Kelas A

LAPORAN PRAKTIKUM
ANALISIS REGRESI TERAPAN
Modul 1 : Statistika Deskriptif

Nomor Tanggal Tanda Tangan

Nama Praktikan Praktikan
Mahasiswa Kumpul
Syafira Irsalina 18611105

Tanggal Tanda tangan

Nama Penilai Nilai
Koreksi Asisten Dosen
Ghardapaty Ghaly Ghiffary
Halima Tusyakdiah
Mujiati Dwi Kartikasari,S.Si.,M.Sc.

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2019

i
Daftar Isi

Halaman sampul ....................................................................................................... i

Daftar Isi.................................................................................................................. ii
Daftar Tabel ........................................................................................................... iii
Daftar Gambar ........................................................................................................ iv
1 Pendahuluan .................................................................................................... 1
1.1 Statistika Deskriptif .................................................................................. 1
1.2 Ukuran dalam Statistika Deskriptif .......................................................... 1
1.2.1 Ukuran Penyebaran Data (Measures of Dispersion)......................... 1
1.2.2 Ukuran Pemusatan Data .................................................................... 2
1.2.3 Ukuran Letak Data ............................................................................ 2
1.3 Ukuran dalam Analisis Statistika Deskriptif
Menggunakan fungsi stat.desc.......................................................... 3
2 Deskripsi Kerja................................................................................................ 4
2.1 Studi Kasus ............................................................................................... 4
2.2 Langkah Kerja .......................................................................................... 4
3 Pembahasan ................................................................................................... 10
3.1 Analisis Statistika Deskriptif Pada Variabel Korban
Meninggal dan Kerugian Material pada Data Kecelakaan
Lalu Lintas Polres Banyumas Tahun 2016 ............................................. 10
3.1.1 Analisis Statistika Deskriptif Variabel Korban
Meninggal dan Kerugian Material menggunakan
syntax Summary ............................................................................. 10
3.1.2 Analisis Statistika Deskriptif Variabel Korban
Meninggal dan Kerugian Material menggunakan
syntax Summary ............................................................................. 12
4 Penutup.......................................................................................................... 17
4.1 Kesimpulan ............................................................................................. 17
5 Daftar Pustaka ............................................................................................... 19

ii
Daftar Tabel

Tabel 2.1. Data Kecelakaan Lalulintas Polres Banyumas Tahun 2016 .................. 4

iii
Daftar Gambar

Gambar 2.1. Tampilan Awal untuk Membuka Microsoft Excel............................ 5

Gambar 2.2. Tampilan Awal dari Microsoft Excel ................................................ 5
Gambar 2.3. Tampilan Meng-input data ke dalam Microsoft Excel ..................... 6
Gambar 2.4. Tampilan Menyimpan Dokumen pada Microsoft Excel ................... 6
Gambar 2.5. Tampilan Awal untuk Membuka R Studio ....................................... 7
Gambar 2.6. Tampilan Awal dari R Studio ........................................................... 7
Gambar 2.7. Tampilan syntax untuk Meng-import File ........................................ 8
Gambar 2.8. Tampilan untuk Membuka File dalam R Studio ............................... 8
Gambar 2.9. Tampilan syntax summary Statistika Deskriptif ........................... 9
Gambar 2.10. Tampilan syntax Statistika Deskriptif (stat.desc) ................... 9
Gambar 3.1. Tampilan Output dari Statistika Deskriptif Summary ................... 10
Gambar 3.2. Tampilan Output Summary Variabel Korban Meninggal ............. 11
Gambar 3.3. Tampilan Output Summary Variabel Kerugian Material .............. 11
Gambar 3.4. Tampilan Output Statiatika Deskriptif stat.desc ..................... 13

iv
1 Pendahuluan

1.1 Statistika Deskriptif

Menurut Ronald E.Walpole, statistika deskriptif merupakan metode-metode
yang juga berkaitan dengan pengumpulan dan penyajian suatu gugus data
sehingga dapat memberikan informasi yang berguna.
Statistika deskriptif merupakan metode yang sangat sederhana. Metode ini
hanya mendeskripsikan kondisi dari data yang sudah dimiliki dan menyajikannya
dalam bentuk tabel, diagram, grafik dan bentuk lainnya yang disajikan dalam
uraian-uraian singkat dan terbatas.
Statistika deskriptif memberikan informasi hanya mengenai data yang
dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun
tentang data tersebut.
(Hendra, 2017)

1.2 Ukuran dalam Statistika Deskriptif

1.2.1 Ukuran Penyebaran Data (Measures of Dispersion)

Dalam pengukuran statistika terdapat pula ukuran penyebaran data.
Ukuran penyebaran data merupakan ukuran yang menunjukkan seberapa jauh
data menyebar dari rata-ratanya. Terdapat ukuran penyebaran data yaitu
jangkauan (range), simpangan rata-rata, ragam (variasi) dan simpangan baku.
 Jangkauan (Range)
Jangkauan merupakan selisih data terbesar dan data terkecil atau nilai
maksimum dikurangi dengan nilai minimumnya.
 Simpangan Kuartil
Simpangan kuartil adalah setengah dari selisih kuartil ketiga dan kuartil
pertama.
 Simpangan Baku
Simpangan baku atau disebut juga standar deviasi yang merupakan akar
dari jumlah kuadrat deviasi dibagi dengan banyaknya data.
(Pelanjaran.co.id, 2016)

1
1.2.2 Ukuran Pemusatan Data
Ukuran pemusatan data merupakan salah satu pengukuran data dalam
statistika. Yang termasuk dalam ukuran pemusatan data adalah Rataan (Mean),
Median, dan Modus.
 Rataan (Mean)
Rataan atau mean adalah nilai yang diperoleh dari jumlah sekelompok data
dibagi dengan banyaknya data.
 Nilai Tengah (Median)
Median adalah nilai data yang terletak di tengah setelah data diurutkan.
Dengan demikian, median membagi data menjadi dua bagian sama besar.
 Modus
Modus adalah data yang paling sering muncul atau memiliki frekuensi
tertinggi.
(Min, Statistika - Ukuran Pemusatan Data : Meas, Median, Modus Rumus dan
Contoh Soal, 2016)

1.2.3 Ukuran Letak Data

Selain ukuran pemusatan data, ada juga ukuran letak data yang masih merupakan
salah satu pengukuran data dalam statistika. Pada ukuran letak data terdapat
kuartil, desil dan persentil. Untuk menentukan nilai ukuran letak data, data harus
diurutkan terlebih dahulu dari yang paling terkecil ke data yang paling tersbesar.
 Kuartil
Kuartil adalah nilai yang membagi suatu data terurut menjadi empat
bagian yang sama.
 Desil
Desil adalah nilai yang membagi suatu data menjadi sepuluh bagian yang
sama besar.
 Persentil
Persentil merupakan nilai yang membagi data menjadi seratus sama besar.
(Min, Statistika - Ukuran Letak Data : Kuartil, Desil, Persentil Penjelasan Rumus
dan Contoh Soal, 2016)

2
1.3 Ukuran dalam Analisis Statistika Deskriptif Menggunakan fungsi
stat.desc
 Fungsi nbr.val menunjukkan banyaknya data dalam suatu variabel.
 Fungsi nbr.null menunjukkan banyaknya data dalam suatu variabel
yang mempunyai nilai nol.
 Fungsi nbr.na menunjukkan banyaknya data dalam suatu variabel yang
tidak mempunyai nilai atau NA (not a number), yaitu tidak ada data yang
tidak mempunyai nilai
 Fungsi min menunjukkan banyaknya data minimum dalam suatu
variabel.
 Fungsi max menunjukkan banyaknya data maksimum dalam suatu
variabel.
 Fungsi range menunjukkan nilai maksimum dikurangi dengan nilai
minimum dalam suatu variabel.
 Fungsi sum menunjukkan jumlah data dalam suatu variabel.
 Fungsi 1st Qu menunjukkan nilai kuartil 1 dalam suatu variabel.
 Fungsi median menunjukkan nilai tengah dari suatu variabel.
 Fungsi 3st Qu menunjukkan nilai kuartil 3 dalam suatu variabel.
 Fungsi SE.mean menunjukkan standar eror mean dari suatu variabel.
 Fungsi CI.mean menunjukkan interval konfidensi 95% dari suatu
variabel.
 Fungsi var menunjukkan variansi dari suatu variabel.
 Fungsi std.dev menunjukkan standar deviasi dari suatu variabel.
 Fungsi coef.var menunjukkan ukuran variansi dari suatu variabel.
Selain itu koefisien variansi juga digunakan untuk membandingkan suatu
distribusi data yang mempunyai satuan yang berbeda. Besarnya koefisien
variansi akan berpengaruh terhadap kualitas sebaran data.

(Utari, 2019)

3
2 Deskripsi Kerja

2.1 Studi Kasus

Banyaknya kecelakaan lalu lintas yang terjadi di wilayah polres Banyumas
tahun 2016.
Tabel 2.1. Data Kecelakaan Lalulintas Polres Banyumas Tahun 2016
Bulan Korban Korban Kerugian Material
Meninggal Luka-luka (Rp)
Januari 26 125 56900000
Pebruari 16 88 55500000
Maret 16 77 37150000
April 22 76 37600000
Mei 26 92 40450000
Juni 23 103 62050000
Juli 30 103 101450000
Agustus 18 104 39100000
September 22 134 67950000
Oktober 14 83 35550000
Nopember 13 64 23000000
Desember 13 49 23350000
Sumber : https://data.go.id/dataset/banyaknya-kecelakaan-lalu-lintas-yang-terjadi-di-wilayah-
polres-banyumas-tahun-2016/resource/005e4d6e-bce9-4ca4-8242-fdc098740914
Lakukanlah analisis deskriptif untuk 2 variabel (NIM ganjil menggunakan
variabel korban mati dan kerugian materil, NIM genap menggunakan variabel
korban luka-luka dan kerugian materi).

2.2 Langkah Kerja

Dalam memulai menyelesaikan studi kasus yang telah diberika, maka
praktikan akan mengerjakannya dengan langkah-langkah pengerjaan sebagai
berikut ini :

4
1. Hal pertama yang akan dilakukan oleh praktikan adalah membuka
software Microsoft Excel untuk meng-input data Table 2.1. kedalam
Microsoft Excel dengan cara : Desktop > Double Click Icon Microsoft
Excel seperti berikut ini.

Gambar 2.1. Tampilan Awal untuk Membuka Microsoft Excel

2. Setelah icon Microsoft Excel di-double click, maka akan muncul
tampilan awal dari Microsoft Excel seperti berikut ini.

Gambar 2.2. Tampilan Awal dari Microsoft Excel

3. Lalu, praktikan meng-input data Tabel 2.1. kedalam Worksheet
Microsoft Excel seperti berikut ini.

5
 Gambar 2.3. Tampilan Meng-input data ke dalam Microsoft Excel
4. Kemudian, praktikan akan menyimpan dokumen Excel yang berisi data
Tabel 2.1. dengan cara : Click File > Click Save > maka akan muncul
jendela Save > Ketik File Name : Soal Laprak > Save as Type : CSV
(Comma Delimited) > Pilih File untuk Penyimpanan : New Volume
(E)~Semester 3~Praktikum ART~Laprak Syafira Irsalina > Click Save.
Seperti berikut ini.

Gambar 2.4. Tampilan Menyimpan Dokumen pada Microsoft Excel

5. Selanjutnya, praktikan akan beralih ke software R Studio untuk

melakukan proses analisis statistika deskriptif. Praktikan akan membuka

6
 software R Studio dengan cara : Desktop > Double Click pada Icon R
Studio. Seperti berikut ini.

Gambar 2.5. Tampilan Awal untuk Membuka R Studio

6. Maka akan muncul tampilan awal dari Jendela R Studio seperti berikut
ini.

Gambar 2.6. Tampilan Awal dari R Studio

7. Kemudian, praktikan akan melakukan impor data dari file Microsoft

Excel yang sebelumnya sudah di-input data didalamnya dengan
menuliskan syntax R Console : data = read.csv

7
 (file.choose(), header = TRUE, sep=”,”) dan untuk
menampilkan hasilnya dapat menggunakan nama dari variabel : data .
Seperti berikut ini.

Gambar 2.7. Tampilan syntax untuk Meng-import File

8. Ketika syntax tersebut di Run, maka akan muncul kotak dialog untuk
memilih file Microsoft Excel yang akan diimpor kedalam R Studio :
pilih file Microsoft Excel : Soal Laprak > All Files > Click Open.
Seperti berikut ini.

Gambar 2.8. Tampilan untuk Membuka File dalam R Studio

8
9. Lalu, praktikan akan melakukan ringkasan analisis statistika deskriptif
terhadap data dari variabel korban mati dengan menggunakan syntax :
summary(data[-1]). Syntax summary sendiri berfungsi untuk
menampilkan ringkasan statistika deskriptif. Untuk mendapatkan hasil /
output-nya maka praktikan akan melakukan Run pada syntax dengan
Ctrl + Enter. Seperti berikut ini.

Gambar 2.9. Tampilan syntax summary Statistika Deskriptif

10. Selanjutnya, untuk menampilkan ringkasan analisis statistika deskriptif

yang lebih lengkap dari masing-masing variabel yang ada didalam data,
praktikan akan menggunakan syntax : library(pastecs) dan
stat.dec(data[-1]) seperti berikut ini.

Gambar 2.10. Tampilan syntax Statistika Deskriptif (stat.desc)

9
3 Pembahasan

3.1 Analisis Statistika Deskriptif Pada Variabel Korban Meninggal dan

Kerugian Material pada Data Kecelakaan Lalu Lintas Polres
Banyumas Tahun 2016
Dalam melakukan Analisis Statistika Deskriptif terhadap Variabel Korban
Maeninggal dan Kerugian Material pada Data Kecelakaan Lalu Lintas Polres
Banyumas Tahun 2016, praktikan menggunakan dua cara yaitu dengan
menggunakan syntax summary (data[-1]) dan juga syntax
stat.desc(data[-1]).

3.1.1 Analisis Statistika Deskriptif Variabel Korban Meninggal dan

Kerugian Material menggunakan syntax Summary

Untuk melakukan analisis statistika deskriptif ini, praktikan menggunakan

syntax summary yang mana summary merupakan ringkasan statistika deskriptif
kumpulan data yang terdiri dari nilai Min, nilai 1st Qu, nilai Median, nilai Mean,
nilai 3rd Qu, dan nilai Max.

Gambar 3.1. Tampilan Output dari Statistika Deskriptif Summary

Disini praktikan akan meng-interpretasikan output dari hasil Analisis

Statistik Deskritpif untuk Variabel Korban Meninggal dan Variabel Kerugian
Materiil dengan menggunakan fungsi summary

10
 .

Gambar 3.2. Tampilan Output Summary Variabel Korban Meninggal

Untuk Interpretasi hasil dari Analisis Statistika Deskriptif untuk Variabel

Korban Meninggal adalah sebagai berikut :

 Nilai Min menunjukkan bahwa banyaknya data minimum dalam variabel

korban meninggal, yaitu sebesar 13.00.
 Nilai 1st Qu menunjukkan bahwa kuartil 1 dalam variabel korban
meninggal , yaitu sebesar 15.50.
 Nilai Median menunjukkan bahwa nilai tengah dalam variabel korban
meninggal, yaitu sebesar 20.00.
 Nilai Mean menunjukkan bahwa rata-rata dalam variabel korban
meninggal yaitu sebesar 19.92
 Nilai 3st Qu menunjukkan bahwa kuartil 3 dalam variabel korban
meninggal, yaitu sebesar 23.75.
 Nilai Max menunjukkan bahwa banyaknya data maksimum dalam variabel
korban meninggal, yaitu sebesar 30.00.

Gambar 3.3. Tampilan Output Summary Variabel Kerugian Material

11
 Untuk Interpretasi hasil dari Analisis Statistika Deskriptif untuk Variabel
Kerugian Maetrial adalah sebagai berikut :

 Nilai Min menunjukkan bahwa banyaknya data minimum dalam variabel

kerugian material, yaitu sebesar Rp.23.000.000
 Nilai 1st Qu menunjukkan bahwa kuartil 1 dalam variabel kerugian
material, yaitu sebesar Rp. 36.750.000
 Nilai Median menunjukkan bahwa nilai tengah dalam variabel kerugian
material, yaitu sebesar Rp. 39.775.000
 Nilai Mean menunjukkan bahwa rata-rata dalam variabel kerugian
material, yaitu sebesar Rp. 48.337.500
 Nilai 3st Qu menunjukkan bahwa kuartil 3 dalam variabel kerugian
material, yaitu sebesar Rp. 58.187.500
 Nilai Max menunjukkan bahwa banyaknya data maksimum dalam variabel
kerugian material, yaitu sebesar Rp. 101.450.000

3.1.2 Analisis Statistika Deskriptif Variabel Korban Meninggal dan

Kerugian Material menggunakan syntax Summary

Dalam melakukan analisis statistika deskriptif ini, praktikan menggunakan

syntax stat.desc yang mana stat.desc merupakan ringkasan secara lengkap
statistika deskriptif dari kumpulan data yang terdiri dari nilai nbr.val, nilai
nbr.null, nilai nbr.na, nilai Min, nilai Max, nilai Range data, nilai Sum
data, nilai Median, nilai Mean, nilai SE Mean, nilai CI.Mean.0,95, nilai
var (variansi), nilai std.dev (standar deviasi) dan nilai coef.var (koefisien
variansi).

12
 Gambar 3.4. Tampilan Output Statiatika Deskriptif stat.desc

Disini praktikan akan meng-interpretasikan output dari hasil Analisis

Statistik Deskritpif untuk Variabel Korban Meninggal dan Kerugian Material
secara lebih lengkap dengan menggunakan fungsi stat.desc.

Untuk Interpretasi hasil dari Analisis Statistika Deskriptif untuk Variabel

Korban Meninggal adalah sebagai berikut :

 nbr.val menunjukkan bahwa banyaknya data dalam variabel korban

meninggal yang mempunyai nilai, yaitu sebanyak 12.
 nbr.null menunjukkan bahwa banyaknya data dalam variabel korban
meninggal yang mempunyai nilai nol, yaitu 0 atau tidak ada data yang
bernilai nol.

13
 nbr.na menunjukkan bahwa banyaknya data dalam variabel korban
meninggal yang tidak mempunyai nilai atau NA (not a number) yaitu 0
atau tidak ada data yang tidak mempunyai nilai.
 min menunjukkan banyaknya data minimum dalam variabel korban
meninggal, yaitu sebesar 13.
 max menunjukkan banyaknya data maksimum dalam variabel korban
meninggal, yaitu sebesar 30.
 range menunjukkan nilai maksimum dikurangi dengan nilai minimum
dalam variabel korban meninggal, yaitu sebesar 17. Range untuk variabel
korban meninggal sangat besar, hal ini menunjukkan bahwa variasi data
dari korban meninggal sangat beragam.
 sum menunjukkan jumlah data dalam variabel korban meninggal, yaitu
sebesar 239.
 median menunjukkan median atau nilai tengah dalam variabel korban
meninggal, yaitu sebesar 20.
 mean menunjukkan rata-rata jumlah korban meninggal, yaitu sebesar
19,9166667.
 SE.mean menunjukkan standar eror dari variabel korban meninggal,
yaitu sebesar 1,6489590.
 CI.mean.0.95 menunjukkan interval konfidensi 95% dari variabel
korban meninggal, yaitu sebesar 3,6293342.
 var menunjukkan variansi dari variabel korban meninggal, yaitu sebesar
32,6287879.
 std.dev menunjukkan standar deviasi dari variabel korban meninggal,
yaitu sebesar 5,7121614. Semakin besar standar deviasi maka
menunjukkan data semakin bervariasi sehingga untuk data dalam variabel
korban meninggal kurang bervariasi karena nilai standar deviasinya cukup
kecil.
 coef.var menunjukkan ukuran variansi dari variabel korban meninggal,
yaitu sebesar 0,2868031. Koefisien variansi digunakan untuk

14
 membandingkan suatu distribusi data yang mempunyai satuan yang
berbeda. Besarnya koefisien variansi akan berpengaruh terhadap kualitas
sebaran data. Jika koefisien variansi semakin kecil maka datanya semakin
homogen, dan jika koefisien varainsi semakin besar maka datanya
semakin heterogen. Sehingga untuk data dalam variabel korban meninggal
ini memiliki jenis data yang cenderung heterogen.

Untuk Interpretasi hasil dari Analisis Statistika Deskriptif untuk Variabel

Kerugian Material adalah sebagai berikut :

 nbr.val menunjukkan bahwa banyaknya data dalam variabel kerugian

material yang mempunyai nilai, yaitu sebanyak 12.
 nbr.null menunjukkan bahwa banyaknya data dalam variabel kerugian
material yang mempunyai nilai nol, yaitu 0 atau tidak ada data yang
bernilai nol.
 nbr.na menunjukkan bahwa banyaknya data dalam variabel kerugian
material yang tidak mempunyai nilai atau NA (not a number) yaitu 0 atau
tidak ada data yang tidak mempunyai nilai.
 min menunjukkan banyaknya data minimum dalam variabel kerugian
material, yaitu sebesar Rp. 23.000.000.
 max menunjukkan banyaknya data maksimum dalam variabel kerugian
material, yaitu sebesar Rp. 10.145.000.
 range menunjukkan nilai maksimum dikurangi dengan nilai minimum
dalam variabel kerugian material, yaitu sebesar Rp. 78.450.000. Range

15
 untuk variabel kerugian material sangat besar, hal ini menunjukkan bahwa
variasi data dari kerugian material sangat beragam.
 sum menunjukkan jumlah data dalam variabel kerugian material, yaitu
sebesar Rp. 580.050.000.
 median menunjukkan median atau nilai tengah dalam variabel kerugian
material, yaitu sebesar Rp. 39.775.000.
 mean menunjukkan rata-rata jumlah dari kerugian material, yaitu sebesar
Rp. 48337500.
 SE.mean menunjukkan standar eror dari variabel kerugian material, yaitu
sebesar Rp. 6.358.078.
 CI.mean.0.95 menunjukkan interval konfidensi 95% dari variabel
kerugian material, yaitu sebesar Rp. 13.994.040.
 var menunjukkan variansi dari variabel kerugian material, yaitu sebesar
Rp. 485.101.900.000.000.
 std.dev menunjukkan standar deviasi dari variabel kerugian material,
yaitu sebesar Rp. 22.025.030. Semakin besar standar deviasi maka
menunjukkan data semakin bervariasi sehingga untuk data dalam variabel
kerugian material sangat bervariasi karena nilai standar deviasinya sangat
besar.
 coef.var menunjukkan ukuran variansi dari variabel kerugian material,
yaitu sebesar 0,4556510. Koefisien variansi digunakan untuk
membandingkan suatu distribusi data yang mempunyai satuan yang
berbeda. Besarnya koefisien variansi akan berpengaruh terhadap kualitas
sebaran data. Jika koefisien variansi semakin kecil maka datanya semakin
homogen, dan jika koefisien varainsi semakin besar maka datanya
semakin heterogen. Sehingga untuk data dalam variabel kerugian material
ini memiliki jenis data yang cenderung heterogen.

16
4 Penutup

4.1 Kesimpulan
Berdasarkan uraian pada pembahasan, untuk statistika deskriptif variabel
korban meninggal dapat diambil kesimpulan bahwa :
1. Nilai nbr.val dari variabel korban meninggal = 12
2. Nilai nbr.null dari variabel korban meninggal = 0
3. Nilai nbr.na dari variabel korban meninggal = 0
4. Nilai min dari variabel korban meninggal = 13
5. Nilai max dari variabel korban meninggal = 30
6. Nilai range dari variabel korban meninggal = 17
7. Nilai sum dari variabel korban meninggal = 239
8. Nilai 1st Qu dari variabel korban meninggal = 15,50
9. Nilai median dari variabel korban meninggal = 20
10. Nilai 3rd Qu dari variabel korban meninggal = 23,75
11. Nilai mean dari variabel korban meninggal = 19,92
12. Nilai SE.Mean dari variabel korban meninggal = 1,6489590.
13. Nilai CI.Mean dari variabel korban meninggal = 3,6293342
14. Nilai var dari variabel korban meninggal = 32,6287879
15. Nilai std.dev dari variabel korban meninggal = 5.7121614
16. Nilai coef.var dari variabel korban meninggal = 0,2868031
Sementara hasil Analisis statistika deskriptif untuk variabel kerugian
material dapat diambil kesimpulan bahwa :
1. Nilai nbr.val dari variabel kerugian material = 12.
2. Nilai nbr.null dari variabel kerugian material = 0.
3. Nilai nbr.na dari variabel kerugian material = 0.
4. Nilai min dari variabel kerugian material = Rp. 23.000.000.
5. Nilai max dari variabel kerugian material = Rp. 10.145.000.
6. Nilai range dari variabel kerugian material = Rp. 78.450.000.
7. Nilai sum dari variabel kerugian material = Rp. 580.050.000.

17
8. Nilai 1st Qu dari variabel kerugian material = Rp. 36.750.000.
9. Nilai median dari variabel kerugian material = Rp. 39.775.000.
10. Nilai 3rd Qu dari variabel kerugian material = Rp. 58.187.500.
11. Nilai mean dari variabel kerugian material = Rp. 48.337.500.
12. Nilai SE.Mean dari variabel kerugian material = Rp. 6.358.078.
13. Nilai CI.Mean dari variabel kerugian material = Rp. 13.994.040.
14. Nilai var dari variabel kerugian material = Rp. 485.101.900.000.000
15. Nilai std.dev dari variabel kerugian material = Rp. 22.025.030.
16. Nilai coef.var dari variabel kerugian material = 0, 4556510

18
5 Daftar Pustaka

Hendra. (2017, April 29). Pengertian Statistik Deskriptif dan Statistik Inferensia.
Retrieved Oktober 1, 2019, from STATMAT.ID (Statistika &
Matematika): https://statmat.id/pengertian-statistik-deskriptif-dan-statistik-
inferensia/
Min, M. (2016, May 13). Statistika - Ukuran Letak Data : Kuartil, Desil,
Persentil Penjelasan Rumus dan Contoh Soal. Retrieved Oktober 1, 2019,
from Pelajaran.co.id: https://www.pelajaran.co.id/2016/13/ukuran-letak-
data-kuartil-desil-persentil-penjelasan-rumus-dan-contoh-soal.html
Min, M. (2016, May 12). Statistika - Ukuran Pemusatan Data : Meas, Median,
Modus Rumus dan Contoh Soal. Retrieved Oktober 1, 2019, from
Pelajaran.co.id: https://www.pelajaran.co.id/2016/12/ukuran-pemusatan-
data-mean-median-modus-rumus-dan-contoh-soal.html
Pelanjaran.co.id, T. (2016, May 14). Statistika - Ukuran Penyebaran Data :
Rumus dan Contoh Soal . Retrieved Oktober 1, 2019, from Pelajaran.co.id:
https://www.pelajaran.co.id/2016/14/statistika-ukuran-penyebaran-data-
rumus-dan-contoh-soal-jangkauan-simpangan-ragam.html
Utari, D. T. (2019). Modul Praktikum Analisis Regresi Terapan Dengan R.
Yogyakarta: Universitas Islam Indonesia.

19