STATISTIKA INDUSTRI
Disusun Oleh:
...................................(2.1)
...................................(2.2)
Koefisien korelasi rank spearman adalah suatu angka yang dapat
digunakan dalam mengukur hubungan antar dua variabel namun data ini
berbentuk dalam data bertingkat. Rumusnya adalah :
...................................(2.3)
c. Koefisien Korelasi Rank Kendal
Koefisien korelasi rank kendal adalah koefisien yang dikembangkan dari
korelasi rank spearman dan digunakan pada variabel x dan y yaitu dapat
mengukur ketidakaturan.
...................................(2.4)
...................................(2.5)
...................................(2.6)
...................................(2.7)
e. Koefisien Penentu atau determinasi
Koefisien penentu atau determinasi memiliki penyebabnya yaitu adanya
perubahan dalam variabel Y yang datang dari variabel X sebesar kuadrat
koefisien korelasinya.
...................................(2.8)
...................................(2.9)
...................................(2.10)
...................................(2.11)
Koefisien korelasi parsial adalah suatu angka dapat digunakan mengukur
hubungan dua variabel dimana variabel tersebut terdapat variabel konstan.
Koefisien korelasi parsial dengan Y dan X1, apabila X2 Konstan :
...................................(2.12)
...................................(2.3)
BAB III
PEMBAHASAN DAN ANALISA
Kp=( r x 1 y )2 ×100 %
2
¿ ( 0 , 069 ) ×100 %
¿ 0 , 4761 %
Perhitungan KP tersebut bernilai 0,4761%, dimana hal ini mengartikan pengaruh
dari jumlah bahan baku (X1) terhadap target produksi (Y) sebesar 0,4761%
dengan sisa 99,5239 % dipengaruhi faktor lain. .
B. Koefisien korelasi pearson antara target produksi dengan jumlah mesin
n . ∑ x 2 y−∑ x2 ∑ y
r x 2 y=
2 2
√( n ∑ x 2
30 .10314−290 .1067
2− (∑ x 2 ) ) ( n ∑ y 2 −( ∑ y ) )
¿
2 2
√( 30 .2820−( 290 ) )( 30. 38365− (1067 ) )
−10
¿
2496 , 069
¿−0 , 004
Apabila nilai KK < 0,199 maka korelasi antar variabel sangat rendah, lemah
sekali, dan tidak dapat diandalkan. Berdasarkan perhitungan didapat nilai KK
sebesar -0,004 yang menjelaskan antara korelasi jumlah mesin (X2) dengan
target produksi (Y) termasuk sangat rendah. Hubungan antara jumlah mesin
(X2) dengan target produksi (Y) adalah negatif.
Kp=( r x 2 y )2 ×100 %
¿ (−0 , 004 )2 ×100 %
¿ 0 , 0016 %
Perhitungan diatas menunjukkan KP bernilai 0,0016%, dapat diartikan bahwa
pengaruh dari jumlah mesin dengan target produksi sebesar 0,0016%, dan
nilai lainnya sebesar 99,9984% merupakan faktor lain dalam proses produksi.
C. Koefisien korelasi pearson antara jumlah operator dengan jumlah mesin
n ∑ x 1 x 2−∑ x1 ∑ x 2
r x 1 x 2=
2 2
√( ∑
n x 2 −( ∑ x1 )
30 . 4405−457. 290
1 )( n ∑ x 2
2− (∑ x 2 ) )
¿
√( 30 .7107−( 457 )2)(30 . 2820−( 290 )2 )
¿−0 ,257
Apabila nilai KK < 0,199 maka korelasi antar variabel sangat kurang.
Berdasarkan perhitungan didapat nilai kk sebesar -0,257 yang menjelaskan antara
korelasi jumlah bahan baku (X1) dengan jumlah mesin (X2) termasuk sangat
rendah. Hubungan antara jumlah bahan baku (X1) dengan jumah mesin (X2)
adalah positif.
Koefisien Determinasi
Kp=(r x 1 x 2) )2 x 100 %
¿(−0 , 257)2 x 100 %
¿ 6 , 6049 %
KP bernilai 6,6049%, dapat diartikan bahwa pengaruh dari jam kerja operator
terhadap jumlah mesin yang digunakan sebesar 6,6049%, dan nilai lainnya
sebesar 93,3951% dikarenakan oleh adanya faktor lain.
2. Perhitungan koefisien korelasi linear berganda dan koefisien determinasi
√ r 2 +r 2 −2 r y 1 r y 2 r y 12
= y1 y2
r y .12
1−r
122
Kp=(r)2 x 100 %
¿(0 , 070 )2 x 100 %
¿ 0 , 49 %
Koefisien determinasi berganda akan mengukur besarnya sumbangan dari
variabel X terhadap naik turunnya variabel Y. Nilai 0,490% mengartikan bahwa
naik turunnya target produksi (Y) dipengaruhi oleh jumlah bahan baku (X1) dan
jumlah mesin (X2) sebesar 0,49% dan faktor-faktor lainnya sebesar 99,51%.
3. Perhitungan koefisien korelasi persial antara jumlah mesin dan jumlah operator apabila
jumlah mesin konstan dan koefisien determinasi
r 12−r y 1 . r y 2
r y 12=
2
√(1−r y2
)( 1−r
12 2
)
0 , 069−(−0 ,004 ) .−0 , 257
¿
√(1−(−0 , 004 )2 )( 1−( 0 ,257 )2 )
0 , 05872
¿ =0 , 060
0 , 965436
Nilai koefisien korelasi parsial antara jumlah produksi (Y) dan jumlah bahan
baku(X1),apabila jumlah mesin (X2) konstan didapat sebesar 0,060. Nilai 0,060
mengartikan bahwa keeratan antara jumlah produksi (Y) dan jumlah operator (X1)
sangat tidak erat apabila jumlah mesin (X2) bersifat konstan. Berikut perhitungan
koefisien determinasi parsial.
Gambar 3 masukan variabel jumlah operator dan jumlah bahan baku ke dalam kotak Variabel
Langkah selanjutnya terdapat bivariate correlations, masukan variabel jumlah
operator dan jumlah bahan baku ke dalam kotak Variabel. Langkah selanjutnya pada
kolom Correlation Coefficient, memiilih pearson, lalu pada kolom Test of
Significant, memilih Two Tailed dan memberi tanda pada Flag Significant
Correlation. Langkah berikutnya memilih OK. Berikut Gambar 4 Bivariate
Correlations.
Langkah selanjutnya mencari jumlah bahan baku dan target operasi. Pertama memilih
analyze lalu correlate kemudian bivariate. Berikut Gambar 6 Bivariate .
Gambar 7 hubungan korelasi pearson antara jumlah bahan baku dan target operasi.
.
Gambar 10 korelasi koefisien ganda
selanjutnya mencari korelasi koefisien ganda antara jumlah bahan baku dan
jumlah mesin terhadap target operasi. Langkah pertama adalah memilih Analyze pada
menu utama SPSS, lalu memilih Regression, dan memilih Linear. Berikut Gambar 11
Linear.
Gambar 11 memasukan variabel target operasi
Langkah selanjutnya memasukan variabel target operasi ke dependent dan
jumlah bahan baku dan jumlah mesin ke independent. Berikut Gambar 13
Regression Linear.
Gambar 13
Langkah selanjutnya memilih statistics, ceklis Estimates, Model fit dan, R
squared change lalu continue, setelah itu klik tombol OK pada display sebelumnya.
Berikut Gambar 14 Regression Linear Statistics.
Gambar 14
Langkah selanjutnya akan keluar hasil korelasi koefisien ganda antara jumlah
bahan baku dan jumlah mesin dengan target operasi. Berikut Gambar 15 Model
Summary.
Gambar 15
Langkah selanjutnya mencari nilai korelasi parsial antara jumlah mesin dan
target operasi. Langkah pertama adalah memilih Analyze pada menu utama SPSS,
lalu memilih Correlate, dan memilih Partial. Berikut Gambar 16 Partial.
Gambar 16
Langkah selanjutnya masukan jumlah mesin dan target operasi ke variabel
bebas dan jumlah bahan baku ke variabel control. Berikut Gambar 17 partial
correlations.
Gambar 18
Langkah selanjutnya akan keluar hasil korelasi parsial antara jumlah mesin
dan target operasi dengan jumlah bahan baku . Berikut Gambar 19 correlations
partial.
2.3. Analisis
Analisis data adalah suatu cara membandingkan beberapa variabel untuk
mengetahui kesimpulan dati data yang sudah diolah yang bertujuan untuk
mendapatkan jawaban, Atas hipotesa yang ada selama penelitian.
2.3.1 Analisis perhitungan Manual
Analisis perhitungan manual digunakan untuk menganalisa suatu perhitungan,
yang hasil analisa nya akan menjelaskan nilai-nilai yang kita dapatkan saat
melakukan perhitungan manual. Analisis perhitungan manual dilakukan agar kita
dapat mengetahui penjabaran perhitungan secara jelas. Adapun analisis perhitungan
secara manual pada studi kasus ini, sebagain berikut
A. Koesfisien korelasi pearson
Koefisien korelasi pearson yaitu indeks atau angka yang digunakan untuk
mengukur keeratan hubungan antara dua variabel yang datanya berbentuk data
interval atau rasio. Analisi perhitungan manual korelasi pearson adalah sebagai
berikut :
1. Nilai koefisien korelasi pearson dan koefisien determinasi antara jumlah
operator (X1) dengan target produksi (Y). Koefisien korelasi pearson dan koefisien
determinasi dihitung dengan sebuah rumus, dari rumus yang digunakan, akan didapat
nilai koefisien korelasi pearson yang sebesar 0,069 yang dapat diartikan bahwa
hubungan dengan stansarisasi mesin (X1) dengan jumlah Korelasi tersebut dihitung
n. ∑ X1 Y- ∑ X1 ∑ Y
dengan rumus r X1 Y =
√( n. ∑ X -( ∑ X1 )2 ) (n.∑ Y2 -( ∑ Y)2
2
1
r y 12 +r y 22−2 r y 1 .r y 2 .r 12
KPB y 12 =
√ 1−r 122
Nilai korelasi berganda didapatkan sebesar 0,183 yang dapat diartikan bahwa
hubungan antara jumlah bahan baku (X1), jumlah mesin (X2) terhadap target
produksi (Y) adalah sangat rendah dan kurang dapat diandalkan. Nilai
koefisien determinasi menjelaskan besarnya presentase kontribusi dari faktor-
faktor yang mempengaruhi target produksi (Y). Nilai koefisien determinasi
didapatkan sebesar 0,49% yang artinya pengaruh naik turunnya target
produksi (Y) yang disebabkan oleh standarisasi mesin (X1) dan jumlah bahan
baku (X2) sebesar 0,49%, sedangkan sebesar 99,510% disebabkan oleh faktor-
faktor lainya yang juga turut mempengaruhi target produk (Y).
C. Koefisien Korelasi Parsial
Koefisien korelasi parsial adalah cara yang digunakan untuk mengetahui
hubungan antara dua variabel dimana variabel lainnya yang akan dikendalikan
atau dibuat tetap (konstan). Studi kasus ini menguji pengaruh jumlah operator
(X1) 0,069 terhadap target produksi apabila nilai jumlah mesin (X2).
Berdasarkan perhitungan didapatkan nilai korelasi parsial sebesar 0,069 yang
menunjukkan bahwa hubungan antara jumlah bahan baku (X1) terhadap
jumlah mesin (X2) apabila target produksi (Y) dianggap konstan adalah sangat
kuat dan bersifat negatif.
Perhitungan koefisien determinasi menjelaskan besarnya pengaruh nilai suatu
variabel terhadap naik atau turunnya nilai variabel yang dikendalikan. Nilai
koefisien determinasi yang didapatkan sebesar 0,360.% yang mengartikan
besar pengaruh jumlah bahan baku (X1) terhadap jumlah mesin (X2) saat
target produksi (Y) adalah konstan , dengan 99,640% merupakan pengaruh
dari faktor-faktor lainnya.
2.3.2 Analisis Pengolahan Software
Analisis perhitungan software bertujuan untuk mengambil kesimpulan dari
perhitungan yang dilakukan menggunakan software. Analisis perhitungan software
akan menghasilkan output dan input dari korelasi pearson dan korelasi parsial ketiga
variabel yang ada.
Pengolahan software menunjukkan output dari korelasi pearson menggunakan
signifikasi two-tailed dikarenakan arah korelasi telah diketahui apabila bernilai positif
maka korelasi antarvariabel akan searah dan jika bernilai negatif maka korelasi antar
variabel tidak searah. Nilai siginifikasi jumlah bahan baku (X1) terhadap target
produksi (Y) sebesar 0,069, mengartikan terdapat korelasi yang signifikan. Nilai
korelasi jumlah bahan baku (X1) terhadap jumlah target produksi (Y) terdapat
korelasi yang kuat dan bernilai positif sehingga dapat diketahui bahwa korelasi antara
jumlah bahan baku (X1) terhadap target produksi (Y).
Nilai siginifikasi jumlah mesin (X2) terhadap target produksi (Y) sebesar -0,004
mengartikan terdapat korelasi yang signifikan. Nilai korelasi jumlah mesin (X2)
terhadap target produksi (Y), mengartikan terdapat korelasi yang sangat lemah dan
bernilai negatif sehingga dapat diketahui bahwa korelasi jumlah mesin (X2) jumlah
operator terhadap jumlah produksi (Y), dimana nilai tersebut didapatkan dari jumlah
sampel dikurangi dengan banyaknya variabel bebas.
Nilai siginifikasi jumlah bahan baku (X1) terhadap jumlah mesin (X2) mengartikan
tidak terdapat korelasi yang signifikan. Nilai korelasi jumlah bahan baku (X1)
terhadap target produksi (Y) mengartikan terdapat korelasi yang cukup dan bernilai
positif sehingga dapat diketahui bahwa korelasi antara jumlah bahan baku (X1)
terhadap jumlah mesin (X2).
Analisis perbandingan bertujuan untuk mengetahui ada atau tidak perbedaan
perhitungan dengan dua metode tersebut. Setelah melakukan perhitungan manual dan
pengolahan data dengan software SPSS 16.0, maka data yang didapat adalah:
BAB III
KESIMPULAN DAN SARAN
4.1. Kesimpulan
PT MD CONVECTION INDONESIA telah melakukan evaluasi perusahaan
menggunakan metode korelasi, baik secara perhitungan manual maupun perhitungan
software . Hasil dari kedua perhitungan tersebut sebagai berikut :
1. Koefisien korelasi pearson antara jumlah bahan baku (X1) dengan target produksi
(Y) adalah 0,069 dan perhitungan Determinannya adalah 0,4761% dan sisanya
sebesar 99,5239% dari faktor lainnya, koefisien korelasi pearson antara target
produksi (Y) dengan jumlah mesin (X2) adalah -0,004 dan nilai determinan
sebesar 0,0016% dapat diartikan bahwa pengaruh dari jumlah mesin dengan target
produksi sebesar 0,0016% dan nilai sebesar 99,9984 merupakan faktor lain dalam
proses produksi. Dan koefisien korelasi pearson antara jumlah operator (X1)
dengan jumlah mesin (X2) adalah sebesar -0,257 dan nilai determinan sebesar
6,6049% dan dapat diartikan bahwa pengaruh dari jam kerja operator terhadap
jumlah mesin yang digunakan sebesar 6,6049% dan nilai lainnya sebesar
93,3951% di karenakan adanya faktor lain.
2. Koefisien korelasi berganda antara jumlah sumbangan dari variabel X terhadap
naik turunnya variabel Y. dan nilai nya sebesar 0,070 dan determinan nya sebesar
0,490%. Nilai 0,490% mengartikan bahwa naik turunnya target produksi (Y)
dipengaruhi oleh jumlah bahan baku (X1) dan jumlah mesin (X2) sebesar 0,0490%
dan faktor lainnya sebesar 99,51%.
3. Koefisien korelasi parsial antara jumlah bahan baku (X1) dan jumlah produksi (Y)
terhadap jumlah mesin (X2) adalah 0,060 dalam jumlah mesin (X2) dianggap
konstan. dan determinannya adalah 0,360%.
4.2. Saran
Praktikum modul korelasi saran untuk dapat di terapkan pada saat proses
pengolahan data. Saran yang ada diharapkan dapat membantu untuk analisis
berikutnya.
1. Praktikan harus lebih cermat lagi dalam menggunakan perhitungan data secara
manual khususnya untuk pembulatan hasil perhitungan secara manual
dikarenakan dapat mempengaruhi hasil perhitungan data dengan
menggunakan software
2. Praktikan diharuskan menggunakan rumus yang sesuai dengan data yang akan
diperhitungkan dan menuliskan persamaan sesuai dengan rumus yang tertera.
3. Praktikan diharuskan mempelajari dan mengikuti langkah demi langkah
dalam pengolahan software yang menggunakan aplikasi bernama SSPS versi
16.0.