TUGAS BESAR
STATISTIKA INDUSTRI 2021
1
TUGAS BESAR Statistika Industri
- Cover
- Kata Pengantar
- Daftar Isi
BAB I : PENDAHULUAN
1.1 Latar Belakang
1.2 Permasalahan
2
Modul Praktikum Statistika Industri
1.3 Tujuan
1.4 Manfaat
BAB II : PEMBAHASAN
BAB III:KESIMPULAN DAN SARAN
Daftar Pustaka
- Lampiran
3
TUGAS BESAR Statistika Industri
4
Modul Praktikum Statistika Industri
MODUL I
STATISTIKA DESKRIPTIF
STATISTIKA DESKRIPTIF
Statistik deskriptif merupakan bidang ilmu statistika yang mempelajari cara-cara
pengumpulan, penyusunan, dan penyajian data suatu penelitian. Kegiatan yang
termasuk dalam kategori tersebut adalah kegiatan collecting atau pengumpulan
data, grouping atau pengelompokan data, penentuan nilai dan fungsi statistik, serta
yang terakhir termasuk pembutan grafik dan gambar.
5
TUGAS BESAR Statistika Industri
analisa deskriptif dengan SPSS 16. Secara umum, untuk menjalankan suatu
prosedur dalam analisa statistik mengikuti langkah seperti berikut.
6
Modul Praktikum Statistika Industri
7
TUGAS BESAR Statistika Industri
8
Modul Praktikum Statistika Industri
Sebagai contoh, jika skewness statistik adalah -.339 dan standard error
skewness adalah .388, maka 95% confidence interval ditemukan sebagai
95% C. I. = skewness statistic ± 1.96 * (standard error of skewness).
= -.339 ± 1.96 * .388
= -.339 ± 0.761
= (-.339 - 0.761) to (-.339 + 0.761)
= -1.100 to 0.422
Representasi grafik dari 95% confidence interval dari nilai skewness ini
dapat ditunjukkan seperti gambar berikut.
Range dari 95% confidence interval adalah dari -0.783 (through zero)
sampai 2.193. Oleh karena 95% confidence interval memiliki nilai nol di
dalamnya, maka dapat dikatakan bahwa “the distribution has no kurtosis”.
Ini dapat diartikan bahwa nilai korelasi memenuhi syarat untuk sebuah
normally distributed atau distribusi normal.
d. Percentile values
Percentile values akan menampilkan data-data secara berkelompok
menjadi sebuah prosentase. Sebagai contoh, data yang terkelompok
sebagai berikut.
• Rata-rata umur 25% di bawah 19 tahun.
• Rata-rata umur 50% di bawah 20 tahun.
• Rata-rata umur 75% di bawah 23 tahun.
Dari opsi-opsi statistik yang telah dibahas di atas, berikan tanda
check point untuk item-item analisa yang akan ditampilkan pada
output window.
5. Setelah dipilih point-point statistik yang diinginkan dan sesuai dengan
kebutuhan, klik tombol Continue.
6. Pilih tombol Charts untuk memilih model grafik yang ingin ditampilkan
dalam output.
9
TUGAS BESAR Statistika Industri
10
Modul Praktikum Statistika Industri
11
TUGAS BESAR Statistika Industri
12
Modul Praktikum Statistika Industri
13
TUGAS BESAR Statistika Industri
perempuan, dan sebagainya. Disamping itu, analisis ini juga memiliki kegunaan
untuk menyediakan informasi deskripsi data dan demografi sampel yang diambil.
Sebagian besar analisis statistik memang dikalkulasi menggunakan prosedur
frekuensi, tetapi prosedur analisis deskritif memiliki keunggulan, yaitu lebih
efisien dalam beberapa hal karena tidak melakukan sorting atau pengurutan data
nilai ke tabel frekuensi.
Contoh Kasus
Gambar 5.16 menunjukkan tabel sebagai contoh kasus yang akan dibahas pada
analisa menggunakan prosedur descriptives.
14
Modul Praktikum Statistika Industri
15
TUGAS BESAR Statistika Industri
16
Modul Praktikum Statistika Industri
Gambar di atas menunjukkan nilai maksimum dan minimum data. Seperti contoh
data umur responden yang tertinggi adalah 45 tahun dan data umur terendah
adalah 22 tahun.
Gambar 5.21 menunjukkan nilai rata-rata dan nilai standard deviasi. Rata-rata
keterangan adalah 1,75 yang berarti bahwa sebagian besar responden menyatakan
setuju dengan kenaikan SPP.
17
TUGAS BESAR Statistika Industri
18
Modul Praktikum Statistika Industri
PERALATAN
1. Set data mentah
2. Komputer
3. Software MS Excell & SPSS
PROSEDUR
1. Melakukan pengolahan data dengan bantuan software MS. Excell. Set
pengolahan data seperti pada pengolahan data manual.
2. Melakukan pengolahan data melalui bantuan software SPSS
- Buat dalam prosedur Frekuensi dan Deskriptive
NAMA UMUR JENISKELAMIN PENDIDIKAN KETERANGAN
Alan 16 1.00 3.00 2.00
Stella 34 2.00 2.00 3.00
Eko 23 1.00 3.00 1.00
Alfin 25 1.00 1.00 2.00
Fadli 14 1.00 2.00 3.00
Khanza 15 2.00 1.00 2.00
Marwa 45 2.00 2.00 3.00
19
TUGAS BESAR Statistika Industri
MODUL II :
STATISTIKA PARAMETRIK
20
Modul Praktikum Statistika Industri
MODUL II
STATISTIKA PARAMETRIK
Statistika Parametrik
Seperti yang telah diterangkan pada bagian Pendahuluan dari modul
Praktikum ini bahwa statistika parametrik berhubungan dengan inferensi statistik
(pengambilan keputusan atas masalah tertentu) yang membahas parameter-
parameter populasi, seperti rata-rata, proporsi dan sebagainya. Adapun ciri
parametrik dapat dilihat dari jenis datanya adalah interval atau rasio, serta
distribusi data (populasi) adalah normal atau mendekati normal.
Terkait dengan jumlah sampel yang dilibatkan dalam pengujian pada
inferensi statistik maka dapat dibedakan menjadi dua, yaitu :
- Satu sampel
Untuk menguji apakah rata-rata dari suatu populasi (sampel) sama dengan
suatu harga tertentu. Uji ini biasa disebut dengan uji hipotesa satu sampel.
Alat uji yang dapat digunakan adalah dengan uji t (t test) yaitu One sample t-
test dan dengan uji Chi Square yaitu uji kebaikan suai atau Goodness of Fit
Test
- Dua atau lebih sampel
Sedangkan uji dua atau sampel akan menguji apakah rata-rata dua
poupulasi sama ataukah berbeda secara nyata. Pada uji ini dapat dibedakan
pula tergantung hubungan antara kedua sampel, yaitu dua sampel bebas atau
dua sampel berhubungan. Alat uji ini yang dapat digunakan adalah :
➢ Dengan uji t (t test).
Pada dua sampel bebas disebut uji t dua sampel bebas (Independent
sample t-test) dan pada sampel berhubungan disebut uji t dua sampel
berhubungan (Dependent/Paired sample t-test).
Pengujian hipotesa satu sampel pada prinsipnya ingin menguji apakah
suatu nilai tertentu (yang diberikan sebagai pembanding) berbeda secara nyata
ataukah tidak dengan rata-rata sebuah sampel.
Contoh
Berikut adalah data rasio panjang tulang terhadap lebar tulang lengan atas dari
21
TUGAS BESAR Statistika Industri
fosil suatu spesies. Para arkeolog meyakini bahwa rasio dapat digunakan untuk
menentukan jenis spesies binatang tertentu. Sebelumnya mereka telah
menemukan spesies A yang memiliki rata-rata rasio panjang tulang terhadap
lebar tulang adalah 8,5.
Tabel 3.1 Data rasio panjang terhadap lebar pada tulang lengan atas
a. Memasukkan data
Data dimasukkan ke dalam 1 kolom, yaitu kolom C1 dan selanjutnya beri nama
kolom dengan “Rasio”.
b. Menyimpan file
Klik File-Save Project, tuliskan nama file yang anda anggap mudah untuk
mengingatnya, kemudian klik OK.
Pengolahan Data
22
Modul Praktikum Statistika Industri
One-Sample T: Rasio
Variable 95,0% CI T P
Rasio ( 8,878; 9,637) 4,03 0,000
Analisis
1. Hipotesis
Hipotesis untuk kasus ini:
Ho : Rata-rata rasio tulang ( ) = 8,5
Hi : Rata-rata rasio tulang ( ) 8,5
2. Pengambilan keputusan
Dasar pengambilan keputusan:
23
TUGAS BESAR Statistika Industri
Gambar:
24
Modul Praktikum Statistika Industri
25
TUGAS BESAR Statistika Industri
26
Modul Praktikum Statistika Industri
data kolom pada sebuah tabulasi silang (crosstab) mempunyai distribusi data
populasi yang sama. Contoh, apakah komposisi pria-wanita berdasar usia relatif
sama di kota Surabaya dan Bandung.
Sementara uji independensi bertujuan untuk menguji apakah ada hubungan
antara data baris dengan data kolom pada sebuah tabulasi silang. Misal, apakah
gender seseorang mempunyai hubungan dengan penghasilan yang diterimanya.
TUGAS PENDAHULUAN
1. Carilah soal-soal pada buku referensi Statistik yang dapat diolah sesuai uji-uji
pada Statistik Parametrik seperti diatas. Jumlah soal yang dibutuhkan sebanyak
4 (empat) terdiri atas :
- 1 soal untuk uji t satu sampel,
- 1 soal untuk uji t dua sampel independen atau dependen (salah satu saja)
- 1 soal untuk uji chi square : Goodness of Fit Test
- 1 soal untuk uji chi square : uji homogen atau independensi (salah satu saja)
Cantumkan nama referensinya.
2. Susun hipotesa dan tahapan pengambilan keputusan dari tiap soal diatas.
PERALATAN
1. Tugas pendahuluan yang telah di-Acc\
2. Komputer, Software SPSS
3. Tabel distribusi t
27
TUGAS BESAR Statistika Industri
MODUL III :
STATISTIKA NON PARAMETRIK
28
Modul Praktikum Statistika Industri
MODUL III
STATISTIKA NON PARAMETRIK
- Asumsi
Uji Kolmogorov Smirnov mengasumsikan bahwa parameter-
parameter dari distribusi uji telah ditentukan sebelumnya. Prosedur ini
mengestimasikan parameter-parameter yang diperlukan dari sample. Mean
dan deviasi standar sampel adalah parameter-parameter yang diperlukan
untuk distribusi normal, harga minimum dan harga maksimum sampel
akan mendefinisikan range dari distribusi uniform dan mean sampel adalah
29
TUGAS BESAR Statistika Industri
dengan tanda + dan nilai terok yang lebih kecil dengan tanda -. Ho diterima jika
jumlah tanda + sama dengan jumlah tanda -. Bila salah satu tanda muncul lebih
sering, Ho kita tolak.
Uji Dwi sample Wilcoxon (Wilcoxon Rank Sign Test)
Berlaku untuk kasus distribusi kontinu setangkup. Ho : = lawan H1 yang sesuai.
Tiap nilai terok dikurangi dengan o, buang semua selisih yang sama dengan nol.
Selisih yang tinggal dirang tanpa memperhatikan tandanya. Range pada selisih
terkecil, dan seterusnya bila dua atau lebih selisih nilai hasilnya sama, masing-
masing diberi rang sama dnegan rata-rata rang. Jumlahkan masing-masing selisih
positif (W+) dan selisih negatif (W-), nyatakan yang terkecil dengan W. Ho : = o
ditolak dan menerima H1 : < o bila W+ kecil dan W- besar. Tandingan > o
diterima bila W+ besar dan W- kecil.
Uji Runtun
Didasarkan atas urutan pengambilan terok pengamatan Ho : urutan acak,
H1 : urutan tidak acak. Tandai tiap pengukuran menurut urutan pengambilannya
dengan tanda tambah bila besarnya melebihi median dan tanda kurang bila lebih
kecil dari median. Uji statistik : v, jumlah seluruh runtun. Bandingkan nilai
probabilitas dari tabel (n1, n2, v) dengan taraf keberartian . Jika P > terima Ho, jika
P < tolak Ho.
TUGAS PENDAHULUAN
Lakukan tahapan pelaksanaan tugas pendahuluan yang dilakukan sebagai berikut:
1. Ambil data Indeks Prestasi Kumulatif (IPK) mahasiswa teknik industri
3 angkatan yang berbeda (kombinasi tiap kelompok akan ditentukan
sehingga berbeda). Maksimal data yang digunakan dari tiap jurusan
adalah 50.
2. Susun hipotesa dan tahapan pengambilan keputusan dari tiap uji
30
Modul Praktikum Statistika Industri
31
TUGAS BESAR Statistika Industri
MODUL IV : REGRESI
&
KORELASI
32
Modul Praktikum Statistika Industri
MODUL IV
REGRESI DAN KORELASI
Regresi
Metode ini berdasarkan pada hubungan sebab akibat atas terjadinya variansi
dari suatu variabel, dan hubungan sebab akibat itu nampak dalam fungsi
persamaan regresi. Sedangkan korelasi merupakan alat pembantu yang berguna
untuk mengetahui sejauh mana intensitas hubungan yang terjadi antara variabel-
variabel yang bersangkutan.
Pada dasarnya regresi merupakan bentuk, hubungan antara peubah tak bebas
atau independen dengan peubah bebas atau dependen . Hubungan ini biasanya
dinyatakan dalam bentuk persamaan matematis yang bentuknya bisa linear
maupun non linear.
Uji Regresi digunakan untuk memprediksi besar Variable Tergantung
(Dependent Variable) dengan menggunakan data Variable Bebas (Independent
Variable) yang sudah diketahui besarnya.
Kasus :
Manager PT. DUTA MAKMUR, suatu perusahaan yang bergerak pada produksi
roti, ingin mengetahui apakah kegiatan yang menunjang penjualan perusahaan
selama ini (sebagai variable bebas) :
➢ Iklan dikoran (variable : iklan_ko, satuan biaya iklan dalam Jutaan,
Rupiah/bulan).
➢ Iklan diradio (variable : iklan_ra, satuan biaya iklan dalam Jutaan,
Rupiah/bulan).
➢ Jumlah outlet penjualan di seluruh daerah (outlet, satuan dalam unit outlet).
➢ Jumlah salesman yang ada (salesman, satuan dalam orang).
Benar-benar berpengaruh terhadap penjualan roti dari perusahaan (sebagai
variable dependent, yaitu variable sales, satuan dalam jutaan rupiah/bulan). Dan
jika berpengaruh, perusahaan akan mencoba memprediksi sales pada waktu
tertentu dengan mengubah- ubah variable yang mempengaruhinya.
33
TUGAS BESAR Statistika Industri
Dari menu utama SPSS, pilih menu Analyze kemudian submenu Regression, lalu
pilih Linear …
Pengisian :
Output :
Regression
Variables Entered/Removeda
Model Summaryb
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 133462.3 4 33365.566 19.29 .000
Residual 43225.011 25 1729.000 8 a
Total 176687.3 29
34
Modul Praktikum Statistika Industri
Coefficientsa
Unstandardiz Standardiz
ed ed
Mod Coefficient Coefficien
el s ts T Sig.
B Std. Error Bet
a
1 (Constant) 100.123 71.408 1.402 .173
IKLAN_KO 10.913 1.279 .869 8.530 .000
IKLAN_RA 4.966 3.316 .149 1.498 .147
OUTLET -13.275 4.969 -.271 -2.672 .013
SALESMAN -13.988 5.263 -.265 -2.658 .014
a. Dependent Variable : SALES.
Residuals Statisticsb
Analisis :
1. Model Summary
- Angka R sebesar 0,869 menunjukkan bahwa korelasi/hubungan antara
Sales dan 4 variable independent-nya adalah kuat.
Catatan : Definisi kuat karena angka diatas 0,5. Namun demikian bisa
saja untuk kasus lain batasan angka akan berbeda.
- Angka R square atau Koefisien Determinasi adalah 0,755 (berasal dari
0,869 x 0,869). Namun untuk jumlah variable independent lebih dari
dua, lebih baik digunakan Adjusted R square, yang adalah 0,716%
(selalu lebih kecil dari R Square). Hal ini berarti 71,6% variasi dari
Sales bisa dijelaskan oleh variasi dari keempat variable independent.
Sedangkan sisanya (100% - 71,6% = 28,4%) dijelaskan oleh sebab-
sebab yang lain.
- Standar Error of Estimate (SEE) adalah 41,58 atau Rp. 41,58 juta/bulan
35
TUGAS BESAR Statistika Industri
36
Modul Praktikum Statistika Industri
Variables Entered/Removeda
Model Variables Variables Method
Entered Removed
1 SALESMAN,
OUTLET, Enter
IKLAN_RA
IKLAN_KOa
37
TUGAS BESAR Statistika Industri
ANOVAb
Coefficientsa
Unstandardized Standardized
Mode Coefficients Coefficien
ts T Sig.
l B Std. Error Beta
1 (Constant) 174.644 52.429 3.331 .003
IKLAN_KO 10.744 1.305 .856 8.236 .000
OUTLET -12.949 5.081 -.264 -2.548 .017
SALESMAN -13.273 5.365 -.252 -2.474 .020
a. Dependent Variable : SALES.
Casewise Diagnosticsa
Residuals Statisticsa
Analisis :
1. Model Summary
38
Modul Praktikum Statistika Industri
39
TUGAS BESAR Statistika Industri
40
Modul Praktikum Statistika Industri
Pengolahan Data
a. Buka file yang sudah anda buat.
b. Dari menu utama SPSS, pilih menu Analyze kemudian pilih submenu
Correlate, dan pilih bivariate …
Pengisian :
- Variable atau variable yang akan dikorelasikan. Pilih Gaji, Usia dan
Kerja.
- Correlation Coefficients atau alat hitung koefisien korelasi. Pilih Pearson.
- Test of Significance, pilih Two-Tailed untuk uji dua sisi.
- Flag significant correlations, aktifkan pilihan ini.
- Kemudian klik tombol Options.
- Pada pilihan Statistics dibaikan saja.
- Biarkan pilihan Exclude case pairwise aktif.
- Kemudian tekan OK untuk mengakhiri pengisian prosedur analisis.
Selanjutnya
- SPSS melakukan pekerjaan analisis dan terlihat output SPSS.
Output :
Correlations
Gaji Pengalaman
USIA Karyawan Kerja
USIA Pearson Correlation 1,000 ,682** ,438**
Sig. (2-tailed) , ,000 ,000
N 75 75 75
Gaji Karyawan Pearson Correlation ,682** 1,000 ,730**
Sig. (2-tailed) ,000 , ,000
N 75 75 75
Pengalaman Pearson Correlation ,438** ,730** 1,000
Kerja Sig. (2-tailed) ,000 ,000 ,
N 75 75 75
41
TUGAS BESAR Statistika Industri
a. Arah korelasi positif, atau semakin tinggi usia karyawan, gajinya cenderung
semakin
b. besar dan sebaliknya.
c. Besar korelasi yang > 0,5 berarti usia berkorelasi kuat dengan gaji karyawan.
Demikian juga untuk korelasi usia-kerja dan gaji-kerja, semuanya berarah
positif, hanya antara usia karyawan dengan pengalaman kerja karyawan
korelasinya lemah (hanya 0,438 atau dibawah 0,5).
2. Signifikan Hasil Korelasi
Hipotesis
Ho = Tidak ada hubungan (korelasi) antara dua variable.
H1 = Ada hubungan (korelasi) antara dua variable.
Uji dilakukan dua sisi.
Dasar pengambilan keputusan (berdasarkan probabilitas) :
b. Jika probabilitas > 0,05 (atau 0,01) maka H0 diterima.
c. Jika probabilitas < 0,05 (atau 0,01) maka H0 ditolak.
Keputusan :
Karena semua angka probabilitas adalah 0,000, maka semua variable
memang secara nyata berkorelasi. Hal ini bisa juga dilihat dari adanya tanda
** pada angka korelasi, yang artinya sama, yaitu angka korelasi memang
signifikan.
Catatan : Output menyatakan SPSS menganggap angka korelasi signifikan
pada level 0,01 atau 1%. Tentunya jika diuji dengan tingkat 5% akan
signifikan juga.
Karena tidak ada variable yang hilang, maka data yang diproses
adalah 75 buah.
TUGAS PENDAHULUAN
42
Modul Praktikum Statistika Industri
43