KATA PENGANTAR

i
 DAFTAR ISI

KATA PENGANTAR............................................................................................................. i
DAFTAR ISI........................................................................................................................ ii
BAB I PENDAHULUAN......................................................................................................1
1.1 LATAR BELAKANG MASALAH 1
1.2 PERUMUSAN MASALAH 2
1.3 TUJUAN PRAKTIKUM 2
1.4 PEMBATASAN MASALAH 3
BAB II STUDI PUSTAKA....................................................................................................4
2.1 PRINSIP METODE KUADRAT TERKECIL 4
2.2 PRINSIP METODE KUADRAT TERKECIL UNTUK MODEL REGRESI : y=
ao+a1x 5
2.3 GALAT REGRESI LINIER 6
2.4 KOEFISIEN KORELASI 6
2.5 TEORI SAMPLING DAN REGRESI 8
BAB III PENGUMPULAN DAN PENGOLAHAN DATA......................................................17
3.1 PENGUMPULAN DATA 17
3.3.1 Alat Yang Digunakan...................................................................................17
3.3.2 Bahan Yang Digunakan...............................................................................17
3.3.3 Cara Pengukuran........................................................................................17
3.3.4 Hambatan Pengukuran...............................................................................18
3.2 HASIL DATA PENGUKURAN 18
3.3 PENGOLAHAN DATA 19
3.3.1 Diagram Sebar dan Tangan Bebas.............................................................20
3.3.2 Menghitung Koefisien Regresi dan Korelasi................................................20
BAB IV ANALISA DATA....................................................................................................22
4.1 MELAKUKAN UJI HIPOTESIS a1 = A1 22
4.2 UJI HIPOTESIS aO = AO 23
4.3 UJI HIPOTESIS KOEFISIEN KORELASI : = 0 23
4.4 ARTI KOEFISIEN DETERMINAN R = r2 24
BAB V KESIMPULAN DAN SARAN.................................................................................25
5.1 KESIMPULAN 25
5.2 SARAN 25
DAFTAR TABEL
DAFTAR GAMBAR
 BAB I
PENDAHULUAN

1.1 LATAR BELAKANG MASALAH

Regresi Linier merupakan suatu persamaan matematika untuk menentukan dan
menggambarkan hubungan antara variabel X dan Y dalam suatu peristiwa yang terjadi.
Biasanya tertulis dalam persamaan Y = f ( X ). Diagram sebar yang dibuat, adalah untuk
menggambarkan pola hubungan antara X dan Y tersebut, sehingga dapat terlihat dengan
jelas sejauh mana hubungan yang terjadi, dapat ditinjau dari penyebaran ragam data.
Dengan kata lain, Regresi linier adalah metode statistika yang digunakan untuk
membentuk model hubungan antara variabel terikat (dependen; respon; Y) dengan satu
atau lebih variabel bebas (independen, prediktor, X). Apabila banyaknya variabel bebas
hanya ada satu, disebut sebagai regresi linier sederhana, sedangkan apabila terdapat
lebih dari 1 variabel bebas, disebut sebagai regresi linier berganda.

Analisis regresi setidak-tidaknya memiliki 3 kegunaan, yaitu untuk tujuan deskripsi

dari fenomena data atau kasus yang sedang diteliti, untuk tujuan kontrol, serta untuk
tujuan prediksi. Regresi mampu mendeskripsikan fenomena data melalui terbentuknya
suatu model hubungan yang bersifatnya numerik. Regresi juga dapat digunakan untuk
melakukan pengendalian (kontrol) terhadap suatu kasus atau hal-hal yang sedang diamati
melalui penggunaan model regresi yang diperoleh. Selain itu, model regresi juga dapat
dimanfaatkan untuk melakukan prediksi untuk variabel terikat. Namun yang perlu diingat,
prediksi di dalam konsep regresi hanya boleh dilakukan di dalam rentang data dari
variabel-variabel bebas yang digunakan untuk membentuk model regresi tersebut. Misal,
suatu model regresi diperoleh dengan mempergunakan data variabel bebas yang memiliki
rentang antara 5 s.d. 25, maka prediksi hanya boleh dilakukan bila suatu nilai yang
digunakan sebagai input untuk variabel X berada di dalam rentang tersebut. Konsep ini
disebut sebagai interpolasi.

Sedangkan prinsip Metode Kuadrat terkecil, merupakan prinsip untuk menentukan

fungsi paling baik yang dapat menggambarkan pola data yang diberikan. Fungsi Y = f (X)
yang terbaik adalah fungsi Y yang memberikan jumlah kesalahan ( error ) yang paling
kecil, dimana kesalahan ini dinyatakan dengan Y. Selisih ini dapat berharga positif dan
negatif, sehingga untuk menghilangkan harga negatif nilai selisih tersebut dikuadratkan.
Metode kuadrat terkecil, yang lebih dikenal dengan nama Least-Squares Method, adalah
salah satu metode pendekatan yang paling penting dalam dunia keteknikan untuk: (a).

M4 Bab I Hal-1
 M4 Bab I Hal-2

regresi ataupun pembentukan persamaan dari titik data diskretnya (dalam pemodelan),
dan (b). analisis sesatan pengukuran (dalam validasi model).

Metode kuadrat terkecil termasuk dalam keluarga metode pendekatan sesatan

terdistribusi (distributed error approximation methods), berdasarkan karakterisik kerjanya
yang melakukan pengurangan sesatan menyeluruh (global error) yang terukur
berdasarkan interval pendekatan keseluruhan (whole approximation interval) sesuai
dengan order pendekatan yang meningkat. Metode ini berbeda dengan metode-metode
asimptotis, khususnya yang dikembangkan melalui pendekatan melalui deret Taylor,
karena metode asimptotis memiliki karakteristik kerja yang memperkecil sesatan pada
beberapa titik tertentu, sesuai dengan order pendekatan yang meningkat.

Korelasi berkaitan langsung dengan Regresi, jika pada fungsi Regresi Y=F(X) nilai Y
dan X memenuhi persamaan Regresi maka dikatakan bahwa variabel X dan Y
mempunyai korelasi yang sempurna.

1.2 PERUMUSAN MASALAH

Perumusan masalah pada praktikun modul IV ini adalah :
a. Menentukan fungsi terbaik berdasarkan kesalahan terkecil untuk model regresi
Y=a0 + a1x
b. Menentukan galat regresi linier
c. Menghitung koefisien korelasi dan determinasi antara x dan y
d. Menguji koefisien garis regresi. Adapun pengujiannya dengan melakukan uji
hipotesis a1 = A1, uji hipotesis a0 = A0 dan uji hipotesis untuk koefisien korelasi
Dalam praktikum ini objek pengamatannya adalah paku beton yang diukur dengan
menggunakan jangka sorong digital untuk mengetahui panjang paku beton dan
timbangan digital untuk mengetahui berat dari paku beton tersebut.

1.3 TUJUAN PRAKTIKUM

Praktikum Statistik Modul IV ini, memiliki tujuan agar praktikan dapat :
a. Melakukan pengukuran dengan menggunakan jangka sorong digital dan
timbangan digital.
b. Menggambarkan diagram sebar.
c. Mengolah data hasil pengukuran untuk kemudian menghitung koefisien regresi,
koefisien korelasi dan determinasi .
d. Membuat garis perkiraan dengan menggunakan tangan bebas.
e. Melakukan uji hipotesis koefisien garis regresi dan korelasi apakah signifikan
berbeda dengan nol.
 M4 Bab I Hal-3

1.4 PEMBATASAN MASALAH

Dalam praktikum Statistik Modul IV ini, pembahasannya dibatasi pada hal -hal
sebagai berikut :
1. Pengukuran panjang dan berat paku yang diambil sebanyak 20 data.
2. Pengukuran panjang dan berat paku pada saat praktikum dilakukan dengan
Menggunakan jangka sorong dan timbangan digital.
3. Pengolahan data dan perhitungan data terbatas pada :
a) Membuat diagram sebar dan garis perkiraan dengan menggunakan tangan
bebas.
b) Menghitung persamaan garis regresi y = a0 + a1x
c) Menghitung koefisien korelasi dan determinasi.
d) Menguji koefisien garis regresi yaitu dengan :
i. Ujihipotesis a1 = A1.
ii. Uji hipotesis ao = Ao.
iii. Uji hipotesis untuk nilai koefisien korelasi.
e) Menggunakan level of signifikan 0,05.
f) Pembahasan hanya dibatasi pada regresi dan korelasi linier.
 BAB II
STUDI PUSTAKA

2.1 PRINSIP METODE KUADRAT TERKECIL

Misal diketahui pasangan data x dan y sebagai berikut
X: x1 x2 x3 x4 ......................................................................xn
Y: y1 y2 y3 y4 ......................................................................yn
Pasangan data ini kita plot pada sumbu x, y seperti ditunjukkan pada gambar 2.1.

Gambar 2.1 Metode Kuadrat Terkecil

Sumber : Modul Praktikum Statistik Industri

Persoalan disini adalah berdasarkan pasangan data x dan y yang diketahui akan
ditentukan sebuah fungsi pendekatan yang secara umum dapat menggambarkan pola
hubungan antara x dan y tersebut, dan selanjutnya dengan fungsi ini akan dapat ditaksir
nilai fungsi untuk harga x yang selanjutnya. Kalau kita misalkan y = f (x) adalah nilai
fungsi taksiran dan y adalah nilai data yang sebenarnya maka kesalahan (error ) pada titik
data ke-i adalah :

................(2.1)
Dalam hal ini maka fungsi terbaik yang dapat menggambarkan pola hubungan
antara x dan y adalah fungsi yang memberikan harga jumlah kesalahan yang minimum,
yakni :

M4 Bab II Hal-4
 M4 Bab II Hal-5

............................................................................(2.2)
Nilai selisih dikuadratkan karena untuk menghilangkan nilai nilai selisih yang
negatif. Prinsip menentukan fungsi terbaik berdasarkan kesalahan terkecil ini disebut
dengan prinsip kuadrat terkecil (least square).

2.2 PRINSIP METODE KUADRAT TERKECIL UNTUK MODEL REGRESI : y= ao+a1x

Persoalan disini adalah dengan prinsip Least Square diatas akan dicari berapa
harga parameter ao dan a1 yang akan meminimumkan harga E.
E y y' 2

E y a 0 a 1x
2

E E
E akan minimum apabila 0 dan 0
a0 a1

E
a 0

2 (y a 0 a1x)( 1) 0

E
a 0

2 (y a 0 a1x)( 1) 0

E
a0
2 y a 0 a1 x0
na0 a1 x y
E
a1

2 (y a 0 a1x)( x) 0

2 (y a0 a1x)(x) 0

xy a x a x
2
0 1 0

na a x y
0 1

Jadi dalam hal ini kita mempunyai dua persamaan dengan dua parameter yang
tidak diketahui, yakni a0 dan a1
(1) na0 a1 x y

(2) na0 a1 x y
Persamaan ini disebut dengan persamaan normal. Dengan eliminasi gauss atau
determinan harga a0 dan a1 dapat diturunkan sebagai berikut :
 M4 Bab II Hal-6

...................................................(2.3)

2.3 GALAT REGRESI LINIER

Galat regresi linier dinyatakan oleh besaran yang disebut standart error estimate
sebagai berikut :

........................................................................................(2.4)
Jadi standart error estimate menunjukan rata-rata perbedaan antara data aktual
(y) dengan data menurut fungsi regresi (y). Derajat kebebasan data telah berkurang dua
(yakni n 2) karena sudah ada dua parameter data yang dihitung yakni a0 dan a1.

2.4 KOEFISIEN KORELASI

Hubungan baik tidaknya antar variabel dalam regresi (antara variable x dan y)
diterangkan dengan menggunakan koefisien yang disebut dengan koefisien korelasi dan
koefisien determinasi. Koefisien korelasi dinyatakan dengan r dan dirumuskan sebagai
berikut :

.......................................................................(2.5)
Koefisien determinasi

............................................................................................................(2.6)
Koefisien korelasi dapat juga dihitung dengan formula berikut :

......................................................................(2.7)
Koefisien determinasi R menggambarkan prosentasi perubahan variabel y yang
dapat diterangkan oleh variabel x.
 M4 Bab II Hal-7

Contoh 1
Misal diketahui pasangan data x dan y sebagai berikut :
Tabel 2.1 Data X dan Y
X : 1 2 3 4 5 6 7
Y : 0.5 2.5 2.0 4.0 3.5 6.0 5.5
Sumber : Modul Praktikum Statistik Industri
Pertanyaan:
a. Berdasarkan data diatas tentukan garis regresi y= f(x)= a0 + a1x
b. Hitung Standart error estimate, koefisien korelasi dan determinasi
Jawab :
Tabel 2.2 Tabel Perhitungan Contoh 1
x Y x.y x y' ( y - y' ) y
1 0.5 0.5 1 0.91 0.1681 0.25
2 2.5 5.0 4 1.75 0.5625 6.25
3 2.0 6.0 9 2.59 0.3481 4.0
4 4.0 16.0 16 3.43 0.3249 16
5 3.5 17.5 25 4.27 0.5929 12.25
6 6.0 36.0 36 5.11 0.7921 36.00
7 5.5 38.5 49 5.95 0.2025 30.25
28 24.0 119.5 140 29.911 105.00
Sumber : Modul Praktikum Statistik industri

a) y= a0 + a1x dengan

a0
y x xy x2

n x x 2 2

a0
24140 119.5 28 3360 3346 14 0.07
7140 28 980 784 196
2

a1
n xy x y
n x x
2 2

a1
7119.5 28 24
836.5 672 164.5
0.83928 0.84
7140 28 980 784
2
196

Jadi, garis regresinya adalah : y = 0.07 + 0.84x

y y'
2
b) S y/x 2.9911
0.7734
n 2 7 2

7119.5 28 24 836.5 672 164.5

r 0.932
7140 28 2
7105 24 2 1412.61 178.54
 M4 Bab II Hal-8

R r 2 0.869

Artinya dari koefisien determinasi R= 0.869 adalah bahwa 86.9% perubahan harga
y adalah disebabkan oleh perubahan harga variabel x, sedangkan sisanya yakni 100% -
86.9 % = 13.1% disebabkan oleh variabel yang lain (variasi yang tidak dapat dijelaskan
oleh garis regresi).

2.5 TEORI SAMPLING DAN REGRESI

Persamaan garis regresi y = ao+a1x diperoleh berdasarkan suatu data sampel.
Sering kali kita juga ingin mengetahui bagaimana persamaan regresi populasi darimana
data sampel tadi telah diambil. Berikut ini adalah uji hipotesis dan interval kepercayaan
dari parameter dan hasil ramalan regresi tersebut.
a. Uji Hipotesis a1 = A1
Untuk menguji hipotesis bahwa koefisien regresi a 2 sama dengan suatu harga
tertentu; misalnya sama dengan A1; maka digunakan statistik uji sebagai
berikut :

................(2.8)
Dimana :

................................................................................(2.9)

..............................................................................(2.10)
Statistik uji diatas berdistribusi t dengan derajat kebebasan = n 2
Berdasarkan nilai statistik uji diatas maka interval kepercayaan 1 % dari
parameter A1 dapat ditentukan sebagai berikut :

............................................................(2.11)
 M4 Bab II Hal-9

............................................................(2.12)
Jadi interval kepercayaan 1 % dari A1 diberikan oleh :

................................................(2.13)
Dengan t/2 adalah nilai distribusi t dari tabel dengan derajat kebebasan = n 2
b. Uji Hipotesis : a0 = A0
Statistik uji untuk menguji apakah a0 = A0 adalah :

......................................................................(2.14)
Statistik uji ini juga berdistribusi t dengan derajat kebebasan = n-2. Berdasarkan
nilai statistik uji diatas maka interval kepercayaan 1 % dari a0 adalah sebagai
berikut :

.........................(2.15)
c. Uji Hipotesis Untuk Nilai Ramalan Regresi
Misal y0 adalah nilai ramalan y untuk x = x 0 yang diramalkan darigaris regresi
sampel y0 = a0 + a1x0, dan yp adalah nilai ramalan y pada x = x0 untuk populasi,
maka statistik uji :

.........................(2.16)
 M4 Bab II Hal-10

adalah berdistribusi c dengan derajat kebebasan = n 2.

Berdasarkan nilai statistik uji ini, maka interval kepercayaan 1 % dari y p dapat
dirumuskan sebagai berikut

......................(2.17)

......................(2.18)

Contoh 2
Tabel berikut menunjukkan data berat beberapa orang ayah dengan anaknya yang
paling tua.
Tabel 2.3 Tabel Berat Ayah dan Anak
Berat Ayah (Kg,x) 65 63 67 64 68 62 70 66 68 67 69 71
Berat Anak (Kg,y) 68 66 68 65 69 66 68 65 71 67 68 70
Sumber : Modul Praktikum Statistik industri
Pertanyaan:
a. Gambarkan diagram sebarnya.
b. Tentukan garis regresi linier : y = a0 + a1x
c. Lakukan uji hipotesis dengan tingkat kepercayaan 95% bahwa koefisien regresi
populasi (A1) adalah kurang dari 0.180
d. Tentukaan interval kepercayaan 95% dari koefisien regresi tersebut.
e. Lakukan uji hipotesis dengan tingkat kepercayaan 95% bahwa A 0 = 30 dan
tentukan interval kepercayaan 95% dari populasi A0t ersebut.
f. Tentukan interval kepercayaan 95% dari nilai ramalan y untuk harga x = 67.

Jawab:
a. Diagram sebar
 M4 Bab II Hal-11

Gambar 2.2 Diagram Sebar

Sumber : Modul Praktikum Statistik Industri

b. Menentukan persamaan garis regresi : y = a0 + a1x

Rumus a0 dan a1 adalah :

a0
y x 2
xy x
n x x
2 2

a1
xy x y
n
n x x
2 2

Tabel 2.4 Tabel Perhitungan Garis Regresi

x y x xy y
65 68 4225 4420 4624
63 66 3969 4158 4356
67 68 4489 4556 4624
64 65 4096 4160 4225
68 69 4624 4692 4761
62 66 3844 4092 4356
70 68 4900 4760 4624
66 65 4356 4290 4225
68 71 4624 4828 5041
67 67 4489 4489 4489
69 68 4761 4692 4624
71 70 5041 4970 4900
800 811 53418 54107 54849
Sumber : Modul Praktikum Statistik industri

a0
811 53418 800 54107 35.82
12 54849 811 2
a1
12 54107 800 811 0.476
12 54849 811 2
Jadi, persamaan regresinya : y = 35.82 + 0.476x

c. Uji hipotesis koefisien regresi a1

 M4 Bab II Hal-12

S y/x
y i y'
2

x 2
i x
Sx
n
Tabel 2.5 Tabel Perhitungan Koefisien Regresi
Y y1 y- y1 (y-y1)2
68 66.76 1.24 1.54
66 65.81 0.19 0.036
68 67.71 0.29 0.084
65 66.28 -1.8 1.64
69 68.19 0.87 0.656
66 65.33 0.67 0.45
68 69.14 -1.44 1.3
65 67.24 -2.24 5.02
74 68.19 2.81 7.9
67 67.71 -0.71 0.504
68 68.66 -0.66 0.436
70 69.62 0.38 0.144
Sumber : Modul Praktikum Statistik industri

y - y'
2
19.71

19,71
Sy/x = = 1,6425 = 1,28
12

Tabel 2.6 Tabel Perhitungan Koefisien Regresi

X x-x x- x 2

65 -1.7 2.89
63 -3.7 13.69
67 0.3 0.09
64 -2.7 7.29
68 1.3 1.69
72 -4.7 22.09
70 3.3 10.89
66 -0.7 0.49
68 1.3 1.69
67 0.3 0.09
69 2.3 5.29
71 4.3 18.49
800 84.68
Sumber : Modul Praktikum Statistik industri
 M4 Bab II Hal-13

800
x =
12

= 66,7

(x - x )2 84,68
Sx = = = 7,057 = 2,66
n 12

0,74 - 0,180
12 2
t = 1,28
2,66

(0,296) (2,66) 10
=
1,28

= 1,95

t0,05;10 = 1,872

Gambar 2.3 Uji Hipotesis Koefisien Regresi untuk alpha 5%

Sumber : Modul Praktikum Statistik Industri

Oleh karena t statistik > t0,05;10 maka hipotesis Ho : A1< 0.180 kita tolak
a1> 0.180, artinya a1 = 0.476 adalah signifikan lebih besar dari 0.180

d. Interval keyakinan 95% dari A1

t a/2 S y/x
t a/2 S y/x
a1 =
n - 2 Sx
<A1 <a1 + n - 2 Sx

t/2;n-2 = t0,025;10 = 2.23

2.23 1.28
Batas bawah interval = 0.476 - .
12 - 2 2.66

= 0.476 0.340
= 0.136
Batas atas interval = 0.476 + 0.340
= 0.816
Kesimpulan : Dengan tingkat keyakinan 95%, maka koefisien regresi A1 adalah
berada pada interval0.136 < A1< 0.816
 M4 Bab II Hal-14

e. Uji hipotesis koefisien regresi a0

2.66 (12)(10)
t = (35.82 30)
1.28 53418
= 0.573246567
= 0.573
t,n-2 = t0.05;10 = 1.812
tstatistik < ttabel

H0 : A0 = 30 diterima.
Artinya A0 = 35.82 adalah tidak signifikan lebih besar dari 30.
Interval keyakinan 95% dari A0
800 53418
BB = 35.82 t0.025 ; 10
12 (12)(10)

1.28
= 35.82 2.23 . 21.0986
2.66

= 35.82 22.64
= 13.18
BA = 35.82 + 22.64 = 58.46
Interval kepercayaan 95% dari A0 adalah sebagai berikut:
13.18 < A0< 58.46

f. Interval kepercayaan 95% untuk ramalan regresi

x0 = 67 y0 = 35.82 + 0.476 (67)
= 67.712
= 5% /2 = 0.5 = 0.025
t/2;n-2= t0.025 ; 10 = 2.23
2.23 (67 66.7) 2
BB = 67.712 - . 1.28 12 1
10 7.057

= 67.712 0.9026 13.0127532 9

= 67.712 3.256
= 64.456

BA = 67.712 + 3.256
= 70.968
Interval kepercayaan 95% untuk y pada x = 67 adalah
64.456 <yp< 70.968
 M4 Bab II Hal-15

Gambar 2.4 Interval kepercayaan 95% dari nilai ramalan y untuk harga X = 7
Sumber : Modul Praktikum Statistik Industri
 BAB III
PENGUMPULAN DAN PENGOLAHAN DATA

3.1 PENGUMPULAN DATA

Data yang digunakan untuk pengukuran/eksperimen adalah data pengukuran
panjang dan berat paku sebanyak 20 data.

3.3.1 Alat Yang Digunakan

Alat yang digunakan dalam praktikum ini adalah sebagai berikut :
1. Timbangan digital
2. Alat Tulis
3. Kalkulator
4. Formulir untuk mencatat hasil pengukuran

3.3.2 Bahan Yang Digunakan

Bahan yang digunakan dalam praktikum ini adalah 20 buah paku yang akan
diukur beratnya.

3.3.3 Cara Pengukuran

Pengukuran dilakukan dengan cara mengukur berat paku sebanyak 20 buah
dengan menggunakan timbangan digital.

Berikut ini adalah langkahlangkah untuk melakukan pengukuran panjang paku :

1. Posisikan paku diantara kedua rahang geser jangka sorong.
2. Rapatkan rahang geses hingga sesuai dengan panjang paku
3. Baca panjang paku yang ditampilkan pada display digital
Berikut ini adalah langkahlangkah untuk melakukan pengukuran berat paku
baja :
1. Tekan tombol POWER ON/OFF. Tombol ini berfungsi untuk menghidupkan ataupun
mematikan fungsi dari timbangan digital tersebut.
2. Tekan tombol UNITS set. Tombol ini digunakan untuk mengatur satuan berat suatu
unit, misal dalam satuan gram/kilogram.
3. Tekan tombol ZERO. Tombol ini digunakan untuk menormalkan tampilan pada layar
menjadi posisi nol.
4. Letakkan obyek yang diukur diatas timbangan dan baca hasil pengukuran berat
pada layar display.

M4 Bab III Hal-16

 M4 Bab III Hal-17

3.3.4 Hambatan Pengukuran.

Pada saat melakukan pengukuran tentunya kita seringkali menemukan
hambatan. Hambatan yang kami hadapi pada saat paku baja hendak dilakukan
pengukuran yaitu timbangan yang telah dipakai seringkali tidak kembali ke posisi
normal sehingga kami harus menormalkan terlebih dahulu timbangan tersebut.

3.2 HASIL DATA PENGUKURAN

Berdasarkan data praktikum modul IV diperoleh tabel panjang dan berat paku.
Tabel 3.1 Hasil pengukuran panjang dan berat paku

Pengukuran Pengukuran Pengukuran Pengukuran

Data Data
panjang paku berat paku panjang paku berat paku
Ke Ke
(mm) (gram) (mm) (gram)
1 103,5 10,60 11 103,00 10,45
2 104,20 10,64 12 101,10 10,28
3 104,80 10,76 13 102,50 10,43
4 103,60 10,54 14 103,80 10,63
5 104,50 10,65 15 103,50 10,56
6 107,70 11,01 16 102,00 10,41
7 101,40 10,35 17 100,60 10,30
8 104,20 10,78 18 102,70 10,40
9 102,60 10,45 19 104,10 10,50
10 104,00 10,63 20 103,60 10,50
Sumber : Pengolahan Data
 M4 Bab III Hal-18

3.3 PENGOLAHAN DATA

Tabel 3.2 Perhitungan panjang dan berat paku

DATA
X Y X2 Y2 XY Y' (Y-Y')2
KE
1 103,5 10,6 10712,25 112,36 1097,1 10,57 0,0009
2 104,2 10,64 10857,64 113,21 1108,688 10,65 0,0001
3 104,8 10,76 10983,04 115,78 1127,648 10,71 0,0025
4 103,6 10,54 10732,96 111,09 1091,944 10,58 0,0016
5 104,5 10,65 10920,25 113,42 1112,925 10,68 0,0009
6 107,7 11,01 11599,29 121,22 1185,777 11,03 0,0004
7 101,4 10,35 10281,96 107,12 1049,49 10,34 0,0001
8 104,2 10,78 10857,64 116,21 1123,276 10,65 0,0169
9 102,6 10,45 10526,76 109,2 1072,17 10,47 0,0004
10 104 10,63 10816 113 1105,52 10,62 0,0001
11 103 10,45 10609 109,2 1076,35 10,52 0,0049
12 101,1 10,28 10221,21 105,68 1039,308 10,31 0,0009
13 102,5 10,43 10506,25 108,78 1069,075 10,46 0,0009
14 103,8 10,63 10774,44 113 1103,394 10,6 0,0009
15 103,5 10,56 10712,25 111,51 1092,96 10,57 0,0001
16 102 10,41 10404 108,37 1061,82 10,41 0
17 100,6 10,3 10120,36 106,09 1036,18 10,26 0,0016
18 102,7 10,4 10547,29 108,16 1068,08 10,48 0,0064
19 104,1 10,5 10836,81 110,25 1093,05 10,64 0,0196
20 103,6 10,5 10732,96 110,25 1087,8 10,58 0,0064
2067,4 210,87 213752,36 2223,9 21802,555 211,13 0,0656
Sumber :Pengolahan Data

Xi 2067,4
X 103,37
n 20

Yi 210,87
Y 10,54
n 20
 M4 Bab III Hal-19

3.3.1 Diagram Sebar dan Tangan Bebas

Gambar 3.1 Diagram Sebar Dan Tangan Bebas

Sumber : Pengolahan Data

3.3.2 Menghitung Koefisien Regresi dan Korelasi

Persamaan Garis Regresi : Y = ao + a1x

a0
X Y X XY
2

n( X ) ( X)
2 2

(213752.36)( 210.87) (2067.4)(21802.555)

20( 213752.36) (2067.4) 2
642.06
0.71
904.44

a1
n XY X Y
n( X ) ( X)
2 2

20(21802.555) (2067.4)(210.87)

20(213752.36) ( 2067.4) 2
98.462
0.109
904.44

Y = -0,71+0,109X
 M4 Bab III Hal-20

Persamaan Koefisien Korelasi :

n XY X Y
r
n X 2 ( X) 2 n Y 2 ( Y) 2

20(21802.555) (2067.4)( 210.87)

r
20(213752.36) (2067.4) 2 20(2223.9) (210.87) 2
98.462
r
(30.074)(3.441)

r 0,9514

Koefisien Determinasi R = r2 = (0,9514)2 = 0,9052

 BAB IV
ANALISA DATA

4.1 MELAKUKAN UJI HIPOTESIS a1 = A1

1. Ho : a1 = 0
Hi : a1 0
2. = 0,05
t;n-2 = t0,05;18 = 1.734

1.734
Gambar 4.1 Distribusi t
Sumber : Pengolahan Data

Ho ditolak jika t hitung > t;18 atau Ho diterima jika t hitung < t;18
3. Uji Statistik.

Sx
t (a1 0) n2
Sy / x

Dimana :

Sx
(X X)2

45.23
1.503
n 20

Sy/x
(Y Y' )2

0.0656
0.1811
n 20
1,503
t (0.109 - 0) 20 2
0.1811

t= -3,9473
thitung = -3,9473<t0,05;18 = 1.734

Ho diterima karena thitung<t0,025;18 artinya koefisien regresi tersebut sama

dengan nol.

M4 Bab IV Hal-21
 M4 Bab IV Hal-22

4.2 UJI HIPOTESIS aO = AO

1. Ho : a0 = 0
HA : a0 0
2. = 0,05 t/2;n-2 = t0,025;18 = 2.101

2.101
Gambar 4.2 Distribusi t
Sumber : Pengolahan Data
Ho ditolak jika t hitung > t;18 atau Ho diterima jika t hitung < t;18
3. Uji statistik :

= -0.2418
Ho diterima karena thitung<t0,025;18 artinya koefisien regresi tersebut sama
dengan nol.

4.3 UJI HIPOTESIS KOEFISIEN KORELASI : = 0

1. H0 : = 0
Ha : > 0
2. = 0.05 t;n-2 = t0.05;18 = 1,734

1.734
Gambar 4.3 Distribusi t
Sumber : Pengolahan Data
 M4 Bab IV Hal-23

3. Uji statistik :

= 13.11
Oleh karena t statistik > t0.05;18 maka hipotesis H0 ditolak. Artinya koefisien regresi
tersebut tidak signifikan sama dengan nol, atau signifikan lebih besar dari nol.

4.4 ARTI KOEFISIEN DETERMINAN R = r2

Pada modul empat ini perhitungan koefisien korelasi dan regresi diperoleh harga R
2
= r sebesar 0,9052 artinya dari koefisien determinasi R = 0,9052 adalah bahwa 90,52 %
perubahan harga y adalah disebabkan oleh perubahan harga variabel x, sedangkan
sisanya, yakni 100 % - 90,52% = 9,48% disebabkan oleh variabel yang lain (variasi yang
tidak dapat dijelaskan oleh garis regresi).
 BAB V
KESIMPULAN DAN SARAN

5.1 KESIMPULAN
Kesimpulan yang didapat dari praktikum modul IV ini, adalah antara lain :
a. Koefisien korelasi = 0.9514
b. Koefisien determinasi = 0.9052
c. Persamaan garis regresi = Y = -0.71+ 0.109 X
d. Nilai Sx = 1.503
e. Nilai Sy/x = 0.1811
f. Uji Hipotesis a1 =0
t hitung = -3.9473
t tabel = 1.734
thitung = -3.9473 < t0,05;18 = 1.734
Jadi, Ho diterima oleh karena thitung < t0,05;18 artinya koefisien regresi tersebut signifikan
sama dengan nol.
g. Uji Hipotesis ao =0
t hitung = -0.2418
t tabel = 2.101
thitung = -0.2418 < t0,025;18 = 2.101
Jadi, Ho diterima oleh karena thitung < t0,025;18 artinya koefisien regresi tersebut signifikan
sama dengan nol.
h. Uji Hipotesis =0
t hitung = 13.11
t tabel = 1.734
thitung = 13.11 > t0,05;18 = 1.734
Jadi, Ho ditolak oleh karena thitung > t0,025;18 artinya koefisien regresi tersebut tidak
signifikan sama dengan nol.

5.2 SARAN
Adapun saran dalam pelaksanaan praktikum modul IV ini adalah :
Untuk pengukuran sebaiknya dapat digunakan obyek lain, sehingga dapat lebih
bervariasi untuk parameter variabel x dan y, tidak hanya berat dan panjang saja.

M4 Bab V Hal-24