Statistika Industri - Pertemuan 2
Statistika Industri - Pertemuan 2
SAMPLING
STATISTIKA INDUSTRI
MINGGU KE-2
1000
800
600
400
200
0
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
Sales 102 94 156 853 1067 960 1129 887 562 226 79 165
Fall
Spring
Summer
Winter
9
0.
0.
0.
0.
0.
1.
1.
1.
1.
1.
2.
2.
2.
2.
2.
0- 5- 0- 5- 0- 5-
0-
2-
4-
6-
8-
0-
2-
4-
6-
8-
0-
2-
4-
6-
8-
0. 0. 1. 1. 2. 2.
0.
0.
0.
0.
0.
1.
1.
1.
1.
1.
2.
2.
2.
2.
2.
16 6
14
5
12
4
10
8 3
6
2
4
1
2
0 0
0. .05
0. .20
0. .35
0. .50
0. .65
0. .80
1. .95
1. .10
1. .25
1. .40
1. .55
1. .70
1. .85
2. .00
2. .15
2. .30
2. .45
2. .60
2. .75
0
2 4 6 8 0 2 4 6 8 0 2 4 6 8 0
0. 0. 0. 0. 1. 1. 1. 1. 1. 2. 2. 2. 2. 2. 3.
.9
-0
-0
-0
-0
-0
-0
-0
-1
-1
-1
-1
-1
-1
-2
-2
-2
-2
-2
-2
-2
0- 2- 4- 6- 8- 0- 2- 4- 6- 8- 0- 2- 4- 6- 8-
00
15
30
45
60
75
90
05
20
35
50
65
80
95
10
25
40
55
70
85
0. 0. 0. 0. 0. 1. 1. 1. 1. 1. 2. 2. 2. 2. 2.
0.
STEM LEAF
1 9 7 8
2 7 2 9 0 5 9 4
3 6 3 0 9 6 9 1
4 6 2 6 1 5
5 2 2 5 0
6 0 3
7 6
8 5
14
12
10
0
2
0
0.
0.
0.
0.
1.
1.
1.
1.
1.
2.
2.
2.
2.
2.
3.
3.
3.
3.
3.
4.
0-
2-
4-
6-
8-
0-
2-
4-
6-
8-
0-
2-
4-
6-
8-
0-
2-
4-
6-
8-
0.
0.
0.
0.
0.
1.
1.
1.
1.
1.
2.
2.
2.
2.
2.
3.
3.
3.
3.
3.
Statistika Industri TI UNMUL 6
Presentasi Data
Boxplots: adalah presentasi skematis untuk median,
kuartil atas dan bawah, serta data observasi terbesar
dan terkecil.
Sebuah asterik digunakan untuk menunjukkan
outliers.
Lower Sample Possible Outlier
Upper Sample
Quartile (25%) Quartile (75%)
Modus Sampel:
Untuk sampel random X1, X2, ... , Xn berukuran n,
modus sampel adalah nilai sampel yang paling
sering muncul. Modus tidak selalu ada, dan jika ada
dapat tidak unik.
S 2 i 1 i 1 i 1 n
n 1 n 1 n 1
X X X X X X X
X X X X X X X
X X X X
Titik sampel
Sample mean (X )
Group
1 2 3 4 5 6 7
Population Distribution
Sample Distribution
Populasi
A, B, C
𝜎 𝑁 −𝑛
𝜇𝑥 = 𝜇 dan 𝜎𝑥 =
𝑛 𝑁 −1
𝜎
𝜇𝑥 = 𝜇 dan 𝜎𝑥 =
𝑛
tersebut
Berat rata-rata dari distribusi sampling berat rata-rata
sampel
Deviasi standar dari distribusi sampling berat rata-rata
sampel
Atau
𝜎 𝑁 −𝑛 6 5 −2
𝜎𝑥ҧ =
2 = = (3) (0,75) = 2,25; sehingga
𝑛 𝑁 −1 2 5 −1
1.900,-
tersebut
Berat rata-rata dari distribusi sampling berat rata-rata
sampel
Deviasi standar dari distribusi sampling berat rata-rata
sampel
P(X)
5 0.125 0.625 0.5 0.25 0.03125 0.1
6 0.125 0.750 1.5 2.25 0.28125
7 0.125 0.875 2.5 6.25 0.78125
8 0.125 1.000 3.5 12.25 1.53125
0.0
1.000 4.500 5.25000 1 2 3 4 5 6 7 8
X
E(X) = = 4.5
V(X) = 2 = 5.25
SD(X) = = 2.2913
P(X)
2.5 0.062500 0.156250 -2.0 4.00 0.250000
3.0 0.078125 0.234375 -1.5 2.25 0.175781 0.05
3.5 0.093750 0.328125 -1.0 1.00 0.093750
4.0 0.109375 0.437500 -0.5 0.25 0.027344
4.5 0.125000 0.562500 0.0 0.00 0.000000 0.00
5.0 0.109375 0.546875 0.5 0.25 0.027344 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0
5.5 0.093750 0.515625 1.0 1.00 0.093750 X
6.0
6.5
0.078125
0.062500
0.468750
0.406250
1.5
2.0
2.25
4.00
0.175781
0.250000 E ( X ) 2X 4.5
7.0 0.046875 0.328125 2.5 6.25 0.292969 V ( X ) X 2.625
SD( X ) X 16202
7.5 0.031250 0.234375 3.0 9.00 0.281250
8.0 0.015625 0.125000 3.5 12.25 0.191406 .
1.000000 4.500000 2.625000
P(X)
0.1
rata:
Keduanya memiliki pusat 0.0
1 2 3 4 5 6 7 8
yang sama.
X
0.00
1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0
X
Artinya: 0.4
•Rata-rata tetap.
Sampling Distribution: n =16
0.3
Sampling Distribution: n =4
Sampling Distribution: n =2
0.1
Normal population
Normal population
0.0
P(X)
0.15
0.10
0.05
cenderung mendekati distribusi 0.00
X
P(X)
dengan meningktanya ukuran 0.1
sampel. X ~ N ( , 2 ) 0.0
X
Large n
0.4
f(X)
0.2
Population
n=2
n = 30
X X X X
Keterangan:
𝜇𝑥ҧ = rata-rata dari distribusi sampling rata-rata
𝜇 = rata-rata populasi
𝜎𝑥ҧ = deviasi standar dari distribusi sampling rata-rata
𝜎 = deviasi standar populasi
n = ukuran sampel
217 220 217 220
P Z P Z
15 15
100 10
P( Z 2) 0.0228
12 14 x x4
x 3
x= 14
n 4
12 14 x x4 56
3
(x x) 2
s2
( n 1)
Statistika Industri TI UNMUL 54
Degrees of Freedom (4)
Seorang manager mendapat alokasi anggaran €150.000 untuk 4
proyek investasi. Berapa banyak degrees of freedom yang dimiliki
manager tersebut?
Rumuskan : x1 + x2 + x3 + x4 = 150,000
Proyek ke 4 dapat ditentukan setelah mendapatkan perkiraan 3
anggaran proyek lainnya. Misalkan x1=40,000; x2=30,000 ;
x3=50,000, maka
x4=150,000-40,000-30,000-50,000=30,000
𝑝 (1 −𝑝)
Deviasi standar; 𝜎𝑝ො =
𝑛
𝑝 (1 −𝑝) 𝑁 −𝑛
Deviasi standar; 𝜎𝑝ො =
𝑛 𝑁 −1
n 100
p 0.25
p p .20 p
P ( p > 0.20 ) P
p (1 p )
>
p (1 p )
n n
p (1 p )
(.25)(.75)
0.001875 V ( p ) .20 .25 .05
P z > P z >
n 100
.0433
(.25)(.75)
p (1 p )
100
0.001875 0.04330127 SD ( p ) P ( z > 1.15) 0.8749
n
Statistika Industri TI UNMUL 62
Latihan soal
1. IP mahasiswa di suatu perguruan tinggi mendekati sebaran
normal dengan rata-rata populasi 2,14 dan simpangan baku
1,21.
a) Berapa persen mahasiswa yang IP-nya antara 2,00 dan 3,00?
b) Pimpinan perguruan berjanji akan memberikan beasiswa
kepada 10% mahasiswa yang IP-nya terbaik. Berapa IP
seorang mahasiswa agar bisa mendapatkan beasiswa
tersebut?
c) Mahasiswa yang IP-nya di bawah 1,00 mendapatkan
peringatan agar lebih giat belajar. Untuk itu, mereka di
masukkan ke kelas khusus guna mendapatkan bimbingan.
Ada berapa persen mereka?
Statistika Industri TI UNMUL 63
Latihan soal
2. Berdasarkan hasil survey diketahui bahwa pendapatan
masyarakat di suatu kota mendekati sebaran normal
dengan rata-rata Rp 850rb per bulan dan simpangan baku
Rp 300rb. Suatu perusahaan elektronik akan memasarkan
produk barunya berupa VCD-player dengan harga Rp
600rb. Dengan demikian, sasaran atau target pasar yang
diharapkan adalah mereka yang penghasilannya di atas Rp
1 juta per bulan. Bila di kota tsb terdapat 1.000 keluarga,
berapa keluarga yang menjadi konsumen potensial produk
tersebut?