MODUL KE :

MATA KULIAH
STATISTIKA INDUSTRI I
01
FAKULTAS :
• Teknik Industri
• Sistem Informasi

Tri Aprianto, ST. MT

 Tri Aprianto, ST. MT

Pengalaman kerja Sertifikasi

• Asisten Dosen S1 Teknik Industri Unversitas
Bahyangkara Jakarta 1. AK3 Madya (BNSP)
2. AK3 UMUM (Kemnaker)
• Associate Trainer PT. Solusi Inspirasi Mandhiri ( 3. AK3 PAA ( Kemnaker )
Instruktur ) 4. TOT KKNI- 3 (BNSP)
5. TOT KKNI-6 (BNSP)
• Associate Trainer PT. Manajemen Manufaktur 6. TOT MUBT (Kemnaker)
Indonesia
7. TOT KELEMBAGAAN & SMK3
• Associate Trainer PT. Mitra Sinergi Internasional ( (Kemnaker)
Instruktur ) 8. POP(BNSP)
9. AUDITOR SMK3 (Kemnaker)
• Instruktur Praktisi PAPA Kementerian Tenaga 10. Public Speaking (ESQ)
Kerja R.I Direktorat Bina Kelembagaan K3
11. K3 Operator Forklift
• Safety Consultan PT. Mitra Sinergi International (Kemnaker).

• HSE Coordinator PT. Talenta Putra Utama (

Konstruksi )

• Heavy Equipment PT. Talenta Putra Utama

• Rigging And Lifting PT. Total Bangun Persada

Alamat : Perum.Alamand Regency Tambun

Utara
Email : aprianto5785@gmail.com
Aturan Perkuliahan

• UTS 25%
• UAS 30%
• Quiz dan tugas 15%
• Absensi 10%
• Absensi secara manual
 PENGANTAR
STATISTIKA INDUSTRI
Abstract
Modul ini menjelaskan Konsep dasar dalam tentang metode statistika deskriptif,dan
cara menyajikan berbagai macam jenis data.
Statistika: Definisi & Tujuan
Statistika adalah ilmu yang berkaitan dengan
⚫ pengumpulan,
⚫ pengolahan,
⚫ presentasi (deskritif), dan
⚫ interpretasi (inferensi) data
Secara ilmiah dalam kerangka proses
⚫ pengambilan keputusan yang berkaitan dengan
adanya ketidakpastian (resiko) dan variasi.

7
 Statistika Deskriptif vs Inferensi
⚫ Statistika deskriptif digunakan apabila peneliti hanya
bertujuan mendapatkan ringkasan data yang
dimilikinya. Ringkasan ini meliputi lokasi pemusatan
data, variabilitas data, dan karakteristik umum distribusi
data.
⚫ Statistika inferensi digunakan apabila peneliti ingin
membuat suatu kesimpulan tertentu atas
karakteristik/hubungan antar beberapa variabel dalam
populasi, diberikan jika hanya memiliki data sampel.

17
Statistika Deskriptif vs Inferensi
⚫ Statistik Deskriptif Statistik Inferensi
- Collect - Memperkirakan dan
- Organize meramalkan nilai
- Summarize parameter populasi
- Display - Menguji hipotesis
- Analyze tentang nilai
parameter populasi
Tidak dilakukan - Membuat keputusan
generalisasi
Inferensi berdasarkan
keterbatasan informasi
sample

18
 Statistika Inferensi

• Statistika inferensi:
– Menduga dan meramalkan Berdasarkan statistik sampel
(estimasi) nilai parameter yang diambil dari sejumlah
populasi... terbatas (tidak lengkap)
– Menguji hipotesis nilai parameter informasi sampel
populasi...
Observasi pada
– Mengambil keputusan... sebagian populasi
Melakukan
generalisasi terhadap
populasi...

19
 Populasi vs Sampel
Oleh karenanya, lingkup ‘data’ dapat dikategorikan
sebagai:
⚫ populasi merupakan kumpulan semua individu dari
jenis objek yang menjadi perhatian penelitian, dan
⚫ sampel adalah bagian dari populasi yang dapat
dikumpulkan oleh peneliti (sebatas kemampuannya
dalam melakukan pengumpulan data).

Besaran populasi disebut parameter, sedangkan besaran sampel

disebut statistik.

20
 Statistik vs Parameter

o Statistik adalah o Parameter populasi

ukuran karakteristik adalah ukuran
sampel. karakteristik populasi.

Statistik sebagai estimator parameter

• Estimator adalah statistik yang digunakan untuk mengestimasi parameter
populasi.
• Estimasi dari sebuah parameter adalah nilai numerik tertentu (dari statistik
sampel) yang diperoleh melalui sampling.
• Titik estimasi adalah sebuah nilai yang digunakan untuk mengestimasi
sebuah parameter populasi.

21
Distribusi dan rata-rata

Rata-rata populasi (μ)

Distribusi frekuensi
populasi

X X X X X X X Perbedaan antara
X X X X X X X
X X X X rata-rata sampel
dengan rata-rata
populasi disebut bias
Titik sampel

Sample mean ( )

22
 Proses Sampling & Inferensi
Kaitan populasi dan sampel, serta proses sampling, proses
inferensi & statistika deskriptif:

Sampling

Statistika
Populasi Sampel Deskriptif

Inferensi

23
Proses Sampling & Inferensi

⚫ Dapat disimpulkan bahwa statistika berkaitan dengan

proses pengambilan sampel (sampling) sehingga dapat
dilakukan penyajian dan peringkasan data (statistika
deskriptif) atau lebih jauh lagi dilakukan pendugaan
dan pengujian nilai parameter populasi (statistika
inferensi).

24
 Sensus vs Sampling

Sebuah metoda survey yang mencakup seluruh anggota

populasi disebut sensus. Sementara teknik untuk
mengumpulkan informasi dari sebagian populasi disebut
sampling.

25
Sampel Random Sederhana
⚫ Sampling dari populasi dilakukan secara random,
sedemikian sehingga setiap sampel berukuran sama
(n) memiliki kesempatan yang sama untuk diambil
atau dipilih
⚫ Sebuah sampel yang diambil dengan cara tersebut
disebut sebuah sampel random sederhana atau sample
random.

26
Pengambilan Sampel
⚫ Pada statistika inferensi, pengambilan sampel
menentukan hasil inferensi.
⚫ Idealnya sampel diambil secara random.
⚫ Pengambilan sampel yang tidak tepat dapat
menyebabkan bias → systematic error

27
 Pengambilan Sampel

Setiap data sampel yang diambil dapat mencakup:

⚫ Nilai sebenarnya (true value),
⚫ Kesalahan sistematis, dan
⚫ Kesalahan acak (random).

Data sampel = true value

+ kesalahan sistematis
+ kesalahan acak

28
 Pengambilan Sampel

Data sampel = true value

+ kesalahan sistematis
+ kesalahan acak

Statistika membantu peneliti untuk

mengetahui komponen-komponen nilai
data sampel tersebut.

29
 Pengambilan Sampel

⚫ Data sampel selalu mengandung kesalahan karena

adanya “ketidak-pastian (error)”,

Ekspektasi [error] = variansi + (bias)2

⚫ Variansi (kesalahan acak) berkaitan dengan masalah

kepresisian.
⚫ Bias (kesalahan sistematis) berkaitan dengan masalah
akurasi.

30
Presisi 🡪 ukuran seberapa jauh suatu tools memberi
hasil yang konsisten 🡪 variasi data coefficient
standard error/koefisien kesalahan baku

Akurasi: seberapa tepat suatu tools mengukur apa

yang seharusnya diukur🡪 jarak yang diukur dari
target🡪 ketepatan menentukan sample dalam
menggambarkan karakteristik populasi
Sample akurasi tinggi: kesimpulan dari sample
menggambarkan karakteristik populasi.

31
 Representative sample
❑ Sample yang sebesar mungkin mewakili karakteristik
populasi dikatakan sebagai representative sample.
❑ Besarnya dugaan keterwakilan populasi dalam sampel
dinyatakan dengan (1-α).
Notasi α selanjutnya disebut:
⚫ tingkat keyakinan (confidence) dalam melakukan
pendugaan atau estimasi, dan
⚫ tingkat pembedaan (significance) dalam melakukan
pengujian hipotesis nilai parameter populasi (juga
dikenal sebagai kesalahan tipe pertama).

32
Statistika dan permasalahannya

⚫ Kecil kemungkinan karakteristik sampel persis sama

dengan karakteristik populasi.
⚫ Teori probabilitas membantu kita dalam melakukan
penarikan kesimpulan atas dugaan atau hipotetis yang
terkait dengan karakteristik populasi.

33
Statistika dan permasalahannya
⚫ Peran statistika dan teori probabilitas dalam proses deduksi dan
induksi:

Hipotesis 1 → Deduksi → Konsekuensi

Modifikasi (hipotesis 2) ← Induksi

Fenomena → Eksperimen → Data

34
Statistika dan permasalahannya
Secara alamiah seorang anak dapat memiliki dugaan
(hipotesis 1) bahwa warna merah umumnya panas dan
warna biru umumnya dingin. Kemudian dia mendapat
pengalaman (deduksi) bahwa ternyata api berwarna biru
dari kompor gas lebih panas dari api berwarna merah
(konsekuensi). Hal ini merubah dugaan awalnya
(induksi) sehingga dia memperoleh dugaan baru
(hipotesis 2).

Dengan cara ini manusia belajar secara alamiah dari

pengalaman yang dihadapi.

35
Statistika dan permasalahannya
Proses deduksi & induksi ini dapat “diciptakan” melalui
eksperimen dengan memanfaatkan statistika dan
probabilitas sehingga dapat diperoleh data atau estimasi
untuk mempercepat proses belajar (tidak perlu menunggu
kejadian alamiah).

36
Statistika dan permasalahannya
Kerangka pemikiran kesisteman dan statistika:

Proses → Variasi → Data → Perbaikan

Falsafah Analisis Tindakan

kesisteman & resiko

Kerangka kerja ini dikenal sebagai Statistical Thinking (Statistical

Division ASQ) yang digunakan sebagai acuan dalam implementasi
statistika di dunia nyata.

37
 Skala pengukuran
Ada empat type skala, yaitu:
⚫ Nominal
⚫ Ordinal
⚫ Interval
⚫ Ratio

38
Skala pengukuran
▪ Skala Nominal – group atau kelas
✔ Jenis kelamin
▪ Skala Ordinal – urutan
✔ Ranking
▪ Skala Interval – perbedaan, selisih, jarak
✔ Temperatur
▪ Skala Rasio – perbandingan
✔ Ongkos per unit

39