laporan 1

LABORATORIUM PERANCANGAN TEKNIK INDUSTRI 1 PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS HASANUDDIN

BAB I PENDAHULUAN

1.1.

Latar Belakang Prosedur umum yang dipergunakan untuk menggambarkan serangkaian data

kuantitatif sebenarnya merupakan suatu prosedur penyederhanaan dari data itu sendiri. Statistik deskriptif adalah suatu pengukuran yang yang bertujuan untuk memberikan gambaran tentang data yang kita peroleh, baik dari sampel maupun dari populasi. Umumnya data tersebut masih bersifat acak, mentah dan tidak terorganisir dengan baik dan teratur. Oleh karena itu seiring dengan perkembangan zaman, statistik menempati posisi yang kian penting dalam kehidupan yang semakin dilimpahi data. Tanpa statistik, data-data itu hanya akan menjadi angka-angka yang tidak memiliki makna. Untuk itu dengan melakukan percobaan statistik deskriptif ini, kami sebagai mahasiswa dapat menerapkan disiplin ilmu yang dimiliki dengan mengumpulkan, mengklasifikasikan, meringkas, menyajikan,

menginterprestasikan, dan menganalisis data. Jadi, dengan melakukan percobaan ini kami dapat mempelajari dan mengetahui secara langsung kegiatan yang berlangsung dalam suatu instansi, sehingga dapat memberikan pengalaman yang baru bagi kami.

1.2.

Tujuan Praktikum 1. Dapat menguasai teknik pengambilan data untuk memperoleh data penelitian 2. Praktikan mampu memahami konsep data, klasifikasi data, dan skala pengukuran 3. Praktikan mampu menjelaskan secara menyeluruh jenis-jenis ukuran yang dapat meringkas dan menggambarkan sifat-sifat dasar kumpulan data 4. Praktikan mampu menginterpretasikan dan menyimpulkan pengolahan data pada statistik deskriptif

1.3.

Manfaat Praktikum 1. Praktikan mampu melakukan pengambilan data dengan benar 2. Praktikan mampu mengolah data dengan benar 3. Praktikan mampu menginterpretasikan dan menarik kesimpulan serta mengambil keputusan hasil pengolahan data dalam bentuk statistik deskriptif

Nama : Muh. Zaqqi Rachmat Kelompok : IV (empat)

1 [13th]


BAB II TEORI DASAR

2.1.

Pengertian Statistik Secara umum, statistika merupakan suatu bentuk penalaran induktif walaupun dalam

beberapa hal ada juga bagian yang menggunakan penalaran deduktif. Ada yang beranggapan bahwa statistika merupakan bagian dari Matematika yang membahas rumus untuk mengumpulkan, menggambarkan atau menyajikan, menganalisis, dan menginterpretasikan data kuantitatif (Webster New College Distionary). Namun bagi beberapa statistikawan murni, mereka tidak mengakui bahwa statistika sebagai bagian dari Matematika. Pendapat lain tentang statistika diantaranya sebagai berikut : 1. Statistika merupakan cabang dari metode ilmiah yang menggunakan data, didapatkan dengan menghitung atau mengukur bagian populasi [Kendall dan Stuart]. 2. Satistika merupakan metode penarikan kesimpulan dari hasil percobaan atau proses [Fraser]. 3. Statistika sebagai teknologi metode ilmiah yang membahas rancangan percobaan dan investigasi serta inferensia statistika [Mood]. 4. Statistika membahas rancangan percobaan atau survei sampling untuk mendapatkan sejumlah informasi tertentu dan penggunaan informasi secara optimal dalam pembuatan inferensia tentang populasi. Bila kita perhatikan, terlepas dari perbedaan yang diutarakan, terdapat unsur yang sama akan statistika, yaitu adanya kumpulan data untuk tujuan inferensia dan pemilihan anak gugus dari data yang lebih besar. Statistika berkenaan dengan metode ilmiah untuk mengumpulkan, mengorganisai, meringkas, menyajikan, menganalisa data, termasuk penarikan kesimpulan yang sah, dan membuat keputusan beralasan berdasarkan analisis tertentu. Dalam artian sempit, statistik berarti data itu sendiri atau angka yang diturunkan dari data

2.2.

Pengertian Statistik Deskriptif Statistik deskriptif lebih berhubungan dengan pengumpulan dan peringkasan data,

serta penyajian hasil peringkasan data tersebut. Data statistik yang dapat diperoleh dari hasilNama : Muh. Zaqqi Rachmat Kelompok : IV (empat)

2 [13th]


sensus, survey, atau pengamatan lainnya umumnya masih acak (mentah) dan tidak terorganisir dengan baik (raw data). Data tersebut harus diringkas dengan baik dan teratur, baik dalam bentuk tabel atau presentasi grafis, sebagai dasar untuk pengambilan keputusan (Statistik Inferensi). Statistika deskriptif hanya memberikan informasi mengenai data yang dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun tentang gugus induknya yang lebih besar.

2.3.

Metode Statistika Metode statistika merupakan cara-cara dalam mengumpulkan data atau fakta,

mengolah, menyajikan, dan menganalisa. Penarikan kesimpulan serta pembuatan keputusan yang cukup beralasan berdasarkn fakta dan penganalisaan yang dilakukan. Metode statistika yang berkaitan dengan pelaksanaan suatu ekperimen dipelajari dalam rancangan percobaan (desain eksperimen). Metode tersebut biasanya digunakan pada penelitiaan-penelitian yang bertujuan menyelidiki hubungan sebab-akibat, dan lebih khusus menarik suatu simpulan akan perubahan yang timbul pada peubah (atau variabel) respon (peubah dependen) akibat berubahnya peubah penjelas (eXplanatory variables) (peubah independen). Terdapat dua jenis utama penelitian, yaitu eksperimen dan survei. Keduanya sama-sama mendalami pengaruh perubahan pada peubah penjelas dan perilaku peubah respon akibat perubahan itu. Beda keduanya terletak pada bagaimana kajian yang dilakukan. Dalam survei, di sisi lain, tidak dilakukan manipulasi terhadap sistem yang dikaji. Data dikumpulkan dan hubungan (korelasi) antara berbagai peubah diselidiki untuk memberi gambaran terhadap objek penelitian. Teknik-teknik survei dipelajari dalam metode survei. Penelitian tipe eksperimen banyak dilakukan pada ilmu-ilmu rekayasa, misalnya teknik, ilmu pangan, agronomi, farmasi, pemasaran (marketing), dan psikologi eksperimen. Penelitian tipe observasi paling sering dilakukan di bidang ilmu-ilmu sosial atau berkaitan dengan perilaku sehari-hari, misalnya ekonomi, psikologi dan pedagogi, kedokteran masyarakat, dan industri.


3 [13th]


2.4

Data Statistik Sumber data statistik sebenarnya terdapat dimana-mana dalam kehidupan manusia

dewasa ini. Data statistik tersebut sangat besar peranannya untuk meningkatkan taraf hidup manusia. Sebagai contoh, pada industri data statistik dibutuhkan pimpinan sebagai suatu landasan dalam pengambilan keputusan. Pengambilan keputusannya diperoleh dari catatancatatan yang ada dalam industri tersebut. Catatan-catatan tentang penjualan, banyaknya karyawan, keuangan, bahan baku dan administrasi sebenarnya merupakan sumber data statistik bagi pimpinan industri tersebut, biasa disebut data intern. Pada umumnya data intern hanya direncanakan dan dikumpulkan untuk kepentingan pembuatan laporan keuangan, perpajakan, kepegawaian, produksi dan laporan lain yang berhubungan dan bermanfaat bagi perusahaan. Pada kenyataanya catatan-catatan tersebut belum banyak dimanfaatkan untuk mengambil keputusan guna meningkatkan kemampuan industri. Sebagai contoh, catatan akuntansi merupakan sumber data statistik yang berguna untuk menganalisis kegiatan perusahaan. Catatan tentang penjualan merupakan sumber data yang berguna untuk menganalisis perkembangan permintaan barang. Catatan produksi barang bermanfaat untuk analisis biaya produksi, bahan baku dan pengawasan. Seringkali pengambilan keputusan tidak hanya semata-mata berpijak pada data intern. Analisis makro tentang bahan baku membutuhkan data tentang penjual atau pemasok bahan baku yang baik. Informasi tentang hal tersebut belum tentu dimiliki oleh industri yang bersangkutan. Analisis tentang perkembangan harga barang-barang pendukung suatu industri membutuhkan data dari Biro Pusat Statistik (BPS), karena BPS mempunyai data pendukung untuk hal tersebut. Analisis tentang ekspor dan impor membutuhkan data dari Departemen Perdagangan. Data yang diperoleh dari sumber-sumber diluar suatu industri disebut data ekstern.

2.5

Teknik Pengambilan Data Dalam pengumpulan dan pengolahan data, tidak terlepas dari prosedur eksperimen

secara statistik. Langkah-langkah yang sering dilakukan dalam eksperimen secara statistik antara lain perencanaan eksperimen, pengumpulan data, pengolahan, dan penataan data serta penyajian data dan analisis data.


4 [13th]


Pengumpulan data yang efisien hanya dapat dilakukan apabila kita mengerti permasalahan yang menjadi obyek eksperimen. Pokok permasalahannya harus dirumuskan dengan cermat yang oleh karena itu perencanaan eksperimen mutlak dibutuhkan. Setiap perencanaan eksperimen selalu bertumpu pada dana yang tersedia. Seringkali permasalahan yang diteliti membutuhkan biaya yang banyak sehingga perencananan eksperimen perlu diubah atau ditangguhkan. Tanpa perencanaan pengumpulan data statistik menjadi tidak terarah.

2.5.1. Alat Pengambilan Data (instrument) Alat pengambil data (instrument) menentukan kualitas data yang dapat dikumpulkan dan kualitas data itu menentukan kualitas penelitiannya. Oleh karena itu alat pengambil data harus mendapatkan penggarapan yang cermat. Beberapa contoh mengenai penelitian yang kurang memadai mutunya karena alat pengambil data kurang memadai, misalnya: a. Penelitian tentang status mental para tuna wisma dengan hanya untuk menetapkan taraf IQ b. Penelitian tentang taraf kesabaran orang dengan mempergunakan alat pengambil data c. Penelitian mengenai sikap petani terhadap program kerja bakti dengan yang dilakukan oleh aparat desa. Contoh-contoh di atas dapat benar-benar terjadi dalam praktek dan kiranya mudah dimengerti kalau orang akan meragukan mutu hasil-hasil penelitian tersebut. Agar data penelitian mempunyai kualitas yang cukup tinggi, maka alat pengambil datanya harus mempunyai syarat-syarat sebagai alat pengukur yang baik. Syarat syarat itu antara lain harus memenuhi taraf : a. Reliabilitas atau keterandalan dan, b. Validitas atau kesahihan (Sutrisno H , 1998: 60). Reliabilitas suatu alat ukur menunjukkan kepada keajegan hasil pengukuran sekiranya alat pengukur tersebut digunakan oleh orang lain dalam waktu yang sama atau pada waktu yang berlainan. Reliabilitas ini secara implisit juga mengandung obyektifitas karena hasil pengukuran tidak terpengaruh siapa pengukurnya. Validitas atau kesahihan menunjuk kepada sejauh mana alat pengukur itu mampu mengukur apa yang dimaksudkan untuk diukur. Oleh karena itu wawancara kuesioner sebagai menggunakan angket


5 [13th]


seorang peneliti akan melakukan uji coba instrument dahulu sebelum dipergunakan untuk mengambil data yang sesungguhnya.

2.5.2. Pengumpulan Data Kualitas data sangat ditentukan oleh kualitas alat pengambil data atau alat pengukurnya. Kalau alat pengambil datanya cukup reliable dan valid, maka data juga akan cukup reliable dan valid. Namun masih ada satu hal lagi yang harus dipertimbangkan, yaitu kualifikasi si pengambil data. Beberapa alat pengambil data mensyaratkan kualifikasi tertentu pada pihak pengambil data, misalnya beberapa alat laboratorium yang menuntut dasar pendidikan dan pengalaman tertentu untuk dapat mempergunakannya dengan benar. Kalau hal ini tidak terpenuhi, reliabilitas dan validitas data yang terkumpul akan terganggu. Di samping hal-hal tersebut di atas, prosedur yang dituntut oleh setiap metode pengambilan data yang digunakan harus dipenuhi secara tertib. a. Wawancara Merupakan suatu bentuk kegiatan untuk memperoleh keterangan-keterangan dan cara ini sudah dikenal sejak berabad-abad lamanya. Wawancara telah dianggap baik oleh karena sebagian besar keterangan yang dibutuhkan dapat diperoleh secara langsung. Wawancara biasanya berbentuk daftar pertanyaan yang direncanakan untuk mendapatkan jawaban yang cocok dengan maksud dan tujuan penelitian. Ada 3 sifat pertanyaan dan jawaban pada wawancara, yaitu : 1. Pertanyaan dengan jawaban alternatif tertentu (tertutup), 2. Pertanyaan dengan jawaban yang bersifat terbuka, 3. Pertanyaan dengan jawaban yang berbentuk skala.

b. Kuesioner Merupakan serangkaian pertanyaan yang dikirimkan lewat pos atau diserahkan langsung kepada responden guna diisi. Jawaban dari pertanyaan dilakukan sendiri oleh responden tanpa bantuan dari pencari data sehingga pencari data yang bersangkutan harus dapat membuat pertanyaan yang benar-benar jelas dan tidak meragukan bagi responden. Jawaban serta pengiriman kembali kuesioner sangat bergantung pada kesediaan responden dan pencari tidak dapat memaksa respondennya untuk mengisi danNama : Muh. Zaqqi Rachmat Kelompok : IV (empat)

6 [13th]


mengembalikan kuesioner tersebut. Kekurangan dari kuesioner ini adalah pencari data tidak memperoleh jawaban dari responden dan atau pencari data tidak dapat mengecek kebenaran dari jawaban yang telah diisi. Kuesioener ini sering dijumpai di supermarket.

c. Tes skala objektif Merupakan serangkaian tes skala yang obyektif dimana cara tersebut digunakan untuk menarik suatu kesimpulan tentang ciri-ciri individu atas dasar angka-angka yang diberikan melalui tes tertentu. Misalnya tes kecerdasan dan bakat, tes prestasi, tes kepribadian, tes skala sikap, tes potensi akademik dan tes Toefl.

d. Observasi tingkah laku Bersifat penarikan kesimpulan tentang ciri-ciri individu dengan cara melihat atau mengamati sendiri peristiwanya. Teknik pengumpulan data ini banyak dipergunakan pada riset psikologi, sosiologi dan ekonomi. Sebagai contoh, teknik ini digunakan apabila kita ingin meneliti tentang tingkah laku anak kecil, orang gila atau dunia hewan.

2.6.

Pembagian Jenis Data

2.6.1. Jenis Data Menurut Cara Memperolehnya 1. Data primer adalah secara langsung diambil dari obyek penelitian oleh peneliti perorangan maupun organisasi. Contoh : Mewawancarai langsung penonton bioskop 21 untuk meneliti preferensi konsumen bioskop. 2. Data sekunder adalah data yang didapat tidak secara langsung dari objek penelitian. Peneliti mendapatkan data yang sudah jadi yang dikumpulkan oleh pihak lain dengan berbagai cara atau metode baik secara komersial maupun non komersial. Contohnya adalah pada peneliti yang menggunakan data statistik hasil riset dari surat kabar atau majalah.

2.6.2. Jenis Data Berdasarkan Sumbernya 1. Data internal adalah data yang menggambarkan situasi dan kondisi pada suatu organisasi secara internal. Misal : data keuangan, data pegawai, data produksi, dan sebagainya.Nama : Muh. Zaqqi Rachmat Kelompok : IV (empat)

7 [13th]


2. Data eksternal adalah data yang menggambarkan situasi serta kondisi yang ada di luar organisasi. Contohnya adalah data jumlah penggunaan suatu produk pada konsumen, tingkat preferensi pelanggan, persebaran penduduk, dan lain sebagainya.

2.6.3. Klasifikasi Data Berdasarkan Jenisnya 1. Data kuantitatif adalah data yang dipaparkan dalam bentuk angka-angka. Misalnya adalah jumlah pembeli saat hari raya idul adha, tinggi badan siswa kelas 3 IPS 2, dan lain-lain. 2. Data kualitatif adalah data yang disajikan dalam bentuk kata-kata yang mengandung makna. Contohnya seperti persepsi konsumen terhadap botol air minum dalam kemasan, anggapan para ahli terhadap psikopat dan lain-lain.

2.6.4. Pembagian Jenis Data Berdasarkan Sifatnya 1. Data diskrit adalah data yang nilainya adalah bilangan asli. Contohnya adalah berat badan ibu-ibu PKK Sumber Ayu, nilai rupiah dari waktu ke waktu, dan lain-sebagainya. 2. Data kontinyu adalah data yang nilainya ada pada suatu interval tertentu atau berada pada nilai yang satu ke nilai yang lainnya. Contohnya penggunaan kata sekitar, kurang lebih, kira-kira, dan sebagainya. Dinas pertanian daerah mengimpor bahan baku pabrik pupuk kurang lebih 850 ton.

2.6.5. Jenis Data Menurut Waktu Pengumpulannya 1. Data cross-section adalah data yang menunjukkan titik waktu tertentu. Contohnya laporan keuangan per 31 desember 2006, data pelanggan PT. Angin Ribut bulan Mei 2004, dan lain sebagainya. 2. Data Time Series/berkala adalah data yang datanya menggambarkan sesuatu dari waktu ke waktu atau periode secara historis. Contoh data time series adalah data perkembangan nilai tukar dollar Amerika terhadap euro eropa dari tahun 2004 sampai 2006, jumlah pengikut jamaah Nurdin M. Top dan Doktor Azahari dari bulan ke bulan, dll.Nama : Muh. Zaqqi Rachmat Kelompok : IV (empat)

8 [13th]


2.7.

Distribusi Frekuensi Hasil pengukuran yang kita peroleh disebut dengan data mentah. Besarnya hasil

pengukuran yang kita peroleh biasanya bervariasi. Apabila kita perhatikan data mentah tersebut, sangatlah sulit bagi kita untuk menarik kesimpulan yang berarti. Untuk memperoleh gambaran yang baik mengenai data tersebut, data mentah tersebut perlu di olah terlebih dahulu. Pada saat kita dihadapkan pada sekumpulan data yang banyak, seringkali membantu untuk mengatur dan merangkum data tersebut dengan membuat tabel yang berisi daftar nilai data yang mungkin berbeda (baik secara individu atau berdasarkan pengelompokkan) bersama dengan frekuensi yang sesuai, yang mewakili berapa kali nilai-nilai tersebut terjadi. Daftar sebaran nilai data tersebut dinamakan dengan Daftar Frekuensi atau Sebaran Frekuensi (Distribusi Frekuensi). Dengan demikian, Distribusi Frekuensi adalah daftar nilai data (bisa nilai individual atau nilai data yang sudah dikelompokkan ke dalam selang interval tertentu) yang disertai dengan nilai frekuensi yang sesuai. Pengelompokkan data ke dalam beberapa kelas dimaksudkan agar ciri-ciri penting data tersebut dapat segera terlihat. Daftar frekuensi ini akan memberikan gambaran yang khas tentang bagaimana keragaman data. Sifat keragaman data sangat penting untuk diketahui, karena dalam pengujian-pengujian statistik selanjutnya kita harus selalu memperhatikan sifat dari keragaman data. Tanpa memperhatikan sifat keragaman data, penarikan suatu kesimpulan pada umumnya tidaklah sah.

2.8.

Gejala Pemusatan Beberapa jenis nilai gejala pemusatan data dalam penelitian yang sering digunakan

ialah rata-rata (mean), median, dan modus. Ukuran-ukuran ini sering digunakan sebagai gambaran atau wakil data secara keseluruhan. 1. Mean Rata-rata hitung (Arithmetic mean) atau biasanya disingkat dengan rata-rata (mean) saja adalah jumlah dari semua data dibagi dengan banyaknya data. Rata-rata hitung itu untuk sampel biasanya dengan simbol x dan untuk populasi biasanya dengan simbol . 2. Median


9 [13th]


Median adalah nilai yang letaknya di tengah atau rata-rata dari dua nilai yang berada di tengah kalau datanya genap, setelah data itu diurutkan sesuai besar-kecilnya. 3. Modus adalah data yang mempunyai frekuensi terbanyak

2.9.

Ukuran Penyimpangan Selain ukuran gejala pusat (mean, median dan modus) dan ukuran letak (kuartil desil

dan persentil), masih ada ukuran lain yaitu ukuran penyimpangan. Ukuran ini kadang-kadang dinamakan pula ukuran variasi, yang menggambarkan bagaimana berpencarnya data kuantitatif. Untuk mengukur tingkat penyimpangan dari suatu nilai variabel dapat digunakan dengan tiga cara, yaitu ukuran jarak (range) yang merupakan selisih data terbesar dengan data terkecil, simpangan rata-rata (deviasi rata-rata) dan simpangan baku (deviasi standar). Yang perlu ditekankan adalah jika nilai simpangan tersebut semakin besar maka data tersebut semakin tidak baik atau rata-rata hitungnya tidak dapat menggambarkan dengan baik terhadap data riil yang diamati, dan sebaliknya jika semakin kecil nilai simpangan maka data tersebut semakin baik. Simpangan Rata-Rata (Sr) : Yang dimaksud dengan simpangan (deviation) adalah selisih antara nilai pengamatan ke-i dengan nilai rata-rata, atau antara Xi dengan X (X RataRata). Penjumlahan daripada simpangan-simpangan dalam pengamatan kemudian dibagi dengan jumlah pengamatan, n, disebut dengan simpangan rata-rata. Dalam setiap nilai Xi akan mempunyai simpangan sebesar Xi - X. Karena nilai Xi bervariasi di atas dan di bawah nilai rata-ratanya maka jika nilai simpangan tersebut dijumlahkan akan sama dengan nol. Untuk dapat menghitung rata-rata dari simpangan tersebut maka nilai yang diambil adalah nilai absolut dari simpangan itu sendiri, artinya tidak menghiraukan apakah nilai simpangan tersebut positif (+) atau negatif (-).


10 [13th]


BAB III METODOLOGI PERCOBAAN

3.1.

Alat dan Bahan

3.1.1. Alat dan fungsinya a. Timbangan berfungsi untuk menimbang atau mengukur berat spesimen b. Belt conveyor berfungsi sebagai tempat untuk pengambilan data c. Stopwatch berfungsi untuk menghitung lama waktu yang digunakan spesimen sampai jatuh ke kursi d. Observation sheet berfungsi sebagai tempat untuk mencatat data yang sudah diukur e. Kursi sebagai alat bantu agar spesimen tidak sampai ke lantai

3.1.2. Bahan a. Spesimen dengan berat 75 gram b. Spesimen dengan berat 150 gram

3.2.

Langkah-Langkah Percobaan Langkah-langkah percobaan ini adalah sebagai berikut : a. Melakukan kalibrasi terhadap alat ukur b. Menyiapkan semua alat bantu atau perlengkapan pada saat pengambilan data c. Mengambil data berat secara keseluruhan spesimen d. Mengukur waktu tempuh spesimen setelah diletakkan pada belt conveyor hingga menyentuh kursi yang sudah disediakan e. Mencatat setiap pengambilan data pada observation sheet.


11 [13th]


BAB IV PENGOLAHAN DATA

4.1.

Pengumpulan Data Pengumpulan data merupakan tahap yang dilakukan setelah pengambilan data selesai.

Beberapa hal penting yang dicatat adalah berat tiap spesimen, jenis spesimen serta waktu tempuh yang dibutuhkan oleh spesimen melewati lintasan. Pengambilan data dilakukan terhadap 30 sampel pada masing-masing spesimen. setelah itu dilakukan pengklasifikasian data-data yang telah diperoleh ke dalam jenis data yang berupa data kualitatif, yaitu pencatatan data nominal dan data rasio sedangkan untuk data kuantitatif berupa data rasio.

4.2.

Pengelompokan Data (Tabel Data)

4.2.1. Spesimen Berat 75 Gram No. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. Nama Spesimen Chitato keju supreme Metro Double wafer coklat Indomie rasa mie cakalang Indomie rasa mie cakalang Mie sedap rasa soto Chitato sapi panggang Turbo coklat sapi pangganng Turbo jagung ayam bawang Garuda kedele pedas Garuda kedele pedas Indomie soto spesial Garuda kedele original Indomie kocok bandung Garuda kedele original Berat (gr) 52,1 74,6 76,3 76,5 76,7 77,2 77,6 77,8 78,1 78,4 78,5 78,6 78,8 78,8 78,9 Waktu Tempuh 16.79 16.9 16.57 16.55 16.5 16.32 16.32 15.9 16.3 16.50 16.2 16.33 16.26 16.48 16.5 Ket.


12 [13th]


16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30.

Garuda kedele original Inaco jelly Mie sedap rasa soto Mie sedap rasa soto Lays rumput laut Sozziz ayam Oreo star Turbo jagung udang Trenz cheese banana Richoco wafer Chitato sapi bumbu bakar Trenz cheese banana Turbo jagung udang Stikko strawberry Double wafer coklat

79,1 79,2 80,8 81,4 81,8 82 82,7 82,7 84,5 84,6 84,7 84,8 86,3 94,7 96,1

16.3 16.5 16.6 16.4 16.4 16.9 16.34 16.3 16.18 16.34 16.42 16.18 16.56 16.5 16.7

4.2.2. Spesimen Berat 150 Gram No. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. Nama Spesimen Choco coklat Khong Guan Snack kacang telur Coklat pisang biskuit Snack kacang telur Gabin susu Mini assorted UBM Biskuit keju Mini assorted UBM Coklat pisang Khong Guan Tory cheese crackers Hot-hot pop Berat (gr) 138.5 142.7 147.3 147.3 148.2 148.3 150.0 150.8 151.2 151.6 153.0 Waktu Tempuh 16.5 17.0 16.17 16.3 16.8 16.5 16.6 16.70 16.28 16.4 16.79 Ket.


13 [13th]


12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30.

Giant jagung krepek Cops energi kelapa Hot-hot pop Roma malkist crackers Tartlets blackberry Roma malkist crackers Coklat pisang Khong Guan Roma malkist crackers Biskuit coklat Tory cheese crackers Biskuit keju Bourbon monde Tory cheese crackers Astor wafer stick Monde butter cookies Black bourbon Astor wafer stick Astor wafer stick Astor wafer stick

153.8 156.2 157.4 158.6 160.1 160.2 163.7 165.8 167.0 167.7 169.3 172.5 173.3 176.8 179.4 185.0 185.9 189.5 190.1

16.64 16.42 16.96 16.18 15.8 16.6 16.1 16.5 16.38 16.3 16.41 16.5 16.31 16.2 16.3 16.24 16.4 16.70 16.22

4.3.

Data Nominal Merupakan salah satu jenis data kualitatif yang sifatnya hanya untuk membedakan

antar kelompok dan memiliki tingkatan yang sama. Berikut ini akan disajikan hasil praktikum untuk jenis data nominal.

4.3.1. Spesimen Berat 75 Gram No. 1. 2. 3. Nama Spesimen Chitato keju supreme Metro Double wafer coklat Jumlah 1 1 1


14 [13th]


4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25.

Indomie rasa mie cakalang Mie sedap rasa soto Chitato sapi panggang Turbo coklat sapi pangganng Turbo jagung ayam bawang Garuda kedele pedas Indomie soto spesial Garuda kedele original Indomie kocok bandung Inaco jelly Mie sedap rasa soto Lays rumput laut Sozziz ayam Oreo star Turbo jagung udang Trenz cheese banana Richoco wafer Chitato sapi bumbu bakar Trenz cheese banana Turbo jagung udang Stikko strawberry Double wafer coklat

2 1 1 1 1 2 1 3 1 1 2 1 1 1 1 1 1 1 1 1 1 1

4.3.2. Spesimen Berat 150 Gram No. 1. 2. 3. 4. 5. Nama Spesimen Choco coklat Khong Guan Snack kacang telur Coklat pisang biskuit Gabin susu Mini assorted UBM Jumlah 1 2 1 1 2


15 [13th]


6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19.

Biskuit keju Coklat pisang Khong Guan Tory cheese crackers Hot-hot pop Giant jagung krepek Cops energi kelapa Roma malkist crackers Tartlets blackberry Coklat pisang Khong Guan Biskuit coklat Bourbon monde Astor wafer stick Monde butter cookies Black bourbon

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

4.4.

Data Rasio Data rasio merupakan salah satu jenis data kuantitatif sehingga data yang diperoleh

nantinya merupakan sifat-sifat numerik. Selain memiliki sifat data interval, skala rasio memiliki angka 0 (nol) sebagai dasar perhitungannya dan perbandingan antara dua nilai mempunyai arti sehingga dapat dilakukan perhitungan dan pengukuran dengan skala yang pasti. Berikut ini akan disajikan hasil praktikum untuk jenis data rasio.

4.4.1. Spesimen Berat 75 Gram No. 1. 2. 3. 4. 5. Nama Spesimen Chitato keju supreme Metro Double wafer coklat Indomie rasa mie cakalang Indomie rasa mie cakalang Berat (gr) 52,1 74,6 76,3 76,5 76,7 Waktu Tempuh 16.79 16.9 16.57 16.55 16.5


16 [13th]


6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30.

Mie sedap rasa soto Chitato sapi panggang Turbo coklat sapi pangganng Turbo jagung ayam bawang Garuda kedele pedas Garuda kedele pedas Indomie soto spesial Garuda kedele original Indomie kocok bandung Garuda kedele original Garuda kedele original Inaco jelly Mie sedap rasa soto Mie sedap rasa soto Lays rumput laut Sozziz ayam Oreo star Turbo jagung udang Trenz cheese banana Richoco wafer Chitato sapi bumbu bakar Trenz cheese banana Turbo jagung udang Stikko strawberry Double wafer coklat

77,2 77,6 77,8 78,1 78,4 78,5 78,6 78,8 78,8 78,9 79,1 79,2 80,8 81,4 81,8 82 82,7 82,7 84,5 84,6 84,7 84,8 86,3 94,7 96,1

16.32 16.32 15.9 16.3 16.50 16.2 16.33 16.26 16.48 16.5 16.3 16.5 16.6 16.4 16.4 16.9 16.34 16.3 16.18 16.34 16.42 16.18 16.56 16.5 16.7

4.4.2. Spesimen Berat 150 Gram No. 1. Nama Spesimen Choco coklat Khong Guan Berat (gr) 138.5 Waktu Tempuh 16.5


17 [13th]


2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30.

Snack kacang telur Coklat pisang biskuit Snack kacang telur Gabin susu Mini assorted UBM Biskuit keju Mini assorted UBM Coklat pisang Khong Guan Tory cheese crackers Hot-hot pop Giant jagung krepek Cops energi kelapa Hot-hot pop Roma malkist crackers Tartlets blackberry Roma malkist crackers Coklat pisang Khong Guan Roma malkist crackers Biskuit coklat Tory cheese crackers Biskuit keju Bourbon monde Tory cheese crackers Astor wafer stick Monde butter cookies Black bourbon Astor wafer stick Astor wafer stick Astor wafer stick

142.7 147.3 147.3 148.2 148.3 150.0 150.8 151.2 151.6 153.0 153.8 156.2 157.4 158.6 160.1 160.2 163.7 165.8 167.0 167.7 169.3 172.5 173.3 176.8 179.4 185.0 185.9 189.5 190.1

17.0 16.17 16.3 16.8 16.5 16.6 16.70 16.28 16.4 16.79 16.64 16.42 16.96 16.18 15.8 16.6 16.1 16.5 16.38 16.3 16.41 16.5 16.31 16.2 16.3 16.24 16.4 16.70 16.22


18 [13th]


4.5.

Pengolahan Data Kuantitatif Data kuantitatif adalah data yang menunjukkan jumlah dan dapat diukur dalam skala

numerik. Data kuantitatif diolah dengan cara mencari mean, median, modus, standar deviasi, variansi, range, kuartil I dan III, skewness, dan kurtosis, serta membuat grafis histogram, boXplot, dotplot, dan steam leaf. Pengolahan data kuantitatif diperoleh dengan cara manual dan dengan software.

4.5.1. Pengolahan Manual Pengolahan manual dapat diperoleh dengan cara numeris dan grafis.

4.5.1.1. Pengolahan Manual Secara Numeris 4.5.1.1.1. Perhitungan untuk sepesimen berat 75 grama) Mean

Diketahui : (tabel)

Jadi nilai mean yang didapatkan adalah 80,14 gram

b) Median

Untuk data berjumlah genap : ( ) ( )

52.1, 74.6, 76.3, 76.5, 76.7, 77.2, 77.6, 77.8, 78.1, 78.4, 78.5, 78.6, 78.8, 78.8, 78.9, 79.1, 79.2, 80.8, 81.4, 81.8, 82, 82.7, 82.7, 84.5, 84.6, 84.7, 84.8, 86.3, 94.7


19 [13th]


c) Modus

Jadi berdasarkan data berat spesimen 75 gram, maka data yang paling banyak mempunyai frekuensi adalah 78,8 dan 82,7 gram yang masing-masing mempunyai 2 frekuensi

d) Range

Range = Nilai maksimum Nilai minimum

e) Kuartil

Kuartil adalah membagi data yang telah diurutkan menjadi empat bagian. Kuartil 1 (Q1) merupakan batas bagian bawah, kuartil 2 sama dengan median, sedangkan kuartil 3 (Q3) merupakan batas atas.

52.1, 74.6, 76.3, 76.5, 76.7, 77.2, 77.6, 77.8, 78.1, 78.4, 78.5, 78.6, 78.8, 78.8, 78.9, 79.1, 79.2, 80.8, 81.4,81.8, 82, 82.7, 82.7, 84.5, 84.6, 84.7, 84.8, 86.3, 94.7, 96.1

1). Kuartil 1 (Q1)

data yang diambil data ke 7 dan 8

2). Kuartil 2 (Q2) Diambil dari nilai median, yaitu 79,4 gram


20 [13th]


3). Kuartil 3 (Q3)


f) Variansi

Variansi adalah ukuran yang menunjukkan dispersi statistik (seberapa jauh data tersebar di sekitar rata-tata). Bila diperhatikan secara seksama, untuk mencari variansi tinggal menghilangkan akar pada rumus deviasi standar. Diketahui : (tabel)

g) Standar Deviasi

Standar Deviasi menunjukkan sebaran data. Semakin besar nilai standar deviasi menunjukkan bahwa data semakin tersebar. Nilai standar deviasi yang kecil menunjukkan bahwa tidak tersebar dan berkumpul pada satu titik.


21 [13th]


h) Skewness

Dalam bahasa sehari-hari, istilah "kemiringan" dan "yang miring" digunakan untuk merujuk kepada sesuatu yang keluar dari barisan atau terganggu di satu sisi. Ketika mengacu pada bentuk distribusi frekuensi atau probabilitas, "skewness" mengacu pada asimetri distribusi. Sebuah distribusi dengan ekor asimetris memanjang ke kanan disebut sebagai "positif miring" atau "miring ke kanan," sementara distribusi dengan ekor asimetris memanjang keluar ke kiri disebut sebagai "bias negatif" atau "miring ke kiri ". Skewness dapat berkisar dari minus tak terhingga ke positif tak terhingga. Diketahui:

(tabel)

(

)

i)

Kurtosis Suatu derajat kelancipan dari satu distribusi, jika dibandingkan dengan distribusi normal. Satu distribusi yang lebih lancip dari daripada distribusi normal yang sesuai disebut leptokurtis dan distribusi yang lebih tumpul daripada distribusi normal yang sesuai disebut platikurtis, sedangkan distribusi normal sendiri disebut mesokurtis.

Diketahui :

(tabel)22 [13th]



{

}

{

(

)}

4.5.1.1.2. Perhitungan untuk spesimen berat 150 grama) Mean

Diketahui : (tabel)

Jadi nilai mean yang didapatkan adalah 162,04 gram

b) Median

( )

(

)

138.5, 142.7, 147.3, 147.3, 148.2, 148.3, 150.0, 150.8, 151.2, 151.6, 153.0 153.8, 156.2, 157.4, 158.6, 160.1, 160.2, 163.7, 165.8, 167.0, 167.7, 169.3 172.5, 173.3, 176.8, 179.4, 185.0, 185.9, 189.5, 190.1


23 [13th]


c) Modus

Berdasarkan data berat spesimen 150 gram, maka data yang paling banyak mempunyai frekuensi adalah 147,3 gram yaitu 2 frekuensi

d) Range

e) Kuartil

138.5, 142.7, 147.3, 147.3, 148.2, 148.3, 150.0, 150.8, 151.2, 151.6, 153.0 153.8, 156.2, 157.4, 158.6, 160.1, 160.2, 163.7, 165.8, 167.0, 167.7, 169.3 172.5, 173.3, 176.8, 179.4, 185.0, 185.9, 189.5, 190.1

1). Kuartil 1 (Q1)


2). Kuartil 2 (Q2) Diambil dari nilai median, yaitu 159,1 gram

3). Kuartil 3 (Q3)

data yang diambil data ke 23 dan 24Nama : Muh. Zaqqi Rachmat Kelompok : IV (empat) 24 [13th]


f) Variansi

Diketahui : (tabel)

g) Standar Deviasi

h) Skewness

Diketahui:

(tabel)

(

)


25 [13th]


i)

Kurtosis Diketahui :

(tabel)

{

}

{

(

)}

4.5.1.2. Pengolahan Data Kuantitatif Waktu Tempuh Spesimen 4.5.1.2.1. Perhitungan untuk spesimen berat 75 gram

a) Mean

Diketahui : (tabel)

Jadi nilai mean yang didapatkan adalah 16,435 sekon

b) Median

( )

(

)


26 [13th]


15.9, 16.18, 16,18, 16.2, 16.26, 16.3, 16.3, 16.3, 16.32, 16.32, 16.33, 16.34, 16.34, 16.4, 16,4, 16.42, 16.48, 16.5, 16.5, 16.5, 16.5, 16.5, 16.55, 16.56, 16.57, 16.6, 16.7, 16.79, 16.9, 16.9

c) Modus

Berdasarkan data waktu tempuh spesimen 75 gram, maka data yang paling banyak mempunyai frekuensi adalah 16,5 sekon yaitu 5 frekuensi

d) Range

e) Kuartil

15.9, 16.18, 16.18, 16.2, 16.26, 16.3, 16.3, 16.3, 16.32, 16.32, 16.33, 16.34, 16.34, 16.4, 16,4, 16.42, 16.48, 16.5, 16.5, 16.5, 16.5, 16.5, 16.55, 16.56, 16.57, 16.6, 16.7, 16.79, 16.9, 16.9

1). Kuartil 1 (Q1)


2). Kuartil 2 (Q2) Diambil dari nilai median, yaitu 16,92 sekonNama : Muh. Zaqqi Rachmat Kelompok : IV (empat)

27 [13th]


3). Kuartil 3 (Q3)


f) Variansi

Diketahui : (tabel)

g) Standar Deviasi

h) Skewness

Diketahui:

(tabel)

(Nama : Muh. Zaqqi Rachmat Kelompok : IV (empat)

)

28 [13th]


i)


(tabel)

{

}

{

(

)}

4.5.1.2.2. Perhitungan untuk spesimen berat 150 grama) Mean

Diketahui : (tabel)

Jadi nilai mean yang didapatkan adalah 16,44 sekon


29 [13th]


b) Median

15.8, 16.1, 16.17, 16.18, 16.2, 16.22, 16.24, 16.28, 16.3, 16.3, 16.3, 16.31, 16.38, 16.4, 16.4, 16.41, 16.42, 16.5, 16.5, 16.5, 16.5, 16.6, 16.6, 16.64, 16.7, 16.7, 16.79, 168, 16.96, 17.0 ( ) ( )

c) Modus

Berdasarkan data waktu tempuh spesimen 150 gram, maka data yang paling banyak mempunyai frekuensi adalah 16,5 sekon yaitu 4 frekuensi

d) Range

e) Kuartil

15.8, 16.1, 16.17, 16.18, 16.2, 16.22, 16.24, 16.28, 16.3, 16.3, 16.3, 16.31, 16.38, 16.4, 16.4, 16.41, 16.42, 16.5, 16.5, 16.5, 16.5, 16.6, 16.6, 16.64, 16.7, 16.7, 16.79, 168, 16.96, 17,0

1). Kuartil 1 (Q1)



30 [13th]


2). Kuartil 2 (Q2) Diambil dari nilai median, yaitu 16,9 sekon

3). Kuartil 3 (Q3)


f) Variansi

Diketahui : (tabel)

g) Standar Deviasi

h) Skewness

Diketahui:

(tabel)


31 [13th]


(

)

i)


(tabel)

{

}

{

(

)}

4.6.

Distribusi Frekuensi

4.6.1. Langkah-langkah Distribusi Frekuensi 1. Untuk spesimen 75 gram Berat (gram) Menentukan jumlah kelas dengan aturan Cramer Banyak kelas = 1 + ( 3,3 ) log n = 1 + ( 3,3 ) log 30 = 1 + (3,3 X 1,477) = 5,9 Nilai tersebut dibulatkan menjadi 6Nama : Muh. Zaqqi Rachmat Kelompok : IV (empat) 32 [13th]

LABORATORIUM PERANCANGAN TEKNIK INDUSTRI 1 PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS HASANUDDIN Menentukan panjang kelas

Nilai tersebut dibulatkan menjadi 7 Distribusi frekuensi berat spesimen interval kelas 50,8 57,8 58,8 65,8 66,8 73,8 74,8 81,8 82,8 89,8 90,8 97,8 jumlah frekuensi 1 19 8 2 30

Waktu tempuh (sekon) Menentukan jumlah kelas dengan aturan Cramer Banyak kelas = 1 + ( 3,3 ) log n = 1 + ( 3,3 ) log 30 = 1 + (3,3 X 1,477) = 5,9 Nilai tersebut dibulatkan menjadi 6 Menentukan panjang kelas


33 [13th]

LABORATORIUM PERANCANGAN TEKNIK INDUSTRI 1 PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS HASANUDDIN Distribusi frekuensi waktu tempuh spesimen interval kelas 15,9 16,07 16,08 16,25 16,26 16,43 16,44 16,61 16,62 16,79 16,8 16,97 jumlah frekuensi 1 3 12 10 2 2 30

2. Untuk spesimen 150 gram Berat (gram) Menentukan jumlah kelas dengan aturan Cramer Banyak kelas = 1 + ( 3,3 ) log n = 1 + ( 3,3 ) log 30 = 1 + (3,3 X 1,477) = 5,9 Nilai tersebut dibulatkan menjadi 6 Menentukan panjang kelas

Distribusi frekuensi berat spesimen interval kelas 138,5 147,1 147,2 155,8 155,9 164,5 164,6 173,2Nama : Muh. Zaqqi Rachmat Kelompok : IV (empat)

frekuensi 4 8 6 534 [13th]

LABORATORIUM PERANCANGAN TEKNIK INDUSTRI 1 PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS HASANUDDIN 173,3 181,9 182 190,6 jumlah

3 4 30

Waktu tempuh (sekon) Menentukan jumlah kelas dengan aturan Cramer Banyak kelas = 1 + ( 3,3 ) log n = 1 + ( 3,3 ) log 30 = 1 + (3,3 X 1,477) = 5,9 Nilai tersebut dibulatkan menjadi 6 Menentukan panjang kelas

Distribusi frekuensi waktu tempuh spesimen interval kelas 15,75 15,95 15,96 16,16 16,17 16,37 16,38 16,58 16,59 16,79 16,8 - 17 jumlah frekuensi 1 1 10 9 6 3 30


35 [13th]


4.6.2. Pembuatan Histogram Distribusi Normal 1. Histogram spesimen berat 75 gram

Interval kelas14 12 10 8 6 4 2 0 50,5 57,5 57,6 64,6 64,7 71,7 71,8 78,8 78,9 85,9 90 -97 1 0 0 3 frekuensi 13 13

2. Histogram waktu tempuh spesimen berat 75 gram

Interval kelas12 12 10 8 6 4 2 0 15,9 16,07 16,08 16,25 16,26 16,43 16,44 16,61 16,62 16,79 16,8 16,97 1 3 2 2 frekuensi 10


36 [13th]


3. Histogram spesimen berat 150 gram

Interval kelas8 8 7 6 5 4 3 2 1 0 138,5 147,1 147,2 155,8 155,9 164,5 164,6 173,2 173,3 181,9 182 190,6 4 3 6 5 4 frekuensi

4. Histogram waktu tempuh spesimen berat 150 gram

interval kelas10 10 8 6 4 2 0 15,75 15,95 15,96 16,16 16,17 16,37 16,38 16,58 16,59 16,79 16,8 - 17 1 1 3 9

6 frekuensi


37 [13th]


BAB V ANALISA DAN PEMBAHASAN

5.1.

Secara Manual

5.1.1. Pengolahan Data Spesimen Berat 75 gram Setelah dilakukan pengolahan data secara manual dari berat 75 gram, diperoleh mean (berat rata ratanya) 80,14 gram yang di peroleh dari jumlah total data dibagi banyaknya data. Untuk median diperoleh 79,4 gram dari data ke 15 yaitu 78,9 ditambah 79,9, kemudian dibagi 2. Modus (nilai yang sering mucul) adalah 78,8 yang terletak pada data ke 13 dan 14 serta 82,7 yang berada pada data ke 22 dan 23. Rangenya diperoleh dari selisih antara nilai terbesar dan nilai terkecil yaitu 44. Variansi dan simpangan bakunya berurut-turut 51,865 dan 7,202. Skewness atau kemiringannya diperoleh -75,247 gram. Nilai skewness ini biasa dikatakan hampir nol yang menandakan bahwa kurvanya mendekati kurva distribusi normal meskipun agak condong ke kanan sedikit. Sedangkan nilai kurtosis (kelancipan) diperoleh 3747,186 gram, dimana nilai kurtosis lebih dari 3 menunjukkan bahwa kurva data tersebut lebih lancip daripada kurva distribusi normal yang dikenal dengan nama leptokurtik.

5.1.2. Pengolahan Data Waktu Tempuh Spesimen Berat 75 gram Dari pengolahan data waktu tempuh diperoleh data sebesar 16,435 detik, nilai mean ini diperoleh dari rumus jumlah data dibagi banyaknya data pada pengujian. Median atau tengahnya diperoleh 16,92 detik. Modus dari pengolahan ini, yaitu 16,5 detik. Rangenya adalah 1 yang diperoleh dari selisih dari nilai maksimum (16,9) dengan nilai minimum (15,9). Variansi dan simpangan bakunya berturut-turut adalah 0,046 dan 0,215 detik. Nilai skewnessnya adalah 0,009 yang diperoleh dari rumus : { }

nilai tersebut lebih besar dari nol, menandakan bahwa sebaran datanya cenderung ke kanan (positif). Nilai kurtosisnya adalah -33,336. nilai tersebut lebih kecil dari pada 3, menandakan


38 [13th]


bahwa kurva waktu tempuh 75 gram lebih datar daripada kurva distribusi normal biasa juga disebut dengan platikurtik.

5.1.3. Pengolahan Data Spesimen Berat 150 gram Setelah dilakukan pengolahan data secara manual dari berat spesimen 150 gram, diperoleh mean (berat rata-ratanya) 162,04 gram yang diperoleh dari jumlah total data dibagi banyaknya data, untuk median diperoleh 159,1 gram dari data ke 15 melalui perhitungan nilai median. Modus (nilai yang sering muncul) adalah 147,3 gram yang berada pada data ke-3 dan 4. Rangenya diperoleh dari selisih antara nilai maksimum dengan nilai minimum yaitu 51,6 gram. Variansi dan simpangan bakunya berturut-turut 206,366 gram dan 14,365. Skewness didapatkan 105,844 dimana lebih besar dari pada nol, hal tersebut menandakan bahwa kurva data tersebut lebih condong ke kanan sedangkan nilai kurtosis\kelancipan diperoleh 6794,650 yang menunjukkan bahwa data tersebut lebih lancip dari pada kurva distribusi normal atau biasanya dikenal dengan sebutan leptokurtik (nilai kurtosisnya lebih besar dari pada 3).

5.1.4. Pengolahan Data Waktu Tempuh Spesimen Berat 150 gram Dari pengolahan data waktu tempuh diperoleh rata-rata sebesar 16,44 detik, median atau nilai tengahnya adalah 16,9 detik. Nilai ini diperoleh jumlah data dari data ke-15. Modus dari pengolahan data ini adalah 16,5. Rangenya adalah 1,2 yang diperoleh dari data terbesar setelah dikurangi data terkecil. Variansi dan standar deviasinya 0,069 dan 0,262. Nilai skewnessnya adalah 0,010. Nilai tersebut lebih besar dari nol, menandakan bahwa sebaran datanya cenderung condong atau miring kekanan. Nilai kurtosisnya adalah -33,677 nilai tersebut lebih kecil daripada 3, menandakan bahwa kurva waktu tempuh spesimen 150 gram lebih datar dari kurva distribusi datar yang disebut sebagai platikurtik.

5.2

Secara Grafis

5.2.1. Histogram Berat 75 Gram Dari grafik histogram 75 gram, terdapat 6 kelas dengan panjang kelas/interval kelas adalah 7. Pada interval pertama, yakni interval 50,5 - 57,5 frekuensi data yang muncul adalah 1. Interval kelas kedua berada pada selang 57,6 64,6 dengan frekuensi data 0. Interval ke tiga berada pada kelas/interval 64,7 71,7 dengan frekuensi data adalah 0. Interval ke empatNama : Muh. Zaqqi Rachmat Kelompok : IV (empat)

39 [13th]

LABORATORIUM PERANCANGAN TEKNIK INDUSTRI 1 PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS HASANUDDIN dan ke lima berturut-turut berada pada selang 71,8 78,8 dan 78,9 85,9 dengan frekuensi data yang sama yaitu 13. Interval ke enam berada pada selang 90 97 dengan jumlah frekuensi 3. Pada interval ke lima diperoleh nilai median (nilai tengah) dengan nilai median tersebut adalah 79,4 sedangkan nilai modus berada pada interval ke empat dan ke lima yaitu 78,8 dan 82,7. Pada interval ke dua dan ke tiga, tidak ada frekuensi/data yang muncul dan juga merupakan frekuensi terendah pada pengolahan data ini.

5.2.2. Histogram Waktu Tempuh Spesimen 75 gram Dari grafik histogram waktu tempuh spesimen 75 gram, terdapat 6 kelas dengan panjang kelas/interval kelas adalah 0,17. Pada interval pertama, yakni interval 15,9 16,7 frekuensi data yang muncul adalah 1. Interval kelas kedua berada pada selang 16,08 16,25 dengan frekuensi data adalah 3. Interval selanjutnya atau interval ke tiga berada pada kelas/interval 16,26 16,43 dengan frekuensi data adalah 12. Kelas ini juga merupakan kelas dengan frekuensi data tertinggi. Interval ke empat barada pada selang 16,44 16,61 dengan frekuensi data yang muncul adalah 10 dan merupakan kelas modus dengan nilai 16,5. Berikutnya adalah kelas ke lima dengan interval 16,62 16,79 dengan jumlah frekuensi adalah 2. Kelas ke enam berada pada interval 16,8- 16,97 dengan jumlah frekuensi data yang muncul pada interval tersebut adalah 2.

5.2.3. Histogram Berat 150 Gram Dari grafik histogram berat 150 gram, terdapat 6 kelas dengan panjang kelas/interval kelas adalah 8,6. Pada interval pertama, yakni interval 138,5 147,1 frekuensi data yang muncul adalah 4. Interval kelas kedua berada pada selang 147,2 155,8 dengan frekuensi data 8. Kelas ini juga merupakan kelas dengan frekuensi tertinggi dan nilai modus termasuk di dalamnya yaitu 147,3. Interval ke tiga berada pada kelas/interval 155,9 164,5 dengan frekuensi data adalah 6, dan median juga berada pada kelas ke tiga ini (159,1). Selanjutnya adalah Interval ke empat dan ke lima yang berturut-turut barada pada selang 164,6 173,2 dan 173,3 181,9 dengan frekuensi data masing-masing 5 dan 3, frekuensi terendah berada pada kelas ke lima. Interval terakhir atau interval ke enam berada pada selang 182 190,6 dengan frekuensi data yang muncul adalah 4.


40 [13th]


5.2.4. Histogram Waktu Tempuh Spesimen 150 gram Dari grafik histogram waktu tempuh spesimen 150 gram, terdapat 6 kelas dengan panjang kelas/interval kelas adalah 0,2. Pada interval pertama, yakni interval 15,75 15,95 frekuensi data yang muncul adalah 1. Interval kelas kedua berada pada selang 15,96 16,16 dengan frekuensi data adalah 1. Kedua kelas ini juga merupakan kelas dengan frekuensi terendah. Interval selanjutnya atau interval ke tiga berada pada kelas/interval 16,17 16,37 dengan frekuensi data adalah 10. Interval ke empat berada pada selang 16,38 16,58 dengan frekuensi data adalah 9. Pada kelas ini terdapat modus atau nilai yang paling banyak muncul yakni 16,5. Berikutnya adalah kelas ke lima dengan interval 16,59 16,79 dengan jumlah frekuensi adalah 6. Kelas ini juga merupakan kelas median, dengan nilai 16,5. Kelas terakhir atau kelas ke enam berada pada interval 16,8 - 17 dengan jumlah frekuensi data yang muncul pada interval ini adalah 3.


41 [13th]


BAB VI PENUTUP

6.1.

Kesimpulan Dari hasil pengolahan data yang telah dilakukan, dapat disimpulkan bahwa data yang

tadinya hanya berupa data kasar atau data mentah yang acak, serta sulit untuk dicerna karena belum adanya gambaran yang jelas tentang data tersebut. Sehingga dengan adanya pengolahan data ini dapat diperoleh gambaran yang sederhana, jelas dan sistematis tentang suatu peristiwa yang dinyatakan dalam angka-angka (data). Untuk data spesimen berat 75 gram, kurva data yang dihasilkan mendekati distribusi normal meskipun agak condong ke kanan sedikit, serta memiliki kurva data yang lebih lancip daripada kurva distribusi normal yang dikenal dengan nama leptokurtik. Sedangkan untuk data waktu tempuh dari spesimen 75 gram, sebaran datanya cenderung ke kiri (negatif), dengan kurva waktu tempuh lebih datar daripada kurva distribusi normal biasa juga disebut dengan platikurtik. Untuk data spesimen berat 150 gram, kurva data yang dihasilkan lebih condong ke kanan dan menunjukkan bahwa data tersebut lebih lancip dari pada kurva distribusi normal atau biasanya dikenal dengan sebutan leptokurtik. Sedangkan untuk waktu tempuhnya menunjukkan sebaran data yang cenderung condong atau miring kekanan, dan menandakan bahwa kurva waktu tempuh spesimen 150 gram lebih datar dari kurva distribusi datar yang disebut sebagai platikurtik.

6.2.

Saran 1. Untuk Laboratorium Perlunya penambahan fasilitas praktek yang memadai, berupa perlengkapan penunjang praktek itu sendiri maupun dari tempat pelaksanaannya (workshop) serta lokasi praktek yang lebih memadai (tidak hanya didalam ruangan). Selain itu alokasi waktu praktek yang dirasakan sangat kurang dalam mengcover rasa keingintahuan kami.


42 [13th]


2. Untuk Asisten Diharapkan kerjasamanya dalam hal komunikasi dengan mahasiswa (asistensi) dalam penyelesaian laporan praktek lebih baik lagi untuk ke depannya. Koreksi dan informasi yang berhubungan dengan penulisan laporan sangat membantu kami dalam proses pengerjaannya baik itu dari segi waktu dan kualitas isi dari laporan itu sendiri. Para asisten sebaiknya lebih tegas lagi dalam menghadapi mahasiswa, terutama yang berlabel kelas khusus agar praktek dapat berjalan dengan lebih tertib serta lebih terarah sesuai dengan maksud dan tujuan dari praktek tersebut.


43 [13th]

laporan 1

Documents

Transcript of laporan 1