PROJECT PENGANTAR STATISTIKA

PENGOLAHAN DATA DWELLING

Oleh : Riris Eka Sagita, 1210161038, 2 D4 Telekomunikasi B

Data mentah awal yang diberikan oleh adalah berupa Dwelling time salah
satu pelabuhan pada bulan maret 2016. Dwelling Time adalah waktu berapa lama
petikemas (barang impor) ditimbun di Tempat Penimbunan Sementara (TPS) di
pelabuhan sejak dibongkar dari kapal sampai dengan barang impor keluar dari
TPS. Data yang diterima sebanyak 1234 buah data yang di spesifikasikan
berdasarkan tanggal, namun data tersebut tidak menunjukkan bahwa setiap hari
(ada tanggal yang terlewat). Berikut adalah beberapa data yang diterima :

Dari tabel tersebut kita harus bisa menentukan distribusi apa yang
mendekati untuk bisa memploting data tersebut dan menemukan errornya.
Pada awalnya, saya mengeplot data dengan keseluruhan banyak data (nomor
data) dengan Dwelling time dan didapatkan grafik seperti berikut :
 Dwelling Berdasarkan Nomor Urut
40.00
35.00
30.00
25.00
20.00
15.00
10.00
5.00
0.00
0 200 400 600 800 1000 1200 1400
Namun titik data Dwelling time tersebar sangat banyak, sehingga sulit dianalisis
untuk mendapatkan persamaan distribusi yang diinginkan.
Kemudian mengelompokkan data pertanggal dan mencari rata-ratanya,
sehingga menghasilkan grafik sepeti berikut

Dwelling (Rata-rata berdasarkan tanggal)

12.00

10.00 f(x) = 010.11

x⁶ − 0 x⁵ + 0.12 x⁴ − 1.78 x³ + 12.74 x² − 40.89 x + 51.81
8.58
8.00
7.51
6.00 5.71
5.26 5.07
4.62
4.00

2.00
1.49
0.00
0 5 10 15 20 25 30
Namun , titik data yang tersebar terlalu sedikit sehingga dianggap kurang valid
jika digunakan untuk menganalisis dan mendapatkan persamaan distribusi yang
diinginkan.
Maka dari itu, saya menggunakan matlab untuk melihat plotting data
tersebut agar bisa menemukan distribusi apa yang mendekati
Setelah itu, saya membuktikan grafik tersebut pada excel. Yaitu dengan cara
mencari probabilitas (pdf) secara perhitungan dengan cara :
1. Mencari nilai minimum dan maksimum dari data Dwelling Time untuk
mencari range data.
Parameter Data
Min 0.31
Max 36.53

Rumus pada excel : Min  =MIN(C3:C1236)

Max  =MAX(C3:C1236)

Dari nilai minimum dan maksimum yang telah didapatkan, dapat diketahui bahwa
terdapat 37 range data, mulai dari 0-1 sampai dengan 36-37.
2. Menentukan batas atas dan batas bawah kemudian mencari banyak
data/frekuensi tiap-tiap range.

Rumus pada excel : Misalkan, mencari frekuensi antara 0 dan 1

 =COUNTIFS(C:C,">="&D3,C:C,"<"&E3)
Setelah itu tambahkan keseluruhan frekuensi, hasilnya berjumlah sama
dengan seluruh data Dwelling Time yaitu 1234.
3. Mencari data probabilitas (pdf) pada tiap-tiap frekuensi dengan cara :
banyak data tiap range
jumlah data
lalu dibandingkan dengan nilai probabilitas pada matlab.

4. Plot grafik perhitungan

Probabilitas Perhitungan
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37

Distribusi
a. Distribusi Normal
1. Mencari nilai-nilai yang digunakan untuk menghitung distribusi normal,
diantaranya x, px, x2.
2. Menentukan nilai x yaitu dari median antara batas bawah dan batas atas.
3. Mencari nilai px yaitu mengalikan antara nilai x dengan probabilitas yang
telah didapatkan.
 x px x2
0.008914 0.00445705 0.25
0.188006 0.282009724 2.25
0.158833 0.397082658 6.25
0.036467 0.127633712 12.25
0.083468 0.37560778 20.25
0.101297 0.55713128 30.25
0.103323 0.668962723 42.25
0.087115 0.656401945 56.25
0.05389 0.454619125 72.25

4. Menentukan parameter-parameter dalam distribusi normal, seperti σ dan µ

5. Nilai µ didapatkan dengan cara ∑ px
2
6. Nilai σ2 didapatkan dengan cara ∑ p x 2−( ∑ px )
Parameter Dist Normal
σ 5.380718478
µ 6.19716370
σ² 28.9521313394923
µ² 38.4048378663424

2
− ( x−μ )
1 2σ
2
7. Menghitung distribusi normal dengan rumus e
√2 π σ 2
8. Rumus pada Ms. Excel =(1/(SQRT(2*3.14*$AK$8)))*EXP(-1*(((F3:F39-
$AK$7)^2)/(2*$AK$8)))
Distribusi Normal
Perhitungan Matlab
9. Plot data menjadi grafik dan bandingkan dengan grafik pada matlab
0.042338975 0.0424
0.050664066 0.0506
0.058567854 0.0584
0.065406084 0.0651
0.070562921 0.0702
0.073541845 0.0732
0.074044374 0.0737
0.072019346 0.0717
 Pada matlab
 Distribusi Normal
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37

Dwelling Distribusi Normal

 Pada excel

Distribusi Normal
0.2
0.16
0.12
0.08
0.04
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37

Dwelling Distribusi Normal

b. Distribusi Lognormal
1. Mencari nilai-nilai yang digunakan untuk menghitung distribusi normal,
diantaranya lnx, lnpx, lnx2, lnpx2.
2. Menentukan nilai lnx yaitu dari ln dari nilai x yang telah ditemukan tadi.
3. Mencari nilai px yaitu mengalikan antara nilai lnx dengan probabilitas yang
telah didapatkan.
lnx lnpx lnx2 lnpx2
-3.1606 -0.00617878 0.480453014 0.004282806
-2.9838 0.076230069 0.164401954 0.030908633
-2.8404 0.145537264 0.839588705 0.133354446
-2.7318 0.045684225 1.569415055 0.057231505
-2.6564 0.125542927 2.262248815 0.188826279
 -2.6146 0.17268518 2.906166058 0.29438473
-2.6078 0.192640905 3.503643389 0.360585665
-2.6353 0.176344835 4.059834182 0.35531774
-2.6971 0.114460589 4.579883184 0.244953234

4. Menentukan parameter-parameter dalam distribusi normal, seperti σ dan µ

5. Nilai µ didapatkan dengan cara ∑ p ln x
2
6. Nilai σ2 didapatkan dengan cara ∑ p x 2−( ∑ p ln x )
Parameter Dist Normal
σ 0.800344249
µ 1.5143886
σ² 0.640550917
µ² 2.293372832

2
− ( lnx −μ )
7. Menghitung distribusi normal dengan rumus 1 2σ
2

e
xσ √2 π
8. Rumus pada Ms. Excel =(1/(F3*$AK$14*SQRT(2*3.14)))*EXP((-
1*(((G3-$AK$13)^2/(2*$AK$16)))))
Distribusi Normal
Perhitungan Matlab
9. Plot data menjadi grafik dan bandingkan dengan grafik pada matlab
0.0222203 0.0849
0.12728553 0.1479
0.150846637 0.145
0.135042787 0.1226
0.110788528 0.0985
0.088124442 0.0778
0.06942638 0.0612
0.054671051 0.0483
 Pada matlab
 Distribusi Normal
0.2
0.16
0.12
0.08
0.04
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37

Dwelling Distribusi Normal

 Pada excel

Distribusi Lognormal
0.2
0.16
0.12
0.08
0.04
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37

Dwelling Distribusi Lognormal

Error Distribusi
Dari data yang telah didapatkan, dicari nilai errornya, kali ini digunakan
Mean Error, Mean Absolute Error dan Mean Square Error. Masing-masing
didapatkan dengan persamaan :
n
ME= (∑ (
i=1
At −Ft ) / n )
n
MAE=
(|∑ (
i=1
n
A t −Ft ) /n |)
MSE= (∑ (
i=1
At −Ft )2 /n )
Sehingga dari masing-masing distribusi didapatkan nilai error
 FORECAST ERROR
Normal
ME 0.00335545
MAE 0.015673946
MSE 0.000991061
Lognormal
ME 0.000170812
MAE 0.010254592
MSE 0.000468251