TUGAS BESAR

PROBABILITAS DAN STATISTIKA

TEORI PROBABILITAS DAN STATISTIKA

ALFONSUS SIMBOLON (19102295)

PROGRAM STUDI S1 TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INDUSTRI DAN INFORMATIKA
INSTITUT TEKNOLOGI TELKOM PURWOKERTO
2021

1
 TINJAUAN PUSTAKA

1. Model Probabilitas Pengguna Jalan terhadap Tarif Tol Solo-Ngawi (Studi Kasus:
Kartasura – Sragen)

1.1 PENDAHULUAN
Pengertian Jalan Tol yaitu jalan umum yang merupakan bagian dari sistem jaringan
jalan yang penggunanya diwajibkan untuk membayar tarif yang telah ditentukan.
Tujuan pembangunan jalan tol adalah menjadikan lalu lintas di daerah yang
berkembang lancar, menunjang pertumbuhan ekonomi lewat peningkatan
pelayanan distribusi jasa dan barang serta meringankan beban pemeritah dalam
hal dana lewat partisipasi dari pengguna jalan. Proyek jalan Tol Trans Jawa
merupakan salah satu mega proyek pembangunan jalan tol yang dicanangkan
pemerintah. Tol Trans Jawa ini ditargetkan memiliki panjang sekitar kurang lebih
1000 km dan akan membentang sekaligus menyatu dengan sembilan ruas tol lain.
Salah satu ruas tersebut adalah Jalan tol Kartasura - Sragen yang merupakan bagian
dari Solo-Ngawi. Dengan adanya jalan tol Solo-Ngawi diharapkan dapat
mempermudah akses transportasi bagi masyarakat yang akan berpergian ke Solo-
Ngawi melalui Sragen. Sejalan dengan tujuan tersebut, maka faktor tariff jalan tol
dan waktu tempuh merupakan faktor utama seseorang memilih menggunakan jalan
tol. Oleh karena itu tujuan penelitian ini adalah untuk mengetahui nilai probabilitas
pengguna jalan dalam menggunakan jalan tol sesuai skenario yang telah tersedia
dengan model logit dan probit. Lokasi penelitian berada di Jalan Arteri Kartasura-
Sragen, Jawa Tengah.
1.2 METODE PENELITIAN
Lokasi penelitian dilaksanakan di ruas jalan arteri Kartasuro - Sragen. Ruas jalan
tol Kartasura - Sragen yang memiliki total panjang 35,22 km berlokasi di lima
kabupaten yaitu Kabupaten Boyolali, Kotamadya Surakarta, Kabupaten
Karanganyar dan Kabupaten Sragen yang berada di Propinsi Jawa Tengah. Data-
data yang diperlukanantara lain proyeksi Lalu Lintas Harian Rata-rata Tahun 2017
di link jalur rencana jalan tol, penentuan biaya perjalanan dari PT SNJ selaku badan
usaha pembangunan jalan tol dan nilai ketetapan kecepatan kendaraan dari
Peraturan No.15 Tahun 2005.
Tahapan penelitian yang pertama dilakukan adalah melakukan desain kuesioner
berdasarkan data-data yang sudah diperoleh untuk menentukan skenario kuesioner.
Setelah kuesioner ditentukan, kuesioner kemudian disebar kepada 385 responden
berupa pengguna jalan arteri Kartasura-Sragen. Survei dilaksanakan dua kali yaitu
pertama pilot survei sebagai penggambaran kondisi pada saat survei nantinya dan
sebagai pengujian apakah kuesioner yang digunakan sudah layak atau tidak.
Setelah survei pendahuluan dikatakan layak, baru dilaksanakan survei utama.
Survei dilakukan untuk mendapatkan data primer. Setelah data primer didapat,
dilakukan beberapa uji statistik, yaitu uji uji reabilitas dan uji validitas data untuk
mengetahui nilai kebenaran data hasil kuesioner terhadap skenario serta
membandingkan nilai tersebut dengan tabel r. Kemudian menghitung besar nilai

2
 selisih utilitas pemilihan jalan tol dan jalan non tol dengan model dengan logit dan
probit. Setelah nilai utilitas didapat, dilakukan pengujian untuk mengetahui hasil
presentasi kesesuaian antara hasil survei dengan pilihan yang tersedia pada
kuesioner dengan uji overall percentage. Kemudian melakukan uji chi-square
digunakan untuk mengetahui apakah variabel-variabel yang terdapat dalam
penelitian memiliki hubungan serta melakukan pengujian koefisien determinasi
(R2) guna mengukur besar kecilnya sumbangan/kontribusi perubahan variabel
bebas terhadap perubahan variabel terikat yang di amati.

1.3 Hasil
Berdasarkan penyebaran kuisioner dari 385 pengguna jalan, karakteristik pengguna
jalan berdasarkan jenis kelamin dapat dilihat pada Tabel 1.

3
 Berdasarkan penyebaran kuisioner dari 385 pengguna jalan, karakteristik
pengguna jalan berdasarkan pekerjaan dapat dilihat pada Tabel 3.

a. Pengujian Kuesioner
Sebelum peneliti menghitung nilai utilitas pemilihan jalan tol dengan model probit
dan logit, peneliti terlebih dahulu menguji kuesioner dengan Uji Reabilitas dan Uji
Validitas agar mengetahui tingkat kelayakan kuesioner sehingga menghasilkan data
yang layak untuk dianalisis. Pengujian Reabilitas dan Validitas kuesioner dilakukan
dengan Ms. Excel dan SPSS 20.0.
b. Uji Reabilitas
Dari hasil pengujian diperoleh nilai corrected item-total correlation berurutan dari
skenario pertama adalah 0,312 ; 0,605 ; 0,567 ; 0,525 ; 0,779 ; 0,716 ; 0,527 ; 0,780
; 0,728. Kuesioner dikatakan layak apabila nilai corrected item- total correlation
pada masing-masing skenario < nilai tabel R = 0,1005. Dapat dilihat bahwa nilai
corrected item- total correlation pada seluruh skenario lebih besar daripada nilai y
= 0,1005 sehingga dapat disimpulkan bahwa seluruh skenario sudah bagus dan
kuesioner layak untuk disebar.
c. Uji Validitas
Dari hasil pengujian diperoleh nilai pada kolom total berurutan dari sekenario
pertama adalah 0,408 ; 0,672 ;0,648 ; 0,840 ; 0,780 ; 0,655 ; 0,083 ; 0,787 kuesioner
dikatakan layak apbil nilai total pada msing-masing scenario < nilai table R =
0,1005.Dapat dilihat bahwa nilai total seluruh scenario lebih besar daripada nilai v =
0,1055 sehingga dapat disimpulkan bahwa seluruh scenario sudah bagus dan
kuesioner layak untuk disebar.
d. Pemodelan Pemilihan Rute
Sesuai dengan data yang telah diperoleh dari survei dapat dibuat persamaan untuk
model logit binomial antara melalui jalan tol dan jalan non tol. Persamaan
diperoleh dengan menggunakan model logit binomial selisih. Model diperoleh

4
 dengan menyusun probabilitas pilihan rute yang dipilh responden berdasarkan
sembilan skenario. Selanjutnya dilakukan perhitungan dengan analisis regresi
berganda yang diperoleh dari transformasi persamaan model logit dan probit
binomial selisih. Analisis regresi berganda dilakukan dengan bantuan Ms.Excel dan
SPSS 20.0.
e. Analisis Selisih Utilitas Jalan Tol
Persamaan regresi yang dipakai untuk model utilitas Jalan Tol adalah seperti pada
Persamaan (5) :

Dengan Ujt-jnt = model jalan tol terhadap jalan non tol, 1 dan 2 = koefisien,
Cjt = besar tarif yang berlaku pada jalan tol, Cjnt = besar tarif yang berlaku pada
jalan non tol, Tjt = waktu perjalanan yang ditempuh saat melalui jalan tol, dan Tjnt
= waktu perjalanan yang ditempuh saat melalui jalan non tol.
f. Perhitungan Variabel dan Uji Statistik dengan Model Logit

5
g. Uji Statistik Chi-Square
Dari hasil perhitungan pada program SPSS 20.0, didapatkan nilai Chi-Square
sebesar 96,268 dengan nilai signifikansi sebesar 0,000 (< 0,05) sehingga menolak
Ho, yang menunjukkan bahwa penambahan variabel independen dapat memberikan
pengaruh nyata terhadap model, atau dengan kata lain model dinyatakan fit.
h. Uji Koefisien Determinasi
Berdasarkan perhitungan menggunakan program SPSS 20.0, diketahui bahwa nilai
Nagelkerke R Squaresebesar 0,287. Nilai ini kemudia dianalogkan sehingga didapat
nilai R2 sebesar 0,58. Sehingga diketahui bahwa presentase pengaruh variabel tarif
dan waktu pada model logit ialah sebesar 58% sedangkan 42% dijelaskan oleh
variabel lain.
i. Uji Overall Percentage
Berdasarkan pengujian dengan SPSS 20.0 didapatkan hasil Overall Percentage
sebesar 72,5%. Hasil Overall Percentage pada analisis ini masuk akal dan sesuai
dengan syarat statistik. Peneliti juga melakukan pengujian dengan Ms. Excel
dengan hasil 72.56%.

j. Perhitungan Variabel dan Uji Statistik dengan Model Probit

6
k. Uji Statistik Chi-Square
Dari hasil perhitungan pada program SPSS 20.0, didapatkan nilai Chi-Square
sebesar 102,995 dengan nilai signifikansi sebesar 0,000 (< 0,05) sehingga menolak
Ho, yang menunjukkan bahwa penambahan variabel independen dapat memberikan
pengaruh nyata terhadap model, atau dengan kata lain model dinyatakan fit.
l. Uji Koefisien Determinasi
Berdasarkan perhitungan menggunakan program SPSS 20.0, diketahui bahwa nilai
Nagelkerke R Square sebesar 0,287. Nilai ini kemudia dianalogkan sehingga
didapat nilai R2 sebesar 0,58. Sehingga diketahui bahwa presentase pengaruh
variabel tarif dan waktu pada model logit ialah sebesar 58% sedangkan 42%
dijelaskan oleh variabel lain.
m. Uji Overall Percentage
Berdasarkan pengujian dengan Ms. Excel didapatkan hasil Overall Percentage
sebesar 72,56%. Hasil Overall Percentage pada analisis ini masuk akal dan sesuai
dengan syarat statistik.
n. Analisis Model Probabilitas Pemilihan Jalan Tol
Dalam analisis model dengan logit binomial, berdasarkan data yang telah dianalisis
sebelumnya didapat model yang berasal dari selisih utilitas antara Jalan Tol dan
Jalan Non Tol. Probabilitas pemilihan Jalan Tol dapat dihitung sebagai berikut :

7
 Dalam analisis model dengan probit binomial, berdasarkan data yang telah
dianalisis sebelumnya didapat model yang berasal dari selisih utilitas antara Jalan
Tol dan Jalan Non Tol. Probabilitas pemilihan Jalan Tol dapat dihitung sebagai
berikut :

Berdasarkan perhitungan Ms. Excel, didapat probabilitas pemilihan Jalan Tol pada
setiap skenario dengan Model Logit dan Probit adalah seperti pada Tabel 6 :

1.4 Kesimpulan
Hasil probabilitas dengan model logit dan probit memiliki nilai yang hampir sama.
Probabilitas paling tinggi terjadi pada skenario 1 dengan tarif terendah (Rp. 21.000)
serta selisih waktu tol dan non tol lebih besar (40 menit) dan probabilitas paling
kecil terjadi pada skenario 9 dengan tarif tertinggi (Rp. 38.500) dan selisih waktu
tol dan non tol lebih kecil (30 menit). Semakin mahal tarif jalan tol maka akan
semakin kecil probabilitas pemilihan jalan tol dan sebaliknya serta semakin besar
perbedaan waktu jalan tol dan jalan non tol maka probabilitas pemilihan jalan tol
juga akan lebih besar dan sebaliknya.

8
2. Analisis Probabilitas Balita Bergizi Baik
2.1. Penulis
Paper analisis probabilitas balita bergizi baik ini dikerjakan atas nama
Handoko, Mahasiswa Fakultas Ekonomi Universitas Sebelas Maret Surakarta,
2009.
2.2. Rumusan Masalah
Bardasarkan latar belakang masalah dalam penelitian analisis probabilitas
balita bergizi baik maka dapat dirumuskan masalah sebagai berikut:
a. Bagaimanakah pengaruh pendapatan keluarga, jumlah anggota keluarga,
pendidikan ayah, dan pendidikan ibu terhadap probabilitas balita bergizi
baik di kecamatan Taman kota Madiun, baik secara sendiri-sendiri ataupun
secara bersama-sama?
b. Berapa besar pendapatan keluarga, jumlah anggota keluarga, pendidikan
ayah, dan pendidikan ibu yang menjamin balita di kecamatan Taman
bergizi baik?
2.3. Metode Penelitian
Penelitian mengenai probabilitas balita bergizi baik merupakan suatu studi
kasus yang melibatkan tingkat pendapatan keluarga, jumlah anggota keluarga,
tingkat pendidikan ayah, tingkat pendidikan ibu. Wilayah yang akan dijadikan
objek dalam penelitian ini adalah keluarga yang memiliki anak balita usia 0 -5
tahun di kecamatan Taman kota Madiun.
Untuk pengumpulan data dilakukan metode kuisioner dan pencatatan.
2.4. Hasil
Interpretasi Ekonomi Secara Parsial
a. Tingkat Pendapatan keluarga
Probabilitas balita bergizi baik dengan pendapatan keluarga sebesar Rp
300.000 adalah 0,9680. Probabilitas balita bergizi baik dengan pendapatan
Rp 1.000.000 adalah 0,9963, sedangkan probabilitas gizi balita dengan
pendapatan keluarga sebesar Rp 3.000.000 adalah 0,9999.
Probabilitas balita bergizi baik akan meningkat 1,15E-06 atau
0,00000115 untuk setiap kenaikan pendapatan sebesar Rp 1.000.000,00.
Data di atas menunjukkan bahwa dengan pendapatan keluarga berapa
pun, mulai dari yang terendah Rp.300.000,- sampai dengan yang tertinggi
9
 Rp.3.000.000,- , probabilitas balita bergizi baiknya sama, sangat besar,
yaitu mendekati satu (1). Hal ini menunkukan bahwa kecil sekali
perbedaan antara probabilitas balita bergizi dari keluarga berpendapatan
tinggi dengan keluarga berpendapatan rendah, sehingga dapat dikatakan
bahwa peluang atau probabilitas balita bergizi baik karena pendapatan
keluarga secara parsial ada dan sangat besar.
b. Jumlah Anggota Keluarga
Probabilitas balita bergizi baik dengan jumlah anggota keluarga
terkecil (3 orang) adalah 0,056801787 sedangkan probabilitas balita
bergizi baik dengan jumlah anggota keluarga terbesar (6 orang) adalah
0,000306752. Probabilitas balita bergizi baik akan menurun 0,94292605
untuk setiap bertambahnya 1 orang dalam keluarga.
Data di atas menunjukkan bahwa dengan jumlah anggota keluarga
berapa pun, mulai dari yang terkecil ( 3 orang) sampai dengan yang
terbesar ( 6 orang) , probabilitas balita bergizi baiknya sama, sangat kecil,
yaitu mendekati nol (0). Kecil sekali perbedaan antara probabilitas balita
bergizi dari keluarga berjumlah kecil dengan keluarga berjumlah besar.
Peluang atau probabilitas balita untuk bergizi baik karena jumlah anggota
keluarga itu secara parsial kecil sekali, hampir tidak ada.
c. Tingkat Pendidikan Ibu
Tinggi rendahnya tingkat pendidikan ibu terbukti secara
signifikan(0,075 atau 7,05%) tidak mempunyai pengaruh terhadap status
gizi balita. Oleh karena itu, tidak ada hubungan ataupun pengaruh antara
tingkat pendidikan ibu terhadap probabilitas balita bergizi baik di
kecamatan Taman Madiun.
d. Tingkat Pendidikan Ayah
Tinggi rendahnya tingkat pendidikan ayah terbukti secara signifikan
(0,8662 atau 86,62%) tidak mempunyai pengaruh terhadap status gizi
balita. Oleh karena itu, tidak ada hubungan ataupun pengaruh antara
tingkat pendidikan ayah terhadap probabilitas balita bergizi baik di
kecamatan Taman Madiun.
Simulasi Model

10
 Probabilitas balita bergizi baik secara general hanya dipengaruhi oleh
pendapatan keluarga dan jumlah anggota keluarga, karena keduanya secara
signifikan mempengaruhi status gizi balita di kecamatan Taman kota Madiun.

Berdasarkan tabel hasil olah data dari Eviews 4.0 tersebut, maka persamaan
regresi logit adalah:

= 5.213701 + 0,00000361 (pendapatan) – 1,571212 (jumlah anggota keluarga)

Setelah mendapatkan persamaan Logitnya, kemudian dilakukan lima simulasi
probabilitas balita bergizi baik dengan kombinasi pendapatan keluarga dan jumlah
anggota keluarga, simulasi itu adalah sebagai berikut:
a. Simulasi Penentuan Pendapatan Ideal pada Keluarga Besar

11
 Dari tabel di atas bahwa pada keluarga besar, untuk mendapatkan
kondisi probabilitas balita bergizi baik di atas 50%, maka pendapatan
keluarganya sebasar Rp 700.000,-/bulan.

b. Simulasi Penentuan Pendapatan Ideal pada Keluarga Kecil

Berdasarkan data diatas bahwa keluarga kecil, untuk mendapatkan

kondisi probabilitas balita bergizi baik lebih dari 50%, maka pendapatan
keluarganya minimal sebesar Rp 300.000,-
c. Simulasi Penentuan Jumlah Anggota Keluarga Ideal pada Pendapatan rata-
rata
Simulasi Probabilitas Balita Bergizi Baik pada jumlah Anggota
Keluarga idieal dengan Pendapatan Rata-rata

12
 Berdasarkan data di atas, dapat diketahui bahwa jumlah anggota
keluarga ideal bagi rumah tangga dengan pendapatan rata-rata di
kecamatan Taman agar memiliki probabilitas balita bergizi baik lebih dari
50% adalah maksimal 4 orang.
d. Simulasi Penentuan Jumlah Anggota Keluarga Ideal pada Pendapatan
Terendah
Simulasi Probabilitas Balita bergizi Baik pada Jumlah Anggota
Keluarga Ideal dengan Pendapatan Terendah

Berdasarkan data di atas, dapat diketahui bahwa jumlah anggota

keluarga ideal bagi rumah tangga dengan pendapatan terendah di
kecamatan Taman agar memiliki probabilitas balita bergizi baik lebih dari
50% adalah maksimal 4 orang.
e. Simulasi Penentuan Jumlah Angota Keluarga Ideal pada Pendapatan
Tertinggi.
Simulasi Probabilitas Baliat Bergizi Baik pada Jumlah Anggota
Keluarga Ideal dengan Pendapatan Tertinggi

13
 Berdasarkan data di atas, dapat diketahui bahwa jumlah anggota
keluarga ideal bagi rumah tangga dengan pendapatan tinggi di kecamatan
Taman agar memiliki probabilitas balita bergizi baik lebih dari 50% adalah
maksimal 6 orang.
Implikasi Kebijakan
Berdasarkan hasil 5 simulasi tersebut, didapatkan beberapa hal. Hal-hal
tersebut sebagai masukan bagi Pemerintah Kota Madiun Kecamatan Taman
untuk lebih memperhatikan kondisi dari rumah tangga yang masih memiliki
pendapatan yang rendah.
Berdasarkan simulasi nomer 1, ketika pendapatan rumah tangga di
kecamatan Taman sebesar Rp.300.000/bulan dan dengan jumlah anggota
keluarga sebesar 6 orang, rumah tangga yang bersangkutan memiliki
probabilitas balita bergizi baik adalah hanya sebesar 5%. Artinya, jika rumah
tangga di kecamatan Taman memiliki pendapatan sebesar itu, maka
kemungkinan mereka untuk berhasil mempertahankan status gizi balita baik
hanya sebesar 5% saja, sedangkan kemungkinan (probabilitas) rumah tangga
yang memiliki balita tersebut untuk gagal mempertahankan status gizi balita
baik mencapai 95% (100%-5%). Dengan kondisi seperti ini rumah tangga
yang memiliki balita tidak dapat mewujudkan agar status gizi balitanya baik
yang mencapai lebih dari 50%.
Pendapatan rata-rata rumah tangga yang memiliki balita di kecamatan
Taman adalah Rp.450.000,-. Pada tingkat pendapatan rata-rata ini, probabilitas
rumah tangga yang memiliki balita bergizi baik mencapai 89%, artinya besar
kemungkinan mempertahankan status gizi baik, adapun besarnya kegagalan
tersebut mencapai 11%. Jadi rumah tangga yang memilki balita di kecamatan

14
 Taman mempunyai peluang yang besar untuk balitanya dapat bergizi baik
dengan ketentuan jumlah anggota keluarga 3 orang saja
Probabilitas atau kemungkinan rumah tangga dapat memiliki balita bergizi
baik atau mencapai lebih dari 50% ketika pendapatan keluarga mencapai
Rp.700.000,- /bulan. Status gizi balita akan lebih baik jika pendapatan rumah
tangga di Kecamatan Taman mencapai Rp.850.000,-/bulan, karena dengan
pendapatan sebesar ini maka rumah tangga yang memilki balita di kecamatan
Taman akan memiliki probabilitas balita bergizi baik sebesar 84%. Bagi
rumah tangga yang sudah memiliki pendapatan sebesar Rp.1.500.000,- /bulan,
kondisi status gizi akan semakin baik. Hal tersebut ditunjukkan pada skenario
5 di mana rumah tangga yang memiliki balita berada pada tingkat pendapatan
ini memiliki kemungkinan mempertahankan status gizi balita mencapai 96%.
Status gizi balita akan lebih baik lagi apabila berada pada tingkat tertinggi
yaitu sebesar Rp.2.500.000,-/bulan, dan Rp.3.000.000,- karena dengan
pendapatan sebesar ini, probabilitas rumah tangga yang memiliki balita bargizi
baik mencapai hampir 100% (98% dan 99%).
Berdasarkan simulasi nomer 3, 4, dan 5 dapat diketahui bahwa simulasi
berbagai tingkat pendapatan dengan jumlah anggota keluarga terendah pada
tingkat pendapatn keluarga Rp 300.000,- dan jumlah anggota kelurga sebesar
3 orang memiliki probabilitas balita bergizi baik sebesar 82%, sedangkan
keluarga pendapatan terendah Rp 300.000,- dengan jumlah anggota keluarga
dari berbagai tingkat (3,4,5,6) bahwa dengan jumlah anggota keluarga 3 orang
memilki probabilitas balita bergizi baik sebesar 82% kemudian keluarga
dengan pendapatan tertinggi Rp 3.000.000,- dengan jumlah anggota keluarga
dari berbagai tingkat (3,4,5,6) bahwa dengan jumlah anggota keluarga 3 orang
memiliki probabilitas balita bergizi baik sebesar 100%.
2.5. Kesimpulan
Berdasarkan hasil dari penelitian tersebut dapat disimpulkan bahwa:
1. Variabel pendapatan kelurga terbukti memiliki pengaruh yang signifikan
dan positif terhadap probabilitas balita bergizi baik di Kecamatan Taman
Kota Madiun. Peluang balita bergizi baik karena secara parsial ada dan
sangat besar.
2. Variabel jumlah anggota keluarga secara statistik terbukti signifikan
mempunyai pengaruh negatif terhadap probabilitas balita bergizi baik di
15
 Kecamatan Taman, kota Madiun Probabilitas balita bergizi baik karena
jumlah anggota keluarga secara parsial ada, tetapi sangat kecil yaitu
mendekati nol.
3. Pendapatan ideal (pendapatan yang mempengaruhi probabilitas bergizi baik
lebih dari 50%) untuk rumah tangga yang memiliki balita di kecamatan
Taman dengan jumlah anggota keluarga tertinggi (6) orang adalah
Rp.700.000,-/bulan.
4. Pendapatan ideal (pendapatan yang mempengaruhi probabilitas bergizi baik
lebih dari 50%) untuk rumah tangga yang memiliki balita di kecamatan
Taman dengan jumlah anggota keluarga terendah (3) orang adalah minimal
Rp.300.000,-/bulan.
5. Jumlah anggota kelurga ideal di kecamatan Taman (jumlah anggota kelurga
yang mempengaruhi probabilitas bergizi baik lebih dari 50%) dengan
pendaptan rata-rata adalah maksimal 4 orang,
6. Jumlah anggota kelurga ideal di kecamatan Taman, (jumlah anggota
keluarga yang mempengaruhi probabilitas bergizi baik lebih dari 50%)
dengan pendapatan terendah (Rp.300.000,-) adalah maksimal 4 orang.
7. Jumlah anggota kelurga ideal di kecamatan Taman, (jumlah anggota
keluarga yang mempengaruhi probabilitas bergizi baik lebih dari 50%)
dengan pendapatan tertinggi (Rp. 3.000.000,-) adalah maksimal 6 orang.

3. Korelasi Antara Kualitas Pelayanan BAAK UPB Terhadap Kepuasan Mahasiswa di

Universitas Putera Batam
3.1. Penulis
Penelitian ini ditulis oleh Aprillia Prodi Adminisrasi Negara, Fakultas Ilmus
Sosial dan Humaniora, Universitas Putra Batam, 2017.
3.2. Rumusan Masalah
Berkaitan dengan penelitian yang dilakukan maka dapat ditentukan rumusan
masalah sebagai berikut:
a. Apakah ada pengaruh kualitas pelayanan BAAK UPB terhadap tingkat
kepuasan Mahasiswa Universitas Putera Batam?
b. Seberapa besar pengaruh kualitas pelayanan BAAK UPB terhdap tingkat
kepuasan Mahasiswa Universitas Putera batam?
16
3.3. Metode Penelitian
Jenis penelitian yang digunakan merupakan penelitian survei. Menurut
Deming dalam Mamang (2010) adalah penelitian yang tidak melakukan
perubahan (tidakk ada perlakuan khusus) terhadap variabel-variabel yang ditekiti.
Sedangkan penelitian survei menurut Dane dalam Mamang (2010) adalah
penelian yang mengumpuolkan dara pada saat tertentu.
Tujuan daei penelitian survei ini adalah mengidentifikasi bagaimana kualitas
pelayanan BAAK UPB berpengaruh terhadap kepuasan Mahasiswa di Universitas
Putera Batam. Pendekatan survei dalam penelitian ini dilakukan dengan
penyebaran kuisioner kepada mahasiswa sebagai responden di universitas Putera
Batam.
3.4. Hasil
Penelitian ini menggunakan skala Likert sebagai skala pengukurannya. Skala
likert digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau
sekelompok orang tentang fenomena sosial (Sugiyono,2009). Skala Likert
berhubungan dengan terhadap suatu jawaban pada setiap indikator instrument,
menggunakan skala Likert mempunyai nilai gradasi dari yang tertinggi sampai
yang terendah, yaitu:
No Pertanyaan Kualitas Pelayanan BAAK UPB Skor Penilaian
1 Sangat Buruk 5
2 Buruk 6
3 Cukup 7
4 Baik 8
5 Sangat Baik 9
Tabel Pemberian Bobot Nilai untuk Variabel Penelitian

No Pertanyaan Kepuasan Mahasiswa UPB Skor Penilaian

1 Sangat Tidak Puas 5
2 Tidak Puas 6
3 Cukup Puas 7
4 Puas 8
5 Sangat Puas 9
Tabel Pemberian Bobot NIlai untuk Variabel Penelitian

Menurut Sugiyono (2009), populasi adalah wilayah generalisasi yang terdiri

atas obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.
Dalam penelitian ini yang menjadi populasi sebanyak 31 Mahasiswa. Sedangkan
sampling yang digunakan di dalam penelitian ini adalah menggunakan teknik non

17
probability sampling, dimana populasi tidak mempunyai kesempatan untuk
dijadikan sampel lagi.
Metode pengambilan sampel yang digunakan di dalam penelitian ini adalah
accidental sampling yaitu Mahasiswa di Universitas Putera. Berikut ini merupakan
tabel daftar nama mahasiswa yang telah mengisi kuisioner penelitian:

No Nama Mahasiswa Penilaian Kualitas  Penilaian Kepuasan

Pelayanan Mahasiswa
1. Yeni 7 6
2. Pricillia 7 6
3. Siti 8 5
4. Helna 7 7
5. Christin 7 6
6. Achy 7 6
7. Nikki 5 6
8. Firman 7 6
9. Risa 8 7
10. Dwita 7 6
11. Taruli 7 6
12. Yessica 7 7
13. Dian 7 6
14. Alfredo 8 6
15. Ambar 6 5
16. Hafizho 7 6
17. Rapina 8 7
18. Arisna 8 6

19. Nisa 7 6
20. Naufal 6 5
21. Aidil 5 5
22. Irfan 8 7
23. Sherly 7 6
24. Tio 6 5
25. Widya 8 7
26. Rizky 7 6
27. Inriani 7 6
28. Sonia 8 6
29. Debby 7 6

18
 30. Frisma 7 6
31. Trisna 6 5

Kriteria sampel dalam penelitian ini adalah:

1.  Mahasiswa Universitas Putera Batam yang telah merasakan pelayanan.
2.  Mahasiswa yang secara tidak langsung mengamati bagaimana kualitas
pelayanan dari BAAK UPB.
Pengolahan Data
1.      Tulis Ho dan Ha dalam bentuk kalimat.
2.      Tulis Ho dan Ha dalam bentuk statistik.
3.      Buat tabel penolong.

4.      Cari r hitung.:  
5.      Tentukan taraf signifikansinya (α)
6.      Cari t tabel dengan dk = n-2
7.      Tentukan kriteria pengujian dengan membandingkan t hitung dengan t
table
8.      Buatlah kesimpulan.
 Penyelesaian :
1.      Tulis Ho dan Ha dalam bentuk kalimat.
Ho : Tidak terdapat hubungan yang positif dan signifikan antara kualitas
pelayanan BAAK UPB terhadap kepuasan mahasiswa di UPB
Ha : Terdapat hubungan yang positif dan signifikan antara kualitas pelayanan
BAAK UPB terhadap kepuasan mahasiswa di UPB
2.      Tulis Ho dan Ha dalam bentuk statistik.
Ho : r = 0
Ha : r ≠ 0
3.      Buat tabel penolong sebagai berikut
No Kualitas Kepuasan  (x  (y
. Pelayanan      (x) Mahasiswa           (y) – x ) – y)
    x     y
1. 7 6 0 0 0 0 0
2. 7 6 0 0 0 0 0
3. 8 5 1 -1 1 1 -1
4. 7 7 0 1 0 1 0
5. 7 6 0 0 0 0 0
6. 7 6 0 0 0 0 0
7. 5 6 -2 0 4 0 0

19
8. 7 6 0 0 0 0 0
9. 8 7 1 1 1 1 1
10. 7 6 0 0 0 0 0
11. 7 6 0 0 0 0 0
12. 7 7 0 1 0 1 0
13. 7 6 0 0 0 0 0
14. 8 6 1 0 1 0 0
15. 6 5 -1 -1 1 1 1
16. 7 6 0 0 0 0 0
17. 8 7 1 1 1 1 1
18. 8 6 1 0 1 0 0
19. 7 6 0 0 0 0 0
20. 6 5 -1 -1 1 1 1
21. 5 5 -2 -1 4 1 2
22. 8 7 1 1 1 1 1
23. 7 6 0 0 0 0 0
24. 6 5 -1 -1 1 1 1
25. 8 7 1 1 1 1 1
26. 7 6 0 0 0 0 0
27. 7 6 0 0 0 0 0
28. 8 6 1 0 1 0 0
29. 7 6 0 0 0 0 0
30. 7 6 0 0 0 0 0
31. 6 5 -1 -1 1 1 1
∑ =  217 ∑ =  186
X=7 X=6 0 0 20 12 9

4. Cari r hitung :
∑  = 20   ∑  = 12  ∑  = 9
Jadi ada korelasi positif sebesar 0,5809 antara kualitas pelayanan
BAAK UPB terhadap kepuasan mahasiswa di UPB. Hal ini berarti semakin
besar kualitas pelayanan, maka semakin besar pula kepuasan mahasiswa.
Apakah koefisien korelasi hasil perhitungan tersebut signifikan atau tidak,
maka perlu dibandingkan dengan r table, dengan taraf kesalahan tertentu.
Bila taraf kesalah ditetapkan 5%, (taraf kepercayaan 95%) dan N= 31, maka
r table = 0,355. Ternyata harga r hitung lebih besar dari harga r table,
sehingga Ho ditolak dan Ha diterima. Jadi kesimpulannya ada hubungan
positif dan nilai koefisien antara kualitas pelayanan dan kepuasan

20
 mahasiswa sebesar 0,5809. Data dan koefisen yang diperoleh dalam sampel
diambil atau data tersebut mencerminkan keadaan populasi.
5. Tentukan taraf signifikansinya (α)
(α) = 3,842
6.  t tabel dengan dk =  n - 2
                                 = 31 – 2 = 29
7. Harga t hitung tersebut selanjutnya dibandingkan dengan harga t tabel.:
Untuk kesalahan 5 % uji dua fihak dan dk =  29, maka diperoleh t table
= 2,045. Ternyata harga t hitung 3,842 lebih besar dari t table, sehingga Ho
ditolak. Hal ini berarti terdapat hubungan yang positif dan nilai koefisien
korelasi antara kualitas pelayanan dan kepuasan mahasiswa sebesar 0,5809.
Untuk dapat memberikan penafsiran terhadap koefisien korelasi yang
ditemukan tersebut besar atau kecil, maka dapat berpedoman pada
ketentuan yang tertera pada table sebagi berikut.

TABEL PEDOMAN UNTUK MEMBERIKAN INTERPRESTASI

TERHADAP KOEFISIEN KORELASI
Interval Koefisien Tingkat Hubungan
0,00 – 0,199 Sangat Rendah
0,20 – 0,399 Rendah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 1,000 Sangat Kuat

8.Jadi dalam analisis koelasi terdapat suatu angka yang disebut dengan:
koefisien determinasi, yang besarnya adalah kuadrat dari koefisien ( ).
Koefisien ini disebut koefisien penentu, karena varians yang terjadi pada
variable dependen dapat dijelaskan melalui varians yang terjadi pada varabel
independen.
Untuk penelitian ini ditemukan  r = 0,5809. Koefisien determinasinya =
0,33. Hal ini berarti varians yang terjadi pada varabel kepuasan mahasiswa
33% dapat dijelaskan pada varansi yang terjadi pada varabel kualitas
pelayanan, atau kepuasan mahasiswa 33% ditentukan oleh besarnya kualitas
pelayanan, dan 67% oleh factor lain misalnya system pelayanan atau petugas
yang melayani tidak maksimal dapat mempengaruhi kepuasan mahasiswa.

3.5. Kesimpulan
Berdasarkan dari pembahasan diatas, penulis menyimpulkan bahwa dalam
melakukan pelayana yang berkualitas maka berpengaruh terhadap seberapa besar

21
 kepuasan, walaupun tidak menjadi factor utama tetapi kualitas pelayanan terbukti
memiliki pengaruh terhadap kepuasan pelanggan.

4. Aplikasi Metode Eksperimen Response Surface Untuk Mengoptimalkan Kuat Tekan

Bata Non Bakar
4.1. Penulis
Jurnal ini ditulis oleh Jauhar Fajrin dan Hariayadi mahasiswa jurusan Teknik
Sipil, Fakultas Teknik, Universitas Mataram dan Nadella Marchelina Alumni
jurusan Teknik Sipil, Fakultas Teknik, Universitas Mataram, 2017.
4.2. Rumusan Masalah
a. Bagaimana komposisi optimum bahan penyususn bata non bakar yang
menghasilkan kuat tekan paling optimum?
b. Berapa proporsi bahan yang dapat menghasilkan kuat tekan yang paling
optimal untuk bata non bakar?

4.3. Metode Penelitian

Formula bata non bakar memiliki tiga variabel bebas yaitu proporsi semen,
pasir dan tanah liat. Proporsi nilai ini merupakan hasil pengukuran yang akan
digunakan untuk melihat persamaan empiris untuk model orde pertama yang
merepresentasikan hubungan antara variabel respon dengan variabel bebas.
Kombinasi formula ini tersebut merupakan hasil perhitungan metode campuran
(mixture-optimum). Metode eksperimen ini digunakan saat suatu sistem terdiri
atas campuran beberapa komponen yang jumlah totalnya konstan, yakni 100 %.
Respon yang diperoleh merupakan fungsi dari proporsi relatif tiap komponen
dalam sistem (Maryati, 2015). Pada metode ini, faktor-faktor adalah komponen
dari suatu campuran dan konsekuensinya taraf-taraf bersifat tidak saling bebas.

22
 Jika x1, x2, …, xk menotasikan proporsi dari k buah komponen dari suatu
campuran, maka x1+ x2+ …+ xk = 1 (100%).
Rancangan model eksperimen pada penelitian ini ditampilkan pada Tabel 1.
Jumlah benda uji yang digunakan untuk tahap optimasi adalah 10 sampel dengan
replikasi 3 kali, sehingga jumlah total sampel yang diuji (N) adalah 30 buah. Nilai
pengkodean untuk tabel diatas berdasarkan simplex lattice design dimana x1
adalah proporsi semen, x2 adalah proporsi pasir, x3 adalah proporsi tanah liat dan
y adalah variable respon yaitu kuat tekan. Tanah liat dan pasir yang digunakan
pada penelitian ini adalah tanah yang digunakan pada sentra produsen bata di
daerah Kuripan, Lombok Barat. Sementara semen diperoleh dari toko bangunan di
daerah Kekalek, Mataram dengan merek Tiga Roda yang merupakan jenis semen
Portland.

4.4. Hasil
a. Pemeriksaan Kuat Tekan Bata Non Bakar
Hasil pengujian kuat tekan bata non bakar ditampilkan pada Tabel 2.
Ada 10 buah komposisi campuran yang diuji dan masing-masing
komposisi terdiri dari 3 sampel. Sesuai dengan standar pengujian ASTM
C67-02 (ASTM, 2002), bata diuji dalam bentuk yang telah menjadi
pasangan bata dengan menggunakan adukan semen: pasir sebesar 1:3.
Pengujian kuat tekan bata menggunakan alat Compressing Testing
Machine (CTM) setelah bata mencapai umur 7 hari.

23
 Seperti yang terlihat pada Tabel 2, kuat tekan tertinggi dicapai pada
komposisi 2 yaitu pada sampel pertama sebesar 51.52 kg/cm2, sampel
kedua sebesar 48.76 kg/cm2 dan sampel ketiga sebesar 50.34 kg/cm2
dengan nilai rata-rata sebesar 50.12 kg/cm2. Sementara kuat tekan
terendah diberikan oleh komposisi 5 dengan nilai kuat tekan rata-rata
sebesar 11.84 kg/cm2, dimana sampel pertama mempunyai kuat tekan
sebesar 12.19 kg/cm2, sampel kedua mencapai 12.82 kg/cm2 dan sampel
ketiga sebesar 10.54 kg/cm2. Perbedaan kuat tekan ini tentu saja terjadi
karena perbedaan proporsi bahan antar komposisi yang diamati.
Selanjutnya akan dilakukan analisis menggunakan metode RSM untuk
mencari komposisi yang paling optimum. Komposisi optimum yang
diperoleh tidak lagi dalam bentuk proporsi seperti pada komposisi 1
sampai 10, melainkan dalam bentuk sebuah persamaan yang
mengindikasikan proporsi dari masing-masing bahan, dimana y adalah
respon dan x adalah variabel yang terkait dengan bahan.
b. Analisis Hasil Eksperimen Dengan Metode Response Surface
Model orde I (linear)
Pengujian regresi orde I ini dilakukan untuk mengetahui apakah
variabel respon pada Tabel 1 berpengaruh signifikan secara linear atau
tidak. Analisa dilakukan dengan bantuan software Minitab 17, yang
hasilnya ditampilkan pada Tabel 3.

24
 Hasil analisis Orde I yang diperlihatkan pada Tabel 3 menunjukan
bahwa nilai Fhitung adalah 16.33 dan P valuenya adalah < 0,0001. Untuk
mengambil keputusan, maka perlu dicari terlebih dahulu nilai FTabel.
Nilai ini diperoleh dengan terlebih dahulu mencari v1, yakni derajat
kebebasan atau degree of freedom (df) yang bisa diperoleh dari output
Minitabnya. Kemudian dicari nilai v2 yang diperoleh dengan mengurangi
jumlah total sampel (N) dengan jumlah variabel bebas atau jumlah
faktornya (a), v2=N-a, sehingga diperoleh v1 = 2, v2 = 27. Dari tabel
statistik untuk mendapatkan nilai F pada tingkat signifikansi () 5%
diperoleh nilai FTabel = 3,35. Terlihat disini bahwa nilai FHitung >
FTabel, artinya variabel berpengaruh signifikan terhadap respon. Tabel 3
juga memperlihatkan nilai P yang sangat kecil, kurang dari 0,0001; jauh
lebih kecil dari tingkat signifikansi yang sudah ditentukan yakni 0,05.
Karena nilai P nya lebih kecil dari , maka hal tersebut berarti variabel
berpengaruh signifikan terhadap respon. Karena semua variabel
berpengaruh signifikan terhadap respon, maka dapat dikatakan bahwa ada
kesesuaian antara model yang dihasilkan dengan model Orde I. Namun
demikian, untuk memastikan bahwa model ini benar-benar sesuai dengan

25
model Orde I, maka harus dilakukan pengujian lack of fit. Hipotesis yang
digunakan pada pengujian lack of fit adalah:
H0 = Tidak ada lack of-fit dalam model orde I
H1 = Ada lack of-fit dalam model orde I.
Seperti yang dapat dilihat pada Tabel 3, untuk uji lack of fit, nilai
Fhitung nya adalah 113,62 dan P valuenya adalah < 0,0001. Karena nilai
FHitung nya ternyata lebih besar dari nilai FTabel, maka hipotesis nolnya
ditolak. Sebagai konsekuensinya, hipotesis alternatif (H1) diterima, yang
bermakna bahwa ada lack of fit dalam model Orde I. Artinya, terdapat
ketidakcocokan antara model yang dibangun dengan model Orde I. Nilai
FTabel untuk uji lack of fit berdasarkan nilai v1 = 7, v2 = 27 adalah 2,37.
Karena uji lack of fit tidak lolos, maka dapat dikatakan bahwa model yang
digunakan pada percobaan Orde I belum sesuai, sehingga percobaan akan
dilanjutkan dengan pendugaan pada model yang lebih tinggi yaitu model
Orde II.
Model orde II (quadratic)
Desain eksperimen quadratic pada tahap kedua digunakan untuk
mengetahui apakah variabel input pada tabel diatas berpengaruh signifikan
secara quadrat atau tidak. Hasil analisa dengan software Minitab 17
ditampilkan pada Tabel 4. Seperti yang dapat dilihat pada tabel tersebut,
semua nilai Fhitung lebih besar dari nilai FTabel (2,57; 3,35; 2,96 dan
4,21) masing-masing untuk jumlah sampel v2 = 27 dan nilai v1 = 5, 3, 2
dan 1) yang diperoleh dengan cara yang sama pada model Orde I.
Demikian pula dengan P valuenya adalah 0,00. Sehingga dapat
disimpulkan bahwa secara bersama-sama semua variabel bebas baik secara
linear, kuadrat dan interaksi berpengaruh signifikan terhadap respon.
Tahap selanjutnya adalah melakukan pengujian lack of fit. Sama seperti
prosedur pada model Orde I, terlebih dahulu harus dinyatakan
hipotesisnya, yakni:
H0 = Tidak ada lack of-fit dalam model orde II
H1 = Ada lack of-fit dalam model orde II
Seperti yang dapat dilihat pada Tabel 4, untuk uji lack of fit, nilai
Fhitung nya adalah 1,44 dan P value sebesar 0,257. Karena nilai FHitung
nya lebih kecil dari nilai FTabel = 2,74 (untuk v2 = 27 dan v1 = 4), maka
26
 hipotesis nolnya (yang menyatakan tidak ada lack of fit) diterima. Artinya,
model yang dibangun mempunyai kecocokan dengan model Orde II. Nilai
P untuk uji lack of fit ini, yakni 0,257, juga lebih besar dari 0,05 yang
bermakna bahwa tidak ada lack of fit dari model yang didapatkan. Dengan
demikian dapat diambil kesimpulan bahwa model pada percobaan Orde II
dikatakan sesuai. Hasil analisis model Orde II yang ditunjukan pada Tabel
4 juga memperlihatkan koefisien masing-masing variabel bebas dan juga
interaksi antar variabelnyanya, sehingga diperoleh sebuah persamaan Orde
II nya, yaitu: 𝑦 = −5,56x1 + 0,141x2 + 0,541x3 + 0,214x1x2 + 0,0473x1x3
− 0,0307x2x3. Atau dalam bentuk lain y = -5,46 semen + 0,141 pasir +
0,541 tanah liat + 0,214 interaksi semen dengan pasir + 0,0473 interaksi
semen dengan tanah liat – 0,0307 interaksi pasir dengan tanah liat.
c. Pengujian Model Eksperimen
Uji koefisien regresi secara serentak
Untuk memeriksa signifikansi model orde II dapat dilakukan dengan
melihat regression analisa model orde II dimana P value untuk regresi
linier maupun kuadratik lebih kecil dari nilai α. Hal ini berarti bahwa
variabel bebas memberikan kontribusi signifikan terhadap respon atau
model yang terbentuk. Pengujian model secara serentak ini juga dapat
dilakukan dengan menggunakan uji F. Nilai F untuk model linier dan
quadratik masingmasing adalah sebesar 142,24 dan 245.16, sementara dari
tabel diperoleh nilai F sebesar 2.96 untuk model linier dan 3,35 untuk
model quadratik. Karena FHitung > FTabel, maka dapat disimpulkan
bahwa variabel bebas secara bersama-sama memberikan pengaruh yang
signifikan terhadap respon. Atau dengan kata lain, ketiga faktor (semen,
pasir dan tanah liat) mempunyai pengaruh yang signifikan terhadap kuat
tekan dari bata non bakar.

27
 Uji identik
Pengujian asumsi identik bertujuan untuk memeriksa apakah variansi
residual dari model yang diperoleh sama penyebarannya. Untuk itu diplot
hubungan antara residual dengan fitted value yang hasilnya ditampilkan
pada Gambar 1. Terlihat pada gambar ini bahwa residual tersebar secara
acak dan tidak membentuk pola tertentu yang bermakna bahwa asumsi
residual identik terpenuhi. Residual adalah selisih antara respon dari model
optimasi dangan model sebenarnya, sedangkan fitted value adalah model
baru variable responnya. Jika plot residual tiap sampel mempunyai
kesamaan penyebaran akan menyebabkan ketidakvalidan dari model
optimasi yang diperoleh.

28
 Uji distribusi normal
Uji distribusi normal dilakukan untuk mengamati penyimpangan
model. Residual dikatakan telah mengikuti distribusi normal jika pada plot
kenormalan residual, titik residual yang dihasilkan telah sesuai atau
mendekati garis lurus yang ditentukan. Hasil plotting distribusi normal
diperlihatkan pada Gambar 2, dimana salah satu informasi penting yang
bisa diperoleh adalah nilai statistik Kolmogorov-Smirnov (KS) untuk uji
distribusi normal. Terlihat pada gambar tersebut bahwa nilai nilai statistik
KolmogorovSmirnov adalah 0,136 kurang dari nilai statistik Kolmogorov
sebesar 0,210 sehingga dapat dikatakan bahwa uji kenormalan residual
telah mengikuti distribusi normal. Terlihat dengan jelas pada Gambar 2
bahwa plot residual mendekati garis lurus sehingga bisa dikatakan eror
tidak melenceng dari substansi distribusi normal. Suatu respon tidak
berdistribusi normal apabila bentuk fungsi regresinya tidak tepat atau tidak
sesuai.

29
d. Analisis Karakteristik Permukaan Respon
Plot kontur dan permukaan (contour and surface plot)
Seperti yang sudah dikatakan sebelumnya, metode response surface
adalah suatu metode yang menggabungkan teknik matematika dengan
teknik statistika dalam membuat model dan menganalisis suatu respon
yang dipengaruhi oleh beberapa variabel bebas atau faktor dengan tujuan
mengoptimalkan respon tersebut (Montgomery, 2009). Salah satu cara
untuk menunjukkan model response surface adalah membuat plot kontur
respon yang berupa kuat tekan dengan tiga faktor yang mempengaruhi
respon yaitu komposisi semen, pasir dan tanah. Hasil analisis dengan
software Mintab 17 menghasilkan dua gambar berupa grafik contour dan
surface seperti yang ditunjukkan pada Gambar 3.

30
 Gambar 3 (A) menunjukkan contour plot yang dihasilkan, terdiri dari
berbagai variasi warna yang masing-masing menunjukkan range besarnya
respon yang dihasilkan. Kondisi paling maksimal untuk plot diatas berada
di warna hijau tua dengan nilai kuat tekan diatas 50 kg/cm2 . Range warna
inilah yang akan memberi garis besar petunjuk letak titik optimum
variabel. Penentuan kondisi optimum dari faktor diatas dibuktikan dengan
bentuk kurva tiga dimensi yang membentuk puncak optimum seperti
ditunjukkan pada Gambar 3 (B). Gambar ini menampilkan contour plot
dalam tiga dimensi. Terlihat dengan jelas bahwa kuat tekan akan semakin
besar apabila proporsi semen berada pada proporsi 21%, proporsi pasir
sebesar 29%, dan proporsi tanah sekitar 50%. Nilai tersebut hanya berupa
perkiraan kasar saja, masih sulit untuk mengetahui dengan jelas besarnya
variabel independen (x1, x2 dan x3) yang mampu mengoptimalkan respon
dengan plot permukaan respon, sehingga perlu dilakukan optimasi lanjutan
lagi dengan menggunakan fitur optimazion plot pada Minitab 17.
Plot optimasi (optimazion plot)
Untuk menentukan kombinasi level-level variabel proses yang dapat
menghasilkan respon yang optimal dapat dilakukan dengan bantuan
optimazion plot yang ada pada software Minitab dengan cara random di
pusat kontur optimum. Penentuan kombinasi level-level ini berdasarkan
analisis data tahap dua dengan model quadratik sehingga bissa diperoleh
proporsi setiap variable x1, x2, dan x3 yang akan menghasilkan respon y
yang paling optimal. Hasil optimization plot diperlihatkan pada Gambar 4,
yang menunjukan dengan jelas proporsi untuk setiap variable bebas yang
akan menghasilkan variabel respon yang paling besar. Dimana untuk
variable semen (x1) sebesar 21.034% dan variabel pasir (x2) sebesar
28.9651%. Sedangkan variabel tanah tidak terlalu berpengaruh secara
signifikan pada model eksperimen. Ini dapat terlihat dari optimum plot
yang membentuk kurva linar yang berarti dengan penambahan variabel ini
akan menurunkan respon yang didapatkan. Namun pada pembuatan bata
non bakar tanah liat merupakan bahan utama, jadi tanah liat harus tetap
memiliki kontribusi pada komposisi campuran. Sehingga untuk
mendapatkan nilai kuat tekan 50 kg/ cm2 maka digunakan komposisi tanah
sekitar 50% dari komposisi total.
31
4.5. Kesimpulan
Sebuah studi yang berhubungan dengan aplikasi metode respon permukaan
(Response Surface Method), sebuah metode desain eksperimen berbasis analisa
statistik, telah menghasilkan sebuah komposisi optimum bahan penyusun bata non
bakar yang menghasilkan kuat tekan paling optimum. Secara umum kesimpulan
yang bisa diambil dari penelitian ini adalah proporsi bahan yang dapat
menghasilkan kuat tekan yang paling optimal untuk bata non bakar adalah
21,034% semen, 28,9651% pasir dan 50% tanah. Proporsi campuran ini mampu
menghasilkan bata non bakar dengan kuat tekan rata-rata sebesar 50.22 kg/cm2 .
Hasil studi ini juga merekomendasikan sebuah persamaan umum untuk
memprediksi kuat tekan bata non bakar apabila menggunakan ketiga bahan
tersebut, yaitu: y = −5,56x1 + 0,141x2 + 0,541x3 + 0,214x1x2 + 0,0473x1x3 −
0,0307x2x3.

32
5. Deskripsi Kemampuan Mahasiswa Fakultas Tarbiyah Dan Ilmu Keguruan Iain
Kendari Dalam Menganalisis Data Statistika
5.1. Penulis
Jurnal ini ditulis oleh Muhammad Syarwa Sangila dan Luthfiah Jufri Fakultas
Tarbiyah dan Ilmu Kegururan, IAIN Kendari, 2018.
5.2. Rumusan Masalah
a. Berapa rata-rata nilai TKADS mahasiswa secara keseluruhan?
b. Apa saja kesulitan-kesulitan yang dialami mahasiswa dalam belajar
statistika?
5.3. Metode Penelitian
Penelitian ini bersifat explanatory. Suatu penelitian yang bersifat explanatory
umumnya bertujuan untuk menjelaskan kedudukan variabel- variabel yang diteliti
serta hubungan dan pengaruh antara satu variabel dengan variabel yang lain
(Sugiono, 2001).Penelitian ini dilaksanakan pada bulan Agustus - Oktober 2017
yang bertempat di Fakultas Tarbiyah dan Ilmu Keguruan IAIN Kendari.Populasi
dan sampel dalam penelitian ini adalah seluruh mahasiswa Program Studi MIPA
(Tadris Matematika, Tadris IPA, dan Tadris Fisika) Fakultas Tarbiyah dan Ilmu
Keguruan IAIN Kendari yang masih aktif dan telah memprogramkan mata Kuliah
Statistika.

Instrumen dalam penelitian ini ada 2 macam, yaitu : (1) Soal Tes Kemampuan
Analisis Data statistika; dan (2) Pedoman Wawancara. Pengumpulan data dalam
penelitian ini menggunakan seperangkat instrumen yang terdiri dari Lembar
Quesioner, Tes Kemampuan Analisis Data statistika, dan Pedoman wawancara.
a. Tes Kemampuan Analisis Data Statistika.
Pemberian tes dilakukan untuk mengukur kemampuan analisis data
statistika mahasiswa MIPA yang telah memprogramkan matakuliah

33
 Statistika, dimana soal tes terdiri dari 5 butir soal yang mencakup materi
Statistika Deskriptif dan Statistika Inferensia.
b. Wawancara.
Proses wawancara dilakukan dalam rangaka memperoleh keterangan
untuk tujuan penelitian dengan cara tanya jawab sambil bertatap muka
antara peneliti dengan Mahasiswa sebagai sampel penelitian yang dapat
membantu peneliti dalam mengumpulkan data pendukung penelitian
5.4. Hasil
Pengumpulan data yang diperoleh melalui kuesioner yang diberikan kepada
mahasiswa di lingkungan Institut Agama Islam Negeri (IAIN) Kendari dianalsis
secara deskriptif. Analisis deskriptif dilakukan untuk mengetahui
karakteristikKemampuan Mahasiswa Menganalisis Data Statistik.Hasil dan
pembahasannya dapat digunakan sebagai sumber informasi dan masukan bagi
pihak Institut Agama Islam Negeri (IAIN) Kendari khususnya Fakultas Tarbiyah
dan Ilmu Keguruan (FTIK) dalam memaksimalkan kinerjanya. Kemampuan
Analisis Data Statistik (KADS) yang dimaksud dalam penelitian ini adalah
kemampuan mahasiswa dalam proses menyelesaikan masalah penelitian yang
berkaitan dengan statistika deskriptif dan statistika inferensia dengan
menggunakan teknik analisis data yang termuat dalam silabus matakuliah
Statistika pada Program Studi MIPA (Tadris Matematika, Tadris IPA, Tadris
Fisika dan Tadris Biologi) Fakultas Tarbiyah dan Ilmu Keguruan dan IAIN
Kendari. Deskripsi Kemampuan Analisis Data Statistik (KADS) dapat dilihat pada
Tabel 2 berikut.

Berdasarkan Tabel 2 dapat diketahui bahwa dari ketiga kelompok Tadris,

terdapat satu kelompok Tadris yang memiliki rata-rata diatas rata-rata

34
keseluruhan, yakni Tadris IPA dengan rata-rata 48. Untuk standar deviasi,
kelompok Tadris Fisika memperoleh standar deviasi terendah, yakni sebesar 7,28
dibawah standar deviasi keseluruhan. Secara keseluruhan nilai maksimum yang
diperoleh mahasiswa Tadris Matematika sebesar 64, sedangkan skor terendah
diperoleh mahasiswa Tadris IPA sebesar 30.
Gambaran Kemampuan Analisis Data Statistik Mahasiswa
Berdasarkan uraian analisis secara deskriptif diketahui bahwa rata-rata nilai
tes kemampuan analisis data statistik mahasiswa Tadris Matematika sebesar 45,43
lebih rendah dibandingkan nilai rata-rata mahasiswa Tadris Fisika dan Tadris
IPA.Nilai rata-rata mahasiswa Tadris IPA sebesar 48,00 lebih besar dari nilai rata-
rata mahasiswa secara keseluruhan sebesar 46,85. Ditinjau dari standar deviasi
perolehan setiap Tadris, dapat diketahui bahwa standar deviasi perolehan
mahasiswa Tadris Fisika sebesar 7,28 lebih kecil dibandingkan standar deviasi
Tadris Matematika dan Tadris IPA. Artinya mahasiswa Tadris Fisika cenderung
memiliki kemampuan analisis data statistikyang lebih merata dibandingkan
dengan Tadris Matematika dan Tadris IPA. Sedangkan standar deviasi tertinggi
diperoleh mahasiswa Tadris IPA sebesar 11,48. Artinya mahasiswa Tadris IPA
memiliki KADS yang paling beragam dibandingkan dua Tadris lainnya.
Hal ini disebabkan karena rata-rata mahasiswa kurang mampu menjawab
dengan tepat terhadap soal yang diberikan pada kegiatan evaluasi pembelajaran,
khususnya soal-soal yang sifatnya aplikatif. Akibatnya nilai yang dicapai
mahasiswa juga kurang memuaskan. Berdasarkan hasil analisis terhadap pola
jawaban mahasiswa terlihat bahwa sebagian besar mahasiswa mampu menjawab
soal yang sifatnya teoretis. Namun untuk soal yang sifatnya aplikatif, sebagian
besar mahasiswa kurang mampu menjawab dengan benar.
Hal ini menunjukkan bahwa kemampuan mahasiswa masih dalam tataran
teoretis belaka, sedangkan kemampuan mahasiswa untuk mengaplikasikan konsep
teori yang diterimanya masih kurang. Hal ini sejalan yang dijelaskan oleh Shi
(2009) bahwa salah satu penyebab peserta didik kurang tertarik terhadap Statistika
dikarenakan Statistika masih diajarkan secara teoretis dan kurang terhubung ke
dunia nyata. Dengan demikian para peserta didik tidak mengetahui aplikasi pada
tiap-tiap materi tersebut. Selain itu pada pembelajaran Statistika, format kuliah
tradisional dan model transfer pengetahuan masih tetap menjadi metode andalan
(Leibman, 2010). Hal ini semakin menurunkan motivasi mahasiswa untuk
35
mempelajari Statistika . Lebih lanjut dijelaskan oleh Leibman (2010) bahwa
dalam mempelajari suatu pengetahuan seharusnya dihubungkan dengan dunia
nyata serta dijelaskan bagaimana aplikasinya. Tanpa adanya hal tersebut, dapat
menyebabkan minimnya motivasi belajar.

Kesulitan-Kesulitan Mahasiswa dalam Belajar Statistika

Informasi mengenai kesulitan-kesulitan yang dialami mahasiswa dalam belajar
statistika diperoleh melalui wawancara yang dilakukan kepada mahasiswa terpilih.
Pemilihan subyek wawancara ini dilakukan dengan memilih secara random
beberapa mahasiswa yang memiliki skor tinggi dan rendah. Alokasi jumlah
subyek penelitian adalah sebanyak 6 orang mahasiswa, dengan rincian; dua orang
dari Tadris Matematika, satu orang dari Tadris Fisika, dan tiga orang dari Tadris
IPA. Hasil wawancara terhadap Subyek Penelitian (SP).
Berdasarkan hasil wawancara, melalui SP-01 diperoleh informasi bahwa
terdapat beberapa kendala yang dialaminya diantaranya: (1) Kesibukan Dosen
yang mengakibatkan pembelajaran dikelas kurang berjalan baik; (2) sering
mengalami kebingungan mengapa rumus yang terdapat dibuku pegangan berbeda
dengan yang diajarkan dosen, sedangkan Dosen tidak dapat menjelaskan mengapa
terdapat perberbedaan; (3) materi yang diajarkan pada mata kuliah Statistika
Pendidikan sama dengan materi yang diajarkan di SMA sehingga saat mengambil
matakuliah lanjutan merasa kesulitan. Pernyataan SP-01 didukung oleh SP-02
yang menyatakan bahwa kendala yang dialaminya dalam belajar Statistika
(khususnya Statistika Pendidikan) adalah materi pembelajaran yang tidak tuntas
dibahas sehingga mahasiswa kesulitan dalam memahami mata kuliah lanjutannya.
Ini sejalan dengan pendapat Firi (2011) bahwa Keberhasilan suatu pembelajaran
akan sangat tergantung pada persiapan seorang pengajar. Persiapan seorang
pengajar sebelum menyampaikan materi antara lain menyiapkan perangkat
pembelajaran. Tanpa adanya perencanaan yang baik, pembelajaran pun tidak akan
berjalan dengan lancar dan hasilnya tidak sesuai dengan yang kita harapkan.
Pernyataan kedua subyek penelitian ini didukung oleh lembar pengerjaan
TKADS mahaiswa tersebut. Dimana mahasiswa tidak menjawab beberapa butir
soal. Suratno (2009) mengungkapkan bahwa mahasiswa secara alamiah
mengalami situasi yang dinamakan hambatan belajar (learning obstacle) dengan
faktor penyebab: hambatan ontogeni (kesiapan mental belajar), didaktik (akibat
36
pengajaran dosen), dan epistimologi (pengetahuan mahasiswa yang memiliki
konteks aplikasi yang terbatas).
Setelah dilakukan klarifikasi melalui Wawancara mengenai butir soal tersebut,
diketahui bahwa mahasiswa mengaku tidak pernah diajarkan materi terkait soal
tersebut. Menurut SP-01 tidak tuntasnya beberapa materi disebabkan Dosen
terlalu berpatokan pada mahasiswa yang memiliki kemampuan kurang. Masalah
yang dihadapi oleh mahasiswa adalah kecenderungan menghafal materi
perkuliahan dan tahapan-tahapan penyelesaian pada contoh soal. Ketika kalimat
soal berbeda untuk pertanyaan yang sama atau sebaliknya, pertanyaan yang
berbeda untuk soal yang sama, ternyata mahasiswa mengalami kesulitan dalam
menyelesaikannya. Ini sejalan dengan Arie (2017) bahwa hambatan mahasiswa
dalam mempelajari Statistika pada umumnya terletak pada kemampuan mendasar
yakni lemah konsep.
Informasi yang diperoleh dari SP-03 adalah kendala yang dialami mahasiswa
dalam belajar Statistika adalah banyaknya pengujian data dalam Statistika yang
menyebabkan mahasiswa menjadi bingung mengenai penggunaannya, terlebih
karena setiap pengujian menggunakan aplikasi tertentu,sehingga masalah yang
dihadapi adalah kecenderungan menghafal materi perkuliahan dan tahapan-
tahapan penyelesaian pada contoh soal. Ketika kalimat soal berbeda untuk
pertanyaan yang sama atau sebaliknya, pertanyaan yang berbeda untuk soal yang
sama, ternyata mahasiswa mengalami kesulitan dalam menyelesaikannya. Arie
(2017) menyatakan adanya kesalahan dalam keterampilan proses, kesalahan
memahami soal, dan kesalahan dalam menggunakan notasi. Mengenai proses
pembelajaran di Kelas SP-03 mengaku bahwa proses pembelajaran di Kelas sudah
sesuai dengan Rencana perkuliahan dan Silabus.
SP-04 dan SP-06 memiliki pandangan yang sama mengenai kendala yang
dihadapi dalam belajar Statistika. Kendala itu adalah kendala dalam mengingat
rumus dan kurangnya pemahaman mengenai konsep Statistika, contohnya
memahami pengujian statistik sebagaimana yang menjadi kendala bagi SP-05.
Mengenai proses pembelajaran di Kelas, Mahasiswa menuntut Dosen untuk lebih
banyak memberikan contoh kasus dan melibatkan mahasiswa melalui umpan balik
sehingga mahasiswa lebih aktif di Kelas. Dosen merupakan komponen yang
sangat menentukan dalam implementasi suatu strategi pembelajaran. Keberhasilan
implementasi suatu strategi tergantung pada kepiawaian dosen dalam
37
 menggunakan metode, teknik dan strategi pembelajaran (Miftakhul, 2016; Patih,
2016).
Penelitian ini juga menemukan bahwa mahasiswa memang mengakui bahwa
materi kuliah statistika termasuk materi yang sulit untuk dipahami, sehingga wajar
jika pemahaman mahasiswa kurang optimal. pernyataan Ullman (1985) yang
mengatakan bahwa pelajaran statistik adalah pelajaran yang “menggentarkan”,
ada benarnya. Hal ini mungkin terjadi karena adanya anggapan bahwa dengan
mempelajari statistik maka seseorang harus benar- benar memiliki kemampuan
matematika yang kuat.
Walaupun demikian mereka mengaku cukup senang mengikuti perkuliahan
karena penampilan dan cara mengajar dosen menyenangkan. Pemilihan metode
mengajar yang tepat adalah salah satu solusinya. Metode mengajar adalah cara
atau siasat yang digunakan dalam pengajaran. Sebagai strategi, metode ikut
memperlancar ke arah pencapaian tujuan pembelajaran. Peranan metode ini akan
nyata jika dosen memilih metode yang sesuai dengan tingkat kemampuan yang
hendak dicapai oleh tujuan pembelajaran. Banyak faktor yang perlu diketahui
untuk mendapatkan pemilihan metode yang tepat, seperti faktor dosen itu sendiri,
sifat mata kuliah, fasilitas, jumlah mahasiswa, tujuan dan sebagainya (Ulpah,
2009). Sebagian besar mahasiswa juga mengakui bahwa model pembelajaran yang
diterapkan ini cukup menarik karena model pembelajaran ini dapat membantu
mahasiswa dalam memahami dan menerapkan materi. Latihan-latihan yang
diberikan juga sangat membantu mahasiswa sehingga mereka merasa optimis
untuk memperoleh hasil atau nilai yang baik
5.5. Kesimpulan
Berdasarkan hasil penelitian dan pembahasan, dapat ditarik kesimpulan
sebagai berikut:
(1) Rata-rata nilai TKADS mahasiswa secara keseluruhan adalah 46,85. Rata-
rata nilai TKADS mahasiswa Tadris Matematika sebesar 45,43 lebih rendah
dibandingkan nilai rata-rata mahasiswa Tadris Fisika dan Tadris IPA. sedangkan
standar deviasi perolehan mahasiswa secara keseluruhan adalah sebesar 9,99.
Standar deviasi perolehan mahasiswa Tadris Fisika sebesar 7,28 lebih kecil
dibandingkan standar deviasi Tadris Matematika dan Tadris IPA; dan

38
(2) Kesulitan-kesulitan yang dialami oleh mahasiswa dalam belajar Statistika
adalah (1) Kesibukan Dosen yang mengakibatkan pembelajaran dikelas
kurang berjalan baik;
(2) terdapat perbedaan antara rumus yang terdapat dibuku pegangan
dengan yang diajarkan dosen, sedangkan Dosen tidak dapat menjelaskan
mengapa perberbedaan tersebut terjadi;
(3) materi yang diajarkan sama dengan materi yang diajarkan di SMA
sehingga saat mengambil matakuliah lanjutan merasa kesulitan (Materi
tidak tuntas);
(4) penggunaan pengujian data dalam Statistika termasuk penggunaan
aplikasi statistiknya;
(5) kendala dalam mengingat rumus dan
(6) kurangnya pemahaman mengenai konsep Statistika.

39
 REFERENSI

1. Tarbiyah Dan Ilmu Keguruan Iain Kendari Dalam Menganalisis Data Statistika.
IAIN Kendari, 2018.
2. Handoko. (2009), Analisis probabilitas balita bergizi baik. Universitas Sebelas
Maret Surakarta, 2009.
3. Fajrin jauhar, dkk. (2017). Aplikasi Metode Eksperimen Response Surface Untuk
Mengoptimalkan Kuat Tekan Bata Non Bakar. Universitas Mataram, 2017.
4. Handayani Dewi, dkk.(2017), Model Probabilitas Pengguna Jalan terhadap Tarif
Tol Solo-Ngawi (Studi Kasus: Kartasura – Sragen). Universitas Sebelas Maret,
2017.
5. Syarwa Muhammad, Jufri Luthfiah. (2018). Deskripsi Kemampuan Mahasiswa
Fakultas

40