statistik pengendalian kualitas - eprints.unpam.ac.ideprints.unpam.ac.id/8089/2/mat07245_modul...
TRANSCRIPT
i | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
STATISTIK
PENGENDALIAN KUALITAS
DisusunOleh: Aden, S.Si.,M.Pd.
Dr. Hendro Waryanto, S.Si., M.M. Tabah Heri Setiawan, S.Si.,M.Pd.
Ilmadi, S.Pd.I.,M.Pd.
Jl. Surya Kencana No. 1 Pamulang
Gd. A, Ruang 211 Universitas Pamulang
Tangerang Selatan – Banten
ii | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
LEMBAR IDENTITAS PENERBITAN
STATISTIK PENGENDALIAN KUALITAS
Penulis :
Aden, S.Si.,M.Pd.
Dr. Hendro Waryanto, S.Si., M.M.
Tabah Heri Setiawan, S.Si.,M.Pd.
Ilmadi, S.Pd.I.,M.Pd.
ISBN : 978-602-5867-34-7
Editor :
Nina Valentika, S.Si.,M.Si. Alfi Maulani,S.Si.,M.Si.
Penyunting :
Usep Rahmat, M.Si.
Desain sampul dan Tata letak
Ubaid Al Faruq
Penerbit :
UNPAM PRESS
Redaksi :
JL. Surya Kencana No. 1
Pamulang – Tangerang Selatan
Telp. 021 7412566
Fax. 021 74709855
Email: [email protected]
Cetakan pertama, 12 Maret 2019
Hak cipta dilindungi undang-undang Dilarang memperbanyak karya tulis ini dalam bentuk dan dengan cara apapun tanpa ijin penerbit
iii | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
LEMBAR DATA PUBLIKASI
Data Publikasi Unpam Press
| Lembaga Pengembangan Pendidikan dan Pembelajaran Universitas
Pamulang
Gedung A. R. 211 Kampus 1 Universitas Pamulang
Jalan Surya Kencana Nomor 1. Pamulang Barat, Tangerang Selatan, Banten.
Website: www.unpam.ac.id | email: [email protected]
Statistik Pengendalian Kualitas/ Aden, S.Si., Dr. Hendro Waryanto, S.Si.,
M.M., M.Pd., Tabah Heri Setiawan, S.Si., M.Pd. , Ilmadi, M.Pd. – 1sted.
ISBN 978-602-5867-34-7
Statistik Pengendalian Kualitas I. Aden, S.SI., M.Pd. II. Dr. Hendro waryanto,
S.Si.,M.M. III. Tabah Heri Setiawan, S.Si., M.Pd. IV. Ilmadi, M.Pd.
M026-12032019-1
Ketua Unpam Press: Sewaka
Koordinator Editorial: AengMuhidin, Ali Madinsyah, Ubaid Al Faruq
Koordinator BidangHakCipta: Susanto
Koordinator Produksi: Pranoto
Koordinator Publikasi dan Dokumentasi: Ubaid Al Faruq
Desain Cover: Ubaid Al Faruq
Cetakan pertama, 12 Maret 2019
Hak cipta dilindungi undang-undang. Dilarang menggandakan dan memperbanyak
sebagian atau seluruh buku ini dalam bentuk dan dengan cara apapun tanpa ijin
penerbit.
iv | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
STATISTIK PENGENDALIAN KUALITAS
IDENTITAS MATA KULIAH
Program Studi
: S-1 Matematika
Mata Kuliah/Kode
: Statistik Pengendalian Kualitas/ MAT07245
Jumlah SKS
: 2 SKS
Prasyarat : Statistik Elementer Deskripsi Mata Kuliah
: Mata kuliah Statistik Pengendalian Kualitas merupakan mata kuliah wajib di Program Studi S-1 Matematika yang membahas tentang Dasar Statistik, Penyimpangan; Momen, Skweness, Kurtosis, Distribusi Binomium; Uji Tingkat Keyakinan; Variasi Proses; Kartu Kendali produk dan atribut; Evaluasi Kartu Kendali; Pemeriksaan Kualitas Produk; dan kriteria sampling diterima.
Capaian Lulusan
: Setelah mempelajari mata kuliah ini mahasiswa diharapkan mampu menentukan pengambilan sampling produk dan membuat kartu kendali (control chart) berdasarkan statistic untuk pengendalian kualitas produk di industry dengan tepat.
Penyusun : Aden, S.Si.,M.Pd.,
Dr. Hendro Waryanto, S.Si., M.M. Tabah Heri Setiawan, S.Si.,M.Pd. Ilmadi, S.Pd.I.,M.Pd.
Ketua Program StudiS-1
Matematika
Ketua Team Teaching
Dr. Hendro Waryanto, S.Si., M.M. Aden, S.Si., M.Pd.
NIDN. 0405057102 NIDN. 0411118401
v | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
KATA PENGANTAR
Kualitas sebuah produk menjadi proritas utama bagi produsen sebuah produk.
Untuk mendapatkan kualitas produk yang terbaik perlu ada kontrol yang kontinu
dengan kartu kontrol yang sesuai. Untuk membuat kartu control kendali diperlukan
referensi yang sesuai guna memudahkan dalam pembuatan kartu kendali terserbut.
Dunia industry memerlukan intelektual guna memenuhi kebutuhan ini, sehingga
mahasiswa diharapkan dapat mempelajari ilmu yang berkaitan dengan bidang tersebut
ketika proses pembelaaran berlangsung di dunia kampus. Untuk itu guna memenuhi
kebutuahan tersebut diperlukan sebuah buku ajar yang mudah difahami ketika
mahasiswa membacanya bahkan khalayak umum pada umumnya. Buku ajar ini hadir
sebagai bagian penting dari proses pembelajaran berbasis internet atau online
learning yang merupakan kebijakan strategis dari UniversitasPamulang.
Buku ajar ini menjelaskan tentang langkah teknis untuk membuat kartu kendali,
evaluasi kartu kendali dan penyimpulan penerimaan sebuah produk yang dikirim atau
yang diterima.Untuk keperluan pembelajaran buku ajar ini disusun dalam empat belas
pertemuan yang disesuaikan dengan kompetensi Mata Kuliah Statistik Pengendalian
Kualitas. Buku ajar ini disertai dengan beberapa contoh yang sesuai dengan real
dalam dunia industri sehingga memudahkan mahasiswa untuk memahami sesuai
dengan dunia industri yang sesungguhnya. Dengan begitu penulis berharap ketika
mahasiswa terjun langsung ke dunia kerja langsung dapat mengaplikasikannya.
Tangerang Selatan, 12 Maret 2019 Tim Penyusun Aden, S.Si., M.Pd. NIDN. 0411118401
vi | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
DAFTAR ISI
COVER DALAM .................................................................................. i
LEMBAR IDENTITAS PENERBITAN .................................................. ii
LEMBAR IDENTITAS ARSIP .............................................................. iii
STATISTIK PENGENDALIAN KUALITAS ........................................... iv
KATA PENGANTAR ......................................................................... v
DAFTAR ISI ..................................................................................... vi
PERTEMUAN KE-1DASAR STATISTIK .............................................. 1
A. TUJUAN PEMBELAJARAN .................................................... 1
B. URAIAN MATERI .................................................................. 1
C. TUGAS/ LATIHAN ................................................................ 11
D. REFERENSI ........................................................................... 12
PERTEMUAN KE-2 PENYIMPANGAN ............................................... 13
A. TUJUAN PEMBELAJARAN ................................................... 13
B. URAIAN MATERI .................................................................. 13
C. TUGAS/ LATIHAN ................................................................ 30
D. REFERENSI .......................................................................... 31
PERTEMUAN KE-3 MOMEN .............................................................. 32
A. TUJUAN PEMBELAJARAN ................................................... 32
B. URAIAN MATERI .................................................................. 32
C. TUGAS/ LATIHAN ................................................................ 39
D. REFERENSI .......................................................................... 39
PERTEMUAN KE-4 SKWENESS DAN KURTOSIS ............................ 40
A. TUJUAN PEMBELAJARAN ................................................... 40
B. URAIAN MATERI .................................................................. 40
C. TUGAS/ LATIHAN ................................................................ 48
D. REFERENSI .......................................................................... 48
PERTEMUAN KE-5 BINOMIUM.......................................................... 49
A. TUJUAN PEMBELAJARAN ................................................... 49
B. URAIAN MATERI .................................................................. 49
vii | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
C. TUGAS/ LATIHAN ................................................................ 60
D. REFERENSI .......................................................................... 61
PERTEMUAN KE-6 UJI TINGKAT KEYAKINAN ................................. 62
A. TUJUAN PEMBELAJARAN ................................................... 62
B. URAIAN MATERI .................................................................. 62
C. TUGAS/ LATIHAN ................................................................ 73
D. REFERENSI .......................................................................... 73
PERTEMUAN KE-7VARIANSI ............................................................ 74
A. TUJUAN PEMBELAJARAN ................................................... 74
B. URAIAN MATERI .................................................................. 74
C. TUGAS/ LATIHAN ................................................................ 81
D. REFERENSI .......................................................................... 81
PERTEMUAN KE-8 DEFINISI DAN MANFAT STATISTIK PENGENDALIAN
KUALITAS .................................................................................... 82
A. TUJUAN PEMBELAJARAN ................................................... 82
B. URAIAN MATERI .................................................................. 82
C. TUGAS/ LATIHAN ................................................................ 89
D. REFERENSI .......................................................................... 90
PERTEMUAN KE-9 KARTU KENDALI PRODUK UNTUK RATA-RATA
91
A. TUJUAN PEMBELAJARAN ................................................... 91
B. URAIAN MATERI .................................................................. 91
C. TUGAS/ LATIHAN ................................................................ 102
D. REFERENSI .......................................................................... 103
PERTEMUAN KE-10KARTU KENDALI PRODUK UNTUK JANGKAUAN DAN
STANDAR DEVIASI ..................................................................... 104
A. TUJUAN PEMBELAJARAN ................................................... 104
B. URAIAN MATERI .................................................................. 104
C. TUGAS/ LATIHAN ................................................................ 113
D. REFERENSI .......................................................................... 114
viii | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE-11KARTU KENDALI ATRIBUT .............................. 115
A. TUJUAN PEMBELAJARAN ................................................... 115
B. URAIAN MATERI .................................................................. 115
C. TUGAS/ LATIHAN ................................................................ 128
D. REFERENSI .......................................................................... 128
PERTEMUAN KE-12 EVALUASI KARTU KENDALI ........................... 130
A. TUJUAN PEMBELAJARAN ................................................... 130
B. URAIAN MATERI .................................................................. 130
C. TUGAS/ LATIHAN ................................................................ 137
D. REFERENSI .......................................................................... 138
PERTEMUAN KE-13 KEPUTUSAN KUALITAS PRODUK .................. 139
A. TUJUAN PEMBELAJARAN ................................................... 139
B. URAIAN MATERI .................................................................. 139
C. TUGAS/ LATIHAN ................................................................ 145
D. REFERENSI .......................................................................... 146
PERTEMUAN KE-14 KRITERIA SAMPLING DITERIMA .................... 147
A. TUJUAN PEMBELAJARAN ................................................... 147
B. URAIAN MATERI .................................................................. 147
C. TUGAS/ LATIHAN ................................................................ 151
D. REFERENSI .......................................................................... 152
GLOSARIUM ..................................................................................... 153
DAFTAR PUSTAKA ........................................................................... 154
LAMPIRAN ..................................................................................... 155
Universitas Pamulang S1 Matematika
1 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE- 1
STATISTIK DASAR
A. TUJUAN PEMBELAJARAN
Setelah mempelajari pertemuan ke-1 diharapkan mahasiswa mampu
menentukan nilai statistik dasar dengan tepat.
B. URAIAN MATERI
1. Istilah Statistik Dasar
Statistik merupakan bidang ilmu matematika yang yang berperan
dalam mengumpulkan data, mengolah data, menganalisa data dan
menyimpulkan guna mendapatkan gambaran data sampel yang mewakili
dari data populasi yang diteliti. Istilah-istilah dalam statistik sangatlah
banyak diantaranya adalah sebagai berikut :
a. Mean (Rata – Rata)
Mean adalah jumlah sekumpulan data yang berbanding terbalik
dengan jumlah banyaknya data. Lambang mean untuk data sampel
adalah dan lambang rata – rata untuk populasi adalah . Jenis –
jenis mean meliputi mean aritmatik, mean harmonik, dan mean
geometrik. Mean aritmatik adalah rata – rata Jenis mean tersebut dapat
digunakan untuk menghitung data tunggal dan data kelompok.
b. Median (Nilai Tengah)
Median adalah nilai tengah dari sebuah data dimana data
tersebut sudah diurutkan dari yang terkecil keterbesar atau dari yang
terbesar keterkecil. Lambang untuk median adalah Me. Perhitungan
median dapat digunkan untuk data tunggal maupun data kelompok.
c. Standar Deviasi (Simpangan Baku)
Standar deviasi merupakan suatu nilai statistika yang
merepresentasikan simpangan sebuah data terkategori baik atau kurang
baik. Semakin besar standar deviasi maka semakin kurang baik untuk
sebuah data. Semakin kecil standar deviasi maka akan semakin baik
sebuah data.
d. Modus
Modus merupakan nilai data yang paling banyak muncul atau
paling banyak jumlah frekuensinya. Lambang untuk modus adalah Mo.
Perhitungan modus dapat digunkan untuk data tunggal maupun data
kelompok.
e. Desil
Suatu data yang sudah diurutkan dari yang terkecil ke yang
terbesar kemudian dibagi menjadi 10 bagian yanga sama sehingga
Universitas Pamulang S1 Matematika
2 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
batas dari sepuluh bagian yang sama dinamakan dengan desil.
Lambang untuk desil adalah Di. Dimana desil pada data dari desil ke-1
(D1) sampai desil ke-9 (D9). Perhitungan desil dapat digunkan untuk data
tunggal maupun data kelompok.
f. Quartil
Quartil merupakan data yang berasal dari sekat data yang telah
diurutkan dari terkecil ke terbesar menjadi empat bagian yang sama.
Quatil dilambangkan dengan Qi dimana i adalah 1, 2, dan 3.
Perhitungan quartil dapat diterapkan pada data tunggal dan data
keompok.
g. Persentil
Bagian dari suatu data yang dibagi menjadi 100 bagian yang
sama. Dimana sekat dari data tersebut yang dibagi menjadi 100 bagian
dinamakan dengan peersentil. Lambang untuk persentil adalah Pi.
Banyaknya persentil yaitu dari persentil ke-1 (P1) sampai dengan
persentil ke-99 (P99). Perhitungan persentil dapat digunkan untuk data
tunggal maupun data kelompok.
2. Mean Aritmatik
Rata-rata atau mean merupakan ukuran statistik kecenderungan
terpusat yang paling sering digunakan. Rata-rata ada beberapa macam
yaitu rata-rata hitung (artimatik), rata-rata ukur (geometrik), dan rata-rata
harmonik. Tetapi jika hanya disebut dengan kata rata-rata saja, maka rata-
rata yang dimaksud adalah rata-rata hitung (aritmatik). Rata – rata hitung
adalah berbanding lurus dengan penjumlahan data dan berbanding terbalik
dengan banyaknya data atau penjumlahan data dan dibagi dengan
banyaknya data. Mean aritmatik dapat digunakan pada data tunggal dan
data kelompok. Penjabaran perhitungan mean aritmatik adalah sebagai
berikut :
a. Data Tunggal
Data tunggal adalah sebuah data yang masih asli yang terpisah
dengan yang lainnya dan belum disusun dalam kelompok atau tabel
kelompok yang berinterval dengan masing-masing kelas. Sebagai
ilustrasi bahwa lampu bohlam merek a dapat bertahan selama 120 jam,
lampu bohlam merek b dapat bertahan 130 jam, lampu bohlam merek c
bertahan 210 jam sehingga dapat dilambangkan menjadi data tunggal
petama adalah 120 dilambangkan dengan x1 = 120, data tunggal kedua
adalah 130 dilambangkan dengan x2 = 130, dan data tunggal ketiga
adalah 210 dilambangkan dengan x3 = 210. Sehingga data tunggal
secara umum berbentuk x1 , x2 , x3 , ..., xn dengan banyaknya data n
data. Maka untuk menentukan rata – rata hitung (Aritmatik) dengan
menjumlahkan seluruh data yang ada kemudian membaginya dengan
Universitas Pamulang S1 Matematika
3 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
banyaknya data (sampel) dan secara matematis dirumuskan sebagai
berikut :
(1.1)
Keterangan :
= Rata-rata nilai hitung (Aritmatik)
= Nilai (Data) ke-i
n = Jumlah sampel
Contoh 1.1.
Hituglah rata – rata hitung atau mean aritmatik dari data tungal 2, 5, 6, 7,
dan 10 !
Penyelesaian 1.1.
Banyaknya data adalah 5 angka sehingga n = 5. Kemudian selanjutnya
angka-angka tersebut dijumlahkan sebagai berikut :
∑
Jadi rata-rata hitung atau mean geometri adalah 6
b. Data Kelompok
Data kelompok adalah data yang sudah dibuat dalam bentuk
susunan frekuensi atau tabel frekuensi dengan kelas – kelas interval
yang teratur. Langkah untuk membuat tabel distribusi yaitu dengan
menggunakan aturan Sturgess yaitu :
1) Menghitung jangkauan dilambangkan dengan R dimana perumusan
secara matematisnya adalah sebagai berikut :
(1.2)
Keterangan:
Xmax : data terbesar
Xmin : data terkecil
2) Menghitung banyaknya kelas dilambangkan K dengan perumusan
sebagai berikut :
(1.3)
Dimana :
N = banyaknya data
∑
R= Xmax – Xmin
K = 1 + (3,3 log N)
Universitas Pamulang S1 Matematika
4 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
3) Menghitung panjang kelas dilambangkan dengan P dengan
perumusan sebagai berikut.
(1.4)
Dimana :
R = jangkauan
K = banyaknya kelas
Setelah selesai menghitung ketiga langkah di atas kemudian
buatlah tabel distribusi frekuensi atau data berkelompok dengan nilai
terkecil dijadikan batas bawah pada kelas petama kemudian untuk batas
bawah kelas kedua merupakan batas bawah kelas pertama ditambah
dengan panjang kelas interval, dan seterusnya sampai langkah kelas
ke-n. Sedangkan batas atas kelas pertama merupakan batas bawah
kelas pertama ditambah dengan panjang kelas yang dikurangi satu, dan
seterusnya sampai dengan data ke-n. Sehingga data tunggal menjadi
data kelompok seperti pada tabel berikut :
Tabel 1.1. Ilustrasi Data Frekuensi
No Data Frekuensi
1 x1b – x1a f1
2 x2b – x2a f2
... ... ...
n xnb – xna fn
Langkah untuk menentukan rata-rata hitung dari data kelompok di
atas adalah sebagai berikut :
1) Menghitung nilai tengah atau xi dengan menggunakan rumus sebagai
berikut.
(1.5)
Keterangan :
xia : nilai atas pada kelas ke-i
xib : nilai bawah pada kelas ke-i
Jika data tersebut pada kelas pertama maka nilai tengahnya adalah
dan seterusnya sampai data kelas ke-n.
2) Setelah menghitung nilai tengah berikutnya adalah mengalikan nilai
tengah pada kelas ke-i dengan frekuensi pada kelas ke-i sampai data
yang ke-n, seperti yang dirumuskan secara matematis di bawah ini.
P =
Universitas Pamulang S1 Matematika
5 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
(1.6)
Keterangan :
xi : nilai tengah data pada kelas interval ke-i
fi : frekuensi pada data kelas ke-i
N : jumlah frekuensi = ∑
Contoh 1.2.
Diberikan data pada tabel sebagai berikut :
Tabel 1.2. Data XXX
No Data Frekuensi
1 20 – 24 18
2 25 – 29 12
3 30 – 34 9
4 35 – 39 11
5 40 – 44 10
Tentukanlah rata – rata hitung atau mean aritmatik dari data tabel di
atas!
Penyelesaian 1.2.
Langkah awal kita harus mencari nilai tengah dari masing – masing
kelas yaitu :
Kemudian kita masukkan data di atas yaitu nilai tengah kita singkat
menjadi xi dan frekuensi kita singkat menjadi fi . selanjutnya xi
dikalikan dengan fi dapat dilihat pada tabel baru sebagai berikut :
∑
∑
Universitas Pamulang S1 Matematika
6 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Tabel 1.3. Simulasi Perhitungan
No xi fi xi . fi
1 22 18 396
2 27 12 324
3 32 9 288
4 37 11 407
5 42 10 420
Jumlahkan fi sehingga diperoleh N = ∑ = 60
Jumlahkan xi . fi sehingga diperoleh ∑ = 1835
Kemudian nilai tersebut dimasukkan ke dalam rumus :
∑
∑
Jadi rata – rata hitung atau mean aritmatik dari data pada tabel di
atas adalag 30,583.
3. Mean Harmonik
Rata-rata harmonik (Harmonic Average) adalah rata-rata yang
dihitung dengan cara mengubah semua data menjadi pecahan, dimana
nilai data dijadikan sebagai penyebut dan pembilangnya adalah satu,
kemudian semua pecahan tersebut dijumlahkan dan selanjutnya dijadikan
sebagai pembagi jumlah data. Rata-rata harmonik ini sering disebut juga
dengan kebalikan dari rata-rata hitung (Aritmatik). Secara matematis rata-
rata harmonik dirumuskan sebagai.
(1.6)
Keterangan :
H = Rata-rata harmonik
n = Jumlah data sampel
Xi = nilai data ke-i
Agar dapat menjumlahkan bagian penyebut pada rumus 1.7 yaitu
maka kita harus menentukan faktor persekutuan
terbesar atau FPB dari x1, x2, x3, ..., xn.
Contoh 1.3.
Tentukan rata – rata harmonik dari data tunggal yaitu 2, 4, 5, 6, dan 8 !
∑ (
)
Universitas Pamulang S1 Matematika
7 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Penyelesaian 1.3.
Karena banyaknya data ada 5 maka n = 5 dan FPB dari 2, 4, 5, 6 dan 8
adalah 120, maka rata – rata harmoniknya adalah
∑ (
)
karena pembagi merupakan pecahan maka dijadikan perkalian tetapi
pecahannya dibalik.
Jadi rata – rata harmonik dari data 2, 4, 5, 6 dan 8 adalah 4,027
4. Mean Geometrik
Rata-rata ukur (geometrik) adalah rata-rata yang diperoleh dengan
mengalikan semua data dalam suatu kelompok sampel, kemudian
diakarpangkatkan dengan jumlah data sampel tersebut. Mean geometri
tepat dipakai jika perbandingan data yang sudah diurutkan sama atau
hampir sama. Jika ada data x1 , x2, ..., xn , maka perbandingannya adalah
sebagai berikut :
(1.8)
Atau perbandingan data tersebut hampir sama yaitu
(1.9)
Secara matematis rata-rata ukur (geometrik) sesuai dengan bentuk
datanya dirumuskan sebagai berikut:
Universitas Pamulang S1 Matematika
8 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
a. Untuk Data Kecil
Kriteria data kecil yaitu data yang berada dalam posisi maksimum
puluhan.
(1.10)
Rumus (1.20) dijabarkan menjadi
√
Keterangan :
u : Rata-rata ukur (geometrik)
n : Jumlah sampel
∏ Kegunaannya hampir sama dengan ∑ ∑ gunakan untuk
penjumlahan, sedfvangkan ∏ gunakan untuk perkalian.
: nilai atau data ke-i
Contoh 1.4.
Tentukan rata – rata dari data 3, 9, 27 dan 81 !
Penyelesaian 1.4.
Perhatikan data dari awal sampai akhir. Jika kita buatkan bentuk
perbandingan dengan menggunakan rumus 1.8, maka
sehingga nilai perbandingan dari data tersebut sama yaitu 3
dan banyaknya data adalah 4 maka n = 4, sehingga data tersebut lebih
tepat menggunakan rumus rata – rata geometri yaitu :
√∏
√
√
Jadi rata – rata ukur atau mean geometri dari data 3, 9, 27, dan 81
adalah 15,588.
Contoh 1.5.
Hitunglah rata – rata ukur atau mean geometri dari data 3, 8, 23, dan 69
!
Penyelesaian 1.5.
Langkah awal kita analisa perbandingan dari data tersebut yaitu:
√∏
Universitas Pamulang S1 Matematika
9 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Perbandingan dari hasil di atas semuanya mendekati 3 artinya
perbandingan teersebut dikategorikan hampir sama sehingga lebih tepat
menghitung rata – rata dengan rata – rata ukur atau mean geometri
yaitu
√∏
√
√
Jadi rata – rata ukur atau mean geometri dari data 3, 8, 23, dan 69
adalah 13,97.
b. Untuk Data Besar
Data yang besar merupakan data yang berada di atas puluhannya
lebih dominan atau lebih banyak. Sehingga ketika data terkategori besar
lebih tepat ketika data tersebut sudah memenuhi kriteria
perbandingannya sama atau hampir sama setelah data diurutkan maka
untuk mencari rata – rata menggunakan rumus sebagai berikut :
(1.11)
Perumusan (1.11) dijabarkan menjadi
Setelah log u didapatkan maka kemudian untuk mendapatkan u
menggunakan cara sebagai berikut.
(
)
(
)
Keterangan :
U : Rata-rata ukur (geometrik)
n : Jumlah sampel
: nilai sampel ke-i
∑
Universitas Pamulang S1 Matematika
10 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Contoh 1.5.
Tentukan rata – rata dari data 60, 120, 235, dan 487 !
Penyelesaian 1.5
Data kedua dibagi dengan data pertama :
Data ketiga dibagi dengan data kedua :
Data keempat dibagi dengan data ketiga :
Perhatikan perbandingan yang di atas, semuanya mendekati 2 artinya
hampir tetap. Sehingga rata – rata dari data di atas lebih tepat
menggunakan rata – rata ukur atau mean geometri dan karena datanya
lebih banyak di atas puluhan maka :
∑
log U
sehingga untuk mendapatkan U menggunakan antilog yaitu
U = antilog (2,229)
U = 102,229
U = 169,43378
dibulatkan menjadi 169,434
Jadi rata – rata ukur atau mean geometri adalah 169,434.
c. Untuk Data Pertumbuhan
Data pertumbuhan artinya merupakan data yang berawal dari data
asal menjadi berkembang dari waktu ke waktu berupa menit, jam , hari,
minggu atau yang lainnya. Seperti data pertumbuhan bakteri,
pertumbuhan virus, pertumbuhan sel, pertumbuhan penduduk dan lain –
lain. Sehingga untuk menentukan data tersebut lebih tepat dengan
menggunakan rumus sebagai berikut :
(1.12)
Keterangan :
(
)
Universitas Pamulang S1 Matematika
11 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Po : keadaan awal atau permulaan
Pt : keadaan akhir
t : satuan waktu yang digunakan
: rata – rata pertumbuhan setiap satuan waktu.
Ketika kita manipulasi maka rumus untuk mencari rata – rata pada
(1.12) menjadi :
(1.13)
Contoh 1.6.
Penduduk daerah TS pada akhir tahun 2010 ada 15.000.000 jiwa,
sedangkan pada akhir tahun 2014 menjadi 18.000.000 jiwa. Untuk
menumbuhkan laju rata –rata pertumbuhan 2010.
Penyelesaian 1.6.
Menggunakan perumusan (1.13) maka persoalan di atas dengan nilai-
nilai yang diketahui disubstitusikan.
(√
)
(√
)
(√
)
Dibulatkan menjadi 104 dikarenakan angka dibelakang koma lebih dari
5.
Jadi rata – rata pertumbuhan penduduk di daerah TS adalah 104 jiwa
per tahun.
C. LATIHAN
Selesaikanlah persoalan di bawah ini :
1. Diberikan beberapa data tunggal sebagai berikut:
a) 140, 130, 120, 150, 160, 170, 165, 155
b) 2, 8, 32, 255, 1025
Dari data tunggal di atas maka:
1) Tentukan rata – rata hitung dari kedua data tunggal di atas
2) Tentukan rata – rata harmonik dari kedua data tunggal di atas
3) Tentukan rata – rata ukur dari kedua data tunggal di atas
(√
)
Universitas Pamulang S1 Matematika
12 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
4) Berdasarkan ketiga perhitungan 1), 2) dan 3) dari kedua data tunggal di
atas. Tentukanlah metode rata – rata yang tepat untuk kedua data
tunggal di atas dan jelaskan alasannya!
2. Diberikan data kelompok pada tabel berikut ini:
Tabel 1.4. Data ABC
NO DATA FREKUENSI
1 40 – 44 21
2 45 – 49 11
3 50 – 54 18
4 55 – 59 17
5 60 – 64 13
Tentukanlah Rata – rata ukur dari data kelompok di atas!
3. Diketahui penduduk sebuah daerah UBI pada awal bulan Januari tahun
2012 adalah 4.000.000 jiwa setelah sampai pada akhir bulan Agustus
tahun 2015 jumlah penduduk menjadi 5.600.000 jiwa. Tentukanlah rata –
rata pertumbuhan penduduk!
D. DAFTAR PUSTAKA
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Supangat, Andi. 2010. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta: Kencana.
Universitas Pamulang S1 Matematika
13 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE-2
PENYIMPANGAN
A. TUJUAN
Setelah mempelajari materi pada pertemuan ke-2 diharapkan
mahasiswa mampu menentukan nilai penyimpangan (jangkauan) dengan
tepat.
B. URAIAN MATERI
1. Jangkauan
Jangkauan merupakan selisih data terbesar dengan data terkecil atau
selisih nilai tengah kelas terakhir dengan nilai tengah kelas pertama.
Dengan diketahui jangkauan sehingga kita tahu rentang data dari terkecil
hingga terbesar, maka dapat menyimpulkan jika jangkauan semakin besar
semakin kurang baik sebuah data. Perumusan jangkauan dapat diterapkan
dalam data yang berbentuk tunggal maupun data kelompok. Penjelasn
mengenai jangkauan dari data adalah sebagai berikut :
a. Jangkauan Data Tunggal
Jangkauan data tunggal dapat diselesaikan dengan
mengurangkan data terbesar dengan data terkecil. Secara matematik
dirumuskan sebagai berikut :
(2.1)
Keterangan :
R : Range atau jangkauan
Xmax : Data terbesar
Xmin : Data terkecil
Contoh 2.1.
Diketahui data tunggal 2, 3, 5, 7, 8, 5, 8, dan 10. Tentukan jangkauan
dari data tunggal tersebut !
Penyelesaian 2.1.
Data terbesar : Xmax = 10
Data terkecil : Xmin = 2
Jangkaun dari data di atas adalah
R = Xmax – Xmin
R = 10 – 2
R = 8
Jadi jangkauan dari data tunggal di atas adalah 8.
R = Xmax – Xmin
Universitas Pamulang S1 Matematika
14 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
b. Jangkauan Data Kelompok
Untuk menghitung jangkauan dari data berkelompok pertama kita
harus menghitung nilai tengah dari masing – masing kelas. Kemudian
setelah nilai tengah dari tiap kelas sudah dihitung maka kemudian
kurangkan nilai tengah kelas terakhir dengan nilai tengah kelas pertama
itulah yang dinamakan dengan jangkauan pada data berkelompok.
Secara matematis dapat dirumuskan sebagai berikut :
(2.2)
Keterangan :
R = Jangkauan
xn = nilai tengah pada kelas terakhir atau ke-n
x1 = nilai tengah kelas pertama
Contoh 2.2.
Perhatikan Data Kelompok pada tabel berikut ini:
Tabel 2.1. Data AA1
No Data Frekuensi
1 20 – 24 18
2 25 – 29 12
3 30 – 34 9
4 35 – 39 11
5 40 - 44 10
Tentukanlah jangkauan dari data kelompok pada tabel di atas !
Penyelesaian 2.2.
Pertama kita hitung nilai tengah kelas pertama yaitu :
Menghitung nilai tengah kelas terakhir sama dengan nilai tengah kelas
kelima karena hanya terdapat lima kelas yaitu :
Setelah nilai tengah kelas pertama dan nlai tengah terakhir sudah
dihitung kemudian substitusikan ke rumus jangkauan pada data
kelompok yaitu :
R = x5 – x1
R = 42 – 22
R = Xn – X1
Universitas Pamulang S1 Matematika
15 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
R = 20
Jadi jangkauan dari data kelompok pada tabel di atas adalah 20.
2. Jangkauan Persentil
Jangkauan persentil merupakan selisih antara persentil kesembilan
puluh dengan persentil kesepuluh. Dimana persentil merupakan jarak
antara data yang sudah dibagi menjadi 100 bagian yang sama, sehingga
persentil hanya terdapat persentil ke-1 sampai ke-99.
Untuk menentukan persentil pada data kelompok maka kita gunakan
rumus sebagai berikut :
2.3
Keterangan :
Pi : persentil ke-i dimana i = 1, 2, 3, ... , 99
n : jumlah frekuensi
fki : frekuensi kumulatif sebelum kelas persentil ke-i
fi : frekuensi pada persentil ke-i
p : panjang kelas pada data tabel berinterval yaitu p = tai - tbi
Dari rumus umum 2.3 di atas sehingga untuk persentil ke-10 dapat
dirumuskan :
(2.4)
Keterangan :
P10 : persentil ke-10
n : jumlah frekuensi
fk10 : frekuensi kumulatif sebelum kelas persentil ke-10
f10 : frekuensi pada persentil ke-10
p : panjang kelas pada data tabel berinterval yaitu p = ta10 – tb10
Dan untuk persentil ke-90 dapat dirumuskan :
(((
)
) )
(((
)
) )
Universitas Pamulang S1 Matematika
16 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
(2.5)
Keterangan :
P90 : persentil ke-90
n : jumlah frekuensi
fk90 : frekuensi kumulatif sebelum kelas persentil ke-90
f90 : frekuensi pada persentil ke-90
p : panjang kelas pada data tabel berinterval yaitu p = ta90 – tb90
Sedangkan untuk menghitung jangkauan persentil adalah sebagai berikut :
(2.6)
Keterangan :
Rp : jangkauan persentil
P10 : persentil ke-10
P90 : persentil ke-90
Contoh 2.3.
Diberikan data kelompok pada tabel sebagai berikut :
Tabel 2.2. Data AA2
No Data Frekuensi
1 20 – 24 18
2 25 – 29 12
3 30 – 34 9
4 35 – 39 11
5 40 – 44 10
Tentukan jangkauan persentil dari data kelompok pada tabel di atas!
Penyelesaian 2.3.
Buatlah tabel bantuan sebagai berikut :
(((
)
) )
RP = P10 – P90
Universitas Pamulang S1 Matematika
17 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Dimana letak yang berada disebelah kanan merupakan frekuensi kumulatif
yaitu
Pada kelas pertama frekuensi dari kelas pertama yaitu 18.
Pada kelas kedua frekuensi kumulatif dari kelas pertama ditambah kelas
kedua yaitu 18 + 12 = 30.
Pada kelas ketiga frekuensi kumulatif dari kelas pertama ditambah kelas
kedua ditambah kelas ketiga yaitu 18 + 12 + 9 = 39.
Pada kelas keempat frekuensi kumulatif dari kelas pertama ditambah kelas
kedua ditambah kelas ketiga ditambah kelas keempat yaitu 18 + 12 + 9 +
11 = 50.
Pada kelas kelima frekuensi kumulatif dari kelas pertama ditambah kelas
kedua ditambah kelas ketiga ditambah kelas keempat ditambah kelas
kelima yaitu 18 + 12 + 9 + 11 + 10 = 60.
Tabel 2.3. Pembantu Perhitungan Data AA2
No Data Frekuensi Letak
1 20 – 24 18 1 18
2 25 – 29 12 19 30
3 30 – 34 9 31 39
4 35 – 39 11 40 50
5 40 - 44 10 51 60
Pertama kita menghitung persentil ke-10 yaitu :
Letak persentil ke-10 =
=
Dimana letak data ke-6 adalah terletak pada kelas 20 – 24 sehingga :
tb10 = 20 – 0,5 = 19,5
p = (24+0,5)-(20-0,5)
= 24,5 – 19,5
= 5
fk10 = 0 dikarenakan persentil ke-10 terletak pada kelas pertama
sehingga frekuensi sebelumnya adalah 0.
f10 = 18
kemudian angka tersebut dimasukkan ke rumus :
Universitas Pamulang S1 Matematika
18 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
(((
)
) )
((( )
) )
((
) )
Kedua kita menghitung persentil ke-90 yaitu :
Letak persentil ke-90 =
Dimana letak data ke-54 adalah terletak pada kelas 40 – 44 sehingga :
Tb90 = 40 – 0,5
= 39,5
p = (44+0,5)-(40-0,5)
= 44,5 – 39,5
= 5
fk90 = 18 + 12 + 9 + 11
= 50
f90 = 10
Angka-angka yang dipeoleh di atas disubstitusikan ke rumus
(((
)
) )
Universitas Pamulang S1 Matematika
19 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
((
) )
((
) )
Ketiga menghitung jangkauan persentil yaitu :
Rp = P90 – P10
Rp = 41,5 – 21,167
Rp = 20,333
Jadi jangkauan persentilnya adalah 20,333.
3. Simpangan Rata-Rata (Deviasi Mean)
Simpangan rata – rata merupakan penjumlahan nilai mutlak dari
selisih nilai data ke-i dengan rata – rata kemudian dibagi dengan
banyaknya data. Simpangan rata – rata merupakan sebuah koefisien yang
dapat mengetahui simpangan sebuah data terhadap rata – rata. Sehingga
ketika simpangan rata – rata semakin besar maka semakin kurang baik
bentuk data tersebut, artinya penyebarannya kurang baik. Simpangan rata
– rata dapat digunakan pada data tunggal dan data kelompok. Penjelasan
mengenai perumusan perhitungan simpangan rata – rata adalah sebagai
berikut :
a. Data Tunggal
Perumusan untuk menentukan simpangan rata – rata atau deviasi
mean yaitu menjumlahkan nilai mutlak selisih dari nilai ke-i dengan rata
– rata dibagi dengan banyaknya data. Secara matematis sebagai berikut
:
(2.7)
Keterangan :
SR : simpangan rata atau deviasi mean
xi : nilai atau data ke-i , dimana i = 1, 2, 3, .... ,n
∑ | |
Universitas Pamulang S1 Matematika
20 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
N : jumlah frekuensi
Contoh 2.4.
Tentukanlah simpangan rata – rata dari data tunggal yaitu 2, 4, 6, dan 8
!
Penyelesaian 2.4.
Langkah awal menghitung rata – rata
Menghitung simpangan rata – rata :
∑ | |
| | | | | | | |
Jadi simpangan rata – rata dari 2, 4, 6, dan 8 adalah 2.
b. Data Kelompok
Perumusan untuk menghitung simpangan rata – rata dalam bentuk
data kelompok yaitu menjumlahkan perkalian frekuensi kelas ke-i
dengan nilai mutlak dari selisih nilai tengah ke-i dengan nilai rata – rata
kemudian dibagi dengan banyaknya data. Secara matematis
dirumuskan sebagai berikut.
2.8
Keterangan :
SR : simpangan rata atau deviasi mean
xi : nilai atau data ke-i , dimana i = 1, 2, 3, .... ,n
N : jumlah frekuensi
fi : frekensi data ke-i
Contoh 2.5.
Diberikan data kelompok pada tabel sebagai berikut :
Tabel 2.4.Perhitungan Pembantu Data AA2
∑ | |
Universitas Pamulang S1 Matematika
21 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
No Data Frekuensi Letak
1 20 – 24 18 1 18
2 25 – 29 12 19 30
3 30 – 34 9 31 39
4 35 – 39 11 40 50
5 40 - 44 10 51 60
Hitunglah simpangan rata – rata dari tabel data kelompok di atas!
Penyelesaian 2.5.
Langkah awal kita harus mencari nilai tengah dari masing – masing
kelas yaitu :
Masukkan data di atas ke kolom sebagai nilai tengah kita dan
frekuensi kita singkat menjadi fi . Nilai xi dikalikan dengan fi dapat dilihat
pada Tabel 2.5. sebagai berikut.
Tabel 2.5. Perhitungan Tahap Lanjut AA2
No xi fi xi . fi
1 22 18 396
2 27 12 324
3 32 9 288
4 37 11 407
5 42 10 420
Jumlahkan fi sehingga diperoleh N = ∑ = 60
Jumlahkan xi . fi sehingga diperoleh ∑ ( ) = 1835
Kemudian nilai tersebut dimasukkan ke dalam rumus rata – rata hitung
yaitu :
∑ ( )
∑
Menghitung nilai mutlak dari nilai tengah pada kelas ke-i dikurangkan
dengan rata – rata hitung yaitu :
| | | |
| | | |
| | | |
| | | |
| | | |
Menghitung perkalian antara nilai mutlak dari nilai tengah pada kelas ke-
i dengan rata – rata hitung dengan frekuensi kelas ke-i yaitu :
| |
Universitas Pamulang S1 Matematika
22 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
| |
| |
| |
| |
Jumlahkan hasil perkalian frekuensi ke-i dengan nilai mutlak dari selisih
nilai tengah kelas ke-i dengan rata – rata ukur sehingga :
∑ | |
Setelah semua hitungan telah diketahui maka :
∑ | |
Jadi simpangan rata – rata dari data tabel di atas adalah 6,583.
4. Standar Deviasi (Simpangan Baku)
Standar deviasi sering kita jumpai juga disebut dengan simpangan
baku. Simpangan baku adalah merupakan suatu koefisien yang sangat
menentukan bagi bentuk sebuah data baik atau buruknya. Dimana
simpangan baku atau standar deviasi merupakan hasil akar dari selisih nilai
mutlak dari nilai tengah pada data kelas ke-i dengan rata – rata ukur yang
dikuadratkan dibagi dengan banyaknya data atau jumlah frekuensi.
Simpangan baku untuk sampel dilambangkan dengan S dan simpangan
baku untuk populasi dilambangkan dengan . Simpangan baku
merupakan bagian dari momen ke-2 yang diakarkan.
Perbedaaan simpangan baku untuk sampel dan populasi terletak
pada pembaginya yaitu jika simpangan baku untuk sampel dibagi dengan
N-1 sedangkan pembagi untuk simpangan baku populasi adalah N. Secara
matematis dirumuskan sebagai berikut :
a. Rumus simpangan baku atau standar deviasi untuk sampel
1) Sampel Data Tunggal
Simpangan baku untuk data tunggal yang dianggap sampel
diperoleh dari penjumlahan dari selisih nilai data ke-i dengan rata –
rata yang dikuadratkan dibagi dengan banyaknya data dikurangkan
satu kemudian terakhir diakarkan. Secara matematis dirumuskan
sebagai berikut :
2.9 √∑ ( )
Universitas Pamulang S1 Matematika
23 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Keterangan :
S : simpangan baku untuk sampel
N : jumlah banyaknya data
xi : data ke-i
: rata – rata ukur data sampel
Contoh 2.6.
Diberikan data tunggal 2, 4, 5, 6 dan 3. Hitunglah standar deviasi dari
data tunggal tersebut!
Penyelesaian 2.6.
Langkah awal menghitung rata – rata hitung :
Menghitung standar deviasi dengan menggunkan rumus data tunggal
dengan N = 5 yaitu :
√∑ ( )
√( ) ( ) ( ) ( ) ( )
√( ) ( ) ( ) ( ) ( )
√
√
√
Jadi standar deviasi dari data tunggal di atas adalah ½ √ .
2) Sampel Data Kelompok
Simpangan baku untuk data kelompok yang dianggap sampel
diperoleh jumlah dengan mengalikan frekuensi data kelas ke-i
dengan nilai dari pengurangan data pada kelas ke-i dengan rata –
Universitas Pamulang S1 Matematika
24 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
rata yang dikuadratkan dibagi dengan banyaknya data dikurangi satu.
Secara matematis dirumuskan sebagai berikut.
2.10
Keterangan :
S : simpangan baku untuk sampel
fi : jumlah frekuensi pada kelas ke-i
N : jumlah banyaknya data atau frekuensi
xi : nilai tengah data pada kelas ke-i
: rata – rata ukur data sampel
Contoh 2.12.
Diberkan data pada tabel berikut :
Tabel 2.6. Data AA3
No Data Frekuensi
1 10 – 12 4
2 13 – 15 6
3 16 – 18 7
4 19 – 21 3
Hitunglah simpangan baku dari tabel di atas!
Penyelesaian 2.12.
Pertama menghitung nilai tengah dari data setiap kelas yaitu
Kalikan frekuensi kelas ke-i dengan nilai tengah kelas ke-i yaitu
f1 . x1 = 4 . 11 = 44
√∑ ( )
Universitas Pamulang S1 Matematika
25 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
f2 . x2 = 6 . 14 = 84
f3 . x3 = 7 . 17 = 119
f4 . x4 = 3 . 20 = 60
Jumlahkan hasil kali dari frekuensi kelas ke-i dengan nilai tengah
kelas ke-i yaitu :
∑ = 44 + 84 + 119 + 60 = 307
Menghitung rata – rata yaitu
∑
Kurangkan nilai tengah kelas ke-i dengan rata – rata hitung lalu
kuadratkan yaitu
(x1 - )2 = (11 - 15,35)2 = 18,9225
(x2 - )2 = (14 - 15,35)2 = 1,8225
(x3 - )2 = (17 - 15,35)2 = 2,7225
(x4 - )2 = (20 - 15,35)2 = 21,6225
Kalikan frekuensi pada kelas ke-i dengan hasil dari pengurangan nilai
tengah kelas ke-i dengan rata – rata lalu dikuadratkan. Yaitu :
f1 . (x1 - )2 = 4 . 18,9225 = 75,688
f2 . (x2 - )2 = 6 . 1,8225 = 10,935
f3 . (x3 - )2 = 7 . 2,7225 = 19,0575
f4 . (x4 - )2 = 3 . 21,6225 = 64,8675
jumlahkan hasil kali frekuensi kelas ke-i dengan hasil dari
pengurangan nilai tengah kelas ke-i dengan rata – rata lalu
dikuadratkan yaitu
∑ ( )
Menghitung standar deviasi sebagai berikut :
Karena N = 20 maka N – 1 = 19.
√∑ ( )
√
√
Universitas Pamulang S1 Matematika
26 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Jadi standar deviasi untuk data di atas yang dianggap sebagai data
sampel adalah 2,9202 .
Menghitung standar deviasi untuk data sampel dengan menggunakan
funtion exel yaitu STDEV.S(data ke-i: data ke-n) dengan memblok
data yang tersedia. Seperti pada gambar berikut :
Gambar 2.1. Funtion di Excel untuk Simpangan Baku Data
Populasi
Universitas Pamulang S1 Matematika
27 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Gambar 2.2. Funtion di Excel untuk Simpangan Baku Data Sampel
b. Rumus simpangan baku atau standar deviasi untuk populasi
1) Populasi data tunggal
Simpangan baku untuk data tunggal dari data populasi
merupakan selisih data pada data ke-i dengan rata – rata yang
dikuadratkan dan berbanding terbalik dengan banyaknya data
dan dikkuadratkan. Secara matematis dirumuskan sebagai
berikut :
2.11
: simpangan baku untuk populasi
N : jumlah banyaknya data atau frekuensi
xi : nilai tengah data pada kelas ke-i
: rata – rata ukur data sampel
Contoh 2.13.
Diberikan data tunggal 2, 4, 5, 6 dan 3. Hitunglah standar deviasi
dari data tersebut jika dianggap sebagai populasi!
Penyelesaian 2.13.
Langkah awal menghitug rata – rata hitung :
Menghitung standar deviasi dengan menggunkan rumus data
tunggal dengan N = 5 yaitu :
√∑ ( )
√( ) ( ) ( ) ( ) ( )
√( ) ( ) ( ) ( ) ( )
√∑ ( )
Universitas Pamulang S1 Matematika
28 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
√
√
√
Jadi standar deviasi dari data tunggal di atas adalah √ .
2) Populasi data kelompok
Simpangan baku untuk data kelompok dari data populasi
merupakan selisih data pada data ke-i dengan rata – rata yang
dikuadratkan dikalikan dengan frekuensi kelas ke-i dan
berbanding terbalik dengan banyaknya data dan dikkuadratkan.
Secara matematis simpangan baku dirumuskan sebagai berikut :
2.12
= simpangan baku untuk populasi
N = jumlah banyaknya data atau frekuensi
fi = jumlah frekuensi pada kelas ke-i
xi = nilai tengah data pada kelas ke-i
= rata – rata ukur data sampel
Contoh 2.12.
Diberikan data kelompok pada tabel berikut :
No Data Frekuensi
1 10 – 12 4
2 13 – 15 6
3 16 – 18 7
4 19 – 21 3
Hitunglah simpangan baku dari data kelompok tabel di atas jika
dianggap sebagai populasi!
Penyelesaian 2.12.
Pertama menghitung nilai tengah dari data setiap kelas yaitu
√∑ ( )
Universitas Pamulang S1 Matematika
29 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Kalikan frekuensi kelas ke-i dengan nilai tengah kelas ke-i yaitu
f1 . x1 = 4 . 11 = 44
f2 . x2 = 6 . 14 = 84
f3 . x3 = 7 . 17 = 119
f4 . x4 = 3 . 20 = 60
Jumlahkan hasil kali dari frekuensi kelas ke-i dengan nilai tengah
kelas ke-i yaitu :
∑ = 44 + 84 + 119 + 60 = 307
Menghitung rata – rata yaitu
∑
Kurangkan nilai tengah kelas ke-i dengan rata – rata hitung lalu
kuadratkan yaitu
(x1 - )2 = (11 - 15,35)2 = 18,9225
(x2 - )2 = (14 - 15,35)2 = 1,8225
(x3 - )2 = (17 - 15,35)2 = 2,7225
(x4 - )2 = (20 - 15,35)2 = 21,6225
Kalikan frekuensi pada kelas ke-i dengan hasil dari pengurangan
nilai tengah kelas ke-i dengan rata – rata lalu dikuadratkan. Yaitu
:
f1 . (x1 - )2 = 4 . 18,9225 = 75,688
f2 . (x2 - )2 = 6 . 1,8225 = 10,935
f3 . (x3 - )2 = 7 . 2,7225 = 19,0575
f4 . (x4 - )2 = 3 . 21,6225 = 64,8675
jumlahkan hasil kali frekuensi kelas ke-i dengan hasil dari
pengurangan nilai tengah kelas ke-i dengan rata – rata lalu
dikuadratkan yaitu
Universitas Pamulang S1 Matematika
30 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
∑ ( )
Menghitung standar deviasi sebagai berikut :
√∑ ( )
√
√
Jadi standar deviasi untuk data di atas yang dianggap sebagai
populasi adalah 2,9202 .
Menghitung standar deviasi untuk data kelompok dalam funtion di
program exel yang berbentuk data populasi adalah STDEV.P(data
ke-i: data ke-n) dengan cara memblok data tersebut.
C. TUGAS
Diketahui data sebagai berikut :
1. Data tunggal yaitu :
2, 3, 6, 5, 7, 8, 9, 3, 10, 6, dan 8
2. Diberika data tunggal berbobot pada tabel berikut yaitu :
No Data Frekuensi
1 130 4
2 135 11
3 140 8
4 145 14
5 150 7
3. Diberikan data berkelompok pada tabel berikut yaitu :
No Data Frekuensi
1 30 – 37 12
2 38 – 45 18
3 46 – 53 20
4 54 – 61 13
5 62 – 69 17
Berdasarkan data tunggal, data tunggal berbobit, dan data kelompok di
atas maka tentukanlah:
a. Jangkauan
b. Jangkauan persentil
Universitas Pamulang S1 Matematika
31 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
c. Simpangan Rata – rata
d. Simpangan Baku
e. Simpulkan dari perhitungan a, b, c, dan d di atas
D. REFERENSI
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
Supangat, Andi. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta: Kencana.
Universitas Pamulang S1 Matematika
32 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE-3
MOMEN
A. TUJUAN
Setelah mempelajari materi pertemuan ke-3 diharapkan mahasiswa
mampu menentukan momen dengan tepat disekitar varibel.
B. URAIAN MATERI
1. Momen
Momen merupakan funtion (fungsi) dalam statistik yang istimewa
karena untuk menurunkan funtion ( fungsi ) statistik sesudahnya yang lebih
spesifik lagi atau lebih sederhana lagi. Artinya momen merupakan fungsi
yang masih umum sehingga dapat dijadikan fungsi – fungsi yang lain
seperti varians (ragam) , standar deviasi (simpangan baku) dan lain – lain.
Diberikan data x1, x2, ... , xn. Jika A merupakan bilangan real tetap
sedangkan r = 0, 1, 2, ..., maka momen ke-r sekitar A dilambangkan
dengan mr' yang merupakan penjumlahan dari selisih data ke-i dengan nilai
bilangan real tetapdi pangkatkan dengan bilangan r kemudian dibagi
dengan jumlahnya banyaknya data. Secara matematis perhitungan statistik
tersebut dapat dirumuskan sebagai berikut.
(3.1)
Keterangan :
: momen ke-r disekitar nilai A
: bilangan real tetap
: nilai momen ke-r dimana r = 0, 1, 2, ....
: banyaknya data
Jika nilai A adalah nol, maka rumus (3.1) menjadi momen ke-r yaitu
(3.2)
Jika nilai dari r = 1, maka untuk rumus (3.2) menjadi rumus untuk
menghitung rata – rata hitung yaitu
(3.3)
∑( )
∑
∑
Universitas Pamulang S1 Matematika
33 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Artinya momen ke-1 disekitar A = 0 merupakan rumus yang dapat
dihasilkan adalah rata – rata hitung ( m1 = ).
Jika nilai A adalah rata – rata ( A = ) diperolehlah rumus (3.1)
menjadi rumus yang lainnya yaitu
(3.4)
Apabila rumus 3.4 untuk r = 2 sehinga diperolehlah rumus untuk
menghitung varians atau ragam yang dilambangkan dengan s2 yaitu
(3.5)
Artinya momen ke-r disekitar rata – rata merupakan sebuah
perumusan untuk menentukan varians atau ragam yaitu m2 = s2.
Pelambangan untuk mr' dan mr adalah untuk membedakan antara
momen yang masih umum dengan momen yang sudah khusus dimana
nilai A dan r sudah diketahui. Sedangakan untuk membedakan apakah
momen itu merupkan sampel atau bukan maka dalam penyimbolannya
sebagai berikut :
a. mr' dan mr untuk palambangan momen data sampel.
b. dan untuk pelambangan momen data populasi.
Sehingga untuk mr' dan mr merupakan perhitungan untuk statistik
sedangakan dan merupakan perhitungan untuk parameter. Jika data
merupakan data kelompok yang mempunyai frekuensi maka perhitungan
untuk momen ke-r disekitar A yaitu
(3.6)
Jika nilai A sama dengan nol, maka rumus 3.6 menjadi momen ke-r
yaitu
(3.7)
Apabila nilai r = 1, maka rumus 3.7 menjadi rumus rata – rata untuk
data berkelompok yaitu
(3.8)
∑( )
∑( )
∑ ( )
∑(
)
∑( )
Universitas Pamulang S1 Matematika
34 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Artinya momen ke-1 disekitar A = 0 sama dengan rata – rata untuk
data berkelompok. Jika nilai A adalah rata – rata maka rumus (3.6) menjadi
(3.9)
Jika nilai r sama dengan 2 maka rumus (3.9) menjadi rumus momen
ke-2 yaitu
(3.10)
Artinya momen ke-2 dengan A mendekati rata – rata merupakan
rumus ragam atau varians atau s2. Menghitung momen dapat digunakan
metode penyandian yaitu
(3.11)
Keterangan :
p : panjang kelas interval pada data kelompok
ci : variabel penyandian
Untuk proses penyandian dimulai dari banyaknya frekuensi dijadikan
ci dengan nilai nol dengan yang sebelum kelas dengan frekuensi terbanyak
negatif dan yang sesudah nilai frekuensi terbanyak bernilai positif.
Kemudian penyandian tersebut dikalikan dengan frekuensi dan
dijumlahkan kemudian dibagi dengan jumlah data, kemudian terakhir
dikalikan dengan panjang kelas interval dipangkatkan dengan nilai r.
Sedangkan untuk menghitung momen ke-r menggunakan rumus sebagai
berikut :
Perumusan untuk menentukan momen ke-2 yaitu
(3.12)
Perumusan untuk menentukan momen ke-3 yaitu
(3.13)
Perumusan untuk menentukan momen ke-4 yaitu
∑ ( )
∑ ( )
(
∑( )
)
(
)
(
)
(
) (
)
Universitas Pamulang S1 Matematika
35 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
(3.14)
Keterangan:
m2 : momen ke-2
m3 : momen ke-3
m4 : momen ke-4
Contoh 3.1.
Diberikan data kelompok pada tabel berikut :
Tabel 3.1. Data BB1
No Data Frekuensi
1 10 – 12 4
2 13 – 15 6
3 16 – 18 7
4 19 – 21 3
Hitunglah momen ke-r dari data kelompok pada tabel di atas!
Penyelesaian 3.1.
Langkah awal kita memilih frekuensi terbanyak dari tabel untuk dijadikan
sebagai titik tolak penyandian yaitu nol. Dari tabel di atas frekuensi
terbanyak adalah 7 sehingga kelas 16 – 18 disandikan dengan nol,
kemudian 13 – 15 disandikan dengan -1 , kemudian 10 – 12 disandikan
dengan -2, sedangkan 19 – 21 disandikan dengan 1 dikarenakan terletak
sesudah frekuensi terbanyak. Lihat tabel berikut :
Tabel 3.2. Proses Penyandian
No Data
1 10 – 12 4 -2
2 13 – 15 6 -1
3 16 – 18 7 0
4 19 – 21 3 1
Kemudian langkah berikut adalah mengalikan frekuensi dengan
penyandian pada kelas masing – masing yaitu
( )
( )
Universitas Pamulang S1 Matematika
36 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Kemudian dijumlahkan yaitu :
∑ ( )
Kemudian menghitung perkalian frekuensi pada kelas ke-i dengan
koefisien penyandian yang dipangkatkan dua yaitu :
( )
( )
( )
( )
Kemudian dijumlahkan yaitu :
∑
Kemudian menghitung perkalian frekuensi pada kelas ke-i dengan
koefisien penyandian yang dipangkatkan tiga yaitu :
( )
( )
( )
( )
Kemudian dijumlahkan yaitu :
∑ ( )
Kemudian menghitung perkalian frekuensi pada kelas ke-i dengan
koefisien penyandian yang dipangkatkan empat yaitu :
( )
( )
( )
( )
Kemudian dijumlahkan yaitu :
∑
Kemudian menghitung panjang kelas interval yaitu
Universitas Pamulang S1 Matematika
37 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
p = tai – tbi =21,5 – 18,5 = 3
Bayaknya data atau jumlah frekuensi adalah 20 ( N = 20 ) .
Kemudian menghitung momen ke-r dengan penyandian (rumus
umum) yaitu
Menentukan yaitu
(
∑
)
(
)
Menentukan yaitu
(
∑( )
)
(
)
Menentukan yaitu
(
∑( )
)
(
)
47,25
Menentukan yaitu
(
∑( )
)
(
)
Terakhir semua nilai momen ke-r dengan penyandian disubstitusikan
ke fungsi 3.12, 3.13, dan 3.15 sehingga didapat
Momen ke-2 yaitu
Universitas Pamulang S1 Matematika
38 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
(
)
( )
Jadi nilai momen ke-2 dari data di atas yaitu 8,5275
Momen ke-3 yaitu
(
)
( )( ) ( )
Jadi nilai momen ke-3 dari data di atas yaitu -0,54675.
Momen ke-4 yaitu
(
) (
)
( )( ) ( ) ( ) ( )
Jadi nilai momen ke-4 dari data di atas yaitu 145,33273
C. TUGAS
Diberikan data kelompok pada tabel berikut.
Tabel 3.3. Data BB2
No Data Frekuensi
1 40 – 47 18
2 48 – 55 12
3 56 – 63 10
4 64 – 71 17
5 72 – 79 13
6 80 – 87 10
Dari tabel data kelompok di atas, tentukanlah :
a) Momen ke-1,
b) Momen ke-2 dan
c) Momen ke-3
Universitas Pamulang S1 Matematika
39 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
D. REFERENSI
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
Supangat, Andi. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta: Kencana
Universitas Pamulang S1 Matematika
40 | S t a t i s t i k P e n g e n d a l i a n k u a l i t a s
PERTEMUAN KE-4
SKWENES DAN KURTOSIS
A. TUJUAN
Setelah mempelajari materi pertemuan ke-4 diharapkan mahasiswa
mampu menentukan Skewness dan Kurtosis dengan tepat.
B. URAIAN MATERI
1. Skweness ( Kemiringan)
Pada sub bab kedua ini kita akan membahas tentang Skeweness.
Maka dari itu pertama anda harus mengetahui definisi dari kemiringan atau
skeweness. Karena dengan mengetahui definisi dari kemiringan anda
dapat mengetahui batasan dan ketentuan pad kemiringan tersebut.
Kemiringan sebuah diagram dari sebuah data bergantung kepada
penyebaran data yang merata atau tidak. Semakin banyak data yang besar
dan semakin sedikit data yang kecil maka kemiringan data tersebut akan
condong kesebelah kiri atau sering disebut kemiringan negatif. Sedangkan
semakin banyak data yang besar dan semakin sedikit data kecil maka
kemiringan data tersebut akan condong ke sebelah kanan atau sering
disebut kemiringan negatif.
Untuk menentukn tingkat kemiringan sebuah data ada 4 cara yaitu
pearson, momen matematis, bowly dan metode Andi Supangat. Penjelasan
metode tersebut dapat anda perhatikan pada pemhasan berikut :
a. Pearson
Metode pertama untuk menentukan kemiringan sebuah data
adalah metode Pearson. Apakah yang dimaksud dengan metode pearon
untuk menentukan kemiringan sebuah data? Metode Pearson
merupakan metode kemiringan sebuah data yang diperoleh dari selisih
rata – rata dengan modus dan berbanding terbalik dengan simpangan
baku atau standar deviasi atau tiga kali dengan selisih rata – rata
dengan median dan berbanding terbalik dengan simpangan baku atau
standar deviasi. Secara matematis anda perhatikan perumusan sebagai
berikut.
(4.1)
Modus dapat diganti menjadi Median sehingga perumusan (4.1)
menjadi
(4.2)
Universitas Pamulang S1 Matematika
41 | S t a t i s t i k P e n g e n d a l i a n k u a l i t a s
Keterangan:
Sk : skweness atau kemiringan
: rata – rata
Mo : Modus
Me : Median
s : standar deviasi atau simpangan baku
Penyimpulan sebuah data dengan metode kemiringan pearson
adalah sebagai berikut :
a. Dikatakan negatif : rata – rata < median < modus
b. Dikatakan positif : rata – rata > median > modus
c. Dikatakan normal atau uniform : rata – rata = median = modus
Ilustrasi dari ketiga kesimpulan di atas lihat gambar kurva berikut.
Gambar 4.1. Kurva Kemiringan
Untuk lebih jelasnya materi tentang kemiringan dengan metode
Pearson anda perhatikan contoh sebagai berikut :
Contoh 4.1.
Diberikan data tunggal sebagai berikut :
2, 3, 4, 5, 6, 7, 8, dan 5
Maka tentukanlah kemiringan data tersebuut dengan metode pearson?
Penyelesaian 4.1.
Hitunglah rata – rata yaitu :
Menentukan modus yaitu data nilai 5 ada 2 sehingga
Mo = 5
Universitas Pamulang S1 Matematika
42 | S t a t i s t i k P e n g e n d a l i a n k u a l i t a s
Hitunglah standar deviasi yaitu
√
√
√
√
Menghitung kemiringan dengan metode Pearson yang pertama yaitu:
Kemiringan data di atas adalah 0 yang artinya adalah data terkategori
normal atau uniform.
b. Moment Matematis
Metode untuk menentukan kemiringan yang kedua adalah metode
moment matematis. Apakah yang dimaksud dengan metode kemiringan
moment matematis? Metode kemiringan moment matematis merupakan
metode kemiringan sebuah data bedasarkan jumlah dari perkalian
frekuensi ke-i dengan selisih niai ke-i dengan rata – rata yang
dipangkatkan tiga dan berbanding terbalik dengan perkalian jumlah data
atau jumlah frekuensi dengan simpangan baku yang dipangkatkan tiga.
Secara matematis anda dapat perhatikan perumusan sebagai berikut.
(4.3)
Keterangan :
Sk : kemiringan
fi : frekuensi data ke-i
xi : nilai atau data ke-i
: rata – rata
: standar deviasi
: banyaknya data atau jumlah frekuensi
Kriteria kemiringan dengan metode moment matematis yaitu :
1) Suatu kurva dikatakan condong ke kiri (positif), jika Sk > 0,01.
2) Suatu kurva dikataka normal jika Sk = 0,01.
3) Suatu kurva dikategorikan condong ke kanan (negatif), jika Sk <
0,01.
∑
Universitas Pamulang S1 Matematika
43 | S t a t i s t i k P e n g e n d a l i a n k u a l i t a s
c. Bowley
Metode untuk menentukan kemiringan kurva yang ketiga adalah
metode Bowley. Apakah yang dimaksud metode kemiringan menurut
metode Bowley? Kemiringan menurut Bowley merupakan koefisien yang
yang diperoleh dari kuartil tiga yang dikurangkan dengan dua kali kuartil
dua dan dijumlahkan dengan kuartil satu dan berbanding terbalik
dengan selisih kuartil tiga dengan kuartil satu. Secara matematis dapat
dirumuskan sebagai berikut.
(4.4)
Keterangan:
Q3 : kuartil ketiga
Q2 : kuartil kedua
Q1 : kuartil kesatu
Sk : kemiringan sebuah data
Kriteria penyimpulan jika nilai dari kemiringan menurut metode Bowley
yaitu :
1) Jika Sk = ±0,1, maka kurva dikatakan cenderung condong ke kiri,
kanan dan atau normal
2) Jika Sk > ±3, maka tingkat kecondongan semakin berarti.
d. Andi Supangat
Metode untuk menentukan kemiringan kurva yang keempat yaitu
metode Andi Supangat. Apakah yang dimaksud kemiringan menurut
metode Andi Supangat? Kemiringan sebuah data dalam kurva menurut
Andi Supangat merupakan selisih antara paruh interval atau semi
interval dengan modus berbanding terbalik dengan titik tengah kurva.
Secara matematis dirumuskan sebagai berikut.
(4.5)
Keterangan:
: paruh interval ( semi interval)
: modus
: titik tengah kurva
Xm = nilai tengah pada kelas yang mempunyai frekuensi terbanyak.
kemiringan
Universitas Pamulang S1 Matematika
44 | S t a t i s t i k P e n g e n d a l i a n k u a l i t a s
Kriteria penyimpulan jika besarnya kemiringan sudah diketahui
yaitu :
1) Jika Sk > 0 , maka kurva dikatakan cenderung condong ke kiri
(positif).
2) Jika Sk = 0 , maka kurva dikatakan normal (uniform)
3) Jika Sk < 0 , maka kurva dikatakan cenderung condong ke kanan
(negatif).
2. Kurtosis (Keruncingan)
Sub bab ketiga pada bab ketiga kita akan membahas tentang kurtosis
atau keruncingan. Apakah yang dimaksud dengan kurtosis? Kurtosis
merupakan koefisien yang menentukan jenis kurva berbentuk runcing atau
normal atau tumpul. Kurtosis dapat ditentukan dengan cara menjumlahkan
perkalian antara frekuensi ke-i dengan nilai ke-i dikurangkan dengan rata –
rata yang di pangkatkan empat dan berbanding terbalik dengan perkalian
banyaknya data atau jumlah frekuensi dengan simpangan baku atau
standar deviasi dipangkatkan empat. Secara matematis menurut Pearson
dapat dirumuskan sebagai berikut.
(4.6)
Menggunakan nilai momen ke-4 maka perumusan (4.6)
(4.7)
Keterangan :
K : kurtosis atau keruncingan
xi : nilai ke-i
N : jumlah data atau jumlah frekuensi
: rata – rata
: simpangan baku atau standar deviasi
: frekuensi ke-i
m4 : momen ke-4 disekitar rata – rata
Kriteria penyimpulan setelah nilai kurtosis atau K diketahui yaitu
1) Jika K > 3 , maka kurva dikategorikan runcing atau lepto kurtik
2) Jika K = 3 , maka kurva dikategorikan normal atau meso kurtik
3) Jika K < 3 , maka kurva dikategorikan datar atau plati kurtik
Keruncingan dari sebuah data kesimpulan di atas perhatikan Gambar
4.2.
∑
Universitas Pamulang S1 Matematika
45 | S t a t i s t i k P e n g e n d a l i a n k u a l i t a s
Gambar 4.2 Kurva Keruncingan
Contoh 4.2.
Diberikan tabel berikut :
Tabel 4.1. Data CCC
No. Data
1 11
2 21
3 31
4 41
5 61
6 71
7 81
8 71
9 31
10 21
11 41
12 51
13 61
14 51
15 91
16 31
17 71
18 61
19 71
Universitas Pamulang S1 Matematika
46 | S t a t i s t i k P e n g e n d a l i a n k u a l i t a s
No. Data
20 81
Tentukanlah kurtosisnya dan analisa!
Penyelesaian 4.2.
Langkah penyelesaian untuk menentukan nilai kurtosis yaitu
a. Menentukan jangkauan
R = Xmax Xmin
R = 91 11 = 80
b. Menentukan banyak kelas
K = 1 + (3.3 log N)
K = 1 + (3.3 log 20)
K = 5.3
K = 5
c. Menentukan panjang kelas
P =
P =
Sehingga dengan data yang diperoleh dapat dibuat Data Tabel
Frekuensi pada Tabel 4.2.
Tabel 4.2. Data tabel Frekuensi
No. Data frekuensi
1 11-26 3
2 27-42 5
3 43-58 2
4 59-74 7
5 75-91 3
Jumlah 20
Untuk mencari nilai kurtosis adalah
∑
Langkah awal dengan mencari nilai rata-rata
∑
∑
Universitas Pamulang S1 Matematika
47 | S t a t i s t i k P e n g e n d a l i a n k u a l i t a s
Untuk mencari nilai Simpangan Baku atau Standar Deviasi adalah
√∑
√
√
√
Menentukan nilai kurtosis adalah
∑
Karena nilai K (1.716039) < 3 yang artinya bahwa data di atas memiliki kurva
yang dikategorikan datar atau plati kurtik.
C. TUGAS
Diberikan data kelompok pada tabel berikut.
Tabel 4.3. Data CCC1
No Data Frekuensi
1 40 – 47 18
2 48 – 55 12
3 56 – 63 10
4 64 – 71 17
5 72 – 79 13
6 80 – 87 10
Universitas Pamulang S1 Matematika
48 | S t a t i s t i k P e n g e n d a l i a n k u a l i t a s
Dari tabel data kelompok di atas, tentukanlah :
a) Kemiringan dengan dua metode dari 4 metode yaitu Pearson, Moment
Matematis, Bowley dan Andi Supangat.
b) Keruncingan
c) Kesimpulan
D. REFERENSI
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
Supangat, Andi. 2016. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta: Kencan
Universitas Pamulang S1 Matematika
49 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE-5
DISTRIBUSI BINOMIUM
A. TUJUAN
Setelah menyelesaikan materi pada pertemuan ke-5 ini diharapkan
mahasiswa mampu :
1. Menghitung distribusi Binom
2. Menghitung distribusi Poisson
3. Menghitung distribusi Hypergeometri
4. Menghitung distribusi Normal
B. URAIAN MATERI
1. Distribusi Binomial
Pembahasan sub materi pertama ini, kita akan membahas tentang
bagian dari pada distribusi yaitu distribusi Binomial. Apa yang dimaksud
dengan distribusi binomial? Pentingnya kita mengetahui definisi dari
distribusi binomial agar kita dapat mengetahui batasan dan rumusan
sehingga dapat memperhitungkan distribusi binomial dengan sesuai
prosedur data.
Distribusi binom merupakan distribusi acak diskrit yang berbanding
lurus dengan hasil kombinasi data yang diharapkan dari data keseluruhan
dengan probabilitas yang dipangkatkan data yang diharapkan dan peluang
komplemen yang dipangkatkatkan dengan selisih data keseluruhan
dengan data yang diharapkan. Jika pada setiap percobaan yang berulang –
ulang dengan peluang kejadian yaitu P(A) = p dinamakan dengan
percobaan bernouli. Jika percobaan bernouli dilakukan berulang N kali
secara bebas, k diantaranya menghasilkan peristiwa A dan sisanya adalah
(N – k ) yaitu peristiwa peluang A komplemen. Secara matematis distribusi
binom dirumuskan sebagai berikut.
(5.1)
Keterangan:
(5.2)
p : probabilitas kejadian
q : komplemen probabilitas kejadian
C : kombinasi
N : banyaknya percobaan bernouli
k : banyaknya peristiwa yang terjadi
k : 0, 1, 2, ... , N
( )
q = 1 – p
Universitas Pamulang S1 Matematika
50 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
0 < p < 1 (dengan nilai probabilitas tertinggi 1 dan terendah 0)
(5.3)
merupakan koefisien binom
∑ dimana peluang atau probabilitas tetinggi adalah satu jika ada
penjumlahan dari keseluruhan peluang kejadian.
Distribusi binom mempunyai parameter yaitu rata – rata populasi
dan simpangan baku. Secara matematis dirumuskan sebagai berikut.
Rata-rata populasi dengan perumusan :
(5.4)
Simpangan baku untuk populasi dengan perumusan:
(5.5)
Keterangan:
: rata – rata populasi
: Simpangan baku
p : peluang kejadian
q : komplemen peluang kejasdian
Contoh 5.1.
Analisa probabilitas untuk mendapatkan 5 angka (A) ketika melakukan
percobaan dengan sebuah mata uang logam yang homogin sebanyak 8
kali !
Penyelesaian 5.1.
Diketahui : N = 8, k = 5
Karena dalam mata uang logam homogin terdapat angka dan gambar
sehingga jumlah ruang sampel ada 2 maka peluang masing – masing
adalah peluang untuk angka P(A) = ½ dan peluang untuk gambar P(G) =
½ . Sehingga
p = ½
maka distribusi binomnya adalah
( ) (
)
(
)
( )
( ) (
) (
)
( )
(
)( )
( )
(
)( )
( )
√
Universitas Pamulang S1 Matematika
51 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
( )
(
)
( )
( )
Jadi distribusi binomnya adalah 0,21875 yang artinya bahwa dalam
percobaan uang logam akan diperoleh angka sebanyak 5 kali dari 8 kali
percobaan kira – kira dari percobaan 100.000 didapat kira – kira 21.875
angka.
Contoh 5.2.
Suatu undian dengan menggunakan mata dadu homogin 8 buah sekaligus.
Analisa probabilitas keluarnya mata dadu 4 sebanyak 5 buah!
Penyelesaian 5.2.
Diketahui : N = 8, k = 5
Dalam mata dadu terdapat 6 mata dadu yaitu 1, 2, 3, 4, 5, dan 6, maka
jumlah ruang sampelnya adalah 6 sehingga peluang atau probabilitas
untuk mata dadu 4 adalah 1/6.
p = 1/6
q = 1 – 1/6 = 5/6
Sehingga distribusi binomnya adalah
( ) (
)
(
)
( )
( ) (
) (
)
( )
(
) (
)
( ) (
)(
)
( )
Jadi distribusi binomnya adalah 0,0000431 yang artinya bahwa dalam
percobaan uang logam akan diperoleh mata dadu 4 sebanyak 5 kali dari 8
kali percobaan kira – kira dari percobaan 10.000.000 didapat kira – kira
431.
Contoh 5.3.
Benda yang terkategori B sebesar 20%. Pengambilan sampel secara acak
sebanyak 30 sampel. Berapakah probabilitas sampel tersebut akan
terdapat benda yang terkategori B:
a. Semuanya
b. Satu buah
c. Dua buah
d. Paling sedikit satu buah
e. Paling banyak dua buah
f. Rata – rata terdapatnya kategori B
Universitas Pamulang S1 Matematika
52 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Penyelesaian 5.3.
Peluang kejadian adalah 20% artinya
p = 20% = 0,20
sehingga
q = 1 – p = 1 – 0,20 = 0,80
N = 30
a. Semuanya kategori benda B artinya k = 30
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
( )
( ) ( )
( ) (
)
( ) (
)
( )
b. Benda yang terkategori benda B adalah 1 artinya k = 1
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( )
( )
( ) ( )
( ) ( ) ( )
( ) 0,009285
c. Paling sedikit satu buah artinya k = 1, 2, 3, ... , 30
Sehinga peluang totalnya adalah
P(X 1) = P(X = 1) + P(X = 2) + ... + P(X = 30)
Atau dapat kita cari dengan logika kebalikannya yaitu
P(X 1) = 1 – P(X = 0)
Maka kita hanya perlu mencari P(X = 0) yaitu
( )
( ) ( ) ( )
( )
( ) ( )
( )
( )
( )
( )
( ) ( )
Universitas Pamulang S1 Matematika
53 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
( )
Sehingga
P(X 1) = 1 – P(X = 0)
P(X 1) = 1 – 0,00124
P(X 1) = 0,99876
d. Sampel berisikan paling banyak dua yang terkategori benda B
sehingga dilambangkan dengan
P(X 2) = P(X = 0) + P(X = 1) + P(X = 2)
Untuk P(X = 0) sudah diketahui yaitu 0,00124, untuk P(X = 1) sudah
diketahui dan yang perlu dihitung yaitu P(X = 2) yaitu
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( ) ( ) ( )
( )
Jadi
P(X 2) = P(X = 0) + P(X = 1) + P(X = 2)
P(X 2) = 0,00124 + 0,009285 + 0,033582
P(X 2) = 0,044107
e. Rata – rata sampel adalah terkategori benda B sehingga
menggunakan rumus
( )
Simpulannya adalah rata – rata yang diharapkan terdapat 6 buah
benda terkategori B dalam setiap pengambilan sapel sebanyak 30.
2. Distribusi Poisson
Sub materi kedua berikut kita akan membahas tentang bagian dari
pada distribusi yaitu distribusi Poisson. Pentingnya kita mengetahui definisi
dari pada distribusi poisson sehingga megetahui batasan – batasan yang
ada pada distribusi ini.
Percobaan poisson merupakan banyaknya hasil percobaan yang
terjadi dalam waktu selang tertentu atau dalam daerah tertentu. Sedangkan
distribusi poisson adalah sebaran peluang yang terjadi dari hasil percobaan
yang terjadi dalam waktu selang tertentu atau pada daerah tertentu. Selang
waktu yang dimaksud adalah seperti semenit, sejam, sehari, seminggu,
sebulan dan bahkan setahun. Sebagai contoh peristiwa untuk selang waktu
Universitas Pamulang S1 Matematika
54 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
banyaknya produksi barang perjam. Sedangkan dalam daerah tertentu
semisal suatu ruas garis, satu luasan, suatu volume atau mungkin
sepotong kain. Contoh dalam suatu daerah tertentu misalnya banyaknya
belalang per meter persegi.
Percobaan Poisson memiliki ciri – ciri :
a. Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu atau
daerah tertentu, tidak bergantung pada banyaknya hasil percobaan yang
terjadi pada selang waktu atau suatu daerah tertetu.
b. Peluang terjadinya suatu hasil percobaan selama selang waktu tertentu
yang sangat singkat sekali atau dalam daerah yang kecil, sebanding
dengan panjang selang waktu tertentu besarnya daerah tersebut, dan
tidak tergantung pada banyaknya hasil percobaan yang terjadi di luar
selang waktu atau daerah tersebut.
c. Peluang bahwa lebih dari satu hasil percobaan akan terjadi dalam
selang waktu tertentu yang singkat atau dalam daerah yang kecil dapat
diabaikan.
Perumusan distribusi Poisson secara matematis adalah sebagai
berikut.
(5.6)
Keterangan:
e = 2,71828
= rata – rata yang banyak terjadi pada selang waktu tertentu atau daerah
tertentu.
Untuk lebih jelasnya, Anda perhatikanlah contoh permasalahan
berikut ini.
Contoh 5.4.
Rata – rata jumlah hari sekolah ditutup karena salju selama musim dingin
di suatu kota di bagian timur Amerika Serikat adalah 4. Berapa peluang
bahwa sekolah – sekolah di kota itu akan tutup selama 6 hari dalam suatu
musim dingin?
Penyelesaian 5.4.
Dengan menggunakan sebaran Poisson dengan x = 6 dan = 4, kita
memperoleh dari tabel Poisson bahwa
( )
P(6; 4) = 0,104195
( )
Universitas Pamulang S1 Matematika
55 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Perhitungan dengan menggunakan tabel distribusi Poisson :
( ) ∑ ( )
∑ ( )
P(6; 4) = 0,8893 – 0,7851
P(6; 4) = 0,1042
( tabel langsung dengan x = 6 dan = 4 = )
Contoh 5.5.
Rata – rata banyaknya tikus per acre dalam suatu ladang gandum seluas 5
acre diduga sebesar 10. Hitung peluang bahwa dalam suatu luas 1 acre
terdapat lebih dari 15 tikus?
Penyelesaian 5.5.
Misalkan X adalah banyaknya tikus per acre. Maka dengan menggunakan
tabel kita mendapatkan :
P(X > 15) = 1 – P(X 15)
( ) ∑ ( )
P(X > 15) = 1 – 0,9513
P(X > 15) = 0,0487
Sebaran Poisson dan Binom mempunyai bentuk histogram yang bentuknya
hampir sama bila n besar dan p kecil (dekat dengan nol). Oleh karena itu
bila kedua kondisi itu dipenuhi, sebaran Poisson dengan perumusan
sebagai berikut :
= np
Dapat digunakan untuk menghampiri peluang Binom. Bila p nilainya dekat
dengan 1, kita dapat saling menukarkan yang telah didefinisikan sebagai
keberhasilan dan kegagalan.
Agar lebih jelas, anda perhatikan contoh permasalahan sebagai berikut :
Contoh 5.6.
Misalkan bahwa secara rata – rata 1 orang di antara 1000 orang adalah
pecandu alkohol. Hitung peluang bahwa dalam suatu contoh acak 8000
orang terdapat kurang dari 7 pecandu alkohol.
Penyelesaian 5.6.
Universitas Pamulang S1 Matematika
56 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Sesungguhnya ini merupakan percobaan binom dengan n = 8000 dan p =
0,001. Karena p sangat dekat dengan nol dan n sangat besar, kita akan
menghapirinya dengan sebaran Poisson dengan = np = 8000 (0,001) =
8. Oleh karena itu, apabila x menyatakan banyaknya pecandu alkohol, kita
peroleh :
( ) ∑ ( )
( ) ∑ ( )
P(X < 7) = 0,3134
3. Distribusi Hypergeometri
Sub materi ketiga berikut ini kita akan membahas tentang distribusi
hypergeometri. Sebelum kita lebih lanjut mempelajari distribusi
hypergeometri maka kita harus tahu terlebih dahulu apa definisi dari pada
distribusi hypergeometri. Sehingga dengan mengetahui definisi dari pada
distribusi hypergeometri kita dapat mengetahui batasan – batasan yang
terdapat pada distribusi ini.
Distribusi hypergeometri adalah sebaran banyaknya probabilitas
terambilnya x antara keberhasilan dan kegagalan yang diberi label dari
sebuah sampel yang berukuran n dari populasi yang berukuran N.
Percobaan hypergeometri merupakan probabilitas terambilnya x antara
berhasil atau gagal dari sebuah sampel yang diambil dari populasi. Setiap
keberhasilan x dari sebuah percoabaan dinamakan dengan peubah acak
hypergeometri. Sedangakan sebarannya dari pada peubah acak
merupakan sebaran hypergeometri. Secara matematis sebaran atau
distribusi hypergeometri dirumuskan sebagai berikut :
(5.7)
Untuk x = 0, 1, 2, ... , k
Keterangan:
n : jumlah sampel
N : jumlah populasi
x : peluang terambil
k : jumlah utama dari x
Nilai tengah dan ragam bagi sebaran hypergeometri h(x; N; n; k)
adalah sebagai berikut :
(5.8)
( )
Universitas Pamulang S1 Matematika
57 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
(5.9)
Keterangan:
: rata – rata untuk populasi
: varians atau ragam
Untuk lebih jelasnya, anda perhatikan contoh persoalan berikut ini.
Contoh 5.7 .
Perusahaan telpon melaporkan bahwa diantara 5000 pemasang telpon
baru, 4000 menggunakan telpon ‘tombol’. Bila 10 diantara pemasang baru
tersebut diambil secara acak, berapa peluang tepat ada 3 orang yang
menggunakan tipe ‘putar’?
Penyelesaian 5.7.
Karena ukuran populasi N = 5000 relatif sangat besar dibandingakan
dengan ukuran contoh n = 10, maka kita akan menghampiri peluang yang
ditanyakan dengan menggunakan sebaran binom. Peluang orang
menggunakan tipe ‘putar’ adalah 0,2, maka peluang tepat ada 3 orang
yang menggunakan tipe ‘putar’ di antara 10 orang contoh tersebut adalah :
H(3; 5000; 10; 1000) b(3; 10; 0,2)
( ) ∑ ( )
∑ ( )
H(3; 5000; 10; 1000) = 0,8791 – 0,6778
H(3; 5000; 10; 1000) = 0,2013
4. Distribusi Normal
Pada sub materi keempat ini kita akan mempelajari tentang
distribusi normal. Apa yang dimaksud dengan distribusi normal? Terkadang
kita tahu cara menghitung dari pada distribusi normal tetapi tidak dapat
mendefinisikan dari pada distribusi normal tersebut. Maka kita sangat perlu
sekali untuk mengetahui definisi distribusi normal tersebut.
Distribusi normal adalah distribusi sebaran peluang kontinu yang
memiliki sebaran genta. Distribusi normal memegang peranan pentig
dalam statistik inferensial yaitu sebagai model distribusi probabilitas. Ada
tiga alasan melandasi pentingnya distribusi normal yaitu :
(
)
Universitas Pamulang S1 Matematika
58 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
a. Disttribusi normal merupakan distibusi yang baik utuk mendekati
frekuensidari fenomena alam dan sosial jika sampelnya besar. Populasi
berbagi perilaku dan karakteristik alam dan sosial yang berkala interval
dan rasio umumnya diasumsikan memiliki distibusi normal.
b. Ada hubungan kuat antara besarnya sampel dengan distribusi rata -
rata yang diperoleh dari sampel – sampel acak yang diambil dari
populasi yag sama. Semakin besar sampel distribusi rata – rata semaki
mendekati normal.
c. Distribusi normal mendekati penghampiran (aproksimasi) yang baik
terhadap distribusi teriritis yang ada pada uunya lebih sulit digunakan
untuk memodelkan distribusi peluang.
Model matematis yang digunakan untuk menghitung distribusi
normal adalah sebagai berikut :
(5.10)
Keterangan:
Y : ordinat pada grafik
x : skor yang diperoleh
: rata – rata populasi
: 3,1416 (dibulatkan)
: 2,7183 (dibulatkan)
: simpangan baku populasi dibaca thau
Dikarenakan berdistribusi kontinu maka untuk menentukan
probablitasnya dilakukan dengan menggunakan luas di bawah kurva.
Sayangnya fungsi frekuensi normal tidak memiliki integral yang sederhana
sehingga probalibiltasnya dihiitung dengan menggunakan distribusi normal
standar dimana variabel normal standar memiliki perumusan sebagai
berikut.
(5.11)
Keterangan :
Z : banyaknya standar deviasi
X : nilai tengah
: rata – rata populasi
√ ( )
Universitas Pamulang S1 Matematika
59 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
: simpangan baku populasi
Dalam distribusi normal, pertama harus dilakukan adalah
menentukan rata – rata populasi jika data berasa dari populasi atau rata –
rata sampel jika data berasal dari sebuah sampel . Jika X berada pada
antara x = x1 dan x = x2, maka peubah acak Z akan berada diantara nilai
padanannya yaitu :
(5.12)
(5.13)
Setelah anda menghitung z kemudian tranformasi menjadi sebagai
berikut :
(5.14)
Sehingga peluang yang dihitung dengan x sebanding dengan
peluang dengan nilai z.
Untuk lebih jelaskan anda perhatikan pada contoh berikut ini :
Contoh 5.8.
Untuk sebaran normal dengan rata – rata populasi adalah 50 dan
simpangan baku untuk populasi adalah 10. Hitunglah peluang bahwa x
mengambil sebuah nilai antara 45 dan 62!
Penyelesaian 5.8.
Diketahui : x1 = 45 ; x2 = 62; = 50 ; = 10
Langkah awal menentukan nilai Z1
Menentukan nilai Z1
Menentukan peluang (p)
P( 45 < X < 62) = P(-0,5 < Z < 1,2)
P(x1 < X < x2) = P(z1 < z < z2)
Universitas Pamulang S1 Matematika
60 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
P( 45 < X < 62) = P( Z < 1,2) – P(Z < -0,5)
Dengan menggunakan tabel normal baku z sehingga diperoleh
P( 45 < X < 62) = 0,8849 – 0,3085
P( 45 < X < 62) = 0,5764
Contoh 5.9.
Untuk sebaran normal dengan rata – rata populasi 300 dan simpangan
baku populasi 50, hitunglah peluang bahwa peubah acak X mengambil
suatu nilai yang lebih besar dari 362
Penyelesaian 5.9.
Diketahui : x = 362; = 300 ; = 50
Langkah awal kita hitung nilai z yaitu :
Dengan demikian peluang bahwa peubah acak X mengambil suatu nilai
yang lebih besar dari 362 yaitu
P(x > 362) = P(Z > 1.24)
P(x > 362) = 1 – P(Z < 1,24)
P(x > 362) = 1 – 0,8925
P(x > 362) = 0,1075
C. TUGAS
PETUNJUK :
1. Tugas ini sebagai Tugas ke-5 Mata Kuliah Statistik Pengendalian
Kualitas.
2. Tugas diketik dalam kertas A4, margin Narrow, jenis huruf Times New
Roman 12 pt, spasi 1,15.
3. Dikirimkan dalam bentuk Word dengan nama file : Nama/ Tugas Ke-5/
Statistik Pengendalian Kualitas, ke email : [email protected]
paling lambat sebelum perkuliahan pertemuan ke-6 dimulai.
4. Keterlambatan pengiriman tugas akan dikurangi nilai dari total sebesar 10
per hari.
TUGAS :
Selesaikanlah pesoalan berikut :
1. Benda yang terkategori B sebesar 25%. Pengambilan sampel secara
acak sebanyak 100 sampel. Berapakah probabilitas sampel tersebut akan
terdapat benda yang terkategori B:
a. Semuanya
Universitas Pamulang S1 Matematika
61 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
b. Tidak sama sekali
c. Satu buah
d. Dua buah
e. Tiga buah
f. Paling sedikit tiga buah
g. Paling banyak tiga buah
h. Rata – rata terdapatnya kategori B
2. Rata – rata jumlah hari sekolah ditutup karena banjir selama musim hujan
di suatu kota adalah 3. Berapa peluang bahwa sekolah – sekolah di kota
itu akan tutup selama 5 hari dalam suatu musim hujan?
3. Misalkan bahwa secara rata – rata 3 orang di antara 2000 orang adalah
pecandu alkohol. Hitung peluang bahwa dalam suatu contoh acak 12000
orang terdapat kurang dari 4 pecandu alkohol.
4. Perusahaan telpon melaporkan bahwa diantara 5000 pemasang telpon
baru, 1500 menggunakan telpon ‘tombol’. Bila 12 diantara pemasang
baru tersebut diambil secara acak, berapa peluang tepat ada 4 orang
yang menggunakan tipe ‘putar’?
5. Untuk sebaran normal dengan rata – rata populasi adalah 75 dan
simpangan baku untuk populasi adalah 12,5. Hitunglah peluang bahwa x
mengambil sebuah nilai antara 60 dan 70!
D. REFERENSI
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
Supangat, Andi. 2007. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta: Kencana.
Ronal E. Walpole. 1993. Pengantar Statistika. Jakarta : Gramed
Universitas Pamulang S1 Matematika
62 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE-6
UJI TINGKAT KEYAKINAN
A. TUJUAN
Setelah mempelari materi pada pertemuan ke-6 ini mahasiswa
diharapkan mampu :
1. Menghitung estimasi pada statistik.
2. Menghitung uji tingat keyakinan.
3. Menghitung chi kuadrat.
B. URAIAN MATERI
1. Estimasi Pada Statistik
Pada sub materi pertama dari pertemuan ke-6 ini kita akan
membahas tentang estimasi pada statistik. Estimasi pada statistik
merupakan suatu kegiatan untuk memprediksi nilai dari suatu populasi
dengan mempunyai batasan minimum dan batsan maksimum dari suatu
perhitungan yang sesuai. Secara umum parameter populasi diberikan
simbol dengan dimana cara membacanya adalah theta. Benuk dari pada
dapat berupa rata – rata, simpanga baku, proporsi dan lain – lain. Jika
niali dari pada belum diketahui kemudian ada nilai penaksir untuk nilai
yaitu dibaca dengan theta topi. Penaksiran yang ideal atau sangat baik
merupakan penaksiran yang ingin dikehendaki adalah besarnya nilai
sama dengan nilai . Namun terkadang dalam penaksiran dapat kita
jumpai terkadang nilai penaksir terserbut terlalu tinggi dari pada nilai yang
ditaksirkan, dan terkadang nilai penaksir tersebut terlalu rendah dari pada
nilai yang ditaksirkan. Kedua kejadian ini memang sangat tidak diharapkan
oleh seorang statistikawan karena memang yang diinginkan adalah nilai
penaksir yang baik dan mendekati kebenaran dengan ukuran keeroran
yang sangat kecil.
Menurut Sudjana (2005 : 199) memberikan kriteria untuk
mendapatkan penaksir yang baik yaitu :
a. Penaksir dikatakan sebagai penaksir takbias jika rata – rata semua
harga yang mungkin akan sama dengan . Penaksir yang tak bias
disebut dengan penaksir bias.
b. Penaksir yang bervarians minimum yaitu penaksir dengan varians
terkecil di antara semua penaksir yang mungkin untuk parameter yang
sama. Jika ada dua penaksir untuk yaitu dan jika varians untuk
lebih kecil dari pada varians untuk maka merupakan penaksir
dengan varians yang minimum.
c. Misalkan penaksir untuk yang dihitung berdasarkan sebuah
sampel acak berukuran n. Jika ukuran sampel n makin besar
mendekati ukuran populasi menyebabkan mendekati , maka
disebut penaksir yang konsisten.
Universitas Pamulang S1 Matematika
63 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
d. Penaksir yang tak bias dan bervarians minimum disebut dengan
penaksir terbaik.
Dalam melakukan taksiran kita akan menggunakan yang disebut
dengan derajat kepercayaan yang dilambangkan dengan dibaca dengan
gamma, dimana batasan dari pada yaitu 0 < < 1 . semakin besar nilai
dari pada yang digunakan oleh seorang peneliti maka taraf kepercayaan
semakin baik dan sebaliknya semakin kecil nilai dari pada yang
digunkaan oleh peneliti maka taraf kepercayaannya semakin kurang baik
baik atau bahkan bisa dikategorikan buruk atau tidak memenuhi standar.
Namun demikian secara umum para peneliti lebih menggunakan nilai dari
pada taraf kepercayaan sebesar 0,95 dan 0,99. Sedangkan lawan daripada
taraf kepercayaan adalan taraf kesalahan yang dilambangkan dengan
dibaca dengan alfa. Dimana merupakan nilai yang diperoleh dari pada
satu dikurangi dengan nilai dari ada taraf keorcayaan. Semakin besar nilai
alfa maka akan semain kurang baik sebuah penelitian dan sebaliknya jika
semakin kecil nilai dari pada alfa maka akan semakin baik dari pada
sebuah penelitian.
Perumusan penaksiran dalam bentuk peluang secara matematis
sebagai berikut.
(6.1)
Dimana A dan B merupakan fungsi dari pada statistik yang
merupakan variabel acak tetapi tidak bergantung kepada nilai .
Berikut akan kami jelaskan beberapa metode menaksir sebuah data
yaitu :
a. Menaksir Rata – Rata
Menaksir rata – rata untuk nilai rata – rata populasi yaitu dibaca
miu dapat kita gunakan dengan mengambil data sampel yang berukuran
n dari populasi yang berukuran N tersebut kemudian kita hitung nilai rata
– rata sampel kita dapatkan dibaca x bar. Nilai merupakan titik
penaksir untuk nilai rata – rata parameter populasi yaitu . Untuk
mendapatkan nilai taksiran yang lebih tinggi derajat kepercayaannya
maka digunakanlah yang dinamakan dengan interval taksiran atau
selang penaksiran yang disertai dengan nilai koefisien kepercayaan
yang diinginkan oleh peneliti.
Penaksir untuk parameter populasi jika simpangan baku
dilambangkan dengan diketahui dan populasinya berdistribusi normal
maka untuk perumusan (6.1) menjadi :
(6.2)
Dengan nilai dapat diitung dari data sampel yang berukuran n
yang diambil dari sebuah populsi dan nilai dari pada
diperoleh
P(A < < B) =
P(( -
√ )) < < ( +
√ ))) =
Universitas Pamulang S1 Matematika
64 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
dengan menggunakan tabel normal baku untuk peluang ½ . Sehingga
dari perumusan (6.2) kita peroleh batasan parameter yaitu :
(6.3)
Dengan -
√ ) sebagai batasan terendah dari parameter
dan +
√ ) sebagai batasan tertinggi dari pada parameter.
Jika simpangan baku atau untuk populasitidak dietahui dan data
dari populasi merupakan data yang berdistribusi normal, sehingga untuk
simpangan baku populasi atau digantikan dengan menghitung
simpangan baku untuk sampel yang berukuran n yaitu s. Sedangkan
untuk nilai dari pada
diganti dengan tp yaitu nilai t yang didapat dari
daftar distribusi Student dengan p = ½(1 + ) dan dk = (n – 1) , maka
perumusan pada (6.2) menjadi :
(6.4)
Dari perumusan (6.4) kita dapat menentukan selang parameter
untuk penkasirannya yaitu :
(6.5)
Dimana untuk nilai terendah dari sebuah penaksiran yaitu -
√ ) disebut sebagai batas bawah dan nilai tertinggi dari sebuah
penaksiran yaitu +
√ ) disebut sebagai batas atas. Jika ukuran
sampel n relatif besar dibandingkan dengan ukuran populasi yaitu N,
yaitu (n/N) > 5%, maka perumusan (6.5) menjadi :
(6.6)
Khusus dalam interval kepercayaan 50% yang memberikan untuk
z0,25 = 0,6745. Ini berarti peluangnya setengah – setengah bawhwa
interval acak (
√ ) dimana
√ dinamakan dengan
kekeliruan peluang untuk rata – rata.
Jika simpangan baku untuk populasi tidak diketahui dan data
populasi diketahui tidak berdistribusi normal, sedangkan ukuran data
sampel untuk n tidak terlalu kecil, maka dalil limit pusat dapat
digunakan. Sedangakan jika data sampel berukuran n sangat kecil maka
( -
√ )) < < ( +
√ ))
P(( -
√ )) < < ( +
√ ))) =
( -
√ )) < < ( +
√ ))
( -
√ √
)) < < ( +
√ √
))
Universitas Pamulang S1 Matematika
65 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
memerlukan perhitungan matematika sangat rumit maka dibab ini tidak
akan dibahas lebih lanjut. Karena memang sudah sangat jauh daripada
tujuan kompetensi.
Untuk lebih jelasnya dari penjelasan di atas berikut diberikan
contoh untuk memudahkan pemahaman materi.
Contoh 6.1.
Sebuah sampel acak terdiri dari 100 mahasiswa telah diambil dari
sebuah Universitas Pamulang program studi Matematika lalu nilai-nilai
IQ-nya dicatat, didapat rata – ratanya 112 dan simpangan baku
sampelnya 10. Analisa untuk penaksir rata-rata dari peristiwa tersebut?
Penyelesaian 6.1.
Jumlah sampel = n = 100.
Rata – rata IQ dari sampel merupakan titik taksiran untuk parameter
yaitu = 112. Simpangan baku untuk sampel yaitu s = 10. Jika
dikehendaki dengan koefisien kepercayaan atau = 0,95 di dapat :
p = ½(1+ )
p = ½(1+0,95)
p = 0,975
dan derajat kebebasan atau dk = n- 1 = 100 – 1 = 99
dengan interpolasi dari daftar tabel G dalam lampiran diperoleh
tp = 1,987
dengan menggunakan perumusan 5.4 diperoleh
( -
√ √
)) < < ( +
√ √
))
(112-
√ )) < < (112+
√ ))
110 < < 114
Kesimpulan :
Dengan taraf kepercayaan 95% untuk yakin bahwa interval IQ
rata-rata mahasiswa Universitas Pamulang program studi Matematika
berada pada batasan 110 < < 114.
b. Estimasi Proporsi
Pada pebahasan berikut ini kita akan membahas bagian dari pada
estimasi yang kedua yaitu estimasi proporsi. Apa yang dimadsud
dengan proporsi? Proporsi merupakan suatu peristiwa yang terjadi
terhadap semua kejadian yang terjadi atau jumlah peristiwa yang terjadi
Universitas Pamulang S1 Matematika
66 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
berbanding terbalik dengan jumlah semua peristiwa yang bersesuaian
dengan kejadia tersebut. Lambang untuk proporsi itu sendiri adalah
untuk parameter atau untuk populasi sedangkan untuk sampel lambang
dari proporsi yaitu p. Jika sebuah sampel acak berukuran n diambil dari
populasi yang berukuran N dan terdapat sebanyak x untuk kejadian A
sehingga proporsi sampel untuk kejadian A adalah x/n.
Sehingga jika perhatikan dengan populasi binom yang berukuran
N dimana terdapat proporsi berukuran untuk peristiwa A yang ada di
dalam populasi. Sehingga jika 100 % interval untuk estimasi
diharapkan, maka perhatikanlah persamaan yang disesuaikan dengan
distribusi binom berikut.
(6.7)
Perumusan pada (6.7) merupakan perumusan untuk
menghasilkan nilai dari pada sehingga dapat dikatakan sebagai batas
bawah dari sebuah estimasi proporsi parametr dari sebuah populasi.
Sedangkan perumusan untuk menentukan batas atas dari pada estimasi
proporsi parameter untuk populasi adalah sebagai berikut :
(6.8)
Keterangan:
C : perumusan combinasi yaitu :
(6.9)
: proporsi untuk parameter dari populasi
: taraf kepercayaan yang ditetapkan peneliti
Pereumusan (6.8) dan (6.9) untuk menentukan batas bawah dan
batas atas untuk proporsi sangatlah panjang dalam perhitungannya
sehingga memerlukan waktu yang lama. Karena itulah dalam
perhitungan estimasi proporsi sering digunakan dengan perumusan
pendekatan normal kepada binom untuk ukuran sampel yang berukuran
besar sehingga untuk 100 % untuk estimasi proporsi parameter dapat
dirumuskan sebagai berikut :
∑
∑
Universitas Pamulang S1 Matematika
67 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
(6.10)
Keterangan:
p : proporsi untuk sampel yaitu
x : banyaknya kejadian pada sampel
n : bayaknya sampel
q : komolemen proporsi sampel yaitu q = 1 – p
: bilangan z yang didapat pada daftar tabel normal baku untuk
peluang
.
Untuk lebih memahami materi estimasi proporsi untuk parameter
perhatikanla oleh Anda contoh persoalan berikut.
Contoh 6.2.
Misalkan kita akan mengestimasi ada beberapa persen anggota
masyarakat berumur 15 tahun ke atas yang termasuk ke dalam
golongan A. Untuk ini sebuah sampel acak berukuran n = 1.200 diambil
yang menghasilkan 504 tergolong kategori A.
Penyelesaian 6.2.
Diketahui :
Jumlah kejadian pada sampel yang bergolongan A yaitu :
x = 504
Banyaknya sampel yaitu :
n = 1.200
Langkah pertama kita menghitung proporsi golongan A dalam sampel
yaitu :
p = 42%
p = 0,42
menghitung komplemen proporsi yaitu :
q = 1 – p
q = 1 – 0,42
q = 0,58
Jika ditaksir ada 42% anggota masyarakat berumur 15 tahun ke atas
yang termasuk golongan A, maka dalam hal ini telah digunakan estimasi
titik. Untuk menentukan 95% interval kepercayaan parameter proporsi
dan dikarenakan ukuran sampel sangat besar maka menggunakan
( ( √
)) ( (
√
))
Universitas Pamulang S1 Matematika
68 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
perumusan (6.10). Menentukan nilai
dengan melihat tabel daftar
normal baku untuk peluang 1/2 dengan = 95 % = 0,95.
( (
√
)) ( (
√
))
( ( √
)) ( ( √
))
( ( √
)) ( ( √
))
( ( √ )) ( ( √ ))
Kesimpulan :
Dengan taraf kepercayaan atau taraf keyakinan 95 % bahwa anggota
masayarakat yang tergolong dalam golonga A berada pada interval
39,22% sampai 44,78%
c. Estimasi Simpangan Baku
Pada pebahasan berikut ini kita akan membahas bagian dari pada
estimasi yang ketiga yaitu estimasi proporsi. Apa yang dimadsud
dengan simpangan baku? Simpangan baku merupakan data
perhitungan penyebaran data yang dapat diperhitungkan dengan
mengakarkan suatu jumlah dari nilai data ke-i dengan rata – rata yang
dipangkatan dua dan berbanding terbalik dengan jumlah data sampel
dikurangi dengan satu atau untuk populasi berbanding terbalik dengan
banyaknya frekuensi atau banyakanya data populasi. Lambang untuk
simpangan baku itu sendiri adalah untuk parameter atau untuk
populasi sedangkan untuk sampel lambang dari simpanga baku yaitu s.
Estimasi simpangan baku dapat kita peroleh dari pada estimasi
varians atau ragam yaitu s2 sebuah varians sampel dari sebuah varians
parameter populasi yaitu . Dimana untuk menentukan ragam atau
varians dengan menggunakan perumusan sebagai berikut :
(6.11)
Dimana s2 merupakan ragam atau varians untuk data sampel.
Sedangkan n merupakan banyanya data sampel. Perhitungan varians
untuk sampel merupakan estimasi takbias untuk varians parameter
untuk populasi. Akan tetapi untuk simpangan baku untuk sampel bukan
∑
Universitas Pamulang S1 Matematika
69 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
estimasi takbias untuk simoangan baku untuk populasi. Sehingga
estimasi titik untuk ragam atau varians untuk sampel untuk simpanga
baku untuk populasi adalah bias. Data populsi berdiatribusi normal
dengan vafrians populasi maka 100 % interval keyakinan untuk varians
populasi ditentukan dengan distribusi chi kuadrat yaitu :
(6.12)
Keterangan:
n = banyaknya sampel
dan
didapat dengan melihat tabel chi kuadrat untuk
p = ½(1+ ) dan p = ½(1- ) dengan derajat kebebasan atau dk = n - 1.
Ketika Anda menginginkan menginginkan estimasi untuk simpangan
baku maka hasil dari estimasi varians diakarkan. Untuk lebih memahami
dari penjelasan estimasi simpangan baku ini perhatikan contoh
persoalan sebagai berikut :
Contoh 6.3.
Sebuah sampel acak berukuran 30 telah diambil dari sebuah populasi
yang berdistribusi normal. Dari data sampel diperoleh varians sebesar
7,8 dengan kooefisien keyakinan 95%. Analisalah estimasi untuk
simpangan baku dari data tersebut!
Penyelesaian 6.3.
Diketahui : Varians untuk sampel yaitu :
s2 = 7,8
jumlah sampel yaitu :
n = 30
Dari daftar tabel chi kuadrat dengan taraf keyakinan yaitu :
= 95 % = 0,95
Dan derajat kebebasan yaitu :
Dk = n – 1 = 30 – 1 = 29
Diperoleh nilai dari tabel yaitu :
Universitas Pamulang S1 Matematika
70 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Untuk estimasi variansnya yaitu :
Dengan mengakarkan maka estimasi untuk simpangan baku didapat :
Kesimpulan :
Dengan taraf keyakinan 95% maka estimsi untu simpangan baku berada
pada interval 2,23 dan 3,75.
2. Uji Chi Kuadrat
Pada sub materi kedua ini kita akan membahas tentang Uji Chi
Kuadrat. Dengan mengetahui Chi Kuadrat maka kita dapat mengetahui
kesimpulan dari sebuah data sampel yang kita hitung untuk dapat di
jabarkan guna menginginkan kesimpulan yang diharapkan sesuai dengan
tujuam awal penelitian. Uji Chi Kuadrat dapat dipergunakan untuk
memperhitungkan menguji proporsi data multinom, menguji kesamaan rata
– rata poisson, uji kenormalan dan lain – lain.
Berikut penjelasan dari kugunaan uji Chi Kuadrat :
a. Menguji Proporsi Data Multinom
Pembahsan pertama dari penggunaan uji chi kuadrat yaitu
menguji proporsi data multinom. Apa yang dimaksud dengan data
multinom? Data multinom merupakan data yang mempunyai varians
yang lebih dari dua macam yaitu dari data berbentuk A1, A2, ..., Ak.
Dimana untuk menguji kesamaan pasangan hipotesis mengunakan
perumusan distribusi chi kuadrat hitung yaitu
(6.13)
Keterangan:
x2 : chi kuadrat hitung
Oi : koefisien pengamatan pada data kategori ke-i
Ei : koefisien yang diharapkan pada data kategori ke-i
Bentuk lain untuk rumus di atas adalah
∑
Universitas Pamulang S1 Matematika
71 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
(6.14)
Keterangan:
n = O1 + O2 + ... + Ok = E1 + E2+ ... + Ek
untuk mempermudah penjelasan Anda perhatikn tabel berikut :
Tabel 5.1. Data Multinom
Kategori A1 A2 ... Ak
Pengamatan O1 O2 ... Ok
Diharapkan E1 E2 ... Ek
Keterangan:
Derajat kebebasan atau dk = n – 1
Kriteria pengujian yaitu :
Tolak Ho jika x2 x2 tabel dengan (1 – ) dan dk = n – 1
Terima Ho jika x2 x2 tabel dengan (1 – ) dan dk = n – 1
Untuk mempertajam pemahaman dari pada pembahasan di atas
perhatikanlah oleh Anda contoh persoalan berikut ini.
Contoh 6.4.
Kita tahu bahwa nampaknya peluang salah satu permukaan mata dadu
homogin masing – masing = 1/6. Sebuah eksperimen tela dilakukan
sebanyak 120 kali dengan sebuah daddu dan menghasilkan 16 muka
bermata satu, 24 muka bermata dua, 23 mata tiga, 15 mata empat, 17
mata lima, dan 25 mata enam. Akan diuji apakah dadu tersebut homogin
ataukah tidak yaitu akan diuji hipoteis:
H0 : p1 = p2 = p3 = p4 = p5 = p6 = 1/6
H1 : paling sedikit salah satu tanda tidak berlaku
Jika h0 benar yakni apabila dadu itu homogin, kita harapkan akan di
dapat
A1 : 120 x 1/6 = 20
...
A6 : 120 x 1/6 = 20
b. Uji Distribusi Normal Data
Setiap data akan dilakukan analisa lebih lanjut maka diperlukan
syarat data berdistribusi normal. Uji normalitas data dapat dilakukan
dengan menggunkan uji chi kuadarat
Contoh 6.5.
Sebuah mesin pencampur adonan es krim akan menghasilkan
perbandingan antara Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1. Jika
500 kg adonan yang dihasilkan, diketahui mengandung 275 kg Coklat,
95 kg Gula, 70 kg Susu dan 60 kg Krim, apakah mesin itu bekerja
(∑
)
Universitas Pamulang S1 Matematika
72 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
sesuai dengan perbandingan yang telah ditentukan? Lakukan
pengujian dengan taraf nyata = 1 %
Penyelesaian 6.5.
H0 :perbandingan Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1
H1 :perbandingan Coklat : Gula : Susu : Krim 5 : 2 : 2 : 1
Statistik Uji ²
Nilai = 1 % = 0.01
Nilai Tabel ²
k = 4; db =k -1 = 4-1= 3
db = 3; = 0.01 ² tabel = 11.3449
Wilayah Kritis = Penolakan H0 jika ² hitung > ² tabel (db; )
² hitung > 11.3449
Perhitungan ²
22
1
( )o e
e
i i
ii
k
Perbandingan Coklat : Gula : Susu : Krim = 5 : 2 : 2 :1
Dari 500 kg adonan
Nilai ekspektasi Coklat = 5/10 x 500 = 250 kg
Nilai ekspektasi Gula = 2/10 x 500 = 100 kg
Nilai ekspektasi Susu = 2/10 x 500 = 100 kg
Nilai ekspektasi Krim = 1/10 x 500 = 50 kg
² hitung = 13.75
kategori : oi ei (oi-ei ) (oi-ei )² (oi-ei )²/ei
Coklat 275 250*) 25 625 2.50
Gula 95 100 -5 25 0.25
Susu 70 100 -30 900 9.00
Krim 60 50 10 100 2.00
500 500 ----------- -------- 13.75
Universitas Pamulang S1 Matematika
73 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Kesimpulan :
² hitung > ² tabel
13.75 > 11.3449
H0 ditolak, H1 diterima.
Perbandingan Coklat : Gula : Susu : Krim 5 : 2 : 2 :1
C. TUGAS
Selesaikanlah tgas berikut ini :
1. Sebuah sampel acak terdiri dari 200 mahasiswa telah diambil dari sebuah
Universitas Pamulang program studi Matematika lalu nilai-nilai IQ-nya
dicatat, didapat rata – ratanya 121 dan simpangan baku sampelnya 11.
Analisa untuk penaksir rata-rata dari peristiwa tersebut?
2. Misalkan kita akan mengestimasi ada beberapa persen anggota
masyarakat berumur 19 tahun ke atas yang termasuk ke dalam golongan
A. Untu ini sebuah sampel acak berukuran n = 2.200 diambil yang
menghasilkan 804 tergolong kategori A.
3. Sebuah mesin pencampur adonan es krim akan menghasilkan
perbandingan antara Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1. Jika 900
kg adonan yang dihasilkan, diketahui mengandung 475 kg Coklat, 205 kg
Gula, 100 kg Susu dan 120 kg Krim, apakah mesin itu bekerja sesuai
dengan perbandingan yang telah ditentukan? Lakukan pengujian dengan
taraf nyata = 5%
D. REFERENSI
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
Supangat, Andi. 2007. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta: Kencana.
Praptono. 1986. Statistika Pengawasan Kualitas. Jakarta: Karunika
Universitas Terbuka.
Ronal E. Walpole. 1993. Pengantar Statistika. Jakarta : Gramedia.
Universitas Pamulang S1 Matematika
74 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE-7
VARIANSI
A. TUJUAN
Setelah mempelari materi pada pertemuan ke-7 ini mahasiswa
diharapkan mampu :
1. Menunjukkan bentuk-bentuk variansi dari sebuah data.
2. Melaksanakan uji homogenitas.
B. URAIAN MATERI
1. Variansi Data
Variasi merupakan suatu deviasi dari sebuah data yang merupakan
lawan dari sebuah kualitas. Varian merupakan kesalahan yang terjadi
dalam sebuah pembuatan produk yang mengakibatkan terjadinya
kecacatan. Variasi yang mungkin terjadi dibagi menjadi tiga bagian yaitu
a. Variasi yang terletak pada produk. Misalkan handphone ukuran yang
berbeda walaupun sangat kecil sekali perbedaannya.
b. Variasi yang diakibatkan selama waktu tertentu diantara produk-produk
yang diproduksi. Misalnya suatu produk mempunyai kualitas yang
berbeda yang diproduksi pada saat berdekatan.
c. Variasi dari sebuah produk yang diproduksi berlainan waktu. Misalkan
produksi shift 1 berbeda dengan produksi pada shift 2.
Faktor yang mempengaruhi variasi dapat berupa faktor langsung dan
faktor tidak langsung. Faktor langsung yang menyebabkan terjadinya
variasi produk yaitu.
a. Perencanaan yang kurang matang
b. Bahan baku yang tidak sesuai
c. Rusaknya alat pencetak
d. Suhu yang kurang pas
e. Human Error
f. Urutan proses yang belum jelas
g. Penyimpanan dalam gudang yang terlalu lama.
h. Pada saat pemgiriman terjadi kerusakan yang tidak diinginkan.
Metode untuk menyelesaikan sebuah variasi dari produksi sebuah
produk dapat diatasi dengan metode:
a. Menentukan batasan penyimpangan
Batasan penyimpangan ditetapkan oleh tim manajerial sampai tingkat
berapa persen tingkat penyimpangan yang menjadi kesepakatan dan
ditetapkan oleh surat keputusan Pimpinan perusahaan. Perusahaan
yang masih merintis mempunyai batasan penyimpangan fleksibel.
Perusahaan yang mapan mempunyai ketetapan penyimpangan yang
sangat ketat dan tidak fleksibel.
Universitas Pamulang S1 Matematika
75 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
b. Pengawasan proses baik dalam kondisi stabil atau tidak lebih
dipermudah dan konsisten.
Pengawasan proses merupakan hal penting dalam proses produksi
sebuah produk. Pengawasan yang baik akan memudahkan menilai
sebuah produk akan menghasilkan produk yang baik dengan variasi
yang terkendali. Sebaliknya jika susah dilaksanakan pengawasan akan
lebih mudah memunculkan variasi produk yang tidak terkendali.
c. Pengambilan keputusan yang cepat jika terjadi banyaknya variasi pada
produk yang diproduksi.
Mudahnya pengawasan dan dapat mengambil data dengan mudah
sehingga dapat mempermudah analisa data. Analisa data yang dibuat
rangkumannya memudahkan manajerial untuk membuat keputusan
sesuai dengan kenyataannya yang terjadi dan tepat sasaran.
2. Uji Homogenitas
Uji Homogenitas merupakan pengujian lebih dari sama dengan dua
kelompok data berasal dari sumber atau responden yang sama dengan
mengetahui bentuk varians data homogen berdasarkan faktor tertentu.
Data univariate dapat dilakukan uji homogenitas dengan menggunakan Uji
Bartlet dan Lavene.
a. Uji Bartlett
Syarat uji homogenitas dengan menggunakan metode Bartlett
yaitu data harus berdistribusi normal. Untuk menggunakan uji Bartlett,
jumlah kedua data yang dibandingkan tidak sama. Misalnya, data
pertama berjumlah 10 dan data kedua berjumlah 12.
Hipotesis pengujian homogenitas dengan metode bartlett adalah
sebagai berikut.
H0 :
(Data Homogen)
H1 : paling sedikit ada satu yang tidak sama (Data tidak Homogen)
Statistik Uji Bartlett
(7.1)
Dimana
(7.2)
2
/11212
2
121 ...
21
p
kNn
k
nn
s
sss
b
ki
kN
sn
s
k
i
ii
p
1
2
2
1
Universitas Pamulang S1 Matematika
76 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Kesimpulan : H0 ditolak jika );( nkbb (Walpole, 1995).
Contoh 7.1.
Jenis makanan diberikan kepada responden dengan jumlah jenis
makanan ada 4 jenis yaitu A, B, C, dan D dengan pertambahan berat
badan setelah selang waktu yang sama sebagai berikut.
Tabel 7.1. Data BCN
Pe
rtam
bah
an B
era
t B
adan
Jenis Makanan
A B C D
11 13 7 8
21 17 18 15
19 11 16 17
18 17 19 19
19 25
Uji homogenitas data tersebut dengan menggunakan Uji Bartlett!
Penyelesaian 7.1.
Langkah awal menghitung nilai ragam atau varian dari masing-masing
data kelompok sehingga diperoleh:
Langkah kedua membuat tabel berikut
Tabel 7.2. Bantua Perhitungan Uji Homogen
sampel ke Dk 1/Dk
Log( )
Dk (Log(
))
1 4 0.25 14.8 1.170 4.681
2 4 0.25 28.8 1.459 5.838
3 3 0.33 30 1.477 4.431
4 3 0.33 22.92 1.360 4.080
14 19.030
Langkah ketiga menghitung varians gabungan yaitu
( ) ( ) ( ) ( )
Langkah keempat menentukan nilai b yaitu
( )∑( )
Universitas Pamulang S1 Matematika
77 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
( )
Langkah kelima menentukan nilai yaitu
( ) { ∑[( )
]}
( )( )
Langkah keenam menentukan nilai dengan
dk = (k-1)
dk = (4-1)
dk = 3
dengan taraf kepercayaan 95% sehingga diperoleh nilai yaitu
( )( )
Langkah ketujuh menyimpulkan
Karena nilai ( )( )
maka data yang diperoleh homogen.
b. Uji Lavenes
Uji Levene juga merupakan metode pengujian homogenitas
varians yang hampir sama dengan uji Bartlet. Perbedaan uji Lavene
dengan uji Bartlett yaitu bahwa data yang diuji dengan uji Levene tidak
harus berdistribusi normal, namun harus kontinue. Pengujian hipotesis
yaitu :
H0 :
(Data homogen)
H1 : paling sedikit ada satu yang tidak sama (Data Tidak
Homogen)
Statistik Uji Lavenes
(7.3)
: median data pada kelompok ke-i
Z.. : median untuk keseluruhan data
Kesimpulan : Ho ditolak jika ),1,( kNkFW .
Uji homogenitas dengan mengguakan excel dengan langkah sebagai
berikut.
a. Menentukan Hipotesis, baik hipotesis awal maupun hipotesis alternatif
yaitu
Ho : kedua data tidak homogen
Ha : kedua data homogen
b. Menentukan Taraf Signifikan
k
i
n
j
iij
k
i
i
i
ZZk
ZiZNkN
W
1 1
2
1
2
.
.)()1(
)...()(
Universitas Pamulang S1 Matematika
78 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Menentukan taraf kesalahan atau taraf signifikan sebesar 0,05 (5 %
derajat kesalahan dan 95% derajat kebenaran).
c. Data
Data Produksi Shift 1 (SF1) dengan Shift 2 (SF2) ditampilkan sebagai
berikut.
Tabel 7.3. Data Produksi MM
No SF1 SF2
1 5 4 2 10 8 3 20 15 4 15 10 5 10 7
d. Langkah Analisis
1) Masukan data ke excel dengan dua kolom
Gambar 7.1. Data
Universitas Pamulang S1 Matematika
79 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
2) Blok kedua data
Gambar 7.2. Proses Blok Data
3) Klik Data
Gambar 7.3. Tool Data
4) Klik Data Analysis
Gambar 7.4. Tool Analysis
Universitas Pamulang S1 Matematika
80 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
5) Pilihlah F-test Two-Sample for variances
Gambar 7.5. F-test
6) Masukan masing-masing data
Letakkan kursor di kolomnya lalu blok data masing-maing kolom
maka akan muncul seperti berikut
Gambar 7.6. Input Sortir Data
Klik lebel, Klik ok, maka akan muncul sebagai berikut
Gambar 7.7. Hasil F-test
Universitas Pamulang S1 Matematika
81 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Diperoleh
F hitung = 1,809210526
F tabel = 9,276628153
7) Membandingkan
Gunakan funtion di excel yaitu dengan menggunakan IF
=IF(B8<B10;"Homogen";"Tidak Homogen")
Karena Fh < Ft maka Ho diterima
8) Kesimpulan
Data creat mahasiswa dengan creat dosen homogen
C. TUGAS
Perusahaan VVV akan melakukan uji kesamaan dua data produksi dengan
data sebagai berikut.
Tabel 7.4. NNN
No Data Hari 1 Data Hari 2
1 134 129
2 211 200
3 190 199
4 215 221
5 196 189
6 180 177
7 198 198
8 221 231
9 212 207
10 197 196
Uji kesamaan data di atas dengan menggunakan uji homogenitas dan analisa
bentuk datanya.
D. REFERENSI
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
Supangat, Andi. 2007. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta: Kencana.
Praptono. 1986. Statistika Pengawasan Kualitas. Jakarta: Karunika
Universitas Terbuka.
Ronal E. Walpole. 1993. Pengantar Statistika. Jakarta : Gramedia.
Universitas Pamulang S1 Matematika
82 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE-8
DEFINISI DAN MANFAAT STATISTIKA PENGENDALIAN KUALITAS
A. TUJUAN
Setelah membahas materi pada pertemuan kedelapan ini diharapkan
mahasiswa mampu :
1. Menjelaskan definisi statistik pengendalian kualitas
2. Menjelaskan manfaat statistik pengendalian kualitas
B. URAIAN MATERI
1. Definisi Statistik Pengendalian Kualitas
Pada sub materi pertama kita akan membahas tentang definisi
daripada statistik pengendalian kulaitas. Namun kita harus tahu terlebih
dahulu tentang definisi kualitas itu sendiri. Dimana kualitas pada dasarnya
adalah ukuran tingkat kesesuaian barang/ jasa dengan
standar/spesifikasi yang telah ditentukan/ ditetapkan. Berikut adalah
pendapat beberapa ahli tentang kualitas, sebagai berikut: (Ariani, 2004:
3) Ada dua segi umum tentang kualitas yaitu, kualitas rancangan
dan kualitas kecocokan. Semua barang dan jasa dihasilkan dalam
berbagai tingkat kualitas. Crosby (1979) Kualitas adalah kesesuaian
dengan kebutuhan yang meliputi availability, delivery, realibility,
maintainability dan cost effectivenes. Elliot (1993) Kualitas adalah
sesuatu yang berbeda untuk orang yang berbeda dan tergantung
pada waktu dan tempat atau dikatakan sesuai dengan tujuan yang
disengaja, maka dari itu istilah teknik yang sesuai adalah kualitas
rancangan. Feigenbaum (1991) Kualitas merupakan keseluruhan
karakteristik produk dan jasa yang meliputi marketing, engineering,
manufacture, dan maintenance, dalam mana produk dan jasa
tersebut dalam pemakaianya akan sesuai dengan kebutuhan dan
harapan pelanggan. Garvin (dalam Bounds, et.al., 1994 : 46-84;
Lovelock, 1944 : 101-107), Membagi pendekatan modern terhadap
kualitas ke dalam empat era kualitas, yaitu inspeksi, pengendalian
kualitas secara statistik, jaminan kualitas, dan manajemen kualitas
strategik.
Statistik merupakan ilmu matematika yang membahas mengenai
cara mengumpulkan data, mengolah data, menyajikan data, dan
menyimpulkan data dari sampel yang mewakili populasi. Pengendalian
kualitas adalah prosedur yang meliputi bebagai bentuk teknik dan alat –
alat untuk menjaga kualitas suatu produk yang diproduksi guna
memenuhi konsumen atau pemesan dengan memperhatikan biaya dan
waktu yang efisien mungkin sehingga menghasilkan keuntungan yang
optimum. Maka definisi statistik pengendalian kualiitas adalah bagian ilmu
Universitas Pamulang S1 Matematika
83 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
matematika yang membahas tentang pengumpulan data, teknik
pengolahan data, penyajian data dalam bentuk alat yang dipakai untuk
pengendalian kualitas produk, dan penyimpulan sebagai alat ukur guna
memenuhi kualitas produk yang diharapkan konsumen atau pemesan
dengan biaya dan waktu yang efisien.
Konsep dasar penggunaan statistik untuk pengendalian kualitas,
bermula dari berbagai kajian dan eksperimen beberapa ahli statistika. Dr.
Waiter Shewhart ilmuwan pada Laboratonum Bell, yang dipublikasikan
tahun 1924. prinsip-prinsip pengendalian mutu secara statistik mulai
dikenal. Dr. Shewhar dan rekan-rekannya mengembangkan diagram-
diagram pengendalian selama 1920-1930. Dr. Waiter Shewhart
menggunakan hukum-hukum probabilitas dan statistik untuk
menggambarkan bagaimana suatu variasi mempengaruhi ukuran-
ukuran sampel bagi produk- produk manufaktur, yaitu:
a. Bila suatu barang atau jasa yang diproduksi outputnya akan
serupa (similar) tetapi tidak sama (identical).
b. Adanya variasi adalah merupakan hal yang normal dan wajar.
c. Tidak ada dua benda yang benar-benar sama. Namun Shewhart
menganggap terdapat dua variabilitas yaitu variabilitas yang
berada dalam batas-batas yang ditentukan dan variabilitas yang
berada di Iuar batas-batas.
d. Dia mengamati bahwa data tidak selalu memberikan kepastian
mengenai pola yang "normal". Sehingga dari ketidak konsistenan
yang ditunjukkan data, dia menyimpulkan bahwa meskipun dalam
setiap proses selalu dihasilkan variasi pada proses yang
menghasilkan variasi terkendali (controlled variation) dan ada
proses yang menghasilkan variasi tak terkendali (uncontrolled
variation).
Pengendalian kualitas sangat diperlukan sekali dalam bidang
industri untuk menjaga kestabilan kualitas akan produk yang
diproduksinya. Kualitas akan suatu produk akan menentukan Permintaan
konsumen akan suatu barang atau produk sangat bergantung kepada :
a. Keadaan strata ekonomi konsumen.
b. Kesesuaian waktu dalam memerlukan suatu produk.
c. Manfaat dari pada sebuah produk.
d. Kualitas akan suatu produk.
e. Harga beli dari sebuah produk yang baru.
f. Harga jual dari sebuah produk sisa pakai.
g. Merek dari sebuah produk.
Pada proses produksi hal – hal di atas yang berkaitan dengan
pengendalian kualitas dijabarkan dalam bentuk :
a. Pendetailan sebuah ukuran produk
b. Ciri – ciri dari pada operasi produk
Universitas Pamulang S1 Matematika
84 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
c. Biaya produksi baik bahan baku dan proses produksi produk
d. Syarat produksi yang mendukung guna memenuhi standar kualitas
produk yang dipesan oleh konsumen.
Syarat – syarat di atas terkadang tidak dapat terpenuhi secara
menyeluruh dalam pembuatan sebuah produk yang dipesan oleh
sipemesan. Sebagai ilustrasi merek handpone tertentu yang awalnya
harganya sangat tinggi dengan sfesifikasi yang berkualitas dengan
memperhatikan bahan baku dan mesin yang terjamin sehingga
mempunyai daya tahan yang cukup lama. Tetapi dengan pesatnya
perkembangan teknologi banyak pabrik elektronik yang memproduksi
handpone yang mirip dengan handpone yang diproduksi sebagai
pencetus. Sehingga sebuah perusahaan tersebut mengembangkan
produksinya dengan mengefisienkan biaya dari pada bahan baku dan
biaya produksi sehingga menghasilkan produk yang lebih murah dari
pada produk sebelumnya dengan mengurangi kualitas utama dengan
tidak mengurangi keinginan dari si konsumen.
Produk yang beredar ditengah – tengah konsumen pada era tahun
2015 ini lebih cenderung kepada kualitas bodi dari pada kualitas mesin
dan bahan yang terjamin sehingga dengan begitu konsumen tergiur untuk
membelinya dengan sfesifikasi yang luar biasa dengan harga yang
sangat murah. Padahal produk tersebut ketika sudah dipakai oleh
konsumen hanya bertahan beberapa waktu saja terkadang yang lebih
mengherankan ada barang dengan tampilan yang sangat baik ternyata
tidak tahan lam ketika dipakai.
Langkah – langkah untuk pengendalian kualitas suatu produk :
a. Menentukan Standar
Menentukan standar produk yang akan diproduksi sesuai dengan
standar pemesan atau konsumen. Kemudian standar tersebut
dideskripsikan dan dirinci sehingga memudahkan dalam proses
produksi untuk dapat mengefisienkan biaya bahan baku dan biaya
produksi.
b. Menentukan Pembanding
Membuat produk yang sesuai dengan pemesanan dengan produksi
pada waktu operator produksi dalam keadaan seimbang sehingga
memenuhi standar kualitas. Produk tersebut dapat dijadikan
sebagai pembanding untuk menentukan produk – produk
sesudahnya agar terkendali.
c. Melakukan Tindakan
Setelah membandingkan produk yang diproduksi dengan produk
yang sebagai pembanding, maka jika terjadi kesalahan dalam
produksi tersebut atau kualitas menurun harus segera diilakukan
tindakan yang cepat guna menyelesaikan penurunan kualitas
tersebut agar tidak terjadi sererusnya. Dengan tidak mengabaikan
efisiensi biaya produksi.
Universitas Pamulang S1 Matematika
85 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
d. Melakukan Evaluasi
Perusahaan secara berkala melakukan riset guna memperbaiki
dari pada sebuah produk agar dimungkin dapat menghasilkan
produk yang sama dengan kualitas yang sama tetapi dengan harga
yang lebih murah. atau mungkin perusahaan lebih
mengembangkan lagi guna memndapatkan side agar dapat
memproduksi produk yang lebih baik dari pada produk sebelumnya
dengan tidak mengabaikan efisien biaya total.
Teknik untuk pengendalian kualitas pada statistik dapat
dipergunakan waktu kapan saja dan tempat yang berlainan sekalipun.
Penyajian data pada statistik sebagai langkah pengendalian kualitas yaitu
dengan metode yang khusus atau metode yang digabungkan antara
metode satu dengan metode yang lainnya. Metode penyajian data pada
ststistik dengan beberapa metode yaitu sebagai berikut :
a. Diagram Garis
Suatu diagram yang menggambarkan penyajian data dari
waktu ke waktu, sehingga akan jelas terlihat peningkatan atau
penurunannya. Sehingga mudah untuk mengevaluasi dari proses
produksi. Teknik ini untuk mengetahui seberapa banyak produk
yang cacat dan produk yang lolos sehingga layak dikatakan
sebagai produk yang berkualitas. Perhatikan gambar grafik garis
sebagai berikut :
Gambar 8.1.
Contoh Diagram Garis
Dengan melihat gambar grafik garis di atas maka kita bisa
mengetahui naik turun dari data terebut.
b. Distribusi frekuensi
0
5
10
15
20
25
0 5 10 15 20 25
DATA SAMPEL
Universitas Pamulang S1 Matematika
86 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Distribusi frekuensi merupakan data tunggal yang telah
disusun menjadi kelas – kelas interval dengan langkah penulisan
cara tally. Sehingga dengan tabel distribusi kita dapat mengetahui
karakteristik dari sebuah data yang telah dirinci dalam bentuk kelas
– kelas yang berinterval. Dengan distribusi frekuensi kita dapat
mengetahui :
1) Penyebaran kualitas produk
2) Kualitas sebuah produk dengan rata – rata
3) Dapat membandingkan produk dari beberapa sfesifikasi data
yang diperoleh dari kelas – kelas interval yang terinci.
Perhatikanlah oleh Anda contoh Distribusi Frekuensi berikut :
Tabel 8.1. Contoh Tabel Distribusi Frekuensi
No Data Frekuensi
1 60 – 65 12
2 66 – 71 14
3 72 – 77 18
4 78 – 83 16
5 84 - 89 10
c. Gambar Kontrol
Gambar kontrol merupakan penyajian data dalam bentuk
grafik sehingga dengan mudah mengetahui data tersebut dalam
kondisi terkontrol atau tidak dengan adanya batasan baik batasan
bawah atau batasan atas. Gambar kontrol ada tiga macam bentuk
yaitu :
a. Gambar kontrol shewart untuk ukuran karakteristik kualitas
disebut juga dengan gambar untuk variabel atau gambar untuk
(rata – rata)dan R (Range atau jangkauan) dan gambar
untuk (rata – rata) dan (simpangan baku).
b. Gambar kontrol untuk proporsi atau perbandingan antara
banyaknya produk yang cacat dengan seluruh produksi.
Gambar kontrol ini sering disebut dengan gambar p (p-chart).
c. Gambar kontrol untuk jumlah cacat perunit. Gambar kontrol ini
sering disebut dengan gambar kontrol c (c-chart).
Gambar diatas dapat dipergunakan baik dalam industri maupun
manajemen, sehingga pengendalian kualitas dapat terkendali
dengan sebaik – baiknya. Perhatikanlah oleh Anda contoh kartu
kendali berikut :
Universitas Pamulang S1 Matematika
87 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Gambar 8.2
Contoh Kartu Kendali
d. Tabel Sampling
Tabel sampling dapat dipergunakan untuk menjamin
ketercapaian kualitas sebuah produk yang dikehendaki baik oleh
produsen terlebih oleh si pemesan atau konsumen. Dengan tabel
sampling persentase ketercapaian sebuah produksi produk dapat
terlihat ketika tercapai atau tidak.
e. Metode Khusus
Kontrol kualitasmetode khusus dipergunakan dalam dunia industri
dikarenakan metode ini terkategori rumit dimana anataranya
adalah korelasi, analisis varian, analisis toleransi dan lain – lain.
2. Manfaat Statistik pengendalian Kualitas
Pada sub materi kedua pada bab ketujuh kita akan membahas
manfaat dari pada statistik pengendalian kualitas. Statistik pengendalian
kualitas merupakan suatu alat manajemen metode statistik secara ilmiah
dan terprosedur dengan baik sehingga dapat memberikan keuntungan
yang optimum. Beberapa manfaat dari pada statistik pengendalian
kualitas adalah sebagai berikut :
a. Menyajikan teknik untuk lebih mengerti akan adanya variasi dalam
karakteristik kualitas dan menoong untuk secara langsung atau tidak
langsungmemperbaiki kualitas atau menurunkan biaya atau kedua-
duanya. Dengan mengetahui ratio =
terdiri dari dua faktor
utama yaitu faktor biaya dan kualitas dimana untuk kualitas oarang
akan menyadari akan variasinya. Semakin besar biaya yang
digunakan maka rasio akan semakin kecil, maka ketika ingin
mendapatkan rasio yang besar artinya biaya harus diefisienkan
sehingga akan lebih kecil biaya sehingga ratio akan semakin besar.
0
5
10
15
20
25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
KARTU KENDALI
LKA TITIK SENTRAL DATA SAMPEL LKB
Universitas Pamulang S1 Matematika
88 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Dengan ratio semakin besar maka berarti kualitas barang akan
semakin baik.
b. Dengan menggunakan pengendalian kualitas akan meningkatkan
kualitas produk semakin lebih baik. Secara pengamatan biasanya
seseorang akan melihat drai pada rata – rata yaitu jumlah
pengamatan dibagi dengan banyaknya pengamatan yang diamati.
Untuk itu dalam statistik pengendalian kualitas akan digunakan
dengan adanya toleransi sebagai dasar untuk menjadikan standar
patokan dalam perbandingan apakah sebuah produk memenuhi
kriteria atau tidak. Misaknya sebuah patokan standar disebutkan 8
0,05 cm, maka jika ada ukuran 8,1 cm maka masih terkategori masuk
dalam kriteria dalam produk yag terkendali dalam hal kualitas, jika
ada data 7,99 cm, maka data tersebut menandakan bahwa produk
tersebut terkategori dalam produk dalam kendali dimana kualitas
produk masih terjaga, dan ketiga 7,89 maka data ini termasuk dalam
kategori dibawah standar maka data produk ini terategori tidak
terkendali dimana kualitas produk ini tidak terkategori kurang
kualitasnya.
c. Menjaga kualitas lebih merata(uniform), barang yang diproduksi
secara masala dengan menggunakan alat cetak yang sama maka
tetap akan terjadi penyimpangan. Jika penyimpangan keluar dari
kontrol maka dinamakan dengan produksi dengan kalitas yang tak
terkontrol. Tidak mungkin dalam suatu produksi dengan jumlah yang
masal akan terus sama akan tetapi akan terjadi penyimpangan tetapi
penyimpangan dengan kartu kendali akan menjadikan pembuatannya
dengan penyimpangan yang relatif kecil sehingga masih tetap
dikatakan sebagai produsi dengannormal atau uniform.
d. Menjadikan dalam penyedian bahan baku menjadi lebih berkualitas.
Produk yang berkualitas bergantung kepada bahan bakunya. Jika
bahan baku tidak berkualitas maka produk yang diproduksinya pun
akan kurag berkualitas juga. Sebaliknya jika bahan baku yang
disediakan adalah berkualitas maka produk yang dihasilkanpun akan
berkualitas. Namun tidak semata – mata bahan baku yang
berkualitas sehingga menjadikan produk berkualitas ada pengaruh
lainnya sehingga menjadikan produk berkualitas.
e. Penggunaan alat produksi yang lebih efisien. Dalam dunia industri
proses pembuatan produk ada yang menggunakan mesin ada yang
manual dengan manusia. Ketika menggunakan mesin maka secara
otomatis mesin perlu adanya pematauan apakah berjalan dengan
baik ataukah tidak maka dari itu diperlukannya alat engontrol hasil
dengan statistik pengensalian kualitas, sehingga akan lebih tepat
kapan harus diperbaiki mesin tersebut agar seperti beropersi pada
awal produksi. Sehingga produksi akan terjamin kulitasnya.
f. Mengurangai kerja ulang, sehingga akan menjadikan waktu produksi
lebih tepat waktu. Selain produksi akan berjalan dengan baik
menjadikan produksi tidak banyak terjadi pembuangan barang rusak
Universitas Pamulang S1 Matematika
89 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
sehingga akan menjadikan penambahan baku yang baru menjadikan
biaya yang dieluarkan akan membengkak, selain itu jika terlalu sering
keraja ulang akan menjadikan produk yang dipesan akan menjadikan
tidak tepat waktu.
g. Inspeksi yang lebih baik, sehingga dapat menentukan apakah suatu
produk memenuhi standar kualitas yang diiinginkan ataukah tidak
memenuhi. Jika inspeksi dilakukan pada suatu barang maka perlu
pengontrolan yang sangat baik sehinga jika ada banyak produk yang
kualitasnyna jatuh pada batas tolerasi maka petugas kualitas akan
mengalami kesusahan untuk menerima ataupun menolak sehingga
perlu diperiksa untuk dikontrol kembali. Jika terlalu banyak produknya
maka akan menggunakan metode sampling untuk melakukan
pengontrolan kembali.
h. Memperbaiaki hubungan Produsen dan konsumen. Dalam dunia
industri penyediaan bahan baku akan terjadi dari pihak industri yang
lain. Contoh industri minuman memerlukan gula dari produksi industri
yang lain, pembuatan baja memerlukan bahan baku dari indusrti yang
lain. Sehingga ketika salig menjaga kualitas akan menjadikan produk
yang dihasilkan nerkualits yang tinggi menjadikan hubungan
konsumen dan produksi akan menjadi lebih baik sesuai dengan
esannan awal.
i. Sfesifikasi lebih baik, dengan menyebutkan secara rinci dari
sfesifikasi suatu produk yang dihasilkan oleh pabrik konsumen an
lebih mudah untuk mendapatkan produk yang tepat yang memang
benar-benar diinginkan oleh konsumen. Contoh seserang ingin
mendapatkan sepatu berukuran 39, maka denganmudah akan
mendapatkannya setiapproduk yang dihasilkan sudah terera nomor
dan pilihannya.
j. Menjadikan dunia pabrik menjadi saling percaya dan dinamis dalam
bekerja, dengan data seseorang dikritik akan lebih menerima
dibandingakan dengan pembicaraan tanpa ada data yang
mendukung. Karena tanpa data akan saling klaim bahwa dirinya
masih dalam keadaan baik, sehingga tidak mungkin menghasilkan
produk yang gagal.
C. TUGAS
PETUNJUK :
1. Tugas ini sebagai Tugas ke-8 Mata Kuliah Statistik Pengendalian
Kualitas.
2. Tugas diketik dalam kertas A4, margin Narrow, jenis huruf Times New
Roman 12 pt, spasi 1,15.
3. Dikirimkan dalam bentuk Word dengan nama file : Nama/ Tugas Ke-1/
Statistik Pengendalian Kualitas ke email : [email protected]
paling lambat sebelum perkuliahan pertemuan ke-9 dimulai.
4. Keterlambatan pengiriman tugas akan diberikan nilai nol.
Universitas Pamulang S1 Matematika
90 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
TUGAS :
Buatlah Makalah yang berupa :
1. Cover yang berisi judul, logo UNPAM dan nama
2. Tinjauan Pustaka mengenai :
a. Definisi Kualitas menurut beberapa ahli
b. Definisi Statistik Pengendalian Kulaitas
c. Manfaat Statistik Pengendalian Kualitas
3. Pembahasan
4. Kesimpulan
5. Daftar Pustaka
D. REFERENSI
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Praptono. 1986. Statistika Pengawasan Kualitas. Jakarta: Karunika
Universitas Terbuka.
Ronal E. Walpole. 1993. Pengantar Statistika. Jakarta : Gramedia.
Universitas Pamulang S1 Matematika
91 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE-9
KARTU KENDALI PRODUK UNTUK RATA-RATA
A. TUJUAN
Setelah Anda (Mahasiswa) mempelajari pertemuan ke-9 ini diharapkan
mampu membuat kartu kendali rata – rata.
B. URAIAN MATERI
1. Kartu Kendali Rata-Rata
Sub bab pertama pada bab kedelapan ini kita akan membahas
tentang kartu kendali rata – rata. Apa yang dimaksud dengan kartu kendali
rata – rata ? Kartu kendali rata – rata merupakan kartu kendali yang
berlandasakan kepada perhitungan rata – rata yang dikombinasikan
dengan simpangan baku dan jangkauan sehingga dapat menjadikan
kendali baik bahan baku ataupun barang jadi. Karu kendali rata – rata
menggunakan perhitungan dengan rata – rata hitung yang sudah dibahas
pada bab pertama. Perhatikanlah tabel berikut :
Tabel 9.1.
Kerangaka Pengambilan Data untuk Kartu Kendali
No Periode Sampel
Ukuran sampel Mean Range Simpangan
Baku
1 A1 A2 ... An 2 ... ... ... ... ... N ... ... ... ...
Langkah untuk membuat kartu kendali rata – rata :
a. Menghitung rata – rata hitung ( ) tiap baris pada data dengan
banyaknya data tiap baris yaitu n.
b. Menghitung jangkauan (R) atau range tiap baris
c. Menghitung simpangan baku ( ) tiap baris.
d. Menghitung rata – rata dari rata – rata baris dengan banyaknya data
adalah N. Perumusannya adalah sebagai berikut.
(9.1)
e. Menghitung rata – rata jangkauan ( ) dengan banyaknya data
adalah N. Perumusan untuk rata – rata jangkauan adalah
(9.2)
∑
∑
Universitas Pamulang S1 Matematika
92 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
f. Mengitung rata – rata simpangan baku ( ) dengan banyaknya data
adalah N. Perumusannya adalah
(9.3)
Membuat kartu kendali untuk rata – rata yaitu dengan
menentukan rata – rata dari rata – rata per periode sampel sebagai titik
sentral. Untuk perumusan batas atas diberikan istilah Limit Kontrol Atas
(LKA) sedangkan untuk batas bawah diberikan istilah Limit kontrol
bawah ( LKB). Untuk lebih jelasnya Anda perhatikan perumusan –
perumusan untuk pembuatan kartu kendali rata – rata sebagai berikut :
a. Metode I
Titik sentral atau titik tengah dalam kartu kendali metode satu
yaitu rata – rata dari rata – rata sampel per periode sampel yaitu
dilambnagkan dengan . Rata – rata dari periode sampel kita cari
simpangan bakunya yaitu
(9.4)
Menentukan LKA yaitu
(9.5)
Menentukan LKB yaitu
(9.6)
b. Metode II
Metode kedua membuat kontrol kendali rata – rata ini
memperbaharui metode pertama yaitu untuk mencari adalah
dengan langakah sebagai berikut :
1) Menghitung simpangan baku aksen ( yaitu :
(9.7)
d2 dapat diperoleh dengan menggunakan tabel 9.2.
∑
√∑(
LKA =
LKB =
Universitas Pamulang S1 Matematika
93 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
TABEL 9.2.
Nilai d2 untuk Menentukan
Banyaknya Pengamatan Dalam Periode Sampel (n)
d2
2 1,128 3 1,893 4 2,059 5 2,236 6 2,834 7 2,704 8 2,847 9 2,970 10 3,078 11 3,173 12 3,258 13 3,338 14 3,407 15 3,472 16 3,532 17 3,588 18 3,840 19 3,889 20 3,738
2) Menghitung simpangan baku untuk rata – rata periode sampel
yaitu
(9.8)
Menentukan LKA yaitu
(9.9)
Menentukan LKB yaitu
(9.10)
c. Metode III
Metode ketiga membuat kontrol kendali rata – rata merupakan
metode pembaharuan dari pada metode kedua dimana untuk nilai
(9.11)
√
LKA =
LKB =
√
Universitas Pamulang S1 Matematika
94 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
dapat kita rubah menjadi
√ dan untuk nilai
√ dapat dilihat
pada Tabel 9.3. Dimana untuk nilai
(9.12)
Menentukan LKA yaitu
(9.13)
Menentukan LKB yaitu
(9.14)
TABEL 8.3
Nilai A2 Pada Kartu Kontrol Rata – Rata
Banyaknya Pengamatan dalam Periode Sampel (n)
A2
2 1,88 3 1,02 4 0,73 5 0,58 6 0,48 7 0,42 8 0,37 9 0,34 10 0,31 11 0,29 12 0,27 13 0,25 14 0,24 15 0,22 16 0,21 17 0,20 18 0,19 19 0,19 20 0,18
d. Metode IV
Metode keempat untuk membuat kontrol kendali rata – rata
merupakan metode pembaharuan dari pada metode ketiga dimana
untuk nilai
(9.15)
Karena
√
LKA =
LKA =
√
Universitas Pamulang S1 Matematika
95 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
(9.16)
nilai dari pada c2 dapat dilihat pada tabel 9.4. yaitu :
Tabel 9.4.
Nilai c2 untuk Menentukan
Banyaknya Pengamatan Dalam Periode Sampel (n)
c2
2 0,584 3 0,724 4 0,798 5 0,841 6 0,869 7 0,888 8 0,903 9 0,914 10 0,923 11 0,930 12 0,936 13 0,941 14 0,945 15 0,949 16 0,952 17 0,955 18 0,958 19 0,960 20 0,962
Sehingga
√ dapat kita rubah menjadi
(9.17)
Perumusan untuk nilai
(9.18)
dan untuk nilai A1 dapat dilihat pada Tabel 9.5.
Tabel 9.5.
Nilai A1 untuk Kartu Kendali Rata – Rata
Banyaknya Pengamatan Dalam
Periode Sampel (n) A1
2 3,76
3 2,39
4 1,88
5 1,60
√
√
Universitas Pamulang S1 Matematika
96 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Banyaknya Pengamatan Dalam
Periode Sampel (n) A1
6 1,41
7 1,28
8 1,17
9 1,09
10 1,03
11 0,97
12 0,93
13 0,88
14 0,85
15 0,82
16 0,79
17 0,76
18 0,74
19 0,72
20 0,70
Menentukan LKA yaitu
(9.19)
Menentukan LKB yaitu
(9.20)
Contoh 9.1.
Berikut ini diberikan hasil pengamatan mengenai produk barang X
yang diteliti sebanyak 20 sampel dengan tiap sampel terdiri atas
empat sampel . Buatlah Kartu Kendali rata-rata dengan diberikan
data pada tabel sebagai berikut.
Tabel 9.6.Data Ilustrasi
No Sampel
Daya Tahan
1 21 31 39 25
2 17 44 54 13
3 13 34 44 44
4 14 23 45 35
5 15 24 35 44
6 16 23 31 34
LKA =
LKB =
Universitas Pamulang S1 Matematika
97 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
No Sampel
Daya Tahan
7 13 34 31 46
8 12 40 30 44
9 11 45 25 42
10 10 47 41 41
11 9 34 39 43
12 15 36 37 40
13 17 40 38 32
14 19 42 32 34
15 21 43 30 45
16 22 37 27 43
17 23 38 29 41
18 34 39 30 18
19 44 40 37 41
20 20 21 35 35
Penyelesaian 9.1.
Langkah – langkah untuk membuat kartu kendali rata – rata yaitu:
1) Menghitung rata – rata tiap baris sampel. Yaitu :
Baris sampel pertama :
Dan seterusnya sampai sampel keduapuluh
2) Menghitung jangkauan tiap baris sampel . yaitu :
R1 = Xmax – Xmin
R1 = 39 – 21
R1 = 18
Dan seterusnya sampai sampel baris keduapuluh
3) Menghitung simpangan baku tiap baris. Yaitu :
√( ( ( (
√
Universitas Pamulang S1 Matematika
98 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
√
√
Dan seterusnya sampai baris sampel keduapuluh.
Perhatikanlah hasil keseluruhan pada Tabel 9.7.
Tabel 9.7. Tabel Pembantu Penyelesaian Kartu Kendali Rata-Rata
No Sampel
Daya Tahan R
1 21 31 39 25 29 18 6,78
2 17 44 54 13 32 41 17,42
3 13 34 44 44 33,8 31 12,66
4 14 23 45 35 29,3 31 11,76
5 15 24 35 44 29,5 29 10,97
6 16 23 31 34 26 18 7,04
7 13 34 31 46 31 33 11,81
8 12 40 30 44 31,5 32 12,36
9 11 45 25 42 30,8 34 13,72
10 10 47 41 41 34,8 37 14,50
11 9 34 39 43 31,3 34 13,24
12 15 36 37 40 32 25 9,92
13 17 40 38 32 31,8 23 9,01
14 19 42 32 34 31,8 23 8,26
15 21 43 30 45 34,8 24 9,81
16 22 37 27 43 32,3 21 8,23
17 23 38 29 41 32,8 18 7,15
18 34 39 30 18 30,3 21 7,76
19 44 40 37 41 40,5 7 2,50
20 20 21 35 35 27,8 15 7,26
∑
∑
∑
Menghitung rata – rata dari rata – rata yaitu :
∑
Menghitung rata – rata jangkauan yaitu :
Universitas Pamulang S1 Matematika
99 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
∑
Menghitung rata – rata simpangan baku :
∑
Menghitung simpangan baku dari rata – rata dari periode sampel
yaitu :
√∑(
√( (
√
Menentukan LKA dan LKB kartu kendali rata – rata dengan
Metode I yaitu :
LKA = 31,625 + 3(2,93) = 40,415
LKB = 31,625 - 3(2,93) = 22,835
Titik tengah = = 31,625
Gambar 9.1 Kartu Kendali
0
5
10
15
20
25
30
35
40
45
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
RA
TA-R
ATA
PERIODE SAMPEL
KARTU KENDALI RATA-RATA
LKA TS DATA LKB
Universitas Pamulang S1 Matematika
100 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Membuat kartu kendali dengan SPSS 22 yaitu :
1) Buka SPSS 22
2) Klik Variabel View dan Tulis nama data
Perhatikan :
Gambar 9.2
Variable View
3) Masukkan data pada Data View klik Analyse, klik Quality Control,
klik Control Chart
Gambar 9.3
Data View
4) Klik Individual dan klik define
Universitas Pamulang S1 Matematika
101 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Gambar 9.4.
Gambar Pemilihan
5) Masukan data ke Measurement
Gambar 9.5.
Process Measurement
6) Klik Titels
Universitas Pamulang S1 Matematika
102 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Gambar 9.6.
Subtitle
7) Klik Continu, klik ok, Sehingga akan keluar kartu kendali rata –
rata yaitu :
Gambar 9.7.
Kartu Kendali Rata - Rata
C. TUGAS
PETUNJUK :
1. Tugas ini sebagai Tugas ke-9 Mata Kuliah Statistik Pengendalian Kualitas.
Universitas Pamulang S1 Matematika
103 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
2. Tugas diketik dalam kertas A4, margin Narrow, jenis huruf Times New
Roman 12 pt, spasi 1,15.
3. Dikirimkan dalam bentuk Word dengan nama file : Nama/ Tugas Ke-1/
Statistik Pengendalian Kualitas ke email : [email protected] paling
lambat sebelum perkuliahan pertemuan berikutnya dimulai.
4. Keterlambatan pengiriman tugas akan diberikan nilai nol.
TUGAS :
Perusahaan snack merek GA ingin mengontrol kualitas produknya. Maka dari
itulah diberikan data pada Tabel 9.8.
Tabel 9.8. Ilustrasi Isi Snack Merek GA
No Sampel Isi Snack Merek XX (gram)
1 22,21 22 22,18 22,18 21,9 22,12
2 22,1 21,89 22,12 22,12 21,97 21,95
3 22,22 22,01 22,09 22,09 22,08 21,79
4 22,11 21,9 21,87 21,87 22 21,85
5 22,2 21,99 21,96 21,96 22,01 22,12
6 22,32 22,11 22,01 22,01 21,98 22
7 22,08 21,87 21,91 21,91 21,9 22
8 22,22 22,01 22,08 22,08 21,89 21,79
9 22,23 22,02 22,1 22,1 21,89 21,87
10 22,1 21,89 21,99 21,99 22,05 22,07
Dari data pada tabel di atas, Anda buatlah Kartu kendali rata-rata
D. REFERENSI
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
Supangat, Andi. 2007. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta: Kencana.
Praptono. 1986. Statistika Pengawasan Kualitas. Jakarta: Karunika
Universitas Terbuka.
Ronal E. Walpole. 1993. Pengantar Statistika. Jakarta : Gramedia.
Universitas Pamulang S1 Matematika
104 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE-10
KARTU KENDALI PRODUK UNTUK JANGKAUAN DAN STANDAR DEVIASI
A. TUJUAN
Setelah Anda (Mahasiswa) mempelajari materi pertemuan ke-10 ini
diharapkan mampu :
1. Membuat kartu kendali jangkauan.
2. Kartu kendali simpangan baku.
B. URAIAN MATERI
1. Kartu Kendali Jangkauan
Pembahasan kedua untuk kartu kendali produk berikut ini adalah
kartu kendali jangkauan. Apa yang dimaksud dengan kartu kendali
jangkauan? Kartu kendali jangkauan adalah kartu kendali yang
berdasarkan terhadap jangkauan rata – rata sebagai titik sentral dengan
adanya batasan baik atas maupun bawah dengan kombinasi dengan
simpangan baku pada data yang diperoleh. Sama halnya pada kartu
kendali rata – rata maka pada kartu kendali jangkauan ada beberaa
metode. Jangkauan merupakan selisih data terbesar dengan data terkecil.
Secara matematis dirumuskan sebagai berikut.
(10.1)
Keterangan:
Xmax : data terbesar
Xmin : data terkecil
Untuk membuat kartu kendali jangkauan maka perhatikanlah oleh
Anda langkah – langkahnya sebagai berikut :
a. Tentukan jangkaun tiap periode sampel dengan menggunakan rumus
8.19.
b. Menghitung rata – rata jangkauan dengan banyaknya data yaitu N.
Perumusan untuk rata – rata jangkauan sebagai berikut.
(10.2)
Keterangan:
: rata – rata jangkauan
Ri : jangakauan tiap baris periode untuk sampel
c. Menghitung simpangan baku untuk jangkauan tiap baris data periode
sampel. Perumusannya adalah sebagai berikut.
R = Xmax – Xmin
∑
Universitas Pamulang S1 Matematika
105 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
(10.3)
Keterangan:
: simpangan baku untuk jangkauan
Untuk menentukan limit kontrol atas (LKA) dan limit kontrol bawah
(LKB) untuk kartu kendali jangkauan ada beberapa metode yaitu :
a. Metode I
Metode pertama untuk menentukan limit kontrol atas dan limit
kontrol bawah pada kartu kendali kontrol jangkauan yaitu
(10.4)
(10.5)
Keterangan:
: simpangan baku untuk jangkauan.
: rata – rata jangkauan
Jika LKB menghasilkan nilai yang negatif sedangkan untuk nilai dari
pada jangkauan tidakakan negatif maka ilai dari LKB dijadikan nol.
b. Metode II
Metode yang kedua untuk menentukan limit kontrol atas (LKA) dan
limit kontrol bawah (LKB) untuk membuat kartu kontrol jangkauan yaitu
(10.6)
(10.7)
Untuk mendapat nilai dari pada D4 dan D3 melihat Tabel 10.1. dengan
melihat banyaknya n yaitu banyaknya data data pada sampel periode.
Tabel 10.1.
Harga D3 dan D4 untuk Diagram Kontrol R
Banyaknya Pengamatan Dalam Sampel (N)
D3 D4
2 0 3,267 3 0 2,575 4 0 2,282 5 0 2,115 6 0 2,004
√∑ ( )
LKA =
LKB =
LKA =
LKB =
Universitas Pamulang S1 Matematika
106 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Banyaknya Pengamatan Dalam Sampel (N)
D3 D4
7 0,076 1,924 8 0,136 1,864 9 0,184 1,816 10 0,223 1,777 11 0,256 1,744 12 0,284 1,716 13 0,308 1,692 14 0,329 1,671 15 0,348 1,652 16 0,364 1,636 17 0,379 1,621 18 0,392 1,608 19 0,404 1,596 20 0,414 1,586 21 0,425 1,575 22 0,434 1,566 23 0,443 1,557 24 0,452 1,548 25 0,459 1,541
c. Metode III
Metode yang ketiga untuk menentukan limit kontrol atas (LKA) dan
limit kontrol bawah (LKB) untuk membuat kartu kontrol jangkauan yaitu
(10.8)
(10.9)
(10.10)
d2 diperoleh dari Tabel 9.2. dan untuk mendapat nilai dari pada D2
dan D1 melihat Tabel 10.2. dengan melihat banyaknya n yaitu
banyaknya data data pada sampel periode.
Tabel 10.2.
Nilai D2 dan D1 untuk Kartu Kendali Jangkauan (R)
Banyaknya Pengamatan Dalam Periode Sampel (n)
D1 D2
2 0 3,69 3 0 4,36 4 0 4,70 5 0 4,92
LKA =
LKB =
Universitas Pamulang S1 Matematika
107 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Banyaknya Pengamatan Dalam Periode Sampel (n)
D1 D2
6 0 5,08 7 0,20 5,20 8 0,39 5,31 9 0,55 5,39 10 0,69 5,47 11 0,81 5,53 12 0,92 5,59 13 1,03 5,65 14 1,12 5,69 15 1,21 5,74 16 1.28 5,78 17 1,36 5,82 18 1,43 5,85 19 1,49 5,89 20 1,55 5,92
Contoh 10.1.
Diberikanlah data pada tabel berikut ini:
Tabel 10.3.
Tabel Data Jangkauan
No Sampel
Daya Tahan R
1 21 31 39 25 18
2 17 44 54 13 41
3 13 34 44 44 31
4 14 23 45 35 31
5 15 24 35 44 29
6 16 23 31 34 18
7 13 34 31 46 33
8 12 40 30 44 32
9 11 45 25 42 34
10 10 47 41 41 37
Buatlah kartu kendali jangkauan dari data di atas!
Penyelesaian 10.1.
Menghitung rata - rata R yaitu :
∑
Menghitung simpangan baku jangkauan yaitu :
Universitas Pamulang S1 Matematika
108 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
√( ) ( )
Menentukan limit kontrol bawah dan limit control atas yaitu :
LKA =
LKA ( )
LKA 51,37
LKB =
( )
9,43
Titik tengah atau titik sentral yaitu :
Menggambar kartu kendali jangkauan yaitu :
Langkah – langkah dengan SPSS 22 :
a. Buka SPSS 22
b. Klik Variable View lalu tuliskan nama variabelnya JANGKAUAN
c. Klik Data View masukan data
d. Klik Analyse Quality Control, klik Chart Control , Klik Individual , klik
Define
e. Masukkan data ke measurement, klik title tuliskan KARTU KENDALI
JANGKAUAN, klik continu klik ok akan muncul kartu kendali
jangkauan pada gambar pertama yaitu :
Gambar 8.7
Kartu Kendali Jangkaun
Universitas Pamulang S1 Matematika
109 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
2. Kartu Kendali Standar Deviasi
Kartu kendali produk yang ketiga yang akan dibahas adalah kartu
kendali standar deviasi. Kartu kendali standar deviasi merupakan kartu
kendali dengan perhitungan dasarnya adalah simpangan baku sebagai titik
sentral dengan disertai titik atas dan batas bawah dengan kombinasi
perhitungan dengan rata – rata dan jangkauan. Dimana data yang akan
diuji merupakan data simpangan baku dari setiap sampel yang ada yang
akan dimasukkan ke dalam kartu kendali. Langkah – langakah untuk
membuat kartu kendali simpangan baku adalah :
a. Menghitung simpangan baku setiap baris pada sampel, perumusannya
adalah
(10.11)
Dimana :
Ai = data ke-i sampel pada baris sampel, i = 1, ... , n
= rata – rata sampel baris
= banyaknya sampel baris
b. Menghitung rata – rata simpangan baku dari seluruh sampel yang ada.
Perumusannya adalah
(10.12)
Dimana :
= simpangan baku dari sampel baris ke-i
= banyakya sampel pada kolom sampel
c. Menghitung simpangan baku dari simpangan baku sampel tiap baris.
(10.13)
Dimana :
: simpangan baku dari simpangan baku sampel
: simpangan baku dari sampel baris ke-i
: banyakya sampel pada kolom sampel
Menentukan limit kontrol atas (LKA) dan limit kontrol bawah (LKB)
yaitu :
√∑( )
∑
√∑( )
Universitas Pamulang S1 Matematika
110 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
a. Metode I
Metode pertama untuk menentukan limit kontrol atas dan limit
kontrol bawah yaitu
(10.14)
(10.15)
Sedangkan untuk titik tengah atau titik sentralnya adalah rata –
rata simpangan baku dari tiap baris sampel ( ).
b. Metode II
Metode kedua untuk membuat limit kontrol atas dan limit kontrol
bawah yaitu
(10.16)
(10.17)
Untuk memndapatkan nilai dari B4 dan B3 dengan menggunakan
Tabel 10.4. Sedangkan untuk titik tengah atau titik sentralnya adalah
rata – rata simpangan baku dari tiap baris sampel ( ).
Tabel 10.4.
Nilai B4 dan B3 untuk Kartu Kendali Simpangan Baku ( )
Banyaknya Pengamatan Dalam Periode Sampel (n)
B3 B4
2 0 3,27 3 0 2,57 4 0 2,27 5 0 2,09 6 0,03 1,97 7 0,12 1,88 8 0,19 1,81 9 0,24 1,76 10 0,28 1,72 11 0,32 1,68 12 0,35 1,65 13 0,38 1,62 14 0,41 1,59 15 0,43 1,57 16 0,45 1,55 17 0,47 1,53 18 0,48 1,52 19 0,50 1,50 20 0,51 1,49
LKA =
LKB =
LKA =
LKB =
Universitas Pamulang S1 Matematika
111 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
c. Metode III
Metode ketiga untuk membuat limit kontrol atas dan limit kontrol
bawah yaitu
(10.18)
(10.19)
(10.20)
Untuk mendapatkan nilai dari B2 dan B1 dengan menggunakan
Tabel 10.5. dan untuk mendapatkan nilai dari c2 menggunakan Tabel
9.4. Sedangkan untuk titik tengah atau titik sentralnya adalah rata – rata
simpangan baku dari tiap baris sampel ( ).
Tabel 10.5.
Nilai B1 dan B2 untuk Kartu Kendali Simpangan Baku ( )
Banyaknya Pengamatan Dalam Periode Sampel (n)
B1 B2
2 0 1,84 3 0 1,86 4 0 1,81 5 0 1,76 6 0,03 1,71 7 0,10 1,67 8 0,17 1,64 9 0,22 1,61 10 0,26 1,58 11 0,30 1,58 12 0,33 1,54 13 0,36 1,52 14 0,38 1,51 15 0,41 1,49 16 0,43 1,48 17 0,44 1,47 18 0,46 1,45 19 0,48 1,44 20 0,49 1,43
LKA =
LKB =
=
Universitas Pamulang S1 Matematika
112 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Contoh 10.2.
Diberikanlah data pada Tabel 10.6.
Tabel 10.6.
Tabel Ilustrasi Data Simpangan Baku
No Sampel
Daya Tahan
1 21 31 39 25 6,78
2 17 44 54 13 17,42
3 13 34 44 44 12,66
4 14 23 45 35 11,76
5 15 24 35 44 10,97
6 16 23 31 34 7,04
7 13 34 31 46 11,81
8 12 40 30 44 12,36
9 11 45 25 42 13,72
10 10 47 41 41 14,50
Buatlah kartu kendali simpangan baku dari data di atas!
Penyelesaian 10.2.
Menghitung rata – rata simpangan baku
∑
Menghitung simpangan baku dari simpangan baku periode sampel yaitu
:
√( ) ( )
Menentukan limit kontrol bawah dan limit kontrol atas yaitu :
LKA =
( )
18,209
LKB =
LKB ( )
LKB 5,591
Titik tengah atau titik sentral yaitu :
Menggambar kartu kendali jangkauan yaitu :
Langkah – langkah dengan SPSS 22 :
1) Buka SPSS 22
Universitas Pamulang S1 Matematika
113 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
2) Klik Variable View lalu tuliskan nama variabelnya SIMPANGAN
BAKU
3) Klik Data View masukan data
4) Klik Analyse Quality Control, klik Chart Control , Klik Individual , klik
Define
5) Masukkan data ke measurement, klik title tuliskan KARTU KENDALI
SIMPANGAN BAKU, klik continu klik ok akan muncul kartu kendali
jangkauan pada gambar pertama yaitu :
Gambar 8.8
Kartu Kendali Simpangan Baku
C. TUGAS
PETUNJUK :
1. Tugas ini sebagai Tugas ke-10 Mata Kuliah Statistik Pengendalian
Kualitas.
2. Tugas diketik dalam kertas A4, margin Narrow, jenis huruf Times New
Roman 12 pt, spasi 1,15.
3. Dikirimkan dalam bentuk Word dengan nama file : Nama/ Tugas Ke-10/
Statistik Pengendalian Kualitas ke email : [email protected] paling
lambat sebelum perkuliahan pertemuan berikutnya dimulai.
4. Keterlambatan pengiriman tugas akan diberikan nilai nol.
TUGAS :
Perusahaan snack merek GA ingin mengontrol kualitas produknya. Maka dari
itulah diberikan data pada Tabel 10.7.
Universitas Pamulang S1 Matematika
114 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Tabel 10.7.
Ilustrasi Isi Snack Merek GA
No Sampel Isi Snack Merek XX (gram)
1 22,21 22 22,18 22,18 21,9 22,12
2 22,1 21,89 22,12 22,12 21,97 21,95
3 22,22 22,01 22,09 22,09 22,08 21,79
4 22,11 21,9 21,87 21,87 22 21,85
5 22,2 21,99 21,96 21,96 22,01 22,12
6 22,32 22,11 22,01 22,01 21,98 22
7 22,08 21,87 21,91 21,91 21,9 22
8 22,22 22,01 22,08 22,08 21,89 21,79
9 22,23 22,02 22,1 22,1 21,89 21,87
10 22,1 21,89 21,99 21,99 22,05 22,07
Dari data pada tabel di atas, Anda buatlah :
1. Kartu kendali jangkauan
2. Kartu kendali simpangan baku
D. REFERENSI
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
Supangat, Andi. 2007. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta: Kencana.
Praptono. 1986. Statistika Pengawasan Kualitas. Jakarta: Karunika
Universitas Terbuka.
Ronal E. Walpole. 1993. Pengantar Statistika. Jakarta : Gramedia
Universitas Pamulang S1 Matematika
115 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE-11
KARTU KENDALI ATRIBUT
A. TUJUAN
Setelah mahasiswa atau Anda membaca dan memahami pada materi
pertemuan ke-11 ini diharapkan mampu :
1. Membuat kartu kendali proporsi
2. Membuat kartu kendali cacat
B. URAIAN MATERI
1. Kartu Kendali Proporsi
Pada sub materi pertama ini kita akan membahas tentang kartu
kendali proporsi. Dimana yang dimaksud dengan proporsi yaitu
perbandingan produk barang yang cacat dengan banyaknya produk yang
diamati. Lambang dari proporsi itu sendiri adalah p. Sehingga pada saat
sampel diamati maka kita akan tahu seberapa persen produk yang gagal.
Kriteria atribut dari kartu kendali proporsi ini adalah diterima (baik) atau
ditolak (cacat).
Perumusan untuk proporsi adalah :
(11.1)
Keterangan:
P : proporsi
ci : banyaknya (ditolak)cacat pada pengamatan periode ke-i
Ai : banyaknya pengamatan pada periode ke-i
Langkah – langkah untuk mebuat kartu kendali proporsi adalah
sebagai berikut :
a. Menghitung proporsi tiap periode sampel dengan menggunakan
perumusan (11.1).
b. Menghitung simpangan baku dari proporsi tiap periode pengamatan
dengan perumusan adalah sebagai berikut
(11.2)
Keterangan:
p'= = rata – rata dari proporsi data populasi
(11.3)
√
∑
Universitas Pamulang S1 Matematika
116 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Keterangan:
pi : proporsi tiap periode pengamatan ke-i
N : banyaknya periode pengamatan
c. Menentukan limit kontrol bawah dan limit kontrol atas. Dimana untuk
menentukan LKA dan LKB adalah sebagai berikut :
LKA = p’ + 3√
LKB = p’ - 3√
Sedangkan untuk titik sentralnya atau titik tengah adalah p’.
Atau juga boleh menggunakan metode yang berikutnya adalah
1) Data setiap periode sama
Perhitungan dengan data yang per periodenya sama maka
menggunakan perumusan sebagai berikut.
(11.4)
(11.5)
Nilai LKA dan LKB masing-masing akan sama untuk setiap
periodenya.
Keterangan:
(11.6)
= rata – rata proporsi
n : jumlah periode
2) Data setiap periode berbeda
Perhitungan dengan data setiap periode berbeda maka
menggunakan perumusan sebagai berikut:
(11.7)
Nilai LKA akan berbeda-beda untuk setiap periode.
(11.8)
Nilai LKB akan berbeda juga untuk setiap periodenya.
Keterangan:
LKA = √
LKB = √
∑
LKAi = √
LKBi = √
Universitas Pamulang S1 Matematika
117 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
: rata – rata proporsi
: data per periode dengan I = 1, 2, …
(11.9)
n : jumlah periode
3) Data per periode berbeda menggunakan Metode Aden
Perhitungan menggunakan perumusan dengan langkah sebagai
berikut.
Langkah pertama menentukan nilai rata-rata dari jumlah data per
periode yaitu
∑
Langkah selanjutnya menggunakan perumusan LKA dan LKB
pembaharuan dengan data sama yaitu
(11.10)
(11.11)
(11.12)
Keterangan :
n : jumlah periode
: data rata-rata periode
: data periode ke-i
d. Menggambar kartu kendali proporsi
Perhatikanlah oleh Anda tabel ilustrasi berikut ini :
Tabel 11.1.
Ilustrasi Pengamatan Untuk Proporsi
No sampel Banyaknyna
pengamatan
Banyaknya
cacat
1 A1 C1
... ... ...
N An Cn
Perhatikan contoh berikut ini :
∑
LKA = √
LKB = √
∑
Universitas Pamulang S1 Matematika
118 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Contoh 11.1.
Diberikan data pada tabel berikut ini.
Tabel 11.2.
Tabel Ilustrasi Pengamatan Barang B
No sampel Jumlah produk pengamatan Jumlah produk yang
cacat
1 100 2
2 120 3
3 119 0
4 117 3
5 130 1
6 125 4
7 123 2
8 115 1
9 119 5
10 118 2
Dari data pada tabel di atas, buatlah kartu kendali untuk proporsi.
Penyelesaian 11.1.
Langkah awal menghitung proporsi dari tiap nomor sampel
pengawasan:
Proporsi pada sampel pertama :
p1 = 2/100 = 0,02
proporsi pada sampel kedua :
p2 = 3/120 = 0,025
dan seterusnya sampai data sampel kesepuluh, dimana hasilnya dapat
Anda lihat pada tabel berikut ini.
Tabel 11.3.
Tabel Pembantu Perhitungan Proporsi
Ai ci pi
100 2 0,02
120 3 0,025
119 0 0
117 3 0,025641
130 1 0,007692
125 4 0,032
123 2 0,01626
115 1 0,008696
119 5 0,042017
Universitas Pamulang S1 Matematika
119 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
118 2 0,016949
Dari tabel di atas kita hitung rata – rata proporsi!
Menghitung limit kontrol atas periode ke-1 yaitu :
√
√
LKA1 = 0,150248
Dan seterusnya sampai dengan LKA10 terangkum pada Tabel 11.3.
Menghitung limit kontrol bawah periode ke-1 yaitu :
√
√
LKB1 = -0,11145
Dan seterusnya sampai dengan LKB10 terangkum pada Tabel 11.3.
Karena pada proporsi tidak akan ada yang bernilai negatif maka
untuk nilai dari LKB harus dijadikan 0 .
Tabel 11.4. LKA dan LKB
Periode Ai ci Pi LKA LKB
1 100 2 0.0200 0.0608 -0.0220
2 120 3 0.0250 0.0572 -0.0184
3 119 0 0.0000 0.0574 -0.0185
4 117 3 0.0256 0.0577 -0.0189
5 130 1 0.0077 0.0557 -0.0169
6 125 4 0.0320 0.0565 -0.0176
7 123 2 0.0163 0.0568 -0.0179
Universitas Pamulang S1 Matematika
120 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Periode Ai ci Pi LKA LKB
8 115 1 0.0087 0.0580 -0.0192
9 119 5 0.0420 0.0574 -0.0185
10 118 2 0.0169 0.0575 -0.0187
Gambar kartu kendali proporsi dengan bantuan program EXCEL
yaitu
Gambar 11.1
Kartu Kendali Proporsi Data Berbeda Per Periode
Contoh 11.2.
Diberikan data pada tabel berikut ini.
Tabel 11.5.
Tabel Ilustrasi Pengamatan Barang B
No sampel Jumlah produk pengamatan Jumlah produk yang
cacat
1 100 2
2 100 3
3 100 0
4 100 3
5 100 1
6 100 4
7 100 2
8 100 1
9 100 5
10 100 2
Universitas Pamulang S1 Matematika
121 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Dari data pada tabel di atas, buatlah kartu kendali untuk proporsi.
Penyelesaian 11.2.
Langkah awal menghitung proporsi dari tiap nomor sampel
pengawasan:
Proporsi pada sampel pertama :
p1 = 2/100 = 0,02
proporsi pada sampel kedua :
p2 = 3/100 = 0,03
dan seterusnya sampai data sampel kesepuluh, dimana hasilnya dapat
Anda lihat pada tabel berikut ini.
Tabel 11.6.
Tabel Pembantu Perhitungan Proporsi
Ai ci pi
100 2 0,02
100 3 0,03
100 0 0
100 3 0,03
100 1 0,01
100 4 0,04
100 2 0,02
100 1 0,01
100 5 0,05
100 2 0,02
Dari tabel di atas kita hitung rata – rata proporsi!
Menghitung limit kontrol atas yaitu :
√
√
LKA = 0,06797
Universitas Pamulang S1 Matematika
122 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Menghitung limit kontrol bawah yaitu :
√
√
LKB= -0,02197
Karena pada proporsi tidak akan ada yang bernilai negatif maka
untuk nilai dari LKB harus dijadikan 0 .
Gambar kartu kendali proporsi dengan bantuan program EXCEL
yaitu
Gambar 11.2.
Kartu Kendali Proporsi Metode Data Sama Per Periode
Contoh 11.3.
Diberikan data pada tabel berikut ini.
Tabel 11.7.
Tabel Ilustrasi Pengamatan Barang B
No
sampel Jumlah produk pengamatan
Jumlah produk
yang cacat
1 100 2
2 120 3
3 119 0
Universitas Pamulang S1 Matematika
123 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
No
sampel Jumlah produk pengamatan
Jumlah produk
yang cacat
4 117 3
5 130 1
6 125 4
7 123 2
8 115 1
9 119 5
10 118 2
Dari data pada tabel di atas, buatlah kartu kendali untuk proporsi.
Penyelesaian 11.1.
Langkah awal menghitung proporsi dari tiap nomor sampel
pengawasan:
Proporsi pada sampel pertama :
p1 = 2/100 = 0,02
proporsi pada sampel kedua :
p2 = 3/120 = 0,025
dan seterusnya sampai data sampel kesepuluh, dimana hasilnya dapat
Anda lihat pada tabel berikut ini.
Tabel 11.8.
Tabel Pembantu Perhitungan Proporsi
Ai ci pi
100 2 0,02
120 3 0,025
119 0 0
117 3 0,025641
130 1 0,007692
125 4 0,032
123 2 0,01626
115 1 0,008696
119 5 0,042017
118 2 0,016949
Dari tabel di atas kita hitung rata – rata proporsi!
Universitas Pamulang S1 Matematika
124 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Menghitung rata-rata data periode yaitu
Menghitung limit kontrol atas yaitu :
√
√
LKA = 0,0574
Menghitung limit kontrol bawah yaitu :
√
√
LKB = -0,0186
Karena pada proporsi tidak akan ada yang bernilai negatif maka
untuk nilai dari LKB harus dijadikan 0 .
Gambar kartu kendali proporsi dengan bantuan program EXCEL
yaitu
Universitas Pamulang S1 Matematika
125 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Gambar 11.3.
Kartu Kendali Proporsi Data Berbeda Per Periode
2. Kartu Kendali Cacat
Pada sub materi kedua ini kita akan membahas tetang kartu
kendali cacat. Dimana kartu kendali cacat merupakan bagian
daripada kartu kendali atribut. Pengamatan pada pembahasan disini
adalah pada setiap unit barang. Jenis barang disini dikatakan baik
atau mulus dengan perbandingan cacat atau buruk. Jenis barang
disini berdekatan dengan distribusi poisson.
Jika rata – rata untuk distribusi poisson disini diketahui sama
dengan c, maka untuk kartu kendali cacat dapat dibentuk oleh
persamaan berikut ini yang membentuk batasan berupa garis-garis
baik liit kontrol atas, limit kontrol bawah dan titik sentral atau tiik
tengah. Dimana perumusannya adalah sebagai berikut
(11.7)
Sentral = c
(17.8)
Akan tetapi seperti biasanya untuk nilai dari pada c untuk parameter
populasi jarang diketahui, maka dalam hal ini untuk perumusan
batasan dalam kartu kendali cacat menjadi
(11.9)
LKA = c + 3√
LKB = c - 3√
LKA = + 3√
Universitas Pamulang S1 Matematika
126 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Sentral =
(11.10)
Dimana untuk mencari cacat rata – rata dapat dirumuskan sebagai
berikut.
(11.11)
Anda perhatikan contoh berikut ini :
Contoh 11.2.
Sebuah produksi buku tulis akan mengontrol produksinya dengan
memperhatikan pencetakan tiap lembar buku. Dengan
memperhatikan tiap garis. Maka diberikan data pada tabel data unit
produksi buku AA.
Tabel 11.4.
Banyak Garis Yang Cacat Per Buku
Buku Sampel Banyak Salah dalam
lembar (ci)
1 1 2 2 3 0 4 3 5 2 6 0 7 2 8 3 9 2 10 1 11 1 12 2 13 3 14 3 15 2 16 2 17 2 18 1 19 3 20 4
Buatlah kartu kendali cacat dari data di atas!
LKB = - 3√
∑
Universitas Pamulang S1 Matematika
127 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Penyelesaian 11.2.
Menghitung rata – rata kesalahan atau cacat yaitu :
∑
Sentral = 1,95
Menghitung limit kontrol atas yaitu :
LKA = + 3√
LKA = 1,95 + 3√
LKA = 6,1393
Menghitung limit kontrol bawah yaitu :
LKB = - 3√
LKB = 1,95 - 3√
LKB = -2,239
Dikarenakan jumlah kerusakan atau cacat tidak mungkin bernilai
negatif dan selalu positif maka jika LKA bernilai negatif harus
dijadikan nol. Sehingga :
LKB = 0
Membuat kartu kendali cacat dengan bantuan EXEL yaitu :
Gambar 11.4.
Kartu Kendali Cacat
C. TUGAS
PETUNJUK :
1. Tugas ini sebagai Tugas ke-11 Mata Kuliah Statistik Pengendalian
Kualitas.
0
1
2
3
4
5
6
7
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
KARTU KENDALI CACAT
LKA SENTRAL Banyak Salah dalam lembar (ci) LKB
Universitas Pamulang S1 Matematika
128 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
2. Tugas diketik dalam kertas A4, margin Narrow, jenis huruf Times New
Roman 12 pt, spasi 1,15.
3. Dikirimkan dalam bentuk Word dengan nama file : Nama/ Tugas Ke-11/
Statistik Pengendalian Kualitas ke email : [email protected] paling
lambat sebelum perkuliahan pertemuan berikutnya dimulai.
4. Keterlambatan pengiriman tugas akan diberikan nilai nol.
TUGAS :
1. Sebuah industri dengan perusahaan yang bernama PT.JAYA MAKMUR
yang bergerak dalam bidang cover tas. Ingin membuat kontrol kendali
dengan metode proporsi maka dari itu diberikan data pada tabel di bawah
ini :
Tabel 11.5.
Data Ilustrasi Pengamatan
No sampel Banyak pengamatan Banyaknya cacat
1 312 19
2 315 5
3 316 7
4 319 6
5 322 5
6 311 9
7 323 13
8 324 15
9 326 2
10 319 8
Berikanlah kesimpulan setelah Anda menggambar kartu kendali cacat.
2. Terhadap sekretaris akan dilakukan penilaian dan yang dinilai adalah
banyak kata salah tulis dalam tiap halaman. Sebanyak 15 halaman telah
diperiksa secara acak. Hasil dari pada pemeriksaan disediakan dalam tabel
berikut.
Tabel 11.6.
Data Kesalahan Tik
Halaman Salah Tik
1 1
2 2
3 1
4 2
5 8
6 11
7 7
8 8
9 1
Universitas Pamulang S1 Matematika
129 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Halaman Salah Tik
10 7
11 6
12 13
13 2
14 11
15 0
Buatlah kartu kendali cacat beserta kesimpulan dari data di atas!
D. REFERENSI
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
Supangat, Andi. 2007. Statistika dalam Kaj:ian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta: Kencana.
Praptono. 1986. Statistika Pengawasan Kualitas. Jakarta: Karunika
Universitas Terbuka.
Ronal E. Walpole. 1993. Pengantar Statistika. Jakarta : Grameda
Universitas Pamulang S1 Matematika
130 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE-12
EVALUASI KARTU KENDALI
A. TUJUAN
Setelah Anda (Mahasiswa) mempelajari materi pertemuan ke-12 ini
diharapkan mampu mengevaluasi kartu kendali produk.
B. URAIAN MATERI
1. Evaluasi Berdasarkan Kartu Kendali
Pembahasan pada pertemuan ini yaitu mengambil keputusan
berdasarkan kartu kendali produk yaitu membuat keputusan berdasarkan
kartu kendali yang telah dibuat baik kartu kendali rata – rata, kartu kendali
jangkauan dan ataupun kartu kendali simpangan baku serta kartu kendali
atribut yaitu kartu kendali proporsi dan kartu kendali cacat. Kartu kendali
menjadi bahan evaluasi sebuah produk yang diproduksi oleh sebuah
perusahaan dalam bidang industri.
Kontrol kualitas merupakan tahapan yang sangat penting dalam
sebuah industri maka dari itu kesimpulan yang diambil dari sebuah diagram
kontrol harus tepat sesuai dengan kesepakatan diawal dari pihak produksi
dan pemesan atau konsumen. Kontrol kualitas akan tercermin dari
banyaknya data yang berada dilluar daerah kontrol baik Limit Kontrol Atas
(LKA) maupun Limit Kontrol Bawah (LKB). Data yang ada pada sampel kita
substsitusikan pada diagram kartu kontrol kendali, jika ada data yang
terletak di luar kartu kontrol kendali maka diberikan tanda khusus yang
membedakan dengan tanda yang berada pada kartu kontrol kendali agar
lebih mudah untuk mengambil kesimpulan.
Produksi produk dikatakan dalam kategori terkontrol jika semua
produk masuk ke dalam kartu kendali produk. Dasar untuk pengendalian
kualitas yaitu :
a. Jika tidak lebih dari satu titik di luar LKA dan LKB dari 35 titik
pengamatan atau tidak lebih dari 2 diantara 100 pengamatan maka
proses pengendalian kualitas terkategori terkendali.
b. Jika jumlah pengamatan sebanyak n, maka minimal keluar dari LKA
dan LKB yaitu n/35, jika hasil yang diperoleh tidak bulat maka harus
dibulatkan ke bawah walaupun dibelakang koma lebih dari 5 maka
pengendalian kualitas terkategori terkendali.
Kartu kendali kontrol dapat digunakan untuk melakukan tindakan
yang berlainan prosesnya yaitu :
a. Tindakan mengeluarkan penyebab variasi yang dibawa oleh titik “di
luar kontrol”.
b. Tindakan untuk mengembangkan rata – rata proses.
c. Tindakan untuk mengembangkan dispersi proses.
Universitas Pamulang S1 Matematika
131 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Kartu kendali kontrol merupakan alat untuk menolong menjaga
proses tetap berjalan dalam koridor yang telah ditetapkan sehingga produk
yang diproduksi akan sesuai dengan kualitas yang ditetapkan dikarenakan
dikendalikan oleh kartu kendali kontrol. Perhatikanlah diagram kontrol yang
terkendali dan yang tidak terkendali berikut :
Gambar 12.1.
Diagram Kartu Kontrol Kendali yang terkendali
Dari Gambar 12.1. dapat Anda lihat bahwa semua titik berada dalam
batasan kartu kendali. Sehingga data pada gambar tersebut terkategori
terkendali.
Gambar 12.2.
Kartu Kontrol Kendali Yang Tidak Terkendali
Universitas Pamulang S1 Matematika
132 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Dari gambar 12.2. dapat Anda lihat bahwa ada dua titik berada di luar
batasan baik batasan bawah maupun atas dalam kartu kendali. Sehingga
data pada gambar terserbut terkategori tidak terkendali. Sehingga untuk
dapat dijadikan kartu kendali maka data yang berada yang diluar
dikeluarkan dan dibuat kartu kendali yang baru dengan data diurutkan
setelah data yang ke luar dihilangkan. Hitung kembali seperti data awal
sesuai dengan bentuk data yang ada dengan menyesuaikan
perumusannya. Jika masih ada data yang keluar batasan baik batasan
atas maupun bawah maka data tersebut dihilangkan sampai dengan kartu
kendali tidak ada data yang keluar dari batasan.
2. Alur Evaluasi Kartu Kendali
Evaluasi kartu kendali dilaksanakan dengan secara kontinu untuk
membuat kartu kendali yang terkini. Kartu kendali terkini akan menjadika
evaluasi subuah data lebih meyakinkan dengan diiringi perkembangan
produksi dari sebuah produk. Ketetapan alur evaluasi sangat penting guna
lebih menstabilkan produk dari terjadinya bermacam-macam varian yang
secara langsung maupun tidak langsung. Tentukan periode untuk membuat
kartu yang secara kontinu dilaksanakan dan ditetapkan.
Universitas Pamulang S1 Matematika
133 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Gambar 12.3. Alur Evaluasi
Contoh 12.1.
Perusahaan PT. BANGKIT akan mengevaluasi produk dari produksi 20 hari
kerja pada bulan Februari 2019 diambil data sebagai berikut.
Tabel 12.1.Data Ilustrasi PT. BANGKIT
No Data
R1 R2 R3 R4 R5
1 21 30 45 47 37
2 26 22 26 46 23
3 36 22 50 22 24
4 27 33 42 21 34
5 34 46 50 38 49
6 39 36 22 25 47
7 50 22 49 24 29
8 21 25 29 28 46
Universitas Pamulang S1 Matematika
134 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
No Data
R1 R2 R3 R4 R5
9 28 31 40 31 40
10 22 21 44 22 48
11 21 20 21 34 37
12 34 24 38 20 42
13 47 43 46 45 20
14 47 27 41 37 29
15 46 41 47 35 44
Penyelesaian 12.1.
Langkah awal kita tentukan rata-rata setiap periode sampel, menentukan
jangkauan setiap periode sampel, menentukan standar deviasi masing-
masing standar kelompok.
Dengan menggunakan bantuan excel maka diperoleh data jangkauan,
rata-rata perperiode dan standar deviasi perperiode sebagai berikut.
Tabel 12.2. Tabel Hasil Perhitungan tahap Awal
No R Rata-Rata
1 26 36
2 24 28.6
3 28 30.8
4 21 31.4
5 16 43.4
6 25 33.8
7 28 34.8
8 25 29.8
9 12 34
10 27 31.4
11 17 26.6
12 22 31.6
13 27 40.2
14 20 36.2
15 12 42.6
Rata-rata dari jangkauan yaitu
Rata- rata dari rata-rata perperiode yaitu
Standar deviasi dari rata-rata data per periode yaitu
Universitas Pamulang S1 Matematika
135 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Menentukan LKA yaitu
Menentukan LKB yaitu
Menggambar kartu kendali rata-rata
Gambar 12.5. Kartu Kendali Rata-Rata
Dari gambar di atas bahwa ada 5 data yang keluar dari baris LKA maka
perlu dihilangkan data tersebut dan di perhitungkan ulang mulai dari proses
awal.
Sehingga data setelah proses evaluasi yang harus dihilangkan data ke-5,
13, 14 dan 15 tersisa ada 11 data seperti apda Tabel 12.2.
Tabel 12.2. Dat Setelah Evaluasi Tahap I
No Data
R1 R2 R3 R4 R5
1 21 30 45 47 37
2 26 22 26 46 23
3 36 22 50 22 24
4 27 33 42 21 34
6 39 36 22 25 47
7 50 22 49 24 29
8 21 25 29 28 46
9 28 31 40 31 40
Universitas Pamulang S1 Matematika
136 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
No Data
R1 R2 R3 R4 R5
10 22 21 44 22 48
11 21 20 21 34 37
12 34 24 38 20 42
Maka data tersebut mempunyai urutan yang tidak terurut. Urutkan data
menjadi teratur dan lakukan perhitungan ulang dari posisi awal.
Tabel 12.3. Data Urut Setelah Evaluasi
No Data
R1 R2 R3 R4 R5
1 21 30 45 47 37
2 26 22 26 46 23
3 36 22 50 22 24
4 27 33 42 21 34
5 39 36 22 25 47
6 50 22 49 24 29
7 21 25 29 28 46
8 28 31 40 31 40
9 22 21 44 22 48
10 21 20 21 34 37
11 34 24 38 20 42
Perhitungkan nilai Jangkauan masing-masing dan rata-rata masing-
masing. Diperoleh sebagai berikut:
Tabel 12.4. Perhitungan Analisa Tahap 2
No R Rata-rata
1 26 36
2 24 28.6
3 28 30.8
4 21 31.4
5 25 33.8
6 28 34.8
7 25 29.8
8 12 34
9 27 31.4
10 17 26.6
Universitas Pamulang S1 Matematika
137 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
11 22 31.6
Rata-rata dari jangkauan yaitu
Rata- rata dari rata-rata perperiode yaitu
Standar deviasi dari rata-rata data per periode yaitu
Menentukan LKA yaitu
Menentukan LKB yaitu
Menggambar kartu kendali rata-rata :
Gambar 12.6. Kartu Kendal Rata-Rata setelah Evaluasi 1
Sesuai gambar di atas maka dapat dismpulkan bahwa kartu kendali rata-
rata tersebut terkendali karena semua data berada pada batasan baik
dibawah LKA dan di atas LKB, sehingga terkategori kartukendali terserbut
terkendali.
C. TUGAS
PETUNJUK :
1. Tugas ini sebagai Tugas ke-12 Mata Kuliah Statistik Pengendalian
Kualitas.
Universitas Pamulang S1 Matematika
138 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
2. Tugas diketik dalam kertas A4, margin Narrow, jenis huruf Times New
Roman 12 pt, spasi 1,15.
3. Dikirimkan dalam bentuk Word dengan nama file : Nama/ Tugas Ke-12/
Statistik Pengendalian Kualitas ke email : [email protected] paling
lambat sebelum perkuliahan pertemuan berikutnya dimulai.
4. Keterlambatan pengiriman tugas akan diberikan nilai nol.
TUGAS :
Perusahaan snack merek GA ingin mengontrol kualitas produknya. Maka dari
itulah diberikan data pada tabel berikut ini :
Tabel 12..
Ilustrasi Isi Snack Merek GA
No
Sampel Isi Snack Merek XX (gram)
1 22,21 22 22,18 22,18 21,9 22,12
2 22,1 21,89 22,12 22,12 21,97 21,95
3 22,22 22,01 22,09 22,09 22,08 21,79
4 22,11 21,9 21,87 21,87 22 21,85
5 22,2 21,99 21,96 21,96 22,01 22,12
6 22,32 22,11 22,01 22,01 21,98 22
7 22,08 21,87 21,91 21,91 21,9 22
8 22,22 22,01 22,08 22,08 21,89 21,79
9 22,23 22,02 22,1 22,1 21,89 21,87
10 22,1 21,89 21,99 21,99 22,05 22,07
Dari data pada tabel di atas, Anda buatlah Evaluasi kartu kendali di atas
dengan menggunakan salah satu kartu kendali produk baik rata-rata,
jangkauan maupun simpangan baku.
D. REFERENSI
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
Supangat, Andi. 2007. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta: Kencana.
Praptono. 1986. Statistika Pengawasan Kualitas. Jakarta: Karunika
Universitas Terbuka.
Ronal E. Walpole. 1993. Pengantar Statistika. Jakarta : Gramedia.
Universitas Pamulang S1 Matematika
139 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE-13
KEPUTUSAN KUALITAS PRODUK
A. TUJUAN
Setelah mahasiswa atau Anda mempelajari materi pada pertemuan ke-
13 ini diharapkan mampu :
1. Menjelaskan definisi kualitas produk
2. Mampu mengambil keputusan penerimaan kualitas produk
B. URAIAN MATERI
1. Kualitas Produk
Menurut Kotler (2001: 346) produk adalah ”Segala sesuatu yang
dapat ditawarkan ke pasar untuk mendapatkan perhatian, dibeli,
digunakan, atau dikonsumsi yang dapat memuaskan keinginan atau
kebutuhan”. Mc Charty dan Perreault (2003:107) mengemukakan bahwa,
“Produk merupakan hasil dari produksi yang akan dilempar kepada
konsumen untuk didistribusikan dan dimanfaatkan konsumen untuk
memenuhi kebutuhannya”.Sedangkan menurut Saladin (2002:121),
”Produk adalah segala sesuatu yang dapat ditawarkan ke suatu pasar
untuk diperhatikan, dimiliki, dipakai atau dikonsumsi sehingga dapat
memuaskan keinginan dan kebutuhan”.Secara konseptual, produk adalah
pemahaman subyektif dari produsen atas sesuatu yang bisa ditawarkan
sebagai usaha untuk mencapai tujuan organisasi melalui pemenuhan
kebutuhan dan kegiatan konsumen, sesuai dengan kompetensi dan
kapasitas organisasi serta daya beli pasar.Berdasarkan beberapa definisi
diatas, maka produk didefinisikan sebagai kumpulan dari atribut-atribut
yang nyata maupun tidak nyata, termasuk di dalamnya kemasan, warna,
harga, kualitas dan merek ditambah dengan jasa dan reputasi
penjualannya.
Menurut Kotler (2001:279) ada lima tingkatan produk, yaitu core
benefit, basic product, expected product, augmented product dan potential
product. Penjelasan tentang kelima tingkatan produk adalah :
a. Produk Utama (Care Benefit), yaitu manfaat yang sebenarnya
dibutuhkan dan akan dikonsumsi oleh pelanggan dari setiap produk.
b. Produk Generik (Basic Produk), adalah produk dasar yang mampu
memenuhi fungsi pokok produk yang paling dasar.
c. Produk Harapan (Expected Product), adalah produk formal yang
ditawarkan dengan berbagai atribut dan kondisi secara normal (layak)
diharapkan dan disepakati untuk dibeli.
d. Produk Pelengkap (Augment Product), adalah berbagai atribut produk
yang dilengkapi atau ditambahkan dengan berbagai manfaat dan
layanan, sehingga dapat memberikan tambahan kepuasan dan dapat
dibedakan dengan produk pesaing.
Universitas Pamulang S1 Matematika
140 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
e. Produk Potensial (Potential Product), adalah segala macam tambahan
dan perubahan yang mungkin dikembangkan untuk suatu produk
dimasa mendatang.
Menurut Kotler dan Armstrong (2001:354) beberapa atribut yang
menyertai dan melengkapi produk (karakteristik atribut produk) adalah:
a. Merek (Brand) adalah nama, istilah, tanda, simbol, atau rancangan, atau
kombinasi dari semua ini yang dimaksudkan untuk mengidentifikasi
produk atau jasa dari satu atau kelompok penjual dan membedakannya
dari produk pesaing. Pemberian merek merupakan masalah pokok
dalam strategi produk. Pemberian merek itu mahal dan memakan waktu,
serta dapat membuat produk itu berhasil atau gagal. Nama merek yang
baik dapat menambah keberhasilan yang besar pada produk (Kotler dan
Armstrong, 2001:360)
b. Pengemasan (Packing) adalah kegiatan merancang dan membuat
wadah atau pembungkus suatu produk.
c. Kualitas Produk (Product Quality) adalah kemampuan suatu produk
untuk melaksanakan fungsinya meliputi, daya tahan keandalan,
ketepatan kemudahan operasi dan perbaikan, serta atribut bernilai
lainnya. Untuk meningkatkan kualitas produk perusahaan dapat
menerapkan program ”Total Quality Manajemen (TQM)". Selain
mengurangi kerusakan produk, tujuan pokok kualitas total adalah untuk
meningkatkan nilai pelanggan.
Menurut Kotler dan Amstrong (2008) kualitas adalah karakteristik dari
produk dalam kemampuan untuk memenuhi kebutuhan-kebutuhan yang
telah ditentukan dan bersifat laten. Sedangkan menurut Garvin dan A. Dale
Timpe (1990, dalam Alma, 2011) kualitas adalah keunggulan yang dimiliki
oleh produk tersebut. Kualitas dalam pandangan konsumen adalah hal
yang mempunyai ruang lingkup tersendiri yang berbeda dengan kualitas
dalam pandangan produsen saat mengeluarkan suatu produk yang biasa
dikenal kualitas sebenarnya. Menurut Kotler (2009), kualitas didefinisikan
sebagai keseluruhan ciri serta sifat barang dan jasa yang berpengaruh
pada kemampuan memenuhi kebutuhan yang dinyatakan maupun yang
tersirat. Sedangkan menurut Tjiptono (2008), kualitas merupakan
perpaduan antara sifat dan karakteristik yang menentukan sejauh mana
keluaran dapat memenuhi persyaratan kebutuhan pelanggan atau menilai
sampai seberapa jauh sifat dan karakteristik itu memenuhi kebutuhannya.
Berdasarkan definisi-definisi di atas, maka dapat disimpulkan bahwa
kualitas merupakan suatu produk dan jasa yang melalui beberapa tahapan
proses dengan memperhitungkan nilai suatu produk dan jasa tanpa adanya
kekurangan sedikitpun nilai suatu produk dan jasa, dan menghasilkan
produk dan jasa sesuai harapan tinggi dari pelanggan.
Menurut Kotler and Amstrong (2008) arti dari kualitas produk adalah
“the ability of a product to perform its functions, it includes the product’s
overall durability, reliability, precision, ease of operation and repair, and
other valued attributes” yang artinya kemampuan sebuah produk dalam
memperagakan fungsinya, hal itu termasuk keseluruhan durabilitas,
Universitas Pamulang S1 Matematika
141 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
reliabilitas, ketepatan, kemudahan pengoperasian dan reparasi produk juga
atribut produk lainnya.
Berdasarkan penjelasan diatas, maka dapat disimpulkan bahwa
kualitas produk adalah keseluruhan barang dan jasa yang berkaitan
dengan keinginan konsumer yang secara keunggulan produk sudah layak
diperjualkan sesuai harapan dari pelanggan.
Kualitas produk dibentuk oleh beberapa indikator antara lain kemudahan
penggunaan, daya tahan, kejelasan fungsi, keragaman ukuran produk, dan
lain-lain (Zeithalm, 1988 dalam Kotler, 2009).
Menurut Tjiptono (2001, 25), kualitas mencerminkan semua dimensi
penawaran produk yang menghasilkan manfaat (benefits) bagi pelanggan.
Kualitas suatu produk baik berupa barang atau jasa ditentukan melalui
dimensi-dimensinya. Dimensi kualitas produk adalah:
a. Kinerja (Performance) Yaitu karakteristik operasi pokok dari produk inti
(Core Product) yang dibeli, misalnya kecepatan, konsumsi bahan bakar,
jumlah penumpang yang dapat diangkut, kemudahan dan kenyamanan
dalam mengemudi dan sebagainya.
b. Keistimewaan tambahan (Features) yaitu karakteristik sekunder atau
pelengkap, misalnya kelengkapan interior dan eksterior seperti Dash
Board, AC, Sound System, Door Lock System, Power Steering, dan
sebagainya.
c. Keandalan (Reliability) yaitu kemungkinan kecil akan mengalami
kerusakan atau gagal dipakai, misalnya mobil tidak sering
ngadat/macet/rewel/rusak
d. Kesesuaian dengan spesifikasi (Conformance to Specifications) yaitu
sejauh mana karakteristik desain dan operasi memenuhi standar-
standar yang telah ditetapkan sebelumnya. Misalnya standar keamanan
dan emisi terpenuhi, seperti ukuran as roda untuk truk tentunya harus
lebih besar daripada mobil sedan.
e. Daya tahan (Durability) berkaitan dengan berapa lama produk tersebut
dapat terus digunakan. Dimensi ini mencakup umur teknis maupun umur
ekonomis penggunaan mobil.
f. Estetika (Asthethic) yaitu daya tarik produk terhadap panca indera.
Misalnya bentuk fisik mobil yang menarik, model atau desain yang
artistik, warna, dan sebagainya.
Berdasarkan dimensi-dimensi di atas, dapat disimpulkan bahwa
suatu dimensi kualitas merupakan syarat agar suatu nilai dari produk
memungkinkan untuk bisa memuaskan pelanggan sesuai harapan, adapun
dimensi kualitas produk meliputi kinerja, keistimewaan, kehandalan,
kesesuaian, daya tahan dan juga estetika.
2. Keputusan Kualitas Produk
Keputusan sebuah kualitas produk berarti mempunyai pembanding
produk yang memang mempunyai kualitas yang sudah disepakati antara
dua belah pihak yaitu pihak produsen dan pihak konsumen atau pemesan.
Universitas Pamulang S1 Matematika
142 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Semuanyaa bergantung kepada produk yang sesuai dengan kartu kendali
yang tepat.
Sehingga seorang produsen harus membuat analisa pembuatan
produk diawal pembuatan sampai batas 15 hari kerja untuk mendapatkan
data yang diinginkan kemudian dibuatlah kartu kendali untuk dijadikan
sebagai parameter dalam produksi tahap berikutnya yang dijadikan
pegangan oleh bagian pengawas produksi atau supervisor. Sehingga
pengawas produksi dapat langsung memantau kepada bagian Quality
Control (QC) barang produksi. Sehingga dengan cepat bisa memutuskan
apakah produksi barang tersebut memenuhi standar kualitas atau tidak.
Selain itu juga perusahaan harus menyiapkan form penilaian untuk setiap
unit produksi sehingga dapat dengan jeas memahami kesalahan yang
terletak di bagian yang jelas.
Begitu juga bagi seorang yang berprofesi sebagai kepala gudang
ketika akan menerima barang pesanan maka harus mempunyai form
penilaian untuk memutuskan apakah barang tersebut memiliki kualitas
yangs esuai standar atau tidak dengan mengabil besarnya sampel dari
sebuah populasi barang yang dikirim.
Sebagai ilustrasi diberikanlah contoh persoalan sebagai berikut :
Pada awal produksi 15 hari diambil data dan kemudian dibuatlah
kartu kendali dengan spesifikasi berdasarkan atribut cacat yaitu :
LKA = 5,12
Sentral = 2,3
LKB = 0
Kesepakatan bahwa dari 35 tidak lebih dari satu yang keluar dari
kartu kendali sehingga dari 100 tidak boleh lebih dari 2 yang keluar dari
kartu kendali baik dari limit kontrol bawah maupun kontrol atas. Kemudian
datang kiriman barang berupa buku sebanyak 500 buku dan dengan
mengunakan sampling random diambil sampel 50 buku, kemudian diteliti
dan disajikan dalam tabel berikut ini :
Tabel 13.1.
Data Ilustrasi Penerimaan
No sampel Cacat No Sampel Cacat
1 0 26 0 2 1 27 0 3 2 28 0 4 3 29 0 5 0 30 0 6 1 31 0 7 4 32 1 8 3 33 2 9 6 34 2 10 7 35 2 11 2 36 4 12 3 37 6 13 1 38 7
Universitas Pamulang S1 Matematika
143 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
No sampel Cacat No Sampel Cacat
14 0 39 2 15 2 40 1 16 4 41 1 17 3 42 4 18 1 43 5 19 1 44 6 20 1 45 7 21 2 46 1 22 3 47 0 23 3 48 0 24 3 49 1 25 0 50 2
Kemudian data tersebut dimasukkan ke dalam kartu kendali yang
telah disediakan sehingga diperoleh gambar kartu kendali sebagai berikut :
Gambar 13.1.
Pemeriksaan Dengan Kartu Kendali Cacat
Dari kartu kendali terlihat jelas bahwa ada 5 data yang keluar dari
pada kartu kendali yang berarti sesuai dengan kesepakatan bahwa 35
terdapat 1 buah yang keluar dari kartu kendali maka dapat disimpulkan
bahwa produk tersebut dikategorikan gagal dan tidak diterima oleh pihak
kepala gudang. Namun dalam realita sering terjadi peristiwa yang seperti
ini barang tetap lolos kebagian gudang dikarenakan ada permainan
mereka. Kejadian itu semua penulis bukan menjustifikasi bahwa semua
kepala gudang seperti itu. Tulisan ini hanya sebagai pedoman kepada
Anda sebagai mahasiswa untuk menentukan kualitas produk yang sesuai
dengan kesepakatan diawal sehingga akan memuaskan pelanggan.
Sehingga jika pelanggan atau konsumen merasa terpuaskan maka
dengan sendirinya penjualan akan semakin meningkat. Dengan semakin
meningkat penjualan maka pihak produksi akan terus kebanjiran pesanan.
0
1
2
3
4
5
6
7
8
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
Cac
at
Sampel
KARTU KENDALI CACAT
LKA c bar Cacat LKB
Universitas Pamulang S1 Matematika
144 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Dengan demikian semua yang terlibat dalam suatu produksi barang akan
merasakannya jika semua saling memahami dari pada kualitas sebagai
hasil yang paling utama. Dengan kualitas yang tinggi maka dengan secara
membaik harga akan semakin baik. Harga akan semakin baik secara
langsung kesejahteraan karyawan akan semakin meningkat, jika semua
pihak mendukung itu semua. Sehingga terjadi perputaran secara dinamis.
C. TUGAS
PETUNJUK :
1. Tugas ini sebagai Tugas ke-13 Mata Kuliah Statistik Pengendalian
Kualitas.
2. Tugas diketik dalam kertas A4, margin Narrow, jenis huruf Times New
Roman 12 pt, spasi 1,15.
3. Dikirimkan dalam bentuk Word dengan nama file : Tugas Ke-13/ Nama/
Statistik Pengendalian Kualitas ke email : [email protected] paling
lambat sebelum perkuliahan pertemuan berikutnya dimulai.
4. Keterlambatan pengiriman tugas akan diberikan nilai nol.
TUGAS :
Jika diketahui kartu kendali berdasarkan proporsi dengan limit kontrol atas
adalah 0,018 , titik sentral adalah 0,012 dan limit kontrol bawah adalah 0. Jika
diberikan kesepakatan bahwa per 35 hanya ada satu yang keluar dari
batasannya atau limitnya jika kelipatannya menghasilkan bentuk koma maka
bulatkan ke bawah. Diberikan data sebagai berikut :
Tabel 10.3
Data Ilustrasi Pengamatan Untuk Tugas
No
sampel
Banyaknya
pengamatan Cacat
No
sampel
Banyaknya
pengamatan Cacat
1 323 4 36 324 6
2 313 5 37 314 7
3 326 3 38 327 5
4 327 5 39 328 7
5 324 2 40 325 4
6 329 3 41 330 5
7 323 3 42 324 5
8 303 3 43 304 5
9 324 3 44 325 5
Universitas Pamulang S1 Matematika
145 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
No
sampel
Banyaknya
pengamatan Cacat
No
sampel
Banyaknya
pengamatan Cacat
10 322 4 45 323 6
11 322 5 46 323 7
12 321 4 47 322 6
13 303 4 48 304 6
14 318 3 49 319 5
15 318 3 50 319 5
16 320 3 51 321 5
17 319 4 52 320 6
18 321 3 53 322 5
19 322 5 54 323 7
20 315 4 55 316 6
21 316 3 56 317 5
22 303 2 57 304 4
23 323 2 58 324 4
24 325 3 59 326 5
25 326 4 60 327 6
26 327 4 61 328 6
27 328 3 62 329 5
28 325 6 63 326 8
29 324 7 64 325 9
30 315 8 65 316 10
31 316 3 66 317 5
32 323 4 67 324 6
33 327 4 68 328 6
34 330 3 69 331 5
35 324 3 70 325 5
Analisa pengamatan pada data tabel di atas berikan kesimpulan mengenai
kualitas berdasarkan kartu kendali proporsi.
Universitas Pamulang S1 Matematika
146 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
D. REFERENSI
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
Supangat, Andi. 2007. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta: Kencana.
Praptono. 1986. Statistika Pengawasan Kualitas. Jakarta: Karunika
Universitas Terbuka.
Ronal E. Walpole. 1993. Pengantar Statistika. Jakarta : Gramedia
Universitas Pamulang S1 Matematika
147 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
PERTEMUAN KE-14
KEPUTUSAN SAMPLING DITERIMA
A. TUJUAN
Setelah mahasiswa atau Anda membaca materi pada pertemuan ke-
14 ini diharapkan mampu :
1. Menentukan teori sampling
2. Mengambil keputusan sampling diterima
B. URAIAN MATERI
1. Teori Sampling
Pada sub materi pertama ini kita akan membahas tentang teori
sampling. Kenapa harus sampling? Memang benar pengambilan data
bisa dilakukan dengan cara sensus sehingga dapat terjangkau semua
data yang akan dijasikan sebagai bahan evaluasi. Tetapi dengan
dengan alasan berikut inin kita akan lebih baik memilih sampling. Berikut
alasan memilih sampling yaitu :
a. Ukuran Populasi
Ukuran populasi yang sangat besar dan area yang sangat
luas. Sehingga populasi itu sendiri dibagi menjadi dua bagian yaitu
populasi berhingga dan populasi takberhingga. Populasi
takberhingga mempunyai obyek yang tak berhingga sehingga
penggunaan sampling lebih tepat karena dengan sensus tidak
mungkin akan terlaksana dengan baik. Populasi berhingga namun
terkadang mempunyai banyak obyek yang sangat besar dengan
alasan itulah sampling lebih tepat dipergunakan dalam kondisi
tersebut.
b. Masalah Biaya
Biaya dalam penelitian sangatlah banyak dimulai dari
pengambilan data, pembuatan instrumen, analisis data, perhitungan
atau pengolahan data, gaji tim ahli jika diperlukan, dan biaya
konsultasi kepada tim ahli. Jika menggunakan sensus akan
memakan biaya yang sangat banyak apalagi jika jumlah populasi
yang sangat besar dalam area yang sangat luas. Maka dari itu
pilihan untuk sampling sangatlah tepat guna mengefisienkan biaya
guna mencapai tujuan penelitian.
c. Masalah Waktu
Populasi yang besar dan area yang sangat luas jika
menggunakan sensus akan memerlukan waktu yang cukup lama
dalam pengambilan data dibandingakan dengan metode sampling
akan memerlukan waktu yang lebih singkat. Jika semakin lama
waktu pengambilan data maka kesimpulan dan faedah yang
dihasilkan dari penelitian juga akan semakin lama. Tetapi jika
semakin cepat pengambilan data , maka kesimpulan dan faedah
Universitas Pamulang S1 Matematika
148 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
yang dihasilkan akan cepat diperoleh dan dirasakan baik oleh
peneliti maupun oleh masyaraka umum.
d. Masalah Ketelitian
Semakin banyak data yang diperoleh dengan instrumen yang
sama kan membuat seorang akan merasa membosankan dengan
mengerjakan yang sama secara terus menerus sehingga akan
berakibat akan terjadinya kesalahan dalam ketelitian input data
akan semakin besar. Akan tetapi jika data yang diperoleh sedikit
maka pebeliti ketika menginput data akan cepat selesai dengan
ketelitian yang lebih tinggi dari pada input data yang sangat besar
dengan data yang selalu sama. Dengan alasan itulah metode
sampling sangat tepat dipergunakan dalam penelitian.
e. Faktor Ekonomis
Biaya dalam penelitian yang berupa biaya awal sampai biaya
akhir yang sangat besar dengan tidak sebandingnya faedah yang
dihasilkan. Maka dengan itu lebih tepat menggunakn metode
sampling dengan begitu akan lebih ekonomis dari segala bidang
dalam penelitian.
Beberapa yang perlu dalam perancangan sampling yaitu :
a. Rumuskan masalah yang ingin diketahui.
b. Tentukan dengan jelas batas populasi mengenai persoalan yang
ingin diketahui. Ketika pengambilan sampel yang salah dari sebuah
populasi maka akan mengakibatkan penyimpulan yang salah pula.
Sebaliknya jika pengambilan sesuai dengan sebuah populasi maka
akan menghasilkan kesimpulan yang tepat.
c. Artikan dengan jelas dan sesuai segala unit dan istilah yang
diperlukan.
d. Tentukan unit sampling yang diperlukan. Unit sampling adalah
satuan terkecil yang menjadi anggota populasi.
e. Tentukan dan rumuskan cara – cara pengukuran dan penilaian
yang akan dilakukan.
f. Kumpulkan jika ada segala keterangan tentang hal yang ingin diteliti
yang pernah dilakukan dimasa lampau.
g. Tentukan ukuran sampel. Yakni berapa unit sampling yang harus
diambil dari populasi. Disesuaikan dengan ukuran sampel dengan
populasi yang ada sehingga pengambilan sampel dapat mewakili
secara proporsional.
h. Tentukan cara sampling yang akan ditempuh sehingga sampel yang
diambil representatif atau mewakili dari populasi.
i. Tentukan cara pengumpulan data yang mana yang akan dipilih oleh
Anda, apakah wawancara langsung, dengan daftar isian, meneliti
langsung, atau pengumpulan dari sumber-sumber yang sudah ada.
j. Tentukan analisis yang akan dipakai yang sesuai dengan data yang
telah diambil. Jangan sampai metode analisis dengan data yang
diperoleh tidak tepat metodenya, sehingga metode analisis tersebut
Universitas Pamulang S1 Matematika
149 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
dipaksakan daat digunakan pada datavtersebut walaupun tidak
sesuai antara bentuk data dengan metode analisis.
k. Meyediakan biaya sesuai dengan penelitian yang akan dilakukan
beserta bantuan dari tim ahli baik untuk bantuan tetap maupun
hanya untuk berkosultasi.
2. Keputusan Sampling Diterima
Sub materi kedua ini kita akan membahas tentang penerimaan
sampling diterima. Dengan inspeksi atau kontrol dilakukan dalam
tahapan proses produksi untukmengontrol bahan baku, proses produksi
yang sedang berjalan, hasil produksi bahkan oleh konsumen. Semuanya
ditujukan untuk mengetahui apakah yang dikontrol itu sesuai dengan
kriteria yang telah ditentukan. Hampir semua inspeksi atau kontrol
berdasarkan pengambialn sampel, sehingga inspeksi untuk mengontrol
disebut juga sampel penerimaan atau sampling penerimaan.
Bagaimana mengambil sampel penerimaan agar dapat diambil
kesimpulan untuk populasi. Inspeksi dalam arti memilih yang baik di
antara hasil produksi tidak menjamin bahwa hasil produksi semua baik.
Cara terbaik adalah dengan memproduksi barang yang baik sesuai
dengan syarat yang disepakati oleh pihak konsumen atau pemesan
dengan pihak produsen. Jika produsen tidak menghasilkan barang yang
baik dan konsumen akan melakukan inspeksi pada barang hasil
produksinya, maka dapat terjadi penolakan kiriman barang. Untuk itulah
produsen harus memproduksi barang sesuai dengan kriteria yang
diinginkan oleh konsumen sehingga pengiriman barang akan diterima
dengan baik dengan syarat – syarat yang sudah dikendaki oleh kedua
belah pihak yaitu pihak produsen dan pihak konsumen.
Berikut ini adalah simbol-simbol yang digunakan untuk
penyampelan penerimaan yaitu :
N : banyaknya produk yang akan diuji kualitasnya
n : banyaknya produk yang diamati ( besarnya sampel)
M : banyaknya produk yang cacat dalam N
m : banyaknya produk yang cacat dalam n
c : bilangan penerimaan, yaitu banyaknya cacat maximum yang terdapat
dalam sampel (n) sehingga kiriman (N) diterima.
p = fraction defectif, perbandingan antara banyaknya cacat dan
banyaknya produk untuk populasi yaitu
(14.1)
sedangkan untuk sampel yaitu
(14.2)
Universitas Pamulang S1 Matematika
150 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
p' : fraction defectif yang benar untuk produk yang diinfeksi.
: rata – rata fraction defectif dari sampel – sampel yang diamati
pa : probabilitas penerimaan
: resiko konsumen , yaitu probabilitas penerimaan kiriman dengan
kualitas tidak semestinya.
: resiko produsen , yaitu probabilitas penolakan kiriman dengan
kualitas semestinya.
Perumusan untuk menentukan kiriman diterima adalah
(14.3)
Perumusan untuk menentukan kiriman ditolak adalah
(14.4)
Untuk lebih jelasnya perhatikanlah oleh Anda persoalan berikut ini.
Contoh 14.1.
Seandainya pabrik kapal menerima kiriman suatu kotak berisi 1000
skrup dengan perjanjian kualitas 1% cacat. Sebelum kiriman itu diterima
disetujui untuk dicek kualitasnya lebih dulu dengan cara diambil 10
skrup dari kotak itu secara acak. Jika terdapat paling banyak sebuah
sekrup yang cacat di antara 10 sekrup yang diuji maka kiriman itu
diterima. Produsen skrup atau pengirim mengadakan manipulasi
kualitas mengirim dari 1000 sekrup itu dengan memasukkan 20 sekrup
yang cacat. Harapan produsen kiriman itu dapat diterima.
Penyelesaian 14.1.
N = 1000
n = 10
M = 20
m = 0, 1, ..., 10
p = 20/1000 untuk populasi
p = m/10 untuk sampel
p’ = 1%
Besarnya probabilitas penerimaan yaitu :
∑
Universitas Pamulang S1 Matematika
151 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
Probabilitas penerimaan kiriman dengan kualitas semestinya pada
contoh ini produsen mengirim dengan kualitas 2% cacat( tidak
semestinya) , tetapi meskipun demikian masih ada kemungkinan kiriman
itu diterima.
Besarnya probabilitas penolakan kiriman yaitu :
∑
∑
∑
Probabilitas penolakan kiriman dengan kualitas semestinya jadi
seandaianya produsen mengirim dengan kualitas 1% cacat tapi masih
ada kemungkinan untuk ditolak.
C. TUGAS
PETUNJUK :
1. Tugas ini sebagai Tugas ke-14 Mata Kuliah Statistik Pengendalian
Kualitas.
2. Tugas diketik dalam kertas A4, margin Narrow, jenis huruf Times New
Roman 12 pt, spasi 1,15.
3. Dikirimkan dalam bentuk Word dengan nama file : Nama/ Tugas Ke-14/
Statistik Pengendalian Kualitas ke email : [email protected]
paling lambat sebelum UAS.
4. Keterlambatan pengiriman tugas akan diberikan nilai nol.
TUGAS :
Selesaikanlah soal tugas berikut ini :
1. Sebutkanlah teori sampling yang Anda ketahui dan jika ada 2000
populasi maka tentukanlah banyaknya sampel yang akan diambil
dengan sampling yang Anda gunakan?
Universitas Pamulang S1 Matematika
152 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
2. Seandainya pabrik kapal menerima kiriman suatu kotak berisi 8000
skrup dengan perjanjian kualitas 1,5% cacat. Sebelum kiriman itu
diterima disetujui untuk dicek kualitasnya lebih dulu dengan cara diambil
70 skrup dari kotak itu secara acak. Jika terdapat paling banyak dua
sekrup yang cacat di antara 70 sekrup yang diuji maka kiriman itu
diterima. Produsen skrup atau pengirim mengadakan manipulasi
kualitas mengirim dari 8000 sekrup itu dengan memasukkan 120 sekrup
yang cacat. Harapan produsen kiriman itu dapat diterima.
D. REFERENSI
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
Supangat, Andi. 2007. Statistika dalam Kajian Deskriptif, Inferensi, dan
Nonparametrik. Jakarta: Kencana.
Praptono. 1986. Statistika Pengawasan Kualitas. Jakarta: Karunia
Universitas Terbuka.
Ronal E. Walpole. 1993. Pengantar Statistika. Jakarta : Gramedia
Universitas Pamulang S1 Matematika
153 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
GLOSARIUM
Mean : nilai rata – rata
Median : nilai tenga setelah diurutkan dari sebuah data
Modus : nilai yang sering muncul
Persentil : nilai batas pada 4 bagian yang sama pada deret data yang tersusun dari kecil ke
besar.
Desil : nilai batas pada 10 bagian yang sama pada deret data yang tersusun dari kecil ke
besar.
Persentil : nilai batas pada 100 bagian sama pada deret data yang tersusun dari kecil ke
besar.
Jangkauan : nilai selisih terkecil dengan terbesar
Momen : nilai statistik yang berada pada nilai tertentu yang menjadikan rujukan utama pada
rumus yang lainnya.
Frekuensi : jumlah munculnya sebuah data
Populasi : jumlah keseluruhan data yang menjadi pusat pembicaraan atau penelitian.
Sampel : bagian jumlah data dari sebuah populasi.
Kartu kendali : kartu yang menjadi ukuran sebuah data terkendali atau tidak untuk
menentukan sebuh kualitas sebuah produk.
Universitas Pamulang S1 Matematika
154 | S t a t i s t i k P e n g e n d a l i a n K u a l i t a s
DAFTAR PUSTAKA
Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
Supangat, Andi. 2010. Statistika dalam Kajian Deskriptif, Inferensi, dan Nonparametrik. Jakarta:
Kencana.
Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
Praptono. 1986. Statistika Pengawasan Kualitas. Jakarta: Karunika Universitas Terbuka.
Ronal E. Walpole. 1993. Pengantar Statistika. Jakarta : Gramedia.
RENCANA PEMBELAJARAN SEMESTER
( R P S )
Program Studi : S-1 Matematika Mata Kuliah/Kode : Statistik Pengendalian Kualitas/MAT07245
Semester : 7 Kurikulum : KBK
Prasyarat : Statistik Elementer SKS : 2 SKS
Deskripsi Mata Kuliah : Mata kuliah statistik elementer merupkan mata kuliah
wajib di Program Studi Matematika S1 yang membahas
tentang dasar statistik, Penyimpangan; Momen,
Skweness, Kurtosis, Distribusi Binomium; Uji Tingkat
Keyakinan; Variasi Proses; Kartu Kendali produk dan
atribut; Evaluasi Kartu Kendali; Pemeriksaan Kualitas
Produk; dan kriteria sampling diterima.
Capaian Pembelajaran
: Setelah mempelajari mata kuliah ini
mahasiswa diharapkan mampu menentukan
pengambilan sampling produk dan
membuat kartu kendali (control chart)
berdasarkan statistik untuk pengendalian
kualitas produk di industri dengan tepat.
Penyusun : 1. Aden, S.Si., M.Pd. (Ketua)
2. Tabah Heri Setiawan, S.Si., M.Pd. (Anggota 1)
3. Ilmadi, S.Pd.I., M.Pd. (Anggota 2)
Pertemuan
ke-
Kemampuan akhir yang
diharapkan
Bahan kajian
Materi ajar
Metode
Pembelajaran
Pengalaman belajar
mahasiswa Kriteria penilaian Bobot nilai
1 Setelah mempelajari
pertemuan ke-1 mahasiswa
mampu menentukan nilai
statistik dasar dengan tepat.
Statistik Dasar Simulasi Penugasan 1
Ketepatan jawaban 3%
2 Setelah mempelajari
pertemuan ke-2 mahasiswa
mampu menentukan nilai
penyimpangan dengan tepat.
Penyimpangan Simulasi Penugasan 2
Ketepatan jawaban 5%
3 Setelah mempelajari
pertemuan ke-3 diharapkan
mahasiswa mampu
menentukan momen dengan
tepat disekitar varibel.
Momen
Simulasi Penugasan 3 Ketepatan Jawaban 6%
4 Setelah mempelajari
pertemuan ke-4 mahasiswa
mampu menentukan Skewness
dan Kurtosis dengan tepat
Skewness, dan
Kurtosis
Simulasi Penugasan 4
Ketepatan Jawaban 6%
5 Setelah mempelajari
pertemuan ke-5 mahasiswa
mampu menganalisa bentuk
Distribusi Binomium Simulasi Penugasan 5
Ketepatan Jawaban 7%
Distribusi binomium dengan
tepat
6 Setelah mempelajari
pertemuan ke-6 mahasiswa
mampu menentukan Uji
Tingkat keyakinan dengan
tepat
Uji Tingkat
keyakinan
Simulasi Penugasan 6
Ketepatan Jawaban 7%
7 Setelah mempelajari
pertemuan ke-7 mahasiswa
mampu menganalisa Variasi
Proses
Variansi
Simulasi Penugasan 7
Ketepatan Jawaban 7%
8 UTS
9 Setelah mempelajari pertemuan
ke-9 mahasiswa mampu
mendeskripsikan statistik
pengendalian kualitas
Statistik
pengendalian
kualitas
Diskusi Penugasan 8
Mampu mengungkapkan
deskripsi statistik
pengendalian kualitas
minimal 2 ahli/ sumber
4%
10 Setelah mempelajari pertemuan
ke-10 mahasiswa mampu
membuat Kartu Kendali Produk
bentuk rata-rata dengan baik
dan berkualitas
Kartu Kendali
Produk Bentuk rata-
Rata
Simulasi Penugasan 9
Ketepatan Jawaban 7%
11 Setelah mempelajari pertemuan
ke-11 mahasiswa mampu
membuat Kartu Kendali Produk
Bentuk jangkauan dan standar
deviasi dengan baik dan
berkualitas
Kartu Kendali
Produk Bentuk
jangkauan dan
Standar deviasi
Simulasi Penugasan 10
Ketepatan Jawaban 9%
12 Setelah mempelajari pertemuan
ke-12 mahasiswa mampu
membuat Kartu Kendali Atribut
Kartu Kendali
Atribut
Simulasi Penugasan 11
Ketepatan Jawaban 9%
13 Setelah mempelajari
pertemuan ke-13 mahasiswa
mampu mengevaluasi Kartu
Kendali dengan te[at dan jujur.
Evaluasi Kartu
Kendali
Simulasi Penugasan 12
Ketepatan Jawaban 10%
14 Setelah mempelajari
pertemuan ke-14 mahasiswa
mampu memutuskan hasil
pemeriksaan kualitas produk
dengan jujur dan tepat.
Pemeriksaan
Kualitas Produk
Simulasi Penugasan 13
Ketepatan Jawaban 11%
15 Setelah mempelajari pertemuan
ke-15 mahasiswa mampu
merekomendasikan kriteria
sampling diterima.
Kriteria Sampling
Diterima
Simulasi Penugasan 14
Ketepatan Jawaban 9%
16 UAS
Referensi/Sumber :
1. Sudjana. 2005. Metode Statistika. Bandung: Tarsito.
2. Supangat, Andi. 2010. Statistika dalam Kajian Deskriptif, Inferensi, dan Nonparametrik. Jakarta: Kencana.
3. Sugiyono. 2012. Statistik untuk Penelitian. Bandung: Alfabeta.
4. Praptono. 1986. Statistika Pengawasan Kualitas. Jakarta: Karunika Universitas Terbuka.
5. Ronal E. Walpole. 1993. Pengantar Statistika. Jakarta : Gramedia.
6. Schaum series, Murray R Spiegel,” Statistics, theory & problems” McGraw-Hill
7. Everett E. Adam Jr., Ronald J. Ebert ,”Production and Operations Management, Concept, Models and Behavior”
8. Roberta S. Russel dan Bernard W. Taylor III ,”Operation Management, Focusing on Quality and Competitiveness”
Tangerang Selatan, Maret 2019
Ketua Program Studi
S-1 Matematika
Ketua Tim Teaching
Statistik Pengendalian Kualitas
(Dr. Hendro Waryanto, S.Si., M.M. ) (Aden, S.Si., M.Pd.)
NIDN. 0405057102 NIDN. 0411118401