Anda di halaman 1dari 22

PRAKTIKUM STATISTIK INDUSTRI

COMPUTATION & OPERATION RESEARCH LABORATORY

FAKULTAS TEKNIK

UNIVERSITAS PATTIMURA AMBON

Nama Tugas Praktikum : Estimasi

Nama Praktikan : Aderenaldi

NIM : 2019 - 72 - 003

Jurusan : Teknik Industri

Program Studi : Teknik Industri

Kelompok : VII (Tujuh)

Tanggal Praktikum : 16 Desember 2020

Tanggal Asistensi :

Nama Asisten : Arthur Pattiruhu

Tanda Tangan Asistensi :

Dosen Mata Kuliah : J. M. Tupan, ST,MT


BAB I
PENDAHULUAN

1.1 Latar Belakang


Teori Estimasi adalah cabang statistic yang berkaitan dengan memperkirakan
nilai-nilai parameter berdasarkan data empiris yang diukur yang memiliki komponen
acak. Parameter menggambarkan pengaturan fisik yang mendasari sedemikian rupa
sehingga nilainya mempengaruhi distribusi data yang diukur. Estimator mencoba
memperkirakan parameter yang tidak diketahui menggunakan pengukuran.
Dalam teori estimasi, dua pendekatan yang umumnya dipertimbangkan yaitu :
- Pendekatan probabilistic, mengasumsikan bahwa data yang diukur adalah acak
dengan distribusi probabilitas tergantung pada parameter yang menarik
- Pendekatan set-keanggotaan, mengasumsikan bahwa vektor data yang diukur milik
set yang tergantung pada vektor parameter
Estimasi masuk dalam Statistika Inferensial. Statistika Inferensial berkenaan
dengan pemodelan data dan melakukan pengambilan keputusan berdasarkan analisis
data, misalnya melakukan pengujian hipotesis, melakukan perkiraan pengamatan masa
mendatang, membuat permodelan hubungan
Estimasi adalah keseluruhan proses yang menggunakan sebuah estimator untuk
menghasilkan sebuah estimate dari sebuah parameter. Estimate (hasil estimasi) adalah
sebuah nilai spesifik dari suatu satistik seperti mean, varians dan persentase sampel.
Estimator adalah setiap statistic (mean, varians, persentase) yang digunakan untuk
mengestimasi sebuah parameter. Contoh :
Sebuah Pabrik ban “Stonbridge” ingin mengestimasi penjualan rata-rata per hari.
Sebuah sampel harian dikumpulkan menghasilkan rata-rata Rp 8.000.000 ,−.
Jawab : Dalam hal ini telah dilakukan estimasi titik dengan menggunakan estimator
berupa statistic mean (x́ ¿ untuk mengestimasi parameter mean populasi ( μ).
Nilai sampel Rp 8.000.000 ,−¿ sebagai nilai estimate dari mean populasi

Cara menaksir :
1. Estimasi titik dapat digunakan untuk mengadakan estimasi parameter populasi
adalah rata-rata sampel terhadap rata-rata populasi, proporsi sampel terhadap
proporsi populasi, jumlah variabel tertentu yang terdapat dalam sampel untuk
menaksir jumlah variabel tersebut dalam populasi, dan varians atau simpangan
baku sampel untuk menaksir simpangan baku populasi
2. Interval taksiran (interval taksiran). Dalam estimasi ini, sampel-sampel yang
diambil dari suatu populasi akan berdistribusi normal sekitar μ, dengan
simpangan baku = SE (sifat dari distribusi sampling). Dengan ini cara
menyatakan batas minimum dan maksimum terletak di nilai μ. Jarak dari batas
tertinggi dan terendah ini ditentukan sebagai confidence interval = confidence
limit yaitu luas daerah dibawah kurva normal ditentukan dengan persentasi
misalnya 90%, 95%, dan 99%.

1.2 Tujuan Praktikum


Dalam kegiatan praktikum ini, diharapkan praktikan
1. Lebih memahami dan menguasai konsep Estimasi Statistik
2. Penguasaan terhadap konsep Estimasi Statistik dapat mempermudah dalam
melakukan riset ilmiah khususnya dalam aplikasi untuk penelitian kerja
praktek maupun tugas akhir

1.3 Peralatan Yang Digunakan


Adapun peralatan yang digunkan dalam praktikum, yaitu:
1. Data yang sudah disediakan
2. Software Minitab, SPSS dan Ms. Excel
BAB II

DASAR TEORI

Salah satu statistic inferensial, untuk menarik kesimpulan mengenai suatu


populasi dengan memakai sampel-sampel yang diambil dari populasi tersebut adalah
dengan menggunakan estimasi (penaksiran). Jika parameter populasi disimbolkan
dengan q, maka q yang tidak diketahui harganya ditaksir oleh harga θ, yang dinamakan
dengan estimator (penaksir).

Ciri-ciri estimator yang baik :


a. Tak bias, jika rata-rata semua harga θ yang mungkin sama dengan q
b. Efisien, jika harga θ, memiliki varians yang minimum
c. Konsisten, jika untuk q dengan ukuran sampel n, semakin besar n menyebabkan
θ mendekati q

Cara menaksir :
1. Titik taksiran (point estimation), jika q hanya ditaksir oleh sebuah harga θ
tertentu.
2. Interval taksiran (interval taksiran), menaksir harga parameter q diantara batas-
batas 2 harga.

Dengan kepercayaan menaksir disebut koefisien kepercayaan denga 0< g< 1.


Untuk menentukan interval taksiran parameter q dengan koefisien kepercayaan g maka
sebuah sampel acak diambil, lalu dihitung nilai-nilai statistic yang diperlukan. P ¿,
dengan A dan B fungsi dari statistic. Arti P ¿, peluangnya adalah g bahwa interval
yang sifatnya acak yang terbentang dari A ke B akan berisikan q atau 100 g %
percaya bahwa parameter q akan berada dalam interval A ke B.

Distribusi yang digunakan dalam teori sampling


1. Distribusi x 2,
Distribusi ini digunakan untuk membandingkan hubungan antara variansi populasi (
σ 2 ¿ dengan variansi sampel ( S2 ¿, berdasar pada banyaknya ukuan lebih (u).
2 u S2
x=
σ2
Dan distribusi x 2 ini digunakan untuk menentukan selang/range dimana variansi
populasi diharapkan (expected) muncul berdasar pada :
a. Probabilitas presentase tertentu
b. Variansi sampel, dan
c. Derajat kebebasan sampel.
Aplikasi : Selang kepercayaan dan diuji hipotesa untuk variansi populasi
2. Distribusi t (student)
Distribusi ini digunakan untuk membandingkan nilai menengah populasi ( μ )
dengan nilai menengah sampel ( x́) berdasarkan ukuran lebih sampel (u).
Terutama digunakan untuk ukuran sampel yang ¿ 30 buah
z
Estimator : t=
√ x 2 /u
Aplikasi : Selang kepercayaan untuk nilai menengah dan uji hipotesa mengenai
nilai menengah populasi

3. Distribusi F
Digunakan untuk membandingkan dan menghitung variansi dari 2 himpunan
sampel.
x21 /u1
Estimator : F= 2
x2 /u2
Aplikasi : Menghitung interval dan uji hipotesa untuk rasio dua variansi
populasi.
BAB III

PENGOLAHAN DATA

3.1 Data Sekunder


1. Jelaskan Perbedaan estimasi titik dan estimasi interval dalam estimasi titik?
2. Jelaskan manfaat estimasi statistic dan sebutkan contoh-contoh
penggunaannya dalam bidang industry?
3. Jelaskan apa yang dimaksud dengan confidence interval (selang
kepercayaan) dalam estimasi statistic dan sebutkan contoh-contoh
penggunaannya?
4. Sebuah mesin-mesin menghasilkan batang baja dalam sebuah system
suspense mobil. Sebuah sampel random 15 batang dipilih dan diameternya
diukur. Data yang dihasilkan sebagai berikut.

Tabel 3.1 Diameter Batang Baja


8.24 mm 8.23 mm 8.2 mm
8.21 mm 8.2 mm 8.28 mm
8.23 mm 8.26 mm 8.24 mm
8.25 mm 8.19 mm 8.25 mm
8.26 mm 8.23 mm 8.24 mm

Diasumsikan bahwa diameter baja tersebut berdistribusi normal. Buatlah sebuah


interval keyakinan dua arah 95 % pada rata-rata diameter batang baja.

3.2 Pembahasan Soal Data Sekunder


1. Estimasi Titik (Point Estimation), suatu nilai dari sampel sebagai estimator
parameter sedangkan estimasi Interval (Interval Estimation), suatu interval
yang dengan tingkat kepercayaan tertentu memuat nilai parameter.
2. Estimasi bermanfaat untuk memperkirakan nilai populasi (parameter) yang
tidak diketahui dengan memakai nilai sampel (statistic). Contoh
penggunaannya :
- Dalam bidang kesehatan digunkan untuk mengestimasi prevalensi
penderita penyakit; mengestimasi angka kematian, seperti AKI dan
AKB
- Di Rumah Sakit, estimasi dapat digunakan untuk memperkirakan
jumlah pengunjung atau memperkirakan prognosa (kemungkinan
sembuhnya) suatu penyakit
3. Confidence interval (selang kepercayaan) adalah sebuah interval antara dua
angka, dimana nilai parameter dari sebuah populasi terletak di dalam
interval tersebut.
4. Jawab :
a. Interval 90 %
α 1−90 %
- t= ; n−1= ; 15−1=0.05 ;14=1.761
2 2
s s
- x́−t α < μ< x́ +t α
; n−1 √ n ; n−1 √ n
2 2

0.025298221 0.025298221
8.234−1.761 < μ <8.234−1.761
√ 15 √ 15
0.044550167 0.044550167
8.234− < μ <8.234+
√ 15 √ 15
8.234−0.011502804 < μ<8.234 +0.011502804
8.222497196< μ< 8.245502804

b. Interval 95%
α 1−95 %
- t= ; n−1= ; 15−1=0.025 ;14=2.145
2 2
s s
- x́−t α < μ< x́ +t α
; n−1 √ n ; n−1 √ n
2 2

0.025298221 0.025298221
8.234−2.145 < μ<8.234−2.145
√ 15 √15
0.054264684 0.054264684
8.234− < μ<8.234+
√ 15 √ 15
8.234−0.014011081< μ< 8.234+0.014011081
8.219988919< μ<8.248011081

c. Interval 99%
α 1−99 %
- t= ; n−1= ; 15−1=0.005; 14=2.977
2 2
s s
- x́−t α < μ< x́ +t α
; n−1 √ n ; n−1 √ n
2 2

0.025298221 0.025298221
8.234−2.977 < μ<8.234−2.977
√15 √ 15
0.075312804 0.075312804
8.234− < μ<8.234+
√ 15 √ 15
8.234−0.019445682< μ<8.234 +0.019445682
8.214554318< μ< 8.253445682

3.3 Pengolahan Data Secara Manual


- n=15

∑ xi
-
x́= ❑
n

8.24+ 8.21+ 8.23+8.25+8.26+ 8.23+8.2+8.26+8.19+ 8.23+8.2+8.28+8.24 +8.25+8.24


x́=
15
x́=8.234

- s= √∑ ❑
¿¿ ¿ ¿

¿¿
8.234 ¿ 2+¿
¿ 8.96 ×10−3

8.96 × 10−3
¿
√ 15−1
¿ 0.025298221

a. Interval 90 %
α 1−90 %
- t= ; n−1= ; 15−1=0.05 ;14=1.761
2 2
s s
- x́−t α < μ< x́ +t α
2
; n−1 √n 2
; n−1 √n
0.025298221 0.025298221
8.234−1.761 < μ <8.234−1.761
√ 15 √ 15
0.044550167 0.044550167
8.234− < μ <8.234+
√ 15 √ 15
8.234−0.011502804 < μ<8.234 +0.011502804
8.222497196< μ< 8.245502804

b. Interval 95%
α 1−95 %
- t= ; n−1= ; 15−1=0.025 ;14=2.145
2 2
s s
- x́−t α < μ< x́ +t α
2
; n−1 √n 2
; n−1 √n
0.025298221 0.025298221
8.234−2.145 < μ<8.234−2.145
√15 √15
0.054264684 0.054264684
8.234− < μ<8.234+
√ 15 √ 15
8.234−0.014011081< μ< 8.234+0.014011081
8.219988919< μ<8.248011081

c. Interval 99%
α 1−99 %
- t= ; n−1= ; 15−1=0.005; 14=2.977
2 2
s s
- x́−t α < μ< x́ +t α
; n−1 √ n ; n−1 √ n
2 2

0.025298221 0.025298221
8.234−2.977 < μ<8.234−2.977
√15 √ 15
0.075312804 0.075312804
8.234− < μ<8.234+
√ 15 √ 15
8.234−0.019445682< μ<8.234 +0.019445682
8.214554318< μ< 8.253445682

3.4 Pengolahan Data


Setelah menjawab pertanyaan diatas dengan menggunakan cara manual, maka
kita juga dapat menyelesaikan soal diatas dengan menggunakan software Minitab,
SPSS, dan Ms. Excel dengan langkah-langkah sebagai berikut :

3.4.1 Ms. Excel


1. Aktifkan program Ms. Excel
2. Masukan data yang tersedia

Gambar 3.1 Data Diagram Batang Baja

3. Klik Data - Data Analysis - Descriptive Statistic – OK

Gambar 3.2 Data Analysis – Analysis Tools

4. Blok data yang tersedia kemudian centang Label in first row, kemudian centang
pilihan yang diminta kemudian klik Ok
Gambar 3.3 Descriptive Statistic

3.4.2 Minitab
1. Aktifkan program Minitab pada computer
2. Tempatkan kursor pada baris session
3. Klik Editor – Enable Commands

Gambar 3.4 Editor - Enable Command

4. Masukkan data yang akan diolah dengan Minitab pada Worksheet

Gambar 3.5 Data Diagram Batang Baja

5. Klik Stat – Basic Statistic – 1t 1-Sample t


Gambar 3.6 Stat – Basic Statistic – 1t 1-Sample t

6. Arahkan kursor pada kolom Sample in coloumns kemudian select variable data

Gambar 3.7 Sample in coloumns

7. Setelah itu klik graphs dan pilih grafik yang diminta tersebut kemudian ok

Gambar 3.8 1-Sample t - Graphs

8. Klik options dan masukan nilai confidence level


Gambar 3.9 1-Sample t - Options
9. Terakhir klik ok

3.4.3 SPSS
1. Aktifkan program SPSS, setelah itu akan muncul tampilan seperti gambar
dibawah ini kemudian klik OK

Gambar 3.10 Tampilan program

2. Masukan data yang diminta pada Worksheet Data View

Gambar 3.11 Data Diagram Batang Baja

3. Klik Analyze – Descriptive Statistics-Descriptive


Gambar 3.12 Analyze - Descriptive Statistics - Descriptive

4. Pindahkan data pada kolom sebelah kiri kedalam kolom variabel sebelah kanan

Gambar 3.13 Variable Data

5. Setelah itu pilih options, kemudian aktifkan pilihan yang diminta kemudian klik
continue

Gambar 3.14 Descriptive Options


6. Terakhir klik Ok

3.5 Hasil Pengolahan Data


3.5.1 Ms. Excel
Tabel 3.2 Diagram Batang Baja Confidence Level For Mean 90 %

Mean 8.234
Standard Error 0.006531973
Median 8.24
Mode 8.24
Standard Deviation 0.025298221
Sample Variance 0.00064
Kurtosis -0.474759615
Skewness -0.185696937
Range 0.09
Minimum 8.19
Maximum 8.28
Sum 123.51
Count 15
Largest(1) 8.28
Smallest(1) 8.19
Confidence Level(90.0%) 0.01150483

Tabel 3.3 Diagram Batang Baja Confidence Level For Mean 95 %


Mean 8.234
Standard Error 0.006531973
Median 8.24
Mode 8.24
Standard Deviation 0.025298221
Sample Variance 0.00064
Kurtosis -0.474759615
Skewness -0.185696937
Range 0.09
Minimum 8.19
Maximum 8.28
Sum 123.51
Count 15
Largest(1) 8.28
Smallest(1) 8.19
Confidence Level(95.0%) 0.014009688
Tabel 3.4 Diagram Batang Baja Confidence Level For Mean 99 %
Mean 8.234
Standard Error 0.006531973
Median 8.24
Mode 8.24
Standard Deviation 0.025298221
Sample Variance 0.00064
Kurtosis -0.474759615
Skewness -0.185696937
Range 0.09
Minimum 8.19
Maximum 8.28
Sum 123.51
Count 15
Largest(1) 8.28
Smallest(1) 8.19
Confidence Level(99.0%) 0.019444655

3.5.2 Minitab
Tabel 3.5 One-Sample T: Diagram Batang Baja 90%
Variable N Mean StDev SE Mean 90% CI
Diagram Batang Baja 15 8.23400 0.02530 0.00653 (8.22250, 8.24550)
Gambar 3.15 Histogram of Diagram Batang Baja
(with 90% t-confidence interval for the mean)

Tabel 3.6 One-Sample T: Diagram Batang Baja 95%


Variable N Mean StDev SE Mean 95% CI
Diagram Batang Baja 15 8.23400 0.02530 0.00653 (8.21999, 8.24801)

Gambar 3.16 Histogram of Diagram Batang Baja


(with 95% t-confidence interval for the mean)

Tabel 3.7 One-Sample T: Diagram Batang Baja 99%


Variable N Mean StDev SE Mean 99% CI
Diagram Batang Baja 15 8.23400 0.02530 0.00653 (8.21456, 8.25344)

Gambar 3.17 Histogram of


Diagram Batang Baja
(with 95% t-confidence interval for the mean)

3.5.3 SPSS

Tabel 3.8 Descriptive Statistics


N Minimum Maximum Mean Std. Deviation
Diagram_Batang_Baja 15 8.19 8.28 8.2340 .02530
Valid N (listwise) 15
BAB IV

ANALISA DATA

4.1 Pengolahan Data Manual


Untuk pengolahan data menggunakan cara manual untuk mencari confidence
interval (90 % , 95 % , 99 %) saya menggunakan distribusi t, karena jumlah ukuran
sampel tersebut n ≤ 30. Interval kepercayaan ( 1−α ) 100 % untuk mean populasi μ adalah
s s
x́−t α < μ< x́ +t α
; n−1 √ n ; n−1 √ n
2 2

s
Dengan nilai confidence interval didapat dari t α ; n−1 , maka nilai confidence interval
2 √n
dari 90% yaitu 0.011502804, 95% yaitu 0.014011081, dan 99% yaitu 0.019445682.

Ini berarti bahwa dengan probabilitas 90% menghasilkan data dengan rata-rata
populasi μ pada kisaran 8.222497196 hingga 8.245502804. Probabilitas 95%
menghasilkan data pada kisaran 8.219988919 hingga 8.248011081 dan probabilitas 99%
menghasilkan data pada kisaran 8.214554318 hingga 8.253445682.

4.2 Pengolahan Data Menggunakan Software

4.2.1. Ms. Excel


Hasil pada output Excel dengan menunjukkan bahwa mean adalah 8.234 dan
confidence level (90%) sebesar 0.01150483, confidence level (95%) sebesar
0.014009688 dan confidence level (99%) sebesar 0.019444655. Dengan ini pada
confidence level (90%) menghasilkan 8.234 ± 0.01150483=(8.22249517 ,8.24550483),
dan pada confidence level (95%) menghasilkan nilai
8.234 ± 0.014009688=(8.219990312 , 8.248009688) dan pada confidence level (99%)
menghasilkan 8.234 ± 0.019444655=(8.214555345 , 8.253444655).

Interpretasi: dengan ini berarti bahwa dengan probabilitas 0.90 menghasilkan data
dengan rata-rata populasi μ pada kisaran 8.22249517 hingga 8.24550483. Probabilitas
0.95 menghasilkan data dengan rata-rata populasi μ pada kisaran
8.219990312 hingga8.248009688 dan probabilitas 0,99 menghasilkan data dengan rata-
rata populasi μ pada kisaran 8.214555345 hingga 8.253444655.

4.2.2 Minitab
Pada output Minitab menunjukkan bahwa data (N) ada 15, dengan mean dari 15
data sebesar 8.23400 dengan std deviation sebesar .02530 dan SE Mean sebesar
0.0065, dengan probabilitas 0.90 menghasilkan data dengan rata-rata populasi μ pada
kisaran 8.22250 hingga 8.24550, untuk probabilitas 0.95 pada kisaran 8.21999 hingga
8.24801 dan probabilitas 0,99 pada kisaran 8.21456 hingga 8.25344.

4.2.3 SPSS
Pada tampilan output SPSS menunjukkan jumlah data (N) ada 15, dengan nilai
minimum adalah 8.19 dan nilai maximum adalah 8.28. mean dari 15 data sebesar 8.2340
dengan std deviation sebesar .02530.
BAB V
PENUTUP

5.1 Kesimpulan

Dalam kegiatan praktikum ini, dapat disimpulkan bahwa:


1. Estimasi (penaksiran) digunakan untuk menarik kesimpulan mengenai suatu
populasi dengan memakai sampel-sampel yang diambil dari populasi
tersebut Ciri-ciri estimator yang baik yaitu tak bias, efisien, dan konsisten.
Terdapat 2 cara untuk menaksir yaitu titik taksiran (point estimation) dan
interval taksiran (interval taksiran). Distribusi yang digunakan dalam teori
sampling terbagi atas 3 antara lain distribusi x 2, distribusi t (student), dan
distribusi F.
2. Kita lebih menguasai konsep Uji Hipotesis yang nantinya dapat
mempermudah dalam melakukan riset ilmiah khususnya dalam aplikasi
untuk penelitian kerja praktek maupun tugas akhir.

5.2 Saran

Adapun saran yang dapat diberikan yaitu perlunya ketelitian dalam memasukan
data pada saat kerja mempergunakan software, karena apabila kita salah memasukkan
data maka berpengaruh pada hasil yang didapatkan dan tidak sesuai dengan hasil yang
betul.

Anda mungkin juga menyukai