BAB I

PENDAHULUAN

1.1 Latar Belakang

Statistika adalah disiplin ilmu yang memfokuskan pada proses
pengumpulan, presentasi, analisis, pengambilan keputusan, dan representasi
data, yang dapat berupa angka maupun teks. Di dalam konteks industri, statistika
industri adalah pendekatan ilmiah yang digunakan untuk mengumpulkan,
mengelompokkan, merangkum, menginterpretasi, dan menganalisis data yang
relevan dengan berbagai aspek industri. Statistika industri ini melibatkan
penerapan pemikiran statistik dalam berbagai aspek industri, termasuk penelitian
pasar, pengukuran produktivitas, manajemen limbah, pengelolaan produksi, dan
berbagai bidang lainnya.
Dalam analisis statistik, pemahaman mendalam tentang berbagai ukuran
statistik menjadi sangat penting. Salah satu aspek yang sangat penting dalam
pemahaman data adalah pemahaman tentang ukuran tendensi sentral, ukuran
letak, dispersi, keruncingan, kemiringan, dan interval konfidensi mean populasi.
Ukuran tendensi sentral, seperti mean, median, dan modus, memberikan
wawasan tentang posisi pusat distribusi data. Sementara itu, ukuran letak, seperti
kuartil, desil, dan persentil, membantu dalam mengidentifikasi posisi relatif suatu
nilai dalam data. Ukuran dispersi mengukur sejauh mana data tersebar di sekitar
nilai tengah, sementara keruncingan dan kemiringan menggambarkan bentuk dan
asimetri distribusi data. Terakhir, interval konfidensi mean populasi memberikan
perkiraan rentang nilai yang mungkin untuk mean populasi dengan tingkat
kepercayaan tertentu. Pemahaman yang kuat tentang ukuran-ukuran ini sangat
penting dalam analisis data statistik yang efektif dan pengambilan
keputusan yang tepat.

1.2 Tujuan
Pada setiap praktikum, pasti terdapat tujuan yang harus dicapai. Pada
praktikum kali ini tujuannya yaitu praktikan dapat memahami ukuran tendensi
sentral, letak, dispersi, keruncingan, kemiringan, dan interval konfidensi mean
populasi. Selain itu, tujuan lain dilaksanakannya praktikum ini adalah agar
praktikan dapat menyelesaikan studi kasus menggunakan penyelesaian
manual dan SPSS.
 BAB II
TINJAUAN PUSTAKA

2.1 Apa yang dimaksud dengan Ukuran Tendensi Sentral? Jelaskan beserta
contoh uraiannya!
Ukuran tendensi sentral adalah nilai tunggal yang digunakan untuk
menggambarkan posisi pusat dari sebuah kumpulan data. Salah satu ukuran
tendensi sentral yang paling umum digunakan adalah mean, yang dihitung dengan
menjumlahkan semua nilai dalam kumpulan data dan kemudian dibagi dengan
jumlah total pengamatan. Median, di sisi lain adalah nilai yang berada di tengah-
tengah data setelah diurutkan, memisahkan nilai-nilai yang lebih tinggi dari yang
lebih rendah. Modus adalah nilai yang paling sering muncul dalam kumpulan data,
yang bisa berarti ada beberapa nilai dengan frekuensi yang sama (Chakrabarty,
2021).
Tendensi sentral merupakan suatu metode untuk menentukan nilai sentral
dari nilai rata-rata dari serangkaian informasi statistik kuantitatif. Mean adalah
ukuran tendensi sentral yang paling umum digunakan. Mean menggunakan setiap
nilai dalam data dan karena itu mewakili data yang baik. Modus adalah nilai yang
memiliki jumlah frekuensi tertinggi dalam data.Terakhir adalah median, yaitu nilai
tengah yang membatasi frekuensi atas dan bawah yang disusun secara berurutan
(Alharbi et al., 2021).

2.2 Jelaskan definisi dan rumus dalam Ukuran Letak!

Ukuran letak adalah metrik yang berdasarkan posisi suatu nilai dalam
distribusi data. Ukuran letak ini mencakup informasi seperti kuartil, desil, dan
persentil, yang digunakan untuk mengukur posisi relatif dari nilai dalam kumpulan
data. Tujuan dari ukuran letak adalah untuk menentukan lokasi relatif dari nilai
dalam kumpulan data tertentu. Dengan menggunakan ukuran letak, hal itu dapat
mengidentifikasi di mana suatu nilai berada dalam distribusi frekuensi. Dengan
bantuan ukuran letak ini, maka dapat membagi distribusi frekuensi menjadi
berbagai interval yang lebih kecil (Bachri, 2019).
Ada tiga jenis ukuran letak yang diketahui, yaitu meliputi kuartil dan desil.
Rumus perhitungan letak kuartil yaitu Ki = i(n+1)/4 untuk data tunggal. Sedangkan
rumus perhitungan desil adalah Di = (i(n+1)/10). Dan rumus persentil adalah Px =
(x(n+1)/100) (Anwar et al., 2023).
2.3 Jelaskan definisi ukuran dispersi dan contoh ukuran pencarannya!
Ukuran dispersi merupakan suatu nilai atau ukuran parameter untuk
mengetahui besarnya penyimpangan yang terjadi dengan nilai rata-ratanya.
Ukuran dispersi ini bertujuan untuk mengidentifikasi nilai dari suatu variabel sama
dengan nilai rata-ratanya. Besarnya ukuran dispersi didapatkan dengan
menghitung nilai (Xi - X), (Xi-X)2, (Xi-X)3, dan (Xi-X)4 (Diyanti et al., 2023).
Ukuran dispersi atau ukuran penyebaran adalah ukuran yang
menggambarkan sebaran dari serangkaian data. Contoh ukuran pencarannya
yakni jangkauan, simpangan baku, dan variansi. Jangkauan adalah perbedaan
antara nilai maksimum dan nilai minimum dalam kumpulan data. Simpangan baku
adalah ukuran pencaran yang lebih rinci, ini mengukur sejauh mana setiap data
dalam kumpulan data berbeda dari rata-rata (mean) kumpulan data tersebut.
Variansi merupakan salah satu contoh ukuran dispersi yang memberikan
gambaran bagaimana berpencarnya suatu data kuantitatif. Selain variansi, ada
juga standar deviasi atau simpangan baku yang merupakan ukuran keragaman
data statistik yang sering digunakan (Ambarawati dan Pratiwi, 2016).

2.4 Jelaskan definisi Ukuran Skewness dan Kurtosis!

Skewness mengukur sejauh mana distribusi suatu variabel simetris. Jika
distribusi respons untuk suatu variabel membentang ke arah kanan atau kiri dari
distribusi, maka distribusi tersebut disebut sebagai distribusi yang miring. Lebih
tepatnya, ini adalah ukuran ketidaksimetrisan dan ukuran relatif dari dua ekor.
Idealnya, skewness yang sama dengan 0 terdapat dalam dataset yang simetris
atau distribusi normal, yang menunjukkan bahwa data cenderung terdistribusi
secara merata di sekitar nilai rata-rata (Cain et al., 2017).
Kurtosis pada statistika adalah ukuran yang digunakan untuk mengukur
sejauh mana distribusi data cenderung memiliki ekor yang tebal (leptokurtik) atau
ekor yang tipis (platikurtik) dibandingkan dengan distribusi normal. Ini memberikan
informasi tentang bentuk dan kecondongan distribusi data. Kurtosis dapat
membantu dalam menganalisis sejauh mana data memiliki outlier (nilai yang
sangat ekstrem) dan dapat memberikan wawasan tentang karakteristik distribusi
data. Nilai kurtosis yang positif menunjukkan distribusi lebih leptokurtik, sementara
nilai kurtosis yang negatif menunjukkan distribusi lebih platikurtik dibandingkan
dengan distribusi normal yang memiliki nilai kurtosis 0 (Hatem et al., 2022).
2.5 Jelaskan yang dimaksud dengan Estimasi Titik dan Interval Konfidensi!
Estimasi adalah teknik untuk memprediksi nilai populasi berdasarkan
informasi dari sampel. Secara umum, ada dua jenis estimasi yang umum
digunakan, yaitu estimasi titik dan estimasi interval. Estimasi titik adalah nilai
tunggal yang dihasilkan dari sampel dan digunakan sebagai perkiraan parameter
populasi yang tidak diketahui. Sedangkan estimasi interval merupakan pendugaan
rentang nilai untuk parameter populasi. Metode yang bisa digunakan untuk
mengestimasi suatu parameter dalam suatu populasi adalah metode bayes
(Ahmad dan Amalita, 2018).
Interval konfidensi adalah kisaran nilai yang mencakup kemungkinan nilai
parameter populasi yang diestimasi, dengan tingkat keyakinan tertentu. Tingkat
konfidensi ini sering disebut sebagai tingkat kepercayaan. Salah satu metode yang
digunakan untuk menghitung interval konfidensi adalah dengan menggunakan
distribusi eksponensial (Jannah dan Fauzy, 2015).
 DAFTAR PUSTAKA

Ahmad A, Amalita N. 2018. Estimasi bayes pada distribusi pareto dengan tata
tersensor tipe II. Journal of Mathematics UNP 3(2): 14-19
Alharbi YF, Sohaly MA, Abdelrahman MAE. 2021. New stochastic solutions for a
new extension of nonlinear schrödinger equation. Pramana - J. Phys 9(5):
1- 6
Ambarawati M, Pratiwi FA. 2016. Analisis kesulitan belajar mahasiswa kategori
nilai rendah dalam menyelesaikan masalah statistika pokok bahasan
ukuran tendensi sentral, ukuran dispersi, dan ukuran letak. Jurnal
Paradigma 22(1) : 30-37
Anwar A, Nurkholik A, Utami FN, Liestyowati, Busnawir, Akhiriyanto K, Juniarto G,
Fajar M. 2023. Statistika Dasar: Teori dan Konsep Dasar Statistika. PT.
Sonpedia Publishing Indonesia, Jambi.
Bachri N. 2019. Statistika Dasar Untuk Bisnis. CV Jejak, Anggota IKAPI,
Sukabumi.
Cain MK, Zhang Z, Yuan KH. 2017. Univariate and multivariate skewness and
kurtosis for measuring nonnormality: prevalence, influence and estimation.
Behav Res 49(1): 1716-1735
Chakrabarty D. 2021. Model describing central tendency of data. International
Journal of Advanced Research in Science, Engineering and Technology,
8(9): 18193-18201
Diyanti, Yayuk FS, Yandi A. 2022. Analisis kapasitas saluran drainase pada
perumahan mustika tigaraksa kabupaten tangerang dengan software hec
ras 4.1. Jurnal Artesis 1(2): 80-86
Hatem G, Zeidan J, Goossens M, Moreira C. 2022. Normality testing methods and
the importance of skewness and kurtosis in statistical analysis. BAU
Journal – Science and Technology 3(2): 1-5
Jannah TPNM, dan Fauzy A. 2015. Interval konfidensi bagi fungsi tahan hidup
waktu tunggu letusan gunung kelud. Jurnal UMS 1(1): 174-180
 LAMPIRAN
2.1 P1
2.1 P2
2.2 P1
2.2 P2
2.3 P1
2.3 P2
2.4 P1
2.4 P2
2.5 P1
2.5 P2