Bikin Pusing

RISALAH AKHIR
PRAKTIKUM STATISTIKA
Diajukan Untuk Memenuhi Syarat Kelulusan Risalah Akhir
Praktikum Statistika Industri
Disusun Oleh:
Tasya Shakila Ramadhan 2003024
Hisyam Raihandika 2003073
Asisten Dosen:
Resha Ariyana 1903013
Tisah Maida 1903014
Tami Nurul Fadhilah 1903023
Hemas Pramesti 1903057
Zamilla Putri Wardhani 1903070
Lisna Novika Handayani 1903071
LABORATORIUM STATISTIKAINDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
INSTITUT TEKNOLOGI GARUT
2022
KATA PENGANTAR
Alhamdulillahirabbil’aalamiin, puji syukur kami panjatkan ke hadirat Allah
Subhanahuwata’la, karena telah melimpahkan rahmat-Nya yang berupa nikmat
iman, islam, kesehatan dan ilmu pengetahuan sehingga risalah akhir praktikum
statistika industri ini dapat selesai pada waktu yang telah ditentukan.
Terima kasih kami ucapkan pada orang tua, pembimbing asistensi, dan
semua yang telah memberikan arahan, motivasi, serta dorongan untuk
menyelesaikan risalah akhir praktikum statistika industri ini dengan susunan yang
sesuai dengan ketentuan.
Kami berharap risalah akhir praktikum statistika industri ini dapat menjadi
media perantara untuk menambah wawasan pengetahuan bagi pembaca dan
khususnya diri kami. Namun terlepas dari hal itu, kami menyadari bahwa risalah
akhir praktikum statistika industri ini masih sangat jauh dari kata sempurna,
sehingga kami mengharapkan kritik dan saran yang bersifat membangun supaya
menjadi bahan evaluasi atau perbaikan pada karya tulis selanjutnya.
Garut, Januari 2022
Tim Praktikan
LEMBAR PENGESAHAN
Tim praktikan menyatakan bahwa risalah akhir praktikum statistika industri
ini merupakan tindakan yang dilakukan dengan kesadaran tanpa paksaan dengan
tujuan mendapatkan suatu kebenaran ilmiah dari ilmu pengetahuan, serta tim
praktikan menyatakan bahwa isi risalah akhir praktikum statistika industri
merupakan karya orsinal, yang terlepas dari unsur plagiarisme. Apabila
dikemudian hari ditemukan unsur plagiarisme pada penulisan risalah akhir
praktikum statistika industri ini, maka tim praktikan bersedia untuk dicabut
kelulusannya dari praktikum statistika industri.
Tim praktikan setelah melalui masa asistensi bersama asisten dan dosen
menyatakan bahwa risalah akhir praktikum statistika industri telah diperiksa
secara seksama dan dicapai pemufakatan, bahwa risalah akhir praktikum statistika
industri memenuhi syarat sebagai komponen kelulusan praktikum praktikum
statistika industri pada Program Studi Teknik Industri Institut Teknologi Garut.
Garut, Januari 2022

Tim Praktikan
Praktikan I, Praktikan II.
Tasya Shakila Ramadhan Hisyam Raihandika

NPM.2003024 NPM.2003073
Mengetahui,
Asisten Dosen,
Asisten Dosen I, Asisten Dosen II,
Resha Ariyana Tisah Maida

NPM.1903013 NPM.1903014
Asisten Dosen III, Asisten Dosen IV,
Tami Nurul Fadhilah Hemas Pramesti

NPM.1903023 NPM.1903057
Asisten Dosen V, Asisten Dosen VI.

Zamilla Putri Wardhani Lisna Novika Handayani
NPM.1903070 NPM.1903071
Menyetujui,
Dosen Pegampu Koordinator
Praktikum Statistika Praktikum
Statistika
Dewi Rahmawati,
S.T,M.T NIDN. Dedi Sa’Dudin Taptajani, S.T., M.
0423049502 T. NIDN. 0428098802
DAFTAR ISI
Halaman
DAFTAR GAMBAR
Halaman
Gambar 3.1 Diagram Alir Praktikum.......................................................................4
Gambar 4.1 Diagram Histogram Usia....................................................................38
Gambar 4.2 Diagram Polygon Usia.......................................................................39
Gambar 4.3 Diagram Ogive Usia...........................................................................40
Gambar 4.4 Diagram Lingkaran Usia....................................................................41
Gambar 4.5 Diagram Pareto Usia..........................................................................41
Gambar 4.6 Diagram Histogram Berat Badan.......................................................44
Gambar 4.7 Diagram Polygon Berat Badan...........................................................45
Gambar 4.8 Diagram Ogive Berat Badan..............................................................46
Gambar 4.9 Diagram Lingkaran Berat Badan.......................................................47
Gambar 4.10 Diagram Pareto Berat Badan............................................................47
Gambar 4.11 Diagram Histogram Ukuran Baju....................................................50
Gambar 4.12 Diagram Polygon Ukuran Baju........................................................51
Gambar 4.13 Diagram Ogive Ukuran Baju...........................................................52
Gambar 4.14 Diagram Lingkaran Ukuran Baju.....................................................53
Gambar 4.15 Diagram Pareto Ukuran Baju...........................................................53
Gambar 4.16 Diagram Histogram Tinggi Badan...................................................56
Gambar 4.17 Diagram Polygon Tinggi Badan.......................................................57
Gambar 4.18 Diagram Ogive Tinggi Badan..........................................................58
Gambar 4.19 Diagram Lingkaran Tinggi Badan...................................................58
Gambar 4.20 Diagram Pareto Tinggi Badan..........................................................59
Gambar 4.21 Diagram Histogram Ukuuran Sepatu...............................................62
Gambar 4.22 Diagram Polygon Ukuran Sepatu.....................................................63
Gambar 4.23 Diagram Ogive Ukuran Sepatu........................................................63

Gambar 4.24 Diagram Lingkaran Ukuran Sepatu.................................................64
Gambar 4.25 Diagram Pareto Ukuran Sepatu........................................................65
Gambar 4.26 Diagram Histogram U Jajan.............................................................68
Gambar 4.27 Diagram Polygon U Jajan................................................................69
Gambar 4.28 Diagram Ogive U Jajan....................................................................70
Gambar 4.29 Diagram Lingkaran U Jajan.............................................................70
Gambar 4.30 Diagram Pareto U Jajan...................................................................71
Gambar 4.31 Kurva Usia Data Tunggal.................................................................74
Gambar 4.32 Kurva Usia Data Kelompok.............................................................78
Gambar 4.33 Kurva Ukuran Baju Data Tunggal...................................................81
Gambar 4.34 Kurva Ukuran Baju Data Kelompok................................................83
Gambar 4.35 Kurva Data Tunggal Berat Badan 200.............................................87
Gambar 4.36 Kurva Data Tunggal Berat Badan 150.............................................90
Gambar 4.37 Kurva Data Tunggal Berat Badan 70...............................................93
Gambar 4.38 Kurva Data Kelompok Berat Badan 200.........................................96
Gambar 4.41 Kurva Data Tunggal Ukuran Sepatu..............................................104
Gambar 4.42 Kurva Data Kelompok Ukuran Sepatu..........................................106
Gambar 4.43 Kurva Data Tunggal Tinggi Badan................................................110
Gambar 4.44 Kurva Data Kelompok Tinggi Badan............................................113
Gambar 4.45 Kurva Data Tunggal Uang Jajan....................................................116
Gambar 4.46 Kurva Data Kelompok Uang Jajan................................................119
Gambar 4.47 Kurva Taraf Signifikansi 1%.........................................................125


Gambar 4.77 Diagram Pohon Pengambilan Ke 1................................................170
Gambar 4.89 Diagram Pencar Data Berat Badan dan Ukuran Baju....................239
Gambar 4.90 Kurva Uji F....................................................................................240
Gambar 4.91 Kurva Uji T....................................................................................241
Gambar 4.92 Diagram Pencar Data Tinggi Badan dan Ukuran Sepatu...............244
Gambar 4.93 Kurva Uji F....................................................................................245
Gambar 4.94 Kurva Uji T....................................................................................246
Gambar 4.95 Data Usia........................................................................................247
Gambar 4.96 Tampilan Data View Data Usia.....................................................247
Gambar 4.97 Frequencies Data Usia....................................................................248
Gambar 4.98 Tampilan Frequencies Data Usia...................................................248
Gambar 4.99 Tampilan Chart Data Usia (Bar Charts).........................................248

Gambar 4.100 Tampilan Chart Data Usia (Pie Charts).......................................249
Gambar 4.101 Output Bar Charts Data Usia........................................................249
Gambar 4.102 Ouput Pie Charts Data Usia.........................................................249
Gambar 4.103 Data Usia......................................................................................250
Gambar 4.104 Tampilan Data View Data Usia...................................................250
Gambar 4.105 Frequencies Data Usia..................................................................251
Gambar 4.106 Tampilan Frequencies Data Usia.................................................251
Gambar 4.107 Tampilan Sstatistic Data Usia......................................................251
Gambar 4.108 Data Usia......................................................................................253
Gambar 4.109 Tampilan Data View Data Usia...................................................253
Gambar 4.110 Explore Taste Of Normality Data Usia........................................253
Gambar 4.111 Tampilan Explore Data Usia........................................................254
Gambar 4.112 Tampilan Plot Data Usia..............................................................254
Gambar 4.113 Output Normality.........................................................................254
Gambar 4.114 Normal Q-Q Plot Of Data Usia....................................................254
Gambar 4.115 Data Berat Badan 200..................................................................255
Gambar 4.116 Tampilan Data View Data Berat Badan 200................................255
Gambar 4.117 Frequencies Data Berat Badan 200..............................................256
Gambar 4.118 Tampilan Frequencies Data Berat Badan 200..............................256
Gambar 4.119 Tampilan Chart Data Berat Badan 200 (Bar Charts)...................256
Gambar 4.120 Tampilan Chart Data Berat Badan 200 (Pie Charts)....................257
Gambar 4.121 Output Bar Charts Data Berat Badan 200....................................257
Gambar 4.122 Ouput Pie Charts Data Berat Badan 200......................................257

Gambar 4.127 Tampilan Sstatistic Data Berat Badan 200...................................259
Gambar 4.130 Explore Taste Of Normality Data Berat Badan 200....................262
Gambar 4.131 Tampilan Explore Data Berat Badan 200....................................262
Gambar 4.132 Tampilan Plot Data Berat Badan 200...........................................262
Gambar 4.133 Normal Q-Q Plot Of Data Berat Badan 200................................263
Gambar 4.138 Tampilan Chart Data Berat Badan 150 (Bar Charts)...................265
Gambar 4.139 Tampilan Chart Data Berat Badan 150 (Pie Charts)....................266
Gambar 4.140 Output Bar Charts Data Berat Badan 150....................................266
Gambar 4.141 Ouput Pie Charts Data Berat Badan 150......................................266
Gambar 4.146 Tampilan Statistic Data Berat Badan 150....................................268
Gambar 4.149 Explore Taste Of Normality Data Berat Badan 150....................271
Gambar 4.150 Tampilan Explore Data Berat Badan 150....................................271
Gambar 4.151 Tampilan Plot Data Berat Badan 150...........................................271

Gambar 4.152 Normal Q-Q Plot Of Data Berat Badan 150................................272
Gambar 4.153 Data Berat Badan 75....................................................................273
Gambar 4.154 Tampilan Data View Data Berat Badan 75..................................273
Gambar 4.155 Frequencies Data Berat Badan 75................................................274
Gambar 4.156 Tampilan Frequencies Data Berat Badan 75................................274
Gambar 4.157 Tampilan Chart Data Berat Badan 75 (Bar Charts).....................274
Gambar 4.158 Tampilan Chart Data Berat Badan 75 (Pie Charts)......................275
Gambar 4.159 Output Bar Charts Data Berat Badan 75......................................275
Gambar 4.160 Ouput Pie Charts Data Berat Badan 75........................................275
Gambar 4.163 Frequencies Data Berat Badan 75................................................277
Gambar 4.164 Tampilan Frequencies Data Berat Badan 75................................277
Gambar 4.165 Tampilan Statistic Data Berat Badan 75......................................277
Gambar 4.168 Explore Taste Of Normality Data Berat Badan 75......................280
Gambar 4.169 Tampilan Explore Data Berat Badan 75......................................280
Gambar 4.170 Tampilan Plot Data Berat Badan 75.............................................280
Gambar 4.171 Normal Q-Q Plot Of Data Berat Badan 75..................................281
Gambar 4.172 Data Ukuran Baju.........................................................................282
Gambar 4.173 Tampilan Data View Data Ukuran Baju......................................282
Gambar 4.174 Frequencies Data Ukuran Baju....................................................283
Gambar 4.175 Tampilan Frequencies Data Ukuran Baju....................................283
Gambar 4.176 Tampilan Chart Data Ukuran Baju (Bar Charts)..........................283
Gambar 4.177 Tampilan Chart Data Ukuran Baju (Pie Charts)..........................284

Gambar 4.178 Output Bar Charts Data Ukuran Baju..........................................284
Gambar 4.179 Ouput Pie Charts Data Ukuran Baju............................................284
Gambar 4.182 Frequencies Data Ukuran Baju....................................................286
Gambar 4.183 Tampilan Frequencies Data Ukuran Baju....................................286
Gambar 4.184 Tampilan Sstatistic Data Ukuran Baju.........................................286
Gambar 4.187 Explore Taste Of Normality Data Ukuran Baju...........................289
Gambar 4.188 Tampilan Explore Data Ukuran Baju...........................................289
Gambar 4.189 Tampilan Plot Data Ukuran Baju.................................................289
Gambar 4.190 Normal Q-Q Plot Of Data Ukuran Baju.......................................290
Gambar 4.191 Data Uang Jajan...........................................................................290
Gambar 4.192 Tampilan Data View Data Uang Jajan.........................................291
Gambar 4.193 Frequencies Data Uang Jajan.......................................................291
Gambar 4.194 Tampilan Frequencies Data Uang Jajan.......................................292
Gambar 4.195 Tampilan Chart Data Uang Jajan (Bar Charts)............................292
Gambar 4.196 Tampilan Chart Data Uang Jajan (Pie Charts).............................292
Gambar 4.197 Output Bar Charts Data Uang Jajan.............................................293
Gambar 4.198 Ouput Pie Charts Data Uang Jajan...............................................293
Gambar 4.201 Frequencies Data Uang Jajan.......................................................295
Gambar 4.202 Tampilan Frequencies Data Uang Jajan.......................................295
Gambar 4.203 Tampilan Sstatistic Data Uang Jajan............................................295

Gambar 4.206 Explore Taste Of Normality Data Uang Jajan.............................298
Gambar 4.207 Tampilan Explore Data Uang Jajan.............................................298
Gambar 4.208 Tampilan Plot Data Uang Jajan....................................................298
Gambar 4.209 Normal Q-Q Plot Of Data Uang Jajan.........................................299
Gambar 4.210 Data Ukuran Sepatu.....................................................................299
Gambar 4.211 Tampilan Data View Data Ukuran Sepatu...................................300
Gambar 4.212 Frequencies Data Ukuran Sepatu.................................................300
Gambar 4.213 Tampilan Frequencies Data Ukuran Sepatu.................................301
Gambar 4.214 Tampilan Chart Data Ukuran Sepatu (Bar Charts)......................301
Gambar 4.215 Tampilan Chart Data Ukuran Sepatu (Pie Charts).......................301
Gambar 4.216 Output Bar Charts Data Ukuran Sepatu.......................................302
Gambar 4.217 Ouput Pie Charts Data Ukuran Sepatu.........................................302
Gambar 4.220 Frequencies Data Ukuran Sepatu.................................................304
Gambar 4.221 Tampilan Frequencies Data Ukuran Sepatu.................................304
Gambar 4.222 Tampilan Sstatistic Data Ukuran Sepatu......................................304
Gambar 4.225 Explore Taste Of Normality Data Ukuran Sepatu.......................307
Gambar 4.226 Tampilan Explore Data Ukuran Sepatu.......................................307
Gambar 4.227 Tampilan Plot Data Ukuran Sepatu..............................................307
Gambar 4.228 Normal Q-Q Plot Of Data Ukuran Sepatu...................................308
Gambar 4.229 Data Tinggi Badan.......................................................................308

Gambar 4.230 Tampilan Data View Data Tinggi Badan.....................................309
Gambar 4.231 Frequencies Data Tinggi Badan...................................................309
Gambar 4.232 Tampilan Frequencies Data Tinggi Badan...................................310
Gambar 4.233 Tampilan Chart Data Tinggi Badan (Bar Charts)........................310
Gambar 4.234 Tampilan Chart Data Tinggi Badan (Pie Charts).........................310
Gambar 4.235 Output Bar Charts Data Tinggi Badan.........................................311
Gambar 4.236 Ouput Pie Charts Data Tinggi Badan...........................................311
Gambar 4.239 Frequencies Data Tinggi Badan...................................................313
Gambar 4.240 Tampilan Frequencies Data Tinggi Badan...................................313
Gambar 4.241 Tampilan Sstatistic Data Tinggi Badan........................................313
Gambar 4.244 Explore Taste Of Normality Data Tinggi Badan.........................316
Gambar 4.245 Tampilan Explore Data Tinggi Badan.........................................316
Gambar 4.246 Tampilan Plot Data Tinggi Badan................................................316
Gambar 4.247 Normal Q-Q Plot Of Data Tinggi Badan.....................................317
Gambar 4.248 Data Berat Badan dan Ukuran Baju.............................................317
Gambar 4.249 Menu Bar Data.............................................................................317
Gambar 4.250 Tampilan Data Analysis...............................................................318
Gambar 4.251 Tampilan Regression....................................................................318
Gambar 4.252 Hasil Analisis Berat Badan dan Ukuran Baju..............................319
Gambar 4.253 Mencari Nilai Regresi Linier.......................................................319
Gambar 4.254 Regression Linier.........................................................................320
Gambar 4.255 Data Berat Badan dan Ukuran Baju.............................................321

Gambar 4.256 Menu Bar Data.............................................................................322
Gambar 4.257 Tampilan Data Analysis...............................................................322
Gambar 4.258 Tampilan Regression....................................................................322
Gambar 4.259 Hasil Analisis tinggi badan dan ukuran sepatu............................323
Gambar 4.260 Mencari Nilai Regresi Linier.......................................................323
Gambar 4.261 Regression Linier.........................................................................324
Gambar 4.262 Histogram Usia.............................................................................326
Gambar 4.263 Poligon Usia.................................................................................326
Gambar 4.264 Ogive Usia....................................................................................327
Gambar 4.265 Diagram Lingkaran Usia..............................................................327
Gambar 4.266 Pareto Usia...................................................................................328
Gambar 4.267 Histogram Berat Badan................................................................329
Gambar 4.268 Poligon Berat Badan....................................................................330
Gambar 4.269 Ogive Berat Badan.......................................................................330
Gambar 4.270 Diagram Lingkaran Berat Badan.................................................331
Gambar 4.271 Pareto Berat Badan.......................................................................331
Gambar 4.272 Histogram Berat Badan................................................................333
Gambar 4.273 Poligon Berat Badan....................................................................333
Gambar 4.274 Ogive Berat Badan.......................................................................334
Gambar 4.275 Diagram Lingkaran Berat Badan.................................................334
Gambar 4.276 Pareto Berat Badan.......................................................................335
Gambar 4.277 Histogram Tinggi Badan..............................................................336
Gambar 4.278 Poligon Tinggi Badan..................................................................337
Gambar 4.279 Ogive Tinggi Badan.....................................................................337
Gambar 4.280 Diagram Lingkaran Tinggi Badan...............................................338
Gambar 4.281 Pareto Tinggi Badan.....................................................................338

Gambar 4.282 Histogram Ukuran Baju...............................................................339
Gambar 4.283 Poligon Ukuran Baju....................................................................340
Gambar 4.284 Ogive Ukuran Baju......................................................................340
Gambar 4.285 Diagram Lingkaran Ukuran Baju.................................................341
Gambar 4.286 Pareto Ukuran Baju......................................................................342
Gambar 4.287 Histogram Uang Jajan..................................................................343
Gambar 4.288 Poligon Uang Jajan......................................................................343
Gambar 4.289 Ogive Uang Jajan.........................................................................344
Gambar 4.290 Diagram Lingkaran Uang Jajan...................................................345
Gambar 4.291 Pareto Uang Jajan.........................................................................345
Gambar 4.292 Kurva Analis Data Tuunggal Usia...............................................346
Gambar 4.293 Kurva Analisis Data Kelompok Tinggi Badan............................346
Gambar 4.294 Kurva Skewness Data Usia..........................................................347
Gambar 4.295 Kurva Platikurtis Data Usia.........................................................347
Gambar 4.296 Kurva Analisis Tunggal Tinggi Badan........................................348
Gambar 4.297 Kurva Analisis Data Kelompok Tinggi Badan............................348
Gambar 4.298 Kurva Skewness Data Tinggi Badan............................................349
Gambar 4.299 Kurva Leptokurtis Data Tinggi Badan.........................................349
Gambar 4.300 Kurva Analisis Data Tunggal Ukuran Sepatu..............................350
Gambar 4.301 Kurva Analisis Data Kelompok Ukuran Sepatu..........................350
Gambar 4.302 Kurva Skewness Data Ukuran Sepatu..........................................351
Gambar 4.303 Kurva Platikurtis Data Ukuran Sepatu.........................................351
Gambar 4.304 Kurva Analisis Data Tunggal Ukuran Baju.................................352
Gambar 4.305 Kurva Analisis Data Kelompok Ukuran Baju..............................352
Gambar 4.306 Kurva Skewness Data Ukuran Baju.............................................353
Gambar 4.307 Kurva Leptokurtis Data Ukuran Baju..........................................353

Gambar 4.308 Kurva Analis Data Tunggal Berat Badan 200..............................354
Gambar 4.309 Kurva Analisis Data Kelompok Berat Badan 200......................354
Gambar 4.310 Kurva Skewness Data Berat Badan 200.......................................355
Gambar 4.311 Kurva Platikurtis Data Berat Badan 200......................................355
Gambar 4.312 Kurva Analisis Data Tunggal Berat Badan 150...........................356
Gambar 4.313 Kurva Analisi Data Kelompok Berat Badan 150.........................356
Gambar 4.314 Kurva Skewness Data Berat Badan 150.......................................357
Gambar 4.315 Kurva Platikurtis Data Berat Badan 150......................................357
Gambar 4.316 Kurva Analisis Data Tunggal Berat Badan 75.............................358
Gambar 4.317 Kurva Analisis Data Kelompok Berat Badan 75.........................358
Gambar 4.318 Kurva Skewness Data Berat Badan 75.........................................359
Gambar 4.319 Kurva Platikurtis Data Berat Badan 75........................................359
Gambar 4.320 Kurva Analisis Data Tunggal Uang Jajan....................................360
Gambar 4.321 Kurva Analisis Data Kelompok Uang Jajan................................360
Gambar 4.322 Kurva Skewness Data Uang Jajan................................................361
Gambar 4.323 Kurva Leptokurtis Data Uang Jajan.............................................361
Gambar 4.324 Data Usia Signifikan 1%..............................................................362
Gambar 4.326 Data Usia Sginifikan 3%..............................................................362
Gambar 4.329 Data Ukuran Baju Signifikan 1%.................................................363

Gambar 4.334 Data Berat Badan Signifikan 1%.................................................365
Gambar 4.335 Data Berat Badan Sig nifikan 2%....................................365
Gambar 4.338 Data Berat Badan Sginifikan 5%.................................................366
Gambar 4.339 Data Tinggi Badan Signifikan 1%...............................................367
Gambar 4.344 Data Ukuran Sepatu Siginifikan 1%............................................368
Gambar 4.349 Data Uang Jajan Siginifikan 1%..................................................370
Gambar 4.353 Data Uang Jajan Signifikan 5%...................................................371
Gambar 4.354 Kurva Penentuan Keputusan Uji F...............................................380
Gambar 4.355 Kurva Penentuan Keputusan Uji T..............................................381
Gambar 4.356 Diagram Pencar............................................................................381
Gambar 4.357 Kurva Penentuan Keputusan Uji F...............................................382
Gambar 4.358 Kurva Penentuan Keputusan Uji T..............................................382
Gambar 4.359 Diagram Pencar............................................................................383

DAFTAR TABEL
Halaman
Tabel 4.1 Data Mahasiswa ITG.....................................................................6
Tabel 4.2 Data Distribusi Binomial.............................................................14
Tabel 4.3 Data Pengambilan 2 lasy..............................................................16
Tabel 4.4 Data Pengambilan 3 Lasy............................................................17
Tabel 4.8 Regresi Berat Badan dan Ukuran Baju........................................21
Tabel 4.9 Regresi Tinggi Badan dan Ukuran Sepatu...................................28
Tabel 4.10 Pengurutan Data Usia................................................................36
Tabel 4.11 Distribusi Frekuensi Usia...........................................................37
Tabel 4.12 Kelas Bounderies dan Frekuensi................................................38
Tabel 4.13 Frekuensi dan Midpoint.............................................................38
Tabel 4.14 Frekuensi Fk≥ dan Fk≤..............................................................39
Tabel 4.15 Frekuensi, Persentase dan Derajat.............................................40
Tabel 4.16 Kelas interval, Frekuensi, Persentase dan Persentase Kumulatif

.....................................................................................................................41
Tabel 4.17 Pengurutan Data Berat Badan....................................................42
Tabel 4.18 Distribusi Frekuensi Berat Badan..............................................43

Tabel 4.23 Kelas interval, Frekuensi, Persentase dan Persentase Komulatif
.....................................................................................................................47
Tabel 4.24 Pengurutan Data Ukuran Baju...................................................48
Tabel 4.25 Distribusi Frekuensi Ukuran Baju.............................................49
Tabel 4.30 Kelas Interval, Frekuensi, Persentase dan Persentase Komulatif

.....................................................................................................................53
Tabel 4.31 Pengurutan Data Tinggi Badan..................................................54
Tabel 4.32 Distribus Frekuensi Tinggi Badan.............................................55
4.37 Kelas Interval, Frekuensi, Persentase dan Persentase Komulatif........59
Tabel 4.38 Pengurutan Data Ukuran Sepatu................................................60
Tabel 4.39 Distribusi Frekuensi Ukuran Sepatu..........................................61
Tabel 4.45 Pengurutan Data Uang jajan......................................................65
Tabel 4.46 Distribusi Frekuensi Uang Jajan................................................67
4.47 Kelas Bounderies dan Frekuensi..........................................................68

Tabel 4.52 Pengurutan Data Usia................................................................72
Tabel 4.53 Modus Data Usia.......................................................................73
Tabel 4.54 Mean Data Kelompok................................................................75
Tabel 4.55 Median Data Kelompok.............................................................76
Tabel 4.56 Modus Data Kelompok..............................................................77
Tabel 4.57 Pengurutan Data Ukuran Baju...................................................78
Tabel 4.58 Modus Data Ukuran Baju..........................................................80
Tabel 4.59 Mean Data Kelompok................................................................81
Tabel 4.60 Median Data Kelompok.............................................................82
Tabel 4.61 Modus Data Kelompok..............................................................82
Tabel 4.62 Pengurutan Data Berat Badan....................................................84
Tabel 4.63 Modus Data Tunggal Berat Badan 200......................................86
Tabel 4.64 Modus Data Tunggal Berat Badan 150......................................88
Tabel 4.65 Modus Data Tunggal Berat Badan 75........................................91
Tabel 4.66 Mean Berat Badan 200..............................................................93
Tabel 4.67 Median Berat Badan 200...........................................................94
Tabel 4.68 data Berat Badan 200 Modus.....................................................95
Tabel 4.69 Mean Data Kelompok 150.........................................................96
Tabel 4.70 Median Data Kelompok 150......................................................97
Tabel 4.71 Modus Data Kelompok 150.......................................................97
Tabel 4.72 Mean Data Kelompok 75...........................................................99
Tabel 4.73 Median Data Kelompok 75........................................................99
Tabel 4.74 Modus Data Kelompok 75.......................................................100
Tabel 4.75 Pengurutan Data Ukuran Sepatu..............................................101
Tabel 4.76 Tabel Modus Data Tunggal.....................................................103
Tabel 4.77 Mean Data Kelompok..............................................................104

Tabel 4.79 Median Data Kelompok...........................................................105
Tabel 4.80 Modus Data Kelompok............................................................105
Tabel 4.81 Pengurutan Data Tinggi Badan................................................107
Tabel 4.82 Modus Data Tunggal Tinggi Badan.........................................109
Tabel 4.83 Mean Data Kelompok Tinggi Badan.......................................110
Tabel 4.84 Median Data Kelompok Tinggi Badan....................................111
Tabel 4.85 Modus Data Kelompok Tinggi Badan.....................................112
Tabel 4.86 Pengurutan Data Uang Jajan....................................................113
Tabel 4.87 Modus Data Tunggal Uang Jajan.............................................115
Tabel 4.88 Mean Data Kelompok Uang Jajan...........................................117
Tabel 4.89 Median Data Kelompok Uang Jajan........................................117
Tabel 4.90 Modus Data Kelompok Uang Jajan.........................................118
Tabel 4.91 Frekuensi Harapan Data Usia..................................................120
Tabel 4.92 Perhitungan Z1 dan Z2............................................................121
Tabel 4.93 Perhitungan P1 dan P2.............................................................122
Tabel 4.94 Perhitungan Probabilitas (P)....................................................122
Tabel 4.95 Menentukan Frekuensi Yang Diharapkan...............................123
Tabel 4.96 Menentukan Nilai Statistik......................................................123
Tabel 4.97 Menentukan Nilai Kritis..........................................................124
Tabel 4.98 Frekuensi Harapan Data Ukuran Sepatu..................................128
Tabel 4.99 Perhitungan Z1 dan Z2............................................................129
Tabel 4.100 Perhitungan P1 dan P2...........................................................130
Tabel 4.101 Perhitungan Probabilitas (P)..................................................130
Tabel 4.102 Menentukan Frekuensi Yang Diharapkan.............................131
Tabel 4.103 Menentukan Nilai Statistik....................................................131
Tabel 4.104 Menentukan Nilai Kritis........................................................132

Tabel 4.105 Frekuensi Harapan Data Tinggi Badan..................................136
Tabel 4.106 Perhitungan Z1 dan Z2..........................................................136
Tabel 4.112 Frekuensi Harapan Data Uang Jajan......................................144
Tabel 4.119 Frekuensi Harapan Data Berat Badan....................................153
Tabel 4.126 Frekuensi Harapan Data Ukuran Baju...................................161

Tabel 4.133 Tabel Binomial Pengambilan Ke 1........................................170
Tabel 4.134 Perhitungan Pembuktian Pengambilan Ke 1.........................171
Tabel 4.135 Rekapitulasi Perhitungan Pengambilan Ke 1.........................171

Tabel 4.175 Rekapitulasi Perhitungan Pengambilan 2 Buah Lasy............213
Tabel 4.176 Rekapitulasi Keseluruhan Perhitungan Pengambilan 2 Buah

Lasy............................................................................................................213

Lasy............................................................................................................218

Lasy............................................................................................................224
Tabel 4.183 Persamaan Regresi.................................................................237
Tabel 4.184 Persamaan Regresi.................................................................242
Tabel 4.185 Output Statistik Data Usia.....................................................252
Tabel 4.186 Output Statistik Data Berat Badan 200..................................260
Tabel 4.187 Test Of Normality Data Berat Badan 200.............................263
Tabel 4.188 Output Statistik Data Berat Badan 150..................................269
Tabel 4.189 Test Of Normality Data Berat Badan 150.............................272
Tabel 4.190 Output Statistik Data Berat Badan 75....................................278
Tabel 4.191 Test Of Normality Data Berat Badan 75...............................281
Tabel 4.192 Output Statistik Data Ukuran Baju........................................287
Tabel 4.193 Taste Of Normality Data Ukuran Baju..................................289
Tabel 4.194 Output Statistik Data Uang Jajan...........................................296
Tabel 4.195 Taste Of Normality Data Uang Jajan.....................................298
Tabel 4.196 Output Statistik Data Ukuran Sepatu.....................................305
Tabel 4.197 Of Normality Data Ukuran Sepatu........................................307
Tabel 4.198 Output Statistik Data Tinggi Badan.......................................314
Tabel 4.199 Of Normality Data Tinggi Badan..........................................316
Tabel 4.200 Variabel Enter........................................................................320
Tabel 4.201 Anova Berat Badan dan Ukuran Baju....................................320
Tabel 4.202 Coefficients Berat Badan dan Ukuran Baju...........................321
Tabel 4.202 Variabel Enter........................................................................324
Tabel 4.203 Anova tinggi badan dan ukuran sepatu..................................324
Tabel 4.204 Coefficients tinggi badan dan ukuran sepatu.........................325
Tabel 4.205 Rekapitulasi Pengambilan 1...................................................372

Tabel 4.210 Rekapitulasi pengambilan 6...................................................375
Tabel 4.220 Diagram Distribusi Frekuensi................................................384
Tabel 4.221 Perbandingan Distribusi Normal...........................................385
Tabel 4.222 Pembuktian SPSS Data Usia.................................................385
Tabel 4.225 Pembuktian SPSS data berat badan 200................................387
Tabel 4.228 Pembuktian SPSS Data berat badan 150...............................389
Tabel 4.231 Pembuktian SPSS Data berat badan 75.................................391

Tabel 4.234 Pembuktian SPSS Data ukuran baju......................................393
Tabel 4.237 Pembuktian SPSS Data uang jajan........................................395
Tabel 4.238 Perbandingan Regresi Bera badan dan Ukuran baju.............395
Tabel 4.239 Perbandingan Regresi Bera badan dan Ukuran baju.............396

I. BAB I
PENDAHULUAN
Pada bab I pendahuluan ini berisi latar belakang, tujuan, serta alat dan bahan
yang digunakan dalam praktikum statistika industri.
1.1 Latar Belakang
Profesi lulusan Teknik Industri tidak dapat dipisahkan dari statistika.
Statistika membantu para peneliti mampu menyederhanakan berbagai masalah
yang kompleks yang dapat disederhanakan dan disajikan dalam suatu data dengan
tujuan untuk mendapatkan informasi sehingga bisa menyelesaikan atau
memecahkan suatu permasalahan. Informasi yang terdapat di koran, majalah dan
media masa lainnya tidak jarang disajikan dalam bentuk grafik, tabel atau ukuran-
ukuran tertentu baik dalam bentuk angka maupun kata-kata. Statistika tidak hanya
diperlukan oleh mereka yang bergerak dalam bidang industri, melainkan juga
diperlukan oleh para praktisi diberbagai bidang seperti bidang ekonomi, hukum,
kedokteran, pendidikan, peranian, politik, psikologi, teknik dan lain-lain. Menurut
Jaeger berpendapat, bahwa statistika tidak dapat dipisahkan dari kehidupan
manusia diberbagai bidang.
Pada umumnya sumber data statistik terdapat dalam berbagai aspek
kehidupan manusia. Suatu data yang ada tersebut memiliki peranan yang begitu
vital dan penting dalam proses meningkatkan taraf kehidupan masyarakat. Dalam
dunia kerja data hanya akan dikumpulkan dan diolah untuk kepentingan dalam
pembuatan laporan keuangan, kepegawaian, produksi, perencanaan serta laporan
lainnya yang ada hubungannya dengan perusahaan dan data atau catatan tersebut
belum banyak digunakan untuk mengambil suatu keputusan dengan tujuan ingin
meningkatkan kemapuan dalam bidang industri. Sebagai mahasiswa program
studi teknik industri tentu dalam menentukan dan mengambil beberapa keputusan
tidak selalu bisa menggunakan logika, akan tetapi bisa menggunakan dalam
bentuk pengambilan keputusan dengan pemodelan matematis, atau dengan
menggunakan ilmu statistika. Maka dari itulah praktikum ini diselenggarakan
supaya mahasiswa teknik industri dapat memaksimalkan industri dengan
menggunakan ilmu statistika. Dalam praktikum ini dibahas menenai pembuatan
diagram, ukuran dan letak penyebaran data, distribusi binomial dan
1
hipergeometrik, distribusi inferensial hingga ke pengujian data menggunakan
aplikasi IBM SPSS. Hal-hal demikianlah yang menjadi alasa atau
melatarbelakangi diadakannya praktikum statistika industri.
1.2 Rumusan Masalah
Berikut adalah rumusan masalah
a. Apakah mahasiswa mampu menyajikan data ke dalam distribusi
frekuensi?
b. Apakah praktikan mampu menganalisis dan menyimpulkan hasil
pemusatan data dan letak data serta penyebaran data?
c. Apakah praktikan mampu mengetahui distribusi normal?
d. Apakah praktikan mampu mengetahui perbedaan antara distribusi
binomial dan hipergeometrik?
e. Apakah mahasiswa mampu melakukan perhitungan regresi, korelasi
dan analisis variansi?
f. Apakah mahasiswa mampu mngolah data statistika menggunakan
software IBM SPSS?
1.3 Tujuan Praktikum
Adapun beberapa tujuan yang dapat ditarik dari latar belakang diatas adalah
sebagai berikut:
a. Praktikan mampu menyajikan data ke dalam table distribusi frekuensi,
berbagai jenis bentuk grafik dan mampu melakukan interpretasi atau
analisis data dari grafik yang telah dibuat;
b. Praktikan mampu menganalisis dan menyimpulkan hasil pemusatan
data, letak data dan penyebaran data dengan jumlah data yang
berbeda;
c. Praktikan mampu mengetahui distribusi normal dan chi-kuadrat dan
mampu melakukan pengujian distribusi normal secara statistik
deskriptif inferensial;
d. Praktikan mampu mengetahui perbedaan antara distribusi binomial
dan distribusi hipergeometrik;
e. Praktikan mampu membuat dugaan hubungan dua buah variabel dan
membuat persamaan regresi dan melakukan Uji F untuk menguji
2
model regresi dan melakukan Uji t untuk melihat pengaruh antar
variabel pada suatu model regresi;
f. Praktikan mampu menentukan seberapa besar pengaruh antar variabel
melalui korelasi.
1.4 Alat dan Bahan
Adapun alat dan bahan yang digunakan pada praktikum statistika modul I -
VI adalah sebagai berikut.
A. Alat
Berikut ini merupakan beberapa alat yang diperlukan pada praktikum
statistik modul I – VI:
1. Modul Praktikum Statistik;
2. Kalkulator;
3. Alat tulis;
4. Laptop;
5. Lembar pengumpulan data;
6. Lembar pengerjaan praktikum;
7. Ms Excel;
8. IBM SPSS;
9. Kartu;
10. Lasy;
11. Tabel distribusi F;
12. Tabel distribusi T.
B. Bahan
Berikut ini merupakan beberapa bahan yang diperlukan pada
praktikum statistik modul I – VI:
1. Data usia mahasiswa ITG;
2. Data berat badan mahasiswa ITG;
3. Data waktu tempuh mahasiswa ITG ;
4. Data jarak rumah ke kampus mahasiswa ITG ;
5. Data ukuran baju mahasiswa ITG;
6. Data besaran uang jajan mahasiswa ITG;
3
II. BAB II
LANDASAN TEORI PRAKTIKUM
Pada bagian ini akan diulas mengenai landasan teori dari praktikum
statistika yang berisi berbagai definisi dan juga fungsi dari komponen-komponen
yang ada dalam praktikum statistika kali ini.
2.1 Teknik Industri
Teknik Industri adalah suatu teknik yang mempelajari suatu bidang desain,
perbaiakan dan dipergunakan dari sistem integral yang terdiri dari manusia, bahan
–bahan, informasi peralatan dan energi. Praktikum dalam hal ini akan menjadi
pembantu keterampilan seorang mahasiswa Industri. Teknik industri ini
mencakup dalam bidang desain,perbaikan, dan di pergunakan dari suatu sistem
integral yang terdiri dari manusi, bahan-bahan, informasi, peralatan dan energi.
2.2 Definisi Statistika
Statistika merupakan suatu cabang ilmu yang mempelajari bagaimana
merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan
mempresentasikan data, dengan kata lain, statistika adalah ilmu yang berkaitan
dengan data. Definisi atau pengertian statistika dalam Kamus Besar Bahasa
Indonesia (KBBI) adalah catatan atau angka-angka (bilangan) yang dikumpulkan,
ditabulasi, digolong-golongkan sehingga dapat memberi informasi yang berarti
mengenai suatu masalah atau gejala. Statistika memiliki fungsi dan peranan yang
bisa diterapkan pada kehidupan sehari-hari. Untuk mendapatkan beberapa fungsi
yang cukup dan maksimal, dibutuhkan penerapan statistika dan statistik secara
keseluruhan dari mulai mengambil data sampai penarikan kesimpulan.
Berikut ini merupakan beberapa fungsi daan peranannya dari statistika.
a. Statistik merupakan teknik untuk membuat perbandingan
b. Statistik dapat mengukur besaran dari suatu gejala
c. Statistik dapat menentukan hubungan sebab akibat
d. Statistik dapat menyederhanakan data yang kompleks menjadi data
yang mudah dimengerti
e. Statistik dapat memperluas pengalaman individu
Kegunaan statistik pun dapat diterapkan dalam kehidupan sehari-hari dan
kehidupan dalam perkuliahan dengan menggunakan informasi dan kesimpulan
4
yang didapatkan untuk pengambilan keputusan dan kebijakan dalam mengatasi
suatu permasalahan.
2.3 Definisi Distribusi Frekuensi
Definisi distribusi frekuensi yaitu distribusi frekuensi merupakan
pengelompokan data ke dalam beberapa kategori yang menunjukkan banyaknya
data dalam tiap kategori, dan setiap data tidak dapat dimasukkan ke dalam dua
atau lebih kategori. Distribusi frekuensi juga merupakan susunan data dalam
bentuk tunggal atau kelompok menurut kelas-kelas tertentu dalam sebuah daftar.
Tujuan dari distribusi frekuensi, yaitu:
a. Mempermudah proses penyajian data, mudah dipahami, dan dibaca
dalam rangke mengambil informasi;
b. Mempermudah proses menganalisa/menghitung data, membuat tabel,
grafik.
Hal – hal yang perlu diperhatikan dalam pembuatan distribusi frekuensi, yaitu:
a. Untuk dapat menyusun suatu tabel distribusi frekuensi harus tersedia
data. Data yang baru saja dikumpulkan dari lapangan disebut data
kasar.
b. Data yang telah disusun ke dalam urutan dari nilai terbesar hingga
data terkecil atau sebaliknya disebut array data.
c. Beda atau selisih antara angka terbesar dengan angka terkecil disebut
dengan jarak atau range.
d. Jika array data itu dibagi atas kelompok-kelompok tertentu maka
kelompok-kelompok itu disebut dengan kelas.
e. Bilangan-bilangan yang menyatakan banyaknya data yang terdapat
dalam setiap kelas disebut frekuensi.
f. Jarak antara kelas yang satu dengan kelas yang lain disebut interval
kelas.
2.2.1 Istilah – Istilah Distribusi Frekuensi
Distribusi frekuensi terdiri dari istilah-istilah sebagai berikut.
A. Kelas
Adalah penggolongan data yang dibatasi oleh nilai terendah dan nilai
tertinggi dalam suatu kelas.
5
B. Interval Kelas
C. Lebar dari sebuah kelas dan dihitung dari perbedaan antara kedua tepi
kelasnya
D. Batas Kelas (class limit)
E. Nilai batas tiap kelas dalam sebuah distribusi frekuensi dan
dipergunakan sebagai pedoman guna memasukkan angka-angka hasil
observasi ke dalam kelas-kelas yang sesuai.
F. Batas Kelas Bawah (lower class limit) adalah angka pada kolom kelas
yang letaknya disebelah kiri.
G. Batas Kelas Atas (upper class limit) adalah angka pada kolom kelas
yang letaknya disebelah kanan.
H. Tepi Kelas (class boundaries/true limits):
Berikut ini merupakan beberapa bagian dari tepi kelas yaitu.
1. Tepi Kelas Atas (lower class bounderis)
Batas kelas pertama yang benar-benar dimiliki oleh distribusi
frekuensi tersebut, yaitu batas kelas bawah dikurangi 1digit
dibelakang koma.
2. Tepi Kelas Bawah (upper class bounderis)
Batas kelas kedua yang benar-benar dimiliki oleh distribusi frekuensi
tersebut, yaitu batas kelas atas ditambah 1digit dibelakang koma.
Tepi atas = batas atas + 0,5
Tepi bawah = batas bawah – 0,5
I. Lebar kelas
Lebar kelas = tepi atas – tepi bawah
J. 10 Mid Point (titik tengah)
Rata-rata dari kedua batas kelasnya/kelas limitnya. Titik tengah = 1/2
(batas atas + batas bawah).
2.2.2 Macam – Macam Distribusi Frekuensi
Distribusi frekuensi dibagi menjadi beberapa, diantaranya adalah sebagai berikut.
A. Distribusi frekuensi numerikal (Numerical frequency distribution)
Distribusi frekuensi numerikal yaitu distribusi frekuensi yang
pembagian kelas-kelasnya berupa angka-angka atau secara kuantitatif.
6
Distribusi Frekuensi Numerikal, dibagi menjadi:
1. Distribusi Frekuensi Relatif
Distribusi frekuensi relatif yaitu distribusi frekuensi yang angka-angka
frekuensinya tidak dinyatakan dalam angka-angka absolut tetapi angka-
angka relatif atau persentase.
2. Distribusi Frekuensi Komulatif
a. Distribusi frekuensi komulatif terdiri dari dua jenis yaitu:
Distribusi frekuensi “kurang dari”
b. Distribusi frekuensi “kurang dari” yaitu distribusi frekuensi yang
memasukkan frekuensi kelas-kelas sebelumnya.
c. Distribusi frekuensi “atau lebih”
Distribusi frekuensi “atau lebih” yaitu distribusi frekuensi yang
memasukkan frekuensi kelas-kelas sesudahnya.
B. Distribusi frekuensi kategoris (Categorical frequency
distribution)
Distribusi frekuensi kategoris yaitu distribusi yang pembagian
kelasnya berdasarkan kategori-kategori atau secara kualitatif.
2.2.3 Jenis – jenis Diagram
Pada distribusi frekuensi terdapat beberapa jenis diagram diantaranya adalah
sebagai berikut:
A. Histogram
Histogram adalah diagram batang yang lebarnya menunjukkan
interval kelas, sedangkan batas-batas tepi batang merupakan tepi bawah dan
tepi atas kelas, dan tingginya menunjukkan frekuensi pada kelas
tersebut. Jika pada diagram batang, gambar batang-batangnya terpisah maka
pada histogram gambar batang-batangnya berimpit. Histogram terdiri dari 2
sumbu, sumbu vertikal sebagai skala frekuensi sedangkan sumbu horisontal
untuk skala kelas.
B. Poligon Frekuensi
Poligon Frekuensi yaitu penggambaran distribusi frekuensi dalam
bentuk garis yang menghubungkan titik-titik tengah kelasnya sebagai skala
kelas. Jenis lain dari poligon frekuensi adalah kurva frekuensi, yaitu
7
penggambaran distribusi frekuensi dalam bentuk garis, dimana luas daerah
di bawah kurva kurang lebih sama dengan luas histogram
frekuensinya. Kurva frekuensi dapat digambarkan dengan memanfaatkan
histogram frekuensi dengan menggunakan angka-angka tepi kelas sebagai
skala kelas, dengan menghubungkan titik-titik tengah masing-masing balok.
C. Diagram Ogive
Pada diagram ini terdapat dua buah indikator yang dicantumkan yakni
frekuensi kumulatif lebih dari dan frekuensi kumulatif kurang dari.
D. Diagram Lingkaran
Diagram lingkaran (atau diagram pai) adalah sebuah grafik statistik
berbentuk lingkaran yang dibagi menjadi irisan-irisan untuk
menggambarkan proporsi numerik.
E. Diagram Pareto
Diagram pareto merupakan salah satu dari tujuh alat gugus mutu yang
sering digunakan dalam hal pengendalian Mutu. Pada dasarnya, Diagram
Pareto adalah grafik batang yang menunjukkan masalah berdasarkan urutan
banyaknya jumlah kejadian. Urutannya mulai dari jumlah permasalahan
yang paling banyak terjadi sampai yang paling sedikit terjadi. Dalam Grafik,
ditunjukkan dengan batang grafik tertinggi (paling kiri) hingga grafik
terendah (paling kanan).
2.4 Ukuran Tendensi Sentral dan Simpangan Baku
Melakukan pengukuran pemusatan data, letak data dan penyebaran data dari
distribusi frekuensi yang diperoleh dari modul I
2.4.1 Ukuran Pemusatan Data
Ukuran pemusatan data menentukan bagian tengah dari data, biasanya
mengacu pada nilai tertentu. Ukuran pemusatan data ini secara umum diartikan
sebagai pusat dari distribusi, meliputi mean (rata-rata), median (nilai pembatas
separuh data atau nilai tengah suatu data), modus (ukuran yang sering muncul)
dan lain sebagainya. Bentuk datanya dapat berupa data tunggal ataupun bentuk
data berkelompok. Data tunggal adalah data dengan sampel yang kecil, sedangkan
data berkelompok adalah data tunggal yang sudah dikelompokkan dalam bentuk
8
distribusi frekuensi. Adapun hubungan antara Mean, Median dan Modus dapat
dinyatakan dengan kurva- kurva sebagai berikut:
a. Kurva simetris, adalah kurva yang memiliki ukuran yang sama. Kurva
ini menunjukan bahwa mean, median dan modus bernilai sama.
b. Kurva condong ke kiri, menunjukan bahwa nilai mean lebih besar dari
median dan modus.
c. Kurva condong ke kanan menunjukan bahwa nilai mean lebih kecil
dari median dan modus.
2.4.2 Ukuran Letak Data
Ukuran letak data merupakan suatu pengukuran untuk mengetahui posisi
dari suatu data. Ukuran posisi merupakan ukuran untuk data statistik yang
menggambarkan pembagian dari data statistik menjadi kelompok yang memiliki
besaran sama. Ukuran letak data digunakan untuk menghitung desil, kuartil dan
persentil. Berikut ini merupakan pengertian dari desil, kuartil dan persentil.
a. Desil merupakan sekumpulan data yang dibagi menjadi 10 bagian
yang sama.
b. Kuartil, merupakan sekumpulan data yang dibagi menjadi 4 bagian
yang sama
untuk menentukan letak data.
c. Persentil merupakan sekumpulan data yang dibagi 100 bagian yang
sama.
Desil, kuartil dan persentil merupakan contoh dari ukuran letak data.
2.4.3 Ukuran Penyebaran Data
Ukuran penyebaran data merupakan suatu ukuran baik itu parameter atau
statistika untuk mengetahui seberapa besar penyimpangan data yang terjadi.
Dengan peyebaran data ini maka dapat diketahui seberapa jauh data yang
tersebar dari titik pusatnya. Variansi dan standar deviasi merupakan contoh dari
ukuran penyebaran data.
2.5 Distribusi Probabilitas Kontinyu
Distribusi probabilitas kontinyu adalah peubah acak yang dapat memperoleh
semua nilai pada skala kontinyu. Ruang sampel kontinyu adalah bila ruang sampel
mengandung titik sampel yang tak terhingga banyaknya.
9
2.5.1 Distribusi Normal
Distribusi Normal (Distribusi Gauss) merupakan distribusi probabilitas yang
paling penting baik dalam teori maupun aplikasi statistic. Distribusi normal baku
adalah distribusi normal yang memiliki rata-rata nol dan simpangan baku satu.
Distribusi ini juga dijuluki kurva lonceng (bell curve) karena grafik fungsi
kepekatan probabilitasnya mirip dengan bentuk lonceng.
Distribusi normal memodelkan fenomena kuantitatif pada ilmu alam
maupun ilmu sosial. Beragam skor pengujian psikologi dan fenomena fisika
seperti jumlah foton dapat dihitung melalui pendekatan dengan mengikuti
distribusi normal. Distribusi normal banyak digunakan dalam berbagai bidang
statistika, misalnya distribusi sampling rata-rata akan mendekati normal, meski
distribusi populasi yang diambil tidak berdistribusi normal. Distribusi normal juga
banyak digunakan dalam berbagai distribusi dalam statistika, dan kebanyakan
pengujian hipotesis mengasumsikan normalitas suatu data.
Distribusi normal pertama kali diperkenalkan oleh Abraham de Moivre
dalam artikelnya pada tahun 1733 sebagai pendekatan distribusi binomial untuk n
besar. Karya tersebut dikembangkan lebih lanjut oleh Pierre Simon de Laplace,
dan dikenal sebagai teorema Moivre-Laplace. Laplace menggunakan distribusi
normal untuk analisis galat suatu eksperimen. Metode kuadrat terkecil
diperkenalkan oleh Legendre pada tahun 1805. Sementara itu Gauss mengklaim
telah menggunakan metode tersebut sejak tahun 1794 dengan mengasumsikan
galatnya memiliki distribusi normal.
Istilah kurva lonceng diperkenalkan oleh Jouffret pada tahun 1872 untuk
distribusi normal bivariat. Sementara itu istilah distribusi normal secara terpisah
diperkenalkan oleh Charles S. Peirce, Francis Galton, dan Wilhelm Lexis sekitar
tahun 1875.
2.5.2 Perhitungan Chi-Kuadrat
Chi Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu
jenis uji komparatif non parametris yang dilakukan pada dua variabel, di mana
skala data kedua variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel
dengan skala nominal maka dilakukan uji chi square dengan merujuk bahwa harus
digunakan uji pada derajat yang terendah). Uji chi square merupakan uji non
10
parametris yang paling banyak digunakan. Namun perlu diketahui syarat-syarat
uji ini adalah frekuensi responden atau sampel yang digunakan besar, sebab ada
beberapa syarat di mana chi square dapat digunakan yaitu:
a. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga
Actual Count (F0) sebesar 0 (Nol).
b. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell
saja yang memiliki frekuensi harapan atau disebut juga expected count
(“Fh”) kurang dari 5.
c. Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell
dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari
20%.
Adapun rumus dari chi square adalah sebagai berikut:
k
( Oi−ei )2
x 2h = ∑
i=1 ei
Dimana:
x 2h = Chi square atau chi kuadrat
Oi = Frekuensi Observasi
ei = Frekuensi Harapan
2.6 Distribusi Probabilitas Diskrit
Suatu distribusi probabilitas dikatakan diskrit apabila dibangun dengan dua
variabel acak yang diskrit. Distribusi probabilitas diskrit yang biasa digunakan
yaitu distribusi binomial dan distribusi hipergemotrik.
2.6.1 Hipotesis
Hipotesis atau hipotesa adalah jawaban sementara terhadap masalah yang
masih bersifat praduga karena masih harus dibuktikan kebenarannya. Hipotesis
ilmiah mencoba mengutarakan jawaban sementara terhadap masalah yang kan
diteliti. Hipotesis menjadi teruji apabila semua gejala yang timbul tidak
bertentangan dengan hipotesis tersebut. Dalam upaya pembuktian hipotesis,
peneliti dapat saja dengan sengaja menimbulkan atau menciptakan suatu gejala.
Kesengajaan ini disebut percobaan atau eksperimen. Hipotesis yang telah teruji
kebenarannya disebut teori. Sedangkan Hipotesis statistik adalah adalah
pernyataan atau dugaan mengenai keadaan populasi yang sifatnya masih
11
sementara atau lemah tingkat kebenarannya. Pada kesempatan sebelumnya kita
telah membahas tentang hipotesis dan hipotesis penelitian. Kini saatnya kita akan
mengupas habis perihal hipotesis statistik. Hipotesis statistik bisa berbentuk suatu
variabel seperti binomial, poisson, dan normal atau nilai dari suatu parameter,
seperti mean, varians, standar devaiasi dan proporsi. Hipotesis statistik haruslah
diuji, karena itu harus berbentuk kuantitas agar dapat diterima atau ditolak.
Diterima jika hasil pengujian membenarkan pernyataannya dan akan ditolak jika
terjadi penyangkalan dari pernyataan tersebut.
2.6.2 Probabilitas
Peluang atau kebolehjadian atau dikenal juga sebagai probabilitas adalah
cara untuk mengungkapkan pengetahuan atau kepercayaan bahwa suatu kejadian
akan berlaku atau telah terjadi. Konsep ini telah dirumuskan dengan lebih ketat
dalam matematika, dan kemudian digunakan secara lebih luas dalam tidak hanya
dalam matematika atau statistika, tetapi juga keuangan, sains dan filsafat.
2.6.3 Nilai Statistik Uji
Nilai statistik uji dapat diperoleh dari nilai obervasi (frekeunsi) dan nilai
ekspektasi (frekuensi harapan). Tahap pertama adalah dengan melakukan
pengurangan antara nilai obervasi oleh nilai ekspektasi (oi – ei). Hasil dari
penguranagn itu lalu di kuadratkan atau dipangkatkan (oi – ei)2. Hasil
(oi – ei)2
pemangkatan tadi lalu dibagi oleh nilai ekspektasi ( ). Hasil dari
ei
pembagian tersebut dijumlahkan dan nilai itulah yang disebut nilai statistik uji.
2.6.4 Nilai Kritis
Nilai kritis dapat ditentukan dengan rumus X 2α=X (α,k-2-1). Lambang α
maksudnya taraf signifikan dan untuk k adalah jumlah kelas. Taraf signifikan
yang dicari pada lembar pengerjaan adalah 1%, 2%, 3%, 4% dan 5%. Nilai persen
dipecahkan, misal 1% menjadi 0,01 karena 1 dibagi 100. Lalu kemudian hasil dari
rumus tadi dilihat pada tabel t. Misal (0,01, 3) artinya nilai 0,01 pada nomor 3.
Nilai tersebut adalah 11,345. Untuk yang 2%, 3%,dan 4% harus di cari dengan
rumus intervolasi karena 0,02 , 0,03 , 0,04 tidak ada pada tabel t. Rumus untuk
Dk−DkMin
mencari nilai tersebut adalah I =Xmin−( Xmin−Xmax ) × .
DkMax−DkMin
12
2.6.5 Probabilitas Suatu Kejadian
Menurut Suryadi (2010) Probabilitas suatu peristiwa dapat dinyatakan
sebagai rasio antara jumlah kemungkinan hasil dengan total kemungkinan hasil
(rasio peristiwa terhadap hasil). Pada suatu percobaan hanya 1 peristiwa yang
terjadi, dan peristiwa lain tidak mungkin terjadi pada waktu yang bersamaan.
Formulasi untuk menentukan sebuah probabilitas dari suatu kejadian x yaitu:
n
P(x) =
N
Jika untuk menentukan sebuah probabilitas dari sesuatu kejadian bukan x,
jika x̅ bukan peristiwa x yaitu :
P(x̅ )= 1 – P(x)
Distribusi Probabilitas menunjukkan hasil yang diharapkan terjadi dalam
suatu kegiatan dengan nilai probabilitas masing-masing tersebut. Distribusi
probabilitas adalah sebuah daftar dari keseluruhan hasil suatu percobaan kejadian
yang disertai dengan nilai probabilitas masing-masing hasil.
2.6.6 Distribusi Binomial
Menurut Suryadi (2010) Distribusi Binomial adalah disitribusi yang
menggambarkan data yang dihasilkan oleh suatu percobaan yang dinamakan
Bernoulli. Adapun ciri-ciri percobaan yang menggunakan percobaan distribusi
Binomial adalah :
a. Setiap percobaan menghasilkan dua kejadian;
b. Probabilitas suatu kejadian untuk suskes atau gagal adalah tetap untuk
setiap kejadian;
c. Suatu percobaan dengan jenis percobaan yang bebas atau tidak terikat;
d. Data yang dihasilkan merupakan data binomial.
Adapun hal yang diperlukan dalam membentuk distribusi binomial yaitu
sebagai berikut :
a. Banyaknya atau jumlah dari percobaan atau kejadian;
b. Probabilitas suatu kejadian baik sukses maupun gagal.
Formulasi untuk menghitung probabilitas dengan distribusi binomial yaitu
sebagai berikut :
P(r) = ( rx ) p .(1 – P)
x r-x
13
Keterangan :
P = Probabilitas sukses suatu kejadian dalam setiap percobaan.
x = Banyaknya peristiwa sukses suatu kejadian untuk keseluruhan percobaan.
r = Banyak data yang diharapkan.
2.6.7 Distribusi Hipergeometrik
Menurut Suryadi (2010) dalam distribusi hipergeometrik diasumsikan
bahwa peluang suatu kejadian tetap atau konstan antar-kejadian saling lepas.
Dalam dunia nyata, tentunya jarang terjadi hal demikian. Suatu kejadian sering
terjadi tanpa pemulihan dan nilai setiap kejadian adalah berbeda atau tidak
konstan. Jadi, distribusi hipergeometrik adalah distribusi dengan tanpa
pengembalian pada populasi yang terbatas. Adapun untuk menghitung
probabilitas dengan data distribusi hipergeometrik yaitu :
D N− D
P(x) =
( x )( n−x )
( Nn )
Keterangan :
N = Banyak Populasi
n = Banyak sampel
D = Di Kategori tertentu
x =Jumlah harapan di kategori tertentu yang terambil
Perbedaan antara distribusi binomial dan distribusi hipergeometrik adalah
distribusi binomial adalah disitribusi yang menggambarkan data yang dihasilkan
oleh suatu percobaan yang dinamakan Bernoulli sedangkan distribusi
hipergeometrik adalah peluang suatu kejadian tetap atau konstan antar-kejadian
saling lepas.
2.7 Regresi, Korelasi dan Analisis Variansi
Melakukan percobaan atau kejadian yang saling berhubungan dalam
kehidupan sehari-hari kita sering menemukan kejadian, kegitan ataupun
permasalahan yang saling berhubungan antara satu sama lain.
2.7.1 Regresi
Analisis regresi biasa disebut juga dengan anreg. Analisis jenis ini
merupakan sebuah metode yang berfungsi untuk mengukur pengaruh variabel
14
bebas terhadap variabel terikat. Tak hanya itu, analisis regresi juga digunakan
untuk memprediksi ketergantungan sebuah variabel dengan menggunakan
variabel bebas. Adapun yang dimaksud variabel bebas dan terikat diantaranya
adalah sebagai berikut:
a. Variabel Bebas
Variabel bebas adalah seluruh data yang akan mempengaruhi kepada
variabel terikat.
b. Variabel Terikat
Variabel terikat adalah seluruh data yang akan menjadi tujuan akhir
dari persamaan regresi.
Berdasarkan pemahaman tersebut maka kita bisa mengetahui bagaimana
menentukan dugaan variabel. Apakah variabel tersebut memmpengaruhi atau
dipengaruhi oleh variable lain. Setelah menentukan dugaan terhadap data yang
ada, selanjutnya praktikan diminta untuk mendapatkan koefisien regresi.
Koefisien regresi merupakan 2 parameter yang akan ditaksir dari data sampel.
Bila taksiran untuk kedua parameter itu masing – masing dinyatakan dengan a dan
b maka persamaan linier nya bisa dirumuskan seperi berikut ini : Y^ =a+bX .
n ( ∑ xy ) −( ∑ x )(∑ y ) ( ∑ y ) −b(∑ x ) .
Dimana b adalah 2 2 dan a adalah
n ( ∑ x ) −( ∑ x) n
Keterangan :
Y^ = nilai yang diukur / dihitung pada variabel tidak bebas
𝑥 = nilai tertentu dari variabel bebas
𝑎 = intersep / perpotongan garis regresi dengan sumbu y
𝑏 = koefisien regresi atau kemiringan dari garis regresi
2.7.2 Korelasi
Korelasi merupakan salah satu teknik analisis dalam statistik yang
digunakan untuk mencari hubungan antara dua variabel yang bersifat kuantitatif.
Hubungan dua variabel tersebut dapat terjadi karena adanya hubungan sebab
akibat atau dapat pula terjadi karena kebetulan saja. Dua variabel dikatakan
berkolerasi apabila perubahan pada variabel yang satu akan diikuti perubahan
pada variabel yang lain secara teratur dengan arah yang sama (korelasi positif)
15
atau berlawanan (korelasi negatif). Formulasi untuk menentukan koefisien
korelasi yaitu : r xy =
( ∑ xy ) −(
∑ x∑ y )
n
√¿¿¿
2.7.3 Uji F
Uji F yaitu uji untuk melihat bagaimanakah pengaruh semua variabel
bebasnya secara bersama-sama terhadap variabel terikatnya. Untuk menguji
apakah model regresi yang kita buat baik (signifikan) atau tidak baik (non
signifikan) atau untuk menguji apakah persamaan regresi linear sesuai dengan
kenyataan pada dunia nyata atau tidak. Adapun langkah untuk melakukan uji F
yaitu sebagai berikut :
a. Menentukan hipotesis;
b. Menentukan tingkat signifikansi;
c. Menentukan koefisien determinasi dan F hitung menentukan daerah /
kriteria penolakan;
d. Menentukan kaidah keputusan.
R2
Berikut adalah rumus untuk melakukan perhitungannya (k −1)
F hitung =
(1−R2 )(n−k )
dengan R2 adalah 1- ∑ ¿ ¿
2.7.4 Uji T
Uji t dikenal dengan uji parsial, yaitu untuk menguji bagaimana pengaruh
masing-masing variabel bebasnya secara sendiri-sendiri terhadap variabel
terikatnya. Uji ini dapat dilakukan dengan mambandingkan t hitung dengan t tabel
atau dengan melihat kolom signifikansi pada masing-masing t hitung. Langkah-
langkah menentukan uji F yaitu sebagai berikut ;
a. Menentukan hipotesis;
b. Menentukan tingkat signifikansi;
c. Menentukan T hitung;
d. Menentukan daerah / kriteria penolakan;
e. Menentukan kaidah keputusan.
16
Uji t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel
independen secara individual menerangkan variasi variabel terikat (Ghozali,
2006). Pengujian parsial regresi dimaksudkan untuk mengetahui apakah variabel
bebas secara individual mempunyai pengaruh terhadap variabel terikat dengan
asumsi variabel yang lain itu konstan. Untuk melakukan pengujian t maka dapat
digunakan dengan rumus sebagai berikut:
t = βn/Sβn
Dimana :
t : mengikuti fungsi t dengan derajat kebebasan (df).
βn : koefisien regresi masing-masing variabel.
Sβn : standar error masing-masing variabel.
Dasar pengambilan keputusan :
a. Jika probabilitas (signifikansi)> 0,05 (α) atau T hitung < T tabel
berarti hipotesa tidak terbukti maka H0 diterima Ha ditolak, bila
dilakukan uji secara parsial.
b. Jika probabilitas (signifikansi)< 0,05 (α) atau T hitung > T tabel
berarti hipotesa terbukti maka H0 ditolak dan Ha diterima, bila
dilakukan uji secara parsial.
17
1
III. BAB III

METODOLOGI PRAKTIKUM
Pada bagian ini akan dibahas mengenai keterkaitan antar teori,
diagram alir praktikum dan langkah-langkah yang ditempuh atau
dilakukan ketika praktikum berlangsung.
3.1 Keterkaitan Antar Teori
Teknik Industri berkaitan erat dengan statistika sebab pasti akan
selalu berkaitan satu sama lain dilapangannya ketika hendak
mengingkatkan suatu kualitas atau memecahkan permasalahan. Statistika
membantu para praktisi teknik industri dalam menyederhanakan berbagai
masalah yang kompleks dapat disederhanakan dan disajikan dalam suatu
data dengan tujuan untuk mendapatkan informasi sehingga bisa
menyelesaikan atau memecahkan suatu permasalahan. Informasi yang
terdapat di koran, majalah dan media masa lainnya tidak jarang disajikan
dalam bentuk grafik, tabel atau ukuran-ukuran tertentu baik dalam bentuk
angka maupun kata-kata. Dengan menggunakan statistika dalam mengolah
data, maka penyampaian informasi yang berkaitan dengan data dan angka
akan lebih mudah dicerna dan diserap serta tersampaikan dengan baik dan
juga meminimalisir kekeliruan pada saat penyampaian dan penerimaan
informasi dari pihak yang satu ke pihak yang lainnya.
Dalam menyajikan data, pada praktikum ini dibahas mengenai
penyajian data dalam beberapa bentuk diagram yaitu histogram yang
merupakan diagram batang yang lebarnya menunjukkan interval kelas,
sedangkan batas-batas tepi batang merupakan tepi bawah dan tepi atas
kelas, dan tingginya menunjukkan frekuensi pada kelas tersebut, poligon
frekuensi yaitu penggambaran distribusi frekuensi dalam bentuk garis
yang menghubungkan titik-titik tengah kelasnya sebagai skala kelas,
diagram ogive yang merupakan suatu diagram dengan fungsi
menggambarkan frekuensi kumulatif, diagram lingkaran yakni grafik yang
berbentuk lingkaran dan juga diagram pareto yakni grafik batang yang
menunjukkan masalah berdasarkan urutan banyaknya jumlah kejadian.
1
2
Urutannya mulai dari jumlah permasalahan yang paling banyak terjadi

sampai yang paling sedikit terjadi.
Dalam menyajikan data, digunakan ukuran pemusatan data
menentukan bagian tengah dari data, biasanya mengacu pada nilai tertentu.
Ukuran pemusatan data ini secara umum diartikan sebagai pusat dari
distribusi, meliputi mean (rata-rata), median (nilai pembatas separuh data
atau nilai tengah suatu data), modus (ukuran yang sering muncul) dan lain
sebagainya, lalu ukuran letak data merupakan suatu pengukuran untuk
mengetahui posisi dari suatu data. Ukuran posisi merupakan ukuran untuk
data statistik yang menggambarkan pembagian dari data statistik menjadi
kelompok yang memiliki besaran sama dan yang terakhir adalah ukuran
penyebaran data merupakan suatu ukuran baik itu parameter atau statistika
untuk mengetahui seberapa besar penyimpangan data yang terjadi.
Dalam menyajikan data, digunakan juga penyajian dalam distribusi
normal untuk mengetahui apakah data berdistribusi normal atau tidak.
Distribusi normal adalah sebuah fungsi probabilitas yang menunjukkan
distribusi atau penyebaran suatu variabel. Fungsi tersebut umumnya
dibuktikan oleh sebuah grafik simetris yang disebut kurva lonceng (bell
curve). Saat menandakan distribusi yang merata, kurva akan memuncak di
bagian tengah dan melandai di kedua sisinya dengan nilai yang setara.
Distribusi normal merupakan sebuah fungsi probabilitas yang
menunjukkan distribusi atau penyebaran suatu variabel. Fungsi tersebut
umumnya dibuktikan oleh sebuah grafik simetris yang disebut kurva
lonceng (bell curve). Saat menandakan distribusi yang merata, kurva akan
memuncak di bagian tengah dan melandai di kedua sisinya dengan nilai
yang setara.
Dalam menyajikan data, digunakan distribusi binomial untuk
mengetahui probabilitas atau peluang yang terjadi pada suatu kejadian.
Setiap percobaan akan menghasilkan dua kejadian. Begitupun dalam suatu
produksi, untuk menentukan berapa produk yang mengalami kecacatan,
dapat digunakan perhitungan atau analisa peluang dengan menggunakan
metode hipergeometrik
2
3
Adapun yang dimaksud dengan regresi adalah sebuah metode yang

berfungsi untuk mengukur pengaruh variabel bebas terhadap variabel
terikat. Regresi digunakan untuk memprediksi ketergantungan sebuah
variabel dengan menggunakan variabel bebas. Sedangkan korelasi adalah
metode yang digunakan untuk mengetahui ada atau tidaknya hubungan
linier antara variabel terikat dengan variabel bebas. Jika dalam
pengaplikasian metode tersebut ditemukan pengaruh, maka perubahan
yang terjadi pada variabel x akan mengakibatkan adanya perubahan juga
pada variabel y atau variabel lainnya. Perbedaan antara regresi dan
korelasi adalah regresi menentukan ketergantungan sebuah variabel
dengan menggunakan variabel bebas sedangkan korelasi menentukan
derajat hubungan antara variabel. Perbedaan antara regresi dan korelasi
adalah regresi menentukan ketergantungan sebuah variabel dengan
menggunakan variabel bebas sedangkan korelasi menentukan derajat
hubungan antara variabel. Data-data yang telah diperoleh dari hasil
pengamatan, diolah dan diuji dengan menggunakan aplikasi IBM SPSS
supaya lebih mudah dan akurat.
3
3.2 Diagram Alir Praktikum
Adapun diagram alir risalah akhir praktikum statistik yaitu sebagai berikut:
START
DISTRIBUSI FREKUENSI
UKURAN TENDENSI SENTRAL

DAN SIMPANGAN BAKU
DISTRIBUSI
PROBABILITAS KONTINYU
DISTRIBUSI
PROBABILITAS DISKRIT
REGRESI, KORELASI DAN

ANALISIS VARIANSI
PENGOLAHAN DATA SPSS
FINISH
Gambar 3.1 Diagram Alir Praktikum

3.3 Langkah – Langkah Praktikum
Adapun langkah – langkah praktikum statistik diantaranya adalah sebagai berikut.
a. Start
Praktikan memasuki ruangan praktikum dan memulai melaksankan tes
tulis dan tes lisan mengenai materi yang akan disampaikan oleh
asisten dosen.
b. Pengukuran dan Penyajian Data
Praktikan melakukan pengukuran data dan penyajian data yang telah
direkap dengan cara manual.
c. Distribusi Frekuensi dan Ukuran Tendensi Sentral
Pada modul 1 dan 2 praktikan melaksanakan praktikum dengan materi
distribusi frekuensi dan tendensi sentral dari penyajian data 200 data
mahasiswa Institut Teknologi Garut.
d. Distribusi Normal
Pada modul 3 praktikan melakukan pengolahan data dengan cara
mencari distribusi normal suatu data.
e. Distribusi Probabilitas Diskrit
Tahap selanjutnya, praktikan melakukan pengolahan data dengan cara
mencari distribusi probabilitas kejadian suatu data pada kocokan kartu
dan lasy.
f. Regresi dan Kolerasi
Selanjutnya praktikan juga mencari nilai dari regresi dan kolerasi atau
hubungan suatu data yang bersifat kuantitatif.
g. Penyajian Data dan Pengolahan Data SPSS
Tahap selanjutnya yang harus dilakukan oleh praktikan yaitu
melakukan penyajian data dan pengolahan data dari manual ke SPSS.
h. Finish
Jika praktikum telah selesai dilaksanakan, praktikan meninggalkan
ruangan praktikum.
IV. BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
Pada bab IV ini akan dibahas mengenai pengumpulan dan pengolahan data
dari modul I hingga modul VI.
4.1 Pengumpulan Data
Berikut ini merupakan pengambilan data dari praktikum yang telah
dilaksanakan, data diambil dari responden yang merupakan mahasiswa Institut
Teknologi Garut.
4.1.1 Pengumpulan Data Distribusi Frekuensi
Pengumpulan data berikut berupa data yang sesuai dengan fakta di
lingkungan kampus Institut Teknologi Garut. Dibawah ini merupakan data yang
telah dikumpulkan oleh tim praktikan.
Tabel 4.1 Data Mahasiswa ITG
Ukuran Berat Ukuran Tinggi
Usia Uang Jajan
Baju Badan Sepatu Badan
19 90 44 38 160 25000
18 110 42 40 150 50000
19 100 48 40 168 20000
21 100 50 41 162 50000
19 90 40 38 155 20000
20 110 60 43 170 15000
18 110 65 40 165 10000
19 100 50 40 163 25000
20 110 50 38 155 20000
19 110 55 40 170 20000
22 100 55 41 165 35000
19 110 51 40 160 20000
19 110 65 38 165 20000
19 110 50 41 175 35000
20 100 46 36 150 15000
Tabel Lanjutan 4.1 Data Mahasiswa ITG

Usia Uang Jajan
19 90 39 36 153 20000
20 100 50 40 160 10000
20 110 54 42 172 20000
18 110 60 42 173 40000
20 110 56 41 165 5000
20 100 43 38 155 50000
18 110 49 37 156 20000
18 100 39 39 162 20000
18 110 50 41 160 15000
19 110 60 42 168 10000
21 100 50 42 174 30000
19 100 49 40 160 10000
15 110 60 42 173 10000
19 110 57 42 170 15000
22 100 50 41 165 30000
20 90 30 37 160 20000
19 110 58 38 152 15000
18 110 50 43 170 20000
20 100 40 38 153 15000
21 100 55 39 169 100000
22 120 73 43 165 12000
19 120 56 41 173 15000
19 100 39 36 145 10000
19 110 60 43 172 20000
19 100 50 38 155 20000
19 110 60 43 173 15000
23 120 70 44 170 13000

Usia Uang Jajan
20 110 50 40 169 20000
19 100 40 36 150 15000
20 120 49 42 180 40000
21 120 56 41 173 15000
20 100 50 40 160 30000
20 120 49 42 180 20000
20 110 48 39 168 30000
19 120 56 41 173 15000
20 90 38 36 147 10000
18 120 67 38 150 20000
19 110 65 38 155 30000
21 110 57 41 168 15000
17 110 56 39 155 20000
18 110 42 40 150 50000
20 110 60 40 170 10000
20 110 42 39 150 10000
22 120 76 42 165 20000
19 100 57 40 170 20000
20 120 52 41 159 10000
19 110 53 38 154 20000
18 100 57 39 158 50000
19 110 78 43 185 50000
19 100 50 39 164 15000
21 100 44 38 145 20000
20 120 57 43 178 15000
19 100 50 39 161 100000
20 110 56 40 169 25000

Usia Uang Jajan
20 110 50 40 165 15000
19 100 47 40 157 20000
20 100 52 40 165 60000
23 120 55 42 162 55000
25 120 58 43 170 60000
20 90 48 40 158 50000
20 120 50 42 180 5000
22 120 75 45 175 60000
20 100 60 43 170 52000
22 110 58 43 166 54000
18 100 39 27 150 25000
23 120 60 43 168 60000
22 100 56 44 165 50000
20 100 52 42 160 70000
22 100 66 43 170 52000
22 100 58 43 164 60000
18 110 60 42 173 40000
21 110 60 43 175 25000
19 110 57 42 170 15000
21 110 65 40 175 20000
20 110 54 42 172 20000
18 110 53 40 162 30000
19 100 40 38 150 30000
21 100 40 37 160 50000
20 100 50 40 165 10000
19 100 46 38 155 20000
19 110 60 42 168 10000

Usia Uang Jajan
19 100 45 37 150 20000
19 110 60 43 175 20000
19 110 53 41 160 20000
19 100 59 42 165 20000
19 100 58 39 152 15000
20 100 50 40 167 30000
19 100 49 40 155 30000
19 110 40 36 155 10000
18 110 50 39 161 20000
18 110 50 39 160 20000
20 110 50 41 153 10000
21 90 55 39 174 20000
21 110 47 43 163 20000
23 110 46 40 152 15000
22 90 49 43 151 10000
22 120 56 38 165 30000
23 100 50 44 158 10000
23 120 45 41 163 10000
18 110 51 39 164 15000
23 110 63 40 172 30000
20 110 68 43 152 20000
19 110 60 38 170 15000
21 110 67 40 158 20000
23 100 53 44 155 15000
22 90 58 40 174 100000
20 120 66 38 155 12000
19 120 57 41 156 15000
Usia Uang Jajan
22 100 51 43 150 10000
22 100 63 38 160 20000
23 100 57 44 154 20000
18 100 58 44 163 15000
21 100 52 38 158 13000
21 100 61 44 163 20000
19 100 59 41 156 15000
20 100 70 41 168 20000
21 100 45 39 156 50000
23 110 68 39 175 15000
20 120 51 44 167 30000
18 110 64 40 164 20000
20 100 49 41 163 30000
22 100 63 40 150 15000
18 120 62 41 160 20000
23 100 61 42 150 50000
18 110 67 40 163 10000
21 110 45 41 163 10000
23 100 62 41 174 20000
18 100 52 44 167 20000
22 120 64 42 152 10000
22 120 58 43 169 20000
18 110 56 41 166 50000
23 120 54 43 152 50000
21 100 61 41 165 15000
18 120 54 40 158 20000
19 110 53 44 154 15000

Usia Uang Jajan
22 100 57 41 162 100000
21 110 53 41 162 25000
19 100 70 43 161 15000
18 100 60 44 163 20000
20 120 53 38 152 60000
22 100 66 43 156 55000
22 110 67 39 162 60000
23 110 59 38 156 50000
21 100 49 38 172 50000
18 100 70 44 172 60000
18 120 47 40 161 52000
19 120 46 43 151 54000
23 110 67 44 157 25000
22 100 65 44 163 70000
22 120 51 43 173 52000
23 120 69 43 171 60000
18 100 63 40 165 60000
21 110 68 42 173 55000
21 100 64 39 166 60000
21 110 57 38 162 50000
22 120 45 40 166 5000
20 110 56 44 155 60000
22 100 53 44 153 52000
20 120 66 39 151 54000
19 120 53 44 172 25000
21 100 68 38 155 60000
20 120 70 43 156 50000

Usia Uang Jajan
21 110 60 43 160 70000
22 120 69 38 161 52000
20 90 55 44 170 15000
18 120 61 42 168 10000
21 110 65 39 165 30000
22 110 51 42 157 10000
21 110 56 40 163 10000
22 110 55 41 153 15000
20 110 62 44 152 30000
22 120 45 40 161 20000
23 120 68 43 162 15000
22 100 50 44 162 20000
20 120 52 42 151 15000
19 110 62 44 174 5000
18 90 57 40 166 20000
21 100 52 39 160 20000
23 100 55 38 167 25000
20 100 46 38 175 40000
22 100 65 44 163 70000
19 100 50 39 161 20000
22 100 57 41 162 20000
21 100 55 39 169 20000
IV.1.2 Pengumpulan Data Distribusi Binomial

Berikut ini merupakan pengumpulan data distribusi binomial.
Tabel 4.2 Data Distribusi Binomial
Angka Kartu
Pengambilan ke-
1 2 3 4 5 6 7 8 9 10
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
Tabel Lanjutan 4.2 Data Distribusi Binomial

Angka Kartu
Pengambilan ke-
1 2 3 4 5 6 7 8 9 10
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
Tabel Lanjutan 4.2 Data Distribusi Binomial
Angka Kartu
Pengambilan ke-
1 2 3 4 5 6 7 8 9 10
57
58
59
60
IV.1.3 Pengumpulan Data Distribusi Hipergeometrik

Berikut ini merupakan pengumpulan data distribusi hipergeometrik.
A. Data Pengambilan 2 Lasy
Berikut disajikan tabel hasil pengambilan 2 lasy secara acak tanpa
pengembalian.
Tabel 4.3 Data Pengambilan 2 lasy
Pengambilan Banyak Cacat
Ke 0 1 2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Tabel Lanjutan 4.3 Data Pengambilan 2 Lasy

Ke 0 1 2
17
18
19
20
21
22
23
24
25
26
27
28
29
30
13 14 3
Rekapitulasi 13 = 0.43 14 = 0.47 3 = 0.1
30 30 30
B. Data Pengambilan 3 Lasy

pengembalian.
Tabel 4.4 Data Pengambilan 3 Lasy
Ke 0 1 2 3
1
2
3
4
5

Ke 0 1 2 3
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
JUMLAH 8 4 2 6
C. Data Pengambilan 4 Lasy

pengembalian.
Ke 0 1 2 3 4
1
2
3
4
5

Ke 0 1 2 3 4
6
7
8
9
10
11
12
13
14
15
4 5 4 1 1
Rekapitulasi 4 = 0,26 5 = 0,33 4 = 0,27 1 = 0,07 1 = 0,07
15 15 15 15 15
D. Data Pengambilan 5 Lasy

pengembalian.
Banyak Cacat
Pengambilan 0 1 2 3 4 5
Ke
1
2
3
4
5
6
7
8
9

Ke 0 1 2 3 4 5
10
11
12
2 4 3 2 1 0
Rekapitulasi 2 = 0,17 4 = 0,33 3 = 0,25 2 = 0,17 1 = 0,08 0
12 12 12 12 12 12 = 0
E. Data Pengambilan 6 Lasy

pengembalian.
Ke 0 1 2 3 4 5 6
1
2
3
4
5
6
7
8
9
10
3 1 2 3 0 0 1
Rekapitulasi 3 = 0,3 1 = 0,1 2 = 0,2 3 = 0,3 0 0
1 = 0.1
10 10 10 10 10
IV.1.4 Pengumpulan Data Regresi Berat Badan dan Ukuran Baju

Berikut ini merupakan pengumpulan data berat badan dan ukuran baju.
Tabel 4.8 Regresi Berat Badan dan Ukuran Baju
X BB Y UB XY X^2 Y^2 Y (Y-Y)^2 (Y-Y)^2
56 110 6160 3136 12100 107,56 5,9536 7,29
45 120 5400 2025 14400 104,15 251,2225 161,29
62 110 6820 3844 12100 109,42 0,3364 7,29
50 120 6000 2500 14400 105,7 204,49 161,29
39 100 3900 1521 10000 102,29 5,2441 53,29
38 90 3420 1444 8100 101,98 143,5204 299,29
42 110 4620 1764 12100 103,22 45,9684 7,29
51 100 5100 2601 10000 106,01 36,1201 53,29
49 90 4410 2401 8100 105,39 236,8521 299,29
64 120 7680 4096 14400 110,04 99,2016 161,29
48 100 4800 2304 10000 105,08 25,8064 53,29
50 110 5500 2500 12100 105,7 18,49 7,29
40 110 4400 1600 12100 102,6 54,76 7,29
51 110 5610 2601 12100 106,01 15,9201 7,29
50 100 5000 2500 10000 105,7 32,49 53,29
52 120 6240 2704 14400 106,32 187,1424 161,29
49 100 4900 2401 10000 105,39 29,0521 53,29
50 100 5000 2500 10000 105,7 32,49 53,29
56 110 6160 3136 12100 107,56 5,9536 7,29
67 110 7370 4489 12100 110,97 0,9409 7,29
45 110 4950 2025 12100 104,15 34,2225 7,29
45 120 5400 2025 14400 104,15 251,2225 161,29
50 100 5000 2500 10000 105,7 32,49 53,29
65 110 7150 4225 12100 110,35 0,1225 7,29
Tabel Lanjutan 4.8 Regresi Berat Badan dan Ukuran Baju
60 110 6600 3600 12100 108,8 1,44 7,29
60 110 6600 3600 12100 108,8 1,44 7,29
61 120 7320 3721 14400 109,11 118,5921 161,29
60 110 6600 3600 12100 108,8 1,44 7,29
60 110 6600 3600 12100 108,8 1,44 7,29
66 120 7920 4356 14400 110,66 87,2356 161,29
73 120 8760 5329 14400 112,83 51,4089 161,29
52 100 5200 2704 10000 106,32 39,9424 53,29
70 120 8400 4900 14400 111,9 65,61 161,29
40 100 4000 1600 10000 102,6 6,76 53,29
46 100 4600 2116 10000 104,46 19,8916 53,29
63 100 6300 3969 10000 109,73 94,6729 53,29
52 120 6240 2704 14400 106,32 187,1424 161,29
58 110 6380 3364 12100 108,18 3,3124 7,29
58 100 5800 3364 10000 108,18 66,9124 53,29
46 110 5060 2116 12100 104,46 30,6916 7,29
40 100 4000 1600 10000 102,6 6,76 53,29
55 110 6050 3025 12100 107,25 7,5625 7,29
53 110 5830 2809 12100 106,63 11,3569 7,29
53 100 5300 2809 10000 106,63 43,9569 53,29
57 120 6840 3249 14400 107,87 147,1369 161,29
59 100 5900 3481 10000 108,49 72,0801 53,29
50 110 5500 2500 12100 105,7 18,49 7,29
50 110 5500 2500 12100 105,7 18,49 7,29
70 100 7000 4900 10000 111,9 141,61 53,29
68 120 8160 4624 14400 111,28 76,0384 161,29
58 100 5800 3364 10000 108,18 66,9124 53,29
50 100 5000 2500 10000 105,7 32,49 53,29
51 110 5610 2601 12100 106,01 15,9201 7,29
50 110 5500 2500 12100 105,7 18,49 7,29
61 100 6100 3721 10000 109,11 82,9921 53,29
57 110 6270 3249 12100 107,87 4,5369 7,29
60 110 6600 3600 12100 108,8 1,44 7,29
57 110 6270 3249 12100 107,87 4,5369 7,29
57 110 6270 3249 12100 107,87 4,5369 7,29
60 110 6600 3600 12100 108,8 1,44 7,29
55 90 4950 3025 8100 107,25 297,5625 299,29
56 120 6720 3136 14400 107,56 154,7536 161,29
56 120 6720 3136 14400 107,56 154,7536 161,29
56 120 6720 3136 14400 107,56 154,7536 161,29
60 110 6600 3600 12100 108,8 1,44 7,29
68 110 7480 4624 12100 111,28 1,6384 7,29
57 120 6840 3249 14400 107,87 147,1369 161,29
44 100 4400 1936 10000 103,84 14,7456 53,29
45 100 4500 2025 10000 104,15 17,2225 53,29
67 120 8040 4489 14400 110,97 81,5409 161,29
68 110 7480 4624 12100 111,28 1,6384 7,29
39 90 3510 1521 8100 102,29 151,0441 299,29
53 110 5830 2809 12100 106,63 11,3569 7,29
57 100 5700 3249 10000 107,87 61,9369 53,29
40 90 3600 1600 8100 102,6 158,76 299,29
46 100 4600 2116 10000 104,46 19,8916 53,29
50 100 5000 2500 10000 105,7 32,49 53,29
50 110 5500 2500 12100 105,7 18,49 7,29
56 110 6160 3136 12100 107,56 5,9536 7,29
49 110 5390 2401 12100 105,39 21,2521 7,29
47 100 4700 2209 10000 104,77 22,7529 53,29
54 120 6480 2916 14400 106,94 170,5636 161,29
67 110 7370 4489 12100 110,97 0,9409 7,29
30 90 2700 900 8100 99,5 90,25 299,29
63 100 6300 3969 10000 109,73 94,6729 53,29
50 110 5500 2500 12100 105,7 18,49 7,29
52 100 5200 2704 10000 106,32 39,9424 53,29
51 110 5610 2601 12100 106,01 15,9201 7,29
53 110 5830 2809 12100 106,63 11,3569 7,29
62 120 7440 3844 14400 109,42 111,9364 161,29
50 110 5500 2500 12100 105,7 18,49 7,29
45 120 5400 2025 14400 104,15 251,2225 161,29
39 100 3900 1521 10000 102,29 5,2441 53,29
50 100 5000 2500 10000 105,7 32,49 53,29
47 110 5170 2209 12100 104,77 27,3529 7,29
60 100 6000 3600 10000 108,8 77,44 53,29
61 100 6100 3721 10000 109,11 82,9921 53,29
64 110 7040 4096 12100 110,04 0,0016 7,29
65 110 7150 4225 12100 110,35 0,1225 7,29
59 100 5900 3481 10000 108,49 72,0801 53,29
76 120 9120 5776 14400 113,76 38,9376 161,29
57 90 5130 3249 8100 107,87 319,3369 299,29
52 100 5200 2704 10000 106,32 39,9424 53,29
48 100 4800 2304 10000 105,08 25,8064 53,29
70 100 7000 4900 10000 111,9 141,61 53,29
50 110 5500 2500 12100 105,7 18,49 7,29
58 120 6960 3364 14400 108,18 139,7124 161,29
55 110 6050 3025 12100 107,25 7,5625 7,29
57 100 5700 3249 10000 107,87 61,9369 53,29
50 110 5500 2500 12100 105,7 18,49 7,29
54 110 5940 2916 12100 106,94 9,3636 7,29
54 110 5940 2916 12100 106,94 9,3636 7,29
60 110 6600 3600 12100 108,8 1,44 7,29
55 90 4950 3025 8100 107,25 297,5625 299,29
62 100 6200 3844 10000 109,42 88,7364 53,29
65 110 7150 4225 12100 110,35 0,1225 7,29
60 110 6600 3600 12100 108,8 1,44 7,29
49 120 5880 2401 14400 105,39 213,4521 161,29
39 100 3900 1521 10000 102,29 5,2441 53,29
67 110 7370 4489 12100 110,97 0,9409 7,29
44 90 3960 1936 8100 103,84 191,5456 299,29
53 110 5830 2809 12100 106,63 11,3569 7,29
50 100 5000 2500 10000 105,7 32,49 53,29
55 100 5500 3025 10000 107,25 52,5625 53,29
56 110 6160 3136 12100 107,56 5,9536 7,29
53 120 6360 2809 14400 106,63 178,7569 161,29
60 110 6600 3600 12100 108,8 1,44 7,29
40 100 4000 1600 10000 102,6 6,76 53,29
62 110 6820 3844 12100 109,42 0,3364 7,29
65 110 7150 4225 12100 110,35 0,1225 7,29
49 100 4900 2401 10000 105,39 29,0521 53,29
50 100 5000 2500 10000 105,7 32,49 53,29
53 110 5830 2809 12100 106,63 11,3569 7,29
49 100 4900 2401 10000 105,39 29,0521 53,29
56 120 6720 3136 14400 107,56 154,7536 161,29
65 110 7150 4225 12100 110,35 0,1225 7,29
50 100 5000 2500 10000 105,7 32,49 53,29
50 100 5000 2500 10000 105,7 32,49 53,29
51 120 6120 2601 14400 106,01 195,7201 161,29
48 110 5280 2304 12100 105,08 24,2064 7,29
57 120 6840 3249 14400 107,87 147,1369 161,29
63 110 6930 3969 12100 109,73 0,0729 7,29
50 100 5000 2500 10000 105,7 32,49 53,29
55 100 5500 3025 10000 107,25 52,5625 53,29
50 110 5500 2500 12100 105,7 18,49 7,29
60 110 6600 3600 12100 108,8 1,44 7,29
60 110 6600 3600 12100 108,8 1,44 7,29
46 100 4600 2116 10000 104,46 19,8916 53,29
49 120 5880 2401 14400 105,39 213,4521 161,29
42 110 4620 1764 12100 103,22 45,9684 7,29
42 110 4620 1764 12100 103,22 45,9684 7,29
61 100 6100 3721 10000 109,11 82,9921 53,29
54 120 6480 2916 14400 106,94 170,5636 161,29
43 100 4300 1849 10000 103,53 12,4609 53,29
59 110 6490 3481 12100 108,49 2,2801 7,29
45 100 4500 2025 10000 104,15 17,2225 53,29
70 120 8400 4900 14400 111,9 65,61 161,29
57 100 5700 3249 10000 107,87 61,9369 53,29
48 90 4320 2304 8100 105,08 227,4064 299,29
40 100 4000 1600 10000 102,6 6,76 53,29
57 110 6270 3249 12100 107,87 4,5369 7,29
50 100 5000 2500 10000 105,7 32,49 53,29
56 100 5600 3136 10000 107,56 57,1536 53,29
56 110 6160 3136 12100 107,56 5,9536 7,29
49 100 4900 2401 10000 105,39 29,0521 53,29
58 100 5800 3364 10000 108,18 66,9124 53,29
78 110 8580 6084 12100 114,38 19,1844 7,29
53 100 5300 2809 10000 106,63 43,9569 53,29
69 120 8280 4761 14400 111,59 70,7281 161,29
47 120 5640 2209 14400 104,77 231,9529 161,29
60 100 6000 3600 10000 108,8 77,44 53,29
66 100 6600 4356 10000 110,66 113,6356 53,29
51 120 6120 2601 14400 106,01 195,7201 161,29
66 120 7920 4356 14400 110,66 87,2356 161,29
46 120 5520 2116 14400 104,46 241,4916 161,29
58 110 6380 3364 12100 108,18 3,3124 7,29
66 100 6600 4356 10000 110,66 113,6356 53,29
55 120 6600 3025 14400 107,25 162,5625 161,29
68 110 7480 4624 12100 111,28 1,6384 7,29
53 120 6360 2809 14400 106,63 178,7569 161,29
69 110 7590 4761 12100 111,59 2,5281 7,29
68 100 6800 4624 10000 111,28 127,2384 53,29
56 110 6160 3136 12100 107,56 5,9536 7,29
67 110 7370 4489 12100 110,97 0,9409 7,29
58 100 5800 3364 10000 108,18 66,9124 53,29
52 100 5200 2704 10000 106,32 39,9424 53,29
63 100 6300 3969 10000 109,73 94,6729 53,29
64 100 6400 4096 10000 110,04 100,8016 53,29
60 120 7200 3600 14400 108,8 125,44 161,29
58 120 6960 3364 14400 108,18 139,7124 161,29
69 120 8280 4761 14400 111,59 70,7281 161,29
70 100 7000 4900 10000 111,9 141,61 53,29
75 120 9000 5625 14400 113,45 42,9025 161,29
52 100 5200 2704 10000 106,32 39,9424 53,29
60 110 6600 3600 12100 108,8 1,44 7,29
65 100 6500 4225 10000 110,35 107,1225 53,29
50 100 5000 2500 10000 105,7 32,49 53,29
57 100 5700 3249 10000 107,87 61,9369 53,29
55 100 5500 3025 10000 107,25 52,5625 53,29
58 90 5220 3364 8100 108,18 330,5124 299,29
11032 21460 1188140 622664 2317000 21459,92 12968,7784 14342
IV.1.5 Pengumpulan Data Regresi Tinggi Badan dan Ukuran Sepatu

Berikut ini merupakan pengumpulan data tinggi badan dan ukuran sepatu.
Tabel 4.9 Regresi Tinggi Badan dan Ukuran Sepatu
X Y XY 𝑋
2
𝑌
2 𝒀̂ (Y-𝒀̂ )𝟐 𝒀̅ (Y- 𝒀̅ )𝟐
160 38 6080 25600 1444 40,38 5,65 40,66 7,05
150 40 6000 22500 1600 39,28 0,53 40,66 0,43
168 40 6720 28224 1600 41,26 1,59 40,66 0,43
162 41 6642 26244 1681 40,60 0,16 40,66 0,12
155 38 5890 24025 1444 39,83 3,34 40,66 7,05
170 43 7310 28900 1849 41,48 2,31 40,66 5,50
165 40 6600 27225 1600 40,93 0,86 40,66 0,43
163 40 6520 26569 1600 40,71 0,50 40,66 0,43
Tabel Lanjutan 4.9 Regresi Tinggi Badan dan Ukuran Sepatu
X Y XY 𝑋2 𝑌2 𝒀̂ (Y-𝒀̂ )𝟐 𝒀̅ (Y- 𝒀̅ )𝟐
155 38 5890 24025 1444 39,83 3,34 40,66 7,05
170 40 6800 28900 1600 41,48 2,19 40,66 0,43
165 41 6765 27225 1681 40,93 0,00 40,66 0,12
160 40 6400 25600 1600 40,38 0,14 40,66 0,43
165 38 6270 27225 1444 40,93 8,58 40,66 7,05
175 41 7175 30625 1681 42,03 1,07 40,66 0,12
150 36 5400 22500 1296 39,28 10,73 40,66 21,67
153 36 5508 23409 1296 39,61 13,00 40,66 21,67
160 40 6400 25600 1600 40,38 0,14 40,66 0,43
172 42 7224 29584 1764 41,70 0,09 40,66 1,81
173 42 7266 29929 1764 41,81 0,04 40,66 1,81
165 41 6765 27225 1681 40,93 0,00 40,66 0,12
155 38 5890 24025 1444 39,83 3,34 40,66 7,05
156 37 5772 24336 1369 39,94 8,62 40,66 13,36
162 39 6318 26244 1521 40,60 2,56 40,66 2,74
160 41 6560 25600 1681 40,38 0,39 40,66 0,12
168 42 7056 28224 1764 41,26 0,55 40,66 1,81
174 42 7308 30276 1764 41,92 0,01 40,66 1,81
160 40 6400 25600 1600 40,38 0,14 40,66 0,43
173 42 7266 29929 1764 41,81 0,04 40,66 1,81
170 42 7140 28900 1764 41,48 0,27 40,66 1,81
165 41 6765 27225 1681 40,93 0,00 40,66 0,12
160 37 5920 25600 1369 40,38 11,41 40,66 13,36
152 38 5776 23104 1444 39,50 2,24 40,66 7,05
170 43 7310 28900 1849 41,48 2,31 40,66 5,50
153 38 5814 23409 1444 39,61 2,58 40,66 7,05
169 39 6591 28561 1521 41,37 5,62 40,66 2,74
165 43 7095 27225 1849 40,93 4,29 40,66 5,50
173 41 7093 29929 1681 41,81 0,66 40,66 0,12
X Y XY 𝑋2 𝑌2 𝒀̂ (Y-𝒀̂ )𝟐 𝒀̅ (Y- 𝒀̅ )𝟐
145 36 5220 21025 1296 38,72 7,42 40,66 21,67
172 43 7396 29584 1849 41,70 1,69 40,66 5,50
155 38 5890 24025 1444 39,83 3,34 40,66 7,05
173 43 7439 29929 1849 41,81 1,41 40,66 5,50
170 44 7480 28900 1936 41,48 6,35 40,66 11,19
169 40 6760 28561 1600 41,37 1,88 40,66 0,43
150 36 5400 22500 1296 39,28 10,73 40,66 21,67
180 42 7560 32400 1764 42,58 0,34 40,66 1,81
173 41 7093 29929 1681 41,81 0,66 40,66 0,12
160 40 6400 25600 1600 40,38 0,14 40,66 0,43
180 42 7560 32400 1764 42,58 0,34 40,66 1,81
168 39 6552 28224 1521 41,26 5,11 40,66 2,74
173 41 7093 29929 1681 41,81 0,66 40,66 0,12
147 36 5292 21609 1296 38,94 8,67 40,66 21,67
150 38 5700 22500 1444 39,28 1,63 40,66 7,05
155 38 5890 24025 1444 39,83 3,34 40,66 7,05
168 41 6888 28224 1681 41,26 0,07 40,66 0,12
155 39 6045 24025 1521 39,83 0,68 40,66 2,74
150 40 6000 22500 1600 39,28 0,53 40,66 0,43
170 40 6800 28900 1600 41,48 2,19 40,66 0,43
150 39 5850 22500 1521 39,28 0,08 40,66 2,74
165 42 6930 27225 1764 40,93 1,15 40,66 1,81
170 40 6800 28900 1600 41,48 2,19 40,66 0,43
159 41 6519 25281 1681 40,27 0,54 40,66 0,12
154 38 5852 23716 1444 39,72 2,95 40,66 7,05
158 39 6162 24964 1521 40,16 1,34 40,66 2,74
185 43 7955 34225 1849 43,14 0,02 40,66 5,50
164 39 6396 26896 1521 40,82 3,31 40,66 2,74
145 38 5510 21025 1444 38,72 0,52 40,66 7,05
X Y XY 𝑋2 𝑌2 𝒀̂ (Y-𝒀̂ )𝟐 𝒀̅ (Y- 𝒀̅ )𝟐
178 43 7654 31684 1849 42,36 0,41 40,66 5,50
161 39 6279 25921 1521 40,49 2,22 40,66 2,74
169 40 6760 28561 1600 41,37 1,88 40,66 0,43
165 40 6600 27225 1600 40,93 0,86 40,66 0,43
157 40 6280 24649 1600 40,05 0,00 40,66 0,43
165 40 6600 27225 1600 40,93 0,86 40,66 0,43
162 42 6804 26244 1764 40,60 1,96 40,66 1,81
170 43 7310 28900 1849 41,48 2,31 40,66 5,50
158 40 6320 24964 1600 40,16 0,02 40,66 0,43
180 42 7560 32400 1764 42,58 0,34 40,66 1,81
175 45 7875 30625 2025 42,03 8,81 40,66 18,88
170 43 7310 28900 1849 41,48 2,31 40,66 5,50
166 43 7138 27556 1849 41,04 3,84 40,66 5,50
150 27 4050 22500 729 39,28 150,68 40,66 186,46
168 43 7224 28224 1849 41,26 3,03 40,66 5,50
165 44 7260 27225 1936 40,93 9,43 40,66 11,19
160 42 6720 25600 1764 40,38 2,63 40,66 1,81
170 43 7310 28900 1849 41,48 2,31 40,66 5,50
164 43 7052 26896 1849 40,82 4,76 40,66 5,50
173 42 7266 29929 1764 41,81 0,04 40,66 1,81
175 43 7525 30625 1849 42,03 0,94 40,66 5,50
170 42 7140 28900 1764 41,48 0,27 40,66 1,81
175 40 7000 30625 1600 42,03 4,13 40,66 0,43
172 42 7224 29584 1764 41,70 0,09 40,66 1,81
162 40 6480 26244 1600 40,60 0,36 40,66 0,43
150 38 5700 22500 1444 39,28 1,63 40,66 7,05
160 37 5920 25600 1369 40,38 11,41 40,66 13,36
165 40 6600 27225 1600 40,93 0,86 40,66 0,43
155 38 5890 24025 1444 39,83 3,34 40,66 7,05
X Y XY 𝑋2 𝑌2 𝒀̂ (Y-𝒀̂ )𝟐 𝒀̅ (Y- 𝒀̅ )𝟐
168 42 7056 28224 1764 41,26 0,55 40,66 1,81
150 37 5550 22500 1369 39,28 5,18 40,66 13,36
175 43 7525 30625 1849 42,03 0,94 40,66 5,50
160 41 6560 25600 1681 40,38 0,39 40,66 0,12
165 42 6930 27225 1764 40,93 1,15 40,66 1,81
152 39 5928 23104 1521 39,50 0,25 40,66 2,74
167 40 6680 27889 1600 41,15 1,32 40,66 0,43
155 40 6200 24025 1600 39,83 0,03 40,66 0,43
155 36 5580 24025 1296 39,83 14,64 40,66 21,67
161 39 6279 25921 1521 40,49 2,22 40,66 2,74
160 39 6240 25600 1521 40,38 1,90 40,66 2,74
153 41 6273 23409 1681 39,61 1,94 40,66 0,12
174 39 6786 30276 1521 41,92 8,54 40,66 2,74
163 43 7009 26569 1849 40,71 5,25 40,66 5,50
152 40 6080 23104 1600 39,50 0,25 40,66 0,43
151 43 6493 22801 1849 39,39 13,07 40,66 5,50
165 38 6270 27225 1444 40,93 8,58 40,66 7,05
158 44 6952 24964 1936 40,16 14,77 40,66 11,19
163 41 6683 26569 1681 40,71 0,08 40,66 0,12
164 39 6396 26896 1521 40,82 3,31 40,66 2,74
172 40 6880 29584 1600 41,70 2,90 40,66 0,43
152 43 6536 23104 1849 39,50 12,28 40,66 5,50
170 38 6460 28900 1444 41,48 12,12 40,66 7,05
158 40 6320 24964 1600 40,16 0,02 40,66 0,43
155 44 6820 24025 1936 39,83 17,42 40,66 11,19
174 40 6960 30276 1600 41,92 3,69 40,66 0,43
155 38 5890 24025 1444 39,83 3,34 40,66 7,05
156 41 6396 24336 1681 39,94 1,13 40,66 0,12
150 43 6450 22500 1849 39,28 13,88 40,66 5,50
X Y XY 𝑋2 𝑌2 𝒀̂ (Y-𝒀̂ )𝟐 𝒀̅ (Y- 𝒀̅ )𝟐
160 38 6080 25600 1444 40,38 5,65 40,66 7,05
154 44 6776 23716 1936 39,72 18,35 40,66 11,19
163 44 7172 26569 1936 40,71 10,83 40,66 11,19
158 38 6004 24964 1444 40,16 4,65 40,66 7,05
163 44 7172 26569 1936 40,71 10,83 40,66 11,19
156 41 6396 24336 1681 39,94 1,13 40,66 0,12
156 39 6084 24336 1521 39,94 0,88 40,66 2,74
175 39 6825 30625 1521 42,03 9,20 40,66 2,74
167 44 7348 27889 1936 41,15 8,12 40,66 11,19
168 41 6888 28224 1681 41,26 0,07 40,66 0,12
169 43 7267 28561 1849 41,37 2,65 40,66 5,50
158 39 6162 24964 1521 40,16 1,34 40,66 2,74
153 38 5814 23409 1444 39,61 2,58 40,66 7,05
164 40 6560 26896 1600 40,82 0,67 40,66 0,43
163 41 6683 26569 1681 40,71 0,08 40,66 0,12
150 40 6000 22500 1600 39,28 0,53 40,66 0,43
160 41 6560 25600 1681 40,38 0,39 40,66 0,12
150 42 6300 22500 1764 39,28 7,43 40,66 1,81
163 40 6520 26569 1600 40,71 0,50 40,66 0,43
163 41 6683 26569 1681 40,71 0,08 40,66 0,12
174 41 7134 30276 1681 41,92 0,85 40,66 0,12
167 44 7348 27889 1936 41,15 8,12 40,66 11,19
152 42 6384 23104 1764 39,50 6,27 40,66 1,81
169 43 7267 28561 1849 41,37 2,65 40,66 5,50
166 41 6806 27556 1681 41,04 0,00 40,66 0,12
152 43 6536 23104 1849 39,50 12,28 40,66 5,50
165 41 6765 27225 1681 40,93 0,00 40,66 0,12
158 40 6320 24964 1600 40,16 0,02 40,66 0,43
154 44 6776 23716 1936 39,72 18,35 40,66 11,19
X Y XY 𝑋2 𝑌2 𝒀̂ (Y-𝒀̂ )𝟐 𝒀̅ (Y- 𝒀̅ )𝟐
162 41 6642 26244 1681 40,60 0,16 40,66 0,12
162 41 6642 26244 1681 40,60 0,16 40,66 0,12
161 43 6923 25921 1849 40,49 6,31 40,66 5,50
163 44 7172 26569 1936 40,71 10,83 40,66 11,19
152 38 5776 23104 1444 39,50 2,24 40,66 7,05
156 43 6708 24336 1849 39,94 9,38 40,66 5,50
162 39 6318 26244 1521 40,60 2,56 40,66 2,74
156 38 5928 24336 1444 39,94 3,75 40,66 7,05
172 38 6536 29584 1444 41,70 13,70 40,66 7,05
172 44 7568 29584 1936 41,70 5,28 40,66 11,19
161 40 6440 25921 1600 40,49 0,24 40,66 0,43
151 43 6493 22801 1849 39,39 13,07 40,66 5,50
157 44 6908 24649 1936 40,05 15,63 40,66 11,19
154 42 6468 23716 1764 39,72 5,22 40,66 1,81
175 44 7700 30625 1936 42,03 3,87 40,66 11,19
163 44 7172 26569 1936 40,71 10,83 40,66 11,19
173 43 7439 29929 1849 41,81 1,41 40,66 5,50
171 43 7353 29241 1849 41,59 1,98 40,66 5,50
165 40 6600 27225 1600 40,93 0,86 40,66 0,43
173 42 7266 29929 1764 41,81 0,04 40,66 1,81
166 39 6474 27556 1521 41,04 4,16 40,66 2,74
162 38 6156 26244 1444 40,60 6,75 40,66 7,05
166 40 6640 27556 1600 41,04 1,08 40,66 0,43
155 44 6820 24025 1936 39,83 17,42 40,66 11,19
153 44 6732 23409 1936 39,61 19,31 40,66 11,19
151 39 5889 22801 1521 39,39 0,15 40,66 2,74
172 44 7568 29584 1936 41,70 5,28 40,66 11,19
155 38 5890 24025 1444 39,83 3,34 40,66 7,05
156 43 6708 24336 1849 39,94 9,38 40,66 5,50
X Y XY 𝑋2 𝑌2 𝒀̂ (Y-𝒀̂ )𝟐 𝒀̅ (Y- 𝒀̅ )𝟐
160 43 6880 25600 1849 40,38 6,87 40,66 5,50
161 38 6118 25921 1444 40,49 6,19 40,66 7,05
170 44 7480 28900 1936 41,48 6,35 40,66 11,19
168 42 7056 28224 1764 41,26 0,55 40,66 1,81
165 39 6435 27225 1521 40,93 3,72 40,66 2,74
157 42 6594 24649 1764 40,05 3,81 40,66 1,81
163 40 6520 26569 1600 40,71 0,50 40,66 0,43
153 41 6273 23409 1681 39,61 1,94 40,66 0,12
152 44 6688 23104 1936 39,50 20,29 40,66 11,19
161 40 6440 25921 1600 40,49 0,24 40,66 0,43
162 43 6966 26244 1849 40,60 5,77 40,66 5,50
162 44 7128 26244 1936 40,60 11,57 40,66 11,19
151 42 6342 22801 1764 39,39 6,84 40,66 1,81
174 44 7656 30276 1936 41,92 4,32 40,66 11,19
166 40 6640 27556 1600 41,04 1,08 40,66 0,43
160 39 6240 25600 1521 40,38 1,90 40,66 2,74
167 38 6346 27889 1444 41,15 9,92 40,66 7,05
175 38 6650 30625 1444 42,03 16,26 40,66 7,05
32511 8131 1323175 5297887 331683
4.2 Pengolahan Data

Berikut ini merupakan pengolahan data praktikum yang telah dilakukan dari
praktikum modul I hingga modul VI.
4.2.1 Modul I (Distribusi Frekuensi)
Pengolahan data dan penyajian data merupakan pengolahan data secara
matematis dan secara diagram. Jenis data yang diamati dalam lembar pengamatan
dibuat ke dalam pengurutan, distribusi frekuensi dan diagram.
A. Data Usia
Data usia yang diambil dari lembar pengamatan adalah data usia dalam
tahun.
1. Pengurutan Data Usia
Langkah pertama dalam mengolah data adalah proses pengurutan data
usia dari termuda ke usia tertua.
Tabel 4.10 Pengurutan Data Usia
15 18 19 19 20 20 20 21 22 22
17 18 19 19 20 20 20 21 22 23
18 18 19 19 20 20 20 21 22 23
18 18 19 19 20 20 20 21 22 23
18 18 19 19 20 20 20 21 22 23
18 18 19 19 20 20 21 21 22 23
18 18 19 19 20 20 21 21 22 23
18 18 19 19 20 20 21 21 22 23
18 18 19 19 20 20 21 21 22 23
18 18 19 19 20 20 21 21 22 23
18 18 19 19 20 20 21 21 22 23
18 18 19 19 20 20 21 21 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 25
2. Formulasi Data Perhitungan

Formulasi adalah bentuk umum perhitungan secara matematis.
Perhitungannya harus mengetahui beberapa data seperti:
N = 200
Nilai terkecil (min) = 15
Range = Nilai MAX – Nilai MIN
= 25 – 15
= 10
Banyak kelas = 1 + 3,3 log (n)
= 1 + 3,3 log(200)
= 9
Panjang kelas = Range / banyak kelas
= 10/9
= 1,11 = 2
Tabel 4.11 Distribusi Frekuensi Usia

Kelas
Kelas MidPoin Persentas Persentase
Interva F FK≥ FK≤ Derajat
Bounderies t e Kumulatif
l
15 – 16 14,5 - 16,5 1 15,5 200 0 0,5% 0.5% 1.8
17 – 18 16,5 - 18,5 31 17,5 169 1 15,5% 16% 55.8
19 – 20 18,5 - 20,5 93 19,5 76 32 46,5% 62.5% 167.4
21 – 22 20,5 - 22,5 56 21,5 20 125 28% 90.5% 100.8
23 – 24 22,5 - 24,5 18 23,5 2 181 9% 99.5% 32.4
25 – 26 24,5 - 26,5 1 25,5 1 199 0,5% 100% 1.8
27 – 28 26,5 - 28,5 0 27,5 1 200 0% 100% 0
28 – 30 28,5 - 30,5 0 29,5 1 200 0% 100% 0
31 – 32 30,5 - 32,5 0 31,5 1 200 0% 100% 0
Ketentuan :
100 x frekuensi
Presentase =
banyak data
360 x frekuensi
Derajat =
banyak data
3. Penyajian Data
Data yang sudah di olah kemudian di ubah kedalam bentuk diagram
histogram, diagram polygon, diagram ogive, diagram lingkaran dan diagram
pareto.
a. Diagram Histogram
Data yang digunakan untuk membuat data histogram sebagai berikut.
Tabel 4.12 Kelas Bounderies dan Frekuensi
Kelas Bounderies F
16.5 - 17.5 85
17.5 - 18.40 40
18.5 - 19.85 40
19.5 - 20.40 20
20.5 - 21.20 5
21.5 - 22.4 4
22.5 - 23.3 3
23.5 - 24.2 2
24.5 - 25.1 1
Berikut dibawah ini merupakan diagram histogram data usia
DIAGRAM HISTOGRAM
100
90
80
70
60
50
40
30
20
10
0
14,5 - 16,5 16,5 - 18,5 18,5 - 20,5 20,5 - 22,5 22,5 - 24,5 24,5 - 26,5 26,5 - 28,5 28,5 - 30,5 30,5 - 32,5
Gambar 4.1 Diagram Histogram Usia

b. Diagram Polygon
Data yang digunakan untuk membuat diagram polygon sebagai berikut.
Tabel 4.13 Frekuensi dan Midpoint
Frekuensi Midpoint
1 15,5
Tabel Lanjutan 4.13 Frekuensi dan Midpoint

Frekuensi Midpoint
31 17,5
93 19,5
56 21,5
18 23,5
1 25,5
0 27,5
0 29,5
0 31,5
Berikut dibawah ini merupakan diagram polygon dari data usia.
DIAGRAM POLYGON
100
90
80
70
60
50
40
30
20
10
0
15.5 17.5 19.5 21.5 23.5 25.5 27.5 29.5 31.5
Gambar 4.2 Diagram Polygon Usia

c. Diagram Ogive
Data yang digunakan untuk membuat diagram ogive adalah sebagai beirkut.
Tabel 4.14 Frekuensi Fk≥ dan Fk≤
F Fk≥ Fk≤
1 200 0
31 169 1
93 76 32
56 20 125
18 2 181
1 1 199
0 1 200
0 1 200
Tabel Lanjutan 4.14 Frekuensi Fk≥ dan Fk≤

F Fk≥ Fk≤
0 1 200
Berikut dibawah ini merupakan diagram ogive dari data usia.
OGIVE
250
200
150
100
50
0
1 31 93 56 18 1 0 0 0
FK≥ FK≤
Gambar 4.3 Diagram Ogive Usia

d. Diagram Lingkaran
Dibawah ini merupakan data yang digunakan untuk membuat diagram
lingkaran sebagai berikut.
Tabel 4.15 Frekuensi, Persentase dan Derajat
F Persentase Derajat
1 0,5% 1.8
31 15,5% 55.8
93 46,5% 167.4
56 28% 100.8
18 9% 32.4
1 0,5% 1.8
0 0% 0
0 0% 0
0 0% 0
200 100% 360
Berikut dibawah ini merupakan diagram lingkaran dari data usia.

F
0.5
15.5
9% 1%
1%
16% 46.5
28
9
28% 0.5
0
0
0
47%
Gambar 4.4 Diagram Lingkaran Usia

e. Diagram Pareto
Data yang digunakan untuk membuat diagram pareto adalah sebagai
berikut.
Tabel 4.16 Kelas interval, Frekuensi, Persentase dan Persentase Kumulatif
Persentas
Kelas Interval f Persentase komulatif
e
19 – 20 93 46.5% 46.5%
21 – 22 56 28% 74.5%
17 – 18 31 15.5% 90%
23 – 24 18 9% 99%
15 – 16 1 0.5% 99.5%
25 – 26 1 0.5% 100%
27 – 28 0 0% 100%
29 – 30 0 0% 100%
31 – 32 0 0% 100%
Berikut dibawah ini merupakan diagram pareto dari data usia.
PARETO
100 120
90
100
80
70
80
60
50 60
40
40
30
20
20
10
0 0
1 2 3 4 5 6 7 8 9
F %K
Gambar 4.5 Diagram Pareto Usia
B. Data Berat Badan

Data berat badan yang diambil dari lembar pengamatan adalah data
berat badan dalam kilogram.
1. Pengurutan Data Berat Badan
Langkah pertama dalam mengolah data adalah proses pengurutan data
berat badan dari terringan ke berat badan terberat.
Tabel 4.17 Pengurutan Data Berat Badan
30 45 49 50 52 55 57 60 62 67
38 45 49 50 53 55 57 60 63 67
39 45 49 50 53 56 57 60 63 67
39 45 49 50 53 56 57 60 63 68
39 46 50 50 53 56 57 60 63 68
39 46 50 50 53 56 58 60 64 68
40 46 50 50 53 56 58 60 64 68
40 46 50 50 53 56 58 60 64 68
40 46 50 51 53 56 58 60 65 69
40 47 50 51 53 56 58 60 65 69
40 47 50 51 54 56 58 60 65 69
40 47 50 51 54 56 58 60 65 70
42 48 50 51 54 56 58 60 65 70
42 48 50 51 54 57 58 61 65 70
42 48 50 52 55 57 59 61 66 70
43 48 50 52 55 57 59 61 66 70
44 49 50 52 55 57 59 61 66 73
44 49 50 52 55 57 60 62 66 75
45 49 50 52 55 57 60 62 67 76
45 49 50 52 55 57 60 62 67 78

N = 200
Nilai terkecil (MIN) = 30
= 78-30
= 48
= 1 + 3,3 log(200)
= 9
= 48/9
= 5,33 = 6
Tabel 4.18 Distribusi Frekuensi Berat Badan

Kelas
Kelas MidPoin Persentas Persentase
Interva F FK≥ FK≤ Derajat
Bounderies t e Kumulatif
l
30 – 35 29,5 - 35,5 1 32,5 200 1 0,5% 0,5% 1.8
36 – 41 35,5 - 41,5 11 38,5 199 12 5,5% 6% 19.8
42 – 47 41,5 - 47,5 20 44,5 188 32 10% 16% 36
48 – 53 47,5 - 53,5 58 50,5 168 90 29% 45% 104.4
54 – 59 53,5 - 59,5 47 56,5 121 137 23,5% 68,5% 84.6
60 – 65 59,5 - 65,5 37 62,5 74 174 18,5% 87% 66.6
66 – 71 65,5 - 71,5 22 68,5 37 196 11% 98% 39.6
72 – 77 71,5 - 77,5 3 74,5 15 199 1,5% 99,5% 5.4
78 – 83 77,5 - 83,5 1 80,5 12 200 0,5% 100% 1.8
Ketentuan
100 x frekuensi
Presentase =
banyak data
360 x frekuensi
Derajat =
banyak data
3. Penyajian Data
histogram, diagram polygon, diagram ogive, diagram lingkaran dan diagram
pareto.
Kelas Bounderies F
29,5 - 35,5 1
35,5 - 41,5 11
41,5 - 47,5 20
47,5 - 53,5 58
53,5 - 59,5 47
59,5 - 65,5 37
65,5 - 71,5 22
71,5 - 77,5 3
77,5 - 83,5 1
Berikut dibawah ini merupakan diagram histogram data berat badan.
HISTOGRAM
70
60
50
40
30
20
10
0
29,5 - 35,5 35,5 - 41,5 41,5 - 47,5 47,5 - 53,5 53,5 - 59,5 59,5 - 65,5 65,5 - 71,5 71,5 - 77,5 78,5 - 83,5
Gambar 4.6 Diagram Histogram Berat Badan

b. Diagram Polygon
Data yang digunakan untuk membuat diagram polygon sebagai berikut.
Frekuensi Midpoint
1 32,5
11 38,5
20 44,5
58 50,5
47 56,5
37 62,5
22 68,5
3 74,5
1 80,5
Berikut dibawah ini merupakan diagram polygon dari data berat badan.
Gambar 4.7 Diagram Polygon Berat Badan

c. Diagram Ogive
Data yang digunakan untuk membuat diagram ogive adalah sebagai berikut.
F Fk≥ Fk≤
1 200 1
11 199 12
20 188 32
58 168 90
47 121 137

F Fk≥ Fk≤
37 74 174
22 37 196
3 15 199
1 12 200
Berikut dibawah ini merupakan diagram ogive dari data berat badan.
Gambar 4.8 Diagram Ogive Berat Badan

Data yang digunakan untuk diagram lingkaran yaitu sebagai berikut.
1 0,5% 1.8
11 5,5% 19.8
20 10% 36
58 29% 104.4
47 23,5% 84.6
37 18,5% 66.6
22 11% 39.6
3 1,5% 5.4
1 0,5% 1.8
JML 100% 360
Berikut dibawah ini merupakan diagram lingkaran data berat badan.

Gambar 4.9 Diagram Lingkaran Berat Badan
e. Diagram Pareto
Data yang digunakan untuk membuat diagram pareto adalah sebagai
berikut.
Tabel 4.23 Kelas interval, Frekuensi, Persentase dan Persentase Komulatif
Persentas
Kelas Interval F Persentase komulatif
e
48 – 53 58 29% 29%
54 – 59 47 23.5% 52.5%
60 – 65 37 18.5% 71%
66 – 71 22 11% 82%
42 – 47 20 10% 92%
36 – 41 11 5.5% 97.5%
72 – 77 3 1.5% 99%
30 – 35 1 0.5% 99.5%
78 – 83 1 0.5% 100%
Berikut dibawah ini merupakan diagram pareto data berat badan.
PARETO
70 120
60 100
50
80
40
60
30
40
20
10 20
0 0
1 2 3 4 5 6 7 8 9
F %K
Gambar 4.10 Diagram Pareto Berat Badan
C. Data Ukuran Baju

Berikut ini merupakan pengolahan data ukuran baju yaitu mengenai
pengurutan data dari data terkecil hingga data terbesar, formulasi
perhitungan data dan penyajian data.
1. Pengurutan Data Ukuran Baju
Tabel dibawah ini merupakan tabel pengurutan data ukuran baju.
Tabel 4.24 Pengurutan Data Ukuran Baju
90 100 100 100 100 110 110 110 120 120
90 100 100 100 100 110 110 110 120 120
90 100 100 100 100 110 110 110 120 120
90 100 100 100 100 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 120 120 120

N = 200
= 120-90
= 30
= 1 + 3,3 log(200)
= 8,59 = 8
= 30/8
= 3,75 = 4
Tabel 4.25 Distribusi Frekuensi Ukuran Baju

Kelas Kelas MidPoin Persentase
F FK≥ FK≤ Persentase Derajat
Interval Bounderies t Kumulatif
90 – 93 89,5 – 93,5 11 91,5 200 41 5.5% 5.5% 19.8
94 – 97 93,5 – 97,5 0 95,5 189 52 0% 5.5% 0
98 – 101 96,5 – 101,5 73 99,5 189 52 36.5% 42% 131.4
102 – 101,5 –
103,5 116
105 105,5 0 125 0% 42% 0
106 – 105,5 –
107,5 116
109 109,5 0 125 0% 42% 0
110 – 109,5 –
111,5 116
113 113,5 75 125 37.5% 79.5% 135
114 – 113,5 –
115,5 41
117 114,5 0 200 0% 79.5% 0
114,5 –
118 - 121 119,5 41
121,5 41 200 20.5% 100% 73.8
Ketentuan
100 x frekuensi
Presentase =
banyak data
360 x frekuensi
Derajat =
banyak data
3. Penyajian Data
yaitu diagram histogram, diagram polygon, diagram ogive, diagram
lingkaran dan diagram pareto.
Kelas Bounderies F
89,5 – 93,5 11
93,5 – 97,5 0
96,5 – 101,5 73
101,5 – 105,5 0
105,5 – 109,5 0
109,5 – 113,5 75
113,5 – 114,5 0
114,5 – 121,5 41
Berikut dibawah ini merupakan diagram histogram data ukuran baju.
HISTOGRAM
80
70
60
50
40
30
20
10
0
89,5 - 93,5 93,5 - 97,5 97,5 - 101,5 101,5 - 105,5 105,5 - 109,5 109,5 - 113,5 113,5 - 117,5 117,5 - 121,5
Gambar 4.11 Diagram Histogram Ukuran Baju
b. Diagram Polygon
Data yang digunakan untuk membuat data polygon adalah sebagai berikut.\
Frekuensi Midpoint
11 91,5
0 95,5
73 99,5
0 103,5
0 107,5
75 111,5
0 115,5
41 119,5
Berikut dibawah ini merupakan diagram polygon data ukuran baju.
POLIGON
80
75
73
70
60
50
F
40 41
30
20
10 11
0 0 0 0 0
91.5 95.5 99.5 103.5 107.5 111.5 115.5 119.5
Gambar 4.12 Diagram Polygon Ukuran Baju

c. Diagram Ogive
Data yang digunakan untuk membuat diagram ogive adalah sebagai berikut.
F Fk≥ Fk≤
11 200 41
0 189 52
73 189 52
0 116 125
0 116 125

F Fk≥ Fk≤
75 116 125
0 41 200
41 41 200
Berikut dibawah ini merupakan diagram ogive data ukuran baju.
OGIVE
250
200
150
100
50
0
0 0 0 0 11 41 73 75
FK≥ FK≤
Gambar 4.13 Diagram Ogive Ukuran Baju

Data yang digunakan untuk membuat data lingkaran adalah sebagai berikut.
11 5.5% 19.8
0 0% 0
73 36.5% 131.4
0 0% 0
0 0% 0
75 37.5% 135
0 0% 0
41 20.5% 73.8
Berikut dibawah ini merupakan diagram lingkaran data ukuran baju.
6%
21%
19.8
0
131.4
37% 0
0
135
0
73.8
38%
Gambar 4.14 Diagram Lingkaran Ukuran Baju

e. Diagram Pareto
Data yang digunakan untuk membuat data pareto adalah sebagai berikut.
Kelas Persentase
F Persentase
Interval kumulatif
110 – 113 75 37.5% 37.5%
98 – 101 73 36.5% 74.5%
118 – 121 41 20.5% 94.5%
90 – 93 11 5.5% 100%
94 – 97 0 0% 100%
102 – 105 0 0% 100%
106 – 109 0 0% 100%
114 – 117 0 0% 100%
Berikut dibawah ini merupakan diagram pareto data ukuran baju.
PARETO
80 120
70
100
60
80
50
40 60
30
40
20
20
10
0 0
1 2 3 4 5 6 7 8
F %K
Gambar 4.15 Diagram Pareto Ukuran Baju
D. Data Tinggi Badan

Berikut ini merupakan pengolahan data tinggi badan yaitu mengenai
perhitungan data, dan penyajian data.
1. Pengurutan Data Tinggi Badan
Tabel dibawah ini merupakan tabel pengurutan data tinggi badan, dari
data terkecil hingga terbesar.
Tabel 4.31 Pengurutan Data Tinggi Badan
145 152 155 158 160 163 165 168 170 173
145 152 155 158 160 163 165 168 170 173
147 152 155 158 160 163 165 168 170 174
150 152 155 158 161 163 165 168 170 174
150 152 155 158 161 163 165 168 170 174
150 152 155 158 161 163 165 168 171 174
150 152 155 158 161 163 165 168 172 174
150 153 155 159 161 163 165 169 172 175
150 153 155 160 161 163 165 169 172 175
150 153 155 160 162 163 165 169 172 175
150 153 156 160 162 164 166 169 172 175
150 153 156 160 162 164 166 169 172 175
150 153 156 160 162 164 166 170 172 175
150 154 156 160 162 164 166 170 173 175
150 154 156 160 162 165 166 170 173 175
151 154 156 160 162 165 167 170 173 178
151 154 156 160 162 165 167 170 173 180
151 155 157 160 162 165 167 170 173 180
151 155 157 160 162 165 167 170 173 180
152 155 157 160 163 165 168 170 173 185
N = 200
= 185-145
= 40
= 1 + 3,3 log(200)
= 9
= 40/9
= 4,44 = 5
Tabel 4.32 Distribus Frekuensi Tinggi Badan

145 – 149 144,5 – 149,5 3 147 200 1 1.5% 1.5% 5.4
150 – 154 149,5 – 154,5 34 152 197 4 17% 18.5% 61.2
155 – 159 154,5 – 159,5 31 157 163 38 15.5% 34% 55.8
160 – 164 159,5 – 164,5 46 162 132 69 23% 57% 82.8
165 – 169 164,5 – 169,5 38 167 86 115 19% 76% 68.4
170 – 174 169,5 – 174,5 35 172 48 153 17.5% 93.5% 63
175 – 179 174,5 – 179,5 9 177 13 188 4.5% 98% 16.2
180 – 184 179,5 – 184,5 3 182 4 197 1.5% 99.5% 5.4
185 – 189 184,5 – 189,5 1 187 1 200 0.5% 100% 1.8
Ketentuan
100 x frekuensi
Presentase =
banyak data
360 x frekuensi
Derajat =
banyak data
3. Penyajian Data
Data yang digunakan untuk membuat data histogram adalah sebagai berikut.
Kelas Bounderies F
144,5 – 149,5 3
149,5 – 154,5 34
154,5 – 159,5 31
159,5 – 164,5 46
164,5 – 169,5 38
169,5 – 174,5 35
174,5 – 179,5 9
179,5 – 184,5 3
184,5 – 189,5 1
Berikut dibawah ini merupakan diagram histogram data tinggi badan.
Gambar 4.16 Diagram Histogram Tinggi Badan

b. Diagram Polygon
Data yang digunakan untuk membuat data polygon adalah sebagai berikut.
Frekuensi Midpoint
3 147
34 152

Frekuensi Midpoint
31 157
46 162
38 167
35 172
9 177
3 182
1 187
Berikut dibawah ini merupakan diagram polygon data tinggi badan.
POLIGON
50
45
40
35
30
25
20
15
10
5
0
147 152 157 162 167 172 177 182 187
Gambar 4.17 Diagram Polygon Tinggi Badan

c. Diagram Ogive
Data yang digunakan untuk membuat data ogive adalah sebagai berikut.
F Fk≥ Fk≤
3 200 1
34 197 4
31 163 38
46 132 69
38 86 115
35 48 153
9 13 188
3 4 197
1 1 200
Berikut dibawah ini merupakan diagram ogive data tinggi badan.

OGIVE
250
200
150
100
50
0
144,5 - 149,5 - 154,5 - 159,5 - 164,5 - 169,5 - 174,5 - 179,5 - 184,5 -
149,5 154,5 159,5 164,5 169,5 174,5 179,5 184,5 189,5
FK≥ FK≤
Gambar 4.18 Diagram Ogive Tinggi Badan
3 1.5% 5.4
34 17% 61.2
31 15.5% 55.8
46 23% 82.8
38 19% 68.4
35 17.5% 63
9 4.5% 16.2
3 1.5% 5.4
1 0.5% 1.8
Berikut dibawah ini merupakan diagram lingkaran data tinggi badan.
1%
5%2%2%
17%
18%
16%
19%
23%
5.4 61.2 55.8 82.8 68.4 63 16.2 5.4 1.8
Gambar 4.19 Diagram Lingkaran Tinggi Badan
e. Diagram Pareto
4.37 Kelas Interval, Frekuensi, Persentase dan Persentase Komulatif
Kelas Interval F Persentase Persentase komulatif
160 – 164 46 23% 23%
165 – 169 38 19% 42%
170 – 174 35 17.5% 59.5%
150 – 154 34 17% 76.5%
155 – 159 31 15.5% 92%
175 – 179 9 4.5% 96.5%
145 – 149 3 1.5% 98%
180 – 184 3 1.5% 99.5%
185 - 189 1 0.5% 100%
Berikut dibawah ini merupakan diagram pareto data tinggi badan.
PARETO
50 120
45
100
40
35
80
30
25 60
20
40
15
10
20
5
0 0
1 2 3 4 5 6 7 8 9
F %K
Gambar 4.20 Diagram Pareto Tinggi Badan
E. Data Ukuran Sepatu

Berikut ini merupakan pengolahan data ukuran sepatu yaitu mengenai
1. Pengurutan Data Ukuran Sepatu
Tabel dibawah ini merupakan tabel pengurutan data ukuran sepatu,
dari data terkecil hingga terbesar.
Tabel 4.38 Pengurutan Data Ukuran Sepatu

27 38 39 40 40 41 41 42 43 44
36 38 39 40 40 41 41 42 43 44
36 38 39 40 40 41 41 42 43 44
36 38 39 40 40 41 42 42 43 44
36 38 39 40 40 41 42 42 43 44
36 38 39 40 40 41 42 42 43 44
36 38 39 40 40 41 42 42 43 44
37 38 39 40 40 41 42 42 43 44
37 38 39 40 40 41 42 43 43 44
37 38 39 40 40 41 42 43 43 44
37 38 39 40 40 41 42 43 43 44
38 38 39 40 40 41 42 43 43 44
38 38 39 40 40 41 42 43 43 44
38 38 39 40 40 41 42 43 43 44
38 38 39 40 40 41 42 43 43 44
38 38 39 40 40 41 42 43 43 44
38 38 39 40 40 41 42 43 43 44
38 38 39 40 41 41 42 43 44 44
38 38 39 40 41 41 42 43 44 44
38 39 39 40 41 41 42 43 44 45

N = 200
= 45-27
= 18
= 1 + 3,3 log(200)
= 8,59 = 8
= 18/8
= 2,25 = 3
Tabel 4.39 Distribusi Frekuensi Ukuran Sepatu

27 - 29 26,5 - 29,5 1 41.25 200 0 0.5% 0.5% 1.8
30 - 32 29,5 - 32,5 0 45.75 199 1 0% 0.5% 0
33 - 35 32,5 - 35,5 0 50.25 199 1 0% 0.5% 0
36 - 38 35,5 - 38,5 38 54.75 199 1 19% 19.5% 68.4
39 - 41 38,5 - 41,5 84 59.25 161 39 42% 61.5% 151.2
42 - 44 41,5 - 44,5 76 63.75 77 123 38% 99.5% 136.8
43 - 47 44,5 - 47,5 1 68.25 1 199 0.5% 100% 1.8
48 - 50 47,5 - 50,5 0 72.75 0 200 0% 100% 0
Ketentuan
100 x frekuensi
Presentase =
banyak data
360 x frekuensi
Derajat =
banyak data
3. Penyajian Data
Kelas Bounderies F
26,5 - 29,5 1
29,5 - 32,5 0
32,5 - 35,5 0
35,5 - 38,5 38
38,5 - 41,5 84
41,5 - 44,5 76
44,5 - 47,5 1
47,5 - 50,5 0
Berikut dibawah ini merupakan diagram histogram data ukuran sepatu.
Gambar 4.21 Diagram Histogram Ukuuran Sepatu

b. Diagram Polygon
Frekuensi Midpoint
1 41.25
0 45.75
0 50.25
38 54.75
84 59.25
76 63.75
1 68.25
0 72.75
Berikut dibawah ini merupakan diagram polygon data ukuran sepatu.
Gambar 4.22 Diagram Polygon Ukuran Sepatu

c. Diagram Ogive
F Fk≥ Fk≤
1 200 0
0 199 1
0 199 1
38 199 1
84 161 39
76 77 123
1 1 199
0 0 200
Berikut dibawah ini merupakan diagram ogive data ukuran sepatu.
Gambar 4.23 Diagram Ogive Ukuran Sepatu

1 0.5 1.8
0 0 0
0 0 0
38 19 68.4
84 42 151.2
76 38 136.8
1 0.5 1.8
0 0 0
Berikut dibawah ini merupakan diagram lingkaran data ukuran sepatu.
1%
1%
19%
1.8
0
38% 0
68.4
151.2
136.8
1.8
0
42%
Gambar 4.24 Diagram Lingkaran Ukuran Sepatu

e. Diagram Pareto
Tabel 4.44 Kelas Interval, Frekuensi, Presentase, dan Presentase Kumulatif
Kelas Persentase
F Persentase
Interval kumulatif
39 - 41 84 42% 42%
42 - 44 76 38% 80%
36 - 38 38 19% 99%
Tabel Lanjutan 4.44 Kelas Interval, Frekuensi, Presentase & Presentase Kumulatif
Kelas Persentase
F Persentase
Interval kumulatif
27 - 29 1 0.5% 99.5%
43 - 47 1 0.5% 100%
30 - 32 0 0% 100%
33 - 35 0 0% 100%
48 - 50 0 0% 100%
Berikut dibawah ini merupakan diagram pareto data ukuran sepatu.
PARETO
90 120
80
100
70
60 80
50
60
40
30 40
20
20
10
0 0
1 2 3 4 5 6 7 8
F %K
Gambar 4.25 Diagram Pareto Ukuran Sepatu
F. Data Uang Jajan

Berikut ini merupakan pengolahan data uang jajan yaitu mengenai
1. Pengurutan Data Uang Jajan
Tabel dibawah ini merupakan tabel pengurutan data uang jajan, dari
Tabel 4.45 Pengurutan Data Uang jajan
1500 2000 3000
5000 10000 15000 20000 25000 50000 60000
0 0 0
1500 2000 3000
5000 10000 15000 20000 25000 50000 60000
0 0 0
1500 2000 3000
5000 10000 15000 20000 25000 50000 60000
0 0 0
1500 2000 3000
5000 10000 15000 20000 25000 50000 60000
0 0 0
1000 1500 2000 3500
10000 15000 20000 25000 50000 60000
0 0 0 0
1000 1500 2000 3500
10000 15000 20000 25000 50000 60000
0 0 0 0
Tabel lanjutan 4.45 Pengurutan Data Uang Jajan
1000 1500 2000 4000
10000 15000 20000 25000 50000 60000
0 0 0 0
1000 1500 2000 4000
10000 15000 20000 25000 50000 60000
0 0 0 0
1000 1500 2000 4000
10000 20000 20000 30000 52000 60000
0 0 0 0
1000 1500 2000 4000
10000 20000 20000 30000 52000 60000
0 0 0 0
1000 1500 2000 5000
12000 20000 20000 30000 52000 60000
0 0 0 0
1000 1500 2000 5000
12000 20000 20000 30000 52000 60000
0 0 0 0
1000 1500 2000 5000
13000 20000 20000 30000 52000 60000
0 0 0 0
1000 1500 2000 5000
13000 20000 20000 30000 52000 70000
0 0 0 0
1000 1500 2000 5000
15000 20000 20000 30000 54000 70000
0 0 0 0
1000 1500 2000 5000
15000 20000 20000 30000 54000 70000
0 0 0 0
1000 1500 2000 5000
15000 20000 20000 30000 54000 100000
0 0 0 0
1000 1500 2000 5000
15000 20000 20000 30000 55000 100000
0 0 0 0
1000 1500 2000 5000
15000 20000 20000 30000 55000 100000
0 0 0 0
1500 2000 5000
5000 15000 20000 25000 30000 55000 100000
0 0 0

N = 200
= 100-5
= 95
= 1 + 3,3 log(200)
= 8,59 = 8
= 95/9
= 10,56 = 11
Tabel 4.46 Distribusi Frekuensi Uang Jajan

Kelas Kelas FK FK Persentase
F MidPoint Persentase Derajat
Interval Bounderies ≥ ≤ Kumulatif
5000 – 4999,5 -
67 10277.5 200 0 33.5 33.5 120.6
15555 15555,5
15556 – 15555,5 -
60 20834 133 67 30 63.5 108
26112 26112,5
26113 – 26112,5 -
18 31390 73 127 9 72.5 32.4
36667 36667,5
36668 – 36667,5 -
4 41945.5 55 145 2 74.5 7.2
47223 47223,5
47224 – 47224,5 -
30 52501.5 51 149 15 89.5 54
57779 57779,5
57780 – 57779,5 -
17 63057.5 21 179 8.5 98 30.6
68335 68335,5
68336 – 68335,5 -
0 73613.5 4 196 0 98 0
78891 78891,5
78892 – 78891,5 -
0 84169.5 4 196 0 98 0
89447 89447,5
89448 - 89447,5 -
4 94725.5 4 200 2 100 7.2
100003 100003,5
Ketentuan
100 x frekuensi
Presentase =
banyak data
360 x frekuensi
Derajat =
banyak data
3. Penyajian Data
4.47 Kelas Bounderies dan Frekuensi
Kelas Bounderies F
4999,5 - 15555,5 67
15555,5 - 26112,5 60
26112,5 - 36667,5 18
36667,5 - 47223,5 4
47224,5 - 57779,5 30
57779,5 - 68335,5 17
68335,5 - 78891,5 0
78891,5 - 89447,5 0
89447,5 - 100003,5 4
Berikut dibawah ini merupakan diagram histogram data uang jajan.
HISTOGRAM
80
70
60
50
40
30
20
10
0
4999,5 - 15555,5 - 26112,5 - 36667,5 - 47224,5 - 57779,5 - 68335,5 - 78891,5 - 89447,5 -
15555,5 26112,5 36667,5 47223,5 57779,5 68335,5 78891,5 89447,5 100003,5
Gambar 4.26 Diagram Histogram U Jajan

b. Diagram Polygon
Frekuensi Midpoint
67 10277.5
60 20834
18 31390

Frekuensi Midpoint
4 41945.5
30 52501.5
17 63057.5
0 73613.5
0 84169.5
4 94725.5
Berikut dibawah ini merupakan diagram polygon data uang jajan.
POLIGON
80
70
60
50
40
30
20
10
0
10277.5 20834 31390 41945.5 52501.5 63057.5 73613.5 84169.5 94725.5
Gambar 4.27 Diagram Polygon U Jajan

c. Diagram Ogive
F Fk≥ Fk≤
67 200 0
60 133 67
18 73 127
4 55 145
30 51 149
17 21 179
0 4 196
0 4 196
4 4 200
Berikut dibawah ini merupakan diagram ogive data uang jajan.

OGIVE
250
200
150
100
50
0
4999,5 - 15555,5 - 26112,5 - 36667,5 - 47224,5 - 57779,5 - 68335,5 - 78891,5 - 89447,5 -
15555,5 26112,5 36667,5 47223,5 57779,5 68335,5 78891,5 89447,5 100003,5
FK≥ FK≤
Gambar 4.28 Diagram Ogive U Jajan

67 33.5 120.6
60 30 108
18 9 32.4
4 2 7.2
30 15 54
17 8.5 30.6
0 0 0
0 0 0
4 2 7.2
Berikut dibawah ini merupakan diagram lingkaran data uang jajan.
9% 2%
120.6
108
15% 34%
32.4
7.2
54
2%
30.6
9% 0
0
7.2
30%
Gambar 4.29 Diagram Lingkaran U Jajan
e. Diagram Pareto
Kelas Interval f Persentase Persentase kumulatif

5000 - 15555 67 33.5 33.5
15556 - 26112 60 30 63.5
47224 - 57779 30 15 78.5
26113 - 36667 18 9 87.5
57780 - 68335 17 8.5 96
36668 - 47223 4 2 98
89448 - 100003 4 2 100
68336 – 78891 0 0 100
78892 – 89447 0 0 100
Berikut dibawah ini merupakan diagram pareto data uang jajan.
PARETO
80 120
70
100
60
80
50
40 60
30
40
20
20
10
0 0
1 2 3 4 5 6 7 8 9
F %k
Gambar 4.30 Diagram Pareto U Jajan
4.2.2 Modul II (Ukuran Tendensi Sentral dan Simpangan Baku)

Berikut adalah pengolahan data praktikum statistika industri modul II
mengenai ukuran tendensi sentral dan simpangan baku.
A. Pengolahan Data Usia
Berikut ini merupakan pengolahan data usia yaitu mengenai
1. Pengurutan Data
Tabel dibawah ini merupakan tabel pengurutan data usia dari data
terkecil hingga terbesar.
Tabel 4.52 Pengurutan Data Usia
15 18 19 19 20 20 20 21 22 22
17 18 19 19 20 20 20 21 22 23
18 18 19 19 20 20 20 21 22 23
18 18 19 19 20 20 20 21 22 23
18 18 19 19 20 20 20 21 22 23
18 18 19 19 20 20 21 21 22 23
18 18 19 19 20 20 21 21 22 23
18 18 19 19 20 20 21 21 22 23
18 18 19 19 20 20 21 21 22 23
18 18 19 19 20 20 21 21 22 23
18 18 19 19 20 20 21 21 22 23
18 18 19 19 20 20 21 21 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 23
18 19 19 19 20 20 21 22 22 25
2. Pengolahan Data Tunggal

Setelah data diurutkan dari terkecil hingga terbesar kemudian
membuat formulasi perhitungan untuk mencari mean, median, dan modus.
a. Mean
Rumus mean dalam data tunggal adalah:
𝑥1+𝑥2+ 𝑥3+⋯+𝑥𝑛
𝑥̅ = 𝑛
Keterangan :
𝑥̅ = Mean
𝑥𝑛 = Data ke-n
𝑛 = Banyak data
(𝑠𝑢𝑚𝑏𝑒𝑟: 𝑆𝑢𝑑𝑗𝑎𝑛𝑎)
15+17+18+18+18+18+18+18+18+18+18+18+18+18+18+18+18+18+18+18+18+
18+18+18+18+18+18+18+18+18+18+18+19+19+19+19+19+19+19+19+19+19+
19+19+19+19+19+19+19+19+19+19+19+19+19+19+19+19+19+19+19+19+19+
19+19+19+19+19+19+19+19+19+19+19+19+19+19+19+19+19+20+20+20+20+
20+20+20+20+20+20+20+20+20+20+20+20+20+20+20+20+20+20+20+20+20+
20+20+20+20+20+20+20+20+20+20+20+20+20+20+20+20+20+20+20+20+21+
21+21+21+21+21+21+21+21+21+21+21+21+21+21+21+21+21+21+21+21+21+
21+21+21+21+21+22+22+22+22+22+22+22+22+22+22+22+22+22+22+22+22+
22+22+22+22+22+22+22+22+22+22+22+22+22+23+23+23+23+23+23+23+23+
23+23+23+23+23+23+23+23+23+23+25
x́=¿ ¿
200
4028
x́= =20,14
200
b. Median
Rumus median dalam data tunggal adalah sebagai berikut.
n 200
Me= = =100
2 2
Maka terletak pada ke 100 dengan nilai 20.
c. Modus
Berikut merupakan tabel Modus yaitu adalah nilai yang sering muncul.
Tabel 4.53 Modus Data Usia
No. Data 𝒇𝒊 Turus
1 15 1 I
2 17 1 I
3 18 30 IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII
4 19 48 IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII
Tabel Lanjutan 4.53 Modus Data Usia

5 20 45 IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII
6 21 27 IIIIIIIIIIIIIIIIIIIIIIIIIIIIII
7 22 29 IIIIIIIIIIIIIIIIIIIIIIIIIIIIIII
8 23 18 IIIIIIIIIIIIIIIIIII
9 25 1 I
d. Analisis
Berikut ini merupakan rekapitulasi perhitungan data tunggal.
Mean = 20,14
Median = 20
Modus = 19
Berikut adalah kurva yang menunjukkan hubungan mean, median dan
modus tersebut.
Gambar 4.31 Kurva Usia Data Tunggal
3. Pengolahan Data Kelompok

Berikut merupakan perhitungan dari data kelompok untuk mencari
mean, median, dan modus.
a. Mean
Rumus mean dalam data kelompok adalah sebagai berikut.
n fi . xi
∑ i=1
x́=
n
Keterangan :
𝑥̅ = Mean
𝑓𝑖 = Fekuensi ke-i
𝑥𝑖 = Midpoint
Berikut adalah perhitungannya.
Tabel 4.54 Mean Data Kelompok
Kelas Interval Kelas Bounderies F Xi f.Xi

15 – 16 14,5 - 16,5 1 15,5 15,5
17 – 18 16,5 - 18,5 31 17,5 542,5
19 – 20 18,5 - 20,5 93 19,5 1813,5
21 – 22 20,5 - 22,5 56 21,5 1204
23 – 24 22,5 - 24,5 18 23,5 423
25 – 26 24,5 - 26,5 1 25,5 25,5
27 – 28 26,5 - 28,5 0 27,5 0
29 – 30 28,5 - 30,5 0 29,5 0
31 – 32 30,5 - 32,5 0 31,5 0
JUMLAH 200 4024
Berikut adalah rata-rata yang di peroleh dari perhitungan ditribusi
frekuensi di atas berdasarkan data berkelompok.
∑𝑖=𝑛 1 𝑓𝑖.
𝑥̅ = 𝑥𝑖
𝑛
x̅ = 4024=
200
20,12
b. Median
Rumus median dalam data kelompok adalah.
Keterangan:
Me = Median
P = Panjang kelas interval
b = Batas bawah kelas median
f = Frekuensi kelas median
F = Jumlah Frekuensi sebelum kelas median
𝑛 = Banyak data
Berikut ini merupakan perhitungannya.
Tabel 4.55 Median Data Kelompok
KELAS KELAS
F FK≤
INTERVAL BOUNDERIES
15 - 16 14,5 - 16,5 1 0
17 - 18 16,5 - 18,5 31 1
19 - 20 18,5 - 20,5 93 32
21 - 22 20,5 - 22,5 56 125
23 - 24 22,5 - 24,5 18 181
25 - 26 24,5 - 26,5 1 199
27 – 28 26,5 - 28,5 0 200
29 – 30 28,5 - 30,5 0 200
31 – 32 30,5 - 32,5 0 200
1
Letak Kelas Median = xn
2
1
Letak Kelas Median = x 200=100
2
1
Me=b+ p
2
( )
n−F
f
1
Me=18,5+2
2
( )
200−32
93
Me=18,5+2 ( 0,73 )
Me=18,5+1,46
Me=19,96
c. Modus
Rumus Modus dalam data kelompok adalah sebagai berikut.
Keterangan:
Mo = Modus
b = Batas bawah kelas median
P = Panjang kelas interval
𝑏1= Perbandingan frekuensi kelas modus dgn frekuensi kelas sebelumnya
𝑏2 = Perbandingan frekuensi kelas modus dgn frekuensi kelas setelahnya
Berikut merupakan perhitungannya.
Tabel 4.56 Modus Data Kelompok
KELAS KELAS
INTERVAL BOUNDERIES F
15 – 16 14,5 - 16,5 1
17 – 18 16,5 - 18,5 31
19 - 20 18,5 - 20,5 93
21 - 22 20,5 - 22,5 56
23 - 24 22,5 - 24,5 18
25 - 26 24,5 - 26,5 1
27 - 28 26,5 - 28,5 0
29 - 30 28,5 - 30,5 0
31 - 32 30,5 - 32,5 0
b1
Formulasi perhitungan modus data kelompok 𝑀𝑜 = 𝑏 + 𝑝 ( b 1+b 2)
Mo=b+ p( b 1+b 1b2 )

62
Mo=18,5+2 (
62+37 )
62
Mo=18,5+2 ( )
99
= 18,5 + 2 (0,63)
= 18,5 + 1,26
= 19,76
d. Analisis
Berikut ini merupakan rekapitulasi perhitungan data kelompok.
Mean = 24,10
Median = 19,96
Modus = 19,76
modus tersebut.
Gambar 4.32 Kurva Usia Data Kelompok
B. Pengolahan Data Ukuran Baju
Berikut ini merupakan pengolahan data ukuran baju yaitu mengenai
1. Pengurutan Data
Tabel dibawah ini merupakan tabel pengurutan data ukuran baju dari
Tabel 4.57 Pengurutan Data Ukuran Baju
90 100 100 100 100 110 110 110 120 120
90 100 100 100 100 110 110 110 120 120
90 100 100 100 100 110 110 110 120 120
90 100 100 100 100 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
90 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
Tabel Lanjutan 4.57 Pengurutan Data Ukuran Baju
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 110 120 120
100 100 100 100 110 110 110 120 120 120

a. Mean
Rumus mean dalam data tunggal adalah.
Keterangan :
𝑥̅ = Mean
𝑥𝑛 = Data ke-n
𝑛 = Banyak data
90 + 90 + 90 + 90 + 90 + 90 + 90 + 90 + 90 + 90 + 90 + 100 + 100 + 100 + 100
+ 100 +100 + 100 + 100 + 100 + 100 + 100 + 100 + 100 + 100 + 100 + 100 +
100 + 100 + 100 +100 + 100 + 100 + 100 + 100 + 100 + 100 + 100 + 100 + 100
+ 100 + 100 + 100 + 100 +100 + 100 + 100 + 100 + 100 + 100 + 100 + 100 +
100 + 100 + 100 + 100 + 100 + 100 +100 + 100 + 100 + 100 + 100 + 100 + 100
+ 100 + 100 + 100 + 100 + 100 + 100 + 100 +100 + 100 + 100 + 100 + 100 +
100 + 100 + 100 + 100 + 100 + 100 + 100 + 100 + 100 +100 + 100 + 100 + 100
+ 100 + 100 + 100 + 110 + 110 + 110 + 110 + 110 + 110 + 110+110 + 110 + 110
+ 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 +110 +
110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110
+110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 +
110 + 110 +110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110
+ 110 + 110 + 110 +110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 + 110 +
110 + 110 + 110 + 120 + 120 +120 + 120 + 120 + 120 + 120 + 120 + 120 + 120
+ 120 + 120 + 120 + 120 + 120 + 120 +120 + 120 + 120 + 120 + 120 + 120 +
120 + 120 + 120 + 120 + 120 + 120 + 120 + 120 +120 + 120 + 120 + 120 + 120
+ 120 + 120 + 120 + 120 + 120 + 120
¿¿ +
= 21460
21460
x́= = 107,3
200
b. Median
n 200
Me= = =100
2 2
c. Modus
Tabel 4.58 Modus Data Ukuran Baju
No. Data Turus

𝒇𝒊
1 90 11 IIIII IIIII I
IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII
2 100 73
IIIII III
IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII
3 110 75 IIIII IIIII
4 120 41 IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII I
d. Analisis
Rekapitulasi perhitungan data tunggal adalah sebagai berikut.
Mean = 107,3
Median = 110
Modus = 110
modus tersebut.
Gambar 4.33 Kurva Ukuran Baju Data Tunggal
Kurva tersebut lebih condong ke kanan karena nilai modus lebih
tinggi dari nilai median.
a. Mean
Berikut dibawah ini merupakan perhitungannya.
KELAS KELAS
F Xi f.Xi
INTERVAL BOUNDERIES
90 – 93 89,5 – 93,5 11 91,5 1006,5
94 – 97 93,5 – 97,5 0 95,5 0
98 – 101 97,5 – 101,5 73 99,5 7263,.5
102 – 105 101,5 – 105,5 0 103,5 0
106 – 109 105,5 – 109,5 0 107,5 0
110 – 113 109,5 – 113,5 75 111,5 8362,5
114 – 117 113,5 – 117,5 0 115,5 0
118 – 121 117,5 – 121,5 41 119,5 4899,5
JUMLAH 200 21532
b. Median
KELAS KELAS
F FK≤
INTERVAL BOUNDERIES
90 – 93 89,5 – 93,5 11 11
94 – 97 93,5 – 97,5 0 11
98 – 101 97,5 – 101,5 73 84
102 – 105 101,5 – 105,5 0 84
106 – 109 105,5 – 109,5 0 84
110 – 113 109,5 – 113,5 75 139
114 – 117 113,5 – 117,5 0 159
118 – 121 117,5 – 121,5 41 200
Berikut dibawah ini adalah hasil rekapitulasi perhitungan rumus
median data kelompok.
c. Modus
KELAS INTERVAL KELAS BOUNDERIES F

90 – 93 89,5 – 93,5 11
Tabel Lanjutan 4.61 Modus Data Kelompok
94 – 97 93,5 – 97,5 0
98 – 101 97,5 – 101,5 73
102 – 105 101,5 – 105,5 0
106 – 109 105,5 – 109,5 0
110 – 113 109,5 – 113,5 75
114 – 117 113,5 – 117,5 0
118 – 121 117,5 – 121,5 41
Formulasi perhitungan modus data kelompok Mo=b+ p ( b 1+b 1b2 )

Mo=b+ p( b 1+b 1b2 )
75
Mo=109,5+ 4 (
75+75 )
75
Mo=109,5+ 4 (
150 )
Mo=109,5+ 4 ( 0,5 )
Mo=109,5+2
Mo=111,5
d. Analisis
Rekapitulasi perhitungan data kelompok
Mean = 107, 66
Median = 110,34
Modus = 111,5
modus.
Gambar 4.34 Kurva Ukuran Baju Data Kelompok

tinggi dari nilai mean.
C. Pengolahan Data Berat Badan
Berikut ini merupakan pengolahan data berat badan yaitu mengenai
1. Pengurutan Data
Tabel dibawah ini merupakan tabel pengurutan data berat badan dari
Tabel 4.62 Pengurutan Data Berat Badan
30 45 49 50 52 55 57 60 62 67
38 45 49 50 53 55 57 60 63 67
39 45 49 50 53 56 57 60 63 67
39 45 49 50 53 56 57 60 63 68
39 46 50 50 53 56 57 60 63 68
39 46 50 50 53 56 58 60 64 68
40 46 50 50 53 56 58 60 64 68
40 46 50 50 53 56 58 60 64 68
40 46 50 51 53 56 58 60 65 69
40 47 50 51 53 56 58 60 65 69
40 47 50 51 54 56 58 60 65 69
40 47 50 51 54 56 58 60 65 70
42 48 50 51 54 56 58 60 65 70
42 48 50 51 54 57 58 61 65 70
42 48 50 52 55 57 59 61 66 70
43 48 50 52 55 57 59 61 66 70
44 49 50 52 55 57 59 61 66 73
44 49 50 52 55 57 60 62 66 75
45 49 50 52 55 57 60 62 67 76
45 49 50 52 55 57 60 62 67 78

a. Berat Badan 200 Data
Berikut ini merupakan pengolahan data tunggal berat badan 200 data.
1) Mean
Rumus mean dalam data tunggal yaitu sebagai berikut.
30 + 38 + 39 + 39 +39 + 39 + 40 + 40 + 40 + 40 + 40 + 40 + 42 + 42 + 42 +
43 + 44 + 44 +45 + 45 + 45 + 45 + 45 + 45 + 46 + 46 + 46 + 46 + 46 + 47 +
47 + 47 + 48 + 48 + 48 + 48 +49 + 49 + 49 + 49 + 49 + 49 + 49 + 49 + 50 +
50 + 50 + 50 + 50 + 50 + 50 + 50 + 50 + 50+ 50 + 50 + 50 + 50 + 50 + 50 +
50 + 50 + 50 + 50 + 50 + 50 + 50 + 50 + 51 + 51 + 51 +51 + 51 + 51 + 52 +
52 + 52 + 52 + 52 + 52 + 52 + 53 + 53 + 53 + 53 + 53 + 53 + 53 + 53+ 53 +
54 + 54 + 54 + 54 + 55 + 55 + 55 + 55 + 55 + 55 + 55 + 55 + 56 + 56 + 56
+ 56 +56 + 56 + 56 + 56 + 56 + 56 + 56 + 57 + 57 + 57 + 57 + 57 + 57 + 57
+ 57 + 57 + 57 + 57+ 57 + 58 + 58 + 58 + 58 + 58 + 58 + 58 + 58 + 58 + 59
+ 59 + 59 + 60 + 60 + 60 + 60 +60 + 60 + 60 + 60 + 60 + 60 + 60 + 60 + 60
+ 60 + 60 + 60 + 61 + 61 + 61 + 61 + 62 + 62+ 62 + 62 + 63 + 63 + 63 + 63
+ 64 + 64 + 64 + 65 + 65 + 65 + 65 + 65 + 65 + 66 + 66 +66 + 66 + 67 + 67
+ 67 + 67 + 67 + 68 + 68 + 68 + 68 + 68 + 69 + 69 + 69 + 70 + 70 + 70+ 70
+ 70 + 73 + 75 + 76 + 78
x́=¿ ¿
200
11032
x́= =55,16
200
2) Median
3) Modus
Tabel 4.63 Modus Data Tunggal Berat Badan 200

1 30 1 I
2 38 1 I
3 39 4 IIII
4 40 6 IIIII I
5 42 3 III
6 43 1 I
7 44 2 II
8 45 6 IIIII I
9 46 5 IIIII
10 47 3 III
11 48 4 IIII
12 49 8 IIIII III
13 50 24 IIIII IIIII IIIII IIIII IIII
14 51 6 IIIII I
15 52 7 IIIII II
16 53 9 IIIII IIII
17 54 4 IIII
18 55 8 IIIII III
20 57 12 IIIII IIIII II
21 58 9 IIIII IIII
22 59 3 III
23 60 16 IIIII IIIII IIIII I
24 61 4 IIII
25 62 4 IIII
26 63 4 IIII
Tabel Lanjutan 4.63 Modus Data Tunggal Berat Badan 200

27 64 3 III
28 65 6 IIIII I
29 66 4 IIII
30 67 5 IIIII
31 68 5 IIIII
32 69 3 III
33 70 5 IIIII
34 73 1 I
35 75 1 I
36 76 1 I
37 78 1 I
4) Analisis
Berikut ini merupakan rekapitulasi perhitungan data tunggal .
Mean = 55,16
Median = 55
Modus = 50
modus tersebut.
Gambar 4.35 Kurva Data Tunggal Berat Badan 200

Kurva tersebut lebih condong ke kiri karena nilai mean lebih
tinggi dari nilai modus.
b. Berat Badan 150 Data
membuat formulasi perhitungan untuk mencari mean, median, modus.
1) Mean
Rumus mean dalam data tunggal adalah sebagai berikut.
30 + 38 + 39 + 39 +39 + 39 + 40 + 40 + 40 + 40 + 40 + 40 + 42 + 42 + 42 +
43 + 44 + 44 + 45+ 45 + 45 + 45 + 46 + 46 + 46 + 47 + 47 + 48 + 48 + 48 +
48 + 49 + 49 + 49 + 49 + 49 + 49 +49 + 50 + 50 + 50 + 50 + 50 + 50 + 50 +
50 + 50 + 50 + 50 + 50 + 50 + 50 + 50 + 50 + 50+ 50 + 50 + 50 + 50 + 50 +
50 + 51 + 51 + 51 + 51 + 52 + 52 + 52 + 52 + 52 + 53 + 53 +53 + 53 + 54 +
54 + 54 + 55 + 55 + 55 + 55 + 55 + 56 + 56 + 56 + 56 + 56 + 56 + 56 + 56+
56 + 57 + 57 + 57 + 57 + 57 + 57 + 57 + 57 + 57 + 58 + 58 + 58 + 58 + 58
+ 58 + 58 +58 + 59 + 59 + 60 + 60 + 60 + 60 + 60 + 60 + 60 + 60 + 60 + 60
+ 60 + 60 + 60 + 60 + 61+ 61 + 62 + 62 + 63 + 63 + 63 + 64 + 64 + 65 + 65
+ 65 + 65 + 66 + 66 + 67 + 67 + 67 +68 + 68 + 70 + 70 + 73 + 75 + 76 + 78
x́=¿ ¿
150
8104
x́= =54,03
150
2) Median
3) Modus

1 30 1 I
2 38 1 I

3 39 4 IIII
4 40 6 IIIII I
5 42 3 III
6 43 1 I
7 44 2 II
8 45 4 IIII
9 46 3 III
10 47 2 II
11 48 4 IIII
12 49 7 IIIII II
13 50 23 IIIII IIIII IIIII IIIII III
14 51 4 IIII
15 52 5 IIIII
16 53 4 IIII
17 54 3 III
18 55 5 IIIII
19 56 9 IIIII IIII
20 57 9 IIIII IIII
21 58 8 IIIII III
22 59 2 II
23 60 14 IIIII IIIII IIII
24 61 2 II
25 62 2 II
26 63 3 III
27 64 2 II
28 65 4 IIII
29 66 2 II
30 67 3 III

31 68 2 II
32 70 2 II
33 73 1 I
34 75 1 I
35 76 1 I
36 78 1 I
Jadi nilai modusnya adalah 50.

4) Analisis
Rekapitulasi perhitungan data tunggal.
Mean = 54,03
Median = 54
Modus = 50
Berikut adalah kurva yang menunjukkan hubungan mean, median
dan modus tersebut.

Kurva tersebut lebih condong ke kiri karena nilai mean lebih
tinggi dari nilai modus.
c. Berat Badan 75 Data
membuat formulasi perhitungan untuk mencari mean, median, dan
modus.
1) Mean
Rumus mean dalam data tunggal adalah sebagai berikut.
30 + 38 + 39 + 39 + 39 + 40 + 40 + 40 + 42 + 42 + 42 + 43 + 44 + 44 + 46
+ 47 + 48 + 48+ 48 + 49 + 49 + 49 + 49 + 50 + 50 + 50 + 50 + 50 + 50 + 50
+ 50 + 50 + 50 + 50 + 50 +50 + 50 + 50 + 51 + 52 + 52 + 53 + 54 + 55 + 55
+ 55 + 55 + 56 + 56 + 56 + 56 + 56 + 56+ 57 + 57 + 57 + 57 + 57 + 58 + 58
+ 60 + 60 + 60 + 60 + 60 + 60 + 60 + 65 + 65 + 65 +67 + 70 + 73 + 76 + 78
x́=¿ ¿
75
3943
x́= =52,57
75
2) Median
3) Modus

1 30 1 I
2 38 1 I
3 39 3 III
4 40 3 III
5 42 3 III
6 43 1 I
7 44 2 II
8 46 1 I

9 47 1 I
10 48 3 III
11 49 4 IIII
12 50 15 IIIII IIIII IIIII

13 51 1 I
14 52 2 II
15 53 1 I
16 54 1 I
17 55 4 IIII
18 56 6 IIIII I
19 57 5 IIIII
20 58 2 II
21 60 7 IIIII II
22 65 3 III
23 67 1 I
24 70 1 I
25 73 1 I
26 76 1 I
27 78 1 I
Jadi, nilai modusnya adalah 50.

4) Analisis
Rekapitulasi perhitungan data tunggal
Mean = 52,57
Median = 49
Modus = 50
dan modus tersebut.
Kurva tersebut lebih condong ke kiri karena nilai mean lebih tinggi
daripada modus.
a. Berat Badan 200 Data
Berikut ini merupakan pengolahan data kelompok berat badan 200 data.
1) Mean
Tabel 4.66 Mean Berat Badan 200
KELAS KELAS MID
F
INTERVAL BOUNDERIES POINT FI*XI
30 – 35 29,5 - 35,5 1 32,5 32,5
36 – 41 35,5 - 41,5 11 38,5 423,5
42 – 47 41,5 - 47,5 20 44,5 890
48 – 53 47,5 - 53,5 58 50,5 2929
54 – 59 53,5 - 59,5 47 56,5 2655,5
60 – 65 59,5 - 65,5 37 62,5 2312,5
66 – 71 65,5 - 71,5 22 68,5 1507
72 – 77 71,5 - 77,5 3 74,5 223,5
78 – 83 78,5 - 83,5 1 80,5 80,5
JUMLAH 200 11054
Berikut adalah rata-rata yang diperoleh dari perhitungan distribusi
frekuensi di atas berdasarkan data kelompok.
2) Median
Tabel 4.67 Median Berat Badan 200
KELAS INTERVAL KELAS BOUNDERIES F FK

30 – 35 29,5 - 35,5 1 1
36 – 41 35,5 - 41,5 11 12
42 – 47 41,5 - 47,5 20 32
48 – 53 47,5 - 53,5 58 90
54 – 59 53,5 - 59,5 47 137
60 – 65 59,5 - 65,5 37 174
66 – 71 65,5 - 71,5 22 196
72 – 77 71,5 - 77,5 3 199
78 – 83 78,5 - 83,5 1 200
𝐿𝑒𝑡𝑎𝑘 𝑘𝑒𝑙𝑎𝑠 𝑚𝑒𝑑𝑖𝑎𝑛 = ×𝑛
1
𝐿𝑒𝑡𝑎𝑘 𝑘𝑒𝑙𝑎𝑠 𝑚𝑒𝑑𝑖𝑎𝑛 = 𝑥 200 = 100
2
3) Modus
Tabel 4.68 data Berat Badan 200 Modus

30 – 35 29,5 - 35,5
1
36 – 41 35,5 - 41,5
11
42 – 47 41,5 - 47,5
20
48 – 53 47,5 - 53,5
58
54 – 59 53,5 - 59,5
47
60 – 65 59,5 - 65,5
37
66 – 71 65,5 - 71,5
22
72 – 77 71,5 - 77,5
3
78 – 83 78,5 - 83,5
1
4) Analisis
Mean = 55,27
Median = 54,76
Modus = 52,18
dan modus tersebut.
Gambar 4.38 Kurva Data Kelompok Berat Badan 200

dari nilai modus.
b. Berat Badan 150 Data
Berikut adalah pengolahan data berat badan 150.
1) Mean
Tabel 4.69 Mean Data Kelompok 150
KELAS KELAS MID
INTERVAL BOUNDERIES F POINT FI*XI
30 – 35 29,5 - 35,5 1 32,5 32,5
36 – 41 35,5 - 41,5 11 38,5 423,5
42 – 47 41,5 - 47,5 15 44,5 890
48 – 53 47,5 - 53,5 47 50,5 2929
54 – 59 53,5 - 59,5 36 56,5 2655,5
60 – 65 59,5 - 65,5 27 62,5 2312,5
66 – 71 65,5 - 71,5 9 68,5 1507
72 – 77 71,5 - 77,5 3 74,5 223,5
78 – 83 78,5 - 83,5 1 80,5 119,25
JUMLAH 150 11983,5
Berikut adalah rata-rata yang diperoleh dari perhitungan distribusi
frekuensi di atas berdasarkan data kelompok.
2) Median
Tabel 4.70 Median Data Kelompok 150
KELAS KELAS
F FK
INTERVAL BOUNDERIES
30 – 35 29,5 - 35,5 1 1
36 – 41 35,5 - 41,5 11 12
42 – 47 41,5 - 47,5 15 27
48 – 53 47,5 - 53,5 47 74
54 – 59 53,5 - 59,5 36 110
60 – 65 59,5 - 65,5 27 137
66 – 71 65,5 - 71,5 9 146
72 – 77 71,5 - 77,5 3 149
78 – 83 78,5 - 83,5 1 150
1
2
3) Modus
Tabel 4.71 Modus Data Kelompok 150
KELAS KELAS
F
INTERVAL BOUNDERIES
30 – 35 29,5 - 35,5 1
36 – 41 35,5 - 41,5 11
42 – 47 41,5 - 47,5 15
Tabel Lanjutan 4.71 Modus Data Kelompok 150

KELAS KELAS
F
INTERVAL BOUNDERIES
48 – 53 47,5 - 53,5 47
54 – 59 53,5 - 59,5 36
60 – 65 59,5 - 65,5 27
66 – 71 65,5 - 71,5 9
72 – 77 71,5 - 77,5 3
78 – 83 78,5 - 83,5 1
4) Analisis
Mean = 79,89
Median = 53,68
Modus = 51,94
modus tersebut.

dari modus.
c. Berat Badan 75 Data
Berikut adalah pengolahan data berat badan 75.
1) Mean
Tabel 4.72 Mean Data Kelompok 75
KELAS INTERVAL BOUNDERIES F Xi Fi*Xi
30 36 29,5 36,5 1 47,75 47,75

37 43 36,5 43,5 11 58,25 640,75
44 50 43,5 50,5 26 68,75 1787,5
51 57 50,5 57,5 20 79,25 1585
58 64 57,5 64,5 9 89,75 807,75
65 71 64,5 71,5 5 100,25 501,25
72 78 71,5 78,5 3 110,75 332,25
JUMLAH 75 5702,25
Berikut adalah rata-rata dari perhitungan distribusi frekuensi data kelompok.
2) Median
Tabel 4.73 Median Data Kelompok 75
KELAS INTERVAL BOUNDERIES F FK
30 36 29,5 36,5 1 1
37 43 36,5 43,5 11 12
44 50 43,5 50,5 26 38
51 57 50,5 57,5 20 58
58 64 57,5 64,5 9 67
65 71 64,5 71,5 5 72
72 78 71,5 78,5 3 75
3) Modus
Tabel 4.74 Modus Data Kelompok 75
KELAS INTERVAL BOUNDERIES F
30 36 29,5 36,5 1
37 43 36,5 43,5 11
44 50 43,5 50,5 26
51 57 50,5 57,5 20
58 64 57,5 64,5 9
65 71 64,5 71,5 5
72 78 71,5 78,5 3
JUMLAH 75
4) Analisis
Mean = 76,03
Median = 50,36
Modus = 48,47
modus tersebut.

dari nilai modus.
D. Pengolahan Data Ukuran Sepatu
Berikut ini merupakan pengolahan data ukuran sepatu yaitu mengenai
1. Pengurutan Data Ukuran Sepatu
Tabel dibawah ini merupakan tabel pengurutan data ukuran sepatu
dari data terkecil hingga terbesar.
Tabel 4.75 Pengurutan Data Ukuran Sepatu
27 38 39 40 40 41 41 42 43 44
36 38 39 40 40 41 41 42 43 44
36 38 39 40 40 41 41 42 43 44
36 38 39 40 40 41 42 42 43 44
36 38 39 40 40 41 42 42 43 44
36 38 39 40 40 41 42 42 43 44
36 38 39 40 40 41 42 42 43 44
37 38 39 40 40 41 42 42 43 44
37 38 39 40 40 41 42 43 43 44
Tabel Lanjutan 4.75 Pengurutan Data Ukuran Sepatu
37 38 39 40 40 41 42 43 43 44
37 38 39 40 40 41 42 43 43 44
38 38 39 40 40 41 42 43 43 44
38 38 39 40 40 41 42 43 43 44
38 38 39 40 40 41 42 43 43 44
38 38 39 40 40 41 42 43 43 44
38 38 39 40 40 41 42 43 43 44
38 38 39 40 40 41 42 43 43 44
38 38 39 40 41 41 42 43 44 44
38 38 39 40 41 41 42 43 44 44
38 39 39 40 41 41 42 43 44 45

a. Mean
Berikut dibawah ini merupakan perhitungan dari mean.
27 + 36 + 36 + 36 + 36 + 36 + 36 + 37 + 37 + 37 + 37 + 38 + 38 + 38 + 38
+ 38 + 38 + 38+ 38 + 38 + 38 + 38 + 38 + 38 + 38 + 38 + 38 + 38 + 38 + 38
+ 38 + 38 + 38 + 38 + 38 +38 + 38 + 38 + 38 + 39 + 39 + 39 + 39 + 39 + 39
+ 39 + 39 + 39 + 39 + 39 + 39 + 39 + 39+ 39 + 39 + 39 + 39 + 39 + 39 + 39
+ 40 + 40 + 40 + 40 + 40 + 40 + 40 + 40 + 40 + 40 +40 + 40 + 40 + 40 + 40
+ 40 + 40 + 40 + 40 + 40 + 40 + 40 + 40 + 40 + 40 + 40 + 40 + 40+ 40 + 40
+ 40 + 40 + 40 + 40 + 40 + 40 + 40 + 41 + 41 + 41 + 41 + 41 + 41 + 41 +
41 +41 + 41 + 41 + 41 + 41 + 41 + 41 + 41 + 41 + 41 + 41 + 41 + 41 + 41 +
41 + 41 + 41 + 41+ 42 + 42 + 42 + 42 + 42 + 42 + 42 + 42 + 42 + 42 + 42 +
42 + 42 + 42 + 42 + 42 + 42 +42 + 42 + 42 + 42 + 42 + 42 + 42 + 43 + 43 +
43 + 43 + 43 + 43 + 43 + 43 + 43 + 43 + 43+ 43 + 43 + 43 + 43 + 43 + 43 +
43 + 43 + 43 + 43 + 43 + 43 + 43 + 43 + 43 + 43 + 43 +43 + 43 + 44 + 44 +
44 + 44 + 44 + 44 + 44 + 44 + 44 + 44 + 44 + 44 + 44 + 44 + 44 + 44+ 44 +
44 + 44 + 44 + 44 + 44 + 45
x́=¿ ¿
200
8131
x́= =40,65
200
b. Median
Berikut merupakan perhitungan dari median data tunggal.
c. Modus
Tabel 4.76 Tabel Modus Data Tunggal

1 27 1 I
2 36 6 IIIII I
3 37 4 IIII
4 38 28 IIIII IIIII IIIII IIIII IIIII III
5 39 21 IIIII IIIII IIIII IIIII IIIII I
6 40 37 IIIII IIIII IIIII IIIII IIIII IIIII IIIII II
7 41 26 IIIII IIIII IIIII IIIII IIIII I
8 42 24 IIIII IIIII IIIII IIIII IIII
9 43 30 IIIII IIIII IIIII IIIII IIIII IIIII
10 44 22 IIIII IIIII IIIII IIIII II
11 45 1 I
d. Analisis
Rekapitulasi perhitungan data tunggal .
Mean = 40,65
Median = 41
Modus = 40
modus tersebut.
Gambar 4.41 Kurva Data Tunggal Ukuran Sepatu

Kurva tersebut simetris karena nilai mean dan modus sama.
a. Mean
Berikut adalah perhitungannya.
KELAS KELAS
F Xi f.Xi
INTERVAL BOUNDERIES
27 – 29 89,5 – 93,5
1 28 28
30 – 32 93,5 – 97,5
0 31 0
33 – 35 97,5 – 101,5
0 34 0
36 – 38 101,5 – 105,5
38 37 1406
39 – 41 105,5 – 109,5
84 40 3360
42 – 44 109,5 – 113,5
76 43 3268
45 – 47 113,5 – 117,5
1 46 46
48 – 50 117,5 – 121,5
0 49 0
JUMLAH 200 8108
b. Median
KELAS KELAS
F FK≤
INTERVAL BOUNDERIES
27 – 29 89,5 – 93,5 1 1
30 – 32 93,5 – 97,5 0 1
33 – 35 97,5 – 101,5 0 1
36 – 38 101,5 – 105,5 38 39
39 – 41 105,5 – 109,5 84 123
42 – 44 109,5 – 113,5 76 199
45 – 47 113,5 – 117,5 1 200
48 – 50 117,5 – 121,5 0 200
c. Modus
KELAS KELAS
F
INTERVAL BOUNDERIES
27 – 29 89,5 – 93,5 1
30 – 32 93,5 – 97,5 0
Tabel Lanjutan 4.80 Modus Data Kelompok

KELAS KELAS
F
INTERVAL BOUNDERIES
33 – 35 97,5 – 101,5 0
36 – 38 101,5 – 105,5 38
39 – 41 105,5 – 109,5 84
42 – 44 109,5 – 113,5 76
45 – 47 113,5 – 117,5 1
48 – 50 117,5 – 121,5 0
b1
d. Analisis
Rekapitulasi perhitungan data kelompok ukuran sepatu.
Mean = 40,54
Median = 40,66
Modus = 41,05
modus.
Gambar 4.42 Kurva Data Kelompok Ukuran Sepatu

tinggi dari nilai mean.
E. Pengolahan Data Tinggi Badan
Berikut ini merupakan pengolahan data tinggi badan yaitu mengenai
1. Pengurutan Data Tinggi Badan
Tabel dibawah ini merupakan tabel pengurutan data tinggi badan dari
Tabel 4.81 Pengurutan Data Tinggi Badan
145 152 155 158 160 163 165 168 170 173
145 152 155 158 160 163 165 168 170 173
147 152 155 158 160 163 165 168 170 174
150 152 155 158 161 163 165 168 170 174
150 152 155 158 161 163 165 168 170 174
150 152 155 158 161 163 165 168 171 174
150 152 155 158 161 163 165 168 172 174
150 153 155 159 161 163 165 169 172 175
150 153 155 160 161 163 165 169 172 175
150 153 155 160 162 163 165 169 172 175
150 153 156 160 162 164 166 169 172 175
150 153 156 160 162 164 166 169 172 175
150 153 156 160 162 164 166 170 172 175
150 154 156 160 162 164 166 170 173 175
150 154 156 160 162 165 166 170 173 175
151 154 156 160 162 165 167 170 173 178
151 154 156 160 162 165 167 170 173 180
151 155 157 160 162 165 167 170 173 180
151 155 157 160 162 165 167 170 173 180
152 155 157 160 163 165 168 170 173 185
a. Mean
145 + 145 + 147 + 150 + 150 + 150 + 150 + 150 + 150 + 150 + 150 + 150 +
150 + 150 +150 + 151 + 151 + 151 + 151 + 152 + 152 + 152 + 152 + 152 +
152 + 152 + 152 + 153 +153 + 153 + 153 + 153 + 153 + 154 + 154 + 154 +
154 + 155 + 155 + 155 + 155 + 155 +155 + 155 + 155 + 155 + 155 + 155 +
155 + 155 + 156 + 156 + 156 + 156 + 156 + 156 +156 + 157 + 157 + 157 +
158 + 158 + 158 + 158 + 158 + 158 + 158 + 159 + 160 + 160 +160 + 160 +
160 + 160 + 160 + 160 + 160 + 160 + 160 + 160 + 160 + 160 + 160 + 161
+161 + 161 + 161 + 161 + 161 + 162 + 162 + 162 + 162 + 162 + 162 + 162
+ 162 + 162 +162 + 163 + 163 + 163 + 163 + 163 + 163 + 163 + 163 + 163
+ 163 + 163 + 164 + 164 +164 + 164 + 165 + 165 + 165 + 165 + 165 + 165
+ 165 + 165 + 165 + 165 + 165 + 165 +165 + 165 + 165 + 165 + 166 + 166
+ 166 + 166 + 166 + 167 + 167 + 167 + 167 + 168 +168 + 168 + 168 + 168
+ 168 + 168 + 168 + 169 + 169 + 169 + 169 + 169 + 170 + 170 +170 + 170
+ 170 + 170 + 170 + 170 + 170 + 170 + 170 + 170 + 170 + 171 + 172 + 172
+172 + 172 + 172 + 172 + 172 + 173 + 173 + 173 + 173 + 173 + 173 + 173
+ 173 + 173 +174 + 174 + 174 + 174 + 174 + 175 + 175 + 175 + 175 + 175
+ 175 + 175 + 175 + 178 +180 + 180 + 180 + 180
x́=¿ ¿
200
32511
x́= =162,55
200
b. Median
c. Modus
Tabel 4.82 Modus Data Tunggal Tinggi Badan

1 145 2 II
2 147 1 I
3 150 12 IIIII IIIII II
4 151 4 IIII
5 152 8 IIIII III
6 153 6 IIIII I
7 154 4 IIII
8 155 13 IIIII IIIII III
9 156 7 IIIII II
10 157 3 III
11 158 7 IIIII II
12 159 1 I
13 160 15 IIIII IIIII IIIII
14 161 6 IIIII I
15 162 10 IIIII IIIII
17 164 4 IIII
19 166 5 IIIII
20 167 4 IIII
21 168 8 IIIII III
22 169 5 IIIII
23 170 13 IIIII IIIII III
24 171 1 I
25 172 7 IIIII II
26 173 9 IIIII IIII
Tabel Lanjutan 4.82 Modus Data Tunggal Tinggi Badan

27 174 5 IIIII
28 175 8 IIIII III
29 178 1 I
30 180 3 III
31 185 1 I
Jadi berdasarkan data di atas maka nilai modus nya adalah 165.
d. Analisis
Rekapitulasi perhitungan data tunggal tinggi badan.
Mean = 162,55
Median = 163
Modus = 165
modus tersebut.
Gambar 4.43 Kurva Data Tunggal Tinggi Badan

Kurva condong ke kanan karena nilai modus lebih tinggi dari nilai mean.
a. Mean
Tabel 4.83 Mean Data Kelompok Tinggi Badan
KELAS INTERVAL KELAS BOUNDERIES F Xi f.Xi

145 – 149 144,5 – 149,5
3 147 441
150 – 154 149,5 – 154,5
34 152 5168
155 – 159 154,5 – 159,5
31 157 4867
Tabel Lanjutan 4.83 Mean Data Kelompok Tinggi Badan
160 – 164 159,5 – 164,5
46 162 7452
165 – 169 164,5 – 169,5
38 167 6346
170 – 174 169,5 – 174,5
35 172 6020
175 – 179 174,5 – 179,5
9 177 1593
180 – 184 179,5 – 184,5
3 182 546
185 – 189 184,5 – 189,5
1 187 187
JUMLAH 200 32620
b. Median
Berikut dibawah ini merupakan perhitungan dari median.
Tabel 4.84 Median Data Kelompok Tinggi Badan
KELAS KELAS
F FK≤
INTERVAL BOUNDERIES
145 – 149 144,5 – 149,5 3 1
150 – 154 149,5 – 154,5 34 4
155 – 159 154,5 – 159,5 31 38
160 – 164 159,5 – 164,5 46 69
165 – 169 164,5 – 169,5 38 115
170 – 174 169,5 – 174,5 35 153
175 – 179 174,5 – 179,5 9 188
180 – 184 179,5 – 184,5 3 197
185 – 189 184,5 – 189,5 1 200
c. Modus
Berikut dibawah ini merupakan perhitungan modus.
Tabel 4.85 Modus Data Kelompok Tinggi Badan
KELAS KELAS
F
INTERVAL BOUNDERIES
145 – 149 144,5 – 149,5 3
150 – 154 149,5 – 154,5 34
155 – 159 154,5 – 159,5 31
160 – 164 159,5 – 164,5 46
165 – 169 164,5 – 169,5 38
170 – 174 169,5 – 174,5 35
175 – 179 174,5 – 179,5 9
180 – 184 179,5 – 184,5 3
185 – 189 184,5 – 189,5 1
b1
d. Analisis
Rekapitulasi perhitungan data kelompok tinggi badan.
Mean = 163,1
Median = 168,6
Modus = 162,75
modus tersebut.
Gambar 4.44 Kurva Data Kelompok Tinggi Badan

Kurva tersebut simetris karena nilai mean dan modus hampir sama.
F. Pengolahan Data Uang Jajan
Berikut ini merupakan pengolahan data uang jajan yaitu mengenai
1. Pengurutan Data Uang Jajan
Tabel dibawah ini merupakan tabel pengurutan data uang jajan dari
Tabel 4.86 Pengurutan Data Uang Jajan
5000 10000 15000 15000 20000 20000 25000 30000 50000 60000
5000 10000 15000 15000 20000 20000 25000 30000 50000 60000
5000 10000 15000 15000 20000 20000 25000 30000 50000 60000
5000 10000 15000 15000 20000 20000 25000 30000 50000 60000
10000 10000 15000 15000 20000 20000 25000 35000 50000 60000
10000 10000 15000 15000 20000 20000 25000 35000 50000 60000
10000 10000 15000 15000 20000 20000 25000 40000 50000 60000
Tabel Lanjutan 4.86 Pengurutan Data Uang Jajan
10000 10000 15000 15000 20000 20000 25000 40000 50000 60000
10000 10000 15000 20000 20000 20000 30000 40000 52000 60000
10000 10000 15000 20000 20000 20000 30000 40000 52000 60000
10000 12000 15000 20000 20000 20000 30000 50000 52000 60000
10000 12000 15000 20000 20000 20000 30000 50000 52000 60000
10000 13000 15000 20000 20000 20000 30000 50000 52000 60000
10000 13000 15000 20000 20000 20000 30000 50000 52000 70000
10000 15000 15000 20000 20000 20000 30000 50000 54000 70000
10000 15000 15000 20000 20000 20000 30000 50000 54000 70000
10000 15000 15000 20000 20000 20000 30000 50000 54000 100000
10000 15000 15000 20000 20000 20000 30000 50000 55000 100000
10000 15000 15000 20000 20000 20000 30000 50000 55000 100000
5000 15000 15000 20000 20000 25000 30000 50000 55000 100000

a. Mean
Berikut dibawah ini merupakan perhitungan mean data tunggal.
5000 + 5000 + 5000 + 10000 + 10000 + 10000 + 10000 + 10000 + 10000 +

10000 +10000 + 10000 + 10000 + 10000 + 10000 + 10000 + 10000 +
10000 + 10000 + 10000 +10000 + 10000 + 10000 + 10000 + 10000 +
10000 + 10000 + 10000 + 12000 + 12000 +13000 + 13000 + 15000 +
15000 + 15000 + 15000 + 15000 + 15000 + 15000 + 15000 +15000 +
15000 + 15000 + 15000 + 15000 + 15000 + 15000 + 15000 + 15000 +
15000 +15000 + 15000 + 15000 + 15000 + 15000 + 15000 + 15000 +
15000 + 15000 + 15000 +15000 + 15000 + 15000 + 15000 + 15000 +
15000 + 20000 + 20000 + 20000 + 20000 +20000 + 20000 + 20000 +
20000 + 20000 + 20000 + 20000 + 20000 + 20000 + 20000 +20000 +
20000 + 20000 + 20000 + 20000 + 20000 + 20000 + 20000 + 20000 +
20000 +20000 + 20000 + 20000 + 20000 + 20000 + 20000 + 20000 +
20000 + 20000 + 20000 +20000 + 20000 + 20000 + 20000 + 20000 +
20000 + 20000 + 20000 + 20000 + 20000 +20000 + 20000 + 25000 +
25000 + 25000 + 25000 + 25000 + 25000 + 25000 + 25000 +25000 +
30000 + 30000 + 30000 + 30000 + 30000 + 30000 +30000 + 30000 +
30000 +30000 + 30000 + 30000 + 30000 + 30000 + 30000 + 30000 +
35000 + 35000 + 40000 +40000 + 40000 + 40000 + 50000 + 50000 +
50000 + 50000 + 50000 + 50000 + 50000 +50000 + 50000 + 50000 +
50000 + 50000 + 50000 + 50000 + 50000 + 50000 + 50000 +50000 +
52000 + 52000 + 52000 + 52000 + 52000 + 52000 + 54000 + 54000 +
54000 +55000 + 55000 + 55000 + 60000 + 60000 + 60000 + 60000 +
60000 + 60000 + 60000 +60000 + 60000 + 60000 + 60000 + 60000 +
60000 + 60000 + 70000 + 70000 + 70000 +100000 + 100000 + 100000 +
100000
x́=¿ ¿
200
5774000
x́= =28870
200
b. Median
Berikut dibawah ini merupakan perhitungan median data tunggal.

c. Modus
Tabel 4.87 Modus Data Tunggal Uang Jajan

1 5000 4 IIII
2 10000 25 IIIII IIIII IIIII IIIII IIIII
3 12000 2 II
4 13000 2 II
5 15000 34 IIIII IIIII IIIII IIIII IIIII IIIII IIII
6 20000 51 IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII IIIII I
Tabel Lanjutan 4.87 Modus Data Tunggal Uang Jajan

7 25000 9 IIIII IIII
9 35000 2 II
10 40000 4 IIII
11 50000 18 IIIII IIIII IIIII III
12 52000 6 IIIII I
13 54000 3 III
14 55000 3 III
15 60000 14 IIIII IIIII IIII
16 70000 3 III
17 100000 4 IIII
Jadi dapat disimpulkan bahwa nilai modusnya 20000.

d. Analisis
Rekapitulasi perhitungan data tunggal uang jajan.
Mean = 28870
Median = 20000
Modus = 20000
modus tersebut.
Gambar 4.45 Kurva Data Tunggal Uang Jajan

Kurva tersebut condong ke kiri karena nilai mean lebih tinggi daripada
median dan modus.
a. Mean
Tabel 4.88 Mean Data Kelompok Uang Jajan
5000 – 15555 4999,5 – 15555,5 67 10277,5 688592,5
15556 – 26112 15555,5 – 26112,5 60 20834 1250040
26113 – 36667 26112,5 – 36667,5 18 31390 565020
36668 – 47223 36667,5 – 47223,5 4 41945,5 167782
47224 – 57779 47223,5 – 57779,5 30 52501,5 1575045
57780 – 68335 57779,5 – 68335,5 17 63057,5 1071978
68336 – 78891 68335,5 – 78891,5 0 73613,5 0
78892 – 89447 78891,5 – 89447,5 0 84169,5 0
89448 - 100003 89447,5 – 100003,5 4 94725,5 378902
JUMLAH 200 5697359,5
∑𝑖=𝑛 1 𝑓𝑖.
𝑥̅ = 𝑥𝑖
𝑛
x̅ = 5697359,5 =
200
28486,79
b. Median
Berikut dibawah ini merupakan hasil perhitungan dari median.
Tabel 4.89 Median Data Kelompok Uang Jajan
KELAS INTERVAL KELAS BOUNDERIES F FK≤

5000 – 15555 4999,5 – 15555,5
67 4
15556 – 26112 15555,5 – 26112,5
60 71
26113 – 36667 26112,5 – 36667,5
18 131
36668 – 47223 36667,5 – 47223,5
4 149
47224 – 57779 47223,5 – 57779,5
30 153
Tabel Lanjutan 4.89 Median Data Kelompok Uang Jajan
KELAS INTERVAL KELAS BOUNDERIES F FK≤

57780 – 68335 57779,5 – 68335,5
17 183
68336 – 78891 68335,5 – 78891,5
0 200
78892 – 89447 78891,5 – 89447,5 200
0
89448 – 100003 89447,5 – 100003,5 200
4
c. Modus
Berikut dibawah ini merupakan hasil perhitungan dari median.
Tabel 4.90 Modus Data Kelompok Uang Jajan

5000 – 15555 4999,5 – 15555,5
67
15556 – 26112 15555,5 – 26112,5
60
26113 – 36667 26112,5 – 36667,5
18
36668 – 47223 36667,5 – 47223,5
4
47224 – 57779 47223,5 – 57779,5
30
57780 – 68335 57779,5 – 68335,5
17
Tabel Lanjutan 4.90 Modus Data Kelompok Uang Jajan

68336 – 78891 68335,5 – 78891,5
0
78892 – 89447 78891,5 – 89447,5
0
89448 - 100003 89447,5 – 100003,5
4
b1
d. Analisis
Rekapitulasi perhitungan data kelompok uang jajan.
Mean = 28486,79
Median = 43107,66
Modus = 14605,46
modus tersebut.
Gambar 4.46 Kurva Data Kelompok Uang Jajan

Hasil dari kurva tersebut simetris karena nilai mean dan modus tidak
beda jauh.
4.2.3 Modul III (Distribusi Probabilitas Kontinyu)

Berikut ini adalah pengolahan data praktikum statistika industri modul III
mengenai distribusi probabilitas kontinyu.
Berikut dibawah ini merupakan pengolahan data usia modul III
1. Menentukan Frekuensi Harapan
Berikut dibawah ini adalah menentukan frekuensi harapan pengolahan
data usia.
Tabel 4.91 Frekuensi Harapan Data Usia
KELAS BOUNDERIES Frekuensi Diobservasi (oᵢ) Frekuensi Diharapkan (eᵢ)

14,5 - 16,5 1
16,5 - 18,5 31
18,5 - 20,5 93
20,5 - 22,5 56
22,5 - 24,5 18
24,5 - 26,5 1
26,5 - 28,5 0
28,5 - 30,5 0
30,5 - 32,5 0
Untuk menentukan frekuensi yang diharapkan berdasarkan luas kurva
normal standar, langkah – langkahnya adalah:
a. Menentukan Nilai Z1 dan Z2
Untuk menentukan nilai Z1 dan Z2 berikut dibawah ini merupakan
formulasinya.
Xi = Batas Kelas Bounderies

𝜇 = Nilai Rata-rata
𝜎 = Standar Deviasi
Tabel 4.92 Perhitungan Z1 dan Z2
Kelas Bounderies Z1 Z2
𝑥− 𝜇 𝑥− 𝜇
𝑍= 𝑍=
𝜎 𝜎
14,5 - 16,5 14,5 − 20,12 16,5 − 20,12
𝑍= = −3,21 𝑍= = −2,07
1,75 1,75
𝑍= 𝑧=
𝜎 𝜎
16,5 - 18,5 16,5 − 20,12 18,5 − 20,12
𝑍= = −2,07 𝑍= = −0,93
1,75 1,75
𝑍= 𝑍=
𝜎 𝜎
18,5 - 20,5 18,5 − 20,12 20,5 − 20,12
𝑍= = −0,93 𝑍= = 0,22
1,75 1,75
𝑍= 𝑍=
𝜎 𝜎
20,5 - 22,5 20,5 − 20,12 22,5 − 20,12
𝑍= = 0,22 𝑍= = 1,36
1,75 1,75
𝑍= 𝑍=
𝜎 𝜎
22,5 - 24,5 22,5 − 20,12 24,5 − 20,12
𝑍= = 1,36 𝑍= = 2,50
1,75 1,75
𝑍= 𝑍=
𝜎 𝜎
24,5 - 26,5 24,5 − 20,12 26,5 − 20,12
𝑍= = 2,50 𝑍= = 3,65
1,75 1,75
𝑍= 𝑍=
𝜎 𝜎
26,5 - 28,5 26,5 − 20,12 28,5 − 20,12
𝑍= = 3,65 𝑍= = 4,79
1,75 1,75
𝑍= 𝑍=
𝜎 𝜎
28,5 - 30,5 28,5 − 20,12 30,5 − 20,12
𝑍= = 4,79 𝑍= = 5,93
1,75 1,75
𝑍= 𝑍=
𝜎 𝜎
30,5 - 32,5 30,5 − 20,12 32,5 − 20,12
𝑍= = 5,93 𝑍= = 7,07
1,75 1,75
b. Menentukan P1 dan P2
Untuk Menentukan Nilai P1 dan P2, maka akan digunakan rumus
sebagai berikut.
P1/2 = 0.5 ± = Nilai Tabel
Tabel 4.93 Perhitungan P1 dan P2

KELAS
Z1 Z2 P1 P2
BOUNDERIES
14,5 - 16,5 -3,21 -2,07 0,5 - 0,49993= 0,0007 0,5 - 0,4808 = 0,0192
16,5 - 18,5 -2,07 -0,93 0,5 - 0,4808= 0,0192 0,5 - 0,3238 = 0,1762
18,5 - 20,5 -0,93 0,22 0,5 - 0,3238 = 0,1762 0,5 - 0,0871 = 0,5871
20,5 - 22,5 0,22 1,36 0,5 - 0,0871 = 0,5871 0,5 - 0,4131 = 0,9131
22,5 - 24,5 1,36 2,50 0,5 - 0,4131 = 0,9131 0,5 - 0,4938 = 0,9938
24,5 - 26,5 2,50 3,65 0,5 - 0,4938 = 0,9938 0,5 - 0,4999 = 0,9999
26,5 - 28,5 3,65 4,79 0,5 - 0,4999 = 0,9999 0,5 - 0,5 = 1
28,5 - 30,5 4,79 5,93 0,5 - 0,5 = 1 0,5 - 0,5 = 1
30,5 - 32,5 5,93 7,07 0,5 - 0,5 = 1 0,5 - 0,5 = 1
c. Menentukan Probabilitas
Untuk menentukan nilai probabilitas (P) rumus yang digunakan
adalah sebagai berikut.
P = P2 – P1
Tabel 4.94 Perhitungan Probabilitas (P)
KELAS BOUNDERIES P1 P2 P
14,5 - 16,5 0,0007 0,0192 0,0185 = 0,1
16,5 - 18,5 0,0192 0,1762 0,157 = 0,1
18,5 - 20,5 0,1762 0,5871 0,4109 = 0,4
20,5 - 22,5 0,5871 0,9131 0,326 = 0,3
22,5 - 24,5 0,9131 0,9938 0,0807 = 0,1
24,5 - 26,5 0,9938 0,9999 0,0061 = 0
26,5 - 28,5 0,9999 1 0,0001 = 0
28,5 - 30,5 1 1 0=1
30,5 - 32,5 1 1 0=1
JUMLAH 1
d. Menentukan Frekuensi Yang Diharapkan (e i ¿
Menentukan frekuensi yang diharapkan rumusnya adalah sebagai berikut.
eᵢ = n x P
eᵢ = Nilai Harapan
P = Probabilitas
n = Jumlah Data
Tabel 4.95 Menentukan Frekuensi Yang Diharapkan
KELAS BOUNDERIES P F Diharapkan (eᵢ)
14,5 - 16,5 0,1 20
16,5 - 18,5 0,1 20
18,5 - 20,5 0,4 80
20,5 - 22,5 0,3 60
22,5 - 24,5 0,1 20
24,5 - 26,5 0 0
26,5 - 28,5 0 0
28,5 - 30,5 1 0
30,5 - 32,5 1 0
JUMLAH
2. Menentukan Nilai Statistik
Formulasi:
Tabel 4.96 Menentukan Nilai Statistik
Kelas Bounderies oᵢ eᵢ oᵢ - eᵢ (oᵢ - eᵢ)² (oᵢ − eᵢ)² eᵢ
32 40 -8 1,6
14,5 – 18,5 64
93 80 13 2,11
18,5 – 20,5 169
56 60 -4 0,27
20,5 – 22,5 16
19 20 -1 0,05
22,5 – 32,5 1
Total 4,03
Maka x 2h=4,03
3. Menentukan Nilai Kritis ( X 2a )

Untuk menentukan nilai kritis bisa dengan menggunakan rumus
sebagai berikut.
X 2a=( a , k −2−1 )
Keterangan:
α : Taraf Signifikansi
k : Jumlah Kelas Ekspektasi
Dalam menentukan taraf signifikansi yang tidak terdapat dalam
tabel nilai kritis distribusi T, menggunakan rumus intervolasi sebagai
berikut.
Dk−Dkmin
I =Xmin−( Xmin−Xmax ) x
Dkmax−Dkmin
Tabel 4.97 Menentukan Nilai Kritis
Taraf signifikansi 1%
𝑋2 = 𝑋2 (𝛼, 𝑘 − 2 − 1)
𝑎
𝑋2 = 𝑋2 (0.01, 4 − 2 − 1)
𝑎
𝑋2 = 𝑋2 (0.01, 1)
𝑎
𝑋2 = 6,63489
𝑎
0.02 − 0.01
𝐼 = 6,63489 − (6,63489 − 5,02390)
0.025 − 0.01
𝐼 = 6,63489 − 1,61099(0.67)
𝐼 = 6,63489 − 1,0793633 = 5,5555267
0.03 − 0.025
𝐼 = 5,02390 − (5,02390 − 3,84146)
0.05 − 0.025
𝐼 = 5,02390 − 1,18244(0,2)
𝐼 =4,787412
0.04 − 0.025
𝐼 = 5,02390 − (5,02390 − 3,84146)
0.05 − 0.025
𝐼 = 5,02390 − 1,18244(0,6)
𝐼 =4,314436
Tabel Lanjutan 4.97 Menentukan Nilai Kritis

𝑋2 = 𝑋2 (𝛼, 𝑘 − 2 − 1)
𝑎
𝑋2 = 𝑋2 (0.05, 4 − 2 − 1)
𝑎
𝑋2 = 𝑋2 (0.05, 1)
𝑎
𝑋2 = 3,84146
𝑎
Setelah dilakukan uji kebaikan suai terhadap distribusi normal,

selanjutnya adalah pengujian hipotesis. Berikut merupakan langkah-
langkahnya.
a. Hipotesis
Berikut merupakan keterangannya.
H0 : data berdistribusi normal
H1 : data tidak berdistribusi normal
b. Nilai Statistik Uji ( X 2h )

( X 2h ) = 8,01
c. Nilai Kritis ( X 2a )
1) Taraf Signifikansi 1%
Hasil dari perhitungannya:
X 21 % = 6,63489
Gambar 4.47 Kurva Taraf Signifikansi 1%
Kaidah keputusan:
Maka keputusannya terima H0, jadi data tersebut berdistribusi normal.

X 22 % = 5,5555267

Kaidah keputusan:
X 23 % = 4,787412
Kaidah keputusan:

X 24 % = 4,31

Kaidah keputusan:
X 25 % = 3,84
Kaidah keputusan:

B. Pengolahan Data Ukuran Sepatu
Berikut dibawah ini merupakan pengolahan data ukuran sepatu modul
III mengenai distribusi probabilitas kontinyu.
data ukuran sepatu.
Tabel 4.98 Frekuensi Harapan Data Ukuran Sepatu

26,5 - 29,5 1 20
29,5 - 32,5 0 20
32,5 - 35,5 0 20
35,5 - 38,5 38 40
38,5 - 41,5 84 20
41,5 - 44,5 76 40
44,5 - 47,5 1 20
47,5 - 50,5 0 20
formulasinya.

𝑥−𝜇 𝑥−𝜇
𝑍= 𝑍=
26,5 - 29,5 𝜎 𝜎
26,5 − 40,54 29,5 − 40,54
𝑍= = 𝑍= =
−0,70 −0,55
19,90 19,90
𝑍= 𝑧=
29,5 - 32,5 𝜎 𝜎
29,5 − 40,54 32,5 − 40,54
𝑍= = 𝑍= =
−0,55 −0,40
19,90 19,90
𝑧= 𝑍=
32,5 - 35,5 𝜎 𝜎
32,5 − 40,54 35,5 − 40,54
𝑍= = 𝑍= =
−0,40 −0,25
19,90 19,90
𝑍= 𝑍=
35,5 - 38,5 𝜎 𝜎
35,5 − 40,54 38,5 − 40,54
𝑍= = 𝑍= =
−0,25 −0,10
19,90 19,90
𝑍= 𝑍=
38,5 - 41,5 𝜎 𝜎
38,5 − 40,54 41,5 − 40,54
𝑍= = 𝑍= =
−0,10 0,04
19,90 19,90
𝑍= 𝑍=
41,5 - 44,5 𝜎 𝜎
41,5 − 40,54 44,5 − 40,54
𝑍= = 𝑍= =
0,04 0,20
19,90 19,90
𝑍= 𝑍=
44,5 - 47,5 𝜎 𝜎
44,5 − 40,54 47,5 − 40,54
𝑍= = 𝑍= =
0,20 0,35
19,90 19,90
𝑍= 𝑍=
47,5 - 50,5 𝜎 𝜎
47,5 − 40,54 50,5 − 40,54
𝑍= = 𝑍= =
0,35 0,50
19,90 19,90
Untuk Menentukan Nilai P1 dan P2, digunakan rumus sebagai berikut.
KELAS
Z1 Z2 P1 P2
BOUNDERIES
26,5 - 29,5 -0,70 -0,55 0,5 - 0,2580= 0,242 0,5 - 0,2088= 0,2912
29,5 - 32,5 -0,55 -0,40 0,5 - 0,2088= 0,2912 0,5 - 0,1554 = 0,3446
32,5 - 35,5 -0,40 -0,25 0,5 - 0,1554 = 0,3446 0,5 - 0,0987 = 0,4013
35,5 - 38,5 -0,25 -0,10 0,5 - 0,0987 = 0,4013 0,5 - 0,0398 = 0,4602
38,5 - 41,5 -0,10 0,04 0,5 - 0,0398 = 0,4602 0,5 - 0,0160 = 0,516
41,5 - 44,5 0,04 0,20 0,5 - 0,0160 = 0,516 0,5 - 0,0793 = 0,5793
44,5 - 47,5 0,20 0,35 0,5 - 0,0793 = 0,5793 0,5 - 0,1368 = 0,6368
47,5 - 50,5 0,35 0,50 0,5 - 0,1368 = 0,6368 0,5 - 0,1915 = 0,6915
Untuk menentukan nilai probabilitas (P) rumus yang digunakan adalah:
P = P2 – P1
26,5 - 29,5 0,242 0,2912 0,0492 = 0,1
29,5 - 32,5 0,2912 0,3446 0,0534 = 0,1
32,5 - 35,5 0,3446 0,4013 0,0567 = 0,1
35,5 - 38,5 0,4013 0,4602 0,0589 = 0,2
38,5 - 41,5 0,4602 0,516 0,0558 = 0,1
41,5 - 44,5 0,516 0,5793 0,0579 = 0,2
44,5 - 47,5 0,5793 0,6368 0,0575 = 0,1
47,5 - 50,5 0,6368 0,6915 0,0547 = 0,1
JUMLAH 1
Menentukan frekuensi yang diharapkan rumusnya adalah sebagai berikut.
eᵢ = n x P
P = Probabilitas
n = Jumlah Data
26,5 - 29,5 0,1 20
29,5 - 32,5 0,1 20
32,5 - 35,5 0,1 20
35,5 - 38,5 0,2 40
38,5 - 41,5 0,1 20
41,5 - 44,5 0,2 40
44,5 - 47,5 0,1 20
47,5 - 50,5 0,1 20
JUMLAH
Formulasi:
39 100 -61 37,21

26,5 – 38,5 3721
84 20 64 204,8
38,5 – 41,5 4096
76 40 36 32,4
41,5 – 44,5 1296
1 40 -39 38,025
44,5 – 50,5 1521
Total 312,43
Maka x 2h=312,43

sebagai berikut.
X 2a=( a , k −2−1 )
berikut.
Dk−Dkmin
Dkmax−Dkmin
𝑋2 = 𝑋2 (𝛼, 𝑘 − 2 − 1)
𝑎
𝑋2 = 𝑋2 (0.01, 4 − 2 − 1)
𝑎
𝑋2 = 𝑋2 (0.01, 1)
𝑎
𝑋2 = 6,63489
𝑎
0.02 − 0.01
𝐼 = 6,63489 − (6,63489 − 5,02390)
0.025 − 0.01
𝐼 = 6,63489 − 1,61099(0.67)
𝐼 = 6,63489 − 1,0793633 = 5,5555267
0.03 − 0.025
𝐼 = 5,02390 − (5,02390 −
3,84146)
0.05 − 0.025
𝐼 = 5,02390 − 1,18244(0,2)
𝐼 =4,787412
0.04 − 0.025
𝐼 = 5,02390 − (5,02390 −
3,84146)
0.05 − 0.025
𝐼 = 5,02390 − 1,18244(0,6)
𝐼 =4,314436
𝑋2 = 𝑋2 (𝛼, 𝑘 − 2 − 1)
𝑎
𝑋2 = 𝑋2 (0.05, 4 − 2 − 1)
𝑎
𝑋2 = 𝑋2 (0.05, 1)
𝑎
𝑋2 = 3,84146
𝑎

selanjutnya adalah pengujian hipotesis. Berikut merupakan langkah-
langkahnya.
a. Hipotesis

( X 2h ) = 312,43
X 21 % = 6,63489

Kaidah keputusan:
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
X 22 % = 5,5555267

Kaidah keputusan:
X 23 % = 4,787412

Kaidah keputusan:
X 24 % = 4,314436

Kaidah keputusan:
X 25 % = 3,84146

Kaidah keputusan:
C. Pengolahan Data Tinggi Badan
Berikut dibawah ini merupakan pengolahan data tinggi badan modul

data tinggi badan.
Tabel 4.105 Frekuensi Harapan Data Tinggi Badan

144,5 – 149,5 3 20
149,5 – 154,5 34 20
154,5 – 159,5 31 20
159,5 – 164,5 46 40
164,5 – 169,5 38 40
169,5 – 174,5 35 20
174,5 – 179,5 9 20
179,5 – 184,5 3 20
184,5 – 189,5 1 0
formulasinya.

144,5 − 163,1 149,5 − 163,1
𝑍1 = 𝑍2 =
144,5 – 149,5 8,05 8,05
= −2,31 = −1,69
149,5 − 163,1 154,5 − 163,1
𝑍1 = 𝑍2 =
149,5 – 154,5 8,05 8,05
= −1,69 = −1,07
Tabel Lanjutan 4.106 Perhitungan Z1 dan Z2
154,5 − 163,1 159,5 − 163,1
𝑍1 = 𝑍2 =
154,5 – 159,5 8,05 8,05
= −1,07 = −0,45
159,5 − 163,1 164,5 − 163,1
𝑍1 = 𝑍2 =
159,5 – 164,5 8,05 8,05
= −0,45 = 0,17
164,5 − 163,1 169,5 − 163,1
𝑍1 = 𝑍2 =
164,5 – 169,5 8,05 8,05
= 0,17 = 0,79
169,5 − 163,1 174,5 − 163,1
𝑍1 = 𝑍2 =
169,5 – 174,5 8,05 8,05
= 0,79 = 1,42
174,5 − 163,1 179,5 − 163,1
𝑍1 = 𝑍2 =
174,5 – 179,5 8,05 8,05
= 1,42 = 2,04
179,5 − 163,1 184,5 − 163,1
𝑍1 = 𝑍2 =
179,5 – 184,5 8,05 8,05
= 2,04 = 2,66
184,5 − 163,1 189,5 − 163,1
𝑍1 = 𝑍2 =
184,5 – 189,5 8,05 8,05
= 2,66 = 3,28
KELAS
Z1 Z2 P1 P2
BOUNDERIES
144,5 – 149,5 −2,31 −1,69 0,5 – 0,4896 = 0,0104 0,5 – 0,4545 = 0,0455
149,5 – 154,5 −1,69 −1,07 0,5 – 0,4545 = 0,0455 0,5 – 0,3577 = 0,1423
154,5 – 159,5 −1,07 −0,45 0,5 – 0,3577 = 0,1423 0,5 – 0,1736 = 0,3264
159,5 – 164,5 −0,45 0,17 0,5 – 0,1736 = 0,3264 0,5 + 0,0675 = 0,5675
164,5 – 169,5 0,17 0,79 0,5 + 0,0675 = 0,5675 0,5 + 0,2852 = 0,7852
Tabel Lanjutan 4.107 Perhitungan P1 dan P2
KELAS
Z1 Z2 P1 P2
BOUNDERIES
169,5 – 174,5 0,79 1,42 0,5 + 0,2852 = 0,7852 0,5 + 0,4222 = 0,9222
174,5 – 179,5 1,42 2,04 0,5 + 0,4222 = 0,9222 0,5 + 0,4793 = 0,9793
179,5 – 184,5 2,04 2,66 0,5 + 0,4793 = 0,9793 0,5 + 0,4961 = 0,9961
184,5 – 189,5 2,66 3,28 0,5 + 0,4961 = 0,9961 0,5 + 0,4995 = 0,9995
P = P2 – P1
144,5 – 149,5 0,0104 0,0455 0,0351 ~ 0,1
149,5 – 154,5 0,0455 0,1423 0,0968 ~ 0,1
154,5 – 159,5 0,1423 0,3264 0,1841 ~ 0,1
159,5 – 164,5 0,3264 0,5675 0,2411 ~ 0,2
164,5 – 169,5 0,5675 0,7852 0,2177 ~ 0,2
169,5 – 174,5 0,7852 0,9222 0,137 ~ 0,1
174,5 – 179,5 0,9222 0,9793 0,0571 ~ 0,1
179,5 – 184,5 0,9793 0,9961 0,0168 ~ 0,1
184,5 – 189,5 0,9961 0,9995 0,0034 ~ 0,0
Jumlah 1
Untuk menentukan frekuensi yang diharapkan rumusnya adalah
sebagai berikut.
Keterangan:
eᵢ = n x P
P = Probabilitas
n = Jumlah Data
144,5 – 149,5 0,1 20
149,5 – 154,5 0,1 20
154,5 – 159,5 0,1 20
159,5 – 164,5 0,2 40
164,5 – 169,5 0,2 40
169,5 – 174,5 0,1 20
174,5 – 179,5 0,1 20
179,5 – 184,5 0,1 20
184,5 – 189,5 0,0 0
JUMLAH 1 200
Formulasi:
37 40 -3 0,22
144,5 – 154,5 9
31 20 11 6,05
154,5 – 159,5 121
46 40 6 0,9
159,5 – 164,5 36
38 40 -2 0,1
164,5 – 169,5 4
35 20 15 11,25
169,5 – 174,5 225
13 40 -27 18,22
174,5 – 189,5 729
Maka X 2h=36,74

sebagai berikut.
X 2a=( a , k −2−1 )
berikut.
Dk−Dkmin
Dkmax−Dkmin
𝑋2 = (𝛼, 𝑘 − 2 − 1)
1%
= (0,01, 6 − 2 − 1)
= (0,01, 3)
= 11,34488
I = Xmin-(Xmin-Xmax)x 𝐷𝑘−𝐷𝑘𝑚𝑖𝑛
𝐷𝑘𝑚𝑎𝑥−𝐷𝑘𝑚𝑖𝑛
= 11,34488-(11,34488-9,3480)x0,02−0,01
0,02−0,01
= 11,34488-(1,99648)0,67
= 10,0273368
= 9,34840-(9,34840-7,81472)x0,03−0,025
0,05−0,025
= 9,34840-(1,53368)0,2
= 9,041664
= 9,34840-(9,34840-7,81472)x0,04−0,025
0,05−0,025
= 9,34840-(1,53368)0,6
= 8,428032
𝑋2 = (𝛼, 𝑘 − 2 − 1)
5%
= (0,05, 6 − 2 − 1)
= (0,05, 3)
= 7,81472

selanjutnya adalah pengujian hipotesis. Berikut merupakan langkahnya.
a. Hipotesis

( X 2h ) = 36,74
X 21 % = 11,34488

Kaidah keputusan:
X 22 % = 10,0273368
Kaidah keputusan:
X 23 % = 9,041664

Kaidah keputusan:
X 24 % = 8,428032
Kaidah keputusan:
X 25 % = 7,81472

Kaidah keputusan:
D. Pengolahan Data Uang Jajan
Berikut dibawah ini merupakan pengolahan data uang jajan modul III
data uang jajan.
Tabel 4.112 Frekuensi Harapan Data Uang Jajan

5000 – 15555 4999,5 – 15555,5 67
15556 – 26112 15555,5 – 26112,5 60
26113 – 36667 26112,5 – 36667,5 18
36668 – 47223 36667,5 – 47223,5 4
Tabel Lanjutan 4.112 Frekuensi Harapan Data Uang Jajan
47224 – 57779 47223,5 – 57779,5 30
57780 – 68335 57779,5 – 68335,5 17
68336 – 78891 68335,5 – 78891,5 0
78892 – 89447 78891,5 – 89447,5 0
89448 – 100003 89447,5 – 100003,5 4
Rata – rata : 28486,79
Standar Deviasi :
20271,36
formulasinya.
Keterangan:
4999,5 – 15555,5 𝑍= 𝑍=
𝜎 𝜎
4999,5 − 28486,79 15555,5 − 28486,79
𝑍= = 𝑍= =
20271,36 20271,36
−1,16 −0,64
15555,5 – 26112,5 𝑍= 𝑧=
𝜎 𝜎
15555,5 − 28486,79 26112,5 − 28486,79
𝑍= = 𝑍= =
20271,36 20271,36
−0,64 −0,12
26112,5 – 36667,5 𝑧= 𝑍=
𝜎 𝜎
26112,5 − 28486,79 36667,5 − 28486,79
𝑍= = 𝑍= = 0,40
20271,36 20271,36
−0,12
36667,5 – 47223,5 𝑍= 𝑍=
𝜎 𝜎
36667,5 − 28486,79 47223,5 − 28486,79
𝑍= = 0,40 𝑍= = 0,92
20271,36 20271,36
47223,5 – 57779,5 𝑍= 𝑍=
𝜎 𝜎
47223,5 − 28486,79 57779,5 − 28486,79
𝑍= = 0,92 𝑍= = 1,44
20271,36 20271,36
57779,5 – 68335,5 𝑍= 𝑍=
𝜎 𝜎
57779,5 − 28486,79 68335,5 − 28486,79
𝑍= = 1,44 𝑍= = 1,96
20271,36 20271,36
68335,5 – 78891,5 𝑍= 𝑍=
𝜎 𝜎
68335,5 − 28486,79 78891,5 − 28486,79
𝑍= = 1,96 𝑍= = 2,49
20271,36 20271,36
78891,5 – 89447,5 𝑍= 𝑍=
𝜎 𝜎
78891,5 − 28486,79 89447,5 − 28486,79
𝑍= = 2,49 𝑍= = 3,01
20271,36 20271,36
89447,5 – 100003,5 𝑍= 𝑍=
𝜎 𝜎
89447,5 − 28486,79 100003,5 − 28486,79
𝑍= 𝑍=
20271,36 20271,36
= 3,01 = 3,53
Untuk Menentukan Nilai P1 dan P2, maka dapat digunakan rumus
sebagai berikut.

KELAS
Z1 Z2 P1 P2
BOUNDERIES
4999,5 – 15555,5 -1,16 -0,64 0,5 – 0,3770 = 0,123 0,5 – 0-2389 = 0,2611
15555,5 – 26112,5 -0,64 -0,12 0,5 – 0-2389 = 0,2611 0,5 + 0,0478 = 0,4522
26112,5 – 36667,5 -0,12 0,40 0,5 + 0,0478 = 0,4522 0,5 + 0,1554 = 0,6554
36667,5 – 47223,5 0,40 0,92 0,5 + 0,1554 = 0,6554 0,5 + 0,3212 = 0,8212
47223,5 – 57779,5 0,92 1,44 0,5 + 0,3212 = 0,8212 0,5 + 0,4251 = 0,9251
57779,5 – 68335,5 1,44 1,96 0,5 + 0,4251 = 0,9251 0,5 + 0,4750 = 0,9750
68335,5 – 78891,5 1,96 2,49 0,5 + 0,4750 = 0,9750 0,5 + 0,4936 = 0,9936
78891,5 – 89447,5 2,49 3,01 0,5 + 0,4936 = 0,9936 0,5 + 0,4987 = 0,9987
89447,5 – 100003,5 3,01 3,53 0,5 + 0,4987 = 0,9987 0,5 + 0,4998 = 0,9998
P = P2 – P1
4999,5 – 15555,5 0,123 0,2611 0,1381 = 0,1
15555,5 – 26112,5 0,2611 0,4522 0,1911 = 0,2
26112,5 – 36667,5 0,4522 0,6554 0,2032 = 0,2
36667,5 – 47223,5 0,6554 0,8212 0,1658 = 0,2
47223,5 – 57779,5 0,8212 0,9251 0,1039 = 0,1
57779,5 – 68335,5 0,9251 0,9750 0,0499 = 0,1
68335,5 – 78891,5 0,9750 0,9936 0,0186 = 0,1
78891,5 – 89447,5 0,9936 0,9987 0,0051 = 0
89447,5 – 100003,5 0,9987 0,9998 0,0011 = 0
Jumlah 1
Untuk menentukan frekuensi yang diharapkan rumusnya adalah:
Keterangan:
eᵢ = n x P
P = Probabilitas
n = Jumlah Data
4999,5 – 15555,5 01 20
15555,5 – 26112,5 0,2 40
26112,5 – 36667,5 0,2 40
36667,5 – 47223,5 0,2 40
47223,5 – 57779,5 0,1 20
57779,5 – 68335,5 0,1 20
68335,5 – 78891,5 0,1 20
78891,5 – 89447,5 0 0
89447,5 – 100003,5 0 0
JUMLAH 1 200
67 20 47 110,45
4999,5 – 15555,5 2209
60 40 20 10
15555,5 – 26112,5 400
22 80 -58 42,05
26112,5 – 47223,5 3364
30 20 10 5
47223,5 – 57779,5 100
21 40 -19 9,025
57779,5 – 100003,5 361
Total 176,525
Maka X 2h=176,525

sebagai berikut.
X 2a=( a , k −2−1 )
berikut.
Dk−Dkmin
Dkmax−Dkmin
𝑋2 = 𝑋2 (𝛼, 𝑘 − 2 − 1)
𝑎
𝑋2 = 𝑋2 (0.01, 5 − 2 − 1)
𝑎
𝑋2 = 𝑋2 (0.01, 2)
𝑎
𝑋2 = 9,21035
𝑎
0.02 − 0.01
𝐼 = 9,21035 − (9,21035 − 7,37778)
0.025 − 0.01
𝐼 = 9,21035 − 1,2278219. (0.67)
𝐼 = 7,9825281
0.03 − 0.025
𝐼 = 7,37778 − (7,37778 − 5,99148)
0.05 − 0.025
𝐼 = 7,37778 − 0,27726. (0,2)
𝐼 = 7,10052
0.03 − 0.025
𝐼 = 7,37778 − (7,37778 − 5,99148)
0.05 − 0.025
𝐼 = 7,37778 − 0,27726. (0,6)
𝐼 = 6,54606

𝑋2 = 𝑋2 (𝛼, 𝑘 − 2 − 1)
𝑎
𝑋2 = 𝑋2 (0.05, 5 − 2 − 1)
𝑎
𝑋2 = 𝑋2 (0.05, 2)
𝑎
𝑋2 = 5,99148
𝑎

a. Hipotesis

( X 2h ) = 36,74
X 21 % = 9,21035

Kaidah keputusan:
X 22 % = 7,9825281

Kaidah keputusan:
X 23 % = 7,10052

Kaidah keputusan:
X 24 % = 6,546

Kaidah keputusan:
X 25 % = 5,99148

Kaidah keputusan:
E. Pengolahan Data Berat Badan
Berikut dibawah ini merupakan pengolahan data berat badan modul
data berat badan.
Tabel 4.119 Frekuensi Harapan Data Berat Badan

29,5 – 35,5 1
35,5 – 41,5 11
41,5 – 47,5 20
47,5 – 53,5 58
53,5 – 59,5 47
59,5 – 65,5 37
65,5 – 71,5 22
71,5 – 77,5 3
77,5 – 83,5 1
formulasinya.

29,5 − 55,27 35,5 − 55,27
𝑍1 = = −2,98 𝑍2 = = −2,29
29,5 – 35,5 8,64 8,64
35,5 − 55,27 41,5 − 55,27

𝑍1 = = −2,29 𝑍2 = = −1,59
35,5 – 41,5 8,64 8,64

41,5 − 55,27 47,5 − 55,27
𝑍1 = = −1,59 𝑍2 = =
41,5 – 47,5 8,64 8,64
−0,90
47,5 − 55,27 53,5 − 55,27
𝑍1 = = −0,90 𝑍2 = =
47,5 – 53,5 8,64 8,64
−0,20
53,5 − 55,27 59,5 − 55,27
𝑍1 = = 𝑍2 = = 0,49
53,5 – 59,5 8,64 8,64
−0,20
59,5 − 55,27 65,5 − 55,27
𝑍1 = = 0,49 𝑍2 = = 1,18
59,5 – 65,5 8,64 8,64
65,5 − 55,27 71,5 − 55,27

𝑍1 = = 1,18 𝑍2 = = 1,88
65,5 – 71,5 8,64 8,64
71,5 − 55,27 77,5 − 55,27

𝑍1 = = 1,88 𝑍2 = = 2,57
71,5 – 77,5 8,64 8,64
77,5 − 55,27 83,5 − 55,27

𝑍1 = = 𝑍2 = =
77,5 – 83,5 8,64 8,64
2,57 3,27
KELAS
Z1 Z2 P1 P2
BOUNDERIES
29,5 – 35,5 −2,98 −2,29 0,5 – 0,4986 = 0,0014 0,5 – 0,4890 = 0,011
35,5 – 41,5 −2,29 −1,59 0,5 – 0,4890 = 0,011 0,5 – 0,4441 = 0,0559
41,5 – 47,5 −1,59 −0,90 0,5 – 0,4441 = 0,0559 0,5 – 0,3159 = 0,1841
47,5 – 53,5 −0,90 −0,20 0,5 – 0,3159 = 0,1841 0,5 – 0,0793 = 0,4207
Tabel Lanjutan 4.121 Perhitungan P1 dan P2
KELAS
Z1 Z2 P1 P2
BOUNDERIES
53,5 – 59,5 −0,20 0,49 0,5 – 0,0793 = 0,4207 0,5 + 0,1879 = 0,6879
59,5 – 65,5 0,49 1,18 0,5 + 0,1879 = 0,6879 0,5 + 0,3810 = 0,881
65,5 – 71,5 1,18 1,88 0,5 + 0,3810 = 0,881 0,5 + 0,4699 = 0,9699
71,5 – 77,5 1,88 2,57 0,5 + 0,4699 = 0,9699 0,5 + 0,4949 = 0,9949
77,5 – 83,5 2,57 3,27 0,5 + 0,4949 = 0,9949 0,5 + 0,4995 = 0,9995
P = P2 – P1
29,5 – 35,5 0,0014 0,011 0,0096 ~ 0,1
35,5 – 41,5 0,011 0,0559 0,0449 ~ 0,1
41,5 – 47,5 0,0559 0,1841 0,1282 ~ 0,1
47,5 – 53,5 0,1841 0,4207 0,2366 ~ 0,2
53,5 – 59,5 0,4207 0,6879 0,2672 ~ 0,2
59,5 – 65,5 0,6879 0,881 0,1931~ 0,1
65,5 – 71,5 0,881 0,9699 0,0889~ 0,1
71,5 – 77,5 0,9699 0,9949 0,025~ 0,1
77,5 – 83,5 0,9949 0,9995 0,0046 ~ 0,0
Jumlah 1
sebagai berikut.
Keterangan:
eᵢ = n x P
P = Probabilitas
n = Jumlah Data
29,5 – 35,5 0,1 20
35,5 – 41,5 0,1 20
41,5 – 47,5 0,1 20
47,5 – 53,5 0,2 40
53,5 – 59,5 0,2 40
59,5 – 65,5 0,1 20
65,5 – 71,5 0,1 20
71,5 – 77,5 0,1 20
77,5 – 83,5 0,0 0
JUMLAH 1 200
Formulasi:
29,5 – 41,5 12 40 -28 784 19,6
41,5 – 47,5 20 20 0 0 0
47,5 – 53,5 58 40 18 324 8,1
53,5 – 59,5 47 40 7 49 1,22
59,5 – 65,5 37 20 17 289 14,45
65,5 – 83,5 26 40 -14 196 4,9
Total 48,27
Maka X 2h=48,27

sebagai berikut.
X 2a=( a , k −2−1 )
berikut.
Dk−Dkmin
Dkmax−Dkmin
𝑋2 = (𝛼, 𝑘 − 2 − 1)
1%
= (0,01, 6 − 2 − 1)
= (0,01, 3)
= 11,34488

= 11,34488-(11,34488-9,3480)x0,02−0,01
0,02−0,01
= 11,34488-(1,99648)0,67
= 10,0273368
= 9,34840-(9,34840-7,81472)x0,03−0,025
0,05−0,025
= 9,34840-(1,53368)0,2
= 9,041664
= 9,34840-(9,34840-7,81472)x0,04−0,025
0,05−0,025
= 9,34840-(1,53368)0,6
= 8,428032
𝑋2 = (𝛼, 𝑘 − 2 − 1)
5%
= (0,05, 6 − 2 − 1)
= (0,05, 3)
= 7,81472

a. Hipotesis

( X 2h ) = 36,74
X 21 % = 11,34488
Kaidah keputusan:
X 22 % = 10,0273368
Kaidah keputusan:
X 23 % = 9,041664

Kaidah keputusan:
X 24 % = 8,428032
Kaidah keputusan:
X 25 % = 7,81472

Kaidah keputusan:
F. Pengolahan Data Ukuran Baju
Berikut dibawah ini merupakan pengolahan data ukuran baju modul
data ukuran baju.
Tabel 4.126 Frekuensi Harapan Data Ukuran Baju

89,5 - 93,5 11
93,5 - 97,5 0
97,5 - 101,5 73
101,5 - 105,5 0
Tabel Lanjutan 4.126 Frekuensi Harapan Data Ukuran Baju
105,5 - 109,5 0
109,5 - 113,5 75
113,5 - 117,5 0
117,5 - 121,5 41
formulasinya.

89,5 − 107,66 93,5 − 107,66
𝑍1 = = −2,12 𝑍2 = = −1,65
89,5 - 93,5 8,56 8,56
93,5 − 107,66 97,5 − 107,66

𝑍1 = = −1,65 𝑍2 = = −1,19
93,5 - 97,5 8,56 8,56
97,5 − 107,66 101,5 − 107,66

𝑍1 = = −1,19 𝑍2 = =
97,5 - 101,5 8,56 8,56
−0,72
101,5 − 107,66 105,5 − 107,66
𝑍1 = = −0,72 𝑍2 = =
101,5 - 105,5 8,56 8,56
−0,25
105,5 − 107,66 109,5 − 107,66
𝑍1 = = 𝑍2 = = 0,21
105,5 - 109,5 8,56 8,56
−0,25
109,5 − 107,66 113,5 − 107,66
𝑍1 = = 0,21 𝑍2 = = 0,68
109,5 - 113,5 8,56 8,56
113,5 − 107,66 117,5 − 107,66

𝑍1 = = 0,68 𝑍2 = = 1,15
113,5 - 117,5 8,56 8,56
117,5 − 107,66 121,5 − 107,66
𝑍1 = = 1,15 𝑍2 = = 1,62
117,5 - 121,5 8,56 8,56
KELAS
Z1 Z2 P1 P2
BOUNDERIES
89,5 - 93,5 2,12 −1,65 0,5 – 0,4830 = 0,017 0,5 – 0,4505 = 0,0495
93,5 - 97,5 −1,65 −1,19 0,5 – 0,4505 = 0,0495 0,5 – 0,3830 = 0,117
97,5 - 101,5 −1,19 −0,72 0,5 – 0,3830 = 0,117 0,5 – 0,2642 = 0,2358
101,5 - 105,5 −0,72 −0,25 0,5 – 0,2642 = 0,2358 0,5 – 0,0987 = 0,4013
105,5 - 109,5 −0,25 0,21 0,5 – 0,0987 = 0,4013 0,5 + 0,0832 = 0,5832
109,5 - 113,5 0,21 0,68 0,5 + 0,0832 = 0,5832 0,5 + 0,2517 = 0,7517
113,5 - 117,5 0,68 1,15 0,5 + 0,2517 = 0,7517 0,5 + 0,3749 = 0,8749
117,5 - 121,5 1,15 1,62 0,5 + 0,3749 = 0,8749 0,5 + 0,4474 = 0,9474
Untuk menentukan nilai probabilitas (P) rumus yang digunakan
adalah sebagai berikut:
P = P2 – P1
89,5 - 93,5 0,017 0,0495 0,0325 ~ 0,1
93,5 - 97,5 0,0495 0,117 0,0675 ~ 0,1
97,5 - 101,5 0,117 0,2358 0,1180 ~ 0,1
101,5 - 105,5 0,2358 0,4013 0,1655 ~ 0,1
105,5 - 109,5 0,4013 0,5832 0,1819 ~ 0,2
109,5 - 113,5 0,5832 0,7517 0,1685~ 0,2
113,5 - 117,5 0,7517 0,8749 0,1232~ 0,1
117,5 - 121,5 0,8749 0,9474 0,0725~ 0,1
Jumlah 1
sebagai berikut.
Keterangan:
eᵢ = n x P
P = Probabilitas
n = Jumlah Data
89,5 - 93,5 0,1 20
93,5 - 97,5 0,1 20
97,5 - 101,5 0,1 20
101,5 - 105,5 0,1 20
105,5 - 109,5 0,2 40
109,5 - 113,5 0,2 40
113,5 - 117,5 0,1 20
117,5 - 121,5 0,1 20
JUMLAH 1 200
Formulasi:
11 40 -29 21,025
89,5 – 97,5 841
73 80 -7 0,61
97,5 – 109,5 49
75 60 15 3,75
109,5 – 117,5 225
41 20 21 22,05
117,5 – 121,5 441
47,43
Total
Maka X 2h=47,43

sebagai berikut.
X 2a=( a , k −2−1 )
berikut.
Dk−Dkmin
Dkmax−Dkmin
𝑋2 = (𝛼, 𝑘 − 2 − 1)
1%
= (0,01, 4 − 2 − 1)
= (0,01, 1)
= 6,63489
= 6,63489-(6,63489-5,02390)x 0,02−0,01
0,025−0,01
= 6,63489-(1,61099)0,67
= 5,5555267
= 5,02390-(5,02390-3,84146)x0,03−0,025
0,05−0,025
= 5,02390-(1,18244)0,2
= 4,787412
= 5,02390-(5,02390-3,84146)x0,04−0,025
0,05−0,025
= 5,02390-(1,18244)0,6
= 4,314436
𝑋2 = (𝛼, 𝑘 − 2 − 1)
5%
= (0,05, 4 − 2 − 1)
= (0,05, 1)
= 3,84146

a. Hipotesis

( X 2h ) = 36,74
X 21 % = 6,63489

Kaidah keputusan:
X 22 % = 5,5555267

Kaidah keputusan:
X 23 % = 4,787412
Kaidah keputusan:
X 24 % = 4,314436

Kaidah keputusan:
X 25 % = 3,84146
Kaidah keputusan:
4.2.4 Modul IV (Distribusi Probabilitas Diskrit)
Pada modul IV mengenai distribusi probabilitas diskrit ini akan dibahas
pengolahan data distribusi binomial dan distribusi hipergeometrik.
A. Pengolahan Data Distribusi Binomial
Berikut adalah pengolahan data dari distribusi binomial.
1. Angka Kartu 8
Berikut dibawah ini akan membahas mengenai pengolahan angka kartu 8.
a. Pengambilan Ke – 1
Berikut ini merupakan pengolahan data nilai data kartu 8 pada
pengambilan ke-1.
1) Perhitungan Angka Ke – 1
Berikut dibawah ini adalah perhitungannya.
2) Diagram Pohon
Berikut ini merupakan diagram pohon angka kartu bernilai 8
dengan satu kali pengambilan.
Gambar 4.77 Diagram Pohon Pengambilan Ke 1
3) Tabel Distribusi Binomial
Berikut ini merupakan tabel distribusi binomial dengan satu kali
pengambilan.
Tabel 4.133 Tabel Binomial Pengambilan Ke 1
No. Kejadian Probabilitas Variabel Acak P(X=x)
1 M P 1 P(X=1) = P
2 T Q 0 P(X=0) = Q
4) Perhitungan Pembuktian
Berikut ini merupakan perhitungan dan pembuktian dari tabel
distribusi binomial dengan perhitungan munculnya angka kartu bernilai 8.
Tabel 4.134 Perhitungan Pembuktian Pengambilan Ke 1

No Perhitungan Pembuktian Keterangan
P(X=1) = 𝐶1 𝑃1𝑄1−1
1
= 1! x 0,116671 x 0,883330
P(X=1) = P (1−1)!1!
1 Terbukti
= 0,11667 = 1 x 0,11667 x 1
1
= 0,11667
P(X=0) = 𝐶1𝑃0𝑄1−0
0
P(X=0) = Q = 1! x 0,116670 x 0,883331

(1−0)!0!
2 Terbukti
= 0,88333 = 1 x 1 x 0,88333
= 0,88333
5) Tabel Rekapitulasi Perhitungan

Berikut ini merupakan tabel rekapitulasi perhitungan
pengambilan ke 1.
Tabel 4.135 Rekapitulasi Perhitungan Pengambilan Ke 1
No Variabel Acak Perhitungan Pembuktian
1 1 0,11667 0,11667
2 0 0,88333 0,88333
JUMLAH 1 1
b. Pengambilan Ke – 2
pengambilan ke-2.
2) Diagram Pohon
dengan dua kali pengambilan.

Berikut ini merupakan tabel distribusi binomial dengan dua kali
pengambilan.
1 MM P2 2 P(X=2) =P2
2 MT PQ 1 P(X=1) = 2PQ
3 TM QP 1
4 TT Q2 0 P(X=0) = Q2
P(X = 2) = 𝐶2 P2 Q2-2
P(X = 2) = 2
2!
P2 = (0,11667)2(0,88333)0
1 2!(2−2)! Terbukti
= 0,116672
= 1 x 0,01361 x 1
= 0.01361
= 0,01361
P(X=1)=2PQ P(X = 2) = 𝐶2 P1 Q2-1

1
=2x0,11667x 2!
= (0,11667)1(0,88333)1
2 0,88333 (2−1)!1! Terbukti
= 0,20612 = 2 x 0,11667 x 0,88333 = 0,20612
Tabel Lanjutan 4.137 Perhitungan Pembuktian Pengambilan Ke 2

P(X = 0) = P(X = 2) = 𝐶2 P1 Q2-1
Q2 1
2!
3 = (0,11667)0(0,88333)2 Terbukti
= 0,883332
(2−0)!0!
= 0,78027
= 1 x 1 x 0,78027 = 0,78027
pengambilan ke 2.
2 0.01361 0.01361 2
1 0,20612 0,20612 1
0 0,78027 0,78027 0
Rekapitulasi 1 1
c. Pengambilan Ke – 3
pengambilan ke - 3.
2) Diagram Pohon
dengan tiga kali pengambilan.

Berikut ini merupakan tabel distribusi binomial dengan tiga kali
pengambilan.
1 MMM P3 3 P(X=3) =P3
2 MMT 2
PQ 2 P(X=2) = 3P2Q
3 MTT PQ
2 1 P(X=1) = 3PQ2
4 TTT Q3 0 P(X=0) = Q3

P(X = 2) = 𝐶3 P3 Q3-3
P(X = 2) = 3
3!
P3 = (0,11667)3(0,88333)0
1 (3−3)!3! Terbukti
= 0,116673
= 1 x 0,00159 x 1
= 0.00159
= 0,00159
P(X = 2) = 𝐶3 P2 Q3-2
P(X=1)=2P 2
3!
Q = (0,11667)2(0,88333)1
(3−2)!2!
2 =3x0,11667² Terbukti
x0,88333 = 3 x 0,01361 x 0,88333
= 0,03607 = 0,03607
P(X = 2) = 𝐶3 P1 Q3-1
P(X = 0) = 1
3!
3PQ2 = (0,11667)1(0,88333)2
=3𝑥0,11667
𝑥0,883332 = 3 x 0,11667 x 0,78027
= 0,273103 = 0,273103
0) P(X = 0) = 𝐶 P Q
3 0 3-0
P(X =
0
=𝑄3
4 =
3!
(0,11667)0(0,88333)3 Terbukti
= 0,88333 3
(3−0)!0!
= 0,68924
= 1 x 1 x 0,68924 = 0,68924
pengambilan ke 3.
3 0,00159 0,00159 3
2 0,03607 0,03607 2
1 0,273103 0,273103 1
0 0,68924 0,68924 0
Rekapitulasi 1 1
d. Pengambilan Ke – 4
pengambilan ke - 4.
2) Diagram Pohon
dengan empat kali pengambilan.
Berikut ini merupakan tabel distribusi binomial dengan empat kali
pengambilan.
1 MMMM P4 4 P(X=4) =P4
2 MMMT 3
PQ 3 P(X=3) = 4P3Q
3 MTMT P2Q2 2 P(X=2) = 6P2Q2
4 TMTT PQ3 1 P(X=1) = 4PQ3
5 TTTT Q4 0 P(X=0) = Q4
P(X = 2) = 𝐶4 P4 Q4-4
4
P(X = 2) = = 4! (0,11667)4(0,88333)0
1 P4 (4−4)!4!
Terbukti
= 0,11667 4 = 4 x 0,00018 x 1
= 0.00018 = 0,00018
P(X = 2) = 𝐶4 P3 Q4-3
3
P(X=1)=4𝑃3 = 4! (0,11667)3(0,88333)1
Q (4−3)!3!
2 Terbukti
=4x0,11667 = 4 x 0,00158 x 0,88333
3x0,88333
= 0,00561
= 0,00561
P(X = 0) = P(X = 2) = 𝐶4 P2 Q4-2
2
6𝑃2𝑄2 4!
3 = (0,11667)2(0,88333)2 Terbukti
=6𝑥0,11667 (4−2)!2!
2𝑥0,883332 = 6 x 0,01361 x 0,78027 = 0,06373
= 0,06373
P(X = 0) = P(X = 2) = 𝐶4 P1 Q4-1

1
4𝑃𝑄3 4!
4 = (0,11667)1(0,88333)3 Terbukti
=4𝑥0,11667 (4−1)!1!
𝑥0,883333 = 4 x 0,11667 x 0,68924 = 0,32165
= 0,32165

0) P(X = 0) = 𝐶 P Q
4 0 4-0
P(X =
0
=𝑄4
5 =
4!
(0,11667)0(0,88333)4 Terbukti
= 0,883334
(4−0)!0!
= 0,60882 = 1 x 1 x 0,60882 = 0,60882

pengambilan ke 4.
4 0,00018 0,00018 4
3 0,00561 0,00561 3
2 0,06373 0,06373 2
1 0,32165 0,32165 1
0 0,60882 0,60882 0
Rekapitulasi 1 1
e. Pengambilan Ke – 5
pengambilan ke - 5.
2) Diagram Pohon
dengan lima kali pengambilan.
M
M
T
M
M
T
T
M
M
M
T
T
M
T
T
M
M
M
T
M
M
T
T
T
M
M
T
T
M
T
T
1 M
T
M
M
T
T
M
M
M
T
T
M
T
T
T
M
M
T
M
M
T
T
T
M
M
T
T
M
T
T

Berikut ini merupakan tabel distribusi binomial dengan lima kali
pengambilan.
1 MMMMM 5 P(X=5) =P5
P5
2 MMMMT 4 4 P(X=4) = 5P4Q
PQ
3 MMMTT 3 P(X=3) = 10P3Q2
P3Q2
4 MMTTT 2 P(X=2) = 10P2Q3
P2Q3
5 MTTTT 4 1 P(X=1) = 5PQ4
PQ
6 TTTTT 0 P(X=0) =Q5
Q5
P(X = 5) = 𝐶5 P5 Q5-5
5
P(X = 5) = P5 = 5! (0,11667)5(0,88333)0
= 0,116675
= 0.00002 = 5 x 0,00002 x 1
= 0,00002
P(X = 4) = 𝐶5 P4 Q5-4
4
P(X=4) = = 5!
(0,11667)4(0,88333)1
5𝑃4Q (5−4)!4!
2 Terbukti
= = 5 x 0,00018 x 0,88333
5x0,116674x
0,88333 = 0,00082
= 0,00082
P(X = 3) = P(X = 3) = 𝐶5 P3 Q5-3
10𝑃3𝑄2 3
5!
3 = (0,11667)3(0,88333)2 Terbukti
=10𝑥0,11667 (5−3)!3!
3𝑥0,883332
= 10x0,00158 x 0,78027 = 0,01239
= 0,01239

2 5-2
P(X = 2) = 𝐶5 P Q
2
P(X = 2) = = 5! (0,11667)2(0,88333)3
4 5𝑃𝑄3 (5−2)!2! Terbukti
=4𝑥0,11667𝑥 =5x(0,11667)2(0,88333)3
0,883333 = 0,32165
= 0,09382
P(X = 1) = 𝐶5 P1 Q5-1
P(X = 1) = 1
5!
5𝑃𝑄4 = (0,11667)1(0,88333)4
=5𝑥0,11667𝑥
0,883334 = 5 x (0,11667)1(0,88333)4
= 0,35516 = 0,32165
P(X = 0) =𝑄5 P(X = 0) = 𝐶5 P0 Q5-0
0
6 = 0,883335 5! Terbukti
= (0,11667)0(0,88333)5
= 0,53778
(5−0)!0!
= 1 x 1 x 0,53778 = 0,53778
pengambilan ke 5.
5 0,00002 0,00002 5
4 0,00082 0,00082 4
3 0,01239 0,01239 3
2 0,09382 0,09382 2
1 0,35516 0,35516 1
0 0,53778 0,53778 0
Rekapitulasi 1 1
f. Pengambilan Ke – 6
pengambilan ke – 6.
2) Diagram Pohon
dengan enam kali pengambilan.
M
M
T
M
M
T
T
M
M
M
T
T
M
T
T
M
M
M
T
M
M
T
T
T
M
M
T
T
M
T
T
M
M
M
T
M
M
T
T
M
M
M
T
T
M
T
T T
M
M
T
M
M
T
T
T
M
M
T
T
M
T
T
M
M
T
M
M
T
T
M
M
M
T
T
M
T
M T
M
M
T
M
M
T
T
T
M
M
T
T
M
T
T
T
M
M
T
M
M
T
T
M
M
M
T
T
M
T
T
T
M
M
T
M
M
T
T
T
M
M
T
T
M
T
T

Berikut ini merupakan tabel distribusi binomial dengan enam kali
pengambilan.
1 MMMMMM P6 6 P(X=6) =P6
2 MMMMMT 5
PQ 5 P(X=5) = 6P5Q
3 MMMMTT P4Q2 4 P(X=4) = 15P4Q2
4 MMMTTT P3Q3 3 P(X=3) = 20P3Q3
5 MMTTTT P2Q4 2 P(X=2) = 15P2Q4
6 MTTTTT PQ
5 1 P(X=1) = 6PQ5
Berikut adalah perhitungan dan pembuktian dari munculnya kartu bernilai 8.
P(X = 6) = 𝐶6 P6 Q6-6
6
P(X = 6) = = 6! (0,11667)6(0,88333)0
1 P6 (6−6)!6!
Terbukti
= 0,116676 = 1 x 0,0000025 x 1
= 0.0000025 = 0,0000025
P(X = 5) = 𝐶6 P5 Q6-5
5
P(X=5) = = 6!
(0,11667)5(0,88333)1
6𝑃5Q (6−5)!5!
2 Terbukti
= = 6 x 0,00002 x 0,88333
6x0,116675x
= 0,00011
0,88333
= 0,00011
P(X = 4) = P(X = 4) = 𝐶6 P4 Q6-4
4
15𝑃4𝑄2 6!
3 = (0,11667)4(0,88333)2 Terbukti
=10𝑥0,1166 (6−4)!4!
74𝑥0,883332 = 15x0,00018 x 0,78027 = 0,00211
= 0,00211
P(X = 3) = 𝐶6 P3 Q6-3
3
P(X = 3) = = 6! (0,11667)3(0,88333)3
4 20𝑃3𝑄3 (6−3)!3! Terbukti
=4𝑥0,11667 =20x(0,11667)3(0,88333)3
3𝑥0,883333
= 0,02912
= 0,02912
P(X = 2) = 𝐶6 P2 Q6-2
P(X = 2) = 2
6!
15𝑃2𝑄4 = (0,11667)2(0,88333)4
=15𝑥0,1166
72𝑥0,883334 = 15 x (0,11667) (0,88333)
2 4
= 0,12429
= 0,12429
P(X = 1) = 𝐶6 P1 Q6-1
P(X = 1) = 1
6!
6𝑃𝑄 5 = (0,11667)1(0,88333)5
=6𝑥0,11667
𝑥0,883335 = 6 x (0,11667)1(0,88333)5
= 0,37646
= 0,37646
P(X = 0) P(X = 0) = 𝐶 P Q
6 0 6-0
0
=𝑄6
7 =
6!
(0,11667)0(0,88333)6 Terbukti
= 0,883336
(6−0)!0!
= 0,47505 = 1 x 1 x 0,47505 = 0,47505

pengambilan ke 6.

6 0,0000025 0,0000025 6
5 0.00011 0.00011 5
4 0.00211 0.00211 4
3 0,02192 0,02192 3
2 0,12429 0,12429 2
1 0,37646 0,37646 1
0 0,47505 0,47505 0
Rekapitulasi 1 1
g. Pengambilan Ke – 7
2) Diagram Pohon
dengan tujuh kali pengambilan.
M =MMM MMMM
M
T =MMM MMMT
M
M =MMM MMT M
T
T = MMM MMT T
M
=
M
MMM MT MM
M
T = MMM MT MT
T
M =MMM MT TM
T
T =MMM MT TT
M
M =MMM TM MM
M
T =MMM TM MT
M
M =M MM TM TM
T
T =MMM TM TT
T
M =M MM TT MM
M
T =MMM TT MT
T
M =MMM TT TM
T
T =MMM TT TT
M =MMT MM MM
M
M
T =M MT MM MT
M
M =MMTMM TM
T
T =MMT MM TT
M
M =MMTMT MM
M
T =MMT MT MT
T
M =MMT MT T M
T
T =MMT MT T T
T
M =MMTT MMM
M
T =MMT TMMT
M
M =MMT TMT M
T
T =MMT TMTT
T
M =MMTT T MM
M
T =MMT TT MT
T
M =MMT TT TM
T
T =MMT T TT T
M
=
M
MT MMM MM
M
T = MTMMM MT
M
M =MT MMM TM
T
T = MT MMM TT
M
M = MT MMT MM
M
T = MTMMT MT
T
M =MT MMT TM
T
T =MT MMT TT
M
M =M TMT MMM
M
T =MT MTMMT
M
M =MTMT MTM
T
T =MTM TMTT
T M =MTMT T MM
M
T =MTM TT MT
T
M =MT MT TT M
T
T =MT MT TT T
M =MT TMMMM
T M
T =MTT MMMT
M
M =MT TMMT M
T
T =MTT MMTT
M M =MT TMT MM
M
T =MTT MT MT
T
M =MTT MT TM
T
T =MTT MT T T
T
M =MT TT MMM
M
T =MTT T MMT
M
M =MTT T MTM
T
T =MT T TMT T
T
M =MT T TTM M
M
T =MT T TTM T
T
M =MTT T TT M
T
T =MT TT TTT
=
M
TMMMM MM
1 M
T = T MMMM MT
M
M =T MMMM TM
T
T = T MMMM TT
M
M = T MMMT MM
M
T = T MMMTMT
T
M =T MMMT T M
T
T =T MMMT T T
M
M =T MMTMMM
M
T =TMMT MMT
M
M =TMMT MTM
T
T =TMMT MTT
T
M =TMMT TMM
M
T =TMMT TMT
T
M =T MMTT TM
T
T =T MMT TT T
M =T MTMMMM
M
M
T =TMTM MMT
M
M =TMT MMTM
T
T =TMT MMTT
M
M =TMT MT MM
M
T =TMT MTMT
T
M =TMT MTT M
T
T =TMT MTT T
T
M =TMT T MMM
M
T =TMT TMMT
M
M =TMT TMT M
T
T =T MT TMT T
T
M =T MTT TM M
M
T =T MT TTM T
T
M =TMT T TT M
T
T =TMT T TT T
M = T TMMMMM
M
T = T TMM MMT
M
T M =T TMMMT M
T
T = TT MMMTT
M
M = T TMMT MM
M
T = TT MMTMT
T
M =T TMMT TM
T
T =T TMMT T T
M
M =TT MT MMM
M
T =TT MTMMT
M
M =T TMT MTM
T
T =T T MTMT T
T M =T TMT TM M
M
T =T T MTTM T
T
M =T TMT TT M
T
T =T TMT TTT
M =T TTM MMM
T M
T =T TTM MMT
M
M =TT TM MT M
T
T =T T TM MT T
M M =TT TM TM M
M
T =T T TM TM T
T
M =T T TM TTM
T
T =T T TM TTT
T
M =TT TT MM M
M
T =T T TT MM T
M
M =T T TT MTM
T
T =T TTT MTT
T
M =T TTTT MM
M
T =T TTT TMT
T
M =T T TT T TM
T
T =TT TT TT T

Berikut ini merupakan tabel distribusi binomial dengan tujuh kali
pengambilan.
1 MMMMMMM P7 7 P(x=7)= P7
6
2 MMMMMMT PQ 6 P(x=6)= 7P6Q
3 MMMMMTT P5Q2 5 P(x=5)= 21P5Q2
4 MMMMTTT P4Q3 4 P(x=4)= 35 P4Q3
5 MMTMTTT P3Q4 3 P(x=3)= 35P3Q4
6 MMTTTTT P2Q5 2 P(x=2)= 21P2Q5
7 MTTTTTT P1Q6 1 P(x=1)=7 P1Q6
8 TTTTTTT Q7 0 P(x=0)= Q7
P(X = 6) = 𝐶6 P6 Q6-6
6
P(X = 6) = P6 = 6! (0,11667)6(0,88333)0
= 0,116676
= 0.0000025 = 1 x 0,0000025 x 1
= 0,0000025
P(X = 5) = 𝐶6 P5 Q6-5
5
P(X=5) = 6!
= (0,11667)5(0,88333)1
6𝑃5Q (6−5)!5!
2 = Terbukti
= 6 x 0,00002 x 0,88333
6x0,116675x
0,88333 = 0,00011
= 0,00011
P(X = 4) = P(X = 4) = 𝐶6 P4 Q6-4
15𝑃4𝑄2 6!
4
3 = (0,11667)4(0,88333)2 Terbukti
=10𝑥0,11667 (6−4)!4!
4𝑥0,883332
= 15x0,00018 x 0,78027 = 0,00211
= 0,00211

P(X = 3) = 𝐶6 P3 Q6-3
3
P(X = 3) = = 6! (0,11667)3(0,88333)3
4 20𝑃3𝑄3 (6−3)!3! Terbukti
=4𝑥0,116673 =20x(0,11667)3(0,88333)3
𝑥0,883333 = 0,02912
= 0,02912
P(X = 2) = 𝐶6 P2 Q6-2
P(X = 2) = 2
6!
15𝑃2𝑄4 = (0,11667)2(0,88333)4
=15𝑥0,11667
2𝑥0,883334 = 15 x (0,11667)2(0,88333)4
= 0,12429 = 0,12429
P(X = 1) = 𝐶6 P1 Q6-1
P(X = 1) = 1
6!
6𝑃𝑄5 = (0,11667)1(0,88333)5
=6𝑥0,11667𝑥
0,883335 = 6 x (0,11667)1(0,88333)5
= 0,37646
= 0,37646
P(X = 1) = 𝐶6 P1 Q6-1
P(X = 1) = 1
6!
6𝑃𝑄 5
= (0,11667)1(0,88333)5
=6𝑥0,11667𝑥
0,883335 = 6 x (0,11667)1(0,88333)5
= 0,37646 = 0,37646
P(X = 0) =𝑄6 P(X = 0) = 𝐶6 P0 Q6-0

0
= 0,883336 6!
8 = (0,11667)0(0,88333)6 Terbukti
= 0,47505
(6−0)!0!
= 1 x 1 x 0,47505 = 0,47505
pengambilan ke 7.

7 0,00000029 0,00000029 7
6 0,000015 0,000015 6
Tabel Lanjutan 4.153 Rekapitulasi Perhitungsn Pengambilan Ke 7
5 0,00033 0,00033 5
4 0,00434 0,00434 4
3 0,03367 0,03367 3
2 0,15370 0,15370 2
1 0,38796 0,38796 1
0 0,41962 0,41962 0
Rekapitulasi 1 1
2. Angka Kartu 3
Berikut dibawah ini akan membahas mengenai pengolahan angka kartu 3.
a. Pengambilan Ke – 1
Berikut ini merupakan pengolahan data pada pengambilan ke-1.
2) Diagram Pohon
Berikut ini merupakan diagram pohon dengan satu kali pengambilan.

Berikut ini tabel distribusi binomial dengan satu kali pengambilan.
1 M P 1 P(X=1) = P
2 T Q 0 P(X=0) = Q
P(X=1) = P
P(1) = 𝐶1𝑝1𝑞1−1
1
P(X=1) = P
1 = 1! 𝑥 0,11𝑥0,90 Terbukti
(1−1)!.1!
= 0,1
= 0,1 x 1
= 0,1
P(X=0) = Q
Q(0) = 𝐶1𝑝0𝑞1−0
0
P(X=0) = Q
= 1! 𝑥 0,10𝑥0,91
0 = 0,9 (1−0)!.0! Terbukti
= 1 x 0,9
= 0,9
Berikut ini tabel rekapitulasi perhitungan pengambilan ke 1.
1 1 0,1 0,1
2 0 0,9 0,9
JUMLAH 1 1
b. Pengambilan Ke – 2
pengambilan ke-2.
2) Diagram Pohon
dengan dua kali pengambilan.
Berikut ini merupakan tabel distribusi binomial dengan dua kali
pengambilan.
1 MM P2 2 P(X=2) =P2
2 MT PQ 1 P(X=1) = 2PQ
3 TM QP 1
4 TT Q2 0 P(X=0) = Q2
P(X=2) = P
P(X = 2) =
P(2) = 𝐶22𝑝2𝑞2−2
P2
1 = 2! 𝑥 0,12𝑥0,90 Terbukti
= (0,1)2 (2−2)!.2!
= 0,01 = 0,01 x 1
= 0,01
P(X =1)= 2PQ P(X=1) = PQ
PQ = 𝐶2𝑝1𝑞2−1
=2 (0,1) (0,9) 1
= 2 (0,09) = 2! 𝑥 0,11𝑥0,91
2 (2−1)!.1! Terbukti
= 0,18 = 2 (0,1 x 0,9)
= 0,18

P(X=0) = 𝑄2
P(X = 0) = Q2 = 𝐶2𝑝0𝑞2−0
0
= (0,9)2
3 = 2! 𝑥 0,10𝑥0,92 Terbukti
= 0,81 (2−0)!.0!
= 1 x 0,81
= 0,81
pengambilan ke 2.
2 0,01 0,01 2
1 0,18 0,18 1
0 0,81 0,81 0
Rekapitulasi 1 1
c. Pengambilan Ke – 3
pengambilan ke - 3.
2) Diagram Pohon
dengan tiga kali pengambilan.
Berikut ini merupakan tabel distribusi binomial dengan tiga kali
pengambilan.
1 MMM P3 3 P(X=3) =P3
2 MMT 2
PQ 2 P(X=2) = 3P2Q
3 MTT PQ
2 1 P(X=1) = 3PQ2
4 TTT Q3 0 P(X=0) = Q3
P(X=3) = 𝑃3
P(X = 3) = P3
P(3) = 𝐶33𝑝3𝑞3−3
= (0,1) 3
1 = 3! 𝑥 0,13𝑥0,90 Terbukti
= 0,001 (3−3)!.3!
= 0,001 x 1
= 0,001
P(X =2)
P(X=2) = 𝑃2𝑄
3𝑃2Q
P(2) = 𝐶23𝑝2𝑞3−2
2
= 3(0,1) (0,9)
= 3! 𝑥 0,12𝑥0,91
2 = 3(0,01) (3−2)!.2! Terbukti
(0,9) = 3 x (0,009)
= 3(0,009) = 0,027
= 0,027
P(X=1) = 𝑃𝑄2
P(X=1)=
= 𝐶13𝑝1𝑞3−1
3PQ2
3 = 3! 𝑥 0,11𝑥0,92 Terbukti
= 3(0,1) (0,9)2 (3−1)!.1!
= 3(0,1) = 3 x (0,1) (0,81)

(0,81)
= 3 x 0,081
= 3 (0,081) = 0,243
0,243
P(X=0) = 𝑄3
P(X = 0) = Q3
= 𝐶03𝑝0𝑞3−0
= (0,9) 3
4 = 3! 𝑥 0,10𝑥0,93 Terbukti
= 0,729 (3−0)!.0!
= 1 x 0,729
= 0,729
Berikut ini tabel rekapitulasi perhitungan pengambilan ke 3.
3 0,001 0,001 3
2 0,027 0,027 2
1 0,243 0,243 1
0 0,729 0,729 0
Rekapitulasi 1 1
d. Pengambilan Ke – 4
Berikut ini pengolahan data nilai data kartu 3 pada pengambilan ke - 4.
2) Diagram Pohon
Berikut ini merupakan diagram pohon dengan empat kali pengambilan.

Berikut ini merupakan tabel distribusi binomial dengan empat kali
pengambilan.
1 MMMM P4 4 P(X=4) =P4
2 MMMT 3
PQ 3 P(X=3) = 4P3Q
3 MTMT P2Q2 2 P(X=2) = 6P2Q2
4 TMTT PQ3 1 P(X=1) = 4PQ3
5 TTTT Q4 0 P(X=0) = Q4
Berikut ini perhitungan dan pembuktian dari tabel distribusi binomial.
P(X =4) = P4 P(X=4) = 𝑃 4
= (0,1)4 = 𝐶44𝑝4𝑞4−4
1 = 4! 𝑥 0,14𝑥0,90 Terbukti
= 0,0001 (4−4)!.4!
= 0,001 x 1= 0,001
P(X =3)=4P3 Q
P(X=3) = 𝑃3Q
= 4(0,1) (0,9)
3
= 𝐶34𝑝3𝑞4−3
= 4 (0,001) = 4! 𝑥 0,13𝑥0,91
2 (0,9)
(4−3)!.3! Terbukti
= 4 (0,001) (0,9)
= 4 (0,0009)
= 4 (0,0009) = 0,0036
= 0,0036
P(X=2) = 6P2Q2
P(X=2) = 𝑃2Q2
= 6 (0,1) (0,9)
2 2
= 𝐶24𝑝2𝑞4−2
= 6 (0,01) = 4! 𝑥 0,12𝑥0,92
3 (4−2)!.2!
Terbukti
(0,81)
= 6 (0,01) (0,81)
= 6 (0,0081) = 6 (0,0081) = 0,0486
= 0,0486
P(X=1)= 4PQ3
P(X=1) = PQ3
= 4 (0,1) (0,9) 3
= 𝐶14𝑝1𝑞4−1
=4(0,1)(0,729) = 4! 𝑥 0,11𝑥0,93
4 (4−1)!.1!
Terbukti
= 4 (0,0729)
= 0,2916 = 4 (0,1) (0,729)
= 4 (0,0729) = 0,2916
P(X=0) = 𝑄4
=P(X = 0) = Q4
= 𝐶04𝑝0𝑞4−0
= (0,9) 4
= 4! 𝑥 0,10𝑥0,94
5 (4−0)!.0!
Terbukti
= 0,6561
= 1 x 0,6561
= 0,6561
pengambilan ke 4.
4 0,0001 0,0001 4
3 0,0036 0,0036 3
2 0,0486 0,0486 2
1 0,2916 0,2916 1
0 0,6561 0,6561 0
Rekapitulasi 1 1
e. Pengambilan Ke – 5
pengambilan ke - 5.
2) Diagram Pohon
dengan lima kali pengambilan.
M
M
T
M
M
T
T
M
M
M
T
T
M
T
M
M
M
T
M
M
T
T
T
M
M
T
T
M
T
T
M
9 M
T
M
M
T
T
M
M
M
T
T
M
T
T
T
M
M
T
M
M
T
T
T
M
M
T
T
M
T
T

Berikut ini merupakan tabel distribusi binomial dengan lima kali
pengambilan.
1 MMMMM 5 P(X=5) =P5
P5
2 MMMMT 4 4 P(X=4) = 5P4Q
PQ
3 MMMTT 3 P(X=3) = 10P3Q2
P3Q2
4 MMTTT 2 P(X=2) = 10P2Q3
P2Q3
5 MTTTT 4 1 P(X=1) = 5PQ4
PQ
6 TTTTT 0 P(X=0) =Q5
Q5
P(X = 5) = P5 P(X=5) = 𝑃5
= (0,1)5 = 𝐶55𝑝5𝑞5−5
1 Terbukti
= 0,00001 = 5! 𝑥 0,15𝑥0,90
(5−5)!.5!
= 0,00001 x 1= 0,00001
P(X=4) = 5P4Q P(X=4) = 𝑃4𝑄
= 5 (0,1)4 (0,9) = 𝐶45𝑝4𝑞5−4

2 = 5! 𝑥 0,14𝑥0,91 Terbukti
= 5 (0,00009) (5−4)!.4!
= 0,00045 = 5 (0,00009)= 0,00045
P(X=3)=10P3Q2 P(X=3) = 𝑃3𝑄2

5 3 5−3
= 10 (0,1)3 (0,9)2 = 𝐶3 𝑝 𝑞
(0,001) = 𝑥 0,13𝑥0,92
5!
3 =10 (5−3)!.3!
Terbukti
(0,81)
= 10 (0,001) (0,81)
= 10 (0,00081) = 10 (0,00081)= 0,0081
= 0,0081

P(X=2)=10P2Q3 P(X=2) = 𝑃2𝑄3
= 10 (0,1)2(0,9)3 = 𝐶25𝑝2𝑞5−2
4 = 5! 𝑥 0,12𝑥0,93 Terbukti
= 10 (0,01) (5−2)!.2!
(0,729)
= 10 (0,01) (0,729)
= 10 (0,00729) = 10 (0,00729)= 0,0729
= 0,0729
P(X = 1) = 5PQ4 P(X=1) = 𝑃𝑄4= 𝐶5𝑝1𝑞5−1
1
= 5 (0,1) (0,9)4 = 5! 𝑥 0,11𝑥0,94
5 (5−1)!.1!
Terbukti
= 5 (0,1)
(0,6561) = 5 (0,1) (0,6561)
= 5 (0,06561)= 0,32805
= 5 (0,06561)
= 0,32805
P(X=1) = 𝐶5𝑝0𝑞5−0
P(X = 0) = Q5 0
= (0,9)5 = 5! 𝑥 0,1 𝑥0,95

0
(5−0)!.0!
6 Terbukti
= 0,59049 = 1 x 0,59049
= 0,59049

pengambilan ke 5.
5 0,00001 0,00001 5
4 0,00045 0,00045 4
3 0,0081 0,0081 3
2 0,0729 0,0729 2
1 0,32805 0,32805 1
0 0,59049 0,59049 0
Rekapitulasi 1 1
f. Pengambilan Ke – 6
2) Diagram Pohon
dengan enam kali pengambilan.
M
M
T
M
M
T
T
M
M
M
T
T
M
T
T
M
M
M
T
M
M
T
T
T
M
M
T
T
M
T
T
M
M
M
T
M
M
T
T
M
M
M
T
T
M
T
T T
M
M
T
M
M
T
T
T
M
M
T
T
M
T
T
M
M
T
M
M
T
T
M
M
M
T
T
M
T
M T
M
M
T
M
M
T
T
T
M
M
T
T
M
T
T
T
M
M
T
M
M
T
T
M
M
M
T
T
M
T
T
T
M
M
T
M
M
T
T
T
M
M
T
T
M
T
T

Berikut ini merupakan tabel distribusi binomial dengan enam kali
pengambilan.
1 MMMMMM P6 6 P(X=6) =P6
2 MMMMMT 5
PQ 5 P(X=5) = 6P5Q
3 MMMMTT P4Q2 4 P(X=4) = 15P4Q2
4 MMMTTT P3Q3 3 P(X=3) = 20P3Q3
5 MMTTTT P2Q4 2 P(X=2) = 15P2Q4
6 MTTTTT PQ
5 1 P(X=1) = 6PQ5
P(X = 6) = P6 P(X=6) = 𝐶 𝑝6𝑞6−6 6
6
= (0,1)6
1 = 6! 𝑥 0,1 𝑥0,90
6
Terbukti
(6−6)!.6!
= 0,000001
= 0,000001 x 1= 0,000001
P(X=5) = 6𝑃5𝑄 P(X=5) = 𝐶6𝑝5𝑞6−5

5
= 6 (0,1)5 (0,9) = 6! 𝑥 0,15𝑥0,91
(6−5)!.5!
2 = 6 (0,00001) (0,9) Terbukti
= 6 (0,00001) (0,9)
= 6 (0,000009)
= 6 (0,000009)= 0,000054
= 0,000054
P(X=4) = 15𝑃4𝑄2 P(X=4) = 𝐶6𝑝4𝑞6−4
4
= 15 (0,1)4 (0,9)2 = 6! 𝑥 0,1 𝑥0,92
4
(6−4)!.4!
3 = 15(0,0001)(0,81) Terbukti
= 15 (0,0001) (0,81)
= 15 (0,000081) = 15 (0,000081)= 0,001215
= 0,001215
P(X=3) = 20𝑃3𝑄3 P(X=3) = 𝐶6𝑝3𝑞6−3
3
= 20 (0,1)3 (0,9)3 = 6! 𝑥 0,1 𝑥0,93
3
(6−3)!.3!
4 = 20(0,001)(0,729) Terbukti
= 20 (0,001) (0,729)
= 20 (0,000729)
= 20 (0,000729)= 0,01458
= 0,01458

P(X=2) = 15𝑃2𝑄4
P(X=2) = 𝐶6𝑝2𝑞6−2
= 15 (0,1)2 (0,9)4 2
5 = 15(0,01)(0,6561) = 6! 𝑥 0,1 𝑥0,94

2
Terbukti
(6−2)!.2!
= 15 (0,006561) = 15(0,01)(0,6561)= 0,098415

= 0,098415
P(X=1) = 6𝑃𝑄5 P(X=1) = 𝐶6𝑝1𝑞6−1
1
= 6 (0,1) (0,9)5 = 6! 𝑥 0,1 𝑥0,95
1
6 (6−1)!.1!
Terbukti
= 6(0,1)(0,59049)
= 6(0,1)(0,59049)= 0,354294
= 0,354294
P(X=0) = 𝐶6𝑝0𝑞6−0
P(X=0) = 𝑄6 0
7 = 6! 𝑥 0,1 𝑥0,96
0 Terbukti
= (0,9)6 (6−0)!.0!
= 0,531441 = 1 x 0,531441= 0,531441

pengambilan ke 6.

6 0,000001 0,000001 6
5 0,000054 0,000054 5
4 0,001215 0,001215 4
3 0,01458 0,01458 3
2 0,098415 0,098415 2
1 0,354294 0,354294 1
0 0,531441 0,531441 0
Rekapitulasi 1 1
g. Pengambilan Ke – 7
2) Diagram Pohon
dengan tujuh kali pengambilan.
M =MMM MMMM
M
T =MMM MMMT
M
M =MMM MMT M
T
T = MMM MMT T
M
=
M
MMM MT MM
M
T = MMM MT MT
T
M =MMM MT TM
T
T =MMM MT TT
M
M =MMM TM MM
M
T =MMM TM MT
M
M =M MM TM TM
T
T =MMM TM TT
T
M =M MM TT MM
M
T =MMM TT MT
T
M =MMM TT TM
T
T =MMM TT TT
M =MMT MM MM
M
M
T =M MT MM MT
M
M =MMTMM TM
T
T =MMT MM TT
M
M =MMTMT MM
M
T =MMT MT MT
T
M =MMT MT T M
T
T =MMT MT T T
T
M =MMTT MMM
M
T =MMT TMMT
M
M =MMT TMT M
T
T =MMT TMTT
T
M =MMTT T MM
M
T =MMT TT MT
T
M =MMT TT TM
T
T =MMT T TT T
M
=
M
MT MMM MM
M
T = MTMMM MT
M
M =MT MMM TM
T
T = MT MMM TT
M
M = MT MMT MM
M
T = MTMMT MT
T
M =MT MMT TM
T
T =MT MMT TT
M
M =M TMT MMM
M
T =MT MTMMT
M
M =MTMT MTM
T
T =MTM TMTT
T M =MTMT T MM
M
T =MTM TT MT
T
M =MT MT TT M
T
T =MT MT TT T
M =MT TMMMM
T M
T =MTT MMMT
M
M =MT TMMT M
T
T =MTT MMTT
M M =MT TMT MM
M
T =MTT MT MT
T
M =MTT MT TM
T
T =MTT MT T T
T
M =MT TT MMM
M
T =MTT T MMT
M
M =MTT T MTM
T
T =MT T TMT T
T
M =MT T TTM M
M
T =MT T TTM T
T
M =MTT T TT M
T
T =MT TT TTT
=
M
TMMMM MM
1 M
T = T MMMM MT
M
M =T MMMM TM
T
T = T MMMM TT
M
M = T MMMT MM
M
T = T MMMTMT
T
M =T MMMT T M
T
T =T MMMT T T
M
M =T MMTMMM
M
T =TMMT MMT
M
M =TMMT MTM
T
T =TMMT MTT
T
M =TMMT TMM
M
T =TMMT TMT
T
M =T MMTT TM
T
T =T MMT TT T
M =T MTMMMM
M
M
T =TMTM MMT
M
M =TMT MMTM
T
T =TMT MMTT
M
M =TMT MT MM
M
T =TMT MTMT
T
M =TMT MTT M
T
T =TMT MTT T
T
M =TMT T MMM
M
T =TMT TMMT
M
M =TMT TMT M
T
T =T MT TMT T
T
M =T MTT TM M
M
T =T MT TTM T
T
M =TMT T TT M
T
T =TMT T TT T
M = T TMMMMM
M
T = T TMM MMT
M
T M =T TMMMT M
T
T = TT MMMTT
M
M = T TMMT MM
M
T = TT MMTMT
T
M =T TMMT TM
T
T =T TMMT T T
M
M =TT MT MMM
M
T =TT MTMMT
M
M =T TMT MTM
T
T =T T MTMT T
T M =T TMT TM M
M
T =T T MTTM T
T
M =T TMT TT M
T
T =T TMT TTT
M =T TTM MMM
T M
T =T TTM MMT
M
M =TT TM MT M
T
T =T T TM MT T
M M =TT TM TM M
M
T =T T TM TM T
T
M =T T TM TTM
T
T =T T TM TTT
T
M =TT TT MM M
M
T =T T TT MM T
M
M =T T TT MTM
T
T =T TTT MTT
T
M =T TTTT MM
M
T =T TTT TMT
T
M =T T TT T TM
T
T =TT TT TT T

Berikut ini merupakan tabel distribusi binomial dengan tujuh kali
pengambilan.
1 MMMMMMM P7 7 P(x=7)= P7
6
2 MMMMMMT PQ 6 P(x=6)= 7P6Q
3 MMMMMTT P5Q2 5 P(x=5)= 21P5Q2
4 MMMMTTT P4Q3 4 P(x=4)= 35 P4Q3
5 MMTMTTT P3Q4 3 P(x=3)= 35P3Q4
6 MMTTTTT P2Q5 2 P(x=2)= 21P2Q5
7 MTTTTTT P1Q6 1 P(x=1)=7 P1Q6
8 TTTTTTT Q7 0 P(x=0)= Q7
P(X = 6) = 𝐶6 P6 Q6-6
6
P(X = 6) = = 6! (0,11667)6(0,88333)0
1 P6 (6−6)!6! Terbukti
= 0,116676 = 1 x 0,0000025 x 1
= 0.0000025 = 0,0000025
P(X = 5) = 𝐶6 P5 Q6-5
5
P(X=5) = = 6!
(0,11667)5(0,88333)1
2 6𝑃5Q (6−5)!5!
Terbukti
= = 6 x 0,00002 x 0,88333
6x0,116675x
= 0,00011
0,88333
= 0,00011
P(X = 4) = P(X = 4) = 𝐶6 P4 Q6-4
15𝑃4𝑄2 6!
4
3 = (0,11667)4(0,88333)2 Terbukti
=10𝑥0,1166 (6−4)!4!
74𝑥0,883332 = 15x0,00018 x 0,78027 = 0,00211
= 0,00211

P(X = 3) = 𝐶6 P3 Q6-3
3
P(X = 3) = = 6! (0,11667)3(0,88333)3
4 20𝑃3𝑄3 (6−3)!3! Terbukti
=4𝑥0,11667 =20x(0,11667)3(0,88333)3
3𝑥0,883333
= 0,02912
= 0,02912
P(X = 2) = 𝐶6 P2 Q6-2
P(X = 2) = 2
6!
15𝑃 𝑄
2 4 = (0,11667)2(0,88333)4
=15𝑥0,1166
72𝑥0,883334 = 15 x (0,11667)2(0,88333)4
= 0,12429
= 0,12429
P(X = 1) = 𝐶6 P1 Q6-1
P(X = 1) = 1
6!
6𝑃𝑄5 = (0,11667)1(0,88333)5
=6𝑥0,11667
𝑥0,883335 = 6 x (0,11667)1(0,88333)5
= 0,37646
= 0,37646
P(X = 1) = 𝐶6 P1 Q6-1
P(X = 1) = 1
6!
6𝑃𝑄 5 = (0,11667)1(0,88333)5
=6𝑥0,11667
𝑥0,883335 = 6 x (0,11667)1(0,88333)5
= 0,37646
= 0,37646
P(X = 0) = 𝐶6 P0 Q6-0
P(X = 0) 0
6!
8 =𝑄6 = (0,11667)0(0,88333)6 Terbukti
(6−0)!0!
= 0,88333 6
= 1 x 1 x 0,47505 = 0,47505
= 0,47505
pengambilan ke 7.

7 0,00000029 0,00000029 7
6 0,000015 0,000015 6
Tabel Lanjutan 4.174 Rekapitulasi Perhitungsn Pengambilan Ke 7

5 0,00033 0,00033 5
4 0,00434 0,00434 4
3 0,03367 0,03367 3
2 0,15370 0,15370 2
1 0,38796 0,38796 1
0 0,41962 0,41962 0
Rekapitulasi 1 1
B. Pengolahan Data Distribusi Hipergeometrik

Berikut ini merupakan pembahasan mengenai probabilitas
observasi dan probabilitas ekspektasi.
1. Pengambilan 2 Buah Lasy
Berikut ini merupakan pembahasan 2 buah lasy dari probabilitas
observasi dan ekspektasi.
a. Probabilitas Observasi
Berikut ini merupakan pengolahan probabilitas observasi pada
pengambilan 2 buah lasy.
b. Probabilitas Ekspektasi
Berikut ini merupakan pengolahan probabilitas ekspektasi pada
pengambilan 2 buah lasy.
1) Diketahui
Keterangan:
N = 60
N = 2
D = 20
X = 0,1 dan 2
2) Perhitungan
Berikut ini merupakan perhitungan P(0), P(1), P(2).
a) Pengolahan dengan x = 0
Berikut adalah perhitungannya:
b) Pengolahan dengan x = 1
c) Pengolahan dengan x = 2
Berikut merupakan tabel distribusi untuk lasy dengan sampel 2 buah
yang terdiri dari rekapitulasi ekpektasi dan observasi.
Tabel 4.175 Rekapitulasi Perhitungan Pengambilan 2 Buah Lasy
Peluang
X
Observasi Ekspetasi
0 0,43 0,44
1 0,47 0,45
2 0,1 0,11
Rekapitulasi 1 1
Berikut merupakan tabel perhitungan keseluruhan distribusi untuk

lasy dengan sampel 2 buah yang terdiri dari rekapitulasi ekpektasi dan
observasi.
Tabel 4.176 Rekapitulasi Keseluruhan Perhitungan Pengambilan 2 Buah Lasy
Peluang
Banyak Cacat Observasi Ekspektasi
Perhitungan Presentase Perhitungan Presentase
0 0,43 43% 0,44 44%
1 0,47 47% 0,45 45%
2 0,1 10% 0,11 20%
Rekapitulasi 1 100% 1 100%

Berikut ini pengolahan probabilitas observasi pengambilan 3 buah lasy.
Berikut ini pengolahan probabilitas ekspektasi pengambilan 3 buah lasy.
1) Diketahui
Keterangan:
N = 60
n = 3
D = 20
x = 0,1,2,3
2) Perhitungan
Berikut ini merupakan perhitungan P(0), P(1), P(2), dan P(3).
= 0.46
d) Pengolahan dengan x = 3
Peluang
X
Observasi Ekspetasi
0 0,4 0,29
1 0,3 0,46
2 0,2 0,22
3 0,1 0,03
Rekapitulasi 1 1
observasi.
Peluang
0 0,4 40% 0,29 29%
1 0,3 30% 0,46 46%
2 0,2 20% 0,22 22%
3 0,1 10% 0,03 3%

Berikut ini pengolahan probabilitas observasi pengambilan 4 buah lasy.
Berikut ini pengolahan probabilitas ekspektasi pengambilan 4 buah lasy.
1) Diketahui
Keterangan:
N = 60
N = 4
D = 20
x = 0, 1, 2, 3 dan 4
2) Perhitungan
Berikut ini merupakan perhitungan P(0), P(1), P(2), P(3) dan P(4).
d) Pengolahan dengan x = 3
e) Pengolahan dengan x = 4
Peluang
X
Observasi Ekspetasi
0 0,27 0,19
1 0,32 0.41
2 0,27 0.30
3 0,07 0.09
4 0,07 0.01
Rekapitulasi 1 1
observasi.
Peluang
0 0,27 27% 0,19 19%
1 0,32 32% 0.41 41%
2 0,27 27% 0.30 30%
3 0,07 7% 0.09 9%
4 0,07 7% 0.01 1%

a. Diketahui
Keterangan:
N = 60
N = 5
D = 20
X = 0, 1, 2, 3, 4 dan 5
b. Perhitungan
Berikut dibawah ini merupakan perhitungan P(0), P(1), P(2),
P(3),P(4) dan P(5).
1) Pengolahan dengan x = 0
= 0.344
889200
¿ ( 5461512 )
¿ 0.163
Peluang
X
Observasi Ekspetasi
0 0.12 0.17
1 0.335 0.25
2 0.344 0.42
3 0.163 0.08
4 0.035 0.08
5 0.003 0
Rekapitulasi 1 1
5. Pengambilan 6 Buah Lassy

Berikut ini pembahasan 6 buah lasy dari probabilitas observasi &
ekspektasi.
a. Diketahui
Keterangan:
N = 60
N = 6
D = 20
X = 0, 1, 2, 3, 4, 5 dan
6
b. Perhitungan
Berikut dibawah ini merupakan perhitungan P(0), P(1), P(2),
P(3),P(4),P(5) dan P(6).
Peluang
X
Observasi Ekspetasi
0 0,076 0
1 0,263 0.3
2 0,347 0.5
3 0,225 0.1
4 0,075 0.1
5 0,012 0
6 0,001 0
Rekapitulasi 1 1
4.2.5 Modul V (Regresi, Korelasi dan Analisis Variansi)

Berikut ini merupakan pembahasan modul V mengenai regresi, korelasi dan
analisis variansi yang terbagi kedalam dua pembahasan.
A. Pengolahan Data Berat Badan dan Ukuran Baju
Berikut adalah pengolahan data berat badan dan ukuran baju.
1. Persamaan Regresi Linier
Persamaan regresi linier ini berfungsi untuk menghitung nilai a dan b
sebagai bentuk persamaan dari regresi liniter tersebut, yang kemudian
digunakan untuk menghitung dengan istilah namanya yaitu Y topi.
a. Menentukan Nilai b
Berikut rumus cara menghitung nilai b.
b. Menentukan Nilai a
Berikut rumus untuk menentukan nilai a.
2. Menentukan Persamaan Kolerasi

Berikutnya yaitu menentukan persamaan kolerasi sebagai berikut.
a. Persamaan Regresi
Berikut adalah rumus serta tabel perhitungannya:
𝑌̂ = 𝑎 + 𝑏𝑋
= 18,24 + 0,573(𝑋)
Tabel 4.183 Persamaan Regresi
X Perhitungan X Perhitungan
̂𝑌 = 18,24 + 0,573 (1) ̂𝑌 = 18,24 + 0,573(14)
1 14
= 18,813 = 26,262
𝑌̂ = 18,24 + 0,573(2) 𝑌̂ = 18,24 + 0,573(15)
2 15
= 19,386 =26,835
𝑌̂ = 18,24 + 0,573(3) 𝑌̂ = 18,24 + 0,57316)
3 16
= 19,959 = 27,408
𝑌̂ = 18,24 + 𝑌̂ = 18,24 + 0,5731(7)
4 0,573(4) 17 = 27,981
= 20,532
𝑌̂ = 18,24 + 0,573(5) 𝑌̂ = 18,24 +
5 18 0,573(18)
= 21,105
= 28,554
𝑌̂ = 18,24 + 𝑌̂ = 18,24 +
6 0,573(6) 19 0,573(19)
= 21,678 =29,127
𝑌̂ = 18,24 + 𝑌̂ = 18,24 +
7 0,573(7) 20 0,573(20)
= 22,251 = 29,7
𝑌̂ = 18,24 + 𝑌̂ = 18,24 +
8 0,573(8) 25 0,573(25)
= 22,824 = 32,565
𝑌̂ = 18,24 + 𝑌̂ = 18,24 +
9 0,573(9) 27 0,573(27)
= 23,397 = 33,711
𝑌̂ = 18,24 + 0,573(10) 𝑌̂ = 18,24 +
10 30 0,573(30)
= 23,97
= 35,43
𝑌̂ = 18,24 + 0,573(11) 𝑌̂ = 18,24 +
11 34 0,573(34)
= 24,543
= 37,722
𝑌̂ = 18,24 + 0,573(12) 𝑌̂ = 18,24 +
12 45 0,573(45)
= 25,116
= 44,025
𝑌̂ = 18,24 + 0,573(13)
13
= 25,689
3. Menentukan Besaran Korelasi
Berikut ini adalah rumus untuk mencari nilai atau menghitung
nilai dari koefesien kolerasi.
Jadi, nilai dari koefisien kolerasi adalah 0,3.

4. Menghitung Koefisien Determinasi
Berikut ini adalah rumus untuk mencari nilai dari koefesien determinasi:
5. Diagram Pencar
Berikut ini adalah diagram pencar data pengolahan berat badan dan
ukuran baju.
Gambar 4.89 Diagram Pencar Data Berat Badan dan Ukuran Baju
6. Uji F Data
Dalam melakukan uji F, tentukan terlebih dahulu hipotesis dan taraf
nyata yang telah ditentukan.
a. Penentuan Hipotesis
Berikut adalah penentuan hipotesis untuk menganalisis hasil kurva dari uji
F.
H0 : bahwa model tidak memenuhi kondisi nyata.
H1 : Model memenuhi kondisi nyata.
b. Taraf Signifikansi
Taraf signifikansi ini telah ditentukan nilainya yaitu 0,05, maka
perhitungan untuk menentukan nilai tabel dari F adalah.
α = 0,05
V1 = k – 1 = 2 – 1= 1
V2 = n – k = 200-2 = 198
Maka nilai pada tabel F ada di 1,198 dengan nilai tabel 3,89.
c. Penentuan Uji Statistik (F hitung)
Berikut adalah cara untuk menentukan nilai F hitung, dengan rumus.
d. Penentuan Daerah Keputusan

Jika F tabel < F hitung maka tolak H0
Jika F tabel > F hitung maka terima H0
Gambar 4.90 Kurva Uji F
Kesimpulan : Berdasarkan hasil kurva diatas maka terjadi terima H0

yang berarti data tidak memenuhi kondisi nyata karena F tabel > F hitung
7. Uji T Data
Uji T ini dilakukan karena hasil dari analisis kurva yaitu tolak H0.
T.
perhitungan untuk menentukan nilai tabel dari T adalah.
α = 0,05
V1 = k – 1 = 2 – 1= 1
V2 = n – k = 200-2 = 198
Maka nilai pada tabel F ada di 1,198 dengan nilai table 1,652.
c. Penentuan Uji Statistik (T hitung)
Berikut adalah cara untuk menentukan nilai T hitung, dengan rumus.
5,93
¿ =0,00038
15389,52

Gambar 4.91 Kurva Uji T
Kesimpulan : Berdasarkan hasil kurva diatas maka terjadi tolak H0 yang

berarti data saling mempengaruhi
B. Pengolahan Data Tinggi Badan dan Ukuran Sepatu
Berikut adalah pengolahan data tinggi badan dan ukuran sepatu.
1. Persamaan Regresi Linier
Persamaan regresi linier ini berfungsi untuk menghitung nilai a dan b
sebagai bentuk persamaan dari regresi liniter tersebut, yang kemudian
digunakan untuk menghitung dengan istilah namanya yaitu Y topi.
a. Menentukan Nilai b
Berikut rumus cara menghitung nilai b.
b. Menentukan Nilai a
Berikut rumus untuk menentukan nilai a.
2. Menentukan Persamaan Kolerasi

Berikutnya yaitu menentukan persamaan kolerasi sebagai berikut.
a. Persamaan Regresi
Berikut adalah rumus serta tabel perhitungannya:
𝑌̂ = 𝑎 + 𝑏𝑋
= 22,73 + 0,1103(𝑋)
Tabel 4.184 Persamaan Regresi
145 𝑌̂ = 22,73 + 01103 (145) 164 𝑌̂ = 22,73 + 01103 (164)
= 38,72 = 40,83
147 𝑌̂ = 22,73 + 01103 (147) 165 𝑌̂ = 22,73 + 01103 (165)
= 38,94 = 40,93
150 𝑌̂ = 22,73 + 01103 (150) 166 𝑌̂ = 22,73 + 01103 (166)
= 39,28 = 41,04
151 𝑌̂ = 22,73 + 01103 (151) 167 𝑌̂ = 22,73 + 01103 (167)
= 39,38 = 41,15
152 𝑌̂ = 22,73 + 01103 (152) 168 𝑌̂ = 22,73 + 01103 (168)
= 39,50 = 41,26
153 𝑌̂ = 22,73 + 01103 (153) 169 𝑌̂ = 22,73 + 01103 (169)
= 39,61 = 41,37
154 𝑌̂ = 22,73 + 01103 (154) 170 𝑌̂ = 22,73 + 01103 (170)
= 39,72 = 41,48
Tabel Lanjutan 4.184 Persamaan Regresi
155 𝑌̂ = 22,73 + 01103 (155) 172 𝑌̂ = 22,73 + 01103 (172)
= 39,83 = 41,70
156 𝑌̂ = 22,73 + 01103 (156) 173 𝑌̂ = 22,73 + 01103 (173)
= 39,94 = 41,81
157 𝑌̂ = 22,73 + 01103 (157) 174 𝑌̂ = 22,73 + 01103 (174)
= 40,05 = 41,92
158 𝑌̂ = 22,73 + 01103 (158) 175 𝑌̂ = 22,73 + 01103 (175)
= 40,16 = 42,03
159 𝑌̂ = 22,73 + 01103 (159) 178 𝑌̂ = 22,73 + 01103 (178)
= 40,27 = 42,36
160 𝑌̂ = 22,73 + 01103 (160) 180 𝑌̂ = 22,73 + 01103 (180)
= 42,58
= 40,38
161 𝑌̂ = 22,73 + 01103 (161) 185 𝑌̂ = 22,73 + 01103 (185)
= 40,49 = 43,13
162 𝑌̂ = 22,73 + 01103 (162)

= 40,60
3. Menentukan Besaran Korelasi

Berikut ini adalah rumus untuk mencari nilai atau menghitung
nilai dari koefesien kolerasi.
Jadi, nilai dari koefisien kolerasi adalah 2,01
4. Menghitung Koefisien Determinasi
Berikut ini adalah rumus untuk mencari nilai dari koefesien determinasi:
5. Diagram Pencar
Berikut ini adalah diagram pencar data pengolahan tinggi badan dan
ukuran sepatu.
Gambar 4.92 Diagram Pencar Data Tinggi Badan dan Ukuran Sepatu
6. Uji F Data
Dalam melakukan uji F, tentukan terlebih dahulu hipotesis dan taraf
nyata yang telah ditentukan.
F.
perhitungan untuk menentukan nilai tabel dari F adalah.
α = 0,05
V1 = k – 1 = 2 – 1= 1
V2 = n – k = 200-2 = 198
Maka nilai pada tabel F ada di 1,198 dengan nilai tabel 3,89
.
c. Penentuan Uji Statistik (F hitung)
Berikut adalah cara untuk menentukan nilai F hitung, dengan rumus.

Gambar 4.93 Kurva Uji F
Kesimpulan : Berdasarkan hasil kurva di atas maka terjadi

tolak H0 yang berarti data memenuhi kondisi nyata karena F
tabel < F hitung
7. Uji T Data
Uji T ini dilakukan karena hasil dari analisis kurva yaitu tolak H0.
T.
perhitungan untuk menentukan nilai tabel dari T adalah.
α = 0,05
V1 = k – 1 = 2 – 1= 1
V2 = n – k = 200-2 = 198
Maka nilai pada tabel F ada di 1,198 dengan nilai table 1,652.
c. Penentuan Uji Statistik (T hitung)
Berikut adalah cara untuk menentukan nilai T hitung, dengan rumus.
5,93
¿ =0,00038
15389,52

Gambar 4.94 Kurva Uji T
Kesimpulan: Berdasarkan hasil kurva diatas maka terjadi tolak H0 yang
berarti data saling mempengaruhi
4.2.6 Modul VI (Pengolahan Data SPSS)

Berikut ini akan menjelaskan mengenai pengolahan data, yang berisi tiap
data yang akan diolah kedalam software SPSS, sebagai berikut.
Berikut ini merupakan pengolahan data usia dengan menggunakan
aplikasi SPSS:
1. Distribusi Frekuensi
Berikut ini merupakan langkah-langkah pengolahan distribusi
frekuensi pada aplikasi SPSS:
a. Input Data
Data yang dimasukkan adalah data microsoft excel, berikut langkah-
langkah menginput data ke dalam SPSS.
1) Buka aplikasi SPSS
2) Klik variable view, masukan “DATA_USIA” pada tabel name,
kemudian enter
Gambar 4.95 Data Usia

3) Kemudian klik data view, masukan data usia pada tabel
Gambar 4.96 Tampilan Data View Data Usia
b. Penyajian Data
Berikut langkah-langkah untuk mengolah data distribusi frekuensi
yang disajikan dalam diagram histogram dan diagram lingkaran.
1) Klik Analyze > descriptive statistics > frequencies
Gambar 4.97 Frequencies Data Usia

2) Masukan Data Usia ke Variable (s). Kemudian klik Charts
Gambar 4.98 Tampilan Frequencies Data Usia
3) Klik Bar Charts > Continue > OK
Gambar 4.99 Tampilan Chart Data Usia (Bar Charts)

4) Setelah itu klik OK
5) Untuk membuat diagram lingkaran pengulangan pada langkah 1
sampai 3
6) Kemudian pada Chart Type pilih Pie Charts klik Continue dan OK.
Gambar 4.100 Tampilan Chart Data Usia (Pie Charts)

c. Ouput Data
Berikut hasil pengolahan data dari distribusi freskuensi berupa
diagram histogram dan diagram lingkaran.
1) Diagram Histogram
Gambar 4.101 Output Bar Charts Data Usia
2) Output pie charts
Gambar 4.102 Ouput Pie Charts Data Usia

2. Tendensi Sentral
Berikut ini merupakan langkah-langkah pengolahan tendensi sentral
pada aplikasi SPSS.
a. Input Data
kemudian enter
3) Kemudian klik data view, masukan data usia pada tabel

b. Penyajian Data
Berikut adalah penyajian data tendensi sentral.
1) Klik kembali Analyze > descriptive statistics > frequencies
Gambar 4.105 Frequencies Data Usia
2) Masukan Data Usia ke Variable (s). Kemudian klik Statistics
Gambar 4.106 Tampilan Frequencies Data Usia

3) Ceklis seperti gambar dibawah ini, kemudian Continue > OK
Gambar 4.107 Tampilan Sstatistic Data Usia

c. Output Statistik
Berikut adalah output dari penyajian data tendensi sentral.
Tabel 4.185 Output Statistik Data Usia

Statistics
Data_Usia
N Valid 200
Missing 0
Mean 19.35
Std. Error of Mean .090
Median 19.20a
Mode 19
Std. Deviation 1.279
Variance 1.636
Skewness 1.300
Std. Error of Skewness .172
Kurtosis 3.005
Std. Error of Kurtosis .342
Range 8
Minimum 17
Maximum 25
Percentiles 10 17.78b
15 18.08
25 18.40
35 18.72
95 20.00
90 21.00
95 21.83
a. Calculated from grouped data.
b. Percentiles are calculated from
grouped data.
3. Distribusi Normal
Berikut ini merupakan langkah-langkah mengolah data Tests of Normality.
a. Input Data
Berikut adalah input data distribusi normal.
kemudian enter.
3) Kemudian klik data view, masukan data usia pada tabel.

b. Penyajian Data
Berikut adalah penyajian data distribusi normal.
1) Klik Analyze> Descriptives Statistics > Explore
Gambar 4.110 Explore Taste Of Normality Data Usia

2) Klik Plots
Gambar 4.111 Tampilan Explore Data Usia
3) Ceklis seperti gambar dibawah ini kemudia Continue > OK
Gambar 4.112 Tampilan Plot Data Usia

c. Output Test Of Normality
Berikut adalah output distribusi normal.
Gambar 4.113 Output Normality

Berikut ini merupakan kurva pada distribusi normal.
Gambar 4.114 Normal Q-Q Plot Of Data Usia
B. Pengolahan Data Berat Badan 200

Berikut ini merupakan pengolahan data berat badan 200 dengan
menggunakan aplikasi SPSS:
Berikut ini langkah-langkah pengolahan distribusi frekuensi pada SPSS:
a. Input Data
Data yang dimasukkan adalah data microsoft excel.
2) Klik variable view, masukan “DATA_BERATBADAN200” pada
tabel name, kemudian enter
Gambar 4.115 Data Berat Badan 200

3) Kemudian klik data view, masukan data berat badan 200 pada tabel
Gambar 4.116 Tampilan Data View Data Berat Badan 200
b. Penyajian Data
Gambar 4.117 Frequencies Data Berat Badan 200
2) Masukan Data Berat Badan 200 ke Variable (s). Kemudian klik
Charts
Gambar 4.118 Tampilan Frequencies Data Berat Badan 200

Gambar 4.119 Tampilan Chart Data Berat Badan 200 (Bar Charts)
sampai 3
Gambar 4.120 Tampilan Chart Data Berat Badan 200 (Pie Charts)
c. Ouput Data
Gambar 4.121 Output Bar Charts Data Berat Badan 200

Gambar 4.122 Ouput Pie Charts Data Berat Badan 200
2. Tendensi Sentral
pada aplikasi SPSS.
a. Input Data

b. Penyajian Data

2) Masukan Data Berat Badan ke Variable (s). Kemudian klik Statistics

Gambar 4.127 Tampilan Sstatistic Data Berat Badan 200

c. Output Statistik
Tabel 4.186 Output Statistik Data Berat Badan 200

Statistics
berat_badan_200
N Valid 200
Missing 0
Mean 53.18
Median 52.00
Mode 50
Variance 77.334
Skewness .911
Kurtosis .926
Range 42
Minimum 38
Maximum 80
Percentiles 10 43.10
15 45.00
25 47.00
35 50.00
90 65.00
95 71.90
a. Input Data
tabel name, kemudian enter.
3) Kemudian klik data view, masukan data berat badan pada tabel.

b. Penyajian Data
Gambar 4.130 Explore Taste Of Normality Data Berat Badan 200
2) Klik Plots
Gambar 4.131 Tampilan Explore Data Berat Badan 200

Gambar 4.132 Tampilan Plot Data Berat Badan 200

Tabel 4.187 Test Of Normality Data Berat Badan 200
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
Data_BB_200 .126 200 .000 .940 200 .000
a. Lilliefors Significance Correction
Gambar 4.133 Normal Q-Q Plot Of Data Berat Badan 200

C. Pengolahan Data Berat Badan 150
a. Input Data

b. Penyajian Data
Charts

sampai 3
c. Ouput Data


2. Tendensi Sentral
pada aplikasi SPSS.
a. Input Data


b. Penyajian Data

Statistics

Gambar 4.146 Tampilan Statistic Data Berat Badan 150

c. Output Statistik
Statistics
Berat badan 150
N Valid 150
Missing 0
Mean 52.98
Median 52.00
Mode 50
Variance 74.369
Skewness .736
Kurtosis .704
Range 42
Minimum 38
Maximum 80
15 45.00
25 46.75
35 50.00
90 65.00
95 69.45
a. Input Data
3) Kemudian klik data view, masukan data berat badan 150 pada tabel.

b. Penyajian Data
2) Klik Plots


Tests of Normality
Statistic df Sig. Statistic df Sig.
Data_BeratBadan .115 150 .000 .956 150 .000

D. Pengolahan Data Berat Badan 75
a. Input Data

b. Penyajian Data
2) Masukan Data Berat Badan 75 ke Variable (s). Kemudian klik Charts


sampai 3
c. Ouput Data


2. Tendensi Sentral
pada aplikasi SPSS.
a. Input Data


b. Penyajian Data
Statistics

Gambar 4.165 Tampilan Statistic Data Berat Badan 75

c. Output Statistik
Statistics
Berat badan 75
N Valid 150
Missing 0
Mean 52.98
Median 52.00
Mode 50
Variance 74.369
Skewness .736
Kurtosis .704
Range 42
Minimum 38
Maximum 80
15 45.00
25 46.75
35 50.00
90 65.00
95 69.45
a. Input Data
3) Kemudian klik data view, masukan data berat badan 75 pada tabel.

b. Penyajian Data
2) Klik Plots


Tests of Normality
Statistic df Sig. Statistic df Sig.
Data_BeratBadan .115 75 .000 .956 75 .000

E. Pengolahan Data Ukuran Baju
Berikut ini merupakan pengolahan data ukuran baju dengan
a. Input Data
2) Klik variable view, masukan “DATA_UKURANBAJU” pada tabel
name, kemudian enter
Gambar 4.172 Data Ukuran Baju
3) Kemudian klik data view, masukan data ukuran baju pada tabel
Gambar 4.173 Tampilan Data View Data Ukuran Baju

b. Penyajian Data
Gambar 4.174 Frequencies Data Ukuran Baju
2) Masukan Data Ukuran Baju ke Variable (s). Kemudian klik Charts
Gambar 4.175 Tampilan Frequencies Data Ukuran Baju

Gambar 4.176 Tampilan Chart Data Ukuran Baju (Bar Charts)

sampai 3
Gambar 4.177 Tampilan Chart Data Ukuran Baju (Pie Charts)
c. Ouput Data
Gambar 4.178 Output Bar Charts Data Ukuran Baju

Gambar 4.179 Ouput Pie Charts Data Ukuran Baju

2. Tendensi Sentral
pada aplikasi SPSS.
a. Input Data

3) Kemudian klik data view, masukan data ukuran baju pada tabel

b. Penyajian Data
Gambar 4.182 Frequencies Data Ukuran Baju

5) Masukan Data ukuran baju ke Variable (s). Kemudian klik Statistics
Gambar 4.183 Tampilan Frequencies Data Ukuran Baju

Gambar 4.184 Tampilan Sstatistic Data Ukuran Baju

c. Output Statistik
Tabel 4.192 Output Statistik Data Ukuran Baju
Statistics
Data_Ukuran Baju
N Valid 200
Missing 0
Mean 19.35
Median 19.20a
Mode 19
Variance 1.636
Skewness 1.300
Kurtosis 3.005
Range 8
Minimum 17
Maximum 25
15 18.08
25 18.40
35 18.72
95 20.00
90 21.00
95 21.83
grouped data.
a. Input Data
name, kemudian enter.
3) Kemudian klik data view, masukan data ukuran baju pada tabel.

b. Penyajian Data
Gambar 4.187 Explore Taste Of Normality Data Ukuran Baju
2) Klik Plots
Gambar 4.188 Tampilan Explore Data Ukuran Baju

Gambar 4.189 Tampilan Plot Data Ukuran Baju

Tabel 4.193 Taste Of Normality Data Ukuran Baju
Tests of Normality
Statistic df Sig. Statistic Df Sig.
ukuran_baju .250 200 .000 .835 200 .000

Gambar 4.190 Normal Q-Q Plot Of Data Ukuran Baju
F. Pengolahan Data Uang Jajan
Berikut ini merupakan pengolahan data uang jajan dengan
a. Input Data
2) Klik variable view, masukan “DATA_ UANG JAJAN” pada tabel
Gambar 4.191 Data Uang Jajan
3) Kemudian klik data view, masukan data uang jajan pada tabel
Gambar 4.192 Tampilan Data View Data Uang Jajan
b. Penyajian Data
Gambar 4.193 Frequencies Data Uang Jajan

2) Masukan Data uang jajan ke Variable (s). Kemudian klik Charts
Gambar 4.194 Tampilan Frequencies Data Uang Jajan
Gambar 4.195 Tampilan Chart Data Uang Jajan (Bar Charts)

sampai 3
Gambar 4.196 Tampilan Chart Data Uang Jajan (Pie Charts)

c. Ouput Data
Gambar 4.197 Output Bar Charts Data Uang Jajan

Gambar 4.198 Ouput Pie Charts Data Uang Jajan

2. Tendensi Sentral
pada aplikasi SPSS.
a. Input Data
3) Kemudian klik data view, masukan data uang jajan pada tabel

b. Penyajian Data
Gambar 4.201 Frequencies Data Uang Jajan
2) Masukan Data uang jajan ke Variable (s). Kemudian klik Statistics
Gambar 4.202 Tampilan Frequencies Data Uang Jajan

Gambar 4.203 Tampilan Sstatistic Data Uang Jajan

c. Output Statistik
Tabel 4.194 Output Statistik Data Uang Jajan
Statistics
Data_ uang jajan
N Valid 200
Missing 0
Mean 19.35
Median 19.20a
Mode 19
Variance 1.636
Skewness 1.300
Kurtosis 3.005
Range 8
Minimum 17
Maximum 25
15 18.08
25 18.40
35 18.72
95 20.00
90 21.00
95 21.83
grouped data.
a. Input Data
name, kemudian enter.
3) Kemudian klik data view, masukan data uang jajan pada tabel.

b. Penyajian Data
Gambar 4.206 Explore Taste Of Normality Data Uang Jajan
2) Klik Plots
Gambar 4.207 Tampilan Explore Data Uang Jajan

Gambar 4.208 Tampilan Plot Data Uang Jajan

Tabel 4.195 Taste Of Normality Data Uang Jajan
Tests of Normality
Uang_jajan .272 200 .000 .813 200 .000
Gambar 4.209 Normal Q-Q Plot Of Data Uang Jajan

G. Pengolahan Data Ukuran Sepatu
Berikut ini merupakan pengolahan data ukuran sepatu dengan
a. Input Data
2) Klik variable view, masukan “DATA_ UKURAN SEPATU” pada
Gambar 4.210 Data Ukuran Sepatu

3) Kemudian klik data view, masukan data ukuran sepatu pada tabel
Gambar 4.211 Tampilan Data View Data Ukuran Sepatu
b. Penyajian Data
Gambar 4.212 Frequencies Data Ukuran Sepatu

2) Masukan Data ukuran sepatu ke Variable (s). Kemudian klik Charts
Gambar 4.213 Tampilan Frequencies Data Ukuran Sepatu
Gambar 4.214 Tampilan Chart Data Ukuran Sepatu (Bar Charts)

sampai 3
Gambar 4.215 Tampilan Chart Data Ukuran Sepatu (Pie Charts)

c. Ouput Data
Gambar 4.216 Output Bar Charts Data Ukuran Sepatu

Gambar 4.217 Ouput Pie Charts Data Ukuran Sepatu

2. Tendensi Sentral
pada aplikasi SPSS.
a. Input Data
2) Klik variable view, masukan “DATA_ UKURANSEPATU” pada
3) Kemudian klik data view, masukan data ukuran sepatu pada tabel

b. Penyajian Data
Gambar 4.220 Frequencies Data Ukuran Sepatu
2) Masukan Data ukuran sepatu ke Variable (s). Kemudian klik Statistics
Gambar 4.221 Tampilan Frequencies Data Ukuran Sepatu

Gambar 4.222 Tampilan Sstatistic Data Ukuran Sepatu

c. Output Statistik
Tabel 4.196 Output Statistik Data Ukuran Sepatu
Statistics
Data_ ukuran sepatu
N Valid 200
Missing 0
Mean 19.35
Median 19.20a
Mode 19
Variance 1.636
Skewness 1.300
Kurtosis 3.005
Range 8
Minimum 17
Maximum 25
15 18.08
25 18.40
35 18.72
95 20.00
90 21.00
95 21.83
grouped data.
a. Input Data
2) Klik variable view, masukan “DATA_ UKURANSEPATU” pada
3) Kemudian klik data view, masukan data ukuran sepatu pada tabel.

b. Penyajian Data
Gambar 4.225 Explore Taste Of Normality Data Ukuran Sepatu
2) Klik Plots
Gambar 4.226 Tampilan Explore Data Ukuran Sepatu

Gambar 4.227 Tampilan Plot Data Ukuran Sepatu

Tabel 4.197 Of Normality Data Ukuran Sepatu
Tests of Normality
Ukuran_sepatu .272 200 .000 .813 200 .000
Gambar 4.228 Normal Q-Q Plot Of Data Ukuran Sepatu

H. Pengolahan Data Tinggi Badan
Berikut ini merupakan pengolahan data tinggi badan dengan
a. Input Data
2) Klik variable view, masukan “DATA_ TINGGIBADAN” pada
Gambar 4.229 Data Tinggi Badan

3) Kemudian klik data view, masukan data tinggi badan pada tabel
Gambar 4.230 Tampilan Data View Data Tinggi Badan
b. Penyajian Data
Gambar 4.231 Frequencies Data Tinggi Badan

2) Masukan Data tinggi badan ke Variable (s). Kemudian klik Charts
Gambar 4.232 Tampilan Frequencies Data Tinggi Badan
Gambar 4.233 Tampilan Chart Data Tinggi Badan (Bar Charts)

sampai 3
Gambar 4.234 Tampilan Chart Data Tinggi Badan (Pie Charts)

c. Ouput Data
Gambar 4.235 Output Bar Charts Data Tinggi Badan

Gambar 4.236 Ouput Pie Charts Data Tinggi Badan

2. Tendensi Sentral
pada aplikasi SPSS.
a. Input Data
2) Klik variable view, masukan “DATA_ TINGGI BADAN” pada
3) Kemudian klik data view, masukan data tinggi badan pada tabel

b. Penyajian Data
Gambar 4.239 Frequencies Data Tinggi Badan
2) Masukan Data tinggi badan ke Variable (s). Kemudian klik Statistics
Gambar 4.240 Tampilan Frequencies Data Tinggi Badan

Gambar 4.241 Tampilan Sstatistic Data Tinggi Badan

c. Output Statistik
Tabel 4.198 Output Statistik Data Tinggi Badan
Statistics
Data_ tinggi badan
N Valid 200
Missing 0
Mean 19.35
Median 19.20a
Mode 19
Variance 1.636
Skewness 1.300
Kurtosis 3.005
Range 8
Minimum 17
Maximum 25
15 18.08
25 18.40
35 18.72
95 20.00
90 21.00
95 21.83
grouped data.
a. Input Data
2) Klik variable view, masukan “DATA_ TINGGIBADAN” pada
3) Kemudian klik data view, masukan data tinggi badan pada tabel.

b. Penyajian Data
Gambar 4.244 Explore Taste Of Normality Data Tinggi Badan
2) Klik Plots
Gambar 4.245 Tampilan Explore Data Tinggi Badan

Gambar 4.246 Tampilan Plot Data Tinggi Badan

Tabel 4.199 Of Normality Data Tinggi Badan
Tests of Normality
Statistic Df Sig. Statistic Df Sig.
Tinggi_badan .272 200 .000 .813 200 .000
Gambar 4.247 Normal Q-Q Plot Of Data Tinggi Badan

I. Regresi Linier Berat Badan dan Ukuran Baju
Berikut ini merupakan pengolahan data regresi linear berat badan dan
ukuran baju yang telah tim praktikan olah pada excel dan aplikasi SPSS.
1. Microsoft Excel
Berikut ini adalah Langkah-langkah meng analisis regresi data berat
badan dan ukuran baju menggunakan Microsoft excel.
a. Buka Aplikasi Microsoft Excel
b. Masukan data berat badan dan ukuran baju yang sudah tim praktikan
survey.
Gambar 4.248 Data Berat Badan dan Ukuran Baju

c. Setelah itu buka menu bar data > klik data analysis
Gambar 4.249 Menu Bar Data

d. Lalu klik regression > ok
Gambar 4.250 Tampilan Data Analysis

e. Setelah itu masukan data input y range yaitu data ukuran baju dengan
cara di drag semua data dan begitu juga untuk input x range diisi
dengan data berat badan > ceklis confidence level > ceklis juga
normal probability plots > ok
Gambar 4.251 Tampilan Regression

f. Lalu akan muncul hasil regression linier nya
Gambar 4.252 Hasil Analisis Berat Badan dan Ukuran Baju
2. IBM SPSS
Berikut ini adalah Langkah-langkah meng analisis regresi data
berat badan dan ukuran baju menggunakan IBM SPSS.
a. Klik Analyze > Regression> Linear
Gambar 4.253 Mencari Nilai Regresi Linier

b. Masukan berat badan dan ukuran baju pada Dependent > OK
Gambar 4.254 Regression Linier
Output Linear Regression:
Tabel 4.200 Variabel Enter
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 jarakxb . Enter
a. Dependent Variable: waktuy
b. All requested variables entered.
Tabel 4.201 Anova Berat Badan dan Ukuran Baju

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 73508.881 1 73508.881 232.952 .000b
Residual 62479.599 198 315.554
Total 135988.480 199
b. Predictors: (Constant), jarakx
Tabel 4.202 Coefficients Berat Badan dan Ukuran Baju
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 15.442 1.692 9.128 .000
jarakx 1.265 .083 .735 15.263 .000
J. Regresi Linier Tinggi Badan dan Ukuran Sepatu

Berikut ini merupakan pengolahan data regresi linear tinggi badan dan
ukuran sepatu yang telah tim praktikan olah pada excel dan aplikasi SPSS.
1. Microsoft Excel
Berikut ini adalah Langkah-langkah meng analisis regresi data tinggi
badan dan ukuran sepatu menggunakan Microsoft excel.
a. Buka Aplikasi Microsoft Excel
b. Masukan data tinggi badan dan ukuran sepatu yang sudah tim
praktikan survey.
Gambar 4.255 Data Berat Badan dan Ukuran Baju

c. Setelah itu buka menu bar data > klik data analysis
Gambar 4.256 Menu Bar Data

d. Lalu klik regression > ok
Gambar 4.257 Tampilan Data Analysis

e. Setelah itu masukan data input y range yaitu data ukuran sepatu
dengan cara di drag semua data dan begitu juga untuk input x range
diisi dengan data tinggi badan > ceklis confidence level > ceklis juga
normal probability plots > ok
Gambar 4.258 Tampilan Regression

f. Lalu akan muncul hasil regression linier nya
Gambar 4.259 Hasil Analisis tinggi badan dan ukuran sepatu
2. IBM SPSS
Berikut ini adalah Langkah-langkah meng analisis regresi data
tinggi badan dan ukuran sepatu menggunakan IBM SPSS.
a. Klik Analyze > Regression> Linear
Gambar 4.260 Mencari Nilai Regresi Linier

b. Masukan tinggi badan dan ukuran sepatu pada Dependent > OK
Gambar 4.261 Regression Linier
Output Linear Regression:
Tabel 4.202 Variabel Enter
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 jarakxb . Enter
b. All requested variables entered.
Tabel 4.203 Anova tinggi badan dan ukuran sepatu

ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 73508.881 1 73508.881 232.952 .000b
Residual 62479.599 198 315.554
Total 135988.480 199
b. Predictors: (Constant), jarakx
Tabel 4.204 Coefficients tinggi badan dan ukuran sepatu
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 15.442 1.692 9.128 .000
jarakx 1.265 .083 .735 15.263 .000
4.3 Pembahasan Data

Berikut adalah pembahasan data praktikum :
4.3.1 Pembahasan Data Modul I
A. Analisis Data Usia
Berikut adalah formulasi perhitungan untuk menentukan kelompok
data usia yang telah diolah :
N = 200
= 25 – 15
= 10
= 1 + 3,3 log(200) = 8.59 = 9
= 10/9 = 1,11= 2
Berdasarkan data diatas data banyak kelas dan panjang kelas

dibulatkan keatas karena jika angka dibulatkan kebawah maka akan ada data
yang tidak masuk ke dalam kelas interval.
1. Diagram Histogram
Diagram histogram adalah diagram yang menunjukkan bilangan atau

kuantitas yang dinyatakan dalam bentuk persegi atau persegi panjang yang
berfungsi untuk menginterpretasikan data ke dalam bentuk grafik. Berikut
adalah diagram histogram untuk data usia yang diperoleh :
HISTOGRAM
100
90
80
70
60
50
40
30
20
10
0
14,5 - 16,5 16,5 - 18,5 18,5 - 20,5 20,5 - 22,5 22,5 - 24,5 24,5 - 26,5 26,5 - 28,5 28,5 - 30,5 30,5 - 32,5
Gambar 4.262 Histogram Usia

Dari diagram histogram diatas dapat disimpulkan bahwa data usia
yang tertinggi dengan frekuensi 93 yaitu pada kelas interval 18,5 – 20,5 dan
data usia terendah dengan frekuensi 0 dengan kelas interval 30,5 - 32,5.
2. Diagram Poligon
Diagram Poligon adalah diagram yang menggambarkan distribusi
frekuensi.Data yang telah disusun secara rapi diagram ini tidak jauh beda
dari diagram histogram hanya saja diagram ini digambarkan dengan garis
frekuensi dan titik tengah ,berikut adalah diagram poligon dari data usia ;
POLIGON
100
90
80
70
60
50
40
30
20
10
0
15.5 17.5 19.5 21.5 23.5 25.5 27.5 29.5 31.5
F
Gambar 4.263 Poligon Usia
Dari diagram polygon diatas dapat disimpulkan bahwa data usia yang
tertinggi dengan frekuensi 93 yaitu pada titik tengah 19,5 dan data usia
terendah dengan frekuensi 0 dengan pada titik tengah 31,5.
3. Diagram Ogive
Ogive adalah grafik yang digambarkan berdasarkan data yang sudah
disusun dalam bentuk tabel distribusi frekuensi kumulatif. Untuk data yang
disusun dalam bentuk tabel distribusi frekuensi kumulatif kurang dari,
grafiknya berupa ogive positif, sedangkan untuk data yang disusun dalam
bentuk tabel distribusi frekuensi kumulatif lebih dari.
OGIVE
250
200
150
100
50
0
14,5 - 16,5 16,5 - 18,5 18,5 - 20,5 20,5 - 22,5 22,5 - 24,5 24,5 - 26,5 26,5 - 28,5 28,5 - 30,5 30,5 - 32,5
FK≥ FK≤
Gambar 4.264 Ogive Usia

Dari diagram ogive diatas dapat disimpulkan bahwa data usia yang
tertinggi dengan frekuensi 200 dan data usia terendah dengan frekuensi 0
4. Diagram Lingkaran
Sebuah diagram lingkaran (atau diagram pai) adalah sebuah grafik
statistik berbentuk lingkaran yang dibagi menjadi irisan-irisan untuk
menggambarkan proporsi numerik. Dalam sebuah diagram lingkaran,
panjang busur setiap irisan (dan alhasil, sudut pusat dan luasnya).
F
0.5
15.5
9% 1%
1%
16% 46.5
28
9
28% 0.5
0
0
0
47%
Gambar 4.265 Diagram Lingkaran Usia
Dari diagram lingkaran diatas dapat disimpulkan bahwa data usia
yang tertinggi dengan presentase 47% dan data usia terendah dengan
presentase 0% .
5. Diagram Pareto
Diagram Pareto merupakan salah satu dari tujuh alat gugus mutu yang
Paretoadalah grafik batang yang menunjukkan masalah berdasarkan urutan
banyaknya jumlah kejadian.
PARETO
100 120
90
100
80
70
80
60
50 60
40
40
30
20
20
10
0 0
1 2 3 4 5 6 7 8 9
F %K
Gambar 4.266 Pareto Usia

Dari diagram pareto diatas dapat disimpulkan bahwa data usia yang
tertinggi dengan frekuensi 93 presentase 46,5 % dengan kelas interval 19-20
dan data usia terendah dengan presentase 100% frekuensi 0 dengan kelas
interval 30,5 – 32,5.
B. Analisis Data Berat Badan

N = 200
= 78 – 30
= 48
= 1 + 3,3 log(200) = 8.59 = 9
= 48/9 = 5,33= 6
Berdasarkan data diatas data banyak kelas dan panjang kelas dibulatkan
keatas karena jika angka dibulatkan kebawah maka akan ada data yang tidak
masuk ke dalam kelas interval.
Diagram batang adalah diagram yang menunjukkan bilangan atau
berfungsi untuk menginterpretasikan data ke dalam bentuk grafik.
HISTOGRAM
70
60
50
40
30
20
10
0
29,5 - 35,5 35,5 - 41,5 41,5 - 47,5 47,5 - 53,5 53,5 - 59,5 59,5 - 65,5 65,5 - 71,5 71,5 - 77,5 78,5 - 83,5
Gambar 4.267 Histogram Berat Badan

Dari diagram histogram diatas dapat disimpulkan bahwa data berat
badan yang tertinggi dengan frekuensi 58 yaitu pada kelas interval 48 - 53
dan data usia terendah dengan frekuensi 1 dengan kelas interval 78 - 83.
2. Diagram Poligon
frekuensi dan titik tengah ,berikut adalah diagram poligon dari data berat
badan.
POLIGON
70
60
50
40
30
20
10
0
32.5 38.5 44.5 50.5 56.5 62.5 68.5 74.5 80.5
Gambar 4.268 Poligon Berat Badan

Dari diagram polygon diatas dapat disimpulkan bahwa data berat
badan yang tertinggi dengan frekuensi 58 yaitu pada titik tengah 50,5 dan
data usia terendah dengan frekuensi 0 dengan pada titik tengah 32,5.
3. Diagram Ogive
OGIVE
250
200
150
100
50
0
1 11 20 58 47 37 22 3 1
FK≥ FK≤
Gambar 4.269 Ogive Berat Badan

Dari diagram ogive diatas dapat disimpulkan bahwa data berat badan
yang tertinggi dengan frekuensi 200 dan data usia terendah dengan
frekuensi 0.
F
1.8
1%
1%6%
2% 19.8
11% 36
10%
104.4
84.6
19% 66.6
39.6
29% 5.4
1.8
24%

presentase 0% .
5. Diagram Pareto
PARETO
70 120
60 100
50
80
40
60
30
40
20
10 20
0 0
1 2 3 4 5 6 7 8 9
F %K
Gambar 4.271 Pareto Berat Badan

Dari diagram pareto diatas dapat disimpulkan bahwa data berat badan
yang tertinggi dengan frekuensi 58 presentase 29% dengan kelas interval 48
– 53, dan data berat badan terendah dengan presentase 100% frekuensi 1
dengan kelas interval 78 - 83.
C. Analisis Data Ukuran Sepatu
N = 200
= 45 – 27
= 18
= 1 + 3,3 log(200) = 8.59 = 9
= 18/9 = 2,25= 3

HISTOGRAM
90
80
70
60
50
40
30
20
10
0
26,5 - 29,5 29,5 - 32,5 32,5 - 35,5 35,5 - 38,5 38,5 - 41,5 41,5 - 44,5 44,5 - 47,5 47,5 - 50,5
Gambar 4.272 Histogram Berat Badan

Dari diagram histogram diatas dapat disimpulkan bahwa data ukuran
sepatu yang tertinggi dengan frekuensi 84 yaitu pada kelas interval 39 - 41
dan data ukuran sepatu terendah dengan frekuensi 0 dengan kelas interval
30 - 32
2. Diagram Poligon
frekuensi dan titik tengah ,berikut adalah diagram poligon dari data ukuran
sepatu.
POLIGON
90
80
70
60
50
40
30
20
10
0
41.25 45.75 50.25 54.75 59.25 63.75 68.25 72.75
Gambar 4.273 Poligon Berat Badan

Dari diagram polygon diatas dapat disimpulkan bahwa data ukuran
sepatu yang tertinggi dengan frekuensi 84 yaitu pada titik tengah 59,25 dan
data ukuran sepatu terendah dengan frekuensi 0 dengan pada titik tengah
45,75
3. Diagram Ogive
OGIVE
250
200
150
100
50
0
26,5 - 29,5 29,5 - 32,5 32,5 - 35,5 35,5 - 38,5 38,5 - 41,5 41,5 - 44,5 44,5 - 47,5 47,5 - 50,5
FK≥ FK≤
Gambar 4.274 Ogive Berat Badan

Dari diagram ogive diatas dapat disimpulkan bahwa data ukuran
sepatu yang tertinggi dengan frekuensi 200 dan data usia terendah dengan
frekuensi 0.
1%
1%
19%
1.8
0
38% 0
68.4
151.2
136.8
1.8
0
42%

presentase 0% .
5. Diagram Pareto
Diagram Pareto merupakan salah satu dari tujuh alat gugus mutu
yang sering digunakan dalam hal pengendalian Mutu. Pada
dasarnya, Diagram Paretoadalah grafik batang yang menunjukkan masalah
berdasarkan urutan banyaknya jumlah kejadian.
PARETO
90 120
80
100
70
60 80
50
60
40
30 40
20
20
10
0 0
1 2 3 4 5 6 7 8
F %K
Gambar 4.276 Pareto Berat Badan

Dari diagram pareto diatas dapat disimpulkan bahwa data ukuran
sepatu yang tertinggi dengan frekuensi 84 presentase 42% dengan kelas
interval 39 - 41, dan data ukuran sepatu terendah dengan presentase 100%
frekuensi 0 dengan kelas interval 48 – 50
D. Analisis Data Tinggi Badan
data tinggi badan yang telah diolah :
N = 200
= 185 – 145
= 40
= 1 + 3,3 log(200) = 8.59 = 9

= 40/9 = 4,44= 5

HISTOGRAM
50
45
40
35
30
25
20
15
10
0
144,5 - 149,5 - 154,5 - 159,5 - 164,5 - 169,5 - 174,5 - 179,5 - 184,5 -
149,5 154,5 159,5 164,5 169,5 174,5 179,5 184,5 189,5
Gambar 4.277 Histogram Tinggi Badan

Dari diagram histogram diatas dapat disimpulkan bahwa data tinggi
badan yang tertinggi dengan frekuensi 46 yaitu pada kelas interval 156 - 165
dan data tinggi badan dengan frekuensi 1 dengan kelas interval 185 – 190.
2. Diagram Poligon
frekuensi dan titik tengah ,berikut adalah diagram poligon dari data tinggi
badan.
POLIGON
50
45
40
35
30
25
20
15
10
5
0
147 152 157 162 167 172 177 182 187
Gambar 4.278 Poligon Tinggi Badan

Dari diagram polygon diatas dapat disimpulkan bahwa data tinggi
badan yang tertinggi dengan frekuensi 46 yaitu pada titik tengah 162 dan
data tinggi badan terendah dengan frekuensi 1 dengan pada titik tengah 187.
3. Diagram Ogive
OGIVE
250
200
150
100
50
0
144,5 - 149,5 - 154,5 - 159,5 - 164,5 - 169,5 - 174,5 - 179,5 - 184,5 -
149,5 154,5 159,5 164,5 169,5 174,5 179,5 184,5 189,5
FK≥ FK≤
Gambar 4.279 Ogive Tinggi Badan

Dari diagram ogive diatas dapat disimpulkan bahwa data tinggi badan
frekuensi 0.
1%
5%2%2%
17%
18%
16%
19%
23%
5.4 61.2 55.8 82.8 68.4 63 16.2 5.4 1.8
Gambar 4.280 Diagram Lingkaran Tinggi Badan

Dari diagram lingkaran diatas dapat disimpulkan bahwa data tinggi
baddan yang tertinggi dengan presentase 23% dan data tinggi badan
terendah dengan presentase 1% .
5. Diagram Pareto
PARETO
50 120
45
100
40
35
80
30
25 60
20
40
15
10
20
5
0 0
1 2 3 4 5 6 7 8 9
F %K
Gambar 4.281 Pareto Tinggi Badan

interval 160 - 164, dan data terendah dengan presentase 100% frekuensi 0
dengan kelas interval 185 – 189.
E. Analisis Data Ukuran Baju
N = 200
= 120 – 90
= 30
= 1 + 3,3 log(200) = 8.59 = 8
= 30/8 = 3,75= 4

HISTOGRAM
80
70
60
50
40
30
20
10
0
89,5 - 93,5 93,5 - 97,5 97,5 - 101,5 101,5 - 105,5 105,5 - 109,5 109,5 - 113,5 113,5 - 117,5 117,5 - 121,5
Gambar 4.282 Histogram Ukuran Baju

Dari diagram histogram diatas dapat disimpulkan bahwa data yang
tertinggi dengan frekuensi 75 yaitu pada kelas interval 110 – 113 dan data
terendah dengan frekuensi 0 dengan kelas interval 94 – 97.
2. Diagram Poligon
frekuensi dan titik tengah ,berikut adalah diagram poligon dari data ukuran
baju.
POLIGON
80
75
73
70
60
50
F
40 41
30
20
10 11
0 0 0 0 0
91.5 95.5 99.5 103.5 107.5 111.5 115.5 119.5
Gambar 4.283 Poligon Ukuran Baju

Dari diagram polygon diatas dapat disimpulkan bahwa data yang
tertinggi dengan frekuensi 75 yaitu pada titik tengah 111,5 dan data
terendah dengan frekuensi 0 dengan pada titik tengah 95,5
3. Diagram Ogive
OGIVE
250
200
150
100
50
0
89,5 - 93,5 93,5 - 97,5 97,5 - 101,5 101,5 - 105,5 105,5 - 109,5 109,5 - 113,5 113,5 - 117,5 117,5 - 121,5
FK≥ FK≤
Gambar 4.284 Ogive Ukuran Baju
frekuensi 0.
DERAJAT
19.8
6% 0
21% 131.4
0
0
37% 135
0
73.8
38%
Gambar 4.285 Diagram Lingkaran Ukuran Baju

5. Diagram Pareto
Chart Title
80 120
70
100
60
80
50
40 60
30
40
20
20
10
0 0
1 2 3 4 5 6 7 8
F %K
Gambar 4.286 Pareto Ukuran Baju

dengan kelas interval 94 – 97.
F. Analisis Data Uang Jajan
N = 200
= 100000 – 5000
= 95000
= 1 + 3,3 log(200) = 8.59 = 9
= 95000/9 = 10556

HISTOGRAM
80
70
60
50
40
30
20
10
0
4999,5 - 15555,5 - 26112,5 - 36667,5 - 47224,5 - 57779,5 - 68335,5 - 78891,5 - 89447,5 -
15555,5 26112,5 36667,5 47223,5 57779,5 68335,5 78891,5 89447,5 100003,5
Gambar 4.287 Histogram Uang Jajan

Dari diagram histogram diatas dapat disimpulkan bahwa data yang
tertinggi dengan frekuensi 67 yaitu pada kelas interval 5000 - 15555 dan
data terendah dengan frekuensi 0 dengan kelas interval 68336 - 78891.
2. Diagram Poligon
frekuensi dan titik tengah ,berikut adalah diagram poligon dari data.
POLIGON
80
70
60
50
40
30
20
10
0
10277.5 20834 31390 41945.5 52501.5 63057.5 73613.5 84169.5 94725.5
Gambar 4.288 Poligon Uang Jajan

Dari diagram polygon diatas dapat disimpulkan bahwa data yang
tertinggi dengan frekuensi 67 yaitu pada titik tengah 10277,5 dan data
terendah dengan frekuensi 0 dengan pada titik tengah 73613,5
3. Diagram Ogive
OGIVE
250
200
150
100
50
0
4999,5 - 15555,5 - 26112,5 - 36667,5 - 47224,5 - 57779,5 - 68335,5 - 78891,5 - 89447,5 -
15555,5 26112,5 36667,5 47223,5 57779,5 68335,5 78891,5 89447,5 100003,5
FK≥ FK≤
Gambar 4.289 Ogive Uang Jajan

frekuensi 0.
F
120.6
108
9% 2% 32.4
7.2
15% 34%
54
30.6
2% 0
0
9%
7.2
30%
Gambar 4.290 Diagram Lingkaran Uang Jajan

5. Diagram Pareto
PARETO
80 120
70
100
60
80
50
40 60
30
40
20
20
10
0 0
1 2 3 4 5 6 7 8 9
F %k
Gambar 4.291 Pareto Uang Jajan

sepatu yang tertinggi dengan frekuensi 67 presentase 33,5% dengan kelas
dengan kelas interval 78892 - 89447.
4.3.2 Pembahasan Data Modul II
Berikut meruoakan pembahasan data mengenai usia, tinggi badan, ukuran
sepatu, ukuran baju, berat badan dan uang jajan :
A. Pembahasan Data Usia
Berikut merupakan analisis data usia :
Gambar 4.292 Kurva Analis Data Tuunggal Usia

Kurva diatas didapat berdasarkan hasil analisis perhitungan data
mean, median, dan modus pada data tunggal usia. Dengan nilai mean adalah
19,81, nilai median 100 dan data ke 100 itu 19 dan untuk nilai modusnya
atau yang sering muncul pada data tersebut adalah 19. Sehingga, didapatkan
kurva yang bentuknya condong ke kiri.
Gambar 4.293 Kurva Analisis Data Kelompok Tinggi Badan

159,9, nilai mediannya adalah 162 dan untuk nilai modusnya adalah 162,3.
Hasil tersebut berdasarkan perhitungan menggunakan rumus pada
pengolahan data. Sehingga, didapatkan kurva yang bentuknya condong ke
kiri.
Kemiringan (Skewnes)
x́−Mod 19,84−19,46 0,38
∝= = = =0,197
S 1,92 1,92
berikut merupakan gambar kurvanya :
Gambar 4.294 Kurva Skewness Data Usia

Berdasarkan pehtitungan hasil ∝ bertanda positif maka dikatakan
distribusi data miring ke kanan.
Keruncingan (Kurtosis)
1 1
(Q 3−Q1) (20,5−18,68)
2 2 0,91
K= = = =0,191
P 90−P 10 22,26−17,52 4,74
Jika K ≤ 0,263, maka keruncingan distribusi data disebut platikurtis,
Gambar 4.295 Kurva Platikurtis Data Usia

B. Pembahasan Data Tinggi Badan
Berikut merupakan analisis data tinggi badan :
Gambar 4.296 Kurva Analisis Tunggal Tinggi Badan

atau yang sering muncul pada data tersebut adalah 170. Sehingga,
didapatkan kurva yang bentuknya condong ke kanan.
Gambar 4.297 Kurva Analisis Data Kelompok Tinggi Badan

159,9, nilai mediannya adalah 162 dan untuk nilai modusnya adalah 162,3.
kiri.
x́−Mod 159,9−162,3 −2,4
∝= = = =−0,134
S 17,85 17,85
Berikut merupakan gambar kurvanya :
Gambar 4.298 Kurva Skewness Data Tinggi Badan

Berdasarkan pehtitungan hasil ∝ bertanda negatif maka dikatakan
distribusi data miring ke kiri.
1 1
(Q 3−Q1) (196,05−154,63)
2 2 20,71
K= = = =0,613
P 90−P 10 178,05−144,3 33,75
Jika K ≥ 0,263, maka keruncingan distribusi data disebut leptokurtis,
Gambar 4.299 Kurva Leptokurtis Data Tinggi Badan

C. Pembahasan Data Ukuran Sepatu
Berikut merupakan analisa data ukuran sepatu :
Gambar 4.300 Kurva Analisis Data Tunggal Ukuran Sepatu

kurva yang bentuknya condong ke kanan.
Gambar 4.301 Kurva Analisis Data Kelompok Ukuran Sepatu

39,50, nilai mediannya adalah 39,5 dan untuk nilai modusnya adalah 39,54.
kanan.
x́−Mod 39,5−39,54 −0,04
∝= = = =−0,015
S 2,75 2,75
Gambar 4.302 Kurva Skewness Data Ukuran Sepatu

1 1
(Q 3−Q1) (41,37−38,19)
2 2 1,59
K= = = =0,261
P 90−P 10 42,72−36,63 6,09
Gambar 4.303 Kurva Platikurtis Data Ukuran Sepatu

D. Pembahasan Data Ukuran Baju
Berikut merupakan analisa data ukuran baju :
Gambar 4.304 Kurva Analisis Data Tunggal Ukuran Baju

atau yang sering muncul pada data tersebut adalah 110. Sehingga,
didapatkan kurva yang bentuknya condong ke kanan.
Gambar 4.305 Kurva Analisis Data Kelompok Ukuran Baju

107,18, nilai mediannya adalah 110,38 dan untuk nilai modusnya adalah
111,5. Hasil tersebut berdasarkan perhitungan menggunakan rumus pada
kanan.
x́−Mod 107,18−111,5 −4,32
∝= = = =−0,526
S 8,21 8,21
Gambar 4.306 Kurva Skewness Data Ukuran Baju

1 1
(Q 3−Q1) (112,5−99,62)
2 2 6,44
K= = = =0,310
P 90−P 10 118,5−97,78 20,72
Gambar 4.307 Kurva Leptokurtis Data Ukuran Baju

E. Pembahasan Data Berat Badan 200
Berikut merupakan analisa data berat badan 200
Gambar 4.308 Kurva Analis Data Tunggal Berat Badan 200

Gambar 4.309 Kurva Analisis Data Kelompok Berat Badan 200

53,99, nilai mediannya adalah 53,11 dan untuk nilai modusnya adalah
52,67. Hasil tersebut berdasarkan perhitungan menggunakan rumus pada
kiri.
x́−Mod 53,99−52,67 1,32
∝= = = =0,13
S 10,30 10,30
Gambar 4.310 Kurva Skewness Data Berat Badan 200

1 1
(Q 3−Q1) (50,72−47,72)
2 2 5,5
K= = = =0,22
P 90−P 10 66,64−41,72 25,52
Gambar 4.311 Kurva Platikurtis Data Berat Badan 200

F. Pembahasan Data Berat Badan 150
Berikut merupakan analisa data berat badan 150 :
Gambar 4.312 Kurva Analisis Data Tunggal Berat Badan 150

53,6, nilai median 100 dan data ke 100 itu 52 dan untuk nilai modusnya atau
yang sering muncul pada data tersebut adalah 50. Sehingga, didapatkan
Gambar 4.313 Kurva Analisi Data Kelompok Berat Badan 150

kiri.
x́−Mod 53,94−53,3 0,64
∝= = = =0,060
S 10,61 10,61

Berdasarkan perhitungan hasil ∝ mendekati 0 maka dikatakan
distribusi data simetris.
1 1
(Q 3−Q1) (58,58−47,42)
2 2 5,58
K= = = =0,220
P 90−P 10 66,14−40,82 25,32

G. Pembahasan Data Berat Badan 75
Berikut merupakan analisa data berat badan 75 :
Gambar 4.316 Kurva Analisis Data Tunggal Berat Badan 75

Gambar 4.317 Kurva Analisis Data Kelompok Berat Badan 75

kiri.
x́−Mod 53,5−50,5 3
∝= = = =0,33
S 9,18 9,18

1 1
(Q 3−Q1) (58,84−46,66)
2 2 6,09
K= = = =0,27
P 90−P 10 64,78−42,28 22,5

H. Pembahasan Data Uang Jajan
Berikut merupakan analaisa data uang jajan :
Gambar 4.320 Kurva Analisis Data Tunggal Uang Jajan

22.705,5, nilai median 100 dan data ke 100 itu 20.000 dan untuk nilai
modusnya atau yang sering muncul pada data tersebut adalah 20.000.
Sehingga, didapatkan kurva yang bentuknya condong ke kiri.
Gambar 4.321 Kurva Analisis Data Kelompok Uang Jajan

23.962, nilai mediannya adalah 20.355.75 dan untuk nilai modusnya adalah
19.263,40. Hasil tersebut berdasarkan perhitungan menggunakan rumus
pada pengolahan data. Sehingga, didapatkan kurva yang bentuknya condong
ke kiri.
x́−Mod 23962−19263,40
∝= = =¿ 0,26
S 17816,75
Gambar 4.322 Kurva Skewness Data Uang Jajan

1 1
(Q 3−Q1) (68155,75−12799,5)
2 2 7678,125
K= = = =0,68
P 90−P 10 19380,75−8168,25 11212,5
Gambar 4.323 Kurva Leptokurtis Data Uang Jajan

4.3.3 Pembahasan Data Modul III
Berikut merupakan pembahasan data dari hasil pengolahan data praktikum
modul III :
A. Pembahasan Data Usia
Berikut pembahasan mengenai data usia :
1. Data Usia Taraf Signifikan 1%
Gambar 4.324 Data Usia Signifikan 1%

Berdasarkan kurva diatas disimpulkan bahwa pada taraf 1% terjadi
tolak Ho, , karena X 2h > X 2α . Sehingga data tersebut dikategorikan tidak
berdistribusi normal.
5,55589 122,6

tolak Ho, karena X 2h > X 2α . Sehingga data tersebut dikategorikan tidak
4,787412 122,6
Gambar 4.326 Data Usia Sginifikan 3%
4,314436 122,6

3,84146 122,6

B. Pembahasan Data Ukuran Baju
Berikut merupakan pembahasan data ukuran baju :
1. Data Ukuran Baju Taraf Signifikan 1%
6,63489 8,01
Gambar 4.329 Data Ukuran Baju Signifikan 1%
berdistribusi normal
5,5555267 8,01

4,787412 8,01

4,314436 8,01

3,84146 8,01

C. Pembahasan Data Berat Badan
Berikut meruoakan pembahasan data berat badan :
1. Data Berat Badan Taraf Signifikan 1%
6,63489 31,24
Gambar 4.334 Data Berat Badan Signifikan 1%

tolak Ho, karena X 2h > X 2α . Sehingga data tersebut dikategorikan tidak
5,5555267 31,24

4,787412 31,24

4,314436 31,24

berdistribusi normal
3,84146 31,24
Gambar 4.338 Data Berat Badan Sginifikan 5%

D. Pembahasan Data Tinggi Badan
Berikut merupakan pembahasan data tinggi badan :
1. Data Tinggi Badan Taraf Signifikan 1%
6,63489 82,31
Gambar 4.339 Data Tinggi Badan Signifikan 1%

5,5555267 82,31

4,787412 82,31

4,314436 82,31

3,84146 82,31

E. Pembahasan Data Ukuran Sepatu
Berikut merupakan pembahasan data ukuran sepatu :
1. Data Ukuran Sepatu Taraf Signifikan 1%
6,63489 29,44
Gambar 4.344 Data Ukuran Sepatu Siginifikan 1%

5,5555267 29,44

4,787412 29,44

4,314436 29,44

3,84146 29,44

F. Pembahasan Data Uang Jajan
Berikut merupakan pembahasan data uang jajan :
1. Data Uang Jajan Taraf Signifikan 1%
6,63489 75,86
Gambar 4.349 Data Uang Jajan Siginifikan 1%

5,5555267 75,86

4,787412 75,86

4,314436 75,86

3,84146 75,86
Gambar 4.353 Data Uang Jajan Signifikan 5%

4.3.4 Pembahasan Data Modul IV
Berikut merupakan pembahasan data dari data data yang telah diolah diatas :
A. Pembahasan Data Kartu Nomor 2
Berikut adalah pembahasan data untuk kartu bernomor 2
1. Pengambilan 1
Pada pengambilan ke-1 didapat hasil sebagai berikut :
Tabel 4.205 Rekapitulasi Pengambilan 1
No (x) Perhitungan Pembuktian
1 X=1 0,05 0,05
2 X=0 0,95 0,95
Jumlah 1 1
Berdasarkan rekapitulasi table perhitungan diatas hasil dari
perhitungan dan pembuktian sama yaitu 1. Maka dari itu pengolahan dari
data pengambilan ke-1 sudah sesuai.
2. Pengambilan 2
1 X=2 0,0025 0,0025
2 X=1
0,095 0,095
3 X=1
4 X=0 0,9025 0,9025
Jumlah 1 1

3. Pengambilan 3
1 X=3 0,000125 0,000125
2 X=2
3 X=2 0,007125 0,007125
4 X=2
5 X=1
6 X=1 0,135375 0,135375
7 X=1
8 X=0 0,857375 0,857375
Jumlah 1 1

4. Pengamilan 4
Pada pengambilan ke-4 ini didapat hasil sebagai berikut :
1 X=4 0,00000625 0,00000625
2 X=3
3 X=3
0,000475 0,000475
4 X=3
5 X=3
6 X=2
7 X=2
8 X=2
0,0135375 0,0135375
9 X=2
10 X=2
11 X=2
Tabel Lanjutan 4.208 Rekapitulasi Pengambilan 4
12 X=1
13 X=1
0,171475 0,171475
14 X=1
15 X=1
16 X=0 0,81450625 0,81450625
Jumlah 1 1
5. Pengambilan 5
Pada pengambilan ke-5 ini didapat hasil sebagai beriktu :
1 X=5 0,0000003125 0,0000003125
2 X=4 0,0000296875 0,0000296875
3 X=3 0,001128125 0,001128125
4 X=2 0,021434375 0,021434375
5 X=1 0,2036265625 0,2036265625
6 X=0 0,7737809375 0,7737809375
Jumlah 1 1

6. Pengambilan 6
Tabel 4.210 Rekapitulasi pengambilan 6
No (x) Perhitungan Perbandingan
1 X=6 0,00000001563 0,00000001563
2 X=5 0,00000178125 0,00000178125
3 X=4 0,00008460938 0,00008460938
4 X=3 0,0021434375 0,0021434375
5 X=2 0,03054398438 0,03054398438
6 X=1 0,23213428125 0,23213428125
7 X=0 0,73509189062 0,73509189062
Jumlah 1 1

7. Pengambilan 7
1 X=7 0,00000000078 0,00000000078
2 X=6 0,00000010391 0,00000010391
3 X=5 0,00000592266 0,00000592266
4 X=4 0,00018755078 0,00018755078
5 X=3 0,00356346484 0,00356346484
6 X=2 0,04062349922 0,04062349922
7 X=1 0,25728216172 0,25728216172
8 X=0 0,69833729609 0,69833729609
Jumlah 1 1

B. Pembahasan Data Kartu Nomor 9
Berikut adalah pembahasan data untuk kartu bernomor 9
1. Pengambilan 1
1 X=1 0,1 0,1
2 X=0 0,9 0,9
Jumlah 1 1

2. Pengambilan 2
1 X=2 0,01 0,01
2 X=1
0,18 0,18
3 X=1
4 X=0 0,81 0,81
Jumlah 1 1

3. Pengambilan 3
1 X=3 0,001 0,001
2 X=2
3 X=2 0,027 0,027
4 X=2
5 X=1
6 X=1 0,243 0,243
7 X=1
8 X=0 0,729 0,729
Jumlah 1 1

4. Pengambilan 4
1 X=4 0,0001 0,0001
2 X=3
3 X=3
0,0036 0,0036
4 X=3
5 X=3
6 X=2
7 X=2
8 X=2
0,0486 0,0486
9 X=2
10 X=2
11 X=2
Tabel Lanjutan 4.216 Rekapitulasi Pengambilan 4
12 X=1
13 X=1
0,2916 0,2916
14 X=1
15 X=1
16 X=0 0,6561 0,6561
Jumlah 1 1
5. Pengambilan 5
1 X=5 0,00001 0,00001
2 X=4 0,00045 0,00045
3 X=3 0,0081 0,0081
4 X=2 0,0729 0,0729
5 X=1 0,32805 0,32805
6 X=0 0,59049 0,59049
Jumlah 1 1

6. Pengambilan 6
No (x) Perhitungan Perbandingan
1 X=6 0,000001 0,000001
2 X=5 0,000054 0,000054
3 X=4 0,001215 0,001215
4 X=3 0,01458 0,01458
5 X=2 0,098415 0,098415
6 X=1 0,354294 0,354294
7 X=0 0,531441 0,531441
Jumlah 1 1

7. Pengambilan 7
1 X=7 0,0000001 0,0000001
2 X=6 0,0000063 0,0000063
3 X=5 0,0001701 0,0001701
4 X=4 0,0025515 0,0025515
5 X=3 0,0229635 0,0229635
6 X=2 0,1240029 0,1240029
7 X=1 0,3720087 0,3720087
8 X=0 0,4782969 0,4782969
Jumlah 1 1

4.3.5 pembahasan Data Modul V
Berikut merupakan pembahasan data dari hasil pengolahan data praktikum
modul V :
A. pembahasan Data Tinggi Badan Dan Ukuran Sepatu
Pada Pembahasan data pemakaian gas akan dibahas mengenai
diagram pencar, keputusan dalam Uji T dan Uji F.
1. Pembahasan Uji F
Penentuan Daerah Keputusan :
Jika F tabel < F hitung maka tolak Ho
Berdasarkan hasil perhitungan dan hasil pembacaan pada tabel F :
Gambar 4.354 Kurva Penentuan Keputusan Uji F

Kesimpulan : Berdasarkan hasil kurva diatas maka terjadi tolak H0nyang
berarti data mempengaruhi karena F tabel lebih kecil daripada F hitung.
2. Pembahasan Uji T
Jika T tabel < T hitung maka tolak Ho
Jika T tabel > T hitung maka terima H0
Berdasarkan hasil perhitungan dan hasil pembacaan pada tabel T :
Gambar 4.355 Kurva Penentuan Keputusan Uji T

berarti data saling mempengaruhi karena T tabel < T hitung.
3. Pembahasan Diagram Pencar
Berikut merupakan pembahasan mengenai diagram pencar
Diagram Pencar
50
45
40
f(x) = 0.05 x + 31.78
35 R² = 0.1
Waktu Tempuh 30
25
Linear ()
20
15
10
5
0
40 60 80 100 120 140 160 180 200
Jarak Tempuh
Gambar 4.356 Diagram Pencar

Berikut merupakan diagram pencar hasil dari perhitungan dengan y =
0,0487x + 31,776 dan R² = 0,0968.
B. Pembahasan Data Berat Badan Dan Ukuran Baju
Pada Pembahasan data pemakaian gas akan dibahas mengenai
diagram pencar, keputusan dalam Uji T dan Uji F.
1. Pembahasan Uji F
Jika F tabel < F hitung maka tolak Ho
Berdasarkan hasil perhitungan dan hasil pembacaan pada tabel F :
3,89 42,8466
Gambar 4.357 Kurva Penentuan Keputusan Uji F
Kesimpulan : Berdasarkan hasil kurva diatas maka terjadi tolak H0nyang
berarti data mempengaruhi karena F tabel lebih kecil daripada F hitung.
2. Pembahasan Uji T
Jika T tabel < T hitung maka tolak Ho
Jika T tabel > T hitung maka terima H0
Berdasarkan hasil perhitungan dan hasil pembacaan pada tabel T :
1,65 6,5485
Gambar 4.358 Kurva Penentuan Keputusan Uji T
berarti data saling mempengaruhi karena T tabel < T hitung.
3. Pembahasan Diagram Pencar
Berikut merupakan pembahasan mengenai diagram pencar
Diagram Pencar
140
f(x) = 0.33 x + 88.74
120 R² = 0.18
100
Waktu Tempuh
80
60 Linear ()
40
20
0
20 40 60 80 100 120 140
Jarak tempuh
Gambar 4.359 Diagram Pencar

Berikut merupakan diagram pencar hasil dari perhitungan dengan y =
0,3307x + 88,743 dan R² = 0,1779
4.3.6 Pembahasan Data Modul VI
Berikut adalah pembahasan data praktikum
A. IBM SPSS
Berikut merupakan pembahasan data hasil pengolahan pada aplikasi SPSS;
1. Data Usia
Berikut ini merupakan pembahasan data usia hasil pengolahan pada aplikasi
SPSS:
A. Distribusi Frekuensi
Berikut adalah hasil pengujian dengan menggunakan SPSS.
Tabel 4.220 Diagram Distribusi Frekuensi
NAMA DIAGRAM
HISTOGRAM
LINGKARAN
B. Distribusi Normal
Berikut adalah hasil pengujian dengan manual dan menggunakan SPSS.
Tabel 4.221 Perbandingan Distribusi Normal
Manual IBM SPSS
C. Tendensi Sentral
Berikut adalah hasil pengujian dengan manual dan menggunakan SPSS:
Tabel 4.222 Pembuktian SPSS Data Usia
Tendensi Sentral SPSS Manual
Mean 19,35 19
Median 19,20 19
Mode 19 19
Std. Deviation 1,279 1,28
Variance 1,636 1,64
Range 8 8
Persentil 10 17,78 18
Berdasarkan perhitungan manual dan perhitungan SPSS data yang

diperoleh hasilnya sama maka perhitungan telah benar.
2. Data berat badan 200
Berikut merupakan pembahasan hasil pengolahan pada aplikasi SPSS:
NAMA DIAGRAM
HISTOGRAM
LINGKARAN
Manual IBM SPSS
3. Tendensi Sentral
Tabel 4.225 Pembuktian SPSS data berat badan 200
Mean 53,18 53
Median 52,00 52
Mode 50 50
Variance 77,334 77,33
Range 42 42
diperoleh hasilnya sama maka perhitungan praktikan telah benar.
Berikut ini merupakan pembahasan data yang telah di olah pada aplikasi SPSS:
NAMA DIAGRAM
HISTOGRAM
LINGKARAN
Manual IBM SPSS
3.
4. Tendensi Sentral
Tabel 4.228 Pembuktian SPSS Data berat badan 150
Mean 52,98 53
Median 52,00 52
Variance 74,369 74,62
Range 42 42

Berikut ini merupakan pembahasan data yang telah di olah pada aplikasi SPSS:
Berikut adalah hasil pengujian dengan menggunakan SPSS
NAMA DIAGRAM
HISTOGRAM
LINGKARAN
Manual IBM SPSS
3. Tendensi Sentral
Tabel 4.231 Pembuktian SPSS Data berat badan 75
Mean 54,85 55
Median 55,00 55
Variance 89,965 89,97
Range 42 42

diperoleh hasilnya sama maka perhitungan tim praktikan telah benar.
5. Data ukuran baju
Berikut ini merupakan pembahasan data ukuran baju yang telah tim
praktikan olah pada aplikasi SPSS:
NAMA DIAGRAM
HISTOGRAM
LINGKARAN
Manual IBM SPSS
3.
4. Tendensi Sentral
Berikut ini merupakan tabel perhitungan manual dan perhitungan pada
aplikasi SPSS:
Tabel 4.234 Pembuktian SPSS Data ukuran baju
Mean 54,85 55
Median 55,00 55
Variance 89,965 89,97
Range 42 42

6. Data uang jajan
Berikut ini merupakan pembahasan data uang jajan yang telah tim praktikan
olah pada aplikasi SPSS:
NAMA DIAGRAM
HISTOGRAM
LINGKARAN
Manual IBM SPSS
3.
4. Tendensi Sentral
Berikut ini merupakan tabel perhitungan manual dan perhitungan pada
aplikasi SPSS:
Tabel 4.237 Pembuktian SPSS Data uang jajan
Mean 22157,50 22157
Median 20000,00 20000
Variance 85946174,623 85946174,62
Std. Deviation 9270,716 9270,72
Range 40000 40000
Persentil 10 15000,00 15000
Persentil 15 15000,00 15000
Persentil 25 15000,00 15000
Persentil 35 20000,00 20000
Persentil 90 30000,00 30000
Persentil 95 50000,00 50000
Berdasarkan perhitungan manual dan perhitungan SPSS data yang diperoleh

hasilnya sama maka perhitungan tim praktikan telah benar.
B. Regresi linear
Berikut ini merupakan pembahasan data yang telah tim praktikan olah pada
pengolahan data regresi linear perhitungan excel dan SPSS:
1. Data berat badan dan ukuran baju
Berikut ini merupakan pembahasan data berat badan dan ukuran baju yang
telah tim praktikan olah dari pengolahan data regresi linear perhitungan excel dan
SPSS:
Tabel 4.238 Perbandingan Regresi Bera badan dan Ukuran baju
Regression Statistics Microsoft Excel IBM SPSS
Multiple R 0,735003 735
R Square 0,54123 541
Adjusted R Square 0,538001 538
Standard Error 17,764327 17,764
2. Data berat badan dan ukuran baju
Berikut ini merupakan pembahasan data berat badan dan ukuran baju yang
telah tim praktikan olah dari pengolahan data regresi linear perhitungan excel dan
SPSS:
Tabel 4.239 Perbandingan Regresi Bera badan dan Ukuran baju
Regression Statistics Microsoft Excel IBM SPSS
Multiple R 0,945374 945
R Square 0,893732 893
Adjusted R Square 0,893195 893
Standard Error 0,774342 774
V. BAB V
PENUTUP
Pada bab V berisi kesimpulan dari risalah akhir praktikum statistik, dan
berisi saran untuk praktikan selanjutan, pembaca, serta asisten dosen praktikum
statistik.
V.1 Kesimpulan
Adapun kesimpulan yang dapat ditarik dari risalah akhir ini adalah sebagai
berikut.
a. Dalam melakukan praktikum statistic pada teknik industry terdapat
beberapa materi yang harus dipahami oleh praktikan, yang pertama
adalah distribusi frekuensi yang merupakan pengelompokkan data ke
dalam beberapa kategori yang menunjukkan banyaknya data dalam
setiap kategori, dan setiap data tidak dapat dimasukkan ke dalam dua
atau lebih kategori.
b. Kedua, praktikan harus memahami mengenai ukuran tendensi sentral
yang secara umum diartikan sebagai pusat dari distribusi, meliputi
mean (rataan), median (nilai pembatas separuh data), modus (ukuran
yang sering muncul) dan sejenisnya.
c. Ketiga, praktikan harus memahami materi mengenai distribusi normal
(Distribusi Gauss) merupakan distribusi probabilitas yang paling
penting baik dalam teori maupun aplikasi statistic. Distribusi normal
baku adalah distribusi normal yang memiliki rata-rata nol dan
simpangan baku satu.
d. Selanjutnya praktikan harus memahami mengenai probabilitas suatu
peristiwa dapat dinyatakan sebagai rasio antara jumlah kemungkinan
hasil dengan total kemungkinan hasil (rasio peristiwa terhadap hasil).
Dimana pada probabilitas suatu kejadian, praktikan juga harus bisa
memahami mengenai distribusi binomial dan distribusi
hipergeometrik.
e. Dan praktikan harus memahami tentang regresi linier dan kolerasi
Analisis regresi digunakan untuk mempelajari dan mengukur
hubungan
statistik yang terjadi antara dua atau lebih variabel.Analisis korelasi be
rtujuan untuk mengukur “seberapa kuat”, atau “ derajat kedekatan”
suatu relasi yang terjadi antar variable.
f. Terakhir praktikan harus bisa memahami dan mengaplikasikan SPSS,
SPSS merupakan salah satu program yang paling banyak digunakan
untuk analisis statistika ilmu sosial. SPSS digunakan oleh peneliti
pasar, peneliti kesehatan, perusahaan survei, pemerintah, peneliti
pendidikan, organisasi pemasaran, dan sebagainya. Pada SPSS juga
terdapat analaisa regresi dan analisa variansi untuk mengetahui
kesamaan suatu variansi dengan uji hipotesis nol.
V.2 Saran
Berdasarkan praktikum statistik yang sudah dilaksankan, adapun saran dari
praktikan untuk praktikum selanjutnya yaitu penambahan modul praktikum, serta
pelaksanaan praktikum harus tepat waktunya. Dan dalam melaksanakan
praktikum sebaiknya praktikan lebih tertib lagi dan tidak gaduh saat praktikum
berlangsung, serta asisten dosen pun tidak ada yang lalai dalam mengajari
praktikan atau tidak ada yang diam santai saja.
DAFTAR PUSTAKA
Sudjana. (2005). Metode Statistika. Bandung: Tarsito.
Sundayana, R. (2000). Statistika I. Bandung.
Suryadi, H. M. Statistika Industri I. Jakarta: Gunadarma.
anone. (2018, 12 12). pengertian-distribusi-frekuensi. Diambil kembali dari
https://website.com.
anone. (2018, 12 12). perbedaan-statistik-dan-statistika. Diambil kembali dari
https://www.zonareferensi.com/.
anone. (2108, 12 12). jenis-jenis-diagram. Diambil kembali dari
https://wikipedia.com.
anone. (2018, 12 12). pengertian-distribusi-frekuensi. Diambil kembali dari
https://website.com.
anone. (2018, 12 12). perbedaan-statistik-dan-statistika. Diambil kembali dari
https://www.zonareferensi.com/.
anone. (2108, 12 12). jenis-jenis-diagram. Diambil kembali dari
https://wikipedia.com.
anone. (2019, 1 17). hipotesis-statistik-dan-penelitian.html. Diambil kembali dari

https://www.statistikian.com/2017/06/:
https://www.statistikian.com/2017/06/hipotesis-statistik-dan-
penelitian.html
anone. (2019, 1 17). Peluang_(matematika). Diambil kembali dari
https://id.wikipedia.org/wiki:
https://id.wikipedia.org/wiki/Peluang_(matematika)
anone. (2019, 1 17). Statistika_-_Distribusi_Normal. Diambil kembali dari
http://www.academia.edu/:
http://www.academia.edu/10331228/Statistika_-_Distribusi_Normal
Anone. (2019, 2 12). Analisis_varians. Retrieved from
https://id.wikipedia.org/wiki/:
https://id.wikipedia.org/wiki/Analisis_varians
anone. (2019, 2 12). Analisis_regresi. Retrieved from https://id.wikipedia.org/wi:
https://id.wikipedia.org/wiki/Analisis_regresi
anone. (2019, 2 12). spss/fungsi-toolbar-dan-menu-pada-spss/. Retrieved from
https://www.advernesia.com/blog: https://www.advernesia.com/blog/spss/fungsi-
toolbar-dan-menu-pada-spss/
LAMPIRAN

Bikin Pusing

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

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

Bikin Pusing

Diunggah oleh

Hak Cipta:

Format Tersedia

RISALAH AKHIR

Garut, Januari 2022

Garut, Januari 2022

Tasya Shakila Ramadhan Hisyam Raihandika

Resha Ariyana Tisah Maida

Asisten Dosen III, Asisten Dosen IV,

Tami Nurul Fadhilah Hemas Pramesti

Asisten Dosen V, Asisten Dosen VI.

Gambar 3.1 Diagram Alir Praktikum.......................................................................4

Gambar 4.1 Diagram Histogram Usia....................................................................38

Gambar 4.2 Diagram Polygon Usia.......................................................................39

Gambar 4.3 Diagram Ogive Usia...........................................................................40

Gambar 4.4 Diagram Lingkaran Usia....................................................................41

Gambar 4.5 Diagram Pareto Usia..........................................................................41

Gambar 4.6 Diagram Histogram Berat Badan.......................................................44

Gambar 4.7 Diagram Polygon Berat Badan...........................................................45

Gambar 4.8 Diagram Ogive Berat Badan..............................................................46

Gambar 4.9 Diagram Lingkaran Berat Badan.......................................................47

Gambar 4.10 Diagram Pareto Berat Badan............................................................47

Gambar 4.11 Diagram Histogram Ukuran Baju....................................................50

Gambar 4.12 Diagram Polygon Ukuran Baju........................................................51

Gambar 4.13 Diagram Ogive Ukuran Baju...........................................................52

Gambar 4.14 Diagram Lingkaran Ukuran Baju.....................................................53

Gambar 4.15 Diagram Pareto Ukuran Baju...........................................................53

Gambar 4.16 Diagram Histogram Tinggi Badan...................................................56

Gambar 4.17 Diagram Polygon Tinggi Badan.......................................................57

Gambar 4.18 Diagram Ogive Tinggi Badan..........................................................58

Gambar 4.19 Diagram Lingkaran Tinggi Badan...................................................58

Gambar 4.20 Diagram Pareto Tinggi Badan..........................................................59

Gambar 4.21 Diagram Histogram Ukuuran Sepatu...............................................62

Gambar 4.22 Diagram Polygon Ukuran Sepatu.....................................................63

Gambar 4.23 Diagram Ogive Ukuran Sepatu........................................................63

Gambar 4.25 Diagram Pareto Ukuran Sepatu........................................................65

Gambar 4.26 Diagram Histogram U Jajan.............................................................68

Gambar 4.27 Diagram Polygon U Jajan................................................................69

Gambar 4.28 Diagram Ogive U Jajan....................................................................70

Gambar 4.29 Diagram Lingkaran U Jajan.............................................................70

Gambar 4.30 Diagram Pareto U Jajan...................................................................71

Gambar 4.31 Kurva Usia Data Tunggal.................................................................74

Gambar 4.32 Kurva Usia Data Kelompok.............................................................78

Gambar 4.33 Kurva Ukuran Baju Data Tunggal...................................................81

Gambar 4.34 Kurva Ukuran Baju Data Kelompok................................................83

Gambar 4.35 Kurva Data Tunggal Berat Badan 200.............................................87

Gambar 4.36 Kurva Data Tunggal Berat Badan 150.............................................90

Gambar 4.37 Kurva Data Tunggal Berat Badan 70...............................................93

Gambar 4.38 Kurva Data Kelompok Berat Badan 200.........................................96

Gambar 4.39 Kurva Data Kelompok Berat Badan 150.........................................98

Gambar 4.40 Kurva Data Kelompok Berat Badan 75.........................................101

Gambar 4.41 Kurva Data Tunggal Ukuran Sepatu..............................................104

Gambar 4.42 Kurva Data Kelompok Ukuran Sepatu..........................................106

Gambar 4.43 Kurva Data Tunggal Tinggi Badan................................................110

Gambar 4.44 Kurva Data Kelompok Tinggi Badan............................................113

Gambar 4.45 Kurva Data Tunggal Uang Jajan....................................................116

Gambar 4.46 Kurva Data Kelompok Uang Jajan................................................119

Gambar 4.47 Kurva Taraf Signifikansi 1%.........................................................125

Gambar 4.48 Kurva Taraf Signifikansi 2%.........................................................126

Gambar 4.49 Kurva Taraf Signifikansi 3%.........................................................126

Gambar 4.51 Kurva Taraf Signifikansi 5%.........................................................127

Gambar 4.52 Kurva Taraf Signifikansi 1%.........................................................133

Gambar 4.53 Kurva Taraf Signifikansi 2%.........................................................134

Gambar 4.54 Kurva Taraf Signifikansi 3%.........................................................134

Gambar 4.55 Kurva Taraf Signifikansi 4%.........................................................135