Laporan Tai
Laporan Tai
PENDAHULUAN
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.
2.2. 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.
Apabila dapat digambarkan pada suatu bagan, jenis data yang dikumpulkan dalam
statistik dapat dilihat pada Gambar 2.1.
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
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
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.
2.8.3. 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.
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.
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)
Menjabarkan definisi dari f(x) ke segala lini memungkinkan kita untuk mendefinisikan
distribusi probabilitas kumulatif untuk semua bilangan real/nyata (Montgomery, 2003).
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
---------------------------------------------------------------------------------------------
Pengolahan Data
Selesai
e. Pada kotak dialog graph variables klik kolom yang akan diolah. Kemudian klik OK
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.
Gambar 4.5 Data Distribusi Diskrit (Binomial) dan Variabel Acak di Minitab
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)
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
e. Pada kotak dialog histogram: simple, pilih waktu pada listbox dan klik OK
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.
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
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
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
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