DOSEN PEMBIMBING
FADRIZAL LUBIS, ST. MT
DISUSUN OLEH :
RONY HALOMOAN SILABAN
NIM : 1922201047
Segala puji dan syukur saya panjatkan kehadirat Tuhan Yang Maha Esa atas berkat dan
rahmat yang diberikan pada saya sehingga saya dapat menyelesaikan tugas “STATISTIK
DAN PROBABILITAS”. .
Penulis menyadari bahwa terdapat banyak kekurangan dalam penulisan makalah ini,
maka dari itu penulis mengharapkan kritik dan saran yang membangun agar makalah ini dapat
lebih baik lagi. Akhir kata penulis berharap agar makalah ini bermanfaat bagi semua pembaca.
Penyusun
Nim : 1922201047
DAFTAR ISI
DAFTAR ISI…………………………………………………..…………..
BAB I ……………………………………………………………..................
BAB II ………………………………………………………..………………
A. TEORI STATISTIK & PROBABILITAS ……………………………….
B. PEMBAGIAN DATA ………………………………………………..….
C. PERANAN STATISTIK DAN PENERAPANNYA DI BIDANG TEKNIK……..
D. PENERAPAN STATISTIK DI BIDANG TEKNIK ………………………
E. PROBABILITAS …………………………………………………………….
F. KONSEP PROBABILITAS ……………………………..………………….
BAB IV ……………………………………………………………………………….
A. KESIMPULAN ……………………………………………………………..
B. SARAN ……………………………………………………………………..
LAMPIRAN
BAB I
PENDAHULUAN
A. Latar Belakang
Didalam Kehidupan aktifitas sehari-hari, sering kita jumpai banyak hal yang
dapat kita deskripsikan dalam sebuah bentuk data. Informasi data yang diperoleh
tentunya harus diolah terlebih dahulu menjadi sebuah data yang mudah dibaca dan di
analisa. Akan tetapi bagaimana penyajian data yang kita dapat tentunya berbeda beda,
sesuai dengan kebutuhan dan keinginan penyaji data.
Pada dasarnya aplikasi Ilmu Statistik dibagi dalam dua bagian, yaitu Statistik
Deskriptif dan Statistik Induktif. Statistik Deskriptif berusaha menjelaskan atau
menggambarkan berbagai karakteristik data, seperti berapa rata – ratanya (average),
seberapa jauh data-data yang bervariasi dan sebagainya.
Banyak persoalan, apakah hasil penelitian, riset ataupun pengamatan, baik yang
dilakukan khusus ataupun berbentuk laporan, dinyatakan dan dicatat dalam bentuk
angka atau bilangan.Kumpulanangka sering disusun, diatur, atau disajikan dalam
bentuk daftar/tabel.Sering pula daftar/tabel disertai dengan gambar yang biasanya
disebut diagram/grafik supaya bisa menjelaskan lagi tentang persoalan yang dipelajari.
Latar belakang mempelajari ilmu statistik saat ini dan untuk masa depan yaitu
bisa digunakan dalam kehidupan sehari-hari terutama yang berkaitan dengan
penyajian, pengolahan, ukuran kecenderungan, dan ukuran letak data, seringkali
menggunakan kumpulan angka-angka untuk menyusun laporannya. Data-data yang
telah didapat ini disusun dan disajikan dalam daftar, dan juga diagram atau grafik, serta
penyajian lainnya, bertujuan untuk hasil riset tersebut lebih sangat mudah dipahami dan
didapatkan kesimpulannya oleh yang melihat.
B.Metode Penulisan
B. Identifikasi Masalah
Data yang digunakan untuk di proses dan diolah adalah data D.O BBM ALL
PROJECT PERIODE 2018 ALL PROJECT di PT.PETRONESIA BENIMEL( dalam
ribu liter)
C. Rumusan Masalah
D. Tujuan Penulisan
Tujuan pnulisan pada Statistik D.O BBM ALL PROJECT PERIODE 2018 ALL
PROJECT di PT.PETRONESIA BENIMEL(dalam ribu liter) terbagi menjadi beberapa
tahap diantaranya adalah distribusi frekuensi, ukuran pemusatan dan ukuran
penyebaran. Berikut adalah tujuan dari masing-masing tahap, diantaranya adalah
sebagai berikut :
1. Distribusi Frekuensi
Tujuan dari penulisan Distribusi Frekuensi adalah untuk menentukan jumlah
kelas, menentukan interval kelas, mengetahui kurva-kurva yang ada dalam
distribusi frekuensi.
2. Ukuran Pemusatan
Tujuan dari penulisan Ukuran Pemusatan ini adalah untuk mengidentifikasi
hasil dari perhitungan rata-rata, median, modus, untuk data tunggal dan data
berkelompok. Pengambilan data sebanyak 108 data jumlah elevasi.
3. Ukuran Penyebaran
Tujuan dari penulisan Ukuran Penyebaran adalah untuk mengidentifikasi hasil
dari perhitungan, rentang, simpangan rata-rata, dan simpangan baku.
BAB II
TINJAUAN PUSTAKA
Dalam arti sempit, statistik berarti data ringkasan berbentuk angka. Misalnya
statisik penduduk, statistik gangguan kabel tanah dan sebagainya. Sedangkan dalam
arti luas, statistik berarti suatu ilmu yang mempelajari cara pengumpulan, pengolahan,
penyajian dan analisa data serta cara pengambilan kesimpulan secara umum
berdasarkan hasil penelitian. Kesimpulan ini mengandung suatu ketidakpastian yang
disebabkan karena kesulitan menyelidiki data satu per satu.
Statistik Deskriptif
Statistik Deskriptif berhubungan dengan peringkasan seperangkat data dan
penyajiannya ke dalam bentuk yang dapat dipahami (lebih menekankan pada teknik
pengumpulan, pengolahan, penyajian dan penganalisisan data kuantitatif secara
deskriptif guna memberikan gambaran yang teratur mengenai suatu persoalan).
Perhitungan rata-rata dan distribusi frekuensi, angka indeks, dan analisis time series
merupakan pokok-pokok bahasan dalam statistik deskriptif.
Probabilitas
Probabilitas adalah suatu angka yang mengukur frekuensi relatif dari suatu
kejadian dalam jangka panjang atau menunjukkan suatu tingkat kepercayaan.
Pemakaian konsep-konsep probabilitas menjadi dasar/landasan dalam mempelajari
teori keputusan secara statistik dan statistik inferensi.
Statistik Inferensi
Statistik Inferensi adalah suatu pernyataan mengenai suatu populasi yang
didasarkan pada informasi dari sampel random yang diambil dari populasi itu (tidak
hanya menekankan pada teknik pengumpulan, pengolahan, penyajian dan
penganalisisan data saja, tetapi juga teknik penarikan kesimpulan dan pembuatan
keputusan yang dapat dipertanggungjawabkan).
B. Pembagian Data
b. Menurut sumbernya
1) Data internal, data yang menggambarkan keadaan atau kegiatan dalam
suatu organisasi.
2) Data eksternal, data yang menggambarkan keadaan atau kegiatan di luar
suatu organisasi.
Data statistik tidak cukup dikumpulkan, diolah dan dianalisa akan tetapi perlu
disajikan dalam bentuk yang mudah dibaca/ditafsirkan oleh pembuat keputusan.
Penyajian data bisa dalam bentuk tabel, gambar maupun grafik.
Selanjutnya dalam analisa data ada dua besaran yang sering digunakan dan
harus diketahui, yaitu:
a. Harga rata-rata (Mean)
b. Harga variansi
E. Probabilitas
Teori matematika tentang probabilitas memberi kita alat dasar untuk membangun
dan menganalisa model matematika untuk fenomena acak. Dalam mempelajari
fenomena acak, kita berhadapan dengan percobaan yang hasilnya tidak dapat
diprediksi sebelumnya. Dalam sains dan teknologi, fenomena acak menggambarkan
berbagai macam situasi. Pada umumnya, mereka dapat dikelompokkan menjadi dua
kelas yang besar. Kelas yang pertama berhubungan dengan fenomena fisik atau alam
yang melibatkan ketidakpastian. Ketidakpastian masuk ke dalam rumusan masalah
melalui kompleksitas, kurangnya pemahaman kita tentang semua sebab dan akibat
masalah tersebut, dan kurangnya informasi. Misalnya, prakiraan cuaca. Informasi yang
diperoleh dari satelit cuaca dan informasi meteorologi lainnya tidak cukup untuk
membuat prediksi cuaca tersebut bisa diandalkan 100 persen. Oleh karena itu, laporan
cuaca di radio dan televisi dibuat berdasarkan probabilitas. Kelas kedua mempelajari
model probabilistik yang menyangkut variabilitas. Misalnya, masalah dalam kepadatan
lalu lintas dimana seseorang ingin mengetahui jumlah kendaraan melintasi titik tertentu
di jalan dalam interval waktu tertentu. Jumlah ini bervariasi tak terduga untuk interval
satu dan interval lain, dan variabilitas ini mencerminkan variabel perilaku pengemudi
yang melekat dalam masalah ini. Sifat ini memaksa kita untuk mengadopsi sudut
pandang probabilistik, dan teori probabilitas menyediakan alat yang tepat untuk
menganalisis masalah jenis ini. Dapat dikatakan bahwa variabilitas dan ketidakpastian
ada dalam setiap pemodelan untuk semua fenomena nyata, dan wajar bila melihat
pemodelan dan analisis probabilitas menempati posisi sentral dalam perkembangan
berbagai topik ilmu dalam sains dan teknologi.
F. Konsep Probabilitas
A. Pengumpulan Data
Data yang didapat untuk di proses dan diolah adalah data data D.O BBM ALL
PROJECT PERIODE 2018 ALL PROJECT (dalam ribu liter). Data meliputi
jumlah suara sah dan tidak sah perhitungan suara dengan total data 108.
B. Pengorganisasian Data
Langkah Pertama untuk Laporan Statistik ini adalah melihat Jajaran Data
Mentah (Raw Data). Data Mentah adalah data terkumpul yang belum
diorganisasikan secara numerik. Data yang masih diacak ini diurutkan kedalam
bentuk baris dan kolom. Disini saya mengacaknya kedalam 12 Baris dan 9 Kolom.
Berikut Data Mentah tersebut :
Langkah Kedua adalah Jajaran Data Mentah diatas diurutkan dari yang terkecil ke
terbesar atau sebaliknya. Jajaran Data (Data Array)merupakan suatu susunan dari
data-data mentah yang diatur dengan urutan nilai numerik. Disini saya mengurutkannya
dari yang terkecil ke terbesar dimulai dari kolom atas ke kolom bawah lalu naik lagi
keatas dan begitu seterusnya. Pengurutan Jajaran data saya aplikasikan menggunakan
Aplikasi Microsoft Office Excel.Berikut hasilnya :
Tabel 3.2 – Jajaran Data (Data Array)
1 2 3 4 5 6 7 8 9
1 5 5 10 10 12 20 24 55 100
2 5 5 10 10 12 24 24 60 100
3 5 5 10 10 12 24 24 100 100
4 5 8 10 10 12 24 24 100 100
5 5 8 10 10 12 24 24 100 100
6 5 8 10 10 12 24 24 100 100
7 5 8 10 10 12 24 24 100 100
8 5 8 10 10 12 24 24 100 100
9 5 8 10 10 12 24 24 100 100
10 5 8 10 10 12 24 24 100 100
11 5 8 10 10 12 24 24 100 100
12 5 8 10 12 15 24 24 100 240
Sumber : PT.PETRONESIA BENIMEL
Langkah Ketiga adalah Penyajian Data berupa Diagram Statistik. Ada berbagai
macam pilihan Diagram untuk Statistik, dan disini saya menggunakan Diagram Garis
(Line Diagram) yang saya edit pada Spreadsheet Excel. Berikut Diagram Garis tersebut
:
300
250
200
150
Series2
100
50
0
103
1
7
13
31
49
67
19
25
37
43
55
61
73
79
85
91
97
Dimana :
C = Lebar Interval Kelas (hasilnya dibulatkan)
R = Kisaran data (Range) = selisih data terbesar dengan terkecil
K = Jumlah Interval Kelas
Jika jumlah data terlalu banyak maka jumlah interval kelas (K) dapat dicari
dengan menggunakan Rumus Sturge, yaitu :
K = 1 + 3 log n , dimana n adalah jumlah data
Banyakkelas k=1+(3)(log n)
k=1+(3)(log 108)
k=1+(3)(2,034,)
k=1+6,1O2
K=7
Rentang
Interval p= Data
Banyak
kelas
p= 235 = 33
7
Menurut ketentuan diatas dan mengingat ada 100 data, maka saya memutuskan
untuk menentukan denganrumuslebar interval kelasnya dan jumlah turunan intervalnya.
Berikut hasil penentuan lebar Interval Kelas dari data yang ada
Tabel 3.3 – Interval Class (IC)
JUMLAH
INTERVAL CLASS FREKUENSI(f) PERSENTASE (%)
5-38 84 77,8
39 - 72 2 1,85
73 - 106 21 19,4
107 - 140 0 0
141 -174 0 0
175 - 208 0 0
209 - 241 1 0,93
JUMLAH 108 100%
Jumlah Frekuensi (f) didapat dari banyaknya data yang muncul dari penentuan
ambang batas atau lebar interval yang saya tentukan diatas (Lihat Tabel 3.2). Turunan
IC didapatkan 7 Interval karena hasil dari lebar interval class yang sudah sampai pada
data terbesar. Mencari Persentase adalah dengan cara 84:108=0,84 X 100=77,8%
JUMLAH FREKUENSI
BATAS CLASS (f) PERSENTASE (%)
5 DAN 38 84 77,8 %
39 DAN 72 2 1,85 %
73 DAN 106 21 19,4 %
107 DAN 140 0 0%
141 DAN 174 0 0%
175 DAN 208 0 0%
209 DAN 241 1 0,93 %
JUMLAH 108 100%
Batas Kelas (Class Limit)didapat dari pemisahan Interval Awal dan Interval
Akhir atau bisa diambil ujung-ujungnya, pemisahnya hanya menambahkan kata “dan”.
Langkah Keenam adalah penentuan Lebar Interval Kelas (Width of Interval Class).
Ketentuan mencari Lebar Interval Kelas ini adalah :
1. Batas Bawah Kelas ditambah 0,5
2. Batas Atas Kelas dikurang 0,5, seperti perhitungan saya pada Tabel 3.6
diatas.
3. Turunan Intervalnya memakai data seperti pada Tabel 3.5
4. Total dari Lebar Interval Kelas akan digunakan sebagai C pada Median dan
Modus
LEBAR INTERVAL
TOTAL
KELAS
38,5 - 4,5 34
72,5 - 38,5 34
106,5 - 72,5 34
140,5 - 106,5 34
174,5 - 140,5 34
208,5 - 174,5 34
241,5 - 208,5 34
120
100
80
60
40 Series1
Series2
20
Series3
0
BATAS F F
IC F NTK
BAWAH Kum ≤ Kum ≥
4,5 0 108
5 -38 84 21,5 38,5 84 24
39 - 72 2 55,5 72,5 86 22
73 - 106 21 89,5 106,5 107 1
107 -
140 0 123,5 140,5 107 1
141 -
174 0 157,5 174,5 107 1
175 -
208 0 191,5 208,5 107 1
209 -
241 1 225 241,5 108 0
TOTAL 108
Adapun ketentuan yang saya pakai dalam Tabel 3.8 diatas sebagai berikut :
1. Data NTK(Nilai Tengah Kelas) diambil dari Tabel 3.7;
2. Pencarian Batas Bawah adalah dengan cara :
- 5 – 0,5 = 4,5
- 38 + 0,5 = 38,5
- 72 + 0,5 =72,5
- 106 + 0,5 = 106,5
- 140 + 0,5 = 140,5
- 174 + 0,5 = 174,5
- 208 + 0,5 = 208,5
- 241 + 0,5 = 241,5
BATAS F F
NO. f
BAWAH Kum ≤ Kum ≥
1 4,5 0 108
2 84 38,5 84 24
3 2 72,5 86 22
4 21 106,5 107 1
5 0 140,5 107 1
6 0 174,5 107 1
7 0 208,5 107 1
8 1 241,5 108 0
Grafik 3.2 – Kurva Ogive Positif Kurang Dari <(berdasarkan data Tabel 3.8)
120
100
80
60 F Kum<
40
20
0
Grafik 3.3 - Kurva Ogive Negatif Lebih Dari >(berdasarkan data Tabel 3.8)
100
80 F Kum>
60 Series1
40
20
0
1 2 3 4 5 6 7 8
Saya mulai untuk mencari Data Tidak Terkelompok, tapi sebelum itu saya
tentukan terlebih dahulu apakah data saya ini masuk kategori suatu sampel atau suatu
populasi. Karena data saya ini menyangkut jumlah suara maka saya menyatakan ini
adalah sebuah sampel. Dan untuk rumus suatu sampel adalah sebagai berikut :
1.Mean Aritmatik
Data Tidak Terkelompok :
Data yang dipakai untuk perhitungan Mean Aritmatik adalah Data Mentah
(Data Raw) dengan menjumlahkan semua data dimulai dari kiri ke kanan
lalu turun lagi ke kiri dan begitu seterusnya sesuai Tabel 3.1
x= 32,99
Data Terkelompok :
k K x = Mean Aritmatik dari suatu sampel,
∑ fi x m,i ∑ fi x m,i n = banyaknya data dari suatu sampel,
x= i=1 = i=1 fi = frekuensi atau jumlah pengamatan
dalam sebuah interval kelas
k N
x m,i = nilai tengah dari interval kelas
∑ fi (Nilai Tengah Kelas lihat Tabel 3.7)
i=1
84 + 2 + 21 + 0 + 0 + 0 + 1
108
X = 4021,5
108
X = 37,24
x = 12 + 12 = 12
2
Data Terkelompok :
Dengan dasar Tabel Distribusi Frekuensi Kumulatif pada Tabel 3.8
IC F F KUM ≤
5-38 84 0
39 - 72 2 84
73 - 106 21 86
107 -
140 0 107
141 -
174 0 107
175 -
208 0 107
209 -
241 1 107
108
Nilai 54 diatas berada pada frekuensi 84 (lihat tabel diatas), sehingga class
mediannya adalah : 5-38, dengan keterangan rumus sebagai berikut
Me = L + 1/2 n - F xC
f
Me = 4,5 + 1/2 n - F xC
F
1/2 X 108 -
Me = 4,5 + 0 X 34
84
Me = 4,5 + 54 - 0 x 34
84
Me = 4,5 + 0,64 x 34
Me = 26,26
Selanjutnya masuk Langkah Kedua belas yakni Pencarian Modus. Modus adalah nilai
yang paling sering muncul atau yang frekuensinya terbesar. Modus terbagi menjadi 2
kelompok yakni Data Tidak Terkelompok dan Data Terkelompok.
3. Modus
Data Tidak Terkelompok :
Untuk data tidak terkelompok cukup dengan melihat nilai data yang paling
sering muncul (frekuensi paling besar) adalah : sebanyak 3 kali. (Lihat
Tabel 3.2)
Data Terkelompok :
Dengan melihat tabel Interval Kelas dan Jumlah Frekuensinya, maka
didapatlah Kelas Modus dengan frekuensi terbanyak yakni : 21, sehingga
Kelas Modusnya adalah : 610 – 736, Rumus pencarian sebagai berikut :
Mo = 4,5 + 84 x 34
84 +
82
Mo = 21,7
MD = 3324,33
108
MD = 34,67
Data Terkelompok :
Pencarian Data Terkelompok ini terbagi 2 yaitu :
1. Perkalian antara Jumlah Frekuensi IC dengan Titik Tengah, setelah
didapatkan hasil dan dijumlah seluruhnya kemudian dibagi dengan
jumlah total data, maka didapatlah x
2. Selanjutnya nilai titik tengah dukurangi nilai x yang didapat
3. Kemudian nilai frekuensi dikali hasil dari nilai titik tengah dikurangi nilai
x diatas tadi dan dibagi nilai total data.
4. Untuk lebih jelasnya lihat Tabel 3.9 dibawah ini,
X= 4021,5
108
X= 37,236
MD = 2643,66
108
MD = 24,48
Maka didapatlah kesesuaian Perhitungan Simpangan Mutlak Rata Rata sebagai berikut
1. Data Tidak
terkelompok: x= 32,99
MD = 34,67
2. Data Terkelompok
: x= 37,236
MD= 24,48
Dan yang terakhir adalah Langkah Keempat belas yakni Pencarian Simpangan
Baku (Deviasi Standard). Simpangan Baku merupakan ukuran penyebaran yang
palign sering digunakan. Mayoritas nilai data cenderung berada dalam satu deviasi
standard dari mean. Simpangan Baku terbagi menjadi 2 kelompok yakni Data Tidak
Terkelompok dan Data Terkelompok.
5.Simpangan Baku (Deviasi Standard)
Data Tidak Terkelompok :
Data yang dipakai untuk pencarian Data Tidak Terkelompok ini adalah
Jajaran Data (Array) atau Jajaran data yang telah tersusun yang terdiri dari
108 Data dengan Nilai Rata-Rata = 169,966.
Ketentuan lain untuk Simpangan Baku (SB) ini adalah data yang dipakai
untuk perhitungan adalah data Simpangan Mutlak Rata-Rata dan yang
diambil adalah hasil pengurangan nya kemudian dikuadratkan dan
dijumlahkan, seperti dibawah ini :
Data Terkelompok :
Perhitungan Data Terkelompok ini adalah sebagai berikut:
Tabel 3.11 – Perhitungan Lengkap Frekuensi
X= 4.021,5 = 37,236
108
Makadidapatlahkesesuainperhitungansimpanaganbaku/standardeviasisbb :
1. Data tidakkelompok : X =32,99
SB
√ =175.530,989 SB=418,97
SB
2. Data terkelompok : X =37,236 =114.085,53
√ SB =32,5
BAB IV
PENUTUP
A.Kesimpulan
Dari perhitungan diatas yang telah saya jabarkan dan untuk mempermudah melihat
hasil keseluruhan, maka saya tampilkan rincian Rekapitulasi Perhitungan sebagai
berikut :
NTK
IC f
(xi)
5 - 38 84 21,5
39 - 72 2 55,5
73 - 106 21 89,5
107 - 140 0 123,5
141 - 174 0 157,5
175 - 208 0 191,5
209 - 241 1 225
1. Mean Aritmatik
- Data Tidak Terkelompok = 32,99
- Data Terkelompok = 37,24
2. Median
- Data Tidak Terkelompok = 12
- Data Terkelompok = 26,26
3. Modus
- Data Tidak Terkelompok = 24
- Data Terkelompok = 21,7
Data statistika tidak hanya cukup dikumpulkan dan diolah, tetapi juga perlu
disajikan dalam bentuk yang mudah dibaca dan dimengerti oleh pengambil keputusan.
Penyajian data ini bisa dalam bentuk tabel atau grafik/diagram.