Modul Ajar Matematika Kelas XI
Statistika Industri

Tujuan: Mengidentifikasi jenis-jenis data dan skala pengukuran yang relevan dalam konteks industri serta menerapkan metode pengumpulan dan penyajian data yang tepat untuk kasus industri.

Kegiatan awal: Guru mengucapkan salam, memimpin doa, memeriksa kehadiran, melakukan apersepsi dengan menanyakan pengalaman peserta didik melihat data di sekitar mereka, menyampaikan tujuan pembelajaran, dan memantik diskusi dengan pertanyaan 'Mengapa data sangat penting dalam sebuah pabrik?'.

Memahami: Peserta didik diajak mengeksplorasi berbagai jenis data (kualitatif, kuantitatif, diskrit, kontinu) dan skala pengukuran (nominal, ordinal, interval, rasio) melalui contoh kasus data kualitas produk, waktu produksi, atau kepuasan pelanggan di industri. Mereka juga mengidentifikasi metode pengumpulan data yang sesuai.

Mengaplikasi: Peserta didik secara berkelompok menganalisis studi kasus data industri sederhana, kemudian menentukan jenis data, skala pengukuran, dan menyajikan data tersebut dalam bentuk tabel distribusi frekuensi dan grafik yang sesuai (histogram, diagram batang, diagram lingkaran) menggunakan lembar kerja.

Merefleksi: Setiap kelompok mempresentasikan hasil analisis dan penyajian datanya. Guru memberikan umpan balik, menguatkan konsep, dan memastikan pemahaman peserta didik tentang pentingnya pemilihan metode penyajian data yang tepat agar mudah dipahami oleh pihak industri.

Penutup: Peserta didik bersama guru menyimpulkan materi pertemuan ini. Guru memberikan apresiasi atas partisipasi aktif, mengingatkan materi untuk pertemuan selanjutnya, dan menutup dengan motivasi serta doa.

Tujuan: Menghitung dan menginterpretasi ukuran pemusatan dan penyebaran data industri serta melakukan pengujian hipotesis sederhana untuk membandingkan dua kelompok data produksi.

Kegiatan awal: Guru menyapa peserta didik, memimpin doa, memeriksa kehadiran, melakukan kuis singkat terkait penyajian data, kemudian menyajikan skenario masalah 'Sebuah pabrik ingin membandingkan rata-rata kekuatan material dari dua pemasok berbeda. Bagaimana cara kita menentukan mana yang lebih baik secara statistik?'.

Memahami: Peserta didik diajak memahami konsep ukuran pemusatan (mean, median, modus) dan penyebaran data (rentang, varians, standar deviasi) melalui studi kasus data kualitas produk. Kemudian, mereka diperkenalkan pada langkah-langkah dasar pengujian hipotesis sederhana (misal: uji-t untuk dua sampel independen).

Mengaplikasi: Dalam kelompok, peserta didik mengerjakan LKPD yang berisi data produksi dari dua pemasok material. Mereka menghitung ukuran pemusatan dan penyebaran data untuk masing-masing pemasok, lalu melakukan pengujian hipotesis untuk menentukan apakah ada perbedaan signifikan antara kedua pemasok tersebut menggunakan rumus atau alat bantu sederhana.

Merefleksi: Masing-masing kelompok mempresentasikan hasil perhitungan dan interpretasi pengujian hipotesis mereka. Guru memfasilitasi diskusi, memberikan klarifikasi tentang kesalahan konsep, dan menguatkan pemahaman tentang kapan dan bagaimana menggunakan pengujian hipotesis dalam pengambilan keputusan industri.

Penutup: Guru bersama peserta didik merangkum poin-poin penting materi hari ini. Guru memberikan pujian atas kerja keras peserta didik, memberikan tugas mandiri untuk pengayaan, dan menutup dengan doa agar ilmu yang didapat bermanfaat.

Tujuan: Menganalisis hubungan antar variabel menggunakan regresi linier sederhana dalam data industri dan membuat laporan hasil analisis statistika industri yang informatif dan memberikan rekomendasi perbaikan.

Kegiatan awal: Guru menyambut peserta didik dengan semangat, memimpin doa, memeriksa kehadiran, mengulas singkat materi sebelumnya, dan menyampaikan tantangan proyek: 'Bagaimana kita bisa memprediksi jumlah cacat produk berdasarkan suhu oven di pabrik roti?'.

Memahami: Peserta didik memahami konsep korelasi dan regresi linier sederhana, termasuk bagaimana menentukan persamaan regresi dan menginterpretasikan koefisien determinasi (R-squared) dalam konteks industri, misalnya hubungan antara biaya iklan dan penjualan, atau suhu dengan kualitas produk.

Mengaplikasi: Peserta didik secara berkelompok mengerjakan proyek mini. Mereka diberikan dataset buatan atau data simulasi yang menggambarkan hubungan dua variabel dalam konteks industri (misal: suhu oven dan jumlah roti cacat). Mereka diminta untuk membuat scatter plot, menghitung koefisien korelasi, menentukan persamaan regresi, dan memprediksi nilai. Hasil analisis ini kemudian disusun menjadi laporan lengkap.

Merefleksi: Setiap kelompok mempresentasikan laporan proyek mereka, menjelaskan proses analisis, hasil, dan rekomendasi perbaikan untuk industri berdasarkan temuan statistika. Guru memberikan penilaian, masukan konstruktif, dan mengapresiasi kreativitas serta ketepatan analisis kelompok.

Penutup: Guru dan peserta didik menyimpulkan seluruh materi Statistika Industri. Guru memberikan apresiasi tinggi atas seluruh usaha dan hasil karya peserta didik, memotivasi mereka untuk terus belajar dan menerapkan statistika, serta menutup pembelajaran dengan doa penutup yang menginspirasi.

Statistika industri adalah disiplin ilmu yang menerapkan metode statistik untuk menganalisis data yang dihasilkan dari proses industri. Tujuannya adalah untuk memahami variabilitas, mengidentifikasi akar masalah, dan membuat keputusan yang lebih baik untuk meningkatkan kualitas produk, efisiensi proses, dan kepuasan pelanggan. Ruang lingkupnya meliputi pengendalian kualitas statistik (Statistical Process Control/SPC), perancangan eksperimen (Design of Experiments/DOE), analisis regresi, dan sampling penerimaan. Contohnya, sebuah pabrik ban menggunakan statistika untuk memastikan setiap ban memiliki ketahanan yang seragam, atau perusahaan makanan mengukur kadar garam produknya agar sesuai standar kesehatan.

Dalam statistika industri, data dapat dibedakan menjadi kualitatif (deskriptif, seperti warna produk) dan kuantitatif (numerik, seperti berat produk). Data kuantitatif dibagi lagi menjadi diskrit (hasil hitungan, misal jumlah cacat) dan kontinu (hasil pengukuran, misal suhu). Skala pengukuran menentukan jenis analisis yang dapat dilakukan: nominal (kategori tanpa urutan, misal jenis mesin), ordinal (kategori dengan urutan, misal tingkat kepuasan), interval (numerik dengan interval sama, tanpa nol mutlak, misal suhu Celsius), dan rasio (numerik dengan nol mutlak, misal panjang produk). Pemahaman ini krusial agar analisis yang dilakukan valid dan informatif.

Pengumpulan data yang akurat adalah fondasi analisis statistika yang baik. Metode umum meliputi observasi langsung, survei, eksperimen terkontrol, dan pengambilan sampel. Setelah data terkumpul, penyajian yang efektif sangat penting agar mudah dipahami. Ini bisa berupa tabel distribusi frekuensi, diagram batang untuk data kualitatif, histogram untuk data kuantitatif kontinu, diagram lingkaran untuk proporsi, atau scatter plot untuk melihat hubungan antar variabel. Misalnya, data cacat produk disajikan dalam diagram Pareto untuk mengidentifikasi penyebab utama.

Ukuran pemusatan data memberikan gambaran nilai 'tengah' dari sebuah kumpulan data. Mean (rata-rata) adalah jumlah semua nilai dibagi banyaknya data, sering digunakan untuk mengukur kinerja rata-rata. Median adalah nilai tengah setelah data diurutkan, berguna jika ada outlier. Modus adalah nilai yang paling sering muncul, cocok untuk data kategorikal atau untuk mengetahui nilai paling umum. Dalam industri, rata-rata waktu produksi atau rata-rata kekuatan material adalah contoh aplikasi ukuran pemusatan ini.

Ukuran penyebaran data menunjukkan seberapa jauh data tersebar dari nilai tengah. Rentang (range) adalah selisih nilai maksimum dan minimum. Varians dan standar deviasi adalah ukuran penyebaran yang paling umum, menunjukkan rata-rata kuadrat atau akar kuadrat selisih setiap data dari mean. Semakin kecil standar deviasi, semakin konsisten proses produksi. Misalnya, standar deviasi berat produk yang rendah menunjukkan kontrol kualitas yang baik, artinya produk memiliki berat yang seragam.

Pengujian hipotesis adalah metode statistik untuk membuat keputusan tentang parameter populasi berdasarkan data sampel. Langkahnya meliputi perumusan hipotesis nol (H0) dan alternatif (H1), penentuan tingkat signifikansi, pemilihan uji statistik (misal uji-t untuk membandingkan rata-rata dua kelompok), perhitungan nilai statistik uji, dan pengambilan keputusan (tolak atau terima H0). Contohnya, pengujian hipotesis dapat digunakan untuk menentukan apakah ada perbedaan signifikan dalam efisiensi dua metode produksi yang berbeda.

Korelasi mengukur kekuatan dan arah hubungan linier antara dua variabel (misal: antara suhu dan tekanan). Koefisien korelasi (r) berkisar antara -1 hingga +1. Regresi linier sederhana digunakan untuk memodelkan hubungan ini dan memprediksi nilai satu variabel berdasarkan nilai variabel lain. Persamaan regresi (Y = a + bX) memungkinkan kita memprediksi Y (variabel dependen) dari X (variabel independen). Dalam industri, regresi dapat memprediksi jumlah cacat berdasarkan kecepatan mesin atau penjualan berdasarkan pengeluaran iklan.