MAKALAH

PENGENDALIAN MUTU PRODUKSI

Judul Makalah : Statistika Mutu

Disusun Oleh :

Kelompok : 4 (Empat)
Anggota : 1. M. Taufik Hidayat
2. Melati Maharani
Kelas : 4 KD
Instruktur : Ir. Elina Margaretty,M.Si
Ir.Jaksen M.Amin, M.Si

PROGRAM STUDI DIII TEKNIK KIMIA

JURUSAN TEKNIK KIMIA
POLITEKNIK NEGERI SRIWIJAYA
TAHUN AJARAN 2022
 KATA PENGANTAR

Dengan memanjatkan puji syukur kepada Tuhan Yang Maha Esa, kami selaku penulis
dapat menyelesaikan tugas pembuatan makalah yang berjudul “Statistika Mutu” dengan lancar.
Adapun tujuan penulisan makalah ini adalah untuk memenuhi salah satu tugas mata
kuliah Pengendalian Mutu Produksi dan ingin mengenal lebih jauh mengenai Statistika Mutu
dan Penerapannya. Dalam pembuatan makalah ini, kami mendapat bantuan dari berbagai pihak,
maka pada kesempatan ini kami mengucapkan terimakasih yang sebesar-besarnya kepada
semua pihak yang terlibat terutama kepada bapak Ir. Jaksen M.Amin, M.Si selaku dosen mata
kuliah Pengendalian Mutu Produksi Politeknik Negeri Sriwijaya yang telah memberikan tugas
ini kepada kami.

Kami sangat berharap makalah ini dapat berguna dalam rangka menambah wawasan serta
pengetahuan kita mengenai apa itu statistika mutu. Kami juga menyadari sepenuhnya bahwa
di dalam makalah ini terdapat banyak kekurangan dan jauh dari kata sempurna. Oleh sebab itu,
kami berharap adanya kritik, saran dan usulan demi perbaikan makalah yang telah kami buat
di masa yang akan datang, mengingat tidak ada sesuatu yang sempurna tanpa saran yang
membangun.

Semoga makalah sederhana ini dapat bermanfaat bagi pembaca pada umumnya dan
penulis pada khususnya. Sebelumnya kami mohon maaf apabila terdapat kesalahan kata-kata
yang kurang berkenan dan kami memohon kritik dan saran yang membangun dari Anda demi
perbaikan makalah ini di waktu yang akan datang.

Palembang,Mei 2022

Penyusun
 DAFTAR ISI

KATA PENGANTAR ............................................................................................................i

DAFTAR ISI ......................................................................................................................... ii

BAB I PENDAHULUAN
1.1. Latar Belakang .................................................................................................... 1
1.2. Rumusan masalah ............................................................................................... 1
1.3. Tujuan .................................................................................................................. 2

BAB II PEMBAHASAN

2.1. Definisi Statistik dan Statistika .......................................................................3

2.2. Jenis Jenis Statistika .......................................................................................... 3
2.3. Matematika Distribusi Frekuensi .................................................................... 4
2.4. Ukuran Secara Aljabar dari Distribusi Frekunesi ....................................... 5
2.5. Deskripsi dan Jenis Ukuran Varisi ................................................................ 13

BAB III PENUTUP

3.1. Kesimpulan.......................................................................................................... 23
3.2. Saran .................................................................................................................... 23

DAFTAR PUSTAKA .......................................................................................................... 24

 BAB I
PENDAHULUAN

1.1 Latar Belakang

Selama bertahun-tahun, teknik-teknik statistic dan metodologi statistik menjadi
semakin luas digunakan dan pada umumnya diterima diseluruh industry. Dengan
tersedianya komputer masa kini dan perlengkapan lanjutan pemprosesan data, penerapan
praktisinya terus berlipat ganda dan semakin dalam. Disini tampak bahwa statistika
memainkan peranan yang penting dalam program modern kendali mutu terpadu.
Kemenangan metode statistika dalam dunia industry seseungguhnya mewakili suatu
kompromi antara statistija “murni” dan realitas kepraktisan dalam situasi industry.
Karakteristiknya sangat kuat dipengaruhi oleh faktor-faktor hubungan manusia, kondisi
ekologi, dan pertimbangan biaya. Yang lebih penting dari sekedar metode-metode itu
sendiri adalah dampaknya terhadap pandangan industry tentang filosofi yang mereka
wakili. “sudut pandang statistik” yang dasarnya menunjukkan keragaman dalam mutu
produk yang teliti,

Sudut pandang inilah yang menekankan pada penelaahan keragaman yang

direkomendasikan menjadi bermanfaat seperti penelahan waktu rekayasa keselamatan
administrasi personalia, dan fungsi pelayanan.Sebenarnya ada lima alat statistic yang
digunakan secara meluas dalam pekerjaan kendali mutu adalah distribusi frekuensi,
bagan kendali, table penarikan sampel, metode khusus, keterandalan. Tetapi pada
pembahasan ini hanya ditekankan pada distribusi frekuensi. Distribusi frekuensi dapat
diartikan sebagai tabulasi, atau turus dari banyaknya kemunculan hasil pengukuran
karakteristik mutu tertentu yang terjadi di dalam sampel produk yang diperiksa.

1.2 Rumusan Masalah

1. Apakah definisi Statistik, statistika dan Data?
2. Apa saja jenis-jenis Statistik ?
3. Apakah pengertian Matematika Distribusi Frekuensi ?
4. Apa saja Ukuran Aljabar dari Distribusi Frekuensi ?
5. Apakah definisi ukuran variasi/dispersi ?
6. Bagaimanakah deskripsi dan jenis dari ukuran variasi/dispersi ?
1.3 Tujuan
1. Memberikan pemahaman mengenai statistik, statistika, bagaimana
mengumpulkan data, dan jenis-jenis statistik.
2. Memberikan Pemahaman melalui diskripsi definisi ukuran pemusatan.
3. Memberikan pengetahuan dasar mengenai komponen yang terkandung dalam
deskripsi dan jenis dari ukuran pemusatan.
 BAB II
PEMBAHASAN

2.1 Definisi Statistik dan Statistika

Statistik dan statistika merupakan dua hal atau pengertian yang sangat berbeda.
Statistik mempunyai beberapa pengertian, dalam pengertian sempit statistik artinya
data. Dalam pengertian yang luas, statistik artinya kumpulan data dalam bentuk angka
maupun non-angka yang disusun dalam bentuk tabel dan atau diagram yang
menggambarkan suatu persoalan. Statistik yang menjelaskan suatu persoalan biasanya
diberi nama statistik mengenai persoalan tersebut.
Misalnya:
 Statistik penduduk adalah kumpulan angka-angka yang berkaitan dengan
masalah penduduk.
 Statistik pendidikan adalah kumpulan angka-angka yang berkaitan dengan
masalah pendidikan.
 Statistik produksi adalah kumpulan angka-angka yang berkaitan dengan
masalah produksi.

Kata statistik juga masih mengandung pengertian lain, yaitu dipakai untuk
menyatakan ukuran atau karakteristik pada sampel seperti rata-rata, standar deviasi
dan varian.
Misal:
 Nilai rata-rata ujian matakuliah statistik adalah 70 dengan standar deviasi 8.
Statistika adalah pengetahuan yang berhubungan dengan metode atau cara
mengumpulkan data, pengolahan atau menganalisis data dan penarikan kesimpulan.
Secara singkat dapat didefinisikan bahwa statistika adalah ilmu yang mempelajari
tentang statistik.

2.2 Jenis Jenis Statistika

Statistika dapat dibedakan menjadi dua jenis, yaitu statistika deskriptif dan
statistika inferensia.
Statistika deskriptif adalah statistika yang berkenaan dengan metode atau cara
pengumpulan, penyajian dan menganalisis suatu kelompok data sehingga memberikan
 informasi yang berguna. Dengan demikian statistika deskriptif mengacu pada
bagaimana menata atau mengorganisasi data, menyajikan data, dan menganalisis data.
Kegiatan tersebut dapat dilakukan dengan menentukan nilai-nilai rata-rata hitung,
median, modus, standar deviasi, dan variansi. Cara lain untuk menggambarkan data
adalah dengan membuat tabel dan diagram atau grafik.

Statistika inferensia adalah statistika yang berkenaan dengan cara penarikan

kesimpulan berdasarkan data yang diperoleh dari sampel untuk menggambarkan
karakteristik dari suatu populasi. Dalam statistika inferensia dilakukan suatu
generalisasi dari hal yang bersifat khusus ke hal yang lebih umum, karena itu statistika
inferensia disebut juga statistika induktif atau statistika penarikan kesimpulan. Pada
statistika inferensia biasanya dilakukan pengujian hipotesis dan pendugaan mengenai
karakteristik dari suatu populasi, seperti rata-rata (mean) dan standar deviasi.

Ada keterkaitan yang erat antara statistika deskriptif dengan statistika inferensia,
yaitu umumnya statistika deskriptif senantiasa mendahului tahapan statistika
inferensia. Karena sebelum dilakukan penarikan kesimpulan, maka datanya harus
diuraikan dulu dalam bentuk statistika deskriptif

2.3 Matematika Distribusi Frekuensi

2.3.1 Probalitas
Probabilitas adalah sehimpunan kemungkinan, kemungkinan dapat berubah
pada proses produksi di dunia industry secara kasar mempunyai efek yang sama
terhadap keragaman suku cadang seperti halnya faktor peluang. Maka kesamaan ini
adalah bahwa ukuran secara aljabar yang dikembangkan dalam bidang probabilitas
dapat menganalisa distribusi frekuensi industrial. Ukuran secara aljabar dari distribusi
frekuensi dikarakteristikkan sebagai berikut :

 Kecenderungan terpusat, yaitu sesuatu yang merupakan nilai yang paling representatif
(terwakili).
 Bentangan atau pencaran, yaitu berapa besar keragaman yang terdapat disana.
 Untuk keperluan industry, dua ukuran yang paling bernilai dari kecenderungan
terpusat adalah rata-rata (average) dan median. Sedangkan dua ukuran ynag paling
berguna dari bentangan adalah deviasi standar dan rentang.

2.4 Ukuran Secara Aljabar dari Distribusi Frekuensi

Untuk keperluan industry dua ukuran yang bernilai dari kecenderungan terpusat
adalah rata-rata (average) dan median. Dua ukuran ynag paling berguna dari bentangan
adalah deviasi standard an rentang.

2.4.1 Rata-rata
Rata-rata adalah ukuran yang paling berguna bagi kecenderungan terpusat.
Diperoleh dengan membagi jumlah nilai yang ada dalam sehimpunan angka dengan
banyaknya bilangan atau dengan menggunakan lambang.

X = X1 + X2 + X3 + ….. + Xn
n
dimana :
X = nilai rata-rata
X1 . X2 ….Xn = nilai dari hasil pengukuran berturut-turut
n = banyaknya pengukuran

a. Rata-rata Hitung

Kalau kita mempunyai nilai variable X,sebagai hasil pengamatan atau

observasi sebanyak N kali yaitu X1,X2,….,Xb,….,Xn maka :

a) Rata-rata sebenarnya (populasi)

𝑁
1
µ= ∑ 𝑋𝑖
𝑁
𝑖=1

µ dibaca myu, yaitu symbol rata-rata sebenarnya yang disebut parameter. Rata-
rata ini dihitung berdasarkan populasi. Karena itu,rata-rata sebenarnya sering juga
disebut rata-rata populasi.
 b) Rata-rata perkiraan (sampel)
Kalau rata-rata tersebut dihitung berdasarkan sampel sebanyak n di mana n<N
observasi, maka rata-rata yang diperoleh disebut rata-rata perkiraan,atau rata-rata
sampel, yang diberi symbol 𝑋̅yang rumusnya adalah sebagai berikut :
𝑛
𝑋̅= 1∑ 𝑋i
N
𝑖=1

𝑋̅ dibaca X bar,yaitu symbol rata-rata

𝑋̅merupakan perkiraan µ

2.4.2 Median
Median digunakan untuk pekerjaan industri. Nilai ini adalah yang membagi dua
sehimpunan hasil pengukuran yang diatur menurut besarnya nilai-nilai mereka sehingga
jumlah yang sama dari nilai-nilai berada pada kedua sisi dari nilai pusat atau median.
Median cenderung agak tak menentu dibandingkan dengan rata-rata tetapi
seringkali jauh lebih mudah untuk memperolehnya

a. Median untuk Data berkelompok :



n
ed = L0 + c −F
2
f

L0  batas bawah kelas median
F  jumlah frekuensi semua kelas sebelum

kelas yang mengandung median

f  frekuensi kelas median

Contoh :
 Interval Kelas Frekuensi
9-21 3
22-34 4
35-47 4
48-60 8
61-73 12
74-86 23
87-99 6
Σf = 60

Letak median ada pada data ke 30, yaitu pada interval 61-73, sehingga :

L0 = 60.5
60
F = 19 Med = 60,5 + 13 − 19 = 72, 42
2
f
F = 12



2.4.3 Modus
Untuk mencari nilai modus dari sekelompok data yang sudah dibuat dalam tabel
distribusi frekuensi, pertama kali carilah kelas yang mempunyai frekuensi paling tinggi.
Selanjutnya jika kelas dengan frekuensi paling tinggi sudah deketahui lalu tentukan batas
bawah kelas yang mempunyai frekuensi tertinggi tersebut, kemudian hitung panjang
kelas dengan frekuensi tertinggi itu. Secara geometris nilai modus didasarkan pada grafik
histogram.
Nilai modus adalah perpotongan antara garis vertikal hasil pertemuan antara
sudut kelas berfrekuensi tertinggi dengan frekuensi sebelum dan sesudah frekuensi
tertinggi (garis terpotong- potong) dengan garis horizontal.

a. Modus untuk Data berkelompok :

𝑏1
𝑀0 = 𝐵𝐵 + 𝑝 ( )
𝑏1 + 𝑏2
 Dimana:
Mo = Nilai modus
BB = Batas Bawah kelas model
p = panjang kelas modus
b1 = jumlah frekuensi kelas modus dikurangkan jumlah frekuensi sebelum kelas
modus
b2 = jumlah frekuensi kelas modus dikurangkan jumlah frekuensi setelah kelas modus

2.4.4 Kuartil
Kelompok data yang sudah diurutkan (membesar atau mengecil) dibagi empat
bagian yang sama besar. Ada 3 jenis yaitu kuartil pertama (Q1) atau kuartil bawah,
kuartil kedua (Q2) atau kuartil tengah, dan kuartil ketiga (Q3) atau kuartil atas.

 Untuk data tidak berkelompok

in 1
Qi  nilai ke - , i  1,2,3
4

 Untuk data berkelompok

in
Qi = L0 + c −F ,i = 1,2,3
4
 f

L0 = batas bawah kelas kuartil

F = jumlah frekuensi semua kelas sebelum kelas kuartil Qi

f = frekuensi kelas kuartil Qi

 Contoh :

Interval Kelas Nilai Tengah (X) Frekuensi

9-21 15 3
22-34 28 4
35-47 41 4
48-60 54 8
61-73 67 12
74-86 80 23
87-99 93 6
Σf = 60

Q1 membagi data menjadi 25 %

Q2 membagi data menjadi 50 %

Q3 membagi data menjadi 75 %

Sehingga :

Q1 terletak pada 48-60

Q2 terletak pada 61-73

Q3 terletak pada 74-86

Untuk Q1, maka :


1.60
    Q1 = 47,5 + 13 4
− 11 = 54
8
Untuk Q2, maka :
2.60
Q2= 60,5 + 13 4 − 19 = 72,42
12
Untuk Q3, maka :
3.60
Q3= 73,5 + 13 − 31 = 81,41
4
23


2.4.5 Desil.
Kelompok data yang sudah diurutkan (membesar atau mengecil) dibagi sepuluh
bagian yang sama besar.

 Untuk data tidak berkelompok

in 1
Di  nilai ke - , i 1,2,3,...,9
10

Tentukan desil ke-8 dari data : 6,3,8,9,5,9,9,7,5,7,4,5,8,3,7,6,.

Jawab:
n = 16
data terurut = 3,3,4,5,5,5,6,6,7,7,7,8,8,9,9,9.

letak D8 = 8(16+1) / 10 = 13,6

D8 = X13 + 0,6 (X14 – X13)
= 8 +0,6 (9-8)
= 86

 Untuk data berkelompok

in
Di = L0 + c 10 − F , i = 1,2,3,...,9
f

L0 = batas bawah kelas desil Di

F = jumlah frekuensi semua

kelas sebelum kelas desil Di

f = frekuensi kelas desil Di

Contoh :
 Interval Kelas Nilai Tengah (X) Frekuensi

9-21 15 3
22-34 28 4
35-47 41 4
48-60 54 8
61-73 67 12
74-86 80 23
87-99 93 6
Σf = 60

D3 membagi data 30%

D7 membagi data 70%

Sehingga :

D3 berada pada 48-60

D7 berada pada 74-86

3.60
D3 = 47,5 +13 -11 = 58,875
10
8


D7 = 73,5 + 13 10 -31 = 79,72
7.60

23

2.4.6 Persentil.
Kelompok data yang sudah diurutkan (membesar atau mengecil) dibagi seratus
bagian yang sama besar.

 Untuk data berkelompok

in
Pi = L0 + c 100 -F , i = 1,2,3,...,99

f


Contoh soal persentil data tunggal

Tentukan persentil ke-65 dari data : 6,5,8,7,9,4,5,8,4,7,8,5,8,4,5.

Jawab:
n = 15
data terurut : 4,4,4,5,5,5,5,6,7,7,8,8,8,8,9.
letak P65 = 65(15+1) / 100 = 10,4
P65 = X100 + 0,4 (X11-X10)
= 7 + 0,4 (8-7)
= 7,4
Maka, nilai persentil ke-65 yaitu 7,4.

Contoh soal persentil data kelompok

Tentukan P30 dari data berikut

2.5 Deskripsi dan Jenis Ukuran Variasi

Ukuran variasi diperlukan karena ukuran ini memberikan informasi mengenai

sebaran nilai pada data tersebut. Selain itu ukuran ini dapat digunakan untuk
membandingkan sebaran dari dua distribusi data.Simpangan baku (standard deviation),
ukuran variasi ini paling banyak digunakan karena mempunyai sifat mathematics yang
berguna untuk teori dan analisis.

2.5.1 Standar Deviasi (Simpangan Baku)

Pengertian Simpangan rata-rata atau (deviasi mean) ialah rata-rata jarak antara
nilai-nilai data menuju rata-ratanya. Digunakan sebagai ukuran bentang untuk hamper
semua distribusi frekuensi industrial. Dilambangkan dengan huruf s dengan rumus
sebagai berikut :

s = √ (X1 – X)2 + (X2 – X)2 + (X3 – X)2 + ….+ (Xn – X)n

n-1

dimana :

s = deviasi standar sampel

X1 . X2 ….Xn = nilai dari hasil pengukuran berturut-turut

X = rata-rata nilai dalam kelompok

n = banyaknya hasil pengukuran

2.5.2 Simpangan Rata Rata

Pengertian Simpangan rata-rata atau (deviasi mean) ialah rata-rata jarak antara
nilai-nilai data menuju rata-ratanya. Simpangan data adalah selisih tiap-tiap data
dengan rata-ratanya. Rata-rata simpangan adalah rata-rata hitung dari nilai absolute dari
simpangan, rumusnya:

∑ 𝑓𝑖. |𝑋𝑖−̅𝑋|̅
SR =
𝑛
 Dimana :

SR = simpangan rata rata

X = rata rata nilai

X1, X2 … . Xn = nilai dari hasil pengukuran berturut turut

n = banyaknya hasil pengukuran

2.5.3 Ragam/Varian
Ragam atau Varians adalah perbandingan antara jumlah kuadrat simpangan-
simpangan dengan banyaknya data.

∑ 𝑓𝑖. (𝑋𝑖−̅𝑋)̅ 2
𝑆2 =
𝑛

Dimana :

𝑆2 = Ragam/Varian

X = rata rata nilai

X1, X2 … . Xn = nilai dari hasil pengukuran berturut turut

n = banyaknya hasil pengukuran

2.5.4 Rentang
Rentang adalah perbedaan antara hasil pengukuran terendah dan tertinggi dalam
satu deretan, atau secara simbolik :

R = Xtertinggi – Xterendah
dimana :
R = nilai rentang

Xtertinggi = hasil pengukuran tertinggi dari deret

Xterendah = hasil pengukuran terendah dari deret

2.5.5 Kurva Normal
Distribusi Normal atau Kurva Normal (Distribusi GAUSSE) adalah Suatu alat
statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa yang
lebih luas.

Suatu data membentuk distribusi normal bila jumlah data di atas dan di bawah
mean adalah sama.

Ciri-Ciri Kurva Normal

1. Bentuk Kurva Normal

Bentuk kurva normal menyerupai bentuk genta (bel). Kurva normal merupakan
suatu poligon yang dilicinkan yang mana ordinatnya memuat frekuensi dan absisnya
memuat nilai variabel. Bentuk kurva normal adalah simetris, sehingga luas rata-rata
(mean) ke kanan dan ke kiri masing-masing mendekati 50 %. Memiliki satu modus,
jadi kurva unimodal.
2. Daerah Kurva Normal
Ruangan yang dibatasi daerah kurva dengan absisnya disebut daerah kurva normal. Luas
daerah kurva normal biasa dinyatakan dalam persen atau proporsi. Dengan kata lain luas
daerah kurva normal adalah seratus per sen, apabila dinyatakan dalam persen, dan apabila
dinyatakan dengan proporsi, luas daerah kurva normal adalah satu.

Kurva Normal Standar (Kurva Normal Baku)

Kurva normal standar atau kurva normal baku adalah kurva normal yang mana nilai rata-
ratanya sama dengan nol ( 0 ) dan simpangan bakunya adalah 1 ( 0 ). Dalam kurva normal
umum nilai rata-rata sama dengan x dan nilai simpangan baku 1s, 2s, 3s. dengan kata lain
dalam kurva normal umum nilai rata-ratanya tidak sama dengan nol ( 0) dan nilai
simpangan bakunya tidak sama dengan 1 ( 1).
Kurva normal umum dapat diubah kedalam kurva normal baku dengan menggunakan
rumus :

Dimana:

z = nilai standard

X = Data ke i dari suatu kelompok data

X = rata-rata kelompok s = simpangan baku

Penggunaan Kurva Normal
Contoh: Berat bayi yang baru lahir rata-rata 3.750 gram dengan simpangan baku 325
gram. Jika berat bayi berdistribusi normal, mak tentukanlah:

a. Berapa persen yang beratnya lebih dari 4.500 gram?

b. Berapa bayi yang beratnya 3.500 gram dan 4.500 gram, jika semuanya ada 10.000 bayi?

c. Berapa bayi yang beratnya lebih kecil atau sama dengan 4.000 gram jika semuanya ada
10.000 bayi?

d. Berapa bayi yang beratnya 4.250 gram apabila semuanya ada 5.000 bayi?

e. Berapa persen bayi yang beratnya 3500 gram?

f. Berapa persen bayi yang memiliki berat 3.250 dan 4.250 ?

Cara menjawab soal tersebut adalah:

1. Hitung nilai z sehingga dua desimal

2. Gambar kurva normal standar

3. Letakkan harga z pada sumbu datar lalu tarik garis vertikal hingga memotong kurva

4. Lihat harga z dalam daftar harga z, caranya cari harga z pada kolom paling kiri hanya
hingga satu desimal dan desimal keduanya dicari pada baris paling atas.

5. Dari z paling kiri maju ke kanan dan dari z di baris atas turun ke bawah, maka didapat
bilangan yang merupakan luas yang dicari. Bilangan yang didapat harus ditulis dalam
bentuk 0, x x x x (bentuk empat desimal).

6. Apabila yang diperlukan persen maka setelah melalui langkah ke lima kalikan dengan
100.
Karena luas daerah kurve normal adalah 1 atau 100 %, dan bentuk kurva simetrik, maka
luas dari garis tegak pada titik nol ke kiri ataupun kekanan adalah 0.5 atau 50%.

Penyelesaian Soal Di Atas:

a. X = 4.500 gram X = 3.750 s = 325

Luas daerah kurva dengan nilai z = 2,31 adalah 0,4896 Bayi yang memiliki berat lebih dari
4.500 gram, pada grafiknya ada di sebelah kanan z = 2,31. Luas daerah kurva ini adalah 0,5
– 0,4896 = 0,014. Jadi bayi yang memiliki berat lebih dari 4.500gram ada 1,04%

Luas daerah kurva dengan nilai z = -0,77 adalah 0,2794 dan luas daerah dengan nilai z =
2,31 adalah 0,4896.Grafik bayi yang memiliki berat 3500 dan 4500 ada diantara z = -0,77
dan z = 2,31. Luas daerahnya adalah 0,2794 + 0,4896 = 0, 7690.

Jadi banyak bayi yang memiliki berat badan 4500 gram kira-kira ada 0,7690 x 10.000 =
7.690
c. Bayi yang memiliki berat lebih kecil atau sama dengan 4.000 gram, maka beratnya
harus lebih kecil dari 4000,5 gram.

Luas daerah kurva dengan nilai z =0,77 adalah 0,2794 Perkiraan bayi yang memiliki berat
lebih kecil atau sama dengan 4.000 gram adalah : 0,5 + 0,2794 = 0,7794 Banyak bayi yang
memiliki berat lebih kecil atau sama dengan 4.000 gram adalah 0,7794 x 10.000 = 7794.

d. Bayi yang memiliki berat 4.250 gram berarti beratnya ada diantara 4.249,5 gram dan
4.250,5 gram.
X = 4.249,5 X = 4250,5
Luas daerah kurva dengan nilai z = 1,53 adalah 0,4370

Luas daerah kurva dengan nilai z = 1,54 adalah 0,4382

Luas daerah kurva yang perlu adalah: 0,4382 –0,4370 = 0,0012

Jadi banyak bayi yang memiliki berat 4.250 gram adalah : 0,0012 x 5.000 = 6.

2.5.6 Ukuran Sampel dan Distribusi Frekuensi

Prinsip-prinsip umum yang berlaku untuk kasus-kasus ini secara sederhana dapat
dinyatakan : semakin besar ukuran sampel maka semakin kecil bentangan antara rata-
rata dan deviasi standar untuk sampel yang diambil dari lot tang sama, dan karenanya
ukuran-ukuran ini akan semakin bersesuaian dengan ukuran-ukuran yang setara yang
akan dihasilkan jika seluruh lot dianalisis.

Semakin kecil ukuran sampel maka semakin besar bentangan antara rata-rata dan
deviasi standar untuk sampel yang diambil dari lot yang sama, dan karenanya rata-rata
dan deviasi standar akan kurang bersesuaian dengan nilai rata-rata dan deviasi standar
yang akan dihasilkan jika penarikan sampel tidak dilakukan melainkan seluruh lot
dianalisis.

Ukuran-ukuran bentangan disajikan melalui rumus-rumus berikut :

𝜎 𝑥 = 𝜎 /√𝑛
Dimana :

𝜎𝑥 = deviasi standar dari rata-rata sampel

𝜎= deviasi standar populasi dari lot tempat sampel diambil
n = ukuran sampel

𝜎s = 𝜎√1-(c4)2

Dimana :

𝜎s = deviasi standar dari deviasi standar sampel

𝜎 = deviasi standar populasi dari lot tempat sampel diambil

C4 = faktor untuk perhitungan deviasi standar populasi dari deviasi

standar sampel
 BAB III

PENUTUP

3.1 Kesimpulan

1. Statistik mempunyai beberapa pengertian, dalam pengertian sempit statistik artinya

data. Dalam pengertian yang luas, statistik artinya kumpulan data dalam bentuk angka
maupun non-angka yang disusun dalam bentuk tabel dan atau diagram yang
menggambarkan suatu persoalan
2. Fungsi penyajian data:
o Menunjukkan perkembangan suatu keadaan.
o Mengadakan perbandingan pada suatu waktu.
o Data lebih cepat dibaca atau dimengerti serta mudah ditafsirkan, baik oleh
peneliti, orang yang mengerti matematika (statistika) maupun orang awam
sekalipun yang tidak memahami statistika.
o Untuk menyajikan data mentah yang diperoleh dari populasi atau sampel
menjadi data yang tertata dengan baik, sehingga bermakna informasi bagi
pengambilan keputusan manajerial.

3.2 Saran
Diharapkan mahasiswa lebih aktif dalam mencari refrensi dan tidak berasal dari
internet karena kuantitas dan kualitas dari data tidak semua valid.
 DAFTAR PUSTAKA

 Dr.Ir. Kemas,M.S.2006.Dasar- dasar Statitiska.Jakarta:PT Raja Grafindo Persada.

 Sudijono, Anas. 2004. Pengantar Statistik Pendidikan.Jakarta: Raja Grafindo
Persada.
 Prof.DR. Sudjana,M.A.,M.Sc.1996.Metoda Statistika.Bandung:Tarsito.
 Supranto.2000.Statistika dan Aplikasi.Jakarta:Erlangga
 DR.Sugiono.2001.Statistika Nonparametris.Bandung:ALFABETA.
 Walpole E Ronald.Pengantar Statistika.Jakarta:PT Gramedia Putaka utama.