PRAKTIKUM STATISTIK INDUSTRI

MODUL II

DISTRIBUSI NORMAL DAN HIPOTESA

Oleh

Kelompok : 1

1. VIKTOR MAWAR BERUTU : 2205903030005

2. SANTI PERTIWI : 2205903030018

3. DIKEL FADILA ASNORA : 2205903030056

LABORATORIUM TEKNIK INDUSTRI

PRODI STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS TEUKU UMAR

ACEH BARAT

2023
 KATA PENGANTAR

Puji dan syukur kami panjatkan ke hadirat Tuhan Yang Maha Esa, atas
rahmat dan berkat-Nya praktikan dapat menyelesaikan laporan praktikum ini.

Laporan ini dibuat untuk memenuhi persyaratan bagi setiap kelompok yang
mengikuti praktikum Laboratorium Statistik Industri di Fakultas Teknik, Program
Studi Teknik Industri, Universitas Teuku Umar.

Pada kesempatan kali ini praktikan juga ingin mengucapkan terima kasih yang
sebesar-besarnya kepada:

1. Bapak Arie Saputra S.T., M.Si. selaku kepala laboratorium Statistik Industri,
Fakultas Teknik, Program Studi Teknik Industri, Universitas Teuku Umar.
2. Kepada Asisten yang telah banyak membantu dan memberi masukan dalam
penyelesaian laporan ini.
3. Kepada semua rekan mahasiswa, khususnya rekan-rekan mahasiswa di
Program Studi Teknik Industri yang telah banyak membantu penulis baik dari
segi materi, tenaga maupun motivasi hingga selesainya tugas ini.

Praktikan menyadari bahwa masih terdapat kekurangan dalam laporan ini.

Untuk itu praktikan mengharapkan kritik dan saran yang bersifat membangun dari
para pembaca. Semoga laporan ini membawa manfaat bagi para pembaca.

Meulaboh, Oktober 2023

Praktikan

i
 BAB I
PENDAHULUAN
1. 1 Latar Belakang

Distribusi normal, disebut pula distribusi Gauss. Distribusi Gauss adalah

distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis
statistika. Distribusi normal baku adalah distribusi normal yang memiliki rata-rata
nol dan simpangan baku satu. Distribusi ini juga dijuluki kurva lonceng (bell
curve) karena grafik fungsi kepekatan probabilitasnya mirip dengan bentuk
lonceng. Distribusi normal memodelkan fenomena kuantitatif pada ilmu alam
maupun ilmu sosial. Beragam skor pengujian psikologi dan fenomena fisika
seperti jumlah foton dapat dihitung melalui pendekatan dengan mengikuti
distribusi normal.

Distribusi normal banyak digunakan dalam berbagai bidang statistika,

misalnya distribusi sampling rata-rata akan mendekati normal, meski distribusi
populasi yang diambil tidak berdistribusi normal. Distribusi normal juga banyak
digunakan dalam berbagai distribusi dalam statistika, dan kebanyakan p engujian
hipotesis mengasumsikan normalitas suatu data.

Statistik dapat berguna dalam penyusunan model, perumusan hipotesis,

pengembangan alat pengambil data, penyusunan rancangan penelitian, penentuan
sampel, dan analisis data, yang kemudian data tersebut diinterpretasikan sehingga
bermakna. Hampir semua penelitian ilmiah dilakukan terhadap sampel kejadian,
dan atas dasar sampel itu ditarik suatu generalisasi. Suatu generalisasi pasti
mengalami error, disinilah salah satu tugas statistik bekerja atas dasar sampel
bukan populasi. Dengan demikian pengujian hipotesis dapat kita lakukan dengan
teknik-teknik statistik.
Dari hasil analisis statistik yang diperoleh berdasarkan perhitungan yang
angka-angka tersebut, sebenarnya belum mempunyai arti apa-apa tanpa
dideskripsikan dalam bentuk kalimat atau kata-kata di dalam penarikan
kesimpulan. Jika tidak, maka hasil analisis tersebut tidak akan bermakna dan
hanya tinggal angka yang tidak "berbunyi”

1
1. 2 Tujuan Praktikum
1. Dapat memahami dan mengerti karakteristik distribusi normal.
2. Memahami dan mampu menerapkan langkah-langkah pengajian hipotesa
statistik untuk mengambil suatu kesimpulan atau keputusan terhadap hasil
dari suatu pengolahan data.
3. Mampu melakukan pengujian hipotesa

1. 3 Alat Dan Bahan

1. Set data
2. Komputer
3. Program SPSS
4. Kalkulator
5. Tabel pengamatan

1. 4 Sistematika Penulisan
Bab I : Pendahuluan, latar belakang, tujuan praktikum, alat dan
bahan, dan sistematika penulisan
Bab II : Landasan teori yang isinya adalah distribusi normal dan hipotesa
statisktik, pengujian distribusi normal dengan metode goodness of fit
test
Bab III : Berisikan tentang ,metodelogi praktikum
Bab IV : Berisikan tentang pengolahan data
Bab V : Berisikan tentang pengolahan data dan evaluasi
Bab VI : Kesimpulan dan saran

2
 BAB II
LANDASAN TEORI

2.1 Definisi Distribusi Normal

2.1.1 Pengertian Distribusi Normal
Menurut Sugiono, (1777 – 1855). Distribusi normal merupakan suatu alat
statistik yang sangat penting untuk menaksir dan meramalkan peristiwa–peristiwa
yang lebih luas. Distribusi normal disebut dengan distribusi gaus untuk
menghormati gaus sebagai penemu persamaannya (Sari, 2016).

Menurut Abraham De Moivre (1733). Distribusi normal sebagai

pendekatan distribusi binomial untuk n besar. Selanjutnya dikembangkan oleh
Pierre Simon De Laplace dan dikenal dengan teorima Moivre-Laplace. Laplace
menggunakan distribusi normal untuk analisis galat suatu eksperimen (sari, 2015).

1
f(x) = e-(x-µ / 2σ)
√2 πσ

Ket :

π :Konstanta dengan nilai 3,14,15,9……n

e :Bilangan eksponensial dengan nilai 2,7,8,3……n

µ :Rata-rata (Mean) dari data

σ :Simpangan baku data berdistribusi normal

2.1.2 Cara Pengambilan Data

Menurut Sugiono (2016:193), dari segi cara untuk teknik pengumpulan
data, maka teknik pengumpulan data dilakukan dengan interview (wawancara),
kuisoioner (angket), observasi (pengamatan), dan gabungan kegiatan.

2.1.3 Karakteristik Distribusi Normal

Menurut Setiawan (2012), karakteristik distribusi normal adalah sebagian
berikut :

3
1. Modul, titik pada sumbu dasar yang memberikan maksimum kurva
terdapat pada sumbu x = y.

2. Kurva setangkap terhadap garis tegak yang melalui Mean μ.

3. Kurva yang memiliki titik belok pada x = μ ± σ cekung dari bawah bila.

μ-σ x < μ dan cekung dari atas untuk harga x lainnya.

4. Kedua ujung kurva normal mendekati asimsot sumbu datar bila harga x
menjauh μbaik kekiri maupun kekanan.

5. Seluruh luas dibawah kurva dan diatas sumbu data sama dengan satu.

2.1.4 Fenomena Distribusi Normal

Menurut Setiawan (2012), fenomena distribusi normal adalah sebagai
berikut :

1. Kira-kira 68,72 % dari dalam kasus ada dalam daerah sumbuh simpangan
baku disekitar rata-rata, yaitu μ−σ dan μ+σ .
2. Kira-kira 95,45 % dari dalam kasus ada dalam daerah sumbuh simpangan
baku disekitar rata-rata, yaitu μ−2 σ dan μ+2 σ .
3. Kira-kira 99,73 % dari dalam kasus ada dalam daerah sumbuh simpangan
baku disekitar rata-rata, yaitu μ−3 σ dan μ+3 σ .

2.1.5 Tingkat Ketelitian dan Keyakinan

1. Tingkat ketelitian, menunjukkan penyimpangan maksimum hasil
pengukuran dan hasil sebenarnya.
2. Tingkat keyakinan, menunjukkan seberapa besarnya keyakinan
pengukuran bahwa hasil yang diperoleh memenuhi tadi kedua pernyataan
ini dinyatakan dalam beseragaman data yang mana keduanya dalam
bentuk persen.

4
2.1.6 Uji Kecukupan Data
Uji kecukupan data ini adalah untuk melihat apakah dengan jumlah data
yang ada telah mencukupi dari data yang seharusnya diambil. Rumus uji
kecukupan data (Arif, 2016).

'
N =¿ ¿
Ket :

N´: Banyaknya pengukuran yang diperlukan

N: Jumlah pengamatan yang diperlukan

y/z: Tergantung ketelitian dan keyakinan kita

2.1.7 Uji Keseragaman Data

Untuk memastikan bahwa data yang terkumpul berasal dari sistem yang
sama, maka dilakukan pengujian terhadap keseragaman data. Adapun rumus yang
digunakan dalam pengujian keseragaman data adalah (Arif, 2016).
BKA= x +kσ
BKB = x -kσ
Dimana :

BKA = Batas Kontrol Atas

BKB = Batas Kontrol Bawah

x = Nilai Data Rata-Rata

σ = Standar Deviasi

k = Tingkat Keyakinan

2.1.8 Standar Deviasi

5
 Menurut Sugiono (2016:57) standar deviasi/simpangan baku dari data
yang telah disusun dalam tabel hasil pengolahan (Sopiah, 2014).

S= √
∑(xi−x̅ )
n−1

2.2 Hipotesis Statistik

2.2.1 Pengertian Hipotesis Statistik

Hipotesa statistika adalah asumsi atau dugaan mengenai suatu hal yang
dibuat untuk menjelaskan hal populasi yang umumnya mengenai nilai-nilai
parameter populasi. Hipotesa statistik dapat juga didefinisikan sebagai
pernyataan atau dugaan mengenai suatu atau lebih populasi (Setiawan, 2012).

2.2.2 Macam-Macam Hipotesis

1. Menguji rata-rata (uji dua pihak), digunakan untuk mengetahui dan menguji
parameter rata-rata dari sampel yang diambil. Adapun pasangan hipotesisnya
adalah:
Ho: μ=V 0

Hi: μ=σ 0

Rumus:

x −μ 0
Z=
σ /√n

Daerah penerimaan: −2 1 (1−α )≪2 1 ( 1−α )

2 2

2. Menguji rata-rata untuk menilai yang diketahui.

Ho: μ

Hi: μ ≠ σ 0

x−μ 0
Rumus: t=
σ / √n

Daerah penerimaan: −t 1−α t< t<t 1−1/ 2 α

3. Menguji rata-rata dengan menguji satu pihak

Ho: μ
Hi: μ ≠ σ 0

Rumus:

6
Jika σ diketahui:

x −μ 0
Z=
σ /√n
Jika σ tidak diketahui:
x−μ 0
t=
s/ √ n
Daerah penerimaan: Z ≤ 0 , 5 α

2.2.3 Langkah-langkah Pengukuran Hipotesis

1. Tentukan hipotesa awal (Ho)
2. Tentukan hipotesa alternatif/tandingan (Hi)
3. Tentukan taraf signifikan ( α )
4. Tentukan uji statistik yang akan digunakan
5. Tentukan derajat kritis antara penolakan dan penerimaan (Ho)

2.3 Pengujian Distribusi Normal Dengan Metode Goodness Of Fit Test

2.3.1 Pengertian Distribusi Normal Dengan Metode Goodness Of Fit Test

Menggunakan Metode Goodnes of Fit Test digunakan untuk menguji

apakah distribusi frekuensi hasil percobaan yang dilakukan sesuai dengan
distribusi frekuensi yang diharapkan (Wibisono, 2013).

2.3.2 Rumus yang Digunakan :

Untuk yang menguji apakah distribusi frekuensi hasil percobaan sesuai
dengan distribusi frekuensi yang diharapkan adalah :

k
x 2= ∑ ¿ ¿ ¿
i=1

Ket :

Oi = Frekuensi observasi (hasil percobaan 0 untuk kelas ke-1)

Ei = Frekuensi yang diharapkan untuk kelas ke-1

K = Jumlah kelas

BAB III
METODOLOGI PRAKTIKUM

7
3.1 Waktu dan Tempat Praktikum
Praktikum dilaksanakan pada 6 November 2023, hari senin pukul 08.00 WIB
sampai dengan pukul 10.00 WIB, Bertempat di laboratorium kerja argon ruang
U2A-310 Universitas Teuku Umar.

3.2 Metode Pengolahan Data

Metode yang dilakukan untuk pengolahan data yaitu dilakukan dengan
metode manual dan metode komputer dengan menggunakan software SPSS.

3.3 Rancangan Praktikum

Gambar 3.1 Flowchart Kegiatan Praktikum

Sumber : Data Pengamata

3.1.1 Mulai
Praktikum, Menghidupkan komputer dan mengaktifkan software SPSS.

8
3.1.2 Studi Pustaka
Memahami teori-teori yang digunakan dalam laporan Praktikum statistik
industri.

3.1.3 Tujuan Praktikum

Berisikan tentang pengetahuan karakteristik pengolahan data distribusi

normal dan hipotesa, parameter-parameter pada distribusi normal dan
hipotesa dan mengetahui hasil pengolahan data manual didalam
pengolahan data praktikum.

3.1.4 Pengumpulan data

data inventory dikumpulkan.
3.1.5 Pengolahan data
setelah data dikumpulkan kemudian data
diolah dengan teori-teori yang digunakan baik secara computer maupun
manual.

3.1.6 Analisa dan evaluasi

Hasil dari pengolahan data secara komputer dan manual kemudian di analisa
dengan teliti.

3.1.7 Selesai
Praktikum telah selesai dilaksanakan.

BAB IV

9
 PENGUMPULAN DATA DAN PENGOLAHAN DATA

4.1 Pengumpulan Data

4.1.1 Pengumpulan Data Distribusi Normal Pada Antrian SPBU
Untuk pengumpulan data distribusi normal sendiri dikumpulkan dengan
cara melakukan pengamatan langsung pada antrian SPBU. Pengamatan antrian
ini dilakukan pada X1 pukul 09:00-10:00 WIB dan X2 pada pukul 15:00-16:00
WIB. Data tersebut dapat dilihat pada tabel berikut.

Tabel 4.1 Pengumpulan Data Antrian SPBU

No X1 X2
1 13 10
2 17 12
3 10 13
4 10 8
5 11 15
6 9 14
7 11 8
8 11 13
9 9 15
10 13 10
11 12 12
12 9 13
13 11 16
14 13 5
15 16 9
16 11 6
17 12 9
18 13 8
19 16 11
20 16 16
21 23 10
22 12 13
23 10 13
24 12 15
25 12 8
26 17 9
27 10 8
28 11 17
29 7 15
30 13 5

10
4.1.2 Pengumpulan Data Hipotesa Pemakaian Gadget Dan Pencapaian IPK
Tabel 4.2 Pengumpulan Data Pemakaian Gadget Dan Pencapaian IPK

No X Y
1 7 3,83
2 8 3,15
3 8 3,70
4 8 3,48
5 14 3,64
6 8 3,70
7 10 3,53
8 8 3,67
9 11 3,85
10 10 2,74
11 8 3,82
12 17 3,50
13 10 3,83
14 12 3,39
15 18 3,20
16 11 3,56
17 12 3,67
18 14 3,69
19 12 3,50
20 12 3,30
21 2 3,51
22 8 3,56
23 10 3,81
24 10 3,08
25 11 2,86
26 8 2,92
27 13 3,15
28 14 3,53
29 14 3,54

11
 30 12 3,85

4.2 Pengolahan Data

4.2.1 Pengolahan Data Komputer Distribusi Normal Pada Antrian SPBU
Setalah data yang yang diperlukan dikumpulkan, maka dilakukanlah
pengolahan data dengan cara komputer. Data tersebut diolah dengan SPSS dan
mendapatkan hasil sebegai berikut.

Tabel 4.3 Pengolahan Data Komputer Antrian SPBU

Sumber: Pengolahan Data SPSS

Gambar 4.1 Peta Kendali X1

25

21.90
20

15
X1
ucl
10 lcl

5
2.77
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29

Gambar 4.2 Peta Kendali X2

12
 25

21.42
20

15
X2
ucl
10 lcl

1
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29

4.2.2 Pengolahan Data Komputer Hipotesa Pada Pemakaian Gadget dan

Pencapaian IPK
Begitu juga dengan data hipotesa, Setalah data yang yang diperlukan
dikumpulkan, maka dilakukanlah pengolahan data dengan cara komputer. Data
tersebut diolah dengan SPSS dan mendapatkan hasil sebegai berikut.
Tabel 4.4 Pengolahan Data Komputer Pemakaian Gadget dan Pencapaian IPK

Dari pengolahan data diatas maka hasil uji hipotesanya sebagai berikut.

13
H0 : Adanya pengaruh antara pemakaian gadget dengan pencapaian IPK

H1 : Tidak ada pengaruh antara pemakaian gadget dengan pencapaian IPK

1. Analisa
 Uji F (Simultan)
Untuk F hitung : 0,023 sedangkan untuk F tabel : 4,17 dengan ini Nilai F
hitung (0,203) < F tabel (4,17)
Kriteria : H0 ditolak, H1 diterima

 Uji T (Parsial)
Untuk T hitung : -0,450 sedangkan untuk T tabel : 1,697 dengan ini Nilai
T hitung (-0,450) < T tabel (1,697)
Kriteria : H0 ditolak, H1 diterima

2. Kesimpulan
Dari hasil pengolahan data diatas dapat disimpulkan bahwasanya tidak ada
pengaruh antara pemakaian gadget dengan pencapaian IPK

14
 BAB V
ANALISIS DAN EVALUASI

5.1 Analisa Pengolahan Data Komputer Distribusi Normal Pada Antrian

SPBU

Distribusi normal adalah distribusi probabilitas yang paling banyak

digunakan dalam berbagai analisis statistika. Distibusi normal juga disebut
sebagai sebuah fungsi probabilitas yang menunjukkan distribusi atau penyebaran
suatu variabel. Untuk mengetahui apakakah sebaran data normal atau tidak.
Dilakukan perhitungan uji normalitas dengan menggunakan uji statistic
kolmogorof-smirnov. jika nilai signifikan > 0.05 maka dapat dikatakan normal,
sebaliknya jika nilai signifikan < 0.05 maka dikatakan tidak normal.

Setelah dilakukan pengolahan data dapatlah nilai signifikan untuk data X 1

sebesar 0.001, yang mana 0.001 < 0.05 maka dapat disimpulkan untuk data X 1
dikatakan tidak normal. Sedangkan untuk data X 2 nilai signifikannya sebesar
0.174, yang mana 0.174 > 0.05 maka untuk data X2 dapat dikatakan normal.
Untuk membuktikan itu semua, juga bisa pada Gambar 4.1 Peta Kendali X1
disana terdapat satu data yang melewati batas control atas yang menandakan X1
tidak normal dan Gambar 4.2 Peta Kendali X2, pada gambar tersebut tidak ada
satu pun data yang melewati batas control atas dan bawah yang menandakan
bahwa untuk data X2 normal.

5.2 Analisa Pengolahan Data Komputer Hipotesa Pada Pemakaian Gadget

dan Pencapaian IPK

Dari sebaran data yang telah digunakan, seperti pada data pemakaian gadget
selama 8 sampai 10 jam memiliki pencapain IPK yang tidak terlalu jauh, bahkan
ada beberapa data yang memiliki pemakaian gadget lebih lama dan mendapatkan
pencapaian IPK yang besar. Salah satu contoh pada data pemakaian gadget selama
14 jam memiliki pencapaian IPK sebesar 3,64 dan untuk data pemakaian gadget
selama 8 jam hanya mendapatkan pencapaian sebesar 3,15. Maka dari itu dapat
disimpulkan bahwa lamanya pemakaian gadget tidak berpengaruh terhadap
pencapaian IPK.

15
 BAB VI
PENUTUP

6.1 Kesimpulan

Setelah dilakukan pratikum dapat diambil beberapa kesimpulan sebagai

berikut:

 Setelah dilakukan pengolahan data dapatlah nilai signifikan untuk data

X1sebesar 0.01, yang mana 0.001 < 0.05 maka dapat disimpulkan untuk data
X1dikatakan tidak normal. Sedangkan untuk data X2 nilai signifikannya
sebesar 0.174, yang mana 0.174 > 0.05 maka untuk data X2 dapat dikatakan
normal.
 Dari sebaran data yang digunakan tidak terdapat pengaruh antara lamanya
pemakaian gadget dengan pencapaian IPK karena tidak terjadi perubahan
yang signifikan terhadap pemakaian gadget dengan pencapaian IPK
6.2 Saran
 Saat pratikum akan memasukkan data kedalam komputer harus dilakukan
secara hati-hati dan seteliti mungkin agar hasil yang didapat tidak salah dan
sesuai dengan yang diharapkan.
 Selama proses konsultasi berlangsung diharapkan asisten dapat memeriksa
pengolahan data secara teliti.
 Diharapkan kepada asisten lebih mempersiapkan komputer pada saat
melaksanakan pratikum.

16
 DAFTAR PUSTAKA

Arif, Muhammad. 2016. Bahan Ajar Rancangan Teknik Industri.Medan :

DeePulish.
Sari, Kartika.2016. makalah statstik distribusi normal. Fakultas Universitas
Budidarma
Setiawan, Santy. 2012. Statistik II. Yogyakarta : Andi.
Sugiono. (2016). Metode penelitian kuantiatif, Kualiatif dan R&D. bandung py
Alfabet
Wibisono, Darmawan. 2013. Riset Bisnis.Yogyakarta : Gramedia.
Sopiah, Al Marthin 2014 penerapan hasil belajar nutrisi pada perilaku gizi.
Bandung. Universitas Pendidikan Indonesia.

17