LAPORAN PRAKTIKUM STATISTIKA INDUSTRI

MODUL II
STATISTIKA DESKRIPTIF

KELOMPOK : XI

OLEH :

1. Hary Arfi 1910017311025

2. Bima Candra Yunanto 1910017311033
3. Indah 1910017311041

LABORATORIUM STATISTIK INDUSTRI

JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS BUNG HATTA
PADANG
2020
 BAB I
PENDAHULUAN

1.1. Latar Belakang

Statistika suatu cabang ilmu yang mempelajari tentang metoda dalam
pengumpulan, pengolahan, analisis dan penyajikan dalam bentuk tabel, diagram dan
grafik dapat ditarik kesimpulan dari analisis data yang telah dilakukan.
Pada statistika deskriptif hanya memberikan informasi mengenai data yang
dimiliki dan tidak menarik inferensi atau kesimpulan apapun tentang gugus data
induknya yang lebih besar. Sejumlah informasi dapat diperoleh bila data asal yang
banyak tersebut diringkas dan disajikan dalam bentuk tabel, diagram dan grafik yang
layak. Penyajian kembali data kualitatif maupun data kuantitatif ke dalam bentuk
ringkasan data tersebut agar informasi yang dikandung lebih mudah ditangkap. Salah
satu bentuk penyajian data secara grafik yaitu dengan histogram. Data yang disajikan
dalam bentuk histogram menjadi lebih mudah dibaca dan dipahami.
1.2. Tujuan Praktikum
Adapun tujuan praktikum pada modul ini adalah sebagai berikut:
1. Praktikan mengetahui apa yang dimaksud dengan median, modus, mean.
2. Praktikan mengetahui cara menghitung rata-rata.
3. Praktikan dapat mengambil kesimpulan pada suatu kumpulan data.
4. Praktikan dapat mempelajari cara-cara pengumpulan, penyusunan dan
penyajian dari suatu data penelitian.

1.3. Alat dan Bahan

Berikut adalah alat dan bahan yang diinginkan dalam praktikum:
1. Set Data.
2. Komputer.
3. Program SPSS.
4. Kalkulator.
1.4. Batasan Masalah
Berdasarkan permasalahan yang telah dijelaskan dan diuraikan, maka
batasan masalah pada modul ini adalah memahami statistika deskriptif dan
pengerjaan apa saja yang digunakan dalam proses statistika deskriptif.
1.5. Sistematika Penulisan
Berdasarkan penulisan sistematika pada laporan ini, terdiri atas:
BAB I PENDAHULUAN
Pada bab ini membahas tentang latar belakang, tujuan praktikum, alat
dan bahan serta prosedur praktikum tentang isi materi dari modul yang
dipelajari praktikan.
BAB II LANDASAN TEORI
Pada bab kedua ini membahas tentang landasan teori mengenai
pembahasan yang ada pada modul praktikum dan penjelesan materi-
materi yang dipraktikumkan.
BAB III PENGUMPULAN DATA
Pada bab ini yaitu pengumpulan data umunya berisikan data tunggal
dan data kelompok yang telah diberikan dalam praktikum yang
nantinya data tersebut akan diolah pada bab selanjutnya.
BAB IV PENGOLAHAN DATA
Pada bab ini yaitu pengolahan data berisikan data yang diberikan pada
bab sebelumnya nantinya akan dilakukan pengolahan data yang
dilakukan dengan menggunakan komputer dan data secara manual.
BAB V ANALISA DATA DAN PEMBAHASAN
Pada bab ini yaitu analisa data dan pembahasan berisikan tentang
analisa data dari hasil pengolahan data yang dilakukan dimana analisa
tersebut harus sesuai dengan pengolahan data.
BAB VI PENUTUP
Pada bab ini yaitu penutup umumnya berisikan kesimpulan dari hasil
praktikum yang telah dilakukan dan saran dari praktikum yang kita
telah lakukan.
DAFTAR PUSTAKA
LAMPIRAN
 BAB II
LANDASAN TEORI

2.1. Pengertian Statistika Deskriptif

Statistika deskriptif merupakan bidang ilmu statistika yang mempelajari
cara-cara pengumpulan, penyusunan dan penyajian data suatu penelitian. Statistika
deskriptif adalah bagian dari ilmu statistika yang meringkas, menyajikan dan
mendeskripsikan data dalam bentuk yang mudah dibaca sehingga memberikan
informasi tersebut lebih lengkap. Statistika deskriptif hanya berhubungan dengan hal
menguraikan atau memberikan keterangan-keterangan mengenai suatu data atau
keadaan atau fenomena dengan kata lain hanya melihat gambaran secara umum dari
data yang didapatkan.
Statistika deskriptif adalah metode-metode yang berkaitan dengan
pengumpulan dan penyajian suatu data sehingga memberikan informasi yang
berguna (Walpole, 1995). Statistik deskriptif berfungsi untuk mendeskripsikan atau
memberi gambaran terhadap objek yang diteliti melalui data sampel atau populasi
(Sugyono, 2007). Data yang disajikan dalam statistika deskriptif biasanya dalam
bentuk ukuran pemusatan data (Kuswanto, 2012). Salah satu ukuran pemusatan data
yang biasa digunakan adalah mean (Fauzy, 2009). Selain dalam bentuk ukuran
pemusatan data juga dapat disajikan dalam bentuk salah satunya adalah diagram
pareto dan tabel. Berikut ini penjelasan mengenai mean, diagram pareto dan tabel.
Statistika inferensia mencakup semua metode yang berhubungan dengan
analisis sebagian data untuk kemudian sampai pada peramalan atau penarikan
kesimpulan mengenai keseluruhan gugus data induknya. Ruang lingkup statistika
Inferensia:
1. Probabilitas atau teori kemungkinan.
2. Dristribusi teoritis.
3. Analisis kovarians.
4. Sampling dan sampling distribusi.
5. Pendugaan populasi atau teori populasi.
6. Analisis varians.
7. Uji Hipotesis.
8. Analisis korelasi serta uji signifikasi.
9. Analisis regresi untuk peramalan.
2.1.1. Perbedaan Statistik Deskriptif dan Statistik Inferensia
1. Statistika deskriptif hanya terbatas dalam penyajian data pada bentuk tabel,
diagram ataupun grafik serta besaran lainnya.
2. Sementara statistika inferensia tidak hanya mencakup statistic deskriptif saja
tetapi juga dapat dipakai dalam melakukan estimasi serta penarikan
kesimpulan kepada populasi dari sampelnya. Untuk dapat sampai dalam
penarikan kesimpulan statistika inferensia harus melewati beberapa tahap uji
hipotesis serta juga uji statistika.
2.2. Ukuran Pemutusan
Ukuran pemutusan (center of measurement) ialah sembarang ukuran yang
menunjukkan pusat dari suatu gugus data yang umumnya telah diurutkan. Misalnya:
mean atau nilai rata-rata, median dan modus.
2.2.1. Mean
Mean adalah suatu cara untuk mendapatkan pusat dari data digunakan untuk
mendapatkan gambaran umum tentang pusat dari suatu gugus data.
a. Mean untuk Populasi

∑xi
i=1
μ=
N

b. Mean untuk Sample

∑xi
i=1
x=
n

x = Nilai rata-rata observasi jumlah semua observasi

 Σ x = Jumlah semua observasi
n = Jumlah observasi
Contoh 1:
Xi= {1,3,4,7,5 }
N

x = ∑ X i x1+x2+x3+x4+…+xn 1+3+4+7+5
= = =4
i=1
n 5
n

Contoh 2:
Seorang petugas memeriksa suatu contoh acak tujuh kaleng ikan tuna merk
tertentu diperiksa persentase ketidakmurniannya. Data yang diperoleh adalah
1.8,2.1,1.7,1.6,0.9,2.7,1.8. Hitunglah nilai tengah.

x =
1.8+2.1+1.7+1.6+0.9+2.7+1.8
=¿ 1.8%
7

2.2.2. Median
Median adalah gugus data yang telah diurutkan dari yang terkecil sampai
terbesar atau terbesar sampai terkecil adalah pengamatan yang tepat ditengah-tengah
bila banyaknya pengamatan itu ganjil atau rata-rata kedua pengamatan yang ditengah
bila banyaknya pengamatan genap. Langkah-langkah menghitung median:
a. Urutkan data.
b. Kalau n ganjil, maka nilai mediannya adalah nilai pengamatan yang tepat
membagi gugus data menjadi dua bagian yang sama besar. Kalau n genap, maka
nilai mediannya adalah rata-rata dua nilai pengamatan yang paling tengah.
Contoh 1: Berapakah median dari suatu gugus data Xi ={ 1, -2, 8, 2, 2, 5}
Langkah 1: Urutkan data -2, 1, 2, 2, 5, 8
Langkah 2: n genap

x X3+X4 2+2
= Me= = =2
2 2
Contoh 2: Kadar nikotin yang berasal dari sebuah contoh acak enam batang rokok cap
tertentu adalah 2.3, 2.7, 2.5, 2.9, 3.1, 1.9 miligram. Tentukan mediannya.
Jawab : urutkan dari yang terkecil sampai terbesar 1.9, 2.3, 2.5, 2.7, 2.9, 3.1, maka
mediannya adalah 2.5 dan 2.7

x = 2.5+2.7 = 2.6 miligram

2

2.2.3. Modus
Modus adalah nilai yang paling sering muncul dari suatu gugus data. Jadi
nilai modus adalah nilai yang memiliki frekuensi yang paling besar dari suatu gugus
data.

Mo = lo+c ( f1f1+f2 )
Mo = Modus
Lo = Tepi bawah kelas modus
c = Panjang kelas
f1 = Selisih frekuensi kelas modus dengan kelas sebelumnya
f2 = Selisih frekuensi kelas modus dengan kelas sesudahnya
Contoh 1:
Xi= { -2,1,2,2,5,5,5,8 }

Karna nilai 5 memilki frekuensi yang paling sering besar, maka Mo=5
Contoh 2 : Modus untuk group data.
Tabel 2.1 Contoh Modus
Kelas Frekuensi (f)
16-23 10
24-31 17
32-39 7
40-47 10
48-55 3
56-63 3
 Jumlah 50
Sumber : Jurnal Statistika dan Probabilitas

Modus = TBB Kelas Modus + i (d1d1+d2 )

Kelas modus = 24 -31
TBB kelas modus = 23.5
I =8
Frekuensi kelas modus = 17
Frekuensi kelas sebelum kelas modus = 10
Frekuensi kelas sesudah kelas modus =7
d1 17 – 10 =7
d2 = 17-7 = 10
Modus =

23.5+8 (77+10 ) =23.5+8 (717 )=23.5+8 ( 0.41176.. ) =23.5+3.2941=26.7941 ≈ 27

2.3. Ukuran Keragaman
Ukuran Penyebaran/dispersion of measurement ialah suatu nilai yang
menunjukkan keberagaman nilai dari suatu gugus data. Misalnya: range/wilayah,
standar deviasi/simpangan baku dan varian/ragam.
2.3.1. Range/wilayah
Nilai rentang (range) adalah nilai penyebaran distribusi yang paling
sederhana. Rentang adalah suatu indeks yang memberikan gambaran penyebaran data
suatu distribusi frekuensi. Rentang didefinisikan sebagai perbedaan antara skor paling
tinggi dengan skor paling rendah dari suatu distribusi data. Besarnya nilai rentang
tergantung dari data ekstrem suatu distribusi, ekstrem tinggi maupun ekstrem rendah.
Cara memperoleh besarnya nilai rentang adalah menghitung skor paling tinggi
dikurangi skor paling rendah. Penghitungan nilai rentang hanya dilakukan jika data
berskala interval atau rasio (Budiwanto: 2014). Rumus:
 Range = Nilai Terbesar-Nilai Terkecil

2.3.2. Standar Deviasi

Standar deviasi (SD) disebut juga simpangan baku adalah indeks yang
diwujudkan dalam bentuk angka standar penyimpangan skor-skor dari nilai tendensi
sentral terutama mean pada suatu distribusi frekuensi. Standar deviasi digunakan
untuk menggambarkan variabilitas atau penyebaran skor-skor dalam suatu distribusi
frekuensi data dari nilai tendensi sentral terutama dari nilai rata-rata hitung (mean).
Penghitungan nilai standar deviasi hanya dilakukan jika data berskala interval atau
rasio. Untuk data dengan skala nominal atau ordinal tidak memungkinkan diketahui
penyebarannya. Oleh karena itu, jarak setiap data (X) dari rata-rata hitung (mean)
suatu distribusi frekuensi data yang bersangkutan adalah indikator dispersi yang ada
dalam distribusi data. Pangkat dua dari simpangan baku dinamakan varians. Simbol
standar deviasi untuk sampel adalah SD atau s dan untuk populasi adalah σ (sigma).
Besarnya nilai standar deviasi juga ditentukan oleh besarnya rentangan data
suatu distribusi frekuensi. Meskipun dua distribusi data mempunyai rata-rata hitung
yang sama standar deviasi dua distribusi dapat berbeda. Proses menghitung standar
deviasi tergantung dari jenis tabel persiapan distribusi frekuensi yang dibuat yaitu
distribusi frekuensi tunggal dan distribusi frekuensi bergolong (Budiwanto: 2014).
SD suatu nilai yang menunjukkan rata-rata, beda nilai-nilai dari suatu gugus data
terhadap mean-nya.
a. Standar Deviasi untuk Populasi

√
i=N

∑ (Xi-μ)2
i=1
σ=
N

b. Standar Deviasi untuk Sampel

 √
i =n

∑ ( Xi- ) 2
i=1
s=
n-1
2.3.3. Varian/Ragam
Varian/ragam adalah kuadrat dari nilai standar deviasi.
1. Varian untuk Populasi
i=N

∑ ( Xi-μ ) 2
i=1
σ2=
N

2. Varian untuk Sampel

i=n

∑ ( Xi- ) 2
i=1
S2=
n-1

Jadi, jika S= 3.105, maka variannya adalah S2 = 3.1052 = 9.641

[Link].Ukuran Penyebaran
Nilai Z atau nilai baku
Nilai Z adalah nilai pembakuan yang menyatakan jarak suatu pengamatan x
dari mean dalam satuan standar deviasi.
1. Nilai Z untuk jika nilai-nilai parameter populasi diketahui

x-μ
z =
σ

2. Nilai Z untuk jika nilai-nilai parameter populasi tidak diketahui

x-
z =
s
2.4. Persentil, Desil dan Kuartil
[Link]
Persentil ialah bilangan yang ‘dapat dianggap’ membagi data yang telah
diurutkan dari yang terkecil ke yang terbesar menjadi 100 sub kelompok yang
sama banyak. Persentil adalah titik atau skor atau nilai yang membagi seluruh
distribusi frekuensi dari data yang kita selidiki ke dalam 100 bagian yang sama
besar karena itu presentil sering disebut ukuran perseratusan. Persentil yang biasa
dilambangkan P adalah titik atau nilai yang membagi suatu distribusi data
menjadi seratus bagian yang sama besar. Karena itu persentil sering disebut
ukuran perseratusan. Titik yang membagi distribusi data ke dalam seratus bagian
yang sama besar itu ialah titik-titik: P1, P2, P3, P4, P5, P6, ... dan seterusnya sampai
dengan P99. Jadi disini kita dapati sebanyak 99 titik persentil yang membagi
seluruh distribusi data ke dalam seratus bagian yang sama besar, masing-masing
sebesar 1/ 100N atau 1%. Persentil adalah nilai-nilai yang membagi segugus
pengamatan menjadi 100 bagian yang sama. Nilai-nilai itu dilambangkan dengan
P 1, P 2 ,… , P 99 yang bersifat bahwa 1% dari seluruh data terletak dibawah P 1,2%
terletak dibawah P 2 ,..99 % terletak dibawah P 99. Rumus:

( )
ln
100 Fp
P=lo+c
fp
2..4.2. Desil
Desil ialah bilangan yang ‘dapat dianggap’ membagi data yang telah
diurutkan menurut besarnya dari yang terkecil ke yang terbesar menjadi sepuluh
sub kelompok yang sama banyak. Desil ialah titik atau skor atau nilai yang
membagi seluruh distribusi frekuensi dari data yang kita selidiki ke dalam 10
bagian yang sama besar yang masing-masing sebesar 1/10 N. Jadi disini kita
jumpai sebanyak 9 buah titik desil, dimana kesembilan buah titik desil itu membagi
seluruh distribusi frekuensi ke dalam 10 bagian yang sama besar. Kegunaan
desil ialah untuk menggolongkan-golongkan suatu distribusi data ke dalam sepuluh
bagian yang sama besar, kemudian menempatkan subjek-subjek penelitian ke
dalam sepuluh golongan tersebut. Cara menentukan desil dibagi menjadi 2 tipe
yaitu data tunggal dan data kelompok.
Desil adalah nilai-nilai yang membagi segugus pengamatan menjadi 10
bagian yang sama. Nilai-nilai itu dilambangkan dengan D 1, D 2 , … , D 9, mempunyai
sifat bahwa 10% data jatuh dibawah D 1,20 % jatuh dibawah D 2,…, dan 90% jatuh
dibawah D 9.
2.4.3. Quartil
Quartil adalah ukuran letak yang membagi data yang telah diukur atau
data yang berkelompok menjadi empat bagian yang sama besar. Quartil adalah
bilangan yang ‘dapat dianggap’ membagi data yang telah diurutkan menurut
besarnya dari yang terkecil ke yang terbesar menjadi empat sub kelompok yang
sama banyak. Istilah quartil dalam kehidupan kita sehari-hari lebih dikenal
dengan istilah kuartal. Dalam dunia statistik yang dimaksud dengan quartil ialah
titik atau skor atau nilai yang membagi seluruh distribusi frekuensi ke dalam
empat bagian yang sama besar yaitu masing masing sebesar ¼ N. Jadi disini
akan kita jumpai tiga buah kuartil yaitu quartil pertama (Q1), quartil kedua
(Q2) dan quartil ketiga (Q3). Ketiga quartil inilah yang membagi seluruh
distribusi frekuensi dari data yang kita selidiki menjadi empat bagian yang sama
besar, masing-masing sebesar ¼ N seperti terlihat dibawah ini jalan pikiran serta
metode yang digunakan adalah sebagaimana yang telah kita lakukan pada
saat kita menghitung median. Hanya saja kalau median membagi seluruh
distribusi data menjadi dua bagian yang sama besar maka quartil membagi
seluruh distribusi data menjadi empat bagian yang sama besar.
Quartil adalah nilai-nilai yang membagi segugus pengamatan menjadi 4
bagian sama besar. Nilai-nilai itu yang dilambangkan dengan Q1, Q2 dan Q3
mempunyai sifat bahwa 25% data jatuh dibawah Q1, 50% jatuh dibawah Q2 dan 75
% jatuh dibawah Q2 dan 75% jatuh dibawah Q3 . Rumus:
 ( )
ln
4-fq
Q=lo+c
Fq

Jangkauan Quartil

H=Q3-Q1

2.5. Penyajian Data Statistika Deskriptif

2.5.1. Penyajian Data Dalam Bentuk Grafis
Penyajian data dalam bentuk grafis ini terdiri atas berbagai macam,
diantaranya:

a. Histogram
Histogram merupakan bentuk diagram batang yang digunakan untuk
menggambarkan distribusi frekuensi. Histogram adalah chart yang terdiri dari
diagram batang dengan tinggi yang berbeda-beda. Tinggi masing-masing batang
mewakili nilai frekuensi dalam kelas yang diwakili oleh diagram batang.

Gambar 2.1 Contoh Histogram

b. Pie Chart
Pie Chart atau dalam bahasa Indonesia disebut dengan Diagram kue merupakan
suatu lingkaran yang dibagi menjadi beberapa sektor. Pada masing-masing sektor
bisa menyatakan besarnya presentase atau bagian untuk tiap-tiap kelompok.
 Gambar 2.2 Contoh Pie Chart
c. Poligon
Poligon adalah sautu grafik dari distribusi frekuensi yang tergolong suatu
variabel. Tampilan dari poligon juga pada umumnya berupa garis-garis patah
yang didapatkan dengan cara menghubungkan puncak pada masing-masing nilai
tengah kelas. Poligon ini sangat baik dimanfaatkan dalam hal membandingkan
bentuk dari dua distribusi.

Gambar 2.3 Contoh Poligon

d. Ogive
Ogive adalah satu bentuk gambar dari distribusi frekuensi kumulatif pada sebuah
variabel. Untuk suatu tabel distribusi frekuensi, bisa juga kita bikin ogive positif
serta ogive negatifnya.
 Gambar 2.4 Contoh Ogive

e. Diagram Batang Daun (Steam and Leaf)

Diagram batang daun atau juga disebut sebagai Stem and Leaf juga sama dengan
histogram, hanya saja yang membedakan adalah informasi yang didapatkan lebih
baik. Hal itu disebabkan pada diagram batang daun memperlihatkan nilai–nilai
hasil pengamatan asli. Dalam diagram ini juga akan digambarkan bilangan–
bilangan yang juga sebagai batang serta disebelah kananya ditulis bilangan
sisanya.

.
Gambar 2.5 Contoh Diagram Batang daun
2.5.2. Penyajian Data Numerik
Penyajian data secara numerik terdiri dari beberapa macam-macam antara
lain:
a. Central Tredency/Ukuran Pemusatan.
b. Dispersion atau pencaran.
 c. Fractile.
d. Skewness.
e. Pengukuran keruncingan.
2.6. Metode Dasar dalam Statistik Deskriptif
Ada dua macam metode dasar di dalam statistik deskriptif antara lain:
1. Pendekatan numerik bisa dipakai dalam menghitung nilai statistika dari
sekumpulan data. Sebagai contoh: mean dan standar deviasi.
Statistik ini akan memberikan informasi mengenai rata-rata serta informasi rinci
mengenai distribusi data.
2. Metode grafis lebih sesuai dibandingkan dengan metode numerik untuk
mengidentifikasi pola-pola tertentu dalam data dilain pihak pendekatan numerik
lebih tepat serta objektif dengan begitu, pendekatan numerik dan juga grafis satu
sama lain akan saling melengkapi. Maka dari itu sangatlah bijaksana jika kita
memakai kedua metode tersebut secara bersamaan.