TUGAS METODE PENELITIAN

PENERAPAN DISTRIBUSI NORMAL

TERHADAP BERAT BERSIH PERMEN COKLAT

PADA PT NARA REZKA

Disusun Oleh:

Nama / NPM : 1. Ana Fatimah / 30413807

2. Indah Lestari / 34413357

3. Masridho Muhammad / 35413338

4. M. Adzwin Indrajati / 35413110

5. M. Reza Supratman / 36413091

6. Rias Laraswati / 37413581

7. Violita Elgiana / 39413162

8. Wisnu Dwi Cahyo / 39413347

Kelompok : 2 (Dua)

Kelas : 3ID08

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS GUNADARMA

BEKASI

2015

BAB I

PENDAHULUAN

1.1 Latar Belakang

` Dunia industri khususnya dalam perusahaan yang bergerak di bidang

industri manufaktur yang melakukan suatu proses produksi akan menghasilkan

suatu produk. Terkadang dari produk yang dihasilkan terdapat kesalahan atau

kekeliruan dengan jumlah yang tidak pasti, contohnya seperti ukuran produk yang

bervariasi. Perusahaan pada awalnya sudah menetapkan batasan ukuran suatu

produk, namun dalam kenyataannya sering terjadi suatu kekeliruan yang membuat

ukuran produk tersebut tidak sesuai dengan apa yang diharapkan oleh perusahaan

atau tidak berdistribusi normal. Kekeliruan ukuran tersebut terkadang dapat

menyebabkan perusahaan merugi bahkan merusak citra kepuasan dari pelanggan.

Distribusi normal merupakan pendekatan yang baik untuk permasalahan di

atas karena mempelajari bagaimana cara mengetahui banyaknya kekeliruan yang

terjadi dalam perusahaan seperti ukuran produk. Tujuan distribusi normal adalah

untuk memastikan suatu produk tetap terdistribusi normal dan kegiatan tetap

berada pada batasan yang telah ditetapkan perusahaan sehingga dapat

mengoptimalkan kinerja perusahaan.

Distribusi normal dapat diterapkan oleh PT Nara Rezka untuk mengetahui

produk permen coklat terdistribusi normal atau tidak. Distribusi normal

diharapkan dapat mempermudah perusahaan untuk menemukan solusi dan

menarik kesimpulan yang tepat terhadap kegiatan yang mungkin terjadi di dalam

perusahaan agar dapat mengoptimalkan kinerja perusahaan.

1.2 Perumusan Masalah

Berdasarkan latar belakang yang dikemukakan di atas maka muncul

beberapa pertanyaan yaitu bagaimana cara mengetahui apakah data dari berat

produk permen coklat terdistribusi secara normal atau tidak. Masalah lainnya

adalah bagaimana menentukan peluang dari berat produk permen coklat.

1.3 Pembatasan Masalah

Berdasarkan perumusan masalah yang telah dikemukakan maka muncul

batasan dari suatu masalah. Pembatasan masalah digunakan agar masalah yang

dibahas tidak meluas dari tujuan yang dimaksud. Berikut ini adalah pembatasan

masalah yang dimaksud.

a. Ruang lingkup pengambilan data bertempat di PT. Nara Rezka

b. Produk yang diamati yaitu permen coklat sebanyak 30 bungkus.

c. Pengambilan data dilakukan dengan menimbang makanan tanpa bungkus

untuk menemukan berat bersi hnya atau biasa disebut netto.

d. Alat pendukung yang digunakan adalah alat penimbang digital yang

digunakan untuk menimbang berat bersih permen coklat.

e. Aplikasi yang digunakan untuk melakukan perhitungan software adalah

Minitab versi 16.

1.4 Tujuan Penulisan

Berdasarkan perumusan masalah yang dikemukakan di atas maka dapat

ditemukan tujuan penulisan. Tujuan penulisan yang dimaksud adalah sebagai

berikut.

a. Mengetahui apakah data dari berat produk permen coklat terdistribusi normal

atau tidak.

b. Menentukan probabilitas kejadian: Berat bersih produk lebih dari 13 gram,

berat bersih produk kurang dari 10 gram, berat bersih produk antara 11 gram

dan 13 gram

BAB II

LANDASAN TEORI

2.1 Pengertian Distribusi Normal

Distribusi normal adalah salah satu distribusi teoritis dari variabel random

kontinu. Variabel random kontinu adalah variabel random yang mengambilseluruh

nilai yang ada dalam sebuah interval atau variabel yang dapat memiliki nilai-nilai

pada suatu interval tertentu, nilainya dapat berupa bilangan bulat maupun

pecahan. Distribusi normal sering disebut distribusi Gauss, sesuai nama

pengembangnya, yaitu Karl Gauss pada abad ke-18, seorang ahli matematika dan

astronomi, dan merupakan distribusi yang simetris dan berbentuk genta atau

lonceng. bentuk lonceng tersebut menunjukkan hubungan ordinat pada rata-rata

dengan berbagai ordinat pada berbagai jarak simpangan baku yang diukur dari

rata-rata (Hasan, 2008).

Distribusi normal adalah distribusi probabilitas kontinyu yang simetris dan

mesokurtik. Dua parameter yang menentukan suatu bentuk kurva normal adalah

rata-rata dan standard deviasi. Dengan demikian, untuk distribusi variabel ini

tidak dapat disusun tabel yang menyatakan nilai probabilitas dan sebaiknya

dinyatakan dalam bentuk fungsi matematis dan digambarkan dalam bentuk kurva

(Subiyakto, 1994).

Distribusi normal sering disebut juga dengan distribusi Gauss, inilah

distribusi peluang kontinu yang terpenting dan paling banyak digunakan.

Grafiknya disebut kurva normal, berbentuk seperti lonceng, kurva normal

menggambarkan kumpulan data yang muncul dalam berbagai penelitian

(Muttaqin dan Suryadi, 1997)

Sebaran kontinu yang paling penting dalam bidang statistika adalah

sebaran normal. Grafiknya, yang disebut kurva normal yang dapat digunakan

dalam banyak sekali gugusan data yang terjadi di alam, industri, dan penelitian.

Persamaan matematika bagi sebaran peubah acak normal ini bargantung pada dua

parameter dan, yaitu nilai tengah dan simpangan baku (Walpole, 1993).

Gambar 2.1 Kurva Distribusi Normal

Kurva tersebut dipengaruhi oleh rata-rata (µ) dan simpangan baku (σ ¿.

Kurvanya makin rendah (platikurtik) jika rata-rata (µ) besar dan simpangan baku (

σ ¿ besar. Kurvanya makin tinggi (leptokurtik) jika rata-rata (µ) dan simpangan

baku (σ ¿ kecil (Hasan, 2008).

Distribusi normal memiliki bentuk fungsi tertentu. Bentuk fungsinya

sebagai berikut: (Hasan, 2008)

Keterangan:

x = nilai data

π = 3,14

σ = simpangan baku

μ = rata-rata x

e = 2,71828 ≈ 2,72

Distribusi normal merupakan distribusi yang simetris dan berbentuk genta

atau lonceng. bentuk lonceng tersebut menunjukkan hubungan ordinat pada rata-

rata dengan berbagai ordinat pada berbagai jarak simpangan baku yang diukur

dari rata-rata (Hasan, 2008).

2.7.1 Rumus Umum Distribusi Normal

Distribusi normal memiliki bentuk fungsi tertentu. Bentuk fungsinya

sebagai berikut: (Hasan, 2008).

f(x) = 1σ √2π

e12

(x-μ)2

σ

Keterangan:

X = nilai data

π = 3,14

σ = simpangan baku

μ = rata-rata x

e = 2,71828 ≈ 2,72

2.7.2 Bentuk Kurva Distribusi Normal

Ada 3 jenis kurva normal yang harus diketahui dalam distribusi normal.

Jenis-jenis kurva tersebut yaitu adalah: (Walpole, 1993).

Dua kurva yang mempunyai nilai tengah dan simpangan baku yang

berbeda. Berpusat pada posisi yang berbeda pada sumbu mendatar dan bentuknya

yang berbeda pula.

Gambar 2.2 Kurva Normal Tidak Identik Kedudukan Berbeda

Dua kurva yang mempunyai nilaitengah sama tetapi simpangan bakunya

berbeda. Berpusat pada posisi yang sama pada sumbu mendatar, dan bentuknya

berbeda.

f(x) =1σ√2π

e12

(x-μ)2

σ

Gambar 2.3 Kurva Normal Tidak Identik Kedudukan sama

Dua kurva yang mempunyai nilai simpang baku yang sama tetapi nilai

tengah berbeda. Bentuk kedua kurva sama tetapi berpusat pada posisi yang

berbeda sepanjang sumbu mendatar.

Gambar 2.4 Kurva Normal Identik Kedudukan Berbeda

2.7.3 Sifat-Sifat Distribusi Normal

Sifat-sifat dari distribusi normal dapat diketahui dari bentuk kurva

distribusi normal, yaitu modusnya, yaitu titik pada sumbu mendatar yang

membuat fungsi mencapai maksimum, terjadi pada x = μ. Kurvanya setangkup

terhadap suatu garis tegak melalui nilai tengah μ. Kurva ini mendekati sumbu

mendatar secara asimtotik dalam kedua arah bila kita semakin menjauhi nilai

tengahnya dan luas daerah yang terletak di bawah kurva tetapi di atas sumbu

mendatar sama dengan 1.

2.7.4 Distribusi Normal Standar

Keluarga distribusi normal memiliki jumlah yang banyak sekali, akibat

pengaruh rata-rata dan simpangan baku. Mencari probabilitas suatu interval dari

variabel random kontinu dapat dipermudah dengan menggunakan bantuan

distribusi normal standar.

Distribusi normal standar adalah distribusi normal yang memiliki rata-rata

(µ)= 0 dan simpangan baku (σ )= 1. Bentuk fungsinya adalah:

Mengubah distribusi normal umum menjadi distribusi normal standar,

dapat menggunakan nilai Z (standart units). Bentuk rumusnya adalah:

Keterangan:

Z = variabel normal standar

X = nilai variabel random

µ = rata-rata variabel random

σ = simpangan baku variabel random

Nilai Z (standard units) adalah angka atau indeks yang menyatakan

penyimpangan suatu nilai variabel random (X) dari rata-rata (µ) dihitung dalam

satuan simpangan baku (σ ) (Hasan, 2008).

2.7.5 Rata-rata, Varians, dan Simpangan Baku Distribusi Normal

Distribusi normal memiliki rata-rata, varians, dan simpangan baku. Rumus

dari masing-masing perhitungan tersebut dapat dituliskan sebagai berikut: (Hasan,

2008).

1. Rata-rata:

f(Z)= 1√2π

e-½ Z2

Z= X- μσ

μ= ∑ Xn

2. Varians:

3. Simpangan baku:

2.7.6 Penggunaan Kurva Normal Standar

Menentukan luas daerah di bawah kurva normal standar, telah dibuat

daftar distribusi normal standar, yaitu tabel luas kurva normal standar dengan

nilai-nilai Z tertentu. Tabel tersebut dapat digunakan untuk mencari bagian-bagian

luas dari distribusi normal standar.

Luas seluruh kurva adalah 1 dan kurva simetris terhadap µ = 0 maka luas

dari garis tegak pada titik nol ke kiri atau pun ke kanan adalah 0,5 dan diartikan:

P(Z >0) = 0,5. Luas daerah di bawah kurva normal pada interval tertentu dapat di

tuliskan: P(a < Z < b).

Ada beberapa bagian luas di bawah kurva untuk distribusi normal umum

dengan rata-rata µ dan simpangan baku σ tertentu, dapat ditentukan. Artinya, jika

sebuah kejadian memiliki distribusi normal maka dari kejadian itu:

1. Kira-kira 68,27% dari kasus ada dalam daerah satu simpangan baku sekitar

rata-rata, yaitu antara µ - σ dan µ + σ ;

2. Kira-kira 95,45% dari kasus ada dalam daerah dua simpangan baku sekitar

rata-rata, yaitu antara µ - 2 σ dan µ + 2σ ;

3. Kira-kira 99,73% dari kasus ada dalam daerah tiga simpangan baku sekitar

rata-rata, yaitu antara µ - 3 σ dan µ + 3 σ ;

4. Ujung kurva normal ke kanan dan ke kiri tak berhingga jauhnya, namun

praktis dalam jarak lebih dari tiga simpangan baku dari rata-ratanya (µ3σ )

luas kurva normal itu tidak berarti lagi (kurang dari 1%) (Hasan,2008).

Distribusi binomial bervariabel diskrit sedangkan distribusi normal (kurva

normal) bervariabel kontinu. Penggunaan distribusi normal (kurva normal) untuk

σ2 = ∑ (X-μ)2

n

σ = √∑ (X-μ)2

n

menyelesaikan kasus distribusi binomial dapat dilakukan dengan menggunakan

aturan (penyesuaian), yaitu menggunakan faktor koreksi. Caranya ialah

menambahkan atau mengurangi variabel X-nya dengan 0,5 antara lain pertama

variabel X dikurangi 0,5 untuk batas bawah (kiri), kedua variabel X ditambah 0,5

untuk batas atas (kanan). Dengan demikian, rumus rumus Z-nya menjadi:

Kurva sembarang sebaran peluang kontinu atau fungsi kepekatan dibuat

sedemikian rupa sehingga luas daerah dibawah kurva itu yang dibatasi oleh x = x1

dan x = x2 sama dengan peluang bahwa peubah acak X mengambil nilai antara x =

xi dan x = x2 (Hasan, 2008).

2.7.7 Distribusi Normal Sebagai Pendekatan Distribusi Binomial

Distribusi normal merupakan distribusi kontinu, namun untuk data diskrit

yang distribusinya mendekati distribusi normal (p sekitar 0,5 atau n besar) maka

dalam analisinya dapat digunakan distribusi normal. Dalam pendeketan distribusi

normal untuk distribusi binomial, perhitungan mean dan standar deviasi dilakukan

dengan mengikuti kaidah distribusi binomial, tetapi analisisnya menggunakan

distribusi normal baku (Supramono,1993).

BAB III

Zi =(Xi ±0,5 ) - μσ

PEMBAHASAN DAN ANALISIS

PT Nara Rezka yang bergerak di bidang industri manufaktur

memproduksi produk permen coklat dengan ketentuan berat bersih 12,5 gr untuk

tiap permen coklat. Perusahaan memerintahkan kepala bagian Quality Control

untuk melakukan penelitian apakah berat bersih produk tersebut terdistribusi

secara normal atau tidak. Sampel yang diambil adalah 30 buah yang diambil

secara acak berikut datanya:Tabel 4.17 Data Pengamatan Berat Bersih Permen Coklat

Produk Ke- Berat Bersih (gr) Produk Ke- Berat Bersih (gr)

1. 12 16. 12

2. 11 17. 12

3. 12 18. 11

4. 11 19. 12

5. 11 20. 12

6. 11 21. 11

8. 11 23. 12

9. 12 24. 11

10. 12 25. 12

12. 11 27. 11

13. 13 28. 12

14. 12 29. 10

15. 13 30. 11

Perusahaan meminta bagian Quality Control untuk mengkaji dan

mengamati hal-hal berikut :

1. Rata-rata data pengamatan

2. Simpangan baku

3. Peluang terdapat produk yang memiliki berat lebih dari 13 gram.

4. Peluang terdapat produk yang memiliki berat kurang dari 10 gram.

5. Peluang terdapat produk yang memiliki berat antara 11 dan 13 gram.

6. Peluang terdapat produk yang beratnya tepat 12 gram.

4.7.2 Perhitungan Manual Distribusi Normal

Perhitungan manual dilakukan secara manual dengan menggunakan alat

bantu hitung berupa kalkulator. Perhitungan manual dilakukan menggunakan

rumus distribusi normal yang telah dijelaskan sebelumnya pada bab landasan

teori. Hasil dari perhitungan manual yang dilakukan adalah sebagai berikut :

1. Menghitung nilai rata-rata produk dapat menggunakan rumus dibawah ini:

μ = ∑xn

= 34630

= 11,5

Tabel 4.18 Data Perhitungan Manual

Produk Ke- Berat Bersih (Gr) (x−μ)2

1 12 0,252 11 0,253 12 0,254 11 0,255 11 0,256 11 0,257 12 0,258 11 0,259 12 0,2510 12 0,2511 10 2,25

Tabel 4.18 Data Perhitungan Manual (Lanjutan)

Produk Ke- Berat Bersih (Gr) (x−μ)2

12 11 0,2514 12 0,25

15 13 2,2516 12 0,2517 12 0,2518 11 0,2519 12 0,2520 12 0,2521 11 0,2522 11 0,2523 12 0,2524 11 0,2525 12 0,2526 12 0,25/27 11 0,2529 10 2,2530 11 0,25

Jumlah 346 15,5

2. Nilai Simpangan baku produk tersebut dapat diketahui menggunakan rumus

dibawah ini:.

σ = √∑(x- μ)2

n-1

= √15,529

= √0,53448275

= 0,7310

3. Peluang terdapat produk yang memiliki berat lebih dari 13 gram.

Z = x - μ σ

= 13 - 11,5 0,7310

= 1,5 0,7310

= 2,05 (luas dalam tabel normal = 0,9798)

P ( Z > 13 ) = 1– 0,0202

= 0,9798

4. Peluang terdapat produk yang memiliki berat kurang dari 10 gram.

Z = x - μ σ

= 1 0 - 11,50,7310

= -1.50,7310

= -2,05 (luas dalam tabel normal = 0,0202)

P ( Z < 10 ) = 0,0202

5. Peluang terdapat produk yang memiliki berat antara 11 dan 13 gram.

Z1 = 11 - 11,50,7310

= -0,5 0,7310

= -0,68 (luas dalam tabel normal = 0,2483)

Z2 = 13 - 11,50,7310

= 1,50,7310

= 2,05 (luas dalam tabel normal = 0,9798)

P ( 11 < Z < 13 ) = 0,9798 – 0,2483

= 0,7315

6. Peluang terdapat produk yang beratnya tepat 12 gram.

Z = 12−11,50,7310

Z = 0,5

0,7310

Z = 0,68 (Luas dalam tabel normal = 0, 7517)

4.7.3 Perhitungan Software Distribusi Normal

Perhitungan software menggunakan program Minitab16. Program

Minitab16 dijalankan dengan memilih program minitab melalui shortcut yang ada

pada layar. Dengan begitu program minitab 16 akan berjalan.

Gambar 4.49 Lembar Kerja Minitab 16

Langkah selanjutnya mengisi column di bawah C1 dengan berat (gr),

dibawah C2 itu hasil. kemudian isi data pada column berat (gr) sesuai dengan

netto yang telah di tentukan.

Gambar 4.50 Memasukkan Data Berat Makanan

Langkah selanjutnya memilih menu graph pada menu bar. Langkah

selanjutnya memilih grafik histogram.

Gambar 4.51 Menu graph

Muncul kotak dialog histogram, dari empat jenis grafik. Memilih tampilan

with fit sebagai tampilan grafik.

Gambar 4.52 Histogram-With Fit

Kemudian tampilah kotak dialog Histogram-With Fit kolom graph

variables diisi dengan berat (gr). Kemudian memilih kotak dialog ok.

Gambar 4.53 Kotak dialog Histogram-With Fit

Dari pilihan yang dilakukan program akan menampilkan output seperti

gambar 4.48. Gambar menunjukkan mean, standar deviasi dan juga data dalam

bentuk grafik.

Gambar 4.54 Histogram of Berat (gr)

Penyajian data belum lengkap sehingga lebih mudah dimengerti.

Melengkapi hasil menggunakan pilihan menu stat, sorot basic statistics dan

memilih display descriptive statistics.

Gambar 4.55 Display Descriptive Statistics

Langkah selanjutnya pada kotak dialog display descriptive statistics,

memilih C1 berat (gr). Pada kolom variables memasukkan variabel berat (gr).

Gambar 4.56 Tabel dialog Display Descriptive Statistics

Memilih pilihan statistics kemudian akan banyak muncul kotak pilihan,

dari semua kotak pilihan memilih beberapa hasil yang diinginkan. Dari kotak-

kotak pilihan itu mean, standart deviation, skewness, kurtosis, N nonmissing dan

N missing. Dengan begitu program akan menampilkan semua pilihan dalam

bentuk output.

Gambar 4.57 Tabel pilihan Statistics

Program akan menampilkan semua materi-materi yang dipilih sebelumnya.

Dengan begitu hasil perhitungan dan output menjadi lebih mudah dipahami.

Gambar 4.58 Data Descriptive Statistics (Berat(gr)

Kemudian seperti langkah sebelumnya program mengkalkulasikan nilai-

nilai yang telah diinput. Dengan cara, memilih pada menu bar pilihan calc dan

sorot probability distribution dan memilih pilihan normal distribution.

Gambar 4.59 Kotak Dialog Normal Distributions

Memilih tombol OK pada kotak dialog Normal distributions pada

Coloumn Hasil keluar nilainya. Nilai Hasil yang muncul adalah nilai Hasil dari

nilai 1 sampai 30.

Gambar 4.60 Nilai Peluang Distribusi Normal

4.7.4 Analisis Perhitungan Manual Distribusi Normal

Perhitungan manual menggunakan perhitungan dengan pendekatan

distribusi normal. Nilai rata-rata adalah 11,5. Nilai simpangan baku adalah

0,7310. Nilai probabilitas yang terdapat dari permen coklat dengan berat lebih dari

13 gram adalah 0,0202. Nilai probabilitas yang terdapat dari permen coklat

dengan berat kurang dari 10 gram adalah 0,0202. Nilai probabilitas yang terdapat

dari permen coklat dengan berat antara 11 gram dan 13 gram adalah 0,7315. Nilai

probabilitas yang terdapat dari permen coklat dengan berat tepat 12 gram adalah

0,7517

Nilai rata-rata pada kurva distribusi normal merupakan nilai tengah dari

kurva tersebut. Nilai rata-rata memiliki nilai yang sama dengan nilai median dan

modus. Disimpulkan dari perhitungan manual yang telah dilakukan bahwa nilai

median dan modus dari kurva adalah 10,954.

Nilai probabilitas dihitung dengan menggunakan tabel luas bidang di

bawah kurva normal 2 arah dan cara menghitungnya dilihat dari kiri kurva ke

kanan.

4.7.5 Analisis Perhitungan Software Distribusi Normal

Perhitungan software yang digunakan pada kali ini adalah software

Minitab versi 16 untuk menghitung nilai probabilitas dan probabilitas kumulatif.

Hasil perhitungan software untuk distribusi normal memiliki kelebihan dari pada

menggunakan perhitungan manual, yaitu tidak menggunakan rumus-rumus untuk

mendapatkan nilai probabilitas distribusi normal.

Gambar 4.58 Data Descriptive Statistics Berat(gr). Hasil perhitungan

software untuk berat makanan didapatkan hasil n missing sebesar 30 sedangkan n

nonmissing sebesar 0, hal ini menandakan seluruh data berhasil terproses. Nilai

rata-rata yang didapat sebesar 11,533 dan simpangan bakunya sebesar 0,730. Nilai

skewness didapat hasil sebesar -0,12 sedangkan nilai kurtosis sebesar -0,06, hal

ini menandakan data terdistribusi normal.

Gambar 4.60 Nilai Peluang Distribusi Normal. Hasil perhitungan software

untuk probabilitas diperoleh nilai probabilitas tertinggi terdapat pada berat 13

gram sebesar 0,977763 sedangkan nilai probabilitas paling kecil terdapat pada

berat 10 gram sebesar 0,017864. Disimpulkan bahwa semakin berat permen coklat

semakin besar probabilitasnya.

Gambar 4.54 Histogram of Berat (gr). Hasil analisis dari kurva distribusi

normal menunjukkan bahwa kurva tersebut tergolong dalam distribusi normal

karena tinggi dari histogram tidak melebihi kurva lonceng. Data ini berdistribusi

normal karena sampel yang diteliti hampir sesuai dengan berat yang ditentukan

dalam kemasan.

4.7.6 Analisis Perbandingan Perhitungan Manual dan Software Distribusi

Normal

Perbandingan hasil pengolahan data dari perhitungan manual dan

perhitungan software kurang lebih didapat hasil yang tidak jauh berbeda. Nilai

rata-rata adalah 11,5 pada perhitungan manual dan pada perhitungan software

didapat hasil 11,533. Nilai simpangan baku adalah 0,7310 pada perhitungan

manual dan pada perhitungan software didapat hasil 0,730.

Nilai probabilitas terdapatnya permen coklat dengan berat kurang dari 10

adalah 0,0202 pada perhitungan manual dan pada perhitungan software didapat

hasil 0,017864.

Nilai probabilitas terdapatnya permen coklat dengan berat lebih dari 13

adalah 0,9798 pada perhitungan manual dan pada perhitungan software didapat

hasil 0,977763. Nilai ini didapatkan dari 1 dikurangi dengan nilai probabilitas

kurang dari 12, yaitu 1 - 0,0202.

Nilai probabilitas terdapatnya permen coklat dengan berat antara 11 dan 13

adalah 0,7315 pada perhitungan manual dan pada perhitungan software didapat

hasil 0,745110. Nilai tersebut didapatkan dari hasil pengurangan antara

probabilitas kurang dari 13 dan probabilitas lebih dari 11.

BAB V

PENUTUP

5.1 Kesimpulan

Setiap proses perhitungan dan analisis yang dilakukan \menghasilkan

informasi. Informasi tersebutlah yang kemudian digunakan untuk pengambilan

kesimpulan, kesimpulan tersebut berisi jawaban dari masing-masing tujuan yang

telah disusun sebelumnya. Kesimpulan yang dimaksud yaitu sebagai berikut:

a. Produk permen coklat terdistribusi normal, hal ini dapat diketahui dari nilai

peluang berat permen coklat antara 11 dan 13 yang memiliki peluang cukup

besar yaitu 0,7315.

b. Probabilitas berat produk lebih dari 13 gram adalah 0,0202. Probabilitas berat

produk kurang dari 10 gram adalah 0,0202. Probabilitas antara 10 dan 13

adalah 0,7315.

5.2 Saran

Penelitian proses demi proses yang dilakukan membutuhkan kerja sama

dan inisiatif dari masing-masing anggota. Kerja sama yang dimaksudkan adalah

keselarasan antara pelajar dan pengajar, juga antar kawan kerja.

Proses pengerjaan sebuah laporan secara tidak langsung dipengaruhi juga

oleh proses pembelajaran sehingga dalam proses ini dibutuhkan kecermatan dan

konsentrasi yang seringkali terganggu oleh beberapa faktor. Faktor-faktor negatif

inilah yang diharapkan dapat diatasi. Sehingga suasana dapat lebih kondusif untuk

proses pembelajaran.

DAFTAR PUSTAKA

Hasan, Iqbal. 2008. Statistik 2 (Inferensif) Edisi Ke-2. Jakarta: Bumi Aksara.

Muttaqin, Husni dan Suryadi. 1997. Statistika Industri 1. Jakarta: Universitas

Gunadarma.

Subiyakto, Haryono.1994. Statistika 2. Jakarta:Gunadarma.

Supramono dan Sugiarto. 1993. Statistika. Yogyakarta: Andi Offset

Walpole, Ronald E. 1983. Pengantar Statistika. Jakarta: Gramedia Pustaka

Utama.