Laporan Statistika. 5190611111. Danang Adi Pratama-Dikompresi

LAPORAN
TUGAS BESAR PRAKTIKUM
STATISTIKA INDUSTRI 2
Dosen Pengampu: Widya Setiafindari, S.T., M.Sc.
Disusun oleh:
Danang Adi Pratama (5190611111)
PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS TEKNOLGI YOGYAKARTA
2021
HALAMAN PENGESAHAN
LAPORAN TUGAS BESAR PRAKTIKUM
STATISTIKA INDUSTRI 2
Disusun oleh:
Nama/NIM : Danang Adi Pratama (5180611111)
Program Studi Teknik Industri (S1)
Laporan tugas akhir ini telah diterima sebagai salah satu syarat menyelesaikan mata
kuliah Praktikum Ststistika Industri 2 pada Semester Genap Tahun Akademik
2020/2021.
Yogyakarta, Juni 2020

Asisten Praktikum Ketua Kelompok
(Dimas Ari Nuryanto) (Danang Adi Pratama)

NIM. 5180621001 NIM. 5180611111
Dosen Pengampu
(Widya Setiafindari, S.T., M.Sc.)

NIK. 110810055
ii
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa, atas limpahan berkat rahmat-Nya
laporan tugas besar mata kuliah Statistika Industri II dapat diselesaikan dengan baik
dan tepat waktu.
Penyusunan laporan tugas besar berdasarkan modul yang digunakan sebagai acuan
dalam pembelajaran dan merupakan persyaratan untuk memenuhi mata kuliah
Statistika Industri II.
Mahasiswa dalam membuat laporan tugas besar diharapkan dapat mengetahui teori
dan penerapan mata kuliah Statistika Industri II yang ada di lapangan dalam suatu
industri.
Penyelesaian penyusunan dan penulisan laporan tugas besar Statistika Industri II

tidak terlepas dari bantuan semua pihak yang terlibat, atas semua bantuan
penyusunan penyusun menyampaikan terima kasih kepada semua pihak yang telah
membantu.
Laporan tugas besar Statistika Industri II masih banyak terdapat kesalahan dan
kekurangan, penyusun mengharapkan kritikan dan saran agar menjadi laporan yang
lebih baik.
Semoga laporan tugas besar Statistika Industri II dapat memberikan manfaat bagi
semua pihak dan semoga Tuhan Yang Maha Esa memberikan rahmat serta berkat
kepada semua pihak yang telah memberikan bantuan kepada penyusun.
Yogyakarta, Juni 2021
Penyusun
iii
DAFTAR ISI
HALAMAN JUDUL .............................................................................................. i

HALAMAN PENGESAHAN ............................................................................... ii
KATA PENGANTAR .......................................................................................... iii
DAFTAR ISI ......................................................................................................... iv
DAFTAR TABEL...................................................................................................v
DAFTAR GAMBAR ............................................................................................ vi
DAFTAR LAMPIRAN ....................................................................................... vii
BAB I Statistika Deskriptive Frequencies ...........................................................1

1.1 Latar Belakang ..........................................................................................1
1.2 Rumusan Masalah .....................................................................................1
1.3 Tujuan .......................................................................................................1
1.4 Manfaat .....................................................................................................1
1.5 Literatur .....................................................................................................1
1.6 Metode Pengolahan ...................................................................................2
1.7 Pengumpulan Data ....................................................................................2
1.8 Pengolahan Data........................................................................................6
1.9 Hasil dan Pembahasan..............................................................................6
1.10 Analisis Hasil Pengolahan Data .............................................................7
1.11 Kesimpulan ............................................................................................7
BAB II Statistika Deskriptive Explor...................................................................8

2.1 Latar Belakang ..........................................................................................8
2.2 Rumusan Masalah .....................................................................................8
2.3 Tujuan .......................................................................................................8
2.4 Manfaat .....................................................................................................8
2.5 Literatur .....................................................................................................8
2.6 Metode Pengolahan ...................................................................................9
2.7 Pengumpulan Data ....................................................................................9
2.8 Pengolahan Data......................................................................................12
2.9 Hasil dan Pembahasan............................................................................12
2.10 Analisis Hasil Pengolahan Data ...........................................................13
2.11 Kesimpulan ..........................................................................................19
BAB III Statistika Deskriptives Crosstab ..........................................................20

3.1 Latar Belakang .......................................................................................20
3.2 Rumusan Masalah ...................................................................................20
3.3 Tujuan .....................................................................................................20
3.4 Manfaat ...................................................................................................20
3.5 Literatur ...................................................................................................21
3.6 Metode Pengolahan .................................................................................24
3.7 Pengumpulan Data ..................................................................................24
3.8 Pengolahan Data......................................................................................46
3.11 Kesimpulan ..........................................................................................53

iv
BAB IV Statistik Deskriptive Uji Normalitas dan Keseragaman Data ..........54
4.1 Latar Belakang ........................................................................................54
4.2 Rumusan Masalah ...................................................................................54
4.3 Tujuan .....................................................................................................54
4.4 Manfaat ...................................................................................................54
4.5 Literatur ...................................................................................................55
4.8 Pengolahan Data......................................................................................65
4.11 Kesimpulan ..........................................................................................90
BAB V Statistik Deskriptive Reliabilitas dan Validitas ...................................91

5.1 Latar Belakang ........................................................................................91
5.2 Rumusan Masalah ...................................................................................91
5.3 Tujuan .....................................................................................................91
5.4 Manfaat ...................................................................................................91
5.5 Literatur ...................................................................................................91
5.8 Pengolahan Data....................................................................................104
5.9 Hasil dan Pembahasan..........................................................................107
5.10 Analisis Hasil Pengolahan Data .........................................................110
5.11 Kesimpulan ........................................................................................110
BAB VI Statistik Parametrik One Sample T-Test ..........................................111

6.1 Latar Belakang ......................................................................................111
6.2 Rumusan Masalah .................................................................................111
6.3 Tujuan ...................................................................................................111
6.4 Manfaat .................................................................................................111
6.5 Literatur .................................................................................................112
6.6 Metode Pengolahan ...............................................................................115
6.7 Pengumpulan Data ................................................................................116
6.8 Pengolahan Data....................................................................................120
6.11 Kesimpulan ........................................................................................123
BAB VII Statistik Parametrik Independent Sample T-test ...........................124

7.1 Latar Belakang ......................................................................................124
7.2 Rumusan Masalah .................................................................................124
7.3 Tujuan ...................................................................................................124
7.4 Manfaat .................................................................................................124
7.5 Literatur .................................................................................................124

7.8 Pengolahan Data....................................................................................129
iv
7.11 Kesimpulan ........................................................................................133
BAB VIII Statistik Parametrik Paired Sample T-test ....................................135

8.1 Latar Belakang ......................................................................................135
8.2 Rumusan Masalah .................................................................................135
8.3 Tujuan ...................................................................................................135
8.4 Manfaat .................................................................................................135
8.5 Literatur .................................................................................................135
8.8 Pengolahan Data....................................................................................151
8.11 Kesimpulan ........................................................................................154
BAB IX Statistik Parametrik One Way-ANOVA ...........................................155

9.1 Latar Belakang ......................................................................................155
9.2 Rumusan Masalah .................................................................................155
9.3 Tujuan ...................................................................................................155
9.4 Manfaat .................................................................................................155
9.5 Literatur .................................................................................................155
9.8 Pengolahan Data....................................................................................164
9.11 Kesimpulan ........................................................................................177
BAB X Statistik Non Parametrik Chi-Square.................................................178

10.1 Latar Belakang .....................................................................................178
10.2 Rumusan Masalah................................................................................178
10.3 Tujuan ..................................................................................................178
10.4 Manfaat ................................................................................................178
10.5 Literatur ...............................................................................................178
10.6 Metode Pengolahan .............................................................................181
10.7 Pengumpulan Data ...............................................................................182
10.8 Pengolahan Data ..................................................................................218
10.9 Hasil dan Pembahasan .........................................................................219
10.11 Kesimpulan ........................................................................................231
BAB XI Statistik Non Parametrik Chi-Square Satu Variabel ......................232

11.1 Latar Belakang .....................................................................................232
11.2 Rumusan Masalah................................................................................232
11.3 Tujuan ..................................................................................................232

11.4 Manfaat ................................................................................................232
11.5 Literatur ...............................................................................................232
11.8 Pengolahan Data ..................................................................................242
iv
11.11 Kesimpulan ........................................................................................247
BAB XII Statistik Non Parametrik Chi-Square Dua Variabel ......................248

12.1 Latar Belakang .....................................................................................248
12.2 Rumusan Masalah................................................................................248
12.3 Tujuan ..................................................................................................248
12.4 Manfaat ................................................................................................248
12.5 Literatur ...............................................................................................248
12.8 Pengolahan Data ..................................................................................264
12.11 Kesimpulan ........................................................................................277
BAB XIII Statistik Non Parametrik One Sample Kolmogorov Smirnov .....278
13.1 Latar Belakang .....................................................................................278
13.2 Rumusan Masalah................................................................................278
13.3 Tujuan ..................................................................................................278
13.4 Manfaat ................................................................................................278
13.5 Literatur ...............................................................................................278
13.8 Pengolahan Data ..................................................................................292
13.11 Kesimpulan ........................................................................................298
BAB XIV Statistika Non Parametrik KS (Uji Mann Whitney) .....................300

14.1 Latar Belakang .....................................................................................300
14.2 Rumusan Masalah................................................................................300
14.3 Tujuan ..................................................................................................300
14.4 Manfaat ................................................................................................300
14.5 Literatur ...............................................................................................300
14.8 Pengolahan Data ..................................................................................523
14.11 Kesimpulan ........................................................................................527
BAB XV.(I) Uji Two Sample Kolmogorov Smirnov Z ...................................539

15.1 Latar Belakang .....................................................................................539
15.2 Rumusan Masalah................................................................................539
15.3 Tujuan ..................................................................................................539
15.4 Manfaat ................................................................................................539
15.5 Literatur ...............................................................................................540
iv
15.8 Pengolahan Data ..................................................................................544
15.11 Kesimpulan ........................................................................................550
BAB XV.(II) Uji Two Sample Kolmogorov Smirnov Z ..................................551

15.1 Latar Belakang .....................................................................................551
15.2 Rumusan Masalah................................................................................551
15.3 Tujuan ..................................................................................................551
15.4 Manfaat ................................................................................................552
15.5 Literatur ...............................................................................................552
15.8 Pengolahan Data ..................................................................................556
15.11 Kesimpulan ........................................................................................563
BAB XV.(III) Uji Two Sample Kolmogorov Smirnov Z ................................565

15.1 Latar Belakang .....................................................................................565
15.2 Rumusan Masalah................................................................................565
15.3 Tujuan ..................................................................................................565
15.4 Manfaat ................................................................................................565
15.5 Literatur ...............................................................................................565
15.8 Pengolahan Data ..................................................................................571
15.11 Kesimpulan ........................................................................................576
BAB XVI.(I) Statistika Non Parametrik Uji Kruskal Wallis.........................577

16.1 Latar Belakang .....................................................................................577
16.2 Rumusan Masalah................................................................................577
16.3 Tujuan ..................................................................................................577
16.4 Manfaat ................................................................................................577
16.5 Literatur ...............................................................................................578
16.8 Pengolahan Data ..................................................................................581

16.11 Kesimpulan ........................................................................................588
BAB XVI.(II) Statistika Non Parametrik Uji Kruskal Wallis .......................589

16.1 Latar Belakang .....................................................................................589
16.2 Rumusan Masalah................................................................................589
16.3 Tujuan ..................................................................................................589
16.4 Manfaat ................................................................................................589
16.5 Literatur ...............................................................................................589
iv
16.8 Pengolahan Data ..................................................................................594
16.11 Kesimpulan ........................................................................................601
BAB XVI.(III) Statistika Non Parametrik Uji Kruskal Wallis .....................603

16.1 Latar Belakang .....................................................................................603
16.2 Rumusan Masalah................................................................................603
16.3 Tujuan ..................................................................................................603
16.4 Manfaat ................................................................................................603
16.5 Literatur ...............................................................................................603
16.8 Pengolahan Data ..................................................................................610
16.11 Kesimpulan ........................................................................................616
BAB XVII.(I) Statistika Non Parametrik Uji Median ....................................617

17.1 Latar Belakang .....................................................................................617
17.2 Rumusan Masalah................................................................................617
17.3 Tujuan ..................................................................................................617
17.4 Manfaat ................................................................................................617
17.5 Literatur ...............................................................................................617
17.8 Pengolahan Data ..................................................................................623
17.11 Kesimpulan ........................................................................................630
BAB XVII.(II) Statistika Non Parametrik Uji Median ..................................631

17.1 Latar Belakang .....................................................................................631
17.2 Rumusan Masalah................................................................................631
17.3 Tujuan ..................................................................................................631
17.4 Manfaat ................................................................................................631
17.5 Literatur ...............................................................................................631

17.8 Pengolahan Data ..................................................................................635
17.11 Kesimpulan ........................................................................................641
BAB XVII.(III) Statistika Non Parametrik Uji Median .................................642

17.1 Latar Belakang .....................................................................................642
17.2 Rumusan Masalah................................................................................642
17.3 Tujuan ..................................................................................................642
iv
17.4 Manfaat ................................................................................................642
17.5 Literatur ...............................................................................................642
17.8 Pengolahan Data ..................................................................................652
17.11 Kesimpulan ........................................................................................657
BAB XVIII.(I) Statistika Non Parametrik Two Related Samples .................658

18.1 Latar Belakang .....................................................................................658
18.2 Rumusan Masalah................................................................................658
18.3 Tujuan ..................................................................................................658
18.4 Manfaat ................................................................................................658
18.5 Literatur ...............................................................................................659
18.8 Pengolahan Data ..................................................................................662
18.11 Kesimpulan ........................................................................................669
BAB XVIII.(II) Statistika Non Parametrik Two Related Samples ...............670

18.1 Latar Belakang .....................................................................................670
18.2 Rumusan Masalah................................................................................670
18.3 Tujuan ..................................................................................................670
18.4 Manfaat ................................................................................................670
18.5 Literatur ...............................................................................................670
18.8 Pengolahan Data ..................................................................................674
18.11 Kesimpulan ........................................................................................679
BAB XVIII.(III) Statistika Non Parametrik Two Related Samples ..............681

18.1 Latar Belakang .....................................................................................681
18.2 Rumusan Masalah................................................................................681
18.3 Tujuan ..................................................................................................681
18.4 Manfaat ................................................................................................681
18.5 Literatur ...............................................................................................681
18.8 Pengolahan Data ..................................................................................686
18.11 Kesimpulan ........................................................................................694
BAB XIX.(I) Statistika Non Parametrik Uji MC Nemar ...............................695

19.1 Latar Belakang .....................................................................................695
19.2 Rumusan Masalah................................................................................695
iv
19.3 Tujuan ..................................................................................................695
19.4 Manfaat ................................................................................................695
19.5 Literatur ...............................................................................................696
19.8 Pengolahan Data ..................................................................................699
19.11 Kesimpulan ........................................................................................710
BAB XIX.(II) Statistika Non Parametrik Uji MC Nemar .............................711

19.1 Latar Belakang .....................................................................................711
19.2 Rumusan Masalah................................................................................711
19.3 Tujuan ..................................................................................................711
19.4 Manfaat ................................................................................................711
19.5 Literatur ...............................................................................................711
19.8 Pengolahan Data ..................................................................................715
19.11 Kesimpulan ........................................................................................720
BAB XIX.(III) Statistika Non Parametrik Uji MC Nemar ............................722

19.1 Latar Belakang .....................................................................................722
19.2 Rumusan Masalah................................................................................722
19.3 Tujuan ..................................................................................................722
19.4 Manfaat ................................................................................................722
19.5 Literatur ...............................................................................................722
19.8 Pengolahan Data ..................................................................................726

19.11 Kesimpulan ........................................................................................730
BAB XX.(I) Statistika Non Parametrik Multivariate Analysis OF Variance ........ 732
20.1 Latar Belakang .....................................................................................732
20.2 Rumusan Masalah................................................................................732
20.3 Tujuan ..................................................................................................732
20.4 Manfaat ................................................................................................732
20.5 Literatur ...............................................................................................733
20.8 Pengolahan Data ..................................................................................736
20.11 Kesimpulan ........................................................................................755
BAB XX.(II) Statistika Non Parametrik Multivariate Analysis OF Variance ...... 756
iv
20.1 Latar Belakang .....................................................................................756
20.2 Rumusan Masalah................................................................................756
20.3 Tujuan ..................................................................................................756
20.4 Manfaat ................................................................................................756
20.5 Literatur ...............................................................................................756
20.8 Pengolahan Data ..................................................................................765
20.11 Kesimpulan ........................................................................................777
BAB XX.(III) Statistika Non Parametrik Multivariate Analysis OF Variance .... 778
20.1 Latar Belakang .....................................................................................778
20.2 Rumusan Masalah................................................................................778
20.3 Tujuan ..................................................................................................778
20.4 Manfaat ................................................................................................778
20.5 Literatur ...............................................................................................778
20.8 Pengolahan Data ..................................................................................784
20.11 Kesimpulan ........................................................................................794
BAB XXI.(I) Statistika Parametrik Regresi Linier ........................................795

21.1 Latar Belakang .....................................................................................795
21.2 Rumusan Masalah................................................................................795
21.3 Tujuan ..................................................................................................795
21.4 Manfaat ................................................................................................795
21.5 Literatur ...............................................................................................796

21.8 Pengolahan Data ..................................................................................799
21.11 Kesimpulan ........................................................................................809
BAB XXI.(II) Statistika Parametrik Regresi Linier .......................................810

21.1 Latar Belakang .....................................................................................810
21.2 Rumusan Masalah................................................................................810
21.3 Tujuan ..................................................................................................810
21.4 Manfaat ................................................................................................810
21.5 Literatur ...............................................................................................810
21.8 Pengolahan Data ..................................................................................817
21.11 Kesimpulan ........................................................................................826
iv
BAB XXI.(III) Statistika Parametrik Regresi Linier .....................................827
21.1 Latar Belakang .....................................................................................827
21.2 Rumusan Masalah................................................................................827
21.3 Tujuan ..................................................................................................827
21.4 Manfaat ................................................................................................827
21.5 Literatur ...............................................................................................828
21.8 Pengolahan Data ..................................................................................836
21.11 Kesimpulan ........................................................................................845
BAB XXII.(I) Statistika Parametrik Regresi Linier Berganda .....................846

22.1 Latar Belakang .....................................................................................846
22.2 Rumusan Masalah................................................................................846
22.3 Tujuan ..................................................................................................846
22.4 Manfaat ................................................................................................846
22.5 Literatur ...............................................................................................847
22.8 Pengolahan Data ..................................................................................852
22.11 Kesimpulan ........................................................................................863
BAB XXII.(II) Statistika Parametrik Regresi Linier Berganda....................864

22.1 Latar Belakang .....................................................................................864
22.2 Rumusan Masalah................................................................................864
22.3 Tujuan ..................................................................................................864
22.4 Manfaat ................................................................................................865
22.5 Literatur ...............................................................................................865
22.8 Pengolahan Data ..................................................................................874
22.11 Kesimpulan ........................................................................................885
BAB XXII.(III) Statistika Parametrik Regresi Linier Berganda ..................886

22.1 Latar Belakang .....................................................................................886
22.2 Rumusan Masalah................................................................................886
22.3 Tujuan ..................................................................................................886
22.4 Manfaat ................................................................................................886
22.5 Literatur ...............................................................................................887
22.8 Pengolahan Data ..................................................................................901
22.11 Kesimpulan ........................................................................................906
iv
BAB XXIII Statistika Analisis Faktor .............................................................907
23.1 Latar Belakang .....................................................................................907
23.2 Rumusan Masalah................................................................................907
23.3 Tujuan ..................................................................................................907
23.4 Manfaat ................................................................................................907
23.5 Literatur ...............................................................................................908
23.8 Pengolahan Data ..................................................................................919
23.11 Kesimpulan ........................................................................................938
BAB XXIV PENUTUP ......................................................................................945

24.1 Kesimpulan ..........................................................................................945
24.2 Saran .....................................................................................................945
Lampiran ............................................................................................................946
Daftar Pustaka ....................................................................................................953
iv
DAFTAR TABEL
Tabel 1.1 Kumpulan Data Pengiriman Produk ........................................................2

Tabel 1.2 Hasil Pengolahan Data Statistik ...............................................................6
Tabel 2.1 Hasil pengolahan data F-16 Fighting Falcon .........................................13
Tabel 2.2 Hasil pengolahan data F-15 Eagle .........................................................14
Tabel 2.3 Hasil pengolahan data JAS 39 Gripen ...................................................15
Tabel 2.4 Hasil pengolahan data MiG 35...............................................................16
Tabel 2.5 Hasil pengolahan data J-20 ....................................................................16
Tabel 2.6 Hasil pengolahan data Su-35..................................................................17
Tabel 2.7 Hasil pengolahan data Dassaulf Rafle....................................................18
Tabel 2.8 Hasil pengolahan data Dassaulf Rafle....................................................18
Tabel 3.1 Data Pengiriman Produk ........................................................................24
Tabel 3.2 Hasil Crosstabs dari harga produk parfum .............................................46
Tabel 3.3 Hasil Crosstabs dari daya tahan produk parfum ....................................48
Tabel 3.4 Hasil Crosstabs dari keharuman produk parfum ....................................48
Tabel 3.5 Hasil Crosstabs dari kesegaran produk parfum......................................49
Tabel 3.6 Hasil Crosstabs dari kemasan produk parfum........................................51
Tabel 4.1 Hasil pengumpulan data responden genre music ...................................61
Tabel 4.2 Hasil Pengolahan Data Descriptives .....................................................67
Tabel 4.3 Hasil pengumpulan data responden genre music ...................................71
Tabel 4.5 Hasil Pengolahan Data Test of Normality ............................................77
Tabel 4.6 Hasil Pengolahan Data Homogeneity of Variences ..............................79
Tabel 4.8 Hasil Pengolahan Data Test of Normality ............................................83
Tabel 4.9 Hasil Pengolahan Data Homogeneity of Varience ...............................84
Tabel 4.10 Hasil Pengolahan Data Descriptives ...................................................85
Tabel 4.11 Hasil Pengolahan Data Test of Normality ..........................................88
Tabel 4.12 Hasil Pengolahan Data Homogeneity of Varience .............................89
Tabel 5.1 Penilaian 10 Pekerja .............................................................................100
Tabel 5.2 Hasil uji validitas .................................................................................107
Tabel 5.3 Hasil nilai Cronbach's Alpha ...............................................................109
Tabel 6.1 Tabulasi Data (Data Fiktif) ..................................................................112
Tabel 6.2 Hasil One Sample T Test .....................................................................114
Tabel 6.3 Data jumlah pemecahan masalah .........................................................116
Tabel 6.4 Hasil uji one sample T-Test 1 ..............................................................121
Tabel 6.5 Hasil uji one sample T-Test 2 ..............................................................121
Tabel 7.1 Data nilai siswa yang menggunakan media pembelajaran dan yang tidak
menggunakan media pembelajaran multimedia ................................125
Tabel 7.2 Data hasil kuesioner keberhasilan pembelajaran .................................128
xv
Tabel 7.3 Hasil group statistics ............................................................................131
Tabel 8.1. Data nilai sebelum perlakuan (pretest) dan sesudah perlakuan (posttest) .... 136
Tabel 8.2 Paired Samples Statistics .....................................................................136
Tabel 8.3 Paired Samples Correlations ................................................................136
Tabel 8.4 Paired Samples Correlations ................................................................137
Tabel 8.5 Data produk ..........................................................................................138
Tabel 8.6 Hasil uji paired samples statistics ........................................................152
Tabel 8.7 Hasil uji paired samples correlations ...................................................152
Tabel 8.8 Hasil uji paired samples t test: options.................................................153
Tabel 9.1 Hasil Uji Homogenitas .........................................................................157
Tabel 9.2 Hasil Uji Anova ...................................................................................157
Tabel 9.3 Hasil Uji Post Hoc................................................................................158
Tabel 9.4 Data produk pengujian kelayakan bisnis .............................................160
Tabel 9.5 Hasil Pengolahan Uji Normalitas .........................................................166
Tabel 9.6 Hasil Pengolahan Uji Keseragaman Data ............................................169
Tabel 9.7 Hasil Pengolahan Uji Validitas ............................................................170
Tabel 9.8 Hasil Pengolahan Uji Reliabilitas ........................................................173
Tabel 9.9 Hasil Pengolahan Uji One Way ANOVA ............................................174
Tabel 10.1 data asupan lauk .................................................................................179
Tabel 10.2 perhitungan nilai df ............................................................................180
Tabel 10.3 Data penilaian rancangan busana .......................................................183
Tabel 10.4 Hasil Pengolahan Uji Normalitas .......................................................219
Tabel 10.5 Hasil Pengolahan Uji Keseragaman Data ..........................................224
Tabel 10.6 Hasil Pengolahan Uji Validitas ..........................................................226
Tabel 10.7 Hasil Pengolahan Uji Reliabilitas ......................................................228
Tabel 10.8 Hasil Pengolahan Uji Non Parametrik Chi Square ............................229
Tabel 11.1 Data kuesioner STBP 2015233 ................................................................
Tabel 11.2 Chi-Square Tests pendidikan dengan pengetahuan............................234
Tabel 11.3 Chi-Square Tests umur dengan pengetahuan Value Df Asymp .........234
Tabel 11.4 Data Kuesioner Solusi Banjir .............................................................236
Tabel 11.9 Hasil Pengolahan Uji Chi Square Test 1 Variabel ............................246
Tabel 12.1 Data sikap konsumen .........................................................................249
Tabel 12.2 Hasil pengolahan data Case Processing Summary ............................250
Tabel 12.3 Hasil pengolahan data gender terhadap sikap konsumen...................250
Tabel 12.4 Hasil pengolahan data uji chi square..................................................251
Tabel 12.5 Kumpulan data responden untuk solusi penanganan gunung Meletus ........ 252
Tabel 12.6 Kumpulan data responden untuk solusi pencegahan virus corona.....259
Tabel 12.7 Hasil Pengolahan Uji Normalitas Gunung Meletus ...........................266
xvi
Tabel 12.8 Hasil Pengolahan Uji Normalitas Virus Corona ................................267
Tabel 12.9 Hasil Pengolahan Uji Keseragaman Data Gunung Meletus ..............268
Tabel 12.10 Hasil Pengolahan Uji Keseragaman Data Virus Corona .................269
Tabel 12.11 Hasil Pengolahan Uji Validitas Gunung Meletus ............................269
Tabel 12.12 Hasil Pengolahan Uji Validitas Virus Corona .................................270
Tabel 12.13 Hasil Pengolahan Uji Reliabilitas Gunung Meletus ........................272
Tabel 12.14 Hasil Pengolahan Uji Reliabilitas Virus Corona..............................272
Tabel 12.15 Hasil Pengolahan Uji Chi Square Test 2 Variabel Gunung Meletus......... 273
Tabel 12.16 Hasil Pengolahan Uji Chi Square Test 2 Variabel Virus Corona ....275
Tabel 13.1 Contoh Hasil Pengamatan Time Study ..............................................279
Tabel 13.2 Output Kolmogorov–Smirnov Test ...................................................280
Tabel 13.3 Hasil perhitungan nilai Kolmogorov-Smirno .....................................283
Tabel 13.4 Kumpulan data pemilihan solusi responden ......................................285
Tabel 13.5 Hasil Uji Normalitas ..........................................................................293
Tabel 13.6 Hasil Uji Keseragaman Data ..............................................................294
Tabel 13.7 Hasil Uji Distribusi Poisson ...............................................................296
Tabel 13.8 Hasil Uji One Sample Kolmogorov Smirnov ....................................297
Tabel 14.1 Uji Peringkat ......................................................................................301
Tabel 14.2 Uji Statistik301
Tabel 14.3 Kumpulan data 300 responden selama 30 hari ..................................302
Tabel 14.6 Hasil Uji Validitas ..............................................................................524
Tabel 14.7 Hasil Uji Reliabilitas ..........................................................................525
Tabel 14.8 Uji Peringkat ......................................................................................525
Tabel 14.9 Uji Statistik ........................................................................................525
Tabel 15.1 Kumpulan data benang pintal di Negara India pada tahun 2012 hingga 2014 ........ 531
Tabel 15.2 Hasil Pengolahan Uji Normalitas benang pintal di Negara India pada
tahun 2012 hingga 2014 ....................................................................534
Tabel 15.3 Hasil Pengolahan Uji Keseragaman Data benang pintal di Negara India ... 535
Tabel 15.4 Hasil Pengolahan Uji Validitas benang pintal di Negara India pada
tahun 2012 hingga 2014 ....................................................................536
Tabel 15.5 Hasil Pengolahan Uji Reliabilitas benang pintal di Negara India pada
tahun 2012 hingga 2014 ....................................................................537
Tabel 15.6 Hasil Pengolahan Uji Kolmogorov Smirnov benang pintal di Negara
India ...................................................................................................537
Tabel 15.1 Data kelompok Bank ..........................................................................541
Tabel 15.2 Hasil pengolahan data uji Kolmogorov Smirnov ...............................543
Tabel 15.3 Data statistik perkembangan impor dan ekspor kelompok industri
tekstil dari Inggris..............................................................................544
Tabel 15.4 Hasil Uji Normalitas data perkembangan impor ekspor kelompok
industri tekstil Inggris........................................................................547
xvii
Tabel 15.5 Hasil Uji Keseragaman data perkembangan impor ekspor kelompok
industri tekstil dari Inggris ................................................................548
Tabel 15.6 Hasil Uji Validitas data perkembangan impor ekspor kelompok
Tabel 15.7 Hasil Uji Reliabilitas data perkembangan impor ekspor kelompok
Tabel 15.8 Hasil Uji Kolmogorov-Smirnov data perkembangan impor ekspor
Tabel 15.1 Kumpulan Data Perkembangan Ekspor Kain Tenunan .....................557
Tabel 16.1 data nilai pemakaian bahan bakar di perusahaan pertambangan minyak
dan gas bumi......................................................................................569
Tabel 16.2 data nilai pemakaian bahan bakar di perusahaan pertambangan minyak
dan gas bumi......................................................................................570
Tabel 16.3 Hasil Uji Normalitas pemakaian bahan bakar di perusahaan tambang
minyak dan gas bumi.........................................................................571
Tabel 16.4 Uji Keseragaman Data pemakaian bahan bakar di perusahaan tambang
Tabel 16.5 Uji Validitas pemakaian bahan bakar di perusahaan tambang minyak
dan gas bumi......................................................................................574
Tabel 16.6 Uji Reliabilitas pemakaian bahan bakar di perusahaan tambang minyak
dan gas bumi......................................................................................575
Tabel 16.7 Uji Kruskal Wallis pemakaian bahan bakar di perusahaan tambang
Tabel 16.1 Hasil Uji Kruskal Wallis terhadap Perbedaan Potensi Kebangkrutan
...........................................................................................................579
Tabel 16.2 Data statistik produksi minyak mentah dan kondensat tahun 2016 ...580
Tabel 16.3 Hasil Pengolahan Uji Normalitas Produksi Minyak Mentah dan
Kondensat tahun 2016 .......................................................................585
Tabel 16.4 Hasil Pengolahan Uji Keseragaman Data Produksi Minyak Mentah
dan Kondensat tahun 2016 ................................................................586
Tabel 16.5 Hasil Pengolahan Uji Validitas Produksi Minyak Mentah dan
Kondensat tahun 2016 .......................................................................587
Tabel 16.6 Hasil Pengolahan Uji Reliabilitas Produksi Minyak Mentah dan
Kondensat tahun 2016 .......................................................................588
Tabel 16.7 Hasil Pengolahan Uji Kruskal Wallis Produksi Minyak Mentah dan
Kondensat tahun 2016 .......................................................................588
Tabel 16.1 Tampilan pada data view spss ............................................................593
Tabel 16.2 Hasil Uji Kruskal Wallis ....................................................................594
xviii
Tabel 16.3 Harga Minyak Mentah .......................................................................596
Tabel 16.8 Hasil Pengolahan Uji Kruskal Wallis ................................................603
Tabel 17.1 Kumpulan data kapasitas terpasang pembangkit listrik di Indonesia 611
Tabel 17.2 Kumpulan data kapasitas terpasang pembangkit listrik di Indonesia 612
Tabel 17.3 Hasil Pengolahan Uji Normalitas kapasitas terpasang pembangkit
listrik di Indonesia .............................................................................614
Tabel 17.4 Hasil Pengolahan Uji Keseragaman Data kapasitas terpasang
pembangkit listrik di Indonesia .........................................................615
Tabel 17.5 Hasil Pengolahan Uji Validitas kapasitas terpasang pembangkit listrik
di Indonesia .......................................................................................616
Tabel 17.6 Hasil Pengolahan Uji Reliabilitas kapasitas terpasang pembangkit
listrik di Indonesia .............................................................................617
Tabel 17.7 Hasil Pengolahan Uji Median kapasitas terpasang pembangkit listrik di
Indonesia ...........................................................................................617
Tabel 17.2 Hasil pengolahan data uji Median ......................................................622
Tabel 17.3 Data statistik konsumsi akhir energi berdasarkan Neraca Energi
Indonesia ...........................................................................................623
Tabel 17.4 Hasil Pengolahan Uji Normalitas konsumsi akhir energi menurut
sumber energi 2012-2016 ..................................................................625
Tabel 17.5 Hasil Pengolahan Uji Keseragaman Data konsumsi akhir energi 2012-
2016 ...................................................................................................626
Tabel 17.6 Hasil Pengolahan Uji Validitas konsumsi akhir energi menurut sumber
energi 2012-2016...............................................................................627
Tabel 17.7 Hasil Pengolahan Uji Reliabilitas konsumsi akhir energi menurut
sumber energi 2012-2016 ..................................................................628
Tabel 17.8 Hasil Pengolahan Uji Median konsumsi akhir energi menurut sumber
energi 2012-2016...............................................................................628
Tabel 17.1 data nilai mata kuliah statistika ..........................................................631
Tabel 17.2 langkah pengisian di kotak variable view ..........................................632
Tabel 17.3 Hasil uji median .................................................................................635
Tabel 17.4 Hasil Uji Frequencies .........................................................................636
Tabel 17.5 Test Statistics .....................................................................................637
Tabel 17.6 Frekuensi skor ....................................................................................638
Tabel 17.7 Daya yang dikonsumsi di DIY ...........................................................639
Tabel 17.10 Hasil Uji Validitas............................................................................643
xix
Tabel 17.11 Hasil Uji Reliabilitas ........................................................................644
Tabel 17.12 Hasil Frequencies .............................................................................644
Tabel 17.13 Hasil Uji Median ..............................................................................644
Tabel 18.1 data penelitian nilai impor penjualan kendaraan bermotor menurut
negara asal utama ..............................................................................650
Tabel 18.2 data penelitian nilai impor penjualan kendaraan bermotor menurut
Tabel 18.3 Uji Normalitas nilai impor penjualan kendaraan bermotor menurut
Tabel 18.4 Uji Keseragaman Data nilai impor penjualan kendaraan bermotor
menurut negara asal utama ................................................................654
Tabel 18.5 Uji Validitas nilai impor penjualan kendaraan bermotor menurut
Tabel 18.6 Uji Reliabilitas nilai impor penjualan kendaraan bermotor menurut
Tabel 18.7 Uji Wilcoxon dan Sign nilai impor penjualan kendaraan bermotor
menurut negara asal utama ................................................................656
Tabel 18.2 Hasil pengolahan data uji Wilcoxon Sign ..........................................661
Tabel 18.3 Hasil pengolahan data uji Sign...........................................................661
Tabel 18.4 Data penjualan mobil 4x4 Double Cabins pada kuartal 2012-2014 dan
kuartal 2015-2017 .............................................................................662
Tabel 18.5 Hasil Pengolahan Uji Normalitas penjualan mobil 4x4 Double Cabins
...........................................................................................................664
Tabel 18.6 Hasil Pengolahan Uji Validitas penjualan mobil 4x4 Double Cabins.....
665
Tabel 18.7 Hasil Pengolahan Uji Reliabilitas penjualan mobil 4x4 Double Cabins
...........................................................................................................666
Tabel 18.8 Hasil Pengolahan Uji Wilcoxon penjualan mobil 4x4 Double Cabins
...........................................................................................................666
Tabel 18.9 Hasil Pengolahan Uji Sign penjualan mobil 4x4 Double Cabins ......667
Tabel 18.1 Data Ujian ..........................................................................................671
Tabel 18.2 Hasil Output Ranks ............................................................................671
Tabel 18.3 Hasil Output Test Statistics ................................................................672
Tabel 18.4 Produksi Mobil Tahun 2018-2019 .....................................................674
Tabel 18.9 Hasil Ranks ........................................................................................679
Tabel 18.10 Hasil Uji Wilcoxon ..........................................................................680
Tabel 18.11 Hasil Frequencies .............................................................................681
xx
Tabel 18.12 Hasil Uji Sign ...................................................................................681
Tabel 19.1 Kumpulan data penelitian nilai expor barang dari tembaga menurut
negara tujuan utama ..........................................................................687
Tabel 19.2 Uji Normalitas nilai expor barang dari tembaga menurut negara tujuan
utama .................................................................................................689
Tabel 19.3 Uji Normalitas nilai expor barang dari tembaga menurut negara tujuan
utama .................................................................................................690
Tabel 19.4 Uji Keseragaman Data nilai expor barang dari tembaga menurut
Tabel 19.5 Uji Keseragaman Data nilai expor barang dari tembaga menurut
Tabel 19.6 Uji Validitas nilai expor barang dari tembaga menurut negara tujuan
utama .................................................................................................696
Tabel 19.7 Uji Reliabilitas nilai expor barang dari tembaga menurut negara tujuan
utama .................................................................................................697
Tabel 19.8 Uji MC Nemar nilai expor barang dari tembaga menurut negara tujuan
utama .................................................................................................697
Tabel 19.1 Data sebelum dan sesudah imunisasi .................................................701
Tabel 19.2 Hasil pengolahan data uji McNemar ..................................................702
Tabel 19.3 Data impor industri logam berat pada akhir tahun 2019 dan pada awal
tahun 2020 .........................................................................................703
Tabel 19.4 Hasil Pengolahan Uji Normalitas impor industri logam berat ...........705
Tabel 19.5 Hasil Pengolahan Uji Keseragaman impor industri logam berat .......706
Tabel 19.6 Hasil Pengolahan Uji Validitas impor industri logam berat ..............707
Tabel 19.7 Hasil Pengolahan Uji Reliabilitas impor industri logam berat...........707
Tabel 19.8 Hasil Pengolahan Uji McNemar impor industri logam berat ............708
Tabel 19. 1 Tabel Bantu Perlakuan ......................................................................712
Tabel 19.2 Data Ekspor Dan Impor Besi dan Baja Pada Tahun 2012-2016 ........714
Tabel 19.7 Hasil Uji MC Nemar ..........................................................................718
Tabel 20.1 Kumpulan data penelitian mengenai harga produsen kacang tanah . 725
Tabel 20.2 Uji Homogenitas mengenai harga produsen kacang tanah ................728
Tabel 20.3 Uji Homogenitas Matriks Varian/Covarian mengenai harga produsen
kacang tanah 729
Tabel 20.4 Uji Normalitas mengenai harga produsen kacang tanah ....................730
Tabel 20.5 Uji Multivariate Test mengenai harga produsen kacang tanah ..........731
Tabel 20.6 Uji Test Of Between Subject Effects mengenai harga produsen kacang
tanah ..................................................................................................732
Tabel 20.7 Uji Post Hoc mengenai harga produsen kacang tanah .......................733
xxi
Tabel 20.8 Uji Missing Data mengenai harga produsen kacang tanah ................743
Tabel 20.9 Hasil Box Plot mengenai harga produsen kacang tanah ....................743
Tabel 20.1 Data daerah asal,jurusan, IPK, dan Motivasi belajar mahasiswa
Amikom Mataram .............................................................................747
Tabel 20.2 Data ketersediaan alat dan mesin pertanian pasca panen padi ...........751
Tabel 20.3 Uji Homogenitas Varians ketersediaan alat dan mesin pasca panen
padi ....................................................................................................756
Tabel 20.4 Uji Homogenitasmatriks Varian / Covarian ketersediaan alat dan
mesin pasca panen padi .....................................................................757
Tabel 20.5 Uji MANOVA ketersediaan alat dan mesin pasca panen padi ..........758
Tabel 20.6 Test of Between Subjects ketersediaan alat dan mesin pasca panen padi
759
Tabel 20.7 Hasil Pengolahan Post Hoc ketersediaan alat dan mesin pasca panen
padi ....................................................................................................761
Tabel 20.8 Hasil Pengolahan Uji Normalitas ketersediaan alat dan mesin pasca
panen padi .........................................................................................763
Tabel 20.9 Hasil Pengolahan Uji Korelasi ketersediaan alat dan mesin pasca
panen padi .........................................................................................764
Tabel 20.10 Hasil Pengolahan Uji Missing Data ketersediaan alat dan mesin pasca
panen padi .........................................................................................765
Tabel 20.11 Hasil Pengolahan Outlier Mesin Pengering .....................................765
Tabel 20.12 Hasil Pengolahan Outlier Mesin Pemanen .......................................766
Tabel 20.1 Output Tabel Deksriptive interprestasi Uji Manova ..........................769
Tabel 20.2 Output interprestasi Uji Manova ........................................................769
Tabel 20.3 Uji Asumsi Levene Test Pada MANOVA .........................................770
Tabel 20.4 Interprestasi Output Uji MANOVA...................................................771
Tabel 20.5 Output Uji Post Hoc Setelah MANOVA ...........................................772
Tabel 20.6 Data Produksi Bawang Merah ...........................................................773
Tabel 20.7 Hasil Uji Homogenitas Varian ...........................................................775
Tabel 20.8 Hasil Uji Homogenitas Varian/Covarian ..........................................776
Tabel 20.10 Hasil Uji Korelasi.............................................................................777
Tabel 20.11 Hasil Uji Linearity ...........................................................................777
Tabel 20.12 Hasil Uji Kecukupan Data ...............................................................778
Tabel 20.13 Hasil Uji Missing Data .....................................................................778
Tabel 20.14 Hasil Uji Box Plot ............................................................................779
Tabel 20.15 Uji Hipotesis ....................................................................................779
Tabel 20.16 Hasil Uji Multivariate Test...............................................................781
Tabel 20.17 Hasil Test of between subject effect ................................................781
Tabel 20.18 Hasil Uji Post Hoe............................................................................782
Tabel 21.1 Kumpulan data penelitian mengenai penyaluran pupuk organik
bersubsidi ..........................................................................................788
xxii
Tabel 21.2 Hasil Pengolahan Uji Normalitas mengenai penyaluran pupuk organik
bersubsidi ..........................................................................................791
Tabel 21.3 Hasil Pengolahan Uji Keseragaman Data mengenai penyaluran pupuk
organik bersubsidi .............................................................................792
Tabel 21.4 Hasil Pengolahan Uji Validitas mengenai penyaluran pupuk organik
bersubsidi ..........................................................................................794
Tabel 21.5 Hasil Pengolahan Uji Reliabilitas mengenai penyaluran pupuk organik
bersubsidi ..........................................................................................795
Tabel 21.6 Hasil Variables Entered/Removed .....................................................795
Tabel 21.7 Hasil Model Summary .......................................................................796
Tabel 21.8 Hasil ANOVA ....................................................................................797
Tabel 21.9 Hasil Coefficient ................................................................................797
Tabel 21.1 Descriptive Statistics ..........................................................................803
Tabel 21.2 Model Summary .................................................................................803
Tabel 21.3 Uji ANOVA .......................................................................................804
Tabel 21.4 Coefficients ........................................................................................804
Tabel 21.5 Data Luas lahan dan kebutuhan pupuk urea ......................................806
Tabel 21.6 Hasil Pengolahan Uji Normalitas pengaruh luas lahan terhadap
kebutuhan pupuk urea .......................................................................809
Tabel 21.7 Hasil Pengolahan Uji Keseragaman pengaruh luas lahan terhadap
Tabel 21.8 Hasil Pengolahan Uji Validitas pengaruh luas lahan terhadap
Tabel 21.9 Hasil Pengolahan Uji Reliabilitas pengaruh luas lahan terhadap
Tabel 21.10 Descriptive Statistics ........................................................................812
Tabel 21.11 Variables Entered/Removed .............................................................812
Tabel 21.12 ANOVA ...........................................................................................813
Tabel 21.13 Model Summary ...............................................................................813
Tabel 21.14 Coefficient ........................................................................................814
Tabel 21.1 Tabulasi Data Penelitian (Data Fiktif) ...............................................818
Tabel 21.2 Hasil Analisis Regresi Linear Sederhana ...........................................820
Tabel 21.3 Kumpulan data produk Biokimia .......................................................823
Tabel 21.8 Hasil Uji Variabel Entered .................................................................832
Tabel 21.9 Hasil Uji Model Summary .................................................................832
Tabel 21.10 Hasil Uji Anova ...............................................................................833
Tabel 21.11 Hasil Uji Coefficients.......................................................................833
xxiii
Tabel 22.1 Kumpulan data penelitian mengenai statistik kecelakaan tambang pada
tahun 2018 .........................................................................................841
Tabel 22.2 Hasil Pengolahan Uji Normality ........................................................844
Tabel 22.3 Hasil Pengolahan Descriptive Statistics .............................................846
Tabel 22.4 Hasil Pengolahan Uji Analisis Multikolinearitas ...............................847
Tabel 22.5 Hasil Pengolahan Uji Analisis Autokorelasi ......................................849
Tabel 22.6 Hasil Pengolahan Uji Analisis Regresi Berganda ..............................850
Tabel 22.7 Hasil Pengolahan Uji Analisis Regresi Berganda ..............................851
Tabel 22.1 Hasil Uji Multikolinearitas.................................................................858
Tabel 22.2 Hasil Uji Autokorelasi .......................................................................859
Tabel 22.3 Hasil Uji F ..........................................................................................860
Tabel 22.4 Hasil Uji t ...........................................................................................861
Tabel 22.5 Uji Regresi .........................................................................................861
Tabel 22.6 Data statistik inspeksi k3....................................................................863
Tabel 22.10 Descriptive Statistics ........................................................................869
Tabel 22.11 Multikolinearitas ..............................................................................869
Tabel 22.12 Autokorelasi .....................................................................................870
Tabel 22.13 Uji Regresi Berganda .......................................................................871
Tabel 22.14 Uji Regresi Berganda .......................................................................872
Tabel 22.1 Tabulasi Data .....................................................................................877
Tabel 22.2 Hasil Analisis Regresi Linear Berganda ............................................878
Tabel 22.3 Hasil analisis korelasi ganda ..............................................................880
Tabel 22.4 Hasil analisis determinasi...................................................................881
Tabel 22.5 Hasil Uji F .........................................................................................882
Tabel 22.6 Uji t ....................................................................................................883
Tabel 22.7 Kumpulan data kondisi mesin ............................................................886
Tabel 22.10 Hasil Uji Validitas............................................................................890
Tabel 22.11 Hasil Uji Reliabilitas ........................................................................890
Tabel 22.12 Hasil Uji Normality Test ..................................................................892
Tabel 22.13 Hasil Uji Multikolinearitas...............................................................893
Tabel 22.14 Hasil Homoscedasricity Test ...........................................................893
Tabel 22.15 Hasil Uji Autokorelasi .....................................................................893
Tabel 22.16 Hasil Uji F ........................................................................................894
Tabel 22.17 Hasil Uji Goodness of Fit Test .........................................................894
Tabel 23.1 Nilai eigenvalues untuk setiap factor .................................................898
Tabel 23.2 Sumbangan masing - masing varians seluruh variabel asli................899
Tabel 23.3 Matriks factor .....................................................................................900
xxiv
Tabel 23.4 Variabel yang mendukung faktor pertama ........................................901
Tabel 23.5 Variabel yang mendukung faktor kedua ............................................901
Tabel 23.6 Data produktivitas responden .............................................................906
Tabel 23.7 Hasil Uji Missing Data .......................................................................913
Tabel 23.8 Hasil Uji Analisis relasi antar variable...............................................914
Tabel 23.10 Hasil Uji Linearitas ..........................................................................917
Tabel 23.11 Hasil Uji Homoscedasticity .............................................................918
Tabel 23.12 Hasil Uji KMO and Bartlett’s Test ..................................................918
Tabel 23.12 Hasil Uji Anti-Image Matrices .........................................................919
Tabel 23.13 Hasil Uji Communalities ..................................................................920
Tabel 23.14 Hasil Uji Total Varience Explained .................................................921
Tabel 23.15 Hasil Uji Component Matrix............................................................922
Tabel 23.16 Hasil Uji Rotated Component Matrix ..............................................924
Tabel 23.17 Hasil Uji Component Transformation Matrix..................................925
xxv
DAFTAR GAMBAR
Gambar 2.1 Data pengiriman pesawat tempur ....... Error! Bookmark not defined.
Gambar 2.2 Kotak dialog analyze .......................... Error! Bookmark not defined.
Gambar 2.3 Kotak dialog explor ............................................................................12
Gambar 2.4 Kotak dialog explor statistics .............................................................13
Gambar 2.5 Kotak dialog explor plots ...................................................................13
Gambar 3.1 Data Tingkat Usia...............................................................................21
Gambar 3.2 Tampilan Variabel View ....................................................................22
Gambar 3.3 Tampilan Data View ..........................................................................23
Gambar 3.4 Kotak Dialog Analyze ........................................................................45
Gambar 3.5 Kotak Dialog Crosstabs .....................................................................46
Gambar 3.6 Kotak Dialog Crosstabs Statistics ......................................................46
Gambar 4.1 Kotak Dialog Variable View ..............................................................56
Gambar 4.2 Kotak Dialog Variable View ..............................................................56
Gambar 4.3 Kotak Dialog Data View ....................................................................57
Gambar 4.4 Kotak Dialog Analyze ........................................................................57
Gambar 4.5 Kotak Dialog Explor ..........................................................................58
Gambar 4.6 Kotak Dialog Explore Plots................................................................58
Gambar 4.7 Kotak Dialog Analyze........................................................................65
Gambar 4.8 Kotak Dialog Explore.........................................................................65
Gambar 4.9 Kotak Dialog Explore Plots ...............................................................66
Gambar 5.1 Pengumpulan data ..............................................................................93
Gambar 5.2 Kotak dialog analyze ..........................................................................94
Gambar 5.3 Kotak dialog explore ..........................................................................94
Gambar 5.4 Hasil perhitungan ...............................................................................95
Gambar 5.5 Kotak dialog analyze ..........................................................................98
Gambar 5.6 Kotak dialog explore ..........................................................................98
Gambar 5.7 Hasil nilai cronbach’s alpha ...............................................................99
Gambar 5.8 Kotak dialog transform.....................................................................105
Gambar 5.9 Kotak dialog compute variable ........................................................105
Gambar 5.10 Kotak dialog analyze ......................................................................105
Gambar 5.11 Kotak dialog bivariate correlate .....................................................106
Gambar 5.12 Kotak dialog analyze ......................................................................106
Gambar 5.13 Kotak dialog reliabillity analysis....................................................106
Gambar 5.14 Kotak dialog reliabillity analysis statistics .....................................107
Gambar 6.1 Kotak dialog one sample T test ........................................................120
Gambar 6.2 Kotak dialog one sample T test: options ..........................................121
xxvi
Gambar 7.1 Data hasil implementasi produk pengembangan multimedia ..........126
Gambar 7.2 Hasil perhitungan menggunakan SPSS pada nilai siswa .................127
Gambar 7.3 Kotak Dialog Independent T Test ....................................................130
Gambar 7.4 Kotak Dialog Define Groups ............................................................130
Gambar 7.5 Kotak Dialog Independent Sample T Test: Options ........................130
Gambar 8.1 Kotak Dialog Paired T Test ..............................................................151
Gambar 8.2 Kotak Dialog Paired T Test: options ................................................151
Gambar 9.1 Data view pada SPSS .......................................................................156
Gambar 9.2 Uji One Way Anova .........................................................................156
Gambar 9.3 Kotak Dialog One Way ANOVA.....................................................165
Gambar 9.4 Kotak Dialog One Way ANOVA: options .......................................165
Gambar 10.1 Kotak Dialog Weight Cases ...........................................................218
Gambar 11.1 Kotak Dialog Weight Case .............................................................242
Gambar 11.2 Kotak Dialog Chi Square Test .......................................................242
Gambar 12.1 Kotak Dialog Weight Case .............................................................264
Gambar 12.2 Kotak Dialog Crosstabs .................................................................265
Gambar 12.3 Kotak Dialog Crosstabs : cell display............................................265
Gambar 12.4 Kotak Dialog Crosstabs : statistic .................................................265
Gambar 13.1 Kotak Dialog Variable View .........................................................279
Gambar 13.2 Dialog Box Kolmogorov–Smirnov Test........................................280
Gambar 13.3. Grafik ECDF untuk Kolmogorov–Smirnov test ..........................282
Gambar 13.4 Pengujian p-value pada level of significance α = 0,05 ..................284
Gambar 13.5 Kotak Dialog One Sample Kolmogorov Smirnov Test .................293
Gambar 14.1 Kotak Dialog Two Independent Samples Test ...............................522
Gambar 14.2 Kotak Dialog Two Independent Samples Test: Define Groups .....522
Gambar 15.1 Kotak Dialog Two Independent Samples Tests ..............................533
Gambar 15.1 Data Skor Kebugaran Fitnes Pagi dan Siang Hari .........................555
Gambar 15.2 Kotak Dialog Variable View ..........................................................555
Gambar 15.3 Kotak Dialog Two Independent Samples Tests .............................560
Gambar 15.4 Kotak Dialog Two Independent Samples Tests: Define Groups ...560
Gambar 16.1 Kotak Dialog Test for Several Independent Samples .....................570
Gambar 16.1 Kotak Dialog Test fos Several Independent Samples ....................583
Gambar 16.2 Kotak Dialog Define Groups..........................................................584
Gambar 16.1 Kotak Dialog Value Labels ............................................................593
Gambar 16.2 Kotak Dialog Kruskall-Wallis ........................................................594
Gambar 16.4 Kotak Dialog Several Independent Sample Test: Define Range ...599
Gambar 17.1 Kotak Dialog Tests for Several Independent Samples ...................612
Gambar 17.2 Kotak Dialog Tests for Several Independent Samples: Difine Range ..... 613
xxvii
Gambar 17.2 Kotak Dialog Define Groups..........................................................624
Gambar 17.1 Kotak dialog Variable View ...........................................................633
Gambar 17.2 Kotak dialog Data View .................................................................633
Gambar 17.3 Kotak dialog Test for Several Independent Samples .....................634
Gambar 17.4 Kotak dialog Test for Several Independent Samples: Range for Grouping........ 634
Gambar 17.5 Kotak Dialog Test for Several Independent Samples ....................641
Gambar 17.6 Kotak Dialog Test for Several Independent Samples: Range for Grouping ....... 641
Gambar 18.1 Kotak Dialog Two-Related-Samples Tests .....................................652
Gambar 18.1 Kotak Dialog Two Related Samples Test ......................................663
Gambar 18.2 Kotak Dialog Two Related Samples T Tests .................................675
Gambar 19.1 Kotak Dialog Two-Related-Samples Tests .....................................688
Gambar 19.1 Kotak Dialog Two Related Samples T Tests .................................702
Gambar 20.1 Kotak Dialog Multivariate .............................................................726
Gambar 20.3 Kotak Dialog Multivariate:Options ...............................................727
Gambar 20.5 Hasil pengolahan uji MANOVA ....................................................750
Gambar 20.6 Kotak Dialog Analyze.....................................................................755
Gambar 20.3 Multivariate Post Hoc Multiple Comparisson for Observed Means ........ 775
Gambar 21.1 Kotak Dialog Linear Regression ....................................................789
Gambar 21.2 Kotak Dialog Linear Regression: Options .....................................790
Gambar 21.3 Kotak Dialog Linear Regression: Statistics ...................................790
Gambar 21.4 Kotak Dialog Linear Regression: Plots .........................................791
Gambar 21.2 Kotak Dialog Linear Regression : Statistics ..................................801
Gambar 21.3 Kotak Dialog Linear Regression : Plots .........................................802
Gambar 21.1 Kotak Dialog Linier Regression .....................................................826
Gambar 21.2 Kotak Dialog Linier Regression: Option .......................................827
Gambar 21.3 Kotak Dialog Linier Regression: Statistik .....................................827
Gambar 21.4 Kotak Dialog Linier Regression: Plots...........................................826
xxviii
Gambar 22.2 Kotak Dialog Linear Regression: Statistics ...................................843
Gambar 22.3 Kotak Dialog Linear Regression: Plots .........................................844
Gambar 22.4 Hasil uji heteroskedastisitas ...........................................................848
Gambar 22.8 Hasil uji heteroskedastisitas ...........................................................870
Gambar 22.1 Kotak Dialog Linier Regression: Option .......................................891
Gambar 22.2 Kotak Dialog Linier Regression: Statistik .....................................891
Gambar 22.3 Kotak Dialog Linier Regression: Plots...........................................892
Gambar 23.1 Screen Plot......................................................................................900
Gambar 23.2 Tampilan Kotak Dialog Analyze....................................................910
Gambar 23.3 Tampilan Kotak Dialog Factor Analysis ........................................910
Gambar 23.4 Tampilan Kotak Dialog Factor Analysis: Descriptives..................911
Gambar 23.5 Tampilan Kotak Dialog Factor Analysis: Rotation ........................911
Gambar 23.5 Tampilan Kotak Dialog Factor Analysis: Options .........................912
Gambar 23.6 Hasil Uji Outlier Data ....................................................................916
Gambar 23.7 Hasil Uji Screen Plot ......................................................................922
xxix
DAFTAR LAMPIRAN
Lampiran 1 Kuesioner selera genre musik ...........................................................930

Lampiran 2 Kuesioner pengetahuan Teknik Industri ...........................................932
Lampiran 3 Kuesioner penanggulangan bencana ................................................936
xxx
BAB I
STATISTIK DESKTRIPTIF : FREQUENCIES
1.1 Latar Belakang
PT Seido Agra Abadi hendak melakukan pengiriman terhadap hasil produksi

berupa Belt Conveyor, Bucket Conveyor, Wire Mesh Conveyor, Overland Conveyor dan Roller
Conveyor ke Surabaya-Singkawang dan Mojokerto-Probolinggo. Pegiriman dilakukan selama 5
bulan. Untuk Surabaya dan Singkawang dilakukan pada tangal genap sebanyak 1000
unit/produk serta Mojokerto dan Probolinggo, Pada Tanggal Ganjil Sebanyak 500
unit/produk. Tentukan data statistic dan analisis yang dilakukan oleh PT SEIDO AGRA ABADI.
1.2 Rumusan Masalah

Rumusan masalah dari latar belakang di atas dapat dikemukakan, yakni sebagai
berikut: Bagaimana cara menentukan data statistik dan analisis oleh PT. Seido Agra
Abadi dalam pengiriman barang keempat kota yaitu Surabaya, Singkawang, Mojokerto,
Probolinggo
1.3 Tujuan
Tujuan dari rumusan masalah di atas dapat dikemukakan, yakni sebagai berikut:
Untuk Mengetahui cara menentukan data statistic dan analisis oleh PT. Seido Agra
Abadi
1.4 Manfaat
Manfaat dari tujuan di atas dapat dikemukakan, yakni PT Seido Agra Abadi dapat
menentukan cara yang tepat dalam mengolah data dan dapat menganalisis pengolahan
data yang tepat untuk di lakukan.
1
1.5 Literatur
Literatur Panduan Praktek Aplikasi Praktis SPSS For Windows Dalam Statistika,
UPI 2018, Data dianalisa menggunakan frekuensi data dengan hasil pengolahan data
berupa tabel penghasilan dan grafik histogram. Langkah yang dilakukan dalam
pengolahan data sebagai berikut:
1. Buka program SPSS sehingga muncul tampilan lembar kerja SPSS
2. Klik Variabel View kemudian isikan nama variabel x1= umur, x2= status, x3=
penghasilan, y= pengeluaran
Gambar 1.1 Variabel Pengolahan Frequencies

(Sumber: Paduan Praktek Aplikasi Praktis SPSS For Windows Dalam Statistika, 2018 )
3. Input Data yang akan digunakan untuk uji statistika deskriptif pada data view
Gambar 1.2 Data Pengolahan Frequencies

2
4. Lakukan analisis frekuensi dengan tahapan Analyze >Statistics Descriptive >
Frequencies kemudian akan muncul kotak dialog Frequencies
Gambar 1.3 Kotak Dialog Frequencies 1

5. Kemudian variabel x3 (penghasilan), masukkan ke kotak variable yang ada

pada dialog Frequencies.

6. Kemudian Klik Statistic pada kotak dialog, klik quartiles, mean, median, mode,
sum, std deviation, variance, range, maximum, minimum, S.E. means, skewnes,
kurtosis. Kemudian klik continue, sehingga kembali ke kotak dialog Descriptive
Statistics.
3
7. Klik Chart, pilih histogram dan with normal curve.

8. Klik Format, kemudian pilih Ascending Values dan Compare Variables,

kemudian klik Continue.
Gambar 1.7 Kotak Dialog Frequencies Format
4
(Sumber: Paduan Praktek Aplikasi Praktis SPSS For Windows Dalam Statistika, 2018)
9. Klik OK, dan akan muncul hasil pengolahan data.
Gambar 1.7 Hasil Pengolahan Uji Frequencies

(Sumber: Paduan Praktek Aplikasi Praktis SPSS For Windows Dalam Statistika, 2018)
1.6 Metode Pengolahan Data

Pada studi kasus satu pada PT Seido Agra Abadi mengiriman hasil produksi dalam
waktu lima bulan ke 4 kota yaitu Surabaya, Singkawang, Probolinggo dan Mojokerto.
Metode kuantitatif adalah salah satu jenis yang bersifat deskriptif analitis, terlihat dari
caranya mengumpulkan dan merekap data yang bukan dicatat dalam bentuk angka
namun penjelasan sejelas-jelasnya.
Metode dalam pengolahan data dimulai dengan mengumpulkan data numerik lalu
melakukan serangkaian uji statistik dalam proses pengolahan datanya, dan kemudian
melakukan analisa hasil dari pengolahan data tersebut dan analisis deskriptif frekuensi
yang mengenai ukuran statistika deskriptif seperti mean, median, ragam, kuartil,
persentil, dan lain-lain.
5
1.7 Pengumpulan Data
Tabel 1.1 Data Pegiriman Hasil Produksi PT Seido Agra Abadi ke 4 Kota
Jenis Jumlah
Tanggal Tanggal Daerah Produk
No Produk
Pengiriman Kedatanga Pemesan Belt Bucket Wire Roller
Conveyo Conveyor Convey Overland Conveyor / Unit
n r or Conveyo
r
1 01 January 01 January Mojokerto 100 10 100 100 100 500
2021 2021 dan 0
Probolinggo
2 02 January 02 January Surabaya 200 20 200 200 200 1000
2021 2021 dan 0
Singkawang
2021 2021 dan 0
Probolinggo
2021 2021 dan 0
Singkawang
2021 2021 dan 0
Probolinggo
2021 2021 dan 0
Singkawang
2021 2021 dan 0
Probolinggo
2021 2021 dan 0
Singkawang
2021 2021 dan 0
Probolinggo
2021 2021 dan 0
Singkawang
2021 2021 dan 0
Probolinggo
2021 2021 dan 0
Singkawang
6
2021 2021 dan 0
Probolinggo
2021 2021 dan 0
Singkawang
7
2021 2021 dan 0
Probolinggo
2021 2021 dan 0
Singkawang
2021 2021 dan 0
Probolinggo
2021 2021 dan 0
Singkawang
2021 2021 dan 0
Probolinggo
2021 2021 dan 0
Singkawang
2021 2021 dan 0
Probolinggo
2021 2021 dan 0
Singkawang
2021 2021 dan 0
Probolinggo
2021 2021 dan 0
Singkawang
2021 2021 dan 0
Probolinggo
2021 2021 dan 0
Singkawang
2021 2021 dan 0
Probolinggo
2021 2021 dan 0
Singkawang
2021 2021 dan 0
Probolinggo
8
2021 2021 dan 0
Singkawang
2021 2021 dan 0
Probolinggo
9
32 01 February 01 February Surabaya 200 200 200 200 200 1000
dan
2021 2021 Singkawang
33 02 February 02 February Mojokerto 100 100 100 100 500

dan 100
2021 2021 Probolinggo
dan 0
2021 2021
Singkawang
35 04 February 04 February Mojokerto 100 10 100 100 100 500
dan 0
2021 2021
Probolinggo
dan 0
2021 2021
Singkawang
dan 0
2021 2021
Probolinggo
dan 0
2021 2021
Singkawang
dan 0
2021 2021
Probolinggo
dan 0
2021 2021
Singkawang
dan 0
2021 2021
Probolinggo
dan 0
2021 2021
Singkawang
dan 0
2021 2021
Probolinggo
dan 0
2021 2021
Singkawang
dan 0
2021 2021
Probolinggo
dan 0
2021 2021
Singkawang
10
dan 0
2021 2021
Probolinggo
dan 0
2021 2021
Singkawang
11
dan
2021 2021 probolinggo
dan 0
2021 2021
Singkawang
dan 0
2021 2021
Probolinggo
dan 0
2021 2021
Singkawang
dan 0
2021 2021
Probolinggo
dan 0
2021 2021
Singkawang
dan 0
2021 2021
Probolinggo
dan 0
2021 2021
Singkawang
dan 0
2021 2021
Probolinggo
dan 0
2021 2021
Singkawang
dan 0
2021 2021
Probolinggo
60 01 March 2021 01 March 2021 Surabaya 200 20 200 200 200 1000
dan 0
Singkawang
61 02 March 2021 02 March 2021 Mojokerto 100 10 100 100 100 500
dan 0
Probolinggo
dan 0
Singkawang
dan 0
Probolinggo
12
dan 0
Singkawang
dan 0
Probolinggo
13
dan
Singkawang
dan
Probolinggo
dan 0
Singkawang
dan 0
Probolinggo
dan 0
Singkawang
dan 0
Probolinggo
dan 0
Singkawang
dan 0
Probolinggo
dan 0
Singkawang
dan 0
Probolinggo
dan 0
Singkawang
dan 0
Probolinggo
dan 0
Singkawang
dan 0
Probolinggo
dan 0
Singkawang
14
dan 0
Probolinggo
82 23 March 2021 23 March 2021 200 20 200 200 200 1000
Surabaya dan
0
Singkawang
15
dan
probolinggo
dan
Singkawang
dan
Probolinggo
dan
Singkawang
dan
Probolinggo
dan
Singkawang
dan
Probolinggo
dan
Singkawang
91 01 April 2021 01 April 2021 Mojokerto 100 100 100 100 100 500
dan
Probolinggo
92 02 April 2021 02 April 2021 Surabaya 200 200 200 200 200 1000
dan
Singkawang
dan
Probolinggo
dan
Singkawang
dan
Probolinggo
dan
Singkawang
dan
Probolinggo
dan
16
Singkawang
dan
Probolinggo
17
dan 0
Singkawang
dan 0
Probolinggo
dan
Singkawang
dan
Probolinggo
dan
Singkawang
dan
Probolinggo
dan
Singkawang
dan
Probolinggo
dan
Singkawang
dan
Probolinggo
dan
Singkawang
dan
Probolinggo
dan
Singkawang
dan
Probolinggo
dan
Singkawang
18
dan
Probolinggo
dan
Singkawang
19
dan
probolinggo
dan
Singkawang
dan 0
Probolinggo
120 30 April 2021 30 April 2021 Surabaya 200 200 200 200 1000
dan 200
Singkawang
121 01 May 2021 01 May 2021 Mojokerto 100 100 100 100 100 500
dan
Probolinggo
122 02 May 2021 02 May 2021 Surabaya 200 20 200 200 200 1000
dan 0
Singkawang
dan 0
Probolinggo
124 04 May 2021 04 May 2021 Surabaya 200 20 200 200 200 1000
dan 0
Singkawang
dan 0
Probolinggo
126 06 May 2021 06 May 2021 Surabaya 200 20 200 200 200 1000
dan 0
Singkawang
dan 0
Probolinggo
128 08 May 2021 08 May 2021 Surabaya 200 20 200 200 200 1000
dan 0
Singkawang
dan 0
Probolinggo
130 10 May 2021 10 May 2021 Surabaya 200 20 200 200 200 1000
dan 0
Singkawang
dan 0
Probolinggo
20
132 12 May 2021 12 May 2021 Surabaya 200 20 200 200 200 1000
dan 0
Singkawang
dan 0
Probolinggo
21
134 14 May 2021 14 May 2021 Surabaya 200 20 200 200 200 500
dan 0
Singkawang
dan
Probolinggo
136 16 May 2021 16 May 2021 Surabaya 200 200 200 200 200 1000
dan
Singkawang
dan 0
Probolinggo
138 18 May 2021 18 May 2021 Surabaya 200 200 200 200 1000
dan 200
Singkawang
dan
Probolinggo
140 20 May 2021 20 May 2021 Surabaya 200 20 200 200 200 1000
dan 0
Singkawang
dan 0
Probolinggo
142 22 May 2021 22 May 2021 Surabaya 200 20 200 200 200 1000
dan 0
Singkawang
dan 0
Probolinggo
144 24 May 2021 24 May 2021 Surabaya 200 20 200 200 200 1000
dan 0
Singkawang
dan 0
Probolinggo
146 26 May 2021 26 May 2021 Surabaya 200 20 200 200 200 1000
dan 0
Singkawang
dan 0
Probolinggo
148 28 May 2021 28 May 2021 Surabaya 200 20 200 200 200 1000
dan 0
Singkawang
22
dan 0
Probolinggo
150 30 May 2021 30 May 2021 Surabaya 200 20 200 200 200 1000
dan 0
Singkawang
23
24
1.8 Pengolahan Dan Analisis Data
1.8.1 Data Entry
Data yang digunakan dalam melakukan pengolahan data pada analisis
Frequencies ini adalah data PT SEIDO AGRA ABADI dalam mengirim produk ke 4
yaitu Surabaya, Singkawang, Mojokerto dan Probolinggo.
Variabel yang digunakan dalam analisis adalah jumlah batang kawat, jumlah
baja tulang, jumlah bilet baja, jumlah paku, jumlah pipa baja dan jumlah baja lembaran,
(Jumlah produksi yang akan di kirim) Masing-masing variabel memiliki value yaitu:
Lokasi (Surabaya, Singkawang, Mojokerto dan Probolinggo). Dari data tersebut
kemudian dilakukan pengolahan dengan langkah-langkah sebagai berikut:
a. Input variabel pada Variable View sebagai berikut.
Gambar 1.8 Variabel Pada Variable View
b. Input data pada Data View sebagai berikut
Gambar 1.9 Data Pengolahan Pada Variable View
25
1.8.2 Analisis Data
Langkah-langkah yang dilakukan untuk analisis deskriptif adalah sebagai
berikut:
a. Pilih menu Analyze lalu pilih Statistic Descriptif dan pilih Frequencies.
Gambar 1.11 Kotak Dialog Analyze
b. Input variable
Gambar 1.12 Kotak Dialog Frequencies
26
c. Pilih Statistic, maka kotak dialog Frequencies Statistics akan muncul.
Tetapkan parameter pengukuran dan klik Continue.
Gambar 1.13 Kotak Dialog Frequencies Statistic
(Sumber: Data Olah, 2020)
1.9 Hasil Dan Pembahasan

Berikut ini merupakan hasil dari olah data studi kasus, Hasil Pengolahan Uji
Frequencies Studi Kasus pada PT SEIDO AGRA ABADI Memakai aplikasi
PASW statistic 18
Gambar 1.14 Hasil Pengolahan Uji Frequencies
27
1.10 Analisis Hasil Pengolahan Data
Dari hasil pengolahan data PT Seido Agra Abadi dengan jumlah data sebanyak 150
data, di dapatkan hasil nilai mean untuk Plastic Belt Conveyor 190.00, untuk Bucket
Conveyor 190.00, Wire Mesh Conveyor 190.00, untuk OverLand Conveyor 190.00,
untuk Roller Conveyor 190.00. Selanjutnya yaitu juga didapatkan nilai median untuk
Belt Conveyor sebesar 200.00, Bucket Conveyor 200.00, Wire Mesh Conveyor 200.00,
OverLand Conveyor 200.00 dan Roller Conveyor 200.00.
Kemudian untuk Mode pada Belt Conveyor 200, Bucket Conveyor 200, Wire
Mesh Conveyor 200, OverLand Conveyor 200, Roller Conveyor 200. Selanjutnya
untuk Standar Deviasi untuk Belt Conveyor sebesar 113.95, Bucket Conveyor 113.95,
WireMesh Conveyor 113.95, OverLand Conveyor 113.95, Roller Conveyor 113.95.
Lalu untuk Variance Belt Conveyor 12986.577, Bucket Conveyor 12986.77, Wire
Mesh Conveyor 12986.577, OverLand Conveyor 12986.577, Roller Conveyor
12986.577.
Kemudian Nilai Range untuk Belt Conveyor sebesar 400, Bucket Conveyor 400,
Wire Mesh Conveyor 400, OverLand Conveyor 400, Roller Conveyor 400. Lalu untuk
nilai Maximun Belt Conveyor sebesar 500, Bucket Conveyor 500, WireMesh Conveyor
500, OverLand Conveyor 500, Roller Conveyor 500.
Lalu nilai Minimumnya yaitu Belt conveyor 100, Bucket Conveyor 100, Wire
mesh Conveyor 100, OverLand Conveyor 100, Roller Conveyor 100. Kemudian
Percentil 25 Belt Conveyor sebesar 100.00, Bucket Conveyor 100.00; Bucket conveyor
100.00, Wire Mesh Conveyor 100.00, OverLand Conveyor 100.00 dan Roller
Conveyor 100.00. Lalu untuk percentil 50 untuk Belt Conveyor sebesar 200.00; Bucket
Conveyor 200, Wire Mesh Conveyor 200.00, OverLand Conveyor 200.00 dan Roller
Conveyor 200.
Dan percentil 75 untuk Belt Conveyor 200.00, Bucket Conveyor 200.00, Wire
Mesh Conveyor 200.00, OverLand Conveyor 200.00 dan Roller Conveyor 200.00
28
1.11 Kesimpulan
Berdasarkan pengolahan data yang dilakukan dan perbandingan dengan

literatur diperoleh beberapa kesimpulan yaitu:
1. Semakin banyak data yang digunakan dalam pengolahan data maka akan
diperoleh hasil yang lebih baik.
2. Dalam pemilihan variabel yang digunakan harus diperhatikan keterkaitannya

antara variabel satu dengan yang lainnya sehingga akan diperoleh hasil
pengolahan data yang tepat.
29
BAB II
STATISTIKA DESKRIPTIVES EXPLOR
2.1 Latar Belakang

PT Dirgantara Indonesia hendak melakukan pengriman terhadap mode pesawat
tempur ke 4 belahan benua Eropa dan masing-masing 4 negara. Pengiriman pada
Eropa Timur dan Selatan dilakukan pengiriman pada model F-16 Fighting Falcon,
F-15 Eagle, JAS 39 Gripen dan MiG 35 setiap 1 bulan 4 kali sebanyak 100 unit.
Pada Eropa Barat dan Utara pada model J-20, Su-35. Dassault Rafle, dan
Eurofighter Thypoon setiap 1 bulan 6 kali sebanyak 150 unit. Pengiriman dilakukan
selama 1 tahun.
2.2 Rumusan Masalah
Data statistik dan analisis yang dilakukan oleh PT Dirgantara Indonesia
2.3 Tujuan Manfaat
1. Mengetahui data statistik yang dilakukan oleh PT Dirgantara Indonesia
30
dalam pengiriman produk
2. Untuk mengetahui dan memahami teknik pengambilan data
3. Dapat mengetahui dan memahami tentang pengolahan data dengan
menggunakan program SPSS dan PASW
2.4 Manfaat
1. Dapat melakukan pengambilan data dengan benar
2. Dapat memahami dan mengetahui konsep pengambilan data mengenai ilmu
statistika
2.5 Literatur
Explore digunakan untuk membandingkan antara dua atau lebih kelompok
dengan satu variabel. Sebagai contoh, jika kita menggunakan Jenis Kelamin
sebagai variabel independen; variabel ini mendefinisikan kelompok (Laki-Laki dan
Perempuan), kemudian membandingkannya dengan variabel lain, seperti Umur.
Perintah Explore; contoh dalam kasus mean, akan menghasilkan berapa rata-rata
umur laki-laki dan berapa rata-rata umur perempuan. Ukuran-ukuran yang
dihasilkan perintah Explore antara lain: ukuran-ukuran pemusatan data (mean dan
median), ukuran penyebaran (range, interquartile range, standar deviasi, varians,
minimum, dan maksimum), ukuran kurtosis, dan skewness.

Metode ini menggunakan Distribusi Frekuensi Statistika deskriptif, yaitu
statistika yang berusaha untuk memperlihatkan, meramalkan karakteristik data dari
data yang tersedia. Pengukuran deskriptif pada dasarnya adalah memaparkan secara
numeric dua hal pokok pengukuran data, yaitu (1) tendensi sentral dan (2) disperse.
SPSS mengkategorikan analisis statistik deskriptif di dalam 5 kategori yang
terdapat pada menu utama analyze, pada menu tersebut memiliki beberapa sub
menu, pada studi kasus satu menggunakan Eksplore yaitu berfungsi untuk
memeriksa lebih teliti suatu data. Selain dari alat untuk menguji apakah suatu data
menyebar normal atau tidak, sub menu ini juga terdapat fasilitas untuk membuat
diagram box-plot dan diagram batang daun (steam and leaf plot).
Data pengiriman terhadap mode pesawat tempur ke 4 bclahan benua Eropa: 31
10
Gambar 2.1 Data pengiriman pesawat tempur
(Sumber: Olah Data 2021)
11
2.8 Pengolahan dan Analisis Data
Data yang digunakan dalam analisis dcskriptif ini sama dengan data pada
analisis
frekuensi dan analisis deskriptif Bcrikut adlaIah langkah-laogkah yang
dilakukan
dalam analisis ekplore:
a. Pilih menu Analyze lalu pilih Statistics Descriptive kemudian
pilih explorer
Gambar 2.2 Kotak dialog analyze

b. Masukkan variabel Tanggal_Pengiriman dan Negara ke dalam kotak

Dependent List dan pindahkan variabel F-16_Fighting Falcon, F-
15_Eagle, JAS_39_Gripen, MiG_35, J-20, Su-35, Dassault_Rafle,
dan Eurofighter_Thypoon ke dalam kotak Factor List
Gambar 2.3 Kotak dialog explor

12
c. Pilih Statistics, makan akan muncul kotak dialog Explor Statistics
Tetapkan parameter uji secara default Descriptive Convidence
Interval for Mean 95% dipilih, klik continue
Gambar 2.4 Kotak dialog explor statistics

d. Pilih Plot, kemudian akan muncul kotak dialog Explor Plot. Secara
default pilih box plot factor level together and steam and leaf lalu
klik continue dan OK
Gambar 2.5 Kotak dialog explor plots

 Analisis Data:
a. F-16 Fighting Falcon
Tabel 2.1 Hasil pengolahan data F-16 Fighting Falcon
13
Dapat diketahui bahwa data yang digunkan sebanyak 120 data

dengan nilai mean untuk variabel statistic 17.50 dan standar eror
sebesar 12.500. 95% confidence interval for mean lower bound
untuk variabel statistic -141.33 dan upper bound 176.33. 5%
trimmed mean tidak memiliki nilai. Median untuk variabel statistic
sebesar 17.50. nilai variance untuk variabel statistic 312.500 Standar
deviation untuk variabel statistics 17.678. nilai minimum untuk
variabel statistic 5. Nilai maksimumnya 30 dan untuk range 25
b. F-15 Eagle
Tabel 2.2 Hasil pengolahan data F-15 Eagle

sebesar 11.604 95% confidence interval for mean lower bound untuk
variabel statistic -9.71 dan upper bound 60.71. 5% trimmed mean
untuk variabel statistics 25.33. Median untuk variabel statistic
variabel statistic 6. Nilai maksimumnya 48 dan untuk range 42.
Interquartile range untuk variabel statistics 40. Skewness untuk
variabel staistics .084 dan untuk standar erornya 1.014. Kurtosis
untuk variabel statistics -5.496 dan standar erornya 2.619
14
c. JAS 39 Gripen
Tabel 2.3 Hasil pengolahan data JAS 39 Gripen

variabel staistics .000 dan untuk standar erornya 1.014. Kurtosis
untuk variabel statistics .962 dan standar erornya 2.619
d. MiG 35
Tabel 2.4 Hasil pengolahan data MiG 35
15

untuk variabel statistics tidak memiliki nilai. Median untuk variabel
statistic sebesar 5.00. nilai variance untuk variabel statistic 171.000
Standar deviation untuk variabel statistics 13.077. nilai minimum
untuk variabel statistic 2. Nilai maksimumnya 26.
e. J-20
Tabel 2.5 Hasil pengolahan data J-20

variabel statistic 10.75 dan upper bound 168.59. 5% trimmed mean
16
statistic sebesar 107.00. nilai variance untuk variabel statistic
1.009E3 Standar deviation untuk variabel statistics 31.770. nilai
minimum untuk variabel statistic 53. Nilai maksimumnya 109 dan
untuk range 56. Interquartile range untuk variabel statistics tidak
memiliki nilai. Skewness untuk variabel staistics -1.724 dan untuk
standar erornya 1.225. Kurtosis untuk variabel statistics tidak
memiliki nilai.
f. Su-35
Tabel 2.6 Hasil pengolahan data Su-35

variabel staistics .016 dan untuk standar erornya .913. Kurtosisuntuk
variabel statistics -2.057 dan standar erornya 2.000
g. Dassaulf Rafle
17
Tabel 2.7 Hasil pengolahan data Dassaulf Rafle

sebesar 24.500. 95% confidence interval for mean lower bound
untuk variabel statistic -215.80 dan upper bound 406.8059. 5%
trimmed mean untuk variabel statistics tidak memiliki nilai. Median
untuk variabel statistic sebesar 95.50. nilai variance untuk variabel
statistic 1.200E3 Standar deviation untuk variabel statistics 34.648.
nilai minimum untuk variabel statistic 71. Nilai maksimumnya 120
dan untuk range 49. Interquartile range untuk variabel statistics tidak
memiliki nilai. Skewness untuk variabel staistics tidak memiliki
nilai dan untuk standar erornya tidak memiliki nilai. Kurtosis untuk
variabel statistics tidak memiliki nilai dan standar erornya tidak
memiliki nilai.
h. Eurofighter Thypoon
Tabel 2.8 Hasil pengolahan data Dassaulf Rafle
18
statistic sebesar 74.00. nilai variance untuk variabel statistic 831.000
Standar deviation untuk variabel statistics 28.827. nilai minimum
untuk variabel statistic 53. Nilai maksimumnya 110.
2.9 Kesimpulan
Kesimpulan untuk studi kasus pada PT Dirgantara Indonesia terkait dengan
pengiriman pesawat tempur dengan beberapa mode yaitu untuk masing-masing
pesawat dapat diketahui berapa niai mean, standar eror, 95% confidence interval
for mean lower dan upper bound, 5% trimmed mean, median, variance, standar
deviation, serta nilai minimum dan maksimum. Diantara kedelapan pesawat nilai
mean tertinggi dengan data yang digunakan sebanyak 120 data dengan nilai mean
untuk variabel statistic 95.50 dan standar eror sebesar 24.500 yaitu pesawat tempur
dengan tipe Dassault Rafle. Untuk nilai mean terendah dengan data yang digunakan
sebanyak 120 data dengan nilai mean untuk variabel statistic 11.00 dan standar eror
sebesar 7.550 yaitu pesawat tempur seri Mig 35.
19
BAB III
STATISTIKA DESKRIPTIVES CROSSTAB
3.1 Latar Belakang

Kepala Quality Control di PT Parfum Asli hendak melakukan pengujian
kualitas terhadap 5 produk parfum yang di produksi kepada 100 konsumen secara
acak tidak berdasarkan umur dan jenis kelamin selama 1 seminggu. Factor-faktor
yang menjadi pertimbangan kualitas parfum yaitu keharuman, daya tahan, harga,
kemasan, dan kesegaran parfum dengan nilai 1 – 100 tentukan hasil survey dan
lakukan analisis terhadap kualitas parfum tersebut.
3.2 Rumusan Masalah

Rumusan masalah dari latar belakang di atas dapat dikemukakan, yakni sebagai
berikut: Bagaimana cara menentukan data statistik dan analisis oleh PT Parfum Asli
dalam pengujian kualitas terhadap 5 produk parfum yang di produksi dan nilai dari
data 100 konsumen secara acak dan menentukan kualitas pada pada 5 produk
parfum.
3.3 Tujuan
Tujuan dari rumusan masalah di atas dapat dikemukakan, yakni sebagai
berikut: Dapat mengetahui data statistic dan analisis sekalian dengan data penguji
kualitas pada 5 pafrum PT Parfum Asli.
3.4 Manfaat
Manfaat dari tujuan di atas dapat dikemukakan, yakni sebagai berikut: PT
Parfum Asli dapat mengetahui pengelompokan kualitas pada 5 parfum dan dapat
mengetahui cara yang tepat dalam mengolah data dan dapat menganalisis
pengolahan data yang tepat untuk di lakukan.
3.5 Literatur
Pengumpulan data sebagai berikut: Pada Buku yang ditulis oleh Okke
Kustiono, FISIP UI, 2010. Menjelaskan penelitian yang berhubungan dengan topik
sesuai dengan materi ini yang dapat membantu merumuskan masalah penelitian
tertentu dan juga dapat membantu dalam beberapa cara lain.
11
0
Tabel 3.1 Pengumpulan Data Literatur
Tingkat
Gender Usia Bidang Keahlian Statu
Pendidika
s
n
Pria 6 S Statistik Menikah
Wanit 38 2 a Belum
a 39 S Analisis Menikah
Wanit 40 2 Terapan Menikah
a Pria 37 S Pend. Menikah
Pria 43 2 Matematika Menikah
Pria 33 S Statistika Belum
Wanit 36 3 Statistika Menikah
a Pria 38 S Aljabar Belum
Wanit 51 3 Analisi Menikah
a 35 S s Menikah
Wanit 37 2 Aljabar Belum
a Pria 39 S Pend. Menikah
Pria 40 1 Matematika Menikah
Pria 42 S Pend. Menikah
Pria 2 Matematika Menikah
Wanit S Terapan Menikah
a 2 Statistika Belum
S Pend. Menikah
3 Matematika Menikah
S Analisis
2
S
1
S
3
S
3
S
2
(Sumber : Modul Pelatihan SPSS 2010)
a. Pengolahan Data
 Pilih Analyze, lalu Statistic Deskriptive kemudian Frekuencies
 Masukan Variable
 Pilih Statistic, Tetapkan parameter pengukuran dan klik Continue
 Klik format, piih Ascending Value klik Continue kemudian Ok
b. Hasil Data
Adapun hasil sebagai berikut:
Tabel 3.1 Hasil Pengolahan Data Literature
11
Crosstab 1
Count
Usia
6 33 35 36 37 38 39 40 42 43 51 Total
Gender Pria 1 0 1 1 2 0 1 2 0 1 0 9
Wanita 0 1 0 0 0 2 1 0 1 0 1 6
Total 1 1 1 1 2 2 2 2 1 1 1 15
(Sumber : Modul Pelatihan SPSS 2010)
11
2
Pada studi kasus satu pada PT Parfum Asli dalam pengujian kualitas terhadap
5 produk parfum yang di produksi dan nilai dari data 100 konsumen secara acak.
Mengunakan Metode pengolahan yang dibuat untuk menyelesaikan masalah studi
kasus ini yaitu dengan metode analisis statistika deskriptif, dimana metode- metode
yang berkaitan dengan pengumpulan dan penyajian suatu data yang dapat menaksir
kualitas dan data berupa jenis variabel, ringkasan statistik.

Tabel 3.3 Data Hasil PT Parfum Asli Dalam Pengujian Kualitas
Terhadap 5 Produk Parfum
Produ Daya Kesegara
Tanggal Konsume k Keharuma Tahan Harga Kemasa n
n Parfu n n Parfum
m
1 januari 1 1 4 3 2 2 3
2021
1 januari 2 3 3 5 5 4 1
2021
1 januari 3 2 5 1 1 5 4
2021
1 januari 4 5 3 3 4 4 4
2021
1 januari 5 4 1 5 5 1 4
2021
1 januari 6 3 1 4 4 3 1
2021
1 januari 7 4 4 3 3 3 1
2021
1 januari 8 4 1 1 5 2 2
2021
1 januari 9 4 5 3 3 5 1
2021
1 januari 10 2 3 4 4 1 1
2021
1 januari 11 2 2 4 3 5 5
2021
1 januari 12 4 5 4 3 2 4
2021
1 januari 13 5 4 2 4 4 5
2021
1 januari 14 5 1 1 2 1 1
2021
1 januari 15 2 4 4 3 2 1
2021
1 januari 16 1 1 5 4 4 2
2021 11
3
2 januari 17 3 1 5 1 3 3
2021
2 januari 18 2 5 3 2 4 1
2021
2 januari 19 5 3 2 4 3 4
2021
2 januari 20 4 2 2 2 3 3
2021
2 januari 21 3 5 4 5 1 3
2021
2 januari 22 1 5 1 2 3 1
2021
2 januari 23 1 5 1 5 3 4
2021
2 januari 24 5 3 5 3 5 4
2021
2 januari 25 2 2 1 5 4 1
2021
11
4
Produ Daya Kesegara
n Parfu n n Parfum
m
2 januari 26 4 3 5 5 4 1
2021
2 januari 27 5 5 2 3 5 2
2021
2 januari 28 3 2 5 5 5 1
2021
2 januari 29 2 4 1 5 4 5
2021
2 januari 30 4 5 5 4 1 5
2021
2 januari 31 1 2 3 4 5 3
2021
2 januari 32 5 1 3 1 4 1
2021
3 januari 33 3 3 1 3 2 1
2021
3 januari 34 3 2 5 2 2 5
2021
3 januari 35 4 3 1 4 3 2
2021
3 januari 36 1 3 3 3 4 4
2021
3 januari 37 2 2 5 5 2 4
2021
3 januari 38 5 2 4 4 4 2
2021
3 januari 39 2 1 1 3 5 2
2021
3 januari 40 1 5 4 3 2 2
2021
3 januari 41 3 1 2 3 5 4
2021
3 januari 42 4 3 4 2 5 3
2021
3 januari 43 4 4 3 4 3 2
2021
3 januari 44 5 5 4 2 2 1
2021
3 januari 45 5 2 3 2 3 2
2021
3 januari 46 2 4 4 5 2 1
2021
3 januari 47 1 5 3 4 2 1
2021
3 januari 48 3 4 2 4 3 5
2021
3 januari 49 1 2 5 4 1 5
2021
4 januari 50 3 4 3 2 3 11
3
5
2021
4 januari 51 4 2 4 5 3 1
2021
4 januari 52 2 2 2 3 5 4
2021
4 januari 53 1 5 3 3 5 1
2021
4 januari 54 3 3 3 2 1 2
2021
4 januari 55 5 2 2 1 2 5
2021
4 januari 56 2 4 1 4 1 1
2021
4 januari 57 5 3 3 4 2 4
2021
4 januari 58 1 4 2 2 5 1
2021
4 januari 59 1 4 4 4 2 2
2021
4 januari 60 2 2 3 2 1 2
2021
4 januari 61 3 2 4 2 2 5
2021
4 januari 62 4 4 3 5 5 3
2021
4 januari 63 5 4 4 4 3 1
2021
4 januari 64 1 5 4 3 4 1
2021
11
6
Produ Daya Kesegara
n Parfu n n Parfum
m
4 januari 65 2 4 1 5 4 3
2021
4 januari 66 5 2 1 4 3 3
2021
5 januari 67 3 4 5 4 4 3
2021
5 januari 68 4 1 4 3 2 5
2021
5 januari 69 1 3 2 1 4 4
2021
5 januari 70 2 3 2 5 1 5
2021
5 januari 71 5 5 1 3 2 5
2021
5 januari 72 1 2 4 2 5 5
2021
5 januari 73 2 3 5 2 1 1
2021
5 januari 74 3 4 4 4 2 4
2021
5 januari 75 4 1 5 4 1 2
2021
5 januari 76 4 2 2 5 4 2
2021
5 januari 77 2 3 4 4 2 2
2021
5 januari 78 5 2 3 3 5 3
2021
5 januari 79 1 5 3 3 2 4
2021
5 januari 80 5 1 2 5 1 2
2021
5 januari 81 3 1 4 4 1 4
2021
5 januari 82 4 4 3 5 2 1
2021
5 januari 83 3 5 5 3 2 2
2021
6 januari 84 1 1 5 5 5 1
2021
6 januari 85 1 3 4 1 1 3
2021
6 januari 86 3 3 5 5 3 2
2021
6 januari 87 5 1 3 5 4 5
2021
6 januari 88 4 2 1 5 2 2
2021
6 januari 89 2 4 1 2 2 11
3
7
2021
6 januari 90 2 1 2 3 3 2
2021
6 januari 91 3 5 5 1 3 5
2021
6 januari 92 1 5 1 1 3 4
2021
6 januari 93 5 1 2 3 1 5
2021
6 januari 94 2 2 4 3 3 1
2021
6 januari 95 3 3 4 4 1 3
2021
6 januari 96 4 3 2 1 2 4
2021
6 januari 97 4 5 3 5 2 4
2021
6 januari 98 3 1 4 5 3 1
2021
6 januari 99 1 3 5 5 5 3
2021
6 januari 100 5 2 3 1 5 1
2021
11
8
11
9
12
0
*Keterangan penilaian kualitas produk PT Parfum Oringinal dan variablel value
VARIABEL VALUE KUALITAS

PENILAIAAN KUALIT NILA
AS I
81 - 100 A 1
61 - 80 B 2
41 - 60 C 3
21 - 40 D 4
10 - 20 E 5
(Sumber: Olah data 2021)
3.8 Pengolahan
Data
1.8.1 Data Entry
Data yang digunakan dalam melakukan pengolahan data pada analisis
Crosstabs ini adalah data PT Parfum Asli dalam pengujian kualitas terhadap 5
produk parfum yang di produksi dan nilai dari data 100 konsumen secara acak.
Variabel yang digunakan dalam analisis adalah keharuman, daya tahan,
harga, kemasan, dan kesegaran parfum, masing-masing variabel memiliki
value yaitu: 1 = nilai 81 - 100 kualitas A, 2 = nilai 61 - 80 kualitas B, 3 = 41 -
60 kualitas C, 4 = nilai 21 - 60 kualitas D dan 5 = 10 - 20 kualitas E.
Dari data tersebut kemudian dilakukan pengolahan dengan langkah-
langkah sebagai berikut:
Gambar 3.1 Variabel Pada Variable View

12
1
b. Ubah data pada kolom Value yang ada di Variable View sesuai
dengan nilai dari variabel yang telah ditentukan
Gambar 3.2 Kotak Dialog Value 1 Pada Variabel Produk

c. Klik analyze pilih descriptive statistic selanjutnya pilih crosstabs,

kemudian akan muncul kotak dialog crosstabs

d. Input variabel produk parfum kedalam kotak row dan inputkan

variabel keharuman, daya tahan, harga, kemasan, dan kesegaran
parfum ke kotak column.
12
2
Gambar 3.4 Kotak Dialog Crosstabs
e. Pilih statistic, maka kotak dialog crosstabs statistic muncul, beri

tanda centang pada chi-square, pilih continue dan klik ok.
Gambar 3.5 Kotak Dialog Crosstabs Statistic

12
3
3.9 Hasil Pengolahan
Adapun hasil dari pengolahan sebagai berikut:
a. Crosstabs untuk kualitas keharuman pada produk parfum
Gambar 3.6 Hasil Pengolahan Crosstabs kualitas keharuman dan Hasil Pengolahan
Chi-Square kualitas keharuman
b. Crosstabs untuk kualitas daya tahan pada produk parfum
Gambar 3.7 Hasil Pengolahan Crosstabs kualitas daya tahan dan Hasil Pengolahan
Chi-Square kualitas daya tahan
12
4
c. Crosstabs untuk kualitas harga pada produk parfum
Gambar 3.8 Hasil Pengolahan Crosstabs kualitas harga dan Hasil Pengolahan Chi-
Square kualitas harga
d. Crosstabs untuk kualitas kemasan pada produk parfum
Gambar 3.9 Hasil Pengolahan Crosstabs kualitas kemasan dan Hasil Pengolahan
Chi-Square kualitas kemasan
12
5
e. Crosstabs untuk kualitas kesegaran parfum pada produk parfum
Gambar 3.10 Hasil Pengolahan Crosstabs kualitas kesegaran parfum dan Hasil
Pengolahan Chi-Square kualitas kesegaran parfum

Adapun analisis Hasil Pengolahan data sebagai berikut:
a. Kualitas keharuman pada produk parfum
Dari hasil data di atas menunjukkan bahwa kualitas keharuman pada
produk parfum AXE memiliki kualitas keharuman A sebesar 2, kualitas
keharuman B sebesar 3, kualitas keharuman C sebesar 4, kualitas keharuman
D sebesar 3, kualitas keharuman E sebesar 8. Kemudian untuk produk parfum
GATSBY memiliki kualitas keharuman A sebesar 2, kualitas keharuman B
sebesar 6, kualitas keharuman C sebesar 4, kualitas keharuman D sebesar 6,
kualitas keharuman E sebesar 2. Dan selanjutnya untuk produk parfum
CASABLANCA memiliki kualitas keharuman A sebesar 5, kualitas
keharuman B sebesar 3, kualitas keharuman C sebesar 5, kualitas keharuman
D sebesar 4, kualitas keharuman E sebesar 3. Dan untuk produk parfum
BELLAGIO memiliki kualitas keharuman A sebesar 4, kualitas keharuman B
sebesar 4, kualitas keharuman C sebesar 4, kualitas keharuman D sebesar
12
6
4, kualitas keharuman E sebesar 4. Lalu untuk produk parfum REXONA
memiliki kualitas keharuman A sebesar 5, kualitas keharuman B sebesar 6,
kualitas keharuman C sebesar 4, kualitas keharuman D sebesar 2, kualitas
keharuman E sebesar 3.
b. Kualitas daya tahan pada produk parfum

Dari hasil data di atas menunjukkan bahwa kualitas daya tahan pada
produk parfum AXE dengan kualitas daya tahan A sebesar 3, kualitas daya
tahan B sebesar 2, kualitas daya tahan C sebesar 6, kualitas daya tahan D
sebesar 5, kualitas daya tahan E sebesar 4. Lalu untuk produk parfum
GATSBY dengan kualitas daya tahan A sebesar 7, kualitas daya tahan B
sebesar 3, kualitas daya tahan C sebesar 2, kualitas daya tahan D sebesar 6,
kualitas daya tahan E sebesar 2. Selanjutnya untuk produk parfum
CASABLANCA dengan kualitas daya tahan A sebesar 1, kualitas daya tahan
B sebesar 2, kualitas daya tahan C sebesar 2, kualitas daya tahan D sebesar 7,
kualitas daya tahan E sebesar 8. Lalu pada produk parfum BELLAGIO
dengan kualitas daya tahan A sebesar 3, kualitas daya tahan B sebesar 3,
kualitas daya tahan C sebesar 6, kualitas daya tahan D sebesar 4, kualitas daya
tahan E sebesar 4. Dan yang terakhir pada produk parfum REXONA dengan
kualitas daya tahan A sebesar 3, kualitas daya tahan B sebesar 6, kualitas daya
tahan C sebesar 7, kualitas daya tahan D sebesar 3, kualitas daya tahan E
sebesar 1.
c. Kualitas harga pada produk parfum

Dari hasil data di atas menunjukkan bahwa kualitas harga pada produk
parfum AXE memiliki kualitas harga A sebesar 3, kualitas harga B sebesar 4,
kualitas harga C sebesar 5, kualitas harga D sebesar 5, kualitas harga E
sebesar 3. Kemudian untuk produk parfum GATSBY memiliki kualitas harga
A sebesar 1, kualitas harga B sebesar 4, kualitas harga C sebesar 6, kualitas
keharuman D sebesar 3, kualitas keharuman E sebesar 6. Dan selanjutnya
untuk produk parfum CASABLANCA memiliki kualitas harga A sebesar 2,
kualitas harga B sebesar 4, kualitas harga C sebesar 3, kualitas harga D
sebesar 6, kualitas harga E sebesar 5. Dan untuk produk parfum BELLAGIO
memiliki kualitas
12
7
harga A sebesar 1, kualitas harga B sebesar 2, kualitas harga C sebesar 4,
kualitas harga D sebesar 4, kualitas harga E sebesar 9. Lalu untuk produk
parfum REXONA memiliki kualitas harga A sebesar 3, kualitas harga B
sebesar 3, kualitas harga C sebesar 5, kualitas harga D sebesar 7, kualitas
harga E sebesar 2.
d. Kualitas kemasan pada produk parfum

Dari hasil data di atas menunjukkan bahwa kualitas kemasan pada produk
parfum AXE memiliki kualitas kemasan A sebesar 2, kualitas kemasan B
sebesar 5, kualitas kemasan C sebesar 3, kualitas kemasan D sebesar 4,
kualitas kemasan E sebesar 6. Lalu untuk produk parfum GATSBY memiliki
kualitas kemasan A sebesar 5, kualitas kemasan B sebesar 5, kualitas kemasan
C sebesar 2, kualitas kemasan D sebesar 4, kualitas kemasan E sebesar 4.
produk parfum CASABLANCA memiliki kualitas kemasan A sebesar 4,
kualitas kemasan B sebesar 5, kualitas kemasan C sebesar 7, kualitas kemasan
D sebesar 2, kualitas kemasan E sebesar 2. Produk parfum BELLAGIO
memiliki kualitas kemasan A sebesar 3, kualitas kemasan B sebesar 7, kualitas
kemasan C sebesar 5, kualitas kemasan D sebesar 2, kualitas kemasan E
sebesar 3. Produk parfum REXONA memiliki kualitas kemasan A sebesar 3,
kualitas kemasan B sebesar 4, kualitas kemasan C sebesar 4, kualitas kemasan
D sebesar 5, kualitas kemasan E sebesar 4.
e. Kualitas kesegaran parfum pada produk parfum

Dari hasil data di atas menunjukkan bahwa kualitas kesegaran pada produk
parfum AXE memiliki kualitas kesegaran A sebesar 6, kualitas kesegaran B
sebesar 3, kualitas kesegaran C sebesar 4, kualitas kesegaran D sebesar 5,
kualitas kesegaran E sebesar 2. Selanjutnya pada produk parfum GATSBY
memiliki kualitas kesegaran A sebesar 8, kualitas kesegaran B sebesar 4,
kualitas kesegaran C sebesar 2, kualitas kesegaran D sebesar 3, kualitas
kesegaran E sebesar 3. Pada produk parfum CASABLANCA memiliki
kualitas kesegaran A sebesar 5, kualitas kesegaran B sebesar 3, kualitas
kesegaran C sebesar 5, kualitas kesegaran D sebesar 3, kualitas kesegaran E
sebesar 4. Pada produk parfum
12
8
BELLAGIO memiliki kualitas kesegaran A sebesar 5, kualitas kesegaran B
sebesar 6, kualitas kesegaran C sebesar 3, kualitas kesegaran D sebesar 4,
kualitas kesegaran E sebesar 2. Pada produk parfum REXONA memiliki
kualitas kesegaran A sebesar 5, kualitas kesegaran B sebesar 4, kualitas
kesegaran C sebesar 2, kualitas kesegaran D sebesar 4, kualitas kesegaran E
sebesar 5.
3.11 Kesimpulan
Berdasarkan pengolahan data yang dilakukan dan perbandingan dengan
literatur diperoleh beberapa kesimpulan yaitu:
1. Dari hasil tersebut kita dapat melihat data-data kualitas parfum pada
tingkat keharuman, daya tahan, harga, kemasan, dan kesegaran parfum
dengan menggunakan software PASW lebih mudah untuk melihat tingkat
kepuasan kualitas dari penilaian konsumen.
2. Hasil penilaian dari kualitas keharuman pada produk parfum AXE
memiliki kualitas keharuman B sebesar 3, Kemudian untuk produk parfum
GATSBY memiliki kualitas keharuman E sebesar 2, selanjutnya untuk
produk parfum CASABLANCA memiliki kualitas keharuman D sebesar
4, dan untuk produk parfum BELLAGIO memiliki kualitas keharuman C
sebesar 4 diliat dari penilaian konsumen terhadap kualitas parfum, lalu
untuk produk parfum REXONA memiliki kualitas keharuman C sebesar
2.
3. Hasil penilaian dari kualitas daya tahan pada produk parfum AXE dengan
kualitas daya tahan D sebesar 5, Lalu untuk produk parfum GATSBY
dengan kualitas daya tahan D sebesar 6, selanjutnya untuk produk parfum
CASABLANCA dengan kualitas daya tahan E sebesar 8, lalu pada produk
parfum BELLAGIO dengan kualitas daya tahan A sebesar 3, dan yang
terakhir pada produk parfum REXONA dengan kualitas daya tahan A
sebesar 3.
4. Hasil penilaian dari kualitas harga pada produk parfum AXE memiliki
kualitas kualitas harga D sebesar 5, Kemudian untuk produk parfum
GATSBY memiliki kualitas harga C sebesar 6, dan selanjutnya untuk
produk parfum CASABLANCA memiliki kualitas harga C sebesar 3, dan
untuk produk parfum BELLAGIO memiliki kualitas harga C sebesar 4, lalu
12
untuk produk parfum REXONA memiliki kualitas harga C sebesar 5. 9
5. Hasil penilaian dari kualitas kemasan pada produk parfum AXE memiliki
kualitas kemasan B sebesar 5, lalu untuk produk parfum GATSBY
memiliki, kualitas kemasan B sebesar 5, produk parfum CASABLANCA
memiliki kualitas kemasan C sebesar 7, produk parfum BELLAGIO
memiliki kualitas kemasan E sebesar 3, produk parfum REXONA
memiliki kualitas kemasan A sebesar 3.
6. Hasil penilaian dari kualitas kesegaran pada produk parfum AXE memiliki
kualitas kesegaran A sebesar 6, selanjutnya pada produk parfum GATSBY
memiliki kualitas kesegaran A sebesar 8, pada produk parfum
CASABLANCA memiliki kualitas kesegaran A sebesar 5, pada produk
parfum BELLAGIO memiliki kualitas kesegaran A sebesar 5, pada produk
parfum REXONA memiliki kualitas kesegaran C sebesar 2.
7. Dari data yang kita analisis kita dapat menyimpulkan bahwa data yang
masuk memberikan hasil yang dapat meningkatkan kualitas dari masing-
masing produk parfum yang di produksi PT Parfum Asli. Lalu dapat
disimpulkan pula bahwa produk parfum REXONA memiliki tingkat
keharuman yang lebih baik daripada ke4 produk lainnya, untuk produk
parfum GATSBY meiliki daya tahan yang lebih baik daripada ke4 produk
lainnya, untuk produk parfum AXE memiliki harga yang sedikit lebih
terjangkau daripada ke4 produk lainnya, lalu produk parfum GATSBY
memiliki kemasan yang lebih menarik daripada ke4 produk lainnya, dan
produk parfum GATSBY juga memiliki tingkat kesegeran yang lebih baik
dari pada ke4 produk parfum lainnya.
13
0
Daftar Pustaka
Kustiono, Okke, (2010), FISIP UI

Ruhimat, Mamat., dan Waluya Bagja 2008, Panduan Praktek Aplikasi Praktis SPSS For
Windows Dalam Statistika, Jakarta: Universita Pendidikan Indonesia.
Setiafindari, Widya, 2018 ,Modul Praktikum Statistika Industri 2, Program Studi Teknik
Industri, Fakultas Sains dan Teknologi, Universitas Tekn
2
BAB IV
STATISTIK DESKRIPTIVE UJI NORMALITAS DAN
KESERAGAMANDATA
4.1 Latar Belakang
Perkembangan lagu dan musik saat ini telah menyebar secara luas sehinggal dikenal
banyak kalangan tidak mengenal batasan usia dan jenis kelamin. Personal Manajer industri
musik ingin melakukan penelitian dengan penarikan terhadap 50 kuesioner ketertarikan jenis
lagu dan musik di Benua Asia untuk mengetahui apa saja digemari saat ini diseluruh kalangan
agar dapat menciptakan lagu dengan musik yang dapat diterima dan digemari.
4.2 Rumusan Masalah

Berdasarkan Studi kasus tersebut kami dapat menyimpulkan rumusan masalah sebagai
berikut:
1. Bagaimana uji normalitas dan uji keseragaman dalam data kuesioner 50 orang terhadap
kegemaran musik di Asia ?
2. Bagaimana hasil analisis kegemaran 50 orang terhadap kegemaran musik di Asia?
4.3 Tujuan
Tujuan dari rumusan masalah diatas dapat dikemukakan yakni sebagai berikut:
1. Mendapatkan data yang teruji normalitas dan keseragamannya tentang kegemaran
musik di Asia pada semua kalangan
2. Mengetahui kegemaran jenis musik di Asia oleh semua kalangan
4.4 Manfaat
1. Menyiptakan lagu yang digemari oleh semua kalangan dari data kegemaran jenis
musik di Asia yang telah di olah dan analisis normalitas dan keseragamannya.
4.5 Literatur
Langkah – langkah :
a. Isikan Data Variable, lalu buka Data View
Gambar 2.1 Variable View Literatur

(Sumber : Advernesia, 2019)
3
b. Input data
Gambar 2.2 Data View Input Literatur

c. Menu Analyze Descriptive Statistic Explore

d. Masukkan variabel nilai ujian pada Dependent List dengan klik tanda panah dan jenis
kelamin pada Factor List yang dilakukan pengujian normalitas pada jendela Explore
Seperti tampak dilayar :
4
Gambar 2.4 Jendela Explore Literatur
e. Klik Plots pada jendel Explore dan centang Normality plot with tests, kemudian
Power estimation yang terdapat pada ruang Spread vs Level with Levene Test.

f. Klik Countinue lalu klik OK

g. Hasil Pengujian ditampilkan pada jendela Output
5
h. Lihat table Test of Normality untuk melihat apakah data normal atau tidak dengan
syarat berikut.
 Nilai signifikansi (p) pada uji kolmogorov-smirnov harus lebih dari 0,05 ( p >
0.05), sehingga berdasarkan uji normalitas kolomogorov-smirnov data
berdistribusi normal.
 Nilai signifikansi (p) pada uji shapiro-wilk adalah 0.853 ( p > 0.05), sehingga
berdasarkan uji normalitas shapiro-wilk data berdistribusi normal.
Gambar 2.6 Tabel Test of Normality Literatur

i. Dari hasil tabel Descriptive Statistics dilakukan analisis uji keseragaman data dengan
menggunakan hasil minimum, maximum dan range
 Variabel nilai ujian masih berada dalam range maka dapat diketahui bahwa data
adalah seragam
Dasar Pengambilan Keputusan dalam Uji Normalitas

1. Jika nilai signifikansi (Sig.) lebih besar dari 0,05 maka data penelitian
2. Sebaliknya, jika nilai signifikansi (Sig.) lebih kecil dari 0,05 maka data penelitian
tidak berdistribusi normal.

Sekedar mengingatkan bahwa setelah kita mampu mempraktekkan uji validitas
product moment dan uji reliabilitas alpha cronbach’s terhadap angket atau kuesioner
penelitian, kini saatnya kita berlatih lagi ketingkatan uji persyaratan atau uji asumsi analisis
data yakni uji normalitas.
6
Jika dilihat dari kata dasarnya “normal” pasti anda sudah mempunyai gambaran
seperti apakah kegunaan uji normalitas itu? Ya benar sekali, uji normalitas bertujuan untuk
menguji apakah data yang digunakan dalam penelitian berdistribusi yang normal atau tidak.
Gambar 2.7 Tabel Kolmogorov-Sminov Test

( Sumber : Advernesia, 2019)
Uji normalitas merupakan salah satu bagian dari uji persyaratan analisis data atau
uji asumsi klasik, artinya sebelum kita melakukan analisis statistik untuk uji hipotesis
dalam hal ini adalah analisis regresi, maka data penelitian tersebut harus di uji kernormalan
distribusinya. Tentunya kita juga sudah tahu, kalau data yang baik itu adalah data yang
Dasar Pengambilan Keputusan dalam Uji Normalitas K-S

1. Jika nilai signifikansi (Sig.) lebih besar dari 0,05 maka data penelitian berdistribusi
normal.
2. Sebaliknya, jika nilai signifikansi (Sig.) lebih kecil dari 0,05 maka data penelitian
tidak berdistribusi normal.
7
Data ini merupakan data yang diambil dari kuesioner kegemaranjenis music dan lagu
orang Asia pada semua kalangan. Data yang dikumpulkan ditampilkan dalam tabel Tabel 2.1.
Umur Genre Musik Responden
1 = 18 -23 1 = Pop 1 = Laki – Laki
2 = 24 -30 2 = Rock 2 = Perempuan
3 = Indie
4 = Jazz
5 = Raggae
6 = Blues
Tabel 2.1 Data kegemaran Jenis lagu dan Musik
Kode Nama Responden Umur Genre

Responden Musik
1 Garin 1 3
2 Nilam 1 1
3 Nisa 2 4
4 Yulia 1 1
5 Bayu 1 3
6 Anat 1 3
7 Lukas 1 2
8 Dony 1 1
9 Genta 2 3
10 Rahayu 1 1
11 Novi 1 1
12 Twindy 2 4
13 Chaka 2 4
14 Irfan 1 5
15 Henry 1 6
16 Topik 2 6
17 Lutfi 1 5
18 Ana 2 3
19 Suar 2 1
20 Afif 1 2
21 Indah 1 3
22 Riska 1 1
23 Kina 1 3
24 Virgy 2 4
8
25 Arif 2 2
26 Novita 1 1
27 Kubil 1 1
28 Bila 1 1
29 Karen 1 5
30 Reza 1 5
31 Alfi 1 3
32 Binta 1 2
33 Banu 1 4
34 Mae 1 4
35 Linda 1 4
36 Giri 1 3
37 Mukthar 1 1
38 Listya 1 1
39 Mutia 1 3
40 Daffa 1 1
41 Lisdiana 2 4
42 Cece 1 3
43 Rangga 1 1
44 Sari 1 1
45 Hilda 2 3
46 Budi 1 1
47 Manda 1 3
48 Embe 1 2
49 Jose 2 1
50 Nur 1 1
51 Hasbi 1 3
52 Lisa 1 3
53 Dea 1 3
9
4.8 Pengolahan Data
Langkah-langkah Uji Normalitas dan Keseragaman Data dengan SPSS

1. Buka program SPSS, klik Variable View, lalu lakukan input seperti gambar dibawah
Gambar 2.8 Variable View

(Sumber : Olah Data, 2021)
2. Pada variabel Jenis_Lagu input Value seperti berikut
Gambar 2.9 Value Jenis Lagu

10
Dan pada variabel Jenis_Musik input value seperti berikut :
Gambar 2.10 Value Jenis Musik

( Sumber : Olah Data, 2021)
3. Buka data view, lalu masukkan hasil survey seperti pada gambar
Gambar 2.11 Data View

11
4. Menu Analyze Descriptive Statistic Explore
Gambar 2.12 Langkah-langkah analisis Explore SPSS

5. Masukkan variabel ke kotak Dependent List dan Factor List seperti yang dilakukan
pengujian normalitas pada jendela Explore dibawah ini.
Gambar 2.13 Variabel Dependent List dan Factor List

6. Klik Plots dan centang Normality plots with test dan lingkari power estimation
seperti terlihat di bawah ini.
12
Gambar 2.13 Jendela Plots Explore
7. Klik Countinue lalu klik OK

j. Hasil Pengujian ditampilkan pada jendela Output
4.9 Hasil Pengolahan Data

Adapun hasil pengolahan data sebagai berikut.
Uji Keseragaman data

Descriptive Statistics
N Range Minimum Maximum Mean Std. Deviation
Umur 53 1 1 2 1.23 .423

Genre_Musik 53 5 1 6 2.64 1.469
Valid N (listwise) 53
13
Tabel 2.5 Uji Normalitas Jenis Musik
Tests of Normalityb,c,d
Genre_Musik Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Responden POP .523 18 .000 .373 18 .000
dimension1
INDIE .366 16 .000 .638 16 .000
JAZZ .391 8 .001 .641 8 .000
a. Lilliefors Significance Correction

b. Responden is constant when Genre_Musik = ROCK. It has been omitted.
c. Responden is constant when Genre_Musik = REGGAE. It has been omitted.
d. Responden is constant when Genre_Musik = BLUES. It has been omitted.
Tabel 2.6 Responden
Test of Homogeneity of Variancea,b,c
Levene Statistic df1 df2 Sig.
Responden Based on Mean 13.204 2 39 .000
Based on Median 2.521 2 39 .093
Based on Median and with 2.521 2 33.462 .096

adjusted df
Based on trimmed mean 13.204 2 39 .000
a. Responden is constant when Genre_Musik = ROCK. It has been omitted.

b. Responden is constant when Genre_Musik = REGGAE. It has been omitted.
c. Responden is constant when Genre_Musik = BLUES. It has been omitted.
(Sumber: Olah Data, 2021)

Dari hasil pengolahan data di atas untuk jenis lagu yg paling banyak di minati responden
yaitu Indie dengan std error 0.128, dengan rata-rata 54,12, dengan tingkat kepercayaan 95%
batas atas 67,64, dan batas bawah 40,60, dan 5% trimmed mean 54,58, dengan nilai tengah
61,00, dengan standard deviasi 32,748, dengan nilai minimum 1 dan maksimum 6, dan range
14
96, interquartile range 65, skewness -0,154, dan kurtosis -1,533
Untuk menyatakan data telah normal maka nilai signifikansi (p) pada uji kolmogorov-
smirnov harus lebih dari 0,05 ( p > 0.05). Dengan melihat data nilai signifikansi (p) atau Sig.
jenis lagu dan juga jenis musik pada tabel Test of Normality yang berada diatas 0,05, sehingga
berdasarkan uji normalitas kolomogorov-smirnov dan shapiro-wilk data berdistribusi normal.
Untuk menyatakan data telah seragam maka nilai signifikansi (p) harus lebih dari 0,05
( p > 0.05). Dengan melihat data nilai signifikansi (p) atau Sig. Responden dan juga Genre
musik pada tabel Test of Homogenity Variance yang berada dibawah 0,05, sehingga
berdasarkan data teidak seragam.
15
4.11 Kesimpulan
Dari hasil analisis diatas kita dapat melihat kegemaran orang di Benua Asia dan dari
100 responden kita lebih minat atau menyukai jenis lagu oriental terhadap jenis musik dan
jenis lagu menggunakan software PASW dengan metode uji normalitas dan juga uji
keseragaman agar dapat menghasilkan data yang valid sehingga dapat dijadikan acuan
untuk memproduksi lagu yang akan digemari semua kalangan.
16
DAFTAR PUSTAKA
Advernesia, Cara Uji Normalitas SPSS Shapiro Wilk dan Kolmogorov Smirnov, Belajar
Online Gratis (MKI), dilihat pada 8 Februari 2020,
https://www.advernesia.com/blog/spss/cara-uji-normalitas-spss-shapiro-wilk-dan-
kolmogorov-smirnov/
Setiafindari, Widya., 2018, Modul Praktikum Statistika Industri 2, Yogyakarta: PT

MUDAYA MULTI DAYA SETYA
17
Lampiran
Lampirkan SC dari hasil Surfey
BAB V
2
BAB V
STATISTIK DESKRIPTIVE RELIABILITAS DAN
VALIDITAS
5.1 Latar Belakang
Seorang manager perusahanaan hendak melakukan penilaian rutin terhadap karyawan
berdasarkan hasil penilaian terhadap karyawan lain . penilaian dilakukan pada 100 orang dalam waktu
2 bulan, 1 Februari – 1 April 2021 dengan nilai Tidak Cukup, Cukup, Sangat Baik. Aspek penilaian
kerja seperti keuletan, keramahan, ketelitian, ketelatenan, tepat waktu, tanggung jawab, dan
kedisiplinan, terhadap pekerjaannya di bagian produksi.
5.2 Rumusan Masalah

Rumusan masalah dari latar belakang di atas adalah bagaimana hasil penilaian rutin yang
dilakukan terhadap 100 karyawan dalam kurun waktu 2 bulan, 1 Februari – 1 April 2021, terhadap
produktivitas pekerja dengan aspek penilaian seperti keuletan, ketelitian, ketelatenan, tepat waktu,
tanggung jawab, dan kedisiplinan terhadap pekerja di bagian produksi ?
5.3 Tujuan
Tujuan dari penulisan laporan ini adalah untuk mengetahui tingkat keuletan, ketelitian,
ketelatenan, tepat waktu, tanggung jawab, dan kedisiplinan pekerja melalui penilaian rutin
terhadap 100 pekerja dalam kurun waktu 2 bulan, 1 Februari – 1 April 2021
5.4 Manfaat
Manfaat dari tujuan diatas adalah perusahaan dapat mengetahui tingkat keuletan, ketelitian,
ketelatenan, tepat waktu, tanggung jawab, dan kedisiplinan pekerja yang berpengaruh pada
produktivitas perusahaan.
5.5 Literatur
1. Berapa kali sebaiknya sikat gigi dalam satu hari :
a. 2 kali
b. 1 kali
c. Kadang-kadang
3
2. Kapan waktu yang tepat dalam menggosok gigi :
a. Setelah sarapan pagi dan sebelum tidur malam
4
b. Saat mandi pagi dan sore
c. Kapan saja jika diperlukan
3. Jenis makanan apa yang dapat membantu membersihkan gigi :
a. Buah dan sayur
b. Nasi dan ikan
c. Coklat dan sirup Dan sebagainya.
Pertanyaan-pertanyaan tersebut diberikan kepada sekelompok responden sebagai
sarana uji coba. Kemudian kuisioner tersebut diberi skor atau nilai jawaban
dengan sistem penilaian yang telah ditetapkan, misalnya :
a. 2 untuk jawaban paling benar
b. 1 untuk jawaban mendekati benar
c. 0 untuk jawaban salah
Selanjutnya uji validitas dapat menggunakan program komputer (SPSS).
Langkah-langkah uji validitas dengan program SPSS.
a. Distribusi skor tiap-tiap pertanyaan dengan skor total
Tabel 5.1 Hasil Kuesioner Literatur

Responden Nomor pertanyaan Total
1 2 3 4 5 6 7 8 9 10
A 1 1 1 2 1 2 1 2 1 1 13
B 2 2 2 2 1 2 2 2 2 2 19
C 1 1 1 1 0 1 0 1 1 1 8
D 2 2 2 2 2 2 2 2 2 2 20
E 1 2 0 1 0 2 0 1 1 1 9
F 0 1 0 1 0 0 0 1 1 0 4
G 1 1 1 1 0 1 1 1 1 1 9
H 2 2 2 2 2 2 2 2 2 2 20
I 1 0 1 1 1 0 1 1 0 0 6
J 2 1 2 2 1 2 1 2 1 1 15
(Sumber : Uji Validitas Dan Reliabilitas Dalam Penelitian Epidemiologi

Kedokteran Gigi. Jurnal Stomatognatic, 2017)
5
b. Masukkan ke program SPSS
Gambar 5.1 Input Data Literatur

c. Pilih Analyze dari menu utama, lalu pilih Correlate. Pilih Bivariate
seperti tampak pada layar berikut :
Gambar 5.2 Analyze Correlate Literatur
6
d. Masukkan nama “no1, no2, no3” sampai nama “total” ke dalam

kolom variabel dengan cara blok semua nama kemudian klik anak
panah ke kanan seperti pada gambar berikut :
Gambar 5.3 Input Variables Bivariate Correlations

e. Setelah semua nama masuk ke kolom Variables, pada kolom

Correlation Coefficients, centang Pearson. Abaikan yang
lainnya. Klik OK
7
Gambar 5.4 Peason Bivariate Correlations
(Sumber : Uji Validitas Dan Reliabilitas Dalam Penelitian Epidemiologo
f. Hasil output seperti di bawah ini :
Tabel 5.2 Correlations
no1 no no no no no no no no no1 total

2 3 4 5 6 7 8 9 0
no1 Pearson 1 .512 .918** .781** .751 .742* .806** .781** .6 .825** .914**
* 2
Correlation
5
Sig. (2- .130 .0 .0 .0 .0 .0 .0 .0 .0 .000
0 0 1 1 0 0 5 0
tailed)
0 8 2 4 5 8 3 3
N 10 10 10 10 10 10 10 10 10 10 10
no2 Pearson .5 1 .2 .4 .3 .742* .4 .4 .885** .825** .693*
1 9 6 3 0 6
Correlation
2 2 9 4 3 9
Sig. (2- .1 .4 .1 .3 .0 .2 .1 .0 .0 .026
3 1 7 4 1 4 7 0 0
tailed)
0 3 2 6 4 8 2 1 3
N 10 10 10 10 10 10 10 10 10 10 10
8
no3 Pearson .918** .292 1 .802** .786** .53 .863** .802** .57 .72 .860**
9
Correlation 5 9 5*
Sig. (2- .0 .413 .0 .0 .1 .0 .0 .0 .0 .001
0 0 0 1 0 0 7 1
tailed)
0 5 7 1 1 5 9 8
10
N 10 10 10 10 10 10 10 10 10 10
no4 Pearson .781** .469 .802** 1 .802** .750* .775**1.000* .6 .7 .901**
6 1
Correlation *
7* 4*
Sig. (2- .0 .172 .0 .0 .0 .0 .0 .0 .0 .000
0 0 0 1 0 0 3 2
tailed)
8 5 5 2 9 0 5 0
N 10 10 10 10 10 10 10 10 10 10 10
no5 Pearson .7 .334 .786** .802** 1 .4 .863** .802** .5 .6 .817**
5 6 3 1
Correlation
1* 8 5 1
Sig. (2- .0 .346 .0 .0 .1 .0 .0 .1 .0 .004
1 0 0 7 0 0 1 6
tailed)
2 7 5 3 1 5 1 1
N 10 10 10 10 10 10 10 10 10 10 10
no6 Pearson .7 .742 .5 .750* .4 1 .4 .7 .6 .821** .813**
4 * 3 6 8 5 6
Correlation
2* 5 8 4 0* 7*
Sig. (2- .0 .014 .1 .0 .1 .1 .0 .0 .0 .004
1 1 1 7 5 1 3 0
tailed)
4 1 2 3 6 2 5 4
N 10 10 10 10 10 10 10 10 10 10 10
no7 Pearson .806** .403 .863** .775** .863** .4 1 .775** .6 .7 .867**
8 4 3
Correlation
4 5* 8*
Sig. (2- .0 .248 .0 .0 .0 .1 .0 .0 .0 .001
0 0 0 0 5 0 4 1
tailed)
5 1 9 1 6 9 4 5
N 10 10 10 10 10 10 10 10 10 10 10
no8 Pearson .781** .469 .802**1.000*.802** .750* .775** 1 .6 .7 .901**
6 1
Correlation *
7* 4*
10
Sig. (2- .0 .172 .0 .0 .0 .0 .0 .0 .0 .000
0 0 0 0 1 0 3 2
tailed)
8 5 0 5 2 9 5 0
N 10 10 10 10 10 10 10 10 10 10 10
no9 Pearson .62 .885** .57 .667* .53 .667* .645 .66 1 .905** .837**
*
11
Correlatio 5 9 5 7*
n
Sig. (2- .0 .001 .0 .0 .1 .0 .0 .0 .0 .003
5 7 3 1 3 4 3 0
tailed)
3 9 5 1 5 4 5 10 0
N 10 10 10 10 10 10 10 10 10 10
no10 Pearson .825** .825** .725* .714* .611 .821** .738* .714* .905** 1 .927**
Correlati .00 .00 .018 .020 .061 .004 .015 .020 .000 .000
o n Sig. 3 3
10 10 10 10 10 10 10 10 10
(2- 10 10
tailed)
N
totalPearson .914** .693* .860** .901** .817**.813** .867** .901** .837** .927** 1
Correlation
Sig. (2- .0 .026 .0 .0 .0 .0 .0 .0 .0 .0
0 0 0 0 0 0 0 0 0
tailed)
0 1 0 4 4 1 0 3 0
N 10 10 10 10 10 10 10 10 10 10 10
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).

Nilai probabilitas (Sig. 2 tailed) hasil korelasi masing-masing skor dengan skor total
harus lebih kecil dari α(0.05). Jika sebaliknya,maka pertanyaan kuisioner tersebut tidak valid
sehingga pertanyaan tersebut bisa diperbaiki atau dihilangkan.
Langkah-langkah uji reliabilitas dengan program SPSS

a. Distribusi skor tiap-tiap pertanyaan
Tabel 5.3 Skor Pertanyaan
Responden Nomor
pertanyaan
1 2 3 4 5 6 7 8 9 10
A 1 1 1 2 1 2 1 2 1 1
12
B 2 2 2 2 1 2 2 2 2 2
C 1 1 1 1 0 1 0 1 1 1
13
D 2 2 2 2 2 2 2 2 2 2
E 1 2 0 1 0 2 0 1 1 1
F 0 1 0 1 0 0 0 1 1 0
G 1 1 1 1 0 1 1 1 1 1
H 2 2 2 2 2 2 2 2 2 2
I 1 0 1 1 1 0 1 1 0 0
J 2 1 2 2 1 2 1 2 1 1

b. Masukkan ke program SPSS
Gambar 5.5 Analyze Correlate Literatur

14
c. Pilih Analyze dari menu utama, lalu pilih Correlate. Pilih Bivariate
seperti tampak pada layar berikut :
Gambar 5.6 Analyze Reability Literatur

d. Pada Reliability Analysis, masukkan “no1, no2 sampai no10” ke dalam

kolom Items dengan cara blok semua nama kemudian klik anak panah
ke kanan seperti pada gambar berikut :
15
Gambar 5.7 Setting Reability Analysis SPSS Literatur
e. Centang Scale dan centang Scale if item deleted seperti gambar

berikut ini :
Gambar 5.6 Setting Reability Analysis 2 Literatur

f. Klik Continue, klik OK. Output sebagai berikut :
Tabel 5.4 Reliability Statistics
Cronbach'
s Alpha N of
Item
s
.95 10
4
16
Pada bagian Reliability Statistics terlihat nilai Cronbach’s Alpha = 0.954 yang lebih besar
17
dari r tabel (0.632) dengan taraf signifikansi 5%. Hal ini berarti kuisioner terbukti reliabel. Jika nilai
Cronbach’s Alpha lebih besar dari r tabel dengan taraf signifikansi 5%, maka kuisioner memiliki
tingkat reliabilitas yang baik, atau dengan kata lain data hasil angket dapat dipercaya.6
18
Uji validitas dan reliabilitas digunakan untuk menguji penelitian yang menggunakan
kuisioner dalam pengambilan datanya. Uji validitas adalah pengujian yang dilakukan guna untuk
mengetahui seberapa cermat suatu instrument dalam mengukur apa yang ingin di ukur ,
sedangkan uji reliabilitas yaitu uji yang digunakan untuk menguji konsistensi alat ukur, apakah
hasilnya tetap konsisten jika pengukuran diulang. Item kuisioner yang tidak valid berarti tidak
dapat mengukur apa yang ingin diukur sehingga hasil yang didapat tidak dapat dipercaya,
sehingga item yang tidak valid harus dibuang atau diperbaiki. Sedangkan instrument kuisioner
yang tidak reliabel maka tidak dapat konsisten untuk pengukuran sehingga hasil pengukuran tidak
dapat dipercaya.
Tingkat reliabilitas dari pengujian dengan metode alpha Cronbach diukur berdasarkan skala
alpha 0 sampai dengan 1. Apabila dikelompokkan dalam lima kelas range yang sama, maka
ukuran reliabilitas alpha dapat diinterpretasikan seperti pada table berikut.
Tabel 5.5 Tingkat Reabilitas

Alpha Cronbach Tingkat Reliabilitas
0,00-0,20 Kurang Reliabel
0,201-0,40 Agak Reliabel
0,401-0.60 Cukup Reliabel
0,601-0,80 Reliabel
0,801-1,00 Sangat Reliabel
(Sumber : Modul Praktikum Statistika Industri 2, 2018)

Tabel 5.6 Data Penilaian Pekerja
1 Februari – 1 April 2021
Tepat Tanggun Keuleta
Waktu g Jawab n Kerja
hari Karyawan keramaha ketelitian Ketelatenan kedisplinan
n
1 1 1 1 2 1 1 1 3
1 2 3 2 2 1 2 1 2
1 3 3 2 1 1 3 2 3
1 4 3 2 3 1 3 2 3
13
hari Karyawan keramaha ketelitian ketelatena Tepat Tanggung Keuleta kedisplina
n n Waktu Jawab n n
Kerja
2 5 2 3 3 2 1 2 3
2 6 1 1 1 3 3 3 3
2 7 1 2 3 1 3 2 1
2 9 2 1 1 3 2 2 1
3 10 2 1 3 1 1 2 1
3 11 1 3 3 3 2 3 3
3 12 1 1 3 3 2 3 3
3 13 1 3 1 3 2 1 2
4 14 2 1 3 2 3 3 2
4 15 2 2 1 1 3 2 3
4 16 3 2 1 2 3 1 2
4 17 3 2 1 1 1 3 3
5 18 1 1 2 2 2 3 1
5 19 2 3 1 1 1 1 3
5 20 2 1 3 2 1 3 3
5 21 2 3 3 1 3 1 3
6 22 2 2 3 3 1 3 2
6 23 3 2 3 2 3 3 1
6 24 2 1 1 1 2 2 3
6 25 3 2 1 1 2 3 2
7 26 3 2 2 2 1 1 1
7 27 3 1 1 3 2 1 1
7 28 1 2 1 1 2 2 2
7 29 2 3 3 3 1 1 3
8 30 1 2 1 3 2 1 1
8 31 2 2 1 2 3 3 3
8 32 2 3 2 3 2 1 3
8 33 2 3 3 2 2 1 2
14
hari Karyawan keramaha ketelitian Ketelatena Tepat Tanggun Keuleta kedisplina
n n Waktu g Jawab n Kerja n
9 34 2 1 2 3 3 2 3
9 35 1 3 3 3 3 3 2
9 36 3 3 3 1 1 3 3
9 37 3 3 3 1 3 3 3
9 38 1 2 2 1 3 3 1
10 39 3 1 2 1 3 3 1
10 40 2 2 3 3 2 2 1
10 41 1 2 3 3 1 2 1
10 42 1 2 1 2 2 3 3
11 43 1 3 3 2 2 3 3
11 44 2 3 2 3 2 1 2
11 45 2 3 1 2 3 3 2
11 46 3 1 3 3 3 2 3
11 47 3 2 3 1 2 2 1
12 48 3 1 1 2 1 2 3
12 49 2 3 2 3 3 1 2
12 50 1 3 1 1 2 3 3
12 51 2 3 1 3 1 3 1
13 52 1 2 2 3 1 3 2
13 53 2 1 2 3 3 2 3
13 54 1 3 3 3 3 3 2
13 55 3 3 3 1 1 3 3
14 56 3 3 3 1 3 3 3
14 57 1 2 2 1 3 3 1
14 58 3 1 2 1 3 3 1
14 59 2 2 3 3 2 2 1
15 60 1 2 3 3 1 2 1
15 61 3 1 2 1 3 3 1
15
hari Karyawa keramaha ketelitian Ketelatena Tepat Tanggun Keuletan kedisplina
n n n Waktu g Jawab Kerja n
15 62 2 1 3 1 1 2 1
15 63 1 3 3 3 2 3 3
15 64 1 1 3 3 2 3 3
16 65 1 3 1 3 2 1 2
16 66 2 1 3 2 3 3 2
16 67 2 2 1 1 3 2 3
16 68 3 2 1 2 3 1 2
17 69 3 2 1 1 1 3 3
17 70 1 1 2 2 2 3 1
17 71 2 3 1 1 1 1 3
17 72 2 1 3 2 1 3 3
18 73 2 3 3 1 3 1 3
18 74 2 2 3 3 1 3 2
18 75 3 2 3 2 3 3 1
18 76 2 1 1 1 2 2 3
19 77 3 2 1 1 2 3 2
19 78 3 2 2 2 1 1 1
19 79 3 1 1 3 2 1 1
19 80 1 2 1 1 2 2 2
20 81 2 3 3 3 1 1 3
20 82 1 2 1 3 2 1 1
20 83 2 2 1 2 3 3 3
20 84 2 3 2 3 2 1 3
21 85 2 3 3 2 2 1 2
21 86 1 3 1 3 2 1 2
21 87 2 1 3 2 3 3 2
21 88 2 2 1 1 3 2 3
16
hari Karyawa Keramaha Ketelitian ketelatena Tepat Tanggung Keuletan kedisplinan
n n n Waktu Jawab Kerja
22 89 3 1 1 2 1 2 3
22 90 2 3 2 3 3 1 2
22 91 1 3 1 1 2 3 3
23 92 2 3 1 3 2 3 1
23 93 1 2 2 3 1 3 2
23 94 2 1 2 3 3 2 3
24 95 1 3 3 3 3 3 2
24 96 3 3 3 1 1 3 3
24 97 3 3 3 1 3 3 3
25 98 2 3 1 1 1 1 3
25 99 2 1 3 2 1 3 3
25 100 2 3 3 1 3 1 3
1 1 2 2 3 3 1 3 2
1 2 3 2 3 2 3 3 1
1 3 2 1 1 1 2 2 3
1 4 3 2 1 1 2 3 2
2 5 3 2 2 2 1 1 1
2 6 3 1 1 3 2 1 1
2 7 3 1 1 3 2 1 1
3 8 1 2 1 1 2 2 2
3 9 2 3 3 3 1 1 3
3 10 1 2 1 3 2 1 1
4 11 2 2 1 2 3 3 3
4 12 2 3 2 3 2 1 3
4 13 2 3 3 2 2 1 2
5 14 1 3 1 3 2 1 2
5 15 1 2 1 3 2 1 1
5 16 2 2 1 2 3 3 3
17
Tepat Tanggung Keuletan
Wakt Jawab Kerja
hari karyawa Keramaha ketelitian ketelaten kedisplinan
u
n n an
6 17 2 1 3 2 1 3 3
6 18 2 3 3 1 3 1 3
6 19 2 2 3 3 1 3 2
7 20 3 2 3 2 3 3 1
7 21 2 1 1 1 2 2 3
7 22 3 2 1 1 2 3 2
8 23 3 2 2 2 1 1 1
8 24 3 1 1 3 2 1 1
8 25 1 2 1 1 2 2 2
9 26 2 3 3 3 1 1 3
9 27 1 2 1 3 2 1 1
9 28 2 2 1 2 3 3 3
10 29 2 3 2 3 2 1 3
10 30 2 3 3 2 2 1 2
10 31 1 3 1 3 2 1 2
10 32 2 1 3 2 3 3 2
11 33 2 2 1 1 3 2 3
11 34 2 3 1 3 1 3 1
11 35 1 2 2 3 1 3 2
11 36 2 1 2 3 3 2 3
12 37 1 3 3 3 3 3 2
12 38 3 3 3 1 1 3 3
12 39 3 3 3 1 3 3 3
12 40 1 2 2 1 3 3 1
13 41 3 1 2 1 3 3 1
13 42 2 2 3 3 2 2 1
14 43 1 2 3 3 1 2 1
14 44 3 1 2 1 3 3 1
18
Tanggung Keuletan
Jawab Kerja
hari Karyawa keramaha ketelitian ketelatena Tepat kedisplinan
n n n waktu
14 45 1 3 3 3 3 3 2
15 46 3 3 3 1 1 3 3
15 47 3 3 3 1 3 3 3
15 48 2 3 1 1 1 1 3
16 49 2 1 3 2 1 3 3
16 50 2 3 3 1 3 1 3
16 51 2 2 3 3 1 3 2
17 52 3 2 3 2 3 3 1
17 53 2 1 1 1 2 2 3
18 54 3 2 1 1 2 3 2
18 55 3 2 2 2 1 1 1
18 56 3 1 1 3 2 1 1
19 57 3 1 1 3 2 1 1
19 58 1 2 1 1 2 2 2
19 59 2 3 3 3 1 1 3
20 60 1 2 1 3 2 1 1
20 61 2 2 1 2 3 3 3
20 62 2 3 2 3 2 1 3
21 63 2 3 3 2 2 1 2
21 64 1 3 1 3 2 1 2
21 65 1 2 1 3 2 1 1
21 66 2 2 1 2 3 3 3
22 67 3 1 1 3 2 1 1
22 68 3 1 1 3 2 1 1
22 69 1 2 1 1 2 2 2
22 70 2 3 3 3 1 1 3
23 71 1 2 1 3 2 1 1
23 72 2 2 1 2 3 3 3
19
Tanggung Keuletan
Jawab Kerja
hari Karyawa keramaha ketelitian ketelatena Tepat kedisplinan
n n n Waktu
23 73 3 2 1 1 1 3 3
23 74 1 1 2 2 2 3 1
24 75 2 3 1 1 1 1 3
24 76 2 1 3 2 1 3 3
24 77 2 3 3 1 3 1 3
24 78 2 2 3 3 1 3 2
25 79 3 2 3 2 3 3 1
25 80 2 1 1 1 2 2 3
25 81 3 2 1 1 2 3 2
25 82 3 2 2 2 1 1 1
26 83 3 1 1 3 2 1 1
26 84 1 2 1 1 2 2 2
26 85 2 3 3 3 1 1 3
26 86 1 2 1 3 2 1 1
27 87 2 2 1 2 3 3 3
27 88 2 3 2 3 2 1 3
27 89 2 3 3 2 2 1 2
27 90 1 3 1 3 2 1 2
28 91 2 1 3 2 3 3 2
28 92 2 2 1 1 3 2 3
28 93 3 2 2 2 1 1 1
29 94 3 1 1 3 2 1 1
29 95 1 2 1 1 2 2 2
29 96 2 3 3 3 1 1 3
30 97 1 2 1 3 2 1 1
30 98 2 2 1 2 3 3 3
30 99 2 3 2 3 2 1 3
30 100 1 3 1 3 2 1 2
20
5.8 Pengolahan dan Analisis Data
5.8.1. Data Entry
Data yang digunakan dalam melakukan pengolahan data pada analisis Uji validitas dan
Realiabilitas ini adalah data Perusahaan dalam melakukan penilaian terhadap 10 karyawan
pada bagian produksi dalam kurun waktu 10 bulan. Variabel yang digunakan hari, pekerja,
keuletan, keramahan, ketelitian, ketelatenan, tepat waktu, tanggung jawab, kedisiplinan. Dari
data tersebut kemudian dilakukan pengolahan dengan langkah-langkah sebagai berikut:
Gambar 5.7 Variable View SPSS

b. Input data view sebagai berikut.
Gambar 5.8 Data View SPSS

21
5.8.2. Analisis Data
Langkah-langkah yang dilakukan untuk uji reliabilitas dan validitas adalah sebagai
berikut:
a. Menggunakan Correlation Product Moment untuk menguji validitas.

b. Menjumlahkan data yang akan di uji dengan menggunakan Transform kemudian
pilih Compute lalu pilih variable yang akan dijumlahkan dan ketik nama variable
yang menjadi tujuan (N_Total) lalu klik OK.
Gambar 5.9 Compute Variable

22
Gambar 5.10 Numeric Expression Compute Variable
c. Lakukan korelasi dengan cara pilih Analyze lalu pilih Corelate kemudian pilih
Bivariate dan pilih Pearson Corelation dan masukan semua variabel yang akan
diuji (termasuk variabel N total) ke dalam kotak variabel lalu klik OK.
23
Gambar 5.11 Analyze Correlation
Gambar 5.12 Setting Bivarriate Correlation

d. Untuk mengetahui reliabilitas hasil kuisioner tersebut, langkah-langkah yang

dilakukan adalah memilih Analyze lalu Scale kemudian pilih Reliability Analysis.
24
e. Maukan semua variabel yang akan di uji (tidak termasuk variabel total),
kemudian pilih Statistic pilih Scale dan Scale if Item Deleted kemudian pilih
Continue dan OK

25
26
5.9. Hasil dan Pembahasan Pengolahan Data
Tabel 5.7 Hasil Analyze Correlations

Validitas tiap penilaian ditunjukkan oleh kolom total lebih besar dari nilai r tabel
maka dapat diartikan bahwa data tersebut valid. Dari tabel diatas semua nilai Pearson
Correlation adalah sebagai berikut.
Pearson Correlation Keramahan : : 0,244 > r table ( data valid )
Pearson Correlation Ketelitian : 0,321 > r table ( data valid )
Pearson Correlation Ketelatenan : 0,549 > r table ( data valid )
Pearson Correlation Tepat Waktu : 0,213 > r table ( data valid )
Pearson Correlation Tanggung Jawab : 0,307 > r table ( data valid )
Pearson Correlation Keuletan Kerja : 0,384 > r table ( data valid )
Pearson Correlation Kedisiplinan : 0,423 > r table ( data valid )

Selain itu validitas tiap penilaian dapat dilihat juga dari tanda * atau ** pada
kolom Total di tabel output yang menandakan bahwa data telah valid.
Tabel 5.8 Reability Statistics
Reliability Statistics
Cronbach's
Alphaa N of Items
-.180 7
a. The value is negative due to

a negative average covariance
among items. This violates
reliability model assumptions.
You may want to check item
codings.
Dari tabel reliability diatas statistics diatas menunjukkan hasil analisis dari uji reliabilitas
dengan Cronbach’s Alpha = 0,180 dari 7 kriteria penilaian keuletan, keramahan, ketelitian,
ketelatenan, tepat waktu, tanggung jawab dan juga disiplin.
Alpha < 0.50 reliabilitas rendah

Alpha 0.50 < alpha < 0.70 reliabilitas moderat
Alpha > 0.70 maka reliabilitas mencukupi (sufficient reliability)
Alpha > 0.80 maka reliabilitas kuat
Alpha > 0.90 maka reliabilitas sempurna
Berdasarkan nilai Cronbach’s Alpha = 0,180, dengan penilaian 7 kriteria penilaian
keuletan, keramahan, ketelitian, ketelatenan, tepat waktu, tanggung jawabb dan juga disiplin,
maka nilai reliabilitas 0,180 adalah nilai moderat. Sehingga kuesioner ini dikatakan konsisten
(reliable).
5.10. Analisis Hasil Pengolahan Data
Dari hasil pengolahan diatas menunjukkan keuletan, keramahan, ketelitian, ketelatenan,

tepat waktu, tanggung jawab dan juga disiplin memiliki nilai Pearson diatas 0,095. Hal ini
ditandakan dengan data yang yang ter-input memiliki sebaran yang cukup dan tidak menumpuk
pada nilai yang sama. Sehingga data penilaian menunjukkan data yang validitas nya cukup baik.
Nilai Cronbach’s Alpha = 0,180 penilaian 7 kriteria penilaian keuletan, keramahan,

ketelitian, ketelatenan, tepat waktu, tanggung jawabb dan juga disiplin, menunjukkan bahwa data
telah reliable atau konsisten, meskipun data memiliki sebaran yang cukup namun, data ter-input
tetap berada pada range 100-200 sehingga menghasilkan nilai reabilitas yang cukup baik juga.
5.11 Kesimpulan
Dari data diatas dapat disimpulkan bahwa penilaian terhadap 100 karyawan dalam
waktu 2 bulan valid dan reliabel. Dari analisis data diatas dapat diketahui bila aspek
keuletan, keramahan, ketelitian, ketelatenan, tepat waktu, tanggu jawab dan disiplin
memiliki nilai yang konsisten, jika dihubungkan dengan tingkat produktivitas maka dapat
dikatakan bahwa produktivitas 100 karyawan tersebut cenderung tetap atau konsisten,
karena aspek yang mempengaruhi produktivitasnya pun konsisten.
34
DAFTAR PUSTAKA
Ristya, Widya E, 2017, Uji Validitas Dan Reliabilitas Dalam Penelitian Epidemiologi Kedokteran Gigi. Jurnal
Stomatognatic. Vol. 8. No. 1. Hal 27-34. Dilihat pada 15
Februari 2020.
Setiafindari, Widya, 2018, Modul Praktikum Statistika Industri 2,Yogyakarta : PT MUDAYA MULTI DAYA SETYA
135
BAB VI
STATISTIKA PARAMETRIK ONE SAMPLE T-TEST
6.1 Latar Belakang

Seorang CEO hendak melakukan pelatihan rutin dalam rangka
meningkatkan produktivitas dan kualitas terhadap 100 karyawan. Pelatihan
dilakukan 4 kali dalam sebulan pada akhir minggu dengan pelatihan seperti
pemecahan masalah secara cepat, ketepatan pengambilan keputusan, dan
penarikan kesimpulan pada 60 masalah dalam waktu 1 jam. Aspek
pertimbangan penilaian keberhasilan yaitu latar belakang pendidikan terakhir,
jumlah pelatihan yang terselesaikan secara tepat, dan perubahan kinerja setelah
dilakukan pelatihan.
6.2 Rumusan Masalah

Bagaimana hasil pelatihan terhadap 100 orang karyawan tersebut?
6.3 Tujuan
1. Mengetahui data statistik dan hasil dari penelitian dengan
metode tersebut
2. Mengetahui hasil pelatihan dari 100 karyawan
3. Mengetahui seberapa banyak masalah yang dapat diselesaikan

sebelum dan sesudah pelatihan dari 100 karyawan
6.4 Manfaat
1. Dapat melakukan pengambilan data dengan benar
2. Dapat memahami dan mengetahui konsep pengambilan data
mengenai
statistika
4. CEO dapat mengetahui kemampuan karyawan dalam memecahkan
masalah
5. CEO dapat mengetahui aspek-aspek yang mempengaruhi dalam
kemampuan pemecahan masalah.
136
6.5 Literatur
Uji ini digunakan untuk mengetahui perbedaan nilai rata-rata populasi yang
digunakan sebagai pembanding dengan rata-rata sebuah sampel. Dari hasi uji ini
akan diketahui apakah rata-rata populasi yang digunakan sebagai pembanding
berbeda secara signifikan dengan rata-rata sebuah sampel, jikalau ada perbedaan,
rata-rata manakah yang lebih tinggi.
Contoh kasus:
Seorang mahasiswi berjulukan Ana dalam penelitiannya ingin mengetahui apakah

rata-rata nilai matematika pada kelas 6 SD Harapan Mulia berbeda dengan rata-
rata nilai matematika pada SD di Yogyakarta. Setelah dilakukan penelitian dengan
menggunakan sampel sebanyak 10 responden diketahui rata-rata nilai matematika
SD di Yogyakarta ialah 7,47. Sedangkan rata-rata nilai matematika kelas 6 SD
Harapan Mulia diketahui ialah 6,48. Data-data yang didapat sebagai berikut:
Tabel 6.1 Tabulasi Data (Data Fiktif)
Subjek Nilai SD Nilai SD
Di Yogyakarta Harapan Mulia
1 8.00 7.10
2 8.23 6.32
3 7.56 5.45
4 7.34 5.84
5 8.24 6.28
6 6.85 7.15
7 7.65 8.62
8 6.15 6.28
137
Subjek Nilai SD Nilai SD
9 7.21 5.00
10 7.48 6.76
(Sumber: https://statistikparametrik.blogspot.com/)
Langkah-langkah uji dengan aktivitas SPSS
1. Masuk aktivitas SPSS
2. Klik variable view pada SPSS data editor
3. Pada kolom Name ketik x, dan kolom Name pada baris kedua ketik y
4. Pada kolom Label, untuk kolom pada baris pertama ketik SD Yogya, untuk
kolom pada baris kedua ketik SD Harapan Mulia
5. Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
6. Buka data view pada SPSS data editor, maka didapat kolom variabel x dan y
7. Ketikkan data sesuai dengan variabelnya
8. Klik Analyze - Compare Means - One Sample T Test
9. Klik variabel SD Yogya dan masukkan ke kotak Test Variable, pada Test Value
ketik angka 6,48
10. Klik OK, maka hasil output yang didapat ialah sebagai berikut:
138
Tabel 6.2 Hasil One Sample T Test
(Sumber: https://statistikparametrik.blogspot.com/)
Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Rata-rata nilai matematika kelas 6 SD Harapan Mulia tidak berbeda dengan

rata-rata nilai matematika SD di Yogyakarta
Ha : Rata-rata nilai matematika kelas 6 SD Harapan Mulia berbeda dengan rata-

rata nilai matematika SD di Yogyakarta
2. Menentukan tingkat signifikansi
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi a = 5%.
Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah dalam
mengambil keputusan untuk menolak hipotesis yang benar sebanyak-banyaknya 5%
(signifikansi 5% atau 0,05 ialah ukuran standar yang sering digunakan dalam
penelitian)
3. Menentukan t hitung
Dari tabel di atas didapat nilai t hitung ialah 4,885
4. Menentukan t tabel
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat
139
kebebasan (df) n-1 atau 10-1 = 9. Dengan pengujian 2 sisi (signifikansi = 0,025)
hasil diperoleh untuk t tabel sebesar 2,262 (Lihat pada lampiran) atau dapat dicari
di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,9) lalu enter
5. Kriteria Pengujian
Ho diterima dan Ha ditolak jikalau -t tabel < t hitung < t tabel
Ho ditolak dan Ha diterima jikalau -t hitung < -t tabel atau t hitung > t tabel
Berdasar probabilitas:
Ho diterima jikalau P value > 0,05
Ho ditolak jikalau P value < 0,05
6. Membandingkan t hitung dengan t tabel dan probabilitas
Nilai t hitung > t tabel (4,885 > 2,262) dan P value (0,001 < 0,05) maka Ho ditolak
7. Kesimpulan
Oleh sebab nilai t hitung > t tabel (4,885 > 2,262) dan P value (0,001 < 0,05)
maka Ho ditolak, artinya bahwa rata-rata nilai matematika kelas 6 SD Harapan
Mulia berbeda dengan rata-rata nilai matematika SD di Yogyakarta. Hasil t hitung
aktual menawarkan bahwa rata-rata nilai matematika SD di Yogyakarta lebih tinggi
dari SD Harapan Mulia.

Untuk mengetahui hari pengamatan yang terkena dampak pengumuman ISRA
maka digunakan alat analisis One-samples T Test. Uji ini digunakan untuk 23
mengetahui perbedaan nilai rata-rata populasi yang digunakan sebagai pembanding
dengan rata-rata sebuah sampel. Dari hasi uji ini akan diketahui apakah rata-rata
populasi yang digunakan sebagai pembanding berbeda secara signifikan dengan
rata-rata sebuah sampel, jika ada perbedaan, rata-rata manakah yang lebih tinggi.
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi = 5%. (signifikansi
5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian).
Dengan kriteria pengujian sebagai berikut: - Ho diterima dan Ha ditolak jika -t tabel
< t hitung < t tabel - Ho ditolak dan Ha diterima jika -t hitung < -t tabel atau t hitung
140
> t table.

Berikut adalah data jumlah pemecahan masalah karyawan sebelum dan
sesudah pelatihan:
Tabel 6.3 Data jumlah pemecahan masalah
Karyawan Pendidikan_Terakhir Pemecahan_Masalah_Sebelum_Pelatihan Pemecahan_Masalah_Setelah_Pelatihan
1 1 5 21
2 1 18 29
3 1 18 27
4 1 2 27
5 1 11 21
6 1 8 30
7 1 19 28
8 1 13 27
9 1 5 26
10 1 5 22
11 1 10 22
12 1 18 22
13 1 7 27
14 1 8 26
15 1 17 26
16 1 13 26
17 1 15 21
18 1 8 23
19 1 12 30
20 1 12 23
21 1 5 20
141
Lanjutan Tabel 6.3 Data jumlah pemecahan masalah
22 1 10 25
23 1 16 22
24 1 11 25
25 1 12 21
26 1 15 27
27 1 16 24
28 1 15 25
29 1 7 27
30 1 5 21
31 1 19 27
32 1 13 24
33 1 20 30
34 1 18 24
35 1 12 22
36 1 17 24
37 1 7 30
38 1 14 29
39 1 15 23
40 1 11 22
41 1 14 24
42 1 16 25
43 1 15 28
44 1 11 25
45 1 17 24
46 1 18 24
47 1 18 29
142
48 1 12 22
49 1 8 21
50 1 12 27
51 2 8 20
52 2 9 20
53 2 9 25
54 2 19 30
55 2 20 24
56 2 11 21
57 2 7 24
58 2 10 29
59 2 14 27
60 2 9 23
61 2 18 23
62 2 15 30
63 2 7 20
64 2 12 27
65 2 13 25
66 2 19 30
67 2 19 28
68 2 17 30
69 2 12 25
70 2 11 27
71 2 16 28
72 2 17 29
143
73 2 6 21
74 2 14 23
75 2 11 26
76 2 7 30
77 2 17 26
78 2 6 21
79 2 20 27
80 2 11 21
81 2 6 20
82 2 17 25
83 2 2 23
84 2 8 29
85 2 18 21
86 2 14 20
87 2 11 24
88 2 12 20
89 2 17 29
90 2 13 26
91 2 13 29
92 2 13 23
93 2 6 22
94 2 11 30
95 2 14 24
96 2 13 29
97 2 9 26
98 2 8 24
144
99 2 19 27
100 2 5 29
6.8 Pengolahan Data

Langkah-langkah yang dilakukan untuk melakukan uji one T-Test
adalah sebagai berikut:
a. Input data ke dalam SPSS
b. Klik analyze - compare means - one sample t test
Gambar 6.1 Kotak dialog one sample T test

c. Masukan variabel pemecahan masalah sebelum pelatihan dan
pemecahan sesudah pelatihan ke dalam kotak test variabel dan
masukan nilai 10 pada kotak test value
d. Klik options, maka kotak dialog one sample T test: options

muncul.
Tingkat kepercayaan 95% dan exclude case by analysis by

analysis terpilih secara default.
Missing values_exclude case analysis by analysis berarti hanya

data yang berharga valid yang digunakan dalam analysis
145
Gambar 6.2 Kotak dialog one sample T test: options
Tabel 6.4 Hasil uji one sample T-Test 1
One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
Pemecahan_Masalah_Sebelum_
100 12.36 4.572 .457
Pelatihan
Pemecahan_Masalah_Setelah_
100 25.05 3.135 .313
Pelatihan
Tabel 6.5 Hasil uji one sample T-Test 2
One-Sample Test
Test Value = 10
95% Confidence Interval of the

Difference
Sig. (2- Mean
t df tailed) Difference Lower Upper
Pemecahan_Masalah_Seb
5.162 99 .000 2.360 1.45 3.27
elum_Pelatihan
Pemecahan_Masalah_Set 48.01
99 .000 15.050 14.43 15.67
elah_Pelatihan 2
146
Untuk mengetahui hasil uji One-Sampel T-Test dilakukan melalui beberapa tahap
yaitu:
1. Penentuan hipotesis (H0 dan H1)
H0 : μ = rata-rata jumlah pemecahan masalah yang dihasilkan pada lulusan

SMA-SMK
Sebelum pelatihan 12,36 masalah dan sesudah pelatihan 25,05 masalah.
2. Tingkat signifikan (α) 5%
3. Daerah kritis: jika t hitung > t tabel, maka tolak H0 , jika t hitung < α, maka terima
H1
4. Uji statistik: sig.=0,000; t hitung = 5,162; t tabel = 1,98422
Maka t hitung > t tabel = 5,162 > 1,98422
5. Uji statistik: sig.=0,000; t hitung = 48,01; t tabel = 1,98422
Maka t hitung > t tabel = 48,01 > 1,98422
6. Keputusan; karena nilai sig. (2 tailed) < α dan t hitung > t tabel maka tolak H0
7. Kesimpulan: jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa

rata-rata jumlah pemecahan masalah yang dapat diselesaikan oleh lulusan SMA-
SMK tidak sama dengan 12,36 sebelum dan 25,05 sesudah pelatihan.

Dari hasil pengolahan data diatas menunjukan bahwa rata-rata jumlah
pemecahan masalah yang dapat diselesaikan oleh 100 karyawan sebelum dan
sesudah pelatihan sekitar 12,36 sebelum dan 25,05 sesudah pelatihan.
Kenaikan perubahan setelah pelatihan yaitu sekitar 12,69, angka tersebut

cukup signifikan dalam hal pemecahan masalah disuatu perusahaan. Dengan
begitu CEO dapat mengetahui kemampuan dari para karyawan setelah dilakukan
pelatihan terjadi perubahan yang baik. Selain itu CEO juga dapat mengetahui
bahwa pelatihan sangat dibutuhkan untuk para karyawan untuk menambah skill
147
dan pengetahuan dari karyawan itu sendiri.
6.11 Kesimpulan
Dari pengolahan data yang sudah dilakukan diatas dapat disimpulkan bahwa
untuk data menunjukan hasil yang baik karena dari pengumpulan data sebelum
pelatihan dan sesudah pelatihan menunjukan bahwa ada kenaikan hasil yang cukup
signifikan sehingga kinerja dari pekerja membaik baik dari skill dan
pengetahuannya. Hal tersebut membawa dampak baik untuk perusahaan dengan
begitu perusahaan mempunyai sumber daya manusia yang berkualitas. Harapannya
dengan mempunyai sumber daya manusia yang berkualitas perusahaan dapat terus
berkembang dan terus berinovasi selain itu perusahaan jika ada masalah dapat
segera terpecahkan dan terselesaikan dengan cepat dan tepat.
148
BAB VII
STATISTIKA PARAMETRIK INDEPENDENT SAMPLES T-TEST
7.1 Latar Belakang
Seorang professor hendak melakukan penelitian terhadap keberhasilan

pembelajaran perkuliahan dengan 100 mahasiswa teknik industri dalam waktu satu
semester. Faktor keberhasilan penelitian berdasarkan pendidikan terakhir dan jenis
kelamin terhadap hasil penyelesaian soal yang diberikan. Lakukan 2 kali penarikan
kuesioner berisi pengetahuan umum dan khusus seputar ilmu teknik industri.
7.2 Rumusan Masalah
Bagaimana keberhasilan dari penelitian pembelajaran terhadap 100 mahasiswa

teknik industri berdasarkan jenis kelamin dan pendidikan terakhir selama satu
semester?
7.3 Tujuan
1. Mendapatkan data gender yang berhasil dalam pembelajaran perkuliahan

teknik industri dalam satu semester
2. Mendapatkan data pendidikan terakhir yang berhasil dalam pembelajaran

perkuliahan teknik industri dalam satu semester.
7.4 Manfaat
1. Menambah wawasan seputar ilmu dan pengetahuan teknik industri
2. Mengetahui data gender dan data pendidikan terakhir yang berhasil dalam
pembelajaran perkuliahan teknik industri 1 semester dan dapat
menyimpulkan data yang didapat.
7.5 Literatur
Proses Uji kelayakan yang dilakukan oleh ahli materi dan ahli media
menunjukkan bahwa produk pengembangan sangat layak untuk diujikan kepada
anak didik. Pada proses Uji coba satu-satu yang dilakukan pada 5 anak didik
pengguna media pembelajaran menunjukkan produk pengembangan multimedia
149
sangat layak dan sangat baik untuk digunakan dalam penelitian. Pada prosesterakhir
yang dilakukan pada 11 anak didik pengguna produk pengembangan multimedia
menunjukkan bahwa aplikasi mempunyai kategori baik. Kesimpulan dari pengujian
ini adalah produk pengembangan multimedia baik untuk digunakan serta
diimplementasikan kepada anak didik.
Tabel 7.1 Data nilai siswa yang menggunakan media pembelajaran dan yang tidak
menggunakan media pembelajaran multimedia
(Sumber: file:///C:/Users/ASUS/Downloads/14-23-1-SM.pdf)
Mencari nilai s terlebih dahulu :
Memasukkan nilai s dalam rumus t :
150
Gambar 7.1 Data hasil implementasi produk pengembangan multimedia
Kolom tipe dengan nilai “Ya” menjelaskan bahwa kelompok tersebut

mendapatkan proses belajar dengan menggunakan produk pengembangan
multimedia. Sedangkan tipe dengan nilai “Tidak” menjelaskan bahwa kelompok
tersebut tidak mendapatkan proses belajar menggunakan produk multimedia.
Setelah rekam data tersebut diolah menggunakan SPSS didapatlah hasil dari
keluaran proses perhitungan menggunakan rumus Independet Samples T Test yang
terdapat pada Gambar 4.2 berikut.
151
Gambar 7.2 Hasil perhitungan menggunakan SPSS pada nilai siswa
Melalui uji perbedaan Independent Samples T Test, terbukti ada perbedaan

nilai dalam perlakuan pada anak didik antara yang menggunakan produk
pengembangan multimedia dan yang tidak menggunakan produk pengembangan
multimedia, t(20) = -0,870; p < 0.05. Nilai pada Sig.(2-tailed) pada gambar 55 yaitu
0,395 yang mana nilai ini lebih dari 0,05, sehingga kesimpulannya adalah tidak
terdapat perbedaan yang signifikan pada nilai anak didik yang menggunakanproduk
multimedia dan yang tidak menggunakan. Pada kolom Mean Difference digambar
55, menunjukkan selisih rata-rata dari kedua kelompok. Terlihat terdapat tanda
minus, menandakan bahwa kelompok kedua atau yang tidak menggunakan produk
multimedia mempunyai rata-rata lebih besar dari pada kelompok pertama yang
tidak menggunakan produk multimedia. Anak didik yang menggunakan produk
multimedia (M =82,82; SD = 9,776) memiliki nilai rata-rata yang lebih rendah
daripada anak didik yang tidak menggunakan produk pengembangan multimedia
(M = 85,73; SD = 5,236). Berdasarkan perhitungan statistik menggunakan SPSS di
atas, disimpulkan bahwa hipotesis bahwa penggunaan multimedia dalam
mempelajari Ragam dan Gerak dasar Seni Tari Daerah Kalimantan Selatan tidak
meningkat atau tidak mengalami perbedaan yang signifikan.
Uji-t 2 sampel independent (bebas) adalah metode yang digunakan untuk menguji
kesamaan rata-rata dari 2 populasi yang bersifat independent, dimana peneliti tidak
152
memiliki visual3 -13.945 129 .000 -.74846 74 informasi mengenai ragam populasi.
Independent maksudnya adalah bahwa populasi yang satu tidak dipengaruhi atau tidak
berhubungan dengan populasi yang lain. Analisis Independent Sample T-test dalam kasus
ini digunakan untuk membuktikan ada tidaknya perbedaan yang signifikan antara
konsumen lakilaki dan konsumen perempun dalam melakukan pembelian mie instan yang
di pengaruhi oleh faktor visual, faktor bentuk dan ukuran, faktor teknologi, faktor label
informasi.
Berikut adalah kumpulan data dari keberhasilan pembelajaran perkuliahan

dengan 100 mahasiswa teknik industri dalam waktu satu semester:
Tabel 7.2 Data hasil kuesioner keberhasilan pembelajaran
153
7.8 Pengolahan Data
Langkah-langkah dalam melakukan uji Independent Sample T Test adalah

sebagai berikut:
b. Klik Analyze - Compare Means - Independent Sample T Test
154
Gambar 7.3 Kotak Dialog Independent T Test
c. Masukan variabel test yaitu umum dan khusus ke kotak variable test (s) dan
masukan variabel jenis kelamin ke kotak grouping variable
d. Klik define groups, masukan nilai value variabel jenis kelamin ke grup 1 dan 2
Gambar 7.4 Kotak Dialog Define Groups

e. Klik Continue
f. Klik Options, maka kotak dialog independent sample T Test: options muncul.
Tingkat kepercayaan 95% dan exclude cases analysis by analysis terpilih secara
defult
Gambar 7.5 Kotak Dialog Independent Sample T Test: Options

g. Klik Continue
155
h. Klik OK
i. Hasil pengolahan uji Independent Sample T Test
T-Test
Tabel 7.3 Hasil group statistics
Group Statistics
Jenis_Kelamin N Mean Std. Deviation Std. Error Mean
Umum Laki-laki 61 62.79 13.525 1.732
Perempuan 39 62.95 12.070 1.933
Khusus Laki-laki 61 73.28 14.344 1.837
Perempuan 39 78.21 11.837 1.895
Tabel 7.4 Hasil Uji Independent Sample T Test
156
Independent Samples Test
Levene's
Test for
Equality of
Variances t-test for Equality of Means
95% Confidence
Interval of the
Difference
Sig. (2- Mean Std. Error
F Sig. T df tailed) Difference Difference Lower Upper
Umum Equal
variances .897 .346 -.061 98 .952 -.162 2.661 -5.443 5.119
assumed
Equal
variances not -.062 87.706 .950 -.162 2.595 -5.319 4.996
assumed
Khusus Equal
variances 1.659 .201 -1.790 98 .077 -4.926 2.753 -10.389 .537
assumed
Equal
variances not -1.867 91.670 .065 -4.926 2.639 -10.168 .316
assumed
Untuk mengetahui hasil uji Independent Sample T-Test dilakukan melalui beberapa
tahap, yaitu
1. Penentuan Hipotesis (H0 dan H1) :
H0 : terdapat perbedaan pada jumlah keberhasilan pembelajaran perkuliahan

pada mahasiswa teknik industri berdasarkan jenis kelamin mahasiswa
H1 : tidak terdapat perbedaan pada jumlah keberhasilan pembelajaran

perkuliahan pada mahasiswa teknik industri berdasarkan jenis kelamin
mahasiswa
2. Tingkat signifikansi (α) 5%
157
3. Daerah kritis :
Jika sig. (2 tailed) > α, maka terima H0
Jika sig. (2 tailed) < α, maka tolak H0 dan terima H1
4. Uji statistik :
Sig. (2 tailed) = 0,952 , α = 0,05. Maka sig. (2 tailed) > α , 0,952 > 0,05
5. Keputusan :
Karena nilai sig. (2 tailed) > α, maka terima H0
6. Kesimpulan :
Jadi, dengan tingkat signifikansi 5% dapat disimpulkan bahwa terdapat

perbedaan pada jumlah keberhasilan pembelajaran perkuliahan pada mahasiswa
teknik industri berdasarkan jenis kelamin mahasiswa.
Pada praktikum kali ini menunjukan bahwa dari pengolahan data kita dapat
analisis bahwa diketahui hasil sig (2-tailed) lebih dari tingkat signifikansi 5% / 0,05
yaitu 0,952 > 0,05 yang artinya menerima H0 yaitu terdapat perbedaan pada jumlah
keberhasilan pembelajaran perkuliahan pada mahasiswa teknik industriberdasarkan
jenis kelamin dan pendidikan terakhir dari responden.
Dari data jenis kelamin, data pendidikan terakhir dan hasil pengolahan data
bahwa terdapat perbedaan hasil. Perbedaan itu mempengaruhi hasil akhir yang
didapatkan. Selain itu didapat juga dari hasil kuesioner yang berbentuk diagram
terdapat perbedaan dari faktor jenis kelamin dan pendidikan terakhir.
7.11 Kesimpulan
Kesimpulan yang didapat dari praktikum kali ini antara lain yaitu dari
pengolahan data dapat kita ketahui bahwa terima H0 karena nilai sig (2-tailed) lebih
besar dari tingkat signifikansinya yang artinya bahwa terdapat perbedaan pada
jumlah keberhasilan di masing-masing faktor.
Banyak faktor yang mempengarui akan keberhasilan pembelajaran
158
perkuliahan, kali ini kami menggunakan kuesioner untuk mengetahui seberapa
besar tingkat keberhasilan pembelajaran perkuliahan teknik industri di satu
semester ini. Dari hasil kuesioner yang kami dapatkan kami memperoleh sebanyak
100 responden yang mengisi pertanyaan di kuesioner. Di kuesioner kami terdapat
4 (empat) pertanyaan umum seputar teknik industri dan 4 (empat) pertanyaan
khusus seputar teknik industri dengan memberikan skor yang berbeda di setiap
nomor dan pilihan jawaban. Untuk pertanyaan umum kami beri skor 80 jika benar
semua dalam menjawab pertanyaan dengan rincian skor untuk masing-masing
pilihan jawabaan tepat (20), hampir tepat (15), kurang tepat (10), dan tidak tepat
(5). Dan utnuk pertanyaan khusus kita beri skor yang lebih tinggi dibandingkan
dengan pertanyaan khusus yaitu jumlah skor 100 jika berhasil menjawab keempat
soal tersebut dengan jawaban tepat adapun rincian skor yang kami buat untuk setiap
pilihan jawaban tepat (25), hampir tepat (20), kurang tepat (15), dan tidak tepat (5).
Setelah menjumlahkan skor dan olah data di software SPSS dengan metode
independent sample t test dapat diketahui bahwa jenis kelamin dan pendidikan
terakhir sangat berpengaruh pada saat menjawab pertanyaan tersebut. Hasil yang
didapatkan secara garis besar bahwa jenis kelamin laki-laki disini lebih unggul
dalam menjawab pertanyaan dibandingkan jenis kelamin perempuan. Sedangkan
untuk pendidikan terakhir disini lebih unggul pada lulusan SMK.
Dapat disarankan bahwa lebih baik untuk semua mahasiswa teknik industri
untuk lebih memahami lagi apa itu teknik industri dan belajar lebih dalam lagi
teknik industri karena teknik industri ilmu yang mempelajari seluruh ilmu maka
dari itu dengan belajar dan lebih memahami materi dari sekarang tidak ada ruginya
untuk bekal masa depan dan supaya tidak ketinggalan materi karena materi yang
ada di teknik industri banyak sekali.
159
VIII
STATISTIKA PARAMETRIK PAIRED SAMPLES T-TEST
8.1 Latar Belakang
Seorang penguji lab di sebuah perusahaan jasa terhadap produk mentah dan jadi
melakukan pengecekan kelayakan dengan pengujian parameter fisika, kimia,
mikrobiologi dan kecukupan gizi pada produk tepung, minuman kaleng, daging
olahan, minuman beralkohol dan ikan olahan pada 5 perusahaan dengan masing-
masing 2 jenis yang diproduksi selama 10 hari produksi. Lakukan pengujiantersebut
untuk mengetahui produk hasil dari penelitian.
8.2 Rumusan Masalah
Bagaimana hasil dari pengecekan kelayakan dan kecukupan gizi dari masing-
masing produk?
8.3 Tujuan
1. Mendapatkan data kelayakan dan kecukupan gizi dari masing-masing produk
8.4 Manfaat
1. Mengetahui kelayakan dan kecukupan gizi pada masing-masing produk
2. Perusahaan dapat mengambil langkah lebih lanjut jika produk-produk tersebut

ada yang tidak layak dan kurang gizi.
8.5 Literatur
Data perlakuan pertama dalam penelitian ini ditentukan melalui nilai hasil
pretest dan data perlakuan kedua ditentukan melalui nilai hasil posttest. Data kedua
perlakuan.
160
Tabel 8.1. Data nilai sebelum perlakuan (pretest) dan sesudah perlakuan (posttest)
Data pada tabel 1 dianalisis dengan uji-t menggunakan software statistika.
Tabel 8.2 Paired Samples Statistics
Tabel 8.3 Paired Samples Correlations
161
Tabel 8.4 Paired Samples Correlations
Menunjukkan hasil uji-t sebesar 16,183. Dengan nilai signifikan α sebesar 0,05,
maka ttab= 2,120 . Sehingga didapatkan kesimpulan bahwa thit > ttab. Dengan kata
lain, perlakuan yang dilakukan dalam penelitian memberikan pengaruh yang cukup
signifikan terhadap hasil yang diharapkan. Jika dilihat melalui tabel 1, pengaruh
yang diberikan oleh hasil.
Variabel independen kualitatif dalam penelitian ini memiliki dua kategori. Oleh
sebab itu, dilakukan pengujian dengan metode uji beda rata-rata untuk dua sampel
berpasangan (paired sample t-test). Model uji beda ini digunakan untuk
menganalisis model penelitian pre-post atau sebelum dan sesudah. Uji beda
digunakan untuk mengevaluasi perlakuan (treatment) tertentu pada satu sampel
yang sama pada dua periode pengamatan yang berbeda (Pramana, 2012). Paired
sample t-test digunakan apabila data berdistribusi normal. Menurut Widiyanto
(2013), paired sample t-test merupakan salah satu metode pengujian yang
digunakan untuk mengkaji keefektifan perlakuan, ditandai adanya perbedaan rata-
rata sebelum dan rata-rata sesudah diberikan perlakuan. Dasar pengambilan
keputusan untuk menerima atau menolak Ho pada uji ini adalah sebagai berikut.
1. Jika t hitung > t tabel dan probabilitas (Asymp.Sig) < 0,05, maka Ho ditolak dan
Ha diterima.
2. Jika t hitung < t tabel dan probabilitas (Asymp.Sig) > 0,05, maka Ho diterima
dan Ha ditolak.
162
Prosedur uji paired sample t-test (Siregar, 2013):
a. Menentukan hipotesis; yaitu sebagai berikut:
Ho1 : tidak terdapat perbedaan antara Relevansi Nilai Informasi Akuntansi pada
saat sebelum dan sesudah penerapan PSAK 50/55 (revisi 2006).
Ha1 : terdapat perbedaan antara Relevansi Nilai Informasi Akuntansi pada saat
sebelum dan sesudah penerapan PSAK 50/55 (revisi 2006).
Ho2 : tidak terdapat perbedaan antara Asimetri Informasi pada saat sebelum dan
sesudah penerapan PSAK 50/55 (revisi 2006).
Ha2 : terdapat perbedaan antara Asimetri Informasi pada saat sebelum dan sesudah
penerapan PSAK 50/55 (revisi 2006).
b. Menentukan level of significant sebesar 5% atau 0,05
c. Menentukan kriteria pengujian
Ho ditolak jika nilai probabilitas < 0,05, berarti terdapat perbedaan dalam Relevansi
Nilai Informasi Akuntansi dan Asimetri Informasi pada saat sebelum dan sesudah
penerapan PSAK 50/55 (revisi 2006). Ho diterima jika nilai probabilitas > 0,05,
berarti tidak terdapat perbedaan dalam Relevansi Nilai Informasi Akuntansi dan
Asimetri Informasi pada saat sebelum dan sesudah penerapan PSAK 50/55 (revisi
2006).
d. Penarikan kesimpulan berdasarkan pengujian hipotesis
Berikut adalah kumpulan data produk-produk tepung, minuman kaleng, daging

olahan, minuman beralkohol dan ikan olahan:
Tabel 8.5 Data produk
Perusahaan Produk Layak Tidak Layak

1 Tepung Terigu 87 20
163
Lanjutan Tabel 8.5 Data produk
164

1 Tepung Maizena 97 53
165

2 Bintang Radler 79 54
166
2 Red Bulls 97 64
2 Red Bulls 87 0
2 Red Bulls 79 34
2 Red Bulls 81 40
2 Red Bulls 98 59
2 Red Bulls 86 35
2 Red Bulls 96 21
2 Red Bulls 89 36
2 Red Bulls 88 3
2 Red Bulls 95 12
2 Red Bulls 76 18
2 Red Bulls 92 66
2 Red Bulls 70 8
167
2 Red Bulls 71 66
2 Red Bulls 80 14
2 Red Bulls 83 26
2 Red Bulls 93 56
2 Red Bulls 89 19
2 Red Bulls 70 7
2 Red Bulls 98 29
2 Red Bulls 98 0
2 Red Bulls 89 15
2 Red Bulls 74 39
2 Red Bulls 83 68
2 Red Bulls 77 50
2 Red Bulls 75 23
2 Red Bulls 89 42
2 Red Bulls 82 44
2 Red Bulls 100 51
2 Red Bulls 77 44
2 Red Bulls 77 33
2 Red Bulls 86 12
2 Red Bulls 84 66
2 Red Bulls 73 55
2 Red Bulls 99 23
2 Red Bulls 85 12
2 Red Bulls 72 39
2 Red Bulls 89 5
2 Red Bulls 86 67
2 Red Bulls 83 39
2 Red Bulls 84 3
2 Red Bulls 91 27
2 Red Bulls 86 33
2 Red Bulls 72 38
2 Red Bulls 86 40
2 Red Bulls 81 6
2 Red Bulls 76 36
3 Dendeng Sapi 72 3
3 Dendeng Sapi 93 67
168
3 Dendeng Sapi 75 9
3 Dendeng Sapi 75 7
3 Dendeng Sapi 93 5
3 Dendeng Sapi 94 3
3 Dendeng Sapi 94 5
3 Dendeng Sapi 75 8
3 Dendeng Sapi 81 5
3 Dendeng Sapi 97 1
3 Kornet Sapi 72 32
169
3 Kornet Sapi 89 46
3 Kornet Sapi 76 59
3 Kornet Sapi 99 20
3 Kornet Sapi 97 11
3 Kornet Sapi 70 1
3 Kornet Sapi 84 49
3 Kornet Sapi 81 62
3 Kornet Sapi 76 44
3 Kornet Sapi 98 14
3 Kornet Sapi 88 0
3 Kornet Sapi 85 64
3 Kornet Sapi 83 49
3 Kornet Sapi 82 60
3 Kornet Sapi 93 17
3 Kornet Sapi 75 39
3 Kornet Sapi 77 26
3 Kornet Sapi 92 24
3 Kornet Sapi 87 43
3 Kornet Sapi 82 34
3 Kornet Sapi 71 50
3 Kornet Sapi 98 11
3 Kornet Sapi 92 52
3 Kornet Sapi 75 1
3 Kornet Sapi 71 3
3 Kornet Sapi 93 6
3 Kornet Sapi 73 42
3 Kornet Sapi 100 50
3 Kornet Sapi 86 36
3 Kornet Sapi 71 69
3 Kornet Sapi 100 28
3 Kornet Sapi 84 11
3 Kornet Sapi 79 40
3 Kornet Sapi 73 8
3 Kornet Sapi 81 32
3 Kornet Sapi 82 35
3 Kornet Sapi 78 10
3 Kornet Sapi 91 1
3 Kornet Sapi 82 47
3 Kornet Sapi 87 52
3 Kornet Sapi 81 23
3 Kornet Sapi 86 56
3 Kornet Sapi 98 46
170
3 Kornet Sapi 76 11
3 Kornet Sapi 82 43
3 Kornet Sapi 86 36
3 Kornet Sapi 99 52
3 Kornet Sapi 92 30
4 Smirnoff 82 0
4 Smirnoff 76 33
4 Smirnoff 76 17
4 Smirnoff 75 4
4 Smirnoff 87 19
4 Smirnoff 82 10
4 Smirnoff 76 51
4 Smirnoff 73 44
4 Smirnoff 84 31
4 Smirnoff 71 15
4 Smirnoff 86 40
4 Smirnoff 75 13
4 Smirnoff 95 50
4 Smirnoff 97 6
4 Smirnoff 91 27
4 Smirnoff 100 34
4 Smirnoff 85 39
4 Smirnoff 80 36
4 Smirnoff 73 4
4 Smirnoff 83 5
4 Smirnoff 70 34
4 Smirnoff 98 6
4 Smirnoff 85 51
4 Smirnoff 87 25
4 Smirnoff 96 3
4 Smirnoff 89 21
4 Smirnoff 77 35
4 Smirnoff 89 4
4 Smirnoff 90 34
4 Smirnoff 75 12
4 Smirnoff 96 7
4 Smirnoff 100 10
4 Smirnoff 70 41
4 Smirnoff 72 5
4 Smirnoff 89 53
4 Smirnoff 89 57
4 Smirnoff 75 10
171
4 Smirnoff 86 29
4 Smirnoff 87 58
4 Smirnoff 75 58
4 Smirnoff 80 6
4 Smirnoff 94 10
4 Smirnoff 70 2
4 Smirnoff 89 31
4 Smirnoff 86 69
4 Smirnoff 74 18
4 Smirnoff 75 28
4 Smirnoff 85 1
4 Smirnoff 96 66
4 Iceland 75 28
4 Iceland 74 38
4 Iceland 89 13
4 Iceland 77 69
4 Iceland 93 32
4 Iceland 80 59
4 Iceland 89 47
4 Iceland 81 58
4 Iceland 99 40
4 Iceland 100 23
4 Iceland 80 2
4 Iceland 83 22
4 Iceland 96 24
4 Iceland 73 30
4 Iceland 95 14
4 Iceland 77 46
4 Iceland 95 65
4 Iceland 95 3
4 Iceland 92 41
4 Iceland 88 6
4 Iceland 76 18
4 Iceland 75 45
4 Iceland 72 29
4 Iceland 94 38
4 Iceland 77 66
4 Iceland 73 65
4 Iceland 86 20
4 Iceland 75 11
4 Iceland 87 53
4 Iceland 95 4
172
4 Iceland 89 24
4 Iceland 90 27
4 Iceland 79 43
4 Iceland 70 20
4 Iceland 96 43
4 Iceland 98 3
4 Iceland 86 12
4 Iceland 70 64
4 Iceland 98 14
4 Iceland 75 34
4 Iceland 97 44
4 Iceland 93 28
4 Iceland 78 69
4 Iceland 99 28
4 Iceland 78 26
4 Iceland 82 34
4 Iceland 78 19
4 Iceland 83 57
4 Iceland 98 51
5 Shasimi 92 3
5 Shasimi 96 5
5 Shasimi 93 34
5 Shasimi 94 27
5 Shasimi 74 10
5 Shasimi 72 12
5 Shasimi 92 11
5 Shasimi 84 62
5 Shasimi 93 46
5 Shasimi 92 54
5 Shasimi 81 62
5 Shasimi 85 15
5 Shasimi 93 30
5 Shasimi 79 40
5 Shasimi 90 15
5 Shasimi 70 59
5 Shasimi 84 34
5 Shasimi 70 45
5 Shasimi 93 18
5 Shasimi 80 27
5 Shasimi 71 15
5 Shasimi 72 26
5 Shasimi 94 17
173
5 Shasimi 85 47
5 Shasimi 87 67
5 Shasimi 87 38
5 Shasimi 85 15
5 Shasimi 91 9
5 Shasimi 82 13
5 Shasimi 89 16
5 Shasimi 100 69
5 Shasimi 76 38
5 Shasimi 83 7
5 Shasimi 77 62
5 Shasimi 71 32
5 Shasimi 81 29
5 Shasimi 100 44
5 Shasimi 100 37
5 Shasimi 87 23
5 Shasimi 71 9
5 Shasimi 74 4
5 Shasimi 72 8
5 Shasimi 84 24
5 Shasimi 90 13
5 Shasimi 78 63
5 Shasimi 71 65
5 Shasimi 75 42
5 Shasimi 97 25
5 Shasimi 92 43
5 Sarden 97 55
5 Sarden 79 2
5 Sarden 82 29
5 Sarden 86 56
5 Sarden 80 14
5 Sarden 90 63
5 Sarden 80 30
5 Sarden 91 34
5 Sarden 80 41
5 Sarden 95 56
5 Sarden 90 15
5 Sarden 72 38
5 Sarden 77 65
5 Sarden 95 34
5 Sarden 81 11
5 Sarden 93 52
174
5 Sarden 81 17
5 Sarden 89 9
5 Sarden 85 60
5 Sarden 98 7
5 Sarden 99 12
5 Sarden 73 4
5 Sarden 100 42
5 Sarden 96 51
5 Sarden 86 61
5 Sarden 76 14
5 Sarden 92 22
5 Sarden 83 15
5 Sarden 70 29
5 Sarden 98 64
5 Sarden 76 39
5 Sarden 81 43
5 Sarden 70 56
5 Sarden 75 1
5 Sarden 96 1
5 Sarden 72 30
5 Sarden 83 63
5 Sarden 100 24
5 Sarden 73 29
5 Sarden 89 56
5 Sarden 96 14
5 Sarden 70 39
5 Sarden 97 37
5 Sarden 86 41
5 Sarden 90 66
5 Sarden 70 62
5 Sarden 97 58
5 Sarden 91 67
5 Sarden 91 29
175
8.8 Pengolahan Data
Langkah-langkah dalam melakukan uji Paired Sample T Test adalah sebagai

berikut:
b. Klik Analyze - Compare Means - Paired Sample T Test
Gambar 8.1 Kotak Dialog Paired T Test

c. Blok Variabel layak dan tidak layak sehingga variabel tersebut keblok semua
kemudian pindah ke kotak paired variable (s) dengan melakukan klik tombol
panah.
d. Klik options, maka kotak dialog options: Paired Sample T Test muncul. Tingkat
kepercayaan 95% dan exclude cases analysis by analysis terpilih secara default.
Gambar 8.2 Kotak Dialog Paired T Test: options

e. Klik Continue
176
f. Klik OK
g. Hasil pengolahan uji Paired Sample T Test
Tabel 8.6 Hasil uji paired samples statistics
T-Test
Paired Samples Statistics
Mean N Std. Deviation Std. Error Mean
Pair 1 Layak 85.03 500 9.049 .405
Tidak_Layak 32.92 500 20.369 .911
Tabel 8.7 Hasil uji paired samples correlations
Paired Samples Correlations
N Correlation Sig.
Pair 1 Layak & Tidak_Layak 500 .020 .662
Dari perhitungan atau pengolahan data di atas yaitu nilai Signifikansi 0,662 > 0,05,
berarti terdapat hubungan antara layak dan tidak layak produk mentah dan jadi pada
produk-produk tersebut
177
Tabel 8.8 Hasil uji paired samples t test: options
Paired Samples Test
Paired Differences
95% Confidence
Interval of the
Difference
Std. Std. Error Sig. (2-
Mean Deviation Mean Lower Upper t df tailed)
Pair Layak -
52.112 22.126 .989 50.168 54.056 52.666 499 .000
1 Tidak_Layak
Untuk mengetahui hasil uji Paired Sample T-Test dilakukan melalui beberapa
tahap, yaitu
H0 : rata-rata produk-produk hasil pengecekan yang layak
H1 : rata-rata produk-produk hasil pengecekan yang tidak layak
3. Daerah kritis :
Jika t hitung > t tabel, maka tolak H0
Jika t hitung < t tabel, maka terima H0
4. Uji statistik :
Niai t hitung = 52,66, nilai t tabel = 2,00958. Maka t hitung > t tabel = 52,66 >
2,00958
5. Keputusan : Karena nilai t hitung > t tabel = tolak H0
6. Kesimpulan :
Jadi, dengan tingkat signifikansi 5% dapat disimpulkan bahwa rata-rata produk-

produk hasil pengecekan tidak layak.
178
Analisis dari hasil pengolahan data diatas dapat diketahui bahwa dengantingkat
signifikansi 5% / 0,05 nilai t hitung lebih besar dari t tabel yaitu 52,66 > 2,00958
yang artinya tolak H0 bahwa rata-rata dari produk di kelima perusahaan tersebut
yang terdiri dari produk tepung, minuman kaleng, daging olahan, minuman
beralkohol dan ikan olahan rata-rata tidak layak. Disini yanng dimaksud dengan
layak dan tidak layak berdasarkan data dari pengecekan kelayakan dengan
pengujian parameter fisika, kimia, mikrobiologi dan kecukupan gizi yang telah di
uji secara kritis dan terpercaya. Dari data yang ada jumlah produk yang tidak layak
lebih besar dari data produk yang layak yaitu produk tidak layak sebesar 43.500 dan
produk layak sebesar 28.585 yang artinya produk layak dan tidak layak hampir
setengahnya sendiri dalam pengujian kali iini.
8.11 Kesimpulan
Dapat disimpulkan bahwa dalam studi kasus ini masing-masing perusahaan

mengetahui bahwa dengan melakukan melakukan pengujian kelayakan, pengujian
lab dan pengujian melalui software SPSS dengan metode Paired Sample T Test
dapat diketahui bahwa dari hasil dari pengolahan data diatas menunjukan bahwa
rata-rata dari produk tersebut tidak layak.
Perlu ditinjau ulang untuk masing-masing perusahaan apa yang menyebabkan

produk-produk tersebut rata-rata tidak layak. Jangan sampai produk yang tidak
layak tersebut sampai ke tangan konsumen yang menyebabkan para konsumen
mengeluhkan tentang hal tersebut dan permasalahan tersebut nantinya akan
berdampak pada perusahaan dan tingkat penjualan dari produk tersebut.
179
BAB IX
STATISTIKA PARAMETRIK ONE WAY ANOVA
9.1 Latar Belakang
Seorang penguji kelayakan bisnis melakukan peninjauan tahunan terhadapusaha

menengah pada bidang makanan, tekstil dan manufaktur yang ada di Yogyakarta.
Masing-masing bidang dilakukan selama 3 bulan penuh pengecekan terhadap aspek
legalitas, lingkungan, teknis, sumber daya manusia, finansial, pasardan pemasaran.
9.2 Rumusan Masalah
Bagaimana hasil dari pengujian kelayakan terhadap aspek legalitas, lingkungan,

teknis, sumber daya manusia, finansial, pasar dan pemasaran?
9.3 Tujuan
1. Mendapatkan data kelayakan terhadap aspek legalitas, lingkungan, teknis,

sumber daya manusia, finansial, pasar dan pemasaran
9.4 Manfaat
1. Mengetahui bisnis mana yang layak pada usaha menengah
2. Perusahaan menengah dapat mengetahui hasil dari pengujian tersebut dan dapat
mengevaluasi usahanya
9.5 Literatur
Pada program spss, kita akan memasukan data berdasarkan variabelnya, yaitu
variabel dependent dan variabel independent, maka
1. Buatlah variabel data variabel dependent dan independent dengan ketentuan:
a. Variabel dependent : produksi_ susu measure: scale
b. Variabel independent: perlakuan measure : scale Value : value “1” label “T0” ;
value “2” label “ T1” dan seterusnya sesuai jumlah kelompok yang ada
2. Masukan data yang ada pada windows data view, dan apabila kita mengaktifkan
180
“value labels” akan terlihat seperti ini
Gambar 9.1 Data view pada SPSS

(Sumber: Statistik Parametrik Untuk Penelitian Kesehatan 2017)
3. Analisis dilakukan dengan memilih analyze compare means one way ANOVA
sehingga terlihat tabel berikut: 31 Pindahkan variabel dependent ke dalam
dependent list sedangkan variabel independent ke dalam kolom factors
Gambar 9.2 Uji One Way Anova

4. Mengingat uji asumsi yang harus dipenuhi pada uji Anova, yaitu uji
homogenitas,
181
maka pada “Option” kita aktifkan “homogeneity of variance test”
5. Pada uji anova, apabila diketahui terdapat beda yang signifikan antar kelompok,
maka perlu dilanjutkan ke uji-t untuk membandingkan kelompok manakah yang
“bonferreni”
6. Akan terlihat hasil pada windows output, terlihat 3 macam tabel. Yaitu tabel
homogenitas, tabel Anova dan tabel post hoc. Pada masing-masing tabel dapat
diambil kesimpulan sebagai berikut:
Tabel 9.1 Hasil Uji Homogenitas
Berdasarkan tabel didapatkan nilai sig (0,39) lebih besar dari α (0,05), sehingga Ho
diterima dan disimpulkan bahwa variasi antar kelompok sama atau homogen.
Tabel 9.2 Hasil Uji Anova
Berdasarkan uji ANOVA, didapatkan nilai sig (0,0001) lebih kecil dari α (0,05),
sehingga Ho ditolak dan dapat disimpulkan bahwa terdapat perbedaan rata-rata
prosuktivitas susu sapi pada kelompok pemberian pakan yang berbeda. Pada
182
penelitian ini, kelompok pemberian pakan terbagi menjadi lebih dari 2, maka perlu
diketahui kelompok manakah yang dinyatakan berbeda signikan. Hal tersebut pada
diketahui melalui tabel post hoc di bawah ini.
Tabel 9.3 Hasil Uji Post Hoc
Pada hasil uji post-hoc bonforrenni kita akan mendapati kelompok yang berbeda
nyata, melalui nilai sig < α (0,05). Atau dengan memperhatikan tanda (*).
Berdasarkan tabel diatas didapati, rata-rata produkstivitas sapi susu berbeda
signifikan kelompok yang adalah antar T0 – T1 (kelompok ransum dengan
kelompok ransum + ekstrak temulawak) T0 – T2 (kelompok ransum dengan
kelompok ransum + ekstrak suplemen Zn ) dan T0 – T3 (kelompok ransum dengan
kelompok ransum + ekstrak temulawak dan suplemen Zn) .
Metode Uji ANOVA (Analisis of Variance) atau sering juga diistilahkan sebagai
uji sidik ragam, dikembangkan oleh Ronald Fisher. Prinsip pengujiannya adalah
menganalisis variabilitas atau keragaman data menjadi dua sumber variasi, yaitu
variasi dalam kelompok (within) dan variasi antar kelompok (between). Bila variasi
within dan between sama maka rata-rata yang dihasilkan tidak ada perbedaan,
sebaliknya bila hasil perbandingan kedua varian tersebut menghasilkan
183
nilai lebih dari 1, maka rata-rata yang dibandingkan menunjukkan adanya
perbedaan.
Beberapa asumsi dasar yang mesti dipenuhi pada uji ANOVA adalah:
A. Data sampel yang digunakan berdistribusi normal atau dianggap normal,
B. Populasi tersebut memiliki varian yang homogen,
C. Sampel tidak berhubungan satu dengan lain (independen), sehingga uji ANOVA
tidak bisa digunakan untuk sampel berpasangan (paired).
Terdapat beberapa jenis ANOVA, yaitu: ANOVA satu jalur (one way ANOVA)
dan ANOVA dua jalur (two way ANOVA). One way ANOVA digunakan untuk
menguji hipotesis komparatif rata-rata k sampel, bila pada setiap sampel hanya
terdiri atas satu kategori. Sedang two way ANOVA digunakan untuk menguji
hipotesis komparatif rata-rata k sampel bila peneliti melakukan kategorisasi
terhadap sampel.
Berikut adalah kumpulan data pengecekan terhadap aspek legalitas,

lingkungan, teknis, sumber daya manusia, finansial, pasar dan pemasaran:
184
Tabel 9.4 Data produk pengujian kelayakan bisnis
185
Lanjutan tabel 9.4 Data produk pengujian kelayakan bisnis
186
187
188
9.8 Pengolahan Data
Langkah-langkah dalam melakukan uji One Way ANOVA adalah sebagai berikut:
b. Klik Analyze - Compare Means - One Way ANOVA
189
Gambar 9.3 Kotak Dialog One Way ANOVA
c. Masukan variabel legalitas, lingkungan, teknis, sumber daya manusia,

finansial, pasar dan pemasaran ke kotak dependents list dan masukan variabel
bisnis ke kotak factor
d. Klik options dan pilih Descriptive dan Homogenity of Variance test
Gambar 9.4 Kotak Dialog One Way ANOVA: options

e. Klik Continue
f. Klik OK
Berikut adalah hasil dari pengolahan data. Pengolahan data awal yang
dilakukan mulai dari uji normalitas, uji keseragaman data, validitas dan reliabilitas
kemudian data tersebut baru di uji dengan One Way ANOVA.
190
A. Uji Normalitas
Tabel 9.9 Hasil Pengolahan Uji Normalitas
191
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Legalita
s Statistic df Sig. Statistic df Sig.
Layak 1 .106 20 .200* .975 20 .861
2 .124 19 .200* .957 19 .519
3 .203 13 .148 .914 13 .208
4 .152 14 .200* .940 14 .420
5 .092 11 .200* .979 11 .960
6 .219 10 .192 .908 10 .266
7 .207 13 .133 .932 13 .363
8 .186 14 .200* .933 14 .339
9 .079 15 .200* .993 15 1.000
10 .106 15 .200* .969 15 .847
11 .140 14 .200* .966 14 .823
12 .154 18 .200* .975 18 .884
13 .108 24 .200* .971 24 .683
14 .082 18 .200* .977 18 .911
15 .135 21 .200* .956 21 .435
16 .141 16 .200* .929 16 .238
17 .158 15 .200* .956 15 .629
Tidak_Layak 1 .111 20 .200* .975 20 .858
2 .108 19 .200* .955 19 .475
3 .129 13 .200* .967 13 .860
192
4 .145 14 .200* .937 14 .376
5 .132 11 .200* .964 11 .815
6 .180 10 .200* .922 10 .371
7 .171 13 .200* .928 13 .324
8 .146 14 .200* .924 14 .253
9 .079 15 .200* .992 15 1.000
10 .122 15 .200* .964 15 .762
11 .134 14 .200* .952 14 .588
12 .103 18 .200* .984 18 .984
13 .128 24 .200* .956 24 .370
14 .097 18 .200* .974 18 .868
15 .171 21 .110 .945 21 .278
16 .157 16 .200* .922 16 .181
17 .132 15 .200* .960 15 .699
*. This is a lower bound of the true significance.

Analisis uji normalitas dilakukan dengan melakukan nilai alpha (α) sebesar
0,05 sebagai alat ukur untuk menentukan data yang diolah termasuk kedalam data
yang dikatakan normal atau tidak. Jika hasil signifikansi (Sig.) dari data yang diolah
lebih besar dari nilai alpha (α), maka data tersebut merupakan data yang tidak
normal (Sig.< α), sedangkan jika nilai (Sig.> α) maka data tersebut normal. Dari
hasil diatas menunjukkan bahwa :
a. Variabel Layak memiliki nilai (Sig.> α), maka data tersebut normal
b. Variabel Tidak Layak memiliki nilai (Sig.> α), maka data tersebut normal
193
B. Uji Keseragaman Data
Tabel 9.10 Hasil Pengolahan Uji Keseragaman Data
Test of Homogeneity of Variance
Layak Based on Mean .630 16 253 .858
Based on Median .572 16 253 .903
Based on Median and with

.572 16 216.085 .903
adjusted df
Based on trimmed mean .601 16 253 .882
Tidak_Layak Based on Mean .697 16 253 .796

.606 16 214.087 .877
adjusted df

Analisis uji normalitas dilakukan dengan melakukan nilai alpha (α) sebesar 0,05
sebagai alat ukur untuk menentukan data yang diolah termasuk kedalam data yang
dikatakan seragam atau tidak. Jika hasil signifikansi (Sig.) dari data yang diolah
seragam (Sig.< α), sedangkan jika nilai (Sig.> α) maka data tersebut seragam. Dari
a. Variabel Layak memiliki nilai (Sig.> α), maka data tersebut seragam
b. Variabel Tidak Layak memiliki nilai (Sig.> α), maka data tersebut seragam
194
C. Uji Validitas
Tabel 9.10 Hasil Pengolahan Uji Validitas
195
Correlations
Legalita Lingkun Finansi Pemasar Tidak_Lay N_Tota

Bisnis s gan Teknis SDM al Pasar an Layak ak l
Bisnis Pearson
1 -.009 .127* -.067 .028 -.013 -.017 .094 .063 .035 .053**
Correlation
Sig. (2-tailed) .883 .038 .276 .643 .833 .781 .122 .305 .566 .387
N 270 270 270 270 270 270 270 270 270 270 270
Legalit Pearson
-.009 1 -.009 -.048 -.028 .085 -.048 -.021 .379** .365** .379**
as Correlation
Sig. (2-tailed) .883 .883 .430 .644 .163 .427 .728 .000 .000 .000
N 270 270 270 270 270 270 270 270 270 270 270
Lingku Pearson
.127* -.009 1 -.085 .056 -.077 -.082 -.026 .306** .271** .296**
ngan Correlation
Sig. (2-tailed) .038 .883 .166 .357 .205 .179 .665 .000 .000 .000
N 270 270 270 270 270 270 270 270 270 270 270
Teknis Pearson
-.067 -.048 -.085 1 -.042 .048 -.085 -.020 .318** .327** .321**
Correlation
Sig. (2-tailed) .276 .430 .166 .491 .428 .163 .746 .000 .000 .000
N 270 270 270 270 270 270 270 270 270 270 270
SDM Pearson
.028 -.028 .056 -.042 1 -.095 -.013 .001 .340** .334** .341**
Correlation
Sig. (2-tailed) .643 .644 .357 .491 .120 .828 .992 .000 .000 .000
N 270 270 270 270 270 270 270 270 270 270 270
Finansi Pearson
-.013 .085 -.077 .048 -.095 1 .021 .055 .379** .401** .389**
al Correlation
196
Sig. (2-tailed) .833 .163 .205 .428 .120 .732 .371 .000 .000 .000
N 270 270 270 270 270 270 270 270 270 270 270
Pasar Pearson
-.017 -.048 -.082 -.085 -.013 .021 1 .142* .375** .385** .381**
Correlation
Sig. (2-tailed) .781 .427 .179 .163 .828 .732 .019 .000 .000 .000
N 270 270 270 270 270 270 270 270 270 270 270
Pemas Pearson
.094 -.021 -.026 -.020 .001 .055 .142* 1 .434** .430** .433**
aran Correlation
Sig. (2-tailed) .122 .728 .665 .746 .992 .371 .019 .000 .000 .000
N 270 270 270 270 270 270 270 270 270 270 270
Layak Pearson .340*

.063 .379** .306** .318** .379** .375** .434** 1 .978** .997**
*
Correlation
Sig. (2-tailed) .305 .000 .000 .000 .000 .000 .000 .000 .000 .000
N 270 270 270 270 270 270 270 270 270 270 270
Tidak_ Pearson .334*

.035 .365** .271** .327** .401** .385** .430** .978** 1 .990**
*
Layak Correlation
Sig. (2-tailed) .566 .000 .000 .000 .000 .000 .000 .000 .000 .000
N 270 270 270 270 270 270 270 270 270 270 270
N_Tota Pearson .341*

.053 .379** .296** .321** .389** .381** .433** .997** .990** 1
*
l Correlation
Sig. (2-tailed) .387 .000 .000 .000 .000 .000 .000 .000 .000 .000
N 270 270 270 270 270 270 270 270 270 270 270
*. Correlation is significant at the 0.05 level

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

level (2-tailed).
197
Dalam hal ini terdapat 270 data (N=270) dengan tingkat signifikansi 5% pada tabel
r dengan rumus df = N-2, maka df = 270-2 = 268. Maka dari hasil uji validitas diatas
dapat dijelaskan sebagai berikut :
Bisnis = 0,053 > r tabel Valid
Legalitas = 0,379 > r tabel Valid
Lingkungan = 0,296 > r tabel Valid
Teknis = 0,321 > r tabel Valid
SDM = 0,341 > r tabel Valid
Finansial = 0,389 > r tabel Valid
Pasar = 0,381 > r tabel Valid
Pemasaran = 0,433 > r tabel Valid
Layak = 0,997 > r tabel Valid
Tidak Layak = 0,990 > r tabel Valid
D. Uji Reliabilitas
Tabel 9.11 Hasil Pengolahan Uji Reliabilitas
Cronbach's
Alpha N of Items
.661 9
Berdasarkan Reliability Statistic terlihat bahwa nilai Cronbach’s Alpha

adalah 0,661 pada 9 of items pernyataan. Nilai tersebut berada diatas range 0,601 –
198
0,80 yang artinya bahwa pernyataan tersebut reliabel.
E. Uji One Way ANOVA
Tabel 9.12 Hasil Pengolahan Uji One Way ANOVA
Test of Homogeneity of Variances
Legalitas 2.039 2 267 .132
Lingkungan .606 2 267 .546
Teknis .956 2 267 .386
SDM .730 2 267 .483
Finansial 1.858 2 267 .158
Pasar 3.138 2 267 .045
Pemasaran .087 2 267 .917
199
ANOVA
Sum of Squares df Mean Square F Sig.
Legalitas Between Groups 6.363 2 3.181 .123 .884
Within Groups 6894.244 267 25.821
Total 6900.607 269
Lingkungan Between Groups 109.830 2 54.915 2.438 .089
Within Groups 6014.111 267 22.525
Total 6123.941 269
Teknis Between Groups 53.252 2 26.626 1.016 .363
Within Groups 6996.900 267 26.206
Total 7050.152 269
SDM Between Groups 76.141 2 38.070 1.656 .193
Within Groups 6137.489 267 22.987
Total 6213.630 269
Finansial Between Groups 1.607 2 .804 .038 .963
Within Groups 5668.633 267 21.231
Total 5670.241 269
Pasar Between Groups 48.822 2 24.411 .945 .390
Within Groups 6893.478 267 25.818
Total 6942.300 269
Pemasaran Between Groups 93.919 2 46.959 2.129 .121
Within Groups 5889.356 267 22.058
Total 5983.274 269
110
0
1. Penentuan Hipotesis ( Ho dan Hi )
Ho = Kelayakan bisnis tidak mempengaruhi peninjauan tahunan terhadap usaha

menengah yang sudah diuji selama 3 bulan
Hi = Kelayakan bisnis mempengaruhi peninjauan tahunan terhadap usaha

menengah yang sudah diuji selama 3 bulan
2. Tingkat signifikansi (α) 5 %
3. Uji statistic nilai t hitung = 2,438 , f tabel = 3,029218 maka t hitung < f tabel ,
2,438 < 3,029218
4. Keputusan = Karena nilai t hitung < f tabel = maka tolak Ho
5. Kesimpulan = jadi dengan tingkat signifikansi 5% dapat disimpulkan bahwa rata-

rata kelayakan bisnis mempengaruhi peninjauan tahunan terhadap usaha menengah
yang sudah diuji selama 3 bulan
Hasil dari pengolahan data diatas bahwa data pengecekan terhadap aspek
legalitas, lingkungan, teknis, sumber daya manusia, finansial, pasar dan pemasaran
pada pengujian kelayakan bisnis yang melakukan peninjauan tahunan terhadap
usaha menengah pada bidang makanan, tekstil dan manufaktur yang ada di
Yogyakarta selama 3 bulan menunjukan data tersebut setelah diuji dengan metode
uji normalitas, uji keseragaman data, validitas dan reliabilitas kemudian data
tersebut baru di uji dengan One Way ANOVA. Hasil dari masing-masing pengujian
terhadap metode-metode tersebut antara lain bahwa pada pengujian normalitas data
tersebut menunjukan normal karena nilai sig. Terhadap layak dan tidak layak dari
masing-masing legalitas nilainya diatas dari nilai alpha (0,05) semua. Untuk
pengujian keseragaman data menunjukan data tersebut seragam semua karena pada
hasil Test of Homogeneity of Variance terhadap layak dan tidak layak menunjukan
nilai diatas dari nilai alpha (0,05). Hasil pengujian dari validitas juga menunjukan
bahwa data tersebut semuanya valid karena dari pengolahan data yang terdapat 270
data (N=270) dengan tingkat signifikansi 5% pada tabel r dengan rumus df = N-2,
110
1
maka df = 270-2 = 268 hasil yang didapat dari masing-masing penilaian
menunjukan nilai di atas dari nilai r tabel yang artinya bahwa dalam pengujian
tersebut dinyatakan valid. Pada pengujian reliabilitas juga menunjukan angka 0,661
yang artinya bahwa nilai tersebut jika dicocokan dengan tabel tingkat reliabilitas
menunjukan bahwa nilai tersebut reliabel karena berada di range 0,601 - 0,80. Pada
uji One Way ANOVA sendiri menunjukan bahwa rata-rata kelayakan bisnis
mempengaruhi peninjauan tahunan terhadap usaha menengah yang sudah diuji
selama 3 bulan karena t hitung < f tabel , 2,438 < 3,029218.
9.11 Kesimpulan
Kesimpulan yang dapat diambil dari pengujian dan pengolahan data diatas
yaitu perusahaan menengah di Yogyakarta mengetahui bahwa perusahaannya layak
dan untuk meningkatkan kualitas perusahaan itu sendiri perusahaan harus
mengembangkan aspek legalitas, lingkungan, teknis, sumber daya manusia,
finansial, pasar dan pemasaran yang dimiliki perusahaan agar perusahaan tersebut
terus berkembang dan maju. Dapat diperoleh juga pada pengujian dan pengolahan
data diatas dengan mengguakan One Way ANOVA menjunjukan bahwa rata-rata
kelayakan bisnis mempengaruhi peninjauan tahunan terhadap usaha menengah
yang sudah diuji selama 3 bulan.
110
2
BAB X
STATISTIKA NON PARAMETRIK CHI SQUARE
10.1 Latar Belakang
Seorang designer melakukan penelitian pada hasil rancangan busana yang

telah dibuat selama 2 tahun sejumlah 30 set. Designer ingin hasil rancangan tersebut
dinilai oleh masing-masing model yang berada dibawah naungannya sebanyak 400
orang untuk mengetahui rancangan apa saja yang digemari dari segi keindahan
design, warna, bahan, motif, dan kenyamanan dipakai dinilai dalam range 1-100.
10.2 Rumusan Masalah
Bagaimana hasil dari penelitian terhadap penilaian pada hasil rancangan

busana terhadap 400 orang tersebut?
10.3 Tujuan
1. Mendapatkan data penilaian dari 400 orang
2. Mengetahui rancangan apa saja yang digemari dari segi keindahan design, warna,
bahan, motif, dan kenyamanan
10.4 Manfaat
1. Designer dapat mengetahui dari 30 rancangan busana yang paling digemari
dari segi keindahan design, warna, bahan, motif, dan kenyamanan
2. Designer dapat mengetahui tolak ukur busana yang digemari oleh masing-
masing model yang berada dibawah naungannya
10.5 Literatur
Suatu survey ingin mengetahui apakah ada hubungan Asupan Lauk dengan
kejadian anemia pada penduduk desa X. Kemudian diambil sampel sebanyak 120
orang yang terdiri dari 50 orang asupan lauknya baik dan 70 orang asupan lauknya
kurang. Setelah dilakukan pengukuran kadar Hb ternyata dari 50 orang yang asupan
lauknya baik, ada 10 orang yang dinyatakan anemia. Sedangkan dari 70 orang yang
110
3
asupan lauknya kurang ada 20 orang yang anemia. Ujilah apakah ada perbedaan
proporsi anemia pada kedua kelompok tersebut.
Jawab:
HIPOTESIS:
Ho : P1 = P2 (Tidak ada perbedaan proporsi anemia pada kedua kelompok tersebut)
Ho : P1 ≠ P2 (Ada perbedaan proporsi anemia pada kedua kelompok tersebut)
PERHITUNGAN:
Untuk membantu dalam perhitungannya kita membuat tabel silangnya seperti ini :
Tabel 10.1 data asupan lauk
(Sumber: http://statistik-kesehatan.blogspot.com/2011/04/uji-kai-kuadrat-chi-square-
test.html)
Kemudian tentukan nilai observasi (O) dan nilai ekspektasi (E) :
Selanjutnya masukan dalam rumus :
110
4
Perhitungan selesai, sekarang kita menentukan nilai tabel pada taraf nyata/alfa =
0.05. Sebelumnya kita harus menentukan nilai df-nya. Karena tabel kita 2x2, maka
nilai df = (2-1)*(2-1)=1.
Tabel 10.2 perhitungan nilai df
(Sumber: http://statistik-kesehatan.blogspot.com/2011/04/uji-kai-kuadrat-chi-square-
test.html)
Dari tabeli kai kudrat di atas pada df=1 dan alfa=0.05 diperoleh nilai tabel = 3.841.
Keputusan Statistik :
Bila nilai hitung lebih kecil dari nilai tabel, maka Ho gagal ditolak, sebaliknya bila
nilai hitung lebih besar atau sama dengan nilai tabel, maka Ho ditolak. Dari
perhitungan di atas menunjukan bahwa χ2 hitung < χ2 tabel, sehingga Ho gagal
ditolak.
Kesimpulan :
Tidak ada perbedaan yang bermakna proporsi antara kedua kelompok tersebut. Atau
dengan kata lain tidak ada hubungan antara asupan lauk dengan kejadian anemia.
180
Metode Uji Uji kai kuadrat (dilambangkan dengan "χ2" dari huruf Yunani "Chi"
dilafalkan "Kai") digunakan untuk menguji dua kelompok data baik variabel
independen maupun dependennya berbentuk kategorik atau dapat juga dikatakan
sebagai uji proporsi untuk dua peristiwa atau lebih, sehingga datanya bersifat diskrit.
Misalnya ingin mengetahui hubungan antara status gizi ibu (baik atau kurang)
dengan kejadian BBLR (ya atau tidak).
Dasar uji kai kuadrat itu sendiri adalah membandingkan perbedaan frekuensi
hasil observasi (O) dengan frekuensi yang diharapkan (E). Perbedaan tersebut
meyakinkan jika harga dari Kai Kuadrat sama atau lebih besar dari suatu harga yang
ditetapkan pada taraf signifikan tertentu (dari tabel χ2). Uji
Kai Kuadrat dapat digunakan untuk menguji:
1. Uji χ2 untuk ada tidaknya hubungan antara dua variabel (Independency test).
2. Uji χ2 untuk homogenitas antar- sub kelompok (Homogenity test).
3. Uji χ2 untuk Bentuk Distribusi (Goodness of Fit)
Sebagai rumus dasar dari uji Chi Square adalah:
Keterangan:
O= frekuensi hasil observasi
E= frekuensi yang diharapkan.
Nilai E= (Jumlah sebaris x Jumlah Sekolom) / Jumlah data
df= (b-1) (k-1)
Dalam melakukan uji kai kuadrat, harus memenuhi syarat:
1. Sampel dipilih secara acak
181
2. Semua pengamatan dilakukan dengan independen
3. Setiap sel paling sedikit berisi frekuensi harapan sebesar 1 (satu). Sel-sel
dengdan frekuensi harapan kurang dari 5 tidak melebihi 20% dari total sel
4. Besar sampel sebaiknya > 40 (Cochran, 1954)
Keterbatasan penggunaan uji Kai Kuadrat adalah tehnik uji kai kuadarat memakai
data yang diskrit dengan pendekatan distribusi kontinu. Dekatnya pendekatan yang
dihasilkan tergantung pada ukuran pada berbagai sel dari tabel kontingensi. Untuk
menjamin pendekatan yang memadai digunakan aturan dasar “frekuensi harapan
tidak boleh terlalu kecil” secara umum dengan ketentuan:
1. Tidak boleh ada sel yang mempunyai nilai harapan lebih kecil dari 1 (satu)
2. Tidak lebih dari 20% sel mempunyai nilai harapan lebih kecil dari 5 (lima)
Bila hal ini ditemukan dalam suatu tabel kontingensi, cara untuk
menanggulanginyanya adalah dengan menggabungkan nilai dari sel yang kecil ke
se lainnya (mengcollaps), artinya kategori dari variabel dikurangi sehingga kategori
yang nilai harapannya kecil dapat digabung ke kategori lain. Khusus untuk tabel 2x2
hal ini tidak dapat dilakukan, maka solusinya adalah melakukan uji Fisher Exact
atau Koreksi Yates.
Berikut adalah kumpulan data penilaian rancangan busana dari masing-masing

model yang berada dibawah naungan designer:
182
Tabel 10.3 Data penilaian rancangan busana
183
Lanjutan tabel 10.3 Data penilaian rancangan busana
202
203
204
205
10.8 Pengolahan Data
Langkah-langkah dalam melakukan uji Non Parametrik Chi Square adalah

sebagai berikut:
b. Klik Data - Weight Cases
Gambar 10.1 Kotak Dialog Weight Cases

218
c. Pilih Weight cases by dan masukkan variabel N_Total di dalam kotak frequency
variable
219
d. Klik OK
e. Klik Analyze - Non Parametrik Test - Chi Square
f. Masukan variabel N_Total ke kotak test variable list, pilih get from data di kotak
expected range dan pilih all categories equal di kotak expected values
g. Klik OK
Berikut adalah hasil dari pengolahan data. Pengolahan data awal yang dilakukan
mulai dari uji normalitas, uji keseragaman data, validitas dan reliabilitas kemudian
data tersebut baru di uji dengan metode non parametrik chi square.
A. Uji Normalitas
220
Tests of Normality
Model_Busan
a Statistic df Sig. Statistic df Sig.
Keindahan Busana 1
.061 200 .068 .968 200 .000
Busana 2
.060 200 .080 .962 200 .000

Busana 3
.058 200 .200* .965 200 .000

Busana 4
.061 200 .068 .968 200 .000

Busana 5
.059 200 .093 .968 200 .000

Busana 6
.058 200 .200* .965 200 .000

Busana 7
Busana 8 .061 200 .068 .968 200 .000
Busana 9 .061 200 .068 .968 200 .000
Busana 10 .060 200 .080 .962 200 .000
Busana 11 .058 200 .200* .965 200 .000
.061 200 .068 .968 200 .000

Busana 12
Busana 13 .059 200 .093 .968 200 .000
Busana 14 .058 200 .200* .965 200 .000
.061 200 .068 .968 200 .000

Busana 15
.060 200 .080 .962 200 .000
Warna Busana 1 .061 200 .068 .968 200 .000
Busana 2 .060 200 .080 .962 200 .000
Busana 3 .058 200 .200* .965 200 .000
Busana 4 .061 200 .068 .968 200 .000
Busana 5 .059 200 .093 .968 200 .000
220
Busana 6 .058 200 .200* .965 200 .000
Busana 7 .061 200 .068 .968 200 .000
Busana 8 .061 200 .068 .968 200 .000
Busana 9 .057 200 .200* .974 200 .001
Busana 10 .061 200 .068 .968 200 .000
Busana 11 .060 200 .080 .962 200 .000
Busana 12 .058 200 .200* .965 200 .000
Busana 13 .060 200 .080 .962 200 .000
Busana 14 .058 200 .200* .965 200 .000
Busana 15 .061 200 .068 .968 200 .000
Bahan Busana 1 .058 200 .200* .965 200 .000
Busana 2 .061 200 .068 .968 200 .000
Busana 3 .058 200 .200* .971 200 .000
Busana 4 .061 200 .068 .968 200 .000
Busana 5 .062 200 .061 .961 200 .000
Busana 6 .058 200 .200* .965 200 .000
Busana 7 .061 200 .068 .968 200 .000
Busana 8 .059 200 .093 .968 200 .000
Busana 9 .058 200 .200* .965 200 .000
Busana 10 .059 200 .092 .968 200 .000
Busana 11
.060 200 .080 .962 200 .000
Busana 12
.058 200 .200* .965 200 .000
Busana 13
.058 200 .200* .965 200 .000
Busana 14
.057 200 .200* .967 200 .000
221
Busana 15 .060 200 .075 .967 200 .000
Motif Busana 1 .058 200 .200* .965 200 .000
Busana 2 .057 200 .200* .967 200 .000
Busana 3 .060 200 .075 .967 200 .000
Busana 4 .058 200 .200* .965 200 .000
Busana 5 .058 200 .200* .965 200 .000
Busana 6 .053 200 .200* .969 200 .000
Busana 7 .061 200 .068 .968 200 .000
Busana 8 .059 200 .093 .968 200 .000
Busana 9 .058 200 .200* .965 200 .000
Busana 10 .058 200 .098 .969 200 .000
Busana 11
.058 200 .098 .965 200 .000
Busana 12
.058 200 .096 .968 200 .000
Busana 13
.074 200 .009 .959 200 .000
Busana 14
.057 200 .200* .965 200 .000
Busana 15
.058 200 .200* .965 200 .000
Kenyamanan Busana 1 .058 200 .200* .965 200 .000
Busana 2 .061 200 .068 .968 200 .000
Busana 3 .061 200 .068 .968 200 .000
Busana 4 .060 200 .080 .962 200 .000
Busana 5 .060 200 .077 .968 200 .000
Busana 6 .062 200 .056 .964 200 .000
Busana 7 .055 200 .200* .966 200 .000
Busana 8 .059 200 .090 .967 200 .000
222
Busana 9 .062 200 .061 .961 200 .000
Busana 10 .058 200 .200* .965 200 .000
Busana 11 .061 200 .068 .968 200 .000
Busana 12 .059 200 .093 .968 200 .000
Busana 13 .058 200 .200* .965 200 .000
Busana 14 .059 200 .092 .968 200 .000
Busana 15 .060 200 .080 .962 200 .000
Analisis uji normalitas dilakukan dengan melakukan nilai alpha (α) sebesar 0,05 sebagai
alat ukur untuk menentukan data yang diolah termasuk kedalam data yang dikatakan normal
atau tidak. Jika hasil signifikansi (Sig.) dari data yang diolah lebih besar dari nilai alpha (α),
maka data tersebut merupakan data yang tidak normal (Sig.< α), sedangkan jika nilai (Sig.>
α) maka data tersebut normal. Dari hasil diatas menunjukkan bahwa :
a. Variabel Keindahan memiliki nilai (Sig.> α), maka data tersebut normal
b. Variabel Warna memiliki nilai (Sig.> α), maka data tersebut normal
c. Variabel Bahan memiliki nilai (Sig.> α), maka data tersebut normal
d. Variabel Motif memiliki nilai (Sig.> α), maka data tersebut normal
e. Variabel Kenyamanan memiliki nilai (Sig.> α), maka data tersebut normal
223
224
Based on Mean
.144 14 298 1.00
5 0
Based on Median
.154 14 2985 1.000
adjusted df
.154 14 2.972E3 1.000
Based on trimmed mean

.141 14 298 1.000
Warna Based on Mean 5
.238 14 .998
Based on Median 298
5
.238 14 2985 .998
adjusted df
Based on trimmed mean .238 14 2.972E3 .998
Based on Mean
.235 14 298 .998
5
Based on Median
.162 14 1.000
298
5
adjusted df
.171 14 2985 1.000
.171 14 2.972E3 1.000

Based on Mean
Based on Median .161 14 298 1.00

5 0
.175 14
adjusted df 298 1.00
5 0
.181 14 2985 1.000
Based on Mean
.181 14 2.974E3 1.000

Based on Median
.174 14 298 1.00

5 0
.136 14
298 1.00
5 0
.142 14 2985 225

1.000
.142 14 2.975E3 1.000
adjusted df
Based on trimmed mean .134 14 2985 1.000
Analisis uji normalitas dilakukan dengan melakukan nilai alpha (α) sebesar 0,05 sebagai
alat ukur untuk menentukan data yang diolah termasuk kedalam data yang dikatakan
seragam atau tidak. Jika hasil signifikansi (Sig.) dari data yang diolah lebih besar dari nilai
alpha (α), maka data tersebut merupakan data yang tidak seragam (Sig.< α), sedangkan jika
nilai (Sig.> α) maka data tersebut seragam. Dari hasil diatas menunjukkan bahwa :
a. Variabel Keindahan memiliki nilai (Sig.> α), maka data tersebut seragam
b. Variabel Warna memiliki nilai (Sig.> α), maka data tersebut seragam
c. Variabel Bahan memiliki nilai (Sig.> α), maka data tersebut seragam
d. Variabel Motif memiliki nilai (Sig.> α), maka data tersebut seragam
e. Variabel Kenyamanan memiliki nilai (Sig.> α), maka data tersebut seragam
C. Uji Validitas
226
Correlations
Model_Busan Responde Keindahan Warna Bahan Motif Kenyamana N_Total

a n n
Pearson Correlation
-.003 - .004 .00 .520**
1 .000 .003 0 -.002
Sig. (2-tailed)
1.000 .867 .857 .821 .974 .904 .934
N
3000 3000 300 300 300 300 3000 300
0 0 0 0 0
Pearson Correlation
.000 1 -.034
Sig. (2-tailed) -.045* -.038* - - .580**
.028 .006
N 1.000 .013 .036 .122 .757 .061 .012
Pearson Correlation 3000 300 3000 300 300 300 3000 300
0 0 0 0 0
Sig. (2-tailed) .470**
-.003 1
-.045* .543** .304** .178** .759**
N
.867 .013 .000 .000 .000 .000 .000
Warna Pearson Correlation
3000 300 300 3000 300 300 3000 300
Sig. (2-tailed) 0 0 0 0 0
.038*
-.003 1
N -.038* .543** .403** .140** .645**
.857 .036 .000 .000 .000 .036 .000

Pearson Correlation
3000 300 300 300 3000 300 3000 300
Sig. (2-tailed) 0 0 0 0 0
.252**
.004 1
N .304** .403** .420** .723**
-
.028
Pearson Correlation
.821 .122 .000 .000 .000 .000 .000
Sig. (2-tailed)
3000 300 300 300 300 3000 3000 300
N 0 0 0 0 0
.156**
.000 1
Pearson Correlation .178** .140** .420** .577**
-
.006
Sig. (2-tailed)
.974 .757 .000 .000 .000 .000 .000
3000 300 300 300 300 300 3000 300

0 0 0 0 0 0
-.002 1
227
.470** .038 .252** .156** .583**
-
*
.034
.904 .061 .000 .036 .000 .000 .000

N 300 300 300 300 300 300 300 3000
0 0 0 0 0 0 0
N_Total Pearson Correlation 1
-
-.046* .759** .645** .723** .577** .583**
Sig. (2-tailed) .002
N .934 .012 .000 .000 .000 .000 .000
3000 3000 3000 3000 3000 3000 3000 300

0
Dalam hal ini terdapat 3000 data (N=3000) dengan tingkat signifikansi 5% pada
tabel r dengan rumus df = N-2, maka df = 3000-2 = 2998. Maka dari hasil uji
validitas diatas dapat dijelaskan sebagai berikut :
Model_Busan = 0,520 > r tabel Valid
Responden = 0,580 > r tabel Valid
Keindahan = 0,759 > r tabel Valid
Warna = 0,645 > r tabel Valid
Bahan = 0,723 > r tabel Valid
Motif = 0,577 > r tabel Valid
Kenyamanan = 0,583 > r tabel Valid
D. Uji Reliabilitas
228
.672
Berdasarkan Reliability Statistic terlihat bahwa nilai Cronbach’s Alpha adalah

0,672 pada 5 of items pernyataan. Nilai tersebut berada diatas range 0,601 – 0,80
yang artinya bahwa pernyataan tersebut reliabel.
E. Uji Non Parametrik Chi Square
Tabel 10.8 Hasil Pengolahan Uji Non Parametrik Chi Square
Test Statistics
N_Total
Chi-Square 1.435E3a
df 344
Asymp. Sig. .000
a. 0 cells (.0%) have

expected frequencies less
than 5. The minimum
expected cell frequency is
8.7.
229
1. Penentuan Hipotesis ( H0 dan H1 )
H0 = Rancangan busana yang tidak digemari dari segi keindahan design,

warna, bahan, motif, dan kenyamanan
H1 = Rancangan busana yang digemari dari segi keindahan design,

warna, bahan, motif, dan kenyamanan
3. Uji statistic nilai t hitung = 2,438 , f tabel = 3,029218 maka t hitung < f tabel
2,438 < 3,029218
4. Daerah kritis = jika x² hitung > x² tabel , maka tolak Ho
jika x² hitung < x² tabel , maka terima Ho
5. Uji Statistik = x² hitung > x² tabel 1,435E3ᵃ > 388,25
6. Kesimpulan = jadi dengan tingkat signifikansi 5% bahwa mode Rancangan

busana yang digemari dari segi keindahan design,warna, bahan, motif, dan
kenyamanan
Hasil pengolahan data dan pengujian diatas bahwa pada pengujian dan
pengolahan data pada studi kasus tersebut dilakukan dengan beberapa metode
pengujian terlebih dahulu untuk menguji chi square test nya antara lain yaitu uji
normalitas, uji keseragaman data, uji validitas, uji relibilitas kemudian baru di uji
chi square test. Hasil dari pengolahan dan pengujian dari data diatas menunjukan
bahwa untuk uji normalitas dari data tersebut hasilnya normal semua karena dari
semua variabel menunjukan nilai yang dihasilkan oleh pengolahan tersebut di atas
dari nilai alpha (0,05). Pada uji keseragaman pada masing-masing variable
pengolahan data menghasilkan nilai lebih dari nilai alpha (0,05) yang berarti data
disetiap variabel tersebut memiliki keseragaman data. Untuk uji validitas terdapat
3000 data (N=3000) dengan tingkat signifikansi 5% pada tabel r dengan rumus df
230
= N-2, maka df = 3000-2 = 2998 dan hasil dari pengolahan data
tersebut menunjukan nilai yang diperoleh dari masing-masing
variabel lebih dari r tabel yang artinya semua data tersebut valid.
Pada pengujian relibilitas sesuai dengan tabel Reliability Statistic
terlihat bahwa nilai Cronbach’s Alpha adalah 0,672 pada
5 of items pernyataan. Bahwa nilai tersebut berada diatas range
0,601 – 0,80 yang artinya bahwa pernyataan tersebut reliabel.
Untuk uji chi square sendiri memperoleh hasil x² hitung > x² tabel
1,435E3ᵃ > 388,25 yang dapat disimpulkan tingkat signifikansi
5% bahwa mode Rancangan busana yang digemari dari segi
keindahan design,warna, bahan, motif, dan kenyamanan.
10.11 Kesimpulan
Kesimpulan yang dapat di ambil dari pengolahan data dan

pengujian data di atas antara lain yaitu dari hasil yang sudah
diperoleh menunjukan bahwa data yang didapat setelah di uji
normalitas, keseragaman data, validitas, reliabilitas dan uji chi
square telah normal, seragam, valid, reliabel, dan mendapat
kesimpulan pada pengujian dengan metode chi square bahwa
rancangan busana yang digemari dari segi keindahan
design,warna, bahan, motif, dan kenyamanan.
Designer juga dapat mengetahui bahwa rancangan busananya

dinilai tinggi oleh 400 orang yang ada di bawah naungannya yaitu
mereka lebih banyak menilai lebih pada variabel penilaian pada
keindahan dan bahan yang digunakan. Dengan demikian dapat
diketahui bahwa designer harus mempertahankan atau bisa juga
menambah lagi kualitas dari bahan dan keindahan dari rancangan
busana tersebut dan untuk penilaian yang kurang seperti desain,
warna, motif dan kenyamanan bisa dievaluasi lagi bagian mana
yang menjadi minus pada rancangan busana tersebut. Karena
dengan mengevaluasi hasil rancangan designer dapatt mengetahui
letak kekurangan yang ada produk tersebut sebelum dipasarkan
231
ke klien. Selain itu juga dengan hasil pengolahan data tersebut
dapat diketahui tolak ukur selera dari masing-masing orang
tersebut dengan begitu designer dapat membuat rancangan busana
yang dapat diterima di tengah masyarakat.
232
BAB XI
STATISTIKA NON PARAMETRIK CHI SQUARE SATU VARIABEL
11.1 Latar Belakang
Pemerintah pusat hendak melakukan peninjauan terhadap masalah banjir baru-

baru ini yang terjadi di JABODETABEK untuk periode saat ini dan selanjutnya.
Sebagai bagian dari anggota peninjau pemerintah pusat, perlu adanya riset terhadap
tingkat kebutuhan untuk solusi yang ada. Pemerintah mengusulkan adanya 5 solusi
alternatif untuk setiap daerah dengan perlakuan yang berbeda dilihat dari letak
geografis, sistem ekonomi, kemampuan sumber daya manusia, dan jenis perubahan
cuaca di JABODETABEK untuk mengelola solusi tersebut ketika banjir terjadi lagi.
Bagaimana solusi yang tepat untuk mengatasi masalah banjir yang terjadi di
JABODETABEK?
11.3 Tujuan
Mendapatkan data dari kuesioner mengenai solusi untuk mengatasi

permasalahan banjir yang terjadi di JABODETABEK.
11.4 Manfaat
1. Mengetahui hasil data kuesioner yang ada
2. Dapat mengetahui solusi yang tepat yang telah dipilih oleh masyarakat
3. Dapat merealisasikan solusi dari pilihan terbanyak dari kuesioner tersebut
4. Mengurangi kemungkinan bencana banjir datang lagi
11.5 Literatur
Data yang digunakan adalah data sekunder yaitu data kuesioner Survei
Terpadu Biologis dan Perilaku (STBP) penasun tahun 2015.
233
Tabel 11.1 Data kuesioner STBP 2015
Data kuesioner STBP penasun 2015 disajikan dalam Tabel 11.1 Analisis
data dibantu dengan program SPSS.
Kategorisasikan Data Menjadi Variabel Pengetahuan, Pendidikan, dan Umur

Melakukan kategorisasi data dengan menggunakan aplikasi SPSS. Kemudian
kelompokkan variabel menjadi 3 bagian yaitu variabel pengetahuan, pendidikan,
dan umur. Pada variabel pengetahuan dibagi menjadi 2 bagian yaitu baik dan kurang.
Pada variabel pendidikan dibagi menjadi 2 bagian yaitu rendah dan tinggi.
Sedangkan pada variabel umur dibagi menjadi 3 bagian yaitu 15 - 24, 25 - 39, dan
40 – 59.
Uji Chi-square antara Pendidikan dengan Pengetahuan Melakukan uji Chi-square

antara pendidikan dengan pengetahuan dapat dilakukan. Dapat dilihat dari Tabel
6.2 output SPSS sebagai berikut:
234
Tabel 11.2 Chi-Square Tests pendidikan dengan pengetahuan
Tabel 11.2 menunjukan 0 sel dengan nilai ekspektasi < 5 artinya tidak ada nilai
ekspektasi lebih kecil dari 5. Kemudian nilai minimum ekspektasinya sebesar 17,02
artinya tidak ada nilai ekspektasi yang lebih kecil dari 5, maka syarat uji Chi-square
terpenuhi. Selanjutnya karena analisis dengan tabel 2 X 2, maka gunakan rumus
“Continuty Correction”. Dari hasil uji Chi-square didapatkan nilai p-value atau
sig. sebesar 0,218, dengan memakai alfa sebesar 0,05 maka nilai p-value ≥ 0,05 atau
didapatkan nilai χ 2 hitung sebesar 1,516 ≤ χ 2 tabel sebesar 3,84146. Dengan
demikian, tidak cukup 7 I. C. Negara dan A data untuk menerima H1. Artinya H0
diterima, sehingga tidak terdapat pengaruh tingkat pendidikan terhadap pengetahuan
penasun.
Uji Chi-square antara Umur dengan Pengetahuan Dapat dilihat apakah ada pengaruh
antara umur terhadap pengetahuan menggunakan uji Chi-square nya. Dapat dilihat
dari Tabel 6.3 output SPSS sebagai berikut :
Tabel 11.3 Chi-Square Tests umur dengan pengetahuan Value Df Asymp
Tabel 11.3 menunjukan bahwa tidak ada nilai ekspektasi lebih kecil dari 5. Nilai
ekspektasi terkecil yaitu 5,02 maka syarat uji Chi-square terpenuhi. Karena tabel
adalah 2 X 3 maka gunakan rumus pada “Pearson Chi-Square”. Dapat dilihat dari
hasil uji Chi-square didapatkan nilai p-value sebesar 0,001, dengan menggunakan
235
alfa sebesar 0,05 maka nilai p-value atau sig. < 0,05 atau didapatkan nilai χ 2 hitung
sebesar 13,729 > χ 2 tabel sebesar 5,99146. Dengan demikian, cukup data untuk
menerima H1. Artinya H0 ditolak, sehingga terdapat pengaruh tingkat umur
terhadap pengetahuan penasun.
Kesimpulan :
Setelah dilakukan uji Chi–square antara pendidikan dengan pengetahuan didapatkan

nilai p-value atau sig. sebesar 0,218, dengan memakai alfa sebesar 0,05 maka nilai
p-value ≥ 0,05 atau didapatkan nilai X 2 hitung sebesar 1,516 ≤ X 2 tabel sebesar
3,84146. Dengan demikian, tidak cukup data untuk menerima H1. Artinya H0
diterima, sehingga tidak terdapat pengaruh tingkat pendidikan.
Metode Uji Chi Square Test Satu Variabel dengan frekuensi harapan berbeda
Seperti yang kita ketahui bahwa uji Chi square digunakan untuk menguji
perbandingan sekelompok frekuensi yang diamati dengan kelompok frekuensi yang
diharapkan.
a. Mengacu pada pernyataan tersebut kita menemui suatu masalah.
b. Masalahnya adalah kita tidak mengetahui nilai frekuensi Harapan .
Untuk itu perlu dilakukan metode perhitungan untuk menentukan nilai harapan
sebelum dimasukkan ke dalam rumus χ2
Formula Chi square
χ2=∑ki=1(Oi−Ei)2Ei
Dimana,
Oi= banyaknya kasus yang diamati dalam kategori ke-i
Ei= kasus yang diharapkan dalam kategori ke-i dibawah H0=
∑ki=1= notasi sigma yang menunjukkan penjumlahan untuk semua kategori (k)
dimana Ei = N/k ; N=∑NiOi
236
Berikut adalah kumpulan data hasil dari kuesioner solusi terhadap penanganan
banjir di JABODETABEK:
Tabel 11.4 Data Kuesioner Solusi Banjir
Responden Solusi Tahap N_Total
1 2 3 6
2 1 3 6
3 1 1 5
4 4 1 7
5 3 1 9
6 1 1 8
7 5 1 9
8 1 2 11
9 2 3 14
10 2 2 14
11 3 1 15
12 1 3 16
13 5 3 19
14 4 3 20
15 2 2 19
16 5 3 22
17 5 3 23
18 3 3 24
19 4 1 22
20 1 1 22
21 4 2 25
237
Lanjutan Tabel 11.4 Data Kuesioner Solusi Banjir
22 2 2 26
23 4 1 27
24 4 1 28
25 4 1 29
26 1 3 30
27 3 2 32
28 5 2 31
29 5 3 35
30 1 2 33
31 5 1 33
32 2 1 35
33 3 1 37
34 3 1 38
35 1 3 39
36 3 3 42
37 2 3 42
38 1 1 40
39 3 1 43
40 2 2 44
41 2 1 44
42 1 1 44
43 2 2 47
44 3 1 48
45 1 1 47
46 2 1 49
47 1 3 51
238
48 4 1 50
49 4 1 51
50 1 3 54
51 1 3 55
52 5 2 56
53 1 1 55
54 5 2 58
55 1 3 59
56 2 2 60
57 1 1 59
58 2 2 62
59 4 5 63
60 5 5 64
61 5 3 65
62 1 1 64
63 2 3 68
64 1 2 67
65 5 5 69
66 4 5 68
67 1 3 71
68 4 4 71
69 4 4 72
70 3 5 74
71 1 3 75
72 2 2 76
73 1 3 77
239
74 3 4 79
75 3 3 81
76 4 4 79
77 3 1 81
78 5 2 82
79 5 3 84
80 1 2 83
81 2 1=5 84
82 1 2 85
83 4 3 87
84 2 4 88
85 3 4 91
86 3 1 90
87 1 3 91
88 2 1 90
89 5 5 92
90 5 2 94
91 3 1 95
92 3 5 96
93 1 1 95
94 4 5 96
95 4 1 97
96 1 1 98
97 1 1 99
98 1 1 100
99 3 3 105
240
100 4 2 103
101 4 1 103
102 1 3 104
103 3 4 107
104 5 1 106
105 4 1 107
106 2 5 109
107 5 5 109
108 5 3 112
109 1 1 111
110 1 5 112
111 1 4 113
112 1 4 114
113 1 1 115
114 3 2 119
115 1 1 117
116 5 1 118
117 4 1 119
118 2 2 122
119 1 1 121
120 2 3 125
121 2 3 126
122 1 1 124
123 2 1 126
124 3 3 130
125 2 3 130
241
126 2 3 131
127 3 3 133
128 3 1 132
129 2 3 134
130 1 1 132
131 3 2 136
132 3 3 138
133 3 3 139
134 3 3 140
135 3 5 141
136 3 5 142
137 5 4 142
138 5 1 142
139 3 3 145
140 4 1 144
141 4 5 147
142 2 1 145
143 1 3 147
144 3 3 150
145 5 4 148
146 4 3 152
147 3 4 151
148 4 2 151
149 4 5 153
150 3 1 154
151 5 3 155
242
Keterangan :
Solusi = 1 : A; 2 : B; 3 : C
Langkah-langkah dalam melakukan uji One Way ANOVA adalah sebagai

berikut:
b. Klik Data - Weight Case
Gambar 11.1 Kotak Dialog Weight Case

c. Klik OK
d. Klik Analyze - Non Parametric Test - Chi Square Test
Gambar 11.2 Kotak Dialog Chi Square Test

e. Masukan variabel solusi dan tahap ke dalam kotak Test Variable List. Pada kolom
expected range pilih get from data dan pada kotak expected values pilih values
f. Klik OK
dilakukan yaitu mulai dari uji normalitas, uji keseragaman data, validitas dan
243
reliabilitas kemudian data tersebut baru di uji dengan Uji Chi Square Test Satu
Variabel.
A. Uji Normalitas
Tests of Normality
Solusi Statistic df Sig. Statistic df Sig.

Responden A .094 66 .200* .973 66 .151
B .130 76 .064 .942 76 .002
C .176 141 .091 .877 141 .000
dikatakan normal atau tidak. Jika hasil signifikansi (Sig.) dari data yang diolah lebih
besar dari nilai alpha (α), maka data tersebut merupakan data yang tidak normal
(Sig.< α), sedangkan jika nilai (Sig.> α) maka data tersebut normal. Dari hasil diatas
menunjukkan bahwa :
a. Variabel Responden Solusi A memiliki nilai (Sig.> α), maka data tersebut normal
b. Variabel Responden Solusi B memiliki nilai (Sig.> α), maka data tersebut normal
c. Variabel Responden Solusi C memiliki nilai (Sig.> α), maka data tersebut
normal
244

9.908 2 278.195 .200
adjusted df

Variabel Responden Solusi memiliki nilai (Sig.> α), maka data tersebut seragam
C. Uji Validitas
245
Correlations
Responden Pearson Correlation 1 .089 .076 1.000**
Sig. (2-tailed) .137 .203 .000

N 283 283 283 283
Solusi Pearson Correlation .089 1 .092 .108
Sig. (2-tailed) .137 .123 .071
N 283 283 283 283
Tahap Pearson Correlation .076 .092 1 .097
Sig. (2-tailed) .203 .123 .104
N 283 283 283 283
N_Total Pearson Correlation 1.000** .108 .097 1
Sig. (2-tailed) .000 .071 .104

N 283 283 283 283
Solusi = 0,108 > r tabel Valid
Tahap = 0,097 > r tabel Valid
D. Uji Reliabilitas

E. Uji One Way Chi Square Test satu variabel
246
Tabel 11.7 Hasil Pengolahan Uji Chi Square Test 1 Variabel
Solusi
Observed N Expected N Residual
A 66 47.2 18.8
B 76 94.3 -18.3
C 141 141.5 -.5
Total 283
Test Statistics
Solusi
Chi-Square 11.085a
df 2
Asymp. Sig. .004
a. 0 cells (.0%) have expected
frequencies less than 5. The minimum

expected cell frequency is 47.2.
1. Penentuan Hipotesis (H0 dan H1)

H0 =Solusi alternatif tersebut tidak menyelesaikan permasalahan ketika banjir
terjadi lagi
H1 =Solusi alternatif tersebut menyelesaikan permasalahan ketika banjir terjadi lagi
Daerah kritis : jika x² hitung > x² tabel , tolak H0
jika x² hitung < x² tabel , terima H0
3. Uji statistik nilai x² hitung = 11.085
x² tabel = 5.99
Maka x² hitung > x² tabel = 11.085 > 5.99
4. Keputusan : Nilai x hitung > nilai x tabel maka tolak H0
247
5. Kesimpulan : Jadi dengan tingkat signifikansi 5% dapat disimpulkan
bahwa solusi alternatif tersebut menyelesaikan permasalahan ketika banjir
terjadi lagi.
Analisis dari pengolahan data di atas yaitu hasil dari pengolahan data atau
setelah dilakukannnya beberapa tahan pengujian seperti uji normalitas, keseragaman
data, validitas, reliabilitas dan uji chi square satu variabel menunjukan bahwa data
yang di peroleh dari kuesioner terhadap 150 responden tersebut menunjukan data
tersebut normal karena nilai sig. lebih dari nilai alpha (0,05), data seragam karena
pada pengujian keseragaman data menunjukan hasil nilai sig. lebih dari nilai alpha
(0,05), data valid karena nilai N_Total pada correlation lebih besar dari nilai r tabel,
data reliabel karena terlihat bahwa nilai Cronbach’s Alpha adalah 0,767 pada 2 of
items pernyataan. Nilai tersebut berada diatas range 0,601 – 0,80 yang artinya bahwa
pernyataan tersebut reliabel. Pada uji chi square satu variabel tersebut menghasilkan
bahwa dengan tingkat signifikansi 5% solusi alternatif yang ada pada kuesioner
tersebut dapat menyelesaikan permasalahan ketika banjir.
11.11 Kesimpulan
Kesimpulan yang dapat di ambil dari pengolahan dan pengujian data kuesioner
solusi pada penanganan masalah banjir di JABODETABEK antara lain yaitu pada
pengolahan data dengan metode uji chi square menunjukan bahwa data tersebut
bahwa solusi alternatif yang ada pada kuesioner tersebut dapat menyelesaikan
permasalahan ketika banjir. Sesuai dengan solusi yang diberikan pada kuesioner
yaitu solusi penegakan sanksi pidana penggunaan lahan sungai untuk perumahan
dan kawasan pemukiman.
Jadi dapat disimpulkan bahwa pemrintah dapat mencoba menggunakan solusi dalam
penanganan banjir di JABODETABEK yaitu dengan penegakan sanksi pidana
penggunaan lahan sungai untuk perumahan dan kawasan pemukiman dengan tahapan
langsung melakukan penertiban dan penindakan tegas kepada para pelanggar yang
berada di lahan sungai.
248
BAB XII
STATISTIKA NON PARAMETRIK CHI SQUARE TEST DUA
VARIABEL
12.1 Latar Belakang
Gubernur D.I Yogyakarta hendak melakukan pencegahan dan

penanggulangan dampak gunung meletus dan penyebaran virus corona yang mulai
menyebar ke daerah sekitar Yogyakarta. Peninjauan dilakukan dalam 1 bulan
dengan target daerah di setiap kabupaten mulai dari anak-anak hingga orang dewasa
dari letak geografis, kondisi ekonomi, kemampuan sumber daya manusia dan
kondisi cuaca sekitar Yogyakarta.
Bagaimana solusi yang hendak di lakukan Gubernur D.I Yogyakarta untuk

mencegah dan menanggulangi dampak gunung meletus dan penyebaran virus
corona di Yogyakarta?
12.3 Tujuan
Mendapatkan data dari kuesioner mengenai solusi untuk mencegah dan

menanggulangi dampak gunung meletus dan penyebaran virus corona di
Yogyakarta.
12.4 Manfaat
1. Mengetahui hasil data kuesioner yang ada
2. Dapat mengetahui solusi yang tepat yang telah dipilih oleh masyarakat
3. Dapat merealisasikan solusi dari pilihan terbanyak dari kuesioner tersebut
4. Gubernur D.I Yogyakarta dapat mengetahui solusi yang tepat untuk

pencegahan dan penanganan gunung meletus dan virus corona yang ada di
Kota Yogyakarta
12.5 Literatur
224
9
Perusahaan penyalur alat elektronik AC ingin mengetahui apakah ada
hubungan antara gender dengan sikap mereka terhadap kualitas produk AC. Untuk
itu mereka meminta 25 responden mengisi identitas mereka dan sikap atau persepsi
mereka terhadap produknya.
Permasalahan : Apakah ada hubungan antara gender dengan sikap terhadap kualitas
AC?
Hipotesis :
 H0 = Tidak ada hubungan antara gender dengan sikap terhadap kualitas AC

 H1 = Ada hubungan antara gender dengan sikap terhadap kualitas AC
Tolak hipotesis nol (H0) apabila nilai signifikansi chi-square < 0.05 atau nilai chi-
square hitung lebih besar (>) dari nilai chi-square tabel.
Data dari keduapuluh lima responden dapat dilihat pada tabel di bawah ini.
Tabel 12.1 Data sikap konsumen
(Sumber: http://www.statistikolahdata.com/2013/04/analisis-chi-square.html)
225
0
Ket. : Gender : 1 = Laki-laki; 2 = Wanita, Sikap: 1 = berkualitas, 2 = Tidak
berkualitas
Langkah-langkah SPSS
1. Analyze > Descriptive Statistics > Crosstab

2. Masukkan variabel Gender ke dalam kotak Row
3. MAsukkan variabel Sikap ke dalam kotak Column
4. Klik untuk pilihan Statistics
5. Pilih menu Chi-square, tekan Continue
6. Pilih Cell, Observed, tekan Continue
7. Klik Ascending, tekan Continue
8. Tekan OK
Hasil output SPSS
Tabel 12.2 Hasil pengolahan data Case Processing Summary
Pada tabel case processing summary diatas menunjukkan bahwa input data ada 25
responden dan tidak ada data yang tertinggal.
Tabel 12.3 Hasil pengolahan data gender terhadap sikap konsumen
225
1
Pada tabel crossstabulasi antara gender*sikap di atas bahwa gender laki-laki

berjumlah 12 responden. Dari 12 responden laki-laki bersikap/menganggap
berkualitas sedangkan 5 responden bersikap tidak berkualitas. Sedangkan 13
responden bergender wanita yang menganggap produk AC berkualitas sebanyak 6
responden dan yang bersikap tidak berkualitas ada 7 responden.
Tabel 12.4 Hasil pengolahan data uji chi square
Pada tabel chi-square test di atas dapat diketahui bahwa nilai signifikansi p-value
sebesar 0.543 dan nilai chi-square sebesar 0.371. Karena nilai signifikansi 0.543 >
(0.05) maka hipotesis null diterima yang berarti bahwa tidak ada hubungan antara
gender dengan sikap terhadap kualitas AC.
225
2
Chi Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu
jenis uji komparatif non parametris yang dilakukan pada dua variabel, di mana skala
data kedua variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel dengan
skala nominal maka dilakukan uji chi square dengan merujuk bahwa harus
digunakan uji pada derajat yang terendah). Berikut akan kita bahas tentang rumus
chi square.
Syarat Uji Chi Square
Uji chi square merupakan uji non parametris yang paling banyak digunakan. Namun
perlu diketahui syarat-syarat uji ini adalah:
frekuensi responden atau sampel yang digunakan besar, sebab ada beberapa syarat
di mana chi square dapat digunakan yaitu:
1. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual
Count (F0) sebesar 0 (Nol).
2. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang
memiliki frekuensi harapan atau disebut juga expected count (“Fh”) kurang
dari 5.
3. Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell dengan
frekuensi harapan yang kurang dari 5 tidak boleh lebih dari 20%.
Berikut adalah kumpulan data hasil dari kuesioner solusi terhadap pencegahan dan
penanganan dari gunung meletus dan virus corona:
Tabel 12.5 Kumpulan data responden untuk solusi penanganan gunung meletus
1 1 1 3
2 2 2 6
225
3
3 1 1 5
4 1 3 8
5 1 1 7
6 1 2 9
7 1 1 9
8 1 1 10
9 3 1 13
10 1 3 14
11 3 1 15
12 1 2 15
13 3 3 19
14 3 1 18
15 3 1 19
16 3 2 21
17 1 2 20
18 3 3 24
19 1 2 22
20 2 3 25
21 2 2 25
22 2 1 25
23 1 2 26
24 3 1 28
25 2 3 30
26 2 1 29
27 3 2 32
28 2 2 32
225
4
Lanjutan tabel 12.5 Kumpulan data
responden untuk solusi penanganan gunung
meletus
29 2 1 32
30 2 2 34
31 2 1 34
32 2 2 36
33 2 1 36
34 2 2 38
35 2 3 40
36 2 2 40
37 3 1 41
38 2 3 43
39 1 1 41
40 3 3 46
41 2 1 44
42 2 3 47
43 1 3 47
44 1 1 46
45 2 3 50
46 3 3 52
47 2 1 50
48 2 2 52
49 2 2 53
50 2 2 54
51 3 3 57
52 2 1 55
225
5
meletus
53 2 3 58
54 1 1 56
55 2 2 59
56 2 3 61
57 2 2 61
58 3 3 64
59 1 2 62
60 1 1 62
61 1 2 64
62 1 1 64
63 3 3 69
64 2 1 67
65 3 2 70
66 2 3 71
67 2 2 71
68 1 2 71
69 3 2 74
70 1 2 73
71 2 1 74
72 2 2 76
73 3 1 77
74 1 3 78
75 2 2 79
76 3 2 81
225
6
meletus
77 2 2 81
78 2 2 82
79 2 3 84
80 1 2 83
81 2 2 85
82 2 2 86
83 1 2 86
84 3 1 88
85 1 2 88
86 1 3 90
87 2 3 92
88 2 1 91
89 2 3 94
90 2 3 95
91 2 3 96
92 2 2 96
93 2 2 97
94 1 2 97
95 1 2 98
96 1 2 99
97 1 2 100
98 1 2 101
99 1 2 102
100 2 3 105
225
7
101 2 2 105
102 2 1 105
103 1 2 106
104 3 2 109
105 1 2 108
106 1 2 109
107 2 2 111
109 1 2 112
110 1 2 113
111 1 2 114
112 1 2 115
113 1 2 116
114 1 2 117
115 2 2 119
116 1 2 119
117 1 1 119
118 1 2 121
119 2 2 123
120 1 2 123
121 3 3 127
122 1 2 125
123 2 2 127
124 3 2 129
125 3 1 129
126 2 3 131
127 3 2 132
128 2 1 131
129 3 3 135
225
8
130 2 2 134
131 3 1 135
132 3 2 137
133 2 3 138
134 3 2 139
135 2 2 139
136 3 2 141
137 3 1 141
138 2 1 141
139 3 2 144
140 1 3 144
141 3 2 146
142 2 1 145
143 2 3 148
144 3 2 149
145 2 2 149
146 3 2 151
147 3 2 152
148 1 1 150
149 2 1 152
150 1 2 153
151 2 1 154
225
9
Tabel 12.6 Kumpulan data responden untuk solusi pencegahan virus corona
1 2 2 5
2 1 1 4
3 1 1 5
4 1 2 7
5 1 2 8
6 1 3 10
7 2 1 10
8 1 2 11
9 1 3 13
10 3 1 14
11 3 1 15
12 2 1 15
13 3 3 19
14 3 1 18
15 2 1 18
16 3 2 21
17 3 1 21
18 3 2 23
19 2 1 22
20 2 1 23
21 3 1 25
22 3 2 27
23 2 3 28
24 3 3 30
25 2 2 29
26 3 3 32
226
0
responden untuk solusi pencegahan virus
corona
29 1 2 32
30 2 3 35
31 3 3 37
32 2 1 35
33 1 2 36
34 3 2 39
35 2 2 39
36 2 3 41
37 2 3 42
38 3 3 44
39 2 1 42
40 3 3 46
41 1 2 44
42 3 2 47
43 3 3 49
44 3 2 49
45 1 1 47
46 1 2 49
47 2 1 50
48 3 3 54
49 3 3 55
50 3 3 56
51 1 1 53
52 2 1 55
226
1
53 3 1 57
54 3 3 60
55 1 2 58
56 3 1 60
57 2 1 60
58 1 1 60
59 2 3 64
60 2 1 63
61 2 1 64
62 1 2 65
63 2 3 68
64 3 1 68
65 2 3 70
66 3 1 70
67 2 1 70
69 3 2 74
70 3 2 75
71 3 1 75
72 3 1 76
73 3 3 79
74 1 1 76
75 2 3 80
76 1 2 79
77 3 1 81
78 2 1 81
79 2 3 84
80 3 3 86
81 2 2 85
226
2
82 3 2 87
83 2 1 86
84 3 3 90
85 3 1 89
86 2 2 90
87 1 1 89
88 2 1 91
89 3 1 93
90 3 1 94
91 2 1 94
92 2 2 96
93 1 3 97
94 1 3 98
95 1 3 99
96 1 3 100
97 1 3 101
98 1 3 102
99 1 3 103
100 3 2 105
101 3 1 105
102 1 3 106
103 3 3 109
104 1 3 108
105 1 3 109
106 2 3 111
107 1 3 111
108 1 1 110
226
3
Lanjutan 263able 6.6 Kumpulan data
responden untuk solusi pencegahan virus
corona
109 1 3 113
110 1 3 114
111 1 3 115
112 1 3 116
113 1 3 117
114 1 2 117
115 1 3 119
116 1 1 118
117 1 3 121
118 3 3 124
119 1 3 123
120 3 2 125
121 1 3 125
122 2 2 126
123 3 1 127
124 3 2 129
125 1 1 127
126 3 1 130
127 1 3 131
128 3 3 134
129 1 1 131
130 1 1 132
131 3 1 135
132 3 3 138
226
4
133 3 1 137
134 1 1 136
135 3 1 139
136 3 1 140
137 1 1 139
138 3 1 142
139 1 2 142
140 3 1 144
141 2 2 145
142 1 3 146
143 3 1 147
144 1 2 147
145 3 1 149
146 1 2 149
149 3 3 155
150 1 2 153
151 2 1 154
Langkah-langkah dalam melakukan uji One Way ANOVA adalah sebagai berikut:
b. Klik Data - Weight Cases
Gambar 12.1 Kotak Dialog Weight Case

226
5
c. Klik OK
d. Klik Analyze - Descriptive Statistic - Crosstabs
Gambar 12.2 Kotak Dialog Crosstabs

e. Klik OK
f. Klik Cells, pilih observed dan expected pada kotak dialog counts
Gambar 12.3 Kotak Dialog Crosstabs : cell display

g. Klik continue, maka akan kembali ke kotak crosstabs
h. Klik statistic, maka akan muncul kotak dialog crosstabs: statistic
Gambar 12.4 Kotak Dialog Crosstabs : statistic

226
6
i. Beri tanda centang chi square dan klik continue
j. Klik OK
reliabilitas kemudian data tersebut baru di uji dengan Uji Chi Square Test Dua
Variabel.
A. Uji Normalitas
Tabel 12.7 Hasil Pengolahan Uji Normalitas Gunung Meletus
Solusi
Responden A .145 51 .069 .922 51 .003
B .106 64 .069 .949 64 .010
C .201 36 .089 .873 36 .001
dikatakan normal atau tidak. Jika hasil signifikansi (Sig.) dari data yang diolah
hasil diatas menunjukkan bahwa:
a. Variabel Responden Solusi A memiliki nilai (Sig.> α), maka data tersebut
normal
b. Variabel Responden Solusi B memiliki nilai (Sig.> α), maka data tersebut
normal
226
7
normal
Tabel 12.8 Hasil Pengolahan Uji Normalitas Virus Corona

Solusi
Responden A .175 56 .084 .911 56 .001
B .100 74 .064 .947 74 .004
C .120 174 .109 .928 174 .000
0,05 sebagai alat ukur untuk menentukan data yang diolah termasuk kedalam
data yang dikatakan normal atau tidak. Jika hasil signifikansi (Sig.) dari data
yang diolah lebih besar dari nilai alpha (α), maka data tersebut merupakan
data yang tidak normal (Sig.< α), sedangkan jika nilai (Sig.> α) maka data
tersebut normal. Dari hasil diatas menunjukkan bahwa :
a. Variabel Responden Solusi A memiliki nilai (Sig.> α), maka data tersebut
normal
b. Variabel Responden Solusi B memiliki nilai (Sig.> α), maka data tersebut
normal
normal
B. Keseragaman Data
226
8
Tabel 6.9 Hasil Pengolahan Uji Keseragaman Data Gunung Meletus
Based on Median and with adjusted df 2.924 2 143.517 .057
226
9
Tabel 12.10 Hasil Pengolahan Uji Keseragaman Data Virus Corona
adjusted df 1.939 2 284.157 .146
data yang dikatakan seragam atau tidak.
Jika hasil signifikansi (Sig.) dari data yang diolah lebih besar dari nilai alpha
(α), maka data tersebut merupakan data yang tidak seragam (Sig.< α),
sedangkan jika nilai (Sig.> α) maka data tersebut seragam. Dari hasil diatas
menunjukkan bahwa :
C. Uji Validitas
Tabel 12.11 Hasil Pengolahan Uji Validitas Gunung Meletus
Correlations
Responden Pearson Correlation 1 .057 .049 1.000*
Sig. (2-tailed) N
.487 .550 .000
151 151 151
227
0
151
Solusi Pearson Correlation .057 1 .042 .075*
Sig. (2-tailed) .487 .609 .362
N 151 151 151 151
Tahap Pearson Correlation .049 .042 1 .066*
Sig. (2-tailed) .550 .609 .424
N 151 151 151 151
N_Total Pearson Correlation 1.000** .075 .066 1
Sig. (2-tailed) .000 .362 .424
N 151 151 151 151
**. Correlation is significant at the 0.01 level (2-

tailed).
r dengan rumus df = N-2, maka df = 151-2 = 149. Maka dari hasil uji validitas
diatas dapat dijelaskan sebagai berikut :
Solusi= 0,075 > r tabel Valid
Tahap= 0,066 > r tabel Valid
Tabel 12.12 Hasil Pengolahan Uji Validitas Virus Corona
Correlations
227
1
Responden Pearson Correlation 1 -.066 -.061 1.000**
Sig. (2-tailed) .250 .289 .000
N 304 304 304 304
Solusi Pearson Correlation -.066 1 -.089 .070**
Sig. (2-tailed) .250 .122 .385
N 304 304 304 304
Tahap Pearson Correlation -.061 -.089 1 .093**
Sig. (2-tailed) .289 .122 .460
N 304 304 304 304
N_Total Pearson Correlation 1.000** -.050 -.043 1
Sig. (2-tailed) .000 .385 .460
N 304 304 304 304
tabel r dengan rumus df = N-2, maka df = 151-2 = 149. Maka dari hasil uji
Responden= 1,000 > r tabel Valid
Solusi= 0,070 > r tabel Valid
Tahap = 0,093 > r tabel Valid
D. Uji Reliabilitas
227
2
Tabel 12.13 Hasil Pengolahan Uji Reliabilitas Gunung Meletus
Cronbach's Alpha N of Items
.680 2

Tabel 12.14 Hasil Pengolahan Uji Reliabilitas Virus Corona
Cronbach's Alphaa N of Items
.794 2

E. Uji One Way Chi Square Test satu variabel
227
3
Tabel 12.15 Hasil Pengolahan Uji Chi Square Test 2 Variabel Gunung Meletus
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Solusi * Tahap 287 100.0% 0 .0% 287 100.0%
Solusi * Tahap Crosstabulation
Tahap
1 2 3
Total
Solusi A Count 12 33 6 51
Expected Count 14.0 24.7 12.3 51.0
B Count 34 58 36 128
Expected Count 35.2 62.0 30.8 128.0
C Count 33 48 27 108
Expected Count 29.7 52.3 26.0 108.0
Total Count 79 139 69 287
Expected Count 79.0 139.0 69.0 287.0
Chi-Square Tests
Asymp. Sig. (2-

sided)
Value df
Pearson Chi-Square 8.226a 4 .084
Likelihood Ratio 8.679 4 .070
Linear-by-Linear Association .052 1 .820
N of Valid Cases 287
227
4
Chi-Square Tests
Asymp. Sig. (2-

sided)
Value df
Linear-by-Linear Association .052 1 .820
a. 0 cells (.0%) have expected count less than 5. The minimum

expected count is 12.26.

H0 = Solusi tidak dapat pencegahan dan penanggulangan gunung meletus
H1 = Solusi dapat pencegahan dan penanggulangan gunung meletus
jika x² hitung < x² tabel , terima

H0
x² tabel = 11.07
Maka x² hitung < x² tabel = 8.226 < 11.07
4. Keputusan : Nilai x² hitung < nilai x² tabel maka terima H0

5. Kesimpulan : Jadi dengan tingkat signifikansi 5% dapat disimpulkan bahwa
Solusi tidak dapat pencegahan dan penanggulangan gunung meletus.
227
5
Tabel 12.16 Hasil Pengolahan Uji Chi Square Test 2 Variabel Virus Corona
Case Processing Summary

Cases
Valid Missing Total
N Percent N Percent N Percent
Solusi * Tahap 304 100.0% 0 .0% 304 100.0%
Solusi * Tahap Crosstaulation
Chi-Square Tests
a. 0 cells (.0%) have expected count less than 5. The minimum expected
count is
Tahap
1 2 3
Total
Solusi A Count 16 15 25 56
Expected Count 24.3 12.9 18.8 56.0
B Count 38 16 20 74
Expected Count 32.1 17.0 24.8 74.0
C Count 78 39 57 174
Expected Count 75.6 40.1 58.4 174.0
Total Count 132 70 102 304

Expected Count 132.0 70.0 102.0 304.0
Asymp. Sig. (2-

sided)
Value df
Linear-by-Linear Association 2.399 1 .121
227
6
H0 = Solusi tidak dapat pencegahan dan penanggulangan virus corona
H1 = Solusi tidak dapat pencegahan dan penanggulangan virus corona
jika x² hitung < x² tabel , terima H0
x² tabel = 11.07
Maka x² hitung < x² tabel = 7.455 < 11.07
4. Keputusan : Nilai x² hitung < nilai x tabel maka terima H0

5. Kesimpulan : Jadi dengan tingkat signifikansi 5% dapat disimpulkan bahwa
Solusi tidak dapat pencegahan dan penanggulangan virus corona
setelah dilakukannnya beberapa tahap pengujian seperti uji normalitas,
keseragaman data, validitas, reliabilitas dan uji chi square satu variabel menunjukan
bahwa data yang di peroleh dari kuesioner terhadap 150 responden tersebut
menunjukan data tersebut normal karena nilai sig. lebih dari nilai alpha (0,05), data
seragam karena pada pengujian keseragaman data menunjukan hasil nilai sig. lebih
dari nilai alpha (0,05), data valid karena nilai N_Total pada correlation lebih besar
dari nilai r tabel, data reliabel karena terlihat bahwa nilai Cronbach’s Alpha pada 2
of items pernyataan. Nilai tersebut berada diatas range 0,601 – 0,80 yang artinya
bahwa pernyataan tersebut reliabel. Pada uji chi square dua variabel tersebut
menghasilkan bahwa dengan tingkat signifikansi 5% untuk masing-masing kasus
gunung meletus dan virus corona menunjukan bahwa hasil uji chi square dua
variabel kurang dari nilai x² tabel yang dapat diartikan bahwa tolak H0 bahwa solusi
tidak dapat pencegahan dan penanggulangan gunung meletus dan virus corona.
227
7
12.11 Kesimpulan
Kesimpulan yang dapat diambil untuk permasalahan pencegahan dan

penanggulangan dampak gunung meletus dan penyebaran virus corona yang ada di
Kota Yogyakarta yaitu antara lain dari pengolahan data di atas sudah jelas
menunjukan hasil pengolahan data dengan metode chi square test dua variabel
bahwa solusi yang di hasilkan dari kuesioner yaitu pada gunung meletus solusinya
menghilangkan debu vulkanik dengan tahapan Pengenalan teknik pengolahan debu
vulkanik dengan pemberian Bioaktivator dan pada virus corona solusinya
Pemulihan pasien corona dengan tahapan Pembangunan rumah sakit khusus untuk
pasien virus corona kurang atau tidak dapat menanggulangi dan mencegah gunung
meletus dan virus corona yang ada di Kota Yogyakarta. Gubernur D.I Yogyakarta
harus mengkaji ulang solusi yang ada agar dapat menyelesaikan permasalahan
untuk mencegah dan menanggulangi dampak gunung meletus dan penyebaran virus
corona di Yogyakarta.
227
8
BAB XIII
STATISTIKA NON PARAMETRIK SAMPLE K-S ONE SAMPLE
KOLMOGOROV SMIRNOV
13.1 Latar Belakang

Seorang ilmuan hendak melakukan penelitian terhadap perkembangan
penyakit dan virus yang sampai saat ini belum dapat disembuhkan dari penderita
untuk dilakukan tindakan lanjutan berupa mematikan virus menggunakan musuh
alami, menjinakan virus menggunakan rekayasa genetika, pemusnahan sumber
virus lingkungan eksternal skala besar, dan mematikan ruang eksternal
perkembangan virus. Objek penelitian pada virus poliomyelitis, HIV/AIDS,
influenza, lupus, ebola, schizophrenia, dan Alzheimer untuk dilakukan penelitian
lebih lanjut pada 300 orang secara acak.
Melakukan penelitian terhadap perkembangan penyakit dan virus yang
sampai saat ini belum dapat disembuhkan dari penderita untuk dilakukan tindakan
lanjutan berupa mematikan virus dengan menggunakan beberapa cara.
13.3 Tujuan
1. Mengetahui perkembangan penyakit dan virus
2. Mengetahui cara yang paling efektif dalam pemusnahan penyakit dan
virus
3. Mengetahui 2 solusi paling teratas pilihan responden
13.4 Manfaat
1. Dapat mengetahui cara yang efektif untuk memusnahkan penyakit dan
virus yang berkembang di masyarakat
2. Untuk tenaga medis bisa mempersiapkan alat dan bahan untuk
pemusnahan penyakit dan virus
3. Dapat menjadi acuan dalam pemusnahan penyakit dan virus jika suatu
saat penyakit atau virus tersebut berkembang
13.5 Literatur
Data yang digunakan adalah data yang sama seperti pada Uji Normalitas
dengan Geary’s Test.
227
9
Tabel 13.1 Contoh Hasil Pengamatan Time Study
(Sumber: https://eriskusnadi.com/2012/04/07/uji-normalitas-dengan-kolmogorov-smirnov-test-pada-pspp/)
Klik menu [Analyze] -> [Non-Parametric Statistics] -> [1-Sample K-S].
Gambar 12.1 Kotak Dialog Variable View
(Sumber: https://eriskusnadi.com/2012/04/07/uji-normalitas-dengan-kolmogorov-smirnov-test-
pada-pspp/)
a. Muncul dialog box One-Sample Kolmogorov -Smirnov

Test. Klik variabel yang akan diuji ‐> klik untuk memasukkan
variabel tersebut ke form Test Variable List.
228
0
b. Pilih distribusi normal dengan
mencentang Normal pada form Test Distribution.
Gambar 13.2 Dialog Box Kolmogorov–Smirnov Test
pada-pspp/)
c. Terakhir klik [OK] dan hasilnya akan terlihat seperti tabel di bawah
ini.
Tabel 13.2 Output Kolmogorov–Smirnov Test
pada-pspp/)
Tabel output pada Gambar 4 di atas menunjukkan N = 30 yang berarti jumlah

sampel yang diambil sebanyak 30, mean = 1,83 yang berarti nilai rata-rata sampel
X untuk menghampiri mean populasi μ, dan standar deviasi = 0,19. Terdapat tiga
angka penting dalam tabel output tersebut:
228
1
Pertama, nilai-nilai D pada Most Extreme Differences.
Kedua, uji statistik Kolmogorov-Smirnov Z, yang mana dalam output sampel Z =
0,78.
Ketiga, p-value yang tercantum sebagai Asymp. Sig. (2-tailed), yang mana dalam
kasus ini p-value = 0,58 .
1. Most Extreme Differences
Most Extreme Differences merupakan nilai statistik D pada K-S test, terdiri dari:
a. D Positive ( D+ = supx [Fn(x) – F(x)] ) , merupakan pengurangan yang
menghasilkan angka positif terbesar.
b. D Negative ( D– = supx [F(x) – Fn(x)] ) , merupakan pengurangan yang
menghasilkan angka negatif terbesar.
c. D Absolute ( D = max {D+, D–} ) , merupakan angka terbesar antara

nilai absolut D+ dan D–. Pada kasus ini D = 0,14.
K-S test menggunakan pengujian α dengan membandingkan nilai D Absolute

dengan nilai D* kritis dari sebuah tabel statistik. Dengan menggunakan:
Hipotesis:
H0 : data mengikuti distribusi normal
H1 : data tidak mengikuti distribusi normal
Level of significance: α = 0,05
Kriteria Uji: H0 ditolak jika D > D*(α)
Nilai D hitung adalah sebesar 0,14 dan nilai D* (α = 0,05, n = 30) yang diperoleh
dari tabel statistik adalah sebesar 0,242. Oleh karena 0,14 < 0,242 atau D < D*(α)
maka H0 diterima yang berarti data mengikuti distribusi normal.
228
2
Secara visual K-S test diperlihatkan Gambar 5 di bawah ini, di mana kita
menggambarkan CDF hipotesis pada sebuah grafik kemudian kurva jarak D di atas
dan di bawah kurva hipotesis. Jika D (garis merah) keluar garis batas levelof
significance α (garis hijau), maka dapat disimpulkan bahwa data empirik (garis
hitam) tidak mengikuti distribusi normal (lihat juga: Massey, 1951, pp. 69–71).
Gambar 13.3. Grafik ECDF untuk Kolmogorov–Smirnov test
pada-pspp/)
2. Kolmogorov-Smirnov Z
Kolmogorov-Smirnov Z merupakan hasil dari akar kuadrat dari jumlah sampel
N dan perbedaan absolut terbesar antara CDF empiris dan CDF teoritis (Yu, Zheng,
Zhao & Zheng, 2008, p. 138), ini hampir sama dengan akar kuadrat dari jumlah
sampel N dikali D Absolute:
Z ≈ √N x D Absolute
Menurut Brito e Abreu & Goulão (2001), “Kolmogorov-Smirnov Z” adalah D
Absolute yang diubah menjadi sebuah standardized score (p. 52), yang dimaksud
standardized score adalah nilai Z dalam distribusi normal standar. Artinya, cara
pengujiannya hampir sama dengan pengujian nilai D, hanya saja
228
3
kali ini di bawah distribusi normal dengan menggunakan bantuan tabel
distribusi normal standar, yang mana:
H0 ditolak jika Z-hitung (Kolmogorov-Smirnov) > Z-tabel pada level of significance α.
Kita mempunyai Z-hitung (Kolmogorov-Smirnov) = 0,78 dengan memilih level of
significance α = 0,05 pada dua ujung wilayah kritis (the two-sided critical
region), Z-tabel pada tabel distribusi normal standar adalah 1,96. Oleh karena
0,78 < 1,96 atau Z-hitung (Kolmogorov-Smirnov) < Z-tabel, maka H0 diterima yang
berarti data mengikuti distribusi normal.
3. Asymp. Sig. (2-tailed)

Asymptotic significance 2-tailed merupakan pengujian nilai probability atau p-
value untuk memastikan bahwa distribusi teramati tidak akan menyimpang secara
signifikan dari distribusi yang diharapkan di kedua ujung two-tailed distribution
(Yu, Zheng, Zhao & Zheng, 2008, p. 138).
Menurut Corder dan Foreman (2009), p-value ini dapat dicari dengan menggunakan
formula Smirnov (1948) setelah nilai Kolmogorov-SmirnovZ diketahui, yaitu
sebagai berikut (p. 27):
Tabel 13.3 Hasil perhitungan nilai Kolmogorov-Smirnov
Jika 0 ≤ Z< 0,27 ; p=1
Jika 0,27 ≤ Z< 1 ; p = 1 − [(2,506628 / Z) (Q1 + Q19 + Q 25)]

1
Jika 1 ≤ Z< 3,1 ; p = 2(Q2 − Q24 + Q29 − Q216)
Jika Z≥ 3,1 ; p=0
pada-pspp/)
yang mana Q1 = e−1.233701(Z−2) dan Q2 = e−2(Z2).
Kebanyakan literatur yang ditulis ahli statistik menggunakan p-value untuk

pengujian normalitas. Penerapan p-value pada K-S test adalah jika pengujian
signifikan (p < α) artinya data signifikan berbeda dengan kurva
228
4
normal sehingga data disebut data yang tidak
normal distribusinya. Sebaliknya, jika hasil pengujian tidak signifikan (p > α)
berarti perbedaan antara data dengan kurva normal tidak signifikan (tidak ada
perbedaan antara data dengan kurva normal) yang menyiratkan bahwa data
mengikuti distribusi normal.
Pada kasus ini p-value = 0,58 dengan menggunakan level of significance α =0,05
berarti pengujian tidak signifikan karena p-value = 0,58 > α = 0,05 sehingga
dapat disimpulkan bahwa data mengikuti distribusi normal.
Apabila kita menggunakan sebuah ilustrasi maka akan terlihat seperti Gambar di
bawah ini dengan area hijau untuk area p-value dan area berarsir merah untuk
area α. Data normal jika area hijau lebih luas atau menutupi area α, sebaliknya
jika data tidak normal area hijau tidak lebih luas dari area α.
Gambar 13.4 Pengujian p-value pada level of significance α = 0,05
pada-pspp/)

Uji Kolmogorov Smirnov (K-S) satu sampel meerupakan uji gooness-of-fit.
Uji ini berkaitan dengan tingkat kesesuaian antara distribusi sampel (skor observasi)
dan distribusi teoritisnya. Uji K-S menentukan apakah skor dalamsampel berasal
dari populasi yang memiliki distribusi teoritis. Secara singkat uji K-S mencakup
perhitungan distribusi frekuensi kumulatif yang akan terjadi di bawah distribusi
teoritisnya, serta membandingkan dengan distribusi frekuensi kumulatif
228
5
hasil observasi. Distribusi teoritis adalah apa yang kita harapkan sesuai dengan H0.
Titik dimana kedua distribusi ini - teoritis dan distribusi observasi - memiliki
perbedaan terbesar yang akan kita cari. Dengan melihat sampling distribusi kita
dapat menentukan apakah perbedaan besar ini terjadi secara random atau tidak. Uji
K-S mengasumsikan bahwa distribusi dari cariabel yang kita amai adalah kontinyu
seperti ditunjukkan oleh distribusi frekuensi kumulatif. Jadi uji ini cocok untuk
menguji goodness-of-fit suatu variabel yang diukur paling tidak dengan ukuran
skala ordinal.
Misalkan Fo(X) adalah distribusi frekuensi kumulatif yang diobservasi dari suatu
sampel random dengan N observasi. Jika Xi adalah sembarang skor yang mungkin
terjadi, maka SN (Xi) = Fi/N, Fi adalah jumlah observasi yang sama atau lebih kecil
dari Xi, Fo(Xi) adalah proporsi yang diharapkan dari observasi yang nilainya sama
atau lebih kecil dari Xi.
Dengan hipotesis nol H0 yang menyatakan bahwa sampel telah diambil dari
distribusi teoritis, diharapkan untuk setiap nilai Xi, SN (Xi) harus mendekatiFo(Xi).
Jadi jika kita yakin bahwa H0 benar, maka kita berharap bahwa perbedaanantara
SN (Xi) dan Fo(Xi) akan kecil dan berada antara batas random error. Uji K- S
memfokuskan pada nilai deviasi (penyimpangan) terbesar. Nilai absolut terbesar
dari Fo(Xi) - S Xi disebut Deviasi Maksimum disingkat D.
D = Max |Fo(Xi) - SN(Xi)| dimana i = 1, 2, ..., N
Berikut adalah hasil dari pengambilan data pemilihan solusi yang tepat
untuk penanganan virus oleh 300 responden:
Tabel 13.4 Kumpulan data pemilihan solusi responden
Solusi Poliomelitis HIV_AIDS Influenza Lupus Ebola Schizophrenia Alzheimer
1 98 93 73 80 88 81 83
1 81 76 71 82 76 99 90
1 70 90 81 87 97 89 92
1 88 89 95 95 78 84 97
1 98 83 78 86 82 80 90
1 95 75 83 94 94 84 92
1 88 70 80 86 73 79 95
1 93 95 72 72 84 95 85
1 90 91 75 77 72 73 88
228
6
1 75 75 92 94 74 76 86
1 86 82 70 74 99 93 85
1 95 77 95 92 84 74 73
1 99 91 72 89 91 75 99
Lanjutan Tabel 7.4 Kumpulan data pemilihan solusi responden

1 98 96 98 89 96 98 88
1 88 70 94 78 76 96 98
1 99 91 70 75 92 100 93
1 75 95 72 77 77 96 98
1 94 78 98 80 82 83 81
1 75 97 96 78 99 70 96
1 84 94 85 89 74 73 71
1 84 96 93 93 70 73 74
1 81 99 90 98 94 75 95
1 72 71 92 94 71 99 77
1 81 94 78 96 92 78 94
1 77 92 73 100 80 94 72
1 85 96 90 97 90 80 88
1 79 86 70 87 96 83 94
1 90 79 93 95 80 76 90
1 91 72 73 78 98 91 82
1 76 100 88 100 86 75 92
1 98 100 100 99 76 89 91
1 95 89 82 89 83 88 83
1 90 90 89 95 74 78 78
1 77 97 88 92 79 90 83
1 88 94 87 91 71 78 79
1 97 99 70 70 87 82 94
1 96 95 71 91 83 77 98
1 87 86 87 71 91 90 99
1 85 78 98 95 98 76 73
1 78 100 87 98 73 94 73
1 79 84 83 74 93 88 76
1 73 79 76 96 82 91 98
1 100 87 80 96 97 75 88
1 92 100 87 86 91 80 81
1 90 71 70 86 70 71 74
1 98 74 85 82 78 76 94
1 99 81 93 87 90 98 81
1 98 73 78 92 96 99 82
1 81 70 82 95 95 76 78
1 91 79 93 92 71 83 72
228
7
1 83 71 81 76 77 86 92
1 89 97 71 92 82 80 90
1 75 86 75 83 76 93 89
1 100 77 93 77 95 73 90
1 90 87 80 78 95 75 97

1 92 71 85 91 73 74 97
1 93 74 84 95 71 99 79
1 97 92 71 86 78 74 90
1 98 77 96 87 88 82 93
1 70 100 77 91 81 94 89
1 100 79 92 87 74 98 95
1 89 95 99 90 96 79 92
1 85 70 89 95 72 77 88
1 72 93 99 80 72 94 88
1 87 77 98 80 75 100 89
1 83 80 88 92 79 81 82
1 79 75 82 93 89 81 100
1 97 95 70 77 89 76 85
1 83 87 82 100 72 86 81
1 84 87 94 87 96 90 89
1 89 71 81 75 97 70 99
1 92 81 82 87 82 83 73
1 80 79 94 80 92 93 99
1 12 38 14 31 66 25 3
1 4 8 3 27 22 66 4
1 10 13 24 64 19 21 65
1 41 38 39 36 68 29 45
1 69 33 34 5 33 57 10
1 23 9 2 66 43 51 44
1 51 62 43 55 3 43 28
1 26 41 59 57 11 16 47
1 14 28 35 32 7 15 30
1 26 62 66 39 42 57 11
1 32 18 49 38 13 52 35
1 63 3 59 12 41 53 26
1 46 7 43 36 61 39 65
1 16 46 2 68 55 45 68
1 26 21 55 60 44 24 47
1 45 46 68 47 27 21 59
1 26 12 11 62 26 7 61
1 8 16 16 45 54 68 2
228
8
1 55 3 15 66 59 65 51
1 4 13 29 57 17 57 65
1 38 66 39 8 68 7 68
1 13 56 50 57 28 51 20
1 62 30 11 53 53 29 20
1 33 0 55 34 27 57 32

1 19 69 38 62 44 38 36
1 20 58 3 67 41 33 59
1 58 62 35 31 26 35 50
1 58 33 11 52 65 28 58
1 53 11 43 26 2 67 26
1 48 27 65 14 27 12 16
1 59 1 26 3 27 57 65
1 61 65 58 66 26 68 17
1 54 32 58 10 43 41 47
1 33 23 18 58 43 55 47
1 20 35 38 15 29 31 30
1 8 28 2 3 9 59 49
1 27 17 52 35 9 0 47
1 11 55 26 23 29 67 43
1 63 66 50 45 3 23 13
1 25 28 4 23 5 39 59
1 1 61 39 39 23 41 63
1 41 39 0 49 43 67 0
1 54 28 10 59 32 41 37
1 7 8 9 10 55 52 56
1 33 16 7 37 38 62 2
1 16 36 17 42 56 5 37
1 28 45 51 63 66 49 49
1 25 8 34 15 31 44 28
1 11 58 43 13 38 65 19
1 66 25 0 20 68 41 24
1 6 53 44 51 23 21 63
1 42 52 7 63 47 32 6
1 42 53 4 42 43 64 53
1 17 11 5 64 17 15 66
1 22 3 40 23 58 18 8
1 52 56 52 41 27 60 42
1 13 58 49 23 42 4 67
1 36 13 5 67 17 18 54
1 42 40 47 22 40 38 47
228
9
1 66 21 44 65 32 16 56
1 27 9 23 41 32 50 4
1 37 24 29 45 23 19 57
1 51 19 4 16 66 42 37
1 26 52 20 66 33 41 11
1 7 5 62 35 5 28 9
1 36 50 45 19 57 48 45

1 61 45 42 27 29 65 66
1 46 13 20 67 44 3 66
1 60 0 30 64 45 47 26
1 68 14 46 38 32 60 40
1 59 46 46 25 69 28 49
1 49 47 45 6 30 25 4
1 6 43 33 10 13 16 25
2 77 77 79 97 88 87 72
2 84 91 98 81 83 90 99
2 84 94 84 88 92 89 92
2 81 88 83 78 78 91 93
2 75 75 76 81 82 90 75
2 79 87 89 85 92 93 100
2 95 81 71 80 94 78 72
2 88 97 89 82 78 74 76
2 72 94 78 77 79 79 88
2 71 94 85 75 100 84 81
2 85 76 92 94 81 86 75
2 100 73 76 98 76 81 83
2 90 77 98 80 96 83 78
2 77 95 92 86 97 84 99
2 96 100 100 87 99 71 82
2 100 89 94 80 91 78 96
2 91 87 82 91 80 84 98
2 75 100 76 86 95 88 100
2 78 92 88 72 82 97 82
2 93 88 85 74 75 77 75
2 92 76 88 82 77 97 79
2 96 97 96 88 74 96 88
2 79 97 95 96 70 82 74
2 76 97 81 99 86 93 74
2 75 84 76 90 97 75 73
2 87 82 76 84 93 80 72
2 72 75 76 74 92 71 87
229
0
2 99 91 96 70 77 77 84
2 79 80 75 96 98 94 96
2 93 85 76 86 84 94 79
2 70 77 80 97 90 73 71
2 86 82 83 92 85 80 71
2 87 82 82 79 74 74 82
2 92 71 71 74 100 83 92
2 78 73 94 72 93 81 87

2 81 75 70 95 72 93 84
2 71 75 89 91 76 88 88
2 94 98 96 79 76 92 98
2 94 74 98 70 93 93 71
2 89 87 98 84 92 98 93
2 94 72 76 82 99 99 88
2 97 84 76 75 87 99 80
2 93 84 83 72 99 79 73
2 88 100 96 81 83 75 75
2 78 96 81 84 71 88 70
2 82 97 98 91 76 96 99
2 92 96 87 85 75 86 71
2 96 97 87 70 70 75 94
2 83 94 72 75 78 74 89
2 76 90 70 99 74 92 74
2 87 81 89 92 98 80 84
2 71 78 83 76 91 91 82
2 97 96 70 70 95 70 78
2 93 98 86 99 74 71 83
2 76 90 81 88 76 92 96
2 75 97 80 91 78 83 80
2 78 87 83 83 83 79 100
2 88 77 92 71 93 88 82
2 92 91 97 80 88 86 82
2 70 70 100 95 99 97 83
2 81 86 84 76 95 79 80
2 93 98 82 86 70 96 77
2 92 98 84 93 75 70 79
2 81 95 89 96 100 99 76
2 74 97 80 81 91 71 81
2 73 100 94 73 99 85 89
2 75 86 98 78 76 98 76
2 72 84 83 89 83 76 81
229
1
2 72 76 98 91 70 73 98
2 77 100 98 88 79 85 80
2 100 72 94 70 95 91 97
2 76 87 73 78 98 93 85
2 81 94 86 79 91 71 91
2 87 92 78 92 88 98 94
2 61 49 35 14 66 69 32
2 36 66 67 25 20 47 52
2 69 36 60 41 52 30 52

2 63 55 52 27 58 18 45
2 59 7 3 14 54 42 16
2 0 25 15 3 50 52 66
2 68 50 26 10 30 53 63
2 67 43 66 45 66 44 58
2 46 7 19 8 25 33 12
2 27 25 44 14 26 16 5
2 36 64 40 40 16 12 26
2 30 54 28 52 44 58 7
2 63 7 69 44 26 34 52
2 4 29 46 1 35 68 4
2 45 32 47 34 39 68 14
2 16 25 11 51 4 19 54
2 21 64 25 46 22 18 21
2 24 55 10 39 23 62 38
2 39 44 19 36 59 68 44
2 66 4 25 49 31 56 61
2 66 15 48 22 46 24 14
2 29 37 68 24 22 4 64
2 23 43 54 53 62 7 33
2 19 20 58 54 51 37 40
2 52 18 25 39 1 9 50
2 38 69 13 60 22 64 4
2 54 22 38 68 33 3 43
2 59 64 65 15 20 3 25
2 39 34 53 5 5 13 21
2 41 2 16 15 67 50 65
2 42 26 36 63 66 1 3
2 19 37 54 15 42 1 52
2 25 24 63 29 44 7 19
2 19 21 31 42 44 22 43
2 59 52 36 60 24 12 35
229
2
2 33 48 32 44 12 52 60
2 31 62 66 56 7 61 27
2 51 26 19 42 25 31 28
2 6 13 66 22 22 21 23
2 36 37 51 29 61 59 23
2 47 26 67 13 39 47 26
2 6 25 54 22 65 47 7
2 1 50 41 28 6 69 8
2 41 17 59 29 21 37 68
2 21 17 58 8 1 48 6

2 21 62 69 60 37 27 52
2 51 25 56 39 23 7 33
2 19 42 9 61 49 6 68
2 59 0 43 56 60 58 33
2 31 55 2 69 31 66 40
2 3 3 3 38 2 35 44
2 2 5 32 64 16 3 0
2 8 8 6 56 36 9 32
2 7 47 55 7 49 69 3
2 11 36 19 31 10 16 44
2 52 52 67 49 26 45 55
2 40 17 0 58 7 24 17
2 12 68 37 41 37 19 6
2 1 36 43 22 50 18 20
2 66 12 7 56 66 52 55
2 26 55 58 63 22 51 66
2 55 47 36 40 4 25 2
2 17 40 23 24 16 58 48
2 18 61 19 11 1 53 34
2 35 59 33 1 51 50 35
2 69 25 60 59 33 47 30
2 3 21 18 22 62 39 68
2 67 14 9 7 14 2 15
2 49 21 15 21 30 69 54
2 17 30 22 69 11 9 35
2 13 33 49 13 41 67 9
2 61 30 4 42 2 61 39
2 56 0 61 65 59 6 2
2 22 36 66 28 58 39 13
229
3
Berikut adalah langakah-langkah uji One Sample Kolmogorv Smirnov:
a. Input data ke dalam PASW
b. Klik Analyze – Non Parametric – 1 Sample K-S
Gambar 13.5 Kotak Dialog One Sample Kolmogorov Smirnov Test

c. Masukkan variabel poliomeitis, HIV_AIDS, influenza, lupus, Ebola,

Schizophrenia, dan alzheimer ke dalam test variable list. Pilih Normal
Poisson, Unifrom, dan Exponential di kotak Test Distribution
d. Klik OK.

Berikut adalah hasil dari pengolahan data dengan uji sample k-s one sample
kolmogorov smirnov:
a. Uji Normalitas
Tabel 13.5 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test

Poliomelitis HIV_AIDS Influenza Lupus Ebola Schizophrenia Alzheimer
N 300 300 300 300 300 300 300

Normal Parametersa,b Mean 60,49 59,40 59,79 61,27 59,45 60,93 60,79
Std. Deviation 29,911 30,810 29,754 28,628 29,563 28,541 29,522
Most Extreme Differences Absolute ,133 ,135 ,134 ,125 ,139 ,130 ,132
Positive ,093 ,094 ,088 ,088 ,085 ,086 ,092
Negative -,133 -,135 -,134 -,125 -,139 -,130 -,132
Kolmogorov-Smirnov Z 2,301 2,330 2,325 2,165 2,415 2,260 2,285
Asymp. Sig. (2-tailed) ,043 ,055 ,033 ,045 ,077 ,063 ,066
a. Test distribution is Normal.

b. Calculated from data.
229
4
Penentuan Hipotesis:
Hₒ = rata-rata hasil penelitian perkembangan penyakit terhadap virus pada 300

orang secara acak tidak terdapat persamaan saling mempengaruhi sehingga
distribusi normal
H₁ = rata-rata hasil penelitian perkembangan penyakit terhadap virus pada 300

orang secara acak terdapat persamaan saling mempengaruhi sehingga distribusi
tidak normal
Tingkat signifikan (α) 1%
Daerah kritis: jika asymp sig.(2-tailed). > (α) , maka terima H0 ,asymp sig.(2-tailed).
< (α), maka tolak H0.
Uji statistik: asymp sig(2-tailed). = 0,043; (α) = 0,01 Maka sig. > (α)
= 0,055 > 0,01.
= 0,033 > 0,01.
= 0,045 > 0,01.
= 0,077 > 0,01.
= 0,063 > 0,01.
= 0,066 > 0,01.
Keputusan: Karena sig. > (α) maka terima H0 tolak H1
Kesimpulan: jadi tingkat signifikansi 1% (0.01) di dapatkan kesimpulan bahwa

rata-rata hasil penelitian perkembangan penyakit terhadap virus pada 300 orang
secara acak tidak terdapat persamaan saling mempengaruhi sehingga distribusi
normal.
b. Uji Keseragaman Data

Tabel 13.6 Hasil Uji Keseragaman Data
229
5
One-Sample Kolmogorov-Smirnov Test 2
N 300 300 300 300 300 300 300

Uniform Parametersa,b Minimum 0 0 0 1 1 0 0
Maximum 100 100 100 100 100 100 100
Most Extreme Absolute ,203 ,200 ,203 ,197 ,197 ,213 ,207
Differences Positive ,003 ,013 ,010 ,007 ,010 ,003 ,010
Negative -,203 -,200 -,203 -,197 -,197 -,213 -,207
Asymp. Sig. (2-tailed) ,119 ,109 ,110 ,201 ,229 ,249 ,102
a. Test distribution is Uniform.

Penentuan Hipotesis:

distribusi uniform
tidak uniform
Daerah kritis: jika asymp sig.(2-tailed). > (α) , maka terima H0,asymp sig.(2-tailed).
= 0,109 > 0,01.
= 0,110 > 0,01.
= 0,201 > 0,01.
= 0,229 > 0,01.
= 0,249 > 0,01.
= 0,102 > 0,01.
Kesimpulan: jadi tingkat signifikansi 1% di dapatkan kesimpulan bahwa rata-rata
hasil penelitian perkembangan penyakit terhadap virus pada 300 orang secara acak
tidak terdapat persamaan saling mempengaruhi sehingga distribusi uniform.
229
6
c. Uji Distribusi Poisson
Tabel 13.7 Hasil Uji Distribusi Poisson

N 300 300 300 300 300 300 300

Poisson Parametera,b Mean 60,49 59,40 59,79 61,27 59,45 60,93 60,79
Negative -,407 -,406 -,393 -,391 -,402 -,394 -,394
Asymp. Sig. (2-tailed) ,116 ,093 ,053 ,025 ,059 ,088 ,166
a. Test distribution is Poisson.

Penentuan Hipotesis

distribusi poisson
tidak poisson
= 0,093 > 0,01.
= 0,053 > 0,01.
= 0,025 > 0,01.
= 0,059 > 0,01.
= 0,088 > 0,01.
229
7
= 0,166 > 0,01.

tidak terdapat persamaan saling mempengaruhi sehingga distribusi poisson.
d. Uji One Sample Kolmogorov Smirnov

Tabel 13.8 Hasil Uji One Sample Kolmogorov Smirnov

N 300a 300b 300c 300 300 300a 300c

Exponential Mean 60,69 60,21 60,40 61,27 59,45 61,13 61,41
parameter.d,e
Negative -,221 -,193 -,220 -,229 -,212 -,242 -,224
Asymp. Sig. (2-tailed) ,156 ,269 ,133 ,110 ,093 ,129 ,056

Penentuan Hipotesis

distribusi exponential
tidak exponential
= 0,269 > 0,01.
= 0,133 > 0,01.
229
8
= 0,110 > 0,01.
= 0,093 > 0,01.
= 0,129 > 0,01.
= 0,056 > 0,01.
tidak terdapat persamaan saling mempengaruhi sehingga distribusi exponential.

Hasil pengolahan data dan pengujian diatas dapat diketahui bahwa pada
pengujian dan pengolahan data pada studi kasus tersebut terdapat beberapa metode
pengujian terlebih dahulu sebelum untuk menguji One Sample Kolmogorov
Smirnov nya antara lain yaitu uji normalitas, uji keseragaman data dan uji poisson.
Hasil dari pengolahan dan pengujian dari data diatas menunjukan bahwa untuk uji
normalitas dari data tersebut hasilnya normal semua karena rata-rata hasil penelitian
terhadap 300 responden lebih dari nilai tingkat signifikannya atau alpha (0,01). Pada
uji keseragaman hasilnya seragam semua karena rata-rata hasil penelitian terhadap
300 responden lebih dari nilai tingkat signifikannya atau alpha (0,01). Untuk uji
poisson rata-rata hasil penelitian perkembangan penyakit terhadap virus pada 300
distribusi poisson. Uji One Sample Kolmogorov rata-rata hasil penelitian
perkembangan penyakit terhadap virus pada 300 orang secara acak tidak terdapat
persamaan saling mempengaruhi sehingga distribusi exponential. Jadi, dari
keempat pengujian data di atas dapat diketahui bahwa nilai asymp sig yang paling
terbesar yaitu pada uji one sample kolmogorov sirnov sebesar 0.269.
13.11 Kesimpulan
Kesimpulan yang dapat diambil dari pengujian dan pengolahan data di atas
antara lain yaitu bahwa untuk pengujian normalitas data tersebut normal, pengujian
keseragaman data data tersebut seragam, uji distribusi poisson data tersebut
memenuhi dan yang terakhir uji one kolmogorov smirnov data tersebut juga
memenuhi.
229
9
Sehingga dengan solusi menggunakan musuh alami, menjinakan virus
menggunakan rekayasa genetika, pemusnahan sumber virus lingkungan eksternal
skala besar, dan mematikan ruang eksternal perkembangan virus. Dengan objek
penelitian pada virus poliomyelitis, HIV/AIDS, influenza, lupus, ebola,
schizophrenia, dan Alzheimer dan diambil sampel penelitian terhadap 300
responden menunjukan hasil bahwa jawaban solusi yang diambil oleh 300
responden dua tertinggi yaitu dengan solusi menggunakan musuh alami dan
pemusnahan sumber virus lingkungan eksternal skala besar.
Diharapkan dengan hasil pengolahan dan pengujian data tersebut
pemerintah dapat mempersiapkan segala rencana atau sekenario dalam menghadapi
ketujuh virus tersebut dengan kedua solusi yang terpilih. Selain itu juga tenaga
medis harus bekerja lebih ekstra untuk membuat solusi tersebut dapat benar-benar
menangani virus tersebut dengan baik dan cepat. Dan diharapkan semuanya mulai
dari masyarakat, tenaga medis dan pemerintah dapat bekerja sama untuk
merealisasikan solusi tersebut dengan baik dan agar supaya masyarakat tidak selalu
dihantui dengan virus-virus tersebut disetiap harinya karena akan ada solusi yang
dapat membuat virus tersebut musnah.
230
0
BAB XIV
STATISTIKA NON PARAMETRIK KS (UJI MANN WHITNEY)
14.1 Latar Belakang

Hasil penelitian menghasilkan 2 macam penanganan dengan hasil paling
tinggi terhadap 7 virus yang diteliti pada tahap pertama. Penelitian dilanjutkan pada
tahap kedua untuk menguji hasil penanganan tersebut pada seluruh virus apabila
dilakukan simulasi selama 30 hari.
Rumusan masalah dari studi kasus tersebut antara lain yaitu jika dilakukan
simulasi selama 30 hari dari 300 responden dengan dua solusi terpilih bagaimana
hasil data statistik dan tindak lanjut untuk menangani kasus tersebut?
14.3 Tujuan
1. Mengetahui data statistik untuk studi kasus tersebut
2. Mencari data selama 30 hari untuk penanganan dengan 2 solusi terpilih
14.4 Manfaat
1. Menjadi bahan pertimbangan untuk pemerintah dalam menghadapi
masalah kesehatan yang berhubungan dengan virus
2. Membantu dinas kesehatan untuk melakukan penanganan medis dan
penyuluhan ke masyarakat
14.5 Literatur
Studi Kasus:
PT Merapi Utama Pharma didirikan pada tahun 1973, ketika mengubah
status perusahaan dari CV Merapi Trading Co menjadi PT Merapi Utama Pharma.
Perusahaan ini merupakan perusahaan distribusi farmasi dan kesehatan dengan 33
cabang di seluruh Indonesia, memiliki karyawan sekitar 1000 orang. Perusahaan ini
mempunyai visi untuk menjadi yang terpercaya di bidang distribusi Farmasi &
Kesehatan dengan misi memberdayakan karyawan sebagai aset berharga untuk
memberikan pelayanan yang terbaik bagi pelanggan, untuk memastikan kualitas
produk disampaikan kepada pelanggan melalui penanganan yang tepat, untuk
menyediakan produk obat-obatan sesuai yang dibutuhkan pada saat yang tepat, di
300
tempat yang tepat. Sesuai dengan era globalisasi terus meningkatkan teknologi
informasi untuk memenuhi kebutuhan pelanggan, dan melalui manajemen efisiensi
berusaha berkontribusi bagi para pemegang saham. PT Merapi Utama manajemen
Pharma menciptakan budaya perusahaan yang unik yang mendorong dan
meningkatkan pemikiran kreatif individu dalam kerangka tim, dengan menerapkan
3 F (Focus, Fast dan Flexible). Focus, fokus pada upaya meningkatkan pelayanan.
FAST, cepat dalam melanjutkan tindakan yang diperlukan. Fleksible, fleksibel
dalam melaksanakan kebijakan bisnis, yang didasarkan pada prinsip win-win.
Meskipun para wiraniaga sudah teruji dan berpengalaman bertahun-tahun, untuk
dapat mewujudkan visi dan misinya, maka dalam penjualan suatu produk baru
perusahaan mengadakan pelatihan, kemudian diteliti hasilnya selama satu bulan.
Analisis dengan SPSS
Tabel 14.1 Uji Peringkat
(Sumber: https://journal.binus.ac.id/index.php/BBR/article/view/1221)
Tabel 14.2 Uji Statistik
(Sumber: https://journal.binus.ac.id/index.php/BBR/article/view/1221)
Hipotesis penelitian ini terdiri dari: Ho = Kedua populasi identik (Data penjualan kedua
kelompok tidak berbeda secara signifikan); dan Hi = Kedua populasi tidak identik atau
berbeda dalam hal lokasi (data penjualan kedua kelompok wiraniaga memang berbeda
secara signifikan). Pengambilan Keputusan Jika probabilitas > 0.05, maka Ho diterima.
301
Jika probabilitas < 0.05, maka Ho ditolak. Terlihat bahwa pada kolom Exact.Sig. (2-
tailed)/significance untuk uji dua sisi adalah 0.096, atau probabilitas di atas 0.05 (0.096 >
0.05). Maka Ho diterima, atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat
pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan

Dalam pengujian hipotesis nol yang menyatakan bahwa tidak ada perbedaan
yang sesungguhnya antara kedua kelompok data dan dimana data tersebut diambil
dari sampel yang tidak saling terkait, kita dapat melakukan pengujian Mann-
Whitney. Pengujian ini disebut juga pengujian U, karena untuk menguji hipotesis
nol, kasus dihitung angka statistik yang disebut U. Prosedur yang dilakukan untuk
uji Mann-Whitney, yaitu:
(1) menyatakan hipotesis dan taraf nyata α;
(2) menyusun peringkat data tanpa memperhatikan kategori sampel;
(3) menjumlahkan peringkat menurut tiap kategori sampel dan menghitung statistik
U, dengan rumus:
U = n1n2 + [n1(n1+1)/2] – R1, atau U = n1n2 + [n2(n2+1)/2] – R2
(4) penarikan kesimpulan statistic mengenai hipotesis nol.
Berikut adalah kumpulan data dari tahap kedua untuk menguji hasil
penanganan tersebut pada seluruh virus apabila dilakukan simulasi selama 30 hari
dari 300 responden:
Tabel 14.3 Kumpulan data 300 responden selama 30 hari

Solusi Penanganan Virus Kepuasan
1 5
1 4
1 2
1 6
1 3
1 1
1 8
1 10
1 8
1 7
1 5
1 4
302
Lanjutan Tabel 14.3 Kumpulan data 300 responden selama 30 hari

1 9
1 1
1 4
1 7
1 1
1 4
1 2
1 8
1 10
1 4
1 5
1 10
1 10
1 2
1 9
1 9
1 2
1 10
1 4
1 1
1 6
1 9
1 3
1 5
1 4
1 6
1 6
1 8
1 1
1 2
1 6
1 5
1 9
1 9
1 5
1 10
1 10
1 6
1 1
1 5
1 5
1 4
303

1 4
1 4
1 1
1 4
1 1
1 10
1 8
1 9
1 7
1 9
1 5
1 6
1 3
1 4
1 4
1 4
1 6
1 1
1 6
1 10
1 4
1 8
1 6
1 7
1 3
1 7
1 1
1 5
1 8
1 4
1 1
1 2
1 7
1 7
1 9
1 9
1 1
1 5
1 8
1 1
1 1
1 10
304

1 10
1 3
1 10
1 2
1 10
1 4
1 9
1 9
1 2
1 1
1 4
1 2
1 8
1 6
1 3
1 9
1 10
1 4
1 2
1 7
1 7
1 1
1 8
1 4
1 5
1 5
1 4
1 3
1 6
1 7
1 7
1 7
1 8
1 10
1 8
1 2
1 8
1 8
1 4
1 7
1 3
1 4
305

1 1
1 6
1 6
1 5
1 7
1 8
1 1
1 9
1 6
1 4
1 5
1 6
1 8
1 9
1 8
1 5
1 4
1 3
1 6
1 5
1 6
1 4
1 2
1 10
1 1
1 6
1 1
1 7
1 9
1 7
1 7
1 10
1 5
1 6
1 1
1 5
1 7
1 7
1 8
1 10
1 1
1 8
306

1 2
1 10
1 6
1 4
1 8
1 3
1 2
1 2
1 7
1 3
1 10
1 1
1 4
1 10
1 10
1 8
1 5
1 8
1 7
1 8
1 4
1 4
1 3
1 6
1 7
1 2
1 6
1 8
1 9
1 6
1 5
1 10
1 4
1 1
1 9
1 7
1 7
1 6
1 5
1 4
1 3
307

1 8
1 6
1 1
1 6
1 1
1 1
1 8
1 5
1 3
1 2
1 1
1 5
1 9
1 8
1 6
1 7
1 7
1 5
1 7
1 5
1 10
1 4
1 8
1 7
1 3
1 4
1 7
1 4
1 4
1 7
1 3
1 7
1 10
1 1
1 5
1 5
1 1
1 7
1 3
1 6
1 5
308

1 1
1 1
1 5
1 9
1 4
1 9
1 2
1 10
1 7
1 5
1 5
1 8
1 2
1 6
1 4
1 2
1 7
1 6
1 2
1 8
1 2
1 7
1 9
1 9
1 6
1 3
1 8
1 3
1 8
1 2
1 9
1 7
1 5
1 8
1 3
1 9
1 10
1 5
1 1
1 10
1 5
309

1 9
1 3
1 9
1 2
1 9
1 6
1 5
1 3
1 6
1 8
1 10
1 3
1 1
1 5
1 3
1 6
1 4
1 6
1 9
1 7
1 5
1 10
1 3
1 1
1 1
1 7
1 2
1 6
1 3
1 7
1 4
1 9
1 10
1 2
1 10
1 8
1 3
1 6
1 5
1 5
1 2
310

1 6
1 8
1 6
1 1
1 1
1 2
1 2
1 1
1 6
1 7
1 1
1 2
1 3
1 3
1 2
1 4
1 1
1 2
1 4
1 10
1 10
1 6
1 3
1 6
1 5
1 5
1 6
1 7
1 3
1 2
1 6
1 9
1 7
1 8
1 9
1 4
1 4
1 2
1 9
1 8
1 10
311

1 5
1 2
1 6
1 4
1 6
1 3
1 3
1 10
1 10
1 10
1 9
1 7
1 4
1 6
1 6
1 6
1 7
1 5
1 9
1 2
1 6
1 2
1 1
1 9
1 8
1 8
1 3
1 6
1 8
1 8
1 8
1 9
1 3
1 4
1 7
1 9
1 2
1 5
1 4
1 2
1 4
312

1 7
1 6
1 1
1 8
1 1
1 6
1 5
1 10
1 2
1 8
1 5
1 10
1 4
1 6
1 6
1 4
1 10
1 3
1 9
1 9
1 3
1 5
1 5
1 10
1 7
1 5
1 6
1 8
1 7
1 4
1 8
1 2
1 6
1 4
1 9
1 8
1 8
1 4
1 6
1 9
1 4
313

1 3
1 7
1 7
1 9
1 5
1 1
1 2
1 2
1 7
1 10
1 4
1 5
1 4
1 10
1 10
1 4
1 8
1 2
1 1
1 10
1 4
1 2
1 9
1 4
1 3
1 6
1 8
1 5
1 2
1 10
1 6
1 4
1 9
1 2
1 8
1 6
1 6
1 5
1 5
1 2
1 2
314

1 1
1 9
1 5
1 8
1 9
1 2
1 8
1 7
1 5
1 5
1 8
1 10
1 7
1 2
1 7
1 4
1 9
1 7
1 3
1 8
1 5
1 5
1 6
1 4
1 6
1 6
1 7
1 3
1 7
1 3
1 9
1 2
1 2
1 6
1 3
1 1
1 4
1 8
1 2
1 9
1 4
315

1 5
1 1
1 5
1 10
1 4
1 3
1 3
1 5
1 5
1 10
1 8
1 10
1 6
1 9
1 4
1 2
1 3
1 9
1 7
1 3
1 3
1 6
1 4
1 1
1 3
1 5
1 10
1 7
1 1
1 6
1 10
1 8
1 9
1 5
1 5
1 10
1 7
1 7
1 2
1 3
1 4
316

1 3
1 3
1 9
1 3
1 5
1 6
1 7
1 7
1 9
1 9
1 7
1 10
1 3
1 3
1 5
1 9
1 10
1 2
1 7
1 5
1 4
1 8
1 5
1 6
1 8
1 3
1 2
1 10
1 6
1 1
1 10
1 2
1 8
1 5
1 6
1 8
1 9
1 6
1 3
1 1
1 3
317
Lanjutan Tabel 143 Kumpulan data 300 responden selama 30 hari

1 5
1 1
1 10
1 6
1 1
1 3
1 10
1 4
1 2
1 4
1 9
1 8
1 4
1 6
1 10
1 5
1 10
1 3
1 7
1 10
1 10
1 5
1 8
1 6
1 9
1 3
1 9
1 1
1 7
1 1
1 1
1 6
1 2
1 9
1 6
1 8
1 1
1 1
1 4
1 2
1 8
318

1 2
1 6
1 5
1 6
1 3
1 10
1 10
1 7
1 4
1 10
1 4
1 4
1 9
1 1
1 9
1 3
1 8
1 8
1 7
1 6
1 8
1 4
1 9
1 8
1 7
1 3
1 9
1 6
1 4
1 1
1 3
1 2
1 3
1 5
1 2
1 6
1 9
1 9
1 1
1 7
1 3
319

1 9
1 1
1 4
1 1
1 2
1 3
1 7
1 6
1 7
1 6
1 4
1 4
1 10
1 2
1 6
1 4
1 7
1 1
1 10
1 9
1 8
1 2
1 6
1 2
1 4
1 4
1 8
1 6
1 4
1 10
1 5
1 9
1 10
1 8
1 5
1 8
1 7
1 5
1 10
1 7
1 7
320

1 8
1 6
1 8
1 4
1 1
1 9
1 3
1 4
1 1
1 4
1 8
1 7
1 7
1 1
1 9
1 7
1 4
1 3
1 6
1 9
1 1
1 2
1 4
1 5
1 5
1 1
1 6
1 10
1 6
1 6
1 3
1 10
1 9
1 8
1 8
1 2
1 6
1 10
1 9
1 6
1 9
321

1 5
1 4
1 2
1 5
1 1
1 4
1 1
1 3
1 6
1 4
1 6
1 2
1 5
1 5
1 2
1 10
1 2
1 9
1 6
1 2
1 6
1 2
1 8
1 10
1 2
1 8
1 2
1 7
1 10
1 7
1 10
1 5
1 2
1 5
1 5
1 5
1 10
1 3
1 10
1 3
1 3
322

1 5
1 4
1 7
1 7
1 7
1 8
1 10
1 4
1 9
1 5
1 1
1 5
1 4
1 1
1 2
1 4
1 2
1 1
1 9
1 6
1 3
1 10
1 7
1 8
1 7
1 5
1 5
1 8
1 8
1 10
1 5
1 5
1 7
1 10
1 10
1 10
1 7
1 5
1 6
1 9
1 8
323

1 6
1 7
1 3
1 6
1 9
1 4
1 10
1 7
1 6
1 3
1 5
1 7
1 9
1 10
1 2
1 4
1 3
1 10
1 7
1 1
1 6
1 1
1 6
1 2
1 9
1 10
1 9
1 10
1 5
1 8
1 5
1 9
1 5
1 4
1 6
1 8
1 2
1 10
1 10
1 10
1 2
324

1 10
1 4
1 10
1 7
1 1
1 2
1 3
1 8
1 9
1 2
1 6
1 8
1 10
1 6
1 7
1 4
1 5
1 3
1 9
1 2
1 9
1 5
1 2
1 1
1 1
1 4
1 5
1 6
1 3
1 10
1 9
1 2
1 2
1 2
1 8
1 4
1 3
1 7
1 9
1 5
1 5
325

1 4
1 7
1 3
1 6
1 1
1 1
1 4
1 6
1 2
1 6
1 4
1 9
1 3
1 3
1 1
1 1
1 5
1 7
1 5
1 1
1 7
1 8
1 10
1 1
1 5
1 4
1 3
1 1
1 10
1 6
1 3
1 5
1 6
1 3
1 6
1 7
1 3
1 6
1 10
1 1
1 8
326

1 7
1 1
1 1
1 6
1 4
1 10
1 1
1 8
1 6
1 3
1 1
1 4
1 8
1 1
1 7
1 3
1 9
1 8
1 9
1 4
1 6
1 9
1 5
1 9
1 8
1 5
1 4
1 4
1 10
1 4
1 6
1 8
1 4
1 9
1 5
1 6
1 4
1 7
1 1
1 10
1 1
327

1 2
1 6
1 3
1 9
1 6
1 10
1 6
1 10
1 1
1 4
1 10
1 10
1 8
1 9
1 5
1 2
1 6
1 9
1 4
1 8
1 10
1 8
1 2
1 5
1 3
1 8
1 10
1 7
1 5
1 6
1 8
1 3
1 7
1 7
1 6
1 8
1 5
1 10
1 4
1 7
1 5
328

1 2
1 5
1 7
1 9
1 9
1 5
1 2
1 8
1 1
1 8
1 7
1 3
1 6
1 5
1 2
1 10
1 5
1 3
1 1
1 2
1 4
1 8
1 7
1 3
1 5
1 1
1 1
1 8
1 3
1 4
1 4
1 6
1 2
1 9
1 10
1 7
1 7
1 9
1 5
1 1
1 9
329

1 5
1 4
1 4
1 3
1 9
1 1
1 6
1 10
1 7
1 9
1 2
1 5
1 10
1 8
1 1
1 10
1 6
1 3
1 8
1 1
1 1
1 6
1 7
1 10
1 2
1 6
1 1
1 2
1 2
1 4
1 2
1 6
1 5
1 2
1 9
1 3
1 8
1 10
1 9
1 1
1 2
330

1 5
1 5
1 7
1 2
1 7
1 2
1 6
1 8
1 6
1 6
1 6
1 9
1 7
1 6
1 2
1 1
1 6
1 1
1 6
1 9
1 2
1 6
1 8
1 8
1 1
1 5
1 6
1 1
1 2
1 5
1 7
1 1
1 4
1 9
1 4
1 2
1 10
1 7
1 6
1 7
1 2
331

1 8
1 4
1 3
1 4
1 1
1 7
1 2
1 4
1 8
1 2
1 8
1 3
1 2
1 1
1 9
1 1
1 7
1 9
1 9
1 7
1 9
1 7
1 7
1 5
1 6
1 6
1 8
1 7
1 7
1 7
1 8
1 4
1 7
1 8
1 9
1 2
1 9
1 3
1 6
1 9
1 9
332

1 4
1 8
1 3
1 1
1 10
1 9
1 10
1 2
1 2
1 10
1 3
1 1
1 10
1 4
1 5
1 2
1 4
1 5
1 4
1 2
1 10
1 1
1 2
1 1
1 6
1 2
1 7
1 5
1 8
1 10
1 7
1 3
1 3
1 9
1 10
1 6
1 3
1 5
1 8
1 9
1 7
333

1 3
1 4
1 5
1 1
1 9
1 7
1 1
1 3
1 3
1 5
1 6
1 8
1 3
1 5
1 9
1 3
1 7
1 4
1 4
1 5
1 1
1 4
1 3
1 5
1 6
1 3
1 8
1 6
1 5
1 5
1 6
1 9
1 4
1 10
1 6
1 2
1 6
1 8
1 5
1 3
1 3
334

1 5
1 10
1 7
1 4
1 6
1 10
1 3
1 5
1 9
1 2
1 10
1 4
1 1
1 4
1 6
1 3
1 4
1 6
1 8
1 2
1 4
1 4
1 3
1 5
1 10
1 7
1 4
1 1
1 3
1 2
1 7
1 1
1 9
1 4
1 8
1 7
1 3
1 1
1 1
1 8
1 8
335

1 9
1 8
1 2
1 4
1 6
1 9
1 6
1 3
1 7
1 3
1 4
1 3
1 4
1 6
1 3
1 9
1 5
1 3
1 6
1 7
1 1
1 7
1 1
1 6
1 5
1 10
1 1
1 4
1 8
1 10
1 6
1 9
1 2
1 4
1 4
1 9
1 7
1 7
1 3
1 1
336

1 9
1 5
1 8
1 9
1 2
1 7
1 10
1 6
1 6
1 3
1 2
1 4
1 10
1 8
1 3
1 7
1 4
1 1
1 9
1 7
1 4
1 5
1 5
1 6
1 3
1 9
1 5
1 8
1 3
1 1
1 5
1 8
1 10
1 5
1 1
1 4
1 1
1 2
1 10
1 3
1 6
337

1 5
1 4
1 9
1 7
1 1
1 1
1 7
1 8
1 10
1 10
1 2
1 9
1 9
1 6
1 2
1 1
1 3
1 3
1 8
1 8
1 5
1 2
1 2
1 4
1 4
1 7
1 3
1 9
1 7
1 4
1 5
1 6
1 7
1 1
1 1
1 6
1 4
1 5
1 4
1 1
1 1
338

1 8
1 6
1 10
1 5
1 4
1 4
1 9
1 7
1 9
1 1
1 1
1 4
1 9
1 6
1 9
1 10
1 8
1 6
1 3
1 1
1 3
1 10
1 5
1 6
1 6
1 5
1 6
1 6
1 4
1 2
1 9
1 2
1 2
1 7
1 1
1 2
1 7
1 4
1 1
1 9
1 4
339

1 5
1 7
1 7
1 5
1 5
1 9
1 7
1 6
1 6
1 10
1 10
1 9
1 5
1 4
1 3
1 10
1 8
1 2
1 8
1 3
1 1
1 3
1 1
1 1
1 6
1 3
1 10
1 3
1 3
1 10
1 5
1 5
1 6
1 4
1 10
1 7
1 8
1 6
1 4
1 5
1 9
340

1 10
1 2
1 1
1 3
1 8
1 4
1 4
1 2
1 2
1 1
1 7
1 7
1 5
1 7
1 9
1 3
1 1
1 7
1 1
1 6
1 4
1 1
1 4
1 5
1 2
1 2
1 9
1 4
1 6
1 10
1 8
1 2
1 7
1 7
1 3
1 2
1 1
1 7
1 10
1 4
1 10
341

1 10
1 2
1 9
1 4
1 2
1 3
1 1
1 7
1 9
1 10
1 8
1 8
1 5
1 6
1 9
1 10
1 9
1 1
1 8
1 3
1 9
1 3
1 5
1 10
1 6
1 8
1 5
1 2
1 1
1 6
1 7
1 3
1 3
1 7
1 8
1 9
1 2
1 8
1 4
1 8
342

1 10
1 9
1 9
1 1
1 5
1 10
1 9
1 10
1 3
1 7
1 2
1 6
1 1
1 3
1 7
1 1
1 10
1 2
1 1
1 10
1 5
1 7
1 5
1 9
1 8
1 9
1 2
1 2
1 3
1 2
1 8
1 4
1 2
1 4
1 10
1 7
1 1
1 9
1 4
1 3
1 3
343

1 9
1 10
1 6
1 4
1 4
1 5
1 7
1 4
1 8
1 1
1 2
1 5
1 5
1 2
1 8
1 8
1 9
1 3
1 8
1 6
1 4
1 4
1 2
1 5
1 5
1 6
1 6
1 2
1 5
1 10
1 9
1 7
1 4
1 7
1 5
1 2
1 9
1 5
1 2
1 2
1 8
344

1 5
1 9
1 6
1 7
1 1
1 5
1 10
1 2
1 4
1 7
1 10
1 9
1 7
1 5
1 3
1 3
1 9
1 9
1 3
1 8
1 3
1 10
1 1
1 9
1 1
1 10
1 2
1 8
1 6
1 2
1 9
1 9
1 4
1 4
1 4
1 3
1 9
1 9
1 4
1 8
1 5
345

1 2
1 8
1 3
1 8
1 2
1 5
1 4
1 10
1 4
1 3
1 9
1 8
1 1
1 4
1 6
1 10
1 10
1 9
1 3
1 8
1 3
1 9
1 8
1 6
1 3
1 4
1 9
1 5
1 7
1 4
1 9
1 3
1 6
1 2
1 6
1 2
1 6
1 8
1 7
1 5
1 4
346

1 7
1 6
1 7
1 2
1 7
1 6
1 4
1 9
1 7
1 6
1 7
1 8
1 5
1 1
1 3
1 1
1 8
1 7
1 2
1 2
1 7
1 7
1 1
1 3
1 10
1 7
1 2
1 10
1 9
1 8
1 1
1 3
1 9
1 10
1 3
1 9
1 9
1 6
1 3
1 2
1 8
347

1 3
1 8
1 2
1 3
1 1
1 6
1 8
1 4
1 5
1 8
1 4
1 9
1 1
1 10
1 3
1 3
1 8
1 2
1 7
1 6
1 9
1 1
1 4
1 3
1 10
1 5
1 3
1 7
1 10
1 6
1 10
1 5
1 9
1 6
1 9
1 5
1 6
1 8
1 5
1 2
1 9
348

1 4
1 7
1 4
1 2
1 4
1 6
1 8
1 7
1 5
1 1
1 7
1 3
1 5
1 3
1 5
1 2
1 3
1 7
1 6
1 5
1 7
1 1
1 8
1 1
1 10
1 5
1 1
1 7
1 10
1 3
1 3
1 5
1 4
1 3
1 2
1 3
1 8
1 4
1 6
1 3
1 2
349

1 5
1 2
1 2
1 6
1 8
1 6
1 1
1 4
1 8
1 10
1 4
1 7
1 4
1 5
1 6
1 2
1 4
1 5
1 10
1 2
1 9
1 3
1 5
1 9
1 6
1 1
1 3
1 10
1 1
1 4
1 3
1 7
1 7
1 5
1 3
1 1
1 9
1 7
1 6
1 5
1 10
350

1 1
1 5
1 5
1 4
1 5
1 8
1 9
1 8
1 7
1 8
1 3
1 4
1 7
1 5
1 6
1 2
1 10
1 1
1 1
1 10
1 9
1 9
1 6
1 3
1 6
1 6
1 8
1 2
1 3
1 9
1 7
1 6
1 1
1 5
1 8
1 8
1 9
1 5
1 8
1 1
1 7
351

1 6
1 6
1 9
1 10
1 6
1 10
1 7
1 5
1 6
1 10
1 1
1 6
1 7
1 4
1 5
1 2
1 6
1 3
1 9
1 4
1 4
1 2
1 7
1 7
1 4
1 9
1 2
1 4
1 3
1 3
1 5
1 10
1 7
1 8
1 3
1 1
1 2
1 1
1 9
1 3
1 7
352

1 2
1 3
1 3
1 2
1 9
1 4
1 10
1 2
1 10
1 5
1 1
1 9
1 7
1 1
1 4
1 1
1 7
1 2
1 1
1 1
1 9
1 10
1 5
1 4
1 3
1 7
1 4
1 3
1 6
1 7
1 2
1 4
1 7
1 5
1 7
1 4
1 6
1 9
1 2
1 1
1 6
353

1 5
1 8
1 4
1 6
1 7
1 8
1 1
1 9
1 6
1 7
1 9
1 7
1 6
1 9
1 7
1 4
1 8
1 4
1 8
1 3
1 10
1 7
1 7
1 1
1 7
1 10
1 8
1 3
1 4
1 5
1 8
1 10
1 9
1 10
1 3
1 10
1 1
1 5
1 3
1 4
1 8
354

1 1
1 8
1 7
1 10
1 8
1 7
1 9
1 4
1 9
1 2
1 6
1 3
1 4
1 8
1 7
1 3
1 10
1 4
1 2
1 8
1 7
1 5
1 5
1 7
1 2
1 6
1 9
1 10
1 10
1 7
1 3
1 3
1 6
1 7
1 6
1 10
1 8
1 6
1 1
1 5
1 3
355

1 4
1 7
1 7
1 7
1 1
1 10
1 10
1 6
1 9
1 5
1 7
1 5
1 10
1 4
1 9
1 7
1 6
1 7
1 6
1 2
1 5
1 8
1 1
1 3
1 7
1 3
1 9
1 5
1 3
1 7
1 6
1 4
1 4
1 4
1 1
1 6
1 5
1 8
1 7
1 3
1 8
356

1 7
1 6
1 4
1 5
1 8
1 8
1 6
1 6
1 1
1 9
1 3
1 10
1 3
1 4
1 3
1 4
1 3
1 9
1 1
1 1
1 2
1 5
1 3
1 2
1 4
1 6
1 9
1 4
1 4
1 8
1 8
1 2
1 10
1 6
1 4
1 5
1 7
1 8
1 9
1 7
1 4
357

1 9
1 4
1 8
1 3
1 2
1 5
1 1
1 3
1 7
1 3
1 10
1 1
1 8
1 8
1 2
1 8
1 2
1 1
1 9
1 7
1 9
1 8
1 9
1 7
1 9
1 6
1 7
1 3
1 10
1 9
1 1
1 2
1 8
1 1
1 10
1 3
1 10
1 8
1 4
1 5
1 9
358

1 6
1 10
1 5
1 5
1 4
1 6
1 2
1 2
1 4
1 2
1 2
1 9
1 3
1 5
1 3
1 9
1 10
1 3
1 9
1 2
1 4
1 4
1 8
1 5
1 2
1 2
1 9
1 2
1 10
1 9
1 1
1 2
1 6
1 9
1 8
1 4
1 5
1 9
1 4
1 9
1 6
359

1 5
1 10
1 9
1 7
1 9
1 9
1 9
1 2
1 10
1 2
1 6
1 5
1 1
1 4
1 8
1 1
1 10
1 8
1 8
1 10
1 10
1 7
1 4
1 6
1 10
1 6
1 6
1 10
1 10
1 10
1 4
1 8
1 5
1 1
1 1
1 3
1 3
1 8
1 6
1 9
1 9
360

1 3
1 1
1 7
1 4
1 1
1 10
1 9
1 3
1 9
1 9
1 7
1 2
1 1
1 6
1 10
1 10
1 9
1 10
1 3
1 6
1 5
1 3
1 4
1 10
1 3
1 10
1 10
1 6
1 2
1 1
1 3
1 4
1 8
1 7
1 5
1 10
1 4
1 6
1 7
1 6
1 4
361

1 7
1 10
1 10
1 5
1 6
1 9
1 3
1 6
1 10
1 9
1 3
1 9
1 2
1 8
1 10
1 3
1 9
1 4
1 4
1 5
1 10
1 8
1 7
1 2
1 9
1 7
1 5
1 8
1 8
1 4
1 9
1 7
1 9
1 9
1 5
1 4
1 8
1 5
1 2
1 6
1 3
362

1 1
1 9
1 7
1 8
1 9
1 6
1 2
1 9
1 5
1 10
1 8
1 9
1 3
1 4
1 6
1 9
1 1
1 10
1 2
1 7
1 1
1 9
1 10
1 4
1 3
1 7
1 2
1 9
1 9
1 4
1 3
1 4
1 6
1 5
1 8
1 7
1 1
1 6
1 7
1 2
1 9
363

1 1
1 7
1 10
1 8
1 4
1 1
1 1
1 7
1 2
1 4
1 7
1 2
1 8
1 9
1 3
1 1
1 2
1 8
1 8
1 2
1 8
1 1
1 8
1 6
1 4
1 5
1 8
1 3
1 2
1 1
1 8
1 6
1 2
1 2
1 6
1 1
1 2
1 4
1 10
1 10
1 6
364

1 4
1 7
1 3
1 7
1 2
1 5
1 2
1 3
1 7
1 2
1 7
1 5
1 9
1 4
1 4
1 10
1 8
1 5
1 7
1 2
1 5
1 4
1 9
1 3
1 7
1 8
1 5
1 5
1 6
1 7
1 5
1 7
1 4
1 4
1 9
1 1
1 1
1 1
1 7
1 6
1 2
365

1 5
1 10
1 5
1 4
1 4
1 10
1 5
1 8
1 4
1 10
1 7
1 9
1 6
1 3
1 1
1 2
1 1
1 10
1 8
1 2
1 8
1 9
1 9
1 10
1 6
1 5
1 10
1 6
1 6
1 4
1 5
1 10
1 1
1 3
1 9
1 5
1 10
1 5
1 4
1 6
1 3
366

1 4
1 5
1 2
1 6
1 8
1 7
1 3
1 1
1 9
1 7
1 1
1 2
1 7
1 3
1 5
1 5
1 3
1 4
1 10
1 5
1 2
1 1
1 2
1 7
1 3
1 3
1 2
1 4
1 2
1 9
1 5
1 6
1 5
1 5
1 5
1 4
1 6
1 4
1 10
1 9
1 7
367

1 7
1 9
1 1
1 3
1 4
1 5
1 3
1 5
1 2
1 2
1 6
1 5
1 3
1 1
1 9
1 3
1 1
1 8
1 9
1 6
1 1
1 8
1 4
1 3
1 1
1 3
1 7
1 1
1 7
1 8
1 10
1 6
1 6
1 7
1 7
1 4
1 8
1 10
1 9
1 2
1 7
368

1 8
1 3
1 2
1 10
1 8
1 3
1 2
1 3
1 4
1 6
1 7
1 4
1 5
1 7
1 7
1 1
1 1
1 10
1 3
1 3
1 1
1 8
1 10
1 6
1 6
1 6
1 9
1 5
1 9
1 10
1 5
1 10
1 2
1 8
1 10
1 4
1 7
1 10
1 10
1 10
1 5
369

1 6
1 2
1 10
1 8
1 9
1 10
1 1
1 3
1 6
1 4
1 8
1 2
1 7
1 4
1 2
1 4
1 5
1 4
1 2
1 10
1 5
1 9
1 3
1 3
1 1
1 6
1 7
1 4
1 9
1 9
1 2
1 5
1 5
1 5
1 10
1 9
1 2
1 1
1 1
1 6
1 2
370

1 4
1 8
1 3
1 5
1 2
1 1
1 8
1 8
1 3
1 1
1 8
1 3
1 1
1 3
1 4
1 6
1 9
1 2
1 1
1 10
1 7
1 1
1 1
1 3
1 4
1 2
1 10
1 9
1 2
1 6
1 5
1 2
1 4
1 9
1 3
1 6
1 2
1 5
1 10
1 1
1 4
371

1 4
1 10
1 10
1 7
1 5
1 10
1 3
1 9
1 2
1 3
1 9
1 3
1 7
1 8
1 7
1 6
1 5
1 4
1 3
1 9
1 2
1 3
1 5
1 9
1 8
1 8
1 7
1 9
1 6
1 9
1 3
1 8
1 1
1 8
1 5
1 9
1 2
1 7
1 7
1 1
1 5
372

1 3
1 5
1 6
1 6
1 2
1 9
1 1
1 7
1 3
1 6
1 10
1 4
1 1
1 6
1 8
1 10
1 9
1 8
1 10
1 3
1 6
1 4
1 7
1 10
1 5
1 2
1 8
1 9
1 6
1 5
1 6
1 1
1 4
1 10
1 5
1 3
1 2
1 7
1 3
1 9
1 1
373

1 10
1 6
1 10
1 4
1 2
1 5
1 9
1 7
1 10
1 10
1 8
1 3
1 8
1 3
1 10
1 5
1 7
1 3
1 8
1 10
1 5
1 3
1 1
1 1
1 10
1 6
1 10
1 10
1 10
1 6
1 3
1 7
1 3
1 8
1 10
1 2
1 4
1 3
1 2
1 3
1 5
374

1 1
1 2
1 5
1 7
1 9
1 10
1 9
1 7
1 7
1 10
1 1
1 5
1 1
1 6
1 1
1 4
1 10
1 7
1 2
1 1
1 3
1 2
1 5
1 8
1 3
1 8
1 7
1 7
1 5
1 5
1 3
1 5
1 1
1 9
1 2
1 1
1 6
1 1
1 9
1 3
1 8
375

1 9
1 3
1 6
1 7
1 7
1 6
1 4
1 8
1 8
1 3
1 4
1 7
1 1
1 6
1 1
1 5
1 6
1 6
1 8
1 1
1 1
1 5
1 1
1 2
1 1
1 5
1 5
1 5
1 9
1 8
1 8
1 1
1 4
1 7
1 7
1 6
1 10
1 7
1 1
1 4
1 5
376

1 10
1 10
1 3
1 2
1 4
1 3
1 1
1 4
1 2
1 3
1 6
1 1
1 3
1 4
1 2
1 4
1 7
1 1
1 4
1 10
1 4
1 5
1 8
1 6
1 7
1 8
1 5
1 7
1 6
1 9
1 6
1 5
1 8
1 4
1 2
1 6
1 10
1 4
1 3
1 2
1 1
377

1 6
1 7
1 4
1 9
1 5
1 8
1 9
1 10
1 2
1 5
1 2
1 7
1 1
1 6
1 1
1 5
1 1
1 7
1 3
1 6
1 8
1 2
1 8
1 7
1 1
1 10
1 1
1 3
1 4
1 2
1 10
1 10
1 10
1 6
1 10
1 4
1 7
1 2
1 6
1 10
1 2
378

1 3
1 2
1 9
1 3
1 5
1 3
1 6
1 7
1 5
1 10
1 1
1 8
1 8
1 7
1 8
1 2
1 8
1 1
1 1
1 6
1 8
1 9
1 5
1 9
1 7
1 5
1 1
1 8
1 10
1 8
1 2
1 1
1 4
1 3
1 7
1 7
1 7
1 4
1 10
1 2
1 5
379

1 7
1 1
1 10
1 8
1 6
1 10
1 9
1 8
1 1
1 1
1 5
1 5
1 2
1 9
1 3
1 8
1 9
1 4
1 3
1 4
1 10
1 10
1 7
1 2
1 4
1 5
1 10
1 5
1 5
1 5
1 1
1 5
1 2
1 1
1 3
1 7
1 4
1 6
1 9
1 10
1 8
380

1 6
1 5
1 9
1 1
1 6
1 4
1 1
1 10
1 4
1 3
1 2
1 2
1 1
1 6
1 2
1 9
1 1
1 7
1 7
1 1
1 4
1 5
1 4
1 3
1 7
1 5
1 7
1 9
1 5
1 10
1 10
1 6
1 3
1 3
1 9
1 2
1 6
1 2
1 2
1 5
1 4
381

1 6
1 8
1 7
1 4
1 7
1 4
1 10
1 1
1 5
1 1
1 6
1 5
1 7
1 9
1 5
1 3
1 4
1 1
1 7
1 7
1 4
1 8
1 9
1 5
1 2
1 9
1 4
1 10
1 1
1 8
1 2
1 8
1 6
1 6
1 1
1 2
1 4
1 3
1 6
1 2
1 9
382

1 4
1 9
1 10
1 9
1 5
1 4
1 1
1 6
1 3
1 5
1 7
1 6
1 1
1 4
1 7
1 10
1 2
1 2
1 7
1 4
1 6
1 1
1 8
1 1
1 2
1 8
1 4
1 2
1 7
1 9
1 3
1 5
1 8
1 3
1 6
1 4
1 2
1 3
1 1
1 2
383

1 10
1 4
1 4
1 10
1 4
1 8
1 7
1 9
1 9
1 5
1 5
1 7
1 7
1 2
1 2
1 4
1 9
1 2
1 7
1 9
1 1
1 7
1 9
1 1
1 3
1 7
1 6
1 1
1 8
1 6
1 1
1 6
1 9
1 1
1 3
1 10
1 4
1 2
1 8
1 4
1 5
384

1 2
1 8
1 6
1 9
1 6
1 8
1 2
1 10
1 2
1 2
1 6
1 6
1 7
1 5
1 2
1 9
1 3
1 8
1 10
1 1
1 5
1 10
1 2
1 2
1 5
1 10
1 1
1 1
1 5
1 5
1 1
1 10
1 6
1 3
1 5
1 7
1 6
1 3
1 9
1 10
1 5
385

1 7
1 5
1 4
1 1
1 7
1 3
1 3
1 5
1 3
1 3
1 5
1 3
1 2
1 1
1 10
1 1
1 10
1 1
1 3
1 4
1 10
1 1
1 3
1 9
1 6
1 1
1 1
1 9
1 6
1 5
1 6
1 1
1 5
1 7
1 10
1 4
1 4
1 8
1 3
1 2
1 2
386

1 3
1 4
1 9
1 4
1 2
1 3
1 5
1 4
1 9
1 1
1 6
1 10
1 7
1 8
1 8
1 5
1 4
1 4
1 8
1 10
1 3
1 10
1 6
1 6
1 8
1 10
1 7
1 3
1 8
1 7
1 7
1 7
1 10
1 10
1 4
1 1
1 9
1 5
1 6
1 3
1 5
387

1 1
1 3
1 10
1 10
1 5
1 7
1 3
1 10
1 10
1 7
1 4
1 5
1 8
1 7
1 2
1 4
1 9
1 3
1 5
1 7
1 2
1 2
1 9
1 8
1 3
1 7
1 1
1 3
1 7
1 10
1 4
1 5
1 1
1 1
1 8
1 10
1 7
1 4
1 8
1 6
1 5
388

1 8
1 2
1 2
1 3
1 10
1 6
1 10
1 3
1 2
1 8
1 7
1 2
1 5
1 7
1 6
1 6
1 3
1 4
1 6
1 8
1 10
1 5
1 6
1 1
1 4
1 7
1 5
1 10
1 8
1 5
1 6
1 6
1 2
1 3
1 10
1 2
1 2
1 6
1 7
1 7
1 2
389

1 3
1 10
1 8
1 6
1 5
1 4
1 9
1 2
1 7
1 7
1 4
1 4
1 3
1 5
1 4
1 10
1 8
1 2
1 8
1 7
1 4
1 4
1 5
1 4
1 9
1 8
1 2
1 5
1 10
1 7
1 4
1 1
1 7
1 4
1 6
1 6
1 8
1 1
1 1
1 8
1 7
390

1 6
1 9
1 10
1 9
1 6
1 8
1 6
1 7
1 1
1 1
1 5
1 1
1 1
1 1
1 6
1 1
1 9
1 7
1 4
1 10
1 4
1 1
1 8
1 1
1 8
1 5
1 2
1 4
1 3
1 9
1 10
1 4
1 3
1 6
1 6
1 4
1 9
1 10
1 10
1 2
1 7
391

1 10
1 5
1 2
1 5
1 2
1 7
1 2
1 7
1 2
1 10
1 6
1 3
1 9
1 9
1 4
1 2
1 3
1 3
1 6
1 2
1 6
1 9
1 1
1 2
1 9
1 5
1 7
1 5
1 1
1 3
1 5
1 8
1 4
1 5
1 5
1 4
1 10
1 2
1 10
1 4
1 9
392

1 1
1 9
1 3
1 6
1 3
1 2
1 2
1 9
1 2
1 9
1 9
1 7
1 9
1 2
1 9
1 4
1 5
1 9
1 8
1 3
1 4
1 5
1 7
1 2
1 10
1 2
1 7
1 4
1 2
1 4
1 6
1 5
1 10
1 1
1 2
1 7
1 8
1 4
1 6
1 1
1 6
393

1 8
1 6
1 4
1 2
1 5
1 9
1 9
1 2
1 10
1 7
1 6
1 3
1 4
1 10
1 1
1 2
1 6
1 1
1 7
1 10
1 9
1 5
1 9
1 4
1 8
1 9
1 5
1 7
1 10
1 3
1 2
1 6
1 5
1 3
1 9
1 8
1 10
1 10
1 4
1 4
1 7
394

1 10
1 8
1 9
1 8
1 2
1 10
1 10
1 5
1 10
1 5
1 3
1 4
1 8
1 4
1 5
1 1
1 1
1 3
1 3
1 1
1 2
1 3
1 8
1 2
1 5
1 5
1 8
1 5
1 4
1 1
1 6
1 7
1 2
1 9
1 2
1 7
1 7
1 10
1 1
1 4
1 8
395

1 9
1 4
1 10
1 1
1 10
1 6
1 1
1 1
1 5
1 8
1 6
1 9
1 6
1 8
1 5
1 9
1 8
1 8
1 9
1 9
1 10
1 3
1 10
1 9
1 1
1 8
1 9
1 8
1 4
1 8
1 8
1 1
1 5
1 1
1 5
1 5
1 3
1 6
1 3
1 10
1 4
396

1 4
1 10
1 9
1 9
1 3
1 4
1 1
1 6
1 1
1 2
1 6
1 4
1 7
1 10
1 4
1 6
1 10
1 2
1 1
1 9
1 9
1 5
1 1
1 4
1 2
1 9
1 5
1 1
1 2
1 3
1 5
1 10
1 1
1 8
1 9
1 2
1 10
1 8
1 8
1 3
1 9
397

1 3
1 1
1 7
1 5
1 5
1 1
1 10
1 9
1 8
1 6
1 9
1 7
1 4
1 7
1 5
1 1
1 5
1 1
1 7
1 10
1 3
1 4
1 9
1 3
1 8
1 2
1 7
1 4
1 7
1 10
1 10
1 8
1 4
1 3
1 10
1 2
1 9
1 3
1 2
1 10
1 8
398

1 6
1 2
1 9
1 10
1 4
1 7
1 1
1 9
1 3
1 9
1 7
1 3
1 8
1 7
1 9
1 5
1 5
1 7
1 10
1 3
1 7
1 9
1 10
1 7
1 3
1 10
1 1
1 5
1 6
1 3
1 7
1 9
1 9
1 3
1 6
1 7
1 3
1 7
1 5
1 8
1 6
399

1 3
1 7
1 1
1 1
1 6
1 10
1 10
1 7
1 5
1 5
1 4
1 2
1 3
1 6
1 2
1 6
1 9
1 5
1 10
1 5
1 10
1 4
1 6
1 5
1 5
1 10
1 3
1 9
1 6
1 2
1 10
1 4
1 4
1 5
1 9
1 5
1 6
1 5
1 6
1 3
1 6
400

1 5
1 5
1 7
1 3
1 7
1 7
1 6
1 2
1 7
1 6
1 8
1 5
1 6
1 3
1 2
1 1
1 7
1 8
1 6
1 4
1 4
1 4
1 7
1 8
1 3
1 3
1 6
1 5
1 8
1 2
1 4
1 9
1 2
1 6
1 3
1 1
1 10
1 2
1 4
1 6
1 8
401

1 3
1 10
1 7
1 10
1 7
1 10
1 2
1 9
1 2
1 3
1 6
1 3
1 10
1 2
1 1
1 8
1 2
1 1
1 2
1 6
1 4
1 10
1 3
1 3
1 8
1 2
1 3
1 9
1 7
1 9
1 10
1 8
1 9
1 1
1 8
1 7
1 10
1 9
1 5
1 10
1 9
402

1 8
1 7
1 4
1 3
1 6
1 7
1 2
1 5
1 7
1 3
1 9
1 4
1 8
1 7
1 10
1 7
1 6
1 6
1 2
1 4
1 1
1 3
1 4
1 1
1 4
1 9
1 5
1 5
1 8
1 3
1 2
1 9
1 7
1 9
1 3
1 5
1 3
1 10
1 5
1 5
1 3
403

1 1
1 8
1 7
1 8
1 8
1 4
1 2
1 3
1 8
1 3
1 1
1 7
1 7
1 1
1 2
1 3
1 2
1 1
1 6
1 9
1 10
1 1
1 5
1 5
1 1
1 10
1 1
1 10
1 7
1 8
1 6
1 6
1 10
1 8
1 7
1 4
1 5
1 4
1 1
1 5
1 3
404

1 2
1 2
1 8
1 1
1 10
1 8
1 3
1 9
1 4
1 6
1 7
1 7
1 1
1 10
1 4
1 8
1 2
1 2
1 6
1 6
1 6
1 3
1 10
1 1
1 3
1 9
1 9
1 7
1 4
1 2
1 2
1 1
1 6
1 7
1 4
1 6
1 9
1 2
1 9
1 4
1 9
405

1 10
1 9
1 10
1 1
1 10
1 7
1 7
1 5
1 9
1 8
1 6
1 3
1 1
1 9
1 2
1 4
1 8
1 7
1 4
1 8
1 1
1 10
1 10
1 5
1 4
1 2
1 7
1 4
1 1
1 8
1 8
1 4
1 8
1 8
1 1
1 5
1 10
1 9
1 8
1 9
1 3
406

1 3
1 3
1 10
1 5
1 5
1 5
1 1
1 5
1 5
1 3
1 9
1 8
1 5
1 9
1 6
1 4
1 5
1 2
1 5
1 6
1 1
1 2
1 4
1 2
1 4
1 10
1 8
1 3
1 6
1 5
1 7
1 6
1 8
1 5
1 4
1 1
1 2
1 3
1 5
1 6
1 2
407

1 8
1 4
1 1
1 3
1 1
1 1
1 9
1 1
1 1
1 9
1 4
1 6
1 6
1 1
1 8
1 10
1 10
1 7
1 9
1 9
1 6
1 7
1 7
1 3
1 7
1 7
1 3
1 5
1 7
1 1
1 5
1 4
1 10
1 8
1 8
1 4
1 10
1 10
1 3
1 5
1 8
408

1 6
1 8
1 7
1 6
1 7
1 9
1 6
1 4
1 4
1 2
1 7
1 10
1 3
1 9
1 10
1 1
1 5
1 5
1 4
1 8
1 9
1 6
1 5
1 2
1 2
1 4
1 3
1 6
1 10
1 9
1 9
1 5
1 4
1 9
1 9
1 8
1 9
1 5
1 2
1 9
1 5
409

1 7
1 3
1 8
1 4
1 7
1 3
1 9
1 5
1 10
1 4
1 7
1 3
1 6
1 6
1 2
1 2
1 9
1 1
1 6
1 1
1 2
1 3
1 7
1 7
1 5
1 5
1 5
1 1
1 2
1 2
1 2
1 3
1 7
1 7
1 8
1 10
1 10
1 5
1 2
1 3
1 6
410

1 4
1 4
1 7
1 1
1 10
1 1
1 5
1 3
1 10
1 7
1 10
1 4
1 7
1 6
1 9
1 5
1 1
1 3
1 10
1 6
1 3
1 7
1 2
1 8
1 5
1 10
1 8
1 9
1 9
1 7
1 2
1 6
1 9
1 8
1 10
1 2
1 7
1 3
1 10
1 7
1 4
411

1 9
1 4
1 3
1 9
1 8
1 10
1 3
1 6
1 6
1 3
1 6
1 3
1 3
1 10
1 5
1 2
1 9
1 4
2 5
2 2
2 10
2 9
2 3
2 2
2 3
2 7
2 6
2 1
2 5
2 6
2 3
2 5
2 8
2 2
2 6
2 2
2 2
2 2
2 9
2 6
2 9
412

2 5
2 5
2 5
2 2
2 4
2 9
2 8
2 10
2 5
2 6
2 4
2 2
2 4
2 4
2 8
2 2
2 8
2 10
2 2
2 5
2 2
2 3
2 2
2 9
2 9
2 5
2 3
2 3
2 10
2 10
2 8
2 6
2 9
2 6
2 10
2 8
2 7
2 4
2 3
2 8
2 1
413

2 5
2 1
2 6
2 6
2 9
2 10
2 10
2 1
2 1
2 10
2 1
2 10
2 6
2 1
2 9
2 10
2 7
2 3
2 4
2 8
2 9
2 1
2 8
2 3
2 1
2 4
2 4
2 5
2 3
2 10
2 1
2 6
2 2
2 9
2 7
2 10
2 6
2 7
2 3
2 9
2 4
414

2 5
2 2
2 3
2 1
2 1
2 1
2 2
2 10
2 6
2 8
2 9
2 6
2 2
2 4
2 4
2 9
2 4
2 8
2 9
2 8
2 6
2 2
2 8
2 5
2 7
2 3
2 1
2 4
2 3
2 4
2 4
2 9
2 10
2 8
2 6
2 4
2 1
2 8
2 5
2 10
2 2
415

2 2
2 1
2 2
2 9
2 6
2 6
2 1
2 8
2 3
2 4
2 3
2 7
2 10
2 5
2 6
2 7
2 2
2 7
2 7
2 2
2 7
2 9
2 7
2 4
2 1
2 8
2 2
2 5
2 9
2 1
2 5
2 7
2 3
2 2
2 9
2 6
2 2
2 7
2 8
2 1
2 9
416

2 3
2 2
2 1
2 2
2 4
2 4
2 6
2 8
2 1
2 8
2 7
2 2
2 9
2 2
2 8
2 10
2 10
2 8
2 7
2 4
2 8
2 2
2 3
2 6
2 10
2 6
2 3
2 6
2 4
2 6
2 2
2 8
2 1
2 10
2 5
2 9
2 2
2 4
2 6
2 7
2 9
417

2 2
2 2
2 8
2 9
2 2
2 1
2 5
2 2
2 4
2 1
2 3
2 2
2 5
2 9
2 2
2 1
2 5
2 9
2 3
2 8
2 6
2 10
2 9
2 3
2 1
2 9
2 6
2 1
2 6
2 2
2 4
2 3
2 5
2 5
2 7
2 1
2 5
2 7
2 6
2 5
2 5
418

2 3
2 3
2 10
2 1
2 7
2 10
2 4
2 9
2 3
2 8
2 3
2 8
2 6
2 4
2 10
2 2
2 5
2 5
2 4
2 3
2 1
2 8
2 5
2 3
2 4
2 10
2 2
2 5
2 7
2 8
2 7
2 3
2 2
2 1
2 7
2 8
2 7
2 8
2 5
2 5
2 7
419

2 5
2 6
2 2
2 6
2 9
2 4
2 4
2 10
2 1
2 5
2 5
2 5
2 2
2 5
2 3
2 7
2 3
2 10
2 10
2 2
2 7
2 7
2 9
2 7
2 6
2 4
2 9
2 2
2 4
2 8
2 1
2 10
2 6
2 9
2 3
2 1
2 6
2 5
2 7
2 4
2 2
420

2 7
2 3
2 7
2 5
2 2
2 7
2 6
2 9
2 4
2 1
2 4
2 4
2 3
2 10
2 8
2 2
2 10
2 6
2 2
2 4
2 10
2 7
2 7
2 8
2 3
2 6
2 6
2 6
2 10
2 1
2 3
2 7
2 5
2 10
2 3
2 10
2 9
2 9
2 6
2 2
2 5
421

2 7
2 4
2 5
2 5
2 10
2 5
2 10
2 4
2 2
2 1
2 7
2 1
2 1
2 6
2 9
2 7
2 10
2 5
2 1
2 2
2 10
2 5
2 4
2 8
2 3
2 10
2 4
2 5
2 10
2 4
2 10
2 3
2 9
2 6
2 8
2 3
2 5
2 2
2 10
2 5
2 7
422

2 4
2 3
2 5
2 6
2 2
2 4
2 4
2 10
2 3
2 1
2 5
2 8
2 2
2 5
2 1
2 10
2 4
2 9
2 5
2 10
2 2
2 4
2 2
2 9
2 4
2 1
2 7
2 10
2 6
2 4
2 4
2 2
2 5
2 7
2 1
2 4
2 3
2 4
2 3
2 10
2 1
423

2 10
2 4
2 9
2 10
2 4
2 4
2 10
2 3
2 1
2 2
2 9
2 7
2 3
2 2
2 9
2 3
2 10
2 5
2 9
2 10
2 6
2 4
2 10
2 1
2 4
2 2
2 7
2 7
2 7
2 3
2 7
2 6
2 10
2 8
2 8
2 2
2 4
2 10
2 7
2 2
424

2 2
2 2
2 3
2 6
2 1
2 4
2 7
2 9
2 6
2 6
2 2
2 10
2 5
2 10
2 4
2 1
2 2
2 10
2 4
2 6
2 8
2 8
2 4
2 7
2 4
2 2
2 10
2 4
2 2
2 1
2 10
2 8
2 4
2 5
2 6
2 1
2 2
2 3
2 3
2 2
2 1
425

2 6
2 8
2 8
2 1
2 3
2 4
2 2
2 3
2 3
2 6
2 4
2 4
2 2
2 4
2 6
2 1
2 8
2 1
2 5
2 2
2 7
2 6
2 5
2 8
2 10
2 10
2 8
2 8
2 5
2 4
2 9
2 8
2 5
2 7
2 7
2 9
2 7
2 10
2 10
2 9
2 4
426

2 10
2 3
2 7
2 6
2 10
2 10
2 4
2 2
2 2
2 6
2 9
2 10
2 10
2 8
2 7
2 10
2 1
2 7
2 7
2 5
2 2
2 9
2 8
2 7
2 10
2 8
2 7
2 8
2 2
2 10
2 1
2 7
2 3
2 1
2 9
2 8
2 10
2 8
2 4
2 9
2 6
427

2 10
2 3
2 10
2 2
2 4
2 2
2 5
2 3
2 1
2 5
2 4
2 10
2 3
2 1
2 6
2 9
2 6
2 6
2 3
2 6
2 4
2 10
2 2
2 9
2 4
2 6
2 3
2 4
2 1
2 4
2 2
2 8
2 5
2 8
2 6
2 7
2 1
2 6
2 4
2 6
2 4
428

2 2
2 2
2 10
2 1
2 2
2 8
2 8
2 2
2 5
2 1
2 4
2 5
2 9
2 10
2 4
2 8
2 2
2 1
2 6
2 9
2 8
2 5
2 5
2 4
2 10
2 2
2 10
2 5
2 3
2 10
2 2
2 1
2 9
2 2
2 2
2 4
2 6
2 1
2 10
2 7
2 3
429

2 1
2 5
2 3
2 7
2 3
2 9
2 5
2 8
2 9
2 9
2 8
2 5
2 4
2 2
2 6
2 10
2 2
2 5
2 2
2 9
2 6
2 2
2 3
2 2
2 3
2 9
2 2
2 8
2 3
2 7
2 5
2 5
2 8
2 5
2 4
2 10
2 2
2 2
2 4
2 2
2 2
430

2 4
2 2
2 1
2 6
2 9
2 10
2 3
2 4
2 10
2 10
2 5
2 5
2 8
2 3
2 5
2 1
2 1
2 6
2 6
2 7
2 6
2 4
2 1
2 8
2 4
2 2
2 5
2 3
2 6
2 7
2 7
2 2
2 6
2 2
2 5
2 6
2 9
2 3
2 10
2 7
2 2
431

2 8
2 6
2 7
2 6
2 6
2 8
2 9
2 4
2 8
2 1
2 1
2 7
2 5
2 4
2 6
2 3
2 8
2 8
2 4
2 9
2 7
2 2
2 10
2 5
2 4
2 6
2 4
2 3
2 10
2 1
2 9
2 5
2 8
2 9
2 4
2 8
2 10
2 10
2 9
2 7
2 3
432

2 5
2 3
2 4
2 10
2 10
2 9
2 9
2 4
2 10
2 1
2 2
2 9
2 9
2 4
2 9
2 10
2 1
2 6
2 2
2 7
2 7
2 10
2 7
2 1
2 10
2 8
2 8
2 2
2 5
2 6
2 2
2 8
2 3
2 6
2 1
2 9
2 3
2 7
2 7
2 8
2 10
433

2 2
2 5
2 6
2 7
2 3
2 2
2 2
2 10
2 4
2 1
2 6
2 8
2 10
2 1
2 4
2 9
2 5
2 10
2 9
2 9
2 3
2 6
2 5
2 5
2 9
2 4
2 3
2 1
2 4
2 6
2 10
2 2
2 3
2 6
2 7
2 6
2 9
2 5
2 4
2 4
2 6
434

2 4
2 10
2 6
2 1
2 9
2 2
2 7
2 7
2 3
2 3
2 8
2 9
2 4
2 4
2 5
2 10
2 3
2 8
2 3
2 4
2 7
2 3
2 2
2 4
2 9
2 9
2 4
2 8
2 10
2 4
2 5
2 6
2 9
2 6
2 10
2 2
2 3
2 8
2 7
2 7
2 1
435

2 7
2 6
2 4
2 10
2 5
2 7
2 3
2 7
2 6
2 4
2 10
2 6
2 10
2 8
2 8
2 4
2 5
2 3
2 10
2 2
2 5
2 4
2 2
2 6
2 7
2 5
2 1
2 8
2 7
2 9
2 9
2 5
2 8
2 3
2 5
2 8
2 9
2 7
2 2
2 3
2 1
436

2 5
2 7
2 10
2 5
2 4
2 9
2 6
2 7
2 7
2 7
2 7
2 8
2 5
2 3
2 4
2 7
2 2
2 1
2 10
2 3
2 6
2 2
2 10
2 5
2 9
2 9
2 7
2 3
2 7
2 7
2 10
2 3
2 2
2 4
2 3
2 4
2 10
2 7
2 2
2 6
2 10
437

2 9
2 1
2 8
2 5
2 7
2 2
2 7
2 5
2 3
2 1
2 4
2 1
2 1
2 8
2 9
2 2
2 4
2 2
2 2
2 8
2 5
2 3
2 6
2 2
2 1
2 2
2 8
2 9
2 3
2 1
2 8
2 4
2 4
2 4
2 8
2 7
2 6
2 1
2 5
2 9
2 10
438

2 3
2 8
2 2
2 4
2 1
2 2
2 10
2 5
2 10
2 9
2 4
2 4
2 9
2 5
2 5
2 7
2 8
2 9
2 3
2 2
2 4
2 10
2 8
2 1
2 9
2 5
2 3
2 10
2 5
2 4
2 7
2 10
2 10
2 10
2 2
2 7
2 2
2 9
2 3
2 8
2 9
439

2 1
2 4
2 1
2 6
2 10
2 6
2 4
2 4
2 10
2 7
2 5
2 8
2 10
2 7
2 1
2 9
2 8
2 2
2 5
2 2
2 6
2 8
2 7
2 3
2 3
2 1
2 4
2 4
2 9
2 8
2 10
2 7
2 6
2 5
2 6
2 2
2 7
2 9
2 10
2 5
2 6
440

2 6
2 5
2 9
2 6
2 9
2 4
2 1
2 8
2 5
2 3
2 5
2 1
2 3
2 4
2 2
2 8
2 1
2 9
2 1
2 8
2 9
2 8
2 6
2 9
2 1
2 9
2 6
2 1
2 1
2 4
2 4
2 9
2 6
2 1
2 4
2 6
2 3
2 5
2 4
2 9
2 2
441

2 8
2 6
2 8
2 8
2 9
2 8
2 4
2 5
2 5
2 8
2 3
2 6
2 4
2 7
2 10
2 10
2 6
2 8
2 2
2 5
2 4
2 3
2 10
2 8
2 4
2 6
2 8
2 9
2 10
2 5
2 4
2 9
2 9
2 6
2 3
2 3
2 1
2 3
2 4
2 7
2 3
442

2 1
2 6
2 9
2 2
2 3
2 2
2 10
2 5
2 7
2 2
2 1
2 4
2 2
2 7
2 3
2 6
2 9
2 4
2 2
2 3
2 6
2 8
2 4
2 3
2 6
2 9
2 3
2 1
2 7
2 5
2 2
2 6
2 8
2 4
2 7
2 9
2 10
2 1
2 7
2 8
2 4
443

2 4
2 4
2 9
2 8
2 7
2 6
2 7
2 9
2 6
2 10
2 5
2 5
2 2
2 3
2 10
2 2
2 4
2 1
2 1
2 10
2 6
2 5
2 1
2 5
2 6
2 4
2 2
2 10
2 3
2 10
2 1
2 1
2 5
2 4
2 3
2 2
2 2
2 9
2 7
2 8
2 2
444

2 10
2 9
2 9
2 9
2 10
2 8
2 2
2 2
2 6
2 5
2 9
2 5
2 1
2 6
2 4
2 3
2 5
2 10
2 7
2 3
2 7
2 7
2 10
2 9
2 6
2 7
2 6
2 10
2 1
2 10
2 9
2 5
2 4
2 8
2 10
2 2
2 8
2 2
2 3
2 3
2 2
445

2 2
2 4
2 6
2 9
2 3
2 6
2 4
2 4
2 6
2 8
2 8
2 3
2 3
2 3
2 3
2 4
2 10
2 6
2 1
2 5
2 1
2 1
2 4
2 8
2 1
2 1
2 8
2 3
2 3
2 8
2 8
2 2
2 3
2 3
2 1
2 3
2 8
2 5
2 1
2 9
2 9
446

2 3
2 4
2 4
2 5
2 7
2 7
2 3
2 2
2 4
2 6
2 3
2 5
2 1
2 7
2 5
2 4
2 6
2 4
2 6
2 5
2 1
2 5
2 9
2 4
2 1
2 10
2 7
2 5
2 9
2 1
2 5
2 9
2 8
2 1
2 6
2 9
2 3
2 10
2 3
2 10
2 10
447

2 1
2 4
2 7
2 2
2 2
2 4
2 9
2 9
2 10
2 3
2 7
2 4
2 8
2 9
2 3
2 5
2 8
2 4
2 6
2 5
2 9
2 3
2 3
2 10
2 6
2 5
2 7
2 3
2 7
2 6
2 10
2 5
2 4
2 7
2 8
2 4
2 8
2 10
2 8
2 3
2 6
448

2 3
2 3
2 6
2 4
2 9
2 6
2 8
2 8
2 1
2 10
2 7
2 1
2 9
2 4
2 5
2 5
2 10
2 10
2 7
2 2
2 9
2 2
2 9
2 6
2 2
2 9
2 1
2 9
2 9
2 1
2 6
2 1
2 10
2 7
2 10
2 7
2 5
2 4
2 8
2 10
2 10
449

2 10
2 4
2 2
2 4
2 5
2 9
2 6
2 1
2 4
2 10
2 4
2 9
2 10
2 7
2 3
2 4
2 8
2 8
2 10
2 7
2 2
2 7
2 7
2 8
2 5
2 6
2 4
2 1
2 2
2 8
2 5
2 7
2 6
2 3
2 7
2 9
2 1
2 8
2 9
2 6
2 7
450

2 6
2 7
2 10
2 4
2 6
2 2
2 9
2 4
2 3
2 3
2 10
2 2
2 5
2 5
2 1
2 10
2 3
2 6
2 7
2 2
2 2
2 1
2 5
2 9
2 7
2 7
2 3
2 6
2 6
2 8
2 1
2 6
2 7
2 8
2 9
2 7
2 6
2 7
2 3
2 4
2 7
451

2 4
2 10
2 9
2 10
2 3
2 5
2 9
2 9
2 2
2 3
2 2
2 2
2 1
2 8
2 1
2 7
2 1
2 3
2 6
2 3
2 8
2 6
2 3
2 7
2 3
2 1
2 3
2 10
2 9
2 5
2 5
2 5
2 6
2 8
2 1
2 6
2 3
2 1
2 4
2 5
2 5
452

2 3
2 9
2 10
2 6
2 3
2 1
2 9
2 5
2 8
2 5
2 4
2 5
2 8
2 9
2 3
2 8
2 9
2 9
2 8
2 4
2 6
2 9
2 9
2 2
2 4
2 8
2 2
2 6
2 7
2 2
2 7
2 2
2 3
2 8
2 9
2 2
2 7
2 8
2 4
2 10
2 10
453

2 5
2 10
2 3
2 7
2 5
2 8
2 8
2 3
2 2
2 3
2 9
2 6
2 5
2 3
2 5
2 5
2 1
2 3
2 4
2 1
2 4
2 3
2 6
2 8
2 8
2 8
2 7
2 1
2 7
2 3
2 4
2 5
2 2
2 1
2 1
2 10
2 8
2 1
2 7
2 5
2 6
454

2 6
2 2
2 5
2 8
2 9
2 4
2 5
2 6
2 10
2 8
2 6
2 9
2 5
2 9
2 4
2 8
2 10
2 8
2 3
2 9
2 5
2 6
2 5
2 3
2 2
2 5
2 7
2 2
2 7
2 1
2 8
2 3
2 2
2 4
2 5
2 10
2 7
2 5
2 9
2 2
2 10
455

2 4
2 4
2 1
2 8
2 5
2 4
2 6
2 8
2 6
2 5
2 9
2 6
2 7
2 6
2 2
2 8
2 3
2 8
2 2
2 7
2 4
2 3
2 7
2 6
2 8
2 3
2 6
2 10
2 2
2 4
2 5
2 9
2 2
2 9
2 4
2 1
2 2
2 9
2 4
2 6
2 9
456

2 6
2 5
2 3
2 8
2 7
2 1
2 9
2 1
2 10
2 6
2 10
2 10
2 4
2 3
2 7
2 9
2 6
2 8
2 4
2 6
2 9
2 9
2 8
2 10
2 9
2 2
2 10
2 9
2 8
2 8
2 10
2 5
2 7
2 9
2 2
2 7
2 5
2 4
2 8
2 10
2 2
457

2 1
2 9
2 8
2 10
2 5
2 7
2 2
2 7
2 6
2 4
2 3
2 2
2 6
2 8
2 4
2 5
2 7
2 6
2 6
2 7
2 8
2 9
2 10
2 5
2 2
2 8
2 8
2 1
2 4
2 2
2 1
2 10
2 4
2 6
2 2
2 5
2 7
2 8
2 2
2 1
2 10
458

2 10
2 5
2 9
2 10
2 4
2 3
2 10
2 7
2 6
2 10
2 4
2 9
2 2
2 7
2 1
2 7
2 8
2 5
2 3
2 1
2 2
2 1
2 5
2 10
2 6
2 10
2 6
2 5
2 7
2 1
2 6
2 10
2 1
2 2
2 10
2 4
2 3
2 3
2 2
2 10
2 7
459

2 3
2 4
2 5
2 6
2 10
2 7
2 7
2 8
2 10
2 5
2 10
2 10
2 1
2 2
2 5
2 3
2 2
2 1
2 2
2 10
2 1
2 3
2 10
2 10
2 3
2 1
2 4
2 8
2 8
2 10
2 4
2 4
2 4
2 9
2 5
2 5
2 8
2 4
2 10
2 7
2 6
460

2 8
2 3
2 6
2 9
2 4
2 8
2 10
2 6
2 4
2 1
2 9
2 3
2 7
2 2
2 9
2 6
2 5
2 3
2 7
2 8
2 4
2 1
2 2
2 1
2 3
2 2
2 10
2 6
2 8
2 1
2 9
2 6
2 8
2 4
2 4
2 1
2 4
2 9
2 1
2 6
2 4
461

2 8
2 8
2 7
2 7
2 2
2 4
2 7
2 1
2 5
2 8
2 8
2 5
2 7
2 9
2 9
2 9
2 10
2 2
2 3
2 4
2 5
2 9
2 9
2 6
2 6
2 2
2 4
2 6
2 10
2 3
2 5
2 9
2 6
2 8
2 1
2 1
2 4
2 10
2 2
2 7
2 4
462

2 7
2 9
2 4
2 9
2 5
2 7
2 2
2 7
2 3
2 7
2 8
2 5
2 5
2 10
2 8
2 3
2 4
2 6
2 10
2 2
2 9
2 10
2 2
2 7
2 2
2 2
2 5
2 8
2 6
2 6
2 10
2 3
2 6
2 5
2 1
2 3
2 7
2 5
2 1
2 9
2 4
463

2 9
2 9
2 8
2 3
2 1
2 2
2 5
2 9
2 10
2 9
2 4
2 8
2 10
2 1
2 8
2 7
2 8
2 4
2 8
2 8
2 1
2 9
2 6
2 4
2 3
2 10
2 2
2 8
2 6
2 5
2 5
2 4
2 6
2 4
2 2
2 10
2 1
2 1
2 5
2 9
2 3
464

2 10
2 8
2 1
2 9
2 6
2 3
2 3
2 6
2 5
2 9
2 6
2 3
2 5
2 4
2 7
2 7
2 8
2 7
2 10
2 7
2 2
2 2
2 9
2 8
2 7
2 3
2 6
2 7
2 6
2 4
2 7
2 7
2 7
2 10
2 4
2 9
2 7
2 3
2 2
2 1
2 5
465

2 4
2 7
2 9
2 8
2 4
2 10
2 8
2 10
2 6
2 8
2 3
2 3
2 1
2 8
2 7
2 4
2 7
2 8
2 2
2 2
2 5
2 3
2 6
2 1
2 3
2 6
2 1
2 1
2 3
2 2
2 5
2 2
2 5
2 3
2 3
2 10
2 6
2 8
2 7
2 5
2 2
466

2 3
2 8
2 5
2 3
2 7
2 2
2 4
2 4
2 2
2 2
2 6
2 10
2 8
2 6
2 9
2 3
2 5
2 3
2 9
2 1
2 3
2 3
2 10
2 9
2 2
2 5
2 7
2 7
2 8
2 5
2 5
2 5
2 1
2 10
2 1
2 3
2 9
2 9
2 7
2 1
2 4
467

2 4
2 4
2 6
2 7
2 6
2 10
2 8
2 8
2 6
2 9
2 4
2 5
2 9
2 10
2 1
2 1
2 10
2 4
2 6
2 2
2 8
2 7
2 5
2 8
2 1
2 8
2 5
2 6
2 3
2 4
2 7
2 8
2 10
2 7
2 8
2 7
2 7
2 5
2 3
2 1
2 2
468

2 8
2 4
2 6
2 7
2 4
2 10
2 1
2 2
2 5
2 1
2 1
2 2
2 5
2 8
2 8
2 8
2 1
2 6
2 6
2 7
2 9
2 3
2 7
2 5
2 1
2 3
2 4
2 2
2 8
2 8
2 2
2 9
2 5
2 4
2 8
2 2
2 5
2 5
2 10
2 5
2 5
469

2 8
2 2
2 7
2 4
2 8
2 9
2 3
2 9
2 8
2 3
2 9
2 4
2 6
2 3
2 6
2 7
2 10
2 9
2 6
2 8
2 9
2 2
2 9
2 7
2 10
2 8
2 10
2 4
2 2
2 9
2 10
2 10
2 2
2 3
2 7
2 8
2 10
2 9
2 5
2 5
2 7
470

2 2
2 8
2 8
2 10
2 9
2 9
2 10
2 5
2 10
2 3
2 10
2 10
2 7
2 1
2 5
2 8
2 6
2 10
2 7
2 4
2 4
2 9
2 7
2 9
2 7
2 9
2 3
2 1
2 7
2 1
2 4
2 1
2 10
2 5
2 10
2 7
2 4
2 3
2 2
2 10
2 1
471

2 2
2 10
2 4
2 10
2 5
2 6
2 9
2 3
2 2
2 1
2 8
2 9
2 1
2 5
2 10
2 9
2 8
2 3
2 9
2 6
2 3
2 2
2 2
2 5
2 1
2 6
2 5
2 5
2 1
2 10
2 7
2 4
2 10
2 9
2 2
2 5
2 9
2 10
2 5
2 2
2 8
472

2 2
2 7
2 4
2 2
2 8
2 7
2 9
2 6
2 8
2 2
2 7
2 8
2 7
2 8
2 4
2 1
2 6
2 3
2 3
2 3
2 1
2 5
2 10
2 8
2 6
2 2
2 1
2 6
2 7
2 4
2 4
2 8
2 2
2 10
2 9
2 6
2 3
2 4
2 1
2 2
2 2
473

2 2
2 3
2 5
2 10
2 9
2 3
2 4
2 5
2 1
2 1
2 2
2 1
2 4
2 6
2 6
2 4
2 5
2 10
2 2
2 9
2 9
2 9
2 1
2 3
2 7
2 8
2 4
2 10
2 9
2 8
2 9
2 5
2 1
2 1
2 1
2 2
2 1
2 1
2 9
2 3
2 8
474

2 9
2 7
2 1
2 1
2 9
2 8
2 7
2 6
2 4
2 6
2 6
2 4
2 10
2 9
2 1
2 9
2 7
2 3
2 5
2 8
2 10
2 4
2 2
2 10
2 3
2 3
2 1
2 3
2 3
2 1
2 2
2 9
2 8
2 4
2 10
2 6
2 9
2 5
2 9
2 7
2 3
475

2 5
2 7
2 3
2 8
2 6
2 5
2 4
2 2
2 2
2 4
2 6
2 2
2 2
2 9
2 4
2 2
2 3
2 3
2 6
2 4
2 3
2 7
2 5
2 2
2 6
2 7
2 8
2 1
2 1
2 3
2 1
2 8
2 1
2 8
2 7
2 4
2 9
2 4
2 8
2 6
2 3
476

2 9
2 7
2 9
2 7
2 2
2 10
2 4
2 2
2 2
2 8
2 4
2 10
2 3
2 6
2 4
2 9
2 5
2 2
2 3
2 3
2 1
2 1
2 9
2 7
2 5
2 3
2 3
2 1
2 4
2 4
2 9
2 4
2 6
2 9
2 7
2 4
2 1
2 3
2 9
2 9
2 8
477

2 3
2 5
2 10
2 3
2 7
2 3
2 9
2 4
2 10
2 3
2 7
2 9
2 4
2 2
2 1
2 8
2 10
2 3
2 4
2 3
2 2
2 6
2 2
2 9
2 8
2 1
2 4
2 10
2 1
2 10
2 7
2 5
2 7
2 4
2 6
2 10
2 8
2 6
2 1
2 3
2 2
478

2 4
2 8
2 8
2 8
2 7
2 5
2 4
2 9
2 6
2 4
2 5
2 3
2 4
2 6
2 4
2 9
2 6
2 9
2 10
2 9
2 10
2 10
2 7
2 5
2 4
2 10
2 2
2 6
2 10
2 3
2 5
2 10
2 7
2 7
2 10
2 5
2 9
2 3
2 4
2 1
2 7
479

2 10
2 4
2 9
2 10
2 2
2 8
2 5
2 7
2 4
2 5
2 5
2 7
2 8
2 2
2 10
2 4
2 4
2 6
2 10
2 8
2 7
2 5
2 2
2 2
2 10
2 1
2 3
2 2
2 8
2 2
2 9
2 7
2 7
2 1
2 10
2 7
2 8
2 9
2 2
2 9
2 6
480

2 1
2 9
2 9
2 5
2 3
2 4
2 3
2 6
2 10
2 9
2 2
2 3
2 10
2 4
2 4
2 4
2 8
2 6
2 8
2 2
2 8
2 9
2 1
2 10
2 7
2 1
2 7
2 4
2 8
2 7
2 7
2 9
2 4
2 6
2 1
2 2
2 7
2 10
2 7
2 8
2 6
481

2 2
2 8
2 4
2 1
2 4
2 6
2 10
2 5
2 7
2 9
2 4
2 1
2 3
2 10
2 4
2 4
2 6
2 10
2 10
2 3
2 8
2 6
2 5
2 3
2 8
2 10
2 2
2 3
2 5
2 6
2 2
2 7
2 1
2 8
2 10
2 3
2 8
2 3
2 7
2 8
2 8
482

2 1
2 7
2 4
2 9
2 5
2 7
2 7
2 7
2 2
2 7
2 10
2 5
2 7
2 8
2 6
2 3
2 4
2 10
2 2
2 2
2 1
2 9
2 4
2 9
2 1
2 9
2 1
2 9
2 1
2 5
2 10
2 10
2 2
2 9
2 9
2 10
2 1
2 2
2 9
2 1
2 9
483

2 10
2 8
2 9
2 6
2 3
2 10
2 1
2 6
2 4
2 3
2 2
2 9
2 9
2 3
2 4
2 7
2 6
2 2
2 8
2 5
2 6
2 3
2 1
2 7
2 6
2 7
2 1
2 8
2 7
2 1
2 9
2 2
2 5
2 5
2 10
2 8
2 4
2 5
2 5
2 1
2 1
484
Lanjutan Tabel 14.3 Kumpulan data 300 responden selama 30 har

2 1
2 1
2 6
2 2
2 5
2 4
2 10
2 2
2 10
2 7
2 2
2 10
2 1
2 9
2 2
2 4
2 7
2 6
2 2
2 8
2 4
2 5
2 1
2 3
2 6
2 8
2 3
2 5
2 2
2 5
2 8
2 9
2 6
2 7
2 1
2 3
2 1
2 2
2 2
2 9
2 1
485
Lanjutan Tabel 14.3 Kumpulan data 300 responden selama 30 har

2 9
2 5
2 9
2 3
2 7
2 5
2 2
2 10
2 10
2 6
2 8
2 1
2 2
2 4
2 6
2 5
2 1
2 1
2 5
2 8
2 3
2 10
2 1
2 5
2 7
2 4
2 4
2 9
2 8
2 7
2 8
2 6
2 8
2 3
2 8
2 3
2 4
2 8
2 5
2 10
2 4
486

2 8
2 10
2 6
2 1
2 10
2 10
2 9
2 10
2 10
2 8
2 6
2 1
2 8
2 9
2 3
2 2
2 7
2 1
2 2
2 2
2 4
2 2
2 5
2 10
2 3
2 7
2 10
2 4
2 4
2 3
2 9
2 6
2 9
2 3
2 5
2 6
2 6
2 6
2 5
2 9
2 3
487

2 2
2 2
2 1
2 2
2 7
2 10
2 9
2 9
2 4
2 5
2 5
2 2
2 9
2 3
2 1
2 6
2 3
2 9
2 5
2 4
2 1
2 5
2 7
2 2
2 4
2 1
2 3
2 7
2 8
2 5
2 7
2 2
2 3
2 9
2 6
2 8
2 10
2 7
2 5
2 4
2 1
488

2 7
2 7
2 10
2 3
2 4
2 2
2 5
2 3
2 8
2 5
2 8
2 3
2 3
2 9
2 1
2 3
2 3
2 8
2 9
2 2
2 9
2 10
2 8
2 3
2 10
2 6
2 10
2 2
2 7
2 1
2 7
2 9
2 2
2 5
2 8
2 8
2 1
2 1
2 4
2 5
2 9
489

2 10
2 5
2 6
2 10
2 8
2 8
2 7
2 5
2 7
2 10
2 10
2 7
2 2
2 8
2 4
2 3
2 6
2 3
2 2
2 3
2 4
2 2
2 5
2 1
2 6
2 7
2 10
2 2
2 10
2 8
2 8
2 8
2 9
2 9
2 8
2 5
2 6
2 2
2 4
2 3
2 9
490

2 4
2 9
2 5
2 1
2 5
2 9
2 8
2 6
2 7
2 6
2 2
2 4
2 7
2 10
2 8
2 3
2 1
2 5
2 3
2 6
2 3
2 10
2 6
2 10
2 3
2 10
2 2
2 4
2 1
2 3
2 9
2 4
2 8
2 9
2 2
2 3
2 2
2 4
2 2
2 2
2 7
491

2 4
2 7
2 4
2 10
2 7
2 8
2 2
2 4
2 8
2 2
2 3
2 10
2 7
2 6
2 1
2 10
2 9
2 8
2 7
2 10
2 7
2 8
2 10
2 4
2 10
2 6
2 2
2 9
2 7
2 8
2 3
2 7
2 7
2 9
2 7
2 9
2 1
2 9
2 3
2 3
2 3
492

2 5
2 10
2 6
2 6
2 1
2 6
2 5
2 8
2 8
2 4
2 4
2 9
2 7
2 8
2 9
2 9
2 10
2 3
2 1
2 3
2 6
2 2
2 2
2 3
2 10
2 1
2 5
2 1
2 3
2 6
2 9
2 3
2 3
2 10
2 1
2 7
2 1
2 1
2 3
2 6
2 10
493

2 10
2 3
2 4
2 6
2 2
2 4
2 9
2 7
2 4
2 5
2 7
2 4
2 4
2 8
2 6
2 2
2 8
2 7
2 9
2 8
2 3
2 7
2 4
2 6
2 7
2 1
2 5
2 10
2 7
2 10
2 2
2 3
2 9
2 7
2 1
2 10
2 6
2 7
2 6
2 7
2 3
494

2 3
2 8
2 9
2 4
2 9
2 5
2 2
2 7
2 2
2 7
2 10
2 4
2 1
2 4
2 6
2 7
2 3
2 5
2 3
2 9
2 4
2 7
2 4
2 3
2 5
2 3
2 8
2 2
2 2
2 1
2 2
2 4
2 1
2 6
2 10
2 8
2 9
2 7
2 1
2 9
2 6
495

2 9
2 2
2 1
2 3
2 4
2 10
2 1
2 10
2 4
2 9
2 5
2 4
2 5
2 2
2 6
2 1
2 4
2 1
2 10
2 4
2 3
2 8
2 8
2 2
2 6
2 5
2 5
2 2
2 7
2 7
2 2
2 10
2 9
2 9
2 5
2 9
2 2
2 6
2 8
2 9
2 1
496

2 8
2 7
2 9
2 8
2 4
2 5
2 3
2 3
2 1
2 8
2 5
2 5
2 10
2 4
2 7
2 7
2 9
2 4
2 5
2 5
2 7
2 7
2 8
2 2
2 5
2 1
2 10
2 5
2 3
2 2
2 7
2 10
2 2
2 9
2 4
2 4
2 3
2 1
2 10
2 9
2 6
497

2 5
2 2
2 8
2 2
2 4
2 5
2 3
2 3
2 8
2 10
2 10
2 2
2 7
2 2
2 6
2 9
2 3
2 5
2 2
2 10
2 4
2 10
2 4
2 6
2 8
2 1
2 10
2 1
2 3
2 10
2 8
2 2
2 9
2 8
2 2
2 1
2 9
2 8
2 3
2 1
2 6
498

2 10
2 1
2 9
2 8
2 5
2 7
2 6
2 3
2 10
2 6
2 2
2 2
2 5
2 2
2 7
2 1
2 7
2 7
2 4
2 3
2 3
2 7
2 9
2 2
2 1
2 9
2 9
2 10
2 8
2 6
2 2
2 8
2 5
2 2
2 7
2 7
2 3
2 9
2 6
2 8
2 4
499

2 3
2 10
2 6
2 9
2 1
2 10
2 3
2 5
2 10
2 4
2 5
2 3
2 8
2 4
2 2
2 4
2 10
2 2
2 6
2 10
2 5
2 2
2 3
2 6
2 6
2 6
2 1
2 1
2 2
2 3
2 9
2 2
2 7
2 8
2 2
2 3
2 4
2 5
2 8
2 9
2 1
500

2 4
2 8
2 1
2 8
2 5
2 1
2 7
2 3
2 2
2 10
2 3
2 9
2 2
2 5
2 2
2 5
2 10
2 5
2 1
2 1
2 1
2 9
2 7
2 8
2 6
2 8
2 2
2 10
2 9
2 1
2 1
2 6
2 8
2 7
2 8
2 8
2 7
2 9
2 9
2 8
2 10
501

2 10
2 5
2 1
2 9
2 2
2 3
2 5
2 4
2 5
2 1
2 6
2 6
2 2
2 2
2 4
2 5
2 10
2 7
2 4
2 9
2 8
2 6
2 4
2 2
2 9
2 10
2 3
2 1
2 3
2 5
2 7
2 9
2 7
2 8
2 2
2 7
2 2
2 6
2 7
2 5
2 8
502

2 5
2 5
2 2
2 5
2 1
2 3
2 7
2 3
2 1
2 3
2 7
2 3
2 5
2 10
2 5
2 7
2 10
2 1
2 2
2 10
2 3
2 3
2 3
2 4
2 2
2 1
2 2
2 4
2 1
2 3
2 1
2 9
2 8
2 1
2 2
2 1
2 7
2 8
2 9
2 6
2 9
503

2 9
2 8
2 3
2 7
2 9
2 3
2 6
2 2
2 7
2 2
2 8
2 10
2 7
2 9
2 3
2 3
2 2
2 4
2 9
2 3
2 9
2 3
2 5
2 7
2 3
2 1
2 7
2 3
2 10
2 8
2 9
2 4
2 6
2 7
2 4
2 1
2 4
2 2
2 4
2 6
2 6
504

2 7
2 10
2 1
2 10
2 7
2 4
2 4
2 7
2 8
2 7
2 4
2 4
2 2
2 1
2 5
2 3
2 7
2 1
2 3
2 2
2 10
2 4
2 3
2 10
2 6
2 6
2 3
2 4
2 9
2 5
2 1
2 3
2 5
2 9
2 1
2 9
2 2
2 7
2 9
2 1
2 3
505

2 4
2 3
2 4
2 10
2 7
2 6
2 5
2 2
2 1
2 2
2 4
2 7
2 7
2 9
2 5
2 6
2 6
2 6
2 1
2 6
2 8
2 5
2 7
2 10
2 2
2 2
2 4
2 9
2 1
2 8
2 8
2 8
2 8
2 1
2 9
2 8
2 2
2 3
2 4
2 7
2 5
506

2 5
2 3
2 8
2 3
2 8
2 8
2 10
2 9
2 3
2 2
2 8
2 2
2 7
2 8
2 3
2 9
2 6
2 9
2 6
2 1
2 3
2 10
2 4
2 5
2 5
2 6
2 7
2 10
2 1
2 9
2 5
2 10
2 10
2 4
2 6
2 1
2 8
2 5
2 1
2 9
2 9
507

2 2
2 6
2 9
2 6
2 4
2 6
2 7
2 5
2 5
2 7
2 10
2 3
2 2
2 4
2 7
2 8
2 7
2 1
2 3
2 1
2 1
2 2
2 9
2 3
2 9
2 6
2 1
2 1
2 1
2 1
2 3
2 3
2 4
2 6
2 8
2 8
2 3
2 4
2 10
2 4
2 10
508

2 1
2 10
2 6
2 7
2 10
2 10
2 10
2 10
2 4
2 3
2 4
2 3
2 7
2 3
2 3
2 9
2 4
2 3
2 5
2 6
2 8
2 8
2 10
2 7
2 10
2 1
2 6
2 3
2 1
2 10
2 10
2 1
2 1
2 7
2 2
2 3
2 1
2 4
2 8
2 9
2 4
509

2 8
2 2
2 8
2 4
2 5
2 2
2 5
2 7
2 7
2 8
2 1
2 7
2 7
2 3
2 6
2 10
2 5
2 3
2 3
2 1
2 6
2 6
2 6
2 9
2 3
2 4
2 9
2 2
2 8
2 2
2 7
2 7
2 1
2 8
2 2
2 3
2 2
2 8
2 6
2 2
2 4
510

2 7
2 10
2 6
2 3
2 4
2 4
2 7
2 1
2 10
2 6
2 8
2 6
2 1
2 3
2 3
2 2
2 4
2 8
2 3
2 8
2 9
2 8
2 2
2 5
2 9
2 9
2 3
2 5
2 1
2 5
2 8
2 9
2 6
2 5
2 6
2 2
2 1
2 3
2 1
2 2
2 10
511

2 8
2 7
2 10
2 4
2 8
2 2
2 7
2 4
2 3
2 6
2 3
2 7
2 4
2 4
2 9
2 6
2 6
2 7
2 6
2 5
2 4
2 3
2 1
2 5
2 6
2 6
2 1
2 9
2 7
2 9
2 3
2 1
2 10
2 7
2 2
2 1
2 3
2 3
2 10
2 8
2 8
512

2 8
2 3
2 5
2 1
2 4
2 1
2 6
2 2
2 4
2 8
2 8
2 8
2 9
2 5
2 3
2 1
2 4
2 3
2 5
2 3
2 1
2 5
2 2
2 4
2 10
2 1
2 8
2 2
2 8
2 10
2 4
2 4
2 10
2 10
2 7
2 7
2 2
2 7
2 5
2 3
2 1
513

2 7
2 9
2 5
2 4
2 2
2 3
2 2
2 10
2 1
2 10
2 8
2 8
2 3
2 7
2 6
2 3
2 8
2 3
2 4
2 3
2 10
2 2
2 6
2 8
2 7
2 3
2 9
2 7
2 1
2 7
2 8
2 1
2 7
2 5
2 3
2 8
2 1
2 7
2 9
2 1
2 1
514

2 8
2 10
2 10
2 7
2 7
2 10
2 10
2 7
2 9
2 10
2 5
2 4
2 8
2 5
2 2
2 7
2 10
2 6
2 10
2 1
2 9
2 10
2 9
2 4
2 1
2 7
2 4
2 3
2 9
2 7
2 6
2 4
2 10
2 9
2 4
2 9
2 4
2 9
2 6
2 2
2 3
515

2 5
2 7
2 5
2 2
2 8
2 2
2 4
2 4
2 2
2 4
2 8
2 10
2 10
2 3
2 3
2 1
2 5
2 1
2 8
2 1
2 7
2 4
2 3
2 4
2 4
2 5
2 8
2 3
2 8
2 8
2 9
2 7
2 2
2 1
2 3
2 1
2 10
2 4
2 5
2 2
2 6
516

2 8
2 2
2 1
2 10
2 9
2 10
2 4
2 3
2 3
2 4
2 5
2 10
2 1
2 2
2 10
2 7
2 2
2 3
2 4
2 3
2 5
2 7
2 6
2 10
2 8
2 9
2 8
2 8
2 8
2 10
2 4
2 1
2 9
2 9
2 6
2 2
2 2
2 4
2 1
2 10
2 1
517

2 5
2 9
2 1
2 7
2 4
2 3
2 10
2 3
2 10
2 4
2 9
2 5
2 3
2 3
2 4
2 5
2 6
2 1
2 6
2 7
2 5
2 6
2 5
2 8
2 7
2 7
2 10
2 10
2 5
2 8
2 5
2 9
2 10
2 6
2 2
2 4
2 10
2 3
2 3
2 4
2 10
518

2 7
2 7
2 5
2 9
2 9
2 4
2 6
2 2
2 1
2 3
2 8
2 1
2 10
2 2
2 7
2 9
2 9
2 8
2 2
2 2
2 3
2 7
2 3
2 7
2 6
2 2
2 10
2 6
2 2
2 6
2 6
2 3
2 10
2 9
2 10
2 6
2 7
2 8
2 8
2 9
2 10
519

2 3
2 1
2 4
2 6
2 2
2 2
2 9
2 10
2 4
2 9
2 1
2 6
2 5
2 10
2 1
2 9
2 2
2 4
2 8
2 5
2 10
2 1
2 9
2 6
2 6
2 5
2 1
2 10
2 2
2 10
2 6
2 10
2 4
2 8
2 2
2 5
2 3
2 4
2 3
2 5
2 9
520

2 3
2 4
2 7
2 7
2 8
2 9
2 2
2 9
2 3
2 2
2 8
2 3
2 9
2 4
2 10
2 9
2 3
2 10
2 3
2 3
2 7
2 1
2 9
2 6
2 3
2 10
2 6
2 8
2 4
2 3
2 3
2 5
2 5
2 7
2 1
2 4
2 3
2 3
2 2
2 4
2 2
521

2 6
2 1
2 10
2 10
2 1
2 5
2 1
2 10
2 9

Berikut adalah langkah-langkah dalam pengujian Mann Whitney:
a. Input data diatas kedalam PASW
b. Klik Anakyze – Non Parametric Test Test – 2 Independent Sample
Gambar 14.1 Kotak Dialog Two Independent Samples Test

c. Masukkan variable kepuasan ke dalam kotak test variable list.

Masukkan Solusi Penanganan Virus dan pilih uji Mann Whitney U
(jumlah sample kedua kelompok berbeda) dikotak Test Type.
d. Klik difine groups, masukkan nilai variable terkait di kotak group 1 dan
2
Gambar 14.2 Kotak Dialog Two Independent Samples Test: Define Groups
522
e. Klik continue
f. Klik OK

a. Uji Normalitas
Tests of Normality
Solusi_Penanganan_Virus Statistic df Sig. Statistic df Sig.
Kepuasan Menggunakan musuh alami .103 4500 .054 .939 4500 .000
Pemusnahan sumber virus .112 4500 .086 .933 4500 .000

menunjukkan bahwa:
a. Variabel kepuasan dengan solusi penanganan virus menggunakan musuh
alami memiliki nilai (Sig.> α), maka data tersebut normal
b. Variabel kepuasan dengan solusi pemusnahan sumber virus memiliki nilai
(Sig.> α), maka data tersebut normal


Kepuasan Based on Mean 5.069 1 8998 .074
Based on Median 4.110 1 8998 .073

4.110 1 8.997E3 .063
adjusted df
523
a. Variabel kepuasan memiliki nilai (Sig.> α), maka data tersebut seragam
c. Uji Validitas
Tabel 14.6 Hasil Uji Validitas
Correlations
Solusi_Penanganan_
Virus Kepuasan N_Total
Solusi_Penanganan_Virus Pearson Correlation 1 .001 .171**
Sig. (2-tailed) .938 .000

N 9000 9000 9000
Kepuasan Pearson Correlation -.001 1 .985**
Sig. (2-tailed) .938 .000
N 9000 9000 9000
N_Total Pearson Correlation .171** .985** 1
Sig. (2-tailed) .000 .000

N 9000 9000 9000

tabel r dengan rumus df = 9000-2, maka df = 9000-2 = 8998. Maka dari hasil uji
Solusi Penanganan Virus = 0,171 > r tabel Valid

Kepuasan = 0,985 > r tabel Valid
524
d. Uji Reliabilitas
Tabel 14.7 Hasil Uji Reliabilitas

Cronbach's Alphaa N of Items
.700 2
a. The value is negative due to a

negative average covariance among
items. This violates reliability model
assumptions. You may want to check
item codings.

e. Uji Mann-Whitney
Tabel 14.8 Uji Peringkat
Ranks
Solusi_Penanganan_Virus N Mean Rank Sum of Ranks
Kepuasan Menggunakan musuh alami 4500 4503,22 20264485,50
Pemusnahan sumber virus 4500 4497,78 20240014,50

Total 9000
Tabel 14.9 Uji Statistik
Test Statisticsa
Kepuasan
Mann-Whitney U 1,011E7
Wilcoxon W 2,024E7
Z -,100
Asymp. Sig. (2-tailed) ,921
a. Grouping Variable:
Solusi_Penanganan_Virus
525
Hₒ = rata-rata hasil penelitian perkembangan penyakit terhadap virus tidak terdapat
perbedaan
H₁ = rata-rata hasil penelitian perkembangan penyakit terhadap virus terdapat
perbedaan
hasil penelitian perkembangan penyakit terhadap virus tidak terdapat perbedaan.
Analisis hasil pengolahan data dan pengujian diatas bahwa pada pengujian
dan pengolahan data pada studi kasus tersebut dilakukan dengan beberapa metode
pengujian terlebih dahulu untuk menguji mann-whitney test antara lain yaitu uji
normalitas, uji keseragaman data, uji validitas, uji relibilitas kemudian baru diuji
mann-whitney test. Hasil dari pengolahan dan pengujian dari data diatas
menunjukan bahwa untuk uji normalitas dari data tersebut hasilnya normal semua
karena dari semua variabel menunjukan nilai yang dihasilkan oleh pengolahan
tersebut di atas dari nilai alpha (0,05). Pada uji keseragaman pada masing-masing
variable pengolahan data menghasilkan nilai lebih dari nilai alpha (0,05) yang
berarti data disetiap variabel tersebut memiliki keseragaman data. Untuk uji
validitas terdapat 9000 data (N=9000) dengan tingkat signifikansi 5% pada tabel r
dengan rumus df = N-2, maka df = 9000-2 = 8998 dan hasil dari pengolahan data
tersebut menunjukan nilai yang diperoleh dari masing-masing variabel lebih dari r
tabel yang artinya semua data tersebut valid. Pada pengujian relibilitas sesuai
dengan tabel Reliability Statistik terlihat bahwa nilai Cronbach’s Alpha adalah
0,700 pada 5 of items pernyataan. Bahwa nilai tersebut berada di range 0,601 – 0,80
yang artinya bahwa pernyataan tersebut reliabel. Untuk mann-whitney test
menunjukan bahwa nilai asymp sig (2 tailed) yaitu 0.921, dengan nilai signifikasi
1% (0.01) yang artinya sesuai dengan penentuan hipotesis di atas yaitu dengan
526
tingkat signifikasi 1% dapat disimpulkan bahwa rata-rata hasil penelitian
perkembangan penyakit terhadap virus tidak terdapat perbedaan. Untuk uji
peringkat atau rank dari kedua solusi paling tertinggi yaitu solusi penanganan virus
menggunakan musuh alami.
14.11 Kesimpulan
Kesimpulan yang dapat di ambil dari pengolahan data dan pengujian data
di atas antara lain yaitu dari hasil yang sudah diperoleh menunjukan bahwa data
yang didapat setelah di uji normalitas, keseragaman data, validitas dan mann-
whitney test telah normal, seragam, valid dan reliabilitas. Begitu pula dengan
mann-whitney test hasil menunjukan bahwa data tersebut tidak terdapat perbedaan.
Dari pengolahan dan pengujian data yang sudah dilakukan di atas dapat
diketahui bahwa untuk penelitian tahap kedua untuk menguji hasil penanganan
tersebut pada kedua virus yang sudah didapat dari hasil pengujian sebelumnya yang
dilakukan simulasi selama 30 hari menunjukan bahwa untuk solusi penanganan
virus yang di dapat yaitu menggunakan musuh alami. Dengan hasil yang sudah
didapat dari pengolahan dan pengujian data tersebut pemerintah dan dinas
kesehatan dapat segera melakukan tindakan lanjut untuk lebih fokus ke penanganan
virus dengan musuh alami. Musuh alami disini yang dimaksud mungkin bias jadi
seperti bahan-bahan alami yang ada disekitar kita yang berfungsi untuk menangkal,
dan mungkin lebih mudah di cari di lingkunga sekitar dan terjangkau untuk
harganya. Diharap masyarakat tidak kesulitan dengan solusi seperti ini. Dengan
bantuan dan kerjasama antara masyarakat, dinas kesehatan dan pemerintah pasti
semua masalah dapat tertangani dengan baik.
527
BAB XV
STATISTIKA NON PARAMETRIK KOLMOGOROV SMIRNOV
15.1 Latar Belakang
Berdasarkan data dari Kementrian Perindustrian Republik Indonesia, India

adalah salah satu negara yang merupakan pelopor tekstil yang memproduksi kain
berkualitas impor. Sebagai negara yang memenuhi permintaan pasar global tentu
saja tuntunan akan kualitas sangat penting dan tidak dikompromikan. Salah satu
contoh kain yang banyak diminati oleh seluruh negara yaitu benang pintal, benang
tersebut banyak diminati oleh negara pada tahun 2012 hingga 2014.
Seorang mahasiswa melakukan penelitian impor jumlah benang pintal di negara

india selama 3 tahun dari tahun 2012 hingga 2014. Dengan komoditi lebih dari 85%
dan kurang dari 85%. Tentukan data statistics dan analisis yang dilakukan oleh
peneliti tersebut.
Berdasarkan latar belakang tersebut kami mengambil rumusan masalah sebagai

berikut:
1. Bagaimana cara menentukan uji Kolmogorov Smirnov pada studi kasus

tersebut?
2. Bagaimana hasil analisis yang didapatkan setelah melakukan pengolahan

data dari studi kasus yang ada.
15.3 Tujuan
Mendapatkan data dari Kementrian Perindustrian Republik Indonesia

mengenai data impor benang pintal di Negara India pada tahun 2012 hingga 2014.
15.4 Manfaat
1. Mengetahui hasil data Kementrian Perindustrian Republik Indonesia yang ada
2. Memberikan informasi mengenai perkembangan impor benang pintal di Negara

India dari tahun ke tahun
528
3. Memperoleh penjelasan mengenai data perkembangan impor benang pintal
di negara india dari tahun ke tahun
15.5 Literatur
Uji Kolmogorov-Smirnov merupakan suatu uji yang dipakai untuk menguji

hipotesis nol yang menyatakan bahwa dua sampel bebas berasal dari populasi-
populasi yang identik dalam hal lokasi dan distribusi
Asumsi-asumsi yang harus dipenuhi (Daniels, 1989) adalah
♦ Masing-masing sampel independen satu sama lain X1, X2, …, Xn dan Y1, Y2,
…, Ym. ♦ Skala pengukuran yang digunakan sekurang-kurangnya ordinal.
Hipotesis
a. Hipotesi Dua arah
Misalkan F(x) dan G(x) masing-masing merupakan fungsi distribusi untuk populasi
1 dan 2, yang mewakili X dan Y.
H0 : F(x) = G(x) untuk semua x
H1 : F(x) G(x) untuk paling sedikit satu nilai x
b. Hipotesis Satu arah
H0 : F(x) ≤ G(x) untuk semua x
H1 : F(x) > G(x) untuk paling sedikit satu nilai x atau sebaliknya
Sn1(X) adalah nilai pengamatan kumulatif salah satu sampel yang besarnya adalah
= k/n1. Dimana k adalah jumlah yang sama atau lebih kecil daripada X, sedangkan
n1 merupakan jumlah observasi di sampel 1. merupakan nilai pengamatan
kumulatif dari sampel lain, yang besarnya = k/n2, dimana n2 adalah jumlah
observasi pada sampel 2. Sehingga uji Kolmogorov-Smirnov untuk dua sampel
adalah
Uji satu arah
D = maksimum [Sn1(X)-Sn2(X)]
529
Uji dua arah
D = maksimum [Sn1(X)-Sn2(X)]
Uji kolmogorov smirnov merupakan salah satu uji untuk kebaikan goodness of
fit. Uji ini digunakan untuk membandingkan tingkat kesesuaian sampel dengan
suatu distribusi tertentu yaitu normal, uniform, poisson atau eksponensial. Uji
kolmogorov Smirnov merupakan suatu goodness-of-fit, artinya yang perlu
diperhatikan adalah tingkat kesesuaian antara distribusi serangkaian harga sampel
(skor yang diobservasi) dengan suatu distribusi teoritis tertentu.
Uji kolmogorov smirnov ini menetapkan apakah skor dalam sampel dapat secara
masuk akal dan dianggap berasal dari suatu populasi dengan distribusi teoritis itu.
Uji ini merupakan suatu uji yang sangat bermanfaat untuk menguji hipotesis tentang
cocok (goodness of fit) atau ketidak cocokan data ordinal pada suatu distribusi.
Prinsip dasar analisis :

Memperbandingkan selisih peluang observasi dengan peluang teoritis dalam bentuk
kumulatif.
Kriteria uji sampel kolmogorov smirnov
 Data yang digunakan yaitu data kuantitatif dengan skala pengukuran

interval atau rasio.
 Uji kolmogorov smirnov berasumsi bahwa parameter uji distribusi

ditentukan.
Prosedur estimasi parameter menggunakan data dari sampel. Mean dan standar
deviasi sampel adalah parameter untuk distribusi normal, nilai minimum dan
maksimum sampel menentukan range distribusi uniform. Mean sampel adalah
parameter untuk distribusi poisson dan eksponensial.
530
Berikut adalah kumpulan data hasil dari benang pintal di Negara India pada
tahun 2012 hingga 2014.
Tabel 15.5 Kumpulan data benang pintal di Negara India pada tahun 2012 hingga
2014
Tahun Komoditi Jumlah Import N_Total

Benang Pintal
2012 1 65.3 66.3
2012 1 2545.2 2546.2
2012 1 424.1 425.1
2012 1 146.6 147.6
2012 1 125.8 126.8
2012 1 74.2 75.2
2012 1 76.8 77.8
2012 1 929.4 930.4
2012 1 98.3 99.3
2012 1 91.7 92.7
2012 1 87.1 88.1
2012 1 356.7 357.7
2012 1 190.9 191.9
2012 1 76.8 77.8
2012 1 99.2 100.2
2012 2 65.3 67.3
2012 2 150.7 152.7
2012 2 134.1 136.1
2012 2 304.2 306.2
2012 2 64.5 66.5
2012 2 41.8 43.8
2012 2 42.0 44.0
2012 2 2.3 4.3
2012 2 74.9 76.9
2012 2 77.8 79.8
2012 2 85.6 87.6
2012 2 110.3 112.3
2012 2 95.5 97.5
2012 2 87.4 89.4
2012 2 88.2 90.2
2013 1 77.6 78.6
2013 1 4865.1 4866.1
2013 1 578.4 579.4
2013 1 72.4 73.4
2013 1 22.3 23.3
2013 1 105.0 106.0
2013 1 9.6 10.6
2013 1 688.3 689.3
2013 1 10.9 11.9
2013 1 12.3 13.3
2013 1 197.4 198.4
531
Lanjutan Tabel 15.5 Kumpulan data benang pintal di Negara India pada tahun 2012
hingga 2014
Benang Pintal
2013 1 12.7 13.7
2013 1 264.5 265.5
2013 1 11.5 12.5
2013 1 22.3 23.3
2013 2 174.5 176.5
2013 2 7.6 9.6
2013 2 68.6 70.6
2013 2 88.5 90.5
2013 2 76.4 78.4
2013 2 98.5 100.5
2013 2 102.1 104.1
2013 2 256.7 258.7
2013 2 87.3 89.3
2013 2 91.0 93.0
2013 2 10.1 12.1
2013 2 9.7 11.7
2013 2 14.6 16.6
2013 2 57.8 59.8
2013 2 98.4 100.4
2014 1 208.6 209.6
2014 1 62.4 63.4
2014 1 454.1 455.1
2014 1 50.9 51.9
2014 1 118.4 119.4
2014 1 132.3 133.3
2014 1 21.8 22.8
2014 1 5.0 6.0
2014 1 38.1 39.1
2014 1 24.5 25.5
2014 1 11.8 12.8
2014 1 8.9 9.9
2014 1 306.0 307.0
2014 1 44.9 45.9
2014 1 166.2 167.2
2014 2 304.2 306.2
2014 2 42.0 44.0
2014 2 68.6 70.6
2014 2 315.2 317.2
2014 2 241.8 243.8
2014 2 141.2 143.2
2014 2 949.0 951.0
2014 2 99.5 101.5
2014 2 97.2 99.2
2014 2 15.8 17.8
532
Lanjutan Tabel 15.5 Kumpulan data benang pintal di Negara India pada tahun 2012
hingga 2014
Benang Pintal
2014 2 76.9 78.9
2014 2 22.7 24.7
2014 2 125.0 127.0
2014 2 67.9 69.9
Langkah-langkah dalam melakukan uji Kolmogorov Smirnov adalah sebagai

berikut:
b. Klik Analyze – Non Parametric Test – 2 Independet Sample
Gambar 15.1 Kotak Dialog Two Independent Samples Tests

c. Masukkan variable jumlah import benang pintal ke dalam kotak test variabel
list. Masukkan komoditi di kotak grouping variable dan pilih uji Kolmogorov
Smirnov.
d. Klik difine groups, masukkan nilai variabel terkait di kotak group 1 dan group
2.
533
e. Klik Continue
f. Klik OK
reliabilitas kemudian data tersebut baru di uji dengan Uji Kolmogorov Smirnov.
F. Uji Normalitas
Tabel 15.6 Hasil Pengolahan Uji Normalitas benang pintal di Negara India pada tahun
2012 hingga 2014
Tests of Normality
Komoditi Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic Df Sig.
Jumlah_Import_Benang_ Lebih Dari 85% ,352 45 ,077 ,374 45 ,092

Pintal Kurang Dari 85% ,273 45 ,082 ,560 45 ,088
534
d. Variabel Jumlah Import Benang Pintal Lebih dari 85% memiliki nilai (Sig.> α),
maka data tersebut normal
e. Variabel Jumlah Import Benang Pintal Kurang dari 85% memiliki nilai (Sig.>
α), maka data tersebut normal
G. Keseragaman Data
Tabel 15.7 Hasil Pengolahan Uji Keseragaman Data benang pintal di Negara India
pada tahun 2012 hingga 2014

Jumlah_Import_Benang_Pint Based on Mean 7,297 1 88 ,098

al Based on Median 2,900 1 88 ,092
Based on Median and with 2,900 1 46,557 ,095
adjusted df
Based on trimmed mean 3,543 1 88 ,063
Variabel Jumlah Import Benang Pintal memiliki nilai (Sig.> α), maka data tersebut
seragam
535
H. Uji Validitas
Tabel 15.8 Hasil Pengolahan Uji Validitas benang pintal di Negara India pada tahun
2012 hingga 2014
Correlations
Jumlah_Import_
Tahun Komoditi Benang_Pintal N_Total
Tahun Pearson Correlation 1 ,000 ,060 ,060**
Sig. (2-tailed) 1,000 ,572 ,572

N 90 90 90 90
Komoditi Pearson Correlation ,000 1 ,167 ,167**
Sig. (2-tailed) 1,000 ,115 ,117
N 90 90 90 90
Jumlah_Import_Benang_Pint Pearson Correlation -,060 -,167 1 1,000**
al Sig. (2-tailed) ,572 ,115 ,000
N 90 90 90 90
N_Total Pearson Correlation -,060 -,167 1,000** 1
Sig. (2-tailed) ,572 ,117 ,000

N 90 90 90 90
Tahun= 0,060 > r tabel Valid
Komoditi= 0,167 > r tabel Valid
Jumlah Import Benang Pintal = 1,000 > r tabel Valid
536
I. Uji Reliabilitas
Tabel 15.9 Hasil Pengolahan Uji Reliabilitas benang pintal di Negara India pada
tahun 2012 hingga 2014
Cronbach's
Alphaa N of Items
,615 2

J. Uji Kolmogorov Smirnov
Tabel 15.10 Hasil Pengolahan Uji Kolmogorov Smirnov benang pintal di Negara
India pada tahun 2012 hingga 2014
Frequencies
Komoditi N
Jumlah_Import_Benang_Pint Lebih Dari 85% 45

al Kurang Dari 85% 45
Total 90
537
Test Statisticsa
Jumlah_Import_
Benang_Pintal
Most Extreme Differences Absolute ,156
Positive ,111
Negative -,156
Kolmogorov-Smirnov Z ,738
a. Grouping Variable: Komoditi

Penentuan Hipotesis
Hₒ = Jumlah import Benang Pintal berdasarkan komoditi tidak terdapat persamaan
H₁ = Jumlah import Benang Pintal berdasarkan komoditi terdapat persamaan
Tingkat Signifikasi (α) = 1%
Daerah Kritis: Jika nilai sig (2 tailed) > α, terima Hₒ
Jika nilai sig (2 tailed)< α, tolak H₁
Uji Statistik
Nilai sig (2 tailed) = 0,648
Nilai α = 0,01
Keputusan
Sig (2 tailed) > α atau 0,648 > 0,01
Maka, terima Hₒ
Kesimpulan
Jadi, dengan tingkat signifikasi 1% (0,01) dapat disimpulkan bahwa jumlah
import benang pintal berdasarkan komoditi tidak terdapat persamaan.
keseragaman data, validitas, reliabilitas dan uji Kolmogorov smirnov menunjukan
bahwa data yang di peroleh dari Kementrian Perindustrian Republik Indonesia
terhadap 90 data benang pintal di Negara India pada tahun 2012 hingga 2014
538
tersebut menunjukan data tersebut normal karena nilai sig. lebih dari nilai alpha
(0,05), data seragam karena pada pengujian keseragaman data menunjukan hasil
nilai sig. lebih dari nilai alpha (0,05), data valid karena nilai N_Total pada
correlation lebih besar dari nilai r tabel, data reliabel karena terlihat bahwa nilai
Cronbach’s Alpha pada 2 of items pernyataan. Nilai tersebut berada diatas range
0,601 – 0,80 yang artinya bahwa pernyataan tersebut reliabel. Pada kolmogorov
smirnov tersebut menghasilkan bahwa dengan tingkat signifikansi 5% untuk
masing-masing data benang pintal di Negara India pada tahun 2012 hingga 2014
menunjukan bahwa hasil uji kolmogorov smirnov komoditi tidak terdapat
persamaan yang dapat diartikan bahwa terima H0 data benang pintal di Negara
India pada tahun 2012 hingga 2014.
15.11 Kesimpulan
Kesimpulan yang dapat diambil untuk data benang pintal di Negara India
pada tahun 2012 hingga 2014 yaitu antara lain dari pengolahan data di atas sudah
jelas menunjukan hasil pengolahan data dengan metode kolmogorov smirnovbahwa
data yang di peroleh dari Kementrian Perindustrian Republik Indonesia.
539
15.1 Latar Belakang
Suatu penelitian kadang-kadang mengharuskan adanya rancangan eksperimen

dengan sampel atau kondisi 2 sampel yang dapat diuji sekaligus atau diuji satu
persatu. Jika 2 sampel dibandingkan dalam suatu eksperimen, maka perlu
digunakan tes statistik yang memberikan petunjuk apakah terdapat perbedaan
diantara 2 sampel dalam suatu kondisi tertentu. Hal tersebut perlu dilakukan
sebelum mengambil 2 sampel untuk diuji apakah terdapat perbedaan yang
signifikan diantara keduanya. Sehingga secara umum dapat dikatakan bahwa tujuan
prosedur ini adalah untuk menduga beda atau selisih parameter tertentu pada kedua
populasi dan juga untuk menguji hipotesis tentang kedua populasi. Seorang
mahasiswa hendak melakukan penelitian terhadap perkembangan impor dan
perkembangan ekspor kelompok industri tekstil dari Inggris pada tahun 2012-2016.
Perkembangan impor dan ekspor menjadi sampel yang akan diuji pada penelitian
ini.
(1) Bagaimana hasil uji 2 sampel perkembangan impor dan perkembangan

ekspor kelompok industri tekstil dari Inggris pada tahun 2012-2016
berdasarkan Uji Kolmogorov Smirnov Dua Sampel dengan
menggunakan program SPSS?
(2) Apakah terdapat perbedaan yang signifikan antara perkembangan impor

dan perkembangan ekspor kelompok industri tekstil dari Inggris pada
tahun 2012-2016?
15.3 Tujuan
(1) Mengetahui hasil uji hipotesis dua sampel independen berdasarkan Uji
Kolmogorov Smirnov Dua Sampel pada statistika nonparametrik.
(2) Mengetahui perbedaan yang signifikan antara perkembangan impor dan

perkembangan ekspor kelompok industri tekstil dari Inggris pada tahun
2012-2016
540
15.4 Manfaat
(1) Setelah mengetahui prosedur uji hipotesis dua sampel independen pada
statistik nonparametrik berdasarkan Uji Kolmogorov Smirnov Dua
Sampel diharapkan pembaca dapat menerapkannya dalam pengujian
hipotesis dua sampel independen berdasar statistika nonparametrik.
(2) Bagi para peneliti dan para pembaca pada umumnya, hasil penelitian ini
dapat digunakan sebagai bahan acuan maupun sumber referensi.
15.5 Literatur
Suatu penelitian dilakukan pada beberapa bank. Penelitian ini bertujuan untuk
mengetahui tentang ada tidaknya perbedaan kualitas manajemen antara Bank-Bank
yang dianggap favorit oleh masyarakat dan Bank yang tidak favorit. Penelitian ini
menggunakan sampel 12 Bank yang dianggap tidak favorit (Kelompak A) dan 15
Bank yang dianggap favorit (Kelompok B). Selanjutnya kedua kelompok Bank
tersebut diukur kualitas manajemennya dengan menggunakan instrumen khusus
yang terdiri dari butir-butir pertanyaan. Skor penilaian yang diberikan tertinggi 40
dan terendah 0 (α = 0,05). (Ritongga, 1987)
Data :
Tabel 15.1 Data kelompok Bank
(Sumber: http://sigitnugroho.id/e-Skripsi/0505%20Uji%20Median%20Mann-Whitney-
Wlcoxon%20Kolmogorov-Smirnov.pdf)
Rumusan masalah : Adakah perbedaan kualitas manajemen yang signifikan antara

Bank yang favorit dan tidak favorit?
541
Hipotesis :
 H0 = Tidak terdapat perbedaan kualitas manajemen yang signifikan antara

bank yang favorit dan tidak favorit.
 H1 = Terdapat perbedaan kualitas manajemen yang signifikan antara bank

yang favorit dan tidak favorit.
Tolak H0 apabila nilai signifikansi > 0,05 , Terima H0 apabila nilai signifikansi <
0,05.
9. Buka lembar file, pilih menu new, lalu klik data. Dan inputkan data
10. Menamai variabel dan property yang diperlukan. Langkah berikutnya

membuat nama untuk setiap variabel baru, jenis data, label data, dan
sebagainya. Untuk ini, klik tab variebel view yang ada di bagian kiri
bawah.
11. Untuk melakukan analisis, klik Analyze, klik Non-Parametric Tests,
klik 2 Independent Samples sehingga akan tampil kotak Two
Independent Samples Test.
12. Pindahkan variabel yang akan dianalisia dalam kotak Test Variable
List dan variabel grup pada Grouping Variable. Untuk pengisian
grup klik tombol Define Group masing-masing Group 1 dan Group
2. Setelah pengisisan selesai tekan Continue. Klik kotak
Kolmogorov Smirnov pada kotak Test Type untuk menguji
Kolmogorov Smirnov.
13. Klik Continue, kemudian klik OK sehingga akan muncul output SPSS.
542
Hasil output SPSS :
Tabel 15.2 Hasil pengolahan data uji Kolmogorov Smirnov
Two-Sample Kolmogorov-Smirnov Test
Test Statisticsa
Penilaian
Most Extreme Differences Absolute 1.000
Positive .000
Negative -1.000
Kolmogorov-Smirnov Z 2.582
Asymp. Sig. (2-tailed) .059
a. Grouping Variable: Bank
Pada tabel two-sample Kolmogorov-smirnov test di atas dapat diketahui bahwa

nilai signifikansi sebesar 0.59 dan nilai sig.alpha sebesar 0,05. Karena nilai
signifikansi 0.59 > 0.05 maka H0 tidak dapat diterima. Sehingga dapat disimpulkan
bahwa terdapat perbedaan kualitas manajemen antara Bank yang favorit dan tidak
favorit.
Penelitian dilakukan dengan mencari dan mempelajari literatur seperti jurnal

terkait dan teori dasar untuk menunjang keseluruhan penelitian. Penemuan masalah
dimulai dari studi pustaka. Studi pustaka merupakan penelaahan sumber pustaka
yang relevan dan digunakan untuk mengumpulkan informasi yang diperlukandalam
penelitian. Setelah sumber pustaka terkumpul dilanjutkan dengan penelaahan ini
sumber pustaka tersebut. Demi penelaahan yang dilakukan, muncul ide dan
dijadikan landasan untuk melakukan penelitian. Permasalahan yang munculadalah
tentang uji dua sampel independen berdasar statistika nonparametrik. Kemudian
mengumpulkan, memilih dan menganalisa dari beberapa sumber bacaan
543
yang berkaitan dengan uji hipotesis dua sampel independen pada statistika
nonparametrik berdasarkan Uji Kolmogorov Smirnov Dua Sampel dan simulasinya
dengan program SPSS.
Metode pengujian data ini terdiri dari uji kualitas data dengan syarat bahwa data
harus valid dan reliabel. Data dinyatakan valid apabila masing-masing indikator
menunjukkan hasil lebih besar dari 5% dari total skor produksi. Untuk pengukuran
reliabilitas diuji dengan statistik Crobanch Alpha dan variabel dikatakan reliabel
jika memberikan nilai Grobanch Alpha > 0,70 (Nunnally, 1967 dalam Ghozali,
2012:46). Uji asumsi klasik yang digunakan dalam penelitian ini yaitu uji
normalitas dan uji homogenitas.
Berikut adalah kumpulan data statistik perkembangan impor dan

perkembangan ekspor kelompok industri tekstil dari Inggris pada tahun 2012-2016
:
Tabel 15.3 Data statistik perkembangan impor dan perkembangan ekspor kelompok industri tekstil
dari Inggris pada tahun 2012-2016
Tahun Sub_Sektor Jumlah_Impor Jumlah_Ekspor
2012 1 6561 11758

2012 1 10681 9685
2012 1 1428 14552
2012 1 3564 9025
2012 1 578 109
2012 2 1318 10849
2012 2 6 3
2012 2 292 1061
2012 2 0 0
2013 1 8159 11245
2013 1 7955 7662
2013 1 1477 15282
2013 1 1680 7929
2013 1 986 45
2013 2 1022 10288
2013 2 177 0
2013 2 46 362
2013 2 0 1
544
Tahun Sub_Sektor Jumlah_Impor Jumlah_Ekspor
2014 1 4377 10872
2014 1 5130 4729
2014 1 925 14444
2014 1 530 5049
2014 1 539 184
2014 2 474 8191
2014 2 26 0
2014 2 40 0
2014 2 0 34
2015 1 4477 11644
2015 1 6390 4698
2015 1 557 10965
2015 1 415 3708
2015 1 418 55
2015 2 359 9645
2015 2 16 0
2015 2 30 8
2015 2 0 52
2016 1 6855 10355
2016 1 6002 3853
2016 1 659 11220
2016 1 464 1830
2016 1 322 106
2016 2 47 9010
2016 2 9 0
2016 2 4 0
2016 2 2 16
Langkah-langkah dalam melakukan uji two samples Kolmogorov-Smirnov

adalah sebagai berikut:
b. Klik Analyze → Non Parametric Test → 2 Independent Sample
545
Gambar 15.1 Kotak Dialog Two Independent Samples Test
c. Masukan variabel Jumlah_Impor dan Jumlah_Ekspor ke dalam kotak test

variable list, masukkan variabel Sub_Sektor pada kotak Grouping Variable dan
pilih Uji Kolmogorov Smirnov.
d. Klik define groups, masukkan nilai variabel terkait pada kotak group 1 dan 2.

e. Klik Continue
f. Klik OK
reliabilitas kemudian data tersebut baru di uji dengan Uji Kolmogorov-Smirnov.
546
A. Uji Normalitas
Tabel 15.4 Hasil Pengolahan Uji Normalitas data perkembangan impor dan perkembangan ekspor
kelompok industri tekstil dari Inggris pada tahun 2012-2016
Tests of Normality
Sub_Sektor Statistic df Sig. Statistic df Sig.
Jumlah_Impor Bahan Kain .251 25 .200 .838 25 .001
Bahan Serat .356 20 .200 .601 20 .000
Jumlah_Ekspor Bahan Kain .131 25 .200* .916 25 .041
Bahan Serat .390 20 .200 .600 20 .000
menunjukkan bahwa:
Variabel Jumlah_Impor dan Jumlah_Ekspor memiliki nilai Sig. 0.200 > 0,01,
yang berarti data tersebut normal.
547
Tabel 15.5 Hasil Pengolahan Uji Keseragaman data perkembangan impor dan perkembangan
ekspor kelompok industri tekstil dari Inggris pada tahun 2012-2016
Jumlah_Impor Based on Mean 62.163 1 43 .105

17.522 1 24.747 .200
adjusted df
Jumlah_Ekspor Based on Mean 1.649 1 43 .206

3.448 1 34.147 .072
adjusted df
Analisis uji keseragaman dilakukan dengan melakukan nilai alpha (α) sebesar 0,01
Variabel Jumlah Impor dan Jumlah Ekspor memiliki nilai (Sig.> α), maka data
tersebut seragam.
548
C. Uji Validitas
Tabel 15.6 Hasil Pengolahan Uji Validitas data perkembangan impor dan perkembangan ekspor
Correlations
Sub_Sektor Jumlah_Impor Jumlah_Ekspor N_Total
Sub_Sektor Pearson Correlation 1 -.549** -.457** -.562**
Sig. (2-tailed) .000 .002 .000
N 45 45 45 45
Jumlah_Impor Pearson Correlation -.549** 1 .466** .748**
Sig. (2-tailed) .000 .001 .000
N 45 45 45 45
Jumlah_Ekspor Pearson Correlation -.457** .466** 1 .936**
Sig. (2-tailed) .002 .001 .000
N 45 45 45 45
N_Total Pearson Correlation -.562** .748** .936** 1
Sig. (2-tailed) .000 .000 .000
N 45 45 45 45
Sub_Sektor= 0,562 > r tabel Valid

Jumlah Impor= 0,748 > r tabel Valid
Jumlah Ekspor= 0,936 > r tabel Valid
549
D. Uji Reliabilitas
Tabel 15.7 Hasil Pengolahan Uji Reliabilitas data perkembangan impor dan perkembangan ekspor
Cronbach's
Alpha N of Items
.418 3

0,418 pada 2 of items pernyataan. Nilai tersebut berada diatas range 0,418 > 0,80
E. Uji Kolmogorov-Smirnov
Tabel 15.8 Hasil Pengolahan Uji Kolmogorov-Smirnov data perkembangan impor dan
Two-Sample Kolmogorov-Smirnov Test
Frequencies
Sub_Sektor N
Jumlah_Impor Bahan Kain 25
Bahan Serat 20
Total 45
Jumlah_Ekspor Bahan Kain 25
Bahan Serat 20
Total 45
550
Test Statisticsa
Jumlah_Impor Jumlah_Ekspor
Most Extreme Differences Absolute .810 .610
Positive .000 .000
Negative -.810 -.610
Kolmogorov-Smirnov Z 2.700 2.033
Asymp. Sig. (2-tailed) .200 .200
a. Grouping Variable: Sub_Sektor
Untuk mengetahui hasil uji Kolmogorov-Smirnov dilakukan melalui beberapa

tahap, yaitu
H0 : tidak terdapat perbedaan yang signifikan antara perkembangan impor dan

H1 : terdapat perbedaan yang signifikan antara perkembangan impor dan

3. Daerah kritis :
Jika sig. (2 tailed) > α, maka tolak H0
Jika sig. (2 tailed) < α, maka terima H0 dan terima H1
4. Uji statistik :
6. Keputusan :
Karena nilai sig. (2 tailed) > α, maka tolak H0
551
6. Kesimpulan :
Jadi, dengan tingkat signifikansi 1% dapat disimpulkan bahwa terdapat perbedaan

yang signifikan antara perkembangan impor dan perkembangan ekspor kelompok
industri tekstil dari Inggris pada tahun 2012-2016.
keseragaman data, validitas, reliabilitas dan uji Kolmogorov-Smirnov menunjukan
bahwa data yang di peroleh dari data statistik perkembangan impor dan
tersebut menunjukan data tersebut normal karena nilai sig. lebih dari nilai alpha
(0,01), data seragam karena pada pengujian keseragaman data menunjukan hasil
nilai sig. lebih dari nilai alpha (0,01), data valid karena nilai N_Total pada
Cronbach’s Alpha pada 2 of items pernyataan nilai tersebut berada diatas range
0,418 – 0,80 yang artinya bahwa pernyataan tersebut reliabel. Pada ujiKolmogorov-
Smirnov tersebut menghasilkan bahwa dengan tingkat signifikansi 1% menunjukan
bahwa hasil uji Kolmogorov-Smirnov lebih dari nilai alpha (0,01) yang dapat
diartikan tolak H0 bahwa terdapat perbedaan yang signifikan antara perkembangan
impor dan perkembangan ekspor kelompok industri tekstil dari Inggris pada tahun
2012-2016.
15.11 Kesimpulan
pengolahan data dapat kita ketahui bahwa tolak H0 karena nilai sig (2-tailed) lebih
besar dari tingkat signifikansinya yang artinya bahwa terdapat perbedaan yang
signifikan antara perkembangan impor dan perkembangan ekspor kelompok
industri tekstil dari Inggris pada tahun 2012-2016.
Banyak faktor yang mempengarui perkembangan impor dan perkembangan

ekspor kelompok industri tekstil dari Inggris. Berdasarkan data statistik, industri
tekstil Iggris selama lima tahun terakhir turut dipengaruhi oleh melemahnya situasi
552
global ekonomi dunia, hingga menyentuh titik terendah pada 2015. Namun sektor
industri bisa bangkit kembali dengan pertumbuhan yang positif.
553
15.1 Latar Belakang
Menteri Perdagangan (Mendag) Enggartiasto Lukita menegaskan produk
tekstil dan produk tekstil (TPT) Indonesia yang berdaya saing tinggi dan berkualitas
unggul berpeluang besar untuk terus ditingkatkan ekspor dan pangsa pasarnya di
dunia. Salah satu target ekspor adalah ke negara tetangga yaitu negara Malaysia.
Produk tekstil yang di ekspor ke negara Malaysia salah satunya antara lain yaitu
kain tenunan. Kain tenunan yang diekspor memiliki banyak komoditi sebagai
contohnya yaitu Woven fabrics of synt filament yarn from polyester cont >85% dan
Woven fabrics of synt filament yarn from polyester cont <85% yang semua datanya
dapat di lihat pada website Kementrian Perindustrian Republik Indonesia.
Dari studi kasus tersebut dapat diketahui rumusan masalah yaitu bagaimana
perkembangan kain tenunan yang di ekspor di Negara Malaysia dengan komoditi
Woven fabrics of synt filament yarn from polyester cont >85% dan Woven fabrics
of synt filament yarn from polyester cont <85% pada tahun 2012-2016 dan apa yang
pemerintah harus lakukan untuk hasil dari pengolahan data tersebut?
15.3 Tujuan
Tujuan dari penyelesaian studi kasus diatas yaitu antara lain dapat
mengetahui data statistik perkembangan komoditi kain tenunan untuk ekspor ke
Negara Malaysia pada tahun 2012 sampai dengan tahun 2016.
15.4 Manfaat
Manfaat dari pengujian studi kasus ini yaitu antara lain dapat mengetahui
data yang dapat menjadi acuan, tolak ukur dan evaluasi pemerintah dalam hal
ekspor tekstil ke sejumlah negara salah satu contohnya yaitu Malaysia.
15.5 Literatur
Studi Kasus :
Pada tahap ini dilakukan kajian pustaka, yakni mengkaji permasalahan
secara teoritis berdasarkan sumber-sumber pustaka yang relevan. Kemudian
mengumpulkan, memilih dan menganalisa dari beberapa sumber bacaan yang
berkaitan dengan uji hipotesis dua sampel independen pada statistika nonparametrik
berdasarkan Uji Kolmogorov Smirnov Dua Sampel dan simulasinya dengan
program SPSS.
554
Uji Kolmogorov Smirnov Dua Sampel untuk menganalisis data yang telah
diperoleh dan membuat simulasinya dengan program SPSS. Adapun langkah-
langkah pengolahan data dengan program SPSS 16.00 for windows adalah sebagai
berikut:
(1) Pemasukan data ke SPSS
a. Buka lembar file, pilih menu new, lalu klik data. Dan inputkan data. Misal data
skor
sebagai berikut:
Gambar 15.1 Data Skor Kebugaran Fitnes Pagi dan Siang Hari
(Sumber: https://lib.unnes.ac.id/)
SPSS tidak akan bisa membaca variabel kategorik yang dalam kasus ini dibaca
string (pagi dan siang). Oleh karena itu pagi dan siang akan diganti dengan skor 0
untuk pagi, dan 1 untuk malam.
Gambar 15.2 Kotak Dialog Variable View

(Sumber: https://lib.unnes.ac.id/)
555
b. Menamai variabel dan property yang diperlukan. Langkah berikutnya membuat
nama
untuk setiap variabel baru, jenis data, label data, dan sebagainya. Untuk ini, klik tab
variebel view yang ada di bagian kiri bawah.
(2) Untuk melakukan analisis, klik Analyze, klik Non-Parametric Tests, klik 2
Independent Samples sehingga akan tampil kotak Two Independent Samples Test
(3) Pindahkan variabel yang akan dianalisia dalam kotak Test Variable List dan
variabel grup pada Grouping Variable. Untuk pengisian grup klik tombol Define
Group masing-masing Group 1 dan Group 2. Setelah pengisisan selesai tekan
Continue. Klik kotak Mann-Whitney pada kotak Test Type untuk menguji Mann-
Whitney dan klik kotak Kolmogorov Smirnov pada kotak Test Type untuk menguji
Kolmogorov Smirnov
(4) Klik Continue, kemudian klik OK sehingga akan muncul output SPSS
Statistik uji yang digunakan untuk sampel kecil (n<20) adalah :
D = maksimum [Sn1 (X) – Sn2 (X)]
Di mana Sn1 (X) = Proporsi kumulatif sampel pertama
Sn2 (X) = Proporsi kumulatif sampel kedua
Untuk sampel besar (n1 atau n2 yang lebih dari 40), pengujian signifikansinya dapat
menggunakan berbagai rumus yang didasarkan pada tingkat kesalahan yang
ditetapkan. Misalnya untuk kesalahan 5 % (0,05) harga D sebagai pengganti tabel
dapat dihitung dengan rumus:
n1+n2
Kp = 1,36 √
n1−n2

Dalam analisis yang melibatkan kasus dua sampel independen maka sampel
dimaksud dapat diperoleh setidaknya melalui dua kemungkinan yakni; (a).
Kemungkinan sampel-sampel ditarik secara random dari dua populasi dan (b).
Sampel-sample muncul karena diterapkannya secara random dua perlakuan
556
terhadap anggota-anggota sampel dengan asal-usul sembarang. Dalam kedua
kemungkinan tersebut tidak perlu kedua sampel memiliki ukuran (sample size) yang
sama.
Tes dua sampel Kolmogorov Smirnov adalah tes yang digunakan untuk mengetahui
apakah dua sampel bebas (independent) berasal dari populasi yang sama. Artinya
tes ini diterapkan dalam kaitan pembuktian apakah sampel yang diambil berasal
dari satu populasiyang sama atau populasi yang berbeda. Sebagaimana yang
berlaku pada kasus satu sampel tes Kolmogorov Smirnov dua sampel secara prinsip
memperhatikan kesesuaian antara dua distribusi kumulatif jika kasus satu sampel
memperhatikan kesesuaian antara distribusi kumulatif harga sampel dengan
distribusi teoritis maka pada kasus dua sampel tes ini memperhatikan kesesuaian
antara duahimpunan harga sampel. Apabila dua sampel ditarik dari populasi yang
sama maka distribusi kumulatif kedua sampel berada pada kondisi berdekatan.
Sebaliknya jika distribusi frekuensi kumulatif kedua sampel posisinya berjauhan
(pada titik dimanapun berada) maka sampel-sampel dapat dinyatakan berasal dari
populasi yang berbeda. Dengan demikian fakta yang menjadi dasar untuk membuat
kesimpulan apakah dua sampel berasal dari populasi yang sama atau tidak adalah
memperhatikan deviasi yang cukup besar antara distribusi kumulatif kedua sampel.
Berikut adalah kumpulan data dari Perkembangan Ekspor Kelompok Kain
Tenunan Ke Malaysia dengan komoditi Woven fabrics of synt filament yarn from
polyester cont >85% dan Woven fabrics of synt filament yarn from polyester cont
<85%.
Tabel 15.1 Kumpulan Data Perkembangan Ekspor Kain Tenunan
Tahun Komoditi Jumlah_Ekspor_Kain_Tenunan Jumlah_Impor_Kain_Tenunan
2012 1 6.512 2
2012 1 8.406 12
2012 1 2.902 344
2012 1 7.618 45
2012 1 6.357 46
2012 1 2.135 66
2012 1 834 78
2012 1 4.13 9.08
2012 1 3.093 74
2012 1 156 32
557
2012 2 3.5 34
2012 2 8 34
2012 2 3 4
2012 2 49 5
2012 2 2.5 899
2012 2 48 77
2012 2 204 54
2013 1 6.26 2.7
2013 1 9.364 7.99
2013 1 3.415 6.90
2013 1 7.947 6.98
2013 1 6.055 4.87
2013 1 1.816 5.0
2013 1 418 11
2013 1 4.16 1.67
2013 1 4.27 4.55
2013 1 265 6.5
2013 2 7.394 7
2013 2 3.252 8.51
2013 2 25 65
2013 2 4 2
2013 2 50 56
2013 2 5 26
2013 2 6 1
2013 2 4 1
2013 2 8 0
2013 2 19 2
2014 1 6.332 0
2014 1 8.958 0
2014 1 5.122 0
2014 1 8.466 7.64
2014 1 6.993 6.7
2014 1 1.288 9.9
2014 1 633 3.3
2014 1 958 3.9
2014 1 3.034 5.5
2014 1 137 34
2014 2 7.879 58
2014 2 2.396 78
2014 2 301 5
2014 2 109 7.67
2014 2 66 76
2014 2 958 5.5
2014 2 3.034 34
558
2014 2 3 3.6
2014 2 3.5 7.7
2014 2 2.558 6.67
2014 2 6.89 6.5
2014 2 7.908 0
2015 1 6.375 0
2015 1 7.322 4.1
2015 1 10.962 0
2015 1 6.814 0
2015 1 7.549 0
2015 1 1.112 1.2
2015 1 1.566 5
2015 1 464 6.1
2015 1 1.005 1.9
2015 1 99 4.1
2015 2 5.18 0
2015 2 2.742 2.2
2015 2 398 0
2015 2 136 9
2015 2 83 8
2015 2 11 8.8
2015 2 5.98 0
2015 2 39 3
2015 2 36 6.4
2015 2 45.6 4.9
2016 1 10.592 3.3
2016 1 9.603 7.9
2016 1 8.144 0
2016 1 6.898 4
2016 1 6.155 7
2016 1 2.466 89
2016 1 1.856 9.9
2016 1 1.148 5.8
2016 1 394 4.8
2016 1 200 22
2016 2 4.808 63
2016 2 3.518 65
2016 2 479 66
2016 2 42 7
2016 2 40 4.44
2016 2 2 7.6
2016 2 7 49
2016 2 6.155 7
2016 2 2.466 89
559
2016 2 9 7.7
2016 2 6.786 3.9
2016 2 4.324 0
(Sumber: https://kemenperin.go.id/)
Keterangan:
- Komoditi 1 = Woven fabrics of synt filament yarn from polyester
cont >85%
2 = Woven fabrics of synt filament yarn from polyester cont <85%
- Jumlah ekspor kain tenunan (dalam ribuan US$)
Langkah-langkah untuk melakukan uji Kolmogorov Smirnov adalah
sebagai berikut:
a. Input data di atas ke dalam SPSS
b. Klik analyze – non parametric test – 2 independent sample

c. Maukan variable jumlah ekspor kain tenunan ke dalam kotak test

variable list dan masukan variable komoditi di kotak grouping
variable dan pilih uji kolmogorov smirnov
d. Klik define groups, masukan nilai variable terkait di kotak group 1 dan
2
Gambar 15.4 Kotak Dialog Two Independent Samples Tests: Define Groups
560
reliabilitas kemudian data tersebut baru di uji dengan Uji Kolmogorov Smirnov 2
Independent Sample Test.
a. Uji Normalitas

menunjukkan bahwa:
a. Variabel Woven fabrics of synt filament yarn from polyester cont >85% memiliki
nilai (Sig.> α), maka data tersebut normal
b. Variabel Woven fabrics of synt filament yarn from polyester cont <85% memiliki

561
a. Variabel Komoditi memiliki nilai (Sig.> α), maka data tersebut seragam
b. Variabel Jumlah ekspor kain tenunan memiliki nilai (Sig.> α), maka data tersebut
seragam
c. Validitas
Correlations
Jumlah_Ekspor_
Komoditi Kain_Tenunan N_Total
1 -.118 .168**
Komoditi Pearson Correlation
.264 .242 .254

Sig. (2-tailed)
100 100 100

N
-.118 1 .188**
Jumlah_Ekspor_Kain_Tenun Pearson Correlation
an .242 .232 .215
Sig. (2-tailed)
100 100 100
N
-.115 1.000** .130**
N_Total Pearson Correlation
.254 .215 .284
Sig. (2-tailed)
100 100 100
N

r (0.1654) dengan rumus df = N-2, maka df = 100-2 = 98. Maka dari hasil uji
562
Komoditi = 0,168 > r tabel Valid
Jumlah ekspor kain tenunan = 0,188 > r tabel Valid
d. Reliabilitas

0,084 pada 5 of items pernyataan. Nilai tersebut berada di range 0,00 – 0,20 yang
artinya bahwa pernyataan tersebut kurang reliabel.
e. Uji Kolmogorov Smirnov 2 Independent Sample Test
Tabel 15.6 Hasil Pengolahan Uji Kolmogorov Smirnov 2 Independent Sample Test

Penentuan Hipotesis
H0 = Jumlah ekspor kain tenunan berdasarkan komoditi tidak terdapat

persamaan
563
H1 = Jumlah ekspor kain tenunan berdasarkan komoditi terdapat
persamaan
Daerah Kritis: Jika nilai sig (2 tailed) > α, terima H0
Jika nilai sig (2 tailed) < α, tolak H0
Uji Statistik
Nilai sig (2 tailed) = 0.393
Nilai α = 0.01
Keputusan
sig (2 tailed) > α atau 0.393 > 0.01
maka, terima H0
Kesimpulan
Jadi, dengan tingkat signifikasi 1% (0.01) dapat disimpulkan bahwa jumlah
ekspor kain tenunan berdasarkan komoditi tidak terdapat persamaan.
pengujian terlebih dahulu untuk menguji kolmogorov smirnov 2 independent
sample test nya antara lain yaitu uji normalitas, uji keseragaman data, uji validitas,
uji relibilitas kemudian baru diuji kolmogorov smirnov 2 independent sample test.
Hasil dari pengolahan dan pengujian dari data diatas menunjukan bahwa untuk uji
normalitas dari data tersebut hasilnya normal semua karena dari semua variabel
menunjukan nilai yang dihasilkan oleh pengolahan tersebut di atas dari nilai alpha
(0,05). Pada uji keseragaman pada masing-masing variable pengolahan data
menghasilkan nilai lebih dari nilai alpha (0,05) yang berarti data disetiap variabel
tersebut memiliki keseragaman data. Untuk uji validitas terdapat 100 data (N=100)
dengan tingkat signifikansi 5% pada tabel r dengan rumus df = N-2, maka df = 100-
2 = 98 dan hasil dari pengolahan data tersebut menunjukan nilai yang diperoleh dari
masing-masing variabel lebih dari r tabel (0.1654) yang artinya semua data tersebut
valid. Pada pengujian relibilitas sesuai dengan tabel Reliability Statistic terlihat
bahwa nilai Cronbach’s Alpha adalah 0,084 pada 5 of items pernyataan. Bahwa
nilai tersebut berada di range 0,00 – 0,20 yang artinya bahwa pernyataan tersebut
564
kurang reliabel. Untuk uji kolmogorov smirnov 2 independent sample test
menunjukan bahwa nilai asymp sig (2 tailed) yaitu 0.393, dengan nilai signifikasi
tingkat signifikasi 1% dapat disimpulkan bahwa jumlah ekspor kain tenunan
berdasarkan komoditi tidak terdapat persamaan.
15.11 Kesimpulan
yang didapat setelah di uji normalitas, keseragaman data, validitas dan kolmogorov
smirnov 2 independent sample test telah normal, seragam dan valid. Tetapi tidak
untuk uji reliabilitas, hasil dari pengolahan data tersebut menunjukan bahwa data
tersebut tidak atau kurang reliabel.
Dari pengolahan data yang sudah dilakukan dapat diketahui bahwa data
yang di ambil dari Kementrian Perindustrian Republik Indonesia mengenai
perkembangan ekspor kain tenunan ke Negara Malaysia dengan komoditi Woven
fabrics of synt filament yarn from polyester cont >85% dan Woven fabrics of synt
filament yarn from polyester cont <85% yaitu antara Kain tenunan dari benang
filamen sintaks dari poliester cont> 85% dan Kain tenunan dari benang filamen
sintaks dari poliester cont < 85% tidak ada persamaan dan keduanya memiliki
perbedaan yang cukup signifikan pada tahun 2012-2016. Dengan hasil yang sudah
didapat dari pengolahan data, mungkin pemerintah dapat menjadikan hasil
pengolahan data tersebut dengan uji kolmogorov smirnov 2 independent sample test
sebagai bahan evaluasi dan acuan bersama mengenai ekspor tekstil di sejumlah
negara di dunia dan menjadikan produk TPT Indonesia memiliki beberapa
keunggulan, misalnya telah menjangkau paling tidak 100 negara tujuan ekspor.
Produk TPT kita juga berdaya saing dan berkualitas tinggi. Produsen TPT Indonesia
juga dinilai selalu berkomitmen tinggi dalam berbisnis. Menjadikan ekspor tekstil
dari Indonesia terkenal dan baik di mata negara dunia.
565
BAB XVI
STATISTIKA NON PARAMETRIK KRUSKAL WALLIS
16.1 Latar Belakang
Seorang Mahasiswa hendak melakukan penelitian jumlah volume nilai

pemakaian bahan bakar di Indonesia berdasarkan 35 data dari 7 jenis bahan bakar.
Penelitian tersebut mengambil data pengamatan pada tahun 2012-2017. Tentukan
data statistic dan analisis yang dilakukan oleh mahasiswa tersebut.
Berdasarkan latar belakang tersebut kami mengambil rumusan masalah

sebagai berikut:
1. Bagaimana cara menentukan uji kruskal wallis pada studi kasus tersebut?
2. Bagaimana hasil analisis yang didapatkan setelah melakukan pengolahan data

dari studi kasus yang ada?
16.3 Tujuan
Mendapatkan data dari Badan Pusat Statistik mengenai data nilai pemakaian
bahan bakar di perusahaan pertambangan minyak dan gas bumi pada tahun 2012
hingga 2017.
16.4 Manfaat
1. Mengetahui hasil data Badan Pusat Statistik yang ada
2. Memberikan informasi mengenai nilai pemakaian bahan bakar di perusahaan

pertambangan minyak dan gas bumi dari tahun ke tahun
3. Memperoleh penjelasan mengenai data nilai pemakaian bahan bakar di

perusahaan pertambangan minyak dan gas bumi dari tahun ke tahun
566
16.5 Literatur
Hasil akhir dari uji Kruskall Wallis adalah nilai P value, yaitu apabila nilainya
< batas kristis misalkan 0,05 maka kita dapat menarik kesimpulan statistik terhadap
hipotesis yang diajukan yaitu: Ada pengaruh metode pembelajaran terhadap nilai
ujian siswa atau yang berarti menerima H1 dan menolak H0.
Post Hoc Kruskall Wallis
Selanjutnya jika menerima H1 maka bisa dilanjutkan dengan uji lanjut atau
disebut juga uji post hoc. Uji post hoc setelah kruskall wallis salah satunya adalah
uji mann whitney u test. Dengan uji tersebut kita bisa menilai antar kategori apakah
yang ada perbedaan signifikan. Pada kasus di atas, maka uji post hoc yang
dilakukan antara lain:
1. Perbedaan Nilai Ujian Siswa antara metode A dan metode B
2. Perbedaan Nilai Ujian Siswa antara metode A dan metode C
3. Perbedaan Nilai Ujian Siswa antara metode B dan metode C.
Sebelumnya membuka aplikasi SPSS , berikut data yang digunakan:
Berdasarkan data tersebut, seolah kita akan menguji Hipotesis "Adakah

pengaruh metode pembelajaran terhadap nilai ujian". Sebagai variabel bebas adalah
Metode pembelajaran dengan 3 kategori: A, B dan C. Kode 1 menunjukkan metode
A, kode 2 menunjukkan metode B dan kode 3 menunjukkan metode C.
Langkah pertama adalah untuk mengetahui apakah semua kelompok perlakuan

atau metode memiliki variabilitas Nilai Ujian yang sama. Variabilitas yang
dimaksud disini adalah bentuk dan sebaran data. Apabila nanti sebaran data sama
maka uji Kruskall Wallis dapat digunakan untuk mengetahui adakah perbedaan
Median dan Mean. Jika tidak memiliki sebaran yang sama, maka hanya dapat
digunakan untuk mengetahui perbedaan Mean saja. Caranya pada Menu, klik
Graph, Legacy Dialogs, Histogram. Kemudian masukkan perlakuan atau variabel
bebas ke kotak Rows dan masukkan Nilai atau variabel terikat ke kotak Variable.
Centang Display Normal Curve dan centang Nest Variable (No Empty Rows). Dan
selanjutnya klik OK.
567
Selanjutnya pada Menu, klik Analyze, Non Parametric Test, K Independen
Samples. Selanjutnya masukkan perlakuan atau variabel bebas ke dalam kotak
Grouping Variable dan masukkan Nilai atau variabel terikat ke dalam kotak Test
variable List. Pada test Type centang Kruskall Wallis H. Tekan tombol Define
Range kemudian masukkan rentang kategori variabel bebas. Dalam hal ini yaitu
perlakuan dengan rentang 1 sampai 3. Yaitu ketik 1 pada kotak Minimum dan ketik
3 pada kotakMaximum. Selanjutnya klik Continue. Tekan tombol options dan
selanjutnya centang deskriptive kemudian klik Continue. Setelah kembali ke
jendela utama, klik OK dan lihatlah output. Tabel di atas menunjukkan nilai
deskriptive pada masing-masing variabel, yaitu perlakuan dan nilai. Nilai Mean
Rank menunjukkan peringkat rata-rata masing-masing perlakuan. Dalam kasus di
atas, peringkat rata-rata metode C lebih tinggi dari pada peringkat rata-rata metode
B. Peringkat rata-rata metode B lebih tinggi dari pada peringkat rata-rata metode A.
Apakah perbedaan tersebut semua secara keseluruhan bermakna secara statistik,
maka disinilah peran Uji Kruskall Wallis, yaitu mengukur secara statistik apakah
besar perbedaan peringkat rata-rata signifikan ataukah tidak.
Nilai P Value ditunjukkan oleh nilai Asymp. Sig. Jika nilai P Value < batas
kritis penelitian maka keputusan hipotesis adalah menerima H1 dan menolak H0
atau yang berarti ada pengaruh variabel bebas terhadap variabel terikat. Dalam hal
ini nilainya P Value sebesar 0,020 dimana kurang dari batas kritis 0,05 yang berarti
menerima H1 atau Perlakuan memberikan pengaruh yang bermakna terhadap nilai
ujian.
Uji kruskal Wallis adalah salah satu uji statistik non parametrik yang dapat
digunakan untuk menguji apakah ada perbedaan yang signifikan antara kelompok
variabel independen dengan variabel dependennya. Karena untuk melihatperbedaan
yang signifikan antar kelompok, uji ini jelas digunakan untuk melihat perbandingan
lebih dari 2 kelompok populasi dengan data berbentuk ranking. Umumnya Uji ini
juga disebut sebagai uji kruskal-wallis H, atau H-test.
Uji kruskal Wallis merupakan perluasan uji 2 sampel wilcoxon untuk k > 2
sampel,umumnya digunakan untuk menguji hipotesis nol (H₀) bahwa sampel bebas
568
sebesar k tersebut berasal dari populasi yang identik. Uji kruskal wallish merupakan
uji alternatif untuk uji F dan uji one way Anova untuk pengujian kesamaan beberapa
nilai Tengah dan analisis ragam yang dapat kita gunakan jika asumsi kenormalan
tidak terpenuhi.
Kegunaan uji Kruskal Wallis:
 Uji kruskal-wallis biasa digunakan sebagai alternatif untuk uji one way
Anova, dimana asumsi kenormalan tidak terpenuhi.
 Digunakan untuk membuat perbandingan antara dua atau lebih variabel

kuantitatif berbentuk ranking dimana sampelnya merupakan sampel
independen, dan asumsi kenormalan tidak terpenuhi.
 Merupakan uji pengembangan dari mann Whitney test, dimana variabel

yang digunakan pada uji ini berjumlah lebih dari pada dua variabel.
Berikut adalah kumpulan data dari hasil nilai pemakaian bahan bakar di
perusahaan pertambangan minyak dan gas bumi pada tahun 2012 hingga 2017.
Tabel 16.1 Kumpulan data nilai pemakaian bahan bakar di perusahaan

pertambangan minyak dan gas bumi pada tahun 2012 hingga 2017.
Jenis Bahan Bakar Tahun Nilai Pemakaian N_Total

Bahan Bakar
1 2012 11299 13312
1 2013 19534 21548
1 2014 21850 23865
1 2015 126115 128131
1 2017 128559 130577
2 2012 227155 229169
2 2013 200189 202204
2 2014 344463 346479
2 2015 172300 174317
2 2017 175639 177658
3 2012 1691895 1693910
3 2013 1460911 1462927
3 2014 876540 878557
3 2015 1590245 1592263
3 2017 1621062 1623082
4 2012 166 2182
569
4 2013 593 2610
4 2014 225 2243
4 2015 308 2327
5 2012 19688592 19690609
5 2013 15233719 15235737
5 2014 14526945 14528964
5 2015 14359676 14361696
5 2017 14637949 14639971
6 2012 1965 3983
6 2013 1590 3609
6 2014 1047 3067
6 2015 556 2577
6 2017 469 2492
7 2012 482127 484146
7 2013 816751 818771
Tabel 16.2 Kumpulan data nilai pemakaian bahan bakar di perusahaan

Jenis Bahan Bakar Tahun Nilai Pemakaian N_Total
Bahan Bakar
7 2014 946834 948855
7 2015 957359 959381
7 2017 975911 977935
Langkah-langkah dalam melakukan uji Kruskal Wallis adalah sebagai berikut:
b. Klik Analyze – Non Parametric Test – K-Independet Sample
Gambar 16.1 Kotak Dialog Test for Several Independent Samples

c. Masukkan variable Nilai Pemakaian Bahan Bakar ke dalam kotak Test
570
Variable List, masukkan variabel Jenis Bahan Bakar pada kotak Grouping
Variable dan pilih uji Kruskal Wallis
d. Klik difine range, masukkan rentang nilai variabel terkait produk pada kotak
minimum dan maximum

e. Klik Continue
f. Klik OK
reliabilitas kemudian data tersebut baru di uji dengan Uji Kruskal Wallis .
A. Uji Normalitas
Tabel 16.2 Hasil Pengolahan Uji Normalitas nilai pemakaian bahan bakar di
perusahaan pertambangan minyak dan gas bumi pada tahun 2012 hingga 2017
571
Tests of Normality
Jenis_Bahan_Bakar Kolmogorov-Smirnova Shapiro-Wilk
Statisti
Statistic df Sig. c df Sig.
Nilai_Pemakaian_Bahan Avtur ,345 5 ,052 ,740 5 ,024

_Bakar Bensin ,282 5 ,200* ,801 5 ,082
Minyak Solar dan ,315 5 ,116 ,772 5 ,047

Minyak Diesel
LPG ,318 5 ,111 ,867 5 ,256
Gas Alam ,380 5 ,057 ,675 5 ,005
Minyak Tanah ,210 5 ,200* ,920 5 ,529

Pelumas ,279 4 ,166 ,821 4 ,146

Analisis uji normalitas dilakukan dengan melakukan nilai alpha (α)

sebesar 0,05 sebagai alat ukur untuk menentukan data yang diolah termasuk
kedalam data yang dikatakan normal atau tidak. Jika hasil signifikansi (Sig.) dari
data yang diolah lebih besar dari nilai alpha (α), maka data tersebut merupakan
tersebut normal. Dari hasil diatas menunjukkan bahwa:
a. Variabel Nilai Pemakaian Bahan Bakar Avtur memiliki nilai (Sig.> α), maka
data tersebut normal
b. Variabel Nilai Pemakaian Bahan Bakar Bensin memiliki nilai (Sig.> α), maka
c. Variabel Nilai Pemakaian Bahan Bakar Minyak Solar dan Minyak Diesel
memiliki nilai (Sig.> α), maka data tersebut normal
d. Variabel Nilai Pemakaian Bahan Bakar LPG memiliki nilai (Sig.> α), maka
e. Variabel Nilai Pemakaian Bahan Bakar Gas Alam memiliki nilai (Sig.> α),
572
f. Variabel Nilai Pemakaian Bahan Bakar Minyak Tanah memiliki nilai (Sig.> α),
g. Variabel Nilai Pemakaian Bahan Bakar Pelumas memiliki nilai (Sig.> α), maka
B. Keseragaman Data
Tabel 16.8 Hasil Pengolahan Uji Keseragaman Data nilai pemakaian bahan bakar di

Levene
Statistic df1 df2 Sig.
Nilai_Pemakaian_Baha Based on Mean 5,763 6 27 ,146

n_Bakar Based on Median 1,335 6 27 ,276
Based on Median and 1,335 6 4,196 ,402

with adjusted df
Based on trimmed 4,298 6 27 ,106
mean
yang dikatakan seragam atau tidak. Jika hasil signifikansi (Sig.) dari data yang
diolah lebih besar dari nilai alpha (α), maka data tersebut merupakan data yang
tidak seragam (Sig.< α), sedangkan jika nilai (Sig.> α) maka data tersebut
seragam. Dari hasil diatas menunjukkan bahwa :
Variabel Nilai Pemakaian Bahan Bakar memiliki nilai (Sig.> α), maka data
tersebut seragam
573
C. Uji Validitas
Tabel 16.9 Hasil Pengolahan Uji Validitas nilai pemakaian bahan bakar di perusahaan
pertambangan minyak dan gas bumi pada tahun 2012 hingga 2017
Correlations
Volume_Pem
Jenis_Bahan akaian_Baha
_Bakar Tahun n_Bakar N_Total
Jenis_Bahan_Bakar Pearson 1 ,000 ,234 ,234

Correlation
Sig. (2-tailed) 1,000 ,183 ,183
N 35 35 34 34
Tahun Pearson ,000 1 ,118 ,118
Correlation
Sig. (2-tailed) 1,000 ,919 ,919
N 35 35 34 34
Nilai_Pemakaian_Bahan Pearson ,234 -,018 1 1,000**
_Bakar Correlation
Sig. (2-tailed) ,183 ,919 ,000
N 34 34 34 34
N_Total Pearson ,234 -,018 1,000** 1
Correlation
Sig. (2-tailed) ,183 ,919 ,000
N 34 34 34 34
Jenis Bahan Bakar= 0,234 > r tabel Valid

Komoditi= 0,118 > r tabel Valid
Nilai Pemakaian Bahan Bakar= 1,000 > r tabel Valid
574
D. Uji Reliabilitas
Tabel 16.10 Hasil Pengolahan Uji Reliabilitas nilai pemakaian bahan bakar di
Cronbach's
Alpha N of Items
,702 3
(Sumber: Olah Data

2020)

E. Uji Kruskal Wallis
Tabel 116.11 Hasil Pengolahan Uji Kruskal Wallis nilai pemakaian bahan bakar
di perusahaan pertambangan minyak dan gas bumi pada tahun 2012 hingga 2017
Ranks
Jenis_Bahan_Bakar N Mean Rank
Nilai_Pemakaian_Bahan_B Avtur 5 13,00

akar Bensin 5 18,00
Minyak Solar dan Minyak 5 26,60
Diesel
LPG 5 3,40
Gas Alam 5 32,00
Minyak Tanah 5 7,60
Pelumas 4 23,00
Total 34
575
Test Statisticsa,b
Volume_Pemak
aian_Bahan_Ba
kar
Chi-square 31,996
Df 6
Asymp. Sig. ,156
a. Kruskal Wallis Test

b. Grouping Variable:
Jenis_Bahan_Bakar
Penentuan Hipotesis
Hₒ = Jumlah nilai pemakaian bahan bakar berdasarkan komoditi tidak
terdapat persamaan
H₁ = Jumlah nilai nilai pemakaian bahan bakar berdasarkan komoditi
terdapat persamaan
Daerah Kritis: Jika nilai sig (asymp.sig.) > α, terima Hₒ
Jika nilai sig (asymp.sig.)< α, tolak H₁
Uji Statistik
Nilai sig (asymp.sig.) = 0,156
Nilai α = 0,01
Keputusan
Sig (asymp.sig.) > α atau 0,156 > 0,01
Maka, terima Hₒ
Kesimpulan
Jadi, dengan tingkat signifikasi 1% (0,01) dapat disimpulkan bahwa
nilai pemakaian bahan bakar Avtur, Bensin, Minyak Solar dan
Minyak Diesel, LPG, Gas Alam, Minyak Tanah, Pelumas tidak
terdapat persamaan.
576
keseragaman data, validitas, reliabilitas dan uji Kruskal Wallis menunjukan bahwa
data yang di peroleh dari Badan Pusat Statistik terhadap 35 data nilai pemakaian
bahan bakar di perusahaan pertambangan minyak dan gas bumi pada tahun 2012
hingga 2017 tersebut menunjukan data tersebut normal karena nilai sig. lebih dari
nilai alpha (0,05), data seragam karena pada pengujian keseragaman data
menunjukan hasil nilai sig. lebih dari nilai alpha (0,05), data valid karena nilai
N_Total pada correlation lebih besar dari nilai r tabel, data reliabel karena terlihat
bahwa nilai Cronbach’s Alpha pada 2 of items pernyataan. Nilai tersebut berada
diatas range 0,601 – 0,80 yang artinya bahwa pernyataan tersebut reliabel. Pada uji
kruskal wallis tersebut menghasilkan bahwa dengan tingkat signifikansi 5% untuk
masing-masing data nilai pemakaian bahan bakar di perusahaan pertambangan
minyak dan gas bumi pada tahun 2012 hingga 2017 menunjukan bahwa hasil uji
kruskal wallis pada nilai pemakaian bahan bakar tidak terdapat persamaan yang
dapat diartikan bahwa terima H0 data nilai pemakaian bahan bakar di perusahaan
16.11 Kesimpulan
Kesimpulan yang dapat diambil untuk data nilai pemakaian bahan bakar di
perusahaan pertambangan minyak dan gas bumi pada tahun 2012 hingga 2017 yaitu
antara lain dari pengolahan data di atas sudah jelas menunjukan hasil pengolahan
data dengan metode kruskal wallis bahwa data yang di peroleh dari Badan Pusat
Statistik.
577
16.1 Latar Belakang
Seorang mahasiswa hendak melakukan penelitian terhadap produksi minyak

mentah dan kondensat di Indonesia pada tahun 2016 berdasarkan Buku Statistik
Minyak dan Gas Bumi Tahun 2016 yang dikeluarkan oleh Direktorat Jenderal
Minyak dan Gas Bumi Kementerian Energi dan Sumber Daya Mineral. Tahun 2016
menjadi tahun kelesuan industri migas nasional terutama pada sektor hulu migas.
Harga minyak dunia yang tak kunjung beranjak naik semenjak tahun 2015 menuju
titik keseimbangannya berdampak terhadap iklim investasi industri migas nasional
yang semakin lesu. Tercatat investasi tahun 2016 menurun sekitar 29,18% atau
sebesar US$ 5.247,97 juta dibandingkan tahun 2015. Penurunan tersebut terjadi
baik di sektor hulu maupun sektor hilir.
Bagaimana keberhasilan dari penelitian terhadap produksi minyak mentah

dan kondensat di Indonesia pada tahun 2016 berdasarkan Buku Statistik Minyak
dan Gas Bumi Tahun 2016 yang dikeluarkan oleh Direktorat Jenderal Minyak dan
Gas Bumi Kementerian Energi dan Sumber Daya Mineral.
16.3 Tujuan
1. Mendapatkan data statistik produksi minyak mentah dan kondensat pada tahun
2016
2. Mengetahui gambaran umum tentang kegiatan pengusahaan migas.
16.4 Manfaat
1. Memperkaya visual dan pemahaman terhadap kegiatan pengusahaan migas.
2. Mengetahui data dan informasi secara berkala mengenai perkembangan kegiatan

pengusahaan minyak dan gas bumi di Indonesia
16.5 Literatur
Pertumbuhan industri kosmetik lokal Indonesia mengalami kekalahan yang

cukup besar jika dibandingkan dengan kosmetik impor dan kosmetik brand
multinasional. Jika perusahaan tidak mengantisipasi persaingan yang tinggi maka
578
akan timbul kemungkinan perusahaan akan salah dalam mengambil keputusan
sehingga dapat menyebabkan perusahaan mengalami kebangkrutan.
Permasalahan : Apakah terdapat perbedaan potensi kebangkrutan industri kosmetik

yang terdaftar di BEI dengan metode Z-Scoremodel Altman, model Springate, dan
model Zmijewski?
Hipotesis :
 H0 = tidak terdapat perbedaan potensi kebangkrutan dengan metode Z-

ScoreAltman, Springate, dan Zmijewski pada industri kosmetik yang
terdaftar di BEI pada tahun 2010-2012.
 H1 = terdapat perbedaan potensi kebangkrutan dengan metode Z-

ScoreAltman, Springate, dan Zmijewski pada industri kosmetik yang
terdaftar di BEI tahun 2010-2012.
Terima H0 apabila nilai signifikansi Kruskal Wallis > 0,05 , Tolak H0 apabila nilai
signifikansi Kruskal Wallis < 0,05.
Analisis menggunakan SPSS 16.0 untuk menguji perbedaan hasil analisis potensi
kebangkrutan perusahaan industri kosmetik yang terdaftar di BEI dengan
menggunakan metode Z-Scoremodel Altman, Springate, dan Zmijewski. Tabel
berikut menunjukkan hasil dari analisis menggunakan SPSS
Tabel 16.1 Hasil Uji Kruskal Wallis terhadap Perbedaan Potensi Kebangkrutan
(Sumber: https://ojs.unud.ac.id/index.php/Akuntansi/article/view/8640/6437
579

terkait dan teori dasar untuk menunjang keseluruhan penelitian. Pengolahan data
dianalisis dengan SPSS 16.0 for Windows. Literatur, jurnal, dan teori yang
dipelajari dapat menjadi dasar untuk menentukan permasalahan yang akan diteliti
nantinya.
Metode pengujian data ini terdiri dari uji kualitas data dengan syarat bahwa
data harus valid dan reliabel. Data dinyatakan valid apabila masing-masing
indikator menunjukkan hasil lebih besar dari 5% dari total skor produksi. Untuk
pengukuran reliabilitas diuji dengan statistik Crobanch Alpha dan variabel
dikatakan reliabel jika memberikan nilai Grobanch Alpha > 0,70 (Nunnally, 1967
dalam Ghozali, 2012:46). Uji asumsi klasik yang digunakan dalam penelitian ini
yaitu uji normalitas dan uji homogenitas. Metode analisis yang digunakan yaitu
analisis K-Independent Samples Test dengan metode uji Kruskal Wallis
Berikut adalah kumpulan data statistik produksi minyak mentah dan kondensat
pada tahun 2016 berdasarkan Buku Statistik Minyak dan Gas Bumi Tahun 2016
yang dikeluarkan oleh Direktorat Jenderal Minyak dan Gas Bumi Kementerian
Energi dan Sumber Daya Mineral :
Tabel 16.2 Data statistik produksi minyak mentah dan kondensat tahun 2016
Nama_Kontraktor Produksi_Minyak_Mentah_Dan_Kondensat N_Total

1 5.886 6.886
1 6.072 7.072
1 6.113 7.113
1 4.892 5.892
1 3.947 4.947
1 6.246 7.246
1 6.219 7.219
1 6.21 7.21
1 5.54 6.54
1 6.035 7.035
1 6.05 7.05
1 6.002 7.002
580
2 4.019 6.019
2 4.103 6.103
2 3.797 5.797
2 3.258 5.258
2 3.552 5.552
2 3.6 5.6
2 3.549 5.549
2 3.421 5.421
2 3.472 5.472
3 4.842 7.842
3 4.182 7.182
3 3.345 6.345
3 4.502 7.502
3 4.31 7.31
3 4.023 7.023
3 4.087 7.087
3 3.512 6.512
3 3.248 6.248
3 3.154 6.154
3 2.921 5.921
3 2.757 5.757
4 8.582 12.582
4 7.037 11.037
4 7.138 11.138
4 8.05 12.05
4 5.996 9.996
4 7.951 11.951
4 6.335 10.335
4 7.027 11.027
4 6.274 10.274
4 8.202 12.202
4 7.423 11.423
4 7.25 11.25
5 3.082 8.082
5 2.92 7.92
5 3.111 8.111
5 3.014 8.014
5 2.658 7.658
5 2.363 7.363
5 2.252 7.252
5 2.689 7.689
581
5 2.109 7.109
5 2.019 7.019
6 4.17 10.17
6 4.051 10.051
6 4.464 10.464
6 3.976 9.976
6 2.858 8.858
6 3.632 9.632
6 3.698 9.698
6 3.966 9.966
6 4.447 10.447
6 4.974 10.974
6 4.568 10.568
6 3.989 9.989
7 2.216 9.216
7 2.322 9.322
7 2.302 9.302
7 2.218 9.218
7 2.116 9.116
7 2.284 9.284
7 2.18 9.18
7 2.032 9.032
7 1.886 8.886
7 2.015 9.015
7 2.08 9.08
7 2.045 9.045
8 9.087 17.087
8 9.599 17.599
8 9.16 17.16
8 8.192 16.192
8 7.769 15.769
8 8.181 16.181
8 8.375 16.375
8 8.19 16.19
8 8.383 16.383
8 8.353 16.353
8 8.207 16.207
8 7.29 15.29
9 4.24 13.24
9 4.041 13.041
9 4.016 13.016
582
9 3.931 12.931
9 3.712 12.712
9 3.75 12.75
9 3.588 12.588
9 3.443 12.443
9 3.273 12.273
9 3.186 12.186
10 2.842 12.842
10 3.24 13.24
10 3.027 13.027
10 2.735 12.735
10 2.822 12.822
10 2.821 12.821
10 2.552 12.552
10 2.643 12.643
10 2.901 12.901
10 2.799 12.799
10 2.66 12.66
10 2.817 12.817
Langkah-langkah dalam melakukan uji K-Independent Sample Test adalah sebagai

berikut:
b. Klik Analyze → Non Parametric Test → K- Independent Sample
Gambar 16.1 Kotak Dialog Test fos Several Independent Samples
583
c. Masukan variabel Nama_Kontraktor ke dalam kotak test variable list,

masukkan variabel Produksi_Minyak_Mentah_Dan_Kondensat pada kotak
Grouping Variable dan pilih Uji Kruskal Wallis H
d. Klik define groups, masukkan rentang nilai variabel

Produksi_Minyak_Mentah_Dan_Kondensat pada kotak minimum dan
maximum

e. Klik Continue
f. Klik OK
reliabilitas kemudian data tersebut baru di uji dengan Uji Kruskal-Wallis.
584
A. Uji Normalitas
Tabel 16.3 Hasil Pengolahan Uji Normalitas Produksi Minyak Mentah dan Kondensat tahun 2016
Tests of Normality
Nama_Kontraktor Statistic df Sig. Statistic df Sig.
Produksi_Minyak_Ment BP Berau .318 12 .090 .695 12 .001

ah_Dan_Kondensat
CITIC Seram Energy
.195 12 .200* .917 12 .264
Ltd. (CSEL)
Chevron Makassar Ltd. .163 12 .200* .953 12 .677
ConocoPhillips
.132 12 .200* .958 12 .748
(Grissik) Ltd.
EMP Malacca Strait

.140 12 .200* .936 12 .452
S.A
JOB P - Talisman (JM) .176 12 .200* .953 12 .677
JOB P - Talisman (OK)

.127 12 .200* .954 12 .697
Ltd.
JOB Pertamina-Medco
.260 12 .024 .923 12 .316
Tomori Sulawesi Ltd.
JOB Pertamina-
.148 12 .200* .962 12 .809
PetroChina East Java
JOB Pertamina-
.205 12 .174 .928 12 .358
PetroChina Salawati
menunjukkan bahwa:
a. Variabel Kontraktor BP Berau memiliki nilai (Sig.> α), maka data tersebut
normal
585
b. Variabel Kontraktor CSEL memiliki nilai (Sig.> α), maka data tersebut normal
c. Variabel Kontraktor Chevron Makassar memiliki nilai (Sig.> α), maka data
tersebut normal
d. Variabel Kontraktor ConocoPillips memiliki nilai (Sig.> α), maka data tersebut
normal
e. Variabel Kontraktor EMP memiliki nilai (Sig.> α), maka data tersebut normal
f. Variabel Kontraktor JOB P - Talisman (JM) memiliki nilai (Sig.> α), maka data
tersebut normal
g. Variabel Kontraktor JOB P - Talisman (OK) memiliki nilai (Sig.> α), maka data
tersebut normal
h. Variabel Kontraktor JOB Pertamina-Medco Tomori Sulawesi memiliki nilai
i. Variabel Kontraktor JOB Pertamina-PetroChina East Java memiliki nilai (Sig.>
j. Variabel Kontraktor JOB Pertamina-PetroChina Salawati memiliki nilai (Sig.>

Tabel 16.4 Hasil Pengolahan Uji Keseragaman Data Produksi Minyak Mentah dan Kondensat
tahun 2016
Levene
Statistic df1 df2 Sig.
Produksi_Minyak_Mentah Based on Mean 4.111 9 110 .024

_Dan_Kondensat

3.052 9 53.793 .045
adjusted df
586
Variabel Produksi Minyak Mentah dan Kondensat memiliki nilai (Sig.> α), maka
data tersebut seragam.
C. Uji Validitas
Tabel 16.5 Hasil Pengolahan Uji Validitas Produksi Minyak Mentah dan Kondensat tahun 2016
Correlations
Produksi_Minyak
Nama_Kontrakto _Mentah_Dan_K
r ondensat N_Total
Nama_Kontraktor Pearson Correlation 1 -.149 .789**
Sig. (2-tailed) .105 .000
N 120 120 120
Produksi_Minyak_Mentah_D Pearson Correlation -.149 1 .490**

an_Kondensat Sig. (2-tailed) .105 .000
N 120 120 120
Sig. (2-tailed) .000 .000
N 120 120 120
Nama_Kontraktor= 0,789 > r tabel Valid

Produksi Minyak= 0,490 > r tabel Valid
587
D. Uji Reliabilitas
Tabel 16.6 Hasil Pengolahan Uji Reliabilitas Produksi Minyak Mentah dan Kondensat tahun 2016
Cronbach's
Alphaa N of Items
.326 2

E. Uji Kruskal Wallis

Tabel 16.7 Hasil Pengolahan Uji Kruskal Wallis Produksi Minyak Mentah dan Kondensat tahun
2016
Ranks
Nama_Kontraktor N Mean Rank
Produksi_Minyak_Mentah_D BP Berau 12 89.17

an_Kondensat
CITIC Seram Energy Ltd.
12 59.42
(CSEL)
Chevron Makassar Ltd. 12 57.83
ConocoPhillips (Grissik) Ltd. 12 103.42
EMP Malacca Strait S.A 12 20.75
JOB P - Talisman (JM) 12 67.25
JOB P - Talisman (OK) Ltd. 12 9.08
JOB Pertamina-Medco
12 112.92
Tomori Sulawesi Ltd.
JOB Pertamina-PetroChina
12 57.33
East Java
JOB Pertamina-PetroChina
12 27.83
Salawati
Total 120
588
Test Statisticsa,b
Produksi_Minyak
_Mentah_Dan_K
ondensat
Chi-Square 106.769
df 9
Asymp. Sig. .200
a. Kruskal Wallis Test
b. Grouping Variable:
Nama_Kontraktor
Untuk mengetahui hasil uji Kruskal Wallis dilakukan melalui beberapa tahap, yaitu
H0 : tidak terdapat perbedaan pada tingkat keberhasilan terhadap produksi minyak

mentah dan kondensat di Indonesia pada tahun 2016
H1 : terdapat perbedaan pada tingkat keberhasilan terhadap produksi minyak

mentah dan kondensat di Indonesia pada tahun 2016
3. Daerah kritis :
Jika sig. (2 tailed) < α, maka tolak H0 dan terima H1
4. Uji statistik :
7. Keputusan :
6. Kesimpulan :
589
Jadi, dengan tingkat signifikansi 1% dapat disimpulkan bahwa tidak terdapat
perbedaan pada tingkat keberhasilan terhadap produksi minyak mentah dan
kondensat di Indonesia pada tahun 2016.
keseragaman data, validitas, reliabilitas dan uji Kruskal Wallis menunjukan bahwa
data yang di peroleh dari data statistik produksi minyak mentah dan kondensat pada
tahun 2016 berdasarkan Buku Statistik Minyak dan Gas Bumi Tahun 2016 yang
dikeluarkan oleh Direktorat Jenderal Minyak dan Gas Bumi Kementerian Energi
dan Sumber Daya Mineral tersebut menunjukan data tersebut normal karena nilai
sig. lebih dari nilai alpha (0,01), data seragam karena pada pengujian keseragaman
data menunjukan hasil nilai sig. lebih dari nilai alpha (0,01), data valid karena nilai
bahwa nilai Cronbach’s Alpha pada 2 of items pernyataan nilai tersebut berada
Kruskal Wallis tersebut menghasilkan bahwa dengan tingkat signifikansi 1%
menunjukan bahwa hasil uji Kruskal Wallis lebih dari nilai alpha (0,01) yang dapat
diartikan tolak H0 bahwa tidak terdapat perbedaan pada tingkat keberhasilan
terhadap produksi minyak mentah dan kondensat di Indonesia pada tahun 2016.
16.11 Kesimpulan
besar dari tingkat signifikansinya yang artinya bahwa tidak terdapat perbedaan pada
tingkat keberhasilan terhadap produksi minyak mentah dan kondensat di Indonesia
pada tahun 2016.
Banyak faktor yang mempengarui akan keberhasilan terhadap produksi

minyak mentah dan kondensat di Indonesia pada tahun 2016. Sementara itu,
produksi minyak dan kondensat pada tahun 2016 sebesar 831.058 barel per hari
mengalami kenaikan sebesar 45.266 barel per hari (5,76%) dibandingkan tahun
590
2015. Salah satu penyebab kenaikan angka produksi ini adalah telah
berproduksinya Lapangan Banyu Urip Blok Cepu dengan rata-rata produksi sebesar
171.106 barel per hari pada tahun 2016.
591
16.1 Latar Belakang
Tahun 2015 menjadi tahun kebimbangan bagi industri migas nasional.
Harga minyak dunia sebagai isu utama yang menunjukkan gejala penurunan di
akhir tahun 2014, berdampak terhadap trend pergerakan harga minyak
Indonesia pada kurun waktu Januari hingga Desember 2015, yang pada
akhirnya berdampak pula terhadap hampir seluruh kegiatan pengusahaan
minyak dan gas bumi di Indonesia. Pada tahun 2015 banyak plan diantaranya
10 terbesar antara lain yaitu plan minyak mentah SLC, Arjuna, Attaka, Cinta,
Duri, Widuri, Belida Senipah Condensate, Anoa dan Arun Condensate. Harga
minyak mentah selama satu tahun berbeda setiap bulannya dan di setiap plan.
Rumusan masalah untuk studi kasus ini antara lain yaitu bagaimana
perkembangan harga minyak mentah di berbagai plan di Indonesia pada tahun
2015?
16.3 Tujuan
1. Mengetahui data statistik harga minyak mentah di tahun 2015
2. Mengetahui perkembangan harga minyak mentah di tahun 2015
16.4 Manfaat
1. Dapat menjadi evaluasi untuk pemerintah dan masing-masing plan
pertambangan minyak
2. Mencari solusi dan cara untuk menstabilkan agar harga minyak tetap
berada di angka normal setiap bulannya dan setiap tahunnya
16.5 Literatur
Studi kasus
Penelitian ingin mengetahui apakah pemberian musik selama belajar dapat
meningkatkan konsentrasi belajar. Ada tiga jenis musik yang ingin diteliti,
yakni musik pop, rock, dan klasik. Tiga kelompok digunakan dalam penelitian
ini, masing-masing kelompok diberi satu jenis musik. Kemudian konsentrasi
belajar ketiga kelompok diukur dan dibandingkan. Jika ada perbedaan
konsentrasi belajar antar kelompok maka dapat disimpulkan jenis musik
berpengaruh terhadap konsentrasi belajar. Jenis musik tersebut kemudian
dibandingkan Identifikasi variabel
592
Variabel independen : pemberian musik
Variabel dependen : konsentrasi belajar
Hipotesis : ada perbedaan konsentrasi belajar ditinjau dari jenis musik

yang diberikan
Teknik analisis: Kruskall-Wallis
Cara analisis di SPSS
Untuk melakukan analisis di SPSS, berikut langkah yang harus dilakukan.
1. Masukan data skor konsentrasi pada kolom pertama
2. Masukan kode identitas jenis musik pada kolom kedua. Kode identitas
harus berupa angka, misal dalam analisis ini saya beri kode 1 untuk
musik pop, 2 untuk musik rock, dan 3 untuk musik klasik.
3. Masuk ke tab variable view, lalu beri nama variabel pertama dengan
nama konsentrasi dan variabel kedua dengan nama musik
Tabel 16.1 Tampilan pada data view spss
(Sumber: https://www.semestapsikometrika.com/)
4. Pada variabel kedua, klik bagian values, lalu beri identitas. Isikan value
dengan angka 1 dan label dengan “pop”, klik add. Masukkan lagi value
dengan angka 2 dan label dengan “rock”, klik add. Lalu masukkan lagi
value dengan angka 3 dan label dengan “klasik”, klik add. Maka kode
kita sudah diterjemahkan.
593
Gambar 16.1 Kotak Dialog Value Labels
5. Mulai analisis dengan klik analyze – nonparametric test – legacy dialog

– k independent samples
6. Masukkan variabel konsentrasi ke test variables dan musik ke grouping
variables
7. Klik define range, lalu tuliskan minimum 1 dan maximum 3
Gambar 16.2 Kotak Dialog Kruskall-Wallis

8. Klik continue lalu OK

Output analisis
Output analisis terbagi atas dua tabel. Tabel pertama berisi rangking,
sedangkan tabel kedua berisi analisis statistik.
Tabel 16.2 Hasil Uji Kruskal Wallis
Rangking
Seperti sudah dijelaskan sebelumnya, Kruskal-wallis mengubah data

interval menjadi bentuk ordinal atau dalam bentuk rangking. Dengan demikian
594
data akan diurutkan terlebih dahulu. Data dengan nilai besar akan mendapat
skor rangking besar. Dari output terlihat bahwa mean rangking kelompok
musik pop memiliki mean rangking 5,50; kelompok musik rock memiliki mean
rangking 6,50; dan kelompok musik klasik memiliki mean rangking 10,10.
Sekilas terlihat ada perbedaan, namun kita tidak bisa menyimpulkan langsung
dari sini, karena bisa jadi perbedaan ini hanya karena sampling eror saja, oleh
karena itu kita harus lihat pada uji signifikansi analisis statistik.
Ananlisis statistik Kruskal-Wallis

Output utama dari analisis Kruskal-Wallis adalah pada tabel kedua. Untuk
menguji hipotesis, kita bisa lihat pada nilai chi-square dan asymp sig. Dari hasil
analisis didapatkan nilai chi-square sebesar 3,24 dengan p>0,05. Patokan untuk
menilai uji statistik adalah sebagai berikut.
· jika sig: p > 0,05 maka tidak ada perbedaan.
· jika sig: p < 0,05 maka ada perbedaan pada taraf sig 5%
· jika sig: p < 0,01 maka ada perbedaan pada taraf sig 1%
Dengan demikian dapat disimpulkan bahwa tidak terdapat perbedaan yang
signifikan konsentrasi antara kelompok musik pop, rock, dan klasik (chi-
square=3,24; p>0,05). Dengan demikian dapat disimpulkan bahwa pemberian
musik tidak berpengaruh terhadap konsentrasi belajar.
Uji Kruskal Wallis untuk Tiga Sampel atau Lebih Independen. Penentuan
penggunaan analisis uji ini adalah dengan melihat kurva sebaran data. Dalam
penelitian ini diketahui bahwa sebaran data adalah tidak normal, maka untuk
mengetahui apakah terdapat perbedaan tingkat kepuasan nasabah dari atribut
individual digunakan analisis uji Kruskal Wallis untuk Tiga Sampel atau Lebih
Independen. Seluruh dimensi atribut individual masing-masing akan dilakukan
pengujian melalui Uji Kruskal Wallis untuk Tiga Sampel atau Lebih
Independen. Dalam penelitian ini ada 2 macam variabel yang mana untuk
variabel independentnya ada 8 faktor yaitu:
a. Variabel bebas (X) adalah (jenis kelamin, pendidikan, pekerjaan, usia,
pendapatan, lama menjadi nasabah, jenis produk jasa yang digunakan dan
595
besaran transaksi).
b. Variabel terikat (Y) adalah kepuasan nasabah.

Berikut adalah kumpulan data dari harga minyak mentah di sepuluh plan
terbesar yang ada di Indonesia selama tahun 2015:
Tabel 16.3 Harga Minyak Mentah
Plan Harga Minyak Mentah
1 45.56
1 54.11
1 54.19
1 59.92
1 62.7
1 59.54
1 51.91
1 43.21
1 42.96
1 42.92
1 41.03
1 34.61
2 44.79
2 53.69
2 52.63
2 55.86
2 60.93
2 58.67
2 50.86
2 41.84
2 42.76
2 43.72
2 41.33
2 35.45
3 47.38
3 56.36
3 55.21
3 58.47
3 63.66
3 61.55
3 53.98
3 44.75
3 45.54
596
4 45.82
4 53.69
4 52.41
4 55.49
4 61.02
4 58.6
4 51.2
4 41.78
4 42.46
4 42.77
4 39.87
4 33.5
5 44.75
5 55.1
5 52.53
5 54.64
5 60.75
5 58.49
5 51.47
5 42.11
5 41.04
5 40.55
5 37.42
5 32.34
6 45.37
6 53.91
6 53.56
6 55.99
6 61.15
6 58.76
6 51.37
6 41.97
6 42.61
6 42.92
6 40.02
6 33.63
7 48.85
7 57.57
7 56.49
7 59.74
7 65.35
7 63.09
7 40.02
7 33.63
597
7 55.38
7 46.04
7 46.84
7 47.83
7 45.43
7 38.81
8 48.09
8 57.33
8 57.41
8 60.17
8 64.86
8 63.23
8 56
8 46.06
8 46.75
8 48.08
8 45.94
8 41.09
9 47.78
9 56.76
9 55.61
9 58.87
9 64.06
9 61.95
9 54.38
9 45.15
9 45.94
9 46.89
9 44.12
9 37.67
10 48.09
10 57.33
10 57.41
10 60.17
10 64.86
10 63.23
10 56
10 46.06
10 46.75
10 48.08
10 45.94
10 41.09
598
Langkah-langkah untuk melakukan uji Kolmogorov Smirnov adalah
sebagai berikut:
a. Input data di atas ke dalam SPSS
b. Klik analyze – non parametric test – K-Independent Sample

c. Maukan variable harga minyak mentah ke dalam kotak test variable
list dan masukan variable plan di kotak grouping variable dan pilih uji
Kruskal Wallis H
d. Klik define groups, masukan rentang nilai variable plan pada kotak
minimum dan maksimum
Gambar 16.4 Kotak Dialog Several Independent Sample Test: Define Range
e. Klik Continue
f. Klik OK
reliabilitas kemudian data tersebut baru di uji dengan Uji Kruskal Wallis.
599
a. Uji Normalitas

sebesar 0,05 sebagai alat ukur untuk menentukan data yang diolah
termasuk kedalam data yang dikatakan normal atau tidak. Jika hasil
signifikansi (Sig.) dari data yang diolah lebih besar dari nilai alpha (α),
maka data tersebut merupakan data yang tidak normal (Sig.< α),
sedangkan jika nilai (Sig.> α) maka data tersebut normal. Dari hasil
diatas menunjukkan bahwa:
a. Variabel Plan SLC memiliki nilai (Sig.> α), maka data tersebut
normal
b. Variabel Plan Arjuna memiliki nilai (Sig.> α), maka data tersebut
normal
c. Variabel Plan Attaka memiliki nilai (Sig.> α), maka data tersebut
normal
d. Variabel Plan Cinta memiliki nilai (Sig.> α), maka data tersebut
normal
e. Variabel Plan Duri memiliki nilai (Sig.> α), maka data tersebut
normal
f. Variabel Plan Widuri memiliki nilai (Sig.> α), maka data tersebut
normal
g. Variabel Plan Belida memiliki nilai (Sig.> α), maka data tersebut
normal
h. Variabel Plan Senipah Condensate memiliki nilai (Sig.> α), maka
600
data tersebut
normal
i. Variabel Plan Anoa memiliki nilai (Sig.> α), maka data tersebut
normal
j. Variabel Plan Arun Condensate memiliki nilai (Sig.> α), maka data
tersebut normal

sebesar 0,05 sebagai alat ukur untuk menentukan data yang diolah
termasuk kedalam data yang dikatakan seragam atau tidak. Jika hasil
signifikansi (Sig.) dari data yang diolah lebih besar dari nilai alpha (α),
maka data tersebut merupakan data yang tidak seragam (Sig.< α),
sedangkan jika nilai (Sig.> α) maka data tersebut seragam. Dari hasil
diatas menunjukkan bahwa :
a. Variabel Plan memiliki nilai (Sig.> α), maka data tersebut seragam
b. Variabel Harga Minyak Mentah memiliki nilai (Sig.> α), maka data
tersebut seragam
c. Validitas
601
Dalam hal ini terdapat 100 data (N=120) dengan tingkat signifikansi 5%
pada tabel r (0.1509) dengan rumus df = N-2, maka df = 120-2 = 118.
Maka dari hasil uji validitas diatas dapat dijelaskan sebagai berikut :
Plan = 0,460 > r tabel Valid
Harga Minyak Mentah = 0,950 > r tabel Valid
d. Reliabilitas

adalah 0,084 pada 5 of items pernyataan. Nilai tersebut berada di range
0,00 – 0,20 yang artinya bahwa pernyataan tersebut kurang reliabel.
e. Uji Kruskal Wallis
Tabel 16.8 Hasil Pengolahan Uji Kruskal Wallis
602
Penentuan Hipotesis
H0 = Jumlah ekspor kain tenunan berdasarkan komoditi tidak

terdapat persamaan
H1 = Jumlah ekspor kain tenunan berdasarkan komoditi terdapat
persamaan
Daerah Kritis: Jika nilai sig (asymp. sig.) > α, terima H0
Jika nilai sig (asymp. sig.) < α, tolak H0
Uji Statistik
Nilai sig (asymp. sig.) = 0.422
Nilai α = 0.01
Keputusan
sig (2 tailed) > α atau 0.422 > 0.01
maka, terima H0
Kesimpulan
603
Jadi, dengan tingkat signifikasi 1% (0.01) dapat disimpulkan bahwa
plan minyak mentah SLC, Arjuna, Attaka, Cinta, Duri, Widuri, Belida
Senipah Condensate, Anoa dan Arun Condensate tidak terdapat
persamaan.
pengujian terlebih dahulu untuk menguji kolmogorov smirnov 2 independent
sample test nya antara lain yaitu uji normalitas, uji keseragaman data, uji
validitas, uji relibilitas kemudian baru diuji Kruskal Wallis. Hasil dari
pengolahan dan pengujian dari data diatas menunjukan bahwa untuk uji
normalitas dari data tersebut hasilnya normal semua karena dari semua variabel
menunjukan nilai yang dihasilkan oleh pengolahan tersebut di atas dari nilai
alpha (0,05). Pada uji keseragaman pada masing-masing variable pengolahan
data menghasilkan nilai lebih dari nilai alpha (0,05) yang berarti data disetiap
variabel tersebut memiliki keseragaman data. Untuk uji validitas terdapat 120
data (N=120) dengan tingkat signifikansi 5% pada tabel r dengan rumus df = N-
2, maka df = 120-2 = 118 dan hasil dari pengolahan data tersebut menunjukan
nilai yang diperoleh dari masing-masing variabel lebih dari r tabel (0.1509)
yang artinya semua data tersebut valid. Pada pengujian relibilitas sesuai dengan
tabel Reliability Statistic terlihat bahwa nilai Cronbach’s Alpha adalah 0,183
pada 5 of items pernyataan. Bahwa nilai tersebut berada di range 0,00 – 0,20
yang artinya bahwa pernyataan tersebut kurang reliabel. Untuk uji Kruskal
Wallis menunjukan bahwa nilai asymp sig yaitu 0.422, dengan nilai signifikasi
tingkat signifikasi 1% dapat disimpulkan bahwa plan minyak mentah SLC,
Arjuna, Attaka, Cinta, Duri, Widuri, Belida Senipah Condensate, Anoa dan
Arun Condensate tidak terdapat persamaan yang artinya disetiap plan dan setiap
bulannya dalam setahun harga minyak mentah selalu berbeda tergantung dari
kondisi faktor-faktor yang mempengaruhi harga minyak mentah itu sendiri.
604
16.11 Kesimpulan
yang didapat setelah di uji normalitas, keseragaman data, validitas dan uji
kruskal wallis telah normal, seragam dan valid. Tetapi tidak untuk uji
reliabilitas, hasil dari pengolahan data tersebut menunjukan bahwa data tersebut
tidak atau kurang reliabel.
Dapat disimpulkan bahwa harga minyak mentah dari sepuluh plan minyak
mentah yang ada di Indonesia sangat berbeda disetiap bulannya pada tahun 2015
meskipun perbedaannya tidak signifikan. Untuk mengatasi harga minyak
mentah yang melonjak tinggi pemerintah seharusnya sudah menyiapkan
skenario untuk menghadapi segala macam kondisi perdagangan minyak mentah
di Indonesia maupun dunia sendiri. Banyak faktor yang mempengaruhi harga
minyak mentah antara lain di Indonesia sendiri, harga minyak dalam negeri juga
dipengaruhi oleh harga minyak mentah dunia. Seiring dengan dicabutnya
subsidi bahan bakar minyak oleh pemerintah secara bertahap, harga minyak
semakin melambung tinggi. Tingkat penawaran dan permintaan juga turut
menentukan naik turunnya harga bahan bakar minyak dalam negeri. Di saat
terjadi kelangkaan, di mana kuota atau pasokan minyak dibatasi, maka
terjadilah kenaikan harga bahan bakar minyak. Sebaliknya, di saat produksi
minyak melimpah dan pasokan ke pom-pom bensin begitu lancarnya, tanpa
diiringi dengan meningkatnya permintaan, maka harga cenderung mengalami
penurunan.
605
BAB XVII
STATISTIKA NON PARAMETRIK UJI MEDIAN
17.1 Latar Belakang
Seorang Mahasiswa hendak melakukan penelitian kapasitas terpasang

pembangkit listrik di Indonesia berdasarkan 45 data dari 9 provinsi yang ada di
Indonesia. Penelitian tersebut mengambil data pengamatan pada tahun 2012-2017.
Tentukan data statistic dan analisis yang dilakukan oleh mahasiswa tersebut.

berikut:
1. Bagaimana cara menentukan uji median pada studi kasus tersebut?

data dari studi kasus yang ada
17.3 Tujuan
Mendapatkan data dari Badan Pusat Statistik mengenai penelitian kapasitas

terpasang pembangkit listrik di Indonesia pada tahun 2012 hingga 2017.
17.4 Manfaat
2. Memberikan informasi mengenai penelitian kapasitas terpasang pembangkit

listrik di Indonesia dari tahun ke tahun
3. Memperoleh penjelasan mengenai penelitian kapasitas terpasang

pembangkit listrik di Indonesia dari tahun ke tahun
17.5 Literatur
Uji median merupakan suatu prosedur untuk menguji apakah dua sampel
independen berbeda mediannya. Maksudnya, uji median ini memberikan kita
informasi tentang mungkin atau tidaknya dua sampel independen telah ditarik dari
606
populasi yang memiliki median yang sama. Kedua sampel acak yang diambil dapat
memiliki besar sampel yang berbeda.
Asumsi-asumsi yang dibutuhkan (Conover, 1980)
 Masing-masing sampel adalah sampel acak.
 Masing-masing sampel saling independen ; X1, X2, …, Xn dan Y1, Y2,

…, Ym.
 Skala pengukuran data yang digunakan minimal ordinal.
 Variable yang diamati kontinu.
Hipotesis yang diuji
Ho: Dua populasi memiliki median sama.
M1 = M2
H1: Dua populasi memiliki median berbeda.
M1 ≠ M2 M1 < M2 M1 > M2
Langkah prosedur uji Median
 Menentukan Median Gabungan (Grand Median) dari kedua sampel.
 Menyusun data pada table kontingensi 2 x 2
607
608
Kaidah Pengambilan Keputusan
Nilai Thitung dibandingkan dengan T yang terdapat di Tabel Kai-Kuadrat dengan

derajat bebas 1. Jika nilai Thitung > Ttabel maka H0 ditolak dan H1 dapat diterima.
609
Uji median digunakan untuk menguji apakah dua atau lebih kelompok
(sampel) independen berbeda dalam nilai tengahnya, dengan kata lain apakah dua
atau lebih sampel independen berasal dari suatu populasi yang mempunyai median
yang sama atau berasal dari populasi yang sama. Data yang digunakan sekurang-
kurangnya berskala ordinal.
Uji median untuk dua sampel independen.
H0 adalah kedua sampel berasal dari populasi-populasi bermedian sama. H1 adalah

median kedua populasi berbeda (uji dua sisi) atau median satu populasi lebih besar
daripada median populasi yang lain (uji satu sisi). Jika H0 benar, kira-kira separuh
skor masing-masing kelompok ada di atas median gabungan dan separuh lainnya
ada di bawahnya.
Tahapan:
 Tentukan median gabungan yaitu median untuk semua skor dalam kedua
sampel.
 Pisahkan skor masing-masing kelompok berdasarkan median gabungan,

dan masukan frekuensi-frekuensi
 Jika ada skor yang mempunyai nilai sama dengan median gabungan, peneliti
mempunyai dua pilihan solusi: Pertama, jika kasus yang nilainya sama
dengan median gabungan sedikit dan n gabungan besar maka nilai tersebut
bisa tidak digunakan dalam analisis. Kedua, kasus yang nilainya sama
dengan median gabungan dapat dibagi dua menjadi skor-skor di atas median
dan skor-skor di bawah median.
 jika n ≤ 20 gunakan uji Fisher exact (tabel Fisher kenyataannya hanya untuk
n ≤ 15), uji Fisher akan dibahas pada sesi tulisan yang lain. Jika n > 20
gunakan uji Chi-square dengan koreksi kontinyuitas seperti dibawah ini
(jika frekuensi harapannya ada yang kurang dari 5, maka gunakan uji Fisher)
610
Berikut adalah kumpulan data hasil dari kapasitas terpasang pembangkit

listrik di Indonesia pada tahun 2012 hingga 2017
Tabel 17.1 Kumpulan data kapasitas terpasang pembangkit listrik di Indonesia

Provinsi Tahun Kapasitas Terpasang N_Total

Pembangkit Listrik
1 2012 124,79 2137,79
1 2013 124,79 2138,79
1 2014 121,21 2136,21
1 2015 121,12 2137,12
1 2017 124,38 2142,38
2 2012 1448,49 3462,49
2 2013 1448,00 3463,00
2 2014 1348,00 3364,00
2 2015 1359,54 3376,54
2 2017 6095,82 8114,82
3 2012 5168,49 7183,49
3 2013 5153,86 7169,86
3 2014 5154,85 7171,85
3 2015 5155,26 7173,26
3 2017 7096,65 9116,65
4 2012 4013,05 6029,05
4 2013 3998,74 6015,74
4 2014 4076,66 6094,66
4 2015 4077,90 6096,90
4 2017 7272,16 9293,16
5 2012 11595,42 13612,42
5 2013 11547,76 13565,76
5 2014 14668,05 16687,05
5 2015 13504,40 15524,40
5 2017 8119,50 10141,50
6 2012 453,87 2471,87
6 2013 454,02 2473,02
6 2014 441,89 2461,89
611
Tabel 17.2 Kumpulan data kapasitas terpasang pembangkit listrik di Indonesia
Provinsi Tahun Kapasitas Terpasang N_Total

Pembangkit Listrik
6 2015 1017,19 3038,19
6 2017 911,39 2934,39
7 2012 11323,54 13342,54
7 2013 11703,54 13723,54
7 2014 12873,34 14894,34
7 2015 12873,34 14895,34
7 2017 7443,90 9467,90
8 2012 172,70 2192,70
8 2013 170,04 2191,04
8 2014 445,39 2467,39
8 2015 393,80 2416,80
8 2017 418,49 2443,49
9 2012 158,69 2179,69
9 2013 160,54 2182,54
9 2014 272,80 2295,80
9 2015 297,25 2321,25
9 2017 302,69 2328,69
Langkah-langkah dalam melakukan uji Median adalah sebagai berikut:
b. Klik Analyze – Non Parametric Test – K-Independet Sample
Gambar 17.1 Kotak Dialog Tests for Several Independent Samples
612
c. Masukkan variable kapasitas terpasang pembangkit listrik ke dalam kotak test
variabel list. Masukkan variabel provinsi pada kotak grouping variable dan pilih
uji Median.
d. Klik difine range, masukkan rentang nilai variabel provinsi pada kotak
minimum dan maximum
Gambar 17.2 Kotak Dialog Tests for Several Independent Samples: Difine Range
e. Klik Continue
f. Klik OK
yaitu mulai dari uji normalitas, uji keseragaman data, validitas dan reliabilitas
kemudian data tersebut baru di uji dengan Uji Median.
613
A. Uji Normalitas
Tabel 17.3 Hasil Pengolahan Uji Normalitas kapasitas terpasang pembangkit

listrik di Indonesia pada tahun 2012 hingga 2017
Tests of Normality
Provinsi Kolmogorov-Smirnova Shapiro-Wilk
Kapasitas_Terpasang_ Lampung ,321 5 ,102 ,741 5 ,025

Pembangkit_Listrik DKI Jakarta ,464 5 ,122 ,572 5 ,000
Jawa Tengah ,468 5 ,092 ,557 5 ,000
Jawa Barat ,463 5 ,082 ,575 5 ,000
Jawa Timur ,246 5 ,200* ,941 5 ,671
Bali ,361 5 ,068 ,751 5 ,031
Banten ,314 5 ,119 ,794 5 ,073
Nusa Tenggara Barat ,305 5 ,145 ,782 5 ,058

Nusa Tenggara Timur ,282 5 ,200* ,782 5 ,057

a. Variabel Kapasitas Terpasang Pembangkit Listrik untuk provinsi Lampung

b. Variabel Kapasitas Terpasang Pembangkit Listrik untuk provinsi DKI Jakarta
c. Variabel Kapasitas Terpasang Pembangkit Listrik untuk provinsi Jawa Tengah
d. Variabel Kapasitas Terpasang Pembangkit Listrik untuk provinsi Jawa Barat
614
e. Variabel Kapasitas Terpasang Pembangkit Listrik untuk provinsi Jawa Timur
f. Variabel Kapasitas Terpasang Pembangkit Listrik untuk provinsi Bali memiliki
g. Variabel Kapasitas Terpasang Pembangkit Listrik untuk provinsi Banten
h. Variabel Kapasitas Terpasang Pembangkit Listrik untuk provinsi Nusa
Tenggara Barat memiliki nilai (Sig.> α), maka data tersebut normal
i. Variabel Kapasitas Terpasang Pembangkit Listrik untuk provinsi Nusa
Tenggara Timur memiliki nilai (Sig.> α), maka data tersebut normal
B. Keseragaman Data
Tabel 17.4 Hasil Pengolahan Uji Keseragaman Data kapasitas terpasang

pembangkit listrik di Indonesia pada tahun 2012 hingga 2017

Kapasitas_Terpasang_ Based on Mean 3,161 8 36 ,088

Pembangkit_Listrik Based on Median 1,379 8 36 ,239

adjusted df
 Variabel Kapasitas Terpasang Pembangkit Listrik memiliki nilai (Sig.> α),

maka data tersebut seragam
C. Uji Validitas
615
Tabel 17.5 Hasil Pengolahan Uji Validitas kapasitas terpasang pembangkit listrik
di Indonesia pada tahun 2012 hingga 2017
Correlations
Kapasitas_Terpa
sang_Pembangk
Provinsi Tahun it_Listrik N_Total
Provinsi Pearson Correlation 1 ,000 ,017 ,089
Sig. (2-tailed) 1,000 ,914 ,911

N 45 45 45 45
Tahun Pearson Correlation ,000 1 ,032 ,124
Sig. (2-tailed) 1,000 ,834 ,832
N 45 45 45 45
Kapasitas_Terpasang_Pemb Pearson Correlation ,017 ,032 1 1,000**
angkit_Listrik Sig. (2-tailed) ,914 ,834 ,000
N 45 45 45 45
N_Total Pearson Correlation ,017 ,033 1,000** 1
Sig. (2-tailed) ,911 ,832 ,000

N 45 45 45 45
Provinsi = 0,089 > r tabel Valid
Tahun = 0,124 > r tabel Valid
Kapasitas Terpasang Listrik Pembangkit Listrik = 1,000 > r tabel Valid
616
D. Uji Reliabilitas
Tabel 17.6 Hasil Pengolahan Uji Reliabilitas kapasitas terpasang pembangkit listrik di
Indonesia pada tahun 2012 hingga 2017
Cronbach's
Alpha N of Items
,629 2

E. Uji Median
Tabel 17.7 Hasil Pengolahan Uji Median kapasitas terpasang pembangkit listrik di
Indonesia pada tahun 2012 hingga 2017
Frequencies
Provinsi
DKI Jawa Jawa Jawa Nusa Tenggara Nusa Tenggara

Jakarta Tengah Barat Timur Bali Banten Barat Timur
Kapasitas_Terp > Median 1 5 4 5 0 5 0 0

asang_Pemban <= Median 4 0 1 0 5 0 5 5
gkit_Listrik
617
Test Statisticsb
Kapasitas_Terp
asang_Pemban
gkit_Listrik
N 40
Median 4005,8950
Chi-square 33,600a
df 7
Asymp. Sig. ,120
a. 16 cells (100,0%) have

expected frequencies less than
5. The minimum expected cell
frequency is 2,5.
b. Grouping Variable: Provinsi
Penentuan Hipotesis
Hₒ = Jumlah kapasitas terpasang pembangkit listrik berdasarkan provinsi tidak
terdapat persamaan
H₁ = Jumlah kapasitas terpasang pembangkit listrik berdasarkan provinsi terdapat
persamaan
Jika nilai sig (2 tailed)< α, tolak H₁
Uji Statistik
Nilai Asymp. Sig. = 0,120
Nilai α = 0,01
Keputusan
Asymp. Sig. > α atau 0,120 > 0,01
Maka, terima Hₒ
Kesimpulan
Jadi, dengan tingkat signifikasi 1% (0,01) dapat disimpulkan bahwa jumlah
kapasitas terpasang pembangkit listrik berdasarkan provinsi terdapat persamaan.
618
keseragaman data, validitas, reliabilitas dan uji Median menunjukan bahwa data
yang di peroleh dari Badan Pusat Statistik terhadap 45 data kapasitas terpasang
pembangkit listrik di Indonesia pada tahun 2012 hingga 2017 tersebut menunjukan
data tersebut normal karena nilai sig. lebih dari nilai alpha (0,05), data seragam
karena pada pengujian keseragaman data menunjukan hasil nilai sig. lebih dari nilai
alpha (0,05), data valid karena nilai N_Total pada correlation lebih besar dari nilai
r tabel, data reliabel karena terlihat bahwa nilai Cronbach’s Alpha pada 2 of items
pernyataan. Nilai tersebut berada diatas range 0,601 – 0,80 yang artinya bahwa
pernyataan tersebut reliabel. Pada uji Median tersebut menghasilkan bahwa dengan
tingkat signifikansi 1% untuk masing-masing data kapasitas terpasang pembangkit
listrik di Indonesia pada tahun 2012 hingga 2017 menunjukan bahwa hasil uji
Median terdapat persamaan yang dapat diartikan bahwa terima H0 data kapasitas
terpasang pembangkit listrik di Indonesia pada tahun 2012 hingga 2017.
17.11 Kesimpulan
Kesimpulan yang dapat diambil untuk data kapasitas terpasang pembangkit

listrik di Indonesia pada tahun 2012 hingga 2017 yaitu antara lain dari pengolahan
data di atas sudah jelas menunjukan hasil pengolahan data dengan metode uji
Median bahwa data yang di peroleh dari Badan Pusat Statistik.
619
17.1 Latar Belakang
Seorang mahasiswa hendak melakukan penelitian terhadap konsumsi akhir

energi menurut sumber energi berdasarkan buku Neraca Energi Indonesia 2012 –
2016 yang berisi data statistik energi yang diterbitkan oleh Badan Pusat Statistik.
Neraca Energi Indonesia 2012 – 2016 menyajikan data energi yang mencakup
produksi, konversi dan konsumsi berbagai jenis energi di Indonesia dari tahun 2012
– 2016. Data energi tersebut sangat bermanfaat untuk penaksiran, analisis dan
pembuatan kebijakan pemerintah di bidang energi.
Bagaimana keberhasilan dari penelitian terhadap konsumsi akhir energi

menurut sumber energi berdasarkan buku Neraca Energi Indonesia 2012 – 2016
yang berisi data statistik energi yang diterbitkan oleh Badan Pusat Statistik.
17.3 Tujuan
1. Mendapatkan data statistik energi yang mencakup produksi, konversi dan

konsumsi berbagai jenis energi di Indonesia
2. Mengetahui gambaran umum tentang kegiatan produksi, konversi dan

konsumsi berbagai jenis energi.
17.4 Manfaat
1. Memperkaya visual dan pemahaman terhadap kegiatan produksi, konversi

dan konsumsi berbagai jenis energi..
2. Mengetahui data dan informasi secara berkala mengenai perkembangan

kegiatan produksi, konversi dan konsumsi berbagai jenis energi di Indonesia
17.5 Literatur
620
Data :

Hipotesis :


0,05.

bawah.
621
klik K Independent Samples sehingga akan tampil kotak K
Independent Samples Test.
4. Pindahkan variabel yang akan dianalisia dalam kotak Test Variable
List dan variabel grup pada Grouping Variable. Untuk pengisian
grup klik tombol Define Group masing-masing Group 1 dan Group
2. Setelah pengisisan selesai tekan Continue. Klik kotak Median
pada kotak Test Type untuk menguji Median.
5. Klik Continue, kemudian klik OK sehingga akan muncul output SPSS.
Hasil output SPSS :
Tabel 17.2 Hasil pengolahan data uji Median
Median Test
Test Statisticsa
Penilaian_Kualit
as
N 27
Median 19.00
Exact Sig. .076
a. Grouping Variable: Bank
Pada tabel uji Median di atas dapat diketahui bahwa nilai signifikansi sebesar
0.076 dan nilai sig.alpha sebesar 0,01. Karena nilai signifikansi 0.076 > 0.05 maka
H0 tidak dapat diterima. Sehingga dapat disimpulkan bahwa terdapat perbedaan
622
yang signifikan antara kualitas manajemen antara Bank yang favorit dan tidak
favorit. Bank favorit memiliki kualitas manajemen yang lebih baik dibandingkan
dengan Bank tidak favorit.

nantinya.
normalitas dan uji homogenitas. Metode analisis yang digunakan yaitu analisis K-
Independent Samples Test dengan metode uji Median.
Berikut adalah kumpulan data statistik konsumsi akhir energi menurut sumber
energi berdasarkan buku Neraca Energi Indonesia 2012 – 2016
Tabel 17.3 Data statistik konsumsi akhir energi menurut sumber energi berdasarkan Neraca
Energi Indonesia 2012 – 2016
Sumber energi 2012 2013 2014 2015 2016
1. Batubara 738588 503090 187139 192660 274009

2.Briket dan Kokas 1407 1385 6813 4113 4149
3.BBM berkadar ringan 1345440 1776804 1855981 1247311 1291338
4.BBM berkadar berat 1285714 1073407 902051 919298 944549
5.Hasil olahan minyak
180348 128937 18562 36304 39521
lainnya
6.LPG dan Gas Kilang 191943 153568 192066 455957 278146
7.Gas alam 380497 286503 73384 292619 487527
8.Listrik 670508 709075 609058 765964 846544
9.Energi Biomassa
486991 506233 591046 629434 595625
primer
623
Langkah-langkah dalam melakukan uji K-Independent Sample Test adalah

sebagai berikut:
b. Klik Analyze → Non Parametric Test → K- Independent Sample

c. Masukan variabel Konsumsi_Akhir_Energi ke dalam kotak test variable list,

masukkan variabel Sumber_Energi pada kotak Grouping Variable dan pilih Uji
Median
d. Klik define groups, masukkan rentang nilai variabel Sumber_Energi pada kotak
minimum dan maximum

624
e. Klik Continue
f. Klik OK
reliabilitas kemudian data tersebut baru di uji dengan uji Median.
A. Uji Normalitas
Tabel 17.4 Hasil Pengolahan Uji Normalitas konsumsi akhir energi menurut sumber energi 2012-
2016
Tests of Normality
Sumber_Energi Statistic df Sig. Statistic df Sig.
Konsumsi_Akhir_En Batubara .270 5 .200* .857 5 .219

ergi
Briket dan Kokas .230 5 .200* .885 5 .332
BBM berkadar ringan .307 5 .138 .814 5 .104
BBM berkadar berat .292 5 .190 .828 5 .135
Hasil olahan minyak

.321 5 .101 .853 5 .203
lainnya
LPG dan Gas Kilang .296 5 .176 .832 5 .143
Gas alam .254 5 .200* .953 5 .758
Listrik .149 5 .200* .991 5 .984
Energi Biomassa
.282 5 .200* .886 5 .336
primer
*. This is a lower bound of the true

significance.
625
menunjukkan bahwa:
a. Variabel Batubara memiliki nilai (Sig.> α), maka data tersebut normal
b. Variabel Briket dan Kokas memiliki nilai (Sig.> α), maka data tersebut normal
c. Variabel BBM berkadar ringan memiliki nilai (Sig.> α), maka data tersebut
normal
d. Variabel BBM berkadar berat memiliki nilai (Sig.> α), maka data tersebut
normal
e. Variabel Hasil olahan minyak lainnya memiliki nilai (Sig.> α), maka data
tersebut normal
f. Variabel LPG dan Gas Kilang memiliki nilai (Sig.> α), maka data tersebut
normal
g. Variabel Gas alam memiliki nilai (Sig.> α), maka data tersebut normal
h. Variabel Listrik memiliki nilai (Sig.> α), maka data tersebut normal
i. Variabel Energi Biomassa primer memiliki nilai (Sig.> α), maka data tersebut
normal

Tabel 17.5 Hasil Pengolahan Uji Keseragaman Data konsumsi akhir energi menurut sumber energi
2012-2016
Konsumsi_Akhir_Energi Based on Mean 6.572 8 36 .200

1.439 8 16.174 .254
adjusted df
Analisis uji keseragaman dilakukan dengan melakukan nilai alpha (α) sebesar
626
diolah lebih besar dari nilai alpha (α), maka data tersebut merupakan data yang tidak
Variabel Konsumsi akhir energi memiliki nilai (Sig.> α), maka data tersebut
seragam.
C. Uji Validitas
Tabel 17.6 Hasil Pengolahan Uji Validitas konsumsi akhir energi menurut sumber energi 2012-
2016
Correlations
Konsumsi_Akhir
Sumber_Energi _Energi
Sumber_Energi Pearson Correlation 1 -.026
N 45 45
Konsumsi_Akhir_Energi Pearson Correlation -.026 1
N 45 45
Sumber_Energi= 0,865 > r tabel Valid
Konsumsi akhir = 0,865 > r tabel Valid
D. Uji Reliabilitas
Tabel 17.7 Hasil Pengolahan Uji Reliabilitas konsumsi akhir energi menurut sumber energi 2012-
2016
627
Cronbach's
Alphaa N of Items
5.664 2

adalah 5,664 pada 2 of items pernyataan. Nilai tersebut berada diatas range 5,664
> 0,80 yang artinya bahwa pernyataan tersebut reliabel.
E. Uji Median
Tabel 17.8 Hasil Pengolahan Uji Median konsumsi akhir energi menurut sumber energi 2012-2016
Median Test
Test Statisticsb
Konsumsi_Akhir
_Energi
N 40
Median 487259.00
Chi-Square 33.600a
df 7
Asymp. Sig. .215
Untuk mengetahui hasil uji Median dilakukan melalui beberapa tahap, yaitu
H0 : tidak terdapat perbedaan yang signifikan pada konsumsi akhir energi

menurut sumber energi 2012-2016
H1 : terdapat perbedaan yang signifikan pada konsumsi akhir energi menurut

sumber energi 2012-2016
628
3. Daerah kritis :
Jika sig. (2 tailed) < α, maka terima H0 dan tolak H1
4. Uji statistik :
8. Keputusan :
6. Kesimpulan :

perbedaan yang signifikan pada konsumsi akhir energi menurut sumber energi
2012-2016
keseragaman data, validitas, reliabilitas dan uji Median menunjukan bahwa data
yang di peroleh dari data statistik konsumsi akhir energi menurut sumber energi
berdasarkan buku Neraca Energi Indonesia 2012 – 2016 tersebut menunjukan data
tersebut normal karena nilai sig. lebih dari nilai alpha (0,01), data seragam karena
pada pengujian keseragaman data menunjukan hasil nilai sig. lebih dari nilai alpha
(0,01), data valid karena nilai N_Total pada correlation lebih besar dari nilai r tabel,
data reliabel karena terlihat bahwa nilai Cronbach’s Alpha pada 2 of items
pernyataan nilai tersebut berada diatas range 5,644 – 0,80 yang artinya bahwa
pernyataan tersebut reliabel. Pada uji Median tersebut menghasilkan bahwa dengan
tingkat signifikansi 1% menunjukan bahwa hasil uji Median lebih dari nilai alpha
(0,01) yang dapat diartikan tolak H0 bahwa terdapat perbedaan yang signifikan
pada konsumsi akhir energi menurut sumber energi 2012-2016.
629
17.11 Kesimpulan
signifikan pada konsumsi akhir energi menurut sumber energi 2012-2016
Banyak faktor yang dapat mempengarui konsumsi akhir energi. Jika dilihat dari
jenis penggunaan, bahan bakar minyak masih yang mendominasi dalam pemenuhan
energi nasional, ini dikarenakan teknologi yang digunakan berbasis bahan bakar
minyak masih yang paling banyak digunakan terutama pada sektor industri. Dalam
pemanfaatannya, bahan bakar minyak masih dinilai cukup efisien dan mudah
digunakan. Teknologi berbasis bahan bakar minyak berkembang pesat dan
mendominasi pada hampir disetiap sektor.
630
17.1 Latar Belakang
Konsumsi energi di D.I.Yogyakarta terus meningkat setiap tahunnya.
Peningkatan ini tentu menyebabkan eksternalitas negatif terhadap kualitas
lingkungan. Seperti diketahui sebelumnya energi listrik yang dikonsumsi tersebut
dominan berasal dari bahan bakar fosil, sehingga dapat meningkatkan intensitas
emisi gas rumah kaca dan memperburuk kualitas lingkungan. Daya yang
terpasang, daya yang dibangkitkan dan daya yang dijual terhadap masyakarat
D.I.Yogyakarta dari tahun 1997 sampai dengan tahun 2016 mengalami kenaikan
disetiap tahunnya.
Rumusan masalah dari latar belakang tersebut antara lain apakah dengan
melonjaknya daya yang dikonsumsi oleh masyarakat D.I.Yogyakarta tersebut
dapat berdampak langsung dengan lingkungan sekitar?
17.3 Tujuan
1. Mencari data kenaikan terhadap penggunaan daya di D.I.Yogyakarta
2. Menjadi tolak ukur dalam pembenahan tata energi di D.I.Yogyakarta
17.4 Manfaat
1. Untuk menjadi evaluasi pemerintah D.I.Yogyakarta dalam menangani
konsumsi energi yang berlebih
2. Menjadikan D.I.Yogyakarta sebagai daerah yang hemat energi dan ramah
lingkungan
3. Menyadarkan masyarakat bahwa harus menjaga lingkungan dan hemat dalam
penggunaan daya listrik
17.5 Literatur
Studi Kasus:
Tiga kelas mata kuliah statistika diberikan oleh tiga dosen. Nilai akhirnya
tercatat sebagai berikut:
Tabel 17.1 data nilai mata kuliah statistika
Dosen Dosen Dosen
A B C
85 81 79
75 84 90
69 77 86
78 67 68
72 70 69
83 85 82
94 88 75
631
76 97 89
89 76 78
80 75 87
(Sumber:
https://www.academia.edu/31769251/Statistik_NonParametrik_Menggunakan_Bantuan_Apli
kasi_SPSS_)
Dari kasus di atas akan dianalisis perbedaan nilai yang diberikan ketiga dosen
berdasarkan nilaimedian dan untuk mengetahui rekapitulasi nilai yang berada
dibawah atau sama dengan nilai mediandan nilai yangberada di atas nilai
median. Adapun langkah-langkah untuk menguji kasus di atasmenggunakan
metode uji median dengan bantuan SPSS sebagai berikut:
1) Sebelum melakukan input data, terlebih dahulu dirumuskan hipotesispenelitian
sebagai berikut:
H0 :Tidak terdapat perbedaan nilai mata kuliah statistik yang diberikan oleh
ketiga dosen.
Ha :Terdapat perbedaan nilai mata kuliah statistik yang diberikan oleh ketiga
dosen.
2) Langkah selanjutnya buka program SPSS dan kemudian pada Variable View
isikan data seperti berikut:
Tabel 17.2 langkah pengisian di kotak variable view
(Sumber:
kasi_SPSS_)
632
Gambar 17.1 Kotak dialog Variable View
(Sumber:
kasi_SPSS_)
3) Klik Data View dan inputkan data hasil penelitian, kemudian klik menu
Analyze
→Nonparametric Tests→Legacy Dialogs(SPSS 20 dst)→ K Independent
Samples
Gambar 17.2 Kotak dialog Data View

(Sumber:
kasi_SPSS_)
4) Pada kotak dialog Tests for Several Independent Samples, pindahkan variable
“Dosen” ke kotak Grouping Variable kemudian klik Define Range dan pada
kotak dialog Several IndependentSamples: Define Range ketikkan 1 pada
Minimum dan 3 pada Maximum kemudian klik Continue
633
Gambar 17.3 Kotak dialog Test for Several Independent Samples
(Sumber:
kasi_SPSS_)
Gambar 17.4 Kotak dialog Test for Several Independent Samples: Range for Grouping
Variable
(Sumber:
kasi_SPSS_)
5) Langkah selanjutnya pindahkan variabel “Nilai Mata Kuliah Statistik” ke kotak

Test Variable List dan pada kolom Test Type hilangkan tanda centang pada
Kruskal-Wallis H dan berilah tandacentang pada Median
kemudian klik Options
6) Pada kotak dialog Several Independent Samples: Options di kolom Statistics
berilah tanda centang pada Descriptiv dan klik Continue. Pada kolom Missi
634
Values biarkan tercentangsecara default pada Exclude cases test-by-test.
Catatan:
Apabila ingin mengetahui nilai kuartil dari data hasil penelitian yang telah
dikumpulkan maka berilah tanda centang juga pada Quartiles
7) Kemudian klik Continue untuk kembali ke kotak dialog sebelumnya,
selanjutnya klik menu Exact... yang berada di sebelah atas menu Options... dan
pada kotak dialog Exact Tests pastikan Asymptotic only yang terpilih/terceklist
karena sampel yang digunakan sedikit.Namun, apabila sampel yang digunakan
besar/banyak maka pilihlah Monte Carlo dengan taraf signifikansi sebesar99%
dan kalkulasi besaran sampel sebanyak 10000 (pengaturan default) dannilai ini
dapat diubah sesuai dengan keperluan penelitian. Adapun nilai Exact akan
muncul secara otomatis pada output SPSS apabila data yang diambil dalam
penelitian tidak memenuhi asumsi nilai Monte Carlo
8) Langkah terakhir adalah klik Continue dan dilanjutkan klik OK, sehingga SPSS
akan menampilkan output sebagai berikut:
Tabel 17.3 Hasil uji median
(Sumber:
kasi_SPSS_)
Tabel Descriptive Statistic di atas menampilkan deskripsi data penelitian,
yaitu:
Variabel Nilai Mata Kuliah Statistik
a. N merupakan jumlah sampel penelitian yang diambil yaitu sebanyak 30
responden.
b. Mean merupakan nilai rata-rata nilai mata kuliah statistik secara keseluruhan
yaitu 80,13.
c. Std. Deviation merupakan nilai deviasi standar yakni sebesar 7,921.
d. Minimum merupakan nilai mata kuliah statistik terendah yakni 67.
e. Maximum merupakan nilai mata kuliah statistik tertinggi yakni 97.
635
Variabel Dosen
- N merupakan jumlah sampel penelitian yang diambil yaitu sebanyak 30
responden.
- Mean merupakan nilai rata-rata dari tiga kategori karena berskala nominal nilai
ini dapat diabaikan.
- Std. Deviation merupakan nilai deviasi standar dan karena variabel berskala
nominal nilai ini dapat diabaikan.
- Minimum merupakan nilai untuk kategori 1 yakni dosen A.
- Maximum merupakan nilaiuntuk kategori 3 yakni dosen C.
Tabel 17.4 Hasil Uji Frequencies
(Sumber:
kasi_SPSS_)
Tabel Frequencies di atas menginformasikan bahwa:
Dosen A
- Nilai mata kuliah yang berada di atas nilai median adalah sebanyak 5
mahasiswa.
- Nilai mata kuliah yang berada di bawah atau sama dengan nilai median adalah
sebanyak 5 mahasiswa.
Dosen B
mahasiswa.
Dosen C
mahasiswa.
636
Tabel 17.5 Test Statistics
(Sumber:
kasi_SPSS_)
Tabel Test Statistics di atas dapat diambil informasi sebagai berikut:
- N merupakan jumlahsampel penelitian yang diambil sebanyak 30 responden.
- Median merupakan nilai median (nilai tengah yang membagi data menjadi
sama besar setelahdata diurutkan) dari nilai mata kuliah statistik secara
keseluruhan diperoleh sebesar 79,50.
- Chi-Square merupakannilai chi-square hitung diperoleh sebesar 0,000.
- Df merupakan nilai degree of freedom diperoleh dari jumlah kategori
dikurangi 1 atau 3
- Nilai Asymp. Sig. diperoleh sebesar 1,000
- Selanjutnya melakukan uji hipotesis yang telah dirumuskan
sebelumnyadengan ketentuan sebagai berikut:
• Apabila nilai Asymp. Sig.> α (0,05), maka H0 diterima dan Ha ditolak
• Apabila nilai Asymp. Sig.< α (0,05), maka H0 ditolak dan Ha diterima
Dari table diperoleh nilai Asymp. Sig. sebesar 1,000 >α (0,05), maka H0
diterima dan Ha ditolak, sehingga dari hipotesis yang telah dirumuskan dapat
disimpulkan bahwa “tidak terdapat perbedaan nilai mata kuliah statistik yang
diberikan oleh ketiga dosen”.
Uji median digunakan untuk menguji apakah dua atau lebih kelompok
(sampel) independen berbeda dalam nilai tengahnya, dengan kata lain apakah dua
atau lebih sampel independen berasal dari suatu populasi yang mempunyai median
637
yang sama atau berasal dari populasi yang sama. Data yang digunakan sekurang-
kurangnya berskala ordinal.
Uji median untuk dua sampel independen.H0 adalah kedua sampel berasal dari
populasi-populasi bermedian sama. H1 adalah median kedua populasi berbeda (uji
dua sisi) atau median satu populasi lebih besar daripada median populasi yang lain
(uji satu sisi). Jika H0 benar, kira-kira separuh skor masing-masing kelompok ada
di atas median gabungan dan separuh lainnya ada di bawahnya.
Tentukan median gabungan yaitu median untuk semua skor dalam kedua sampel.
pisahkan skor masing-masing kelompok berdasarkan median gabungan, dan
masukan frekuensi-frekuensi yang diperoleh dalam tabel seperti di bawah ini.
Tabel 17.6 Frekuensi skor
(Sumber: https://digensia.wordpress.com/)
Jika ada skor yang mempunyai nilai sama dengan median gabungan, peneliti
mempunyai dua pilihan solusi: Pertama, jika kasus yang nilainya sama dengan
median gabungan sedikit dan n gabungan besar maka nilai tersebut bisa tidak
digunakan dalam analisis. Kedua, kasus yang nilainya sama dengan median
gabungan dapat dibagi dua menjadi skor-skor di atas median dan skor-skor di
bawah median.
Jika n ≤ 20 gunakan uji Fisher exact (tabel Fisher kenyataannya hanya untuk
n ≤ 15), uji Fisher akan dibahas pada sesi tulisan yang lain. Jika n > 20 gunakan uji
Chi-square dengan koreksi kontinyuitas seperti dibawah ini (jika frekuensi
harapannya ada yang kurang dari 5, maka gunakan uji Fisher):
Statistik uji chi-square:
638
jika p-value ≤ α atau nilai maka keputusannya adalah tolak
H0. untuk sampel besar bisa juga digunakan dengan pendekatan normal dengan
statistik uji sebagai berikut:

Berikut adalah kumpulan data daya yang terpasang, daya yang dibangkitkan
dan daya yang dijual untuk masyarakat D.I.Yogyakarta dari tahun 1997 sampai
dengan tahun 2016:
Tabel 17.7 Daya yang dikonsumsi di DIY
Listrik Nilai dari Tahun 1997 sampai 2016
1 468913
1 514120
1 541813
1 557577
1 575433
1 593833
1 613638
1 635410
1 667009
1 690585
1 770293
1 792516
1 851527
1 891816
1 935821
1 972327
1 1033966
1 1083074
2 418229727
2 465483969
639
2 463862291
2 494792134
2 541375375
2 582153103
2 615934569
2 653096369
2 697724494
2 744623087
2 765032624
2 837431019
2 882479013
2 924868363
2 1051020972
2 1130965316
2 1234927074
2 1320489674
2 1558866374
2 1577416544
3 733519590
3 815063913
3 819316514
3 895171833
3 1023449266
3 1047618723
3 1229568187
3 1292662049
3 1389182171
3 1480699686
3 1485776409
3 1866766573
3 2018312691
3 2210053065
3 2391821388
3 2551650008
3 2655966471
3 2893788882
4 656537261
4 744668399
4 755260372
4 862185757
4 945488646
4 966509300
4 1098609062
4 1130827845
4 1244409538
640
4 1343319722
4 1355586720
4 1481575542
4 1578453018
4 1705941418
4 1869768571
4 2043752015
4 2046220185
4 2369612713
4 2484153383
4 2698238827
(Sumber; Olah Data 2020)

Analisis uji median dapat dilakukan dengan langkah-langkah sebagai berikut:

1. Input data di atas ke dalam SPSS
2. Klik Analyze → Non Parametric Test → K- Independent Sample
Gambar 17.5 Kotak Dialog Test for Several Independent Samples

3. Masukkan variabel kepuasan ke dalam kotak test variable list, masukkan
variabel produk pada kotak Grouping Variable dan pilih Uji Median
4. Klik define range, masukkan rentang nilai variabel produk pada kotak
minimum dan maximum
Gambar 17.6 Kotak Dialog Test for Several Independent Samples: Range for Grouping
641
Variable
5. Klik Continue
6. Klik OK
reliabilitas kemudian data tersebut baru di uji dengan Uji Median.
a. Uji Normalitas

data yang dikatakan normal atau tidak. Jika hasil signifikansi (Sig.) dari data
yang diolah lebih besar dari nilai alpha (α), maka data tersebut merupakan data
yang tidak normal (Sig.< α), sedangkan jika nilai (Sig.> α) maka data tersebut
normal. Dari hasil diatas menunjukkan bahwa:
a. Variabel Daya Terpasang memiliki nilai (Sig.> α), maka data tersebut normal
b. Variabel Daya yang Dibangkitkan memiliki nilai (Sig.> α), maka data tersebut
normal
c. Variabel Daya yang Terjual memiliki nilai (Sig.> α), maka data tersebut normal

642
Analisis uji keseragaman data dilakukan dengan melakukan nilai alpha (α)
kedalam data yang dikatakan seragam atau tidak. Jika hasil signifikansi (Sig.)
dari data yang diolah lebih besar dari nilai alpha (α), maka data tersebut
merupakan data yang tidak seragam (Sig.< α), sedangkan jika nilai (Sig.> α)
maka data tersebut seragam. Dari hasil diatas menunjukkan bahwa :
a. Variabel Nilai dari tahun 1997 sampai dengan tahun 2016 memiliki nilai
(Sig.>
α), maka data tersebut seragam
c. Uji Validitas
tabel r (0.2997) dengan rumus df = N-2, maka df = 80-2 = 78. Maka dari hasil
uji validitas diatas dapat dijelaskan sebagai berikut :
Listrik = 0,460 > r tabel
Valid
Nilai dari tahun 1997 sampai dengan tahun 2016= 0,950 > r tabel
Valid
643
d. Uji Reliabilitas

Berdasarkan Reliability Statistic terlihat bahwa nilai Cronbach’s
Alpha adalah 0,084 pada 5 of items pernyataan. Nilai tersebut berada di range
0,801 – 1,00 yang artinya bahwa pernyataan tersebut sangat reliabel.
e. Uji Median
Tabel 17.12 Hasil Frequencies
Tabel 17.13 Hasil Uji Median

Penentuan Hipotesis
H0 = Tingkat konsumsi listrik dari ketiga daya tersebut mempunyai

median
(titik tengah) yang tidak sama
H1 = Tingkat konsumsi listrik dari ketiga daya tersebut mempunyai
median
(titik tengah) yang sama
644
Uji Statistik
Nilai α = 0.01
Keputusan
sig (2 tailed) > α atau 0.037 > 0.01
maka, terima H0
Kesimpulan
Jadi, dengan tingkat signifikasi 1% (0.01) dapat disimpulkan bahwa,
Tingkat konsumsi listrik dari ketiga daya tersebut mempunyai median (titik
tengah) yang tidak sama.
pengujian terlebih dahulu untuk menguji median test nya antara lain yaitu uji
median. Hasil dari pengolahan dan pengujian dari data diatas menunjukan bahwa
untuk uji normalitas dari data tersebut hasilnya normal semua karena dari semua
variabel menunjukan nilai yang dihasilkan oleh pengolahan tersebut di atas dari
nilai alpha (0,05). Pada uji keseragaman pada masing-masing variable pengolahan
data menghasilkan nilai lebih dari nilai alpha (0,05) yang berarti data disetiap
variabel tersebut memiliki keseragaman data. Untuk uji validitas terdapat 80 data
(N=80) dengan tingkat signifikansi 5% pada tabel r dengan rumus df = N-2, maka
df = 80-2 = 78 dan hasil dari pengolahan data tersebut menunjukan nilai yang
diperoleh dari masing-masing variabel lebih dari r tabel (0.2997) yang artinya
semua data tersebut valid. Pada pengujian relibilitas sesuai dengan tabel Reliability
Statistic terlihat bahwa nilai Cronbach’s Alpha adalah 1,005 pada 5 of items
pernyataan. Bahwa nilai tersebut berada di range 0,801 – 1,00 yang artinya bahwa
pernyataan tersebut sangat reliabel. Untuk uji Median menunjukan bahwa nilai
asymp sig yaitu 0.037, dengan nilai signifikasi 1% (0.01) yang artinya sesuai
dengan penentuan hipotesis di atas yaitu dengan tingkat signifikasi 1% dapat
disimpulkan bahwa tingkat konsumsi listrik dari ketiga daya tersebut mempunyai
645
median (titik tengah) yang tidak sama.
17.11 Kesimpulan
yang didapat setelah di uji normalitas, keseragaman data, validitas dan reliabel
telah normal, seragam, valid dan reliabel. Hasil untuk uji median menunjukan
bahwa data tersebut mempunyai median (titik tengah) yang berbeda setiap
variabelnya atau setiap dayanya.
Selanjutnya, untuk segala hasil pengujian yang telah dilakukan dapat
diketahui bahwa konsumi listrik dari ketiga daya (daya yang terpasang, daya yang
dibangkitkan dan daya yang terjual) dari tahun 1997 sampai dengan tahun 2016
peningkatannya sangat signifikan. Peningkatan tersebut dipengaruhi oleh beberapa
factor salah satunya yaitu peningkatan jumlah penduduk di D.I.Yogyakarta dan
peningkatan kebutuhan masyarakat akan listrik yang semakin hari semakin
bertambah.
Dengan hasil yang sudah diperoleh dari pengolahan data tersebut
pemerintah seharusnya mampu untuk mencari solusi agar penambahan daya atau
listrik tersebut tidak berdampak ke lingkungan sekitar. Mungkin dengan adanya
penambahan ruang terbuka hijau yang berisi tanaman dan pohon yang
menghasilkan oksigen di setiap harinya. Dengan begitu dapat mengimbangi output
atau dampak dari pemanfaatan energi listrik disetiap harinya. Selain itu pemerintah
juga harus menghimbau dan bertindak tegas kepada masyarakat D.I.Yogyakarta
agar menghemat energi listrik yang digunakan untuk menciptakan kehidupan yang
lebih baik.
646
BAB XVII
STATISTIKA NON PARAMETRIK TWO RELATED SAMPLE
TEST UJI WILCOXON DAN SIGN
18.1 Latar Belakang
Seorang Mahasiswa hendak melakukan penelitian nilai impor penjualan

kendaraan bermotor menurut negara asal utama berdasarkan 40 data dengan 2
variabel, variabel pertama yaitu nilai impor penjualan kendaraan bermotor pertama
dengan spesifik tahun 2000-2007 dan variabel kedua yaitu nilai impor penjualan
kendaraan bermotor kedua dengan spesifik tahun 2008-2015. Penelitian tersebut
mengambil data pengamatan pada tahun 2000-2015. Tentukan data statistic dan
analisis yang dilakukan oleh mahasiswa tersebut.

berikut:
1. Bagaimana cara menentukan uji willcoxon dan sign pada studi kasus
tersebut?

data dari studi kasus yang ada
18.3 Tujuan
Mendapatkan data dari Badan Pusat Statistik mengenai penelitian nilai impor
penjualan kendaraan bermotor menurut negara asal utama pada tahun 2000 hingga
2015.
18.4 Manfaat
2. Memberikan informasi mengenai penelitian nilai impor penjualan kendaraan

bermotor menurut negara asal utama dari tahun ke tahun
3. Memperoleh penjelasan mengenai penelitian nilai impor penjualan
647
kendaraan bermotor menurut negara asal utama dari tahun ke tahun
18.5 Literatur
Metode Wilcoxon Signed Rank Test digunakan untuk menguji distribusi

variabel laba dan variabel arus kas yang diukur dari populasi yang sama. Pengujian
dilakukan dengan tingkat signifikansi 5%. Uji ini akan menunjukkan apakah
terdapat perbedaan median dua variabel yang diuji. Median yang tidak berbeda
signifikan berarti dua variabel itu tidak mempunyai perbedaan yang signifikan,
sehingga pengungkapan informasi arus kas tidak menambah nilai yang diperoleh
pemakai laporan keuangan. Analisis data dengan menggunakan metode
Wilcoxon Signed Rank Test dilakukan untuk menguji hipotesis berikut:
Ho 2: d0,50 = 0 untuk semua variabel laba dan arus kas

Ha 2: d0,50
≠0
Penggunaan dua uji statistik dalam penelitian ini, yaitu parametrik dan non
parametrik, dimaksudkan untuk mengeliminasi dampak persyaratan distribusi
normal pada data yang digunakan.
Uji statistik untuk membuktikan hipotesis di atas dilakukan dalam dua tahap, yaitu
pertama: menyusun matrik korelasi antar variabel laba dan arus kas. Langkah kedua
adalah menguji data dengan metode Wilcoxon Signed Rank Test yang dilakukan
dengan menguji masing-masing variabel laba dengan masing- masing variabel arus
kas. Variabel laba bersih mempunyai korelasi positif tinggi dengan variabel jumlah
arus kas (0,69), arus kas operasi (0,91), arus kas pendanaan (0,91), dan korelasi
negatif tinggi dengan arus kas investasi (-0,90). Angka-angka korelasi ini
menunjukkan bahwa informasi jumlah-jumlah dalam laporan arus kas mempunyai
kecenderungan yang sama (searah) dengan informasi laba bersih, kecuali informasi
arus kas investasi yang hubungannya kuat tetapi negatif. Variabel laba bruto
mempunyai korelasi tinggi dengan semua jumlah-jumlah arus kas dalam laporan
arus kas. Laba bruto berkorelasi positif dan tinggi dengan jumlah arus kas (0,78),
arus kas operasi (0,84), arus kas pendanaan (0,88), dan berkorelasi negatif tinggi
dengan arus kas investasi (-0,81). Hasfl ini menunjukkan bahwa informasi jumlah-
jumlah dalam laporan arus kas mempunyai kecenderungan yang sama (searah)
648
dengan informasi laba bruto, kecuali informasi arus kas investasi yang
hubungannya kuat, tetapi negatif.
Variabel laba usaha mempunyai korelasi tinggi dengan semua jumlahjumlah dalam
laporan arus kas. Laba usaha berkorelasi positif dan tinggi dengan jumlah arus kas
(0,76), arus kas operasi (0,86), arus kas dari pendanaan (0,94), dan berkorelasi
negatif tinggi dengan arus kas investasi (-0,89). Hasil ini menunjukkan bahwa
informasi jumlah-jumlah dalam laporan arus kas mempunyai kecenderungan yang
sama (searah) dengan informasi laba usaha, kecuali informasi arus kas investasi
yang hubungannya kuat, tetapi negatif. Secara umum terlihat bahwa variabel-
variabel laba berkorelasi secara positif dengan variabel arus kas, kecuali arus kas
dari investasi.
Uji tanda memanfaatkan hanya tanda-tanda ‘plus’dan ‘minus’ yang diperoleh

dari selisih antara nilai pengamatan dan median pembanding, tetapi mengabaikan
besarnya selisih-selisih tersebut. Wilcoxon (1945) memperkenalkan satu prosedur
nonparametrik untuk menguji median yang memanfaatkan baik arah (tanda
‘plus’dan ‘minus’) maupun besar arah itu. Uji ini dikenal dengan istilah uji
peringkat bertanda Wilcoxon (Wilcoxon signed-rank test). Uji ini digunakan untuk
menguji dua kelompok sampel terkait prosedur NonParametrik.
Hipotesis Uji
H0 : D = 0 (Rata-rata sama)
H1 : D ≠ 0 (Rata-rata berbeda sama)
Statistik Uji
Prosedur umum uji peringkat bertanda Wilcoxon adalah sebagai berikut :
1. Hitung selisih nilai data kelompok 1 dengan kelompok 2 dan median untuk
setiap pengamatan, Di = Pre ke i – Post ke i
2. Beri peringkat untuk |Di|. Jika ada nilai yang sama (disebut ties) beri peringkat
tengah (mid-rank).
649
3. Pasangkan tanda ‘plus’ dan ‘minus’ pada peringkat sesuai nilai pada langkah
pertama.
4. Hitunglah : jumlah peringkat bertanda ‘plus’ (T+), dan jumlah peringkat

bertanda ‘minus’ (T-).
Statistik uji yang digunakan untuk masing-masing hipotesis adalah adalah :
T’ = min (T-, T+)
Kaidah Keputusan
Tolak H0 jika T’ < Tn(α/2), dimana Tn(α/2) diperoleh dari Tabel Wilcoxon
Berikut adalah kumpulan data hasil penelitian nilai impor penjualan

kendaraan bermotor menurut negara asal utama pada tahun 2000 hingga 2015.
Tabel 18.1 Kumpulan data penelitian nilai impor penjualan kendaraan bermotor
menurut negara asal utama pada tahun 2000 hingga 2015.
Nilai Impor Penjualan Kendaraan Nilai Impor Penjualan Negara N_Total

Bermotor Pertama Kendaraan Bermotor Kedua
3.4 1000.5 1.0 1004.9
5.4 556.3 1.0 562.70
36.3 1195.5 1.0 1232.8
174.1 1412.8 1.0 1587.90
448.2 2033.1 1.0 2482.30
519.7 1484.0 1.0 2004.7
415.6 1000.7 1.0 1417.30
584.6 444.5 1.0 1030.1
88.8 463.6 2.0 554.4
129.2 344.2 2.0 475.4
86.6 828.9 2.0 917.5
141.4 1208.0 2.0 1351.4
273.1 1574.5 2.0 1849.6
324.8 801.7 2.0 1128.5
271.9 555.7 2.0 829.6
242.1 112.7 2.0 356.8
52.2 60.9 3.0 116.1
35.2 58.5 3.0 96.7
23.6 122.4 3.0 149.0
24.2 171.0 3.0 198.2
46.1 171.5 3.0 220.6
45.0 202.6 3.0 250.6
650
33.2 158.9 3.0 195.10
38.3 59.2 3.0 100.5
57.0 17.3 4.0 78.3
40.4 38.0 4.0 82.4
23.5 48.9 4.0 76.4
23.6 61.5 4.0 89.1
25.4 63.3 4.0 92.70
19.4 204.6 4.0 228.0
8.2 123.4 4.0 135.6
7.4 25.8 4.0 37.2
86.6 196.2 5.0 287.80
100.4 68.8 5.0 174.2
66.7 70.0 5.0 141.7
97.6 293.3 5.0 395.9
62.0 258.7 5.0 325.7
188.3 75.0 5.0 268.3
Tabel 18.2 Kumpulan data penelitian nilai impor penjualan kendaraan bermotor
menurut negara asal utama pada tahun 2000 hingga 2015.

127.3 50.6 5.0 182.9
16.5 13.3 5.0 34.8
Langkah-langkah dalam melakukan uji Median adalah sebagai berikut:
b. Klik Analyze – Non Parametric Test – 2 Related Sample Test
651
Gambar 18.1 Kotak Dialog Two-Related-Samples Tests
c. Blok semua variabel Nilai Impor Penjualan Kendaraan Bermotor Pertama dan
Nilai Impor Penjualan Kendaraan Bermotor Kedua, masukkan ke dalam kotak
test Pairs(s) list, dengan klik tombol panah sehingga muncul variabel Nilai
Impor Penjualan Kendaraan Bermotor Pertama dan Nilai Impor Penjualan
Kendaraan Bermotor Kedua di kotak tersebut. Beri tanda check pada test type
yaitu Wilcoxon dan Sign .
d. Klik OK.
reliabilitas kemudian data tersebut baru di uji dengan Uji Median.
A. Uji Normalitas
Tabel 18.3 Hasil Pengolahan Uji Normalitas nilai impor penjualan kendaraan
bermotor menurut negara asal utama pada tahun 2000 hingga 2015.
652
Tests of Normality
Negara Kolmogorov-Smirnova Shapiro-Wilk
Nilai_Impor_Penjualan_ Thailand ,219 8 ,200* ,859 8 ,118

Kendaraan_Bermotor_ Jepang ,216 8 ,200* ,886 8 ,216
Pertama Jerman ,150 8 ,200* ,947 8 ,679
Korea Selatan ,255 8 ,134 ,902 8 ,303

Amerika Serikat ,193 8 ,200* ,962 8 ,826
Nilai_Impor_Penjualan_ Thailand ,143 8 ,200* ,964 8 ,847
Kendaraan_Bermotor_ Jepang ,173 8 ,200* ,962 8 ,825
Kedua Jerman ,239 8 ,200* ,853 8 ,103
Korea Selatan ,311 8 ,084 ,819 8 ,046
Amerika Serikat ,318 8 ,074 ,854 8 ,103

a. Variabel Nilai Impor Penjualan Kendaraan Bermotor Pertama untuk negara

Thailand, Jepang, Jerman, Korea Selatan, dan Amerika Serikat memiliki nilai
b. Variabel Nilai Impor Penjualan Kendaraan Bermotor Kedua untuk negara
Thailand, Jepang, Jerman, Korea Selatan, dan Amerika Serikat memiliki nilai
653
B. Keseragaman Data
Tabel 18.4 Hasil Pengolahan Uji Keseragaman Data nilai impor penjualan

Nilai_Impor_Penjualan_Kend Based on Mean 41,635 4 35 ,065

araan_Bermotor_Pertama Based on Median 38,799 4 35 ,074
adjusted df
Nilai_Impor_Penjualan_Kend Based on Mean 7,263 4 35 ,131
araan_Bermotor_Kedua Based on Median 6,971 4 35 ,096
adjusted df
 Variabel Nilai Impor Penjualan Kendaraan Bermotor Pertama memiliki

nilai (Sig.> α), maka data tersebut seragam
 Variabel Nilai Impor Penjualan Kendaraan Bermotor Kedua memiliki nilai

(Sig.> α), maka data tersebut seragam
C. Uji Validitas
Tabel 18.5 Hasil Pengolahan Uji Validitas nilai impor penjualan kendaraan
654
Correlations
Nilai_Impor_Pen Nilai_Impor_Penj
jualan_Kendaraa ualan_Kendaraa
n_Bermotor_Per n_Bermotor_Ked
tama ua Negara N_Total
Nilai_Impor_Penjualan_Kend Pearson Correlation 1 ,585** ,509** ,731**

araan_Bermotor_Pertama Sig. (2-tailed) ,000 ,001 ,000
N 40 40 40 40
Nilai_Impor_Penjualan_Kend Pearson Correlation ,585** 1 ,730** ,981**
araan_Bermotor_Kedua Sig. (2-tailed) ,000 ,000 ,000
N 40 40 40 40
Negara Pearson Correlation ,509** ,730** 1 ,735**
Sig. (2-tailed) ,001 ,000 ,000
N 40 40 40 40
N_Total Pearson Correlation ,731** ,981** ,735** 1
Sig. (2-tailed) ,000 ,000 ,000
N 40 40 40 40
Nilai Impor Penjualan Kendaraan Bermotor Pertama

= 0,731 > r tabel Valid
Nilai Impor Penjualan Kendaraan Bermotor Pertama

Negara
655
D. Uji Reliabilitas
Tabel 18.6 Hasil Pengolahan Uji Reliabilitas nilai impor penjualan kendaraan
Cronbach's
Alpha N of Items
,609 2

E. Uji Wilcoxon dan Sign
Tabel 18.7 Hasil Pengolahan Uji Wilcoxon dan Sign nilai impor penjualan
Ranks
N Mean Rank Sum of Ranks
Nilai_Impor_Penjualan_Kend Negative Ranks 8a 11,75 94,00

araan_Bermotor_Kedua - Positive Ranks 32b 22,69 726,00
Nilai_Impor_Penjualan_Kend Ties
0c
araan_Bermotor_Pertama
Total 40
a. Nilai_Impor_Penjualan_Kendaraan_Bermotor_Kedua <
Nilai_Impor_Penjualan_Kendaraan_Bermotor_Pertama
b. Nilai_Impor_Penjualan_Kendaraan_Bermotor_Kedua >
c. Nilai_Impor_Penjualan_Kendaraan_Bermotor_Kedua =
656
Test Statisticsb
Nilai_Impor_Pen
jualan_Kendara
an_Bermotor_K
edua -
Nilai_Impor_Pen
jualan_Kendara
an_Bermotor_P
ertama
Z -4,247a
a. Based on negative ranks.

b. Wilcoxon Signed Ranks Test
Penentuan Hipotesis
Hₒ = nilai impor penjualan kendaraan bermotor menurut 5 negara tersebut tidak
terdapat persamaan
H₁ = nilai impor penjualan kendaraan bermotor menurut 5 negara tersebut terdapat
persamaan
Daerah Kritis: Jika nilai sig (2 tailed) > α, tolak Hₒ
Jika nilai sig (2 tailed)< α, terima Hₒ dan
tolak H₁
Uji Statistik
Nilai Asymp. Sig. (2-tailed) = 0,064
Nilai α = 0,01
Keputusan
Asymp. Sig. (2-tailed) > α atau 0,064 > 0,01
Maka, tolak Hₒ
Kesimpulan
Jadi, dengan tingkat signifikasi 1% (0,01) dapat disimpulkan bahwa nilai
impor penjualan kendaraan bermotor menurut 5 negara tersebut terdapat
persamaan.
657
keseragaman data, validitas, reliabilitas dan uji Wilcoxon dan Sign menunjukan
bahwa data yang di peroleh dari Badan Pusat Statistik terhadap 40 data nilai impor
penjualan kendaraan bermotor menurut negara asal utama pada tahun 2000 hingga
2015. tersebut menunjukan data tersebut normal karena nilai sig. lebih dari nilai
alpha (0,05), data seragam karena pada pengujian keseragaman data menunjukan
hasil nilai sig. lebih dari nilai alpha (0,05), data valid karena nilai N_Total pada
0,601 – 0,80 yang artinya bahwa pernyataan tersebut reliabel. Pada uji Wilcoxon
dan Sign tersebut menghasilkan bahwa dengan tingkat signifikansi 1% untuk
masing-masing data nilai impor penjualan kendaraan bermotor menurut negara asal
utama pada tahun 2000 hingga 2015 menunjukan bahwa hasil uji Wilcoxon dan
Sign terdapat persamaan yang dapat diartikan bahwa tolak H0 nilai impor penjualan
18.11 Kesimpulan
Kesimpulan yang dapat diambil untuk data nilai impor penjualan kendaraan
bermotor menurut negara asal utama pada tahun 2000 hingga 2015. yaitu antara lain
dari pengolahan data di atas sudah jelas menunjukan hasil pengolahan data dengan
metode uji Wilcoxon dan Sign bahwa data yang di peroleh dari Badan Pusat
Statistik.
658
18.1 Latar Belakang
Seorang mahasiswa hendak melakukan penelitian pengaruh kepuasan

pelanggan terhadap penjualan mobil 4x4 Double Cabins pada kuartal 2012-2014
dan kuartal 2015-2017 berdasarkan data Gabungan Industri Kendaraan Bermotor
Indonesia (GAIKINDO). Kolega Motoris di Gabungan Industri Kendaraan
Bermotor Indonesia (Gaikindo) menyebut, pikap double cabin yang merupakan
kendaraan komersial sepanjang beberapa tahun ini banyak diserap oleh sektor
pertambangan, perkebunan, serta konstruksi. Moncernya sektor pertambangan plus
dinamika gaya hidup yakni di masyarakat penggila mobil itu disebut menjadi
penyebabnya.
Bagaimana pengaruh kepuasan pelanggan terhadap penjualan mobil 4x4

Double Cabins pada kuartal 2012-2014 dan kuartal 2015-2017 berdasarkan data
Gabungan Industri Kendaraan Bermotor Indonesia (GAIKINDO)?
18.3 Tujuan
Penelitian ini bertujuan untuk mengidentifikasi pengaruh tingkat kepuasan

pelanggan terhadap penjualan mobil 4x4 Double Cabins.
18.4 Manfaat
Mengetahui data dan informasi secara berkala mengenai perkembangan

penjualan mobil 4x4 Double Cabins.
18.5 Literatur
659
Data :

Hipotesis :


0,05.

bawah.
klik 2 Related Sample Test sehingga akan tampil kotak 2 Related
Samples Test.
4. Blok semua variabel yang akan dianalisia dalam kotak Test Pair(s)
660
List. Beri tanda check pada test type yaitu Wilcoxon dan Sign
5. Kemudian klik OK sehingga akan muncul output SPSS.

Hasil output SPSS :
Tabel 18.2 Hasil pengolahan data uji Wilcoxon Sign
Wilcoxon Signed Ranks Test
Test Statisticsb
Bank_Favorit -
Bank_Tidak_Fav
orit
Z -3.410a
a. Based on negative ranks.
Tabel 18.3 Hasil pengolahan data uji Sign
Sign Test
Test Statisticsb
Bank_Favorit -
Bank_Tidak_Fav
orit
Exact Sig. (2-tailed) .015a
a. Binomial distribution used.
b. Sign Test
661
Pada tabel uji Wilcoxon dan Sign di atas dapat diketahui bahwa nilai
signifikansi sebesar 0.021 serta 0,015 dan nilai sig.alpha sebesar 0,01. Karena nilai
signifikansi uji Wilcoxon dan Sign lebih besar dari sig.alpha maka H0 tidak dapat
diterima. Sehingga dapat disimpulkan bahwa terdapat perbedaan yang signifikan
antara kualitas manajemen antara Bank yang favorit dan tidak favorit. Bank favorit
memiliki kualitas manajemen yang lebih baik dibandingkan dengan Bank tidak
favorit.

nantinya.
normalitas dan uji homogenitas. Metode analisis yang digunakan yaitu analisis 2
Related Samples Test dengan metode uji Wilcoxon dan Sign
Berikut adalah kumpulan data penjualan mobil 4x4 Double Cabins pada kuartal
2012-2014 dan kuartal 2015-2017
Tabel 18.4 Data penjualan mobil 4x4 Double Cabins pada kuartal 2012-2014 dan kuartal
2015-2017
2012 2013 2014 2015 2016 2017

873 1738 806 608 298 662
716 1411 994 884 684 861
1492 871 1006 753 710 718
1498 1299 1127 954 1083 1006
662
2012 2013 2014 2015 2016 2017
1355 1356 973 924 656 1766
2323 1046 996 354 917 1562
2481 1282 952 276 629 1511
1704 996 1216 1038 789 932
2403 1317 934 2112 991 1121
1577 1482 849 2187 832 1102
1371 1494 910 1208 820 1426
1641 1144 724 736 935 1000
Langkah-langkah dalam melakukan uji 2 Related Sample Test adalah sebagai

berikut:
b. Klik Analyze → Non Parametric Test → 2 Related Sample Test
Gambar 18.1 Kotak Dialog Two Related Samples Test

c. Masukan variabel Penjualan kuartal pertama ke dalam kotak Variable1,

masukkan variabel Penjualan kuartal kedua pada kotak Variable2 dan pilih Uji
Wilcoxon dan Sign
d. Klik OK
663
reliabilitas kemudian data tersebut baru di uji dengan uji Wilcoxon dan Sign.
A. Uji Normalitas
Tabel 18.5 Hasil Pengolahan Uji Normalitas penjualan mobil 4x4 Double Cabins pada kuartal
2012-2014 dan kuartal 2015-2017
Tests of Normality
Responden Statistic df Sig. Statistic df Sig.
Penjualan_Kuartal_Pert Responden 1 .157 18 .200* .927 18 .173

ama
Responden 2 .221 18 .021 .937 18 .258
Penjualan_Kuartal_Ked Responden 1 .203 18 .048 .835 18 .005

ua Responden 2 .204 18 .045 .899 18 .056
menunjukkan bahwa:
Semua variabel menunjukkan sig > alpha sehingga data tersebut normal
664
B. Uji Validitas
Tabel 18.6 Hasil Pengolahan Uji Validitas penjualan mobil 4x4 Double Cabins pada kuartal 2012-
2014 dan kuartal 2015-2017
Correlations
Penjualan_Kua Penjualan_Kua
rtal_Pertama rtal_Kedua Responden N_Total
Penjualan_Kuartal_Perta Pearson Correlation 1 -.092 -.506** .683**

ma
Sig. (2-tailed) .593 .002 .000
N 36 36 36 36
Penjualan_Kuartal_Kedua Pearson Correlation -.092 1 .148 .665**
Sig. (2-tailed) .593 .387 .000
N 36 36 36 36
Responden Pearson Correlation -.506** .148 1 -.270
Sig. (2-tailed) .002 .387 .111
N 36 36 36 36
N_Total Pearson Correlation .683** .665** -.270 1
Sig. (2-tailed) .000 .000 .111
N 36 36 36 36
Penjualan pertama= 0,683 > r tabel Valid
Penjualan kedua = 0,665 > r tabel Valid
665
C. Uji Reliabilitas
Tabel 18.7 Hasil Pengolahan Uji Reliabilitas penjualan mobil 4x4 Double Cabins pada kuartal
2012-2014 dan kuartal 2015-2017
Cronbach's
Alphaa N of Items
.203 2

D. Uji Wilcoxon dan Sign

Tabel 18.8 Hasil Pengolahan Uji Wilcoxon penjualan mobil 4x4 Double Cabins pada kuartal
2012-2014 dan kuartal 2015-2017
Wilcoxon Signed Ranks Test
Test Statisticsb
Penjualan_Kuart
al_Kedua -
Penjualan_Kuart
al_Pertama
Z -2.687a
a. Based on positive ranks.
666
Tabel 18.9 Hasil Pengolahan Uji Sign penjualan mobil 4x4 Double Cabins pada kuartal 2012-2014
dan kuartal 2015-2017
Sign Test
Test Statisticsa
Penjualan_Kuart
al_Kedua -
Penjualan_Kuart
al_Pertama
Z -2.833
a. Sign Test
Untuk mengetahui hasil uji Wilcoxon dan Sign dilakukan melalui beberapa tahap,
yaitu
H0 : tidak terdapat perbedaan yang signifikan pengaruh kepuasan pelanggan

terhadap penjualan mobil 4x4 Double Cabins
H1 : terdapat perbedaan yang signifikan pada pengaruh kepuasan pelanggan

terhadap penjualan mobil 4x4 Double Cabins
3. Daerah kritis :
Jika sig. (2 tailed) < α, maka terima H0 dan tolak H1
4. Uji statistik :
Sig. (2 tailed) = 0,017 dan 0,015, α = 0,01. Maka sig. (2 tailed) > α , 0,015 > 0,01
9. Keputusan :
667
6. Kesimpulan :

perbedaan yang signifikan pada pengaruh kepuasan pelanggan terhadap penjualan
mobil 4x4 Double Cabins.
setelah dilakukannnya beberapa tahap pengujian seperti uji normalitas, validitas,
reliabilitas dan uji Wilcoxon dan Sign menunjukan bahwa data yang di peroleh dari
data penjualan mobil 4x4 Double Cabins pada kuartal 2012-2014 dan kuartal 2015-
2017 berdasarkan data Gabungan Industri Kendaraan Bermotor Indonesia
(GAIKINDO) tersebut menunjukan data tersebut normal karena nilai sig. lebih dari
nilai alpha (0,01), data valid karena nilai N_Total pada correlation lebih besar dari
nilai r tabel, data reliabel karena terlihat bahwa nilai Cronbach’s Alpha pada 2 of
items pernyataan nilai tersebut berada diatas range yang artinya bahwa pernyataan
tersebut reliabel. Pada uji Wilcoxon dan Sign tersebut menghasilkan bahwa dengan
tingkat signifikansi 1% menunjukan bahwa hasil uji Wilcoxon dan Sign lebih dari
nilai alpha (0,01) yang dapat diartikan tolak H0 bahwa terdapat perbedaan yang
signifikan pada pengaruh kepuasan pelanggan terhadap penjualan mobil 4x4
Double Cabins.
18.11 Kesimpulan
signifikan pada pengaruh kepuasan pelanggan terhadap penjualan mobil 4x4
Double Cabins.
Berdasarkan data Gabungan Industri Kendaraan Bermotor Indonesia

(GAIKINDO), penjualan mobil double cabin hingga tahun 2017 naik pesat.51,38
persen menjadi 12.778 unit. Moncernya sektor pertambangan plus dinamika gaya
hidup yakni di masyarakat penggila mobil itu disebut menjadi penyebabnya.
668
Kolega Motoris di Gabungan Industri Kendaraan Bermotor Indonesia (Gaikindo)
menyebut, pikap double cabin yang merupakan kendaraan komersial sepanjang 3
tahun terakhir ini banyak diserap oleh sektor pertambangan, perkebunan, serta
konstruksi.
Tetapi yang paling dominan adalah sektor pertambangan terutama batubara,

migas, nikel, dan beberapa jenis pertambangan lainnya. Prosentasenya dari laporan
teman-teman di Agen Pemegang Merek (APM) untuk pertambangan itu mencapai
sekitar 40%, konstruksi kurang lebih 31%, perkebunan sekitar 21%, dan sisanya
lain-lain termasuk pehobi sekitar 6%.
669
18.1 Latar Belakang
Produksi kendaraan bermotor mobil di Indonesia mulai tahun 2018
bertumbuh signifikan, seiring dengan kehadiran produk baru. Berdasarkan data
Gabungan Kendaraan Bermotor Indonesia (Gaikindo), produksi mobil Indonesia
pada tahun lalu mencapai 1,34 juta unit, atau bertumbuh 10,4% dibandingkan
dengan capaian pada tahun sebelumnya yang mendekati 1,22 juta unit. Angka
produksi yang cukup signifikan berada di tahun 2018 dan 2019. Daihatsu, Datsun,
Honda, Suzuki dan Toyota menjadi brand lima tertinggi yang paling diminati oleh
konsumen saat ini. Dari kelima brand tersebut masing-masing brand juga
mempunyai beberapa type tersendiri.
Rumusan Masalah yang dapat diambil dari studi kasus di atas antara lain
bagaimana perkembangan produksi pembuatan mobil sesuai dengan kelima brand
yang sedang digemari masyarakat Indonesia saat ini?
18.3 Tujuan
1. Mengetahui data statistik perkembangan jumlah produksi mobil
2. Mengetahui tingkat produksi setiap brand
18.4 Manfaat
1. Dapat menjadikan tolak ukur dalam penilaian setiap perusahaan yang
memproduksi mobil
2. Untuk bahan evaluasi disetiap perusahaan mengenai produk yang
diproduksi
18.5 Literatur
Universitas Gadjah Mada setiap tahunnya menerima Mahasiswa Baru

melalui jalur-jalur khusus misalnya PBOS dan PBUPD. Guna mengetahui kualitas
mahasiswa yang telah diterima melalui jalur tersebut, dilakukan tes Matrikulasi.
Dan pihak pelaksana melakukan dua kali ujian yaitu sebelum program matrikulasi
dilakukan dan setelahnya untuk mengetahui keefektifan program tersebut. Dan
untuk itu diambil sampel sebanyak 15 orang dari kelompok IPA untuk mata ujian
FISIKA. Analisisnya dalam SPSS adalah sebagai berikut:
670
1. Inputkan data seperti tampak di bawah ini:
Tabel 18.1 Data Ujian
(Sumber: https://exponensial.wordpress.com/2010/05/13/uji-wilcoxon/)
Klik Analyze –> Nonparametric Test –> 2 Related samplesAktifkan

Wilcoxon dan masukan variabel yang akan diuji sebagaimana tampakpada kotak
dialog:

Klik OK dan outputnya :

Tabel 18.2 Hasil Output Ranks
671
Dari output tersebut diperoleh:
1. Negative Ranks atau selisih antara variabel sebelum dan sesudah yang
negatif sebanyak 4 observasi atau dengan kata lain terdapat 4 observasi pada
variabel sesudah yang kurang dari observasi pada variabel sebelum. Dan rata-rata
rangkingnya = 4 dengan jumlah rangking negatif = 16
2. Positive Ranks atau selisih variabel sebelum dan sesudah yang positif
sebanyak 10 observasi atau denga kata lain terdapat 10 observasi pada variabel
sesudah yang lebih dari observasi pad avariabel sebelum dengan rata-rata
rangkingnya = 8,90 dan jumlah rangking positif = 89.
3. Ties atau tidak ada perbedaan antara variabel sebelim dan sesudah sebanyak
1 observasi.
Oleh karena jumah rangking negatif lebih kecil dibanding rangking positif
maka nilai T yang digunakan adalah jumlah rangking yang negatif.
Selanjutnya dilakukan uji hipotesis:
H0 : d = 0 (tidak ada perbedaan nilai tes sebelum matrikulasi dan sesudah
matrikulasi)
H1 : d ≠ 0 (ada perbedaan diantara nilai tes sebelum matrikulasi dan sesudah
matrikulasi )
Tingkat signifikansi α =0,05
Statistik Uji
Untuk nilai statistik uji, tinjau tabel output berikut:
Tabel 18.3 Hasil Output Test Statistics
672
dari tabel diperoleh nilai asymp sig = 0,022
Daerah kritis
H0 ditolak jika nilai asymp sig < nilai α
Kesimpulan
Oleh karena nilai asymp sig = 0,022 < α =0,05 maka Ho ditolak yang berarti bahwa
ada perbedaan nilai Fisika calon mahasiswa sebelum dan sesudah mengikuti
program matrikulasi.
Uji wilcoxon digunakan untuk menganalisis hasil-hasil pengamatan yang

berpasangan dari dua data apakah berbeda atau tidak. Wilcoxon signed Rank test
ini digunakan hanya untuk data bertipe interval atau ratio, namun datanya tidak
mengikuti distribusi normal.
Uji hipotesis :
H0 : d = 0 (tidak ada perbedaan diantara dua perlakuan yang diberikan)
H1 : d ≠ 0 (ada perbedaan diantara dua perlakuan yang diberikan )
Dengan d menunjukkan selisih nilai antara kedua perlakuan.
Statistik uji
Dimana:
N = banyak data yang berubah setelah diberi perlakuan berbedaT
= jumlah renking dari nilai selisih yng negative (apabila banyaknya selisih yang
positif lebih banyak dari banyaknya selisih negatif)
= jumlah ranking dari nilai selisih yang positif (apabila banyaknya selisih yang
negatif > banyaknya selisih yang positif)
673
Daerah kritis:
H0 ditolak jika nilai absolute dari Z hitung diatas > nilai Z 2 / α

Berikut adalah kumpulan data produksi mobil pada tahun 2018 dan 2019:
Tabel 18.4 Produksi Mobil Tahun 2018-2019

Brand Tahun 2018 Tahun 2019
1 0 0
1 0 0
1 65 40
1 2827 3375
1 2635 2444
1 804 530
1 5540 4667
1 1803 830
1 30 20
1 38 16
1 2240 1953
1 792 498
2 6586 5780
2 5496 1957
2 921 5883
2 23620 393
2 3868 15034
2 0 1280
2 312 2824
2 1089 3322
2 2 2944
2 182 416
3 399 6895
3 903 1481
3 134 324
3 306 330
3 410 36
3 183 12
3 1353 270
3 31 12
3 1068 528
3 0 102
3 149 563
3 134 588
674
Brand Tahun 2018 Tahun 2019
4 841 96
4 3002 911
4 23609 132
4 20365 0
4 4 348
4 2984 168
4 0 96
4 701 3300
4 0 24551
4 565 26746
4 0 100
4 381 2128
5 479 0
5 0 485
5 4344 0
5 12731 498
5 2402 0
5 9202 963
5 31010 117
5 38421 1778
5 13947 9246

Berikut adalah langkah-langkah untuk pengujian Wilcoxon dan Sign Test:

2. Klik Analyze → Non Parametric Test → 2 Related Sample Test
Gambar 18.2 Kotak Dialog Two Related Samples T Tests

675
3. Blok semua variabel sebelum dan sesudah, masukkan ke dalam kotak test
Pair(s) list, dengan klik tombol panah sehingga muncul variabel sebelum dan
sesudah di kotak tersebut. Beri tanda check pada test type yaitu Wilicoxon dan
Sign.
4. Klik OK.
reliabilitas kemudian data tersebut baru di uji dengan Wilicoxon dan Sign.
a. Uji Normalitas

Tests of Normality
Kolmogorov-Smirnov a Shapiro-Wilk
Brand Statistic df Sig. Statistic df Sig.
Tahun_2018 Daihatsu .220 12 .113 .818 12 .015
Datsun .233 12 .071 .736 12 .002
Honda .261 12 .073 .828 12 .020
Suzuki .399 12 .060 .574 12 .000
Toyota .219 12 .116 .796 12 .009
Tahun_2019 Daihatsu .260 12 .062 .794 12 .008
Datsun .189 12 .200* .819 12 .016
Honda .404 12 .080 .495 12 .000
Suzuki .398 12 .068 .546 12 .000
Toyota .302 12 .093 .638 12 .000
menunjukkan bahwa:
a. Variabel Tahun 2018 memiliki nilai (Sig.> α), maka data tersebut normal
b. Variabel Tahun 2019 memiliki nilai (Sig.> α), maka data tersebut normal
676

Tahun_2018 Based on Mean 6.406 4 55 .116

3.178 4 28.426 .082
adjusted df
Tahun_2019 Based on Mean 5.502 4 55 .100

1.231 4 18.019 .333
adjusted df
Analisis uji keseragaman data dilakukan dengan melakukan nilai alpha (α) sebesar
a. Variabel Tahun 2018 memiliki nilai (Sig.> α), maka data tersebut seragam
b. Variabel Tahun 2019 memiliki nilai (Sig.> α), maka data tersebut seragam
677
c. Uji Validitas
Correlations
Brand Tahun_2018 Tahun_2019 N_Total
*
Brand Pearson Correlation 1 .312 .073 .311*
Sig. (2-tailed) .015 .577 .016
N 60 60 60 60
Tahun_2018 Pearson Correlation .312* 1 -.068 .824**
Sig. (2-tailed) .015 .605 .000
N 60 60 60 60
Tahun_2019 Pearson Correlation .073 -.068 1 .509**
Sig. (2-tailed) .577 .605 .000
N 60 60 60 60
N_Total Pearson Correlation .311* .824** .509** 1
Sig. (2-tailed) .016 .000 .000
N 60 60 60 60
Dalam hal ini terdapat 60 data (N=60) dengan tingkat signifikansi 5% pada tabel r
(0.2542) dengan rumus df = N-2, maka df = 60-2 = 58. Maka dari hasil uji validitas
Brand = 0,311 > r tabel Valid
Tahun 2018 = 0,824 > r tabel Valid
Tahun 2019 = 0,509 > r tabel Valid
678
d. Uji Reliabilitas
Cronbach's
Alphaa N of Items
.100 3
a. The value is negative due to

a negative average covariance
among items. This violates
reliability model assumptions.
You may want to check item
codings.

adalah 0,100 pada 5 of items pernyataan. Nilai tersebut berada di range 0,00 – 0,20
yang artinya bahwa pernyataan tersebut kurang reliabel.
e. Uji Wilicoxon dan Sign
Tabel 18.8 Hasil Ranks
Ranks
N Mean Rank Sum of Ranks
a
Tahun_2019 - Tahun_2018 Negative Ranks 34 30.29 1030.00
Positive Ranks 24b 28.38 681.00
Ties 2c
Total 60
a. Tahun_2019 < Tahun_2018
b. Tahun_2019 > Tahun_2018
c. Tahun_2019 = Tahun_2018
1. Negative ranks atau selisih negative antara produksi mobil untuk tahun 2018
dan tahun 2019. Disini terdapat 34 data negative yang artinya 34 type mobil dari
kelima brand tersebut ada yang mengalami penurunan sebesar 30.29 , sedangkan
jumlah ranking negative atau sum of ranks adalah sebesar 1030.00
679
2. Positif ranks atau selisih positif antara produksi mobil untuk tahun 2018 dan
tahun 2019. Disini terdapat 24 data positif yang artinya ada 24 type mobil dari
kelima brand tersebut mengalami peningkatan produksi. Mean Rank atau rata-rata
peningkatan tersebut adalah sebesar 28.38 , sedangkan jumlah ranking positif atau
sum of ranks adalah sebesar 681.000
Tabel 18.9 Hasil Uji Wilcoxon

Test Statisticsb
Tahun_2019 -
Tahun_2018
Z 1.351a
a. Based on positive ranks.

Penentuan Hipotesis
H0 = Produksi mobil dari tahun 2018-2019 secara garis besar tidak

mengalami penyusutan yang besar
H1 = Produksi mobil dari tahun 2018-2019 secara garis besar
mengalami penyusutan yang besar
Uji Statistik
Nilai α = 0.01
Keputusan
sig (2 tailed) > α atau 0.177 > 0.01
maka, terima H0
Kesimpulan
Produksi mobil dari tahun 2018-2019 secara garis besar tidak mengalami
penyusutan yang besar tetapi malah mengalami kenaikan yang cukup signifikan.
680
Tabel 18.10 Hasil Frequencies
Frequencies
Tahun_2019 - Tahun_2018 Negative Differencesa 34

b
Positive Differences 24
Tiesc 2
Total 60
a. Tahun_2019 < Tahun_2018
b. Tahun_2019 > Tahun_2018
c. Tahun_2019 = Tahun_2018
Negative Differences menyatakan banyaknya nilai variabel sesudah yang lebih

kecil daripada variabel sebelum. Positive Differrences menyatakan banyaknya nilai
variabel sesudah yang lebih besar daripada variabel sebelum. Ties menyatakan
banyaknya nilai variabel sesudah sama besar nilainya dengan variabel sebelum.
Tabel 18.11 Hasil Uji Sign

Test Statisticsa
Tahun_2019 -
Tahun_2018
Z 1.182
a. Sign Test
Penentuan Hipotesis
H0 = Produksi mobil dari tahun 2018 dan tahun 2019 secara garis besar
tidak mengalami persamaan
H1 = Produksi mobil dari tahun 2018 dan tahun 2019 secara garis besar
mengalami persamaan
Uji Statistik
681
Nilai α = 0.01
Keputusan
sig (2 tailed) > α atau 0.237 > 0.01
maka, terima H0
Kesimpulan
Produksi mobil dari tahun 2018 dan tahun 2019 secara garis besar tidak mengalami
persamaan.

Wilcoxon dan Sign Test. Hasil dari pengolahan dan pengujian dari data diatas
dengan rumus df = N-2, maka df = 60-2 = 58 dan hasil dari pengolahan data tersebut
menunjukan nilai yang diperoleh dari masing-masing variabel lebih dari r tabel
(0.2542) yang artinya semua data tersebut valid. Pada pengujian relibilitas sesuai
dengan tabel Reliability Statistic terlihat bahwa nilai Cronbach’s Alpha adalah
0.100 pada 5 of items pernyataan. Bahwa nilai tersebut berada di range 0,00 – 0,20
yang artinya bahwa pernyataan tersebut kurang reliabel. Untuk uji Wilcoxon dan
Sign menunjukan bahwa nilai asymp sig yaitu 0.037, dengan nilai signifikasi 1%
(0.01) yang artinya sesuai dengan penentuan hipotesis di atas yaitu dengan tingkat
signifikasi 1% dapat disimpulkan bahwa pada uji Wilcoxon produksi mobil dari
tahun 2018-2019 secara garis besar tidak mengalami penyusutan yang besar tetapi
682
malah mengalami kenaikan yang cukup signifikan dan pada uji sign produksi mobil
dari tahun 2018 dan tahun 2019 secara garis besar tidak mengalami persamaan.
18.11 Kesimpulan
yang didapat setelah di uji normalitas, keseragaman data, validitas dan reliabel telah
normal, seragam, valid, kecuali untuk uji reliabilitas menunjukan bahwa data
tersebut kurang reliabel. Hasil untuk uji Wilcoxon dan sign menunjukan bahwa data
untuk tahun 2018 dan tahun 2019 mengalami perbedaan disetiap tahunnya dan
beberapa type mobil di setiap brand ada yang mengalami kenaikan dan penurunan.
Selanjutnya dari data yang sudah diolah diatas dapat disimpulkan bahwa hasil
tersebut dapat menjadi acuan oleh para perusahaan brand mobil tersebut untuk
dapat mengevaluasi kekurangan dari masing-masing type mobil untuk beberapa
yang mengalami penurunan produksi. Banyak faktor yang mempengaruhi produksi
antara lain yaitu minat dari konsumen dan bahan baku untuk produksi. Dengan
demikian perusahaan dapat memikirkan apa yang sedang diminati dan dibutuhkan
oleh konsumen di mobil yang akan dibeli.
683
BAB XIX
STATISTIKA NON PARAMETRIK TWO RELATED SAMPLE
TEST UJI MC NEMAR
19.1 Latar Belakang
Seorang Mahasiswa hendak melakukan penelitian nilai expor barang dari

tembaga menurut negara tujuan utama berdasarkan 40 data dari Berat Bersih (Ton)
pada tahun 2012 hingga 2015 . Penelitian tersebut mengambil data pengamatan
pada tahun 2002-2015. Tentukan data statistic dan analisis yang dilakukan oleh
mahasiswa tersebut.

berikut:
1. Bagaimana cara menentukan uji mc nemar pada studi kasus tersebut?
2. Bagaimana hasil analisis yang didapatkan setelah melakukan

pengolahan data dari studi kasus yang ada
19.3 Tujuan
Mendapatkan data dari Badan Pusat Statistik mengenai penelitian nilai expor
barang dari tembaga menurut negara tujuan utama dengan data yang diteliti yaitu
Berat Bersih (Ton) pada tahun 2012 hingga 2015.
19.4 Manfaat
2. Memberikan informasi mengenai penelitian nilai expor barang dari

tembaga menurut negara tujuan utama berdasarkan data dari Berat
Bersih (Ton) dari tahun ke tahun
3. Memperoleh penjelasan mengenai penelitian nilai nilai expor barang dari

tembaga menurut negara tujuan utama berdasarkan data dari Berat
684
Bersih (Ton) dari tahun ke tahun
19.5 Literatur
Bahwa dari 38 responden yang memiliki sikap positif sebelum maupun sesudah
diberikan penyuluhan sebanyak 30 responden dan tidak ada responden yang
memiliki sikap positif sebelum penyuluhan dan memiliki sikap negatif sesudah
diberikan penyuluhan. Selanjutnya, responden yang memiliki sikap negatif sebelum
diberikan penyuluhan dan setelah diberikan penyuluhan memiliki sikap positif
sebanyak 6 responden, sedangkan responden yang memiliki sikap negatif sebelum
maupun sesudah diberikan penyuluhan sebanyak 2 responden. Analisis dengan uji
Mc Nemar diperoleh p value (0,031) < α (0,05), maka H0 ditolak dan H1 diterima.
Ini dapat disimpulkan bahwa Ada pengaruh penyuluhan metode permainan edukatif
terhadap sikap murid SD tentang pencegahan penyakit diare sebelum dan sesudah
penyuluhan di SDN 11 Poasia Tahun 2015. Dari 38 responden yang memiliki sikap
positif sebelum maupun sesudah diberikan penyuluhan sebanyak 27 responden dan
tidak ada responden yang memiliki sikap positif sebelum penyuluhan dan memiliki
sikap negatif sesudah diberikan penyuluhan. Selanjutnya, responden yang memiliki
sikap negatif sebelum diberikan penyuluhan dan setelah diberikan penyuluhan
memiliki sikap positif sebanyak 2 responden, sedangkan responden yang memiliki
sikap negatif sebelum maupun sesudah diberikan penyuluhan sebanyak 9
responden.
Analisis dengan uji Mc Nemar diperoleh p value (0,500) > α (0,05), maka H0
diterima dan H1 ditolak. Ini dapat disimpulkan bahwa tidak ada pengaruh
penyuluhan metode ceramah terhadap sikap murid SD tentang pencegahan penyakit
diare sebelum dan sesudah penyuluhan di SDN 07 Poasia Tahun 2015.
Uji McNemar diperkenalkan oleh seorang ahli psikologi bernama Quinn

McNemar pada tahun 1947. Uji ini digunakan untuk penelitian yang
membandingkan sebelum dan sesudah peristiwa/treatment dimana tiap objek
digunakan sebagai pengontrol dirinya sendiri ( i.e. evaluating repeated
measurements of the same objects using them as their own control). Uji dilakukan
685
pada 2 kelompok sampel yang berhubungan, skala pengukurannya berjenis nominal
(binary respon) dan untuk crosstabulasi 2x2.
Formula uji MacNemar sebagai berikut :
Dimana :
= Nilai khai-kuadrat hasil perhitungan

A = Objek yang menampilkan perubahan jawaban dari positif menjadi negatif D
= Objek yang menampilkan perubaha jawaban dari negatif menjadi positif
2 = konstanta
Contoh Kasus
Diambil sampel 50 orang, mereka diminta untuk mennetukan pemlihan Kepala

Desa yang akan dipilihnya. Data diambil sebelum dan sesudah debat dari 2 calon
Kepala Desa. Calon A diwakili angka 1 dan calon B diwakili angka 2. Ingin
diketahui apakah terdapat perbedaan atau perubahan pilihan terhadap calon Kepala
Desa setelah debat dilakukan ?
Langkah-langkah SPSS :
1. Klik Analyze > Nonparametrik Test > 2 Related samples
2. Masukkan kedua variabel ke dalam kolom Test Pairs List
3. Pilih Mcnemar, OK
Hipotesis :
 H0 = Tidak terdapat perubahan yang signifikan pemilihan kepala desa

sebelum dan sesudah debat
686
 H1 = terdapat perubahan yang signifikan pemilihan Kepala Desa sebelum
dan sesudah debat.
Kroteria uji : Tolak H0 jika nilai p-value < 0.05
Hasil Output SPSS, nilai Chi-square sebesar 21.841 dan signifikansi p-value
sebesar 0.000. Karena nilai sig.p-value 0.000 < 0.05 maka tolak hipotesis nol yang
artinya ada perubahan yang signifikan pemilihan kepala desa sebelum dan sesudah
debat dilakukan.
Berikut adalah kumpulan data hasil penelitian nilai expor barang dari tembaga
menurut negara tujuan utama berdasarkan data dari Berat Bersih (Ton) pada tahun
2012 hingga 2015.
Keterangan:
1. Meningkat
2. Menurun
Tabel 19.1 Kumpulan data penelitian nilai expor barang dari tembaga menurut
negara tujuan utama berdasarkan data dari Berat Bersih (Ton) pada tahun 2012
hingga 2015.
No Berat Berat Keterangan 1 Berat Berat Keterangan 2 N_Total

Bersih_2012 Bersih_2013 Bersih_2014 Bersih_2015
1 6353,0 8246,6 1 13556,8 8197,5 2 36357,90
2 6181,0 6473,6 1 4365,9 2878,0 2 19903,50
3 12720,5 12303,6 2 18009,8 10651,7 2 53692,60
4 9378,4 11190,6 1 17763,2 15170,6 2 53509,80
5 43422,0 49744,3 1 56092,5 51147,6 2 200414,40
6 45828,8 44459,7 2 50155,7 40142,7 2 180596,90
7 8633,6 5986,3 2 9364,4 7595,7 2 31591,00
8 14116,5 13604,5 2 4631,3 5954,4 1 38317,70
9 65096,9 58010,2 2 59799,6 62139,7 1 245058,40
10 18447,9 22704,9 1 29443,9 31938,8 1 102547,50
11 367,0 1835,8 1 3823,1 12508,2 1 18547,10
12 508,6 602,9 1 660,7 822,2 1 2608,40
13 6732,9 8995,2 1 22801,5 23602,8 2 62148,40
14 5107,6 7489,0 1 10812,0 22987,0 1 46411,60
15 10044,8 10989,0 1 19637,0 6438,0 2 47126,80
16 5865,9 19243,2 1 15950,5 16045,0 1 57122,60
687
No Berat Berat Keterangan 1 Berat Berat Keterangan 2 N_Total
Bersih_2012 Bersih_2013 Bersih_2014 Bersih_2015
17 2396,2 14638,7 1 16954,0 24860,6 1 58868,50
18 2369,5 7046,6 1 13160,8 22395,9 1 44992,80
19 11249,5 21505,7 1 7587,6 20871,7 1 61235,50
20 10862,2 11427,3 1 24343,3 6842,8 2 53498,60
21 9375,6 14592,6 1 17818,0 21911,6 1 63720,80
22 14695,8 13839,2 2 5474,0 12363,6 1 46397,60
23 12881,1 12830,9 2 13124,2 12718,2 2 51581,40
24 2801,2 15015,0 1 6302,4 26038,3 1 50182,90
25 8080,5 7109,0 2 15127,0 8679,5 2 39025,04
26 10749,7 7459,7 2 23356,0 29612,0 1 71206,40
27 4342,9 11395,0 1 4128,3 11006,0 1 30901,20
28 11011,9 14227,3 1 28710,0 9238,3 2 63218,50
29 16472,2 15409,5 2 11062,7 23920,6 1 66897,00
30 6488,8 20307,4 1 24975,2 25666,7 1 77470,10
31 1846,9 15298,2 1 23708,1 29313,9 1 70200,10
32 4272,5 17990,7 1 14753,1 6466,9 2 43518,20
33 8625,6 14448,0 1 7432,0 2891,0 2 33432,60
34 2462,4 18665,4 1 8901,0 9443,0 1 39507,80
35 13872,2 8994,3 2 19225,0 19262,6 1 61392,10
36 2772,3 16938,7 1 11996,6 10580,7 2 42327,30
37 8413,4 21476,8 1 26305,7 23058,3 2 79294,20
38 1003,5 9584,4 1 10345,8 16624,0 1 37597,70
39 15847,5 12778,8 2 14601,5 20910,8 1 64180,60
40 13065,6 10814,7 2 4245,5 5644,0 2 33813,80
Langkah-langkah dalam melakukan uji MC Nemar adalah sebagai berikut:
b. Klik Analyze – Non Parametric Test – 2 Related Sample Test
688
Gambar 19.1 Kotak Dialog Two-Related-Samples Tests
c. Blok semua variabel Keterangan Pertama dan Keterangan Kedua, masukkan ke
dalam kotak test Pairs(s) list, dengan klik tombol panah sehingga muncul variabel
Keterangan Pertama dan Keterangan Kedua di kotak tersebut. Beri tanda check
pada uji MC Nemar di dalam Test Type.
d. Klik OK.
yaitu mulai dari uji normalitas, uji keseragaman data, validitas dan reliabilitas
kemudian data tersebut baru di uji dengan Uji MC Nemar.
A. Uji Normalitas
- Keterangan Pertama
Tabel 19.2 Hasil Pengolahan Uji Normalitas nilai expor barang dari tembaga
2012 hingga 2015.
Tests of Normality
Keterangan_Pertama Kolmogorov-Smirnova Shapiro-Wilk
Berat_Bersih_2012 Meningkat ,252 27 ,083 ,650 27 ,000

dimension1
Menurun ,416 13 ,077 ,610 13 ,000

dimension1
Menurun ,392 13 ,067 ,642 13 ,000

Berat_Bersih_2014 Meningkat ,116 27 ,200* ,882 27 ,005
dimension1
Menurun ,266 13 ,107 ,769 13 ,003

dimension1
Menurun ,211 13 ,119 ,821 13 ,012

689
a. Variabel Keterangan Pertama Berat Bersih 2012 memiliki nilai (Sig.> α), maka
b. Variabel Keterangan Pertama Berat Bersih 2013 memiliki nilai (Sig.> α), maka
c. Variabel Keterangan Pertama Berat Bersih 2014 memiliki nilai (Sig.> α), maka
d. Variabel Keterangan Pertama Berat Bersih 2015 memiliki nilai (Sig.> α), maka
- Keterangan Kedua
Tabel 19.3 Hasil Pengolahan Uji Normalitas nilai expor barang dari tembaga
2012 hingga 2015.
Tests of Normality
Keterangan_Kedua Kolmogorov-Smirnova Shapiro-Wilk


dimension1
Menurun ,378 18 ,066 ,609 18 ,000

dimension1
Menurun ,269 18 ,101 ,691 18 ,000

dimension1
Menurun ,174 18 ,159 ,841 18 ,006

dimension1
Menurun ,268 18 ,079 ,741 18 ,000

690
a. Variabel Keterangan Kedua Berat Bersih 2012 memiliki nilai (Sig.> α), maka
b. Variabel Keterangan Kedua Berat Bersih 2013 memiliki nilai (Sig.> α), maka
c. Variabel Keterangan Kedua Berat Bersih 2014 memiliki nilai (Sig.> α), maka
d. Variabel Keterangan Kedua Berat Bersih 2015 memiliki nilai (Sig.> α), maka
691
B. Keseragaman Data
Tabel 19.4 Hasil Pengolahan Uji Keseragaman Data nilai expor barang dari
tembaga menurut negara tujuan utama berdasarkan data dari Berat Bersih (Ton)
pada tahun 2012 hingga 2015.
- Keterangan Pertama

Berat_Bersih_2012 Based on Mean 4,483 1 38 ,080
Based on Median 1,013 1 38 ,321

adjusted df
Based on Median ,471 1 38 ,497
Based on Median and with ,471 1 24,805 ,499
adjusted df
adjusted df
Based on trimmed mean ,869 1 38 ,357

adjusted df
692
 Variabel Berat Bersih 2012 memiliki nilai (Sig.> α), maka data tersebut
seragam
seragam
seragam
seragam
693
- Keterangan Kedua
Tabel 19.5 Hasil Pengolahan Uji Keseragaman Data nilai expor barang dari
tembaga menurut negara tujuan utama berdasarkan data dari Berat Bersih (Ton)

Berat_Bersih_2012 Based on Mean ,075 1 38 ,786


adjusted df
adjusted df
adjusted df

adjusted df
694
seragam
seragam
seragam
seragam
695
C. Uji Validitas
Tabel 19.6 Hasil Pengolahan Uji Validitas nilai expor barang dari tembaga
2012 hingga 2015.
Correlations
Berat_Bersih_ Berat_Bersih_ Keterangan_ Berat_Bersih_ Berat_Bersih_ Keterangan_
2012 2013 Pertama 2014 2015 Kedua N_Total
Berat_Bersih Pearson Correlation 1 ,871** ,441** ,813** ,724** ,098 ,921**

_2012 Sig. (2-tailed) ,000 ,004 ,000 ,000 ,547 ,000
N 40 40 40 40 40 40 40
Berat_Bersih Pearson Correlation ,871** 1 ,111 ,837** ,786** ,038 ,941**
_2013 Sig. (2-tailed) ,000 ,497 ,000 ,000 ,816 ,000
N 40 40 40 40 40 40 40
Keterangan_ Pearson Correlation ,441** ,111 1 ,096 ,109 ,016 ,206
Pertama Sig. (2-tailed) ,004 ,497 ,554 ,502 ,921 ,203
N 40 40 40 40 40 40 40
Berat_Bersih Pearson Correlation ,813** ,837** ,096 1 ,808** ,180 ,937**
_2014 Sig. (2-tailed) ,000 ,000 ,554 ,000 ,267 ,000
N 40 40 40 40 40 40 40
Berat_Bersih Pearson Correlation ,724** ,786** ,109 ,808** 1 ,282 ,899**
_2015 Sig. (2-tailed) ,000 ,000 ,502 ,000 ,078 ,000
N 40 40 40 40 40 40 40
Keterangan_ Pearson Correlation ,098 ,038 ,016 ,180 ,282 1 ,220
Kedua Sig. (2-tailed) ,547 ,816 ,921 ,267 ,078 ,953
N 40 40 40 40 40 40 40
N_Total Pearson Correlation ,921** ,941** ,206 ,937** ,899** ,010 1
Sig. (2-tailed) ,000 ,000 ,203 ,000 ,000 ,953

N 40 40 40 40 40 40 40
696
Berat Bersih 2012= 0,921 > r tabel Valid
Keterangan Pertama= 0,206 > r tabel Valid
Berat Bersih 2014 = 0,937 > r tabel Valid
Keterangan Kedua = 0,220 > r tabel Valid
D. Uji Reliabilitas
Tabel 19.7 Hasil Pengolahan Uji Reliabilitas nilai expor barang dari tembaga
2012 hingga 2015.
Cronbach's
Alpha N of Items
,942 4

yang artinya bahwa pernyataan tersebut sangat reliabel.
E. Uji MC Nemar
Tabel 19.8 Hasil Pengolahan Uji MC Nemar nilai expor barang dari tembaga
2012 hingga 2015.
697
Test Statisticsb
Keterangan_Per
tama &
Keterangan_Ked
ua
N 40
Exact Sig. (2-tailed) ,359a
a. Binomial distribution used.

b. McNemar Test
Penentuan Hipotesis
Hₒ = Tidak terdapat perbedaan terhadap nilai expor barang dari tembaga menurut
negara tujuan utama berdasarkan data dari Berat Bersih (Ton)
H₁ = Terdapat perbedaan terhadap nilai expor barang dari tembaga menurut negara
tujuan utama berdasarkan data dari Berat Bersih (Ton)
Jika nilai sig (2 tailed)< α, tolak Hₒ
Uji Statistik
Nilai Exact. Sig. (2-tailed) = 0,359
Nilai α = 0,01
Keputusan
Exact. Sig. (2-tailed) > α atau 0,359 > 0,01
Maka, terima Hₒ dan tolak H₁
Kesimpulan
Jadi, dengan tingkat signifikasi 1% (0,01) dapat disimpulkan bahwa nilai
expor barang dari tembaga menurut negara tujuan utama berdasarkan data dari
Berat Bersih (Ton) tersebut tidak terdapat perbedaan.
698
keseragaman data, validitas, reliabilitas dan uji MC Nemar menunjukan bahwa data
yang di peroleh dari Badan Pusat Statistik terhadap nilai expor barang dari tembaga
2012 hingga 2015. tersebut menunjukan data tersebut normal karena nilai sig. lebih
dari nilai alpha (0,05), data seragam karena pada pengujian keseragaman data
menunjukan hasil nilai sig. lebih dari nilai alpha (0,05), data valid karena nilai
bahwa nilai Cronbach’s Alpha pada 4 of items pernyataan. Nilai tersebut berada
MC Nemar tersebut menghasilkan bahwa dengan tingkat signifikansi 1% untuk
masing-masing data nilai expor barang dari tembaga menurut negara tujuan utama
berdasarkan data dari Berat Bersih (Ton) pada tahun 2012 hingga 2015.
Menunjukan bahwa hasil uji MC Nemar tidak terdapat perbedaan yang dapat
diartikan bahwa terima Hₒ dan tolak H₁ nilai expor barang dari tembaga menurut
negara tujuan utama berdasarkan data dari Berat Bersih (Ton) pada tahun 2012
hingga 2015.
19.11 Kesimpulan
Kesimpulan yang dapat diambil untuk data nilai expor barang dari tembaga
2012 hingga 2015 yaitu antara lain dari pengolahan data di atas sudah jelas
menunjukan hasil pengolahan data dengan metode uji MC Nemar bahwa data yang
di peroleh dari Badan Pusat Statistik.
699
19.1 Latar Belakang
Seorang mahasiswa hendak melakukan penelitian pengaruh wabah covid 19

terhadap impor logam berat bagi industri logam berat di Amerika Serikat. Data
diambil dari steel industry data milik American Iron and Steel Insitute (AISI). Data
impor yang digunakan ialah data impor pada akhir tahun 2019 dan data impor pada
awal tahun 2020. Data yang digunakan berbentuk skala nominal yaitu: naik atau
turun.
Bagaimana pengaruh wabah covid 19 terhadap impor logam berat bagi industri
logam berat di Amerika Serikat?
19.3 Tujuan
Penelitian ini bertujuan untuk mengidentifikasi pengaruh wabah covid 19

terhadap impor logam berat bagi industri logam berat di Amerika Serikat.
19.4 Manfaat
Mengetahui data dan informasi secara berkala mengenai produksi industri

logam besi yang ada di Amerika Serikat.
19.5 Literatur
Suatu penelitian dilakukan untuk mengetahui efektifitas program imunisasi di

Kabupaten B. Berdasarkan hasil penelitian diperoleh data sebagai berikut:
Berdasarkan hasil penelitian yang dilakukan terhadap 200 subjek penelitian
diperoleh hasil bahwa Sebelum dilakukan program imunisasi didapatkan 150 balita
terserang Campak sedangkan 50 balita tidak terserang campak kemudian setelah
dilakukan program imunisasi didapatkan 75 balita terserang campak dan 125 balita
tidak terserang campak. Dari 150 balita yang terserang campak didapatkan 65 tetap
terserang campak dan dari 50 balita yang tidak terserang campak sebelumnya
didapatkan 40 balita tetap tidak terserang campak setelah ada program imunisasi.
700
Data :
Tabel 19.1 Data sebelum dan sesudah imunisasi
(Sumber: https://s3.amazonaws.com/academia.edu.documents/56240786/statistink-non-
parametrik.pdf?response-content-
disposition=inline%3B%20filename%3DSTATISTIK_NON_PARAMETRIK.pdf)
Rumusan masalah : Apakah program imunisasi signifikan berdampak pada

penurunan angka kejadian campak pada balita?
Hipotesis :
 H0 = program imunisasi tidak menurunkan kejadian penyakit campak
 H1 = program imunisasi menurunkan angka kejadian penyakit campak
Ho diterima jika nilai Mc Nemar test hitung < nilai Mc nemar test table.
1. Masukkan data di atas ke dalam SPSS
701
Gambar 19.1 Kotak Dialog Two Related Samples T Tests
3. Blok semua variabel sebelum dan sesudah, masukkan ke dalam kotak test Pair(s)
list, dengan klik tombol panah sehingga muncul variabel sebelum dan sesudah di
kotak tersebut. Beri tanda check pada uji MC Nemar di dalam Test Type.
4. Klik OK.
Hasil output SPSS :
Tabel 19.2 Hasil pengolahan data uji McNemar
McNemar Test
Test Statisticsb
Sebelum_Imunisasi
&
Sesudah_Imunisasi
N 200
Chi-Squarea 73.013
Asymp. Sig. .012
a. Continuity Corrected
b. McNemar Test
(Sumber: https://s3.amazonaws.com/academia.edu.documents/56240786/statistink-non-
parametrik.pdf?response-content-
702
Pada tabel uji McNemar di atas dapat diketahui bahwa nilai signifikansi sebesar
0.012 dan nilai sig. test sebesar 0,01. Karena nilai signifikansi uji McNemar lebih
besar dari sig.test maka H0 tidak dapat diterima. Sehingga dapat disimpulkan
bahwa program imunisasi menurunkan angka kejadian penyakit campak.

nantinya.
normalitas dan uji homogenitas. Metode analisis yang digunakan yaitu analisis 2
Related Samples Test dengan metode uji McNemar.
Berikut adalah kumpulan data impor industri logam berat pada akhir tahun
2019 dan pada awal tahun 2020 :
Tabel 19.3 Data impor industri logam berat pada akhir tahun 2019 dan pada awal tahun 2020
Impor 2019 Impor 2020

179 169
76 71
61 60
45 46
37 44
34 36
34 31
32 30
24 26
703
Impor 2019 Impor 2020
23 23
896 915
197 172
93 77
73 66
42 36
38 33
54 44
35 22
25 46
36 26
42 14
974 919
548 340
230 146
151 126
101 124
216 100
173 76
68 61
147 53
2,562 1,966
Keterangan :
Variabel impor 2019 dan impor 2020 merupakan variable dikotomi bertipe
data nominal, namun diberi value pada variabel tersebut ; 1 = naik ; 2 = turun
Langkah-langkah dalam melakukan uji 2 Related Sample Test adalah sebagai

berikut:
b. Klik Analyze → Non Parametric Test → 2 Related Sample Test
704
c. Blok semua variabel sebelum dan sesudah, masukkan ke dalam kotak test Pair(s)
list, dengan klik tombol panah sehingga muncul variabel sebelum dan sesudah di
kotak tersebut. Beri tanda check pada uji MC Nemar di dalam Test Type.
d. Klik OK
dilakukan yaitu mulai dari uji normalitas, homogenitas, validitas dan reliabilitas
kemudian data tersebut baru di uji dengan uji McNemar.
A. Uji Normalitas
Tabel 19.4 Hasil Pengolahan Uji Normalitas impor industri logam berat pada akhir tahun 2019 dan
pada awal tahun 2020
Tests of Normality
Impor_2
020 Statistic df Sig. Statistic df Sig.
No Naik .202 7 .200* .921 7 .478
Turun .071 24 .200* .963 24 .509
705
kecil dari nilai alpha (α), maka data tersebut merupakan data yang tidak normal
menunjukkan bahwa:
B. Uji Keseragaman
Tabel 19.5 Hasil Pengolahan Uji Keseragaman impor industri logam berat pada akhir tahun 2019
dan pada awal tahun 2020
No Based on Mean .057 1 29 .813

.122 1 27.767 .730
adjusted df
Analisis uji keseragaman dilakukan dengan melakukan nilai alpha (α) sebesar
diolah lebih kecil dari nilai alpha (α), maka data tersebut merupakan data yang tidak
Semua variabel memiliki nilai (Sig.> α), maka data tersebut seragam.
706
C. Uji Validitas
Tabel 19.6 Hasil Pengolahan Uji Validitas impor industri logam berat pada akhir tahun 2019 dan
Correlations
Impor_2019 Impor_2020 N_Total
Impor_2019 Pearson Correlation 1 .979** .995**
Sig. (2-tailed) .000 .000
N 31 31 31
Impor_2020 Pearson Correlation .979** 1 .994**
Sig. (2-tailed) .000 .000
N 31 31 31
Sig. (2-tailed) .000 .000
N 31 31 31
Impor 2019= 0,995 > r tabel Valid

Impor 2020 = 0,994 > r tabel Valid
D. Uji Reliabilitas
Tabel 19.7 Hasil Pengolahan Uji Reliabilitas impor industri logam berat pada akhir tahun 2019
dan pada awal tahun 2020
Cronbach's
Alpha N of Items
.988 2
707
E. Uji McNemar
Tabel 19.8 Hasil Pengolahan Uji McNemar impor industri logam berat pada akhir tahun 2019 dan
McNemar Test
Test Statisticsb
Impor_2019 &
Impor_2020
N 31
Chi-Squarea 7.500
Asymp. Sig. .016
a. Continuity Corrected
b. McNemar Test
Untuk mengetahui hasil uji McNemar dilakukan melalui beberapa tahap, yaitu
H0 : wabah covid 19 tidak menaikkan impor logam berat bagi industri logam
berat di Amerika Serikat
H1 : wabah covid 19 menaikkan impor logam berat bagi industri logam berat di
Amerika Serikat
3. Daerah kritis :
Jika sig. (2 tailed) < α, maka tolak H0
708
4. Uji statistik :
Sig. (2 tailed) = 0,016, α = 0,01. Maka sig. (2 tailed) > α , 0,016 > 0,01
10. Keputusan :
6. Kesimpulan :
Jadi, dengan tingkat signifikansi 1% dapat disimpulkan bahwa wabah covid 19

tidak menaikkan impor logam berat bagi industri logam berat di Amerika Serikat.
reliabilitas dan uji McNemar menunjukan bahwa data yang di peroleh dari data
impor pada akhir tahun 2019 dan data impor pada awal tahun 2020 yang diambil
dari steel industry data milik American Iron and Steel Insitute (AISI) tersebut
menunjukan data tersebut normal karena nilai sig. lebih dari nilai alpha (0,01), data
valid karena nilai N_Total pada correlation lebih besar dari nilai r tabel, data
reliabel karena terlihat bahwa nilai Cronbach’s Alpha pada 2 of items pernyataan
nilai tersebut berada diatas range yang artinya bahwa pernyataan tersebut reliabel.
Pada uji McNemar tersebut menghasilkan bahwa dengan tingkat signifikansi 1%
menunjukan bahwa hasil uji McNemar lebih dari nilai alpha (0,01) yang dapat
diartikan terima H0 bahwa wabah covid 19 menyebabkan penurunan impor logam
berat bagi industri logam berat di Amerika Serikat.
19.11 Kesimpulan
besar dari tingkat signifikansinya yang artinya bahwa wabah covid 19
menyebabkan penurunan impor logam berat bagi industri logam berat di Amerika
Serikat. Ekonomi global dapat menyusut hingga satu persen pada 2020 karena
pandemi Virus Corona baru atau COVID-19, dan dapat berkontraksi lebih jauh jika
pembatasan kegiatan ekonomi diperpanjang tanpa respons fiskal memadai. Efek
709
buruk dari pembatasan ekonomi yang berkepanjangan di negara maju akan segera
menyebar ke negara-negara berkembang melalui jalur perdagangan dan investasi.
Penurunan tajam dalam pengeluaran konsumen di Uni Eropa dan Amerika Serikat
akan mengurangi impor barang-barang konsumsi dari negara-negara berkembang.
19.1 Latar Belakang

Pertumbuhan kebutuhan besi dan baja di Indonesia terus meningkat dari
tahun ke tahun, walaupun dibanding negara ASEAN lainnya konsumsi baja
Indonesia (per kapita) masih yang terendah. Gap antara konsumsi baja dengan
produksi nasional cukup besar, dan gap ini diisi oleh produk impor dari China
711
0
(sekitar 55% dari kebutuhan nasional). Sementara itu utilisasi kapasitas produksi
baja nasional hanya sekitar 48%, sehingga banyak industri baja domestik yang
menganggur karena produknya tidak terserap pasar. Selain karena gempuran baja
impor, pertumbuhan industri baja kita juga terhalang oleh kesulitan mendapatkan
bahan baku besi baja bekas impor yang dikatagorikan sebagai limbah B3 sementara
bijih besi lokal diekspor, mahalnya energi primer yang digunakan, dan masih
rendahnya nilai tukar rupiah terhadap dolar AS.
Rumusan masalah yang bias diambil dari latar belakang studi kasus
tersebut antara lain yaitu bagaimana dengan perkembangan kegiatan ekspor impor
yang terjadi pada industri besi dan baja di Indonesia?
19.3 Tujuan
Adapun tujuan dari penyelesaian studi kasus tersebut antara lain:
1. Mengetahui nilai signifikansi perubahan ekspor dan impor besi dan
baja
2. Mengetahui data statistik perkembangan ekspor dan impor besi dan
baja
19.4 Manfaat
Adapun manfaat yang dapat diambil dari penyelesaian studi kasus
tersebut antara lain:
1. Menjadi laporan rutin untuk kegiatan ekspor dan impor oleh dinas
perindustrian
2. Menjadi evaluasi dalam sebuah perubahan yang akan di lakukan oleh
pemerintah
19.5 Literatur
Studi Kasus:
Suatu penelitian dilakukan untuk mengetahui efektifitas program imunisasi di
711
1
Kabupaten B. Berdasarkan hasil penelitian diperoleh data sebagai berikut:
Berdasarkan hasil penelitian yang dilakukan terhadap 200 subjek penelitian
diperoleh hasil bahwa Sebelum dilakukan program imunisasi didapatkan 150 balita
terserang Campak sedangkan 50 balita tidak terserang campak kemudian setelah
dilakukan program imunisasi didapatkan 75 balita terserang campak dan 125 balita
tidak terserang campak. Dari 150 balita yang terserang campak didapatkan 65 tetap
terserang campak dan dari 50 balita yang tidak terserang campak sebelumnya
didapatkan 40 balita tetap tidak terserang campak setelah ada program imunisasi.
Berdasarkan data hasil penelitian apakah program imunisasi signifikan berdampak
pada penurunan angka kejadian campak pada balita…?
Langkah penyelesaian:
1. Menentukan hipotesis penelitian
Ho = program imunisasi tidak menurunkan kejadian penyakit campak
Ha = program imunisasi menurunkan angka kejadian penyakit campak
2. Menentukan standar penerimaan hipotesis Ho diterima jika nilai
Mc Nemar test hitung < nilai Mc nemar test table.
3. Perhitungan Diketahui
Tabel 19. 1 Tabel Bantu Perlakuan
(Sumber: statistink-non-parametrik.pdf?response-content-
711
2
4. Kesimpulan Ho ditolak
5. Arti program imunisasi menurunkan angka kejadian penyakit
campak
Uji MC nemar test biasa digunakan pada penelitian yang skala datanya
berbentuk nominal/ diskrit. Pengujian dengan mengunakan uji MC nemar
menekankan tipe sample yang dependent. Sample yang dependent dimaksudkan
tipe sample yang dalam pengukuran satu variable terkait dengan pengukuran
variable lainnya. Pengunaan uji MC nemar test menekankan pada aspek pengujian
sebelum dan sesudah perlakuan. Keadaan ini yang lebih memunkinkan desain
eksperimen untuk digunakan dalam uji MC nemar test.
Keterangan Kelompok A merupakan kelompok perubahan (missal dari tidak sakit

menjadi sakit: dari tidak terpapar menjadi terpapar) sebelum perlakukan dan setelah
perlakuan. Kelompok D merupakan kelompok perubahan (misalnya dari sakit
menjadi tidak sakit: dari terpapar menjadi tidak terpapar) sebelum perlakuan dan
setelah perlakuan.
Berikut adalah kumpulan data dari kegiatan ekspor dan impor besi dan baja
dengan komoditi Flat-rolld,iron/nas,othws plat zinc-iron, Flat-roll not high speed
steel, dan Flat-roll prod of stainless steel pada rentang tahun 2012 sampai dengan
tahun 2016:
711
3
Tabel 19.2 Data Ekspor Dan Impor Besi dan Baja Pada Tahun 2012-2016
Type of Iron Impor Ekspor
1 1 2
1 2 2
1 2 1
1 2 1
1 2 1
1 1 2
1 1 1
1 1 2
1 1 2
1 1 2
2 1 2
2 1 2
2 1 2
2 2 2
2 2 2
2 1 2
2 2 2
2 1 2
2 2 1
2 1 2
3 1 2
3 1 2
3 1 1
3 1 1
3 1 2
3 1 1
3 1 1
3 1 1
3 1 2
3 1 2

Keterangan:
Type of Iron: 1= Flat-rolld,iron/nas,othws plat zinc-iron,

2 = Flat-roll not high speed steel
3 = Flat-roll prod of stainless steel
Impor dan Ekspor: 1 = Data Bernilai Minus
2 = Data Bernilai Plus
711
4
Langkah-langkah dalam melakukan uji MC Nemar adalah sebagai berikut:


(Sumber: Olah Data)
3. Blok semua variabel sebelum dan sesudah, masukkan ke dalam kotak

test Pair(s) list, dengan klik tombol panah sehingga muncul variabel impor
dan ekspor di kotak tersebut. Beri tanda check pada uji MC Nemar di dalam
Test Type.
4. Klik OK.
reliabilitas kemudian data tersebut baru di uji dengan uji MC Nemar.
a. Uji Normalitas
711
5
menunjukkan bahwa:
a. Variabel Impor memiliki nilai (Sig.> α), maka data tersebut normal
b. Variabel Ekspor memiliki nilai (Sig.> α), maka data tersebut normal
c. Variabel Impor memiliki nilai (Sig.> α), maka data tersebut seragam
d. Variabel Ekspor memiliki nilai (Sig.> α), maka data tersebut seragam
711
6
c. Uji Validitas
Type of Iron = 0,559 > r tabel Valid
Impor = 0,596 > r tabel Valid
Ekspor = 0,658 > r tabel Valid
d. Uji Reliabilitas

artinya bahwa pernyataan tersebut cukup reliabel.
711
7
e. Uji MC Nemar
Tabel 19.5 Hasil Uji MC Nemar
Penentuan Hipotesis
H0 = Tidak ada persamaan antara data bernilai minus dan plus pada
kegiatan impor dan ekspor
H1 = Ada persamaan antara data bernilai minus dan plus pada kegiatan
impor dan ekspor
Uji Statistik
Nilai α = 0.01
Keputusan
sig (2 tailed) > α atau 0.818 > 0.01
maka, terima H0
Kesimpulan
Jadi, dengan tingkat signifikasi 1% (0.01) dapat disimpulkan bahwa, tidak
terdapat persamaan pada data bernilai minus dan plus pada kegiatan impor dan
ekspor.
711
8
MC Nemar. Hasil dari pengolahan dan pengujian dari data diatas menunjukan
bahwa untuk uji normalitas dari data tersebut hasilnya normal semua karena dari
semua variabel menunjukan nilai yang dihasilkan oleh pengolahan tersebut di atas
dari nilai alpha (0,05). Pada uji keseragaman pada masing-masing variable
pengolahan data menghasilkan nilai lebih dari nilai alpha (0,05) yang berarti data
disetiap variabel tersebut memiliki keseragaman data. Untuk uji validitas terdapat
30 data (N=30) dengan tingkat signifikansi 5% pada tabel r dengan rumus df = N-
2, maka df = 30-2 = 28 dan hasil dari pengolahan data tersebut menunjukan nilai
yang diperoleh dari masing-masing variabel lebih dari r tabel (0.3610) yang artinya
semua data tersebut valid. Pada pengujian relibilitas sesuai dengan tabel Reliability
Statistic terlihat bahwa nilai Cronbach’s Alpha adalah 0.541 pada 5 of items
pernyataan. Bahwa nilai tersebut berada di range 0,401 – 0,60 yang artinya bahwa
pernyataan tersebut cukup reliabel. Untuk uji MC Nemar menunjukan hasil dengan
tingkat signifikasi 1% (0.01) dapat disimpulkan bahwa, tidak terdapat persamaan
pada data bernilai minus dan plus pada kegiatan impor dan ekspor, yang artinya
bahwa disetiap data tersebur terdapat perbedaan antara nilai plus dan minus dari
kedua sisi kegiatan. Pada hasil pengolahan data tersebut menunjukan bahwa
perubahan proporsi pasangan variabel dikotomus tidak sama karena banyak faktor
yang mempengaruhinya antara lain data yang ada di kegiatan impor dan ekspor
tersebut seberapa banyaknya nilai data yang minus dan plus. Yang dimaksud
variabel dikotomus disini adalah variabel yang saling berlawanan.
19.11 Kesimpulan
yang didapat setelah di uji normalitas, keseragaman data, validitas dan reliabel telah
normal, seragam, valid dan uji reliabilitas menunjukan bahwa data tersebut cukup
reliabel. Hasil untuk MC Nemar menunjukan bahwa tidak terdapat persamaan pada
711
9
data bernilai minus dan plus pada kegiatan impor dan ekspor.
Selanjutnya dengan pengolahan data yang sudah dilakukan dapat diketahui
bahwa perkembangan kegiatan impor dan ekspor besi dan baja yang terdapat di
Indonesia nilai perkembangannya cukup signifikan. Nilai minus pada trend selama
tahun 2012 sampai dengan tahun 2016 paling banyak terjadi di impor. Hal tersebut
dikarenakan Besarnya importasi baja relatif dapat dipahami apabila memang terjadi
kompetisi harga yang sehat antara produksi nasional dengan impor, namun pada
kenyataannya terjadi persaingan yang tidak fair. Antara lain, baja impor mendapat
keringanan pajak (tax rebate) dari negaranya karena untuk ekspor, sementara untuk
bea masuk ke Indonesia, sebagai negara ASEAN, tidak ada hambatan dari sisi fiskal
berkat adanya perjanjian China ASEAN Free Trade Agreement (CAFTA).
Situasi perbajaan Indonesia bertambah buruk lagi karena adanya importasi
baja dengan pengalihan nomor HS (HS Code) demi mendapatkan pembayaran bea
masuk nol dengan cara mengubah unsur material produksinya, misalnya
menambahkan senyawa Boron/Borax. Sehingga besi baja karbon menjadi besi alloy
yang bebas bea masuk.
712
0
BAB XX
STATISTIKA MULTIVARIATE ANALYSIS OF VARIANCE
(MANOVA)
20.1 Latar Belakang
Seorang Mahasiswa hendak melakukan penelitian mengenai harga produsen

kacang tanah menurut provinsi bulan februari dan maret beradasarkan 40 data dari
4 provinsi yang ada di Indonesia. Penelitian tersebut mengambil data pengamatan
pada tahun 2018. Tentukan data statistic dan analisis yang dilakukan oleh
mahasiswa tersebut.

berikut:
1. Bagaimana cara menentukan uji manova pada studi kasus tersebut?

pengolahan data dari studi kasus yang ada
20.3 Tujuan
Mendapatkan data dari Badan Pusat Statistik mengenai penelitian mengenai

statistik harga produsen pertanian subsektor tanaman pangan, hortikultura dan
tanaman perkebunan rakyat 2018
20.4 Manfaat
2. Memberikan informasi mengenai harga produsen kacang tanah menurut

provinsi dari bulan ke bulan
3. Memperoleh penjelasan mengenai harga produsen kacang tanah menurut

provinsi dari bulan ke bulan
712
1
20.5 Literatur
Masalah yang akan dibahas yaitu kemampuan siswa dalam menguasai mata
pelajaran matematika dilihat dari nilai kognitif, afektif dan tingkat kecerdasan IQ.
Data terdiri dari dua variabel terikat Y1 (nilai kognitif) dan Y2 (nilai afektif) dan
variabel bebas X (tingkat kecerdasan IQ).
Berikut data yang akan digunakan dalam analisis MANOVA yang terdiri dari
data nilai kognitif dan nilai afektif siswa dengan tingkat kecerdasan IQ siswa.
Variabel bebas:X= tingkat kecerdasan IQ siswa
 level 1 siswa yang memiliki tingkat kecerdasan IQ, x ≤ 100
 level 2 siswa yang memiliki tingkat kecerdasan IQ ,100 < x ≤ 125
 level 3 siswa yang memiliki tingkat kecerdasan IQ ,125 < x ≤ 150
 level 4 siswa yang memiliki tingkat kecerdasan IQ , x >150
Variabel terikat:
Y1:Nilai Kognitif siswa
Y2: Nilai Afektif siswa
Sebelum melakukan analisis MANOVA, terlebih dahulu ada asumsiasumsi

yang harus dipenuhi terlebih dahulu yaitu data berdistribusi normal multivariate
normal dan dan varians data adalah homogen. Berikut pemeriksaan asumsi-asumsi
MANOVA.
- Pengujian Distribusi Multivariat Normal
Variabel yang diuji hanyalah variabel terikat Y1 (nilai kognitif) dan

Y2 (nilai afektif). Berikut pengujian multivariate normal dengan
menggunakan macro minitab:
712
2
 Hipotesis
 H0 = Kedua variabel Y ( nilai kognitif dan nilai afektif) mempunyai

matrik varian-kovarian yang sama variabel X (tingkat kecerdasan IQ).
 H1 : Kedua variabel Y ( nilai kognitif dan nilai afektif) mempunyai

matrik varian-kovarian yang berbeda variabel X (tingkat kecerdasan
IQ).
 Kriteria Keputusan
o Jika angka sig. > 0,05, maka H 0 diterima
o Jika angka sig. < 0,05, maka H 0 ditolak
 Output
Dari table terlihat nilai Box’M=12,186 dengan nilai signifikasi 0,254.

Karena nilai signifikan lebih besar dari 0,05, maka H 0 diterima. Artinya
matrik varians-kovarians pada variabel Y ( nilai kognitif dan nilai afektif)
adalah sama untuk X (tingkatan kecerdasan IQ). Dengan demikian
keputusan gagal menolak H 0 dan matrik varians-kovarians pada data sudah
homogen.
- Uji homogenitas varian
Dengan taraf signifikansi 0,05 dari tabel di atas terlihat angka

signifikansi uji Levene diatas menunjukan bahwa untuk kedua variabel Y, yaitu :
 Y1 nilai F=0.722 dengan signifikansi 0,543 > 0,05.
 Y2 nilai F=0.693 dengan signifikansi 0,560 > 0,05.
Maka H0 diterima. Hal ini berarti matrik varians-kovarians pada variabel

Y1 dan Y2 secara individu adalah sama untuk setiap variabel X. Sehingga
bisa dilanjutkan dengan analisis MANOVA.
- Tabel Manova
Tabel Multivariate Test dibawah ini menjelaskan pengujian

perbandingan rata-rata komponen kognitif dan komponen afektif
712
3
secara bersamaan dengan komponen IQ. Terdapat uji statistic, yaitu
Pillai’s Trace, Wilk’s Lamda, Hotelling Trace, dan Roy’s Largers.
 Hipotesis
o H0 = variabel X (tingkat kecerdasan IQ) tidak

menunjukkan perbedaan pada kedua variabel Y (nilai
kognitif dan nilai afektif).
o H1 : variabel X (tingkat kecerdasan IQ)

menunjukkan perbedaan pada kedua variabel Y (
nilai kognitif dan nilai afektif).
 Kriteria Keputusan
o Jika angka sig. > 0,05, maka H 0 diterima
o Jika angka sig. < 0,05, maka H 0 ditolak
Perhatikan pada baris X pada angka signifikansi yang

diuji dengan prosedur Pillai, Wilk’s Lambda, Hotelling
dan Roy’s. Ketiga procedure yang pertama menunjukan
angka signifikansi diatas 0.05 yaitu 0.037, 0.031, 0.026
dan 0,004. Maka bisa dikatakan Ho ditolak. Karena Ho
ditolak maka secara bersama-sama nilai kognitif dan
afektif menunjukkan perbedaan pada tingkat kecerdasan
IQ.
MANOVA merupakan analisis keragaman yang menguji apakah vektor nilai

tengah populasi sama atau berbeda. Analisis ragam dengan MANOVA, dapat
dilakukan sekaligus pada beberapa variabel yang diamati dengan melibatkan
matriks ragam peragam (variance covariance matrix).
Berikut adalah kumpulan data hasil penelitian mengenai harga produsen

kacang tanah menurut provinsi bulan februari dan maret tahun 2018.
712
4
Tabel 20.1 Kumpulan data penelitian mengenai harga produsen kacang tanah
menurut provinsi bulan februari dan maret tahun 2018.
Provinsi Februari 2018 Maret 2018

Aceh 1261760.0 1234796.0
Sumatera Utara 1337548.0 1312588.0
Sumatera Barat 1228237.0 1218548.0
Riau 1876607.0 1893674.0
Jambi 1547180.0 1526224.0
Sumatera Selatan 1350000.0 1343734.0
Bengkulu 1540452.0 1543540.0
Lampung 1018693.0 1006035.0
Aceh 1390586.0 1390586.0
Sumatera Utara 1448118.0 1475521.0
Sumatera Barat 1091290.0 1099621.0
Riau 1134298.0 1147871.0
Jambi 1291793.0 1338379.0
Bengkulu 1128784.0 1119805.0
Lampung 1021146.0 1028776.0
Aceh 1776975.0 1688915.0
Sumatera Utara 2080959.0 2078775.0
Sumatera Barat 1697389.0 1719615.0
Riau 1367316.0 1328583.0
Jambi 1305727.0 1317440.0
Bengkulu 2093540.0 2037614.0
Lampung 1720349.0 1742276.0
Aceh 1566342.0 1574255.0
Sumatera Utara 1521286.0 1493994.0
Sumatera Barat 1319965.0 1303926.0
Riau 1599013.0 1119805.0
Jambi 2405831.0 1028776.0
Bengkulu 2294217.0 2093540.0
Lampung 2574055.0 1720349.0
Langkah-langkah dalam melakukan uji Mannova adalah sebagai berikut:
b. Klik Analyze – General Liniear Model – Multivariate
712
5
Gambar 20.1 Kotak Dialog Multivariate
c. Blok semua variabel Februari_2018 dan Maret_2018 masukkan ke dalam kotak
Dependent Variables, dengan klik tombol panah sehingga muncul variabel
Februari_2018 dan Maret_2018 di kotak tersebut. Dan masukkan variabel
Provinsi masukkan ke dalam kotak Fixed Factor(s), dengan klik tombol panah
sehingga muncul variabel Provinsi di kotak tersebut.
Gambar 20.2 Kotak Dialog Multivariate: Post Hoc Multiple Comparisons for Observed
Means
d. Masukkan variabel Provinsi masukkan ke dalam kotak Post Hoc Test For,
dengan klik tombol panah sehingga muncul variabel Provinsi di kotak tersebut. Beri
tanda check pada LSD, Scheffe, dan Turkey di dalam Equal Variances Assumed.
712
6
Gambar 20.3 Kotak Dialog Multivariate:Options
e. Masukkan variabel Provinsi masukkan ke dalam kotak Display Means For,

dengan klik tombol panah sehingga muncul variabel Provinsi di kotak tersebut.
Beri tanda check pada Homogeneity tests di dalam Display.
f. Klik Continue
g. Lalu klik OK
dilakukan yaitu mulai dari uji homogenitas, homogenitas matriks
varian/covarian, normalitas, multivariate test, test of between subject effects, post
hoc, missing data dan box plot.
A. Uji Homogenitas
Tabel 20.2 Hasil Pengolahan Uji Homogenitas mengenai harga produsen

712
7
Levene's Test of Equality of Error Variancesa
F df1 df2 Sig.
Februari_2018 1,604 7 24 ,182

Maret_2018 2,889 7 24 ,112
Tests the null hypothesis that the error variance of the dependent
variable is equal across groups.
a. Design: Intercept + Provinsi
Hasi Uji Levene menunjukkan bahwa untuk Februari 2018 harga F = 1,604 dan
sig. 0,182. sedangkan untuk Maret 2018 F = 2,889 dan sig. 0,112. signifikasi
kedua dependent variable lebih besar dari 0,05. artinya kedua varian tersebut
homogen,sehingga MANOVA dapat dilanjutkan
B. Homogenitas Matriks Varian/Covarian
Tabel 20.3 Hasil Pengolahan Uji Homogenitas Matriks Varian/Covarian

mengenai harga produsen kacang tanah menurut provinsi bulan februari dan
maret tahun 2018.
Box's Test of Equality

of Covariance
Matricesa
Box's M 77,969
F 2,669
df1 21
df2 2064,623
Sig. ,522
Tests the null

hypothesis that the
observed covariance
matrices of the
dependent variables
are equal across
groups.
a. Design: Intercept +
Provinsi
712
8
Harga Box’s M= 77,969 dengan signifikasi 0.522. karena signifikasi level
melebihi taraf signifikasi penelitian 0,05 sehingga hipotesis nol diterima (
matriks varian/covarian variable dependent sama ). sehingga analisis
MANOVA dapat dilanjutkan.
C. Uji Normalitas
Tabel 20.4 Hasil Pengolahan Uji Normalitas mengenai harga produsen

Tests of Normality
Provinsi Kolmogorov-Smirnova Shapiro-Wilk
Februari_2018 Aceh ,186 4 . ,981 4 ,906

Bengkulu ,233 4 . ,946 4 ,689
Jambi ,318 4 . ,784 4 ,077
Lampung ,277 4 . ,859 4 ,257
Riau ,155 4 . ,994 4 ,978

Sumatera ,251 12 ,035 ,792 12 ,008
Maret_2018 Aceh ,195 4 . ,975 4 ,873
Bengkulu ,270 4 . ,896 4 ,413
Jambi ,279 4 . ,943 4 ,673
Lampung ,299 4 . ,756 4 ,044
Riau ,299 4 . ,814 4 ,130

Sumatera ,274 12 ,013 ,820 12 ,016

f. Variabel Februari 2018 untuk provinsi Aceh, Bengkulu, Jambi, Lampung, Riau,
712
9
Sumatra memiliki nilai (Sig.> α), maka data tersebut normal
g. Variabel Maret 2018 untuk provinsi Aceh, Bengkulu, Jambi, Lampung, Riau,
Sumatra memiliki nilai (Sig.> α), maka data tersebut normal
D. Uji Multivariate Test
Tabel 20.5 Hasil Pengolahan Uji Multivariate Test mengenai harga

produsen kacang tanah menurut provinsi bulan februari dan maret tahun 2018.
Multivariate Testsc
Effect Value F Hypothesis df Error df Sig.
Intercept Pillai's Trace ,966 328,598a 2,000 23,000 ,000

Wilks' Lambda ,034 328,598a 2,000 23,000 ,000
Hotelling's Trace 28,574 328,598a 2,000 23,000 ,000
Roy's Largest Root 28,574 328,598a 2,000 23,000 ,000
Provinsi Pillai's Trace ,314 ,639 14,000 48,000 ,819
Wilks' Lambda ,704 ,631a 14,000 46,000 ,825
Hotelling's Trace ,395 ,621 14,000 44,000 ,833

Roy's Largest Root ,314 1,077b 7,000 24,000 ,408
a. Exact statistic
b. The statistic is an upper bound on F that yields a lower bound on the significance level.
c. Design: Intercept + Provinsi
Hasil Analisis menunjukkan bahwa harga F untuk Pillar’s Trace,Willks

Lambda, Hotelling’s Trace, Roys\’s Largest Root, X memiliki signifikasi yang
lebih besar dari 0,05 jadi tidak terdapat perbedaan antara Februari 2018 dan Maret
2018.
713
0
E. Uji Test Of Between Subject Effects
Tabel 20.6 Hasil Pengolahan Uji Test Of Between Subject Effects mengenai
harga produsen kacang tanah menurut provinsi bulan februari dan maret tahun
2018.
Tests of Between-Subjects Effects
Source Dependent Variable Type III Sum of

Squares df Mean Square F Sig.
Corrected Model Februari_2018 4,562E11 7 6,517E10 ,288 ,952

dimension1
Maret_2018 5,750E11 7 8,214E10 ,845 ,562

Intercept Februari_2018 7,871E13 1 7,871E13 347,540 ,000
dimension1
Maret_2018 6,571E13 1 6,571E13 676,077 ,000

Provinsi Februari_2018 4,562E11 7 6,517E10 ,288 ,952
dimension1
Maret_2018 5,750E11 7 8,214E10 ,845 ,562

Error Februari_2018 5,435E12 24 2,265E11
dimension1
Maret_2018 2,332E12 24 9,719E10

Total Februari_2018 8,460E13 32
dimension1
Maret_2018 6,861E13 32
Corrected Total Februari_2018 5,892E12 31
dimension1
Maret_2018 2,907E12 31
a. R Squared = ,077 (Adjusted R Squared = -,192)

b. R Squared = ,198 (Adjusted R Squared = -,036)
Hubungan antara produktivitas setiap provinsi dengan Februari 2018

memberikan harga F sebesar 0,288 dengan signifikasi 0,952. hal ini menunjukkan
bahwa tidak terdapat perbedaan antara Februari 2018 oleh perbedaan provinsi.
Disisi lain dengan hubungan antara provinsi dengan Maret 2018 memberikan harga
F sebesar 0,845 dengan signifikasi 0,562. sehingga dapat disimpulkan bahwa tidak
terdapat perbedaan antara produktivita 2015 dan Provinsi
Besarnya nilai adj R Februari 2018 = 0,077
Besarnya nilai adj R Maret 2018 = 0,198
713
1
F. Post Hoc
Tabel 20.7 Hasil Pengolahan Uji Post Hoc mengenai harga produsen kacang
tanah menurut provinsi bulan februari dan maret tahun 2018.
713
2
Multiple Comparisons
Dependent Variable (I) Provinsi (J) Provinsi Mean 95% Confidence Interval
Difference (I-J) Std. Error Sig. Lower Bound Upper Bound
Februari_ Tukey HSD Aceh Bengkulu -265332,50 336510,582 ,992 -1379826,23 849161,23
2018 Jambi -138717,00 336510,582 1,000 -1253210,73 975776,73
Lampung -84645,00 336510,582 1,000 -1199138,73 1029848,73
Riau 4607,25 336510,582 1,000 -1109886,48 1119100,98
Sumatera Barat 164695,50 336510,582 1,000 -949798,23 1279189,23
Sumatera Selatan -137966,25 336510,582 1,000 -1252459,98 976527,48

Sumatera Utara -98062,00 336510,582 1,000 -1212555,73 1016431,73
Bengkulu Aceh 265332,50 336510,582 ,992 -849161,23 1379826,23

Jambi 126615,50 336510,582 1,000 -987878,23 1241109,23
Lampung 180687,50 336510,582 ,999 -933806,23 1295181,23
Riau 269939,75 336510,582 ,991 -844553,98 1384433,48
Sumatera Barat 430028,00 336510,582 ,898 -684465,73 1544521,73
Sumatera Selatan 127366,25 336510,582 1,000 -987127,48 1241859,98

Sumatera Utara 167270,50 336510,582 1,000 -947223,23 1281764,23
Jambi Aceh 138717,00 336510,582 1,000 -975776,73 1253210,73

Bengkulu -126615,50 336510,582 1,000 -1241109,23 987878,23
Lampung 54072,00 336510,582 1,000 -1060421,73 1168565,73
Riau 143324,25 336510,582 1,000 -971169,48 1257817,98
Sumatera Barat 303412,50 336510,582 ,983 -811081,23 1417906,23

Sumatera Utara 40655,00 336510,582 1,000 -1073838,73 1155148,73
Lampung Aceh 84645,00 336510,582 1,000 -1029848,73 1199138,73

Bengkulu -180687,50 336510,582 ,999 -1295181,23 933806,23
Jambi -54072,00 336510,582 1,000 -1168565,73 1060421,73
Riau 89252,25 336510,582 1,000 -1025241,48 1203745,98
Sumatera Barat 249340,50 336510,582 ,995 -865153,23 1363834,23

Sumatera Utara -13417,00 336510,582 1,000 -1127910,73 1101076,73
Riau Aceh -4607,25 336510,582 1,000 -1119100,98 1109886,48

Bengkulu -269939,75 336510,582 ,991 -1384433,48 844553,98
Jambi -143324,25 336510,582 1,000 -1257817,98 971169,48
Lampung -89252,25 336510,582 1,000 -1203745,98 1025241,48
Sumatera Barat 160088,25 336510,582 1,000 -954405,48 1274581,98

713
3
Sumatera Utara -102669,25 336510,582 1,000 -1217162,98 1011824,48
Sumatera Barat Aceh -164695,50 336510,582 1,000 -1279189,23 949798,23
Bengkulu -430028,00 336510,582 ,898 -1544521,73 684465,73
Jambi -303412,50 336510,582 ,983 -1417906,23 811081,23
Lampung -249340,50 336510,582 ,995 -1363834,23 865153,23
Riau -160088,25 336510,582 1,000 -1274581,98 954405,48
Sumatera Selatan -302661,75 336510,582 ,983 -1417155,48 811831,98

Sumatera Utara -262757,50 336510,582 ,993 -1377251,23 851736,23
Sumatera Selatan Aceh 137966,25 336510,582 1,000 -976527,48 1252459,98
Bengkulu -127366,25 336510,582 1,000 -1241859,98 987127,48
Jambi -750,75 336510,582 1,000 -1115244,48 1113742,98
Lampung 53321,25 336510,582 1,000 -1061172,48 1167814,98
Riau 142573,50 336510,582 1,000 -971920,23 1257067,23
Sumatera Barat 302661,75 336510,582 ,983 -811831,98 1417155,48

Sumatera Utara 39904,25 336510,582 1,000 -1074589,48 1154397,98
Sumatera Utara Aceh 98062,00 336510,582 1,000 -1016431,73 1212555,73
Bengkulu -167270,50 336510,582 1,000 -1281764,23 947223,23
Jambi -40655,00 336510,582 1,000 -1155148,73 1073838,73
Lampung 13417,00 336510,582 1,000 -1101076,73 1127910,73
Riau 102669,25 336510,582 1,000 -1011824,48 1217162,98
Sumatera Barat 262757,50 336510,582 ,993 -851736,23 1377251,23

Scheffe Aceh Bengkulu -265332,50 336510,582 ,999 -1651102,51 1120437,51
Jambi -138717,00 336510,582 1,000 -1524487,01 1247053,01
Lampung -84645,00 336510,582 1,000 -1470415,01 1301125,01
Riau 4607,25 336510,582 1,000 -1381162,76 1390377,26
Sumatera Barat 164695,50 336510,582 1,000 -1221074,51 1550465,51

Sumatera Utara -98062,00 336510,582 1,000 -1483832,01 1287708,01
Bengkulu Aceh 265332,50 336510,582 ,999 -1120437,51 1651102,51

Jambi 126615,50 336510,582 1,000 -1259154,51 1512385,51
Lampung 180687,50 336510,582 1,000 -1205082,51 1566457,51
Riau 269939,75 336510,582 ,998 -1115830,26 1655709,76
Sumatera Barat 430028,00 336510,582 ,973 -955742,01 1815798,01

Sumatera Utara 167270,50 336510,582 1,000 -1218499,51 1553040,51
Jambi Aceh 138717,00 336510,582 1,000 -1247053,01 1524487,01
713
4
Bengkulu -126615,50 336510,582 1,000 -1512385,51 1259154,51
Lampung 54072,00 336510,582 1,000 -1331698,01 1439842,01
Riau 143324,25 336510,582 1,000 -1242445,76 1529094,26
Sumatera Barat 303412,50 336510,582 ,997 -1082357,51 1689182,51

Sumatera Utara 40655,00 336510,582 1,000 -1345115,01 1426425,01
Lampung Aceh 84645,00 336510,582 1,000 -1301125,01 1470415,01

Bengkulu -180687,50 336510,582 1,000 -1566457,51 1205082,51
Jambi -54072,00 336510,582 1,000 -1439842,01 1331698,01
Riau 89252,25 336510,582 1,000 -1296517,76 1475022,26
Sumatera Barat 249340,50 336510,582 ,999 -1136429,51 1635110,51

Sumatera Utara -13417,00 336510,582 1,000 -1399187,01 1372353,01
Riau Aceh -4607,25 336510,582 1,000 -1390377,26 1381162,76
Bengkulu -269939,75 336510,582 ,998 -1655709,76 1115830,26
Jambi -143324,25 336510,582 1,000 -1529094,26 1242445,76
Lampung -89252,25 336510,582 1,000 -1475022,26 1296517,76

Sumatera Barat 160088,25 336510,582 1,000 -1225681,76 1545858,26

Sumatera Utara -102669,25 336510,582 1,000 -1488439,26 1283100,76
Bengkulu -430028,00 336510,582 ,973 -1815798,01 955742,01
Jambi -303412,50 336510,582 ,997 -1689182,51 1082357,51
Lampung -249340,50 336510,582 ,999 -1635110,51 1136429,51
Riau -160088,25 336510,582 1,000 -1545858,26 1225681,76

Sumatera Utara -262757,50 336510,582 ,999 -1648527,51 1123012,51
Sumatera Selatan Aceh 137966,25 336510,582 1,000 -1247803,76 1523736,26

Bengkulu -127366,25 336510,582 1,000 -1513136,26 1258403,76
Jambi -750,75 336510,582 1,000 -1386520,76 1385019,26
Lampung 53321,25 336510,582 1,000 -1332448,76 1439091,26
Riau 142573,50 336510,582 1,000 -1243196,51 1528343,51
Sumatera Barat 302661,75 336510,582 ,997 -1083108,26 1688431,76

Sumatera Utara 39904,25 336510,582 1,000 -1345865,76 1425674,26
Bengkulu -167270,50 336510,582 1,000 -1553040,51 1218499,51

Jambi -40655,00 336510,582 1,000 -1426425,01 1345115,01
713
5
Lampung 13417,00 336510,582 1,000 -1372353,01 1399187,01
Riau 102669,25 336510,582 1,000 -1283100,76 1488439,26
Sumatera Barat 262757,50 336510,582 ,999 -1123012,51 1648527,51

LSD Aceh Bengkulu -265332,50 336510,582 ,438 -959856,21 429191,21

Jambi -138717,00 336510,582 ,684 -833240,71 555806,71
Lampung -84645,00 336510,582 ,804 -779168,71 609878,71
Riau 4607,25 336510,582 ,989 -689916,46 699130,96
Sumatera Barat 164695,50 336510,582 ,629 -529828,21 859219,21

Sumatera Utara -98062,00 336510,582 ,773 -792585,71 596461,71
Bengkulu Aceh 265332,50 336510,582 ,438 -429191,21 959856,21
Jambi 126615,50 336510,582 ,710 -567908,21 821139,21
Lampung 180687,50 336510,582 ,596 -513836,21 875211,21
Riau 269939,75 336510,582 ,430 -424583,96 964463,46
Sumatera Barat 430028,00 336510,582 ,214 -264495,71 1124551,71
Sumatera Selatan 127366,25 336510,582 ,708 -567157,46 821889,96

Sumatera Utara 167270,50 336510,582 ,624 -527253,21 861794,21
Jambi Aceh 138717,00 336510,582 ,684 -555806,71 833240,71
Bengkulu -126615,50 336510,582 ,710 -821139,21 567908,21
Lampung 54072,00 336510,582 ,874 -640451,71 748595,71
Riau 143324,25 336510,582 ,674 -551199,46 837847,96
Sumatera Barat 303412,50 336510,582 ,376 -391111,21 997936,21

Sumatera Utara 40655,00 336510,582 ,905 -653868,71 735178,71
Lampung Aceh 84645,00 336510,582 ,804 -609878,71 779168,71

Bengkulu -180687,50 336510,582 ,596 -875211,21 513836,21
Jambi -54072,00 336510,582 ,874 -748595,71 640451,71
Riau 89252,25 336510,582 ,793 -605271,46 783775,96
Sumatera Barat 249340,50 336510,582 ,466 -445183,21 943864,21

Sumatera Utara -13417,00 336510,582 ,969 -707940,71 681106,71
Riau Aceh -4607,25 336510,582 ,989 -699130,96 689916,46
Bengkulu -269939,75 336510,582 ,430 -964463,46 424583,96
Jambi -143324,25 336510,582 ,674 -837847,96 551199,46
Lampung -89252,25 336510,582 ,793 -783775,96 605271,46

Sumatera Barat 160088,25 336510,582 ,639 -534435,46 854611,96
713
6
Sumatera Utara -102669,25 336510,582 ,763 -797192,96 591854,46
Sumatera Barat Aceh -164695,50 336510,582 ,629 -859219,21 529828,21

Bengkulu -430028,00 336510,582 ,214 -1124551,71 264495,71
Jambi -303412,50 336510,582 ,376 -997936,21 391111,21
Lampung -249340,50 336510,582 ,466 -943864,21 445183,21
Riau -160088,25 336510,582 ,639 -854611,96 534435,46

Sumatera Utara -262757,50 336510,582 ,443 -957281,21 431766,21
Sumatera Selatan Aceh 137966,25 336510,582 ,685 -556557,46 832489,96
Bengkulu -127366,25 336510,582 ,708 -821889,96 567157,46
Jambi -750,75 336510,582 ,998 -695274,46 693772,96
Lampung 53321,25 336510,582 ,875 -641202,46 747844,96
Riau 142573,50 336510,582 ,676 -551950,21 837097,21
Sumatera Barat 302661,75 336510,582 ,377 -391861,96 997185,46

Sumatera Utara 39904,25 336510,582 ,907 -654619,46 734427,96
Sumatera Utara Aceh 98062,00 336510,582 ,773 -596461,71 792585,71
Bengkulu -167270,50 336510,582 ,624 -861794,21 527253,21
Jambi -40655,00 336510,582 ,905 -735178,71 653868,71
Lampung 13417,00 336510,582 ,969 -681106,71 707940,71
Riau 102669,25 336510,582 ,763 -591854,46 797192,96
Sumatera Barat 262757,50 336510,582 ,443 -431766,21 957281,21

Maret_20 Tukey HSD Aceh Bengkulu -226486,75 220438,395 ,965 -956559,51 503586,01
18 Jambi 169433,25 220438,395 ,993 -560639,51 899506,01
Lampung 97779,00 220438,395 1,000 -632293,76 827851,76
Riau 99654,75 220438,395 1,000 -630418,01 829727,51
Sumatera Barat 136710,50 220438,395 ,998 -593362,26 866783,26

Sumatera Utara -118081,50 220438,395 ,999 -848154,26 611991,26
Bengkulu Aceh 226486,75 220438,395 ,965 -503586,01 956559,51

Jambi 395920,00 220438,395 ,628 -334152,76 1125992,76
Lampung 324265,75 220438,395 ,815 -405807,01 1054338,51
Riau 326141,50 220438,395 ,810 -403931,26 1056214,26
Sumatera Barat 363197,25 220438,395 ,718 -366875,51 1093270,01

Sumatera Utara 108405,25 220438,395 1,000 -621667,51 838478,01
713
7
Jambi Aceh -169433,25 220438,395 ,993 -899506,01 560639,51
Bengkulu -395920,00 220438,395 ,628 -1125992,76 334152,76
Lampung -71654,25 220438,395 1,000 -801727,01 658418,51
Riau -69778,50 220438,395 1,000 -799851,26 660294,26
Sumatera Barat -32722,75 220438,395 1,000 -762795,51 697350,01

Sumatera Utara -287514,75 220438,395 ,888 -1017587,51 442558,01
Lampung Aceh -97779,00 220438,395 1,000 -827851,76 632293,76

Bengkulu -324265,75 220438,395 ,815 -1054338,51 405807,01
Jambi 71654,25 220438,395 1,000 -658418,51 801727,01
Riau 1875,75 220438,395 1,000 -728197,01 731948,51
Sumatera Barat 38931,50 220438,395 1,000 -691141,26 769004,26

Sumatera Utara -215860,50 220438,395 ,973 -945933,26 514212,26
Riau Aceh -99654,75 220438,395 1,000 -829727,51 630418,01

Bengkulu -326141,50 220438,395 ,810 -1056214,26 403931,26
Jambi 69778,50 220438,395 1,000 -660294,26 799851,26
Lampung -1875,75 220438,395 1,000 -731948,51 728197,01
Sumatera Barat 37055,75 220438,395 1,000 -693017,01 767128,51

Sumatera Utara -217736,25 220438,395 ,972 -947809,01 512336,51

Bengkulu -363197,25 220438,395 ,718 -1093270,01 366875,51
Jambi 32722,75 220438,395 1,000 -697350,01 762795,51
Lampung -38931,50 220438,395 1,000 -769004,26 691141,26
Riau -37055,75 220438,395 1,000 -767128,51 693017,01

Sumatera Utara -254792,00 220438,395 ,937 -984864,76 475280,76
Sumatera Selatan Aceh -154649,25 220438,395 ,996 -884722,01 575423,51

Bengkulu -381136,00 220438,395 ,670 -1111208,76 348936,76
Jambi 14784,00 220438,395 1,000 -715288,76 744856,76
Lampung -56870,25 220438,395 1,000 -786943,01 673202,51
Riau -54994,50 220438,395 1,000 -785067,26 675078,26
Sumatera Barat -17938,75 220438,395 1,000 -748011,51 712134,01

Sumatera Utara -272730,75 220438,395 ,912 -1002803,51 457342,01

Bengkulu -108405,25 220438,395 1,000 -838478,01 621667,51
713
8
Jambi 287514,75 220438,395 ,888 -442558,01 1017587,51
Lampung 215860,50 220438,395 ,973 -514212,26 945933,26
Riau 217736,25 220438,395 ,972 -512336,51 947809,01
Sumatera Barat 254792,00 220438,395 ,937 -475280,76 984864,76

Scheffe Aceh Bengkulu -226486,75 220438,395 ,992 -1134264,79 681291,29

Jambi 169433,25 220438,395 ,999 -738344,79 1077211,29
Lampung 97779,00 220438,395 1,000 -809999,04 1005557,04
Riau 99654,75 220438,395 1,000 -808123,29 1007432,79
Sumatera Barat 136710,50 220438,395 1,000 -771067,54 1044488,54

Sumatera Utara -118081,50 220438,395 1,000 -1025859,54 789696,54
Bengkulu Aceh 226486,75 220438,395 ,992 -681291,29 1134264,79

Jambi 395920,00 220438,395 ,853 -511858,04 1303698,04
Lampung 324265,75 220438,395 ,943 -583512,29 1232043,79
Riau 326141,50 220438,395 ,941 -581636,54 1233919,54
Sumatera Barat 363197,25 220438,395 ,900 -544580,79 1270975,29

Sumatera Utara 108405,25 220438,395 1,000 -799372,79 1016183,29
Jambi Aceh -169433,25 220438,395 ,999 -1077211,29 738344,79

Bengkulu -395920,00 220438,395 ,853 -1303698,04 511858,04
Lampung -71654,25 220438,395 1,000 -979432,29 836123,79
Riau -69778,50 220438,395 1,000 -977556,54 837999,54
Sumatera Barat -32722,75 220438,395 1,000 -940500,79 875055,29

Sumatera Utara -287514,75 220438,395 ,970 -1195292,79 620263,29
Lampung Aceh -97779,00 220438,395 1,000 -1005557,04 809999,04

Bengkulu -324265,75 220438,395 ,943 -1232043,79 583512,29
Jambi 71654,25 220438,395 1,000 -836123,79 979432,29
Riau 1875,75 220438,395 1,000 -905902,29 909653,79
Sumatera Barat 38931,50 220438,395 1,000 -868846,54 946709,54

Sumatera Utara -215860,50 220438,395 ,994 -1123638,54 691917,54
Riau Aceh -99654,75 220438,395 1,000 -1007432,79 808123,29

Bengkulu -326141,50 220438,395 ,941 -1233919,54 581636,54
Jambi 69778,50 220438,395 1,000 -837999,54 977556,54

Lampung -1875,75 220438,395 1,000 -909653,79 905902,29
713
9
Sumatera Barat 37055,75 220438,395 1,000 -870722,29 944833,79
Sumatera Utara -217736,25 220438,395 ,994 -1125514,29 690041,79

Bengkulu -363197,25 220438,395 ,900 -1270975,29 544580,79
Jambi 32722,75 220438,395 1,000 -875055,29 940500,79
Lampung -38931,50 220438,395 1,000 -946709,54 868846,54
Riau -37055,75 220438,395 1,000 -944833,79 870722,29

Sumatera Utara -254792,00 220438,395 ,985 -1162570,04 652986,04

Bengkulu -381136,00 220438,395 ,876 -1288914,04 526642,04
Jambi 14784,00 220438,395 1,000 -892994,04 922562,04

Lampung -56870,25 220438,395 1,000 -964648,29 850907,79
Riau -54994,50 220438,395 1,000 -962772,54 852783,54
Sumatera Barat -17938,75 220438,395 1,000 -925716,79 889839,29

Sumatera Utara -272730,75 220438,395 ,977 -1180508,79 635047,29

Bengkulu -108405,25 220438,395 1,000 -1016183,29 799372,79
Jambi 287514,75 220438,395 ,970 -620263,29 1195292,79
Lampung 215860,50 220438,395 ,994 -691917,54 1123638,54
Riau 217736,25 220438,395 ,994 -690041,79 1125514,29
Sumatera Barat 254792,00 220438,395 ,985 -652986,04 1162570,04

LSD Aceh Bengkulu -226486,75 220438,395 ,314 -681449,24 228475,74

Jambi 169433,25 220438,395 ,450 -285529,24 624395,74
Lampung 97779,00 220438,395 ,661 -357183,49 552741,49
Riau 99654,75 220438,395 ,655 -355307,74 554617,24
Sumatera Barat 136710,50 220438,395 ,541 -318251,99 591672,99

Sumatera Utara -118081,50 220438,395 ,597 -573043,99 336880,99
Bengkulu Aceh 226486,75 220438,395 ,314 -228475,74 681449,24

Jambi 395920,00 220438,395 ,085 -59042,49 850882,49
Lampung 324265,75 220438,395 ,154 -130696,74 779228,24
Riau 326141,50 220438,395 ,152 -128820,99 781103,99
Sumatera Barat 363197,25 220438,395 ,112 -91765,24 818159,74

714
0
Sumatera Utara 108405,25 220438,395 ,627 -346557,24 563367,74
Jambi Aceh -169433,25 220438,395 ,450 -624395,74 285529,24

Bengkulu -395920,00 220438,395 ,085 -850882,49 59042,49
Lampung -71654,25 220438,395 ,748 -526616,74 383308,24
Riau -69778,50 220438,395 ,754 -524740,99 385183,99
Sumatera Barat -32722,75 220438,395 ,883 -487685,24 422239,74

Sumatera Utara -287514,75 220438,395 ,205 -742477,24 167447,74
Lampung Aceh -97779,00 220438,395 ,661 -552741,49 357183,49

Bengkulu -324265,75 220438,395 ,154 -779228,24 130696,74
Jambi 71654,25 220438,395 ,748 -383308,24 526616,74
Riau 1875,75 220438,395 ,993 -453086,74 456838,24
Sumatera Barat 38931,50 220438,395 ,861 -416030,99 493893,99

Sumatera Utara -215860,50 220438,395 ,337 -670822,99 239101,99
Riau Aceh -99654,75 220438,395 ,655 -554617,24 355307,74

Bengkulu -326141,50 220438,395 ,152 -781103,99 128820,99
Jambi 69778,50 220438,395 ,754 -385183,99 524740,99
Lampung -1875,75 220438,395 ,993 -456838,24 453086,74
Sumatera Barat 37055,75 220438,395 ,868 -417906,74 492018,24

Sumatera Utara -217736,25 220438,395 ,333 -672698,74 237226,24

Bengkulu -363197,25 220438,395 ,112 -818159,74 91765,24
Jambi 32722,75 220438,395 ,883 -422239,74 487685,24
Lampung -38931,50 220438,395 ,861 -493893,99 416030,99
Riau -37055,75 220438,395 ,868 -492018,24 417906,74

Sumatera Utara -254792,00 220438,395 ,259 -709754,49 200170,49

Bengkulu -381136,00 220438,395 ,097 -836098,49 73826,49
Jambi 14784,00 220438,395 ,947 -440178,49 469746,49
Lampung -56870,25 220438,395 ,799 -511832,74 398092,24
Riau -54994,50 220438,395 ,805 -509956,99 399967,99
Sumatera Barat -17938,75 220438,395 ,936 -472901,24 437023,74

Sumatera Utara -272730,75 220438,395 ,228 -727693,24 182231,74
714
1
Bengkulu -108405,25 220438,395 ,627 -563367,74 346557,24
Jambi 287514,75 220438,395 ,205 -167447,74 742477,24
Lampung 215860,50 220438,395 ,337 -239101,99 670822,99
Riau 217736,25 220438,395 ,333 -237226,24 672698,74
Sumatera Barat 254792,00 220438,395 ,259 -200170,49 709754,49

Based on observed means.

The error term is Mean Square(Error) = 97186171650,792.
Hasil Uji Turkey, Scheffe, dan LSD menunjukkan bahwa tidak terdapat
perbedaan Februari 2018 dan Maret 2018 dengan provinsi Aceh, Bengkulu,
Jambi, Lampung, Riau, Sumatera Barat dan Sumatera Selatan dengan
signifikasi diatas 0,05.
G. Missing Data
Tabel 20.8 Hasil Pengolahan Uji Missing Data mengenai harga produsen
Statistics
Provinsi Februari_2018 Maret_2018
N Valid 32 32 32
Missing 0 0 0
Dari hasil uji diatas menunjukkan bahwa tidak terdapat missing data
dalam variabel Februari 2018 dan Maret 2018 dengan provinsi Aceh,
Bengkulu, Jambi, Lampung, Riau, Sumatera Barat dan Sumatera Selatan.
H. Box Plot
Tabel 20.9 Hasil Box Plot mengenai harga produsen kacang tanah menurut
provinsi bulan februari dan maret tahun 2018.
714
2
Gambar 20.4 Normal Q-Q Plots Of Februari_2018
I. Hipotesis
Penentuan Hipotesis
Hₒ = Tidak terdapat perbedaan mengenai harga produsen kacang tanah

menurut provinsi bulan februari dan maret tahun 2018
H₁ = Terdapat perbedaan mengenai harga produsen kacang tanah

menurut provinsi bulan februari dan maret tahun 2018
Daerah Kritis: Jika nilai sig (2 tailed)>α, terima Hₒ
Uji Statistik
Nilai Sig. (2-tailed) = Seluruh variabel menunjukkan sig diatas

0,05
Nilai α = 0,05
Keputusan
Sig. (2-tailed) > α
Maka, terima Hₒ dan tolak H₁
714
3
Kesimpulan
nilai harga produsen kacang tanah menurut provinsi bulan februari
dan maret tahun 2018 tersebut tidak terdapat perbedaan.
Berdasarkan hasil pengolahan output data diatas didapatkan hasil bahwa

nilai sig. (2-tailed) > α (0,05) yang artinya tidak terdapat perbedaan terhadap harga
produsen kacang tanah menurut provinsi bulan februari dan maret tahun 2018. Hasil
tersebut didapat dari uji Manova yaitu, jika nilai sig. (2-tailed) > α, maka terima Hₒ
dan tolak H₁
20.11 Kesimpulan
Kesimpulan yang dapat diambil untuk data mengenai harga produsen

kacang tanah menurut provinsi bulan februari dan maret tahun 2018. yaitu antara
lain dari pengolahan data di atas sudah jelas menunjukan hasil pengolahan data
dengan metode uji Manova bahwa data yang di peroleh dari Badan Pusat Statistik.
714
4
20.1 Latar Belakang
Seorang mahasiswa hendak melakukan penelitian terhadap ketersediaan alat

dan mesin pertanian pasca panen padi di provinsi Jawa Barat, Jawa Timur, danJawa
Tengah tahun 2015. Data diambil dari Buku Statistik Sarana Pertanian Tahun2015
yang berisi perkembangan data sarana pertanian yang mencakup data benih, bibit,
pupuk, pestisida dan alat mesin pertanian tahun 2010 – 2015. Buku tersebut
dikeluarkan oleh Pusat Data dan Sistem Informasi Pertanian Sekretariat Jenderal –
Kementerian Pertanian
Bagaimana ketersediaan alat dan mesin pertanian pasca panen padi di

provinsi Jawa Barat, Jawa Timur, dan Jawa Tengah tahun 2015?
20.3 Tujuan
Penelitian ini bertujuan untuk mengidentifikasi ketersediaan alat dan mesin

pertanian pasca panen padi di provinsi Jawa Barat, Jawa Timur, dan Jawa Tengah
tahun 2015.
20.4 Manfaat
Mengetahui data dan informasi secara berkala mengenai perkembangan

data sarana pertanian yang mencakup data benih, bibit, pupuk, pestisida dan alat
mesin pertanian.
20.5 Literatur
Diadakan penelitian yang bertujuan untuk melihat apakah ada hubungan

antara daerah asal (pulau Lombok, Pulau Sumbawa, dan luar NTB) dan jurusan
pada saat SMA (IPA, IPS, Bahasa) dengan indeks prestasi komulatif (IPK) serta
dengan motivasi belajar mahasiswa di AMIKOM Mataram.
714
5
Data :
Tabel 20.1 Data daerah asal,jurusan, IPK, dan Motivasi belajar mahasiswa Amikom Mataram
(Sumber:
https://www.researchgate.net/profile/Muhamad_Isnawan/publication/337797752_IMPLEMENTA
SI_SPSS_FOR_RESEARCH_Written_by_Muhamad_Galang_Isnawan/links/5dea76d2299bf10bc
3463c08/IMPLEMENTASI-SPSS-FOR-RESEARCH-Written-by-Muhamad-Galang-Isnawan.pdf)
Rumusan masalah : Apakah ada pengaruh satu atau lebih variabel bebas yang
berjenis nonmetrik terhadap lebih dari satu variabel terikat yang berjenis metrik?
Adapun langkah-langkah analisis dengan menggunakan MANOVA adalah sebagai

berikut:
1. Pada menu utama pilih Analyze-General Linear Model-Multivariate,

masukkan variabel IPK dan motivasi pada kolom Dependent Variable, dan
masukkan variabel daerah asal dan jurusan SMA pada kolom Fixed
Factor(s) sehingga muncul tampilan sebagai berikut:
714
6
2. Lalu pilih Model, klik Custom dan pindahkan Daerah_Asal dan

Jurusan_SMA pada Model, baik secara sendiri-sendiri, maupun secara
bersama-sama sehingga muncul tampilan sebagai berikut
714
7
3. Pilih Continue, Post Hoc dan pindahkan semua item yang ada pada Factor(s)
pada kolom Post Hoc Tests for, dan kemudian berikan tanda centang pada
item Benferroni dan Tukey sehingga muncul tampilan sebagai berikut
4. Pilih Continue, Options dan pindahkan semua item yang ada pada kolom
Factor(s) and Factor Interactions pada kolom Display Means, lalu berikan
tanda centang pada item Homogenity tests sehingga muncul tampilan
sebagai berikut:
714
8
5. Pilih continue dan Ok.
Hasil output SPSS :
Gambar 20.5 Hasil pengolahan uji MANOVA
(Sumber:
https://www.researchgate.net/profile/Muhamad_Isnawan/publication/337797752_IMPLEMENTA
SI_SPSS_FOR_RESEARCH_Written_by_Muhamad_Galang_Isnawan/links/5dea76d2299bf10bc
3463c08/IMPLEMENTASI-SPSS-FOR-RESEARCH-Written-by-Muhamad-Galang-Isnawan.pdf)
Pada output di atas, diperoleh informasi bahwa variabel daerah asal tidak
berpengaruh terhadap IPK dan motivasi belajar mahasiswa. Hal ini disebabkan
karena nilai sig. Hotteling’s Trace berada di atas 0,05; yaitu sebesar 0,094. Selain
itu, diperoleh juga informasi bahwa variabel jurusan SMA berpengaruh terhadap
IPK dan motivasi belajar matematika karena nilai sig. Hotteling’s Trace berada di
bawah 0,05; yaitu sebesar 0,000. Hotteling’s Trace biasa digunakan ketika
714
9
banyaknya variabel terikat berjumlah dua. Akan tetapi, jika variabel terikat yang
diteliti lebih dari dua, maka uji statistik yang biasa digunakan adalah Wilk’s
Lambda.
Penelitian dilakukan dengan mencari dan mempelajari literatur seperti

jurnal terkait dan teori dasar untuk menunjang keseluruhan penelitian. Pengolahan
data dianalisis dengan SPSS 16.0 for Windows. Literatur, jurnal, dan teori yang
nantinya.
menunjukkan hasil lebih besar dari 1% dari total skor produksi. Kemudian uji
kecukupan data, uji Missing Data, dan uji Outlier. Uji asumsi klasik yang
digunakan dalam penelitian ini yaitu uji normalitas dan uji homogenitas. Metode
analisis yang digunakan yaitu Multivariate Analysis of Variance (MANOVA).
Berikut adalah kumpulan data ketersediaan alat dan mesin pertanian pasca
panen padi di provinsi Jawa Barat, Jawa Timur, dan Jawa Tengah tahun 2015 :
Tabel 20.2 Data ketersediaan alat dan mesin pertanian pasca panen padi di provinsi Jawa Barat,
Jawa Timur, dan Jawa Tengah tahun 2015
No Provinsi Mesin_Pengering Mesin_Pemanen

1 Jawa Barat 60 60
2 Jawa Barat 70 70
3 Jawa Barat 35 80
4 Jawa Barat 50 80
5 Jawa Barat 55 50
6 Jawa Barat 60 65
7 Jawa Barat 80 80
8 Jawa Barat 80 100
9 Jawa Barat 65 75
10 Jawa Barat 75 60
11 Jawa Barat 80 85
12 Jawa Barat 45 55
715
0
13 Jawa Barat 65 85
14 Jawa Barat 65 85
15 Jawa Barat 70 75
16 Jawa Barat 50 55
17 Jawa Barat 60 75
18 Jawa Barat 80 90
19 Jawa Barat 75 70
20 Jawa Barat 65 40
21 Jawa Barat 70 70
22 Jawa Barat 75 70
23 Jawa Barat 50 70
24 Jawa Barat 75 70
25 Jawa Barat 80 90
26 Jawa Barat 75 70
27 Jawa Barat 65 80
28 Jawa Barat 60 90
29 Jawa Barat 75 70
30 Jawa Barat 75 70
31 Jawa Barat 70 100
32 Jawa Barat 75 60
33 Jawa Barat 75 80
34 Jawa Barat 50 90
35 Jawa Barat 40 60
36 Jawa Barat 65 85
37 Jawa Barat 65 75
38 Jawa Barat 30 85
39 Jawa Barat 40 55
40 Jawa Barat 50 80
41 Jawa Barat 75 90
42 Jawa Barat 55 80
43 Jawa Barat 75 60
44 Jawa Barat 55 55
45 Jawa Barat 70 70
46 Jawa Barat 75 60
47 Jawa Barat 75 100
48 Jawa Barat 70 75
49 Jawa Barat 75 70
50 Jawa Barat 35 20
51 Jawa Barat 75 95
52 Jawa Barat 70 70
53 Jawa Barat 65 75
54 Jawa Tengah 70 60
715
1
715
2
103 Jawa Timur 35 80
715
3
Langkah-langkah dalam melakukan uji Multivariate Analysis of Variance

(MANOVA) adalah sebagai berikut:
b. Klik Analyze - General Linear Model - Multivariate

c. Pindahkan y1 (Mesin Pengering) dan y2 (Mesin Pemanen) ke dependent

variables dan x1 (Provinsi) ke fixed factor(s)
715
4
d. Selanjutnya pilih kotak option dan pilih Homogenity Tests, lalu klik continue
dan OK.
dilakukan yaitu mulai dari uji Homogenitas Varians, uji Homogenitasmatriks
Varian / Covarian, uji normalitas, uji korelasi/validitas. Kemudian uji kecukupan
data, uji Missing Data, dan uji Outlier.
A. Uji Homogenitas Varians

Uji homogenitas varians dilihat dari hasil uji Levene, seperti tampak pada
tabel berikut ini.
Tabel 20.3 Hasil Pengolahan Uji Homogenitas Varians ketersediaan alat dan mesin pasca panen
padi di Jawa Barat, Jawa Tengah, dan Jawa Timur tahun 2015
Levene's Test of Equality of Error Variancesa
F df1 df2 Sig.
Mesin_Pengering .142 2 147 .867
Mesin_Pemanen 1.060 2 147 .349
Hasil uji Levene menunjukkan bahwa untuk Mesin Pengering (y1) harga F= 0,142
dan signifikansi 0,867, sedangkan untuk Mesin Pemanen (y2) harga F= 1,060 dan
signifikansi 0,349 . Signifikansi kedua dependent variable lebih besar dari 0,05 ,
artinya kedua varian tersebut homogen sehingga MANOVA dapat dilanjutkan.
715
5
B. Uji Homogenitasmatriks Varian / Covarian
MANOVA mensyaratkan bahwa matriks varian/covarian dari variable
dependen sama. Uji homogenitas matriks varian/covarian dilihat dari hasil uji
Box. Apabila nilai Box’s M signifikan maka hipotesis nol yang menyatakan
bahwa matriks varian/covarian dari variable dependen sama ditolak. Dalam
kondisi ini analisis Manova tidak dapat dilanjutkan. Hasil uji Box’s M dengan
SPSS tampak pada tabel berikut ini.
Tabel 20.4 Hasil Pengolahan Uji Homogenitasmatriks Varian / Covarian ketersediaan alat dan
mesin pasca panen padi di Jawa Barat, Jawa Tengah, dan Jawa Timur tahun 2015
Box's Test of Equality of Covariance Matricesa
Box's M 17.126
F 2.798
df1 6
df2 5.142E5
Sig. .010
Tests the null hypothesis that the observed

covariance matrices of the dependent variables
are equal across groups.
a. Design: Intercept + Provinsi
Harga Box’s M = 17,126 dengan signifikansi 0,010. Karena signifikansi level

melebihi taraf signifikansi penelitian 0,05 sehingga hipotesis null diterima (matriks
varian/covarian variabel dependen sama). Sehingga analisis MANOVA dapat
dilanjutkan.
715
6
C. Uji MANOVA
a) Multivariate Test
Setelah kedua uji persyaratan hipotesis dipenuhi dilanjutkan dengan uji hipotesis
MANOVA. Uji MANOVA digunakan untuk menguji bagaimana ketersediaan alat
dan mesin pasca panen padi di provinsi Jawa Barat, Jawa Tengah, dan Jawa Timur.
Apakah ketersediaan alat dan mesin dari ketiga provinsi tersebut berasal dari
populasi yang sama. Keputusan diambil dengan analisis Pillae Trace, Wilk Lambda,
Hotelling Trace, Roy’s Largest Root. Hasil analisis untuk penelitian ini adalah
sebagai berikut.
Tabel 20.5 Hasil Pengolahan Uji MANOVA ketersediaan alat dan mesin pasca panen padi di Jawa
Barat, Jawa Tengah, dan Jawa Timur tahun 2015
Multivariate Testsc
Hypothesis
Effect Value F df Error df Sig.
Intercept Pillai's Trace 3.927E3

.982 2.000 146.000 .000
a
Wilks' Lambda 3.927E3

.018 2.000 146.000 .000
a
Hotelling's Trace 3.927E3

53.791 2.000 146.000 .000
a
Roy's Largest 3.927E3

53.791 2.000 146.000 .000
a
Root
Provinsi Pillai's Trace .032 1.207 4.000 294.000 .308
Wilks' Lambda .968 1.209a 4.000 292.000 .307
Hotelling's Trace .033 1.211 4.000 290.000 .306
Roy's Largest
.033 2.454b 2.000 147.000 .089
Root
a. Exact statistic
b. The statistic is an upper bound on F that yields a lower bound on the

significance level.
c. Design: Intercept + Provinsi
715
7
Hasil analisis menunjukkan bahwa harga F untuk pillae trace, wilk lambda,
hotelling trace, roy’s largest roots, Provinsi (x) memiliki nilai signifikansi yang
lebih besar dari 0,05. Artinya semua harga F signifikan. Jadi terdapat perbedaan
Mesin Pengering (y1) dan Mesin Pemanen (y2) yang diakibatkan oleh perbedaan
ketersediaan alat dan mesin pasca panen padi pada ketiga provinsi tersebut.
b) Test of Between Subject Effects

Test of Between Subject Effects menguji pengaruh univariate ANOVA untuk setiap
faktor terhadap dependent variable. Berikut hasil pengolahan SPSS.
Tabel 20.6 Hasil Pengolahan Test of Between Subjects ketersediaan alat dan mesin pasca panen
padi di Jawa Barat, Jawa Tengah, dan Jawa Timur tahun 2015
Tests of Between-Subjects Effects
Dependent Type III Sum

Source Variable of Squares df Mean Square F Sig.
Corrected Mesin_Pengering 296.034a 2 148.017 .885 .415

Model
Mesin_Pemanen 577.265b 2 288.632 1.528 .220
Intercept Mesin_Pengering 585079.593 1 585079.593 3.498E3 .000
Mesin_Pemanen 859738.260 1 859738.260 4.550E3 .000
Provinsi Mesin_Pengering 296.034 2 148.017 .885 .415
Mesin_Pemanen 577.265 2 288.632 1.528 .220
Error Mesin_Pengering 24590.799 147 167.284
Mesin_Pemanen 27774.235 147 188.940
Total Mesin_Pengering 612075.000 150
Mesin_Pemanen 887925.000 150
Corrected Total Mesin_Pengering 24886.833 149
Mesin_Pemanen 28351.500 149
a. R Squared = .012 (Adjusted R Squared = -

.002)
b. R Squared = .020 (Adjusted R Squared = .007)
Hubungan antara ketersediaan alat dan mesin pasca panen padi pada ketiga provinsi
(x) dengan mesin pengering (y1) memberikan harga F sebesar 0,885 dengan
715
8
signifikansi 0,415. Hal ini menunjukkan bahwa terdapat perbedaan antara mesin
pengering dengan ketersediaan alat dan mesin pasca panen padi pada ketiga
provinsi. Disisi lain, hubungan antara ketersediaan alat dan mesin pasca panen padi
pada ketiga provinsi (x) dengan mesin pemanen (y2) memberikan harga F sebesar
1,528 dengan signifikansi 0,220. Hal ini berarti terdapat perbedaan antara mesin
pemanen dengan ketersediaan alat dan mesin pasca panen padi pada ketiga provinsi.
Besarnya nilai Adj R² untuk mesin pengering 1,2%, sedangkan untuk mesin
pemanen adalah 2%
c) Post Hoc
Setelah melakukan uji MANOVA lakukan uji Post Hoc untuk menentukan
kelompok-kelompok tertentu berbeda satu sama lain. Selanjutnya akan muncul
hasil analisis sebagai berikut.
715
9
Tabel 20.7 Hasil Pengolahan Post Hoc ketersediaan alat dan mesin pasca panen padi di Jawa Barat, Jawa
Tengah, dan Jawa Timur tahun 2015
95% Confidence
Interval
Mean
Difference Std. Lower Upper
Dependent Variable (I) Provinsi (J) Provinsi (I-J) Error Sig. Bound Bound
Mesin_Penger Tukey Jawa Barat Jawa

3.21 2.563 .425 -2.86 9.28
ing HSD Tengah
Jawa Timur 2.56 2.577 .582 -3.54 8.66
Jawa Jawa Barat -3.21 2.563 .425 -9.28 2.86

Tengah
Jawa Timur -.65 2.627 .967 -6.87 5.57
Jawa Timur Jawa Barat -2.56 2.577 .582 -8.66 3.54
Jawa
.65 2.627 .967 -5.57 6.87
Tengah
Scheffe Jawa Barat Jawa

3.21 2.563 .459 -3.13 9.55
Tengah
Jawa Timur 2.56 2.577 .612 -3.81 8.93
Jawa Jawa Barat -3.21 2.563 .459 -9.55 3.13

Tengah
Jawa Timur -.65 2.627 .970 -7.15 5.84
Jawa
.65 2.627 .970 -5.84 7.15
Tengah
LSD Jawa Barat Jawa

3.21 2.563 .213 -1.86 8.28
Tengah
Jawa Timur 2.56 2.577 .322 -2.53 7.65
Jawa Jawa Barat -3.21 2.563 .213 -8.28 1.86

Tengah
Jawa Timur -.65 2.627 .805 -5.84 4.54
Jawa
.65 2.627 .805 -4.54 5.84
Tengah
Mesin_Peman Tukey Jawa Barat Jawa

-4.54 2.724 .222 -10.99 1.91
en HSD Tengah
716
0
Jawa Timur -3.45 2.739 .420 -9.93 3.04
Jawa Jawa Barat 4.54 2.724 .222 -1.91 10.99

Tengah Jawa Timur 1.09 2.791 .919 -5.52 7.70
Jawa Timur Jawa Barat 3.45 2.739 .420 -3.04 9.93
Jawa
-1.09 2.791 .919 -7.70 5.52
Tengah
Scheffe Jawa Barat Jawa

-4.54 2.724 .253 -11.28 2.20
Tengah
Jawa Timur -3.45 2.739 .454 -10.22 3.32
Jawa Jawa Barat 4.54 2.724 .253 -2.20 11.28

Jawa
-1.09 2.791 .927 -7.99 5.81
Tengah
LSD Jawa Barat Jawa

-4.54 2.724 .098 -9.92 .84
Tengah
Jawa Timur -3.45 2.739 .210 -8.86 1.96
Jawa Jawa Barat 4.54 2.724 .098 -.84 9.92

Jawa
-1.09 2.791 .697 -6.61 4.43
Tengah
Based on observed means.

The error term is Mean Square(Error) = 188.940.
Hasil uji Turkey, Scheffe, dan LSD menunjukkan bahwa semua signifikansi
variable lebih besar dari 0,05. Hal ini berarti terdapat perbedaan yang signifikan
antara mesin pengering maupun mesin pemanen terhadap ketersediaan alat dan
mesin pasca panen padi pada provinsi Jawa Barat, Jawa Tengah, dan Jawa Timur.
716
1
D. Uji Normalitas
Tabel 20.8 Hasil Pengolahan Uji Normalitas ketersediaan alat dan mesin pasca panen padi di Jawa
Tests of Normality
Provinsi Statistic df Sig. Statistic df Sig.
Mesin_Pengering Jawa Bar .178 53 .000 .885 53 .020
Jawa Ten .191 49 .000 .899 49 .031
Jawa Tim .156 48 .005 .932 48 .048
Mesin_Pemanen Jawa Bar .155 53 .003 .950 53 .027
Jawa Ten .126 49 .052 .962 49 .119
Jawa Tim .116 48 .104 .918 48 .012
menunjukkan bahwa:
716
2
E. Uji Korelasi
Tabel 20.9 Hasil Pengolahan Uji Korelasi ketersediaan alat dan mesin pasca panen padi di Jawa
Correlations
Mesin_Pengerin
g Mesin_Pemanen N_Total
Mesin_Pengering Pearson Correlation 1 .002 .685**
Sig. (2-tailed) .980 .000
N 150 150 150
Mesin_Pemanen Pearson Correlation .002 1 .730**
Sig. (2-tailed) .980 .000
N 150 150 150
Sig. (2-tailed) .000 .000
N 150 150 150
Mesin Pengering= 0,685 > r tabel Valid
Mesin Pemanen = 0,730 > r tabel Valid
716
3
E. Uji Missing Data
Tabel 20.10 Hasil Pengolahan Uji Missing Data ketersediaan alat dan mesin pasca panen padi di
Jawa Barat, Jawa Tengah, dan Jawa Timur tahun 2015
Statistics
Mesin_Pengerin
g Mesin_Pemanen
N Valid 150 150
Missing 0 0
Mean 62.57 75.70
Sum 9385 11355
Dari tabel diatas dapat diketahui berapa missing value yang terdapat pada masing-
masing variabel data. Tidak ada missing value dari 150 objek pengamatan. Dengan
demikian dapat diketahui berapa persentase validitas data masing-masing variable.
F. Outlier dengan Box Plot
Tabel 20.11 Hasil Pengolahan Outlier Mesin Pengering
716
4
Tabel 20.12 Hasil Pengolahan Outlier Mesin Pemanen
Dari kedua tampilan box plot diatas dapat terlihat bahwa masing-masing variable
adanya data ekstrim (outlier), yaitu pada box plot tersebut tampak keberadaannya
jauh di luar sebaran data (box plot). Masing-masing data ekstrim dalam boxplot
tersebut diberikan tanda objek mana yang menjadi outlier data.
dan uji MANOVA menunjukan bahwa data yang di peroleh dari data ketersediaan
alat dan mesin pertanian pasca panen padi di provinsi Jawa Barat, Jawa Timur, dan
Jawa Tengah tahun 2015 tersebut menunjukan data tersebut normal karena nilai sig.
lebih dari nilai alpha (0,01), data valid karena nilai N_Total pada correlation lebih
besar dari nilai r tabel, Pada uji MANOVA tersebut menghasilkan bahwa dengan
tingkat signifikansi 1% menunjukan bahwa hasil uji MANOVA lebih dari nilai
alpha (0,01) yang dapat diartikan tolak H0 bahwa terdapat perbedaan yang
signifikan ketersedian alat dan mesin pertanian pasca panen padi pada provinsi
716
5
Jawa Barat, Jawa Tengah, dan Jawa Timur.
20.11 Kesimpulan
signifikan ketersedian alat dan mesin pertanian pasca panen padi pada provinsi Jawa
Barat, Jawa Tengah, dan Jawa Timur.
Pascapanen padi adalah tahapan kegiatan yang meliputi pemungutan

(panen) perontokan, pengeringan, pengemasan, penyimpanan dan pengolahan
menjadi beras untuk dipasarkan. Penanganan pascapanen bertujuan untuk
menurunkan kehilangan hasil, menekan tingkat kerusakan, dan meningkatkan daya
simpan dan daya guna komoditas untuk memperoleh nilai tambah. Teknologi
pascapanen untuk menurunkan kehilangan hasil sudah berkembang pesat. Namun
demikian, penerapannya di tingkat lapangan masih belum memadai, karena
berbagai kendala.
716
6
20.1 Latar Belakang
Bawang merah adalah komoditas terbesar nasional untuk jenis tanaman
sayur. Untuk menjaga produktivitas dan bahkan meningkatkan hasil panennya
diperlukan suplai pupuk berkualitas dan teknik pemupukan yang tepat. Kabupaten
Brebes adalah salah satu pemasok bawang merah terbesar di Indonesia. Warga
sekitar hampir semua memiliki lahan untuk menanam bawang merah. Ada 3 daerah
di kabupaten brebes yang mampu menghasilkan lebih dari daerah lainnya. Ketiga
daerah tersebut antara lain Larangan, Ketanggungan dan Banjarharjo.

Rumusan masalah yang dapat diambil dari latar belakang tersebut adalah
bagaimana produksi bawang merah di kabupaten Brebes selama kurun waktu tahun
2012 sampai dengan 2017?
20.3 Tujuan
Adapun tujuan dari pengolahan data tersebut antara lain adalah sebagai
berikut:
1. Mengetahui data statistik jumlah produksi bawang merah di Kabupaten
Brebes
2. Mengetahui jumlah produksi bawang merah di setiap daerah yang berada di
Kabupaten Brebes
20.4 Manfaat
Adapun manfaat yang dapat diambil dari pengolahan data studi kasus
tersebut antara lain:
1. Dapat menjadi tolak ukur dalam hal persediaan stok bawang merah di
Indonesia
2. Dapat menjadi evaluasi dalam produksi bawang merah di Kabupaten
Brebes
20.5 Literatur
Tabel Deskriptive:
Tabel 20.1 Output Tabel Deksriptive interprestasi Uji Manova
716
7
(Sumber: /askapep13-uas-tik-sem-2.pdf)
Tabel di atas, menunjukkan hasil uji deskriptif. Contoh dari tabel di atas:
Responden dengan Pekerjaan Tani, rata-rata (mean) nilai matematika sebesar 46,64
dan jumlahnya ada 11 orang. Sedangkan Buruh rata-rata nilai fisika sebesar 76,67
dan jumlahnya 9 orang, begitu pula yang lain cara membacanya sama. Agar lebih
jelas, baca artikel kami yang berjudul “Analisis Deskriptif dengan Excel“.
Output Multivariat ANOVA (MANOVA)
Tabel 20.2 Output interprestasi Uji Manova
Seperti biasa untuk hasil uji F, kita mengabaikan bagian yang diberi label
“Intercept.” Pada baris yang di bawah pada tabel di atas menunjukkan 4 nomor
memberikan nilai P value untuk empat uji multivariat yang berbeda.
716
8
Hasil tersebut memberitahukan pada kita jika ada pengaruh yang signifikan dari
variabel independen pada semua variabel dependen. Jika Anda ditanya “Secara
keseluruhan, apakah ada pengaruh yang signifikan dari variabel independen pada
satu set kelompok variabel dependen”, “maka Anda akan menjalankan MANOVA
dan melihat hasil uji multivariat ini sebagai kesimpulan Anda”. “Artinya, jika 4
nilai p-value menunjukkan <0,05, maka signifikan pada level kepercayaan 95%”.
Ingat bahwa berdasar tabel di atas, tidak ada satu uji multivariat tunggal, yang ada
adalah empat jenis uji yang berbeda.
Tabel 20.3 Uji Asumsi Levene Test Pada MANOVA
Tabel di atas, menunjukkan hasil uji homogenitas yaitu uji Levene. Dikatakan
semua variabel memiliki varian yang sama apabila nilai sig. > 0,05. Nilai ini
nantinya akan mempengaruhi pilihan uji Post Hoc apa yang digunakan. Apabila
Sig. >0,05 maka uji Post Hoc menggunakan Uji Benferroni, sedangkan jika <0,05
maka menggunakan Games-Howell. Hasil di atas menunjukkan semua variabel
dependen memiliki varian yang sama sebab Sig. >0,05 sehingga uji Post Hoc yang
digunakan nantinya adalah Benferroni.
Output Uji MANOVA
Tabel 20.4 Interprestasi Output Uji MANOVA
716
9
Tabel di atas menunjukkan nilai uji Manova. Seperti biasanya pada uji F, anda akan
disuguhkan dengan beberapa nilai: Corrected Model, Intercept, Pekerjaan,Error
dan Total. Dalam bahasan kali ini, kami menganggap semua pembaca telah
membaca artikel-artikel sebelumnya, sehingga memahami maksud dari nilai-nilai
tersebut.
Output Univariat ANOVA di Dalam MANOVA
Langsung saja kita lihat baris “Pekerjaan” pada tabel di atas. Pada baris tersebut ada
3 baris lagi, yaitu “Matematika”, “Fisika” dan “Biologi”. Maksud dari hal tersebut
adalah tiap baris menunjukkan hasil uji pengaruh satu variabel independen yaitu
pekerjaan terhadap masing-masing variabel dependen. Dari hasil di atas, lihatnilai
pada kolom “Sig.”. Dikatakan Signifikan apabila nilai Sig. < 0,05.
Contoh di atas ketiga nilai menunjukkan 0,000 di mana <0,05, sehingga kesimpulan
dan jawaban hipotesis adalah:
 Pekerjaan secara bermakna mempengaruhi nilai ujian matematika dengan P

Value 0,000 yang artinya H0 Ditolak atau H1 Diterima.
 Pekerjaan secara bermakna mempengaruhi nilai ujian Fisika dengan P

717
0
 Pekerjaan secara bermakna mempengaruhi nilai ujian Biologi dengan P
Tabel 20.5 Output Uji Post Hoc Setelah MANOVA
Post Hoc MANOVA
Tabel di atas menunjukkan hasil Uji Post Hoc. Karena nilai uji homogenitas
menunjukkan Sig. >0,05 pada semua variabel, maka masing-masing pengaruh
variabel independen terhadap variabel dependen menggunakan uji Benferroni.
Dikatakan ada perbedaan variabel dependen yaitu nilai ujian berdasarkan variabel
independen yaitu Pekerjaan apabila memiliki tanda bintang.
717
1
Manova adalah generalisasi dari analisis varian untuk situasi dimana ada
beberapa variabel independen dengan mengukur beberapa variabel dependen.
Peneliti dapat meningkatkan kemungkinan perubahan yang dihasilkan oleh
perlakuan yang berbeda-beda dan interaksi-interaksi yang berbeda, tetapi
meningkatkan kompleksitas analisis. Keuntungan dari MANOVA melalui
serangkaian ANOVA untuk setiap variabel dependen adalah perlindungan terhadap
kesalahan tipe 1. Akan tetapi, keuntungan ini akan terlihat hanya ketika uji
signifikasi dua sisi. Namun jika tes satu sisi yang diinginkan, penggunaan
MANOVA dapat mengakibatkan kerugian yang tidak dapat diterima hasilnya.
MANOVA merupakan uji beda varian. Pada MANOVA, varian yang dibandingkan
berasal dari lebih dari satu variabel terkait. Pada penelitian ini yang akan diteliti
dengan uji ini adalah pengaruh metode demonstrasi terhadap motivasi dan hasil
belajar matematika.
Berikut adalah kumpulan data produksi bawang merah 3 daerah yang berada
di Kabupaten Brebes:
Tabel 20.5 Data Produksi Bawang Merah
Kecamatan Luas_Panen(Ha) Produsi(Kw)
Larangan 5361 549541
Larangan 8335 1004865
Ketanggungan 1006 126432
Banjarharjo 79 9490
Banjarharjo 149 20437
717
2
Menu MANOVA pada SPSS terletak di General Linear Model, dengan
langkah-langkah sebagai berikut:
1. Analyze -General Linear Model Multiivariate

2. Pindahkan x (luas panen) dan (produksi) ke dependent variabel dan x
(kecamatan) ke fixed factor(s), seperti bagan berikut:

3. Selanjutnya dipilih kotak option dan dipilih Homogenity Tests, selanjutnya
pilih continue dan OK, sehingga muncul hasil analisis
4. Setelah melakukan uji MANOVA lakukan uji Post Hoc untuk menentukan
kelompok-kelompok tertentu berbeda satu sama lain dengan langkah
sebagai berikut:

717
3
Gambar 20.3 Multivariate Post Hoc Multiple Comparisson for Observed
Means
Berikut adalah hasil pengolahan yang sudah dilakukan antara lain uji
kesetaraan antara varian dan covarian matriks (uji Uji Homogenitas varian →
leven’s, Uji Homogenitasmatriks varian / covarian, Normality atau explore / one
sample kolmogonov smirnov, Korelasi dan linearity dari dependent variabel dan
KMO batlet test), uji Sample Size → Kecakupan Data, Missing Data, Outlier →
Box Plot, Test Asumsi, Uji Independensi Observasi dan uji MANOVA:
1. Uji Kesetaraan antara Varian dan covarian matriks

a. Uji Homogenitas varian → leven’s
Tabel 20.6 Hasil Uji Homogenitas Varian

Hasil uji Levene menunjukkan bahwa untuk Luas Panen harga F= 27.830 dan
signifikansi 0,951, sedangkan untuk Produksi harga F= 37.361 dengan signifikansi
0,641. Signifikansi kedua dependent variable lebih besar dari 0,05. Artinya kedua
varian tersebut homogen, sehingga MANOVA dapat dilanjutkan.
717
4
b. Uji Homogenitas matriks varian / covarian
Tabel 20.7 Hasil Uji Homogenitas Varian/Covarian

Harga Box’s M =69.783 dengan signifikansi 0,899. Karena signifikansi level
varian/covarian variable dependent sama). Sehingga analisis MANOVA dapat
dilanjutkan.
c. Normality (explore / one sample kolmogonov smirnov)

menunjukkan bahwa:
a. Variabel Luas Panen memiliki nilai (Sig.> α), maka data tersebut normal
b. Variabel Produksi memiliki nilai (Sig.> α), maka data tersebut normal
717
5
d. Korelasi dan linearity dari dependent variabel dan KMO batlet test
- Korelasi
Tabel 20.9 Hsil Uji Korelasi

(0.4683) dengan rumus df = N-2, maka df = 18-2 = 16. Maka dari hasil uji
Luas Panen = 0.989 > r table Valid
Produksi = 1.000 > r table Valid
- Linearity
Tabel 20.10 Hasil Uji Linearity

Dari output di atas dapat diketahui bahwa nilai signifikansi pada Linearity sebesar
0.823. Karena signifikansi lebih dari 0,05 maka dapat disimpulkan bahwa
antara variabel kecemasan dan optimisme terdapat hubungan yang linear.
2. Sample Size → Kecakupan Data
Tabel 20.11 Hasil Uji Kecukupan Data
717
6
Anti-image Matrices
kecamatan luas_panen produsi
Anti-image Covariance kecamatan .808 .123 .175
luas_panen .123 .624 -.323
produsi .175 -.323 .603
Anti-image Correlation kecamatan .766a .173 .251
luas_panen .173 .617a -.526
produsi .251 -.526 .606a
a. Measures of Sampling Adequacy(MSA)

Dari pengujian kecukupan data di atas dapat diketahui bahwa data yang di input
dari mulai variable kecamatan, luas panen dan produksi menunjukan bahwa
data cukup dan bias dilihat pada table diatas bahwa menunjukan data cukup.
3. Missing Data
Tabel 20.12 Hasil Uji Missing Data
Dari tabel diatas dapat diketahui berapa missing value yang terdapat pada masing-
masing variabel data:
- Variabel kecamatan tidak terdapat missing value. Dari 18 data pengamatan,

sehingga 18 data tersebut dianggap valid semua
- Variabel luas panen terdapat 1 missing value. Dari 18 data pengamatan,
sehingga 17 data yang dianggap valid
- Variabel produksi terdapat 1 missing value. Dari 18 data pengamatan,
sehingga 17 data yang dianggap valid
4. Outlier → Box Plot

Tabel 20.13 Hasil Uji Box Plot
717
7
Dapat diketahui bahwa setelah dilakuka uji outlier box plot maka tampilan variable
view akan menjadi seperti table di atas terdapat penambahan hasil dari
pengujian tersebut. Dari data yang dihasilkan dari uji outlier box plot dapat
diketahui bahwa semua angka pada ZKecamatan, ZLuas_Panen dan
ZProduksi semuanya berada di rentang angka -2.5 sampai 2.5.
5. Test Asumsi dan Uji Independensi Observasi

Tabel 20.14 Uji Hipotesis
717
8
- Penentuan Hipotesis
H0 : Rata-rata jumlah produksi dengan luas lahan antar

kecamatan terdapat perbedaan
H1 : Rata-rata jumlah produksi dengan luas lahan antar kecamatan terdapat
persamaan
- Tingkat Signifikan (𝛼) 5%
Daerah Kritis : Jika sig > 𝛼, maka terima H0
Jika sig < 𝛼, maka tolak H0
- Uji Statistik
Nilai sig luas panen > 𝛼
Nilai sig produksi > 𝛼
- Keputusan
Maka terima H0
- Kesimpulan
Dengan nilai signifikasi 5% maka dapat disimpulkan bahwa Rata-rata jumlah
produksi dengan luas lahan antar kecamatan terdapat perbedaan
717
9
6. Uji MANOVA
a. Multivariate test
Tabel 20.15 Hasil Uji Multivariate Test
Hasil analisis menunjukkan bahwa harga F untuk pillae trace, wilk lambda,
hotelling trace, roy’s largest root, X memiliki signifikansi yang lebih kecil dari
0,05. Artinya, semua harga F signifikan. Jadi, terdapat perbedaan luas panen dan
produksi diakibatkan oleh perbedaan pemilihan anggota kecamatan Three Stooges.
b. Test of between subject effect
Tabel 20.16 Hasil Test of between subject effect
Hubungan antara pemilihan anggota kecamatan Three Stooges dengan luas panen
memberikan harga F sebesar 63.907 dengan signifikansi 0.069. Hal ini
menunjukkan bahwa tidak terdapat perbedaan antara luas panen yang diakibatkan
oleh perbedaan pemilihan anggota kecamatan Three Stooges. Di sisi lain, hubungan
antara pemilihan anggota kecamatan Three Stooges dengan produksi memberikan
harga F sebesar 52.393 dengan signifikansi 0.070. Sehingga dapat disimpulkan
718
0
bahwa terdapat perbedaan antara produksi yang diakibatkan oleh perbedaan
pemilihan anggota kecamatan Three Stooges.
Besarnya nilai Adj R2 untuk luas panen adalah 89,5%. Sedangkan untuk produksi
adalah 87,5%.
c. Post hoe
Tabel 20.17 Hasil Uji Post Hoe
Hasil uji Turkey, Scheffe, dan LSD menunjukkan bahwa terdapat perbedaan
produksi antara kategori Larangan, Ketanggungan dan Banjarharjo yang
ditunjukkan dengan signifikansi level kurang dari 0,05. Di sisi lain, tidak ada
perbedaan luas lahan antara semua kategori.

Pengolahan data untuk uji Manova tersebut harus melalui beberapa uji dulu
sebelum melanjutkan untuk melakukan uji Manova itu sendiri. Beberapa pengujian
718
1
yang harus dilakukan antara lain yaitu uji kesetaraan antara varian dan covarian
matriks (uji Uji Homogenitas varian → leven’s, Uji Homogenitasmatriks varian /
covarian, Normality atau explore / one sample kolmogonov smirnov, Korelasi dan
linearity dari dependent variabel dan KMO batlet test), uji Sample Size →
Kecakupan Data, Missing Data, Outlier → Box Plot, Test Asumsi, Uji Independensi
Observasi dan barulah uji MANOVA dilakukan.
Setelah dilakukan pengujian akan keluar output yang diinginkan, untuk yang
pertama pada Uji Homogenitas varian → leven’s menunjukan bahwa kedua varian
tersebut homogen, sehingga MANOVA dapat dilanjutkan, pada Uji
Homogenitasmatriks varian / covarian menunjukan bahwa signifikansi level
varian/covarian variable dependent sama), sehingga analisis MANOVA dapat
dilanjutkan. Untuk Normality atau explore / one sample kolmogonov smirnov
menunjukan bahwa data tersebut normal karena nilai sig lebih dari tingkat
sginifikan, pada Korelasi dan linearity dari dependent variabel dan KMO batlet test
menunjukan bahwa pada korelasi tersebut kedua variable valid karena nilai sig lebih
dari nilai r table sedangkan untuk linearity antara variabel kecemasan dan
optimisme terdapat hubungan yang linear. Uji Sample Size → Kecakupan Data
menunjukan bahwa data tersebut sangat cukup untuk dilakukannya pengolahan
data. Pada uji Missing Data menunjukan bahwa antara variable kecamatan, luas
panen dan produksi terdapat 1 missing data di variable luas panen dan 1 misssing
data di variable produksi, jadi untuk missing data pada data tersebut hanya terdapat
2 missing data. Pada uji Outlier → Box Plot menunjukan hasil pada setiap variable
nilainya berada pada rentang angka -2,5 sampai 2,5 tidak ada yang kurang maupun
yang lebih dari angka tersebut, jika kurang atau melebihi angka tersebut akan
dipastikan bahwa dapat mengacaukan pada saat uji normalitas data. Untuk Test
Asumsi dan Uji Independensi Observasi menunjukan bahwa rata-rata jumlah
produksi dengan luas lahan antar kecamatan terdapat perbedaan. Dan yang terakhir
yaitu uji manova yaitu menghasilkan pada uji multivariate semua harga F signifikan
jadi terdapat perbedaan luas panen dan produksi yang diakibatkan oleh perbedaan
pemilihan anggota kecamatan Three Stooges. Untuk uji test of between subject
effect terdapat perbedaan antara produksi yang dilakukan diakibatkan oleh
718
2
perbedaan pemilihan anggota kecamatan Three Stooges. Untuk uji post hoe Turkey,
Scheffe, dan LSD menunjukkan bahwa terdapat perbedaan produksi antara kategori
Larangan, Ketanggungan dan Banjarharjo yang ditunjukkan dengan signifikansi
level kurang dari 0,05. Di sisi lain, tidak ada perbedaan luas lahan antara semua
kategori karena dapat diketahui bahwa luas lahan seberapapun akan mengikuti dari
hasil panennya besar kecilnya.
20.11 Kesimpulan
Kesimpulan yang dapat diambil dari uji Manova tersebut yaitu semua
pengujian sudah dilakukan dan hasilnya semuanya dapat terbaca dengan jelas dan
sesuai dengan keinginan. Dari pengolahan data dan pengujian yang sudah dilakukan
dapat diketahui bahwa dengan hasil tersebut produksi bawang merah di tiga
kecamatan yang ada di kabupaten Brebes pada tahun 2012 sampai dengan tahun
2017 mengalami peningkatan yang cukup signifikan dengan begitu jumlah produksi
dapat menjadi pasokan negara dalam memenuhi kebutuhan bawang merah yang ada
di Indonesia. Luas lahan akan berdampak pada hasil panennya tergantung dari cara
pengolahannya. Dengan tingkat produksi yang cukup signifikan disetiap tahunnya
dapat menjadi acuan pemerintah dalam mengelola dan mengatur produksi yang ada
di kabupaten Brebes untuk pemenuhan stok bawang merah. Selain itu pemerintah
juga dapat memberikan pemahaman dan sosialisasi untuk petani-petani bawang
merah dalam produksi bawang merah tersebut mulai dari pencarian benih sampai
dengan menjualnya kepada konsumen langsung.
718
3
BAB XXI
STATISTIKA REGRESI LINIER TUNGGAL
21.1 Latar Belakang
Seorang Mahasiswa hendak melakukan penelitian mengenai penyaluran

pupuk organik bersubsidi berdasarkan 40 data. Penelitian tersebut mengambil data
pengamatan pada tahun 2015. Tentukan data statistic dan analisis yang dilakukan
oleh mahasiswa tersebut.

sebagai berikut:
1. Bagaimana cara menentukan uji regresi linier pada penelitian tersebut?

pengolahan data dari hasil penelitian tersebut?
21.3 Tujuan
Mendapatkan data dari Direktoral Jendral Prasarana dan Sarana Pertanian

Kementrian Pertanian mengenai penelitian penyaluran pupuk organik bersubsidi
21.4 Manfaat
1. Mengetahui hasil data Direktoral Jendral Prasarana dan Sarana Pertanian

Kementrian Pertanian yang ada
2. Memberikan informasi mengenai penelitian penyaluran pupuk organik

bersubsidi dari tahun ke tahun
3. Memperoleh penjelasan mengenai penelitian penyaluran pupuk organik

bersubsidi dari tahun ke tahun
718
4
21.5 Literatur
Contoh kasus:
Seorang manajer penjualan Traktor Mesin Merk “Quick” ingin mengetahui

pengaruh biaya promosi dengan jumlah unit motor yang terjual dalam beberapa
tahun terakhir. Ia menggunakan data penjualan dan biaya promosi 3 tahun terakhir
untuk meramalkan penjualan berdasarkan biaya promosi yang dikeluarkan setiap
bulannya.
Penyelesaian:
 Buka SPSS
 Beri nama pada tab “variable views” dengan X dan Y Berikut tampilan data
di SPSS
 Klik Analyze – Regression - Linier
 Masukkan variabel X (biaya promosi) ke box independent, dan Y (unit

terjual) ke box “dependent”
Pembahasan
Nilai koefisien determinasi 0.568. Dengan demikian dapat dinyatakan bahwa

variasi penjualan mampu dijelaskan oleh biaya promosi sebesar 56.80%, dan
sisanya dipengaruhi faktor lain selain biaya promosi Persamaan regresi : Penjualan
= 2881.296 + 0.069 (biaya promosi).
Persamaan regresi tersebut mempunyai makna sebagai berikut: Konstanta

sebesar 2881.296 berarti bahwa tanpa adanya biaya yang dikeluarkan untuk
promosi, maka penjualan sepeda motor adalah sebesar 2,881 satuan. Jika variabel
biaya promosi naik (satu juta) maka akan menyebabkan kenaikan (karena tanda
positif) sebesar 0.069 pada penjualan mesin traktor.
Pengujian Hipotesis
Ho : Tidak ada pengaruh X terhadap Y
Ha : Ada pengaruh positif dan signifikan X terhadap Y
718
5
Pengambilan keputusan (berdasarkan probabilitas) :
Jika probabilitas > 0,05 maka Ho diterima, sedangkan jika probabilitas < 0,05
maka Ho ditolak. Dari hasil uji signifikansi terlihat bahwa nilai probabilitas adalah
sebesar 0,00 (< 0,01) sehingga Ho ditolak. Artinya, pengaruh biaya promosi
terhadap penjualan signifikan sehingga hipotesis alternatif (Ha) diterima.
Hasil uji melalui probabilitas ini juga relevan dengan pengujian melalui
statistik t. Nilai t hitung adalah sebesar 6.680, sementara t tabel diperoleh dari dk =
n – 2 = 36-2 = 34 (dalam uji ini, diambil dk = 30) dan taraf signifikansi 1% adalah
sebesar 2.704 . Karena t hitung > t tabel (6.680> 2.704) maka Ho ditolak, artinya
pengaruh X terhadap Y adalah positif dan terbukti signifikan berdasarkan pengujian
statistik.
Akan diprediksi penjualan sepeda motor jika biaya promosi sebesar 100 Juta
Penjualan = 2881.296 + 0.069 (biaya promosi) Penjualan = 2881.296 + 0.069

(100000) Penjualan = 3749 (pembulatan) Ket : biaya promosi dalam skala ribuan
Dengan demikian dapat dinyatakan bahwa jika biaya promosi sebesar 100 juta,
maka penjualan traktor mesin diprediksi sebesar 3749 unit terjual.
Regresi linear sederhana bertujuan mempelajari hubungan antara dua variabel.

Kedua variabel ini dibedakan menjadi variabel bebas (x) dan variabel tidak bebas
(y). variabel bebas adalah variabel yang bisa dikontrol sedangkan variabel tidak
bebas adalah variabel yang mencerminkan respon dari variabel bebas.
Untuk mengetahui hubungan kejadian variabel dengan kejadian atau kejadian

lain, kita menggunakan teknik analisis yang disebut korelasi. Analisis korelasi yang
disimbolkan dengan tanda r (rhol). Koefisien korelasi menunjukkan seberapa kuat
hubungan antara variabel. Sedangkan untuk mencari pengaruh suatu variabel
terhadap variabel lain, alat analisis yang digunakan adalah analisis regresi. Hasil
analisis regresi berupa persamaan regresi yang merupakan fungsi prediksi suatu
variabel dengan menggunakan variabel lain.
Bentuk umum dari persamaan regresi adalah:
718
6
Dimana:
Y = a + βX
Y = nilai dari variabel dependen
a = konstanta
b = koefisien regresi
X = nilai dari variabel independen
Berikut adalah kumpulan data hasil penelitian mengenai penyaluran pupuk

organik bersubsidi pada tahun 2015.
Tabel 21.1 Kumpulan data penelitian mengenai penyaluran pupuk organik

bersubsidi pada tahun 2015.
Lebar Tanah Pupuk Organik N_Total

4514 6937,50 11451,50
9206 16507,08 25713,08
1357 11807,60 13164,60
4589 7317,42 11906,42
4968 5167,91 10135,91
7427 7452,90 14879,90
4120 4556,00 8676,00
9025 13873,32 22898,32
9105 5205,40 14310,40
3170 5444,88 8614,88
5579 3345,02 8924,02
3295 43558,45 46853,45
6525 211532,00 218057,00
6509 7946,12 14455,12
8051 19641,00 27692,00
1314 13717,84 15031,84
2096 5464,00 7560,00
5051 7943,70 12994,70
4254 2255,76 6509,76
6362 2303,32 8665,32
1241 823,20 2064,20
9631 222,98 9853,98
9679 1059,78 10738,78
3776 1876,84 5652,84
9525 11543,72 21068,72
6755 2277,92 9032,92
9011 1034,00 10045,00
718
7
3646 417,28 4063,28
8485 115,52 8600,52
4993 161,96 5154,96
2468 599,36 3067,36
7658 62,00 7720,00
3128 622,99 3750,99
9838 3501,88 13339,88
7362 366,76 7728,76
6708 1223,00 7931,00
6495 1456,34 7951,34
5459 2443,56 7902,56
6938 122,33 7060,33
5924 1436,72 7360,72
Langkah-langkah dalam melakukan uji Regresi Linier adalah sebagai

berikut:
b. Klik Analyze – Regression – Linier
Gambar 21.1 Kotak Dialog Linear Regression

c. Masukan variabel Lebar Tanah pada kotak dependent dan masukan variabel
Pupuk Organik pada kotak independent (s).
d. Klik option, maka muncul kotak dialog linier regression: option.
718
8
Gambar 21.2 Kotak Dialog Linear Regression: Options
e. Gunakan default dari kotak option dan klik continue. Maka kembali ke kotak
dialog linier regression.
f. Klik statistik, maka muncul kotak dialog linier regression: statistik.
Gambar 21.3 Kotak Dialog Linear Regression: Statistics

g. Pada kotak dialog linier regression: statistic, beri tanda centang pada kolom
estimates untuk mengeluarkan koefisien regresi. Selain itu beritanda centang
pada kotak modelfit dan descriptives. Pada kotak residuals beri tanda centang
pada Durbin-Watson, Casewise diagnostics kemudian pilih All cases.
h. Klik Continue.
718
9
i. Klik Plots, maka akan muncul kotak dialog linier regression: plots.
Gambar 21.4 Kotak Dialog Linear Regression: Plots

j. Untuk membuat plot antara SDRESID dan ZPRED maka masukan peubah
SDRESID ke dalam ruang Y dan ZPRED ke dalam ruang X. Kemudian klik Next
k. Untuk membuat plot antara ZPRED dengan DEPENDT maka masukan peubah
standardized residal plots pilih normal probability plot.
l. Klik Continue
m. Klik OK
reliabilitas kemudian data tersebut baru di uji dengan Uji Regresi Linier.
A. Uji Normalitas
Tabel 21.2 Hasil Pengolahan Uji Normalitas mengenai penyaluran pupuk

719
0
Lebar_Tanah Pupuk_Organik
N 40 40
Normal Parametersa,b Mean 5880,93 10833,6340
Std. Deviation 2549,549 33487,75766
Most Extreme Differences Absolute ,090 ,374
Positive ,060 ,364
Negative -,090 -,374
Kolmogorov-Smirnov Z ,571 2,364
Asymp. Sig. (2-tailed) ,901 ,112


h. Semua variabel tersebut memiliki nilai (Sig.> α), maka data tersebut normal
B. Keseragaman Data
Tabel 21.3 Hasil Pengolahan Uji Keseragaman Data mengenai penyaluran

pupuk organik bersubsidi pada tahun 2015.
719
1
Lebar_Tanah Pupuk_Organik
N 40 40
Uniform Parametersa,b Minimum 1241 62,00
Maximum 9838 211532,00
Most Extreme Differences Absolute ,104 ,857
Positive ,062 ,857
Negative -,104 -,025
Kolmogorov-Smirnov Z ,657 5,423
Asymp. Sig. (2-tailed) ,782 ,242

diolah lebih besar dari nilai alpha (α), maka data tersebut merupakan data yang
tidak seragam (Sig.< α), sedangkan jika nilai (Sig.> α) maka data tersebut
seragam. Dari hasil diatas menunjukkan bahwa :
 Semua variabel tersebut memiliki nilai (Sig.> α), maka data tersebut
seragam
719
2
C. Uji Validitas
Tabel 21.4 Hasil Pengolahan Uji Validitas mengenai penyaluran pupuk

Correlations
Lebar_Tanah Pupuk_Organik N_Total
Lebar_Tanah Pearson Correlation 1 ,018 ,094

Sig. (2-tailed) ,912 ,565
N 40 40 40
Pupuk_Organik Pearson Correlation ,018 1 ,997**
Sig. (2-tailed) ,912 ,000
N 40 40 40
N_Total Pearson Correlation ,094 ,997** 1
Sig. (2-tailed) ,565 ,000
N 40 40 40
Lebar Tanah= 0,094 > r tabel Valid

Pupuk Organik= 0,997 > r tabel Valid
719
3
D. Uji Reliabilitas
Tabel 21.5 Hasil Pengolahan Uji Reliabilitas mengenai penyaluran pupuk

Cronbach's
Alpha N of Items
,712 2

E. Uji Regresi Linier
a. Analisis Variable Entered/Removed
Tabel 21.6 Hasil Variables Entered/Removed
Variables Entered/Removedb
Model Variables Variables

Entered Removed Method
1 Pupuk_Organik . Enter
a
a. All requested variables entered.

b. Dependent Variable: Lebar_Tanah
Tabel diatas menjelaskan tentang variable yang dimasukkan atau dibuang dan
metode yang digunakan. Dalam hal ini variable yang dimasukkan adalah Pupuk
719
4
Organik dan lebar tanah sebagai predictor dan metode yang digunakan adalah
metode enter.
b. Analisis Model Summary

Tabel 21.7 Hasil Model Summary
Model Summaryb
Model Adjusted R Std. Error of the

R R Square Square Estimate Durbin-Watson
1 ,518a ,465 ,412 2582,457 2,382
a. Predictors: (Constant), Pupuk_Organik

Tabel diatas menjelaskan besarnya nilai korelasi / hubungan (R) yaitusebesar

0,518 dan dijelaskan besarnya persentase pengaruh variable bebas terhadap variable
terikat. Dari output tersebut diperoleh R² sebesar 0,465, yang berarti bahwapengaruh
variable bebas (pupuk organik) terhadap variable terikat (lebar tanah) sebesar 46,5%
sedangkan sisanya dipengaruhi oleh variable yang lain.
719
5
c. Analisis ANOVA
Tabel 21.8 Hasil ANOVA
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 82601,172 1 82601,172 ,012 ,912a
Residual 2,534E8 38 6669083,305

Total 2,535E8 39
a. Predictors: (Constant), Pupuk_Organik

Berdasarkan tabel ANOVA diatas, diperoleh nilai Sig. = 0,912 yang berarti >
kriteria signifikan (0,05), dengan demikian model persamaan regresi berdasarkan
data penelitian adalah signifikan artinya, model regresi linier memenuhi kriteria
linieritas.
d. Analisis Coefficient
Tabel 21.9 Hasil Coefficient
Coefficientsa
Model Standardized
Unstandardized Coefficients Coefficients
B Std. Error Beta t Sig.
1 (Constant) 5866,037 429,679 13,652 ,000

Pupuk_Organik ,001 ,012 ,018 ,111 ,912
a. Dependent Variable: Lebar_Tanah
Tabel diatas menginformasikan model persamaan regresi yang diperoleh

dengan koefisien konstanta dan koefisien variabel yang ada di kolom
Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model persamaan
regresi : Y =5866,037 + 0,012 X.
719
6
Penentuan Hipotesis
Hₒ = Tidak ada pengaruh mengenai penyaluran pupuk organik
bersubsidi terhadap lebar tanah
H₁ = Terdapat pengaruh mengenai penyaluran pupuk organik

bersubsidi terhadap lebar tanah

Uji Statistik
Nilai Sig. = 0,912
Nilai α = 0,05
Keputusan
Sig. > α atau 0,912 > 0,05
Maka, terima Hₒ
Kesimpulan
mengenai penyaluran pupuk organik bersubsidi terhadap lebar tanah tersebut tidak
ada pengaruh.
keseragaman data, validitas, reliabilitas dan uji Regresi Linier menunjukan bahwa
data yang di peroleh dari Direktoral Jendral Prasarana dan Sarana Pertanian
Kementrian Pertanian terhadap penyaluran pupuk organik bersubsidi pada tahun
2015. tersebut menunjukan data tersebut normal karena nilai sig. lebih dari nilai
alpha (0,05), data seragam karena pada pengujian keseragaman data menunjukan
hasil nilai sig. lebih dari nilai alpha (0,05), data valid karena nilai N_Total pada
719
7
0,601 – 0,80 yang artinya bahwa pernyataan tersebut reliabel. Pada uji Regresi
Linier tersebut menghasilkan bahwa dengan tingkat signifikansi 5% untuk masing-
masing data penyaluran pupuk organik bersubsidi pada tahun 2015. Menunjukan
bahwa hasil uji Regresi Linier tidak ada pengaruh yang dapat diartikan bahwa
terima Hₒ mengenai penyaluran pupuk organik bersubsidi pada tahun 2015.
21.11 Kesimpulan
Kesimpulan yang dapat diambil untuk data mengenai penyaluran pupuk

organik bersubsidi pada tahun 2015 yaitu antara lain dari pengolahan data di atas
sudah jelas menunjukan hasil pengolahan data dengan metode uji Regresi Linier
bahwa data yang diperoleh dari Direktoral Jendral Prasarana dan Sarana Pertanian
Kementrian Pertanian yaitu terima Hₒ yaitu tidak ada pengaruh mengenai
penyaluran pupuk organik bersubsidi terhadap lebar tanah.
719
8
21.1 Latar Belakang
Pupuk merupakan salah satu faktor produksi utama selain lahan, tenaga
kerja dan modal. Pupuk merupakan kunci dari kesuburan tanah karena berisi satu
atau lebih unsur untuk menggantikan unsur yang habis terhisap tanaman. Pupuk
yang sering digunakan oleh petani adalah pupuk urea. Pupuk urea merupakan yang
paling utama digunakan oleh masyarakat atau khususnya petani di Kabupaten Kutai
Kartanegara. Namun, akhir-akhir ini kebutuhan akan pupuk urea yang ditunjukkan
untuk petani mengalami kelangkaan. Seorang mahasiswa hendak melakukan
penelitian pengaruh luas lahan terhadap kebutuhan pupuk urea. Faktor-faktor yang
mempengaruhi kebutuhan pupuk urea perlu diketahui sebagai dasar dalam
menentukan seberapa besar tingkat kebutuhan pupuk urea pada masa mendatang di
Kabupaten Kutai Kartanegara.
Bagaimana pengaruh pengaruh luas lahan terhadap kebutuhan pupuk urea?
21.3 Tujuan
Adapun tujuan dari penelitian adalah :
1. Untuk mengetahui kebutuhan pupuk urea.
2. Untuk mengetahui bagaimana hubungan luas lahan terhadap kebutuhan

pupuk urea
21.4 Manfaat
Mengetahui data dan informasi secara berkala mengenai kebutuhan pupuk

di Kabupaten Kutai Kartanegara.
21.5 Literatur
Penelitian ini dilatarbelakangi oleh meningkatnya jumlah transgender di

Indonesia ternyata dipengaruhi oleh pola asuh orangtua dan banyaknya orangtua
yang belum memiliki pengetahuan yang benar tentang pendidikan seks berakibat
konsep diri anak masih belum kuat terutama tentang gender.
719
9
Rumusan masalah : Apakah ada pengaruh parent’s knowledge mengenai
pendidikan seks terhadap konsep diri anak usia 4-6 tahun.?
2. Klik Analyze → Regression → Linier
3. Masukkan variabel X pada kotak dependent dan masukkan variabel Y pada

kotak independent(s)
4. Klik Statistics, maka muncul kotak dialog Linear Regression : Statistics
Gambar 21.2 Kotak Dialog Linear Regression : Statistics
800
5. Pada kotak dialog Linear Regression : Statistics, beri tanda centang pada kolom
estimates untuk mengeluarkan koefisen regresi. Selain itu beri tanda centang pada
kolom Model fit dan Descriptives. Pada kotak Residuals beri tanda centangDurbin
Watson, Casewise diagnostics, kemudian pilih All cases
6. Klik Continue
7. Klik Plots, maka akan muncul kotak dialog Linier Regression : Plots
Gambar 21.3 Kotak Dialog Linear Regression : Plots
8. Untuk membuat plot, maka masukkan SDRESID ke dalam ruang Y dam

ZPRED ke dalam ruang X.
9. Klik continue
10. Klik OK
Hasil output SPSS :
Hasil dari uji normalitas dan homogenitas adalah tingkat signifikansi atau nilai
probabilitas di atas 0,05 maka dinyatakan bahwa data tersebut berdistribusi normal
dan homogen. Berdasarkan hasil uji persyaratan tersebut maka data yang
didapatkan bisa dihitung menggunakan teknik analisis regresi linier sederhana.
Hasil dari perhitungan SPSS 21 diketahui dalam beberapa tabel yaitu:
801
Tabel 21.1 Descriptive Statistics
Mean Std. N
Deviation
Konsep Diri 37.0108 3.15365 93
(y)
Parent’s 33.3871 4.28605 93
Knowledge
(x)
(Sumber: https://jurnalmahasiswa.unesa.ac.id/index.php/paud-teratai/article/view/14207/4898)
Tabel 21.1 dapat menjelaskan bahwa nilai rata-rata konsep diri yang dimiliki anak
adalah 37 dengan standar deviasi 3,15 dan rata-rata Parent’s Knowledge
(pengetahuan orangtua) adalah 33 dengan standar deviasi 4,28.
Tabel 21.2 Model Summary
Model R R Adjust Std. Error

Square ed R of the
Square Estimate
1 .797 .636 .632 1.91346
Pada tabel 21.2 dapat dilihat bahwa tingkat korelasi atau hubungan (R) antara
kedua variabel kuat yaitu 0,797 atau 79,7%. Adjusted R square (r2) adalah
koefisien yang menunjukkan angka 0,632 artinya parent’s knowledge variabel x
berkontribusi 63,2 % terhadap variabel y yaitu konsep diri anak, sedangkansisanya
36,8% (100%-63,2%) dipengaruhi oleh faktor-faktor lain yang membentuk
konsep diri anak yaitu factor kemampuan, faktor perasaan berarti, faktor
kebajikan, dan faktor kekuatan.
802
Pada Std. Error of the Estimate adalah 1,91346 (kesalahan standar dari
penaksiran), semakin kecil standard eror akan membuat model regresi semakin
tepat dalam memprediksi variabel dependen (1,91346 < 3,15365).
Tabel 21.3 Uji ANOVA
Model F Sig.
1) Regression 158.907 ,000a

Residual
Total
Hasil uji anova didapatkan uji F ratio sebesar 158,907 dan p value (sig) sebesar
0,000 (<0,05), artinya model regresi dapat digunakan untuk memprediksi konsep
diri anak yang dimiliki.
Tabel 21.4 Coefficients
Model Unstandardi Standar T Sig.

zed dized
Coefficients Coeffici
ents
B Std. Beta B Std.
Erro Err
r or
1 (Co 17.4 1.56 11. .000
nsta
22 7 121
nt)
X .587 .047 .797 12. .000
606
803
Tabel coefficients menjelaskan bahwa ada satu variabel independen (x) yang
dimasukan dalam model regresi. Variabel parent’s knowledge mempunyai nilai t
statistik (thitung) sebesar 12,606 dan ttabel 91 adalah 1,660 (N=93- 2(derajat kebebasan)
= 91) jadi thitung > ttabel dan p value (sig) sebesar 0,000 (<0,05) artinya parent’s
knowledge mempengaruhi konsep diri anak.
Berdasarkan hasil penelitian ini, data yang dihasilkan dapat dianalisis dengan teknik
analisis statistik regresi liner sederhana yang dibantu dengan menggunaan software
SPSS 21. Variabel parent’s knowledge mempunyai nilai t statistik (thitung) sebesar
12,606 dan ttabel 91 adalah 1,660 (N=93-2 (derajat kebebasan) = 91) jadi thitung > ttabel
dan p value (sig) sebesar 0,000 (<0,05) artinya parent’s knowledge mengenai
pendidikan seks dapat mempengaruhi konsep diri anak usia 4-6 tahun karena
hipotesis observasi (Ho) ditolak dan hipotesis alternatif (Ha) tidak ditolak
(diterima).
Hasil yang telah diperoleh tersebut memiliki arti bahwa ada pengaruhnya parent’s
knowledge mengenai pendidikan seks terhadap konsep diri anak usia 4-6 tahun. Hal
tersebut mendukung teori Hurlock (dalam Pane dan Siagian, 2014:38) bahwa
konsep diri adalah gambaran yang dimiliki seseorang tentang dirinya yang
merupakan gabungan dari keyakinan tentang dirinya sendiri, karakter fisik, dan
social.

nantinya.
Teknik analisis data yang digunakan dalam penelitian ini adalah dengan analisis
regresi linier sederhana. Analisis regresi linier sederhana yang bertujuan untuk
mempelajari hubungan antara dua variabel (Irianto, 2009:214). Uji Persyaratan
yang digunakan dalam penelitian ini adalah uji normalitas dan uji homogenitas.
Pengujian normalitas adalah untuk mengetahui apakah suatu distribusi data normal
804
atau tidak sehingga jika distribusi data normal akan memperkecil kesalahan
(Absurahman, 2011:272). Menurut Irianto (2011:264) Uji homogenitas variansi
(variance) sangat diperlukan sebelum kita membandingkan dua kelompok atau
lebih, agar perbedaan yang ada bukan disebabkan oleh adanya perbedaan data dasar
(ketidakhomogenan kelompok yang dibandingkan).
Berikut adalah kumpulan data luas lahan dan kebutuhan pupuk urea.
Tabel 21.5 Data Luas lahan dan kebutuhan pupuk urea
Luas_Lahan Pupuk_Urea
1567 26.81
1255 20.84
1693 25.68
7462 28.33
1706 27.01
1988 21.87
1863 18.04
4272 15.62
4678 18.73
1932 21.99
7380 31.04
3822 38.48
1459 83.54
5808 65.45
9676 77.97
6428 91.06
2194 82.5
7109 87.65
3348 55.25
1332 44.04
5432 58.38
7108 67.32
4562 89.47
2293 90.41
9750 82.78
9558 88.3
1521 88.25
9629 72.38
1138 58.21
805
5239 47.47
3312 60.87
6597 72.38
1144 98.06
5377 83.5
1521 96.78
5239 47.85
2500 47.91
5279 30.83
1290 48.56
Langkah-langkah dalam melakukan uji Regresi Linier Sederhana adalah

sebagai berikut:
3. Masukkan variabel Luas lahan pada kotak independent(s) dan masukkan

variabel Pupuk urea pada kotak dependent
806
6. Klik Continue
8. Untuk membuat plot, maka masukkan SDRESID ke dalam ruang Y dam

ZPRED ke dalam ruang X.
9. Klik continue
10. Klik OK
807
dilakukan yaitu mulai dari uji normalitas, homogenitas, validitas dan reliabilitas
kemudian data tersebut baru di uji dengan uji regresi linear sederhana.
A. Uji Normalitas
Tabel 21.6 Hasil Pengolahan Uji Normalitas pengaruh luas lahan terhadap kebutuhan pupuk urea
N 39 39
Normal Parametersa Mean 4242.59 56.7079
Std. Deviation 2760.394 26.94975
Positive .172 .137
Kolmogorov-Smirnov Z 1.074 .864
menunjukkan bahwa:
Semua variabel menunjukkan sig 0.199 dan 0.444 > alpha 0,01 sehingga data
tersebut normal
808
B. Uji Keseragaman
Tabel 21.7 Hasil Pengolahan Uji Keseragaman pengaruh luas lahan terhadap kebutuhan pupuk
urea
N 39 39
Uniform Parametersa Minimum 1138 15.62
Maximum 9750 98.06
Positive .278 .121
Kolmogorov-Smirnov Z 1.735 .753
lebih kecil dari nilai alpha (α), maka data tersebut merupakan data yang tidak
Semua variabel memiliki nilai (Sig.> α), maka data tersebut seragam.
809
C. Uji Validitas
Tabel 21.8 Hasil Pengolahan Uji Validitas pengaruh luas lahan terhadap kebutuhan pupuk urea
Correlations
Luas_Lahan Pearson Correlation 1 .254
N 39 39
Pupuk_Urea Pearson Correlation .254 1
N 39 39
Luas Lahan= 0,254 > r tabel Valid
Pupuk urea = 1 > r tabel Valid
D. Uji Reliabilitas
Tabel 21.9 Hasil Pengolahan Uji Reliabilitas pengaruh luas lahan terhadap kebutuhan pupuk urea
Cronbach's
Alpha N of Items
.752 3

810
E. Uji Regresi Linier Sederhana
a) Analisis Descriptive Statistics
Mean Std. Deviation N
Pupuk_Urea 56.7079 26.94975 39
Luas_Lahan 4242.59 2760.394 39
Tabel 21.10 dapat menjelaskan bahwa nilai rata-rata pupuk urea adalah 56 dengan
standar deviasi 26,94 dan rata-rata luas lahan adalah 4242 dengan standar deviasi
2760,39.
b) Analisis Variables Entered/Removed

Tabel 21.11 Variables Entered/Removed
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 Luas_Lahana . Enter
a. All requested variables entered.
b. Dependent Variable: Pupuk_Urea
Tabel diatas menjelaskan tentang variable yang dimasukkan atau dibuang dan
metode yang digunakan. Dalam hal ini variable yang dimasukkan adalah variable
Luas lahan sebagai predictor dan metode yang digunakan adalah metode enter.
811
c) Analisis tabel ANOVA
Tabel 21.12 ANOVA
ANOVAb
1 Regression 1777.296 1 1777.296 2.547 .119a
Residual 25821.696 37 697.884
Total 27598.992 38
a. Predictors: (Constant), Luas_Lahan
Berdasarkan tabel ANOVA diatas, diperoleh nilai Sig. = 0,119 yang berarti >
kriteria signifikan (0,05), dengan demikian model persamaan regresi berdasarkan
data penelitian adalah tidak signifikan artinya, model regresi linier tidak memenuhi
kriteria linieritas.
d) Analisis Model Summary

Tabel 21.13 Model Summary
Model Summaryb
Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson
1 .254a .064 .039 26.41749 .656
a. Predictors: (Constant), Luas_Lahan
Tabel diatas menjelaskan besarnya nilai korelasi / hubungan (R) yaitu sebesar 0,254
dan dijelaskan besarnya persentase pengaruh variable bebas terhadap variable
terikat. Dari output tersebut diperoleh R² sebesar 0,064, yang berarti bahwa
pengaruh variable bebas (luas lahan) terhadap variable terikat (pupuk urea) sebesar
6,4% sedangkan sisanya dipengaruhi oleh variable yang lain.
812
e) Analisis Coefficient
Tabel 21.14 Coefficient
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 46.197 7.828 5.901 .000
Luas_Lahan .002 .002 .254 1.596 .009
a. Dependent Variable: Pupuk_Urea
Tabel diatas menginformasikan model persamaan regresi yang diperoleh dengan

koefisien konstanta dan koefisien variabel yang ada di kolom Unstandardized
Coefficients B. Berdasarkan tabel ini diperoleh model persamaan regresi : Y
=46,197 + 0,002 X.
Untuk mengetahui hasil uji hipotesis dalam analisis regresi linear sederhana, yaitu
H0 : tidak ada pengaruh Luas Lahan terhadap Kebutuhan Pupuk Urea
H1 : ada pengaruh Luas Lahan terhadap Kebutuhan Pupuk Urea
3. Daerah kritis :
Jika sig. > α, maka terima H0
Jika sig. < α, maka tolak H0
4. Uji statistik :
Sig. = 0,009, α = 0,05. Maka sig. < α , 0,009 < 0,05
11. Keputusan :
813
Karena nilai sig. < α, maka tolak H0
6. Kesimpulan :
Jadi, dengan tingkat signifikansi 5% dapat disimpulkan bahwa ada pengaruh Luas
Lahan terhadap Kebutuhan Pupuk Urea.
reliabilitas dan uji regresi linier sederhana menunjukan bahwa data tersebut normal
karena nilai sig. lebih dari nilai alpha (0,01), data valid karena nilai N_Total pada
Variabel yang dianalisis dalam penelitian ini adalah luas lahan (X) sebagai
variabel bebas dan kebutuhan pupuk urea (Y) sebagai variabel tidak bebas. Hasil
analisis dengan menggunakan regresi linier sederhana diperoleh persamaan regresi
dengan dugaan sebagai berikut : Y = 46,197 + 0,002 X. Konstanta sebesar 46,197
menyatakan bahwa jika tidak ada luas lahan maka kebutuhan pupuk urea adalah
46,197 ton. Luas lahan (X) = 0,002 artinya jika luas lahan (X) berubah sebesar 1 ha
menyebabkan kebutuhan pupuk urea (Y) berubah sebesar 0,002 dengan asumsi
faktor lain dianggap konstan. Berdasarkan nilai koefisien regresi dapat diketahui
bahwa luas lahan mempunyai hubungan yang positif terhadap kebutuhan pupuk
urea di Kutai Kartanegara, hal ini berarti bahwa peningkatan luas lahan akan
meningkatkan kebutuhan pupuk urea dengan kata lain luas lahan berhubungan
terhadap kebutuhan pupuk urea di Kabupaten Kutai Kartanegara. Hasil analisis
regresi linier sederhana menunjukkan bahwa koefisien determinasi (R2 ) sebesar
0,064. Hal ini berarti bahwa 6,4% perubahan variasi variabel (Y) kebutuhan pupuk
urea dipengaruhi oleh variabel (X) luas lahan, sedangkan sisanya sebesar
disebabkan oleh faktor lainnya seperti harga pupuk dan lain-lain. Selanjutnya hasil
analisis regresi linier sederhana menunjukkan bahwa koefisien korelasi (r) sebesar
0,254 dengan kata lain nilai (r) mendekati 1. Hal ini berarti bahwa keeratan
814
hubungan antara variabel bebas (luas lahan) dengan variabel tak bebas (kebutuhan
pupuk urea) adalah erat dan positif.
21.11 Kesimpulan
pengolahan data dapat kita ketahui bahwa terima H0 karena nilai sig. lebih kecil
dari probabilitas 0,05. Berdasarkan hasil tersebut berarti membuktikan bahwa Luas
lahan mempunyai hubungan dan berpengaruh terhadap kebutuhan pupuk urea di
Kabupaten Kutai Kartanegara.
815
21.1 Latar Belakang
Kebangkitan biokimia diawali dengan penemuan pertama molekul enzim,

diastase, pada tahun 1833 oleh Anselme Payen. Tahun 1828, Friedrich Wöhler
menerbitkan sebuah buku tentang sintesis urea, yang membuktikan bahwa senyawa
organik dapat dibuat secara mandiri. Penemuan ini bertolak belakang dengan
pemahaman umum pada waktu itu yang meyakini bahwa senyawa organik hanya
bisa dibuat oleh organisme. Saat ini, penemuan-penemuan biokimia digunakan di
berbagai bidang, mulai dari genetika hingga biologi molekular dan dari pertanian
hingga kedokteran. Banyak produk-produk biokimia yang saat ini dibutuhkanantara
lain senyawa Amino(+/-/R/S), Dichlorofluorescein, Hydroxyphenyl,
Methylumbelliferyl, Carboxyfluorescein dan Bromothiazole yang dimasing-
masing produk biokimia tersebut masih memiliki banyak cabang-cabang
senyawanya lagi. Semua produk biokimia tersebut memiliki fungsi masing-masing
dibidangnya. Untuk saat ini masing-masing dari produk biokimia tersebut memiliki
berat mol yang berbeda dengan harga yang berbeda pula setiap gramnya di pasaran.
Rumusan masalah yang dapat diambil dari latar belakang tersebut antara
lain yaitu bagaimana hubungan antara berat mol dengan harga per gram dengan
situasi dan kondisi yang sedang terjadi saat ini?
21.3 Tujuan
Tujuan dari pengolahan data ini antara lain yaitu:
1. Untuk mengetahui data statistik produk biokimia
2. Untuk mengetahui hubungan antara berat mol dengan harga per

gramnya
21.4 Manfaat
Manfaat dari pengolahan data ini antara lain yaitu:
1. Dapat menjadi acuan untuk sebuah instansi kesehatan dalam

membeli bahan biokimia tersebut
816
2. Dapat menjadi evaluasi untuk penentuan pembelian bahan
biokimia
21.5 Literatur
Seorang mahasiswa bernama Hermawan ingin meneliti tentang pengaruh

biaya promosi terhadap volume penjualan pada perusahaan jual beli motor. Dengan
ini di dapat variabel dependen (Y) adalah volume penjualan dan variabel
independen (X) adalah biaya promosi. Dengan ini Hermawan menganalisis dengan
bantuan program SPSS dengan alat analisis regresi linear sederhana. Data-data yang
di dapat ditabulasikan sebagai berikut:
Tabel 21.1 Tabulasi Data Penelitian (Data Fiktif)
(Sumber: analisis-regresi-linier-sederhana.html)
Langkah-langkah pada program SPSS
- Masuk program SPSS
817
- Klik variable view pada SPSS data editor
- Pada kolom Name ketik y, kolom Name pada baris kedua ketik x.
- Pada kolom Label, untuk kolom pada baris pertama ketik Volume
Penjualan, untuk kolom pada baris kedua ketik Biaya Promosi.
- Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
- Buka data view pada SPSS data editor, maka didapat kolom
variabel y dan x.
- Ketikkan data sesuai dengan variabelnya
- Klik Analyze - Regression – Linear
- Klik variabel Volume Penjualan dan masukkan ke kotak

Dependent, kemudian klik variabel Biaya Promosi dan masukkan
ke kotak Independent.
- Klik Statistics, klik Casewise diagnostics, klik All cases. Klik

Continue
- Klik OK, maka hasil output yang didapat pada kolom Coefficients
dan Casewise Diagnostics adalah sebagai berikut:
818
Tabel 21.2 Hasil Analisis Regresi Linear Sederhana
(Sumber: analisis-regresi-linier-sederhana.html)
Persamaan regresinya sebagai berikut:
Y’ = a + bX
Y’ = -28764,7 + 0,691X
Angka-angka ini dapat diartikan sebagai berikut:
- Konstanta sebesar -28764,7; artinya jika biaya promosi (X)

nilainya adalah 0, maka volume penjulan (Y’) nilainya negatif
yaitu sebesar -28764,7.
- Koefisien regresi variabel harga (X) sebesar 0,691; artinya jika

harga mengalami kenaikan Rp.1, maka volume penjualan (Y’)
akan mengalami peningkatan sebesar Rp.0,691. Koefisien
bernilai positif artinya terjadi hubungan positif antara harga
dengan volume penjualan, semakin naik harga maka semakin
meningkatkan volume penjualan.
819
Nilai volume penjualan yang diprediksi (Y’) dapat dilihat pada tabel Casewise
Diagnostics (kolom Predicted Value). Sedangkan Residual (unstandardized
residual) adalah selisih antara Volume Penjualan dengan Predicted Value, dan Std.
Residual (standardized residual) adalah nilai residual yang telah terstandarisasi
(nilai semakin mendekati 0 maka model regresi semakin baik dalam melakukan
prediksi, sebaliknya semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin
tidak baik model regresi dalam melakukan prediksi).
- Uji Koefisien Regresi Sederhana (Uji t)
Uji ini digunakan untuk mengetahui apakah variabel independen (X) berpengaruh
secara signifikan terhadap variabel dependen (Y). Signifikan berarti pengaruh yang
terjadi dapat berlaku untuk populasi (dapat digeneralisasikan).
Dari hasil analisis regresi di atas dapat diketahui nilai t hitung seperti pada tabel 2.
Ho : Ada pengaruh secara signifikan antara biaya promosi dengan volume

penjualan
Ha : Tidak ada pengaruh secara signifikan antara biaya promosi dengan volume
penjualan
Tingkat signifikansi menggunakan a = 5% (signifikansi 5% atau 0,05 adalah ukuran

standar yang sering digunakan dalam penelitian)
Berdasarkan tabel diperoleh t hitung sebesar 10,983
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan
(df) n-k-1 atau 20-2-1 = 17 (n adalah jumlah kasus dan k adalah jumlah variabel
820
independen). Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t
tabel sebesar 2,110 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara
pada cell kosong ketik =tinv(0.05,17) lalu enter.
Ho diterima jika –t tabel < t hitung < t tabel
Ho ditolak jika -thitung < -t tabel atau t hitung > t tabel
6. Membandingkan t hitung dengan t tabel
Nilai t hitung > t tabel (10,983 > 2,110) maka Ho ditolak.
7. Kesimpulan
Oleh karena nilai t hitung > t tabel (10,983 > 2,110) maka Ho ditolak, artinya bahwa
ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan. Jadi
dalam kasus ini dapat disimpulkan bahwa biaya promosi berpengaruh terhadap
volume penjualan pada perusahaan jual beli motor.
Analisis regresi linier sederhana adalah hubungan secara linear antara satu
variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk
mengetahui arah hubungan antara variabel independen dengan variabel dependen
apakah 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.
Rumus regresi linear sederhana sebagi berikut:
Y’ = a + bX
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = Konstanta (nilai Y’ apabila X = 0)
821
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
Berikut adalah kumpulan data produk-produk biokimia:
Tabel 21.7 Kumpulan data produk Biokimia
Product Name Mol Weight (X) Price (Y)
1 205.221 814
1 372.417 191
1 458.375 49
1 264.321 130
1 337.375 193
1 213.66 17
1 264.321 219
1 129.159 1502
1 258.233 13
1 223.36 378
2 275.348 1068
2 147.13 58
2 354.458 1214
2 201.61 260
2 209.201 330
2 186.167 445
2 275.348 524
822
Product Name Mol Weight (X) Price (Y)
2 183.163 154
2 186.167 255
2 278.19 35
3 199.166 345
3 177.22 37
3 786.129 49
3 744.048 443
3 220.231 25
3 300.442 69
3 585.698 96
3 134.142 81
3 328.169 365
3 163.173 491
823
Price
Product Name Mol Weight (X)
(Y)
4 407.576 75
4 372.508 116
4 548.67 25
4 401.2 15
4 480.642 445
4 195.23 33
4 166.176 10
4 304.349 737
4 196.26 59
4 304.349 737
5 242.032 11
5 366.377 297
5 354.34 208
5 1017.63 13
5 270.24 11
5 195.138 102
5 256.15 70
5 294.32 66
5 288.3 50
5 752.64 37
824
Price
Product Name Mol Weight (X)
(Y)
6 476.44 158
6 221.191 38
6 352.272 136
6 164.02 25
6 248.71 974
6 250.092 642
6 313.37 81
6 162.144 12
6 176.171 14
6 220.18 149
Langkah-langkah dalam melakukan analisis regresi adalah sebagai berikut:
2. Klik Analyze – Regression – Linier
Gambar 21.1 Kotak Dialog Linier Regression
825
3. Masukan variable nilai X pada kotak Dependent dan masukan

variable Y pada kotak Independent
4. Klik Option, maka akan muncul kotak dialog linier regression:

option
Gambar 21.2 Kotak Dialog Linier Regression: Option
5. Gunakan default dari kotak option dan klik continue. Maka akan
kembali ke kotak dialog linier regression
6. Klik statistik, maka akan muncul kotak dialog linier regression:

Statisik
Gambar 21.3 Kotak Dialog Linier Regression: Statistik
826
7. Pada kotak dialog linier regression: statistic, beri tanda centang
pada kolom estimates untuk mengeluarkan koefisien regressi.
Selain itu beri tanda centang pada kotak modelfit dan
descriptive. Pada kotak residuals beri tanda centang pada durbin-
watson, casewise diagnostics kemudian pilih all case
8. Klik continue
9. Klik plots, maka akan muncul kotak dialog linier regression:

plots
Gambar 21.4 Kotak Dialog Linier Regression: Plots
10. Untuk membuat plot antara SDRESID dan ZPRED maka

masukan perubah SDRESID ke dalam ruang Y dan ZPRED ke
ruang X. Kemudian klik next
11. Untuk membuat plot antara ZPRED dengan DEPENDT maka

masukan perubah standardized residual plots pilih normal
probability plot
12. Klik continue
13. Klik OK
827
reliabilitas kemudian data tersebut baru di uji dengan uji regresi linier sederhana:
a. Uji normalitas
menunjukkan bahwa:
a. Variabel Mol Weight memiliki nilai (Sig.> α), maka data tersebut normal
b. Variabel Price memiliki nilai (Sig.> α), maka data tersebut normal
828
b. Uji keseragaman
a. Variabel Mol Weight memiliki nilai (Sig.> α), maka data tersebut seragam
b. Variabel Price memiliki nilai (Sig.> α), maka data tersebut seragam
829
c. Uji validitas
Mol Weight = 0,372 > r tabel Valid
Price = 0,871 > r tabel Valid
d. Uji relibilitas

830
e. Uji regresi linear
Tabel 21.12 Hasil Uji Variabel Entered
Tabel di atas menjelaskan tentang variable yang dimasukan atau dibuang dan
metode yang digunakan. Dalam hal ini variable yang dimasukan adalah variable
nilai price sebagai predictor dan metode yang digunakan adalah metode enter.
Tabel 21.13 Hasil Uji Model Summary
Tabel di atas menjelaskan besarnya nilai korelasi/hubungan (R) yaitu sebesar 0.132
dan dijelaskan besarnya prosentase pengaruh variable bebas terhadap variable
terikat yang disebut koefisien determinasi yang merupakan hasil dari penguadratan
R. Dari output tersebut diperoleh koefisien determinasi (R2) sebesar 0.017 yang
mengandung pengertian bahwa pengaruh variable bebas (price) terhadap variable
terikat (mol weight) adalah sebesar 17% sedangkan sisanya dipengaruhi oleh
variable yang lain.
831
Tabel 21.14 Hasil Uji Anova
Pada bagian ini untuk menjelaskan apakah ada pengaruh yang nyata/signifikan
variable price terhadap variable mol weight. Dari output tersebut terlihat bahwa F
hitung 1.027 dengan tingkat signifikasi/probabilitas 0.315 > 0.05, maka model
regresi dapat dipakai untuk memprediksi variable partisipan.
Tabel 21.15 Hasil Uji Coefficients
H0 : Ada pengaruh secara signifikan antara mol weight dengan price
H1 : Tidak ada pengaruh secara signifikan antara mol weight dengan price

832
tabel sebesar 2,00172.
Ho diterima jika:
t hitung < t tabel
Ho ditolak jika:
t hitung > t tabel
6. Membandingkan t hitung dengan t tabel
Nilai t hitung < t tabel (1,014 > 2,00172) maka Ho diterima
7. Kesimpulan
Jadi, dengan tingkat signifikasi 5% (0.05) dapat disimpulkan bahwa, Ada pengaruh
secara signifikan antara mol weight dengan price.
21.10 Analisis Hasil pengolahan Data
regresi linier sederhana. Hasil dari pengolahan dan pengujian dari data diatas
833
artinya bahwa pernyataan tersebut kurang reliabel. Untuk uji regresi linier
sederhana setelah diuji mengeluarkan output/hasil bahwa ada pengaruh secara
signifikan antara mol weight dengan price.
21.11 Kesimpulan
Kesimpulan yang dapat di ambil dari pengolahan dan pengujian data yang
sudah dilakukan dan menghasilkan output seperti table-tabel di atas antara lain
dapat diketahui bahwa data dari studi kasus tersebut menunjukan adamya pengaruh
yang cukup signifikaan antara mol weight disetiap jenis senyawa yang ada
diproduk-produk biokimia tersebut dan price dari setiap produknya. Dengan begitu
dapat disimpulkan bahwa berat mol disetiap 1 gram produk biokimia tersebut
harganya berbeda. Tergantung dari kandungan, kemudahan mencari bahan baku,
kualitas dan berat setiap molnya. Harga tersebut juga tidak tetap sewaktu-waktu
dapat berubah seiring dengan berjalannya waktu, kondisi dan situasi yang sedang
terjadi. Bagi instansi yang akan membeli produk-produk biokimia akan lebih baik
menyortir dan melihat harga yang ada dipasaran terlebih dahulu.
834
BAB XXII
STATISTIKA REGRESI LINIER BEBERAPA VARIABEL
INDEPENDENT
22.1 Latar Belakang
Seorang Mahasiswa hendak melakukan penelitian mengenai statistik

kecelakaan tambang berdasarkan 25 data. Penelitian tersebut mengambil data
pengamatan pada tahun 2018. Tentukan data statistic dan analisis yang dilakukan
oleh mahasiswa tersebut.

sebagai berikut:
1. Bagaimana cara menentukan uji regresi linier berganda pada penelitian

tersebut?

pengolahan data dari hasil penelitian tersebut?
22.3 Tujuan
Mendapatkan data dari Asosiasi Jasa Pertambangan Indonesia (ASPINDO)

mengenai penelitian statistik kecelakaan tambang pada tahun 2018.
22.4 Manfaat
1. Mengetahui hasil data Asosiasi Jasa Pertambangan Indonesia

(ASPINDO) yang ada
2. Memberikan informasi mengenai penelitian statistik kecelakaan tambang

dari tahun ke tahun
3.Memperoleh penjelasan mengenai penelitian statistik kecelakaan tambang

dari tahun ke tahun
835
22.5 Literatur
Contoh kasus:
Apakah ada pengaruh yang signifikan antara motivasi kerja dengan kemampuan
pegawai secara bersama-sama terhadap pelayanan masyarakat?
Hasil Analisis:
- Pengujian parameter secara Simultan
Hipotesis
H0: Motivasi kerja dan kemampuan pegawai tidak berpengaruh secara simultan
terhadap pelayanan masyarakat
H1: Minimal ada satu variabel X yang berpengaruh terhadap pelayanan masyarakat
Taraf signifikansi
α = 0,05
Daerah kritik
Menolak H0 jika P-value < α
Keputusan
Dari perhitungan didapat P-value (0,000) < α (0,05), maka diputuskan untuk
menolak Ho
Kesimpulan
Minimal ada satu variabel X yang berpengaruh terhadap pelayanan masyarakat.
- Pengujian Parameter secara Parsial untuk Variabel Motivasi Kerja
Hipotesis
H0: Motivasi kerja tidak berpengaruh terhadap pelayanan masyarakat
H1: Motivasi kerja berpengaruh terhadap pelayanan masyarakat
Taraf signifikansi
836
α = 0,05
Daerah kritik
Keputusan
menolak Ho
Kesimpulan
Motivasi kerja berpengaruh terhadap pelayanan masyarakat
- Pengujian Parameter secara Parsial untuk Variabel Motivasi Kerja
Hipotesis
H0: Motivasi kerja tidak berpengaruh terhadap pelayanan masyarakat
H1: Motivasi kerja berpengaruh terhadap pelayanan masyarakat
Taraf signifikansi
α = 0,05
Daerah kritik
Keputusan
menolak Ho
Kesimpulan
Motivasi kerja berpengaruh terhadap pelayanan masyarakat
837
- Multikolinieritas
Karena nilai VIF kedua variabel kurang dari 10, yaitu sebesar 1,618 maka
disimpulkan bahwa tidak terdapat multikolinieritas pada model regresi.
- Heteroskedastisitas
Hipotesis
H0: Tidak terjadi heteroskedasitas pada model regresi
H1: Terjadi heteroskedasitas pada model regresi
Taraf signifikansi
α = 0,05
Daerah kritik
Menolak Ho jika P-value < α
Keputusan
Dari perhitungan didapat P-value (0,771) > α (0,05) maka Ho gagal ditolak
Kesimpulan
Tidak terjadi heteroskedasitas pada model regresi
- Uji Autokorelasi
Hipotesis
Ho: Tidak terjadi autokorelasi pada model regresi
H1: Terjadi autokorelasi pada model regresi
Taraf signifikansi
α = 0,05
Daerah kritik
0 < d < dL → Ho ditolak (ada autokorelasi)
838
dL < d ≤ dU → Daerah keragu-raguan, tidak ada keputusan
dU ≤ d ≤ 4 – dU → Ho diterima, tidak ada autokorelasi
4 – dU ≤ d ≤ 4 – dL → Daerah keragu-raguan
4 – dL ≤ d ≤ 4 → Ho ditolak (ada autokorelasi)
Keputusan
Dari perhitungan didapat dU (1,6601) ≤ d (1,720) ≤ 4 – dU (2,3399) maka Ho gagal

ditolak
Kesimpulan
Tidak terjadi autokorelasi pada model regresi
- Uji Kenormalan Residual
Hipotesis
Ho: Residual berdistribusi normal.
H1: Residual tidak berdistribusi normal.
Taraf signifikansi
α = 0,05
Daerah kritik
Menolak Ho jika P-value < α
Keputusan
Dari perhitungan didapat P-value (0,200) > α (0,05) maka Ho gagal ditolak
Kesimpulan
Residual berdistribusi normal.
839
Analisis regresi linier berganda adalah hubungan secara linier antara dua
atau lebih variabel independen (X1,X2,…,Xn) dengan variabel dependen (Y).
Analisis ini untuk mengetahui arah hubungan antara variabel independen dan
variabel dependen berhubungan positif atau negatif dan untuk memprediksi nilai
dari variabel dependen apabila variabel independen mengalami kenaikan atau
penurunan. Data yang digunakan biasanya berskala interval atau rasio. Persamaan
regresi linier berganda sebagai berikut:
Y = a + β1X1 + β2X2 + ….. + bnXn
Dimana:
Y = variabel dependen
X = variabel independen
a = konstanta (nilai Y apabila (X1,X2,…,Xn=0)
b = koefisien regresi (nilai peningkatan ataupun penurunan)
Berikut adalah kumpulan data hasil penelitian mengenai statistik kecelakaan

tambang pada tahun 2018.
Tabel 22.1 Kumpulan data penelitian mengenai statistik kecelakaan tambang pada
tahun 2018.
Tenggela Terbentu Tersenga Tertabra Terpelese Terjatu Terjepi Y

m r t Listrik k t h t
120 71 212 25 91 162 239 920
170 100 131 80 112 235 217 104
5
112 116 96 27 137 82 222 792
214 91 176 75 109 227 135 102
7
240 51 133 90 152 181 258 110
5
213 102 218 30 147 110 237 105
7
840
127 107 92 25 50 237 188 826
174 95 168 60 94 257 119 967
160 65 183 73 56 199 237 973
189 101 140 28 76 194 213 941
248 71 118 38 75 145 264 959
208 76 146 42 135 219 288 111
4
182 105 173 99 132 244 249 118
4
229 105 90 64 167 196 260 111
1
234 105 170 95 79 180 242 110
5
215 78 160 86 132 132 193 996
132 59 211 89 69 115 202 877
133 122 180 42 85 83 187 832
115 123 207 93 132 170 248 108
8
133 82 211 55 91 157 257 986
154 88 219 60 127 120 253 102
1
131 75 148 61 106 88 105 714
219 52 137 55 160 225 217 106
5
245 93 199 50 145 194 238 116
4
148 119 179 83 159 238 172 109
8
Langkah-langkah dalam melakukan uji Regresi Linier Berganda adalah

sebagai berikut:
b. Klik Analyze – Regression – Linier
841
c. Masukan variabel Y pada kotak dependent dan masukan variabel Tenggelam,

Terbentur, Tersengat_Listrik, Tertabrak, Terpeleset, Terjatuh, dan
Terjepit pada kotak independent (s).
d. Klik option, maka muncul kotak dialog linier regression: option.
e. Gunakan default dari kotak option dan klik continue. Maka kembali ke kotak
dialog linier regression.
f. Klik statistik, maka muncul kotak dialog linier regression: statistik.
Gambar 22.2 Kotak Dialog Linear Regression: Statistics

842
g. Pada kotak dialog linier regression: statistic, beri tanda centang pada kolom
estimates untuk mengeluarkan koefisien regresi. Selain itu beritanda centang
pada kotak modelfit dan descriptives. Pada kotak residuals beri tanda centang
pada Durbin-Watson, Casewise diagnostics kemudian pilih All cases.
h. Klik Continue.
i. Klik Plots, maka akan muncul kotak dialog linier regression: plots.
Gambar 22.3 Kotak Dialog Linear Regression: Plots

j. Untuk membuat plot antara SDRESID dan ZPRED maka masukan peubah
SDRESID ke dalam ruang Y dan ZPRED ke dalam ruang X. Kemudian klik Next
k. Untuk membuat plot antara ZPRED dengan DEPENDT maka masukan peubah
standardized residal plots pilih normal probability plot.
l. Klik Continue
m. Klik OK
22.9 Hasil Pengolahan Data.
A. Uji Normality
Tabel 22.2 Hasil Pengolahan Uji Normality.
843
Unstandardized
Residual
N 25
Normal Parametersa,b Mean ,0000000
Std. Deviation ,00000000
Most Extreme Differences Absolute ,126
Positive ,072
Negative -,126
Kolmogorov-Smirnov Z ,629

i. Semua variabel tersebut memiliki nilai (Sig.> α), maka data tersebut normal
844
B. Uji Descriptive Statistics
Tabel 22.3 Hasil Pengolahan Descriptive Statistics
N Range Minimum Maximum Mean Std. Deviation Variance
Statistic Statistic Statistic Statistic Statistic Std. Error Statistic Statistic
Tenggelam 25 136 112 248 177,80 9,140 45,699 2088,417

Terbentur 25 72 51 123 90,08 4,262 21,311 454,160
Tersengat_Listrik 25 129 90 219 163,88 7,980 39,899 1591,943
Tertabrak 25 74 25 99 61,00 4,884 24,420 596,333
Terpeleset 25 117 50 167 112,72 6,902 34,509 1190,877
Terjatuh 25 175 82 257 175,60 10,850 54,248 2942,833
Terjepit 25 183 105 288 217,60 9,263 46,315 2145,083
Valid N (listwise) 25
Tabel diatas dapat menjelaskan bahwa nilai rata-rata variabel Tenggelam adalah
177 dengan standar deviasi 45,69, rata-rata variabel Terbentur adalah 90 dengan
standar deviasi 21,31, rata-rata variabel Tersengat Listrik adalah 163 denganstandar
deviasi 39,89, rata-rata variabel Tertabrak adalah 61 dengan standar deviasi24,42,
rata-rata variabel Terpeleset adalah 112 dengan standar deviasi 34,50, rata- rata
variabel Terjatuh adalah 175 dengan standar deviasi 54,24, dan rata-ratavariabel
Terjepit adalah 217 dengan standar deviasi 46,31.
845
C. Uji Analisis Multikolinearitas
Tabel 22.4 Hasil Pengolahan Uji Analisis Multikolinearitas.
Coefficientsa
Model Unstandardized Standardized Collinearity

Coefficients Coefficients Correlations Statistics
B Std. Error Beta t Sig. Zero-order Partial Part Tolerance VIF
1 (Constant) -6,761E- ,000 ,000 1,000

14
Tenggelam 1,000 ,000 ,379 1,191E8 ,000 ,613 1,000 ,307 ,656 1,525
Terbentur 1,000 ,000 ,177 6,331E7 ,000 ,031 1,000 ,163 ,852 1,174
Tersengat_Listrik 1,000 ,000 ,331 1,175E8 ,000 ,191 1,000 ,303 ,837 1,195
Tertabrak 1,000 ,000 ,203 7,111E7 ,000 ,461 1,000 ,183 ,819 1,222
Terpeleset 1,000 ,000 ,286 9,999E7 ,000 ,552 1,000 ,258 ,810 1,234
Terjatuh 1,000 ,000 ,450 1,583E8 ,000 ,555 1,000 ,408 ,822 1,217
Terjepit 1,000 ,000 ,384 1,400E8 ,000 ,514 1,000 ,361 ,882 1,133
a. Dependent Variable: Y
Dari hasil uji multikolinearitas dengan menggunakan SPSS nilai VIF berada antara
1-10, oleh sebab karena itu penelitian ini tidak ada persoalan multikolinearitas,
dimana persyaratan untuk dapat dikatakan terbebas dari multikolinieritas adalah
apabila nilai VIF prediktor 1-10.
846
D. Uji Analisis heteroskedastisitas
Hasil uji heteroskedastisitas dapat dilihat pada gambar Scatterplot, seperti pada
gambar di bawah ini:
Gambar 22.4 Hasil uji heteroskedastisitas
Dari gambar di atas terlihat bahwa sebaran titik tidak membentuk suatu pola/alur
tertentu, sehingga dapat disimpulkan tidak terjadi heteroskedastisitas atau dengan
kata lain terjadi homoskedastisitas. Asumsi klasik tentang heteroskedastisitas dalam
model ini terpenuhi, yaitu terbebas dari heteroskedastisitas.
847
E. Uji Analisis Autokorelasi
Tabel 22.5 Hasil Pengolahan Uji Analisis Autokorelasi
Model Summaryb
Model Adjusted R Std. Error of the

R R Square Square Estimate Durbin-Watson
d
1 1,000a 1,000 1,000 ,000 1,928
i
a. Predictors: (Constant), Terjepit, Terjatuh, Terbentur, Tersengat_Listrik, Terpeleset,

Tertabrak, Tenggelam
b. Dependent Variable: Y
Nilai Durbin – Watson pada uji autokorelasi di Tabel 22.5 sebesar 1,928 nilai
tersebut akan dibandingkan dengan nilai tabel dengan taraf signifikansi sebesar 5%,
jumlah observasi (df = n - 2 = 25 – 2 = 23) dan jumlah variabel independen 2 (k=2),
maka di tabel Durbin-Watson diperoleh nilai batas atas (du) = 1,5596 dan nilai batas
bawah (dl) = 1,2553 dan nilai d=1,928. Karena dl < d < du maka kesimpulannya
berada pada daerah keraguan dimana tidak ada keputusan autokorelasi.
848
F. Uji Analisis Regresi Berganda
Tabel 22.6 Hasil Pengolahan Uji Analisis Regresi Berganda
Coefficientsa
Model Unstandardized Standardized Collinearity

Coefficients Coefficients Correlations Statistics
B Std. Error Beta t Sig. Zero-order Partial Part Tolerance VIF
1 (Constant) 6,761E- ,000 ,000 1,000

14
Tenggelam 1,000 ,000 ,379 1,191E8 ,000 ,613 1,000 ,307 ,656 1,525
Terbentur 1,000 ,000 ,177 6,331E7 ,000 ,031 1,000 ,163 ,852 1,174
Tersengat_Listrik 1,000 ,000 ,331 1,175E8 ,000 ,191 1,000 ,303 ,837 1,195
Tertabrak 1,000 ,000 ,203 7,111E7 ,000 ,461 1,000 ,183 ,819 1,222
Terpeleset 1,000 ,000 ,286 9,999E7 ,000 ,552 1,000 ,258 ,810 1,234
Terjatuh 1,000 ,000 ,450 1,583E8 ,000 ,555 1,000 ,408 ,822 1,217
Terjepit 1,000 ,000 ,384 1,400E8 ,000 ,514 1,000 ,361 ,882 1,133
Berdasarkan tabel diatas maka persamaan regresi untuk hubungan variabel

keselamatan kerja (X1) dan kesehatan kerja (X2) dengan variabel produktivitas
kerja (Y) dapat dituliskan sebagai berikut:
Y = 6,761 + 7,000 Semua Variabel
Untuk semakin meyakinkan hubungan antara semua variabel dengan variabel

dependent (Y) maka perlu melakukan uji berikut :
a) Uji Hipotesis Simultan / Uji F
Untuk mengetahui apakah secara simultan semua variabel dengan variabel

dependent (Y) maka dapat melakukan uji signifikansi dengan hipotesis sebagai
berikut:
H0 : tidak terdapat pengaruh yang signifikan antara semua variabel secara bersama-
sama dengan variabel terikat (Y).
Ha : terdapat pengaruh yang signifikan antara semua variabel secara bersama-sama
849
dengan variabel terikat (Y).
Adapun statistik pengujiannya adalah sebagai berikut:
Jika Fhitung ≥ Ftabel, maka H0 ditolak dan Ha diterima.
Jika Fhitung < Ftabel, maka H0 diterima dan Ha ditolak.
Tabel 22.7 Hasil Pengolahan Uji Analisis Regresi Berganda
ANOVAb
1 Regression 348373,440 7 49767,634 3.244 .072a
Residual ,000 17 ,000

Total 348373,440 24
a. Predictors: (Constant), Terjepit, Terjatuh, Terbentur, Tersengat_Listrik, Terpeleset, Tertabrak,

Tenggelam
Pengujian regresi antara semua variabel terhadap variabel terikat Y pada tingkat
signifikan 5%. Jumlah sampel (N) adalah 25, dan jumlah variabel bebas (k) adalah
2, sehingga dapa diketahui dk pembilang = k = 2, dan dk penyebut = N – k – 1 =
17. Setelah dk pembilang dan dk penyebut diketahui, maka didapatkan nilai F tabel
sebesar 2,72 dan Fhitung sebesar 3,244. Karena Fhitung > dari Ftabel, maka H0
ditolak dan Ha diterima yang artinya terdapat pengaruh yang signifikan antara
semua variabel secara bersama-sama dengan variabel terikat (Y).
850
G. Uji Hipotesis Parsial / Uji T
Pengujian ini dilakukan untuk menentukan signifikan atau tidaknya masing-
masing koefisien yaitu, koefisien regresi semua variabel secara terpisah terhadap
variabel terikat (Y) dalam hal ini produktivitas kerja itu sendiri
Uji signifikansi dengan hipotesis parsial sebagai berikut:
H0 : tidak terdapat pengaruh yang signifikan antara semua variabel secara bersama-
sama dengan variabel terikat (Y).
Ha : terdapat pengaruh yang signifikan antara semua variabel secara bersama-sama

dengan variabel terikat (Y).
Adapapun statistik pengujiannya adalah sebagai berikut:
Jika -ttabel > thitung > ttabel, maka H0 ditolak dan Ha diterima.
Jika -ttabel ≤ thitung ≤ ttabel, maka H0 diterima dan Ha ditolak.
Diketahui jumlah responden (n) adalah 25, dan digunakan level of significance (α)
adalah 1% . maka t tabel dapat ditentukan : tα/2 ; df (n-2) = t 1%/2 ; df (25-2) = t
0,005 ; df 23. Dengan melihat tabel distribusi t, maka t tabel = 2,763
setelah dilakukannnya beberapa tahap pengujian seperti uji normality, uji
descriptive statistics, uji analisis multikolinearitas, uji analisis heteroskedastisitas,
uji analisis autokorelasi, uji F, uji T, dan uji Regresi Linier Berganda menunjukan
bahwa data yang di peroleh dari Asosiasi Jasa Pertambangan Indonesia(ASPINDO)
terhadap statistik kecelakaan tambang pada tahun 2018. tersebutmenunjukan data
tersebut normal karena nilai sig. lebih dari nilai alpha (0,05), datatidak ada persoalan
multikolinearitas dimana persyaratan untuk dapat dikatakan terbebas dari
multikolinieritas adalah apabila nilai VIF prediktor 1-10, data tidak terjadi
heteroskedastisitas atau dengan kata lain terjadi homoskedastisitas jika asumsi
klasik tentang heteroskedastisitas dalam model ini terpenuhi, yaitu terbebas dari
heteroskedastisitas, data tidak ada keputusan autokorelasi karena nilai batas bawah
(dl) = 1,2553 dan nilai d=1,928 jadi nilai dl < d < du maka kesimpulannya
851
berada pada daerah keraguan dimana tidak ada keputusan autokorelasi, Pada uji
Regresi Linier tersebut dimana dalam pengujian parsial dengan distribusi t
keduanya tidak memberikan pengaruh yang signifikan (H0 diterima) karena
dipisahkan, sedangkan pada uji simultan dengan distribusi F (H0 ditolak) terdapat
pengaruh yang signifikan.
22.11 Kesimpulan
Kesimpulan yang dapat diambil untuk data mengenai statistik kecelakaan

tambang pada tahun 2018 yaitu antara lain dari pengolahan data di atas sudah jelas
menunjukan hasil pengolahan data dengan metode uji Regresi Linier Berganda
bahwa data yang diperoleh dari Asosiasi Jasa Pertambangan Indonesia (ASPINDO)
yaitu dalam pengujian parsial dengan distribusi t keduanya tidak memberikan
pengaruh yang signifikan (H0 diterima) karena dipisahkan, sedangkan pada uji
simultan dengan distribusi F (H0 ditolak) terdapat pengaruh yang signifikan
mengenai statisik kecelakaan tambang.
852
22.1 Latar Belakang
Seorang mahasiswa hendak melakukan penelitian inspeksi program

keselamatan dan kesehatan kerja yang diharapkan mampu meminimalisasi resiko
kecelakaan dan penyakit akibat kerja. Penelitian dilakukan pada proyek
pembangunan PT. Trakindo Utama Balikpapan Facility Upgrade. Pelaksanaan
proyek konstruksi sangatlah rawan akan resiko kecelakan kerja maupun penyakit
akibat kerja. Area kerja yang terbuka, pengaruh iklim, cuaca serta lingkungan kerja
yang dapat dikatakan padat alat, pekerja, dan material dapat membuat resiko-resiko
tersebut tidak dapat dihindari. Faktor-faktor lain seperti cenderung tidak
mengindahkan standar keselamatan kerja ataupun pemilihan metode kerja yang
kurang tepat juga dapat membuat resiko-resiko yang ada semakin besar. Terjadinya
kecelakaan kerja dan penyakit akibat kerja dapat membuat produktivitas kerja dari
pekerja menurun. Tingkat absensi yang tinggi, intensitas kerja yang kurang, dan
produksi kerja yang sedikit merupakan beberapa hal yang dapat mengakibatkan
keterlambatan dalam penyelesaian pekerjaan dan berujung pada kerugian bagi
pihak kontraktor.
Perumusan masalah dari penelitian ini yaitu sebagai berikut :
1. Bagaimanakah pengaruh inspeksi program keselamatan dan kesehatan kerja

(K3) terhadap peningkatan produktivitas kerja pada pelaksanaan proyek
konstruksi?
2. Seberapa besarkah hubungan inspeksi program keselamatan dan kesehatan

kerja (K3) terhadap peningkatan produktivitas kerja pada pelaksanaan
proyek konstruksi?
22.3 Tujuan
Adapun tujuan dari penelitian adalah :
1. Untuk mengetahui bagaimanakah pengaruh inspeksi program keselamatan

dan kesehatan kerja (K3) terhadap peningkatan produktivitas kerja pada
pelaksanaan proyek konstruksi.
853
2. Untuk mengetahui besarnya hubungan antara inspeksi program keselamatan
dan kesehatan kerja (K3) terhadap peningkatan produktivitas kerja pada
22.4 Manfaat
Manfaat yang diharapkan dari penelitian :
1. Dapat memberikan gambaran tentang implementasi program keselamatan

dan kesehatan kerja pada pelaksanaan proyek konstruksi.
2. Dapat dijadikan acuan untuk melakukan penilaian terhadap baik atau

tidaknya inspeksi program keselamatan dan kesehatan kerja (K3) pada
3. Dapat menunjukkan seberapa besar pengaruh implementasi program

keselamatan dan kesehatan kerja (K3) terhadap produktivitas kerja pada
22.5 Literatur
Penelitian mengenai peramalan inflasi di suatu negara mendapatkan

perhatian yang positif bagi peneliti makroekonomi. Sebagian besar bank sentral
menggunakan inflasi sebagai salah satu pertimbangan untuk mengambil kebijakan
moneter. Kebijakan moneter diambil dengan pertimbangan nilai inflasi yang akan
datang.
Pada penelitian ini akan digunakan metode prediksi regresi linier berganda,
untuk memprediksi tingkat inflasi bulanan di masa yang akan datang. Data yang
penulis gunakan adalah data tingkat inflasi bulanan di Indonesia yang dikeluarkan
oleh Badan Pusat Statistik dan Bank Indonesia.
Pada penelitian ini penulis menggunakan data inflasi bulanan indonesia

menurut kelompok pengeluaran tahun 2006–2015 yang dikeluarkan oleh BPS lewat
website resminya (www.bps.go.id, 2015).
854
3. Masukkan variabel Y pada kotak dependent dan masukkan variabel X pada

kotak independent(s)
855
6. Klik Continue
8. Untuk membuat plot, maka masukkan SDRESID ke dalam ruang Y dam ZPRED
ke dalam ruang X.
9. Klik continue
10. Klik OK
Hasil output SPSS :
1. Variabel Penelitian
Data yang diperoleh untuk penelitian ini sebanyak 118 record, dimana 80% dari
data tersebut sebagai data training, dan 20% dari data sebagai data testing. Variabel
independen pada penelitian ini terdiri dari tujuh variabel, yaitu: 1. Inflasi Makanan,
2. Inflasi Makanan Jadi, Minuman, Rokok, dan Tembakau, 3. Inflasi Perumahan,
Air, Listrrik, Gas, dan Bahan Bakar, 4. Inflasi Sandang, 5. Inflasi Kesehatan, 6.
856
Inflasi Pendidikan, Rekreasi, dan Olahraga, 7. Inflasi Transpor, Komunikasi, dan
Jasa Keuangan, Sedangkan variabel dependen adalah variabel Inflasi Umum.
Perangkat lunak yang digunakan untuk menganalisa adalah spss versi 17.0.
Uji Asumsi Klasik
a. Uji Multikolinearitas
Hasil uji multikolinearitas dengan menggunakan spss versi 17.0 diperlihatkan oleh
tabel 1 berikut ini:
Tabel 22.1 Hasil Uji Multikolinearitas
Collinearity Statistics
Tolerance VIF
Model
1 x1 .751 1.332
x2 .560 1.786
x3 .644 1.553
x4 .904 1.106
x5 .739 1.353
x6 .934 1.071
x7 .803 1.245
(Sumber: https://ejournal.nusamandiri.ac.id/index.php/techno/article/view/220)
Dari hasil di atas dapat diketahui nilai variance inflation factor (VIF) ketujuh
variabel independen lebih kecil dari 5, sehingga bisa diduga bahwa antarvarabel
independen tidak terjadi persoalan multikolinearitas.
b. Uji Autokorelasi
Hasil uji autokorelasi dengan menggunakan spss versi 17.0 diperlihatkan oleh tabel
857
2 berikut ini:
Tabel 22.2 Hasil Uji Autokorelasi
Model R R Square Durbin-Watson
1 .999a .997 1.625
Dari hasil di atas diketahui nilai D (Durbin- Watson) sebesar 1.625. Selanjutnya
nilai tersebut dibandingkan dengan nilai penerimaan H0 dari tabel D (Durbin-
Watson) diantara 1.5151 dan 1.8264. Karena nilai D hitung terletak pada daerah
penerimaan H0 sehingga asumsi tidak ada autokorelasi dapat diterima. Dari tabel
di atas juga diketahui nilai koefisien regresi sebesar 0,999 dan koefisien determinasi
sebesar 0,997 (99,7%).
Uji Koefisien Regresi Linier Berganda
c. Uji Simultan (Uji F)
Adapun langkah-langkah pengujiannya sebagai berikut:
1) Menentukan Formulasi Hipotesis
- H0 : bi = 0, artinya variabel independen tidak mempunyai

pengaruh yang signifikan secara bersama-sama terhadap
variabel dependen.
- H0 : bi ≠ 0, artinya variabel independen mempunyai pengaruh yang

signifikan secara bersama-sama terhadap variabel dependen.
2) Menentukan derajat kepercayaan 95% (α= 0,05)
3) Menentukan signifikansi
- Nilai signifikasi (P Value) < 0,05 maka H0 ditolak dan H1

diterima.
858
- Nilai signifikasi (P Value) > 0,05 maka H0 diterima dan H1 ditolak.
4) Membuat kesimpulan
- Bila (P Value) < 0,05 maka H0 ditolak dan H1 diterima. Artinyavariabel

independen secara simultan (bersama-sama) mempengaruhi variabel
dependen.
- Bila (P Value) > 0,05 maka H0 diterima dan H1 ditolak. Artinya variabel
independen secara simultan (bersama-sama) tidak mempengaruhi
variabel dependen.
Hasil uji F pada penelitian ini dengan menggunakan spss versi 17.0 dapat dilihat
pada tabel 3 berikut ini:
Tabel 22.3 Hasil Uji F
Model df F Sig.
1 Regression 7 4357.58 .000a
6
Residual 88
Total 95
Dari hasil uji F pada penelitian ini, didapatkan nilai F sebesar 4357,586 dengan
angka signifikansi sebesar 0,000. Dengan tingkat signifikansi 95% (α = 0,05), angka
signifikansi sebesar 0,000 < 0,05. Atas dasar perbandingan tersebut, maka H0
ditolak atau berarti variabel independen mempunyai pengaruh yang signifikansi
secara bersama- sama terhadap variabel dependen.
d. Uji t
Hasil uji t pada penelitian ini dengan menggunakan spss versi 17.0 dapat dilihat
pada tabel 4 berikut ini:
Tabel 22.4 Hasil Uji t
859
Model
t Sig.
1 (Constant) -1.346 .182
x1 91.191 .000
x2 12.835 .000
x3 25.235 .000
x4 17.434 .000
x5 2.932 .004
x6 13.516 .000
x7 69.771 .000
Dari hasil uji t pada penelitian ini, diketahui nilai signifikansi dari ketujuh variabel
independen < 0,05, yang berarti H0 ditolak dan H1 diterima. Artinya masing-
masing dari ketujuh variabel independen mempunyai pengaruh yang signifikan
secara parsial terhadap variabel dependen.
Analisis Regresi Linier Berganda
Dengan menggunakan spss versi 17.0, maka didapatkan hasil uji regresi pada data
training seperti pada tabel 5 berikut ini:
Tabel 22.5 Uji Regresi
Unstandardized
Model Coefficients
B Std. Error
1 (Constant) -.010 .007
860
x1 .241 .003
x2 .164 .013
x3 .271 .011
x4 .070 .004
x5 .040 .013
x6 .060 .004
x7 .169 .002
Berdasarkan tabel di atas maka didapatkan persamaan regresi linier berganda

sebagai berikut:
Y= 0,241X1 + 0,164X2 + 0,271X3 + 0,07X4 + 0,040X5 + 0,060X6 + 0,169X7 -

0,010
Model regresi linier ganda tersebut kemudian diterapkan pada data testing.

nantinya.
Pengambilan data dilakukan kepada 30 responden dengan menggunakan

dua variabel yaitu varibel bebas (X1 dan X2) dan variabel terikat (Y). X1 untuk
keselamatan kerja, X2 untuk kesehatan kerja, dan Y untuk produktivitas kerja.
Teknik analisis data yang digunakan dalam penelitian ini adalah dengan analisis
regresi linier berganda. Model ini dipilih untuk mengetahui seberapa besar
pengaruh variabel bebas terhadap variabel terikat baik secara parsial maupun
861
bersama-sama. Uji Persyaratan yang digunakan dalam penelitian ini adalah uji
normalitas Pengujian normalitas adalah untuk mengetahui apakah suatu distribusi
data normal atau tidak sehingga jika distribusi data normal akan memperkecil
kesalahan (Absurahman, 2011:272).
Sebelum model regresi digunakan untuk menguji hipotesis, maka terlebih

dahulu dilakukan pengujian asumsi klasik. Dalam penelitian ini uji asumsi klasik
yang dilakukan adalah uji multikolinieritas, uji heteroskedastisitas dan uji
autokorelasi.
Apabilah syarat untuk ditelitinya suatu model regresi telah terpenuhi semua,
maka langkah selanjutnya untuk mengetahui diterima atau tidaknya hipotesis yang
diajukan dalam penelitian ini, dilakukan analisis data dengan uji F dan uji T.
Berikut adalah kumpulan data statistik inspeksi K3.
Tabel 22.6 Data statistik inspeksi k3
Responden X1 X2 Y
1 45 38 45
2 40 35 38
3 44 44 38
4 41 40 38
5 43 46 45
6 44 42 40
7 43 43 44
8 45 42 44
9 46 43 41
10 45 40 39
11 45 40 40
12 45 42 38
13 40 44 41
14 44 46 44
15 40 43 40
862
Responden X1 X2 Y
16 40 41 41
17 40 39 40
18 44 45 45
19 47 47 45
20 45 46 40
21 45 50 40
22 42 41 40
23 40 42 39
24 40 40 40
25 45 45 39
26 44 42 41
27 44 42 41
28 50 42 40
29 44 42 41
30 41 39 31
Langkah-langkah dalam melakukan uji Regresi Linier Sederhana adalah sebagai

berikut:
863
3. Masukkan variabel Luas lahan pada kotak independent(s) dan masukkan

variabel Pupuk urea pada kotak dependent
864
6. Klik Continue
8. Untuk membuat plot, maka masukkan SDRESID ke dalam ruang Y dam ZPRED
ke dalam ruang X.
9. Klik continue
10. Klik OK
dilakukan yaitu mulai dari uji normalitas, validitas dan reliabilitas kemudian data
tersebut baru di uji dengan uji regresi linear berganda.
865
1. Uji Normalitas
Responden X1 X2 Y
N 30 30 30 30
Normal Parametersa Mean 15.50 43.37 42.37 40.60
Std. Deviation 8.803 2.498 3.011 2.896
Most Extreme Differences Absolute .070 .200 .148 .212
Positive .070 .157 .148 .212
Negative -.070 -.200 -.118 -.151
Kolmogorov-Smirnov Z .383 1.096 .813 1.160
Asymp. Sig. (2-tailed) .999 .181 .523 .136
menunjukkan bahwa:
Semua variabel menunjukkan sig > alpha 0,01 sehingga data tersebut normal
2. Uji Validitas
866
Correlations
Y X1 X2
Pearson Correlation Y 1.000 .293 .377
X1 .293 1.000 .380
X2 .377 .380 1.000
Sig. (1-tailed) Y . .058 .020
X1 .058 . .019
X2 .020 .019 .
N Y 30 30 30
X1 30 30 30
X2 30 30 30
Variabel Y= 1 > r tabel Valid
Variabel X1 = 0,293 > r tabel Valid
Variabel X2 = 0,377 > r tabel Valid
3. Uji Reliabilitas
Cronbach's
Alpha Based on
Cronbach's Standardized
Alpha Items N of Items
.617 .618 3
867

yang artinya bahwa pernyataan atau variabel tersebut reliabel.
4. Uji Asumsi Klasik

f) Analisis Descriptive Statistics
Mean Std. Deviation N
Y 40.60 2.896 30
X1 43.37 2.498 30
X2 42.37 3.011 30
Tabel diatas dapat menjelaskan bahwa nilai rata-rata variabel Y adalah 40 dengan
standar deviasi 2,89, rata-rata variabel X1 adalah 43 dengan standar deviasi 2,49,
dan rata-rata variabel X2 adalah 42 dengan standar deviasi 3,01.
g) Analisis Multikolinearitas
Tabel 22.11 Multikolinearitas
Coefficientsa
Unstandardized Standardized Collinearity

Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 19.164 9.744 1.967 .060
X1 .202 .220 .174 .919 .366 .855 1.169
X2 .299 .182 .311 1.638 .113 .855 1.169
868
Dari hasil uji multikolinearitas dengan menggunakan SPSS nilai VIF berada antara
1-10, oleh sebab karena itu penelitian ini tidak ada persoalan multikolinearitas,
dimana persyaratan untuk dapat dikatakan terbebas dari multikolinieritas adalah
apabila nilai VIF prediktor 1-10.
h) Analisis heteroskedastisitas
Hasil uji heteroskedastisitas dapat dilihat pada gambar Scatterplot, seperti pada
gambar di bawah ini:
Gambar 22.8 Hasil uji heteroskedastisitas
Dari gambar di atas terlihat bahwa sebaran titik tidak membentuk suatu pola/alur
tertentu, sehingga dapat disimpulkan tidak terjadi heteroskedastisitas atau dengan
kata lain terjadi homoskedastisitas. Asumsi klasik tentang heteroskedastisitas dalam
model ini terpenuhi, yaitu terbebas dari heteroskedastisitas.
i) Analisis Autokorelasi
Tabel 22.12 Autokorelasi
869
Model Summaryb
Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson
1 .410a .168 .107 2.737 1.404
a. Predictors: (Constant), X2, X1
Nilai Durbin – Watson pada uji autokorelasi di Tabel 22.12 sebesar 1,404 nilai
tersebut akan dibandingkan dengan nilai tabel dengan taraf signifikansi sebesar 5%,
jumlah observasi (df = n - 2 = 30 – 2 = 28) dan jumlah variabel independen 2 (k=2),
maka di tabel Durbin-Watson diperoleh nilai batas atas (du) = 1,5596 dan nilai batas
bawah (dl) = 1,2553 dan nilai d=1,404. Karena dl < d < du maka kesimpulannya
berada pada daerah keraguan dimana tidak ada keputusan autokorelasi.
5. Analisis Regresi
Analisis regresi dilakukan untuk mengetahui hubungan fungsional atau kausal

antara dua variabel atau lebih. Maka selanjutnya melakukan analisis regresi antara
variabel independent keselamatan kerja (X1) dan kesehatan kerja (X2) dengan
variabel dependent produktivitas kerja (Y).
Tabel 22.13 Uji Regresi Berganda
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 19.164 9.744 1.967 .060
X1 .202 .220 .174 .919 .366 .855 1.169
X2 .299 .182 .311 1.638 .113 .855 1.169
870
Berdasarkan tabel diatas maka persamaan regresi untuk hubungan variabel
keselamatan kerja (X1) dan kesehatan kerja (X2) dengan variabel produktivitas
kerja (Y) dapat dituliskan sebagai berikut:
Y = 19,164 + 0,202X1 + 0,299X2
Untuk semakin meyakinkan hubungan antara variabel independent keselamatan

kerja (X1) dan kesehatan kerja (X2) dengan variabel dependent produktivitas kerja
(Y) maka perlu melakukan uji berikut :
b) Uji Hipotesis Simultan / Uji F
Untuk mengetahui apakah secara simultan variabel independent keselamatan kerja

(X1) dan kesehatan kerja (X2) dengan variabel dependent produktivitas kerja (Y)
maka dapat melakukan uji signifikansi dengan hipotesis sebagai berikut:
H0 : tidak terdapat pengaruh yang signifikan antara variabel bebas (X1 dan X2)
secara bersama-sama dengan variabel terikat (Y).
Ha : terdapat pengaruh yang signifikan antara variabel bebas (X1 dan X2) secara
bersama-sama dengan variabel terikat (Y).
Adapun statistik pengujiannya adalah sebagai berikut:
Jika Fhitung ≥ Ftabel, maka H0 ditolak dan Ha diterima.
Jika Fhitung < Ftabel, maka H0 diterima dan Ha ditolak.
Tabel 22.13 Uji Regresi Berganda
1 Regression 40.939 2 20.470 2.733 .083a
Residual 202.261 27 7.491
Total 243.200 29
a. Predictors: (Constant), X2, X1
871
1 Regression 40.939 2 20.470 2.733 .083a
Residual 202.261 27 7.491
Total 243.200 29
Pengujian regresi antara variabel bebas X1 dan X2 terhadap variabel terikat Y pada
tingkat signifikan 5%. Jumlah sampel (N) adalah 30, dan jumlah variabel bebas (k)
adalah 2, sehingga dapa diketahui dk pembilang = k = 2, dan dk penyebut = N – k
– 1 = 27. Setelah dk pembilang dan dk penyebut diketahui, maka didapatkan nilai
F tabel sebesar 2,72 dan Fhitung sebesar 2,733. Karena Fhitung > dari Ftabel, maka
H0 ditolak dan Ha diterima yang artinya terdapat pengaruh yang signifikan antara
variabel bebas (X1 dan X2) secara bersama-sama dengan variabel terikat (Y).
c) Uji Hipotesis Parsial / Uji T
Pengujian ini dilakukan untuk menentukan signifikan atau tidaknya masing-masing

koefisien yaitu, koefisien regresi keselamatan kerja (x1) dan kesehatan kerja (x2)
secara terpisah terhadap variabel terikat (Y) dalam hal ini produktivitas kerja itu
sendiri
Uji signifikansi dengan hipotesis parsial sebagai berikut:
H0 : tidak terdapat pengaruh yang signifikan antara variabel bebas (X1 dan X2)
secara bersama-sama dengan variabel terikat (Y).
Ha : terdapat pengaruh yang signifikan antara variabel bebas (X1 dan X2) secara
bersama-sama dengan variabel terikat (Y).
Adapapun statistik pengujiannya adalah sebagai berikut:
872
Jika -ttabel > thitung > ttabel, maka H0 ditolak dan Ha diterima.
Jika -ttabel ≤ thitung ≤ ttabel, maka H0 diterima dan Ha ditolak.
Diketahui jumlah responden (n) adalah 30, dan digunakan level of significance (α)
adalah 1% . maka t tabel dapat ditentukan : tα/2 ; df (n-2) = t 1%/2 ; df (30-2) = t
0,005 ; df 28. Dengan melihat tabel distribusi t, maka t tabel = 2,763
Pengujian koefisien X1:
Berdasarkan tabel 22.13 karena hasil yang telah diperoleh yaitu X1 = 0,919 berada
diantara -2,763 dan +2,763, maka H0 diterima. Hal ini berarti nilai koefisien regresi
(X1) keselamatan kerja tidak signifikan atau tidak terdapat pengaruh yang
signifikan terhadap produktivitas kerja.
Pengujian koefisien X2:
Berdasarkan tabel 22.13 karena hasil yang telah diperoleh yaitu X2 = 1,638 berada
diantara -2,763 dan +2,763, maka H0 diterima. Hal ini berarti nilai koefisien regresi
(X2) kesehatan kerja tidak signifikan atau tidak terdapat pengaruh yang signifikan
terhadap produktivitas kerja.
reliabilitas dan uji regresi linier sederhana menunjukan bahwa data tersebut normal
karena nilai sig. lebih dari nilai alpha (0,01), data valid karena nilai N_Total pada
Variabel yang dianalisis dalam penelitian ini adalah keselamatan kerja (X1) dan
kesehatan kerja (X2) sebagai variabel bebas dan produktivitas kerja (Y) sebagai
variabel terikat. Hasil analisis dengan menggunakan regresi linier bergandan
diperoleh persamaan regresi sebagai berikut : Y = 19,164 + 0,202X1 + 0,299X2.
Untuk mengetahui keeratan hubungan antara keselamatan dan kesehatan kerja
873
dengan peningkatan produktivititas kerja maka dilakukanlah analisis koefisien
korelasi berganda. Hasil yang diperoleh dari perhitungan yaitu R= 0,410 dimana
angka tersebut mendekati 1. Artinya keselamatan dan kesehatan kerja memiliki
hubungan yang erat dengan peningkatan produktivitas kerja.
22.11 Kesimpulan
Berdasarkan hasil dari analisis dan pengolahan data yang telah dilakukan,
maka dapat ditarik kesimpulan dari penelitian ini adalah sebagai berikut :
1. Inspeksi program keselamatan dan kesehatan kerja akan memberikan

pengaruh yang signifikan terhadap peningkatan produktivitas kerja jika
keduanya diterapkan serentak. Hal ini telah di buktikan melalui hasil
pengujian, yaitu pegujian parsial / individual dan simultan / serentak. Dimana
dalam pengujian parsial dengan distribusi t memberikan hasil X1 = 0,919
berada diantara -2,763 dan +2,763 dan X2 = 1,638 berada diantara -2,763 dan
+2,763 keduanya tidak memberikan pengaruh yang signifikan (H0 diterima)
karena dipisahkan. Sedangkan pada uji simultan dengan distribusi F
memberikan hasil F hitung = 2,733 ≥ 2,72 (H0 ditolak) terdapat pengaruh
yang signifikan.
2. Inspeksi program keselamatan dan kesehatan kerja pada pelaksanaan proyek

pembangunan PT. Trakindo Utama Balikpapan Facility Upgrade memiliki
hubungan yang erat dengan peningkatan produktivitas kerja, dimana telah
diperoleh hasil dari analisis korelasi berganda R = 0,410. Angka ini
mendekati angka 1.
874
22.1 Latar Belakang
Pertumbuhan industri yang terus meningkat saat ini akan membutuhkan
peran lebih dari sumber daya perusahaan, salah satunya alat produksi. Untuk
menciptakan efisiensi, efektifitas serta produktifitas pekerjaan maka perusahaan
akan memperbanyak penggunaan mesin dengan manusia sebagai pengawas
maupun penggeraknya. Namun penggunaan mesin yang rumit dan kompleks,
kadang tidak diikuti oleh kesiapan perusahaan dalam mempersiapkan sumber daya
manusia yang memadai serta mempersiapkan peraturan atau prosedur teknis yang
mendukung terwujudnya penggunaan teknologi yang aman dan tepat guna.
Pengoperasian mesin dan alat yang membutuhkan pengetahuan khusus malah
menjadi pemicu timbulnya resiko kecelakaan akibat kerja. Selain itu kondisi mesin
dan alat produksi juga harus menjadi fokus utama dalam hal keselamatan kerja.
Potensi bahaya karena penggunaan mesin–mesin serta alat–alat kerja secara
langsung menjadi fokus penelitian mengenai penerapan program K3 khususnya
Sistem Keselamatan dan Kesehatan Kerja (SMK3) perusahaan, jadi bagaimana total
biaya dan hubungan antar mesin rusak dan tidak rusak terhadap total biaya untuk
maintenance mesin produksi agar dapat meminimalisir terjadinya kecelakaankerja?
22.3 Tujuan
Tujuan dari pengolahan data tersebut adalah untuk:
1. Mengetahui data statistika dari kondisi mesin yang rusak dan tidak rusak
terhadap total biaya
2. Mengetahui pengaruh dari kondisi mesin terhadap total biaya untuk
meminimalisir kecelakaan kerja
22.4 Manfaat
Manfaat dari pengolahan data tersebut adalah untuk:
1. Mengambil langkah lebih lanjut dalam perawatan mesin produksi
agar tidak terjadi kerusakan yang menyebabkan kerugian dan
kecelakaan kerja
2. Meminimalisir kerugian dan kecelakaan kerja sebagai bentuk dari
implementasi K3
875
22.5 Literatur
Seorang mahasiswa bernama Bambang melakukan penelitian tentang
faktor-faktor yang mempengaruhi harga saham pada perusahaan di BEJ. Bambang
dalam penelitiannya ingin mengetahui hubungan antara rasio keuangan PER dan
ROI terhadap harga saham. Dengan ini Bambang menganalisis dengan bantuan
program SPSS dengan alat analisis regresi linear berganda. Dari uraian di atas maka
didapat variabel dependen (Y) adalah harga saham, sedangkan variabel independen
(X1 dan X2) adalah PER dan ROI.
Data-data yang di dapat berupa data rasio dan ditabulasikan sebagai berikut:
Tabel 22.1 Tabulasi Data
(Sumber: analisis-regresi-linier-berganda.html)
Langkah-langkah pada program SPSS
- Masuk program SPSS
- Klik variable view pada SPSS data editor
- Pada kolom Name ketik y, kolom Name pada baris kedua ketik
x1, kemudian untuk baris kedua ketik x2.
- Pada kolom Label, untuk kolom pada baris pertama ketik Harga
Saham, untuk kolom pada baris kedua ketik PER, kemudian
pada baris ketiga ketik ROI.
876
- Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
- Buka data view pada SPSS data editor, maka didapat kolom
variabel y, x1, dan x2
- Ketikkan data sesuai dengan variabelnya
- Klik Analyze - Regression – Linear
- Klik variabel Harga Saham dan masukkan ke kotak Dependent,
kemudian klik variabel PER dan ROI kemudian masukkan ke
kotak Independent.
- Klik Statistics, klik Casewise diagnostics, klik All cases. Klik
Continue
- Klik OK, maka hasil output yang didapat pada kolom
Coefficients dan Casewise diagnostics adalah sebagai berikut:
Tabel 22.2 Hasil Analisis Regresi Linear Berganda
Persamaan regresinya sebagai berikut:
877
Y’ = a + b1X1+ b2X2
Y’ = 4662,491 + (-74,482)X1 + 692,107X2
Y’ = 4662,491 - 74,482X1 + 692,107X2
Keterangan:
Y’ = Harga saham yang diprediksi (Rp)
a = konstanta
b1,b2 = koefisien regresi
X1 = PER (%)
X2 = ROI (%)
Persamaan regresi di atas dapat dijelaskan sebagai berikut:

- Konstanta sebesar 4662,491; artinya jika PER (X1) dan ROI (X2) nilainya adalah
0, maka harga saham (Y’) nilainya adalah Rp.4662,491.
- Koefisien regresi variabel PER (X1) sebesar -74,482; artinya jika variabel
independen lain nilainya tetap dan PER mengalami kenaikan 1%, maka harga
saham (Y’) akan mengalami penurunan sebesar Rp.74,482. Koefisien bernilai
negatif artinya terjadi hubungan negatif antara PER dengan harga saham, semakin
naik PER maka semakin turun harga saham.
- Koefisien regresi variabel ROI (X2) sebesar 692,107; artinya jika variabel
independen lain nilainya tetap dan ROI mengalami kenaikan 1%, maka harga saham
(Y’) akan mengalami peningkatan sebesar Rp.692,107. Koefisien bernilai positif
artinya terjadi hubungan positif antara ROI dengan harga saham, semakin naik ROI
maka semakin meningkat harga saham.
Nilai harga saham yang diprediksi (Y’) dapat dilihat pada tabel Casewise
Diagnostics (kolom Predicted Value). Sedangkan Residual (unstandardized
residual) adalah selisih antara harga saham dengan Predicted Value, dan Std.
Residual (standardized residual) adalah nilai residual yang telah terstandarisasi
(nilai semakin mendekati 0 maka model regresi semakin baik dalam melakukan
prediksi, sebaliknya semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin
tidak baik model regresi dalam melakukan prediksi).
A. Analisis Korelasi Ganda (R)
Analisis ini digunakan untuk mengetahui hubungan antara dua atau lebih variabel
independen (X1, X2,…Xn) terhadap variabel dependen (Y) secara serentak.
Koefisien ini menunjukkan seberapa besar hubungan yang terjadi antara variabel
independen (X1, X2,……Xn) secara serentak terhadap variabel dependen (Y). nilai
878
R berkisar antara 0 sampai 1, nilai semakin mendekati 1 berarti hubungan yang
terjadi semakin kuat, sebaliknya nilai semakin mendekati 0 maka hubungan yang
terjadi semakin lemah.
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien
korelasi sebagai berikut:
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
Dari hasil analisis regresi, lihat pada output moddel summary dan disajikan sebagai
berikut:
Tabel 22.3 Hasil analisis korelasi ganda
Berdasarkan tabel di atas diperoleh angka R sebesar 0,879. Hal ini menunjukkan
bahwa terjadi hubungan yang sangat kuat antara PER dan ROI terhadap harga
saham.
B. Analisis Determinasi (R2)
Analisis determinasi dalam regresi linear berganda digunakan untuk mengetahui
prosentase sumbangan pengaruh variabel independen (X1, X2,……Xn) secara
serentak terhadap variabel dependen (Y). Koefisien ini menunjukkan seberapa
besar prosentase variasi variabel independen yang digunakan dalam model mampu
menjelaskan variasi variabel dependen. R2 sama dengan 0, maka tidak ada
sedikitpun prosentase sumbangan pengaruh yang diberikan variabel independen
terhadap variabel dependen, atau variasi variabel independen yang digunakandalam
model tidak menjelaskan sedikitpun variasi variabel dependen. Sebaliknya R2 sama
dengan 1, maka prosentase sumbangan pengaruh yang diberikan variabel
independen terhadap variabel dependen adalah sempurna, atau variasi variabel
independen yang digunakan dalam model menjelaskan 100% variasi variabel
879
dependen.
Dari hasil analisis regresi, lihat pada output moddel summary dan disajikan sebagai
berikut:
Tabel 22.4 Hasil analisis determinasi
Berdasarkan tabel di atas diperoleh angka R2 (R Square) sebesar 0,772 atau
(77,2%). Hal ini menunjukkan bahwa prosentase sumbangan pengaruh variabel
independen (PER dan ROI) terhadap variabel dependen (harga saham) sebesar
77,2%. Atau variasi variabel independen yang digunakan dalam model (PER dan
ROI) mampu menjelaskan sebesar 77,2% variasi variabel dependen (harga saham).
Sedangkan sisanya sebesar 22,8% dipengaruhi atau dijelaskan oleh variabel lain
yang tidak dimasukkan dalam model penelitian ini.
Adjusted R Square adalah nilai R Square yang telah disesuaikan, nilai ini selalu
lebih kecil dari R Square dan angka ini bisa memiliki harga negatif. Menurut
Santoso (2001) bahwa untuk regresi dengan lebih dari dua variabel bebas digunakan
Adjusted R2 sebagai koefisien determinasi.
Standard Error of the Estimate adalah suatu ukuran banyaknya kesalahan model
regresi dalam memprediksikan nilai Y. Dari hasil regresi di dapat nilai 870,80 atau
Rp.870,80 (satuan harga saham), hal ini berarti banyaknya kesalahan dalam
prediksi harga saham sebesar Rp.870,80. Sebagai pedoman jika Standard error of
the estimate kurang dari standar deviasi Y, maka model regresi semakin baik dalam
memprediksi nilai Y.
C. Uji Koefisien Regresi Secara Bersama-sama (Uji F)
Uji ini digunakan untuk mengetahui apakah variabel independen (X1,X2….Xn)
secara bersama-sama berpengaruh secara signifikan terhadap variabel dependen
(Y). Atau untuk mengetahui apakah model regresi dapat digunakan untuk
memprediksi variabel dependen atau tidak. Signifikan berarti hubungan yang
terjadi dapat berlaku untuk populasi (dapat digeneralisasikan), misalnya dari kasus
di atas populasinya adalah 50 perusahaan dan sampel yang diambil dari kasus di
atas 18 perusahaan, jadi apakah pengaruh yang terjadi atau kesimpulan yang
880
didapat berlaku untuk populasi yang berjumlah 50 perusahaan.
Dari hasil output analisis regresi dapat diketahui nilai F seperti pada tabel 2 berikut
ini:
Tahap-tahap untuk melakukan uji F adalah sebagai berikut:
1. Merumuskan Hipotesis
Ho : Tidak ada pengaruh secara signifikan antara PER dan ROI secara bersama-
sama terhadap harga saham.
Ha : Ada pengaruh secara signifikan antara PER dan ROI secara bersama-sama
terhadap harga saham.
3. Menentukan F hitung
Berdasarkan tabel diperoleh F hitung sebesar 25,465
4. Menentukan F tabel
Dengan menggunakan tingkat keyakinan 95%, a = 5%, df 1 (jumlah variabel–1) =
2, dan df 2 (n-k-1) atau 18-2-1 = 15 (n adalah jumlah kasus dan k adalah jumlah
variabel independen), hasil diperoleh untuk F tabel sebesar 3,683 (Lihat pada
lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik
=finv(0.05,2,15) lalu enter.
5. Kriteria pengujian
- Ho diterima bila F hitung < F tabel
- Ho ditolak bila F hitung > F tabel
6. Membandingkan F hitung dengan F tabel.
Nilai F hitung > F tabel (25,465 > 3,683), maka Ho ditolak.
7. Kesimpulan
Karena F hitung > F tabel (25,465 > 3,683), maka Ho ditolak, artinya ada
881
pengaruh secara signifikan antara price earning ratio (PER) dan return on investmen
(ROI) secara bersama-sama terhadap terhadap harga saham. Jadi dari kasus ini
dapat disimpulkan bahwa PER dan ROI secara bersama-samaberpengaruh terhadap
harga saham pada perusahaan di BEJ.
D. Uji Koefisien Regresi Secara Parsial (Uji t)
Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel
independen (X1, X2,…..Xn) secara parsial berpengaruh signifikan terhadap
variabel dependen (Y).
Dari hasil analisis regresi output dapat disajikan sebagai berikut:
Tabel 22.6 Uji t
Pengujian koefisien regresi variabel PER
Ho : Secara parsial tidak ada pengaruh signifikan antara PER dengan harga saham.
Ha : Secara parsial ada pengaruh signifikan antara PER dengan harga saham
Tingkat signifikansi menggunakan a = 5%
Berdasarkan tabel diperoleh t hitung sebesar -1,259
independen). Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh
untuk t tabel sebesar 2,131 (Lihat pada lampiran) atau dapat dicari di Ms Excel
dengan cara pada cell kosong ketik =tinv(0.05,15) lalu enter.
Ho diterima jika -t tabel < t hitung < t tabel
Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
882
6. Membandingkan thitung dengan t tabel
Nilai -t hitung > -t tabel (-1,259 > -2,131) maka Ho diterima
7. Kesimpulan
Oleh karena nilai -t hitung > -t tabel (-1,259 > -2,131) maka Ho diterima, artinya
secara parsial tidak ada pengaruh signifikan antara PER dengan harga saham. Jadi
dari kasus ini dapat disimpulkan bahwa secara parsial PER tidak berpengaruh
terhadap harga saham pada perusahaan di BEJ.
Pengujian koefisien regresi variabel ROI

Ho : Secara parsial tidak ada pengaruh signifikan antara ROI dengan harga
saham
Ha : Secara parsial ada pengaruh signifikan antara ROI dengan harga saham
Tingkat signifikansi menggunakan a = 5%.
tabel sebesar 2,131.
Ho diterima jika -t tabel £ t hitung £ t tabel
Ho ditolak jika -t hitung < -t tabel atau t hitung > t tabel
6. Membandingkan thitung dengan t tabel
Nilai t hitung > t tabel (5,964 > 2,131) maka Ho ditolak
7. Kesimpulan
Oleh karena nilai t hitung > t tabel (5,964 > 2,131) maka Ho ditolak, artinya
secara parsial ada pengaruh signifikan antara ROI dengan harga saham. Jadi dari
kasus ini dapat disimpulkan bahwa secara parsial ROI berpengaruh positif
terhadap harga saham pada perusahaan di BEJ.
883
Regresi linier berganda dimaksudkan untuk menguji pengaruh dua atau
lebih variable independen (explanatory) terhadap satu variable dependen. Model ini
mengasumsikan adanya hubungan satu garis lurus/linier antara variabel dependen
dengan masing-masing prediktornya. Hubungan ini biasanya disampaikan dalam
rumus. Sedangkan untuk kasus di atas, rumus yang terbentuk adalah
Untuk tujuan pengujian hipotesis nilai parameter model, model regresi linier juga
mengasumsikan hal-hal sebagai berikut yang dikenal dengan nama Uji Asumsi
Klasik:
1. Normalitas
2. Heteroskedastisitas
3. Multikolinieritas
4. Autokorelasi (jika menggunakan data time series)
Berikut adalah data dari kondisi mesin dan total biaya terhadap setiap
komponen dan jenis kerusakan:
884
Tabel 22.7 Kumpulan data kondisi mesin
Komponen Probabilitas Rusak Probabilitas Masih Baik TC (Rp)
1 0.015 0.985 9.265.133,61
1 0.024 0.976 8.717.309,54
1 0.038 0.962 8.320.088,08

1 0.057 0.943 8.062.933,90
1 0.084 0.916 7.973.519,82
1 0.12 0.88 8.061.363,42

1 0.167 0.833 8.350.597,67
1 0.226 0.774 8.855.126,37
1 0.298 0.702 9.589.801,72
1 0.381 0.619 10.529.725,14
1 0.475 0.525 11.675.217,92
1 0.574 0.426 12.942.886,42

1 0.672 0.328 14.244.552,43
1 0.764 0.236 15.502.496,83
1 0.834 0.166 16.477.111,04
1 0.905 0.095 17.491.173,34
1 0.948 0.052 18.113.496,52
1 0.975 0.025 18.509.559,57
1 0.99 0.01 18.732.256,24
1 0.074 0.926 13.774.830,54
1 0.127 0.873 12.514.025,65
1 0.204 0.796 11.643.362,11
1 0.306 0.694 11.144.991,49
1 0.431 0.569 11.000.673,81

1 0.569 0.431 11.158.302,66
1 0.706 0.294 11.527.117,02
1 0.824 0.176 11.973.696,48

1 0.91 0.09 12.369.198,81
1 0.963 0.037 12.647.566,44
1 0.988 0.012 12.791.789,04

1 0.997 0.003 12.847.579,15
1 0.999 0.001 12.860.554,79
1 0.013 0.987 16.469.335,19

1 0.018 0.982 15.837.488,17
1 0.025 0.975 15.298.832,74
885
Lanjutan Tabel 22.7 Kumpulan data kondisi mesin
1 0.034 0.966 14.849.179,88
1 0.045 0.955 14.484.985,05
1 0.06 0.94 14.234.945,03

1 0.078 0.922 14.082.985,68
1 0.101 0.899 14.061.553,06
1 0.129 0.871 14.172.165,29
1 0.162 0.838 14.416.144,59
1 0.202 0.798 14.830.515,22
1 0.249 0.751 15.418.331,67

1 0.302 0.698 16.163.696,18
1 0.362 0.638 17.086.986,05
1 0.427 0.573 18.152.015,45

1 0.497 0.503 19.359.106,15
1 0.569 0.431 20.649.436,07
1 0.642 0.358 22.001.140,18
1 0.713 0.287 23.351.275,34
1 0.779 0.221 24.634.509,97
2 0.057 0.943 19.321.128,86

2 0.072 0.928 19.170.330,63
2 0.091 0.909 19.176.541,30
2 0.112 0.888 19.286.853,18
2 0.138 0.862 19.582.837,38
2 0.169 0.831 20.067.203,41
2 0.204 0.796 20.713.788,26
2 0.244 0.756 21.552.506,90
2 0.289 0.711 22.585.344,84
2 0.338 0.662 23.784.367,43
2 0.393 0.607 25.210.267,85
2 0.451 0.549 26.774.363,56
2 0.511 0.489 28.445.397,66
2 0.574 0.426 30.252.967,73
2 0.637 0.363 32.102.819,69
2 0.698 0.302 33.929.037,69

2 0.755 0.245 35.663.880,01
2 0.808 0.192 37.302.083,80
2 0.855 0.145 38.774.239,22

2 0.895 0.105 40.042.028,19
2 0.927 0.073 41.066.721,54
886
Lanjutan Tabel 22.7 Kumpulan data kondisi mesin
2 0.049 0.951 33.668.567,83
2 0.065 0.935 32.628.581,65
2 0.084 0.916 31.827.841,37

2 0.108 0.892 31.308.167,44
2 0.13 0.87 30.880.512,66
2 0.174 0.826 31.191.108,52
2 0.213 0.787 31.511.113,43
2 0.258 0.742 32.137.954,21
2 0.308 0.692 33.042.933,41

2 0.363 0.637 34.225.351,39
2 0.423 0.577 35.684.598,74
2 0.486 0.514 37.354.485,17

2 0.551 0.449 39.197.174,17
2 0.616 0.384 41.138.813,43
2 0.68 0.32 43.136.258,69
2 0.742 0.258 45.145.134,11
2 0.798 0.202 47.012.837,43
2 0.848 0.152 48.724.826,71

2 0.89 0.11 50.194.712,38
2 0.924 0.076 51.408.115,20

Keterangan:
Komponen 1 : Flat Belt
2 : Spike Lattice
22.8 Pengujian Pengumpulan Data
Berikut adalah pengujian pengumpulan data yang meliputi uji
normalitas, uji keseragaman data, uji validitas dan uji reliabilitas:
a. Uji Normalitas
887

menunjukkan bahwa:
a. Variabel Rusak memiliki nilai (Sig.> α), maka data tersebut normal
b. Variabel Masih Baik memiliki nilai (Sig.> α), maka data tersebut normal
c. Variabel Total Cost memiliki nilai (Sig.> α), maka data tersebut normal


Analisis uji keseragaman data dilakukan dengan melakukan nilai
alpha (α) sebesar 0,05 sebagai alat ukur untuk menentukan data yang diolah
termasuk kedalam data yang dikatakan seragam atau tidak. Jika hasil signifikansi
(Sig.) dari data yang diolah lebih besar dari nilai alpha (α), maka data tersebut
merupakan data yang tidak seragam (Sig.< α), sedangkan jika nilai (Sig.> α) maka
data tersebut seragam. Dari hasil diatas menunjukkan bahwa:
888
a. Variabel Rusak memiliki nilai (Sig.> α), maka data tersebut seragam
b. Variabel Masih Baik memiliki nilai (Sig.> α), maka data tersebut seragam
c. Variabel Total Cost memiliki nilai (Sig.> α), maka data tersebut seragam
c. Uji Validitas
Komponen = 0,810 > r tabel Valid
Rusak = 0,346 > r tabel Valid
Masih Baik = 0,346 > r tabel Valid
Total Cost = 1,000 > r tabel Valid
d. Uji Reliabilitas

889
Langkah-langkah dalam melakukan analisis regresi adalah sebagai berikut:
2. Klik Analyze – Regression – Linier
3. Masukan variable nilai Total_Cost pada kotak Dependent dan
masukan variable Rusak dan Masih_Baik pada kotak
Independent
4. Klik Option, maka akan muncul kotak dialog linier regression:
option
Gambar 22.1 Kotak Dialog Linier Regression: Option

5. Gunakan default dari kotak option dan klik continue. Maka akan
kembali ke kotak dialog linier regression
6. Klik statistik, maka akan muncul kotak dialog linier regression:
Statisik
Gambar 22.2 Kotak Dialog Linier Regression: Statistik

7. Pada kotak dialog linier regression: statistic, beri tanda centang
890
pada kolom estimates untuk mengeluarkan koefisien regressi.
Selain itu beri tanda centang pada kotak modelfit dan
descriptive. Pada kotak residuals beri tanda centang pada durbin-
watson, casewise diagnostics kemudian pilih all case
8. Klik continue
9. Klik plots, maka akan muncul kotak dialog linier regression: plots
Gambar 22.3 Kotak Dialog Linier Regression: Plots

10. Untuk membuat plot antara SDRESID dan ZPRED maka
masukan perubah SDRESID ke dalam ruang Y dan ZPRED ke
ruang X. Kemudian klik next
11. Untuk membuat plot antara ZPRED dengan DEPENDT maka
masukan perubah standardized residual plots pilih normal
probability plot
12. Klik continue
13. Klik OK
22.10 Hasil dan Pembahasan Pengolahan Data
Berikut adalah hasi dan pembahasan dari pengolahan data untuk uji
linier berganda:
a. Normalitiy Test
Tabel 22.12 Hasil Uji Normality Test

891
menunjukkan bahwa:
a. Variabel Flat Belt memiliki nilai (Sig.> α), maka data tersebut normal
b. Variabel Spike Lattice memiliki nilai (Sig.> α), maka data tersebut normal
b. Uji Multikolinearitas
Tabel 22.13 Hasil Uji Multikolinearitas

Dari hasil di atas dapat diketahui nilai variance inflation factor (VIF) kedua variabel
yaitu Rusak dan Masih Baik adalah 1,000 lebih kecil dari 10 dan Tolerance lebih
dari 1,000, sehingga bisa disimpulkan bahwa antar variabel independen tidak terjadi
persoalan multikolinearitas.
c. Homoscedasticity Test
Tabel 22.14 Hasil Homoscedasricity Test

Pada kedua variable terlihat bahwa nilai sig kurang dari 1,000, dengan kata lain
dapat yakin terima H0 bahwa masing-masing variable tidak berpengaruh pada
residual. Dengan kata lain memenuhi syarat homoscedasticity.
d. Uji Autokorelasi
892
Tabel 22.15 Hasil Uji Autokorelasi

Berdasarkan table output “Model Summary” di atas dapat diketahui bahwa nilai
Durbin Watson (d) adalah 0,335. Selanjutnya nilai ini akan dibandingkan dengan
nilai table durbin Watson pada tingkat signifikasi 5%. Adapun jumlah variable yang
berada di independt adalah 2 (k=2) sementara jumlah N=93 maka nilai dL dan dW
adalah 1.6188 dan 1.7066.
e. Uji F

1. Penentuan Hipotesis ( H0 dan H1 )
H0 = Bahwa kondisi mesin rusak dan masih baik tidak berpengaruh terhadap total
cost
H1 = Bahwa kondisi mesin rusak dan masih baik berpengaruh terhadap total cost
3. Uji statistic nilai f hitung = 0,837 , f tabel = 3.95
maka f hitung < f tabel , 0,837 < 3,95
4. Keputusan = Karena nilai t hitung < f tabel = maka tolak H0
5. Kesimpulan = jadi dengan tingkat signifikansi 5% dapat
disimpulkan bahwa bahwa kondisi mesin rusak dan masih
baik berpengaruh terhadap total cost.
f. Goodness of Fit Test
Tabel 15.17 Hasil Uji Goodness of Fit Test
893
Nilai Adjusted R Square sebesar 0,110 yang artinya variasi variable y mampu
dijelaskan oleh variasi variable x1 dan x2 11% sisanya (100-11)% = 89% dijelaskan
oleh variable lain di luar model penelitian.
regresi linier sederhana. Hasil dari pengolahan dan pengujian dari data diatas
artinya bahwa pernyataan tersebut kurang reliabel. Pada Uji regresi linier berganda
terdapat langkah-langkah pengujian lagi di dalamnya antara lain uji Normalitiy
Test, Uji Multikolinearitas, Homoscedasticity Test, Uji Autokorelasi, Uji F dan
Goodness of Fit Test. Untuk hasil pada uji regresi linier berganda antara lain
hubungan antara variabel independen dengan variabel dependen apakah masing-
masing variabel independen berhubungan positif.
894
22.12 Kesimpulan
Kesimpulan yang dapat di ambil dari pengolahan dan pengujian data
yang sudah dilakukan dan menghasilkan output seperti table-tabel di atas antara lain
dapat diketahui bahwa data dari studi kasus tersebut menunjukan adanya hubungan
antara variable satu dengan variable yang lainnya untuk menghasilkan suatu nilai
y. Jadi untuk hubungan antara kondisi mesin produksi yang rusak dan masih baik
terhadap total cost cukup signifikan di setiap komponennya. Maka dari ini
dipastikan untuk menjadwalkan perawatan atau maintenance mesin dan alat
produksi agar tidak mengalami kerusakan yang akan berakibat fatal nantinya seperti
kerugian material bahkan sampai dengan kecelakaan kerja. Dalam pengujian ini
setidaknya dapat diketahui secara detail angka kerusakan mesin dan mesin yang
masih baik. Dengan demikian hal tersebut juga dapat menekan total cost agar tidak
melebihi dari perkiraan semula. Untuk kepentingan kesehatan dan keselamatan
kerja seharusnya menjadi nomor satu untuk di semua department di dalam
perusahaan tersebut terlebih lagi di dalam department produksi.
895
23.1 Latar Belakang
COVID-19 menjadi salah satu penyebab kecemasan yang dirasakan oleh
seluruh masyarakat dunia belakangan ini khususnya masyarakat Indonesia. Hal ini
diakibatkan oleh kebijakan-kebijakan yang dikeluarkan oleh pemerintah dalam
mengurangi tingkat penyebaran COVID-19, yaitu belajar dari rumah, bekerja dari
rumah, dan beribadah di rumah. Bekerja dari rumah bisa menjadi produktif, bisa
pula menjadi tidak produktif bagi sebagian orang. Selain itu, beberapa perusahaan
sedang mengusahakan untuk tidak melakukan PHK (Pemutusan Hak Kerja) dengan
mengurangi upah pekerja, mengurangi jam kerja, dan lain sebagainya. Hal ini
secara tidak langsung menyebabkan penurunan produktivitas dari masyarakat itu
sendiri secara nasional yang berimbas pada penurunan penghasilan, peningkatan
jumlah masyarakat miskin, dan penurunan pendapatan perkapita. Selain itu, bekerja
di rumah atau work from home juga bisa sangat memberatkan bagi sebagian orang
mengigat setiap keluarga memiliki jumlah tanggungan yang berbeda yang
mengharuskan mereka untuk tetap produktif di tengah pandemic COVID-19.
Rumusan masalah yang dapat diambil dari latar belakang tersebut antara lain
bagaimana pengaruh peningkatan jumlah masyarakat terkonfirmasi covid-19
terhadap produktivitas penduduk di Indonesia?
23.3 Tujuan
Tujuan dari pengolahan data tersebut yaitu antara lain:
1. Dapat mengetahui data statistik dari pengaruh peningkatan jumlah
masyarakat terkonfirmasi covid-19 terhadap produktivitas penduduk di
Indonesia
2. Dapat mengetahui factor tertinggi dari rumusan masalah tersebut
23.4 Manfaat
Manfaat dari pengolahan data tersebut yaitu antara lain:
1. Dapat menjadi evaluasi pemerintah dalam menangani masalah tersebut
untuk membantu ekonomi penduduk di Indonesia yang tengah
terdampak pandemic Covid-19
2. Dapat menjadi pandangan untuk para penduduk Indonesia agar dapat
mencari jalan keluar agar dapat sedikit meningkatkan kondisi
896
ekonominya
23.5 Literatur
Data yang digunakan adalah data primer dengan koesioner pada petani
kentang kecamatan Naman Teran dengan responden 100 orang. Variabel penelitian
yaitu X1 = pupuk kandang, X2 = luas lahan, X3 = pestisida, X4 = kesuburan lahan,
X5 = tenaga kerja, X6 = jarak tanam antar kentang, X7 = bibit, X8 = pupuk,X9 =
modal. Variabel yang digunakan, telah dilakukan uji validitas, Uji Reliabilitas, Uji
Bartletts test of sheric- ity, Uji Measure of Sampling Adequacy (MSA) dan Uji
Keiser-Melin-Olkin (KMO) sesuai dengan landasan teori. Hasil pengujian
menunjukkan bahwa 9 variabel tersebut dapat dianalisis lebih lanjut menggunakan
analisis faktor. Penentuan banyaknya faktor yang dilakukan dalam analisis faktor
adalah mencari variabel terakhir yang disebut faktor yang tidak saling berkorelasi,
bebas satu sama lainnya dan lebih sedikit jumlahnya daripada variabel awal, akan
tetapi dapat menyerap sebagian besar informasi yang terkandung dalam variabel
awal atau dapat memberikan sumbangan terhadap varians seluruh variabel.
Penentuan berdasarkan nilai eigenvalue yaitu nilai eigenvalue lebih besar dari satu
dipertahankan dan faktor lainnya yang eigenvaluenya satu atau kurang dari satu
tidak dimasukkan ke dalam model. Suatu eigenvalue menunjukkan besarnya
sumbangan dari faktor terhadap varians seluruhvariabel asli.
Tabel 23.1 Nilai eigenvalues untuk setiap factor
(Sumber: https://www.neliti.com/publications/221368/analisis-faktor-faktor-yang-mempengaruhi-
hasil-produksi-kentang)
897
Dari tabel 1 di atas menunjukkan terdapat 3 faktor atau komponen yang
eigenvalue lebih dari 1 yaitu faktor 1, 2, dan 3 masing-masing dengan eigenvalue
adalah 2,810; 1,329; dan 1,003.
Tabel 23.2 Sumbangan masing - masing varians seluruh variabel asli
Berdasarkan tabel di atas dapat diketahui besarnya sumbangan varians

yang diberikan dari masing-masing faktor terhadap varians seluruh variabel asli.
Faktor 1 memberikan sumbangan varians sebesar 31,220% dan merupakan
sumbangan varians terbesar yang mempengaruhi hasil produksi kentang di
kecamatan Naman Teran. Menurut persepsi masyarakat yang menjadi responden
penelitian, faktor 2 memberikan sumbngan varians sebesar 14,770%, dan faktor 3
memberikan sumbangan varians sebesar 11,142 %. Sehingga total sumbangan
varians dari ketiga faktor tersebut adalah sebesar 57,135%. Selain menentukan
banyaknya faktor yang terbentuk berdasarkan tabel 2 nilai eigenvalue, juga dapat
ditentukan berdasarkan gambar Scree Plot. Scree Plot adalah plot dari eigenvalue
melawan banyaknya faktor yang bertujuan untuk melakukan ekstraksi agar
diperoleh jumlah faktor yang terbentuk. Scree Plot berupa suatu kurva yang
diperoleh dengan memplot eigenvalue sebagai sumbu vertikal dan banyaknyafaktor
sebagai sumbu horizontal.
898
Gambar 23.1 Screen Plot
Proses rotasi faktor bertujuan untuk mencari faktor yang mampu

mengoptimalkan korelasi antar indikator yang diobservasi. Pada analisis rotasi
faktor yang digunakan adalah varimax rotation dengan nilai loading factor lebih
besar dari 0,3. Dengan menggunakan program SPSS 17 maka akan memproleh
matriks berikut:
Tabel 23.3 Matriks faktor
Interpretasi hasil dilakukan dengan melihat nilai factor loading yang

terdapat dalam matriks factor adalah angka yang menunjukkan besarnya korelasi
antara suatu variabel dengan faktor satu, dua, atau faktor tiga yang terbentuk. Proses
penentuan variabel mana yang akan masuk ke dalam faktor dilakukan dengan
899
melihat perbandingan besar korelasi pada setiap baris di dalam setiap tabel matrik
faktor. Berdasarkan interpretasi dari matrik faktor diperoleh hasil sebagai berikut :
Tabel 23.4 Variabel yang mendukung faktor pertama
Dari tabel di atas diketahui bahwa bobot paling tinggi pada faktor
pertama adalah variabel X6 = jarak tanaman antar kentang. Variabel ini mempunyai
factor loading sebesar 0,718. Pada faktor pertama yang diberi nama faktor Cara dan
Pemeliharaan Kentang yang memberikan pengaruh yang cukup besar adalah
variabel X6 = jarak tanam antar kentang. Faktor jarak memberikan sumbangan
varians sebesar 31,22 %.
Tabel 23.5 Variabel yang mendukung faktor kedua
Dari tabel di atas diketahui bahwa bobot paling tinggi pada faktor ke dua
adalah variabel X9 = modal. Variabel ini mempunyai factor loading sebesar 0,727.
Pada faktor ke dua yang diberi nama Modal dan Luas Lahan mem- berikanpengaruh
yang cukup besar adalah variabel X9 = modal. Faktor ini memberikan sumbangan
varians sebesar 14,77 %. Faktor ketiga hasil rotasi hanyalah satu variabel yang
mendukung yaitu variabel X8 = pemupukan. Variabel ini mempunyaifactor loading
sebesar 0,868. Pada faktor ketiga Interval Pemupukan yang
900
mempengaruhi hasil produksi kentang dan memberikan sumbangan varians sebesar
11,14%.
Secara matematis, analisis faktor agak mirip dengan analisis regresi, yaitu
dalam hal bentuk fungsi linier. Jumlah varians yang dikontribusi dari sebuah
variabel dengan seluruh variabel lainnya lebih dikelompokkan sebagai komunalitas.
Kovarians di antara variabel dijelaskan terbatas dalam sejumlah kecil komponen
ditambah sebuah faktor unik untuk setiap variabel. Faktor-faktor tersebut tidak
secara eksplisit diamati. Jika variabel distan-darisasi, maka model analisis faktor
dapat ditulis sebagai berikut:
Xi = Bi1F1 + Bi2F2 + Bi3F3 + ... + BijFj + ... + BimFm + Viµi (1)
keterangan:
Xi = Variabel ke i yang dibakukan

Bij = Koefisien regresi yang dibakukan untuk variabel i pada komponen
faktor j
Fj = Komponen fator ke j
Vi = Koefisien regresi yang dibakukan untuk variabel i pada
komponen faktor i
µi = Faktor unik variabel ke i
m = Banyaknya komponen factor
Komponen faktor dinyatakan sebagai kombinasi linier dari variabel-variabel yang

terobservasi, yaitu :
Fi = Wi1X1 + Wi2X2 + Wi3X3 + ... + WikXk, (2)
Keterangan:
Fi = estimasi faktor ke-i
Wi = bobot atau koefisien nilai faktor ke-i
k = jumlah variabel
901
Kaiser Meyer Oikin (KMO)
Kaiser Meyer Olkin (KMO) merupakan suatu indeks yang digunakan untuk
menguji ketepatan analisis faktor. Nilai yang tinggi (antara 0,5 - 1,0)
mengidentifikasi analisis faktor tepat. Apabila dibawah 0,5 menunjukkan bahwa
analisis faktor tidak tepat untuk diaplikasikan.
Measure of Sampling Adequacy (MSA) yaitu suatu indeks perbandingan antara

koefisien korelasi parsial untuk setiap variabel. MSA digunakan untuk mengukur
kecukupan sampel.
keterangan:
i = 1,2,...,p
k = 1,2,...,p
rik = Koefisien korelasi sederhana antara variabel ke-i dan ke-k
aik = Koefisien korelasi Parsial antara variabel ke-i dan ke-k.
Langkah-langkah statistik dalam menyelesaikan analisis faktor

1. Barletts test of sphericity adalah uji statistik yang digunakan untuk
menguji hipotesis yang menyatakan bahwa variabel-variabel tersebut tidak
berkorelasi dalam populasinya. Dengan kata lain, matriks korelasi populasi adalah
sebuah matriks identitas, di mana setiap variabel berkorelasi dengan variabel itu
sendiri (r = 1), tetapi tidak berkorelasi dengan variabel lainnya (r = 0).
Statistik uji Bartlett adalah sebagai berikut:
902
dengan derajat kebebasan (degree of freedom) df = p(p−1)/2
Keterangan :
N = jumlah observasi
p = jumlah variabel
|R| = determinan matriks korelasi
2. Membentuk matriks korelasi antara variabel. Analisis faktor menjadi
tepat jika variabel-variabel yang dikumpulkan saling berkorelasi
3. Communality (komunalitas) untuk mengetahui jumlah varian yang dikontribusi
dari sebuah variabel dengan seluruh variabel lainnya dalam analisis. Rumus untuk
mencari komunalitas
keterangan :
hi = comunality variabel ke-i
λim = nilai factor loading
4. Eigenvalue (nilai eigen
keterangan :
A = matriks korelasi
λ = eigenvalue
I = matriks Identitas
5. Menghitung nilai eigenvector
keterangan :
x = eigenvector
6. Menentukan banyak faktor yang terbentuk berdasarkan nilai eigen-
value. Suatu komponen faktor akan terbentuk jika nilai eigenvalue > 1.
7. Menghitung matriks faktor loading (Λ) dengan mengalikan matriks
eigenvektor (V) dengan akar matriks eigenvalue (L). Dalam bentuk persamaan
903
dapat ditulis :
8. Melakukan rotasi faktor untuk memperlihatkan distribusi variabel yang

lebih jelas dan nyata. Dalam penelitian digunakan metode varimax rotation dengan
meminimumkan banyaknya variabel yang memiliki loadings tinggi pada sebuah
faktor, sehingga lebih mudah menginterpretasi faktor.
9. Melakukan interpretasi faktor dengan mengidentifikasi variabel yang
loadingnya besar pada faktor yang sama. Faktor tersebut kemudian dapat
diinterpretasikan menurut variabel-variabel yang memiliki loading terbesar pada
faktor tersebut.
10. Menentukan ketepatan model (model fit) dengan melihat selisih antara
korelasi dari data observasi dengan korelasi reproduksi. Selisih tersebut disebut
sebagai residual. Jika banyak residual yang besar (residual > 0,05), berarti model
faktor yang dihasilkan tidak tepat sehingga model perlu dipertimbangkan kembali.
Berikut adalah data responden mengenai pengaruh peningkatan jumlah
masyarakat terkonfirmasi covid-19 terhadap produktivitas penduduk di Indonesia:
904
Tabel 23.6 Data produktivitas responden
Pekerjaan_Dap Perubaha Kondis
Berpengar Kelebihan_Bek Kekurangan_Bek
Respond at_ n_ i_
uh_ erja_ erja_
en Dilakukan_Diru Produktivi Ekono
WFH Dirumah Dirumah
mah tas mi
1 1 2 5 2 1 3
2 2 2 4 1 2 3
3 1 2 3 4 3 2
4 1 1 3 3 3 3
5 1 1 4 3 1 1
6 2 2 3 4 2 1
7 1 1 5 3 2 3
8 1 1 3 5 2 3
9 2 1 4 4 1 2
10 2 1 3 4 2 3
11 2 2 4 4 3 1
12 2 1 2 1 1 1
13 1 1 4 1 1 2
14 2 1 1 4 1 1
15 1 1 4 3 3 3
16 1 2 4 1 1 3
17 1 2 1 2 3 1
18 1 2 4 2 1 3
19 2 2 1 1 3 3
20 2 2 2 4 2 3
21 1 2 3 3 3 3
22 2 2 2 5 3 3
23 2 1 3 2 1 1
24 2 2 3 4 1 1
25 1 1 5 5 3 2
26 2 2 1 5 3 3
27 1 1 2 4 1 1
28 1 1 5 1 1 3
905
Lanjutan Tabel 23.6 Data produktivitas responden
Respond at_ n_ i_
uh_ erja_ erja_
WFH Dirumah Dirumah
mah tas mi
29 1 1 3 3 1 3
30 1 2 1 3 2 1
31 1 1 4 1 1 2
32 1 2 3 2 2 2
33 2 1 5 2 1 3
34 1 2 3 1 1 1
35 1 1 2 3 1 1
36 1 1 5 5 2 3
37 1 1 4 3 3 1
38 2 2 5 4 3 2
39 2 2 3 3 1 1
40 2 2 2 2 2 2
41 2 2 2 5 1 1
42 1 1 1 5 3 3
43 1 2 4 4 1 3
44 1 1 4 4 3 2
45 1 2 4 1 3 3
46 1 1 1 2 1 1
47 1 1 4 1 3 2
48 2 1 5 1 2 3
49 2 1 2 2 1 2
50 2 2 1 4 2 2
51 1 1 4 2 3 1
52 2 1 2 4 2 3
53 1 2 2 4 2 2
54 2 1 3 2 3 3
55 1 1 4 4 2 2
56 2 1 2 4 1 3
57 2 2 5 5 1 1
58 1 2 3 1 3 2
59 2 1 5 2 3 1
60 1 2 2 5 1 2
61 2 1 3 2 3 1
62 2 2 1 5 3 1
63 2 2 1 5 1 2
64 2 1 3 2 3 2
65 2 2 1 2 2 3
66 1 1 2 5 3 1
906
Lanjutan Tabel 23.6 Data produktivitas responden
Respond at_ n_ i_
uh_ erja_ erja_
WFH Dirumah Dirumah
mah tas mi
67 2 2 3 2 2 3
68 1 2 4 4 3 2
69 1 2 3 1 3 3
70 2 2 3 3 3 1
71 1 1 3 2 3 3
72 1 2 3 1 1 2
73 1 2 5 1 3 2
74 2 2 1 1 3 1
75 2 1 1 1 3 1
76 2 1 1 2 1 1
77 2 1 4 3 1 2
78 1 2 5 3 3 1
79 2 1 4 3 2 1
80 1 2 1 3 1 3
81 1 2 4 5 2 3
82 2 1 4 4 2 2
83 1 2 3 3 1 2
84 2 1 2 4 2 3
85 1 1 5 2 1 2
86 1 2 1 1 3 2
87 2 1 4 2 2 2
88 1 2 4 3 3 2
89 1 1 5 5 3 1
90 2 1 5 2 2 2
91 1 1 5 1 2 2
92 1 2 5 1 2 3
93 2 1 1 2 3 3
94 1 1 1 1 2 1
95 2 1 4 4 2 3
96 2 1 4 5 3 1
97 1 1 4 1 1 2
98 1 1 1 3 2 3
99 2 2 4 5 2 1
100 2 2 1 4 3 2

Keterangan:
a. Apakah pekerjaan Anda saat ini dapat dilakukan di rumah?

1. Ya
2. Tidak
b. Keberpengaruhan Work From Home
1. Ya
907
2. Tidak
c. Kelebihan bekerja dari rumah?
1. Dekat dengan keluarga
2. Lebih fleksibel
3. Terhindar dari gangguan kerja
4. Peningkatan produktivitas
5. Efisien
d. Kekurangan bekerja dari rumah?
1. Tidak bisa bekerja
2. Biaya operasional rumah meningkat
3. Miskomunikasi
4. Kehilangan motivasi kerja
5. Tidak dapat fokus dengan pekerjaan
e. Perubahan Produktivitas
1. Meningkat
2. Tetap
3. Menurun
f. Kondisi ekonomi saat ini?
1. Meningkat
2. Tetap
3. Menurun
Langkah-langkah dalam melakukan uji Analisis Faktor adalah sebagai
berikut:
1. Input data ke dalam PASW
2. Kemudian klik Analyze - Dimension Reduction – Factor
908
Gambar 23.2 Tampilan Kotak Dialog Analyze
3. Kemudian akan muncul kotak dialog faktor, lalu masukan semua ke

kotak Variabels
Gambar 23.3 Tampilan Kotak Dialog Factor Analysis

4. Setelah itu muncul kotak dialog Factor Analysis, ceklis kotak

Univariate descripticve, Coeficients, Significance levels,
Determinant, KMO and bartlett’s test of sphericity, dan anti image.
Lalu klik OK
909
Gambar 23.4 Tampilan Kotak Dialog Factor Analysis: Descriptives
5. Klik Rotation, lalu muncul kotak dialog factor analysis rotation, di

method ceklis kotak varimax. Lalu dibagian display ceklis ritated
solution dan loading plot(s), klik continue
Gambar 23.5 Tampilan Kotak Dialog Factor Analysis: Rotation

6. Klik options, lalu muncul kotak dialog factor analysis : options. di

missing values pilih exclude cases listwase, lalu di coefficients display
format ceklis sorted by size.
910
Gambar 23.5 Tampilan Kotak Dialog Factor Analysis: Options
7. Klik Continue
8. Klik OK
23.9 Hasil dan Pembahasan Pengolahan Data
Berikut adalah serangkaian pengolahan data untuk uji analisis factor:
A. Examining Data
1. Sample Size
Rumus : N
n = 1+Ne^2
100
n =
1+100 x 0,05^2
100
n=
1,25
n = 80
911
2. Missing Data
Tabel 23.7 Hasil Uji Missing Data
Statistics
Pekerjaan_D Kelebihan_B Kekurangan
apat_Dilakuk Berpengaruh ekerja_Diru _Bekerja_Dir Perubahan_ Kondisi_Eko
an_Dirumah an_WFH mah umah Produktivitas nomi
N Valid 100 100 100 100 100 100

Missing 0 0 0 0 0 0
Mean 1,47 1,47 3,07 2,88 2,05 2,04
Sum 147 147 307 288 205 204

Tabel Output diatas menunjukan dari N=100 tidak ada data yang Missing dari
seluruh variabel.
3. Analisis relasi antar variable
912
Tabel 23.8 Hasil Uji Analisis relasi antar variable
Pekerjaan_Da Kelebihan Kekuranga Perubaha

pat_Dilakukan Berpengaru _Bekerja_ n_Bekerja_ n_Produkt Kondisi_
_Dirumah han_WFH Dirumah Dirumah ivitas Ekonomi
Pekerjaan_Dapat_ Pearson
1 -.004 -.209* .153 -.008 .119**
Dilakukan_Dirumah Correlation
Sig. (2-
.972 .037 .129 .934 .239
tailed)
N 100 100 100 100 100 100
Berpengaruhan_W Pearson
-.004 1 -.165 .052 .087 .027*
FH Correlation
Sig. (2-
.972 .101 .605 .390 .788
tailed)
N 100 100 100 100 100 100
Kelebihan_Bekerja Pearson
-.209* -.165 1 -.084 -.020 .095*
_Dirumah Correlation
Sig. (2-
.037 .101 .404 .841 .348
tailed)
N 100 100 100 100 100 100
Kekurangan_Bekerj Pearson
.153 .052 -.084 1 .056 .057*
a_Dirumah Correlation
Sig. (2-
.129 .605 .404 .578 .575
tailed)
N 100 100 100 100 100 100
Perubahan_Produk Pearson
-.008 .087 -.020 .056 1 .026*
tivitas Correlation
Sig. (2-
.934 .390 .841 .578 .797
tailed)
N 100 100 100 100 100 100
Kondisi_Ekonomi Pearson
-.119 .027 .095 -.057 .026 1
Correlation
Sig. (2-
.239 .788 .348 .575 .797
tailed)
N 100 100 100 100 100 100
913
Berdasarkan tanda bintang (*) yang diberikan SPSS jika terdapat tanda bintang (*)
atau (**) pada nilai pearson correlation maka antara variable yang dianalisis
terdapat korelasi. Sebaliknya jika tidak terdapat tanda bintang maka antara variable
yang dianalisis tidak terjadi korelasi.
Dari tabel diatas menunjukkan bahwa pada semua variable pada pearson correlate
memiliki tanda bintang yang berarti antara variable yang dianalisis terdapat korelasi
satu sama lain.
4. Outlier Data
914
Gambar 23.6 Hasil Uji Outlier Data
Gambar tersebut diatas mengindikasikan data-data mana saja yang terindikasi

merupakan data ekstrem atau outliers. Jika data berada di atas kotak, menunjukkan
data ekstrem tinggi, sedangkan jika berada di bawah kotak menunjukkan data
ekstrem rendah. Semakin jauh dari kotak, semakin ekstrem data tersebut. Dari
output di atas kita dapat melihat bahwa pada semua box plot masing-masing
variabel terdapat beberapa data outlier.
5. Testing The Assumption
a. Normalitas
Pekerjaa Kekurang
n_Dapat_ Berpenga Kelebihan an_Beker Perubaha
Respon Dilakukan ruhan_W _Bekerja ja_Dirum n_Produk Kondisi_
den _Dirumah FH _Dirumah ah tivitas Ekonomi
N 100 100 100 100 100 100 100
Normal Mean 50.50 1.47 1.47 3.07 2.88 2.05 2.04

Parameters a Std. Deviation 29.011 .502 .502 1.380 1.402 .845 .828
Most Extreme Absolute .061 .356 .356 .190 .175 .249 .237
Differences Positive .061 .356 .356 .133 .175 .223 .216
Negative -.061 -.325 -.325 -.190 -.168 -.249 -.237
Kolmogorov-Smirnov Z .610 3.556 3.556 1.898 1.749 2.494 2.369
Asymp. Sig. (2-tailed) .850 .011 .021 .031 .014 .020 .015
915
menunjukkan bahwa:
Semua variabel menunjukkan sig > alpha 0,01 sehingga data tersebut normal
b. Linearitas
Tabel 23.10 Hasil Uji Linearitas
ANOVA Table
Sum of Mean
Squares df Square F Sig.
Responden * Between Groups (Combined) 4892,801 4 1223,200 1,482 ,214

Kelebihan_B Linearity 103,232 1 103,232 ,125 ,724
ekerja_Diru
Deviation from 4789,569 3 1596,523 1,934 ,129
mah
Linearity
Within Groups 78432,199 95 825,602
Total 83325,000 99
Dari hasil output diatas untuk uji linearitas dilakukan dengan cara berdasarkan nilai
signifikan, yang mana nilai sig sebesar 0,129 > 0,05. Maka dapat disimpulkan
bahwa ada hubungan linear secara signifikan antara variabel tersebut.
c. Homoscedasticity
916
Tabel 23.11 Hasil Uji Homoscedasticity
Coefficientsa
Model Unstandardized Standardized

Coefficients Coefficients
B Std. Error Beta t Sig.
1 (Constant) 51,895 19,348 2,682 ,009
Pekerjaan_Dapat_Dila 3,810 6,063 ,066 ,629 ,531

kukan_Dirumah
Berpengaruhan_WFH -3,823 5,955 -,066 -,642 ,523
Kelebihan_Bekerja_Di -,559 2,211 -,027 -,253 ,801

rumah
Kekurangan_Bekerja_ -1,725 2,124 -,083 -,812 ,419

Dirumah
Perubahan_Produktivit 5,993 3,484 ,175 1,720 ,089

as
Kondisi_Ekonomi -3,422 3,579 -,098 -,956 ,342
a. Dependent Variable: Responden
Tabel output diatas menunjukkan semua variabel melebihi 0,05 maka asumsi
Homoscedasticity terpenuhi.
B. Factor Analysis
1. KMO and Bartlett’s Test
Tabel 23.12 Hasil Uji KMO and Bartlett’s Test
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,547

Bartlett's Test of Sphericity Approx. Chi-Square 13,059
df 15
Sig. ,598
Berdasarkan output diatas dikteahui nilai KMO MSA sebesar 0,547 > dari 0,05
maka teknik analisis faktor dapat dilanjutkan karena sudah memenuhi syarat
pertama.
917
2. Anti-Image Matrices
Tabel 23.12 Hasil Uji Anti-Image Matrices
Anti-image Matrices
Pekerjaan_D Berpeng Kelebihan Kekurangan Perubah

apat_Dilakuk aruhan_ _Bekerja_ _Bekerja_Di an_Prod Kondisi_
an_Dirumah WFH Dirumah rumah uktivitas Ekonomi
Anti-image Pekerjaan_Dapat_Dilakuk ,928 ,038 ,180 -,130 ,014 ,089

Covariance an_Dirumah
Berpengaruhan_WFH ,038 ,961 ,158 -,040 -,079 -,038
Kelebihan_Bekerja_Diru ,180 ,158 ,922 ,040 ,007 -,072

mah
Kekurangan_Bekerja_Dir -,130 -,040 ,040 ,968 -,053 ,038

umah
Perubahan_Produktivitas ,014 -,079 ,007 -,053 ,989 -,025

Kondisi_Ekonomi ,089 -,038 -,072 ,038 -,025 ,977
Anti-image Pekerjaan_Dapat_Dilakuk ,547a ,040 ,195 -,137 ,015 ,094

Correlation an_Dirumah
Berpengaruhan_WFH ,040 ,490a ,168 -,042 -,081 -,039
Kelebihan_Bekerja_Diru ,195 ,168 ,541a ,043 ,007 -,076

mah
Kekurangan_Bekerja_Dir -,137 -,042 ,043 ,597a -,054 ,039

umah
Perubahan_Produktivitas ,015 -,081 ,007 -,054 ,532a -,026

Kondisi_Ekonomi ,094 -,039 -,076 ,039 -,026 ,603a
a. Measures of Sampling Adequacy(MSA)
Pada tabel tersebut terdapat kode huruf (a) yang artinya tanda untuk Measure of
Sampling Adequacy (MSA). Diketahui nilai MSA dari masing-masing yaitu:
1. Pekerjaan Dapat Dilakukan Dirumah sebesar 0,547
2. Berpengaruhan WFH sebesar 0,490
3. Kelebihan Bekerja Dirumah sebesar 0,541
4. Kekurangan Bekerja Dirumah sebesar 0,597
5. Perubahan Produktivitas sebesar 0,532
6. Kondisi Ekonomi sebesar 0,603
Persyaratan yang harus terpenuh dalam analisis faktor adalah nilai MSA > 0,50.
Dari hasil di atas diketahui bahwa nilai MSA untuk semua variabel yang diteliti
918
adalah > 0,50, maka persyaratan kedua dalam analisis faktor ini pun terpenuhi.
3. Communalities
Tabel 23.13 Hasil Uji Communalities
Communalities
Initial Extraction
Pekerjaan_Dapat_Dilakuka 1,000 ,513

n_Dirumah
Berpengaruhan_WFH 1,000 ,552
Kelebihan_Bekerja_Diruma 1,000 ,464
h
Kekurangan_Bekerja_Dirum 1,000 ,252
ah
Perubahan_Produktivitas 1,000 ,376
Kondisi_Ekonomi 1,000 ,373
Extraction Method: Principal Component Analysis.
Berdasarkan output diatas, diketahui nilai Extraction untuk semua variabel lebih
besar dari 0,50. Dengan demikian dapat disimpulkan bahwa semua variabel dapat
dipakai untuk menjelaskan faktor.
4. Total Variance Explained
919
Tabel 23.14 Hasil Uji Total Varience Explained
Total Variance Explained
Compone Extraction Sums of Squared Rotation Sums of Squared

nt Initial Eigenvalues Loadings Loadings
% of Cumulative % of Cumulative % of Cumulative

Total Variance % Total Variance % Total Variance %
1 1,404 23,399 23,399 1,404 23,399 23,399 1,384 23,071 23,071

2 1,126 18,775 42,174 1,126 18,775 42,174 1,146 19,103 42,174
3 ,977 16,291 58,465

dimension0
4 ,915 15,253 73,719
5 ,856 14,270 87,988
6 ,721 12,012 100,000

Berdasarkan tabel output Total Variance Explained pada bagian “Initial
Eigenvalues”, maka ada 2 faktor yang dapat terbentuk dari 6 variabel yang
dianalisis. Dimana syarat untuk menjadi sebuah factor, maka nilai Eigenvalue harus
lebih besar 1. Nilai Eigenvalue Component 1 sebesar 1,404 > 1 maka menjadi faktor
1 dan mampu menjelaskan 23,399% variasi. Sedangkan nila Eigenvalues
Component 2 sebesar 1,126 > 1 maka menjadi faktor 2 dan mampu menjelaskan
18,775% variasi. Jika faktor 1 dan faktor 2 dijumlahkan maka mampu menjelaskan
42,174% variasi
920
5. Scree Plot
Gambar 23.7 Hasil Uji Scree Plot

Dari gambar Scree Plot di atas ada 2 titik componet yang memiliki niai Eigenvalue
> 1 maka dapat diartikan bahwa ada 2 faktor yang dapat terbentuk.
6. Component Matrix
Tabel 23.15 Hasil Uji Component Matrix

Component Matrixa
Component
1 2
Pekerjaan_Dapat_Dilakukan -,673 -,102

_Dirumah
Berpengaruhan_WFH ,645 -,312
Kelebihan_Bekerja_Dirumah ,502 ,018
Kekurangan_Bekerja_Dirum ,338 ,662
ah
Perubahan_Produktivitas ,138 ,597
Kondisi_Ekonomi -,386 ,473

a. 2 components extracted.
921
Dari ouput diatas bisa dijelaskan sebagai berikut
a. Untuk variabel Pekerjaan Dapat Dilakukan Dirumah yakni

nilai kolerasi faktor 1 adalah ,645 dan korelasi dengan faktor 2
adalah sebesar -0,312
b. Untuk variabel Berpengaruhan WFH yakni nilai kolerasi
faktor 1 adalah ,338 dan korelasi dengan faktor 2 adalah
sebesar 0,662
c. Untuk variabel Kelebihan Bekerja Dirumah yakni nilai
kolerasi faktor 1 adalah -,673 dan korelasi dengan faktor 2
adalah sebesar -0,102
d. Untuk variabel Kekurangan Bekerja Dirumah yakni nilai
kolerasi faktor 1 adalah ,502 dan korelasi dengan faktor 2
adalah sebesar 0,018
e. Untuk variabel Perubahan Produktivitas yakni nilai kolerasi
faktor 1 adalah ,138 dan korelasi dengan faktor 2 adalah
sebesar 0,597
f. Untuk variabel Kondisi Ekonomi yakni nilai kolerasi faktor 1
adalah -0,386 dan korelasi dengan faktor 2 adalah sebesar
0,473
7. Rotated Component Matrix
922
Tabel 23.16 Hasil Uji Rotated Component Matrix
Rotated Component Matrixa

Component
1 2
Pekerjaan_Dapat_Dilakukan ,705 -,129

_Dirumah
Berpengaruhan_WFH ,149 ,728
Kelebihan_Bekerja_Dirumah -,622 -,278
Kekurangan_Bekerja_Dirum ,479 ,151
ah
Perubahan_Produktivitas -,026 ,613
Kondisi_Ekonomi -,499 ,353
Rotation Method: Varimax with Kaiser Normalization.

a. Rotation converged in 3 iterations.
a. Variabel Pekerjaan Dapat Dilakukan Dirumah. Nilai korelasi

variabel ini dengan faktor 1 = 0,705 dan faktor 2 = -0,129
karena nilai korelasi faktor 1 > faktor 2 maka variabel
Pekerjaan Dapat Dilakukan Dirumah termasuk kelompok
faktor 1
b. Variabel Berpengaruhan WFH. Nilai korelasi variabel ini
dengan faktor 1 = 0,149 dan faktor 2 =0,728 karena nilai
korelasi faktor 2 > faktor 1 maka variabel Berpengaruhan
WFH termasuk kelompok faktor 2
c. Variabel Kelebihan Bekerja Dirumah. Nilai korelasi variabel
ini dengan faktor 1 = -0,622 dan faktor 2 = -,278 karena nilai
korelasi faktor 2 > faktor 1 maka variabel Kelebihan Bekerja
Dirumah termasuk kelompok faktor 2
d. Variabel Kekurangan Bekerja Dirumah. Nilai korelasi variabel
ini dengan faktor 1 = 0,479 dan faktor 2 = 0,151 karena nilai
923
korelasi faktor 1 > faktor 2 maka variabel Kekurangan Bekerja
Dirumah termasuk kelompok faktor 1
e. Variabel Perubahan Produktivitas. Nilai korelasi variabel ini
dengan faktor 1 = -0,026 dan faktor 2 = 0,613 karena nilai
korelasi faktor 2 > faktor 1 maka variabel Perubahan
Produktivitas termasuk kelompok faktor 2
f. Variabel Kondisi Ekonomi. Nilai korelasi variabel ini dengan
faktor 1 = -0,499 dan faktor 2 = 0,353 karena nilai korelasi
faktor 2 > faktor 1 maka variabel Kondisi Ekonomi termasuk
kelompok faktor 2
8. Component Transformation Matrix
Tabel 23.17 Hasil Uji Component Transformation Matrix

Component Transformation Matrix
Component 1 2
1 ,964 ,266
2 -,266 ,964
Extraction Method: Principal Component

Analysis.
Rotation Method: Varimax with Kaiser

Normalization.
Berdasarkan tabel output diatas bahwa pada component 1 nilai korelasinya adalah
sebesar 0,964 > 0,5, dan component 2 nilai korelasinya sebesar 0,964 > 0,5, maka
kedua faktor yang terbentuk ini dapat disimpulkan layak untuk merangkum semua
variabel yang dianalisis

Hasil dari pengolahan data diatas menunjukan bahwa untuk melakukan uji
analisis faktor harus melakukan beberapa uji dulu sebelumnya. Antara lain yaitu
examining data yang terdiri dari sample size, graphical examiniation of the data
(analisis distribusi, analisis relationship antara variabel), missing data, outlier data
924
(box and whiskers plot), testing the assumption (normalitas, linearitas dan
homoscedasticity) dan baru di uji factor analysis.
Hasil dari pengolahan data yang sudah dilakukan diatas antara lain dapat
diketahui bahwa pada uji sample size diketahui bahwa nilai n = 80 setelah dilakukan
perhitungan dengan rumus n = . Untuk uji missing data diketahui

bahwa menunjukan dari N=100 tidak ada data yang Missing dari seluruh variabel.
Kemudian uji analisis relationship antara variable menunjukkan bahwa pada semua
variable pada pearson correlate memiliki tanda bintang yang berarti antara variable
yang dianalisis terdapat korelasi satu sama lain. Pada uji outlier data menghasilkan
bahwa pada semua box plot masing-masing variabel terdapat beberapa data outlier.
Uji testing the assumption pada normalitas menunjukan bahwa semua variabel
menunjukkan sig > alpha 0,01 sehingga data tersebut normal. Untuk uji linearitas
ada hubungan linear secara signifikan antara variabel tersebut. Uji homoscedasticity
menunjukkan semua variabel melebihi 0,05 maka asumsi Homoscedasticity
terpenuhi. Selanjutnya yaitu untuk factor analysis uji KMO and Bartlett’s
menunjukan bahwa nilai KMO MSA sebesar 0,547 > dari 0,05 maka teknik analisis
faktor dapat dilanjutkan karena sudah memenuhi syarat pertama jadianalisis faktor
dalam penelitian ini dilanjutkan. Untuk uji Anti-Image Matrices diketahui bahwa
persyaratan yang harus terpenuh dalam analisis faktor adalah nilaiMSA > 0,50. Dari
hasil di atas diketahui bahwa nilai MSA untuk semua variabel yang diteliti adalah
> 0,50, maka persyaratan kedua dalam analisis faktor ini pun terpenuhi. Uji
Communalities menunjukan nilai Extraction untuk semua variabel lebih besar dari
0,50. Dengan demikian dapat disimpulkan bahwa semua variabel dapat dipakai
untuk menjelaskan faktor. Pada uji Total Variance Explained pada bagian “Initial
Eigenvalues”, maka ada 2 faktor yang dapat terbentuk dari 6 variabel yang
dianalisis. Dimana syarat untuk menjadi sebuah faktor, maka nilai Eigenvalue harus
lebih besar 1. Nilai Eigenvalue Component 1 sebesar 1,404 > 1 maka menjadi faktor
1 dan mampu menjelaskan 23,399% variasi. Sedangkan nilai Eigenvalues
Component 2 sebesar 1,126 > 1 maka menjadi faktor 2 dan mampu menjelaskan
18,775% variasi. Jika faktor 1 dan faktor 2 dijumlahkan maka mampumenjelaskan
42,174% variasi. Uji Scree Plot dapat diketahui bahwa pada output ada 2 titik
componet yang memiliki niai Eigenvalue > 1 maka dapat diartikan bahwa
925
ada 2 faktor yang dapat terbentuk. Pada uji Component Matrix hasil pada kedua
component menunjukan bahwa semua nilai yang dihasilkan Untuk variabel
Pekerjaan Dapat Dilakukan Dirumah yakni nilai kolerasi faktor 1 adalah ,645 dan
korelasi dengan faktor 2 adalah sebesar -0,312, Untuk variabel Berpengaruhan
WFH yakni nilai kolerasi faktor 1 adalah ,338 dan korelasi dengan faktor 2 adalah
sebesar 0,662, Untuk variabel Kelebihan Bekerja Dirumah yakni nilai kolerasi
faktor 1 adalah -,673 dan korelasi dengan faktor 2 adalah sebesar -0,102, Untuk
variabel Kekurangan Bekerja Dirumah yakni nilai kolerasi faktor 1 adalah ,502 dan
korelasi dengan faktor 2 adalah sebesar 0,018, Untuk variabel Perubahan
Produktivitas yakni nilai kolerasi faktor 1 adalah ,138 dan korelasi dengan faktor 2
adalah sebesar 0,597, Untuk variabel Kondisi Ekonomi yakni nilai kolerasi faktor
1 adalah -0,386 dan korelasi dengan faktor 2 adalah sebesar 0,473. Selanjutnya
untuk uji Rotated Component Matrix menunjukan bahwa Variabel Pekerjaan Dapat
Dilakukan Dirumah. Nilai korelasi variabel ini dengan faktor 1 = 0,705 dan faktor
2 = -0,129 karena nilai korelasi faktor 1 > faktor 2 maka variabel Pekerjaan Dapat
Dilakukan Dirumah termasuk kelompok faktor 1, Variabel Berpengaruhan WFH.
Nilai korelasi variabel ini dengan faktor 1 = 0,149 dan faktor 2 =0,728 karena nilai
korelasi faktor 2 > faktor 1 maka variabel Berpengaruhan WFH termasuk kelompok
faktor 2, Variabel Kelebihan Bekerja Dirumah. Nilai korelasi variabel ini dengan
faktor 1 = -0,622 dan faktor 2 = -,278 karena nilai korelasi faktor 2 > faktor 1 maka
variabel Kelebihan Bekerja Dirumah termasuk kelompok faktor 2, Variabel
Kekurangan Bekerja Dirumah. Nilai korelasi variabel ini dengan faktor 1 = 0,479
dan faktor 2 = 0,151 karena nilai korelasi faktor 1 > faktor 2 maka variabel
Kekurangan Bekerja Dirumah termasuk kelompok faktor 1, Variabel Perubahan
Produktivitas. Nilai korelasi variabel ini dengan faktor 1 = -0,026 dan faktor 2 =
0,613 karena nilai korelasi faktor 2 > faktor 1 maka variabel Perubahan
Produktivitas termasuk kelompok faktor 2, Variabel Kondisi Ekonomi. Nilai
korelasi variabel ini dengan faktor 1 = -0,499 dan faktor 2 = 0,353 karena nilai
korelasi faktor 2 > faktor 1 maka variabel Kondisi Ekonomi termasuk kelompok
faktor 2, dan yang terakhir untuk rangkaian uji analisis faktor yaitu uji Component
Transformation Matrix menunjukan bahwa kedua faktor yang terbentuk dapat
disimpulkan layak untuk merangkum semua variabel yang dianalisis
926
23.11 Kesimpulan
Kesimpulan yang dapat diambil dari pengolahan data yang sudah dilakukan
di atas yaitu antara lain semua faktor yang mempengaruhi produktivitas penduduk
di Indonesia selamat terjadi pandemic Covid-19 ini memenuhi semua. Semakin hari
banyak penduduk Indonesia yang positif virus Covid-19 yang artinya semakin
bertambah jumlah pasien Covid-19 maka semakin lama juga proses penyembuhan
dan work from home dilakukan. Semakin lama di rumah sebagian penduduk
Indonesia mengalami krisis ekonomi karena hilangnya mata pencaharian yang
selama ini. Banyak juga penduduk Indonesia yang bekerja sebagai wiraswasta yang
menurun drastis pendapatannya karena pandemic ini karena banyak yang takut
untuk keluar rumah selain itu juga ada himbauan juga dari pemerintah untuk tidak
keluar rumah jika tidak keadaan mendesak. Para pengusaha menengah kebawah
juga mengalami pendapatan yang semakin hari semakin merosot. Dengan keadaan
yang seperti ini seharusnya pemerintah melakukan sebuah tindakan untuk
mengatasi masalah tersebut meskipun tidak teratasi 100% tetapi setidaknya
membantu para masyarakat antara lain memberikan bantuan untuk masyarakat yang
kehilangan pekerjaannya mencari solusi untuk masyarakat yang mempunyai usaha
menengah kebawah untuk melakukan usahanya atau dijual dan dipromosikan
melalui dengan menggunakan social media. Jika banyak masyarakat yang belum
mengerti tentang social media maka seharusnya pemerintah mengusahakan agar
ada sebuah komunitas yang mengumpulkan para pelaku usaha menengah kebawah
untuk dipromosikan ke social media. Setidaknya hal tersebut dapat dilakukan untuk
saat ini dan mungkin dapat sedikit membantu agar masyarakat dapat mendapatkan
pemasukan disetiap harinya dan bias tetap produktif.
927
BAB XXIV
PENUTUP
24.1 Kesimpulan
Kesimpulan yang dapat diambil dari penyusunan laporan tugas akhir mata
kuliah praktikum statistika industri 2 ini antara lain yaitu:
Tugas besar praktikum Statistika II ini bermanfaat untuk:
1. Dalam ilmu pengetahuan, statistik berguna sebagai bentuk peralatan analisis

dan intepretasi dari data yang bersifat kuanttitatif dari ilmu pengetahuan
yang bertujuan untuk menyimpulkan berbagai macam data yang ada.
2. Dalam penelitian ilmiah, statistik berguna untuk penyedia alat yang dipakai
dalam mengemukakan dan menemukan kembali segala bentuk keterangan
yang seolah olah tersembunyi sebelumnya melalui sebuah rangkaian angka.
3. Dalam kehidupan sehari hari, statistik dapat digunakan untuk bahan dan
keterangan dai berbagai macam hal yang dapadt diolah dan ditafsikan dari
segala bentuk fakta yang telah ditemukan.
Berdasarkan hasil praktikum dan penyusunan tugas besar praktikum Statistika

II dapat disimpulkan :
1. Statistika adalah ilmu yang mempelajari cara pengumpulan data, pengolahan
data, penafsiran data, analisis data serta penyajian data sehingga menjadi
suatu informasi yang berguna. Penyajian data meliputi: pengumpulan,
pengorganisasian, peringkasan dan penyajian data. Penafsiran data meliputi:
pendugaan, pengujian dugaan dan penarikan kesimpulan.
2. Berdasarkan jenisnya, secara umum statistik dibagi menjadi statistik
parametrik dan statistik non parametrik.
3. Statistik parametrik yang merupakan statistik yang didasarkan menurut
model distribusi normal.
Contoh metode statistik parametrik
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
928
c. Korelasi pearson,
d. One or two-way anova
4. Statistik non-parametrik adalah teknik statistik yang tidak didasarkan pada
model distribusi normal atau bebas
Contoh metode statistik non parametrik
a. One Sample
b. Run Test
c. Chi-Square
d. Kol-Smirnov One Sample Test
e. McNemar Change Test
f. Sign Test
g. Wilcoxon
h. Median
i. Wilcoxon Mann-Whitney
j. Kol-Smirnov Two Sample
24.2 Saran
Saran untuk perkuliahan mata kuliah praktikum statistika industry 2 ini
antara lain yaitu:
1. Untuk proses perkuliahan mata kuliah praktikum statistika industri 2

kedepannya diharapkan lebih baik lagi dalam penyampaian setiapmaterinya
2. Sebaiknya untuk dosen pengampu diharapkan lebih sering menjelaskan
materi dikelas praktikum
3. Memberikan pengajaran dan pelatihan lebih jelas terhadap materi yang
akan diberikan.
929
LAMPIRAN
1. Lampiran kuesioner selera genre musik
930
931
2. Lampiran hasil kuesioner pengetahuan umum dan pengetahuan khusus
tentang Teknik Industri
1. Jenis kelamin
2. Pendidikan Terakhir
3. Pengetahuan Umum
a. Apa yang dimaksud dengan jurusan teknik industri?
b. Ilmu Teknik Industri dapat dibagi ke dalam tiga bidang keahlian antara lain
yaitu?
932
c. Apa yang membedakan jurusan Teknik Industri dengan jurusan yang lain?
d. Siapa apa yang ditetapkan sebagai bapak teknik industri dan gagasannya
paling terkenal?
4. Pengetahuan Khusus
a. Pada mata kuliah ergonomi manusia berperan sebagai?
933
b. Program CADD apa yang bisa digunakan dalam merancang suatu gambar di
mata kuliah menggambar teknik?
c. Dalam praktikum fisika dasar pada bab dasar-dasar pengukuran dan

pengenalan alat kesalahan pengukuran didefinisikan sebagai hasil
pengukuran dikurangi nilai benarnya. Jenis kesalahan berdasar
karakteristiknya dapat dikelompokan menjadi apa saja?
d. Pokemon GO adalah game yang dikembangkan dengan menggunakan
934
teknologi apa?
935
3. Lampiran kuesioner tentang penanggulangan bencana
936
DAFTAR PUSTAKA
Akhtar, Hanif. 2018. Analisis Kruskall-Wallis dengan SPSS. Malang.
Aldy, Rochmat. 2016. Analisis Statistik Ekonomi dan Bisnis Dengan SPSS.
Ponorogo.
Aprilia, Yoga Gigih dan Haryanto Mulyo. 2017. Analisis Reaksi Harga Saham dan
Volume Perdagangan Atas Pengumuman Dividen Kas. Volume 6, Nomor
3, Tahun 2017, Halaman 1-12.
Astuti, Dwi. 2011. Pengujian Hipotesis Dua Sampel Independen Berdasarkan Uji
Mann-Whitney dan Uji Kolmogorov Smirnov Dua Sampel Serta
Simulasinya Dengan Program Spss. Skripsi. Universitas Negeri Semarang.
Semarang.
Ayunita, Dian. 2018. Modul III: Uji Validitas dan Reliabilitas. Universitas
Diponegoro. Semarang.
Bangun, I. H., Rahman, A., & Darmawan, Z. (2014). Perencanaan Pemeliharaan

Mesin Produksi Dengan Menggunakan Metode Reliability Centered
Maintenance (Rcm) II Pada Mesin Blowing Om (Studi Kasus: PT Industri
Sandang Nusantara Unit Patal Lawang). Jurnal Rekayasa dan Manajemen
Sistem Industri, 2(5), p997-1008.
Baridwan, Zaki. 1997. Analisis Nilai Tambah Informasi Laporan Arus Kas.
Universitas Gadjah Mada. Yogyakarta.
Biswas, S., Ahmad, S., Molla, M. K. I., Hirose, K., & Nasser, M. 2008.
Kolmogorov-Smirnov test in text-dependent automatic speaker
identification. Engineering Letter, 16(4), EL_16_4_01.
Budiwanto, Setyo. 2017. Metode Statistika Untuk Mengolah Data Keolahragaan.

Fakultas Ilmu Keolahragaan Negeri Malang. Malang.
Daniel,W .(1991). Statistik Nonparametrik Terapan.: Gramedia. Jakarta.
937
Gaib, Malonda. 2011. Uji Kai Kuadrat (Chi Square Test). Jakarta.
Hidayat, Baron.; Indriani, Fatma.; dan Muliadi. 2015. Implementasi Independent T-

Test Pada Aplikasi Pembelajaran Multimedia Ragam Dan Gerak Seni Tari
Daerah Kalimantan Selatan. Kalimantan Selatan.
Janie, D. N. A. (2012). Statistik deskriptif & regresi linier berganda denganSPSS.
Jurnal, April.
Junaidi, Junaidi. 2010. Prosedur Uji Chi-Square. Fakultas Ekonomi dan Bisnis
Universitas Jambi. Jambi.
Kemenprin. “Perkembangan Ekspor Kelompok Kain Tenunan Ke Malaysia”.
kemenperin.go.id.
https://kemenperin.go.id/statistik/barang_negara.php?negara=124&jenis=e
&kode=202013002 (diakses 3 April 2020).
Kurniawan, D. (2008). Regresi Linier. R-Foundation for Statistical Computin
Vienna, Austria, 17
Montolalu, Chriestie E. J. C. 2018. Pengaruh Pelatihan Dasar Komputer dan
Teknologi Informasi bagi Guru-Guru dengan Uji-T Berpasangan (Paired
Sample T-Test). Manado.
Mufarida, E. 2014. Analisis uji Wilcoxon dan uji Mann-Whitney berdasarkan jenis
kelamin pada penderita tuberkulosis (TB) di Kabupaten Malang (Doctoral
dissertation, Universitas Islam Negeri Maulana Malik Ibrahim). Malang.
Negara, Igo Cahaya dan Prabowo, Agung. 2018. Penggunaan Uji Chi–Square untuk
Mengetahui Pengaruh Tingkat Pendidikan dan Umur Terhadap
Pengetahuan Penasun Mengenai Hiv–Aids di Provinsi DKI Jakarta. Jurusan
Matematika, FMIPA Universitas Jenderal Soedirman. Purwokerto.
Indrayani, Silvia. 2013. Multivariate Analysis Of Variance. Fakultas Matematika

dan Ilmu Pengetahuan Alam. Jurusan Matematika. Universitas Negeri
Malang. Malang.
Ratna, Wijayanti. 2015. Metode Penelitian Kuantitatif. Program Studi Akuntansi

STIE Widya Gama Lumajang. Lumajang. Jawa Timur.
938
Rosita, A. 2011. Efektifitas Uji Kruskal–Wallis (H) dan
Perluasan Uji Median Untuk Uji Independensi
(Doctoral dissertation, Universitas Negeri
Semarang). Semarang.
Saputri, Wahyuni. 2004. Kajian Dua Sampel Independen

Dengan Uji Median Whitney-Wilcoxon, dan
Kolomogorov-Smirnov. Fakultas MIPA Universitas
Bengkulu. Bengkulu.
Sartika, S., Sitepu, H. R., & Bangun, P. 2013. Analisis

Faktor-faktor yang Mempengaruhi Hasil Produksi
Kentang. Saintia Matematika, 1(5), 445-457
Sriwidadi, T. 2011. Penggunaan uji mann-whitney pada

analisis pengaruh pelatihan wiraniaga dalam
penjualan produk baru. Binus Business Review, 2(2),
751-762. Jakarta.
Sutrisno, S., & Wulandari, D. 2018. Multivariate Analysis of

Variance (MANOVA) untuk Memperkaya Hasil
Penelitian Pendidikan. AKSIOMA: Jurnal
Matematika dan Pendidikan Matematika, 9(1), 37-
53.
Tyastirin, Esti. 2017. Statistika Parametrik Untuk
Penelitian Kesehatan. Surabaya. Putri, Ratu Ilma Indra.
2014. Uji Normalitas dan Homogenitas. Filetype PDF.
Wahyu, Santoso. 2019. EKONOMETRIKA. Prodi Agribisnis. Fakultas

Pertanian.
Universitas Pembangunan Nasional “Veteran”. Surabaya.
Jawa Timur.
939
Witney, U. M. (1988). Statistik Non Parametrik.
Yuniar, Nani. 2015. Pengaruh Penyuluhan Metode

Permainan Edukatif Dan Metode Ceramah
Terhadap Pengetahuan, Sikap, dan Tindakan.
UniversitasHalu Uleo. Kendari.
940

Laporan Statistika. 5190611111. Danang Adi Pratama-Dikompresi

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laporan Statistika. 5190611111. Danang Adi Pratama-Dikompresi

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN

TUGAS BESAR PRAKTIKUM

Dosen Pengampu: Widya Setiafindari, S.T., M.Sc.

Danang Adi Pratama (5190611111)

PROGRAM STUDI TEKNIK INDUSTRI

Nama/NIM : Danang Adi Pratama (5180611111)

Program Studi Teknik Industri (S1)

Yogyakarta, Juni 2020

(Dimas Ari Nuryanto) (Danang Adi Pratama)

(Widya Setiafindari, S.T., M.Sc.)

Penyelesaian penyusunan dan penulisan laporan tugas besar Statistika Industri II

Yogyakarta, Juni 2021

HALAMAN JUDUL .............................................................................................. i

BAB I Statistika Deskriptive Frequencies ...........................................................1

BAB II Statistika Deskriptive Explor...................................................................8

BAB III Statistika Deskriptives Crosstab ..........................................................20

3.11 Kesimpulan ..........................................................................................53

BAB V Statistik Deskriptive Reliabilitas dan Validitas ...................................91

BAB VI Statistik Parametrik One Sample T-Test ..........................................111

BAB VII Statistik Parametrik Independent Sample T-test ...........................124

7.7 Pengumpulan Data ................................................................................128

BAB VIII Statistik Parametrik Paired Sample T-test ....................................135

BAB IX Statistik Parametrik One Way-ANOVA ...........................................155

BAB X Statistik Non Parametrik Chi-Square.................................................178

BAB XI Statistik Non Parametrik Chi-Square Satu Variabel ......................232

11.3 Tujuan ..................................................................................................232

BAB XII Statistik Non Parametrik Chi-Square Dua Variabel ......................248

BAB XIV Statistika Non Parametrik KS (Uji Mann Whitney) .....................300

BAB XV.(I) Uji Two Sample Kolmogorov Smirnov Z ...................................539

BAB XV.(II) Uji Two Sample Kolmogorov Smirnov Z ..................................551

BAB XV.(III) Uji Two Sample Kolmogorov Smirnov Z ................................565

BAB XVI.(I) Statistika Non Parametrik Uji Kruskal Wallis.........................577

16.9 Hasil dan Pembahasan .........................................................................582

BAB XVI.(II) Statistika Non Parametrik Uji Kruskal Wallis .......................589

BAB XVI.(III) Statistika Non Parametrik Uji Kruskal Wallis .....................603

BAB XVII.(I) Statistika Non Parametrik Uji Median ....................................617

BAB XVII.(II) Statistika Non Parametrik Uji Median ..................................631

17.5 Literatur ...............................................................................................631

BAB XVII.(III) Statistika Non Parametrik Uji Median .................................642

BAB XVIII.(I) Statistika Non Parametrik Two Related Samples .................658

BAB XVIII.(II) Statistika Non Parametrik Two Related Samples ...............670

BAB XVIII.(III) Statistika Non Parametrik Two Related Samples ..............681

BAB XIX.(I) Statistika Non Parametrik Uji MC Nemar ...............................695

BAB XIX.(II) Statistika Non Parametrik Uji MC Nemar .............................711

BAB XIX.(III) Statistika Non Parametrik Uji MC Nemar ............................722

19.9 Hasil dan Pembahasan .........................................................................726

BAB XXI.(I) Statistika Parametrik Regresi Linier ........................................795

21.5 Literatur ...............................................................................................796

BAB XXI.(II) Statistika Parametrik Regresi Linier .......................................810

BAB XXII.(I) Statistika Parametrik Regresi Linier Berganda .....................846

BAB XXII.(II) Statistika Parametrik Regresi Linier Berganda....................864

BAB XXII.(III) Statistika Parametrik Regresi Linier Berganda ..................886

BAB XXIV PENUTUP ......................................................................................945

Tabel 1.1 Kumpulan Data Pengiriman Produk ........................................................2

Lampiran 1 Kuesioner selera genre musik ...........................................................930

1.1 Latar Belakang

PT Seido Agra Abadi hendak melakukan pengiriman terhadap hasil produksi

1.2 Rumusan Masalah

Gambar 1.1 Variabel Pengolahan Frequencies

Gambar 1.2 Data Pengolahan Frequencies

Gambar 1.3 Kotak Dialog Frequencies 1

5. Kemudian variabel x3 (penghasilan), masukkan ke kotak variable yang ada