LAPORAN AKHIR PRAKTIKUM

STATISTIKA INDUSTRI

Disusun Oleh :

Kelompok : 6 (Enam)
Nama / NPM : Ardityas Budi Adji / 31418019
Bagas Dwi Saputra / 31418320
Bima Sandy Eza Putra / 33418432
Fricylia Rosalita Siahaan / 32418822
Pratama Tangguh Ramadhan / 35418587
Rafian Bagas / 35418765
Hari / Shift : Rabu/ II (Dua)
Modul : Korelasi
Nilai :
Paraf Asisten :

LABORATORIUM TEKNIK INDUSTRI DASAR

JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS GUNADARMA
BEKASI
2019
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Dalam Perusahaan terbagi menjadi dua bidang yaitu perusahaan barang dan
jasa. Dan dalam perusahaan itu sendiri pastinya memiliki system keuntungan
tersendiri untuk barang/jasa yang diproduksinya, Oleh sebab itu perusahaan
melakukan pengamatan mengenai ada atau tidaknya pengaruh dari beberapa faktor
terhadap penjualannya. Mengenai hal tersebut perusahaan dapat mempergunakan
modul anova dua arah.
Anova dua arah merupakan metode untuk mengetahui apakah ada pengaruh
dari berbagai kriteria yang diuji terhadap hasil yang diinginkan. Anova dua arah
dibagi dua yaitu anova tanpa interaksi yang merupakan pengujian hipotesis beda
tiga rata-rata atau lebih dengan dua faktor yang berpengaruh dan interaksi antara
kedua faktor tersebut ditiadakan dan anova dua arah dengan interaksi yang
merupakan pengujian beda tiga rata-rata atau lebih dengan dua faktor yang
berpengaruh dan pengaruh interaksi antara kedua faktor tersebut diperhitungkan.
Anova dua arah dapat diaplikasikan dalam studikasus berikut merupakan
pengaplikasian dalam sebuah perusahaan PT Walls.
Perusahaan PT Walls yang bergerak dalam bidang produksi barang
Konsumsi yaitu Ice Cream ingin mengetahui apakah ada pengaruh dari

1.2 Tujuan Masalah

Perumusan masalah merupakan urutan-urutan yang dilakukan sebelum
melakukan penelitian. Perumusan bertujuan untuk mengetahui bagaimana
pengaruh faktor tipe meja belajar dan warna meja belajar dapat mempengaruhi
penjualan, serta mengetahui bagaimana pengaruh faktor jenis kayu meja belajar dan
ukuran meja belajar dan bagaimana terjadinya interaksi antara faktor jenis kayu
meja belajar dan ukuran meja belajar terhadap penjualan.
1.3 Tujuan Penulisan
Penulisan laporan akhir kali ini akan mencari tujuan dari modul anova dua
arah. Berikut ini merupakan tujuan penulisan dari modul anova dua arah.
1. Mengetahui ada atau tidaknya pengaruh dari tiupe meja belajar terhadap
penjualan meja belajar selama satu minggu.
2. Mengetahui ada atau tidaknya pengaruh dari warna meja belajar terhadap
penjualan meja belajar selama satu minggu.
3. Mengetahui ada atau tidaknya pengaruh dari jenis kayu meja belajar
terhadap penjualan selama empat minggu.
4. Mengetahui ada ada tidaknya pengaruh dari ukuran meja belajar terhadap
penjualan selama empat minggu.
5. Mengetahui ada tidaknya interaksi antara jenis kayu meja belajar dengan
ukuran meja belajar terhadap penjualan selama empat minggu.
6.

BAB II
PEMBAHASAN DAN ANALISIS
2.1 Studi Kasus
Perusahaan CV. Ellegant yang bergerak dalam bidang produksi Furniture
seperti penjualan meja belajar,kursi,lemari ingin mengevaluasi banyaknya
permintaan dalam pembuatan produksi Furniture selama 30 minggu belakangan ini.
Berdasarkan sekian banyak faktor yang mempengaruhi banyaknya permintaan,
perusahaan tersebut mengganggap tenaga kerja dan waktu kerja sebagai faktor
yang paling berpengaruh dalam banyaknya jumlah permintaan oleh konsumen.
Perusahaan ingin mengetahui hubungan antara faktor-faktor tersebut dengan
banyaknya permintaan. Berikut ini merupakan data perusahaan meliputi banyaknya
permintaan, tenaga kerja dan waktu kerja selama 30 minggu terakhir.
Tabel 3.1 Data Perusahaan Ellegant
No Banyaknya Produk No Banyaknya Produk
Operator Operator
Permintaan Reject permintaan Reject
(Orang) (Orang)
(Pack) (Unit) (Unit) (Unit)
1 35 43 39 16 60 30 60
2 46 45 45 17 56 55 54
3 55 63 65 18 70 60 79
4 63 55 78 19 72 56 65
5 70 68 65 20 95 96 96
6 65 55 57 21 56 51 49
7 58 56 46 22 78 70 68
8 50 52 51 23 62 55 54
9 48 56 39 24 67 47 48
10 67 73 74 25 65 63 61
11 77 68 65 26 72 60 63
12 85 88 84 27 62 43 58
13 60 53 52 28 55 30 85
14 78 82 85 29 66 54 58
15 53 36 63 30 56 50 48

Hitunglah:
1. Koefisien korelasi pearson dan determinasi antara variabel
a. Banyaknya Permintaan (Y) dengan tenaga kerja ( X 1 )

b. Banyaknya Permintaan (Y) dengan waktu kerja ( X 2 )

c. Tenaga kerja ( X 1 ) dengan waktu kerja ( X 2 ).

2 Koefisien korelasi berganda dan determinasi ( ry12 ).

3. Koefisien korelasi parsial dan determinasi dengan variabel X 2 konstan.

2.2 Pengolahan Data
Pengolahan data terbagi menjadi dua perhitungan. Perhitungan tersebut
yaitu perhitungan manual dan pengolahan software. Berikut adalah penjabaran dari
perhitungan manual dan pengolahan software di bawah ini.
2.2.1 Perhitungan Manual
 Perhitungan manual dilakukan dengan menggunakan alat bantu kalkulator,
menggunakan rumus-rumus yang telah ditentukan. Perhitungan manual diperlukan
ketelitian pada saat memasukan angka dan membaca hasil perhitungan manual.
Perhitungan manual laporan akhir ini akan dijabarkan dibawah ini.

Tabel 3.2 Hasil Perhitungan Data CV. Suzuka

No Y X1 X2 Y2 X12 X 22 X1Y X2Y X1X2
1 35 43 39 1225 1849 1521 1505 1365 1677
2 46 45 45 2116 2025 2025 2070 2070 2025
3 55 63 65 3025 3969 4225 3465 3575 4095
4 63 55 78 3969 3025 6084 3465 4914 4290
5 70 68 65 4900 4624 4225 4760 4550 4420
6 65 55 57 4225 3025 3249 3575 3705 3135
7 58 56 46 3364 3136 2116 3248 2668 2576
8 50 52 51 2500 2704 2601 2600 2550 2652
9 48 56 39 2304 3136 1521 2688 1872 2184
10 67 73 74 4489 5329 5476 4891 4958 5402
11 77 68 65 5929 4624 4225 5236 5005 4420
12 85 88 84 7225 7744 7056 7480 7140 7392
13 60 53 52 3600 2809 2704 3180 3120 2756
14 78 82 85 6084 6724 7225 6396 6630 6970
15 53 36 63 2809 1296 3969 1908 3339 2268
16 60 30 60 3600 900 3600 1800 3600 1800
17 56 55 54 3136 3025 2916 3080 3024 2970
18 70 60 79 4900 3600 6241 4200 5530 4740
Tabel 3.2 Hasil Perhitungan Data CV. Suzuka (Lanjutan)
No Y X1 X2 Y2 X12 X 22 X1Y X2Y X1X2
19 72 56 65 5184 3136 4225
4680 4032
3640
20 95 96 96 9025 9216 9216
9120 9120
9216
21 56 51 49 3136 2601 2401
2744 2856
2499
22 78 70 68 6084 4900 4624
5304 5460
4760
23 62 55 54 3844 3025 2916
3348 3410
2970
24 67 47 48 4489 2209 2304
3216 3149
2256
25 65 63 61 4225 3969 3721
3965 4095
3843
26 72 60 63 5184 3600 3969
4536 4320
3780
27 62 43 58 3844 1849 3364
3596 2666
2494
28 55 30 85 3025 900 7225
4675 1650
2550
29 66 54 58 4356 2916 3364
3828 3564
3132
30 56 50 48 3136 2500 2304
2688 2800
2400
∑ 1902 1713 1854 124932 104365 120612 112669 121315 109312

1. Koefisien korelasi pearson dan determinasi antara variabel

a. Koefisien korelasi dan determinasi dari tenaga kerja (X1) terhadap banyaknya
permintaan (Y).
Jawab:
(n . ∑ X1 Y) - ( ∑ X1 ∑ Y)
rY1 =
√[n . ∑ X1 2 - (∑ X1 )2 ] . [n . ∑ Y2 - (∑ Y)2 ]

(30 . 112669) – (1713 . 1902)

rY1 =
√[30 . 104365 - (1713)2 ] . [30 . 124932 - (1902)2 ]

121944
rY1 =
√(196581) (130356)

rY1 = 0,7617
RY12 = rY12 x 100%
RY12 = 0.76172 x 100% = 58,01%

b. Koefisien korelasi dan determinasi dari jumlah produksi (Y) dengan waktu kerja (X2)
Jawab:
(𝑛 . ∑ 𝑋2 𝑌) − (∑ 𝑋2 ∑ 𝑌)
𝑟𝑌2 =
√[𝑛 . ∑ 𝑋2 2 − (∑ 𝑋2 )2 ]. [𝑛 . ∑ 𝑌 2 − (∑ 𝑌)2 ]

(30 . 121315) – (1854 . 1902 )

rY2 =
√[30 . 120612 – (1854)2 ].[30 . 124932 – (1902)2 ]

113142
rY2 =
√(181044) (130356)
rY2 = 0.7364
RY22 = rY22 x 100%
RY22 = 0.73642 x 100% = 73,64%

c. Koefisien korelasi dan determinasi dari tenaga kerja (X1) terhadap waktu kerja (X2).
Jawab:
n . ∑ X1 X2 - ∑ X1 ∑ X2
r12 =
√[n . ∑ X1 2 - (∑ X1 )2 ].[n . ∑ X2 2 - (∑ X2 )2 ]
 (30 . 109312) – (1713 . 1854)
r12 =
√[30 . 104365 – (1713)2 ].[30 . 120612 - (1854)2 ]

103458
r12 =
√(196581) (181044)
r12 = 0.5484
R122 = r122 x 100%
R122 = 0.54842 x 100% = 54,84%

2.Koefisien korelasi berganda dan determinan

Jawab:

ry1  ry 2  2ry1  ry 2  r12

2 2

R y.12 
1  r12
2

0,9115 2  0,788 2  2  0,9115  0,788  0,7057

R y.12 
1  0,7057 2

0,831  0,621  1,823  0,788  0,7057

R y.12 
1  0,498

1,452  1,014
R y .12 
0,502

R y .12  0,934

Ry.12 = ry12x 100%

R122 = 0,9342 x 100% = 87,24%

3.Koefisien korelasi parsial dari tenaga kerja (X1) terhadap jumlah produksi (Y) ,jika

waktu kerja (X2) konstan.

Jawab:

rY1 - (rY2 )(r12 )

rY1.2 =
√[1-(rY2 )2 ][1-(r12 )2 ]
 0.9115-(0.7888)(0,7057)
rY1.2 =
√[1-0.78882 ][1-0.70572 ]

0.3554
rY1.2 =
√(0.37779456)(0.50198751)
0.34372176
rY1.2 = = 0.8151
0,436
KPPY12 = rY122 x 100%
KPPY12 = 0.81512 x 100% = 66,43%

3.2.2 Pengolahan Software

Perhitungan software dilakukan dengan menggunakan aplikasi SPSS 16.0.
Perhitungan software dikatakan lebih praktis karena tidak memerlukan waktu yang lama
dalam melakukan perhitungan. Perhitungan software pada modul korelasi akan
dijabarkan dibawah ini.
Langkah awal setelah membuka jendela apliaksi SPSS 16.0 yaitu memilih
varNiable view lalu memasukan variabel jumlah produksi pada kolom name pertama,
variabel tenaga kerja pada kolom name kedua, dan variabel waktu kerja pada kolom name
ketiga. Berikut ini adalah tampilan gambarnya.

Gambar 3.1 Variable View Korelasi

Gambar di bawah ini merupakan langkah selanjutnya yaitu memasukkan variabel
jumlah produksi (Y), tenaga kerja (X1), dan waktu kerja (X2) dengan cara kembali ke data
view dan kemudian masukkan 30 data pengamatan sebagai data perhitungan, terdapat
tiga kolom kosong yaitu, jumlah produksi, tenaga kerja dan waktu kerja lalu mengisi kolom
sesuai dengan data pengamatan yang diperoleh perusahaan. Berikut ini adalah tampilan
gambarnya.
 Gambar 3.2 Data Perusahaan Suzuka
Langkah selanjutnya adalah mencari nilai korelasi antara ketiga variabel yang
ditentukan dengan cara memilih analyze pada menu, kemudian pilih correlate dan pilih
bivariate. Berikut ini adalah penjelasan gambarnya.

Gambar 3.3 Proses Correlate Bivariate

Langkah selanjutnya akan muncul kotak dialog bivariate correlations dan terdapat
dua kolom di sebelah kiri berisi ketiga variabel yaitu, jumlah produksi, tenaga kerja, serta
waktu kerja dan kolom variables di sebelah kanan. Selanjutnya mencari korelasi antara
variabel jumlah produksi dengan tenaga kerja dengan cara pada kotak dialog bivariate
correlations yang dipindahkan pada kolom variables di sebelah kanan adalah variabel
jumlah produksi dan tenaga kerja kemudian klik ok, maka muncul output nilai korelasinya.
Berikut ini adalah penjelasan gambarnya.
 Gambar 3.4 Memindahkan Variabel Jumlah Produksi dan Tenaga Kerja
Gambar di bawah ini merupakan output pada perhitungan korelasi. Output
correlation menunjukan besar korelasi antara jumlah produksi dan tenaga kerja yang
dikeluarkan CV.Suzuka dalam produksi meja belajar.

Gambar 3.5 Output Correlations Jumlah Produksi dan Tenaga Kerja

Langkah selanjutnya yaitu mencari korelasi antara variabel Jumlah produksi (Y)
dengan waktu kerja (X1) dengan cara seperti sebelumnya, tetapi pada kotak dialog
bivariate correlations yang dipindahkan pada kolom variables di sebelah kanan adalah
variabel waktu kerja dan jumlah produksi kemudian klik ok, maka muncul output nilai
korelasinya. Berikut ini adalah penjelasan gambarnya.
 Gambar 3.6 Memindahkan Jumlah Produksi dan Waktu Kerja
Gambar di bawah ini merupakan output kedua pada perhitungan korelasi. Output
correlation menunjukan besar korelasi antara jumlah produksi dengan waktu kerja yang
dihasilkan dalam produksi meja belajar.

Gambar 3.7 Output Correlations Jumlah Produksi dan Waktu Kerja

Langkah selanjutnya pindahkan variabel tenaga kerja dan waktu kerja pada kolom
variables di sebelah kanan untuk menghitung keeratan hubungan diantara kedua variabel
tersebut. Klik ok apabila telah selesai memindahkan kedua variabel tersebut dan akan
muncul output dari perhitungan kedua variabel tersebut. Berikut ini adalah tampilan
gambarnya.

Gambar 3.8 Memindahkan Variabel Tenaga Kerja dan Waktu Kerja

Gambar di bawah ini merupakan output ketiga pada perhitungan korelasi. Output
correlation menunjukan besar korelasi antara tenaga kerja dengan waktu kerja yang
dihasilkan dalam produksi meja belajar.
 Gambar 3.9 Output Correlations Tenaga Kerja dan Waktu Kerja
Langkah selanjutnya adalah mencari nilai korelasi parsial dengan cara kembali ke
data view, lalu klik analyze pada menu, klik correlate, kemudian klik partial berikut ini
adalah tampilan gambarnya.

Gambar 3.10 Proses Correlate Partial

Terdapat pilihan dua buah kolom yang akan diisi yaitu kolom variable dan kolom
controlling for. Langkah selanjutnya penyusun memindahkan variabel jumlah produksi
dan tenaga kerja pada kolom variables dan variabel waktu kerja pada kolom controlling
for, setelah itu beri tanda checklsit pada two tailed dan display actual significance lalu
memilih Options dan beri tanda checklist pada Zero-order correlations data yang
dimasukkan telah selesai, maka output perhitungan parsial akan muncul. Berikut ini
adalah penjealsan gambarnya.

Gambar 3.11 Memindahkan Variabel Parsial Jumlah Produksi dan Tenaga Kerja
Gambar di bawah ini merupakan output terakhir pada perhitungan korelasi
parsial. Output correlation menunjukan besar korelasi parsial antara dua vriabel X dengan
satu variabel Y yang dianggap sebagai variabel kontrol, dimana variabel yang dianggap
sebagai variabel kontrol adalah waktu kerja.
 Gambar 3.12 Output Partial Correlations Variabel Kontrol Waktu Kerja

3.3. Analisis

Modul korelasi mempunyai 3 macam analisis, yaitu analisis perhitungan manual,

analisis pengolahan software, dan analisis perbandingan. Berikut ini akan dijabarkan
macam-macam analisis tersebut.

3.3.1 Analisis Perhitungan Manual

Perhitungan manual merupakan salah satu cara mengolah data dengan cara
menggunakan rumus-rumus yang telah diketahui sebelumnya. Berdasarkan pada studi
kasus mengenai suatu perusahaan yang ingin mengetahui pengaruh atau hubungan
antara jumlah produksi (Y) dengan tenaga kerja (X1) dan waktu kerja (X2) yaitu dengan
cara mencari nilai korelasi antar variabel tersebut.
Perhitungan pertama menunjukan nilai yang diperoleh untuk koefisien korelasi
antara variabel tenaga kerja (X1) dan jumlah produksi (Y) adalah sebesar 0,9115
menunjukan bahwa keeratan hubungan antara kedua variabel tersebut sangat kuat atau
sangat tinggi, sedangkan nilai koefisien determinasi sebesar 83,08% menunjukan bahwa
tenaga kerja (X1) mempengaruhi jumlah produksi (Y) sebesar 83,08% dan sisanya sebesar
16,92% jumlah produksi (Y) dipengaruhi oleh variabel lain selain tenaga kerja (X1).
Perhitungan kedua menunjukan nilai yang diperoleh untuk koefisien korelasi antara
variabel waktu kerja (X2) dan jumlah produksi (Y) adalah sebesar 0,7888 menunjukan
bahwa keeratan hubungan antara kedua variabel tersebut kuat atau tinggi, sedangkan
nilai koefisien determinasi sebesar 62,09% menunjukan bahwa waktu kerja (X2)
mempengaruhi jumlah produksi (Y) sebesar 62,09% dan sisanya sebesar 37,91% jumlah
produksi (Y) dipengaruhi oleh variabel lain selain waktu kerja (X2). Perhitungan ketiga
menunjukan nilai yang diperoleh untuk koefisien korelasi antara variabel tenaga kerja (X1)
dan waktu kerja (X2) adalah sebesar 0,7057 menunjukan bahwa keeratan hubungan
antara kedua variabel tersebut tinggi atau kuat, sedangkan nilai koefisien determinasi
sebesar 49,80% menunjukan bahwa tenaga kerja (X1) mempengaruhi waktu kerja (X2)
sebesar 49,80% dan sisanya sebesar 50,2% produksi dipengaruhi oleh variabel lain selain
waktu kerja.
Perhitungan keempat adalah perhitungan korelasi berganda. Berdasarkan hasil
perhitungan manual maka didapat nilai korelasi yaitu 0,934 menunjukan bahwa memiliki
keeratan hubungan yang sangat kuat, sedangkan nilai koefisien determinasi yaitu sebesar
87,24%, menunjukan bahwa faktor yang mempengaruhi keeratan hubungan tersebut
sebesar 87,24% dan sedangkan sisanya 12,76% dipengaruhi oleh variabel lain.
Perhitungan keempat adalah perhitungan korelasi parsial dengan waktu kerja (X2)
konstan. Berdasarkan hasil perhitungan manual maka didapat nilai korelasinya sebesar
0,815, nilai ini menunjukan bahwa memiliki hubungan yang kuat atau tinggi, sedangkan
nilai koefisien determinasi yaitu sebesar 66,43% menunjukan bahwa faktor yang
mempengaruhi keeratan hubungan tersebut sebesar 66,43% sedangkan sisanya 33,57%
dipengaruhi oleh variabel lain.

3.3.2 Analisis Pengolahan Software

Analisis pengolahan software merupakan suatu perhitungan untuk mencari nilai
korelasi. Software yang digunakan untuk mencari nilai korelasi adalah SPSS 16.0. Berikut
ini merupakan output dari software SPSS 16.0.
Output pertama hasil korelasi antara jumlah produksi dengan tenaga kerja
berdasarkan gambar 3.5 Output Correlations Jumlah Produksi dan Tenaga Kerja
menunjukan hasil nilai 1 pada jumlah produksi yang berarti korelasi antara jumlah
produksi (Y) dengan jumlah produksi (Y) memiliki korelasi sempurna karena dalam satu
variabel. Nilai koefisien korelasi antara jumlah produksi (Y) dengan tenaga kerja (X1)
sebesar 0,912 yang menunjukan bahwa keeratan hubungan antara 2 variabel tersebut
sangat kuat. Sedangkan nilai sig.(2-tailed) menunjukan hasil 0,000 menunjukan bahwa H1
diterima, dikarenakan nilai sig.(2-tailed) lebih kecil sama dengan 0,05 yang menandakan
adanya hubungan yang signifikan antara variabel jumlah produksi (Y) dan tenaga kerja
(X1).Nilai N merupakan banyaknya data yang di input ke software sebanyak 30 data.
Output kedua hasil korelasi antara jumlah produksi dengan waktu kerja
berdasarkan gambar 3.7 Output Correlations Jumlah Produksi dan Waktu Kerja
menunjukan hasil nilai 1 pada jumlah produksi yang berarti korelasi antara jumlah
produksi (Y) dengan jumlah produksi (Y) memiliki korelasi sempurna karena dalam satu
variabel. Nilai koefisien korelasi antara jumlah produksi (Y) dengan waktu kerja (X2)
sebesar 0,789 yang menunjukan bahwa keeratan hubungan antara 2 variabel tersebut
kuat atau tinggi. Nilai sig.(2-tailed) menunjukan hasil 0,000 menunjukan bahwa H1
diterima, dikarenakan nilai sig.(2-tailed) lebih kecil sama dengan 0,05 yang menandakan
adanya hubungan yang signifikan antara variabel jumlah produksi (Y) dan waktu kerja (X2).
Nilai N merupakan banyaknya data yang di input ke software sebanyak 30 data.
Output ketiga hasil korelasi antara tenaga kerja (X1) dengan tenaga kerja (X1)
berdasarkan gambar 3.9 Output Correlations Tenaga Kerja dan Waktu Kerja menunjukan
hasil nilai 1 pada tenaga kerja yang berarti korelasi antara tenaga kerja (X1) dengan tenaga
kerja(X1) memiliki korelasi sempurna karena dalam satu variabel. Nilai koefisien korelasi
antara tenaga kerja (X1) dengan waktu kerja (X2) sebesar 0,706 yang menunjukan bahwa
keeratan hubungan antara 2 variabel tersebut kuat. Nilai sig.(2-tailed) menunjukan hasil
0,000 menunjukan bahwa H1 diterima, dikarenakan nilai sig.(2-tailed) lebih kecil sama
dengan 0,05 yang menandakan adanya hubungan yang signifikan antara variabel tenaga
kerja (X1) dan waktu kerja (X2). Nilai N merupakan banyaknya data yang di input ke
software sebanyak 30 data.
Output keempat hasil korelasi parsial antara jumlah produksi (Y) dengan waktu
kerja (X2) yang konstan berdasarkan gambar 3.12 Output Partial Correlations Variabel
Kontrol Waktu Kerja menunjukan hasil nilai 1 pada jumlah produksi yang berarti korelasi
antara jumlah produksi (Y) dengan jumlah produksi (Y) memiliki korelasi sempurna karena
dalam satu variabel. Nilai koefisien korelasi antara jumlah produksi (Y) dengan waktu kerja
(X2) yang konstan sebesar 0,815 yang menunjukan bahwa keeratan hubungan antara 2
variabel sangat kuat. Sedangkan nilai significance (2-tailed) menunjukan hasil 0,000
menunjukan bahwa H1 diterima, dikarenakan nilai significance (2-tailed) lebih kecil sama
dengan 0,05 yang menandakan adanya hubungan yang signifikan antara variabel jumlah
produksi (Y) dengan tenaga kerja (X1). Nilaidf atau degree of freedom atau derajat bebas
total adalah n-1, dimana n adalah banyak nya data sebesar 30 maka derajat bebas nya
adalah 29. Derajat bebas korelasi ada 2 karena ada dua variabel bebas ( tenaga kerja dan
waktu kerja ). Derajat bebas untuk residual adalah sisanya yaitu derajat bebas total –
derajat bebas korelasi ( 29 – 2 = 27 ).

3.3.3 Analisis Perbandingan

Analisis perbandingan yang pertama adalah membandingkan koefisien korelasi
pearson (ry1) yaitu antara variabel jumlah produksi (Y) dengan tenaga kerja (X1). Hasil
koefisien korelasi pearson pada perhitungan manual adalah sebesar 0,9115 sedangkan
pada perhitungan software yaitu sebesar 0,912. Dapat dilihat bahwa kedua hasil
perhitungan menunjukan hasil tidak jauh berbeda dikarenakan teknik pembulatan pada
perhitungan tersebut namun memiliki korelasi yang sangat kuat atau sangat tinggi.
Analisis perbandingan yang kedua adalah membandingkan koefisien korelasi
pearson (ry2) yaitu antara variabel jumlah produksi (Y) dengan waktu kerja (X2). Hasil
koefisien korelasi pearson pada perhitungan manual adalah sebesar 0,788 sedangkan
pada perhitungan software yaitu sebesar 0,789. Dapat dilihat bahwa kedua hasil
perhitungan menunjukan hasil tidak jauh berbeda dikarenakan teknik pembulatan pada
perhitungan tersebut namun memiliki korelasi yang kuat atau tinggi.
Analisis perbandingan yang ketiga adalah membandingkan koefisien korelasi
pearson ( r12 ) yaitu antara variabel tenaga kerja (X1) dengan waktu kerja (X2).Hasil

koefisien korelasi pearson pada perhitungan manual adalah sebesar 0,7057 sedangkan
pada perhitungan software yaitu sebesar 0,706. Dapat dilihat bahwa kedua hasil
perhitungan menunjukan hasil tidak jauh berbeda dikarenakan teknik pembulatan pada
perhitungan tersebut namun memiliki korelasi yang kuat atau tinggi.
Analisis perbandingan yang keempat adalah membandingkan koefisien korelasi
parsial (ry.12) yaitu hubungan antara variabel nilai korelasi jumlah produksi (Y) dengan
tenaga kerja (X1)., dan waktu kerja (X2) sebagai variabel terikat atau variabel kontrol . Hasil
dari perhitungan manual menunjukan hasil koefisien korelasi parsial (ry.12) sebesar 0,8151
sedangkan hasil dari perhitungan software menunjukan hasil sebesar 0,815, sehingga
dapat dikatakan hasilnya adalah sama dan memiliki korelasi yang kuat atau tinggi.
 B

AB IV
PENUTUP

4.1 Kesimpulan
Kesimpulan merupakan jawaban dari tujuan penulisan yang telah dibuat
sebelumnya. Kesimpulan dibuat berdasarkan berbagai proses yang telah dilakukan
dalam pengolahan data yang dilakukan secara manual ataupun software serta
analisis data yang telah dibuat sebelumnya. Berikut penjabaran dari kesimpulan
modul korelasi.
1. Koefisien korelasi pearson dan determinasi antara variabel
 a. Koefisien korelasi pearson dan determinasi ( r y1 ) untuk variabel jumlah

produksi (Y) dengan tenaga kerja ( X 1 ) yaitu sebesar 0,9115, dan nilai
determinasinya yaitu 83,08%.
b. Koefisien korelasi pearson dan determinasi ( ry 2 ) untuk variabel jumlah

produksi (Y) dengan waktu kerja ( X 2 ) yaitu sebesar 0,7888, dan nilai
determinasinya yaitu 62,09%.
c. Koefisien korelasi pearson dan determinasi ( r12 ) untuk variabel tenaga

kerja ( X 1 ) dengan waktu kerja ( X 2 ) yaitu sebesar 0,7057, dan nilai

determinasinya yaitu 49,80%.
2. Koefisien korelasi berganda dan determinasi ( ry12 ) yaitu sebesar 0,934, dan

nilai determinasinya yaitu 87,24%

3. Koefisien korelasi parsial dan determinasi dengan variabel X 2 konstan
yaitu sebesar 0,8151, dan nilai determinasinya yaitu 66,43%

4.2 Saran

Perusahaan CV. Suzuka dapat mengevaluasi jumlah produksi pembuatan

meja belajar yang bermerek suzuka selama 30 minggu, sehingga akan mengurangi
kesalahan produksi meja belajar terhadap tenaga kerja dan waktu kerja, sehingga
penjualan meja belajar terhadap konsumen CV. Suzuka dapat terus meningkat
setiap tahunnya.