LAPORAN STATISTIKA

Dosen Pengampu : Yanyan Dwiyanti, S.Si., M.Si

M. Lorenzo P.P 3334141333

Ikhsan Ekariadi 3334170003
Rindang Puspa Rini 3334170016
Azmi Aziz F 3334170031
Naufal Ibadurrahman 3334170032
Vini Hafidzatul H 3334170053
Fandy Setiawan 3334170062
M. Rival Nurdiana.R 3334170081

TEKNIK METALURGI

FAKULTAS TEKNIK

UNIVERSITAS SULTAN AGENG TIRTAYASA BANTEN

2019

STATISTIKA Page 1
1.1. Paired T-Test
1.1.1. Pengertian T-Test
Uji Paired Sample T Test adalah pengujian yang digunakan untuk
membandingkan selisih dua mean dari dua sampel yang berpasangan dengan asumsi
data berdistribusi normal. Sampel berpasangan berasal dari subjek yang sama, setiap
variabel diambil saat situasi dan keadaan yang berbeda. Uji ini juga disebut Uji T
berpasangan.

1.1.2. Prinsip Paired T-Test

Uji T berpasangan (paired T-Test) adalah salah satu metode pengujian
hipotesis dimana data yang digunakan tidak bebas (berpasangan). Uji T ini
membandingkan satu kumpulan pengukuran. Uji ini sering digunakan untuk
membandingkan skor “sebelum” dan sesudah percobaan untuk menentukan apakah
perubahan nyata telah terjadi.

1.1.3. Syarat Kelengkapan Data Paired T-Test

Ada beberapa syarat yang harus dipenuhi untuk menggunakan uji – t
berpasangan. Dalam hal ini uji komparasi antara dua nilai pengamatan berpasangan,
(paired) misalnya sebelum dan sesudah (Petest dan Postest) digunakan pada :

a. Satu sampel (setiap elemen ada 2 pengamatan)

b. Data kuantitatif (interval-rasio)
c. Berasal dari populasi yang berdistribusi normal (di populasi terdapat
distribusi deference = d yang berdistribusi normal dengan mean dan
variance.
1.1.4. Penentuan Hasil Uji Paired Sample T-Test
Uji Paired Sample T Test menunjukkan apakah sampel berpasangan
mengalami perubahan yang bermakna. Hasil uji Paired Sample T Test ditentukan oleh
nilai signifikansinya. Nilai ini kemudian menentukan keputusan yang diambil dalam
penelitian.

a. Nilai signifikansi (2-tailed) < 0.05 menunjukkan adanya perbedaan yang

signifikan antara variabel awal dengan variabel akhir. Ini menunjukkan

STATISTIKA Page 2
 terdapat pengaruh yang bermakna terhadap perbedaan perlakuan yang
diberikan pada masing-masing variabel.
b. Nilai signifikansi (2-tailed) >0.05 menunjukkan tidak terdapat perbedaan
yang signifikan antara variabel awal dengan variabel akhir. Ini
menunjukkan tidak terdapat pengaruh yang bermakna terhadap perbedaan
perlakukan yang diberikan pada masing-masing variabel
1.1.5. Contoh Uji Paired Sample T-Test

“Peningkatan Kekuatan Otot Kelompok Perlakuan dengan Pelatihan Angkat

Dumbell“.

A. Perhitungan Manual
Tabel Data :

No.Data X Y X-Y (X-Y)^2

1 23 27 -4 16
2 25 30 -5 25
3 22 27 -5 25
4 21 25 -4 16
5 26 32 -6 36
6 25 30 -5 25
7 26 33 -7 49
8 23 28 -5 25
9 27 32 -5 25
10 23 33 -10 100
11 28 29 -1 1
12 29 21 8 64
13 28 35 -7 49
14 27 32 -5 25
15 29 34 -5 25
-66 506

STATISTIKA Page 3
 Ho -> 𝜏Perhitungan = 𝜏tabel 𝛼 = 0,05

H1 -> 𝜏Perhitungan ≠ 𝜏tabel

∑D −66 −66 −66

𝜏= = = =
7590 − (4356)
𝑛 ∑ 𝐷 2 − (∑ 𝐷)2 (15x506) − (−66)2 √ √3234
√ √ (14) 14
(n − 1) (15 − 1)

𝜏 ℎ𝑖𝑡𝑢𝑛𝑔𝑎𝑛 = −4.34248

𝜏𝑡𝑎𝑏𝑒𝑙 = -2.145; maka 𝜏𝑡𝑎𝑏𝑒𝑙 > 𝜏 ℎ𝑖𝑡𝑢𝑛𝑔𝑎𝑛

Kesimpulan : Ho Ditolak

STATISTIKA Page 4
 B. Perhitungan SPSS

STATISTIKA Page 5
1.2. Two Way Analysis Of Variance
1.2.1. Pengertian Two Way Anova
Anova 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. Tujuan dari pengujian anova dua arah adalah untuk
mengetahui apakah ada pengaruh dari berbagai kriteria yang diuji terhadap hasil yang
diinginkan. Dengan menggunakan arah ini kita dapat membandingkan beberapa rata-
rata yang berasal dari beberapa kategori atau kelompok untuk satu variable perlakuan.
Bagaimanapun, keuntungan teknik analisis varian ini adalah memungkinkan untuk
memperluas analisis pada situasi dimana hal-hal yang sedang diukur dipengaruhi oleh
dua atau lebih variable. Anova ) arah ini digunakan bila sumber keragaman yang
terjadi tidak hanya karena satu faktor perlakuan. Faktor lain yang mungkin menjadi
sumber keragaman respon juga harus diperhatikan. Faktor lain ini bisa berupa
perlakuan lain yang sudah terkondisikan.

Adapun langkah langkah dalam analisis varians dua jalur adalah sebagai berikut:

Menghitung jumlah kuadrat total (JKT), jumlah kuadrat rerata (JKa), jumlah
kuadrat antar kelompok (JKA), dan jumlah kuadrat dalam kelompok (JKD). Untuk
menghitung masing masing harga JK digunakan rumus sebagai berikut.

a. Jumlah Kuadrat Total

𝑍
JKT = Σ ꭓ𝑇

b. Jumlah Kuadrat Rerata

(𝛴ꭓ𝑇)2
JKR =
Ƞ𝑇

c. Jumlah Kuadrat Total Direduksi/Dikoreksi

𝑍 𝑍 (𝛴ꭓ𝑇)2
JKTR = Σ ꭓ𝑇 = Σ ꭓ𝑇 -
Ƞ𝑇

STATISTIKA Page 6
 1.2.2. Contoh Soal
Untuk menentukan kestabilan vitamin C dalam sari air jeruk pekat beku dan
disimpan dalam lemari es selama waktu sampai seminggu, telah dilakukan penelitian
oleh jurusan Gizi dan Makanan di Virginia Politechnic Institute and State University
di tahun 1975. Tiga jenis sari air jeruk pekat beku diuji dalam tiga jangka waktu yang
berbeda. Jangka waktu menyatakan jumlah hari sejak air jeruk diperas sampai diuji.
Hasilnya (dalam mg asam askorbat per liter) tercatat sebagai berikut :

A. Perhitungan Manual

Merk Waktu(Hari)
0 3 7
Richfood 52,6 54,2 49,4 49,2 42,7 48,8
49,8 46,5 42,8 53,2 40,4 47,6
Scaled- 56,0 48,0 48,8 44,0 49,2 44,0
Sweet 49,6 48,4 44,0 42,4 42,0 43,2
Minute 52,5 52,0 48,0 47,0 48,5 43,3
Maid 51,8 53,6 48,2 49,6 45,2 47,6

Dit :

a. Apakah ada perbedaan dalam kadar asam askorbat diantara merk sari jeruk
yang berlainan?
b. Apakah tidak ada perbedaan kadar asam askorbat untuk jangka waktu
penyimpanan yang berlainan?
c. Apakah merk sari jeruk pekat dan jumlah hari sejak air jeruk diperas
sampai diuji tidak bereaksi ?

Dik : R = 3, C = 3, N = 4

Maka,

Merk Waktu Total

0 3 7
203,1 194,6 179,5 577,2

202 179,2 178,4 559,6

209,9 192,8 184,6 587,3

615 566,6 542,5 1724,1

STATISTIKA Page 7
 1724,1
JKT = 52,62 + 54,22 + ..... + 45,22 + 47,62 - = 83102,01 – 82570,02 = 531,9
36

577,2²+559,6²+587,3² 1724,1
JKR = - = 82602,77 – 82570,02 = 32,75
12 36

615²+566,6²+542,5² 1724,1
JKX = - = 82797,23 – 82570,02 = 227,21
12 36

203,1²+194,6²+⋯+184,6² 577,2²+559,6²+587,3² 615²+566,6²+542,5² 1724,1

JKY = - - + =
4 12 12 36

= 82847,31 – 82602,77 – 82797,23 + 82570,02

= 17,3

JKE = 531,99 – 32,75 – 227,21 – 17,33 = 254,70

Sumber Derajat Jumlah Kuadrat F hitung

Variasi Bebas Kuadrat (JK) Tengah (KT)
Baris (B) 2 32,75 16,375 F1 =1,736
Kolom (K) 2 227,21 113,605 F2=12,043
Interaksi (I) 4 17,33 4,333 F3= 0,459
Error (Galat) 27 254,70 9,433
Total 35 531,99
Kesimpulan :

a. Tidak ada perbedaan kadar asam askorbat diantara ketiga merk

b. Adanya pengaruh lama penyimpanan terhadap kadar asam askorbat
c. Tidak ada pengaruh interaksi antara merk dengan lama penyimpanan
terhadap kadar asam askorbat dalam sari air jeruk
B. Perhitungan SPSS

STATISTIKA Page 8
STATISTIKA Page 9
STATISTIKA Page 10
STATISTIKA Page 11
STATISTIKA Page 12
STATISTIKA Page 13
STATISTIKA Page 14
1.3. Multiple Correlation and Regretion
Korelasi ganda (multiple correlation) merupakan angka yang menunjukkan arah
dan kuatnya hubungan antara dua variabel independen secara bersama-sama atau lebih
dengan satu variabel dependen

1.3.1. Korelasi ganda

Korelasi ganda memiliki koefisien korelasi, yakni besar kecilnya hubungan antara
dua variabel yang dinyatakan dalam bilangan. Koefisien Korelasi disimbolkan dengan
huruf R. Besarnya Koefisien Korelasi adalah antara -1; 0; dan +1.

Besarnya korelasi -1 adalah negatif sempurna yakni terdapat hubungan di antara

dua variabel atau lebih namun arahnya terbalik, +1 adalah korelasi yang positif sempurna
(sangat kuat) yakni adanya sebuah hubungan di antara dua variabel atau lebih tersebut,
sedangkan koefisien korelasi 0 dianggap tidak terdapat hubungan antara dua variabel
atau lebih yang diuji sehingga dapat dikatakan tidak ada hubungan sama sekali.

Multiple Correlation :

1.3.2. Regresi berganda

Analisis regresi berganda dalam penelitian ini digunakan untuk menyatakan
hubungan fungsional antara variabel independen dan variabeldependen. Adapun
model regresi yang digunakan adalah bentuk fungsi linear yakni

Multiple Regretion :

Dimana :
Y = Profitabilitas (ROA)
X1 = Jumlah Kredit Yang Diberikan
X2 = Likuiditas (LDR)
a,b = Koefisien regresie = Standar eror/ Kesalahan pengganggu

STATISTIKA Page 15
 1.3.3. Contoh Soal
No Tinggi Badan (Cm) Berat Badan (Kg) Y
X
1 168 63
2 173 81
3 162 54
4 157 49
5 160 52
6 165 62
7 163 56
8 170 8
9 168 64
10 164 61

a. Tentukan nilai koefisien korelasi dan regresi

b. Apakah nilai koefisien signifikan atau tidak

A. Perhitungan Manual
No Xi Yi Xi2 Yi2 Xi.Yi
1 168 63 28224 3969 10584
2 173 81 29929 6561 14013
3 162 54 26244 2916 8748
4 157 49 24649 2401 7693
5 160 52 25600 2704 8320
6 165 62 27225 3844 10230
7 163 56 26569 3136 9128
8 170 78 28900 6084 13260
9 168 64 28224 4096 10752
10 164 61 26896 3721 10004
Jumlah 1650 620 272460 39432 102732

 X = Tinggi Badan
 Y = Berat Badan

Maka,
10(102732)−1650(620)
rxy =
√10(272460)−16502 √10(39432)−620²

1027320−1023000
rxy =
√(2724600)−2722500 √(394329)−384400

STATISTIKA Page 16
 4320
rxy =
√2100 √9920

4320
rxy = 45.82575695 (99.59919678)

4320
rxy = 4564.208584056

rxy = 0.9464948677

rxy = 0.95

Maka, terdapat hubungan korelasi yang sangat kuat antara tinggi badan
dengan berat badan, dengan arah positif.

Jika melakukan statistik uji dengan :

𝑟 √𝑛−2
t=
√1−𝑟²

0,9464948677√10−2
t=
√1−0,9464948677²

0,9464948677√8
t=
√1−0,9464948677²

0,9464948677(2.8284271247)
t=
√1−0,9464948677²

2.6770917571
t = 0.3227188644

t = 8.2954300241 ≈ t = 8.295

pada tabel dengan α = 0,05 (½) α = 0,025, dan df = n-2 , df = 10-2 = 8

maka, tx = 2,306

t = 8,295 > tx = 2,306 maka Ho ditolak

Kesimpulan : bahwa berat badan mempunyai pengaruh yang banyak

terhadap tinggi badan

STATISTIKA Page 17
 B. Perhitungan SPSS

STATISTIKA Page 18
STATISTIKA Page 19
STATISTIKA Page 20