Peran Statistik dalam

Rekayasa

Bambang Haryadi
Statistik dan Probabilitas Teknik Sipil
S1 Teknik Sipil – Universitas Negeri Semarang
2020

Douglas C. Montgomery & George C. Runger, 2002. Applied Statistics and Probability for Engineers, Third Edition. John Wiley & Sons, Inc.
TUJUAN PEMBELAJARAN
Setelah mempelajari materi ini dengan saksama, mahasiswa mampu melakukan
yang berikut:
1. Identifikasi peran yang dapat dimainkan statistik dalam proses pemecahan
masalah teknik
2. Mendiskusikan bagaimana variabilitas mempengaruhi data yang dikumpulkan
dan digunakan untuk membuat keputusan teknik
3. Menjelaskan perbedaan antara studi enumeratif dan analitik
4. Mendiskusikan berbagai metode yang digunakan para insinyur untuk
mengumpulkan data
5. Mengidentifikasi keunggulan eksperimen yang dirancang dibandingkan dengan
metode pengumpulan data teknik lainnya
6. Menjelaskan perbedaan antara model mekanistik dan model empiris
7. Mendiskusikan bagaimana model probabilitas dan probabilitas digunakan
dalam teknik dan sains
8. Menjelaskan desain eksperimental faktorial.
9. Menjelaskan bagaimana faktor dapat berinteraksi.
 1-1 METODE TEKNIK DAN BERPIKIR STATISTIK

Montgomery & Runger, 2002. Applied Statistics and Probability for Engineers, Third Edition. John Wiley & Sons, Inc.
Peran Insinyur
Insinyur adalah seseorang yang memecahkan masalah-masalah yang
dihadapi masyarakat dengan menerapkan prinsip-prinsip ilmiah yang
efisien.
• Insinyur mencapai tujuan tersebut dengan:
1. menyempurnakan produk atau proses yang ada, atau
dengan
2. merancang produk atau proses baru yang memenuhi
kebutuhan masyarakat.
 Metode ilmiah

Teknik, atau metode ilmiah, adalah pendekatan

untuk merumuskan dan memecahkan masalah
 Langkah-langkah dalam metode rekayasa adalah
sebagai berikut:
1. Kembangkan deskripsi masalah yang jelas dan ringkas.
2. Identifikasi, setidaknya untuk sementara, faktor-faktor penting
yang mempengaruhi masalah ini atau yang mungkin berperan
dalam pemecahannya.
3. Usulkan model untuk masalah tersebut, dengan menggunakan
pengetahuan ilmiah atau teknik dari fenomena yang sedang
Metode 4.
dipelajari. Sebutkan batasan atau asumsi model.
Melakukan percobaan yang sesuai dan mengumpulkan data untuk
ilmiah menguji atau memvalidasi model tentatif atau kesimpulan yang
dibuat pada langkah 2 dan 3.
5. Sempurnakan model berdasarkan data yang diamati.
6. Memanipulasi model untuk membantu mengembangkan solusi
untuk masalah.
7. Lakukan percobaan yang sesuai untuk memastikan bahwa solusi
yang diusulkan untuk masalah tersebut efektif dan efisien.
8. Menarik kesimpulan atau membuat rekomendasi berdasarkan
pemecahan masalah.
 Metode rekayasa.
Montgomery & Runger, 2002. Applied Statistics and Probability for Engineers, Third Edition. John Wiley & Sons, Inc.
Statistik
Bidang statistik berkaitan dengan pengumpulan, presentasi, analisis,
dan penggunaan data untuk membuat keputusan, memecahkan
masalah, dan merancang produk dan proses.
• Karena banyak aspek praktik teknik melibatkan pengerjaan data.
• Teknik statistik dapat menjadi bantuan yang ampuh dalam
merancang produk dan sistem baru, memperbaiki desain yang
ada, dan merancang, mengembangkan, dan meningkatkan proses
produksi.
Variabilitas
Metode statistik digunakan untuk membantu mendeskripsikan dan
memahami variabilitas.
• Variabilitas adalah bahwa pengamatan yang berurutan dari suatu
sistem atau fenomena tidak menghasilkan hasil yang persis sama.
• Kita semua menghadapi variabilitas dalam kehidupan sehari-hari,
dan pemikiran statistik dapat memberi cara yang berguna untuk
memasukkan variabilitas ini ke dalam proses pengambilan
keputusan.
Sumber Variabilitas
Misalnya, perhatikan performa jarak tempuh bensin mobil.
• Apakah Anda selalu mendapatkan performa jarak tempuh yang persis sama
di setiap tangki bahan bakar? Tentu saja tidak
• faktanya, terkadang performa jarak tempuh sangat bervariasi.
• Variabilitas jarak tempuh bensin yang diamati ini bergantung pada banyak
faktor, seperti jenis perjalanan yang paling sering terjadi (dalam kota versus
antar kota), perubahan kondisi kendaraan dari waktu ke waktu (yang dapat
mencakup faktor-faktor seperti inflasi ban, kompresi mesin, atau keausan
katup), merek dan / atau angka oktan bensin yang digunakan, atau bahkan
mungkin kondisi cuaca.
• Faktor-faktor ini mewakili sumber variabilitas potensial dalam sistem.
Statistik dan Variabilitas
Statistik memberi kita kerangka kerja untuk menggambarkan
variabilitas ini dan untuk mempelajari tentang sumber variabilitas
potensial mana yang paling penting atau mana yang memiliki dampak
terbesar pada kinerja jarak tempuh bensin.
Variabilitas dalam menangani masalah teknik
• Misalnya, seorang insinyur merancang konektor nilon
• Teknisi mempertimbangkan untuk menetapkan spesifikasi desain
ketebalan dinding 3/32 inci tetapi agak tidak yakin tentang pengaruh
keputusan ini pada gaya tarik konektor.
• Delapan unit prototipe diproduksi dan gaya tariknya diukur,
menghasilkan data berikut (dalam pound): 12.6, 12.9, 13.4, 12.3,
13.6, 13.5, 12.6, 13.1.
• Seperti yang diperkirakan, tidak semua prototipe memiliki gaya tarik
yang sama.
• dikatakan bahwa ada variabilitas dalam pengukuran gaya pull-off.
• Karena pengukuran gaya pull-off menunjukkan variabilitas, dianggap
gaya pull-off sebagai variabel acak (random variable).
Variabel Acak
• Cara mudah untuk memikirkan variabel acak, katakanlah X, yang
mewakili pengukuran, adalah dengan menggunakan model

dimana µ adalah konstanta dan ɛ merupakan gangguan acak (random disturbance).

• Konstanta tetap sama pada setiap pengukuran, tetapi perubahan kecil di lingkungan, peralatan
uji, perbedaan di masing-masing bagian itu sendiri, dan sebagainya mengubah nilai ɛ .
• Jika tidak ada gangguan, ɛ akan selalu sama dengan nol dan X akan selalu sama dengan konstanta
µ.
• Namun, ini tidak pernah terjadi di dunia nyata, jadi pengukuran X yang sebenarnya menunjukkan
variabilitas.
• Kita sering kali perlu mendeskripsikan, mengukur, dan pada akhirnya mengurangi variabilitas
• Gambar 1-2 menampilkan diagram titik
(dot diagram) dari data tersebut. Diagram Titik
• Diagram titik adalah plot yang sangat
berguna untuk menampilkan
sekumpulan kecil data — misalnya,
hingga sekitar 20 observasi.
• Plot ini memungkinkan kita untuk
melihat dengan mudah dua fitur data;
lokasi (location), atau tengah (middle),
dan penyebaran (scatter) atau
variabilitas (variability).
• Ketika jumlah pengamatan kecil,
biasanya sulit untuk mengidentifikasi Gambar 1-2 Diagram titik gaya tarik
pola tertentu dalam variabilitas, data saat ketebalan dinding 3/32 inci.
meskipun diagram titik adalah cara
yang mudah untuk melihat fitur data
yang tidak biasa.
Berpikir statistik
• Kebutuhan akan pemikiran statistik sering kali muncul dalam pemecahan
masalah teknik.
• Pertimbangkan insinyur yang merancang konektor.
• Dari pengujian prototipe, dia mengetahui bahwa gaya tarik rata-rata adalah
13,0 pon.
• Namun, menurutnya ini mungkin terlalu rendah untuk aplikasi yang
dimaksudkan, jadi dia memutuskan untuk mempertimbangkan desain
alternatif dengan ketebalan dinding yang lebih besar, 18 inci.
• Delapan prototipe dari desain ini dibangun, dan pengukuran gaya pull-off
yang diamati adalah 12.9, 13.7, 12.8, 13.9, 14.2, 13.2, 13.5, dan 13.1.
• Rata-rata adalah 13,4.
Hasil untuk kedua sampel diplot sebagai diagram titik
pada Gambar 1-3. Tampilan ini memberi kesan bahwa
peningkatan ketebalan dinding telah menyebabkan
peningkatan gaya tarik.
• Namun, ada beberapa pertanyaan yang harus
ditanyakan. Misalnya:
• Bagaimana kita tahu bahwa contoh prototipe lain
tidak akan memberikan hasil yang berbeda?
• Apakah sampel delapan prototipe cukup untuk
memberikan hasil yang dapat diandalkan?
• Jika kita menggunakan hasil pengujian yang diperoleh Gambar 1-3 Diagram titik gaya tarik untuk
selama ini untuk menyimpulkan bahwa peningkatan dua ketebalan dinding.
ketebalan dinding meningkatkan kekuatan, risiko apa
yang terkait dengan keputusan ini?
• Misalnya, apakah mungkin bahwa peningkatan
gaya pull-off yang diamati pada prototipe yang
lebih tebal hanya karena variabilitas yang melekat
dalam sistem dan bahwa peningkatan ketebalan
bagian (dan biayanya) benar-benar tidak
berpengaruh pada pull-off force?
Seringkali, hukum-hukum fisika (umum)
diterapkan untuk membantu merancang Inferensi Statistik
produk dan proses (khusus).
• Penalaran (penarikan kesimpulan)
berdasarkan aturan umum untuk kasus
tertentu.

Tetapi penting juga untuk menalar dari

serangkaian pengukuran tertentu ke kasus
yang lebih umum.
• Penyimpulan ini berdasarkan sampel Gambar 1-4 Inferensi Statistik
untuk populasi adalah salah satu jenis penalaran.
• Penalaran ini disebut sebagai
inferensi statistik.
Kesalahan pengambilan sampel (sampling
errors)
• Penyimpulan berdasarkan pengukuran dari beberapa objek hingga
pengukuran pada semua objek dapat mengakibatkan kesalahan
(disebut sampling errors).
• Namun, jika sampel dipilih dengan benar, risiko ini dapat diukur
(quantified) dan ukuran sampel (sample size) yang sesuai dapat
ditentukan.
Populasi
• Dalam beberapa kasus, sampel sebenarnya dipilih dari populasi yang
ditentukan dengan baik (well define).
• Sampel adalah bagian dari populasi.
• Misalnya, dalam studi kuat tekan beton, sampel 20 silinder beton
dapat dipilih dari banyak produksi beton di pabrik pembuatan
campuran beton.
• Berdasarkan data kuat tekan yang dikumpulkan pada sampel 20
silinder, kita ingin menarik kesimpulan tentang kuat tekan semua
beton dalam satu batch campuran.
 Populasi
Dalam kasus lain, populasi bersifat konseptual, tetapi dapat dianggap
sebagai replika objek dalam sampel di masa mendatang.
• Dalam situasi ini, prototipe harus mewakili, dalam arti tertentu,
dari yang akan diproduksi di masa depan.

• Jelas, analisis ini membutuhkan beberapa pengertian tentang

stabilitas sebagai asumsi tambahan.
• Misalnya, dapat diasumsikan bahwa sumber variabilitas dalam
pembuatan prototipe (seperti komposisi campuran, dll.) sama dengan
beton yang akan diproduksi di masa mendatang.
Studi Enumeratif: Studi Enumeratif vs.
• Sampel digunakan untuk membuat Analitik
kesimpulan terhadap populasi
tempat sampel dipilih.
Studi Analitik:
• Sampel digunakan untuk membuat
kesimpulan terhadap populasi
konseptual (masa depan).

Analisis statistik biasanya sama

dalam kedua kasus, tetapi studi
analitik jelas membutuhkan asumsi
stabilitas.
Gambar 1-5 Studi enumeratif versus analitik.
SEKIAN