Ahmad - Modul 1 PDF
Ahmad - Modul 1 PDF
OLEH
NAMA : AHMAD FITRAH ANNUR
STAMBUK : D071211005
KELOMPOK : III
DAFTAR ISI
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 2
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR TABEL
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 3
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR GAMBAR
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 4
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR RUMUS
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 5
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB I
PENDAHULUAN
1.1 Latar Belakang
Statistik relatif mudah dibandingkan dengan matematika, saat ini statistik
berkembang sangat pesat, terutama dalam lima puluh tahun terakhir. Berbicara
tentang statistik, maka yang akan muncul dalam pemikiran manusia ialah yang
berhubungan dengan data. Memang tak dapat dipungkiri bahwa statistika adalah
ilmu yang senantiasa berhubungan dengan data, sebab pada statistika mempelajari
bagaimana teknik pengumpulan data, pengelompokan data, dan bagaimana
mengolah data tersebut menuju suatu kesimpulan yang tepat sehingga dapat
diinterpretasikan dan menjadi sumber informasi yang bermanfaat (Akbar &
Tsoraya, 2019).
Dalam statistika, analisis dibagi menjadi dua kelompok besar yakni
analisis data secara kualitatif dan kuantitatif. Sedangkan analisis kuantitatif dibagi
lagi menjadi dua yakni deskriptif dan inferensial. Statistik deskriptif akan berhenti
pada penggambaran data yang dihasilkan untuk memudahkan pembaca
menginterpretasikan data yang ada. Namun, jika analisis dilanjutkan ke arah
inferensial, itu menggeneralisasi tentang populasi dan memberikan peluang untuk
menciptakan teori atau pengetahuan baru. Statistika deskriptif sesuai definisinya
merupakan salah satu metode statistika yang berkaitan untuk pengumpulan dan
penyajian sehingga dapat memberikan informasi yang berguna. Memberikan
informasi yang berguna disini dimaksudkan bahwa penyajiannya akan
memudahkan pembaca atau pengguna informasi untuk dapat membaca dan
memanfaatkan data secara lebih mudah. Beberapa bentuk deskriptif dari data
dapat dibuat berdasarkan kebutuhan dan optimalnya sebuah informasi. Peneliti
dapat menentukan jenis deskripsi seperti apa yang akan dibuat sehingga data dapat
menggambarkan informasi yang berguna dan mudah dicerna (Martias, 2021).
Pada modul ini, akan membahas mengenai definisi dari statistik, statistika
maupun statistik deskriptif. Selain itu di modul ini akan dibahas mengenai apa-
apa saja yang mencakup dalam statistik deskriptif seperti ukuran pemusatan data
serta ukuran penyebaran data. Dalam modul ini juga akan dilihat pula studi kasus
pada data 100 rsponden yang berkunjung ke pantai Akkarena Makassar pada
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 1
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
maret 2023 yang akan dilakukan penelitian terhadap tingkat kepuasan pengunjung
yang dikerjakan dengan menggunakan software seperti SPSS dan excel.
1.2 Rumusan Masalah
a. Bagaimana teknik pengambilan data dalam memperoleh data?
b. Bagaimana cara pengolahan jenis-jenis ukuran data yang dapat
menggambarkan sifat-sifat dasar kumpulan data?
c. Bagaimana cara menginterprestasikan pengolahan data pada statistik
deskriptif?
d. Bagaimana perbedaan hasil pengolahan data manual dengan menggunakan
software?
1.3 Tujuan Praktikum
a. Praktikan dapat memahami data yang baik dan benar serta cara
memperolehnya.
b. Praktikan dapat memahami konsep pengukuran pemusatan dan penyebaran
data.
c. Praktikan dapat mengetahui dan menyajikan data yang baik dan benar.
d. Praktikan dapat melakukan pengolahan data secara manual maupun
menggunakan software
1.4 Batasan Masalah
Praktikum ini dilakukan di Laboratorium Statistik dan Manajemen Mutu
Departemen Teknik Industri Fakultas Teknik Universitas Hasanuddin. Data yang
diolah adalah data primer yang diambil dari beberapa tempat yang telah
ditentukan sebelumnya dan dijalankan sesuai arahan dari asisten laboratorium.
BAB II
TEORI DASAR
2.1 Statistik dan Statistika
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 2
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 3
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 4
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 5
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 6
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 7
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 8
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Data sekunder adalah data yang tidak diperoleh langsung dari objek yang
ingin diketahui karakteristiknya, melainkan dari sumber lain yang telah
mengumpulkannya terlebih dahulu.
h. Data Kuantitatif (Data Numerik)
Data kuantitatif adalah karakteristik suatu variabel yang nilai-nilainya
dinyatakan dalam bentuk numerik. Data kuantitatif menjelaskan suatu
keadaan dengan menggunakan angka.
i. Data Kualitatif (Data Kategorik)
Data kualitatif adalah karakteristik suatu variabel yang nilai-nilainya
dinyatakan dalam bentuk non-numerik atau atribut-atribut.
j. Data Diskret
Data diskret adalah karakteristik suatu variabel yang berasal dari proses
pencacahan (counting) dan berupa bilangan bulat.
k. Data Kontinu
Data kontinu adalah karakteristik suatu variabel yang berasal dari proses
pengukuran (measurement) dan nilai-nilainya berada dalam suatu interval
atau rentang tertentu. Nilai-nilai data kontinu dapat berupa bilangan pecahan
yang tak terhingga banyaknya.
l. Skala Nominal
Skala nominal adalah data yang dihimpun dapat dibedakan menjadi
beberapa kategori tanpa memperhatikan urutan tertentu.
m. Skala Ordinal
Skala ordinal adalah data yang dihimpun dapat dibedakan menjadi beberapa
kategori yang berbeda dengan memperhatikan urutan.
n. Skala Interval
Skala interval adalah data yang dihimpun dapat diletakkan dalam skala
dengan jarak (interval) antara dua titik skala diketahui dan skala tersebut
tidak memiliki titik nol mutlak (titik pusat).
o. Skala Rasio
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 9
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Skala rasio adalah data yang dihimpun dapat diletakkan dalam skala dengan
jarak antara dua titik skala diketahui dan skala tersebut memiliki titik nol
mutlak.
(Harlan, 2004)
2.4 Syarat Data Yang Baik
Data merupakan kumpulan fakta yang diperoleh dari suatu pengukuran. Suatu
pengambilan keputusan yang baik merupakan hasil dari penarikan kesimpulan
yang didasarkan pada data yang akurat. Untuk mendapatkan data yang akurat
diperlukan suatu syarat agar data dapat dianalisis dan ditafsirkan dengan baik.
Berikut merupakan syarat data yang baik (dalam Aditya, 2013) diantaranya :
a. Obyektif
Data yang diperoleh dari lapangan/hasil pengukuran, harus ditampilkan dan
dilaporkan apa adanya. Misalnya apabila sebuah penelitian, jumlah lulusan
SMP yang melanjutkan ke SMA 60% data yang akan dilaporkan harus 60%,
contoh lainnya hasil produksi yang turun tetapi dilaporkan naik, harga
bawang merah Rp 10.000,00 per kg dilaporkan Rp 7.000,00 per kg,
walaupun ada tanda bukti kuitansi, namun data ini tetap tidak objektif.
b. Relevan
Dalam mengumpulkan dan menampilkan Data harus sesuai dengan
permasalahan yang sedang dihadapi atau diteliti. Misalnya kita ingin
mengetahui penyebab hasil penjualan barang menurun maka data yang
dianggap relevan untuk dikumpulkan adalah mutu barang, daya beli,
pesaing, barang lain yang sejenis, harga barang, biaya advertensi, contoh
lainnya pemerintah mengetahui adanya kemerosotan dalam produksi padi
selama beberapa tahun terakhir. Untuk memecahkan masalah ini, yaitu
untuk mencegah agar produksi padi tidak merosot terus, maka perlu
diketahui faktor-faktor yang menyebabkan kemerosotan tersebut. Untuk itu
diperlukan data yang relevan, misalnya data pemupukan (jumlahnya
mungkin kurang, penyalurannya yang kurang lancar, dan sebagainya),
kondisi benih (unggul atau tidak), luas areal penanaman (mungkin sudah
ada yang alih fungsi menjadi areal pemukiman), curah hujan, hama dan lain-
lain.
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 10
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
c. Up to Date
Data tidak boleh usang atau ketinggalan jaman, karena itu harus selalu
menyesuaikan perkembangan. Apabila data akan dipergunakan untuk
melakukan pengendalian atau evaluasi, maka syarat tepat waktu ini penting
sekali agar sempat dilakukan penyesuaian atau koreksi seperlunya kalau ada
kesalahan atau penyimpangan yang terjadi di dalam implementasi suatu
perencanaan.
d. Representatif
Data harus diperoleh dari sumber yang tepat dan dapat menggambarkan
kondisi senyatanya atau mewakili suatu kelompok tertentu atau populasi.
Misalnya kita ingin mengetahui minat baca masyarakat maka yang harus
diteliti adalah siswa SD, siswa SMP, siswa SMA, mahasiswa dan umum,
contoh lainnya jika laporan produksi padi dari suatu daerah hanya
didasarkan atas hasil sawah–sawah subur saja, ini jelas tidak mewakili,
laporan konsumsi susunan dari golongan orang kaya tanpa memasukkan
golongan yang menengah kebawah jelas datanya tidak mewakili atau
menggambarkan keadaan dari populasi atau konsumsi susu secara
keseluruhan oleh masyarakat.
e. Dapat Dipercaya
Sumber data (narasumber) harus diperoleh dari sumber yang tepat. Misalnya
data tentang harga sayur diambil dari tukang sayur, data tentang pencari
kerja diambil dari DEPNAKER, dan sebagainya.
2.5 Teknik Pengumpulan Data dan Sampel
Menurut Sugiyono (2003), dalam mengumpulkan data, diperlukan
metode-metode khusus sesuai dengan data variabel yang ingin dikumpulkan. Ada
beberapa metode dalam melakukan pengumpulan data yaitu :
a. Observasi
Pengamatan melibatkan semua indera (penglihatan, pendengaran,
penciuman, pembau, perasa)
b. Wawancara
Wawancara terbagi menjadi :
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 11
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 12
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 13
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 14
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 15
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
(Nuryadi, 2017)
c. Contoh
1) Data Tunggal
Sebuah data yang memiliki komponen:
15 15 40 45 50 60 65 65 70 70 70 75 75 80 80 80 90 90 95 95
Maka mean atau nilai rata-ratanya adalah sebagai berikut :
15 + 15 + 40 + 45 + 50 + 60 + 65 + 65 + 70 + 70 +
x̅ = 70 + 75 + 75 + 80 + 80 + 80 + 90 + 90 + 95 + 95
20
1325
x̅ =
20
x̅ = 66,25
2) Data Kelompok
Tabel 2.3 Tinggi badan mahasiswa teknik
Tinggi Badan
Range Frekuensi
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
Maka mean atau nilai rata-ratanya adalah sebagai berikut
Tabel 2.4 Hasil perhitungan tinggi badan mahasiswa teknik
Tinggi Badan
Xi Frekuensi x Xi
Range Frekuensi
145-149 3 147 441
150-154 12 152 1824
155-159 14 157 2198
160-164 8 162 1296
165-169 3 167 501
Jumlah 40 6260
6260
x̅ = = 156,5
40
2.7.2 Median
a. Definisi
Median merupakan nilai tengah dari sekelompok data yang nilainya
disusun dari yang terkecil ke terbesar. (Nuryadi, 2017)
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 17
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
b. Rumus
1) Data Tunggal
a) Bila jumlah data ganjil, maka median adalah nilai data
ke :
n+1
2
b) Bila jumlah data genap, maka median adalah nilai di
antara data ke :
n n
dan + 1
2 2
Diambil rata-rata
2) Data Kelompok
1
n − ∑ fsme
Me = Tb + (2 ).p
fme
Keterangan :
Tb = Tepi bawah
P = Panjang kelas
(Nuryadi, 2017)
c. Contoh
1) Data Tunggal
Sebuah data yang memiliki komponen :
15 15 40 45 50 60 65 65 70 70 70 75 75 80 80 80 90 90 95 95
Maka median atau nilai tengah-nya adalah sebagai berikut :
Nilai tengah berada di data ke-10 dan ke-11 yaitu 70 dan 70,
maka median adalah
70 + 70
Me =
2
140
Me =
2
Me = 70
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 18
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2) Data Kelompok
Tabel 2.5 Tinggi badan mahasiswa teknik
Tinggi Badan
Range Frekuensi
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
1
n − ∑ fsme
Me = Tb + (2 ).p
fme
1
40 − 15
Me = 154,5 + (2 ). 5
14
20 − 15
Me = 154,5 + ( ).5
14
Me = 156,28
2.7.3 Modus
a. Definisi
Modus merupakan nilai yang paling sering muncul (frekuensi
terbesar) dari seperangkat data atau observasi. (Nuryadi, 2017)
b. Rumus
1) Data Tunggal
Mengambil nilai yang sering muncul
2) Data Kelompok
d1
Mo = Tb + ( ).p
d1 + d2
(Nuryadi, 2017)
c. Contoh
1) Data Tunggal
Sebuah data yang memiliki komponen :
15 15 40 45 50 60 65 65 70 70 70 75 75 80 80 80 90 90 95 95
Maka modus atau nilai yang sering muncul adalah 70 dan 80
2) Data Kelompok
Tabel 2.6 Tinggi badan mahasiswa teknik
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 19
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Tinggi Badan
Range Frekuensi
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
2
Mo = 154,5 + ( ).5
2+6
Mo = 154,5 + 0,25 . 5
Mo = 155,74
2.7.4 Kuartil
a. Definisi
Kuartil adalah ukuran letak yang membagi data observasi menjadi
empat bagian yang sama banyak. Oleh karena itu masing-masing
bagian mengandung 25% data observasi. (Nuryadi, 2017)
b. Rumus
N+1
1) Letak K1 = 4
2 (N+1)
2) Letak K2 = 4
3 (N+1)
3) Letak K3 = 4
(Nuryadi, 2017)
c. Contoh
1) Data Tunggal
Sebuah data yang memiliki komponen :
15, 15, 40, 45, 50, 60, 65, 65, 70, 70, 70, 75, 75, 80, 80, 80, 90,
90, 95, 95
Tentukan K1, K2, K3!
Jawab :
20+1
a) Letak K1 = = 5,25
4
Data ke-5,25
Dengan interpolasi diperoleh :
K1 = 5 + 0,25(X6 − X5 )
K1 = 5 + 0,25(60 − 50)
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 20
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
K1 = 7,5
2(20+1)
b) Letak K2 = = 10,25
4
Data ke-10,25
Dengan interpolasi diperoleh :
K 2 = 10 + 0,25(X11 − X10 )
K 2 = 10 + 0,25(70 − 70)
K 2 = 10
3(20+1)
c) Letak K3 = = 15,25
4
Data ke-15,75
Dengan interpolasi diperoleh :
K 3 = 15 + 0,75(X16 − X15 )
K 3 = 15 + 0,75(80 − 80)
K 3 = 15
2) Data Kelompok
Tabel 2.7 Tinggi badan mahasiswa teknik
Tinggi Badan
Range Frekuensi
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
i
(4 n − ∑ f−i )
K t = Tbi + .p
fi
(10−3)
a) K1 = 148,5 + 12
.5
K1 = 152,41
(20−15)
b) K 2 = 154,5 + 14
.5
K 2 = 156,28
(30−29)
c) K 3 = 159,5 +
8
.5
K 2 = 160,125
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 21
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2.7.5 Desil
a. Definisi
Desil adalah ukuran letak yang membagi data observasi menjadi
sepuluh bagian yang sama banyak. Oleh karena itu masing-masing
bagian mengandung 10% data observasi. (Nuryadi, 2017)
b. Rumus
1) Data Tunggal
N+1
a) Letak D1 = 10
2 (N+1)
b) Letak D2 = 10
3 (N+1)
c) Letak D3 = 10
2) Data Kelompok
i
(10 n − ∑ f−i )
Dt = Tbi + .p
fi
(Nuryadi, 2017)
c. Contoh
1) Data Tunggal
Sebuah data yang memiliki komponen :
15 15 40 45 50 60 65 65 70 70 70 75 75 80 80 80 90 90 95 95
Tentukan D1, D2, D3!
Jawab :
20+1
a) Letak D1 = = 2,1
10
Data ke-2,1
Dengan interpolasi diperoleh :
D1 = 2 + 0,1(X3 − X2 )
D1 = 5 + 0,1(40 − 15)
D1 = 4,5
2(20+1)
b) Letak D2 = = 4,2
10
Data ke-4,2
Dengan interpolasi diperoleh :
D2 = 4 + 0,2(X5 − X4 )
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 22
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
D2 = 10 + 0,2(50 − 45)
D2 = 11
3(20+1)
c) Letak D3 = = 6,3
10
Data ke-6,3
Dengan interpolasi diperoleh :
D3 = 6 + 0,3(X7 − X6 )
D3 = 6 + 0,3(65 − 60)
D3 = 7,5
2) Data Kelompok
Tabel 2.8 Tinggi badan mahasiswa teknik
Tinggi Badan
Range Frekuensi
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
i
( n − ∑ f−i )
Dt = Tbi + 10 .p
fi
(12−3)
a) D3 = 149,5 +
12
.5
D3 = 153,25
(24−15)
b) D6 = 154,5 + 14
.5
D6 = 157,7
2.7.6 Persentil
a. Definisi
Persentil adalah ukuran letak yang membagi data observasi menjadi
seratus bagian yang sama besar. Oleh karena itu masing-masing
bagian mengandung 1 % data observasi. (Nuryadi, 2017)
b. Rumus
1) Data Tunggal
N+1
a) Letak P1 = 100
2 (N+1)
b) Letak P2 =
100
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 23
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
3 (N+1)
c) Letak P3 = 100
2) Data Kelompok
i
( n − ∑ f−i )
Pt = Tbi + 100 .p
fi
(Nuryadi, 2017)
c. Contoh
1) Data Tunggal
Sebuah data yang memiliki komponen :
15 15 40 45 50 60 65 65 70 70 70 75 75 80 80 80 90 90 95 95
Tentukan P1, P2, P3!
Jawab :
20+1
a) Letak P1 = = 2,1
10
Data ke-2,1
Dengan interpolasi diperoleh :
P1 = 2 + 0,1(X3 − X2 )
P1 = 5 + 0,1(40 − 15)
P1 = 4,5
2(20+1)
b) Letak P2 = = 4,2
10
Data ke-4,2
Dengan interpolasi diperoleh :
P2 = 4 + 0,2(X5 − X4 )
P2 = 10 + 0,2(50 − 45)
P2 = 11
3(20+1)
c) Letak P3 = = 6,3
10
Data ke-6,3
Dengan interpolasi diperoleh :
P3 = 6 + 0,3(X7 − X6 )
P3 = 6 + 0,3(65 − 60)
P3 = 7,5
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 24
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2) Data Kelompok
Tabel 2.9 Tinggi badan mahasiswa teknik
Tinggi Badan
Range Frekuensi
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
i
( n − ∑ f−i )
Pt = Tbi + 100 .p
fi
(6−3)
a) P15 = 149,5 + 12
.5
P15 = 150,75
(4−3)
b) P10 = 149,5 +
12
.5
P10 = 149,9
2.8 Ukuran Penyebaran Data
Ukuran penyebaran data merupakan ukuran yang menunjukkan seberapa
jauh data menyebar dari rata-rata (Simanjutak, 2020).
Ukuran penyebaran data diantaranya :
2.8.1 Range
a. Definisi
Range adalah selisih antara nilai tertinggi dengan nilai terendah
pada data. (Maswar, 2017)
b. Rumus
J = Xmax − X min
(Kristina, 2022)
c. Contoh
Disebuah bimbel nilai ujian matematika murid kelas 6 yakni 30 30
30 30 30 35 40 40 40 40 40 40 45 45 45 45 50 50 50 50 50 55 55 55
60 60 60 60 60 65 65 70 70 70 70 70 70 70 70 75 75 75 75 75 80 80
80 80 85 90. Berapakah nilai range ?
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 25
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Jawab :
J = Xmax − X min
J = 90 − 30
J = 60
2.8.2 Simpangan Rata-Rata
a. Definisi
Simpangan rata-rata merupakan rata-rata dari selisih mutlak nilai
semua data terhadap rata-ratanya. (Simanjutak, 2020)
b. Rumus
1) Data Tunggal
∑ni=1|xi − x|
SR =
n
Keterangan :
SR = simpangan rata-rata
n = banyak data
xi = nilai x ke-I
𝑥̅ = rata-rata data
2) Data Kelompok
∑ni=1|xi − x|
SR =
∑ni=1 𝑓𝑖
SR = simpangan rata-rata
n = banyak data
xi = nilai x ke-I
𝑥̅ = rata-rata data
𝑓𝑖 = frekuensi ke-I
c. Contoh
Diberikan sebuah data yang memuat nilai 30 30 30 30 30 35 40 40
40 40 40 40 45 45 45 45 50 50 50 50 50 55 55 55 60 60 60 60 60 65
65 70 70 70 70 70 70 70 70 75 75 75 75 75 80 80 80 80 85 90. Berapa
nilai simpangan rata-rata?
Jawab :
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 26
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
30 + 30 + 30 + 30 + 30 + 35 + 40 + 40 + 40 + 40 +
40 + 40 + 45 + 45 + 45 + 45 + 50 + 50 + 50 + 50 +
50 + 55 + 55 + 55 + 55 + 60 + 60 + 60 + 60 + 60 +
65 + 65 + 70 + 70 + 70 + 70 + 70 + 70 + 70 + 70 +
x = 75 + 75 + 75 + 75 + 75 + 80 + 80 + 80 + 85 + 90
50
2880
x=
50
x = 57,6
|30 − 57,6| + |30 − 57,6| + |30 − 57,6| + |30 − 57,6| + |30 − 57,6| +
|35 − 57,6| + |40 − 57,6| + |40 − 57,6| + |40 − 57,6| + |40 − 57,6| +
|40 − 57,6| + |40 − 57,6| + |45 − 57,6| + |45 − 57,6| + |45 − 57,6| +
|45 − 57,6| + |50 − 57,6| + |50 − 57,6| + |50 − 57,6| + |50 − 57,6| +
|50 − 57,6| + |55 − 57,6| + |55 − 57,6| + |55 − 57,6| + |55 − 57,6| +
|60 − 57,6| + |60 − 57,6| + |60 − 57,6| + |60 − 57,6| + |60 − 57,6| +
|65 − 57,6| + |65 − 57,6| + |70 − 57,6| + |70 − 57,6| + |70 − 57,6| +
|70 − 57,6| + |70 − 57,6| + |70 − 57,6| + |70 − 57,6| + |70 − 57,6| +
|75 − 57,6| + |75 − 57,6| + |75 − 57,6| + |75 − 57,6| + |75 − 57,6| +
|80 − 57,6| + |80 − 57,6| + |80 − 57,6| + |85 − 57,6| + |90 − 57,6|
SR =
50
724,8
SR =
50
SR = 14,496
2.8.3 Standar Deviasi
a. Definisi
Standar deviasi adalah ukuran penyebaran yang merupakan akar
kuadrat dari varians (Simanjutak, 2020).
b. Rumus
∑(𝑥̅𝑖 − x)2
𝑆=√ = √𝑠 2
𝑛
c. Contoh
Diberikan sebuah data yang memuat nilai 30 30 30 30 30 35 40 40
40 40 40 40 45 45 45 45 50 50 50 50 50 55 55 55 60 60 60 60 60 65
65 70 70 70 70 70 70 70 70 75 75 75 75 75 80 80 80 80 85 90.
Berapakah nilai standar deviasi jika variansinya 276,26?
Jawab :
𝑆 = √276,26
𝑆 = 16,62
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 27
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2.8.4 Variansi
a. Definisi
Variansi merupakan rata-rata dari kuadrat deviasi data masing-
masing pengamatan terhadap nilai rata-rata hitungnya (simanjutak,
2020).
b. Rumus
∑(𝑥̅𝑖 − x)2
𝑆=
𝑛
c. Contoh
Diberikan sebuah data yang memuat nilai 30 30 30 30 30 35 40 40
40 40 40 40 45 45 45 45 50 50 50 50 50 55 55 55 60 60 60 60 60 65
65 70 70 70 70 70 70 70 70 75 75 75 75 75 80 80 80 80 85 90 dan
rata-ratanya ialah 57,6. Berapakah nilai variasinya?
|30 − 57,6|2 + |30 − 57,6|2 + |30 − 57,6|2 + |30 − 57,6|2 + |30 − 57,6|2 +
|35 − 57,6|2 + |40 − 57,6|2 + |40 − 57,6|2 + |40 − 57,6|2 + |40 − 57,6|2 +
|40 − 57,6|2 + |40 − 57,6|2 + |45 − 57,6|2 + |45 − 57,6|2 + |45 − 57,6|2 +
|45 − 57,6|2 + |50 − 57,6|2 + |50 − 57,6|2 + |50 − 57,6|2 + |50 − 57,6|2 +
|50 − 57,6|2 + |55 − 57,6|2 + |55 − 57,6|2 + |55 − 57,6|2 + |55 − 57,6|2 +
|60 − 57,6|2 + |60 − 57,6|2 + |60 − 57,6|2 + |60 − 57,6|2 + |60 − 57,6|2 +
|65 − 57,6|2 + |65 − 57,6|2 + |70 − 57,6|2 + |70 − 57,6|2 + |70 − 57,6|2 +
|70 − 57,6|2 + |70 − 57,6|2 + |70 − 57,6|2 + |70 − 57,6|2 + |70 − 57,6|2 +
|75 − 57,6|2 + |75 − 57,6|2 + |75 − 57,6|2 + |75 − 57,6|2 + |75 − 57,6|2 +
|80 − 57,6|2 + |80 − 57,6|2 + |80 − 57,6|2 + |85 − 57,6|2 + |90 − 57,6|2
𝑆2 =
50
13813,08
𝑆2 =
50
𝑆 2 = 276,26
2.8.5 Standard Error of Mean
a. Definisi
Standard error of mean adalah penyimpangan data (rata-rata
sampel) dari rata-rata populasi sebenarnya (Parsetyo, dkk., 2018).
b. Rumus
SD(S)
SE =
√n
c. Contoh
Diberikan sebuah data yang memuat nilai 30 30 30 30 30 35 40 40
40 40 40 40 45 45 45 45 50 50 50 50 50 55 55 55 60 60 60 60 60 65
65 70 70 70 70 70 70 70 70 75 75 75 75 75 80 80 80 80 85 90 dan
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 28
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 29
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 30
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 31
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
60-69 11
70-79 8
80-89 4
Jumlah 50
(Ananda & Fadhil, 2018).
2.10 Skewness dan Kurtosis
2.10.1 Skewness
a. Definisi
Kemiringan (Skewness) merupakan derajat ketidaksimetrian
(keasimetrisan) atau dapat puladidefinisikan sebagai penyimpangan
dari kesimetrian suatu distribusi. Jika sutu kurva frekuensi yang
(poligon frekuensi yang terhaluskan) dari maksimum tengah, maka
distribusi seperti ini dikenal dengan nama distribusi miring ke kanan,
atau memiliki kemiringan positif. Untuk kondisi kebalikannya,
distribusinya dikenal dengan distribusi miring ke kiri, atau memiliki
kemiringan negatif. (Nurlina, 2013)
b. Jenis-Jenis Skewness
Kemiringan distribusi data terdapat 3 jenis, yaitu :
1) Simetris : menunjukkan letak nilai rata-rata hitung, median dan
modus berhimpit (berkisar disatu titik)
2) Miring ke kanan : mempunyai nilai modus paling kecil dan rata-rata
hitung paling besar
3) Miring ke kiri : mempunyai nilai modus paling besar dan rata-rata
hitung paling kecil
c. Rumus
Rumus untuk menghitung derajat kemiringan distribusi data menurut
pearson :
x̅ − mod 3(x̅ − med)
TK = atau TK =
S S
Dimana :
x = rata-rata hitung mod = modus
S = simpangan baku
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 32
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
1
α3 = ∑(xi − x̅)3
nS 3
Data Kelompok :
1
α3 = ∑ fi(mi − x̅)3
nS 3
Keterangan :
α3 = Ukuran tingkat kemencengan
S = Simpangan baku
Xi = Nilai data ke – I
x̅ = Nilai rata-rata hitung
fi = Frekuensi kelas ke I
mi = nilai titik tengah kelas ke I
n = Banyaknya data
Jika α3 = 0 distribusi data simetris, α3 < 0 distribusi data miring ke kiri, α3 >
0 distribusi data miring ke kanan.
(Susilowati, 2019)
d. Contoh
Misalkan dari data umur 20 orang mahasiswa Prodi XYZ diketahui
memiliki median 18,5, dan Modus 19. Standar deviasi sebesar 12,4 dan
rata-rata 19,5. Hitung koefisien kemencengannya.
x̅ − Mo 19,5 − 19
Sk = = = 0,04
s 12,4
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 33
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2.10.2 Kurtosis
a. Definisi
Kurtosis ialah derajat ketinggian puncak atau keruncingan suatu
distribusi. Nilainya biasanya merupakan nilai relatif terhadap
distribusi normal. (Nurlina, 2013)
b. Jenis-Jenis Kurtosis
Tingkat keruncingan dari suatu distribusi diambil secara relatif
terhadap suatu distribusi normal. Bentuk keruncingan terdiri dari tiga
macam:
1) Leptokurtik yang merupakan distribusi yang memiliki puncak
relatif tinggi dengan nilaikeruncingan besar dari 3.
2) Platikurtik yang mengandung makna sama dengan istilahnya
yakni plat atau datar dimanapuncaknya hampir mendatar,
dengan nilai keruncingan kecil dari 3.
3) Mesokurtik, yang merupakan distribusi yang memiliki puncak
sedang atau normal dengan nilaikeruncingan sama dengan 3.
c. Rumus
Adapun rumus nilai kurtosis yang digunakan untuk data tunggal
yaitu :
1
∑(xi − x̅)4
α4 = n
S4
Keterangan :
𝛼4 = nilai kurtosis
n = jumlah data
S = simpangan baku
x̅ = rata-rata
xi = nilai tengah kelas
Sedangkan rumus yang digunakan untuk data dikelompokkan,
digunakan rumus sebagai berikut :
1
∑ f(xi − x̅)4
α4 = n
S4
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 34
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Keterangan :
α4 = nilai kurtosis
n = jumlah data
S = simpangan baku
f = frekuensi
x̅ = rata-rata
xi = nilai tengah kelas
Untuk menghitung tingkat keruncingan suatu kurva atau koefisien
kurtosis dapat digunakan rumus sebagai berikut :
Q3 − Q1
KK =
2(P90 − P10 )
Jika nilai KK > 3 : Kurva leptokurtik atau runcing sekali
Jika nilai KK < 3 : Kurva platikurtik atau cenderung mendatar
Jika nilai KK = 3 : Kurva mesokurtik atau berdistribusi normal
d. Contoh
Bila diketahui sekelompok data memiliki nilai Q3 = 50, nilai Q1 =
24,5, P50 = 80 dan P10 = 355. Tentukan koefisien kurtosis kurva dari
data tersebut.
Jawab :
Q3 − Q1 50 − 24,5
KK = = = 0,28
2(P90 − P10 ) 2(80 − 35)
Dari hasil perhitungan diketahui bahwa nilai KK sebesar 0,28, maka
dapat dikatakan bahwa kurva berbentuk agak datar karena nilai
KK<3
2.11 Jenis-Jenis Penyajian Data
2.11.1 Histogram
Grafik histogram adalah grafik yang tersusun dari segi empatsegi empat
yang didirikan pada absis, membentang selebar-lebarnya kelas. Tinggi
dari segi empat itu sebanding dengan frekuensi masingmasing kelas yang
diwakili. Seperti halnya dengan poligon, ordinatnya juga menyatakan
frekuensi dan absisnya menyatakan tingkatan-tingkatan gejala.
Perbedaannya, absis pada poligon, dinyatakan dengan kelas, sedangkan
absis pada histogram dinyatakan dengan batas nyatanya. Histogram dapat
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 35
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 36
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
grafiknya berupa grafik garis seperti pada polygon. Ada dua macam ogive
yaitu ogive dengan frekuensi kumulatif kurang dari atau sama dengan dan
ogive dengan frekuensi kumulatif lebih dari atau sama dengan.
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 37
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 38
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 39
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2.12.1 SPSS
Menurut Zein, dkk, (2019) SPSS yaitu software khusus untuk pengolahan
data statistik yang paling populer dan paling banyak digunakan di seluruh
dunia. SPSS dipakai dalam berbagai riset pasar, pengendalian dan
perbaikan mutu (quality improvement), serta riset-riset sains.
a. Sejarah SPSS
SPSS ketika awal mula dikenal memiliki singkatan Statistical
Package for The Social Sciences. SPSS dikembangkan oleh seorang
tokoh bernama Norman H. Nie , C. Hadlai Hull, dan Dale H. Bent
pada tahun 1968. SPSS merupakan program terkenal yang
digunakan untuk analisis statistik pada ilmu sosial.
Tidak hanya itu, SPSS juga dapat digunakan sebagai penelitian pasar
(market research), penelitian kesehatan, penelitian pendidikan,
survei perusahaan, dan lain-lain. Karena SPSS rupanya dapat
diterapkan dalam segala bidang, singkatannya pun diganti menjadi
Statistical Product and Service Solutions. Pada tahun 1984, SPSS
menjadi program pertama yang memasarkan software analisis
statistik untuk PC (Personal Computer), saat itu masih era DOS
(Disk Operating System). Tahun 1992, SPSS dirilis dalam versi
Windows. Pada tahun 2009, SPSS diakuisisi oleh perusahaan IBM.
Pada tahun 2009 sampai 2010. SPSS diberi nama PASW (Predictive
Analytic SoftWare). Pada Agustus 2010, SPSS diberi nama IBM
SPSS Statistic. SPSS terbaru keluaran tahun 2011 adalah IBM SPSS
Statistic 20.0. Selain itu, SPSS memiliki sejumlah fasilitas yang
dapat menangani berbagai permasalahan statistika, seperti uji
statistik deskriptif (mencari mean, median, modus, dan lain-lain), uji
statistik inferensial (mencari korelasi, perbedaan, pengaruh), atau
pun melakukan analisis faktor. SPSS juga diketahui dapat digunakan
untuk mengakses data dari berbagai macam software lainnya
(Seperti dbase, Lotus, Accses, text file, spread-sheet) yang
selanjutnya dapat diolah dan dianalisis (Sufren dan Yonathan, 2013).
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 40
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
b. Fitur Umum
Menurut Machali (2015), fitur-fitur yang seringkali dijumpai pada
SPSS :
1) File
Menu file berfungsi untuk menangani hal-hal yang
berhubungan dengan file data, seperti membuat file baru,
membuka file tertentu, mengambil data dari program lain,
mencetak isi dari data editor dan lainnya.
2) Edit
Menu edit berfungsi untuk menangani hal-hal yang
berhubungan dengan memperbaiki atau mengubah nilai data
(duplikasi data), menghilangkan data, edit data dan lainnya.
Selain itu, menu Edit juga berfungsi untuk mengubah setting
pada Options.
3) View
Menu view berfungsi untuk mengatur toolbar (status bar,
penampakan value lable dan sebagainya).
4) Data
Menu data berfungsi untuk membuat perubahan data SPSS
secara keseluruhan, seperti mengurutkan data, menyeleksi data
berdasarkan kriteria tertentu, menggabungkan data dan
sebagainya
5) Transform
Menu transform berfungsi untuk membuat perubahan pada
variable yang telah dipilih dengan kriteria tertentu.
6) Analyze (Statistics)
Menu analyze merupakan menu inti dari SPSS, yang berfungsi
untuk melakukan semua prosedur perhitungan statistik, seperti
uji-t, uji-F, regresi, time series dan sebagainya.
7) Direct Marketing
Menu ini merupakan menu terbaru dalam IBM SPSS yang
digunakan untuk melakukan analisis marketing. Menu ini
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 41
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 42
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 43
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 44
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB III
METODOLOGI PERCOBAAN
3.1 Objek dan Waktu Praktikum
a. Objek Praktikum : Wisatawan Pantai Akkarena
b. Waktu Praktikum : 11 Maret 2023
3.2 Metode Pengumpulan Data
Metode pengumpulan data dilakukan dengan cara wawancara 100
responden wisatawan pantai akkarena.
3.3 Alat dan Bahan Praktikum
a. Bahan praktikum berupa pertanyaan yang akan dimasukkan ke dalam
kuesioner sebagai metode pengumpulan data.
b. Kamera atau media yang bisa dijadikan sebagai alat dokumentasi.
c. Laptop sebagai media pengumpulan data serta program aplikasi pengolat
data statitistik (Ms. Excel, SPSS, Minitab, dll).
3.4 Prosedur Praktikum
a. Pengumpulan data dilakukan dengan wawancara langsung dengan
wisatawan.
b. Melakukan perhitungan data berupa pemusatan dan penyebaran data dari
setiap variabel yang telah ditentukan sebelumnya.
c. Membandingkan perhitungan secara manual dengan software SPSS.
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 45
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB IV
PENGOLAHAN DATA
Data yang diambil adalah hasil dari wawancara kepada pengunjung di Pantai
Akkarena, jumlah responden sebanyak 100 orang dengan tingkat kepuasan diukur
dengan skala 1-5, tingkat kebersihan kamar ganti dan kamar bilas serta lama
berkunjung yang dikonversikan ke dalam satuan menit.
Tingkat Kepuasan :
X21 : Fasilitas kamar ganti dan kamar bilas
X22 : Biaya masuk
X23 : Kebersihan pantai
Pengukuran :
1 : Sangat tidak puas
2 : Tidak puas
3 : Netral
4 : Puas
5 : Sangat puas
Lama berkunjung :
y : … (menit)
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 46
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 47
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 48
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 49
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 50
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 51
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
3) Modus
Jadi, modus untuk data usia adalah 20 dan 22.
4) Persentil
a) Persentil 5
5
P5 = X (n + 1)
100
5
P5 = (100 + 1)
100
5
P5 = (101)
100
P5 = 5,05 ≈ 5
Jadi, persentil 5 untuk data usia adalah data ke-5 yaitu 19.
b) Persentil 50
50
P50 = X (n + 1)
100
50
P50 = (100 + 1)
100
50
P50 = (101)
100
P50 = 50,5 ≈ 50
Jadi, persentil 50 untuk data usia adalah data ke-50 yaitu
25.
c) Persentil 95
95
P100 = X (n + 1)
100
95
P100 = (100 + 1)
100
95
P100 = (101)
100
P100 = 95,95 ≈ 96
Jadi, persentil 95 untuk data usia adalah data ke-96 yaitu
61.
b. Ukuran Penyebaran Data
1) Range
R = Xmax − Xmin
R = 66 − 16
R = 50
Jadi, range untuk data usia adalah 50.
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 52
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2) Simpangan Rata-Rata
1 n
SR = ∑ |xi − x̅|
n i=1
|16 − 29,5| + |17 − 29,5| + |18 − 29,5| + |18 − 29,5| + |19 − 29,5| +
|19 − 29,5| + |19 − 29,5| + |19 − 29,5| + |19 − 29,5| + |19 − 29,5| +
|19 − 29,5| + |20 − 29,5| + |20 − 29,5| + |20 − 29,5| + |20 − 29,5| +
|20 − 29,5| + |20 − 29,5| + |20 − 29,5| + |20 − 29,5| + |20 − 29,5| +
|21 − 29,5| + |21 − 29,5| + |21 − 29,5| + |21 − 29,5| + |21 − 29,5| +
|21 − 29,5| + |21 − 29,5| + |22 − 29,5| + |22 − 29,5| + |22 − 29,5| +
|22 − 29,5| + |22 − 29,5| + |22 − 29,5| + |22 − 29,5| + |22 − 29,5| +
|22 − 29,5| + |23 − 29,5| + |23 − 29,5| + |23 − 29,5| + |23 − 29,5| +
|23 − 29,5| + |24 − 29,5| + |24 − 29,5| + |24 − 29,5| + |25 − 29,5| +
|25 − 29,5| + |25 − 29,5| + |25 − 29,5| + |25 − 29,5| + |25 − 29,5| +
|25 − 29,5| + |25 − 29,5| + |26 − 29,5| + |26 − 29,5| + |26 − 29,5| +
|26 − 29,5| + |26 − 29,5| + |27 − 29,5| + |27 − 29,5| + |27 − 29,5| +
|28 − 29,5| + |28 − 29,5| + |28 − 29,5| + |29 − 29,5| + |30 − 29,5| +
|30 − 29,5| + |31 − 29,5| + |31 − 29,5| + |31 − 29,5| + |31 − 29,5| +
|31 − 29,5| + |32 − 29,5| + |33 − 29,5| + |34 − 29,5| + |35 − 29,5| +
|36 − 29,5| + |36 − 29,5| + |36 − 29,5| + |36 − 29,5| + |36 − 29,5| +
|38 − 29,5| + |39 − 29,5| + |39 − 29,5| + |40 − 29,5| + |40 − 29,5| +
|41 − 29,5| + |41 − 29,5| + |41 − 29,5| + |41 − 29,5| + |44 − 29,5| +
|46 − 29,5| + |47 − 29,5| + |55 − 29,5| + |56 − 29,5| + |59 − 29,5| +
|60 − 29,5| + |61 − 29,5| + |64 − 29,5| + |65 − 29,5| + |66 − 29,5| +
SR =
100
900
SR = =9
100
SR = 9
Jadi, simpangan rata-rata untuk data usia adalah 8,99.
3) Standar Deviasi
∑n (xi − x̅)2
S = √ i=1
N
|16 − 29,5|2 + |17 − 29,5|2 + |18 − 29,5|2 + |18 − 29,5|2 + |18 − 29,5|2 +
|19 − 29,5|2 + |19 − 29,5|2 + |19 − 29,5|2 + |19 − 29,5|2 + |19 − 29,5|2 +
|19 − 29,5|2 + |20 − 29,5|2 + |20 − 29,5|2 + |20 − 29,5|2 + |20 − 29,5|2 +
|20 − 29,5|2 + |20 − 29,5|2 + |20 − 29,5|2 + |20 − 29,5|2 + |20 − 29,5|2 +
|21 − 29,5|2 + |21 − 29,5|2 + |21 − 29,5|2 + |21 − 29,5|2 + |21 − 29,5|2 +
|21 − 29,5|2 + |21 − 29,5|2 + |22 − 29,5|2 + |22 − 29,5|2 + |22 − 29,5|2 +
|22 − 29,5|2 + |22 − 29,5|2 + |22 − 29,5|2 + |22 − 29,5|2 + |22 − 29,5|2 +
|22 − 29,5|2 + |23 − 29,5|2 + |23 − 29,5|2 + |23 − 29,5|2 + |23 − 29,5|2 +
|23 − 29,5|2 + |24 − 29,5|2 + |24 − 29,5|2 + |24 − 29,5|2 + |25 − 29,5|2 +
|25 − 29,5|2 + |25 − 29,5|2 + |25 − 29,5|2 + |25 − 29,5|2 + |25 − 29,5|2 +
|25 − 29,5|2 + |25 − 29,5|2 + |26 − 29,5|2 + |26 − 29,5|2 + |26 − 29,5|2 +
|26 − 29,5|2 + |26 − 29,5|2 + |27 − 29,5|2 + |27 − 29,5|2 + |27 − 29,5|2 +
|28 − 29,5|2 + |28 − 29,5|2 + |28 − 29,5|2 + |29 − 29,5|2 + |30 − 29,5|2 +
|30 − 29,5|2 + |31 − 29,5|2 + |31 − 29,5|2 + |31 − 29,5|2 + |31 − 29,5|2 +
|31 − 29,5|2 + |32 − 29,5|2 + |33 − 29.5|2 + |34 − 29,5|2 + |35 − 29,5|2 +
|36 − 29,5|2 + |36 − 29,5|2 + |36 − 29,5|2 + |36 − 29,5|2 + |36 − 29,5|2 +
|38 − 29,5|2 + |39 − 29,5|2 + |39 − 29,5|2 + |40 − 29,5|2 + |40 − 29,5|2 +
|41 − 29,5|2 + |41 − 29,5|2 + |41 − 29,5|2 + |41 − 29,5|2 + |44 − 29,5|2 +
|46 − 29,5|2 + |47 − 29,5|2 + |55 − 29,5|2 + |56 − 29,5|2 + |59 − 29,5|2 +
|60 − 29,5|2 + |61 − 29,5|2 + |64 − 29,5|2 + |65 − 29,5|2 + |66 − 29,5|2
S=
√ 100
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 53
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
11.168,25
S=√
100
S = 10,567994
Jadi, standar deviasi untuk data usia adalah 10,567994
4) Variansi
∑ni=1(xi − x̅)2
S2 =
N
10,5679942
S2 =
100
S2 = 111,6825
Jadi, variansi untuk data usia adalah 111,6825.
5) Standard Error of Mean
S
SE =
√n
10,567994
SE =
√100
SE = 1,056
Jadi, standard error of mean untuk data usia adalah 1,056
6) Skewness
n ∑ni=1(xi − x̅)3
SK = ×
(n − 1)(n − 2) S3
|16 − 29,5|3 + |17 − 29,5|3 + |18 − 29,5|3 + |18 − 29,5|3 + |18 − 29,5|3 +
|19 − 29,5|3 + |19 − 29,5|3 + |19 − 29,5|3 + |19 − 29,5|3 + |19 − 29,5|3 +
|19 − 29,5|3 + |20 − 29,5|3 + |20 − 29,5|3 + |20 − 29,5|3 + |20 − 29,5|3 +
|20 − 29,5|3 + |20 − 29,5|3 + |20 − 29,5|3 + |20 − 29,5|3 + |20 − 29,5|3 +
|21 − 29,5|3 + |21 − 29,5|3 + |21 − 29,5|3 + |21 − 29,5|3 + |21 − 29,5|3 +
|21 − 29,5|3 + |21 − 29,5|3 + |22 − 29,5|3 + |22 − 29,5|3 + |22 − 29,5|3 +
|22 − 29,5|3 + |22 − 29,5|3 + |22 − 29,5|3 + |22 − 29,5|3 + |22 − 29,5|3 +
|22 − 29,5|3 + |23 − 29,5|3 + |23 − 29,5|3 + |23 − 29,5|3 + |23 − 29,5|3 +
|23 − 29,5|3 + |24 − 29,5|3 + |24 − 29,5|3 + |24 − 29,5|3 + |25 − 29,5|3 +
|25 − 29,5|3 + |25 − 29,5|3 + |25 − 29,5|3 + |25 − 29,5|3 + |25 − 29,5|3 +
|25 − 29,5|3 + |25 − 29,5|3 + |26 − 29,5|3 + |26 − 29,5|3 + |26 − 29,5|3 +
|26 − 29,5|2 + |26 − 29,5|3 + |27 − 29,5|3 + |27 − 29,5|3 + |27 − 29,5|3 +
|28 − 29,5|2 + |28 − 29,5|3 + |28 − 29,5|3 + |29 − 29,5|3 + |30 − 29,5|3 +
|30 − 29,5|2 + |31 − 29,5|3 + |31 − 29,5|3 + |31 − 29,5|3 + |31 − 29,5|3 +
|31 − 29,5|2 + |32 − 29,5|3 + |33 − 29.5|3 + |34 − 29,5|3 + |35 − 29,5|3 +
|36 − 29,5|2 + |36 − 29,5|3 + |36 − 29,5|3 + |36 − 29,5|3 + |36 − 29,5|3 +
|38 − 29,5|3 + |39 − 29,5|3 + |39 − 29,5|3 + |40 − 29,5|3 + |40 − 29,5|3 +
|41 − 29,5|3 + |41 − 29,5|3 + |41 − 29,5|3 + |41 − 29,5|3 + |44 − 29,5|3 +
|46 − 29,5|3 + |47 − 29,5|3 + |55 − 29,5|3 + |56 − 29,5|3 + |59 − 29,5|3 +
|60 − 29,5|3 + |61 − 29,5|3 + |64 − 29,5|3 + |65 − 29,5|3 + |66 − 29,5|3
100
SK = ×
(100 − 1)(100 − 2) (10,567994)3
100 314499
SK = ×
(99)(98) 1180,26
SK = 2,7465
Jadi, skewness untuk data usia adalah 2,7465.
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 54
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
7) Kurtosis
n(n + 1) ∑ni=1(xi − x̅)4 3(n − 1)2
K= × 4
−
(n − 1)(n − 2)(n − 3) S (n − 2)(n − 3)
|16 − 29,5|4 + |17 − 29,5|4 + |18 − 29,5|4 + |18 − 29,5|4 + |18 − 29,5|4 +
|19 − 29,5|4 + |19 − 29,5|4 + |19 − 29,5|4 + |19 − 29,5|4 + |19 − 29,5|4 +
|19 − 29,5|4 + |20 − 29,5|4 + |20 − 29,5|4 + |20 − 29,5|4 + |20 − 29,5|4 +
|20 − 29,5|4 + |20 − 29,5|4 + |20 − 29,5|4 + |20 − 29,5|4 + |20 − 29,5|4 +
|21 − 29,5|4 + |21 − 29,5|4 + |21 − 29,5|4 + |21 − 29,5|4 + |21 − 29,5|4 +
|21 − 29,5|4 + |21 − 29,5|4 + |22 − 29,5|4 + |22 − 29,5|4 + |22 − 29,5|4 +
|22 − 29,5|4 + |22 − 29,5|4 + |22 − 29,5|4 + |22 − 29,5|4 + |22 − 29,5|4 +
|22 − 29,5|4 + |23 − 29,5|4 + |23 − 29,5|4 + |23 − 29,5|4 + |23 − 29,5|4 +
|23 − 29,5|4 + |24 − 29,5|4 + |24 − 29,5|4 + |24 − 29,5|4 + |25 − 29,5|4 +
|25 − 29,5|4 + |25 − 29,5|4 + |25 − 29,5|4 + |25 − 29,5|4 + |25 − 29,5|4 +
|25 − 29,5|4 + |25 − 29,5|4 + |26 − 29,5|4 + |26 − 29,5|4 + |26 − 29,5|4 +
|26 − 29,5|4 + |26 − 29,5|4 + |27 − 29,5|4 + |27 − 29,5|4 + |27 − 29,5|4 +
|28 − 29,5|4 + |28 − 29,5|4 + |28 − 29,5|4 + |29 − 29,5|4 + |30 − 29,5|4 +
|30 − 29,5|4 + |31 − 29,5|4 + |31 − 29,5|4 + |31 − 29,5|4 + |31 − 29,5|4 +
|31 − 29,5|4 + |32 − 29,5|4 + |33 − 29.5|4 + |34 − 29,5|4 + |35 − 29,5|4 +
|36 − 29,5|4 + |36 − 29,5|4 + |36 − 29,5|4 + |36 − 29,5|4 + |36 − 29,5|4 +
|38 − 29,5|4 + |39 − 29,5|4 + |39 − 29,5|4 + |40 − 29,5|4 + |40 − 29,5|4 +
|41 − 29,5|4 + |41 − 29,5|4 + |41 − 29,5|4 + |41 − 29,5|4 + |44 − 29,5|4 +
|46 − 29,5|4 + |47 − 29,5|4 + |55 − 29,5|4 + |56 − 29,5|4 + |59 − 29,5|4 +
|60 − 29,5|4 + |61 − 29,5|4 + |64 − 29,5|4 + |65 − 29,5|4 + |66 − 29,5|4
100(100 + 1)
K= × −
(100 − 1)(100 − 2)(100 − 3 (10,567994)4
3(100 − 1)2
(100 − 2)(100 − 3)
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 55
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
5) Tabel Distribusi
Tabel 3 Tabel Distribusi Frekuensi Data Usia
Data Usia Frekuensi
16-22 36
23-29 29
30-36 16
37-43 9
44-50 3
51-57 2
58-64 4
65-71 2
Total 100
Sumber : (Data Wawancara, 2023)
a) Histogram
b) Polygon
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 56
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
c) Ogive
120
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 57
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 58
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 59
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 60
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 61
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 62
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 63
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 64
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 65
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 66
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 67
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 68
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2) Median
1 n n+2
Med = (x ( ) + x ( ))
2 2 2
1 100 100 + 2
Med = (x ( )+ x( ))
2 2 2
1
Med = (x(50) + x(51))
2
1
Med = (12 + 12)
2
Med = 12
Jadi, median untuk data tingkat kepuasan adalah 12.
3) Modus
Jadi, modus untuk data tingkat kepuasan adalah 13.
4) Persentil
a) Persentil 5
5
P5 = X (n + 1)
100
5
P5 = (100 + 1)
100
5
P5 = (101)
100
P5 = 5,05 ≈ 5
Jadi, persentil 5 untuk data tingkat kepuasan adalah data
ke-5 yaitu 6.
b) Persentil 50
50
P50 = X (n + 1)
100
50
P50 = (100 + 1)
100
50
P50 = (101)
100
P50 = 50,5 ≈ 50
Jadi, persentil 50 untuk data tingkat kepuasan adalah data
ke-50 yaitu 12.
c) Persentil 95
95
P100 = X (n + 1)
100
95
P100 = (100 + 1)
100
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 69
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
95
P100 = (101)
100
P100 = 95,95 ≈ 96
Jadi, persentil 95 untuk data tingkat kepuasan adalah data
ke-96 yaitu 16.
b. Ukuran Penyebaran Data
1) Range
R = Xmax − Xmin
R = 17 − 6
R = 11
Jadi, range untuk data tingkat kepuasan adalah 11.
2) Simpangan Rata-Rata
1 n
SR = ∑ |xi − x̅|
n i=1
|6 − 12,16| + |6 − 12,16| + |6 − 12,16| + |6 − 12,16| + |6 − 12,16| +
|6 − 12,16| + |7 − 12,16| + |9 − 12,16| + |9 − 12,16| + |10 − 12,16| +
|10 − 12,16| + |10 − 12,16| + |10 − 12,16| + |10 − 12,16| + |10 − 12,16| +
|10 − 12,16| + |10 − 12,16| + |11 − 12,16| + |11 − 12,16| + |11 − 12,16| +
|11 − 12,16| + |11 − 12,16| + |11 − 12,16| + |11 − 12,16| + |11 − 12,16| +
|11 − 12,16| + |11 − 12,16| + |11 − 12,16| + |11 − 12,16| + |11 − 12,16| +
|11 − 12,16| + |11 − 12,16| + |11 − 12,16| + |11 − 12,16| + |12 − 12,16| +
|12 − 12,16| + |12 − 12,16| + |12 − 12,16| + |12 − 12,16| + |12 − 12,16| +
|12 − 12,16| + |12 − 12,16| + |12 − 12,16| + |12 − 12,16| + |12 − 12,16| +
|12 − 12,16| + |12 − 12,16| + |12 − 12,16| + |12 − 12,16| + |12 − 12,16| +
|12 − 12,16| + |12 − 12,16| + |13 − 12,16| + |13 − 12,16| + |13 − 12,16| +
|13 − 12,16| + |13 − 12,16| + |13 − 12,16| + |13 − 12,16| + |13 − 12,16| +
|13 − 12,16| + |13 − 12,16| + |13 − 12,16| + |13 − 12,16| + |13 − 12,16| +
|13 − 12,16| + |13 − 12,16| + |13 − 12,16| + |13 − 12,16| + |13 − 12,16| +
|13 − 12,16| + |13 − 12,16| + |13 − 12,16| + |14 − 12,16| + |14 − 12,16| +
|14 − 12,16| + |14 − 12,16| + |14 − 12,16| + |14 − 12,16| + |14 − 12,16| +
|14 − 12,16| + |14 − 12,16| + |14 − 12,16| + |14 − 12,16| + |14 − 12,16| +
|15 − 12,16| + |15 − 12,16| + |15 − 12,16| + |15 − 12,16| + |15 − 12,16| +
|15 − 12,16| + |15 − 12,16| + |15 − 12,16| + |16 − 12,16| + |16 − 12,16| +
|16 − 12,16| + |16 − 12,16| + |17 − 12,16| + |17 − 12,16|
SR =
100
176,64
SR =
100
SR = 1,76
Jadi, simpangan rata-rata untuk data tingkat kepuasan adalah
1,76.
3) Standar Deviasi
∑ni=1(xi − x̅)2
S=√
N
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 70
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
507,32
S=√
100
S = √5,0732
S = 2,25
Jadi, standar deviasi untuk data tingkat kepuasan adalah 2,25.
4) Variansi
∑ni=1(xi − x̅)2
S2 =
N
2,252
S2 =
100
S2 = 0,050625
Jadi, variansi untuk data tingkat kepuasan adalah 0,050625.
5) Standard Error of Mean
S
SE =
√n
2,25
SE =
√100
SE = 0,225
Jadi, standard error of mean untuk data tingkat kepuasan adalah
0,225.
6) Skewness
n ∑ni=1(xi − x̅)3
SK = ×
(n − 1)(n − 2) S3
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 71
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
|6 − 12,16|3 + |6 − 12,16|3 + |6 − 12,16|3 + |6 − 12,16|3 + |6 − 12,16|3 +
|6 − 12,16|3 + |7 − 12,16|3 + |9 − 12,16|3 + |9 − 12,16|3 + |10 − 12,16|3 +
|10 − 12,16|3 + |10 − 12,16|3 + |10 − 12,16|3 + |10 − 12,16|3 + |10 − 12,16|3 +
|10 − 12,16|3 + |10 − 12,16|3 + |11 − 12,16|3 + |11 − 12,16|3 + |11 − 12,16|3 +
|11 − 12,16|3 + |11 − 12,16|3 + |11 − 12,16|3 + |11 − 12,16|3 + |11 − 12,16|3 +
|11 − 12,16|3 + |11 − 12,16|3 + |11 − 12,16|3 + |11 − 12,16|3 + |11 − 12,16|3 +
|11 − 12,16|3 + |11 − 12,16|3 + |11 − 12,16|3 + |11 − 12,16|3 + |12 − 12,16|3 +
|12 − 12,16|3 + |12 − 12,16|3 + |12 − 12,16|3 + |12 − 12,16|3 + |12 − 12,16|3 +
|12 − 12,16|3 + |12 − 12,16|3 + |12 − 12,16|3 + |12 − 12,16|3 + |12 − 12,16|3 +
|12 − 12,16|3 + |12 − 12,16|3 + |12 − 12,16|3 + |12 − 12,16|3 + |12 − 12,16|3 +
|12 − 12,16|3 + |12 − 12,16|3 + |13 − 12,16|3 + |13 − 12,16|3 + |13 − 12,16|3 +
|13 − 12,16|3 + |13 − 12,16|3 + |13 − 12,16|3 + |13 − 12,16|3 + |13 − 12,16|3 +
|13 − 12,16|3 + |13 − 12,16|3 + |13 − 12,16|3 + |13 − 12,16|3 + |13 − 12,16|3 +
|13 − 12,16|3 + |13 − 12,16|3 + |13 − 12,16|3 + |13 − 12,16|3 + |13 − 12,16|3 +
|13 − 12,16|3 + |13 − 12,16|3 + |13 − 12,16|3 + |14 − 12,16|3 + |14 − 12,16|3 +
|14 − 12,16|3 + |14 − 12,16|3 + |14 − 12,16|3 + |14 − 12,16|3 + |14 − 12,16|3 +
|14 − 12,16|3 + |14 − 12,16|3 + |14 − 12,16|3 + |14 − 12,16|3 + |14 − 12,16|3 +
|15 − 12,16|3 + |15 − 12,16|3 + |15 − 12,16|3 + |15 − 12,16|3 + |15 − 12,16|3 +
|15 − 12,16|3 + |15 − 12,16|3 + |15 − 12,16|3 + |16 − 12,16|3 + |16 − 12,16|3 +
|16 − 12,16|3 + |16 − 12,16|3 + |17 − 12,16|3 + |17 − 12,16|3
100
SK = ×
(100 − 1)(100 − 2) 2,253
100 −935,507
SK = ×
(99)(98) 11,390625
SK = −0,847
Jadi, skewness untuk data tingkat kepuasan adalah −0,846.
7) Kurtosis
n(n + 1) ∑ni=1(xi − x̅)4 3(n − 1)2
K= × 4
−
(n − 1)(n − 2)(n − 3) S (n − 2)(n − 3)
(6 − 12,16)4 + (6 − 12,16)4 + (6 − 12,16)4 + (6 − 12,16)4 + (6 − 12,16)4 +
(6 − 12,16)4 + (7 − 12,16)4 + (9 − 12,16)4 + (9 − 12,16)4 + (10 − 12,16)4 +
(10 − 12,16)4 + (10 − 12,16)4 + (10 − 12,16)4 + (10 − 12,16)4 + (10 − 12,16)4 +
(10 − 12,16)4 + (10 − 12,16)4 + (11 − 12,16)4 + (11 − 12,16)4 + (11 − 12,16)4 +
(11 − 12,16)4 + (11 − 12,16)4 + (11 − 12,16)4 + (11 − 12,16)4 + (11 − 12,16)4 +
(11 − 12,16)4 + (11 − 12,16)4 + (11 − 12,16)4 + (11 − 12,16)4 + (11 − 12,16)4 +
(11 − 12,16)4 + (11 − 12,16)4 + (11 − 12,16)4 + (11 − 12,16)4 + (12 − 12,16)4 +
(12 − 12,16)4 + (12 − 12,16)4 + (12 − 12,16)4 + (12 − 12,16)4 + (12 − 12,16)4 +
(12 − 12,16)4 + (12 − 12,16)4 + (12 − 12,16)4 + (12 − 12,16)4 + (12 − 12,16)4 +
(12 − 12,16)4 + (12 − 12,16)4 + (12 − 12,16)4 + (12 − 12,16)4 + (12 − 12,16)4 +
(12 − 12,16)4 + (12 − 12,16)4 + (13 − 12,16)4 + (13 − 12,16)4 + (13 − 12,16)4 +
(13 − 12,16)4 + (13 − 12,16)4 + (13 − 12,16)4 + (13 − 12,16)4 + (13 − 12,16)4 +
(13 − 12,16)4 + (13 − 12,16)4 + (13 − 12,16)4 + (13 − 12,16)4 + (13 − 12,16)4 +
(13 − 12,16)4 + (13 − 12,16)4 + (13 − 12,16)4 + (13 − 12,16)4 + (13 − 12,16)4 +
(13 − 12,16)4 + (13 − 12,16)4 + (13 − 12,16)4 + (13 − 12,16)4 + (14 − 12,16)4 +
(14 − 12,16)4 + (14 − 12,16)4 + (14 − 12,16)4 + (14 − 12,16)4 + (14 − 12,16)4 +
(14 − 12,16)4 + (14 − 12,16)4 + (14 − 12,16)4 + (14 − 12,16)4 + (14 − 12,16)4 +
(14 − 12,16)4 + (15 − 12,16)4 + (15 − 12,16)4 + (15 − 12,16)4 + (15 − 12,16)4 +
(15 − 12,16)4 + (15 − 12,16)4 + (15 − 12,16)4 + (15 − 12,16)4 + (16 − 12,16)4 +
100(100 + 1) (16 − 12,16)4 + (16 − 12,16)4 + (16 − 12,16)4 + (17 − 12,16)4 + (17 − 12,16)4 +
K= × −
(100 − 1)(100 − 2)(100 − 3) 2,364
3(100 − 1)2
(100 − 2)(100 − 3)
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 72
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2) Banyak Kelas
K = 1 + 3,3 log n
K = 1 + 3,3 log 100
K = 1 + 3,3(2)
K = 7,6 ≈ 8
3) Panjang Kelas
R
I=
K
11
I=
8
I = 1,3 ≈ 1
4) Batas Kelas
Xmin = 18
5) Tabel Distribusi
Tabel 6 Tabel Distribusi Frekuensi Data Tingkat Kepuasan
Tingkat Kepuasan Frekuensi
6-7 7
8-9 2
10-11 24
12-13 40
14-15 21
16-17 6
18-19 0
20-21 0
Total 100
a) Histogram
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 73
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
b) Polygon
100
80
60
40
20
0
1 2 3 4 5 6
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 74
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 75
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 76
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 77
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 78
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 79
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 80
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
4) Pie Chart
Langkah-langkah membuat diagram pie chart, yaitu :
a) Membuka aplikasi SPSS
b) Masukkan data yang akan dianalisis
c) Jika sudah di input kedalam SPSS, maka langkah
selajutnya yaitu membuat pie chart dengan klik Graphs
→ Pie → Summaries for groups of cases → Devine slice
by → OK
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 81
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 82
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
31 18 26 25 69
Lanjutan Tabel 7 Pivot Table Data Tingkat Kepuasan
32 24 26 23 73
33 22 22
34 25 24 49
35 115 115
36 23 23
37 23 23
38 27 27
39 23 23
40 27 42 50 119
42 26 26
43 25 23 48
44 25 22 47
45 36 24 25 85
48 22 22
50 22 22
51 25 25
59 27 27
60 25 25
63 28 28
64 27 27
65 26 26
68 27 27
69 27 27
70 18 18
Grand
22 24 48 25 77 25 842 48 74 356 340 28 289 164 25 29 2416
Total
Sumber : (Pengolahan Data Penulis, 2023)
1) Memilih pivot table pada menu insert
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 83
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 84
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 85
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 86
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2 + 5 + 10 + 10 + 17 + 30 + 30 + 30 + 40 + 60 +
60 + 60 + 60 + 60 + 60 + 60 + 60 + 60 + 60 + 60 +
60 + 60 + 60 + 60 + 60 + 60 + 60 + 60 + 60 + 60 +
60 + 60 + 60 + 60 + 60 + 60 + 60 + 60 + 60 + 60 +
60 + 60 + 60 + 60 + 60 + 75 + 75 + 90 + 90 + 90 +
120 + 120 + 120 + 120 + 120 + 120 + 120 + 120 + 120 + 120 +
120 + 120 + 120 + 120 + 180 + 180 + 180 + 180 + 180 + 180 +
180 + 180 + 180 + 180 + 180 + 180 + 180 + 180 + 210 + 240 +
240 + 240 + 240 + 240 + 240 + 240 + 240 + 240 + 240 + 240 +
x̅ = 240 + 300 + 300 + 300 + 300 + 300 + 300 + 300 + 312 + 420 +
100
12876
x̅ =
100
x̅ = 128,7
Jadi, mean untuk data lama berkunjung adalah 128,7.
2) Median
1 n n+2
Med = (x ( ) + x ( ))
2 2 2
1 100 100 + 2
Med = (x ( )+ x( ))
2 2 2
1
Med = (x(50) + x(51))
2
1
Med = (90 + 120)
2
Med = 105
Jadi, median untuk data lama berkunjung adalah 105.
3) Modus
Jadi, modus untuk data lama berkunjung adalah 60.
4) Persentil
a) Persentil 5
5
P5 = X (n + 1)
100
5
P5 = (100 + 1)
100
5
P5 = (101)
100
P5 = 5,05 ≈ 5
Jadi, persentil 5 untuk data lama berkunjung adalah data
ke-5 yaitu 17.
b) Persentil 50
50
P50 = X (n + 1)
100
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 87
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
50
P50 = (100 + 1)
100
50
P50 = (101)
100
P50 = 50,5 ≈ 50
Jadi, persentil 50 untuk data lama berkunjung adalah data
ke-50 yaitu 90.
c) Persentil 95
95
P100 = X (n + 1)
100
95
P100 = (100 + 1)
100
95
P100 = (101)
100
P100 = 95,95 ≈ 96
Jadi, persentil 95 untuk data lama berkunjung adalah data
ke-96 yaitu 300.
b. Ukuran Penyebaran Data
1) Range
R = Xmax − Xmin
R = 29 − 18
R = 11
Jadi, range untuk data lama berkunjung adalah 11.
2) Simpangan Rata-Rata
1 n
SR = ∑ |xi − x̅|
n i=1
|2 − 128,7| + |5 − 128,7| + |10 − 128,7| + |10 − 128,7| + |17 − 128,7| +
|30 − 128,7| + |30 − 128,7| + |30 − 128,7| + |40 − 128,7| + |60 − 128,7| +
|60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| +
|60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| +
|60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| +
|60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| +
|60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| +
|60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| +
|60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| + |60 − 128,7| +
|75 − 128,7| + |75 − 128,7| + |90 − 128,7| + |90 − 128,7| + |90 − 128,7| +
|120 − 128,7| + |120 − 128,7| + |120 − 128,7| + |120 − 128,7| + |120 − 128,7| +
|120 − 128,7| + |120 − 128,7| + |120 − 128,7| + |120 − 128,7| + |120 − 128,7| +
|120 − 128,7| + |120 − 128,7| + |120 − 128,7| + |120 − 128,7| + |180 − 128,7| +
|180 − 128,7| + |180 − 128,7| + |180 − 128,7| + |180 − 128,7| + |180 − 128,7| +
|180 − 128,7| + |180 − 128,7| + |180 − 128,7| + |180 − 128,7| + |180 − 128,7| +
|180 − 128,7| + |180 − 128,7| + |180 − 128,7| + |210 − 128,7| + |240 − 128,7| +
|240 − 128,7| + |240 − 128,7| + |240 − 128,7| + |240 − 128,7| + |240 − 128,7| +
|240 − 128,7| + |240 − 128,7| + |240 − 128,7| + |240 − 128,7| + |240 − 128,7| +
|240 − 128,7| + |300 − 128,7| + |300 − 128,7| + |300 − 128,7| + |300 − 128,7| +
|300 − 128,7| + |300 − 128,7| + |300 − 128,7| + |312 − 128,7| + |420 − 128,7| +
SR =
100
76,116
SR =
100
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 88
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
SR = 76,1
Jadi, simpangan rata-rata untuk data lama berkunjung
adalah 76,1.
3) Standar Deviasi
∑n (xi − x̅)2
S = √ i=1
N
(2 − 128,7)2 + (5 − 128,7)2 + (10 − 128,7)2 + (10 − 128,7)2 + (17 − 128,7)2 +
(30 − 128,7)2 + (30 − 128,7)2 + (30 − 128,7)2 + (40 − 128,7)2 + (60 − 128,7)2 +
(60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 +
(60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 +
(60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 +
(60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 +
(60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 +
(60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 +
(60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 + (60 − 128,7)2 +
(75 − 128,7)2 + (75 − 128,7)2 + (90 − 128,7)2 + (90 − 128,7)2 + (90 − 128,7)2 +
(120 − 128,7)2 + (120 − 128,7)2 + (120 − 128,7)2 + (120 − 128,7)2 + (120 − 128,7)2 +
(120 − 128,7)2 + (120 − 128,7)2 + (120 − 128,7)2 + (120 − 128,7)2 + (120 − 128,7)2 +
(120 − 128,7)2 + (120 − 128,7)2 + (120 − 128,7)2 + (120 − 128,7)2 + (180 − 128,7)2 +
(180 − 128,7)2 + (180 − 128,7)2 + (180 − 128,7)2 + (180 − 128,7)2 + (180 − 128,7)2 +
(180 − 128,7)2 + (180 − 128,7)2 + (180 − 128,7)2 + (180 − 128,7)2 + (180 − 128,7)2 +
(180 − 128,7)2 + (180 − 128,7)2 + (180 − 128,7)2 + (210 − 128,7)2 + (240 − 128,7)2 +
(240 − 128,7)2 + (240 − 128,7)2 + (240 − 128,7)2 + (240 − 128,7)2 + (240 − 128,7)2 +
(240 − 128,7)2 + (240 − 128,7)2 + (240 − 128,7)2 + (240 − 128,7)2 + (240 − 128,7)2 +
(240 − 128,7)2 + (300 − 128,7)2 + (300 − 128,7)2 + (300 − 128,7)2 + (300 − 128,7)2 +
(300 − 128,7)2 + (300 − 128,7)2 + (300 − 128,7)2 + (312 − 128,7)2 + (420 − 128,7)2 +
S=
√ 100
806298,6
S=√
100
S = √8062,986
S = 89,7
Jadi, standar deviasi untuk data lama berkunjung adalah
89,7.
4) Variansi
∑ni=1(xi − x̅)2
S2 =
N
89,72
S2 =
100
S2 = 80,4
Jadi, variansi untuk data lama berkunjung adalah 80,4.
5) Standard Error of Mean
S
SE =
√n
89,7
SE =
√100
SE = 8,97
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 89
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
100 60622397,8
SK = ×
(99)(98) 721734,3
SK = 0,86
Jadi, skewness untuk data lama berkunjung adalah 0,86.
7) Kurtosis
n(n + 1) ∑ni=1(xi − x̅)4 3(n − 1)2
K= × −
(n − 1)(n − 2)(n − 3) S4 (n − 2)(n − 3)
(2 − 128,7)4 + (5 − 128,7)4 + (10 − 128,7)4 + (10 − 128,7)4 + (17 − 128,7)4 +
(30 − 128,7)4 + (30 − 128,7)4 + (30 − 128,7)4 + (40 − 128,7)4 + (60 − 128,7)4 +
(60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 +
(60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 +
(60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 +
(60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 +
(60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 +
(60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 +
(60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 + (60 − 128,7)4 +
(75 − 128,7)4 + (75 − 128,7)4 + (90 − 128,7)4 + (90 − 128,7)4 + (909 − 128,7)4 +
(20 − 128,7)4 + (120 − 128,7)4 + (120 − 128,7)4 + (120 − 128,7)4 + (120 − 128,7)4 +
(120 − 128,7)4 + (120 − 128,7)4 + (120 − 128,7)4 + (120 − 128,7)4 + (120 − 128,7)4 +
(120 − 128,7)4 + (120 − 128,7)4 + (120 − 128,7)4 + (120 − 128,7)4 + (180 − 128,7)4 +
(180 − 128,7)4 + (180 − 128,7)4 + (180 − 128,7)4 + (180 − 128,7)4 + (180 − 128,7)4 +
(180 − 128,7)4 + (180 − 128,7)4 + (180 − 128,7)4 + (180 − 128,7)4 + (180 − 128,7)4 +
(180 − 128,7)4 + (180 − 128,7)4 + (180 − 128,7)4 + (210 − 128,7)4 + (240 − 128,7)4 +
(240 − 128,7)4 + (240 − 128,7)4 + (240 − 128,7)4 + (240 − 128,7)4 + (240 − 128,7)4 +
(240 − 128,7)4 + (240 − 128,7)4 + (240 − 128,7)4 + (240 − 128,7)4 + (240 − 128,7)4 +
(240 − 128,7)4 + (300 − 128,7)4 + (300 − 128,7)4 + (300 − 128,7)4 + (300 − 128,7)4 +
100(100 + 1) (300 − 128,7)4 + (300 − 128,7)4 + (300 − 128,7)4 + (312 − 128,7)4 + (420 − 128,7)4 +
K= × −
(100 − 1)(100 − 2)(100 − 3 89,74
3(100 − 1)2
(100 − 2)(100 − 3)
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 90
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
c. Penyajian Data
1) Range
R = Xmax − Xmin
R = 420 − 2
R = 418
2) Banyak Kelas
K = 1 + 3,3 log n
K = 1 + 3,3 log 100
K = 1 + 3,3(2)
K = 7,6 ≈ 8
3) Panjang Kelas
R
I=
K
418
I=
8
I = 52,25 ≈ 52
4) Batas Kelas
Xmin = 2
5) Tabel Distribusi
Tabel 9 Tabel Distribusi Frekuensi Data Lama Berkunjung
Tingkat Kepuasan Frekuensi
2-60 45
61-120 19
121-180 14
181-240 13
241-300 17
301-360 1
361-420 1
Total 100
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 91
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
a) Histogram
40
30
20
10
0
001-060 061-120 121-180 181-240 241-300 301-360 361-420
40
30
20
10
0
001-060 061-120 121-180 181-240 241-300 301-360 361-420
100
80
60
40
20
0
1 2 3 4 5 6 7
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 92
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
d) Pie Chart
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 93
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 94
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 95
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 96
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 97
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2) Polygon
Langkah-langkah membuat diagram polygon, yaitu :
a) Membuka aplikasi SPSS
b) Masukkan data yang akan dianalisis
c) Jika sudah di input kedalam SPSS, maka langkah
selajutnya yaitu membuat polygon dengan klik Graphs →
Line → Simple (summaries for groups of cases) → N of
cases → Pindahkan ke category axis → OK
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 98
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 99
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 100
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 101
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 102
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 103
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 104
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 105
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 106
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB V
PEMBAHASAN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 107
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB VI
PENUTUP
6.1 Kesimpulan
6.2 Saran
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 108
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR PUSTAKA
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 109
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
LAMPIRAN
STATISTIK DESKRIPTIF
AHMAD FITRAH ANNUR / D071211005 (KELOMPOK III) 110