LABORATORIUM STATISTIK DAN OPTIMASI INSDUSTRI

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR

LAPORAN RESMI
MODUL I
STATISTIK DESKRIPTIF

I. Pendahuluan
A. Latar Belakang
Pengolahan informasi statistik mempunyai sejarah jauh ke belakang sejak
awal peradapan manusia. Pada awal zaman masehi, bangsa-bangsa
mengumpulkan data statistik untuk mendapatkan informasi deskriptif mengenai
banyak hal, misalnya pajak, perang, hasil pertanian, dan bahkan pertandingan
atletik. Pada masa kini dengan berkembangnya teori peluang kita dapat
menggunakan berbagai metode statistik yang memungkinkan kita meneropong
jauh di luar data yang kita kumpulkan dan masuk kedalam wilayah pengambilan
keputusan melalui generalisasi dan peramalan.
Dalam kehidupan sehari-hari, terdapat banyak data yang dapat
menginformasikan sesuatu. Data-data tersebut hanya akan berakhir sebagai data
saja, apabila tidak diolah terlebih dahulu. Ilmu statistik berperan mengumpulkan,
mengolah hingga mengambil kesimpulan dari suatu data. Ada dua bagian dari
statistik yang akan mengolah data tersebut, yaitu statistik deskriptif dan statistik
inferensia. Kedua bagian tersebut memiliki peranan masing-masing dalam hal
pengumpulan data hingga pengambilan kesimpulannya. Statistik deskriptif yang
bertugas mengolah dan menyajikan data, sedangkan statistik inferensia lebih
terfokus pada proses uji analisa hingga pengambilan keputusan.
Kemampuan mengolah dan menyajikan data sangat dibutuhkan sebagai
langkah awal dalam mempelajari ilmu statistik, karena dari penyajian data
tersebutlah akan didapatkan informasi yang lebih jelas sehingga dapat dilakukan
penganalisaan lebih lanjut. Pembuatan laporan ini ditujukan untuk mengasah
kompetensi mahasiswa dalam hal statistik deskriptif, mulai dari penghitungan
ukuran pemusatan data, penyebaran data .
B. Rumusan Masalah
Rumusan masalah yang digunakan dalam praktikum dan penyusunan
laporan ini adalah :
“Bagaimana menggambarkan data statistik deskriptif dari data yang telah
diperoleh?”
C. Tujuan Praktikum
Adapun tujuan dari praktikum adalah :
1. Memberikan gambaran tentang suatu data yang baik data kualitatif dan data
kuantitatif, seperti : rata-rata, standart deviasi, varians, melihat data yang
menyimpang, dan sebagainya.
2. Menggambarkan data dalam berbagai ukuran pusatnya, seperti : mean,
median, persentil, dan lain sebagainya.
D. Batasan Masalah
Batasan masalah yang digunakan dalam praktikum dan penyusunan laporan
ini adalah:
1. Pengolahan data hanya bersifat penggambaran kondisi suatu data.
2. Data yang dianalisa sasuai banyak dan kriteria data.
3. Jumlah data yang dianalisa ataupun diolah disesuaikan dengan banyak data
yang diambil.
E. Asumsi-asumsi
Asumsi-asumsi yang digunakan dalam praktikum dan penyusun laporan ini
adalah:
1. Sample data yang diambil sudah mewakili populasi dari data.
2. Data yang diambil sesuai dengan kenyataan di lapangan.
3. Data yang diolah sesuai dengan kenyataan di lapangan .
F. Manfaat Praktikum
Dalam praktikum statistika industri ini dalam hal memecahkan persoalan
statistika deskriptif dan statistika frekuensi mempunyai beberapa manfaat antara
lain :
1. Mahasiswa dapat memberikan gambaran tentang suatu data baik data
kualitatif maupun kuantitatif, seperti: rata-rata, standar deviasi, varians,
melihat data yang menyimpang, dan sebagainya.
2. Mahasiswa mampu menggambarkan data dalam berbagai ukuran pusatnya,
seperti : mean, median, persentil, dan lain sebagainya.
3. Mahasiswa mampu mengaplikasikan statistik deskriptif dalam kegiatan
sehari-hari

II. Tinjauan Pustaka

A. Pengertian Statistik
Statistik merupakan sekumpulan angka yang digunakan atau dimanfaatkan
dalam menerangkan sesuatu baik itu angka acak ataupun angka tersusun dalam
suatu daftar grafik. atau Pengertian statistik lainnya adalah, statistik merupakan
sebuah sekumpulan cara serta aturan mengenai pengumpulan, penganalisaan,
pengolahan dan juga penafsiran data dari angka-angka. Statistik ialah sekumpulan
angka yang menerangkan dan menjelasaknan sifat data juga hasil pengamatan.
Dibawah ini merupakan pengertian statistik menurut para ahli
Pengertian Statistik Menurut Para Ahli
1. Croxton dan Cowden
Statistik ialah sebuah metode untuk/dalam mengumpulkan, mengelola,
menyajikan serta juga menginterpretasikan data yang berwujud angka.
2. Anderson Dan Bancroft
Statistik merupakan pham ilmu dan seni perkembangan serta juga metode
yang paling efektif dalam pengumpulan,pentabulasian serta dan juga
penginterpretasikan data kuantitatif sedemikian rupa, sehingga akan dapat
memungkinkan kesalahan dalam kesimpulan serta juga estimasi dapat
diperkirakan dengan penggunaan penalaran induktif yang dengan didasarkan pada
matematik probailitas (peluang).
3. Prof. Dr. Sudjana, M.A., M.Sc.
Statistik merupakan sebuah ilmu pengetahuan yang berhubungan dengan
cara-cara pengumpulan suatu data, pengolahan data penganalisisan data, serta juga
penarikan kesimpulan dengan berdasarkan kumpulan data tentu juga
penganalisasan yang dilakukan.
4. Steel dan Torrie
Statistik merupakan suatu metode yang memberikan cara -cara atau
langkah-langkah untuk menilai ketidaktentuan dari penarikan kesimpulan yang
bersifat induktif.
5. Drs. Djawanto
Menurut Drs. Djawanto,Statistik merupakan suatu kumpulan angka-
angkayang berhubungan dengan melukiskan sebuah persoalan.
6. J. Supranto
Mengemukan pengertian statistika kedalam 2 kelompok yakni :
(a). Dalam arti sempit, Statistik merupakan suatu data ringkasan yang
berbentuk (kuantitatif).
(b). Dalam arti luas, Statistik merupakan paham ilmu yang mempejari
bagaimana cara pengumpulan , penyajian , dan juga analisa data , juga
pengambilan kesimpulan dengan secara umum dengan berdasarkan hasil
dari penelitian yang menyeluruh.
B. Pengertian Statistik Deskriptif
Statistik deskriptif adalah metode-metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi
yang berguna (Walpole, 2). Contoh statistik deskriptif yang sering muncul adalah
tabel, diagram, dan grafik.
Statistika deskriptif adalah bagian dari ilmu statistika yang hanya mengolah,
menyajikan data tanpa mengambil keputusan untuk populasi. Dengan kata lain
hanya melihat gambaran secara umum dari data yang didapatkan.Statistika adalah
ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,menganalisis,
menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalahilmu
yang berkenaan dengan data.Iqbal Hasan (2004:185) menjelaskan : Analisis
deskriptif adalah merupakan bentuk analisis data penelitian untuk menguji
generalisasi hasil penelitian berdasarkan satusample. Analisa deskriptif ini
dilakukan dengan pengujian hipotesis deskriptif. Hasil analisisnya adalah apakah
hipotesis penelitian dapat digeneralisasikan atau tidak. Jika hipotesis nol (H0)
diterima, berarti hasil penelitian dapat digeneralisasikan.
 Analisis deskriptif ini menggunakan satu variable atau lebih tapi bersifat
mandiri, oleh karena ituanalisis ini tidak berbentuk perbandingan atau
hubungan.Iqbal Hasan (2001:7) menjelaskan : Statistik deskriptif atau statistic
deduktif adalah bagian dari statistic mempelajari cara pengumpulan data dan
penyajian data sehinggamuda dipahami. Statistic deskriptif hanya berhubungan
dengan hal menguraikan ataumemberikan keterangan-keterangan mengenai suatu
data atau keadaan atau fenomena.Dengan kata statistic deskriptif berfungsi
menerangkan keadaan, gejala, atau persoalan. Penarikan kesimpulan pada statistic
deskriptif (jika ada) hanya ditujukan pada kumpulandata yang ada.
Didasarkan pada ruang lingkup bahasannya statistik deskriptif mencakup :
1. Distribusi frekuensi beserta bagian-bagiannya seperti :
a) Grafik distibusi (histogram, poligon frekuensi, dan ogif);
b) Ukuran nilai pusat (rata-rata, median, modus, kuartil dansebagainya);
c) Ukuran dispersi (jangkauan, simpangan rata-rata, variasi,
simpangan baku, dan sebagianya);
d) Kemencengan dan keruncingan kurva
2. Angka indeks
3. Times series/deret waktu atau berkala
4. Korelasi dan regresi sederhana
Bambang Suryoatmono (2004:18) menyatakan Statistika Deskriptif adalah
statistika yangmenggunakan data pada suatu kelompok untuk menjelaskan atau
menarik kesimpulan mengenai kelompok itu saja
• Ukuran Lokasi: mode, mean, median
• Ukuran Variabilitas: varians, deviasi standar, range
Ukuran Bentuk: skewness, kurtosis, plot boks Pangestu Subagyo (2003:1)
menyatakan bahwa yang dimaksud sebagai statistika deskriptif adalah bagian
statistika mengenai pengumpulan data, penyajian, penentuan nilai-nilaistatistika,
pembuatan diagramatau gambar mengenai sesuatu hal, disini data yang disajikan
dalam bentuk yang lebih mudah dipahami atau dibaca.
Sudjana (1996:7) menjelaskan : Fase statistika dimana hanya berusaha
melukiskan ataumengalisa kelompok yang diberikan tanpa membuat atau menarik
kesimpulan tentang populasi atau kelompok yang lebih besar dinamakan statistika
deskriptif. Statistik Deskriptif dapat dinyatakan dengan frekuensi, mode, dan
keragaman (variability)
Ukuran lokasi adalah suatu ukuran sepanjang garis horizontal yang
letaknya ditengah distribusi data. Ukuran lokasi sekumpulan data adalah nilai
representatif bagi keseluruhan nilai data atau dapat menggambarkan distribusi
data itu, khusunya dalam hal letaknya (lokasinya).
1. Mean (Rata-rata)
Mean adalah nilai rata-rata dari beberapa buah data. Mean merupakan suatu
ukuran pemusatan data. Mean tidak dapat digunakan sebagai ukuran pemusatan
untuk jenis data nominal dan ordinal. Mean dirumusk/an menjadi:
a) Mean dari data tunggal
Σ𝑥𝑖
𝜒̅ =
𝑛
Sumber: Montgomerry (2011:192)
Dengan:
xi = nilai tengah kelas ke-i n = banyak data
b) Mean dari data kelompok
Σ𝑓𝑖 𝑥𝑖
𝜒̅ = Σ𝑓𝑖

(Sumber: Montgomerry (2011:193)

Dengan:
fi = frekuensi kelas ke-i
2. Median (Nilai tengah)
Median adalah bilangan yang ditengah-tengah setelah bilangan-bilangan itu
diurutkan dari yang terkecil sampai yang terbesar. Median dilambangkan dengan
notasi Me. Median dirumuskan dalam persamaan:
a) Data yang belum dikelompokkan
(1) Untuk Me jika n ganjil maka:
𝑀𝑒 = (𝑛 + 1)/2
Sumber: Montgomerry.2011
(2) Untuk Me jika n genap maka:
𝑀𝑒 = 1⁄2 (𝑋𝑛⁄2 + 𝑋𝑛⁄2+1 )
Sumber: Montgomerry.2011
b) Data yang dikelompokkan
𝑛
− (Σ𝑓𝑖 )
Median = 𝐿1 + [ 2
] ×𝑐
𝑓𝑚𝑒𝑑

Sumber: Akhmad Fauzy (2008:40)

Dengan:
Me = median
N = banyaknya observasi
LB = Lower Boundary (tepi bawah kelas median)
fkum<= frekuensi kumulatif kurang dari kelas median
fmedian= frekuensi kelas median
3. Modus
Modus adalah bilangan yang paling sering muncul atau nilai yang memiliki
frekuensi terbanyak. Modus dilambangkan dengan notasi Mo. Modus digolongkan
menjadi:
a) Data yang belum dikelompokkan
Modus dari data yang belum dikelompokkan adalah ukuran yang memiliki
frekuensi tertinggi.
b) Data yang telah dikelompokkan
Modus dari data yang telah dikelompokkan dihitung dengan rums:
𝑏1
𝑀𝑜 = 𝐿 + 𝑖 𝑏1 + 𝑏2

Sumber: Akhmad Fauzy, (2008:32)

Dengan:
M = Modus
L = tepi bawah kelas yang memiliki frekuensi tertinggu (kelas modus)
i = interval kelas
b1 = frekuensi kelas modus dikurangi kelas interval terdekat sebelumnya.
b2 = frekuensi kelas modus dikurangi kelas interval terdekat sesudahnya.
4. Kuartil
Kuartil adalah titik atau skor atau nilai yang telah diurutkan yang membagi
seluruh distribusi frekuensi kedalam empat bagian yang sama besar, yaitu masing-
1 1
masing sebesar14 N. Kuartil ada tiga yaitu kuartil pertama (4), kuartil kedua (2), dan
3
kuartil ketiga ( ). Ketiga kuartil inilah yang membagi seluruh distribusi frekuensi
4
dari data yang diselidiki menjadi empat bagian yang sama besar.
5. Desil
Desil adalah nilai-nilai observasi yang membagi data menjadi 10bagian
yang sama.
6. Persentil
Merupakan himpunan data dimana jumlah observasinya lebih besar atau
sama dengan 100, dapat ditentukan 99 nilai yang membagi himpunan data
tersebut menjadi 100 bagian sama besar. Nilai-nilai tersebut disebut sebagai
persentil, mulai dari persentil pertama (P1) sampai dengan persentil (P99).
Artinya setiap bagian memiliki jumlah observasi yang sama sedemikian rupa
sehingga 1% observasi sama atau lebih kecil dari p1, 2% observasi sama dengan
atau lebih kecil dari p2, dst.
C. Manfaat Statistik Deskritip
Dibawah ini merupakan manfaat dan peran dari statistika, diantaranya ialah
sebagai berikut :
1. Dalam kehidupan sehari-hari, statistik tersebut berperan ialah sebagai
penyedia bahan atau juga keteranagn dari berbagai hal untuk diolah serta
juga ditafsirkan.
2. Dalam penelitian ilmiah, Statistik tersebut dapat berperan ialah sebagai
penyedia alat untuk dapata mengemukakan atau pun menemukan kembali
keterangan yang seolah tersembunyi dalam angka.
3. Dalam ilmu pengetahuan, statistik tersebut berperan ialah sebagai peralatan
analisis juga interprasi diri data kuantitatif ilmu pengetahuan sehingga akan
dapat disimpulkan data itu.
Fungsi Statistik :
Terdapat 2 fungsi Statistika secara umum antara lain:
a). Fungsi deskriptif
Fungsi deskriptif statistik ialah fungsi statistik untuk daoat memahami data,
mendiskripsikan data, menerangkan data, peristiwa , yang dikumpulkan didalam
suatu penelitian, penyelidikan, serta tidak sampai pada generalisasi atau
pengambilan kesimpulan tentang populasi yang diselidiki.
b). Fungsi inferensial
 Fungsi inferensial statistik ialah suatu fungsi statistik untuk dapat
meramalkan serta juga mengontrol mengenai keseluruhan atau populasi dengan
berdasarkan data atau gejala serta juga peristiwa yang terdapat dalam suatu
penelitian, karena itu bagian ini dimulai dengan adanya suuatu ekstimasi,
hipotesis.
D. Dasar Teori Model
Penggunaan model statistik di bidang penelitian atau penyelidikan ilmiah
sudah dirintis sejak tahun 1880-an, ketika F. Galton pertama kali menggunakan
korelasi dalam penyelidikan ilmu hayat. Saat itu, penggunaan model statistik
dalam penyelidikan biologi maupun ilmu sosial tidak dapat dikatakan lazim.
Bahkan pada akhir abad ke-19, kecaman-kecaman acap kali dilontarkan pada Karl
Pearson yang mempelajari penggunaan model statistik dalam berbagai
penyelidikan biologi maupun pemecahan persoalan yang bersifat sosio-ekonomis.
Model statistik merupakan bidang pengetahuan yang sedang mengalami
pertumbuhan yang pesat. Metodenya berkembang sejajar dengan penemuan-
penemuan penting oleh para matematisi dan statistisi guna menjawab persoalan-
persoalan yang diajukan oleh para peneliti ilmiah. Selain dari ilmu hayat sendiri,
ilmu pengetahuan tersebut boleh dikatakan telah mempengaruhi setiap aspek
kehidupan manusia modern.
Secara garis besar, terdapat empat jenis bangunan model dalam satatistik.:
a) Model Grafiti,
Model ini menekankan kepada behavior orang dalam mendatangi sebuah
lokasi penelitian. Faktor utama yang dipertimbangkan adalah faktor jarak. Model
grafiti ini memodelkannya dalam bentuk persamaan probabilitas.
b) Model Diagram Flaw,
Model ini menggunakan notasi-notasi untuk menggambarkan arus dari
datapada suatu sistem, yang penggunaannya sangat membantu untuk memahami
sistem secara logika, tersruktur dan jelas.
c) Model Transformasi,
Model ini merupakan bagian penting dalam analisis data statistik. Karena,
melalui model ini, para pengguna statistik dapat memahami tujuan penelitiannya,
dalam hal ini memberikan suatu model alternatif yang dapat memberikan lebih
sukses keperluan peramalan daripada menggunakan analisis regresi linier.
d) Model Abstraksi,
Model ini merupakan intisari konsep statistika, yaitu; menghilangkan
kebergantungannya pada objek-objek dunia nyata yang pada mulanya mungkin
saling terkait, dan memperumumnya sehingga ia memiliki terapan-terapan yang
lebih luas atau bersesuaian dengan penjelasan abstrak lain untuk gejala yang
setara.
Jenis-jenis model berdasarkan penggunaannya dibagi menjadi tiga, yaitu;
a) Model ikonik,
Adalah penggunaan model yang menirukan sistem aslinya, tetapi dalam
suatu skala tertentu. Seperti; model pesawat,
b) Model analog,
Adalah penggunaan model yang menirukan sistem aslinya dengan hanya
mengambil beberapa karakteristik utama perti; aliran lalu lintas di jalan,
dianalogkan dengan aliran air dalam sistem pipa,
c) Model simbolis,
Adalah penggunaan model yang menggambarkan sistem yang ditinjau
dengan simbol-simbol, biasanya dengan simbol-simbol matematik. Dalam hal ini,
sistem diwakili oleh variabel-variabel dari karakteristik sistem yang ditinjau.
E. MiniTab 16
1. Pengertian Minitab
Minitab adalah program komputer yang dirancang untuk melakukan
pengolahan statistik. Minitab mengkombinasikan kemudahan penggunaan
layaknya Microsoft Excel dengan kemampuannya melakukan analisis statistik
yang kompleks. Minitab dikembangkan di Pennsylvania State University oleh
periset Barbara F. Ryan, Thomas A. Ryan, Jr., dan Brian L. Joiner pada tahun
1972. Minitab memulai versi ringannya OMNITAB, sebuah program analisis
statistik oleh NIST.
Paket program Minitab merupakan salah satu software yang sangat besar
kontribusinya sebagai media pengolahan data statistik. Software ini menyediakan
berbagai jenis perintah yang memungkinkan proses pemasukan data, manipulasi
data, pembuatan grafik dan berbagai analisis statistik. Minitab mempunyai dua
layar primer, yaitu Worksheet (lembar kerja) untuk melihat dan mengedit lembar
kerja, serta sesi Command yang merupakan layar untuk menampilkan hasil.
Perintah-perintah Minitab dapat diakses melalui menu, kotak dialog maupun
perintah interaktif.
Minitab didistribusikan oleh Minitab Inc, sebuah perusahaan swasta yang
bermarkas di State College, Pennsylvania, dengan kantor cabang di Coventry,
Inggris (Minitab Ltd.) Paris, Perancis (Minitab SARL) dan Sydney, Australia
(Minitab Pty.).. Sekarang Minitab seringkali digunakan dalam implementasi Six
Sigma, CMMI serta metode perbaikan proses yang berbasis statistika lainnya.
Minitab 16, versi terbaru perangkat lunak ini, tersedia dalam tujuh bahasa:
Inggris, Perancis, Jerman, Jepang, Korea, Mandarin, dan Spanyol. Minitab Inc.
juga membuat perangkat lunak sebagai pelengkap Minitab 16. Quality Trainer;
sebuah paket eLearning mengajarkan metode statistic dan konsep dalam konteks
perbaikan kualitas yang terintegrasi dengan Minitab 16 dan Quality Companion 3,
sebuah perangkat lunak untuk mengelola projek Six Sigma dan Lean
Manufacturing yang memungkinkan data Minitab di kombinasikan dengan dan
manajemen proyek.
2. Kegunaan Minitab
Minitab memberikan beberapa keunggulan dalam mengolah data, dibagi ke
dalam dua bagian, yaitu keunggulan dari segi manfaat minitab dan keunggulan
dari segi aplikasi minitab.
a. Keunggulan dari Segi Manfaat Minitab
1) Minitab memiliki keunggulan dari pengolahan data stasistik khususnya
Analysis of Variance (ANOVA), desain eksperimen, analisis multivariat,
peramalan, Analisis time series, Statistical process control, Analisis data
kualitatif, Analisis nonparametrik, Analisis reliabilitas dan lain-lain.
2) Memberikan fasilitas membuat grafik statistik secara mudah dan
menampilkannya dalam bentuk lebih menarik, informatif, dan sekaligus
menceritakan probabilitas.
b. Keunggulan dari Segi Aplikasi Minitab
1) Minitab menyediakan StatGuide yang menjelaskan cara melakukan
interpretasi table dan grafik statistika yang dihasilkan oleh Minitab dengan
cara yang mudah dipahami.
2) Minitab memiliki ukuran worksheet dinamis dan memuat kolom sampai
4.000.
3) Minitab memiliki dua layar primer yaitu Worksheet (lembar kerja) dan sesi
command (layar untuk menampilkan hasil).
4) Tampilan menu di Minitab, lebih lengkap dan disertai toolbar-toolbar
sehingga akan memudahkan anda dalam menjalankan perintah.
5) nMempunyai file Minitab Worksheet (MTW) dan Minitab Project (MPJ)
yang digunakan untuk membedakan file worksheet dan file project.
6) Minitab menyediakan ReportPad agar mudah membuat laporan project yang
telah dibuat.
7) Minitab memberikan kebebasan pada anda dalam membuat nama yang
panjang pada file tanpa harus menyingkat nama file.

III. Pengumpulan Data

A. Identifikasi Variabel
1. Variabel Terikat
Variabel terikat adalah variabel yang perubahannya dipengaruhi
oleh variabel lain, dalam hal ini variabel terikatnya adalah penjualan kaos kaki.
2. Variabel bebas
Variabel bebas adalah variabel yang mempengaruhi variabel terikat. Adapun
variabel yang berpengaruhi dalam hal ini adalah penjualan unit kaos kaki.
B. Soal Laporan Resmi
Dari hasil penjualan kaos kaki PT.Kanan Kiri dalam 3 bulan terakhir
dapat dilihat sebagai berikut :
 Tabel 1.1 Hasil penjualan kaos kaki
April Mei June
52 68 65
63 59 69
75 71 82
52 68 78
73 69 70
65 51 71
50 55 87
78 83 77
75 80 67
75 80 68
85 90 98
81 86 86
83 90 88
52 67 52
60 65 55
69 64 74
81 76 86
85 80 85
80 84 82
86 80 80
68 82 54
68 82 75
76 80 75
96 85 86
65 64 66
63 62 87
77 76 69
92 81 76
80 89 88
84 83 50

Dalam data yang tersedia diatas, maka tentukanlah:

a. Mean e. Range
b .Median f. Kuartil 1
c. Modus g. Kuartil 3
d. Standart deviasi h. SE Mean

IV. Pengumpulan data

1. Tabel awal
 Tabel 1.2 Sebelum dikurangi/ditambah
April Mei June
52 68 65
63 59 69
75 71 82
52 68 78
73 69 70
65 51 71
50 55 87
78 83 77
75 80 67
75 80 68
85 90 98
81 86 86
83 90 88
52 67 52
60 65 55
69 64 74
81 76 86
85 80 85
80 84 82
86 80 80
68 82 54
68 82 75
76 80 75
96 85 86
65 64 66
63 62 87
77 76 69
92 81 76
80 89 88
84 83 50

2. Tabel akhir
Tabel 1.3 Tabel akhir
April Mei Juni
47 63 60
58 54 64
70 66 77
47 63 73
68 64 65
60 46 66
45 50 82
73 78 72
70 75 62
 70 75 63
80 85 93
76 81 81
78 85 83
47 62 47
55 60 50
64 59 69
76 71 81
80 75 80
75 79 77
81 75 75
63 77 49
63 77 70
71 75 70
91 80 81
60 59 61
58 57 82
72 71 64
87 76 71
75 84 83
79 78 45

V. Pengolahan Data
A. Perhitungan Manual
1. Bulan April
Tabel 1.4 Data bulan April
April
47 45 78 75 60
58 73 47 81 58
70 70 55 63 72
47 70 64 63 87
68 80 76 71 75
60 76 80 91 79

 Mean
Σ𝑥𝑖
𝜒̅ =
𝑛
= 2039/30 = 67,96
Jadi, jumlah rata – rata dari 30 data yang dihasilkan pada bulan april adalah
sebesar 67,96
 Median
1 30 30
((𝑥 ) + ( + 1) 𝑥
2 2 2
1
(𝑥15 + 𝑥16)
2
1
(70 + 70) = 70
2
Jadi, median dari 30 data yang dihasilkan di bulan april adalah sebesar 70
 Modus
Modus = nilai yang sering muncul= 47 dan 70
Jadi, nilai yang paling banyak muncul dari 30 data yang dihasilkan
pada bulan april adalah nilai / angka 47 dan 70 sebanyak tiga kali kemunculan
 Standard deviasi

(𝑥𝑖− x )2
√∑ 3558,15
=√ = 11,07
𝑛−1 29

Jadi nilai standard deviasi Bulan April adalah 11,07

 Range
Range = Nilai Max – Nilai Min
Range = 91 – 45 = 46
Jadi, selisih antara nilai terbesar dan nilai terkecil dari 30 data pada bulan
April adalah 46.
 SE Mean
𝑠 11,07
= = 2,02
√𝑛 √30

 Kuartil 1
30 + 2
𝑥( ) = 𝑥8 = 47
4
Jadi, Kuartil 1 dari 30 data yang dihasilkan pada bulan april adalah berada di
data x8= 47
 Kuartil3
3.30+2
𝑥( ) = 𝑥23 = 76,5
4
 Jadi, Kuartil 3 dari 30 data yang dihasilkan pada bulan april adalah berada di
data x23= 76
2. Bulan Mei
Tabel 4.2 Data bulan Mei
Mei
63 50 85 79 59
54 78 62 75 57
66 75 60 77 71
63 75 59 77 76
64 85 71 75 84
46 81 75 80 78

 Mean
Σ𝑥𝑖
𝜒̅ =
𝑛
= 2100/30 = 70
Jadi, jumlah rata – rata dari 30 data yang dihasilkan pada bulan Mei adalah
sebesar 70
 Median
1 30 30
((𝑥 ) + ( + 1) 𝑥
2 2 2
1
(𝑥15 + 𝑥16)
2
1
(75 + 75) = 75
2
Jadi, median dari 30 data yang dihasilkan di bulan Mei adalah sebesar 75
 Modus
Modus = nilai yang sering muncul= 75
Jadi, nilai yang paling banyak muncul dari 30 data yang dihasilkan
pada bulan Mei adalah nilai / angka 75 sebanyak lima kali kemunculan
 Standard deviasi

(𝑥𝑖− x )2
√∑ 99167
=√ = 58,47
𝑛−1 29

Jadi nilai standard deviasi Bulan Mei adalah 58,47

 Range
Range = Nilai Max – Nilai Min
Range = 85 – 46 = 39
Jadi, selisih antara nilai terbesar dan nilai terkecil dari 30 data pada bulan
Mei adalah 39.
 SE mean
𝑠 58,47
= = 10,67
√𝑛 √30
Jadi SE Mean bulan Mei adalah 10,67
 Kuartil 1
30 + 2
𝑥( ) = 𝑥8 = 62
4
Jadi, Kuartil 1 dari 30 data yang dihasilkan pada bulan Mei adalah berada
di data x8= 62
 Kuartil3
3.30 + 2
𝑥( ) = 𝑥23 = 78
4
Jadi, Kuartil 3 dari 30 data yang dihasilkan pada bulan Mei adalah berada
di data x23= 78
3. Bulan Juni
Tabel 4.3 Data bulan Juni
Juni
74 54 83 77 69
70 52 47 75 65
72 66 50 49 67
72 71 69 70 67
70 79 81 70 65
75 73 80 81 70
 Mean
Σ𝑥𝑖
𝜒̅ =
𝑛
= 2063/30 = 68,76
Jadi, jumlah rata – rata dari 30 data yang dihasilkan pada bulan Juni adalah
sebesar 68,76
 Median
1 30 30
((𝑥 ) + ( + 1) 𝑥
2 2 2
1
(𝑥15 + 𝑥16)
2
1
(70 + 70) = 70
2
Jadi, median dari 30 data yang dihasilkan di bulan Juni adalah sebesar 70
 Modus
Modus = nilai yang sering muncul= 70
Jadi, nilai yang paling banyak muncul dari 30 data yang dihasilkan
pada bulan Mei adalah nilai / angka 70 sebanyak lima kali kemunculan
 Standard deviasi

(𝑥𝑖− x )2
√∑ 51357,47
=√ = 42,08
𝑛−1 29

Jadi nilai standard deviasi Bulan Juni adalah 42,08

 Range
Range = Nilai Max – Nilai Min
Range = 83 – 47 = 36
Jadi, selisih antara nilai terbesar dan nilai terkecil dari 30 data pada bulan
Juni adalah 36/
 SE Mean
𝑠 42,08
= = 7,68
√𝑛 √30
Jadi SE Mean bulan Juni adalah 7,68
 Kuartil 1
30 + 2
𝑥( ) = 𝑥8 = 66
4
Jadi, Kuartil 1 dari 30 data yang dihasilkan pada bulan Mei adalah berada di
data x8= 66
 Kuartil3
3.30 + 2
𝑥( ) = 𝑥23 = 75
4
Jadi, Kuartil 3 dari 30 data yang dihasilkan pada bulan Juni adalah berada di
data x23= 75
B. Print Out dan Analisa Output
1. Pengolahan data secara deskriptif

Gambar 1.1 Penjualan unit kaos kaki

Analisa:
 Bulan april
Dari hasil output descriptive statistic diketahui bahwa dari 30
data bulan april ada data yang hilang (N*)sebanyak 16 . Dengan rata-rata
produksi adalah 67,97 dengan nilai SE Mean 2,22 nilai minimum adalah
45,00 dan nilai maksimum adalah 91,00 serta Range untuk bulan april
sebesar 46,00 Standart deviasi adalah 12,14 dengan simpangan kuartil 1
(Q1) sebesar 59,5 dan simpangan kuartil 3 (Q3) sebesar 76,50. Skewness
(kemiringan) sebesar -0,33, sedangkan untuk kurtosisnya (keruncingan)
bernilai -0,52 yang merupakan jenis keruncingan platikurtik (< 3)
dengan bentuk kurva data
  Bulan Mei
Dari hasil output descriptive statistic diketahui bahwa dari 30
data bulan mei ada yang hilang (N*)sebanyak 5. Dengan rata-rata produksi
adalah 70,00 dengan nilai SE Mean 1,95 nilai minimum adalah 46,00 dan
nilai maksimum adalah 85,00 serta Range untuk bulan mei sebesar 39,00
Standart deviasi adalah 10,66 dengan simpangan kuartil 1 (Q1) sebesar
61,50 dan simpangan kuartil 3 (Q3) sebesar 78,00. Skewness (kemiringan)
sebesar -0,55, sedangkan untuk kurtosisnya (keruncingan) bernilai -0,63
yang merupakan jenis keruncingan platikurtik (< 3) dengan bentuk
kurva datar.
Bulan Juni
Dari hasil output descriptive statistic diketahui bahwa dari 30
data bulan juni tidak ada yang hilang (N*). Dengan rata-rata produksi
adalah 69,87 dengan nilai SE Mean 2,19 nilai minimum adalah 45,00 dan
nilai maksimum adalah 93,00 serta Range untuk bulan juni sebesar 38,00
Standart deviasi adalah 11,71 dengan simpangan kuartil 1 (Q1)
sebesar62,75 dan simpangan kuartil 3 (Q3) sebesar 81,00. Skewness
(kemiringan) sebesar 0,45, sedangkan untuk kurtosisnya (keruncingan)
bernilai -0,29 yang merupakan jenis keruncingan platikurtik (< 3)
dengan bentuk kurva datar.
2. Pengolahan data dengan tabel frekuensi dengan menampilkan Tally
Individual Variables

Gambar 1.2 bulan april

 Bulan April
Dari hasil output Tally for discrete variables, di bulan april memproduksi
kaos kaki sebanyak 47,70 buah terjual yang paling banyak, untuk kaus kaki
58, 60, 63, 64, 68,75,76, dan 80 sebanyak 2 kali produksi , untuk nilai 45,
55,64, 68, 69, 71, 72, 73, 75, 78, 79, 81, 87, dan 91 sebanyak 1 orang.

Gambar 1.3 bulan mei

Bulan Mei
Dari hasil output Tally for discrete variables, di bulan mei memproduksi
kaos kaki sebanyak 75 buah terjual yang paling banyak, untuk kaus kaki 59,
63, 71, 77, 78 dan 85 sebanyak 2 kali produksi , untuk nilai 46, 50,54, 57,
60, 62, 63, 64, 66, 76, 79, 80, 81, dan 84 sebanyak 1 orang
 Gambar 1.4 bulan juni
 Bulan Juni
Dari hasil output Tally for discrete variables, di bulan mei memproduksi
kaos kaki sebanyak 81 buah terjual yang paling banyak, untuk kaus kaki 64,
70, 77, 82 dan 83 sebanyak 2 kali produksi , untuk nilai 45, 47,49, 50, 60,
61, 62, 63,65 69, 71, 72, 73, 75,80 dan 93 sebanyak 1 orang.

3. Pengolahan data untuk pengujian distribusi normal dengan

menampilkan histogram

Gambar 1.5 bulan april

 Bulan April
Dari grafik diatas disimpulkan untuk kaos kaki jumlah yang paling
banyak terdapat pada interval 67,5–72,5 sebanyak 6 orang dan
jumlah paling sedikit terdapat pada interval 52,5–57,5 82,5-87,5,87,5-
92,5 sebanyak 1 orang

Gambar 1.6 bulan mei

 Bulan Mei
Dari grafik diatas disimpulkan penjualam yang paling banyak
terdapat pada interval 72,5–75,5 sebanyak 8 orang dan jumlah
paling sedikit terdapat pada interval 42,5-47,5 dan 47,5–52,5 sebanyak
1 orang
 Gambar 1.7 bulan juni

 Bulan Juni
Dari grafik diatas disimpulkan untuk nilai tes awal mahasiswa
kelas A, jumlah yang paling banyak terdapat pada interval 76–84
sebanyak 10 orang dan jumlah paling sedikit terdapat pada interval
92-100 sebanyak 1 orang

4. Pengolahan data untuk pengujian distribusi normal dengan

menampilkan pie chart

Gambar 1.8 bulan april

 Bulan april
Dari grafik Pie Chart diatas dapat disimpulkan bahwa penjualan kaos kaki
bulan april paling banyak terdapat pada warna biru arsiran dengan
presentase (%) 4,3% dengan kategori nilai yang dihasilkan 58.

Gambar 1.9 bulan mei

 Bulan mei
Dari grafik Pie Chart diatas dapat disimpulkan bahwa penjualan kaos kaki
bulan mei paling banyak terdapat pada warna biru dan merah arsiran
dengan presentase (%) 14,3% dengan kategori nilai yang dihasilkan 75

Gambar 1.10 bulan juni

  Bulan juni
Dari grafik Pie Chart diatas dapat disimpulkan bahwa penjualan kaos kaki
bulan april paling banyak terdapat pada warna biru dan merah arsiran
dengan presentase (%) 2,67 % dengan kategori nilai yang dihasilkan 70

5. Pengelolahan data untuk pengujian distribusi normal

dengan menggunakan Normality Test

Gambar 1.11 bulan april

 Bulan april
Total penjualan kaos kaki bulan april merupakan berdistribusi normal
karena titik-titik merah berada pada garis dan nilai p-value > 0,100
yaitu sebesar 0,986.
 Gambar 1.12 bulan mei
 Bulan mei
Total penjualan kaos kaki bulan mei merupakan berdistribusi normal
karena titik-titik merah berada pada garis dan nilai p-value > 0,100
yaitu sebesar 0,976

Gambar 1.13 bulan juni

 Bulan juni
Total penjualan kaos kaki bulan juni merupakan berdistribusi normal
karena titik-titik merah berada pada garis dan nilai p-value > 0,100
yaitu sebesar 0,980
6. Pengolahan Data untuk Pengujian Distribusi Normal dengan
Menggunakan Boxplot

Gambar 1.14 bulan april

 Bulan april
Dalam grafik Boxplot diatas terlihat bahwa median membagi dua
daerah tepat menjadi dua bagian, terlihat bahwa Q1 = 59,5 median =
70, dan Q3=76,5

Gambar 1.15 bulan mei

 Bulan mei
Dalam grafik Boxplot diatas terlihat bahwa median membagi dua
daerah tepat menjadi dua bagian, terlihat bahwa Q1 = 61,5 median =
75, dan Q3 =78
 Gambar 1.16 bulan juni
 Bulan juni
Dalam grafik Boxplot diatas terlihat bahwa median membagi dua
daerah tepat menjadi dua bagian, terlihat bahwa Q1 = 62,75 median = 70,5
dan Q3 =81
V. Kesimpulan dan Saran
A. Kesimpulan
 Bulan april
Dari hasil output descriptive statistic diketahui bahwa dari 30
data bulan april ada data yang hilang (N*)sebanyak 16 . Dengan rata-rata
produksi adalah 67,97 dengan nilai SE Mean 2,22 nilai minimum adalah
45,00 dan nilai maksimum adalah 91,00 serta Range untuk bulan april
sebesar 46,00 Standart deviasi adalah 12,14 dengan simpangan kuartil 1
(Q1) sebesar 59,5 dan simpangan kuartil 3 (Q3) sebesar 76,50. Skewness
(kemiringan) sebesar -0,33, sedangkan untuk kurtosisnya (keruncingan)
bernilai -0,52 yang merupakan jenis keruncingan platikurtik (< 3)
dengan bentuk kurva data
 Bulan Mei
Dari hasil output descriptive statistic diketahui bahwa dari 30
data bulan mei ada yang hilang (N*)sebanyak 5. Dengan rata-rata produksi
adalah 70,00 dengan nilai SE Mean 1,95 nilai minimum adalah 46,00 dan
nilai maksimum adalah 85,00 serta Range untuk bulan mei sebesar 39,00
 Standart deviasi adalah 10,66 dengan simpangan kuartil 1 (Q1) sebesar
61,50 dan simpangan kuartil 3 (Q3) sebesar 78,00. Skewness (kemiringan)
sebesar -0,55, sedangkan untuk kurtosisnya (keruncingan) bernilai -0,63
yang merupakan jenis keruncingan platikurtik (< 3) dengan bentuk
kurva datar.
 Bulan Juni
Dari hasil output descriptive statistic diketahui bahwa dari 30
data bulan juni tidak ada yang hilang (N*). Dengan rata-rata produksi
adalah 69,87 dengan nilai SE Mean 2,19 nilai minimum adalah 45,00 dan
nilai maksimum adalah 93,00 serta Range untuk bulan juni sebesar 38,00
Standart deviasi adalah 11,71 dengan simpangan kuartil 1 (Q1)
sebesar62,75 dan simpangan kuartil 3 (Q3) sebesar 81,00. Skewness
(kemiringan) sebesar 0,45, sedangkan untuk kurtosisnya (keruncingan)
bernilai -0,29 yang merupakan jenis keruncingan platikurtik (< 3)
dengan bentuk kurva datar.
B. Saran
1. Pada praktikum peta kerja ini pemahaman materi lebih jelas lagi agar
praktikan bisa memahami konsep yang akan di praktikan
2. Pada praktikum peta kerja langkah-langkah dalam praktikan sebaiknya
tertata dengan baik sehingga praktikan lebih cepat mempraktikan modul
yang di sampaikan.
3. Pada praktikum peta kerja para praktikan harus lebih teliti dan mengontrol
waktu yang di kerjakan.
 DAFTAR PUSTAKA

Andi 2004, Cornelius Trihendradi. Statistik Inferen Teori Dasar dan Aplikasinya.
Yogyakarta
Ayat HIdayat Huang, http://www.en.globalstatistik.com/definisi-dan-manfaat-statistik/,
Pengajar Statistika dan Metodologi Penelitian di salah satu perguruan tinggi di
Jakarta [diakses 21 Pebruari 2019, jam 20,40 WIB]
M Nur Wahid Abdulloh, Model- Model Statistik Dalam Metode Penelitian Ilmiah Modern,
https://nurwahidabdulloh.wordpress.com/2016/01/27/model-model-statistik-dalam-
metode-penelitian-ilmiah-modern/ [diakses 21 Pebruari 2019, jam 19,00 WIB]
Purwandari Eka , Statistik deskreptif” http://eka-purwandari.blogspot.com/2012/06/artikel-
statistik-deskriptif.html [diakses 21 Pebruari 2019, jam 19,30 WIB]
Rochman Hadi, 2010, Statika Deskreftip adalah ‘ http://www.scribd.com/doc/32185113/
Statistika-deskriptif-adalah [diakses 21 Pebruari 2019, jam 20,30 WIB]
Statistik : Pengertian, Tujuan, Manfaat dan Jenis Menurut Para Ahli https://pendidikan co.id
/pendidikan.co.id/statistik-pengertian-tujuan- manfaat- dan- jenis- menurut-para-ahli/
[diakses 21 Pebruari 2019, jam 20,00 WIB]