MAKALAH PENGEMBANGAN MODUL

PENGUJIAN DISTRIBUSI

DISUSUN OLEH:
LAXHMI MAHESVARY (120403098)




DEPARTEMEN TEKNI K I NDUSTRI
F A K U L T A S T E K N I K
UNIVERSITAS SUMATERA UTARA
MEDAN
2014

KATA PENGANTAR

Puji dan syukur praktikan panjatkan kehadirat Tuhan Yang Maha Esa, atas
rahmat dan berkat-Nya yang melimpah sehingga penulis dapat menyelesaikan
makalah pengembangan modul ini.
Makalah ini dibuat untuk memenuhi persyaratan bagi calon asisten
laboratorium yang mengikuti seleksi calon asisten Laboratorim Pengukuran dan
Statistik di Jurusan Teknik Industri, Fakultas Teknik, Program Pendidikan
Reguler S1, Universitas Sumatera Utara.
Pada kesempatan ini penulis mengucapkan banyak terima kasih kepada :
1. Orang tua yang telah memotivasi saat pengerjaan makalah ini.
2. Ibu Ir. Elisabeth Ginting, MT, selaku Kepala Laboratorium Pengukuran dan
Statistik serta Bapak Aulia Ishak, ST, MT, Bapak Ir Jabbar M Rambe, M,
Eng, Ibu Ir.Khawarita Siregar, MT dan Ibu Khalida Syahputri, ST, MT
selaku dosen staff yang juga sebagai dosen pembimbing mata kuliah
Statistik.
3. Asisten Laboratorium Pengukuran dan Statistik lainnya yang telah
memberikan petunjuk dalam pelaksaan seleksi dan penyusunan makalah.
4. Seluruh teman mahasiswa angkatan 2012 Jurusan Teknik Industri
Universitas Sumatera Utara yang telah memberikan sarannya terhadap
pengerjaan makalah ini.
Penulis juga menyadari bahwa masih terdapat kekurangan dalam makalah
ini. Untuk itu penulis mengharapkan kritik dan saran yang bersifat membangun
dari para pembaca. Semoga makalah ini membawa manfaat bagi para pembaca.

Medan, 25 Agustus 2014
Penulis


Laxhmi Mahesvary

DAFTAR ISI

BAB HALAMAN
LEMBAR JUDUL .................................................................................... i
KATA PENGANTAR .............................................................................. ii
DAFTAR ISI ............................................................................................. iii

I. PENDAHULUAN ............................................................................ I-1
1.1. Latar Belakang Masalah ............................................................ I-1
1.2. Tujuan Pengembangan .............................................................. I-2
1.3. Sistematika Laporan ................................................................... I-2

II. ISI ................................................................................................... II-1
2.1. Jenis Distribusi Diskrit ............................................................... II-1
2.1.1. Distribusi Binomial ........................................................ II-1
2.1.2. Distribusi Hypergeometrik ............................................. II-1
2.1.3. Distribusi Binom Negative ............................................. II-2
2.1.4. Distribusi Geometrik ...................................................... II-2
2.1.5. Distribusi Poisson ........................................................... II-3
2.1.6. Distribusi Bernaulli......................................................... II-3
2.2. Distribusi Peluang Menggunakan Minitab ................................. II-4
2.3. Distribusi Peluang Menggunakan Microsoft Excel .................... II-5
2.4. Perhitungan Persamaan Regresi Menggunakan Microsoft Excel II-7
2.5. Aplikasi Pengembangan Modul Yang Dibuat Pada Laporan
Praktikum ................................................................................... II-8
2.5.1. Mengidentifikasi Jenis Distribusi ................................... II-8
2.5.2. Menghitung Peluang Masing-masing Kelas dengan
Microsoft Excel ............................................................. II-8
2.5.3. Membuat Grafik Distribusi Dengan Menggunakan
MINITAB ......................................................................... II-8
2.5.4. Menghitung Persamaan Regresi dan Koefisien
Determinasi Tertinggi Dengan Menggunakan
Microsoft Excel .............................................................. II-9

III. PENUTUP ........................................................................................ III-1

DAFTAR PUSTAKA
LAMPIRAN




















BAB I
PENDAHULUAN

1.1. Latar Belakang
Statistika merupakan ilmu yang mempelajari bagaimana melakukan
perencanaan, pengumpulan, analisa, interpretasi, penyimpulan serta presentasi
sekumpulan data. Dari hasil pengumpulan data sampel pada suatu populasi, maka
dapat diperoleh data-data yang bisa memberikan informasi repersentatif terhadap
karakteristik suatu populasi sehingga dapat digunakan dalam menyimpulkan atau
mendeskripsikan keadaan suatu populasi yang dijadikan objek pengamatan.
Pada modul praktikum Laboratorium Pengukuran dan Statistik Jurusan
Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara, dijelaskan
bagaimana praktikan melakukan pengujian distribusi baik distribusi diskrit
maupun distribusi kontinu. Pengujian distribusi dilakukan setelah melakukan
percobaan pada saat praktikum. Percobaan diskrit terdiri dari enam buah
percobaan, yang sudah ditetapkan dari laboratorium, sehingga mahasiswa hanya
tinggal melakukan pengujian distribusi dengan melakukan uji chi-square.
Sedangkan percobaan kontinu dilakukan terhadap data yang diakses melalui
websit Badan Pusat Statistik (BPS).
Pengujian distribusi dilakukan karena berbagai data yang dikumpulkan
memiliki sebaran distribusi serta karakteristik yang berbeda. Jenis dari sebaran ini
secara garis besar dibedakan atas sebaran diskrit dan kontinu yang tentunya
menyimpan informasi berbeda-beda terhadap karakteristik datanya tersendiri.
Untuk mengetahui jenis distribusi yang digunakan, maka perlu diketahui
karakteristik-karakteristik dari masing-masing distribusi tersebut. Karakteristik
masing-masing distribusi sebenarnya sudah cukup diketahui saat melakukan
percobaan di laboratorium. Praktikan seharusnya dapat mengidentifikasi sendiri
karakteristik distribusi pada masing-masing percobaan yang dilakukan. Oleh
karena itu, laboratorium tidak perlu lagi langsung memberikan ketetapan bahwa
data suatu percobaan tersebut mengikuti suatu jenis distribusi.
Pengujian distribusi dilakukan secara manual. Oleh karena itu, penggunaan
software yang dapat membantu pengerjaan laporan menjadi kurang digunakan.
Pengembangan modul yang dilakukan pada modul pengujian distribusi ini adalah
dengan menambahkan proses identifikasi jenis distribusi pada data percobaan
yang ada. Begitu juga dengan melakukan perhitungan peluang masing-masing
kelas saat pengujian chi-square, dengan menggunakan software Microsoft Excel
agar praktikandapat lebih mudah melakukan perhitungan tersebut. Selain itu,
grafik setiap jenis distribusi diskrit dapat dibuat dengan menggunakan software
MINITAB dengan menginput parameter setiap distribusi agar praktikanlebih
memahami perbedaan karakteristik setiap jenis distribusi.
Dalam melakukan pengujian distribusi kontinu, dapat menambahkan
perhitungan persamaan regresi dan koefisien determinasi tertinggi sebagai
pendugaan jenis distribusi pada data BPS dengan menggunakan software SPSS
dan Microsoft Excel.

1.2. Tujuan Pengembangan
Tujuan dari pengembangan modul adalah :
1. Mampu mengidentifikasi jenis distribusi pada percobaan yang dilakukan
2. Mampu memahami karakteristik setiap distribusi begitu juga perbedaan
setiap distribusi
3. Mampu melakukan perhitungan persamaan regresi dan koefisien
determinasi tertinggi dengan menggunakan software Microsoft Excel dan
SPSS.

1.3. Sistematika Laporan
Sistematika dalam penulisan laporan adalah sebagai berikut :
BAB I PENDAHULUAN
1.1. Latar Belakang Praktikum
1.2. Tujuan Praktikum
1.3. Perumusan Masalah
1.4. Asumsi dan Batasan Masalah
1.5. Sistematika Laporan

BAB II LANDASAN TEORI
2.1. Peubah Acak
2.2. Fungsi Kepadatan Probabilitas
2.3. Jenis-jenis Distribusi Diskrit
2.3.1. Distribusi Seragam
2.3.2. Distribusi Binomial
2.3.3. Distribusi Hipergeometric
2.3.4. Distribusi Binom Negative
2.3.5. Distribusi Geometric
2.3.6. Distribusi Poisson
2.3.7. Distribusi Bernoulli
2.4. Jenis-jenis Distribusi Kontinu
2.4.1. Distribusi Normal
2.4.2. Distribusi T
2.4.3. Distribusi F
2.4.4. Distribusi Chi-Kuadrat
2.4.5. Distribusi Weilbull
2.4.6. Distribusi Lognormal
2.4.7. Distribusi Erlang
2.4.8. Distribusi Eksponensial
2.4.9. Distribusi Gamma
2.4.10. Distribusi Laplace
2.4.11. Distribusi Beta
2.4.12. Distribusi Triangular
2.4.13. Distribusi Cauchy
2.5. Pengujian Distribusi
2.6. P Value
2.7. Jurnal Internet

BAB III METODOLOGI PENELITIAN
3.1. Lokasi dan Waktu Pengumpulan
3.2. Pengumpulan Data
3.3. Pengolahan Data
3.4. Analisis dan Evaluasi
3.5. Kesimpulan dan Saran

BAB IV PENGUMPULAN DATA
4.1. Data Hasil Percobaan Distribusi Diskrit
4.2. Data dan Flow Chart Distribusi kontinu

BAB V PENGOLAHAN DATA
5.1. Melakukan Identifikasi Jenis Distribusi Terhadap Data
Percobaan
5.2. Melakukan Pengujian Terhadap Data Sesuai dengan
Distribusinya dengan Menggunakan Uji Chi Square Tunggal
5.3. Melakukan Pengujian Terhadap Data Sesuai dengan
Distribusinya dengan Menggunakan Uji Chi Square Kelompok

BAB VI ANALISIS DAN EVALUASI
6.1. Analisis
6.2. Evaluasi

BAB VII KESIMPULAN DAN SARAN
7.1. Kesimpulan
7.2. Saran

DAFTAR PUSTAKA

LAMPIRAN

BAB II
ISI

2.1. Jenis Distribusi Diskrit
2.1.1. Distribusi Binomial
Suatu percobaan sering kali terdiri atas ulangan-ulangan, dan masing-
masing mempunyai dua kemungkinan yang dapat diberi nama berhasil atau gagal.
Misalnya saja dalam pelemparan sekeping uang logam sebanyak 5 kali, hasil
setiap ulangan mungkin muncul sisi gambar atau sisi angka. Dapat ditentukan
salah satu dintara kedunya sebagai berhasil. Begitu pula, bila 5 kartu diambil
berturut-turut, kita dapat memberi label berhasil bila yang terambil adalah kartu
merah atau gagal bila yang terambil kartu hitam. Bila setiap kartu dikembalikan
sebelum pengambilan berikutnya, maka kedua percobaan itu mempunyai ciri-ciri
yang sama, yaitu bahwa ulangan-ulangan tersebut bersifat bebas dan peluang
keberhasilan setiap ulangan tetap sama yaitu sebesar 1/2. Percobaan semacam ini
dinamakan percobaan binomial.
Percobaan binomial adalah percobaan yang memiliki ciri-ciri berikut:
1. Percobaannya terdiri atas n ulangan.
2. Dalam setiap ulangan, hasilnya dapat digolongkan sebagai berhasil atau
gagal.
3. Peluang berhasil, yang dilambangkan dengan p, untuk setiap ulangan adalah
sama, tidak berubah-ubah.
4. Ulangan-ulangan itu bersifat bebas satu sama lain.

2.1.2. Distribusi Hypergeometric
Percobaan hipergeometrik bercirikan dua sifat berikut:
1. Suatu contoh acak berukuran n diambil dari populasi berukuran N.
2. k dari N benda diklasifikasikan sebagai berhasil dan N k bentuk
diklasifikasikan sebagai gagal.
Banyaknya keberhasilan X dalam suatu percobaan hipergeometrik
disebut peubah acak hipergeometrik. Dengan demikian, sebaran peluang bagi
peubah acak hipergeometrik disebut sebaran hipergeometrik dan nilai-nilai itu
bergantung pada banyaknya keberhasilan k diantara n benda yang diambil dari
populasi N benda.
Bila dalam populasi N benda, k benda diantaranya diberi label berhasil
dan N k benda lainnya diberi label gagal, maka sebaran peluang bagi peubah
acak hipergeometrik X, yang menyatakan banyaknya keberhasilan dalam contoh
acak berukuran n, adalah
) (
) ( ) (
) , , ; (
N
n
x N
k n
k
x
k n N x h

, untuk x = 0, 1, 2, k.

2.1.3. Distribusi Binomial Negative
Perhatikan suatu percobaan yang mempunyai ciri yang sama dengan
pecobaan binomial kecuali bahwa ulangan diulang terus menerus sampai terjadi
jumlah tertentu keberhasilan ke-k terjadi pada ulangan ke-x. Percobaan macam ini
disebut percobaan binomial negatif. Ciri-cirinya adalah sebagai berikut:
1. Percobaannya terdiri atas n ulangan.
2. Dalam setiap ulangan, hasilnya dapat digolongkan sebagai berhasil atau
gagal.
3. Peluang berhasil, yang dilambangkan dengan p, untuk setiap ulangan adalah
sama, tidak berubah-ubah.
4. Ulangan-ulangan itu bersifat bebas satu sama lain.
Rumus untuk peluang distribusi binomial negatif

, untuk x = k, k+1, k+2, ..

2.1.4. Distribusi Geometrik
Ciri-ciri distribusi geometrik yaitu percobaan bebas dilakukan berulang,
dapat menghasilkan keberhasilan dengan probabilitas p dan kegagalan dengan
probabilitas q = 1 p.
Definisi sebaran geometrik, bila tindakan yang bebas dan berulang-ulang
dapat menghasilkan keberhasilan dengan peluang p dan kegagalan dengan
peluang q = 1-p, maka sebaran peluang bagi peubah acak X, yaitu banyaknya
ulangan sampai munculnya keberhasilan yang pertama, diberikan menurut rumus:
g(x;p)=

, untuk x = 1, 2, 3,...

2.1.5. Distribusi Poisson
Percobaan yang menghasilkan peubah acak X yang bernilai numerik,
yaitu banyaknya sukses selama selang waktu tertentu atau dalam daerah tertentu,
disebut percobaan Poisson.
Suatu percobaan Poisson memiliki sifat sebagai berikut:
1. Banyaknya sukses terjadi dalam suatu selang waktu daerah tertentu tidak
terpengaruh oleh (bebas dari) apa yang terjadi pada selang waktu atau daerah
lain yang terpilih;
2. Peluang terjadinya suatu sukses (tunggal) dalam selang waktu yang amat
pendek atau dalam daerah yang kecil sebanding dengan panjang selang waktu
atau besarnya daerah dan tidak bergantung pada banyaknya sukses yang terjadi
diluar selang waktu atau daerah tersebut;
3. Peluang terjadinya lebih dari satu sukses dalam selang waktu yang pendek atau
daerah yang sempit tersebut dapat diabaikan.
Distribusi peluang suatu peubah acak Poisson X disebut distribusi Poisson
dan akan dinyatakan dengan p(x;), karena nilainya hanya bergantung pada ,
yaitu rata-rata banyaknya sukses yang terjadi dalam selang waktu atau daerah
tertentu. Distribusi peluang acak Poisson X, yang menyatakan banyaknya sukses
yang terjadi dalam suatu selang waktu atau daerah tertentu, diberikan oleh:
P(x; ) =

, x = 0, 1, 2,...,
menyatakan rata-rata banyaknya sukses yang terjadi dalam selang waktu atau
daerah tertentu tersebut dan e = 2,71828...

2.1.6. Distribusi Bernauli
Suatu distribusi Bernoulli dibentuk oleh suatu percobaan Bernoulli
(Bernoulli Trial). Sebuah percobaan Bernoulli harus memenuhi syarat:
1. Keluaran (outcome) yang mungkin hanya salah satu dari sukses atau gagal
2. Jika probabilitas sukses p, maka probabilitas q = 1-p
Dalam sebuah percobaan Bernoulli, dimana p adalah probabilitas sukses
dan q= 1-p adalah probabilitas gagal, dan jika X adalah variabel acak yang
menyatakan sukses, maka dapat dibentuk sebuah distribusi probabilitas Bernoulli
sebagai fungsi probabilitas sebagai berikut:
P x = 1
PB(x;p) = (1-p) = q x= 0
0 x0 atau 1
Atau
PB(x;p) =

; x = 0,1
0 p 1
Dengan memperhatikan bentuk fungsi probabilitas Bernoulli pada
persamaan di atas, dapat dipahami bahwa fungsi tersebut adalah fungsi dengan
satu buah parameter yaitu p.

2.2. Distribusi Peluang Menggunakan Minitab
Dalam menyelesaikan masalah distribusi peluang, dapat digunakan
minitab untuk membantu perhitungan. Berikut adalah parameter distibusi diskrit
dan kontinu :
No Distribusi Parameter
1 Poisson : mean
2 Binomial
n : number of trials
p : event probability
3 Hipergeometrik
n : number of trials
k (M) : event count in popolation
n : sampel size
4 Geometri p : event probability
5 Binomial Negatif
p : event probability
k : event count in popolation
6 Normal : mean

No Distribusi Parameter
: standart deviation
7 Gamma
: shape parameter
: scale parameter
8 Eksponensial : mean
9 Chi Square Df (v) : degrees of freedom

2.3. Distribusi Peluang Menggunakan Microsoft Excel
Dalam menyelesaikan masalah distribusi peluang, dapat digunakan
Microsoft Excel untuk membantu perhitungan peluang masing-masing kelas.
Berikut adalah formula perhitungan peluang distibusi diskrit dan kontinu :
1. Distribusi Binomial
Fungsi BINOMDIST
Fungsi ini digunakan untuk menghasilkan probabilitas distribusi binomial
individual.
Sintaks: BINOMDIST(Jum_s, Cobaan, Probability_s, Kumulatif)
Jum_s : Jumlah yang sukses dalam suatu percobaan dengan 0Jum_sCobaan.
Cobaan : Jumlah percobaan independen.
Probability_s : Probabilitas yang sukses dari setiap percobaan.
Kumulatif : Nilai logika. Jika TRUE, akan dihasilkan fungsi distribusi kumulatif.
Jika FALSE, akan dihasilkan probability fungsi masa.

2. Distribusi Gamma
Fungsi GAMMADIST
Fungsi ini menghasilkan distribusi gamma. Distribusi gamma umumnya
digunakan dalam analisa antrian.
Sintaks: GAMMADIST(X, Alpha, Beta, Kumulatif)
X : Nilai yang diinginkan untuk dievaluasi distribusinya.
Alpha : Parameter distribusi.
Beta : Parameter distribusi. Jika Beta=1 maka akan dihasilkan distribusi gamma
standar.
Kumulatif : Nilai logika. Jika TRUE, akan dihasilkan fungsi distribusi kumulatif,
sebaliknya jika FALSE maka akan dihasilkan fungsi masa probability.

3. Distribusi Eksponensial
Fungsi EXPONDIST
Fungsi ini menghasilkan distribusi eksponensial.
Sintaks: EXPONDIST(X, Lamda, Kumulatif)
X : Nilai fungsi.
Lamda : Nilai parameter.
Kumulatif : Nilai logika. Jika TRUE, akan dihasilkan fungsi distribusi kumulatif,
jika FALSE, dihasilkan fungsi kepadatan probability.

4. Distribusi Poisson
Fungsi POISSON
Fungsi ini menghasilkan distribusi Poisson.
Sintaks: POISSON(X, Mean, Kumulatif)
X : Jumlah kejadian.
Mean : Nilai tengah yang diharapkan.
Kumulatif : Nilai logika. Jika TRUE maka fungsi POISSON akan menghasilkan
probabilitas Poisson kumulatif, jika FALSE maka akan menghasilkan fungsi masa
probability Poisson.

5. Distribusi Weibull
Fungsi WEIBULL
Fungsi ini menghasilkan distribusi Weibull
Sintaks: WEIBULL(X, Alpha, Beta, Kumulatif)

6. Distribusi Negatif Binomial
Fungsi NEGBINOMDIST
Fungsi ini menghasilkan distribusi binomial negatif.
Sintaks: NEGBINOMDIST((Jumlah_f-Jumlah_s), Jumlah_s, Probability_s)
Jumlah_f : Jumlah gagal (failures).
Jumlah_s : Jumlah ambang sukses.
Probability_s : Probabilitas sukses.

7. Distribusi Hipergeometrik
Fungsi HYPGEOMDIST
Fungsi ini menghasilkan distribusi hipergeometrik.
Sintaks: HYPGEOMDIST(Sampel_s, Jum_sampel, Populasi_s, Jum_populasi)

2.4. Perhitungan Persamaan Regresi Menggunakan Microsoft Excel
Perhitungan persamaan regresi sebagai pendugaan jenis distribusi pada
data BPS dapat dilakukan dengan menggunakan formula pada Microsoft Excel
agar dapat memudahkan dan mempercepat pengerjaan laporan. Berikut adalah
fungsi dalam Microsoft Excel yang digunakan untuk perhitungan persamaan
regresi:
1. Fungsi INTERCEPT
Fungsi ini menghasilkan intercept dari persamaan garis regresi linear. Untuk
menghasilkan persamaan regresi simpel, fungsi INTERCEPT harus
disandingkan dengan fungsi SLOPE.
Sintaks: INTERCEPT(Data_y, Data_x)

2. Fungsi SLOPE
Fungsi ini menghasilkan slope dari persamaan regresi simpel. Untuk
menghasilkan persamaan linear regresi, fungsi SLOPE harus disandingkan
dengan fungsi INTERCEPT.
Sintaks: SLOPE(Data_y, Data_x)

3. Fungsi PEARSON dan RSQ
Fungsi PEARSON dan RSQ masing-masing digunakan untuk menghasilkan
nilai dan kuadrat Pearson berdasarkan koefisien korelasi r.

Sintaks: PEARSON(Data_y, Data_x)
RSQ(Data_y, Data_x)

2.5. Aplikasi Pengembangan Modul Yang Dibuat Pada Laporan
Praktikum
2.5.1. Mengidentifikasi Jenis Distribusi
Pada sub bab ini, praktikan harus mencocokkan criteria atau ciri-ciri
setiap distribusi diskrit pada percobaan yang dilakukan. Misalnya, pada percobaan
mengambil 3 buah kartu secara acak dan menghitung berapa muncul kartu yang
berwarna hitam dengan pengembalian dan percobaan dilakukan dengan 45 kali
ulangan. Dengan ciri-ciri yaitu percobaannya terdiri atas n ulangan dan setiap
kartu dikembalikan sebelum pengambilan berikutnya, serta ulangan-ulangan itu
bersifat bebas satu sama lain, maka percobaan itu dinamakan percobaan binomial.
Jadi pengujian distribusi yang tepat terhadap data percobaan ini adalah distribusi
binomial.

2.5.2. Menghitung Peluang Masing-Masing Kelas dengan Microsoft Excel
Sebagai contoh, saat melakukan pengujian distribusi poisson. Pada
langkah ketiga, yaitu menghitung peluang masing-masing kelas, dapat
ditambahkan perhitungan dengan menggunakan Microsoft Excel. Misalnya
sebagai berikut,
Tabel Perhitungan Frekuensi Peluang Data Distribusi Hypergeometric
No X Oi X.Oi Ppoisson
Nilai
1 0 25 0 =POISSON(0,0.5555,FALSE) 0,5737
2 1 15 15 =POISSON(1,0.33333,FALSE) 0,2338
3 2 5 10 =POISSON(2,0.1111,FALSE) 0,0055
Jumlah 45 25

0.8130

2.5.3. Membuat Grafik Distribusi Dengan Menggunakan MI NI TAB
Setiap selesai melakukan pengujian distribusi pada distribusi diskrit,
biasanya ditampilkan grafik setiap jenis distribusi tersebut sesuai dengan data
yang ada. Grafik yang dibuat biasanya dengan menggunakan software Microsoft
Excel. Bila grafik dibuat dengan menggunakan minitab, maka praktikandapat
lebih memahami setiap jenis distribusi karena minitab memerlukan parameter
setiap jenis distribusi untuk diinput. Sebagai contoh, adalah grafik distribusi
binomial berikut ini.
14 12 10 8 6 4 2
0.25
0.20
0.15
0.10
0.05
0.00
Data
D
e
n
s
i
t
y
6.008 1.588 1000
9.079 1.956 1000
Mean StDev N
Binomial5
Binomial6
Variable

Gambar diatas menunjukkan hasil percobaan binomial dengan
membangkitkan 1000 data untuk n=10 dan n=15 dengan p=0,6.

2.5.4. Menghitung Persamaan Regresi Dan Koefisien Determinasi Tertinggi
Dengan Menggunakan Microsoft Excel
Untuk melakukan pengujian distribusi kontinu, pada langkah 9, yaitu
menguji data untuk setiap jenis distribusi, jika menggunakan microsoft excel
dalam melakukan perhitungan persamaan regresi dan koefisien determinasi
tertinggi maka akan memudahkan praktikandalam pengerjaan laporannya. Sebagai
contoh, untuk menghitung persamaan regresi dan koefisien determinasi pada
distribusi normal.
Tabel Nilai t dan Nilai z Data I
t z
14,92495 -2.04556
25,555 -1.21491
36,195 -0.53623
46,835 -0.07678
t z
57,475 0.258527
68,11 0.79159
78,745 1.63428
89,385

Dari nilai t dan nilai z diatas maka dapat dilakukan perhitungannya. Untuk
mencari nilai a menggunakan rumus =SLOPE(known_ys,known_xs), maka
pada data untuk distribusi normal diatas didapat nilai a = 0.053205
Untuk mencari nilai b menggunakan rumus =INTERCEPT
(known_ys,known_xs), maka pada data untuk distribusi normal diatas didapat
nilai b = -2.66168
Untuk mencari nilai r menggunakan rumus = PEARSON(array1, array2),
maka pada data untuk distribusi normal diatas didapat r = 0.991896
Maka persamaan regresi untuk data distribusi normal tersebut adalah y =
0.053205 2.66168x dengan koefisien deterministik adalah 0.991896.
Selanjutnya setiap distribusi dihitung koefisien deterministiknya, dan jenis
distribusi yang memiliki koefisien deterministic tertinggi diuji dengan
menggunakan metode chi-square.

BAB III
PENUTUP

Pengembangan modul yang dilakukan pada modul pengujian distribusi ini
dilakukan dengan menambahkan sub-bab mengidentifikasi jenis distribusi
terhadap data percobaan, menambahkan perhitungan peluang masin-masing kelas
dengan menggunakan Microsoft Excel, membuat grafik distribusi dengan
menggunakan Minitab, dan menghitung persamaan regresi dan koefisien
deterministik dengan menggunakan Microsoft Excel. Terdapat beberapa
kelemahan dalam pengembangan modul ini, yaitu seperti tidak semua rumus atau
formula perhitungan peluang untuk setiap jenis distribusi yang ada pada Microsoft
Excel.
Penulis banyak berharap kepada para pembaca untuk memberikan kritik
saran yang membangun demi sempurnanya makalah ini. Semoga makalah ini
dapat bermanfaat bagi kita semua. Aamiin.















DAFTAR PUSTAKA

Pamungkas.2005. Trik Pemrograman Microsoft Excel. Jakarta: Elex Media
Komputindo
Sandaru, Sandrea Willis dan Arning Susilawati.2012. Laporan Praktikum:
Distribusi Peluang Distrit dan Distribusi Peluang Kontinu. Surabaya :
ITS
Walpole, Ronald. 1995. Pengantar Statistika.Jakarta: Graha Ilmu