Statistika Deskriptif

TIN 60220 (2 SKS)

Pengantar STATISTIKA DESKRIPTIF
 RENCANA PEMBELAJARAN SEMESTER
Mata Kuliah : Statistika Deskriptif
Kode : TIN 60220
Beban Studi : 3 SKS
Semester : 3
Sifat : WAJIB
Prasyarat : Tidak Ada
Kosyarat : Teori Probabilitas (TIN60209)
Praktikum : Tidak Ada
Deskripsi : Pada matakuliah ini:
(1)Mahasiswa belajar tentang pemilihan sampel dalam observasi atau eksperimen;
(2)Mahasiswa belajar tentang statistika deskriptif dalam ukuran numerik, format tabulasi dan grafis;
Capaian Pembelajaran Lulusan (CPL):
1. CPL 1 Mampu menerapkan pengetahuan matematika, sains, dan prinsip teknologi di bidang teknik industri.
2. CPL 3 Mampu merancang dan melaksanakan penelitian serta menganalisis dan menginterpretasikan data di bidang teknik industri.

Capaian Pembelajaran Mata Kuliah (CPMK):

1. CPMK 1 Menguasai pengetahuan matematika, khususnya Statistika Deskriptif untuk memahami prinsip-prinsip keteknikan di bidang teknik industri
(CPL1/I)
SubCPMK 1a Mampu menentukan lingkup populasi sesuai tujuan studi dan melakukan pemilihan sampel
SubCPMK 1b Mampu mengolah data untuk memperoleh statistik sampel atau parameter populasi
2. CPMK 2 Mampu menganalisis dan menginterpretasikan data observasi di bidang teknik industri dengan Statistika Deskriptif (CPL3/I)
SubCPMK 2a Mampu menganalisis dan menginterpretasikan data observasi menggunakan ukuran numerik dari statistik sampel atau parameter
populasi
SubCPMK 2b Mampu menganalisis dan menginterpretasikan data observasi menggunakan daftar atau tabel
SubCPMK 2c Mampu menganalisis dan menginterpretasikan data observasi menggunakan grafik
Pokok Bahasan
Penyajian
Penyajian
Pengambilan Pengambilan Penyajian Tabel Dua
Populasi dan Penyajian Tabel dengan
Sampel Sampel Tabel Satu Arah dan
Sampel Daftar Sub-
Observasi Eksperimen Arah Tabulasi
summary
Silang

Week 1 Week 8

Interval
Ukuran Ukuran
kepercayaan
Statistik data Statistik data Grafik data Grafik data Grafik data
histogram,
tunggal dan distribusi homogen heterogen multivariat
kurva dan
subgrup frekuensi
boxplot

Week 9 Week 16
 Industrial Engineering
Industrial and systems engineering is
concerned with the design,
improvement and installation of
integrated systems of people,
materials, information, equipment
and energy (IISE).

It draws upon specialized knowledge

and skill in the mathematical,
physical and social sciences
together with the principles and
methods of engineering analysis
and design to specify, predict and
evaluate the result to be obtained
from such systems
Revolusi Industri

Water wheel, Chemicals, Fusion reaction, Cybernetics,

Steam Engine Electricity, Electronics, Wireless Technology,
Mechanics, Computers, Nanotechnology,
Petrochemicals Mechatronics Biotechnology
Revolusi Industri
Apakah ???
Internet of Things Cloud Technology

Big Data
Bagaimanakah data ???
• Tunggal (univariate)
• Bebas (independent)
• Sama (homogen)
• Tetap (fixed)
• Statis
• Pasti (certain)
• Tertentu (deterministic)
• Teratur/berpola (pattern)
• ...
• Jamak (multivariate)
• Terikat (dependent)
• Berbeda (heterogen)
• Berubah (variable)
• Dinamis
• Tidak pasti (uncertain)
• Tak tentu (stochastic)
• Acak (random)
• ...
Apakah ???
Teknologi
mengubah
cara hidup
Apakah ???
Mengapa Statistika Diperlukan ?
• Data dan informasi, serta keragamannya
• Ketidakpastian dan variasi data
• Keacakan dan sebaran data
• Variabilitas data dan hubungan kausal
dependensi
• Struktur data, kesimpulan dan keputusan
• Populasi dan sampel
• Observasi dan eksperimen
• Estimasi dan prediksi
 14

Referensi
• Walpole, RE, Myers, RH, & Myers, SL,
Probability and Statistics for Engineers and
Scientists, Prentice Hall
• Hines, WW, Montgomery, DC, Goldsman, DM,
& Borror, CM, Probability and Statistics in
Engineering, John Wiley & Sons
• Montgomery, DC, & Runger, GC, Applied
Statistics and Probability for Engineers, John
Wiley & Sons
• Ross, SM, Introduction to Probability and
Statistics for Engineers and Scientists,
Academic Press
• Weiss, NA. Introductory Statistics, Addison-
Wesley
• Bluman, AG, Elementary Statistics: A Steb by
Step Approach, McGraw-Hill
• Arnab, R. Survey Sampling Theory and
Applications, Academic Press
• Scheaffer, RL, Mendenhall III, W, Ott, RL, &
Gerow, K. Elementary Survey Sampling,
Cengage Learning
 LALU,
darimanakah
kita akan
MEMULAI
???

Faculty Group of
Laboratory of Quality Engineering&
Statistics & Reliability Engineering
Quality Engineering
Statistika memberikan problem solving tools
Penting memperhatikan
cara memperoleh Demikian pula
data yang akan diolah cara mengolah data
juga penting diperhatikan
Statistika memberikan problem solving tools

Pilih alat yang dikenali fungsi Pilih alat yang sesuai

dan syarat penggunaannya dengan tujuannya
Riset Ilmu Pengetahuan dan
Teknologi
• Riset penelitian dasar (basic research)
• Riset untuk pengembangan ilmu pengetahuan melalui metode
ilmiah yang memadukan antara deductive reasoning dan inductive
reasoning yang mempelajari timbal balik fenomena alam dan ilmu
• Riset yang bersifat discovery
• Riset pengembangan teknologi (technology development)
• Riset untuk pengembangan teknologi yang menerapkan ilmu
pengetahuan hingga menciptakan karya rekayasa baru.
• Riset yang bersifat invention
Apakah Statistika?
• Terkait dengan data dan pengolahannya.
• Alat bantu problem solving
• Memiliki banyak alat dan metode, yang berbasis
matematika.
• Bukan tongkat sihir dan bukan ramuan sihir
• Kekeliruan dalam pengumpulan data dan/atau
penggunaan statistika dapat menghasilkan
sampah
• Membantu dalam menarik kesimpulan dalam
deductive reasoning dan inductive reasoning
Statistika
Statistika adalah cabang ilmu matematika yang
mempelajari metode ilmiah untuk mengumpulkan,
mengorganisasi, merangkum, menyederhanakan,
menyajikan, menginterpretasikan, menganalisa dan
mensintesa data (numerik atau nonnumerik) untuk
menghasilkan informasi dan/atau kesimpulan, yang
membantu dalam penyelesaian masalah dan/atau
pengambilan keputusan.
Statistika
Mengumpulkan data

Mengorganisasi, Menganalisa Menggeneralisasi

Merangkum, Mensintesa Mengestimasi,
Menyederhanakan, Menguji hipotesa,
Menyajikan, Menilai relasi,
Menginterpretasikan Memprediksi

Menghasilkan informasi dan/atau kesimpulan

Menyelesaikan masalah Mengambil keputusan

Statistika

STATISTIKA
Cabang Statistika
Statistika
Statistika Inferensia
Menggeneralisasi sampel
terhadap populasi
Statistika Deskriptif Mengestimasi parameter
Menguji hipotesa
• Mengorganisasi
Menilai relasi
• Merangkum Membuat prediksi
• Menyederhanakan
• Menyajikan
• Menginterpretasi
Statistika Deskriptif
• Cabang statistika yang mengorganisasi, merangkum,
menyederhanakan, menyajikan dan menginterpretasikan
data dalam ukuran numerik atau tabulasi atau grafis yang
memudahkan pemeriksaan dengan cermat (perusal) untuk
menghasilkan informasi dan/atau kesimpulan.
• Menunjukkan fitur dasar data ilmiah (scientific data) dalam
format yang teratur (manageable form) dan ringkasan yang
lebih sederhana (simpler summary).
Statistika Inferensia
• Cabang statistika yang menganalisa atau
mensintesa data untuk menggeneralisasi sampel
terhadap populasi, mengestimasi parameter,
menguji hipotesa, menilai relasi, dan membuat
prediksi untuk menghasilkan informasi dan/atau
kesimpulan.
• Terdapat banyak alat bantu statistika (statistical
tools) yang dapat dipergunakan untuk
menginferensi populasi atau sistem yang menjadi
sumber asal data sampel
Sistem, Populasi dan
Sampel

28
Sistem
Sistem merupakan suatu
kesatuan (dengan struktur
tertentu) yang terdiri dari
sekumpulan elemen-elemen
(entitas atau subsistem) yang
saling berinteraksi (selaras atau
bertolak belakang, bergabung
atau terurai) secara simultan
dan terpadu (dengan
mekanisme tertentu) untuk
mewujudkan tujuan tertentu
dengan mendapatkan masukan
dan menghasilkan keluaran
pada lingkungan di luar batasan
sistem
Sistem
 System of Interest
• System of Interest (SoI) adalah
sistem yang relevan dengan
lingkup studi fokus perhatian
peneliti.
• Wider system or meta system or
super system adalah sistem yang
lebih luas di mana system of
interest menjadi bagian dari
sistem tersebut.
• Narrower system or subsystem
adalah sistem yang lebih kecil dan
menjadi bagian dari system of
interest.
Populasi
• Populasi atau semesta (universe) adalah set lengkap observasi
yang menjadi perhatian peneliti.
• Populasi adalah grup keseluruhan unsur yang menjadi fokus
studi.
• Populasi adalah total keanggotaan dari semua elemen sistem
yang relevan dengan lingkup batasan permasalahan.
Populasi
• Populasi (population) adalah himpunan semua objek,
percobaan, pengamatan, data, keluaran, atau nilai yang
memiliki kesamaan kondisi umum (common state) dalam
rentang (range) tertentu (finite atau infinite) dengan parameter
identik sesuai dengan batasan permasalahan yang menjadi
fokus studi peneliti.
Sampel
• Sampel (sample) adalah sejumlah observasi yang diambil dari
populasi
• Sampel adalah beberapa unsur yang menjadi bagian dari
populasi
• Sampel adalah sebagian anggota dari populasi
Sampel
• Sampel diambil dari populasi yang sama.
• Saat penarikan sampel, setiap anggota populasi mempunyai
peluang yang sama terpilih sebagai sampel.
• Sebaran sampel mengikuti pola distribusi populasi.
• Sampel dapat merepresentasikan populasi.
Populasi dan Sampel
Tujuan studi terhadap populasi Observasi atau eksperimen pada sampel

SAMPLING

INFERENSI

Parameter :
N (banyaknya anggota populasi),
μ (rata-rata populasi),
σ (simpangan baku populasi),
π (proporsi populasi)
Statistik :
n (banyaknya anggota sampel),
͞x (rata-rata sampel),
s (simpangan baku sampel),
p (proporsi sampel)
Populasi dan Sampel
Statistik
• Statistik adalah sekumpulan data, angka atau bukan angka,
yang dimiliki sampel yang diperoleh melalui observasi atau
eksperimen yang terorganisasi dalam daftar / tabel, atau
terilustrasi dalam grafik / peta / diagram, atau terrangkum
dalam ukuran numerik.
• Statistik adalah ukuran numerik yang merangkum informasi
dari sekumpulan data dari sampel untuk merepresentasikan
nilai tertentu.
Statistik dan Parameter
• Parameter adalah nilai yang menjelaskan karakteristik
populasi
• Statistik adalah nilai yang menjelaskan karakteristik sampel
Keluaran dan Kejadian
• Keluaran (outcome) adalah fakta hasil pengumpulan data
dalam observasi ataupun eksperimen
• Kejadian (event) adalah peristiwa yang termasuk dalam
keluaran-keluaran yang mungkin (possible outcomes) terjadi
saat pengumpulan data.
Tipe Data
Data
• Data adalah fakta mentah yang diperoleh langsung dari
proses pengumpulan, yang perlu diolah lebih lanjut untuk
menghasilkan informasi yang memiliki makna spesifik bagi
pihak yang berkepentingan.
• Data adalah bentuk jamak dari datum.
• Datum adalah satu unit fakta mentah yang diperoleh dari
proses pengumpulan, misalnya hasil pengukuran dalam
observasi atau eksperimen.
Tipe Data
• Kuantitatif dan Kualitatif
• Parametrik dan Nonparametrik
• Nominal, Ordinal, Interval dan Rasio
• Diskrit dan Kontinyu
• Serentak dan Deret waktu
• Tunggal dan Berkelompok
• Tunggal dan Jamak
Tipe Data
• Data Kuantitatif atau Numerical, data yang diperoleh dari
pencacahan, penghitungan, pengukuran atau penilaian dalam
format angka atau bilangan yang dapat diperbandingkan
• Biner (0 atau 1) → data logik (true/false), data tanggapan (yes/no,
accept/decline), data kegagalan (sukses/gagal, baik/rusak)
• Bilangan Bulat → Bil asli (1,2,...), Bil cacah (0,1,2)
• Bilangan Nyata
• ...
Tipe Data
• ...
• Data Kualitatif atau Categorical, data yang tidak bernilai
numerik.
• Dikotomi
• Pelabelan atau simbol
• Klasifikasi atau stratifikasi
• Penilaian verbal
Tipe Data
• Data Parametrik, data kuantitatif yang mempunyai sebaran
variabel acak mengikuti pola distribusi probabilitas dengan
parameter tertentu (independent and identically distributed
random variables)
• Data Nonparametrik, data yang tidak mempunyai distribusi
probabilitas (distribution-free) atau tiada pengetahuan (sulit
diperkirakan) mengenai distribusi probabilitas populasinya
Tipe Data
• Data Nominal, data yang hanya berupa simbol (meski berupa
angka) untuk membedakan nilainya tanpa menunjukkan
tingkatan
A=B;A≠B
Contoh: jenis kelamin, warna kulit, ras, suku bangsa, agama,
bentuk rambut
• ...
Tipe Data
Tipe Data
• Data Ordinal, data yang mempunyai nilai untuk menunjukkan
tingkatan, namun tanpa skala yang baku dan jelas antar
tingkatan.
A>B;A<B
Contoh : Kelompok usia (bayi, anak-anak, remaja, dewasa,
manula), Tingkat pendidikan, Status ekonomi, Tingkat
kepentingan
• ...
Tipe Data
Tipe Data
• Data Interval, data yang mempunyai nilai untuk menunjukkan
tingkatan dengan skala tertentu sesuai intervalnya. Nilai nol
hanya untuk menunjukkan titik acuan (baseline).
A–B=C–D
Contoh : Temperatur, tingkat keasaman
• ...
Tipe Data
Tipe Data
• Data Rasio, data yang mempunyai nilai untuk menunjukkan
tingkatan dengan skala indikasi rasio perbandingan. Nilai nol
menunjukkan titik asal (origin) yang bernilai kosong (null).
A = k.B
Contoh : Tinggi badan, Berat badan, Banyaknya orang, dll
Tipe Data
Tipe Data
• Data Diskrit, data yang nilainya tertentu (certain), jelas
(distinct), terpisah gap (separate), dan dapat tersusun di daftar
(listed) yang berada dalam interval tertentu, meskipun bisa
dengan batas tak hingga (misalnya: x = 1, 2, 3, ...).
• Biasanya data hasil pencacahan atau penghitungan, dalam
angka bilangan cacah (whole numbers), misalnya banyaknya
orang. Meskipun ada pula data yang menunjukkan ukuran
spesifik, misalnya ukuran sepatu, ukuran kemeja, ukuran
celana.
Tipe Data
• Data Kontinyu, data yang nilainya tersebar (any value at any
point), tersambung tiada gap (continuum), dan sulit tersusun di
daftar (cannot be listed) yang berada dalam interval tertentu,
meskipun bisa dengan batas tak hingga (misalnya: x > 0).
• Biasanya adalah data hasil pengukuran, dalam angka bilangan
nyata (real numbers), misalnya panjang meja, volume cairan.
Meskipun dapat pula dibulatkan, data pengukuran yang lebih
teliti juga masih mungkin diperoleh, misalnya 2,5 cm ≈
2,482468... cm.
Tipe Data
Tipe Data
Pengukuran Pengukuran
Data Diskrit Data Kontinyu
Tipe Data
• Data serentak (cross sectional) adalah data yang diperoleh
dari observasi pada waktu yang sama atau dalam jeda waktu
yang tidak signifikan, karena diasumsikan data tidak sensitif
terhadap pergerakan waktu.
• Data deret waktu (time series) adalah data yang diperoleh dari
observasi dengan mempertimbangkan pergerakan waktu, dan
biasanya disertai dugaan bahwa data dipengaruhi oleh waktu.
Tipe Data
• Data tunggal (ungrouped data) adalah data mentah yang
belum terorganisasi dalam kelompok atau grup.
• Data berkelompok (grouped data) adalah data yang
terorganisasi dalam kelompok atau grup.
• Klaster (clustered data). Pengelompokan data berdasarkan kategori dari variabel
lain (yang terikat dengan data), sehingga data dalam satu klaster masih heterogen,
dan antar klaster bisa serupa atau beririsan.
• Kategori (categorical data). Pengelompokan data berdasarkan kategori nominal dari
data itu sendiri, sehingga data dalam satu klaster sudah homogen, dan antar
klaster berbeda dan tidak beririsan.
• Strata (stratified data). Pengelompokan data berdasarkan stratum atau kelas
berjenjang dari data mulai kelas terkecil hingga terbesar.
Tipe Data
Tipe Data
Pengendalian
Kualitas (Klaster)
Statistik

Data Berkelompok
Eksperimen satu faktor
dan Regresi Linier

(Kategori atau
Strata)
Tipe Data
• Data tunggal (univariate data) adalah data yang hanya
merepresentasikan satu variabel.
• Data jamak (multivariate data) adalah data yang
merepresentasikan pasangan atau himpunan dari dua atau
lebih variabel secara simultan dengan mempertimbangkan
hubungan antar variabelnya.
Tipe Data

ID A1 B1 A2 C1 B2 B3 A3 C2 B4 C3 B5 C4 A4 A5 A6 C5 B6 C6 C7 C8

Klaster A B A C B B A C B C B C A A A C B C C C

Warna H H C C B B H H M M H C B M C B M B C H

Intensitas S T T S S T T G S T T G T G S G S T G T

Masing-masing baris adalah data univariate Gabungan 2 atau lebih baris adalah data multivariate

Distribusi data univariate Distribusi data multivariate Plot data multivariate

Plot data bivariate

Tipe Data
Plot data univariate

Plot data multivariate