LAPORAN PRAKTIKUM

PERHITUNGAN STATISTIKA DESKRIPTIF DAN ILMU PELUANG

Diajukan sebagai tugas kelompok untuk memenuhi mata kuliah Statistika Industri II.
Dosen Pengampu : Fahriza Nurul Azizah, S.T., M.T.

Disusun oleh :
1. Rizal Fuziahrochman Yudasena 1810631140209
2. Eka Yulianty 1810631140210
3. Lugina Lestari 1810631140211
4. Dinda Febri Lestari 1810631140213

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS SINGAPERBANGSA KARAWANG
2019/2020
 BAB I
PENDAHULUAN

I.1 Landasan Teori

Statistik merupakan kumpulan data, bilangan maupun non bilangan angka
disusun dalam tabel dana tau diagram yang melukiskan atau menggambarkan
suatu persoalan. Statistika merupakan pengetahuan yang berhubungan dengan
cara-cara pengumpulan data, pengolahan atau penganalisaannya dan penarikan
kesimpulan berdasarkan kumpulan data dan penganalisaan yang dilakukan. (Sari
& Winarno, 2008)
Metode statistika terbagi ke dalam dua kelompok aAQbesar, yaitu
statistika deskriptif dan statistika inferensia. Statistika deskriptif adalah metode-
metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data
sehingga memberi informasi yang berguna. Adapun nilai-nilai statistika deskriptif
yang sering digunakan seperti mean, median, kuartil, simpangan rata, simpangan
baku, dan ragam. (Azizah, 2019) Sedangkan statistika inferensia adalah metode
yang berhubungan dengan analisis sebagian data untuk kemudian sampai pada
peramalan atau penarikan kesimpulan mengenai keseluruhan gugus data
induknya. (Sari & Winarno, 2008).

I.1.1 Ukuran Pemusatan

I.1.1.1 Mean atau Rerata
Mean atau Rerata merupakan jumlah rata-rata dari
seluruh data.
Rumus
n

x i
x i 1

xi = data ke i
n = banyaknya nilai data
I.1.1.2 Modus
Modus merupakan nilai data yang paling sering muncul
atau nilai data yang mempunyai frekuensi terbesar. (Azizah,
2019).

I.1.1.3 Median
Median merupakan nilai tengah dari kelompok data yang
telah diurutkan (membesar atau mengecil) . (Sari & Winarno,
2008) Median disebut juga sebagai kuartil kedua Q2. (Azizah,
2019).
Rumus :
Jika ukuran data n ganjil :
Median  x n 1
2

Jika ukuran data n genap :

1  
Median  x n  x n 
2  1 
 2 2 

I.1.1.4 Kuartil

x1 , x 2 , x 3 , x 4 , x 5 , x 6 , x 7 , x 8 , x 9 , x10 , x 11
  
Q1 Q2 Q3

Mencari kuartil dengan perhitungan cermat (teliti) :

i
Qi  n  1 contoh : 3,4,7,8,9,11,13,14
4

1 1
Q1  (8  1)  2 (data ke)
4 4
1 3
 4  (7  4)  4 (hasil)
4 4
2 1
Q2  (8  1)  4 (data ke)
4 2
1 1
 8  (9  8)  8 (hasil)
2 2
3 3
Q3  (8  1)  6 (data ke)
4 4
3 1
 11  (13  11)  12 (hasil)
4 2

I.1.1.5 Jangkauan
 Jangkauan merupakan selisih antar nilai maksimum dengan nilai
minimum. (Sari & Winarno, 2008)
J = Xmaks-Xmin
I.1.1.6 Jangkauan Antar Kuartil
Jangkauan antar kuartil disebut juga simpangan kuartil atau rentang
semi antar kuartil atau deviasi kuartil. (Sari & Winarno, 2008)
H = Q3-Q1

I.1.1.7 Simpangan Rata-Rata

Simpangan rata-rata merupakan jumlah nilai mutlak dari selisih
semua nilai dengan nilai rata-rata dibagi banyaknya data. (Sari &
Winarno, 2008)
n
 xi  x
i1
SR 
n 1
I.1.1.8 Ragam atau Variance
Ragam atau variance merupakan rata-rata kuadrat selisih atau
kuadrat simpangan dari semua nilai data terhadap rata-rata hitung. (Sari
& Winarno, 2008)
Rumus :
n
2
 (x i  x)
S2  i1

n 1
I.1.1.9 Simpangan Baku atau Standar Deviasi
Simpangan baku atau standar deviasi merupakan akar kuadrat dari
variansi sehingga nilainya seperti ditunjukkan peubah acak diskret. (Sari
& Winarno, 2008)
Rumus :
n
2
 (x i  x)
S  S2  i 1
n1
I.1.1.10 Koefisien Keragaman
Koefisien keragaman disebut juga koefisien variansi dengan
menggunakan ukuran dispersi relatif yang digunakan untuk mengukur
pengaruh demikian dan untuk membandingkan variasi nilai-nilai besar
dengan nilai-nilai kecil. (Sari & Winarno, 2008)
Rumus :
S
V  100%
x

I.1.1.11 Persentil
Persentil merupakan pembagi antar masing-masing data kelompok.
(Sari & Winarno, 2008)
Rumus :
i
Pi   ( n  1)
100

I.1.1.12 Skewness atau Kemiringan Distribusi Data

Kemiringan adalah ukuran atau derajat dari ketidaksimetrian
(asimetri) suatu kemiringan data. Ada beberapa cara yang digunakan
untuk menghitung derajat kemiringan distribusi data : (Sari & Winarno,
2008)
A. Rumus Pearson

Rumus tersebut dapat digunakan untuk data tidak berkelompok

maupun data berkelompok. Ada beberapa hal berkenaan dengan
nilai α :
1). Bila α = 0 atau mendekati nol maka dikatakan distribusi
data simetri.
2). Bila α < 0 maka dikatakan distribusi data miring ke kiri
3). Bila α > 0 maka dikatakan distribusi data miring ke kanan
4). Semakin jauh nilai α dari nol maka distribusi data akan
semakin miring. (Sari & Winarno, 2008)
B. Rumus Momen
Untuk data tidak berkelompok :

Untuk data berkelompok :

 C. Rumus Bowley

I.1.1.13 Kurtosis atau Keruncingan Distribusi Data

Keruncingan distribusi data adalah derajat atau ukuran tinggi
rendahnya puncak suatu distribusi data terhadap distribusi normalnya
data.

Untuk data tidak berkelompok :

Untuk data berkelompok :

I.2 Rumusan Masalah

I.2.1. Bagaimana melakukan pengumpulan data, penyajian data secara
tepat yang diperoleh dari suatu pengamatan atau penelitian?
I.2.2. Bagaimana melakukan perhitungan statistik deskriptif dari suatu
data tunggal maupun kelompok?
I.2.3. Bagaimana menganalisa hasil pengolahan data menjadi suatu
informasi statistik yang berguna?
I.2.4. Bagaimana menggunakan program Minitab untuk membantu
pengolahan data statistik?
I.3 Tujuan
I.3.1. Dapat melakukan pengumpulan data, penyajian data secara tepat
yang diperoleh dari suatu pengamatan atau penelitian.
I.3.2. Dapat melakukan perhitungan statistik deskriptif dari suatu data
tunggal maupun kelompok.
I.3.3. Dapat menganalisa hasil pengolahan data menjadi suatu informasi
statistik yang berguna.
I.3.4. Dapat menggunakan program Minitab untuk membantu
pengolahan data statistik.
 BAB II
PEMBAHASAN

II.1 Pengumpulan Data

Tabel 1. Pengumpulan Data Berat Badan Kelas F

51.5 59.5 61.9 55.8 74.8

48.5 54.5 100 55.6 48.5

52 44.4 53.8 54.1 53.6

70.4 76.3 49.8 83.1 52.2

54.2 55.7 53.9 56.5 69.3

70.1 66 66.6 62.4 60

44.3 50.8 47.1 48 46.6

II.2 43.4 49 52.4 44.5 52.0 Pengolahan
Data
II.2.1 85.7 Perhitungan
Data Tunggal
Diketahui berikut data-data berat badan anggota kelas F :

43.4 44.3 44.4 44.5 46.6

47.1 48 48.5 48.5 49

49.8 50.8 51.5 52 52.1

52.4 52.5 53.6 53.8 53.9

54.1 54.2 54.5 55.6 55.7

55.8 56.5 59.9 60 61.9

62.4 66 66.6 69.3 70.1

70.4 74.8 76.3 83.1 85.7

100

Ditanyakan :
 1. Mean
2. Median
3. Modus
4. Quartil 1, 2 dan 3
5. Jangkauan
6. Jangkauan antar kuartil
7. Simpangan rata-rata
8. Ragam atau varians
9. Simpangan baku atau standar deviasi
10. Koefisien keragaman
11. Presentil
12. Skewness
13. Kurtosis

Jawaban :

1. Mean :
n

x i
x i 1

= 51.5 + 59.9 + 61.9 + 55.8 + 74.8 + 48.5+ 54.5 + 100 + 55.6 + 48.5 + 52.1+
44.4 + 53.8 + 54.1 + 53.6 + 70.4 + 76.3 + 49.8 + 83.1 + 52.2 + 54.2 + 55.7+ 53.9
+ 56.5 + 69.3 + 70.1 + 66 + 66.6 + 62.4 + 60 + 44.3 + 50.8 + 47.1 + 48+ 46.6 +
43.4 + 49 + 52.4 + 44.5 + 52.0 + 85.7
41

= Data Frekuensi
54.2 1
54.4 1
= 58.03
55.6 1
Jadi, mean yang didapat dari data 55.7 1 berat badan
kelas F adalah 58,03. 55.8 1
56.5 1
2. Modus 59.9 1
60 1
61.9 1
62.4 1
66 1
66.6 1
69.3 1
70.1 1
70.4 1
74.8 1
76.3 1
83.1 1
85.7 1
100 1
 Jadi, berdasarkan data diatas yang memiliki frekuensi tertinggi adalah 48,5
dengan angka kemunculan sebanyak 2 kali.

3. Median

= 54.1

Jadi, median yang didapat dari data berat badan kelas F adalah 54,1.

4. Kuartil

43.4;44.3;44.4;44.5;46.6;47.1;48;48.5;48.5;49;49.8;50.8;51.5;52;52.1;52.2;52.
4;53.6;53.8;53.9;54.1;54.2;54.5;55.6;55.7;55.8;56.5;59.9;60;61.9;62.4;66;66.6
;69.3;70.1;70.4;74.8;76.3;83.1;85.7;100

a.
 b.

c.

5. Jangkauan

100 43.4

56.6

Jadi, jangkauan yang didapat dari data berat badan kelas F adalah 56.6.

6. Jangkauan Antar Kuartil

64.2
49.4
 14.8

Jadi, jangkauan antar kuartil yang didapat dari berat badan kelas F adalah
14.8.

7. Simpangan Rata-rata

n
 xi  x
i1
SR 
n1

9.7

Jadi, simpangan rata-rata yang didapat dari data berat badan kelas F adalah
9.69.

8. Ragam atau variance

 = 154.39

Jadi, ragam atau variance yang didapat dari data berat badan kelas F
adalah 154.39.

9. Simpangan baku atau standar deviasi

n
2
 (xi  x)
S  S2  i 1
n1

= 12.43
Jadi, simpangan baku atau standar deviasi yang didapat dari data
berat badan kelas F adalah 12.43.

10. Koefisien keragaman

S
V  100%
x

Jadi, koefisien keragaman yang didapat dari data berat badan kelas F
adalah 21%

11. Persentil

i
Pi   ( n  1)
100
5 50
P5   ( 41  1) P50   ( 41  1)
100 100
 0.05( 42)  0.5( 42)
 2.1  21
 95
P95   ( 41  1)
100
 0.95( 42)
 39.9
Jadi, dari data berat badan kelas F didapatkan bahwa persentil ke 5 adalah
2.1, persentil ke 50 adalah 21,dan persentil ke 95 adalah 39.9.

12. Skewness

  xi  x 
3
n
Skewness (a3)

S3

468.479929

Jadi, skewness yang didapat dari data

berat badan kelas F adalah 468.479929.

13. Kurtosis
   xi  x 
4
n
Kurtosis ( )

S4
4574882,902 41

12.434

= 4674.24

Jadi, kurtosis yang didapat dari data berat badan kelas F adalah 4674.24.

II.2.2 Perhitungan Data Kelompok

Diketahui berikut data-data berat badan anggota kelas F :
Berat Batas Nilai Batas Frekuensi Relatif
NO Frekuensi
Badan Bawah Tengah Atas (%)
1 41,0-50,0 40,95 45,50 50,05 11 26,82
2 51,0-60,0 50,95 55,50 60,05 18 43,90
3 61,0-70,0 60,95 65,50 70,05 5 12,19
4 71,0-80,0 70,95 75,50 80,05 4 9,75
5 81,0-90,0 80,95 85,50 90,05 2 4,87
6 91,0-100,0 90,95 95,50 100,05 1 2,43
Jumlah 41 100,00

Ditanyakan :

1. Mean
2. Median
3. Modus
4. Quartil 1, 2 dan 3
5. Jangkauan antar kuartil
6. Simpangan rata-rata
7. Ragam atau varians
8. Simpangan baku atau standar deviasi
9. Koefisien keragaman
10. Presentil
11. Skewness
12. Kurtosius

Jawaban :

NO Berat Badan Tepi Bawah Nilai Tengah Tepi Atas Frekuensi Frekuensi Relatif (%)
1 43,4-51,4 43,35 47,4 51,45 12 29,26
 2 51,5-59,5 51,45 55,5 59,55 15 36,58
3 59,6-67,6 59,55 63,6 67,65 6 14,63
4 67,7-75,7 67,65 71,7 75,75 4 9,75
5 75,8-83,8 75,75 79,8 83,85 2 4,87
6 83,9-91,9 83,85 87,9 91,95 1 2,43
7 92-100 91,95 96,00 100,05 1 2,43
Jumlah 41 100,00

Ditentukan banyak kelas :

Ditentukan Sebaran atau jangkauan :

Ditentukan Panjang kelas

1. Mean

Jadi rerata dari data kelompok tinggi badan mahasiswa kelas f yaitu 58,85

2. Median

Jadi Median atau nilai tengah dari data kelompok tinggi badan kelas f adalah
56,55.
 3. Modus

Jadi Nilai data yang paling sering muncul pada data tinggi badan kelas f
adalah 53,7.
4. Kuartil 1,2, dan 3

Jadi, Kuartil bawah dari data kelompok tinggi badan mahasiswa

kelas f adalah 51, 0375.

Jadi Kuartil tengah dari data kelompok tinggi badan kelas f adalah 56,55.
 Jadi nilai kuartil atas dari data kelompok tinggi badan mahasiswa TI 18 kelas f
adalah 65,175.

5. Jangkauan Antar Kuartil

Jadi,jangkauan antar kuartil dari data mahasiswa TI 18 kelas f adalah 13,1375.

6. Simpangan Rata-Rata

Jadi, nilai simpangan rerata dari data kelompok tinggi badan mahasiswa TI 18
kelas f adalah 9,3912.

7. Ragam atau Variance

Jadi ragam dari data kelompok mahasiwa TI 18 adalah 140,9815.

8. Simpangan Baku

Jadi, standar deviasi dari data kelompok mahasiswa TI 18 adalah 11,8735.

9. Koefisien Keragaman
 Jadi, koefisien keragaman dari data kelompok tinggi badan mahasiswa TI 18
kelas f adalah 20,17%.

10. Persentil

Jadi, nilai persentil ke-5 dari data kelompok tinggi badan mahasiswa TI 18
kelas f adalah 44,8875.

Jadi, nilai persentil ke-50 dari data kelompok tinggi badan mahasiswa TI
18 kelas f adalah 56,55.

Jadi, nilai persentil ke-95 dari data kelompok tinggi badan mahasiswa TI 18
kelas f adalah 84,525.

11. Skewness
 Jadi, nilai Skewness dari data kelompok tinggi badan mahasiswa TI 18 kelas f
adalah 4,052,318.4709.
12. Kurtosius

=841,614.8085

Jadi, nilai Skewness dari data kelompok tinggi badan mahasiswa TI 18 kelas f
adalah 841,614.8085.
II.2.3 Perhitungan Kaidah Bayes

Tabel 2. Pengumpulan Data Jenis-Jenis Kecacatan Pada

Pompa Air Untuk Bagian Casing
 Jenis Kecacatan
No. Produksi Lubang Luka Lain-
Retak
Kecil lain
1 211 8 1 8
2 234 14 6 3 7
3 400 24 5 10 8
4 533 9 4 2 1
5 300 36 6 4
6 311 30 5 6 3
7 477 35 3 9 3
8 212 23 3 9 1
9 444 20 9 2
10 270 11 5 3 2
11 511 22 8 5
12 254 19 2 9 2
13 436 16 4 7 3
14 545 18 2 6 5
15 456 16 4 8 4
16 333 10 3 8 4
17 234 30 7 1
18 594 23 2 7 2
19 250 23 6 7 1
20 222 20 7 2
21 549 20 3 8 2
22 224 18 1 8 4
23 555 22 3 8 4
24 395 32 7 4 1
25 448 18 2 5 3
26 543 32 8 8 3
27 360 28 5 8 4
28 480 17 6 10 3
29 522 24 4 4 2
30 501 19 10

Diketahui :

Jumlah produksi casing

Jumlah casing retak

Jumlah casing lubang kecil

Jumlah casing luka

 11804

637

100

210

a. Casing

0.080

0.054

0.009

0.017

(0.080)(0.054) + (0.080)(0.0090) + (0.080)(0.017)

0.019
Tabel 3. Pengumpulan Data Jenis-Jenis Kecacatan Pada
Pompa Air Untuk Bagian Dinamo

Jenis Kecacatan
No. Produksi Lubang Luka Lain-
Retak
Kecil lain
1 111 20 5 3 6
2 254 15 8 4 5
3 422 15 9 1 2
4 345 16 1 5 2
5 555 16 4 7 1
6 876 33 9 4 1
7 666 27 3 6 4
 8 466 21 3 5 5
9 777 38 3 10 1
10 521 23 1 15 3
11 801 32 6 3 4
12 705 30 2 14 4
13 370 25 8 5 4
14 409 19 8 3
15 831 29 6 5 9
16 384 21 2 6 1
17 789 21 2 11 1
18 888 19 10 8 2
19 347 14 4 4 6
20 489 30 3 4 9
21 741 33 4 2 5
22 636 37 8 4
23 697 36 2 1 6
24 538 27 3 2 1
25 372 25 2
26 763 15 4 1 1
27 389 24 5 1
28 355 28 3
29 765 30 2 5
30 532 22 3 8 1
Diketahui :

Jumlah dinamo cacat

Jumlah dinamo retak

Jumlah dinamo lubang kecil

Jumlah dinamo luka

1008

741

133

134

b. Dinamo
 0.06

0,04

0.0079

0.008

60.48

II.2.3.1 Perhitungan Kaidah Bayes untuk Cacat “Retak”

a). Casing Cacat Retak

0.000000366

b). Dinamo Cacat Retak

0.73

II.2.3.2 Perhitungan Kaidah Bayes untuk Cacat “Luka”

a). Casing Cacat Luka

0.00000115

b). Dinamo Cacat Luka

0.132

II.2.3.3 Perhitungan Kaidah Bayes untuk Cacat “ Lubang Kecil”

a). Casing Cacat Lubang Kecil
 0.000000061

b). Dinamo Cacat Lubang Kecil

0.131

II.3 Perhitungan Minitab

II.3.1 Langkah-Langkah
II.3.1.1 Langkah –langkah penggunaan Minitab pengolahan data
tunggal :
A. Buka aplikasi Minitab dengan melakukan double click pada
icon desktop.
B. Setelah aplikasi Minitab terbuka, buat nama variable, dalam
hal ini nama variable yang dibuat adalah Data Berat Badan
(Kg).
C. Selanjutnya adalah melakukan entri data sesuai dengan studi
kasus.
 D. Selanjut
nya klik

Stat – Basic Statistics – Display Deskriptif Statistics

kemudian masukan variables Data Berat Badan dengan
mengklik button Select, selanjutnya klik button Statistics
dan berikan centang pada analisis deskriptif sesuai
kebutuhkan lalu klik OK dua kali.
E. Sehingga muncul output seperti berikut.

II.3.1.2 Langkah-langkah penggunaan Minitab pada pembuatan

Histogram
A. Buka aplikasi Minitab dengan melakukan double click pada
icon desktop.
B. Setelah aplikasi Minitab terbuka, buat nama variable, dalam
hal ini nama variable yang dibuat adalah Data Berat Badan
(Kg).
C. Selanjutnya adalah melakukan entri data sesuai dengan studi
kasus.
D.

Selanjutnya klik Graph – Histogram – pilih histogram bentuk

Witch Fit kemudian klik OK.
E.

Kemudian masukan variables Data Berat Badan dengan

mengklik sebanyak dua kali, selanjutnya pilih OK untuk
menampilkan histogramnya.
 F. Sehingga muncul output seperti berikut.

II.3.1.3

Langkah-langkah penggunaan Minitab pada pembuatan Pie

Chart
A. Buka aplikasi Minitab dengan melakukan double click pada
icon desktop.
B. Setelah aplikasi Minitab terbuka, buat nama variable, dalam hal
ini nama variable yang dibuat adalah Data Berat Badan (Kg).

C. Selanjutnya
adalah melakukan entri data sesuai dengan studi kasus.

D. Selanjutnya klik Graph – Pie Chart – kemudian masukan

variables Data Berat Badan lalu klik OK dua kali.
E.
Sehingga muncul output seperti berikut.

II.3.1.4 Langkah-langkah penggunaan Minitab pada pembuatan

grafik skewness.
A. Buka aplikasi Minitab dengan melakukan double click pada
icon desktop.
B. Setelah aplikasi Minitab terbuka, buat nama variable, dalam hal
ini nama variable yang dibuat adalah Data Berat Badan (Kg).
C. Selanjutnya adalah melakukan entri data sesuai dengan studi
kasus.

D.
Selanjutnya klik Stat – Basic Statistics – Display Deskriptif
Statistics kemudian masukan variables Data Berat Badan
berikan centang pada analisis deskriptif berisi skewness OK
dua kali.

E.

Selanjutnya klik Graphs –

II.3.1.5 Langkah-langkah penggunaan Minitab pada pembuatan

grafik kurtosis.
A. Buka aplikasi Minitab dengan melakukan double click pada icon
desktop.
B. Setelah aplikasi Minitab terbuka, buat nama variable, dalam hal
ini nama variable yang dibuat adalah Data Berat Badan (Kg).
 C. Selanjutnya adalah melakukan entri data sesuai dengan studi
kasus.

D. Selanjutnya klik Stat – Basic Statistics – Display Deskriptif

Statistics kemudian masukan variables Data Berat Badan
berikan centang pada analisis deskriptif berisi skewness OK
dua kali.

E.

Selanjutnya klik Graphs –

Variable Mean StDev Variance Sum Minimum Q1 Median Q3

Data Berat Badan (Kg) 58.03 12.43 154.39 2379.30 43.40 49.40 54.10 64.20

II.3.2 Hasil Minitab

N for
Variable Maximum Range IQR Mode Mode Skewness Kurtosis
Data Berat Badan (Kg) 100.00 56.60 14.80 48.5 2 1.49 2.34
 Berdasarkan perhitungan penggunaan Minitab, hasil pengolahan
data tunggal adalah sebagai berikut :

a. Mean = 58.03
b. Standar Deviasi = 12.43
c. Variance = 154.39
d. Sum = 2379.30
e. Minimum = 43.40
f. Q1 = 49.40
g. Median = 54.10
h. Q3 = 64.20
i. Maksimum = 100
j. Range = 56.60
k. Skewness = 1.49
l. Kurtosis = 2.34
II.3.3 Grafik Minitab
II.3.3.1 Berdasarkan grafik yang diperoleh dari perhitungan
Minitab ditampilkan data histogram sebagai berikut :

Histogram of Data Berat Badan (Kg)

Normal
16 Mean 58.03
StDev 12.43
14 N 41

12
Frequency

10

0
32 48 64 80 96
Data Berat Badan (Kg)
Gambar. 2 : Histogram Berat Badan Kelas F

Jadi, hasil yang diperoleh dari histogram diatas sebanyak 41 data berat
badan kelas F diperoleh mean 58.03 dan standar deviasi 12.43.

II.3.3.2 Berdasarkan grafik yang diperoleh dari

perhitungan Minitab ditampilkan data pie chart
sebagai berikut :
 Pie Chart of Data Berat Badan (Kg)
Category
43.4
44.3
44.4
44.5
46.6
47.1
48.0
48.5
49.0
49.8
50.8
51.5
52.0
52.1
52.2
52.4
53.6
53.8
53.9
54.1
54.2
54.5
55.6
55.7
55.8
56.5
59.9
60.0
61.9
62.4
66.0
66.6
69.3
70.1
70.4
74.8

Jadi, hasil yangGambar.

diperoleh
2 : dari pie chart
Pie Chart Beratdiatas
Badansebanyak
Kelas F 41 data berat
badan kelas F diperoleh frekuensi yang didapat dari masing-masing data adalah
sebanyak satu kecuali data bernilai 48.5 yaitu memiliki angka kemunculan
sebanyak dua kali.

II.3.3.3 Berdasarkan grafik yang diperoleh dari

perhitungan Minitab ditampilkan hasil Skewness
sebagai berikut :

Histogram of Data Berat Badan (Kg)

Normal
12 Mean 58.03
StDev 12.43
N 41
10

8
Frequency

Jadi, hasil yang diperoleh

0
32 48 64 80 96
Data Berat Badan (Kg)
dari grafik skewness diatasGambar. 3 : Skewness Berat Badan Kelas F
sebanyak 41 data berat badan kelas F diperoleh hasil yang melenceng kekiri.

II.3.3.4 Berdasarkan grafik yang diperoleh dari

perhitungan Minitab ditampilkan hasil Kurtosis
sebagai berikut :

Kurtosis
Normal, Mean=58.03, StDev=12.43
0.035

0.030

0.025

0.020
Density

0.015

0.010

0.005

0.000
20 30 40 50 60 70 80 90 100
X
 Jadi, hasil yang diperoleh dari grafik kurtosis diatas sebanyak 41 data berat
badan kelas F diperoleh hasil 2,34.

II.4 Analisis
II.4.1 Hasil Pehitungan Data Tunggal dan Data Kelompok
II.4.1.1 Hasil Perhitungan Data Tunggal
1. Mean
2. Median
3. Modus Gambar. 4 : Kurtosis Berat Badan Kelas F
4. Quartil 1, 2 dan 3
5. Jangkauan
6. Jangkauan antar kuartil
7. Simpangan rata-rata
8. Ragam atau varians
9. Simpangan baku atau standar deviasi
10. Koefisien keragaman
11. Presentil
12. Skewness
13. Kurtosis

II.4.1.2 Hasil Perhitungan Data Kelompok

1. Mean
2. Median
3. Modus
4. Quartil 1, 2 dan 3
5. Jangkauan antar kuartil
6. Simpangan rata-rata
7. Ragam atau varians
8. Simpangan baku atau standar deviasi
9. Koefisien keragaman
10. Presentil
11. Skewness
12. Kurtosis
II.4.2 Perbedaan Data Tunggal dan Data Kelompok
II.4.3 Grafik Skewness dan Kurtosis
II.4.4 Perhitungan Hasil Perhitungan Manual dan Minitab
 BAB III
PENUTUP

III.1 Kesimpulan

III.2 Saran
Meskipun laporan ini jauh dari kata sempurna semoga dapat dijadikan
sebagai bahan pembelajaran maupun referensi bagi yang berkaitan dengan
statistika deskriptif dan ilmu peluang.
 DAFTAR PUSTAKA

Azizah, F. N. (2019). Modul Statistika Industri II. Karawang: Fakultas Teknik

Universitas Singaperbangsa Karawang.

Sari, R. P., & Winarno. (2008). Diktat Statistika Industri 1. Karawang: Fakultas
Teknik Universitas Singaperbangsa Karawang.