Modul 1 Zalza

MODUL I
STATISTIK DESKRIPTIF
OLEH
NAMA :
STAMBUK :
KELOMPOK :
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU

DEPARTEMEN TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
GOWA
2020
BAB I
PENDAHULUAN
1.1 Latar Belakang
Statistika diawali sebagai ilmu untuk mengumpulkan angka (data).
pada abad 17 statistika deskriptif mulai berkembang begitu juga ilmu peluang
yang awalnya dilahirkan dari meja judi sudah mulai muncul ilmu peluang ini
melandasi berkembangnya statistika induktif yang terjadi pada pertukaran
abad 19 dan 20 dengan personal sebagai pelopor nya statistika induktif
berkembang pesat setelah memperkenalkan metode Maximum likelihood
pada tahun 1922. Dengan adanya perkembangan teknologi komputer metode
eksplorasi data dan bootstrap mulai berkembang pada tahun 1970. Metode ini
sebagai awal dari analisis data tanpa model peluang yang populer dengan
data driven seiring dengan perkembangan statistika induktif, statistika mulai
diterapkan pada berbagai bidang seperti ekonomi industri pertanian sosiologi
psikologi dan lain-lain.
Di Indonesia pengantar statika telah dicantumkan dalam kurikulum
sains sejak tahun 1975. Hal ini disebabkan karena sekitar lingkungan kita
berada selalu berkaitan dengan statistik. Statistik memiliki banyak peranan
penting dalam bidang sains dan teknik, terutama dalam penelitian-penelitian
ilmiah dan keteknikan, maupun dalam penerapannya dibidang industri.
Dalam banyak hal, pengolahan dan analisis data senantiasa membutuhkan
penerapan metode statistik tertentu, yang mana pemakaiannya memberikan
ZALZA SAPHIRA AN. / D071181024
dasar bagi penjelasan yang logis mengenai hubungan-hubungan yang
terdapat antara variabel-variabel yang menjadi kajian. Misalnya dikantor
kelurahan kita mengenal statistik desa, didalamnya memuat keadaan
penduduk mulai dari banyak penduduk, pekerjaannya, banyak anak, dan
sebagainya.
Oleh karena itu seiring dengan perkembangan zaman, statistik
menempati posisi yang kian penting dalam kehidupan yang semakin
dilimpahi data. Tanpa statistik, data-data itu hanya akan menjadi angka-
angka yang tidak memiliki makna. Untuk itu dengan melakukan percobaan
statistik deskriptif ini, kami sebagai mahasiswa dapat menerapkan disiplin
ilmu yang dimiliki dengan mengumpul, mengklasifikasi, meringkas,
menyajikan, menginterprestasikan, dan menganalisis data. Jadi, dengan
melakukan percobaan ini kami dapat mempelajari dan mengetahui secara
langsung kegiatan yang berlangsung dalam suatu instansi, sehingga dapat
memberikan pengalaman yang baru bagi kami.
1.2 Rumusan Masalah
a. Bagaimana teknik pengambilan data untuk memperoleh data penelitian ?
b. Bagaimana konsep data, klasifikasi data, dan skala pengukuran ?
c. Bagaimana jenis-jenis ukuran yang dapat menggambarkan sifat-sifat
dasar kumpulan data ?
d. Bagaimana menginterprestasikan pengolahan data pada statistik
deskriptif?
1.3 Tujuan Praktikum
a. Dapat menguasai teknik pengambilan data untuk memperoleh data
penelitian
b. Praktikan mampu memahami konsep data, klasifikasi data, dan skala
pengukuran
c. Praktikan mampu menjelaskan secara menyeluruh jenis-jenis ukuran yang
dapat menggambarkan sifat-sifat dasar kumpulan data
d. Praktikan mampu menginterprestasikan pengolahan data pada statistik
deskriptif
1.4 Manfaat Praktikum
a. Praktikan mampu melakukan pengambilan data dengan benar
b. Praktikan mampu mengolah data dengan benar
c. Praktikan mampu menampilkan data secara deskriptif
d. Praktikan mampu menginterprestasikan dan menarik kesimpulan hasil
pengolahan data dalam bentuk statistik deskriptif
1.5 Batasan Masalah
Praktikum ini dilakukan di Laboratorium Statistik dan Manajemen Mutu
Departemen Teknik Industri Fakultas Teknik Universitas Hasanuddin. Data
yang diolah adalah data primer yang diambil dari beberapa tempat yang telah
ditentukan sebelumnya dan dijalankan sesuai arahan dari asisten
laboratorium
BAB II
TEORI DASAR
BAB III
METODOLOGI PERCOBAAN
3.1 Studi Kasus
Praktikan melakukan penelitian dan menganalisis data secara deskriptif dari
hasil perhitungan terhadap data penelitiannya yang terdiri atas data usia,
tingkat kebersihan tempat yang dikunjungi serta lama berkunjung ditempat
itu yang dihitung dalam jangka waktu tertentu. Dimana tiap kelompok
praktikan mengambil data sebanyak 50 data.
3.2 Alat yang digunakan
a. Observation sheet, berfungsi sebagai tempat untuk mencatat data yang
sudah diukur.
b. Alat tulis berupa bolpoin ataupun sejenisnya.
c. Kamera ataupun media yang bisa dijadikan sebagai alat dokumentasi.
3.3 Langkah-Langkah Percobaan
a. Menyiapkan alat tulis dan observation sheet yang digunakan pada saat
pengambilan data.
b. Meminta tiap responden untuk memberikan data ukuran usia, dan tinggi
badan, serta jumlah pengunjung.
c. Mencatat setiap pengambilan data pada observation sheet dengan
menggunakan alat tulis yang disediakan hingga mencapai pada 50 data.
BAB IV
PENGOLAHAN DATA
4.1 Tabel Data
(Narasi)
Tabel 4.1 Hasil Wawancara Singkat Pada 50 Responden

Usia Tingkat Kebersihan Lama Berkunjung
No.
(tahun) (skala 1-10) (menit)
1 23 10,4 220
2 24 8,4 160
3 25 8,4 190
4 26 9,4 100
5 27 9,4 160
6 27 8,4 100
7 27 8,4 160
8 27 7,4 130
9 27 8,4 220
10 27 7,4 70
11 27 8,4 160
12 27 7,4 190
13 28 8,4 70
14 28 7,4 70
15 28 8,4 100
16 28 8,4 100
17 28 7,4 100
18 28 10,4 100
19 29 8,4 160
20 30 8,4 130
21 30 9,4 100
22 30 8,4 70
23 31 9,4 130
24 32 8,4 220
25 34 7,4 100
26 34 9,4 100
27 34 9,4 70
28 35 8,4 100
29 35 5,4 100
30 36 6,4 190
31 36 8,4 100
32 36 7,4 160
33 37 8,4 160
34 38 8,4 220
35 39 8,4 160
36 39 8,4 220
37 40 9,4 100
38 41 8,4 100
39 42 9,4 70
40 42 8,4 160
41 47 7,4 100
42 47 8,4 160
43 47 9,4 280
44 49 9,4 160
45 49 8,4 160
46 52 9,4 100
47 54 8,4 190
48 57 10,4 160
49 58 7,4 220
50 69 9,4 160
4.2 Pengolahan Data Usia
a. Pengolahan Data Usia
23 24 25 26 27 27 27 27 27 27
27 27 28 28 28 28 28 28 29 30
30 30 31 32 34 34 34 35 35 36
36 36 37 38 39 39 40 41 42 42
47 47 47 49 49 52 54 57 58 69
1) Ukuran Pemusatan Data
a) Mean
n
∑ Xi
x́= i=1
n
23+ 24+25+26 +27+27+27 +27+27+ 27

+27+27+ 28+28+28+28+ 28+28+29+30
+30+30+31+32+34+ 34+34 +35+35+36
+ 36+36+37+38+ 39+39+40+ 41+42+ 42
+47+ 47+ 47+ 49+49+52+54 +57+58+69
x́=
50
1791
x́=
50
x́=35,82
b) Median
x n + x n+2
2 2
Med =
2
x 50 + x 50+2
2 2
Med=
2
x 25+ x26
Med =
2
34 +34
Med =
2
Med =34
c) Modus
Pada data usia nilai yang sering muncul adalah 27.
d) Kuartil
(1) Kuartil 1
Q 1=x 1
(n+2)
4
Q1=x 1
(50+2)
4
Q 1=x 1
(52)
4
Q 1=x 13 ≈ 28
(2) Kuartil 2
Q2=x 2
(n+2)
4
Q2=x 2
(50+2)
4
Q2=x 2
(52)
4
Q2=x 26 ≈34
(3) Kuartil 3
Q3=x 3
(n+2)
4
Q3=x 3
(50+2)
4
Q 3=x 3
(52)
4
Q 3=x 39 ≈ 42
2) Ukuran Penyebaran Data
a) Range
R=xmax −x min
R=69−23
R=46
b) Simpangan Rata-Rata
n
1
SR= ∑ |x i−x́|
n i=1
1
S= ¿
50
|12.82|+|11.82|+|10.82|+|9.82|+|8.82|+|8.82|
|8.82|+|8.82|+|8.82|+|8.82|+|8.82|+|8.82|
( )
|7.82|+|7.82|+|7.82|+|7.82|+|7.82|+|7.82|
1 |6.82|+|5.82|+|5.82|+|5.82|+|4.82|+|3.82|
S= |1.82|+|1.82|+|1.82|+|0.82|+|0.82|+|0.18|
50
|0.18|+|0.18|+|1.18|+|2.18|+|3.18|+|3.18|
|4.18|+|5.18|+|6.18|+|6.18|+|11.18|+|11.18|
|11.18|+|13.18|+|13.18|+|16.18|+|18.18|+|21.18|
|22.18|+|33.18|
1
S= ( 405,56 )
50
S=8,1112≈ 8,111
c) Standar Deviasi
SR=
√ ∑ ( x ¿¿ i− x́)2
i=1
N
¿
( 23−35,82 )2 + ( 24−35,82 )2 + ( 25−35,82 )2
√
2 2 2
+ ( 26−35,82 ) + ( 27−35,82 ) + ( 27−35,82 )
2 2 2
+ ( 27−35,82 ) + ( 27−35,82 ) + ( 27−35,82 )
2 2 2
+ ( 27−35,82 ) + ( 27−35,82 ) + ( 27−35,82 )
+ ( 28−35,82 )2+ ( 28−35,82 )2+ ( 28−35,82 )2
2 2 2
+ ( 28−35,82 ) + ( 28−35,82 ) + ( 28−35,82 )
2 2 2
+ ( 29−35,82 ) + ( 30−35,82 ) + ( 30−35,82 )
+ ( 30−35,82 )2 + ( 30−35,82 )2 + ( 31−35,82 )2
+ ( 32−35,82 )2 + ( 34−35,82 )2+ ( 34−35,82 )2
2 2 2
+ ( 34−35,82 ) + ( 35−35,82 ) + ( 35−35,82 )
2 2 2
+ ( 36−35,82 ) + ( 36−35,82 ) + ( 36−35,82 )
+ ( 37−35,82 )2 + ( 38−35,82 )2 + ( 39−35,82 )2
+ ( 40−35,82 )2+ ( 41−35,82 )2 + ( 42−35,82 )2
2 2 2
+ ( 42−35,82 ) + ( 47−35,82 ) + ( 47−35,82 )
2 2 2
+ ( 47−35,82 ) + ( 49−35,82 ) + ( 49−35,82 )
+ ( 52−35,82 )2+ ( 54−35,82 )2 + ( 57−35,82 )2
+ (58−35,82 )2 + ( 69−35,82 )2
SR=
50
5207,38
SR=
√ 50
SR=1,4432
d) Variansi
n
∑ ( x¿¿ i− x́ )2
S2= i=1 ¿
N
( 23−35,82 )2 + ( 24−35,82 )2 + ( 25−35,82 )2 + ( 26−35,82 )2

+ ( 27−35,82 )2 + ( 27−35,82 )2 + ( 27−35,82 )2 + ( 27−35,82 )2
2 2 2 2
+ ( 27−35,82 ) + ( 27−35,82 ) + ( 27−35,82 ) + ( 27−35,82 )
2 2 2 2
+ ( 28−35,82 ) + ( 28−35,82 ) + ( 28−35,82 ) + ( 28−35,82 )
+ ( 28−35,82 )2+ (28−35,82 )2 + ( 29−35,82 )2 + ( 30−35,82 )2
+ ( 30−35,82 )2+ ( 30−35,82 )2 + ( 30−35,82 )2 + ( 31−35,82 )2
2 2 2 2
+ ( 32−35,82 ) + ( 34−35,82 ) + ( 34−35,82 ) + ( 34−35,82 )
2 2 2 2
+ ( 35−35,82 ) + ( 35−35,82 ) + ( 36−35,82 ) + ( 36−35,82 )
+ ( 36−35,82 )2+ (37−35,82 )2 + ( 38−35,82 )2 + ( 39−35,82 )2
+ ( 40−35,82 )2+ ( 41−35,82 )2 + ( 42−35,82 )2 + ( 42−35,82 )2
2 2 2 2
+ ( 47−35,82 ) + ( 47−35,82 ) + ( 47−35,82 ) + ( 49−35,82 )
2 2 2 2
+ ( 49−35,82 ) + (52−35,82 ) + ( 54−35,82 ) + ( 57−35,82 )
2 2
2 + (58−35,82 ) + ( 69−35,82 )
S=
50
S2=¿ 104,1476
e) Standard Error of Mean
S
SEz =
√n
10,20527
SEz =
√50
SEz =1,44324
f) Skewness
n
n
∑ ( x ¿¿ i−x́ )3
i=1
SK= ¿
(n−1)(n−2) S3
( 23−35,82 )3+ ( 24−35,82 )3 + ( 25−35,82 )3 + (26−35,82 )3

+ ( 27−35,82 )3 + ( 27−35,82 )3 + ( 27−35,82 )3 + (27−35,82 )3
3 3 3 3
+ ( 27−35,82 ) + ( 27−35,82 ) + ( 27−35,82 ) + (27−35,82 )
3 3 3 3
+ ( 28−35,82 ) + ( 28−35,82 ) + ( 28−35,82 ) + ( 28−35,82 )
+ ( 28−35,82 )3 + ( 28−35,82 )3 + ( 29−35,82 )3 + ( 30−35,82 )3
+ ( 30−35,82 )3 + ( 30−35,82 )3 + ( 30−35,82 )3 + ( 31−35,82 )3
3 3 3 3
+ ( 32−35,82 ) + ( 34−35,82 ) + ( 34−35,82 ) + ( 34−35,82 )
3 3 3 3
+ (35−35,82 ) + ( 35−35,82 ) + ( 36−35,82 ) + ( 36−35,82 )
+ (36−35,82 )3 + ( 37−35,82 )3+ ( 38−35,82 )3 + (39−35,82 )3
+ ( 40−35,82 )3 + ( 41−35,82 )3 + ( 42−35,82 )3 + ( 42−35,82 )3
3 3 3 3
+ ( 47−35,82 ) + ( 47−35,82 ) + ( 47−35,82 ) + ( 49−35,82 )
3 3 3 3
+ ( 49−35,82 ) + ( 52−35,82 ) + ( 54−35,82 ) + (57−35,82 )
3 3
50 + ( 58−35,82 ) + ( 69−35,82 )
SK=
(50−1)(50−2) 10,20527 3
SK=¿1,22
g) Kurtosis
K=¿
( 23−35,82 )4 + (24−35,82 ) 4 + ( 25−35,82 )4 + ( 26−35,82 )

4 4 4
+ ( 27−35,82 ) + ( 27−35,82 ) + ( 27−35,82 ) + ( 27−35,82
(
+ ( 27−35,82 )4 + ( 27−35,82 ) 4+ ( 27−35,82 ) 4 + ( 27−35,82
+ ( 28−35,82 ) 4 + ( 28−35,82 ) 4+ ( 28−35,82 )4 + ( 28−35,82
4 4 4
+ ( 28−35,82 ) + ( 28−35,82 ) + ( 29−35,82 ) + ( 30−35,82
4 4 4
+ ( 30−35,82 ) + ( 30−35,82 ) + ( 30−35,82 ) + ( 31−35,82
+ (32−35,82 )4 + ( 34−35,82 )4 + ( 34−35,82 )4 + ( 34−35,82
4 4 4
+ ( 35−35,82 ) + ( 35−35,82 ) + (36−35,82 ) + ( 36−35,82
4 4 4
+ ( 36−35,82 ) + ( 37−35,82 ) + ( 38−35,82 ) + ( 39−35,82
+ ( 40−35,82 ) 4+ ( 41−35,82 ) 4 + ( 42−35,82 )4 + ( 42−35,82
+ ( 47−35,82 )4 + ( 47−35,82 ) 4 + ( 47−35,82 )4 + ( 49−35,82
4 4 4
+ ( 49−35,82 ) + ( 52−35,82 ) + (54−35,82 ) + ( 57−35,82
4 4
50(50+1) + ( 58−35,82 ) + ( 69−35,82 )
K= −
(50−1)(50−2)(50−3) 10,205274
K=1,32
3) Jenis penyajian data
a) Histogram
(1) Range
R=xmax −x min
R ¿ 69−23
R=46
(2) Banyak kelas
K=1+ 3,3 logn
K=1+ 3,3 log50
K=1+ 3,3(1,698)
K=6,603≈ 7
(3)Panjang kelas
R 46
I= = =6,571=7
K 7
(4)Batas kelas
Berdasarkan tabel distribusi frekuensi yang telah dibuat, batas
kelas atas adalah 29, 36, 43, 50, 57, 64, 71.
(5)Tabel distribusi frekuensi
Tabel 4.2 Tabel Distribusi Frekuensi Data Usia

Usia Responden Frekuensi
23-29 19
30-36 13
37-43 8
44-50 5
51-57 3
58-64 1
65-71 1
Gambar 4.1 Histogram Data Usia

b) Poligon frekuensi
Tabel 4.3 Tabel Poligon Frekuensi Data Usia

Usia Responden Nilai Tengah Frekuensi
23-29 26 19
30-36 33 13
37-43 40 8
44-50 47 5
51-57 54 3
58-64 61 1
65-71 68 1
Poligon Data Usia

20
18
16
14
12
Frekuensi
10
8
6
4
2
0
23-29 30-36 37-43 44-50 51-57 58-64 65-71
Gambar 4.2 Poligon Frekuensi Data Usia
c) Ogive
Tabel 4.4 Tabel Ogive Data Usia

Usia Responden Frekuensi F< F>
23-29 19 19 31
30-36 13 32 18
37-43 8 40 10
44-50 5 45 5
51-57 3 48 2
58-64 1 49 1
65-71 1 50 0
Poligon Data Usia

20
18
16
14
12
Frekuensi
10
8
6
4
2
0
23-29 30-36 37-43 44-50 51-57 58-64 65-71
Gambar 4.3 Ogive Data Usia
d) Diagram lingkaran

23-29 19
30-36 13
37-43 8
44-50 5
51-57 3
58-64 1
65-71 1
Diagram Lingkaran Data Usia

2% 2%
6%
23-29
10% 30-36
38% 37-43
44-50
51-57
58-64
16% 65-71
26%
Gambar 4.4 Diagram Lingkaran Data Usia
b. Pengolahan Data Tingkat Kebersihan (Software)
1) Pengolahan data menggunakan SPSS
4.3 Pengolahan Data Tingkat Kebersihan
a. Pengolahan Data Tingkat Kebersihan (Manual)
5 6 7 7 7 7 7 7 7 7
7 8 8 8 8 8 8 8 8 8
8 8 8 8 8 8 8 8 8 8
8 8 8 8 8 9 9 9 9 9
9 9 9 9 9 9 9 10 10 10
1) Ukuran pemusatan data
a) Mean
n
∑ xi
x́= i=1
n
5+6+7+ 7+7+7+ 7+7+7+7 +¿ 7+8+ 8+8+8+ 8+8+8+ 8+8+¿ 8+ 8+8+8+ 8+8+8

x́=
50
x́=8,08
b) Median
x n + x n+2
2 2
Med =
2
x 50 + x 50+2
2 2
Med=
2
x 25+ x26
Med =
2
8+ 8
Med =
2
Med=8
c) Modus
Pada data kebersihan nilai yang sering muncul adalah 8
d) Kuartil
(1)Kuartil 1
Q 1=x 1
(n+2)
4
Q1=x 1
(50+2)
4
Q 1=x 1
(52)
4
Q 1=x 13
Q 1=8
(2)Kuartil 2
Q2=x 2
(n+2)
4
Q2=x 2
(50+2)
4
Q2=x 2
(52)
4
Q 2=x 26
Q 1=8
(3)Kuartil 3
Q3=x 3
(n+2)
4
Q3=x 3
(50+2)
4
Q 3=x 3
(52)
4
Q 3=x 39
Q1=9
2) Ukuran penyebaran data
a) Range
R=xmax −x min
R=10−5
R=5
b) Simpangan rata-rata
n
1
SR= ∑ |x −x́|
n i=1 i
|5−8,09|+|6−8,09|+|7−8,09|+|7−8,09|
+|7−8,09|+|7−8,09|+|7−8,09|+|7−8,09|
+|7−8,09|+|7−8,09|+|7−8,09|+|7−8,09|
+|8−8,09|+|8−8,09|+|8−8,09|+|8−8,09|
+|8−8,09|+|8−8,09|+|8−8,09|+|8−8,09|
+|8−8,09|+|8−8,09|+|8−8,09|+|8−8,09|
+|8−8,09|+|8−8,09|+|8−8,09|+|8−8,09|
+|8−8,09|+|8−8,09|+|8−8,09|+|8−8,09|
+|8−8,09|+|8−8,09|+|8−8,09|+|9−8,09|
+|9−8,09|+|9−8,09|+|9−8,09|+|9−8,09|
+|9−8,09|+|9−8,09|+|9−8,09|+|9−8,09|
+|9−8,09|+|9−8,09|+|9−8,09|+|10−8,09|
+|10−8,09|+|10−8,09|
SR=
50
SR=0,662
c) Standar deviasi
S=
√ ∑ ( x ¿¿ i− x́ )2
i=1
N
¿
( 5−8,09 )2+ ( 6−8,09 )2+ (7−8,09 )2 + ( 7−8,09 )2
√
+ ( 7−8,09 )2 + ( 7−8,09 )2+ (7−8,09 )2 + ( 7−8,09 )2
2 2 2 2
+ ( 7−8,09 ) + ( 7−8,09 ) + (7−8,09 ) + ( 8−8,09 )
2 2 2 2
+ ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 )
+ ( 8−8,09 )2 + ( 8−8,09 )2+ ( 8−8,09 )2+ ( 8−8,09 )2
2 2 2 2
+ ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 )
2 2 2 2
+ ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 )
2 2 2 2
+ ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 )
+ ( 8−8,09 )2 + ( 8−8,09 )2+ ( 8,5−8,09 )2 + ( 9−8,09 )2
2 2 2 2
+ ( 9−8,09 ) + ( 9−8,09 ) + ( 9−8,09 ) + ( 9−8,09 )
2 2 2 2
+ ( 9−8,09 ) + ( 9−8,09 ) + ( 9−8,09 ) + ( 9−8,09 )
+ ( 9−8,09 )2 + ( 9−8,09 )2+ ( 9−8,09 )2+ (10−8,09 )2
+(10−8,09)2+(10−8,09)2
S=
50
45,68
S=
√ 50
S=0.9655
d) Variasi
n
∑ ( x¿¿ i− x́ )2
S2= i=1 ¿
N
( 5−8,09 )2+ ( 6−8,09 )2+ (7−8,09 )2 + ( 7−8,09 )2

+ ( 7−8,09 )2 + ( 7−8,09 )2+ (7−8,09 )2+ ( 7−8,09 )2
2 2 2 2
+ ( 7−8,09 ) + ( 7−8,09 ) + (7−8,09 ) + ( 8−8,09 )
2 2 2 2
+ ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 )
+ ( 8−8,09 )2 + ( 8−8,09 )2+ ( 8−8,09 )2+ ( 8−8,09 )2
+ ( 8−8,09 )2 + ( 8−8,09 )2+ ( 8−8,09 )2+ ( 8−8,09 )2
2 2 2 2
+ ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 )
2 2 2 2
+ ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 )
+ ( 8−8,09 )2 + ( 8−8,09 )2+ ( 8−8,09 )2+ ( 9−8,09 )2
+ ( 9−8,09 )2 + ( 9−8,09 )2+ ( 9−8,09 )2+ ( 9−8,09 )2
2 2 2 2
+ ( 9−8,09 ) + ( 9−8,09 ) + ( 9−8,09 ) + ( 9−8,09 )
2 2 2 2
+ ( 9−8,09 ) + ( 9−8,09 ) + ( 9−8,09 ) + (10−8,09 )
2 2
2 +(10−8,09) +(10−8,09)
S=
50
S2=0.932
S
SEz =
√n
0.955824252
SEz =
√ 50
SEz =0,1365
f) Skewness
n
n
∑ ( x ¿¿ i−x́ )3
i=1
SK= ¿
(n−1)(n−2) S3
(5−8,09 )3 + ( 6−8,09 )3 + ( 7−8,09 )3 + ( 7−8,09 )3

+ (7−8,09 )3 + ( 7−8,09 )3 + ( 7−8,09 )3 + ( 7−8,09 )3
3 3 3 3
+ (7−8,09 ) + ( 7−8,09 ) + ( 7−8,09 ) + ( 8−8,09 )
3 3 3 3
+ ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 )
+ ( 8−8,09 )3 + ( 8−8,09 )3 + ( 8−8,09 )3 + ( 8−8,09 )3
+ ( 8−8,09 )3 + ( 8−8,09 )3 + ( 8−8,09 )3 + ( 8−8,09 )3
3 3 3 3
+ ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 )
3 3 3 3
+ ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 )
+ ( 8−8,09 )3 + ( 8−8,09 )3 + ( 8−8,09 )3 + ( 9−8,09 )3
+ ( 9−8,09 )3 + ( 9−8,09 )3 + ( 9−8,09 )3 + ( 9−8,09 )3
3 3 3 3
+ ( 9−8,09 ) + ( 9−8,09 ) + ( 9−8,09 ) + ( 9−8,09 )
3 3 3 3
+ ( 9−8,09 ) + ( 9−8,09 ) + ( 9−8,09 ) + ( 10−8,09 )
3 3
50 + (10−8,09 ) + ( 10−8,09 )
SK=
(50−1)(50−2) 0.9575489543
SK=−0,448
g) Kurtosis
K=¿
( 5−8,09 )4 + ( 6−8,09 )4 + ( 7−8,09 )4 + ( 7−8,09 )4

4 4 4 4
+ ( 7−8,09 ) + ( 7−8,09 ) + ( 7−8,09 ) + ( 7−8,09 )
( )
+ ( 7−8,09 )4 + ( 7−8,09 )4 + ( 7−8,09 ) 4+ ( 8−8,09 )4
+ ( 8−8,09 )4 + ( 8−8,09 )4 + ( 8−8,09 ) 4 + ( 8−8,09 )4
4 4 4 4
+ ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 )
4 4 4 4
+ ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 )
+ ( 8−8,09 )4 + ( 8−8,09 )4 + ( 8−8,09 ) 4 + ( 8−8,09 )4
4 4 4 4
+ ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 ) + ( 8−8,09 )
4 4 4 4
+ ( 8−8,09 ) + ( 8−8,09 ) + (10−8,09 ) + ( 8,5−8,09 )
+ ( 9−8,09 )4 + ( 9−8,09 )4 + ( 9−8,09 ) 4 + ( 9−8,09 )4
+ ( 9−8,09 )4 + ( 9−8,09 )4 + ( 9−8,09 ) 4 + ( 9−8,09 )4
4 4 4 4
+ ( 9−8,09 ) + ( 9−8,09 ) + ( 9−8,09 ) + ( 9−8,09 )
4 4
50(50+1) + ( 10−8,09 ) + ( 10−8,09 ) 3(5
K= − 4
−
(50−1)(50−2)(50−3) 7.0977 (50−1
K=1,328
a) Histogram
(1) Range
R=xmax −x min
R=10−5
R=5
(2)Banyak kelas
K=1+ 3,3 logn
K=1+ 3,3 log50
K=1+ 3,3(1,698)
K=6,603≈ 7
(3)Panjang kelas
R 5
I= = =0,714=1
K 7
(4)Batas kelas
Tabel 4.2 Tabel Distribusi Frekuensi Data Usia

1-2 0
3-4 0
5-6 2
7-8 33
9-10 15
11-12 0
13-14 0
Histogram Data Tingkat Kebersihan

35
30
25
20 Frekuensi
15
10
5
0
1-2 3-4 5-6 7-8 9-10 11-12 13-14
Gambar 4.1 Histogram Data Usia

Usia Responden Nilai Tengah Frekuensi
1-2 1,5 0
3-4 3,5 0
5-6 5,5 2
7-8 7,5 33
9-10 9,5 15
11-12 11,5 0
13-14 13,5 0
Poligon Data Tingkat Kebersihan

35
30
25
20 Frekuensi
15
10
5
0
1-2 3-4 5-6 7-8 9-10 11-12 13-14
Gambar 4.2 Poligon Frekuensi Data Usia
c) Ogive
Tabel 4.4 Tabel Ogive Data Usia

Usia Responden Frekuensi F< F>
1-2 0 0 50
3-4 0 0 50
5-6 2 2 48
7-8 33 35 15
9-10 15 50 0
11-12 0 50 0
13-14 0 50 0
Gambar 4.3 Ogive Data Usia

1-2 0
3-4 0
5-6 2
7-8 33
9-10 15
11-12 0
13-14 0
Diagram Lingkaran Data Tingkat Kebersihan

4%
1-2
3-4
30% 5-6
7-8
9-10
11-12
13-14
66%
Gambar 4.4 Diagram Lingkaran Data Usia
b. Pengolahan Data Tingkat Kebersihan (Software)
4.4 Pengolahan Data Lama Berkunjung
a. Pengolahan Data Lama Berkunjung (Manual)

10 10 10 10
70 70 70 70 70 70
0 0 0 0
1) 10 10 10 10 10 10 10 10 10 10
0 0 0 0 0 0 0 0 0 0
10 13 13 13 13 16 16 16 16 16
0 0 0 0 0 0 0 0 0 0
16 16 16 16 16 16 16 16 16 19
0 0 0 0 0 0 0 0 0 0
19 19 19 22 22 22 22 22 22 28
0 0 0 0 0 0 0 0 0 0
Ukuran pemusatan data

n
∑ xi
x́= i=1
n
70+70+70+70+70+70+ 100+100+100+100+¿ 100+100+100+100+100+100+ 1

160+160+ 160+160+160+
160+190+190+190+190+220+
x́=
50
x́=140,2
a) Median
x n + x n+2
2 2
Med =
2
x 50 + x 50+2
2 2
Med =
2
x 25+ x26
Med =
2
130+160
Med =
2
Med =145
b) Modus
Pada data lama berkunjung nilai yang sering muncul adalah 100
c) Kuartil
(1) Kuartil 1
Q 1=x 1
(n+2)
4
Q1=x 1
(50+2)
4
Q 1=x 1
(52)
4
Q 1=x 13
Q1=100
(2)Kuartil 2
Q2=x 2
(n+2)
4
Q2=x 2
(50+2)
4
Q2=x 2
(52)
4
Q 2=x 26
Q1=160
(3)Kuartil 3
Q3=x 3
(n+2)
4
Q3=x 3
(50+2)
4
Q 3=x 3
(52)
4
Q 3=x 39
Q1=160
2) Ukuran penyebaran data
a) Range
R=xmax −x min
R=280−70
R=210
b) Simpangan rata-rata
n
1
SR= ∑ |x i−x́|
n i=1
|70−140,2|+|70−140,2|+|70−140,2|+|70−140,2|
+|70−140,2|+|70−140,2|+|100−140,2|+|100−140,2|
+|100−140,2|+|100−140,2|+|100−140,2|+|100−140,2|
+|100−140,2|+|100−140,2|+|100−140,2|+|100−140,2|
+|100−140,2|+|100−140,2|+|100−140,2|+|100−140,2|
+|100−140,2|+|130−140,2|+|130−140,2|+|130−140,2|
+|130−140,2|+|160−140,2|+|160−140,2|+|160−140,2|
+|160−140,2|+|160−140,2|+|160−140,2|+|160−140,2|
+|160−140,2|+|160−140,2|+|160−140,2|+|160−140,2|
+|160−140,2|+|160−140,2|+|160−140,2|+|190−140,2|
+|190−140,2|+|190−140,2|+|190−140,2|+|220−140,2|
+|220−140,2|+|220−140,2|+|220−140,2|+|220−140,2|
+|220−140,2|+|280−140,2|
SR=
50
SR=43,8
c) Standar deviasi
S=
√ ∑ ( x ¿¿ i− x́ )2
i=1
N
¿
( 70−100,8 )2+ ( 70−100,8 )2 + ( 70−100,8 )2 + ( 70−100,8 )2
√
2 2 2 2
+ ( 70−100,8 ) + ( 70−100,8 ) + ( 100−100,8 ) + ( 100−100,8 )
+ ( 100−100,8 )2+ ( 100−100,8 )2 + ( 100−100,8 )2 + ( 100−100,8 )2
+ ( 100−100,8 )2+ ( 100−100,8 )2 + ( 100−100,8 )2 + ( 100−100,8 )2
2 2 2 2
+ ( 100−100,8 ) + ( 100−100,8 ) + ( 100−100,8 ) + ( 100−100,8 )
2 2 2 2
+ ( 100−100,8 ) + ( 130−100,8 ) + ( 130−100,8 ) + ( 130−100,8 )
+ ( 130−100,8 )2 + ( 160−100,8 )2+ (160−100,8 )2
+ ( 160−100,8 )2 + ( 160−100,8 )2+ (160−100,8 )2
2 2 2
+ ( 160−100,8 ) + ( 160−100,8 ) + (160−100,8 )
2 2 2
+ ( 160−100,8 ) + ( 160−100,8 ) + (160−100,8 )
+ ( 160−100,8 )2 + ( 160−100,8 )2+ (160−100,8 )2
2 2 2
+ ( 190−100,8 ) + ( 190−100,8 ) + (190−100,8 )
2 2 2
+ ( 190−100,8 ) + ( 220−100,8 ) + (220−100,8 )
+ ( 220−100,8 )2 + ( 220−100,8 )2+ ( 220−100,8 )2
+(220−100,8)2 +(280−100,8)2
S=
50
206516
S=
√50
S=64,2674
d) Variasi
n
∑ ( x¿¿ i− x́ )2
S2= i=1 ¿
N
( 70−100,8 )2+ ( 70−100,8 )2 + ( 70−100,8 )2 + ( 70−100,8 )2

+ ( 70−100,8 )2+ (70−100,8 )2 + ( 100−100,8 )2 + ( 100−100,8 )2
2 2 2 2
+ ( 100−100,8 ) + (100−100,8 ) + ( 100−100,8 ) + ( 100−100,8 )
2 2 2 2
+ ( 100−100,8 ) + (100−100,8 ) + ( 100−100,8 ) + ( 100−100,8 )
+ ( 100−100,8 )2+ (100−100,8 )2 + ( 100−100,8 )2 + ( 100−100,8 )2
+ ( 100−100,8 )2+ (130−100,8 )2 + ( 130−100,8 )2 + ( 130−100,8 )2
2 2 2
+ ( 130−100,8 ) + ( 160−100,8 ) + (160−100,8 )
2 2 2
+ ( 160−100,8 ) + ( 160−100,8 ) + (160−100,8 )
+ ( 160−100,8 )2 + ( 160−100,8 )2+ (160−100,8 )2
+ ( 160−100,8 )2 + ( 160−100,8 )2+ (160−100,8 )2
2 2 2
+ ( 160−100,8 ) + ( 160−100,8 ) + (160−100,8 )
2 2 2
+ ( 190−100,8 ) + ( 190−100,8 ) + (190−100,8 )
+ ( 190−100,8 )2 + ( 220−100,8 )2+ ( 220−100,8 )2
2 2 2
+ ( 220−100,8 ) + ( 220−100,8 ) + ( 220−100,8 )
2 +(220−100,8)2 +(280−100,8)2
S=
50
S2=4130 .32
S
SEz =
√n
64,2674
SEz =
√ 50
SEz =9,0888
f) Skewness
n
n
∑ ( x ¿¿ i−x́ )3
i=1
SK= ¿
(n−1)(n−2) S3
( 70−100,8 )3 + ( 70−100,8 )3 + ( 70−100,8 )3 + ( 70−100,8 )3

+ ( 70−100,8 )3 + ( 70−100,8 )3+ ( 100−100,8 )3 + ( 100−100,8 )3
3 3 3 3
+ (100−100,8 ) + ( 100−100,8 ) + ( 100−100,8 ) + ( 100−100,8 )
3 3 3 3
+ (100−100,8 ) + ( 100−100,8 ) + ( 100−100,8 ) + ( 100−100,8 )
+ (100−100,8 )3 + ( 100−100,8 )3 + ( 100−100,8 )3 + ( 100−100,8 )3
+ (100−100,8 )3 + ( 130−100,8 )3 + ( 130−100,8 )3 + ( 130−100,8 )3
3 3 3
+ ( 130−100,8 ) + ( 160−100,8 ) + ( 160−100,8 )
3 3 3
+ ( 160−100,8 ) + ( 160−100,8 ) + ( 160−100,8 )
+ ( 160−100,8 )3+ ( 160−100,8 )3 + ( 160−100,8 )3
+ ( 160−100,8 )3+ ( 160−100,8 )3 + ( 160−100,8 )3
3 3 3
+ ( 160−100,8 ) + ( 160−100,8 ) + ( 160−100,8 )
3 3 3
+ ( 190−100,8 ) + ( 190−100,8 ) + ( 190−100,8 )
3 3 3
+ ( 190−100,8 ) + ( 220−100,8 ) + ( 220−100,8 )
3 3 3
+ ( 220−100,8 ) + ( 220−100,8 ) + ( 220−100,8 )
50 +(220−100,8)3 +(280−100,8)3
SK=
(50−1)(50−2) 64,2674 3
SK=1,7218
g) Kurtosis
K=¿
4 4 4 4
( 70−100,8 ) + ( 70−100,8 ) + ( 70−100,8 ) + ( 70−100,8 )
+ ( 70−100,8 )4 + ( 70−100,8 )4 + ( 100−100,8 ) 4 + ( 100−100,8 )
(
+ ( 100−100,8 )4 + ( 100−100,8 ) 4 + ( 100−100,8 ) 4 + ( 100−100,8
4 4 4
+ ( 100−100,8 ) + ( 100−100,8 ) + ( 100−100,8 ) + ( 100−100,8
4 4 4
+ ( 100−100,8 ) + ( 100−100,8 ) + ( 100−100,8 ) + ( 100−100,8
+ ( 100−100,8 )4 + ( 130−100,8 ) 4 + ( 130−100,8 ) 4 + ( 130−100,8
+ ( 130−100,8 )4 + ( 160−100,8 ) 4 + ( 160−100,8 ) 4
4 4 4
+ ( 160−100,8 ) + ( 160−100,8 ) + ( 160−100,8 )
4 4 4
+ ( 160−100,8 ) + ( 160−100,8 ) + ( 160−100,8 )
+ ( 160−100,8 )4 + ( 160−100,8 ) 4 + ( 160−100,8 ) 4
+ ( 160−100,8 )4 + ( 160−100,8 ) 4 + ( 160−100,8 ) 4
4 4 4
+ ( 190−100,8 ) + ( 190−100,8 ) + ( 190−100,8 )
4 4 4
+ ( 190−100,8 ) + ( 220−100,8 ) + ( 220−100,8 )
+ ( 220−100,8 ) 4 + ( 220−100,8 )4 + ( 220−100,8 )4
50(50+1) +(220−100,8) 4 +(280−100,8)4
K= −
(50−1)(50−2)(50−3) 64,2674 4
K=−159,9276
a) Histogram
(1) Range
R=xmax −x min
¿ 280−70
R=210
(2)Banyak kelas
K=1+ 3,3 logn
K=1+ 3,3 log50
K=1+ 3,3(1,698)
K=6,603≈ 7
(3)Panjang kelas
R 210
I= = =30
K 7
(4)Batas kelas
Tabel 4.2 Tabel Distribusi Frekuensi Data Lama Berkunjung

Lama Berkunjung Responden Frekuensi
70-99 6
100-129 15
130-159 4
160-189 14
190-219 4
220-249 6
250-279 0
16
14
12
10
0
70-99 100-129 130-159 160-189 190-219 220-249 250-279
Gambar 4.1 Histogram Data Lama Berkunjung

Lama Berkunjung
Nilai Tengah Frekuensi
Responden
70-99 44.5 6
100-129 74.5 15
130-159 104.5 4
160-189 134.5 14
190-219 164.5 4
220-249 194.5 6
250-279 224.5 0
Poligon Data Lama Berkunjung

16
14
12
10 Frekuensi
8
6
4
2
0
30-59 60-89 90-119 120-149 150-179 180-209 210-239
Gambar 4.2 Poligon Frekuensi Data Lama Berkunjung
c) Ogive
Tabel 4.4 Tabel Ogive Data Lama Berkunjung

Lama
Berkunjung Frekuensi F< F>
Responden
70-99 6 6 49
100-129 15 21 34
130-159 4 25 30
160-189 14 39 16
190-219 4 43 12
220-249 6 49 6
250-279 0 49 6
60
50
40
30
20
10
0
70-99 100-129 130-159 160-189 190-219 220-249 250-279
Gambar 4.3 Ogive Data Lama Berkunjung
Lama Berkunjung Responden Frekuensi

70-99 6
100-129 15
130-159 4
160-189 14
190-219 4
220-249 6
250-279 0
12% 12%
8%
70-99
100-129
130-159
160-189
31%
190-219
220-249
29% 250-279
8%
Gambar 4.4 Diagram Lingkaran Data Lama Berkunjung
b. Pengolahan Data Lama Berkunjung (Software)
BAB V
ANALISA DAN PEMBAHASAN
5.1 Analisa Data
5.2 Pembahasan
BAB VI
PENUTUP
6.1 Kesimpulan
6.2 Saran
DAFTAR PUSTAKA
LAMPIRAN

Modul 1 Zalza

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

Modul 1 Zalza

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL I

LABORATORIUM STATISTIK DAN MANAJEMEN MUTU

1.1 Latar Belakang

Statistika diawali sebagai ilmu untuk mengumpulkan angka (data).

melandasi berkembangnya statistika induktif yang terjadi pada pertukaran

abad 19 dan 20 dengan personal sebagai pelopor nya statistika induktif

berkembang pesat setelah memperkenalkan metode Maximum likelihood

pada tahun 1922. Dengan adanya perkembangan teknologi komputer metode

data driven seiring dengan perkembangan statistika induktif, statistika mulai

diterapkan pada berbagai bidang seperti ekonomi industri pertanian sosiologi

psikologi dan lain-lain.

Di Indonesia pengantar statika telah dicantumkan dalam kurikulum

berada selalu berkaitan dengan statistik. Statistik memiliki banyak peranan

penting dalam bidang sains dan teknik, terutama dalam penelitian-penelitian

ilmiah dan keteknikan, maupun dalam penerapannya dibidang industri.

Dalam banyak hal, pengolahan dan analisis data senantiasa membutuhkan

penerapan metode statistik tertentu, yang mana pemakaiannya memberikan

dasar bagi penjelasan yang logis mengenai hubungan-hubungan yang

terdapat antara variabel-variabel yang menjadi kajian. Misalnya dikantor

kelurahan kita mengenal statistik desa, didalamnya memuat keadaan

penduduk mulai dari banyak penduduk, pekerjaannya, banyak anak, dan

Oleh karena itu seiring dengan perkembangan zaman, statistik

menempati posisi yang kian penting dalam kehidupan yang semakin

statistik deskriptif ini, kami sebagai mahasiswa dapat menerapkan disiplin

ilmu yang dimiliki dengan mengumpul, mengklasifikasi, meringkas,

menyajikan, menginterprestasikan, dan menganalisis data. Jadi, dengan

melakukan percobaan ini kami dapat mempelajari dan mengetahui secara

langsung kegiatan yang berlangsung dalam suatu instansi, sehingga dapat

memberikan pengalaman yang baru bagi kami.

1.2 Rumusan Masalah

a. Bagaimana teknik pengambilan data untuk memperoleh data penelitian ?

b. Bagaimana konsep data, klasifikasi data, dan skala pengukuran ?

c. Bagaimana jenis-jenis ukuran yang dapat menggambarkan sifat-sifat

dasar kumpulan data ?

d. Bagaimana menginterprestasikan pengolahan data pada statistik

1.3 Tujuan Praktikum

a. Dapat menguasai teknik pengambilan data untuk memperoleh data

b. Praktikan mampu memahami konsep data, klasifikasi data, dan skala

c. Praktikan mampu menjelaskan secara menyeluruh jenis-jenis ukuran yang

dapat menggambarkan sifat-sifat dasar kumpulan data

d. Praktikan mampu menginterprestasikan pengolahan data pada statistik

1.4 Manfaat Praktikum

a. Praktikan mampu melakukan pengambilan data dengan benar

b. Praktikan mampu mengolah data dengan benar

c. Praktikan mampu menampilkan data secara deskriptif

d. Praktikan mampu menginterprestasikan dan menarik kesimpulan hasil

pengolahan data dalam bentuk statistik deskriptif

1.5 Batasan Masalah

Praktikum ini dilakukan di Laboratorium Statistik dan Manajemen Mutu

Departemen Teknik Industri Fakultas Teknik Universitas Hasanuddin. Data

ditentukan sebelumnya dan dijalankan sesuai arahan dari asisten

3.1 Studi Kasus

Praktikan melakukan penelitian dan menganalisis data secara deskriptif dari

tingkat kebersihan tempat yang dikunjungi serta lama berkunjung ditempat

praktikan mengambil data sebanyak 50 data.

3.2 Alat yang digunakan

a. Observation sheet, berfungsi sebagai tempat untuk mencatat data yang

b. Alat tulis berupa bolpoin ataupun sejenisnya.

c. Kamera ataupun media yang bisa dijadikan sebagai alat dokumentasi.

3.3 Langkah-Langkah Percobaan

badan, serta jumlah pengunjung.

c. Mencatat setiap pengambilan data pada observation sheet dengan

menggunakan alat tulis yang disediakan hingga mencapai pada 50 data.