LAPORAN AKHIR

PRAKTIKUM KOMPUTASI STATISTIKA

KELOMPOK 2

Disusun Oleh :
Nama : Raiden Avelton Nesthanrol Fuy
NIM : 191061056
Jurusan : Statistika

JURUSAN STATISTIKA
FAKULTAS SAINS TERAPAN
INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA
2020

1
 Daftar Isi
KATA PENGANTAR ...................................................................................................................................... 4
BAB I ................................................................................................................................................................ 5
PENDAHULUAN ............................................................................................................................................ 5
1.1. Latar Belakang................................................................................................................................... 5
1.2. Rumusan Masalah............................................................................................................................. 5
1.3. Batasan Masalah ............................................................................................................................... 6
1.4. Tujuan ............................................................................................................................................... 6
1.5. Manfaat............................................................................................................................................. 7
BAB II .............................................................................................................................................................. 8
LANDASAN TEORI........................................................................................................................................ 8
2.1. Analisis Regresi Linier Berganda ......................................................................................................... 8
BAB III ........................................................................................................................................................... 15
METODE PENELITIAN................................................................................................................................ 15
3.1. Objek Penelitian................................................................................................................................... 15
3.2. Variabel Penelitian............................................................................................................................... 20
3.3. Metode Analisis Data........................................................................................................................... 21
BAB IV ........................................................................................................................................................... 24
ANALISIS DAN PEMBAHASAN ................................................................................................................ 24
4.1. Analisis Regresi Linier Berganda ........................................................................................................ 24
4.2. Uji Rata-Rata Sampel Berpasangan ..................................................................................................... 28
4.3.Uji Regresi Logistik .............................................................................................................................. 30
4.4. Uji Anova Two Way ......................................................................................................................... 32
BAB V ............................................................................................................................................................ 35
PENUTUP ...................................................................................................................................................... 35
5.1. Kesimpulan .......................................................................................................................................... 35
5.2. Saran .................................................................................................................................................... 35
Daftar Pustaka ................................................................................................................................................ 37
Lampiran......................................................................................................................................................... 38
➔Uji Regresi Berganda ............................................................................................................................. 38
➔Uji Rata-Rata Sampel Berpasangan ....................................................................................................... 39
➔Uji Regresi Logistik ............................................................................................................................... 40
➔Uji Anova Two Way .............................................................................................................................. 41

2
3
 KATA PENGANTAR

Segala puji syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa. Karena atas
karunia-Nya berupa nikmat iman dan kesehatan ini akhirnya penulis bisa menyelesaikan
makalah ini. Isi makalah ini membahas tentang apa itu analisis regresi dan pemecahan masalahnya.
Adapun penulisan makalah ini dibuat untuk memenuhi tugas praktikum mata kuliah komputasi
statistika. Penulis mengucapkan terima kasih kepada pihak
yang telah mendukung serta membantu penyelesaian laporan akhir ini. Harapannya,semoga laporan
ini dapat memberikan manfaat bagi pembaca sekaligus menambah wawasan pembaca.
Dengan kerendahan hati, penulis memohon maaf apabila ada ketidaksesuaian
kalimat dan kesalahan. Meskipun demikian, penulis terbuka pada kritik dan saran dari
pembaca demi kesempurnaan makalah ini.

Kupang, 03 Januari 2020

Penulis

4
 BAB I

PENDAHULUAN

1.1. Latar Belakang

Pada saat kita mengumpulkan data kita dapat mengambil ringkasan-
ringkasan penting data baik dalam ringkasan numerik maupun grafikal. Sebagai
contoh rata-rata dan median dari suatu jenis tanaman dan plot histogram dari
tanaman tersebut. Statistik yang dirangkum ini sifatnya deskriptif sehingga disebuts
tatistika deskriptif. Statistika deskriptif ini memberikan gambaran awal tentang data.
Untuk tujuan penelitian yang lebih kompleks, kita akan melakukan pengujian
hipotesis dan mengambil simpulan dari apa yang kita lakukan. Pengambilan
simpulan dan pengujian hipotesis ini merupakan bagian dari inferensi statistika
(statistika inferensial).
Mata kuliah Komputasi Statistik membahas tentang manajemen data,
analisis-analisis statistika standar untuk deskripsi data dan grafik, pendugaan
parameter, pengujian hipotesis, analisis korelasi dan regresi linier, dan analisis
perancangan percobaan di dalam paket statistik populer ( R). Analisis-analisis yang
digunakan adalah :
• Analisis linier berganda
• Uji rata-rata sampel berpasangan
• Analisis regresi non-linier
• Two way Anova

1.2. Rumusan Masalah

1.2.1. Sebuah penelitian dilakukan untuk mengetahui pengaruh Banyaknya Jumlah
Penduduk Miskin, Laju Pertumbuhan Ekonomi (%), Jumlah Pengangguran,
Angka Rata-rata Lama Sekolah (Tahun), dan Angka Kematian Bayi (%)
terhadap Indeks Pembangunan Manusia (IPM) di Provinsi Jawa Timur.
1.2.2. Tiga puluh pasien rawat jalan suatu rumah sakit yang terkena diabetes diukur
tingkat gula darahnya (mg/dL) pada minggu ke-1 dan minggu ke-2. Uji

5
 apakah masing-masing data minggu ke 1 dan 2 berdistribusi normal atau
tidak? Ujilah dengan tingkat kepercayaan 98%, apakah rata-rata hasil
pemeriksaan tingkat gula darah pada minggu ke-1 sama dengan minggu ke-
2?
1.2.3. Apakah kemampuan perusahaan mempertahankan kelangsungan usahanya
dalam jangka panjang dipengaruhi oleh likuiditas dan profitabilitas?
1.2.4. Uji dengan tingkat kepercayaan 95% apakah terdapat interaksi antara pupuk
kandang dan pengapuran terhadap ketersediaan P (fosfor)?
1.3. Batasan Masalah
1.3.1. Dalam melakukan analisis terhadap data-data yang ada pada soal digunakan
software R dan juga dengan bantuan software excel
1.3.2. Analisis-analisis yang digunakan antara lain :
• Analisis regresi linier berganda
• Paired T-test
• Regresi Logistik
• Two way anova
1.3.3. Variabel-variabel yang digunakan berpatokan pada soal yang ada.

1.4. Tujuan
1.4.1. Untuk mengetahui pengaruh Banyaknya Jumlah Penduduk Miskin, Laju
Pertumbuhan Ekonomi (%), Jumlah Pengangguran, Angka Rata-rata Lama
Sekolah (Tahun), dan Angka Kematian Bayi (%) terhadap Indeks
Pembangunan Manusia (IPM) di Provinsi Jawa Timur.
1.4.2. Untuk mengetahui apakah rata-rata hasil pemeriksaan tingkat gula darah
pada minggu ke-1 sama dengan minggu ke-2 sama?
1.4.3. Untuk mengetahui pengaruh likuiditas dan profitabilitas terhadap
kemampuan kemampuan perusahaan mempertahankan kelangsungan
usahanya dalam jangka panjang.
1.4.4. Untuk mengetahui apakah terdapat interaksi antara pupuk kandang dan
pengapuran terhadap ketersediaan P (fosfor)?

6
1.5. Manfaat
Semoga laporan akhir ini dapat menambah wawasan pembaca mengenai apa saja materi
dan uji-uji yang digunakan dalam statistika melalui sub mata kuliah komputasi statistika,
penggunaannya dalam pemecahan berbagai masalah dan juga bisa menjadi berkat bagi para
pembaca.

7
 BAB II

LANDASAN TEORI

2.1. Analisis Regresi Linier Berganda

Regresi linier berganda merupakan model persamaan yang menjelaskan
hubungan satu variabel tak bebas/ response (Y) dengan dua atau lebih variabel
bebas/predictor (X1, X2,…Xn). Tujuan dari uji regresi linier berganda adalah untuk
memprediksi nilai variable tak bebas/ response (Y) apabila nilai-nilai variable
bebasnya/ predictor (X1, X2,..., Xn) diketahui. Disamping itu juga untuk dapat
mengetahui bagaimanakah arah hubungan variabel tak bebas dengan variabel -
variabel bebasnya. Persamaan regresi linier berganda secara matematik
diekspresikan oleh :
Y = a + b1 X1 + b2 X2 + … + bn Xn
yang mana :
Y = variable tak bebas (nilai variabel yang akan diprediksi)
a = konstanta
b1,b2,…, bn = nilai koefisien regresi
X1,X2,…, Xn = variable bebas
Bila terdapat 2 variable bebas, yaitu X1 dan X2, maka bentuk persamaan regresinya
adalah :
Y = a + b1X1 + b2X2
Keadaan-keadaan bila koefisien-koefisien regresi, yaitu b1 dan b2
mempunyai nilai :
- Nilai=0. Dalam hal ini variabel Y tidak dipengaruh oleh X1 dan X2.
- Nilainya negative. Disini terjadi hubungan dengan arah terbalik antara variabel tak
bebas Y dengan variabel-variabel X1 dan X2, Nilainya positif. Disni terjadi
hubungan yang searah antara variabel tak bebas Y dengan variabel bebas X1 dan X2
Koefisien-koefisien regresi b1 dan b2 serta konstanta a dapat dihitung dengan
menggunakan rumus :
8
➔Koefisien Determinasi (r2 )
• Untuk mengetahui prosentase pengaruh variable-variable X1 dan X2
terhadap variable Y digunakan koefisien determinasi

• Besarnya r2 dihitung dengan rumus :

• Apabila r2 bernilai 0 , maka dalam model persamaan regresi yang terbentuk,

variasi variable tak bebas Y tidak sedikitpun dapat dijelaskan oleh variasi
variable-variable bebas X1 dan X2
• Apabila r2 bernilai 1, maka dalam model persamaan regresi yang terbentuk,
variable tak bebas Y secara sempurna dapat dijelaskan oleh variasi
variablevariable bebas X1 dan X2.
➔Koefisien Korelasi Ganda (r)
• Untuk mengetahui seberapa besar korelasi secara serentak/ simultan antara
variable-variable X1, X2, ...., Xn dengan variabel Y dapat digunakan
9
 koefisien korelasi ganda.
• Besarnya nilai koefisien korelasi ganda dapat dihitung dengan rumus :

Nilai r : -1 ≤ r ≤ +1. Apabila nilai r mendekati nilai +1 atau – 1, maka

dapat dikatakan bhawa semakin kuatnya hubungan/korelasi yang terjadi.
Sebaliknya, apabila nilai r mendekati 0, maka semakin lemahnya
hubungan/korelasi yang terjadi.

➔Korelasi Parsial
Merupakan suatu korelasi yang menjelaskan korelasi antara 1
variable dengan 1 variable dan variable lainnya dianggap konstan. Terdapat
3 macam bentuk korelasi parsial, yaitu :

10
 ➔ Kesalahan Baku Estimasi (Standart Error Estimate)
Kesalahan baku estimasi digunakan untuk melihat apakah persamaan
regresi yang terbentuk tepat/ kurang tepat dipakai untuk mengestimasi/
memprediksi variabel response Y. Jika kesalahan bakunya besar, maka
persamaan regresi yang dibentuk kurang tepat dipakai untuk mengestimasi.
Hal ini disebabkan karena selisih nilai antara variable response Y estimasi
dengan Y kenyataan akan besar. Secara matematik kesalahan baku estimasi
diekspresikan oleh :

(https://simdos.unud.ac.id/uploads/file_pendidikan_1_dir/5f0221d2b0bb7c
ed1d61798fab7f4ad3.pdf )

2.2. Uji rata-rata sampel berpasangan

Uji t sample berpasangan sering kali disebut sebagai paired-sampel t test. Uji
t untuk data sampel berpasangan membandingkan rata-rata dua variabel untuk suatu
grup sampel tunggal. Uji ini menghitung selisih antara nilai dua variabel untuk tiap
kasus dan menguji apakah selisih rata-rata tersebut bernilai nol.
Kriteria data untuk uji t sampel berpasangan :

11
 ➢ Data untuk tiap pasang yang diuji dalam skala interval atau
rasio.
➢ Data berdistribusi normal.
➢ Nilai variannya dapat sama ataupun tidak.
Uji t berpasangan (paired t-test) umumnya menguji perbedaan antara dua
pengamatan. Uji seperti ini dilakukan pada Subjek yang diuji untuk situasi sebelum
dan sesudah proses, atau subjek yang berpasangan ataupun serupa (sejenis).
Misalnya ketika kita akan menguji banyaknya gigitan nyamuk sebelum diberi lotion
anti nyamuk merk tertentu maupun sesudahnya.

2.3. Uji Regresi Logistik

Regresi logistik (logistic regression) sebenarnya sama dengan analisis
regresi berganda, hanya variabel terikatnya merupakan variabel dummy (0 dan 1).
Sebagai contoh, pengaruh beberapa rasio keuangan terhadap keterlambatan
penyampaian laporan keuangan. Maka variabel terikatnya adalah 0 jika terlambat
dan 1 jika tidak terlambat (tepat). Regresi logistik tidak memerlukan asumsi
normalitas, meskipun screening data outliers tetap dapat dilakukan.
Interpretasi regresi logistik menggunakan odd ratio atau kemungkinan.
Sebagai contoh, jika rasio keuangan ROA meningkat sebesar 1% maka
kemungkinan ketepatan menyampaikan laporan keuangan meningkat sebesar 1,05
kali. Berarti semakin tinggi ROA kemungkinan tepat semakin tinggi. Atau jika rasio
keuangan DER meningkat sebesar 2% maka kemungkinan ketepatan penyampaian
laporan keuangan meningkat sebesar 0,98 kali atau bisa dikatakan menurun karena
lebih kecil dari 1 yang berarti kemungkinan terlambat semakin tinggi.

➔Model Persamaan Regresi Logistik

Model persamaan aljabar layaknya OLS yang biasa kita gunakan adalah
berikut: Y = B0 + B1X + e. Dimana e adalah error varians atau residual. Dengan
model regresi ini, tidak menggunakan interpretasi yang sama seperti halnya
persamaan regresi OLS. Model Persamaan yang terbentuk berbeda dengan
persamaan OLS.
Berikut persamaannya:
12
2.4. Two Way ANOVA
Anova adalah sebuah analisis statistik yang menguji perbedaan rerata antar
grup. Grup disini bisa berarti kelompok atau jenis perlakuan. Anova ditemukan dan
diperkenalkan oleh seorang ahli statistik bernama Ronald Fisher.
Uji Anova adalah bentuk khusus dari analisis statistik yang banyak
digunakan dalam penelitian eksperimen. metode analisis ini dikembangkan oleh R.A
Fisher. Uji Anova juga adalah bentuk uji hipotesis statistik dimana kita mengambil
kesimpulan berdasarkan data atau kelompok statistik inferentif. Hipotesis nol dari
uji Anova adalah bahwa data adalah simple random dari populasi yang sama
sehingga memiliki ekspektasi mean dan varians yang sama. Sebagai contoh
penelitian perbedaan perlakuan terhadap sampel pasien yang sama.
Hipotesis nol nya adalah semua perlakuan akan memiliki efek yang sama.
Meskipun uji t adalah statistik yang sering digunakan, hanya saja uji t dibatasi untuk
menguji hipotesis dua kelompok. Uji Anova atau Analisis varians (ANOVA)
dikembangkan untuk memungkinkan peneliti untuk menguji hipotesis perbandingan
lebih dari dua kelompok.
Dengan demikian, uji-t dan uji anova adalah sama-sama metode statistik
untuk perbandingan. Hal yang membedakan keduanya adalah hanya jumlah
kelompok yang dibandingkan.
Prinsip uji Anova adalah kita membandingkan variansi tiga kelompok
sampel atau lebih. Lebih dari sekedar membandingkan nilai mean (rata-rata), uji
anova juga mempertimbangkan keragaman data yang dimanifestasikan dalam nilai
varians.
Apa saja asumsi yang harus dipenuhi dalam uji Anova sebagai bentuk dari
model linier, berikut diantaranya:
a. Independensi observasi, setiap observasi dalam analisis anova harus bersifat
independent.
b. Normalitas, Residual atau error harus mengikuti distribusi normal.
13
c. Homogenitas varians, varians antara kelompok yang dibandingkan harus
homogen.

14
 BAB III

METODE PENELITIAN

3.1. Objek Penelitian

3.1.1. Sebuah penelitian dilakukan untuk mengetahui pengaruh Banyaknya
Jumlah Penduduk Miskin, Laju Pertumbuhan Ekonomi (%), Jumlah Pengangguran,
Angka Rata-rata Lama Sekolah (Tahun), dan Angka Kematian Bayi (%) terhadap
Indeks Pembangunan Manusia (IPM) di Provinsi Jawa Timur. Data yang digunakan
disajikan pada tabel berikut:
NO Kabupaten IPM JPM PE JP ARL AKB
1 Pacitan 72,88 105400 6,52 3031 6,79 22,63
2 Ponorogo 71,91 113000 6,13 18898 6,73 27,03
3 Trenggalek 74,09 107800 6,11 8312 7,32 21,41
4 Tulung Agung 74,45 105400 6,82 19021 7,99 22,02
5 Blitar 74,43 135500 6,81 13276 7,41 23,71
6 Kediri 72,72 232800 6,53 28634 7,61 27,79
7 Malang 71,94 396799 6,22 56425 6,86 30,46
8 Lumajang 69 140800 5,92 15459 6,15 37,89
9 Jember 65,99 311400 6,16 31472 6,65 56,33
10 Banyuwangi 70,53 175100 6,63 32415 6,91 34,81
11 Bondowoso 64,98 131900 5,64 645 5,63 53,93
12 Situbondo 65,06 105200 5,62 11289 6,17 54,94
13 Probolinggo 64,35 276600 6,46 1219 5,15 63,51
14 Pasuruan 69,17 199300 6,76 27678 6,47 51,07
15 Sidoarjo 77,36 145400 6,19 83603 9,87 24,27
16 Mojokerto 74,42 125400 6,81 26381 7,93 25,54
17 Jombang 73,86 166400 6,31 32175 7,87 27,56
18 Nganjuk 71,96 151600 6,75 18364 7,21 31,12
19 Madiun 70,88 102300 5,92 19282 7,07 31,18
20 Magetan 73,85 80200 5,83 9217 7,62 22,85
21 Ngawi 70,2 149100 6,19 21476 6,43 27,06
22 Bojonegoro 67,74 227200 12,26 20723 6,65 38,67
23 Tuban 69,18 225800 6,62 17116 6,36 34,41
24 Lamongan 71,05 220500 6,9 21615 7,12 33,72
25 Gresik 75,97 193800 6,93 45199 8,63 23,27
26 Bangkalan 65,69 255600 5,44 25008 5,19 54,56
27 Sampang 61,67 285400 5,33 7868 4,03 54,48
28 Pamekasan 66,51 179200 5,84 15471 5,81 50,69
29 Sumenep 66,41 246600 5,73 11343 5,31 48,42
30 Kota Kediri 77,2 24900 5,91 9923 10,19 24,85
31 Kota Blitar 78,31 10100 6,33 4371 9,84 19,5
32 Kota Malang 78,43 48400 6,52 34085 11,12 24,74

15
33 Kota 75,44 41400 6,04 5444 8,46 25,12
Probolinggo
34 Kota Pasuruan 74,33 168800 6,33 5956 8,96 39,45
35 Kota 78,01 8900 6,56 4623 9,76 21,88
Mojokerto
36 Kota Madiun 77,5 10400 6,92 8342 10,5 23,24
37 Kota 78,33 195600 7,08 9139 10,01 23,18
Surabaya
38 Kota Batu 75,42 9700 7,06 5418 8,44 28,87

16
Keterangan :
IPM : Indeks Pembangunan Manusia
JPM : Banyaknya Jumlah Penduduk Miskin PE : Laju Pertumbuhan
Ekonomi (%)
JP : Jumlah Pengangguran
ARL : Angka Rata-rata Lama Sekolah (Tahun) AKB : Angka Kematian Bayi
(%)
Ujilah dengan tingkat kepercayaan 95%, variabel apa saja yang berpengaruh
pada Kasus IPM di Provinsi Jawa Timur ? Gunakan sofotware R!

3.1.2. Tiga puluh pasien rawat jalan suatu rumah sakit yang terkena diabetes diukur
tingkat gula darahnya (mg/dL) pada minggu ke-1 dan minggu ke-2. Uji apakah
masing-masing data minggu ke 1 dan 2 berdistribusi normal atau tidak? Ujilah
dengan tingkat kepercayaan 98%, apakah rata-rata hasil pemeriksaan tingkat gula
darah pada minggu ke-1 sama dengan minggu ke-2? Gunakan sofotware R!
Pasie Minggu Minggu Pasien Minggu Minggu
n ke-1 ke-2 ke-1 ke-2
1 220 218 16 282 294
2 236 234 17 234 220
3 210 214 18 224 200
4 142 116 19 276 220
5 280 200 20 282 186
6 272 276 21 360 352
7 160 146 22 310 202
8 220 182 23 280 218
9 226 238 24 278 248
10 242 238 25 288 278
11 186 190 26 288 248
12 266 236 27 244 270
13 206 244 28 236 242
14 290 258 29 245 221
15 294 240 30 200 185

Poin dalam American football dapat diperoleh dari seorang placekicker

menendang bola ke area target di ujung lapangan. Sukses terjadi bila bola
ditendang melewati mistar gawang. Tim menerima poin 1 atau 3, dengan 1
poin bila setelah touchdown (PAT = point after touchdown) dan 3 poin bila
terjadi field goal. Variabel yang digunakan:
Good (Y) : Variabel biner dengan tendangan sukses (1) atau gagal (0)

17
 3.1.3. Distance (X1) : Jarak placekick dalam yard, 1 yard = 0,9144 meter
Elap30 (X2) : Banyak menit yang tersisa sebelum berakhirnya setengah
pertandingan PAT (X3) : Variabel dummy jenis tendangan, PAT (JT1) dan
field goal (JT0) Dengan data sebagai berikut:
No Distanc Elap30 PAT Good No Distance Elap30 PAT Good
e
1 21 24,7167 0 1 21 20 15,75 1 1
2 21 15,85 0 1 22 25 6,7167 0 1
3 20 0,45 1 1 23 20 1,9333 1 1
4 28 13,55 0 1 24 20 11,45 1 1
5 20 21,8667 1 1 25 28 0,65 0 1
6 25 17,6833 0 1 26 21 22,4667 0 1
7 20 12,6833 1 1 27 20 22,15 1 1
8 27 4,7833 0 1 28 28 15,5833 0 1
9 44 0,9167 0 1 29 20 12,1167 1 1
10 32 25,7667 0 1 30 20 4,0167 1 1
11 42 6,2667 0 0 31 51 20,15 0 0
12 47 0 0 1 32 20 19,9333 1 1
13 51 19,7833 0 0 33 20 14,1833 1 1
14 20 29,1833 1 1 34 22 19,6 0 1
15 20 12,5167 1 1 35 20 16,5833 1 1
16 20 10,85 1 1 36 20 5,3833 1 1
17 20 1,8 1 1 37 20 23,7167 1 1
18 20 0,0667 1 1 38 52 14,9167 0 1
19 20 21,0833 1 1 39 20 8,4167 0 1
20 20 19,0333 1 1 40 38 2,9333 0 0
Apakah kemampuan perusahaan mempertahankan kelangsungan usahanya dalam
jangka panjang dipengaruhi oleh likuiditas dan profitabilitas? Ujilah dengan tingkat
kepercayaan 95% dan gunakan sofotware R!

18
3.1.4. Telah dilakukan sebuah penelitian baru tentang pengaruh pupuk kandang
dan pengapuran terhadap ketersediaan P (fosfor) menurut metode Olsen di tanah
sawah bekas padi yang ditanami tomat. Berdasarkan hasil-hasil penelitian
sebelumnya, diperoleh bahwa takaran pupuk kandang dan kapur karbonat untuk
berbagai tanaman umumnya optimum pada takaran 8 ton dan setara 1 x Al-dd.
Atas dasar hasil penulusuran tersebut, beliau merancang kombinasi
perlakuan: Faktor pupuk kandang:
A1 = 4 ton/ha pupuk kandang A2 = 8 ton/ha pupuk kandang A3 = 12
ton/ha pupuk kandang

19
Faktor kapur:
B1 = 0,5 x Al-dd B2 = 1 x Al-dd B3 = 1,5 x Al-dd
Setelah percobaan selesai, dilakukan pengambilan sampel tanah secara komposit dari
masing-masing petak percobaan untuk diuji di laboratorium kimia. Hasil analisis
ketersediaan P (ppm P) ini adalah sebagai berikut:
Perlakuan Ppm Perlakuan ppm Perlakuan ppm
A1B1 (1) 7,25 A2B1 (1) 5,55 A3B1 (1) 4,55
A1B1 (2) 7,05 A2B1 (2) 5,15 A3B1 (2) 4,75
A1B1 (3) 6,95 A2B1 (3) 5,75 A3B1 (3) 4,55
A1B2 (1) 5,85 A2B2 (1) 4,85 A3B2 (1) 6,25
A1B2 (2) 6,00 A2B2 (2) 5,01 A3B2 (2) 6,35
A1B2 (3) 6,15 A2B2 (3) 4,85 A3B2 (3) 6,00
A1B3 (1) 7,25 A2B3 (1) 4,95 A3B3 (1) 6,00
A1B3 (2) 7,65 A2B3 (2) 5,15 A3B3 (2) 6,00
A1B3 (3) 7,35 A2B3 (3) 5,22 A3B3 (3) 6,10

Uji dengan tingkat kepercayaan 95% apakah terdapat interaksi antara

pupuk kandang dan pengapuran terhadap ketersediaan P (fosfor)? Gunakan
sofotware R!

3.2. Variabel Penelitian

3.2.1. Uji Regresi Berganda
X1 = JPM
X2 = PE
X3 = JP
X4 = ARL
X5 = AKB
Y = IPM
3.2.2. Uji Rata-rata Sampel Berpasangan
X1 = Minggu ke-1
X2 = Minggu ke-2
3.2.3. Regresi Logistik

X1= Distance
X2= Elap30
X3= PAT
Y = Good
3.2.4. Uji Anova Two Way
20
 X= Faktor pupuk kandang
Y= Faktor kapur
Z= PPM

3.3. Metode Analisis Data

3.3.1. Analisis Regresi Linear Berganda
Analisis regresi linier berganda adalah hubungan secara linear antara
dua atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen
(Y). Analisis ini untuk mengetahui arah hubungan antara variabel
independen dengan variabel dependen apakah masing-masing variabel
independen berhubungan positif atau negatif dan untuk memprediksi nilai
dari variabel dependen apabila nilai variabel independen mengalami
kenaikan atau penurunan. Data yang digunakan biasanya berskala interval
atau rasio.
Regresi berganda digunakan untuk mengukur pengaruh beberapa
peubah/variabel terhadap suatu variabel. Variabel yang digunakan
meliputi variabel bebas (independen) danvariabel tak bebas (dependen).
Y = b0 + b1X1 + b2X2 + b3X3 + b4X4 + …… + bnXn + e
Dimana:
Y = variabel dependen (tak bebas)
b0 = konstanta (tetapan)
X1, X2 = variabel independen (bebas)
e = error
a. Asumsi-asumsi
- Normalitas
- Multikolinearitas
- Heteroskedastisitas
- Autokorelasi
b. Metode analisis data
Berdasarkan soal nomor satu digunakan analisis linear berganda yang
dimana digunakan untuk data X lebih dari 1

21
3.3.2. Uji rata-rata sampel berpasangan
a. Paired t-test
Uji t berpasangan (paired t-test) umumnya menguji
perbedaan antara dua pengamatan. Uji seperti ini dilakukan
pada Subjek yang diuji untuk situasi sebelum dan sesudah
proses, atau subjek yang berpasangan ataupun serupa
(sejenis).
b. Metode analisis data
Berdasarkan soal nomor 2 akan diuji rata-rata hasil
pemeriksaan tingkat gula darah pada minggu ke-1 sama
dengan minggu ke-2 dari pasien diabetes maka digunakan uji
t-test(paired t-test).

3.3.3. Uji regresi logistic

a. Pengertian
Regresi logistik adalah sebuah pendekatan untuk
membuat model prediksi seperti halnya regresi linear atau
yang biasa disebut dengan istilah Ordinary Least Squares
(OLS) regression. Perbedaannya adalah pada regresi logistik,
peneliti memprediksi variabel terikat yang berskala dikotomi.
b. Metode analisis data
Jenis penelitian ini dikelompokkan pada penelitian
kuantitatif. Metode ini disebut metode kuantitatif karena data
penelitian yang digunakan berupa angka-angka dan analisis
menggunakan statistik. Penelitiаn ini dengan tujuan untuk
menguji hipotesis yаng telаh ditetаpkаn sebelumnyа
mengenаi pengаruh dаri likuiditas, dan profitabilitas.
3.3.4. Two Way ANOVA
a.Pengertian
Two way ANOVA digunakan untuk menguji hipotesis
komparatif rata-rata k sampel bila peneliti melakukan
kategorisasi terhadap sampel kedalam beberapa blok,
22
 sehingga bila variabilitas atau sumber keragaman pada uji
One Way ANOVA berasal dari perlakuan dan galat, maka
pada two way ANOVA sumber keragaman tidak hanya
berasal dari perlakuan dan galat, tapi juga berasal dari blok.

b.Metode analisis data

Berdasarkan soal nomor 4 kita melihat bahwa terdapat lebih
dari satu factor X atau perlakuan dalam data tersebut,sehingga
digunakan uji Anova dua arah.

23
 BAB IV

ANALISIS DAN PEMBAHASAN

4.1. Analisis Regresi Linier Berganda

Dari output diatas dapat diketahui bahwa pada Residuals dapat diketahui
nilai minimal yaitu -1,3988, nilai maksimal yaitu 2,0173, nilai median yaitu 0,1595,
nilai Q1yaitu -0,6434, nilai Q3 yaitu 0,3823.

Dari hasil output diatas diperoleh model regresinya yaitu IPM = 66,006 +
0,000 JPM - 0,237 PE - 0,000 JP + 1,733 ARL – 0,171 AKB. Dapat
diinterpretasikan:
a. Apabila variabel lain bernilai konstan, maka variabel IPM akan bertambah
sesuai nilai konstantanya yaitu 66,006.
b. Apabila variabel lain bernilai konstan maka IPM tidak akan bertambah atau
berkurang setiap satu satuan JPM
c. Apabila variabel lain bernilai konstan maka IPM akan berkurang sebesar -0,237
setiap satu satuan PE
d. Apabila variabel lain bernilai konstan maka IPM tidak akan bertambah atau
berkurang setiap satu satuan JP
e. pabila variabel lain bernilai konstan maka IPM akan bertambah sebesar 1,733
setiap satu satuan ARL
f. pabila variabel lain bernilai konstan maka IPM akan berkurang sebesar -0,171
setiap satu satuan AKB

24
 Berdasarkan hasil output diatas nilai R-Square yaitu sebesar 97,26% artinya
variabel IPM dapat dijelaskan oleh sekelompok variabel independen JPM, PE, JP,
ARL, AKB secara serentak atau simultan sebesar 97,26% sedangkan sisanya 2,74%
dijelaskan oleh variabel lain yang tidak diteliti.
Asumsi-asumsi:
a. Uji Normalitas

Dari plot diatas dapat disimpilkan data berditribusi normal, karena data tersebar
disepanjang garis regresi.

➢ Hipotesis

H0: Data berdistribusi normal

H1: Data tidak berdistribusi normal
➢ Taraf signifikansi

α = 0,05

25
 ➢ Statistik Uji

P-value=0,3032
➢ Daerah Kritis

Jika p-value < α maka H0 ditolak

➢ Kesimpulan

Diperoleh nilai P-value = 0,3032 > α = 0,05 maka H0 tidak ditolak yang
artinya data berdistribusi normal dengan tingkat kepercayaan 95%.
b. Uji Multikolinearitas

➢ Hipotesis

H0: Tidak ada gejala multikolinearitas antara variabel independen dan variabel
dependen
H1: Ada gejala multikolinearitas antara variabel independen dan variabel
dependen
➢ Taraf signifikansi
α = 0,05
➢ Statistik Uji
VIF JPM = -0,255
VIF PE = -0,434
VIF JP = 0,117
VIF ARL = -0,779
VIF AKB = -0,644
➢ Daerah Kritis
Jika VIF ≥ 10 maka H0 ditolak
➢ Kesimpulan
Dari output diatas diperoleh nilai VIF dalam JPM, PE, JP, ARL, AKB
menyatakan bahwa VIF ≤ 10 maka H0 tidak ditolak. Hal ini berarti tidak ada
gejala multikolinearitas antara variabel independen dan variabel dependen
dengan tingkat kepercayaan 95%.

26
c. Uji Autokorelasi

➢ Hipotesis
H0: Tidak ada gejala autokorelasi positif/negatif antara variabel independen dan
variabel dependen
H1: Terdapat gejala autokorelasi antara positif/negatif variabel independen dan
variabel dependen
➢ Taraf signifikansi
α = 0,05

➢ Uji statistik
DW=1,7309
T =38 , k=5 diperoleh nilai dL = 1,2042 dan dU = 1,7916.
➢ Daerah kritis
Autokorelasi positif: Jika DW<DU maka H0 ditolak
Autokorelasi negatif: Jika (4-DW)<DU maka H0 ditolak
➢ Kesimpulan
Diperoleh DW=1,7309>DU=1,7916 maka H0 tidak ditolak sehingga
tidak terjadi autokorelasi positif antara variabel independen dan variabel
dependen.
Diperoleh (4-DW)=2,2691>DU=1,7916 maka H0 tidak ditolak sehingga
tidak terjadi autokorelasi negatif antara variabel independen dan variabel
dependen.
Diperoleh bahwa p-value=0,1262< α=0,05 maka H0 tidak ditolak, sehingga
dapat disimpulkan tidak ada gejala autokorelasi antara variabel independen dan
variabel dependen dengan tingkat kepercayaan 95%.
d. Uji Heterokedastisitas

➢ Hipotesis
H0: Tidak terjadi heterokedastisitas antara variabel independen dan variabel
dependen
H1: Terjadi heterokedastisitas antara variabel independen dan variabel dependen

27
 ➢ Taraf signifikansi
α = 0,05
➢ Statistik Uji
P-value=0,1192
➢ Daerah Kritis
Jika P-value < α maka H0 ditolak
➢ Kesimpulan
Diperoleh nilai P-value=0,1192 > α=0,05 maka H0 tidak ditolak. Hal ini
berarti tidak terjadi heterokedastisitas antara variabel independen dan variabel
dependen dengan tingkat kepercayaan 95%.

4.2. Uji Rata-Rata Sampel Berpasangan

➔Uji hipotesis Shapiro-wilk:

➢ Hipotesis
Variabel Minggu ke-1
H0: Data variabel minggu ke-1 berdistribusi normal
H1: Data variabel minggu ke-1 tidak berdistribusi normal
Variabel Minggu ke-2
H0: Data variabel minggu ke-2 berdistribusi normal
H1: Data variabel minggu ke-2 tidak berdistribusi normal
➢ Taraf signifikansi
α=0,05
➢ Statistik uji
Minggu ke-1 P-value = 0,5305
Minggu ke-2 P-value = 0,428
➢ Daerah kritis
Jika p-value< α maka H0 ditolak
➢ Kesimpulan

28
 Dari hasil analisis diatas diperoleh pada variabel minggu ke-1 P-value =
0,5305 > α = 0,05 dan variabel minggu ke-2 P-value = 0,428 > α = 0,05 maka H0
tidak ditolak sehingga data variabel minggu ke-1 dan minggu ke-2 berdistribusi
normal dengan taraf signifikansi 95%.

➔Uji hipotesis:
➢ Hipotesis
H0: Tidak ada perbedaan rata-rata pada kedua variabel hasil pemeriksaan tingkat
gula darah
H1: Ada perbedaan rata-rata pada kedua variabel hasil pemeriksaan tingkat gula
darah
➢ Taraf signifikansi
α = 0,05
➢ Statistik uji
P-value=0,0013
Thitung=3,5606
➢ Daerah kritis
Jika p-value<α atau |Thitung|>Ttabel maka H0 ditolak
➢ Kesimpulan
Diperoleh nilai P-value = 0,0013 < α = 0,05 dan Thitung=3,5606 > Ttabel =
2.04523 maka H0 ditolak sehingga ada perbedaan rata-rata pada kedua variabel
hasil pemeriksaan tingkat gula darah dengan taraf signifikansi 95%.

29
4.3.Uji Regresi Logistik

➔Persamaan model regresi logistik yang diperoleh yaitu Good=6,92 – 0,152

Distance + 0,000 Elap30 + 16,483 PAT.
➢ Jika variabel lain bernilai konstan, maka variabel Good akan bertambah dengan
sendirinya sesuai nilai konstantanya yaitu 6,935.
➢ Jika variabel lain bernilai konstan maka Good akan mengalami penurunan
sebesar 0,152 setiap satu satuan variabel Distance.
➢ Jika variabel lain bernilai konstan maka Good akan mengalami kenaikan sebesar
0,002 setiap satu satuan variabel Elap30.
➢ Jika variabel lain bernilai konstan maka Good akan mengalami kenaikan sebesar
16,488 setiap satu satuan variabel PAT.

➔Uji Z

a. Good terhadap Distance

➢ Hipotesis

H0: Variabel Distance berpengaruh secara signifikan terhadap variabel

Good
H1: Variabel Distance tidak berpengaruh secara signifikan terhadap
`variabel Good
➢ Taraf signifikansi
α=0,05
➢ Statistik Uji

Zhitung= -2,031
➢ Daerah kritis
Jika Zhitung > Ztabel maka H0 ditolak
➢ Kesimpulan
Diperoleh nilai Zhitung = 2,031 > Ztabel = 1,96 maka H0 ditolak sehingga
variabel Distance tidak berpengaruh secara signifikan terhadap variabel
Good dengan taraf signifikansi 95%.
b. Good terhadap Elap30

30
 ➢ Hipotesis

H0: Variabel Elap30 berpengaruh secara signifikan terhadap variabel

Good
H1: Variabel Elap30 tidak berpengaruh secara signifikan terhadap
variabel Good
➢ Taraf signifikansi
α = 0,05
➢ Statistik Uji
Zhitung= 0,249
➢ Daerah kritis
Jika Zhitung > Ztabel maka H0 ditolak
➢ Kesimpulan
Diperoleh nilai Zhitung = 0,249 < Ztabel = 1,96 maka H0 tidak
ditolak sehingga variabel Elap30 berpengaruh secara signifikan terhadap
variabel Good dengan taraf signifikansi 95%.
c. Good terhadap PAT
➢ Hipotesis
H0: Variabel PAT berpengaruh secara signifikan terhadap variabel Good
H1: Variabel PAT tidak berpengaruh secara signifikan terhadap variabel
Good
➢ Taraf signifikansi
α=0,05
taraf signifikansi=0,95
➢ Statistik Uji
Zhitung= 0,004
➢ Daerah kritis
Jika Zhitung > Ztabel maka H0 ditolak
➢ Kesimpulan
Diperoleh nilai Zhitung = 0,004 < Ztabel =1,96 maka H0 tidak
ditolak sehingga variabel PAT berpengaruh secara signifikan terhadap
variabel Good dengan taraf signifikansi 95%.

31
4.4.Uji Anova Two Way

➔Uji Anova Two Way

a. Hipotesis
➢ Faktor Pupuk Kandang
H0: Tidak ada pengaruh pupuk kandang terhadap ketersediaan P (fosfor) menurut
metode Olsen di tanah sawah bekas padi yang ditanami tomat
H1: Ada pengaruh pupuk kandang terhadap ketersediaan P (fosfor) menurut metode
Olsen di tanah sawah bekas padi yang ditanami tomat
➢ Faktor Kapur
H0: Tidak ada pengaruh kapur terhadap ketersediaan P (fosfor) menurut metode
Olsen di tanah sawah bekas padi yang ditanami tomat
H1: Ada pengaruh kapur terhadap ketersediaan P (fosfor) menurut metode Olsen di
tanah sawah bekas padi yang ditanami tomat
➢ Interaksi
H0: Tidak ada interaksi yang terjadi antara kedua faktor menurut metode Olsen di
tanah sawah bekas padi yang ditanami tomat
H1: Ada interaksi yang terjadi antara kedua faktor menurut metode Olsen di tanah
sawah bekas padi yang ditanami tomat
b. Taraf signifikansi
α = 0,05
c. Statistik Uji
Faktor Pupuk Kandang → P-value=1,400e-13 dan Fhitung = 232,244
Faktor Kapur → P-value=1,065e-5 dan Fhitung= 23,188
Interaksi → P-value=3,300e-10 dan Fhitung = 60,772
d. Daerah kritis
Jika P-value<α atau |Fhitung|>Ftabel maka H0 ditolak

32
e. Kesimpulan
➢ Faktor Pupuk Kandang
Nilai P-value=1,400e-13 < α = 0,05 dan Fhitung = 232,244 > Ftabel = 3.55
maka H0 ditolak sehingga ada pengaruh pupuk kandang terhadap
ketersediaan P (fosfor) menurut metode Olsen di tanah sawah bekas padi
yang ditanami tomat dengan taraf signifikansi 95%.
➢ Faktor Kapur
Nilai P-value = 1,065e-5 < α = 0,05 dan Fhitung = 23,188 > Ftabel=3.55
maka H0 ditolak sehingga ada pengaruh kapur terhadap ketersediaan P
(fosfor) menurut metode Olsen di tanah sawah bekas padi yang ditanami
tomat dengan taraf signifikansi 95%.
➢ Interaksi
P-value = 3,300e-10 < α = 0,05 dan Fhitung = 60,772 > Ftabel = 2.93
maka H0 ditolak sehingga ada interaksi yang terjadi antara kedua faktor
menurut metode Olsen di tanah sawah bekas padi yang ditanami tomat
dengan taraf signifikansi 95%.

Dari output diatas diperoleh nilai rata-rata setiap sampel, sebagai berikut:
➢ A1 terhadap B1 adalah 7,083.
➢ A1 terhadap B2 adalah 6.
➢ A1 terhadap B3 adalah 7,417.
➢ A2 terhadap B1 adalah 5,483.
➢ A2 terhadap B2 adalah 4,903.
➢ A2 terhadap B3 adalah 5,107.
➢ A3 terhadap B1 adalah 4,617.
➢ A3 terhadap B2 adalah 6,2.
➢ A3 terhadap B3 adalah 6,033.

33
 Dari output diatas dapat diketahui nilai standar deviasi setiap sampel,
sebagai berikut:
➢ A1 terhadap B1 adalah 0,152.

➢ A1 terhadap B2 adalah 0,15.

➢ A1 terhadap B3 adalah 0,208.

➢ A2 terhadap B1 adalah 0,306.

➢ A2 terhadap B2 adalah 0,092.
➢ A2 terhadap B3 adalah 0,140.
➢ A3 terhadap B1 adalah 0,115.
➢ A3 terhadap B2 adalah 0,180.
➢ A3 terhadap B3 adalah 0,058.

34
 BAB V

PENUTUP

5.1. Kesimpulan
5.1.1. Setelah dilakukan uji hipotesis untuk soal nomor 1 diatas maka
diperoleh kesimpulan sebagai berikut :
pengaruh Banyaknya Jumlah Penduduk Miskin, Laju Pertumbuhan Ekonomi
(%), Jumlah Pengangguran, Angka Rata-rata Lama Sekolah (Tahun), dan
Angka Kematian Bayi (%) terhadap Indeks Pembangunan Manusia (IPM) di
Provinsi Jawa Timur berpengaruh secara simultan atau serentak sebesar
97,26%.

5.1.2. Data pada rumusan masalah nomor 2 menunjukkan bahwa terdapat

perbedaan secara nyata terhadapa rata-rata hasil pemeriksaan tingkat gula
darah pada minggu ke-1 dan minggu ke-2, dibuktikan dengan Diperoleh nilai
P-value = 0,0013 < α = 0,05 dan Thitung = 3,5606 > Ttabel = 2,04523.

5.1.3. Untuk kasus pada nomor-3 memang benar bahwa kemampuan

perusahaan mempertahankan kelangsungan usahanya dalam jangka panjang
dipengaruhi oleh likuiditas dan profitabilitas .

5.1.4. Berdasarkan hasil analisis terhdap data soal nomor-4 maka dapat
disimpulkan memang benar bahwa terdapat interaksi antara pupuk kandang
dan pengapuran terhadap ketersediaan P (fosfor).

5.2. Saran
Saya sebagai penulis, menyadari bahwa tugas akhir ini banyak sekali
kesalahan dan sangat jauh dari kesempurnaan. Tentunya, penulis akan terus
memperbaiki makalah dengan mengacu pada sumber yang dapat

35
dipertanggung jawabkan nantinya. Oleh karena itu, penulis sangat
mengharapkan kritik dan saran tentang pembahasan tugas akhir diatas.

36
 Daftar Pustaka

Modul praktikum Komputasi Statistika

https://simdos.unud.ac.id/uploads/file_pendidikan_1_dir/5f0221d2b0bb7ced1d61798fab7f4ad3.p
df
https://www.konsultanstatistik.com/2009/03/regresi-logistik.html
https://www.academia.edu/36741039/Uji_Anova_Teori_Satu_Arah_dan_Dua_Arah
https://www.spssindonesia.com/2015/05/cara-uji-normalitas-shapiro-wilk-dengan.html

37
 Lampiran

➔Uji Regresi Berganda

➢ Import data dari Ms.Excel → Software R. Dengan Klik Data → Import Data → From
Excel File.

➢ Kemudian lakukan langkah-langkah berikut

38
➔Uji Rata-Rata Sampel Berpasangan

39
Setelah mengklik OK maka hasil outputnya bisa terlihat.

➔Uji Regresi Logistik

40
 ➔Uji Anova Two Way

Klik OK maka output akan terlihat.

41