)
1 + ∆2
Sumber: Harinaldi (2005)
Dimana:
𝐿𝑖 = tepi bawah kelas modus
∆1 = selisih frekuensi kelas modus dengan kelas sebelumnya
∆2 = selisih frekuensi kelas modus dengan kelas sesudahnya
𝑐 = lebar interval kelas median

2.7. Probabilitas
Probabilitas adalah angka antara 0 dan 1 yang menyatakan kemungkinan bahwa suatu
peristiwa akan terjadi (Weiers, 2011). Jika probabilitas mendekati 0, maka peristiwa tersebut
mempunyai peluang yang kecil dapat terjadi. Sedangkan, jika probabilitas mendekati 1,
maka peristiwa tersebut mempunyai peluang yang besar dapat terjadi (Mann, 2010).
Perusahaan memproduksi sepatu dengan warna yang berbeda. Warna sepatu tersebut antara
lain coklat, hitam, putih, dan abu-abu. Manager ingin mengetahui peluang banyaknya sepatu
warna putih yang terjual.
𝑏𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛 𝑑𝑖𝑚𝑎𝑛𝑎 𝑝𝑒𝑟𝑖𝑠𝑡𝑖𝑤𝑎 𝑡𝑒𝑟𝑗𝑎𝑑𝑖
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 = …………………...(2-11)
𝑗𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑟𝑐𝑜𝑏𝑎𝑎𝑛
Sumber: Weiers (2011)

2.8. Eksperimen
Eksperimen adalah segala proses yang menghasilkan satu set data (Walpole & Myers,
2012). Contoh dari eksperimen misalnya proses memilih warna sepatu oleh pelanggan pada
perusahaan sepatu.

2.8.1. Titik Sampel

Setiap outcome pada ruang sampel, disebut sebagai elemen atau anggota dari ruang
sampel, atau titik sampel (Walpole & Myers, 2012). Contoh dari titik sampel misalnya titik
sampel pada proses pemilihan warna sepatu oleh pelanggan adalah coklat, hitam, putih, dan
abu-abu.

2.8.2. Ruang Sampel

Ruang sampel adalah semua hasil yang mungkin dari suatu eksperimen. Ruang sampel
dinotasikan dengan simbol S (Walpole & Myers, 2012). Contoh dari ruang sampel (S) pada
proses pemilihan sepatu oleh pelanggan adalah
S = {coklat, hitam, putih, abu-abu}
Dimana coklat, hitam, putih, abu-abu adalah semua warna yang dapat dipilih saat
proses pemilihan sepatu oleh pelanggan.

2.8.3. Outcome
Outcome adalah hasil dari percobaan tunggal (single trial) dari percobaan probabilitas
(Bluman, 2012). Outcome pada proses pemilihan sepatu oleh pelanggan adalah dalam 1
proses pembelian sepatu, pelanggan memilih sepatu warna putih. Sepatu putih merupakan
outcome dari percobaan pemilihan sepatu oleh pelanggan.

2.9. Definisi Distribusi Probabilitas

Variabel acak merupakan parameter penting dalam sebuah distribusi probabilitas.
Variabel acak juga menggambarkan hasil yang didapat dari percobaan yang telah dilakukan
secara sederhana (Supranto, 2001). Peubah acak dinyatakan dengan huruf besar X,
sedangkan nilainya dinyatakan dengan huruf kecil misalnya x. Sebagai contoh, pada
pelemparan dua koin, huruf Y menyatakan jumlah gambar yang muncul maka nilainya
adalah y = 0, 1 dan 2. Dari setiap nilai variabel acak yang memungkinkan akan memiliki
probabilitas masing-masing yang disebut distribusi probabilitas (Bluman, 2012).

2.10. Distribusi Probabilitas Diskrit

Distribusi probabilitas diskrit adalah suatu daftar atau distribusi di mana variabel
acaknya mengasumsikan masing-masing nilainya dengan probabilitas tertentu (Walpole,
2010). Variabel diskrit memiliki jumlah nilai kemungkinan yang terbatas atau jumlah yang
tak terhingga dari nilai-nilai yang dapat dihitung atau dicacah dengah menggunakan angka
1, 2, 3, dst. Misalnya, jumlah panggilan telepon yang diterima setelah siaran TV mengudara
adalah contoh variabel diskrit, karena bisa dihitung (Bluman, 2012).
Tabel 2.3 Jenis Distribusi Diskrit (Distribusi Binomial)
Contoh
Jenis Distribusi Pengertian Variabel Persamaan

Sebuah eksperimen terdiri dari x = banyaknya Fungsi massa probabilitas : Seorang petugas Quality
percobaan yang berulang, dengan peristiwa sukses 𝑛
( ) 𝑝 𝑥 𝑞 𝑛−𝑥 , 𝑥 = 0,1,2, … , 𝑛 Control menghitung
kemungkinan outcome p = probabilitas 𝑝(𝑥) = { 𝑥
0 probabilitas terdapat 2 produk
dikategorikan menjadi 2 yaitu peristiwa sukses
yang rusak dari suatu sampel
Distribusi Binomial sukses-gagal / baik-cacat / ya- n = banyaknya dengan jumlah produk rusak
tidak. Eksperimen yang percobaan Fungsi distribusi kumulatif : sebesar 20% dengan 5 kali
dilakukan berifat tidak q=1–p= 0, 𝑥≥0 pengambilan disertai
mempengaruhi kejadian probabilitas 𝑓(𝑥) = {∑𝑥
𝑖=0 𝑝(𝑖), 𝑥≥0 pengembalian.
selanjutnya (independen). peristiwa gagal
Sumber: Montgomery (2003)
2.11. Distribusi Probabilitas Kontinu
Distribusi probabilitas kontinu adalah daftar atau sebaran probabilitas dari setiap nilai
variabel acak kontinu. Variabel acak kontinu adalah variabel acak dengan interval (baik
terbatas maupun tidak terbatas) dalam suatu jarak dari bilangan nyata (Montgomery, 2011).
Variabel acak kontinu meliputi nilai yang dapat diukur. Distribusi probabilitas kontinu dapat
digambarkan dengan fungsi kepadatan probabilitas f(x) yang mempunyai nilai-nilai dalam
variabel kontinu. Seperti pada gambar dibawah ini, daerah dibawah kurva a sampai b
merupakan distribusi probabilitas kontinu yang nilainya berada pada interval dua buah angka
a dan b yang termasuk dalam variabel x atau variabel kontinu.

Gambar 2.4 Fungsi Kepadatan Probabilitas Variabel Acak Kontinu

Sumber: Montgomery (2003)

Probabilitas daerah interval a dan b adalah sebagai berikut.

𝑏
𝑃(𝑎 < 𝑥 < 𝑏) = ∫𝑎 𝑓(𝑥) ………………………………………………………(2-12)
Tabel 2.4 Distribusi Probabilitas Kontinu (Distribusi Normal)

Jenis Distribusi Pengertian Variabel Persamaan Contoh

Distribusi normal adalah distribusi yang

membentuk kurva lonceng yang simetris. Fungsi Kepadatan Probabilitas:
−(𝑥−𝜇)2
Distibusi normal
Keruncingan kurva di pengaruhi oleh 1
e = 2,71828 𝑓(𝑥) = 𝑒 2𝜎2 banyak dicontohkan
rata-rata (µ) yang ada di tengah kurva π = 3,14159 √2𝜋𝜎 dalam kehidupan
dan variansi (σ) untuk menentukan lebar µ = rata-rata populasi sehari-hari maupun di
Distribusi Normal kurva. Luas area dibawah kurva
σ = standar deviasi Variabel X diterjemahkan ke variable dunia industri.
distribusi normal sama dengan 1 dengan x = rata-rata sampel acak Z dengan rata-rata 0 dan variansi 1: Misalnnya rata-rata
𝑥−𝜇
masing-masing sisi kanan dan kiri garis 𝑍= tinggi badan dan berat
rata-rata kurva adalah 0.5. Nilai Z yang 𝜎
badan karyawan.
membantu menghitung nilai probabilitas
dalam distribusi normal kontinu.
Sumber: Montgomery (2003)
2.12. Fungsi Massa Probabilitas
Misalkan terdapat suatu pembebanan yang diletakan pada titik-titik diskrit (tertentu) di
sebuah balok yang panjang dan tipis. Pembebanan tersebut dideskripsikan sebagai suatu
fungsi yang menjelaskan bahwa massa (pembebanan) berada di tiap-tiap titik diskrit
tersebut. Hampir sama seperti variabel acak diskrit, distribusinya dapat dideskripsikan
dengan fungsi tersebut yang menjelaskan bahwa probabilitasnya berada pada tiap-tiap nilai

variabel acak X yang mungkin (Montgomery, 2003).

Gambar 2.5 Loading at discrete points in a long thin beam
Sumber: Montgomery (2003)

Untuk variabel acak diskrit dengan nilai kemungkinan x1, x2, . . . .,xn fungsi
probabilitas massanya adalah:
1. F(x1) ≥ 0
2. ∑𝑛𝑖=1 𝑓(𝑥𝑖) = 1
3. 𝑓(𝑥𝑖) = 𝑃(𝑋 = 𝑥𝑖)

2.13. Fungsi Kepadatan Probabilitas

Misalnya terdapat pembebanan pada seluruh permukaan suatu balok yang panjang dan
tipis seperti yang ditunjukkan pada Gambar 2.6. Setiap titik variable x di sepanjang balok,
kepadatannya dapat dideskripsikan sebagai sebuah fungsi (gram/cm). Total pembebanan
antara titik a dan b dapat dihitung dengan mengintegralkan fungsi kepadatan dari a ke b.
Di bawah interval pada fungsi densitas ini, dapat dilihat sebagai jumlah keseluruhan
pembebanan di interval tersebut. Fungsi tersebut digunakan untuk menentukan distribusi
probabilitas dari variabel acak kontinu X. Jika interval memiliki nilai lebih besar dari X,
maka probabilitasnya semakin besar dan mengakibatkan nilai fungsi f(x) yang besar pula.
Probabilitas X pada interval a dan b ditentukan dari integral dari F(x) dari a ke b
(Montgomery, 2003).
Gambar 2.6 Fungsi Densitas pada Balok yang Panjang dan Tipis
Sumber: Montgomery (2003)

Untuk variabel acak kontinu dari X, fungsi kepadatan probabilitasnya adalah

1. F(x1) ≥ 0
∞
2. ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1
𝑏
3. P (a ≤ X ≤ b) = ∫𝑎 𝑓(𝑥)𝑑𝑥 = area dibawah f(x) untuk semula nilai a dan b

2.14. Fungsi Distribusi Kumulatif untuk Variabel Acak Diskrit

Terkadang akan sangat berguna untuk menggunakan probabilitas kumulatif dimana
probabilitas tersebut dapat digunakan untuk menemukan fungsi massa probabilitas (PMF)
dari suatu variabel acak. Maka dari itu menggunakan probabilitas kumulatif ini merupakan
suatu metode alternatif untuk mendeskripsikan distribusi probabilitas dari suatu variabel
acak (Montgomery, 2003). Fungsi probabilitas kumulatif dari variabel acak diskrit X ini
dapat dinotasikan sebagai berikut.
F(x) = P(X ≤ x) = ∑𝑥1 ≤𝑥 𝑓(𝑥𝑖)……………………………………………………(2-
13)
Sumber: Montgomery (2003)

Untuk variabel acak diskrit X, F(x) memenuhi ketentuan berikut.

1. F(x) = P(X ≤ x) = ∑𝑥1 ≤𝑥 𝑓(𝑥𝑖)
2. 0 ≤ F(x) ≤ 1
3. Bila x ≤ y, kemudian F(x) ≤ F(y)

Gambar 2.7 Fungsi Distribusi Kumulatif untuk Variabel Acak Diskrit

Sumber: Montgomery (2003)
2.15. Fungsi Distribusi Kumulatif untuk Variabel Acak Kontinu
Metode alternatif untuk mendeskripsikan suatu variabel acak diskrit ternyata juga
dapat digunakan untuk variabel acak kontinu. Fungsi distribusi kumulatif dari variabel acak
kontinu X adalah:
∞
F(x) = P(X ≤ x) = ∫−∞ 𝑓(𝑢)𝑑𝑢 for −∞ < 𝑥 < ∞………………………………..(2-14)
Sumber: Montgomery (2003)

Menjabarkan definisi dari f(x) ke segala lini memungkinkan kita untuk mendefinisikan
distribusi probabilitas kumulatif untuk semua bilangan real/nyata (Montgomery, 2003).

Gambar 2.8 Fungsi Distribusi Kumulatif untuk Variabel Acak Kontinu

Sumber: Montgomery (2003)
 BAB III
METODOLOGI PRAKTIKUM

Berikut ini merupakan metodologi praktikum pada praktikum statistika deskriptif dan
probabilitas, yaitu sebagai berikut.
3.1. Diagram Alir Praktikum
Berikut merupakan diagram alir praktikum statistika deskriptif.

Mulai

Tinjauan
Pustaka

Identifikasi
Masalah
TAHAP
PENDAHULUAN
Perumusan
Masalah

Penentuan
Tujuan
Praktikum
---------------------------------------------------------------------------------------------

Pengumpulan Data

TAHAP 1. Data Distribusi Diskrit

Menghitung jumlah kejadian sukses pada
PENGUMPULAN setiap replikasi
DATA 2. Data Distribusi Kontinu
Mengukur besaran waktu proses dan waktu
antar kejadian sukses

---------------------------------------------------------------------------------------------
Pengolahan Data

1. Menyajikan Data dengan Statistika

TAHAP Deskriptif
PENGOLAHAN a. Data Diskrit (Binomial) dengan Bar Chart
DATA b. Data Kontinu (Normal) dengan Histogram
2. Menyajikan Cumulative Distribution
Function (CDF) dan Probability Density
Function (PDF)
---------------------------------------------------------------------------------------------
Penarikan
Kesimpulan dan
TAHAP Saran
PENUTUP

Selesai

Gambar 3.1 Diagram Alir Statistika Deskriptif dan Probabilitas

3.2. Alat dan Bahan Praktikum
Berikut adalah alat dan bahan yang digunakan dalam praktikum statistika deskriptif
dan probabilitas.
1. 40 steker dengan 10 steker berlabel Y, 20 buah steker berlabel N, dan 10 steker
pengganti (5 berlabel Y dan 5 berlabel N)
2. Stopwatch
3. Lembar pengamatan

3.3. Prosedur Praktikum

Adapun prosedur untuk praktikum mengenai statistika deskriptif dan probabilitas
adalah sebagai berikut.

3.3.1. Praktikum Distribusi Probabilitas Diskrit

Binomial
Studi Kasus:
Seorang operator melakukan inspeksi terhadap suatu batch produksi, dimana di
dalamnya terdapat sejumlah produk cacat. Total batch produksi adalah 8 batch dan setiap
batch mampu menghasilkan 5 buah produk. Operator ingin menghitung banyaknya produk
cacat pada setiap batch produksi.
Langkah Praktikum:
a. Persiapkan alat, bahan, dan 5 orang anggota kelompok
b. Terdapat wadah yang berisi 30 steker dengan label Y sebanyak 10 dan label N
sebanyak 20
c. Satu anggota kelompok berperan sebagai operator yang membongkar steker. Satu
anggota bertugas untuk merakit steker dan mengembalikan pada wadah. Satu anggota
bertugas mengukur waktu pembongkaran steker menggunakan stopwatch. Satu
anggota untuk menghitung satu kejadian sukses dan satu anggota adalah mencatat
kejadian sukses. Dua anggota lainnya mencatat data hasil praktikum yang terdiri dari
data waktu pembongkaran dan data kejadian sukses.
d. Pada kejadian binomial satu replikasi terdiri dari 5 pengambilan steker. Kejadian sukses
pada binomial adalah terambilnya steker berlabel Y
e. Operator mengambil steker secara acak terlebih dahulu dan menentukan kejadian
sukses atau gagal
f. Mulai melakukan replikasi dengan memulai perhitungan waktu pembongkaran
g. Saat satu replikasi selesai, operator pembongkar mengambil dan membongkar steker
yang lain (distribusi binomial dilakukan 8 replikasi)
h. Catat hasil kejadian sukses dan waktu perakitan ke dalam tabel pengamatan
i. Analisis dan interpretasi

3.3.2. Praktikum Distribusi Probabilitas Kontinu

Normal
Studi Kasus:
Seorang operator melakukan inspeksi terhadap suatu batch produksi, dimana di
dalamnya terdapat sejumlah produk cacat. Kepala divisi Quality Control ingin mengetahui
lama waktu yang diperlukan operator untuk melakukan inspeksi terhadap setiap
produknya.
Langkah Praktikum:
a. Persiapkan alat, bahan, dan 5 orang anggota kelompok
b. Terdapat wadah yang berisi 30 steker dengan label Y sebanyak 10 dan label N
sebanyak 20
c. Satu anggota kelompok berperan sebagai operator yang membongkar steker. Satu
anggota bertugas untuk merakit steker dan mengembalikan pada wadah. Satu anggota
bertugas mengukur waktu pembongkaran steker menggunakan stopwatch. Satu
anggota untuk menghitung satu kejadian sukses dan satu anggota adalah mencatat
kejadian sukses. Dua anggota lainnya mencatat data hasil praktikum yang terdiri dari
data waktu pembongkaran dan data kejadian sukses.
d. Pada kejadian binomial satu replikasi terdiri dari 5 pengambilan steker. Kejadian sukses
pada binomial adalah terambilnya steker berlabel Y
e. Operator mengambil steker secara acak terlebih dahulu dan menentukan kejadian
sukses atau gagal
f. Mulai melakukan replikasi dengan memulai perhitungan waktu pembongkaran
g. Saat satu replikasi selesai, operator pembongkar mengambil dan membongkar steker
yang lain
h. Distribusi normal dilakukan hingga 35 replikasi (35 pembongkaran steker)
i. Catat hasil kejadian sukses dan waktu perakitan ke dalam tabel pengamatan
j. Analisis dan interpretasi
3.4. Prosedur Pengolahan Data Menggunakan Minitab
Adapun prosedur pengolahan data dengan menggunakan Minitab untuk praktikum
mengenai statistika deskriptif dan probabilitas adalah sebagai berikut.

3.4.1. Distribusi Diskrit

Binomial
1. Membuat Bar Chart
a. Buka Software Minitab 18
b. Isikan data hasil percobaan pada satu kolom
c. Klik graph bar chart
d. Kemudian pilih model simple
e. Pada kotak dialog graph variables klik kolom yang akan diolah. Kemudian klik
OK
2. Menghitung Probabilitas Binomial
a. Beri nama kolom dengan probabilitas yang ingin dicari. Isikan kolom dengan
variable acak
b. Klik calc  probability distribution binomial
c. Pada kotak dialog binomial distribution pilih probability untuk mengetahui
besarnya probabilitas setiap variabel acak. Isikan number of trial. Kemudian pilih
input column = x dan optional storage = probabilitas lalu klik OK

3.4.2. Distribusi Kontinu

Normal
1. Membuat Histogram
a. Buka software Minitab 18
b. Pada worksheet, isikan waktu dan cdf pada kolom judul dan Isikan data waktu.
c. Pada menu bar klik graph → histogram
d. Pada kotak dialog histogram pilih simple kemudian klik OK
e. Pada kotak dialog histogram: simple, pilih waktu pada listbox dan klik OK
f. Hasil pengolahan data grafik yang menunjukkan histogram dari waktu.
g. Klik 2 kali pada sumbu x, lalu akan muncul kotak dialog edit scale. Kemudian
pilih opsi binning
h. Pada interval definition, ubah number of intervals sesuai dengan perhitungan
 teoritis. Kemudian klik OK.

2. Menentukan Jenis Distribusi dan Probabilitas Kumulatif

a. Pada menu bar klik graph – probability plot
b. Pilih single lalu klik OK
c. Masukkan data waktu pada graph variables
d. Klik distribution → pilih normal dan klik OK
e. Pada menu bar klik calc → probability distributions → normal
f. Pada kotak dialog normal distribution, isikan rata-rata pada textbox mean dan
simpangan baku pada textbox standard deviation. Kemudian pilih option input
column dan klik textbox-nya dan kemudian pilih waktu pada list box. Kemudian
klik textbox optional storage dan kemudian pilih probabilitas pada list box. Lalu
klik OK
 BAB IV
HASIL DAN PEMBAHASAN

4.1. Pengumpulan Data

Pengumpulan data yang dilakukan ialah dengan menggunakan distribusi normal
dan distribusi probabilitas. Studi kasus yang digunakan pada distribusi binomial yaitu
seorang operator melakukan inspeksi terhadap suatu batch produksi, dimana di dalamnya
terdapat sejumlah produk cacat. Total batch produksi adalah 7 batch dan setiap batch
mampu menghasilkan 5 buah produk. Operator ingin menghitung banyaknya produk cacat
pada setiap batch produksi. Sedangkan studi kasus yang digunakan pada distribusi normal
yaitu seorang operator melakukan inspeksi terhadap suatu batch produksi, dimana
didalamnya terdapat sejumlah produk cacat. Kepala divisi Quality Control ingin
mengetahui lama waktu yang diperlukan operator untuk melakukan inspeksi terhadap
setiap produknya. Berikut ini merupakan hasil dan pembahasan pada praktikum teori
probabilias, yaitu sebagai berikut.

4.1.1 Data Distribusi Diskrit dan Kontinu

Berdasarkan hasil pengamatan, terdapat data yang akan digunakan untuk
menganalisis distribusi diskrit dan distribusi kontinu. Berikut merupakan data distribusi
diskrit dalam bentuk distribusi binomial dan distribusi kontinu dalam bentuk distribusi
normal.

4.1.1.1. Data Distribusi Binomial

Pada studi kasus inspeksi terhadap suatu batch produksi dimana operator ingin
menghitung banyaknya produk cacat pada setiap batch produksi dimisalkan dengan
pengambilan steker. Distribusi diskrit yang akan dianalisis adalah distribusi binomial yang
diperoleh dari pengambilan steker sebanyak 5 kali dalam 1 replikasi sampai 8 replikasi.
Banyak terambilnya steker berlabel Y merupakan kejadian sukses pada praktikum
statistika deskriptif dan probabilitas ini. Berikut merupakan data distribusi binomial dari
praktikum statistika deskriptif dan probabilitas.
Tabel 4.1
Data Studi Kasus Distribusi Binomial
Replikasi ke- Tally
1 II
2 II
3 III
4 II
5 II
6 I
7 II

4.1.1.2. Data Distribusi Normal

Pada studi kasus inspeksi terhadap suatu batch produksi yang ingin mengetahui lama
waktu yang diperlukan operator untuk melakukan inspeksi terhadap setiap produknya
dimisalkan dengan waktu pengambilan dan pembongkaran steker. Distribusi kontinu yang
akan dianalisis adalah distribusi normal yang diperoleh dari waktu pengambilan dan
pembongkaran dari steker berlabel N maupun steker berlabel Y yang dilakukan hingga 40
replikasi. Berikut merupakan data distribusi normal dari praktikum ini.
Tabel 4.2
Data Studi Kasus Distribusi Normal
Waktu (s) Waktu (s)
10 16
10 16
10 16
10 17
12 17
12 18
13 19
13 19
13 19
14 20
14 20
14 20
14 21
14 22
15 24
15 25
15 28
15
4.2. Prosedur Pengolahan Data
Dalam mengolah data, praktikan menggunakan software Minitab dan Microsoft Excel
dengan menginput data dari hasil percobaan di Microsoft Excel ke dalam software Minitab.
Data percobaan pertama yang di hitung ialah data percobaan dalam pengambilan steker secara
acak sebanyak 35 kali pengambilan. Praktikan meng-input-kan data ke kolom Minitab, lalu
mengolah data distribusi diskrit (binomial) dan distribusi kontinu (normal) sesuai dengan
data. Berikut merupakan tahap-tahap pengolahan data distribusi diskrit (binomial) dan
distribusi kontinu (normal) dengan software Minitab.

4.2.1 Pengolahan Data Distribusi Diskrit dengan Minitab

1. Membuat Bar Chart
a. Buka software Minitab
b. Isikan data hasil percobaan pada satu kolom
c. Klik Graph → bar chart

Gambar 4.1 Cara Pembuatan Bar Chart

d. Kemudian pilih model simple

 Gambar 4.2 Model Simple pada Bar Chart

e. Pada kotak dialog graph variables klik kolom yang akan diolah. Kemudian klik OK

Gambar 4.3 Kotak Dialog Graph Variables pada Bar Chart

f. Muncul Tampilan Bar Chart dari Tally Percobaan.

Gambar 4.4 Bar Chart dari Tally Percobaan Commented [F1]: Dikasih penjelasan

Bar Chart diatas menunjukan bahwa pada Tally ke-1 berjumlah 1, pada Tally ke-2
berjumlah 5.dan Tally ke-3 berjumlah 1.

2. Menghitung Probabilitas Binomial

a. Beri nama kolom dengan probabilitas yang ingin dicari. Isikan kolom dengan
variabel acak. Variabel acak diisikan hingga 5 karena pengambilan acak setiap
replikasi dilakukan hanya 5 kali.

Gambar 4.5 Data Distribusi Diskrit (Binomial) dan Variabel Acak di Minitab

b. Klik calc → probability distribution → binomial

Gambar 4.6 Cara Menghitung Data Distribusi Diskrit Binomial

c. Pada kotak dialog binomial distribution pilih probability untuk mengetahui besarnya
probabilitas setiap variable acak. Isikan number of trial. Kemudian pilih input
column = x dan optional storage = probabilitas lalu klik OK
 Commented [F2]: Number of trial = 7 (replikasi)

Pada kolom number of trial diisikan jumlah replikasi,

sementara pada event probability merupakan …

Gambar 4.7 Kotak dialog Binomial Distribution

Dari data tersebut terdapat number of trials yaitu 7 replikasi dengan 35 kali
percobaan. Sedangkan event probability diperoleh dengan cara
banyaknya steker yang rusak 10 Commented [s3]: 10/30 dari mana?
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 = = = 0,33
𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑡𝑒𝑘𝑒𝑟 30

Gambar 4.9 Perhitungan Central Limit Theorem pada Binomial Distribution Commented [F4]: masukin CLT

Central Limit Theorem merupakan hubungan antara distribusi populasi dengan

bentuk distribusi sampling rata. Yang ditunjukkan dengan semakin banyaknya
sampel atau data maka sampel akan mendekati distribusi normal

4.2.2 Pengolahan data Distribusi Kontinu dengan Minitab

1. Membuat Histogram
a. Buka software Minitab 18.
b. Pada worksheet, isikan waktu, cdf, dan pdf pada kolom judul dan Isikan data waktu

c. Pada menu bar klik graph → histogram

 Gambar 4.10 Cara Pembuatan Histogram

d. Pada kotak dialog histograms pilih simple kemudian klik OK

Gambar 4.11 Cara Pembuatan Histogram

e. Pada kotak dialog histogram: simple, pilih waktu pada listbox dan klik OK

Gambar 4.12 Kotak Dialog Histogram: Simple

f. Hasil pengolahan data grafik yang menunjukkan histogram dari waktu.
 Gambar 4.13 Grafik Histogram dari Waktu

g. Klik 2 kali pada sumbu x, lalu akan muncul kotak dialog edit scale. Kemudian pilih
opsi binning.

Gambar 4.14 Kotak Dialog Edit Scale: Binning

h. Pada interval definition, ubah number of intervals sesuai dengan perhitungan teoritis.
Kemudian klik OK.
 Gambar 4.15 Kotak Dialog Edit Scale: Binning (Number of Intervals)

i. Hasil pengolahan data grafik yang menunjukkan waktu sesuai dengan interval yang
di-input-kan dengan perhitungan rumus sebagai berikut.
𝑅 𝐷𝑎𝑡𝑎 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟−𝐷𝑎𝑡𝑎 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙 28−10
𝑐=𝑘= 1+3,3 log 𝑛
= 1+3,3 log 35
= 2,953 = 3

Gambar 4.16 Grafik Histogram pada Waktu Sesuai dengan Interval

2. Menentukan Jenis Distribusi dan Probabilitas Kumulatif

a. Pada menu bar klik graph – probability plot

Gambar 4.17 Cara Menghitung Normal Distribution dengan Probability Plot

b. Pilih single lalu klik OK

Gambar 4.18 Kotak Dialog Probability Plots

c. Masukkan data waktu pada graph variables

Gambar 4.19 Kotak Dialog Probability Plot: Single

d. Klik distribution → pilih normal dan klik OK
 Gambar 4.20 Kotak Dialog Probability Plot: Distribution

e. Hasil pengolahan grafik Probability Plot pada waktu data Distribusi Normal Commented [s5]: hipotesisnya

Gambar 4.21 Grafik Probability Plot dari Waktu data Distribusi Normal Commented [s6]: hasil dijelaskan

Pada grafik Probability Plot of Waktu diatas menunjukan bahwa data

terdistribusi secara normal dengan P-value sebesar 0,177 diatas 0,005.

3. Menghitung Cumulative Distribution Function (CDF)

a. Pada menu bar klik calc → probability distributions → normal

Gambar 4.22 Cara Menghitung Data Distribusi Kontinu (Normal)

b. Pada kotak dialog normal distribution: Cumulative Probability (CDF), isikan rata-
rata pada textbox mean dan simpangan baku pada textbox standard deviation.
Kemudian pilih option input column dan klik textbox-nya dan kemudian pilih waktu
pada list box. Kemudian klik textbox optional storage dan kemudian pilih probabilitas
pada list box. Lalu klik OK Commented [s7]: CDF aja
Gambar 4.23 Kotak Dialog Normal Distribution: Cumulative Probability

Lalu akan muncul perhitungan Cumulative Distribution Function (CDF)

Tabel 4.3
Perhitungan CDF dari Data Waktu Commented [s8]: Untuk mencari CDF detik waktu ke-11
Waktu (s) CDF dapat dilakukan dengan interpolasi pada waktu ke-10 dan
ke – 12, dengan cara yaitu sebagai berikut….
10 0,076088
10 0,076088
10 0,076088
10 0,076088
12 0,164455
12 0,164455
13 0,227073
13 0,227073
13 0,227073
14 0,301278
14 0,301278
14 0,301278
14 0,301278
14 0,301278
15 0,384785
15 0,384785
15 0,384785
15 0,384785
16 0,474028
16 0,474028
16 0,474028
17 0,564600
17 0,564600
18 0,651892
19 0,731786
19 0,731786
19 0,731786
20 0,801227
20 0,801227
20 0,801227
 Tabel 4.3
Perhitungan CDF dari Data Waktu (Lanjutan)

Waktu (s) CDF

21 0,858545
22 0,903472
24 0,960556
25 0,976426
28 0,996189

4.3 Analisis dan Pembahasan

Analisis data adalah proses yang merinci usaha secara formal untuk menentukan tema
dan merumuskan hipotesis (ide) seperti yang disarankan dan sebagai usaha untuk memberikan
bantuan dan tema pada hipotesis (Taylor, 1975).
Berdasarkan hasil dari praktikum distribusi binomial dan distribusi normal yang telah
dilakukan, distribusi binomial menunjukkan probabilitas jumlah sukses dari setiap variabel
acak (x) yang terdiri dari percobaan yang berulang. Data yang diperlukan dalam distribusi
binomial adalah banyaknya peristiwa sukses (x), probabilitas peristiwa sukses (p), dan
banyaknya percobaan (n). Nilai probabilitas dan diagram distribusi binomial yang diperoleh
dari pengambilan acak steker yang terdiri dari steker berlabel N dan Y dimana steker berlabel
Y diumpamakan sebagai kejadian sukses dengan pengambilan 5 kali setiap replikasi dan
dilakukan sebanyak 7 replikasi yang diolah dengan menggunakan software MiniTab. Pada
distribusi binomial ini menggunakan bar chart dimana pada bar chart ini terdiri tally
(peristiwa sukses) pada percobaan tiap replikasi (sebanyak 7 replikasi), disini terlihat bahwa
peristiwa sukses pengambilan steker berlabel Y sebanyak 1 kali terjadi pada 2 replikasi,
peristiwa sukses pengambilan steker berlabel Y sebanyak 2 kali terjadi pada 5 replikasi, dan
peristiwa sukses pengambilan steker berlabel Y sebanyak 3 kali terjadi pada hanya 1 replikasi.
Berikut merupakan bar chart pada Tally peristiwa sukses pengambilan steker berlabel Y
sebanyak 7 kali replikasi.
 Setelah membuat bar chart, lalu menghitung probabilitas diskrit pada binomial dengan
menghitung probabilitas jumlah sukses (tally) pada 8 kali replikasi dari setiap variable acak
sebanyak 5 variabel acak. Pada perhitungan probabilitas diskrit ini dengan mengisikan jumlah
percobaan sebanyak 40 kali pengambilan karena setiap replikasi terdapat 5 kali kesempatan
pengambilan, lalu menghitung probabilitas jumlah peristiwa sukses. Berikut merupakan hasil
perhitungan probabilitas diskrit binomial.

Berdasarkan hasil dari praktikum distribusi binomial dan distribusi normal yang telah
dilakukan, distribusi normal menunjukkan probabilitas waktu dari setiap pengambilan acak
yang dilakukan secara berulang. Data yang diperlukan dalam distribusi normal adalah waktu
setiap pengambilan acak, interval antar data waktunya dan banyaknya percobaan. Nilai
probabilitas dan diagram distribusi normal yang diperoleh dari pengambilan acak steker yang
terdiri dari steker berlabel N dan Y dengan pengambilan 5 kali setiap replikasi dan dilakukan
sebanyak 8 replikasi yang diolah dengan menggunakan software MiniTab. Pada distribusi
normal ini menggunakan histogram dimana sebelum membuat histogram, menghitung
interval data waktunya. Diketahui data waktu terbesar yaitu 53 detik, data waktu terkecil yaitu
9 detik, dan banyaknya percobaan (n) sebanyak 40 karena setiap replikasi (sebanyak 8 kali
replikasi) terdapat 5 kali kesempatan pengambilan. Berikut merupakan perhitungan interval
data waktu.
𝑅 𝐷𝑎𝑡𝑎 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟−𝐷𝑎𝑡𝑎 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙 28−10
𝑐=𝑘= 1+3,3 log 𝑛
= 1+3,3 log 35
= 2.953 = 3

Pada histrogram ini terlihat bahwa data saat pengambilan steker dan membongkar
steker tidak konstan karena terdapat beberapa steker yang mudah dibongkar, namun juga
terdapat beberpa steker yang susah dibongkar dan membutuhkan waktu yang lebih lama
dalam pembongkaran. Pada histogram tersebut dapat dilihat bahwa hanya terdapat 1 data
waktu yang lama pengambilan dan membongkar steker dalam interval waktu pada 30 detik,
dan data waktu modus yaitu pada interval waktu 20 detik. Berikut merupakan histogram
waktu distribusi probabilitas normal.

Setelah membuat histogram, lalu menghitung probabilitas kontinu pada normal dengan
menghitung probabilitas waktu yang dibutuhkan tiap replikasi (7 replikasi) dengan
kesempatan pengambilan tiap replikasi sebanyak 5 kali pengambilan. Pada perhitungan
probabilitas kontinu ini dengan membuat probability plot-nya, lalu menghitung cumulative
distribution function (CDF) dan probability density function (PDF) berdasarkan data waktu
dan hasil grafik Probability Plot tersebut. Berikut merupakan Probability Plot dari data waktu
pengambilan dan pembongkaran steker.
 Berdasarkan grafik Probability Plot tersebut, dapat terlihat bahwa nilai P-Value lebih
dari 0,005 yaitu 0,177 yang membuktikan bahwa data terdistribusi secara normal.lalu dapat
dilanjutkan menghitung cumulative distribution function (CDF) Berikut merupakan hasil
cumulative distribution function (CDF)

Tabel 4.5
Data Hasil CDF Distribution Normal
Waktu (s) CDF
10 0,076088
10 0,076088
10 0,076088
10 0,076088
12 0,164455
12 0,164455
13 0,227073
13 0,227073
13 0,227073
14 0,301278
14 0,301278
14 0,301278
14 0,301278
14 0,301278
15 0,384785
15 0,384785
15 0,384785
15 0,384785
16 0,474028
16 0,474028
16 0,474028
 17 0,564600
17 0,564600
18 0,651892
19 0,731786
19 0,731786
19 0,731786
20 0,801227
20 0,801227
20 0,801227
21 0,858545
22 0,903472
24 0,960556
25 0,976426
28 0,996189

Untuk mencari CDF detik waktu ke-11 dapat dilakukan interpolasi pada waktu ke-10 dan ke –
12, dengan rumus :
𝐵1 1
𝑋11 = 𝐻10 − 𝑥 (𝐻1 − 𝐻2) = 0,07608 − (0,076088 − 0,164455) = 0,1202715
𝐵2 2
𝐵1 1
𝑋23 = 𝐻10 − 𝐵2
𝑥 (𝐻1 − 𝐻2) = 0,903472 − 2 (0,903472 − 0,960556) = 0,932014
𝐵1 2
𝑋26 = 𝐻10 − 𝐵2
𝑥 (𝐻1 − 𝐻2) = 0,976426 − 3 (0,976426 − 0,996189) = 0,9896013
𝐵1 1
𝑋27 = 𝐻10 − 𝑥 (𝐻1 − 𝐻2) = 0,9896013 − (0,9896013 − 0,996189) = 0,99289515
𝐵2 2

BAB V
PENUTUP

Pada bagian ini terdapat kesimpulan dan saran dari praktikum kerja bangku yang telah
kami lakukan.

5.1. Kesimpulan
 Berikut merupakan kesimpulan pada praktikum statistika deskriptif dan probabilitas.
1. Mampu mengolah data distribusi diskrit dan kontinu yang pada praktikum kali ini
merupakan distribusi binomial dan normal dan menyajikan data dalam bentuk Bar
Chart dan Histogram dengan menggunakan software Minitab
2. Hasil perhitungan data yang sudah kami lakukan menunjukan bahwa data terdistribusi
secara normal dengan p- value 0,241 yang menunjukan lebih dari 5% dan AD sebesar
0,431 yang menunjukan tidak terlalu besar.

5.2 Saran
Berikut merupakan kesimpulan pada praktikum statistika deskriptif dan probabilitas.
1. Harus mempersiapkan diri dan mental serta memahami materi sebelum melaksanakan
praktikum
2. Memperhatikan dan memahami arahan dari asisten dalam melaksanakan praktikum
3. Dalam pembagian tugas dan komunikasi dengan anggota kelompok dengan cara yang
baik agar tugas dapat dilaksanakan dengan benar dan dapat tepat waktu
4. Harus lebih teliti dalam menginput dan mengolah data
5. Dalam menerangkan software yang digunakan, seharusnya lebih rinci