LAPORAN Statistika Kustaman Ganteng

LAPORAN
PRAKTIKUM STATISTIKA INDUSTRI I

DENGAN PROGRAM SPSS
Diajukan Sebagai Tugas Akhir Mata Kuliah Statistika Industri I
Dosen Pembimbing : Afif Hakim, S.T., M.T.
Oleh :
KUSTAMAN 18416226201280 TI18B

REZILA PUTRI TISATAMA 18416226201250 TI18B
PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS BUANA PERJUANGAN KARAWANG
2019
TEKNIK INDUSTRI TAHUN ANGKATAN 2018
FAKULTAS TEKNIK DAN ILMU KOMPUTER UBP KARAWANG
HALAMAN PENGESAHAN
MODUL PRAKTIKUM
1) Judul : Laporan Akhir Praktikum Statistik Industri dengan

SPSS
2) Penyususn : - Kustaman
- Rezila Putri Tisatama
3) Nama Mata Praltikum : Statistika Industri
4) Kode (Sks) :
5) Pelaksanaan : Semester Tiga (Ganjil)
6) Dosen Pengampu : Afif Hakim, S.T., M.T.
7) Asisten Laboratorium :
8) Program Studi : Teknik Industri
9) Fakultas : Teknik dan Ilmu Komputer
Karawang, 23 Desember 2019

Asisten Laboratorium Ketua Tim Penyusun Modul Praktikum
Rakhman Hakim Kustaman

NIM. NIM. 18416226201280
Mengetahui,
Dosen Pengampu Mata Kuliah Statistik Industri
Afif Hakim, S.T., M.T.

NIP.
Laporan Akhir Praktikum Statistika Industri I

Statistika dengan Metode SPSS Page i
KATA PENGANTAR
Praktium Statistik Indutri ini dirancang untuk memenuhi kegiatan praktik

salah satu mata kuliah pada program Strata Satu Teknik Industri Universita Buana
Perjuangan Karawang. Materi praktikum disusun sesuai dengan kebutuhan
Program Strata Satu Teknik Industri Universitas Buana Perjuangan Karawang
dalam menguasai mata kuliah Statistika Industri.
Statistika Industri merupakan mata kuliah yang penting karena dapat

diaplikasikan ke dunia Industri maupun usaha Industri. Diharapkan dengan materi
ini mahasiswa memiliki kopetensi dalam melakukan uji statistik sederhana, seperti
penentuan probabilitas, koreasi dan regresi, serta uji hipotesa.
Karawang, 23 Desember 2019
Tim Penyususn Laporan

Statistika dengan Metode SPSS Page ii
DAFTAR ISI
HALAMAN PENGESAHAN ..................................................................................................... i

MODUL PRAKTIKUM ............................................................................................................ i
KATA PENGANTAR............................................................................................................... ii
BAB I .................................................................................................................................... 1
PENDAHULUAN ................................................................................................................... 1
1.1. LATAR BELAKANG ........................................................................................ 1
1.1.1 Statistika Deskriptif ..................................................................................... 2
1.1.2 Statistika Deskriptif Lanjutan ...................................................................... 2
1.1.3 Statistika Peluang ........................................................................................ 2
1.1.4 Statistika Kombinasi dan Pemutasi ............................................................. 4
1.1.5 Distributor peluang diskrit .......................................................................... 4
1.1.6 Distributor Peluang Continue ..................................................................... 4
BAB II ................................................................................................................................... 5
LANDASAN TEORI ................................................................................................................ 5
2.1. Pengertian Statistika dan Statistik ....................................................................... 5
2.2. Istilah – istilah Statistika ..................................................................................... 5
2.3. Jenis-Jenis Statistika Berdasarkan Tujuan Pengolahan Data .............................. 5
2.4. Jenis – Jenis Statistika Berdasarkan Bentuk Parameter ...................................... 6
2.5. Jenis – Jenis Statistika Berdasarkan Pengumpulan Data .................................... 6
2.6. Ukuran Pemusatan Data ...................................................................................... 7
BAB III .................................................................................................................................. 9
DESKRIPSI DATA .................................................................................................................. 9
3.1. Pengenalan Paket Program SPSS ........................................................................ 9
3.2. Statistik Deskriptif ............................................................................................ 13
3.2.1. Menguji Normalitas dan Homogenitas Varians ........................................ 20
3.3. ScatterPlot ......................................................................................................... 23
3.4. Hipotesis ........................................................................................................... 25
3.5. Regresi dan Korelasi ......................................................................................... 25
BAB IV................................................................................................................................ 28
ANALISIS DATA .................................................................................................................. 28

Statistika dengan Metode SPSS Page iii
4.1. Hasil pengolahan data ....................................................................................... 28

4.1.1. Pengenalan Paket Program SPSS .............................................................. 30
4.1.2. Statistika Deskripsif (Explore) .................................................................. 32
4.1.3. Menguji Normalitas dan Varians .............................................................. 40
4.1.4. Scetterplot ................................................................................................. 44
4.1.5. Regresi dan Korelasi ................................................................................. 44
BAB V................................................................................................................................. 49
PEMBAHASAN ................................................................................................................... 49
5.1. Pengenalan Paket Program SPSS ...................................................................... 49
5.2. Statistik Deskriptif (Explore) ............................................................................ 49
5.2.1. Menguji Normalitas Data dan Homogenitas Varians................................ 51
5.2.2. Scatterplot................................................................................................. 51
5.3. Analisa Regresi Linier Sederhana ..................................................................... 52
BAB VI................................................................................................................................ 53
KESIMPULAN ..................................................................................................................... 53
6.1. Kesimpulan ....................................................................................................... 53
6.2. Saran ................................................................................................................. 53
DAFTAR PUSTAK ................................................................................................................ 54

Statistika dengan Metode SPSS Page iv
DAFTAR TABEL
TABEL 3.1 Tabel Variabel Pendefinisian .............................................................. 9
TABEL 3.2 Pendefinisian Variabel ...................................................................... 12
TABEL 4.3 Pengolahan Data Hasil Analisis ........................................................ 29
TABEL 4.4 Pengolahan Data Hasil Analisis ........................................................ 30
TABEL 4. 5 Frekuensi Data ................................................................................. 33
TABEL 4.6 Hasil Pengolahan Data ...................................................................... 34

Statistika dengan Metode SPSS Page v

Statistika dengan Metode SPSS Page vi
BAB I
PENDAHULUAN
1.1. LATAR BELAKANG
Perkembangan statistika diawali sebagai suatu ilmu yang membahas
cara-cara mengumpulkan angka sebagai hasil pengamatan menjadi bentuk
yang lebih mudah dipahami. Menurut Spiegel (1961) statistika berasal dari
kata “status” yang berarti negara.
Dari keperluan semacam ini timbullah teknik pencatatan angka-angka
pengamatan dalam bentuk daftar dan grafik. Bagian statistika yang
membicarakan cara mengumpulkan dan menyederhanakan angka-angka
pengamatan ini dikenal sebagai statistika deskriptif. Statistika deskriptif
dapat berkembang tanpa memerlukan dasar matematika yang kuat, selain
kecermatan dalam teknik berhitung. Sejak tahun 1700-an analisis data yang
dilakukan secara deskriptif berdasarkan tabel-tabel frekuensi, rataan, dan
ragam untuk sampel (contoh) ukuran besar. Tahun 1800-an merupakan awal
penggunaan grafik-grafik untuk penyajian data, seperti histogram, sejalan
dengan penemuan sebaran (kurva) Normal. Florence Nightengale (1820-
1920) adalah seorang perawat yang terkenal dengan inovasi di bidang ilmu
perawatan merupakan pelopor dalam penyajian data secara grafik. Selama
perang Crimean, Nightengale mengumpulkan data dan membuat sistem
pencatatan.
Dilihat dari sejarah pendidikan statistika di Indonesia, Jurusan
Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut
Pertanian Bogor dapat berbangga, karena jurusan yang dirintis dan didirikan
oleh Prof. Dr. Andi Hakim Nasoetion (Alm) tahun 1972 adalah Jurusan
Statistika tertua di Indonesia. Awalnya dimulai dari Unit Biometrika di
bawah Fakultas Pertanian IPB yang kemudian berubah menjadi Pusat
Pengolahan Data Statistika dan Komputasi dan akhirnya menjadi
Departemen Statistika dan Komputasi di bawah Fakultas Pertanian. Pada
waktu FMIPA disyahkan di IPB pada tahun 1982, namanya berubah menjadi
Jurusan Statistika di bawah FMIPA. Jadi boleh dikatakan Departemen
Statistika adalah the founding father of FMIPA IPB.
Sampai saat ini di Indonesia selain IPB telah ada PTN dan PTS lain
yang telah membuka jurusan Statistika secara mandiri tanpa dibawah
naungan jurusan Matematika. PTN yang telah membuka jurusan statistika
secara mandiri adalah UNPAD, ITS dan UGM. Sedang PTS nya adalah
UNISBA, UII Yogyakarta dan salah satu PTS di kota Malang. Selain itu
untuk BPS telah membuka pendidikan jurusan statistika untuk keperluan di
instansinya yang dulu bernama AIS dengan pendidikan jenjang D3, sedang
sekarang bernama STIS dengan jenjang pendidikan setara S1.

Statistika dengan Metode SPSS Page 1
1.1.1 Statistika Deskriptif

Sejak tahun 1700-an analisis data yang dilakukan secara
deskriptif berdasarkan tabel-tabel frekuensi, rataan, dan ragam untuk
sampel (contoh) ukuran besar. Tahun 1800-an merupakan awal
penggunaan grafik-grafik untuk penyajian data, seperti histogram,
sejalan dengan penemuan sebaran (kurva) Normal. Florence
Nightengale (1820-1920) adalah seorang perawat yang terkenal
dengan inovasi di bidang ilmu perawatan merupakan pelopor dalam
penyajian data secara grafik. Selama perang Crimean, Nightengale
mengumpulkan data dan membuat sistem pencatatan. Dari data
tersebut dapat ditentukan tingkat mortalitas yang dapat menunjukkan
hasil perbaikan kondisi kesehatan yang cenderung menurunkan
tingkat kematian. Selanjutnya data tersebut disajikan dalam bentuk
grafik yang merupakan suatu inovasi statistika waktu itu.
Dalam statistika deskriptif tidak ada perbedaan antara data
yang diperoleh dari sampel dengan populasinya, kemudian apa yang
dihitung dari sampel digunakan untuk menandai populasi. Pada taraf
selanjutnya orang tidak puas hanya mengumpulkan angka-angka
pengamatan saja. Mereka juga tidak puas bahwa yang diperoleh dari
sampel digunakan untuk mencirikan populasi. Timbullah usaha-
usaha untuk memperbaiki kesimpulan dalam melakukan ramalan-
ramalan populasi berdasarkan angka-angka statistik yang
dikumpulkan dari sampel tersebut. Bagian ilmu yang membahas
cara-cara mengambil kesimpulan berdasarkan angka-angka
pengamatan ini dinamakan statistika induktif. Perkembangan
statistik induktif tidak lepas dari pengetahuan mengenai peluang,
maka ada baiknya kita lihat terlebih dahulu sejarah perkembangan
ilmu peluang yang mendasari statistika induktif.
1.1.2 Statistika Deskriptif Lanjutan

Distribusi Sampling adalah distribusi dari besaran-besaran
statistik. Seperti rata-rata simpangan baku, proposi (persentase) yang
mungkin muncul dari sampel-sampel. Distribusi dari rata-rata sampel
disebut distribusi sampling rata-rata atau distribusi rata-rata sampel,
distribusi dari proposi sampel disebt distribusi sampling proposi/
distribusi proposi sampel
1.1.3 Statistika Peluang

Pengetahuan mengenai peluang (probability) ini diawali oleh
adanya pertanyaan seorang bangsawan Perancis yang juga penjudi
bernama Chevalier de Mere kepada Pascal (16231662). Penjudi
tersebut ingin mengetahui bagaimana pola pembagian uang taruhan
pada suatu perjudian apabila permainannya terpaksa dihentikan

sebelum selesai. Pertanyaan ini kemudian menjadi bahan pertukaran

pikiran antara Pascal dan Fermat (1601-1665) melalui surat. Dari
surat-menyurat antara kedua pemikir inilah kemudian timbul dasar-
dasar cabang matematika yang dinamakan hitung peluang (the theory
of probability) pada tahun 1654.
Pada tahun 1657 seorang ilmuwan Jerman Christian Huygens
(guru Leibniz) menerbitkan buku De Ratiocinilis in Ludo Aleae yang
berisi tentang risalat perjudian dan sejak saat itu teori peluang mulai
terkenal. Perkembangan pesat terjadi pada abad 18 yang dipelopori
oleh Jacob Bernoulli (1654-1705) dan Abraham de Moivre (1667-
1754). Kurva Normal dan persamaannya ditemukan oleh Abraham
de Moivre pada tahun 1733. Dia pertama-tama menyatakan sifat-
sifat dari kurva Normal yang kemudian dikembangkan oleh dua
orang astronom matematika yaitu Pierre de Laplace (1749-1827)
berasal dari Perancis dan Gauss (1777-1855) yang berasal dari
Jerman secara terpisah sehingga diperoleh fungsi normal dan
aplikasinya. Terbitan kurva Normal oleh de Moivre ditemukan Karl
Pearson pada tahun 1924 di suatu perpustakan yang digunakan untuk
pengembangan statistika induktif untuk ukuran sampel besar.
Adolph Quetelet (1796-1874) mempopulerkan sebaran Normal ini
pada bermacam-macam data biologi dan sosial.
Thomas Bayes memberikan landasan teori statistika Bayesian
(Bayesian Statistics) yang pada mulanya menuliskan gagasan
tersebut dalam jurnal Philosophical Transaction pada tahun 1764.
Dewasa ini Bayesian sering dipakai oleh para teoritikus genetika
kuantitatif secara ekslusif dan juga pada ilmu-ilmu keteknikan,
kesehatan, dan lain-lain.
S. D. Poisson dikenal sebagai penemu Sebaran Poisson
(Poisson Distribution) telah memberikan landasan teori untuk rare
event yang dituangkan dalam tulisannya Recherches sur la
probabilite pada tahun 1837. Teori Poisson banyak digunakan dalam
dunia industri, manajemen, transportasi, biologi dan lain-lain Pada
tahun 1812 Pierre de Laplace memperkenalkan ide baru dan teknik
matematika dalam bukunya Theorie Analytique des Probabilities.
Laplace mulai menerapkan peluang pada banyak permasalahan
saintifik dan praktis, tidak hanya pada permainan judi.
Jadi walaupun hitung peluang diawali di atas meja judi, ilmu
ini telah menjadi pengetahuan yang sangat bermanfaat bagi
perikemanusiaan. Di dalam statistika, teori peluang yang melandasi
inferensia statistika (statistika induktif) yang menjadi cikal bakal
statistika modern.

1.1.4 Statistika Kombinasi dan Pemutasi

Statistika pemutasi adalah susunan atau urutan-urutan yang
berbeda satu sama lain terbentuk dari sebagian atau seluruh objek.
Sedangkan kombinasi kumpulan sebagian atau seluruh objek tampa
memperhatikan urutannya.
1.1.5 Distributor peluang diskrit

Distribusi peluang diskrtit adalah distribusi peluang
terjadinya setiap nilai variabel random diskrit. Sedangkan variabel
random diskrit artinya adalah variabel random yang memiliki nilai
yang dapat dihitung.
1.1.6 Distributor Peluang Continue

Distribusi peluang kontinu adalah perubah acak yang dapat
memperoleh semua nilai pada skala kontinu. Ruang sampel kontinu
adalah bila ruang sampel mengandung titik sampel yang tak
terhingga banyaknya.
a. Distribusi Normal
Distribusi normal merupakan distribusi probabilitas yang paling
penting baik dala teori maupun aplikasi statistik.
b. Distribusi Studen’s
Distribusi yang ditemukan oleh seorang mahasiswa , merupakan
tetapan yang besarnya tergantung dari besar n sedemikian
sehingga luas daerah antara kurva fungsi itu dan sumbu t adalah
1
c. Distribusi Chi – Kuadrat
Distribusi yang banyak digunakan dalam sejumlah prosedur
statistik Inferensial.
d. Distribusi F
Menurut GasperZ (1989:251), secara teori sebaran F merupakan
rasio dari dua sebaran chi kuadrat yang bebas.

BAB II
LANDASAN TEORI
Bab ini berisikan tentang pengertian statistika dan statistik, jenis-jenis
statistika berdasarkan pengumpulan data, pengolahan data, parameternya. Ukuran
pemusatan data, ukuran penyebaran data dan cara penyajian data.
2.1. Pengertian Statistika dan Statistik

Statistika adalah pengetahuan yang berhubungan dengan teknik atau
cara pengumpulan data, pengolahan atau analisis data, dan penarikan
kesimpulan berdasarkan kumpulan data dan analisis yang dilakukan.
Statistik adalah kumpulan data, yang berupa bilangan atau bukan bilangan
disusun dalam bentuk tabel, diagram atau grafik yang menggambarkan
suatu persoalan. Statistik dipergunakan untuk menjelaskan permasalahan
tertentu, diberi nama sesuai dengan permasalahan tersebut (Susetyo,
2010).
Statistika membahas metode-metode ilmiah untuk
pengumpulan,pengorganisasian, penyimpulan, dan analisis data, maupun
menarik kesimpulan yang valid dan membuat keputusan yang dapat
diterima berdasarkan analisis Statistika deskriptif adalah metode yang
berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga
memberikan informasi yang berguna.Statistika deskriptif adalah suatu
metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus
data sehingga memberikan informasi yang berguna (Spiegel, 1996).
2.2. Istilah – istilah Statistika

Istilah-istilah dalam statistika yaitu populasi, sampel, parameter dan
statistik(Susetyo, 2010):
1. Populasi adalahseluruh objek yang dikaji atau yang ditelaah
2. Sampel adalahbagian dari sebuah populasi.
3. Parameter adalah suatu metoda yang mengukur berdasarkan pada
suatu populasi data.
4. Statistika adalah suatu metoda yang mengukur berdasarkan pada suatu
sampel data.
2.3. Jenis-Jenis Statistika Berdasarkan Tujuan Pengolahan Data

Berdasarkan tujuan pengolahan data terbagi atas dua kelompok, yaitu
Statistika Deskriptif dan Statistika inferensial atau induktif(Susetyo,
2010).
a. Statistika Deskriptif

Statistika deskriptif ad alah bagian dari statistika yang membahas cara

pengumpulan dan penyajian data sehingga mudah untuk dipahami dan
memberikan informasi yang berguna.
b. Statistika Inferensial
Statistika inferensial adalah bagian dari statistika yang membahas cara
melakukan analisis data, menaksir, meramalkan, dan menarik
kesimpulan terhadap data, fenomena, persoalan yang lebih luas atau
populasi berdasarkan sebagian data sampel yang diambil secara acak
dari populasi.
2.4. Jenis – Jenis Statistika Berdasarkan Bentuk Parameter

Berdasarkan bentuk parameter terbagi atas dua bagian yaitu, Statistika
parametrik dan statistika nonparametrik(Susetyo, 2010).
a. Statistika Parametrik
Statistika parametrik adalah teknik statistika yang parameter populasi
atau asumsi distribusi populasi data berdasarkan pada model distribusi
normal dan memiliki variansi yang homogen.
b. Statistika nonparametrik
Statistika nonparametrik adalah teknik statistika yang parameter
populasinya atau asumsi distribusi populasi data yang tidak mengikuti
model distribusi tertentu atau bebas terdistribusi dan variansi tidak
harus homogen.
2.5. Jenis – Jenis Statistika Berdasarkan Pengumpulan Data

Berdasarkan pengumpulan data statistika yaitu data kualitatif dan
datakuantitatif(Harinaldi, 2005).
a. Data Kualitatif Data kualitatif adalah data yang tidak bisa dinyatakan
dengan angka.
Contoh : tingkat kesejahteraan penduduk, peningkatan pembangunan.
Data kualitatif terdiri dari dua macam yaitu:
1. Data Nominal
Data nominal adalah jika suatu objek hanya menghasilkan satu dan
hanya satu-satunya kategori pada objek tersebut, maka data yang
diperoleh termasuk tipe nominal (data kategori). Pada data nominal
tidak ada perbedaan tingkatan derajat bobot data.
2. Data Ordinal
Data ordinal adalah data yang diperoleh dari suatu pengambilan
data terhadap suatu objek menghasilkan lebih dari satu kategori.
b. Data Kuantitatif Data kuantitatif adalah data yang dapat dinyatakan
dengan angka. Contoh : harga apel yaitu Rp 2.500,00. Data kuantitatif
terdiri atas dua macam yaitu (Harinaldi, 2005) :
1. Data Diskrit

Data diskrit adalah data yang diperoleh dari suatu

pencacahan/enumerasi. Data ini berbentuk bilangan-bilangan bulat
0, 1, 2, 3, ... dst.
2. Data Kontinu
Data kontinu adalah data yang umumnya didapat dari suatu
pengukuran dengan suatu instrumen alat ukur. Data kontinu dapat
dinyatakan dalam bentuk data interval maupun data rasio (data
titik).
2.6. Ukuran Pemusatan Data

Ukuran pemusatan data adalah suatu pengukuran yang ditujukan
untuk menggambarkan karakteristik umum dari sebuah data. Ukuran
pemusatan dataterbagi atas tiga yaitu(Harinaldi, 2005) :
a. Mean( Rata – Rata )
Mean adalah Hasil penjumlahan seluruh data dibagi dengan banyaknya
data tersebut.
Mean untuk data tidak berkelompok
∑𝑁
𝑖−𝑙 𝑋𝑖
𝑥̅ =
𝑛
Dimana :
∑ Xi = jumlah seluruh skor x dalam kumpulan data
n = jumlah seluruh data
mean untuk data kelompok

∑𝑁
𝑖=1 𝑓𝑖𝑥𝑚, 𝑖 ∑𝑁
𝑖=1 𝑓𝑖𝑥𝑚, 𝑖
𝑥̅ = 𝑘 =
∑𝑖=1 𝑓𝑖 𝑛
dimana :
xi = nilai dari sebuah data
fi = frekuensi masing-masing nilai
b. Median
Median merupakan garis pembagi dari sekumpulan data menjadi dua
bagian sama besar. Oleh karena itu median adalah nilai tengah suatu data
yang telah diurutkan dari data yang terkecil hingga data yang terbesar
(Susetyo, 2010).

Ada dua cara untuk menghitung median yaitu, untuk data yang
berkelompok dan tidak berkelompok.
1. Median data tunggal
Me=0,5 (n + 1)
2. Median data berkelompok

BAB III
DESKRIPSI DATA
3.1. Pengenalan Paket Program SPSS
Buat file data dengan pendefinisian variabel berikut :
Values
Name Type Decimals Label Label
Panjang comma 2 Panjang tiram
Jenis numerik 0 jenis tiram 1 : "spat"
2 : "cc"
TABEL 3.1 Tabel Variabel Pendefinisian
Untuk memberi label dan value label pada data gender, dapat dilakuakan
langkah-langkah sbb :
 Pada sel di bawah label isi dengan “jenis”
 Klik pada sel dibawah velue dam klik pada kotak abu-abu yang
selanjutnya muncul value labels dialog
 Pada kotak value isi dengan angka 1
 Pada kotak value label isi dengan “spat”
 Klik tombol add
 Lanjutkan proses dengan mengisi angka 2 pada kotak value
 Pada kotak value label isi dengan “cc”
 Klik tombol add
Gambar. 3.1 Tabel. 3.1. Label Value

 Klik ok
Hasil yang tampak pada data editor adalah sebagai berikut
Gambar. 3.2 Data Hasil Editor
 Kemudian isi panjang tiram sesuai data dan isi jenis tiram “spat”
dengan 1 dan “cc” dengan 2. Hasil yang di tampilkan adalah:

Gambar. 3.3 Data Editor

Buat file data dengan pendefinisian variabel berikut :
Values
Name Type Decimals Label Label
Kode numerik 0 No
Suhu Comma 2 Suhu
salinitas Comma 2 Saliitas
TABEL 3.2 Pendefinisian Variabel
Hasil yang tampak pada data editor adalah sebagai berikut :
Gambar.3.4 Hasil Editor Variabel
Masukkan data yang tersedia ke dalam data view. Hasil yang tampak
adalah sebagai berikut:

Gambar. 3.5 Data Editor Program SPSS
3.2. Statistik Deskriptif

Frequencies
 Susun distribusi frekuensi untuk panjang dengan langkah sbb :
 klik analyze
 pilih deskriptive statistic

 klik frequencies
Gambar. 3.6 Program SPSS Data Editor
 Pindahkan data panjang dari kolom kiri ke kolom kanan dengan

cara mengeblok kemudian klik tanda panah.
Tabel. 3.2. Program SPSS Data Editor

 Klik statistic kemudian beri tanda (v) pada persentile velue,

central tendency, dispersion dan distribution
 Klik continue
 Klik chart dan pilih histograms
 Klik continue
 Klik ok
Tabel. 3.3. Program SPSS Frekuensi Data Statistik

Tabel. 3.4. Program SPSS
 Susun distribusi frekuensi untuk jenis dengan langkah sbb :

 klik analyze
 klik frequencies
 Pindahkan data gender dari kolom kiri ke kolom kanan dengan
 Klik statistic kemudian beri tanda (v) pada persentile velue,
central tendency, dispersion dan distribution
 Klik continue
 Klik chart dan pilih pie charts
 Klik continue
 Klik ok
Gambar. 7

Explore
Langkah-langkah :
 klik analyze
 klik explore
 Pindahkan data suhu dan salinitas dari kolom kiri ke kolom

dependent list dengan cara mengeblok kemudian klik tanda
panah.

 Klik statistic kemudian beri tanda (v) pada descriptive.

 Klik continue
 Klik plots dan untuk keseragaman, pada boxplot pilih factor
levels together dan pada descriptive pilih stem and leaf.
 Klik continue
 Pada bagian displays pilih both.
 Klik ok.

Transform
Langkah-langkah untuk transform suhu ke bentuk logaritma sbb:
 klik transform
 pilih compute
 Pada bagian target variable ketik logsuhu (tanpa spasi)

 klik tombol type & label

 Pada bagian kolom label ketik suhu dan pada bagian type pilih
numeric.
 Klik continue
 Pada bagian kolom numerik expression ketik Lg10( ), klik 1 kali
dalam kurung tersebut kemudian mengeblok panjang dan klik
tanda panah.
 Klik ok
3.2.1. Menguji Normalitas dan Homogenitas Varians

Langkah-langkah pengujian sbb:


 klik analyze
 klik explore
 Pindahkan data fisika dari kolom kiri ke kolom dependent list
dengan cara mengeblok kemudian klik tanda panah.
 Pindahkan data kode dari kolom kiri ke kolom factor list dengan
 Klik statistic kemudian beri tanda (v) pada descriptive.

 Klik continue
 Klik plots dan untuk keseragaman, pada boxplot pilih non dan
pada descriptive tidak ada yang pilih atau stem and leaf di
deselect.

 Beri tanda (v) pada normality plots with test

 Pada bagian spread vs level with levene test pilih power
estimation.
 Klik continue
 Pada bagian displays pilih both.
 Klik ok\
3.3. ScatterPlot
Langkah-langkah sbb:
 klik graphs
 pilih scatte / dot
 klik simple scatter
 klik define


 Mengeblok logsuhu kemudian klik tanda panah X axis dan

mengeblok logsalinitas kemudian klik tanda panah Y axis.
 Klik ok
3.4. Hipotesis
H0 = Tidak ada hubungan antara suhu dan salinitas pada sebaran
nitrat
H1 = ada hubungan antara suhu dan salinitas pada sebaran nitrat
3.5. Regresi dan Korelasi

Langkah-langkah sbb:
 klik analyze
 pilih regression dan dari serangkaian pilihan test untuk regresi,
sesuai kasus pilih linear.
 Mengeblok logsalinitas kemudian klik tanda panah dependent dan

mengeblok logpanjang kemudian klik tanda panah independent.
 Pada kolom method pilih enter.

 Klik tombol statistik

 Pada kolom regression coefficient pilih estimate.
 Beri tanda (v) pada model fit dan descriptive.
 Pada kolom residual beri tanda (v) pada casewise diagnostics dan
pilih all cases.
 Klik continue

 Klik tombol plots

 Klik pilihan sdresid dan masukkan ke kolom Y lalu klik pilihan
zpred dan masukkan ke kolom X.
 Klik tombol next
 Klik pilihan zpred dan masukkan ke kolom Y lalu klik pilihan
dependnt dan masukkan ke kolom X.
 Pada kolom standardized residual plots beri tanda (v) pada
normal probability plot.
 Klik continue
 Klik ok

BAB IV
ANALISIS DATA
4.1. Hasil pengolahan data

Data panjang cangkang tiram 25 responden yang diambil secara acak yang
terdiri dari tiram jenis spat dan cc.
no Jenis Panjang
1 Spat 0.95
2 Spat 1.02
3 Cc 2.90
4 Cc 3.11
5 Cc 3.12
6 Spat 1.02
7 Spat 1.22
8 Spat 1.23
9 Spat 1.25
10 Cc 3.13
11 Cc 3.15
12 Cc 3.19
13 Cc 3.25
14 Cc 3.31
15 Cc 3.32
16 Spat 1.27
17 Spat 1.27
18 Spat 1.33

19 Spat 1.34
20 Spat 1.35
21 Cc 3.32
22 Spat 1.36
23 Cc 3.32
24 Spat 1.39
25 Spat 1.40
TABEL 4.3 Pengolahan Data Hasil Analisis
Data fisika stasiun 1.

no suhu Salinitas
1 30.1451 32.1070
2 30.1296 32.1137
3 30.1529 32.1073
4 30.1136 32.1145
5 30.0707 32.1211
6 30.0409 32.1267
7 29.9771 32.1310
8 29.9310 32.1341
9 29.9047 32.1336
10 29.8997 32.1333
11 29.8943 32.1343

12 29.9020 32.1416
13 29.8997 32.1499
14 29.8996 32.1617
15 29.9063 32.1861
16 29.9081 32.2058
17 29.8880 32.2196
18 29.8600 32.2274
19 29.8188 32.2494
20 29.7740 32.2592
21 29.7079 32.2714
22 29.6454 32.3012
23 29.5933 32.3267
24 29.5448 32.3607
25 29.4605 32.4070
TABEL 4.4 Pengolahan Data Hasil Analisis
4.1.1. Pengenalan Paket Program SPSS

a) Data panjang csngkang tiram

b) Data fisika stasiun 1

4.1.2. Statistika Deskripsif (Explore)

a) Frequencies
 Frekuensi untuk panjang tiram

TABEL 4. 5 Frekuensi Data

TABEL 4.6 Hasil Pengolahan Data

 Frekuensi untuk jenis tiram

b) Explore



c) Transform

4.1.3. Menguji Normalitas dan Varians




4.1.4. Scetterplot
4.1.5. Regresi dan Korelasi





BAB V
PEMBAHASAN
5.1. Pengenalan Paket Program SPSS

Pada Praktikum saat ini kita semua telah membahas mengenai salah satu
program yang terpenting dan diterapkan dalam bidang ilmu statistika yaitu
program SPSS. Didalam program ini, pengolahan data yang digunakan yaitu
pengolahan secara digital, hal ini dikarenakan program SPSS ini merupakan
suatu software yang digunakan untuk membantu mempermudah pengolahan
sample data yang spasial.
Pada beberapa hasil di atas kita dapat mengetahui bahwa suatu data
dapat diolah dengan berbagai cara tergantung dengan permintaan si pemberi
soal. Output yang terdapat pada hasil pengolahan data diatas kita dapat lihat
bahwa terdapat berbagai jenis pengplotan misalnya histogram, pie chart,
boxplot dll.
5.2. Statistik Deskriptif (Explore)

Statistik deskriptif berguna untuk menggambarkan data yang kita miliki
dalam bentuk data, tabel, histogram, dan pie.
Menu-menu yang berhubungan dengan statistik deskriptif antara lian :
1. Frequencies : membahas beberapa penyebaran ukuran statistik deskriptif
seperti mean, median, kuartil, persentil, standar deviasi,dll.
2. Explore :menampilkan deskripsi statistik yang lebih mendalam seperti
boxplots, diagram stem and leaf, dll.
Pada Pengolahan datanya, kita menggunakan beberapa data untuk diuji
yaitu :
 Uji Frekuensi untuk panjang tiram
Di uji data dengan jumlah data sebanyak 25 buah. Hasil yang
didapat adalah sebagai berikut:
Mean = 2.1008
Median = 1.3900
Stan. Deviasi = 0.99719

Varians = 0.994
Skewness = 0.241
Kurtosis = -2.023
Range = 2.37
Nilai maksimum = 3.32
Nilai minimum = 0.95
Pada tabel frekuensi panjang tiram, penafsiran data dilakukan tiap
baris dan dihitung secara kumulatif. Demikian perhitungan dilakukan
seterusnya hingga mencapai 100%.
Dari hasil, histogram yang terlihat frekuensi terbesar adalah pada
kisaran panjang 1.00-1.50
 Uji Frekuensi untuk jenis tiram

Di uji data dengan jumlah data sebanyak 25 buah. Hasil yang
didapat adalah sebagai berikut:
Mean = 1.44
Median = 1.00
Varians = 0.257
Skewness = 0.257
Kurtosis = -2.110
Range =1
Nilai maksimum =2
Nilai minimum =1
Frekuensi spat = 14
Frekuensi cc = 11
Dari hasil berupa pie chart pada data jenis tiram frekuensi
terbanyak adalah spat.
o Explore
o Transform
Menu transform pada prinsipnya berfungsi mentransformasi atau
mengubah suatu data untuk keperluan-keperluan khusus.

Berdasarkan pengolahan data yang diambil dari data suhu dan

salinitas. Didapatkan bahwa transform dengan menlogkan suhu dan salinitas
secara umum lebih dari 1. Transform tidak hanya ke bentuk log saja, namun
juga bisa ke bentuk lainnya.
5.2.1. Menguji Normalitas Data dan Homogenitas Varians

Dari data yang didapat pada tabel hasil case prossecing summary
kita menjadi tahu bahwa semua data valid adanya.
Untuk data suhu hasil yang didapat adalah:
Mean = 29.8827
Median = 29.8897
Varians = 0.034
Range = 0.69
Nilai maksimum =30.15
Untuk data salinitas hasil yang didapat adalah:
Mean = 32.1930
Median = 32.1499
Varians = 0.007
Range = 0.030
Nilai maksimum = 32.41
Output test of normality terlihat nilai signifikan pada data fisika
adalah suhu 0.019 dan salinitas 0.006. dimana nilai signifikansi < 0.05
sehingga distribusi datanya berdistribusi tidak normal.
5.2.2. Scatterplot
Deskriptive ini digunakan untuk mengetahui sebaran data pada
statistik univarian. Dari hasl terlihat sebaran data dalam satu garis dan terdistribusi
secara normal.

5.3. Analisa Regresi Linier Sederhana

Analisa regresi linier sederhana merupakan analisis yang
membicarakan hubungan antara 2 buah variabel, yaitu variabel bebas dan
variabel tergantung. Tujuannya adalah untuk membuat sebuah model yang
baik dan memungkinkan kita untuk menaksir nilai y bagi nilai-nilai x
tertentu.
Di tabel descriptive kita mengetahui mean dari suhu adalah 1.4754

dengan standart deviasi 0.00268. sedangkan mean salinitas adalah 1.5078
dengan standart deviasi 0.00116.
Di tabel correlations pada keterangan pearson correlation suhu 1.000
sedangkan salinitas -0.939. Begitu juga pada pearson correlesion salinitas
berlaku kebalikannya. Tanda (-) menunjukkan korelasi (-) artinya semakin
kecil korelasi semakin lebar.

BAB VI
KESIMPULAN
6.1. Kesimpulan
Setelah melakukan praktikum SPSS ini maka dapat disimpulkan bahwa:
1) SPSS adalah salah satu program statistik yang dibuat untuk
mempermudah dalam menyelesaiakan masalah-masalah statistik.
2) Untuk menyelesaikan permasalahan-permasalahan statistik dapat
digunakan SPSS Data Eitor dengan beberapa uji diantaranya;
Uji frekuensi
 Statistika deskrptive (explore)
 Uji Normalitas dan Varians
 Scetterplot
 Hipotesis
 Regresi dan Korelasi
3) Statistik dengan uji hipotesis yaitu untuk membuktikan dengan alat
statistika, apabila dugaan yang dimiliki dapat dibuktikan benar atau
sebaliknya. Ada dua kelompok besar yang dapat dilakukan dengan
uji hipotesis: uji hipotesis terkait uji rerata, dan uji hubungan baik
terbatas pada besarnya derajat asosiasi (uji korelasi) atau mencari
bentuk hubungan fungsional beberapa variabel (uji regresi).
6.2. Saran
1) Seharusnya agar lebih efektif, efisien, dan optimal komputer untuk
mengolah data lebih diperbanyak lagi, sehingga tidak ada praktikan
yang mengerjakan pengolahan data dipraktikum berdesak-desakan.
2) Untuk praktikum selanjutnya agar asisten lebih selektif lagi dalam
memberi jadwal praktikum, agar tidak terulang kembali jadwal
praktikum yang tidak sesuai dengan jadwal sebelumnya.
3) Untuk pembelajaran pengolahan data seharusnya asisten lebih
komunikatif lagi dengan para praktikan.

DAFTAR PUSTAK
Priyandi, Janesti. 2006. Tiram Di Perairan segera Anakan, Cilacap: Suatu Kajian
tentang Identifikasi Jenis, Kerapatan serta Analisa Saluran
Pencernaannya dan Kelimpahan Fitoplankton Di Habitatnya. UNDIP:
Semarang.
Tampomas, Husain. SUU: Sistem Persamaan Linear & Statistika.Grasindo;

Jakarta
Spiegel, Murray R. & Larry J. Stephens. 2007. Schaum's Outlines: Statistik edisi
ketiga. Erlangga; Jakarta
Wibowo, Nur Adi. 2010. Sebaran Nitrat (NO3) dan Fosfat (PO4) Dalam
Kaitannya dengan Biovolume Fitoplankton Di Perairan Karimunjawa,
Jepara. UNDIP: Semarang
http://smartstat.wordpress.com/2010/02/25/variabel-dan-data/
http://dr-suparyanto.blogspot.com/2010/03/variabel-statistik.html
http://bahankuliah.wordpress.com/2009/05/14/skala-pengukuran/


LAPORAN Statistika Kustaman Ganteng

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

LAPORAN Statistika Kustaman Ganteng

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN

PRAKTIKUM STATISTIKA INDUSTRI I

KUSTAMAN 18416226201280 TI18B

PROGRAM STUDI TEKNIK INDUSTRI

1) Judul : Laporan Akhir Praktikum Statistik Industri dengan

Karawang, 23 Desember 2019

Rakhman Hakim Kustaman

Afif Hakim, S.T., M.T.

Laporan Akhir Praktikum Statistika Industri I

Praktium Statistik Indutri ini dirancang untuk memenuhi kegiatan praktik

Statistika Industri merupakan mata kuliah yang penting karena dapat

Karawang, 23 Desember 2019

Tim Penyususn Laporan

Laporan Akhir Praktikum Statistika Industri I

HALAMAN PENGESAHAN ..................................................................................................... i

Laporan Akhir Praktikum Statistika Industri I

4.1. Hasil pengolahan data ....................................................................................... 28

Laporan Akhir Praktikum Statistika Industri I

Laporan Akhir Praktikum Statistika Industri I

Laporan Akhir Praktikum Statistika Industri I

Laporan Akhir Praktikum Statistika Industri I

1.1.1 Statistika Deskriptif

1.1.2 Statistika Deskriptif Lanjutan

1.1.3 Statistika Peluang

Laporan Akhir Praktikum Statistika Industri I

sebelum selesai. Pertanyaan ini kemudian menjadi bahan pertukaran

Laporan Akhir Praktikum Statistika Industri I

1.1.4 Statistika Kombinasi dan Pemutasi

1.1.5 Distributor peluang diskrit

1.1.6 Distributor Peluang Continue

Laporan Akhir Praktikum Statistika Industri I

2.1. Pengertian Statistika dan Statistik

2.2. Istilah – istilah Statistika

2.3. Jenis-Jenis Statistika Berdasarkan Tujuan Pengolahan Data

Laporan Akhir Praktikum Statistika Industri I

Statistika deskriptif ad alah bagian dari statistika yang membahas cara

2.4. Jenis – Jenis Statistika Berdasarkan Bentuk Parameter

2.5. Jenis – Jenis Statistika Berdasarkan Pengumpulan Data

Laporan Akhir Praktikum Statistika Industri I

Data diskrit adalah data yang diperoleh dari suatu

2.6. Ukuran Pemusatan Data

mean untuk data kelompok

Laporan Akhir Praktikum Statistika Industri I

Laporan Akhir Praktikum Statistika Industri I

Gambar. 3.1 Tabel. 3.1. Label Value

Laporan Akhir Praktikum Statistika Industri I

Gambar. 3.2 Data Hasil Editor

Laporan Akhir Praktikum Statistika Industri I

Gambar. 3.3 Data Editor

Laporan Akhir Praktikum Statistika Industri I

Buat file data dengan pendefinisian variabel berikut :

TABEL 3.2 Pendefinisian Variabel

Hasil yang tampak pada data editor adalah sebagai berikut :

Gambar.3.4 Hasil Editor Variabel

Laporan Akhir Praktikum Statistika Industri I

Gambar. 3.5 Data Editor Program SPSS

3.2. Statistik Deskriptif

Laporan Akhir Praktikum Statistika Industri I

Gambar. 3.6 Program SPSS Data Editor

 Pindahkan data panjang dari kolom kiri ke kolom kanan dengan

Tabel. 3.2. Program SPSS Data Editor

Laporan Akhir Praktikum Statistika Industri I

 Klik statistic kemudian beri tanda (v) pada persentile velue,