4.1. Korelasi
Pembahasan pada modul korelasi terdapat metode-metode untuk
menyelesaikan studi kasus. Studi kasus untuk modul korelasi yaitu mengenai
Hotel Anggrek yang ingin mengetahui pengaruh antara banyaknya promosi dan
harga kamar hotel terhadap jumlah kamar yang disewa. Metode penyelesaian
untuk studi kasus tersebut dengan perhitungan manual dan perhitungan software.
Analisis perhitungan terdiri dari analisis manual, software, dan perbandingan
manual dengan software. Berikut ini adalah studi kasus modul korelasi.
IV-1
IV-2
banyaknya kamar yang disewa, dan banyaknya promosi dengan harga kamar
tipe deluxe pada Hotel Anggrek.
2. Koefisien korelasi ganda dan koefisien determinasi ganda antara banyaknya
promosi dan harga kamar penginapan dengan banyaknya kamar yang disewa
di Hotel Anggrek.
3. Koefisien korelasi parsial antara harga kamar dengan banyaknya kamar yang
disewa bila banyaknya promosi tetap pada Hotel Anggrek.
Jenis korelasinya adalah korelasi positif dan kuat, artinya hubungan antara
banyaknya promosi dengan banyaknya kamar yang disewa bersifat positif.
Koefisien determinasi antara banyaknya promosi (X1) dengan banyaknya
kamar yang disewa (Y).
ry.12 = ry.12 x 100%
= (0,8075)2 x 100%
= 65,2056%
IV-5
744800
=
762923,4824
= 0,9762
Jenis korelasinya adalah korelasi negatif dan sangat kuat, artinya hubungan
antara harga kamar penginapan dengan banyaknya kamar yang disewa
bersifat negatif.
Koefisien determinasi antara harga kamar penginapan (X2) dengan
banyaknya kamar yang disewa (Y).
ry.22 = ry.22 x 100%
= ( 0,9762 )2 x 100%
= 95,2966%
Pengaruh harga kamar terhadap meningkat atau menurunnya jumlah kamar
yang disewa adalah 95,2966% sisanya 4,7034% disebabkan oleh faktor
lain seperti lokasi hotel.
c. Koefisien korelasi antara banyaknya promosi (X1) dengan harga kamar
penginapan (X2).
n X1X 2 - X1 . X 2
r1.2 =
(n X 1 - ( X 1 ) 2 ) (n X 2 - ( X 2 ) 2 )
2 2
994000
=
1197441,439
= 0,8301
Jenis korelasinya adalah korelasi negatif dan kuat, artinya hubungan antara
banyaknya promosi dengan harga kamar penginapan bersifat negatif.
Koefisien determinasi antara banyaknya promosi (X1) dengan harga kamar
penginapan (X2).
r1.22 = r1.22 x 100%
= ( 0,8301 )2 x 100%
= 68,9066%
Pengaruh banyaknya promosi terhadap mahal atau murahnya harga kamar
adalah sebesar 68,9066% sisanya 31,0934% disebabkan oleh faktor lain
seperti pelayanan.
2. Menentukan koefisien korelasi berganda antara banyaknya promosi (X1) dan
harga kamar penginapan (X2) dengan banyaknya kamar yang disewa (Y).
Ry.1.2 =
1 r1.2
2
0,2963
=
0,3109
= 0,9762
Artinya, keeratan hubungan antara variabel bebas yaitu banyaknya promosi
dan harga kamar sangat berpengaruh terhadap meningkat atau menurunnya
variabel terikat yaitu banyaknya kamar yang disewa.
Koefisien determinasi ganda antara banyaknya promosi (X1) dan harga kamar
penginapan (X2) dengan banyaknya kamar yang disewa (Y).
Ry.1.22 = Ry.1.2 x 100%
= (0,9762)2 x 100%
= 95,2966%
IV-7
2. Memasukkan data klik data view. Variabel yang digunakan adalah variabel
jumlah iklan, variabel harga kamar hotel dan variabel jumlah kamar yang
dipesan sebanyak 30 data.
10. Gambar 4.10 berikut ini, menggunakan cara yang kemudian memilih atau
memberi checklist pada kolom zero-order correlation pilih continue.
4.1.4. Analisis
Berdasarkan hasil perhitungan manual dan software di atas, dapat
menganalisis keduanya dan membandingkan antara perhitungan manual dengan
perhitungan software. Berikut ini penjelasan maksud dari angka-angka yang
didapatkan dari hasil perhitungan manual dan software.
antara banyaknya promosi (X1) dengan banyaknya kamar yang disewa (Y) adalah
sebesar 0,8075. Hal ini berarti jenis korelasinya adalah korelasi positif dan kuat,
artinya hubungan antara banyaknya promosi dengan banyaknya kamar yang
disewa bersifat positif. Jika banyaknya promosi bertambah maka banyaknya
kamar yang disewa akan meningkat dan sebaliknya. Koefisien korelasi antara
harga kamar penginapan (X2) dengan banyaknya kamar yang disewa (Y) adalah
sebesar 0,9762 . Hal ini berarti jenis korelasinya adalah korelasi negatif dan
sangat kuat, artinya hubungan antara harga kamar penginapan dengan banyaknya
kamar yang disewa bersifat negatif. Jika harga kamar penginapan mahal maka
kamar yang disewa relatif sedikit. Apabila harga kamar penginapan murah maka
kamar yang disewa banyak. Koefisien korelasi antara banyaknya promosi (X1)
dengan harga kamar penginapan (X2) adalah sebesar 0,8301 . Hal ini berarti
jenis korelasinya adalah korelasi negatif dan kuat, artinya hubungan antara
banyaknya promosi dengan harga kamar penginapan bersifat negatif. Jika
banyaknya promosi meningkat maka harga kamar penginapan cenderung menurun
dan sebaliknya.
Koefisien determinasi antara banyaknya promosi (X1) dengan banyaknya
kamar yang disewa (Y) sebesar 65,2056% berarti sumbangan atau pengaruh
banyaknya promosi terhadap meningkat atau menurunnya jumlah kamar yang
disewa adalah 65,2056% sisanya 34,7944% disebabkan oleh faktor lain. Koefisien
determinasi antara harga kamar penginapan (X2) dengan banyaknya kamar yang
disewa (Y) sebesar 95,2966% berarti pengaruh harga kamar terhadap meningkat
atau menurunnya jumlah kamar yang disewa adalah 95,2966% sisanya 4,7034%
disebabkan oleh faktor lain. Hal ini berarti harga kamar lebih berpengaruh
daripada banyaknya promosi yang dilakukan oleh Hotel Anggrek terhadap
meningkat atau menurunnya jumlah kamar yang disewa. Koefisien determinasi
antara banyaknya promosi (X1) dengan harga kamar penginapan (X2) sebesar
68,9066% berarti pengaruh banyaknya promosi terhadap mahal atau murahnya
harga kamar adalah sebesar 68,9066% sisanya 31,0934% disebabkan oleh faktor
lain. Maksud dari faktor lain tersebut bisa seperti pelayanan, sarana dan prasarana,
konsumsi, dan lain-lain.
IV-13
Koefisien korelasi ganda antara banyaknya promosi (X1) dan harga kamar
penginapan (X2) dengan banyaknya kamar yang disewa (Y) sebesar 0,9762 berarti
keeratan hubungan antara variabel bebas yaitu banyaknya promosi dan harga
kamar sangat berpengaruh terhadap meningkat atau menurunnya variabel terikat
yaitu banyaknya kamar yang disewa. Koefisien determinasi ganda antara
banyaknya promosi (X1) dan harga kamar penginapan (X2) dengan banyaknya
kamar yang disewa (Y) sebesar 95,2966% berarti pengaruh banyaknya promosi
dan harga kamar terhadap meningkat atau menurunnya banyak kamar yang
disewa adalah 95,2966% sisanya 4,7034% disebabkan oleh faktor selain
banyaknya promosi dan harga kamar seperti fasilitas hotel, pelayanan, dan
konsumsi.
Koefisien korelasi parsial antara harga kamar (X2) dengan banyaknya
kamar yang disewa (Y) bila banyaknya promosi (X1) dianggap tetap adalah
sebesar 0,9303 . Koefisien korelasi parsial ini merupakan nilai korelasi murni
yang terlepas dari pengaruh variabel lainnya yaitu banyaknya promosi karena
variabel tersebut konstan. Banyaknya promosi dianggap tetap karena dipengaruhi
oleh keterbatasan biaya untuk melakukan promosi. Sehingga setiap minggunya
promosi yang dilakukan jumlahnya sama.
adalah korelasi positif dan kuat. Sehingga apabila banyaknya promosi meningkat,
maka jumlah kamar yang disewa akan meningkat pula. Dan apabila banyaknya
promosi menurun, maka jumlah kamar yang disewa akan menurun pula.
Koefisien korelasi parsial antara harga kamar (X2) dengan banyaknya
kamar yang disewa (Y) bila banyaknya promosi (X1) dianggap tetap adalah
sebesar 0,930 . Koefisien korelasi parsial ini merupakan nilai korelasi murni
yang terlepas dari pengaruh variabel lainnya yaitu banyaknya promosi karena
variabel tersebut konstan. Karena significant (2-tailed) pada korelasi parsial
tersebut, 0,000 lebih kecil daripada 0,05 maka koefisien korelasi parsial tersebut
dapat diterima. Derajat bebas pada korelasi parsial tersebut adalah 27.
4.2. Regresi
Pembahasan pada modul regresi terdapat metode-metode untuk
menyelesaikan studi kasus. Studi kasus untuk modul regresi yaitu mengenai UKM
Empat Sekawan yang ingin meramalkan jumlah produksi tempe dengan prediktor
jumlah pekerja. Metode penyelesaian untuk studi kasus tersebut dengan
perhitungan manual dan perhitungan software. Analisis perhitungan terdiri dari
analisis manual, software, dan perbandingan manual dengan software. Berikut ini
adalah studi kasus modul regresi.
50601
b
4529
b = 11,1726
Langkah selanjutnya yaitu menghitung nilai intersep (a). Menghitung a
dengan rumus:
a Y bX
Y
Y 5019 167,3
n 30
X
X 431 14,3667
n 30
Maka
a 167,3 (11,1726 14,3667)
a 6,7866
Memasukkan nilai intersep (a) dan slop (b) ke dalam persamaan regresi:
Y a bX
Y 6,7866 11,1726X
Jadi, persamaan regresi antara jumlah pekerja (X1) terhadap banyaknya
produksi (Y) adalah Y = 6,7866 + 11,1726. Artinya setiap jumlah pekerja
ditambah 1 maka jumlah produksi akan bertambah sebanyak 17,9592 ≈ 18.
2. Jika jumlah pekerja 20 orang, maka jumlah produksi tempe yaitu:
Y = 6,7866 + 11,1726
Y 6,7866 (11,1726 20)
Y 230,2386
Jadi, jika jumlah pekerja yang bekerja pada PT. Empat Sekawan sebanyak 30
orang, kemungkinan akan memproduksi 230,2386 ≈ 230 pack tempe.
IV-19
4.2.4. Analisis
Berdasarkan hasil perhitungan manual dan software di atas, dapat
menganalisis keduanya dan membandingkan antara perhitungan manual dengan
perhitungan software. Berikut ini penjelasan maksud dari angka-angka yang
didapatkan dari hasil perhitungan manual dan software.
0,000 lebih kecil daripada 0,05 mempunyai arti H0 ditolak berarti ada pengaruh
antara banyaknya pekerja dengan jumlah produksi.
Analisis pada casewise diagnostics yaitu standard residual menunjukkan
penyimpangan dari residual. Residual sendiri merupakan selisih dari nilai yang
diramalkan dengan nilai hasil peramalan. Semua nilai std.residual dari masing-
masing data memiliki nilai yang lebih kecil dibandingkan dengan nilai residual.
Hal ini menunjukkan semua data baik dan layak digunakan untuk peramalan.
Nilai positif menunjukkan nilai peramalan lebih kecil sedangkan nilai negatif
menunjukkan nilai peramalan lebih besar daripada nilai yang diramalkan.
Berdasarkan output residual statisticsa ,nilai peramalan untuk tingkat produksi
terkecil adalah 129,69 sedangkan untuk tingkat produksi terbesar adalah 219,67.
Rata-rata nilai peramalan adalah 167,30 dengan standar deviasi sebesar 25,492.
Standar nilai permalan terkecil adalah sebesar -1,476 dan terbesar adalah 2,031.
Nilai adjust predicted value terkecil adalah sebesar 6,9375 dan terbesar adalah
sebesar 217,16. Selisih untuk nilai banyaknya produksi dengan nilai
peramalannya terkecil adalah -1,44290 dan terbesar adalah 5,68649.
Analisis pada diagram normal P-P of regression standardized residual
semakin mendekati titik 0 maka ramalan semakin mendekati nilai kenyataan. Data
yang dibawah garis regresi linear memiliki selisih residual yang negatif
sedangkan yang diatas memiliki selisih residual yang positif. Pada diagram
scatterplot regression studentized deleted (press) residual dan diagram scatterplot
regression standart predicted value koordinat kota yang mendekati nilai nol
semakin bagus digunakan untu peramalan.
yaitu 6,7866 dan nilai slop sebesar 11,1726. Sehingga persamaan regresi liniernya
adalah Y = 6,7866 + 11,1726X. Perhitungan software nilai intersep yaitu 6,786
dan nilai slop sebesar 11,173. Sehingga persamaan regresi liniernya adalah Y =
6,786 + 11,173X.
4.3. Chi-Square
Pembahasan modul uji chi-square terdapat metode-metode untuk
penyelesaian studi kasus. Studi kasus modul chi-square yaitu tentang uji kebaikan
suai dan uji kebebasan. Studi kasus tersebut diselesaikan dengan dua metode yaitu
perhitungan manual dan perhitungan software. Analisis terdiri dari analisis
perhitungan manual, software, dan perbandingan manual dengan software.
Berikut ini adalah studi kasus dari modul chi-square.
2. Uji Kebebasan
Sebuah badan distributor film impor ingin mengetahui selera masyarakat
terhadap beberapa jenis film di Jakarta, Bandung, Surabaya, Makassar, dan
Medan dengan kuisioner. Hal tersebut untuk mengetahui apakah ada
keterkaitan selera jenis film impor pada masing-masing kota. Suatu sampel
diambil dengan mengisi kuisioner oleh setiap pengunjung bioskop yang
membeli tiket. Kuisioner yang diberikan mengenai jenis film impor mana
yang disukai. Banyaknya sampel yaitu 180 orang di Medan, 300 orang di
Jakarta, 230 orang di Surabaya, 220 orang di Makassar, dan 260 orang di
Bandung. Banyaknya sampel pada setiap kota berbeda-beda, hal ini karena
disesuaikan dengan jumlah bioskop yang tersedia di masing-masing kota.
Hasil kuisioner diperoleh sebagai berikut
Tabel 4.7 Data Kuisioner Masyarakat
Jenis Film Medan Jakarta Surabaya Makassar Bandung Jumlah
Drama 60 100 80 50 60 350
Western 30 30 30 20 40 150
Dokumenter 30 40 50 10 40 170
Komedi 40 70 40 60 50 260
IV-29
X
X 5019 167 ,3
n 30
Contoh perhitungan nilai uji statistik χ2 adalah
fe 167 ,3
IV-30
2. Uji kebebasan
Perhitungan manual untuk uji kebebasan digunakan untuk mengetahui
apakah perbedaan yang diamati dari beberapa proporsi sampel cukup besar
atau tidak ada perbedaan sama sekali. Berikut ini adalah perhitungan untuk
uji kebaikan suai.
a. Menentukan formulasi hipotesis:
H0: Banyaknya jenis film impor yang disukai masyarakat bersifat saling
bebas pada 5 kota.
Ha: Banyaknya jenis film impor yang disukai masyarakat bersifat tidak
saling bebas pada 5 kota.
b. Menentukan nilai χ2tabel dari derajat bebas dan taraf nyata.
α = 5% = 0,05
d.f. = (5 – 1)(5 – 1) = 16
χ2(0,05)(16) = 26,296
c. Menentukan kriteria pengujian antara χ2hitung dan χ2tabel.
H0 diterima apabila χ2hitung ≤ 26,296
H0 ditolak apabila χ2hitung > 26,296
d. Menguji nilai statistik.
n1 = 350 n2 = 150 n3 = 170 n4 = 260 n5 = 260
n1 = 180 n2 = 300 n3 = 230 n4 = 220 n5 = 260
n = 1190
i = 1, 2, 3, 4, 5
j = 1, 2, 3, 4, 5
Berdasarkan data di atas, maka langkah selanjutnya menentukan frekuensi
harapan. Berikut adalah nilai frekuensi harapan untuk masing-masing data.
350 x 180 350 x 220
e11 = 52,9412 e14 = 64,7058
1190 1190
350 x 300 350 x 260
e12 = 88,2353 e15 = 76,4706
1190 1190
350 x 230
e13 = 67 ,6471
1190
IV-32
f. Maka akan keluar kotak dialog seperti Gambar 4.36 dibawah ini.
Kemudian memindahkan hari pada kolom test variable list. Setelah itu
mengklik ok.
2. Uji kebebasan
Perhitungan pada software uji kebebasan dapat dibandingkan antara
frekuensi yang diharapkan dengan frekuensi observasi. Berikut ini beberapa
langkah untuk mendapatkan output uji kebebasan.
a. Langkah pertama adalah masuk kedalam variabel view yang terdapat pada
software SPSS 16.0. Kemudian memasukkan variabel kota dan jenis film.
Lalu mengubah kolom values dengan cara mengklik pada bagian yang
telah ditentukan, kemudian mengisi dengan data yang dibutuhkan.
4.3.4. Analisis
Berdasarkan hasil perhitungan manual dan software di atas, dapat
menganalisis keduanya dan membandingkan antara perhitungan manual dengan
perhitungan software. Berikut ini penjelasan maksud dari angka-angka yang
didapatkan dari perhitungan manual dan software.
pada nilai χ2tabel adalah sebesar 42,557.. Selain itu, karena χ2hitung lebih besar
daripada χ2tabel, maka jumlah produksi tempe selama 30 hari pada UKM
Empat Sekawan disimpulkan tidak merata.
2. Uji kebebasan
Output pertama yang dianalisis yaitu case processing summary
menunjukkan bahwa kolom valid dengan nilai N yaitu diperoleh dari total
IV-43
data yang telah dimasukkan sebanyak 1190 dan nilai percent 100%
menunjukkan tidak ada data yang hilang dalam perhitungan. Output kedua
yang dianalisis adalah jenis_film*kota crosstabullation. Untuk jenis film
drama, di kota Medan memiliki frekuensi observasinya sebesar 60, dengan
frekuensi harapannya (expected count) sebesar 52,9 sampai 39,3. Angka di
bagian atas (count) menunjukkan frekuensi observasi sedangkan angka yang
di bawah (expented count) menunjukkan frekuensi harapannya. Terakhir
untuk output chi-square tests menunjukkan bahwa terdapat nilai dari pearson
chi-square yang merupakan nilai χ 2hitung sebesar 92,681. χ2hitung sebesar
92,681 lebih besar χ2(0,05)(16) sebesar 26,296 maka H0 ditolak dan Ha diterima.
Jadi, terdapat perbedaan atau bersifat tidak saling bebas antara selera jenis
film pada masing-masing kota pada Medan, Jakarta, Surabaya, Makassar, dan
Bandung. Nilai derajat bebasnya (df) sebesar 16 , selanjutnya nilai asymp.
Sig. sebesar 0,00. Nilai asymp. sig. yang dibandingkan dengan taraf nyata
0,05, karena nilai asymp. sig. lebih kecil daripada 0,05 maka Ho ditolak..
Berdasarkan output tersebut, tidak terdapat frekuensi harapan yang datanya
kurang dari lima. Frekuensi harapan terkecil adalah sebesar 22,69.
Berikut adalah data jumlah produksi kulkas dua pintu PT. Efron selama 4
tahun:
Tabel 4.11 Data Jumlah Produksi Kulkas Dua Pintu
Tahun Produksi
Bulan Ke-
2007 2008 2009 2010
1 27 29 25 28
2 28 26 26 29
3 26 28 30 27
4 29 27 27 25
5 27 26 28 28
6 27 25 30 30
7 28 30 27 25
8 29 28 26 27
9 26 27 25 26
10 30 26 27 30
11 27 29 28 31
12 26 28 25 26
Berdasarkan data jumlah produksi kulkas dua pintu tersebut, PT. Efron
ingin mengetahui apakah rata-rata jumlah produksi kulkas dua pintu selama 4
tahun yaitu dari tahun 2007 sampai dengan tahun 2010 sama atau tidak
dengan taraf nyata 5%. Harapannya, PT. Efron dapat meningkatkan jumlah
produksi dengan menambah bahan baku untuk produksi kulkas dua pintu
dengan dasar peramalan hasil produksi kulkas dua pintu.
pada perusahaan pengolah kelapa sawit tersebut masih tersedia hingga akhir
tahun. Berikut adalah data pendistribusian kelapa sawit dari operator PT.
Surya Kencana pada tahun 2010.
Tabel 4.12 Data Pendistribusian Kelapa Sawit Tahun 2010
Kota
Bulan ke- Jakarta Surabaya Yogyakarta Semarang Bandung
(Ton) (Ton) (Ton) (Ton) (Ton)
1 12 13 12 10 14
2 13 14 14 11 11
3 11 12 13 15 13
4 14 10 13 12 12
5 12 13 12 13 11
6 12 15 10 15 10
7 13 10 12 12 15
8 14 12 12 16 13
9 11 11 11 10 12
10 15 15 10 12 11
11 12 16 - 13 14
12 11 - - - 13
Berdasarkan data pendistribusian kelapa sawit ke lima kota tersebut, PT.
Surya Kencana ingin mengetahui apakah rata-rata jumlah distribusi kelapa
sawit ke lima kota sama atau tidak dengan taraf nyata 5%. Harapannya, PT.
Surya Kencana dapat mengontrol hasil produksinya pada tahun-tahun
selanjutnya. Hal ini dilakukan agar tidak terjadi kekurangan stock kelapa
sawit dengan dasar peramalan dari data pendistribusian kelapa sawit tahun
2010.
e. Kesimpulan :
Karena F0 = 0,3465 < F0,05(3;44) = 2,82, maka H0 diterima. Jadi, rata-rata
jumlah produksi kulkas dua pintu pada PT. Efron adalah sama setiap
tahunnya.
2. Sampel tidak sama banyak
Perhitungan manual anova satu arah untuk sampel yang tidak sama banyak
terdiri dari lima langkah dalam penyelesainnya. Berikut langkah-langkah
pengujian anova satu arah untuk sampel yang tidak sama banyak.
a. Menentukan formulasi hipotesis.
H0 = Rata-rata jumlah kelapa sawit yang didistribusikan oleh PT. Surya
Kencana ke lima kota adalah sama.
Hi = Sekurang-kurangnya terdapat satu rata-rata jumlah kelapa sawit yang
didistribusikan oleh PT. Surya Kencana ke lima kota adalah tidak
sama.
b. Menentukan taraf nyata (α) beserta Ftabel
α = 5% = 0,05 dengan v1 = k – 1 = 5 – 1 = 4
v2 = N – k = 56 – 5 = 51
Karena nilai Ftabel dari v1 = 4 dan v2 = 51 tidak ada pada nilai kritis
distribusi F, maka sebaiknya menggunakan rumus interpolasi:
ba
Y X Z X
ca
Keterangan:
Y = nilai tabel yang dicari
X = nilai 1 tabel F(0,05,4;50) = 2,56
Z = nilai 2 tabel F(0,05,4;55) = 2,54
a = derajat bebas nilai 1 = 50
b = derajat bebas nilai diketahui = 51
c = derajat bebas nilai 2 = 55
51 50
Y 2,56 2,54 2,56 2,556
55 50
F0,05(4;51) = 2,556
IV-49
c. Kriteria pengujian:
H0 diterima apabila F0 ≤ 2,556
H0 ditolak apabila F0 > 2,556
d. Analisis varians
k=5
n1 = 12 n2 = 11 n3 = 10 n4 = 11 n5 = 12
N = 56
T1 = 150 T2 = 141 T3 = 119 T4 = 139 T5 = 149
T= 698
698 2
JKT = 12 + 13 + … + 13 −
2 2 2
= 145,9286
56
150 2 1412 119 2 139 2 149 2 698 2
JKK = = 4.9301
12 11 10 11 12 56
JKE = 145,9286 – 4.9301= 140.9985
Tabel 4.14 Anova Sampel Tidak Sama Banyak
SV JK Db RK F0
Rata-rata kolom 4.9301 4 1.2325
0.4458
Error 140.9985 51 2.7647
Total 145.9286 55
e. Kesimpulan
Karena F0 = 0.4458 < F0,05(4;51) = 2,556 maka H0 diterima. Jadi, Rata-rata
jumlah kelapa sawit yang didistribusikan oleh PT. Surya Kencana ke lima
kota adalah sama.
d. Langkah selanjutnya mengklik analyze pilih compare means lalu klik pada
one-way anova. Berikut ini adalah gambar dari penjelasan tersebut.
Gambar 4.58 Kotak Dialog One Way Anova: Option Sampel Sama banyak
IV-52
g. Maka tampilan kotak dialog post hocpost sebagai berikut, check list pada
kolom bonferroni dan tukey.
Gambar 4.59 Kotak Dialog One Way Anova: Post Hoc Sampel Sama Banyak
h. Hasil outputnya adalah sebagai berikut.
Gambar 4.66 Kotak Dialog Value Labels Sampel Tidak Sama Banyak
c. Memasukan data yang diperoleh dengan mengklik data view.
Gambar 4.69 Kotak Dialog One-Way Anova Sampel Tidak Sama banyak
f. Gambar berikut adalah gambar one way anova: option. Kotak dialog
tersebut beri tanda check list pada kolom descriptive dan homogeneity of
variance test. Mengklik post hoc.
Gambar 4.70 Kotak Dialog One Way Anova: Option Sampel Tidak Sama Banyak
IV-56
g. Maka tampilan kotak dialog post hocpost sebagai berikut, check list pada
kolom bonferroni dan tukey.
Gambar 4.71 Kotak Dialog One Way Anova:Post Hoc Sampel Tidak Sama Banyak
h. Hasil outputnya adalah sebagai berikut.
Gambar 4.73 Output Test of Homogeneity of Variances Sampel Tidak Sama Banyak
4.4.4. Analisis
Berdasarkan hasil perhitungan manual dan software di atas, dapat
menganalisis keduanya dan membandingkan antara perhitungan manual dengan
perhitungan software. Berikut ini penjelasan maksud dari angka-angka yang
didapatkan dari hasil perhitungan manual dan software.
IV-58
kolom between groups sebesar 0,965, kemudian mean square untuk within
groups sebesar 2,786. Sehingga didapatkan nilai F hitung 0,346.Nilai Fhitung =
0,346 dibandingkan dengan nilai Ftabel = 2,82, karena Fhitung = 0,346 < Ftabel =
2,82 maka Ho diterima. Jadi, rata-rata jumlah produksi kulkas dua pintu pada
PT. Efron adalah sama setiap tahunnya. Didapatkan juga nilai sig. sebesar
0,939 yang dibandingkan dengan nilai taraf nyata 0,05, karena nilai sig. =
0,792 > 0,05 maka Ho diterima. Jadi, keseragaman data banyaknya kulkas
yang diproduksi terpenuhi. Selanjutnya output keempat adalah multiple
comparisons yang terdiri dari uji tukey dan bonferroni. Kolom mean
difference menunjukkan hasil selisih rata-rata produksi kulkas pada tahun
2007 dengan 2008 sebesar 0,803. Kolom std. error adalah nilai
penyimpangan dari mean difference senilai 0,681 untuk semua tahun. Kolom
lower bound pada tahun 2007 sebesar -1,74 dan upper bound pada tahun 2007
sebesar 1,90. Ini berarti merupakan nilai batas bawah (yang paling sedikit)
dan nilai batas atas (yang paling banyak) dari hasil selisih rata-rata produksi
kulkas pada tahun 2007 dengan 2008 dengan tingkat kepercayaan 95%.
Output kelima adalah homogeneous subset. Kolom N menunjukkan jumlah
pada data adalah 12. Kemudian kolom subset for alpha = 0,05 hanya ada 1
kolom dikarenakan semua data homogen (jenisnya sama). Selanjutnya
terdapat kalimat uses harmonic mean sample size dengan nilai 12,000 karna
yang digunakan pada data ini N hanya 12 data. Berdasarkan sig pada output
homogeneous sebesar 0,762 lebih besar daripada 0,05 maka keseragaman data
banyaknya kulkas yang diproduksi terpenuhi.
2. Sampel tidak sama banyak
Output pertama pada anova satu arah dengan sampel tidak sama banyak
berbeda adalah descriptives. Pada kolom N untuk kota Jakarta terdapat nilai
sebesar 12, kota Surabaya sebesar 11 dan seterusnya, angka tersebut didapat
dari sampel yang dimasukan dalam data pengamatan. Kolom mean adalah
nilai rata-rata pada kota Jakarta sebesar 12,50 dan seterusnya hingga kota
bandung. Kolom std. deviation adalah nilai penyimpangan dari rata-rata
setiap variabel, kota Jakarta mempunyai nilai sebesar 1,314. Kemudian
IV-61
adalah kolom 95% confidence interval for mean, kolom ini dibagi menjadi
dua bagian yaitu lower bound dan upper bound. Lower bound adalah batas
bawah dari interval kepercayaan dari rata-rata berarti paling sedikit
mendistribusikan kelapa sawit pada kota Jakarta sebesar 11,66, sedangkan
upper bound adalah batas atas dari interval kepercayaan dari rata-rata,berarti
yang paling banyak mendistribusikan kelapa sawit pada kota Jakarta sebesar
13,34. Selanjutnya kolom minimum adalah nilai terkecil dari data
pengamatan, dan maximum adalah nilai terbesar dari data pengamatan, misal
untuk kota Jakarta yaitu 11 dan 15 dan seterusnya.
Output kedua adalah test of homogeneity of variances, output ini
menjelaskan bahwa terdapat nilai 1 = 4 diperoleh dari banyaknya kolom
seterusnya. Kolom std. error adalah nilai penyimpangan dari mean difference
pada kota Jakarta nilai std.eror sebesar 0,694. Kolom lower bound dan upper
bound adalah merupakan batas kewajaran dari nilai mean difference dengan
interval kepercayaan 95%. Lower bound untuk batas bawah yaitu sebesar -
2,28 sedangkan upper bound untuk batas kelas atas yaitu sebesar 1,64. Nilai-
nilai tersebut merupakan batas kewajaran untuk mean difference antara kota
Jakarta dengan Surabaya.
Output kelima adalah homogeneous subset. Kolom N menunjukkan jumlah
baris pada data sama dengan jumlah baris pengamatan. Kemudian kolom
subset for alpha = 0,05 pada kota Yogyakarta sebesar 11,90. Nilai sig
berdasarkan output homogeneous sebesar 0,690 lebih besar daripada 0,05
maka keseragaman data terpenuhi.
ada perbedaan yang nyata antara jumlah kelapa sawit yang didistribusikan di lima
kota di Indonesia.
Tabel 4.15 Perbandingan Perhitungan Anova Satu Arah
Studi Kasus Pembanding Manual Software
v1 3 3
Anova satu arah dengan v2 44 44
sampel sama banyak Fhitung 0,3465 0,346
Kesimpulan H0 diterima H0 diterima
v1 4 4
Anova satu arah dengan v2 51 51
sampel tidak sama
banyak Fhitung 0.4458 0.446
Kesimpulan H0 diterima H0 diterima
laptop yang bisa diperbaiki pada toko tersebut yaitu 12”, 13.3”, 14”, 15” dan
16”. Salah satu pegawai dari Toko Sentosa bertugas mengambil data
banyaknya laptop yang diperbaiki selama tahun 2011. Berikut adalah data
banyaknya laptop yang diperbaiki selama tahun 2011.
Tabel 4.16 Data Service Laptop Toko Sentosa
Ukuran Layar (Inch)
Merk Laptop 12" 13.3" 14" 15" 16"
Apple 35 10 36 11 10
Lenovo 37 15 41 13 11
Toshiba 40 17 34 20 13
Dell 30 20 30 14 14
Berdasarkan data tersebut, Toko Sentosa ingin mengetahui pengaruh
banyaknya laptop yang diperbaiki terhadap merk laptop dengan ukuran layar
laptop selama tahun 2011. Hal tersebut perlu diketahui sebagai dasar
peramalan banyaknya laptop yang mungkin akan diperbaiki oleh Toko
Sentosa pada tahun-tahun selanjutnya.
2. Dengan interaksi
Toko Wijaya adalah sebuah toko menjual sepatu untuk pria dengan
berbagai merk dan ukuran. Terdapat 4 merk sepatu yang dijual yaitu
Converse, Adidas, Nike, dan Airwalk. Masing-masing sepatu pria yang dijual
toko tersebut mempunyai 5 macam ukuran sepatu yaitu 40, 41, 42, 43 dan 44.
Stock untuk beberapa merk sepatu dan ukurannya untuk bulan Agustus 2011
terbatas. Salah satu pegawai dari Toko Wijaya bertugas mengambil data
banyaknya penjualan sepatu pria oleh konsumen. Pengambilan data penjualan
sepatu pria tersebut dilakukan selama 4 minggu pada bulan Agustus 2011.
Berikut adalah data banyaknya penjualan sepatu Toko Wijaya pada bulan
Agustus tahun 2011.
Tabel 4.17 Data Penjualan Sepatu Toko Wijaya
Ukuran Sepatu
Merk Sepatu
40 41 42 43 44
80 78 68 80 79
79 70 65 65 85
Converse
75 80 89 69 90
82 79 77 74 67
IV-65
4512
= 352 + 372 + … + 142 −
20
= 12613 – 10170.05
= 2442.95
IV-67
T i
2
T 2 ..
JKB = i 1
k kb
102 2 117 2 124 2 1082 4512
=
5 20
= 10226.6 – 10170.05
= 56.55
k
T
j 1
j
2
T 2 ..
JKK =
b kb
142 2 62 2 1412 58 2 48 2 4512
=
4 20
= 12389.25 – 10170.05
= 2219.2
JKE = JKT – JKB − JKK
= 2442.95 – 56.55 – 2219.2 = 167.2
Tabel 4.19 Anova Tanpa Interaksi
Sumber Jumlah Derajat Rata-rata
F0
varians Kuadrat Bebas Kuadrat
Rata-rata
56.55 3 18.85
Baris f1 = 1.3528
Rata-rata
2219.2 4 554.8
kolom
f2 = 39.8183
Error 167.2 12 13.9333
Total 2442.95 19
e. Kesimpulan.
i. Karena F0 = 1.3528 < F0,05(3;12) = 3.49, maka H0 diterima. Jadi, tidak
terdapat pengaruh antara keempat merk laptop tehadap banyaknya
laptop yang diperbaiki.
ii. Karena F0 = 39.8183 > F0,05(4;12) = 3.26, maka H0 ditolak dan H1
diterima. Jadi, sekurang-kurangnya terdapat satu jenis ukuran layar
laptop yang mempengaruhi banyaknya laptop yang diperbaiki.
IV-68
2. Dengan interaksi
Perhitungan manual anova dua arah untuk dengan interaksi terdiri dari
lima langkah dalam penyelesainnya. Berikut langkah-langkah pengujian
anova dua arah untuk dengan interaksi.
a. Menentukan formulasi hipotesis.
i. H0 = Tidak ada pengaruh antara merk sepatu pria terhadap banyaknya
penjualan sepatu pria.
H1 = Sekurang-kurangnya terdapat satu merk sepatu pria yang
mempengaruhi banyaknya penjualan sepatu pria.
ii. H0 = Tidak ada pengaruh antara ukuran sepatu pria terhadap banyaknya
penjualan sepatu pria.
H1 = Sekurang-kurangnya terdapat satu ukuran sepatu pria yang
mempengaruhi banyaknya penjualan sepatu pria.
iii. H0 = Tidak ada interaksi antara keempat merk sepatu pria dengan
kelima ukuran sepatu pria.
H1 = Sekurang-kurangnya terdapat satu interaksi antara merk sepatu
pria dengan ukuran sepatu pria.
b. Menentukan taraf nyata (α) dan F tabel.
Diketahui: b = 4, k = 5, n=4 α = 0.05
i. Untuk baris : v1 = b – 1 = 4 – 1 = 3, v2 = bk(n−1) = 4.5(4−1) = 60
Sehingga F0.05(3;60) = 2.76
ii. Untuk kolom: v1 = k – 1 = 5 – 1 = 4, v2 = bk(n−1) = 4.5(4−1) = 60
Sehingga F0.05(4;60) = 2.53
iii. Untuk interaksi : v1 = (b – 1)( k – 1) = 12, v2 = bk(n−1) = 4.5(4−1) = 60
Sehingga F0.05(12;60) = 1.92
c. Menentukan kriteria pengujian.
i. H0 diterima apabila F0 ≤ 2.76
H1 ditolak apabila F0 > 2.76
ii. H0 diterima apabila F0 ≤ 2.53
H1 ditolak apabila F0 > 2.53
iii. H0 diterima apabila F0 ≤ 1.92
IV-69
60712
= 802 + 792 + … + 822 −
80
= 465347 – 460713.0125
= 4633.9875
b
T i
T 2 ...
2
JKB =
i 1
k .n b.k .n
15312 1510 2 1556 2 1474 2 60712
=
20 80
= 460893.65 – 460713.0125
= 180.6375
k
T
j 1
j
2
T 2 ...
JKK =
b.n b.k.n
1217 2 12352 1202 2 1200 2 1217 2 60712
=
16 80
= 460762.9375 – 460713.0125
= 49.925
b k b k
T
i 1 j 1
2
ij T i
2
T
j 1
j
2
T 2 ...
JKI = i 1
n k .n b.n b.k .n
316 2 307 2 ... 294 2
= 460893.65 460762.9375 460713.0125
4
= 461764.75 − 460893.65 − 460762.9375 + 460713.0125
IV-70
= 821.175
JKE = JKT – JKB – JKK – JKI
= 4633.9875 − 180.6375 – 49.925 − 821.175
= 3582.25
Tabel 4.21 Anova Dengan Interaksi
Rata-
Sumber Jumlah Derajat
rata F0
varians Kuadrat Bebas
Kuadrat
Rata-rata
180.6375 3 60.2125
Baris f1 = 1.0085
Rata-rata
49.925 4 12.4813
kolom
f2 = 0.2090
Interaksi 821.175 12 68.4313
a. Langkah pertama adalah masuk kedalam variabel view yang terdapat pada
software SPSS 16.0. Memasukkan variabel-variabel merk laptop dan
ukuran layar serta jumlah service.
4.5.4. Analisis
Berdasarkan hasil perhitungan manual dan software di atas, dapat
menganalisis keduanya dan membandingkan antara perhitungan manual dengan
perhitungan software. Berikut ini penjelasan maksud dari angka-angka yang
didapatkan dari hasil perhitungan manual dan software.
nilai F tabel untuk kolom, v1 = 4 dan v2 = 12 yaitu sebesar 3.26. Kedua nilai F
tabel tersebut digunakan untuk menguji hipotesis dimana jika F hitung lebih
kecil atau sama dengan F tabel maka H0 diterima. Sedangkan bila nilai F
hitung lebih besar daripada nilai F tabel maka H0 ditolak dan H1 diterima.
Berdasarkan tabel anova, didapatkan bahwa nilai F hitung untuk baris yaitu
sebesar 1.3528. Karena nilai F hitung sebesar 1.3528 lebih kecil daripada
nilai F0,05(3;12) sebesar 3.49, maka H0 diterima. Jadi, tidak terdapat pengaruh
antara keempat merk laptop tehadap banyaknya laptop yang diperbaiki.
Sedangkan berdasarkan tabel anova didapatkan pula bahwa nilai F hitung
untuk kolom yaitu sebesar 39.8183. Karena nilai F hitung sebesar 39.8183
lebih besar daripada nilai F0,05(4;12) sebesar 3.26, maka H0 ditolak dan H1
diterima. Jadi, sekurang-kurangnya terdapat satu jenis ukuran layar laptop
yang mempengaruhi banyaknya laptop yang diperbaiki.
2. Dengan interaksi
Perbedaan antara anova dua arah tanpa interaksi dan dengan interaksi
adalah terletak adanya interaksi antara dua faktor pengaruh yaitu pada anova
dua arah dengan interaksi. Berdasarkan perhitungan manual, didapat nilai F
tabel yaitu untuk baris adalah sebesar 2.76, untuk kolom sebesar 2.53, dan
untuk interaksi sebesar 1.92. Ketiga nilai F tersebut digunakan untuk menguji
hipotesis untuk masing-masing kriteria. Nilai F tabel interaksi digunakan
untuk menguji ada atau tidak pengaruh antara kedua faktor. Berdasarkan tabel
anova untuk baris didapat nilai F hitung sebesar 1.0085. Karena nilai F hitung
sebesar 1.0085 lebih kecil daripada nilai F0.05(3;60) sebesar 2.76, maka H0
diterima. Jadi, tidak ada pengaruh antara keempat merk sepatu pria terhadap
banyaknya penjualan sepatu pria. Sedangkan nilai F hitung untuk kolom
adalah sebesar 0.2090. Karena nilai F hitung sebesar 0.2090 lebih kecil
daripada nilai F0.05(4;60) sebesar 2.53, maka H0 diterima. Jadi, tidak ada
pengaruh antara kelima ukuran sepatu pria terhadap banyaknya penjualan
sepatu pria. Selain itu didapatkan nilai F hitung untuk interaksi sebesar
1.1462. Karena niai F hitung sebesar 1.1462 lebih kecil daripada nilai
IV-77
F0.05(12;60) sebesar 1.92, maka H0 diterima. Jadi, tidak ada interaksi antara
keempat merk sepatu pria dengan kelima ukuran sepatu pria.
squares dengan nilai dfnya masing-masing dengan nilai db. Contohnya untuk
rata-rata kuadrat baris (merk sepatu) yaitu JKB sebesar 180638 dibagi dengan
dbnya yaitu 3 menghasilkan rata-rata kuadrat sebesar 60.213. Nilai corrected
total diperoleh dari selisih antara nilai total dengan intercept yaitu 465347
dikurang 460713.013 dan hasilnya sebesar 4633.987. Nilai error didapatkan
dari selisih nilai corrected total dengan corrected model yaitu 4633.987
dikurang 1051.737 dan hasilnya 3582.250. Selanjutnya terdapat juga nilai
Fhitung yang didapat dari pembagian antara rata-rata kuadrat (mean square)
sumber varians baris/kolom/interaksi dengan rata-rata kuadrat (mean square)
error. Nilai F untuk baris yaitu sebesar 1,009. Nilai F untuk baris sebesar
1,009 akan dibandingkan dengan nilai F tabel sebesar 2.76. Karena nilai F
hitung sebesar 1.009 lebih kecil daripada nilai F0.05(3;60) sebesar 2.76, maka H0
diterima. Jadi, tidak ada pengaruh antara keempat merk sepatu pria terhadap
banyaknya penjualan sepatu pria. Nilai F hitung untuk kolom adalah sebesar
0.209. Karena nilai F hitung sebesar 0.209 lebih kecil daripada nilai F0.05(4;60)
sebesar 2.53, maka H0 diterima. Jadi, tidak ada pengaruh antara kelima
ukuran sepatu pria terhadap banyaknya penjualan sepatu pria. Selain itu
didapatkan nilai F hitung untuk interaksi sebesar 1.146. Karena niai F hitung
sebesar 1.146 lebih kecil daripada nilai F0.05(12;60) sebesar 1.92, maka H0
diterima. Jadi, tidak ada interaksi antara keempat merk sepatu pria dengan
kelima ukuran sepatu pria. Karena ketiga sumber varians tersebut memiliki
nilai sig yang lebih besar dari 0.05 maka H0 diterima. Sehingga dapat
disimpulkan bahwa terdapat keseragaman data pada populasi. Nilai R squared
diperoleh dari pembagian antara corrected model dengan corrected total.
Nilai ini merupakan koefisien determinai (R2) yang memiliki arti bahwa
sumbangan atau pengaruh merk sepatu dan ukuran sepatu terhadap pembelian
yaitu sebesar 22.7% sisanya 77.3% disebabkan oleh faktor lain seperti trend.
Berdasarkan nilai tersebut dapat diketahui nilai R sebesar 0.47 yang memiliki
arti bahwa korelasinya cukup berarti. Karena nilai R square lebih besar dari
nilai adjust R square maka menyatakan data ini layak dengan regresi.
IV-80