LAPORAN PRAKTIKUM

STATISTIKA TERAPAN

ACARA 1
UKURAN PEMUSATAN DAN LETAK DATA

KELOMPOK 8
Penanggung Jawab:
Yestie Aldila Wiandani (A1M014025)
Selvi Intan Pratiwi (A1M014036)

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI

UNIVERSITAS JENDERAL SOEDIRMAN
JURUSAN TEKNOLOGI PERTANIAN
FAKULTAS PERTANIAN
PURWOKERTO
2015
 LAPORAN PRAKTIKUM

STATISTKA TERAPAN

ACARA II

UKURAN PENYIMPANGAN DAN KERAGAMAN DATA

KELOMPOK
Penanggung Jawab:
Revashidqii Baroto (A1M014058)
Kifayati Rosiyanti Dewi (A1M0140)

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI

UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2015
 LAPORAN PRAKTIKUM

STATISTIKA TERAPAN

ACARA III

ANALISIS VARIANS INDUSTRI GULA KELAPA UKM LESTARI JAYA DAN UD

NGUDI LESTARI

KELOMPOK 8

Penanggung Jawab:

Nurul Latifasari (A1M014012)

Beneficia Rosy A. (A1M014047)

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI

UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO
2015
 LAPORAN PRAKTIKUM
STATISTIKA TERAPAN

ACARA 4
ANALISIS REGRESI

KELOMPOK 8
Penanggung Jawab:
Refizal Dwi Herisman (A1M014006)
Ayunda Lintang Pratiwi (A1M014029)

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI

UNIVERSITAS JENDERAL SOEDIRMAN
JURUSAN TEKNOLOGI PERTANIAN
FAKULTAS PERTANIAN
PURWOKERTO
2015
 I. PENDAHULUAN
A. Latar Belakang
Pengolahan informasi statistik mempunyai sejarah jauh ke belakang sejak awal peradapan
manusia. Pada awal zaman masehi, bangsa-bangsa mengumpulkan data statistik untuk
mendapatkan informasi deskriptif mengenai banyak hal, misalnya pajak, perang, hasil pertanian,
dan bahkan pertandingan atletik. Pada masa kini dengan berkembangnya teori peluang kita dapat
menggunakan berbagai metode statistik yang memungkinkan kita meneropong jauh di luar data
yang kita kumpulkan dan masuk kedalam wilayah pengambilan keputusan melalui generalisasi
dan peramalan.
Dalam kehidupan sehari-hari, terdapat banyak data yang dapat menginformasikan
sesuatu. Data-data tersebut hanya akan berakhir sebagai data saja, apabila tidak diolah terlebih
dahulu. Ilmu statistika berperan mengumpulkan, mengolah hingga mengambil kesimpulan dari
suatu data. Ada dua bagian dari statistika yang akan mengolah data tersebut, yaitu statistika
deskriptif dan statistika inferensia. Kedua bagian tersebut memiliki peranan masing-masing
dalam hal pengumpulan data hingga pengambilan kesimpulannya. Statistika deskriptif yang
bertugas mengolah dan menyajikan data, sedangkan statistikain ferensia lebih terfokus pada
proses uji analisa hingga pengambilan keputusan.
Dalam hal ini, akan dipelajari mengenai statistika deskriptif yang berbicara tentang
metode-metode pengumpulan, pengolahan, dan penyajian data sehingga dapat memberikan
gambaran informasi yang jelas dan menarik. Kemampuan mengolah dan menyajikan data sangat
dibutuhkan sebagai langkah awal dalam mempelajari ilmu statistika, karena dari penyajian data
tersebutlah akan didapatkan informasi yang lebih jelas sehingga dapat dilakukan penganalisaan
lebih lanjut.
Pembuatan laporan ini ditujukan untuk mengasah kompetensi mahasiswa dalam hal
statistika deskriptif, mulai dari penghitungan ukuran pemusatan data, penyebaran data hingga
menyajikan data. Diharapkan pembuatan laporan ini dapat membantu mahasiswa statistika dalam
memahami aplikasi statistika deskriptif pada data-data yang sudah tersedia.
B. Tujuan
1. Mampu memahami pengertian dan konsep statistika deskriptif.
2. Mampu mengaplikasikan statistika deskriptif pada data yang tersedia.
3. Mampu menyajikan suatu data menjadi sebuah informasi yang lebih jelas dan menarik.
4. Mengetahui seberapa besar penyimpangan dan keragaman data yang terjadi
melaluiperhitungan nilai simpangan baku dan variansi (keragaman) dari kumpulan data
sampel.
5. Mengetahui perhitungan analisis variansnya dari 50 sampel yang berbeda pada masing-
masing industri gula kelapa.
6. Untuk mengetahui hubungan antara susut bobot buah stroberi dengan lama penyimpanan,
sehingga diketahui apakah susut bobot buah hubungannya erat atau tidak dengan lama
peyimpanan.

II. TINJAUAN PUSTAKA

Statistika
Banyak sekali definisi dari kata statistika diantaranya, Statistika adalah cabang dari
matematika terapan yang mempunyai cara-cara, maksudnya mengkaji/membahas,
mengumpulkan dan menyusun data, mengelolah dan menganalisis data, serta menyajikan data
dalam bentuk kurva atau diagram, menarik kesimpulan, menafsirkan parameter, dan menguji
hipotesa yang didasarkan pada hasil pengolahan data (Aryanto,2009). Statistika adalah ilmu yang
mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan
mempresentasikan data.
Singkatnya, statistika adalah ilmu yang berkenaan dengan data. Istilah statistika (bahasa
inggris: statistics) berbeda dengan statistik (statistic). Statistika merupakan ilmu yang berkenaan
dengan data, sedang statistik adalah data, informasi, atau hasil penerapan algoritma statistika
pada suatu data.
Statistik juga dapat diartikan sebagai kumpulan data, baik bilangan maupun bukan
bilangan mengenai suatu masalah misalkan statistic penduduk, statistik produksi, statistik
kehutanan, statistik ekonomi pertanian, statistik kecelakaan lalu lintas dll (Wibisono,2009).
Secara garis besar, statistika dapat dibedakan menjadi dua bagian, yaitu statistika deskriptif dan
statistika inferensia.
Statistika deskriptif
Statistika deskriptif merupakan bagian statistika yang membahas tentang metode-metode
untuk menyajikan data sehingga menarik dan informatif. Secara umum statistika deskriptif dapat
diartikan sebagai metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu
gugus data sehingga memberikan informasi yang berguna. Perlu kiranya dimengerti bahwa
statistika deskriptif memberikan informasi hanya mengenai data yang dipunyai dan sama sekali
tidak menarik inferensia (Walpole, 1995).
Definisi lain tentang statistika deskriptif adalah bagian statistika yang mempelajari
mengenai tata cara pengumpulan, penyajian, penentuan nilai-nilai statistik atau pembuatan
diagram/gambar mengenai data suatu hal atau dengan kata lain statistika deskriptif adalah
statistika yang berusaha menjelaskan atau menggambarkan berbagai karakteristik data seperti
berapa nilai data rata-ratanya, seberapa jauh data bervariasi dan sebagainya (Gusti,2004).
Data hanya ditampilkan dalam bentuk yang lebih mudah dipahami atau dibaca tanpa
menarik suatu keimpulan apapun. Di dalam statistika deskriptif tidak ada data yang berunsur
probability (kemungkinan). Data dalam statistika deskriptif disajikan dalam bentuk tabel,
histogram, diagram, grafik dan besaran-besaran lain (Hasan,2004).
Ukuran Pemusatan
Data Ukuran pemusatan serta penafsirannya suatu rangkaian data adalah suatu nilai
dalam rangkaian data yang dapat mewakili rangkaian data tersebut. Suatu rangkaian data
biasanya memiliki kecenderungan untuk terkonsentrasi atau terpusat pada nilai pemusatan ini.
Ukuran statistik yang dapat menjadi pusat rangkaian data dan memberi gambaran singkat tentang
data disebut ukuran pemusatan data. (Aryanto, 2009) Menganalisa data kuantitatif dimulai
dengan menjelaskan karakteristik data. Penjelasan tersebut didapatkan dari pendefinisian ukuran-
ukuran numeric yang dihitung dari pusat data tersebut. Nantinya hasil ukuran pemusatan data
dapat dijadikan pedoman untuk mengamati karakter dari sebuah data. Ukuran pemusatan data
dapat berupa mean (rata-rata), median, dan modus.
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.
Rumus yang digunakan untuk menghitung mean data adalah:
Z X i
X = n

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

Rumus varians data tunggal untuk populasi

b. Simpangan Baku (Standar Deviasi)

 Yaitu dari sekumpulan bilangan adalah akar dari jumlah deviasi kuadrat dari bilangan-
bilangan tersebut dibagi dengan banyaknya bilangan atau akar dari rata-rata deviasi kuadrat.
Standar deviasi merupakan ukuran penyebaran yang paling banyak digunakan. Semua gugus
data dipertimbangkan sehingga lebih stabil dibandingkan dengan ukuran lainnya.
Rumus simpangan baku data tunggal untuk sample

Rumus simpangan baku data tunggal untuk populasi

(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 :

1. (X)2/N= faktor koreksi

JKant =
[(Xk)2/nk-
(X)2/N ]
2. JKtot = Jkant
+ Jkdal
k = banyaknya kelompok

nk = banyaknya subjek dalam kelompok

3. F = MKant/MKdal

Analisis Regresi

Statistika merupakan cabang ilmu yang bertujuan mengubah data menjadi

informasi. Pada hakikatnya Statistika mencangkup kegiatan-kegiatan, gagasan-gagasan,
serta hasil yang sangat beraneka ragam. Statistika terbagi atas dua golongan besar, yaitu
Statistika deskriptif dan Statistika inferensial / induktif. Statistik deskriptif hanya
berkaitan dengan mempelajari cara-cara pengumpulan dan penyusunan data, pengolahan,
analisis dan penyajian data. Sedangkan menyangkut penarikan kesimpulan serta
pengambilan keputusan tergantung statistika inferensial (Irianto, 2003 dalam Telussa
2013).
Regresi adalah bentuk hubungan fungsional antara variabel respon dan prediktor.
Analisis regresi merupakan teknik statistik yang banyak penggunnya serta mempunyai
manfaat yang cukup besar bagi pengambil keputusan. Secarra umum, dalan analisis
regresi digunakan metode kuadrat terkecil ( least square method ) untuk mencari
kecocokan garis reresi dengan data sampel yang diamati.
Ketika kita menggunakan statistika untuk menguji hipotesis maka muncullah dua
macam hipotesis berupa hipotesis penelitian dan hipotesis statistika. Tepatnya hipotesis
penelitian kita rumuskan kembali menjadi hipotesis statistika yang sepadan. Hipotesis
statistika harus mencerminkan dengan baik maksud dari hipotesis penelitian yang akan
diuji (Singgih,2012).
Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun
persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Analisis regresi
dapat didefinisikan metode statistika digunakan untuk menentukan bentuk hubungan
antara variabel-variabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk
meramalkan atau memperkirakan nilai dari suatu variabel lain yang belum diketahui.
Ada beberapa hal yang harus diperhatikan dalam asumsi regresi linear sederhana
yaitu:
1. Residual data berdistribusi noral
2. Tidak terjadi heteroskedasits
3. Tidak terdapat Autokorelasi

Regresi merupakan suatu metode statistika yang digunakan untuk menyelidiki

pola hubungan antara dua atau lebih variabel. Tujuan dari analisis regresi adalah untuk
mengestimasi parameter model yang menyatakan pengaruh hubungan antara variabel
predictor dan variabel respon (Sinambela, dkk., 2014)
Analisis regresi berkenaan dengan studi ketergantungan satu variabel yaitu
variabel tidak bebas atau variabel tergantung (dependent variable) atau variabel respons
pada satu atau lebih variabel lain yaitu variabel yang menjelaskan (explanatory variables)
atau variabel prediktor dengan maksud menaksir atau meramalkan nilai rata-rata hitung
(mean) atau rata-rata (populasi) variabel tak bebas, dipandang dari segi yang diketahui
atau tetap (constant) (Rusdi, 2008).
Dalam analisis regresi, bentuk hubungan di antara faktor dinyatakan dalam bentuk
hubungan fungsional yang dinyatakan dalam suatu persamaan dan disebut persamaan
regresi. Persamaan regresi dapat ditentukan dari sebaran data hasil pengamatan dan
bentuknya merupakan garis lurus (linier) atau dalam bentuk non linier (lengkung)
(Sungkawa, 2013).
Untuk mempelajari bentuk hubungan fungsional antara dua peubah atau dua
faktor biasa digunakan analisis regresi merupakan. Dalam analisis regresi, dikenal ada
dua jenis peubah, yaitu: peubah respon atau disebut juga peubah tak bebas (dependent)
yaitu peubah yang keberadaannya diperngaruhi oleh peubah lainnya dan biasa
dinotasikan dengan Y. Peubah prediktor dan disebut juga peubah bebas (independent)
yaitu peubah yang tidak dipengaruhi oleh peubah lainnya dan biasa dinotasikan dengan
X. Secara matematik hal tersebut dapat dinyatakan dalam bentuk fungsi atau Y = f(x).
Untuk regresi linier sederhana bentuk persamaannya dapat digambarkan melalui

persamaan Y = + X+ dengan merupakan residual (sisaan) yang diasumsikan

menyebar normal. Dalam prakteknya bentuk persamaan regresi di atas diduga oleh Y =

+ X+ di mana a dan b merupakan koefisien regresi yang diperoleh dengan

0 i

metode kuadrat terkecil, sedangkan ei merupakan residual atau sisaan dan dapat ditulis

ei= Y0-Yi = Y0-( + Xi ). Diasumsikan ei menyebar normal dengan rata-rata nol

0 i

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

persamaan Yi= + Xi , dan diperoleh dengan metode kuadrat

0 i 0 i
 (x . y)
xy
n
terkecil dan dapat dihitung dengan rumus = , = Yi -
i (x)2 0 i
x2
n

(Steel dan Torie, 1980 dalam Sungkawa 2013)

Koefisien determinasi menurut Ghozali (2006:87)digunakan untuk mengukur
seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat.Korelasi
adalah studi yang membahas tentang derajat hubungan antara dua variabel atau lebih.
Besarnya tingkat keeratan hubungan antara dua variabel atau lebih dapat diketahui
dengan mencari besarnya angka korelasi yang biasa disebut dengan koefisien korelasi
(Telussa, 2013).
 III. METODE PRAKTIKUM

A. Alat dan Bahan

1. Alat
Timbangan untuk mengukur berat gula.
2. Bahan
Gula kelapa cetak yang disampling dari beberapa pengrajin gula cetak.
3. Buah stroberi
4. Nampan plastik (plastik mika)
5. Timbangan
6. Kalkulator
7. Alat tulis

B. Prosedur Kerja
1. Ukuran Pemusatan dan Letak Data

Diambil 50 sampel gula kelapa cetak secara acak dari 2 pengrajin

gula kelapa.

Diukur bobot tiap sampel gula dari beberapa pengrajin gula kelapa
dengan menggunakan timbangan analitik. Sajikan dalam bentuk
tabel.

Ditentukan nilai rata-rata hitungnya dan sajikan dalam bentuk

diagram batang.

Ditentukan modusnya dan disajikan dalam bentuk diagram batang

jika ada.

Ditentukan nilai Median Q1, Q2, Q3, D1, D5, D9, P10. P25, P50,
P75, dan P90.
 Dibuat kesimpulan umum terhadap data yang diperoleh.

2. Ukuran Penyimpangan dan Keragaman Data

C.
D.
Nilai simpangan baku dan varians data gula cetak dari tiap pengrajin pada
acara 1 dihitung.

Diberikan ulasan atau pembahasan tentang keragaman berat gula cetak pada
masing-masing pengrajin.
8. Analisis Varians

Dilakukan perhitungan analisis varians dan dicatat hasil perhitungan tersebut

Diberikan ulasan atau pembahasan tentang keragaman berat gula cetak pada
masing-masing pengrajin.

9. Analisis Regresi

Buah stroberi sejumlah buah ditimbang, kemudian dicatat

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,

Persamaan regresi dan koefisien determinasi ditentukan

dengan asumsi hubungan tersebut linier (lurus).
Hubungan antara hari penyimpanan dengan bobt buah dibuat grafik.
Hasil yang diperoleh diulas.
 IV. HASIL DAN PEMBAHASAN
1. Ukuran Pemusatan dan Letak Data
a. Hasil
Tabel 1. Bobot gula cetak pengrajin A

Bobot Gula Cetak (g)

Pengrajin 43,5 45,2 45,5 46,5 47,5 47,7 47,7 47,7 47,8 47,8
47,9 48,0 48,2 48,2 48,3 48,3 48,6 48,6 48,7 48,8
 49,0 49,0 49,0 49,0 49,0 49,1 49,2 49,4 49,5 49,6
49,6 49,6 49,9 49,9 50,2 50,3 50,5 50,5 50,6 50,7
A
51,6 51,8 51,9 52,2 52,3 52,7 52,8 53,2 53,7 53,9

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

4. Kuartil (dari Q1, Q2, Q3)

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

Tabel 2. Bobot Gula Cetak Pengrajin B

Bobot Gula Cetak (g)

44,9 45,2 46,0 46,0 46,2 46,5 46,6 46,8 46,9 47,1
Pengraji 47,5 47,5 47,5 47,7 47,8 47,8 47,9 47,9 48,1 48,3
48,4 48,4 48,5 48,5 48,5 48,8 48,9 49,0 49,1 49,3
nB 49,4 49,8 50,1 50,3 50,4 50,2 50,5 50,5 50,5 50,6
50,7 50,8 50,9 50,9 51,3 51,3 51,4 51,8 52,7 53,1

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

dan rumus varians: s2

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. Ini
menunjukan semua produk gula kelapa B yang dihasilkan mempunyai bobot yang hampir
seragam (tidak sebesar perbedaan bobot pada gula kelapa A) sehingga produksi lebih efisien
yang meningkatkan kualitas produksi sehingga mempertahankan mutu.
 Semakin kecil simpangan baku dan varians, maka suatu data semakin bagus. Ini
menunjukan tidak banyak data yang tersebar. Dalam skala industri, perhitungan simpangan
baku harus dilakukan terhadap produk yang dihasilkan. Apabila nilai simpangan baku dan
varians semakin kecil atau mendekati nol, ini menunjukan produk yang dihasilkan seragam
dan cacatnya sangat kecil. Hal ini berguna untuk menghasilkan produk yang bermutu dan
berkualitas. Namun apabila nilai simpangan bakunya besar, maka data tidak konsisten.
Dalam skala industri, ini menunjukan produk yang dihasilkan tidak konsisten karena antara
produk yang satu tidak sama dengan produk yang lain sehingga keseluruhan produksi tidak
efisien dan produk yang dihasilkan kurang berkualitas. Terjadinya perbedaan sekecil apapun
antara satu produk dengan produk yang lain akan berpengaruh pada industri-industri besar
karena akan sangat berdampak pada margin keuntungan dan kepuasan konsumen. Oleh
karena itu, ketika ingin memproduksi suatu barang dalam jumlah besar, simpangan baku dan
varians diusahakan nilainya sangat kecil.
3. Analisis Varians
4. Analisis Regresi
a. Hasil

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).

Kriteria Uji ANOVA yang dilakukan, yaitu:

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:

Ho = tidak ada perbedaan bobot gula cetak dari pengrajin A dan B

Ha = ada perbedaan bobot gula cetak dari pengrajin A dan B

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

b0 = y b1x = 28,8 (-4,19).2 = 37,18

y = b0 + b1x =
= 37,18 + (-4,19)x
y
R = y 2 y2

41,9
= 10.176,06

= - 0,998
 R2 = 0,996004

Tingkat keeratan hubungan x dan y

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.

Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara

satu buah variabel bebas terhadap satu buah variabel terikat. Persamaan umumnya adalah:

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.

Kegiatan praktikum statistika terapan acara regresi linear dilakukan di

Laboratorium Teknologi Pertanian Universitas Jenderal Soedirman Purwokero. Sebelum
kegiatan praktikum dimulai, dipersiapkan alat dan bahan terlebih dahulu. Alat yang
digunakan antara lain timbangan, alas plastik, serta label. Sedangkan bahan yang digunakan
adalah buah stroberi sebanyak 5 buah. Buah stroberi merupakan sampel yang akan diamati
susut bobotnya secara berkala setiap hari. Tujuannya adalah untuk mengetahui hubungan
antara susut bobot buah stroberi dengan lama penyimpanan, sehingga diketahui apakah susut
bobot buah hubungannya erat atau tidak dengan lama peyimpanan.

Praktkikum dimulai dengan masing-masing kelompok memilih 5 buah stroberi

secara acak. Selanjutnya buah stroberi ditimbang diatas timbangan sehingga dapat
ditetapkan berat total dari 5 buah stroberi. Setelah selesai ditimbang, stroberi diletakkan
diatas alas plastik yang sebelumnya telah diketahui beratnya. Stroberi yang telah telah
diletakkan di atas alas plastik kemudian disimpan pada ruangan terbuka dengan pemberian
label terlebih dahulu agar sampel antar-kelompok tidak tertukar. Pengamatan dilakukan
dengan menimbang kembali bobot buah stroberi secara berkala setiap hari pada waktu yang
sama saat stroberi pertama kali disimpan. Hal ini dilakukan agar didapatkan hasil susut
bobot dengan perlakuan yang sama setiap hari, yaitu selama satu hari penuh. Dengan
demikian dapat ditetapkan susut bobot buah stroberi yang terjadi setiap 24 jam atau satu
hari penuh.
 Hasil menunjukan bahwa setiap hari buat stroberi mengalami penyusutan bobot
dengan retang bobot penyusutan tidak sama setiap hari. Pada hari pertama atau pada saat
kegiatan praktikum dimulai, berat buah stroberi ditetapkan seberat 37, 4 gram. Pada hari
kedua berat stroberi menagalami penyusutun menjadi 33,1 gram. Begitupun seterusnya,
pada hari ketiga, keempat, dan kelima. Berat stroberi pada hari ketiga, keempat, dan kelima
beruturut-turut mengalami penyusutan menjadi 28,3 gram, 24,4 gram, 20,8 gram, serta 14,4
gram. Lama penyimpanan (hari) dalam kegiatan praktikum ini dijadikan sebagai variabel
bebas, sedangkan berat buah stroberi ditetapkan sebagai variabel tidak bebas atau terikat.

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.

Kesimpulan yang menunjukan adanya hubungan erat antara lama penyimpanan

dengan susut bobot yang dialami buah stroberi sesuai dengan literatur (Dwidjoseputro,
1992). Pada dasarnya susut bobot disebabkan oleh penguapan air sebagai pengaruh dari
terjadinya proses respirasi dan transpirasi yang secara alami dilakukan oleh buah dan sayur
setelah dipanen. Pada kondisi normal tanpa pengaturan komposisi udara dan suhu, buah
akan melakukan respirasi dan transpirasi yang mengakibatkan sebagian air yang terkandung
akan menguap.

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