Statistika Industri IKULIAH 1KONTRAK KULIAH STATISTIK DAN RUANG LINGKUPNYA DATA DAN PENGUMPULANNYA DOSEN:Ratna Sari Dewi (ratna@ie.its.ac.id)/08156095393

Kontrak KuliahDeskripsi mata kuliah y Tujuan kuliah y Rincian materi y Referensi y Evaluasiy

2

Deskripsi Mata KuliahMata Kuliah ini bertujuan membentuk kompetensi utama analisis dan pemecahan masalah dengan pendekatan keilmuan statistik sebagai dasar pengambilan keputusan. y Menekankan pada penguasaan dua aplikasi statistik, yaitu Statistik Deskriptif dan Statistik Inferensi. y Statistik Inferensi membutuhkan penguasaan dasar dan konsep Probabilitas dan distribusi probabilitas.y

3

Tujuan PerkuliahanMemahami dan menguasai cara-cara untuk mendapatkan berbagai macam data (sampling), mendeskripsikan data (statistik deskriptif) dan mengambil kesimpulan terhadap data sebagai dasar pengambilan keputusan. y Memahami dan menguasai tentang teori kemungkinan (probabilitas), distribusi probabilistik baik diskrit maupun kontinyu, serta konsep distribusi sampling sebagai dasar untuk melakukan analisis inferensi . y Memahami dan mampu menerapkan konsep statistik inferensi, khususnya estimasi parameter dan Uji Hipotesay4

Rincian Materi

5

Referensiy

y y y y

Walpole, R.E, Raymond H. Myers, S.H. Myers, Keying Ye (2007). Probability and Statistics for Engineers and Scientists, 8th. Editions, Pearson Education, Inc., NJ. Levine, Krehbiel, and Berenson, Business Statistics: A First Course, Prentice Hall Levin, R.I. and David S. Rubin (1994), Statistic for Management, Prentice Hall, Inc., NJ Slide kuliah Internet/webpages/papers6

EvaluasiFinal Project (15%) Komponen Tugas Rumah dan Short Quiz (20%) Ujian Tengah Semester (32.5%) PR /Kuis/Tugas kecil Ujian Akhir Semester (32.5%) Ujian sifat Open Tugas besar Note (A4 Bolak-Balik)

Bobot 10% 20% 32,5% 32,5% 5%

UTS UAS Keaktifan

7

CPHeru (085646455154) Rescha (085255923529)

8

Kuliah ISTATISTIK DAN RUANGLINGKUPNYA

9

STATISTICS : WHAT, WHY ??!?Statistics is summarising and interpreting numerical facts (data),using scientific principles,methods (probability theory) & computer analyses Make decisions (managerial) under uncertainty in business, economics, finance, accounting, marketing, psychology, medicine, agriculture, computing, engineering,law.....etc

10

THE SCIENCES OF UNCERTAINTYIt is used by Physicists to predict the behaviour of elementary particles. It is used by engineers to build computers. It is used by economists to predict the behaviour of the economy. It is used by stockbrokers to make money on the stockmarket. It is used by psychologists to determine if you should get that job.

11

Defined By : The random House Collage DictionaryA science related to data collection, analysis, and interpretation of numerical fact or data SO, statistics is the :

science of data.

12

RUANG LINGKUP ILMU STATISTIK

Statistik berkaitan dengan tiga bidang kajian: Data Analysis: berkaitan dengan pengumpulan (gathering), penyajian (display), dan penyimpulan (summary) suatu data statistik deskriptif Probability: hukum peluang Statistical inference : menggunakan data sampel untuk menduga/mengambil kesimpulan (infer) tentang populasi

13

LITTLE BIT HISTORY OF STATISTICSStatistik statista (Italian word means statesman) Governments of ancient Babylonia, Egypt, and Rome gathered detailed records of populations and resources. In A.D. 762 Charlemagne asked for detailed description of church-owned properties. Because of Henry IIs fear of the plague, England began to register its dead in 153214

PERAN STATISTIKresearch in engineering involves the use of experimental data a sample to infer the nature of some conceptual population contribution of statistics : it enables us to make inferences estimates of and decision about population parameters with known measure of uncertainty (probability)Major Experimental

15

STATISTICS CAN SOLVE THESE

Are data could give complete information? Most data couldnt provide complete information Could we fully confidence with the collected data? Do we need a statement about level of confidence? We often face uncertain condition when were collecting data How the data could tell information that we want to know? We need a powerful method to infer data16

1. How can we make a good design of experiment? need a STATISTICS approach 2. Experiments generate data 3. The data must be sufficient before we analyze them. Has our data sufficient? need a STATISTICS approach 4. We want to analyze & interpretate the data need a STATISTICS approachI LOVE EXPERIMENT GUYS !!!17

CONTOH PENGGUNAAN STATISTIK

INDIKATOR MAKRO EKONOMI 2006( USULAN PEMERINTAH UNTUK APBN 2006)1 /3 0 /2 0 0 5

(Sumber : Depkeu, 2005)

1 5 0

1 2 5

IDR

R p E UR JP Y S G D MYR T H B P H P CN Y A UD 1 0 0

7 5

1 0 /3 0 /2 0 0 4

1 1 /3 0 /2 0 0 4

1 2 /3 0 /2 0 0 4

1 0 /3 0 /2 0 0 5

1 1 /3 0 /2 0 0 5

5 0

1 2 /3 0 /2 0 0 5

8 /3 0 /2 0 0 4

2 /2 8 /2 0 0 5

8 /3 0 /2 0 0 5

1 /3 0 /2 0 0 4

2 /2 9 /2 0 0 4

3 /3 0 /2 0 0 4

4 /3 0 /2 0 0 4

5 /3 0 /2 0 0 4

6 /3 0 /2 0 0 4

7 /3 0 /2 0 0 4

9 /3 0 /2 0 0 4

3 /3 0 /2 0 0 5

4 /3 0 /2 0 0 5

5 /3 0 /2 0 0 5

6 /3 0 /2 0 0 5

7 /3 0 /2 0 0 5

9 /3 0 /2 0 0 5

PDB: Konsumsi - Konsumsi Rumah Tangga - Konsumsi Pemerintah Investasi Ekspor Barang dan Jasa Impor Barang dan Jasa Inflasi: IHK *) proyeksi

2005 (%) 5,3 5,6 3,3 3,8 3,4 3,9 2,6 3,1 9,6 10,1 7,6 8,1 10,5 11,0 18,0

2006 (%)* 5,0 5,7 4,0 5,0 3,0 4,0 12,8 13,8 8,4 9,4 7,4 8,4 9,1 10,1 7,0 9,0

- 5 .0 % - 1 0 .0 %

Q1 -0 1 Q2 -0 1 Q3 -0 1 Q4 -0 1 Q1 -0 2 Q2 -0 2 Q3 -0 2 Q4 -0 2 Q1 -0 3 Q2 -0 3 Q3 -0 3 Q4 -0 3 Q1 -0 4 Q2 -0 4 Q3 -0 4 Q4 -0 4 Q1 -0 5 Q2 -0 5 Q3 -0 5- 2 .3 % - 2 .0 % - 5 .5 %

(i) (ii) (iii) (iv) (v) (vi) (vii)

rtum uhan konomi ,2 rs n; inflasi 8,0 rs n; nilai tukar (kurs) 9.900,- per olar Amerika; tingkat unga S I ulan 9,5 persen; harga minyak mentah In onesia (ICP) US$57 per arel; an lifti minyak ,050 juta arel per hari. S I ulan 9,5%

GDP GROWTH7.0% 6.7% 6.0% 6.1% 5.4% 5.0% 4.4% 4.0% 3.0% 2.0% 1.0% 3.9% 4.0% 4.9% 4.2% 6.3% 5.9% 5.5% 5.2% 4.7% 4.4% 4.4% 5.1% 5.3%

2.7%

1.0% 0.0%

-0 1 -0 1 -0 1 -0 1 -0 2 -0 2 -0 2 -0 2 -0 3 -0 3 -0 3 -0 3 -0 4 -0 4 -0 4 -0 4 -0 5 -0 5 -0 5 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3

INVEST ASI G R O W T H2 5 .0 % 2 0 .0 % 1 5 .0 %1 1 .3 % 1 1 .5 % 8.9 % 7 .9 % 5 .6 % 4 .8% 0 .0 % 3 .9 % 9 .1 8% 1 8.3 % 1 9 .7 % 1 8.3 % 1 5 .0 % 1 3 .1 % 1 3 .2 %

1 0 .0 % 5 .0 %0 .5 %

0 .0 %

(Sumber : Bank Indonesia)

19

20

PROYEKSI GROWTH GDP 2006 2010Tahun GDP Index GDP (1997 =100) % Growth2000 39756 6 91.67 4.7% 2001 2002 2003 2004 2005 2006F 2007F 2008F 2009F 60340 8 139.1 4 5.6% 2010F 63780 8 147.0 7 5.7% 411691 94.93 3.6% 426741 98.40 3.7% 444237 102.43 4.1% 462451 106.63 4.1% 490198 113.03 6.0% 513800 118.47 4.8% 541400 124.84 5.4% 571272 131.73 5.5%

% G rowth G D P7.0 % 6 .0 % 5.0 % 4.0 % .0 % 2 .0 % 1 .0 % 0 .0 % 6 .0 % 4.7% .6 % .7% 4.1 % 4.1 % 4.8% .4% .5% 5.6 % 5.7%

7F

F

F

4

02

00

01

5

F

8

09

00

20

20

20

20

20

20

20

00

20

% G rowth

20

2

2

10

06

0

0

0

F

21

INFLASI HISTORICAL ANALYSIS20.00 18.00 16.00 1 .00 Inflasi Y-o-Y 12.00 10.00 .00 6.00 .00 2.00 0 00 Janua i Feb ua i ae Ap il ei Juni Juli Agus us Sep embe Ok be N pembe esembe Janua i Feb ua i ae Ap il ei Juni Juli Agus us Sep embe Ok be N pembe esembe Janua i Feb ua i ae Ap il ei Juni Juli Agus us Sep embe Ok be N pembe esembe 10.00 .00 8.00 .00 6.00 .00 .00 3.00 2.00 1.00 0.00 -1.00 Inflasi M-t-M

2003

200 Inflansi Ta unan Y-O-Y Inflansi ulanan -T-

200

Inflasi yang e jadi an a a 2003 200 cende ung s abil kecuali pasca kenaikan pada bulan Ok be 200 . P ediksi yang akan dilakukan adala p ediksi un uk inflasi Yea f Yea (Y- -Y)

PREDIKSI NILAI TUKAR RUPIAHPrediksi Kurs Rupiah

Paling sulit untuk menentukan arah pergerakan rupiah, karena terlalu volatile dan banyak faktor yang berpengaruh d d d d

Tahun K u rs F u k tu a Tahun si K u rs F u k tu a Tahun si K u rs F u k tu a si

20 06 20 07 20 08 20 09 20 10 20 11 20 12 20 13 20 14 20 15 20 16 20 17 20 18 20 19 20 20 20 21 20 22 20 23 20 24 20 25 20 26 20 27 20 28 20 29 20 30

2006 Rp 9 ,6 2 3 2011 -1 .0 2 % Rp 1 1 ,7 4 2 2 5% 1 .4 0 1 6 Rp 1 2 ,1 0 5 -0 .0 3 %

2007 Rp 1 0 ,0 3 1 2012 4 .2 5 % Rp 1 1 ,7 4 9 2 6% 0 .00 1 7 Rp 1 2 ,1 0 7 0 .0 2 %

2008 Rp 1 0 ,5 0 5 2013 4 .7 3 % Rp 1 1 ,4 8 7 2 4% -2 .20 1 8 Rp 1 2 ,2 9 0 1 .5 1 %

2009 Rp 1 1 ,1 4 6 2014 6 .1 0 % Rp 1 1 ,9 0 3 2 2% 3 .60 1 9 Rp 1 2 ,5 6 9 2 .2 7 %

2010 Rp 1 1 ,5 7 4 2015 3 .8 4 % Rp 1 2 ,1 0 9 2 3% 1 .70 2 0 Rp 1 2 ,5 7 9 0 .0 8 %

R

y .2021 Rp 1 3 ,0 7 5 3 .9 4 % 2026 Rp 1 3 ,9 5 7 -0 .9 8 % 2022 Rp 1 3 ,3 0 9 1 .7 9 % 2027 Rp 1 4 ,1 8 8 1 .6 6 %

Tahun K u rs F u k tu a si Tahun K u rs F u k tu a si

2023 Rp 1 3 ,4 7 8 1 .2 7 % 2028 Rp 1 4 ,1 7 3 -0 .1 1 %

Rp 16,000 Rp 14,000 Rp 12,000 Rp 10,000 Rp 8,000 Rp 6,000 Rp 4,000 Rp 2,000 Rp 0

Dengan menggunakan metode simulasi ekonomi, Dolar diprediksi akan berfluktuasi pada level 1 USD = IDR .000 IDR 15.000. Setiap tahunnya Rupiah secara rata-rata akan terdepresiasi sebesar 1.72%

2024 Rp 1 3 ,9 9 4 3 .8 3 % 2029 Rp 1 4 ,1 6 0 -0 .0 9 %

2025 Rp 1 4 ,0 9 5 0 .7 2 % 2 0 30 Rp 1 4 ,4 2 1 1 .8 4 %

22

23

SHORTAGES SEMEN NASIONALNATIONAL CEMENT 1999 - 20242, , , , , 2, , , , , , , NATIONAL CEMENT SHORTAGE WILL FIRSTLY OCCUR AT 2012

2 (2 , ( ( ( , ) ) ) )

2

2 22 32

2

2

2

2

2

2

2

2 22 32

2

2

2

2

2

2 2 2 2 2 22 2 23 2 2

CEMENT CONS M TION

NORMAL RO

CTION CA ACIT

SHORTAGE

24

QUICK COUNT PILKADA AWA TIMURHasil perhitungan suara sementara yang dilakukan oleh tiga lembaga survei pada Pigub Jatim putaran kedua menunjukan suara pasangan Khofifah-Mudjiono (KaJi) berhasil mengungguli suara pasangan Soekarwo-Saifullah Yusuf (KarSa). Sayangnya, meski suara pasangan KaJi unggul tipis dari KarSa, mereka tidak berani memastikan siapa pemenang dalam pertarungan pemilihan gubernur Jatim ini. Kami tidak berani memastikan siapa yang memenangkan pilgub ini. Karena margin of error atau tingkat kesalahan seharusnya 1-2 persen. Namun selisih angka dua pasangan ini kurang dari 1-2 persen, kata Moch Adam Kamil, peneliti Lembaga Survey Indonesia (LSI) kepada wartawan di Hotel Mercure, Jalan Raya Darmo, Surabaya, Selasa (4/11/2008). Data yang dihimpun detiksurabaya.com, dari penghitungan cepat yang dilakukan Lembaga Survey Indonesia (LSI), pasangan KaJi memperoleh suara sebanyak 50, 44 persen, dan KarSa mendapat 49,56 persen. Jumlah suara itu didapat LSI dari sample 400 TPS yang tersebar di 65 ribu TPS yang ada di Jawa Timur. Sedangkan dari perhitungan cepat Lingkaran Survey Nasional yang mereka lakukan di 400 TPS di seluruh Jatim, KaJi meraup 50,76 persen dan KarSa meraih 49,24 persen. Sementara dari rilis Lembaga Survei Nasional (LSN) yang diterima detiksurabaya.com, pasangan KaJi memperoleh 50,71 persen, sedangan KarSa selisih tipis dengan memperoleh 49,29 persen.

KLASIFIKASI STATISTIKSt t t c M t od

D c tv St t t c

I t l St t t c

INTERPRETASIKAN GAMBAR BERIKUT !A A

26

..

F

S

l

B

St t t D tfC

St t t

D

St t t I f nE

F

POPULASI (D t )

DESCRIPTIVE STATISTICS1.

Involves Collecting

Data Presenting Data Characterizing Data2.

50 25 0

$

Purpose Describe

Q1

Q2

Q3

Q4

Data DX = 30.5 S2 = 113

INFERENTIAL STATISTICS (1)1. InvolvesEstimation Hypothesis TestingPo l t on?

2.

PurposeMake Decisions About Population Characteristics

INFERENTIAL STATISTICS (2)

Making statements about a population by examining sample results Population parameters(unknown,

Sample statistics (known) Inference

but can

be estimated from sample evidence)

PoS l

l t on

INFERENTIAL STATISTICS (3)D ng concl o conc n ng Estimation e.g.:

on nd/o ng d c on l t on b d on l lt .

Estimate the population mean weight using the sample mean weight

Hypothesis e.g.:

Testing

Use sample evidence to test the claim that the population mean weight is 120 pounds

ISTILAH PENTING1. Population (Universe)All Items of Interest

2. SamplePortion of Population

P n Po l t on &P m t S nS m l & St t t c

3. ParameterSummary Measure about Population

4. StatisticSummary Measure about Sample

POPULASI DAN SAMPELA Population is the set of all items or individuals of interestExamples: All likely voters in the next election All parts produced today All sales receipts for November

A Sample is a subset of the populationExamples: 1000 voters selected at random for interviewA few parts selected for destructive testing Every 100th receipt selected for audit

POPULASI VS SAMPELPob f g o q x y

l t oncd j l m n t z v o

S m lb g c n

y

WHY SAMPLE?

Less time consuming than a census Less costly to administer than a census It is possible to obtain statistical results of a sufficiently high precision based on samples.

PrimaryData Collection

SecondaryData Compilation

Print or Electronic Observation Survey

Experimentation

Define the issue what

are the purpose and objectives of the survey?

Define the population of interest Formulate survey questions make use

questions clear and unambiguous

universally-accepted definitions the number of questions

limit

(continued)

Pre-test the survey pilot

test with a small group of participants clarity and length

assess

Determine the sample size and sampling method Select Sample and administer the survey

Closed-end Questions Select from a short list of defined choices

Example: Major: __business __liberal arts __science __other

Open-end Questions Respondents are free to respond with any value, words, or statement

Example: What did you like best about this course?

Demographic Questions Questions about the respondents personal characteristics Example: Gender: __Female __ Male

Samples

Non-Probability Samples Judgement Convenience

Probability Samples Simple Random

Systematic Cluster

Stratified

Items of the sample are chosen based on known or calculable probabilities

Probability Samples

Simple Random

Stratified

Systematic

Cluster

Every individual or item from the population has an equal chance of being selected Selection may be with replacement or without replacement Samples can be obtained from a table of random numbers or computer random number generators

Population divided into subgroups (called strata) according to some common characteristic Simple random sample selected from each subgroup Samples from subgroups are combined into one

Population Divided into 4 strata

Sample

Decide on sample size: n Divide frame of N individuals into groups of k individuals: k=N/n Randomly select one individual from the 1st group Select every kth individual thereafter

N = 64 n=8 k=8First Group

Population is divided into several clusters, each representative of the population A simple random sample of clusters is selected

All items in the selected clusters can be used, or items can be chosen from a cluster using another probability sampling technique

Population divided into 16 clusters.

Randomly selected clusters for sample

Data

Qualitative (Categorical)Examples: Marital Status Political Party Eye Color (Defined categories)

Quantitative (Numerical)

DiscreteExamples: Number of Children Defects per hour (Counted items)

ContinuousExamples: Weight Voltage (Measured characteristics)

Time Series Data Ordered

data values observed over time

Cross Section Data Data

values observed at a fixed point in time

Atl nt Boston Cl v l n d D nv

S l (in $1000s) 2003 2004 2005 2006 435 460 475 490 320 345 375 395 405 390 410 395 260 270 2 5 2 0

Time Series Data

Cross Section Data

Measurements

Ratio/Interval Data

Hig

st L v l

Com l t An lysis

R n ings O d d C t go ies

Ordinal Data

Hig

L v l

Mid-l v l An lysis

C t go ic l Cod s ID N mb s C t go y N m s

Nominal Data

Low st L v l B sic An lysis

1. Nominal Variabel yang nilainya berupa simbol, nilainya sendiri anya berfungsi sebagai label atau memberi nama, tidak ada hubungan antar nilai nominal, tidak bisa diurutkan atau diukur jaraknya dan anya uji persamaan yang bisa dilakukan. Conto : ada ujan atau tidak ujan, laki atau perempuan. 2. Ordinal Nilainya berupa simbol tetapi bisa diurutkan, tidak bisa diukur jaraknya, tidak bisa dijumlahkan. Kadang perbedaannya dengan variabel nominal kurang tegas. Var temperatur mempunyai nilai panas, sedang, dingin 3. Interval Bisa diurutkan, dan diukur dengan tetap dan unit yang sama. Perbedaan nilai dalam interval bisa dihitung. Nilai nol tidak didefinisikan secara mutlak. Misalkan variabel temperatur diukur dalam derajat Fahrenheit. 4. Rasio Mempunyai nilai nol yang mutlak. Nilai variabel rasio diperlakukan sebagai bilangan riil. Semua operasi matematika, seperti penjumlahan, pengurangan, pembagian, dsb. bisa dilakukan terhadap nilai rasio. Contoh variabel jarak dalam centimeter.

CONTOH SKALA NOMINAL :NO. 1 2 3 4 5 JENIS KENDARAAN TOYOTA DAIHATSU ISUZU BMW PEUGEOUT JUMLAH (UNIT) 68,638 15,721 20,521 1,515 1,367Angka yang ada hanya sebagai label saja untuk membedakan antara objek amatan. Tidak berarti 2 lebih baik dari 1, dst.

CONTOH SKALA ORDINAL :NO. 1 2 3 4 5 JENIS KENDARAAN PEUGEOUT BMW DAIHATSU ISUZU TOYOTA JUMLAH (UNIT) 1,367 1,515 15,721 20,521 68,638Angka yang ada menunjukkan rangking penjualan/ mengandung pengertian tingkatan.

CONTOH SKALA INTERVAL : Suhu udara dapat berkisar antara -4 hingga 40 C. Jika termometer menunjukkan 0 C, bukan berarti tidak ada suhu, tetapi hanya sebagai penunjuk bahwa suhu saat itu tergolong rendah.

CONTOH SKALA RASIO : Jumlah komponen mesin yang diproduksi per batch adalah 1.000.000 komponen. Bila dalam suatu batch menunjukkan angka produksi 0, maka artinya adalah pada saat itu tidak dilakukan proses produksi sehingga tidak ada output produksi.