Nama : Muhammad Fadhil Nasrullah

NIM : 2210311055
Prodi/Kelas : TEKNIK MESIN B

TUGAS MANDIRI STATISTIKA DAN PROBABILITAS

1. Tiga alasan mengapa akan lebih praktis apabila kita mendapatkan nilai-nilai data dari
suatu sampel dibandingkan dari seluruh populasi :
a) Waktu dan efektivitas biaya
Mengumpulkan data seluruh populasi biasanya membutuhkan banyak waktu
dan uang. Dalam beberapa kasus, populasi dapat mencakup jutaan atau bahkan
milyaran individu. Dalam hal ini, mengambil sampel yang representatif dari
populasi dapat menghemat banyak waktu dan uang.
b) Akurasi Statistik
Dalam banyak kasus, sampel yang dirancang dengan baik dapat memberikan
perkiraan yang akurat dari seluruh populasi. Nilai sampel dapat digunakan
dengan teknik statistik yang sesuai untuk memuat generalisasi dan menarik
kesimpulan tentang populasi pada tingkat kepercayaan tertentu. Jika sampel
diambil secara acak dan representatif, maka dapat memberikan informasi yang
cukup akurat tentang populasi.
c) Sumber Daya Terbatas
Ada kasus dimana ketersediaan sumber daya seperti waktu, tenaga atau
anggaran terbatas. Dalam situasi seperti itu, pengambilan sampel dapat
menajdi solusi praktis karena memungkinkan penggunaan sumber daya yang
terbatas secara efisien.

2. Sebuah PDAM melakukan pengukuran tinggi tekanan air di pipa distribusi utama. Hasil
pengukuran disajikan dalam tabel di bawah ini.

Nomor Data Jarak (km) Tinggi Tekanan (m)

1 0.6 4,9
2 1,1 9,3
3 1,6 8.7
4 2,3 7,8
5 3,1 6,9
6 3,8 6,2
7 4,4 5,1
a. Scatter plot

Hubungan Jarak dengan Tinggi Tekanan

10

4
y = -0.4688x + 8.1174
2

0
0 1 2 3 4 5
Jarak (km)

b. Dari gambar tampak bahwa salah satu pasang data berada pada posisi yang
menyimpang dari pola data yang lain. Di titik stasiun ini, yaitu pada jarak 0.6
kilometer, tinggi tekanan adalah 4.9 meter. Pola data secara keseluruhan
menunjukkan tekanan tinggi di stasiun yang berjarak dekat. Tekanan turun seiring
dengan pertambahan jarak. Pada jarak 0.6 meter, justru tekanan lebih rendah
daripada tekanan di tempat lain. Datum seperti ini dikenal sebagai outlier. Adanya
outlier dapat disebabkan oleh sifat keragaman (variabilitas) sampel atau diakibatkan
oleh kesalahan pengukuran. Apabila penyebab outlier diketahui, maka perlakuan
terhadapnya dapat ditentukan dengan mudah. Jika outlier disebabkan oleh
kesalahan pengukuran, maka outlier dikeluarkan dari data dan tidak diikutkan
dalam pengolahan data. Sebaliknya, jika pengukuran sudah benar, maka outlier
tetap diikutkan dalam pengolahan data. Dengan asumsi bahwa outlier tersebut
disebabkan oleh kesalahan pengukuran, maka outlier dikeluarkan dari daftar data
yang diolah.

c. Persamaan Regresi Linear

Nomor Xi (km)
Yi XiYi Xi 2
Data
1 0.6 4.9 2.94 0.36
2 1.1 9.3 10.23 1.21
3 1.6 8.7 13.92 2.56
4 2.3 7.8 17.94 5.29
5 3.1 6.9 21.39 9.61
6 3.8 6.2 23.56 14.44
 7 4.4 5.1 22.44 19.36
JUMLAH 16.9 48.9 112.42 52.83

Dari tabel diatas, diperoleh informasi sebagai berikut :

• Jumlah pasang data, n = 7
• Tinggi tekanan rata -rata Y= ∑yi / n = 48.9/7 = 6.98 m
• Jarak rata-rata , X = ∑xi/n = 16.9/7 = 2.41 km

Koefisien α1 dan α0 pada persamaan kurva regresi dihitung sebagai berikut a1

a m/km

a0= 6.98 + 0.46876 x 2.41 = 8.1174

Regresi linear = -0.46876X + 8.117

d. Koefisien Korelasi

Nomor
Xi Yi XiYi Xi 2 Yi2
Data
1 0.6 4.9 2.94 0.36 24.01
2 1.1 9.3 10.23 1.21 86.49
3 1.6 8.7 13.92 2.56 75.69
4 2.3 7.8 17.94 5.29 60.84
5 3.1 6.9 21.39 9.61 47.61
6 3.8 6.2 23.56 14.44 38.44
7 4.4 5.1 22.44 19.36 26.01
JUMLAH 16.9 48.9 112.42 52.83 359.09

r
=

r = -0.38876
Tinggi tekanan berbanding terbalik dengan jarak maka koefisien korelasi
bernilai negatif, r = -0.38876
3. Seorang engineer ingin mempelajari hubungan antara suhu ruangan dengan jumlah
cacat yang diakibatkannya, sehingga dapat memprediksi atau meramalkan jumlah cacat
produksi jika suhu ruangan tersebut tidak terkendali. Engineer tersebut kemudian
mengambil data selama 10 hari terhadap rata-rata suhu ruangan dan jumlah cacat
produksi. Berikut adalah data-data yang dikumpulkan selama 10 hari yang
diperlihatkan pada tabel berikut.

a. Persamaan jumlah cacat sebagai fungsi rata-rata suhu ruangan dengan teknik regresi
linear, metode kuadrat kecil.

Tanggal Xi Yi XiYi Xi2 Yi2

1 24 10 240 576 100
2 22 5 110 484 25
3 21 6 126 441 36
4 20 3 60 400 9
5 22 6 132 484 36
6 19 4 76 361 16
7 20 5 100 400 25
8 23 9 207 529 81
9 24 11 264 576 121
10 25 13 325 625 169
Jumlah 220 72 1640 4876 618

Dari tabel diatas, diperoleh informasi sebagai berikut :

• Jumlah pasang data, n = 10
• Tinggi tekanan rata -rata Y= ∑yi / n = 72/10 = 7.2
• Jarak rata-rata , X = ∑xi/n = 220/10 = 22
Koefisien α1 dan α0 pada persamaan kurva regresi dihitung sebagai berikut

a
 a0= 7.2 − 1.555556 x 22 = -27.0222
Regresi linear y = 1.5556x – 27.022
Hubungan antara jumlah cacat dan rata-rata suhu ruangan yang diperoleh
dari regresi linear adalah 1.5556x - 27.022

b. Koefisien korelasi hubungan linear kedua variabel

Tanggal Xi Yi XiYi Xi2 Yi2

1 24 10 240 576 100
2 22 5 110 484 25
3 21 6 126 441 36
4 20 3 60 400 9
5 22 6 132 484 36
6 19 4 76 361 16
7 20 5 100 400 25
8 23 9 207 529 81
9 24 11 264 576 121
10 25 13 325 625 169
Jumlah 220 72 1640 4876 618

r=

r = 0.935206
Jumlah cacat berbanding lurus dengan suhu rata-rata maka koefisien
korelasi bernilai positif, r = 0.935206

c. Hubungan antara suhu ruangan dengan jumlah cacat menunjukkan hubungan linear
yang erat, dapat disumpulkan bahwa semakin tinggi rata-rata suhu ruangan maka
semakin banyak jumlah cacat yang diakibatkannya. Nilai koefisien korelasi
0.935206 sangat mendukung simpulan bahwa jumlah rata-rata suhu ruangan
berbanding lurus dengan jumlah cacat.
 4. Hubungan sikap kerja (X1), kepuasan kerja (X2) dan disiplin kerja (X3) terhadap
prestasi kerja (Y). Data diambil secara acak dari 20 orang pegawai sebagai berikut

Tentukan persamaan regresi ganda Y atas X1, X2, dan X3!

No. X1 X2 X3 Y X1Y X2Y X3Y X1X2 X1X3 X2X3 X12 X22 X32
1 37 40 39 41 1517 1640 1599 1480 1443 1560 1369 1600 1521
2 34 35 37 40 1360 1400 1480 1190 1258 1295 1156 1225 1369
3 38 38 36 43 1634 1634 1548 1444 1368 1368 1444 1444 1296
4 33 37 35 41 1353 1517 1435 1221 1155 1295 1089 1369 1225
5 39 40 38 42 1638 1680 1596 1560 1482 1520 1521 1600 1444
6 28 31 31 36 1008 1116 1116 868 868 961 784 961 961
7 36 35 35 42 1512 1470 1470 1260 1260 1225 1296 1225 1225
8 30 32 34 39 1170 1248 1326 960 1020 1088 900 1024 1156
9 37 31 39 40 1480 1240 1560 1147 1443 1209 1369 961 1521
10 31 35 35 38 1178 1330 1330 1085 1085 1225 961 1225 1225
11 35 44 40 44 1540 1936 1760 1540 1400 1760 1225 1936 1600
12 33 38 36 43 1419 1634 1548 1254 1188 1368 1089 1444 1296
13 33 36 35 42 1386 1512 1470 1188 1155 1260 1089 1296 1225
14 29 30 28 36 1044 1080 1008 870 812 840 841 900 784
 15 35 38 40 44 1540 1672 1760 1330 1400 1520 1225 1444 1600
16 34 35 35 43 1462 1505 1505 1190 1190 1225 1156 1225 1225
17 39 36 39 45 1755 1620 1755 1404 1521 1404 1521 1296 1521
18 37 35 37 44 1628 1540 1628 1295 1369 1295 1369 1225 1369
19 34 39 37 41 1394 1599 1517 1326 1258 1443 1156 1521 1369
20 28 35 34 36 1008 1260 1224 980 952 1190 784 1225 1156
JUMLAH 680 720 720 820 28026 29633 29635 24592 24627 26051 23344 26146 26088
 Persamaan Regresi
Linear Berganda

Y= 13.58 + 0.48 + 0.20 X2 + 0.11 X3

Persammaan Regresi : Y = 13.58 + 0.48X1 + 0.20X2 + 0.11X3

Latihan Soal dari Power Point

Diketahui data hubungan linear antara konsumsi bahan bakar dan jarak tempuh menurut data
di bawah ini

a) Persamaan konsumsi bahan bakar sebagai fungsi jarak tempuh kumulatif dengan teknik
regresi linear.

N0 Xi Yi XiYi Xi2 Yi2

1 960 277 265920 921600 76729
2 1806 376 679056 3261636 141376
3 2606 577 1503662 6791236 332929
4 3541 646 2287486 12538681.00 417316
5 4636 758 3514088 21492496.00 574564
JUMLAH 13549 2634 8250212 45005649 1542914

Dari tabel diatas, diperoleh informasi sebagai berikut :

• Jumlah pasang data, n = 5
• Tinggi tekanan rata -rata Y= ∑yi / n = 2634/5 = 526.8
• Jarak rata-rata , X = ∑xi/n = 13549/5 = 2709.8
Koefisien α1 dan α0 pada persamaan kurva regresi dihitung sebagai berikut

a0= 526.8 − 0.134201 x 2709.8 = 163.14

 Regresi linear
Y = 0.1342x + 163.14

Hubungan antara Jarak tempuh dan konsumsi bahan bakar yang

diperoleh dari regresi linear adalah 0.1342x + 163.14

b) Koefisien korelasi hubungan linear kedua variabel

N0 Xi Yi XiYi Xi2 Yi2

1 960 277 265920 921600 76729
2 1806 376 679056 3261636 141376
3 2606 577 1503662 6791236 332929
4 3541 646 2287486 12538681.00 417316
5 4636 758 3514088 21492496.00 574564
JUMLAH 13549 2634 8250212 45005649 1542914

r=

r = 0.980458
Jumlah jarak tempuh berbanding lurus dengan konsumsi bahan bakar maka
koefisien korelasi bernilai positif, r = 0.980458

c) Jumlah konsumsi bahan bakar dan jumlah jarak tempuh kumulatif menunjukkan
hubungan linear yang erat, walau linearitas hubungan antara keduanya tidak
sepenuhnya sempurna. Nilai koefisien korelasi 0.980458 sangat mendukung simpulan
bahwa jumlah konsumsi bahan bakar berbanding lurus dengan jarak tempuh.