STATISTIK
OLEH :
NAMA : MUH SYAFIQ ISRADILLAH
NIM : 17TIA371
KELAS : II D
LABORATORIUM STATISTIK
JURUSAN TEKNIK INDUSTRI AGRO
POLITEKNIK ATI MAKASSAR
2017/2018
i
LEMBAR PENGESAHAN
Mengetahui:
Menyetujui :
Dosen Pembimbing
ii
KATA PENGANTAR
Puji syukur kehadiran Allah SWT yang telah memberikan Rahmat dan
HidayahNya kepada kami sehingga dapat menyelesaikan laporan lengkap ini.
Shalawat dan salam kepada Rosullulah SAW, yang telah menerangi dunia dengan
ilmu pengetahuan dan dakwah beliau yang tiada tandingannya.
Penyusunan laporan lengkap praktikum ini dengan judul “Laporan
Lengkap Praktikum Statistik” bertujuan untuk melengkapi persyaratan Tugas
mata kuliah Praktek Statistik.
Dalam penyelesaian laporan lengkap ini, penulis secara langsung atau
tidak langsung telah mendapatkan bantuan dari pihak lain. Untuk itu , pada
kesempatan ini penulis ingin menyampaikan ucapan terima kasih kepada pihak
yang telah membantu pembuatan laporan lengkap ini.
Penulis menyadari dalam penyususunan laporan lengkap ini masih belum
sempurna. Oleh karena itu, Penulis mengharapkan kritik dan saran yang
membangun sehingga dapat memberikan manfaat dan menambah wawasan bagi
yang membutuhkannya.
iii
DAFTAR ISI
HALAMAN JUDUL................................................................................................ i
LEMBAR PENGESAHAN .................................................................................... ii
KATA PENGANTAR ........................................................................................... iii
DAFTAR ISI .......................................................................................................... iv
DAFTAR TABEL .................................................................................................. iv
DAFTAR GAMBAR ............................................................................................ ivi
DAFTAR LAMPIRAN ......................................................................................... vii
BAB I STATISTIK DESKRIPTIF ........................ Error! Bookmark not defined.
1.1 PENDAHULUAN ................................... Error! Bookmark not defined.
1.2 LANDASAN TEORI .............................. Error! Bookmark not defined.
1.3 HASIL PERCOBAAN ........................................................................... 23
1.4 PEMBAHASAN .................................................................................... 28
BAB II REGRESI DAN KORELASI ................................................................... 30
2.1 PENDAHULUAN .................................................................................. 30
2.2 LANDASAN TEORI ............................................................................. 32
2.3 HASIL PERCOBAAN ........................................................................... 46
2.4 PEMBAHASAN .................................................................................... 52
BAB III PENGOLAHAN DATA DENGAN SPSS ............................................. 54
3.1 PENDAHULUAN .................................................................................. 54
3.2 LANDASAN TEORI ............................................................................. 56
3.3 HASIL PERCOBAAN ........................................................................... 68
3.4 PEMBAHASAN .................................................................................... 72
BAB IV KESIMPULAN DAN SARAN ............... Error! Bookmark not defined.
4.1 KESIMPULAN ....................................... Error! Bookmark not defined.
4.2 SARAN ................................................... Error! Bookmark not defined.
DAFTAR PUSTAKA ............................................ Error! Bookmark not defined.
LAMPIRAN ........................................................... Error! Bookmark not defined.
LEMBAR ASISTENSI .......................................... Error! Bookmark not defined.
iv
DAFTAR TABEL
v
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
Lampiran 1 hasil pengumpulan data Statistik Deskriptif ..... Error! Bookmark not
defined.
Lampiran 2 hasil pengumpulan data Regresi dan Korelasi .. Error! Bookmark not
defined.
vii
viii
BAB I
STATISTIKA DESKRIPTIF
1.1 PENDAHULUAN
1.1.1 Latar Belakang
Statistika adalah cabang ilmu yang mempelajari tentang bagaimana
mengumpulkan, menganalisis dan menginterpretasikan data. Atau
dengan kata lain, statistika menjadi semacam alat dalam melakukan
suatu riset empiris. Dalam menganalisis data, para ilmuwan
menggambarkan persepsinya tentang suatu fenomena. Deskripsi yang
sudah stabil tentang suatu fenomena seringkali mampu menjelaskan
suatu teori. (Walaupun demikian, orang dapat saja berargumentasi
bahwa ilmu biasanya menggambarkan bagaimana sesuatu itu terjadi,
bukannya mengapa). Penemuan teori baru merupakan suatu proses
kreatif yang didapat dengan cara mereka ulang informasi pada teori yang
telah ada atau mengesktrak informasi yang diperoleh dari dunia nyata.
Pendekatan awal yang umumnya digunakan untuk menjelaskan suatu
fenomena adalah statistika deskriptif.
Statistik dalam arti sempit berarti kumpulan data berupa angka,
penyajian data dalam tabel dan grafik, bilangan yang menunjukkan
karakteristik dari kumpulan data. Statistic dalam arti luas yatiu metode
yang digunakan dalam pengumpulan dan analisis data yang berupa
angka-angka sehingga dapat diperoleh informasi yang berguna. Statistika
adalah suatu metode yang menjelaskan tata cara pengumpulan,
penyususnan, penyajian, penganalisaan dan penginterprestasian data
menjadi informasi yang lebih berguna. Menurut Sudjana (1996;7),
Statistika deskriptif adalah fase statistika dimana hanya berusaha
melukiskan atau menganalisis kelompok yang diberikan tanpa membuat
atau menarik kesimpulan tentang populasi atau kelompok yang lebih
besar dinamakan statistika deskriptif.
1
1.1.2 Tujuan Praktikum
a. Praktikan diharapkan dapat membaca dan memahami data-data
statistik.
b. Praktikan diharapkan dapat memahami teknik pengumpulan data,
klasifikasi data dan presentasi data pada statistik deskriptif.
c. Praktikan diharapkan dapat mengolah data dengan perhitungan
manual maupun dengan bantuan program aplikasi pengolah data.
d. Praktikan diharapkan mampu menganalisa output pengolahan dari
perhitungan manual dan perhitungan melalui aplikasi.
2
1.2 LANDASAN TEORI
1.2.1 Pengertian Statistik dan Statistika
Statistik adalah hasil-hasil pengolahan dan analisis data. Statistik
dapat berupa mean, modus, median, dan sebagainya. Statistik dapat
digunakan untuk menyatakan kesimpulan data berbentuk bilangan yang
disusun dalam bentuk tabel atau diagram yang menggambarkan
karakteristik data.
Statistika adalah ilmu pengetahuan yang berhubungan dengan cara-
cara pengumpulan dan penyusunan data, pengolahan data, dan
penganalisisan data, serta penyajian data berdasarkan kumpulan dan
analisis data yang dilakukan. Salah satu ilmu yang mendasari dalam
mempelajari statistika adalah peluang atau probabilitas. Berdasarkan
kegiatannya, statistika dikelompokkan menjadi dua macam,
yaitu Statistika deskriptif (statistika deduktif) dan statistika
inferensi (statistika induktif).
3
beralasan berdasarkan fakta dan penganalisaan yang dilakukan.
Metode statistika terbagi dua yaitu :
a. Statistik Deskriptif (deduktif) atau sederhana, yaitu statistik yang
tingkat pengerjaannya mencakup cara-cara menghitung, menyusun
atau mengatur, mengolah, menyajikan, dan menganalisa data agar
dapat memberikan gambaran yang ringkas mengenai suatu keadaan.
b. Statistik Inferensial, yaitu yang menyediakan aturan-aturan atau cara
yang dapat digunakan suatu alat dalam rangka menarik kesimpulan
yang bersifat umum dari suatu data yang telah disusun dan diolah.
4
3) Tipe dan bentuk pertanyaan apakah terbuka atau terturup. Jika
terbuka artinya jawaban yang diberikan adalah bebas, sedangkan
jika pernyataan tertutup maka responden hanya diminta untuk
memilih jawaban yang disediakan.
b. Observasi
Obrservasi merupakan salah satu teknik pengumpulan data
yang tidak hanya mengukur sikap dari responden (wawancara dan
angket) namun juga dapat digunakan untuk merekam berbagai
fenomena yang terjadi (situasi, kondisi). Teknik ini digunakan bila
penelitian ditujukan untuk mempelajari perilaku manusia, proses
kerja, gejala-gejala alam dan dilakukan pada responden yang tidak
terlalu besar.
1) Participant Observation
Dalam observasi ini, peneliti secara langsung terlibat dalam
kegiatam sehari-hari orang atau situasi yang diamati sebagai
sumber data. Misalnya seorang guru dapat melakukan observasi
mengenai bagaimana perilaku siswa, semangat siswa, kemampuan
manajerial kepala sekolah, hubungan antar guru, dsb.
2) Non participant Observation
Berlawanan dengan participant Observation, Non Participant
merupakan observasi yang penelitinya tidak ikut secara langsung
dalam kegiatan atau proses yang sedang diamati. Misalnya
penelitian tentang pola pembinaan olahraga, seorang peneliti yang
menempatkan dirinya sebagai pengamat dan mencatat berbagai
peristiwa yang dianggap perlu sebagai data penelitian.
Kelemahan dari metode ini adalah peneliti tidak akan
memperoleh data yang mendalam karena hanya bertindak sebagai
pengamat dari luar tanpa mengetahui makna yang terkandung di
dalam peristiwa. Alat yang digunakan dalam teknik observasi ini
antara lain: lembar cek list, buku catatan, kamera photo, dan lain
sebagainya.
5
c. Wawancara
Wawancara merupakan teknik pengumpulan data yang
dilakukan melalui tatap muka dan tanya jawab langsung antara
pengumpul data maupun peneliti terhadap nara sumber atau sumber
data. Adapun pada teknik wawancara terbagi menjadi dua bagian,
yakni wawancara terstruktur dan tidak terstruktur. Berikut penjelasan
terkait kedua teknik wawancara yang dapat anda ketahui yakni di
bawah ini:
1) Wawancara terstruktur artinya peneliti telah mengetahui dengan
pasti apa informasi yang ingin digali dari responden sehingga
daftar pertanyaannya sudah dibuat secara sistematis. Peneliti juga
dapat menggunakan alat bantu tape recorder, kamera photo, dan
material lain yang dapat membantu kelancaran wawancara.
2) Wawancara tidak terstruktur adalah wawancara bebas, yaitu
peneliti tidak menggunakan pedoman wawancara yang berisi
pertanyaan yang akan diajukan secara spesifik, dan hanya
memuat poin-poin penting masalah yang ingin digali dari
responden.
6
Data kuantitatif disajikan dalam bentuk bilangan-bilangan seperti:
potensi pasar untuk produk-produk baru, anggaran belanja
bulanan, junlah mahasiswa menurut jurusan dan data ekspor-
impor suatu negara.
b. Menurut Cara Memperolehnya
1) Data Primer
Data primer merupakan data yang langsung diperoleh dari
lapangan melalui percobaan, survei, dan data observasi. Misalnya
seorang peneliti ingin mengetahui antara besarnya biaya yang
dikeluarkan untuk promosi dan volume penjualan komoditas
tertentu.
2) Data Sekunder
Data sekunder diperoleh dari data primer, biasanya dalam
publikasi berupa tabel-tabel, seperti data harga, data impor-
ekspor, dan data produksi. Data yang dipublikasikan oleh Biro
Pusat Statistik selalu berupa data sekunder.
c. Menurut Waktu
1) Data Silang
Data silang merupakan data yang dikumpulkan dalam waktu yang
sifatnya temporer.Misalnya data hasil penelitian pemasaran
pakaian jadi di Medan pada tahun 2012
2) Data Berkala
Data berkala merupakan data yang dikumpulkan setiap periode
tertentu. Misalnya jumlah impor mobil mewah menurut tahun,
dari tahun 2011 s/d 2012.
d. Menurut Sumbernya
1) Data Internal
Data internal merupakan data yang dikumpulkan oleh unit kerja
tertentu dalam lingkungannya untuk keperluan sendiri. Misalnya
data mahasiswa, dosen, pegawai, keuangan dan peralatan FISIP
USU.
7
2) Data Eksternal
Data eksternal merupakan data yang diambil dari unit lain.
Misalnya data FISIP USU, kemudian digunakan oeh BPS, maka
data tersebut merupakan data eksternal bagi BPS.
e. Skala Pengukuran
Skala Pengukuran/Penilaian adalah satuan – satuan ukuran yang
digunakan untuk mengolah data mentah (raw data) secara statistika.
Skala pengukuran menentukan kesimpulan data setelah diobservasi.
Jenis skala pengukuran ada 4 yaitu:
1) Skala Nominal
Skala nominal digunakan untuk pengukuran hanya
memperhatikan golong atau mengukur data secara kategoris,
seperti anggota kelompok, agama, suku bangsa, dan lain-lain.
2) Skala Ordinal
Skala ordinal digunakan untuk pengukuran yang disamping
memperhatikan golongan juga memperhatikan uruan atau orde,
Misalnya: A= hasil baik; B= hasil cukup dan; C= hasil sedang
3) Skala Interval (selang)
Skala interval digunakan untuk pengukuran yang memperhatikan
golongan, urutan, dan jarak misalnya thermometer.
4) Skala Rasio (nisbah)
Skala bisbah digunakan untuk pengukuran yang memperhatikan
golongan, urutan, panjang, dan perbandingan atau ratio, misalnya
ukuran panjang, berat, dan waktu dengan nol sebagai patokan.
Skala nominal dan skala ordinal digunakan untuk pengukuran
yang bersifat kualitatif, sedangkan skala interval dan skala nisbah
digunakan untuk pengukuran yang sifatnya kuantitatif.
8
Pengertian data adalah suatu kumpulan informasi atau
keterangan yang disampaikan dan diperoleh oleh orang dari suatu
pengamatan baik dalam bentuk angka, lambang ataupun sifat. Syarat
utama dalam analisa data atau pengamatan data secara statistic
adalah dengan mengolah data secara baik untuk mendapatkan hasil
informasi maupun kesimpulan yang baik dan akurat pula.
Data harus memiliki sifat representative atau mewakili,
objektif atau sesuai dengan apa yang terjadi, relevan atau
berhubungan dengan persoalan yang sedang dialami dan yang akan
dipecahkan, dan akurat dengan nilai ketelitian yang tinggi dan
kesalahan atau standart eror yang kecil. Kita juga harus mendapatkan
data internal dan data eksternal untuk mendapatkan hasil akhir data
statistic. Data internal merupakan data yang didapat dari dalam
perusahaan itu sendiri, sedangkan data eksternal didapat dari luar
perusahaan atau organisasi tersebut.
b. Jenis Data Statistik
Beberapa jenis data dalam statistika terdapat 4 tipe data dari
tingkat terendah sampai tertinggi. Berikut beberapa jenisnya.
1) Nominal digunakan untuk mengklasifikasi informasi ataupun
data, contohnya data jenis kelamin. Pada data dilambangkan
dengan angka atau numeric jumlah dari orang berjenis kelamin
laki-laki dan perempuan.
2) Ordinal untuk mengklasifikasikan tingkatan. Tipe ini lebih tinggi
dari nominal karena membentuk suatu tingkatan.
3) Interval ciri dari data ini adalah memiliki kemampuan
mengklasifikasi dan membentuk tingkatan juga ada titik nol
mutlak.
4) Rasio dimana tipe ini memiliki kemampuan dari ketiga tipe
diatas dan angka nol dianggap mutlak.
c. Contoh Data Statistik
9
Contoh dari data statistic adalah adanya suatu data dari suatu
wilayah kabupaten A dimana ada data jumlah siswa pada setiap
jenjang sekolah dari SD, SMP, SMA, SMK. Maka dari data tersebut
disimpulkan bahwa pada kabupaten A terdapat jumlah siswa masing-
masing jenjang SD, SMP, SMA, SMK dan dapat diketahui total dari
keseluruhan siswa sekolah yang ada dalam 1 kabupaten tersebut.
Pembagian dari statistika sendiri dibagi menjadi dua bagian
yaitu statistika deskripsi dan statistika induktif (inferens). Statistika
deskripsi adalah statistika yang mempelajari cara mengumpulkan
data, mengolah, menganalisis, dan menyajikan data. Sedangkan
untuk statistika induktif adalah statistika yang mempelajari cara
mengumpulkan data, mengolah, menyajikan, menganalisis dan
membuat kesimpulan serta keputusan yang akan diambil.
Kegunaan dari data statistika sendiri adalah untuk membantu
dalam pengambilan suatu keputusan yang didasarkan pada
kesimpulan dari analisis suatu data yang sudah dikumpulkan dari
beberapa sampel. Dari statistika kita juga bisa meramalkan keadaan
yang akan datang dengan berdasarkan dari masa yang sudah lalu.
Penggolongan data statistic adalah data kuantitatif dan data
kualitatif. Data kuantitatif adalah data yang berbentuk angka atau
bilangan misalnya luas tanah, jumlah penduduk, dan lainnya. jenis
data ini perlu dilakukan perhitungan atau operasi matematika dan
data kuantitatif ini nilainya bisa berubah sesuai dengan variabelnya.
Data kualitatif adalah data yang tidak berbentuk angka
maupun bilangan. Data ini misalnya data kepuasan para pelanggan
dalam suatu restoran, puas, tidak puas, atau sangat puas. Kita juga
tidak perlu melakukan perhitungan secara matematika dan jenis data
ini disebut dengan data atribut. Data kualitatif bisa dibagi menjadi
data nominal dan data ordinal.
10
Pengertian Distribusi Frekuensi – Distribusi Frekuensi merupakan
susunan data menurut kelas-kelas interval tertentu atau menurut
kategori tertentu dalam sebuah daftar. Distribusi Frekuensi didapat kan
dari keterangan atau gambar sederhanan dan sistematis dari data yang
diperoleh. Sebuah Distribusi Frekuensi akan memiliki bagian-bagain
seperti berikut:
a. Kelas – kelas (class)
Kelas – kelas merupakan kelompok nilai atau variable.
b. Batas Kelas (class limits)
Batas Kelas merupakan nilai-nilai yang membatasi kelas satu dengan
kelas lainnya. Terdapat dua batas kelas, yaitu batas kelas atas (upper
class limits) terdapat di deretan sebelah kanan setiap kelas dan batas
kelas bawah (lower class limits) terdapat di deretan kiri setiap kelas.
c. Tepi Kelas (Class boundary/real limits/true class limits).
Tepi kelas ini disebut juga batas nyata kelas, merupakan batas kelas
yang tidak memiliki lubang untuk angka tertentu antara kelas yang
satu dengan kelas yang lain. Terdapat dua Tepi kelas yaitu:
1) Tepi atas kelas atau batas kelas atas sebenarnya.
2) Tepi bawah kelas atau batas kelas bawah sebenarnya.
Penentuan tepi bawah kelas dan tepi atas kelas bergantung pada
keakuratan pencatatan data. Rumus tepi atas kelas dan tepi bawah
kelas iyalah sebagai berikut;
Tepi atas kelas = batas kelas atas sebenarnya -0,5;
Tepi bawah kelas = batas kelas bawah sebenarnya +0,5;
d. Titik tengah kelas atau randa kelas (class mid point, class marks)
Titik tengah merupakan angka atau nilai data yang terletak di tengah
suatu kelas. Titik tengah kelas merupakan nilai yang mewakili
kelasnya.
e. Interval kelas (class interval).
Interval kelas merupakan selang yang memisahkan kelas yang satu
dengan kelas yang lainnya.
11
f. Panjang Interval kelas atau luas kelas (interval size).
Panjang interval kelas merupakan jarak antara tepi atas kelas serta
tepi bawah kelas.
12
paling banyak berada ditengah dan makin besar semakin sedikit,
makin kecil makin sedikit pula, nilai-nilai ekstrim yang besar
maupun yang kecil hampir tidak ada).
̅
X = ∑ Xi / n
i=1
Keterangan:
̅
X = rata-rata hitung sampel
Xi = nilai unsur ke-i dari sampel
n = Jumlah objek dari sampel
i = 1,2,3,4, .........,n
2) Rumus rata-rata data berkelompok yaitu :
k
̅
X = ∑ fiXi / n
i=1
Keterangan:
̅ = rata-rata hitung
X
fi = frekuensi kelas data ke-i
Xi = nilai tengah kelas data ke-i
i = 1,2,3,4,.........,k
n = jumlah seluruh sampel
b. Median (Nilai Tengah)
Ukuran pemusatan yang menempati posisi tengah jika data
diurutkan menurut besarnya. Median adalah nilai yang berada
ditengah-tengah data setelah diurutkan dari yang terkecil sampai
terbesar. Median cocok digunakan bila data yang kita miliki tidak
menyebar normal atau memiliki nilai yang berbeda-beda secara
signifikan.
1) Rumus median data tak berkelompok yaitu :
Median dengan n yang ganjil
13
n+1
Md = angka yang ke-( )
2
Keterangan:
Md = median data
Tb = tepi bawah kelas median
n = jumlah objek, individu
fks = frekuensi kumulatif kurang daripada sebelum ½n
fm = frekuensi kelas median
c = lebar kelas
Dengan acuan tepi atas kelas
1⁄ n − F𝑘𝑠
Md = Ta − 2 ×𝑐
𝑓𝑚
Keterangan:
Md = median data
Ta = tepi atas kelas median
n = jumlah objek, individu
Fks = frekuensi kumulatif lebih daripada sesudah ½n dicapai
fm = frekuensi kelas median
c = lebar kelas
c. Modus (Data Yang Sering Muncul)
14
Modus adalah suatu angka atau bilangan yang paling sering
terjadi atau muncul tetapi kalo pada data distribusi frekuensi interval
modus terletak pada frekuensi yang paling besar. Rumus modus data
berkelompok yaitu :
d1
Mo = Tb + d1+d2 × c
Keterangan:
Tb = Tepi bawah kelas modus
d1 = frek. kelas modus dikurangi frek. kelas sebelumnya
d2 = frek. kelas modus dikurangi frek. kelas sesudahnya
c = lebar kelas
Dan :
𝑑1 𝑀𝑜 − 𝐿1
=
𝑑2 𝐿2 − 𝑀𝑜
Keterangan:
Mo = modus
d1 = frek. kelas modus dikurangi frek. kelas sebelumnya
d2 = frek. kelas modus dikurangi frek. kelas sesudahnya
L1 = tepi bawah kelas modus
L2 = tepi atas kelas modus
d. Kuartil
Kuartil adalah suatu harga yang membagi histogram frekuensi
menjadi 4 bagian yang sama, sehingga disini akan terdapat 3 harga
kuartil yaitu kuartil I ( K1), kuartil II (K2) dan kuartil III (K3),
dimana harga kuarti II sama dengan harga median. Rumus untuk
kuartil yaitu:
Data tunggal
Keterangan:
15
Q1 = Kuartil ke-i
n = Banyaknya data
Data berkelompok
Keterangan:
Qi = kuartil ke-i
Tb = tepi bawah kelas kuartil
p = panjang kelas
n = banyak data
F = frekuensi kumulatif sebelum kelas kuartil
f = frekuensi kelas kuartil
e. Desil
Untuk kelompok data dimana n ≥ 10, dapat ditentukan 9 nilai
bagian yang sama, misalnya D1, D2, … Q9, artinya setiap bagian
mempunyai jumlah observasi yang sama, sedemikian rupa sehingga
nilai 10% data/observasi sama atau lebih kecil dari D1, nilai 20%
data/observasi sama atau lebih kecil dari D2, dan seterusnya. Nilai
tersebut dinamakan desil pertama, kedua dan seterusnya sampai desil
kesembilan. Rumus untuk mencari desil adalah :
𝑖
𝑛−𝐹
10
𝐷𝑖 = 𝑇𝑏 + ( )𝑐
𝑓
Keterangan:
Tb = Tepi bawah desil ke-i
F = Jumlah frek. sebelum frek. kuartil ke-i
f = Frek. Kuartil ke-i dengan i=1-9
n = Jumlah seluruh frek.
c = Panjang interval kelas
f. Persentil
16
Untuk kelompok data dimana n ≥ 100, dapat ditentukan 99 nilai,
P1, P2, … P99, yang disebut persentil pertama, kedua dan ke-99, yang
membagi kelompok data tersebut menjadi 100 bagian,masing-masing
mempunyai bagian dengan jumlah observasi yang sama, dan
sedemikian rupa sehingga 1% data/observasi sama atau lebih kecil
dari P1, 2% data/observasi sama atau lebih kecil dari P2. Rumus
mencari persentil adalah :
𝑖
𝑛−𝐹
𝑃𝑖 = 𝑇𝑏 + (10 )𝑐
𝑓
Keterangan:
Pi = Tepi bawah presentil ke-i
F = Jumlah frek. sebelum frek. kuartil ke-i
f = Frek. Kuartil ke-i dengan i=1,2,3,.....99
n = Jumlah seluruh frek.
c = Panjang interval kelas
17
Range adalah perbedaan antara data terbesar dengan data terkecil
yang terdapat pada sekelompok data. Range adalah salah satu ukuran
statistik yang menunjukan jarak penyebaran data antara nilai
terendah (Xmin) dengan nilai tertinggi (Xmax).
1) Range Untuk Data Tidak Berkelompok
b. Deviasi
Deviasi rata-rata adalah rata-rata penyimpangan data-data dari
rata-rata (mean)-nya. Di dalam menghitung deviasi rata-rata harus
kita cari rata-rata dari harga mutlak selisih antara tiap-tiap data
dengan meannya.
1) Deviasi Untuk Data Tidak Berkelompok
∑|𝑋 − 𝑋̅|
𝑀𝐷 =
𝑁
Keterangan:
MD = deviasi rata-rata
X = nilai setiap data pemgamatan
𝑥̅ = nilai rata-rata hitung dari seluruh nilai pengamatan
N = jumlah data atau pengamatan dalam sampel/pipulasi
││ = lambang nilai mutlak
∑ = lambang penjumlahan
2) Deviasi Untuk Data Berkelompok
∑ 𝑓|𝑋 − 𝑋̅|
𝑀𝐷 =
𝑁
Keterangan:
MD = deviasi rata-rata
f = jumlah frekuensi setiap kelas
18
X = nilai setiap data pemgamatan
x̅ = nilai rata-rata hitung dari seluruh nilai pengamatan
N = jumlah data atau pengamatan dalam sampel/pipulasi
││ = lambang nilai mutlak
∑ = lambang penjumlahan
c. Varians dan Standar Deviasi
Varians dan Standar deviasi adalah sebuah ukuran penyebaran
yang menunjukkan standar penyimpangan atau deviasi data terhadap
penyimpangan rata-ratanya. Varians adalah rata-rata hitung deviasi
kuadrat setiap data terhadap rata-rata hitungnya. Standar Deviasi
adalah akar kuadrat dari varians dan menunjukkan standar
penyimpangan data terhadap nilai rata-ratanya.
1) Varians Dan Standar Deviasi Untuk Data Tidak Berkelomok
∑(𝑥−𝜇)2 ∑𝑥
𝜎2 = 𝜇=
𝑁 𝑁
Keterangan:
σ = varians populasi
X = nilai setiap data/ pengamatan data populasi
µ = nilai rata-rata hitung dalam populasi
N = jumlah total data / pengamatan dalam populasi
∑ = simbol oprasi penjumlahan
Rumus Standar Deviasi Data Tidak Berkelomok
∑(𝑥 − 𝜇)2
𝜎= √
𝑁
∑ 𝑓(𝑥−𝑥̅ )2
𝑠2 = 𝑛−1
19
Keterangan:
S = varians sampel
f = jumlah frekunsi setiap kelas
x = nilai setiap data/ pengamatan data sampel
x̅ = nilai rata-rata hitung dalam sampel
n = jumlah total data/ pengamatan dalam sampel
∑ = simbol operasi penjumlahan
Rumus Standar Deviasi Data Tidak Berkelomok
∑ 𝑓(𝑥 − 𝑥̅ )2
𝑠=√
𝑛−1
20
Gambar 1. 1 Skewness
Nilainya dapat diukur dengan menggunakan koefisien
kecondongan Pearson dan koefisien kecondongan Momen. (Akan
dibahas khusus pada materi berikutnya).
b. Kurtosis (Keruncingan)
Keruncingan dinilai sebagai bentuk distorsi dari kurva normal.
Tingkat keruncingan diukur dengan membandingkan bentuk
keruncingan kurva distribusi data dengan kurva normal. Terbagi atas
tiga, yaitu :
1) Leptokurtic, yaitu bagian tengah distribusi data memiliki puncak
yang lebih runcing (nilai keruncingan lebih dari 3).
2) Platykurtic, yaitu bagian tengah distribusi data memiliki puncak
yang lebih datar (nilai keruncingan kurang dari 3).
3) Mesokurtic, yaitu bagian tengah distribusi data memiliki puncak
diantara Leptokurtic dan Platykurtic (nilai keruncingan sama
dengan
Gambar 1. 2 Kurtosis
21
Selanjutnya, untuk melihat apakah data berdistribusi normal atau
tidak dengan menggunakan skewness dan kurtosis, dapat digunakan
formula sebagai berikut :
Z-Skewness = Skewness / sqrt(6/N)
Interpretasi pada tingkat signifikansi (alpha) 5% :
1) Jika data memiliki nilai Z-Skewness < -1,96 berarti data
memiliki kecondongan kanan.
2) Jika data memiliki nilai Z-Skewness > +1,96 berarti data
memiliki kecondongan kiri.
3) Jika data memiliki nilai Z-Skewness antara -1,96 dan +1,96,
berarti data mendekati simetris.
Z-Kurtosis = Kurtosis / sqrt(24/N)
Interpretasi pada tingkat signifikansi (alpha) 5% :
1) Jika data memiliki nilai Z-Kurtosis < -1,96, berarti data memiliki
keruncingan Leptokurtik.
2) Jika data memiliki nilai Z-Kurtosis > +1,96, berarti data memiliki
keruncingan Platikurtik.
3) Jika data memiliki nilai Z-Kurtosis antara -1,96 dan +1,96,
berarti data memiliki keruncingan Mesokurtik.
22
1.3 HASIL PERCOBAAN
Lokasi pengumpulan data kami dilakukan di Taman SPBU
G.Bawakaraeng .Sumber datanya sendiri berasal dari jumlah sepeda motor
yang lewat di depan taman SPBU G.Bawakaraeng dalam setiap menitnya
selama 2 jam, maka diperoleh hasil pengolahan data sebagai berikut:
1.3.1 Distribusi Frekuensi
A. Jumlah Kelas
k = 1 + 3,3 log n
= 1 + 3,3 log 120
= 1 + 3,3 (2,08)
= 1 + 6,86
= 7,86 ≈ 8
Jadi, jumlah kelas adalah dari pengolahan data adalah 8
B. Range
R = Nilai Tertinggi − Nilai Terendah
= 78-7 = 71
Jadi, jumlah dari nilai tertinggi dikurangi dengan terendah adalah 71
C. Interval Kelas
R 71
I= = = 8,87 ≈ 9
k 8
Jadi, jumlah dari nilai tertinggi dan nilai terendah dibagi dengan
jumlah kelas adalah 9
23
1.3.2 Ukuran Rata-Rata
A. Mean
∑ 𝑓𝑖. 𝑚𝑖
𝑥̅ =
𝑛
1872
=
120
= 15,6
Jadi, jumlah mean (rata-rata) adalah 15,6
B. Median
n
− Fkum
Me = B + 2 ×i
fi
120
− Fkum
2
=B+ ×9
fi
60 − 39
= 14,5 + ×9
59
21
= 14,5 + ×9
59
189
= 14,5 +
59
= 14,5 + 3,20
= 17,7
Jadi, jumlah perhitungan dari median atau nilai tengah adalah
mendapatkan hasil 17,7
C. Modus
d1
Mo = B + ×i
d1 + d2
20
= 14,5 + ×9
20 + 45
180
= 14,5 +
65
= 14,5 + 2,76
= 17,26
Jadi, jumlah perhitungan dari modus atau ukuran data yang sering
muncul adalah mendapatkan hasil 17,26
24
1.3.3 Ukuran Letak
A. Quartil
1. Quartil 1
n
− Fkum
Q1 = B + 4 ×i
fi
120
− Fkum
4
= 14,5 + ×9
39
30 − 39
= 14,5 + ×9
39
−9
= 14,5 + ×9
39
−351
= 14,5 +
39
= 14,5 − 9
= 5,5
Jadi, jumlah perhitungan dari Quartile 1 atau letak adalah
mendapatkan hasil 5,5
2. Quartil 2
𝑛
− 𝐹𝑘𝑢𝑚
𝑄2 = 𝐵 + 2 ×𝑖
𝑓𝑖
120
− 𝐹𝑘𝑢𝑚
2
=𝐵+ ×9
𝑓𝑖
60 − 39
= 14,5 + ×9
59
21
= 14,5 + ×9
59
189
= 14,5 +
59
= 14,5 + 3,20
= 17,7
Jadi, jumlah perhitungan dari Quartile 2 atau letak adalah
mendapatkan hasil 17,7.
25
3. Quartil 3
3𝑛
− 𝐹𝑘𝑢𝑚
4
𝑄3 = 𝐵 + ×𝑖
𝑓𝑖
3(120)
− 𝐹𝑘𝑢𝑚
4
=𝐵+ ×9
𝑓𝑖
90 − 98
= 14,5 + ×9
59
−8
= 14,5 + ×9
59
−72
= 14,5 +
59
= 14,5 − 1,2
= 13,3
Jadi jumlah perhitungan dari Quartile 3 atau letak adalah
mendapatkan hasil 13,3
B. Desil
𝑖.𝑛
( 10 ) − 𝐹𝑘𝑢𝑚
𝐷𝑖 = 𝐵 + ×𝑖
𝑓𝑖
3.120
( ) − 𝐹𝑘𝑢𝑚
10
= 14,5 + ×9
𝑓𝑖
36 − 39
= 14,5 + ×9
39
−3
= 14,5 + ×9
39
−27
= 14,5 +
39
= 14,5 + −0,69
= 13,81
Jadi, jumlah perhitungan dari desil adalah mendapatkan hasil 13,81
26
C. Persentil
𝑖.𝑛
(100) − 𝐹𝑘𝑢𝑚
𝑃𝑖 = 𝐵 + ×𝑖
𝑓𝑖
71.120
( ) − 𝐹𝑘𝑢𝑚
100
=𝐵+ × 71
𝑓𝑖
85,2 − 39
= 14,5 + × 71
39
46,2
= 14,5 + × 71
39
3280,2
= 14,5 +
39
= 14,5 + 84,10
= 98,6
Jadi, jumlah perhitungan dari persentil adalah mendapatkan hasil
98,6
27
1.3.5 Histogram
70
60
50
Frekuensi
40
30
20
10
0
7 - 14 15 - 2223 - 3031 - 3839 - 4647 - 5455 - 6263 - 7071 - 78
Kelas
1.4 PEMBAHASAN
1.4.1 Distribusi Frekuensi
Dari hasil pengumpulan dan pengamatan data yang telah dilakukan
pada lokasi di spbu jl.gatot subroto adapun jumlah kelas yang diperoleh
yaitu 9 kelas, adapun selisih antara nilai tertinggi dan nilai terendah
yaitu 78 sedangkan interval yang diperoleh yaitu 7.
28
Persentil dihitung berdasarkan nilai stambuk dan hasil yang diperoleh
adalah 98,6
1.4.5 Histogram
Pada histogram hasil pengolahan data diketahui pada kelas 7-14
menghasilkan frekuensi sebesar 39, pada kelas 15-22 frekuensi yang
dihasilkan sebesar 59, Pada kelas 23-30 frekuensi yang dihasilkan
sebesar 14, Pada kelas 31-38 frekuensi yang dihasilkan sebesar 0, Pada
kelas 39-46 frekuensi yang dihasilkan sebesar 0, Pada kelas 47-54
frekuensi yang dihasilkan sebesar 0, Pada kelas 55-62 frekuensi yang
dihasilkan sebesar 0, pada kelas 63-70 frekuensi yang dihasilkan
sebesar 0, dan pada kelas 71-78 frekuensi yang dihasilkan sebesar 8.
Jadi kesimpulan dari histogram tersebut yaitu kita dapat mengetahui
bahwa nilai frekuensi pada tiap kelas berbeda-beda.
29
BAB II
REGRESI DAN KOLERASI
2.1 Pendahuluan
2.1.1 Latar Belakang
Analisis regresi digunakan untuk melihat pengaruh variable
prediktor terhadap variable respon dengan terlebih dahulu melihat
pola hubungan variable tersebut. Hal ini dapat dilakukan melalui dua
pendekatan yaitu pendekatan parametric dan pendekatan
nonparametric. Pendekatan yang paling umum dan seringkali
digunakan adalah pendekatan parametrik. Pendekatan parametrik
menggunakan bentuk model yang sudah ditentukan. Apabila tidak
ada informasi apapun tentang bentuk dari fungsi regresi, maka
pendekatan nonparametric ( Hardle, 1994). Karena pendekatan
memberikan fleksibilitas yang lebih besar.
Analisis korelasi bertujuan untuk mengukur seberapa kuat
suatu relasi antara variable, dalam hal ini kekeratan hubungan antara
berat spesimen dan harga spesimen terhadap harga penjualan.
Dengan demikian regresi dan korelasi digunakan sebagai perankat
analisis dalam pengambilan keputusan agar keputusan tersebut dapat
relevan dengan objek yang diamati, dan juga mengetahui apakah ada
kaitan antara variable-variable dalam populasi.
30
d. Mampu melakukan pengolahan data regresi dan kolerasi
31
2.2 Landasan Teori
2.2.1 Pengertian Regresi
Regresi adalah suatu metode analisis statistik yang digunakan
untukmelihat pengaruh antara dua atau lebih variabel. Hubungan
variabel tersebut bersifat fungsional yang diwujudkan dalam suatu
model matematis. Pada analisis regresi, variabel dibedakan menjadi
dua bagian, yaitu variabel respons (response variable) atau biasa juga
disebut variabel bergantung(dependent variable) dan variabel
explanory atau biasa disebut penduga (predictor variable) atau
disebut juga variabel bebas (independent variabel). Jenis- jenis
regresi terbagi menjadi beberapa jenis, yaitu regresi sederhana (linier
sederhana dan nonlinier sederhana) dan regresi berganda (linier
berganda atau nonlinier berganda). Metode ini berdsarkan pada
hubungan sebab akibat atas terjadinya variansi dari suatu variable,
dan hubungan sebab akibat itu Nampak dalam fungsi persamaan
regresi. Sedangkan kolerasi merupakan merupakan alat pembantu
yang berguna untuk mengetahui sejauh mana intensitas hubungan
yang terjadi antara vaariabel-variabel yang bersangkutan.
Pada dasarnya regresi merupakan bentuk hubungan antara
peubah tak bebas atau independen degan peubah bebas atau
dependen. Hubungan ini biasa dinyatakan dalam bentuk persamaan
matematis yang bentuknya bisa linear maupun non linear. Uji
regresii digunakan untuk memprediksi besar Variable Tergantung
(Dependent Variable) dengan menggunkan dataVariabel Bebas
(Independent Variable) yang sudah dikethui besarnya.
Rumus umum :
𝑦̂ = 𝑎 + 𝑏𝑥
a = penduga intercept
32
b = penduga bagi koefisien
x = variabel bebas
n = jumlah pengamatan
Penduga intercept
∑ 𝑦𝑖 − 𝑏 ∑ 𝑥𝑖
𝑎=
𝑛
n = jumlah pengamatan
antara dua variabel. Dua variabel ini dibedakan manjadi dua variabel
bebas (X) dan variabel tak bebas (Y). Variable bebas adalah variabel
33
b. Regresi Berganda
hasil pertanian (misal” produksi padi per hektar) dengan jenis pupuk yag
1. Regresi Kurvilinier
bvebas (X) yang tidak bersifat linier. Tidak linier bisa diartikan
34
umum produksi padi akan meningkat apabila pemberian pupuk
35
Dalam kasus ini, bila kemasannya menarik diberi nilai 1 dan apabila
regresi berganda, untuk regresi variabel bebas (X) bisa juga terdiri
atau dapat pula terjadi karena kebetulan saja. Dua variable dikatakan
36
perubahan pada variabel yang lain secara teratur dengan arah yang
dua variable berubah dalam hubungan satu sama lain. Sebagai contoh, kita
bisa menggunakan tinggi badan dan usia siswa SD sebagai variable dalam
korelasi positif. Semakin tua usia siswa SD, maka tinggi badannya pun
menjadi semakin tinggi. Hubungan ini disebut korelasi positif karena kedua
meningkatnya usia, maka tinggi badan pun ikut meningkat. Sementara itu,
kita bisa menggunakan nilai dan tingkat ketidak hadiran siswa sebagai contoh
dalam korelasi negatif. Semakin tinggi tingkat ketidak hadiran siswa di kelas,
nilai siswa justru menurun. Kedua variabel yang dibandingkan satu sama lain
oleh matahari tidak dapat diatur oleh manusia. Sedangkan tinggi tanaman
37
merupakan variabel dependen karena perubahan tinggi tanaman dipengaruhi
𝑛 ∑ 𝑥𝑦 − (∑ 𝑥)(∑ 𝑦)
𝑟=
√𝑛{∑ 𝑥 2 − (∑ 𝑥)2 }√𝑛{∑ 𝑦 2 − (∑ 𝑦)2 }
Dimana :
2
∑(𝑌 − 𝑌)2
𝑅 =1−
∑(𝑌 − 𝑌̅)2
Koefisien determinasi disesuaikan (adjusted)
𝑃(1 − 𝑅 2 )
2
𝑅=𝑅 −
𝑁−𝑃−1
4. Kesalahan baku estimasi; digunakan untuk mengukur tingkat kesalahan
dari model regresi yang dibentuk
∑(𝑌 − 𝑌)2
𝑆𝑒 = √
𝑛−𝑘
38
5. Kesalahan baku koefisien regresi;digunakan untuk mengukur besarnya
tingkat kesalahan dari koefisien regresi
𝑆𝑒
𝑆𝑏 =
(∑𝑋)2
√∑𝑋 2 −
𝑛
𝑏𝑗
thitung= 𝑠𝑏𝑗
selama ini antara lain adalah korelasi sederhana, korelasi parsial, dan
a. Korelasi Sederhana
39
bentuk hubungannya adalah apakah bentuk korelasinya linear
menunjukkan korelasinya.
40
digunakan ketika data tidak memiliki informasi parameter, data
30).
b. Korelasi Parsial
41
untuk memberikan interpretasi serta analisis bagi koefisien
c. Korelasi Ganda
untuk melihat hubungan antara tiga atau lebih variabel (dua atau
42
terdapat hubungan di antara dua variabel atau lebih namun
sekali.
43
b. Langkah membuat diagram pencar yaitu :
a) Selang waktu
d) Judul grafik
a. Linear positif
44
yang didapatkan. Dimana apabila nilai x naik maka nilai y
b. Linear negatif
persamaannya kuadrat.
e. Curve linear
45
f. Tak tentu
46
1. Koefisien Regresi
𝑛. (∑ 𝑥. 𝑦) − (∑ 𝑥). (∑ 𝑦)
𝑏=
𝑛. (∑ 𝑥 2 ) − (∑ 𝑥)2
24(265860)−(748)(7600)
= 24(32638)−(748)2
695840
= 223808 = 3,10
2. Konstanta
∑ 𝑦 − 𝑏. (∑ 𝑥)
𝑎=
𝑛
7600 − 3,10 (748)
= 24
5281,2
= =220,05
24
Jadi, rumus umum regresi dari data harga dan pendapatan penjualan
sepatu adalah 169,37
b. Nilai Prediksi
1) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂16 = 220,05 + 3,10(16)
= 269,65
2) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂20 = 220,05 + 3,10(20)
= 282,05
3) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂15 = 220,05 + 3,10(15)
= 266,55
4) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂7 = 220,05 + 3,10(7)
= 241,75
5) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂71 = 220,05 + 3,10(71)
= 440,15
47
6) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂26 = 220,05 + 3,10(26)
= 300,65
7) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂21 = 220,05 + 3,10(21)
= 285,15
8) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂25 = 220,05 + 3,10(25)
= 297,55
9) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂30 = 220,05 + 3,10(30)
= 313,05
10) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂38 = 220,05 + 3,10(38)
= 337,85
11) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂33 = 220,05 + 3,10(36)
= 331,65
12) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂39 = 220,05 + 3,10(33)
= 322,35
13) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂10 = 220,05 + 3,10(39)
= 340,95
14) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂13 = 220,05 + 3,10(10)
= 251,05
15) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂18 = 220,05 + 3,10(13)
= 260,35
48
16) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂22 = 220,05 + 3,10(18)
= 275,85
17) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂28 = 220,05 + 3,10(22)
= 288,25
18) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂22 = 220,05 + 3,10(27)
= 303,75
19) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂29 = 220,05 + 3,10(28)
= 306,85
20) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂11 = 220,05 + 3,10(29)
= 309.95
21) 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
𝑦̂11 = 220,05 + 3,10(11)
= 254,15
c. Koefisien Determinasi
Tabel 2.2 Hasil Pengolahan Regresi
y ŷ (y - y )̂ (y - y )̂ ^2 (y - y )̅ (y - y )̅ ^2
260 269.65 -9.65 93.12 -56.67 3211.49
300 282.05 17.95 322.20 -16.67 277.89
220 266.55 -46.55 2166.90 -96.67 9345.09
200 241.75 -41.75 1743.06 -116.67 13611.89
360 440.15 -80.15 6424.02 43.33 1877.49
400 300.65 99.35 9870.42 83.33 6943.89
310 285.15 24.85 617.52 -6.67 44.49
480 297.55 182.45 33288.00 163.33 26676.69
420 313.05 106.95 11438.30 103.33 10677.09
440 440.15 -0.15 0.02 123.33 15210.29
500 337.85 162.15 26292.62 183.33 33609.89
450 331.65 118.35 14006.72 133.33 17776.89
420 322.35 97.65 9535.52 103.33 10677.09
400 340.95 59.05 3486.90 83.33 6943.89
490 440.15 49.85 2485.02 173.33 30043.29
150 251.05 -101.05 10211.10 -166.67 27778.89
180 260.35 -80.35 6456.12 -136.67 18678.69
190 275.85 -85.85 7370.22 -126.67 16045.29
210 288.25 -78.25 6123.06 -106.67 11378.49
230 440.15 -210.15 44163.02 -86.67 7511.69
260 303.75 -43.75 1914.06 -56.67 3211.49
280 306.85 -26.85 720.92 -36.67 1344.69
290 309.95 -19.95 398.00 -26.67 711.29
160 254.15 -94.15 8864.22 -156.67 24545.49
7600 7600 0 207991.12 -0.08 298133.33
49
∑(𝑦 − 𝑦̂)2
𝑅2 = 1 −
∑(𝑦 − 𝑦̅)2
207991,12
𝑅 2 = 1 − 298133,33 =
𝑅 2 = 1 − 0,7 = 0,3
Jadi, nilai pada koefisien determinasi adalah 0,3
Koefisien determinasi disesuaikan (adjusted):
𝑃(1 − 𝑅 2 )
𝑅𝑎𝑑𝑗 = 𝑅 2 −
𝑁−𝑃−1
1(1−0,3)
𝑅𝑎𝑑𝑗 = 0,3. − 24−1−1
0,7
= 0,3 − 22 = 0,03
= 0,3 – 0,03
= 0,27
Jadi, nilai yang diperoleh Radj adalah 0,27
∑((𝑦 − 𝑦)2 )
𝑆𝑒 = √
𝑛−𝑘
298133,33
𝑆𝑒 = √ = √13551,51
24−2
= 116,41
Jadi, nilai yang diperoleh Se adalah 116,41
116,41
= 2
√32638− (748)
24
116,65
= 9325,33 = 0,012
50
Jadi, nilai yang diperoleh Sb adalah 0,012
f. Uji F
𝑅2
𝑘−1 0,3/(2−1)
𝐹= 𝑅2
= 1−(0,3)/(24−2)
1−
𝑛−𝑘
0,3
= 0,99
= 0,30
Jadi, nilai yang diperoleh F hitung adalah 0,30
g. Uji T
𝑏𝑗
𝑇=
𝑆𝑏𝑗
3,10
𝑇 = 0,01 = 31
695840
𝑟=
√1601391001600
695840
𝑟 = 1265460,79 =
𝑟 = 0,55
51
2.3.3 Diagram Pencar
2.4 PEMBAHASAN
2.4.1 Regresi
Berdasarkan hasil pengumpulan data yang telah dilakukan dapat
diambil kesimpulan bahwa nilai pada koefisien regresi diperoleh 3,10
dimana nilai konstanta sebesar 169,37. Pada nilai prediksi yang diperoleh
sebanyak 24 data. Nilai pada koefisien determinasi yaitu (R2) 0,3 yang
menunjukkan seberapa besar variabel x mempengaruhi variabel y dan
sisanya dipengaruhi oleh faktor lain yang tidak kami teliti serta nilai pada
Radj sebesar 0,27. Sedangkan pada kesalahan baku estimasi diperoleh
116,41 dan pada kesalahan baku koefisien regresi sebesar 0,012. Dimana
nilai pada Uji f (F hitung) adalah 0,30 sedangkan nilai F tabel 4,30 dan pada
uji t (T hitung) adalah 31 sedangkan T tabel adalah 2,07 sehingga dapat
dikatakan bahwa:
Thitung > Ttabel maka variabel bebas berpengaruh pada variabel terikat.
52
2.4.2 Korelasi
Korelasi merupakan alat pembantu yang berguna untuk
mengetahui sejauh mana intensitas hubungan yang terjadi antara
variabel-variabel yang bersangkutan.
Dari hasil pengolahan data yang telah dilakukan diperoleh nilai
korelasi yaitu 0,55. Jadi, pengaruh nilai harga (x) terhadap pendapatan
(y) yaitu 0,55 yang artinya kuat.
53
BAB III
PENGOLAHAN DATA DENGAN SPSS
3.1 PENDAHULUAN
3.1.1 Latar belakang
SPSS adalah sebuah program aplikasi yang memiliki kemampuan
analisis statistik cukup tinggi serta sistem manajemen data pada
lingkungan grafis dengan menggunakan menu-menu deskriptif dan
kotak dialog yang sederhana sehingga mudah untuk dipahami cara
pengoperasiannya. Beberapa aktivitas dapat dilakukan dengan mudah
dengan menggunakan pointing dan clicking mouse (Hartatik, 2011).
SPSS banyak digunakan dalam berbagai riset pemasaran,
pengendalian dan perbaikan mutu (quality improvement), serta riset-
riset sains. SPSS pertama kali muncul dengan versi PC (bisa dipakai
untuk komputer desktop) dengan nama SPSS/PC+ (versi DOS).
Pada awalnya SPSS dibuat untuk keperluan pengolahan data
statistik untuk ilmu-ilmu social, sehingga kepanjangan SPSS itu sendiri
adalah Statistikal Package for the Social Sciens. Sekarang kemampuan
SPSS diperluas untuk melayani berbagai jenis pengguna (user), seperti
untuk proses produksi di pabrik, riset ilmu sains dan lainnya. Dengan
demikian, sekarang kepanjangan dari SPSS Statistical Product and
Service Solutions.
SPSS dapat membaca berbagai jenis data atau memasukkan data
secara langsung ke dalam SPSS Data Editor. Bagaimanapun struktur
dari file data mentahnya, maka data dalam Data Editor SPSS harus
dibentuk dalam bentuk baris (cases) dan kolom (variables).
Pada 1986, Norman H. Nie C. Hadlai (Tex) Hull dan Dale
H.Bent , tiga orang pemuda dari latar belakang profesional berbeda,
memperkembangkan sistem perangkat halus yang berdasarkan gagasan
statistika menggunakan untuk mengubah data mentah (RAW)menjadi
informasi esensial untuk membuat keputusan . Sistem perangkat halus
54
statistik revolusioner ini disebut SPSS, yang menjadi calon Statistical
Package untuk ilmu pengetahuan Sosial.
Nie, Hull, dan Bent membangun SPSS dari keperluan untuk
dengan cepat menganalisa volume data ilmu pengetahuan sosial yang
dikumpulkan lewat berbagai metode penelitian. Dilakukan kerja petama
di SPSS di Stanford University dengan maksud untuk membuatnya
tersedia hanya untuk konsumsi lokal dan tak ada distribusi
internasional. Nie, seorang ilmuan sosial dan stanford doktoral calon,
mengambil target sasaraan dan menetapkan kebutuhan (requirements) :
Bent, Dotoral calon stanford University pada penelitian pelaksanaan,
mempunyai keahlian analisa dan mendesain struktur berkas sistem
SPSS : dan Hull, yang baru tamat dari stanford dengan gelar MBA-nya,
memperogram SPSS.
Sekarang ini SPSS yang berkembang sudah berbasis windows
sehingga dikenal dengan SPSS for windows. Perama kali muncul versi
windows adalah SPSS for windows 6.00, hingga kini SPSS yang paling
terbaru SPSS 20. SPSS memiliki banyak kegunaan bagi pengguna
seperti peneliti pasar, peneliti kesehatan, perusahaan survei, pemerintah,
peneliti pendidikan, organisasi pemasaran, dan sebagainya.
55
3.1.4 Prosedur Praktikum
a. Menyiapkan komputer, laptop atau notebook yang memiliki
software SPSS
b. Menyiapkan observation sheet yang berisi data percobaan statistik
deskriptif, regresi dan korelasi, serta data statistik inferensia
c. Menginput data sesuai dengan metode pengolahan yang akan
digunakan
d. Mengolah data
e. Menganalisis output dari data yang telah diolah.
56
Berbagai fitur dalam SPSS dapat diakses melalui menu pull-down
atau dapat diprogram dengan bahasa perintah sintaks proprietary 4GL.
Pemrograman perintah sintaks memiliki keuntungan di bidang
reproduktivitas serta pengendalian manipulasi data kompleks dan
analisis. Perhubungan menu pull-down juga menghasilkan sintaks
perintah, walaupun pengaturan awalnya harus diubah terlebih dahulu
agar sintaks dapat dilihat oleh user. Program dapat berjalan secara
interaktif, atau tanpa pengendalian menggunakan Fasilitas Kerja
Produksi. Sebagai tambahan, bahasa makro juga dapat digunakan untuk
menulis perintah subrutin dan ekstensi program Python dapat
mengakses informasi di dalam kamus data dan data, kemudian secara
dinamis membuat program perintah sintaks.
SPSS meletakkan batasan-batasan pada struktur file internal, tipe
data, pengolahan data dan pencocokan file, yang memudahkan
pemrograman. SPSS datasets memiliki struktur tabel 2 dimensi dimana
bagian baris menunjukkan kasus-kasus (seperti pribadi atau rumah
tangga) dan bagian kolom menampilkan ukuran-ukuran (seperti umur,
jenis kelamin, pendapatan rumah tangga). Hanya 2 tipe data yang
digambarkan: numerik dan teks (string).
Seluruh pengolahan data dilakukan berurutan kasus per kasus
melalui file. File dapat dipasangkan satu per satu atau satu-banyak, tapi
tidak dapat banyak per banyak. User interface grafis memiliki 2 jenis
tampilan yang dapat dipilih dengan cara meng-klik salah satu dari dua
tombol di bagian bawah kiri dari window SPSS.
SPSS dapat membaca dan menulis data dari file teks ASCII
(termasuk file hierarkis), paket statistik lainnya, spreadsheets dan
database. SPSS dapat membaca dan menulis ke dalam tabel database
eksternal relasional melalui ODBC dan SQL.
Output statistik memiliki format file proprietary (file.spo, men-
support tabel poros) yang mana, sebagai tambahan atas penampil dalam
paket, disediakan pembaca stand-alone.
57
Output proprietary dapat diubah ke dalam bentuk teks atau
Microsoft Word. Selain itu, output dapat dibaca sebagai data
(menggunakan perintah OMS), sebagai teks, teks dengan pembatasan
tabulasi, HTML, XML, dataset SPSS atau pilihan format image grafis
(JPEG, PNG, BMP, dan EMP).
58
variansi, modus, dll) dan representasi yang menarik melalui grafik.
Dimana Statistik Deskriptif bertujuan untuk memberikan gambaran
umum jelas dari data yang digunakan dalam studi kasus atau
penelitian.
Langkah-langkah analisis deskriptif:
1. Persiapkan data yang akan digunakan
serta tipe data dari data yang akan digunakan dengan cara klik
59
Gambar 3. 3 Analyze Deskriptive Statistics Frequencies
Gambar 3. 5 Statistics
8. Selanjutnya untuk menampilakan representasi grafik,
klik Chats - Histograms - centang Show normal curve on
histogram - Continue. Lalu klik Ok
60
Gambar 3. 6 Chats Histogram
61
Gambar 3. 8 Input Data
62
Kemudiakn klik Plots. Lalu aktifkan box Normality plots with
tests, klik Continue lalu OK.
63
Gambar 3. 14 korelasi pearson
64
Gambar 3. 17 Korelasi Partial
Gambar 3. 18 Controlling
6) Sela
njutnya yaitu analisis Korelasi Ganda. Karena tidak ada menu
khusus korelasi ganda di SPSS, maka menggunakan regresi.
Pilih menu Analyze, lalu Regression dan klik Linear.
Gambar 3. 20 Analyze
65
Setelah muncul kotak dialog, pindahkan variabel Nilai
Impor ke kotak Dependent dan variabel Pendapatan Nasional
ke kotak Independent(s). Lalu klik OK.
Gambar 3. 21 Independent
66
Setelah muncul kotak dialog, pindahkan variabel Nilai
Impor ke kotak Dependent dan variabel Pendapatan Nasional
ke kotak Independent(s). Klik OK.
Gambar 3. 24 Dependent
67
3.3 HASIL PERCOBAAN
3.3.1 Statistika Deskriptif
A. Statistik
Statistik adalah sekumpulan prosedur untuk mengumpulkan,
mengukur, mengklasifikasi, menghitung, menjelaskan, mensintesis,
menganalisis, dan menafsirkan data kuantitatif yang diperoleh
secara sistematis. Secara garis besar, statistik dibagi menjadi dua
komponen utama, yaitu Statistik Deskriptifdan Statistik inferensial.
Statistik Deskriptif, yaitu statistik yang digunakan untuk analisa
data dengan cara mendeskripsikan atau menggambarkan data yang
telah terkumpul sebagaimana adanya tanpa ada tujuan membuat
kesimpulan untuk generalisasi.
Tabel 3. 1 Statistik
B. Frekuensi
Frekuensi adalah banyaknya putaran ulang data yang terjadi
dalam suatu periode tertentu, atau bisa juga diartikan sebagai
banyaknya pengulangan suatu data selama satu kurun waktu tertentu
dan biasa terjadi secara konstan.
68
Tabel 3. 2 Frekuensi
C. Histogram
Histogram adalah tampilan grafis dari tabulasi frekuensi yang
digambarkan dengan grafis batangan sebagai manifestasi data
binning.
69
Gambar 3. 27 Histogram
B. Uji F
Analisis varians (ANOVA) adalah kumpulan dari model
statistik yang digunakan untuk menganalisis perbedaan rata-rata
antara kelompok dan prosedur terkait (seperti “variasi “ antara
kelompok) yang dikembangkan oleh ahli statistik dan evolusi
biologi Ronald Fisher.
70
Tabel 3. 4 Anova
D. Uji Normalitas
Diagram pencar adalah gambaran yang menunjukkan
kemungkinan hubungan (kolerasi) antara pasangan dua macam
variabel dan menunjukkan keeratan hubungan anatara dua variabel
tersebut yang sering diwujudkan sebagai koefisisen kolerasi.
71
Gambar 3. 28 Diagram Pencar
3.4 PEMBAHASAN
3.4.1 Statistik Deskriptif
Pada hasil pengolahan data kami terhadap perhitungan jumlah
motor kami mendapatkan nilai mean 17,28 untuk median 16,81 dan
untuk modus adalah 13, nilai-nilai tersebut didapat berdasarkan tabel
statistik deskriptif dari program SPSS.
Pada tabel frekuensi kita dapat memperoleh informasi dari hasil
perhitungan menggunakan software SPSS didapatkan jumlah data valid
= 120 dan tidak ada data yang hilang, percent sebesar 100,0, valid
percent sebesar 100,0, dan cumulativ a percentile sebesar 100,0. Pada
tabel histogram kita dapat memperoleh informasi bahwa frekuensi yang
dihasilkan tiap data berbeda-beda.
72
0,30 × 100 = 30% yang berarti pengaruh X terhadap Y adalah 30% dan
sisanya dipengaruh oleh factor lain.
Pada table anova kita dapat memperoleh informasi bahwa nilai F
yang didapatkan dari Fhitung atau anova adalah F = 9,535 yang berarti
data yang kami hasilkan tidak signifikan karena lebih kecil
dibandingkan Ftabel yaitu 4.30 dan nilai signifikan pada uji tabel F
yang kami peroleh adalah 0,716 yang berarti tidak signifkan, karena
0,716 lebih besar dari 0,005.
Pada table Coeficient kita dapat memperoleh informasi yaitu nilai
Tolerance = 1,000 lebih besar dari 0,1, dan nilai VIF adalah 1,000 lebih
kecil dari 10 sehingga dapat disimpulkan pada data tersebut tidak terjadi
multikolinieritas. Thitung yang diperoleh yaitu 0,05 dan Ttabel yaitu -
2.07. Thitung ≤ Ttabel artinya Variabel bebas berpengaruh terhadap
variabel terikat.
Dari hasil Scatterplot menyatakan bahwa diagram pencar tersebut
masuk kedalam diagram pencar positif, dimana diagram pencar ini
memiliki hubungan yang saling sejalan atau searah dan
membentukgaris lurus dari persamaan yang didapatkan, dimana apabila
X naik maka Y juga ikut naik.
73
BAB IV
PENUTUP
4.1 KESIMPULAN
74