Uploaded byUniversitas Qomaruddin, Gresik, Indonesia
Statistik Industri 1 - PENDAHULUAN
Dokumen tersebut membahas tentang statistik industri yang mencakup definisi statistik, kegunaan statistik, contoh masalah statistik, dan elemen-elemen dasar statistik seperti populasi, sampel, dan variabel. Dokumen ini juga menjelaskan perbedaan antara studi observasi dan eksperimen serta teknik pengambilan sampel dan sumber bias dalam statistik.
More Related Content
Similar to Statistik Industri 1 - PENDAHULUAN
More from Universitas Qomaruddin, Gresik, Indonesia
![Modul Ajar KBC SKI Kelas 3 MI [MODULKELAS.COM]](https://cdn.slidesharecdn.com/ss_thumbnails/modulajarkbcskikelas3mimodulkelas-260130161838-4934e483-thumbnail.jpg?width=640&height=640&fit=bounds)
Statistik Industri 1 - PENDAHULUAN
- 1. STATISTIK INDUSTRI 1--- PENDAHULUAN Dr. Auditya Purwandini Sutarto
- 3. Definisi • Statistikdiartikan ▫ Numerical description = deskripsi numerik ▫ Diasosiasikan sebagai kumpulan data ▫ Ciri dari sebagian objek yang diamati • Statistik menunjukan pada informasi tentang bermacam-macam kegiatan dalam bentuk angka
- 4. Definisi STATISTIK ▫Menurut Random House College of Dictionary ilmu yang berhubungan dengan pengumpulan, pengklasifikasian, analisis, dan interpretasi fakta numerik atau data ▫ Menurut Schaum’s ; Murray R Spiegel Ilmu pengetahuan yang berhubungan dengan metode – metode ilmiah untuk pengumpulan, pengorganisasian, perangkuman dan penganalisisan data di samping terkait pula dengan metode – metode untuk penarikan kesimpulan yang valid serta pengambilan keputusan yang berdasarkan alasan-alasan yang ilmiah dan kuat yang memperoleh dari hasil analisis tadi
- 5. Kegunaan ▫ Analisisdata ▫ Peramalan/prediksi ▫ Uji hipotesa Contoh Masalah Statistik • Seorang insinyur ingin mengetahui apakah mesin produksi yang baru mampu menghasilkan produk dengan cacat lebih sedikit? • Seberapa efisien konsumsi BBM pada jenis mobil tertentu? • Adakah hubungan antara kenaikan tingkat pendidikan dengan kemungkinan promosi kerja ? • Jika kita menjawab secara acak pada pertanyaan berbentuk multiple choice, berapa kemungkinan kita lulus? • Bagaimana menerjemahkan hasil polling? Berapa banyak sampel diperlukan agar hasilnya akurat? Apa artinya margin of error?
- 7. Mengapa perlu BelajarStatistik? • Menjelaskan hubungan antar variabel • Membuat keputusan lebih baik • Mengatasi perubahan-perubahan • Membuat rencana dan ramalan • “It’s remarkable that a science which began with the consideration of games of chance should become the most important object of human knowledge …. The most important questions of life are, for the most part, really only problems of probability “ Pierre Simon, Marquis de Laplace • “Statistical thingking will one day be as necessary for efficient citizenship as the ability to read an write.” H.G Wells
- 8. Kita dibombardir denganStatistik • http://www.bps.go.id/brs_file/sbh_02jan14.pdf • http://www.gatra.com/hukum-1/44540-pada-2013,-23-385-tewas-kecelakaan-lalu-lintas.html • http://nationalgeographic.co.id/berita/2014/06/orang-indonesia-paling-bahagia-saat-tinggal-di-kota-berpendapatan- tinggi-berkeluarga
- 9. Statistik dapat Menyesatkan • Iklan menyatakan: “8 dari 10 dokter gigi memilih sikat gigi Oral B” ▫ Apa yang salah dari pernyataan ini? • Pertimbangkan tingkat komplain mengenai maskapai penerbangan yang dipublikasi dalam US News and World Report February 5, 2001 ▫ Dapatkah kita menyimpulkan the United airlines memiliki customer service terburuk?
- 10. Internet penuh denganStatistik
- 11. Statistik DalamKehidupan Sehari-hari • Seiring meningkatnya data yang tersedia dan perkembangan teknologi (komputer), statistik akan digunakan lebih banyak dan lebih sering lagi Question: Is it good that statistics are used so much and what happens when statistics are misused?
- 12. Salah Interpretasi Statistik berakibat Fatal! • Pada tahun 1999 Sally Clarke didakwa bersalah atas kematian dua orang anaknya saat bayi. Putusan ini dibuat setelah mendengarkan keterangan saksi dokter anak Professor Sir Roy Meadow yang mengklaim bahwa kemungkinan kematian bayi pada keluarga yg menengah dan tdk merokok adalah 1 dalam 8.43, sehingga probabilitas kematian dua bayi dalam 1 keluarga adalah 1 dalam 73 juta (8543 × 8543). • Royal Statistical Society membantah hal tersebut bahwa probabilitas di atas jika kejadiannya independen, faktanya tidak demikian karena masih dalam 1 keluarga. • Seorang prof Matematika Ray Hill menyatakan kemungkinan 1 berbanding 8.453 tidak tepat, karena Meadow tdk memperhitungkan jenis kelamin dimana kemungkinan SIDS (Suddent infant deaths syndrome) terjadi lebih besar pada bayi laki-laki yaitu 1 dalam 1.500. Selain itu Hill menyatakan bahwa odds ratio kematian bayi akibat SIDS (Suddent infant death syndrome) dan pembunuhan adalah 4,5 : 1 dan 9:1 (didukung penelitian lebih lanjut)
- 14. Pembagian Ilmu Statistik • Statistik deskriptif statistik yang digunakan untuk menggambarkan berbagai karakteristik data atau menganalisis suatu statistik hasil penelitian, tetapi tidak digunakan untuk membuat kesimpulan yang lebih luas
- 15. 41 39 8881 60 8 22 35 95 2 49 72 10 84 7 76 51 80 8 15 5 33 29 75 1 38 6 49 60 63 64 43 93 42 71 32 33 91 2 43 51 90 69 75 6 23 14 2 78 81 39 39 13 67 42 51 36 63 29 41 82 33 96 57 83 94 16 77 76 60 74 13 82 16 37 52 43 81 27 93 81 28 39 53 45 86 15 23 32 43 46 29 97 98 24 47 27 40 41 35 27 47 36 95 37 87 8 88 79 79 14 47 97 56 78 13 47 2 0 94 53 31 4 57 84 16 6 24 76 23 52 60 57 24 25 59 20 65 66 36 88 63 48 16 91 24 15 33 99 79 95 31 75 17 60 68 20 28 21 74 73 42 35 62 56 61 67 80 18 73 12 51 32 35 80 65 16 20 78 46 43 96 81 25 31 3 9 5 24 2 67 20 76 36 3 88 74 51 8 18 2 99 68 88 80 55 45 18 59 99 50 13 18 63 39 22 98 48 45 55 85 59 58 6 33 4 11 33 82 27 89 80 76 7 40 45 68 19 54 91 4 25 70 96 58 11 77 38 26 62 66 33 26 90 5 80 97 2 81 91 32 41 74 76 99 46 65 64 84 47 6 11 97 33 11 92 43 83 49 5 33 8 40 30 76 60 80 51 65 18 79 26 68 29 35 23 36 15 31 77 74 31 64 30 53 90 65 58 45 13 61 34 80 32 40 6 56 60 12 51 46 94 6 78 81 4 70 59 61 80 70 94 90 8 27 96 48 27 87 53 92 52 18 85 44 31 28 48 1 24 33 38 57 62 50 26 26 22 50 65 80 73 86 3 100 45 90 50
- 16. • Statistik inferensial suatu pernyataan mengenai suatu populasi yang didasarkan pada informasi dari sampel random /acak yang diambil dari populasi tersebut .
- 17. 1. Data dari1-2 kasus 2. Data yang dikumpulkan tidak jelas apakah mewakili populasi sebenarnya Anecdotal Evidence 1. Seorang bayi setelah mendapatkan suntikan vaksin MMR pada saat 3 thn didiagnosis autis. Jadi vaksin MMR berbahaya karena bisa memicu autisme. 2. Saya kenal dua orang mahasiswa UWP yang lulus sarjana lebih dari 6 tahun, jadi kuliah di UWP lulusnya lebih lama dibanding PTS lain 3. Ayahnya sahabat saya menderita sesak napas dan meninggal setelah diberi suntikan dokter, berarti terjadi malpraktik.
- 18. Statistik Deskriptif Inferensial Estimasi Titik Interval Uji Hipotesis
- 19. Metodologi Statistik •Mengidentifikasikan persoalan • Pengumpulan fakta-fakta yang ada • Mengumpulkan data asli yang baru • Klasifikasi data • Penyajian data • Analisis data
- 21. Elemen Statistik A.Populasi B. Sampel C. Variabel • Contoh • Observasi vs Eksperimen • Metode Sampling
- 22. A. POPULASI •Populasi adalah sebagai sekumpulan dari semua objek atau individu yang memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti • Contoh : ▫ Semua produk yang dihasilkan pada suatu mesin ▫ Semua mahasiswa teknik industri di Surabaya • Populasi lebih bergantung pada kegunaan dan relevansi data yang dikumpulkan
- 23. B. SAMPEL •Sampel adalah sebagai sekumpulan data yang diambil atau diseleksi dari suatu populasi • Contoh : ▫ Populasi = Seluruh mahasiswa teknik industri di Surabaya maka sampelnya mengambil beberapa mahasiswa teknik industri dari 1 PTN dan 5 PTS di Surabaya ▫ Populasi =Semua produk yang dihasilkan suatu mesin, maka sampelnya adalah sejumlah tertentu produk yang dihasilkan mesin tersebut
- 24. Contoh 1 •Misalkan seorang insinyur ditugasi menganalisis data dari suatu proses manufaktur dimana terdapat 100 item produk yang di sampling dan 10 diantaranya ditemukan cacat. Produk cacat wajar terjadi dan telah diantisipasi oleh perusahaan, dengan toleransi sebesar 5%. Tampak jelas bahwa 100 item ini merupakan sampel dengan populasinya adalah semua produk yang dihasilkan. Angggap bahwa suatu proses di’terima’ (acceptable) jika proses tersebut menghasilkan tidak lebih dari 5% produk cacat. Namun demikian perhitungan statistik (diterangkan kelak) menyatakan probabilitas sebesar 0.0282 (2,82%) proses tersebut menghasilkan 10 atau lebih produk cacat pada sampel acak sebesar 100. Hal ini mengindikasikan bahwa ditemukan lebih dari 10 produk cacat dalam 100 sampel jarang terjadi. Jika toleransinya diperbesar maka kemungkinan menemukan lebih dari 10 produk cacat juga akan semakin besar
- 25. Contoh 2 •Suatu data dari studi di Virginia Tech yang meneliti hubungan antara akar pohon dengan cara kerja suatu jenis jamur. Mineral diangkut dari jamur menuju pohon dan sebaliknya gula diangkut dari pohon menuju jamur. Dua sampel dari 10 pohon oak disemaikan di suatu greenhouse, yang satu disemai menggunakan nitrogen, sedangkan satunya lagi tanpa nitrogen. Anggap kondisi lingkungan sekitar konstan. Semua tanaman tersebut mengandung jamur Pisolithus tinctorus. Berat batang diukur dalam gram pada akhir hari ke-140 yang datanya diringkaskan dalam tabel berikut
- 26. • Dalam contohini terdapat 2 populasi. Tujuan penelitian ini adalah apakah penggunaan nitrogen berpengaruh pada pertumbuhan akar. • Penelitian ini berbentuk komparasi dengan hasilnya diringkaskan dalam bentuk dot plot dimana dot mewakili “nitrogen” dan x mewakili “No nitrogen”
- 27. • Dari dotplot tampak sepintas bahwa nitrogen menjadikan batang lebih berat dibandingkan tanpa nitrogen terlihat juga dari empat pengamatan dengan nitrogen yang cukup jauh melampaui. Sedangkan tanpa nitrogen berada dibawah rata-rata data. Apakah benar-benar efektif penggunaan nitrogen? Untuk itu perlu dihitung p-value, suatu pernyataan probabilitas. P-value ini merupakan probabilitas data seperti ini dapat diamati dengan asumsi (given) bahwa nitrogen benar-benar tidak memiliki efek (pengamatan diatas itu hasilnya kebetulan saja terjadi). • Hasil perhitungan p-value (diterangkan saat Statistik 2) diasumsikan sebesar 0,03 , mengindikasikan bahwa kemungkinan hasil tersebut karena kebetulan dan bukan karena memang nitrogen berpengaruh sebesar 3% (angka yang cukup kecil) dapat disimpulkan Nitrogen berpengaruh terhadap berat batang
- 28. Lesson learned? HubunganFundamental antara Probabilitas dan Statistik Inferensi • Aplikasi dari probabilitas penting dalam menginterpretasikan statistik inferensi CENTRAL DOGMA OF STATISTICS • Sampel bersama dengan statistik inferensi memungkinkan kita mengambil kesimpulan tentang populasi • Elemen dalam probabilitas memungkinkan kita mengambil kesimpulan mengenai karakteristik dari dugaan/hipotesis mengenai populasi berdasarkan sifat-sifat populasi yang telah diketahui sebelumnya
- 29. Observational vs Experiment Studi Observasi • Mengumpulkan data melalui pengamatan • Hanya dapat membantuk suatu hubungan antara variabel penjelas (explanatory) dan variabel respon • Jika menggunakan data masa lampau disebut retrospective, jika dikumpulkan selama masa penelitian disebut prospective Eksperimen • Secara acak menempatkan subyek dalam berbagai treatment • Dapat membangun hubungan kausal (sebab akibat) antara variabel explanatory dan variabel respon
- 31. SAMPLING (Teknik Pengambilan Sampel) & Sumber Bias
- 32. Mengapa Sampling? Mengapa bukan Sensus Bukankah lebih baik jika melibatkan seluruh orang dan mengambil sampel seluruh populasi? = SENSUS • Beberapa individu sukar dijangkau atau diukur • Populasi jarang statis
- 34. Sumber dari Biasdalam Sampling • Convenience sample. Individual yang mudah diakses dan cenderung mau dilibatkan dalam sampel • Non-response: jika hanya suatu fraction (yang tidak random) dari orang-orang yang disampling secara acak bersedia terlibat dalam suatu survei sehingga sampel akhir tidak representasi dari suatu populasi lagi • Voluntary response: Terjadi jika sampel terdiri atas orang-orang yang bersedia menjawab karena mereka memiliki kepentingan atau opini yang kuat terhadap suatu isu
- 36. Metode Sampling •Simple Random Sampling: Memilih kasus (cases) dari suatu populasi sedemikian hingga setiap kasus mendapat kesempatan yang sama untuk terpilih
- 37. • Stratified Sampling.Membagi populasi ke dalam strata yang homogen lalu memilih sampel secara random dalam strata tersebut
- 38. • Cluster Sampling.Membagi populasi ke dalam cluster-cluster lalu memilih beberapa cluster secara random. Selanjutnya mengambil secara acak sampel dalam cluster terpilih
- 40. Prinsip-prinsip dalam Rancangan Eksperimen 1. Control. Membandingkan suatu perlakuan (treatment) dengan kelompok kontrol 2. Randomize. Menempatkan subyek secara acak ke kelompok perlakuan. 3. Replicate. Mereplikasi suatu studi dalam sampel cukup besar atau mereplikasi keseluruhan studi (kasus the hidden messages in water http://is-masaru-emoto-for- real.com/ 4. Block. Jika dicurigai ada variabel-variabel yang dapat mempengaruhi variabel respon, maka kelompokkan terlebih dahulu subyek ke dalam blok2 berdasarkan variabel-variabel ini lalu randomisasi kasus2 dalam setiap blok untuk tiap kelompok perlakuan
- 41. Contoh Blocking •Kita ingin merancang eksperimen apakah pemberian suplemen tertentu membuat orang berlari lebih cepat ▫ Kelompok perlakuan (treatment) : suplemen ▫ Kelompok kontrol : tanpa suplement • Jika dicurigai suplemen tersebut mempengaruhi kelompok atlet profesional dan amatir secara berbeda, maka kita perlu mem-blok status pro/amatir tersebut ▫ Membagi sampel menjadi kelompok pro dan amatir ▫ Secara acak membagi atlet yang pro dan amatir ke dalam kelompok perlakuan dan control ▫ Atlet pro dan amati secara berimbang terwakili dalam baik kelompok perlakuan maupun kontrol
- 42. Blocking vs VariabelExplanatory • Explanatory variables (atau terkadang disebut faktor) adalah kondisi yang kita tentukan pada unit eksperimen • Blocking variables adalah karakteristik unit eksperimen yang ingin kita kontrol • Blocking mirip dengan stratifying, digunakan dalam situasi eksperimen
- 43. Beberapa terminologi laindalam Rancangan Eksperimen • Placebo: perlakuan “palsu” sering digunakan sebagai kelompok kontrol dalam studi kesehatan • Placebo Effect: unit eksperimen menunjukkan peruabhan karena percaya mereka telah mendapatkan suatu perlakuan • Blinding: unit eksperiment tidak mengetahui apakah mereka sesungguhnya berada dalam kelompok kontrol atau perlakuan • Double-Blind: baik unit eksperimen maupun peneliti tidak mengetahui siapa saja yang termasuk dalam kelompok kontrol maupun perlakuan
- 44. Random Sampling vs Random Assignment
- 48. C. VARIABEL •Dalam melakukan inferensi terhadap populasi, tidak semua ciri populasi harus diketahui, hanya satu atau beberapa karakteristik populasi yang perlu diketahui, yang disebut sebagai VARIABEL • Variabel adalah suatu sifat atau karakteristik dari beberapa obyek, kejadian, atau orang yang nilainya dapat bervariasi dan dapat dihitung atau diukur • Contoh: ▫ Jenis kelamin ▫ Usia ▫ Suku bangsa ▫ Tinggi badan ▫ Tingkat pendidikan ▫ Kecacatan produk (ya/tidak dalam contoh 1) ▫ Berat batang (contoh 2)
- 49. Tipe Variabel Variabel Numerik / Kuantitatif Kontinu Diskrit Kategori / Kualitatif Kategori Biasa Ordinal
- 50. Numerik vs Kategori Numerik • Menggambarkan kuantitas yang dapat diukur • Dapat dilakukan operasi aritmetik seperti penjumlahan, pengurangan, diambil rata-ratanya, dll Kategori • Nilai dari suatu nama atau label • Kategori dapat diidentifikasikan dengan angka tetapi tidak bisa dilakukan operasi aritmetik Tinggi badan, temperatur, banyaknya mahasiswa, jumlah kk Jenis kelamin, tingkat pendidikan, bentuk rahang
- 51. Kontinu Diskrit •Variabel numerik yang dihitung dan hanya dapat bernilai utuh • Contoh: banyaknya produk cacat, banyaknya kemunculan angka 2 dalam pelemparan dadu, jumlah anak dalam satu keluarga Numerik • Variabel numerik yang dapat diukur dan dapat bernilai sembarang • Contoh: berat badan, kecepatan mobil, kekuatan tarik suatu jenis material, lifetime baterai
- 52. Contoh variabel kontinu • Tinggi seseorang yang dapat bernilai 62 cm, 67,5 cm atau 68,45678 cm, bergantung pada tingkat akurasi pengukurannya Contoh Variabel diskrit • Jumlah anak dalam sebuah keluarga, yang bernilai bsa salah satu dari 0, 1, 2, 3, … tetapi tidak mungkin 2,5 atau, 3,4567
- 53. Ordinal Kategori Biasa • Variabel kategori yang tidak berurut disebut variabel kategori saja • Contoh: jenis kelamin, merek televisi yang dimiliki Kategori • Variabel kategori yang memiliki urutan • Contoh: tingkat kepuasan pelanggan, ranking merek mobil favorit