LAPORAN PRATIKUM STATISTIKA

Tugas akhir disajika sebagai salah satu syarat

Melengkapi nilai praktikum Statistika Industri

Tugas Akhir disajikan sebagai salah satu syarat untuk Melengkapi Nilai

Program Studi Teknik Industri

Disusun oleh :

Erik Distyantoro (41155010220009)

Kalvin Maulana (41155010220006)

LABOLATORIUM STATISTIKA INDUSTRI DAN OPTIMASI

PROGRAM STUDI TEKNIK IDUSTRI
FAKULTAS TEKNIK
UIVERSITAS LANGLAGBUANA
BADUNG
2024
 LAPORAN PRATIKUM STATISTIKA
Tugas akhir disajika sebagai salah satu syarat
Melengkapi nilai praktikum Statistika Industri

Tugas Akhir disajikan sebagai salah satu syarat untuk Melengkapi Nilai

Program Studi Teknik Industri

Disusun oleh :

Erik Distyantoro (41155010220009)

Kalvin Maulana (41155010220006)

LABOLATORIUM STATISTIKA INDUSTRI DAN OPTIMASI

PROGRAM STUDI TEKNIK IDUSTRI
FAKULTAS TEKNIK
UIVERSITAS LANGLAGBUANA
BADUNG
2024
DAFTAR ISI
DAFTAR GAMBAR
DAFTAR GAMBAR
 BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Dalam era informasi saat ini, statistika menjadi pondasi utama dalam pengambilan
keputusan yang informasional. Kemampuan untuk menganalisis dan menginterpretasi data
menjadi keterampilan krusial dalam berbagai disiplin ilmu. Praktikum statistika yang
mencakup konsep-konsep seperti tabel distribusi frekuensi histogram, ukuran pemutusan
penyebaran, dan letak struktur data, serta uji kenormalan, transformasi data, hipotesis,
ANOVA, dan uji regresi, menjadi wahana yang penting untuk membangun pemahaman dan
keterampilan mahasiswa dalam statistika terapan.

Latar belakang ini didasarkan pada pemahaman bahwa pemrosesan dan analisis data
tidak hanya sekadar tugas teknis, melainkan juga suatu keahlian yang penting untuk
menghadapi tantangan dunia profesional. Praktikum ini menjadi sarana untuk memahami
lebih dalam bagaimana konsep-konsep statistika dapat diaplikasikan secara praktis dalam
menghadapi data yang kompleks dan bervariasi.

Selain itu, kebutuhan akan pemahaman statistika yang mendalam semakin meningkat
dalam berbagai bidang, termasuk riset, bisnis, dan pengembangan teknologi. Oleh karena itu,
laporan ini diarahkan untuk memberikan kontribusi dalam mengisi kesenjangan pengetahuan
dan keterampilan statistika mahasiswa, khususnya terkait dengan konsep-konsep tersebut,
untuk menghadapi kompleksitas dunia data yang terus berkembang.

Dengan demikian, laporan ini tidak hanya mencerminkan rangkaian kegiatan

praktikum semata, melainkan juga sebuah upaya konstruktif untuk memperkaya pemahaman
statistika dan meningkatkan keterampilan analisis data mahasiswa agar lebih siap
menghadapi dinamika dunia profesional.
1.2. Manfaat dan Tujuan

1.2.1. Manfaat

1) Pengetahuan Praktis: Mahasiswa akan memperoleh pengetahuan praktis tentang cara

merancang dan menginterpretasi distribusi frekuensi histogram, membekali mereka
dengan keterampilan yang relevan untuk berbagai disiplin ilmu.
2) Persiapan Pengambilan Keputusan: Memberikan mahasiswa pemahaman yang kokoh
terhadap ukuran pemutusan penyebaran dan letak struktur, mempersiapkan mereka
untuk mengambil keputusan yang informasional berdasarkan analisis statistik yang
solid.
3) Keterampilan Presentasi Visual: Memungkinkan mahasiswa untuk mengembangkan
keterampilan menyajikan data secara visual melalui histogram, mendukung
kemampuan mereka dalam komunikasi efektif melalui representasi grafis.

1.2.2. Tujuan

1. untuk mengetahui pola data berdasarkan tabel distribusi frekuensi

2. untuk mengetahui hasil statistika deskriptif

3. untuk mengetahui keormalan suatu data

4. untuk mengetahui apakah hipotesis dapat diterima atau tidak

5. untuk mengetahui faktor pengaruh pada ANOVA

6. untuk mengetahui pola data berdasarkan uji regresi

1.3. Rumusan Masalah

1. Bagaimana pola data yang didapat menggunakan tabel distribusi frekuensi?

2. Bagaimana hasil uji statistika deskriptif dari data tersebut?
3. Apakah data memiliki distribusi binomial?
4. Apakah hipotesis dari data tersebut dapat diterima?
5. Bagaimana hasil ujian ANOVA berdasarkan 3 faktor?
6. Bagaimana bentuk pola data menggunakan uji regresi?
1.4. Sistematika Pembahasan

1) Lembar Pengesahan
2) Daftar Isi
3) Daftar Gambar
4) Daftae Tabel
5) Bab I Pendahuluan :

• Latar Belakang Masalah

• Manfaat dan Tujuan

• Perumusan Masalah

• Sistematika Pembahasan

Unuk mempermudah penulisan da pembasa maka dibuat suatu kerangka yang

disajika secara sistematis yaitu:

Untuk mempermudah penulisan dan pembasan maka paa dibuat suatu kerngka yang
disajikan secara sistematis yaitu :
BAB I PENDAHULUAN
Pada bab ini berisikan latar belakang masalah, tujuan dan manfaat, perumusan
masalah, pembatasan masalah dan sistematika penulisan.
BAB II LANDASAN TEORI
Pada bab ini berisikan tentang teori-teori yang digunakan dalam penulisan laporan
dan pelaksanaan braktikum untuk memntukan perbandingan hasil.
BAB III USULAN PEMECAHAN MASALAH
Pada bab ini berisikan tentang kerangka berfikir, cara kerja dan kerangka pemecahan
masalah dari penulisan laporan dan pelaksanaan praktikun.
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
Pada bab ini berisikan menganai data yang tekah diperoleh saat pelaksanaan
praktikum serta dilakukan pengolahan data menggunakan uji statistik, anova, uji
factorial dan uji rentang darab Duncan.
BAB V ANALISIS
Pada bab ini berisikan hasil Analisa yang telah diperoleh dari pengolahan data
sebelumnya.
BAB VI KESIMPULAN DAN SARAN
6) Pada bab ini berisika kesimpulan dari hasil pengolahan data yang dilakukan
serta saran-saran.
7) Daftar Pustaka
 BAB II

LANDASAN TEORI

A. Pengenalan Minitab 15, Data, dan Teknik Pengambilan Sampel

Minitab 15 merupakan perangkat lunak statistik yang menyediakan beragam fitur

untuk menganalisis data. Dengan antarmuka yang intuitif, Minitab 15 menawarkan menu
yang kaya dengan alat analisis statistik yang dapat membantu pengguna memahami dan
menginterpretasi data secara efisien.

1. Mengenal Data

Data, dalam konteks analisis statistik, merujuk pada informasi yang diperoleh
dari observasi atau eksperimen. Minitab memungkinkan pengguna untuk
mengimpor, menyusun, dan menganalisis data dengan berbagai metode statistik,
termasuk grafik dan visualisasi yang mempermudah pemahaman.

2. Populasi dan Sampel

Penting untuk memahami perbedaan antara populasi (seluruh kelompok

yang memiliki karakteristik tertentu) dan sampel (subset dari populasi). Minitab
menyediakan alat untuk merancang pengambilan sampel yang mewakili populasi
dengan benar, memastikan hasil analisis dapat diaplikasikan secara luas.

3. Skala Pengukuran

Skala pengukuran menggambarkan jenis data yang diperoleh, seperti nominal,

ordinal, interval, atau rasio. Minitab memahami perbedaan ini dan menyediakan
fungsi analisis yang sesuai dengan skala pengukuran yang digunakan.

4. Metode Pengambilan Sampel

Proses pengambilan sampel dapat melibatkan metode seperti random sampling,

stratified sampling, atau cluster sampling. Dengan Minitab, pengguna dapat
menggunakan alat statistik untuk memilih metode pengambilan sampel yang
paling sesuai dengan tujuan analisis mereka.

5. Aplikasi dengan Minitab

 Minitab dapat digunakan untuk berbagai analisis, termasuk regresi, uji
hipotesis, analisis varians, dan lainnya. Dengan menggunakan menu di Minitab
15, pengguna dapat menjalankan prosedur analisis statistik secara langkah demi
langkah, mendukung pengambilan keputusan yang informasional.

Dengan demikian, Minitab 15 memberikan keleluasaan bagi pengguna dalam

memahami, mengelola, dan menganalisis data dengan lebih efektif, melibatkan
berbagai aspek seperti pengenalan Minitab, manipulasi data, perbedaan antara
populasi dan sampel, serta aplikasi beragam metode analisis statistik.

B. Statisika Deskriptif

Statistika deskriptif adalah cabang statistika yang fokus pada pengorganisasian,

penyajian, dan interpretasi data. Memahami konsep-konsep dasar dalam statistika
deskriptif sangat penting untuk merinci dan memahami karakteristik suatu set data.

1. Ukuran Pemusatan

Ukuran pemusatan memberikan informasi tentang lokasi pusat suatu

distribusi data. Mean (rata-rata) adalah nilai total data dibagi dengan jumlahnya,
median adalah nilai tengah dalam urutan data, dan modus adalah nilai yang
muncul paling sering. Masing-masing memberikan gambaran tentang titik pusat
distribusi data.

2. Ukuran Penyebaran

Ukuran penyebaran menggambarkan sejauh mana nilai-nilai dalam suatu set

data tersebar. Rentang adalah selisih antara nilai maksimum dan minimum.
Simpangan baku dan varians memberikan informasi tentang seberapa jauh nilai-
nilai individu dari rata-rata, memberikan gambaran tentang variasi dalam data.

3. Penyajian dalam Bentuk Grafik

Penyajian data dalam bentuk grafik membantu memvisualisasikan pola dan

distribusi data dengan lebih jelas. Histogram digunakan untuk menunjukkan
distribusi frekuensi, diagram batang dan diagram garis untuk menyajikan data
kategorikal atau berkelanjutan, dan diagram lingkaran untuk menunjukkan
proporsi kategori dalam suatu set data.
 4. Aplikasi dengan Minitab

Minitab menyediakan berbagai alat untuk melakukan analisis statistik

deskriptif. Pengguna dapat dengan mudah menghitung ukuran pemusatan dan
penyebaran, serta membuat grafik yang mewakili data dengan bantuan antarmuka
yang ramah pengguna. Analisis statistik deskriptif dengan Minitab memungkinkan
pengguna untuk mendapatkan pemahaman yang mendalam tentang struktur dan
karakteristik data yang mereka miliki.

Dengan memanfaatkan fitur-fitur Minitab, pengguna dapat secara efektif

menjelajahi, menganalisis, dan menyajikan data secara terperinci, memudahkan
pengambilan keputusan berdasarkan pemahaman yang solid tentang distribusi dan
tren dalam suatu set data.

C. Kenormalan Data

Kenormalan data merupakan aspek kritis dalam analisis statistik, memastikan bahwa
data mengikuti distribusi normal yang membentuk dasar bagi banyak metode statistik.
Distribusi normal, yang juga dikenal sebagai kurva Gaussian, memiliki bentuk lonceng
simetris yang didefinisikan oleh mean dan simpangan baku. Memahami sejauh mana data
mendekati distribusi normal penting untuk kevalidan hasil analisis.

1. Distribusi Normal

Distribusi normal memiliki karakteristik khusus, di mana sebagian besar data

berkumpul di sekitar nilai tengah (mean), dengan ekor menyebar simetris ke
kedua arah. Sifat distribusi ini mempermudah interpretasi statistik dan
pengambilan keputusan karena banyak metode inferensial bergantung pada asumsi
distribusi normal.

2. Statistik Uji Kenormalan

Untuk menguji kenormalan data, beberapa statistik uji dapat digunakan. Uji
Shapiro-Wilk, Kolmogorov-Smirnov, dan Anderson-Darling adalah contoh uji
kenormalan yang menghasilkan nilai yang dapat dibandingkan dengan nilai kritis.
Jika nilai p dari uji ini cukup besar, maka data dianggap mengikuti distribusi
normal.
 3. Aplikasi dengan Minitab

Minitab menyediakan alat yang kuat untuk menguji kenormalan data. Dengan
menggunakan fungsi statistik yang disediakan oleh Minitab, pengguna dapat
dengan mudah mengaplikasikan uji kenormalan dan mendapatkan hasil yang
signifikan. Analisis kenormalan dengan Minitab memungkinkan pengguna untuk
mengevaluasi sejauh mana data mereka memenuhi asumsi distribusi normal,
menjadi langkah krusial dalam persiapan data untuk analisis statistik yang lebih
lanjut.

Dengan demikian, Minitab memberikan kemampuan bagi pengguna untuk

secara efektif mengelola asumsi distribusi normal dan membuat keputusan
berdasarkan pemahaman yang mendalam tentang karakteristik kenormalan data
mereka.

D. Tranformasi Data

Transformasi data adalah proses mengubah nilai-nilai dalam suatu set data untuk
memenuhi persyaratan atau mendapatkan keuntungan analisis tertentu. Ini sering
digunakan untuk mengatasi masalah seperti asimetri, heteroskedastisitas, atau
ketidaknormalan dalam distribusi data.

1. Transformasi untuk Satu Angkatan Data

Ketika berurusan dengan satu angkatan data, transformasi seperti logaritma,

akar kuadrat, atau resiprokal dapat diterapkan. Logaritma umumnya digunakan
untuk meredakan skewness, sementara akar kuadrat dapat membantu dalam
meratakan variabilitas data. Resiprokal bisa digunakan untuk mengatasi masalah
data yang memiliki nilai yang tinggi dan saling terkait.

2. Transformasi untuk Beberapa Angkatan Data (Menyamakan Sebaran)

Jika ada beberapa angkatan data dengan distribusi yang berbeda, penting
untuk menyamakan sebaran data sebelum perbandingan atau analisis lebih lanjut.
Metode seperti normalisasi z-score atau rangking dapat diterapkan untuk
memastikan bahwa perbedaan dalam distribusi tidak mempengaruhi hasil analisis.

3. Aplikasi Minitab
 Minitab memfasilitasi implementasi transformasi data dengan berbagai alat
dan fungsi. Pengguna dapat menggunakan perintah atau menu yang mudah
digunakan untuk menerapkan transformasi seperti logaritma, akar kuadrat, atau
perangkingan. Minitab juga memungkinkan visualisasi efek transformasi,
membantu pengguna memahami dampak perubahan pada distribusi data.

Dengan Minitab, analisis transformasi data dapat dilakukan dengan efisien,

memastikan bahwa data sesuai dengan asumsi model atau memberikan hasil yang
lebih konsisten. Hal ini mendukung pengguna dalam menyesuaikan data mereka
dengan kebutuhan analisis, meningkatkan keandalan dan validitas hasil yang
diperoleh.

E. Uji Hipotesis Statistik dan Proporsi

Uji hipotesis statistik merupakan pendekatan sistematis untuk mengambil keputusan

berdasarkan data sampel terhadap klaim atau hipotesis tertentu. Dalam konteks uji
hipotesis untuk proporsi, kita mengevaluasi pernyataan terkait dengan proporsi dalam
populasi dan menggunakan analisis statistik untuk menentukan keabsahan klaim tersebut.

1. Hipotesis Statistik

Hipotesis statistik terdiri dari hipotesis nol (H0) yang menyatakan tidak
adanya efek atau perbedaan, dan hipotesis alternatif (H1) yang menyatakan
adanya efek atau perbedaan. Uji hipotesis melibatkan pengumpulan data sampel
untuk menentukan apakah ada cukup bukti untuk menolak H0.

2. Pengujian Hipotesis untuk Satu Nilai Tengah

Dalam pengujian hipotesis untuk satu nilai tengah, kita fokus pada klaim
terkait dengan nilai rata-rata populasi. Pengujian dapat menggunakan uji z atau t,
tergantung pada apakah deviasi standar populasi diketahui atau tidak.

3. Pengujian Hipotesis untuk Selisih Dua Nilai Tengah

Pengujian hipotesis untuk selisih dua nilai tengah melibatkan perbandingan

dua kelompok atau perlakuan. Dalam konteks ini, kita menggunakan uji z atau t
dan memastikan bahwa asumsi-asumsi seperti normalitas dan homogenitas varians
terpenuhi.
4. Aplikasi dengan Minitab

Minitab menyediakan lingkungan analisis statistik yang kuat untuk melakukan

uji hipotesis. Dengan menggunakan menu dan perintah yang intuitif, pengguna
dapat dengan mudah menghitung statistik uji, nilai p, dan membuat grafik yang
mendukung interpretasi hasil.

5. Uji Proporsi

Uji proporsi mengevaluasi klaim terkait dengan proporsi dalam populasi. Ini
melibatkan uji terhadap satu nilai proporsi, perbandingan dua proporsi, atau
menggunakan pendekatan normal baku untuk uji terhadap satu nilai proporsi.

6. Uji terhadap Satu Nilai Proporsi

Pada uji terhadap satu nilai proporsi, kita menguji apakah proporsi dalam
sampel signifikan berbeda dari nilai yang diharapkan atau diketahui.

7. Aplikasi dengan Minitab

Minitab memudahkan uji proporsi dengan menyediakan perintah dan fitur

analisis yang terintegrasi. Pengguna dapat dengan mudah mengaplikasikan uji ini
dan mendapatkan hasil statistik serta visualisasi yang relevan.

8. Pendekatan Normal Baku untuk Uji terhadap Satu Nilai Proporsi

Dalam situasi di mana ukuran sampel besar, pendekatan normal baku dapat
digunakan untuk uji terhadap satu nilai proporsi tanpa harus mengandalkan
distribusi binomial.

9. Aplikasi dengan Minitab

Minitab menyederhanakan penggunaan pendekatan normal baku untuk uji

proporsi. Pengguna dapat melakukan uji ini dengan Minitab dengan menggunakan
antarmuka yang ramah pengguna.

10. Pengujian Perbandingan Dua Proporsi

Uji perbandingan dua proporsi mengevaluasi apakah dua kelompok memiliki

proporsi yang sama atau berbeda dalam populasi.

11. Aplikasi dengan Minitab

 Minitab menyediakan alat untuk melakukan uji perbandingan dua proporsi.
Pengguna dapat menggunakan fitur ini untuk mendapatkan hasil statistik dan
membuat interpretasi yang akurat.

Melalui Minitab, pengguna memiliki akses ke alat analisis yang lengkap untuk
uji hipotesis dan proporsi, memudahkan proses pengambilan keputusan
berdasarkan data sampel yang dimiliki

F. Analisis Variansi.

Analisis Variansi (ANOVA) adalah teknik statistik yang digunakan untuk

membandingkan rata-rata dari tiga atau lebih kelompok. Dalam menerapkan ANOVA,
pemahaman terhadap asumsi-asumsi, uji kesamaan ragam, dan interpretasi tabel analisis
variansi sangat penting untuk mendapatkan hasil yang valid.

1. Asumsi-asumsi pada Analisis Variansi

a) Normalitas: Data dalam setiap kelompok diharapkan terdistribusi secara

normal. Normalitas dapat diuji dengan metode seperti uji normalitas
Shapiro-Wilk.
b) Homogenitas Varians: Asumsi homogenitas varians menyarankan bahwa
variabilitas antar kelompok harus sekitar sama. Uji kesamaan ragam,
seperti Levene atau Bartlett, digunakan untuk menguji apakah asumsi ini
terpenuhi.
c) Independensi: Pengamatan dalam setiap kelompok harus independen satu
sama lain. Ini berarti bahwa hasil dari satu kelompok tidak seharusnya
mempengaruhi hasil dari kelompok lain.

2. Uji Kesamaan Ragam

Sebelum menerapkan ANOVA, penting untuk melakukan uji kesamaan ragam.

Uji Levene atau Bartlett dapat digunakan untuk mengidentifikasi apakah varians
antar kelompok signifikan. Jika uji ini menunjukkan perbedaan yang signifikan,
langkah-langkah perbaikan atau transformasi data mungkin diperlukan sebelum
melanjutkan dengan ANOVA.

3. Tabel Analisis Variansi

 Tabel analisis variansi, atau ANOVA table, memberikan ringkasan hasil
analisis. Tabel ini mencakup informasi penting seperti sum of squares (SS), degree
of freedom (df), mean square (MS), dan nilai F. Nilai F digunakan untuk menguji
apakah ada perbedaan yang signifikan antara kelompok-kelompok.

Dengan memahami secara mendalam asumsi-asumsi, melibatkan uji kesamaan

ragam, dan menganalisis tabel ANOVA, pengguna dapat membuat interpretasi
yang akurat terkait perbedaan rata-rata antar kelompok. Hasil ini penting untuk
mengambil keputusan informasional dalam konteks penelitian atau analisis yang
dilakukan.

G. Regresi Linier dan Non-Linier Sederhana

1. Regresi

Regresi adalah alat statistik yang digunakan untuk memahami dan mengukur
hubungan antara satu variabel dependen dan satu atau lebih variabel independen.
Tujuannya adalah untuk memodelkan pola atau tren dalam data, memungkinkan
prediksi atau pemahaman yang lebih baik tentang fenomena yang diamati.

2. Model untuk Regresi Linier Sederhana

Regresi linier sederhana adalah bentuk paling dasar dari regresi, di mana
hubungan antara satu variabel dependen (Y) dan satu variabel independen (X)
dijelaskan oleh persamaan garis lurus Y = β0 + β1X + ε. Di sini, β0 dan β1 adalah
parameter regresi yang diestimasi melalui analisis data, dan ε adalah kesalahan
acak yang tidak dapat dijelaskan oleh model.

3. Model Regresi Non-Linier

Model regresi non-linier mencakup hubungan yang tidak linier antara variabel
dependen dan independen. Ini memungkinkan penyesuaian yang lebih fleksibel
terhadap pola data yang tidak dapat dijelaskan oleh regresi linier. Dua contoh
model regresi non-linier yang umum adalah model eksponensial dan model
geometrik (daya).

4. Model Eksponensial

Model eksponensial dinyatakan sebagai Y = β0 * e^(β1X) + ε. Di sini, e

adalah konstanta dasar logaritma, dan β0 dan β1 adalah parameter regresi. Model
ini sering digunakan untuk menggambarkan pertumbuhan atau penurunan yang
proporsional terhadap nilai variabel independen.

5. Model Geometrik (Daya)

Model geometrik atau daya dinyatakan sebagai Y = β0 * X^β1 + ε. Model ini

berguna ketika hubungan antara variabel independen dan dependen dapat
dijelaskan oleh eksponen atau daya tertentu.

Dengan memahami perbedaan antara regresi linier dan non-linier, serta

memiliki wawasan mendalam tentang model-model non-linier seperti
eksponensial dan geometrik, analisis regresi dapat diterapkan secara fleksibel
sesuai dengan karakteristik khusus dari data yang dihadapi. Ini memberikan dasar
yang kuat untuk pemodelan dan prediksi yang lebih baik.
 BAB III USULAN PEMECAHAN MASALAH

3.1 Kerangka berfikir

Dalam dunia kerja tentu saja tidak akan terlepas dari faktor-faktor yang dapat
menghambat kinerja pekerja. Faktor lingkungan kerja terdiri dari faktor fisik dan
faktor non fisik. Kedua faktor tersebut sangat berkaitan sehingga akan
memberikan dampak secara langsung dengan pekerja sehingga untuk mengetahu
kondisi tersebut perlunya dilakukan suatu pengujian dengan menggunakan
metode pengujian ANOVA (Analisis Of Varians), melakukan percobaan faktorial,
serta uji rentang Darab Duncan. Metode-metode ini digunakan untuk meneliti
kesalahan dalam mencocokkan warna pada sepasang resistor. Dalam dunia kerja
tentu saja tidak akan terlepas dari faktor-faktor yang dapat menghambat kinerja
pekerja. Faktor lingkungan kerja terdiri dari faktor fisik dan faktor non fisik.
Kedua faktor tersebut sangat berkaitan sehingga akan memberikan dampak secara
langsung dengan pekerja sehingga untuk mengetahu kondisi tersebut perlunya
dilakukan suatu pengujian dengan menggunakan metode pengujian ANOVA
(Analisis Of Varians), melakukan percobaan faktorial, serta uji rentang Darab
Duncan. Metode-metode ini digunakan untuk meneliti kesalahan dalam
mencocokkan warna pada sepasang resistor. Dalam dunia kerja tentu saja tidak
akan terlepas dari faktor-faktor yang dapat menghambat kinerja pekerja. Faktor
lingkungan kerja terdiri dari faktor fisik dan faktor non fisik. Kedua faktor
tersebut sangat berkaitan sehingga akan memberikan dampak secara langsung
dengan pekerja sehingga untuk mengetahu kondisi tersebut perlunya dilakukan
suatu pengujian dengan menggunakan metode pengujian ANOVA (Analisis Of
Varians), melakukan percobaan faktorial, serta uji rentang Darab Duncan.
Metode-metode ini digunakan untuk meneliti kesalahan dalam mencocokkan
warna pada sepasang resistor.

3.2 pengumpulan data

Untuk menganalisis data yang memiliki nilai minimum 12 dan nilai maksimum
129, dengan jumlah data sebanyak 45, dapat dilakukan melalui berbagai metode
statistik. Metode pertama yang disebutkan adalah metode binomial, yang berguna
untuk menghitung probabilitas sukses dalam eksperimen dengan dua hasil yang
mungkin

3.3 pengolahan data

Untuk menyelesaikan masalah pada saat pengumpulan suatu data memiliki
beberapa proses diantaranya:
1. Membuat data binomiak acak dengan n=45, number of trial 129 dan
probability 0,5
2. Menghitung nilai pemusatan, penyebaran dan letak
3. Menghitung uji kenormalan dan hipotesis data
4. Menghitung analisis of varians (ANOVA) berdasarkan tiga faktor
5. Menggambar pola data menggunakan regresi sederhana

3.4 hipotesis awal

HI0 = seluruh data acak memiliki rata rata yang sama
HI1 = seluruh data acak tidak memiliki rata rata yang sama

3.5 FLOWCHART
3.Kolmogorov Smirnov.
Uji normalitas dengan menggunakan jenis Anderson Darling
1. Pada Menu, Klik Stat, Basic Statistics, Graphical summary, Kemudian
masukkan di kolom variabel c2 ke dalam kotak Variable, lalu opsional c1 akan
muncul grafik yang telah di bangkitkan

4. uji statistik

5. uji kenormalan data

 BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

Diketahui sebuah data telah diuji menggunakan metode binomial dengan nilai minimum 2
digit terakhir npm + 10 dan maksimum 2 digit terakhir npm +100 dengan nilai n=45, lakukan
sebanyak 3 kali pengulangan. Diketahui rata-rata dari data tersebut adalah sama, tentukan :

1. Tabel distribusi frekuensi, histrogram, ukuran pemusatan, penyebaran dan letak.

a. Tabel Distribusi Frekuensi

Setelah diuji dengan metode tabel distribusi dalam minitab didapatkan hasilnya
sebagai berikut :

Gambar Tabel Frekuensi 1

Gambar Tabel Frekuensi 2

Gambar Tabel Frekuensi 3

b. Histogram

Setelah diuji dengan metode histogram dalam minitab didapatkan hasilnya sebagai
berikut :

Gambar Histogram 1

Gambar Histogram 2
 Gambar Histogram 3

KURANG PENYEBARAN DATA C

2. Uji kenormalan datanya, dan lakukan transformasi apabila data tidak normal. Setelah
diuji dengan minitab data yang diperoleh normal dan tidak perlu dilakukan
transformasi, dan ini hasilnya :