AHMAD FADIL HS 152018012

BAB I
PENDAHULUAN

1.1 Latar Belakang

Statistika bertujuan untuk mengetahui apakah ada hubungan antara dua atau
lebih peubah. Bila hubungan demikian ini dapat dinyatakan dalam bentuk rumus
matematik, maka kita akan dapat menggunakannya untuk keperluan peramalan.
Masalah peramalan dapat dilakukan dengan menerapkan persamaan regresi dan
korelasi. Sekarang ini, istilah statistika ditetapkan pada semua jenis peramalan, dan
tidak harus berimplikasi suatu regresi mendekati nilai tengah populasi. Sedangkan
Teknik korelasi merupakan teknik analisis yang melihat kecenderungan pola dalam
satu variabel berdasarkan kecenderungan pola dalam variabel yang lain. Maksudnya,
ketika satu variabel memiliki kecenderungan untuk naik maka kita melihat
kecenderungan dalam variabel yang lain apakah juga naik atau turun atau tidak
menentu. Jika kecenderungan dalam satu variabel selalu diikuti oleh kecenderungan
dalam variabel lain, kita dapat mengatakan bahwa kedua variabel ini memiliki
hubungan atau korelasi.

1.2 Rumusan Masalah

Adapun rumusan masalah yang didapat antara lain :
1. Apa yang dimaksud dengan regresi ?
2. Apa yang dimaksud dengan korelasi ?
3. Bagaimana cara perhitungan software regresi ?
4. Bagaimana cara perhitungan manual pada regresi ?
5. Bagaimana cara perhitungan software pada korelasi ?
6. Bagaimana cara perhitungan manual pada korelasi ?

Laporan Statistik Industri II-1

 AHMAD FADIL HS 152018012

1.3 Batasan Asumsi

Adapun batasan asumsi yang didapat antara lain :
Saat melakukan perhitungan regresi, harus dipastikan terlebih dahulu data kita
apakah sudah dalam keadaan normality (normal) apa belum, apabila data kita belum
normal maka harus dinormalkan terlebih dahulu sebelum melakukan perhitungan baik
perhitungan software ataupun manual, berbeda dengan korelasi, korelasi tidak
memerlukan kenormalan pada data, hanya perlu ketelitian dalam menginput data,
apabila salah dalam menginput data, maka seterusnya akan salah.

1.4 Tujuan praktikum

Adapun tujuan praktikum yang didapat antara lain :
1. Untuk mengetahui nilai regresi dan korelasi pada perhitungan software dan
manual.
2. Untuk mengetahui langkah-langkah perhitungan regresi dan korelasi pada
software dan manual.
3. Untuk mengetahui apa itu regresi dan korelasi.

1.5 Manfaat Praktikum

Adapun manfaat yang didapat antara lain :
1. Kita dapat mengetahui langkah-langkah mencari perhitungan regresi dan
korelasi pada software maupun manual.
2. Kita dapat mengetahui apa yang dimaksud dengan regresi dan korelasi.

Laporan Statistik Industri II-2

 AHMAD FADIL HS 152018012

BAB II
TINJAUAN PUSTAKA

2.1 Pengertian Regresi dan Korelasi

2.1.1 Pengertian Regresi
Pengertian Regresi – Istilah regresi pertama kali dikenalkan oleh Francis
Galton (Gujarati & Porter, 2010: 19). Untuk mengukur besarnya pengaruh variabel
bebas terhadap variabel tergantung dan memprediksi variabel tergantung dengan
menggunakan variabel bebas. Gujarati (2006) mendefinisikan analisis regresi sebagai
kajian terhadap hubungan satu variabel yang disebut sebagai variabel yang
diterangkan (the explained variabel) dengan satu atau dua variabel yang menerangkan
(the explanatory). Variabel pertama disebut juga sebagai variabel tergantung dan
variabel kedua disebut juga sebagai variabel bebas. Jika variabel bebas lebih dari
satu, maka analisis regresi disebut regresi linear berganda. Disebut berganda karena
pengaruh beberapa variabel bebas akan dikenakan kepada variabel tergantung.
Secara umum, Analisis regresi berkaitan dengan studi mengenai ketergantungan
satu variabel, yaitu variabel dependent, terhadap satu atau lebih variabel lainnya
(variabel independent), dengan tujuan untuk mengestimasi dan/atau memperkirakan
nilai rerata atau rata-rata (populasi) variabel dependent dari nilai yang diketahui atau
nilai tetap dari veriabel independent.
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai
sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut
berdistribusi normal ataukah tidak. Uji Normalitas berguna untuk menentukan data
yang telah dikumpulkan berdistribusi normal atau diambil dari populasi normal.
Metode klasik dalam pengujian normalitas suatu data tidak begitu rumit. Berdasarkan
pengalaman empiris beberapa pakar statistik, data yang banyaknya lebih dari 30
angka (n > 30), maka sudah dapat diasumsikan berdistribusi normal. Biasa dikatakan
sebagai sampel besar.

Laporan Statistik Industri II-3

 AHMAD FADIL HS 152018012

Sebelum mecari regresi terlebih dahulu mencari normalitas dari variabel X 1,

variabel X2 dan Y menggunakan rumus sebagai berikut:
Rumus mencari mean:
X 1+ X 2+ X 3 …..+ Xn
X́ ¿
n

Rumus mencaru varian:

2 2 2
( X 1− X́ ) + ( X 2− X́ ) … … … … .+ ( Xn− X́ )
S2 =
n−1
Rumus mencari standar deviasi:
S = √ s2

2.1.2 Pengertian korelasi

Pengertian korelasi secara sederhana, korelasi dapat diartikan sebagai
hubungan. Namun ketika dikembangkan lebih jauh, korelasi tidak hanya dapat
dipahami sebatas pengertian tersebut. Korelasi merupakan salah satu teknik analisis
dalam statistik yang digunakan untuk mencari hubungan antara dua variabel yang
bersifat kuantitatif. Hubungan dua variabel tersebut dapat terjadi karena adanya
hubungan sebab akibat atau dapat pula terjadi karena kebetulan saja. Dua variabel
dikatakan berkolerasi apabila perubahan pada variabel yang satu akan diikuti
perubahan pada variabel yang lain secara teratur dengan arah yang sama (korelasi
positif) atau berlawanan (korelasi negatif). 
Dalam Matematika, korelasi merupakan ukuran dari seberapa dekat dua
variabel berubah dalam hubungan satu sama lain. Sebagai contoh, kita bisa
menggunakan tinggi badan dan usia siswa SMA sebagai variabel dalam korelasi
positif. Semakin tua usia siswa SMA, maka tinggi badannya pun menjadi semakin
tinggi. Hubungan ini disebut korelasi positif karena kedua variabel mengalami
perubahan ke arah yang sama, yakni dengan meningkatnya usia, maka tinggi badan
pun ikut meningkat. 

Laporan Statistik Industri II-4

 AHMAD FADIL HS 152018012

Sementara itu, kita bisa menggunakan nilai dan tingkat ketidak hadiran siswa
sebagai contoh dalam korelasi negatif. Semakin tinggi tingkat ketidak hadiran siswa
di kelas, maka nilai yang diperolehnya cenderung semakin rendah. Hubungan ini
disebut korelasi negatif karena kedua variabel mengalami perubahan ke arah yang
berlawanan, yakni dengan meningkatnya tingkat ketidak hadiran, maka nilai siswa
justru menurun. 

2.2 Tujuan Regresi Dan Korelasi

2.2.1 Tujuan Regresi
Adapun tujuan dari regresi antara lain:
1. Membuat estimasi rata-rata dan nilai variabel tergantung yang didasarkan
pada nilai variabel bebas.
2. Untuk menguji hipotesis karakteristik dependensi.
3. Meramalkan nilai rata-rata pada variabel bebas, yang didasari pada nilai
variabel bebas diluar jangkauan sampel.

2.2.2 Tujuan Korelasi

Adapun tujuan dari korelasi antara lain:
1. Untuk mencari bukti terdapa tidaknya hubungan korelasi antar variabel.
2. Bila sudah ada hubungan, untuk melihat besar kecilnya hubungan antara
variabel.
3. Untuk memperoleh kejelasan dan kepastian apakah hubungan tersebut
berarti (meyakinkan/signifikan) atau tidak berarti (tidak meyakinkan).

2.3 Manfaat Regresi Dan Korelasi

2.3.1 Manfaat Regresi
Adapun manfaat korelasi antara lain:
1. Kita dapat mengetahui persamaan garis yang menunjukkan persamaan
hubungan antara dua variabel.

Laporan Statistik Industri II-5

 AHMAD FADIL HS 152018012

2. Kita dapat mengetahui besarnya pengaruh perubahan tiap unit variabel

bebas terhadap perubahan variabel terikatnya.
3. Kita dapat meramal nilai variabel terikat (Y) berdasarkan variabel bebas (X)
yang nilainya telah diketahui.

2.3.2 Manfaat Korelasi

Adapun manfaat korelasi antara lain:
1. Kita dapat mengetahui hubungan antara dua variabel dan arah hubungan
yang terjadi.
2. Kita dapat mengetahui koefisien korelasi seberapa besar hubungan yang
terjadi antara dua variabel.
3. Kita dapat mengetahui derajat hubungan linier antara vairiabelyang satu
dengan yang lainya.

2.4 Langkah-Langkah Membuat Perhitungan Regresi Dan Korelasi

2.4.1 Langakah Perhitungan Regresi Secara Manual
1. Membuat variabel X1, X2 dan Y
2. Cari nilai-nilai dibawah ini tiap variabel
3. Menentukan mean (x́)
Jumlah data
Rumus =
n
4. Menentukan variance (S)2
Jumlah data−( x́ )2
Rumus =
n−1
5. Menentukan standar deviation (S)
Rumus = √ S 2
6. Urutkan variable yang dicari dari data terbesar keterkecil dan tentukan
frekuensinya, lalau bagi frekuensi dengan data variable.
7. Selanjutnya cari nilai Zi, Ft(Xi), Fs(Xi)

Laporan Statistik Industri II-6

 AHMAD FADIL HS 152018012

Variable data−x́
Rumus Zi =
S
Rumus Ft(Xi) = cari nilai Zi ditabel Z
data variable
Rumus Fs(Xi) =
n
Rumus Fs (Xi) - Ft (Xi) = Fs (Xi) - Ft (Xi)

Metode pembuatan regresi linier berganda dengan menggunakan cara manual

dengan menggunakan rumus sebagai berikut:

Y = a + b 1 X 1 + b2 X 2
Dimana :
Y = Variabel terikat
X1 dan X2 = Variabel bebas
a, b1 dan b2 = Konstanta

1. Membuat tabel bantu seperti cintoh dibawah ini.

variable variable variable
NO N bebas bebas terikat X12 X22 Y2 X1.Y X2.Y X1.X2
(X1) (X2) (Y)
1 ... ....... ....... ....... ..... ...... ...... ....... ....... .......
2 ... ....... ....... ....... ...... ...... ...... ....... ....... .......
3 ... ....... ....... ....... ...... ...... ...... ....... ....... .......
. ... ....... ....... ....... ...... ...... ...... ....... ....... .......
. ... ....... ....... ....... ...... ...... ...... ....... ....... .......
N ... ....... ....... ....... ...... ...... ...... ....... ....... .......
......
∑ ... ....... ....... ....... ....... ....... ....... ....... .......
.

2. Mencari nilai A dengan menggunakan perhitungan sebagai berikut

Rumus :
A = n∑X1Y −¿∑X1 ∙ ∑Y

Laporan Statistik Industri II-7

 AHMAD FADIL HS 152018012

3. Mencari nilai B dengan menggunakan perhitungan sebagai berikut

Rumus :
B = n∑(X2)2 – (∑X2)2

4. Mencari nilai C dengan menggunakan perhitungan sebagai berikut

Rumus :
C = n ∑X1X2 −¿ ∑X1∙∑X2

5. Mencari nilai D dengan menggunakan perhitungan sebagai berikut

Rumus :
D = n ∑X2Y - ∑X2 ∙∑Y

6. Mencari nilai E dengan menggunakan perhitungan sebagai berikut

Rumus :
E = n ∑(X1)2 –(∑X1)2

7. Mencari nilai F dengan menggunakan perhitungan sebagai berikut

Rumus :
F = (E × B) – ( C2)

8. Mencari nilai b1 dengan menggunakan perhitungan sebagai berikut.

Rumus :
( A × B )−(C × D)
b1 =
F

9. Mencari nilai b2 dengan menggunakan perhitungan sebagai berikut

Rumus :
( D× E )−(A ×C)
b2 =
F

10. Mencari nilai a dengan menggunakan perhitungan sebagai berikut

Laporan Statistik Industri II-8

 AHMAD FADIL HS 152018012

Rumus :
a=

∑ Y −( b 1 ×∑ X 1 )−(b 2 ×∑ X 2)
n
Maka, dari proses diatas akan diperoleh hasil persamaan regresi linier bergana
adalah Y = a + b1X1 + b2X2.

2.4.1.2 Secara Software

Langkah – langkah membuat regresi dengan menggunakan SPSS adalah
sebagai berikut:
1. Buka editor IMB SPSS. Klik variable view. Ketik “X” pada kolom name.
Pada kolom Desimals ,set angka 0, kolom lain abaikan. Pada baris kedua,
ketikan “Y”. Pada kolom Desimals set angka 0. Kolom yang lain diabaikan.
2. Klik Data View, kemudian input seluruh data variabel “X” dan “Y” pada studi
kasus di bawah.

Gambar 2.1 data variabel “x” dan “Y”

3. Selanjutnya untuk analisis korelasi, klik Analyze. Sorot Regression, klik

linier maka akan mucul dialog berikut.

Laporan Statistik Industri II-9

 AHMAD FADIL HS 152018012

Gambar 2.2 Regression dan Linier

4. Pindahkan variabel X1, variable X2 pada kolom independent dan Y pindakan

ke kolom dependent seperti gambar berikut.

Gambar 2.3 independent dan dependent.

Laporan Statistik Industri II-10

 AHMAD FADIL HS 152018012

5. Selanjutnya klik pada statistics, lalu centang pada Durbin-watson lalu klik
continue seperti gambar berikut.

Gambar 2.4 statistics

6. Kemudian klik pada Save, lalu centang untandarized, unstandarized, dan

studentized deleted kemudian klik continue seperti gambar berikut.

Gambar 2.5 Save

Laporan Statistik Industri II-11

 AHMAD FADIL HS 152018012

7. Lalu klik Ok, akan mendapatkan hasil perhitungan softwere seperti gambar
brikut.
Regression
Notes
Output Created 30-DEC-2019 21:08:33
Comments
Input Data D:\MRA\LAPORAN
STATISTIK\laporan regresi
Fadil.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working
20
Data File
Missing Value Definition of Missing User-defined missing values are
Handling treated as missing.
Cases Used Statistics are based on cases with
no missing values for any
variable used.

Laporan Statistik Industri II-12

 AHMAD FADIL HS 152018012

Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS
R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT
Jumlah_pesanan_y
/METHOD=ENTER
Biaya_Distribusi_x1
Nilai_penjualan_x2
/RESIDUALS DURBIN
/SAVE PRED RESID
SDRESID.
Resources Processor Time 00:00:00,02
Elapsed Time 00:00:00,06
Memory Required 2912 bytes
Additional Memory
Required for Residual 0 bytes
Plots
Variables Created or PRE_1 Unstandardized Predicted Value
Modified RES_1 Unstandardized Residual
SDR_1 Studentized Deleted Residual
[DataSet1] D:\MRA\LAPORAN STATISTIK\laporan regresi riko.sav
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method

Laporan Statistik Industri II-13

 AHMAD FADIL HS 152018012

1 X2 nilai
penjualan
(jutaan
rupiah), X1
. Enter
biaya
distribusi
(jutaan
rupiah)b

a. Dependent Variable: Y jumlah pesanan (unit)

b. All requested variables entered.

Model Summaryb

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson
a
1 .752 .565 .514 493.724 2.021

a. Predictors: (Constant), X2 nilai penjualan (jutaan rupiah), X1 biaya

distribusi (jutaan rupiah)
b. Dependent Variable: Y jumlah pesanan (unit)

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 5392658.148 2 2696329.074 11.061 .001b

Residual 4143969.602 17 243762.918

Total 9536627.750 19

a. Dependent Variable: Y jumlah pesanan (unit)

b. Predictors: (Constant), X2 nilai penjualan (jutaan rupiah), X1 biaya distribusi
(jutaan rupiah)

Laporan Statistik Industri II-14

 AHMAD FADIL HS 152018012

Coefficientsa

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 813.195 790.854 1.028

Biaya_Distribusi 23.667 15.408 .360 1.536

Nilai_Penjualan 4.434 2.322 .447 1.909

a. Dependent Variable: Jumlah_pesanan

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 3430.11 5513.84 4489.75 532.751 20

Std. Predicted Value -1.989 1.922 .000 1.000 20
Standard Error of Predicted
112.868 353.648 179.655 67.188 20
Value
Adjusted Predicted Value 3175.42 5580.83 4457.24 583.852 20
Residual -760.487 927.944 .000 467.016 20
Std. Residual -1.540 1.879 .000 .946 20
Stud. Residual -1.749 2.066 .027 1.076 20
Deleted Residual -980.881 1461.880 32.514 620.616 20
Stud. Deleted Residual -1.874 2.316 .045 1.140 20
Mahal. Distance .043 8.798 1.900 2.242 20
Cook's Distance .000 1.499 .135 .335 20
Centered Leverage Value .002 .463 .100 .118 20

a. Dependent Variable: Jumlah_pesanan

2.4.2 Langkah Pembuatan Kolerasi

2.4.2.1 Langkah Pembuatan Kolerasi Dengan Cara Manual
Metode pembuatan kolerasi dengan menggunakan cara manual dengan
menggunakan rumus sebagai berikut:

Laporan Statistik Industri II-15

 AHMAD FADIL HS 152018012

n (∑ XY )−( ∑ X )(∑Y )
rxy = 2
√( n ∑ X −( ∑ X ) )(n ∑ Y (∑ ❑) )
2 2 2

keterangan:
rxy = Koefisien korelasi antara x dengan y
n = Jumlah sampel
∑XY = Jumlah total data XY
∑X = Jumlah total data variabel X
∑Y = Jumlah total data variabel Y

Sedangkan untuk menguji signifikansi koefisiensi kolerasi antara variabel bebas

(X) dengan variabel terikat (Y) dapat ditentukan dengan uji student (uji t) dengan
rumus:
r xy √n−2
t=
√(1−rx y 2)
keterangan :
t = Nilai t hitungan
rxy = Koefesien kolerasi antara X denagn Y
n = Jumlah sampel

2.4.2.2 Perhitungan Menggunakan Software Korelasi

Langkah – langkah membuat kolerasi dengan menggunakan SPSS adalah
sebagai berikut:
1. Buka editor IMB SPSS. Klik variable view. Ketik “X” pada kolom name.
Pada kolom Desimals ,set angka 0, kolom lain abaikan. Pada baris kedua,
ketikan “Y”. Pada kolom Desimals set angka 0. Kolom yang lain diabaikan.

2. Klik Data View, kemudian input seluruh data variabel “X” dan “Y” pada studi
kasus di bawah.

Laporan Statistik Industri II-16

 AHMAD FADIL HS 152018012

Gambar 2.7 data variabel “x” dan “Y”

3. Selanjutnya untuk analisis korelasi, klik Analyze. Sorot Correlate, klik
Bivariate maka akan mucul dialog berikut.

Gambar 2.8 Correlate dan Bivareate

4. Pindahkan variabel X1, X2 dan Y satu persatu ke kotak Variables, dengan

mengklik kotak kanan. Beri beri centang pada kotak perseon.

Laporan Statistik Industri II-17

 AHMAD FADIL HS 152018012

Gambar 2.9 Bivareate

5. Selanjutnya abaikan tombol – tombol yang lain dengan mengklik Ok, maka
akan diperoleh output berikut ini.
Correlations

Correlations

Jumlah_pesana
Biaya_Distribusi Nilai_Penjualan n
Biaya_Distribusi Pearson Correlation 1 .731** .687**

Sig. (2-tailed) .000 .001

N 20 20 20
**
Nilai_Penjualan Pearson Correlation .731 1 .711**
Sig. (2-tailed) .000 .000
N 20 20 20
** **
Jumlah_pesanan Pearson Correlation .687 .711 1

Sig. (2-tailed) .001 .000

N 20 20 20

**. Correlation is significant at the 0.01 level (2-tailed).

Laporan Statistik Industri II-18

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-19

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-20

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-21

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-22

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-23

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-24

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-25

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-26

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-27

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-28

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-29

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-30

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-31

 AHMAD FADIL HS 152018012

3.1.2.2 PERHITUNGAN SOFTWERE

Regression
Notes
Output Created 30-DEC-2019 21:08:33
Comments
Input Data D:\MRA\LAPORAN
STATISTIK\laporan regresi
Fadil.sav
Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data
20
File
Missing Value Definition of Missing User-defined missing values are
Handling treated as missing.
Cases Used Statistics are based on cases with
no missing values for any
variable used.

Laporan Statistik Industri II-32

 AHMAD FADIL HS 152018012

Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS
R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT
Jumlah_pesanan_y
/METHOD=ENTER
Biaya_Distribusi_x1
Nilai_penjualan_x2
/RESIDUALS DURBIN
/SAVE PRED RESID
SDRESID.
Resources Processor Time 00:00:00,02
Elapsed Time 00:00:00,06
Memory Required 2912 bytes
Additional Memory
Required for Residual 0 bytes
Plots
Variables Created or PRE_1 Unstandardized Predicted Value
Modified RES_1 Unstandardized Residual
SDR_1 Studentized Deleted Residual
[DataSet1] D:\MRA\LAPORAN STATISTIK\laporan regresi riko.sav
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method

Laporan Statistik Industri II-33

 AHMAD FADIL HS 152018012

1 X2 nilai
penjualan
(jutaan
rupiah), X1
. Enter
biaya
distribusi
(jutaan
rupiah)b

a. Dependent Variable: Y jumlah pesanan (unit)

b. All requested variables entered.

Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
1 ,776a ,602 ,556 423,696 1,881
a. Predictors: (Constant), X2 nilai penjualan (jutaan rupiah), X1 biaya
distribusi (jutaan rupiah)
b. Dependent Variable: Y jumlah pesanan (unit)

ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 4622030,416 2 2311015,208 12,873 ,000b
Residual 3051807,334 17 179518,078
Total 7673837,750 19
a. Dependent Variable: Y jumlah pesanan (unit)
b. Predictors: (Constant), X2 nilai penjualan (jutaan rupiah), X1 biaya
distribusi (jutaan rupiah)
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t

Laporan Statistik Industri II-34

 AHMAD FADIL HS 152018012

1 (Constant) 1024,110 680,452 1,505

X1 biaya distribusi (jutaan
28,127 13,800 ,477 2,038
rupiah)
X2 nilai penjualan (jutaan
3,174 2,128 ,349 1,491
rupiah)
Coefficientsa

Model Sig.
1 (Constant) ,151
X1 biaya distribusi (jutaan rupiah) ,057
X2 nilai penjualan (jutaan rupiah) ,154
a. Dependent Variable: Y jumlah pesanan (unit)
Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
Predicted Value 3494,27 5391,14 4435,25 493,219 20
Std. Predicted Value -1,908 1,938 ,000 1,000 20
Standard Error of
97,233 290,872 154,755 55,994 20
Predicted Value
Adjusted Predicted
3254,77 5418,21 4403,44 546,145 20
Value
Residual -701,603 774,142 ,000 400,776 20
Std. Residual -1,656 1,827 ,000 ,946 20
Stud. Residual -1,885 2,513 ,031 1,102 20
Deleted Residual -909,331 1464,231 31,808 555,276 20
Stud. Deleted
-2,056 3,075 ,053 1,206 20
Residual
Mahal. Distance ,051 8,005 1,900 2,115 20
Cook's Distance ,000 1,876 ,161 ,421 20
Centered Leverage
,003 ,421 ,100 ,111 20
Value
a. Dependent Variable: Y jumlah pesanan (unit)

Laporan Statistik Industri II-35

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-36

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-37

 AHMAD FADIL HS 152018012

Laporan Statistik Industri II-38

 AHMAD FADIL HS 152018012

3.2.2.2 PERHITUNGAN SOFTWERE

Correlations

Jumlah_pesana
Biaya_Distribusi Nilai_Penjualan n

Biaya_Distribusi Pearson Correlation 1 .731** .687**

Sig. (2-tailed) .000 .001

N 20 20 20
**
Nilai_Penjualan Pearson Correlation .731 1 .711**
Sig. (2-tailed) .000 .000
N 20 20 20
Jumlah_pesanan Pearson Correlation .687** .711** 1

Sig. (2-tailed) .001 .000

N 20 20 20

**. Correlation is significant at the 0.01 level (2-tailed).

Laporan Statistik Industri II-39

 AHMAD FADIL HS 152018012

BAB IV
ANALISIS

4.1 Analisa Perhitungan Manual

Berdasarkan hasil perhitungan normalitas data variabel X1,X2 dan variabe Y
maka nilai variabel X1 adalah x = 69.798, S2 = 116.315 dan S = 10.78492.
Kemudian variabel X2 adalah x = 456,15 S2 = 4889.818 dan S = 69.927, selanjutkan
variabel Y adalah x = 4435.25, S2 = 403886.197 dan S = 635.520.
Untuk regresi berganda didapat permasaan Y = (380,5979023) + (7,204793984
X1) + (7,786412117 X2). Untuk hasil perhitungan kolerasi adalah X 1ry = 0,74 dan t
= 4,67 dan untuk X2ry 0,71 dan t = 4,28.

4.2 Aanalisa Softwere

Laporan Statistik Industri II-40

 AHMAD FADIL HS 152018012

ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 4622030,416 2 2311015,208 12,873 ,000b
Residual 3051807,334 17 179518,078
Total 7673837,750 19
a. Dependent Variable: Y jumlah pesanan (unit)
b. Predictors: (Constant), X2 nilai penjualan (jutaan rupiah), X1 biaya
distribusi (jutaan rupiah)
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t
1 (Constant) 1024,110 680,452 1,505
X1 biaya distribusi (jutaan
28,127 13,800 ,477 2,038
rupiah)
X2 nilai penjualan (jutaan
3,174 2,128 ,349 1,491
rupiah)
Coefficientsa

Model Sig.
1 (Constant) ,151
X1 biaya distribusi (jutaan rupiah) ,057
X2 nilai penjualan (jutaan rupiah) ,154
a. Dependent Variable: Y jumlah pesanan (unit)

Laporan Statistik Industri II-41

 AHMAD FADIL HS 152018012

Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
Predicted Value 3494,27 5391,14 4435,25 493,219 20
Std. Predicted Value -1,908 1,938 ,000 1,000 20
Standard Error of
97,233 290,872 154,755 55,994 20
Predicted Value
Adjusted Predicted
3254,77 5418,21 4403,44 546,145 20
Value
Residual -701,603 774,142 ,000 400,776 20
Std. Residual -1,656 1,827 ,000 ,946 20
Stud. Residual -1,885 2,513 ,031 1,102 20
Deleted Residual -909,331 1464,231 31,808 555,276 20
Stud. Deleted
-2,056 3,075 ,053 1,206 20
Residual
Mahal. Distance ,051 8,005 1,900 2,115 20
Cook's Distance ,000 1,876 ,161 ,421 20
Centered Leverage
,003 ,421 ,100 ,111 20
Value
a. Dependent Variable: Y jumlah pesanan (unit)

Correlations

Jumlah_pesana
Biaya_Distribusi Nilai_Penjualan n

Biaya_Distribusi Pearson Correlation 1 .731** .687**

Sig. (2-tailed) .000 .001

N 20 20 20
Nilai_Penjualan Pearson Correlation .731** 1 .711**
Sig. (2-tailed) .000 .000
N 20 20 20
Jumlah_pesanan Pearson Correlation .687** .711** 1

Sig. (2-tailed) .001 .000

N 20 20 20

**. Correlation is significant at the 0.01 level (2-tailed).

Laporan Statistik Industri II-42

 AHMAD FADIL HS 152018012

BAB V
PENUTUP

5.1 Kesimpulan
Berdasarkan hasil perhitungan dapat ditarik kesimpulan sebagai berikut.
1. Variabel X1 yaitu Tampak bawah D = 0,1131 < 0,0025 yang berarti statistik
uji D tidak pada titik kritis (daerah penolakan Ho) jadi Ho diterima.
2. Variabel X2 yaitu Tampak bawah D = 0,0922 < 0,0025 yang berarti statistik
uji D tidak pada titik kritis (daerah penolakan Ho) jadi Ho diterima.
3. Variabel Y yaitu Tampak bawah D = 0,0871 < 0,0025 yang berarti statistik
uji D tidak pada titik kritis (daerah penolakan Ho) jadi Ho diterima.
4. Karena t hitung sebesar 4,67 berada di daerah penolakan hipptensis Ho di
sebelah kanan, maka t hitung Ho terima H1. Dengan demikian dapat
disimpulkan bahwa terhadap hubungan positif antara variabel bebas (X1)
dengan variabel terikat (Y).
5. Karena t hitung sebesar 4,28 berada di daerah penolakan hipptensis Ho di
sebelah kanan, maka t hitung Ho terima H1. Dengan demikian dapat

Laporan Statistik Industri II-43

 AHMAD FADIL HS 152018012

disimpulkan bahwa terhadap hubungan positif antara variabel bebas (X2)

dengan variabel terikat (Y).

5.2 Saran
Adapun beberapa saran yang dapat diberikan dari hasil praktikum statistik
antara lain:
1. Hasil perhitungan ini diharapkan dapat menjadi pembelajaran bagi pembaca
dan terutama bagi penulis.
2. Hendaknya dalam penginputan data harus lebih teliti agar hasil perhitungan
benar.

Laporan Statistik Industri II-44