Nama : OKTOVIANUS JEFRY KAMBUAYA

FAKTOR-FAKTOR YANG MEMPENGARUHI KETERLAMBATAN PROYEK

NO FAKTOR KUANTITATIF KUALITATIF X Xi - X (Xi - X)2

1 Cuaca 8 7 1 1 VARIAN :
2 SDM 8 7 1 1 S2 = 14.00
3 Ketersediaan Material 7 7 0 0 9-1
4 Ketersediaan Peralatan 6 7 -1 1 S2 = 1.75
5 Pembebasan Lahan 7 7 0 0 DEVIASI
S = STANDAR
√( )
6 Lokasi Yang Sulit 8 7 1 1 14/8
7 Keterampilan Tenaga Kerja 8 7 1 1
8 Pengalaman Kerja 7 7 0 0 = S 1.32
9 Kepemimpinan 4 7 -3 9
Jumlah 63 14 X rata-rata= 63
9
= 7
TUGAS 2
1. Menghitung luas daerah antara 1 dengan 7

2. Menghitung luas daerah antara 2 dengan 5

1. Menghitung luas daerah antara 3 dengan 6

xi - X 8-7 0.76
Z1 = = = = 0.9573
S 1.32
xi - X 8-7 0.76
Z7 = = = =
S 1.32 0.9573

Jadi luasnya = 0.9573 - 0.9573

= 0

p(x<0,76) = 1

xi - X 8-7 0.76
Z2 = = = = 0.9573
S 1.32
xi - X 7-7 0.00
Z5 = = = = 0.5080
S 1.32

Jadi luasnya = 0.9573 - 0.5080

= 0.4493

0.5080 p(x<0,76) = 1

xi - X 7-7 0.00
Z3 = = = = 0.5080
S 1.32
xi - X 8-7 0.76
Z6 = = = = 0.9573
S 1.32

Jadi luasnya = 0.9573 - 0.5080

= 0.4493

0.5080 p(x<0,76) = 1

0
SUMMARY OUTPUT

Regression Statistics
Multiple R 0.5581287448
R Square 0.3115076958
Adjusted R Square 0.2102588275
Standard Error 0.9428494383
Observations 40

ANOVA
df SS MS F Significance F
Regression 5 13.675187846 2.7350375692 3.076653608 0.02136909579
Residual 34 30.224812154 0.8889650634
Total 39 43.9

Coefficients Standard Error t Stat P-value Lower 95%

Intercept 1.7857151812 0.91287889357 1.9561359056 0.058705009 -0.06947793796
X1 -0.106464638 0.14265391042 -0.74631419 0.460607153 -0.39637226379
X2 -0.074091964 0.12552863361 -0.59023955 0.558932957 -0.3291968406
X3 -0.036528461 0.14068366045 -0.259649635 0.79669988 -0.32243205758
X4 0.3777402347 0.14282422244 2.6447911162 0.012282753 0.08748649283
X5 0.2418368923 0.1328334009 1.8206030311 0.077478734 -0.02811305732
 Upper 95% Lower 95,0% Upper 95,0%
3.64090830032 -0.069477938 3.640908300319
0.18344298859 -0.3963722638 0.183442988587
0.18101291223 -0.3291968406 0.181012912227
0.24937513543 -0.3224320576 0.249375135432
0.66799397655 0.08748649283 0.667993976545
0.51178684194 -0.0281130573 0.5117868419382
 EVALUASI STATISTIKA TERAPAN

NAMA : OKTOVIANUS JEFRY KAMBUAYA

NIM : 81605051210016

Pengaruh Terhadap Waktu Pelaksanaan Proyek

X1 = Curah Hujan Yang Tinggi

X2 = Masalah Pembebasan Lahan
X3 = Ketersediaan Material di lokasi kerja
X4 = Ketersedian Pekerja Profesional
X5 = Sulitnya Akses Ke Lokasi Kerja
Y = Waktu Pelaksanaan Proyek

No X1 X2 X3 X4 X5 Y

1 3 5 3 4 2 3
2 3 5 2 3 3 3
3 4 4 3 2 3 2
4 5 4 3 2 2 3
5 2 5 4 3 2 4
6 2 2 4 4 4 5
7 3 2 5 4 2 2
8 2 1 4 3 3 3
9 4 3 2 5 1 3
10 4 1 1 1 1 2
11 3 2 1 2 5 2
12 4 4 2 4 5 4
13 4 4 2 3 4 1
14 3 4 3 1 1 1
15 3 4 2 2 3 4
16 3 3 4 2 2 3
17 3 4 5 3 3 3
18 2 2 5 4 2 2
19 5 2 4 3 2 3
20 5 3 4 3 4 2
21 5 3 2 4 4 4
22 5 4 3 4 5 4
23 4 3 3 2 4 3
24 4 5 2 2 3 3
25 4 5 2 1 1 2
26 4 3 1 4 2 2
27 3 2 2 2 2 1
28 2 2 2 3 4 4
29 3 1 3 5 4 5
30 4 1 4 5 4 5
31 1 1 4 3 3 4
32 1 2 3 4 3 4
33 5 2 3 2 5 3
34 4 3 5 3 3 2
35 3 4 3 4 4 2
36 2 4 3 5 2 3
37 4 3 2 3 2 4
38 2 2 2 3 1 3
39 5 2 3 2 4 3
40 2 3 4 2 3 2
Jumlah 134 119 119 121 117 118
SUMMARY OUTPUT

Regression Statistics
Multiple R 0.55812874483 Nilai Korelasi X1,X2,X3,X4,X5 & Y = 0,558 ; termasuk dalam kategori sedang
R Square 0.31150769581
Adjusted R Square 0.21025882755 Nilai Koef. Determine 0,21 atau 21%
Standard Error 0.94284943833
Observations 40

ANOVA
df SS MS F Significance F
Regression 5 13.675187846 2.735038 3.07665361 0.0213690957854
Residual 34 30.224812154 0.888965
Total 39 43.9

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
Intercept 1.78571518118 0.9128788936 1.956136 0.05870501 -0.069477937956 3.6409083 -0.069477938 3.64090830032
X1 -0.1064646376 0.1426539104 -0.746314 0.46060715 -0.396372263793 0.18344299 -0.3963722638 0.18344298859
X2 -0.0740919642 0.1255286336 -0.59024 0.55893296 -0.329196840598 0.18101291 -0.3291968406 0.18101291223
X3 -0.0365284611 0.1406836605 -0.25965 0.79669988 -0.322432057585 0.24937514 -0.3224320576 0.24937513543
X4 0.37774023469 0.1428242224 2.644791 0.01228275 0.0874864928332 0.66799398 0.0874864928 0.66799397655
X5 0.24183689231 0.1328334009 1.820603 0.07747873 -0.028113057318 0.51178684 -0.0281130573 0.51178684194

Perbedaan antara Metode Korelasi dan Metode Regresi Linier yaitu :

Tujuan analisis korelasi adalah untuk mengetahui apakah ada hubungan antara 2 variabel atau lebih ?
sedangkan tujuan Analisis Regresi adalah untuk memprediksi seberapa jauh pengaruh yang terjadi
yang telah dianalisis melalui analisis korelasi.