Perancangan Percobaan
TMS 214
Contoh :
50 cm data (bagian atau nilai informasi, belum
konkrit)
panjang spesimen ujik tarik adalah 50 cm informasi (sudah
konkrit)
Contoh:
data pendapat masyarakat tentang sistem pelayanan
suatu bengkel (sangat baik, baik, cukup, kurang, sangat
kurang)
QC = Quality Control
Contoh: dengan mengambil 10 sampel baut dari produksi baut per hari
(200.000 baut) untuk diuji/ diukur maka akan diketahui karakteristik
proses pembuatan baut secara keseluruhan.
Dr.-Ing. Agus Sutanto
Parameter
• Parameter adalah nilai yang digunakan untuk
merepresentasikan karakteristik dari suatu populasi.
Contoh parameter dalam statistik adalah mean, varian,
modus, dll.
Contoh:
• mean (nilai yang menunjukkan harga rata-rata ) dari
hasil pengujian tarik baja dengan sampel 10 buah adalah
43 kgf/cm2
• Varian (nilai yang menunjukkan variasi/ragam/perbedaan
harga) dari pengujian tarik tersebut dengan sampel 10
buah adalah1,54 kgf/cm2
2. Varian (ragam) n
n
xi n n
xi2 i 1 (x x)
i
2
x 2
i nx 2
n
s 2 i 1 i 1
i 1
n 1 n 1 n 1
1 500 2 2 10 10
2 510 2 4 10 20
3 520 5 9 25 45
4 530 5 14 25 70
5 540 3 17 15 85
6 550 2 19 10 95
7 560 1 20 5 100
100
Frek. Relatif (%)
25
60
15
10 40
5 20
0 0
500 510 520 530 540 550 560
500 510 520 530 540 550 560
Kekuatan Tarik (MPa)
Kekuatan Tarik (MPa)
Yang dikerjakan:
1. Buatlah tabulasi dari data
200 buah paku keling tersebut
dengan:
grup dengan interval 0.05
mm
Sumatra 43.000.000
Jawa 121.000.000
Bali dan nusa 11.000.000
tenggara
Kalimantan 12.000.000
Sulawesi 14.000.000
Maluku 4.000.000
x
i 1
i
x
n
Dr.-Ing. Agus Sutanto
31
Harga rata-rata (mean) dengan
jumlah frekuensi data
Misalkan x1, x2, ..., xk, merupakan sekumpulan data,
dengan jumlah frekuensi masing-masing f1, f2, ..., fk maka
harga rata-rata atau mean adalah : n
f x i i
XB i 1
k
f
i 1
i
Jangkauan (range),
Varian (ragam) dan Standar Deviasi
dari Populasi dan Sampel
2 i 1
N
• Sedangkan jika x1, x2, ..., xn adalah sampel acak
berukuran n yang diambil dari populasiN tersebut, maka
varian dari sampel itu adalah : ( x i x ) 2
S2 i 1
n -1
Hati-hati perbedaanya 36
Dr.-Ing. Agus Sutanto
Varian dengan
jumlah frekuensi data
Misalkan x1, x2, ..., xk, merupakan sekumpulan data,
dengan jumlah frekuensi masing-masing f1, f2, ..., fk maka
varian atau ragam data tersebut adalah :
N
fi(x i x ) 2
S2 i 1
n -1
Rumus-2
x+s 391,53
x-s 337,87
Catt: perbedaan tugas-1 & tugas-2 adalah data pada Tugas -1 tidak dikeompokan (dalam interbval)
sedangkan tugas-2 sebaliknya
Persentil 90%
0.90
0.80
Persentil 75%
0.70
0.60
X rata +2s
Persentil 50% =median
0.50
Series1
X rata +s
0.40
X rata
0.30
Persentil 25%
0.20
Persentil 10%
X rata-s
0.10
-
300 310 320 330 340 350 360 370 380 390 400 410 420 430 440
tensile
strength Diagram Frekuensi Kumulatif
Dr.-Ing. Agus Sutanto
Tugas-1
Lihat gambar Frekuensi Kumulatif <sebelumnya> dari suatu pengujian tarik
logam dengan jangkauan data 300 hingga 440 Mpa. Pengujian melibatkan
100 sampel. Tentukan secara grafis harga:
a. Persentil 25% dari pengujian uji tarik
b.Persentill 50% dari pengujian uji tarik
c. Persentil 75% dari pengujian uji tarik
d.Persentil 90% dari pengujian uji tarik
e.Harga rata-rata (x) = 366 MPa setara dengan Persentil?
f.Harga rata-rata – varian (s) yaitu 340 Mpa setara dengan Persentil?
g.Harga rata-rata + varian (s) yaitu 392 Mpa setara dengan Persentil?
h.Harga antara 340 dan 392 di atas setara dengan Px?
Distribusi Kontinu:
Distribusi Normal dan
Distibusi Normal Standar
(Distribusi Z)
x
Lanjutan)
Persentase nilai pada interval yang sering digunakan
– 68,26% nilai dari suatu variabel acak normal
berada pada interval µ±
– 95,44% nilai dari suatu variabel acak normal
berada pada interval µ±2
– 99,72% nilai dari suatu variabel acak normal
berada pada interval µ±3
10
9
8
7
6
5
4
3
2
1
0
m
Mangga “B”
85 850
0,5 0,5
P(x≤) = 0,5
P(x) = 0,5
Luas kurva normal :
a b x
Transformasi dari
X ke Z
x z
X-
Di mana nilai Z=
x
z
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0753
.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141
.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .1517
.4 .1554 .1591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879
.5 .1915 .1950 .1985 .2019 .2054 .2088 .2123 .2157 .2190 .2224
.6 .2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2518 .2549
.7 .2580 .2612 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
.8 .2881 .2910 .2939 .2967 .2995 .3023 .3051 .3078 .3106 .3133
Area = .2967
Area = .5 - .2967
= .2033
Area = .5
z
0 .83
Statistik Industri (Dr. Slamet Wahyudi)
Dr.-Ing. Agus Sutanto
Jawab
Misalkan, X menyatakan pendapatan keluarga
(dalam ribuan rupiah) per bulan. Dengan
demikian = 850 dan = 300. Yang dijadikan
konsumen potensial adalah mereka yang
penghasilannya di atas 1 juta (Rp. 1.000 ribu)
maka keluarga yang termasuk kelompok ini
adalah P(X>1.000)x 1.000 keluarga
1.000 850
PX 1.000 P Z PZ 0,5 1 0,6915 0,3085
300
Table A = 0,4082
= P(0,33≤Z≤1,67)
= P(0≤Z≤1,67) – P(0≤Z≤0,33)
= 0,4525 – 0,1293 = 0,3232
Z1 = = 0,33 B=0,1293
Z2 = = 1,67 A=0,4525
C = A – B = 0,3232
Peluang data terletak antara 60 s/d 80 adalah 32,32%
= P(-1,00≤Z≤0,33)
= P(-1,00≤Z≤0) + P(0≤Z≤0,33)
= 0,3412 + 0,1293
= 0,4705
Atau : Z1 = = -1,00
A = 0,3412
Z2 = = 0,33
B = 0,1293
Jadi peluang data terleetak antara 40 s/d 60 adalah 47,05%
= 2,88%
= .+
= (-1,645).7 + 74
= 62,485
Batas nilai E adalah 62,48
Z1 = = -0,83 A = 0,2967
Z2 = = -0,50 B = 0,1915
P(x=8) = A – B
= 0,2967 – 0,1915 = 0,1052 = 10,52% (8 CD rusak)
A = 0,1915 (Tabel)
P(x≥12) = 0,5 – 0,1915 = 0,3085 =30,85% (paling
sedikit 12 CD rusak)
= -1,50
A = 0,4332 (tabel)
P(x5) = 0,5 – 0,4332 = 0,0668 =6,68% (paling
sedikit 5 CD rusak)
P(110 125 )
= P(0 Z 5,00)
A = 0,5
P( ≥130) = 0,5 – 0,5 = 0
Dr.-Ing. Agus Sutanto
b) Jika N sangat besar (relatif terhadap n=60)
SOAL 23 :
Seorang siswa memperoleh nilai ujian matakuliah A=60, sedangkan
nilai rata-rata kelas=65 dan standard deviasi=10.
Pada matakuliah B ia memperoleh nilai ujian=62, sedangkan nilai
rata-rata kelas=66 dan standard deviasi=5
Pertanyaan : Pada matakuliah manakah siswa tersebut berada pada
posisi yang lebih baik ?
SOAL 26 :
Bila diketahui bahwa 64% anggota MPR yang dipilih
memiliki umur 50 tahun. Jika dari anggota MPR tersebut
dipilih 100 orang anggota secara random maka
berapakah probabilitasnya :
a) Bahwa proporsi dari anggota MPR tersebut 60%
nya berumur 50 tahun
b) Bahwa proporsi dari anggota MPR tersebut berkisar
antara 70% - 75% nya berumur 50 tahun
SOAL 28 :
Pabrik alat elektronik SONY memproduksi sejenis
adaptor yang memiliki rata-rata umur pemakaian = 800
jam() dengan standar deviasi = 40 jam (S).
Hitunglah probabilitasnya bila dipilih 16 sampel secara
random akan memiliki umur rata-rata :
a) Kurang dari 775 jam
b) Antara 780 jam – 820 jam
c) Lebih dari 810 jam
Teori Probabilitas
Contoh:
•Tossing a coin once or several times
•Picking a card or cards from a deck
•Measuring temperature of patients
N (Outcome) = 6
N (Outcome) = 36
Dr.-Ing. Agus Sutanto
Simulasi komputer dari pelemparan mata
uangsebanyak 100x. Terlihat peluang yang terjadi
mendekati peluang teoritis
0.5 0.5
P A or B P A P B
More generally, if events A, B, C, … are mutually exclusive, then
Hitunglah nilai peluang total gambar hati yang keluar atau gambar
wajah (face) yang keluar pada pengambilan kartu?
Hitunglah nilai peluang jumlah mata dadu tujuh atau dadu dengan
nilai 4 ke atas pada pelemparan 2 mata dadu.
• Rumus:
P(A & B & C & … = P(A) · P(B) · P(C)….
& = irisan
• Rumus:
P(A & B) = P(A) · P(B | A).
& = irisan
Blaise Pascal
Dipakai untuk menentukan nilai peluang suatu kejadian bebas atau tidak bebas.
Misalnya peluang untuk pengambilan 3 sampel adalah: 1 3 3 1, atau
1 peluang sampel 0 cacat, 3 peluang sampel 1 cacat, 3 peluang sampel 2 cacat
dan 1 peluang terambil 3 cacat.
Dr.-Ing. Agus Sutanto
Jawab:
• Nilai kemungkinan tidak lolos QC: 10/100
• Nilai kemungkinan lolos QC= 90/100
Distribusi Diskrit:
(rumus disesuaikan)
Dr.-Ing. Agus Sutanto
Contoh: Distr. Binomial
Pada pembuatan Monitor merk Samsung dilakukan QC sebelum produk dilepas ke
pasar. Bila total produksi per hari adalah 150 unit dan dari history produksi ada sekitar
10% tidak lulus QC, maka : Hitunglah nilai kemungkinan terambil :
a. tidak ada produk tidak lulus QC untuk 3 pengambilan sampel berurutan dengan cara
pengembalian
b. 1 produk tdk lulus QC dari 3 pengambilan sampel berurutan dengan cara
pengembalian <cocokan hasilnya dengan contoh sebelum>
P (0)= peluang tidak ada produk tidak lulus QC= 3 (0,1) 0 (0,9) 3 = 0,729 = 72,9%
0
P (1) = peluang 1 produk tidak lulus QC = 3 (0,1) 1 (0,9) 2 = 0,243 = 24,3%
1
(rumus disesuaikan)
150
3
b. E i2 2
c. E i j cov(i , j ) 0
d. X i konstan
Untuk memperkirakan A dan B dipergunakan metode kuadrat kesalahan terkecil, dimana
Model sebenarnya : Y A BX
Model perkiraan : Y a bX e
a, b, dan e adalah penduga untuk A, B, dan
e i2 Yi (a bX i ) .
2
Yi a bX i ei atau ei Yi (a bX i ) dan
i
i i X i X iYi
i
Y X 2
i i i
a Y bX 2
da n
n X X i
i
2
i i
n X i Yi X i Yi
i i i
b 2
n X X i
i
2
i i
y
y (0)
(+)
y
y
(-)
(+)
y
(0) y
(-)
y
(+)
y
y (-)
(+) y
(-)
1
Bila s xy X i Yi X i Yi / n adalah penduga untuk xy dan
n i i i
1
2
2
sx X i X i / n adalah penduga untuk x2 , m a ka
2
n i i
s xy x y i
i i
b
s x2 x i
2
i
i i i
2
2
1 X
varb b2 e
da n var a 2
2
e 2
i i
2 a
x n x i
i
2
X
cova, b a ,b 2
xi2
e
x
x 56 7 y
y 296 37
n 8 n 8
a y bx 37 (5,1389)(7) 1,0277
Jadi persamaan garis regresi linier yang menggambarkan hubungan antara
variabel x dan y dari data sampel pada percobaan/praktikum di atas adalah:
yˆ a bx 1,0277 5,1389 x
Dengan menggunakan persamaan garis regresi yang diperoleh, maka dapat
diperkirakan hasil yang akan diperoleh (nilai y) untuk suatu nilai x tertentu.
Misalnya untuk x = 4 maka dapat diperkirakan bahwa y akan bernilai:
yˆ a bx 1,0277 5,1389x =1,0277 + 5,1389(4) = 21,583
50 y = 5.1389x + 1.0278
40
30
y
20
10
0
0 2 4 6 8 10 12
e 2 i i
y b 2
x 2
y i b xi y i
S
2
e i i i
i i
2
2 S 2
e 2
2 1 X
S da n S a S e
i
b 2 2
x n x i
i i
y y
x x
(a)x (b)x
Dengan menggunakan data dan tabel perhitungan pada contoh 1, maka standard
error estimasi dari garis regresi yang diperoleh adalah:
s y ,x
y 2 a y b xy
n2
(11,920) 1,0277(296) 5,1389(2,257)
1,698
82
b Bo s y,x
tb sb
sb ; x 2
2
(x )
n
e. Simpulkan, tolak Ho atau terima Ho.
a t sa A a t sa
2 2
x 2
n
428
8
b BHo 5,1389 0
RUt ttest 18,159
sb 0,283
7. Pengambilan keputusan
Karena RUt = 18,159 bernilai jauh lebih besar daripada nilai batas tcr = 2,447,
maka H0: B = 0 ditolak. Hal ini bahwa hipotesis alternatif yang menyatakan
bahwa terdapat kemiringan pada garis regresi untuk populasi serta suatu
hubungan regresi yang berarti benar-benar ada antara variabel X dan Y.
Dalam relasi ( z adalah skor z yang akan menentukan tingkat kepercayaan dari
penerimaan estimasi interval yang dilakukan. Gambar 7 mengilustrasikan estimasi
interval untuk z = 2.
3sy ,x
y ŷ
3sy ,x
yˆ1 2sy ,x ŷ 1
x
x1
g
2
1 x x
yˆ t / 2 sy ,x
2
n x
x2
n
dimana:
ŷ = estimasi titik yang dihitung dengan persamaan regresi untuk nilai x tertentu
tα/2 = nilai t untuk α/2 ( =tingkat kepercayaan) dengan derajat kebebasan n-2
xg = nilai x yang ditentukan
n = jumlah observasi pasangan pada sampel
g
2
1 x x
yˆ t / 2 s y ,x
2
n x
x2
n
1
21,583 2,447 1,698
4 7 2
8 428 56 8
2
Jadi dengan derajat kepercayaan 95 persen diperoleh: 19,038 < ŷ < 24,128
cov( X , Y ) xy
x y x y
Dalam prakteknya, tidak diketahui tetapi nilainya dapat diestimasi berdasar data sampel.
Bila r adalah penduga , dengan r dinyatakan sebagai
x y
i
i i n X i Yi X i Yi
i i i
r
x y
i
i
i
i
n X X i
2
2
n Yi Yi
2
2
i
i i i i
b. Dengan diketahui, dari tabel distribusi-t maka dapat dihitung t ( n 2) untuk pengujian
r n2
tr dengan derajat kebebasan n
2
1 r
a y b xy n y
2
r2 2 2
y n y
2
1,0277 296 5,1389 2257 8 37
0,982
11920 8 37
2
r 0,982 0,991
sy
br
sx
dimana s y
1
Yi Y
n i
2
dan s x
1
Xi X
n i
2
.
ditunjukkan bahwa Yˆ a bX adalah penduga E(Y|X). Misalkan Ŷo adalah nilai Ŷ pada X =
Xo, maka
E Yˆo E a bX o E a E b X o A BX o E Yo | X o
1 X o X 1 X o X
2 2
a bX o t / 2 s e E Y | X a bX t s
i X i2
2 o o o /2 e
n X n
1 X o X 1 X o X
2 2
a bX o t / 2 se Y a bX t s
i X i2
2 o o /2 e
n X n
B Y A B 1
Y A
X X
Y Ae BX ln Y ln A B X