LAPORAN PRAKTIKUM STATISTIKA INDUSTRI

MODUL 1
KORELASI DAN REGRESI LINIER

Disusun Oleh:

Kelompok 22

1. Jaysyu Muhammad Dzaky 21070118130068

2. Nur Alfayn Fathan Qarieba 21070118130081
3. Hilmi Farhan 21070118140088
4. Alya Ulfa Rahmastuti 21070118130130
5. Namara Faurizka 21070118130163

DEPARTEMEN TEKNIK INDUSTRI

FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2020
 LEMBAR PENGESAHAN
MODUL 1
KORELASI DAN REGRESI LINIER

Semarang, 19 Maret 2020

Menyetujui
Asisten,

Ajeng Hanifah
21070117120038

Mengetahui
Koordinator Praktikum

Rama Zafran Hanif

21070117120037
 KATA PENGANTAR

Puji syukur kami panjatkan kehadiran Tuhan Yang Maha Esa karena dengan
rahmat, karunia, serta taufik dan hidayah-Nya kami dapat menyelesaikan Laporan
Praktikum Statistika Industri Modul 1 tentang Korelasi dan Regresi Linier ini dengan
baik meskipun banyak kekurangan di dalamnya. Tidak lupa melalui kesempatan ini
kami mengucapkan terima kasih kepada:
1. Dr. Naniek Utami H., S.Si., M.T., selaku dosen pengampu mata kuliah Statistika
Industri di Teknik Industri Undip.
2. Seluruh asisten Laboratorium Optimasi dan Perancangan Sistem Industri (OPSI)
pada umumnya dan Kak Ajeng Hanifah pada khususnya selaku asisten modul 1
dari kelompok 22.
3. Teman-teman kelompok 22 praktikum Statistika Industri
4. Pihak-pihak yang telah membantu terselesaikannya laporan modul 1 ini, yang
tidak dapat kami sebutkan satu per satu.
Kami juga mengucapkan terimakasih kepada semua teman-teman yang telah
mendukung kami dan teman-teman kelompok 22 dalam bekerja sama menyelesaikan
laporan praktikum Modul 1 Korelasi dan Regresi Linier ini. Kami berharap, kerja keras
kami tidak sia-sia dan dapat tulisan ini dapat bermanfaat bagi orang lain yang
membacanya.
Sebelumnya kami meminta maaf apabila ada terdapat kesalahan dan kata-kata
yang kurang berkenan dan kami memohon kritik dan saran yang membangun untuk
perbaikan laporan ini di waktu yang akan datang. Kami sadar laporan praktikum yang
kami buat masih jauh dalam keadaan sempurna. Semoga laporan ini dapat dipahami dan
menambah wawasan bagi para pembaca.

Semarang, 19 Maret 2020

Penyusun

iii
 DAFTAR ISI

KATA PENGANTAR...............................................................................................iii
DAFTAR ISI..............................................................................................................iv
DAFTAR GAMBAR.................................................................................................viii
DAFTAR TABEL......................................................................................................ix
BAB I PENDAHULUAN..........................................................................................1
1.1 Latar Belakang...............................................................................................1
1.2 Tujuan Praktikum...........................................................................................2
1.3 Batasan Penelitian..........................................................................................2
1.4 Sistematika Penulisan.....................................................................................2
BAB II TINJAUAN PUSTAKA................................................................................4
2.1 Korelasi..........................................................................................................4
2.1.1 Koefeisien Korelasi........................................................................................4
2.1.2 Koefeisien Determinasi..................................................................................5
2.2 Regresi............................................................................................................6
2.2.1 Regresi Linier Sederhana...............................................................................6
2.2.2 Regresi Linier Majemuk................................................................................7
2.2.3 Selang Kepercayaan.......................................................................................7
2.3 Seleksi Variabel..............................................................................................8
2.4 Persamaan Garis Regresi................................................................................10
2.5 Uji Asumsi Klasik..........................................................................................11
2.5.1 Uji Normalitas................................................................................................11
2.5.2 Uji Linieritas..................................................................................................11
2.5.3 Uji Autokorelasi.............................................................................................11
2.5.4 Uji Heteroskesdastisitas.................................................................................12
2.5.5 Uji Multikolinieritas.......................................................................................12
2.6 Penerapan Korelasi dan Regresi di Bidang Industri.......................................12
BAB III METODOLOGI PRAKTIKUM..................................................................14
3.1 Flowchart Metodologi Praktikum................................................................14
3.2 Penjelasan Flowchart...................................................................................14

iv
BAB IV PENGOLAHAN DATA..............................................................................16
4.1 Korelasi dan Regresi Linier Sederhana........................................................16
4.1.1 Data Model...................................................................................................16
4.1.2 Korelasi........................................................................................................17
4.1.2.1 Koefisien Korelasi Person............................................................................17
4.1.2.2 Uji Hipotesis................................................................................................20
4.1.3 Regresi Linier Sederhana.............................................................................21
4.1.3.1 Slop..............................................................................................................21
4.1.3.2 Intersep.........................................................................................................23
4.1.3.3 Persamaan Garis Regresi.............................................................................24
4.1.4 Kesalahan Baku............................................................................................26
4.1.4.1 Taksiran Kesalahan Baku dan Regresi Linier Sederhana............................26
4.1.4.2 Taksiran Kesalahan Baku dari Parameter Slop............................................28
4.1.4.3 Taksiran Kesalahan Baku dari Parameter Intersep......................................29
4.1.5 Selang Kepercayaan.....................................................................................31
4.1.5.1 Selang Kepercayaan Slop.............................................................................31
4.1.5.2 Selang Kepercayaan Intersep.......................................................................32
4.1.6 Uji Hipotesis................................................................................................34
4.1.6.1 Uji Hipotesis Slop........................................................................................34
4.1.6.2 Uji Hipotesis Intersep...................................................................................34
4.1.7 Validasi........................................................................................................35
4.1.7.1 Koefisien Determinasi..................................................................................35
4.1.7.2 Uji Asumsi Klasik........................................................................................36
4.1.7.3 Pengujian Garis Regresi...............................................................................42
4.1.7.4 Pengujian Hasil Regresi...............................................................................44
4.2 Korelasi dan Regresi Linier Majemuk.........................................................51
4.2.1 Data Model...................................................................................................51
4.2.2 Korelasi........................................................................................................52
4.2.2.1 Koefisien Korelasi Person............................................................................52
4.2.2.2 Uji Hipotesis................................................................................................65
4.2.3 Regresi Linier Majemuk..............................................................................70

v
4.2.3.1 Slop..............................................................................................................70
4.2.3.2 Intersep.........................................................................................................74
4.2.3.3 Persamaan Garis Regresi.............................................................................76
4.2.4 Kesalahan Baku............................................................................................78
4.2.4.1 Taksiran Kesalahan Baku dari Regresi Linier Majemuk.............................78
4.2.4.2 Taksiran Kesalahan Baku dari Parameter Slop............................................81
4.2.4.3 Taksiran Kesalahan Baku dari Parameter Intersep......................................83
4.2.5 Selang Kepercayaan.....................................................................................85
4.2.5.1 Selang Kepercayaan Slop.............................................................................85
4.2.5.2 Selang Kepercayaan Intersep.......................................................................87
4.2.6 Uji Hipotesis................................................................................................89
4.2.6.1 Uji Hipotesis Slop........................................................................................89
4.2.6.2 Uji Hipotesis Intersep...................................................................................91
4.2.7 Validasi........................................................................................................92
4.2.7.1 Koefisisen Determinasi................................................................................92
4.2.7.2 Uji Asumsi Klasik........................................................................................93
4.2.7.3 Pengujian Garis Regresi...............................................................................99
4.2.7.4 Pengujian Hasil Regresi...............................................................................102
4.3 Seleksi Variabel...........................................................................................107
4.3.1 Forward........................................................................................................107
4.3.2 Backward.....................................................................................................108
4.3.3 Stepwise.......................................................................................................109
BAB V ANALISIS DATA........................................................................................111
5.1 Analisis Korelasi dan Regresi Linier Sederhana..........................................111
5.1.1 Koefisien Korelasi Sampel...........................................................................111
5.1.2 Regresi Liniear Sederhana...........................................................................112
5.1.3 Standar Error atau Kesalahan Baku.............................................................114
5.1.3.1 Kesalahan Baku Regresi..............................................................................114
5.1.3.2 Kesalahan Baku Taksiran Slop....................................................................115
5.1.3.3 Taksiran Kesalahan Baku Intersep...............................................................115
5.1.4 Selang Kepercayaan.....................................................................................116

vi
5.1.4.1 Selang Kepercayaan Slop.............................................................................116
5.1.4.2 Selang Kepercayaan Intersep.......................................................................117
5.1.5 Validasi........................................................................................................117
5.1.5.1 Koefisien Determinasi..................................................................................117
5.1.5.2 Uji Asumsi Klasik Statistika........................................................................118
5.1.5.3 Uji T dan F...................................................................................................119
5.2 Analisis Korelasi dan Regresi Linier Majemuk...........................................120
5.2.1 Koefisien Korelasi Sampel...........................................................................120
5.2.2 Regresi Linier Majemuk..............................................................................121
5.2.3 Standard Error atau Kesalahan Baku...........................................................123
5.2.3.1 Kesalahan Baku Regresi..............................................................................123
5.2.3.2 Kesalahan Baku Taksiran Slop....................................................................123
5.2.3.3 Kesalahan Baku Taksiran Intersep...............................................................124
5.2.4 Selang Kepercayaan.....................................................................................125
5.2.4.1 Selang Kepercayaan Slop.............................................................................125
5.2.4.2 Selang Kepercayaan Intersep.......................................................................126
5.2.5 Analisa Seleksi Variabel..............................................................................127
5.2.6 Validasi........................................................................................................128
5.2.6.1 Koefisien Determinasi..................................................................................128
5.2.6.2 Uji Asumsi Klasik Statistika........................................................................128
5.2.6.3 Uji T dan F...................................................................................................130
BAB VI PENUTUP...................................................................................................132
6.1 Kesimpulan..................................................................................................132
6.2 Saran.............................................................................................................134
DAFTAR PUSTAKA................................................................................................135

vii
 DAFTAR GAMBAR

Gambar 3. 1 Flowchart Metodologi Praktikum..............................................................14

YGambar 4. 1 Uji Normalitas Data Sederhana pada Minitab..........................................38
Gambar 4. 2 Uji Heteroskesdastisitas Data Sederhana pada Minitab.............................42
Gambar 4. 3 Perhitungan Uji Normalitas Regresi Majemuk SPSS.................................94
Gambar 4. 4 Uji Heterokesdotisitas Regresi Majemuk...................................................95
Gambar 4. 5 Histogram Seleksi Variable Forward.......................................................108
Gambar 4. 6 Histogram Seleksi Variable Backward.....................................................109
Gambar 4. 7 HistogramSeleksi Variable Stepwise........................................................110

viii
 DAFTAR TABEL

YTabel 4. 1 Data Regresi Linier Sederhana.....................................................................16

Tabel 4. 2 Perhitungan Manual Koefisien Korelasi Regresi Linier Sederhana...............17
Tabel 4. 3 Koefisien Korelasi Regresi Linier Sederhana Output Software SPSS...........19
Tabel 4. 4 Koefisien Korelasi Regresi Linier Sederhana Output Software Excel...........19
Tabel 4. 5 Perbandingan Koefisien Korelasi Sederhana.................................................20
Tabel 4. 6 Output Slop Sederhana Software SPSS..........................................................21
Tabel 4. 7 Output Slop Sederhana Software Excel........................................................22
Tabel 4. 8 Output Intersep Sederhana Software SPSS....................................................23
Tabel 4. 9 Output Intersep Sederhana Software Excel....................................................24
Tabel 4. 10 Perbandingan Intersep Regresi Sederhana...................................................24
Tabel 4. 11 Persamaan Regresi Linier Sederhana Output Software SPSS......................25
Tabel 4. 12 Persamaan Regresi Linier Sederhana Output Software Excel.....................25
Tabel 4. 13 Perbandingan Persamaan Garis Regresi Sederhana.....................................26
Tabel 4. 14 Taksiran Kesalahan Baku Regresi Linier Sederhana Output Software SPSS
.........................................................................................................................................26
Tabel 4. 15 Kesalahan Baku Regresi Linier Sederhana Output Software Excel.............27
Tabel 4. 16 Perbandingan Taksiran Kesalahan Baku dari Regresi Linier Sederhana.....27
Tabel 4. 17 Taksiran Kesalahan Baku Parameter Slop Sederhana Output Software SPSS
.........................................................................................................................................28
Tabel 4. 18 Taksiran Kesalahan Baku Parameter Slop Sederhana Output Software Excel
.........................................................................................................................................29
Tabel 4. 19 Perbandingan Taksiran Kesalahan Baku dari Slop Sederhana.....................29
Tabel 4. 20 Taksiran Kesalahan Baku Parameter Intersep Sederhana Output Software
SPSS................................................................................................................................30
Tabel 4. 21 Taksiran Kesalahan Baku Parameter Intersep Sederhana Output Software
Excel................................................................................................................................30
Tabel 4. 22 Perbandingan Taksiran Kesalahan Baku dari Intersep Sederhana...............31
Tabel 4. 23 Selang Kepercayaan Slop Sederhana Output Software SPSS......................31
Tabel 4. 24 Selang Kepercayaan Slop Sederhana Output Software Excel......................32

ix
Tabel 4. 25 Perbandingan Taksiran Selang Kepercayaan dari Slop Sederhana..............32
Tabel 4. 26 Selang Kepercayaan Intersep Sederhana Output Software SPSS................33
Tabel 4. 27 Selang Kepercayaan Intersep Sederhana Output Software Excel................33
Tabel 4. 28 Perbandingan Taksiran Selang Kepercayaan dari Intersep Sederhana........33
Tabel 4. 29 Koefisien Determinasi Sederhana Output Software SPSS...........................35
Tabel 4. 30 Koefisien Determinasi Sederhana Output Software Excel...........................36
Tabel 4. 31 Perbandingan Taksiran Selang Kepercayaan dari Intersep Sederhana........36
Tabel 4. 32 Output Uji Linieritas Regresi Linier Sederhana dengan SPSS....................37
Tabel 4. 33 Output Uji Normalitas Regresi Linier Sederhana dengan SPSS..................37
Tabel 4. 34 Perhitungan Manual Uji Autokorelasi..........................................................39
Tabel 4. 35 Output Uji Autokorelasi Regresi Linier Sederhana dengan SPSS...............40
Tabel 4. 36 Perbandingan Taksiran Selang Kepercayaan dari Intersep Sederhana........40
Tabel 4. 37 Output Uji Glejser Regresi Linier Sederhana dengan SPSS........................41
Tabel 4. 38 Hasil Pengujian Garis Regresi Data Sederhana pada SPSS.........................43
Tabel 4. 39 Pengujian Garis Regresi dengan Excel........................................................43
Tabel 4. 40 Perbandingan Taksiran Selang Kepercayaan dari Intersep Sederhana........44
Tabel 4. 41 Uji T Regresi Linier Sederhana Manual.......................................................44
Tabel 4. 42 Perhitungan Uji T Regresi Linier Sederhana dengan SPSS.........................47
Tabel 4. 43 Perhitungan Uji T Regresi Linier Sederhana dengan Excel.........................48
Tabel 4. 44 Rekap Perhitungan Uji T Regresi Linier Sederhana....................................48
Tabel 4. 45 Uji F Regresi Linier Sederhana dengan Excel.............................................49
Tabel 4. 46 Rekap Perhitungan Uji F Regresi Linier Sederhana....................................50
Tabel 4. 47 Data Regresi Linier Majemuk......................................................................51
Tabel 4. 48 Perhitungan Koefisien Korelasi Pearson Manual 1......................................52
Tabel 4. 49 Perhitungan Koefisien Korelasi Pearson Manual 2......................................53
Tabel 4. 50 Perhitungan Koefisien Korelasi Pearson Manual 3......................................55
Tabel 4. 51 Perhitungan Koefisien Korelasi Pearson SPSS............................................62
Tabel 4. 52 Perhitungan Koefisien Korelasi Pearson Excel............................................64
Tabel 4. 53 Perbandingan Koefisien Korelasi Pearson Data Majemuk..........................64
Tabel 4. 54 Pehitungan Slop Regresi Linier Majemuk SPSS.........................................72
Tabel 4. 55 Pehitungan Slop Regresi Linier Majemuk Excel.........................................73

x
Tabel 4. 56 Perbandingan Slop Regresi Majemuk..........................................................74
Tabel 4. 57 Perhitungan Intersep Regresi Majemuk SPSS.............................................74
Tabel 4. 58 Perhitungan Intersep Regresi Majemuk Excel.............................................75
Tabel 4. 59 Perbandingan Intersep Regresi Majemuk.....................................................75
Tabel 4. 60 Perhitungan Persamaan Garis Regresi Majemuk SPSS...............................76
Tabel 4. 61 Perhitungan Persamaan Garis Regresi Majemuk Excel...............................77
Tabel 4. 62 Perbandingan Perhitungan Garis Regresi Majemuk....................................78
Tabel 4. 63 Perhitungan Taksiran Kesalahan Baku Regresi Majemuk Manual..............78
Tabel 4. 64 Perhitungan Taksiran Kesalahan Baku Regresi Majemuk SPSS.................80
Tabel 4. 65 Perhitungan Taksiran Kesalahan Baku Regresi Majemuk Excel.................80
Tabel 4. 66 Perbandingan Taksiran Baku Regresi Majemuk..........................................81
Tabel 4. 67 Taksiran Kesalahan Baku Parameter Slop SPSS.........................................82
Tabel 4. 68 Taksiran Kesalahan Baku Parameter Slop Excel.........................................83
Tabel 4. 69 Perbandingan Taksiran Baku Slop Regresi Majemuk..................................83
Tabel 4. 70 Taksiran Kesalahan Baku Parameter Intersep SPSS....................................84
Tabel 4. 71 Taksiran Kesalahan Baku Parameter Intersep Excel....................................84
Tabel 4. 72 Perbandingan Taksiran Baku Parameter Intersep Regresi Majemuk...........85
Tabel 4. 73 Perhitungan Selang Kepercayaan Slop Regresi Majemuk SPSS.................86
Tabel 4. 74 Perhitungan Selang Kepercayaan Slop Regresi Majemuk Excel.................87
Tabel 4. 75 Perbandingan Selang Kepercayaan Regresi Majemuk.................................87
Tabel 4. 76 Perhitungan Selang Kepercayaan Parameter Slop Regresi Majemuk SPSS 88
Tabel 4. 77 Perhitungan Selang Kepercayaan Parameter Slop Regresi Majemuk Excel88
Tabel 4. 78 Perbandingan Selang Kepercayaan Parameter Intersep Regresi Majemuk..89
Tabel 4. 79 Perhitungan Koefisien Determinasi Regresi Majemuk SPSS......................92
Tabel 4. 80 Perhitungan Koefisien Determinasi Regresi Majemuk Excel......................92
Tabel 4. 81 Perbandingan Haisl Koefisien Determinasi Regresi Majemuk....................93
Tabel 4. 82 Uji Linearitas Kejadian 1.............................................................................93
Tabel 4. 83 Perhitungan Uji Normalitas Regresi Majemuk SPSS..................................94
Tabel 4. 84 Perhitungan Uji Glejser Regresi Majemuk SPSS.........................................95
Tabel 4. 85 Perhitungan Manual Uji Autokorelasi Regresi Majemuk............................96
Tabel 4. 86 Perhitungan SPSS Uji Autokorelasi Regresi Majemuk...............................97

xi
Tabel 4. 87 Perbandingan Perhitungan Uji Autokorelasi Regresi Majemuk..................98
Tabel 4. 88 Perhitungan SPSS Uji Multikolinieritas Regresi Majemuk.........................99
Tabel 4. 89 Output Pengujian Garis Regresi Sederhana pada SPSS.............................100
Tabel 4. 90 Output Pengujian Garis Regresi Sederhana pada Excel.............................101
Tabel 4. 91 Perbandingan Garis Regresi Majemuk.......................................................101
Tabel 4. 92 Penghitungan Uji T Regresi Majemuk Manual..........................................102
Tabel 4. 93 Penghitungan Uji T Regresi Majemuk SPSS.............................................104
Tabel 4. 94 Penghitungan Uji T Regresi Majemuk Excel.............................................105
Tabel 4. 95 Perbandingan Output Uji T Regresi Majemuk...........................................105
Tabel 4. 96 Penghitungan Uji F Regresi Majemuk Excel.............................................106
Tabel 4. 97 Perbandingan Output Uji F Regresi Majemuk...........................................107
Tabel 4. 98 Seleksi Variable Forward...........................................................................107
Tabel 4. 99 Seleksi Variable Backward........................................................................108
Tabel 4. 100 Seleksi Variable Stepwise........................................................................109
YTabel 5. 1 Perbandingan Slop Regresi Sederhana......................................................111
Tabel 5. 2 Perbandingan Slop Regresi Sederhana.........................................................112
Tabel 5. 3 Perbandingan Intersep Regresi Sederhana...................................................113
Tabel 5. 4 Perbandingan Persamaan Garis Regresi Sederhana.....................................114
Tabel 5. 5 Perbandingan Taksiran Kesalahan Baku dari Regresi Linier Sederhana.....114
Tabel 5. 6 Perbandingan Taksiran Kesalahan Baku dari Slop Sederhana.....................115
Tabel 5. 7 Perbandingan Taksiran Kesalahan Baku dari Intersep Sederhana...............115
Tabel 5. 8 Perbandingan Taksiran Selang Kepercayaan dari Slop Sederhana..............116
Tabel 5. 9 Perbandingan Taksiran Selang Kepercayaan dari Intersep Sederhana........117
Tabel 5. 10 Perbandingan Taksiran Selang Kepercayaan dari Intersep Sederhana......117
Tabel 5. 11 Perbandingan Koefisien Korelasi Pearson Majemuk.................................120
Tabel 5. 12 Perbandingan Slop Regresi Majemuk........................................................121
Tabel 5. 13 Perbandingan Intersep Regresi Majemuk...................................................122
Tabel 5. 14 Perbandingan Persamaan Garis Regresi Majemuk....................................122
Tabel 5. 15 Perbandingan Kesalahan Baku Regresi Majemuk.....................................123
Tabel 5. 16 Perbandingan Kesalahan Baku Parameter Slop Majemuk.........................124
Tabel 5. 17 Perbandingan Kesalahan Baku Parameter Intersep Majemuk...................124

xii
Tabel 5. 18 Rekap Selang Kepercayaan Slop................................................................125
Tabel 5. 19 Rekap Selang Kepercayaan Intersep..........................................................126
Tabel 5. 20 Rekap Perhitungan Koefisien Determinasi Majemuk................................128
Tabel 5. 21 Rekap Perhitungan Uji Autokorelasi..........................................................129
Tabel 5. 22 Perbandingan Output Uji T Pada Software dan Manual............................130
Tabel 5. 23 Perbandingan Output Uji F Pada Software dan Manual............................130

xiii
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

BAB I
PENDAHULUAN

1.1 Latar Belakang

Pada zaman ini, sudah banyak orang yang melakukan berbagai macam
penelitian. Dalam berbagai macam penelitian yang dilaksanakan tersebut, nantinya pasti
akan ada pembahasan mengenai keterkaitan serta hubungan dari suatu variabel terhadap
variabel lainnya, sehingga kita dapat mengetahui faktor apa yang memberi pengaruh
besar terhadap objek utama penelitian. Untuk memudahkan hal tersbut, maka nantinya
akan digunakan teknik statistika diantaranya yaitu analisis korelasi dan analisis regresi
linier.
Analisis regresi merupakan suatu metode statistika untuk mengestimasi
pengaruh atau hubungan variabel dan faktor-faktor lainnya terhadap dependent variabel.
Analisis regresi juga merupakan salah satu metode statistika yang paling banyak
digunakan dalam mencari pengaruh suatu variabel terhadap dependent variabelnya.
Contoh dari analisis regresi seperti pengaruh harga, kualitas, serta brand produk
terhadap kepuasan pelanggan pada suatu produk.
Analisis korelasi merupakan ilmu statistika untuk mengestimasi pengaruh atau
hubungan variabel dengan variabel lainnya. Pada analisis korelasi mempunyai koefisien
korelasi (ρ), yang merupakan suatu nilai yang menunjukkan hubungan linier antara dua
variabel. Nilai tersebut dapat berupa positif maupun negatif. Contoh dari analisis
korelasi seperti hubungan antara harga dengan tingkat kepuasan pelanggan pada suatu
produk.
Pada praktikum ini, terdapat dua jenis data yang nantinya akan diolah. Data yang
digunakan dalam modul ini antara lain yaitu data regresi sederhana serta data regresi
majemuk, masing-masing untuk dicari hubungan antara variabelnya. Data regresi
sederhana menggunakan data tingkat kelahiran di Amerika Tengah dan Amerika Utara
dan persentase urbannya. Sedangkan data regresi majemuknya menggunakan data
jumlah penduduk miskin, angka harapan hidup, rata-rata lama sekolah, pengeluaran riil

Departemen Teknik Industri

Universitas Diponegoro
2020
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

per kapita, pertumbuhan ekonomi, dan jumlah pengangguran di Sumatera Utara.. Untuk
softwarenya sendiri yaitu menggunakan SPSS, Minitab, dan Microsoft Excel.

1.2 Tujuan Praktikum

Tujuan yang hendak dicapai dalam praktikum ini adalah:
1. Mengetahui dan memahami korelasi dan regresi linier.
2. Memahami teknik pengolahan data dengan menggunakan analisis korelasi
dan regresi linier dengan menggunakan software maupun secara manual.
3. Mampu menjelaskan penerapan korelasi dan regresi linier di bidang
industri.
4. Mampu menginterpretasikan hasil yang diperoleh dari korelasi dan
regresi linier.

1.3 Batasan Penelitian

Pada praktikum modul 1, Korelasi dan Regresi Linier ini, digunakan data
regresi linier sederhana dan regresi linier majemuk. Kedua data diambil dari skripsi
dan tugas akhir yang didapat dari internet. Data regresi sederhana menggunakan data
presentase urban sebagai variabel dependen dan tingkat kelahiran sebagai variabel
independen. Sedangkan data regresi linier majemuk menggunakan data jumlah
penduduk miskin sebagai variabel dependen dan angka harapan hidup, rata-rata lama
sekolah, pengeluaran ril per kapita, pertumbuhan ekonomi, serta jumlah
pengangguran sebagai variabel independen. Kedua data masing-masing terdiri atas 30
data yang kemudian diolah secara manual dan dengan menggunakan software
Microsoft Excel, SPSS, serta Minitab

1.4 Sistematika Penulisan

Sistematika penulisan laporan Praktikum Satistika Industri Modul 1 mengenai
Korelasi dan regresi linier adalah sebagai berikut:
BAB I PENDAHULUAN
Bab awal ini berisi latar belakang praktikum, tujuan praktikum, batasan

Departemen Teknik Industri

Universitas Diponegoro
2020
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

penelitian yang ada dan sistematika penulisan.

BAB II TINJAUAN PUSTAKA
Pada bab ini berisi pengertian mengenai korelasi, regresi, seleksi variabel,
persamaan garis regresi, uji asumsi klasik, serta penerapan korelasi dan
regresi di bidang industri.
BAB III METODOLOGI PENELITIAN
Pada bab ini berisi mengenai penjelasan alur prakyikum melalui flowchart
yang kemudian diuraikan.
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
Pada bab ini berisi data sedergana dan majemuk yang akan diolah beserta
perhitungan uji korelasi, regresi linier, kesalahan baku, selang kepercayaan,
uji hipotesis, dan validasi secara manual dan dengan menggunakan software
SPSS dan Minitab.
BAB IV ANALISIS
Pada bab ini berisi analisis hasil dari pengolahan data sederhana dan majemuk
meliputi analisis koefisien korelasi sampel, regresi linier, kesalahan baku,
selang kepercayaan, dan validasi.
BAB V PENUTUP
Bab penutup ini terdiri atas kesimpulan yang menjelaskan jawaban atas
tujuan dari praktikum Modul 1 serta saran yang berisi tentang kekurangan-
kekurangan yang ada di Modul 1.

Departemen Teknik Industri

Universitas Diponegoro
2020
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

BAB II
TINJAUAN PUSTAKA

2.1 Korelasi
2.1.1 Koefesien Korelasi
Korelasi dapat didefinisikan sebagai metode statistika yang digunakan untuk
menentukan kuatnya atau derajat hubungan linier antara dua variabel atau lebih.
Semakin nyata hubungan linier (garis lurus), maka semakin kuat atau tinggi derajat
hubungan garis lurus antara kedua variabel atau lebih. Ukuran untuk derajat hubungan
garis lurus ini dinamakan koefisien korelasi. Analisa korelasi berganda berfungsi untuk
mencari besarnya hubungan antara dua variabel bebas (X) atau lebih secara simultan
dengan variabel terikat (Y).
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi
merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat
yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara
sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang
sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi
Rank Spearman (Agus Susworo, 2013).
R=n ¿ ¿........................................................................(2.1)

Korelasi dilambangkan dengan r dengan ketentuan nilai r tidak lebih dari harga
(-1≤ r ≤ 1). Apabila nilai r = -1 artinya korelasi negatif sempurna; r = 0 artinya tidak ada
korelasi; dan r = 1 artinya korelasinya sangat kuat. Koefisien korelasi merupakan angka
yang menunjukkan arah dan kuat hubungan antara dua varibel atau lebih Berdasarkan
kisaran angka pada koefisien korelasi, korelasi dibagi menjadi 3, yaitu (Agus,2010):
a. Korelasi negatif
Kecenderungan yang berlawanan (yaitu kenaikan nilai X, diikuti dengan
penurunan nilai Y, demikian juga sebaliknya penurunan nilai X diikuti dengan
kenaikan nilai Y). Nilai r = - 1 menunjukkan kedua peubah berkorelasi negatif

Departemen Teknik Industri

Universitas Diponegoro
2020
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

secara sempurna. Sebaran data tepat membentuk garis lurus (hal yang dalam
kenyatan jarang terjadi).
b. Korelasi nol (r=0)
Korelasi nol menunjukan bahwa kedua peubah tidak berkorelasi, yaitu
kenaikanatau penurunan nilai peubah X, tidak mempengaruhi nilai peubah Y.
c. Korelasi positif
Menunjukan bahwa kedua peubah memiliki kecenderungan yang sama, yaitu
kenaikan nilai X, diikuti dengan kenaikan nilai Y, demikian juga sebaliknya
penurunan nilai X diikuti dengan penurunan nilai Y.
Rumus Koefisien Korelasi antara lain :
n 2

n
Jxx=∑ x − 2
i
[∑ ]
i=1
xi
.............................................................................(2.2)
i=1 n

n 2

Jyy=∑ y −
n
2
i
[∑ ]
i=1
yi
............................................................................(2.3)
i=1 n

n n

n
Jxy=∑ x i y i −
[ ][∑ ]
∑ xi
i=1 i =1
yi
...............................................................(2.4)
i=1 n

Jxx Jxy
r =b
√ =
Jyy √ Jxx Jyy
............................................................................(2.5)

2.1.2 Koefesien Determinasi (Bagaimana X memengaruhi Y)

Uji Koefisien Determinasi disebut juga uji R-square. Koefisien determinasi
digunakan untuk melihat seberapa besar variabel-variabel independen secara bersama
mampu memberikan penjelasan mengenai variabel dependen dimana nilai R2 berkisar
antara 0 sampai 1(0≤R2≤1). Semakin besar nilai R2, maka semakin besar variasi
variabel dependen yang dapat dijelaskan oleh variasi variabel – variabel

Departemen Teknik Industri

Universitas Diponegoro
2020
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

independen.Sebaliknya jika R2 kecil, maka akan semakin kecil variasi variabel

dependen yang dapat dijelaskan oleh variabel independen.
Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap
jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan satu
variabel independen, maka R2 pasti meningkat tidak perduli apakah variabel tersebut
berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu banyak
peneliti menganjurkan untuk menggunakan nilai Adjusted R2 pada saat mengevaluasi
mana model regresi terbaik. Tidak seperti R2, nilai Adjusted R2 dapat naik atau turun
apabila satu variabel independen ditambahkan kedalam model.
Dalam kenyataan nilai adjusted R2 dapat bernilai negatif, walaupun yang
dikehendaki harus bernilai positif. Jika dalam uji empiris didapat nilai adjusted R2
negatif, maka nilai adjusted R2 dianggap bernilai nol (Gujarati, 2003).

2.2 Regresi
2.2.1 Regresi Linier Sederhana
Analisis regresi linier sederhana merupakan salah satu teknik dalam ilmu
statistika yang tujuannya adalah untuk mengestimasi hubungan antara satu variabel
dependen dengan satu variabel independen. Terdapat model dasar dari regresi linier
sedehana yaitu:
y=α + βx..........................................................(2.6)
dengan:
y = nilai variabel dependen
α = intersep
β = selop
x = nilai variabel independen
Sehingga untuk mengestimasi model dasar, diberikan taksiran parameter berikut:
^y =a+bx...............................................................(2.7)
dengan:
y = prediksi variabel dependen
a = taksiran intersep

Departemen Teknik Industri

Universitas Diponegoro
2020
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

b = taksiran selop
x = nilai variabel independen
Dalam menaksir nilai a dan b digunakan metode Ordinary Least Square yang
memberikan nilai a dan b sebagai berikut:
n ∑ xiyi−∑ xi ∑ yi
b= 2 ........................................(2.8)
n ∑ xi 2−( ∑ xi)

a=
∑ yi−b ∑ xi = ý−b x́.......................................(2.9)
n

2.2.2 Regresi Linier Majemuk

Analisis regresi linier majemuk merupakan salah satu teknik dalam ilmu
statistika yang tujuannya adalah untuk mengestimasi hubungan antara satu variabel
dependen dengan lebih dari satu variabel independen. Terdapat model dasar dari regresi
linier majemuk yaitu
y=α + β 1 x 1 + β 2 x 2 + β 3 x 3 +…+ β n x n..................................(2.12)
dengan:
y = nilai variabel dependen
α = intersep
β 1,2 ,… ,n = slop
x 1,2,… ,n = nilai variabel independen
Untuk mengestimasi model dasar, maka diberikan taksiran parameter sebagai berikut :
^y =a+b1 x 1+ b2 x 2 +b3 x 3+ …+bn x n......................................(2.13)

dengan:
^y = prediksi nilai variabel dependen
a = taksiran intersep
b 1,2,… ,n = taksiran slop
x 1,2,… ,n = nilai variabel independen

2.2.3 Selang Kepercayaan

Departemen Teknik Industri

Universitas Diponegoro
2020
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

Distribusi berbagai penaksir akan digunakan untuk mendapatkan taksiran selang

berbagai parameter, a-tau lazim disebut Selang Kepercayaan. Berikut jenis-jenis daris
selang kepercayaan (Sugiarto,2006):
a. Selang Kepercayaan (β0)
Selang kepercayaan parameter β0 ini diturunkan berdasarkan distribusi
penaksirnya, yaitu b0.
b. Selang Kepercayaan (β1)
Dengan penalaran seperti pada selang kepercayaan 100(1-α)% untuk β0 ,
didapatkan selang kepercayaan 100(1-α)% untuk β1
c. Selang Kepercayaan 100(1-α)% Untuk Y0
Apabila diketahui atau ditentukan nilai variabel bebas sebesar X0 , dan X0
merupakan nilai prediktor yang digu-nakan untuk eksperimen, maka penaksir
atau dugaan nilai respon dinyatakan oleh persamaan berikut :
Y0= b0 + b1X0........................................(2.14)
d. Selang Prediksi 100(1-α)% Untuk Y0
Bila diketahui atau ditentukan nilai variabel bebas sebesar X0 , dan X0 bukan
merupakan nilai pre-diktor yang digunakan untuk eksperimen, maka didapatkan
penaksir atau dugaan nilai respon, yaitu Yˆ0 sebesar :
Y0= b0 + b1X0............................................................................................(2.15)

2.3 Seleksi Variabel

Berikut ini merupakan metode metode yang digunakan dalam seleksi variabel
dalam analisis korelasi dan regresi linear :
a. Metode Forward
Didasarkan pada pandangan bahwa peubah sebaiknya dimasukkan satu persatu
sampai persamaan regresi yang memuaskan ditemukan. Langkah-langkahnya:
1. Pilihlah peubah x1 yang memberikan jumlah kuadrat regresi terbesar bila
mengerjakan regresi linear sederhana dengan y, atau dengan kata lain,
peubah yang memberikan nilai R2 terbesar.

Departemen Teknik Industri

Universitas Diponegoro
2020
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

2. Pilihlah selanjutnya peubah x2 yang bila dimasukkan ke dalam model

memberikan penambahan terbesar pada R2, yaitu tambahan pada R2 dalam
langkah (1) akibat x1. Jika ini dihasilkan oleh peubah xj, maka

R(βj │βi) = R(βi , βj) - R(βi),

terbesar. Model regresi dengan x1 dan x2 kemudian dicari dan R2 dicatat.
3. Pilihlah selanjutnya peubah x3 yang memberikan nilai

R(βj │β1, β2) = R(β1 , β2, βj) - R(β1 , β2),

terbesar, yaitu penambahan R2 sesudah langkah (2). Sehingga diperoleh
model regresi yang mengandung x1, x2, dan x3.
Cara ini dilanjutkan sampai peubah yang masuk terakhir tidak lagi memberikan
tambahan R2 yang berarti. Penambahan itu dapat ditentukan pada tiap langkah
dengan menggunakan uji-F atau uji-t yang sesuai.
b. Metode Backward
Penyisihan mundur menyangkut pengertian yang sama seperti pilihan maju
kecuali bahwa di sini dimulai dari semua peubah dalam model. Misalkanlah,
sebagai contoh, terdapat lima peubah yang sedang ditangani. Langkahnya
sebagai berikut:

1. Cobakanlah persamaan regresi dengan kelima peubah dalam model.

Tentukanlah peubah yang memberikan nilai jumlah kuadrat regresi terkecil
jika pengaruh peubah lainnya diperhitungkan. Misalkanlah peubah tersebut

R ( β2|β 1 , β 3 , β 4 , β 5 )
f=
x2. Sisihkan x2 dari model bila s2 tak berarti
2. Cobakan persamaan regresi dengan menggunakan peubah yang tinggal yaitu
x1, x3, x4, dan x5 kemudian ulangi langkah 1. Misalkanlah sekarang calon

R ( β5|β 1 , β 3 , β 4 )
f=
peubah untuk disisihkan x5. Sekali lagi bila s2 tak berarti
maka peubah x5 disisihkan dari model. Pada tiap langkah s2 yang dipakai
dalam uji-F ialah rataan kuadrat galat model regresi pada langkah tersebut.

Departemen Teknik Industri

Universitas Diponegoro
2020
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

Cara ini diulang sampai pada suatu langkah peubah yang memberikan jumlah
kuadrat regresi terkecil, jika pengaruh peubah lainnya diperhitungkan,
menghasilkan nilai f yang berarti untuk suatu taraf α yang ditentukan
sebelumnya.
c. Metode Stepwise
Regresi bertahap dikerjakan dengan sedikit penyempurnaan, tetapi penting pada
metode pilihan maju. Ini merupakan perbaikan atas pilihan maju, karena
mungkin saja suatu peubah yang memasuki persamaan regresi pada langkah
sebelumnya ternyata tidak lagi berarti karena hubungannya dengan peubah lain
yang masuk pada tahap kemudian. Karena itu, pada tahap pemasukan peubah
baru ke dalam persamaan regresi akibat penambahn R2 yang berarti yang
ditentukan oleh uji-F, semua peubah yang telah masuk kedalam model diperiksa
dengan uji-F (atau dengan uji-t) dengan memperhatikan peubah yang baru
masuk dan disisihkan bila tidak menyajikan nilai-f yang berarti. Proses ini
diteruskan sampai tidak ada lagi peubah yang memenuhi syarat untuk masuk
ataupun disisihkan. Prosedur regresi bertahap ini dijelaskan sebagai berikut:
1. Untuk mengamati pengaruh tiap peubah secara terpisah, empat persamaan
regresi linear sederhana dicocokkan, kemudian dihitung keempat jumlah
kuadrat regresi.
2. Tiga persamaan regresi, semuanya mengandung x1 dicocokkan pada
langkah ini. Hasil yang penting dari pasangan (x1,x2), (x1,x2), (x1,x4)
adalah R(21), R(31), dan R(41).
Sesudah x1 dan x3 dalam model, dihitung R(21, 3) dan R(41, 2) untuk
menentukan yang mana, jika ada, dari kedua peubah yang masih tersisa yang
akan masuk ke dalam model pada langkah ini

2.4 Persamaan Garis Regresi

Dalam bentuk yang paling sederhana yaitu satu peubah bebas (X) dengan satu
peubah tak bebas (Y) mempunyai persamaan:
y=α + βx.................................................................(2.18)

Departemen Teknik Industri

Universitas Diponegoro
2020
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

Disini a disebut intersep dan b adalah koefisien arah atau koefisien beta. Dalam
pengertian fungsi persamaan garis Y + a + bx hanya ada satu yang dapat dibentuk dari
dua buah titik dengan koordinat yang berbeda yaitu ( X1, Y1) dan X2,Y2). Hal ini
berarti kita bisa membuat banyak sekali persamaan garis dalam bentuk lain melalui
dua buat titik yang berbeda koordinatnya/tidak berimpit. Untuk mengestimasi model
dasar di atas, maka diberikan taksiran parameter:
^y =a+bx……………………………………...(2.19)
^y =¿prediksi variabel dependen
a = taksiran intersep
b = taksiran slop
x = nilai variabel independen
dan didapat dengan

b=n
∑ xi yi−¿ ∑ xi ∑ yi ¿...................................(2.20)
n ∑ xi2−¿ ¿ ¿

n ∑ yi−b ∑ xi
a = = ý - bx́..................................(2.21)
n

2.5 Uji Asumsi Klasik

2.5.1 Uji Normalitas
Uji normalitas di maksudkan untuk mengetahui apakah residual terstandarisasi
yang diteliti berdistribusi normal atau tidak. Suatu data tidak normal biasanya
disebabkan karena terdapat nilai ektrim dalam data yang kita ambil. Uji normalitas
biasanya dilakukan dengan menggunakan analisis grafik (P-P Plot) maupun dengan uji
Kolmogorov Smirnov dan Shapiro Wilks.

2.5.2 Uji Linieritas

Uji linier mengandung bahwa apakah kedua data atau variabel yang
dihubungkan itu berbentuk garis lurus atau linearitas dapat juga diartikan sifat hubungan
yang linear antar variabel, artinya setiap perubahan yang terjadi pada satu variabel akan
diikuti perubahan dengan besaran yang sejajar pada variabel lainnya. Uji linearitas
Departemen Teknik Industri
Universitas Diponegoro
2020
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linear atau
tidak secara signifikan. Uji linearitas dilakukan dengan mencari persamaan garis regresi
variabel bebas x terhadap variabel terikat y.

2.5.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk melihat apakah terjadi korelasi antara suatu
periode t dengan periode sebelumnya (t -1). Secara sederhana bahwa analisis regresi
yaitu untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak
boleh ada korelasi antara observasi dengan data observasi sebelumnya. Sebagai contoh
pada pengeluaran rutin dalam suatu rumah tangga, ketika pada bulan Januari suatu
keluarga mengeluarkan belanja bulanan yang relatif tinggi, maka tanpa ada pengaruh
dari apapun pengeluaran pada bulan Februari akan rendah.
Uji autokorelasi hanya dilakukan pada data time series (runtut waktu) dan tidak
perlu dilakukan pada data cross section seperti pada kuesioner di mana pengukuran
semua variabel dilakukan secara serempak pada saat yang bersamaan. Model regresi
pada penelitian di Bursa Efek Indonesia di mana periodenya lebih dari satu tahun
biasanya memerlukan uji autokorelasi.

2.5.4 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk melihat apakah terdapat ketidaksamaan
variansi dari residual satu ke pengamatan yang lain. Model regresi yang memenuhi
persyaratan adalah di mana terdapat kesamaan variansi dari residual satu pengamatan ke
pengamatan yang lain tetap atau disebut homoskedastisitas.

2.5.5 Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk melihat ada atau tidaknya korelasi yang
tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika
ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara
variabel bebas terhadap variabel terikatnya menjadi terganggu. Sebagai ilustrasi, adalah
model regresi dengan variabel bebasnya motivasi, kepemimpinan dan kepuasan kerja

Departemen Teknik Industri

Universitas Diponegoro
2020
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

dengan variabel terikatnya adalah kinerja. Logika sederhananya adalah bahwa model
tersebut untuk mencari pengaruh antara motivasi, kepemimpinan dan kepuasan kerja
terhadap kinerja. Jadi tidak boleh ada korelasi yang tinggi antara motivasi dengan
kepemimpinan, motivasi dengan kepuasan kerja atau antara kepemimpinan dengan
kepuasan kerja.

2.6 Penerapan Korelasi dan Regresi di Bidang Industri

Korelasi dan regresi memiliki manfaat yang besar dalam bidang industri.
Contohnya kita dapat melakukan suatu peramalan obyektif. Korelasi dan regresi mampu
menjelaskan tingkat keeratan dan macam dari hubungan antara variabel bebas dengan
permintaan yang terjadi di masa lalu apakah akan berulang pada masa yang akan
datang. Dimana contoh nyatanya dapat diterapkan pada penentuan strategi pemasaran
produk A (misal pemasaran mobil). Model regresi dapat digunakan untuk mengetahui
faktor yang mempengaruhi harga mobil pada daerah tertentu. Hasil dari model yang
diperoleh dapat membantu analisa bahwa permintaan pasar dan stok merupakan variabel
terbaik yang menjelaskan harga mobil. Perhitungan koefisien korelasi dan determinasi
yang di dapat juga membantu menentukan berapakah persentase variabel terikat dapat
dijelaskan oleh variabel bebasnya. Kemudian contoh kedua dapat digunakan untuk
analisa dalam melihat peluang pasar. Apakah produk yang dijual mampu bersaing atau
tidak. Dimana korelasi dan regresi dapat diterapkan untuk melihat hubungan antara
biaya promosi dan angka penjualan. Nilai koefisien korelasi dan nilai koefisien regresi
dapat menggambarkan apakah hubungan antara biaya promosi dan angka penjualan
bersifat positif atau negatif. Lalu contoh ketiga dapat digunakan menentukan sebuah
keputusan apakah seseorang akan membeli makanan pada restoran A. Keputusan-
keputusan ini didasarkan oleh beberapa penilaian dari pembeli terhadap restoran dari
segi kualitas rasa, kebersihan tempat dan tentunya harga. Contoh lain nya lagi dapat
digunakan untuk analisa mengenai pengaruh kemasan terhadap harga jual produk.

Departemen Teknik Industri

Universitas Diponegoro
2020
 Laporan Praktikum Statistika Industri
Modul 1 – Korelasi dan Regresi Linier
Kelompok 22

BAB III
METODOLOGI PRAKTIKUM

3.1 Flowchart Metodologi Praktikum

Departemen Teknik Industri

Universitas Diponegoro
2020