MODUL 3

STATISTIKA INDUSTRI

HASMIRA
D071181312
KELOMPOK VI

LABORATORIUM SISTEM MANUFAKTUR

TERINTEGRASI

DEPARTEMEN TEKNIK INDUSTRI

FAKULTAS TEKNIK UNIVERSITAS HASANUDDIN
2021
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

BAB 1
PENDAHULUAN

1.1 Latar Belakang

Statistika sebagai bagian dari ilmu pengetahuan analisis data berkembang
sangat cepat dan telah masuk di berbagai penerapan bidang ilmu pengetahuan
dan teknologi. Pengembangan satatistika didukung oleh pengembangan
teknologi informasi dengan perangkat lunak statistika berupa berbagai paket
statistika dalam personal komputer. Kebutuhan informasi data semakin
meningkat untuk keperluan analisis dan dalam pembuatan keputusan, baik di
dunia penelitian maupun pengembangan bisnis.
Statistika adalah upaya pengumpulan data atau informasi. Data sendiri
dapat didefinisikan sebagai kelompok informasi yang mewakili atribut
kualitatif atau kuantitatif suatu variabel atau serangkaian variabel. Statistik
adalah disiplin ilmu yang berkaitan dengan pengumpulan, organisasi, analisis,
interpretasi, dan penyajian data yang sering digunakan pada masalah ilmiah,
industri, atau sosial. Statistik berkaitan dengan setiap aspek data, termasuk
perencanaan pengumpulan data dalam hal desain survei dan eksperimen.
Ketika data sensus tidak dapat dikumpulkan, ahli statistik mengumpulkan
data dengan mengembangkan desain eksperimen tertentu dan sampel survei.
Dengan menggunakan statistika, rencana dan ramalan dapat dibuat sebaik
mungkin dan perubahan yang terjadi dapat diatasi sedini mungkin. Selain itu
juga dapat digunakan untuk mengetahui besarnya produksi yang dihasilkan
perusahaan, jumlah penjualan, presentase barang best seller dan yang tidak
laku, serta tingkat kepuasan konsumen terhadap produk yang dihasilkan.
Data-data statistik tersebut sangat penting dalam bisnis karena dibutuhkan
oleh pemilik usaha untuk mengambil keputusan.
Dengan adanya statistik telah banyak membantu banyak orang dan
kemudahan dalam menentukan pengambilan keputusan. Data dan informasi
yang didapat terkadang bisa dijadikan sumber penghasilan karena setiap
orang, perusahaan, pemerintah dan organisasi selalu membutuhkan pasokan
data terbaru dan terakurat untuk menerapkan strategi- strategi mereka.
STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

1.2 Rumusan Masalah

a. Bagaimana konsep statistik pengukuran data antropometri?
b. Bagaimana konsep dan cara pengujian uji normalitas, uji keseragaman
data, dan uji kecukupan?
c. Bagaimana konsep dan cara menentukan ukuran dimensi benda yang
ergonomis?
d. Bagaimana pengaruh penguasaan konsep statistik industri dalam
melakukan riset ilmiah khususnya dalam aplikasi untuk dunia industri?
1.3 Tujuan Praktikum

a. Dapat memahami dan menguasai konsep statistik pengukuran data

antropometri.
b. Dapat mengetahui konsep dan cara pengujian uji normalitas, uji
keseragaman data, dan uji kecukupan.
c. Dapat mengetahui konsep dan cara menentukan ukuran dimensi benda
yang ergonomis.
d. Penguasaan terhadap konsep statistik pengukuran data yang dapat
mempermudah dalam melakukan riset ilmiah khususnya dalam aplikasi
untuk dunia industri.

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

BAB 2
TINJAUAN PUSTAKA

2.1 Antropometri

Istilah antropometri berasal dari “anthro” yang berarti manusia dan

“metri” yang berarti ukuran. Antropometri adalah pengetahuan yang
menyangkut pengukuran tubuh manusia khususnya dimensi tubuh.
Antropometri secara luas akan digunakan sebagai pertimbangan-
pertimbangan ergonomis dalam proses perancangan (design) produk
maupun sistem kerja yang akan memerlukan interaksi manusia. Manusia
pada umumnya berbeda-beda dalam hal bentuk dan dimensi ukuran
tubuhnya. Beberapa faktor yang mempengaruhi ukuran tubuh manusia,
yaitu umur, jenis kelamin (sex), suku bangsa (etnik), sosio ekonomi, dan
posisi tubuh (posture) (Santoso, 2014).
Antropometri pada dasarnya akan menyangkut ukuran fisik atau fungsi
dari tubuh manusia, termasuk di sini ukuran linier, berat, volume, ruang
gerak, dan lain-lain. Data antropometri akan sangat bermanfaat dalam
perencanaan peralatan kerja atau fasilitas-fasilitas kerja. Persyaratan
ergonomis mensyaratkan agar peralatan dan fasilitas kerja harus sesuai
dengan orang yang menggunakannya, khususnya yang menyangkut
dimensi ukuran tubuh. Dalam kaitan ini, maka perancangan produk harus
mampu mengakomodasikan dimensi tubuh dari populasi terbesar yang
akan menggunakan produk hasil rancangannya tersebut (Sokhibi, 2017).
2.2 Pembagian Antropometri
Berdasarkan posisi tubuh antropometri dapat dibagi menjadi dua
bagian, yaitu (Amir, 2014):
a. Antropometri Statis (Structural Body Dimension)
Di sini tubuh diukur dalam berbagai posisi standar dan tidak bergerak
(tetap tegak sempurna). Istilah lain dari pengukuran tubuh dengan cara
ini dikenal dengan “static anthropometry”. Dimensi tubuh yang diukur
meliputi berat badan, tinggi tubuh dalam posisi berdiri maupun duduk,

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

ukuran kepala, tinggi atau panjang lutut pada saat berdiri atau duduk,
panjang lengan, dan sebagainya.
Berikut merupakan contoh antropometri statis (structural body
dimension) menurut Purbasari (2016).
1) Dimensi lebar sisi bahu

Gambar 2.1 Lebar Bahu Bagian Bawah (Kiri) dan

Lebar Bahu Bagian Atas (Kanan)
2) Dimensi telapak tangan

Gambar 2.2 Panjang Tangan (Kiri) dan Lebar Tangan (Kanan)

3) Dimensi kepala

Gambar 2.3 Panjang Kepala (Kiri) dan Lebar Kepala (Kanan)

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

4) Dimensi kaki

Gambar 2.4 Panjang Kaki (Kiri) dan Lebar Kaki (Kanan)

b Antropometri Dinamis (Functional Body Dimension)
Pengukuran dilakukan terhadap posisi tubuh pada saat berfungsi
melakukan gerakan-gerakan tertentu yang berkaitan dengan kegiatan
yang harus diselesaikan. Hal pokok yang ditekankan dalam pengukuran
dimensi fungsional tubuh ini adalah medapatkan ukuran tubuh yang
nantinya akan berkaitan erat dengan gerakan-gerakan nyata yang
diperlukan tubuh untuk melaksanakan kegiatan-kegiatan tertentu (Amir,
2014).
Contoh antropometri dinamis (functional body dimension) di antaranya
sudut putar pergelangan tangan, sudut putar pergelangan kaki, sudut
putar kepala, dan lain-lain (Sokhibi, 2017).

Gambar 2.2 Contoh Antropometri Dinamis

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

2.3 Faktor Yang Memperngaruhi Antropometri

Manusia pada umumnya berbeda-beda dalam hal bentuk dan dimensi
ukuran tubuhnya. Adapun beberapa faktor yang memengaruhi perbedaan
antara satu populasi dengan populasi yang lain menurut Nurmianto (dalam
Rahman, 2016), yaitu:

a. Keacakan/Random
Dalam satu kelompok populasi masih akan terdapat perbedaan yang
signifikan dalam masyarakat. Distribusi frekuensi secara statistik dari
dimensi kelompok anggota masyarakat jelas dapat dinyatakan dengan
menggunakan distribusi normal, yaitu dengan menggunakan data
persentil yang telah diduga, jika mean (rata-rata) dan standar deviasinya
telah dapat diestimasi.

b. Jenis Kelamin
Secara distribusi statistik ada perbedaan yang signifikan antara dimensi
tubuh pria dan wanita. Dimensi pria dan wanita ada perbedaan yang
signifikan di antara mean (rata-rata) dan nilai perbedaan ini tidak dapat
diabaikan. Pria dianggap lebih panjang dimensi segmen badannya
daripada wanita. Oleh karena itu, data antropometri untuk kedua jenis
kelamin tersebut disajikan secara terpisah.

c. Suku Bangsa (Ethnic Variability)

Variasi di antara beberapa kelompok suku bangsa telah menjadi hal
yang tidak kalah pentingnya terutama karena meningkatnya jumlah
angka migrasi dari satu negara ke negara lain. Suatu contoh sederhana,
yaitu dengan meningkatnya jumlah penduduk yang migrasi dari Negara
Vietnam ke Australia, untuk mengisi jumlah satuan angkatan kerja
(industrial workforce), maka akan memengaruhi antropometri secara
nasional.

d. Usia
Usia digolongkan atas beberapa kelompok, yaitu balita, anak-anak,
remaja, dewasa, dan lanjut usia. Hal ini jelas berpengaruh terutama jika

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

desain diaplikasikan untuk antropometri anak-anak. Antropometrinya

akan cenderung terus meningkat sampai batas usia dewasa. Namun
setelah menginjak dewasa, tinggi badan manusia mempunyai
kecenderungan untuk menurun yang disebabkan oleh berkurangnya
elastisitas tulang belakang (intervertebal discs). Selain itu terjadi juga
pengurangan dinamika gerakan pada tangan dan kaki.

e. Jenis Pekerjaan
Beberapa jenis pekerjaan tertentu menuntut adanya persyaratan dalam
seleksi karyawan/stafnya. Seperti misalnya, buruh dermaga/pelabuhan
harus mempunyai posisi tubuh yang relatif lebih besar dibandingkan
dengan karyawan perkantoran pada umumnya, apalagi jika
dibandingkan dengan jenis pekerjaan militer.

f. Pakaian
Hal ini juga merupakan sumber variabilitas yang disebabkan oleh
bervariasinya iklim/musim yang berbeda dari suatu tempat dengan
tempat yang lainnya terutama untuk daerah dengan empat musim.
Misalnya, pada waktu musim dingin manusia akan memakai pakaian
yang relatif lebih tebal dan ukuran yang relatif lebih besar. Demikian
pula untuk para pekerja di pertambangan, pengeboran lepas pantai,
pengecoran logam, bahkan para penerbang dan astronot pun harus
mempunyai pakaian khusus.

g. Faktor Kehamilan pada Wanita

Faktor ini sudah jelas akan mempunyai pengaruh perbedaan yang
berarti kalau dibandingkan dengan wanita yang tidak hamil, terutama
yang berkaitan dengan Analisis Perancangan Produk (APP) dan
Analisis Perancangan Kerja (APK).

h. Cacat Tubuh Secara Fisik

Suatu perkembangan yang menggembirakan pada dekade terakhir, yaitu
dengan diberikannya skala prioritas pada perancangan bangunan
fasilitas akomodasi untuk para penderita cacat tubuh secara fisik

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

sehingga mereka dapat ikut serta merasakan “kesamaan” dalam

penggunaan jasa dari hasil ilmu ergonomi di dalam pelayanan untuk
masyarakat. Masalah yang sering timbul, misalnya keterbatasan jarak
jangkauan, dibutuhkan ruang kaki (knee space) untuk desain meja kerja,
lorong/jalur khusus untuk kursi roda, ruang khusus di dalam lavatory,
jalur khusus untuk keluar masuk perkantoran, kampus, hotel, restoran,
supermarket dan lain-lain.
2.4 Statistik dan Statistika
Secara etimologi, kata statistik berasal dari bahasa latin: “status”,
yang artinya negara, atau kata “staat” dalam bahasa Belanda. Pada
mulanya, kata statistik diartikan sebagai bahan keterangan atau data,
baik data kuantitatif ataupun data kualitatif yang dibutuhkan oleh suatu
negara. Dalam kamus Bahasa Indonesia, statistika diartikan dalam dua
pemaknaan. Pertama statistika sebagai “ilmu statistik” dan kedua
statistika diartikan sebagai “ukuran yang diperoleh atau berasal dari
sampel” (Ananda, 2018).
Menurut Jaya (2010) definisi antara statistik dan statistika adalah
sebagai berikut:
a. Pengertian Statistik
Statistik adalah rekpitulasi dari fakta yang berbentuk angka-angka
disusun dalam bentuk tabel dan diagram yang mendeskripsikan
suatu permasalahan
b. Pengerian Statistika
Statistika adalah pengetahuan yang berhubungan dengan cara-cara
pengumpulan data, pengolahan data atau analisanya dan penarikan
kesimpulan berdasarkan kumpulan data dan penganalisaan yang
dilakukan.
2.5 Jenis Statistik
Jika dilihat dari informasi yang dihasilkan melalui data yang dianalisa,
maka statistika menurut Jaya (2010) dapat dibedakan menjadi dua, yaitu:
a. Statistika Deskriptif

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

Statistika deskriptif, yaitu statistika yang digunakan untuk

menggambarkan dan menganalisa suatu hasil penelitian atau
pengamatan tetapi tidak sampai pada suatu penarikan kesimpulan.
Statistik deskriptif hanya melakukan pemaparan data apa adanya saja
menunjukkan distribusi dari data tetapi tidak melakukan penilaian
terhadap data itu.
b. Statistika Inferensial
Statistika inferensial, yaitu statistika yang digunakan untuk
menganalisis data dari suatu sampel, dan hasilnya akan
digeneralisasikan untuk populasi dimana sampel tersebut diambil.
Terdapat dua macam statistika inferensial yaitu statistik parametric dan
non-parametric.
2.6 Teknik Pengumpulan Data
Teknik-teknik pengumpulan data dapat dilakukan menggunakan
metode sebagai berikut (Purnomo, 2011):
a. Metode Observasi
Metode ini sangat sesuai untuk merekam aktivitas yang bersifat proses.
Observasi berfokus dilaksanakan dalam merekam segala sesuatu yang
maksud dan tujuannya sudah ditentukan atau direncanakan sebelumnya,
termasuk alat bantu yang akan digunakan. Observasi ini digunakan
untuk mengamati atau merekam. Misalnya kegiatan siswa selama
melakukan praktikum di laboratorium, interaksi siswa selama kegiatan
pembelajaran, atau saat mereka sedang melakukan diskusi. Dalam
istilah assessment yang bersifat langsung (direct assessment)
b. Self Report
Self report dapat berbentuk angket atau kuesioner yang diberikan pada
seseorang untuk mengungkap tentang wawasan, pandangan, atau aspek
kepribadian, yang jawabannya dapat diberikan secara tertulis
c. Metode Wawancara
Kegiatan wawancara dilakukan untuk mendapatkan informasi yang
mendalam tentang persepsi, pandangan, wawasan, atau aspek

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

kepribadian yang diberikan secara lisan dan spontan. Kegiatan

wawancara agar lebih terarah, biasanya dilengkapi dengan pembuatan
pedoman wawancara.

d. Metode Tes
Metode tes bisa bersifat formal dan non-formal. Dikatakan sebagai
metode formal apabila dalam suatu kali tatap muka di kelas seluruhnya
digunakan untuk kegiatan penyelenggaraan tes. Tes non-formal adalah
tes yang dilaksanakan secara terintegrasi dengan pelaksanaan proses
pembelajaran di kelas.
e. Dokumen
Selain wawancara dan observasi, informasi juga bisa diperoleh lewat
fakta yang tersimpan dalam bentuk surat, catatan harian, arsip foto,
cenderamata, jurnal kegiatan dan sebagainya. Data berupa dokumen
seperti biasa dipakai untuk menggali informasi yang terjadi di masa
silam
f. Focus group discussion
Diskusi terpusat focus group discussion adalah upaya menemukan
makna sebuah isu sekelompok orang lewat diskusi untuk mengindar
dari pemaknaan yang salah oleh seorang peneliti
g. Kuesioner
Kuesioner merupakan daftar pertanyaan yang akan digunakan oleh
periset untuk memperoleh data dari sumbernya secara langsung melalui
proses komunikasi atau dengan mengajukan pertanyaan
2.7 Jenis-Jenis Data
Menurut Budi (2017) berikut adalah beberapa kelompok dalam
pembagian jenis data yaitu sebagai berikut:
a. Cara Memperolehnya
1. Data Primer

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

Data primer adalah data yang secara langsung diambil dari

objek/objek penelitian oleh peneliti perorangan maupun organisasi.
Contohnya adalah mewawancarai langsung penonton bioskop 21
untuk meneliti preferensi konsumen bioskop.
2. Data Sekunder
Data sekunder adalah data yang didapat tidak secara langsung dari
objek penelitian. Peneliti mendapatkan data yang sudah jadi
dikumpulkan oleh pihak lain dengan berbagai cara atau metode baik
secara komersial maupun non-komersial. Contohnya adalah pada
peneliti yang menggunakan data statistik hasil riset dari surat kabar
atau majalah.
b. Menurut Sumber Datanya
1. Data Internal
Data internal adalah data yang menggambarkan situasi dan kondisi
pada suatu organisasi secara internal. Contohnya adalah data
keuangan, data pegawai, data produksi, dan sebagainya.
2. Data Eksternal
Data eksternal adalah data yang menggambarkan situasi serta
kondisi yang ada di luar organisasi. Contohnya adalah data jumlah
penggunaan suatu produk pada konsumen, tingkat preferensi
pelanggan, persebaran penduduk, dan lain sebagainya.
c. Menurut Jenis Datanya
1. Data Kuantitatif
Data kuantitatif adalah data yang dipaparkan dalam bentuk angka-
angka. Contohnya adalah jumlah pembeli saat Hari Raya Idul Adha,
tinggi badan siswa kelas 3 IPS 2, dan lain-lain
2. Data Kualitatif
Data kualitatif adalah data yang disajikan dalam bentuk kata-kata
yang mengandung makna. Contohnya seperti persepsi konsumen
terhadap botol air minum dalam kemasan, anggapan para ahli
terhadap psikopat dan lain-lain.

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

d. Menurut Sifat Datanya

1. Data Diskrit
Data diskrit adalah data yang nilainya adalah bilangan asli.
Contohnya adalah berat badan ibu-ibu PKK sumber ayu, nilai
Rupiah dari waktu ke waktu, dan lain sebagainya.

2. Data Kontinu
Data kontinu adalah data yang nilainya ada pada suatu interval
tertentu atau berada pada nilai yang satu ke nilai yang lainnya.
Penggunaannnya seperti pada kata sekitar, kurang lebih, kira-kira,
dan sebagainya. Contohnya adalah Dinas Pertanian Daerah
mengimpor bahan baku pabrik pupuk kurang lebih 850 ton.
e. Menurut Waktu Pengumpulannya
1. Data Cross Section
Data cross section adalah data yang menunjukkan titik waktu
tertentu. Contohnya seperti: laporan keuangan per 31 Desember
2006, data pelanggan PT. Angin Ribut bulan Mei 2004, dan lain
sebagainya.
2. Data Time Series / Berkala
Data time series / berkala adalah data yang datanya menggambarkan
sesuatu dari waktu ke waktu atau periode secara historis. Contoh
data time series adalah data perkembangan nilai tukar Dollar
Amerika terhadap Euro Eropa dari tahun 2004 sampai 2006, jumlah
pengikut jamaah Nurdin M. Top dan Doktor Azhari dari bulan ke
bulan, dan lain – lain.
f. Menurut Skalanya
1. Data Nominal
Data nominal merupakan data yang digunakan untuk
mengklasifikasikan informasi/data. Contohnya seperti data jenis
kelamin yang terbagi menjadi laki-laki dan perempuan. Biasanya,

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

saat analisis data, tipe data seperti ini dilambangkan dengan

bilangan numerik (angka). Laki-laki dilambangkan dengan angka 1,
sedangkan perempuan dilambangkan dengan angka 0. Tidak berarti
angka 0 lebih rendah dari angka 1, cuma melambangkan saja.
2. Data Ordinal
Data ordinal merupakan data yang digunakan untuk
mengklasifikasikan serta memiliki tingkatan. Tipe data ordinal lebih
tinggi dari nominal karena kemampuannya untuk membentuk
tingkatan. Contoh: jabatan di dalam perusahaan = karyawan,
manajer, direktur utama. Misal, karyawan dilambangkan dengan 1,
manajer dengan 2, dan direktur utama dengan 3. Pada tipe data ini,
angka 1 dianggap lebih rendah dari angka 2, dst. Bisa saja karyawan
dilambangkan dengan angka 1, tetapi manajer angka 3 dan direktur
utama dengan angka 10. Tipe data ini tidak mensaratkan jarak yang
sama antar angka yang digunakan sebagai lambang. Hal yang perlu
diperhatikan hanyalah bahwa angka 3 lebih tinggi dari angka 1,
angka 10 lebih tinggi dari angka 3.
3. Data Interval
Ciri khas dari tipe data ini, selain memiliki kemampuan
mengklasifikasikan dan membentuk tingkatan, adalah tidak adanya
nilai nol mutlak. Artinya, angka nol yg digunakan bukan berarti
tidak ada. Contohnya adalah derajat suhu. Di dalam skala Celcius
misalnya, nol derajat Celcius bukan berarti tidak ada suhu. Nol
derajat itu memiliki suhu, hanya saja dilambangkan dengan nol.
Selain itu, jarak antar setiap angka yg digunakan adalah sama.
Misal: di dalam kuesioner, ada tingkatan dari TIDAK SETUJU
(lambang: 1) sampai dengan SANGAT SETUJU (lambang: 5).
Jarak antar SANGAT SETUJU (5) dengan SETUJU (4) adalah 1,
yaitu 5-4=1. Jarak antara SETUJU (4) dengan RAGU-RAGU (3)
juga = 1, yaitu 4-3=1, dan seterusnya.
4. Data Rasio

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

Data pada jenis ini memiliki kemampuan dari ketiga tipe data
sebelumnya, dan angka nol dianggap mutlak. Contohnya adalah
data berat badan (Kg). Angka nol Kg berarti memang tidak ada
berat. Tipe data nominal dan ordinal sering digunakan pada metode
statistika non-parametrik. Sedangkan tipe data interval dan rasio
cocok untuk digunakan pada metode statistika parametrik, asal
asumsi yang dibutuhkan oleh metode statistika parametrik yang
bersangkutan dapat dipenuhi.
2.8 Uji Normalitas
Menurut Ghozali (2012) uji normalitas digunakan untuk melihat apakah
nilai residual terdistribusi normal atau tidak. Model regresi yang baik
adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas
bukan dilakukan pada masing-masing variabel tetapi pada nilai
residualnya. Untuk mendeteksi apakah residual berdistribusi normal atau
tidak yaitu dengan melihat normal probability plot dan one sampel
kolmogrof smirnov test yang membandingkan distribusi kumulatif dari
distribusi normal. Normalitas pada probability plot dapat dideteksi dengan
melihat penyebaran dan (titik) pada sumbu diagonal dari grafik. Jika ada
(titik) menyebar disekitar garis diagonal maka menunjukkan pola distribusi
normal dan pada one sampel kolmogrof smirnov test nilai Asymp Sig 2
(tailed) nilai keakuratan 95% berarti nilai signifikan/Sig 0,05, nilai pada
uji ini harus diatas 0,05 yang mengindikasikan bahwa model regresi
memenuhi asumsi normal. Menurut Sugiyono (2015), “uji normalitas
digunakan untuk mengkaji kenormalan variabel yang diteliti apakah data
tersebut berdistribusi normal atau tidak”.
2.9 Uji Keseragaman Data
Uji keseragaman data adalah pengujian yang dilakukan terhadap data
pengukuran untuk mengetahui apakah data yang diukur telah seragam dan
berasal dari satu sistem yang sama.
a. Mean

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

Mean adalah nilai tengah pada suatu kelompok data yang diperoleh dari
penjumlahan keseluruhan data pada suatu kelompok dibagi dengan
banyaknya data. Terdapat dua nilai tengah yang biasanya kita ketahui
yaitu nilai tengah untuk populasi dan nilai tengah untuk sampel. Nilai
tengah biasanya juga disebut mean atau rata-rata.
X 1 + X 2+ X 3 …+ X n
Mx= ……………………………………..................
n
(2.1)
Keterangan:
M = Mean

X n=¿ nilai data

n = jumlah seluruh nilai data

b. Standar Deviasi
Simpangan baku merupakan ukuran penyimpangan data yang
paling banyak digunakan dalam deskripsi data hasil penelitian.
Simpangan baku adalah akar kuadrat dari varians dan karena varians
terbagi menjadi dua maka simpangan bakunya juga terbagi menjadi
dua yaitu simpangan baku untuk populasi dan simpangan baku untuk
sampel.

❑=
n √
(X X )2
2
………………………………………………….. (2.2)

Keterangan:
❑ = varians atau ragam untuk populasi
2

X = nilai masing-masing data

X =¿nilai rata-rata
n = banyaknya nilai data
c. Batas Kontrol Atas
Batas kontrol atas / Upper Control Limit (UCL) merupakan garis
batas atas (upper limit) untuk suatu penyimpangan dari karakteristik
sampel. Batas Kontrol Atas merupakan metode yang dapat digunakan

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

untuk menentukan nilai tertinggi kecelakaan dengan menggunakan

rata-rata angka kecelakaan total/Equivalent Average Number (EAN).
Nilai batas kontrol menjadi acuan nilai tertingi dari seluruh ruas jalan
yang ditinjau bukan untuk tiap segmen jalan.
d. Batas Kontrol Bawah
Batas kendali bawah / Lower Control Limit (LCL) merupakan garis
batas bawah (lower limit) untuk suatu penyimpangan dari
karakteristik sampel. Metode Statistik Kendali Mutu UCL (Upper
Control Limit) metode ini menganalisi daerah rawan kecelakaaan lalu
lintas beserta pemeringkatnya dilakukan dengan pendekatan statistik
kendali mutu untuk jalan antar kota. Penentuan lokasi rawan
kecelakaan menggunakan statistik kendali mutu sebagai control-chart
UCL.
(Alhaffis, 2019)
2.10 Uji Kecukupan Data
Uji kecukupan data adalah proses pengujian yang dilakukan terhadap data
pengukuran untuk mengetahui apakah data yang diambil untuk penelitian
sudah mencukupi untuk dilakukan perhitungan waktu baku. Pengujian
kecukupan data dipengaruhi oleh faktor-faktor sebagai berikut (Sugiyono,
2015):
a. Tingkat ketelitian
Tingkat ketelitian menunjukkan penyimpangan maksimum dari hasil
perhitungan terhadap nilai waktu yang sebenarnya.
b. Tingkat kepercayaan
Tingkat kepercayaan menunjukkan besarnya probabilitas bahwa data
yang sudah diambil berada dalam tingkat ketelitian yang sebelumnya
telah ditentukan.
Rumus untuk menguji kecukupan data adalah sebagai berikut:

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

[ √ (∑ ) (∑ )
]
n n 2
k 2
N xi − xi
s i=1 i=1
N’ = …………………………………………
n

∑ xi
i=1

(2.3)
Keterangan:
N : Jumlah pengkuran yang diperlukan
N : Jumlah pengukuran yang telah dilakukan
K : Tingkat keyakinan
S : Tingkat ketelitian
X i : Data ke-i
2.11 Perhitungan Persentil
Persentil adalah suatu ukuran yang membagi data menjadi 100 bagian
yang sama. Banyaknya persentil ada 99, yang masing-masing disebut
persentil pertama, kedua, sampai persentil ke-99. Untuk penetapan data
antropometri digunakan distribusi normal, dimana distribusi ini dapat
diformulasikan berdasarkan harga rata-rata (mean) dan simpangan
bakunya (standar deviasi) dari data yang diperoleh.
Dari nilai yang ada tersebut, dapat ditentukan nilai persentil sesuai
dengan table probabilitas distribusi normal yang ada, sehingga persentil
dapat dengan mudah dihitung bila datanya berdistribusi normal, yaitu
dengan menggunakan table Z, dari distribusi normal standar, dengan
rumus:
M = X + ZS ………………………………………………………….(2.4)
Keterangan:
M = nilai persentil

X = nilai rata-rata

Z = factor perkalian sesuai dengan nilai persentil yang diinginkan

S= Simpangan Baku

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

Tabel 2.1 Persentil 1-99

Persentil Z Persentil Z
1 -2.325 75 0.670
2.5 -1.960 90 1.280
5 -1.645 95 1.645
10 -1.280 97.5 1.960
25 -0.670 99 2.325
50 0.00 99.9 3.090
0.1 -3.090 99.99 3.720
0.01 -3.720 99.999 4.260
Adapun rumus persentil 5, 50 dan 95 adalah sebagai berikut:
a. Persentil 5
Persenti 5 adalah persentil yang pada umumnya digunakan untuk
menghitung ukuran antropometri untuk ukuran anak-anak. Adapun
rumus menghitung persentil 5 adalah sebagai beikut:
M = X−1.645 S ……………...…………………………………….(2.5)

b. Persentil 50
Persentil 50 adalah persentil yang digunakan untuk menghitung ukuran
antropometri untuk ukuran rata-rata atau ukuran yang pada umumnya
digunakan. Adapun rumus menghitung persentil 50 adalah sebagai
berikut:
M = X+ 0 S …………………………………………………………(2.6)
c. Persentil 95
Persentil 95 adalah persentil yang digunakan untuk menghitung ukuran
antropometri untuk ukuran orang dewasa. adapun rumus menghitung
persentil 95 adalah sebagai berikut:
M = X+ 1.645 S ………………………………...………..................(2.7)
(Bergita, 2010)

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

BAB III
METODOLOGI PRAKTIKUM
3.1 Studi Kasus
Setiap kelompok praktikan mengambil data tinggi bahu duduk, panjang

lengan, tinggi siku duduk, lebar pinggul, panjang kaki pada seseorang yang

dijadikan sampel berjumlah 30 orang. Data kemudian diolah dengan

menggunakan uji anova serta regresi dan korelasi.

3.2 Alat yang digunakan

a. Observation sheet, berfungsi sebagai tempat untuk mencatat data yang

sudah diukur.

b. Alat tulis berupa buku, bolpoin ataupun sejenisnya.

c. Kamera ataupun media yang bisa dijadikan sebagai alat dokumentasi

3.3 Langkah-langkah Percobaan

a. Menyiapkan alat tulis dan observation sheet yang digunakan pada saat

pengambilan data.

b. Melakukan pengukuran pada sampel yang meliputi pengukuran tinggi

badan, panjang lengan, panjang kaki, lebar bahu, dan lebar pinggul.

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

c. Mencatat setiap pengambilan data pada observation sheet dengan

menggunakan alat tulis yang disediakan hingga mencapai 30 data

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

BAB IV
PENGOLAHAN DATA DAN PEMBAHASAN

4.1 Data Antropometri

Pengukuran atropometri dari beberapa dimensi dilakukan terhadap 35
sampel. Berikut ini data antropometri yang didapatkan.
Tabel 4. 1 Data Antropometri
Dimensi Tubuh
Tinggi Siku
Panjang
No. Dalam Tinggi Lebar Panjang Rentang
Rentangan
Posisi Popliteal Pinggul Tangan Ke Depan
ke Samping
Duduk
1. 21 51 30 70 172
2. 20 48 32 80 182
3. 21 50 30 68 171
4. 27 42 31 68 152
5. 26 50 32 72 161
6. 21 47 30 68 166
7. 22 50 34 69 151
8. 23 56 32 70 157
9. 21 57 31 71 158
10. 26 54 30 65 176
11. 25 55 30 66 162
12. 23 48 31 68 163
13. 24 55 32 73 166
14. 21 59 33 74 157
15. 22 55 34 71 158
16. 28 42 33 72 158
17. 21 43 32 77 168
18. 26 42 31 74 165
19. 24 50 34 74 168
20. 25 52 31 72 169
21. 22 51 30 70 176
22. 22 47 33 81 162
23. 21 46 31 72 163
24. 20 50 32 69 166
25. 27 51 30 67 157
26. 26 42 35 74 158
27. 23 40 32 73 158
28. 23 48 31 70 157
29. 21 49 30 71 158
30. 24 43 30 71 168
31. 25 51 29 68 165
32. 21 54 32 68 168
33. 21 53 31 67 169
34. 20 51 29 69 166
35. 24 47 32 70 176

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

4.2 Uji Normalitas

Pada uji normalitas data antropometri, tingkat kepercayaan yang digunakan
ialah 95% dan α = 0.05%. Penggunaan tingkat kepercayaan 95% dikarenakan
nilai ini memberikan keseimbangan antara presisi (yang ditunjukkan dengan
lebar selang kepercayaan) dan reliabilitas (yang ditunjukan denga tingkat
kepercayaan). Kemudian dilakukan pengujian apakah data tersebut
berdistribusi normal.
a. Uji Hipotesis
1. H0: Data berdistribusi normal
2. H1: Data tidak berdistribusi normal
b. Uji statistik dengan kolmogorov smirnov
1. Dmax > α, maka H0 diterima
2. Dmax < α, maka H0 ditolak
Pengolahan uji normalitas komlogorov smirnov dilakukan dengan
menggunakan software SPSS dengan hasil nilai signifikansi untuk masing-
masing dimensi sebagai berikut.

Gambar 4. 1 Uji Normalitas Kolmogorv Smirnov dengan Software SPSS

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

Berikut ini dapat dilihat tabel hasil dari perhitungan yang telah dilakukan
sebagai berikut:
Tabel 4. 2 Uji Normalitas dengan Kolmogorv Smirnov
No. Dimensi Tubuh n Dmax α Keterangan
1. Tinggi Siku dalam Posisi Duduk 0.004 Tidak Terditribusi Normal
2. Tinggi Popliteal 0.200 Terdistribusi Normal
3. Lebar Pinggul 35 0.029 0.05% Tidak Terditribusi Normal
4. Panjang Rentang Tangan Ke depan 0.200 Terdistribusi Normal
5. Panjang Rentangan Tangan ke Samping 0.046 Tidak Terditribusi Normal

4.3 Uji Keseragaman Data

Pada uji keseragaman data antropometri, tingkat kepercayaan yang
digunakan ialah 95%
a. Mean
n
x x1 + x 2 +…+ x n
x = ∑ ni atau x =
n
………………………………………
i=1

(4.1)
b. Standar deviasi

√
n

σ = ∑ ( x i−x)2 ……………………………………………………….
i=1
n−1
(4.2)
c. Batas kendali
1. Batas kendali atas
BKA = x + k (σ)……………………………………………………
(4.3)
2. Batas kendali bawah
BKB = x - k (σ)…………………………………………………….
(4.4)
Berikut ini dapat dilihat tabel hasil dari perhitungan yang telah dilakukan
sebagai berikut:
Tabel 4. 3 Uji Keseragaman Data
No. Dimensi Tubuh x σ BKA BKB Keterangan
1. Tinggi Siku dalam Posisi Duduk 23.06 2.30 27.66 18.46 Seragam
2. Tinggi Popliteal 49.40 4.82 59.03 39.77
3. Lebar Pinggul 31.43 1.48 34.39 28.47
4. Panjang Rentang Tangan ke 70.91 3.55 78.02 63.81
Depan

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

Panjang Rentangan Tangan ke 164.2

5. 7.16 178.52 149.88
Samping 0
4.4 Uji Kecukupan Data
Pada uji kecukupan data antropometri, tingkat kepercayaan yang
digunakan ialah 95% dan tingkat ketelitian sebesar 5%.

[ √( )( )
]
n n 2
k
s
N ∑ xi2 − ∑ xi
i=1 i=1
N’ = …………………………………………
n

∑ xi
i=1

(4.5)
Berikut ini dapat dilihat tabel hasil dari perhitungan yang telah dilakukan
sebagai berikut:
Tabel 4. 4 Uji Kecukupan Data
No. Dimensi Tubuh N N’ Keterangan
1. Tinggi Siku dalam Posisi Duduk 1.87
2. Tinggi Popliteal 1.83
3. Lebar Pinggul 35 0.88 Cukup
4. Panjang Rentang Tangan ke Depan 0.94
5. Panjang Rentangan Tangan ke Samping 0.82

4.5 Perhitungan Persentil

Perhitungan persentil dilakukan untuk menentukan ukuran produk yang
akan dibuat. Ukuran persentil yang akan digunakan ialah persentil 5 untuk
ukuran persentil kecil, ukuran persentil 50 untuk ukuran persentil rata-rata,
dan ukuran persentil 95 untuk ukuran persentil besar. Ukuran persentil
digunakan agar ukuran yang dipakai dalam perancangan produk dapat
mencakup populasi manusia yang akan mengunakan hasil rancangan produk
dengan dimensi ukuran yang sama maupun lebih kecil dari ukuran persentil.
a. Persentil 5
P5 = x – 1.645 (σ x ¿……………………………………...……………...
(4.6)
b. Persentil 50
P50 = x ………………………………………………………………….(4.7)
c. Persentil 95

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

P95 = x + 1.645 (σ x ¿…………………………………………………….

(4.8)

Berikut ini dapat dilihat tabel hasil dari perhitungan yang telah dilakukan
sebagai berikut
Tabel 4. 5 Ukuran Persentil Data Antropometri
Persentil
No. Dimensi Tubuh
5 50 95
1.
Tinggi Siku dalam Posisi Duduk 21.31 23.06 24.80
2.
Tinggi Popliteal 45.66 49.40 53.14
3.
Lebar Pinggul 28.38 31.43 34.48
4.
Panjang Rentang Tangan ke Depan 65.55 70.91 76.28
5.
Panjang Rentangan Tangan ke Samping 154.21 164.20 174.19

4.6 Menentukan Ukuran Produk

Perhitungan persentil yang dilakukan sebelumnya, selanjutnya digunakan
sebagai ukuran dalam membuat produk. Berikut ini nilai ukuran yang dapat
digunakan dalam merancangan produk.
Tabel 4. 6 Ukuran Dimensi Produk yang Direkomendasikan
No. Dimensi Tubuh Ukuran (cm)
1. Tinggi Siku dalam Posisi Duduk 23.06
2. Tinggi Popliteal 49.40
3. Lebar Pinggul 31.43
4. Panjang Rentang Tangan ke Depan 70.91
5. Panjang Rentangan Tangan ke Samping 164.20

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

BAB V
PEMBAHASAN
5.1 Review Jurnal Inter
Judul : Analisis Deskriptif Terhadap Industri Pempek di
Kawasan 26 Ilir Palembang
Penulis : Yulia Puspita Sari & Neny Rochyani
Jurnal : Jurnal Krenao, ISSN: 20654-8550
Tahun : 2019
Volume/Halaman : 37-42
Reviewer : Hasmira
Tanggal : 10 Oktober 2021
a. Latar Belakang
Salah satu kuliner khas Kota Palembang adalah Pempek. Pusat penjualan
pempek terbanyak salah satunya berada di kawasan pasar 26 Ilir
Palembang. Makalah ini bertujuan menyajikan dan menggambarkan data
tersebut menggunakan statistika deskriptif. Data diringkas menggunakan
statistika deskriptif berupa ukuran pemusatan dan penyebaran data,
sedangkan penyajian data-data tersebut menggunakan tabel dan
histogram. Data diperoleh melalui wawancara kepada penjual dan
pembeli. Analisis data dilakukan dengan Microsoft Excel dan Software
SPSS 21. Hasil eksplorasi pada penjual menunjukkan produksi pempek
terbanyak yaitu 1000 kg dan penjualan terbanyak adalah 1 juta pempek
perbulan. Hasil korelasi menunjukkan adanya hubungan antara jumlah
produksi dengan jumlah penjualan. Pada histogram data pembeli
menunjukkan bahwa alasan pembeli paling banyak adalah karena harga
yang murah dan pada tabel kategori rasa, pembeli mengkategorikan baik.
b. Metodologi
Data yang digunakan dalam tulisan ini merupakan data yang diperoleh
dengan melakukan wawancara secara langsung dengan responden.
Responden dalam penelitian ini adalah penjual pempek dan pembeli
pempek di Kawasan Pasar 26 Ilir Palembang. Pemilihan responden

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

pembeli menggunakan teknik sampling accidental, yaitu pembeli yang

sedang berada di lokasi pengambilan data. Data yang dianalisis meliputi
data penjualan dan data pembelian. Analisis data yang dikumpulkan dari
penjual pempek berupa jumlah rerata penjualan per bulan, rerata
produksi per bulan, harga jual. Sedangkan data yang dikumpulkan dari
pembeli berupa data alasan membeli, kategori rasa dan frekuensi
membeli per bulan. Data tersebut diringkas menggunakan statistika
deskriptif berupa ukuran pemusatan dan penyebaran data.
c. Hasil
data rerata penjualan ini memiliki perbedaan antar penjual pempek.
Penjual dengan rerata penjualan terendah yaitu sebanyak 50 kg pempek
per bulan, sedangkan dilain sisi terdapat penjual yang rerata
penjualannya mencapai 1000 kg pempek per bulan. Dalam hal
banyaknya penjualan, juga terdapat perbedaan yang signifikan. Terdapat
penjual yang dapat menjual rerata mencapai 1 juta pempek dalam
sebulan, namun berbanding terbalik ada penjual yang hanya
menghabiskan pempeknya sebanyak 5000 buah dalam sebulan. Hal ini
juga terlihat berdasarkan hasil pengamatan peneliti pada saat berada di
kawasan pasar 26 Ilir ini, beberapa toko ramai dikunjungi pembeli,
bahkan terjadi antrean yang cukup padat. Namun di beberapa tempat lain
justru terlihat sangat kontras, yakni hampir tidak ada pembeli yang
datang. Hal ini tentunya menjadi menarik untuk dikaji lebih lanjut pada
pembahasan pembeli.
d. Kesimpulan
Berdasarkan hasil analisis menggunakan statistika deskriptif, penulis
dapat menyimpulkan bahwa hasil peringkasan data menggunakan ukuran
pemusatan dan penyebaran menunjukkan informasi bahwa terdapat
perbedaan yang cukup besar dalam hal jumlah produksi dan jumlah
penjualan. Penjual paling sedikit memproduksi pempek hanya 50 kg per
bulan dan terbanyak penjual dapat memproduksi pempek sebanyak 5000
kg per bulan. Begitu pula pada penjualan, penjual paling sedikit menjual

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

1000 buah per bulan dan paling banyak menjual 1 juta pempek per bulan.
Hasil korelasi menunjukkan terdapat hubungan antara jumlah produksi
dengan jumlah penjualan, harga dengan jumlah penjualan. Begitu pula
pada pembeli, alasan membeli memiliki hubungan dengan frekuensi
pembelian.
5.2 Pembahasan Modul
Data antropometri yang dikumpulkan yaitu dimensi statis antropometri.
Dimensi statis antropometri, terdiri dari dimensi tinggi siku dalam posisi
duduk, dimensi tinggi popliteal, dimensi lebar pinggul, dimensi panjang
rentang tangan ke depan, dan dimensi panjang rentangan tangan ke
samping. Masing-masing dimensi terdapat sebanyak 35 jumlah data yang
akan digunakan yang terlebih dahulu akan dilakukan uji normalitas, uji
keseragaman, uji kecukupan data, juga perhitungan persentil untuk
digunakan dalam menentukan ukuran produk yang akan dibuat.
Uji normalitas dilakukan untuk mengetahui apakah data yang dimiliki
berada dalam keadaan terdistribusi normal ataukah tidak. Dalam hal ini, uji
normalitas dilakukan dengan menggunakan software SPSS dengan menu uji
normalitas kolmogorv smirnov. Pengujian ini dilakukan dengan melihat
hasil nilai Dmax yang kemudian akan dibandingkan dengan nilai α. Uji
normalitas dilakukan dengan tingkat kepercayaan 95% dan nilai α = 0.05%.
Hasil nilai pengujian yang dilakukan menunjukkan nilai Dmax untuk dimensi
tinggi siku dalam posisi duduk sebesar 0.004, dimensi tinggi popliteal
sebesar 0.200, dimensi lebar pinggul sebesar 0.0.029, dimensi panjang
rentang tangan ke depan sebesar 0.200 dan dimensi panjangan rentangan
tangan ke samping sebesar 0.046. Hasil pengujian menunjukkan bahwa ada
beberapa data yang terdistribusi normal dan tidak terdistribusi normal
karena beda di bawah atau diatas 0.05%.
Uji keseragaman dilakukan untuk mengetahui apakah data yang dimiliki
berada dalam batas kontrol, baik itu batas kontrol atas maupun batas kontrol
bawah, dimana dalam hal ini berarti data tidak memiliki nilai ekstrim. Uji
keseragaman data dilakukan dengan terlebih dahulu melakukan perhitungan

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

nilai rata-rata, standar deviasi, juga batas kendali dan batas kendali bawah.
Hasil perhitungan dimensi tinggi siku dalam posisi duduk menunjukkan
nilai rata-rata sebesar 23.06, nilai standar deviasi sebesar 2.30, nilai batas
kendali atas sebesar 27.66, dan nilai batas kendali bawah sebesar 18.46.
Dimensi tinggi popliteal menunjukkan nilai rata-rata sebesar 49.40, nilai
standar deviasi sebesar 4.82, nilai batas kendali atas sebesar 59.03, dan nilai
batas kendali bawah sebesar 39.77. Dimensi lebar pinggul menunjukkan
nilai rata-rata sebesar 31.43, nilai standar deviasi sebesar 1.48, nilai batas
kendali atas sebesar 34.39, dan nilai batas kendali bawah sebesar 28.47.
Dimensi panjang rentang tangan ke depan menunjukkan nilai rata-rata
sebesar 70.91, nilai standar deviasi sebesar 3.55, nilai batas kendali atas
sebesar 78.02, dan nilai batas kendali bawah sebesar 63.81 dan dimensi
panjang rentangan ke samping menunjukkan nilai rata-rata sebesar 164.20,
nilai standar deviasi sebesar 7.16, nilai batas kendali atas sebesar 178.52,
dan nilai batas kendali bawah sebesar 148.88 pada dimensi statis
antopometri. Hasil pengujian menunjukkan nilai rata-rata baik itu pada
dimensi statis antropometri yang berada di antara rentan batas kontrol atas
dan batas kontrol bawah, sehingga dengan begitu didapatkan data yang
seragam.
Uji kecukupan data dilakukan untuk mengetahui apakah data yang
dimiliki telah mencukupi dalam kegiatan yang dilakukan. Uji kecukupan
dilakukan dengan menghitungan jumlah pengamatan yang harusnya
diamati. Hasil perhitungan dimensi tinggi siku dalam posisi duduk
menunjukkan nilai sebesar 1.87, dimensi tinggi popliteal sebesar 1.83,
dimensi lebar pinggul sebesar 0.88, dimensi panjang rentang tangan ke
depan sebesar 0.94, dan dimensi panjang rentangan ke samping sebesar
0.82. Hasil pengujian menunjukkan nilai jumlah pengamatan yang
seharusnya diamati baik itu pada dimensi statis antropometri ataupun
dimensi dinamis antropometri bahwa data yang dimiliki telah mencukupi
untuk selanjutnya digunakan.

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

Setelah tiga pengujian yang sebelumnya dilakukan, selanjutnya

dilakukan perhitungan persentil. Perhitungan persentil dilakukan dalam tiga
nilai, yaitu persentil 5, persentil 50, dan persentil 95. Dimensi tingi siku
dalam posisi duduk menunjukkan hasil perhitungan nilai persentil 5 sebesar
21.31%, persentil 50 sebesar 23.06%, dan persentil 95 sebesar 24.80%.
Dimensi tinggi popliteal menunjukkan hasil perhitungan nilai persentil 5
sebesar 46.66%, persentil 50 sebesar 49.40%, dan persentil 95 sebesar
53.14%. Dimensi lebar pinggul menunjukkan hasil perhitungan nilai
persentil 5 sebesar 28.38%, persentil 50 sebesar 31.43%, dan persentil 95
sebesar 34.48%. Dimensi panjang rentang tangan ke depan menunjukkan
hasil perhitungan nilai persentil 5 sebesar 65.55%, persentil 50 sebesar
70.91%, dan persentil 95 sebesar 76.28% dan dimensi panjang rentangan
tangan ke samping menunjukkan hasil perhitungan nilai persentil 5 sebesar
154.21%, persentil 50 sebesar 164.20%, dan persentil 95 sebesar 174.19%
pada dimensi statis antropometri. Hasil perhitungan yang telah didapatkan
kemudian selanjutnya digunakan sebagai ukuran dalam rancangan produk
yang akan dilakukan. Adapun pada kesempatan kali ini, nilai persentil yang
digunakan ialah nilai persentil 50 dimana prinsip perancangan produk yang
digunakan ialah prinsip perancangan produk dengan ukuran rata-rata.

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

BAB V
PENUTUP

5.1 Kesimpulan
a. Pengukuran antropometri terbagi menjadi dua kategori berdasarkan
dimensinya, yakni dimensi statis yang merupakan dimensi dalam
keadaan diam atau statis dan juga dimensi dinamis yang merupakan
dimensi dalam keadaan bergerak atau beraktivitas.
b. Uji normalitas merupakan pengujian untuk melihat apakah data
terdistribusi normal atau kah tidak dengan melihat nilai uji statistik
yang dibandingkan dengan nilai α. Kemudian uji keseragaman data
merupakan pengujian untuk melihat keadaan data yang berada diantara
batas kontrol atau tidak memiliki data ekstrim dengan melihat nilai rata-
rata yang berada diantara nilai batas kontrol baik itu batas kontrol atas
maupun batas kontrol bawah. Adapun uji kecukupan data merupakan
pengujian untuk melihat apakah data yang dimiliki telah mencukupi
untuk selanjutnya digunakan dalam kegiatan dimana dengan melihat
nilai pengamatan yang seharusnya diamati dengan jumlah pengamatan
yang telah dilakukan.
c. Penentuan ukuran dimensi benda dapat dilakukan dengan melihat nilai
persentil yang disesuaikan dengan prinsip perancangan produk yang
ada dimana diantaranya ialah prinsip perancangan produk data rata-rata,
data ukuran ekstrim ataupun data ukuran rentangtertentu.
d. Statistika merupakan studi terkait pengumpulan serta pengolahan data
yang kemudian digambarkan dalam bentuk grafis, tabel ataupun yang
lainnya untuk kemudian diambil kesimpulan.
5.2 Saran
a. Saran untuk Asisten
1. Harap dipertahankan kejelasan dalam memberikan materi
2. Harap dipertahankan kecepatan dalam merespon praktikan
3. Harap dipertahankan sikap ramahnya kepada praktikan

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

b. Saran untuk Laboratorium

1. Harap peralatan laboratorium bisa ditingkatkan lagi.
2. Harap kerapihan laboratorium dijaga dan ditingkatkan.
3. Harap menjaga kebersihan laboratorium.

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

DAFTAR PUSTAKA
Alhaffis, F. (2019). Perencanaan Penjadwalan dan Biaya Perawatan Mesin
Bubut Tipe KW 15-579 Berdasarkan Jam Operasional Praktikum di
Politeknik Bengkalis. Riau: Politeknik Negeri Bengkalis.

Amir, R. A. (2014). Kajian Antropometri : Evaluasi Desain Perabot Ruang Baca

UPT Perpustakaan Universitas Hasanuddin. Jurnal Teknik Arsitektur, 2.

Ananda, R. &. (2018). Statistik Pendidikan. Medan: CV. Widya Puspita.

Bergita, E. (2010). Analisis Statistis Data Antropometri untuk Menguji

Keergonomisan Posisi Kursi dan Layar : Studi Kasus di Ruang Kuliah
Lingkungan FKIP Kampus MRICAN USD. Yogyakarta: Universitas
Sanata Darma.

Budi. (2017). Jenis-jenis data. Bandung: Rajawali Press.

Gozali, I. (2012). Aplikasi analisis Multivariate Dengan Program IMB SPSS .

Semarang: Universitas Diponegoro.

I, J. (2010). Statistika Penelitian Untuk Pendidikan. Bandung: Citapustaka Media

Perintis.

Purbasari, M. A. (2016). Analisa Perbandingan Antropometri Bentuk Tubuh

Mahasiswa Pekerja Galangan Kapal dan Mahasiswa Pekerja Elektronika.
Profisiensi, 108-117.

Purnomo, H. B. (2011). Metode Dan Teknik Pengumpulan Data Dalam Penelitian

Tindakan Kelas. Pengembangan Pendidikan, 251-256.

Rahman, R. (2016). Usulan Perbaikan Fasilitas Kerja dengan Pendekatan Metode

Rapid Upper Limb Assesment dan Antropometri Pada Stasiun Kerja
Linking di Sentra Industri Kain Rajutan Binong Jati. Bandung:. Fakultas
Teknik Universitas Islam Bandung.

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

Santoso, A. A. (2014). Perancangan Ulang Kursi Antropometri untuk Memenuhi

Standar Pengukuran. Profesiensi, 81-91.

Sokhibi, A. (2017). Perancangan Kursi Ergonomis Untuk Memperbaiki Posisi

Kerja Pada Proses Packaging Jenang Kudus. Jurnal EMBA, Volume 3.

Sugiyono. (2015). Metode Penelitian Manajemen. Bandung: CV Alfabeta.

STATISTIKA INDUSTRI
HASMIRA /D071181312
 LABORATORIUM SISTEM MANUFAKTUR
TERINTEGRASI
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

LAMPIRAN

STATISTIKA INDUSTRI
HASMIRA /D071181312