STATISTIKA TERAPAN
ACARA 1
UKURAN PEMUSATAN DAN LETAK DATA
KELOMPOK 8
Penanggung Jawab:
Yestie Aldila Wiandani (A1M014025)
Selvi Intan Pratiwi (A1M014036)
STATISTKA TERAPAN
ACARA II
KELOMPOK
Penanggung Jawab:
Revashidqii Baroto (A1M014058)
Kifayati Rosiyanti Dewi (A1M0140)
STATISTIKA TERAPAN
ACARA III
KELOMPOK 8
Penanggung Jawab:
ACARA 4
ANALISIS REGRESI
KELOMPOK 8
Penanggung Jawab:
Refizal Dwi Herisman (A1M014006)
Ayunda Lintang Pratiwi (A1M014029)
Keterangan:
X = data ke-i
n = banyaknya data
Median (Nilai Tengah) adalah suatu nilai tengah yang telah diurutkan dari data terkecil ke data
terbesar.
Rumus yang digunakan untuk menghitung median adalah:
Untuk n ganjil:
X1
Me = 2
(n +1)
Untuk n genap:
n n
X + X +1
Me = 2 2
2
Keterangan:
n n
X 2 adalah data pada urutan ke- 2 setelah diurutkan.
Modus adalah data yang nilai terjadinya sering muncul atau yang mempunyai frekuensi paling
tinggi. Suatu distrbusi mungkin tidak memiliki modus, dengan kata lain modus tidak selalu ada.
Hal ini bila semua pengamatan hanya mempunyai satu frekuensi saja.
Komputer merupakan salah satu alat bantu melakukan perhitungan. Karena dapat
digunakan sebagai alat hitung, komputer diharapkan dapat mempercepat melakukan analisis data
statsitik yang jumlah datanya banyak dan rumus-rumusnya rumit. Tingkat akurasi perhitungan
menggunakan komputer lebih tinggi dari pada secara manual atau menggunakan alat bantu
kalkulator (Iriawan,2006). Minitab merupakan salah satu program aplikasi statistika yang banyak
digunakan untuk mempermudah pengolahan data statistik. Minitab menyediakan program-
program untuk mengolah data statistik secara lengkap. Keunggulan Minitab adalah data dapat
digunakan dalam pengolahan data statistik untuk tujuan sosial maupun teknik. Dibandingkan
dengan program statistika lainnya. Minitab telah diakui sebagai program statistik yang sangat
kuat dengan tingkat akurasi taksiran statistik yang tinggi(Iriawan,2006).
Ukuran Penyebaran
Untuk melakukan pengolahan data, dilakukan perhitungan terhadap ukuran pemusatan
data, ukuran letak data dan ukuran penyebaran data. Setelah dilakukan perhitungan mengenai
ukuran pemusatan data, maka selanjutnya dilakukan ukuran penyebaran data. Ukuran
penyebaran data adalah suatu ukuran yang menyatakan seberapa besar penyimpangan nilai-
nilai data dengan nilai pusatnya. Ukuran penyebaran ini diperlukan untuk menginterpretasikan
data secara keseluruhan. Hal ini dikarenakan nilai rata-rata dirasakan tidak cukup untuk
menggambarkan data secara keseluruhan (Afriyanti, 2008).
Kegunaan ukuran penyebaran antara lain sebagai berikut:
1) Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai rata-ratanya
benar-benar representatif atau tidak. Apabila suatu kelompok data mempunyai
penyebaran yang tidak sama terhadap nilai rata-ratanya, maka dikatakan bahwa nilai
rata-rata tersebut tidak representatif.
2) Ukuran penyebaran dapat digunakan untuk mengadakan perbandingan terhadap
variabilitas data.
3) Ukuran penyebaran dapat membantu penggunaan ukuran statistika, misalnya dalam
pengujian hipotesis, apakah dua sampel berasal dari populasi yang sama atau tidak
(Supranto, 2000).
Ukuran penyebaran data dapat dibagi menjadi dua macam, ukuran penyebaran data tunggal
yang meliputi jangkauan (range), jangkauan antarkuartil, dan ukuran penyebaran data
berkelompok yang meliputi simpangan kuartil, simpangan rata-rata, ragam (variansi), dan
simpangan baku (Johanes, 2006).
Jangkauan (range) adalah selisih nilai maksimim dan nilai minimum dari suatu data.
Simpangan rata-rata adalah simpangan nilai untuk observasi terhadap rata-rata (Afriyanti,
2008).
Ukuran penyebaran data lainnya selain simpangan rata-rata adalah ragam yang dinyatakan
dengan S2 dan simpangan baku (standar deviasi) yang dinyatakan dengan S. Kedua ukuran
tersebut lebih umum dipakai di statistika inferensia untuk penyebaran data. Rumus dari
ragam/variansi (S2) dan simpangan baku (S) yaitu sebagai berikut:
a. Ragam/Varians
Varians adalah salah satu ukuran dispersi atau ukuran variasi. Varians dapat
menggambarkan bagaimana berpencarnya suatu data kuantitatif. Varians diberi simbol
2 (baca: sigma kuadrat) untuk populasi dan untuk s2 sampel. Varians merupakan ukuran
variabilitas data, yang berarti semakin besar nilai varian berarti semakin tinggi fluktuasi data
antara satu data dengan data yang lain. Varians dipakai untuk melihat pola variasi yang ada
di dalam sampel.
Rumus varians data tunggal untuk sampel
(Hasan, 2005)
Analisis varians
Menurut Ridwan Anava atau Anova adalah anonim dari analisis varian terjemahan dari
analysis of variance, sehingga banyak orang menyebutnya dengan anova. Anova merupakan
bagian dari metoda analisis statistika yang tergolong analisis komparatif lebih dari dua rata-rata
(Ridwan,2008).
Analisis variansi adalah suatu prosedur untuk uji perbedaan mean beberapa
populasi. Konsep analisis variansi didasarkan pada konsep distribusi F dan biasanya dapat
diaplikasikan untuk berbagai macam kasus maupun dalam analisis hubungan antara berbagai
varabel yang diamati. Dalam perhitungan statistik, analisis variansi sangat dipengaruhi asumsi-
asumsi yang digunakan seperti kenormalan dari distribusi, homogenitas variansi dan kebebasan
dari kesalahan Asumsi kenormalan distribusi memberi penjelasan terhadap karakteristik data
setiap kelompok. Asumsi adanya homogenitas variansi menjelaskan bahwa variansi dalam
masing-masing kelompok dianggap sama. Sedangkan asumsi bebas menjelaskan bahwa variansi
masing-masing terhadap rata-ratanya pada setiap kelompok bersifat saling bebas. Analisis
variansi adalah suatu prosedur untuk uji perbedaan mean beberapa populasi (lebih dari dua).
Untuk dapat menggunakan teknik anava dengan baik, perlu kiranya mengenal beberapa
pengertian tentang harga-harga yang terdapat di dalam rumusnya. Baik dalam anava tunggal
maupun anava ganda terdapat beberapa istilah teknis yang belum terdapat di dalam teknik-teknik
sebelumnya. Harga-harga yang dimaksud adalah : sumber variasi, jumlah kuadrat (disingkat JK),
rerata kuadrat atau mean kuadrat (singkat MK), dan harga F.
Sumber Variasi
Pengertian sumber variasi digunakan sebagai judul kolom dalam table persiapan anava.
Hal-hal yang terkandung di dalam di bawah judul tersebut adalah hal-hal yang dipandang
menunjukkan variasi sehingga menyebabkan timbulnya perbedaan nilain yang dianalisis.
Sebagai sumber variasi misalnya perbedaan yang terjadi di antara kelompok, di dalam kelompok,
dan interaksi antara dua faktor atau lebih.
Jumlah Kuadrat
JKtot = X2-(X)2/N
Yang dimaksud dengan jumlah kuadrat adalah penjumlahan tiap-tiap deviasi nilai
reratanya. Ada beberapa jenis jumlah kuadrat yang akan dijumpai dalam pekerjaan
analisis varian : yakni jumlah kuadrat total, jumlah kuadrat antar kelompok, jumlah
kuadrat dalam kelompok. Untuk anava ganda masih ada satu pengertian lagi yaitu
kuadrat interaksi. Dengan rumus :
JKant =
[(Xk)2/nk-
(X)2/N ]
2. JKtot = Jkant
+ Jkdal
k = banyaknya kelompok
3. F = MKant/MKdal
Analisis Regresi
menyebar normal. Dalam prakteknya bentuk persamaan regresi di atas diduga oleh Y =
metode kuadrat terkecil, sedangkan ei merupakan residual atau sisaan dan dapat ditulis
dan ragamnya e2 , jadi dalam melakukan kajian dengan menggunakan analisis regresi
diperlukan untuk mencek apakah persyaratannya sudah dipenuhi yang di antaranya syarat
menyebar normal. Bentuk yang digunakan untuk memprediksi dinyatakan dengan
B. Prosedur Kerja
1. Ukuran Pemusatan dan Letak Data
Diukur bobot tiap sampel gula dari beberapa pengrajin gula kelapa
dengan menggunakan timbangan analitik. Sajikan dalam bentuk
tabel.
Ditentukan nilai Median Q1, Q2, Q3, D1, D5, D9, P10. P25, P50,
P75, dan P90.
Dibuat kesimpulan umum terhadap data yang diperoleh.
Diberikan ulasan atau pembahasan tentang keragaman berat gula cetak pada
masing-masing pengrajin.
8. Analisis Varians
Diberikan ulasan atau pembahasan tentang keragaman berat gula cetak pada
masing-masing pengrajin.
9. Analisis Regresi
adahi dengan menggunakan plastik mika yang telah diketahui beratnya, kemudian disimpan dalam su
ap hari (pada waktu yang sama, 24 jam) diamati sampai penyimpanan hari keempat ( hari ke-0, 1, 2,
Perhitungan:
1. Mean (rata-rata hitung)
Z X
X = n
2470,2
= 50
= 49,404
2. Modus = 49,0
1 n n
3. Median = 2 2 (
X ( )+ X ( +1)
2 )
1 50 50
= 2 (
X ( )+ X ( +1)
2 2 )
1
X +X
= 2 ( 25 26 )
1
= 2 (49,0 + 49,1)
= 49,05
Q1 = X ( )
1(n+1)
4
=X ( 1(50+1)
4 )
= X (12,75)
X 12,75
=
Q1 = 48,0 + 0,75 (48,2 48,0)
= 48,0 +0,75 (0,2)
= 48,15
Q2 = X ( 2(50+1)
4 )
= X (25,5)
X 25,5
=
Q2 = 49,0 + 0,5 (49,1 49,0)
= 49,0 + 0,5 (0,1)
= 49,05
Q3 = X (
3(50+1)
4 )
= X (38,25)
X 38,25
=
Q3 = 50,5 + 0,25 (50,6 50,5)
= 50,5 + 0,25 (0,1)
= 50,525
5. Desil (D1, D5, D9)
D1 = X (
1(50+1)
10 )
X 5,1
=
D1 = 47,5 + 0,1 (47,7 47,5)
= 47,5+ 0,02
= 47,52
D5 = X
5(50+1)
(10 )
X 25,5
=
D5 = 49,5 + 0,5 (49,1 49,0)
= 49,05
D9 = X (
9(50+1)
10 )
X 45,9
=
D9 = 52,3 + 0,9 (52,7 52,3)
= 52,3+ 0,36
= 52,66
6. Persentil (P10, P25, P50, P75, P90)
P10 = X
10(50+1)
( 100 )
X 5,1
=
P10 = 47,5 + 0,1 (47,7 47,5)
= 47,5+ 0,02
= 47,52
P25 = X (
25(50+1)
100 )
X 12,75
=
P25 = 48,0 + 0,75 (48,2 48,0)
= 48,0 + 0,75 (0,2)
= 48,15
P50 = X
50(50+1)
( 100 )
X 25,5
=
P50 = 49,0 + 0,5 (49,1 49,0)
= 49,5
P75 = X (
75(50+1)
100 )
X 38,25
=
P75 = 50,5 + 0,25 (50,6 50,5)
= 50,525
P90 = X
90(50+1)
( 100 )
X 45,9
=
P90 = 52,3 + 0,9 (52,7 52,3)
= 52,66
Perhitungan
1. Mean (rata-rata hitung)
Z X
X = n
2445,1
= 50
= 48,902
2. Modus = 50,5
1 n n
3. Median = 2 2 (
X ( )+ X ( +1)
2 )
1 50 50
= 2 2 (
X ( )+ X ( +1)
2 )
1
( X 25+ X 26 )
= 2
1
= 2 (48,5 + 48,8)
= 48,65
4. Kuartil (dari Q1, Q2, Q3)
Q1 = X ( )
1(n+1)
4
=X ( 1(50+1)
4 )
= X (12,75)
X 12,75
=
Q1 = 47,5 + 0,75 (47,5 47,5)
= 47,5
Q2 = X (
2(50+1)
4 )
= X (25,5)
X 25,5
=
Q2 = 48,5 + 0,5 (48,8 48,5)
= 48,5 + 0,5 (0,3)
= 48,65
Q3 = X ( 3(50+1)
4 )
= X (38,25)
X 38,25
=
Q3 = 50,5 + 0,25 (50,5 50,5)
= 50,5
5. Desil (D1, D5, D9)
D1 = X (
1(50+1)
10 )
X 5,1
=
D1 = 46,2 + 0,1 (46,5 46,2)
= 46,2+ 0,03
= 46,23
D5 = X (
5(50+1)
10 )
X 25,5
=
D5 = 48,5 + 0,5 (48,8 48,5)
= 48,65
D9 = X
9(50+1)
(10 )
X 45,9
=
D9 = 51,3 + 0,9 (51,3 51,3)
= 51,3
6. Persentil (P10, P25, P50, P75, P90)
P10 = X (
10(50+1)
100 )
X 5,1
=
P10 = 46,2 + 0,1 (46,5 46,2)
= 46,2+ 0,03
= 46,23
P25 = X
25(50+1)
( 100 )
X 12,75
=
P25 = 47,5 + 0,75 (47,5 47,5)
= 47,5 + 0,75 (0)
= 47,5
P50 = X ( 50(50+1)
100 )
X 25,5
=
P50 = 48,5 + 0,5 (48,8 48,5)
= 48,5 + 0,5 (0,3)
= 48,5 +0,15
= 48,65
P75 = X (
75(50+1)
100 )
X 38,25
=
P75 = 50,5 + 0,25 (50,5 50,5)
= 50,5
P90 = X (
90(50+1)
100 )
X 45,9
=
P90 = 51,3 + 0,9 (51,3 51,3)
= 51,3
Diagram Batang
49.6
49.4
49.2
49
Rata-rata Bobot Gula Cetak 48.8
48.6
48.4
48.2
A B
Pengrajin
Tabel 3. Nilai median, kuartil, desil dan persentil data berat sampel gula cetak.
Pengrajin Median Q1 Q2 Q3 D1 D5 D9 P P P P P
10 25 50 75 90
48, 49, 50, 47, 49, 52, 47, 48, 49, 50, 52,
A 49,05
15 05 52 52 05 66 52 15 5 52 66
47, 48, 50, 46, 48, 51, 46, 47, 48, 50, 51,
B 48,65
5 65 5 23 65 3 23 5 65 5 3
b. Pembahasan
Pada praktikum ini, digunakan 100 buah gula cetak dari 2 pengrajin gula cetak yang
masing-masing pengrajin diambil sampel sebanyak 50 buah gula cetak. Masing-masing gula
cetak ditimbang satu per satu hingga di peroleh bobot seluruh gula cetak sebanyak 100 data yang
di bagi menjadi 2 yaitu pengrajin A dan pengrajin B. Sesuai dengan namanya, statistika deskriptif
bertugas hanya untuk memperoleh gambaran (description) atau ukuran-ukuran tentang data yang
ada di tangan. Jika data yang dianalisis merupakan sampel dari suatu populasi maka Statistika
deskriptif akan menghasilkan ukuran-ukuran sampel (statistik), sedangkan jika data yang
dianalisis merupakan keseluruhan populasi maka Statistika deskriptif akan menghasilkan ukuran-
ukuran populasi (Furqon,2004).
Sesuai dengan perhitungan yang telah dilakukan, maka diperoleh bobot hasil dari kedua
pengrajin gula cetak tersebut yang tercantum dalam tabel 1 dan tabel 2. Tabel 1 merupakan tabel
bobot gula cetak dari pengrajin A dan tabel 2 adalah data bobot gula cetak dari pengrajin B. Pada
pengrajin A diperoleh nilai rata-rata hitung (mean) yaitu 49,404 g; modus 49,0 g; median 49,05
g; kuartil (Q1 48,15 g; Q2 49,05 g; Q3 50,525 g) ; Desil (D1 47,52 g; D5 49,05 g; D9 52,66 g) ;
Persentil (P10 47,52 g; P25 48,15 g; P50 49,5 g; P75 50,525 g; P90 52,66 g). Sedangkan pada
data pengrajin gula cetak B didapatkan nilai rata-rata hitung (mean) adalah 48,902 g; modus 50,5
g; median 48,65 g; kuartil (Q147,5 g; Q2 48,65 g; Q3 50,5 g) ; Desil (D1 46,23 g; D5 48,65 g;
D9 51,3 g) dan Persentil (P10 46,23 g; P25 47,5 g; P50 48,65 g; P75 50,5 g; P90 51,3 g).
Mean (rata-rata) adalah jumlah nilai pada data dibagi dengan banyaknya data tersebut.
Ukuran ini mudah dihitung dengan memanfaatkan semua data yang dimiliki. Jika ada
sekelompok data maka untuk menyebut ukuran numerik sebagai wakil dari data sering dipakai
rata-rata hitung. Median (Nilai Tengah) adalah suatu nilai tengah yang telah diurutkan dari data
terkecil ke data terbesar. Modus adalah data yang nilai terjadinya sering muncul atau yang
mempunyai frekuensi paling tinggi.
Berdasarkan diagram batang kita bisa lihat dengan jelas bahwa berat rata-rata hitung
pengrajin gula cetak A lebih tinggi daripada pengrajin gula cetak B. Rata rata biasanya
digunakan untuk menunjukkan gejala pusat suatu perangkat data yang berskala interval dan
rasio. Gambaran terhadap suatu masalah dari sekelompok sampel biasanya dinyatakan dalam
bentuk rata-rata. Walaupun modus dan median dapat digunakan terhadap data yang berskala
interval dan rasio. Modus seringkali digunakan terhadap data berskala nominal, sedangkan
median terhadap data berskala ordinal (Furqon,2004).
Data statistik yang akan diolah sering berjumlah banyak dan membutuhkan perhitungan
dengan menggunkana rumu-rumus rumit. Pengolahan data secara statistik membutuhkan
ketelitian dan kesabaran cukup tinggi. Melakukan pengolahan data statistik secara manual bila
jumlah data banyak, berpeluang besar akan terjadi kesalahan dalam perhitungan. Pengolah data
sangat tidak menginginkan karena dengan perhitungan data tidak tepat dan akurat ,akan
diperoleh kesimpulan yang tidak tepat dan dapat menyesatkan hasil penelitian(Iriawan,2006).
Tujuan analisis diskriptif yaitu untuk membuat gambaran secara sistematis data yang
factual dan akurat mengenai fakta-fakta serta hubungan antar fenomena yang diselidiki atau
diteliti (Ridwan,2008).
2. Ukuran Penyimpangan dan Keragaman Data
a. Hasil
( x i x )2
i=1
simpangan baku=s=
n1
x A=49,404
x B=48,862
2 2 2 2
( x 1x ) + ( x 2x ) + ( x 3x ) ++ ( x 50x )
s A=
501
2 2 2 2
( 48,649,404 ) + ( 53,749,404 ) + ( 51,849,404 ) + + ( 49,949,404 )
s A=
49
s A =2,130436
2 2 2 2
( x 1x ) + ( x 2x ) + ( x 3x ) ++( x 50 x )
sB =
501
2 2 2 2
( 46,848,862 ) + ( 53,148,862 ) + ( 46,248,862 ) + + ( 51,348,862 )
sB =
49
s B =1,929988
2
varians=s
s 2A =( 2,130436 )2
s 2A =4,538759
2 2
s B =( 1,929988 )
2
s B =3,724853
b. Pembahasan
Pada perhitungan statistika dan analisis data, selain menghitung ukuran pemusatan
datadilakukan juga pengukuran penyimpangan dan keragaman data. Hal ini dilakukan karena
apabila dilakukan pengukuran pemusatan data saja tidak memberikan gambaran informasi
yang lengkap dan akurat mengenai distribusi frekuensi atau bagaimana penyebaran data
pengamatan terhadap nilai sentralnya. Oleh karena itu harus dilakukan pengukuran
penyebaran data.
Sekumpulan data kuantitatif yang tidak dikelompokkan dinyatakan oleh x 1, x2, , xn. .
Dalam statistika dan probabilitas, simpangan baku atau standar deviasi adalah ukuran sebaran
statistik yang paling lazim. Singkatnya, ia mengukur bagaimana nilai-nilai data tersebar. Bisa
juga didefinisikan sebagai, rata-rata jarak penyimpangan titik-titik data diukur dari nilai rata-
rata data tersebut.
Simpangan baku didefinisikan sebagai akar kuadrat varians. Simpangan baku merupakan
bilangan tak-negatif (mutlak) dan memiliki satuan yang sama dengan data. Misalnya jika
suatu data diukur dalam satuan meter, maka simpangan baku juga diukur dalam meter pula.
Varians adalah rata-rata hitung deviasi kuadrat setiap data terhadap rata-rata hitungnya.
Varian merupakan jumlah kuadrat semua deviasi nilai-nilai individual terhadap rata-rata
kelompok. Dalam penelitian ini menggunakan varians sampel, varians sampel adalah deviasi
kuadrat dari dari setiap data rata-rata hitung terhadap semua data dalam sampel. Fungsinya
untuk mengetahui tingkat penyebaran atau variasi data. Varian merupakan konsep yang
cukup penting dalam statistik, karena merupakan dasar dari banyak metode statistik
inferensial. Varian merupakan ukuran variabilitas data, yang berarti semakin besar nilai
varian berarti semakin tinggi fluktuasi data antara satu data dengan data yang lain. Dengan
menyertakan nilai varian pada rata-rata akan memberikan informasi yang lebih akurat.
Dalam perhitungan ini diambil data berupa berat (bobot) dari 50 sampel gula kelapa yang
diambil secara acak masing-masing dari 2 pengrajin gula kelapa yang berbeda. Masing-
masing gula kelapa ditimbang dan dicatat bobotnya, kemudian dilakukan perhitungan
simpangan baku dan varians dengan rumus simpangan baku:
( x i x )2
i=1
s=
n1
2 24140517
FK = r.t = 100 = 241405,2
JK Total = { ( xa 1 ) 2 } FK
b. Pembahasan
Pada praktikum kali ini, dilakukan perhitungan analisis varians one way terhadap dua
industri gula kelapa yang berbeda. Data yang digunakan adalah 50 sampel gula kelapa yang
diambil dari masing-masing industri gula kelapa yang berbeda. Industri gula kelapa tersebut
yaitu UKM Lestari Jaya dan UD Ngudi Lestari yang terletak di Desa Kalisalak, Kebasen,
Jawa Tengah. Dari masing-masing industri tersebut diambil sampel sebanyak 50 butir gula
kelapa untuk ditimbang bobotnya yang selanjutnya akan dilakukan perhitungan analisis
variansnya.
Analisis variansi adalah suatu prosedur untuk uji perbedaan mean beberapa populasi data
(lebih dari dua). Analisis ragam (Analysis of Variance) atau yang lebih dikenal dengan istilah
ANOVA adalah suatu teknik untuk menguji kesamaan beberapa rata-rata secara sekaligus.
Uji yang digunakan dalam ANOVA adalah uji F karena digunakan untuk pengujian lebih dari
2 sampel. Asumsi pengujian ANOVA, meliputi: populasi yang akan diuji berdistribusi
normal, varians/ragam dan populasi yang diuji sama, dan sampel tidak berhubungan satu
dengan yang lain. Tujuan dan pengujian ANOVA ini adalah untuk mengetahui apakah ada
pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan (Hamdi, 2014).
Ho diterima jika > 0,05 berarti tidak ada perbedaan rata-rata populasi yang diuji.
Ho ditolak jika < 0,05 berarti ada perbedaan rata-rata minimal satu populasi yang diuji.
Dengan hipotesis:
Hasil perhitungan analisis varians yang dilakukan secara manual menunjukkan bahwa F
hit yang diperoleh dengan probabilitas 95% adalah 1,78. Data perhitungan dapat dilihat pada
tabel ANOVA berikut:
SK Db JK KR F hit F (5%)
Perlakuan 1 7,3441 7,3441
Galat 98 404,917 4,131806 1,78 5,99
Total 99 412,2611 11,4759
Pada data perhitungan tersebut dapat diketahui bahwa F hit sebesar 1,78 dengan F
sebesar 5,99, sehingga dapat disimpulkan bahwa F hit F yang berarti Ho diterima. Ho
diterima artinya tidak ada perbedaan bobot gula cetak dari pengrajin A maupun B. Hasil
tersebut menunjukkan bahwa produksi gula kelapa yang dilakukan oleh industri gula kelapa
UKM Lestari Jaya maupun UD Ngudi lestari tidak ada perbedaan bobot gula yang dicetak.
5. Analisis Regresi
A. Hasil
n X y X2 Y2 xy
1 0 37,4 0 1398,76 0
2 1 33,1 1 1095,61 33,1
3 2 28,3 4 800,89 56,6
4 3 24,4 9 595,36 73,2
5 4 20,8 16 432,64 83,2
10 144 30 4323,26 246,1
2 28,8
( x) 2
2 = x2 n
(10)2
= 30 5
= 30 20
= 10
( y )2
y2 = y2 n
(144) 2
= 4323,26 5
= 176,06
x y
y = y - n
( 10 ) (144)
= 246,1 5
= - 41,9
y 41,9
b1 = 2 = 10 = - 4,19
41,9
= 10.176,06
= - 0,998
R2 = 0,996004
1R 2
t hitung = n
nR
5(0,998)
= 5 ( 10,96004)
4,99
= 0,316
= 15,791
t = (5%)
= 2,353
thit > t = hubungan x-y erat
hubungan x-y erat, berarti lama waktu penyimpanan buah strawberry berpengaruh
terhadap bobot buah strawberry.
JK total = y2
= 176,06
JK regresi = b. y
= (-4,19) . (-41,9)
= 175,561
JK residu = JK total JK regresi
= 176,06 175,561
= 0,499
db residu = { ( n1 )1 }
= { ( 51 )1 }
=3
JK residu
KR residu = ( n1 )1
0,499
= 3
= 0,1663
JK regresi
KR regresi = db regresi
175,561
= 3
= 58,52
JK regresi
F hitung = JK residu
175,561
= 0,499
= 351,8
SK db JK KR Fhitung F
Regresi 1 175,561 58,52 351,8 10,13
Residu 3 0,499 0,1663
Total 4 176,06 58,6863
F (5%) = 10,13
Jika f hitung > F maka persamaan regresi tepat dapat digunakan untuk menarik
kesimpulan .
Keseluruhan perhitungan di atas, menunjukan kebenaran dari grafik di bawah ini :
40
35
Y = 37,18 + (-4,19)X
30
25
Berat 20
15 Berat
10
0
0 1 2 3 4 5
hari simpan
B. Pembahasan
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh
antara satu atau beberapa variabel terhadap satu buah variabel. Variabel yang mempengaruhi
sering disebut variabel bebas, variabel independen atau variabel penjelas. Variabel yang
dipengaruhi sering disebut dengan variabel terikat atau variabel dependen. Regresi linear
hanya dapat digunakan pada skala interval dan ratio.
Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu
dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda
dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear
merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian
sosial, terutama penelitian ekonomi.
Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk menguji
sejauh mana hubungan sebab akibat antara Variabel Faktor Penyebab (X) terhadap Variabel
Akibatnya. Faktor Penyebab pada umumnya dilambangkan dengan X atau disebut juga
dengan Predictor sedangkan Variabel Akibat dilambangkan dengan Y atau disebut juga
dengan Response. Regresi Linear Sederhana atau sering disingkat dengan SLR (Simple
Linear Regression) juga merupakan salah satu Metode Statistik yang dipergunakan dalam
produksi untuk melakukan peramalan ataupun prediksi tentang karakteristik kualitas maupun
Kuantitas.
Y = a + b X.
Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a adalah
konstanta (intercept) yang merupakan titik potong antara garis regresi dengan sumbu Y pada
koordinat kartesius.
Untuk mengetahui apakah hubungan antara lama penyimpanan dan susut bobot
erat atau tidak, maka dilakukan serangkaian perhitungan. Serangkaian perhitungan tersebut
dimaksudkan untuk menetapkan persamaan linear dari hubungan antara susut bobot buah
stroberi dengan lama penyimapanan. Selain itu perhitungan juga dilakukan yntuk
menetapkan nilai dari t hitung.
Uji-t (t-test) merupakan statistik uji yang sering ditemui dalam masalah-masalah
praktis statistika. Uji-t digunakan untuk menguji apakah rata-rata suatu sampel sama dengan
suatu harga tertentu atau apakah rata-rata dua sampel sama atau berbeda secara
signifikan. Statistik uji ini digunakan dalam pengujian hipotesis. Uji-t dapat dibagi menjadi
2, yaitu uji-t yang digunakan untuk pengujian hipotesis 1-sampel dan uji-t yang digunakan
untuk pengujian hipotesis 2-sampel. Uji t satu sampel ini tergolong hipotesis deskriptif,
yaitu untuk menguji apakah satu sampel sama atau berbeda dengan rata-rata populasinya.
Hipotesis statistik adalah pernyataan statistik tentang populasi yang diteliti. Jika
menguji hipotesis penelitian dengan perhitungan statistik, maka rumusan hipotesis tersebut
perlu diubah ke dalam rumusan hipotesis statistik. Kalau dalam rumusan hipotesis penelitian
hanya dituliskan salah satu saja yaitu hipotesis alternatif (Ha) atau hipotesis nol (H0).
Sedangkan dalam hipotesis statistik keduanya dipasangkan sehingga dapat diambil
keputusan dengan tegas yaitu menerima Ho berarti menolak Ha begitu juga sebaliknya
apabila menolak Ho berarti menerima Ha. Hipotesis statistik ini dirumuskan untuk
menjelaskan gambaran dan parameter apa dari populasi. H0 dalam kegiatan praktikum ini
adalah hubungan antara susut bobot dengan lama penyimpanan tidak erat. Sedangkan Ha
pada kegiatan praktikum ini adalah hubungan antara susut bobot dengan lama penyompanan
erat.
Setelah t hitung diketahui nantinya akan dibandingkan dengan nilai dari t alfa.
Apabila nilai t hitung lebih besar dari nilai t alfa maka diasumsikan hubungan antara susut
bobot buah stroberi dengan lama penyimpanan adalah erat, atau arti lain adalah lama
penyimpanan memberikan pengaruh dan berdampak nyata terhadap susut bobot yang terjadi
pada buah stroberi. Sebaliknya, apabila nilai t hitung lebih kecil dari t alfa maka hubungan
antara lama penyimpanan dan susut bobot buah stroberi tidak erat, atau arti lain lama
penyimpanan tidak berpengaruh dan tidak memberikan pengaruh nyata terhadap susut buah
stroberi. Dari serangkaian perhitungan didapatkan hasil t hitung sebesar 15.791, lebih besar
dari t alfa sehingga dapat disimpulkan Hubungan x-y erat, yang berarti lama waktu
penyimpanan buah stroberi berpengaruh erat terhadap bobot buah stroberi. Hasil
perhitungan juga menunjukan persamaan regresi linear dari hubungan susut bobot buah
stroberi dengan lama penyimpanan adalah sebagai berikut :
Y = 37,18 + (-4,19)X
Setelah diketahui persamaan linear dari hubungan susut bobot dengan lama
penyimpanan dan hasil t hitung-nya, selanjutnya dicari nilai F hitung dari hubungan dua
variabel tersebut. Nilai F hitung berfungsi untuk menentukan apakah persamaan regresi yang
didapatkan sebelumnya tepat untuk digunakan dalam penarikan kesimpulan atau tidak.
Namun sebelumnya terlebih dahulu dilakukan perhitungan untuk menetapkan JK total, JK
regresi, JK residu, KR residu, dan KR regresi dari data yang telah didapatkan. Nilai JK total,
JK regresi, JK residu, KR residu, dan KR regresi berturut-turut adalah 176.06, 175.561,
0.499, 3, 0.1663, dan 58,52. Sedangkan nilai F hitung adalah 351.8, lebih besar dari nilai F
alfa yaitu 10.13. Hal ini berarti persamaan regresi tepat dapat digunakan untuk menarik
kesimpulan.
V. PENUTUP
A. Kesimpulan
1. Statistika deskriptif pada data berat gula cetak menghasilkan ukuran pemusatan data sebagai
berikut, yaitu pada pengrajin gula cetak A didapatkan mean 49,404; modus 49,0 ; median
49,05; kuartil (Q1 48,15; Q2 49,05; Q3 50,525) ; Desil (D1 47,52; D5 49,05; D9 52,66) ;
Persentil (P10 47,52; P25 48,15; P50 49,5; P75 50,525; P90 52,66). Sedangkan pada data
pengrajin gula cetak B didapatkan mean 48,902; modus 50,5; median 48,65; kuartil (Q147,5
; Q2 48,65 ; Q3 50,5) ; Desil (D1 46,23; D5 48,65; D9 51,3) dan Persentil (P10 46,23 ; P25
47,5 ; P50 48,65 ; P75 50,5 ; P90 51,3. Rata-rata berat gula cetak pengrajin A lebih tinggi
daripada pengrajin gula cetak B.
2. Simpangan baku sampel yang diambil dari pengrajin gula kelapa A adalah 2,130436 dengan
varians 4,538759. Sedangkan simpangan baku sampel yang diambil dari pengrajin gula
kelapa B adalah 1,929988 dengan varians 3,724853. Ini menunjukan bahwa jarak rata-rata
penyimpangan bobot dari bobot rata-rata sampel pengrajin gula kelapa A adalah 2,130436
gram dengan tingkat penyebaran atau variasi data antara sampet yang satu dengan sampel
yang lain 4,538759 gram dan penyimpangan bobot dari bobot rata-rata sampel pengrajin
gula kelapa B adalah 1,929988 gram dengan tingkat penyebaran atau variasi data 3,724853
gram. Pada perhitungan simpangan baku dan varians bobot gula kelapa, produk gula kelapa
terbaik adalah dari pengrajin B karena simpangan baku dan variansnya paling kecil.
3. Tidak ada perbedaan bobot gula cetak dari pengrajin A maupun B, artinya produksi gula
kelapa yang dilakukan oleh industri gula kelapa UKM Lestari Jaya maupun UD Ngudi
lestari tidak ada perbedaan bobot gula yang dicetak.
4. Dari data hasil pengamatan dan perhitungan yang dilakukan dapat disimpulkan bahwa
terdapat hubungan yang erat antara susut bobot yang terjadi pada buah stroberi dengan lama
penyimpanan, artinya lama penyimpanan berdampak dan berpengaruh nyata terhadap susut
bobot buah. Hal tersebut dapat ditetapkan karena nilai t hitung sebesar 15,791 lebih besar
dari nilai t alfa. Persamaan linear dari data pengamatan adalah Y= 37,18 + (-4,19)X. Nilai F
hitung ditetapkan sebesar 351,8 lebih besar dari F alfa sebesar 10,13. Sehingga dapat
disimpulkan persamaan regresi tepat dapat digunakan untuk menarik kesimpulan.
B. Saran
Kegiatan praktikum tentang statistika deskriptif hendaknya dapat dilakukan dengan lebih
cermat. Melakukan penghitungan ukuran pemusatan data yang dilakukan secara manual
dibutuhkan kesabaran dalam menghitung data sehingga data yang diperoleh akurat dan dapat
memberikan kesimpulan yang tepat
DAFTAR PUSTAKA
Afriyanti, Dini. 2008. Matematika Kelompok Teknologi, Kesehatan, dan Pertanian. Grafindo
Media Pratama. Bandung
Aryanto.2009.Matematika untuk SMA dan MA Kelas XI Program IPA.Jakarta:JP Books
Furqon.2004.Statistika Terapan untuk Penelitian.Bandung:Alfabeta.
Gusti.2004.Statistika.Depok:Raja Grafindo Persada.
Ghozali, Imam. 2006. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang:
Badan Penerbit Undip.
Hamdi, Asep Saepul. 2014. Metode Penelitian Kuantitatif Aplikasi dalam Pendidikan. Edisi 1
Cetakan 1. Yogyakarta: Deepublish. ISBN: 978-602-280-812-1.
Hasan,iqbal.2004.Analisis Data Penelitian dengan Statistik.Jakarta:Bumi Aksara.
Hasan, Iqbal. 2005. Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif). Bumi Aksara.
Jakarta
Harahap, Sofyan Syafri, 2013, Analisis Kritis Atas Laporan Keuangan, Cetakan Kesebelas,
Penerbit Rajawali Pers, Jakarta.
Iriawan.2006.Mengolah Data Statistik Dengan Mudah Menggunakan Minitab
14.Yogyakarta:Andi.
Johanes, Kastolas, dan Sulasim. 2006. Kompetensi Matematika . Yudhistira. Jakarta
Riduwan.2008.Dasar-dasar Statistika.Bandung:Alfabeta
Ridwan dan Akdon.2008.Rumus dan Data dalam Analisis Statistika.Bandung:Alfabeta
Rusdi, Andi. 2008. Analisis Regresi.https://anrusmath.files.wordpress.com/2008/12/analisis-
regresi.pdf. Diakses pada tanggal 24 Desember 2015.
.
Santosa, Purbayu Budi dan Muliawan Hamdani. 2007. Statistika Deskriptif dalam Bidang
Ekonomi dan Niaga. Erlangga. Jakarta
Supranto, J. 2000. Statistik Teori dan Aplikasi. Erlangga. Jakarta
Santoso,Singgih. 2012.Paduan Lengkap SPSS Versi 20. Jakarta : PT. Elex media
Komputindo
Suliyanto. 2005. Analisis Data dalam Aplikasi Pemasaran. Ghalia Indonesia. Ciawi:Bogor
Sungkawa, Iwa. 2013. Penerapan Analisis Regresi dan Korelasi dalam Menentukan Arah
Hubungan antara Dua Faktor Kualitatif pada Tabel Kontingensi. Jurnal Matematik
dan Statistik. Jakarta: Mathematics & Statistics Department. School of Computer
Science. Binus University. Vol. 13 No. 1: 33-41.
Sinambela, Sabam Daoni, dkk. 2014. Menentukan Koefisien Determinasi Antara Estimasi
M dengan Type Welsch dengan Least Trimmed Square dalam Data yang Mempunyai
Pencilan. Jurnal. Saintia Matematika. Medan: Vol. 02, No. 03 pp. 225235
Telussa, Ade Marlen, dkk. 2013. Penerapan Analisis Korelasi Parsial untuk Menentukan
Hubungan Pelaksanaan Fungsi Manajemen Kepegawaian dengan Efektivitas Kerja
Pegawai. Jurnal Barekeng. Maluku: FMIPA UNPATTI. Vol. 7 No. 1 Hal. 15 18.
Walpole Ronald.1995. Pengantar Statistika. Jakarta: Gramedia Pustka Utama.
Wibisono Yusuf. 2009. Metode Statistik. Yogyakarta:Gadjah Mada University Press.
Usupress. 2007. Statistik Deskriptif. http://usupress.usu.ac.id/files/ Analisis%20Data
%20Penelitian%20Menggunakan%20Program%20SPSS__Normal_bab%201.pdf.
Diakses pada 20 Desember 2015.
LAMPIRAN