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.
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.
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 4.89 Diagram Pencar Data Berat Badan dan Ukuran Baju....................239
Gambar 4.92 Diagram Pencar Data Tinggi Badan dan Ukuran Sepatu...............244
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 4.138 Tampilan Chart Data Berat Badan 150 (Bar Charts)...................265
Gambar 4.139 Tampilan Chart Data Berat Badan 150 (Pie Charts)....................266
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
1
2
2
3
3
3.2 Diagram Alir Praktikum
Adapun diagram alir risalah akhir praktikum statistik yaitu sebagai berikut:
START
DISTRIBUSI FREKUENSI
DISTRIBUSI
PROBABILITAS KONTINYU
DISTRIBUSI
PROBABILITAS DISKRIT
FINISH
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
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
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
Tabel Lanjutan 4.9 Regresi Tinggi Badan dan Ukuran Sepatu
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
Tabel Lanjutan 4.9 Regresi Tinggi Badan dan Ukuran Sepatu
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
Tabel Lanjutan 4.9 Regresi Tinggi Badan dan Ukuran Sepatu
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
Tabel Lanjutan 4.9 Regresi Tinggi Badan dan Ukuran Sepatu
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
Tabel Lanjutan 4.9 Regresi Tinggi Badan dan Ukuran Sepatu
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
Tabel Lanjutan 4.9 Regresi Tinggi Badan dan Ukuran Sepatu
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
= 25 – 15
= 10
= 1 + 3,3 log(200)
= 9
= 10/9
= 1,11 = 2
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
Frekuensi Midpoint
1 15,5
200
150
100
50
0
1 31 93 56 18 1 0 0 0
FK≥ FK≤
0.5
15.5
9% 1%
1%
16% 46.5
28
9
28% 0.5
0
0
0
47%
F %K
N = 200
= 78-30
= 48
= 1 + 3,3 log(200)
= 9
= 48/9
= 5,33 = 6
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
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.
60 100
50
80
40
60
30
40
20
10 20
0 0
1 2 3 4 5 6 7 8 9
F %K
= 120-90
= 30
Banyak kelas = 1 + 3,3 log (n)
= 1 + 3,3 log(200)
= 8,59 = 8
= 30/8
= 3,75 = 4
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
yaitu diagram histogram, diagram polygon, diagram ogive, diagram
lingkaran dan diagram pareto.
a. Diagram Histogram
Data yang digunakan untuk membuat data histogram sebagai berikut.
Tabel 4.26 Kelas Bounderies dan Frekuensi
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
b. Diagram Polygon
Data yang digunakan untuk membuat data polygon adalah sebagai berikut.\
Tabel 4.27 Frekuensi dan Midpoint
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
OGIVE
250
200
150
100
50
0
0 0 0 0 11 41 73 75
FK≥ FK≤
6%
21%
19.8
0
131.4
37% 0
0
135
0
73.8
38%
70
100
60
80
50
40 60
30
40
20
20
10
0 0
1 2 3 4 5 6 7 8
F %K
= 185-145
= 40
= 1 + 3,3 log(200)
= 9
= 40/9
= 4,44 = 5
Frekuensi Midpoint
3 147
34 152
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
d. Diagram Lingkaran
Data yang digunakan untuk membuat data lingkaran adalah sebagai berikut.
Tabel 4.36 Frekuensi, Persentase dan Derajat
F Persentase Derajat
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%
e. Diagram Pareto
Data yang digunakan untuk membuat data pareto adalah sebagai berikut.
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
= 45-27
= 18
= 1 + 3,3 log(200)
= 8,59 = 8
= 18/8
= 2,25 = 3
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
1%
1%
19%
1.8
0
38% 0
68.4
151.2
136.8
1.8
0
42%
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
= 100-5
= 95
= 1 + 3,3 log(200)
= 8,59 = 8
= 95/9
= 10,56 = 11
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
Frekuensi Midpoint
67 10277.5
60 20834
18 31390
70
60
50
40
30
20
10
0
10277.5 20834 31390 41945.5 52501.5 63057.5 73613.5 84169.5 94725.5
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≤
9% 2%
120.6
108
15% 34%
32.4
7.2
54
2%
30.6
9% 0
0
7.2
30%
e. Diagram Pareto
Data yang digunakan untuk membuat data pareto adalah sebagai berikut.
Tabel 4.51 Kelas Interval, Frekuensi, Persentase dan Persentase Komulatif
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
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
1 15 1 I
2 17 1 I
3 18 30 IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII
4 19 48 IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII
Tabel Lanjutan 4.53 Modus Data Usia
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.
Keterangan :
𝑥̅ = Mean
𝑓𝑖 = Fekuensi ke-i
𝑥𝑖 = Midpoint
Berikut adalah perhitungannya.
Tabel 4.54 Mean Data Kelompok
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)
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
Rumus median dalam data tunggal adalah sebagai berikut.
n 200
Me= = =100
2 2
Maka terletak pada ke 100 dengan nilai 110.
c. Modus
Berikut merupakan tabel Modus yaitu adalah nilai yang sering muncul.
Tabel 4.58 Modus Data Ukuran Baju
d. Analisis
Rekapitulasi perhitungan data tunggal adalah sebagai berikut.
Mean = 107,3
Median = 110
Modus = 110
Berikut adalah kurva yang menunjukkan hubungan mean, median dan
modus tersebut.
Gambar 4.33 Kurva Ukuran Baju Data Tunggal
Kurva tersebut lebih condong ke kanan karena nilai modus lebih
tinggi dari nilai median.
3. Pengolahan Data Kelompok
Berikut merupakan perhitungan dari data kelompok untuk mencari
mean, median, dan modus.
a. Mean
Berikut dibawah ini merupakan perhitungannya.
Tabel 4.59 Mean Data Kelompok
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
Berikut adalah rata-rata yang di peroleh dari perhitungan ditribusi
frekuensi di atas berdasarkan data berkelompok.
b. Median
Berikut dibawah ini merupakan perhitungannya.
Tabel 4.60 Median Data Kelompok
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
Berikut dibawah ini merupakan perhitungannya.
Tabel 4.61 Modus Data Kelompok
2) Median
Rumus median dalam data tunggal adalah sebagai berikut.
3) Modus
Berikut merupakan tabel Modus yaitu adalah nilai yang sering muncul.
Tabel 4.63 Modus Data Tunggal Berat Badan 200
4) Analisis
Berikut ini merupakan rekapitulasi perhitungan data tunggal .
Mean = 55,16
Median = 55
Modus = 50
Berikut adalah kurva yang menunjukkan hubungan mean, median dan
modus tersebut.
2) Median
Rumus median dalam data tunggal adalah sebagai berikut.
3) Modus
Berikut merupakan tabel Modus yaitu adalah nilai yang sering muncul.
Tabel 4.64 Modus Data Tunggal Berat Badan 150
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
Rumus median dalam data tunggal adalah sebagai berikut.
3) Modus
Berikut merupakan tabel Modus yaitu adalah nilai yang sering muncul.
Tabel 4.65 Modus Data Tunggal Berat Badan 75
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
Tabel Lanjutan 4.65 Modus Data Tunggal Berat Badan 75
10 48 3 III
11 49 4 IIII
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
Kurva tersebut lebih condong ke kiri karena nilai mean lebih tinggi
daripada modus.
3. Pengolahan Data Kelompok
Setelah data diurutkan dari terkecil hingga terbesar kemudian
membuat formulasi perhitungan untuk mencari mean, median, dan modus.
a. Berat Badan 200 Data
Berikut ini merupakan pengolahan data kelompok berat badan 200 data.
1) Mean
Berikut dibawah ini merupakan perhitungannya.
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
Berikut merupakan perhitungannya.
Tabel 4.67 Median Berat Badan 200
1
𝐿𝑒𝑡𝑎𝑘 𝑘𝑒𝑙𝑎𝑠 𝑚𝑒𝑑𝑖𝑎𝑛 = 𝑥 200 = 100
2
3) Modus
Berikut merupakan perhitungannya.
4) Analisis
Rekapitulasi perhitungan data kelompok
Mean = 55,27
Median = 54,76
Modus = 52,18
Berikut adalah kurva yang menunjukkan hubungan mean, median
dan modus tersebut.
2) Median
Berikut dibawah ini merupakan perhitungannya.
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
𝐿𝑒𝑡𝑎𝑘 𝑘𝑒𝑙𝑎𝑠 𝑚𝑒𝑑𝑖𝑎𝑛 = 𝑥 150 = 75
2
3) Modus
Berikut dibawah ini merupakan perhitungannya.
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
4) Analisis
Rekapitulasi perhitungan data kelompok
Mean = 79,89
Median = 53,68
Modus = 51,94
Berikut adalah kurva yang menunjukkan hubungan mean, median dan
modus tersebut.
2) Median
Berikut dibawah ini merupakan perhitungannya.
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
Berikut ini merupakan perhitungannya.
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
Rekapitulasi perhitungan data kelompok
Mean = 76,03
Median = 50,36
Modus = 48,47
Berikut adalah kurva yang menunjukkan hubungan mean, median dan
modus tersebut.
b. Median
Berikut merupakan perhitungan dari median data tunggal.
c. Modus
Berikut merupakan tabel Modus yaitu adalah nilai yang sering muncul.
Tabel 4.76 Tabel Modus Data Tunggal
b. Median
Berikut ini merupakan perhitungannya.
Tabel 4.79 Median Data Kelompok
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
Berikut dibawah ini merupakan perhitungannya.
Tabel 4.80 Modus Data Kelompok
KELAS KELAS
F
INTERVAL BOUNDERIES
27 – 29 89,5 – 93,5 1
30 – 32 93,5 – 97,5 0
d. Analisis
Rekapitulasi perhitungan data kelompok ukuran sepatu.
Mean = 40,54
Median = 40,66
Modus = 41,05
Berikut adalah kurva yang menunjukkan hubungan mean, median dan
modus.
Gambar 4.42 Kurva Data Kelompok Ukuran Sepatu
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
Berikut dibawah ini merupakan perhitungannya.
Maka terletak pada ke 100 dengan nilai 163.
c. Modus
Berikut merupakan tabel Modus yaitu adalah nilai yang sering muncul.
Tabel 4.82 Modus Data Tunggal Tinggi Badan
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
16 163 11 IIIII IIIII I
17 164 4 IIII
18 165 16 IIIII IIIII IIIII I
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
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
Berikut adalah kurva yang menunjukkan hubungan mean, median dan
modus tersebut.
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
Formulasi perhitungan modus data kelompok 𝑀𝑜 = 𝑏 + 𝑝 ( b 1+b 2)
d. Analisis
Rekapitulasi perhitungan data kelompok tinggi badan.
Mean = 163,1
Median = 168,6
Modus = 162,75
Berikut adalah kurva yang menunjukkan hubungan mean, median dan
modus tersebut.
b. Median
Berikut dibawah ini merupakan perhitungan median data tunggal.
c. Modus
Berikut dibawah ini merupakan hasil perhitungan dari median.
Tabel 4.90 Modus Data Kelompok Uang Jajan
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
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
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
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
Kaidah keputusan:
Kaidah keputusan:
Kaidah keputusan:
Kelas Bounderies Z1 Z2
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
𝑥−𝜇 𝑥−𝜇
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
𝑥−𝜇 𝑥−𝜇
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
𝑥−𝜇 𝑥−𝜇
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
𝑥−𝜇 𝑥−𝜇
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
𝑥−𝜇 𝑥−𝜇
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
𝑥−𝜇 𝑥−𝜇
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
𝑥−𝜇 𝑥−𝜇
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
b. Menentukan P1 dan P2
Untuk Menentukan Nilai P1 dan P2, digunakan rumus sebagai berikut.
P1/2 = 0.5 ± = Nilai Tabel
Tabel 4.100 Perhitungan P1 dan P2
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
c. Menentukan Probabilitas
Untuk menentukan nilai probabilitas (P) rumus yang digunakan adalah:
P = P2 – P1
Tabel 4.101 Perhitungan Probabilitas (P)
KELAS BOUNDERIES P1 P2 P
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
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 4.102 Menentukan Frekuensi Yang Diharapkan
KELAS BOUNDERIES P F Diharapkan (eᵢ)
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
2. Menentukan Nilai Statistik
Formulasi:
Maka x 2h=312,43
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
3) Taraf Signifikansi 3%
Hasil dari perhitungannya:
X 23 % = 4,787412
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
4) Taraf Signifikansi 4%
Hasil dari perhitungannya:
X 24 % = 4,314436
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
5) Taraf Signifikansi 5%
Hasil dari perhitungannya:
X 25 % = 3,84146
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
C. Pengolahan Data Tinggi Badan
Berikut dibawah ini merupakan pengolahan data tinggi badan modul
III mengenai distribusi probabilitas kontinyu.
Kelas Bounderies Z1 Z2
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
Kelas Bounderies Z1 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
b. Menentukan P1 dan P2
Untuk Menentukan Nilai P1 dan P2, digunakan rumus sebagai berikut.
P1/2 = 0.5 ± = Nilai Tabel
Tabel 4.107 Perhitungan P1 dan P2
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
c. Menentukan Probabilitas
Untuk menentukan nilai probabilitas (P) rumus yang digunakan adalah:
P = P2 – P1
Tabel 4.108 Perhitungan Probabilitas (P)
KELAS BOUNDERIES P1 P2 P
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
d. Menentukan Frekuensi Yang Diharapkan (e i ¿
Untuk menentukan frekuensi yang diharapkan rumusnya adalah
sebagai berikut.
Keterangan:
eᵢ = n x P
eᵢ = Nilai Harapan
P = Probabilitas
n = Jumlah Data
Tabel 4.109 Menentukan Frekuensi Yang Diharapkan
KELAS BOUNDERIES P F Diharapkan (eᵢ)
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
2. Menentukan Nilai Statistik
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
= (0,01, 6 − 2 − 1)
= (0,01, 3)
= 11,34488
Tabel Lanjutan 4.111 Menentukan Nilai Kritis
Taraf signifikansi 2%
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
Taraf signifikansi 3%
I = Xmin-(Xmin-Xmax)x 𝐷𝑘−𝐷𝑘𝑚𝑖𝑛
𝐷𝑘𝑚𝑎𝑥−𝐷𝑘𝑚𝑖𝑛
= 9,34840-(9,34840-7,81472)x0,03−0,025
0,05−0,025
= 9,34840-(1,53368)0,2
= 9,041664
Taraf signifikansi 4%
I = Xmin-(Xmin-Xmax)x 𝐷𝑘−𝐷𝑘𝑚𝑖𝑛
𝐷𝑘𝑚𝑎𝑥−𝐷𝑘𝑚𝑖𝑛
= 9,34840-(9,34840-7,81472)x0,04−0,025
0,05−0,025
= 9,34840-(1,53368)0,6
= 8,428032
Taraf signifikansi 5%
𝑋2 = (𝛼, 𝑘 − 2 − 1)
5%
= (0,05, 6 − 2 − 1)
= (0,05, 3)
= 7,81472
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
2) Taraf Signifikansi 2%
Hasil dari perhitungannya:
X 22 % = 10,0273368
Gambar 4.58 Kurva Taraf Signifikansi 2%
Kaidah keputusan:
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
3) Taraf Signifikansi 3%
Hasil dari perhitungannya:
X 23 % = 9,041664
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
4) Taraf Signifikansi 4%
Hasil dari perhitungannya:
X 24 % = 8,428032
Gambar 4.60 Kurva Taraf Signifikansi 4%
Kaidah keputusan:
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
5) Taraf Signifikansi 5%
Hasil dari perhitungannya:
X 25 % = 7,81472
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
D. Pengolahan Data Uang Jajan
Berikut dibawah ini merupakan pengolahan data uang jajan modul III
mengenai distribusi probabilitas kontinyu.
1. Menentukan Frekuensi Harapan
Berikut dibawah ini adalah menentukan frekuensi harapan pengolahan
data uang jajan.
Tabel 4.112 Frekuensi Harapan Data Uang Jajan
Standar Deviasi :
20271,36
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.
Keterangan:
Xi = Batas Kelas Bounderies
𝜇 = Nilai Rata-rata
𝜎 = Standar Deviasi
Tabel 4.113 Perhitungan Z1 dan Z2
Kelas Bounderies Z1 Z2
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
Kelas Bounderies Z1 Z2
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
𝑥− 𝜇 𝑥− 𝜇
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
b. Menentukan P1 dan P2
Untuk Menentukan Nilai P1 dan P2, maka dapat digunakan rumus
sebagai berikut.
P1/2 = 0.5 ± = Nilai Tabel
KELAS BOUNDERIES P1 P2 P
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
d. Menentukan Frekuensi Yang Diharapkan (e i ¿
Untuk menentukan frekuensi yang diharapkan rumusnya adalah:
Keterangan:
eᵢ = n x P
eᵢ = Nilai Harapan
P = Probabilitas
n = Jumlah Data
Tabel 4.116 Menentukan Frekuensi Yang Diharapkan
KELAS BOUNDERIES P F Diharapkan (eᵢ)
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
2. Menentukan Nilai Statistik
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
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
2) Taraf Signifikansi 2%
Hasil dari perhitungannya:
X 22 % = 7,9825281
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
3) Taraf Signifikansi 3%
Hasil dari perhitungannya:
X 23 % = 7,10052
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
4) Taraf Signifikansi 4%
Hasil dari perhitungannya:
X 24 % = 6,546
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
5) Taraf Signifikansi 5%
Hasil dari perhitungannya:
X 25 % = 5,99148
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
E. Pengolahan Data Berat Badan
Berikut dibawah ini merupakan pengolahan data berat badan modul
III mengenai distribusi probabilitas kontinyu.
1. Menentukan Frekuensi Harapan
Berikut dibawah ini adalah menentukan frekuensi harapan pengolahan
data berat badan.
Tabel 4.119 Frekuensi Harapan Data Berat Badan
Kelas Bounderies Z1 Z2
29,5 − 55,27 35,5 − 55,27
𝑍1 = = −2,98 𝑍2 = = −2,29
29,5 – 35,5 8,64 8,64
KELAS BOUNDERIES P1 P2 P
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
d. Menentukan Frekuensi Yang Diharapkan (e i ¿
Untuk menentukan frekuensi yang diharapkan rumusnya adalah
sebagai berikut.
Keterangan:
eᵢ = n x P
eᵢ = Nilai Harapan
P = Probabilitas
n = Jumlah Data
Tabel 4.123 Menentukan Frekuensi Yang Diharapkan
KELAS BOUNDERIES P F Diharapkan (eᵢ)
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
2. Menentukan Nilai Statistik
Formulasi:
41,5 – 47,5 20 20 0 0 0
Total 48,27
Maka X 2h=48,27
= (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
Taraf signifikansi 3%
I = Xmin-(Xmin-Xmax)x 𝐷𝑘−𝐷𝑘𝑚𝑖𝑛
𝐷𝑘𝑚𝑎𝑥−𝐷𝑘𝑚𝑖𝑛
= 9,34840-(9,34840-7,81472)x0,03−0,025
0,05−0,025
= 9,34840-(1,53368)0,2
= 9,041664
Taraf signifikansi 4%
I = Xmin-(Xmin-Xmax)x 𝐷𝑘−𝐷𝑘𝑚𝑖𝑛
𝐷𝑘𝑚𝑎𝑥−𝐷𝑘𝑚𝑖𝑛
= 9,34840-(9,34840-7,81472)x0,04−0,025
0,05−0,025
= 9,34840-(1,53368)0,6
= 8,428032
Taraf signifikansi 5%
𝑋2 = (𝛼, 𝑘 − 2 − 1)
5%
= (0,05, 6 − 2 − 1)
= (0,05, 3)
= 7,81472
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
2) Taraf Signifikansi 2%
Hasil dari perhitungannya:
X 22 % = 10,0273368
Kaidah keputusan:
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
3) Taraf Signifikansi 3%
Hasil dari perhitungannya:
X 23 % = 9,041664
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
4) Taraf Signifikansi 4%
Hasil dari perhitungannya:
X 24 % = 8,428032
Kaidah keputusan:
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
5) Taraf Signifikansi 5%
Hasil dari perhitungannya:
X 25 % = 7,81472
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
F. Pengolahan Data Ukuran Baju
Berikut dibawah ini merupakan pengolahan data ukuran baju modul
III mengenai distribusi probabilitas kontinyu.
1. Menentukan Frekuensi Harapan
Berikut dibawah ini adalah menentukan frekuensi harapan pengolahan
data ukuran baju.
Tabel 4.126 Frekuensi Harapan Data Ukuran Baju
Kelas Bounderies Z1 Z2
89,5 − 107,66 93,5 − 107,66
𝑍1 = = −2,12 𝑍2 = = −1,65
89,5 - 93,5 8,56 8,56
Kelas Bounderies Z1 Z2
109,5 − 107,66 113,5 − 107,66
𝑍1 = = 0,21 𝑍2 = = 0,68
109,5 - 113,5 8,56 8,56
b. Menentukan P1 dan P2
Untuk Menentukan Nilai P1 dan P2, digunakan rumus sebagai berikut.
P1/2 = 0.5 ± = Nilai Tabel
Tabel 4.128 Perhitungan P1 dan P2
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
c. Menentukan Probabilitas
Untuk menentukan nilai probabilitas (P) rumus yang digunakan
adalah sebagai berikut:
P = P2 – P1
KELAS BOUNDERIES P1 P2 P
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
d. Menentukan Frekuensi Yang Diharapkan (e i ¿
Untuk menentukan frekuensi yang diharapkan rumusnya adalah
sebagai berikut.
Keterangan:
eᵢ = n x P
eᵢ = Nilai Harapan
P = Probabilitas
n = Jumlah Data
Tabel 4.130 Menentukan Frekuensi Yang Diharapkan
KELAS BOUNDERIES P F Diharapkan (eᵢ)
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
2. Menentukan Nilai Statistik
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
= (0,01, 4 − 2 − 1)
= (0,01, 1)
= 6,63489
Taraf signifikansi 2%
I = Xmin-(Xmin-Xmax)x 𝐷𝑘−𝐷𝑘𝑚𝑖𝑛
𝐷𝑘𝑚𝑎𝑥−𝐷𝑘𝑚𝑖𝑛
= 6,63489-(6,63489-5,02390)x 0,02−0,01
0,025−0,01
= 6,63489-(1,61099)0,67
= 5,5555267
Taraf signifikansi 3%
I = Xmin-(Xmin-Xmax)x 𝐷𝑘−𝐷𝑘𝑚𝑖𝑛
𝐷𝑘𝑚𝑎𝑥−𝐷𝑘𝑚𝑖𝑛
= 5,02390-(5,02390-3,84146)x0,03−0,025
0,05−0,025
= 5,02390-(1,18244)0,2
= 4,787412
Taraf signifikansi 4%
I = Xmin-(Xmin-Xmax)x 𝐷𝑘−𝐷𝑘𝑚𝑖𝑛
𝐷𝑘𝑚𝑎𝑥−𝐷𝑘𝑚𝑖𝑛
= 5,02390-(5,02390-3,84146)x0,04−0,025
0,05−0,025
= 5,02390-(1,18244)0,6
= 4,314436
Taraf signifikansi 5%
𝑋2 = (𝛼, 𝑘 − 2 − 1)
5%
= (0,05, 4 − 2 − 1)
= (0,05, 1)
= 3,84146
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
2) Taraf Signifikansi 2%
Hasil dari perhitungannya:
X 22 % = 5,5555267
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
3) Taraf Signifikansi 3%
Hasil dari perhitungannya:
X 23 % = 4,787412
Gambar 4.74 Kurva Taraf Signifikansi 3%
Kaidah keputusan:
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
4) Taraf Signifikansi 4%
Hasil dari perhitungannya:
X 24 % = 4,314436
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
5) Taraf Signifikansi 5%
Hasil dari perhitungannya:
X 25 % = 3,84146
Gambar 4.76 Kurva Taraf Signifikansi 5%
Kaidah keputusan:
Maka keputusannya tolak H0, jadi data tersebut tidak berdistribusi normal.
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.
= 0,11667
P(X=0) = 𝐶1𝑃0𝑄1−0
0
b. Pengambilan Ke – 2
Berikut ini merupakan pengolahan data nilai data kartu 8 pada
pengambilan ke-2.
1) Perhitungan Angka Ke – 2
Berikut dibawah ini adalah perhitungannya.
2) Diagram Pohon
Berikut ini merupakan diagram pohon angka kartu bernilai 8
dengan dua kali pengambilan.
4) Perhitungan Pembuktian
Berikut ini merupakan perhitungan dan pembuktian dari tabel
distribusi binomial dengan perhitungan munculnya angka kartu bernilai 8.
Tabel 4.137 Perhitungan Pembuktian Pengambilan Ke 2
No Perhitungan Pembuktian Keterangan
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
c. Pengambilan Ke – 3
Berikut ini merupakan pengolahan data nilai data kartu 8 pada
pengambilan ke - 3.
1) Perhitungan Angka Ke – 3
Berikut dibawah ini adalah perhitungannya.
2) Diagram Pohon
Berikut ini merupakan diagram pohon angka kartu bernilai 8
dengan tiga kali pengambilan.
4) Perhitungan Pembuktian
Berikut ini merupakan perhitungan dan pembuktian dari tabel
distribusi binomial dengan perhitungan munculnya angka kartu bernilai 8.
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
5) Tabel Rekapitulasi Perhitungan
Berikut ini merupakan tabel rekapitulasi perhitungan
pengambilan ke 3.
Tabel 4.141 Rekapitulasi Perhitungan Pengambilan Ke 3
No Variabel Acak Perhitungan Pembuktian
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
Berikut ini merupakan pengolahan data nilai data kartu 8 pada
pengambilan ke - 4.
1) Perhitungan Angka Ke – 4
Berikut dibawah ini adalah perhitungannya.
2) Diagram Pohon
Berikut ini merupakan diagram pohon angka kartu bernilai 8
dengan empat kali pengambilan.
Gambar 4.80 Diagram Pohon Pengambilan Ke 4
3) Tabel Distribusi Binomial
Berikut ini merupakan tabel distribusi binomial dengan empat kali
pengambilan.
Tabel 4.142 Tabel Binomial Pengambilan Ke 4
No. Kejadian Probabilitas Variabel Acak P(X=x)
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
4) Perhitungan Pembuktian
Berikut ini merupakan perhitungan dan pembuktian dari tabel
distribusi binomial dengan perhitungan munculnya angka kartu bernilai 8.
Tabel 4.143 Perhitungan Pembuktian Pengambilan Ke 4
No Perhitungan Pembuktian Keterangan
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
e. Pengambilan Ke – 5
Berikut ini merupakan pengolahan data nilai data kartu 8 pada
pengambilan ke - 5.
1) Perhitungan Angka Ke – 5
Berikut dibawah ini adalah perhitungannya.
2) Diagram Pohon
Berikut ini merupakan diagram pohon angka kartu bernilai 8
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
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
6 = 0,883335 5! Terbukti
= (0,11667)0(0,88333)5
= 0,53778
(5−0)!0!
= 1 x 1 x 0,53778 = 0,53778
5) Tabel Rekapitulasi Perhitungan
Berikut ini merupakan tabel rekapitulasi perhitungan
pengambilan ke 5.
Tabel 4.147 Rekapitulasi Perhitungan Pengambilan Ke 5
No Variabel Acak Perhitungan Pembuktian
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
Berikut ini merupakan pengolahan data nilai data kartu 8 pada
pengambilan ke – 6.
1) Perhitungan Angka Ke – 6
Berikut dibawah ini adalah perhitungannya.
2) Diagram Pohon
Berikut ini merupakan diagram pohon angka kartu bernilai 8
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
4) Perhitungan Pembuktian
Berikut adalah perhitungan dan pembuktian dari munculnya kartu bernilai 8.
Tabel 4.149 Perhitungan Pembuktian Pengambilan Ke 6
No Perhitungan Pembuktian Keterangan
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
Tabel Lanjutan 4.149 Perhitungan Pembuktian Pengambilan Ke 6
No Perhitungan Pembuktian Keterangan
P(X = 2) = 𝐶6 P2 Q6-2
P(X = 2) = 2
6!
15𝑃2𝑄4 = (0,11667)2(0,88333)4
5 (6−2)!2! Terbukti
=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
6 (6−1)!1! Terbukti
=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!
Rekapitulasi 1 1
g. Pengambilan Ke – 7
Berikut ini merupakan pengolahan data nilai data kartu 8 pada
pengambilan ke – 7.
1) Perhitungan Angka Ke – 7
Berikut dibawah ini adalah perhitungannya.
2) Diagram Pohon
Berikut ini merupakan diagram pohon angka kartu bernilai 8
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
4) Perhitungan Pembuktian
Berikut adalah perhitungan dan pembuktian dari munculnya kartu bernilai 8.
Tabel 4.152 Perhitungan Pembuktian Pengambilan Ke 7
No Perhitungan Pembuktian Keterangan
P(X = 6) = 𝐶6 P6 Q6-6
6
P(X = 6) = P6 = 6! (0,11667)6(0,88333)0
1 (6−6)!6! Terbukti
= 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 = 1) = 𝐶6 P1 Q6-1
P(X = 1) = 1
6!
6𝑃𝑄5 = (0,11667)1(0,88333)5
6 (6−1)!1! Terbukti
=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
7 (6−1)!1! Terbukti
=6𝑥0,11667𝑥
0,883335 = 6 x (0,11667)1(0,88333)5
= 0,37646 = 0,37646
= 1 x 1 x 0,47505 = 0,47505
5) Tabel Rekapitulasi Perhitungan
Berikut ini merupakan tabel rekapitulasi perhitungan
pengambilan ke 7.
Tabel 4.153 Rekapitulasi Perhitungan Pengambilan Ke 7
2) Diagram Pohon
Berikut ini merupakan diagram pohon dengan satu kali pengambilan.
4) Perhitungan Pembuktian
Berikut ini merupakan perhitungan dan pembuktian dari tabel
distribusi binomial dengan perhitungan munculnya angka kartu bernilai 3.
Tabel 4.155 Perhitungan Pembuktian Pengambilan Ke 1
No Perhitungan Pembuktian Keterangan
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
5) Tabel Rekapitulasi Perhitungan
Berikut ini tabel rekapitulasi perhitungan pengambilan ke 1.
Tabel 4.156 Rekapitulasi Perhitungan Pengambilan Ke 1
No Variabel Acak Perhitungan Pembuktian
1 1 0,1 0,1
2 0 0,9 0,9
JUMLAH 1 1
b. Pengambilan Ke – 2
Berikut ini merupakan pengolahan data nilai data kartu 3 pada
pengambilan ke-2.
1) Perhitungan Angka Ke – 2
Berikut dibawah ini adalah perhitungannya.
2) Diagram Pohon
Berikut ini merupakan diagram pohon angka kartu bernilai 3
dengan dua kali pengambilan.
Gambar 4.83 Diagram Pohon Pengambilan Ke 2
3) Tabel Distribusi Binomial
Berikut ini merupakan tabel distribusi binomial dengan dua kali
pengambilan.
Tabel 4.157 Tabel Binomial Pengambilan Ke 2
No. Kejadian Probabilitas Variabel Acak P(X=x)
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
4) Perhitungan Pembuktian
Berikut ini merupakan perhitungan dan pembuktian dari tabel
distribusi binomial dengan perhitungan munculnya angka kartu bernilai 3.
Tabel 4.158 Perhitungan Pembuktian Pengambilan Ke 2
No Perhitungan Pembuktian Keterangan
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
= 1 x 0,81
= 0,81
5) Tabel Rekapitulasi Perhitungan
Berikut ini merupakan tabel rekapitulasi perhitungan
pengambilan ke 2.
Tabel 4.159 Rekapitulasi Perhitungan Pengambilan Ke 2
No Variabel Acak Perhitungan Pembuktian
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
Berikut ini merupakan pengolahan data nilai data kartu 3 pada
pengambilan ke - 3.
1) Perhitungan Angka Ke – 3
Berikut dibawah ini adalah perhitungannya.
2) Diagram Pohon
Berikut ini merupakan diagram pohon angka kartu bernilai 3
dengan tiga kali pengambilan.
Gambar 4.84 Diagram Pohon Pengambilan Ke 3
3) Tabel Distribusi Binomial
Berikut ini merupakan tabel distribusi binomial dengan tiga kali
pengambilan.
Tabel 4.160 Tabel Binomial Pengambilan Ke 3
No. Kejadian Probabilitas Variabel Acak P(X=x)
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
4) Perhitungan Pembuktian
Berikut ini merupakan perhitungan dan pembuktian dari tabel
distribusi binomial dengan perhitungan munculnya angka kartu bernilai 3.
Tabel 4.161 Perhitungan Pembuktian Pengambilan Ke 3
No Perhitungan Pembuktian Keterangan
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!
= 1 x 0,729
= 0,729
5) Tabel Rekapitulasi Perhitungan
Berikut ini tabel rekapitulasi perhitungan pengambilan ke 3.
Tabel 4.162 Rekapitulasi Perhitungan Pengambilan Ke 3
No Variabel Acak Perhitungan Pembuktian
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.
1) Perhitungan Angka Ke – 4
Berikut dibawah ini adalah perhitungannya.
2) Diagram Pohon
Berikut ini merupakan diagram pohon dengan empat kali pengambilan.
4) Perhitungan Pembuktian
Berikut ini perhitungan dan pembuktian dari tabel distribusi binomial.
Tabel 4.164 Perhitungan Pembuktian Pengambilan Ke 4
No Perhitungan Pembuktian Keterangan
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
Tabel Lanjutan 4.164 Perhitungan Pembuktian Pengambilan Ke 4
No Perhitungan Pembuktian Keterangan
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
5) Tabel Rekapitulasi Perhitungan
Berikut ini merupakan tabel rekapitulasi perhitungan
pengambilan ke 4.
Tabel 4.165 Rekapitulasi Perhitungan Pengambilan Ke 4
No Variabel Acak Perhitungan Pembuktian
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
Berikut ini merupakan pengolahan data nilai data kartu 3 pada
pengambilan ke - 5.
1) Perhitungan Angka Ke – 5
Berikut dibawah ini adalah perhitungannya.
2) Diagram Pohon
Berikut ini merupakan diagram pohon angka kartu bernilai 3
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
= 0,00001 x 1= 0,00001
= 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
f. Pengambilan Ke – 6
Berikut ini merupakan pengolahan data nilai data kartu 3 pada
pengambilan ke – 6.
1) Perhitungan Angka Ke – 6
Berikut dibawah ini adalah perhitungannya.
2) Diagram Pohon
Berikut ini merupakan diagram pohon angka kartu bernilai 3
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
4) Perhitungan Pembuktian
Berikut adalah perhitungan dan pembuktian dari munculnya kartu bernilai 3.
Tabel 4.170 Perhitungan Pembuktian Pengambilan Ke 6
No Perhitungan Pembuktian Keterangan
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=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
Rekapitulasi 1 1
g. Pengambilan Ke – 7
Berikut ini merupakan pengolahan data nilai data kartu 3 pada
pengambilan ke – 7.
1) Perhitungan Angka Ke – 7
Berikut dibawah ini adalah perhitungannya.
2) Diagram Pohon
Berikut ini merupakan diagram pohon angka kartu bernilai 3
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
4) Perhitungan Pembuktian
Berikut adalah perhitungan dan pembuktian dari munculnya kartu bernilai 3.
Tabel 4.173 Perhitungan Pembuktian Pengambilan Ke 7
No Perhitungan Pembuktian Keterangan
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
Rekapitulasi 1 1
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
Berikut adalah perhitungannya:
c) Pengolahan dengan x = 2
Berikut adalah perhitungannya:
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
b. Probabilitas Ekspektasi
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).
a) Pengolahan dengan x = 0
Berikut adalah perhitungannya:
b) Pengolahan dengan x = 1
Berikut adalah perhitungannya:
= 0.46
c) Pengolahan dengan x = 2
Berikut adalah perhitungannya:
d) Pengolahan dengan x = 3
Berikut adalah perhitungannya:
Berikut merupakan tabel distribusi untuk lasy dengan sampel 3 buah
yang terdiri dari rekapitulasi ekpektasi dan observasi.
Tabel 4.177 Rekapitulasi Perhitungan Pengambilan 3 Buah Lasy
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
Berikut merupakan tabel perhitungan keseluruhan distribusi untuk
lasy dengan sampel 3 buah yang terdiri dari rekapitulasi ekpektasi dan
observasi.
Tabel 4.178 Rekapitulasi Keseluruhan Perhitungan Pengambilan 3 Buah Lasy
Peluang
Banyak Cacat Observasi Ekspektasi
Perhitungan Presentase Perhitungan Presentase
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%
Rekapitulasi 1 100% 1 100%
b. Probabilitas Ekspektasi
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).
a) Pengolahan dengan x = 0
Berikut adalah perhitungannya:
b) Pengolahan dengan x = 1
Berikut adalah perhitungannya:
c) Pengolahan dengan x = 2
Berikut adalah perhitungannya:
d) Pengolahan dengan x = 3
Berikut adalah perhitungannya:
e) Pengolahan dengan x = 4
Berikut adalah perhitungannya:
Berikut merupakan tabel distribusi untuk lasy dengan sampel 4 buah
yang terdiri dari rekapitulasi ekpektasi dan observasi.
Tabel 4.179 Rekapitulasi Perhitungan Pengambilan 4 Buah Lasy
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
Berikut merupakan tabel perhitungan keseluruhan distribusi untuk
lasy dengan sampel 4 buah yang terdiri dari rekapitulasi ekpektasi dan
observasi.
Tabel 4.180 Rekapitulasi Keseluruhan Perhitungan Pengambilan 4 Buah Lasy
Peluang
Banyak Cacat Observasi Ekspektasi
Perhitungan Presentase Perhitungan Presentase
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%
Rekapitulasi 1 100% 1 100%
4) Pengolahan dengan x = 3
Berikut adalah perhitungannya:
889200
¿ ( 5461512 )
¿ 0.163
5) Pengolahan dengan x = 4
Berikut adalah perhitungannya:
6) Pengolahan dengan x = 5
Berikut adalah perhitungannya:
Berikut merupakan tabel distribusi untuk lasy dengan sampel 5 buah
yang terdiri dari rekapitulasi ekpektasi dan observasi.
Tabel 4.181 Rekapitulasi Perhitungan Pengambilan 5 Buah Lasy
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
3) Pengolahan dengan x = 2
Berikut adalah perhitungannya:
4) Pengolahan dengan x = 3
Berikut adalah perhitungannya:
5) Pengolahan dengan x = 4
Berikut adalah perhitungannya:
6) Pengolahan dengan x = 5
Berikut adalah perhitungannya:
7) Pengolahan dengan x = 6
Berikut adalah perhitungannya:
Berikut merupakan tabel distribusi untuk lasy dengan sampel 6 buah
yang terdiri dari rekapitulasi ekpektasi dan observasi.
Tabel 4.182 Rekapitulasi Perhitungan Pengambilan 6 Buah Lasy
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
b. Menentukan Nilai a
Berikut rumus untuk menentukan nilai a.
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.
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.
𝑌̂ = 𝑎 + 𝑏𝑋
= 22,73 + 0,1103(𝑋)
Tabel 4.184 Persamaan Regresi
X Perhitungan X Perhitungan
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
X Perhitungan X Perhitungan
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
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.
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.
5,93
¿ =0,00038
15389,52
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
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
3. Distribusi Normal
Berikut ini merupakan langkah-langkah mengolah data Tests of Normality.
a. Input Data
Berikut adalah input data distribusi normal.
1) Buka aplikasi SPSS
2) Klik variable view, masukan “DATA_USIA” pada tabel name,
kemudian enter.
Gambar 4.108 Data Usia
3) Kemudian klik data view, masukan data usia pada tabel.
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 4.117 Frequencies Data Berat Badan 200
2) Masukan Data Berat Badan 200 ke Variable (s). Kemudian klik
Charts
Gambar 4.119 Tampilan Chart Data Berat Badan 200 (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 4.120 Tampilan Chart Data Berat Badan 200 (Pie Charts)
c. Ouput Data
Berikut hasil pengolahan data dari distribusi freskuensi berupa
diagram histogram dan diagram lingkaran.
1) Diagram Histogram
2. Tendensi Sentral
Berikut ini merupakan langkah-langkah pengolahan tendensi sentral
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_BERATBADAN200” pada
tabel name, kemudian enter
3. Distribusi Normal
Berikut ini merupakan langkah-langkah mengolah data Tests of Normality.
a. Input Data
Berikut adalah input data distribusi normal.
1) Buka aplikasi SPSS
2) Klik variable view, masukan “DATA_BERATBADAN200” pada
tabel name, kemudian enter.
Gambar 4.128 Data Berat Badan 200
3) Kemudian klik data view, masukan data berat badan pada tabel.
Gambar 4.138 Tampilan Chart Data Berat Badan 150 (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 4.139 Tampilan Chart Data Berat Badan 150 (Pie Charts)
c. Ouput Data
Berikut hasil pengolahan data dari distribusi freskuensi berupa
diagram histogram dan diagram lingkaran.
1) Diagram Histogram
3. Distribusi Normal
Berikut ini merupakan langkah-langkah mengolah data Tests of Normality.
a. Input Data
Berikut adalah input data distribusi normal.
1) Buka aplikasi SPSS
2) Klik variable view, masukan “DATA_BERATBADAN150” pada
tabel name, kemudian enter.
Gambar 4.147 Data Berat Badan 150
3) Kemudian klik data view, masukan data berat badan 150 pada tabel.
3. Distribusi Normal
Berikut ini merupakan langkah-langkah mengolah data Tests of Normality.
a. Input Data
Berikut adalah input data distribusi normal.
1) Buka aplikasi SPSS
2) Klik variable view, masukan “DATA_BERATBADAN75” pada
tabel name, kemudian enter.
Gambar 4.166 Data Berat Badan 75
3) Kemudian klik data view, masukan data berat badan 75 pada tabel.
3. Distribusi Normal
Berikut ini merupakan langkah-langkah mengolah data Tests of Normality.
a. Input Data
Berikut adalah input data distribusi normal.
1) Buka aplikasi SPSS
2) Klik variable view, masukan “DATA_UKURANBAJU” pada tabel
name, kemudian enter.
Gambar 4.185 Data Ukuran Baju
3) Kemudian klik data view, masukan data ukuran baju pada tabel.
3) Kemudian klik data view, masukan data uang jajan pada tabel
Gambar 4.192 Tampilan Data View Data Uang Jajan
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
3. Distribusi Normal
Berikut ini merupakan langkah-langkah mengolah data Tests of Normality.
a. Input Data
Berikut adalah input data distribusi normal.
1) Buka aplikasi SPSS
2) Klik variable view, masukan “DATA_ UANG JAJAN” pada tabel
name, kemudian enter.
Gambar 4.204 Data Uang Jajan
3) Kemudian klik data view, masukan data uang jajan pada tabel.
3. Distribusi Normal
Berikut ini merupakan langkah-langkah mengolah data Tests of Normality.
a. Input Data
Berikut adalah input data distribusi normal.
1) Buka aplikasi SPSS
2) Klik variable view, masukan “DATA_ UKURANSEPATU” pada
tabel name, kemudian enter.
Gambar 4.223 Data Ukuran Sepatu
3) Kemudian klik data view, masukan data ukuran sepatu pada tabel.
3. Distribusi Normal
Berikut ini merupakan langkah-langkah mengolah data Tests of Normality.
a. Input Data
Berikut adalah input data distribusi normal.
1) Buka aplikasi SPSS
2) Klik variable view, masukan “DATA_ TINGGIBADAN” pada
tabel name, kemudian enter.
Gambar 4.242 Data Tinggi Badan
3) Kemudian klik data view, masukan data tinggi badan pada tabel.
N = 200
= 25 – 15
= 10
= 10/9 = 1,11= 2
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
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≤
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
sering digunakan dalam hal pengendalian Mutu. Pada dasarnya, Diagram
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
N = 200
= 78 – 30
= 48
= 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.
1. Diagram Histogram
Diagram batang adalah diagram yang menunjukkan bilangan atau
kuantitas yang dinyatakan dalam bentuk persegi atau persegi panjang yang
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
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
OGIVE
250
200
150
100
50
0
1 11 20 58 47 37 22 3 1
FK≥ FK≤
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%
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
N = 200
= 45 – 27
= 18
= 18/9 = 2,25= 3
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
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
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≤
1%
1%
19%
1.8
0
38% 0
68.4
151.2
136.8
1.8
0
42%
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
N = 200
= 185 – 145
= 40
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
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 tinggi
badan.
POLIGON
50
45
40
35
30
25
20
15
10
5
0
147 152 157 162 167 172 177 182 187
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≤
1%
5%2%2%
17%
18%
16%
19%
23%
F %K
N = 200
= 120 – 90
= 30
= 30/8 = 3,75= 4
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
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
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
Dari diagram ogive diatas dapat disimpulkan bahwa data tinggi badan
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).
DERAJAT
19.8
6% 0
21% 131.4
0
0
37% 135
0
73.8
38%
70
100
60
80
50
40 60
30
40
20
20
10
0 0
1 2 3 4 5 6 7 8
F %K
N = 200
= 100000 – 5000
= 95000
= 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
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
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≤
120.6
108
9% 2% 32.4
7.2
15% 34%
54
30.6
2% 0
0
9%
7.2
30%
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
5,55589 122,6
4,787412 122,6
Gambar 4.326 Data Usia Sginifikan 3%
Berdasarkan kurva diatas disimpulkan bahwa pada taraf 3% terjadi
tolak Ho, , karena X 2h > X 2α . Sehingga data tersebut dikategorikan tidak
berdistribusi normal.
4. Data Usia Taraf Signifikan 4%
4,314436 122,6
3,84146 122,6
6,63489 8,01
Gambar 4.329 Data Ukuran Baju 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
2. Data Ukuran Baju Taraf Signifikan 2%
5,5555267 8,01
4,787412 8,01
4,314436 8,01
3,84146 8,01
6,63489 31,24
5,5555267 31,24
4,787412 31,24
4,314436 31,24
3,84146 31,24
6,63489 82,31
5,5555267 82,31
4,787412 82,31
4,314436 82,31
3,84146 82,31
6,63489 29,44
5,5555267 29,44
4,787412 29,44
4,314436 29,44
3,84146 29,44
6,63489 75,86
5,5555267 75,86
4,787412 75,86
4,314436 75,86
3,84146 75,86
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
Penentuan Daerah Keputusan :
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
Kesimpulan : Berdasarkan hasil kurva diatas maka terjadi tolak H0 yang
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
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
Persentil 15 18,08 18
Persentil 25 18,40 18
Persentil 35 18,72 19
Persentil 90 19,20 19
Persentil 95 20,00 20
HISTOGRAM
LINGKARAN
2. Distribusi Normal
Berikut adalah hasil pengujian dengan manual dan menggunakan SPSS.
Tabel 4.224 Perbandingan Distribusi Normal
Manual IBM SPSS
3. Tendensi Sentral
Berikut adalah hasil pengujian dengan manual dan menggunakan SPSS:
Tabel 4.225 Pembuktian SPSS data berat badan 200
Tendensi Sentral SPSS Manual
Mean 53,18 53
Median 52,00 52
Mode 50 50
Std. Deviation 8,794 8,80
Variance 77,334 77,33
Range 42 42
Persentil 10 43,10 43
Persentil 15 45,00 45
Persentil 25 47,00 47
Persentil 35 50,00 50
Persentil 90 65,00 65
Persentil 95 71,90 72
Berdasarkan perhitungan manual dan perhitungan SPSS data yang
diperoleh hasilnya sama maka perhitungan praktikan telah benar.
3. Data berat badan 150
Berikut ini merupakan pembahasan data yang telah di olah pada aplikasi SPSS:
1. Distribusi Frekuensi
Berikut adalah hasil pengujian dengan menggunakan SPSS.
Tabel 4.226 Diagram Distribusi Frekuensi
NAMA DIAGRAM
HISTOGRAM
LINGKARAN
2. Distribusi Normal
Berikut adalah hasil pengujian dengan manual dan menggunakan SPSS.
Tabel 4.227 Perbandingan Distribusi Normal
Manual IBM SPSS
3.
4. Tendensi Sentral
Berikut adalah hasil pengujian dengan manual dan menggunakan SPSS:
Tabel 4.228 Pembuktian SPSS Data berat badan 150
Tendensi Sentral SPSS Manual
Mean 52,98 53
Median 52,00 52
Variance 74,369 74,62
Std. Deviation 8,624 8,62
Range 42 42
Persentil 10 43,00 43
Persentil 15 45,00 45
Persentil 25 46,75 47
Persentil 35 50,00 50
Persentil 90 65,00 65
Persentil 95 69,45 69
HISTOGRAM
LINGKARAN
2. Distribusi Normal
Berikut adalah hasil pengujian dengan manual dan menggunakan SPSS.
Tabel 4.230 Perbandingan Distribusi Normal
Manual IBM SPSS
3. Tendensi Sentral
Berikut adalah hasil pengujian dengan manual dan menggunakan SPSS:
Tabel 4.231 Pembuktian SPSS Data berat badan 75
Tendensi Sentral SPSS Manual
Mean 54,85 55
Median 55,00 55
Variance 89,965 89,97
Std. Deviation 9,485 9,49
Range 42 42
Persentil 10 43,00 43
Persentil 15 45,00 45
Persentil 25 50,00 50
Persentil 35 50,60 51
Persentil 90 67,80 68
Persentil 95 75,60 76
HISTOGRAM
LINGKARAN
2. Distribusi Normal
Berikut adalah hasil pengujian dengan manual dan menggunakan SPSS.
Tabel 4.233 Perbandingan Distribusi Normal
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
Tendensi Sentral SPSS Manual
Mean 54,85 55
Median 55,00 55
Variance 89,965 89,97
Std. Deviation 9,485 9,49
Range 42 42
Persentil 10 43,00 43
Persentil 15 45,00 45
Persentil 25 50,00 50
Persentil 35 50,60 51
Persentil 90 67,80 68
Persentil 95 75,60 76
HISTOGRAM
LINGKARAN
2. Distribusi Normal
Berikut adalah hasil pengujian dengan manual dan menggunakan SPSS.
Tabel 4.236 Perbandingan Distribusi Normal
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
Tendensi Sentral SPSS Manual
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
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.