Oleh :
Nama : Riski Septian Rachman
NPM : 0515101031
Menyetujui,
Asisten Praktikum Statistika Industri
Asisten Asisten
Mengesahkan,
Instruktur Praktikum Statistika Industri
i
KATA
Puji syukur senantiasa penulis panjatkan kehadirat Allah SWT, karena atas rahmat
dan hidayah-Nya lah penulis dapat menyelesaikan laporan akhir ini dengan judul
”Laporan Akhir Statistika Industri”.
Penulis mengucapkan rasa terima kasih yang sebesar-besarnya atas semua bantuan
yang telah diberikan, baik secara langsung maupun tidak langsung selama
penyusunan tugas akhir ini hingga selesai. Secara khusus rasa terima kasih
tersebut penulis sampaikan kepada:
Penulis menyadari masih terdapat banyak kekurangan yang dibuat baik sengaja
maupun tidak sengaja, dikarenakan keterbatasan ilmu pengetahuan dan wawasan
serta pengalaman yang penulis miliki. Penulis mengucapkan mohon maaf atas
segala kekurangan tersebut, tidak menutup diri terhadap segala saran dan kritik
serta masukan yang bersifat kontruktif bagi diri penulis. Akhir kata, semoga
laporan akhir ini dapat bermanfaat bagi penulis sendiri, institusi pendidikan dan
masyarakat luas.
i
DAFTAR
Halama
n LEMBAR PENGESAHAN.................................................................................i
KATA PENGANTAR............................................................................................ii
DAFTAR ISI.........................................................................................................iii
DAFTAR GAMBAR............................................................................................vii
DAFTAR TABEL.................................................................................................ix
BAB I PENDAHULUAN.......................................................................................1
1.1 LATAR BELAKANG...................................................................................1
1.1.1 Statistika Deskriptif.................................................................................1
1.1.2 Teori Probabilitas....................................................................................1
1.1.3 Distribusi Probabilitas.............................................................................2
1.1.4 Statistik Parametrik dan Non-Parametrik................................................4
1.1.5 Regresi dan Korelasi...............................................................................5
1.2 TUJUAN PRAKTIKUM...............................................................................6
1.2.1 Statistika Deskriptif.................................................................................6
1.2.2 Teori Probabilitas....................................................................................6
1.2.3 Distribusi Probabilitas.............................................................................6
1.2.4 Statistik Parametrik dan Non-Parametrik................................................7
1.2.5 Regresi dan Korelasi...............................................................................7
BAB II LANDASAN TEORI................................................................................8
2.1 STATISTIKA DESKRIPTIF.........................................................................8
2.1.1 Definisi Statistika Deskriptif...................................................................8
2.1.2 Istilah dalam Statistika............................................................................8
2.1.3 Definisi Statistika Deskriptif...................................................................9
2.1.4 Jenis Statistika.........................................................................................9
2.1.5 Ukuran Pemusatan Data........................................................................11
2.1.6 Ukuran Penyebaran Data.......................................................................12
2.2 TEORI PROBABILITAS............................................................................14
2.2.1 Definisi Probabilitas..............................................................................14
2.2.2 Manfaat Probabilitas dalam Penelitian..................................................15
i
DAFTAR
2.2.3 Percobaan, Ruang Sampel, Titik Sampel dan Peristiwa.......................15
2.2.4 Probabilitas Beberapa Peristiwa............................................................16
2.2.5 Irisan 2 Kejadian...................................................................................17
2.2.6 Paduan 2 Kejadian.................................................................................18
2.2.7 Komplemen Suatu Kejadian.................................................................18
2.2.8 Kejadian Bersyarat................................................................................18
2.2.9 Permutasi...............................................................................................19
2.2.10 Kombinasi...........................................................................................19
2.3 DISTRIBUSI PROBABILITAS..................................................................20
2.3.1 Binomial dan Hipergeometrik...............................................................20
2.3.2 Poisson dan Eksponensial.....................................................................23
2.4 STATISTIK PARAMETIK DAN NON-PARAMETRIK...........................28
2.4.1 Definisi Statistik Parametrik.................................................................28
2.4.2 Pengujian Hipotesis...............................................................................28
2.4.3 Prosedur Pengujian Hipotesis...............................................................28
2.4.4 Jenis-jenis Pengujian Hipotesis.............................................................30
2.4.5 Pengujian Hipotesis Rata-rata...............................................................33
2.4.6 Definisi Statistik Non-Parametrik.........................................................34
2.4.7 Keunggulan Uji Statistika Non-Parametrik..........................................34
2.5 REGRESI DAN KORELASI.......................................................................36
2.5.1 Teori Regresi.........................................................................................36
2.5.2 Definisi Regresi.....................................................................................37
2.5.3 Jenis-jenis Regresi.................................................................................38
2.5.4 Definisi Korelasi...................................................................................38
2.5.5 Jenis-jenis Korelasi...............................................................................39
BAB III FLOWCHART KEGIATAN PRAKTIKUM......................................41
3.1 FLOWCHART KEGIATAN PRAKTIKUM................................................41
3.2 URAIAN FLOWCHART KEGIATAN PRAKTIKUM...............................42
3.2.1 Studi Literatur.......................................................................................42
3.2.2 Pengumpulan Data................................................................................42
3.2.3 Pengolahan Data....................................................................................44
i
DAFTAR
3.2.4 Analisis..................................................................................................46
3.2.5 Kesimpulan dan Saran...........................................................................46
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA..............................47
4.1 PENGUMPULAN DATA...........................................................................47
4.1.1 Statistika Deskriptif...............................................................................47
4.1.2 Teori Probabilitas..................................................................................48
4.1.3 Distribusi Probabilitas...........................................................................49
4.1.4 Statistik Parametrik dan Non-Parametrik..............................................53
4.1.5 Regresi dan Korelasi.............................................................................56
4.2 PENGOLAHAN DATA..............................................................................58
4.2.1 Statistika Deskriptif...............................................................................58
4.2.2 Teori Probabilitas..................................................................................78
4.2.3 Distribusi Probabilitas...........................................................................83
4.2.4 Statistik Parametrik dan Non-Parametrik............................................109
4.2.5 Regresi dan Korelasi...........................................................................136
BAB V ANALISIS..............................................................................................150
5.1 STATISTIKA DESKRIPTIF.....................................................................150
5.2 TEORI PROBABILITAS..........................................................................151
5.3 DISTRIBUSI PROBABILITAS................................................................152
5.3.1 Binomial dan Hipergeometrik.............................................................152
5.3.2 Poisson dan Eksponensial...................................................................154
5.4 STATISTIKA PARAMETRIK DAN NON-PARAMETRIK...................156
5.4.1 Statistik Parametrik.............................................................................156
5.4.2 Statistik Non-Parametrik.....................................................................157
5.5 REGRESI DAN KORELASI.....................................................................158
5.5.1 Analisis Regresi Sederhana.................................................................158
5.5.2 Analisis Regresi Berganda..................................................................159
BAB VI KESIMPULAN DAN SARAN...........................................................161
6.1 KESIMPULAN..........................................................................................161
6.1.1 Statistika Deskriptif............................................................................161
6.1.2 Teori Probabilitas................................................................................161
v
DAFTAR
6.1.3 Distribusi Probabilitas.........................................................................162
6.1.4 Statistik Parametrik dan Non-Parametrik............................................163
6.1.5 Regresi dan Korelasi...........................................................................164
6.2 SARAN......................................................................................................165
6.2.1 Statistika Deskriptif.............................................................................165
6.2.2 Teori Probabilitas................................................................................165
6.2.3 Distribusi Probabilitas.........................................................................166
6.2.4 Statistik Parametrik dan Non-Parametrik............................................167
6.2.5 Regresi dan Korelasi...........................................................................167
DAFTAR PUSTAKA.........................................................................................168
LAMPIRAN........................................................................................................169
v
DAFTAR GAMBAR
Halama
n Gambar 2. 1 Kurva Distribusi Normal..............................................................30
Gambar 3. 1 Flowchart Kegiatan Praktikum.......................................................41
Gambar 4. 1 Grafik Histogram Data Diskrit........................................................67
Gambar 4. 2 Grafik Ogive Data Diskrit...............................................................68
Gambar 4. 3 Grafik Poligon Data Kontinu...........................................................77
Gambar 4. 4 Grafik Ogive Data Kontinu.............................................................78
Gambar 4. 5 Probabilitas Berdasarkan Software Minitab (Binomial)..................87
Gambar 4. 6 Grafik Histogram Probabilitas (Binomial)......................................88
Gambar 4. 7 Grafik Histogram Probabilitas Kumulatif (Binomial).....................88
Gambar 4. 8 Probabilitas Berdasarkan Software Minitab (Hipergeometrik).......94
Gambar 4. 9 Grafik Histogram Probabilitas (Hipergeometrik)............................94
Gambar 4. 10 Grafik Histogram Probabilitas Kumulatif (Hipergeometrik)........95
Gambar 4. 11 Diagram Batang Poisson 3 Menit..................................................98
Gambar 4. 12 Diagram Poligon Poisson 3 Menit................................................99
Gambar 4. 13 Diagram Batang Poisson 5 Menit................................................103
Gambar 4. 14 Diagram Batang Poisson 5 Menit................................................103
Gambar 4. 15 Diagram Batang Eksponensial....................................................106
Gambar 4. 16 Diagram Poligon Eksponensial...................................................107
Gambar 4. 17 Grafik Histogram CM Terhadap Fi.............................................110
Gambar 4. 18 Kurva Distribusi Normal 1% Panjang Balok..............................112
Gambar 4. 19 Kurva Distribusi Normal 5 % Panjang Balok.............................112
Gambar 4. 20 Kurva Distribusi Normal 10 % Panjang Balok...........................112
Gambar 4. 21 Grafik Histogram CM Terhadap Fi.............................................113
Gambar 4. 22 Kurva Distribusi Normal 1% Lebar Balok..................................115
Gambar 4. 23 Kurva Distribusi Normal 5% Lebar Balok..................................115
Gambar 4. 24 Kurva Distribusi Normal 10% Lebar Balok................................115
Gambar 4. 25 Grafik Histogram CM Terhadap Fi.............................................117
Gambar 4. 26 Kurva Distribusi Normal 1% Berat Detergen.............................119
Gambar 4. 27 Kurva Distribusi Normal 5% Berat Detergen.............................119
vi
Halama
n Gambar 4. 28 Kurva Distribusi Normal 10% Berat Detergen........................119
Gambar 4. 29 Kurva Distribusi Normal 1% Uji Tanda Sampel 1......................128
Gambar 4. 30 Kurva Distribusi Normal 5% Uji Tanda Sampel 1......................128
Gambar 4. 31 Kurva Distribusi Normal 10% Uji Tanda Sampel 1....................128
Gambar 4. 32 Kurva Distribusi Normal 1% Uji Tanda Sampel 1 dan 2............130
Gambar 4. 33 Kurva Distribusi Normal 5% Uji Tanda Sampel 1 dan 2............130
Gambar 4. 34 Kurva Distribusi Normal 10% Uji Tanda Sampel 1 dan 2..........131
Gambar 4. 35 Kurva Distribusi Normal 1% Uji Dwi Wilcoxon........................133
Gambar 4. 36 Kurva Distribusi Normal 5% Uji Dwi Wilcoxon........................133
Gambar 4. 37 Kurva Distribusi Normal 10% Uji Dwi Wilcoxon......................133
Gambar 4. 38 Kurva Regresi Sederhana............................................................139
Gambar 4. 39 Diagram Yi Terhadap Xi..............................................................140
Gambar 4. 40 Diagram Scatter Y Terhadap Ypred.............................................140
Gambar 5. 1 Grafik Histogram Probabilitas (Binomial)....................................152
Gambar 5. 2 Grafik Histogram Probabilitas (Hipergeometrik)..........................153
vi
DAFTAR TABEL
Halama
n Tabel 2. 1 Hipotesis...........................................................................................29
Tabel 2. 2 Formulasi Hipotesis.............................................................................33
Tabel 2. 3 Kriteria Hipotesis.................................................................................33
Tabel 2. 4 Kategori Nilai Korelasi........................................................................40
Tabel 4. 1 Data Berat Badan dan Tinggi Badan Pasien........................................47
Tabel 4. 2 Hasil Pengamatan.................................................................................48
Tabel 4. 3 Hasil Penelitian....................................................................................48
Tabel 4. 4 Data Asli Hasil Percobaan Binomial dan Hipergeometrik...................50
Tabel 4. 5 Hasil Pengamatan Distribusi Probabilitas Poisson..............................51
Tabel 4. 6 Hasil Pengamatan Distribusi Probabilitas Poisson..............................52
Tabel 4. 7 Distribusi Probabilitas Eksponensial....................................................53
Tabel 4. 8 Data Panjang Balok dan Lebar Balok..................................................54
Tabel 4. 9 Data Berat Detergen.............................................................................54
Tabel 4. 10 Data Pengukuran Diameter Bola Sampel 1........................................55
Tabel 4. 11 Data Pengukuran Diameter Bola Sampel 2........................................55
Tabel 4. 12 Data Pengukuran Diameter Bola Sampel 3........................................55
Tabel 4. 13 Data Regresi Sederhana.....................................................................56
Tabel 4. 14 Data Regresi Berganda.......................................................................57
Tabel 4. 15 Data Berat Badan dan Tinggi Badan Setelah Ditambah NPM...........58
Tabel 4. 16 Distribusi Frekuensi Data Diskrit.......................................................59
Tabel 4. 17 Hasil Perhitungan Kuartil Data Diskrit..............................................62
Tabel 4. 18 Letak Desil Data Diskrit.....................................................................62
Tabel 4. 19 Hasil Perhitungan Desil Data Diskrit.................................................64
Tabel 4. 20 Hasil Perhitungan Persentil................................................................66
Tabel 4. 21 Frekuensi Kumulatif Kurang Dari dan Lebih Dari............................68
Tabel 4. 22 Distribusi Frekuensi Data Kontinu.....................................................69
Tabel 4. 23 Hasil Perhitungan Kuartil Data Kontinu............................................71
Tabel 4. 24 Letak Desil Data Kontinu...................................................................72
Tabel 4. 25 Hasil Perhitungan Desin Data Kontinu..............................................74
i
Halam
Tabel 4. 26 Hasil Perhitungan Persentil Data Kontinu.........................................76
Tabel 4. 27 Frekuensi Kumulatif Kurang Dari dan Lebih Dari............................77
Tabel 4. 28 Hasil Pengamatan Setelah Ditambah NPM (+31)..............................78
Tabel 4. 29 Hasil Penelitian Setelah Ditambah NPM (+31).................................78
Tabel 4. 30 Hasil Perhitungan Studi Kasus 1........................................................81
Tabel 4. 31 Data Pelamar Setelah Ditambah NPM...............................................82
Tabel 4. 32 Hasil Percobaan Setelah Ditambahkan 2...........................................83
Tabel 4. 33 Hasil Perhitungan Probabilitas dan Probabilitas Kumulatif...............84
Tabel 4. 34 Hasil Perhitungan Probabilitas dan Probabilitas Kumulatif...............89
Tabel 4. 35 Hasil Pengamatan Setelah Ditambahkan NPM (+4)..........................95
Tabel 4. 36 Hasil Pengamatan Setelah Ditambahkan NPM (+4) (Lanjutan)........96
Tabel 4. 37 Distribusi Frekuensi dari Distribusi Poisson 3 Menit........................96
Tabel 4. 38 Ringkasan Distribusi Poisson 3 Menit...............................................97
Tabel 4. 39 Hasil Pengamatan Setelah Ditambahkan NPM (+4)..........................99
Tabel 4. 40 Hasil Pengamatan Setelah Ditambahkan NPM (+4) (Lanjutan)......100
Tabel 4. 41 Distribusi Frekuensi dari Distribusi Poisson 5 Menit......................100
Tabel 4. 42 Ringkasan Distribusi Poisson 5 Menit.............................................101
Tabel 4. 43 Hasil Pengamatan Setelah Ditambahkan NPM (+31)......................104
Tabel 4. 44 Distribusi Frekuensi dari Distribusi Eksponensial...........................104
Tabel 4. 45 Ringkasan Distribusi Eksponensial..................................................106
Tabel 4. 46 Panjang Balok Setelah Ditambah NPM (+0,31)..............................109
Tabel 4. 47 Perhitungan Frekuesi Data Panjang Balok.......................................109
Tabel 4. 48 Lebar Balok Setelah Ditambah NPM (+0,31)..................................113
Tabel 4. 49 Perhitungan Frekuensi Data Lebar Balok........................................113
Tabel 4. 50 Berat Detergen Setelah Ditambah NPM (+0,31).............................116
Tabel 4. 51 Perhitungan Frekuensi Data Detergen.............................................116
Tabel 4. 52 Uji Kolmogorov Smirnov Sampel 1................................................120
Tabel 4. 53 Uji Kolmogorov Smirnov Sampel 2................................................122
Tabel 4. 54 Uji Kolmogorov Smirnov Sampel 3................................................124
Tabel 4. 55 Uji Tanda Sampel 1..........................................................................126
Tabel 4. 56 Uji Tanda Sampel 1 dan 2................................................................129
x
Halam
Tabel 4. 57 Uji Dwi Wilcoxon Sampel 2 dan 3..................................................131
Tabel 4. 58 Uji Kruskal Wallis Sampel 1, 2 dan 3..............................................134
Tabel 4. 59 Data Regresi Sederhana Setelah Ditambah NPM (+31)..................136
Tabel 4. 60 Hasil Pengolahan Data Regresi Sederhana......................................137
Tabel 4. 61 Plot Data Regresi Sederhana............................................................139
Tabel 4. 62 Data Regresi Berganda Setelah Ditambah NPM (+31)....................140
Tabel 4. 63 Hasil Pengolahan Data Regresi Berganda........................................141
Tabel 4. 64 Hasil Pengolahan Data Regresi Berganda (Lanjutan)......................142
Tabel 5. 1 Hasi Perhitungan Skewness Diskrit dan Kontinu..............................150
Tabel 5. 2 Hasil Perhitungan Gabungan (Union)................................................151
Tabel 5. 3 Ringkasan Teori Antrean...................................................................154
Tabel 5. 4 Hasil Pengujian Hipotesis Statistik Parametrik..................................156
Tabel 5. 5 Hasil Uji Kolmogorv-Smirnov Sampel 1...........................................157
Tabel 5. 6 Hasil Uji Tanda..................................................................................158
Tabel 5. 7 Analisis Regresi Sederhana................................................................158
Tabel 5. 8 Analisis Regresi Berganda.................................................................159
x
BAB I
PENDAHULUA
Di zaman sekarang ini banyak ditemukan data-data yang bersifat mentah sehingga
sulit dipahami oleh pembaca. Data mentah perlu diolah dan disajikan sehingga
menghasilkan informasi yang dapat dipahami oleh pembaca dengan mudah.
Statistika deskriptif menjadi metode yang dapat digunakan sebagai salah satu cara
untuk mengumpulkan dan menyajikan suatu gugus data sehingga memberikan
informasi yang berguna bagi pembaca.
Adanya metode yang benar dan tepat untuk mengolah dan menyajikan data
mentah diharapkan berguna bagi masyarakat luas, sehingga informasi yang ingin
disampaikan dapat dengan mudah dimengerti, demikian juga bagi perusahaan-
perusahaan. Manfaat statistik bagi perusahaan sangat penting, salah satunya yaitu
dalam bidang produksi. Statistik sangat berperan penting dalam mengendalikan
kualitas dalam suatu produksi dengan hanya mengambil beberapa sampel saja dari
suatu produk.
1
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Permasalahan yang kerap terjadi dalam bidang produksi salah satunya yaitu
adanya produk yang cacat atau rusak. Produk yang cacat dapat diminimalisir
dengan memperkirakan tingkat kecacatan dalam suatu produksi sehingga dapat
meminimalisir kerugian yang dialami. Tingkat kecacatan menjadi salah satu
permasalahan yang tidak dapat diperkirakan sebelumnya, sehingga diperlukan
2
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
metode yang tepat untuk dapat meramalkannya.
3
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Modul Binomial dan Hipergeometrik kali ini membahas mengenai tingkat peluang
dari sebuah percobaan pengambilan bola pingpong dimana bola pingpong
berwarna kuning menjadi salah satu ukuran bahwa kejadian tersebut sukses atau
berhasil. Adanya percobaan yang dilakukan pada modul kali ini diharapkan dapat
menjadi gambaran terhadap langkah-langkah yang harus dilakukan untuk
mengetahui tingkat keberhasilan dari suatu produksi. Metode binomial dan
hipergeometrik pun diharapkan dapat membantu suatu perusahaan untuk
meminimalisir terjadinya kecacatan atau kegagalan dalam suatu produksi dan
diharapkan dapat membantu perusahaan untuk mendapatkan keuntungan yang
sebesar-besarnya.
4
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
kali menyebabkan kejenuhan bagi pelanggan. Evaluasi tersebut dapat dilakukan
dari
5
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
sudut pandang pelanggan dan penyedia produk ataupun jasa, sehingga diharapkan
dapat memberikan solusi optimal. Adanya evaluasi terhadap antrean tersebut
diharapkan dapat memberikan keuntungan bagi penyedia produk ataupun jasa dan
tentunya kepuasan bagi pelanggan.
Kesulitan yang sering kali dihadapi oleh suatu perusahaan yaitu dalam
pengambilan keputusan, baik keputusan yang berhubungan langsung dengan
perusahaan itu sendiri ataupun tidak, seperti contoh mengambil keputusan untuk
meningkatkan kualitas dari suatu produk. Meningkatkan kualitas dari suatu
produk tentu saja dapat meningkatkan pendapatan dari perusahaan itu sendiri,
namun tanpa adanya sampel yang dapat diuji tentu saja peningkatan kualitas
tersebut tidak dapat berjalan. Memperoleh sampel yang baik dan memenuhi
asumsi suatu distribusi tertentu sangat sulit dilakukan, maka dari itu terdapat
metode yang dapat menguji apakah sampel yang diuji telah memenuhi suatu
asumsi dari distribusi tertentu atau tidak.
6
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
keputusan berdasarkan sampel yang dimiliki.
7
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Banyak penelitian untuk mengetahui hubungan dari kejadian satu dengan kejadian
yang lainnya. Penelitian tersebut bertujuan untuk mengetahui apakah dua kejadian
terdapat hubungan yang saling terikat atau tidak, misalnya hubungan antara
kenaikan bahan bakar minyak (BBM) terhadap harga bahan pokok makanan.
Hubungan antara dua kejadian tersebut perlu dilakukan analisis lebih lanjut
sehingga mendapatkan kesimpulan yang akurat.
Regresi dan Korelasi dapat menjadi teknik dalam ilmu statistika yang dapat
digunakan untuk menggambarkan hubungan antara suatu variabel terikat dengan
satu atau beberapa variabel bebas. Hubungan antara variabel terikat dengan
variabel bebas dapat dikatakan kuat apabila nilai koefisien korelasi mencapai 1,
sebaliknya jika tidak terdapat hubungan antara variabel terikat dengan variabel
bebas koefisien korelasinya bernilai 0. Metode korelasi dan regresi dapat
digunakan dalam kehidupan sehari-hari, misalnya analisis terhadap hubungan
antara kenaikan bahan bakar minyak (BBM) dengan harga bahan pokok makanan.
Modul Regresi dan Korelasi kali ini membahas mengenai suatu analisis terhadap
data regresi sederhana dan data regresi berganda. Analisis terhadap data regresi
sederhana melibatkan satu buah variabel bebas yaitu nilai praktikum (𝑋) dan
satu buah variabel terikat yaitu mortum (𝑌). Hasil akhir yang akan didapatkan
setelah melakukan analisis yaitu mengetahui hubungan antara variabel bebas
terhadap variabel terikat. Analisis data regresi berganda akan melibatkan tiga buah
variabel bebas dan satu buah variabel terikat. Regresi dan Korelasi digunakan
untuk
8
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
9
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Tujuan melakukan kegiatan praktikum pada modul Statistik Parametrik dan Non-
Parametrik ini, praktikan diharapkan mampu:
1. Mampu membedakan karakteristik distribusi populasi dan distribusi
sampling.
2. Mengetahui dan memahami manfaat penaksiran.
3. Mampu menguji hipotesis terhadap parameter statistik.
4. Memahami konsep Statistik Non-Parametrik.
5. Memahami uji Kolmogorov-Smirnov, Uji Tanda, Uji Dwi Wilcoxon dan
Uji Kruskal Wallis.
6. Mampu menarik kesimpulan dari hasil pengujian.
Tujuan melakukan kegiatan praktikum pada modul Analisis Regresi dan Korelasi,
praktikan diharapkan mampu:
1. Memahami pengertian regresi dan korelasi.
2. Menentukan hubungan antara dua variabel dalam bentuk persamaan.
3. Mengetahui besar kecilnya pengaruh antar dua variabel.
1
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
4. Mampu menarik kesimpulan dari hasil perhitungan.
1
BAB II
LANDASAN TEORI
8
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
a. Statistika Deskriptif
Statistika deskriptif adalah bagian dari statistika yang membahas cara
pengumpulan dan penyajian data sehingga mudah untuk dipahami dan
memberikan informasi yang berguna.
b. Statistika Inferensial
Statistika inferensial adalah bagian dari statistika yang membahas cara
melakukan analisis data, menaksir, meramalkan, dan menarik kesimpulan
terhadap data, fenomena, persoalan yang lebih luas atau populasi
berdasarkan sebagian data sampel yang diambil secara acak dari populasi.
9
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
1. Statistika Parametrik
Statistika parametrik adalah teknik statistika yang parameter populasi atau
asumsi distribusi populasi data berdasarkan pada model distribusi normal
dan memiliki variansi yang homogen.
2. Statistika nonparametrik Statistika nonparametrik adalah teknik statistika
yang parameter populasinya atau asumsi distribusi populasi data yang
tidak mengikuti model distribusi tertentu atau bebas terdistribusi dan
variansi tidak harus homogen.
1. Data Kualitatif
Data kualitatif adalah data yang tidak bisa dinyatakan dengan angka.
Contoh: tingkat kesejahteraan penduduk, peningkatan pembangunan. Data
kualitatif terdiri dari duamacam yaitu:
a. Data Nominal
Data nominal adalah jika suatu objek hanya menghasilkan satu dan
hanya satu-satunya kategori pada objek tersebut, maka data yang
diperoleh termasuk tipe nominal (data kategori). Pada data nominal
tidak ada perbedaan tingkatan derajat bobot data.
b. Data Ordinal
Data ordinal adalah data yang diperoleh dari suatu pengambilan data
terhadap suatu objek menghasilkan lebih dari satu kategori.
2. Data kuantitatif adalah data yang dapat dinyatakan denganangka. Contoh:
harga apel yaitu Rp 2.500,00. Data kuantitatif terdiri atas dua macam yaitu
(Harinaldi, 2005):
a. Data Diskrit
Data diskrit adalah data yang diperoleh dari suatu pencacahan atau
enumerasi. Data ini berbentuk bilangan-bilangan bulat 0, 1, 2, 3, ... dan
seterusnya.
1
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
b. Data Kontinu
Data kontinu adalah data yang umumnya didapat dari suatu
pengukuran dengan suatu instrumen alat ukur. Data kontinu dapat
dinyatakan dalam bentuk data interval maupun data rasio (data titik).
A. Mean (Rata-rata)
Mean adalah jumlah nilai pada data dibagi dengan banyaknya data
tersebut. Ukuran ini mudah dihitung dengan memanfaatkan semua data
yang dimiliki, jika ada sekelompok data maka untuk menyebut ukuran
numerik sebagai wakil dari data sering dipakai rata-rata hitung.
Xi
n
X i1
n
Keterangan: 𝑋𝑖 = data ke-i
𝑛 = banyaknya data
1
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
𝑀𝑒 = 𝑥1 𝑥𝑛 + 𝑥𝑛+1
(𝑛+1)
2 2
2 𝑀𝑒 = 2
Keterangan:
C. Modus
Modus adalah data yang nilai terjadinya sering muncul atau yang
mempunyai frekuensi paling tinggi. Suatu distribusi mungkin tidak
memiliki modus dengan kata lain modus tidak selalu ada. Hal ini bila
semua pengamatan hanya mempunyai satu frekuensi saja.
A. Range
Range adalah selisih atau jarak antara nilai maksimum dengan nilai
minimum. Rumus yang digunakan untuk menghitung range adalah:
R = Rmax - Rmin
1
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
B. Variansi
Variansi adalah suatu besaran yang mengukur besarnya ragam data.
Semakin besar ragam data maka nilai variansi semakin besar, demikian
sebaliknya. Dalam industri, variansi disebut juga ukuran presisi proses dan
rata-rata sebagai akurasi proses. Rumus yang digunakan untuk menghitung
variansi adalah:
2 𝑛 (𝑥𝑖 −𝑥)2
𝜎= 𝑖=1 𝑛
Keterangan:
𝛔2 = Variansi 𝑥 = Rata-rata
C. Standar Deviasi
Standar deviasi adalah akar dari jumlah kuadrat deviasi dibagi dengan
banyaknya data.
𝜎= √∑ (𝒙𝒊 −
𝒊=𝟏
𝒙)𝟐
𝒏
Keterangan:
H = Q3 – Q1
Keterangan:
1
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Probabilitas adalah suatu indeks atau nilai yang digunakan untuk menentukan
tingkat terjadinya suatu kejadian yang bersifat random (acak). Probabilitas
merupakan indeks atau nilai maka probabilitas memiliki batas-batas yaitu mulai
dari 0 sampai dengan 1. Pengertian probabilitas dapat dilihat melalui tiga macam
pendekatan yaitu pendekatan klasik, pendekatan frekuensi relatif, dan pendekatan
subjektif (Hasan, 2001):
1. Pendekatan klasik
Probabilitas diartikan menurut pendekatan klasik sebagai hasil bagi dari
banyaknya peristiwa yang dimaksud dengan seluruh peristiwa yang
mungkin. Menurut pendekatan klasik, probabilitas dirumuskan:
Keterangan:
P(A) = Probabilitas terjadinya kejadian A
X = Peristiwa yang dimaksud
n = banyaknya peristiwa yang mungkin
2. Pendekatan frekuensi relatif
Menurut pendekatan frekuensi relatif, probabilitas diartikan sebagai:
a. Proporsi waktu terjadinya suatu peristiwa dalam jangka panjang,
jika kondisi stabil atau
b. Frekuensi relatif dari seluruh peristiwa dalam sejumlah besar
percobaan.
Probabilitas frekuensi relatif sering jga disebut sebagai probabilitas
empiri. Menurut pendekatan ini probabilitas dirumuskan:
Keterangan:
P(Xi) = probabilitas peristiwa i
fi = frekuensi peristiwa i
n = banyaknya peristiwa yang bersangkutan
1
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
1
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
percobaan, atau hasil dari percobaan atau anggota-anggota dari ruang sampel atau
kemungkinan-kemungkinan yang muncul (Hasan, 2001).
1
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
1
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Komplemen atau pelengkap dari suatu himpunan adalah himpunan yang memiliki
anggota, dimana gabungan dari himpunan dan komplemennya adalah himpunan
semesta dan irisan himpunan dengan komplemennya adalah himpunan kosong.
Misalkan A adalah munculnya mata dadu ganjil dari sebuah dadu standar, maka A
= {1,3,5}. Karena S = {1,2,3,4,5,6}, maka komplemen dari A, dituliskan dengan
notasi Ac = munculnya mata dadu genap dari dadu standar atau Ac = {2,4,6}.
Dimana:
1. P(A|B) adalah probabilitas A dan B,
2. P(B) adalah probabilitas B dan P(B) > 0. Dengan kata lain kejadian B
merupakan syarat terjadinya kejadian A. Jika yang menjadi syarat adalah
kejadian A makadapat ditulis sebagai berikut:
1
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
𝑃(𝐴∩𝐵)
P(B|A) =
𝑃(𝐴)
1
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
2.2.9 Permutasi
Permutasi adalah suatu susunan yang dibentuk dari suatu kumpulan benda yang
diambil sebagian atau seluruhnya dengan memperhatikan urutan. Hal yang perlu
diperhatikan dalam permutasi adalah bahwa objek-objek yang ada harus dapat
“dibedakan” antara yang satu dengan yang lain. Contoh : {1,2,3} tidak sama
dengan
{2,3,1} dan {3,1,2}.
2.2.10 Kombinasi
2
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Distribusi peluang adalah tabel, grafik atau rumus yang memberikan nilai peluang
dari sebuah peubah acak. Berdasarkan karakteristik peubah acaknya, distribusi
peluang dapat dibedakan menjadi dua yaitu distribusi peluang diskrit dan
distribusi peluang kontinu. Distribusi peluang diskrit adalah distribusi peluang
dimana semesta peubah acaknya dapat dihitung atau berhingga. Macam-macam
distribusi peluang diskrit ada 6 yaitu distribusi Binomial, distribusi Binomial
Negatif, distribusi Multinomial, distribusi Geometrik, distribusi Hipergeometrik,
dan distribusi Poisson. Distribusi peluang kontinu adalah distribusi peluang
dimana semesta peubah acaknya tak tehingga jumlahnya. Macam-macam
distribusi peluang kontinu ada 4 yaitu distribusi Normal, distribusi Gamma,
distribusi Eksponensial dan distribusi Chi-Square.
Variabel acak atau peubah acak adalah suatu fungsi yang nilainya berupa bilangan
nyata yang ditentukan oleh setiap unsur dalam ruang contoh. Peubah acak
dinyatakan dengan huruf kapital, misalnya X sedangkan nilainya dinyatakan
dengan huruf kecil padanannya misalnya x. Variabel acak dapat dibedakan
menjadi:
a) Variabel acak diskrit
adalah variabel yang dapat memiliki sejumlah nilai yang bisa dihitung.
b) Variabel acak kontinu.
adalah variabel acak yang dapat memiliki nilai tak terhingga, berkaitan
dengan titik-titik dalam suatu interval.
2
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Distribusi peluang kontinu adalah suatu ruang contoh mengandung tak terhingga
banyaknya titik contoh yang sama dengan banyaknya titik pada sebuah garis.
Distribusi peluang diskrit adalah suatu ruang contoh yang mengandung jumlah
titik contoh yang terhingga atau suatu barisan unsur yang tidak pernah berakhir
tetapi yang sama banyaknya dengan bilangan cacah.
Suatu percobaan dimana pada setiap perlakuan hasilnya hanya ada dua
kemungkinan yaitu proses dan gagal dalam n ulangan yang bebas.
Ciri-ciri distribusi peluang binomial adalah sebagai berikut:
1. Percobaan terdiri dari atas n ulangan
2. Setiap ulangan hasilnya digolongkan dalam sukses dan gagal
3. Peluang sukses dilambangkan dengan p, sedangkan gagal (1- p) atau q
4. Ulangan-ulangan tersebut bersifat saling bebas satu sama lain.
2
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Keterangan
:
n = Banyaknya data
𝜇 = 𝑛. 𝑝
𝜎 2 = 𝑛. 𝑝. 𝑞
Keterangan:
𝜇 = rata-rata
𝜎 2 = variansi
n = banyak data
Bila dalam N populasi benda, k benda diberi label berhasil dan (N-k) benda
lainnya diberi label gagal, maka distribusi probabilitas bagi peubah acak
hipergeometrik X yang menyatakan banyaknya keberhasilan dalam contoh acak
berukuran n.
𝑘 𝑁−𝑘
( )( )
ℎ(𝑥; 𝑁, 𝑛, 𝑘) = 𝑥 𝑛−𝑥
𝑁 untuk x = 0, 1, 2, . . ., k
( )
𝑛
2
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
𝑛𝑘
𝜇= 𝑁
𝑁 − 𝑛 𝑘 𝑘
𝜎2 = 𝑛 (1 − )
𝑁−1 𝑁 𝑁
Keterangan:
𝜇 = Rata-rata
𝜎2 = Variansi
N = Ukuran populasi
x = Jumlah terambil dari kelompok sukses
n = Jumlah sampel
k = Jumlah sukses
Apabila nilai harapan kejadian pada suatu interval adalah 𝜆, maka probabilitas
terjadi peristiwa sebanyak k kali (k adalah bilangan bulat non negatif, k = 0, 1, 2,
...) maka sama dengan:
𝑘 −𝜆
𝑓(𝑘; 𝜆) = 𝜆 𝑒
𝑘!
Dimana:
2
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
d. λ adalah bilangan riil positif, sama dengan nilai harapan peristiwa yang
terjadi dalam interval tertentu. Misalnya, peristiwa yang terjadi rata-rata 4
kali per menit, dan akan dicari probabilitas terjadi peristiwa k kali dalam
interval 10 menit, digunakan distribusi Poisson sebagai model dengan
λ = 10×4 = 40.
Sebagai fungsi k, ini disebut fungsi massa probabilitas. Distribusi Poisson dapat
diturunkan sebagai kasus terbatas distribusi binomial. Distribusi Poisson dapat
diterapkan pada sistem dengan kejadian berjumlah besar yang yang mungkin
terjadi, yang mana kenyataannya cukup jarang. Distribusi Poisson ini hampir
sama dengan distribusi binomial, hanya saja jumlah percobaan yang diulang
(sampel) sangat besar dan probabilitasnya terjadi peristiwa sukses sangat kecil.
Distribusi Poisson sebagai suatu bentuk pembatasan distribusi binomial pada saat
n besar, sedangkan p mendekati 0 , dan np konstan. Sehingga bila n besar dan p
mendekati 0, distribusi Poisson dapat digunakan untuk memperkirakan
probabilitas binomial, dengan = n.p
2
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
2
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
3. Pencarian pada Distribusi Eksponensial menggunakan variabel I.
2
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
4. Peluang yang terjadi pada suatu percobaan mempengaruhi selisih waktu yang
terjadi pada percobaan tersebut.
5. Mempunyai nilai b > 0.
Distribusi Eksponensial berguna dalam mencari selisih waktu yang terjadi dalam
suatu peluang pada daerah tertentu, dalam aplikasinya Distribusi Eksponensial ini
sangat berperan sekali seperti:
a) Mengukur selisih waktu antara orang ke-1 dan ke-2 dalam suatu antrean.
b) Distribusi ini juga berguna untuk mengukur tingkat kegagalan yang
mungkin terjadi dalam suatu peluang.
c) Distribusi Eksponensial juga berguna dalam mencari peubah acak kontinu
x, dengan menggunakan variabel random (bilangan acak).
Teori antrean adalah cabang dari terapan teori probabilitas yang awalnya
digunakan untuk mempelajari kemacetan lalu lintas telepon, pertama kali
diperkenalkan oleh seorang ahli matematika dari Denmark. Proses antrean adalah
suatu proses yang berhubungan dengan kedatangan seorang pelangan pada suatu
fasilitas pelayanan kemudian menunggu dalam suatu baris atau antrean karena
pelayannya sedang sibuk dan akhirnya meninggalkan sistem setelah selesai
dilayani, sedangkan yang dimaksud dengan sistem antrean adalah himpunan
pelanggan, pelayan dan suatu aturan yang mengatur kedatangan para pelanggan
dan pemrosesan masalahnya.
1. Pelanggan
Pelanggan adalah orang atau barang yang menunggu untuk dilayani. Arti
dari pelanggan tidak harus berupa orang, misalnya saja antrean pada loket
pembayaran di supermarket.
2. Pelayan
Pelayan adalah orang atau sesuatu yang memberikan pelayanan. Seperti
2
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
halnya pelanggan, pelayan juga tidak harus berupa orang. Misalnya pada
2
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
pengambilan uang melalui ATM, mesin ATM dalam hal ini merupakan
pelayan.
3. Antrean
Antrean merupakan kumpulan pelanggan yang menunggu untuk dilayani.
B. Karakteristik Antrean
Karakteristik yang dapat dilihat dari suatu sistem antrean antara lain:
3
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Ilmu statistika yang mempertimbangkan jenis sebaran atau distribusi data, yaitu
apakah data menyebar normal atau tidak. Umumnya, jika data tidak menyebar
normal, maka data harus dikerjakan dengan metode Statistika Non-Parametrik,
atau setidak-tidaknya dilakukan transformasi agar data mengikuti sebaran normal,
sehingga bisa dikerjakan dengan statistika Parametrik. Asumsi yang digunakan
dalam statistika Parametrik adalah data harus berdistribusi normal, homogen, dan
linear serta data harus dalam skala interval dan rasio.
Hipotesis berasal dari bahasa Yunani, yaitu hupo dan thesis. Hupo berarti lemah,
kurang, atau di bawah dan thesis berarti teori, proposisi, atau pernyataan yang
disajikan sebagai bukti. Hipotesis dapat diartikan sebagai suatu pernyataan yang
masih lemah kebenarannya dan perlu dibuktikan atau dugaan yang sifatnya masih
sementara.
3
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Tabel 2. 1 Hipotesis
Pengujian Sisi Kanan Pengujian Sisi Kiri Pengujian Dua Sisi
H0 : 𝜃 = 𝜃0 H0 : 𝜃 = 𝜃0 H0 : 𝜃 = 𝜃0
H1 : 𝜃 > 𝜃0 H1 : 𝜃 < 𝜃0 H1 : 𝜃 ≠ 𝜃0
(Sumber: Win, 2009:2)
2. Menentukan Taraf Nyata (Significant Level)
Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan
hasil hipotesis terhadap nilai parameter populasinya. Taraf nyata
dilambangkan dengan 𝛼 (alpha) semakin tinggi taraf nyata yang
digunakan, semakin tinggi pula penolakan hipotesis nol atau hipotesis
yang diuji, padahal hipotesis nol benar. Besarnya nilai a bergantung pada
keberanian pembuat keputusan yang dalam hal ini berapa besarnya
kesalahan yang akan ditolerir. Besarnya kesalahan tersebut disebut sebagai
daerah kritis pengujian (critical region of test) atau daerah penolakan
(region of rejection).
3. Menentukan Kriteria Pengujian
Kriteria pengujian adalah bentuk pembuatan keputusan dalam menerima
atau menolak hipotesis nol (H0) dengan cara membandingkan nilai Ztabel
distribusinya (nilai kritis) dengan nilai uji statistiknya, sesuai dengan
bentuk pengujiannya.
a. Penerimaan H0 terjadi jika nilai uji statistiknya lebih kecil atau lebih
besar daripada nilai positif atau negatif dari Ztabel. Atau nilai uji
statistik berada di luar nilai kritis.
b. Penolakan H0 terjadi jika nilai uji statistiknya lebih besar atau lebih
kecil daripada nilai positif atau negatif dari Ztabel. Atau nilai uji
statistik berada di dalam nilai kritis.
3
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Uji Dua Pihak Uji Satu Pihak Kanan Uji Satu Pihak Kiri
3
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
3
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
3
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Pada pengujian hipotesis rata-rata, terdapat dua jenis pengujian, yaitu pengujian
hipotesis beda satu rata-rata dan pengujian hipotesis dua rata-rata.
3
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
d. Uji statistik
1) Simpangan baku populasi (σ) diketahui:
𝑍0 𝑥̅ − µ0
𝑥̅ −
=0
µ = σ
√𝑛
σx ̅
e. Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan H0 (sesuai
dengan kriteria pengujiannya).
Uji statistik Non Parametrik merupakan suatu uji statistik yang tidak memerlukan
adanya asumsi-asumsi mengenai sebaran data populasinya, maka dari itu statistik
ini juga dikemukakan sebagai statistik bebas sebaran. Statistika Non Parametrik
dapat digunakan untuk menganalisis data yang berskala nominal atau ordinal.
Data yang berskala ordinal atau nominal tidak menyebar secara normal. Statistik
ini juga digunakan pada data yang berjumlah kecil, atau kurang dari 30.
Asumsi yang berhubungan dengan uji statistik Non Parametrik yaitu:
a) Observasi haruslah independen
b) Data tidak berdistribusi normal
c) Pengukuran variabel dengan skala ordinal dan skala nominal
d) Jumlah sampel kecil
a. Jumlah sampel kecil atau terlalu kecil, maka tidak ada alternatif lain
menggunakan uji Non Parametrik kecuali distribusi populasi diketahui
dengan pasti.
b. Uji Non Parametrik memiliki asumsi yang lebih sedikit berkaitan dengan data
dan mungkin lebih relevan pada situasi tertentu. Hipotesis yang diuji dengan
Non Parametrik mungkin lebih sesuai dengan tujuan penelitian.
3
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
c. Uji Non Parametrik dapat digunakan untuk menganalisis data secara inheren
yaitu data yang berbentuk rangking.
d. Uji Non Parametrik cocok untuk menguji data yang bersifat klasifikasi atau
kategorikal atau skala nominal.
e. Uji statistik Non Parametrik yang cocok untuk menguji sampel yang berasal
dari observasi yang diambil dari populasi yang berbeda.
f. Uji Non Parametrik umumnya mudah digunakan dan dipelajari dari pada uji
Parametrik.
3
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Analisis statistika bertujuan untuk mengetahui apakah ada hubungan antara dua
atau lebih peubah. Bila hubungan demikian ini dapat dinyatakan dalam bentuk
3
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
rumus matematik, maka kita akan dapat menggunakannya untuk keperluan
4
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Bila terdapat suatu data yang terdiri atas dua atau lebih variabel, adalah
sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu saling
berhubungan dan saling mempengaruhi satu sama lain. Hubungan yang didapat
pada umumnya dinyatakan dalam bentuk persamaan matematik yang menyatakan
hubungan fungsional antara variabel-variabel. Studi yang menyangkut masalah ini
dikenal dengan analisis regresi.
4
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
A. Regrasi Linier
4
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
dalam satu variabel berdasarkan kecenderungan pola dalam variabel yang lain.
4
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Maksudnya, ketika satu variabel memiliki kecenderungan untuk naik maka kita
melihat kecenderungan dalam variabel yang lain apakah juga naik atau turun atau
tidak menentu, jika kecenderungan dalam satu variabel selalu diikuti oleh
kecenderungan dalam variabel lain, kita dapat mengatakan bahwa kedua variabel
ini memiliki hubungan atau korelasi, berbeda jika data hasil pengamatan terdiri
dari banyak variabel, korelasi menyatakan beberapa kuat hubungan antara-antara
variabel itu terjadi, dalam kata lain perlu ditentukan derajat hubungan antara
variabel-variabel. Studi yang membahas tentang derajat hubungan antara variabel-
variabel dikenal dengan nama korelasi. Ukuran yang dipakai untuk mengetahui
derajat hubungan, terutama untuk data kuantitatif dinamakan koefisien korelasi.
Korelasi yang menyatakan tingkat hubungan variabel bebas dan variabel terikat
dapat dibedakan berdasarkan banyaknya variabel bebas yang mempengaruhi nilai
dari variabel terikat.
A. Korelasi Linier
4
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
4
BAB III
Studi Literatur
Pengumpulan Data
Statistika Deskriptif Teori Probabilias Distribusi Probabilitas Statistik Parametrik Analisis Korelasi dan
dan Non-Parametrik Regresi
Studidan
kasus 1 percobaan Binomial bingo.
pemutaran dan Hipergeometrik: Percobaan pengambilan
Pengukuran panjang bola pingpong.
dan lebar balok.
1. Data berat badan (data diskrit) tinggi badan pasien (data kontinu) 30 data nilai praktikum (regresi sederhana).
puskesmas XYZ Studi kasus 2 kombinasi danPoisson dan Eksponensial: Pengamatan
permutasi. banyaknya
Pengukuran beratpengunjung dan34
banyaknya pengantre.
data X1, X2, X3 dan Y (regresi berganda).
sebanyak 50 data. detergen.
Pengukuran diameter
bola sampel 1, 2 dan 3.
Pengolahan Data
Statistika Deskriptif Teori Probabilitas Distribusi Probabilitas Statistik Parametrik Analisis Korelasi
dan Non-Parametrik dan Regresi
1. Perhitungan mean, median dan
Menghitung
modus. Perhitungan
probabilitaskuartil,
irisan,Melakukan
union
desil dan
danpersentil.
kejadian Menguji
pengolahan bersyaratnormalitas
studi kasus1.
dataPengujian
menggunakan data menggunakan
distribusi
hipotesis skewness,
probabilitas
pada data panjang variansi,
binomial
Penyelesaian
dan lebardan
studi
balok standar
kasus serta deviasi
regresi
berat dan simpangan ku
sederhana.
detergen.
Menghitung permutasi dan kombinasi studi kasus
hipergeometrik serta2.poissonPengujian
dan eksponensial.
hipotesis menggunakan
Penyelesaian
beberapa studi
metodekaus
terhadap
regresidata
berganda.
pengukuran diamete
Teori antrian pada distribusi poisson dan eksponensial. Menarik
kesimpulan regresi sederhana dan regresi berganda
Analisis
41
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Pengumpulan data pada modul Statistika Deskriptif yaitu 50 data tinggi badan dan
50 data berat badan pasien puskesmas XYZ. Data tinggi badan merupakan data
diskrit, sedangkan data berat badan merupakan data kontinu. Pengumpulan data
diberikan oleh instruktur saat praktikum sedang berlangsung di laboratorium
Sistem Informasi dan Keputusan.
Pengumpulan data pada modul Teori Probabilitas yaitu studi kasus mengenai
peluang suatu kejadian (irisan, union dan kejadian bersyarat) serta studi kasus
mengenai permutasi dan kombinasi. Studi kasus mengenai peluang suatu kejadian
merupakan hasil percobaan pemutaran bingo yang dilakukan sebanyak 40 kali,
sedangkan studi kasus mengenai permutasi dan kombinasi merupakan
permasalahan-permasalahaan yang perlu dipecahkan.
Pengumpulan data pada modul Binomial dan Hipergeometrik yaitu hasil dari
percobaan pengambilan bola pingpong untuk mendapatkan bola berwarna kuning.
4
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Pengumpulan data pada modul Regresi dan Korelasi terbagi kedalam 2 bagian,
yakni regresi sederhana dan regresi berganda. Data regresi sederhana merupakan
data nilai praktikum (variabel bebas) dan mortum (variabel terikat) sebanyak 30
data. Data regresi berganda terbagi kedalam 3 variabel bebas, yaitu 𝑋1, 𝑋2 dan 𝑋3
dan variabel terikat 𝑌. Pengumpulan data pada modul Regresi dan Korelasi ini
diberikan oleh instruktur.
4
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Pengolahan data pada modul Statistika Deskriptif ini yaitu dengan menambahkan
NPM pada masing-masing data yang telah tersedia. Pengolahan data selanjutnya
yaitu dengan menghitung ukuran rata-rata, ukuran letak dan ukuran penyebaran
data terhadap masing-masing data, yaitu data diskrit dan data kontinu.
Pengolahan data pada modul Teori Probabilitas ini yaitu dengan menambahkan
NPM pada masing-masing data yang telah terkumpul sebelumnya. Pengolahan
data yang selanjutnya yaitu menyelesaikan studi kasus ke-1 yaitu mengenai
peluang terhadap kejadian pemutaran bingo. Peluang kejadian terbagi kedalam 3
jenis, yaitu peluang irisian, peluang gabungan (union) dan peluang kejadian
bersyarat. Penyelesaian studi kasus ke-2 yaitu dengan melakukan perhitungan
menggunakan rumus permutasi dan kombinasi.
Pengolahan data pada modul Binomial dan Hipergeometrik ini yaitu dengan
melakukan penambahan angka (+2) pada data binomial dan data hipergeometrik.
Pengolahan data selanjutnya yaitu dengan menghitung proporsi masing-masing
perocobaan pengambilan bola pingpong dan jumlah kejadian sukses. Hasil akhir
dari pengolahan data distribusi binomial yaitu mendapatkan probabilitas dari
masing-masing kejadian sukses (n = 6). Begitu juga dengan pengolahan data pada
distribusi hipergeometrik, hasil akhir yang didapatkan yaitu probabilitas masing-
masing kejadian sukses (n = 8).
Pengolahan data pada modul Poisson dan Eksponensial ini yaitu dengan
melakukan penambahan angka (+4) terhadap masing-masing data poisson (3
menit dan 5 menit). Pengolahan data selanjutnya yaitu dengan menghitung
distribusi frekuensi
4
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Pengolahan data pada modul Statistik Parametrik dan Non-Parametrik ini yaitu
dengan menambahkan angka (+0,31) terhadap masing-masing objek yang diukur,
seperti panjang balok, lebar balok dan berat detergen. Pengolahan data selanjutnya
yaitu dengan melakukan uji hipotesis dan melakukan penarikan kesimpulan.
Pengolahan data untuk diameter bola sebanyak 3 kelompok sampel yaitu dengan
melakukan uji hipotesis menggunakan beberapa metode seperti Kolmogorov-
Smirnov, Uji Tanda, Uji Dwi Wilcoxon dan Uji Kruskal Wallis. Penarikan
kesimpulan menjadi hal yang penting pada masing-masing pengujian yang
dilakukan.
Pengolahan data pada modul Regresi dan Korelasi ini yaitu dengan menambahkan
NPM (+31) pada masing-masing data, yaitu data regresi sederhana dan data
regresi berganda. Pengolahan data untuk regresi sederhana yaitu dengan
melakukan perhitungan koefisien korelasi dan koefisien determinasi yang
bertujuan untuk mengetahui apakah variabel bebas dan variabel terikat terdapat
hubungan atau tidak. Pengolahan data pada regresi berganda yaitu dengan dengan
menentukan persamaan linier regresi berganda melalui metode eliminasi dan
substitusi terhadap beberapa persamaan. Hasil akhir yang akan didapatkan yaitu
koefisien korelasi dan koefisien determinasi. Koefisien korelasi akan
menunjukkan seberapa kuat hubungan antara variabel bebas dan variabel terikat,
sedangkan koefisien determinasi akan menunjukkan proporsi persentase
kontribusi dari variabel bebas terhadap variabel terikat.
4
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
3.2.4 Analisis
Analisis diperoleh dari pengerjaan setiap modul tersebut. Analisis berisikan hasil
dari pengolahan data. Hasil pengolahan data tersebut pada tahapan analisis ini
dikaji lebih lanjut. Artinya pada analisis, hasil pengolahan data diuraikan
berdasarkan penyebabnya melalui komponen penyusunnya. Berdasarkan analisis
yang telah dibuat dapat dilihat pemahaman materi dari setiap praktikan dalam
mengejakan setiap modul yang diberikan.
Kesimpulan pada laporan akhir ini dibuat guna memenuhi harapan dari tujuan
yang ada. Kesimpulan yang dibuat berdasar pada pembuktian yang diperoleh dari
hasil kegiatan praktikum yang telah dijalani. Saran yang dibuat mejadi pendapat
dari praktikan untuk dilaksanakan. Saran dari praktikan dapat menjadi cara untuk
mengatasi permasalahan atau kelemahan yang ada.
4
BAB IV
Puskesmas XYZ mengambil data untuk berat badan dan tinggi badan kepada 50
pasiennya. Data tersebut adalah sebagai berikut:
47
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Hasil yang telah diperoleh dari penelitian data peluang didapatkan hasil sebagai
berikut:
1. Nilai peluang
2. Operasi himpunan irisan
3. Operasi himpunan union atau gabungan
4. Kejadian bersyarat
4
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
4
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
5
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
5
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
5
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
5
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
B. Berat Detergen
5
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
5
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
A. Regresi Sederhana
Berdasarkan pengumpulan data yang telah dilakukan, berikut ini 30 data nilai
praktikum yang telah disajikan kedalam Tabel 4.13 sebagai berikut:
5
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
B. Regresi Berganda
Berdasarkan pengumpulan data yang telah dilakukan, berikut ini 34 data yang telah
disajikan kedalam Tabel 4.14 sebagai berikut:
No X1 X2 X3 Y
1 65 71 75 40
2 73 47 78 42
3 62 58 90 48
4 64 55 30 38
5 62 65 45 30
6 73 65 75 52
7 68 51 41 48
8 57 41 45 26
9 65 61 81 44
10 63 45 75 46
11 67 53 55 40
12 51 41 61 40
13 65 65 50 38
14 64 63 51 46
15 70 55 50 40
16 67 61 99 62
17 65 63 91 44
18 69 70 75 66
19 62 61 75 46
20 70 43 61 42
21 67 55 82 50
22 61 42 75 42
23 70 55 45 36
24 67 70 92 48
25 71 43 81 36
26 71 42 55 38
27 65 63 94 40
28 63 50 82 44
29 65 51 75 40
30 69 45 55 30
31 71 62 45 64
32 67 71 71 38
33 65 65 95 36
34 63 66 91 48
Jumlah 2237 1914 2341 1468
(Sumber: Pengumpulan Data)
5
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Tabel 4. 15 Data Berat Badan dan Tinggi Badan Setelah Ditambah NPM
Jenis Tinggi Berat Jenis Tinggi Berat
No. No.
Kelamin Badan Badan Kelamin Badan Badan
1 Perempuan 207 56,65 26 Perempuan 197 62,94
2 Perempuan 210 48,93 27 Perempuan 159 87,35
3 Perempuan 191 70,63 28 Perempuan 202 65,67
4 Perempuan 182 70,49 29 Laki-laki 197 56,34
5 Laki-laki 192 37,89 30 Laki-laki 183 83,3
6 Perempuan 190 86,46 31 Perempuan 201 41,29
7 Perempuan 182 68,96 32 Laki-laki 206 55,79
8 Perempuan 186 56,76 33 Laki-laki 177 56,66
9 Perempuan 189 87,66 34 Laki-laki 187 62,5
10 Perempuan 183 72,56 35 Perempuan 191 74,85
11 Laki-laki 196 59,99 36 Perempuan 186 58,42
12 Laki-laki 190 63,71 37 Laki-laki 199 56,24
13 Laki-laki 210 80,25 38 Perempuan 203 95,04
14 Perempuan 197 26,37 39 Perempuan 192 64,81
15 Perempuan 204 48,48 40 Laki-laki 193 53,43
16 Laki-laki 186 77,77 41 Perempuan 218 55,94
17 Laki-laki 200 66,34 42 Laki-laki 198 59,71
18 Laki-laki 201 86,28 43 Perempuan 177 67,63
19 Laki-laki 195 83,97 44 Laki-laki 213 68,89
20 Perempuan 195 76,98 45 Laki-laki 186 65,32
21 Laki-laki 177 79,88 46 Perempuan 203 54,5
22 Laki-laki 192 68,92 47 Laki-laki 212 84,7
23 Laki-laki 182 63,98 48 Laki-laki 166 73,52
24 Laki-laki 207 47,7 49 Laki-laki 190 64,52
25 Laki-laki 201 76,74 50 Laki-laki 201 78,11
(Sumber: Pengolahan Data)
5
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Kelas Interval Fi FK M TB TA Fi x M Lb La
𝑀1 = 𝐿𝑏 + 𝐿𝑎
2
158 + 166
= 2
324
= = 162
2
B. Titik Bawah
𝑇𝐵1 = 𝐿𝑏 − 0,5
= 158 − 0,5
= 157,5
5
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
C. Titik Atas
𝑇𝐴1 = 𝐿𝑎 + 0,5
= 166 + 0,5
= 166,5
A. Mean
∑ 𝐹𝑖 × 𝑀
𝑋̅ = 𝑁
(2 × 162) + (0 × 171) + (8 × 180) + ⋯ + (3 × 216)
= 50
(324) + (0) + (1440) + ⋯ + (648)
= 50
9675
= = 193,50
50
B. Median
Karena jumlah data adalah 50, maka median data terletak pada data ke-25
dan data ke-26. Dapat diketahui bahwa median terletak pada kelas interval
ke empat, yaitu kelas interval 185-193.
1
( 𝑛 − ∑ 𝐹3 )
2
𝑀𝑒 = 𝑇𝑏 + 9
𝐹𝑚𝑒𝑑
1
( 50 − 10)
2
= 184,5 + 9
15
(25 − 10)
= 184,5 + 9
15
(15)
= 184,5 + 9
15
= 184,5 + 9(1)
= 184,5 + 9
= 193,5
C. Modus
Modus terletak pada kelas interval ke empat (185-193) karena kelas
tersebut memiliki frekuensi terbanyak yaitu 15.
6
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
𝑑1
𝑀𝑜 = 𝑇𝑏 + 𝑖
𝑑1 + 𝑑2
(15 − 8)
= 184,5 + 9
(15 − 8) + (15 − 14)
7
= 184,5 + 9
7+1
7
= 184,5 + 9
8
= 184,5 + 9(0,88)
= 184,5 + 7,92
= 192,42
A. Kuartil
𝐿𝑒𝑡𝑎𝑘 𝑄 = 1 𝑛
1 4
= 1 50 = 12,5
4
6
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
3
𝐿𝑒𝑡𝑎𝑘 𝑄3 = 𝑛
4
3
=
50 = 37,5
4
Letak 𝑄3 pada interval ke 5 yaitu 194-202, maka:
𝑛
𝑁− 𝐹
12,5
𝑄 = 𝑇𝑏 + 𝑖 [ 4 ] = 193,5 + 9 ]
3 𝑓 14
[
3
50−25
= 193,5 + 9 [ 4 ] = 193,5 + 9 (0,89)
14
= 193,5 + 8,01
= 193,5 + 9 [ 37,5−25
]
14 = 201,51
B. Desil
Tabel 4. 18 Letak Desil Data Diskrit
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
Letak 5 10 15 20 25 30 35 40 45 50
Kelas 3 3 4 4 4 5 5 6 6 7
1
𝐿𝑒𝑡𝑎𝑘 𝐷1 𝑛 =
10
1
= 50 = 5
10
Letak 𝐷1 pada interval ke 3 yaitu 176-184, maka:
𝑛
𝑁−𝐹 3
𝐷 = 𝑇𝑏 + 𝑖 [ 10
] = 175,5 + 9 [ ]
1 𝑓 8
1
50−2
= 175,5 + 9 [ 10 ] = 175,5 + 9 (0,38)
8
= 175,5 + 3,42
= 175,5 + 9 [ 5−2
] = 178,92
8
6
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
𝑛 3
𝑁−𝐹 𝑁−𝐹
10 10
𝐷2 = 𝑇𝑏 + 𝑖 [ ] 𝐷3 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
2 3
50 − 2 50 − 10
10 10
= 175,5 + 9 [ ] = 184,5 + 9 [ ]
8 15
10 − 2 15 − 10
= 175,5 + 9 [ = 184,5 + 9 [
] ]
88 15
= 175,5 + 9 [ ] 5
16 = 184,5 + 9 [ ]
= 175,5 + 9 (0,5) 15
= 184,5 + 9 (0,33)
= 175,5 + 4,5
= 184,5 + 2,97
= 180 = 187,47
4 5
𝑁−𝐹 𝑁−𝐹
10 10
𝐷4 = 𝑇𝑏 + 𝑖 [ ] 𝐷5 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
4 5
50 − 10 50 − 10
10 10
= 184,5 + 9 [ ] = 184,5 + [ ]
15 15
20 − 10 25 − 10
= 184,5 + 9 [ = 184,5 + [ ]
] 15
15 15
10 = 184,5 + [
= 184,5 + 9 [ ] ]
15 15
= 184,5 + 9 (0,67) = 184,5 + (1)
= 184,5 + 6,03 = 184,5 + 9
= 190,53 = 193,5
6 7
𝑁−𝐹 𝑁−𝐹
10 10
𝐷6 = 𝑇𝑏 + 𝑖 [ ] 𝐷7 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
6 7
50 − 25 50 − 25
10 10
= 193,5 + 9 [ ] = 193,5 + 9 [ ]
14 14
30 − 25 35 − 25
= 193,5 + 9 [ = 193,5 + 9 [ ]
] 14
14 10
5 = 193,5 + 9 [
= 193,5 + 9 [ ] ]
14
14
= 193,5 + 9 (0,71)
= 193,5 + 9 (0,36)
= 193,5 + 3,24 = 193,5 + 6,39
= 196,74 = 199,89
6
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
8 9
𝑁−𝐹 𝑁−𝐹
10 10
𝐷8 = 𝑇𝑏 + 𝑖 [ ] 𝐷9 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
8 9
50 − 39 50 − 39
10 10
= 202,5 + 9 [ ] = 202,5 + 9 [ ]
8 9
40 − 39 45 − 40
= 202,5 + 9 [ = 202,5 + 9 [ ]
] 8
1 8 5
= 202,5 + 9 [ = 202,5 + 9 [
] ]
8 8
= 202,5 + 9 (0,13) = 202,5 + 9 (0,63)
= 202,5 + 1,17 = 202,5 + 5,67
= 203,67 = 208,17
10
𝑁−𝐹
10
𝐷10 = 𝑇𝑏 + 𝑖 [ ]
𝑓
10
50 − 47
10
= 211,5 + 9 [ ]
3
50 − 47
[
3
= 211,5 + 9 [
3]
= 211,5 + 9 (1)
= 211,5 + 9
= 220,5
Tabel 4. 19 Hasil Perhitungan Desil Data Diskrit
Desil Data ke- Data Nilai
D1 5 177,5 178,92
D2 10 183,6 180
D3 15 187,6 187,47
D4 20 191 190,53
D5 25 194 193,5
D6 30 197 196,74
D7 35 201 199,89
D8 40 203 203,67
D9 45 209,7 208,17
D10 50 218 220,5
(Sumber: Pengolahan Data)
6
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
C. Persentil
10 25
𝐿𝑒𝑡𝑎𝑘 𝑃 = 𝑛 𝐿𝑒𝑡𝑎𝑘 𝑃 = 𝑛
10
100 25
100
10 25
= 50 = 5 = 50 = 12,5
100 100
Letak 𝑃10 pada interval ke 3 yaitu Letak 𝑃25 pada interval ke 4 yaitu
176-184, maka: 185-193, maka:
10 25
100 𝑁 − 𝐹 100 𝑁 − 𝐹
𝑃10 = 𝑇𝑏 + 𝑖 [ ] 𝑃25 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
10 25
50 − 2 50 − 10
100 1 00
= 175,5 + 9 [ ] = 184,5 + 9 [ ]
8 15
5−2 12,5 − 10
= 175,5 + 9 [ = 184,5 + 9 [ ]
] 15
38
= 175,5 + 9 [ 2,5
] = 184,5 + 9 [ ]
8 15
= 175,5 + 9 (0,36) = 184,5 + 9 (0,17)
= 175,5 + 3,24 = 178,74 = 184,5 + 1,53 = 186,03
50 75
𝐿𝑒𝑡𝑎𝑘 𝑃 = 𝑛 𝐿𝑒𝑡𝑎𝑘 𝑃 = 𝑛
50
100 75
100
50 75
= 50 = 25 = 50 = 37,5
100 100
Letak 𝑃50 pada interval ke 4 yaitu Letak 𝑃75 pada interval ke 5 yaitu
185-193, maka: 194-202, maka:
50 75
100 𝑁 − 𝐹 100 𝑁 − 𝐹
𝑃50 = 𝑇𝑏 + 𝑖 [ ] 𝑃75 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
50
50 − 10 75
100 50 − 25
= 184,5 + 9 [ ] 100
15 = 193,5 + 9 [ ]
14
25 − 10
= 184,5 + 9 [ 37,5 − 25
= 193,5 + 9 [
]
15 ]
15
= 184,5 + 9 [ 12,514
] = 193,5 + 9 [
15 ]
= 184,5 + 9 (1) 14
= 184,5 + 9 = 193,5 + 9 (0,89)
= 193,5 = 193,5 + 8,01
= 201,51
6
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
𝐿𝑒𝑡𝑎𝑘 𝑃90 90
= 100 𝑛
90
= 100 50 = 45
Letak 𝑃90 pada interval ke 6 yaitu 203-211, maka:
90
𝑁−𝐹
𝑃 = 𝑇𝑏 + 𝑖 [ 100 ]
9 𝑓
90
100 50 −
= 202,5 + 9 [ ]
8
45 − 39
= 202,5 + 9 [ ]
8
6
= 202,5 + 9 [
8]
= 202,5 + 9 (0,75)
= 202,5 + 6,75 = 209,25
Tabel 4. 20 Hasil Perhitungan Persentil
Persentil Data ke- Data Nilai
A. Variansi
∑(𝑋 − 𝑋̅ )2
𝑆= 𝑁−1
(162−193,50)2 +(171−193,50)2 +(180−193,50)2 +⋯+(216−193,50)2
= 50−1
(−31,50)2 +(−22,50)2+(−13,50)2 +⋯+(22,50)2
= 49
(992,25)+(506,25)+(182,25)+⋯+(506,25)
= 49
2409,75
= 49
= 49,18
6
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
B. Standar Deviasi
𝜎 = √𝑆
= √49,18 = 7,01
C. Skewness
𝑛 3
𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠 = ∑ 𝑋𝑖 − 𝑋̅
( (𝑛 − 1)(𝑛 − 2)
)
𝑆
3 50 −31,50 3
= (( 3−22,50 3−13,50 22,50
)
(50−1)(50−2) 7,01 +( +( + ⋯ + ( )
) 7,01 7,01 7,01
) )
50
= (49)(48) ((−4,49)3 + (−3,21)3 + (−1,93)3 + ⋯ + (3,21)3)
50
= 2352 ((−90,74) + (−33,07) + (−7,14) + ⋯ + (33,07))
50
= 2352 (−90,74)
= 0,02(−90,74)
= −1,81 (Distribusi data miring ke kiri)
D. Simpangan Kuartil
1
𝑑2 = (𝑄3 − 𝑄1)
× 2
1 ( )
= 201,51 − 186,03
×2
1 ( )
= × 15,48 = 7,74
2
4. Grafik Histogram
GRAFIK HISTOGRAM
16 15
14
14
12
10 8
8
Frekue
8
6
4 Tinggi Badan
2 3
2
0
0
158-166 167-175 176-184 185-193 194-202 203-211 212-220
Interval
6
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Gambar 4. 1 Grafik Histogram Data Diskrit
(Sumber: Pengolahan Data)
6
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
6. Grafik Ogive
GRAFIK OGIVE
60 50
50 48 48 47
40 40 39
30
20 25
Frekuensi
10 FK<
0 10 11
FK>
2 2 3 0
158-166167-175176-184185-193194-202203-211212-220
Interval
6
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
B. Banyak Kelas
∑ 𝐾 = 1 + 3,32 × 𝐿𝑜𝑔(𝑁)
= 1 + 3,32 × 𝐿𝑜𝑔(50)
= 1 + 3,32 × 1,70
= 1 + 5,64
= 6,64 ≈ 7
C. Interval
𝑅
𝑖=
∑𝐾
68,67
= 6,64
= 10,34
6
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
C. Titik Atas
𝑇𝐴1 = 𝐿𝑎 + 0,05
= 36,61 + 0,05 = 36,615
A. Mean
∑ 𝐹𝑖 × 𝑀
𝑋̅ = 𝑁
(1×31,535)+(2×41,875)+(12×52,215)+⋯+(1×93,575)
= 50
(31,535) + (83,75) + (626,58) + ⋯ + (93,575)
=
50
3282,85
= = 65,657
50
B. Median
Karena jumlah data adalah 50, maka median data terletak pada data ke-25
dan data ke-26. Dapat diketahui bahwa median terletak pada kelas interval
ke empat, yaitu kelas interval 57,39-67,72.
1
( 𝑛 − ∑ 𝐹3 )
2
𝑀𝑒 = 𝑇𝑏 + 𝑖
𝐹𝑚𝑒𝑑
1
( 50−15)
= 57,385 + 10,34 2
13
(10)
= 57,385 + 10,34
13
= 57,385 + 10,34 (0,77)
= 57,385 + 7,96 = 65,345
C. Modus
Modus terletak pada kelas interval ke empat (57,39-67,72) karena kelas
tersebut memiliki frekuensi terbanyak yaitu 13.
𝑑1
𝑀𝑜 = 𝑇𝑏 + 𝑖
𝑑1 + 𝑑2
(13 − 12)
= 57,385 + 10,34
(16 − 12) + (13 − 11)
1
= 57,385 + 10,34
1+2
1
= 57,385 + 10,34
3
= 57,385 + 10,34 (0,33)
= 57,385 + 3,41 = 60,795
7
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
A. Kuartil
Letak 𝑄1 pada interval ke 3 Letak 𝑄2 pada interval ke 4 yaitu
57,39-67,72, maka:
yaitu 47,05-57,38, maka: 𝑛
𝑁−𝐹
𝑛 4
𝑁−𝐹 𝑄2 = 𝑇𝑏 + 𝑖 [ ]
4 𝑓
𝑄1 = 𝑇𝑏 + 𝑖 [ ] 2
𝑓 50 − 15
1 4
50 − 3 = 57,385 + 10,34 [ ]
4 13
= 47,045 + 10,34 [ ]
12 25 − 15
= 57,385 + 10,34 [ ]
12,5 − 3 13
= 47,045 + 10,34 [ ] 10
12 = 57,385 + 10,34 [ ]
9,5 13
= 47,045 + 10,34 [ ] = 57,385 + 10,34 (0,77)
12
= 47,045 + 10,34 (0,16) = 57,385 + 7,96
= 47,045 + 0,79 = 65,345
= 47,83
= 76,615
7
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
B. Desil
Letak 5 10 15 20 25 30 35 40 45 50
Kelas 3 3 3 4 4 5 5 6 6 7
= 49,63 = 52,745
3 4
𝑁−𝐹 𝑁−𝐹
10 10
𝐷3 = 𝑇𝑏 + 𝑖 [ ] 𝐷4 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
3 4
50−3 50−15
= 47,045 + 10,34 [ 10
] = 57,385 + 10,34 [ 10
]
12 13
15 − 3
= 47,045 + 10,34 [ = 57,385 + 10,34 [ 20−15]
13
]
12 5
12 = 57,385 + 10,34 [ ]
= 47,045 + 10,34 [ ] 13
12
= 57,385 + 10,34 (0,38)
= 47,045 + 10,34 (1)
= 57,385 + 3,93
= 47,045 + 10,34
= 61,315
= 57,385
7
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
5 6
𝑁−𝐹 𝑁−𝐹
10 10
𝐷5 = 𝑇𝑏 + 𝑖 [ ] 𝐷6 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
5 6
50−15 50−28
= 57,385 + 10,34 [ 10
] = 67,725 + 10,34 [ 10
]
13 11
7 8
𝑁−𝐹 𝑁−𝐹
10 10
𝐷7 = 𝑇𝑏 + 𝑖 [ ] 𝐷8 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
7 8
50−28 50−39
= 67,725 + 10,34 [ ] 10
= 78,065 + 10,34 [ ] 10
11 10
35 − 28 40 − 39
= 67,725 + 10,34 [ = 78,065 + 10,34 [
] ]
11 10
7 = 78,065 + 10,34 [ 1 ]
= 67,725 + 10,34 [ ] 10
11 = 78,065 + 10,34 (0,1)
= 67,725 + 10,34 (0,64)
= 78,065 + 1,03
= 67,725 + 6,62
= 74,345 = 79,095
9 10
10
𝑁−𝐹 10 𝑁 − 𝐹
𝐷9 = 𝑇𝑏 + 𝑖 [ ] 𝐷10 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
10
9 50−49
50−39 = 88,405 + 10,34 [10 ]
= 78,065 + 10,34 [ 10
] 1
10
50 − 49
45 − 39 = 88,405 + 10,34 [ ]
= 78,065 + 10,34 [ ]
10 1 1
6 = 88,405 + 10,34 [
= 78,065 + 10,34 [ ] ]
1
10
= 88,405 + 10,34 (1)
= 78,065 + 10,34 (0,6)
= 88,405 + 10,34
= 78,065 + 6,20
= 84,265 = 98,745
7
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
C. Persentil
10 25
𝐿𝑒𝑡𝑎𝑘 𝑃 = 𝑛 𝐿𝑒𝑡𝑎𝑘 𝑃 = 𝑛
10
100 25
100
10 25
= 50 = 5 = 50 = 12,5
100 100
Letak 𝑃10 pada interval ke 3 yaitu Letak 𝑃25 pada interval ke 4 yaitu
47,05-57,38, maka: 47,05-57,38, maka:
10 25
1 00 𝑁 − 𝐹
100 𝑁 − 𝐹 𝑃25 = 𝑇𝑏 + 𝑖 [ ]
𝑃10 = 𝑇𝑏 + 𝑖 [ ] 𝑓
𝑓
10 25
50−3 50−3
= 47,045 + 10,34 [ 100
] = 47,045 + 10,34 [ 100
]
12 12
7
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
50 75
𝐿𝑒𝑡𝑎𝑘 𝑃 =𝑛 𝐿𝑒𝑡𝑎𝑘 𝑃 = 𝑛
50
100 75
100
50 75
= 50 = 25 = 50 = 37,5
100 100
Letak 𝑃50 pada interval ke 4 yaitu Letak 𝑃75 pada interval ke 5 yaitu
57,39-67,72, maka: 67,73-78,06, maka:
50 75
100 𝑁 − 𝐹 100 𝑁 − 𝐹
𝑃50 = 𝑇𝑏 + 𝑖 [ ] 𝑃75 = 𝑇𝑏 + 𝑖 [ ]
𝑓 𝑓
50 75
50−15 50−28
= 57,385 + 10,34 [ 100
] = 67,725 + 10,34 [ 100
]
13 11
90
𝐿𝑒𝑡𝑎𝑘 𝑃 =𝑛
90
100
90
= 50 = 45
100
Letak 𝑃90 pada interval ke 6 yaitu
78,07-88,40, maka:
90
𝑁−𝐹
𝑃90 = 𝑇𝑏 + 𝑖 [100 ]
𝑓
90
50−39
= 78,065 + 10,34 [ 100
]
10
7
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
∑(𝑋 − 𝑋̅ )2
𝑆=
𝑁−1
(31,535−66,657)2 +(41,875−66,657)2 +(52,215−66,657)2 +⋯+(93,575−66,657)2
= 50−1
B. Standar Deviasi
𝜎 = √𝑆
= √63,50
= 7,79
C. Skewness
𝑛 3
𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠 = ∑ 𝑋𝑖 − 𝑋̅
( (𝑛 − 1)(𝑛 − 2)
)
𝑆
3 50 −35,12 3
= (( 3−24,78 3−14,44 26,92
)
(50−1)(50−2) 7,79 +( +( +⋯+( )
) 7,79 7,79 7,79
) )
50
= (49)(48) ((−4,51)3 + (−3,18)3 + (−1,85)3 + ⋯ + (3,46)3)
7
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
50
= 2352 ((−91,65) + (−32,20) + (−6,37) + ⋯ + (41,26))
50
= 2352 (−78,95)
= 0,02(−78,95)
GRAFIK POLIGON
16
18
16
14 10
12 9
Frekue
10 7
8 5
6 2
1
4 Berat Badan
2
0
Interval
7
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
6. Grafik Ogive
GRAFIK OGIVE
39 49 50
60 28
49 47 15 35
40 3
FREKUEN
1 22
20 11
0 1 0
SI
INTERVAL
FK< FK>
a) Kiri Ganjil
Diketahui:
82
𝑃(𝐴) =
164
44
𝑃(𝐶|𝐴) =
82
𝑃(𝐴 ∩ 𝐶) = 𝑃(𝐴) × 𝑃(𝐶 |𝐴)
7
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
82
= 164 44
× 82
3608
= 13448 = 44
164
b) Kanan Ganjil
Diketahui:
82
𝑃(𝐵) =
164
40
𝑃(𝐶|𝐵) =
82
𝑃(𝐵 ∩ 𝐶) = 𝑃(𝐵) × 𝑃(𝐶 |𝐵)
82
= 164 40
× 82
3280
= 13448 = 40
164
c) Kiri Genap
Diketahui:
82
𝑃(𝐴) =
164
38
𝑃(𝐷|𝐴) =
82
𝑃(𝐴 ∩ 𝐷) = 𝑃(𝐴) × 𝑃(𝐷|𝐴)
82
= 164 38
× 82
3116
= 13448 = 38
164
d) Kanan Genap
Diketahui:
82
𝑃(𝐵) =
164
42
𝑃(𝐷|𝐵) =
82
𝑃(𝐵 ∩ 𝐷) = 𝑃(𝐵) × 𝑃(𝐷|𝐵)
82
= 164 42
× 82
3444
= 13448 = 42
164
7
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
a) Kiri Ganjil
Diketahui:
82
𝑃(𝐴) = 𝑃(𝐴 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐶) − 𝑃(𝐴 ∩ 𝐶)
164 82 84 44
84 = + −
𝑃(𝐶) = 164 164 164
164
44 122
𝑃(𝐴 ∩ 𝐶) = = 164
164
b) Kanan Ganjil
Diketahui:
82 40
𝑃(𝐵) = 𝑃(𝐵 ∩ 𝐶) =
164 164
84
𝑃(𝐶) =
164 𝑃(𝐵 ∪ 𝐶) = 𝑃(𝐵) + 𝑃(𝐶) − 𝑃(𝐵 ∩ 𝐶)
82 84 40 126
= 164 + 164 − 164 = 164
c) Kiri Genap
Diketahui:
82 38
𝑃(𝐴) = 𝑃(𝐴 ∩ 𝐷) =
164 164
80
𝑃(𝐷) = 𝑃(𝐴 ∪ 𝐷) = 𝑃(𝐴) + 𝑃(𝐷) − 𝑃(𝐴 ∩ 𝐷)
164 82 80 38 124
= + − =
164 164 164 164
a) Kanan Genap
Diketahui:
82
𝑃(𝐵) = 𝑃(𝐵 ∪ 𝐷) = 𝑃(𝐵) + 𝑃(𝐷) − 𝑃(𝐵 ∩ 𝐷)
164 82 80 42
80 = + −
𝑃(𝐷) = 164 164 164
164
42 120
𝑃(𝐵 ∩ 𝐷) = = 164
164
8
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
4. Kejadian Bersyarat
𝑃(𝐴∩𝐶) 𝑃(𝐴∩𝐷)
(𝐴|𝐶) = 𝑃(𝐶) (𝐴|𝐷) = 𝑃(𝐷)
44 38
164 44 164 164 38 164
= 84 = 164× 84 = 80 = 164× 80
164 164
7216 44 6232 38
= 13776= 84 = 13120= 80
b) Kanan Ganjil d) Kanan Genap
Diketahui: Diketahui:
40 42
𝑃(𝐵 ∩ 𝐶) = 𝑃(𝐵 ∩ 𝐷) =
164 164
𝑃(𝐶) = 84 𝑃(𝐷) = 80
164 164
𝑃(𝐵∩𝐶) 𝑃(𝐵∩𝐷 )
(𝐵|𝐶) = 𝑃(𝐶) (𝐵|𝐷) = 𝑃(𝐷)
40 42
164 40 164 164 42 164
= 84 = 164× 84 = 80 = 164× 80
164 164
6560 40 6888 42
= 13776= 84 = 13120= 80
8
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Berdasarkan studi kasus 2 di atas, telah diperoleh data yang telah ditambahkan
NPM (0515101031) sebagai berikut:
b) Permutasi Menyeluruh
𝑛𝑃𝑟 = 𝑛!
51 𝑃 = 51!
= 1,551119 × 1066
c) Permutasi Keliling
𝑃 = (𝑛 − 1)!
= (51 − 1)!
= 50! = 3,04141 × 1062 cara
8
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
8
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
x
Kumulatif
0 1 1 0,004 0,004 0,004
1 6 0,61 0,009 0,033 0,037
2 15 0,372 0,023 0,129 0,166
3 20 0,227 0,059 0,269 0,435
4 15 0,138 0,152 0,316 0,751
5 6 0,084 0,39 0,198 0,948
6 1 0,052 1 0,052 1
(Sumber: Pengolahan Data)
F. Probabilitas
1. 𝑃(𝑋 = 0)
Contoh perhitungan:
6!
𝐶06 = (6
− 0)! 0!
8
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
6!
= (6 − 0)! 0!
6!
= 6! 0!
1
= =1
1
𝑝̅ 0 = 0,610
=1
𝑞 6−0 = 0,396
= 0,004
𝑃(𝑋 = 0) = 𝐶𝑛 × 𝑝̅0 × 𝑞6
0
= 1 × 1 × 0,004
= 0,004
2. 𝑃(𝑋 = 1) 3. 𝑃(𝑋 = 2)
8
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
G. Probabilitas Kumulatif
1. 𝑃(𝑋 = 0)
∑ 𝑃(𝑋 = 0) = 𝑃(𝑋 = 0)
𝑥=0
= 0,004
2. 𝑃(𝑋 = 1)
6
∑
𝑥=1 𝑃(𝑋 = 1) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1)
= 0,004 + 0,033
= 0,037
3. 𝑃(𝑋 = 2)
4. 𝑃(𝑋 = 3)
5. 𝑃(𝑋 = 4)
8
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
6. 𝑃(𝑋 = 5)
+ 𝑃(𝑋 = 5)
= 0,004 + 0,033 + 0,129 + 0,269 + 0,316 + 0,198
= 0,949
7. 𝑃(𝑋 = 6)
+ 𝑃(𝑋 = 5) + 𝑃(𝑋 = 6)
= 0,004 + 0,033 + 0,129 + 0,269 + 0,316 + 0,198 + 0,052
= 1,000
8
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
8
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
𝜇 = 𝐸(𝑋) = 𝑛 × 𝑘⁄𝑁
= 8 × 20⁄100
= 1,6
B. Variansi
2
() 𝑘 𝑁−𝑘 𝑁−𝑛
𝜎=𝑉𝑋 =𝑛( )( )( )
𝑁 𝑁 𝑁−1
= 8 20) (1 00 − 20
) (100 − 8
)
(100 100 99
= 8(0,2)(0,8)(0,93)
= 1,1904
x
Kumulatif
0 1 28987537150 186087894300 0,155773 0,155773
1 20 3176716400 186087894300 0,341421 0,497194
2 190 300500200 186087894300 0,306818 0,804012
3 1140 24040016 186087894300 0,147272 0,951284
4 4845 1581580 186087894300 0,041178 0,992463
5 15504 82160 186087894300 0,006845 0,999308
6 38760 3160 186087894300 0,000658 0,999966
7 77520 80 186087894300 0,000033 0,999999
8 125970 1 186087894300 0,000001 1
(Sumber: Pengolahan Data)
8
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
C. Probabilitas
1. 𝑃(𝑋 = 0)
𝑘 𝑁−𝑘
[ 𝑥] [ 𝑛 − 𝑥]
𝑃(𝑋 = 𝑥) = 𝑁
[ ]
𝑛
Contoh perhitungan:
20 20!
[0 ] =(20 − 0)! 0!
20!
= 20!
0! 1
= =1
1
100 − 20 80 80!
[ ]=[ ]=
8− 8 (80 − 8)! 8!
0
80!
= 72! 8!
80 × 79 × 78 × 77 × 76 × 75 × 74 × 73 × 7 2!
= 72! 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1
= 28987537150
100 100!
[8 ](100
= − 8)! 8!
100!
= 92! 8!
100 × 99 × 98 × 97 × 96 × 95 × 94 × 93 × 9 2!
= 92! 8!
= 186087894300
20 100 − 20
[0 ] [ 8 − 0 ]
𝑃(𝑋 = 0) =
100
[ 8 ]
(1)(28987537150)
= (186087894300)
= 0,155773
9
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
2. 𝑃(𝑋 = 1) 3. 𝑃(𝑋 = 2)
𝑘 𝑁−𝑘 𝑘 𝑁−𝑘
[ 𝑥] [ 𝑛 − 𝑥] [ 𝑥] [ 𝑛 − 𝑥]
𝑃(𝑋 = 𝑥) = 𝑁 𝑃(𝑋 = 𝑥) = 𝑁
[ ] [ ]
𝑛 𝑛
20 100 − 20 20 100 − 20
[1 ] [8 − 1 ] [2 ] [8 − 2 ]
𝑃(𝑋 = 1) = 𝑃(𝑋 = 2) =
100 100
[8 ] [8 ]
(20)(3176716400) (190)(300500200)
= =
(186087894300) (186087894300)
= 0,341421 = 0,306818
4. 𝑃(𝑋 = 3) 5. 𝑃(𝑋 = 4)
𝑘 𝑁−𝑘 𝑘 𝑁−𝑘
[ 𝑥] [ 𝑛 − 𝑥] [ 𝑥] [ 𝑛 − 𝑥]
𝑃(𝑋 = 𝑥) = 𝑁 𝑃(𝑋 = 𝑥) = 𝑁
[ ] [ ]
𝑛 𝑛
20 100 − 20 20 100 − 20
[3 ] [8 − 3 ] [4 ] [8 − 4 ]
𝑃(𝑋 = 3) = 𝑃(𝑋 = 4) =
100 100
[8 ] [8 ]
(1140)(24040016) (4845)(1581580)
= =
(186087894300) (186087894300)
= 0,147272 = 0,041178
6. 𝑃(𝑋 = 5) 7. 𝑃(𝑋 = 6)
𝑘 𝑁−𝑘 𝑘 𝑁−𝑘
[ 𝑥] [ 𝑛 − 𝑥] [ 𝑥] [ 𝑛 − 𝑥]
𝑃(𝑋 = 𝑥) = 𝑁 𝑃(𝑋 = 𝑥) = 𝑁
[ ] [ ]
𝑛 𝑛
20 100 − 20 20 100 − 20
[5 ] [8 − 5 ] [6 ] [8 − 6 ]
𝑃(𝑋 = 5) = 𝑃(𝑋 = 6) =
100 100
[8 ] [8 ]
(15504)(82160) (38760)(3160)
= =
(186087894300) (186087894300)
= 0,006845 = 0,000658
9
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
8. 𝑃(𝑋 = 7) 9. 𝑃(𝑋 = 8)
𝑘 𝑁−𝑘 ] 𝑘 𝑁−𝑘 ]
𝑃(𝑋 = 𝑥) = 𝑥 𝑛−𝑥[ ][𝑁 𝑃(𝑋 = 𝑥) = 𝑥 𝑛−𝑥[ ][𝑁
[ ] [ ]
𝑛 𝑛
20][100−20 20][100−20
𝑃(𝑋 = 7) = [7 8−7 ]
𝑃(𝑋 = 8) = [8 8−8 ]
100
[8 ] 100
[8 ]
(77520)(80) (125970)(1)
= =
(186087894300) (186087894300)
= 0,000033 = 0,000001
D. Probabilitas Kumulatif
1. 𝑃(𝑋 = 0)
8
∑ 𝑃(𝑋 = 0) = 𝑃(𝑋 = 0)
𝑥=0
= 0,1557734
2. 𝑃(𝑋 = 1)
8
= 0,155773 + 0,341421
= 0,497194
3. 𝑃(𝑋 = 1)
8
9
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
5. 𝑃(𝑋 =
8
6. 𝑃(𝑋 = 5)
+ 𝑃(𝑋 = 5)
= 0,155773 + 0,341421 + 0,306818 + 0,147272 +
0,041178 + 0,006845
= 0,999308
7. 𝑃(𝑋 = 6)
+ 𝑃(𝑋 = 5) + 𝑃(𝑋 = 6)
= 0,155773 + 0,341421 + 0,306818 + 0,147272 +
0,041178 + 0,006845 + 0,000658
= 0,999966
8. 𝑃(𝑋 = 7)
9
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
9. 𝑃(𝑋 =
8
DIAGRAM
0,341421
PROBABILITAS
0,350000 0,306818
0,300000
0,250000
PROBABILT
9
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
0,000000
1 2 3 4 5 6 7 8 9
X
95
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Contoh Perhitungan:
A. 𝐹𝑖 × 𝑋𝑖 C. (𝑋𝑖 − 𝑋̅ )
𝐹𝑖𝑋𝑖 = 6 × 4 (𝑋𝑖 − 𝑋̅) = 4 − 6
= 24 = −2
B. 𝑋̅
= √ 68 = √2,27 = 1,51
30
∑ 𝐹𝑖 × 𝑋𝑖
𝑋̅ = ∑ 𝐹𝑖 D. (𝑋𝑖 − 𝑋̅)2
=
24+35+36+28+48+9 (𝑋𝑖 − 𝑋̅)2 = (4 − 6)2
6+7+6+4+6+1
= (−2)2 = 4
180
= 30 = 6
96
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
E. 𝐹𝑖 × (𝑋𝑖 − 𝑋̅)2
𝐹 × (𝑋𝑖 − 𝑋̅)2 = 6 × (4 − 6)2
= 6 × (−2)2
= 6 × 4 = 24
F. Standar Deviasi
∑ 𝐹𝑖(𝑋𝑖 − 𝑋̅)2
𝑆=√
∑ 𝐹𝑖
24+7+0+4+24+9
=√
6+7+6+4+6+1
G. Rata-rata Kedatangan
𝜆 = 𝑋̅
=6
Contoh Perhitungan:
A. F Kumulatif
𝐹(𝑋 = 9) = 𝐹(𝑋 = 4) + 𝐹(𝑋 = 5) + 𝐹(𝑋 = 6) + 𝐹(𝑋 = 7) + 𝐹(𝑋 = 8)
+ 𝐹(𝑋 = 9)
=6+7+6+4+6+1
= 30
B. P(X)
𝑃(𝑋) 𝜆𝑥 −𝜆
= 𝑒
𝑥!
𝑃(4) 64
= 2,71828−6
4!
97
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
1296
= 4 × 3 × 2 × 0,00248
1
1296
= 0,00248
24
= 0,134
C. E(i)
𝐸(𝑖) = 𝑃(𝑋) × 𝑁
𝐸(4) = 𝑃(4) × 30
= 0,134 × 30
= 4,016
D. E(i)k
25 23
19
20
Frekuensi
1513
10
6
5
0
4 5 6 7 8 9
Xi
98
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
20,000
20,881
15,000 17,783
10,000 13,653
5,000 8,834
E(i)
0,000 4,016
456789
Xi
99
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Contoh Perhitungan:
A. 𝐹𝑖 × 𝑋𝑖
𝐹𝑖𝑋𝑖 = 4 × 4
= 16
B. 𝑋̅
∑ 𝐹𝑖 × 𝑋𝑖
𝑋̅ = ∑ 𝐹𝑖
16 + 35 + 48 + 21 + 24 + 27 + 20 191
= 4+7+8+3+3+3+2 = 30 = 6,37
10
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
C. (𝑋𝑖 − 𝑋̅ )
(𝑋𝑖 − 𝑋̅) = 4 − 6,37
= −2,37
D. (𝑋𝑖 − 𝑋̅)2
(𝑋𝑖 − 𝑋̅)2 = (4 − 6,37)2
= (−2,37)2 = 5,60
E. 𝐹𝑖 × (𝑋𝑖 − 𝑋̅)2
𝐹 × (𝑋𝑖 − 𝑋̅)2 = 4 × (4 − 6,37)2
= 4 × (−2,37)2
= 4 × 5,60 = 22,40
F. Standar Deviasi
∑ 𝐹𝑖(𝑋𝑖 − 𝑋̅ )2
𝑆=√
∑ 𝐹𝑖
22,40+13,07+1,08+1,20+8,00+20,80+26,40
=√ 92,97
4+7+8+3+3+3+2 =√
30
= √3,10 = 1,761
G. Rata-rata Kedatangan
𝜆 = 𝑋̅
= 6,37
10
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Contoh Perhitungan:
A. F Kumulatif
𝐹(𝑋 = 9) = 𝐹(𝑋 = 4) + 𝐹(𝑋 = 5) + 𝐹(𝑋 = 6) + 𝐹(𝑋 = 7) + 𝐹(𝑋 = 8)
+ 𝐹(𝑋 = 9) + 𝐹(𝑋 = 10)
=4+7+8+3+3+3+2
= 30
B. 𝑃(𝑋)
𝑃(𝑋) 𝜆𝑥 −𝜆
= 𝑒
𝑥!
6,374
𝑃(4) = −6,37
2,71828
4!
1646,485
= 4 × 3 × 2 × 0,00171
1
1646,485
= 0,00171 = 0,117
24
C. 𝐸(𝑖)
𝐸(𝑖) = 𝑃(𝑋) × 𝑁
𝐸(4) = 𝑃(4) × 30
= 0,117 × 30
= 3,524
D. E(i)k
10
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
15
11
10
4
5
0
4 5 6 7 8 9 10
Frekuensi Kumulatif
15,00012,779
E(i)
10,000 8,013
5,000 3,524
0,000
4 5 6 7 8 9 10
Xi
10
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
A. Rentang
10
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
B. Banyak Kelas
∑ 𝐾 = 1 + 3,33 × 𝐿𝑜𝑔(𝑁)
= 1 + 3,33 × 𝐿𝑜𝑔(30)
= 1 + 3,33 × 1,477
= 5,87 ≈ 6
C. Interval
𝑅
𝑖=
∑𝐾
39
= 5,87
= 6,64
D. 𝑋̅
∑ 𝑋𝑖 × 𝑓𝑖
𝑋̅ = ∑ 𝑓𝑖
86,315 + 557,730 + 597,570 + 424,940 + 564,375 + 956,120
=
1+6+6+4+5+8
3187,050
= = 106,235
30
E. Standar Deviasi
∑ 𝐹𝑖(𝑋𝑖 − 𝑋̅ )2
𝑆=√
∑ 𝐹𝑖
3350,810
=√ 30
= √111,694 = 10,569
F. Rata-Rata Kedatangan
1
𝜆= =
= 0,009
1
𝑥 106,235
10
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Contoh Perhitungan:
25 22
20 17
Frekuensi
1513
10 7
5
1
0
86,315 92,955 99,595 106,235 112,875 119,515
Xi
10
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
1,601
0,825
D. Teori Antrean
𝒕 = 𝟑 𝒎𝒆𝒏𝒊𝒕
10
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
𝒕 = 𝟓 𝒎𝒆𝒏𝒊𝒕
A. Rata-rata Kedatangan E. Rata-rata Banyaknya Pengantre
𝑋̅ × 𝑛 6,37 × 3
𝜆= = 𝐿𝑞 = 𝜆2
𝑛 × 60 𝑑𝑒𝑡𝑖𝑘 3 × 60 𝜇(𝜇 − 𝜆)
= 0,11 (0,11)2
=
B. Waktu Pelayanan 106,235(106,235 − 0,11)
λ
ρ= 0,0121
𝜇 = 106,235(106,125)
0,0121
0,11 = = 0,000001073 𝑜𝑟𝑎𝑛𝑔
= 106,235 11274,19
= 0,001035 detik/orang F. Rata-rata Waktu Menunggu dalam Sistem
1
C. 𝑃o = 1 − ρ 𝑊=
𝜇−λ
= 1 − 0,001035
= 0,998965 1
= 106,235 − 0,11
D. Rata-rata Banyaknya
= 1
= 0,00942 detik
106,125
Pengantre dalam Sistem
𝜆 G. Rata-rata Waktu Antre
𝐿= 𝜆
𝜇−𝜆 𝑊𝑞 =
𝜇(𝜇 − 𝜆)
0,11
= 106,235 − 0,11 0,11
= 106,235(106,235 − 0,11)
0,11
= 106,125 = 0,11
= 0,00000887 detik
11274,19
= 0,001037 orang
10
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
10
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
GRAFIK HISTOGRAM CM
TERHADAP Fi
15
10
F
14
5
8 7 6
0 2 2 1
48,8949,2749,6550,0350,4150,7951,17
CM
Contoh Perhitungan:
48,70 + 49,07
= 2 = 48,89
11
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Uji Hipotesis:
1. Rumusan Masalah
𝐻0 ∶ 𝜇0 ≤ 49 𝑚𝑚
𝐻1 ∶ 𝜇0 > 49 𝑚𝑚
2. Wilayah Kritis
𝐻 0 ditolak jika 𝑍ℎ𝑖𝑡 > 𝑍α
𝛂 = 𝟏%
1 − α = 1 − 0,01
= 0,9900
𝑍 0,9900 = 2,33
𝛂 = 𝟓%
1 − α = 1 − 0,05
= 0,9500
𝑍 0,9500 = 1,64
𝛂 = 𝟏𝟎%
1 − α = 1 − 0,1
= 0,9000
𝑍 0,9000 = 1,28
3. Uji Hipotesis
a. 𝜇0 = 49 𝑚𝑚
b. 𝐹𝑖 × 𝐶𝑀 = 2 × 48,8 = 97,77
∑ 𝐹𝑖×𝐶𝑀
c. 𝑋̅ = 𝑁
1992,26
= 40 = 49,81
̅ −𝜇0
d. 𝑍ℎ𝑖𝑡 = 𝑋
2
⁄
√𝑛
49,81 − 49
= 2 40
⁄√
0,81
= 2⁄
6,32
0,81
= = 2,53
0,32
11
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
4. Kesimpulan
Berdasarkan kurva pada Gambar 4.18 sampai dengan Gambar 4.21
dengan menggunakan taraf nyata sebesar 1% (Ztabel = 2,33), 5%
(Ztabel
= 1,64), 10% (Ztabel = 1,28) menunjukkan bahwa Zhit = 2,53 jatuh
pada daerah penolakan H0. Berdasarkan hal tersebut dapat disimpulkan
bahwa H0 ditolak dan H1 diterima yang berarti 𝜇 0 > 49mm.
11
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
B. Lebar Balok
Berdasarkan hasil pengolahan data yang dilakukan dengan menambahkan NPM
(+0,31) pada masing-masing data yang tersedia, berikut 40 data lebar balok yang
telah ditambah NPM pada Tabel 4.48 di bawah ini:
GRAFIK HISTOGRAM CM
TERHADAP Fi
30
20
10
F
25
0
12
20001
123 4 5 6 7
CM
11
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Contoh Perhitungan:
20,57+23,62
= 2 = 22,10
Uji Hipotesis
1. Rumusan Masalah
𝐻0 ∶ 𝜇0 ≥ 29 𝑚𝑚
𝐻1 ∶ 𝜇0 < 29 𝑚𝑚
2. Wilayah Kritis
𝐻 0 ditolak jika 𝑍ℎ𝑖𝑡 < −𝑍α
𝛂 = 𝟏% 𝛂 = 𝟓%
𝑍 0,01 = −2,33 𝑍 0,05 = −1,64
𝛂 = 𝟏𝟎%
𝑍 0,1 = −1,28
11
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
3. Uji Hipotesis
̅ −𝜇0
a. 𝜇0 = 29 𝑚𝑚 d. 𝑍ℎ𝑖𝑡 = 𝑋
𝜎
⁄
b. 𝐹𝑖 × 𝐶𝑀 = 2 × 22,10 √𝑛
= 44,19 29,13 − 29
= 2⁄
∑ 𝐹𝑖 ×𝐶𝑀
√40
c. 𝑋̅ = 𝑁 0,13
= 2⁄
1165,32 6,32
= 40 = 29,13 0,13
= = 0,41
0,32
4. Kesimpulan
Berdasarkan Gambar 4.22 sampai 4.24 di atas menunjukkan bahwa dengan
menggunakan taraf nyata () 1%, 5% dan 10% yang menghasilkan nilai
11
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
C. Berat Detergen
Berdasarkan hasil pengolahan data yang dilakukan dengan menambahkan NPM
(+0,31) pada masing-masing data yang tersedia, berikut 40 data berat detergen
yang telah ditambah NPM pada Tabel 4.50 di bawah ini:
11
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
GRAFIK HISTOGRAM CM
TERHADAP FI
F
15
6
4 7 4
3
1
47,6349,6851,73 53,78 55,8357,8859,93
CM
A. Contoh Perhitungan:
1. 𝑅𝑎𝑛𝑔𝑒 (𝑅) = 𝑋𝑚𝑎𝑘𝑠 − 𝑋𝑚𝑖𝑛
= 59,49 − 46,61
= 12,88
2. 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑒𝑙𝑎𝑠 (𝐾) = 1 + 3,3 𝐿𝑜𝑔 𝑁
= 1 + 3,3 𝐿𝑜𝑔 (40)
= 1 + 3,3 (1,60)
= 1 + 5,28
= 6,28 ≈ 7
3. 𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙 = 𝑅
𝐾
12,88
= = 2,05
6,28
4. 𝐿𝐶𝐵 = 𝐿𝐶𝐿 − 0,005
= 46,61 − 0,005
= 46,605
5. 𝑈𝐶𝐵 = 𝑈𝐶𝐿 + 0,005
= 48,65
= 48,655
𝐿𝐶𝐿+𝑈𝐶𝐿
6. 𝐶𝑀 = 2
46,61 + 48,65
= 2 = 47,63
11
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
B. Uji Hipotesis
1. Rumusan Masalah
𝐻0 ∶ 𝜇 0 = 48 𝑔𝑟𝑎𝑚
𝐻1 ∶ 𝜇 0 ≠ 48 𝑔𝑟𝑎𝑚
2. Wilayah Kritis
𝐻 0 ditolak jika 𝑍ℎ𝑖𝑡 < −𝑍α/2 dan 𝑍ℎ𝑖𝑡 > 𝑍 α/2
𝛂 = 𝟏%
α ⁄ = 0,5% = 0,005
2
1 − α = 1 − 0,005
= 0,9950
𝑍 0,9950 = 2,575
𝛂 = 𝟓%
α ⁄ = 2,5% = 0,025
2
1 − α = 1 − 0,025
= 0,9750
𝑍 0,9970 = 1,96
𝛂 = 𝟏𝟎%
α⁄ = 5% = 0,05
2
1 − α = 1 − 0,05
= 0,9500
𝑍 0,9500 = 1,645
C. Uji Hipotesis
̅ −𝜇0
1. 𝜇0 = 48 𝑔𝑟𝑎𝑚 4. 𝑍ℎ𝑖𝑡 = 𝑋
𝜎
⁄
2. 𝐹𝑖 × 𝐶𝑀 = 1 × 47,63 √𝑁
= 47,63 55,16 − 48
= 1⁄
∑ 𝐹𝑖×𝐶𝑀 √40
3. 𝑋̅ = 𝑁
7,16
2206,55 = 1⁄
6,32
= 40 = 55,16
7,16
= 0,16
= 44,8
11
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
D. Kesimpulan
Berdasarkan hasil perhitungan 𝑍 yang menghasilkan nilai 𝑍ℎ𝑖𝑡 = 6,68,
maka untuk α = 1% (𝑍𝑡𝑎𝑏𝑒𝑙 = 2,575) 𝐻𝑜 ditolak karena 𝑍ℎ𝑖𝑡 >
𝑍 α⁄2 atau 44,8 > 2,575, hal tersebut memiliki arti bahwa rata-rata
berat detergen ≠ 48 gram. Begitupun dengan α = 5% dan α = 10%
yang menunjukkan masing-masing 𝑍𝑡𝑎𝑏𝑒𝑙 yaitu 1,96 dan 1,645.
Berdasarkan hasil tersebut maka 𝐻𝑜 ditolak karena 𝑍ℎ𝑖𝑡 > 𝑍 α⁄2 atau
44,8 > 1,96 dan 44,8 > 1,645, hal tersebut menunjukkan bahwa rata-
rata berat detergen ≠ 48 gram.
11
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Uji Hipotesis
1. Rumusan Hipotesis
H0: Data berdistribusi normal
H1: Data tidak berdistribusi normal
2. Daerah Kritis
H0 diterima jika Dmax < Ktabel
H0 ditolak jika Dmax > Ktabel
= 5%
Ktabel = 0,188
12
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
1396,42
= 50
= 27,93
b. 𝜎 = √∑ 𝑋𝑖
𝑛−1
1396,42
=√ 49
= √28,50 = 5,34
𝑋𝑖−𝑋̅
c. 𝑍 = 𝜎
15,30 − 27,93
= 5,34
−12,63
= = −2,37
5,34
𝑁𝑜. 𝑈𝑟𝑢𝑡
d. 𝐹𝑠1 = 𝑁
1
= = 0,02
50
e. 𝐷𝑚𝑎𝑥 = |𝐹𝑡 − 𝐹𝑠|
= |0,90021 − 0,84|
= 0,06021
4. Kesimpulan
Berdasarkan hasil perhitungan Dmax yaitu sebesar 0,018 dengan tingkat
kepercayaan 5%, maka H0 dinyatakan diterima karena memenuhi syarat
yaitu Dmax < Ktabel atau 0,06021 < 0,188. Hal tersebut menunjukkan
bahwa data berdistribusi normal.
12
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Uji Hipotesis
1. Rumusan Hipotesis
2. Daerah Kritis
12
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
a. 𝑋̅ = ∑ 𝑋𝑖
𝑛
1606,85
= 50
= 32,14
b. 𝜎 = √∑ 𝑋𝑖
𝑛−1
1606,85
=√ 49
= √32,80 = 5,73
𝑋𝑖 −𝑋̅
c. 𝑍 = 𝜎
19,53 − 32,14
= 5,73
−12,61
= = −2,20
5,73
𝑁𝑜. 𝑈𝑟𝑢𝑡
d. 𝐹𝑠 1 = 𝑁
1
= = 0,02
50
e. 𝐷𝑚𝑎𝑥 = |𝐹𝑡 − 𝐹𝑠|
= |0,52435 − 0,58|
= 0,05565
4. Kesimpulan
Berdasarkan hasil perhitungan Dmax yaitu sebesar 0,018 dengan tingkat
kepercayaan 5%, maka H0 dinyatakan diterima karena memenuhi syarat
yaitu Dmax < Ktabel atau 0,05565 < 0,188. Hal tersebut menunjukkan
bahwa data berdistribusi normal.
12
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Uji Hipotesis
1. Rumusan Hipotesis
2. Daerah Kritis
12
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
a. 𝑋̅ = ∑ 𝑋𝑖
𝑛
1217,28
= 50
= 24,35
b. 𝜎 = √∑ 𝑋𝑖
𝑛−1
1217,28
=√ 49
= √24,84 = 4,98
𝑋𝑖 −𝑋̅
c. 𝑍 = 𝜎
11,75 − 24,35
= 4,98
−12,60
= = −2,53
4,98
𝑁𝑜. 𝑈𝑟𝑢𝑡
d. 𝐹𝑠 1 = 𝑁
1
= = 0,02
50
e. 𝐷𝑚𝑎𝑥 = |𝐹𝑡 − 𝐹𝑠|
= |0,03552 − 0,10|
= 0,06448
4. Kesimpulan
Berdasarkan hasil perhitungan Dmax yaitu sebesar 0,018 dengan tingkat
kepercayaan 5%, maka H0 dinyatakan diterima karena memenuhi syarat
yaitu Dmax < Ktabel atau 0,06448 < 0,188. Hal tersebut menunjukkan
bahwa data berdistribusi normal.
12
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Uji Hipotesis
1. Rumusan Hipotesis
H0: Rata-rata = 27,93
H1: Rata-rata ≠ 27,93
2. Derah Kritis
H0 ditolak jika Zhit < -Ztabel, H0 ditolak jika Zhit > Ztabel
𝛂 = 𝟏%
α ⁄ = 0,5% = 0,005
2
12
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
1 − α = 1 − 0,005
= 0,9950
𝑍 0,9950 = ±2,575
𝛂 = 𝟓%
𝛂 ⁄ = 𝟐, 𝟓% = 0,025 1
𝟐
− α = 1 − 0,025
= 0,9750
𝑍 0,9970 = ±1,96
𝛂 = 𝟏𝟎%
α⁄ = 5% = 0,05
2
1 − α = 1 − 0,05
= 0,9500
𝑍 0,9500 = ±1,645
3. Uji Statistik
a. 𝑋̅ = ∑ 𝑋𝑖
𝑛
1394,42
= 50 = 27,93
b. 𝜇 = 1 × 𝑛
2
1
= × 50 = 25
2
c. 𝜎 = 1 × 𝑛
2 √
1
= √50
×2
1
= × 7,07
2
= 3,54
̅ −𝜇
d. 𝑍ℎ𝑖𝑡 = 𝑋
𝜎
27,93 − 25
= 3,54
2,93
= = 0,83
3,54
12
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
4. Kesimpulan
Berdasarkan kurva pada Gambar 4.29 sampai 4.31 di atas dengan
menggunakan taraf nyata () 1%, 5% dan 10% menghasilkan nilai Ztabel
berturut-turut sebesar ±2,575, ±1,96 dan ±1,645. Berdasarkan perhitungan
Zhit yang telah dilakukan menghasilkan nilai 0,83. Menurut ketentuan
yaitu H0 ditolak jika Zhit < -Ztabel atau Zhit > Ztabel, maka dilihat dari
kurva di atas H0 diterima karena Zhit > -Ztabel dan Zhit < Ztabel, dengan
demikian rata-rata pada sampel 1 yaitu sebesar 27,93.
12
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
12
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
𝛂 = 𝟏𝟎%
1 − α = 1 − 0,1
= 0,9000
𝑍 0,9000 = 1,28
3. Uji Statistik
𝑋 +𝑋̅ ̅
a. 𝑋̅ = 1 2
2
27,93 + 32,14
= 2 = 30,04
b. 𝜇 = 1 × 𝑛
2
1
= × 100 = 50
2
c. 𝜎 = 1 × 100
2 √
1
= × 10 = 5
2 ̅ −𝜇
d. 𝑍ℎ𝑖𝑡 = 𝑋
𝜎
30,04 − 50
= 5
−19,96
= = −4,00
5
13
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
4. Kesimpulan
Berdasarkan kurva pada Gambar 4.32 sampai 4.34 di atas dengan
menggunakan taraf nyata () menghasilkan nilai Ztabel berutut-turut
sebesar 2,33, 1,64 dan 1,28. Perhitungan Zhit yang telah dilakukan yaitu
menghasilkan nilai -4,00. Berdasarkan ketentuan yaitu H0 diterima jika
Zhit
< Ztabel, maka pada kasus ini H0 diterima karena -4,00 < 2,33 atau 1,64
dan atau 1,28, dengan demikian rata-rata pada sampel 1 dan 2 yaitu ≥
30,04.
F. Uji Dwi Wilcoxon Sampel 2 dan 3
Tabel 4. 57 Uji Dwi Wilcoxon Sampel 2 dan 3
Beda Tanda Jenjang Beda Tanda Jenjang
i X2 X3 i X2 X3
X2 X3 Rank + - X2 X3 Rank + -
1 29,01 11,75 + 17,26 46 46 26 29,95 24,54 + 5,41 19 19
2 37,55 18,68 + 18,87 47 47 27 27,18 26,46 + 0,72 3 3
3 25,03 20,88 + 4,15 14 14 28 28,07 29,38 - 1,31 4 4
4 27,38 22,39 + 4,99 17 17 29 30,17 30,31 - 0,14 1 1
5 28,70 23,58 + 5,12 18 18 30 25,30 32,93 - 7,63 25 25
6 39,01 24,35 + 14,66 38 38 31 34,48 15,06 + 19,42 48 48
7 41,57 26,40 + 15,17 41 41 32 32,97 19,35 + 13,62 35 35
8 35,05 27,94 + 7,11 22 22 33 35,72 21,22 + 14,50 37 37
9 25,71 30,06 - 4,35 15 15 34 39,31 22,81 + 16,50 44 44
10 29,63 32,04 - 2,41 6 6 35 37,79 23,70 + 14,09 36 36
11 39,13 13,07 + 26,06 50 50 36 32,49 24,71 + 7,78 26 26
12 40,80 18,75 + 22,05 49 49 37 41,57 26,70 + 14,87 39 39
13 36,22 20,92 + 15,30 42 42 38 25,90 28,44 - 2,54 7 7
14 34,18 22,40 + 11,78 32 32 39 43,29 30,74 + 12,55 33 33
15 19,53 23,62 - 4,09 13 13 40 39,70 33,01 + 6,69 21 21
16 33,56 24,48 + 9,08 28 28 41 32,27 15,36 + 16,29 43 43
17 39,76 26,41 + 13,35 34 34 42 29,46 19,40 + 9,44 29 29
18 23,14 28,02 - 4,88 16 16 43 32,13 21,44 + 10,07 30 30
19 34,24 30,24 + 4,00 12 12 44 35,14 23,03 + 11,49 31 31
20 31,41 32,12 - 0,71 2 2 45 20,86 23,78 - 3,54 11 11
21 31,34 14,80 + 16,54 45 45 46 31,64 25,18 + 5,84 20 20
22 33,72 18,76 + 14,96 40 40 47 29,38 27,10 + 1,66 5 5
23 28,63 21,17 + 7,46 24 24 48 26,54 28,51 - 2,59 8 8
24 30,82 22,65 + 8,17 27 27 49 28,66 31,23 - 3,19 9 9
25 30,86 23,62 + 7,24 23 23 50 30,90 33,79 - 3,51 10 10
JUMLAH 1148 127
(Sumber: Pengolahan Data)
13
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Uji Hipotesis
1. Rumusan Hipotesis
H0: 𝑋̅2 ≤ 𝑋̅3
H1: 𝑋̅2 > 𝑋̅3
2. Daerah Kritis
H0 ditolak jika Zhit > Z
𝛂 = 𝟏%
1 − α = 1 − 0,01
= 0,9900
𝑍 0,9900 = 2,33
𝛂 = 𝟓%
1 − α = 1 − 0,05
= 0,9500
𝑍 0,9500 = 1,64
𝛂 = 𝟏𝟎%
1 − α = 1 − 0,1
= 0,9000
𝑍 0,9000 = 1,28
3. Uji Statistik
a. 𝑋̅2 = 32,14
b. 𝑋̅3 = 24,35
𝑛(𝑛+1)
c. µt = 4
100(100 + 1)
= 4 = 2525
𝑛(𝑛+1)(2𝑛+1)
d. 𝜎t = √
24
100(100 + 1)(2(100) + 1)
=√ 24
100(101)(201)
=√ 24 = √84587,52
= 290,84
13
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
e. 𝑍ℎ𝑖𝑡 = 𝑡−µt
𝜎t
127 − 2525
= 290,84
−2398
= = −8,25
290,84
4. Kesimpulan
Berdasarkan hasil Uji Dwi Wilcoxson dengan menggunakan taraf nyata
1%, 5% dan 10% menghasilkan Zmasing-masing sebesar 2,33, 1,64 dan
1,28 serta menghasilkan nilai Zhit = -8,25. Berdasarkan hasil tersebut, maka
sesuai dengan daerah kritis yaitu H0 ditolak jika Zhit > Z, H0 diterima yang
berarti bahwa kenyataannya rata-rata sampel 2 ≤ rata-rata sampel 3.
13
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
13
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Uji Hipotesis
1. Rumusan Hipotesis
= 1% = 0,01
Pendekatan Chi-Square Tabel = 9,21 (derajat kebebasan = 2)
= 5% = 0,05
Pendekatan Chi-Square Tabel = 5,99 (derajat kebebasan = 2)
2
3. 𝐻 = 12
(∑ 𝑅𝑖 ) − 3(𝑁 + 1)
𝑁(𝑁+1) 𝑛𝑖
12
= 150(151) (274540,5 + 524288 + 32512,5) − 3(151)
12
= 22650 (831341) − 453
= 0,00053(831341) − 453
= 440,61 − 453 = −12,39
4. Kesimpulan
13
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
13
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
𝑌 = 𝑎 + 𝑏𝑋1
= 55,29 + 0,53𝑋1
13
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
2. Koefisien Korelasi
30(267265) − (2625)(3050)
= √(30(230419) − (2625)2 × (30(311470) − (3050)2)
8017950 − 8006250
= √(6912570 − 6890625) × (9344100 − 9302500)
11700
= 30214,43
= 0,39
Kesmpulan:
Hubungan X (Nilai Praktikum) terhadap Y (Mortum) adalah rendah berdasarkan
perhitungan koefisien korelasi, karena nilainya berada diantara 0,20 – 0,39.
3. Koefisien Determinasi
𝐾𝐷 = 𝑟2 × 100%
= 0,392 × 100%
= 0,1521 × 100%
= 15,21%
𝑇ℎ𝑖𝑡 = 𝑟√𝑛 − 2 𝐷𝐾 = 𝑛 – 2 = 30 – 2 = 28
√1 − 𝑟 2
0,39√30 − 2
= α = 5%
√1 − 0,392
= 2,24
α
𝑡= 5%
× 𝐷𝐾 = × 28 = 0,7
2 2
1
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
13
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Y
40
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 y
Xi
70
75 80 85 90 95
Ypred
B. Regresi Berganda
Tabel 4. 62 Data Regresi Berganda Setelah Ditambah NPM (+31)
No X1 X2 X3 Y No X1 X2 X3 Y
14
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
14
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
1 7242 7526 -3,18 -0,79 14,71 6,15 2,52 -46,71 -19,53 77,67 44,49
2 5694 7957 -1,18 7,21 -9,29 9,15 -8,48 10,93 -10,76 80,75 60,06
3 7031 9559 4,82 -3,79 1,71 21,15 -18,30 8,23 102,00 73,17 33,99
4 5934 4209 -5,18 -1,79 -1,29 -38,85 9,29 6,70 201,12 67,37 2,66
5 5856 4636 -13,18 -3,79 8,71 -23,85 49,99 -114,71 314,30 69,45 71,40
6 7968 8798 8,82 7,21 8,71 6,15 63,58 76,82 54,24 84,71 2,92
7 6478 5688 4,82 2,21 -5,29 -27,85 10,64 -25,54 -134,35 71,97 49,42
8 4104 4332 -17,18 -8,79 -15,29 -23,85 151,05 262,70 409,71 58,39 1,93
9 6900 8400 0,82 -0,79 4,71 12,15 -0,65 3,88 10,00 75,99 0,98
10 5852 8162 2,82 -2,79 -11,29 6,15 -7,89 -31,89 17,36 69,31 59,14
11 5964 6106 -3,18 1,21 -3,29 -13,85 -3,83 10,46 44,00 73,07 4,28
12 5112 6532 -3,18 -14,79 -15,29 -7,85 46,99 48,58 24,94 53,95 290,70
13 6624 5589 -5,18 -0,79 8,71 -18,85 4,11 -45,07 97,59 73,23 17,89
14 7238 6314 2,82 -1,79 6,71 -17,85 -5,07 18,93 -50,41 71,81 26,94
15 6106 5751 -3,18 4,21 -1,29 -18,85 -13,36 4,11 59,89 76,13 26,32
16 8556 12090 18,82 1,21 4,71 30,15 22,70 88,58 567,47 80,27 162,05
17 7050 9150 0,82 -0,79 6,71 22,15 -0,65 5,52 18,24 77,67 7,13
18 9797 10282 22,82 3,21 13,71 6,15 73,17 312,82 140,30 81,67 235,01
19 7084 8162 2,82 -3,79 4,71 6,15 -10,71 13,29 17,36 72,09 24,11
20 5402 6716 -1,18 4,21 -13,29 -7,85 -4,95 15,64 9,24 74,57 2,46
21 6966 9153 6,82 1,21 -1,29 13,15 8,23 -8,83 89,71 76,79 17,72
22 5329 7738 -1,18 -4,79 -14,29 6,15 5,64 16,82 -7,23 66,47 42,64
23 5762 5092 -7,18 4,21 -1,29 -23,85 -30,18 9,29 171,18 75,53 72,76
24 7979 9717 4,82 1,21 13,71 23,15 5,82 66,11 111,65 81,59 6,71
25 4958 7504 -7,18 5,21 -13,29 12,15 -37,36 95,40 -87,17 78,03 121,66
26 5037 5934 -5,18 5,21 -14,29 -13,85 -26,95 73,99 71,71 74,67 32,15
27 6674 8875 -3,18 -0,79 6,71 25,15 2,52 -21,30 -79,88 78,03 49,42
28 6075 8475 0,82 -2,79 -6,29 13,15 -2,30 -5,18 10,83 71,35 13,32
29 5822 7526 -3,18 -0,79 -5,29 6,15 2,52 16,82 -19,53 72,87 3,50
30 4636 5246 -13,18 3,21 -11,29 -13,85 -42,24 148,82 182,53 73,27 150,55
31 8835 7220 20,82 5,21 5,71 -23,85 108,40 118,82 -496,70 78,27 279,89
32 7038 7038 -5,18 1,21 14,71 2,15 -6,24 -76,12 -11,11 79,31 106,30
33 6432 8442 -7,18 -0,79 8,71 26,15 5,70 -62,48 -187,64 78,63 135,26
34 7663 9638 4,82 -2,79 9,71 22,15 -13,48 46,82 106,83 76,27 7,45
∑ 221198 253557 0 0 0 0 340,24 1042,235 1727,88 2524 2163,23
(Sumber: Pengolahan Data)
∑ 𝑌 = 𝑎𝑛 + 𝑏1 ∑ 𝑋1 + 𝑏2 ∑ 𝑋2 + 𝑏3 ∑ 𝑋3
14
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
14
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
225386126050396 × 103
𝑏3 = = 0,12
19263517046122 × 106
g. Substitusi 𝑏3 ke Persamaan 8
2369611436𝑏2 + 1307042960(0,12) = 727965228
2369611436𝑏2 + 156845155,2 = 727965228
2369611436𝑏2 = 727965228 − 156845155,2
2369611436𝑏2 = 571120072,8
𝑏2 = 571120072,8 = 0,24
2369611436
h. Substitusi 𝑏2 dan 𝑏3 ke Persamaan 7
1667𝑏1 − 57102(0,24) − 390057(0,12) = −58748
1667𝑏1 − 13704,5 − 46806,8 = −58748
1667𝑏1 − 13704,5 − 46806,8 = −58748
1667𝑏1 = −58748 + 13704,5 + 46806,8
1667𝑏1 = 1763,3
𝑏1 = 1763,3 = 1,06
1667
i. Substitusi 𝑏1 , 𝑏2 dan 𝑏3 ke persamaan 1
34𝑎 + 3291(1,06) + 2968(0,24) + 3395(0,12) = 2522
34𝑎 + 3488,46 + 720,25 + 397,22 = 2522
34𝑎 = 2522 − 3488,46 − 720,25 − 397,22
34𝑎 = −2083,93
−2083,93
𝑎= = −61,29
34
14
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
34(244455) − (3291)(2522)
= √[34(319217) − 10830681][34(189594) − (6360484)
11568
= √1945405264
11568
= 44106,7 = 0,26
34(221198) − (2968)(2522)
= √[34(262216) − 8809024][34(189594) − (6360484)
35436
= √9112899840 = 35436 = 0,37
95461,5
34(253557) − (3395)(2522)
= √[34(350473) − 11526025][34(189594) − (6360484)
58748
= √33432565584
58748
= 182845,74 = 0,32
14
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
34(287479) − (3291)(2968)
= √[34(319217) − 10830681][34(262216) − 8809024]
6598
= √2413145040
6598
= 49123,77 = 0,13
𝑛 ∑ 𝑋1𝑋3 − ∑(𝑋1) ∑(𝑋3)
𝑟1.3 =
√[𝑛 ∑ 𝑋1 2 − (∑ 𝑋1 )2 ][𝑛 ∑ 𝑋3 2 − (∑ 𝑋3 )2 ]
34(328567) − (3291)(3395)
= √[34(319217) − 10830681][34(350473) − 11526025]
−1667
= √8853123729
−1667
= 94091,04 = −0,02
𝑛 ∑ 𝑋2𝑋3 − ∑(𝑋2) ∑(𝑋3)
𝑟2.3 =
√[𝑛 ∑ 𝑋2 2 − (∑ 𝑋2 )2 ][𝑛 ∑ 𝑋3 2 − (∑ 𝑋3 )2 ]
34(298043) − (2968)(3395)
= √[34(262216) − 8809024][34(350473) − 11526025]
57102
= √41470860240
57102
= 203643,955 = 0,28
0,26 + 0,0064
= 1 − (−0,02)2
14
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
0,52 + 0,0064
= 1 + 0,0004
0,5264
= 1,0004 = 0,53
𝑟 −𝑟 𝑟 1
𝑏2 = 𝑦2− (𝑟 𝑦1)1.2
2
1.2
0,37−(0,26)(0,13)
= 1−(0,13)2
0,74 − 0,0338
= 1 − (0,13)2
0,52 − 0,0338
= 1 − 0,0169
0,4862
= 0,9831 = 0,49
0,32 − 0,1036
= 1 − 0,0784
0,2164
= 0,9216 = 0,23
6. Korelasi
𝑅𝑦.123 = √𝑏1 𝑟𝑦1 + 𝑏2 𝑟𝑦2 + 𝑏3 𝑟𝑦3
𝐾𝐷 = (𝑅𝑦.123 2
) × 100%
= (0,63)2 × 100%
= 0,3969 × 100%
= 39,69%
14
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Nilai ini menunjukkan kontribusi semua variabel bebas terhadap variabel terikat
secara simultan adalah sebesar 39,69%. Sementara itu 63,31% sisanya merupakan
kontribusi dari faktor-faktor lain selain faktor yang diwakili oleh variabel bebas.
8. Uji F
a. Hipotesis Uji
H0: Tidak ada pengaruh antara variabel bebas terhadap variabel terikat.
H1: Terdapat pengaruh antara variabel bebas terhadap variabel terikat.
b. Tingkat Signifikansi
𝛼 = 5% = 0,05
𝐷𝐾 𝑃𝑒𝑚𝑏𝑖𝑙𝑎𝑛𝑔 = 𝑘 = 4
𝐷𝐾 𝑃𝑒𝑛𝑦𝑒𝑏𝑢𝑡 = 𝑛 − 𝑘 − 1
= 34 − 4 − 1 = 29
𝑭𝒕𝒂𝒃𝒆𝒍 = 𝑓𝛼 (𝑃𝑒𝑚𝑏𝑖𝑙𝑎𝑛𝑔; 𝑃𝑒𝑛𝑦𝑒𝑏𝑢𝑡) = 𝑓0,05 (4; 29)
= 2,70
c. Daerah Kritis
H0 diterima jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝐹𝑡𝑎𝑏𝑒𝑙
H0 ditolak jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙 (H1 diterima) d.
𝐹ℎ𝑖𝑡𝑢𝑛𝑔
14
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
296266,28
4
=
296266,28
34 − 4 −
1
74066,57
= 10216,09 = 7,25
e. Kesimpulan
Berdasarkan proses perhitungan 𝐹ℎ𝑖𝑡 sebesar 7,25 dan 𝐹𝑡𝑎𝑏𝑒𝑙 sebesar 2,70
dengan menggunakan tingkat signifikansi sebesar 5% atau 0,05, maka
sesuai dengan daerah kritis yaitu H0 diterima jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝐹𝑡𝑎𝑏𝑒𝑙 dan H0
ditolak jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙, H0 ditolak karena 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙. Hal tersebut
berarti bahwa hipotesis tandingan (H1) diterima yang artinya terdapat
pengaruh antara variabel bebas terhadap variabel terikat.
14
BAB V
ANALISIS
Pengolahan data pada modul Statistik Deskriptif yaitu dengan menggunakan data
yang telah disediakan. Data yang tersedia terbagi menjadi dua, yaitu data diskrit
dan data kontinu. Data diskrit pada tabel yaitu tinggi badan, sedangkan untuk data
kontinu pada tabel yaitu berat badan. Masing-masing dari data tersebut dihitung
rentang, banyak kelas serta interval yang bertujuan untuk membuat tabel distribusi
frekuensi. Data yang berjumlah 50 selanjutnya dikelompokkan berdasarkan kelas
dan interval yang memenuhi kedalam tabel distribusi frekuensi diskrit dan
kontinu.
Data diskrit dan kontinu selanjutnya diolah untuk memperoleh ukuran rata-rata
(mean, median dan modus), ukuran letak (kuartil, desil, dan persentil) dan ukuran
penyebaran (variansi, standar deviasi, skewness dan simpangan kuartil) serta
dituangkan kedalam grafik histogram, poligon dan ogive.
Pengolahan data pada modul Teori Probabilitas yaitu dengan menggunakan data
yang telah tersedia. Data yang tersedia yaitu berupa dua studi kasus yang harus
dipecahkan permasalahannya. Studi kasus 1 yaitu mengenai peluang suatu
kejadian percobaan pemutaran bingo yang dilakukan sebanyak 164 kali (setelah
ditambah NPM). Pengolahan data pada studi kasus ini yaitu mencari nilai
peluang, irisan, gabungan dan kejadian bersyarat.
Berdasarkan Tabel 5.2 di atas menunjukkan bahwa operasi yang terjadi antara dua
himpunan menghasilkan himpunan baru yang berisi anggota-anggota kedua
himpunan awal. Studi kasus 2 yaitu mengenai permutasi dan kombinasi.
Kombinasi adalah menggabungkan beberapa objek dari suatu grup tanpa
memperhatikan urutan, dalam kombinasi urutan tidak diperhatikan. Sedangkan
permutasi adalah menggabungkan beberapa objek dari suatu grup dengan
memperhatikan urutan, dalam permutasi urutan diperhatikan. Berdasarkan
permasalahan pada kasus kedua yaitu menentukan banyak cara pemilihan
karyawan untuk dijadikan supervisor dan manajer dengan menggunakan rumus
permutasi sebagian. Permutasi sebagian menyusun sebagian objek ke dalam suatu
urutan tertentu. Jumlah permutasi suatu kelompok yang terdiri atas 51 objek yang
berbeda yang kemudian diambil sekaligus sebanyak tanpa pengulangan yaitu
menghasilkan
2.550 cara. Menentukan ada berapa banyak cara menyusun karyawan menjadi
sebuah kelompok secara beraturan untuk proses tahap seleksi apabila setiap
kelompok terdiri dari 4 orang yaitu dengan menggunakan rumus permutasi
menyeluruh. Permutasi menyeluruh menyusun semua objek ke dalam suatu urutan
15
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
tertentu yang menghasilkan 1,551119 × 1066 cara.
15
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
GRAFIK PROBABILITAS
0,400 0,316
0,300 0,269
PROBABILIT
0,129 0,198
0,200 0,052
0,100 0,0040,033
0,000
012 3 456
X
15
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
(Sumber: Pengolahan Data)
15
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
DIAGRAM PROBABILITAS
0,341421
0,3500000,306818
0,300000
0,250000
PROBABILT
0,006845
0,200000 0 ,155773 0,147272
0,150000 0,000658
0,100000 Probabilitas
0,050000 0,041178 0,000033
0,000000 0,000001
0123 4 5 6 7 8
X
Grafik pada Gambar 5.2 di atas merupakan hasil perhitungan probabilitas pada
proses pengambilan 8 bola pingpong tanpa pengembalian. Probabilitas terbesar
dihasilkan oleh terambilnya 1 bola pingpong berwarna kuning (kejadian sukses)
yaitu sebesar 0,341421. Probabilitas terambilnya 8 bola pingpong berwarna
kuning menunjukkan hasil terkecil yaitu sebesar 0,000001 yang artinya nyaris
tidak mungkin. Probabilitas setiap kejadian sukses pada metode hipergeometrik
yang
15
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
digunakan dipengaruhi oleh ketetapan nilai 𝑘 (jumlah kejadian sukses) yang telah
ditentukan yaitu sebesar 20 buah bola pingpong berwarna kuning dan nilai 𝑛
(jumlah sampel) yaitu sebesar 8. Adanya distribusi probabilitas binomial dan
hipergeometrik diharapkan dapat membantu suatu perusahaan untuk menentukan
kebijakan-kebijakan yang tepat agar tercapainya suatu tujuan dari perusahaan
tersebut seperti meminimalisir suatu produk yang cacat untuk mendapatkan
keuntungan yang sebesar-besarnya.
𝜆 0,1 0,11
Po 0,9990587 0,998965
15
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Lamanya rata-rata waktu mengantre pada selang waktu 3 menit yaitu selama
0,00000887 detik atau tidak adanya konsumen yang mengantre saat melakukan
order minuman di perusahaan tersebut. Lama waktu mengantre pada selang waktu
5 menit pun menghasilkan rata-rata waktu mengantre yang sama yaitu selama
0,00000887 detik atau tidak ada konsumen yang mengantre. Hal tersebut
menunjukkan bahwa waktu pelayanan yang dilakukan sudah cukup baik sehingga
tidak menimbulkan antrean yang berlebihan. Berbanding lurus dengan kejadian
saat praktikan mengamati kondisi perusahaan tersebut secara langsung, tidak
didapati konsumen yang mengantre untuk melakukan order. Tidak terjadinya
antrean pada gerai minuman Chat Time dapat diakibatkan karena pada saat
praktikan melakukan pengamatan merupakan hari kerja dan lokasi yang menjadi
tempat pengamatan praktikan merupakan salah satu dari sekian banyak cabang
dari gerai minuman tersebut.
15
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Praktikum modul Statistik Parametrik kali ini membahas mengenai uji hipotesis
terhadap beberapa pengukuran terhadap 3 objek yaitu panjang balok, lebar balok
dan berat detergen. Hasil dari uji hipotesis dapat dilihat pada Tabel 5.1 di bawah
ini:
Berdasarkan Tabel 5.4 di atas menunjukkan bahwa hasil pengujian panjang balok
dengan menggunakan taraf nyata (𝛼) 1%, 5% dan 10% menghasilkan Ztabel
berturut-turut sebesar 2,33, 1,64 dan 1,28 dan Zhitung yang diperoleh dari hasil
perhitungan yaitu sebesar 2,53. Berdasarkan hasil tersebut dengan memperhatikan
wilayah kritis yaitu H0 ditolak jika Zhit > Z𝛼, maka kesimpulan yang dapat ditarik
yaitu H0 ditolak karena 2,53 > 2,33 atau 1,64 dan atau 1,28. Hal tersebut berarti
hipotesis tandingan (H1) dapat diterima atau dengan kata lain 𝜇 0 > 49mm untuk
panjang balok. Pengujian lebar balok dengan menggunakan taraf nyata (𝛼) 1%,
5% dan 10% menghasilkan Ztabel berturut-turut sebesar -2,33, -1,64 dan -1,28
dan Zhitung yang diperoleh dari hasil perhitungan yaitu sebesar 0,41. Berdasarkan
hasil tersebut dengan memperhatikan wilayah kritis yaitu H0 ditolak jika Zhit < -
Zα, maka kesimpulan yang dapat ditarik yaitu H0 diterima karena 0,41 > -2,33
atau - 1,64 dan atau -1,28 atau dengan kata lain benar bahwa 𝜇 0 ≥ 29mm untuk
lebar balok.
Pengujian hipotesis berat detergen menggunakan kurva dua arah yang berarti
α/2. Pengujian hipotesis ini menggunakan taraf nyata (𝛼) 1%, 5%
dan 10% menghasilkan Ztabel berturut-turut sebesar ±2,575, ±1,96 dan ±1,645
dan menghasilkan nilai Zhitung sebesar 44,8. Berdasarkan hasil tersebut dengan
memperhatikan wilayah kritis yaitu H0 ditolak jika 𝑍ℎ𝑖𝑡 < −𝑍α/2 dan 𝑍ℎ𝑖𝑡 > 𝑍 α/2,
15
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
maka dapat disimpulkan H0 ditolak untuk semua taraf nyata yang digunakan karena
𝑍ℎ𝑖𝑡 > 𝑍α/2 atau 44,8 > 2,575 atau 1,96 dan atau 1,645, dengan kata lain hipotesis
tandingan (H1) dapat diterima yang berarti bahwa rata-rata berat detergen ≠ 48
gram.
Pengujian sampel 2 dengan metode yang sama serta menggunakan taraf nyata 5%
menghasilkan Ktabel yaitu sebesar 0,188. Berdasarkan hasil perhitungan Dmax
yang telah dilakukan yaitu sebesar 0,05565 dengan memperhatikan daerah kritis
yaitu H0 diterima jika Dmax < Ktabel, maka dapat disimpulkan bahwa pada
pengujian ini H0 diterima atau dengan kata lain sampel 2 yang diuji berdistribusi
normal. Pengujian sampel 3 pada metode Kolmogorov-Smirnov dengan
menggunakan taraf nyata yang sama yaitu 5% menghasilkan Ktabel sebesar 0,188.
Hasil perhitungan Dmax pada pengujian sampel 3 ini yaitu sebesar 0,06448.
Berdasarkan hasil perhitungan tersebut dengan memperhatikan daerah kritis yaitu
H0 diterima jika Dmax < Ktabel, maka dapat disimpulkan bahwa pada pengujian
ini H0 diterima atau dengan kata lain sampel 3 yang diuji berdistribusi normal.
15
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Berdasarkan Tabel 5.6 di atas hasil uji tanda sampel 1 dengan menggunakan taraf
nyata 1%, 5% dan 10% menghasilkan nilai Ztabel masing-masing sebesar ±2,575,
±1,96 dan ±1,645 serta menghasilkan nilai Zhitung sebesar 0,83. Berdasarkan
daerah kritis yang menyatakan bahwa H0 ditolak jika Zhit < -Ztabel dan H0 ditolak
jika Zhit > Ztabel, maka pada uji sampel 1 ini H0 diterima yang berarti bahwa rata-
rata sampel 1 sama dengan (=) 27,93.
Pengujian uji tanda pada sampel 1 dan 2 dengan menggunakan taraf nyata 1%, 5%
dan 10% menghasilkan nilai Ztabel masing-masing sebesar 2,33, 1,64 dan 1,28
serta menghasilkan nilai Zhitung sebesar -4,00. Berdasarkan daerah kritis yang
menyatakan bahwa H0 ditolak jika Zhit > Ztabel dan H0 diterima jika Zhit <
Ztabel, maka pada pengujian sampel 1 dan sampel 2 H0 diterima yang berarti
bahwa rata- rata pada sampel 1 dan 2 yaitu ≥ 30,04.
Praktikum modul Regresi dan Korelasi kali ini membahas mengenai analisis
terhadap hubungan variabel bebas dan variabel terikat, apakah terdapat hubungan
yang saling terikat atau tidak. Data yang digunakan pada regresi sederhana ini
yaitu mortum (variabel terikat) dan nilai praktikum (variabel bebas) sebanyak 39
data.
16
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Data yang digunakan dalam regresi berganda kali ini yaitu variabel terikat (𝑌)
dan variabel bebas (𝑋1 , 𝑋2 dan 𝑋3 ) sebanyak 34 data. Misalkan variabel
terikat (Y) merupakan tingkat pengangguran dan variabel bebas 𝑋1 , 𝑋2 dan 𝑋3
merupakan faktor yang mempengaruhi tingkat pengangguran. Faktor yang
mempengaruhi pengangguran berturut-turut yaitu tidak adanya lapangan
pekerjaan (𝑋1 ), tingkat perekonomian rendah (𝑋2 ) dan maraknya PHK oleh
perusahaan (𝑋3 ).
16
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
perusahaan terhadap tingkat pengangguran yaitu sebesar 0,32 yang berarti bahwa
hubungan maraknya PHK oleh perusahaan terhadap tingkat pengangguran adalah
rendah.
16
BAB VI
6.1 KESIMPULAN
6.1.1 Statistika Deskriptif
Berdasarkan praktikum modul Teori Probabilitas yang telah dilakukan maka dapat
ditarik kesimpulan bahwa:
161
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
16
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
1. Salah satu karakteristik dari distribusi poisson yaitu dapat digunakan untuk
mengamati banyaknya pelanggan yang melakukan transaksi disuatu
perusahaan, sedangkan karakteristik dari distribusi eksponensial salah
satunya yaitu dapat digunakan untuk mengamati lamanya waktu pelayanan
dari suatu perusahaan.
2. Banyaknya pengantre (𝐿𝑞) pada selang waktu 3 menit dengan
menggunakan pendekatan distribusi probabilitas poisson dan eksponensial
yaitu sebanyak 0,000000887 orang atau hampir tidak ada satupun
konsumen yang mengantre, sedangkan pada selang waktu 5 menit yaitu
sebanyak 0,000001073 orang atau hampir tidak ada satupun konsumen
yang mengantre.
3. Lamanya waktu antre (𝑊𝑞) pada selang waktu 3 menit dan 5 menit dengan
menggunakan pendekatan distribusi probabilitas poisson dan eksponensial
yaitu selama 0,00000887 detik atau hampir tidak terjadi antrean saat
melakukan order minuman di perusahaan tersebut.
4. Keadaan dimana tidak ada satupun konsumen yang mengantre berbanding
lurus dengan kondisi praktikan saat melakukan kegiatan pengamatan di
lokasi tersebut. Hal tersebut dapat terjadi dikarenakan pengunjung tidak
datang secara bersamaan sehingga tidak menimbulkan antrean dan juga
waktu saat praktikan melakukan pengamatan yaitu hari kerja.
16
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
Berdasarkan kegiatan praktikum yang telah dilakukan pada modul Regresi dan
Korelasi, praktikan dapat mengambil beberapa kesimpulan diantaranya:
16
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
6.2 SARAN
6.2.1 Statistika Deskriptif
1. Pengolahan data harus dilakukan dengan teliti agar tidak terjadi kesalahan
dalam proses perhitungan.
2. Saat pengolahan data dilakukan, praktikan diharapkan dapat menuangkan
data dengan baik sehingga dapat dimengerti oleh pembaca.
3. Saat praktikum sedang berlangsung, diharapkan praktikan dapat
memperhatikan dengan teliti apa yang dijelaskan oleh instruktur agar tidak
terjadi kesalahan saat pengerjaan laporan.
16
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
16
UNIVERSIT
PRAKTIKUM STATISTIKA
AS
16
DAFTAR PUSTAKA
16
LAMPIRAN
16
17
17
17
17
17