LAPORAN PRAKTIKUM

STATISTIKA INDUSTRI
MODUL 1: STATISTIKA DESKRIPTIF

OLEH:

ANGELINA LAURENTCIA (545220021)

JOHANES FRANSISCUS (545220024)
VIRIYA TOTI (545220030)
ANI NUR CAHYANI (545220048)
SERUNI ANIENDIRA (545220057)

ASISTEN PRAKTIKUM:
KEVIN ADRIAN (545190007)

LABORATORIUM REKAYASA KUALITAS

PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS TARUMANAGARA
2023
 KATA PENGANTAR

Puji syukur kami panjatkan ke hadirat Tuhan Yang Maha Esa atas segala rahmat
dan karunia-Nya. Penyusunan laporan praktikum ini merupakan bagian dari tugas
akademik mata kuliah Statistika Deskriptif yang kami laksanakan sebagai
mahasiswa program studi Teknik Industri di Universitas Tarumanagara.
Laporan praktikum ini bertujuan untuk menyajikan hasil pengamatan dan
analisis data yang diperoleh dari praktikum statistika deskriptif yang telah kami
lakukan. Praktikum ini dilakukan dengan menggunakan metode statistika
deskriptif untuk menggambarkan data yang diperoleh dari sampel penelitian yang
telah kami kumpulkan.
Dalam laporan ini, kami akan menjelaskan tentang langkah-langkah yang
kami lakukan dalam proses pengolahan data, termasuk pengumpulan data,
penyajian data dalam bentuk tabel dan grafik, serta analisis deskriptif
menggunakan ukuran pemusatan dan ukuran penyebaran. Kami juga akan
menyajikan interpretasi dan analisis hasil data yang telah kami peroleh, serta
memberikan kesimpulan dan saran sesuai dengan tujuan praktikum. Kami
mengucapkan terima kasih kepada:
1. Bapak Wilson Kosasih, S.T., M.T., IPM, ASEAN Eng sebagai Ketua
Program Studi Teknik Industri Universitas Tarumanagara
2. Ibu Lithrone Laricha Salomon, S.T., M.T., sebagai Dosen Pembimbing
Praktikum Statistika Industri.
3. Bapak I Wayan Sukania, ST., MT sebagai Dosen Pembimbing Praktikum
Statistika Industri.
4. Kevin Adrian sebagai asisten Laboratorium Statistika Industri pada Modul
Statistika Deskriptif
5. Teman-teman yang telah mendukung dan membantu dalam proses
praktikum
Kami menyadari bahwa laporan ini masih jauh dari sempurna dan tentunya masih
memiliki kekurangan. Oleh karena itu, kami sangat mengharapkan kritik, saran,

i
dan masukan yang konstruktif untuk perbaikan laporan ini di masa yang akan
datang.

Akhir kata, kami berharap laporan praktikum ini dapat memberikan kontribusi
yang bermanfaat dalam pemahaman dan penerapan statistika deskriptif serta
menjadi referensi yang berguna bagi pembaca yang berminat dalam bidang ini.

Jakarta, 13 April 2023

Penulis

ii
 DASAR ISI

KATA PENGANTAR.......................................................................................i
DASAR ISI.......................................................................................................iii
DAFTAR GAMBAR........................................................................................iv
BAB I
1.1 Latar Belakang........................................................................................1
1.2 Rumusan Masalah...................................................................................3
1.3 Tujuan......................................................................................................3
1.4 Manfaat...................................................................................................4
BAB II
2.1 Pengertian Statistika dan Statistik...........................................................5
2.2 Jenis Jenis Statistika................................................................................5
2.3 Penyajian Data........................................................................................6
2.3.1 Penyajian Data dalam Bentuk Tabel.................................................6
2.3.2 Penyajian Data Dalam Bentuk Grafik (Diagram)............................7
2.4 Pemusatan Data.......................................................................................9
2.5 Keseragaman Data..................................................................................9
2.6 Flowchart................................................................................................10
2.7 Minitab....................................................................................................11
BAB III
3.1 Pengambilan Data...................................................................................12
3.2 Pengolahan Menggunakan Minitab........................................................13
BAB IV
4.1 Hasil Data Pengukuran............................................................................21
4.2 Hasil Perhitungan Manual.......................................................................22
4.3 Analisi dan Pembahasan..........................................................................25
BAB V
DAFTAR PUSTAKA........................................................................................33

iii
 DAFTAR GAMBAR

Gambar 2.1 Contoh Diagram Barang..................................................................7

Gambar 2.2 Contoh Diagram Garis.....................................................................8
Gambar 2.3 Contoh Diagram Lingkaran............................................................8
Gambar 2.4 Contoh Diagram Histogram............................................................9
Gambar 2. 5 Simbol-Simbol Flowchart.............................................................10
Gambar 3.1 Pengambilan Data menggunakan flowchart................................13
Gambar 3.2 Proses Pengukuran Berat Wortel..................................................13
Gambar 3.3 Flowchart Pengelolahan Data Menggunakan Minitab...............14
Gambar 3.4 Memasukkan Variabel...................................................................15
Gambar 3.5 Memasukkan Data Sampel............................................................15
Gambar 3.6 Memilih Display Descriptive Statistics.........................................16
Gambar 3.7 Memasukan C1 ke dalam Kolom Variables.................................16
Gambar 3.8 Memilih Pengolahan Data yang Diinginkan................................17
Gambar 3 9 Memilih Histogram of Data...........................................................17
Gambar 3.10 Tampilkan Grafik Histogram......................................................18
Gambar 3.11 Memilih Midpoint dan Number of Intervals..............................18
Gambar 3.12 Memasukkan Nilai dan Panjang Kelas......................................19
Gambar 3.13 Grafik Histogram.........................................................................20
Gambar 4.1 Hasil Pengolohan Data dengan Minitab.......................................22
Gambar 4.2 Histogram Data Berat 50 Buah wortel.........................................22

iv
 DAFTAR TABEL
Tabel 4.1 Data Berat 50 Buah Kentang..............................................................21
Tabel 4.2 Perhitungan variansi...........................................................................25

Tabel 5.1 Data Berat 50 Wortel 30

v
 BAB I
PENDAHULUAN
I.1 Latar Belakang
Statistika deskriptif adalah salah satu cabang statistika yang digunakan untuk
menggambarkan, meringkas, dan menganalisis data yang ada. Dalam konteks
praktikum statistika deskriptif, tujuannya adalah untuk memahami karakteristik
dan pola data yang diamati. Dalam laporan ini, kami akan menganalisis data berat
wortel untuk menggambarkan dan meringkas data yang ada.
Analisis statistika deskriptif melibatkan berbagai teknik dan metode,
termasuk penghitungan ukuran pemusatan data seperti mean, median, dan modus,
serta ukuran penyebaran data seperti rentang, simpangan baku, dan kuartil. Selain
itu, statistika deskriptif juga melibatkan visualisasi data, seperti grafik dan
diagram, untuk membantu memahami pola data yang ada.
Hasil analisis statistika deskriptif dapat memberikan informasi penting yang
dapat digunakan untuk mengambil keputusan yang berbasis data. Melalui laporan
praktikum statistika deskriptif ini, kami berharap dapat memberikan gambaran
yang jelas tentang data berat wortel per-buahnya, serta menggambarkan
karakteristik dan pola data yang diamati. Hasil analisis statistika deskriptif ini
diharapkan dapat menjadi dasar bagi pengambilan keputusan yang informasional
dan berbasis data.
Statistika deskriptif dapat diterapkan dalam berbagai bidang, seperti ilmu
sosial, ilmu ekonomi, bisnis, kedokteran, ilmu alam, dan lain-lain. Beberapa
langkah umum dalam pengaplikasian statistika deskriptif adalah sebagai berikut:
Pengumpulan Data: Langkah pertama dalam statistika deskriptif adalah
mengumpulkan data yang relevan. Data dapat diperoleh melalui berbagai sumber,
seperti survei, pengamatan, atau data sekunder dari lembaga atau organisasi yang
memiliki data yang diperlukan.
Penyajian Data: Setelah data terkumpul, langkah selanjutnya adalah
menyajikan data tersebut dalam bentuk yang dapat dimengerti. Penyajian data
dapat dilakukan dengan menggunakan tabel, grafik, atau diagram, seperti diagram
batang, diagram garis, atau diagram lingkaran.

1
 2

Penghitungan Ukuran Statistik: Selanjutnya, data dapat dianalisis dengan

menghitung ukuran-ukuran statistik, seperti mean (rata-rata), median (nilai
tengah), modus (nilai yang paling sering muncul), rentang (selisih antara nilai
maksimum dan minimum), simpangan baku (ukuran penyebaran data), dan kuartil
(ukuran pemusatan data).
Interpretasi Data: Setelah ukuran-ukuran statistik dihitung, data dapat
diinterpretasi untuk memahami karakteristik dan pola data yang diamati.
Interpretasi data dapat melibatkan analisis perbandingan, analisis tren, atau
analisis pola data yang dapat memberikan pemahaman yang lebih dalam tentang
data yang ada.
Penyusunan Ringkasan: Langkah terakhir dalam statistika deskriptif adalah
penyusunan ringkasan atau laporan yang menggambarkan temuan dan hasil
analisis data secara jelas dan sistematis. Laporan dapat disajikan dalam bentuk
naratif, tabel, atau grafik untuk memudahkan pemahaman dan pengambilan
keputusan yang berbasis data.
Contoh Pengaplikasian Statistika Deskriptif adalah misalnya, dalam bisnis,
statistika deskriptif dapat digunakan untuk menganalisis data penjualan suatu
produk dalam periode waktu tertentu, seperti menghitung rata-rata penjualan
harian, median penjualan, atau menggambarkan pola penjualan berdasarkan
grafik. Selain itu, statistika deskriptif juga dapat digunakan dalam ilmu sosial
untuk menganalisis data survei tentang preferensi politik atau kebiasaan konsumsi
masyarakat, atau dalam ilmu alam untuk menganalisis data pengamatan tentang
perilaku.
Data yang kami kumpulkan berupa berat wortel per-buahnya. Cara kami
untuk mendapatkan data itu adalah dengan menggunakan pengukuran yang
dimana kami mengukur berat 50 buah wortel dengan cara menimbang berat
masing-masing dengan menggunakan timbangan yang akurat. Setelah itu catat
berat masing-masing wortel dalam unit pengukuran yang konsisten, misalnya
dalam gram (gr) atau kilogram (kg).
 3

Setelah mengumpulkan data berat wortel, kita dapat menggunakan statistika

deskriptif untuk menganalisis data tersebut. Beberapa ukuran statistika deskriptif
yang dapat digunakan untuk mengukur berat wortel adalah: mean, median,
modus, rentang, kuartil
Setelah menghitung statistik deskriptif, kita dapat menganalisis data
tersebut untuk memahami karakteristik berat wortel dalam sampel, seperti pusat
distribusi data, variasi, dan sebaran data. Dengan menggunakan statistika
deskriptif, maka kita akan lebih mengetahui informasi tentang variasi data,
pemusatan data, distribusi data, dan sebagainya.

I.2 Rumusan Masalah

Berikut adalah beberapa rumusan masalah pada penelitian ini;
 Bagaimana distribusi berat wortel yang diukur dalam satuan gram?
 Bagaimana persebaran data berat wortel dalam setiap kelas ukuran panjang
wortel?
 Bagaimana profil distribusi berat wortel dalam periode waktu tertentu
(misalnya per minggu, per bulan)?

I.3 Tujuan
Berikut adalah tujuan-tujuan dilakukannya penelitian ini:
 Rumusan masalah ini fokus pada analisis distribusi data berat wortel, yang
dapat dijelaskan dengan menggunakan ukuran pusat (mean, median,
modus) dan ukuran variabilitas (range, variansi, simpangan baku) untuk
memahami bagaimana data berat wortel terdistribusi dalam satuan gram.
 Rumusan masalah ini mengarahkan analisis statistika deskriptif untuk
membandingkan berat wortel dari dua metode pertanian yang berbeda.
Analisis dapat mencakup perbandingan ukuran pusat dan ukuran
variabilitas antara dua kelompok wortel untuk mengetahui apakah terdapat
perbedaan signifikan dalam berat wortel yang dihasilkan dari dua metode
pertanian yang berbeda.
 4

 Rumusan masalah ini dapat digunakan untuk menganalisis distribusi berat

wortel dalam setiap kelas ukuran panjang wortel, misalnya wortel dengan
panjang kurang dari 10 cm, 10-20 cm, dan lebih dari 20 cm. Analisis dapat
melibatkan perhitungan ukuran pusat dan ukuran variabilitas dalam setiap
kelas panjang wortel untuk mengetahui pola atau tren distribusi berat
wortel dalam setiap kelas panjang wortel

I.4 Manfaat
Pada penelitian praktikum Statisika Deskriptif, kami dapat menyimpulkan
manfaat dari penelitian ini, yaitu:
 Memahami karakteristik 50 data berat wortel per-buah
 Dapat mengambil keputusan yang tepat berdasarkan data
 Meningkatkan keterampilan analisis data
 Dapat memahami cara menggunakan minitab 19
 BAB II
DASAR TEORI
II.1 Pengertian Statistika dan Statistik
Berdasarkan pengertiannya statistika dan statistik adalah 2 hal yang berbeda, namun
orang-orang sering mengartikannya sama, keduanya memiliki perbedaan
pengguanaannya. Secara umum keduanya mengacu pada ilmu yang memperlajari
tentang pengumpulan, analisis, interpretasi, dan presentasi data.
Statistika lebih sering digunakan sebagai istilah umum untuk merujuk pada bidang
ilmu yang mencakup semua aspek tersebut. Misalnya, seseorang dapat
mengatakan bahwa mereka belajar statistika Sementara itu statistik lebih sering
digunakan untuk merujuk pada hasil analisis data atau informasi numerik yang
diperoleh dari data. Dalam bahasa indonesia istilah statistika lebih umum
digunakan dalam konteks akademik dan ilmiah, sementara statistik lebih sering
digunakan dalam konteks praktis dan sehari hari
Selain memiliki perbedaan pengertian, statistic dan statistika memiliki perbedaan
pada tujuan keduanya. Meskipun kedua ilmu ini saling terkait mulai dari
pengumpulan data, pengolahan hingga menafsirkan data. Namun statistik dan
statistika memiliki tujuan yang berbeda-beda. Tujuan dari statistik adalah untuk
mendapatkan gambaran serta berupa informasi terhadap data yang telah
dikumpulkan dan diolah sebelumnya. Kemudian, data tersebut dapat ditarik
kesimpulannya berdasarkan permasalan yang ingin dikaji sedangkan statistika
memiliki tujuannya untuk mempermudah dalam interpretasikan sebuah data dan
digunakan untuk tujuan tertentu.

II.2 Jenis Jenis Statistika

Secara umum statistika dibagi menjadi 2 kelompok besar yaitu statistik deskriptif dan
statistik inferensial. Statistika deskriptif adalah metode statistik yang digunakan
untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data
serta menyajikan data supaya data lebih bermakna dan komunikatif, penyajian
data disertai dengan perhitungan-perhitungan sederhana yang bersifat

5
 6

memperjelas suatu data berupa gambar atau tabel dan atau karakteristik data yang
bersangkutan.
Sedangkan statistika inferensial adalah metode statistik yang menggunakan
rumus statistik dan hasil perhitungannya dijadikan sebagai pedoman dalam
membuat kesimpulan suatu kajian atau kasus tertentu atau mengeneralisasikannya.
Dengan metode statistik inferensial memungkinakan kita untuk membuat prediksi
dari data tersebut. Dengan menggunakan statistik inferensial kita dapat
mengambil data sampel untuk memprediksi suatu kasus dalam suatu populasi.
Teknik yang biasanya digunakan adalah uji korelasi dan regresi, ANOVA
(analysis of variance) dan lain lainnya
Sebenenarnya diantara kedua jenis jenis statistic tersebut yaitu statistic deskriptif
dan statistic infrensial sama-sama untuk mengolah data untuk memperoleh
informasi, perbedaannya terletak pada tujuan akhir. Statistic deskriptif digunakan
untuk memberikan gambaran karakteristik suatu data dan sebagai sebuah
informasi sedangkan statistic inferensial digunakan untuk membuat sebuah
dugaan atau hipotesis suatu kasus dalam sebuah penelitian atau kajian yang diteliti

II.3 Penyajian Data

Penyajian data dalam statistic adalah suatu bentuk penataan data statistic agar
data statistic lebih mudah dipandang dan mudah dipahami oleh pengguna data.
Tujuannya adalah agar data statistic mudah dimengerti dan mudah dianalisis serta
ditujukan kepada banyak orang sehingga proses pengambilan kesimpulan dan
keputusan berdasarkan data akan lebih akurat dan sedikit mengalami
penyimpangan. Penyajian data, dalam statistic biasanya dibagi menjadi kedalam
dua bagian yaitu penyajian data dalam bentuk tabel dan penyajian data dalam
bentuk grafik.
II.3.1 Penyajian Data dalam Bentuk Tabel
Penyajian data dalam bentuk tabel biasanya menyajikan data dalam bentuk data
berupa baris dan kolom, tabel kontigensi dan tabel data distribusi frekuensi
1. Tabel Baris dan Kolom
 7

Jenis tabel ini digunakan untuk menginformasikan nilai dari satu

kelompok data saja.
2. Tabel Kontingensi
Pada tabel kontingensi ada lebih satu kelompok data. Pada tabel ini kita
dapat melihat perbandingan ataupun adanya hubungan antara dua
kelompok yang berbeda tersebut
3. Tabel Data Distribusi Frekuensi
Pada jenis tabel distribusi frekuensi, data yang disajikan berupa interval
yang memiliki frekuensi atau banyak datanya masing-masing.

II.3.2 Penyajian Data Dalam Bentuk Grafik (Diagram)

Diagram adalah gambar sedeherna yang menunjukkan penampilan, sturuktur,
atau cara kerja sesuatu atau yang merepresentasikan data. Penyajian dalam
bentuk grafik adalah suatu penyajian data dalam bentuk visual berupa
gambar. Penyajian data dalam bentuk diagram haruslah mudah dimengerti.
Penyajian data dalam bentuk diagram memiliki beberapa jenis jenis yaitu:
1. Diagram Batang
Diagram batang adalah salah satu bentuk penyajian atau visualisasi data
dengan menggunakan batang batang berbentuk persegi atau balok.
Diagram batang umumnya digunakan untuk menggambarkan
perkembangan nilai suatu objek dalam waktu tertentu atau dapat
juga digunakan untuk sebagai pembanding dua data yang berbeda.
 8

Gambar 2.1 Contoh Diagram Barang

2. Diagram Garis
Diagram garis adalah salah satu bentuk penyajian atau visualisasi data
yang berisikan garis garis yang saling mengikat dan berhubungan
yang menunjukan kuantitas dari data-data tersebut.

Gambar 2.2 Contoh Diagram Garis

3. Diagram Lingkaran
Diagram lingkaran adalah sebuah diagram berbentuk lingkaran yang
dibagi menjadi irisan-irisan untuk menggambarkan proporsi numerik
dari suatu data.

Gambar 2.3 Contoh Diagram Lingkaran

 9

4. Diagram Histogram
Histogram merupakan tampilan bentuk grafis berbentuk balok atau
kubus yang untuk menunjukkan distribusi data secara visual atau
seberapa sering suatu nilai yang berbeda itu terjadi dalam suatu
kumpulan data. 

Gambar 2.4 Contoh Diagram Histogram

II.4 Pemusatan Data

Pemusatan data adalah sembarang nilai yang digunakan untuk menggambarkan
sekumpulan data dengan mengidentifikasikan pusat dari sekumpulan data
tersebut. Dalam analisis data dengan statistic deskriptif ukuran pemusatan data
adalah metode yang paling lazim atau paling sering digunakan untuk
menggambarkan kondisi data di titik pusat. Ukuran pemusatan data yang paling
sering digunakan dalam analisis data adalah rata-rata (mean), median dan modus.

II.5 Keseragaman Data

Ukuran keseragaman data digunakan untuk melihat persebaran data, keseragaman
menggambarkan seberapa jauh data menyebar dari rata ratanya, selainn itu
keseragaman data juga menggambarkan seberapa besar penyimpangan nilai nilai
data dengan nilai data pusatnya. Ukuran keseragaman data yang paling sering
 10

digunakan adalah range, rentang antar kuartil, simpangan kuartil, variansi dan
standar deviasi.

II.6 Flowchart
Flowchart adalah sebuah diagram yang menggambarkan suatu proses, sistem
alogoritma dari sebuah jaringan dan komputer. Flowchart banyak digunakan di
berbagai bidang untuk mempelajari, merencanakan, mendokumentasikan, dan
memperbaiki sebuah proses kerja suatu sistem. Bagan kerangka flowchart
umumnya terdiri dari simbol-simbol seperti bentuk bangunan dua dimensi seperti
persegi panjang, segitiga dan lain lainnya. Simbol nantinya akan dimasukan ke
dalam sebuah diagram yang detail dan ringkas. Fungsi utama dari flowchart
adalah mendeskripsikan setiap proses yang ada pada suatu sistem.

Gambar 2. 5 Simbol-Simbol Flowchart

 11

II.7 Minitab
Minitab adalah sebuah software statistika yang dirancang untuk melakukan
pengolahan statistika. Minitab memberikan kemudahan pemakaian layaknya
Microsoft excel dengan kemampuan untuk melakukan analisis statistik yang lebih
kompleks lagi. Analisis data dapat dilakukan lebih menyeluruh dengan minitab,
sehingga data substansi dapat ditarik bahkan oleh orang-orang tanpa pengetahuan
statistik.
 BAB III
METODELOGI PENELITIAN

III.1 Pengambilan Data

Pada proses pengambilan data karakteristik berat wortel ini menggunakan
sebanyak 50 sampel. Berikut merupakan flowchart pengambilan data sampel

12
 13

Gambar 3.1 Pengambilan Data menggunakan flowchart

Berikut ini adalah Langkah-langkah mengumpulkan data berat wortel

sebanyak 50 buah :
1. Menyiapkan sebanyak 50 sampel wortel
2. Menyiapkan alat tulis berupa pulpen dan kertas
3. Melakukan pengukuran berat 50 wortel dengan menggunakan
timbangan. Proses pengukuran berat wortel dapat dilihat pada
gambar berikut :

Gambar 3.2 Proses Pengukuran Berat Wortel

III.2 Pengolahan Menggunakan Minitab

Data-data yang telah dikumpulkan dan diolah menggunakan minitab, dan
kemudian dibuat flowchart. Berikut ini merupakan flowchart pengolahan data
menggunakan minitab pada dilihat oleh gambar dibawah ini:
 14

Gambar 3.3 Flowchart Pengelolahan Data Menggunakan Minitab

 15

Berdasarkan data yang telah di kumpulkan, data tersebut akan diolah

menggunakan Minitab. Berikut merupakan pengolahan data menggunakan
Minitab:
1. Membuka aplikasi Minitab.
2. Memasukkan Variabel “Berat Wortel (gr)” seperti pada Gambar 3.4.

Gambar 3.4 Memasukkan Variabel

3. Memasukan data sampel yang telah diperoleh sebanyak 50 data

seperti pada Gambar 3.5.

Gambar 3.5 Memasukkan Data Sampel

 16

4. Memilih Stat pada Menu Bar kemudian memilih Basic Statistics dan
Display Descriptive Statistics seperti pada Gambar 3.6.

Gambar 3.6 Memilih Display Descriptive Statistics

5. Setelah melakukan Langkah keempat, maka akan terbuka opsi baru.

Kemudian Duoble click pada bagian C1 Berat Wortel (gr) agar
masuk ke dalam kolom Variables seperti pada Gambar 3.7.

Gambar 3.7 Memasukan C1 ke dalam Kolom Variables

6. Selanjutnya memilih Statistics maka akan muncul tampilan pop up

Display Descriptive Statistics: Statistics. Kemudian memilih
pengolahan data yang diinginkan pada Display Descriptive
 17

Statistics: Statistics yaitu mean, standar deviation, variance,

minimum, maximum, range, N nonmising, N missing, N total, first
quartile, median, third quartile, mode, kemudian pada check
statistics memilih yang default seperti pada Gambar 3.8.

Gambar 3.8 Memilih Pengolahan Data yang Diinginkan

Gambar 3.8 Memilih Pengolahan Data yang Diinginkan

7. Setelah memilih beberapa opsi yang terdapat pada Display

Descriptive Statistics: Statistics, klik OK dan tampilan akan Kembali
semula pada Display Descriptive Statistics. Selanjutnya, klik Graphs
lalu akan terbuka pop up Display Descriptive Statistics: Graphs,
kemudian memilih Histogram of Data seperti pada Gambar 3.9.

Gambar 3 9 Memilih Histogram of Data

 18

8. Selanjutnya klik OK dan tampilan akan Kembali pada pop up

Display Descriptive Statistics maka akan muncul tampilan Display

Gambar 3.10 Tampilan Grafik Hisrtogram

Descriptive Statistics maka akan muncul grafik histogram

berdasarkan data yang telah diinput seperti pada gambar 3.10.

9. Setelah grafik histogram muncul, kemudian double klik pada grafik

histogram tersebut maka akan muncul pop up tampilan Edit Graph,
selanjutnya double clik pada batang histogram tersebut maka akan
muncul pop up Edit Bars, kemudian pilih Binning, dilanjutkan
dengan memilih Midpoint yang terdapat pada Interval Type, dan
memilih Number of Intervals yang terdapat pada Interval Definition
seperti Gambar 3.10 Tampilkan Grafik Histogram pada

gambar 3.11.
 19

10. Kemudian menghitung banyak kelas (K) dengan menggunakan

rumus K = 1 + 3,3 log n.
11. Setelah berhasil menemukan nilai K atau banyaknya kelas,
kemudian kita melanjutkan pada perhitungan panjang kelas atau
interval (C) dengan rumus C = range/banyak kelas.
12. Lalu setelah mendapatkan nilai K dan nilai C, dapat melanjutkan

Gambar 3.11 Memilih Midpoint dan Number of Intervals

perhitungan data dengan memasukkan nilai berat wortel (gr)
berdasarkan dari panjang kelas atau interval (C) tersebut ke dalam

Gambar 3.12 Memasukan Nilai dari Panjang Kelas

Midpoint/Cutpoint Positions seperti pada gambar 3.12.

Gambar 3.12 Memasukkan Nilai dan Panjang Kelas

 20

13. Setelah itu maka akan muncul grafik histogram yang baru yang
sesuai dengan data interval kelas yang telah didapat. Lalu kita dapat

langsung melakukan analisis data berdasarkan table grafik histogram

yang dapat dilihat pada Gambar 3.13

Gambar 3.13 Grafik Histogram

 21

BAB IV
ANALISIS DATA
IV.1 Hasil Data Pengukuran
Berikut ini adalah data hasil pengukuran berat wortel (gr) sebanyak 50 buah
Berikut sample yang dapat dilihat pada Tabel 4.1.

Berat Wortel (gr)

1 69 16 59 31 51 46 51
2 55 17 47 32 67 47 38
3 41 18 60 33 58 48 49
4 74 19 41 34 69 49 66
5 56 20 59 35 55 50 76
6 44 21 53 36 50
7 47 22 44 37 58
8 58 23 75 38 52
9 49 24 64 39 63
10 35 25 51 40 67
11 51 26 44 41 48
12 57 27 75 42 49
13 54 28 67 43 73
14 51 29 57 44 54
15 48 30 38 45 58
Tabel 4.1 Data Berat 50 Buah Kentang

Berikut adalah hasil pengolahan data statistika deskriptif dan penyajian data
dalam bentuk histogram 50 data berat wortel (kg) dengan menggunakan aplikasi
minitab dapat dilihat pada gambar 4.1 dan 4.2.
 22

Gambar 4.1 Hasil Pengolohan Data dengan Minitab

Gambar 4.2 Histogram Data Berat 50 Buah wortel

IV.2 Hasil Perhitungan Manual

Setelah melakukan pengolahan data 50 buah wortel dengan menggunakan aplikasi
minitab, penulis juga dapat melakukannya dengan menghitung data dengan cara
manual. Hasil perhitungan tersebut akan dibandingan dengan hasil pengolahan
data yang menggunakan aplikasi Minitab. Membandingkan dengan cara tersebut
dapat bertujuan untuk memeriksa hasil kebenaran pengolahan data yang
menggunakan aplikasi minitab.
Perhitungan yang akan dilakukan dengan metode manual yaitu meliputi
perhitugan jumlah kelas, panjang kelas atau interval, mean atau rata-rata, mode
atau modus, kuartil pertama, kuartil kedua atau median, kuartil ketiga, variansi,
standar deviasi, jangkauan kuartil, dan koefisien variansi.
Berikut ini adalah hasil dari perhitungan metode manual 50 data berat
wortel.
1. Mean (rata-rata)
 23

Mean atau rata-rata dapat dihitung dengan rumus:

X=
∑ fi . xi
n
Perhitungan mean atau rata-rata dari 50 data berat wortel adalah sebagai
berikut:
2769
x= =55,38 gr
50

r
2. Mode (modus)
Modus adalah data yang paling sering muncul atau nilai data yang
memiliki frekuensi terbanyak. Modus dari 50 data berat wortel yaitu:

modus=Lo+i ( b1+( b 1b) 2 )¿ 46,5+ 6( 9+29 )¿ 46,5+ 4,9¿ 51,4 gr

Jadi, modus yang di dapat dari data 50 buah berat wortel adalah 51,4.
3. Range
Range atau jangkauan adalah selisih nilai terbesar atau nilai maksimum
dengan nilai terkecil atau nilai minimum. Range dapat dihitung dengan
rumus:
Range=Nilai Maksimum – Nilai MinimumRange=76−35=41 gr
4. Jumlah kelas (K)
Jumlah kelas dapat dihitung menggunakan rumus:
k =1+3,22 log n
Sehingga perhitungan jumlah kelas dari 50 data berat wortel adalah
sebagai berikut:
k =1+3,322 log n¿ 1+3,322 log50¿ 6,6 7
5. Interval Kelas (Panjang Kelas)
Interval kelas dapat dihitung menggunakan rumus:
Range
interval=
jumlah kelas
Perhitungan interval kelas dari 50 data berat wortel adalah sebagai berikut:
 24

41
interval= interval=5,85 6
7
6. Kuartil Pertama, Kuartil kedua, dan Kuartil Ketiga (Q1,Q2, Q3)
Menghitung letak kuartil menggunakan rumus:
Quartil=Lo+i¿ )
Perhitungan letak kuartil pertama, kuarti kedua, dan kuartil ketiga (Q1,
Q2,Q3) dari 50 data berat wortel adalah sebagai berikut:

( ( −8 )
)
1.50
4
Q 1=46,5+ 6 =48,43 gr
14

( (
−22)
)
2.50
4
Q 2=52,5+6 =54 gr
12

( ( −34 )
)
3.50
4
Q 3=58,5+6 =62,7 gr
5
7. Variansi
Variansi merupakan rata-rata kuadrat selisih. Variansi berguna untuk
mengukur tingkat kesamaan atau kedekatan dalam suatu kelompok.
Variansi dapat dihitung menggunakan rumus:
2
f i ( x i−x ) 4859,16
2
S= ¿ ¿ 99,17 gr
n−1 50−1

Table perhitungan variansi dapat dilihat pada Tabel 4.2.

KELAS fi fi( xi−x )2
35-40 3 959,07
41-46 5 705,65
 25

47-52 14 483,98
53-58 12 0,168
59-64 5 187,25
65-70 6 881,37
71-76 5 1641,67

Tabel 4.2 Perhitungan variansi

8. Standar Deviasi (S)

Standar deviasi merupakan akar pangkat dua dari variansi. Standar deviasi
dapat dihitung menggunakan rumus. Berikut rumus dan perhitungan
standar deviasi dari 50 data berat wortel.

S=
√ ∑ fi ( x− x )2 ¿
n−1 √ 4859,16 ¿ 9,95
50−1

IV.3 Analisi dan Pembahasan

Berikut adaah analisis dan pembahasan berdasarkan perbandingan pengolahan
data dengan metode manual dan pengolahan data dengan menggunakan aplikasi
minitab terhadap 50 data berat wortel (gr).
1. N, N*, dan Total Count
Pada aplikasi minitab terdapat dua jenis data N. N (N nonmissing)
merukapan jumlah data yang dapat dideteksi. Sedangkan N* (N missing)
Jumlah data yang tidak dapat terdeteksi oleh minitab. Total count adalah
penjumlahan dari data N yang diolah. Maka penjumlahan dari N,N* akan
menghasilkan nilai total count. Nilai total count pada apikasi minitab
adalah 50 data dan nilai total count yang dihitung secara manual adalah 50
data. Jadi, kedua total count tersebut menyatukan jasil akhir akir yang
sama yaitu sebesar 50 data.
2. Mean (rata-rata)
Berikut adalah hasil pengolahan data:
a. Minitab: 55,50 gr
b. Manual: 55,38 gr
 26

Hasil pengolahan data pada aplikasi minitab dan pengolahan data

dengan secara manual, didapatkan nilai rata-rata (gr) untuk 50 sampel
wortel adalah 55,38 gr untuk hasil perhitungan manual dan 55,50 gr
untuk hasil perhitungan aplikasi minitab, artinya berat 50 wortel
tersebut berkisar 55gr
3. Nilai Maksimum dan Minimum
Niai maksimum merupakan nilai terbesar dalam suatu dara. Nilai
minimum merupakai niai terkecil dari suatu data. Oleh karena itu, nilai
maksimum dan nilai minimum dari hasil pengolahan data pada aplikasi
minitab dan hasil pengolahan data manual menunjukkan hasil yang sama,
yaitu 76 untuk nilai maksimum dan 35 untuk nilai minimumnya. Maka,
dapat disimpulkan bahwa nilai maksimum dan nilai minimum pada data
berat 50 buah wortel adalah 76 dan 35. Jadi, ukuran berat wortel yang
terbesar adalah 76gr dan ukuram terkecinya adalah 35.
4. Range
Berikut adalah hasil perngolahan data:
a. Minitab: 41 gr
b. Manual: 41 gr
Hasil pengolahan data pada aplikasi minitab dan hasil pengolahan data
secara menghitung manual untuk perhitungan range menunjukkan
hasil yang sama, yaitu 41 gr. Maka, dapat disimpulkan bahwa range
data berat 30 buah wortel adalah 41 gr dan berat wortel terbesar dan
terkecil adalah 41 gr.
5. Mode (Modus)
Berikut ini adalah hasil pengolahan data:
a. Minitab: 51 gr
b. Manual: 51,4 gr
Nilai modus yang didapat dari pengolahan data yang menggunakan
aplikasi minitab adalah 51 gr, sedangkan pengolahan data yang didapat
menggunakan perhitungan manual adalah 51,4 gr.
6. Kuartil Pertama (Q1)
 27

Berikut ini adalah hasil pengolahan data:

a. Minitab: 48,75 gr
b. Manual: 48,43 gr
Hasil dari pengolahan data dari kuartil satu artinya, nilai tengah antara
nilai terkecil dengan median adalah 48gr.
7. Kuartil Kedua atau Median (Q2)
Berikut ini adalah hasil pengolahan data:
a. Minitab: 54,50 gr
b. Manual: 54 gr
Nilai kuartil kedua atau median pengolahan data menggunakan
aplikasi minitab adalah 54,50, sedangkan hasil dari perhitungan
manual adalah 54. Artinya, nilai tengah antara nilai maksimum dengan
minimum adalah 54 gr.
8. Kuartil ketiga (Q3)
Berikut ini adalah hasil pengolahan data:
a. Minitab: 63,25
b. Manual: 62,7
Hasil dari perhitungan dengan menggunakan aplikasi minitab dan
menggunakan perhitungan manual mendapatkan nilai tengah antara
median dengan nilai maksimum sebesar 63 gr.
9. Standar Deviasi
Berikut ini adalah hasil pengolahan data ;
a. Minitab: 10,39
b. Manual: 9,95
Hasil dari standar deviasi yang didapat dari pengolahan data
menggunakan aplikasi minitab dan menggunakan perhitungan manual
jika dibulatkan akan menghasilkan 10 gr.
10. Variansi
Berikut ini adalah hasil pengolahan data:
a. Minitab: 108,01 gr
b. Manual: 99,17 gr
28
 BAB V
KESIMPULAN
Setelah melakukan pengujian statistika deskriptif terhadap 50 data berat wortel
(gr), hasil pengujian tersebut dapat mengambil beberapa kesimpulan. Kesimpulan
terhadap pengujian statistika deskriptif 50 data berat wortel (gr) adalah sebagai
berikut :
1. Berdasarkan hasil dari 30 data pengujian berat wortel didapatkan
beberapa berat yang memiliki kesamaan pada wortel, yaitu berat 38 gr
dengan frekuensi 2, berat 41 gr dengan frekuensi 2, berat 44 gr dengan
frekuensi 3, berat 47 gr dengan frekuensi 2, berat 48 gr dengan frekuensi
2, berat 49 gr dengan frekuensi 3, berat 51 gr dengan frekuensi 5, berat
54 gr dengan frekuensi 2, berat 55 gr dengan frekuensi 2, berat 57 gr
dengan frekuensi 2, berat 58 gr dengan frekuensi 4, berat 59 gr dengan
frekuensi 2, berat 67 gr dengan frekuensi 3, berat 69 gr dengan frekuensi
2, dan berat 75 gr dengan frekuensi 2.

Berat Wortel (gr) Frekuensi

35 1
38 2
41 2
44 3
47 2
48 2
49 3
50 1
51 5
52 1
53 1
54 2
55 2

29
 30

56 1
57 2
58 4
59 2
60 1
63 1
64 1
66 1
67 3
69 2
73 1
74 1
75 2
76 1
Jumlah 50

Tabel 5.1 Data Berat 50 Wortel

2. Berdasarkan hasil pengolahan data menggunakan aplikasi Minitab dan
menggunakan metode manual, didapatkan nilai rata-rata (gr) untuk 50
sampel wortel adalah 55,38 gr untuk hasil perhitungan manual dan 55,50
gr untuk hasil perhitungan aplikasi Minitab, Artinya, berat 50 wortel
tersebebut berkisar di berat 55 gr.
3. Ukuran penyebaran data dapat diartikan sebagai berbagai macam ukuran
statistik yang dapat digunakan untuk mengetahui luas penyebaran data
atau homogenitas data. Berdasarkan hasil pengolahan data menggunakan
Minitab dan perhitungan dengan metode manual, didapatkan nilai ukuran
penyebaran data, yaitu :
a. Nilai range atau jangkauan adalah 41 gr. Artinya, jarak antara berat
terbesar wortel dan berat terkecil wortel adalah 41 gr.
 31

b. Nilai kuartil pertama adalah 48,43 gr untuk hitungan manual, 48,75 gr

untuk hitungan Minitab. Artinya, nilai tengah antara nilai terkecil dengan
median adalah 48 gr.
c. Nilai kuartil kedua/median adalah 54 gr untuk hitungan manual, 54,50 gr
untuk hitungan Minitab. Artinya, nilai tengah antara nilai maksimum
dengan nilai minimum adalah 54 gr.
d. Nilai kuartil ketiga adalah 62,7 gr untuk hitungan manual, 63,25 gr untuk
hitungan Minitab. Artinya, nilai tengah antara median dengan nilai
maksimum adalah 63 gr.
e. Nilai standar deviasi adalah 10,39 gr. Artinya, penyebaran kumpulan data
relative terhadap rata-rata adalah 10,39 gr.
f. Nilai variansi adalah 108,61 gr. Artinya, angka persebaran data berat 50
wortel tersebut adalah 108,61 gr.
4. Berdasarkan perhitungan dengan menggunakan metode manual untuk
mendapatkan pembagian kelas data berat 50 wortel, didapatkan
banyaknya kelas adalah 7 dan Panjang kelas adalah 6.
5. Setelah dilakukannya perbandingan antara hasil pengolahan data
menggunakan metode manual dan juga hasil pengolahan data
menggunakan Minitab, terdapat beberapa perbedaan dari kedua
pengolahan data tersebut. Nilai total count adalah 50, nilai rata-rata 55,38
gr untuk hasil perhitungan manual dan 55,50 gr untuk hasil perhitungan
aplikasi minitab, nilai maksimum adalah 76 gr, nilai minimum adalah 35
gr, nilai jangkauan adalah 41 gr, nilai modus adalah 51 gr untuk hasil
perhitungan aplikasi Minitab dan 51,4 gr untuk hasil perhitungan manual,
nilai kuartil pertama 48,43 gr untuk hitungan manual, 48,75 gr untuk
hitungan Minitab, nilai kuartil kedua/median adalah 54 gr untuk hitungan
manual, 54,50 gr untuk hitungan Minitab, nilai kuartil ketiga adalah 62,7
gr untuk hitungan manual, 63,25 gr untuk hitungan Minitab, nilai standar
deviasi adalah 10,39 gr, nilai variansi adalah 108,61 gr.
 32

6. Didapatkan beberapa berbedaan dari hasil pengolahan data 50 berat

wortel menggunakan metode manual dan juga menggunakan aplikasi
Minitab, hal ini dapat terjadi karena beberapa faktor. Faktor-faktor yang
memengaruhi sebagai berikut :
a. Kesalahan manusia, saat melakukan perhitungan manual, ada
kemungkinan kesalahan dalam proses menghitung atau menyalin data.
Kesalahan ini dapat menyebabkan perbedaan antara hasil perhitungan
manual dan hasil data stastistika di Minitab.
b. Variasi dalam pengolahan data, aplikasi Minitab dapat melakukan
beberapa tindakan pengolahan data seperti penghapusan nilai yang hilang
atau mengisi nilai yang hilang dengan metode tertentu.
 DAFTAR PUSTAKA

[1] Arisena, Gede Mekse Korri. Buku Ajar Pengantar Statistika. 2014. Web
site. 12 April 2023.
[2] Dhee. Ukuran Penyebaran Data. 25 Maret 2023. Web site. 12 April 2023.
[3] Hussein, Saddam. Statistika Deskriptif: Pengertia, Fungsi, Perbedaan
Statistik Deskripif dan Inferensial, dan Contoh Perhitungannya. 10 Juni
2020. Web site. 12 April 2023.
[4] Kurniasari, Dita. Pahai Pengertian Statistik Inferensial & Macam Metode
Analisisnya. 7 April 2022. Web site. 11 April 2023.
[5] Maulid, Reyvan. Kenali Ukuran Pemusatan dan Keragaman dalam Analisis
Statistik Deskriptif. 14 September 2021. Web site. 13 April 2023.
[6] Lintang, Hanna. Pengertian, Macam-Macam, dan Contoh Penyajian Data.
18 April 2022. Web site. 10 April 2023.
[7] Safira, Amera P.. Apa Itu Flowchart? Pengertian, Fungsi, dan Jenisnya. 22
Oktober 2021. Web site. 13 April 2023.
[8] Sudaryana, Bambang. Penyajian Data Statistik. 2020. Web site. 11 April
2023.
[9] Yuvalianda. Pengertian Statistik: Definisi Hingga Cabang (Lengkap). 3
April 2019. Web site. 13 April 2023.

33