MODUL A

I.1. JUDULPERCOBAAN: PENENTUAN DISTRIBUSI WAKTU PADA

PENGERJAANSUATU PRODUK ( UJI
DISTRIBUSI DATA )

I.2. Alat dan Baha : 1.Stop Wacth ( Pengukur Waktu )

1.3. Prosedur Praktikum :
I.4.Tugas Praktikan : 1. Buat Tabel Distribusi Frekwensi dari data yang telah
II. Landasan Teori:
2.Steker listrik ( Dapat diganti dgn bahan Lain )
3.Obeng/ Alat pemotong
4.Tabel pengamatan
1. Persiapkan komponen-komponen steker listrik, ( atau
bahan Praktikum Yang Sesuai ) diletakkan pada tempat
yang telah disediakan, sesuai dengan jenis masing-
masing. Kemudian lakukan Proses terhadap
komponen-konponen tersebut sehingga menjadi suatu
produk jadi.
2. Lakukan pengukuran waktu setiap satu siklus
perakitan dan catat dan dalam lembar data atau dire
kam dalam stop-wacth.
3. Lakukan pengukuran data waktu perakitan sebanyak 30
kali sesara continiu.
dikumpulkan.
2. Gambarkan Histogram untuk distribusi frekwensi
Individu dan frekwensi komulatif dari data yang ada.
3. Lakukan Pengujian Distribusi Normal dari data tersebut
dengan α=0,05 dan α= 0,10
4. Lakukan Pengujian Distribusi Exponensial terhadap
datatersebut dengan α= 0,05 dan α=0,1
5. Berikan kesimpulan terhadap kecenderungan

2.1.Pendahuluan
Data yang kita peroleh dari hasil penelitian masih merupakan data kasar dan mentah,
sebab kumpulan angka seperti ini belum dapat memberikan informasi secara ringkas dan jelas
mengenai sifat atau cirri yang dimiliki kumpulan angka tersebut agar data ini dapat
“berbicara” dan dapat memberikan informasi yang berarti, perlu disusun dengan baik
sehingga mudah dimengerti dan maksud serta tujuan pengumpulan data dapat tercapai.

2.2.Pengertian Daftar Distribusi frekuensi.

Daftar distribusi frekuensi mempunyai tiga pengertian, yaitu :
a. Pengertian frekuensi

1
 Pengertian frekuensi adalah menunjukkan seberapa kali suatu anggota (nilai) berulang
dalam sederetan angka tersebut, atau beberapa kalli angka suatu angka muncul dalam deretan
angka tersebut.
b. Pengertian Distribusi
Distribusi adalah keadaan yang menggambarkan pembagian pancaran setiap
frekuensi.
c. Pengertian Daftar.
Pengertian daftar adalah alat penyajian data statistic yang berbentuk (dituangkan)
dalam baris dan kolom.

2.3.Cara Menyusun Daftar frekuensi Bilangan

Penyusunan daftar distribusi data kelompok selalu tahap-tahap tertentu, yaitu :
a. Menentukan Jumlah Kelas
Dalam menentukan jumlah kelas ini, H.A. Sturgees menngemukakan rumus yang dikenal
Sturges yaitu :

k = 1 + 3,22 log n

Dimana :
k = Jumlah kelas
n = banyaknya frekuensi

b. Menentukan interval kelas

Interval kelas pada hakekatnya akan dipengaruhi oleh jumlah frekuensi dan rentang data
dimana data itu berserakan. Untuk mencari interval kelas, maka menurut aturan Struges :

R
I= k
Dimana :
I : Interval Kelas
R : Selisih data terbesar dan data terkecil
k : banyaknya kelas

2.4. Jenis Tabel Distribusi Frekuensi

Dalam dunia statistic, kita mengenai berbagai macam table distribusi frekuensi, yaitu :
a. Tabel distribusi tunggal.
Yaitu table dtatistik yang didalamnya disajikan data, angka yang tidak dikelompok-
kelompokkan, dimana data itu disajikan dengan nilai yang sesungguhnya.
b. Tabel distribusi data kelompok.
Salah satu jenis tabel yang didalamnya disajikan distribusi frekuensi dari data angka,
dimana data-data tersebut dikelompok-kelompokkan.
c. Tabel distribusi frekuensi relative.

2
 Suatu tabel yang menyajikan pancaran frekuensi relative yaitu nilai frekuensi dibagi
dengan jumlah seluruh frekuensi yang dinyatakan dengan perse, jadi bukan frekuensi
yang sebenarnya.
d. Tabel distribusi frekuensi kumulatif.
Suatu tabel statistic yang didalamnya disajikan frekuensi yang dihitung terus meningkat,
atau ditambah-tambahkan dari bawah keatas maupun dari atas ke bawah.

2.5 Penyajian Grafik Frekuensi

Penyajian data statistik dengan grafik frekuensi yang sering digunakan ialah:
a. Histogram frekuensi
Grafik frekuensi yang berfungsi menggambarkan beda antara kelas-kelas dalam sebuah
distribusi.
b. Poligon frekuensi
Sangat berguna apabila kita mengadakan perbandingan antara dua atau beberapa
distribusi frekuensi. Poligon maksudnya garis yang menghubungkan titk tengah dari
kelas-kelas suatu tabel distribusi frekuensi atau dari suatu histogram.
c. Ogive
Kurva dari distribusi frekuensi kumulatif biasa atau relative dinamakan ogive kurva
distribusi frekuensi kumulatif “kurang dari” merupakan “tangga naik” sedangkan kurva
distribusi frekuensi kumulatif “lebih dari” merupakan “tangga turun”

2.6.Distribusi

Distribusi adalah kemungkinan yang dapat diharapkan terjadi berdasarkan

pengalaman yang lalu atau berdasarkan pertimbangan teorotis.
Adapun jenis-jenis distribusi dapat di bagi atas beberapa jenis antara lain :

A. Distribusi Probabilitas
Yaitu suatu model matematis yang menghubungkan nilai variabel dengan probabilitas
terjadinya nilai itu didalam populasi.
Jenis probabilitas ini antara lain :

1. Distribusi Kontiniu
Yaitu apabila variabel yang diukur dinyatakan dalam skala kontinu adalah kurva yang
halus dengan probabilitas, sehingga probabilitas terletak diantara dua interval.
2. Distribusi Diskrit.
Yaitu bila variabel yang diukur hanya dapat menjalani nilai-nilai tertentu seperti bilangan
bulat. Bentuk diskrit ini adalah sederet garis tegak lurus sumbu x yang tingginya
proporsional dengan probabilitas.

B. Distribusi Binominal.

3
 Yaitu distribusi kemungkinan diskrit. Peristiwa untuk distribusi ini adalah peristiwa
yang mutually exclusive dimana kemungkinan terjadi peristiwa ini terjadi sebesar P dan 1-
P=q merupakan kemungkinan peristiwa itu terjadi.
Apabila percobaan ini dilakukan n kali dan bersifat bebas maka yang ingin diketahui
ialah beberapa kemungkinannya peristiwa akan tetap terjadi tepat sebanyak x kali di antara
percobaan sebanyak n kali dilakukan.
Akibatnya tentu sebanyak (n-x) kali peristiwa itu terjadi. Disini harga x = 0, 1, 2,
………,n dengan menggunakan matematik dan aturan peristiwa bebas dapat dihitung
besarnya kemungkinan peristiwa itu terjadi terdapat sebanyak x kali dalam n kali percobaan.
Besarnya kemungkinan peristiwa itu terjadi adalah :

n!
p x q n− x
Pr (X) = x !(n−x)

C. Distribusi hypergeomatris
Misalnya ada sebuah populasi berukuran N diantara terdapat D buah termasuk kategori
tertentu. Dari populasi ini diambil sebuah sampel acak berukuran
Distribusi ini memiliki rumus :

[ D¿ ] ¿ ¿¿¿¿
P(x)= ¿
D. Distribusi Poisson.
Distribusi poisson digunakan untuk menghitung probabilitas terjadinya kejadian
menurut satuan waktu atau pun ruang.
Rumus distribusi ini adalah ;

x −λ
λ e
Pr (X) = X !

E. Distribusi Normal
Banyak kejadian dapat dinyatakan dalam data hasil observasi yang mengikuti distribusi
normal. Misalnya tinggi mahasiswa, berat badan hasil ujian dan hasil pengurangan. Kalau
kontinu x mengikuti fungsi normal rata-rata u dan simpangan baku atau standard deviasi Θ ,
biasanya ditulis x = N (u, Θ ) dan bentuk fungsinya adalah sebagai berikut :

1 2
1 −2 (( x−u )/Θ )
e
F(X)= Θ √ 2 π

4
E. Distribusi Normal
Banyak kejadian dapat dinyatakan dalam data hasil observasi yang mengikuti distribusi
normal. Misalnya tinggi mahasiswa, berat badan hasil ujian dan hasil pengurangan. Kalau
kontinu x mengikuti fungsi normal rata-rata u dan simpangan baku atau standard deviasi Θ ,
biasanya ditulis x = N (u, Θ ) dan bentuk fungsinya adalah sebagai berikut :

1 2
1 − 2 (( x−u )/Θ )
e
F(X)= Θ √ 2 π

Kurva Normal

F. Distribusi Kai-kuadrat (X2=chi-square)

Distribusi kai kuadrat sangat berguna bagi kriteria untuk pengujian hipotesis mengenai
varian dan juga untuk uji ketetapan penerapan suatu fungsi (test goodness of fit) kalau
digunakan untuk data hasil observasi atau data empiris. Dengan demikian kita dapat
menentukan apakah distribusi pendugaan berdasarkan sampel hamper sama atau mendekati
distribusi teoritis, sehingga kita dapat menyimpulkan bahwa populasi dari mana sampel itu
kita pilih mempunyai distribusi yang kita maksud.
Kalau Zi = N (0, 1) = variabel normal dengan rata-rata nol dan variabel 1, maka jumlah
Z1 + Z22 + …..+ Zk2 dengan derajat kebebasan sebesar k.
2

Rumus : Xk2 = ∑Z 1
2

k=1

Kalau semua himpunan terdiri dari n variabel acak X =Xi dimana

2
Xi = N (u, Θ ) untuk semua I = 1,2,…,n, maka kita dapat memperoleh variabel Z seperti
dimaksud di atas dengan rumus :
Xi−u
=N (0,1)
Θ
Zi =
xi−u 2
∑ 0i=1 ( Θ
)
X2 =

F (X-2)

5
 Distribusi chi-Kuadrat
G. Distribusi F
Distribusi F dapat digunakan sebagai criteria untuk menguji hipotesa :

Bahwa varians dari dua populasi sama : Θ =Θ

2 2

a. 1 1

b. Bahwa rata – rata yang berasal dari beberapa populasi sama :

μ1 =μ 2 =μ 3 =.. .. .=μ k

Kalau ο1 = xVI2 dan ο 2 = xVI2 merupakan variabel bebas, maka variabel

R berikut mempunyai distribusi F dengan derajat kebebasan V1 dan V2 :
Rumus :
ο1 /V 1 ο1

R = ο2 /V 2 = 2
[ ][ ]
ο
V2
V1
Jadi distribusi FV1, V2 merupakan rasio Xvi2 / dan Xv22/ v2

Distribusi F

X2

H. Distribusi T
Distribusi ini digunakan untuk membuat pendugaan interval juga untuk menguji
hipotesis mengenai parameter, yang paling banyak dari dua populasi karena lebih dari dua
harus digunakan distribusi F. distribusi ini juga menggunakan sampel yang kecil yang sering
kali n ¿ 30

Z
2
t= X

√=
[ v
ν
]
Fungsi ini mempunyai derajat kebebasan sebesar V, serta mempunyai kurva yang
simetris terhadap t = 0

6
 0
Ta / 2
Kurva Distribusi t Ta / 2

1. Distribusi Eksponensial
Distribusi probabilitas variabel random eksponensial adalah :
f (x) = e- λ x;x; ¿ 0
Dengan > 0 suatu konstan.

Eksponensial

Mean dan variasi distribusi eksponensial adalah masing-masing :

2
U = 1 / λ dan 02 = 1 / λ
Distribusi eksponensial komulatif adalah :
F(a) = P (x ¿ a )
= 0 a e- λt dt
1 -e λa ; a ¿ 0
F (a)

a
Grafik Fungsi Distribusi Kumulatif Eksponensial

Distribusi eksponensial digunakan secara luas dalam bidang teknik keandalan sebagai
suatu komponen atau system. Dalam penerapan ini, para meter dinamakan tingkat kegagalan
system itu, dan mean distribusi itu 1 / λ dinamakan mean tahan hidup. Apabila kita ingin

7
menentukan probabilitas bahwa komponen ini akan gagal sebelum tahan hidup yang
diharapkan, kita hitung :

P{x ¿ 1/ λ¿¿ =01/ λ e- λt dt = 1-e-1 = 0,63212

Hasil ini akan berlaku beberapapun nilai ; yakni, probabilitas bahwa nilai suatu
variabel random eksponensial akan lebih kecil dari meannya adalah 0,63212. tentu saja ini
terjadi karena distribusi itu tidak simetris.

Sebenarnya diamati dengan frekuensi yang diharapkan berdasarkan model yang diandaikan
dan untuk itu digunakan rumus :

k
(oi−Ei)2
∑ Ei
X2 = i−1

Dimana :
X2 = Nilai Perhitungan dari distribusi chi-Kuadrat
Oi = frekuensi hasil pengamatan
Ei = frekuensi harapan
k = Banyaknya kelas interval

Nilai-nilai parameter populasi yang diasumsikan yangdipakai untuk menghitung

frekuensi teoritik, ditaksir berdasarkan nilai-nilai statistic sampel tak bias. Misalnya rata-rata
u ditaksir berdasarkan nilai-nilai statistic sampel tak bias. Misalnya rata-rata u ditaksir X dan
varians O2 oleh S2 harga distribusi Chi kuadrat yang digunakan, sebagai akibat penggunaan
rumus diatas, mempunyai dk = (k-g-1), dimana k = banyak kelas interval dan g = banyak
parameter yang ditaksir. Demikianlah misalnya untuk menguji kecocokan distribusi Chi-
kuadratnya adalah (k-1).