Laporan Statistik Kelompok 14 Done

LAPORAN PRAKTIKUM STATISTIK
Diajukan Sebagai Syarat Kelulusan Praktikum Statistik

Jurusan Teknik Industri
Disusun oleh:
Kelompok 14
NO NAMA NIM
1 Yosi Handika 180130033
2 Abi Manyu Pamungkas 180130072
3 Fadilla Audina Azhara Butar Butar 180130099
4 A Zidny Azis Tanjung 180130122
LABORATORIUM STATISTIK
JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK
UNIVERSITAS MALIKUSSALEH
2020
LEMBARAN PENGESAHAN
PRAKTIKUM STATISTIK
(Jurusan Teknik Industri Fakultas Teknik Universitas Malikussaleh)
Diajukan Sebagai Syarat Kelulusan Praktikum Statistik

Jurusan Teknik Industri
Disusun Oleh:
Kelompok 14
NO NAMA NIM
1 Yosi Handika 180130033
2 Abi Manyu Pamungkas 180130072
3 Fadilla Audina Azhara Butar Butar 180130099
4 A Zidny Azis Tanjung 180130122
Disetujui Oleh, Diperiksa Oleh,

Dosen Pembimbing Asisten
Fatimah, ST.,MT Afifah Dian Utami

NIP. 196406062001122001 NIM. 170130003
Mengetahui,
Kepala Laboratorium Teknik Industri
Dr. Trisna, ST., M.Eng

NIP. 197811132005012002
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Allah SWT, atas nikmat, rahmat dan
hidayah-Nya sehingga pada akhirnya kami dapat menyelesaikan LAPORAN
PRAKTIKUM STATISTIK INDUSTRI. Shalawat beriring salam selalu
tercurahkan kepada junjungan Nabi Muhammad SAW, keluarga dan sahabat beliau
serta orang-orang mukmin yang tetap istiqomah di jalan-Nya.
Laporan statistik industri ini disusun sebagai syarat untuk memenuhi
persyaratan nilai dari Praktikum Statistik Industri dari kurikulum Jurusan Teknik
Industri Fakultas Teknik Universitas Malikussaleh. Pada kesempatan ini kami
sebagai penulis mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Ir. Bakhtiar, ST., MT., IPM sebagai Ketua Jurusan Teknik Industri Fakultas
Teknik Universitas Malikussaleh.
2. Dr. Tisna, ST., M.Eng sebagai Kepala Laboratorium Jurusan Teknik
Industri Fakultas Teknik Universitas Malikussaleh.
3. Fatimah, ST., MT sebagai pembimbing dalam praktikum Statistik Industri
yang telah meluangkan waktu untuk memberi bimbingan dan arahan.
4. Afifah Dian Utami sebagai Asisten Laboratorium Statistika Jurusan Teknik
5. Seluruh teman-teman kelompok 14 yang telah bahu-membahu dan bekerja
sama dalam penyusunan laporan ini hingga selesai.
Kami menyadari bahwa laporan ini masih jauh dari kesempurnaan. Oleh
karena itu kami mengharapkan kritik dan saran yang bersifat membangun dari para
pembaca guna mendapatkan kemajuan di masa yang akan datang.
Simalungun, 04 Desember 2020
Kelompok 14
DAFTAR ISI
MODUL I DISTRIBUSI FREKUENSI

MODUL II PROBABILITAS
MODUL III UJI HIPOTESIS
MODUL IV ANAVA
MODUL V PENGENDALIAN KUALITAS
MODUL VI REGRESI LINEAR
MODUL VII STATISTIK NON PARAMETRIK
MODUL I
DISTRIBUSI FREKUENSI
MODUL I
LEMBARAN ASISTENSI
LABORATORIUM STATISTIK INDUSTRI
FAKULTAS TEKNIK JURUSAN TEKNIK INDUSTRI
2020
KELOMPOK 14
MODUL I
NO TANGGAL KETERANGAN PARAF
- Perbaiki latar belakang
1. 08/ 10 – 2020 - Perbaiki rumusan masalah,
tujuan masalah dan batasan
masalah
- Lanjut BAB II
2. 10/ 10 – 2020 - Perbaiki tata tulis

- Lanjut BAB III
- Perbaiki perhitungan manual

3. 11/ 10 – 2020 dan SPSS
- Perbaiki analisa dan evaluasi
- Lanjut BAB V
4. 11/ 10 – 2020 - Perbaiki BAB V

- Lengkapi daftar – daftar
- Lengkapi lampiran
- Perbaiki tata tulis
5. 11/ 10 – 2020 ACC JILID
Mengetahui, Diperiksa Oleh,

Fatimah, ST., MT Afifah Dian Utami

NIP. 196406062001122001 NIM. 170130003
KATA PENGANTAR
PRAKTIKUM STATISTIK INDUSTRI MODUL I “DISTRIBUSI
FREKUENSI”. Shalawat beriring salam selalu tercurahkan kepada junjungan
Nabi Muhammad SAW, keluarga dan sahabat beliau serta orang-orang mukmin
yang tetap istiqomah di jalan-Nya.
Simalungun, 15 Oktober 2020
Kelompok 14
DAFTAR ISI
Halaman
LEMBAR ASISTENSI
KATA PENGANTAR
DAFTAR ISI ............................................................................................... i
DAFTAR TABEL ...................................................................................... iii
DAFTAR GAMBAR .................................................................................. iv
DAFTAR RUMUS ..................................................................................... v
BAB I PENDAHULUAN
1.1 Latar Belakang .................................................................... 1
1.2 Rumusan Masalah ............................................................... 2
1.3 Tujuan Praktikum ............................................................... 2
1.4 Batasan Masalah dan Asumsi .............................................. 2
1.4.1 Batasan Masalah ........................................................ 2
1.4.2 Asumsi ...................................................................... 2
1.5 Langkah-langkah Pemecah Masalah .................................... 3
1.6 Sistematika Penulisan .......................................................... 3
BAB II LANDASAN TEORI

2.1 Distribusi Frekuensi ............................................................. 5
2.1.1 Penyusunan Distribusi Frekuensi ................................ 5
2.2 Jenis-jenis Distribusi Frekuensi ............................................ 6
2.2.1 Distribusi Frekuensi Relatif ........................................ 6
2.2.2 Distribusi Frekuensi Kumulatif ................................... 7
2.3 Histogram ............................................................................ 7
2.4 Poligon Frekuensi ................................................................ 8
2.5 Grafik Frekuensi Komulatif ................................................. 8
2.6 Mean ................................................................................... 9
2.6.1 Mean Aritmetik .......................................................... 9
2.7 Median ................................................................................ 10
2.8 Modus.................................................................................. 11
2.9 Kuartil ................................................................................. 11
2.10 Desil .................................................................................... 13
2.11 Persentil ............................................................................... 13
BAB III METODE

3.1 Pengumpulan data ................................................................ 15
3.1.1 Metode pengumpulan Data ......................................... 15
3.1.2 Prosedur Praktikum .................................................... 15
3.1.3 Data Pengamatan ........................................................ 16
3.2 Pengolahan Data .................................................................. 18
3.2.1 Data Array .................................................................. 18
3.3 Menentukan Nilai Frekuensi ................................................ 21
3.4 Frekuensi Relatif .................................................................. 22
3.4.1 Frekuensi Komulatif ................................................... 23
i
3.4.2 Penyajian Data Dalam Bentuk Grafik ......................... 23
3.4.3 Menentukan Rata-rata, Median, Modus, Simpangan
Baku ........................................................................... 24
3.4.4 Menentukan Kuartil,Desil, dan Persentil ..................... 26
3.5 Pengolahan Data dengan SPSS ............................................ 31
3.5.1 Input Data ................................................................... 31
3.5.2 Output Data ................................................................ 34
BAB IV ANALISIS DAN EVALUASI

4.1 Analisis Data ........................................................................ 37
4.1.1 Analisis Data Dengan Perhitungan Manual ............... 37
4.1.2 Analisis Data Dengan Perhitungan SPSS .................. 39
4.2 Evaluasi .............................................................................. 39
BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan ............................................................................ 41
5.2 Saran ...................................................................................... 41
DAFTAR PUSTAKA
LAMPIRAN
ii
DAFTAR TABEL
Tabel Halaman
2.1 Frekuensi Relatif.................................................................................. 6
3.1 Data Nilai Bahasa Indonesia Kelas X SMA 100 Mahasiswa teknik
Industri Angkatan 2018 ........................................................................ 16
3.2 Data Array Nilai Bahasa Indonesia Kelas X SMA 100 Mahasiswa
Teknik Industri Angkatan 2018 ............................................................ 19
3.3 Distribusi Frekuensi (Fi) Nilai Bahasa Indonesia Kelas X SMA 100
Mahasiswa Teknik Industri Angkatan 2018.......................................... 22
3.4 Nilai Frekuensi Relatif ......................................................................... 23
3.5 Nilai Frekuensi Komulatif.................................................................... 23
3.6 Nilai Frekuensi Data ............................................................................ 24
3.7 Nilai Simpangan Baku ......................................................................... 26
iii
DAFTAR GAMBAR
Gambar Halaman
3.1 Grafik Histogram dan Polygon Distribusi Frekuensi Nilai Bahasa
Indonesia Kelas X 100 Mahasiswa Teknik Industri 2018 ................. 24
3.2 Variabel View ................................................................................. 32
3.3 Data View ....................................................................................... 32
3.4 Gambar Tampilan Klik analize > Descriptive > Frequencies ........... 33
3.5 Tampilan Pindahkan Nama-nama dari Kiri ke Kanan ...................... 33
3.6 Tampilan Klik Statistics > Cheklist serti pada gambaran ................ 34
3.7 Tampilan Klik Chart > Klik Histogram dan Checklist bawahnya ..... 34
3.8 Tampilan Tabel Frequency .............................................................. 35
3.9 Tampilan Tabel Interval Kelas......................................................... 35
4.0 Tampilan Grafik Histogram ............................................................. 36
iv
DAFTAR RUMUS
Persamaan Halaman
2.1 Rumus Mean .................................................................................. 9
2.2 Rumus Mean Aritmatik Data Tidak Berkelompok .......................... 9
2.3 Rumus Mean Aritmatika Data Berkelompok .................................. 9
2.4 Rumus Median Data Berkelompok ................................................. 10
2.5 Rumus Modus Data Berkelompok ................................................... 11
2.6 Rumus Kuartil Data Tunggal ........................................................... 12
2.7 Rumus Kuartil Data Kelompok ....................................................... 12
2.8 Rumus Jangkauan Kuartil dan Simpangan Kuartil ........................... 12
2.9 Rumus Desil Data Tunggal .............................................................. 13
2.10 Rumus Desil Data Berkelompok...................................................... 13
2.11 Rumus Persentil Data Tunggal ........................................................ 14
2.12 Rumus Persentil Data Berkelompok ................................................ 14
v
BAB I
PENDAHULUAN
1.1 Latar Belakang

Statistik memegang peran penting dalam penelitian, baik dalam penyusunan
model, perumusan hipotesa dalam pengembangan alat dan instrumen pengumpulan
data, dalam penyusunan desain penelitian, dalam penentuan sampel dan dalam
analisa data. Dalam banyak hal, pengolahan dan analisa data tidak luput dari
penerapan teknik dan metode statistik tertentu, yang mana kehadirannya dapat
memberikan dasar bertolak dalam menjelaskan hubungan – hubungan yang terjadi.
Statistik dapat digunakan sebagai alat untuk mengetahui apakah hubungan kualitas
antara dua dua atau lebih variabel benar – benar terkait secara benar dalam suatu
kulitas empiris atau hubungan tersebut hanya bersifat random atau kebetulan saja.
Didalam statistik deskriptif kita selalu mengusahakan agar data dapat
disajikan dalam bentuk yang lebih berguna, lebih mudah dipahami dan lebih cepat
dimengerti. Jika data yang ada hanya dikit, kita tidak mengalami kesulitan untuk
membaca dan mengerti angka – angka itu, tetapi apabila data yang tersedia banyak
sekali jumlahnya, maka untuk mengerti data tersebut kita akan mengalami
kesulitan. Untuk memudahkannya data harus disusun secara sistematis atau teratur
kedalam distribusi frekuensi.
Distribusi frekuensi adalah pengelompokan data ke dalam kelompok (kelas)
interval tertentu atau menurut kategori tertentu dalam sebuah daftar dan kemudian
dihitung banyaknya data yang masuk ke dalam tiap kelas. Distibusi frekuensi
merupakan tabel ringkasan data yang menunjukkan frekuensi/ banyaknya
item/objek pada setiap kelas yang yang ada.
Pada Modul I ini, praktikum yang dilakukan yaitu mengambil data berupa
Nilai Mata Pelajaran Bahasa Indonesia Mahasiswa/i Jurusan Teknik Industri
Angkatan 2018 Fakultas Teknik Universitas Malikussaleh dengan mengambil
sampel sebanyak 100 mahasiswa/i, yang mana data yang diperoleh ini
dikelompokan dan disusun kedalam tabel distribusi frekuensi agar mudah dibaca
dan dipahami sehingga akan memudahkan dalam mencapai tujuan pengamatan.
1
2
1.2 Rumusan Masalah

Rumusan masalah dalam praktikum statistik ini adalah sebagai berikut:
1. Bagaimana menyusun distribusi frekuensi dalam bentuk tabel ?
2. Bagaimana menggambar grafik frekuensi, frekuensi relatif dan frekuensi
komulatif serta menggambar polygon?
3. Bagaimana hasil perhitungan rata-rata, median, modus, kuartil, desil, dan
persentil dari data kelompok ?
1.3 Tujuan Masalah

Adapun tujuan dari praktikum ini adalah sebagai berikut:
1. Untuk mengetahui penyusunan distribusi frekuensi dalam bentuk tabel.
2. Untuk mengetahui cara menggambar grafik frekuensi relatif dan frekuensi
kumulatif serta menggambarkan polygon.
3. Untuk mengetahui cara menghitung rata-rata, median, modus, kuartil, desil,
dan persentil.
1.4 Batasan Masalah dan Asumsi

1.4.1 Batasan Masalah
Adapun yang menjadi batasan masalah dalam praktikum modul I ini adalah:
1. Pengambilan data dilakukan melalui pengisian kuesioner pada google forms.
2. Data yang diambil adalah data Nilai Mata Pelajaran Bahasa Indonesia
Mahasiswa/i Jurusan Teknik Industri Angkatan 2018 Fakultas Teknik
Universitas Malikussaleh Pada Saat Berada Dikelas X (1 SMA).
3. Mahasiswa/i yang menjadi sampel adalah 100 Mahasiswa/i Jurusan Teknik
Industri Angkatan 2018 Fakultas Teknik Universitas Malikussaleh.
1.4.2 Asumsi
Adapun asumsi dari praktikum yang telah dilakukan pada modul I ini
adalah:
1. Data yang diambil melalui pengisian kuesioner google forms dianggap
benar.
2. Mahasiswa diminta mengerti dalam proses pengerjaan laporan ini secara
keseluruhan.
3. Proses pengerjaan praktikum dalam keadaan normal.
3
1.5 Langkah-langkah Pemecahan Masalah

Adapun langkah – langkah pemecahan masalah pada Praktikum Modul I ini
adalah sebagai berikut:
1. Menentukan objek yang akan di ukur / di teliti (data nilai pelajaran bahasa
Indonesia kelas X SMA mahasiswa/i teknik industri angkatan 2018 ).
2. Menentukan pengambilan data dengan melakukan pengisian kuesioner pada
google form.
3. Merangkum semua data kedalam daftar table sesuia urutan dari angka
terkecil sampai angka terbesar ( array)
4. Menentukan rentang ,selisih yang terbesar dan terkecil .
5. Menentukan jumlah kelas .
6. Menentukan jumlah interval kelas.
7. Menentukan tepi batas kelas.
8. Menyusun distribusi frekuensi dalam bentuk tabel.
9. Menggambar grafik frekuensi ,frekuensi relative dan komulatif.
10. Menentukan rata-rata ,median ,modus, kuartil ,desil dan persentil.
1.6 Sistematika Penulisan

Adapun untuk memudahkan pemahaman dan pembahsan tentang isi laporan
praktikum ini, maka penulisan dibagi kedalam 5 bab yang masing-masing bab
mengandung beberapa sub bab, yaitu sebagai berikut:
BAB I PENDAHULUAN
Bab ini berisikan penguraian tentang latar belakang praktikum, rumusan
masalah, tujuan praktikum, batasan masalah, dan langkah-langkah
pemecahan masalah dan sistematika penulisan laporan.
Bab ini berisikan tentang analisa secara keseluruhan, distribusi frekuensi,
distribusi frekuensi relatif, distribusi frekuensi kumulatif, grafik distribusi
frekuensi, mean, median, modus,kuartil,desil dan persentil.
BAB III PENGUMPULAN DAN PENGOLAHAN DATA
Bab ini berisikan penguraian tentang pengumpulan data, pengolahan data
secara hitungan manual, dan pengolahan data dengan SPSS
BAB IV ANALISIS DAN EVALUASI DATA
4
Bab ini berisikan tentang analisis data dan evaluasi data.

BAB V KESIMPULA DAN SARAN
Bab ini berisikan tentang kesimpulan dan saran.
II
LANDASAN TEORI
2.1 Distribusi Frekuensi

Distribusi frekuensi adalah pengelompokan data ke dalam kelompok (kelas)
interval tertentu atau menurut kategori tertentu dalam sebuah daftar dan kemudian
dihitung banyaknya data yang masuk ke dalam tiap kelas. Distibusi frekuensi
merupakan tabel ringkasan data yang menunjukkan frekuensi/banyaknya
item/objek pada setiap kelas yang yang ada. Tujuannya mendapatkan informasi
lebih dalam tentang data yang ada yang tidak dapat secara cepat diperoleh dengan
melihat data aslinya (Nar Herhyanto dan H.M. Akib Hamid. 1994).
Data yang diperoleh dari suatu penelitian yang masih berupa random dapat
disusun menjadi data yang berurutan satu per satu atau berkelompok, yaitu data
yang telah disusun ke dalam kelas-kelas tertentu dan tabel untuk distribusi frekuensi
disebut dengan tabel distribusi frekuensi.
Adapun langkah-langkah yang perlu dilakukan untuk membuat distribusi
frekuensi adalah sebagai berikut:
1. Mengurutkan data dari yang terkecil ke yang terbesar
2. Menentukan jangkauan
3. Menentukan jumlah kelas.
4. Menentukan panjang interval kelas.
5. Menentukan batas kelas pertama.
6. Menuliskan frekuensi kelas secara melidi dalam kolom turus sesuai
banyaknya data.
2.1.1 Penyusunan distribusi frekuensi Distribusi frekuensi dapat dibuat dengan

mengikuti pedoman berikut:
1. Mengurutkan data dari yang terkecil ke yang terbesar.
2. Menentukan jangkauan (range) dari data. Jangkauan = data terbesar – data
terkecil.
3. Menentukan banyaknya kelas (k). Banyaknya kelas ditentukan dengan
rumus sturgess K = 1 + 3,3 log n
5
6
keterangan :
k = banyaknya kelas
n = banyaknya data hasilnya dibulatkan, biasanya ke atas Menentukan
panjang interval kelas .
4. Panjang interval kelas
𝑗𝑎𝑛𝑔𝑘𝑎𝑢𝑎𝑛(𝑟)
Panjang interval kelas (i) = 𝑏𝑎𝑛𝑦𝑎𝑘 𝑘𝑒𝑙𝑎𝑠(𝑘
5. Menentukan batas bawah kelas pertama. Batas bawah kelas pertama

biasanya dipilih dari data terkecil atau terkecil yang berasal dari pelebaran
jangkauan (data yang lebih kecil dan data terkecil) dan selisihnya harus
kurang dari panjang interval kelasnya.
6. Menuliskan frekuensi kelas secara melidi dalam kolom turus sesuai
banyaknya data
2.2 Jenis Jenis Distribusi Frekuensi

2.2.1 Distribusi Frekuensi Relatif
Distribusi frekuensi dapat juga berbentuk frekuensi relatif, yaitu dengan
membagi setiap frekuensi kelas dengan total banyaknya data (Donald, H.S. 2001).
Frekuensi relatif mengacu pada proporsi kejadian sebuah nilai tertentu muncul
dalam serangkaian data spesifik. Dengan kata lain, frekuensi relatif adalah, pada
intinya, berapa kali sebuah kejadian tertentu terjadi dibagi dengan total jumlah
kejadian,frekuensi relatif di rumuskan :
Ʃ𝑓1
Frelatif = x 100,i=1,2,3…
𝑛
Misalkan distribusi frekuensi memiliki k buah interval kelas dengan frekuensi
masing –masing : f1,f2,…,fk maka distribusi yang terbentuk adalah
Tabel 2.1 Frekuensi relatif
Interval Kelas Frekuensi Frekuensi Relatif
Interval Kelas -1 Fi Ʃ𝑓1
𝑛
Interval Kelas -2 f2 Ʃ𝑓2
𝑛
7
Tabel 2.1 Frekuensi relatif (Lanjutan)

Interval Kelas Frekuensi Frekuensi Relatif
- - -
- - -
Interval Kelas –k fk Ʃ𝑓𝑘
𝑛
Ʃ𝑓
Jumlah
Ʃ f=n
𝑛
Sumber : Fatimah (2017)
2.2.2 Distribusi Frekuensi Kumulatif

Distribusi frekuensi kumulatif adalah suatu keadaan yang menjadi titik
perhatian mungkin bukan pada banyaknya pengamatan pada kelas tertentu, tetapi
pada banyaknya pengamatan yang jauh diatas atau dibawah nilai tertentu (Donald,
H.S. 2001).
Distribusi frekuensi kumulatif terdiri dari dua macam yaitu ditribusi kurang
dari dan distribusi lebih dari. Distribusi kumulatif kurang dari menunjukkan berapa
banyaknya frekuensi pengamatan yang menunjukan nilai yang lebih kecil dari
sebuah nilai atau nilai-nilai tertentu. Sedangkan distribusi kumulatif lebih dari
menunjukkan berapa banyak frekuensi pengamatan yang menunjukkan nilai nilai
yang lebih besar dari sebuah nilai atau nilai-nilai tertentu.
2.3 Histogram
Penyajian yang paling sederhana dari distribusi frekuensi adalah apa yang
disebut sebagai histogram. Secara umum histogram bentuknya seperti diagram
batang, akan tetapi histogram lebih menunjukkan nilai yang sesungguhnya
dibandingkan dengan diagram batang. Batang yang digambarkan dalam histogram
adalah luas area dari frekuensi yang sebenarnya.
Untuk menggambarkan histogram tetap menggunakan dua garis yakni garis
vertikal (sumbu- y) dan horizontal (sumbu-x). Skala disepanjang sumbu-y
digunakan untuk menggambarkan nilai frekuensi setiap kelas interval dan dikenal
pula sebagai skala frekuensi. Skala pada sumbu-x digunakan untuk menyatakan
nilai-nilai data yang disajikan. Skala sumbu-x dibagi atas bilangan dengan unit yang
sama yang biasanya berkaitan dengan salah satu interval dalam distribusi frekuensi.
8
Demikian pula bilangan yang dituliskan pada skala horizontal bisa berupa batas-
batas interval atau nilai tengah kelas interval.
Pada dasarnya histogram dibuat untuk memastikan bahwa setip keterangan

yang rinci dari distribusi frekuensi akan tercakup didalamnya. Skala di sepanjang
sumbu-x digambarkan setepat mungkin sehingga dapat menampung frekuensi
terbesar dari distribusi frekuensi. Jadi dalam hal ini tidak ada istilah pemotongan
sumbu seperti halnya penggambaran diagram batang. Sumbu-x selalu diawali oleh
bilangan nol pada perpotongan sumbu. Untuk menggambarkan batang-batang dari
histogram ini maka disarankan menggunakan kertas millimeter blok agar diperoleh
gambaran yang baik dan lebih tepat.
2.4 Poligon Frekuensi

Jenis grafik lain dan cukup banyak digunakan dalam menyajikan distribusi
frekuensi adalah apa yang disebut sebagai poligon. Dasar pembuatan poligon
frekuensi sama halnya dengan pembuatan histogram. Sesuai dengan namanya yang
berarti banyak sudut, poligon memang terbentuk dari garis patah-patah yang
menghubungkan antara titik-titik tengah pada setiap puncak batang histogram
sehingga tampak seperti benda dengan banyak sudut.
Poligon frekuensi harus ditutup kedua ujungnya dengan menarik garis dari
kedua ujung batang histogram (kiri dan kanan) kearah sumbu-x dengan skala yang
sama seperti skala kelas interval lainnya. poligon frekuensi dapat dibuat secara
langsung tanpa harus menggambarkan histogram terlebih dahulu. Caranya adalah
dengan membuat tanda diatas titik tengah setiap kelas interval dengan jarak yang
sesuai dengan frekuensinya kemudian titik-titik ini dihubungkan dengan garis dan
ditutup pada kedua ujungnya seperti yang dijelaskan sebelumnya.
2.5 Grafik Frekuensi kumulatif

Metode lain untuk menyajikan distribui frekuensi secara grafis adalah kurva
frekuensi kumulatif atau ogive, atau ada pula yang menyebutnya frekuensi
kumulatif kurang dari. Meski penggunaannya tidak sesering histogram dan poligon,
namun untuk beberapa kasus tertentu kurva ini ternyata mempunyai kegunaan yang
lebih baik dibandingkan keduanya. Pemuatannya hampir sama dengan pembuatan
9
poligon. Perbedaannya hanyalah pada nilai frekuensinya. Frekuensi kumulatif

diperoleh dengan menjumlahkan setiap frekuensi dengan frekuensi pada kelas
interval selanjutnya.
Kurva frekuensi kumulatif digambarkan dengan mengambil frekuensi
kumulatif sebagai sumbu-y dan bawah kelas interval sebagai sumbu-x. Awal dari
kurva dimulai pada titik nol dan diakhiri pada perpotongan antara batas bawah kelas
interval terakhir dengan titik y yang nilainya sama dengan jumlah seluruh data.
Dalam kurva frekuensi kumulatif dapat juga ditambahkan skala persentase yang
ditempatkan disebelah kanan kurva. Skala persentase ini sangat bermanfaat apabila
diperlukan perhitungan persentase dari distribusi frekuensi.
2.6 Mean (rata-rata hitung)

Mean adalah nilai rata-rata dari data yang ada.
Rumus :
∑ 𝐹𝑀
𝑥̅ = .................................................................................. pers (2.1)
𝑁
Dimana :
F : frekuensi masing-masing kelas
M : mid poin masing-masing kelas
N : banyaknya data dari distribusi frekuensi
2.6.1 Mean Aritmetik

Mean aritmetik adalah jenis ukuran paling umum digunakan.
a. Data Tunggal
Rumus :
∑𝑛
𝑖=1 𝑥𝑖
𝑥̅ = 𝑛
∑𝑁
𝑖=1 𝑥𝑖
µx = .................................................................................. pers (2.2)
𝑁
b. Data berkelompok
Rumus :
∑𝑘
𝑖=1 𝑓𝑖𝑥𝑚,𝑖 ∑𝑘
𝑖=1 𝑓𝑖𝑥𝑚,𝑖
𝑥̅ = ∑𝑘
=
𝑖=1 𝑓𝑖 𝑛
∑𝑘
𝑖=1 𝑓𝑖𝑥𝑚,𝑖 ∑𝑘
𝑖=1 𝑓𝑖𝑥𝑚,𝑖
µx = ∑𝑘
= .................................................... pers (2.3)
𝑖=1 𝑓𝑖 𝑁
10
Keterangan :
𝑥̅ = mean aritmetika dari suatu sampel
µx = mean aritmetika dari suatu populasi
xi = nilai dari data (variabel x)
k = jumlah interval kelas dalam suatu sampel
K = jumlah interval kelas dalam suatu populasi
n = banyaknya data x dalam suatu sampel
N = banyaknya data x dalam suatu populasi
fi = frekuensi atau jumlah pengamatan dalam sebuah interval
xml = nilai tengah dari interval kelas
2.7 Median
Median adalah nilai tengah dari data yang ada setelah data diurutkan.
Median merupakan rata-rata jika ditinjau dari segi kedudukannya dalam urutan
data.
a. Data Tunggal
Nilai tengah atau mean aritmetika dari 2 nilai tengah suatu jajaran data
(array).
b. Data terkelompok
𝑛
− (∑ 𝑓)𝑙
2
Median = 𝑥̃ = Li + ( 𝑓 ) c .................................................. pers (2.4)
𝑚𝑒𝑑𝑖𝑎𝑛
Dimana :
Li = batas bawah nyata kelas dari kelas median (kelas yang memuat
median
n = banyaknya data (jumlah seluruh frekuensi)
( ∑f)l = jumlah frekuensi seluruh kelas yang lebih rendah dari kelas
median
fmedian = frekuensi kelas median
c = lebar interval kelas median
11
2.8 Modus
Modus adalah nilai yang paling sering muncul dalam data. Sejumlah data
bisa tidak mempunyai modus, mempunyai satu modus mempunyai dua atau bahkan
lebih.
a. Modus Data Tunggal
Modus dari data tak berkelompok adalah data yang frekuensinya terbanyak.
Contoh :
1. 1, 3, 8, 8, 10,11,15 Modus 8
2. 1, 2, 4, 6, 8, 12, 19 Modus tidak ada
3. 2, 3, 5, 5, 6, 8, 8, 10 Modus 5 dan 8
4. 3, 3, 6, 6, 7, 8, 8, 9 Modus 3, 6, 8
b. Modus Data Berkelompok
Untuk data berkelompok modus hanya dapat diperkirakan. Nilai yang paling
sering muncul akan berada pada kelas yang memiliki frekuensi terbesar.
Kelas yang memiliki frekuensi terbesar disebut sebagai kelas modus.
Rumus :
𝑑1
Mo = L + (𝑑1+𝑑2) c ................................................................... pers (2.5)
Dimana :
Mo = Modus
L = Tepi bawah kelas modus
d1 = Selisih frekuesi kelas modus dengan frekuensi kelas sebelumnya
d2 = Selisih frekuensi kelas modus dengan frekuensi kelas sesudahnya
c = Panjang interval
2.9 Kuartil
Kuartil membagi data menjadi empat bagian yang sama banyak dari data
yang telah terurut yang masing-masing sebesar 25% atau 1/4 bagian . Kuartil (Q)
terbagi menjadi tiga macam, yaitu Q1 (kuartil bawah), Q2 (kuartil tengah atau
median) dan Q3 (kuartil atas).
1. Kuartil Data Tunggal
Berikut adalah beberapa langkah yang dapat dilakukan untuk mendapatkan
kuartil.
12
1. Susunlah data menurut urutannya.

2. Tentukan letak kuartil dan.
3. Tentukan nilai kuartilnya.
Untuk mencari letak kuartil ke i, dapat kita gunakan rumus berikut:
𝑖 (𝑛+1)
𝐿𝑒𝑡𝑎𝑘 𝑄i= ……………………………………….............. pers (2.6)
4
Dengan i = 1, 2, dan 3.
2. Kuartil Data Kelompok
Berikut merupakan rumus yang dapat kita gunakan untuk kuartil data
berkelompok yang disajikan dalam bentuk tabel distribusi frekuensi.
1
−𝐹
𝑄i= 𝑇𝑏 + [4 𝑓 ] 𝑐 ……………………………………………... pers (2.7)
Keterangan:
Tb = Tepi bawah kuartil ke-i.

F = Jumlah frekuensi sebelum frekuensi kuartil ke-i.
f = Frekuensi kuartil ke-i. i = 1, 2, 3
n = Jumlah seluruh frekuensi.
c = panjang interval kelas.
3. Jangkauan Kuartil dan Simpangan Kuartil atau Jangkauan Semi Inter
Kuartil.
Berikut adalah rumus untuk sekumpulan data yang mempunyai kuartil
bawah (Q1) dan kuartil atas (Q3), Rumus Jangkauan kuartil dan simpangan
kuartil atau Jangkauan Semi Inter kuartil dari data adalah sebagai berikut:
1
𝐽𝑄 = 𝑄 3 𝑑𝑎𝑛 𝑄𝑑 = 2 (𝑄3 – 𝑄1 ……………………..……...…. pers (2.8)
Keterangan:
JQ = Simpangan kuartil.
Qd = Jangkauan semi inter kuartil atau simpangan kuartil.
Q1 = Kuartil ke-1 (Kuartil bawah).
Q3 = Kuartil ke-3 (Kuartil atas).
13
2.10 Desil
Desil merupakan kumpulan data yang dibagi menjadi seratus bagian yang
sama, maka diperoleh sembilan pembagi dan tiap pembagi dinamakan desil, yaitu
desil 1 hingga persentil 9 dan untuk menyederhanakannya disingkat menjadi D1
hingga D9.
1. Desil Data Tunggal
desil.
1. Susunlah data menurut urutan nilainya.
2. Tentukan letak desilnya.
3. Hitung nilai desilnya.
Letak desil ke i dapat ditentukan dengan rumus berikut:
𝑖 ( 𝑛+1)
𝐿𝑒𝑡𝑎𝑘 𝐷i= ................................................................................................................... pers (2.9)
10
Dengan i = 1-9
2. Desil Data Berkelompok
Data yang disajikan dalam tabel distribusi frekuensi dapat dihitung
menggunakan rumus berikut:
1
−𝐹
10
𝐷i= 𝑇𝑏 + [ ] 𝑐 ................................................................. pers (2.10)
𝑓
Keterangan:
Tb = Tepi bawah desil ke-i.
f = Frekuensi kuartil ke-i dengan i = 1-9.
c = panjang interval kelas.
2.11 Persentil
Persentil merupakan kumpulan data yang dibagi menjadi seratus bagian
yang sama, maka diperoleh sembilan puluh sembilan pembagi dan tiap pembagi
dinamakan persentil, yaitu persentil 1 hingga persentil 99 dan untuk
menyederhanakannya disingkat menjadi P1 hingga P99.
1. Persentil Data Tunggal
14

persentil data tunggal:
1. Susunlah data menurut urutan nilainya.
2. Tentukan letak persentilnya.
3. Hitung nilai persentilnya.
Letak persentil ke i dapat ditentukan dengan rumus berikut:
𝑖 (𝑛+1)
𝐿𝑒𝑡𝑎𝑘 𝑃i = ……………………………………………...pers (2.11)
100
Dengan i = 1-99.
2. Persentil Data Kelompok
persentil data berkelompok:
1
−𝐹
𝑃i= 𝑇𝑏 + [100𝑓 ] 𝑐 …………………..……………………….pers (2.12)
Keterangan:
Tb = Tepi bawah persentil ke-i.

f = Frekuensi kuartil ke-i. i = 1, 2, 3,…,99
C = panjang interval kelas.
BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
3.1 Pengumpulan Data

3.1.1 Metode Pengumpulan Data
Metode pengumpulan data dilakukan dengan cara melakukan pendataan
menggunakan Google Form yang dikirimkan kepada Mahasiswa Teknik Industri
Angkatan 2018 Universitas Malikussaleh melalui group WhatsApp Angkatan
dengan pertanyaan mengenai nilai mata pelajaran bahasa indonesia saat kelas X (1
SMA).
3.1.2 Prosedur Praktikum

Prosedur dalam pelaksanaan praktikum ini adalah sebagai berikut:
1. Alat dan Bahan
Adapun peralatan yang digunakan dalam pengukuran adalah :
a. Laptop
b. Smartphone
c. Formulir pengamatan
2. Tahapan Pelaksanaan Praktikum
Tahapan-tahapan dalam pelaksanaan praktikum ini adalah sebagai berikut:
a. Membuat google form
b. Merekapitulasi data dari google form
c. Menyusun semua data nilai bahasa indonesia kelas X SMA 100
mahasiswa teknik industri angkatan 2018 kedalam daftar array.
d. Menentukan jumlah kelas data nilai bahasa indonesia kelas X SMA 100
mahasiswa teknik industri angkatan 2018
e. Menentukan interval kelas untuk setiap kelas.
f. Menyusun distribusi frekuensi dalam bentuk tabel.
g. Menentukan frekuensi relatifnya.
h. Menenentukan frekuensi kumulatif.
i. Menggambarkan grafik (histogram dan poligon) dari tabel frekuensi.
j. Mengaplikasikannya dengan SPSS
15
16
3.1.3 Data Pengamatan

Berdasarkan hasil pengamatan praktikan di lapangan, diperoleh data Nilai
Bahasa Indonesia Kelas X SMA 100 Mahasiswa Teknik Industri Angkatan 2018
bisa di lihat pada Tabel 3.1 berikut :
Tabel. 3.1 Data Nilai Bahasa Indonesia Kelas X SMA 100 Mahasiswa Teknik
Industri Angkatan 2018
Nilai Bahasa
No Nama NIM
Indonesia
1 A Zidny Azis Tanjung 180130122 85
2 Abdizil Ikram 180130152 70
3 Abi Manyu Pamungkas 180130072 85
4 Ahmad Muhajir 180130113 95
5 Ajinar 180130118 82
6 Amelia Andhini 180130130 87
7 Angela Prima Ranika 180130112 85
8 Annisa Hanita 180130132 87
9 Aris Munandar 180130050 88
10 Arnold AP Pekey 180130157 70
11 Atika Azmi Siregar 180130092 98
12 Dandi Mega Sukma 180130150 80
13 Devi Ramadhani 180130140 85
14 Dicky Chairuddin 180130083 75
15 Dilla 180130049 90
16 Efrigusmeli 180130129 90
17 Eka Wulandari 180130134 86
18 Evi Illah Wahyuni 180130038 85
19 Fadel muhammad 180130138 88
20 Fadilla Audina AB 180130099 95
21 Fadillah dwi utama 180130060 95
22 Fahri Aulia Nugraha Rambe 180130109 80
23 Faisal 180130056 80
24 Fanimaulia 180130089 85
25 Fara Anjelika 180140075 90
26 Fiqratunnisa Hawari A'la 180130094 87
27 Fredo 180130033 90
28 Fredy fariska fahrudin 180130016 85
29 Frendy darmansyah 180130147 87
30 Haikal Akbar 180130008 80
31 Hanny Adzkia Putri Abelia 180130117 90
32 Hendra Aryanto 180130005 85
17
Industri Angkatan 2018 (Lanjutan)
Nilai Bahasa
No Nama NIM
Indonesia
33 Iis kartika 180130082 80
34 Imad Haraki 180130093 85
35 Indah Permatasari 180130100 90
36 Iqbal Maulana 180130133 85
37 Iqzal Fazar Erlangga 180130119 85
38 Julianda 180130051 90
39 Koko Andika 180130120 80
40 Lisa 180130058 79
41 Lya Wahyuni 180130111 94
42 M andre 180130144 85
43 M. Saptariawan 180130040 80
44 M.Alfi Syahrin 180130086 75
45 Mahendra 180130127 85
46 Meilinda Dhika Putri 180130104 88
47 Melinda Hasibuan 180130045 89
48 Meyliza Suri 180130081 95
49 MHD ALFA Roji 180130010 90
50 Mhd Fikri Liansyah 180130154 86
51 Muhammad Alfian 180130159 80
52 Muhammad Aliansyah 180130079 90
53 Muhammad Bakri 180130142 80
54 Muhammad Bima Ensaftyan 180130135 85
55 Muhammad Fadli muda'i 180130080 85
56 Munazar 180130161 85
57 Nabila mutiara 180130018 90
58 Nadya Arifah 180130027 95
59 Nanda Lopiga Ginting 180130021 89
60 Neti Albania 180130074 90
61 Nove Elita Fany 180130074 85
62 Nurhajjah 180130090 85
63 Nuri astute 180130017 80
64 Nurma Yunita 180130003 75
65 Nurul firda 180130098 80
66 Nurul Qolbi 180130043 85
67 Patimah Sari 180130114 80
68 Putri 180130124 90
69 Qurrata 180130020 92
18
Industri Angkatan 2018 (Lanjutan)
Nilai Bahasa
No Nama NIM
Indonesia
70 Raja Nahagu Nasution 180130146 95
71 Rama Dani 180130102 80
72 Raviv 180130123 80
73 Reza Syaputra 180130088 90
74 Reza rizkiani 180130052 95
75 Rian Kurniawan 180130103 90
76 Rifqi Rahman 180130160 88
77 Rina 180130143 95
78 Rizki Maulida 180130110 86
79 Rizki wahyuri 180130136 90
80 Rizky Ramadhana 180130155 92
81 Rusdania 180130116 85
82 Sahara 180130115 90
83 Sakina Nursani 180130073 89
84 Sapril Algani 180130062 85
85 Sarah Hayati 180130105 79
86 Sucifira Alpinna 180130097 85
87 Sultan maulana 180130019 89
88 Syafrizal 180130063 82
89 Syika Ramadhani 180130114 87
90 Sylvia Devina Febrianti 180130001 98
91 Tanti Sundari 180130053 90
92 Teuku muammar 180130095 90
93 Umri Alwi 180130002 85
94 Urfan wahyan wahid 180130039 75
95 Very Wahyudi 180130087 90
96 Wira Irshadi Ahli 180130107 85
97 Yoga Trisyiam 180130071 75
98 Yosi Handika 180130033 85
99 Yumna Amani 180130091 98
100 Zunaedi Azhari 180130128 85
Sumber : Data Pengamatan
3.2 Pengolahan Data

Adapun pengolahan yang didapat adalah sebagai berikut:
3.2.1 Data Array
19
Untuk mempermudah dalam pengolahan data, maka data hasil pengamatan

yang telah diperoleh diurutkan mulai dari tinggi siku duduk yang terkecil sampai
yang terbesar (Daftar Array). Adapun daftar array Nilai Bahasa Indonesia Kelas X
SMA 100 Mahasiswa Teknik Industri Angkatan 2018 bisa dilihat pada Tabel 3.2
berikut:
Tabel. 3.2 Daftar Array Nilai Bahasa Indonesia Kelas X SMA 100
Mahasiswa Teknik Industri Angkatan 2018
Nilai Bahasa
No Nama NIM
Indonesia
5 Nurma Yunita 180130003 75
8 Lisa 180130058 79
9 Sarah Hayati 180130105 79
12 Faisal 180130056 80
13 Haikal Akbar 180130008 80
14 Iis kartika 180130082 80
15 Koko Andika 180130120 80
19 Nuri astute 180130017 80
20 Nurul firda 180130098 80
21 Patimah Sari 180130114 80
22 Rama Dani 180130102 80
23 Raviv 180130123 80
24 Ajinar 180130118 82
25 Syafrizal 180130063 82
20
Mahasiswa Teknik Industri Angkatan 2018 (Lanjutan)
Nilai Bahasa
No Nama NIM
Indonesia
31 Fanimaulia 180130089 85
34 Imad Haraki 180130093 85
38 Mahendra 180130127 85
41 Munazar 180130161 85
43 Nurhajjah 180130090 85
44 Nurul Qolbi 180130043 85
45 Rusdania 180130116 85
48 Umri Alwi 180130002 85
50 Yosi Handika 180130033 85
63 Rifqi rahman 180130160 88
68 Dilla 180130049 90
21
Mahasiswa Teknik Industri Angkatan 2018 (Lanjutan)
Nilai Bahasa
No Nama NIM
Indonesia
71 Fredo 180130033 90
74 Julianda 180130051 90
75 MHD ALFA Roji 180130010 90
78 Neti albania 180130074 90
79 Putri 180130124 90
83 Sahara 180130115 90
86 Very Wahyudi 180130087 90
87 Qurrata 180130020 92
89 Lya Wahyuni 180130111 94
93 Meyliza Suri 180130081 95
94 Nadya Arifah 180130027 95
97 Rina 180130143 95
100 Yumna Amani 180130091 98
Sumber : Data Pengolahan
3.3 Menentukan Nilai Frekuensi

Adapun untuk menentukan nilai frekuensi adalah sebagai berikut:
1. Menghitung range
22
R = data yang paling tinggi – data yang paling rendah

= 98 – 70
= 28
2. Menghitung jumlah kelas
K = 1+3,3 log n
= 1+3,3 log 100
= 1+3,3 (2)
= 7,6
=8
3. Menghitung interval kelas
I = R/k
= 28/7
=4
4. Mencari Nilai Tengah
𝐵𝐾𝐴+𝐵𝐾𝐵
Titik tengah = 2
Untuk nilai nilai titik tengah bisa dilihat pada Tabel 3.3 di bawah ini:
Tabel 3.3 Distribusi Frekuensi (Fi) Bahasa Indonesia Kelas X SMA 100
Kelas Titik Tengah Fi Batas Bawah Batas Atas
70 – 73 71,5 2 69,5 73,5
74 – 77 75,5 5 73,5 77,5
78 – 81 79,5 16 77,5 81,5
82 – 85 83,5 28 81,5 85,5
86 – 89 87,5 16 85,5 89,5
90 – 93 91,5 21 89,5 93,5
94 – 97 95,5 9 93,5 97,5
98 – 101 99,5 3 97,5 101,5
Jumlah 100
3.4 Frekuensi Relatif

Setelah nilai distribusi frekuensi diketahui, selanjutnya menentukan nilai
frekuensi relatif. Nilai frekuensi relatif (fr) adalah distribusi frekuensi yang
berisikan nilai hasil bagi antara frekuensi kelas dan jumlah pengamatan. Adapun
nilai dari distribusi frekuensi relatif bida dilihat pada Tabel 3.4 berikut :
23
Tabel 3.4 Tabel Nilai Frekuensi Relatif

Kelas Titik Tengah Frekuensi Frekuensi Relatif Fr Rel %
70 – 73 71,5 2 0,02 2%
74 – 77 75,5 5 0,05 5%
78 – 81 79,5 16 0,16 16%
82 – 85 83,5 28 0,28 28%
86 – 89 87,5 16 0,16 16%
90 – 93 91,5 21 0,21 21%
94 – 97 95,5 9 0,09 9%
98 – 101 99,5 3 0,03 3%
Jumlah 100 1 100%
3.4.1 Frekuensi Kumulatif

Distribusi frekuensi kumulatif terdiri dari 2 macam, yaitu distribusi
frekuensi kumulatif kurang dari (<) dan distribusi kumulatif lebih dari (>). Adapun
nilai distribusi frekuensi kumulatif ( < )dan ( > ) bisa dilihat pada Tabel 3.5 berikut:
Tabel 3.5 Tabel Nilai Frekuensi Kumulatif

Kelas Titik Tengah Frekuensi fk ˂ fk ˃
70 – 73 71,5 2 0 100
74 – 77 75,5 5 2 98
78 – 81 79,5 16 7 93
82 – 85 83,5 28 23 77
86 – 89 87,5 16 51 49
90 – 93 91,5 21 67 33
94 – 97 95,5 9 88 12
98 – 101 99,5 3 97 3
Jumlah 100 100 0
3.4.2 Penyajian Data Dalam Bentuk Grafik

Adapun penyajian data dalam bentuk grafik histogram dan polygon untuk
distribusi frekuensi pada nilai bahasa Indonesia kelas x 100 mahasiswa teknik
industri angkatan 2018 bisa dilihat pada Gambar 3.1 berikut:
24
Nilai Bahasa Indonesia Kelas X 100

30
25
20
15
10
0
70 – 73 74 – 77 78 – 81 82 – 85 86 – 89 90 – 93 94 – 97 98 – 101
Histogram Polygon
Gambar 3.1 Grafik Histogram dan Polygon Distribusi Frekuensi Nilai

Bahasa Indonesia Kelas X 100 Mahasiswa Teknik Industri
Angkatan 2018
3.4.3 Menentukan Rata-rata, Median, Modus, Simpangan Baku

Adapun untuk menentukan rata-rata, median, modus, simpangan baku
1. Rata-Rata (Mean)
Adapun rumus menghitung rata-rata hitung adalah sebagai berikut:
 f i xi
X 
f
Untuk memudahkan dalam mencari nilai rata-rata maka terlebih dahulu
mencari nilai Σfi. xi .
Tabel. 3.6 Nilai Frekuensi Data
No Kelas fi xi fi.xi
1 70 – 73 2 71,5 143
2 74 – 77 5 75,5 377,5
3 78 – 81 16 79,5 1272
4 82 – 85 28 83,5 2338
5 86 – 89 16 87,5 1400
6 90 – 93 21 91,5 1921,5
7 94 – 97 9 95,5 859,5
8 98 – 101 3 99,5 298,5
Jumlah 100 8610
Sumber: Data Pengolahan
25
Penyelesaian Mean :
 f i xi
X 
f
8610
=
100
= 86,1
2. Median
Berdasarkan distribusi frekuensi yang terdapat pada Tabel 3.3 maka dapat
diketahui nilai median dari data tersebut terdapat pada data ke-50 , yang
terdapat pada kelas 82 – 85 (kelas ke-4).
B = 81,5 fme = 28
(Σfi)o = 23 C =4
Penyelesaian Median :
1
𝑛 (Σ𝑓𝑖)𝑜
2
Me =B+ ( ) ×C
𝑓𝑚𝑒
1
100 − 23
2
=81,5 + ( )×4
28
= 81,5 + 3,86
= 85,36
3. Modus
Berdasarkan distribusi frekuensi yang terdapat pada tabel maka dapat
diketahui nilai modus terdapat pada kelas ke- 4 dengan frekuensi 28.
B = 81,5
∆d1 = 28 – 16
= 12
∆d2 = 28 – 16
= 12
Penyelesaian Modus :
∆d1
Modus = B + (∆d1+∆d2) × C
12
= 81,5 + (12+12 ) × 4
= 81,5 + 2
= 83,5
26
4. Nilai simpangan baku

Untuk mencari nilai simpangan baku (σ), maka digunakan parameter nilai
yang relevan dengan perhitungan simpangan baku (σ) seperti Tabel 3.7
berikut:
Tabel 3.7 Nilai Simpangan Baku
No Kelas fi Xi fi.xi (Xi- X ) ( Xi - Ẋ )^2 f( Xi - Ẋ )^2
1 70 – 73 2 71,5 143 -14,6 213,16 426,32

2 74 – 77 5 75,5 377,5 -10,6 112,36 561,8
3 78 – 81 16 79,5 1272 -6,6 43,56 696,96
4 82 – 85 28 83,5 2338 -2,6 6,76 189,28
5 86 – 89 16 87,5 1400 1,4 1,96 31,36
6 90 – 93 21 91,5 1921,5 5,4 29,16 612,36
7 94 – 97 9 95,5 859,5 9,4 88,36 795,24
8 98 – 101 3 99,5 298,5 13,4 179,56 538,68
Jumlah 100 8311,5 3852
Menghitung Standar Deviasi (σ)
 f x  x 
2
σ = i i
f i
3852
=√
100
= √38,52
= 6,20
3.4.4 Menentukan Kuartil, Desil, dan Persentil

1. Kuartil (Q)
a. Kuartil 1 (Q1)
N
K1 = (Σ𝑓𝑖 )𝑜 = 23
4
100
= 𝑓𝑄𝑖 = 28
4
= 25 (Kelas ke 4) B = 81,5
Penyelesaian Q1 :
𝑛
−(Σ𝑓𝑖)𝑜
4
Q1 = Bi + ( ) ×C
𝑓𝑄𝑖
27
25−23
= 81,5 + ( ) ×4
28
= 81,5 + 0,29
= 81,79
b. Kuartil 2 (Q2)
2N
K2 = (Σ𝑓𝑖 )𝑜 = 23
4
2 (100)
= 𝑓𝑄𝑖 = 28
4
= 50 (Kelas ke 4) B = 81,5
Penyelesaian Q2 :
2𝑛
−(Σ𝑓𝑖)𝑜
Q2 = Bi + ( 4 ) ×C
𝑓𝑄𝑖
50−23
= 81,5 + ( ) ×4
28
= 81,5 + 3,86
= 85,36
c. Kuartil 3 (Q3)
3N
K3 = (Σ𝑓𝑖 )𝑜 = 67
4
3 (100)
= 𝑓𝑄𝑖 = 21
4
= 75 (Kelas ke 6) B = 89,5
Penyelesaian Q3 :
3𝑛
−(Σ𝑓𝑖)𝑜
Q3 = Bi + ( 4 ) ×C
𝑓𝑄𝑖
75−67
= 89,5 + ( ) ×4
21
= 89,5 + 1,52
= 91,02
2. Desil (D)
a. Desil 2 (D2)
2N
D2 = (Σ𝑓𝑖 )𝑜 = 7
10
2 (100)
= 𝑓𝑄𝑖 = 16
10
= 20 (Kelas ke 3) B = 77,5
28
Penyelesaian D2 :
2𝑛
−(Σ𝑓𝑖)𝑜
D2 = Bi + (10 ) ×C
𝑓𝑄𝑖
20 −7
= 77,5 + ( ) ×4
16
= 77,5 + 3,25
= 80,75
b. Desil 3 (D3)
3N
D3 = (Σ𝑓𝑖 )𝑜 = 23
10
3(100)
= 𝑓𝑄𝑖 = 28
10
= 30 (Kelas ke 4) B = 81,5
Penyelesaian D3 :
3𝑛
−(Σ𝑓𝑖)𝑜
D3 = Bi + (10 ) ×C
𝑓𝑄𝑖
30−23
= 81,5 + ( ) ×4
28
= 81,5 + 1
= 82,5
c. Desil 5 (D5)
5N
D5 = (Σ𝑓𝑖 )𝑜 = 23
10
5(100)
= 𝑓𝑄𝑖 = 28
10
= 50 (Kelas ke 4) B = 81,5
Penyelesaian D5 :
3𝑛
−(Σ𝑓𝑖)𝑜
D5 = Bi + (10 ) ×C
𝑓𝑄𝑖
50−23
= 81,5 + ( ) ×4
28
= 81,5 + 3,86
= 85,36
d. Desil 6 (D6)
6N
D6 = (Σ𝑓𝑖 )𝑜 = 51
10
29
6(100)
= 𝑓𝑄𝑖 = 16
10
= 60 (Kelas ke 5) B = 85,5
Penyelesaian D6 :
6𝑛
−(Σ𝑓𝑖)𝑜
10
D6 = Bi + ( ) ×C
𝑓𝑄𝑖
60−51
= 85,5 + ( ) ×4
16
= 85,5 + 2,25
= 87,75
e. Desil 7 (D7)
7N
D7 = (Σ𝑓𝑖 )𝑜 = 67
10
7(100)
= 𝑓𝑄𝑖 = 21
10
= 70 (Kelas ke 6) B = 89,5
Penyelesaian D7 :
6𝑛
−(Σ𝑓𝑖)𝑜
10
D7 = Bi + ( ) ×C
𝑓𝑄𝑖
70−67
= 89,5 + ( ) ×4
21
= 89,5 + 0,57
= 90,07
3. Persentil (P)
a. Persentil 1 (P1)
N
P1 = (Σ𝑓𝑖 )𝑜 = 0
100
100
= 𝑓𝑄𝑖 =2
100
= 1 (Kelas ke 1) B = 69,5
Penyelesaian P1 :
𝑛
−(Σ𝑓𝑖)𝑜
100
P1 = Bi + ( ) ×C
𝑓𝑄𝑖
1−0
= 69,5 + ( ) ×4
2
= 69,5 + 2
= 71,5
30
b. Persentil 10 (P10)
10N
P10 = (Σ𝑓𝑖 )𝑜 = 7
100
1000
= 𝑓𝑄𝑖 = 16
100
= 10 (Kelas ke 3) B = 77,5
Penyelesaian P10 :
𝑛
−(Σ𝑓𝑖)𝑜
P10 = Bi + (100 𝑓𝑄𝑖 ) ×C
10−7
= 77,5 + ( ) ×4
16
= 77,5 + 0,75
= 78,25
c. Persentil 50 (P50)
50N
P50 = (Σ𝑓𝑖 )𝑜 = 23
100
5000
= 𝑓𝑄𝑖 = 28
100
= 50 (Kelas ke 4) B = 81,5
Penyelesaian P50 :
𝑛
−(Σ𝑓𝑖)𝑜
P50 = Bi + (100 𝑓𝑄𝑖 ) ×C
50−23
= 81,5 + ( ) ×4
28
= 81,5 + 4,14
= 85,64
d. Persentil 75 (P75)
75N
P75 = (Σ𝑓𝑖 )𝑜 = 67
100
7500
= 𝑓𝑄𝑖 = 21
100
= 75 (Kelas ke 6) B = 89,5
Penyelesaian P50 :
𝑛
−(Σ𝑓𝑖)𝑜
P75 = Bi + (100 𝑓𝑄𝑖 ) ×C
75−67
= 89,5 + ( ) ×4
21
= 89,5 + 1,52
31
= 91,02
e. Persentil 99 (P99)
99N
P99 = (Σ𝑓𝑖 )𝑜 = 97
100
9900
= 𝑓𝑄𝑖 =3
100
= 99 (Kelas ke 8) B = 97,5
Penyelesaian P99 :
99𝑛
−(Σ𝑓𝑖)𝑜
100
P1 = Bi + ( ) ×C
𝑓𝑄𝑖
99−97
= 97,5 + ( ) ×4
3
= 97,5 + 2,67
= 100,17
3.5 Pengolahan Data dengan SPSS

Berikut ini adalah pengolahan data dengan menggunakan aplikasi SPSS.
Didalam penggunaan SPSS dalam pengolahan kali ini terdapat Input Data dan
Output Data.
3.5.1 Input Data

a. Variabel View
Variable view adalahtempat untuk menginput variabel statistik.Bagian ini
digunakan hanya pada saat memasukkan dan mendefinisikan varibel-
variabel. Tampilan variabel view pada lembar kerja SPSS saat input data
dapat dilihat pada Gambar 3.2 berikut ini:
32
Gambar 3.2 Variabel View
b. Data View
Data view adalah tab sheet yang menampilkan nilai data yang sebenarnya
atau tabel nilai yang didefenisikan. Data view untuk input data pada tahap
pengelolaan data menggunakan SPSS dapat dilihat pada gambar 3.3 berikut
ini:
Gambar 3.3 Data View
Setelah mebuat data view dari data tersebut maka langkah selanjutnya adalah
seperti gambar 3.4
33
Gambar 3.4 Tampilan Klik Analize > Descriptive > Frequencies
Gambar 3.5 Tampilan Pindahkan Nama-nama dari Kiri ke Kanan

34
Gambar 3.6 Tampilan Klik Statistics > Cheklist seperti pada gambaran
Gambar 3.7 Tampilan Klik Chart>Klik Histogram dan Checklist bawahnya
3.5.2 Output Data

Output data adalah keluaran data yang telah dikelompokkan dalam berbagai
subsistem yang berupa input dari data sebelumnya. Output dari data yang telah di
input melalui proses yang telah di jelaskan pada sub judul sebelumnya dapat dilihat
pada Gambar 3.8 berikut ini:
35
Gambar 3.8 Tampilan Tabel Frequency
Gambar 3.9 Tampilan Tabel Interval Kelas

36
Gambar 4.0 Tampilan Grafik Histogram

BAB IV
ANALISIS DAN EVALUASI
4.1 Analisis Data

Berdasarkan hasil pengolahan data maka langkah selanjutnya adalah
menganalisis data yang dibuat dengan perhitungan manual dan SPSS.
4.1.1 Analisis Data Dengan Perhitungan Manual
Berdasarkan hasil pengolahan data yang di peroleh pada bab III, maka hasil
analisis datanya adalah sebagai berikut :
1. Berdasarkan data yang diperoleh dari pendataan nilai bahasa indonesia kelas
X dari 100 mahasiswa teknik industri angkatan 2018 maka diperoleh nilai
terbesar dan terkecil dari data yang akan digunakan untuk mencari nilai dari
jangkauan data untuk membuat distribusi frekuensi. Langkah pertama yang
dilakukan sebelum membuat distribusi frekuensi maka terlebih dahulu data
yang ada diurutkan dari nilai terkecil sampai terbesar. Adapun nilai terbesar
dari data tersebut adalah 98 dan nilai terkecil dari data adalah 70.
2. Setelah mengurutkan data dari yang terkecil sampai terbesar. Maka langkah
selanjutnya adalah mencari distribusi frekuensi dari data tersebut. Ada
beberapa tahapan dalam mencari distribusi frekuensi. Tahapan pertama
adalah menentukan jumlah kelas dan panjang dari interval kelas. Dengan
cara mencari nilai jangkauan terlebih dahulu yaitu mencari selisih nilai
terbesar dengan nilai terkecil. Dan hasil yang di dapat adalah 28. Sedangkan
untuk jumlah kelas hasil yang di dapat adalah 7,6 yang dibulatkan ke atas
menjadi 8. Sedangkan panjang interval kelas adalah 4. Berdasarkan hasil
dari jumlah kelas dan panjang interval kelas maka data kelas distribusi
frekuensinya adalah : 70 – 73 dengan frekuensi 2; 74 – 77 dengan frekuensi
5; 78 – 81 dengan frekuensi 16; 82– 85 dengan frekuensi 16; 86 – 89 dengan
frekuensi 16; 90 – 93 dengan frekuensi 21; 94 – 97 dengan frekuensi 9; dan
98 – 101 dengan frekuensi 3.
3. Untuk distrbusi frekuensi relatif diperoleh dari distribusi frekuensi yang
berisikan nilai hasil bagi antara frekuensi kelas dan jumlah pengamatan
yang terkandung dalam kumpulan data yang berdistribusi tertentu dan nilai
37
38
yang diperoleh dari perhitungan yang dilakukan untuk kelas pertama (70 –
73) adalah 73,5%, kelas kedua (74 – 77) adalah 77,5%, kelas ketiga (78 –
81) adalah 81,5%, kelas keempat (82 – 85) adalah 85,5%, kelas kelima (86
– 89) adalah 89,5%, kelas keenam (90 – 93) adalah 93,5%, kelas ketujuh
(94 – 97) adalah 97,5%, dan (98 – 101) adalah 101,5%. Untuk frekuensi
kumulatif diperoleh dari frekuensi yang dijumlahkan. Frekuensi kumulatif
kurang dari adalah distribusi frekuensi yang memuat jumlah frekuensi yang
memiliki nilai kurang dari nilai batas kelas suatu interval tertentu dan nilai
yang diperoleh dari perhitungan yang dilakukan untuk kelas pertama (70 –
73) adalah 0, kelas kedua (74 – 77) adalah 2, kelas ketiga (78 – 81) adalah
7, kelas keempat (82 – 85) adalah 23, kelas kelima (86 – 89) adalah 51, kelas
keenam (90 – 93) adalah 67, kelas ketujuh (94 – 97) adalah 88 dan kelas
kedelapan (98 – 101) adalah 97. Frekuensi kumulatif lebih dari adalah
distribusi frekuensi yang memuat jumlah frekuensi yang memiliki nilai
lebih dari nilai batas kelas suatu interval tertentu dan nilai yang diperoleh
dari perhitungan yang dilakukan untuk kelas pertama (70 – 73) adalah 100,
kelas kedua (74 – 77) adalah 98, kelas ketiga (78 – 81) adalah 93, kelas
keempat (82 – 85) adalah 77, kelas kelima (86 – 89) adalah 49, kelas keenam
(90 – 93) adalah 33, dan kelas ketujuh (94 – 97) adalah 12, dan kelas
kedelapan (98 – 101) adalah 3.
4. Setelah mengurutkan data dari yang terkecil hingga yang terbesar ke dalam
distribusi frekuensi maka langkah selanjutnya adalah mencari nilai mean,
median, modus. Adapun nilai rata-rata dari nilai bahasa indonesia kelas X
100 mahasiswa teknik industri angkatan 2018 adalah 86,10. Sedangkan
median dari nilai bahasa indonesia kelas x 100 mahasiswa teknik industri
angkatan 2018 adalah 85,36. Dan nilai bahasa indonesia kelas X 100
mahasiswa teknik industri angkatan 2018 yang paling banyak diperoleh
yaitu 83,5 yang di buktikan dengan hasil dari nilai modus. Dengan
simpangan baku 6,20.
5. Untuk membuat grafik histogram dan poligon dari hasil distribusi frekuensi
maka diperlukan nilai frekuensi dan panjang interval kelas untuk membuat
gambar batang pada grafik tersebut, sedangkan untuk grafik poligon yang
39
diperlukan adalah nilai tengah dari panjang interval kelas dan kemudian
dihubungkan dengan garis mulai dari kelas pertama sampai kelas terakhir.
4.1.2 Analisis Data Dengan Perhitungan SPSS

Adapun hasil analisis data yang diperoleh berdasarkan perhitungan
menggunakan SPPS adalah sebagai berikut:
1. Dengan menggunakan SPPS digunakan input data untuk mentabulasikan
data ke bentuk distribusi frekuensi. Pada input data terdapat variable view
dan data view yang berupa hasil input untuk distribusi frekuensi.
2. Langkah-langkah mengolah data pada SPSS adalah dengan memasukan
variabel data ke variable view dan memasukkan data yang ingin diolah ke
data view, setelah itu klik analyze pilih Descriptive Statistics klik
Frequencies. Kemudian muncul kotak dialog frequencies pindahkan
variabel yang ingin diolah dari kiri ke kanan. Pilih kotak dialog frequencies
statistics lalu muncul kotak dialog klik parameter yang ingin diukur.
Continue lalu pilih frequencies charts klik histogram, continue. Terakhir
pilih frequencies format pilih ascending values, continue, lalu ok.
3. Dengan pengolahan data menggunakan SPSS, adapun nilai rata-rata dari
dari nilai bahasa indonesia kelas X 100 mahasiswa teknik industri angkatan
2018 adalah 86,10. Sedangkan median untuk hasilnya adalah 85,00. Dan
nilai bahasa indonesia kelas X 100 mahasiswa teknik industri angkatan 2018
yang paling banyak diperoleh yaitu 85 yang di buktikan dengan hasil dari
nilai modus. Dengan standar deviasi sebesar 5,82.
4. Pada output terdapat hasil histogram berdasarkan interval kelas dan
frekuensi membentuk kurva normal.
4.2 Evaluasi
Setelah melakukan analisis data, maka dilakukanlah evaluasi data untuk
mengetahui perbandingan antara perhitungan secara manual dengan menggunakan
SPSS. Adapun hasil perbandingan antara perhitungan secara manual dengan
menggunakan SPSS adalah pada perhitungan mean, median, modus dan simpangan
baku secara manual maupun SPSS. Sesuai dengan hasil perhitungan untuk masing-
masing parameter. Untuk nilai dari setiap parameter tersebut adalah:
40
Tabel 4.1 Perbandingan Pengolahan Data Manual dan SPSS

Manual SPSS
Nilai Minimum 70 70
Nilai Maksimum 98 98
Range 28 28
Sum 8610 8610
Rata-rata 86,10 86,10
Median 85,36 85,00
Modus 83,50 85,00
Simpangan baku 6,20 5,82
Terdapat perbedaan pada grafik histogram yang dibuat secara manual

dengan grafik histogram pada SPSS. Jika menggunakan histogram yang dibuat
secara manual, maka kita dapat melihat nilai frekuensi per kelasnya yang
digambarkan secara terpisah. Sedangkan jika menggunakan SPSS, maka hasil
grafik histogram yang muncul disertai dengan kurva normal. Dari kurva normal
inilah kita dapat melihat nilai frekuensi dari kelas yang tergambar pada histogram.
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Adapun kesimpulan yang dapat diambil berdasarkan pengolahan data
1. Cara atau tahapan yang digunakan untuk menyusun tabel distribusi
frekuensi adalah mengurutkan data dari yang terkecil ke yang terbesar.
Selanjutnya mencari nilai dari jangkauan, jumlah kelas dan panjang interval
kelas. Kemudian menentukan nilai dari batas kelas dan menuliskan
frekuensi kelas secara melidi dalam kolom terus sesuai banyaknya data.
2. Adapun cara menggambar grafik frekuensi, frekuensi relatif dan frekuensi
kumulatif serta menggambar polygon adalah dengan untuk membuat grafik
histogram hasil distribusi frekuensi maka diperlukan nilai frekuensi dan
panjang interval kelas,sedangkan untuk grafik polygon yang diperlukan
adalah nilai tengah dari panjang interval kelas dan kemudian dihubungkan
dengan garis mulai dari kelas pertama sampai kelas terakhir.
3. Hasil dari perhitungan rata-rata (mean), median,modus, kuartil, desil, dan
persentil dari data kelompok adalah pada perhitungan mean diperoleh nilai
mean = 86,1. Pada perhitungn median diperoleh nilai median =85,36. Pada
perhitungan modus diperoleh nilai modus = 85,3. Selanjutnya pada
perhitungan kuartil membagi data menjadi empat bagian sama banyak
sehinggah terdapat tiga nilai kuartil, kuartil 1= 81,79, kuartil 2= 85,36,
kuartil 3= 91,02. Kemudian pada perhitungan desil ada lima nilai, Desil 2=
80,75, Desil 3= 82,5,Desil 6= 87,75, Desil 7= 90,07. Terakhir pada
perhitungan nilai Persentil diperoleh P1= 71,5, P10 = 78,25, P50 = 85,64,
P75 =91,02, P99 = 100,17.
5.2 Saran
Adapun saran yang kami ajukan dalam pelaksanaan praktikum distribusi
normal adalah sebagai berikut:
41
42
1. Sebaiknya sebelum menyelesaikan laporan praktikum ini, laporan

praktikum distribusi frekuensi harus diselesaikan terlebih dahulu agar
data-data yang dibutuhkan untuk menyelesaikan perhitungan pada
praktikum ini tidak mengalami kendala yang berarti.
2. Sebaiknya sebelum melakukan pengamatan, setiap praktikan sudah
mengerti metode pemecahan masalahnya.
DAFTAR PUSTAKA
Donald, H.S. 2001. Pengantar Distribusi Frekuensi: Bandung. Abdul Siddik
Fatimah . 2017 Modul Praktikum Statistika Industri Teknik Industri Universitas

Malikussaleh Lhokseumawe
Nar Herhyanto dan H.M. Akib Hamid. 1993/1994. Statistika Dasar. Jakarta:
Dikdasmen
LAMPIRAN
LAMPIRAN I
Data Nilai Bahasa Indonesia Kelas X SMA 100 Mahasiswa Teknik Industri
Angkatan 2018
Nilai Bahasa
No Nama NIM
Indonesia
5 Ajinar 180130118 82
15 Dilla 180130049 90
23 Faisal 180130056 80
24 Fanimaulia 180130089 85
27 fredo 180130033 90
30 Haikal Akbar 180130008 80
33 Iis kartika 180130082 80
Angkatan 2018 (Lanjutan)
Nilai Bahasa
No Nama NIM
Indonesia
34 Imad Haraki 180130093 85
38 Julianda 180130051 90
39 Koko Andika 180130120 80
40 Lisa 180130058 79
41 Lya Wahyuni 180130111 94
42 M andre 180130144 85
45 Mahendra 180130127 85
48 Meyliza Suri 180130081 95
49 MHD ALFA Roji 180130010 90
56 Munazar 180130161 85
58 Nadya Arifah 180130027 95
60 Neti albania 180130074 90
62 Nurhajjah 180130090 85
63 Nuri astuti 180130017 80
64 Nurma Yunita 180130003 75
65 Nurul firda 180130098 80
66 Nurul Qolbi 180130043 85
67 Patimah Sari 180130114 80
68 Putri 180130124 90
69 Qurrata 180130020 92
Angkatan 2018 (Lanjutan)
Nilai Bahasa
No Nama NIM
Indonesia
71 Rama Dani 180130102 80
72 Raviv 180130123 80
76 Rifqi rahman 180130160 88
77 Rina 180130143 95
81 Rusdania 180130116 85
82 Sahara 180130115 90
85 Sarah Hayati 180130105 79
88 Syafrizal 180130063 82
93 Umri Alwi 180130002 85
95 Very Wahyudi 180130087 90
98 Yosi Handika 180130033 85
99 Yumna Amani 180130091 98
Diperiksa oleh,
Asisten Laboratorium
Afifah Dian Utami

NIM. 170130003
LAMPIRAN II
FORM Bukti Pengambilan Data Praktikan
Diperiksa oleh,
Afifah Dian Utami

NIM. 170130003
MODUL II
PROBABILITAS
MODUL II
PROBABILITAS
LEMBARAN ASISTENSI
2020
KELOMPOK 14
MODUL II
PROBABILITAS
1. 16/10 – 2020 - Perbaiki latar belakang
- Perbaiki rumusan masalah
- Lanjut BAB III & IV

2. 18/10 – 2020 - Perbaiki evaluasi
- Lanjut BAB V
3. 21/10 – 2020 - Perbaiki BAB V

- Lengkapi lampiran
4. 25/10 – 2020 ACC JILID


NIP. 196406062001122001 NIM. 170130003
KATA PENGANTAR
PRAKTIKUM STATISTIK INDUSTRI MODUL II “PROBABILITAS”.
Shalawat beriring salam selalu tercurahkan kepada junjungan Nabi Muhammad
SAW, keluarga dan sahabat beliau serta orang-orang mukmin yang tetap istiqomah
di jalan-Nya.
Kelompok 14
DAFTAR ISI
Halaman
LEMBAR ASISTENSI
KATA PENGANTAR
DAFTAR ISI .................................................................................................... i
DAFTAR TABEL ..........................................................................................iii
DAFTAR GAMBAR ...................................................................................... iv
DAFTAR RUMUS .......................................................................................... v
BAB I PENDAHULUAN
1.1 Latar Belakang ......................................................................... 1
1.2 Rumusan Masalah .................................................................... 2
1.3 Tujuan Praktikum ..................................................................... .2
1.4 Batasan Masalah dan Asumsi .................................................... 3
1.4.1 Batasan Masalah ............................................................. 3
1.4.2 Asumsi ............................................................................ 3
1.5 Langkah-langkah Pemecahan Masalah ...................................... 3
1.6 Sistematika Penulisan ............................................................... 3

2.1 Pengertian Probabilitas .............................................................. 5
2.2 Pendekatan Perhitungan Probabilitas ......................................... 5
2.3 Batas Nilai Probabilitas ............................................................. 7
2.4 Distribusi Probabilitas Teoritis .................................................. 7
2.5 Distribusi Binomial .................................................................. 8
2.5.1 Eksperimen Binomial ...................................................... 9
2.5.2 Syarat Distribusi Binomial ............................................. 10
2.5.3 Ciri – Ciri Distibusi Binomial ........................................ 10
2.5.4 Penerapan Distribusi Binomial ...................................... 11
2.5.5 Rata – Rata Dan Ragam Distribusi Binomial ................. 11
2.6 Distribusi Hipergeometrik ....................................................... 12
2.6.1 Penerapan distribus Hypergeometrik .............................. 12
2.7 Distribusi Poisson ................................................................... 13
2.8 Distribusi Normal (Distribusi Gauss)....................................... 13
2.8.1 Distribusi Normal Standart ............................................ 15

3.1 Pengumpulan Data ................................................................. 17
3.1.1 Metode Pengumpulan Data ........................................... 17
3.1.2 Prosedur Praktikum ...................................................... 17
3.1.3 Data Pengamatan .......................................................... 17
3.2 Pengolahan Data ..................................................................... 22
3.2.1 Distribusi Poisson ......................................................... 22
3.2.2 Distribusi Probabilitas Normal ....................................... 30
i
BAB IV ANALISIS DAN EVALUASI
4.1 Analisis Data ........................................................................... 41
4.2 Evaluasi Data .......................................................................... 43

5.1 Kesimpulan .............................................................................. 47
5.2 Saran ....................................................................................... 48
DAFTAR PUSTAKA
LAMPIRAN
ii
DAFTAR TABEL
Tabel Halaman
3.1 Pengumpulan Data Distribusi Poisson ............................................. 18
3.2 Data pengamatan Distribusi Normal ................................................ 19
3.3 Pengolahan Data Distribusi Poisson ................................................. 22
3.4 Distribusi Frekuensi Poisson ............................................................ 28
3.5 Data Uang Saku Mahasiswa/i Teknik Industri Angkatan 2018 ......... 30
3.6 Distribusi Frekuensi Relatif ............................................................. 33
3.7 Nilai Frekuensi Komulatif Kurang Dari dan Lebih Dari ................... 33
3.8 Nilai Frekuensi Data ....................................................................... 34
3.9 Nilai Simpangan Baku ..................................................................... 35
3.10 Batas Kelas Atas Dan Batas Kelas Bawah Dari Setiap Kelas ........... 36
3.11 Distribusi Frekuensi Normal ............................................................ 40
iii
DAFTAR GAMBAR
Gambar Halaman
2.1 Distribusi Normal .......................................................................... 14
2.2 Distribusi Normal .......................................................................... 15
3.1 Diagram Histogram Frekuensi Terhadap Uang Saku 100
Mahasiswa/i Teknik IndustriAngkatan 2018 .................................. 29
3.2 Diagram Histogram Frekuensi Terhadap Uang Saku 100
Mahasiswa/i Teknik IndustriAngkatan 2018 .................................. 29
3.3 Diagram Histogram dan Polygon Uang Saku 100 Mahasiswa/i
Teknik IndustriAngkatan 2018 ...................................................... 34
iv
DAFTAR RUMUS
Persamaan Halaman
2.1 Probabilitas ................................................................................... 5
2.2 Probabilitas/Peluang bahwa akan terjadi a .................................... 6
2.3 Probabilitas/Peluang bahwa akan terjadi b .................................... 6
2.4 Probabilitas/ Peluang bahwa akan terjadi a untuk n ...................... 6
2.5 Distribusi Binomial ....................................................................... 9
2.6 Probabilitas Dua Unsur ................................................................ 10
2.7 Rata-rata dan Ragam Distribusi Binomial .................................... 11
2.8 Memilih Elemen n dari n Objek .................................................... 12
2.9 Memilih x Sukses dan (n-k) ......................................................... 12
2.10 Distribusi poisson ........................................................................ 13
2.11 Distribusi Normal ........................................................................ 14
2.12 Distribusi Normal Standar ............................................................. 15
v
BAB I
PENDAHULUAN
1.1 Latar Belakang

Dalam kehidupan sehari-hari kita sering dihadapkan dengan beberapa
pilihan yang harus kita tentukan memilih yang mana. Biasanya kita dihadapkan
dengan kemungkinan-kemungkinan suatu kejadian yang mungkin terjadi dan kita
harus pintar-pintar mengambil sikap jika menemukan keadaan seperti ini, misalkan
saja pada saat kita ingin bepergian, kita melihat langit terlihat mendung. Dalam
keadaaan ini kita dihadapkan antara 2 permasalahan, yaitu kemungkinan terjadinya
hujan serta kemungkinan langit hanya mendung saja dan tidak akan turunnya hujan.
Statistik yang membantu permasalahan dalam hal ini adalah probabilitas.
Probabilitas didifinisikan sebagai peluang atau kemungkinan suatu
kejadian, suatu ukuran tentang kemungkinan atau derajat ketidakpastian suatu
peristiwa (event) yang akan terjadi di masa mendatang. Rentangan probabilitas
antara 0 sampai dengan 1. Jika kita mengatakan probabilitas sebuah peristiwa
adalah 0, maka peristiwa tersebut tidak mungkin terjadi. Dan jika kita mengatakan
bahwa probabilitas sebuah peristiwa adalah 1 maka peristiwa tersebut pasti terjadi.
Serta jumlah antara peluang suatu kejadian yang mungkin terjadi dan peluang suatu
kejadian yang mungkin tidak terjadi adalah satu, jika kejadian tersebut hanya
memiliki 2 kemungkinan kejadian yang mungkin akan terjadi.
Pada modul II ini dibahas antara lain tentang distribusi normal dan distribusi
poisson. Pada distribusi poisson dilakukan pengamatan terhadap kemungkinan
melintasnya motor Honda yang lewat dari Jalan Medan-Pematangsiantar,
Pematangsiantar, Sumatera Utara sebanyak 60 data pengamatan berdasarkan waktu
pengamatan dari tabel random. Serta distribusi normal data uang saku per bulan 100
mahasiswa/i Teknik Industri Angkatan 2018 Universitas Malikussaleh berdasarkan
data yang diambil dari penyebaran google form.
1
2
1.2 Rumusan Masalah

Adapun rumusan masalah dalam praktikum dari praktikum modul II ini
1. Bagaimana konsep dari probabilitas terhadap sebuah peristiwa atau kejadian

yang terjadi?
2. Bagaimana fungsi dan metode dari distribusi poisson untuk menghitung
probabilitas pengambilan 60 data pengamatan motor Honda yang lewat dari
Jalan Medan-Pematangsiantar, Pematangsiatar, Sumatera Utara,
berdasarkan waktu pengamatannya yang diambil dari tabel random?
3. Bagaimana fungsi dan metode dari distribusi normal untuk menghitung
probabilitas pengambilan data uang saku per bulan 100 mahasiswa/i Teknik
Industri Angkatan 2018 Universitas Malikussaleh ?
1.3 Tujuan Masalah

Adapun tujuan masalah dari praktikum modul II ini adalah sebagai berikut:
1. Untuk mengetahui konsep dari probabilitas terhadap sebuah peristiwa atau
kejadian yang terjadi.
2. Untuk mengetahui fungsi dan metode dari distribusi poisson untuk
menghitung probabilitas pengambilan 60 data pengamatan motor Honda
yang lewat dari Jalan Medan-Pematangsiantar, Pematangsiatar, Sumatera
Utara, berdasarkan waktu pengamatannya yang diambil dari tabel random
3. Untuk mengetahui fungsi dan metode dari distribusi normal untuk
menghitung probabilitas pengambilan data data uang saku per bulan 100
mahasiswa/i Teknik Industri Angkatan 2018 Universitas Malikussaleh

Adapun pembatasan masalah dari praktikum modul II ini adalah:
1. Pengambilan data di lakukan dengan membagikan link google from kepada
100 mahasiswa/i teknik industri yang mengikuti pratikum statistik. Dan
pengambilan 60 data pengamatan motor Honda yang mana waktunya
didapatkan dari tabel random.
2. Mahasiswa/i yang menjadi sampel adalah Mahasiswa/i Jurusan Teknik
3
Industri Angkatan 2018 Fakultas Teknik Universitas Malikussaleh.

3. Pengamatan dilaksanakan di Jalan Medan-Pematangsiantar,
Pematangsiantar, Sumatera Utara, dengan waktu pengamatan mulai dari jam
13.00-21.05 WIB.
1.4.2 Asumsi
Adapun asumsi yang digunakan pada laporan praktikum distribusi

frekuensi ini adalah sebagai berikut :
1. Data yang diambil melalui pengamatan di Jalan Medan Pematangsiantar
dianggap benar.
2. Mahasiswa diminta mengerti dalam proses pengerjaan laporan ini secara
keseluruhan.
3. Proses pengerjaan praktikum dalam keadaan normal.
1.5 Langkah-langkah Pemecah Masalah

Adapun langkah – langkah pemecahan masalah adalah sebagai berikut:
1. Membagikan link google from kepada mahasiswa. Dan pengamatan
langsung
2. Melakukan pengambilan data kuota per bulan 100 mahasiswa dan
pengambilan data motor Honda sebanyak 60 data.
3. Mencatat semua kemungkinan peristiwa yang muncul.
4. Menghitung jumlah dari semua kemungkinan pada percobaan.
5. Membuat tabel frekuensi dari percobaan.
6. Membuat tabel distribusi probabilitas peercobaan.
7. Membuat grafik distribusi probabilitas pada percobaan.
8. Membuat laporan dari hasil percobaan.

Adapun untuk memudahkan pemahaman dan pembahsan tentang isi laporan
praktikum ini, maka penulisan dibagi kedalam 5 bab yang masing-masing bab
mengandung beberapa sub bab, yaitu sebagai berikut :
4
BAB I PENDAHULUAN
masalah, tujuan masalah, batasan masalah, langkah-langkah pemecahan
masalah, dan sistematika penulisan laporan.
Bab ini berisikan tentang analisa secara keseluruhan mengenai pengertian
probabilitas, pendekatan probabilitas klasik, pendekatan frekuensi relative,
pendekatan subjektif, batas nilai probabilitas, distribusi probabilitas teoritis,
distribusi normal, distribusi poisson, distibusi binomial, dan distribusi
hipergeometrik.
menggunakan tabel random.
BAB II
LANDASAN TEORI
2.1 Pengertian Probabilitas

Probabilitas atau Peluang adalah suatu ukuran tentang kemungkinan suatu
peristiwa (event) akan terjadi di masa mendatang. Probabilitas dapat juga diartikan
sebagai harga angka yang menunjukkan seberapa besar kemungkinan
suatu peristiwa terjadi, di antara keseluruhan peristiwa yang mungkin
terjadi. Probabilitas dilambangkan dengan P (Meilia Nur Indah S, 2014).
Rumus:
P(E) = ....................................................................................... (2.1)
Keterangan:
P: Probabilitas
X: Jumlah kejadian yang diinginkan (peristiwa)
N: Keseluruhan kejadian yang mungkin terjadi
Probabilitas yang rendah menunjukkan kecilnya kemungkinan suatu
peristiwa akan terjadi. Suatu probabilitas dinyatakan antara 0 sampai 1 atau dalam
presentase. Probabilitas 0 menunjukkan peristiwa yang tidak mungkin terjadi,
sedangkan probabilitas 1 menunjukkan peristiwa yang pasti terjadi. Ada tiga hal
penting dalam probabilitas, yaitu:
1. Percobaan adalah pengamatan terhadap beberapa aktivitas atau proses yang
memungkinkan timbulnya paling sedikit 2 peristiwa tanpa memperhatikan
peristiwa mana yang akan terjadi.
2. Hasil adalah suatu hasil dari sebuah percobaan.
3. Peristiwa adalah kumpulan dari satu atau lebih hasil yang terjadi pada
sebuah percobaan atau kegiatan.
2.2 Pendekatan Perhitungan Probabilitas

Untuk menghitung probabilitas ada tiga pendekatan yang bisa digunakan
yaitu, pendekatan klasik, frekuensi relatif, dan subjektif (Dajab, Anto, 1986).
1. Pendekatan Klasik
Probabilita / peluang merupakan banyaknya kemungkinan - kemungkinan
5
6
pada suatu kejadian berdasarkan frekuensinya. Jika ada a kemungkinan

yang dapat terjadi pada kejadian A dan ada b kemungkinan yang dapat
terjadi pada kejadian A, serta masing-masing kejadian mempunyai
kesempatan yang sama dan saling asing, maka;
a. Probabilitas/peluang bahwa akan terjadi a adalah:
P(A)= .................................................................................... (2.2)
b. Probabilitas/peluang bahwa akan terjadi b adalah:
P(A) = ...................................................................................... (2.3)
Contoh:
Pelamar pekerjaan terdiri dari 5 orang pria (A) dan 15 orang wanita (B). Jika
yang diterima hanya 1, berapa peluang bahwa ia merupakan wanita?
Jawab : P (A) = 15/5+15 = 3/4
2. Pendekatan Subyektif.
Nilai probabilitas/peluang adalah tepat/cocok apabila hanya ada satu
kemungkinan kejadian terjadi dalam suatu kejadian ditentukan berdasarkan
tingkat kepercayaan yang bersifat individual (misalnya berdasarkan
pengalaman).
3. Pendekatan Frekuensi Relatif
Nilai probabilitas/peluang ditentukan atas dasar proporsi dari kemungkinan
yang dapat terjadi dalam suatu observasi/percobaan (pengumpulan data).
Jika pada data sebanyak N terdapat a kejadian yang bersifat A, maka
probabilitas/peluang akan terjadi A untuk N data adalah:
P(A) = .............................................................................................. (2.4)
Contoh:
Dari hasil penelitian diketahui bahwa 5 orang karyawan akan terserang flu
pada musim dingin. Apabila lokakarya diadakan di Puncak, berapa
probabilitas terjadi 1 orang sakit flu dari 400 orang karyawan yang ikut
serta?
Jawab:
P(A) = 5/400 = P (A) = 1/80
7
Probabilitas disajikan dengan simbol P, sehingga P(A) menyatakan

probabilitas bahwa kejadian A akan terjadi dalam observasi atau percobaan tunggal,
dengan 0 ≤ P(A) ≤ 1.
Dalam suatu observasi/percobaan kemungkinan kejadian ada 2, yaitu
“terjadi (P(A)) atau “tidak terjadi” (P(A)’), maka jumlah probabilitas totalnya
adalah P(A) + P(A)’ = 1
2.3 Batas Nilai Probabilitas

Menentukan nilai peluang kejadian sederhana dari suatu peristiwa adalah
dengan mengetahui terlebih dahulu semua kejadian yang mungkin (ruang sampel)
dan kejadian-kejadian yang diinginkan (titik sampel).
Peluang suatu kejadian yang diinginkan adalah perbandingan banyaknya
titik sampel kejadian yang diinginkan itu dengan banyaknya anggota ruang sampel
kejadian tersebut. Misalkan A adalah suatu kejadian yang diinginkan, maka nilai
peluang kejadian A dinyatakan dengan Peluang disebut juga dengan nilai
kemungkinan(Harinaldi, 2005).
1. Nilai peluang suatu kejadian (P) memenuhi sifat , yang berarti
Jika pr = 0, disebut probabilitas kemustahilan, maksudnya suatu peristiwa
atau kejadian yang mustahil terjadi. Misal, manusia tidak akan mati, ini
mustahil terjadi, maka nilai probabilitasnya = 0 (pr=0 )
2. Jika pr = 1, disebut probabilitas kepastian, maksudnya suatu peristiwa atau
kejadian yang pasti terjadi. Misal, setiap makhluk akan mengalami mati, ini
pasti terjadi, maka nilai probabilitasnya = 1 (pr=1)
3. Jika (0 ≤ pr ≤ 1), disebut probabilitas kemungkinan, maksudnya suatu
peristiwa atau kejadian yang dapat atau tidak dapat terjadi. Misal, setiap
mahasiswa akan lulus pada waktu yang telah ditetapkan, maka nilai
probabilitasnya (0 ≤ pr ≤ 1).
2.4 Distribusi Probabilitas Teoritis

Distribusi Peluang Teoritis adalah suatu daftar yang disusun berdasarkan
probabilitas dari peristiwa- peristiwa bersangkutan (J. Supranto, 2008).
Variabel acak (random variabel) biasa ditandai dengan sebuah seperti X adalah
variabel yang memiliki sebuah nilai numerik tunggal untuk setiap keluaran dari
8
sebuah eksperimen probabilitas. Jadi X dapat bernilai berapapun tergantung pada

keluaran yang mungkin dihasilkan dalam dari eksperimen. Dengan kata lain, nilai
tertentu dari X dalam sebuah eksperimen adalah suatu kemungkinan keluaran yang
acak. Variabel acak dapat dibedakan menjadi:
1. Variabel acak diskrit adalah variabel yang dapat memiliki sejumlah nilai
yang bisa dihitung.
2. variabel acak kontinu adalah variabel acak yang dapat memiliki nilai tak
terhingga.berkaitan dengan titik-titik dalam suatu interval.
Peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu
pola tertentu yang disebut dengan distribusi. Distribusi peluang untuk suatu variabel
acak menggambarkan bagaimana peluang terdistribusi untuk setiap nilai variabel
acak. Distribusi peluang didefinisikan dengan suatu fungsi peluang, dinotasikan
dengan p(x) atau f(x), yang menunjukkan peluang untuk setiap nilai variabel acak.
Terdapat dua jenis distribusi peluang yaitu distribusi peluang diskret dan distribusi
peluang kontinu.
2.5 Distribusi Binomial

Kunci aplikasi probabilitas dalam statistik adalah memperkirakan terjadinya
peluang/probabilitas yang dihubungkan dengan terjadinya peristiwa tersebut dalam
beberapa keadaan. Jika kita mengetahui keseluruhan probabilitas dari kemungkinan
outcome yang terjadi, seluruh probabilitas kejadian tersebut akan membentuk suatu
distribusi probabilitas (Fatimah, 2016).
Distribusi binomial adalah salah satu distribusi probbabilitas diskrit yang
paling sering digunakan dalam analisis statistic modern.Di bidang teknik, distribusi
ini erat kaitannya dengan pengendalian kualitas (quality control).
Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi
probabilitas diskrit jumlah keberhasilan yang ada dalam n percobaan ya/tidak
(berhasil/gagal) yang saling bebas, dimana setiap hasil percobaan memiliki
probabilitas p. Eksperimen berhasil/gagal juga disebut percobaan bernoulli. Ketika
n = 1, distribusi binomial adalah distribusi bernoulli. Distribusi binomial
merupakan dasar dari uji binomial dalam uji signifikansi statistik.
Apabila sampel tidak saling bebas (yakni pengambilan sampel tanpa
pengembalian), distribusi yang dihasilkan adalah distribusi hypergeometrik, bukan
9
binomial.Semakin besar Ndaripada n, distribusi binomial merupakan pendekatan

yang baik dan banyak digunakan.
Distribusi Binomial adalah suatu distribusi probabilitas yang dapat
digunakan bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses
Bernoulli. Misalnya, dalam perlemparan sekeping uang logam sebanyak 5 kali,
hasil setiap ulangan mungkin muncul sisi gambar atau sisi angka. Begitu pula, bila
kartu diambil berturut-turut, kita dapat memberi label "berhasil" bila kartu yang
terambil adalah kartu merah atau ”gagal” bila yang terambil adalah kartu hitam.
Ulangan-ulangan tersebut bersifat bebas dan peluang keberhasilan setiap ulangan
tetap sama, yaitu sebesar 0,5.
Distribusi Binomial biasa dirumuskan seperti :
Pb (x; n, p) = ncx px qn – x ....................................................................... (2.5)

Dimana :
x = 0,1,2,3,.....,n
n = banyaknya ulangan
x = banyaknya kerberhasilan dalam peubah acak x
p = Peluang berhasil dalam setiap ulangan
q = Peluang gagal, dimana q = 1 - p dalam setiap ulangan
Contoh : Dadu dilemparkan 5 kali, diharapkan keluar mata 6 dua kali, maka
kejadian ini dapat ditulis b (2,5,1/6) x = 2, n = 5, p = 1/6
2.5.1 Eksperimen Binomial

Satu atau serangkaian eksperimen dinamakan eskperimen binomial bila dan
hanya bila eksperimen yang bersangkutan terdiri dari percobaan-percobaan
Bernoulli atau percobaan-percobaan binomial (Iqbal, Hasan M, 2001).
Jika hanya berminta untuk mengetahui apakah hasil suatu percobaan disebut
gagal atau sukses, maka ruang sampel yang merumuskan percobaan diatas harus
memuat 2 unsur saja yaitu, unsur B bagi sukses dan unsur G bagi gagal. Singkatnya,
probabilitas kedua unsur diatas dapat dinyatakan sebagai berikut:
p({B}) = p, p ({G}) = 1 - p = q ............................................................ (2.6)
Dimana : p + q = 1 dan 0 < p <1
10
Eksperimen ini merupakan n kali percobaan Bernoulli, sehingga harus

memenuhi kondisi-kondisi berikut:
1. Jumlah percobaan n adalah konstanta yang telah ditentukan sebelumnya
(dinyatakan sebelum eksperimen dimulai).
2. Setiap pengulangan eksperimen, biasa disebut percobaan (trial), hanya dapat
menghasilkan satu dari dua keluaran yang mungkin sukses ataupun gagal.
3. Probabilitas sukses p, dan demikian juga probabilitas gagal q = 1 – p selalu
konstan dalam setiap percobaan.
4. Setiap percobaan saling bebas secara statistic, yang berarti keluaran suatu
percobaan tidak berpengaruh pada keluaran percobaan lainnya.
2.5.2 Syarat Distribusi Binomial

Adapun syarat distribusi binomial adalah sebagai berikut (Harinaldi, 2004):
1. Jumlah tial merupakan bilangan bulat Contoh melambungkan coin 2 kali,
tidak mungkin 2 1/2 kali.
2. Setiap eksperiman mempunyai dua outcome (hasil). Contoh: sukses/gagal,
laki/perempuan, sehat/sakit, setuju/tidak setuju.
3. Peluang sukses sama setiap eksperimen.
Contoh:
Jika pada lambungan pertama peluang keluar mata H/sukses adalah 1/2,
pada lambungan seterusnya juga 1/2. Jika sebuah dadu, yang diharapkan
adalah keluar mata lima, maka dikatakan peluang sukses adalah1/6,
sedangkan peluang gagal adalah 5/6. Untuk itu peluang sukses
dilambangkan p, sedangkan peluang gagal adalah (1-p) atau biasa juga
dilambangkan q, di mana q = 1- p
2.5.3 Ciri-ciri Distribusi Binomial

Distribusi Binomial dapat diterapkan pada peristiwa yang memiliki ciri -ciri
percobaan Binomial atau Bernoulli trial sebagai berikut (Harinaldi, 2005):
1. Setiap percobaan hanya mempunyai 2 kemungkinan hasil: sukses (hasil
yang dikehendakai), dan gagal (hasil yang tidak dikehendaki).
2. Setiap percobaan bersifat independen atau dengan pengembalian.
11
3. Probabilitas sukses setiap percobaan harus sama, dinyatakan dengan p.

Sedangkan probabilita gagal dinyatakan dengan q, dan jumlah p dan q harus
sama dengan satu.
4. Jumlah percobaan, dinyatakan dengan n, harus tertentu jumlahnya.
2.5.4 Penerapan Distribusi Binomial

Beberapa kasus dimana distribusi normal dapat diterapkan yaitu (Harinaldi,
2005) :
1. Jumlah pertanyaan dimana anda dapat mengharapkan bahwa terkaan anda
benar dalam ujian pilihan ganda.
2. Jumlah asuransi kecelakaan yang harus dibayar oleh perusahaan asuransi.
3. Jumlah lemparan bebas yang dilakukan oleh pemain basket selama satu
musim.
2.5.5 Rata-rata dan Ragam Distribusi Binomial

Adapun rata-rata dan ragam distribusi binomial adalah sebagai berikut
(Harinaldi, 2005):
Rata – rata μ = n .p
Ragam σ2 = n .p . q ............................................................................. (2.7)
n : ukuran populasi
p : peluang berhasil dalam setiap ulangan
q : peluang gagal, dimana q = 1- p dalam setiap ulangan
2.6 Distribusi Hipergeometrik

Setiap percobaan statistik keluaran yang telah dihasilkan obyeknya selalu
dikembalikan, sehingga probabilitas setiap percobaan peluang seluruh obyek
memiliki probabilitas yang sama. Dalam pengujian kualitas suatu produksi, maka
obyek yang diuji tidak akan diikutkan lagi dalam pengujian selanjutnya, dapat
dikatakan obyek tersebut tidak dikembalikan. Probabilitas kejadian suatu obyek
dengan tanpa dikembalikan disebut sebagai distribusi hipergeometrik. Percobaan
hipergeometrik memiliki sifat-sifat sebagai berikut (Dajab, Anto, 1986):
1. sebuah pengambilan acak dengan ukuran n dipilih tanpa pengembalian dari
N obyek
12
2. k dari N obyek dapat diklasifikasikan sebagai sukses dan N – k

diklasifikasikan sebagai gagal.
Rumus yang digunakan dalam perhitungan distribusi binomial dapat dilihat
sebagai berikut:
1. Jumlah cara/hasil dari memilih nelemen dari Nobyek adalah kombinasi
...........................................................................................(2.8)
2. Jumlah cara/hasil dari memilih/memperoleh xsukses dan (n–k) gagal dari

suatu populasi yang terdiri dari ksukses dan (N –k) gagal adalah
.......................................................................(2.9)
2.6.1 Penerapan Distribusi Hypergeometrik

Adapun penerapan distribusi Hypergeometrik adalah sebagai berikut
(Dajab, Anto, 1986):
1. Ditemukan dalam berbagai bidang, dan paling sering digunakan dalam
penarikan sampel penerimaan barang, pengujian elektronik, jaminan mutu,
dsb.
2. Dalam banyak bidang ini, pengujian dilakukan terhadap barang yang diuji
yang pada akhirnya barang uji tersebut menjadi rusak, sehingga tidak dapat
dikembalikan. Jadi, pengambilan sampel harus dikerjakan tanpa
pengembalian.
Contoh Soal:
Tumpukan 40 komponen masing-masing dikatakan dapat diterima bila
isinya tidak lebih dari 3 yang cacat. Prosedur penarikan contoh tumpukan
tersebut adalah memilih 5 komponen secara acak dan menolak tumpukan
tersebut bila ditemukan suatu cacat. Berapakah probabilitas bahwa tepat 1
cacat ditemukan dalam contoh itu bila ada 3 cacat dalam keseluruhan
tumpukan itu?
Penyelesaian:
Dengan menggunakan sebaran hypergeometri dengan n = 5, N = 4, k = 3
dan x = 1 kita dapatkan probabilitas perolehan satu cacat menjadi
h =0,3011
13
2.7 Distribusi Poisson

Distribusi nilai-nilai bagi suatu variabel random X yaitu banyaknya hasil
percobaan yang terjadi dalam suatu interval waktu tertentu/ di suatu daerah tertentu
(Iqbal, Hasan M. 2001).
Distribusi ini pertama kali diperkenalkan oleh Siméon-Denis
Poisson (1781–1840) dan diterbitkan, bersama teori probabilitasnya, pada tahun
1838 dalam karyanya Recherches sur la probabilité des jugements en matière
criminelle et en matière civile (“Penelitian Probabilitas Hukum Masalah Pidana dan
Perdata”). Karyanya memfokuskan peubah acak N yang menghitung antara lain
jumlah kejadian diskrit (kadang juga disebut "kedatangan") yang terjadi selama
interval waktu tertentu.
Rumus:
(x:µ) = e - µX .................................................................................... (2.10)
Keterangan:
µ = Rata-rata keberhasilan
e = Konstanta 2,71828
p = Probabilitas
x = Banyaknya unsur berhasil dalam sampel
2.8 Distribusi Normal (Distribusi Gaus)

Distribusi Normal (Distribusi Gauss)  merupakan distribusi probabilitas
yang paling penting baik dalam teori maupun aplikasi statistik. Karena distribusi
ini yang paling banyak digunakan sebagai model bagi data riil diberbagai bidang.
Distribusi normal merupakan distribusi yang variabel harus kontinu seperti, tinggi
badan, berat badan, hasil ujian, isi tangki dan lain sebagainya (Sudjana,1996).
Distribusi normal merupakan distribusi yang simetris dan berbentuk
lonceng. Adapun gambar kurva distribusi normal (distribusi gaus) dapat dilihat
pada gambar 2.1 berikut :
14
2.1 Gambar Distribusi Normal
Ciri-ciri:
Dari bentuk kurva distribusi normal dapat diketahui ciri-cirinya, yaitu:
1. Bentuknya seperti lonceng (simetris) dengan satu puncak
2. Memiliki dua parameter, yaitu μ dan σ
3. Modus = median = mean pada titik x = μ
4. Ujung-ujung sisi kurvanya sejajar dengan sumbu x dan tidak akan memotong
sumbu tersebut.
5. Total luas daerah di bawah kurva normal adalah 1
6. Sebagian besar data ada di tengah-tengah dan sebagian kecil ada di tepi, yaitu:
a) jarak ± 1σ menampung 68,2% data
b) jarak ± 2σ menampung 95,4% data
c) jarak ± 3σ menampung 99,7% data
7. σ menentukan lebarnya kurva. Semakin kecil nilai σ, bentuk kurva makin
runcing.
8. Mempunyai titik tertinggi(0, ),dengan =0,4
Untuk menghitung probabilitas P(a  X  b) dari suatu variable acak kontinu

X yang berdistribusi normal dengan parameter  dan  maka fungsi kepadatan
probabilitasnya harus diintegralkan mulai dari x=a sampai x =b yang dihitung
dengan rumus:
................................................... (2.11)
15
Dengan rumus ini, perhitungan probabilitas distribusi normal akan cukup

rumit. Untuk mempermudah perhitungannya, maka distribusi normal akan diubah
menjadi distribusi normal standar (baku).
2.8.1 Distribusi normal standar

Distribusi normal standar adalah distribusi yang memiliki rata-rata(μ) = 0
dan simpangan baku (σ) =1. Artinya variabel acak normal z merupakan bentuk baku
dari setiap variabel acak normal x, sehingga setiap persoalan dengan μ dan σ yang
berbeda dapat diselesaikan dengan satu tabel standar (Harinaldi, 2005).
Untuk mengubah distribusi normal menjadi distribusi normal standar adalah
dengan cara mengurangi nilai variabel x dengan rata-rata μ dan membaginya
dengan simpangan baku σ sehingga diperoleh variabel baru z. Sehingga bentuk
rumus dari distribusi normal standar (baku) adalah:
............................................................................................. (2.12)
Keterangan:
Z = variabel normal standar
X = nilai variabel acak
μ = rata-rata variabel acak
σ = simpangan baku variabel acak
Jika X distribusi normal dengan mean  dan deviasi standard  maka:
Contoh soal :
Diketahui data yang berdistribusi normal dengan mean  = 55 dan deviasi
standar = 15.
a) P(55≤x≤75) = 0,4082 (Tabel Z)
Tabel Z  A = 0,4082
16
Gambar 2.2 Distribusi Normal

BAB III

Pengumpulan data yang dilakukan pada praktikum probabilitas ini adalah
dengan melakukan bertukaran data dengan kelompok lain dan melakukan
pengamatan. Data posision diperoleh dengan melakukan pengamatan secara
langsung di lokasi pengamatan untuk menentukan jumlah kendaraan motor honda
yang lewat dan untuk data distribusi norma berasal dari kelompok lain yang diambil
dengan google form yaitu berapa jumlah uang saku per-bulan mahasiswa/i jurusan
teknik indusri angkatan 2018

1. Alat dan Bahan
Adapun peralatan yang digunakan dalam pengukuran adalah :
a. Laptop
b. Smartphone
c. Formulir pengamatan
a. Mencatat semua kemungkinan peristiwa yang muncul
b. Menghitung jumlah dari kemungkinan
c. Membuat tabel frekuensi dari pengamatan
d. Membuat tabel distribusi poisson
e. Membuat tabel distribusi normal

1. Data Pengamatan Distribusi Poisson
Data Poisson diperoleh dari pengambilan data di Jl. Medan
Pematangsiantar. Berdasarkan pengamatan yang dilakukan maka dapat
diperoleh hasil data pengamatan pada Tabel 3.1 sebagai berikut :
17
18
Tabel 3.1 Pengumpulan Data Distribusi Poisson

Waktu Jumlah
No Turus
Pengamatan Pengamatan
1 13.00-13.05 IIII IIII 9
2 13.05-13.10 IIII IIII IIII 14
3 13.15-13.20 IIII IIII IIII III 18
4 13.20-13.25 IIII IIII II 12
5 13.30-13.05 IIII III 8
6 13.35-13.40 IIII IIII III 13
7 13.40-13.45 IIII IIII IIII IIII 20
8 13.45-13.50 IIII IIII III 13
9 14.00-14.05 IIII IIII IIII IIII IIII III 28
10 14.05-14.10 IIII IIII IIII IIII IIII IIII IIII II 37
11 14.10-14.15 IIII IIII II 12
12 14.25-14.30 IIII IIII I 11
13 14.30-14.35 IIII IIII IIII IIII II 22
14 14.35-14.40 IIII IIII III 13
15 14.45-14.50 IIII IIII IIII IIII IIII IIII IIII IIII I 41
16 14.50-14.55 IIII IIII IIII 15
17 15.15-15.20 IIII IIII IIII IIII 20
18 15.20-15.25 IIII IIII IIII IIII III 23
19 15.25-15.30 IIII IIII 19
20 15.30-15.35 IIII IIII II 12
21 15.35-15.40 IIII IIII IIII IIII IIII IIII 30
22 15.40-15.45 IIII IIII IIII IIII IIII III 23
23 15.45-15.50 IIII IIII I 11
24 15.50-15.55 IIII II 7
25 16.05-16.10 IIII IIII III 13
26 16.25-16.30 IIII IIII IIII IIII IIII 24
27 16.35-16.40 IIII IIII IIII IIII II 22
28 16.50-16.55 IIII IIII 10
29 16.55-17.00 IIII IIII II 12
30 17.00-17.05 IIIII IIIII IIIII IIIII IIIII IIIII III 33
31 17.05-17.10 IIIII IIIII IIIII IIIII IIIII IIII 29
32 17.40-17.45 IIIII IIIII IIIII IIIII IIIII I 26
33 17.45-17.50 IIIII IIIII IIIII III 18
34 18.00-18.05 IIIII IIIII IIII 14
35 18.10-18.15 IIIII IIIII I 11
36 18.15-18.20 IIIII IIII 9
37 18.25-18.30 IIIII IIIII II 12
38 18.40.18.45 IIIII IIIII IIIII II 17
19
Tabel 3.1 Pengumpulan Data Distribusi Poisson (lanjutan)

Waktu Jumlah
No Turus
Pengamatan Pengamatan
39 18.45-18.50 IIIII IIIII IIIII IIIII 20
40 18.55-19.00 IIIII IIIII IIIII IIIII IIIII IIIII I 31
42 19.10-19.15 IIIII IIIII IIIII IIIII IIIII II 27
43 19.15-19.20 IIIII IIIII IIIII IIIII I 21
44 19.20-19.25 IIIII IIIII IIIII IIIII IIIII 20
45 19.30-19.35 IIIII IIIII IIIII IIIII IIII 19
46 19.35-19.40 IIIII IIIII IIIII IIIII III 23
47 19.40-19.45 IIIII IIIII IIIII IIII 19
48 19.50-19.55 IIIII 5
49 19.55-20.00 IIIII II 7
50 20.00-20.05 IIIII IIIII IIIII 15
51 20.05-20.10 IIIII III 8
52 20.10-20.15 IIIII IIIII 10
53 20.15-20.20 IIIII IIIII III 13
54 20.20-20.25 IIIII IIIII I 11
55 20.25-20.30 IIIII IIII 9
56 20.35-20.40 IIIII I 6
57 20.40-20.45 IIII 4
58 20.45-20.50 II 2
59 20.55-21.00 IIIII 5
60 21.00-21.05 IIII 4
Sumber: Data Pengamatan
2. Data Pengamatan Distribusi Normal

Data distribusi norma berasal dari kelompok lain yang diambil dengan
google form. Data pengumpulan distribusi normal dapat di lihat pada Tabel
3.2 berikut:
Tabel 3.2 Data Pengamatan Distribusi Normal
No Nama Uang Saku Perbulan
1 Munazar Rp. 1.000.000
2 Qurrata Aini Rp. 850.000
3 Imad Haraki Rp. 600.000
4 Rizky Ramadhana Rp. 900.000
5 Dilla Rp. 740.000
6 Anisa Rp. 900.000
7 Qaulan Maisura Rp. 1.500.000
8 Indah Salsabilla Rp. 900.000
9 Yumna Amani Rp. 750.000
20
Tabel 3.2 Data Pengamatan Distribusi Normal (lanjutan)

10 Hanny Adzkia Putri Abelia Rp. 650.000
11 Ajinar Rp. 900.000
12 Dicky Chairuddin Rp. 750.000
13 Nurul Firda Rp. 800.000
14 Fanimaulia Dinihusna Rp. 860.000
15 Teuku Muamar Rp. 400.000
16 Efrigusmeli Rp. 750.000
17 Reza Syahputra Rp. 650.000
18 Asma Rp. 500.000
19 Bahraini Rp. 700.000
20 Syika Ramadhani Rp. 1.000.000
21 Abdizil Ikram Rp. 500.000
22 Putri Wildani Rp. 450.000
23 Cut Irna Rp. 800.000
24 Syafrizal Rp. 500.000
25 Rahma Juwita Rp. 700.000
26 Fiqratunnisa Hawari A'la Rp. 900.000
27 Atikah Rp. 1.500.000
28 Rina Dara Ramadhani Rp. 900.000
29 Nurhajjah Rp. 750.000
30 Aris Munandar Rp. 650.000
31 Nove Elita Fany Rp. 900.000
32 Maulana Rp. 750.000
33 Tia Ramadhani Rp. 550.000
34 Muhammad Nasruddin Hasymi Rp. 860.000
35 Annisa Hanita Perangin - Angin Rp. 400.000
36 Aldo Pratama Dalimunthe Rp. 700.000
37 Fadilatus Sabarina Ar Harahap Rp. 650.000
38 Muhammad Alfian Rp. 600.000
39 Sucifira Alpinna Rp. 600.000
40 Sakina Nursani Rp. 700.000
41 Muhammad Bakri Rp. 900.000
42 Nurma Yunita Rp. 850.000
43 Patimah Sari Rp. 800.000
44 Agung Rahmadi Rp. 850.000
45 Rizki Maulida Rp. 700.000
46 Awwaluzzikri Rp. 900.000
47 Fadilla Audina Azhara Butar Butar Rp. 1.000.000
48 A Zidny Azis Tanjung Rp. 400.000
49 Abi Manyu Pamungkas Rp. 750.000
50 Yosi Handika Rp. 650.000
21
Tabel 3.2 Data Pengamatan Distribusi Normal (lanjutan)

51 Rama Dani Rp. 900.000
52 Fara Anjelika Rp. 550.000
53 Rusdania Rp. 600.000
54 Fadel Muhammad Rp. 860.000
55 Muhammad Bima Ensaftyan Rp. 500.000
56 Kiflaini Rp. 700.000
57 Mahendra Alfazri Rp. 650.000
58 Sylvia Devina Febriyanti Rp. 400.000
59 Koko Andika Rp. 700.000
60 M. Dimas Nurfuadi Rp. 1.000.000
61 Welpiano Prabowo Rp. 950.000
62 Fhonna Azzahra Rp. 850.000
63 Julianda Sari Rp. 870.000
64 Yoga Trisyiam Rp. 500.000
65 M Alfi Syahrin Rp. 550.000
66 Nurhasanah Rp. 450.000
67 Aghniyatun Nadhifa Rp. 750.000
68 Rian Kurniawan Rp. 650.000
69 Indah Permata Sari Rp. 900.000
70 Nadya Arifah Rp. 750.000
71 Iqbal Maulana Rp. 500.000
72 Evi Illah Wahyuni Rp. 550.000
73 Nabila Mutiara Sari Rp. 500.000
74 Urfan Wahyan Wahid Rp. 700.000
75 Amelia Andhini Rp. 650.000
76 Muhammad Bayu Rahmadi Rp. 600.000
77 Yoga Ananda Putri Rp. 800.000
78 Muhammad Fadli Muda'i Rp. 900.000
79 Tanti Sundari Rp. 750.000
80 Mhd Fikri Liansyah Rp. 650.000
81 Eka Wulandari Rp. 900.000
82 Maysarah Pratiwi Harahap Rp. 750.000
83 Hendra Aryanto Rp. 400.000
84 Syaprin Aminullah Rp. 860.000
85 Melinda Hasibuan Rp. 500.000
86 Nurul Qolbi El Azizah Rp. 700.000
87 Wira Irshadi Ahli Rp. 650.000
88 M.Alvikri Rp. 600.000
89 Neti Albania Rp. 700.000
90 Andini Khairunisyah Siregar Rp. 950.000
91 Frendy Darmansyah Rp. 650.000
92 M. Saptariawan Rp. 550.000
93 Mhd.Alfa Roji Rp. 900.000
94 Reza Umamy Hutabarat Rp. 750.000
22
Tabel 3.2 Data Pengamatan Distribusi Normal (Lanjutan)

95 Raviv Rp. 800.000
96 Rifqi Rahman Rp. 860.000
97 Angela Prima Ranika Rp. 400.000
98 Meyliza Suri Dewi Savira Rp. 600.000
99 Sapril Algani S Rp. 450.000
100 Nurawalina Tumangger Rp. 550.000
3.2 Pengolahan Data

3.2.1 Distribusi Poisson
Data pengolahan distribusi poisson dapat di lihat pada Tabel 3.3 berikut:
Tabel 3.3 Pengolahan Data Distribusi Poisson
Jumlah
No Waktu Pengamatan Turus
Pengamatan
1 20.45-20.50 II 2
2 20.40-20.45 IIII 4
3 21.00-21.05 IIII 4
4 19.50-19.55 IIIII 5
5 20.55-21.00 IIIII 5
6 20.35-20.40 IIIII I 6
7 15.50-15.55 IIIII II 7
8 19.55-20.00 IIIII II 7
9 13.30-13.05 IIIII III 8
10 20.05-20.10 IIIII III 8
11 13.00-13.05 IIIII IIII 9
12 18.15-18.20 IIIII IIII 9
13 20.25-20.30 IIIII IIII 9
14 16.50-16.55 IIIII IIIII 10
15 20.10-20.15 IIIII IIIII 10
16 14.25-14.30 IIIII IIIII I 11
17 15.45-15.50 IIIII IIIII I 11
18 18.10-18.15 IIIII IIIII I 11
19 20.20-20.25 IIIII IIIII I 11
20 13.20-13.25 IIIII IIIII II 12
21 14.10-14.15 IIIII IIIII II 12
22 15.30-15.35 IIIII IIIII II 12
23 16.55-17.00 IIIII IIIII II 12
24 18.25-18.30 IIIII IIIII II 12
26 13.45-13.50 IIIII IIIII III 13
23
Tabel 3.3 Pengolahan Data Distribusi Poisson (Lanjutan)

Jumlah
No Waktu Pengamatan Turus
Pengamatan
27 14.35-14.40 IIIII IIIII III 13
28 16.05-16.10 IIIII IIIII III 13
29 20.15-20.20 IIIII IIIII III 13
34 18.40.18.45 IIIII IIIII IIIII II 17
39 19.40-19.45 IIIII IIIII IIIII IIII 19
44 19.20-19.25 IIIII IIIII IIIII IIIII IIIII 20
45 19.15-19.20 IIIII IIIII IIIII IIIII I 21
46 14.30-14.35 IIIII IIIII IIIII IIIII II 22
47 16.35-16.40 IIIII IIIII IIIII IIIII II 22
49 15.40-15.45 IIIII IIIII IIIII IIIII IIIII III 23
52 17.40-17.45 IIIII IIIII IIIII IIIII IIIII I 26
53 19.10-19.15 IIIII IIIII IIIII IIIII IIIII II 27
54 14.00-14.05 IIIII IIIII IIIII IIIII IIIII III 28
55 17.05-17.10 IIIII IIIII IIIII IIIII IIIII IIII 29
56 15.35-15.40 IIIII IIIII IIIII IIIII IIIII IIIII 30
57 18.55-19.00 IIIII IIIII IIIII IIIII IIIII IIIII I 31
IIIII IIIII IIIII IIIII IIIII IIIII
58 17.00-17.05 33
III
59 14.05-14.10 37
IIIII II
60 14.45-14.50 41
IIIII IIIII I
Ʃ - 980
Sumber : Pengolahan Data
a. MenentukanRata-Rata
Σ(𝑓𝑖.𝑥𝑖) 980
𝜆 = 𝑥̅ = = = 16,3
Σ𝑓𝑖 60
24
b. Menentukan Frekuensi Relatif

𝑓𝑖 1
𝑓𝑟(2) = Ʃ𝐟𝐢 = 60 = 0,01
𝑓𝑖 2
𝑓𝑟(4) = Ʃ𝐟𝐢 = 60 = 0,03
𝑓𝑖 2
𝑓𝑟(5) = Ʃ𝐟𝐢 = 60 = 0,03
𝑓𝑖 1
𝑓𝑟(6) = Ʃ𝐟𝐢 = 60 = 0,01
𝑓𝑖 2
𝑓𝑟(7) = Ʃ𝐟𝐢 = 60 = 0,03
𝑓𝑖 2
𝑓𝑟(8) = Ʃ𝐟𝐢 = 60 = 0,03
𝑓𝑖 3
𝑓𝑟(9) = Ʃ𝐟𝐢 = 60 = 0,05
𝑓𝑖 2
𝑓𝑟(10) = Ʃ𝐟𝐢 = 60 = 0,03
𝑓𝑖 4
𝑓𝑟(11) = Ʃ𝐟𝐢 = 60 = 0,06
𝑓𝑖 5
𝑓𝑟(12) = Ʃ𝐟𝐢 = 60 = 0,08
𝑓𝑖 5
𝑓𝑟(13) = Ʃ𝐟𝐢 = 60 = 0,08
𝑓𝑖 2
𝑓𝑟(14) = Ʃ𝐟𝐢 = 60 = 0,03
𝑓𝑖 2
𝑓𝑟(15) = Ʃ𝐟𝐢 = 60 = 0,03
𝑓𝑖 1
𝑓𝑟(17) = Ʃ𝐟𝐢 = 60 = 0,01
𝑓𝑖 2
𝑓𝑟(18) = Ʃ𝐟𝐢 = 60 = 0,03
𝑓𝑖 3
𝑓𝑟(19) = Ʃ𝐟𝐢 = 60 = 0,05
𝑓𝑖 5
𝑓𝑟(20) = Ʃ𝐟𝐢 = 60 = 0,08
𝑓𝑖 1
𝑓𝑟(21) = Ʃ𝐟𝐢 = 60 = 0,01
25
𝑓𝑖 2
𝑓𝑟(22) = Ʃ𝐟𝐢 = 60 = 0,03
𝑓𝑖 3
𝑓𝑟(23) = Ʃ𝐟𝐢 = 60 = 0,05
𝑓𝑖 1
𝑓𝑟(24) = Ʃ𝐟𝐢 = 60 = 0,68
𝑓𝑖 1
𝑓𝑟(26) = Ʃ𝐟𝐢 = 60 = 0,01
𝑓𝑖 1
𝑓𝑟(27) = Ʃ𝐟𝐢 = 60 = 0,01
𝑓𝑖 1
𝑓𝑟(28) = Ʃ𝐟𝐢 = 60 = 0,01
𝑓𝑖 1
𝑓𝑟(29) = Ʃ𝐟𝐢 = 60 = 0,01
𝑓𝑖 1
𝑓𝑟(30) = Ʃ𝐟𝐢 = 60 = 0,01
𝑓𝑖 1
𝑓𝑟(31) = Ʃ𝐟𝐢 = 60 = 0,01
𝑓𝑖 1
𝑓𝑟(33) = Ʃ𝐟𝐢 = 60 = 0,01
𝑓𝑖 1
𝑓𝑟(37) = Ʃ𝐟𝐢 = 60 = 0,01
𝑓𝑖 1
𝑓𝑟(41) = Ʃ𝐟𝐢 = 60 = 0,01
c. MenentukanProbabilitas
e  λ .λ x
(P) = P (xi  ) =
xi
e  2,71828
e 16,3 .16,31 2,7182816,316,3 2

P (X=2)(2;16,3) =   0,00001
2! 2x1
e 16,3 .16,3 4 2,7182816,316,3 4

P (X=4)(4;16,3)=   0,0002
4! 4x3x2x1
e 16,3 .16,3 5 2,7182816,316,35

P (X=5)(5;16,3)=   0,0007
5! 5x4x3x2x1
26
e 16,3 .16,3 6 2,7182816,316,3 6

P (X=6)(6;16,3)=   0,002
6! 6x5x4x3x2x1
e 16,3 .16,37 2,7182816,316,3 7

P (X=7)(7;16,3)=   0,005
7! 7x6x5x4x3x2x1
e 16,3 .16,38 2,7182816,316,38

P (X=8)(8;16,3)=   0,010
8! 8x7x6x5x4x3x2x1
e 16,3 .16,39 2,7182816,316,39

P (X=9)(9;16,3)=   0,018
9! 9x8x7x6x5x4x3x2x1
e 16,3 .16,310 2,7182816,316,310

P (X=10)(10;16,3)=   0,030
10! 10x9x8x7x6x5x4x3x2x1
e 16,3 .16,311 2,7182816,316,311

P (X=11)(11;16,3)=   0,045
11! 11x10x9x8x7x6x5x4x3x2x1
e 16,3 .16,312 2,7182816,316,312

P (X=12)(12;16,3)=   0,061
12! 12x11x10x9x8x7x6x5x4x3x2x1
e 16,3 .16,313 2,7182816,316,313

P (X=13)(13;16,3)=   0,076
13! 13x12...x9x8x7x6x5x4x3x2x1
e 16,3 .16,314 2,7182816,316,314

P (X=14)(14;16,3)=   0,089
14! 14x13...x9x8x7x6x5x4x3x2x1
e 16,3 .16,315 2,7182816,316,315

P (X=15)(15;16,3)=   0,097
15! 15x14...x9x8x7x6x5x4x3x2x1
e 16,3 .16,317 2,7182816,316,317

P (X=17)(17;16,3)=   0,948
17! 17x16...x9x8x7x6x5x4x3x2x1
e 16,3 .16,318 2,7182816,316,318

P (X=18)(18;16,3)=   0,085
18! 18x17...x9x8x7x6x5x4x3x2x1
e 16,3 .16,319 2,7182816,316,319

P (X=19)(19;16,3)=   0,073
19! 19x18....x9x8x7x6x5x4x3x2x1
27
e 16,3 .16,3 20 2,7182816,316,3 20

P (X=20)(20;16,3)=   0,060
20! 20x19....x9x8x7x6x5x4x3x2x1
e 16,3 .16,3 21 2,7182816,316,3 21

P (X=21)(21;16,3)=   0,046
21! 21x20....x9x8x7x6x5x4x3x2x1
e 16,3 .16,3 22 2,7182816,316,3 22

P (X=22)(22;16,3)=   0,034
22! 22x21....x9x8x7x6x5x4x3x2x1
e 16,3 .16,3 23 2,7182816,316,3 23

P (X=23)(23;16,3)=   0,024
23! 23x22x....x9x8x7x6x5x4x3x2x1
e 16,3 .16,3 24 2,7182816,316,3 24

P (X=24)(24;16,3)=   0,016
24! 24x23x....x9x8x7x6x5x4x3x2x1
e 16,3 .16,3 26 2,7182816,316,3 26

P (X=26)(26;16,3)=   0,006
26! 26x25....x9x8x7x6x5x4x3x2x1
e 16,3 .16,3 27 2,7182816,316,3 27

P (X=27)(27;16,3)=   0,004
27! 27x26....x9x8x7x6x5x4x3x2x1
e 16,3 .16,3 28 2,7182816,316,3 28

P (X=28)(28;16,3)=   0,002
28! 28x27....x9x8x7x6x5x4x3x2x1
e 16,3 .16,3 29 2,7182816,316,3 29

P (X=29)(29;16,3)=   0,001
29! 29x28....x9x8x7x6x5x4x3x2x1
e 16,3 .16,330 2,7182816,316,330

P (X=30)(30;16,3)=   0,0007
30! 30x29....x9x8x7x6x5x4x3x2x1
e 16,3 .16,331 2,7182816,316,331

P (X=31)(31;16,3)=   0,0003
31! 31x30....x9x8x7x6x5x4x3x2x1
e 16,3 .16,333 2,7182816,316,333

P (X=33)(33;16,3)=   9,649
33! 33x32....x9x8x7x6x5x4x3x2x1
e 16,3 .16,337 2,7182816,316,337

P (X=37)(37;16,3)=   4,297
37! 37x36....x9x8x7x6x5x4x3x2x1
e 16,3 .16,3 41 2,7182816,316,3 41

P (X=41)(41;16,3)=   1,248
41! 41x40....x9x8x7x6x5x4x3x2x1
28
Adapun distribusi frekuensi poisson yang diperoleh dari perhitungan diatas

dapat dilihat di dalam Tabel 3.4 sebagi berikut :
Tabel 3.4 Distribusi Frekuensi Poisson
Poisson
X Fi Fr Fi . Xi P
2 1 0,01 0,0001 0,00001
4 2 0,03 0,0009 0,0002
5 2 0,03 0,0009 0,0007
6 1 0,01 0,0001 0,002
7 2 0,03 0,0009 0,005
8 2 0,03 0,0009 0,010
9 3 0,05 0,0025 0,018
10 2 0,03 0,0009 0,030
11 4 0,06 0,0036 0,045
12 5 0,08 0,0064 0,061
14 2 0,03 0,0009 0,089
15 2 0,03 0,0009 0,097
13 5 0,08 0,0064 0,076
17 1 0,01 0,0001 0,948
18 2 0,03 0,0009 0,085
19 3 0,05 0,0025 0,073
20 5 0,08 0,0064 0,060
21 1 0,01 0,0001 0,046
22 2 0,03 0,0009 0,034
23 3 0,05 0,0025 0,024
24 1 0,01 0,0001 0,016
26 1 0,01 0,0001 0,006
27 1 0,01 0,0001 0,004
28 1 0,01 0,0001 0,002
29 1 0,01 0,0001 0,001
30 1 0,01 0,0001 0,0007
31 1 0,01 0,0001 0,0003
33 1 0,01 0,0001 9,649
37 1 0,01 0,0001 4,297
41 1 0,01 0,0001 1,248
Ʃ
29
d. Diagram Histogram dan Polygon Distribusi Poisson

1. Diagram Histogram
Frekuensi Poisson Terhadap Uang Saku 100

Mahasiswa/i Teknik Industri 2018
10
9
8
7
6
5
4
3
2
1
0
2 4 5 6 7 8 9 10 11 12 14 15 13 17 18 19 20 21 22 23 24 26 27 28 29 30 31 33 37 41
Fr
Gambar 3.1 Diagram Histogram Frekuensi Terhadap Uang Saku 100

Mahasiswa/i Teknik Industri Angkatan 2018
Probabilitas Poisson Uang Saku 100 Mahasiswa/i

Teknik Industri Angkatan 2018
10
9
8
7
6
5
4
3
2
1
0
2 4 5 6 7 8 9 10 11 12 14 15 13 17 18 19 20 21 22 23 24 26 27 28 29 30 31 33 37 41
Gambar 3.2 Diagram Histogram Frekuensi Terhadap Uang Saku 100

Mahasiswa/i Teknik Industri Angkatan 2018
30
3.2.2 Distribusi Probabilitas Normal

Data untuk distribusi normal bisa dilihat pada Tabel 3.5 berikut ini :
Tabel 3.5 Data Uang Saku Mahasiswa/i Jurusan Teknik Industri Angkatan
2018.
1 TeukuMuamar Rp. 400.000
2 AnnisaHanitaPerangin – Angin Rp. 400.000
3 A ZidnyAzisTanjung Rp. 400.000
4 Sylvia DevinaFebriyanti Rp. 400.000
5 HendraAryanto Rp. 400.000
7 PutriWildani Rp. 450.000
9 SaprilAlgani S Rp. 450.000
10 Asma Rp. 500.000
11 AbdizilIkram Rp. 500.000
13 Muhammad BimaEnsaftyan Rp. 500.000
15 IqbalMaulana Rp. 500.000
19 FaraAnjelika Rp. 550.000
20 M AlfiSyahrin Rp. 550.000
21 EviIllahWahyuni Rp. 550.000
23 NurawalinaTumangger Rp. 550.000
24 ImadHaraki Rp. 600.000
26 SucifiraAlpinna Rp. 600.000
28 Muhammad BayuRahmadi Rp. 600.000
30 MeylizaSuriDewiSavira Rp. 600.000
31 HannyAdzkiaPutriAbelia Rp. 650.000
33 ArisMunandar Rp. 650.000
34 FadilatusSabarinaArHarahap Rp. 650.000
35 YosiHandika Rp. 650.000
36 MahendraAlfazri Rp. 650.000
37 RianKurniawan Rp. 650.000
39 MhdFikriLiansyah Rp. 650.000
40 WiraIrshadiAhli Rp. 650.000
41 FrendyDarmansyah Rp. 650.000
31
2018 (Lanjutan)
43 RahmaJuwita Rp. 700.000
44 Aldo PratamaDalimunthe Rp. 700.000
45 SakinaNursani Rp. 700.000
46 RizkiMaulida Rp. 700.000
49 UrfanWahyan Wahid Rp. 700.000
50 NurulQolbi El Azizah Rp. 700.000
52 Dilla Rp. 740.000
53 YumnaAmani Rp. 750.000
54 DickyChairuddin Rp. 750.000
58 AbiManyuPamungkas Rp. 750.000
59 AghniyatunNadhifa Rp. 750.000
60 NadyaArifah Rp. 750.000
62 MaysarahPratiwiHarahap Rp. 750.000
63 Reza UmamyHutabarat Rp. 750.000
64 NurulFirda Rp. 800.000
65 Cut Irna Rp. 800.000
67 Yoga AnandaPutri Rp. 800.000
68 Raviv Rp. 800.000
69 QurrataAini Rp. 850.000
70 NurmaYunita Rp. 850.000
71 AgungRahmadi Rp. 850.000
72 FhonnaAzzahra Rp. 850.000
73 FanimauliaDinihusna Rp. 860.000
74 Muhammad NasruddinHasymi Rp. 860.000
76 SyaprinAminullah Rp. 860.000
77 RifqiRahman Rp. 860.000
32
2018 (Lanjutan)
79 RizkyRamadhana Rp. 900.000
80 Anisa Rp. 900.000
82 Ajinar Rp. 900.000
83 FiqratunnisaHawariA'la Rp. 900.000
84 RinaDaraRamadhani Rp. 900.000
85 NoveElitaFany Rp. 900.000
90 Muhammad FadliMuda'i Rp. 900.000
91 EkaWulandari Rp. 900.000
92 Mhd.AlfaRoji Rp. 900.000
95 Munazar Rp. 1.000.000
96 SyikaRamadhani Rp. 1.000.000
99 QaulanMaisura Rp. 1.500.000
100 Atikah Rp. 1.500.000
1. Menentukan Nilai Frekuensi

a. Menghitung jumlah kelas
K =1+3,3 log n
=1+3,3 log 100
=1+3,3 (2)
=7,6 di bulatkan menjadi 8
b. Menghitung range
R = data yang paling tinggi – data yang paling rendah
= Rp. 1.500.000-Rp. 400.000
= Rp. 1.100.000
33
c. Menghitung panjang interval kelas

I = R/k
= 1.100.000/8
= 137.500
Tabel 3.6 Tabel Nilai Frekuensi Relatif
Fr Rel
Kelas Frekuensi Titik Tengah Frekuensi Relatif
%
400.000 – 537.499 17 468.749,5 0.17 17 %
537.500 – 674.999 24 606.249,5 0.24 24 %
675.000 – 812.499 27 743.749,5 0.27 27 %
812.500 – 949.999 24 881.249,5 0.24 24%
950.000 – 1.087.499 6 1.018.750 0.06 6%
1.087.500 – 1.224.999 0 1.156.250 0 0%
1.225.000 – 1.362.499 0 1.293.750 0 0%
1.362.500 – 1.500.000 2 1.431.250 0.02 2%
Jumlah 100 6.401,5 1 100%
Adapun daftar frekuensi kumulatif kurang dan lebih dari adalah sebagai
berikut :
Tabel 3.7 Tabel Nilai Frekuensi Kumulatif Kurang Dari dan Lebih Dari
Titik
Kelas Frekuensi Fk ˂ Fk ˃
Tengah
400.000 – 537.499 468.749,5 17 0 100
537.500 – 674.999 606.249,5 24 17 83
675.000 – 812.499 743.749,5 27 41 59
812.500 – 949.999 881.249,5 24 68 32
950.000 – 1.087.499 1.018.750 6 92 8
1.087.500 – 1.224.999 1.156.250 0 98 2
1.225.000 – 1.362.499 1.293.750 0 98 2
1.362.500 – 1.500.000 1.431.250 2 98 2
Jumlah 100 100 0
34
d. Diagram Histogram dan Poligon
Uang Saku 100 Mahasiswa Teknik Industri

Angkatan 2018
30
25
20
15
10
5
0
400.000 – 537.500 – 675.000 – 812.500 – 950.000 – 1.087.500 1.225.000 1.362.500
537.499 674.999 812.499 949.999 1.087.499 – – –
1.224.999 1.362.499 1.500.000
Histogram Polygon
Gambar 3.3 Diagram Histogram dan Polygon Uang Saku 100 Mahasiswa/i
Teknik Industri 2018
2. Menghitung Rata-rata (Mean), Median, dan Modus

a. Rata-Rata (Mean) Data Berkelompok
Untuk memudahkan dalam mencari nilai rata-rata maka terlebih dahulu
mencari nilai xi dan fi :
Tabel 3.8 Nilai Frekuensi Data
Kelas Fi Xi fi.xi
400.000 – 537.499 17 468749.5 7968742
537.500 – 674.999 24 606249.5 14549988
675.000 – 812.499 27 743749.5 20081237
812.500 – 949.999 24 881249.5 21149988
950.000 – 1.087.499 6 1018750 6112497
1.087.500 – 1.224.999 0 1156250 0
1.225.000 – 1.362.499 0 1293750 0
1.362.500 – 1.500.000 2 1431250 2862500
Jumlah 100 72.724.951
Sumber: Pengolahan Data
x =
x f
i i
f
x
72.724.951
=
100
= 727.249,51
35
b. Menghitung Median untuk data berkelompok

Median terletak pada kelas ke-4
LBmed = 674999,5
Fk = 41
fi = 27
 1 n  fk 
Median = LBmed   2 C
 fi  i
 
1
100−41
= 674999,5 + (2 )137500
27
= 6674999,5 + 45833,33
= 720832,83
c. Modus (Frekuensi Tertinggi) untuk data berkelompok
Modus (frekuensi tertinggi) terletak pada kelas ke-2 dengan frekuensi
44
LBmo = 674999,5
A = 27 – 24 = 3
B = 27 -24 = 3
 A 
Modus = LBmed    Ci
 A B
3
= 674999,5+ (3+3)137500
= 674999,5+ 68750
= 743749.5
d. Simpangan Baku
Untuk mencari nilai simpangan baku (σ), maka digunakan parameter
nilai yang relevan dengan perhitungan simpangan baku (σ) seperti tabel
berikut:
Tabel 3.9 Nilai Simpangan Baku
Kelas Fi Xi ( Xi - Ẋ ) ( Xi - Ẋ )2
400.000 – 537.499 17 468749.5 -258500.01 66822255170.00
537.500 – 674.999 24 606249.5 -121000.01 14641002420.00
675.000 – 812.499 27 743749.5 16499.99 272249670.00
812.500 – 949.999 24 881249.5 153999.99 23715996920.00
950.000 – 1.087.499 6 1018750 291499.99 84972244170.00
36
Tabel 3.9 Nilai Simpangan Baku (Lanjutan)

Kelas Fi Xi ( Xi - Ẋ ) ( Xi - Ẋ )2
1.087.500 – 1.224.999 0 1156250 428999.99 184040991420.00
1.225.000 – 1.362.499 0 1293750 566499.99 320922238670.00
1.362.500 – 1.500.000 2 1431250 704000.49 495616689920.24
Jumlah 100 119.100.366.860,24
Σf (xi− x )
σ =√ n−1
100 (119.100.366.860,24)
σ =√ 99
σ = 346.847,81
e. Menghitung Probabilitas
Untuk menghitung probabilitas maka terlebih dahulu mencari nilai z
atau distribusi normal dengan cara menentukan tepi kelas dari data
distribusi frekuensi yang ada. Adapun tepi kelas tersebut seperti tampak
pada Tabel 3.8 berikut:
Tabel 3.10 Batas Kelas Atas Dan Batas Kelas Bawah Dari Setiap Kelas
Titik Batas
No Kelas Fi Batas Atas
Tengah Bawah
1 400.000 – 537.499 17 468.749,5 537.499,5 399.999,5
2 537.500 – 674.999 24 606.249,5 674.999,5 537499,5
3 675.000 – 812.499 27 743.749,5 812499,5 674.999,5
4 812.500 – 949.999 24 881.249,5 949.999,5 812.499,5
5 950.000 – 1.087.499 6 1.018.750 1.087.499,5 949.999,5
6 1.087.500 – 1.224.999 0 1.156.250 1.224.999,5 1.087.499,5
7 1.225.000 – 1.362.499 0 1.293.750 1.362.499,5 1.224.999,5
8 1.362.500 – 1.500.000 17 468.749,5 1.500.000,5 1.362.499,5
Jumlah 100
37
Adapun perhitungannya adalah sebagai berikut :

1. Kelas 1
̅
LCB−X
a. Z1 = 𝜎
399.999,5−727.249,51
Z1 = 3.346.847,81
Z1 = -0,09
Pz1 = 0,4641 (Tabel Z)
̅
UCB−X
b. Z2 = 𝜎
537.499,5−727.249,51
Z2 = 3.346.847,81
Z2 = -0,06
Pz2 = 0,4761 (Tabel Z)
c. P = Pz2 – Pz1
= 0,4761 – 0,4641
= 0,012
2. Kelas 2
̅
LCB−X
a. Z1 = 𝜎
537.499,5−727.249,51
Z1 = 3.346.847,81
Z1 = -0,06
Pz1 = 0,4761 (Tabel Z)
̅
UCB−X
b. Z2 = 𝜎
674.999,5−727.249,51
Z2 = 3.346.847,81
Z2 = - 0,20
Pz2 = 0,4207 (Tabel Z)
c. P = Pz2 – Pz1
= 0,4207 – 0,4761
= -0,0554
3. Kelas 3
̅
LCB−X
a. Z1 = 𝜎
674.999,5−727.249,51
Z1 = 3346.847,81
38
Z1 = - 0,20
Pz1 = 0,4207 (Tabel Z)
̅
UCB−X
b. Z2 = 𝜎
812.499,5−727.249,51
Z2 = 3.346.847,81
Z2 = 0,03
Pz2 = 0,5120 (Tabel Z)

c. P = Pz2 – Pz1
= 0,5120 – 0,4207
= 0,0913
4. Kelas 4
̅
LCB−X
a. Z1 = 𝜎
812.499,5−727.249,51
Z1 = 3346.847,81
Z1 = 0,03
Pz1 = 0,5120 (Tabel Z)
̅
UCB−X
b. Z2 = 𝜎
949.999,5−727.249,51
Z2 = 3.346.847,81
Z2 = 0,07
Pz2 = 0,5279 (Tabel Z)
c. P = Pz2 – Pz1
= 0,5279 – 0,5120
= 0,0159
5. Kelas 5
̅
LCB−X
a. Z1 =
𝜎
949.999,5−727.249,51
Z1 = 3346.847,81
Z1 = 0,07
Pz1 = 0,5279 (Tabel Z)
̅
UCB−X
b. Z2 =
𝜎
39
1.087.499,5−727.249,51
Z2 = 3.346.847,81
Z2 = 0,11
Pz2 = 0,5438 (Tabel Z)
c. P = Pz2 – Pz1
= 0,5438 – 0,5279
= 0,0159
6. Kelas 6
̅
LCB−X
a. Z1 =
𝜎
1.087.499,5−727.249,51
Z1 = 3.346.847,81
Z1 = 0,11
Pz1 = 0,5438 (Tabel Z)
̅
UCB−X
b. Z2 =
𝜎
1.224.999,5 −727.249,51
Z2 =
3.346.847,81
Z2 = 0,15
Pz2 = 0,5596 (Tabel Z)
c. P = Pz2 – Pz1
= 0,5596 – 0,5438
= 0,0158
7. Kelas 7
̅
LCB−X
a. Z1 =
𝜎
1.224.999,5−727.249,51
Z1 = 3346.847,81
Z1 = 0,15
Pz1 = 0,5596 (Tabel Z)
̅
UCB−X
b. Z2 =
𝜎
1.362.499,5−727.249,51
Z2 = 3.346.847,81
Z2 = 0,18
Pz2 = 0,5714 (Tabel Z)
40
c. P = Pz2 – Pz1
= 0,5714 – 0,5596
= 0,0118
8. Kelas 8
̅
LCB−X
a. Z1 =
𝜎
1.362.499,5−727.249,51
Z1 = 3346.847,81
Z1 = 0,18
Pz1 = 0,5714 (Tabel Z)
̅
UCB−X
b. Z2 =
𝜎
1.500.000,5 −727.249,51
Z2 =
3.346.847,81
Z2 = 0,23
Pz2 = 0,5910 (Tabel Z)
c. P = Pz2 – Pz1
= 0,5910 – 0,5714
= 0,0196
f. Tabel Distribusi Frekuensi Normal

Adapun nilai frekuensi dan probabilitas distribusi frekuensi normal
disajikan dalam Tabel 3.11 berikut:
Tabel 3.11 Tabel Distribusi Frekuensi Normal
LCB UCB Z1 Z2 PZ1 PZ2 P
399.999,5 537.499,5 -0,09 -0,06 0,4641 0,4761 0,012
537499,5 674.999,5 -0,06 -0,02 0,4761 0,4207 0,0554
674.999,5 812499,5 -0,02 0,03 0,4207 0,5120 0,0913
812.499,5 949.999,5 0,03 0,07 0,5120 0,5279 0,0159
949.999,5 1.087.499,5 0,07 0,11 0,5279 0,5438 0,0159
1.087.499,5 1.224.999,5 0,11 0,15 0,5438 0,5596 0,0158
1.224.999,5 1.362.499,5 0,15 0,18 0,5596 0,5714 0,0118
1.362.499,5 1.500.000,5 0,18 0,23 0,5714 0,5910 0,0196
Sumber : Pemgolahan Data
BAB IV
ANALISIS DAN EVALUASI
4.1 Analisis Data

Berdasarkan data hasil pengolahan data yang diperoleh dari BAB III, maka
diperoleh analisis sebagai berikut :
1. Frekuensi relatif adalah nilai yang diperoleh dari data poison yang berisikan
nilai hasil bagi antara frekuensi dan total frekuensi. Berdasarkan data yang
diperoleh dari distribusi poison untuk frekuensi relatifnya yaitu 0,01, 0,03,
0,03, 0,01, 0,03, 0,03, 0,05, 0,03, 0,06, 0,08, 0,08, 0,03, 0,03, 0,01, 0,03,
0,05, 0,08, 0,01, 0,03, 0,05, 0,68, 0,01, 0,01, 0,01, 0,01, 0,01, 0,01, 0,01,
0,01, 0,01. Probabilitas adalah kemungkinan terjadinya atau muncul nya
angka didalam table data poison, untuk nilai probabilitasnya yaitu 0,00001,
0,0002, 0,0007, 0,002, 0,005, 0,010, 0,018, 0,030, 0,045, 0,061, 0,076,
0,089, 0,097, 0,948, 0,085, 0,073, 0,060, 0,046, 0,034, 0,024, 0,016, 0,006,
0,004, 0,002, 0,001, 0,0007, 0,0003, 9,649, 4,297, 1,248.
2. Untuk distrbusi frekuensi relatif diperoleh dari distribusi normal yang
berisikan nilai hasil bagi antara frekuensi kelas dan jumlah pengamatan
yang terkandung dalam kumpulan data yang berdistribusi tertentu dan nilai
yang diperoleh dari perhitungan yang dilakukan untuk kelas pertama
(400.000 – 537.499) adalah 17%, kelas kedua (537.500 – 674.999) adalah
24%, kelas ketiga (675.000 – 812.499) adalah 27%, kelas keempat (812.500
– 949.999) adalah 24%, kelas kelima (950.000 – 1.087.499) adalah 6%,
kelas keenam (1.087.500 – 1.224.999) adalah 0%, kelas ketujuh (1.225.000
– 1.362.499) adalah 0%, dan kelas kedelapan (1.362.500 – 1.500.000)
adalah 2%. Untuk frekuensi kumulatif diperoleh dari frekuensi yang
dijumlahkan. Frekuensi kumulatif kurang dari adalah distribusi frekuensi
yang memuat jumlah frekuensi yang memiliki nilai kurang dari nilai batas
kelas suatu interval tertentu dan nilai yang diperoleh dari perhitungan yang
dilakukan untuk kelas pertama (400.000 – 537.499) adalah 0, kelas kedua
(537.500 – 674.999) adalah 17, kelas ketiga (675.000 – 812.499) adalah 41,
kelas keempat (812.500 – 949.999) adalah 68, kelas kelima (950.000 –
41
42
1.087.499) adalah 92, kelas keenam (1.087.500 – 1.224.999) adalah 98,

kelas ketujuh (1.225.000 – 1.362.499) adalah 98, dan kelas kedelapan
(1.362.500 – 1.500.000) adalah 98. Frekuensi kumulatif lebih dari adalah
distribusi frekuensi yang memuat jumlah frekuensi yang memiliki nilai
lebih dari nilai batas kelas suatu interval tertentu dan nilai yang diperoleh
dari perhitungan yang dilakukan untuk kelas pertama (400.000 – 537.499)
adalah 100, kelas kedua (537.500 – 674.999) adalah 83, kelas ketiga
(675.000 – 812.499) adalah 59, kelas keempat (812.500 – 949.999) adalah
32, kelas kelima (950.000 – 1.087.499) adalah 8, kelas keenam (1.087.500
– 1.224.999) adalah 2, kelas ketujuh (1.225.000 – 1.362.499) adalah 2,
dan kelas kedelapan (1.225.000 – 1.362.499) adalah 2.
3. Setelah mengurutkan data dari yang terkecil hingga yang terbesar ke dalam
distribusi normal maka langkah selanjutnya adalah mencari nilai mean,
median, modus. Adapun nilai rata-rata dari nilai uang saku 100 Mahasiswa/i
Teknik Industri Angkatan 2018 adalah 727.249,51, sedangkan median dari
nilai matematika kelas XI 100 Mahasiswa/i Teknik Industri Angkatan 2018
adalah 720832,83. Dan uang saku yang paling besar di peroleh dari hasil
pengukuran adalah 743749,5, yang di buktikan dengan hasil dari nilai
modus. Dan nilai simpangan baku dari uang saku 100 Mahasiswa/i Teknik
Industri Angkatan 2018 adalah 346.847,81.
4. Probabilitas adalah peluang kemungkinan nilai muncul yang diperoleh dari
perhitungan nilai Z yang nilainya dilihat pada tabel distribusi normal.
Probabilitas untuk kelas pertama (400.000 – 537.499) adalah 0,012, kelas
kedua (537.500 – 674.999) adalah 0,0554, kelas ketiga (675.000 –
812.499) adalah 0,0913, kelas keempat (812.500 – 949.999) adalah
0,0159, kelas kelima (950.000 – 1.087.499) adalah 0,0159, kelas keenam
(1.087.500 – 1.224.999) adalah 0,0158, kelas ketujuh (1.225.000 –
1.362.499) adalah 0,0118, dan kelas kedelapan (1.362.500 – 1.500.000)
adalah 0,0196.
43
4.2 Evaluasi Data

Probabilitas motor honda lewat 2 kali dalam 60 pengamatan adalah 0,00001
berarti peluang mobil itu lewat sebanyak 2 motor honda dalam selang waktu 5 menit
dalam 60 kali pengamatan adalah 0,001%. Probabilitas motor honda lewat 4 kali
dalam 60 pengamatan adalah 0,0002 berarti peluang motor honda itu lewat
sebanyak 4 motor honda dalam selang waktu 5 menit dalam 60 kali pengamatan
adalah 0,02%. Probabilitas motor honda lewat 5 kali dalam 60 pengamatan adalah
0,0007 berarti peluang mobil itu lewat sebanyak 5 motor honda dalam selang waktu
5 menit dalam 60 kali pengamatan adalah 0,07%. Probabilitas motor honda lewat 6
kali dalam 60 pengamatan adalah 0,02 berarti peluang mobil itu lewat sebanyak 6
motor honda dalam selang waktu 5 menit dalam 60 kali pengamatan adalah 2%.
Probabilitas motor honda lewat 7 kali dalam 60 pengamatan adalah 0,05 berarti
peluang mobil itu lewat sebanyak 7 motor honda dalam selang waktu 5 menit dalam
60 kali pengamatan adalah 5%. Probabilitas motor honda lewat 8 kali dalam 60
pengamatan adalah 0,01 berarti peluang mobil itu lewat sebanyak 8 motor honda
dalam selang waktu 5 menit dalam 60 kali pengamatan adalah 1%. Probabilitas
motor honda lewat 9 kali dalam 60 pengamatan adalah 0,018 berarti peluang motor
honda itu lewat sebanyak 9 motor honda dalam selang waktu 5 menit dalam 60 kali
pengamatan adalah 1,8%. Probabilitas motor honda lewat 10 kali dalam 60
pengamatan adalah 0,03 berarti peluang motor honda itu lewat sebanyak 10 motor
honda dalam selang waktu 5 menit dalam 60 kali pengamatan adalah 3%.
peluang motor honda itu lewat sebanyak 11 motor honda dalam selang waktu 5
menit dalam 60 kali pengamatan adalah 4,5%. Probabilitas motor honda lewat 12
kali dalam 60 pengamatan adalah 0,061 berarti peluang motor honda itu lewat
0,076 berarti peluang motor honda itu lewat sebanyak 13 motor honda dalam selang
waktu 5 menit dalam 60 kali pengamatan adalah 7,6%. Probabilitas motor honda
lewat 14 kali dalam 60 pengamatan adalah 0,089 berarti peluang motor honda itu
lewat sebanyak 14 motor honda dalam selang waktu 5 menit dalam 60 kali
44
honda dalam selang waktu 5 menit dalam 60 kali pengamatan adalah 9,7%.
pengamatan adalah 6%. Probabilitas motor honda lewat 21 kali dalam 60
45
0,0007 berarti peluang motor honda itu lewat sebanyak 30 motor honda dalam
selang waktu 5 menit dalam 60 kali pengamatan adalah 0,07%. Probabilitas motor
honda lewat 31 kali dalam 60 pengamatan adalah 0,0003 berarti peluang motor
honda itu lewat sebanyak 31 motor honda dalam selang waktu 5 menit dalam 60
kali pengamatan adalah 0,03%. Probabilitas motor honda lewat 33 kali dalam 60
adalah 123,8%.
Probabilitas dari uang saku 100 Mahasiswa Teknik Industri angkatan 2018
Universitas Malikussaleh sebesar Rp. 400.000 – Rp. 537.499 adalah 0,012 yang
berarti memiliki peluang sebesar 1,2%. Probabilitas dari uang saku 100 Mahasiswa
Teknik Industri angkatan 2018 Universitas Malikussaleh sebesar Rp. 537.500 – Rp.
674.999 adalah 0,0554 yang berarti memiliki peluang sebesar 5,54%. Probabilitas
dari uang saku 100 Mahasiswa Teknik Industri angkatan 2018 Universitas
Malikussaleh sebesar Rp. 675.000 – Rp. 812.499 adalah 0,0913 yang berarti
memiliki peluang sebesar 9,13%. Probabilitas dari uang saku 100 Mahasiswa
Teknik Industri angkatan 2018 Universitas Malikussaleh sebesar Rp 812.500 – Rp.
949.999 adalah 0,0159 yang berarti memiliki peluang sebesar 1,59%. Probabilitas
dari uang saku 100 Mahasiswa Teknik Industri angkatan 2018 Universitas
Malikussaleh sebesar Rp. 950.000 – Rp. 1.087.499 adalah 0,0159 yang berarti
memiliki peluang sebesar 1,59%. Probabilitas dari uang saku 100 Mahasiswa
Teknik Industri angkatan 2018 Universitas Malikussaleh sebesar Rp. 1.087.500 –
Rp. 1.224.999 adalah 0,0158 yang berarti memiliki peluang sebesar 1,58%.
Probabilitas dari uang saku 100 Mahasiswa Teknik Industri angkatan 2018
Universitas Malikussaleh sebesar Rp. 1.225.000 – Rp. 1.362.499 adalah 0,0118
46
yang berarti memiliki peluang sebesar 1,18%. Probabilitas dari uang saku 100
Mahasiswa Teknik Industri angkatan 2018 Universitas Malikussaleh sebesar Rp.
1.362.500 – Rp. 1.500.000 adalah 0,0196 yang berarti memiliki peluang sebesar
1,96%.
BAB V
5.1 Kesimpulan
Adapun kesimpulan yang dapat diambil berdasarkan hasil praktikum modul
II ini adalah sebagai berikut :
1. Probabilitas didefenisikan sebagai peluang atau kemungkinan suatu
kejadian, suatu ukuran tentang kemungkinan atau derajat ketidakpastian
suatu peristiwa (event) yang akan terjadi di masa mendatang.
2. Distribusi poisson adalah distribusi probabilitas diskret yang menyatakan
peluang jumlah peristiwa yang terjadi pada periode waktu tertentu apabila
rata-rata kejadian tersebut diketahui dan dalam waktu yang saling bebas
sejak kejadian terakhir. Distribusi poisson juga dapat digunakan untuk
jumlah kejadian pada interval tertentu seperti jarak, luas, atau volume. Pada
penelitian ini, distribusi poisson dipakai untuk menghitung seberapa
mungkin Motor Honda muncul di jalan Medan – Pematangsiantar,
Pematangsiantar, Sumatera Utara dilakukan penelitian langsung pada jalan
tersebut mulai dari pukul 13.00 – 21.05 WIB, dan didapatkan jumlah
kendaraan yang muncul pada tanggal 06 Oktober 2020 sebanyak 980 Motor.
3. Distribusi normal adalah salah satu bentuk distribusi probabilitas yang
menggunakan pendekatan kurva normal dan distribusi dianggap merata.
Bisa dikatakan nilai rata-rata = median = modus....., sedangkan fungsi
distribusi normal dalam pengamatan ini adalah untuk mengetahui data uang
saku perbulan 100 mahasiswa/i Teknik Industri Angkatan 2018 Universitas
Malikussaleh. Distribusi normal membantu dalam pencarian rata-rata dan
kurva pada data uang saku perbulan 100 mahasiswa/i Teknik Industri
Angkatan 2018 Universitas Malikussaleh.
47
48
5.2 Saran
Adapun saran yang ingin kami ajukan dalam praktikum modul II ini adalah
sebagai berikut :
2. Dalam proses pembuatan laporan, sebaiknya seluruh anggota kelompok
dapat bekerjasama agar menjadi bekal bagi mereka di kemudian hari.
3. Membaca referensi dari sumber lain agar mendapatkan tambahan informasi
menyangkut pembahasan praktikum ini.
4. Mengkaji ulang pengolahan data sehingga mengerti dan bisa mengoreksi.
DAFTAR PUSTAKA
Anto Dajan. 1986. Pengantar Metode Statistik II. Jakarta: LP3ES.
Fatimah. 2017. Modul statistik Teknik Industri. Lhokseumawe: Fakultas Teknik

Jurusan Teknik Industri Universitas Malikussaleh.
Harinaldi. 2005. Prinsip – Prinsip Statistik Untuk Teknik dan Sains. Jakarta:
Erlangga.
Herrhyanto, Nar dan H. M. Akib Hamid. 2007. Statistika Dasar. Jakarta:

Universitas Terbuka.
M.Iqbal Hasan. 2001. Pokok – Pokok Materi Statistik I (Statistik Deskriptif).

Jakarta: Bumi Aksara.
Meilia N. I. Susanti. S.T.M.Kom. 2014. Statistika Deskriptif & Induktif.

Yogyakarta: Graha Ilmu.
Supranto, J. 2008. Statistik: Teori dan Aplikasi. Jakarta: Erlangga.

LAMPIRAN
LAMPIRAN I
1. Tabel Bilangan Acak dan Rekapitulasi Waktu Pengamatan
Tabel Bilangan Acak
Tabel Waktu Pengamatan Berdasarkan Tabel Acak
Pasangan Yang
No Tabel Random Waktu Pengamatan
Dipilih
1 88 20.20-20.25
2 83 19.55-20.00
88347
3 34 15.50-15.55
4 47 16.55-17.00
5 17 14.25-14.30
6 72 19.00-19.05
17286
7 28 13.20-13.25
8 86 20.10-20.15
9 78 19.30-19.35
10 86 20.10-2015
78607
11 60 18.00-18.05
12 07 13.35-13.40
13 56 17.40-17.45
14 63 18.15-18.20
56395
15 39 16.25-16.30
16 95 20.55-21.00
17 57 17.45-17.50
18 71 18.55-19.00
57187
19 18 14.30-14.35
20 87 20.15-20.20
21 49 17.05-17.10
22 91 20.35-20.40
49184
23 18 14.30-14.35
24 84 20.00-20.05
25 28 13.20-13.25
26 87 20.15-20.20
28747
27 74 19.10-19.15
28 47 16.55-17.00
29 93 20.45-20.50
30 30 15.30-15.35
93067
31 06 13.30-13.35
32 67 19.35-19.40
33 57 17.45-17.50
34 71 18.55-19.00
57140
35 14 14.10-14.15
36 40 15.20-15.25
Tabel Waktu Pengamatan Berdasarkan Tabel Acak (Lanjutan)
Pasangan Yang
Dipilih
37 14 14.10-14.15
38 47 16.55-17.00
14727
39 72 19.00-19.05
40 27 15.15-15.20
41 84 20.00-20.05
42 48 17.00-17.05
84858
43 85 20.05-20.10
44 58 19.50-19.55
45 96 21.00-21.05
46 68 18.40.18.45
96891
47 89 20.25-20.30
48 91 20.35-20.40
49 08 13.40-13.45
50 83 19.55-20.00
08337
51 33 15.45-15.50
52 37 16.05-16.10
53 06 13.30-13.05
54 60 18.00-18.05
06006
55 00 13.00-13.05
56 06 13.30-13.35
57 76 19.20-19.25
58 60 18.00-18.05
76040
59 04 13.20-13.25
60 40 15.20-15.25
61 43 16.35-16.40
62 31 15.35-15.40
43189
63 18 14.30-14.35
64 89 20.25-20.30
65 74 19.10-19.15
66 46 16.50-16.55
74686
67 68 18.40-18.45
68 86 20.10-20.15
69 19 14.35-14.40
70 92 20.40-20.45
19219
71 21 14.45-14.50
72 19 14.35-14.40
Tabel Waktu Pengamatan Berdasarkan Tabel Acak (Lanjutan)
Pasangan Yang
Dipilih
73 00 13.00-13.05
74 03 13.15-13.20
00336
75 33 15.45-15.50
76 36 14.00-14.05
77 86 20.10-20.15
78 68 18.40-18.45
86883
79 88 20.20-20.25
80 83 19.55-20.00
81 08 13.40-13.45
82 80 19.40-19.45
08091
83 09 13.45-13.50
84 91 20.35-20.40
85 96 21.00-21.05
86 69 18.45-18.50
96975
87 97 21.05-21.10
88 75 19.15-19.20
89 99 21.15-21.20
90 96 21.00-21.05
99600
91 60 18.00-18.05
92 00 13.00-13.05
93 41 15.25-15.30
94 17 14.25-14.30
41765
95 76 19.20-19.25
96 65 18.25-18.30
97 68 18.40-18.45
98 80 19.40-19.45
68013
99 01 13.05-13.10
100 13 14.05-14.10
101 47 16.55-17.00
102 78 19.30-19.35
47831
103 83 19.55-20.00
104 31 15.35-15.40
105 62 18.10-18.15
106 22 14.50-14.55
62237
107 23 15.40-15.45
108 37 16.05-16.10
Tabel Rekapitulasi Data Waktu Pengamatan
No Waktu Pengamatan Jumlah Pengamatan
1 13.00-13.05 9
2 13.05-13.10 14
3 13.15-13.20 18
4 13.20-13.25 12
5 13.30-13.05 8
6 13.35-13.40 13
7 13.40-13.45 20
8 13.45-13.50 13
9 14.00-14.05 28
10 14.05-14.10 37
11 14.10-14.15 12
12 14.25-14.30 11
13 14.30-14.35 22
14 14.35-14.40 13
15 14.45-14.50 41
16 14.50-14.55 15
17 15.15-15.20 20
18 15.20-15.25 23
19 15.25-15.30 19
20 15.30-15.35 12
21 15.35-15.40 30
22 15.40-15.45 23
23 15.45-15.50 11
24 15.50-15.55 7
25 16.05-16.10 13
26 16.25-16.30 24
27 16.35-16.40 22
28 16.50-16.55 10
29 16.55-17.00 12
30 17.00-17.05 33
31 17.05-17.10 29
32 17.40-17.45 26
33 17.45-17.50 18
34 18.00-18.05 14
35 18.10-18.15 11
36 18.15-18.20 9
37 18.25-18.30 12
38 18.40.18.45 17
39 18.45-18.50 20
Tabel Rekapitulasi Data Waktu Pengamatann (Lanjutan)
No Waktu Pengamatan Jumlah Pengamatan
40 18.55-19.00 31
41 19.00-19.05 20
42 19.10-19.15 27
43 19.15-19.20 21
44 19.20-19.25 20
45 19.30-19.35 19
46 19.35-19.40 23
47 19.40-19.45 19
48 19.50-19.55 5
49 19.55-20.00 7
50 20.00-20.05 15
51 20.05-20.10 8
52 20.10-20.15 10
53 20.15-20.20 13
54 20.20-20.25 11
55 20.25-20.30 9
56 20.35-20.40 6
57 20.40-20.45 4
58 20.45-20.50 2
59 20.55-21.00 5
60 21.00-21.05 4
2. Dokumentasi Pengamatan Data Poison

Bukti Pengamatan di Jl. Medan Pematangsiantar
Diperiksa oleh,
Afifah Dian Utami

NIM. 170130003
LAMPIRAN II
Data Pengamatan Distibusi Normal
Data Uang Saku Mahasiswa/i Jurusan Teknik Industri Angkatan 2018
1 Munazar Rp. 1.000.000
2 Qurrata Aini Rp. 850.000
3 Imad Haraki Rp. 600.000
4 Rizky Ramadhana Rp. 900.000
5 Dilla Rp. 740.000
6 Anisa Rp. 900.000
7 Qaulan Maisura Rp. 1.500.000
9 Yumna Amani Rp. 750.000
10 Hanny Adzkia Putri Abelia Rp. 650.000
11 Ajinar Rp. 900.000
12 Dicky Chairuddin Rp. 750.000
13 Nurul Firda Rp. 800.000
14 Fanimaulia Dinihusna Rp. 860.000
15 Teuku Muamar Rp. 400.000
18 Asma Rp. 500.000
20 Syika Ramadhani Rp. 1.000.000
21 Abdizil Ikram Rp. 500.000
22 Putri Wildani Rp. 450.000
23 Cut Irna Rp. 800.000
25 Rahma Juwita Rp. 700.000
26 Fiqratunnisa Hawari A'la Rp. 900.000
27 Atikah Rp. 1.500.000
28 Rina Dara Ramadhani Rp. 900.000
30 Aris Munandar Rp. 650.000
31 Nove Elita Fany Rp. 900.000
34 Muhammad Nasruddin Hasymi Rp. 860.000
35 Annisa Hanita Perangin - Angin Rp. 400.000
36 Aldo Pratama Dalimunthe Rp. 700.000
37 Fadilatus Sabarina Ar Harahap Rp. 650.000
(Lanjutan)
39 Sucifira Alpinna Rp. 600.000
40 Sakina Nursani Rp. 700.000
42 Nurma Yunita Rp. 850.000
44 Agung Rahmadi Rp. 850.000
45 Rizki Maulida Rp. 700.000
48 A Zidny Azis Tanjung Rp. 400.000
49 Abi Manyu Pamungkas Rp. 750.000
50 Yosi Handika Rp. 650.000
52 Fara Anjelika Rp. 550.000
55 Muhammad Bima Ensaftyan Rp. 500.000
57 Mahendra Alfazri Rp. 650.000
58 Sylvia Devina Febriyanti Rp. 400.000
62 Fhonna Azzahra Rp. 850.000
65 M Alfi Syahrin Rp. 550.000
67 Aghniyatun Nadhifa Rp. 750.000
68 Rian Kurniawan Rp. 650.000
70 Nadya Arifah Rp. 750.000
71 Iqbal Maulana Rp. 500.000
72 Evi Illah Wahyuni Rp. 550.000
74 Urfan Wahyan Wahid Rp. 700.000
76 Muhammad Bayu Rahmadi Rp. 600.000
77 Yoga Ananda Putri Rp. 800.000
78 Muhammad Fadli Muda'i Rp. 900.000
(Lanjutan)
80 Mhd Fikri Liansyah Rp. 650.000
81 Eka Wulandari Rp. 900.000
82 Maysarah Pratiwi Harahap Rp. 750.000
83 Hendra Aryanto Rp. 400.000
84 Syaprin Aminullah Rp. 860.000
86 Nurul Qolbi El Azizah Rp. 700.000
87 Wira Irshadi Ahli Rp. 650.000
91 Frendy Darmansyah Rp. 650.000
93 Mhd.Alfa Roji Rp. 900.000
94 Reza Umamy Hutabarat Rp. 750.000
95 Raviv Rp. 800.000
96 Rifqi Rahman Rp. 860.000
98 Meyliza Suri Dewi Savira Rp. 600.000
99 Sapril Algani S Rp. 450.000
100 Nurawalina Tumangger Rp. 550.000
Diperiksa oleh,
Afifah Dian Utami

NIM. 170130003
MODUL III
UJI HIPOTESIS
MODUL III
UJI HIPOTESIS
LEMBARAN ASISTENSI
2020
KELOMPOK 14
MODUL III
UJI HIPOTESIS
- Perbaiki rumusan masalah dan
tujuan masalah
- Perbaiki perhitungan
2. 20/11 – 2020 - perbaiki analisa dan evaluasi
- perbaiki tata tulis
- lanjut BAB V
3. 23/11 – 2020 - perbaiki BAB V

- Lengkapi lampiran
4. 25/11 – 2020 ACC JILID


NIP. 196406062001122001 NIM. 170130003
KATA PENGANTAR
PRAKTIKUM STATISTIK INDUSTRI MODUL III “UJI HIPOTESIS”.
di jalan-Nya.
Simalungun, 24 November 2020
Kelompok 14
DAFTAR ISI
Halaman
LEMBAR ASISTENSI
KATA PENGANTAR
DAFTAR ISI ................................................................................................ i
DAFTAR TABEL ...................................................................................... iii
DAFTAR RUMUS ..................................................................................... iv
BAB I PENDAHULUAN
1.1 Latar Belakang ........................................................................ 1
1.2 Rumusan Masalah ................................................................... 2
1.3 Tujuan Masalah ....................................................................... 2
1.4 Batasan Masalah dan Asumsi .................................................. 2
1.4.1 Batasan Masalah ............................................................ 2
1.4.2 Asumsi 3
1.5 Langkah-langkah Pemecahan Masalah .................................... 3
1.6 Sistematika Penulisan .............................................................. 3

2.1 Pengertian Hipotesis ................................................................ 5
2.2 Fungsi Hipotesis ...................................................................... 7
2.3 Tahapan Pengujian Hipotesis .................................................. 7
2.4 Pengertian Sampel ................................................................... 9
2.4.1 Jenis-jenis Sampel ......................................................... 9
2.5 Hipotesis Statistik ................................................................. 10
2.6 Hipotesis Satu Arah dan Dua Arah ........................................ 11

3.1 Pengumpulan Data ................................................................ 12
3.1.1 Alat dan Bahan ............................................................ 12
3.1.2 Metode Pengumpulan Data .......................................... 12
3.1.3 Tahapan Pelaksanaan Praktikum .................................. 12
3.1.4 Data Pengamatan ......................................................... 13
3.2 Pengolahan Data ................................................................... 15
3.2.1 Pengujian Hipotesis Data Tunggal ............................... 15
3.2.2 Pengujian Hipotesis Data Ganda ................................. 20

4.1 Analisis Data ......................................................................... 24
4.1.1 Pengujian Hipotesis Data Tunggal ............................... 24
4.1.2 Pengujian Hipotesis Data Ganda .................................. 24
4.2 Evaluasi Data ........................................................................ 25
i
5.1 Kesimpulan ........................................................................... 27
5.2 Saran ..................................................................................... 29
DAFTAR PUSTAKA
LAMPIRAN
ii
DAFTAR TABEL
Tabel Halaman
3.1 Data Nilai Penjas Kelas X Mahasiswa/i Kelas A1 Teknik Industri
Angkatan 2018 Dengan N=34 ............................................................ 13
3.2 Data Nilai Penjas Kelas X Mahasiswa/i Kelas A1 Teknik Industri
Angkatan 2018 Dengan N=30 ............................................................ 14
3.3 Data Perbedaan Biaya Listrik Perbulan Lingk.02 Teratak dan Lingk.03
Rendahan, Kel. Bosar Maligas, Kec. Bosar Maligas ........................... 15
3.4 Perhitungan Data Nilai Penjas Kelas X Mahasiswa/i Kelas A1 Teknik
Industri Angkatan 2018 N=34 ............................................................ 15
3.5 Perhitungan Data Nilai Penjas Kelas X Mahasiswa/i Kelas A1 Teknik
Industri Angkatan 2018 N=30 ............................................................ 16
3.6 Perhitungan Data Perbedaan Biaya Listrik Perbulan Lingk.02 Teratak dan
Lingk.03 Rendahan, Kel. Bosar Maligas, Kec. Bosar Maligas, Kab.
Simalungun, Prov. Sumatera Utara .................................................... 20
iv
DAFTAR RUMUS
Rumus Halaman
2.1 T hitung............................................................................................................................................................ 6
2.2 Nilai Statistik Uji ................................................................................. 9
v
BAB I
PENDAHULUAN
1.1 Latar Belakang

Dalam kehidupan sehari-hari, sering kita jumpai banyak hal yang dapat
kitadeskripsikan dalam bentuk data. Informasi data yang diperoleh tentunya harus
diolah terlebihdahulu menjadi sebuah data yang mudah dibaca dan dianalisa.
Statistika adalah ilmu yangmempelajari cara-cara pengolahan data.
Istilah hipotesis sebenarnya adalah kata majemuk, terdiri dari kata-kata hipo
dan teas, hipo berasal dari kata yunani yang berarti di bawah, kurang, atau
lemah.Sedangkantesa yang berarti teori atau proporsi yang disajikan sebagai bukti.
Jadi hipotesis adalah pernyataan yang masih lemah kebenarannya dan masih perlu
dibuktikan kenyataannya. Jika suatu hipotesis telah dibuktikan kebenarannya
namanya bukan lagi hipotesis. Untuk menguji benar tidaknya suatu pernayataan,
maka perlu dikumpulkan data-data mengenai parameter populasi yang sedang
dipelajari. Ada beberapa pengujian hipotesis yang dilakukan seperti uji terhadap
rataan populasi, dua rataan populasi dan uji parameter binom. Dalam beberapa
kondisi, praktikan memiliki gambaran (dugaan) tentang populasi yang berdasarkan
kajian teori, atau hasil penelitian terkait sebelumnya.
Hipotesis seperti yang kita ketahui (statistik), yakni dugaan yang
mungkin benar, ataumungkin juga salah. Dia akan ditolak jika salah atau palsu, dan
akan diterima jika faktor-faktor membenarkannya. Penolakan dan penerimaan
hipotesis, dengan begitu sangattergantung kepada hasil-hasil penyelidikan terhadap
faktor-faktor yang dikumpulkan.Selanjutnya, pengujian hipotesis penelitian secara
perhitungan statistik memerlukan perubahan rumusan hipotesis ke dalam rumusan
hipotesis statistik yang mana memasangkanhipotesis alternatif (Ha) dan hipotesis
nol (Ho) sehingga dapat memutuskan dengan tegasmenolak atau menerima
salah satu dari kedua hipotesis tersebut. Selain itu, Pengujianhipotesis deskriptif
pada dasarnya merupakan proses pengujian generalisasi hasil penelitian yang
1
2
didasarkan pada satu sampel. Kesimpulan yang dihasilkan nanti adalah

apakah hipotesisyang diuji itu dapat digeneralisasikan atau tidak.
Pada praktikum modul 3 ini, praktikan akan membahas dan menganalisis
dengan metode statistik uji hipotesis, yaitu menguji hipotesis satu arah kanan dan
kiri, dan data yang di ambil untuk data tunggal Nilai Penjas Kelas X Unit A1 Teknik
Industri Angkatan 2018. Dan untuk data ganda yaitu data perbedaan biaya listrik
perbulan Lingkungan 02 Teratak dan Lingkungan 03 Rendahan Kecamatan Bosar
Maligas Kabupaten Simalungun.
1.2 Rumusan Masalah

Adapun rumusan masalah yang dapat dirumuskan dalam praktikum ini
1. Bagaimana fungsi dan tahapan pada pengujian hipotesis?
2. Bagaimanakah hasil pengolahan data pengujian hipotesis pada data
tunggal?
3. Bagaimana hasil pengolahan data pengujian hipotesis pada data ganda?
1.3. Tujuan Masalah

Adapun tujuan praktikum yang dilakukan adalah sebagai berikut:
1. Untuk mengetahui fungsi dan tahapan pengujian hipotesis.
2. Untuk mengetahui hasil pengolahan data pengujian hipotesis pada data
tunggal.
3. Untuk mengetahui hasil pengolahan data pengujian hipotesis pada data
ganda.

Adapun yang menjadi batasan masalah dalam pratikum ini adalah sebagai
berikut:
1. Pengumpulan data tunggal dilakukan melalui pengisian kuisioner pada
google form dan data ganda melalui wawancara langsung.
2. Pengambilan data untuk data tunggal adalah Nilai Penjas Kelas X Unit A1
Teknik Industri Angkatan 2018.
3
3. Pengambilan data untuk data ganda yaitu data perbedaan biaya listrik perbulan
Lingkungan 02 Teratak dan Lingkungan 03 Rendahan.
1.4.1 Asumsi
Adapun asumsi yang dapat dimuat dalam praktikum ini adalah sebagai
berikut:
1. Mahasiswa/i yang mengisi google form adalah mahasiswa/i yang sehat
secara jasmani maupun rohani.
2. Data ganda diambil dengan melakukan wawancara langsung dan dilakukan
dengan sebenarnya.
3. Pengisian google form yang dilakukan oleh mahasiswa/i diisi dengan
sebenarnya.
4. Praktikan yang melakukan wawancara pengambilan data dalam kondisi
sehat secara jasmani dan rohani.

Adapun langkah-langkah yang dilakukan untuk memecahkan masalah
pada praktikum ini adalah sebagai berikut:
1. Menentukan objek yang menjadi bahan penelitian.
2. Mencatat semua data yang diperoleh darimasing-masing pasangan sampel.
3. Menentukan formulasi hipotesis H0 dan H1.
4. Menentukan kriteria pengujian, yaitu H0 diterima apabila Thitung>Ttabel, atau
H0 ditolak apabila Thitung<Ttabel
5. Menghitung nilai uji statistik dengan mengisi table distribusi T.
6. Membuat laporan hasil praktikum.

Untuk memudahkan memahami isi laporan praktikum ini, maka penulisan
akan dibagi kedalam 5 bab, yang masing-masing bab mengandung beberapa sub
bab, yaitu sebagai berikut :
BAB I PENDAHULUAN
Merupakan pengantar dalam menguraikan secara singkat mengenai latar
belakang, rumusan masalah, tujuan masalah, batasa masalah, dan
asumsi,langkah-langkah pemecahan masalah dan sistematika penulisan.
4

Pada bab ini berisi tentang penjelasan konsep dan dasar untuk memecahkan
masalah penelitian dan pedoman untuk pembahasan masalah, antara lain
Hipotesis, Fungsi hipotesi, Tahapan pengujian hipoteis, hipotesis statistik,
Hipotesis satu arah dan dua arah, perbedaan Hipotesis satu arah dan dua
hari.
Pada bab ini berisikan data-data hasil penelitian yang berhubungan dengan
masalah yang di bahas dan pengolahan data yang berkaitan dengan teori
yang ada,serta analisis dari pengolahan data tepatnya uji hipotesis satu arah
dan uji hipotesi data tunggal dan data berkelompok.
Bab ini berisikan penguraian tentang analisa dan evaluasi berdasarkan hasil
pengumpulan dan pengolahan data.
Pada bab ini berisikan tentang kesimpulan dari distribusi probabilitas dan
saran yang memuat perbaikan pada praktikum yang baik.
BAB II
LANDASAN TEORI
2.1 Pengertian Hipotesis

Hipotesis adalah dugaan atau jawaban sementara dari pernyataan yang ada
pada perumusan masalah penelitian. Dikatakan jawaban sementara oleh karena
jawaban yang ada adalah jawaban yang berasal dari teori. Dengan kata lain, jika
teori menyatakan bahwa A berpengaruh terhadap B, maka hipotesis adalah sesuai
dengan apa yang dikatakan teori tersebut, yakni A berpengaruh terhadap B.
Jawaban sesungguhnya hanya baru akan ditemukan apabila peneliti telah
melakukan pengumpulan data dan analisis data penelitian.
Hipotesis juga berarti sebuah pernyataan atau proposisi yang mengatakan
bahwa diantara sejumlah fakta ada hubungan tertentu. Proses pembentukan
hipotesis adalah proses penalaran yang melalui tahapan-tahapan tertentu. Hipotesis
juga berarti sebuah pernyataan atau proposisi yang mengatakan bahwa diantara
sejumlah fakta ada hubungan tertentu. Proses pembentukan hipotesis adalah proses
penalaran yang melalui tahapan-tahapan tertentu.
Pengujian hipotesis adalah suatu prosedur yang dilakukan dengan tujuan
memutuskan apakah menerima atau menolak hipotesis mengenai parameter
populasi. Ciri-ciri hipotesis yang baik adalah :
1 Hipotesis harus menyatakan hubungan
2 Hipotesis harus sesuai dengan fakta
3 Hipotesis harus sesuai dengan ilmu
4 Hipotesis harus dapat diuji
5 Hipotesis harus sederhana
6 Hipotesis harus dapat menerangkan fakta
Hipotesis yang dirumuskan untuk diuji dan dengan harapan tidak
berpengaruh atau tidak memiliki perbedaan dengan hipotesis sebenarnya
dinamakan dengan H0. Sedangkan hipotesis tandingannya dinamakan dengan
hipotesis alternatif ( H1) yang mengandung pernyataan mempunyai pengaruh atau
memiliki perbedaan. Dalam menyusun hipotesis alternatif, ada tiga ketentuan:
5
6
H1 menyatakan bahwa nilai parameter lebih besar daripada nilai yang

dihipotesiskan. Pengujian ini disebut pengujian satu arah, yaitu pengujian sisi
kanan.
1. H1 menyatakan bahwa nilai parameter lebih kecil dari pada nilai yang
dihipotesiskan. Pengujian ini disebut pengujian satu arah, yaitu pengujian
sisi kiri.
2. H1 menyatakan bahwa nilai parameter tidak sama dengan nilai yang
dihipotesiskan. Pengujian ini disebut pengujian dua arah yaitu pengujian sisi
kanan dan sisi kiri.
Secara umum formulasi hipotesis dapat dituliskan sebagai berikut:
a. H0 : µ = 0
H1 : µ > µ0
b. H0 : µ = µ0
H1 : µ < µ0
c. H0 : µ = µ0
H1 : µ ≠ µ0
Kriteria pengujian untuk formulasi diatas adalah (Haryanto,2007):
Untuk H0 : µ = µ dan H1 : µ > µ0 , kriteria pengujiannya:
1. Untuk H0 : µ = µ0 dan H1 : µ0 > µ0
a. Ho diterima jika T0 ≤ -Tα,
b. Ho ditolak jika Z0 > Zα,
2. Untuk H0 : µ = µ0 dan H1 : µ0 < µ0
a. Ho diterima jika Z0 ≥ -Zα,
b. Ho ditolak jika Z0 < -Zα,
3. Untuk H0 : µ = µ0 dan H1 : µ0 ≠ µ0
a. Ho diterima jika –Zα/2 ≤ Zα ≤ Zα/2,
b. Ho ditolak jika Z0 > Zα/2 atau Z0 < -Zα/2,
Untuk melakukan pengujian statistik, apabila simpangan populasi
diketahui, maka:
X- µ0 X- µ0
To = , To= ........................................................... (persamaan 2.1)
σx s/√n
7
Untuk pengujian sebuah hipotesis, kita harus mengambil sampel acak,

menghitung pengujian statistik yang sesuai dengan data sampel, dan kemudian
menggunakan informasi yang diperoleh dari pengujian statistic untuk membuat
sebuah keputusan .
Hipotesis yang dirumuskan dengan harapan akan ditolak kebenarannya
dinamakan hipotesis nol (Ho) atau hipotesis statistik. Hipotesis yang dirumuskan
dengan harapan akan diterima kebenarannya disebut hipotesis alternatif (H1) atau
hipotesis tandingan (H1), artinya hipotesis yang didasarkan pada teori yang
mendukung hipotesis tersebut. Dalam pengujian hipotesis untuk sampel besar > 30
akan digunakan distribusi Z, dan untuk sampel < 30 akan digunakan distribusi t.
Ada dua jenis kesalahan yang bisa terjadi di dalam pengujian hipotesis.
Kesalahan itu bisa terjadi karena kita menolak hipotesis nol, padahal hipotesis nol
itu benar atau kita menerima hipotesis nol, padahal hipotesis nol itu salah.
Kesalahan yang disebabkan karena kita menolak hipotesis nol padahal hipotesis nol
itu benar,disebut kesalahan jenis I atau Type I Error. Sebaliknya kesalahan yang
disebabkan karena kita menerima hipotesis nol padahal hipotesis nol itu salah
disebut kesalahan jenis II atau Type II Error.
2.2 Fungsi Hipotesis

Adapun fungsi dari hipotesis adalah :
1. Menguji teori, artinya berfungsi untuk menguji kesahihan teori.
Pernyataan teori dalam bentuk yang teruji disebut hipotesis. Teori adalah
satu satu prinsip yang dirumuskan untuk menerangkan sekelompok
gejala/peristiwa yang saling berkaitan. Teori menunjukkan adanya
hubungan antara fakta yang satu dengan fakta yang lain.
2. Menyarankan teori baru, apabila hasil pengujian hipotesis dapat
membentuk proposisi, asumsi atau penjelasan tentang suatu peristiwa.
3. Mendeskripsikan fenomena sosial, artinya hipotesis memberikan informasi
kepada peneliti tentang apa yang nyata-nyata terjadi secara langsung.
8
2.3. Tahapan Pengujian Hipotesis

Ada beberapa tahapan dalam pengujian hipotesis yang akan dibahas satu
persatu, yaitu:
1. Menentukan Formulasi Hipotesis
Ada dua rumusan hipotesis yang digunakan untuk pengujian yaitu H 0 dan
H1. Hipotesis nol (H0) mengandung pernyataan yang menyangkal seperti
tidak memiliki perbedaan atau ada pengaruh. Sedangkan hipotesis alternatif
(H1) merupakan pernyataan yang tidak menyangkal seperti ada perbedaan
atau pengaruh. Pernyataan keduanya dapat ditulis seperti ditunjukkan
dibawah ini.
H0 : µ = µ0
H1 : µ > µ0
H1 : µ < µ0
H1 : µ ≠ µ0
Dalam pengujian apabila H0 diterima maka H1 harus ditolak, begitu juga
berlaku untuk sebaliknya.
2. Menentukan taraf nyata (α)
Alpha atau taraf nyata merupakan batas toleransi dalam menerima
kesalahan dari hipotesa terhadap nilai parameter populasinya. Batas
toleransi yang sering digunakan untuk menentukan alpha dinyatakan dalam
%, misal, 1%, 5% dan 10%.
3. Menentukan kriteria pengujian
Kriteria pengujian adalah cara pembuatan keputusan dalam menerima atau
menolak H0 setelah dibandingkan antara nilai alpha dari tabel (nilai kritis)
dengn nilai uji statistiknya. Ada 3 ketentuan untuk menerima atau menolak
H0 yaitu sebagai berikut:
a. Untuk pengujian satu sisi sebelah kanan
Terima H0 apabila Z0 ≤ Zα
Tolak H0 apabila Z0 > Zα
b. Untuk pengujian satu sisi sebelah kiri
Terima H0 apabila Z0 ≥ -Zα
Tolak H0 apabila Z0 < - Zα
9
c. Untuk pengujian dua sisi.

Terima H0 apabila –Zα/2 ≤ Z0 ≤ Zα/2
Tolak H0 apabila Z0 > Zα/2 atau bila Z0 < –Zα/2
Untuk sampel kecil (n < 30) dapat digunakan distribusi t, dimana distribusi
Z diganti dengan t yang memiliki derajat bebas (n-1).
4. Menghitung nilai statistik uji
Nilai statistik uji adalah nilai yang diperoleh dari perhitungan data sampel
yang disebut dengan Z hitung (Z0) atau t hitung (T0). Perhitungan ini dapat
dilakukan dengan menggunakan rumus statistik uji sebagai berikut:
x-µ0
z =α ............................................................................... (persamaan 2.2)
√n
5. Kesimpulan
Kesimpulan dapat dibuat dengan menerima atau menolak hasil hipotesis,
yaitu dengan membuat pernyataan tolak H0 apabila hasil hitung statistik uji
lebih dari nilai tabel pada tingkat α tertentu ( Hasan,2002).
2.4. Pengertian Sampel

Sampel atau dalam Bahasa Inggris sample adalah bagian dari populasi yang
ingin diteliti; dipandang sebagai suatu pendugaan terhadap populasi, bukan
populasi itu sendiri. Sampel dianggap sebagai perwakilan dari populasi yang
hasilnya mewakili keseluruhan gejala yang diamati. Ukuran dan keragaman sampel
menjadi penentu baik atau tidaknya sampel yang diambil.
Ukuran sampel ialah persentase kecil dari populasi yang digunakan untuk
analisis statistik. Misalnya, ketika ingin mencari tahu berapa banyak orang yang
akan memilih orang tertentu dalam pemilihan, tidak mungkin (baik secara finansial
atau logistik) untuk bertanya kepada setiap orang di suatu negara tentang preferensi
pemilihan mereka.
Oleh sebab itu, diambil sampel kecil dari suatu populasi. Ukuran sampel
dapat beberapa ratus atau beberapa ribu tergantung pada karakteristik yang
diinginkan peneliti dari sampel populasi tersebut, dan seberapa akurat hasil yang
diinginkan peneliti.
10
2.4.1. Jenis–jenis Sampel

Adapun jenis–jenis sampel yang digunakan dalam perhitungan statistik
yaitu:
1. Sampel Statistik Deskriptif
Sampel statistik deskriptif berfungsi untuk mendeskripsikan atau memberi
gambaran terhadap objek yang diteliti melalui data sampel atau populasi
sebagaimana adanya tanpa melakukan analisis dan membuat kesimpulan
yang berlaku untuk umum.
2. Sampel Berkorelasi
Sampel berkorelasi terdapat dalam desain eksperimen seperti membuat
pertandingan kemampuan kerja pegawai sebelum dilatih dengan yang sudah
dilatih.
3. Sampel Independen
Sampel independen adalah sampel yang tidak berkaitan sesuatu sama lain
misalnya, akan membandingkan kerja, lulusan SMU dan SMK,
membandingkan penghasilan petani, nelayan, dan sebagainya.
4. Probability Sampling
Probability samping adalah yang memberi peluang yang sama bagi setiap
unsur populasi untuk dipilih menjadi anggota sampel.
5. Non Probability Sampling
Non probability sampling adalah yang tidak memberi peluang kesempatan
sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel
teknik.
2.5. Hipotesis Statistik

Hipotesis statistik adalah adalah pernyataan atau dugaan mengenai keadaan
populasi yang sifatnya masih sementara atau lemah tingkat kebenarannya.
Hipotesis statistik bisa berbentuk suatu variabel seperti binomial, poisson, dan
normal atau nilai dari suatu parameter, seperti mean, varians, standar devaiasi dan
proporsi. Hipotesis statistik haruslah diuji, karena itu harus berbentuk kuantitas agar
dapat diterima atau ditolak. Diterima jika hasil pengujian membenarkan
pernyataannya dan akan ditolak jika terjadi penyangkalan dari pernyataan tersebut.
Suatu uji hipotesis yang bersifat satu arah (< atau >) disebut uji satu arah. Wilayah
11
kritis dalam uji satu arah dengan hipotesis alternatifnya. Pengujian hipotesis yang
hipotesis alternatifnya “ < “, maka wilayah kritisnya ada di ekor di sebelah kiri,
sedangkan hipotesis alternatifnya “ > “, maka wilayah kritisnya ada di ujung sebelah
kanan.
2.6. Hipotesis Satu Arah dan Dua Arah

Karena penolakan H0 selalu sebuah kesimpulan yang kuat pada saat
kegagalan untuk menolak H0 dapat menjadi kesimpulan yang lemah terkecuali β
diketahui menjadi kecil, biasanya lebih menyukai membentuk hipotesis seperti
pernyataan tentang sebuah pernyataan tentang sebuah kesimpulan yang kuat yang
diinginkan dalam hipotesis alternatif H1. Persoalan untuk hipotesis alternatif dua
arah adalah sebenarnya tidak tepat ditujukan analisis dengan sebuah pemilihan
formulasi. Berarti jika kita ingin menguji hipotesis bahwa rata–rata sebuah
distribusi µ sama dengan nilai beberapa nilai sembarang misalnya µ 0, atau < µ0,
maka kita harus menggunakan alternatif dua arah.
H0 : µ0 = µ0
H1 : µ0 ≠ µ0
Banyak masalah-masalah pengujian hipotesis mencakup hipotesis alternatif
satu arah. Sebagai contoh, misalnya kita ingin menolak H 0 bila nilai rata-rata
sebenarnya melebihi µ0 hipotesis akan menjadi :
H0 : µ0 = µ0
H1 : µ0 > µ0
Hipotesis ini akan menyatakan bahwa daerah kritis itu ditempatkan dalam
ujung teratas pada distribusi pengujian statistik. Maka jika keputusan didasarkan
pada nilai rata–rata sampel x kemudian kita akan menolak H0, jika x terlalu besar.
Kurva karakteristik kerja untuk pengujian hipotesis ditunjukkan dalam gambar 10-
4, selama kurva karakteristik kerja untuk pengujian dua arah. Kita menyelidiki
bahwa nilai rata–rata sebenarnya µ0 melebihi µ0 (berarti hipotesis alternatif H1 : µ >
µ0) benar, pengujian satu arah lebih baik dari pengujian dua arah dalam arti bahwa
pengujian tersebut mempunyai sebuah kurva karakteristik kerja yang lebih curam
lerengnya.
BAB III

3.1.1 Alat dan Bahan
1. Alat Tulis
2. Form Pengamatan

Data dikumpulkan dengan melakukan pengamatan dengan membuat
kuisioner google form dan pengamatan langsung kelapangan. Objek yang
digunakan adalah Nilai Penjas Kelas X Mahasiswa/i Kelas A1 Teknik Industri
Angkatan 2018 digunakan untuk data hipotesis data tunggal dengan N=34 dan
n=30. Sedangkan untuk data ganda objek yang digunakan adalah Perbedaan Biaya
Listrik Perbulan Lingk. 02 Teratak dan Lingk. 03 Rendahan, Kel. Bosar Maligas,
kec. Bosar Maligas, Kab. Simalungun.
3.1.3 Tahapan Pelaksanaan Praktikum

Adapun tahapan pelaksanaan dalam melakukan pengamatan adalah sebagai
berikut:
1. Menentukan objek yang diamati.
2. Membuat kuisioner google form untuk mengambil data pengamatan untuk
data tunggal.
3. Mencatat semua data mengenai data Nilai Penjas Kelas X Mahasiswa/i
Kelas A1 Teknik Industri Angkatan 2018
4. Melakukan wawancara ke 20 rumah ke kedua dusun untuk mendapatkan
data biaya listrik perbulan.
5. Mencatat semua data mengenai biaya listrik perbulan Lingk. 02 Teratak dan
Lingk. 03 Rendahan, Kel. Bosar Maligas, Kec. Bosar Maligas, Kab.
Simalungun.
12
13
3.1.4. Data Pengamatan

Berdasarkan hasil pengamatan data maka diperoleh data sebagai berikut:
1. Nilai Penjas Kelas X Mahasiswa/i Kelas A1 Teknik Industri Angkatan 2018
digunakan untuk data hipotesis data tunggal dengan N=34 dan n=30.
2. Data perbedaan biaya listrik perbulan Lingk. 02 Teratak dan Lingk. 03
Rendahan Kel. Bosar Maligas, Kec. Bosar Maligas, Kab. Simalungun
digunakan untuk data hipotesis data ganda.
Tabel 3.1 Data Nilai Penjas Kelas X Mahasiswa/i Kelas A1 Teknik Industri
Angkatan 2018 Dengan N=34
No Nama Nim Nilai Penjas
1 Sultan Maulana 180130019 90
2 Reza Umamy Hutabarat 180130026 85
3 Nabila Mutiara 180130018 89
4 Qurrata Aini 180130035 88
5 M. Alvikri 180130030 90
6 Putri Wildani 180130020 80
7 Fadilatus Sabarina 180130022 90
8 Nur Astuti 180130017 86
9 M. Dimas Nurfuadi 180130031 93
10 Rizki Wahyuri 180130007 95
11 Sylvia Devina 180130001 80
12 Rahma Juwita 180130014 85
13 Andini Khairunisyah 180130013 80
14 Urfan Wahyan Wahid 180130039 85
15 Indah Salsabila 180130004 81
16 Atikah 180130012 85
17 Maysarah Partiwi 180130034 90
18 Muhammad Bayu Rahmadi 180130012 85
19 Yosi Handika 180130033 84
20 Fredy Fariska 180130016 90
21 Cut Irna 180130037 90
22 Nurawalina Tumangger 180130023 80
23 Kiflaini 180130036 90
24 Diki Agus Nugroho 180130070 90
25 Asama 180130024 86
27 Welpiano Prabowo 180130029 90
29 Mhd. Alfa Roji 180130010 90
14
Angkatan 2018 Dengan N=34 (Lanjutan)
31 Haikal Akbar 180130008 90
32 Nurma Yunita 180130003 85
34 Umri Alwi 180130002 90
Sumber; Data Pengamatan
Angkatan 2018 Dengan n=30
5 M. Alvikri 180130030 90
7 Nur Astuti 180130017 86
10 Rahma Juwita 180130014 85
13 Atikah 180130012 85
16 Yosi Handika 180130033 84
18 Cut Irna 180130037 90
20 Kiflaini 180130036 90
22 Asama 180130024 86
25 Umri Alwi 180130002 90
26 Mhd. Alfa Roji 180130010 90
28 Haikal Akbar 180130008 90
29 Nurma Yunita 180130003 85
15
Tabel. 3.3 Data Perbedaan Biaya Listrik Perbulan Lingk. 02 Teratak dan
Link. 03 Rendahan Kel. Bosar Maligas, Kec. Bosar Maligas,
Kab. Simalungun
Biaya Listrik Perbulan Lingk. 02 Teratak dan Link. 03
Linkungan 02 Teratak Lingkungan 03 Rendahan
No Nama Kepala Biaya Listrik Nama Kepala Biaya Listrik
Keluarga (Rp) Keluarga (Rp)
1 Jonianto M 75.000 Suriadi 130.500
2 Risman Purba 100.000 Suherwin 200.000
3 Muliadi Samosir 50.750 Mahmud 160.500
4 Sarmin 150.000 Sunaryo 100.000
5 Selman 200.000 Hendra Mustafa 430.000
6 Timan 450.000 Budi Safriadi 30.000
7 Kosit Sinaga 300.500 Kriswanto 65.000
8 Samsuadi 100.000 Samien 175.000
9 Kliwon 65.500 Salak 200.500
10 Anto 250.000 Gunawan 132.000
11 Supardi 40.500 Ngadimin 150.500
12 Legimin 270.000 Surip 74.500
13 Menik 340.000 Wahyudi 125.000
14 Tumirin 64.420 Jaka Kurniawan 90.500
15 Doyok 270.000 Eliadi Sinaga 40.500
16 Sukur 150.000 Ngatini 170.000
17 Ngatiran 170.000 Hariana 25.600
18 Hengki 70.500 Ngatini 337.400
19 Hamdik 65.500 Selan 67.000
20 Z. Arifin 375.000 Sulastri 256.000
3.2 Pengolahan Data

3.2.1 Pengujian Hipotesis Data Tunggal
Adapun tabel uji hipotesis satu arah dengan N=34 dan n=30 bisa dilihat pada
Tabel 3.4 adalah sebagai berikut:
Tabel 3.4 Perhitungan Data Nilai Penjas Kelas X Mahasiswa/i Kelas A1
Teknik Industri Angkatan 2018 N=34
No X (X-X̅) (X-X̅)2
1 90 3,09 9,55
2 85 -1,91 3,65
3 89 2,09 4,37
4 88 1,09 1,19
5 90 3,09 9,55
6 80 -6,91 47,75
16

Teknik Industri Angkatan 2018 N=34 (Lanjutan)
No X (X-X̅) (X-X̅)2
7 90 3,09 9,55
8 86 -0,91 0,83
9 93 6,09 37,09
10 95 8,09 65,45
11 80 -6.91 47,75
12 85 -1,91 3,65
13 80 -6,91 47,75
14 85 -1,91 3,65
15 81 -5,91 34,93
16 85 -1,91 3,65
17 90 3,09 9,55
18 85 -1,91 3,65
19 84 -2,91 8,47
20 90 3,09 9,55
21 90 3,09 9,55
22 80 -6,91 47,75
23 90 3,09 9,55
24 90 3,09 9,55
25 86 -0,91 0,83
26 88 1,09 1,19
27 90 3,09 9,55
28 80 -6,91 47,75
29 90 3,09 9,55
30 85 -1,91 3,65
31 90 3,09 9,55
32 85 -1,91 3,65
33 90 3,09 9,55
34 90 3,09 9,55
∑ 2955 542,80
∑X 2955
Rata-rata popolasi (µ) = = = 86,91
N 34
Teknik Industri Angkatan 2018 n=30
No X (X-X̅) (X-X̅)2
1 90 2,17 4,71
2 85 -2,83 8,01
3 89 1,17 1,37
4 88 0,17 0,03
5 90 2,17 4,71
17

Teknik Industri Angkatan 2018 n=30 (Lanjutan)
No X (X-X̅) (X-X̅)2
6 90 2,17 4,71
7 86 -1,83 3,35
8 93 5,17 26,73
9 95 7,17 51,41
10 85 -2,83 51,41
11 85 -2,83 8,01
12 81 -6,83 46,65
13 85 -2,83 8,01
14 90 2,17 4,71
15 85 -2,83 8,01
16 84 -3,83 14,67
17 90 2,17 4,71
18 90 2,17 4,71
19 80 -7,83 61,31
20 90 2,17 4,71
21 90 2,17 4,71
22 86 -1,83 3,35
23 88 0,17 0,03
24 90 2,17 4,71
25 90 2,17 4,71
26 90 2,17 4,71
27 85 -2,83 8,01
28 90 2,17 4,71
29 85 -2,83 8,01
30 90 2,17 4,71
∑ 2635 369,60
∑X 2635
a. Rata-rata (X̅) = = = 87,83
N 30
∑(𝑋−𝑋̅)2
b. Simpangan Baku σx = √ 𝑛−1
369,60
=√
29
= 3,57
Adapun pengujian hipotesis data tunggal sisi kiri dan sisi kanan adalah
sebagai berikut:
18
1. Uji Hipotesis Sisi Kiri

Adapaun langkah-langkah dalam pengujian hipotesis adalah sebagai
berikut:
a. Hipotesis
H0 : µ = 86,91
H1 : µ < 86,91
b. Menentukan taraf nyata (𝛼) sebesar 5% atau 0,05
Menentukan taraf nyata (𝛼) sebesar 1% atau 0,01
c. Simpangan baku diketahui (σ) dan n ≥ 30 maka menggunakan distribusi
Z.
d. Batas Penolakan Uji Satu Arah (Uji Sisi Kiri)
𝛼 = 0,05 → -Z0,05 = -1,645
𝛼 = 0,01 → -Z0,01 = -2,326
e. Kriteria Pengujian
H0 diterima apabila jika Zhitung > -Ztabel
H0 ditolak apabila jika Zhitung < -Ztabel
f. Rasio Uji
̅−μ
X
Zhitung = 𝜎
√𝑛
87,83− 86,91
= 3,57
√30
0,92
=
0,65
= 1,42
g. Kesimpulan
- Batas Penolakan dengan (𝛼) sebesar 5% atau 0,05
Karena Zhitung > -Ztabel yaitu 1,42 > -1,645, maka H0 diterima. Berarti
tidak terdapat perbedaan yang berarti terhadap Nilai Penjas Kelas X
Mahasiswa/i Kelas A1 Teknik Industri Angkatan 2018.
Karena Zhitung > -Ztabel yaitu 1,42 > -2,326, maka H0 diterima. Berarti
19
2. Uji Hipotesis Sisi Kanan

Adapaun langkah-langkah dalam pengujian hipotesis adalah sebagai
berikut:
a. Hipotesis
H0 : µ = 87,83
H1 : µ < 87,83
b. Menentukan taraf nyata (𝛼) sebesar 5% atau 0,05
Menentukan taraf nyata (𝛼) sebesar 1% atau 0,01
c. Simpangan baku diketahui (σ) dan n ≥ 30 maka menggunakan distribusi
Z.
d. Batas Penolakan Uji Satu Arah (Uji Sisi Kiri)
𝛼 = 0,05 → Z0,05 = 1,645
𝛼 = 0,01 → Z0,01 = 2,326
e. Kriteria Pengujian
H0 diterima apabila jika Zhitung < Ztabel
H0 ditolak apabila jika Zhitung > Ztabel
f. Rasio Uji
̅−μ
X
Zhitung = 𝜎
√𝑛
87,83− 86,91
= 3,57
√30
0,92
=
0,65
= 1,42
g. Kesimpulan
Karena Zhitung < Ztabel yaitu 1,42 < 1,645, maka H0 diterima. Berarti
Karena Zhitung < Ztabel yaitu 1,42 < 2,326, maka H0 diterima. Berarti
20
3.2.2 Pengujian Hipotesis Data Ganda

Adapun tabel uji data ganda perbedan biaya listrik perbulan Lingk. 02
Teratak dan Lingk. 03 Rendahan, Kel. Bosar Maligas, Kec. Bosar Maligas,
Kab.SImalungun, Prov. Sumatera Utara adalah sebagai berikut:
Tabel 3.6 Perhitungan Data Perbedaan Biaya Listrik Perbulan Lingk. 02
Teratak dan Lingk. 03 Rendahan, Kel. Bosar Maligas, Kec,
Bosar Maligas, Kab, Simalungun, Prov. Sumatera Utara
Lingk. 02 Teratak Lingk. 03 Rendahan
No
X1 (Rp) (X-X̅) (X-X̅)2 X2 (Rp) (X-X̅) (X-X̅)2
1 75.000 -102.884 10.585.014.572 130.500 -17.525 307.125.625
2 100.000 -77.884 6.065.839.572 200.000 51.975 2.701.400.625
3 50.750 -127.134 16.162.926.822 160.500 12.475 155.625.625
4 150.000 -27.884 777.489.572 100.000 -48.025 2.306.400.625
5 200.000 22.117 489.139.572 430.000 281.975 79.509.900.625
6 450.000 272.117 74.047.389.572 30.000 -118.025 13.929.900.625
7 300.500 122.617 15.034.806.072 65.000 -83.025 6.893.150.625
8 100.000 -77.884 6.065.839.572 175.000 26.975 727.650.625
9 65.500 -112.384 12.630.051.072 200.500 52.475 2.753.625.625
10 250.000 72.117 5.200.789.572 132.000 -16.025 256.800.625
11 40.500 -137.384 18.874.226.072 150.500 2.475 6.125.625
12 270.000 92.117 8.485.449.572 74.500 -222.525 49.517.375.625
13 340.000 162.117 26.281.759.572 125.000 -23.025 530.150.625
14 64.420 -113.464 12.873.965.832 90.500 -57.525 3.309.125.625
15 270.000 92.117 8.485.449.572 40.500 -107.525 11.561.625.625
16 150.000 -27.884 777.489.572 170.000 21.975 482.900.625
17 170.000 -7.884 62.149.572 25.600 -122.425 14.987.880.625
18 70.500 -107.384 11.531.216.072 337.400 189.375 35.862.890.625
19 65.500 -112.384 12.630.051.072 67.000 -81.025 6.565.050.625
20 375.000 197.117 38.854.914.572 256.000 107.975 11.658.600.625
∑ 3.557.670 285.915.957.455 2.960.500 244.023.307.500
∑X 3.557.670
a. Rata-rata (X̅1) = = = 177.884
N 20
∑X 2.960.500
b. Rata-rata (X̅2) = = = 148.025
N 20
Adapun pengujian hipotesis data ganda sisi kiri dan sisi kanan adalah
sebagai berikut:
a. Hipotesis
H0 : µ1 = µ2
H1 : µ1 ≠ µ2
21
b. Menentukan taraf nyata (α) sebesar 5% atau 0,05

Menentukan taraf nyata (α) sebesar 1% atau 0,01
c. n=20 < 30 maka digunakan distribusi t
d. Batas Penolakan Uji Satu Arah (uji sisi kiri) Derajat Kebebasan :
db = n1 + n2 - 2 = 20 + 20 – 2 = 38
α = 0,05 → T(0,05;38) = +1,68595
α = 0,01 → T(0,01;38) = +2,42857
e. Aturan Keputusan:
Tolak H0 jika Thitung < -Ttabel
Terima H0 jika Thitung > -Ttabel
f. Pengujian Statistik
̅ )2
∑(X−X
S1 = √ n−1
285.915.957.455
= √ 19
= 122671,1388
̅ )2
∑(X−X
S2 = √ n−1
244.023.307.500
=√ 19
= 102575,2
̅ 1−X
X ̅2
RUThitung = 2 +(n 2
√(n1−1 ) S1 2−1 ) S2 1 1
(n1+ n2)
n1+n2−2
177.884 −148.025
= 2 +(20−1) 102575,22
√(20−1) 122671,1388 1
( +
1
)
20 +20−2 20 20
29.819
= √226.326.578,8
29.819
= 15.044,15
= 1,98
22
g. Kesimpulan
- Batas penolakan dengan (α) sebesar 5% atau 0,05
Karena Thitung > -Ttabel yaitu 1,98 > -1,68595 maka H0 diterima. Berarti
tidak terdapat perbedaan yang berarti terhadap biaya listrik perbulan
Lingk 01 Teratak dan Lingk. 03 Rendahan, Kel. Bosar Maligas, Kec.
Bosar Maligas, Kab. Simalungun.
Karena Thitung > Ttabel yaitu 1,98 > -2,42857 maka H0 diterima. Berarti
tidak terdapat perbedaan yang berarti terhadap biaya listrik perbulan
a. Hipotesis
H0 : µ1 = µ2
H1 : µ1 ≠ µ2
b. Menentukan taraf nyata (α) sebesar 5% atau 0,05
Menentukan taraf nyata (α) sebesar 1% atau 0,01
c. n=20 < 30 maka digunakan distribusi t
d. Batas Penolakan Uji Satu Arah (uji sisi kiri) Derajat Kebebasan :
db = n1 + n2 - 2 = 20 + 20 – 2 = 38
α = 0,05 → T(0,05;38) = 1,68595

α = 0,01 → T(0,01;38) = 2,42857
e. Aturan Keputusan:
Tolak H0 jika Thitung > Ttabel
Terima H0 jika Thitung < Ttabel
f. Pengujian Statistik
̅ )2
∑(X−X
S1 = √ n−1
285.915.957.455
= √ 19
= 122671,1388
̅ )2
∑(X−X
S2 = √ n−1
23
244.023.307.500
=√ 19
= 102575,2
̅ 1−X
X ̅2
RUthitung =
(n1−1 ) S12 +(n2−1 ) S22 1 1
√ ( + )
n1+n2−2 n1 n2
177.884 −148.025
= 2 +(20−1) 102575,22
√(20−1) 122671,1388 1
( +
1
)
20 +20−2 20 20
29.819
= √226.326.578,8
29.819
= 15.044,15
= 1,98
g. Kesimpulan
Karena Thitung > Ttabel yaitu 1,98 > 1,68595 maka H0 ditolak. Berarti
terdapat perbedaan yang berarti terhadap biaya listrik perbulan
Karena Thitung < Ttabel yaitu 1,98 < 2,42857 maka H0 diterima.
Berarti tidak terdapat perbedaan yang berarti terhadap biaya listrik
perbulan Dusun Timur dan Dusun Tengah Desa Rembele Kec.
Bukit, Kab. Bener Meriah.
BAB IV
ANALISIS DAN EVALUASI DATA
4.1 Analisis Data

Berdasarkan data hasil pengolahan yang ada pada bab III, maka diperoleh
analisis sebagai berikut:
4.1.1 Pengujian Hipoteisi Data Tunggal

a. Batas penolakan dengan (α) sebesar 5% atau 0,05
Karena Zhitung > -Ztabel yaitu 1,42 > -1,645 maka H0 diterima.
b.Batas penolakan dengan (α) sebesar 1% atau 0,01
Karena Zhitung > -Ztabel yaitu 1,42 > -2,326 maka H0 diterima.
Karena Zhitung < Ztabel yaitu 1,42 < 1,645 maka H0 diterima.
b. Batas penolakan dengan (α) sebesar 1% atau 0,01
Karena Zhitung < Ztabel yaitu 1,42 < 2,32 maka H0 diterima.
4.1.2 Pengujian Hipoteisi Data Ganda

Karena Thitung > -Ttabel yaitu 1,98 > -1,68595 maka H0 diterima.
b. batas penolakan dengan (α) sebesar 1% atau 0,01
Karena Thitung > Ttabel yaitu 1,98 > -2,42857 maka H0 diterima.
Karena Thitung > Ttabel yaitu 1,98 > 1,68595 maka H0 ditolak.
b. Batas penolakan dengan (α) sebesar 1% atau 0,01
Karena Thitung < Ttabel yaitu 1,98 < 2,42857 maka H0 diterima.
24
25
4.2 Evaluasi Data

Adapun evaluasi data yang dapat diambil dari hasil pengolahan yang
diperoleh pada bab II adalah sebagai berikut:
1. Pada pengujian hipotesis data tunggal sisi kiri dengan taraf nyata (α) sebesar
5% diperoleh Zhitung > -Ztabel yaitu 1,42 > -1,645 sehingga H0 diterima, yang
berarti tidak terdapat perbedaan yang berarti terhadap Nilai Penjas Kelas X
Mahasiswa/i Kelas A1 Teknik Industri Angkatan 2018. Sedangkan pada
pengujian hipotesis dengan (α) sebesar 1% diperoleh Zhitung > -Ztabel yaitu
1,42 > -2,326, maka H0 diterima., yang berarti tidak terdapat perbedaan yang
berarti terhadap Nilai Penjas Kelas X Mahasiswa/i Kelas A1 Teknik Industri
Angkatan 2018.
2. Pada pengujian hipotesis data tunggal sisi kanan dengan taraf nyata (α)
sebesar 5% diperoleh Zhitung < Ztabel yaitu 1,42 < 1,645 sehingga H0
diterima, yang berarti tidak terdapat perbedaan yang berarti terhadap Nilai
Penjas Kelas X Mahasiswa/i Kelas A1 Teknik Industri Angkatan 2018.
Sedangkan pada pengujian hipotesis dengan (α) sebesar 1% diperoleh Zhitung
< Ztabel yaitu 1,42 < 2,32, karena itu maka H0 diterima, yang berarti tidak
terdapat perbedaan yang berarti terhadap Nilai Penjas Kelas X Mahasiswa/i
Kelas A1 Teknik Industri Angkatan 2018.
3. Pada pengujian hipotesis data ganda sisi kiri dengan taraf nyata (α) sebesar
5% diperoleh Thitung > -Ttabel yaitu 1,98 > -1,68595 sehingga H0 diterima,
yang berarti tidak terdapat perbedaan yang berarti terhadap biaya listrik
perbulan Lingk 01 Teratak dan Lingk. 03 Rendahan, Kel. Bosar Maligas,
Kec. Bosar Maligas, Kab. Simalungun. Sedangkan pada pengujian hipotesis
dengan (α) sebesar 1% diperoleh Thitung > Ttabel yaitu 1,98 > -2,42857
sehingga H0 diterima, yang berarti tidak terdapat perbedaan yang berarti
terhadap biaya listrik perbulan Lingk 02 Teratak dan Lingk. 03 Rendahan,
Kel. Bosar Maligas, Kec. Bosar Maligas, Kab. Simalungun.
4. Pada pengujian hipotesis data ganda sisi kanan dengan taraf nyata (α)
sebesar 5% diperoleh Thitung > Ttabel yaitu 1,98 > 1,68595 sehingga H0
ditolak, yang berarti terdapat perbedaan yang berarti terhadap biaya listrik
perbulan Lingk 02 Teratak dan Lingk. 03 Rendahan, Kel. Bosar Maligas,
26
Kec. Bosar Maligas, Kab. Simalungun. Sedangkan pada pengujian hipotesis

dengan (α) sebesar 1% diperoleh Thitung < Ttabel yaitu 1,98 < 2,42857
sehingga H0 diterima, yang berarti tidak terdapat perbedaan yang berarti
terhadap biaya listrik perbulan Lingk 02 Teratak dan Lingk. 03 Rendahan,
Kel. Bosar Maligas, Kec. Bosar Maligas, Kab. Simalungun.
BAB V
5.1 Kesimpulan
Adapun kesimpulan yang dapat diambil dari praktikum modul III ini adalah
sebagai berikut:
1. Adapun fungsi hipotesis adalah untuk menguji teori, artinya berfungsi untuk
menguji kesahihan teori, menyarankan teori baru, apabila hasil pengujian
hipotesis dapat membentuk proposisi, asumsi atau tentang suatu peristiwa,
mendeskripsikan fenomena sosial, artinya hipotesis memberikan informasi
kepada peneliti tentang apa yang nyata-nyata terjadi secara empris. Adapun
tahapan pengujian hipotesis adalah pertama menentukan formulasi
hipotesis, kedua menentukan taraf nyata (α), ketiga menentukan kriteria
pengujian, keempat menghitung nilai uji statistik, dan terakhir membuat
kesimpulan.
2. Adapun hasil pengolahan data tunggal adalah untuk rata-rata populasi
sebesar 86,91, rata-rata sampel sebesar 87,83, simpangan baku sebesar 3,57,
Z0,05 sebesar -1,645, Z0,01 sebesar -2,325 dan Zhitung sebesar 1,42. Untuk hasil
pengujian hipotesis adalah sebagai berikut:
Uji Hipotesis Sisi Kiri
a. Batas penolakan dengan ɑ sebesar 5% atau 0,05
Zhitung > -Ztabel yaitu 1,42 > -1,645, maka H0 diterima yang berarti tidak
terdapat perbedaan yang berarti terhadap nilai Penjas Kelas X
Mahasiswa/i Unit A1 Teknik Industri Angkatan 2018.
b. Batas penolakan dengan ɑ sebesar 1% atau 0,01
Zhitung > -Ztabel yaitu 1,42 > -2,325 maka H0 diterima diterima yang
berarti tidak terdapat perbedaan yang berarti terhadap nilai Penjas Kelas
X Mahasiswa/i Unit A1 Teknik Industri Angkatan 2018.
27
28
Uji Sisi Kanan

Zhitung < Ztabel yaitu 1,42 < 1,645, maka H0 diterima yang berarti tidak
Zhitung < Ztabel yaitu 1,42 < 2,325 maka H0diterima yang berarti tidak
3. Adapun hasil pengolahan data ganda adalah untuk rata rata x1 sebesar
177,883, rata-rata x2 sebesar 148,025, db sebesar 38, T(0,05;38) sebesar
+1,68595, T(0,01;38) sebesar +2,42857, S1 sebesar 122671,1388, S2 sebesar
102575,2, dan RUthitung sebesar 1,98. Untuk hasil pengujian hipotesis adalah
sebagai berikut:
Uji Hipotesis Sisi Kiri
Thitung > Ttabel yaitu 1,98 > -1,68595 maka H0 diterima yang berarti tidak
Lingkungan 02 Teratak dan Lingkungan 03 Rendahan, Kel. Bosar
Maligas, Kec. Bosar Maligas, Kab. Simalungun.
Thitung > Ttabel yaitu 1,98 > -1,68595 maka H0 diterima yang berarti tidak
Maligas, Kec. Bosar Maligas, Kab. Simalungun.
Uji Sisi Kanan
Thitung > Ttabel yaitu 1,98 > 1,68595 maka H0 ditolak yang berarti terdapat
perbedaan yang berarti terhadap biaya listrik perbulan Lingkungan 02
Teratak dan Lingkungan 03 Rendahan, Kel. Bosar Maligas, Kec. Bosar
Maligas, Kab. Simalungun.
29

Thitung > Ttabel yaitu 1,98 > 2,42857 maka H0 diterima yang berarti tidak
Maligas,Kec. Bosar Maligas, Kab. Simalungun.
5.2 Saran
Adapun saran yang kami ajukan dalam pelaksanaan praktikum ini adalah
sebagai berikut:
2. Seharusnya praktikan lebih memperhatikan sistematika penulisan serta data
yang akan diolah dalam pembuatan laporan agar pengolahan datanya lebih
efektif dan efisien.
3. Sebaiknya praktikan lebih teliti dalam melakukan pengolahan data agar
hasil yang didapatkan lebih akurat.
DAFTAR PUSTAKA
Fatimah. 2016. Modul Praktikum Statistik, Lhokseumawe: Teknik Industry

Universitas Malikussaleh.
Hasan, Iqbal. 2003. Pokok-Pokok Materi Statistik II. Jakarta: PT. Bumi Aksara
Harinaldi. 2005. Prinsip-Prinsip Statistik Untuk Teknik Dan Sains. Jakarta:
Erlanggga.
Simbolon, Hotman. 2009. Statistika. Yogyakarta: Graha Ilmu.
Hidayandi. Nurul A. 2015. Laporan Statistik Elementer Ujian Analisi Varians,
Progam Study Matematika. Laporan Di Terbitkan. Malang Universitas
Islam Negeri Maulana Ibrahim Malik Ibrahim.
LAMPIRAN
LAMPIRAN I
Data Nilai Penjas Kelas X Mahasiswa/i Kelas A1 Teknik Industri Angkatan
2018 Dengan N=34
5 M. Alvikri 180130030 90
6 Putri Wildani 180130020 80
8 Nur Astuti 180130017 86
11 Sylvia Devina 180130001 80
12 Rahma Juwita 180130014 85
13 Andini Khairunisyah 180130013 80
16 Atikah 180130012 85
19 Yosi Handika 180130033 84
21 Cut Irna 180130037 90
22 Nurawalina Tumangger 180130023 80
23 Kiflaini 180130036 90
25 Asama 180130024 86
29 Mhd. Alfa Roji 180130010 90
31 Haikal Akbar 180130008 90
32 Nurma Yunita 180130003 85
34 Umri Alwi 180130002 90
Data Nilai Penjas Kelas X Mahasiswa/i Kelas A1 Teknik Industri Angkatan
2018 Dengan n=30
5 M. Alvikri 180130030 90
7 Nur Astuti 180130017 86
10 Rahma Juwita 180130014 85
13 Atikah 180130012 85
16 Yosi Handika 180130033 84
18 Cut Irna 180130037 90
20 Kiflaini 180130036 90
22 Asama 180130024 86
25 Umri Alwi 180130002 90
26 Mhd. Alfa Roji 180130010 90
28 Haikal Akbar 180130008 90
29 Nurma Yunita 180130003 85
FORM Bukti Pengambilan Data Praktikum
Diperiksa oleh,
Afifah Dian Utami

NIM. 170130003
LAMPIRAN II
Data Perbedaan Biaya Listrik Perbulan Lingk. 02 Teratak dan Link. 03
Biaya Listrik Perbulan Lingk. 02 Teratak dan Link. 03
Linkungan 02 Teratak Lingkungan 03 Rendahan
No Nama Kepala Biaya Listrik Nama Kepala Biaya Listrik
Keluarga (Rp) Keluarga (Rp)
1 Jonianto M 75.000 Suriadi 130.500
2 Risman Purba 100.000 Suherwin 200.000
3 Muliadi Samosir 50.750 Mahmud 160.500
4 Sarmin 150.000 Sunaryo 100.000
5 Selman 200.000 Hendra Mustafa 430.000
6 Timan 450.000 Budi Safriadi 30.000
7 Kosit Sinaga 300.500 Kriswanto 65.000
8 Samsuadi 100.000 Samien 175.000
9 Kliwon 65.500 Salak 200.500
10 Anto 250.000 Gunawan 132.000
11 Supardi 40.500 Ngadimin 150.500
12 Legimin 270.000 Surip 74.500
13 Menik 340.000 Wahyudi 125.000
14 Tumirin 64.420 Jaka Kurniawan 90.500
15 Doyok 270.000 Eliadi Sinaga 40.500
16 Sukur 150.000 Ngatini 170.000
17 Ngatiran 170.000 Hariana 25.600
18 Hengki 70.500 Ngatini 337.400
19 Hamdik 65.500 Selan 67.000
20 Z. Arifin 375.000 Sulastri 256.000
Dokumentasi Pendataan Biaya Listrik
Diperiksa oleh,
Afifah Dian Utami

NIM. 170130003
MODUL IV
ANAVA
MODUL IV
ANAVA
LEMBARAN ASISTENSI
2020
KELOMPOK 14
MODUL IV
ANAVA
- Perbaiki langkah – langkah
pemecahan masalah
- Tambah landasan teori
- lanjut BAB V
3. 31/10 – 2020 - perbaiki BAB V

- Lengkapi lampiran
4. 01/11 – 2020 ACC JILID


NIP. 196406062001122001 NIM. 170130003
KATA PENGANTAR
PRAKTIKUM STATISTIK INDUSTRI MODUL IV “ANAVA”. Shalawat
beriring salam selalu tercurahkan kepada junjungan Nabi Muhammad SAW,
keluarga dan sahabat beliau serta orang-orang mukmin yang tetap istiqomah di
jalan-Nya.
Kelompok 14
DAFTAR ISI
Halaman
LEMBAR ASISRENSI
KATA PENGANTAR
DAFTAR ISI .................................................................................................. i
DAFTAR TABEL ........................................................................................ iii
DAFTAR GAMBAR ....................................................................................iv
DAFTAR RUMUS ......................................................................................... v
BAB I PENDAHULUAN
1.1 Latar Belakang ........................................................................... 1
1.2 Rumusan Masalah ......................................................................2
1.3 Tujuan Praktikum ....................................................................... 2
1.4 Batasan Masalah ........................................................................ 2
1.5 Langkah-langkah Pemecahan Masalah ....................................... 3
1.6 Sistematika Penulisan ................................................................. 3

2.1 Analisis Varians ......................................................................... 5
2.2 Analisis Varians Satu Arah......................................................... 5
2.3 Analisis varians Dua Arah .......................................................... 7
2.4 Perbandingan ANAVA Satu arah dan ANAVA Dua Arah ........ 10

3.1 Pengumpulan Data ................................................................... 17
3.1.1 Metode pengumpulan Data ............................................. 17
3.1.2 Prosedur Praktikum ........................................................ 17
3.1.3 Data Pengamatan ............................................................ 18
3.2 Pengolahan Data ...................................................................... 18
3.2.1 Pengolahan Data ANAVA Satu Arah Secara manual ...... 18
3.2.2 Pengolahan Data ANAVA Satu Arah Menggunakan
Aplikasi SPSS ................................................................ 20

4.1 Analisis Data ............................................................................ 24
4.1.1 Analisis Secara Manual .................................................. 24
4.1.2 Analisis Data Menggunakan SPSS.................................. 25
4.2 Evaluasi Data ........................................................................... 25

5.1 Kesimpulan .............................................................................. 26
5.2 Saran ........................................................................................ 26
i
DAFTAR PUSTAKA
LAMPIRAN
ii
DAFTAR TABEL
Tabel Halaman
2.1 Data Cuplikan Menurut Baris Untuk Anava Satu Arah ......................... 6
2.2 Analisis Varians ................................................................................... 7
2.3 Data Cuplikan Menurut Baris Untuk Anava Dua Arah .......................... 9
2.4 Analisis varians Dua Arah ....................................................................9
3.1 Perbedaan kecepatan Waktu Setiap Operator Dalam Menulis 200
Kata.................................................................................................... 18
3.2 Pengolahan Data ANAVA Perbedaan Kecepatan Waktu Setiap
Operator Dalam Menulis 200 Kata ...................................................... 18
3.3 Perhitungan ANAVA Satu Arah ......................................................... 20
iii
DAFTAR GAMBAR
Gambar Halaman
2.1 Titik Distribusi F Untuk Probabilitas 0,05 ............................................. 12
2.2 Titik Distribusi F Untuk Probabilitas 0,05 (Lanjutan) ............................ 13
3.1 Input Data ............................................................................................. 21
3.2 Input Data (2) ....................................................................................... 21
3.3 Input Data (3) ....................................................................................... 22
3.4 Input Data (4) ....................................................................................... 22
3.5 Output Data .......................................................................................... 23
iv
DAFTAR RUMUS
Rumus Halaman
2.1 Jumlah Kuadarat total ........................................................................... 7
2.2 Jumlah Kuadrat Perlakuan ....................................................................7
2.3 Jumlah Kuadrat Galat............................................................................ 7
2.4 Penduga Untuk Perlakuan Berdasarkan Derajat Bebas Pada (k-1) ......... 7
2.5 Penduga Untuk Galat Berdasarkan Derajat Bebas Pada k(n-1) .............. 7
2.6 Menghitung Nilai F Hitung ...................................................................7
2.7 Jumlah Kuadrat Total .......................................................................... 10
2.8 Jumlah Kuadrat Baris .......................................................................... 10
2.9 Jumlah Kuadrat Kolam ....................................................................... 10
2.10 Jumlah Kuadrat Galat.......................................................................... 10
2.11 Penduga Untuk Antar Baris Berdasarkan Derajat Bebas Pada (a-1) ..... 10
2.12 Penduga Untuk Antar Baris Berdasarkan Derajat Bebas Pada (b-1) ..... 10
2.13 Penduga Untuk Antar Baris Berdasarkan Derajat Bebas Pada
(a-1) (b-1) ........................................................................................... 10
2.14 Mencari Nilai F1 .....................................................................................................................................10
2.15 Mencari Nilai F2 ................................................................................. 10
v
BAB I
PENDAHULUAN
1.1 Latar belakang

Penggunaan uji hipotesis (baik uji t maupun uji z) pada bab terdahulu
berguna untuk menguji perbedaan rata-rata secara simultan hanya dapat diterapkan
pada dua variabel. jika jumlah variabel yang diuji cukup besar atau lebih dari dua,
penggunaan uji t maupun uji z akan memakan waktu yang cukup lama karena kita
harus melakukan perhitungan secara berpasangan untuk masing- masing variabel.
misal, kita akan menguji 3 variabel a,b dan c. maka dengan uji t maupun uji z,
pengujiannya sebanyak 3 kali yaitu variabel a dengan b, variabel a dengan c,
variabel b dengan c. selain menyita waktu, dengan semakin banyaknya proses
perhitungan yang dilakukan, maka kemungkinan terjadinya kesalahan, baik
kesalahan dalam perhitungan, perbandingan, maupun karena pengulangan menjadi
semakin besar.
Analisis varians juga memiliki keunggulan dalam hal kemampun untuk
membandingkan antar variabel antar pengulangan juga adanya interaksi antar
variabel. Teknik analisis dengan hanya menggunakan satu variabel perbandingan
ini disebut dengan analisis varians satu arah (ANAVA one way). Teknik analisis
dengan menggunakan perbandingan baik dari masing-masing perlakuan maupun
dari masing-masing pengulangan ini disebut dengan analisis varians dua arah
(ANAVA two way). Salah satu cara atau teknik untuk mengatur atau menyusun data
yang ada dengan mengelompokan data berdasarkan karakteristik atau ciri- ciri
penting dari sejumlah data dan menentukan masalah langkah-langkah apa saja yang
di lakukan, agar eksperimen yang di lakukan berhasil dengan baik, efesien, efektif
dan ekonomis.
Pada Praktikum Statistik dengan judul Analisis Varians ini praktikan
melakukan percobaan menulis essay sebanyak 200 kata dengan analisis varians
satu arah. kemudian pengamatan di lakukan dengan menghitung berapa lama waktu
yang di butuhkan untuk menulis essay sebanyak 200 kata dengan melakukan tiga
kali percobaan setiap operator yang menulis dengan hasil pengkuran waktu yang
1
2
berbeda beda. Pengukuran ini bertujuan menentukan ada atau tidak ada perbedaan
waktu dari menulis essay 200 kata dengan tiga kali pengulangan setiap operator.
1.2 Rumusan Masalah

Adapun rumusan masalah dalam laporan praktikum ini adalah sebagi
berikut:
1. Bagaimana cara pengambilan data untuk Analisis Varians ?
2. Bagaimana menentukan jumlah kuadrat perlakuan dan F hitung dari menulis
essay 200 kata sebanyak 3 kali pengulangan dengan 4 orang operator?
3. Bagaimana hasil pengolahan data pada Analisis Varians 1 Arah untuk
penulisan essay sebanyak 200 kata pada setiap operator?
1.3 Tujuan Praktikum

Tujuan dari pelaksanaan praktikum analisis varians ini adalah sebagai
berikut:
1. Untuk mengetahui cara pengambilan data Analisis Varians.
2. Untuk mengetahui cara menentukan jumlah kuadrat perlakuan dan F hitung
dari menulis 200 kata sebanyak 3 kali pengulangan dengan 4 orang operator.
3. Untuk mengetahui hasil pengolahan data pada Analisis Varians 1 Arah
untuk penulisan essay sebanyak 200 kata pada setiap operator.
1.4 Batasan Masalah

Adapun batasan masalah dari praktikum ini adalah sebagai berikut:
1. Pengujian Analisis Varians yang digunakan adalah Analisis Varians satu
arah, data pengamatan Analisis Varians satu arah yang diperlukan adalah
data waktu penulisan essay sebanyak 200 kata.
2. Operator yang melakukan penulisa essay sebanyak 200 kata adalah
Mahasiswa Teknik Industri Universitas Malikussaleh Angkatan 2018 yang
mengikuti Praktikum Statistik.
3. Operator yang melakukan penulisan essay 200 kata sebanyak 3 kali
pengulangan.
3
1.5 Langkah-Langkah Pemecahan Masalah

Adapun langkah-langkah yang diambil dari pemecahan masalah adalah
sebagai berikut:
1. Menyiapkan operator untuk mengerjakan tugas yang sudah ditetapkan untuk
mencatat hasilnya.
2. Menyiapkan alat dan bahan sesuai dengan objek.
3. Memasukkan semua data kedalam tabel pengamatan.
4. Membuat formulasi hipotesis.
5. Menentukan nilai uji statistik.
6. Menghitung jumlah nilai pengamatan untuk tiap perlakuan, jumlah seluruh
nilai pengamatan, rata-rata tiap perlakuan dan rata-rata seluruh nilai
pengamatan.
7. Menghitung jumlah kuadrat total dari semua nilai pengamatan.
8. Menghitung jumlah kuadrat perlakuan.
9. Menghitung jumlah kuadrat galat.
10. Menentukan nilai F hitung.
11. Membuat kesimpulan dari nilai-nilai tersebut dengan membandingkan
antara nilai F tabel dengan nilai F hitung yang diperoleh.

Adapun yang memudahkan pemahaman dan dan pembahasan terhadap isi
laporan praktikum ini, maka penulisan dibagi dalam 5 bab, yang masing-masing
bab terdiri dari sub bab yaitu sebagai berikut :
BAB I PENDAHULUAN
masalah, batasan masalah, dan sistematika penulisan.
Bab ini berisikan tentang pengertian analisis varians, analisis varians satu
arah dan analisis varians dua arah, perbandingan ananalisis varians satu arah
dengan dua arah dan tabel F.
Bab ini berisikan penguraian tentang pengumpulan data, prosedur
praktikum, data pengamatan dan pengolahan data.
4

Bab ini berisikan tentang analisis dan evaluasi data laporan praktikum.
BAB V PENUTUP
Bab ini berisikan tentang penguraian kesimpulan dan saran.
BAB II
LANDASAN TEORI
2.1 Analisis Varians

Analisis Varians merupakan suatu teknik statistik yang memungkinkan
untuk mengetahui apakah dua atau lebih rata-rata populasi bernilai sama dengan
menggunakan data dari sampel masing-masing populasi. Analisis varians juga
memiliki keunggulan dalam hal kemampuan untuk membandingkan antar variabel
antar pengulangan dan juga adanya interaksi antar variabel (Fatimah, 2017).
Analisis Varians (ANAVA) dikembangkan dan diperkenalkan pertama
kali oleh Sir R. A Fisher. ANAVA dapat juga dipahami sebagai perluasan dari
uji-t sehingga penggunaannya tidak terbatas pada pengujian perbedaan dua buah
rata-rata populasi, namun dapat juga untuk menguji perbedaan tiga buah rata-
rata populasi atau lebih sekaligus (Ikbal, 2003).
Pengetahuan tentang varians yang dipergunakan sebagai ukuran variansi
dari suatu kumpulan nilai hasil observasi. Untuk analisis data yang diperoleh
berdasarkan desain eksperimen, khususnya desain acak sempurna yang akan
ditinjau desain dengan sebuah observasi` tiap unit eksperimen. Kemudian dihitung
besaran-besaran yang diperlukan adalah sebagai berikut (Nurul, 2015):
1. Jumlah nilai pengamatan untuk setiap perlakuan.
2. Jumlah seluruh nilai pengamatan.
3. Rata-rata pengamatan untuk setiap perlakuan.
4. Jumlah kuadrat semua nilai pengamatan (∑ y2)
5. Jumlah kuadrat antar perlakuan (JKP)
6. Jumlah kuadrat kekeliruan eksperimen (JKG)
Setelah harga-harga tersebut diperoleh, maka disusunlah sebuah daftar
analisis varian yang disingkat dengan ANAVA. Dalam daftar ANAVA ada dua
sumber variasi yaitu perlakuan dan kekeliruan eksperimen (Nurul, 2015).
2.2 Anava Satu Arah

ANAVA merupakan pengujian terhadap rata-rata dari K populasi dengan
memperhatikan hanya satu sumber variasi yaitu perlakuan percobaan. Analisis
5
6
varians satu arah dapat dipakai untuk menghadapi kasus variabel bebas lebih dari
satu. Hanya saja analisis yang dilakukan pada analisis varians satu arah adalah satu
per satu.Di dalam model analisis varians satu arah (one way anova model) perlu
diperhatikan hal-hal berikut ini (Sugion, 2010):
1. Data yang ada diklasifikasikan menurut klasifkasi satu arah.
2. Hanya terdapat satu variable di dalam analisis tersebut
Dalam menentukan pengujian hipotesis untuk satu arah digunakan rumusan
sebagai berikut (Supranto, 2009)
Ho :
: Paling sedikit ada satu yang tidak sama.
Untuk menolak atau menerima Ho dalam hal ini akan dilakukan uji F. Dari
tiap populasi secara independen kita ambil sebuah sampel acak berukuran dari
populasi kesatu, dari populasi kedua dan seterusnya sampai berukuran dari
populasi ke k. Data pengamatan dinyatakan dengan dengan Yij, dimana nilai dari
(i = 1, 2, ........k), dan nilai (j = 1, 2, ........, n). Yij berarti data ke-J dalam sampel
dari populasi dalam hal ini adalah perlakuan ke i (Supranto, 2009).
Adapun data yang diperoleh dari hasil pengamatan untuk anava satu arah
adalah seperti tampak pada Tabel 2.1 berikut:
Tabel 2.1 Data Cuplikan Menurut Baris Untuk Anava Satu Arah
Cuplikan, Pengamatan di Cuplikan Cuplikan
cuplikan masing-masing (baris) (baris)
Ke-1 cuplikan pengamatan ke-j Total Rata-rata
(i = 1,2, ..., ( j – 1,2, ....., c ) ƩXi Xi
r) 1 2 c
....
1 X1 X1 .... X1 ƩX1 Xi
2 X2 X2 .... X2 ƩX2 X2
. . . . . . .
. . . . . . .
R Xr Xr .... Xr ƩXr Xr
Sumber : Hidayati,Nurul A. 2015. Laporan Statistik Elementer Uji Analisis Varians
Sedangkan rumus atau perhitungan yang digunakan pada anava satu arah
dapat diringkas dalam sebuah tabel seperti yang tampak pada Tabel 2.2 berikut:
7
Tabel 2.2 Analisis Varians Satu Arah

Sumber Derajat Jumlah Rataan F
Variasi Kebebasan Kuadrat Kuadrat Hitung
Perlakuan K–1 JKA
Galat K ( n -1 ) JKG
Total Nk – 1 JKT
Untuk mengisi tabel anava, persamaan yang digunakan adalah sebagai

berikut (Supranto, 2007):
1. Jumlah Kuadrat Total (JKT)
................................................................ (Pers. 2.1)
2. Jumlah Kuadrat Perlakuan (JKP)
...................................................................... (Pers. 2.2)
3. Jumlah Kuadrat Galat (JKG)

......................................................................... (pers. 2.3)
4. Penduga untuk erlakuan berdasarkan derajat bebas pada (k-1)
........................................................................ (pers. 2.4)
5. Penduga untuk galat berdasarkan derajat bebas pada k (n-1)
....................................................................... (pers. 2.5)
6. Menghitung nilai F hitung
.................................................................................. (pers. 2.6)
2.3 ANAVA Dua Arah

ANAVA dua arah merupakan pengembangan dari anava satu arah. ANAVA
dua arah digunakan peneliti untuk mengatasi perbedaan nilai variabel terikat yang
dikategorikan berdasarkan variasi bebas yang banyak dan masing-masing variabel
terdiri dari beberapa kelompok (Hotman, 2009)
Pengujian ANAVA 2 arah yaitu pengujian anava yang didasarkan pada
pengamatan 2 kriteria. Setiap kriteria dalam pengujian anava mempunyal level.
Dengan menggunakan teknik ANAVA 2 arah ini kita dapat membandingkan
8
beberapa rata-rata yang berasal dari beberapa kategori atau kelompok untuk satu
variabel perlakuan. Bagaimanapun, keuntungan teknik analisis varian ini adalah
memungkinkan untuk memperluas analisis pada situasi dimana hal-hal yang sedang
diukur dipengaruhi oleh dua atau lebih variabel. Pengujian anava dua arah
mempunyai beberapa asumsi diantaranya sebagai berikut (Ikbal, 2003):
a. Populasi yang diuji berdistribusi normal
b. Varians atau ragam dan populasi yang diuji sama
c. Sampel tidak berhubungan satu dengan yang lain
ANAVA 2 arah ini digunakan bila sumber keragaman yang terjadi tidak
hanya karena satu faktor (perlakuan). Faktor lain yang mungkin menjadi sumber
keragaman respon juga harus diperhatikan. Faktor lain ini bisa berupa perlakuan
lain yang sudah terkondisikan. Pertimbangan memasukkan faktor kedua sebagai
sumber keragaman ini perlu bila faktor itu dikelompokkan, sehingga keragaman
antar kelompok sangat besar, tetapi kecil dalam kelompoknya sendiri.
Tujuan dan pengujian ANAVA 2 arah ini adalah untuk mengetahui apakah
ada pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan.
Misal, seorang guru menguji apakah ada pengaruh antara jenis media belajar yang
digunakan pada tingkat penguasaan siswa terhadap materi.
Tujuan dari ANAVA (Anova Dua Arah) adalah untuk mengestimasi dan
membandingkan pengaruh dari berbagai perlakuan yang berbeda-beda terhadap
variabel bebas atau variabel respon. Bergantung pada situasi tertentu, kita dapat
melakukan pengujian untuk melihat apakah terdapat perbedaan nyata atau
signifikan (significant differences) pengaruh (Ikbal, 2003):
a. Antar-level dari faktor 1
b. Antar-level dari faktor 2 dan
c. Antar-kombinasi faktor 1 dan 2
Pada analisa varians dua arah, dalam pratikum ini hanya dilakukan untuk
satu pengamatan per-sel. Adapun yang akan diuji pada ANAVA ini adalah
pengaruh dari klasifikasi satu (kolom) dengan klasifikasi dua (baris) tanpa melihat
pengaruh dari interaksi antara keduanya. Tabel kerja hasil pengamatan tidak jauh
berbeda dengan tabel klasifikasi satu arah seperti ditunjukkan pada Tabel 2.3
berikut:
9
Tabel 2.3 Data Cuplikan Menurut Baris Untuk Anava Dua Arah
Kolom Rata
Baris Jumlah
1 2 .......j B -rata
1 .........
2 .........
..... ....... ........ .......
..... ....... ....... .......
A .......
Jumlah Ʃ Ʃ ....... Ʃ Ʃ
Y=J/
Rata-rata .......
Ʃ
Keterangan :
Yij = Pengamatan ke-j dari popuasi ke-i
JI = Total semua pengamatan pada baris ke-i
= Rata-rata sampel setiap baris ke-i
J... = Total pengamatan ab
= Rata-rata total ab pengamatan
Jj = Total pengamatan kolom ke-j
= Rata-rata sampel setiap kolom ke-j
Sedangkan rumus atau perhitungan yang digunakan pada ANAVA Satu
Arah dapat diringkas dalam sebuah tabel seperti yang tampak pada Tabel 2.4
berikut:
Tabel 2.4 Analisis Varians Dua Arah
Sumber
Dk JK ERK F hitung
variasi
a-1 JKB
Baris /
b-1 JKK
Kolom
Kekeliruan (a-1)(b-1) JKG

Jumlah ab-1 JKT - -
10
Untuk mengisi tabel ANAVA, persamaan yang digunakan adalah sebagai

berikut (Supranto, 2007):
............................................................... (pers. 2.7)
2. Jumlah Kuadrat Baris (JKB)

....................................................................... (pers. 2.8)
3. Jumlah Kuadrat Kolam (JKK)
................................................................... (pers. 2.9)

JKG=JKT JKB JKK .......................................................... (pers. 2.10)
5. Penduga untuk antar baris berdasarkan derajat bebas pada (a-1)
......................................................................... (pers. 2.11)
6. Penduga untuk antar kolom berdasarkan derajat bebas pada (b-1)
........................................................................ (pers. 2.12)
7. Penduga untuk galat berdasarkan derajat bebas pada (a-1) (b-1)
................................................................. (pers. 2.13)
8. Mencari nilai
............................................................................... (pers. 2.14)
9. Mencari nilai
................................................................................. (pers. 2.15)
2.4 Perbandingan ANAVA Satu Arah dan ANAVA Dua Arah

Analisis Anava satu arah dapat dipakai untuk menghadapi kasus variabel
bebas lebih dari satu. Hanya saja analisisnya dilakukan satu per satu, sehingga akan
menghadapi banyak kasus ( N semakin banyak ). Dengan melakukan Anova dua
arah akan dihindari pula pula terjadinya noise (suatu kemungkinan yantg
menyatakan terdapat suatu efek karena bercampurnya suatu analisis data). Noise ini
dapat dihindari pada Anava dua arah karena analis disini melibatkan kontor
terhadap perbedaan(katagorikal) variabel bebas. Interaksi suatu kebersamaanantar
fektor dalam mempengaruhi variabel bebas, dengan sendirinyapengaruh faktor-
faktor secara mandiri telah dihilangkan. Jika terdapat interaksi berarti efek faktor
11
satu terhadap variabel terikatakan mempunyai garis yang tidak sejajar dengan efek
faktor lain terhadap variabel terikatsejajar (saling berpotongan), maka antara faktor
tidak mempunyai interaksi.
Anava dua arah digunakan peneliti untuk mengatasi perbedaan nilai variabel
terikat yang dikategorikan berdasarkan variasi bebas yang banyak dan masing-
masing variabel terdiri dari beberapa kelompok. Anava dua arah merupakan
penyempurnaan Anava satu arah. Anava dua arah lebih efisien daripada anova satu
arah, karena:
a) kasus yang dihadapi lebih sedikit yaitu sejumlah sampel.
b) noise dapat dihilangkan.
c) dapat diketahui unsur kebersamaan variabel bebas dalam mempengaruhi
variabel terikat.
Anava digunakan sebagai alat analisis untuk menguji hipotesis penelitian
yang mana menilai adakah perbedaan rerata antara kelompok. Hasil akhir dari
analisis Anava adalah nilai F test atau F hitung. Nilai F Hitung ini yang nantinya
akan dibandingkan dengan nilai pada tabel f. Jika nilai f hitung lebih dari f tabel,
maka dapat disimpulkan bahwa menerima H1 dan menolak H0 atau yang berarti
ada perbedaan bermakna rerata pada semua kelompok.
Adapun tabel F dapat dilihat pada gambar berikut :
12
Gambar 2.1 Titik Distribusi F Untuk Probabilitas 0,05

13
Gambar 2.2 Titik Distribusi F Untuk Probabilitas 0,05 (Lanjutan)

14

15

16

BAB III

Adapun pengumpulan data pada modul IV ini adalah dengan menghitung
berapa lama waktu yang dibutuhkan untuk menulis 200 kata sebanyak 3 (tiga) kali
pengulangan dari masing masing operator. Penulisan dilakukan oleh 4 orang
operator yang terdiri dari 3 orang laki-laki dan 1 orang perempuan.
1. Alat dan bahan
Adapun alat dan bahan yang digunakan saat praktikum adalah sebagai
berikut :
a. Stopwatch 1 unit
b. Essay 200 Kata 1 unit
c. Alat Tulis 1 paket
d. Form Pengisian Data 1 unit
Berikut merupakan tahapan pelaksanaan dilaksanakannya praktikum,
meliputi:
a. Setiap kelompok mempersiapkan alat dan bahan sesuai dengan yang
telah ditentukan.
b. Operator menuliskan essay 200 kata yang sudah ditetetapkan dan
menghitung waktu yang dibutuhkan untuk menulis menggunkan
stopwatch.
c. Memasukan semua waktu dan data pada table pengamatan.
d. Membuat formulasi hipotesis.
e. Menentukan nilai uji hipotesisi (α).
f. Menghitung jumlah nilai pengamatan untuk tiap perlakuan, jumlah
seluruh nilai pengamatan rata-rata tiap perlakuan dan rata-rata seluruh
nilai pengamatan.
g. Menghitung jumlah kuadrat total dari semua waktu pengamatan.
17
18
h. Menghitung jumlah perlakuan.

i. Menghitung jumlah kuadrat alat.
j. Menentukan nilai F tabel.

Adapun data pengamatan pada modul IV ini adalah data perbedaan
kecepatan waktu operator dalam menulis 200 kata dengan sebanyak 3 kali
pengulangan bisa dilihat pada Tabel 3.1 berikut:
Tabel 3.1 Perbedaan Kecepatan Waktu Setiap Operator Dalam Menulis 200
Kata
Pengulangan (detik)
No Nama
I II III
1 Fadilla Audina A.B 863 653 640
2 A Zidny Azis Tanjung 972 925 895
3 Abi Manyu Pamungkas 880 847 855
4 Yosi Handika 988 945 870
3.2 Pengoahan Data

3.2.1 Pengolahan Data ANAVA Satu Arah Secara Manual
Adapun pengolahan data yang dilakukan adalah dengan pengolahan secara
manual, yaitu sebagai berikut:
Tabel 3.1 Pengolahan Data ANAVA Perbedaan Kecepatan Waktu Setiap
Operator Dalam Menulis 200 Kata
Pengulangan (detik)
No Nama Total
I II III
1 Fadilla Audina A.B 863 653 640 2156
2 A Zidny Azis Tanjung 972 925 895 2792
3 Abi Manyu Pamungkas 880 847 855 2582
4 Yosi Handika 988 945 870 2803
Total 10333
Adapun pemgolahan data secara manual dilakukan dengan mengikuti

prosedur uji analisa variansi, yaitu sebagai berikut:
1. Pernyataan hipotesis
H0 : µ1 = µ 2 = µ3 = µ4
H1 : µ1 ≠ µ 2 ≠ µ3 ≠ µ4 (mean waktu menulis essay setiap operator berbeda)
19
2. Tingkat ketelitian
α = 5% = 0,05
3. Menghitung derajat kebebasan
DfPerlakuan = k-1
=3–1
=2
DfGalat = k (n-1)
= 3 (4-1)
= 12 – 3
=9
DfTotal = n.k – 1
= 4.3 – 1
= 11
Maka, Fα (N1;N2)
F0,05 (2;9) = 4,26
4. Aturan keputusan
Daerah penerimaan dan penolakannya :
H0 ditolak jika Fhitung > FTotal
H0 diterima jika FHitung < FTotal
5. Menarik kesimpulan berdasarkan hasil anava
K=4
n=3
𝑇²..
JKT = ∑𝑘 𝑛 2
𝑖=1 ∑𝑗=1 𝑋 ij – 𝑛𝑘
= 8632 + 6532 + 6402 + 9722 + 9252 + 8952 + 8802 + 8472 + 8552 + 9882
10333²
+ 9452 + 8702 – 4×3
106.770.889
= 9.031.115 – 12
= 9.031.115 – 8.897.574,083
= 133.540,917
k
T 2
i
T2
JKP  i 1

n nk
20
21562 + 27922 + 25822 + 28032 2

= 3
– 10333
4 ×3
4648336 + 7795265 + 6666724 +7856809 106.770.889
= –
3 12
= 8.989.044,333 – 8.897.574,083
= 91.470,250
JKG = JKT – JKP
= 133.540,917 – 91.470,250
= 42.070,667
Tabel 3.4 Perhitungan ANAVA Satu Arah
Sumber Derajat Jumlah Kuadrat
Statistik F
Variasi Bebas Kuadrat Rata-Rata
Perlakuan 4–1=3 91.470,250 30.490,083
Galat 4 (2) = 8 42.070,667 5.258,833 5,798
Total 12 – 1 = 11 133.540,917 -
6. Kesimpulan
Karena pada α1= 0,05 diperoleh Fhitung > Ftabel = 5,798 > 4,26 maka H0
ditolak dan H1 diterima. Jadi, bisa disimpulkan bahwa terdapat perbedaan
waktu yang signifikan pada setiap operator dalam penulisan 200 kata.
3.2.2 Pengolahan Data ANAVA Satu Arah Menggunakan Aplikasi SPSS

Selain melakukan perhitungan dengam cara manual, analisis variansi juga
dapat dicari menggunakan aplikasi SPSS. Adapun langkah-langkah pada SPSS
dapat dilihat pada gambar-gambar berikut ini.
1. Input Data
a. Buka apikasi SPSS
b. Pilih Variabel view. Isi data pada variabel view sesuai kebutuhan yang
diinginkan.
21
Gambar 3.1 Input Data

c. Pilih Data view. Isi data pada data view sesuai kebutuhan yang
diinginkan
Gambar 3.2 Input Data (2)

22
d. Pilih Analyze > Compare means > One- way ANOVA

e. Setelah muncul kotak dialog baru, pada kolom kiri kolom terdapat Kelas
(K) dan Nilai (N). Pidahkan Nilai (N) ke kolom Dependent List, dan
Kelas (K) ke kolom Factor. Setelah selesai pilih OK

2. Output Data
Berikut ini adalahOutput data dari hasil input data menggunakan SPSS.
a. Output data dari Analyze > Compare means > One- way ANOVA
23
Gambar 3.4 Output Data

BAB IV
4.1 Analisis Data

4.1.1 Analisis Secara Manual
Berdasarkan data analisis varian satu arah perbedaan kecepatan penulisan
essay oleh empat orang melalui perhitungan secara manual sebagai berikut:
1. Hipotesa
H0 : µ1 = µ 2 = µ3 = µ4
H1 : µ1 ≠ µ 2 ≠ µ3 ≠ µ4
Pada α = 5% = 0,05 diperoleh:
Fα (N1;N2)
F0,05 (2;9) = 4,26
2. Kriteria Pengujian
H0 ditolak jika Fhitung > FTotal
H0 diterima jika FHitung < FTotal
JKT = 133.540,917
4. Jumlah Kuadrat Perlakuan (JKP)
JKP = 91.470,250
JKG = 42.070,667
6. Penarikan Kesimpulan
Dari hasil perhitungan pada α1= 0,05 diperoleh Fhitung > Ftabel = 5,798 > 4,26
maka H0 ditolak dan H1 diterima. Jadi, bisa disimpulkan bahwa terdapat
perbedaan waktu yang signifikan pada setiap operator dalam penulisan
essay 200 kata.
24
25
4.1.2 Analisis Data Menggunakan SPSS

Berdasarkan data jumlah perbedaan kecepatan waktu setiap orang dalam
menulis esaay pada analisis variansi satu arah dengan pengolahan data
menggunakan SPSS, diperoleh Fhitung sebesar 5,798 dan Ftabel sebesar 4,26 yang
dimana Fhitung > Ftabel = 5,798 > 4,26 sehingga sesuai dengan kriteria keputusan jika
ai frekuensi hitung lebih besar daripada nilai frekuensi tabel maka H0 ditolak dan
H1 diterima. Jadi, bisa disimpulkan bahwa kemampuan operator mempengaruhi
kecepatan penulisan.
4.1 Evaluasi Data

Berdasarkan dari data kecepatan pada setiap orang dalam menulis essay,
tidak ada perbedaan antara perhitungan secara manual dengan menggunakan SPSS,
kesimpulan dari hasil yang didapat sama.
Dari data pengolahan untuk kecepatan menulis essay pada 4 orang operator
diperoleh Fhitung > Ftabel = 5,798 > 4,26. Sesuai dengan aturan keputusan jika nilai
Frekuensi hitung lebih besar daripada nilai Frekuensi tabel maka yang di tolak
adalah H0. Ini menunjukkan bahwa seluruh nilai mean (rata-rata) dari ke 3 waktu
penulisan essay 200 kata oleh 4 operator adalah berbeda.
BAB V
5.1 Kesimpulan
Adapun kesimpulan yang dapat diambil berdasarkan hasil praktikum
modul IV ini adalah:
1. Pengambilan data analisis varian pada praktikum ini dengan melakukan
percobaan dari setiap anggota kelompok dengan melakukan perhitungan
waktu setiap 3 kali percobaan menulis essay 200 kata. Data pengamatan
disusun kedalam table kemudian dibuatlah formulasi hipotesisi dan terakhir
menentukan taraf nyata.
2. Jumlah kuadrat perlakuan adalah 91.470,250 didapat dari jumlah kuadrat
ulang pada kolom ke-I dibagi dengan banyak ulangan di kolom ke-i yaitu
8.989.044,333 kemudian di kurang dengan jumlah kuadrat seluruh
pengamatan dibagi dengan banyak ulangan di kolom ke-i yaitu
8.897.574,083. Berdasarkan hasil uji F yang dilakukan maka didapatkan
kesimpulan bahwa rata-rata waktu menulis essay 200 kata untuk ke 4
operator adalah beda. Karena pada α = 0,05 diperoleh Fhitung > Ftabel yaitu
5,798 > 4,26 maka H0 ditolak dan H1 diterima.
3. Adapun hasil pengolahan data dari pengujian ANAVA satu arah untuk
adalah dfp sebesar 2, dfg sebesar 9, dan dft sebesar 11. Fα (2;9) sebesar 4,20,
JKT sebesar 133.540,917, JKP sebesar 91.470.250, JKG sebesar
42.070,667, SRK perlakuan sebesar 30.490,083, SRK galat sebesar
5.258,833, Fhitung sebesar 5,798 sehingga dengan α = 0,05 diperoleh Fhitung >
Ftabel yaitu 5,798 > 4,26 maka H0 ditolak dan H1 diterima. Jadi, bila
disimpulkan bahwa terdapat perbedaan yang signifikan terhadap rata-rata
tercapainya waktu penulisan essay.
5.2 Saran
Adapun saran yang tepat untuk praktikum modul IV ini adalah:
1. Pada proses praktikum statistika ini dan penulisan laporan semoga dapat
menjadi acuan untuk proses praktikum tahun yang akan mendatang.
26
27
2. Dalam proses praktikum dan pembuatan laporan, sebaiknya seluruh anggota

kelompok dapat bekerja sama baik kekompakan kelompok dan harus
memiliki tanggung jawab yang tinggi agar menjadi bekal bagi mereka di
kemudian hari.
DAFTAR PUSTAKA
Fatimah. 2017. Modul statistik Teknik Industri. Fakultas Teknik Jurusan Teknik
Industri. Lhokseumawe: Universitas Malikussaleh.
Hasan, Ikbal. 2003. Pokok-pokok Materi Statistik II. Jakarta: PT. Bumi
Aksara.
Hidayati,Nurul A. 2015. Laporan Statistik Elementer Uji Analisis Varians.
Program Studi Matematika, Laporan tidak diterbitkan. Malang: Universitas
Islam Negeri Maulana Malik Ibrahim.
Mangkuatmodjo, Soegyarto. 2004. Statistik Lanjutan. Jakarta: Rineka Cipta.
Simbolon, Hotman. 2009. Statistika. Yogyakarta: Graham Ilmu.
Sugiono. 2010. Statistik untuk Penelitian. Jakarta: Alfabeta.
Supranto, J, 2009. Statistik Teori dan Aplikasi Jilid 2, edisi ketujuh. Jakarta:
Penerbit Erlangga.
Supranto. 2007. Teknik sampling untuk Survei dan Eksperimen. Rineka Cipta.
LAMPIRAN
LAMPIRAN I
1. Tabel Pengamatan
Tabel Perbedaan Kecepatan Waktu Setiap Operator Dalam Menulis 200
Kata
Pengulangan (detik)
No Nama I II III
Fadilla Audina Azhara Butar
1 863 653 640
Butar
4 Yosi Handika 988 945 870
2. Dokumentasi Pengamatan
Bukti Pengamatan Operator Dalam Menulis 200 kata
Diperiksa oleh,
Afifah Dian Utami

NIM. 170130003
MODUL V
PENGENDALIAN KUALITAS
MODUL V
LEMBARAN ASISTENSI
2020
KELOMPOK 14
MODUL V
- Perbaiki batasan masalah dan
asumsi
- lanjut BAB V
3. 10/11 – 2020 - perbaiki BAB V

- Lengkapi lampiran
4. 12/11 – 2020
ACC JILID


NIP. 196406062001122001 NIM. 170130003
KATA PENGANTAR
PRAKTIKUM STATISTIK INDUSTRI MODUL V “PENGENDALIAN
KUALITAS”. Shalawat beriring salam selalu tercurahkan kepada junjungan Nabi
Muhammad SAW, keluarga dan sahabat beliau serta orang-orang mukmin yang
tetap istiqomah di jalan-Nya.
Kelompok 14
DAFTAR ISI
Halaman
LEMBAR ASISTENSI
DAFTAR ISI ................................................................................................ i
DAFTAR TABEL ....................................................................................... ii
DAFTAR GAMBAR .................................................................................. iii
DAFTAR RUMUS ..................................................................................... iv
BAB I PENDAHULUAN
1.1 Latar Belakang ....................................................................... 1
1.2 Rumusan Masalah .................................................................. 1
1.3 Tujuan Masalah ...................................................................... 2
1.4 Batasan Masalah dan Asumsi ................................................. 2
1.4.1 Batasan Masalah ............................................................ 2
1.4.2 Asumsi .......................................................................... 2
1.5 Langkah-langkah Pemecahan Masalah ................................... 2
1.6 Sistematika Penulisan ............................................................. 3

2.1 Pengertian Pengendalian Kualitas ........................................... 4
2.2 Pengertian Pengendalian Kualitas Statistik ............................. 6
2.3 Pentingnya Pengendalian Kualitas Statistik ............................ 7
2.4 Faktor-faktor Mendasar yang Mempengaruhi Kualitas ........... 8
2.5 Peta Kendali ......................................................................... 10

3.1 Pengumpulan Data ............................................................... 13
3.1.2 Prosedur Praktikum ..................................................... 13
3.1.3 Data Pengamatan ......................................................... 14

4.1 Analisis Data ........................................................................ 19
4.2 Evaluasi Data ....................................................................... 20

5.1 Kesimpulan .......................................................................... 21
5.1 Saran .................................................................................... 21
DAFTAR PUSTAKA
LAMPIRAN
i
DAFTAR TABEL
Halaman
Tabel
3.1 Data Pengamatan Panjang Roti Unibis BonBon Sebanyak 30 Buah ... 14
3.2 Data Pengamatan Panjang Roti Unibis BonBon Sebanyak 30 Buah ... 14
ii
DAFTAR GAMBAR
Halaman
Gambar
3.1 Peta Kendali X ................................................................................... 17
3.2 Peta Kendali R ................................................................................... 18
iii
DAFTAR RUMUS
Halaman
Rumus
2.1 Diagram Kendali Rata-rata CL ........................................................... 12
2.2 Diagram Kendali Rata-rata Batas Kendali Atas .................................. 12
2.3 Diagram Kendali Rata-rata Batas Kendali Bawah .............................. 12
2.4 Diagram Kendali Rentang CL ............................................................ 12
2.5 Diagram Kendali Rentang Batas Kendali Atas ................................... 12
2.6 Diagram Kendali Rentang Batas Kendali Bawah................................ 12
2.7 Diagram Kendali Proporsi CL ............................................................ 12
2.8 Diagram Kendali Proporsi Batas Kendali Atas ................................... 12
2.9 Diagram Kendali Proporsi Batas Kendali Bawah ............................... 12
iv
BAB I
PENDAHULUAN
1.1 Latar Belakang

Kualitas adalah faktor kunci yang membawa keberhasilan bisnis,
pertumbuhan dan peningkatan posisi bersaing. Kualitas suatu produk diartikan
sebagai derajat atau tingkatan dimana produk atau jasa tersebut mampu memuaskan
keinginan dari konsumen (Fitness For Use). Kualitas menjadi faktor dasar
keputusan konsumen untuk mendapatkan suatu produk, karena konsumen akan
memutuskan untuk membeli suatu produk dari perusahaan tertentu yang lebih
berkualitas dari pada saingannya.
Kegiatan pengendalian dilaksanakan dengan cara memonitor keluaran
(output), membandingkan dengan standart, menafsirkan perbedaan perbedaan dan
mengambil tindakan untuk menyesuaikan kembali proses proses itu sehingga
sama/sesuai dengan standar. Pengendalian merupakan kegiatan yang dilakukan
untuk menjamin agar kegiatan produksi dan operasi yang dilaksanakan sesuai
dengan apa yang telah direncanakan dan apabila terjadi penyimpangan tersebut
dapat dikoreksi sehingga apa yang diharapkan tercapai.
Pada Praktikum modul V ini kegiatan yang dilakukan yaitu mengukur
panjang dari roti Unibis Bon bon dimana jumlah sampel yang diamati sebanyak 30
buah, kemudian data yang diperoleh dituliskan dalam table pengamatan sebagai
data pendahuluan. Pengukuran panjang roti Unibis Bon-bon dilakukan oleh
kelompok 14 Mahasiswa Teknik Indutri angkatan 2018. Dari kegiatan praktikum
ini kita diharapkan dapat mengetahui apakah sampel-sampel yang kita ambil berada
dalam batas kontrol atau seberapa banyak data yang berada dalam luar batas kontrol
dan bila ada data-data yang diluar batas kontrol maka dibutuhkan pembuatan peta
kontrol revisi.
1.2 Rumusan Masalah

Adapun rumusan masalah dalam praktikum teknik umum pengendalian
kualitas adalah sebagai berikut:
1. Bagaimana cara menggunakan teknik umum pengendalian kualitas?
1
2
2. Bagaimana hasil perhitungan terhadap sampel panjang roti bon-bon dengan

menggunakan metode pengendalian kualitas?
3. Bagaimana hasil dari sampel pengukuran yang diukur apakah berada dalam
batas kontrol (in control) atau diluar (out control)?
1.3 Tujuan Praktikum

Adapun tujuan dari praktikum ini adalah:
1. Untuk mengetahui cara penggunaan teknik umum pengendalian kualitas.
2. Untuk mengetahui hasil perhitungan terhadap sampel panjang roti bon-bon
dengan menggunakan metode pengendalian kualitas.
3. Untuk mengetahui hasil dari sampel pengukuran yang diukur apakah berada
dalam batas kontrol (in control) atau diluar (out control).

Adapun pembatasan masalah dari praktikum modul V ini adalah:
1. Produk yang diamati merupakan panjang roti bon-bon.
2. Pengukuran dilakukan pada 30 sampel roti bon-bon.
3. Alat ukur yang digunakan adalah penggaris/mistar.
1.4.2 Asumsi
Adapun asumsi yang digunakan pada laporan praktikum teknik umum
pengendalian kualitas ini adalah sebagai berikut :
1. Produk roti bon-bon yang diukur tidak memilki kecacatan dan dalam
kondisi baik.
2. Jumlah data yang diambil sebagai sampel sebanyak 30 sampel untuk roti
bon-bon oleh kelompok 14 dengan sebenarnya dan tanpa paksaan.
3. Praktikum yang mengumpulkan data dalam kondisi sehat secara jasmani
dan rohani
1.5 Langkah-Langkah Pemecahan Masalah

Adapun langkah – langkah pemecahan masalah adalah sebagai berikut:
1. Mengukur 30 sampel panjang dari roti bon-bon.
2. Mengukur rata-rata dan range dari panjang roti bon-bon.
3
3. Menghitung diagram kendali rata-rata (x̅) berdasarkan BKA dan BKB.

4. Menghitung diagram kendali rentang (R) berdasarkan BKA dan BKB.
5. Membuat Peta Kontrol X dan R.
6. Melakukan revisi jika ada data yang keluar kontrol untuk sekala revisi.

Adapun untuk memudahkan pemahaman dan pembahasan tentang isi
laporan praktikum ini, maka penulisan dibagi kedalam 5 bab yang masing-masing
bab mengandung beberapa sub bab, yaitu sebagai berikut :
BAB I PENDAHULUAN
masalah, tujuan praktikum, batasan masalah, dan langkah-langkah
pemecahan masalah dan sistematika penulisan laporan.
Bab ini berisikan tentang analisa secara keseluruhan mengenai pengertian
pengendalian kualitas, pengendalian kualitas statistik, pentingnya
pendekatan pengendalian kualitas statistik, factor-faktor mendasar &
mempengaruhi kualitas ,peta kendali X dan R.
menggunakan tabel random.
BAB V KESIMPULA DAN SARAN
BAB II
LANDASAN TEORI
2.1 Pengertian Pengendalian Kualitas

Kualitas adalah faktor kunci yang membawa keberhasilan bisnis,
pertumbuhan dan peningkatan posisi bersaing. Kualitas suatu produk diartikan
sebagai derajat atau tingkatan dimana produk atau jasa tersebut mampu memuaskan
keinginan dari konsumen (Fitness For Use). Kualitas menjadi faktor dasar
keputusan konsumen untuk mendapatkan suatu produk, karena konsumen akan
memutuskan untuk membeli suatu produk dari perusahaan tertentu yang lebih
berkualitas dari pada saingannya (Purnomo, 2004).
Alasan-alasan mendasar pentingnya kualitas sebagai strategi bisnis adalah
sebagai berikut (Purnomo, 2004):
1. Meningkatkan kesadaran konsumen akan kualitas dan orientasikonsumen
yang kuat akan penampilan kualitas.
2. Kemampuan produk
3. Peningkatan tekanan biaya pada tenaga kerja,energi dan bahan baku.
4. Persaingan yang semakin intensif.
5. Kemajuan yang luar biasa dalam produktifitas melalui program keteknikan
kualitas yang efektif.
Kegiatan pengendalian dilaksanakan dengan cara memonitor keluaran
(output), membandingkan dengan standart, menafsirkan perbedaan perbedaan dan
mengambil tindakan untuk menyesuaikan kembali proses proses itu sehingga
sama/sesuai dengan standar. Pengendalian merupakan kegiatan yang dilakukan
untuk menjamin agar kegiatan produksi dan operasi yang dilaksanakan sesuai
dengan apa yang telah direncanakan dan apabila terjadi penyimpangan tersebut
dapat dikoreksi sehingga apa yang diharapkan tercapai.
Pengendalian kualitas merupakan suatu sistem verifikasi dan penjagaan atau
perawatan dari suatu tingkatan atau derajat kualitas produk atau proses yang di
kehendaki dengan cara perencanaan yang seksama, pemakaian peralatan yang
sesuai, inspeksi yang terus menurus, serta tindakan korektif bilamana diperlukan.
4
5
Dengan demikian hasil yang diperoleh dengan kegiatan pengendalian kualitas

benar-benar bisa memenuhi standar yang telah direncanakan (Ariani, 2004).
Pengendalian kualitas yaitu aktivitas yang dilakukan untuk menjamin proses
produksi dan operasi yang dikerjakan sesuai dengan rencana dan jika kesalahan
terjadi maka bisa direvisi sehingga rencana bisa dicapai (Assauri, 2004).
Pengertian pengendalian kualitas adalah aktifitas pengendalian proses untuk
mengukur ciri-ciri kualitas produk, membandingkan dengan spesifikasi atau
persyaratan dan mengambil tindakan penyehatan yang sesuai apabila ada perbedaan
antara penampilan yang sebenarnya dan yang standar. Tujuan dari pengendalian
kualitas adalah untuk mengendalikan kualitas produk atau jasa yang dapat
memuaskan konsumen. Pengendalian kualitas merupakan suatu alat Tangguh yang
dapat digunakan untuk mengurangi biaya, menurunkan cacat dan meningkatkan
kualitas pada proses manufakturing. Pengendalian kualitas memerlukan pengertian
dan perlu dilaksanakan oleh perancang, bagian inspeksi, bagian produksi sampai
pendisribusian produk ke konsumen(Purnomo, 2004).
Aktifitas pengendalian kualitas pada umumnya meliputi kegiatan-kegiatan
berikut (Purnomo, 2004):
1. Pengamatan terhadap performansi produk atau proses.
2. Membandingkan performansi yang ditampilkan dengan standar yang
berlaku.
3. Mengambil tindakan bila terdapat penyimpangan yang cukup signifikan,
dan jika perlu dibuat tindakan-tindakan untuk mengoreksinya.
Pengaruh Kualitas adalah elemen penting dalam operasi, selain itu kualitas
juga memiliki beberapa pengaruh. Beberapa alasan yang membuat kualitas menjadi
penting yaitu sebagi berikut (Heizer, 2006):
1. Reputasi Perusahaan
2. Keandalan produk dan jasa
3. Penurunan Biaya
4. Pertanggungjawaban produk dan jasa
5. Peningkatan pangsa pasar
6. Keterlibatan global
7. Penampilan produk atau jasa
6
Adapun tahapan-tahapan didalam pengendalian kualitas statistik yaitu

sebagai berikut :
1. Menetapkan standar
Menentukan standar biaya kualitas (cost quality), standar kualitas kerja
(perfromace quality), stamdar keandalan (reability quality).
2. Menilai kesesuaian
Membandingkan kesesuain dari produk yang dibuat atau jasa yang
ditawarkan terhadap standar-standar ini.
3. Bertindak bila perlu
Mengoreksi masalah-masalah dan mencari penyebabnya melalui faktor-
faktor yang mempengaruhi terhadap produk-produk yang tidak sesuai
dengan standar yang telah ditentukan.
4. Merencanakan Perbaikan
Mengembangkan suatu upaya yang berkesinambungan untuk memperbaiki
standar-standar biaya, prestasi, keamanan dan keandalan.
2.2 Pengertian Pengendalian Kualitas Statistik

Pengendalian kualitas statistik merupakan suatu alat tangguh yang dapat
digunakan untuk mengurangi biaya, menurunkan cacat dan meningkatkan kualitas
pada proses manufakturing. Pengendalian kualitas memerlukan pengertian dan
perlu dilaksanakan oleh perancang, bagian inspeksi, bagian produksi sampai
pendistribusian produk ke konsumen. Aktifitas pengendalian kualitas pada
umumnya meliputi kegiatan-kegiatan berikut (Ariani,2004):
1. Pengamatan terhadap performansi produk atau proses.
2. Membandingkan performansi yang ditampilkan dengan standar yang
berlaku.
3. Mengambil tindakan-tindakan bila terdapat penyimpangan-penyimpangan
yang cukup signifikan, dan jika perlu perlu dibuat tindakan-tindakan untuk
mengoreksinya.
Pengendalian kualitas secara statistik dilakukan dengan menggunakan
kombinasi alat bantu statistik yang terdapat pada SPC (Statistical Process Control)
dan SQC (Statistical Quality Control).
7
Menurut Heizer dan Render yang dimaksud dengan Statistical Process

Control (SPC) adalah “A process used to monitor standars, making measurements
and taking corrective action as a product or service is being produced.” Artinya
sebuah proses yang digunakan untuk mengawasi standar, membuat pengukuran dan
mengambil tindakan perbaikan selagi sebuah produk atau jasa sedang diproduksi.
Menurut Sofjan Assauri mengemukakan bahwa pengertian dari Statistical Quality
Control (SQC) adalah suatu sistem yang dikembangkan untuk menjaga standar
yang uniform dari kualitas hasil produksi, pada tingkat biaya yang minimum dan
menerapkan bantuan untuk mencapai efisiensi (Ariani, 2004).
Sedangkan menurut Richard B. Chase, Nicholas J. Aquilano and F. Robert
Jacobs, Statistical Quality Control diartikan sebagai “Statistical Quality Control is
a number of different techniques designed to evaluate quality from a conformance
view” artinya pengendalian kualitas secara statistika adalah satu teknik berbeda
yang didesain untuk mengevaluasi kualitas ditinjau dari sisi kesesuaian dengan
spesifikasinya.
Pengendalian kualitas statistik merupakan alat manajemen secara ilmiah.
Beberapa keuntungan jika digunakan pengendalian kualitas statistik adalah sebagai
berikut(Harinaldi, 2005):
1. Perbandingan antara kualitas dan biaya.
2. Menjaga kualitas lebih seragam.
3. Penyediaan bahan baku yang lebih baik.
4. Penggunaan alat produksi yang lebih efisien.
5. Mengurangi kerja ulang atau pembuangan.
6. Memperbaiki hubungan produsen-konsumen.
2.3 Pentingnya Pengendalian Kualitas Statistik

Pengendalian kualitas statistik (statistical quality control) adalah alat yang
sangat berguna dalam membuat produk sesuai dengan spesifikasi sejak dari awal
proses hingga akhir proses. Dalam banyak proses produksi, akan selalu ada
gangguan yang dapat timbul secara tidak terduga. Apabila gangguan tidak terduga
dari proses ini relatif kecil biasanya dipandang sebagai gangguan yang masih dapat
diterima atau masih dalam batas toleransi. Apabila gangguan proses ini relatif besar
8
atau secara singkat cukup besar dikatakan tingkat gangguan yang tidak dapat
diterima (Ariani,2004).
Gangguan proses kadang-kadang dapat timbul dari tiga sumber yaitu mesin
yang dipasang tidak wajar, kesalahan operator (human error), dan bahan baku yang
rusak atau tidak sesuai standar. Akibat dari gangguan tersebut menyebabkan proses
produksi tidak dalam keadaan kendali dan produk yang dihasilkan tidak dapat
diterima. Pengendalian kualitas statistik bertujuan untuk menyelidiki dengan cepat
sebab-sebab terjadinya kesalahan dan melakukan tindakan perbaikan sebelum
terlalu banyak produk cacat yang diproduksi (Ariani, 2004).
2.4 Faktor-Faktor Mendasar yang Mempengaruhi Kualitas

Kualitas produk secara langsung dipengaruhi oleh 9 bidang dasar atau 9 M.
Pada masa sekarang ini industri disetiap bidang bergantung pada sejumlah besar
kondisi yang membebani produksi melalui suatu cara yang tidak pernah dialami
dalam periode sebelumnya. Adapun faktor faktor-faktor tersebut adalah sebagai
berikut(Feigenbaum, 2000):
1. Market (Pasar)
Jumlah produk baru dan baik yang ditawarkan di pasar terus bertumbuh
pada laju yang eksplosif. Konsumen diarahkan untuk mempercayai bahwa
ada sebuah produk yang dapat memenuhi hamper setiap kebutuhan. Pada
masa sekarang konsumen meminta dan memperoleh produk yang lebih baik
memenuhi ini. Pasar menjadi lebih besar ruang lingkupnya dan secara
fungsional lebih terspesialisasi di dalam barang yang ditawarkan. Dengan
bertambahnya perusahaan, pasar menjadi bersifat internasional dan
mendunia.. Akhirnya bisnis harus lebih fleksibel dan mampu berubah arah
dengan cepat.
2. Money (Uang)
Meningkatnya persaingan dalam banyak bidang bersamaan dengan
fluktuasi ekonomi dunia telah menurunkan batas (marjin) laba. Pada waktu
yang bersamaan, kebutuhan akan otomasi dan pemekanisan mendorong
pengeluaran mendorong pengeluaran biaya yang besar untuk proses dan
perlengkapan yang baru. Penambahan investasi pabrik, harus dibayar
melalui naiknya produktivitas, menimbulkan kerugian yang besar dalam
9
memproduksi disebabkan oleh barang afrikan dan pengulang kerjaan yang

sangat serius. Kenyataan ini memfokuskan perhatian pada manajer pada
bidang biaya kualitas sebagai salah satu dari “titik lunak” tempat biaya
operasi dan kerugian dapat diturunkan untuk memperbaiki laba.
3. Management (manajemen).
Tanggung jawab kualitas telah didistribusikan antara beberapa kelompok
khusus. Sekarang bagian pemasaran melalui fungsi perencanaan produknya,
harus membuat persyaratan produk. Bagian perancangan bertanggung
jawab merancang produk yang akan memenuhi persyaratan itu. Bagian
produksi mengembangkan dan memperbaiki kembali proses untuk
memberikan kemampuan yang cukup dalam membuat produk sesuai
dengan spesifikasi rancangan. Bagian pengendalian kualitas merencanakan
pengukuran kualitas pada seluruh aliran proses yang menjamin bahwa hasil
akhir memenuhi persyaratan kualitas dan kualitas pelayanan, setelah produk
sampai pada konsumen menjadi bagian yang penting dari paket produk
total. Hal ini telah menambah beban manajemen puncak,khususnya
bertambahnya kesulitan dalam mengalokasikan tanggung jawab yang tepat
untuk mengoreksi penyimpangan dari standar kualitas.
4. Man (Manusia).
Pertumbuhan yang cepat dalam pengetahuan teknis dan penciptaan seluruh
bidang baru seperti elektronika komputer menciptakan suatu permintaan
yang besar akan pekerja dengan pengetahuan khusus. Pada waktu yang
sama situasi ini menciptakan permintaan akan ahli teknik sistem yang akan
mengajak semua bidang spesialisasi untuk bersama merencanakan,
menciptakan dan mengoperasikan berbagai sistem yang akan menjamin
suatu hasil yang diinginkan.
5. Motivation (Motivasi).
Penelitian tentang motivasi manusia menunjukkan bahwa sebagai hadiah
tambahan uang, para pekerja masa kini memerlukan sesuatu yang
memperkuat rasa keberhasilan di dalam pekerjaan mereka dan pengakuan
bahwa mereka secara pribadi memerlukan sumbangan atas tercapainya
tujuan perusahaan. Hal ini membimbing kearah kebutuhan yang tidak ada
10
sebelumnya yaitu pendidikan kualitas dan komunikasi yang lebih baik

tentang kesadaran kualitas.
6. Material (bahan)
Disebabkan oleh biaya produksi dan persyaratan kualitas, para ahli teknik
memilih bahan dengan batasan yang lebih ketat dari pada sebelumnya.
Akibatnya spesifikasi bahan menjadi lebih ketat dan keanekaragaman bahan
menjadi lebih besar.
7. Machine and Mecanization (Mesin dan Mekanise)
Permintaan perusahaan untuk mencapai penurunan biaya dan volume
produksi untuk memuaskan pelanggan telah mendorong penggunaan
perlengkapan pabrik yang menjadi lebih rumit dan tergantung pada kualitas
bahan yang dimasukkan ke dalam mesin tersebut. Kualitas yang baik
menjadi faktor yang kritis dalam memelihara waktu kerja mesin agar
fasilitasnya dapat digunakan sepenuhnya.
8. Modern Information Method (Metode Informasi Modern)
Evolusi untuk mengumpulkan, menyimpan ,mengambil Kembali
memanipulasikan informasi pada skala yang tidak terbayangkan
sebelumnya. Teknologi informasi yang bari ini menyediakan cara untuk
mengendalikan mesin dan proses selama proses produksi dan
mengendalikan produk bahkan setelah produk sampai ke konsumen.
9. Mounting Product Requirement (Persyaratan Proses Produksi)
Kemajuan yang pesat dalam perancangan produ, memerlukan pengendalian
yang lebih ketat pada seluruh proses pembuatan produk. Meningkatkan
persyaratan prestasi yang lebih tinggi bagi produk menekan pentingnya
keamanan dan keterandalan produk.
2.5 Peta Kendali

Dalam pelaksanaan proses produksi untuk menghasilkan sejenis output sulit
menghindari terjadinya variasi pada proses. Gaspersz mendefinisikan variasi
sebagai kecenderungan dalam sistem produksi atau operasional sehingga perbedaan
dalam kualitas pada output (barang dan jasa yang dihasilkan). Pada dasarnya
dikenal dua sumber atau penyebab timbulnya variasi, yaitu variasi penyebab khusus
11
dan variasi umum. Menjelaskan lebih lanjut tentang jenis variasi tersebut sebagai
berikut(Harinaldi,2005):
1. Variasi penyebab khusus (Special Causes of Variation)
Variasi penyebab khusus (Special Causes of Variation) adalah kejadian-
kejadian di luar sistem yang mempengaruhi variasi dalam sistem. Penyebab
khusus dapat bersumber dari manusia, material, lingkungan, metode kerja,
dll. Penyebab khusus ini mengambil pola-pola non acak sehingga dapat
diidentifikasi-kan/ditemukan, sebab mereka tidak selalu aktif dalam proses
tetapi memiliki pengaruh yang lebih kuat pada proses sehingga
menimbulkan variasi. Dalam konteks pengendalian proses statistikal
menggunakan peta kendali (control chart), jenis variasi ini sering ditandai
dengan titik-titik pengamatan yang melewati atau keluar dari batas-batas
pengendalian yang didefinisikan (defined control limit).
2. Variasi penyebab umum (Common Causes of Variation)
Variasi penyebab umum (Common Causes of Variation) adalah faktor-
faktor didalam sistem atau yang melekat pada proses yang menyebabkan
timbulnya variasi dalam sistem serta hasil-hasilnya. Penyebab umum sering
disebut juga penyebab acak (random causes) atau penyebab sistem (system
causes). Karena penyebab umum ini selalu melekat pada sistem, untuk
menghilangkannya harus menelusuri elemen-elemen dalam sistem itu dan
hanya pihak manajemen yang dapat memperbaikinya, karena pihak
manajemen yang mengendalikan sistem itu. Dalam konteks pengendalian
proses statistical dengan menggunakan peta-peta kendali, jenis variasi ini
sering ditandai dengan titik-titik pengamatan yang berada dalam batas-batas
pengendalian yang didefinisikan.
Teknik yang paling umum digunakan untuk pengontrolan kualitas secara
statistik adalah dengan menggunakan diagram kendali Shewhart. Diagram kendali
ini sangat sederhana terdiri dari tiga buah garis mendatar yang sejajar yaitu seperti
Diagram-diagram yang sering digunakan dalam pengendalian ini adalah
diagram kendali rata-rata ( ), diagram kendali rentang (R), diagram kendali
proporsi (p), dan diagram kendali untuk cacat (c). Berikut adalah cara pembuatan
diagram kendali tersebut:
12
1. Diagram kendali rata-rata ( )

CLx = .................................................................................... ……(2.1)
BKAx = ......................................................................... ……(2.2)
BKBx = ......................................................................... ...… (2.3)
2. Diagram kendali rentang (R)
CLx = .................................................................................... ...… (2.4)
BKA = ......................................................................... …... (2.5)
BKB = ........................................................................ …... (2.6)

3. Diagram kendali proporsi (p)
CLx = .................................................................................... ……(2.7)
BKA = .............................................................................. ……(2.8)
BKB = .............................................................................. ……(2.9)
Untuk nilai-nilai D3 dan D4 dapat diambil dari tabel diagram kendali R.
BAB III

Data dikumpulkan dengan melakukan pengambilan sampel secara langsung
dengan menggunakan metode acak sampling sederhana mengambil dan mengukur
Panjang Roti Unibis Bonbon sebanyak 30 buah yang dipilih secara acak diukur
sebanyak 3 kali pengulangan menggunakan meteran.

1. Alat dan bahan
Adapun alat dan bahan yang dibutuhkan untuk praktikum modul V ini
a. Roti Unibis Bonbon 30 buah
b. Form pengisian data 1 unit
c. Meteran/Penggaris 1 unit
2. Tahapan pelaksanaan praktikum
Berikut adalah tahapan pelaksanaan praktikum ini adalah sebagai berikut:
a. Siapkan operator untuk mengerjakan tugas yang sudah ditetapkan dan
petugas untuk mencatat hasilnya.
b. Masing-masing kelompok mempersiapkan alat/bahan sesuai dengan
objek yang ditentukan.
c. Ambil sampel sebanyak 30 sampel.
d. Lakukan pengukuran untuk setiap sampel produk.
e. Mencatat semua data yang diperoleh dari masing-masing sampel ke
dalam tabel.
f. Hitung rata-rata untuk variabel X dan MR.
g. Hitung BKA dan BKB untuk peta kontrol X dan MR.
h. Buatkan peta kontrol untuk X dan MR.
i. Lakukan revisi jika ada data yang keluar kontrol untuk sekali revisi.
j. Membuat laporan praktikum.
13
14

Berdasarkan hasil pengamatan di lapangan, maka diperoleh data. Pada
praktikum modul V ini praktikan mengukur mengambil dan mengukur Panjang
Roti Unibis Bonbon sebanyak 30 buah yang dipilih secara acak diukur sebanyak 3
kali pengulangan menggunakan meteran seperti tampak pada Tabel 3.1 berikut:
Data Pengamatan Panjang Roti Unibis Bonbon Sebanyak 30 Buah
Panjang Roti (cm)
Sampel
X1 X2 X3
1 6,6 6,7 6,7
2 6,8 6,7 6,7
3 6,7 6,8 6,8
4 6,6 6,7 6,6
5 6,9 6,8 6,7
6 6,6 6,7 6,8
7 6,7 6,6 6,7
8 6,7 6,8 6,6
9 6,7 6,8 6,7
10 6,9 6,6 6,8
11 6,8 6,7 6,5
12 6,9 6,5 6,7
13 6,8 6,7 6,6
14 6,9 6,8 6,7
15 6,7 6,8 6,7
16 6,9 6,8 6,8
17 6,8 6,7 6,7
18 6,7 6,9 6,7
19 6,6 6,8 6,9
20 6,9 6,6 6,8
21 6,9 6,9 6,8
22 6,6 6,5 6,8
23 6,6 6,7 6,6
24 6,6 6,7 6,6
25 6,8 6,6 6,8
26 6,7 6,8 6,6
27 6,6 6,6 6,5
28 6,6 6,6 6,7
29 6,9 6,7 6,7
30 6,8 6,7 6,5
Total 202,3 201,3 200,8
15
3.2 Pengolahan Data

Setelah data selesai dikumpulkan, maka dilakukanlah pengolahan data.
Untuk mengetahui hasil pengukuran panjang sebanyak 30 unit diukur sebanyak 3
kali pengulangan, maka perlu dilakukan perhitungan terhadap data hasil
̅ dan R,
pengamatan. Pengolahan data dimulai dengan menghitung nilai X
selanjutnya dilakukan perhitungan terhadap nilai 𝑋̿ dan 𝑅̅ untuk menentukan nilai
BKA dan BKB. Langkah terakhir yang dilakukan adalah dengan membuat diagram
kendali rata-rata X dan diagram kendali R yang diperoleh dari nilai parameter-
parameter yang telah ditentukan sebelumnya.
̅ dan R untuk pengukuran
Berikut merupakan rekapitulasi nilai rata-rata X
Panjang dari 30 sampel menggunakan meteran bias dilihat pada Tabel 3.2 berikut:
Tabel 3.2 Data Pengamatan Panjang Roti Unibis Bonbon Sebanyak 30 Buah
Sampel X1 X2 X3 ∑X X̅ R
1 6,6 6,7 6,7 20 6,67 0,1
2 6,8 6,7 6,7 20,2 6,73 0,1
3 6,7 6,8 6,8 20,3 6,77 0,1
4 6,6 6,7 6,6 19,9 6,63 0,1
5 6,9 6,8 6,7 20,4 6,80 0,2
6 6,6 6,7 6,8 20,1 6,70 0,2
7 6,7 6,6 6,7 20 6,67 0,1
8 6,7 6,8 6,6 20,1 6,70 0,2
9 6,7 6,8 6,7 20,2 6,73 0,1
10 6,9 6,6 6,8 20,2 6,77 0,3
11 6,8 6,7 6,5 20,3 6,67 0,3
12 6,9 6,5 6,7 20 6,70 0,4
13 6,8 6,7 6,6 20,1 6,70 0,2
14 6,9 6,8 6,7 40,5 6,80 0,2
15 6,7 6,8 6,7 20,2 6,73 0,1
16 6,9 6,8 6,8 20,5 6,83 0,1
17 6,8 6,7 6,7 20,2 6,73 0,1
18 6,7 6,9 6,7 20,3 6,77 0,2
19 6,6 6,8 6,9 20,3 6,77 0,3
20 6,9 6,6 6,8 20,3 6,77 0,3
21 6,9 6,9 6,8 20,6 6,87 0,1
22 6,6 6,5 6,8 19,9 6,63 0,3
23 6,6 6,7 6,6 19,9 6,63 0,1
24 6,6 6,7 6,6 19,9 6,63 0,1
25 6,8 6,6 6,8 20,2 6,73 0,2
26 6,7 6,8 6,6 20,1 6,70 0,2
27 6,6 6,6 6,5 19,7 6,57 0,1
16
Tabel 3.2 Data Pengamatan Panjang Roti Unibis Bonbon Sebanyak 30 Buah
(Lanjutan)
Sampel X1 X2 X3 ∑X X̅ R
28 6,6 6,6 6,7 19,9 6,63 0,1
29 6,9 6,7 6,7 20,3 6,77 0,2
30 6,8 6,7 6,5 20 6,67 0,3
Total 202,3 201,3 200,8 202,3 201,47 5,40
3.2.1 Penentuan Rata-rata dan Range

Berdasarkan parameter nilai yang telah diperoleh pada Tabel 3.2, maka
diperoleh hasil sebagai berikut:
1. Nilai rata-rata ( X )
(∑ X)
X̅ =
K
201,47
=
30
= 6,72
2. Range (R̅)
(∑R)
R̅ =
K
5,40
=
30
= 0,18
3.2.2 Diagram Kendali

1. Diagram Kendali X̅
Sebelum membuat diagram kendali X̅, maka terlebih dahulu kita
menentukan nilai BKA dan BKB untuk panjang Roti Unibis Bonbon
sebanyak 3 kali pengulangan (n=3), A2=1,02.
BKA = X̅ + (A2 × R̅)
= 6,72 + (1,02 × 0,18)
= 6,72 + 0,184
= 6,90
BKB = X – (1,02 × R)
= 6,72 – (1,02 × 0,18)
= 6,72 – 0,184
17
= 6,54
Berikut merupakan diagram kendali rata-rata untuk pengukuran panjang
meja sekolah seperti tampak pada Gambar 3.1 berikut:
PETA KENDALI X
7
6,9
6,8
6,7
6,6
6,5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Data Pengamatan Rata Rata BKA BKB
Gambar 3.1 Peta Kendali X
2. Daigram Kendali R̅
Sebelum membuat diagram kendali X, maka terlebih dahulu kita
menentukan nilai BKA dan BKB untuk panjang Roti Unibis Bonbon
sebanyak 3 kali pengulangan (n=3), D3=0, D4=2,57.
BKA = D4 R̅
= 2,57 (0,18)
= 0,46
BKB = D3 R̅
= 0 (0,18)
=0
Berikut merupakan diagram kendali rata-rata untuk pengukuran panjang
meja sekolah seperti tampak pada Gambar 3.2 berikut:
18
PETA KENDALI R
0,6
0,5
0,4
0,3
0,2
0,1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Data Pengamatan Rata Rata BKA BKB
Gambar 3.2 Peta Kendali R

BAB IV
4.1 Analisis Data

Perhitungan nilai rata-rata dan range, diagram kendali rata-rata (X̅)
berdasarkan BKA dan BKB dan diagram kendali (R̅) berdasarkan BKA dan BKB,
maka dapat dilakukan analisis terhadap tinggi anak tangga tersebut yang sebagai
berikut:
1. Pada perhitungan rata-rata dapat dilakuan dengan cara menjumlahkan data
pengamatan kemudian dibagi dengan jumlah pengamatan, kemudian
seluruh rata-rata 30 sampel dijumlahkan kemudian dibagi dengan jumlah
sampel maka didapatkan hasilnya yaitu 6,72.
2. Pada perhitungan rata-rata range harus dicarikan dengan mengurangkan
nilai maksimum dengan nilai minimum pada pengamatan setiap sampel
kemudian hasil range setiap sampel dijumlahkan lalu dibagi dengan jumlah
seluruh sampel setelah itu didapatkan hasil yaitu 0,18.
3. Pada perhitungan BKA untuk diagram kendali rata-rata (X̅) dilakukan
dengan menjumlahkan nilai rata-rata dengan perkalian antara A2=1,02
dengan nilai range, setelah dicari didapatkan hasilnya yaitu 6,90. Untuk
perhitungan BKB untuk diagram rata-rata (X̅) dilakukan dengan
mengurangkan nilai rata-rata dengan perkalian antara A2=1,02 dengan nilai
range, setelah dicari didapatkan hasilnya yaitu 6,54.
4. Pada perhitungan BKA untuk diagram kendali range (R̅) dilakukan dengan
mengalikan nilai D4 dengan nilai range, setelah dicari didapatkan hasilnya
yaitu 0,46. Untuk perhitungan BKB untuk diagram range (R̅) dilakukan
dengan mengalikan nilai D3 dengan nilai range, setelah dicari didapatkan
hasilnya yaitu 0.
5. Berdasarkan perhitungan untuk diagram rata-rata (X̅) didapatkan hasil
BKA yaitu 6,90, dan BKB yaitu 6,54. Dimana dalam diagram peta kendali
X̅, nilai masih dalam batas control.
19
20
6. Berdasarkan perhitungan untuk diagram range (R̅) didapatkan hasil BKA

yaitu 0,46, dan BKB yaitu 0. Dimana dalam diagram peta kendali R̅, nilai
masih ddalam batas control.
4.2 Evaluasi Data

Berdasarkan dari pengolahan data pada bab sebelumnya dapat dilihat dalam
perhitungan tersebut tidak ada yang melewati batas atas (BKA) dan batas bawah
(BKB), jadi untuk mendapatkan perhitungan yang lebih baik lagi maka
pengumpulan data dilakukan secara bersama sama untuk mendapatkan perhitungan
yang lebih teliti lagi.
BAB V
5.1 Kesimpulan
1. Cara menggunakan teknik umum pengendalian kualitas yaitu dengan
membandingkan performansi yang ditampilkan dengan standar yang
berlaku dan mengambil tindakan bila terdapat penyimpanagn yang cukup
signifikan.
2. Hasil sampel pada perhitungan pengendalian kualitas adalah nilai rata-rata
yaitu 6,72, nilai range yaitu 0,08, nilai BKA untuk diagram kendali (X̅) yaitu
6,54, nilai BKA untuk diagram kendali range (R̅) yaitu 0, nilai diagram
rata–rata (X̅) yaitu 0 dan nilai diagram range (R̅) nilai masih dalam batas
kontrol.
3. Hasil dari nilai sampel yang diukur masih dalam batas kontrol karena
diagram rata-rata (X̅) diproleh nilai BKA yaitu 6,90, BKB yaitu 6,54 dan
diagram range (R̅) diproleh nilai BKyaitu 0,46, BKB yang diproleh yaitu
0.
5.2 Saran
kemudian hari.
21
DAFTAR PUSTAKA
Ariani, Dorot Hea Wahyu. 2004. “Pengendalian Kualitas Statistik”.

Yogyakarta: Penerbit Andi.
Assauri, Sofjan. 2004. “Manajemen Produksi dan Operasi”. Edisi Revisi.
Jakarta: Fakultas Ekonomi Universitas Indonesia.
Feigenbaum, A.V.2000 “Kendali Mutu Terpadu”. Terjemahan oleh Hudaya
Kandahjaya. Edisi Ketiga, Jakarta: Penerbit Erlangga.
Heizer, Jay.2006. “Operation Manajemen”, Jilid I: diterjemahkan oleh:
Setyoningsih,D dan Almahdy: Edisi tujuh, Jakarta: Salemba Empat.
Harinaldi, 2005. Prinsip-prinsip Statistika Untuk Teknik dan Sains, Jakarta:
Erlangga.
Purnomo, Hari.2004. “Pengantar Teknik Industri”. Edisi kedua. Yogyakarta:
Graha Ilmu.
LAMPIRAN
LAMPIRAN 1
Data Pengamatan Panjang Roti Unibis Bonbon Sebanyak 30 Buah
Panjang Roti (cm)
Sampel
X1 X2 X3
1 6,6 6,7 6,7
2 6,8 6,7 6,7
3 6,7 6,8 6,8
4 6,6 6,7 6,6
5 6,9 6,8 6,7
6 6,6 6,7 6,8
7 6,7 6,6 6,7
8 6,7 6,8 6,6
9 6,7 6,8 6,7
10 6,9 6,6 6,8
11 6,8 6,7 6,5
12 6,9 6,5 6,7
13 6,8 6,7 6,6
14 6,9 6,8 6,7
15 6,7 6,8 6,7
16 6,9 6,8 6,8
17 6,8 6,7 6,7
18 6,7 6,9 6,7
19 6,6 6,8 6,9
20 6,9 6,6 6,8
21 6,9 6,9 6,8
22 6,6 6,5 6,8
23 6,6 6,7 6,6
24 6,6 6,7 6,6
25 6,8 6,6 6,8
26 6,7 6,8 6,6
27 6,6 6,6 6,5
28 6,6 6,6 6,7
29 6,9 6,7 6,7
30 6,8 6,7 6,5
Total 202,3 201,3 200,8
LAMPIRAN 2
Dokumentasi Kegiatan Praktikum
Diperiksa oleh,
Afifah Dian Utami

NIM. 170130003
MODUL VI
REGRESI LINEAR
MODUL VI
REGRESI LINEAR
LEMBARAN ASISTENSI
2020
KELOMPOK 14
MODUL VI
REGRESI LINEAR
- Perbaiki rumusan masalah
- Tambah landasan teori
- lanjut BAB V
- Perbaiki BAB V
3. 29/11 – 2020 - Lengkapi daftar – daftar
- Lengkapi lampiran
ACC JILID
4. 01/12 – 2020


NIP. 196406062001122001 NIM. 170130003
KATA PENGANTAR
PRAKTIKUM STATISTIK INDUSTRI MODUL VI “REGRESI LINEAR”.
di jalan-Nya.
Kelompok 14
DAFTAR ISI
Halaman
LEMBAR ASISTENSI
KATA PENGANTAR
DAFTAR ISI ................................................................................................ i
DAFTAR TABEL ...................................................................................... iii
DAFTAR GAMBAR .................................................................................. iv
DAFTAR RUMUS ...................................................................................... v
BAB I PENDAHULUAN
1.1 Latar Belakang ........................................................................ 1
1.2 Rumusan Masalah ................................................................... 2
1.3 Tujuan Masalah ....................................................................... 2
1.4 Batasan Masalah dan Asumsi .................................................. 2
1.4.1 Batasan Masalah ............................................................ 2
1.4.2 Asumsi .......................................................................... 3
1.5 Langkah-langkah Pemecahan Masalah .................................... 3

2.1 Pengertian Regresi .................................................................. 5
2.2 Korelasi................................................................................... 6
2.3 Regresi dan Korelasi ............................................................... 6
2.4 Regresi Linear ......................................................................... 6
2.4.1 Regresi Linear Sederhana .............................................. 7
2.4.2 Regresi Linear Berganda ............................................... 8
2.5 Sifat-sifat Garis Regresi linear ................................................. 8
2.6 Koefisien Determinasi ........................................................... 10
2.6.1 Koefisien Korelasi ....................................................... 11
2.6.2 Uji Signifikan Parameter Individual (uji Statistik y) ..... 12

3.1 Pengumpulan Data ................................................................ 14
3.1.2 Prosedur Praktikum ..................................................... 14
3.1.3 Data Pengamatan ......................................................... 14
3.2 Pengolahan data Secara Manual ............................................ 15
3.2.1 Perhitungan Regresi ..................................................... 15
3.2.2 Menemukan Korelasi ................................................... 16
3.3 Pengolahan Data Secara SPSS............................................... 17
3.3.1 Input Data.................................................................... 17
3.3.2 Output Data ................................................................. 19
i
4.1 Analisi Data .......................................................................... 21
4.1.1 Analisis Data Perhitungan dengan Manual ................... 21
4.1.2 Analisis data Perhitungan Dengan SPSS ...................... 21
4.2 Evaluasi Data ........................................................................ 22

5.1 Kesimpulan ........................................................................... 23
5.2 Saran ..................................................................................... 23
DAFTAR PUSTAKA
LAMPIRAN
ii
DAFTAR TABEL
Tabel Halaman
3.1 Data Pengamatan Tinggi Badan dan Berat Badan................................ 14
3.2 Perhitungan Terhadap Data Tinggi Badan dan Berat Badan ................ 15
4.1 Perbandingan Pengolahan Data Manual dan SPSS .............................. 22
iii
DAFTAR GAMBAR
Gambar Halaman
2.1 Korelasi Garis Positif ............................................................................ 9
2.2 Korelasi Garis Lengkung Positif ........................................................... 9
2.3 Korelasi garis Negatif ........................................................................... 9
2.4 Korelasi Garis Lengkung Negatif .......................................................... 9
2.5 Curvelinier ......................................................................................... 10
2.6 Tidak Ada Korelasi ............................................................................. 10
2.7 Garis Regresi Linear Pada Diagram Pancar ......................................... 10
3.1 Input Data ........................................................................................... 17
3.2 Input Data ........................................................................................... 17
3.3 Input Data ........................................................................................... 18
3.4 Input Data ........................................................................................... 18
3.5 Input Data ........................................................................................... 19
3.6 Output Data ........................................................................................ 19
3.7 Output Data ........................................................................................ 20
3.8 Output Data ........................................................................................ 20
iv
DAFTAR RUMUS
Rumus Halaman
2.1 Regresi Linear Sederhana ..................................................................... 7
2.2 Regresi Linear Sederhana Untuk Nilai a................................................ 7
2.3 Regresi Linear Sederhana Untuk Nilai b ............................................... 7
2.4 Regresi Linear Berganda ....................................................................... 8
2.5 Jumlah Simpangan Deviasi ................................................................... 8
2.6 Last Square value Of Deviation ............................................................ 8
2.7 Koefisien Korelasi .............................................................................. 12
2.8 T hitung .............................................................................................. 12
2.9 T tabel ................................................................................................ 12
v
BAB I
PENDAHULUAN
1.1 Latar Belakang

Keingintahuan dimasa depan sejak dulu merupakan bahasan yang menarik
dan penting. Beberapa nama besar seperti joyoboyo (raja Kediri kuno) dan Ronggo
Wasito (pujangga kerajaan Surakarta) mendapat tempat terhormat di masyarakat
jawa karena akurasi ramalannya. Demikian juga dengan Alfin Toffler (Future
Shock, 1970 dan The Third Wave, 1980), John Naisbitt (Megatrends 2000) dan
Michael porter (Competitive Adfantage of Nation) mereka menjadi terkenal dan
kaya atas hasil karyanya tentang pemikiran masa depan. Sampai saat ini semua
organisasi memerlukan pemikiran masa depan untuk membantu menentukan
keputusan yang terbaik.
Regresi atau peramalan adalah suatu proses memperkirakan secara
sistematis tentang apa yang paling mungkin terjadi dimasa yang akan datang
berdasarkan informasi masa lalu dan sekarang yang dimiliki agar kesalahannya
dapat diperkecil. Regresi dapat juga diartikan sebagai usaha memperkirakan
perubahan. Supaya tidak salah paham bahwa peramalan tidak memberikan jawaban
pasti tentang apa yang akan terjadi, melainkan berusaha mencari pendekatan apa
yang terjadi. Jadi, regresi mengemukakan tentang keingintahuan apa yang terjadi
dimasa depan untuk memberikan konstribusi menentukan keputusan yang terbaik.
Dalam regresi linear sederhana, metode yang biasa digunakan dalam
mengestimasi parameter regresi adalah metode kuadrat terkecil atau Ordinary Least
Squares (OLS). Konsep metode ini adalah untuk mengestimasi parameter dengan
memilih garis regresi yang terdekat dengan garis dari semua data. Secara
matematikan penentuan parameter regresi ini dengan cara meminimumkan jumlah
kuadrat dari residualnya.
Kegunaan regresi dalam penelitian salah satunya adalah untuk meramalkan
atau memprediksi variabel terikat (Y) apabila variabel bebas (X) diketahui. Regresi
sederhana dapat dianalisis karena didasari oleh hubungan fungsional atau hubungan
sebab akibat (kausal) variabel bebas (X) terhadap variabel terikat (Y). Karena ada
perbedaan yang mendasar dari analisis korelasi dan analisis regresi. Pada dasarnya
1
2
analisis regresi dan analisi korelasi keduanya punya hubungan yang sangat
kuat dan mempunyai keeratan. Setiap analisis regresi otomatis ada analisis
korelasinya, tetapi sebaliknya analisis korelasi belum tentu diuji regresi atau
diteruskan dengan analisis regresi.
Pada praktikum modul VI ini, yang akan dibahas interpretasi dari hasil
survei terhadap Tinggi Badan dan Berat Badan 10 Orang Mahasiswa/I Jurusan
Teknik Industri Universitas Malikussaleh Angkatan 2018. Dengan hasil
kesimpulan yang nantinya diperoleh dari praktikum ini, maka peneliti dapat
mengetahui apakah Tinggi Badan dan Berat Badan 10 Orang Mahasiswa/i Jurusan
Teknik Industri Universitas Malikussaleh Angkatan 2018 saling mempengaruhi dan
seberapa besar pengaruhnya.
1.2 Rumusan Masalah

Adapun rumusan masalah pada praktikum modul VI ini adalah sebagai
berikut:
1. Bagaimana yang dimaksud dengan fungsi regresi, linear dan korelasi?
2. Bagaimana hubungan fungsional antara variabel bebas dan variabel terikat?
3. Bagaimana hasil interpretasi dari koefisien regresi dan korelasi terhadap
Tinggi Badan dan Berat Badan 10 Orang Mahasiswa/i Teknik Industri
Universitas Malikussaleh Angkatan 2018?
1.3 Tujuan Masalah

Adapun tujuan masalah dari praktikum modul VI ini adalah sebagai berikut:
1. Untuk mengetahu fungsi regresi, linear dan korelasi.
2. Untuk mengetahui hubungan fungsional antara variabel bebas dan variabel
terikat.
3. Untuk mengetahui hasil interpretasi dari koefisien regresi dan korelasi
terhadap Tinggi Badan dan Berat Badan 10 Orang Mahasiswa/i Teknik
Industri Universitas Malikussaleh Angkatan 2018.
3

Adapun yang menjadi batasan masalah dari praktikum modul VI ini adalah
sebagai berikut:
1. Data merupakan hasil survei terhadap Tinggi Badan dan Berat Badan
Mahasiswa/i Jurusan Teknik Industri Universitas Malikussaleh Angkatan
2018.
2. Jumlah data yang diambil sebagai sampel sebanyak 10 sampel untuk
pengukuran Tinggi Badan dan 10 sampel untuk Berat Badan Mahasiswa/i
Jurusan Teknik Industri Universitas Malikussaleh Angkatan 2018.
3. Data pengamatan yang diambil hanya dari Mahasiswa/i teknik Industri
Universitas Malikussaleh Angkatan 2018.
1.4.2 Asumsi
Adapun yang menjadi asumsi pada praktikum modul VI ini adalah sebagai
berikut:
1. Kondisi praktikan yang mengisi google form tidak dalam keadaan sakit atau
sedang dalam kondisi sehat secara jasmani dan rohani.
2. Pengisian google form yang dilakukan oleh Mahasiswa/i diisi dengan
sebenarnya.
3. Praktikan yang mengumpulkan data dalam kondisi sehat secara jasmani dan
rohani.
4. Praktikan yang diukur tinggi badan dan berat badannya dalam keadaan sehat
secara jasmani dan rohani.

Adapun langkah-langkah pemecahan masalah pada praktikum regresi linier
sederhana ini adalah sebagai berikut:
1. Mengidentifikasi masalah dari suatu objek penelitian yang telah dilakukan.
2. Menentukan variabel devenden dan variabel indenpenden.
3. Melakukan pengambilan data selama satu hari.
4. Melakukan pengolahan data.
5. Melakukan analisa regresi dan korelasi.
4
6. Menarik kesimpulan tentang hubungan regresi dan korelasi kedua variabel.

bab, yaitu sebagai berikut:
BAB I PENDAHULUAN
Pada bab ini merupakan pengantar dalam menguraikan secara singkat
mengenai latar belakang, rumusan masalah, tujuan masalah, batasa
masalah, dan asumsi,langkah-langkah pemecahan masalah dan
sistematika penulisan
Pada bab ini berisi tentang penjelasan konsep dan dasar untuk
memecahkan masalah penelitian dan pedoman untuk pembahasan
masalah antara lain pengertian regresi, korelasi, regresi dan korelasi,
regresi linear, sifat-sifat garis regresi linear dan koefisien determinasi.
Pada bab ini berisikan data-data hasil penelitian yang berhubungan
dengan masalah yang di bahas dan pengolahan data yang berkaitan
dengan teori yang ada,serta analisis dari pengolahan data tepatnya
perhitungan regresi dan perhitungan korelasi.
Pada bab ini berisikan penguraian tentang analisa dan evaluasi
berdasarkan hasil pengumpulan dan pengolahan data.
Pada bab ini berisikan tentang kesimpulan dari regresi linear dan saran
yang memuat perbaikan pada praktikum yang baik.
BAB II
LANDASAN TEORI
2.1 Pengertian Regresi

Istilah "regresi" pertama kali diperkenalkan oleh Sir Francis Galton pada
tahun 1886. Galton menemukan adanya tendensi bahwa orang tua yang memiliki
tubuh tinggi, memiliki anak-anak yang tinggi pula dan orang tua yang pendek
memiliki anak-anak yang pendek pula. Kendati demikian, ia mengamati ada
kecenderungan bahwa tinggi anak bergerak menuju rata-rata tinggi populasi secara
keseluruhan. Dengan kata lain ketinggian anak yang amat tinggi atau orang tua yang
amat pendek cenderung bergerak ke arah rata-rata tinggi populasi. Inilah yang
disebut hukum Galton mengenai regresi universal. Dalam bahasa Galton ia
menyebutnya sebagai regresi menuju medikritas (Supranto, 2001).
Analisis regresi (regression analysis) merupakan suatu teknik untuk
membangun persamaan dan menggunakan persamaan tersebut untuk membuat
perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai
analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu tetap
dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai prediksi
dengan nilai riilnya, maka semakin tepat persamaan regresinya. Sehingga dapat
didefinisikan bahwa: analisis regresi adalah metode statistik yang digunakan
untuk menentukan kemungkinan hubungan antara variabel-variabel (Wahyuni,
2014).
Persamaan regresi yang digunakan untuk membuat taksiran mengenai
variabel dependen disebut persamaan regresi estimasi, yaitu suatu formula
matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa
variabel yang nilainya sudah diketahui dengan satu variabel lain yang nilainya
belum diketahui (Hartono, 2004).
Sifat hubungan antar variabel dalam persamaan regresi merupakan
hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum
menggunakan persamaan maka perlu diyakini terlebih dahulu secara teoritis atau
perkiraan sebelumnya, dua atau lebih variabel memiliki hubungan sebab akibat.
Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut variabel
5
6
bebas (independent variabel), sedangkan variabel yang nilainya

dipengaruhi oleh nilai variabel lain disebut variabel tidak bebas (dependent
variabel) (Dr. Ridwan, 2014)
2.2 Korelasi
Korelasi adalah metode untuk mengetahui tingkat keeratan hubungan antara
dua peubah atau lebih yang digambarkan oleh besarnya korelasi. Koefisien korelasi
adalah koefisien yang menggambarkan tingkat keeratan hubungan antar dua peubah
atau lebih. Besaran dari koefisien korelasi tidak menggambarkan hubungan sebab
akibat antara dua peubah (lebih) tapi semata-mata menggambarkan keterlibatan
linier antar peubah. Nilai koefisien korelasi berkisar antara (-1) sampai 1.
1. Nilai -1 berarti terdapat hubungan negatif (berkebalikan) yang sempurna.
2. Nilai 0 berarti tidak terdapat hubungan sama sekali.
3. Nilai 1 berarti terdapat hubungan positif yang sempurna.
2.3 Regresi dan Korelasi

Analisis korelasi bertujuan untuk mengukur kekuatan asosiasi (hubungan)
linear antara dua variabel. Korelasi tidak menunjukkan hubungan fungsional atau
dengan kata lain, analisis korelasi tidak membedakan antara variabel dependen
dengan variabel independen (Hasan, 2003).
Dalam analisis regresi, selain mengukur kekuatan hubungan antara dua
variabel atau lebih, juga menunjukkan arah hubungan antara variabel dependen
dengan variabel independen. Variabel dependen diasumsikan random/stokastik,
yang berarti mempunyai distribusi probabilistik. Variabel independen/bebas
diasumsikan memiliki nilai tetap (dalam pengambilan sampel yang berulang).
Teknik estimasi variabel dependen yang melandasi analisis regresi disebut
Ordinary Least Squares (pangkat kuadrat terkecil biasa). Metode OLS
diperkenalkan pertama kali oleh Carl Friedrich Gauss, seorang ahli matematika dari
Jerman. Inti metode OLS adalah mengestimasi suatu garis regresi dengan jalan
meminimalkan jumlah dari kuadrat kesalahan setiap observasi terhadap garis
tersebut.
7
2.4 Regresi Linear

Pengertian regresi secara umum adalah sebuah alat statistik yang
memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau
lebih. Dalam analisis regresi dikenal 2 jenis variabel yaitu:
1. Variabel respon disebut juga variabel dependen yaitu variabel yang
keberadaannya dipengaruhi oleh variabel lainnya dan dinotasikan dengan
variabel.
2. Variabel prediktor disebut juga dengan variabel independen yaitu variabel
yang bebas (tidak dipengaruhi oleh variabel lainnya).
Untuk mempelajari hubugan – hubungan antara variabel bebas maka regresi linier
terdiri dari dua bentuk, yaitu:
1. Analisis regresi sederhana (Simple analysis regresi)
2. Analisis regresi berganda (Multiple analysis regresi)
Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu
variabel bebas (variable independen) dan variabel tak bebas (variabel dependen).
Sedangkan analisis regresi berganda merupakan hubungan antara 3 variabel atau
lebih, yaitu sekurang-kurangnya dua variabel bebas dengan satu variabel tak bebas.
Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel (variabel
dependen) jika nilai variabel yang lain yang berhubungan dengannya (variabel
lainnya) sudah ditentukan (Hasan, 2010).
2.4.1 Regresi Linier Sederhana

Analisis regresi sederhana digunakan untuk mengetahui pengaruh variabel
independen terhadap variabel dependen, yaitu dengan mencari persamaan regresi
yang bermanfaat untuk meramal nilai variabel dependen berdasarkan nilai-nilai
variabel independennya serta menganalisis hubungan antara variabel dependen
dengan dua atau lebih variabel independen baik secara parsial maupun simultan.
Untuk mengetahui pengaruh masing-masing variabel independen yaitu perputaran
modal kerja (X) secara parsial terhadap variabel depanden yaitu likuiditas (Y),
maka digunakan analisis regresi linier sederhana. Menurut (Sugiyono, 2017),
persamaan umum regresi linier sederhana adalah sebagai berikut :
= a + b X .................................................................................. Pers (2.1)
Keterangan:
8
y = variabel terikat
a = intersep
b = koefisian regresi
x = variabel bebas
Untuk nilai a dan b ditentukan dengan menggunakan persamaan sebagai
berikut (Sugiyono, 2017):
b= ................................................................ Pers (2.2)
a= .............................................................................. Pers (2.3)
Keterangan:
n = jumlah titik (pasangan pengamatan (x,y))
= mean variabel x
= mean variabel y
2.4.2 Regresi Linear Berganda

Regresi linear berganda adalah perkembangan dari regresi sederhana yang
menjelaskan hubungan antara variabel terikat dengan lebih dari satu variabel bebas
Tujuan utama analisis regresi linear berganda sama seperti dengan regresi
sederhana, yaitu menggunakan hubungan antara variabel terikat (response) dan
variabel bebas (factor) untuk memprediksi atau menjelaskan karakteristik dari
variabel (Freund, Wilson & Sa, 2006).
Secara umum model regresi linear berganda dapat dituliskan sebagai
berikut:
y = β0 + β1x1 + β2x2 + …. + βmxm + ε ........................................... Pers (2.4)
Keterangan:
y = variabel terikat
xm = variabel bebas
β0 = konstanta
βm = koefisien regresi ke-m
ε = residual
9
2.5 Sifat-sifat Garis Regresi Linear

Terdapat dua sifat yang harus dipenuhi sebuah garis lurus untuk dapat
menjadi garis regresi yang cocok (fit) dengan titik-titik data pada diagram pencar,
yaitu (Hasan. 2003):
1. Jumlah simpangan (deviasi) positif dari titik-titik yang terbesar di atas garis
regresi sama dengan (saling meniadakan) jumlah simpangan negatif dari
titik-titik yang terbesar di bawah garis regresi. Dengan kata lain:
........................................................................ Pers (2.5)
2. Kuadrat dari simpangan-simpangan mencapai nilai minimum (last square
value of deviation). Jadi:
..................................................... Pers (2.6)

Dari kedua sifat tersebut metode regresi ini disebut juga disebut sebagai
metode least square.
1. Bentuk Diagram Pencar
a. Linear Positif
Gambar 2.1 Korelasi Garis Positif
b. Curvelinear Positif
Gambar 2.2 Korelasi Garis Lengkung Positif

10
c. Linear Negatif
Gambar 2.3 Korelasi Garis Negatif
d. Curvelinear Negatif
Gambar 2.4 Korelasi Garis Lengkung Negatif
e. Curvelinear
Gambar 2.5 Curvelinier

f. Tidak Berkolerasi
Gambar 2.6 Tidak Ada Korelasi

11
2. Garis Regresi Linear Pada Diagram Pencar
Gambar 2.7 Garis Regresi Linear Pada Diagram Pencar
2.6 Koefisien Determinasi

Koefisien determinasi (R2) pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien
determinasi adalah antara nol dan satu. Nilai R2 = yang kecil berarti kemampuan
variabel-variabel independen dalam menjelaskan variasi variabel dependen amat
terbatas. Nilai yang mendekati satu berarti variabel-variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi
variabel dependen. Secara umum koefisien determinasi untuk data silang
(crossection) relatif rendah karena adanya variasi yang besar antara masing-rnasing
pengamatan, sedangkan untuk data runtun waktu (time series) biasanya mempunyai
nilai koefisien determinasi yang tinggi.
Satu hal yang perlu dicatat adalah masalah regresi lancung (spurious
regression). Insukindro menekankan bahwa koefisien determinasi hanyalah salah
satu dan bukan satu-satunva kriteria memilih model yang baik. Alasannya bila suatu
estimasi regresi linear menghasilkan koefisien determinasi yang tinggi, tetapi tidak
konsisten dengan teori ekonomika yang dipilih oleh peneliti, atau tidak lolos dari
uji asumsi klasik, maka model tersebut bukanlah model penaksir yang baik dan
seharusnya tidak dipilih menjadi model empirik.
Kelemahan mendasar penggunaan koefisien determinasi adalah bias
terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap
12
tambahan satu variabel independen, maka R2 pasti meningkat tidak perduli apakah
variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh
karena itu banyak peneliti menganjurkan untuk menggunakan nilai adjusted R2
pada saat mengevaluasi mana model regresi terbaik. Tidak seperti R2, nilai adjusted
R2 dapat naik atau turun apabila satu variabel independen ditambahkan kedalam
model.
Dalam kenyataan nilai adjusted R2 dapat bernilai negatif, walaupun yang
dikehendaki harus bernilai positif. Menurut Gujarati (2003) jika dalam uji empiris
didapat nilai adjusted R2 negatif, maka nilai adjusted R2 dianggap bernilai nol.
Secara matematis jika nilai R2 = 1, maka Adjusted R2 = R2= 1 sedangkan jika nilai
R2 = 0, maka adjusted R2 = (1 - k)/(n - k). Jika k > 1 , maka adjusted R = akan
bernilai negatif.
2.6.1 Koefisien Korelasi

Koefisien korelasi sederhana (r) merupakan akar dari koefisien determinasi.
Besarnya hubungan antara variabel yang satu dengan variabel yang lain dinyatakan
dengan koefisien korelasi yang disimbulkan dengan huruf “r”. Besarnya koefisien
korelasi akan berkisar antara -1 (negatif satu) sampai dengan +1 (positif satu): (+)
menunjukkan korelasi positif, (-) menunjukkan korelasi negatif, 0 menunjukkan
tidak adanya hubungan.
Apabila koefisien korelasi mendekati + 1 atau – 1, berarti hubungan
antarvariabel tersebut semakin kuat. Sebaliknya, apabila koefisien korelasi
mendekati angka 0, berarti hubungan antarvariabel tersebut semakin lemah. Dengan
kata lain, besarnya nilai korelasi bersifat absolut, sedangkan tanda “ + “ atau “–“
hanya menunjukkan arah hubungan saja.
Untuk menganalisis keterkaitan antarvariabel, perlu diukur besarnya nilai
koefisien korelasi. Untuk data yang berjenis interval dan rasio digunakan analisis
korelasi product moment (r) (Suliyanto, 2005).
Adapun rumus yang digunakan untuk menghitung koefisien korelasi adalah
sebagai berikut:
r= ................................................. Pers (2.7)

13
Keterangan:
r = koefisien korelasi
n = jumlah pengamatan
∑x = jumlah dari pengamatan x
∑y = jumlah dari pengamatan y
2.6.2 Uji Signifikan Parameter Individual (Uji Statistik t)

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu
variabel penjelas/independen secara individual dalam menerangkan variasi variabel
dependen. Hipotesis nol (Ho) yang hendak diuji adalah apakah suatu parameter (bi)
sama dengan nol, atau Ho:bi = 0. Artinya apakah suatu variabel independen bukan
merupakan penjelas yang signifikan terhadap variabel dependen (Priyatno, 2010).
Hipotesis alternatifnya (H1) parameter suatu variabel tidak sama dengan nol,
atau H1: bi # 0. Artinya, variabel tersebut merupakan penjelas yang signifikan
terhadap variabel dependen.
Untuk menguji signifikasi pengaruh variabel X terhdap Y digunakan uji t
dengan rumus sebagai berikut :
1. Rumus t hitung :
t =r ................................................................................. Pers (2.8)
Rumus t tabel :
tα = df (n-2) ................................................................................ Pers (2.9)
Keterangan:
t = t hitung uji signifikasi
r = koefisien korelasi
n = jumlah periode
Dengan kriteria pengujian sebagai berikut :
Ho diterima apabila t hitung ≥ t tabel.
Ho ditolak apabila t hitung ≤ t tabel.
BAB III

Data yang dikumpulkan yakni data Tinggi Badan dan Berat Badan 10
Mahasiswa/i Teknik Industri 2018, sampel diambil melalui google form.

1. Alat dan Bahan
Praktikum kali ini tidak menggunakan peralatan laboratorium
(mempergunakan data yang ada di modul 6), kecuali google form beserta
alat-alat tulis.
a. Membuat google form terlebih dahulu.
b. Mengambil sampel sejumlah yang ditentukan yakni 10 sampel.
c. Menentukan variabel bebas dan variabel tidak bebas.
d. Mengisi semua data ke dalam form data.
e. Membuat hasil kesimpulan praktikum.

Berdasarkan hasil survei di lapangan, diperoleh data mengenai hasil survei
terhadap data tinggi badan dan berat badan 10 Mahasiswa/i Teknik Industri 2018.
Tabel 3.1 Data Pengamatan Tinggi Badan dan Berat Badan
Berat Badan Tinggi Badan
No Nama Nim
(kg) (cm)
1 Meilinda Dhika Putri 180130104 44 152
2 Fahri Aulia Nugraha Rambe 180130109 95 177
3 Lya wahyuni 180130111 48 162
4 Sarah Hayati 180130105 53 152
5 Raja Nahagu 180130146 53 177
6 Fadilla Audina AB 180130099 52 150
9 Yosi Handika 180130033 55 167
10 Fhonna Azzahra 180130125 65 160
Sumber: Data Pengamata
14
15
3.2 Pengolahan Data Secara Manual

Untuk melihat interpretasi antara tinggi badan dan berat badan 10
Mahasiswa/i Teknik Industri 2018 perlu dilakukan perhitungan terhadap data hasil
pengamatan yang meliputi nilai koefisien a dan b, persamaan regresi linier dan
korelasi atau kesimpulan hubungan variabel X dan Y.
3.2.1 Perhitungan Regresi

Untuk mempermudah dalam pengolahan data, maka data hasil pengamatan
yang telah diperoleh dimasukkan ke dalam tabel perhitungan hasil survei terhadap
tinggi badan dan berat badan 10 Mahasiswa/i Teknik Industri, yang dapat
ditunjukkan pada Tabel 3.2.
Tabel 3.2 Perhitungan Terhadap Data Tinggi Badan Dan Berat Badan
No Sampel X Y XY X2 Y2
1 152 44 6688 23104 1936
2 177 95 16815 31329 9025
3 162 48 7776 4251528 2304
4 152 53 8056 23104 2809
5 177 53 9381 31329 2809
6 150 52 7800 22500 2704
7 169 68 11492 28561 4624
8 158 48 7584 24964 2304
9 167 55 9185 27889 3025
10 160 65 10400 25600 4225
∑ 1624 581 95177 264624 35765
∑𝑦 1624
̅
X = 𝑛 = 10 = 162,4
∑x 581
̅
Y = n = 10 = 58,1
1. Menentukan Nilai Koefisien a dan b

Untuk menentukan nilai koefisien a dan b, perhitungannya adalah sebagai
berikut:
n∑XY- ∑X∑Y
b = n∑X2 - (∑X)²
10(95177)- (1624) (581)

= 10(264624)- (1624)²
16
951770 - 943544
= 2646240 - 2637376
8226
= 8864
= 0,928
∑Y- b∑X
a = n
581 - (0,928) (1624)

= 10
926,072
= − 10
= -92,607
2. Menentukan Persamaan Regresi Linier
Setelah diperoleh nilai a dan b, maka persamaan regresi liniernya dapat
ditentukan sebagai berikut:
̂ = a + bX
Y
Ŷ = -92,607 + 0,928X
3.2.2 Menentukan Korelasi

Setelah selesai melakukan perhitungan pada nilai koefisien a dan b, maka
selanjutnya menentukan korelasi, perhitungannya adalah sebagai berikut:
n∑Xy− ∑X.∑Y
r =
√(n∑X2 − (∑X)2)(n∑Y2 − (∑Y)2 )
10(95177)− (1624) (581)

r =
√(10(264624)− (1624) 2 )(10(35765)−(581)2 )
951770 − 943544
r =
√(2646240 − 2637376 )(377650 −337561)
8226
r = 13344,25
= 0,616
Berdasarkan perhitungan terhadap data tinggi badan dan berat badan 10
orang Mahasiswa/i Teknik Industri Universitas Malikussaleh Angkatan 2018
17
diperoleh hasil perhitungan korelasi yaitu r = 0,62 maka hubungan yang terjadi
adalah korelasi positif semakin sangat kuat antara variabel X dan variabel Y.
3.3 Pengolahan Data Secara SPSS

Selain melakukan perhitungan secara manual, regresi linier dan regresi
korelasi juga dapat di cari menggunakan aplikasi SPSS. Adapun langkah-langkah
pada SPSS dapat di lihat pada gambar-gambar berikut ini.
3.3.1 Input Data

1. Buka program aplikasi SPSS
2. Pilih Variabel view. Isi data pada variabel view sesuai kebutuhan yang
diinginkan.
Gambar 3.1 Input data

3. Pilih Data view. Isi data pada data view sesuai kebutuhan yang diinginkan.

18
4. Pilih Analyze>Regression > Linier.
5. Kemudian akan muncul kotak dialog baru. Pilih Tinggi Popliteal (X),
pindahkan ke kolom Dependent. Pilih Berat Badan (Y), pindahkan ke
kolom Independent.

19
6. Pilih Statistics. Kemudian pilih menu yang diinginkan. Klik Continue. Klik
OK.
3.3.2 Output Data

Berikut ini adalah Output data dari hasil input data menggunakan SPSS.
1. Output data dari Analyze>Regression > Linier.
Gambar 3.6 Output data

20

BAB IV
4.1 Analisis Data

4.1.1 Analisis Data Perhitungan Dengan Manual
Berdasarkan data tinggi badan dan berat badan 10 Mahasiswa Teknik
Industri 2018 melalui perhitungan secara manual dengan nilai rata-rata X̅ = 162,4
̂) memperoleh persamaan
dan Y̅ = 58,1 untuk persamaan regresi linier sederhana (Y
̂ = a + bX diperoleh hasil b = 0,928 dan a = 92,607 Maka
garis regresinya Y
diperoleh persamaan garis regresinya adalah -92,607 + 0,928X. Dan koefisien
korelasi (r), didapatkan hasil 0,616. Berarti tinggi badan berhubungan positif dan
signifikan terhadap berat badan.
4.1.2 Analisis Data Perhitungan Dengan SPSS

Berdasarkan hasil dari analisis data yang diperoleh melalui perhitungan
menggunakan SPPS adalah sebagai berikut:
Dengan pengolahan data menggunakan SPSS diperoleh nilai R yang
merupakan simbol dari nilai koefisien korelasi. Diperoleh nilai koefisien adalah
0,616 berarti tinggi badan berhubungan positif dan signifikan terhadap berat badan.
Dan nilai koefisien determinasi yang diperoleh adalah 0,38 yang dapat ditafsirkan
bahwa variable bebas X memiliki pengaruh kontribusi sebesar 38% terhadap
variabel Y dan 62% lainnya dipengaruhi oleh faktor – faktor lain diluar variabel X.
Untuk menentukan taraf signifikansi atau linieritas dari regresi. Kriterianya
dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Cara yang
paling mudah dengan uji Sig. Dengan ketentuan, jika Nilai Sig. < 0,05, maka model
regresi adalah linier, dan berlaku sebaliknya. Berdasarkan hasil spss, diperoleh nilai
Sig. = 0,029 yang berarti < kriteria signifikan (0,05), menginformasikan model
persamaan regresi yang diperoleh dengan koefisien konstanta dan koefisien
variabel yang ada di kolom Unstandardized Coefficients B. Berdasarkan hasil SPSS
di peroleh 𝑦̂ = -92,60 + 0,928X.
20
21
4.2 Evaluasi Data

Setelah melakukan analisis data, maka dilakukanlah evaluasi data untuk
mengetahui perbandingan antara perhitungan secara manual dengan menggunakan
SPSS.
Berikut perbandingan antara perhitungan secara manual dan SPSS dapat
dilihat pada Tabel 4.1 berikut:
Tabel 4.1 Perbandingan Pengolahan Data Manual dan SPSS
Perhitungan Manual Perhitungan SPSS
X = 162,4 X = 162,4
Mean Mean
Y = 58,1 Y = 58,1
a = -92,607 a = -92,607
Koefisien b = 0,928 Koefisien b = 0,928
R = 0,616 R = 0,616
Sumber :Pengolahan Data
Berdasarkan data tinggi badan dan berat badan Mahasiswa Teknik Industri
dari sampel yang diambil sebanyak 10 Mahasiswa Teknik Industri memiliki hasil
yang sama atau tidak terdapat perbedaan antara perhitungan secara manual maupun
menggunakan SPSS.
BAB V
5.1 Kesimpulan
1. Analisis regresi (regression analysis) merupakan suatu teknik untuk
membangun persamaan dan menggunakan persamaan tersebut untuk
membuat perkiraan (prediction) atau metode statistik yang digunakan
untuk menentukan kemungkinan hubungan antara variabel-variabel dan
Korelasi adalah metode untuk mengetahui tingkat keeratan hubungan antara
dua peubah atau lebih yang digambarkan oleh besarnya korelasi.
2. Hubungan antar variabel bebas dengan terikat yaitu merupakan hubungan
sebab akibat (causal relationship) dalam persamaan regresi. Oleh karena
itu, sebelum menggunakan persamaan maka perlu diyakini terlebih
dahulu secara teoritis atau perkiraan sebelumnya, dua atau lebih variabel
memiliki hubungan sebab akibat.
3. Berdasarkan hasil dari pengolaan data yang diproleh bahwa nilai koefisien
̂) yaitu
kolerasi (r) yaitu 0,616 dari persamaan regresi linier sederhana (Y
persamaan garis regresinya ̂
Y = a + bX dengan nilai b = 0,928 dan nilai a =
92,607. Maka dapat disimpulkan tinggi badan 10 Mahasiswa/i Teknik
Industri Universitas Malikussaleh Angkatan 2018 berhubungan positif dan
signifikan terhadap berat badan.
5.2 Saran
kemudian hari.
22
DAFTAR PUSTAKA
Dr. Ridwan, M.B.A.2014. PENGANTAR STATISTIKA UNTUK PENELITIAN:

Pendidikan, Sosial, Ekonomi, Komonikasi dan Bisnis. Bandung:
ALFABETA.
Freund, R. J., Wilson, W. J., & Sa, P. (2006). Regression analysis. Academic Press.
Hartono.2004. Statistik untuk penelitian. Yogyakarta: Lembaga Studi Filsafat,
Kemasyarakatan, Kependidikan dan Perempuan.
Hasan, Iqbal. 2003. Pokok-pokok Materi Statistik 2 (Statistik Inferensial). PT. Bumi
Aksara, Jakarta.
Hasan, Iqbal. 2010. Pokok-Pokok Materi Statistik 2 (Statistik Infrensial). Jakarta:
Bumi Aksara.
Priyatno, Duwi. 2010. Paham Analisa Statistik Data dengan SPSS. Yogyakarta:
MediaKom.
Sugiyono. (2017). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung :
Alfabeta, CV.
Suliyanto, 2005, Analisis Data dalam Aplikasi Pemasaran, Bogor: Ghalia
Indonesia.
Supranto, J. 2001. Statistik Teori dan Aplikasi Jilid 2, Edisi Keenam. Jakarta:
Erlangga.
Wahyuni, Indah.2014. Tanya jawab STATISTIK/SOAL DAN PEMBAHASAN.
Jember: STAIN Jember Press.
LAMPIRAN
LAMPIRAN I
Data Pengamatan Tinggi Badan dan Berat Badan
Berat Badan Tinggi Badan
No Nama Nim
(kg) (cm)
1 Meilinda Dhika Putri 180130104 44 152
3 Lya wahyuni 180130111 48 162
4 Sarah Hayati 180130105 53 152
5 Raja Nahagu 180130146 53 177
9 Yosi Handika 180130033 55 167
10 Fhonna Azzahra 180130125 65 160
Diperiksa oleh,
Afifah Dian Utami

NIM. 170130003
LAMPIRAN II
Form Bukti Pengambilan Data Praktikum
Diperiksa oleh,
Afifah Dian Utami

NIM. 170130003
MODUL VII
STATISTIK NON PARAMETRIK
MODUL VII
LEMBARAN ASISTENSI
2020
KELOMPOK 14
MODUL VII
- Perbaiki langkah – langkah
pemecahan masalah
- Tambahkan landasan teori
- lanjut BAB V
- perbaiki BAB V
3. 30/11 – 2020 - Lengkapi daftar – daftar
- Lengkapi lampiran
4. 01/12 – 2020 ACC JILID


NIP. 196406062001122001 NIM. 170130003
KATA PENGANTAR
PRAKTIKUM STATISTIK INDUSTRI MODUL VII “STATISTIK NON
PARAMETRIK”. Shalawat beriring salam selalu tercurahkan kepada junjungan
Nabi Muhammad SAW, keluarga dan sahabat beliau serta orang-orang mukmin
yang tetap istiqomah di jalan-Nya.
Kelompok 14
DAFTAR ISI
Halaman
LEMBAR ASISTENSI
KATA PENGANTAR
DAFTAR ISI ................................................................................................ i
DAFTAR TABEL ...................................................................................... iii
DAFTAR GAMBAR .................................................................................. iv
DAFTAR RUMUS ...................................................................................... v
BAB I PENDAHULUAN
1.1 Latar Belakang ....................................................................... 1
1.2 Rumusan Masalah .................................................................. 2
1.3 Tujuan Masalah ...................................................................... 2
1.4 Batasan Masalah dan Asumsi ................................................. 3
1.4.1 Batasan Masalah ........................................................... 3
1.4.2 Asumsi ......................................................................... 3
1.5 Langkah-langkah Pemecahan Masalah ................................... 3

2.1 Pengertian Statistik Non Parametrik ....................................... 5
2.2 Kelebihan dan Kekurangan Ststistik Non Parametrik .............. 6
2.3 Metode Statistika Non Parametrik .......................................... 7
2.3.1 Uji Tanda (Sign Test) ................................................... 7
2.3.2 Uji Urutan Bertanda Wilcoxon .................................... 8
2.3.3 Uji Korelasi Urutan spearman ..................................... 10
2.3.4 Uji Mann-whitney ...................................................... 11
2.3.5 Uji Kruskal-Wallis...................................................... 11
2.3.6 Uji Median ................................................................. 12

3.1 Pengumpulan Data ............................................................... 14
3.1.1 Metode Pengumpulan Data ......................................... 14
3.1.2 Prosedur Praktikum .................................................... 14
3.1.3 Data Pengamatan ........................................................ 15
3.2 Pengolahan Data .................................................................. 15
3.2.1 Perhitungan dengan Menggunakan Uji Tanda ............. 15
3.2.2 Perhitungan dengan Menggunakan Uji wilcoxon ........ 17
3.3 Pengolahan Data dengan Menggunakan Software SPSS ....... 18
3.3.1 Input Data Pada Uji Tanda .......................................... 18
3.3.2 Output Data Pada Uji Tanda ....................................... 20
i
4.1 Analisi Data ......................................................................... 22
4.2 Evaluasi Data ....................................................................... 23

5.1 Kesimpulan .......................................................................... 24
5.2 Saran .................................................................................... 24
DAFTAR PUSTAKA
LAMPIRAN
ii
DAFTAR TABEL
Tabel Halaman
3.1 Nilai Pretest dan Postest Praktikum Statistik 10 mahasiswa Teknik
Industri Angkatan 2018 ...................................................................... 15
3.2 Perhitungan Uji Tanda Nilai Pretest dan Postest Praktikum Statistik 10
mahasiswa Teknik Industri Angkatan 2018 ........................................ 15
3.3 Perhitungan Uji Wilcoxon Nilai Pretest dan Nilai Postest 10 Mahasiswa
Teknik Industri angkatan 2018 ........................................................... 17
iii
DAFTAR GAMBAR
Gambar Halaman
3.1 Input Data (1) .................................................................................... 18
3.2 Input Data (2) .................................................................................... 19
3.3 Input Data (3) .................................................................................... 19
3.4 Input Data (4) .................................................................................... 20
3.5 Output Data (1) .................................................................................. 20
3.6 Output Data (2) .................................................................................. 21
3.7 Output Data (3) .................................................................................. 21
iv
DAFTAR RUMUS
Rumus Halaman
2.1 Uji Tanda ( Sign Test).......................................................................... 8
2.2 Uji Tanda Wilcoxon (The Signed Rank Test) ....................................... 9
2.3 Korelasi Berperingkat Spearman ........................................................ 10
2.4 Uji t ................................................................................................... 10
2.5 Uji Mann-Whitney U1 ....................................................................... 11
2.6 Uji Mann-Whitney U2 ....................................................................... 11
2.7 Uji Kruskal-Wallis ............................................................................. 12
2.8 Uji Median......................................................................................... 13
v
BAB I
PENDAHULUAN
1.1 Latar Belakang

Pada kenyataannnya sangatlah sulit untuk mendapatkan sampel yang
memenuhi asumsi mempunyai distribusi tertentu. Kebanyakan sampel yang
diperoleh hanyalah sebatas menedekati tertentu. Oleh karena itu, kemudaian
dikembangkan suatu teknik inferensi yang tidak memerlukan uji asumsi-asumsi
tertentu memgenai distribusi sampelnya,dan juga tidak memerlukan uji hipotesis
yang berhubungan dengan parameter populasinya. Teknik ini dikenal dengan
parametri bebas distribusi atau statistika non parametrik.
Dalam dunia statistika banyak cara mengumpulkan data sebagai dasar
dalam melakukan penelitian. Pengumpulan data ini dilakukan agar peneliti dapat
memperoleh data-data yang dibutuhkan, mencari hubungan dari variabel-variabel
yang diteliti, memprediksi masa depan dan sebagainya untuk kebutuhan penelitian.
Untuk memprediksi hal tersebut, kita menggunakan metode Statistika Non
parametrik dan Penelitian Survei.
Metode Statistika Non Parametrik pengambilan kesimpulan dapat ditarik tanpa
memperhatikan bentuk distribusi populasi. Sedangkan Penelitian Survei,
disgunakan untuk pengambilan data dari suatu populasi dengan
menggunakan media kuesioner sebagai alat pengumpul data yang pokok. Statistika
menggunakan metode penelitian survei dalam mengumpulkan data sebagai dasar
penelitian dan menggunakan Statistika Non Parametrik untuk mengatasi
pemecahan data yang memiliki ukuran sampel kecil dan asumsi-asumsi yang
kurang dimiliki oleh peneliti. Ini digunakan agar pendapat dari suatu populasi
tersebut dapat diolah sebagai data statistik dan kita dapat memprediksi masa depan
dan sebagainya seperti yang disebutkan di atas.
Secara istilah Uji Statistik Non Parametrik adalah metode riset yang membuat
inferensi statistik tanpa lagi memperhatikan distribusi yang mendasarinya.
Sehingga metode ini cocok dengan distribusi normal tanpa asumsi. Alasan tanpa
asumsi karena data penelitian diambil dari distribusi normal. Sebaliknya, bentuk
distribusi diperkirakan dengan bentuk pengukuran statistik ini. Meskipun ada
1
2
banyak situasi di mana distribusi normal dapat diasumsikan, ada juga beberapa
skenario di mana proses pembuatan data yang sebenarnya jauh dari distribusi
normal.
Pada Modul VII ini akan dilakukan pengamantan terhadap nilai Pretest dan
Posttest Mahasiswa/I Universitas Malikussaleh Angkatan 2018. Peritungan yang
dilakukan statisik non parametik ini menggunkan uji peringkat bertanda Wilcoxon
dengan tujuan untuk melihat ada tidaknya perbedaaan nilai antara pretest denga
posttest mahasiswa/I Teknik Industri Universitas Malikussaleh
1.2 Rumusan Masalah

Adapun rumusan masalah yang dapat dirumuskan dalam praktikum modul
VII ini adalah sebagai berikut:
1. Bagaimana ciri-ciri dari Statistik Non parametik?
2. Bagaimana langkah –langkah pada pengujian uji urutan bertanda
Wilcoxon?
3. Bagaimana hasil pengolahann data dari uji peringkat bertanda wilcoxon
terhadap nilai pretest dan posttest Mahasiswa/I Teknik Industri Universitas
Malikussaleh Angkatan 2018?
1.3 Tujuan Masalah

Adapun tujuan praktikum modul VII yang dilakukan adalah sebagai berikut:
1. Untuk mengetahui ciri-ciri dari Statistik non parametik.
2. Untuk mengetahui langkah–langkah pada pengujian uji urutan bertanda
Wilcoxon.
3. Untuk mengetahui hasil pengolahan data dari uji peringkat bertanda
wilcoxon terhadap nilai pretest dan posttest Mahasiswa/I Teknik Industri
3

1.4.1 Batasan Msalah
Adapun yang menjadi batasan masalah dalam pratikum modul VII ini
1. Objek yang diteliti adalah sampel dengan dua perlakuan berbeda yaitu Nilai
Pretest dan Nilai Posttest Mahasiswa/I Teknik Industri Universitas
Malikussaleh Angkatan 2018.
2. Sampel 1 yang diteliti berjumlah 10 operator.
3. Pengujian yang dilakukan hanya menggunakan uji urutan bertanda
Wilcoxon dalam melakukan uji hipotesa.
1.4.2 Asumsi
Adapun asumsi yang dapat dimuat dalam praktikum modul VII ini adalah
sebagai berikut:
1. Mahasiswa/I yang menjawab soal di classroom adalah mahasiswa/i yang
sehat secara jasmani maupun rohani.
2. Data yang diambil dengan melakukan ujian dan pengisian dilakukan dengan
sebenarnya.

Adapun langkah-langkah yang dilakukan untuk memecahkan masalah pada
praktikum modul VII ini adalah sebagai berikut:
1. Menentukan objek yang menjadi bahan penelitian, dalam hal ini objek yang
dipilih Nilai Pretest Pretest dan Posttest Mahasiswa/I Teknik Industri
2. Melakukan percobaan sesuai prosedur yang ditentukan.
3. Mencatat semua data Nilai Pretest dan Posttest dalam form.
4. Hitunglah jumlah masing-masing tanda positif atau negatif untuk uji tanda.
5. Ambil jumlah minimum dari tanda positif atau negative untuk uji
hipotesisnya.
6. Buatlah uji wilcoxon hitung besarnya tanda perbedaan antar pasangan data.
7. Buat peringkat dari setiap perbedaan tanpa melihat tanda.
4
8. Beri tanda pada peringkat yang sudah dibuat, baik positif maupun negatif
kemudian jumlahkan.
9. Ambil dari jumlah minimum dari jumlah peringkat,baik yang bertanda
positif atau negative sebagai nilai hitung.
10. Buat kesimpulan dari uji hipotesisnya.

bab, yaitu sebagai berikut :
BAB I PENDAHULUAN
Merupakan pengantar dalam menguraikan secara singkat mengenai latar
belakang, rumusan masalah, tujuan masalah, batasa masalah, dan
asumsi,langkah-langkah pemecahan masalah dan sistematika penulisan.
Pada bab ini berisi tentang penjelasan konsep dan dasar untuk memecahkan
masalah penelitian dan pedoman untuk pembahasan masalah, antara
Pengertian Statistik Non Parametik, Kenggulan dan Kelemahan dan Metode
Statistik Non Parametik.
Pada bab ini berisikan data-data hasil penelitian yang berhubungan dengan
masalah yang di bahas dan pengolahan data yang berkaitan dengan teori
yang ada,serta analisis dari pengolahan data.
Bab ini berisikan penguraian tentang analisa dan evaluasi berdasarkan hasil
pengumpulan dan pengolahan data.
Pada bab ini berisikan tentang kesimpulan dari distribusi probabilitas dan
saran yang memuat perbaikan pada praktikum yang baik.
BAB II
LANDASAN TEORI
2.1 Pengertian Statistik Non Parametrik

Statistik non parametik merupakan bagian statistik yang parameter
populasinya atau datanya tidak mengikuti suatu distribusi tertentu atau memiliki
distribusi yang bebas dari persyaratan dan variansnya tidak perlu homogen.
Statistika non parametik biasanya digunakan untuk melakukan analisis pada data
berjenis nominal atau ordinal (Syofian, 2010).
Uji statistik non parametrik ialah suatu uji statistik yang tidak memerlukan
adanya asumsi- asumsi mengenai sebaran data populasinya (belum diketahui
sebaran datanya dan tidak perlu berdistribusi normal). Oleh karenanya statistik ini
juga dikemukakan sebagai statistik bebas sebaran (tidak mensyaratkan bentuk
sebaran parameter populasi, baik normal atau tidak). Statistika non parametrik
dapat digunakan untuk menganalisis data yang berskala nominal atau ordinal. Data
berjenis nominal dan ordinal tidak menyebar normal. Dari segi data, pada dasarnya
data berjumlah kecil, yakni kurang dari 30 data (Junaidi, 2010).
Metode statistik non parametrik dipakai apabila peneliti tidak mengetahui
karkteristik kelompok item yang menjadi sumber sampelnya. Metode ini dapat
diterapkan terhadap data yang diukur dengan skala ordinal dan dalam kasus
tertentu, dengan skala nominal. Pengujian non parametrik bermanfaat untuk
digunakan apabila sampelnya kecil dan lebih mudah dihitung dari pada metode
parametrik. Metode non parametrik juga digunakan secara luas guna mengenalisis
data di bidang ilmu sosial (Supranto, 2002).
Metode statistik non parametrik digunakan untuk situasi seperti (Santoso,
2001):
1. Bila hipotesis yang akan diuji tidak melibatkan suatu parameter populasi.
2. Bila asumsi-asumsi yang diperlukan agar penggunaan prosedur parametrik
menjadi sahih tidak terpenuhi.
3. Bila hasil-hasil riset harus segera disajikan dan perhitungan-perhitungan
terpaksa dikerjakan secara manual
4. Bila suatu sampel diambil dari populasi yang tidak berdistribusi normal.
5
6
5. Bila jumlah sampel atau populasi sedikit.

6. Bila garis data yang dianalisis adalah nominal atau ordinal.
2.2 Kelebihan dan Kekurangan Statistik Non Parametrik

Adapun kelebihan dan kekurangan statistik non paramterk adalah sebagai
berikut (Junaidi, 2010):
1. Kelebihan
a. Asumsi dalam uji-uji statistik non parametrik relatif lebih sedikit (lebih
longgar). Jika pengujian data menunjukkan bahwa salah satu atau
beberapa asumsi yang mendasari uji statistik parametrik (misalnya
mengenai sifat distribusi data) tidak terpenuhi, maka statistik non-
parametrik lebih sesuai diterapkan dibandingkan statistik parametrik.
b. Perhitungan-perhitungannya dapat dilaksanakan dengan cepat dan
mudah, sehingga hasil pengkajian segera dapat disampaikan.
c. Untuk memahami konsep-konsep dan metode-metodenya tidak
memerlukan dasar matematika serta statistika yang mendalam.
d. Uji-uji pada statistik non parametrik dapat diterapkan jika kita
menghadapi keterbatasan data yang tersedia, misalnya jika data telah
diukur menggunakan skala pengukuran yang lemah (nominal atau
ordinal).
e. Efisiensi teknik-teknik non parametrik lebih tinggi dibandingkan
dengan metode parametrik untuk jumlah sampel yang sedikit.
2. Kekurangan
a. Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji non
parametrik meskipun lebih cepat dan sederhana, akan menyebabkan
pemborosan informasi.
b. Prinsip perhitungan dalam statistik non parametrik memang relatif lebih
sederhana, namun demikian proses/tahapan perhitungannya seringkali
membutuhkan banyak tenaga serta membosankan.
c. Jika sampel besar, maka tingkat efisiensi non parametrik relatif lebih rendah
dibandingkan dengan metode parametrik.
7
2.3 Metode Statistika Non Parametrik

Adapun bebrapa uji yang digunakan dalam hipotesis statistik non
parametrik adalah sebagai berikut:
1. Uji Tanda (Sign Test)
2. Uji Urutan Bertanda Wilcoxon ( The Signed Rank Test )
3. Uji Korelasi urutan Spearman
4. Uji Mann-Whitney
5. Uji Kruskal-Wallis
6. Uji Median
2.3.1 Uji Tanda (Sign Test)

Uji tanda merupakan uji non parametrik yang digunakan untuk menguji ada
tidaknya perbedaan dari dua buah populasi yang saling berpasangan.Data dalam uji
tanda bersifat ordinal, yakni data yang dianalisis pada uji tanda berupa tanda positif
+ dan tanda negatif − , sedangkan nilai 0 tidak diikutsertakan dalam analisis. Nilai
0 berarti tidak terdapat perubahan sebelum dan sesudah perlakuan (Suyanto &
Prana, 2017).
Adapun syarat-syarat pada uji tanda yang harus dipenuhi adalah sebagai
berikut:
1. Pasangan hasil pengamatan yang sedang dibandingkan bersifat independent
2. Masing-masing pengamatan dalam tiap pasang terjadi karena pengaruh
kondisi yang serupa. Pasangan yang berlainan terjadi karena kondisi yang
berbeda .
Adapun langkah-langkah pengujian dengan uji tanda ialah sebagai berikut:
1. Menentukan formulasinya hipotesis
H0 : Probabilitas terjadinya tanda positif dan probabilitas terjadinya tanda
negatif adalah sama.
H1 : Probabilitas terjadinya tanda positif dan probabilitas terjadinya tanda
negatif adalah berbeda.
2. Menentukan taraf nyata (ɑ)
Pengujian dapat berbentuk satu sisi atau dua sisi
8
a. Pengujian satu sisi

H0 diterima apabila ɑ ≤ probabilitas hasil sampel
H0 ditolak apabila ɑ > probabilitas hasil sampel
b. Pengujian dua sisi
H0 diterima apabila ɑ ≤ 2 kali probabilitas hasil sampel
H0 ditolak apabila ɑ > 2 kali probabilitas hasil sampel
4. Menentukan nilai uji statistik
Menentukan nilai dari probabilitas hasil sampel. (Lihat tabel probabilitas
binomial dengan n, r tertentu dan p=0,05 ) r=jumlah tanda yang terkecil.
5. Membuat kesimpulan.
Menyimpulkan H0 diterima atau ditolak.
Adapun jika sampel n>30 maka rumus untuk sampel besar ( n ≥ 30 ), uji
statistiknya adalah:
2𝑟−𝑛
CR= .............................................................................................. Pers(2.1)
√𝑛
Keterangan :
r = jumlah tanda positif
n = jumlah tanda negatif
2.3.2 Uji Urutan Bertanda Wilcoxon ( The Signed Rank Test )

Uji peringkat bertanda Wilcoxon dikembangkan oleh Frank Wilcoxon. Uji
peringkat bertanda Wilcoxon dan uji tanda sama-sama menguji dua buah populasi
berpasangan. Pada uji tanda hanya memperhatikan arah (direction) dari selisih
untuk setiap pasangan nilai data, sedangkan pada uji Wilcoxon, selain
memperhatikan arah (tanda positif + atau tanda negatif − ) dari selisih untuk setiap
pasangan nilai data, juga mengukur jarak atau besar (magnitude) dari selisih untuk
setiap pasangan nilai data. Oleh karena itu, uji peringkat bertanda Wilcoxon lebih
banyak memberikan informasi dibandingkan uji tanda (Suyanto & Prana, 2017).
Adapun langkah-langkah pengujian hipotesis uji peringkat Wilcoxon adalah
sebagai berikut:
1. Pernyataan hipotesis nol dan hipotesis alternatif
H0 = Program diet tidak memberikan pengaruh terhadap ukuran berat badan
H1 = Program diet memberikan pengaruh terhadap ukuran berat badan
9
2. Menentukan taraf nyata (ɑ)

ɑ = 5% dengan n=10, maka T0,05=8
Ho diterima apabila T0 ≤ T
Ho ditolak apabila T0 > T
4. Menentukan nilai uji statistik (T0)
a. Menentukan tanda beda dan besarnya
b. Mengurutkan bedanya tanpa memperhatikan tanda
1. Angka 1 untuk beda y kecil, dst
2. Jika terdapat beda y sama i, diambil rata-ratanya
3. Beda nol diabaikan
c. Memisahkan tanda baca positif dan negatif
d. Menjumlahkan semua angka positif dan negatif
e. Nilai terkecil dari nilai mutlak hasil penjumlahan merupakan nilai T 0.
5. Membuat Kesimpulan
Selain itu, penyelesaian pada uji peringkat bertanda Wilcoxon dapat
diselesaikan dengan pendekatan normal atau uji statistik 𝑍. Jika ukuran sampel
cukup besar (moderately large), yakni ukuran sampel lebih dari 30, maka
pendekatan normal dapat digunakan.
Nilai statistik dari uji Wilcoxon terlebih dahulu ditransformasi ke dalam
bentuk nilai normal 𝑍 terstandarisasi. Berikut rumus untuk mentransformasi nilai
statistik dari uji Wilcoxon ke dalam bentuk nilai normal 𝑍 terstandarisasi. Dengan
rumus sebagai berikut:
(n)(n+1)
Whitung - 4
Z= ................................................. Pers (2.2)
(n)(n+1)(2n+1)
√
24
Setelah memperoleh nilai normal Z terstandarisasi, kemudian pengambilan

keputusan terhadap hipotesis dapat ditentukan dengan cara membandingkan
probabilitas kumulatif dari nilai normal Z terstandarisasi terhadap tingkat
signifikansi 𝛼 yang digunakan.
10
2.3.3 Uji Korelasi Urutan Spearman

Korelasi berperingkat Spearman merupakan suatu nilai yang mengukur
keeratan suatu hubungan antara dua buah variabel, di mana nilai tersebut dihitung
berdasarkan data ranking yang diperoleh berdasarkan data asli dari masing-masing
variabel. Pada korelasi Pearson, nilai korelasi dihitung dengan menggunakan data
asli, sedangkan nilai korelasi berperingkat Spearman dihitung dengan
menggunakan data ranking yang diperoleh berdasarkan data aslinya (Suyanto &
Prana, 2017).
Adapun rumus untuk menghitung korelasi berperingkat Spearman adalah
sebagai berikut:
6 ∑ ∑ni=1 Di2
Rs = 1 - ..................................................................... Pers(2.3)
(n)(n2 -1)
Keterangan:
rs = nilai korelasi berperingkat Spearman
Di = n nilai selisih dari pasangan nilai data ranking ke-𝑖
n = jumlah elemen dalam sampel.
Setelah diperoleh nilai korelasi berperingkat Spearman (sampel), maka
perlu diuji signifikansi dari korelasi berperingkat Spearman populasi . Untuk
menguji signifikansi dari korelasi berperingkat Spearman populasi, digunakan uji
t.
Adapun rumus untuk menghitung nilai statistik dari uji 𝑡 adalah sebagai
berikut:
rs√n-2
T= ................................................................................... Pers (2.4)
√1-rs2
Nilai statistik dari uji t kemudian dibandingkan dengan dengan nilai kritis t
berdasarkan tabel distribusi t untuk pengambilan keputusan terhadap hipotesis.
Hipotesis nol menyatakan tidak terdapat hubungan yang signifikan secara statistika
antara variabel pertama dan variabel kedua. Secara matematis dinyatakan Ho: ρs =
0.
Hipotesis alternatif menyatakan terdapat hubungan yang signifikan secara
statistika antara variabel pertama dan variabel kedua. Secara matematis dinyatakan
H0 : ρs ≠ 0. Pengambilan keputusan terhadap hipotesis juga dapat dilakukan dengan
11
pendekatan nilai probabilitas dari uji t . Nilai probabilitas dari uji t dibandingkan
dengan tingkat signifikansi yang digunakan 𝛼.
2.3.4 Uji Mann-Whitney

Uji Mann-Whitney merupakan uji non parametrik yang digunakan untuk
menguji ada tidaknya perbedaan dari dua populasi yang saling independen. Uji
Mann-Whitney merupakan alternatif dari uji 𝑡 untuk dua populasi independen
ketika asumsi normalitas populasi tidak terpenuhi (Suyanto & Prana, 2017).
Adapun langkah-langkah pengujian uji Mann-Whitney adalah sebagai
berikut:
1. Menentukan formulasi hipotesis (H0 dan H1 )
2. Menentukan nilai kritis Mann-Whitney Ukritis berdasarkan tabel distribusi
Mann-Whitney.
3. Menghitung nilai statistik dari uji Mann-Whitney
(n1)(n1+1)
U1 = n1n2 + – R1 ....................................................... Pers (2.5)
2
(n2)(n2+1)
U2 = n1n2 + – R2 ....................................................... Pers (2.6)
2
Uhitung = minimum (U1,U2)
4. Pengambilan keputusan terhadap hipotesis.
Berikut aturan pengambilan keputusan terhadap hipotesis
Ho diterima jika Uhitunh < Ukritis
Ho ditolak jika Uhitung > Ukritis
5. Membuat kesimpulan
2.3.5 Uji Kruskal-Wallis

Pada uji Mann-Whitney hanya menguji dua populasi independen,
sedangkan pada uji Kruskal-Wallis menguji tiga atau lebih populasi independen.
Tiga atau lebih sampel independen diuji apakah berasal dari populasi-populasi yang
memiliki kesamaan rata-rata atau tidak. Uji Kruskal-Wallis merupakan alternatif
dari analisis varians satu arah jika asumsi normalitas dari populasi populasi yang
diteliti tidak dipenuhi. Hipotesis nol pada uji Kruskal-Wallis menyatakan tiga atau
lebih sampel independen berasal dari populasi-populasi yang memiliki kesamaan
12
rata-rata. Hipotesis alternatif menyatakan terdapat paling sedikit sepasang rata-rata

populasi yang berbeda (Suyanto & Prana, 2017).
Adapun rumus untuk menghitung nilai statistik dari uji Kruskal-Wallis
2 2 2
12 R1 R2 Rk
H=
N(n+1)
[ n1
+
n2
…+
nk
] ............................................ Pers (2.7)
Keterangan:
ni = jumlah elemen sampel ke-𝑖
N = jumlah elemen dari seluruh sampel, yakni 𝑁 = 𝑛1 + 𝑛2 + ⋯ + 𝑛𝑘
Ri= jumlah ranking dari sampel ke- 𝑖.
Untuk pengambilan keputusan terhadap hipotesis, dapat dilakukan dengan
membandingkan nilai statistik dari uji Kruskal-Wallis terhadap nilai kritis chi-
kuadrat 𝜒2 kritis.
2.3.6 Uji Median

Uji median adalah metode non parametrik yang paling sederhana. Uji
median ini adalah merupakan prosedur pengujian apakah dua atau lebih populasi
dari mana sampel independen diambil mempunyai median yang sama. Untuk
menyederhanakannya hanya akan dibatasi pada dua sampel saja (sebenarnya
prosedur ini dapat dengan mudah diperluas untuk tiga sampel atau lebih). Uji non
parametrik ini dipergunakan untuk menentukan signifikansi perbedaan antara
median dari dua populasi yang independen. Hipotesa nihil yang akan diuji
menyatakan bahwa populasi dari mana dua sampel itu diambil mempunyai median
yang sama. Hipotesa alternatifnya menyatakan bahwa dua populasi itu mempunyai
median yang berbeda.
Asumsi yang diperlukan dalam uji Median ini adalah sebagai berikut
(Nugroho, 2008):
1. Tiap contoh merupakan contoh acak.
2. Contoh-contoh tersebut saling bebas.
3. Skala pengukuran sedikitnya ordinal.
13
4. Jika semua populasi memiliki median yang sama, maka semua populasi
memiliki peluang suatu amatan lebih besar dari median keseluruhan yang
sama pula.
Adapun rumus statistik uji yang digunakan adalah sebagai berikut:
ni a
N2 (OIt- N )2
T = ∑ci=1 .................................................................. Pers (2.8)
ab ni
BAB III

Data dikumpulkan dengan menggunakan metode sampling, yakni data
pengamatan nilai pretest dan postest 10 Mahasiswa Teknik Industri 2018 berasal
dari pengambilan beberapa sampel mahasiswa Universitas Malikussaleh dari
jurusan Teknik Industri 2018 melalui simple random sampling.

1. Alat dan Bahan
1. Alat tulis
2. Form pengisian data
1. Menentukan objek yang menjadi bahan penelitian dalam hal ini objek
yang dipilih ialah nilai pretest dan posttest .
2. Melakukan percobaan sesuai prosedur yang ditentukan.
3. Mencatat semua data denyut nadi dalam satu menit yang diperoleh dari
masing-masing sampel kedalam form.
4. Hitung jumlah dari masing-masing tanda positif dan negatif pada uji
tanda
5. Ambil jumlah minimum dari tanda positif atau negatif untuk uji
hipotesisnya.
6. Buatlah uji Wilcoxon, hitung besarnya tanda perbedaan antara pasangan
data.
7. Buat peringkat dari setiap perbedaan tanpa melihat tanda
8. Beri tanda pada peringkat yang sudah dibuat baik positif atau negatif,
kemudian jumlahkan.
14
15
9. Ambil jumlah minimum dari jumlah peringkat baik yang bertanda

positif atau negatif sebagai nilai hitung T.
10. Buatlah kesimpulan setiap uji hipotesisnya

Berdasarkan hasil ujian pretest dan ujian posttest adalah sebagai berikut:
Tabel 3.1 Nilai Pretest dan Posttest Praktikum Statistik 10 Mahasiswa
Teknik Industri 2018
No Nama NIM Nilai Pretest Nilai Postest
1 Maulana 180130126 57 80
2 Fhonna Azzahra 180130125 81 90
3 Rian Kurniawan 180130103 70 90
6 Andini Khirunisyah Siregar 180130013 68 95
7 M. Saptariawan 180130040 55 80
8 Yoga Trisyiam 180130071 64 95
9 M. Alfi Syahri 180130086 40 80
10 Sarah Hayati 180130105 67 100
3.2 Pengolahan Data

3.2.1 Perhitungan Dengan Menggunakan Uji Tanda
Berdasarkan data yang telah dikumpulkan, maka selanjutnya akan
diuraikan proses penentuan tanda selisih nilai pretest dan nilai . Perhitungannya
dapat diihat pada tabel di bawah ini.
Tabel 3.2 Perhitungan Uji Tanda Nilai Pretest dan Posttest Praktikum
Satatistik 10 Mahasiswa Teknik Industri Angkatan 2018
Nilai
Beda
No Pretest Postest Tanda
( Y-X)
(X) (Y)
1 57 80 23 +
2 81 90 9 +
3 70 90 20 +
4 90 95 5 +
5 81 95 14 +
6 68 95 27 +
7 55 80 25 +
8 64 95 31 +
9 40 80 40 +
10 67 100 33 +
Jumlah 673 900
16
Pada uji ini selain memperhatikan tanda perbedaan positif atu negatif juga
memperhatikan besarnya beda antara data pasangan yang diambil dari sampel. Dari
tabel perhitungan data di atas maka tahapan penyelesaian uji hipotesisnya adalah
sebagai berikut:
1. Formulasi hipotesis
H0 : p = 0,5 (Tidak terdapat perbedaaan antara nilai pretest dan postest)
H1 : p = 0,5 (Terdapat perbedaan antara nilai pretest dan postest)
2. Menentukan taraf nyata α =5%
3. Kriteria pengujian,
Ho diterima apabila α ≤ probabilitas hasil sampel
Ho ditolak apabila α > probabilitas hasil sampel
4. Nilai uji statistik,
n = 10, r = 0, p = 0,5
5. Perhitungan data keputusannya adalah menentukan probabilitas kumulatif
dari distribusi binomial dengan n = 10, r = 0, p = 0,5, maka:
Fb (10; 0; 0,5) = ∑0r=0 Cnr Pr (1-P)n-r
= C010 (0,5)0 (0,5)10-0
10!
= 0!(10-0)! (1) (0,5)10
= (1) (1) (0.000977)

= 0,000977
Hasil diatas menunjukkan bahwa jika tidak terdapat perbedaan performa
antara nilai Pretest dan Postets, didapat peluangnya adalah 0,000977% atau
tidak ada sama sekali karena tidak terdapat nilai negatif dari 10 observasi.
6. Pengambilan keputusan secara statistik:
Dari perhitungan diperoleh bahwa α (0,01) > probabilitas hasil sampel
(0,000977) sehingga aturan keputusan H0 ditolak. Artinya, dengan tingkat
kepentingan 1% atau tingkat kepercayaan 99% dari data yang diperoleh kita
dapat mengatakan jika terdapat perbedaan antara nilai pretest dan postest.
17
3.2.2 Perhitungan dengan Menggunakan Uji Wilcoxon

Berdasarkan data yang telah dikumpulkan, maka selanjutnya akan
diuraikan proses penentuan tanda peringkat, rating dan selisih nilai pretest dan
nilai postest. Perhitungannya dapat diihat pada Tabel 3.2 Berikut ini
Tabel 3.3. Perhitungan Uji Wilcoxon Nilai Pretest dan Nilai Posttest 10
Mahasiswa Teknik Industri 2018
Nilai Peringkat Bertanda
Beda
No Pretest Postest Peringkat
( Y-X) Positif Negatif
(X) (Y)
1 57 80 23 5 +5 -
2 81 90 9 2 +2 -
3 70 90 20 4 +4 -
4 90 95 5 1 +1 -
5 81 95 14 3 +3 -
6 68 95 27 7 +7 -
7 55 80 25 6 +6 -
8 64 95 31 8 +8 -
9 40 80 40 10 +10 -
10 67 100 33 9 +9 -
Jumlah 673 900 227 55 0
Pada uji ini selain memperhatikan tanda perbedaan positif atau negatif juga
memperhatikan besarnya beda antara data pasangan yang diambil dari sampel. Dari
tabel perhitungan data di atas maka tahapan penyelesaian uji hipotesisnya adalah
sebagai berikut:
1. Menentukan formulasi hipotesis
H0 = Tidak terdapat perbedaan antara nilai pretest dan postest
H1 = Terdapat perbedaan antara nilai pretest dan postestMenentukan taraf
nyata (α)
2. Menentukan Taraf Nyata (α)
α = 5% dengan n = 10, maka diperoleh nilai kritis wilcoxon untuk uji dua arah
sebesar (T0,05) = 8.
3. Menentukan kriteria pengujian.
H0 diterima apabila T0 > T
H0 ditolak apabila T0 < T
18
4. Menentukan nilai uji statistik (T0)

Sesuai dengan jenis ujinya, uji peringkat bertanda wilcoxon menggunakan
tabel T maka dari tabel perhitungan terlihat bahwa Thitung = harga mutlak
jumlah angka peringkat negatif = 0.
5. Pengambilan keputusan secara statistik:
Karena T0 < T0,05 (0 < 8) maka H0 ditolak.
Hasil ini menunjukkan bahwa dengan tingkat kepentingan 5% dari data
yang diperoleh kita dapat mengatakan bahwa ada perbedaan nilai pretest dan
nilai postest.
3.3 Pengolahan Data dengan Menggunakan Software SPSS

3.3.1 Input Data Pada Uji Tanda
1. Buka program aplikasi SPSS
2. Pilih Variabel view. Isi data pada variabel view sesuai kebutuhan yang
diinginkan.

3. Pilih Data view. Isi data pada data view sesuai kebutuhan yang diinginkan.
19
4. Pilih Analyze > Nonparametric Tests > Legacy Dialogs > 2 Related
Samples
5. Pindahkan Nilai Pretest ke kolom Test Pairs, kemudian pindahkan Nilai

Postest ke kolom Test Pairs. Klik Sign pada kolom Test type Klik OK.
20
3.3.2 Output Data Pada Uji Tanda

Berikut ini adalah Output data dari hasil input data menggunakan SPSS.
1. Output Data dari Analyze > Nonparametric Tests > Legacy Dialogs > 2
Related Samples
Gambar 3.5 Output Data (1)

21

BAB IV
4.1 Analisis Data

Berdasarkan hadil pengolaha data pada bab sebelumnya, maka diperoleh
hasil analisis data sebgai berikut:
1. Hasil pengukuran nilai pretest dan nilai postest dari 10 sampel. Pada Tabel
perhitungan untuk uji tanda, nilai perbedaan diperoleh melalui selisih antara
nilai pretest dan nilai postest. Kesepuluh sampel memiliki harga mutlak
yang bernilai positif 55 dan negatif 0. Pada pengujian ini tidak dilakukan
perhitungan rangking. Pada pencacahan tanda diketahui bahwa banyaknya
tanda positif (R) adalah 55 dan tanda negatif (r) adalah 0. Nilai tingkat
kepentingannya adalah 0,05 dan hasil dari perhitungan probabilitas hasil
sampel adalah 0,000977 sehingga aturan keputusan H0 ditolak yang berarti
ada perbedaan antar nilai pretest dan nilai postest.
2. Pada tabel perhitungan untuk uji bertanda Wilcoxon, nilai perbedaaan
diperoleh melalui selisih antara nilai pretest dan nilai postest. Kesepuluh
sampel memiliki harga mutlak yang bernilai positif 55 dan negatif 0. Dari
nilai harga mutlak perbedaan yang diperoleh dari tiap sampel, maka
kemudian dapat ditentukan peringkat. Nilai peringkat diperoleh dari nilai
terkecil sampai terbesar. Apabila sampel memiliki nilai harga mutlak
perbedaan yang sama, maka nilai peringkat dijumlahkan dan dibagi dengan
jumlah sampel yang sama. Dengan nilai Tcr yaitu 8 dan T hitung atau harga
mutlak terkecil sebesar 0 maka diperoleh kesimpulan H0 ditolak yang berarti
ada perbedaan antara nilai pretest dan nilai postest.
3. Pengolahan dengan menggunakan SPSS dilakukan dengan membuka
program aplikasi SPSS, Pilih variabel view lalu isi data pada variabel view,
pilih data view lalu isi data pada data view, pilih Analyze lalu Nonparametric
Tests kemudian Legacy Dialogs dan pilih 2 Related Samples, pindahkan
nilai pretest ke kolom Test Pairs, kemudian pindahkan nilai postest ke
kolom Test Pairs. Klik Sign dan Wilcoxon pada klom Test type lalu klik OK.
22
23
4.2 Evaluasi Data

Setelah hasil analisis data diperoleh, maka dilakukanlah evaluasi. Dari hasil
uji tanda diperoleh α (= 0,05) > probabilitas hasil sampel (0,000977) sehingga
aturan keputusan H0 ditolak. Dari hasil uji bertanda wilcoxon diperoleh nilai T hitung
> Ttabel, yaitu 0 ≤ 8 yang berarti bahwa H0 ditolak. Dengan demikian diperoleh
bahwa ada perbedaan antara nilai prestest dan nilai postes. Adapun hasil
perbandingan antara perhitungan secara manual dengan menggunakan SPSS adalah
sama yaitu jumlah data observasi adalah 10 dengan nilai negatif 0 dan nilai positif
berjumlah 55. Pada pengolahan data menngunakan SPSS uji peringkat bertanda
wilcoxon diperoleh hasil penjumlahan rangking atau T hitung yaitu 55 serta N atau
Ttabel yaitu 0 yang berarti sama dengan pengolahan secara manual.
BAB V
5.1 Kesimpulan
Adapun kesimpulan yang dapat diambil pada praktikum modul VII ini
tentang statistik non parametrik adalah sebagai berikut :
1. Adapun ciri-ciri statistik non parametik adalah data tidak berdistribusi
normal, biasanya data berskala nominal dan ordinal, biasanya dilakukan
pada penelitian sosial, biasanya jumlah sampel sedikit.
2. Tahapan-tahapan menentukan nilai uji statistik adalah menentukan tanda
beda dan besarnya, mengurutkan bedanya tanpa memerhatikan tanda,
memisahkan tanda positif dan tanda negatif, menjumlahkan semua angka
positif dan negatif, nilai terkecil dari nilai mutlak hasil penjumlahan
merupakan nilai uji statistik.
3. Adapun pada tabel perhitungan untuk uji bertanda wilcoxon, nilai perbedaan
di peroleh melalui selisih antara nilai pretest dan postest. Kesepuluh sampel
memiliki harga mutlak yang bernilai positif. Dari nilai harga mutlak
perbedaan yang diperoleh dari tiap sampel, maka kemudian dapat
ditentukan peringkat. Nilai peringkat diperoleh dari nilai terkecil sampai
terbesar. Dengan Thitung atau harga mutlak terkecil sebesar 0 dan Ttabel yaitu
10 maka diperoleh kesimpulan H0 ditolak dan H1 yang berarti ada perbedaan
antara nilai pretest dan posttest praktikum statistik Mahasiswa Teknik
Industri Angkatan 2018.
5.2 Saran
Adapun saran yang ingin kami ajukan pada praktikum modul VII tentang
statistik non parametrik adalah sebagai berikut :
1. Dalam proses pembuatan laporan, sebaiknya seluruh anggota kelompok
dapat bekerjasama agar menjadi bekal bagi mereka di kemudian hari.
2. Sebaiknya para praktikan disuruh banyak membaca referensi dari sumber
lain agar mendapatkan tambahan informasi menyangkut pembahasan
24
25
3. praktikum ini serta tidak berpatokan pada hanya satu sumber tanpa
mempertimbangkan sumber yang lain.
4. Sebaiknya para peserta praktikum terlebih dahulu diajarkan tentang
software SPSS karna banyak dari para peserta yang belum mengerti tentang
SPSS.
DAFTAR PUSTAKA
Andi,S.1998. Statistik Non Parametrik Untuk Ilmu-Ilmu Sosial. Jakarta: Gramedia

Hasan, M. Iqbal. 2003. Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif). Edisi
Kedua. Jakarta :Bumi Aksara
Sarwoko.2007. Biostatistika Untuk Kedokteran dan Kesehatan Masyarakat. Jakarta
: Buku Kedokteran EGC
Siegel,S. 1997. Statistik Nonparametrikuntuk Ilmu-Ilmu Sosial. Jakarta: Gramedia
Hasan Ikbal, 2003. Pokok-pokok Materi Statistik II. Jakarta: Bumi Aksara
Herinaldi. 2005. Prinsip-prinsip Statistik unyuk Teknik dan Sains. Jakarta: Erlangga
LAMPIRAN
Data Nilai Postest Dan Pretest 10 Mahasisw/i Teknik Industri 2018

zNo Nama NIM Nilai Pretest Nilai Postest
1 Maulana 180130126 57 80
2 Fhonna Azzahra 180130125 81 90
3 Rian Kurniawan 180130103 70 90
6 Andini Khirunisyah Siregar 180130013 68 95
7 M. Saptariawan 180130040 55 80
8 Yoga Trisyiam 180130071 64 95
9 M. Alfi Syahri 180130086 40 80
10 Sarah Hayati 180130105 67 100
Diperiksa oleh,
Afifah Dian Utami

NIM. 170130003

Laporan Statistik Kelompok 14 Done

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laporan Statistik Kelompok 14 Done

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM STATISTIK

Diajukan Sebagai Syarat Kelulusan Praktikum Statistik

Diajukan Sebagai Syarat Kelulusan Praktikum Statistik

Disetujui Oleh, Diperiksa Oleh,

Fatimah, ST.,MT Afifah Dian Utami

Dr. Trisna, ST., M.Eng

Simalungun, 04 Desember 2020

MODUL I DISTRIBUSI FREKUENSI

2. 10/ 10 – 2020 - Perbaiki tata tulis

- Perbaiki perhitungan manual

4. 11/ 10 – 2020 - Perbaiki BAB V

5. 11/ 10 – 2020 ACC JILID

Mengetahui, Diperiksa Oleh,

Fatimah, ST., MT Afifah Dian Utami

Simalungun, 15 Oktober 2020

BAB II LANDASAN TEORI

BAB III METODE

BAB IV ANALISIS DAN EVALUASI

BAB V KESIMPULAN DAN SARAN

1.1 Latar Belakang

1.2 Rumusan Masalah

1.3 Tujuan Masalah

1.4 Batasan Masalah dan Asumsi

1.5 Langkah-langkah Pemecahan Masalah

1.6 Sistematika Penulisan

Bab ini berisikan tentang analisis data dan evaluasi data.

2.1 Distribusi Frekuensi

2.1.1 Penyusunan distribusi frekuensi Distribusi frekuensi dapat dibuat dengan

5. Menentukan batas bawah kelas pertama. Batas bawah kelas pertama

2.2 Jenis Jenis Distribusi Frekuensi

Tabel 2.1 Frekuensi relatif (Lanjutan)

2.2.2 Distribusi Frekuensi Kumulatif

Pada dasarnya histogram dibuat untuk memastikan bahwa setip keterangan

2.4 Poligon Frekuensi

2.5 Grafik Frekuensi kumulatif

poligon. Perbedaannya hanyalah pada nilai frekuensinya. Frekuensi kumulatif

2.6 Mean (rata-rata hitung)

2.6.1 Mean Aritmetik

1. Susunlah data menurut urutannya.

Tb = Tepi bawah kuartil ke-i.

Berikut adalah beberapa langkah yang dapat dilakukan untuk mendapatkan

Tb = Tepi bawah persentil ke-i.

3.1 Pengumpulan Data

3.1.2 Prosedur Praktikum

3.1.3 Data Pengamatan

3.2 Pengolahan Data

Untuk mempermudah dalam pengolahan data, maka data hasil pengamatan

3.3 Menentukan Nilai Frekuensi

R = data yang paling tinggi – data yang paling rendah

3.4 Frekuensi Relatif

Tabel 3.4 Tabel Nilai Frekuensi Relatif

3.4.1 Frekuensi Kumulatif

Tabel 3.5 Tabel Nilai Frekuensi Kumulatif

3.4.2 Penyajian Data Dalam Bentuk Grafik

Nilai Bahasa Indonesia Kelas X 100

Gambar 3.1 Grafik Histogram dan Polygon Distribusi Frekuensi Nilai

3.4.3 Menentukan Rata-rata, Median, Modus, Simpangan Baku

4. Nilai simpangan baku

1 70 – 73 2 71,5 143 -14,6 213,16 426,32

Menghitung Standar Deviasi (σ)

3.4.4 Menentukan Kuartil, Desil, dan Persentil

3.5 Pengolahan Data dengan SPSS

3.5.1 Input Data