LAPORAN PRAKTIKUM STATISTIK Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum Statistik Pada Program Studi Teknik Industri
Disusun Oleh : Kelompok 5
Rudini Mulya (41610010035) Herman Santoso Purba (41610010001) Ibnu Malik (41610010019) PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS MERCU BUANA JAKARTA 2011
Diperiksa dan disetujui oleh :
Asisten Praktikum
11
BAB I PENDAHULUAN
1.1 Latar belakang. 1.1.1
Statistik deskriptis.
Metode statistik adalah prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan penafsiran data. Statistika deskriptif hanya memberikan informasi mengenai data yang dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun tentang gugus induknya yang lebih besar. Contoh statistika deskriptif yang sering muncul adalah, tabel, diagram, grafik, dan besaran-besaran lain di majalah dan koran-koran. [
Dengan Statistika deskriptif, kumpulan data yang diperoleh akan tersaji
dengan ringkas dan rapi serta dapat memberikan informasi inti dari kumpulan data yang ada. Informasi yang dapat diperoleh dari statistika deskriptif ini antara lain ukuran pemusatan data, ukuran penyebaran data, serta kecenderungan suatu gugus data. Kita akan mengelompokkan metode-metode tersebut ke dalam dua kelompok besar, yaitu statistika deskriptif dan inferensia statistik. • Statistika Deskriptif adalah metode-metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna.
Patut untuk dipahami bahwa statistika
deskriptif memberikan informasi hanya mengenai data yang dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun tentang gugus data induknya yang lebih besar. • Inferensia Statistik adalah semua metode statistik yang berhubungan
dengan analisis sebagian data untuk kemudian sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan gugus data
12
induknya. Generalisasi yag berhubungan dengan inferensia statistik selalu mempunyai sifat tak pasti, karena kita mendasarkan pada informasi parsial yang diperoleh dari sebagian data. 1.1.2
Distribusi Binomial dan Hipergeometris.
Distribusi binomial mengasumsikan bahwa probabilitas suatu kejadian tetap atau konstan. Hal ini terjai karena digunankannya prinsip pengembalian. Dalam kehidupan yang sesungguhnya, proses pengembalian jarang terjadi. Misalkan dari 6 baju, pada distribusi binomial akan mengasumsikan proababilitas setiap baju terambil adalah 1/6. Apabila kita menggunakan prinsip tanpa pengembalian, maka probabilitas pertama adalah 1/6. Namun pada pengambilan kedua, probabilitasnya tinggal 1/5. Hal ini terjadi karena baju yang sudah diambil tidak dikembalikan lagi. Dengan demikian disimpulkan bahwa : 1. Tanpa pengembalian, percobaan tidak bersifat independen. Suatu percobaan akan mempengaruhi percobaan berikutnya. 2. Nilai probabilitas setiap percobaan berbeda tidak konstan. Pada kasus seperti di atas lebih tepat digunakandistribusi hipergeometrik. Sebaran Hipergeometrik : bila dalam populasi N benda, k benda diantaranya diberi label “berhasil” dan N-k benda lainnya diberi label “gagal”, maka sebaran peluang bagi peubah acak hipergeometrik X, yang menyatakan banyaknya keberhasilan dalam contoh acak berukuran n, adalah: k h(x;N, n,,k) = x
N-k n-x , untuk x = 0,1,2, …, k
N n 1.1.3
Distribusi Poisson dan Eksponetial.
13
Sebaran Poisson : banyaknya hasil percobaan yang terjadi selama suatu selang waktu atau daerah tertentu, adalah : е-μμ p(x,μ) =
dimana
x!
x
, untuk x = 1,2,…
= rata-rata banyaknya hasil percobaan yang terjadi selama waktu atau
dalam daerah tertentu, dan е = 2,71828..
1.2 Tujuan Pr aktukum.
1.2.1 Statistik deskriptis. 1.
Dapat menyajikan data – data statistika dalam bentuk • Tabel Statistik. • Grafik Statistik. • Diribusi Frekuensi.
2. Mampu melakukan perhitungan untuk: • Ukuran lokasi atau ukuran kecendrungan. • Ukuran deviasi.
1.2.2 Distribusi Binomial dan Hipergeometris. Tujuan praktikum antara lain: 1. Praktikum diharapkan mampu membedakan karakteristik distribusi binomial dan hipergeometris.
14
2. Praktikum dharapkan mengatahui asumsi/ karakteristik dasar percobaan binomial dan hipergeometris. 3. Praktikum diharapkan mampu melakukan pendekatan distribusi hipergeometris dan pendekatan distribusi normal terhadap binomial. 4. Praktikum diharapkan mampu membuktikan kebenaran teori – teori dasar pada butir 1 – 3 melalui media percobaan.
1.2.3 Distribusi Poisson dan Eksponetial. Tujuan praktikum antara lain: 1. Mampu memahami karakteristik dari distribusi poisson dan eksponensial. 2. Mampu menganali masalah nyata dala kehidupan sehari – hari yang berkaitan dengan distribusi poisson dan eksponensial dan mampu menganal peranan statistic dalam memecahkan masalah tersebut.
1.3 Alat – alat yang digunakan.
Peralatan dan bahan yang digunakan selama praktikum antara lain; 1. Data pengamatan. 2. Lembar pengamatan, alat tulis dan alat hitung. 3. Table statistic untuk distribusi poisson ,dan eksponensial. 4. Koin ( 500 rupiah warna kuning sebanyak 20 , dan 500 rupi ah warna perak sebanyak 20) 5. Tempat Kion 6. Komputasi.
15
1.4 Pelaksanaan Praktikum.
Praktikum Statistik ini dimulai dari bulan November 2010 sampai dengan bulan Januari 2011, selama kurang lebih 4 pertemuan dan bertempat di Lab. Komputer Teknik Industri Universitas Mercu Buana gedung D.208. Selama praktek, praktikan mempelajari tentang Statistik deskriptis (Menyajikan data – data yang meliputi table , grafik ,dan ukuran lokasi dan deviasi ) , Distribusi binomial dan hipergiometrik (melakukan pendekatan distribusi hipergeometris dan pendekatan distribusi normal terhadap binomial ) , dan Distribusi poisson dan eksponential (memahami karakteristik dari distribusi poisson dan eksponensial).
16
BAB II LANDASAN TEORI 2.1 Statistik Deskriptif
Metode statistik adalah prosedur-prosedur yang digunakan dalam pengumpulan,
penyajian,
analisis
dan
penafsiran
data.
Kita
akan
mengelompokkan metode-metode tersebut ke dalam dua kelompok besar, yaitu statistika deskriptif dan inferensia statistik. •
Statistika Deskriptif adalah metode-metode yang berkaitan
dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna.
Patut untuk dipahami bahwa statistika deskriptif
memberikan informasi hanya mengenai data yang dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun tentang gugus data induknya yang lebih besar. •
Inferensia Statistik adalah semua metode statistik yang
berhubungan dengan analisis sebagian data untuk kemudian sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan gugus data induknya. Generalisasi yag berhubungan dengan inferensia statistik selalu mempunyai sifat tak pasti, karena kita mendasarkan pada informasi parsial yang diperoleh dari sebagian data.
Populasi dan Sampel (contoh) Dalam kita mengamati/meneliti sebuah objek maka data pengamatan yang diambil harus dibedakan apakah mewakili seluruh populasi atau hanya sampel/contoh. Lalu apa yang dimaksud dengan populasi dan apa pula itu contoh? Populasi adalah keseluruhan pengamatan yang menjadi perhatian kita, sedangkan sampel adalah himpunan bagian dari populasi.
17
DATA: Pengertiannya adalah keterangan mengenai sesuatu / hasil pengamatan/ hasil pengukuran. Data adalah bentuk jamak dari datum (single/satu). Jenis-Jenis data: 1.
Data Primer : data yang diperoleh langsung dari sumbernya baik melalui observasi/pengukuran/pengamatan langsung.
2.
Data Sekunder: data yang diperoleh dari pihak ketiga/ data yg telah dipublikasikan.
Bentuk Data: 1.
Data Kuantitatif (data berupa angka-angka/numerical data hasil observasi atau pengukuran)
2.
Data Kualitatif (serangkaian observasi dimana setiap observasi tergolong kepada salah satu kelas yang eklusif., contoh: pendapat konsumen terhadap suatu produk adalah: sangat bagus, bagus, biasa, buruk, sangat buruk. Opini masysrakat terhadap suatu kebijakan.
Cara Pengumpulan Data: 1.
Wawancara
2.
Angket/kuesioner
3.
Observasi/pengamatan
4.
Penelitianla b/eksperimen/percobaan
5.
Studi literature
6.
MANAGING DATA -
Tujuan: menyampaikan hasil pengolahan data (informasi) dalam bentuk yang lebih mudah dipahami
-
Bentuk dari penyajian informasi ini adalah dalam bentuk Tabel atau Grafik Statistik. 18
Tabel Statistik Syarat tabel statistik adalah sederhana, singkat dan jelas. Jenis-jenis Tabel:
Tabel Referensi/Umum: Tabel yg memberikan keterangan-keterangan yg terperinci dan disusun khusus untuk keperluan referensi.
Tabel Ikhtisar/Naskah: Tabel yang memberikan keterangan secara sistematis hasil penelitian.
Distribusi Frekuensi
Pengelompokan data ke dalam bebe rapa kelas, dan menghitung banyaknya pengamatan yang masuk, lalu disajikan dalam bentuk tabel disebut dengan DISTRIBUSI
FREKUENSI. Tabel distribusi frekuensi membagi data dalam
jumlah besar ke dalam beberapa kelas/kelompok frekuensi. Beberapa istilah dalam distribusi frekuensi : 1.Selang kelas ( Class Interval) 2.Batas kelas (Class limit) 3.Ukuran kelas ( Size / Width Class Interval ) Selisih antara tepi bawah kelas dan tepi atas kelas pada batas kelas tersebut. Ukuran kelas/lebar kelas ini adalah sama untuk seluruh kelas. 4.Titik tengah kelas (midpoint / Class mark) 5.Jumlah dari batas bawah dan batas atas kelas dibagi dua.
2.2
Distribusi Binomial dan Hipergeometris
Distribusi Probabilitas Binomial : Jika suatu ulangan binom mempunyai 2 peluang p (berhasil) dan peluang q (gagal), maka distribusi probabilitas binom x adalah banyaknya keberhasilan dalam n ulangan yang bebas adalah n b(x;n,p) =
n!
x px qn-x atau x!(n-x)! px qn-x
19
Ciri-ciri percobaan (kejadian) binom adalah : 1.
Terdiri dari n ulangan
2.
Setiap percobaan menghasilkan dua kejadian: (a) kelahiran anak: laki-laki-perempuan; (b) transaksi saham: jual- beli, (c) perkembangan suku bunga: naik–turun dan lain-lain. 3.
Peluang berhasil dilambangkan dengan p, untuk setiap ulangan sama tidak berbeda.
4.
Probabilitas suatu kejadian untuk suskes atau gagal adalah tetap untuk setiap kejadian. P(p), peluang sukses, P(q) peluang gagal, dan P(p) + P(q)= 1.
5.
Ulangan bersifat bebas satu sama lain.
6.
Data yang dihasilkan adalah data perhitungan.
Distribusi binomial mengasumsikan bahwa probabilitas suatu kejadian tetap atau konstan. Hal ini terjai karena digunankannya prinsip pengembalian. Dalam kehidupan yang sesungguhnya, proses pengembalian jarang terjadi. Misalkan dari 6 baju, pada distribusi binomial akan mengasumsikan proababilitas setiap baju terambil adalah 1/6.
Apabila kita menggunakan prinsip tanpa pengembalian, maka probabilitas pertama adalah 1/6. Namun pada pengambilan kedua, probabilitasnya tinggal 1/5. Hal ini terjadi karena baju yang sudah diambil tidak dikembalikan lagi.
Dengan demikian disimpulkan bahwa : 3.
Tanpa pengembalian, percobaan tidak bersifat independen. Suatu percobaan akan mempengaruhi percobaan berikutnya.
4.
Nilai probabilitas setiap percobaan berbeda tidak konstan.
20
Distribusi Binomial Kumulatif Seringkali kita dihadapkan dengan masalah yang mengharuskan kita menghitung P(x≥r) atau P(a
Dalam hal ini kita dapat menggunakan tabel A2 pada lampiran buku Walpole. 2.3
Distribusi Po isson da n Ek sponensial
Distribusi Poisson adalah suatu distribusi yang digunakan untuk mengamati jumlah kejadian-kejadian khusus yang terjadi dalam satu satuan waktu atau ruang. Dalam eksperimen poisson, probabilitas memperoleh dengan tepat peristiwa X sebanyak x kejadian untuk setiap satu satuan unit (waktu atau ruang) yang ditentukan membentuk sebuah distribusi yang fungsi probabilitasnya adalah:
Suatu distribusi poisson dapat digunakan dengan tepat dalam suatu eksperimen poisson yang memenuhi kondis-kondisi berikut: 1. Suatu eksperimen yang meliputi pencacahan banyaknya suatu peristiwa terjadi dalam setiap satuan unit yang ditentukan. Unit yang ditentukan ini biasanya adalah unit waktu atau ruang.
21
2. Probabilitas peristiwa tersebut adalah sama unt uk setiap satuan unit. 3. Banyaknya peristiwa yang terjadi dalam setiap satuan unit saling bebas terhadap banyaknya peristiwa yang terjadi pada setiap satuan unit yang lainnya. Random memiliki
arti agak berbeda seperti yang digunakan dalam bidang
yang berbeda. Ini juga memiliki makna yang umum yang mungkin memiliki sambungan longgar dengan beberapa dari mereka makna yang lebih pasti. Definisikan "acak" demikian: •
Tidak memiliki tujuan tertentu atau tujuan; tidak dikirim atau petunjuk dalam arah tertentu, dibuat, dilakukan, terjadi, dll, tanpa metode atau pilihan sadar; sembarangan.
Pada penelitian kuantitatif Populasi dan sampel merupakan sumber utama untuk memperoleh data yang dibutuhkan dalam mengungkapkan fenomena atau realitas yang dijadikan fokus penelitian kita. Oleh karena itu, sebelum pada bahasan teknik sampling pada data kuantitaf dan bagaimana cara menentukan ukuran sampel, maka kita harus tahu terlebih dahulu mengenai: Populasi adalah seperangkat unit analisa lengkap Sampel adalah bagian dari Sampling adalah
yang sedang diteliti.
populasi yang dipilih untuk dipelajari.
cara-cara atau teknik penarikan sampel dari populasi.
Teknik Sampling pada data
kuantitatif
1. Probability Sampling (Menggunakan Prinsip Random) a. Cluster Random Sampling Teknik ini digunakan apabila ukuran populasinya tidak diketahui dengan pasti, sehingga tidak memungkinkan untuk dibuatkan kerangka samplingnya, dan
22
keberadaannya tersebar secara geografis atau terhimpun dalam klaster-klaster yang berbeda-beda.
BAB III PENGUMPULAN DATA DAN PENGOLAHAN DATA 3.1 Pengumpulan Data.
3.1.1
Data
Statistik D eskriptif. Tinggi badan dan Berat badan
mahasiswa teknik industri sebanyak 100
mahasiswa.
No 1 2N
Nama
Usia (tahun)
Berat Badan( Kg )
Tinggi Badan (cm)
20
75
165
18
57
173
Firmansyah ovrian
3
Adizty Suparno
18
53
160
4
Dini Maulina
17
45
155
5M Yusuf
19
63
160
6
Amalda Z.
18
68
168
7
Fortus Pake
17
62
162
8
Zamaludin
9
Anoy I
10
M Kastoniyanto
11
Azis AM
17
55
22
64
20 18
170 174
50 79
169 175
12E Esmiza z
18
50
170
13
Ezra Lisfiani
17
40
160
14
FauzanSeptiaM
18
50
180
23
15
YoelOctavianus
16
M Radityo R
17
HerlianSaputra
18
100
180
18
Ihsan Maulana
19
60
175
19
Nur Muhammad
18
80
173
20
WisnuSudaryanto
17
65
172
21
Denny Permana
18
57
172
22
DessyDiarditoM.
23M Wahyu S
18 17
50 60
17
175
57
18
173
176
50
164
24
Bolang
16
50
175
25
Aron
18
65
175
26S
tefany S
18
69
170
18
57
172
27
Alifka S
28
Yodi
29
HermanSantoso
20
55
168
30
Aziz Kurniawan
19
48
169
31
Eron Yudy P
32
Arie Yones
18
60
170
33
Rudini Mulya
20
57
169
34
Isma
35
Faisal Umar N
36I
khwan H
37
Ryan
18
57
171
38 39
Novian Ihsan
20 19
50 60
160 162
40
Nanda
19
53
175
41
Indra
19
55
175
42
Dhika
20
77
175
19
18
73
44
171
17 18
65 65
17
170
166 170
54
175
24
43 44Y
Firman anuar A.
19 19
59 71
165 177
45
Eko
19
60
169
46
Hary
19
55
170
47
Adit
19
75
170
48
Wahyu Sujar
49
Martin
50
Fery Prabowo
51
Angga S
52
Arip Mustakim
19
59
176
53
Al Bayhaki
19
46
173
54
Ahmad Mathuri
19
45
168
55
Ade Pratama
19
57
187
56
Joko A
19
56
168
57
Dodi I
26
56
168
58
Anton Giardhi S
19
55
165
59
Kukuh W Dias
60
RambuMahaTarap
61
Ridwan
18
60
160
62
Dwi
19
69
166
63
Mardi
19
50
171
64
Teguh
19
53
166
65 66
Diaz Utami Wiyoga
18
54
160 160
67
Ariel
20
54
160
68
Irfan
19
90
170
69 Aflan M
21
54 19
60
20 19
50 58
19
158
45
60
176
160
49
19
170
173
49
19
19
165
170
25
70
Rian
24
60
173
71
Silvia
20
45
156
72
Eki
20
75
177
73
Galih
21
60
175
20
60
175
74D
zulhadi
75
Andri
23
60
173
76
Iwan
20
55
160
77
Eko
20
55
170
78
Dede
20
49
175
79
Adnan
19
58
168
80
Panji
20
55
160
81
Steven
22
48
165
82
Candra
20
55
173
83
Yovan
20
50
176
84
Ricky
20
49
167
85
Ria
20
53
155
86
Nisa
20
50
265
87
Ian
21
60
172
88
Arif
21
60
180
89
Wahyu Budi
90
Sona
23
50
168
91
Yosia
23
75
177
92 93
Seni Apriyani Arief Zakaria
21 21
44 60
156 180
94
AnggiSulistiana
20
70
175
95
Nur Fadilah
20
65
168
96
Kurniawan
21
68
22
170
55
167
26
97
Ismail
22
83
185
98
Rizky
22
60
173
99
Fauzan
22
55
165
21
60
167
100 Agus
3.1.2
Distribusi Binomial dan Hipergeometris.
1. Percobaan I a. Percobaan koin kuning dan putih dengan 40x pengembalian perbandingan 15 kuning : 10 putih. n K
Jumlah Cacat Total
123401234
1PKPP
3
√
2PPKK
√
2
3PKPK
√
2
4PKPK
√
2
5PKKK
0
√
6PKKP 7PPPP
√ √
8KKKK 9KPKP 10 ∑
2
√
P
√
K
K
K
√
4 0 2 1 18
27
Keterangan
: K=kuning;
P=putih
b. Percobaan koin kuning dan putih dengan 40x pengembalian perbandingan 20 kuning : 10 putih. Keterangan
K
: K=kuning;
P=putih
N
Jumlah Cacat
123401234
1PKKK
Total 1
√
2PKPK
√
2
3PPKK
√
2
4PKKP
√
2
5KKPP
√
2
6KKPP
√
2
7PKPK
1
√
8PPKP
√
9PKKP 10 ∑
K
P
K
P
3
√
2
√
2 19
28
a. Perco
b. Percobaan koin kuning dan putih dengan 50x pengembalian N
Jumlah Cacat
K
1
2
3
4
5
1
P
K
K
P
K
2
K
KK
K
P
3
P
K
P
K
4
K
PK
P
P
5
K
K
P
P
6
K
PK
P
P
√
3
7
K
PP
K
P
√
3
8 9
P P
PK KP
P P
K K
√ √
3 3
K
P
√
3
10PK
K
K
P
0
1
2
3
4
Total
5
2
√
1
√
2
√
3
√
2
√
25
∑
perbandingan 15 kuning : 10 putih. Keterangan
: K=kuning;
P=putih
c. Percobaan koin kuning dan putih dengan 50x pengembalian Perbandingan 20 kuning : 10 putih. Keterangan
: K=kuning;
P=putih
29
2. Percobaan 3 (Tanpa pengembalian ) Percobaan koin kuning dan putih dengan 20x pengembalian Perbandingan 15 kuning : 10 putih. Keterangan
: K=kuning;
P=putih
3.2Pengolahan Data. 1
2
3
4
5
6
7
8
9
10
K
P
K
P
K
P
K
K
P
K
K
K
P
K
K
K
P
K
P
K
3.2.1
K
Statistik D eskriptif.
N 1
2
1
P
2
5
KP
P
K
K
PK
K
K
3
P
PP
P
K
4
K
K
P
K
5
P
PP
K
K
√
3
6
P
PP
K
K
√
3
7
K
KP
P
P
√
3
8
K
KK
K
P
9
P
PK
K
P
K
P
∑
K
K
K
0
1
2
3
4
Total
4
10P
3
Jumlah cacat 5
3
√
1
√
4
√
1
√
1
√
3
√ √
30
2 24
a. Perhitungan Distribusi Frekuensi dari Berat Badan Mahasiswa
Range (R) =Xmax – Xmin = 100
– 40
= 60 Jumlah data (n) = 100 Langkah pembuatan :
1. Jumlah kelas a.
(k) = 1 +3.3 log n
k = 1+3,3 log 100 =7 2. Panjang kelas interval
c=
R 60 = k 7
= 8.571 ≈ 9 3. Batas selang kelas bawah= 40 (data yang terkecil) 4. Batas kelas bawah
= 40 – 0,5 = 39,5
5. Batas kelas atas
= 39,5 + 7 = 48.5
6. Batas selang kelas atas
= 48,5 + 0,5 = 49
Tabel Berat Badan Mahasiswa/i Tenik Industri
31
SELANG
TITIK
NO
BATAS KELAS KELAS 40 48 – 49 57 – 58 66 – 67 75 – 84 76 – 93 85 – 94 102 – JUMLAH
1 2 3 4 5 6 7
FREKUENSI TENGAH
39.5 48.5 – 48.5 57.5 – 57.5 66.5 – 66.5 75.5 – 75.5 84.5 – 84.5 93.5 – 93.5 102.5 –
44 53 62 71 80 89 98
10 44 29 11 4 1 1 497
100
7. mean, median, modus, AMK, MAS, varians, simpangan baku, quartile (Q1, Q3), desil (D1, D3, D5, D7, D9), persentil (P1, P25, P50, P75, P99)
MEAN
xi . f i n
=
x=
=
5858 = 58,58 100
=
X = l +
n / 2 − C
MEDIAN
f
xh
= 170,5 MODUS
30 − 25
= 169.5 + 2 x30 − 25 − 20 x5 = 171,17
AMK
2
= ∑ x1 n
2 = 1204 = 120,4
100
MAS
x −x =∑ 1 n
32
=
1204 − 170,30 = 10,34 100 fi x − x
VARIANS = S2 = ∑ i 100 = 98,46
SIMPANGAN BAKU
fi. x − x
=S= ∑ i 100 = 9,92
Q1
=
n −C X =l+ 4 xh f
100 / 4 − 19 x5 = 165,7 = 164.5 + 25
Q3
=
3 4 n −C X =l+ xh f
75 − 74 x5 = 169,75 = 169.5 + 20
DESIL
:D1=
3 n −C X =l+4 xh f
33
10 − 5 x5 = 161,29 = 159.5 + 14 3n
D3 = l + 10f − C xh 30 − 19 = 164.5 + 25 x5 = 166,7 5n
D5 =
l+
10 − C xh f
50 − 44 x5 = 170.5 = 169.5 + 30 7n
D7 = l + 10f − C xh 70 − 44
= 169.5 + 30
x5 = 173.83
9n
D9 = l + 10f − C xh 90 − 74 x5 = 178.5 = 174.5 + 20
34
1n
PERSENTIL
: P1 =
l+
100 − C xh
f
1 − 0 x5 = 155.5 = 154.5 + 5 25n
P25 =
l+
100 − C xh f
25 − 19 x5 = 165.7 = 164.5 + 25 50n
P50 =
l+
100 − C xh f
50 − 44 x5 = 170.5 = 169.5 + 30 75n
P75 =
l+
100 − C xh f
75 − 74 x5 = 174.75 = 174.5 + 20 99n
P99 =
l+
100 − C xh f
= 184.5 + 99 − 98 x5 = 187 2
b. Perhitungan Distribusi Frekuensi dari Tinggi Badan Mahasiswa
35
Range (R) =
Xmax – Xmin =
187-155 = 32
Jumlah data (n) = 100 Langkah pembuatan :
1. Jumlah kelas a. (k) = 1 +3.3 log n
k = 1+3,3 log 100 =7 2. Panjang kelas interval
c=
R 60 = k 7
= 4,57 ≈ 5 3. Batas selang kelas bawah
= 155 (data yang terkecil)
4. Batas kelas bawah
= 155 – 0,5 = 154,5
5. Batas kelas atas
= 154,5 + 7 = 159,5
6. Batas selang kelas atas
= 159,5 - 0,5 = 159
7. mean, median, modus, AMK, MAS, varians, simpangan baku, quartile (Q1, Q3), desil (D1, D3, D5, D7, D9), persentil (P1, P25, P50, P75, P99)
Tabel Tinggi Badan Mahasiswa/i Tenik Industri
NO
SELANG
1
KELAS 155–159
BATAS KELAS 154.5–159.5
TITIK 157
FREKUENSI
TENGAH 5
36
2 3 4 5 6 7
160–164 165–169 170–174 175–179 180–184 185–189 JUMLAH
MEAN
=
159.5–164.5 164.5–169.5 169.5–174.5 174.5–179.5 179.5–184.5 184.5–189.5
162 167 172 177 182 187
14 25 30 20 4 2 1204
100
x = xi . f i n
17030
= 100 = 170,30 MEDIAN
=
n / 2 − C
X =l+
f
xh
100 / 2 − 44 x5 = 169.5 + 30
MODUS
=
X =l+
fm − fp
2 fm
−
− fp
= 170,5
f f
30 − 25 x5 = 169.5 + 2 x30 − 25 − 20
= 171,17
AMK
2
= ∑ x1 n
2 = 1204 = 120,4
100
MAS
x −x =∑ 1 n
=
1204 − 170,30 = 10,34 100
37
fi x − x
VARIANS = S2 = ∑ i 100 = 11,9 SIMPANGAN BAKU
=S=
∑
fi. xi − x
100
= 3,45
Q1
=
n −C X =l+ 4 xh f
100 / 4 − 19 x5 = 165,7 25
= 164.5 +
Q3
=
3 4 n−C X =l+ xh f 75 − 74
= 169.5 + 20 DESIL :
D1 =
x5 = 169,75
3 4 n −C X =l+ xh f
10 − 5 x5 = 161,29 = 159.5 + 14
D3 = l + 3n10f − C xh
30 − 19 x5 = 166,7 = 164.5 + 25
38
5n
D5 = l + 10f − C xh 50 − 44
= 169.5 + 30 7n
D7 = l +
x5 = 170.5
10 − C
xh
f
70 − 44
= 169.5 + 30
x5 = 173.83
9n
D9 = l + 10f − C xh 90 − 74
= 174.5 + 20
PERSENTIL
:P1 =
x5 = 178.5
1n l + 100 − C xh f
1 − 0 = 154.5 + 5 x5 25n
l+
P25 =
= 155.5
100 − C xh f
25 − 19
=164.5 + 25
x5 = 165.
39
50n
P50 = l +
100 − C xh
f
50 − 44
=169.5 + 30 75n
P75 = l +
100 − C f
75 − 74
= 174.5 + 20 99n
P99 = l +
xh
x5 = 174.75
100 − C xh f
99 − 98
= 184.5 + 2
3.2.2
x5 = 170.5
x5 = 187
Distribusi Binomial dan Hipergeometris.
Soal: Percobaan I 1. Hitung :
µ
=
P=
TotalCacat JumlahSubGroup TotalCacat BanyaknyaPengambilan
40
P( x) =
µ .n JumlahSubGroup
2. Buatlah kesimpulan dari percobaan tersebut? 3. Tentukan peluang terambilnya masing-masing koin pada tiap percobaan?
Percobaan II 1. Terntukan terambilnya 3 koin kuning berturut-turut 2. Terntukan terambilnya 4 koin pitih berturut-turut
Jawaban : Percobaan I
1.
µ
TotalCacat 18 = = 1,8 JumlahSubGroup 10
=
P=
TotalCacat = 18 = 0,45 BanyaknyaPengambilan 40
P( x ) =
Dik:
ns =25,np =18,
Dit:
P(k)..?
Jawab : P(p) =
nk =22 P(p)..?
nk ns
=
18
=
= 0,72
25
P(k) =
2. µ
µ .n 1,8 x 4 = = 0,72 JumlahSubGroup 10
np 22 = = 0,88 25 ns
TotalCacat 19 = = 1,9 JumlahSubGroup 10 41
P=
TotalCacat 19 = = 0,475 BanyaknyaPengambilan 40
P( x ) =
Dik:
ns =25,np =19,
Dit:
P(k)..?
Jawab : P(p) =
=
nk =21 P(p)..?
nk 19 = = 0,76 ns 25
P(k) =
3. µ
µ .n 1,9 x 4 = = 0,76 JumlahSubGroup 10
np 21 = = 0,84 ns 25
TotalCacat 25 = = 2,5 JumlahSubGroup 10 P=
TotalCacat 25 = = 0,5 BanyaknyaPengambilan 50
P( x ) =
Dik:
ns =30,np =25,
Dit:
P(k)..?
Jawab : P(p) =
µ .n
JumlahSubGroup
=
2,5 x5 = 1,25 10
nk =25 P(p)..?
nk 25 = = 0,83 ns 30 np
25
P(k) = ns = 30 = 0,83 4. µ
=
TotalCacat 24 = = 2,4 10 JumlahSubGroup
42
P=
TotalCacat 24 = = 0,48 BanyaknyaPengambilan 50
P( x ) =
µ .n 2,4 x5 = = 1,2 JumlahSubGroup 10
Dik:
ns =30,np =24,
Dit:
P(k)..?
P(p)..?
Jawab : P(p) =
nk 24 = = 0,8 ns 30
P(k) = 5. Dik: Dit:
nk =26
np 26 = = 0,87 ns 30
ns=25,np=12,
nk=8
P(k)..?
P(p)..?
Jawab : P(k) = nk = 12 = 0,48 ns
25
P(p) =
Kesmpulan
np 8 = = 0,32 ns 25
: pada percobaan tersebut diketahui bahwa ini termasuk percobaan binomial, karena hanya terdapat cacat
Percobaan II 1.
P(k1) = nk = 15 = 0,6 ns
P(k2) =
25
nk 14 = = 0,58 ns 24
P(k3) = nk = 13 = 0,56 ns
23
∑ = P(k1) x P(k2) x P(k3)
= 0,6 x 0,58 x 0,56
43
= 0,19488
44
BAB IV PEMBAHASAN DAN ANALISA DATA 4.1 Statistik deskriptis. TUGAS PENDAHULUAN 1
1. Apa yang dimaksud dengan : variable, parameter, dan kostanta ? 2.
Jelaskan skala nominal, ordinal, interval, dan rasio, dan berikan
contohnya masing-masing. 3. Jelaskan arti statistika deskriptif dan interensia statistic. Berikan contohnya masing-masing 2 (Dua) buah. 4. Buktikan rumus:
Kapan rumus diatas dipergunakan? 5. (a) Berapa nilai rata-rata seorang mahasiswa mendapat nilai 86,75, dan 80 pada tiga kali kuis dan 78 pada ujian akhir, bila ujian akhir dianggap tiga kali lebih penting dari masing-masing kuis tersebut ? 6. (a) Hitung nilai geometric bagi 1,4 , dan 128. (b) Pada 1 januari jumlah tabungan si A di Bank mencapai $1000, bila selama tahun ini jumlah tersebut tidak ditambah dan tidak dikurangi, sedang bunga majemuk yang diterima adalah 5% perbulan, hitunglah jumlah ratarata uang yang ada di Bank selama 6 bulan pertama. (Gunakan logarima).
7. Bilangan-bilangan berikut adalah menyatakan hasil ujian statistic industry :
Kelompok 5 Laporan Bab 1 – Statistik Industri
45
23, 60, 79, 32, 57, 74, 52, 70, 82, 36, 80, 77, 81, 80, 95, 41, 65, 92, 85, 55, 67, 81, 80, 98, 25, 78, 75, 64, 52, 10, 41, 71, 54, 83, 64, 72, 88, 62, 74, 43, 60, 89, 78, 76, 84, 48, 84, 90, 15, 79, 34, 17, 82, 67, 69, 80, 74, 63, 61, 85.
Dengan menggunkan 9 selang dan dengan nilai terendah10 maka: (a) Buatlah sebaran frekuensinya (b) Cari nilai median, modus, mean, Q1, Q3, Q7, dan Q9.
Jawab 1.
Variabel Sebuah symbol atau konsep yang dapat
mengansumsikan salah satu set nilai Parameter Niali yang mengikuti sebagai acuan. Keterangan atau informasi yang dapat menjelaskan batas-batas atau bagianbagian tertentu dari suatu sistem.
Notasi Parameter Populasi dan Statistik Sampel
Konstanta adalah nilai yang tidak akan berubah sepanjang aplikasi, biasanya konstanta digunakan untuk meberi nilai tetap pada perhitungannya. Konstanta sering disebut dengan literal.
2. Empat tingkat Skala atau pengukuran berikut karakteristiknya:
Kelompok 5 Laporan Bab 1 – Statistik Industri
46
(a)
Nominal : Tidak ada urutan, urutan tidak menunjukkan tingkatan
(rangking) Tidak ada titik awal Tidak ada perbedaan Misalnya : Apa warna favorit anda : 1. Ungu 3. Coklat (b)
Ordinal
:
Ada
2. Abu-abu 4. Putih urutan.
urutan
menunjukkan
tingkatan
(rangking) Tidak ada titik awal Tidak ada perbedaan Misalnya : Bagaimana prestasi belajar anda semester lalu? 1.SangatBaik
2.Baik
3. Sedang-sedang saja
4. Buruk
5. Sangat Buruk
Skala Nominal dan Ordinal digunakan berkaitan dengan data kategorik/kualitatif.
(a) Interval: Ada Urutan Ada Perbedaan Tidak ada titik awal Misalnya: • Temperatur atau suhu : 0°C bukan berarti tidak mempunyai suhu. • Tangga Nada • IQ (b) Rasio : Ada Urutan Ada Perbedaan Ada titik awal
Kelompok 5 Laporan Bab 1 – Statistik Industri
47
Misalnya: • Pendapatan (Rp. 135 245,23 per bulan): Pendapatan Rp. 0 berarti tidak ada (bandingkan dengan 0oC pada suhu) Skala Interval dan Rasio digunakan berkaitan dengan data numerik/kuantitatif. 3. Dua jenis Metode Statistika (Statistics): a.
Statistika Deskriptif (Descriptive Statistics) Serangkaian teknik yang meliputi metode pengumpulan, peringkasan dan penyajian data Descriptive : bersifat memberi gambaran Contoh Masalah Statistika Deskriptif : 1. Tabulasi Data 2. Diagram balok 3. Diagram Kue Pie 4. Grafik perkembangan harga dari tahun ke tahun b.
Statistika Inferensia : Statistika Induktif (Inferential Statistics) Serangkaian teknik yang digunakan untuk metode analisis, peramalan, pendugaan dan penarikan kesimpulan Inferential : bersifat melakukan generalisasi (penarikan kesimpulan). Contoh Masalah Statistika Inferensia : 1. Pendugaan Parameter 2. Pengujian Hipotesis 3. Peramalan dengan Regresi/Korelasiiagram Balok.
4.
Rumus Standar Deviasi Sampel.
Kelompok 5 Laporan Bab 1 – Statistik Industri
48
Dengan ket: S
= Deviasi standar dari sempel
n
= Banyaknya data x dalam suatu sempel
x1
= Nilai dari data (variable x)
Bila data yang dianalisis adalah data sample serta tidak dikelompokkan.
5. Jadi nilai rata – rata mahasiswa = 79,167 = 79 (dibulatkan ke bawah) 6. a. Diket : n = 3 (1,4,dan 128) Ditan
G = ……..?
Jawab:
G =8
b.
Jawab:
Kelompok 5 Laporan Bab 1 – Statistik Industri
49
Bulan
Perhitungaan (bunga 5% / bln) 1 1000.00(dataawal)
Hasil(Rp) 1000.00
2 1000.00+(1000.00x5%)
1050.00
3 1050.00+(1050.00x5%)
1102.50
4 1102.50+(1102.50x5%)
1157.63
5 1157.63+(1157.63x5%) 6 1215.51+(1215.51x5%)
1215.51 1276.28
Jumlah
6801.92
Jadi rata-rata data adalah:
Rata-rata = Rp 1133.65 7.
a.
Frekuensi
R =Xmax–Xmin 98 =10 –88 =
n
=60 K
9= c
10 =
DATA
Kelompok 5 Laporan Bab 1 – Statistik Industri
50
10
43
62
72
79
84
15
48
63
74
80
84
17
52
64
74
80
85
23
52
64
74
80
85
25
54
65
75
80
88
32
55
67
76
81
89
34
57
67
77
81
90
36
60
69
78
82
92
41
60
70
78
82
95
41
61
71
79
83
98
TABLE FREKUENSI:
Selang
No
bataskelas
titiktengah
f
fk
kelas
xf
1
19 10 -
9.5 -19.5
2
20 29 -
19.5 29.5 -
24.5
2
5
49.00
3
30 39 -
29.5 39.5 -
34.5
3
8
103.50
4
40 49 -
39.5 49.5 -
44.5
4
12
178.00
5
50 59 -
49.5 59.5 -
54.5
5
17
272.50
6
60-69
59.5-69.5
64.5
11
28
709.50
7
70 79 -
69.5 79.5 -
74.5
13
41
968.50
8
8089 -
79.589.5 -
84.5
15
56
1267.50
9
90 99 -
89.5 99.5 -
94.5
4
60
378.00
∑
14.5
3
490.5
3
60
43.50
3970
b. Mean, median, modus, Q1, Q3, D7, dan D9?
1.
Kelompok 5 Laporan Bab 1 – Statistik Industri
51
Mean = 66.17
1.
Median = 71.04
2.
Modus = 81.04
3.
Q 1 = 55.5
4.
Q 3 = 82.17
5.
Kelompok 5 Laporan Bab 1 – Statistik Industri
52
D 7 = 80.17
6.
D 9 = 88.17
4.2 Distribusi Binomial dan Hipergeometris.
TUGAS PENDAHULUAN 2
1.
Apa
parameter-parameter
distribusi
binomial
dan
distribusi
hipergeometris? Jelaskan? 5. Apa yang dimaksud dengan distribusi normal dan sebutkan parameterparameternya dan gambarkan grafik distribusi normal? 7.
Sebuah kotak berisi 60 b uah disket dimana 6 bu ah disket yang rusak.
Bila secara acak memilih 4 buah disket difari kotak tersebut, berapa peluang mendapatkan 0, 1, 2, 3, 4 buah disket yang rusak? 8.
Si dan Po berjanji untuk bertemu di Lab. Si, Po antara pukul 9 dan 10 dengan masing-masing menunggu selama 15 menit jikayang lain belum datang. Berapa peluang keduanya akan bertemu? 9.
Bila kemungkinan seorang anak itu laki-laki atau perempuan adalah
sama (1/2). Berapa kemungkinan:
a. Sebuah keluarga beranak 5, semuanya laki-laki?
Kelompok 5 Laporan Bab 1 – Statistik Industri
53
b. Sebuah keluarga beranak 6, 3 laki-laki dan 3 perempuan? Jawab:
1.
merupakan banyaknya X (peubah acak) yang
Distribusi Binomial
sukses dalam n usaha Bernoulli disebut peluang peubah acak diskrit ini disebut
Peubah Acak Binomial .
Distribusi Binomial yang
Distribusi
dinotasikan
dengan b(x;n,p) atau b(n,p), karena nilainya tergantung pada banyaknya percobaan (n) dan peluang sukses dalam suatu usaha p( ). Parameter Distribusi Binomial
Peubah acak X disebut berdistribusi Binomial jika dan hanya jika P(X = x) = f(x) = p x p n x untuk x = 0, 1, 2, ∫ ,n dan 0 ≤ p ≤ 1.
Distribusi Hipergiometrikadalah suatu variable acak X mnayatakan jumlah X
sukses dalam suatu sempel berukuran nyang dipilih secara acak dari populasi berukuran N yang memiliki M sukses dan N – M gagal. Parameter Distribusi Geometrik
yaitu Suatu sempelberukuran n (anggotanya terdiri
dari n objek) dipilih dari s populasi tanpa pergantian dimana setiap himpunan bagian beranggota n yang dapat dibentuk dari populasi memiliki kesempatan yang sama untuk terpilih menjadi sampel.
N N C x C n − x p ( x) = 1
2
C
N n
X = 0, 1, 2, 3 . . . . . . . , n N1 = Sub populasi “gagal”
N2 = sub populasi “sukses”
Kelompok 5 Laporan Bab 1 – Statistik Industri
54
N = populasi = N1 + N2 n = jumlah pengambilan dari populasi X = jumlah timbulnya gejala “sukses” dr populasi
C = rumus kombinasi.
5.
Distribusi normal, disebut pula 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 probabilitasnyamirip 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 kebanyakanpengujian hipotesis mengasumsikan normalitas suatu data. tiga
parameter
distribusi
normal
(jumlah percobaan, kemungkinan
keberhasilan, dan jumlah shift) yang dipilih untuk pertandingan pertama tiga saat-saat dua distribusi. •
Distribusi Normal dengan parameter
dan
jika memiliki probabilitas
fungsi kepadatan
GRAFIK:
Kelompok 5 Laporan Bab 1 – Statistik Industri
55
7.Diket
=N:60
n:4
M:60–6=54
Ditan
= x :0, 1, 2, 3, 4 rusak……………?
Jawab
=
8. jawab: Diket =Si & Po ketemuan antara 9 – 10 -Menunggu 15 menit tidak ketemu Dit
data ada 2 Si & Po
= peluang ketemu ;……………. ?
Jawab: = 9 – 10 ---- 1 jam (4 x 15) Jadi peluang ketemu adalah
Kelompok 5 Laporan Bab 1 – Statistik Industri
56
9.jawab Diket : (p)laki-laki =1/2 (q)Perempuan = ½ Ditan :a. 1keluarga anak 5(n = 5), semua laki(p (1
?
b. 1keluarga anak 6 (n = 6), 3 laki & 3 perempuan (p (tepat 3 laki2 &3perempuan / P (x = 3 laki2)?
Jawab :a.P(x,5,0.5) =
-
= 1 – 0.9683 = 0.03281
b. P (x, 6, 0.5) = = 0.8125 (Tabel)
Kelompok 5 Laporan Bab 1 – Statistik Industri
57
4.3 Distribusi Poisson dan Eksponetial.
TUGAS PENDAHULUAN 3
5. Dalam sebuah kota, 15% dari seluruh pengemudi mobil paling sedikit satu lembar tiket parkir dalam satu tahun. Gunakan pendekatan poisson terhadap distribusi binomial untuk menentukan bahwa dari 80 pengemudi :
a)
8 pengemudi akan menerima paling sedikit akan menerima satu lembar tiket parkir selama setahun berikutnya.
b)
paling sedikit 4 pengemudi akan menerima paling sedikit 2 lembar tiket parkir selama tahun berikutnya.
6. Jika rata-rata kedatangan truk di suatu gudang adalah 10 buah per jam. Tentukan probabilitas dimana waktu antara kedatangan paling kecil adalah 30 menit. 9. apakah yang dimaksut bilangan random ? bagaimana cara menentukanya! Jawab
5. Diket
: n =80 P 1 =
= 15%
0,15
(untuk mobil 1 lembar tiket selama
setahun)
P2=
= 7.5% 0,075 (untuk mobil 2 lembar tiket selama setahun)
Ditan : a. b.
P (x < 8) untuk 1 lembar tiket/thn?
P (x <4 )untuk 2 lembar tiket/thn? Jawab: a.
P(x<8)
= =
0.15) )
Kelompok 5 Laporan Bab 1 – Statistik Industri
58
= 0,0895 (table) b.
P ( x<4)
=
0.075)
=
)
= 0,1512 (table)
6. Diket : = 10
1 jam ( 60 manit) = 10 buah
Ditan : P (x < 5( dari 30 menit = 5 buah ½ dari 1 jam)? Jawab: P(x<5)
=
)
= 0,0293 (table 9.
Bilangan rendam memiliki arti agak berbeda seperti yang digunakan dalam bidang
yang berbeda. Ini juga memiliki makna yang umum yang mungkin memiliki sambungan longgar dengan beberapa dari mereka makna yang lebihpasti.defenisi lain: •
Tidak memiliki tujuan tertentu atau tujuan; tidak dikirim atau petunjuk dalam
arah tertentu, dibuat, dilakukan, terjadi, dll, tanpa metode atau pilihan sadar; sembarangan. Cara menentukanya: Random Sederhana ini ada beberapa syarat yang harus dipenuhi, antara lain 1. Harus tersedia kerangka sampling atau memungkinkan untuk dibuatkan kerangka samplingnya (dalam kerangka sampling tidak boleh ada unsur sampel yang dihitung dua kali atau lebih). 2. Sifat populasinya harus homogen, jika tidak, kemungkinan akan terjadi bias. 3. Ukuran populasinya tidak tak terbatas, artinya harus pasti berapa ukuran populasinya.
4. Keadaan populasinya tidak terlalu tersebar secara geografis.
Kelompok 5 Laporan Bab 1 – Statistik Industri
59
BAB V KESIMPULAN DAN SARAN
5.1
5.1.1
Kesimpulan
Statistik Deskriptif
Statistik deskriptif adalah bagian dari statistika yang mempelajari cara pengumpulan data dan penyajian data sehingga mudah dipahami. Statistika deskriptif hanya berhubungan dengan hal menguraikan atau memberikan keterangan-keterangan mengenai suatu data atau keadaan. Statistika deskriptif juga merupakan metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna. Pengklasifikasian menjadi statistika deskriptif dan statistika inferensiadilakukan berdasarkan aktivitas yang dilakukan. Dengan Statistika deskriptif, kumpulan data yang diperoleh akan tersaji dengan ringkas dan rapi serta dapat memberikan informasi inti dari kumpulan data yang ada. Informasi yang dapat diperoleh dari statistika deskriptif ini antara lain ukuran pemusatan data, ukuran penyebaran data, serta kecenderungan suatu gugus data. Didasarkan pada ruang lingkup bahasannya statistik deskriptif mencakup : Distribusi frekuensi beserta bagian-bagiannya seperti : a. Grafik distibusi (histogram, poligon frekuensi, dan ogif); b. Ukuran nilai pusat (rata-rata, median, modus, kuartil dan sebagainya); c. Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku, dan sebagianya).
Kelompok 5 Laporan Bab 1 – Statistik Industri
60
Dalam statistika deskriptif belum dilakukan analisis sehingga kesimpulan yang dapat ditarik sangat terbatas, yaitu hanya terbatas pada nilai pemusatan dan penyebaran saja. Sedangkan statistika inferensia disebut juga statistika induktif karena dapat menganalisis dan mengambil kesimpulan dengan metode tertentu tentang suatu fenomena berdasarkan sampel. Fase statistika dimana hanya berusaha melukiskan atau menganalisa kelompok yang diberikan tanpa membuat atau menarik kesimpulan tentang populasi atau kelompok yang lebih besar dinamakan statistika deskriptif. Analisis deskriptif adalah merupakan bentuk analisis data penelitian untuk menguji generalisasi hasil penelitian berdasarkan satu sampel. Analisa deskriptif ini dilakukan dengan pengujian hipotesis deskriptif. Hasil analisisnya adalah apakah hipotesis penelitian dapat digeneralisasikan atau tidak.
5.1.2
Distribusi Binomial dan Hipergeometris Distribusi Probabilitas Binom adalah jika suatu ulangan binom mempunyai 2 peluang p (berhasil) dan peluang q (gagal), maka distribusi probabilitas binom x adalah banyaknya keberhasilan dalam n ulangan yang bebas.
Ciri-ciri percobaan (kejadian) binom adalah : 7. Terdiri dari n ulangan 8. Setiap percobaan menghasilkan dua kejadian: (a) kelahiran anak: laki-laki - perempuan; (b) transaksi saham: jual - beli, (c) perkembangan suku bunga: naik – turun dan lain-lain.
Kelompok 5 Laporan Bab 1 – Statistik Industri
61
9.
Peluang berhasil dilambangkan dengan p, untuk setiap ulangan sama
tidak berbeda. 10. Probabilitas suatu kejadian untuk suskes atau gagal adalah tetap untuk setiap kejadian. P(p), peluang sukses, P(q) peluang gagal, dan P(p) + P(q) = 1. 11. Ulangan bersifat bebas satu sama lain. 12. Data yang dihasilkan adalah data perhitungan.
Distribusi Hipergeometrik harus memenuhi kondisi-kondisi berikut :
1. Populasi berukuran N (anggotanya terdiri dari N objek) 2. Setiap anggota populasi dapat din yatakan sebagai sukses atau gaga l dan terdapat M buah sukses dalam populasi, jadi p = M/N 3. Suatu sampel berukuran n (anggotanya terdiri dari n objek) dipilih dari s populasi tanpa pergantian di mana setiap himpunan bagian beranggota n yang dapat dibentuk dari populasi memiliki kesempatan yang sama untuk terpilih menjadi sampel.
5.1.3
Distribusi Poisson dan Eksponensial
Distribusi Poisson adalah suatu distribusi yang digunakan untuk mengamati jumlah kejadian-kejadian khusus yang terjadi dalam satu satuan waktu atau ruang. Dalam eksperimen poisson, probabilitas memperoleh dengan tepat peristiwa X sebanyak x kejadian untuk setiap satu satuan unit (waktu atau ruang) yang ditentukan membentuk sebuah distribusi yang fungsi probabilitasnya adalah:
Suatu distribusi poisson dapat digunakan dengan tepat dalam suatu eksperimen poisson yang memenuhi kondis-kondisi berikut:
Kelompok 5 Laporan Bab 1 – Statistik Industri
62
4. Suatu eksperimen yang meliputi pencacahan banyaknya suatu peristiwa terjadi dalam setiap satuan unit yang ditentukan. Unit yang ditentukan ini biasanya adalah unit waktu atau ruang. 5. Probabilitas peristiwa tersebut adalah sama untuk setiap satuan unit. 6. Banyaknya peristiwa yang terj adi dalam setiap satuan unit saling bebas terhadap banyaknya peristiwa yang terjadi pada setiap satuan unit yang lainnya.
Distribusi Eksponential adalah kasus khusus dari distribusi gamma dengan factor bentuk α = 1 dan factor skala β = 1/λ. Distribusi ini banyak digunakan sebagai model di bidang teknik dan sains.
Bahwa jika variabel acak kontinu X memiliki distribusi eksponential dengan parameter λ dimana λ>0, maka fungsi kepadatan probabilitas dari X adalah:
5.2
Saran
Berdasarkan praktikum yang telah kami lakukan, kami ingin memberikan saran kepada pihak yang terkait dengan praktikum statistik, yaitu : 1.
Penjelasan mengenai software lebih mendalam dan lebih banyak waktu
dengan menggunakan software. 2.
Fasilitas dari laboratorium statistik dapat lebih baik lagi, sehingga tidak
kesulitan saat memakai softwere. Mahasiswa juga mempelajari software yang lebih terbaru lagi yang sering 3. digunakan untuk praktek statistik selain SPSS, missal MiniTab.
Kelompok 5 Laporan Bab 1 – Statistik Industri
63