BAB I

PENDAHULUAN

1.1. Latar Belakang.

Statistika adalah cabang ilmu yang mempelajari tentang bagaimana

mengumpulkan, menganalisis dan menginterpretasikan data. Dengan kata lain,
statistika menjadi semacam alat dalam melakukan suatu riset empiris.

Mata kuliah statistika bagi mahasiswa sangat diperlukan terutama ketika seorang
mahasiswa harus mengumpulkan, mengolah, menganalisis dan menginterprestasikan data
untuk pembuatan skripsi, thesis atau disertasi. Dalam hal ini pengetahuan statistik dipakai
dalam menyusun metodologi penelitian. Sebagai suatu ilmu, kedudukan statistika
merupakan salah satu cabang dari ilmu matematika terapan. Oleh karena itu untuk
memahami statistika pada tingkat yang tinggi, terebih dahulu diperlukan pemahaman ilmu
matematika.
Penggunaan Statistika sudah dikenal sebelum abad 18, pada saat itu negara-
negara Babilon, Mesir dan Roma mengeluarkan catatan tentang nama usia dan jenis
kelamin, pekerjaan dan jumlah anggota keluarga. Kemudian pada tahun 1500,
pemerintahan Inggris mengeluarkan catatan mingguan tentang kematian dan tahun
1662, dikembangkan catatan kelahiran dan kematian. Baru pada tahun 1772-1791,
G. Achenwall menggunakan istilah statistika sebagai kumpulan data tentang
negara. Tahun 1791-1799, Dr.E.A.W Zimmesman mengenalkan kata statistika
dalam bukunya Statistical Account Of Scotland. Tahun 1981-1935 R.Fisher
mengenalkan analisa varians dalam literatur statistiknya.

Di Indonesia Pengantar Statistika telah dicantumkan dalam kurikulum

Matematika Sekolah Dasar sejak tahun1975. Hal itu disebabkan karena sekitar
lingkungan kita berada selalu berkaitan dengan Statistik. Misalnya di kantor
kelurahan kita mengenal statistik desa, di dalamnya memuat keadaan penduduk
mulai dari banyak penduduk, pekerjaanya, banyak anak, dan sebagainya.

1
1.2. Rumusan Masalah

Penulis mencoba menguraikan sedikit rumusan permasalahan yang akan

dibahas dari materi yang berkaitan dengan penulisan.

A. Pengertian paired sample t test, One way Anova, regresi linier sederhana dan
korelasi
B. Bagaimana cara menganalisis Deskriptif, paired sample t test, One way Anova,
regresi linier sederhana?
C. Bagaimana langkah kerja, paired sample t test, One way Anova, regresi linier
sederhana?

1.3. Batasan Masalah

Untuk memperjelas ruang lingkup pembahasan, maka masalah yang akan

dibahas dibatasi pada masalah, menjelaskan langkah kerja data independent
data one way anova, serta menjelaskan arti dari masing-masing data tersebut
dan bagaimana cara menginterpretasi dari masing-masing hasil outputnya.

1.4. Tujuan
- Tujuan dari penulisan ini guna melengkapi dan memenuhi tugas akhir
praktikum metode statistika.
- Dengan dibuatnya tugas akhir ini dapat membantu kita dalam memahami
penganalisaan tentang data-data statistik dengan menggunakan Software
Ms.Excel dan SPSS.

1.5. Manfaat
Adapun manfaat penulis menulis makalah ini adalah :
- Agar dapat mengetahui langkah-langkah pembuatan data
- Agar dapat mengetahui cara menganalisis atau menginterpretasi dari
masing-masing output yang diperoleh.
- Agar dapat mengetahui arti dari masing-masing data.

2
 BAB II

LANDASAN TEORI

2.1 Pengertian Statistika Deskriptif

Statistika deskriptif adalah tehnik yang digunakan untuk mensarikan data

dan menampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. Hal
ini melibatkan proses kuantifikasi dari penemuan suatu fenomena. Berbagai
statistik sederhana, seperti rata-rata, dihitung dan ditampilkan dalam bentuk tabel
dan grafik. Statistika deskriptif dapat memberikan pengetahuan yang signifikan
pada kejadian fenomena yang belum dikenal dan mendeteksi keterkaitan yang ada
di dalamnya. Tetapi dapatkah statistika deskriptif memberikan hasil yang bisa
diterima secara ilmiah? Statistik merupakan suatu alat pengukuran yang
berhubungan dengan keragaman pada karakteristik objek-objek yang berbeda .

Objek yang belum dikenal tidaklah mewakili populasi objek yang memiliki
“quantifiabel feature” melalui penyelidikan. Namun demikian, keragaman bisa
menjadi hasil dari keberagaman yang lainnya (karena acak atau terkontrol). Pada
ilmu fisika, yang sangat berkaitan dengan ekstraksi dan formulasi persamaan
matematik tidak menyisakan banyak tempat untuk fluktuasi acak. Pada ilmu
statistika, fluktuasi seperti itu dapat dijadikan model. Hubungan relasi statistik
selanjutnya merupakan hubungan relasi yang menerangkan suatu proporsi
perubahan stokastik yang pasti.

Statistika Deskriptif adalah ilmu yang mempelajari tentang cara:

A. Mengumpulkan data/informasi.
B. Mengolah data hasil pengumpulan.
C. Menyajikan data hasil pengolahan.
D. Menganalisis data.

3
2.2 Pengertian Dispersi Data

Penyebaran atau dispersi adalah perserakan dari nilai observasi terhadap

nilai rata-ratanya. Rata-rata dari serangkaian nilai observasi tidak dapat
diinterpretasikan secara terpisah dari hasil dispersi nilai-nilai tersebut sekitar
rataratanya. Makin besar variasi nilai xi, makin kurang representatif rata-rata
distribusinya. Ukuran penyebaran suatu kelompok data terhadap pusat data disebut
dispersi atau variasi atau keragaman data. Dispersi data digunakan untuk
membandingkan penyebaran 2 distribusi data atau lebih.

Beberapa jenis pengukuran Dispersi adalah sebagai berikut:

1. Jangkauan (Range)
Selisih antara batas atas dari kelas tertinggi dengan batas bawah dari kelas
terendah.
2. Simpangan Rata-Rata (Mean Deviation)
Jumlah nilai mutlak dari selisih semua nilai dengan nilai rata-rata dibagi
banyaknya data.

3. Varians (Variance)
Rata-rata hitung deviasi kuadrat setiap data terhadap rata-rata hitungnya.

4. Standar Deviasi
Akar kuadrat dari varians dan menunjukkan standar penyimpangan data
terhadap nilai rata-ratanya.

5. Jangkauan kuartil dan jangkauan persentil 10-90

Jangkauan kuartil disebut juga simpangan kuartil atau semi antar kuartil atau
deviasi kuartil sedangkan jangkauan persentil 10-90 disebut juga rentang
persentil 10-90.

6. Koefisien Variasi
Koefisien Variasi, disebut dispersi relatif, dapat digunakan untuk
membandingkan nilai – nilai besar dengan nilai – nilai kecil. Sedangkan lima
bentuk dispersi sebelumnya tidak bisa.

4
2.3 Penyajian data dalam bentuk grafik, bagan dan diagram.

Hal yang perlu diperhatikan ketika membuat grafik :

1. Menentukan sumbu absis (X) dan ordinat Y). Sumbu absis mencantumkan nilai
dan sumbu ordinat mewakili frekuensi.
2. Menentukan perbandingan antara X dan Y. Lazimnya sumbu X dibuat lebih
panjang.
3. Pemberian nama pada tiap sumbu.
4. Pemberian nama pada grafik.

Jenis Grafik, Bagan dan Diagram : Histogram, Poligon, Ogive, Bagan melingkar,
grafik batang, kartogram, Piktogram, diagram garis, bagan piramida.

1. Histogram
Grafik ini disebut juga Bar diagram yakni grafik berbentuk segi empat. Dasar
pembuatan dengan menggunakan batas nyata atau titik tengah.

2. Poligon
Grafik ini juga populer dengan sebutan poligon frekuensi. Dibuat dengan
menghubungkan titik tengah dalam bentuk garis (kurve). Grafik ini
mendasarkan pada titik tengah dalam pembuatannya.

3. Grafik Ogive
Disebut juga grafik frekuensi meningkat, karena cara pembuatannya dengan
menjumlah frekuensi pada tiap nilai variabel.

4. Bagan melingkar/ grafik melingkar

Yaitu grafik atau bagan berupa lingkaran yang telah dibagi menjadi beberapa
bagian sesuai dengan proporsi data. Biasanya dinyatakan dalam persen.

5. Grafik Batang atau balok

Yaitu grafik yang berbentuk persegi panjang yang lebarnya sama dan
dilengkapi dengan skala atau ukuran sesuai data yang bersangkutan. Setiap
batang tidak boleh saling melekat atau menempel dan jarak tiap batang harus
sama. Susunan grafik ini boleh tegak atau mendatar.

5
6. Kartogram atau peta statistik
Yaitu grafik data berupa peta yang menunjukkan kondisi data dan diwakili oleh
lambang tertentu dalam sebuah peta. Biasanya untuk menggambarkan
kepadatan penduduk, curah hujan, hasil pertanian, hasil penjualan, hasil
pertambangan dan sebagainya.

7. Piktogram
Yaitu grafik data yang menggunakan gambar atau lambang dalam
penyajiannya. Satu lambang bisa mewakili jumlah tertentu.

8. Grafik garis
Yaitu grafik data berupa garis yang diperoleh dari ruas garis yang
menghubungkan titik-titik pada bilangan. Grafik ini dibuat dengan 2 sumbu
yakni sumbu X menunjukkan bilangan yang sifatnya tetap, seperti tahun,
ukuran dan sebagainya. Sedangkan pada sumbu Y ditempatkan bilangan yang
sifatnya berubah-ubah seperti, harga, biaya dan jumlah.

2.4 Paired Sample t-Test

Analisis Paired-sample t-Test merupakan prosedur yang digunakan untuk
membandingkan rata-rata dua variabel dalam satu group. Artinya analisis ini
berguna untuk melakukan pengujian terhadap satu sampel yang mendapatkan sutau
treatment yang kemudian akan dibandingkan rata-rata dari sampel tersebut antara
sebelum dan sesudah treatment. Dalam perhitungan manual Paired-sample t-Test
menggunakan rumus sebagai berikut :
( x1 - x 2 ) - ( 1 -  2 )
t hitung =
 12  22
+
n1 n2

Kemudian, untuk menentukan hipotesis yang terpilih sebelumnya ditentukan

terlebih dahulu ttabel nya. Untuk paired-sample t-Test nilai df (degree of freedom)
nya adalah jumlah sampel dikurangi satu atau n-1.

2.5 One Way Anova

Anava satu jalur atau dalam bahasa Inggris dikenal dengan nama One way
anava yaitu merupakan salah satu cara statistika parametrik untuk menganalisiskan

6
variabel dari hasil eksperimen atau pengamatan sehingga dapat digunakan untuk
menguji perbedaan rata-rata skor. Dengan kata lain anava satu jalur dapat
digunakan untuk menguji adanya perbedaan antara 3 atau lebih data kelompok
berskala interval dan atau rasio dari satu variabel bebas.
Cara untuk menghitung anava satu jalur yaitu:
- Dengan perhitungan jumlah kuadrat (sum of squares) total (JKt) rentang antar
kelompok (JKa) dan rentang dalam kelompok (JKd). Untuk menghitung masing-
masing nilai JK digunakan rumus:

Dimana:

suku koreksi (sk) atau corection factor (c)

Menghitung derajat kebebasan (degree of freedom ) total (dbt) antar

kelompok (dba) dalam kelompok (dbd) rumusnya yaitu :
1. dbt = N-1
2. dba = K-1
3. dbd = N-k
Dimana N = jumlah subyek K= jumlah kelompok data.
Menghitung rata- rata kuadrat (mean of squares) antar kelompok (RKa) dan
dalam kelompok yaitu (RKd) dengan rumus:

7
 Menghitung nisbah atau rasio F dengan rumus yaitu:

Melakukan uji signifikansi dengan cara membandingkan harga F hitung dengan F

tabel dengan taraf 5%, dan taraf 1%.

2.6 Post Hoc Test (LCD dan HSD)

Uji F dalam analisis varians (one way anava) hanya memberikan indikasi
ada tidaknya beda antara-antara mean populasi. Jika tedapat beda
signifikan, peneliti lebih lanjut ingin mengetahui bagaimana signifikanya beda-
beda tersebut. Dan uji F sendiri tidak memberikan berapa besar derajat beda antara
satu mean dan satu mean lainya. Oleh karena itu diperlukan uji Post hoc test, post
hoc test adalah uji yang digunakan dalam menentukan derajat beda dua mean,
terdapat dua uji yaitu:
Uji HSD (Higly significance difference) →HSD 0.05 antara

Dimana :
MSE : mean square error pada tabel anava

Uji LSD (Least significance difference) yaitu

2.7 Pengertian Regresi Linier

Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan
penjelasan tentang pola hubungan (model) antara dua variabel atau lebih.. Dalam
analisis regresi dikenal 2 jenis variabel yaitu:

8
- Variabel Respon disebut juga variabel dependen yaitu variabel yang
keberadaannya dipengaruhi oleh variabel lainnya dan dinotasikan dengan
variabel.
- Variabel Prediktor disebut juga dengan variabel independen yaitu variabel yang
bebas (tidak dipengaruhi oleh variabel lainnya) dan dinotasikan dengan

Untuk mempelajari hubugan – hubungan antara variabel bebas maka regresi linier
terdiri dari dua bentuk, yaitu:
- Analisis regresi sederhana (Simple analysis regresi)
- Analisis regresi berganda (Multiple analysis regresi)

Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu

variabel bebas (variable independen) dan variabel tak bebas (variabel dependen).
Sedangkan analisis regresi berganda merupakan hubungan antara 3 variabel atau
lebih, yaitu sekurang-kurangnya dua variabel bebas dengan satu variabel tak bebas.
Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel (variabel
dependen) jika nilai variabel yang lain yang berhubungan dengannya (variabel
lainnya) sudah ditentukan (Hasan, 2010).

2.2 Analisis Regresi Linier Sederhana

Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis
dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan variabel
bebas tunggal. Regresi linier sederhana hanya memiliki satu peubah yang
dihubungkan dengan satu peubah tidak bebas . Bentuk umum dari persamaan
regresi linier untuk populasi adalah
Di mana:
Y = a + bx (2.1)

Y = Variabel takbebas
x = Variabel bebas
a = Parameter Intercep
b = Parameter Koefisisen Regresi Variabel Bebas
Menentukan koefisien persamaan a dan b dapat dengan menggunakan metode
kuadrat terkecil, yaitu cara yang dipakai untuk menentukan koefisien persamaan

9
dan dari jumlah pangkat dua (kuadrat) antara titik-titik dengan garis regresi yang
dicari ysng terkecil .

10
 BAB III

METODOLOGI PENELITIAN

3.1 Objek Penelitian

1. Pada suatu industri tekstil dilakukan pengecekan kekeruhan air buangan

limbah selama 25 hari, dan diperoleh data hasil sebelum dan sesudah proses
pengolahan limbah menggunakan cara koagulasi-flokulasi sebagai berikut :
No Sebelum Proses Koagulasi- Sesudah Proses koagulasi-
flokulasi (NTU) flokulasi (NTU)
1 100 50
2 300 47
3 150 52
4 70 48
5 80 60
6 56 50
7 67 48
8 98 52
9 50 48
10 68 44
11 70 39
12 78 50
13 98 50
14 260 39
15 200 48
16 180 49
17 58 47
18 88 52
19 98 46
20 57 38
21 77 37

11
 22 57 59
23 55 50
24 69 50
25 87 50

Apakah terdapat perbedaan kekeruhan air buangan antara sebelum proses

koagulasi-flokulasi dan sesudah proses koagulasi-flokulasi? (Gunakan
α=5%)

2. Perusahaan ingin membandingkan rata-rata penjualan minuman kaleng

merk A di 3 daerah penjualan, yaitu Bandung, Bogor, dan Jakarta. Apakah
terdapat perbedaan yang signifikan terhadap rata-rata penjualan di 3 daerah
penjualan tersebut ? Data yang diperoleh adalah sebagai berikut :

No Bandung Bogor Jakarta

1 225 135 182
2 233 154 222
3 223 169 238
4 245 221 132
5 223 198 169
6 198 146 178
7 199 187 189
8 234 135 188
9 236 166 228
10 215 187 175
11 217 220 210
12 208 201 194

3. Seorang Engineer ingin memgetahui toksisitas air limbah terhadap

kematian ikan yang dimasukkan dalam 30 aquarium selama 96 jam. Di
setiap aquarium terdapat 10 ikan untuk dilakukan uji coba. Pengujian
tersebut menunjukkan berapa jumlah ikan yang mati dalam konsentrasi air

12
limbah tertentu yang diberikan. Uji apakah ada hubungan antara
konsentrasi air limbah terhadap jumlah ikan yang mati dengan α = 5%
Aquarium Konsetrasi Air Limbah (%) Ikan yang mati (ekor)
1 20 5
2 25 6
3 35 4
4 40 6
5 25 4
6 20 4
7 33 5
8 25 4
9 50 9
10 45 7
11 40 8
12 20 3
13 50 10
14 35 5
15 25 4
16 40 6
17 25 4
18 47 8
19 35 5
20 20 3
21 33 6
22 35 7
23 59 9
24 45 5
25 35 6
26 47 7
27 33 5
28 20 3

13
 29 50 6
30 26 2

3.2 Sumber Data

No Sebelum Proses Koagulasi- Sesudah Proses koagulasi-

flokulasi (NTU) flokulasi (NTU)
1 100 50
2 300 47
3 150 52
4 70 48
5 80 60
6 56 50
7 67 48
8 98 52
9 50 48
10 68 44
11 70 39
12 78 50
13 98 50
14 260 39
15 200 48
16 180 49
17 58 47
18 88 52
19 98 46
20 57 38
21 77 37
22 57 59
23 55 50

14
 24 69 50
25 87 50

Dari data di atas, tentukan Apakah terdapat perbedaan kekeruhan air buangan antara
sebelum proses koagulasi-flokulasi dan sesudah proses koagulasi-flokulasi?
(Gunakan α=5%)

No Bandung Bogor Jakarta

1 225 135 182
2 233 154 222
3 223 169 238
4 245 221 132
5 223 198 169
6 198 146 178
7 199 187 189
8 234 135 188
9 236 166 228
10 215 187 175
11 217 220 210
12 208 201 194

Ujilah Apakah terdapat perbedaan yang signifikan terhadap rata-rata penjualan

di 3 daerah penjualan tersebut?

Aquarium Konsetrasi Air Limbah (%) Ikan yang mati (ekor)

1 20 5
2 25 6
3 35 4
4 40 6
5 25 4
6 20 4

15
 7 33 5
8 25 4
9 50 9
10 45 7
11 40 8
12 20 3
13 50 10
14 35 5
15 25 4
16 40 6
17 25 4
18 47 8
19 35 5
20 20 3
21 33 6
22 35 7
23 59 9
24 45 5
25 35 6
26 47 7
27 33 5
28 20 3
29 50 6
30 26 2

Uji apakah ada hubungan antara konsentrasi air limbah terhadap jumlah ikan
yang mati dengan α = 5%.

16
3.3 Metode Analisis Data

Variabel independen (independent variable) adalah tipe variabel yang

menjelaskan atau mempengaruhi variabel yang lain. Beberapa asumsi dasar uji
independent adalah sebagai brikut:

- Data yang diuji adalah data kuantitatif

- Data harus diuji normalitas dan hasilnya harus berdistribusi normal
- Data harus sejenis atau homogeny
- Uji dilakukan dengan jumlah data kurang dari 30 data

One way merupakan prosedur yang digunakan untuk menghasilkan analisis

variansi satu arah untuk variabel dependent dengan tipe data kuantitatif dengan
sebuah variabel independen sbagai variabel faktor.
Kegunaan one way anova analisis varian banyak dipergunakan pada
penelitian-penelitian yang banyak melibatkan pengujian komparatif yaitu menguji
variabel terikat dengan cara membandingkannya pada kelompok-kelompok sampel
independent yang diamati. Analisis varian saat ini banyak digunakan dalam
penelitian survey dan penelitian eksperimen.
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.
Two way ANOVA digunakan untuk menguji hipotesis komparatif rata-rata
k sampel bila peneliti melakukan kategorisasi terhadap sampel kedalam beberapa
blok, sehingga bila variabilitas atau sumber keragaman pada uji One Way ANOVA
berasal dari perlakuan dan galat, maka pada two way ANOVA sumber keragaman
tidak hanya berasal dari perlakuan dan galat, tapi juga berasal dari blok.
Anava Ganda dapat hanya mempunyai satu atau lebih variasi kolom,
maupun satu atau lebih variasi baris. Sehingga dapat diperoleh Anava Dua Jalan,
Anava Tiga Jalan, dan seterusnya (Arikunto, 1992: 285).

17
 Anava dua-jalur adalah analisis varian yang digunakan untuk menguji
hipotesis perbandingan lebih dari dua sampel dan setiap sampel terdiri atas dua jenis
atau lebih secara bersama-sama (Riduan, 2003:222).
Beberapa asumsi dasar yang mesti dipenuhi pada uji ANOVA adalah:
 Data sampel yang digunakan berdistribusi normal atau dianggap normal,
 Populasi tersebut memiliki varian yang homogen
 Sampel tidak berhubungan satu dengan lain (independen), sehingga uji
ANOVA tidak bisa digunakan untuk sampel berpasangan (paired).

18
 BAB IV

ANALISI & PEMBAHASAN

4.1 HASIL OUTPUT DAN ANALISIS (NOMOR 1)

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Pair 1 sebelum 102.84 25 65.458 13.092

sesudah 48.12 25 5.578 1.116

Untuk data sebelum proses koagulasi-flokulasi (NTU), nilai rata-ratanya adalah

102,84, dengan jumlah data sebanyal 25 dengan standar deviasi 65,458. Sementara
setelah proses koagulasi-flokulasi (NTU), nilai rata-ratanya adalah 48,12, dengan
jumlah data sebanyak 25 dengan standar deviasi sebesar 5,578.

Pada tabel diatas digunakan untuk mengetahui apakah ada perbedaan peningkatan
berat badan sebelum dan sesudah mengkonsumsi suplemen tersebut.

 Hipotesis (penduga masalah)

Hipotesis awal Ho = μ1 = μ2 (tidak ada perbedaan antara proses pengolahan
limbah sebelum dan sesudah koagulasi-flokulasi).
Hipotesis lanjut H1 = μ1 ≠ μ2 (ada perbedaan antara proses pengolahan
limbah sebelum dan sesudah koagulasi-flokulasi
 Signifikansi (peluang terjadinya kesalah data)
Α = 5%
 Statistic uji
Dari hasil output didapatkan nilai thitung adalah 4,112 dan nilai signifikansi
adalah 0.000.

 Daerah kritis
Jika signifikansi > 0.05 maka Ho tidak ditolak
Jika signifikansi < 0.05 maka Ho ditolak

19
  Kesimpulan
Karena nilai signifikansi 0.000 < 0.05, makan Ho ditolak, artinya ada
perbedaa antara proses pengolahan limbah sebelum dan sesudah koagulasi-
flokulasi.

4.2 HASIL OUTPUT DAN ANALISIS (NOMOR 2)

Dari hasil output diatas dapat kita ketahui untuk data yang data kota Bandung ada
10 yang valid. Begitu juga dengan kedua kota lainnya juga yang memiliki 10 data
yang valid. Untuk rata-rata penjualan dikota Bandung adalah 221.33 dengan standar
deviasi 14.680, rata-rata penjualan dikota Bogor adalah 176.58 dengan standar
deviasi 30.456, dan rata-rata penjualan dikota Jakarta adalah 192.08 dengan standar
deviasi 29.200.

Test of Homogeneity of Variances

omset

Levene Statistic df1 df2 Sig.

3.207 2 33 .053

Asumsikan dalan pengujian ANOVA ini adalah untuk varian kelompok data adalah
sama atau homogency. Kriteria pengujian varian kelompok dikatakan sama jika
signifikansi > 0.05 dan sebaliknya jika signifikansi < 0.05 maka variansi dikatakan
tidak sama. Dari hasil output diatas dapat kita lihat bahwa signifikansi > 0.05
(0.053>0.05). Maka kita dapat simpulkan bahwa varian kue rasa coklat, rasa
strowberi, rasa keju dan rasa kepala adalah sama.

20
 ANOVA

omset

Sum of Squares df Mean Square F Sig.

Between Groups 12393.500 2 6196.750 9.315 .001

Within Groups 21952.500 33 665.227

Total 34346.000 35
ANOVA adalah analisis untuk mengetahui apakah ada perbedaan besarnya
penjualan dari Kota Bandung, Kota Bogor dan Kota Jakarta.
 Hipotesis (penduga masalah)
Hipotesis awal Ho : μ1 = μ2 ( rata-rata penjualan diketiga kota tersebut sama)
Hipotesis awal H1 : μ1 ≠ μ2 ( rata-rata penjualan diketiga kota tersebut tidak
sama)
 Signifikansi (peluang terjadinya kesalahan data
α = 5%
 Statistik uji
Fhitung = 9.315
f tabel dengan df1 = 2 dan df2 = 33 dengan signifikansi 0.000
 Daerah kritis
- Jika f hitung > f tabel ,maka Ho ditolak
- Jika f hitung ≤ f tabel ,maka Ho tidak ditolak

(berdasarkan signifikansi)
- Jika signifikansi > 0.05 maka Ho tidak ditolak
- Jika signifikansi < 0.05 maka Ho ditolak
 Kesimpulan
Karena nilai signifikansi 0.000 < 0.05 maka Ho ditolak, artinya rata-rata
penjualan minuman kaleng merk A dikota Bandung, Kota Bogor dan Kota
Jakarta adalah berbeda.

21
Setelah diketahui ada perbedaan rata-rata penjualan diketiga kota tersebut dengan
tabel multiple comparions kita bisa mencari mana saja yang berdeda dan mana yang
tidak berbeda.

Jika kita lihat ada tanda (*) pada kolom mean difference maka itu berarti ada
perbedaan mean signifikansi. Pada hasil output diatas memperlihatkan semua
kualitas mutu dari keempat biskuit tersebut memiliki perbedaan kualitas mutu dari
biscuit tersebut

Pada bagian ini justru akan dicari bagian mana saja yang mempunyai perbedaan
rata-rata yang tak berbeda secara signifikan. Terlihat kota Bogor dan Jakarta dalam
satu subset yang berarti tidak berbeda secara nyata.

22
4.3 HASIL OUTPUT DAN ANALISIS (NOMOR 3)

Descriptive Statistics

Mean Std. Deviation N

ikan_mati 5.53 1.961 30

konsentrasi_air_limbah 34.60 11.028 30

Rata-rata jumlah ikan mati dalam setiap aquarium adalah 5.53 dengan standar
deviasi 1.961. rata-rata konsetrasi air limbah adalah 34.60 dengan standar deviasi
11.028.

Besar hubungan antara variabel jumlah ikan mati dengan konsetrasi air limbah
dengan koefisien korelasi adalah 0.825. Hal ini menunjukan bahwa jumlah ikan
mati dengan konsetrasi air limbah memiliki hubungan yang sangat erat dengan
hubungan positif. Semakin besar jumlah pengangguran maka semakin kecil jumlah
penduduk miskin yang terjaadi.
Tingkat signifikansi koefisen korelasi satu sisi dari output menghasilkan angka
0.000, karena probabilirasnya kecil dari 0.05, maka korelasi antara ikan mati dan
konsetrasi air limbah sangat nyata.

23
Tabel diatas menunjukkan variabel yang dimasukkan adalah konsetrasi air limbah
dan tidak ada variable yang dikeluarkan. Hal ini disebabkan metode yang dipakai
adalah single step (enter) dan bukan stepwise

Pada tabel Model Summary menunjukkan angka R square adalah 0681. adalah
pengkuadratan dari koefisien korelasi. R square bisa disebut koefisien determinasi,
yang berarti 68.1% dari jumlah ikan mati bisa dijelaskan oleh konsetrasi air limbah
dan sisanya dijelaskan oleh penyebab lain. Semakin kecil R square, maka semakin
lemah hubungan antara variabel keduanya.

Standard error of estimate adalah 1.127, pada analisis sebelumnya standard deviasi
jumlah ikan mati adalah 1.961, karena lebih kecil dari standar deviasi jumlah
konsetrasi air limbah, maka model regresi lebih bagus predictor atau peramal
jumlah ikan mati daripada menggunakan rata-rata.

Dari uji Anova atau F test, didapatkan nilat F hitung adalah 59.744 dengan
signifikansi 0.000. Karena probabilitynya 0.000 yang lebih kecil dari 0.05, maka
bisa dikatakan model regresi dapat digunakan sebagai alat prediksi jumlah ikan
mati.

24
Dari tabel diatas menggambarkan mengenai persamaan regresi sebagai berikut :
Y = 0.458 + 0.147X
Y = Ikan mati
X = konsetrasi air limbah

Koefisien regresi sebesar 0.147 menyatakan bahwa setiap penambahan satu 1

derajat maka jumlah ikan mati akan semakin meningkat sebesar 0.147, demikian
sebaliknya.

Uji t untuk menguji signifikansi konstanta dan variable dependent.

Dalam hal ini, akan diuji koefisien regresi dari variabel jumlah pengangguran

 Hipotesis (penduga masalah)

Hipotesis awal Ho = (koefisien regresi tidak signifikan).
Hipotesis lanjut H1 ≠ (koefisien regresi signifikan)

 Signifikansi
α = 5%
 Statistik uji
Dari hasil output didapatkan nilai thitung adalah 7.729 dan nilai signifikansi
adalah 0.000

 Daerah kritis (berdasarkan signifikansi)

- Jika signifikansi > 0.05 maka Ho tidak ditolak
- Jika signifikansi < 0.05 maka Ho ditolak

 Kesimpulan
Karena nilai signifikan 0.000 > 0.05, maka Ho ditolak artinya koefisiensi
regresi signifikan atau ikan mati benar-benar berpengaruh secara signifikan
terhadap konsentrasi air limbah.

25
Pada Tabel ini berjudul residual statistic, tabel ini membuat ringkasan yang berisi
nilai minimum, maximum, mean, dan standard deviasi dari nilai yang diprediksi.

Jika data berasal dari distribusi normal maka nilai-nilai sebaran datanya terletak
disekitar garis lurus dan dari gambar diatas sama sekali tidak terlihat bahwa sebaran
data terletak pada garis lurus tersebut. Maka bisa dikatakan bahwa persyaratan
normalitas tidak terpenuhi

26
Pada grafik scatterplot ini jika model layak dipakai untuk prediksi (fit), maka data
akan berpencar diangka nol (0 dalam sumbu y). dari chat diatas menunjukkan
terlihat sebaran data ada disekitar 0. Maka bisa dikatakan model memenuhi syarat
untuk memprediksi jumlah pengangguran

Jika model memenuhi syarat maka sebaran data akan berada mulai dari kiri bawah
lurus kearah kanan atas. Pada chat diatas terlihat sebaran data membentuk seperti
yang disyaratkan. Oleh karena itu model regresi layak dipergunakan.

27
 BAB V

PENUTUP

5.1 Kesimpulan
1. Dari data terdapat perbedaan hasil proses pengolahan limbah sebelum dan
sesudah proses koagulasi-flokulasi.
2. Diantara ketiga kota penjualan minuman kaleng merk A kota Bogor dan
Jakarta yang tidak memiliki perbedaan penjulan yang signifikan.
3. Data jumlah ikan mati dengan data konsetrasi air limbah sangat
mempengaruhijumlah ikan yang mati di tiap aquarium dan nilai korelasi
dari kedua variable tersebut bernilai 0.681 artinya 68.1% data tersebut
saling berhubungan.

5.2 Saran

Adapun Saran penulis untuk pembaca adalah Sebaiknya anda

mempertimbangkan dulu sebelum mengerjakan soal dan pahami dulu soal yang di
berikan itu apakah menggunkan uji independent, one way anova, atau two way
anova karena sering sekali terdapat kesalahan dalam menyelesaikan soal dalam hal
ini adalah menyelesaikan soal tidak sesuai dengan suruhan, dan selain itu harus
dapat membedakan yang mana yang termaksud variable yang mempengaruhi
variable lain atau sering disebut variable independent. Dan anda juga harus dapat
mengetahui soal yang anda kerjakan itu variable yang digunakan. Hal ini berguna
untuk mempermudah anda dalam menyelesaikan soal yang akan anda kerjakan

28
 DAFTAR PUSTAKA

Amudi Pasaribu, Dr, M.Sc., Ph.D, Pengantar Statistik, Jakarta: Ghalia

Indonesia,Cetakan keempat, 1981.

Anto, Dajan, Pengantar Metode Statistik Jilid I, Jakarta: LP3ES, Cetakan

kesebelas, 1986.

Bambang, Suryoatmojo, Statistika dan Probabilitas, Fakultas Teknik

Universitas Katolik Parahyangan, Bandung, 1997.

Ronald, E. Walpole, Pengantar Statistika, PT. Gramedia Pustaka Utama,

Jakarta, Edisi ke-3, 1992.

https://id.wikipedia.org/wiki/Statistika

http://trawas.web.id/Statistika/Analisis-Variansi-One-Way-Anova.pdf

29