TUGAS STATISTIKA

OLEH
NAMA : Indra Samir
NIM : 471 415 024

DOSEN PENGAMPUH
SYAHRIZAL KOEM, S.Pd, M.Si

PROGRAM STUDI TEKNIK GEOLOGI

JURUSAN ILMU DAN TEKNOLOGI KEBUMIAN
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI GORONTALO
GORONTALO
2016

1. Data simulasi indeks Kekeringan (Draught Indeks) dan data hasil pengukuran
Curah Hujan (CH) di Stasiun BMKG Bandar udara Djalaluddin Gorontalo
periode data Januari 2013 September 2015.
 Tahun DI CH Tahun DI CH
Jan-13 0.66 129.8 May-14 -1.12 48.5
Feb-13 1.09 201.7 Jun-14 -0.94 67.1
Mar-13 0.41 118.4 Jul-14 -0.24 38.4
Apr-13 0.71 163.6 Aug-14 -0.03 39.4
May-13 -1.22 0.0 Sep-14 -0.63 5.1
Jun-13 -1.22 0.0 Oct-14 0.04 66.5
Jul-13 -0.76 0.0 Nov-14 0.90 234.2
Aug-13 -1.22 0.0 Dec-14 0.23 176.0
Sep-13 -0.76 0.0 Jan-15 0.45 116.3
Oct-13 -1.22 0.0 Feb-15 -0.58 55.6
Nov-13 -2.52 0.5 Mar-15 -0.94 15.7
Dec-13 -1.22 0.0 Apr-15 -1.08 53.3
Jan-14 -1.22 0.0 May-15 2.43 293.4
Feb-14 -1.22 0.0 Jun-15 0.04 142.5
Mar-14 -1.22 0.0 Jul-15 -0.76 0.0
Apr-14 -1.22 0.0 Aug-15 -0.94 3.0
Sep-15 -0.76 0.0

Hitunglah:
a. Nilai korelasi, regresi sederhana, serta interpretasikan nilai tersebut dengan
baik.
b. Persamaan regresi linier sederhana serta interpretasikan persamaan
tersebut.
c. Uraikan kesimpulan dari hasil uji yang dilakukan
 Jawaban

a. Korelasi Sederhana
Correlations

DI CH

Pearson Correlation 1 .880**

DI Sig. (2-tailed) .000

N 33 33
**
Pearson Correlation .880 1

CH Sig. (2-tailed) .000

N 33 33 Interpretasi:
Nilai Sig. 0.00,
**. Correlation is significant at the 0.01 level (2-tailed).
sehingga ada korelasi
yang signifikan (Ha Diterima).

Regression
Model Summary

Model R R Square Adjusted R Square Std. Error of the

Estimate
a
1 .880 .774 .767 .42256

a. Predictors: (Constant), CH
ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 18.954 1 18.954 106.148 .000b

1 Residual 5.535 31 .179

Total 24.489 32

a. Dependent Variable: DI
b. Predictors: (Constant), CH

Interpretasi: Nilai R = 0.880, berarti bahwa korelasi antara variabel X

dengan Y adalah 0.880.

Interpretasi: Nilai Sig. 0.00, sehingga persamaan garis regresi dapat

digunakan untuk prediksi..
 Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) -1.088 .092 -11.819 .000

1
DI .010 .001 .880 10.303 .000

a. Dependent Variable: CH
b. Untuk membuat persamaan garis regresi dapat dilihat dari kolom B. Constant
= -1.088 dan DI = 0.010. Berarti persamaan garisnya adalah: y = -1.088 +
0.010x
c. Kesimpulan yaitu Nilai korelasi yang signifikan (Ha diterima), dengan
persamaan regresi yang dapat digunakan untuk prediksi dan memiliki
persamaan garis y = -1.088 + 0.010x.
2. Data Luas Kebakaran Lahan, emisi CO2 danSuhu.
Luas Emisi
Suhu
Kebakaran CO2
100 300 24
150 350 25
132 332 24.5
200 400 28
170 370 26
163 363 25.5
190 390 26.5
210 410 28.5
230 430 29
145 345 24.8
150 405 28.3
166 366 25.7
186 386 26.3
170 370 26 Hitunglah:
230 430 29 a. Nilai korelasi, regresi berganda, serta
interpretasikan nilai tersebut dengan baik.
b. Persamaan regresi linier berganda serta interpretasikan persamaan tersebut.
c. Uraikan kesimpulan dari hasil uji yang dilakukan.
 Jawaban
a. Korelasi
Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 .967a .936 .925 .4602

a. Predictors: (Constant), Emisi CO2, Luas Kebakaran

Interpretasi: Nilai R = 0.967. Karena nilai R mendekati 1 maka korelasi
dapat dikatakan kuat.
Regression
Model Summary

Model R R Square Adjusted R Square Std. Error of the

Estimate
a
1 .967 .936 .925 .4602

a. Predictors: (Constant), Emisi CO2, Luas Kebakaran

Interpretasi: Nilai R = 0.967, ini berarti bhawa korelasi antara variabel X 1

dan Y2 secara bersamaan dengan Y adalah 0.967.
ANOVAa

Model Sum of Squares Df Mean Square F Sig.

Regression 37.008 2 18.504 87.383 .000b

1 Residual 2.541 12 .212

Total 39.549 14

a. Dependent Variable: Suhu

b. Predictors: (Constant), Emisi CO2, Luas Kebakaran
Interpretasi: Nilai probabilitas (nilai sig) = 0.000, maka H 0 diterima (variabel
variabel independen secara bersama sama tidak berpengaruh signifikan terhadap
variabel dependen.

Coefficientsa

Model Unstandardized Standardized t Sig. Collinearity Statistics

Coefficients Coefficients

B Std. Error Beta Toleran VIF

ce

(Constant) 7.724 1.991 3.880 .002

1Luas Kebakaran -.011 .009 -.242 -1.273 .227 .149 6.720

Emisi CO2 .055 .009 1.186 6.251 .000 .149 6.720

a. Dependent Variable: Suhu

 Collinearity Diagnosticsa

Model Dimension Eigenvalue Condition Variance Proportions

Index (Constant) Luas Emisi CO2
Kebakaran

1 2.979 1.000 .00 .00 .00

1 2 .020 12.295 .08 .16 .00

3 .001 59.458 .92 .84 1.00

a. Dependent Variable: Suhu

Interpretasi: Coefficients digunakan untuk membuat persamaan garis regresi
yang nilainya dapat dilihat dari kolom B.
Interpretasi: Identifikasi kolinieritas dapat dilihat dari tabel Coefficients pada
kolom tolerance dan kolom VIF. Nilai tolerance pada tabel yaitu .0149, maka
tidak terjadi multikolinieritas. Nilai VIF yaitu 6.720, maka tidak terjadi
kolinieritas.
b. Untuk membuat persamaan garis regresi dapat dilihat dari kolom B.
Constant = 7.724, Luas Kebakaran = -0.011, Emisi CO2 = -0.055 Berarti
persamaan garisnya adalah: Y= 7.724 0.011x Luas Kebakaran 0.055
Emisi CO2.
c. Kesimpulan: Korelasi dapat dikatak kuat karena nilai R mendekati 1 (nilai R
= 0.960), dan nilai probabilitas diterima (H0 diterima). Nilai pada tabel
Coefficients pada kolom tolerance tidak terjadi multikolinieritas dan kolom
VIF tidak terjadi kolinieritas. Persamaan garis regresi yaitu Y= 7.724
0.011x Luas Kebakaran 0.055 Emisi CO2.
3. Data perbandingan antara jarak dan emisi CO2
Emisi
Jarak
CO2
31 553 Hitunglah:
38 590 a. Normalitas dari data tersebut, serta interpretasikan hasil
48 608
uji dengan baik.
b. Buatlah grafik histogram dan P-P Plot dari data tersebut,
52 682
serta interpretasikan grafik dengan baik.
63 752
67 725 Jawaban
75 834 a.
84 752
Model Summaryb
89 845
Model R R Square Adjusted R Square Std. Error of the
99 960
Estimate

1 .950a .903 .891 7.409

a. Predictors: (Constant), Emisi CO2
b. Dependent Variable: Jarak

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 4103.295 1 4103.295 74.757 .000b

1 Residual 439.105 8 54.888

Total 4542.400 9

a. Dependent Variable: Jarak

b. Predictors: (Constant), Emisi CO2

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) -57.776 14.346 -4.027 .004

1
Emisi CO2 .168 .019 .950 8.646 .000

a. Dependent Variable: Jarak

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 34.92 103.13 64.60 21.352 10

Residual -7.015 15.729 .000 6.985 10
Std. Predicted Value -1.390 1.805 .000 1.000 10
Std. Residual -.947 2.123 .000 .943 10

a. Dependent Variable: Jarak

Jarak Emisi CO2 Residual

31 553 -3.91529
38 590 -3.11706
48 608 3.86586
52 682 -4.53769
63 752 -5.27078
67 725 3.25484
One-Sample Kolmogorov-Smirnov Test
75 834 -7.01525
84 752 Unstandardize 15.72922
89 845 d Residual 5.14097
99 960 -4.13481
N 10
Npar Tests
Mean 0E-7
a,b
Normal Parameters
Std. Deviation 6.98494105
Absolute .272
Most Extreme Differences Positive .272
Negative -.158
Test Statistic .272
Asymp. Sig. (2-tailed) .034c

a. Test distribution is Normal.

b. Calculated from data.
Interpretasi: Nilai Asymp. Sig. (2-tailed) yaitu 0.034, maka data tidak
berdistribusi normal (H0 ditolak).

Interpretasi: Data berdistribusi normal karena sebagian besar batang

histogram berada dalam batas normal.
 Interpretasi: Data berdistribusi normal karena sebagian besar titik pada
grafik mendekati garis lurus (garis normal).

4. Sepuluh orang pasien melakukan diet untuk mengurangi berat badan. Berat
badan sebelum dan sesudah diet ditimbang untuk mengetahui apakah diet
berhasil atau tidak. Hasilnya diberikan pada tabel berikut. Dapatkah
disimpulkan bahwa diet yang telah dilakukan berhasil? Asumsi apa yang harus
dipenuhi? Gunakan taraf signifikansi 0.05.
Pasien Berat Sebelum Berat Sesudah
Diet Diet
1 78.3 77.4
2 84.7 83.2
3 77.4 75.7
4 95.6 92.4
5 82.0 80.2
6 69.4 68.1
7 79.7 76.9
8 85.6 83.9
9 92.8 90.4
10 99.2 95.2
Jawaban