PENDAHULUAN
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.
1
1.2. Rumusan Masalah
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?
1.4. 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
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.
3
2.2 Pengertian Dispersi 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.
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.
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.
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.
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:
7
Menghitung nisbah atau rasio F dengan rumus yaitu:
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
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)
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
11
22 57 59
23 55 50
24 69 50
25 87 50
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
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%)
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
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
Pada tabel diatas digunakan untuk mengetahui apakah ada perbedaan peningkatan
berat badan sebelum dan sesudah mengkonsumsi suplemen tersebut.
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.
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.
omset
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
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
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
Dalam hal ini, akan diuji koefisien regresi dari variabel jumlah pengangguran
Signifikansi
α = 5%
Statistik uji
Dari hasil output didapatkan nilai thitung adalah 7.729 dan nilai signifikansi
adalah 0.000
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
28
DAFTAR PUSTAKA
kesebelas, 1986.
https://id.wikipedia.org/wiki/Statistika
http://trawas.web.id/Statistika/Analisis-Variansi-One-Way-Anova.pdf
29