LAPORAN AKHIR PRAKTIKUM

STATISTIKA INDUSTRI

Disusun Oleh:

Kelompok / Kelas : 6 (Enam) / 2ID03

Nama (NPM) : 1. Dimas Aditya Putra (31418939)
2. Muladi (35418025)
3. Noviansyah (35418379)
4. Rendy Mika Anafi (35418995)
5. Rifki Riadi Muchlis (36418143)
6. Rifky Fajriandi M (36418146)
Hari/ Shift : Senin/ II (Dua)
Modul : Korelasi

LABORATORIUM TEKNIK INDUSTRI DASAR

JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS GUNADARMA
DEPOK
2019
 BAB I
PENDAHULUAN

1.1. Latar Belakang

Dunia industri manufaktur yang semakin pesat seiring dengan kemajuan
teknologi dan ilmu pengetahuan. Proses produksi tentunya mempunyai banyak
variabel yang berpengaruh terhadap perusahaan dimana perusahaan harus memiliki
hubungan antar faktor produksi agar dapat mengoptimalkan hasil dan kinerja dari
perusahaan. Permasalahan Perusahaan adalah perusahaan belum mengetahui
hubungan antar variabel. Perusahaan harus mengambil sebuah keputusan yang
menyangkut masa depan perusahaan tersebut. Berdasarkan permasalahan tersebut
perusahaan dapat menggunakan Korelasi.
Ilmu statistika adalah disiplin ilmu yang mempelajari secara mendalam mengenai
pengumpulan, pengolahan, menganalisa, menafsirkan dan penarikan kesimpulan dari
data dalam bentuk angka . Korelasi adalah istilah statistik yang menyatakan derajat
hubungan linier antara dua variavel atau lebih.
Aplikasi korelasi pada perusahaan kami PT. MD CONVECTION INDONESIA.
yang bergerak di bidang produksi pembuatan kaus baju. Permasalahan yang dihadapi
adalah bagaimana cara mengetahui atau mencari tentang target produksi perusahaan
tersebut dengan mengetahui permasalahan yang ada dalam jumlah mesin ataupun
jumlah operator pada perusahaan tersebut oleh karena itu digunakanlah metode
seperti korelasi pearson,parsial dan determinasi.

1.2. Tujuan Penulisan

Tujuan penulisan laporan akhir statistika industri dengan pembahasan mengenai
korelasi, berisi tentang hal-hal yang ingin dianalis dan dibuktikan pada modul ini.
Tujuan dan hal-hal tersebut adalah sebagai berikut.
1. Mengetahui nilai koefisien korelasi pearson dan determinan antara jumlah operator
(X1) dengan jumlah mesin (X2), mengetahui nilai koefisien korelasi pearson dan
determinan antara jumlah operator (X1) dengan target produksi (Y), mengetahui
nilai koefisien korelasi pearson dan determinan antara jumlah mesin (X2) dengan
target produksi (Y) .
2. Mengetahui nilai koefisien korelasi berganda dan determinan antara Jumlah
operator (X1) dan frekuensi jumlah mesin (X2) terhadap jumlah produksi (Y)
3. Mengetahui nilai koefisien korelasi parsial dan determinan antara jumlah operator
(X1) terhadap jumlah produksi (Y), jika jumlah mesin (X2) di anggap konstan.
 BAB II
LANDASAN TEORI

2.1 Pengertian Korelasi

Menurut M. Iqbal Hasan (2009:99), Korelasi adalah indeks atau bilangan
yang mengukur derajat hubungan, meliputi kekuatan hubungan dan bentuk atau arah
hubungan.

2.2 Variabel Bebas dan Variabel Terikat

Variabel bebas (independent variable) adalah suatu variabel yang tidak
memiliki hubungan atau bergantung dengan variabel lainnya. Biasanya variabel ini
digunakan untuk meramalkan nilai variabel yang lainnya. (Hasan 2001)
Variabel terikat (dependent variable) adalah suatu variabel yang memiliki
hubungan atau bergantung pada variabel yang lainnya. Variabel tersebut biasanya
yang diramalkan atau diterangkan nilai variabelnya. (Hasan 2001)
2.3 Nilai-nilai koefisien korelasi
Nilai dalam koefisien korelasi antara -1 dan +1 (-1≤KK≤+1), memiliki arti antara
lain:
a. Jika KK mendapatkan nilai positif, maka variabel yang berkorelasi juga positif.
Bila nilai KK semakin dekat ke +1 maka semakin kuat variabel korelasi.
b. Jika KK mendapatkan nilai negatif, maka variabel yang berkorelasi juga negatif.
Bila nilai KK semakin dekat ke nilai -1, maka semakin kuat variabel korelasi.
c. Jika KK mendapatkan milai 0, maka variabel tersebut tidak dapat menunjukkan
korelasi.
d. Jika KK mendapatkan nilai +1 atau -1, maka variabel tersebut menunjukkan
korelasi positif atau negatif yang sempurna. Dalam korelasi memiliki
hubungan antar variabel yang diberikan nilai-nilai dari KK sebagai penanda.
Ada 7 macam nilai yaitu sebagai berikut :
a) Bila nilai KK=0, maka tidak memiliki korelasi
b) Jika 0 < KK ≤ 0,20; maka korelasi akan masuk kategori sangat rendah atau lemah
sekali
c) Jika 0,20 < KK ≤ 0,40; maka korelasi masuk ke kategori rendah atau lemah tapi
pasti
d) Jika 0,40 < KK ≤ 0,70, maka korelasi masuk ke kategori yang cukup berarti
e) Jika 0,70 < KK ≤ 0,90; maka korelasi masuk ke kategori yang tinggi dan kuat
f) Jika 0,90 < KK < 1,00; maka korelasi masuk ke kategori sangat tinggi, kuat
sekali dan dapat diandalkan.
g) Bila KK=1, maka korelasi masuk kategori sempurna.
2.4 Jenis-jenis koefisien Korelasi
Koefisien korelasi terbagi menjadi 2 yaitu koefisien korelasi sederhana dan koefisien korelasi
berganda.
1. Koefisien korelasi linear sederhana
a. Koefisien korelasi pearson
Koefisien korelasi pearson adalah suatu angka yang dapat digunakan
dalam mengukur hubungan antara dua variabel yang melibatkan data interval
dan rasio. Rumus :

...................................(2.1)

b. Koefisien korelasi Rank Spearman

...................................(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)

d. Koefisien korelasi bersyarat

Koefisien koreasi bersyarat adalah koefisien korelasi yang dapat
digunakan untuk data kualitatif yang tidak berbentuk angka-angka dan
memiliki kategori seperti kurang, cukup, sangat cukup, dan tinggi.

...................................(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. Koefisien Korelasi Linear Berganda

a. Koefisien korelasi linear berganda
 Koefisien Korelasi linear berganda adalah suatu angka yang dapat
digunakan mengukur hubungan antar 3 variabel atau lebih. Berikut terdapat
satu rumus dari koefisien korelasi linear berganda yaitu sebagai berikut :

...................................(2.9)

b. Koefisien penentu berganda atau koefisien Determinasi Berganda

Koefisien penentu atau koefisien determinasi dapat digunakan dalam
mengukur besarnya hubungan antar variabel terhadap naik turunnya variansi.
c. Koefisien korelasi parsial

...................................(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)

Koefisien korelasi parsial dengan Y dan X2, apabila X1 Konstan.

...................................(2.3)
 BAB III
PEMBAHASAN DAN ANALISA

3.1. Studi Kasus

PT. MD COVENCTION INDONESIA merupakan perusahaan manufaktur
yang bergerak dibidang produksi kaos baju yang berkembang di daerah Depok, Jawa
Barat. Manajer perusahaan tersebut ingin mengetahui perkembangan hasil produksi
pada bulan berikutnya melalui hasil produksi yang di dapat sebelunya. Perusahaan
tersebut ingin mengetahui hubungan antara jumlah operator dan jumlah mesin
terhadap target produksi .Variabel bebas yang dugunakan adalah jumlah operator
(X1) dan jumlah mesin (X2) dimana jumlah mesin merupakan variabel konstan
dengan variabel terikatnya yaitu jumlah produksi (Y) .Berikut adalah data hasil
pengamatan.
Tabel 2.1 data hasil pengamatan
Target
Hari Jumlah Bahan Jumlah Produksi
ke- Baku (meter) Mesin (unit) ( pcs)
(X1) (X2) (Y)
1 16 9 33
2 19 10 39
3 15 9 35
4 14 9 32
5 16 10 33
6 13 11 35
7 15 11 41
8 12 11 39
9 11 9 36
10 19 9 40
11 19 10 36
12 15 10 35
 Tabel 3.1 data hasil pengamatan (lanjutan)
Jumlah Bahan Jumlah Target
Hari Baku (meter) Mesin (unit) Produksi (pcs)
ke- (X1) (X2) (Y)
13 13 9 39
14 14 9 41
15 17 9 36
16 15 11 31
17 15 10 38
18 16 10 32
19 18 9 28
20 16 10 29
21 17 9 30
22 17 9 37
23 15 9 38
24 12 9 31
25 14 10 34
26 15 10 39
27 15 9 37
28 13 10 36
29 12 11 34
30 19 9 43
∑ 457 290 1067

Berdasarkan hasil pengamatan pada tabel PT. MD COVENCTION INDONESIA

yang terdiri dari variabel jumlah bahan baku (X1) , jumlah mesin (X2) , dan jumlah
produksi (Y). Hasil dari pengamatan perusahaan ingin mengetahui :
1. Koefisien korelasi pearson dan koefisien Determinasi antara :
a. Korelasi jumlah bahan baku(X1) terhadap jumlah target produksi (Y)
b. Korelasi jumlah mesin (X2) terhadap jumlah target produksi (Y)
c. Korelasi jumlah operator (X1) dengan jumlah mesin (X2)
2. Koefisien korelasi berganda dan koefisien determinasi antara jumlah operator dan
jumlah mesin terhadap jumlah target produksi
3. Koefisien korelasi parsial dan dterminasi antara jumlah operator terhadap jumlah
mesin jika jumlah mesin dianggap konstan

3.2 Pengolahan Data

Pengolahan data (data processing) adalah manipulasi data kedalam bentuk yang
lebih berarti berupa informasi, sedangkan informasi adalah hasil dari kegiatan
pengolahan suatu data dalam bentuk tertentu yang lebih berrati dari suatu kegiatan.
Pengolahan data itu sendiri dilakukan dengan dua metode yaitu, dengan cara
perhitungan manual dan juga dengan pengolahan menggunakan software. Agar kita
bisa mengolah data maka terlebih dahulu kita harus mengumpulkan data-data yang
telah kita ambil sebelumnya agar bisa menjadi suatu informasi yang sesuai dengan
fakta.

3.2.1 Perhitungan Manual

Perhitungan manual dilakukan dengan cara menentukan data dari hasil
pengamatan untuk diolah dengan ketentuan rumus dalam modul korelasi yang telah
ditentukan. Perhitungan manual dapat dihitung dan dibantu dengan tabel data
perhitungan . Berikut ini adalah tabel data yang sesuai pada studi kasus di atas untuk
digunakan dalam menentukan nilai korelasi antara ketiga variable yang di amati oleh
PT MD CONVECTION INDONESIA (PT.MDCI) antara lain :
Variable X1 ( Jumlah bahan baku), variable X2 ( Jumlah mesin ), dan variable Y
adalah (Target produksi )
Tabel 3.2.1 data hasil pengamatan
Jumlah Target
Hari Jumlah
Bahan Operas X12 X22 Y2 X1Y X2Y X1X2
ke- Mesin
baku i
1 16 9 33 256 81 1089 528 297 144
2 19 10 39 361 100 1521 741 390 190
3 15 9 35 225 81 1225 525 315 135
 4 14 9 32 196 81 1024 448 288 126
5 16 10 33 256 100 1089 528 330 160

Tabel 3.2.1 data hasil pengamatan (lanjutan)

Jumlah
Hari Jumlah Target
Bahan X12 X22 Y2 X 1Y X2Y X1X2
ke- Mesin Operasi
Baku
6 13 11 35 169 121 1225 455 385 143
7 15 11 41 225 121 1681 615 451 165
8 12 11 39 144 121 1521 468 429 132
9 11 9 36 121 81 1296 396 324 99
10 19 9 40 361 81 1600 760 360 171
11 19 10 36 361 100 1296 684 360 190
12 15 10 35 225 100 1225 525 350 150
13 13 9 39 169 81 1521 507 351 117
14 14 9 41 196 81 1681 574 369 126
15 17 9 36 289 81 1296 612 324 153
16 15 11 31 225 121 961 465 341 165
17 15 10 38 225 100 1444 570 380 150
18 16 10 32 256 100 1024 512 320 160
19 18 9 28 324 81 784 504 252 162
20 16 10 29 256 100 841 464 290 160
21 17 9 30 289 81 900 510 270 153
22 17 9 37 289 81 1369 629 333 153
23 15 9 38 225 81 1444 570 342 135
24 12 9 31 144 81 961 372 279 108
25 14 10 34 196 100 1156 476 340 140
26 15 10 39 225 100 1521 585 390 150
27 15 9 37 225 81 1369 555 333 135
28 13 10 36 169 100 1296 468 360 130
29 12 11 34 144 121 1156 408 374 132
30 19 9 43 361 81 1849 817 387 171

Berdasarkan hasil pengamatan pada Tabel di atas. Data Pengamatan dari PT

MD CONVECTION INDONESIA yang terdiri dari jumlah bahan baku (X1), jumlah
mesin (X2), target produksi (Y). Hasil dari pengamatan PT tersebut, perusahaan ingin
mengetahui:
1. Perhitungan koefisien korelasi pearson dan koefisien determinasi jumlah bahan
baku (X1), jumlah mesin (X2), dan target produksi (Y). Koefisien korelasi pearson
digunakan untuk mengukur keeratan hubungan antara dua variabel yang datanya
berbentuk interval atau rasio dan disimbolkan dengan r.koefisien determinasi
merupakan penyebab perubahan pada variabel Y yang datang dari variabel X,
sebesar kuadrat koefisien korelasinya.
Nilai koefisien korelasi yang akan di hitung yaitu korelasi antara X1 ( jumlah
bahan baku ) dengan Y ( target produksi ), korelasi antara X2 ( jumlah mesin )
dengan (target produksi) Y dan korelasi antara X1 ( jumlah bahan baku ) dengan
X2 ( jumlah mesin ).
A. Koefisien korelasi pearson antara jumlah operator dengan target produksi.
n ∑ x 1 y−∑ x 1 ∑ y
rx1 y=
2 2
√ n ∑ x 2 −( ∑ x 1
( 1
30 .1627−457 . 1067
) ( n ∑ y 2
− ( ∑ y ) )
¿
2 2
√( 30 .7170−( 457 ) )( 30 .38365−( 1067 ) )
511
¿
7371, 731
¿ 0 , 069
Apabila nilai KK < 0,199 maka korelasi antar variabel sangat rendah.
Berdasarkan perhitungan didapat nilai KK sebesar 0,069 yang menjelaskan antara
korelasi jumlah bahan baku (X1) dengan jumlah produksi (Y) termasuk sangat
rendah. Hubungan antara jumlah operator (X1) dengan target produksi (Y) adalah
positif mengartikan jika jumlah operatpr menaik maka jumlah produksi juga akan
menaik dan sebaliknya.

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

√ (0 , 069) +(−0 , 004 )2−2 . 0 , 069.−0 , 004−0 , 257

2
¿
1−(−0 , 257 )2
0 ,004635136
¿
√0 , 993
=0 , 070

Berdasarkan hasil perhitungan koefisien korelasi berganda didapatkan nilai

sebesar 0,070. Hasil tersebut mengartikan bahwa terdapat hubungan antar variabel
yang sangat lemah.

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.

Kp12 . y =(r )2 x 100 %

¿(0 , 060 )2 x 100 %
¿ 0 , 36 %
Perhitungan koefisien determinasi parsial didapatkan persentase hubungan jumlah
bahan baku (X1) terhadap jumlah produksi (Y) apabila jumlah mesin (X2) konstan
didapatkan nilai sebesar 0,360%. Nilai 0,360% mengartikan bahwa jam kerja
operator memberikan kontribusi sebesar 99,64%..
3.2.2 Perhitungan Software
Pengolahan software dilakukan dengan menggunakan software atau aplikasi
yang bernama SPSS (Statistical Package for the Social Sciences) versi 16.0. yang
diperuntukan untuk melakukan analisis statistik. SPSS dapat membaca berbagai jenis
data seperti, korelasi antar variabel dengan perhitungan bivariate dan parsial dan
korelasi koefisien ganda.
Langkah pertama yang dilakukan untuk dapat menggunakan software SPSS
adalah dengan membuka software SPSS kemudian memilih menu variabel view
disebelah kiri bawah. Mengisi baris pertama pada kolom name dengan Jumlah
operator, baris kedua dengan Jumlah Bahan Mesin, dan baris ketiga dengan Target
operasi, pada bagian kolom type dengan numeric, mengubah angka yang berada
dalam kolom decimals menjadi 0. Berikut Gambar 1 SPSS variable view. Berikut
pada gambar 1.1 Gambar input variabel

Gambar 1.1 input variabel

Langkah selanjutnya yaitu memilih data view dan memasukan data jumlah
bahan baku, jumlah bahan baku, hasil produksi. Berikut Gambar 2 Data view.

Gambar 2 memilih Correlate, dan memilih Bivariate

Langkah selanjutnya mencari nilai korelasi pearson antara jumlah operator
dan jumlah mesin, dari menu utama SPSS, pilih menu Analyze, memilih Correlate,
dan memilih Bivariate. Berikut Gambar 3 korelasi pearson.

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.

Gambar 4 hasil output dari korelasi pearson

Langkah selanjutnya akan muncul hasil output dari korelasi pearson antara jumlah
bahan baku dan jumlah mesin. Berikut Gambar 5 hasil Correlations

Langkah selanjutnya mencari jumlah bahan baku dan target operasi. Pertama memilih
analyze lalu correlate kemudian bivariate. Berikut Gambar 6 Bivariate .

Langkah selanjutnya pada kotak Bivariate Correlation masukan variable jumlah

bahan baku dan target operasi kedalam kotak variabel. Kolom Correlation
Coefficient, memilih pearson, lalu pada kolom Test of Significant, memilih Two
Tailed dan memberi tanda pada Flag Significant Correlation, memilih tombol OK.
Berikut Gambar 7 Bivariate Correlations .
 Gambar 6 output dari Korelasi Pearson
Langkah berikutnya akan muncul output dari Korelasi Pearson antara hasil dari
hubungan target jumlah bahan baku dan jumlah mesin. Berikut Gambar 7
Correlations .

Gambar 7 hubungan korelasi pearson antara jumlah bahan baku dan target operasi.

Langkah selanjutnya mencari hubungan korelasi pearson antara jumlah bahan

baku dan target operasi. Langkah ini masih menggunakan cara yang masih sama,
pada menu SPSS memilih menu Analyze lalu memilih Correlate, lalu Bivariate.
Berikut Gambar 9 Bivariate .

Gambar 8 kotak Bivariate Correlation

 Langkah selanjutnya adalah pada kotak Bivariate Correlation masukan
jumlah bahan baku dan target operasi kotak Variables. Kolom Correlation
Coefficient, memilih pearson, lalu pada kolom Test of Significant, lalu memberi tanda
Two Tailed dan memberi tanda pada Flag Significant Correlation, memilih OK.
Berikut Gambar 10 Bivariate Correlations .

Gambar 9 output dari analisis korelasi pearson

Langkah selanjutnya akan muncul output dari analisis korelasi pearson antara
jumlah bahan baku dan target operasi. Berikut Gambar 11 Correlations

.
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

Rumus yang telah digunakan, didapatkan nilai koefisien korelasi determinasi

sebesar 0,069 yang dapat diartikan bahwa hubungan antara jumlah operator (X1)
dengan target produksi (Y) termasuk sangat rendah, . Nilai yang didapat adalah
negatif dikarenakan jika standarisasi mesin menurun maka target produksi juga akan
ikut menurun dan sebaliknya. Nilai koefisien korelasi pearson telah didapat maka
langkah selanjutnya adalah mencari koefisien determinasi yang bertujuan untuk
mengetahui persentase pengaruh jumlah bahan baku (X1) terhadap target operasi (Y).
Hasil yang didapatkan koefisien determinasi sebesar 0,4761% mengartikan bahwa
pengaruh dari standarisasi mesin (X1) terhadap target produksi (Y) sebesar 0,4761%
dengan sisa peresentase 99,5239% yang merupakan faktor-faktor lain yang
mempengaruhi target produksi.
2. Nilai koefisien korelasi pearson dan koefisien determinasi antara
jumlah mesin (X2) terhadap target produksi (Y). Korelasi tersebut dihitung dengan
menggunakan rumus
n . ∑ x 2 y−∑ x 2 ∑ y
rx2 y = .
√¿ ¿ ¿
Besar koefisien korelasi pearson sebesar -0,004 yang berarti korelasi
antara jumlah mesin (X2) dengan target produksi (Y) termasuk sangat rendah.
Korelasi antara jumlah operator dengan target produksi merupakan korelasi negatif
dikarenakan apabila jumlah operator berkurang maka target produksi juga akan
berkurang. Nilai korelasi telah didapatkan maka langkah selanjutnya adalah mencari
koefisien determinasi yang bertujuan untuk mengetahui besarnya presentase
kontribusi jumlah mesin (X2) terhadap target produksi (Y). Koefisien determinasi
didapatkan sebesar 0,0016%. Perhitungan tersebut menunjukkan bahwa KP bernilai
0,0016%, dapat diartikan pengaruh dari jumlah operator terhadap target produksi
sebesar 0,0016%, dengan nilai faktor-faktor lainnya sebesar 99,9984%.
3. Nilai Koefisien Korelasi antara standarisasi mesin dengan jumlah
operator. Korelasi tersebut dihitung dengan menggunakan rumus
n . ∑ x 1 x2 −∑ x1 ∑ x 2
Rx1 x2 =
√¿¿ ¿
Rumus yang telah digunakan didapatkan nilai korelasi sebesar 0,183
yang menunjukkan menunjukkan korelasi antara jumlah bahan baku (X1) terhadap
jumlah mesin (X2) termasuk rendah. Hasil perhitungan menunjukkan korelasi bernilai
positif dapat diartikan bahwa penambahan standarisasi mesin akan menyebabkan
penambahan jumlah operator dan sebaliknya. Nilai korelasi telah didapatkan maka
langkah selanjutnya adalah mencari koefisien determinasi yang bertujuan untuk
mengetahui besarnya presentase kontribusi dari jumlah operator (X1) terhadap jumlah
mesin (X2). Nilai koefisien determinasi sebesar 6,6049%, dapat diartikan bahwa
pengaruh dari jumlah bahan baku (X1) terhadap jumlah mesin (X2) sebesar 6,6049%,
dengan 93,3951% merupakan faktor-faktor lain yang mempengaruhi.
B. Koefisien Korelasi Berganda
Koefisien korelasi berganda adalah indeks atau angka yang akan mengukur
keeratan dua variabel atau lebih. Rumus yang digunakan untuk mencari
koefisien korelasi berganda adalah

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:

Tabel 2.2.3 Perbandingan Hasil Perhitungan Manual dengan Pengolahan Software

No. Perbandingan Perhitungan Pengolahan
Manual Software
1. Koefisien Korelasi 0,069 0,069
Pearson X1 dan Y
2. Koefisien Korelasi -0,004 -0,004
Pearson X2 dan Y
3. Koefisien Korelasi -0,257 -0,257
Pearson X1 dan X2
4. Koefisien Korelasi 0,060 0,060
Parsial X1 dan X2 jika
Y bernilai konstan

Berdasarkan tabel 2.3.2 dapat diambil kesimpulan terdapat perbedaaan yang

signifikan pada beberapa perhitungan korelasi. Perhitungan manual pada korelasi
pearson antara jumlah bahan baku (X1) dengan target produksi (Y) berbeda dengan
perhitungan software, untuk perhitungan manual pada korelasi pearson antara jumlah
mesin (X2) dengan target produksi (Y), serta untuk perhitungan manual pada korelasi
pearson jumlah bahan baku (X1) dengan jumlah mesin (X2).
Hasil pengolahan data antara variabel diatas yaitu jumlah bahan baku (X1) dengan
target produksi (Y), jumlah mesin (X2) dengan target produksi (Y), dan jumlah bahan
baku (X1) dengan jumlah mesin (X2) bersifat positif dan negatif. Alasan ketiga
hubungan variabel tersebut positif dan negatif dikarenakan saat terjadi peningkatan di
salah satu variabel maka dampak peningkatan juga terjadi pada variabel yang
berhubungan begitu pula sebaliknya. Koefisien korelasi parsial bertujuan mengukur
rasio antara perubah Y dan X1 dimana X2 dijadikan variabel konstan, hasil dari
koefisien parsial data tersebut berasal dari persamaan X1 berdampak pada keragaman
variabel Y.

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.