STATISTIKA INDUSTRI IEG2E3 Pertemuan-02 STATISTIKA INDUSTRI IEG2E3 Tim Dosen : Judi Alhilman, Drs., MSIE. (Penanggungjawab) Agus Alex Yanuar, ST., MT. Heriyono Lalu Program Studi S1 Teknik Industri Fakultas Rekayasa Industri Telkom University

II. STATISTIK DESKRIPTIF Definisi penugasan : Buatlah Resume berisikan tema – tema dalam statistika deskriptif berikut ini: Data Statistik ? (uraian dan contoh) Klasifikasi Data Statistik ? (uraian dan contoh) Syarat Data yang baik? (uraian dan contoh) Penyajian Data (Sampel) Tabel (macam – macamnya, dan beri contoh) Gambar/ Diagram (macam – macamnya , dan beri contoh) Format Tugas Resume pada kertas berukuran A4 (margin 2cm, spasi 1, font 10 - 11) Dikumpulkan Hardcopy, pada pertemuan berikutnya. 1 orang 1 resume Cover tugas : Tugas ke- , judul tugas, Nim, Nama, Kelas, tanggal pengumpulan. Sumber Membuat Tugas (dicantumkan dalam daftar pustaka di bagian akhir resume) Buku di perpustakaan atau yang lain Internet. Sumber lain yang mendukung

PROFIL MATA KULIAH Statistika Industri sebagai applied statistics merupakan hasil pengembangan dari teori probabilitas (statistical theory) mencakup aplikasi metode statistika untuk menyelesaikan persoalan di dunia industri. Pokok bahasan mata kuliah tidak hanya statistika deskriptif untuk menyusun, meringkas, menyajikan data, juga lebih utama statistika inferensia yang meliputi statistika parametrik dan statistika non-parametrik sebagai metode yang mendukung untuk menyelesaikan persoalan dalam mengestimasi, menguji hipotesis, menarik kesimpulan dan mengambil keputusan terhadap suatu persoalan.

TUJUAN PEMBELAJARAN Mahasiswa mampu: menjelaskan pengertian data statistik menjelaskan jenis-jenis data menyusun tabel distribusi frekuensi membuat grafik histogram, polygon, ogive, steam-leaf, box-plot

A. Data Statistik Datum? Statistik? Ciri khas? Data merupakan empirical evidence. Data adalah kumpulan fakta, angka atau keterangan mengenai suatu persoalan, baik berupa kategorik maupun numerik. Angka : luas pabrik, jumlah produksi, tinggi badan, jumlah penjualan, dsb. Kategori : gender, akupasi, gelar, tingkat kualitas, dsb. Datum? Statistik? Ciri khas? Istilah statistik identik dengan data statistik

B. KlasifikasiData Statistik

a. Berdasarkan Bentuknya: Data Kualitatif, yaitu data berbentuk kategorik atau non-metrik baik berupa skala nominal atau ordinal. Disebut data atribut: dinyatakan dalam bentuk kata, kalimat, dan gambar. Seperti: Jenis kelamin, warna, agama, tingkat kepuasan, adalah yang tidak dinyatakan dengan bilangan. Adakalanya numerik digunakan untuk menunjukan kualitatif tetapi tidak berfungsi sebagai angka atau bilangan. Artinya data kualitatif bisa diangkakan atau dikoding. Seperti baik sekali= 4, baik= 3, tidak baik= 2, tidak baik sekali = 1. Atau pengkategorian kualitas produk KW1, KW2, dsb. Data Kuantitatif, yaitu data berbantuk numerik. Nilainya bisa diskrit atau kontinyu dengan skala interval atau rasio (kadang-kadang ordinal). Seperti: Umur, jumlah reject, jarak, luas merupakan data-data yang dinyatakan dengan bilangan.

b. Berdasarkan Nilainya: Data Diskrit, yaitu data hasil menghitung (bilangan bulat). Atau dapat disebut juga data cacahan, biasanya berskala nominal. Seperti jumlah ruangan di FT ada 40 kelas, jumlah mobil yang parkir di depan roster ada 50 buah, dsb. Data Kontinyu, yaitu data hasil mengukur (dapat berbentuk pecahan). Berskala ordinal, interval dan rasio. Seperti tinggi menara jaringan 20 meter, luas Tel-U 10.5 hektar , kecepatan maksimum F1 300.5 km/jam, dsb.

c. Berdasarkan Sifatnya: Data Non-metrik, yaitu berskala nominal dan ordinal. Data Metrik, yaitu berskala interval dan rasio. Penjelasan berdasarkan tingkatan atau skala berikut ini:

d. Berdasarkan Tingkatannya (Skala): Data Nominal, yaitu data (diskrit) hasil pengkategorian, penamaan, dan menghitung fakta dengan tingkatan sama. Pemberian angka pada kategori dan penamaan maknanya hanya nomor pembeda saja (koding) atau hasil penghitungan (n) objek/subjek. Operasinya: = ,≠. Seperti: Mengkategori : jenis kelamin (P/W), kebangsaan (Indonesia, Australia), dsb. Dapat dilengkapi dengan koding. Memberi nama : Jabatan (Ketua, Sekretaris, Bendahara), dsb. Dapat dilengkapi dengan koding. Menghitung: Jml mobil ada 5 unit, ada 5 orang pria menjabat kepala dinas, dsb. Data Ordinal, yaitu data (kontinyu) berjenjang hasil pengukuran menurut atribut tertentu dengan jarak antara data “tidak sama”. Operasinya: = , ≠, > ,<. Seperti: Tingkat Pendidikan: (SD, SMP,..., S3), kepangkatan militer: sersan > kopral > prajurit, kualifikasi juara: I (menang 10 kali), II (menang 8 kali), dst.

d. Berdasarkan Tingkatannya (Skala): Data Interval, yaitu data (kontinyu) berjenjang hasil pengukuran menurut atribut tertentu dengan jarak antara data “sama” (equality interval), tetapi tidak memiliki nilai ‘0” absolut (angka “0”= benilai). Operasinya: = , ≠, > ,<, +, -. Seperti: Suhu 0oC adalah titik beku yang relatif memiliki nilai. Didasari oleh asumsi yang kuat, skor tes prestasi belajar- IPK hasil ujian mhs dapat dikatakan sebagai data interval. Rentang IQ 100-110 berjarak sama dg 110- 120. Tapi tidak berarti IQ 150 tingkat kecerdasannya 1.5 kali dari IQ 100. Data Rasio, yaitu data (kontinyu) berjenjang hasil pengukuran menurut atribut tertentu dengan jarak antara data “sama” (equality interval) dan memiliki nilai “0” absolut (angka “0”=nihil). Menghimpun semua sifat nominal, ordinal dan interval (sempurna). Operasinya: = , ≠, > ,<, +, -, x, :. Seperti: hasil-hasil pengukuran panjang, berat, luas, dsb.

e. Berdasarkan Besarannya: Data Konstanta: data dengan nilai tertentu yg tetap atau konstan, bisa berlaku secara umum atau khusus. Seperti nilai π = 3.14159, nilai е = 2.71828, dsb. Data Variabel: data dengan nilai berubah-ubah atau bervariasi. Pertama: berupa variabel acak-probabilistik. Seperti X= angka yang keluar dari suatu undian. Kedua: berupa variabel tak acak-non probabilistik (matematis). Seperti X=jumlah putaran jam, jumlah barang yang dikirim, dsb.

f. Berdasarkan Cara Pengumpulannya : Data Sensus, yaitu semua data hasil pengumpulan yang ada dalam populasi. Menggambarkan nilai karakteristik sesungguhnya dari kumpulan seluruh elemen atau populasi. Misalnya data dari seluruh mobil yang yang ada di dealer PT. Omegatama. Data Sampling, yaitu sebagian data yang dikumpulkan dari suatu populasi. Data sample dapat diberlakukan terhadap pupulasi (generalisasi). Misalnya data sebagian mobil yang yang ada di dealer PT. Omegatama.

g. Berdasarkan Waktu Pengumpulannya : Cross-section Data: data yang dikumpulkan pd waktu tertentu yg hampir sama (seketika). Seperti: Jumlah penjualan mobil pada bulan desember th. 2003. Time Series, yaitu data yang dikumpulkan selama kurun waktu tertentu. Seperti: Jumlah penjualan mobil selama periode 2013.

h. Berdasarkan Sumbernya : Cara ? Data Internal: data yang dikumpulkan sendiri untuk kepentingan sendiri. Seperti: kondisi pegawai, kondisi keuangan, hasil penjualan, dsb. Data Ekternal: data dari sumber lain atau hasil pengamatan dari luar. Ada 2 macam data eksternal, yaitu: Data Primer: data yang dikumpulkan sendiri secara langsung oleh peneliti, hasilnya berupa data asli dan baru (up to data). Data Sekunder: dalah data yang diperoleh atau dikumpulkan peneliti dari berbagai sumber yang telah ada (peneliti sebagai tangan kedua).

C. Syarat Data Yang Baik? Objektif Relevan Representatif Sesuai dengan kenyataan yang sebenarnya. Relevan Menjawab suatu persoalan yang sedang menjadi pokok pembahasan. Representatif Dapat mewakili/menggambarkan kondisi/karakteristik/sifat suatu keadaan. Tepat waktu atau sesuai jaman (up to date). Dapat dipercaya

Contoh

Buat Diagram Steam-Leafnya?