BAB I PENDAHULUAN

1.1 Latar Belakang Statistika adalah ilmu yang mempelajari metode-metode untuk menyederhanakan, meringkas dan mengorganisir data serta menarik kesimpulan tentang populasi berdasarkan sampel yang diambil dari polulasi tersebut. (Montgomery & Runger, page 3). Dalam kehidupan sehari-hari, statistika banyak dipergunakan dalam memperkirakan nilai rata-rata atau suatu kecenderungan terhadap nilai tertentu dan juga merupakan suatu metode menganalisis data untuk menarik kesimpulan. Dengan begitu, statistika sangat diperlukan dalam banyak hal. Dalam Teknik Industri, penerapan statistika ini sangat membantu, salah satunya adalah statistik deskriptif yang merupakan bidang ilmu statistika yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penelitian sehingga memberikan informasi (organisasi, kesimpulan ataupun penyajian data). (Montgomery & Runger, page 191). Selain itu, statistik deskriptif mampu menghubungkan beberapa ilmu terapan statistik dasar dan lanjutan didalamnya dengan berbagai jenis pembagian data berdasarkan bentuk data, sifat data, waktu pengumpulan data, sumber data dan berdasarkan skala pengukuran data. Adanya perhitungan standart seperti mean, median, modus, standar deviasi dan variansi disertai dengan berbagai jenis data juga dapat membantu dalam penyajian data secara informatif. 1.1 Batasan Praktikum Berikut ini adalah batasan praktikum yang digunakan : 1. 2. 3. 4. 5. 6. Data yang diambil untuk plastisin adalah data primer. Data study kasus adalah data eksteren TIUB berupa data skripsi. Data eksteren hanya menggunakan 1 variabel. Banyaknya data eksteren yang diambil minimal 30 data. Pengukuran diameter plastisin dilakukan pada tiga sisi yang berbeda. Banyaknya data subgroup adalah 20 data.

1.2 Asumsi Praktikum 1.3 Tujuan Praktikum Tujuan dari pelaksanaan praktikum ini adalah: 1. 2. Memahami statistik deskriptif secara teori maupun dalam bentuk pengolahan datanya. Memahami pengambilan data secara eksteren.

3. 4.

Mengetahui cara pembagian sub grup berdasarkan data mentah. Mampu melakukan pengolahan data dan menyajikan secara terstruktur dan informatif.

1.4 Manfaat Praktikum Manfaat yang dapat diperoleh dari pelaksanaan praktikum ini adalah: 1. 2. 3. 4. Praktikum mampu menguasai statistik deskriptif secara teori maupun dalam bentuk pengolahan data. Praktikum mampu mengetahui cara pengambilan data secara interen dan eksteren. Praktikan mampu mengetahui cara pembagian sub grup berdasarkan data mentah. Praktikan mampu melakukan pengolahan data dan menyajikannya secara informatif.

BAB II TINJAUAN PUSTAKA

2.1 Definisi Statistik dan Statistika Kata statistik berasal dari kata Latin, yaitu status yang berarti negara (dalam bahasa Inggris adalah state). Pada awalnya kata statistik diartikan sebagai keterangan-keterangan yang dibutuhkan oleh negara dann berguna bagi negara (Anto Dajan, Pengantar Metode Statistik). Misal keterangan mengenai jumlah keluarga penduduk suatu negara dan sebagainya. Perkembangan lebih lanjut menunjukkan bahwa pengertian statistik merupakan suatu kumpulan angka-angka. Misalnya statistik kelahiran, statistik hasil pertanian, statistik penduduk dan sebagainya. Statistik merupakan kumpulan data bilangan maupun non bilangan yang disusun dalam tabel atau diagram yang menggambarkan suatu persoalan sedangkan statistika adalah ilmu yang mempelajari metode-metode untuk menyederhanakan, meringkas, dan mengorganisir data serta menarik kesimpulan tentang populasi berdasarkan data sampel yang diambil dari populasi berdasarkan sampel yang diambil dari populasi tersebut (Montgomery & Runger, page 3). 2.2 Pembagian Jenis Data Pembagian jenis data adalah pengklasifikasian data berdasarkan kriteria berdasar kategori-kategori tertentu, seperti waktu, bentuk dan lain-lain. 2.2.1 Berdasarkan Bentuk Data Berdasarkan bentuknya data dibagi menjadi dua, yaitu: 1. Data diskrit adalah data yang disajikan dalam bentuk angka-angka bilangan bulat. Data ini diperoleh darai hasil perhitungan. Contohnya: jumlah siswa perempuan di SMP XY sebanyak 34 orang. 2. Data kontinyu adalah data yang disajikan dalam bentuk angka tetapi dalam bentuk pecahan. Biasanya menggunakan kata sekitar, kurang lebih, kira-kira dan sebagainya. Contohnya: luas kebun Pak Ali sekitar 2 hektar. 2.2.2 Berdasarkan Sifat Data Berdasarkan sifatnya, data dibagi menjadi dua, yaitu: 1. Data kualitatif secara sederhana dapat disebut data yang bukan berupa angka tetapi disajikan dalam bentuk kata-kata.

2.

Data kuantitatif dapat disebut sebagai data berupa angka dalam arti sebenarnya. Contohnya adalah 2, 4, 7 dan 16.

2.2.3 Berdasarkan Sumber Data Berdasarkan sumbernya, data dibagi menjadi dua, yaitu: 1. Data interen adalah data yang diperoleh atau berasal dari dalam suatu instansi (lembaga atau instansi) (Rasdiyan Rasyad, page 8). Misalnya, data keuangan, data pegawai, data produksi dan sebagainya. 2. a. b. Data eksteren adalah data yang diperoleh atau bersumber dari luar suatu instansi. Data ini dibagi menjadi dua bagian, yaitu: Data primer adalah data yang diperoleh sendiri berdasarkan proses perhitungan di lapangan (Rasdiyan Rasyad, page 8). Data sekunder adalah data yang diperoleh dari referensi-referensi yang sudah ada (Rasdiyan Rasyad, page 8). 2.2.4 Berdasarkan Skala Pengukuran Data Berdasarkan skalanya, data dibagi menjadi empat, yaitu: 1. 2. 3. Data nominal adalah data skala yang mempunyai ciri untuk membedakan skala ukur yang satu dengan skala ukur yang lain. Contohnya adalah data jenis kelamin. Data ordinal adalah data skala yang selain mempunyai ciri membedakan juga mempunyai ciri mengurutkan pada rentangan tertentu. Contohnya adalah urutan tingkat pendidikan. Data interval adalah skala yang mempunyai ciri membedakan, mengurutkan dan juga memiliki ciri jarak yang sama. Akan tetapi, zero point sifatnya berubah-ubah tergantung dari skala yang dipakai. Contohnya adalah data pengukuran suhu. 4. Data rasio adalah data dengan tingkat pengukuran paling tinggi diantara jenis data lainnya, mempunyai ciri jarak yang sama, serta memiliki nilai nol (zero point) yang nilainya absolut. Contohnya adalah data berat badan. 2.2.5 Berdasarkan Waktu Pengumpulan Data Berdasarkan waktu pengumpulan data, data dibagi menjadi dua, yaitu: 1. Data time series adalah data yang dikumpulkan dari waktu ke waktu pada satu obyek dengan tujuan untuk menggambarkan perkembangan (Moontogomery & Runger, page 210). Contohnya adalah data perkembangan nilai tukar dollar Amerika terhadap euro Eropa dari tahun 2006 sampai 2010.

2.

Data cross section adalah data yang dikumpulkan pada satu waktu ke waktu tertentu pada beberapa obyek dengan tujuan untuk menggambarkan keadaan. Contohnya adalah laporan keuangan per 31 Desember 2010 dan lain sebagainya.

2.3 Statistik Deskriptif Statistik deskriptif merupakan bidang ilmu statistika yang mempelajari cara-cara pengumpulan, penyusunan, dan penyajian data suatu penelitian sehingga memberikan informasi (organisasi, kesimpulan ataupun penyajian data) (Montgometry & Runger, page 191). 2.3.1 Ukuran Lokasi Ukuran lokasi adalah suatu ukuran sepanjang garis horizontal yang letaknya di tengah distribusi data. Ukuran lokasi sekumpulan data adalah nilai yang representatif bagi keseluruhan nilai data atau dapat menggambarkan distribusi data itu, khususnya dalam hal letaknya (lokasinya). Yang termasuk dalam ukuran lokasi adalah sebagai berikut: 1. Modus Modus adalah nilai yang paling sering muncul atau yang frekuensinya terbesar dalam serangkain data. Nilai yang frekuensinya paling besar (sering muncul) adalah modus. Rumus modus data berkelompok adalah: (2-1) Sumber: Iqbal Hasan (2009:80) Dengan: Mo = modus L = tepi bawah kelas modus d1 = selisih frekuensi kelas modus dengan frekuensi kelas sebelumnya d2 = selisih frekuensi kelas modus dengan frekuensi kelas sesudahnya C = panjang interval kelas 2. Median Median adalah nilai pengamatan yang terletak di tengah gugus data setelah data diurutkan. Apabila banyaknya pengamatan ganjil, median terletak ditengah gugus data, sedangkan bila genap, median diperoleh dengan rata-rata dari dua data yang berada di tengah gugus data. Rumus untuk data berkelompok adalah:

(2-2)

Sumber: Iqbal Hasan (2009:78) Dengan: Me = median n= jumlah frekuensi B = tepi bawah kelas median fMe = frekuensi kelas median

i = besarnya interval kelas = jumlah frekuensi kelas-kelas sebelum kelas median 3. Mean Rata-rata hitung atau sering disebut dengan mean saja merupakan metode yang paling banyak digunakan untuk menggambarkan ukuran tendensi sentral. Mean adalah nilai khas yang mewakili sifat tengah atau posisi pusat dari suatu kumpulan nilai data. Rumus dari mean data berkelompok adalah:

(2-3)

Sumber: Iqbal Hasan (2009:72) Rumus mean untuk data tunggal adalah:

(2-4)

Sumber: Iqbal Hasan (2009:72) Dengan: = mean X = nilai tengah n = jumlah data f = frekuensi Berikut ini adalah kurva hubungan antara mean, median, dan modus:

Gambar 2.1 Kurva Hubungan Mean, Modus, dan Median Sumber: Iqbal Hasan (2009:96)

4.

Kuartil Kuartil adalah ukuran lokasi yang membagi data berurutan menjadi empat bagian sama

besar. Untuk himpunan data yang jumlah observasinya (n) lebih dari atau sama dengan 4, terdapat tiga nilai kuartil yaitu kuartil pertama (Q1), kuartil kedua (Q2), dan kuartil ketiga (Q3). Data dibagi sedemikian rupa sehingga 25% data sama atau lebih kecil dari Q1, 50% data sama atau lebih kecil dari Q2, dan 75% data sama atau lebih kecil dari Q3. Nilai dari Q2 tersebut tidak lain adalah nilai median (Q2=Med). Rumusnya adalah sebagai berikut ini:
Q1 = B1 +

(2-5)

Sumber: Iqbal Hasan (2009:83)

Q2 = B2 +

(2-6)

Sumber: Iqbal Hasan (2009:83)

Q3 = B3 +

(2-7)

Sumber: Iqbal Hasan (2009:83) Dengan:

Bi = tepi bawah kelas kuartil C = panjang interval kelar 5. Persentil

n = jumlah frekuensi = frekuensi kelas kuartil

= jumlah frekuensi semua kelas sebelum kelas kuartil Untuk himpunan data dimana jumlah observasinya lebih besar atau sama dengan 100,

dapat ditentukan 99 nilai yang membagi himpunan data tersebut menjadi 100 bagian yang sama besar. Mulai dari persentil pertama sampai dengan persentil sembilan puluh sembilan. Artinya, setiap bagian memiliki jumlah observasi yang sama sedemikian rupa sehingga 1% observasi sama atau lebih kecil dari P1, 2% observasi sama atau lebih kecil dari P2, dan seterusnya. Rumus persentil data berkelompok adalah:
( )

(2-8)

Sumber: Iqbal Hasan (2009:87) Persentil untuk data tunggal adalah sebagai berikut: (2-9) Dengan: Pi = persentil ke-i n = jumlah semua frekuensi C = panjang interval kelas ( Bi = tepi bawah kelas persentil ke-i i = 1, 2, 3, ......., 99 fPi = frekuensi kelas persentil

) = jumlah semua frekuensi sebelum kelas persentil

2.3.2 Ukuran Variabilitas Walaupun ukuran lokasi dapat membantu pengolahan data, tetapi tidak semuanya dapat memberikan informasi tentang sampel dari data, maka adanya ukuran variabilitas dapat melengkapi kekurangan atas pengolahan data tersebut (Montgomory & Runger, page 193). Ukuran variabilitas atau ukuran keragaman data adalah suatu nilai atau ukuran yang menunjukkan besarnya simpangan data dari pusatnya. Ukuran keragaman dapat menunjukkan pula homogenitas atau kehomogenan data. Ukuran variabilitas dapat dideskripsikan dengan adanya Variansi, Standar Deviasi dan Range (Montgomory & Runger, page 195). 1. Variansi Variansi adalah suatu ukuran penyebaran data. Untuk data populasi rumusnya ialah:

(2-10)

Sumber: Iqbal Hasan (2009:109) Untuk data sampel rumusnya adalah sebagi berikut:

(2-11)

Sumber: Iqbal Hasan (2009:107) Dengan: n = jumlah data 2. = rata-rata X = nilai tengah xi = data ke-i Standar deviasi Standar deviasi adalah ukuran variabilitas dinyatakan dalam satuan yang sama sebagai data. Standar deviasi merupakan akar dari varians. Simpangan baku bisa dicari menggunakan rumus berikut, untuk data tak berkelompok:

(2-12)

Sumber: Iqbal Hasan (2009:113) Untuk data kelompok:

( - )

(2-13)

Sumber: Iqbal Hasan (2009:115) Dengan: s = standart deviasi 3. Range Rentang (Range) dinotasikan sebagai R, menyatakan ukuran yang menunjukkan selisih nilai antara maksimum dan minimum. Rumusnya adalah sebagi berikut:
Range = nilai maksimum nilai minimum

= rata-rata

X = nilai tengah

n = jumlah data

(2-14)

Sumber: Iqbal Hasan (2009:43) 2.3.3 Ukuran Bentuk Ukuran bentuk adalah ukuran yang digunakan untuk mengetahui bentuk kurva dari data yang telah diperoleh atau diproses. Berdasarkan ukuran bentuknya data dibagi menjadi dua, yaitu Skewness dan Kurtosis (Montgomery & Runger, page 206) 1. Kurtosis Kurtosis adalah derajat keruncingan atau ukuran tinggi rendahnya puncak suatu distribusi

data terhadap distribusi normal. Distribusi normal memiliki nilai kurtosis 3. Kurtosis dihitung dari momen keempat terhadap mean. Rumus untuk data tunggal, adalah:

(2-15)

Sumber: Iqbal Hasan (2009:138) Untuk data berkelompok:

(2-16)

Sumber: Iqbal Hasan (2009:139) Kurtosis ini dibedakan menjadi tiga, yaitu:

a.

Leptokurtis Merupakan kurva yang lebih runcing dari distribusi normal. Jika memindahkan nilai

dari bahu distribusi mesokurtis ke pusat dan ekor dari suatu distribusi, hasilnya adalah distribusi memuncak dengan ekor tebal. Leptokurtis biasanya kurtosisnya > 3. b. Mesokurtis Mesokurtis merupakan kurva dengan puncak sebaran normal. Ekor dari distribusi mesokurtis yang tidak terlalu tipis atau terlalu tebal, dan ada nilai tidak terlalu banyak atau terlalu sedikit di tengah distribusi. c. Platikurtis Platikurtis merupakan kurva dengan puncak sebaran adalah datar. Dimulai dengan distribusi mesokurtis dan skor bergerak dari baik pusat dan ekor ke bahu, distribusi mendatar. Platikurtis kurtosisnya < 3.

2.

Skewness

Gambar 2.2 Macam-macam Bentuk Kurva Kurtosis Sumber: Iqbal Hasan (2009:137)

Skewness adalah derajat ketidaksimetrisan suatu distribusi. Jika kurva frekuensi distribusi memiliki ekor yang lebih memanjang ke kanan (dilihat dari mean nya) maka dikatakan menceng kanan (positif) dan sebaliknya maka menceng kiri (negatif). Secara perhitungan, skewness adalah momen ketiga terhadap mean. Distribusi normal (dan distribusi simetris lainnya, misal : distribusi t) memiliki skewness 0 (nol). Rumus untuk data tunggal ialah:

(2-17)

Sumber: Iqbal Hasan (2009:134) Untuk data kelompok ialah:

(2-18)

Sumber: Iqbal Hasan (2009:135)

Gambar 2.3 Kurva Skewness (a) Menceng ke Kanan (b) Menceng ke Kiri Sumber: Iqbal Hasan (2009:126)

2.3.4 Penyajian Data

Secara garis besar ada dua macam cara penyajian data dalam statistika yaitu: 1. Penyajian Data Dengan Grafik/Diagram a. Diagram garis (Line chart)

Penyajian data dengan diagram berbentuk garis lurus. Biasanya untuk menyajikan data yang diperoleh berdasarkan pengamatan dari waktu ke waktu secara berurutan. b. Diagram lingkaran (Pie chart) Penyajian data statistik dengan menggunakan gambar yang berbentuk lingkaran. Bagian-bagian dari daerah lingkaran menunjukkan bagian bagian atau persen dari keseluruhan. c. Diagram batang (Bar chart) Diagram batang umumnya untuk menggambarkan perkembangan nilai suatu objek penelitian dalam kurun waktu tertentu. d. Piktogram
Gambar 2.6 Diagram Batang Sumber: Iqbal Hasan (2009:25) Gambar 2.5 Diagram Lingkaran Sumber: Iqbal Hasan (2009:29) Gambar 2.4 Diagram Garis Sumber: Iqbal Hasan (2009:28)

Piktogram adalah grafik data yang menggunakan gambar atau lambang dari data itu sendiri dengan skala tertentu. e. Kartogram
Gambar 2.7 Piktogram Sumber: Iqbal Hasan (2009:24)

Kartogram atau peta statistik adalah grafik data berupa peta yang menunjukkan kepadatan penduduk, curah hujan, hasil pertanian, hasil pertambangan, dan sebagainya. 2. Penyajian Data Dengan Tabel a. Tabel Arah Tunggal (One-Way Table)

Gambar 2.8 Kartogram Sumber: Iqbal Hasan (2009:30)

Yaitu tabel yang memuat keterangan mengenai satu hal atau satu data saja. b. Tabel Arah Majemuk (Multi-Way Table), yang terdiri dari dua macam, yaitu : 1) Tabel dua arah (Two-Way Table) Yaitu daerah yang menunjukkan hubungan dua hal/dua data yang berbeda. Misalnya data produksi kedelai menurut varietas dan daerah panen.

2) Tabel tiga arah (Three-Way Table) Yaitu tabel yang menunjukkan hubungan tiga hal/tiga data yang berbeda. 3. Histogram Jika pada diagram batang, batang-batangnya terpisah, pada histogram batang-batangnya berimpit, berbeda pula dalam hal lebar balok, yang digunakan batas kelas, bukan limit kelas. 4. Poligon Frekuensi Apabila pada titik-titik tengah dari histogram dihubungkan dengan garis dan batangGambar 2.10 Poligon Frekuensi Sumber: Iqbal Hasan (2009:48) Gambar 2.9 Histogram Sumber: Iqbal Hasan (2009:48)

batangnya dihapus, maka akan diperoleh poligon frekuensi. 5. Ogive Ogive merupakan grafik dari distribusi frekuensi kumulatif suatu variabel. Dalam suatu ogive, yang digunakan sebagai absis adalah batas kelas, sedangkan sebagai sumbu vertikal adalah frekuensi kumulatif. Untuk suatu tabel distribusi frekuensi, dapat dibuat ogive frekuensi kumulatif kurang dari (positif) dan frekuensi kumulatif lebih dari (negatif).

Gambar 2.11 Ogive Naik Dan Turun Sumber: Iqbal Hasan (2009:61)

BAB III METODOLOGI PRAKTIKUM

3.1 Diagram Alir Praktikum
Mulai

Tinjauan Pustaka

Identifikasi Masalah

Mengumpulkan Data

Mengolah Data

Menganalisis dan Menginterpretasi Data

Kesimpulan dan Saran

Akhir

Gambar 2.12 Diagram Alir Praktikum Sumber: Dokumentasi Pribadi

3.2 Prosedur Praktikum Langkah-langkah yang harus dilakukan oleh praktikan adalah sebagai berikut: 1. Melakukan tes pra modul 2. Mengikuti praktikum 3. Mengikuti asistensi minimal sebanyak 3 kali 4. Melakukan ACC konsep dan ACC tinta

3.1.1 Praktikum Plastisin Berikut ini adalah langkah-langkah yang harus dilakukan pada praktikum, yaitu: 1. 2. 3. 4. 5. 6. Mengidentifikasi masalah dari suatu objek penelitian yang telah ditentukan. Mengumpulkan 40 data diameter plastisin. Melakukan pengolahan data mengenai statistic deskriptif secara manual dan spss serta penyajian secara subgroup. Menganalisis dan menginterpretasi data. Mendapatkan hasil data. Menarik kesimpulan.

3.1.2 Studi Kasus Berikut ini adalah langkah-langkah yang harus dilakukan pada praktikum, yaitu: 1. 2. 3. 4. 5. Mengidentifikasi masalah dari suatu objek penelitian yang telah ditentukan. Mengumpulkan data eksteren. Melakukan pengolahan data mengenai statistic deskriptif secara manual dan spss serta penyajiannya. Menganalisis dan mengintrepretasi data. Menarik kesimpulan.

BAB IV HASIL DAN PEMBAHASAN

1. Hasil perhitungan diameter plastisin adalah sebagai berikut:
Tabel 4.1 Hasil Perhitungan Diameter Plastisin

No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

SISI A 2,85 2,83 3,05 2,95 2,9 3,16 3,09 2,87 2,76 3,18 2,76 2,8 3,3 3 3,14 2,88 3,1 2,97 2,9 2,98 3,3 3,14 3,08 3,8 3,06 2,97 2,9 3,2 3,05 3,2

DIAMETER SISI B 2,75 2,84 2,72 2,92 2,91 2,85 3,09 3,075 3,03 3,37 3,1 2,98 3 3,1 2,85 2,63 3,17 2,66 2,75 2,95 2,76 3 3,07 3,3 3 2,97 3,06 3,1 3,16 3,23

SISI C 3,05 2,81 3 3,05 2,92 3,05 3,21 2,9 2,76 3,2 3,07 2,99 3,2 3,15 3,17 2,56 3,1 2,94 3,2 3,06 3,3 3 3 2,77 2,97 3 3 3,2 3 3,13

Rata -Rata 2,88 2,83 2,92 2,97 2,91 3,02 3,13 2,95 2,85 3,25 2,98 2,92 3,17 3,08 3,05 2,69 3,12 2,86 2,95 3,00 3,12 3,05 3,05 3,29 3,01 2,98 2,99 3,17 3,07 3,19

Sumber: Dokumentasi Pribadi

a.

Hasil Pengolahan Data Secara Manual 1) Rata-rata

2) Median 3)

b.

Hasil Pengolahan Data Menggunakan Spss

Statistics Rata_rata Valid N Missing Mean Std. Error of Mean Median Mode Std. Deviation Variance Range Minimum Maximum Sum 10 20 25 40 Percentiles 50 60 75 80 3,0050 3,0493 3,1225 3,1300 0 3,0179 ,02289 3,0050 2,92
a

32

,12948 ,017 ,60 2,69 3,29 96,57 2,8520 2,9180 2,9296 2,9813

a. Multiple modes exist. The smallest value is shown

Rata_rata Frequency Percent Valid Percent Cumulative Percent 2,69 2,83 2,85 2,86 2,88 2,91 2,92 2,95 2,95 Valid 2,97 2,98 2,98 2,99 3,00 3,00 3,01 3,02 3,05 1 1 1 1 1 1 1 1 1 3,1 3,1 3,1 3,1 3,1 3,1 3,1 3,1 3,1 3,1 3,1 3,1 3,1 3,1 3,1 3,1 3,1 3,1 34,4 37,5 40,6 43,8 46,9 50,0 53,1 56,3 59,4 1 1 1 1 1 1 2 1 1 3,1 3,1 3,1 3,1 3,1 3,1 6,3 3,1 3,1 3,1 3,1 3,1 3,1 3,1 3,1 6,3 3,1 3,1 3,1 6,3 9,4 12,5 15,6 18,8 25,0 28,1 31,3

3,05 3,05 3,07 3,08 3,12 3,12 3,13 3,17 3,19 3,25 3,29 Total

1 1 1 1 1 1 2 2 1 1 1 32

3,1 3,1 3,1 3,1 3,1 3,1 6,3 6,3 3,1 3,1 3,1 100,0

3,1 3,1 3,1 3,1 3,1 3,1 6,3 6,3 3,1 3,1 3,1 100,0

62,5 65,6 68,8 71,9 75,0 78,1 84,4 90,6 93,8 96,9 100,0

Gambar 2.13 Diagram Batang Rata-Rata Diameter Plastisin Sumber: Dokumentasi Pribadi

2.

Studi kasus kelompok kami yaitu Angka Kematian Bayi Menurut Provinsi Tahun 2007, yaitu:

Tabel 4.2 Angka Kematian Bayi Menurut Provinsi Tahun 2007

Provinsi Nanggroe Aceh Darussalam Sumatera Utara Sumatera Barat Riau Jambi Sumatera Selatan Bengkulu Lampung Bangka Belitung Kepulauan Riau DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta Jawa Timur Banten Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Gorontalo Sulawesi Barat Maluku Maluku Utara Papua Barat Papua INDONESIA
Sumber: Dokumentasi Badan Pusat Statistik

Jumlah 25 46 47 37 39 42 46 43 39 43 28 39 26 19 35 46 34 72 57 46 30 58 26 35 60 41 41 52 74 59 51 36 41 39

a.

Hasil Pengolahan Data Menggunakan SPSS

Statistics Jumlah

Valid N Missing Mean Std. Error of Mean Median Mode Std. Deviation Variance Range Minimum Maximum Sum 10 20 25 40 Percentiles 50 60 75 80

34 0 42,7059 2,15385 41,0000 39,00

a

12,55902 157,729 55,00 19,00 74,00 1452,00 26,0000 34,0000 35,0000 39,0000 41,0000 43,0000 48,0000 52,0000

a. Multiple modes exist. The smallest value is shown

Jumlah

Frequency

Percent

Valid Percent

Cumulative Percent

19,00 25,00 26,00 28,00 30,00 34,00 35,00 36,00 37,00 39,00 41,00 42,00 Valid 43,00 46,00 47,00 51,00 52,00 57,00 58,00 59,00 60,00 72,00 74,00 Total

1 1 2 1 1 1 2 1 1 4 3 1 2 4 1 1 1 1 1 1 1 1 1 34

2,9 2,9 5,9 2,9 2,9 2,9 5,9 2,9 2,9 11,8 8,8 2,9 5,9 11,8 2,9 2,9 2,9 2,9 2,9 2,9 2,9 2,9 2,9 100,0

2,9 2,9 5,9 2,9 2,9 2,9 5,9 2,9 2,9 11,8 8,8 2,9 5,9 11,8 2,9 2,9 2,9 2,9 2,9 2,9 2,9 2,9 2,9 100,0

2,9 5,9 11,8 14,7 17,6 20,6 26,5 29,4 32,4 44,1 52,9 55,9 61,8 73,5 76,5 79,4 82,4 85,3 88,2 91,2 94,1 97,1 100,0

Gambar 2.14 Diagaram Angka Kematian Bayi Menurut Provinsi Tahun 2007 Sumber: Dokumentasi Pribadi

BAB V PENUTUP 5.1 Kesimpulan Dari penjelasan di atas, dapat disimpulkan bahwa: 1. Statistik deskriptif adalah bidang ilmu statistika yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penelitian sehingga memberikan informasi (organisasi, kesimpulan ataupun penyajian data). 2. 3. 5.2 Saran Saran yang dapat diberikan pada praktikum Modul I Statistik Deskriptif adalah sebagai berikut: 1. Praktikan diharapkan belajar dan memahami tentang statistik terlebih dahulu sebelum melaksanakan praktikum, sehingga praktikum berjalan dengan lancar. Data eksteren adalah data yang didapat dari luar lingkungan perusahaan atau organisasi. Dalam praktikum ini, data diambil melalui pengukuran 30 diameter plastisin.

2. 3.

Diharapkan terdapat pelatihan SPSS terlebih dahulu agar semua praktikan dapat menjalankan program SPSS dengan baik dan benar. Diharapkan para asisten laboratorium Statistik dan Rekayasa Kualitas lebih banyak memberikan contoh permasalahan sebagai penggambaran statistik agar mudah dimengerti.