TUGAS STATISTIKA

DOSEN
SANTI WULAN PURNAMI
NAMA MAHASISWA / NRP
NUR INDAH MUKHOYYAROH / 03111850060017
MAGISTER TEKNIK SIPIL | MANAJEMEN REKAYASA TRANSPORTASI
FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
2018
 DAFTAR ISI

DAFTAR ISI
BAB I PENDAHULUAN
1.1 Latar Belakang
1.2 Rumusan Masalah
1.3 Tujuan
1.4 Manfaat
BAB II
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis
statistika yang termasuk ke dalam cabang statistika inferensi. Dalam literatur Indonesia
metode ini dikenal dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan
analisis variansi. Ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F
juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh
Sir Ronald Fisher, bapak statistika modern. Dalam praktek, analisis varians dapat merupakan
uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang
genetika terapan).
Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan
hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah varians antar contoh
(among samples) dan varians kedua adalah varians di dalam masing-masing contoh (within
samples). Dengan ide semacam ini, analisis varians dengan dua contoh akan memberikan
hasil yang sama dengan uji-t untuk dua rerata (mean).
Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai
bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan
dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari
eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan
bahkan dalam dunia teknik seperti Teknik Sipil.
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
dipergunakan dalam ANOVA adalah uji F karena dipakai untuk pengujian lebih dan 2
sampel. Anova dapat digolongkan kedalam beberapa kriteria, yaitu:
1. Klasifikasi 1 arah
ANOVA klasifikasi 1 arah merupakan ANOVA yang didasarkan pada pengamatan 1
kriteria.
2. Klasifikasi 2 arah
ANOVA kiasifikasi 2 arah merupakan ANOVA yang didasarkan pada pengamatan 2
kritenia.
3. Klasifikasi banyak arah
ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan banyak
kriteria.
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.
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. Program komputer yang paling banyak digunakan adalah
SPSS (Statistical Package For Service Solutions).
1.2 Rumusan Masalah
Berdasarkan pendahuluan masalah di atas, maka rumusan masalah dari penulisan makalah ini
adalah :
1. Apakah yang dimaksud One-way Anova dan Regresi Linear?
2. Bagaimana langkah langkah atau proses pengujian One-way Anova dan Regresi
Linear?

1.3 Tujuan
Berdasarkan rumusan masalah di atas, maka tujuan dari penulisan makalah ini adalah?
1. Untuk mengetahui pengertian One-way Anova dan Regresi Linear, agar mahasiswa
dapat memahami dan membedakan antara Analisis dengan metode One-way Aanova
dan Regresi Linear?
2. Untuk mengetahui apakah ada pengaruh dan berbagai kriteria yang diuji terhadap
hasil yang diinginkan.

1.4 Manfaat
Adapun manfaat penulisan makalah ini adalah :
1. Untuk memberikan informasi, menambah wawasan kepada mahasiswa dan
memanfaatkan ilmu pengetahuan yang didapat setelah mengikuti perkuliahan, serta
dapat diterapkan dalam kehidupan nyata.
 BAB II
TINJAUAN PUSTAKA

2.1 Landasan Teori

Tanah adalah material yang terdiri dari butiran mineral-mineral padat (agregat)yang tidak
tersementasi satu sama lain, dan atau dari bahan organik yang melapuk,dimana diantara butiran terdapat
ruang-ruang kosong yang terisi oleh zat cair dan udara.Komposisi tanah terdiri dari butiran tanah yang padat
(solid), air (water), dan udara (air). (Lihat Gambar 2.1). Dan untuk sketsa butiran tanah yang padat
dengan pori yang terisiair dan udara dapat dilihat pada Gambar 2.2.

Gambar 2.1 Komposisi Tanah

Gambar 2.2 Sketsa Butiran Tanah Beserta Pori

Sebagian tanah pada daerah Cepu-Bojonegoro ternyata mempunyai sifat sebagaitanah mengembang
(expansive soils). Ini berarti tanah tersebut memiliki ciri-ciri kembang susut yang besar, dimana tanah akan
mengembang bilamana tanah menjadi basah (pada musim penghujan) dan menyusut apabila kering (pada
musim kemarau).Besarnya pengembangan dan penyusutan tanah tersebut biasanya tidak merata dari satutitik
ke titik yang lain. Hal ini dapat menyebabkan terjadinya
“differential settlement”(perbedaan dalam pergerakan muai-susut tanah).
Terjadinya“differential settlement” menyebabkan banyak kerugian karena kerusakan-kerusakan yang
timbulpada bangunan. Seperti dinding tembok rumah pecah/retak, lantai rumah bergelombang, jalan raya
yang bergelombang disertai adanya keretakan, dan masih banyak lagi.

Alternative dalam mengatasi masalah adalah mengurangi dampak adanyaperubahan musim terhadap
kondisi tanah dasar. Misal saja bila tanah tersebut bisa mengembang atau mengerut dalam skala yang besar
berarti tanah tersebut memiliki volume ruang pori yang cukup besar juga. Bila tanah akan mengembang
bilamana tanah menjadi basah (pada musim penghujan) dan menyusut apabila kering (pada musim kemarau),
jadi kuncinya terletak pada ruang pori tersebut.Ruang pori yang besar tersebut terisi air maupun udara dengan
kondisi sesuai musim. Bila kita dapat menghambat perubahan volume ruang pori yang cukup besar, maka
kembang susut yang besar dapat kita minimalisir. Salah satu cara adalah mencampurkan kapur kedalam tanah
dasar sehingga ruang pori yang semula berisi air ataupun udara, kini terisi oleh kapur, menyebabkan porsi
udara dan air dalam ruang porisemakin mengecil.Suatu percobaan di laboratorium tanah dilakukan terhadap
benda uji berupa tanahasli yang memiliki klasifikasi terhadap USCS yaitu CH yang merupakan jenis tanah
lempung dengan plastisitas tinggi. Untuk mencari prosentase jumlah kapur yang palingtepat untuk meng-
hasilkan perbaikan tanah mengembang, jika dilakukan pengetesan kadar kapur yang dapat dicampurkan
dalam tanah dasar untuk mengetahui prosentase swelling yang terjadi dari tanah mengembang tersebut.

Prosentase Swelling Bila Prosentase Jumlah Kapur:

No. Sampel
0% 3% 6% 9% 12% 15%
1 82.14 60 34.11 23.13 15.10 10.91
2 62.39 45 36.77 22.16 15.09 7.63
3 65.66 50.04 27.83 21.99 18.45 14.93
4 90 78.89 44.79 33.18 22.75 18.94
5 78 58.6 32.34 24.42 19.66 10.98
Data Prosentase Swelling terhadap Jumlah Kapur

Tahap Pengerjaan Menggunakan SPSS :

2.2 One Way ANOVA

1. Masukkan data ke dalam sheet SPSS
2. Beri nama variable dan masukkan data sesuai variable yang di inputkan
3. Analyze → Compare Means → One-Way ANOVA
4. Masukkan “Variabel Prosentase Sweling → Dependent List”,
“Variabel Prosentase Kapur → Factor”
5. Untuk menghitung Uji Perbandingan berganda → Klik Post Hoc →
 Centang Bonferoni dan Scheffe → continue
6. Untuk menguji homogenitas varians → Klik Option → Centang Homogeneity of
variance test → continue
7. OK

2.2.1 Hasil Analisis One-Way ANOVA

a. One-Way ANOVA

Test of Homogeneity of Variances

Swealing

Levene Statistic df1 df2 Sig.

2.111 5 24 .099

ANOVA

Prosentase Swealing

Sum of Squares df Mean Square F Sig.

Between Groups 15231.393 5 3046.279 46.717 .000

Within Groups 1564.960 24 65.207

Total 16796.353 29

Post Hoc Tests

Multiple Comparisons

Dependent Variable:Swealing

Mean 95% Confidence Interval

(I) Kapur Difference (I-
(J) Kapur J) Std. Error Sig. Lower Bound Upper Bound

Scheffe 0 6% 17.13200 5.10712 .082 -1.3550 35.6190

15% 40.47000* 5.10712 .000 21.9830 58.9570

9 50.66200* 5.10712 .000 32.1750 69.1490

12 57.42800* 5.10712 .000 38.9410 75.9150

15 62.96000* 5.10712 .000 44.4730 81.4470

 6% 0 -17.13200 5.10712 .082 -35.6190 1.3550

15% 23.33800* 5.10712 .007 4.8510 41.8250

9 33.53000* 5.10712 .000 15.0430 52.0170

12 40.29600* 5.10712 .000 21.8090 58.7830

15 45.82800* 5.10712 .000 27.3410 64.3150

15% 0 -40.47000* 5.10712 .000 -58.9570 -21.9830

6% -23.33800* 5.10712 .007 -41.8250 -4.8510

9 10.19200 5.10712 .563 -8.2950 28.6790

12 16.95800 5.10712 .087 -1.5290 35.4450

15 22.49000* 5.10712 .010 4.0030 40.9770

9 0 -50.66200* 5.10712 .000 -69.1490 -32.1750

6% -33.53000* 5.10712 .000 -52.0170 -15.0430

15% -10.19200 5.10712 .563 -28.6790 8.2950

12 6.76600 5.10712 .876 -11.7210 25.2530

15 12.29800 5.10712 .357 -6.1890 30.7850

12 0 -57.42800* 5.10712 .000 -75.9150 -38.9410

6% -40.29600* 5.10712 .000 -58.7830 -21.8090

15% -16.95800 5.10712 .087 -35.4450 1.5290

9 -6.76600 5.10712 .876 -25.2530 11.7210

15 5.53200 5.10712 .943 -12.9550 24.0190

15 0 -62.96000* 5.10712 .000 -81.4470 -44.4730

6% -45.82800* 5.10712 .000 -64.3150 -27.3410

15% -22.49000* 5.10712 .010 -40.9770 -4.0030

9 -12.29800 5.10712 .357 -30.7850 6.1890

12 -5.53200 5.10712 .943 -24.0190 12.9550

Bonferroni 0 6% 17.13200* 5.10712 .040 .4911 33.7729

15% 40.47000* 5.10712 .000 23.8291 57.1109

9 50.66200* 5.10712 .000 34.0211 67.3029

12 57.42800* 5.10712 .000 40.7871 74.0689

15 62.96000* 5.10712 .000 46.3191 79.6009

6% 0 -17.13200* 5.10712 .040 -33.7729 -.4911

15% 23.33800* 5.10712 .002 6.6971 39.9789

9 33.53000* 5.10712 .000 16.8891 50.1709

12 40.29600* 5.10712 .000 23.6551 56.9369

 15 45.82800* 5.10712 .000 29.1871 62.4689

15% 0 -40.47000* 5.10712 .000 -57.1109 -23.8291

6% -23.33800* 5.10712 .002 -39.9789 -6.6971

9 10.19200 5.10712 .862 -6.4489 26.8329

12 16.95800* 5.10712 .043 .3171 33.5989

15 22.49000* 5.10712 .003 5.8491 39.1309

9 0 -50.66200* 5.10712 .000 -67.3029 -34.0211

6% -33.53000* 5.10712 .000 -50.1709 -16.8891

15% -10.19200 5.10712 .862 -26.8329 6.4489

12 6.76600 5.10712 1.000 -9.8749 23.4069

15 12.29800 5.10712 .361 -4.3429 28.9389

12 0 -57.42800* 5.10712 .000 -74.0689 -40.7871

6% -40.29600* 5.10712 .000 -56.9369 -23.6551

15% -16.95800* 5.10712 .043 -33.5989 -.3171

9 -6.76600 5.10712 1.000 -23.4069 9.8749

15 5.53200 5.10712 1.000 -11.1089 22.1729

15 0 -62.96000* 5.10712 .000 -79.6009 -46.3191

6% -45.82800* 5.10712 .000 -62.4689 -29.1871

15% -22.49000* 5.10712 .003 -39.1309 -5.8491

9 -12.29800 5.10712 .361 -28.9389 4.3429

12 -5.53200 5.10712 1.000 -22.1729 11.1089

*. The mean difference is significant at the 0.05 level.

Homogeneous Subsets
Swealing

Subset for alpha = 0.05

Kapur N 1 2 3

Scheffea 15 5 12.6780

12 5 18.2100 18.2100

9 5 24.9760 24.9760

15% 5 35.1680

6% 5 58.5060
 0 5 75.6380

Sig. .357 .087 .082

Means for groups in homogeneous subsets are displayed.

Uses Harmonic Mean Sample Size = 5,000.

2.2.2 Hasil Analisis Regression Linear

Model Summary

Std. Error of the

Model R R Square Adjusted R Square Estimate

1 .919a .845 .840 9.62829

a. Predictors: (Constant), Kapur

Tabel diatas menjelaskan besarnya nilai korelasi / hubungan (R) yaitu sebesar 0,919.
Dari output tersebut diperoleh koefisien determinasi (R Square) sebesar 0,845, yang
mengandung pengertian bahwa pengaruh variabel bebas terhadap variabel terikat adalah
sebesar 84,5%.

Tabel Anova

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 14200.641 1 14200.641 153.183 .000a

Residual 2595.712 28 92.704

Total 16796.353 29

a. Predictors: (Constant), Kapur

b. Dependent Variable: Swelling

Dari output tersebut diketaui bahwa nilai F hitung = 153,183 dengan tingkat
signifikansi sebesar 0,000 < 0,05, maka model regresi dapat dipakai untuk memprediksi
variabel porsentase kapur (X) terhadap variabel prosentase swelling (Y)
 Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 69.378 3.116 22.262 .000

Kapur -4.246 .343 -.919 -12.377 .000

a. Dependent Variable: Swelling

 BAB III
PENUTUP

3.1 Kesimpulan

Dari hasil analisis SPSS menunjukkan

Pvalue = 0.00 dimana Pvalue < 𝛼 = 0.05

Ini menunjukkan bahwa Tolak Ho yang menandakan Terima H1. Berarti faktor “variable
prosentase kapur” dan “variable beban surcharge” berpengaruh terhadap “variable prosentase
swelling”. Karena seperti diungkapkan sebelumnya bahwa tanah yang memiliki kembang
susut besar menunjukkan volume ruang pori yang besar juga, bila ruang pori tersebut telah
terisi kapur maka volume ruang pori menjadi lebih kecil. Apalagi bila campuran kapur yang
cukup besar prosentasenya. Begiu juga beban yang dipikul oleh tanah dasar ikut berpengaruh
terhadap prosentase swelling. Semakin besar beban yang diberikan terhadap tanah dasar,
maka tanah dasar semakin memampa karena volume ruang pori semakin tertekan, sehingga
prosentase swelling semakin mengecil.

Semakin besar kadar kapur yang dicampurkan dalam tanah dasar,

maka kemampuan tanah untuk mengembang semakin mengecil.
 DAFTAR PUSTAKA

Hendry. 2014. ONE WAY ANOVA (ANALYSIS OF VARIANCE). Semarang : Rinea Cipta
Imam Ghozali. 2009. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang : BP
UNDIP
Consultant, Duwi. 2014. ANALYSISI REGRESI LINEAR SEDERHANA. Sedayu : UMK
Sedayu