Laporan Resmi - M4 - Zuhria Oktaviani - 20034010022 - A4
Laporan Resmi - M4 - Zuhria Oktaviani - 20034010022 - A4
STATISTIKA
DOSEN PEMBIMBING :
SYAHRUL MUNIR, S.T., M.T.
Segala puji bagi Allah SWT yang telah memberikan saya kemudahan sehingga dapat
menyelesaikan laporan praktikum ini dengan tepat waktu. Tanpa pertolongan-Nya tentunya
saya tidak akan sanggup untuk menyelesaikan laporan praktikum ini dengan baik. Shalawat
serta salam semoga terlimpah curahkan kepada baginda tercinta kita yaitu Nabi Muhammad
SAW yang kita nantikan syafa’atnya di akhirat.
Tidak lupa, Saya mengucapkan syukur kepada Allah SWT atas limpahan nikmat
sehat-Nya, baik itu berupa sehat fisik maupun akal pikiran, sehingga penulis mampu untuk
menyelesaikan pembuatan laporan praktikum sebagai tugas dari mata kuliah praktikum
statistika ini.
Saya tentu menyadari bahwa laporan praktikum ini masih jauh dari kata sempurna dan
masih banyak terdapat kesalahan serta kekurangan di dalamnya. Untuk itu, saya
mengharapkan kritik serta saran dari pembaca untuk laporan praktikum ini, supaya ini
nantinya dapat menjadikan laporan praktikum ini lebih baik lagi. Demikian apabila terdapat
banyak kesalahan pada laporan praktikum, mohon maaf yang sebesar-besarnya.
Saya mengucapkan terima kasih kepada semua pihak yang telah berpastisipasi dalam
penyelesaian laporan praktikum ini. Sekian dan terima kasih.
Penyusun
i
DAFTAR ISI
ii
4.2 Bahan yang digunakan ........................................................................................... 17
4.3 Prosedur Kerja ........................................................................................................ 17
4.3.1 Uji Normalitas ........................................................................................................... 17
4.3.2 Analisa Korelasi......................................................................................................... 19
4.3.3 Analisa Statistik Deskriptif ........................................................................................ 21
4.3.4 Analisa Regresi Linear .............................................................................................. 22
BAB V HASIL DAN PEMBAHASAN ................................................................................. 24
5.1 Tabel dan Grafik Hasil Analisa Praktikum .......................................................... 24
5.1.1 Grafik Uji Normalitas ................................................................................................ 24
5.1.2 Grafik Analisa Korelasi ............................................................................................. 27
5.1.3 Grafik Analisa Statistik Deskriptif ............................................................................ 27
5.1.4 Grafik Analisa Regresi Linear ................................................................................... 30
5.2 Pembahasan ............................................................................................................. 31
5.2.1 Uji Normalitas ........................................................................................................... 31
5.2.2 Analisa Korelasi......................................................................................................... 32
5.2.3 Analisa Statisik Deskriptif ......................................................................................... 33
5.2.4 Analisa Regresi Linear .............................................................................................. 36
BAB VI KESIMPULAN DAN SARAN ............................................................................... 38
6.1 Kesimpulan .............................................................................................................. 38
6.1.1 Uji Normalitas ........................................................................................................... 38
6.1.2 Analisa Korelasi......................................................................................................... 38
6.1.3 Analisa Statistik Deskriptif ........................................................................................ 39
6.1.4 Analisa Regresi Linear .............................................................................................. 40
6.2 Saran ......................................................................................................................... 40
DAFTAR PUSTAKA ............................................................................................................. 41
iii
BAB I
PENDAHULUAN
Distribusi normal digunakan sebagai acuan dalam analisis statistik terutama pada
penaksiran parameter populasi dan uji hipotesis. Sehingga distribusi normal
merupakan hal yang penting, karena jika suatu sampel random diambil dari suatu
populasi dengan distribusi normal, maka distribusi dari berbagai fungsi pengamatan
yang penting dapat diturunkan secara eksplisit dan fungsi sendiri mempunyai bentuk
yang sederhana.
Ada banyak jenis uji statistik normalitas yang dapat digunakan, diantaranya
adalah Kolmogorov Smirnov, Lilliefors, Chi-Square, Shapiro Wilk, dan beberapa
software komputer (misalnya SPSS, Minitab, Simstat, Microstat, dsb.). Masing-
masing jenis tersebut memiliki kelebihan dan kekurangan dalam penggunaannya.
Dalam makalah ini akan diuraikan satu jenis uji statistik normalitas yakni,
Kolmogorov Smirnov software komputer Minitab.
Korelasi adalah istilah statistik yang menyatakan derajat hubungan linear antara
dua variabel atau lebih, yang ditemukan oleh Karl Pearson pada awal 1900. Korelasi
adalah salah satu teknik analisis statistik yang paling banyak digunakan oleh para
1
peneliti (Sudjana, 2005). Dalam analisis statistika, menentukan ukuran korelasi
merupakan hal yang penting karena hal ini bisa mengetahui kekuatan dan arah
hubungan antara variabel-variabel yang diteliti. Nilai korelasi itu nilainya berada
dalam interval -1 < r < +1. Untuk nilai korelasi > 0 berarti memiliki arah (+), untuk
nilai korelasi 0 maka dapat diartikan tidak memiliki korelasi dan arah serta untuk nilai
korelasi < 0 berarti memiliki arah (-). Maka semakin besar nilai r semakin kuat pula
hubungan korelasinya.
Berdasarkan uraian diatas, uji korelasi mempunyai ukuran korelasi yang disebut
sebagai koefisien korelasi dan mempunyai beberapa jenis koefisien korelasi. Oleh
karena itu, laporan ini disusun untuk mengetahui bagaimana pengujian analisis
korelasi menggunakan software minitab 17.
2
dengan hal menguraikan atau memberikan keterangan-keterangan mengenai suatu
data atau keadaan atau fenomena. Dengan kata statistik deskriptif berfungsi
menerangkan keadaan, gejala, atau persoalan
3
1.2 Tujuan Praktikum
Mengetahui bahwa sebaran data atau residual data telah berdistribusi normal.
Dimana arti dari berdistribusi normal yaitu pada saat titik-titik data yang diplot sudah
mengikuti garis lurus.
Nilai korelasi positif, berati hubungan antara 2 variabel adalah positif, artinya
jika satu variabel meningkat maka variabel yang lain akan meningkat juga.
Tujuan dari praktikum analisis regresi linear yaitu untuk mengukur kekuatan
hubungan antara variabel respon dan variabel prediktor, memprediksi pengaruh suatu
variabel atau beberapa variabel prediktor terhadap variabel respon.
4
1.3 Ruang Lingkup
Adapun ruang lingkup yang akan dibahas dalam penulisan laporan ini yakni
sebagai berikut :
Adapun ruang lingkup yang akan dibahas dalam penulisan laporan ini yakni
sebagai berikut :
Adapun ruang lingkup yang akan dibahas dalam penulisan laporan ini yakni
sebagai berikut :
5
2. Pada buku petunjuk praktikum statistika Teknik Lingkungan 2021 telah
tercantum instruksi kerja untuk analisa statistik deskriptif dengan menggunakan
bantuan aplikasi atau software Minitab 17.
Adapun ruang lingkup yang akan dibahas dalam penulisan laporan ini yakni
sebagai berikut :
6
BAB II
TINJAUAN PUSTAKA
2.1 Uji Normalitas
Uji normalitas adalah pengujian yang dilakukan dengan tujuan untuk menilai
sebaran data dalam suatu kelompok data atau variabel, untuk mengetahui apakah
sebaran data tersebut berdistribusi normal atau tidak. Distribusi normal digunakan
sebagai acuan dalam analisis statistik, terutama dalam mengestimasi parameter
populasi dan menguji hipotesis. Jadi distribusi normal penting karena jika sampel
acak diambil dari populasi yang berdistribusi normal, distribusi beberapa fungsi
pengamatan yang penting dapat disimpulkan secara eksplisit dan fungsi itu sendiri
memiliki bentuk yang sederhana.
Menurut beberapa ahli, uji normalitas adalah pengujian yang berguna untuk
mengetahui apakah variabel dependen, independen atau keduanya berdistribusi
normal, mendekati normal atau tidak. Pada penelitian ini, untuk mendeteksi apakah
data yang digunakan berdistribusi normal atau tidak dapat diketahui dengan
menggambarkan penyebaran data melalui sebuah grafik. Jika data menyebar di sekitar
garis diagonal dan mengikuti arah garis diagonalnya, model regresi memenuhi uji
normalitas, Husein Umar (2013:181). Menurut Ghozali (2016) uji normalitas
dilakukan untuk menguji apakah pada suatu model regresi, suatu variabel independen
dan variabel dependen ataupun keduanya mempunyai distribusi normal atau tidak
normal. Apabila suatu variabel tidak berdistribusi secara normal, maka hasil uji
statistik akan mengalami penurunan. Pada uji normalitas data ini dapat dilakukan
dengan menggunakan uji One Sample Kolmogorov Smirnov.
Data yang telah ditransformasikan dalam bentuk Z-score adalah data yang
termasuk dalam distribusi normal baku yang diasumsikan normal. Sehingga dapat
dikatakan bahwa metode ini merupakan uji beda antara data yang diuji normalitasnya
7
dengan data normal baku. Dalam uji Kolmogorov-Smirnov ada satu hal yang perlu
diingat bahwa jika menggunakan Kolmogorov-Smirnov Test pastikan data anda
berasal dari satu sampel (Herawati, 2016). Untuk menguji normalitas data yang
berasal dari satu sampel atau dengan kata lain adalah untuk menguji perbedaan
proporsi populasi, yaitu antara data yang diamati dengan yang telah ditentukan
menurut H0, berdasarkan proporsi data yang berasal dari sampel tunggal. Tes ini
menetapkan apakah skor-skor dalam sampel (observasi) dapat secara masuk akal
dianggap berasal dari suatu populasi dengan distribusi teoritis tertentu.
Pada uji Kolmogorov Smirnov (KS) memiliki konsep perhitungan selisih absolut
pada tiap-tiap kelas. Karakteristik pengujian ini pada sampel kecil dan besar adalah
H0 ditolak jika KS uji > KS hitung. Pada uji ini pula, jika signifikansi dibawah 0.05
berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data
normal baku yang berarti data tersebut tidak normal. Jika signifikansi diatas 0.05
maka tidak terjadi perbedaan yang signifikan . Dapat disimpulkan bahwa :
α = 5 % → 0.05
P – value > α H0 gagal ditolak artinya data tsb telah berdistribusi normal
8
Gambar 1. Tabel Nilai Kritis Uji Kormogorov - Smirnov
9
2.2 Analisa korelasi
Korelasi Pearson Product Moment dan Korelasi Rank Spearman merupakan dua
dari beberapa teknik korelasi yang sering dipakai. Korelasi pearson merupakan
korelasi sederhana yang hanya melibatkan satu variabel dependen dan satu variabel
independen. Hasil dari korelasi pearson yaitu koefisien korelasi. Koefisien korelasi
adalah ukuran yang dipakai untuk mengetahui derajat hubungan antar variabel-
variabel (Siregar, 2013) Koefisien korelasi ini berfungsi untuk mengukur kekuatan
hubungan linier antara dua variabel. (Firdaus, 2009). Data yang berskala interval atau
rasio dapat menggunakan korelasi pearson. Selain itu, signifikansinya tidak hanya
harus memenuhi persyaratan pengukuran tersebut, tetapi harus pula menganggap data
berdistribusi normal.
1. Berskala interval
4. Sampling representative
10
Untuk menentukan range keeratan hubungan analisis korelasi menurut Guilford
(1956) dapat dilihat pada tabel berikut:
Menurut Nuryadi, dkk (2017), Semakin tinggi nilai koefisien korelasi antara dua
buah variabel (semakin mendekati 1), maka tingkat keeratan hubungan antara dua
variabel tersebut semakin tinggi. Sebaliknya, semakin rendah koefisien korelasi antara
dua macam variabel (semakin mendekati 0), maka tingkat keeratan hubungan antara
dua variabel tersebut semakin lemah. Hubungan antara variabel dalam korelasi juga
dapat dikelompokkan menjadi 3 jenis:
a. Korelasi Positif
Terjadinya korelasi positif apabila perubahan antara variabel satu diikuti oleh
variabel lainnya dengan arah yang sama (berbanding lurus). Apabila variabel yang
satu meningkat, maka akan diikuti peningkatan variabel lainnya.
b. Korelasi Negatif
Terjadinya korelasi negatif apabila perubahan antara variabel satu diikuti dengan
variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Apabila
variabel yang satu meningkat, maka akan diikuti penurunan variabel lainnya.
c. Korelasi Nihil
Terjadinya korelasi nihil apabila perubahan antara variabel yang satu diikuti oleh
variabel lainnya dengan arah yang tidak teratur (acak). Apabila variabel satu
meningkat, terkadang diikuti dengan peningkatan pada variabel lain dan terkadang
diikuti dengan penurunan pada variabel lainnya.
11
2.3 Analisis Statistik Deskriptif
Statistika deskriptif bisa dikenal juga sebagai statistik deduktif, artinya statistika
yang tingkat kegunaannya mencakup cara-cara mengumpulkan data, menyusun atau
mengatur data, mengolah data, menyajikan data dan menganalisis data angka. Dalam
hal ini agar bisa memberikan gambaran yang teratur, ringkas dan jelas, mengenai
keadaan, peristiwa atau gejala tertentu sehingga dapat ditarik pengertian atau makna
tertentu.
Statistik deskriptif menjadi bagian cabang yang terpenting dari ruang lingkup
statitsik, karena dapat digunakan secara terus menerus dalam bidang ekonomi, bisnis
ataupun yang lain. Statistik deskriptif merupakan sekumpulan prosedur dasar atau
sebagai metode dalam beberapa hal berikut ini:
1) Mengumpulkan data
2) Mengorganisasikan data
3) Menyajikan data
4) Menganalisis data
5) Menginterpretasikan data
Kelima dasar tersebut menjadi poin dalam hal menganalisis dan menafsirkan, tetapi
tidak terdapat dalam menarik kesimpulan secara umum. Statistik deskriptif
terfokuskan dalam membahas mengenai cara mengumpulkan data, menyederhanakan
angka yang diamati atau diperoleh, dalam hal ini meringkas dan menyajikan. Statistik
juga melakukan pengukuran pemusatan dan penyebaran data, guna memperoleh
gambaran atau informasi yang lebih menarik dan mudah dipahami.
Statistik deskriptif ini memiliki beberapa kegunaan, khususnya dalam penelitian
bidang ilmu sosial, adalah sebagai berikut:
1. Dengan adanya statistik, maka pengumpulan data yang diperoleh akan tersaji
dengan ringkas dan rapi serta dapat memberikan informasi inti dari kumpulan
data yang ada.
2. Dengan adanya statistik, memungkinkan peneliti menyajikan ataupun
menggambarkan datanya dengan teknik grafik maupun teknik numerik.
3. Statistik juga memungkinkan peneliti mengukur dua karakteristik dari setiap
respondennya dan selanjutnya meneliti hubungan di antara kedua karakteristik
(variabel) tersebut.
12
4. Statistik deskriptif memegang peranan penting dalam persiapan analisis data.
Regresi linier adalah metode statistika yang digunakan untuk membentuk model
atau hubungan antara satu atau lebih variabel bebas X dengan sebuah variabel respon
Y. Analisis regresi dengan satu variabel bebas X disebut sebagai regresi linier
sederhana, sedangkan jika terdapat lebih dari satu variabel bebas X, disebut sebagai
regresi linier berganda (Kurniawan, 2008).
Dalam regresi linier sederhana yang akan diduga adalah α dan β. Persamaan linier
untuk pendugaan garis regresi linier ditulis dalam bentuk: yi = a + bxi, dengan :
13
Agar mampu memiliki kesimpulan yang benar tentang parameter α dan β,
pemenuhan asumsi-asumsi model regresi yang harus terpenuhi (Drapper dan Smith,
1992):
Nilai ɛi adalah bebas satu dengan yang lainnya atau korelasi (ɛi ,ɛj) = 0. Untuk
asumsi pertama yang menyatakan independent, artinya ɛi merupakan variabel
acak dengan nilai tengah nol dan ragam σ2 yang tidak diketahui. Jadi, E(ɛi) = 0,
V(ɛi) = σ2. ɛi dan ɛj tidak berkorelasi, i ≠ j , sehingga covv(ɛi ɛj) = 0. Jadi, E(Yi
) = α + βXi , Yi dan Yj , i ≠ j , tidak berkorelasi. ɛi merupakan variabel acak
normal, dengan nilai tengah nol dan ragam σ2 ɛ dengan kata lain ɛi ~ N (0, σ2
ɛ).
Nilai tengah dari Y adalah fungsi linier dari X, yaitu jika dihubungkan titik-titik
dari nilai tengah yang berbeda, maka akan diperoleh garis lurus µ(y/x) = α + β
X. Untuk asumsi kedua yang disebut garis linier, artinya X mempunyai
hubungan linier dengan Y. Nilai tengah Y untuk kombinasi tertentu dari nilai X
adalah fungsi linier dari X, yaitu µY|X . ɛ adalah variabel acak dengan µ = 0
untuk nilai X yang tetap, sehingga µɛ|X = 0 untuk sembarang X, dengan nilai X
yang tetap maka nilai E(Y) = E(βX) = βX. ɛ menggambarkan seberapa jauh
setiap Y menyimpang dari regresi populasinya. Yang dimaksud dengan
kelinieran adalah linier dengan koefisien. Jika hubungan titik-titik dari nilai
tengah µY|X yang berbeda akan diperoleh garis lurus. Asumsi ini diperlukan
agar uji-uji statistik seperti uji F dan uji t menjadi signifikan.
Ragam galat homogen (homoskedastik) yaitu galat memiliki nilai ragam yang
sama antara galat ke-i dan galat ke-j. Secara matematis ditulis Var (ɛi) = σ2; i =
1,2,. . . , n dan n = banyaknya pengamatan. Untuk asumsi ketiga yang
menyatakan varian Y adalah sama untuk setiap kombinasi tetap X; yaitu σ2 Y|X
= var (Y|X) = σ2 untuk semua X. Asumsi ini sering dikenal dengan sebutan
homoscedasticity, dengan homo berarti sama scedastic berarti sebaran. Model
regresi menganggap galat menyebar secara normal disekitar nilai tengah nol,
dan mempunyai ragam yang sama. Banyak metode yang dapat dipergunakan
untuk memeriksa apakah asumsi ini terpenuhi atau tidak, salah satunya adalah
dengan metode Glejser. Kehomogenan diperlukan agar uji-uji statistik seperti
uji F dan uji t menjadi signifikan .
14
Ragam galat menyebar normal dengan rata-rata nol dan suatu ragam tertentu.
Asumsi keempat menyatakan untuk sembarang kombinasi tetap dari variabel
bebas X, variabel tak bebas Y berdistribusi normal atau yang biasa disebut
asumsi kenormalan. Dengan kata lain Y ~ N (µY|X, σ2). E(Y) = E(Xβ) + E(ɛ)
dengan E(ɛ) = 0 sehingga E(Y) = (Xβ). Dan Var (Y) = Var (X + β ) = Var (ɛ) =
σ2. ɛi merupakan variabel acak dengan nilai tengah nol dan ragam σ2, sehingga
ɛ ~ N (0, σ2). Sebaran normal diperlukan agar uji t maupun uji F dapat
dilakukan. Kenormalan bisa dilihat secara eksploratif melalui plot sisaan
sedangkan untuk uji formalnya dapat digunakan uji Kolmogorov-Smirnov.
Median segugus data yang telah diurutkan dari yang terkecil sampai terbesar atau
terbesar sampai terkecil adalah pengamatan yang tepat di tengah-tengah bila
banyaknyapengamatan itu ganjil atau rata-rata kedua pengamatan yang di tengah bila
banyaknya pengamatan genap. Kalau nilai median sama dengan Me, maka 50% dari
data paling tinggi sama dengan Me sedangkan 50% lagi paling rendah sama dengan
Me. Median adalah nilai tengah dari data-data yang terurut. Ada dua cara menentukan
median:
Jika jumlah data adalah ganjil maka median Me setelah data disusun menurut
nilainya, merupakan data paling tengah. Nilai mediannya dapat ditentukan
dengan rumus : Index Median = ((n-1)/2+1) Median = data ke-(Index Median).
Jika jumlah data genap maka median Me setelah data disusun menurut urutan
nilainya merupakan rata-rata hitung dua data tengah. Nilai mediannya dapat
ditentukan dengan rumus : Index Median = n/2 Median= (data ke-(Index
Median) + data ke-( Index Median +1))/2.
15
BAB III
DATA
3.1 Data Penelitian
Data penelitian berasal dari referensi jurnal ilmiah “Analisis Beban dan Status
Pencemaran BOD dan COD di Kali Asin, Semarang”
Hasil Perhitungan beban pencemaran di Kali Asin
3.2 Variabel
1. Laptop atau PC
2. Software Minitab 17
Berdasarkan data dari jurnal analisis beban dan status pencemaran BOD dan
COD di Kali Asin dengan menggunakan data debit dan beban pencemaran yang ada
per harinya.
17
No. Prosedur Kerja Gambar
18
No. Prosedur Kerja Gambar
7. Selanjutnya klik OK
19
No. Prosedur Kerja Gambar
7. Selanjutnya klik OK
20
4.3.3 Analisa Statistik Deskriptif
21
No. Prosedur Kerja Gambar
7. Selanjutnya klik OK
22
No. Prosedur Kerja Gambar
7. Selanjutnya klik OK
23
BAB V
HASIL DAN PEMBAHASAN
24
- Hipotesis :
Hipotesis Awal (H0) = Data terdistribusi normal
Hipotesis Alternatif (H1) = Data tidak terdistribusi normal
- Hasil :
Hipotesis Awal (H0) = Data terdistribusi normal, H0 gagal ditolak
Hipotesis Alternatif (H1) = Data tidak terdistribusi normal
- Daerah Penolakan p – value :
α=5%
p – value > α, maka H0 gagal ditolak
- Daerah Penolakan Berdasarkan Ks Uji :
Ks Hitung : KS (1 – α) Ks ( 1 – 5 %) Ks (1 – 0.05)
Ks Hitung : Ks (0.95)
- Diketahui :
Ks Uji = 0.131
Ks Hitung = 0.95 = 0.430 (didapatkan dari tabel nilai kritis uji
kolmogorov-smirnov)
- Kesimpulan :
Dapat disimpulkan bahwa Ks Uji < Ks Hitung, dengan 0.131 < 0.430.
Maka, H0 gagal ditolak yang artinya data tersebut telah berdistribusi
normal.
25
- Didapatkan hasil uji normalitas sebagai berikut :
Mean = 3426
StDev = 3517
N =9
Ks = 0.185
P-value = > 0.150
- Hipotesis :
Hipotesis Awal (H0) = Data terdistribusi normal
Hipotesis Alternatif (H1) = Data tidak terdistribusi normal
- Hasil :
Hipotesis Awal (H0) = Data terdistribusi normal, H0 gagal ditolak
Hipotesis Alternatif (H1) = Data tidak terdistribusi normal
- Daerah Penolakan p – value :
α=5%
p – value > α, maka H0 gagal ditolak
- Daerah Penolakan Berdasarkan Ks Uji :
Ks Hitung : KS (1 – α) Ks ( 1 – 5 %) Ks (1 – 0.05)
Ks Hitung : Ks (0.95)
- Diketahui :
Ks Uji = 0.185
Ks Hitung = 0.95 = 0.430 (didapatkan dari tabel nilai kritis uji
kolmogorov-smirnov)
- Kesimpulan :
Dapat disimpulkan bahwa Ks Uji < Ks Hitung, dengan 0.185 < 0.430.
Maka, H0 gagal ditolak yang artinya data tersebut telah berdistribusi
normal.
26
5.1.2 Grafik Analisa Korelasi
27
Gambar 6. Graphic Histogram Variable Debit m3/hari
28
Gambar 9. Graphic Boxplot Variable Debit m3/s
29
Gambar 12. Graphic Boxplot Variable COD
Analysis of Variance
Source DF SS MS F P
Regression 1 2193506 2193506 17.39 0.004
Error 7 883015 126145
Total 8 3076522
30
Regression Analysis: BOD versus Debit m3/s
Analysis of Variance
Model Summary
Coefficients
Regression Equation
5.2 Pembahasan
Uji Normalitas digunakan untuk menguji suatu data atau residual data tersebut
telah terdistribusi normal, artinya tidak terjadi penyimpangan data sesuai dengan
teori kolmogorov smirnov. Hal pertama yang harus dilakukan yakni dengan
membuat hipotesis awal, yang mana hipotesis awal harus berlawanan dengan
hipotesis alternatif. Setelah itu, pada saat running akan muncul hasil berupa nilai
31
kolmogorov smirnov dan p-value untuk mengambil kesimpulan apakah data
tersebut sudah terdistribusi normal atau belum. Dari hasil running uji normalitas
data analisis pencemaran Kali Asin pada uji BOD didapatkan p – value data
sebesar > 0.150 dan uji COD didapatkan p – value data sebesar > 0.150.
Berdasarkan hasil dari p-value kedua parameter tersebut yakni BOD da COD
didapat bahwa, data > 0.15 berarti p-value > 5%, maka H0 gagal ditolak, yang
artinya data tersebut telah terdistribusi normal. Selain berdasarkan nilai p-value
terhadap α, daerah penolakan lain yang perlu dipertimbangkan adalah KS uji
terhadap KS hitung. Pada uji BOD dan COD hasil Ks uji yang didapatkan adalah
0.131 (BOD) dan 0.185 (COD), sedangkan KS hitung yang didapatkan adalah
0.95. Dimana nilai tersebut didapatkan dari α=0.05 dan n = 9 (jumlah data) dicari
angka KS hitung yang nilai α=0.05 dan n = 9, maka didapat angka 0.430. Hal
tersebut membuktikan KS uji lebih kecil dari KS hitung, maka H0 gagal ditolak,
artinya data berdistribusi normal. Jadi dapat disimpulkan bahwa data uji BOD da
COD berdistribusi normal karena p-value > 5% dan jika dilihat dari gambar
grafik nya, titik-titik data yang telah di plot mengikuti garis lurus.
32
Pearson correlation menunjukkan = 0,963 yang artinya mendekati 1. Maka
hubungan korelasi antara COD dengan BOD kuat.
P-Value menunjukkan = 0,000 yang artinya kurang dari 5%, maka H0
ditolak, artinya ada korelasi antara COD dengan BOD.
Interpretasi Output
1. Variabel yang dianalisis yaitu debit m3/s, debit m3/hari, BOD, dan COD.
2. N mnunjukkan jumlah pengamatan yang di analisa, yaitu terdapat 9 data
pengamatan untuk masing masing variabel.
3. N* menunjukkan jika dalam suatu variabel ada data yang tidak terisi
atau hilang dan pada praktikum ini tidak ada data yang hilang.
4. Mean menunjukkan rata – rata dan pada praktikum ini didapatkan rata –
rata yaitu 0.784 dari debit m3/s, 67.8 dari debit m3/hari, 990 dari BOD,
dan 3426 dari COD.
5. SE Mean atau standart error mean menunjukkan kesalahan baku dari
data yaitu didapatkan 0.152 dari debit m3/s, 13.2 dari debit m3/hari, 207
dari BOD, dan 839 dari COD.
6. StDev atau standart deviasi menunjukkan penyimpangan baku dari data
yaitu StDev 0.457 dari debit m3/s, 39.5 dari debit m3/hari, 620 dari BOD,
dan 2517 dari COD.
7. Minimum menunjukkan informasi data terendah dan nilai minimum
didapatkan 0.050 dari debit m3/s, 4.3 dari debit m3/hari, 63 dari BOD,
dan 220 dari COD.
8. Kuartil 1 (Q1) menunjukkan presentil data 25 % dan didapatkan 0.305
dari debit m3/s, 26.4 dari debit m3/hari, 426 dari BOD, dan 1283 dari
COD.
33
9. Median menunjukkan apabila seluruh data sejumlah 9 diurutkan dari
yang terkecil sampai terbesar. Maka didapatkan nilai tengah yaitu 0.990
dari debit m3/s, 85.5 dari debit m3/hari, 1027 dari BOD, dan 3097 dari
COD.
10. Kuartil 3 (Q3) menunjukkan persentil data 75% dan didapatkan 1.145
dari debit m3/s, 98.9 dari debit m3/hari, 1372 dari BOD, dan 5394 dari
COD.
11. Maximum menunjukkan informasi data tertinggi dan didapatkan 1.250
dari debit m3/s, 108.0 dari debit m3/hari, 2020 dari BOD, dan 8058 dari
COD
Histogram
Histogram merupakan grafik dari distribusi masing – masing variabel
yang gunanya untuk memudahkan dalam memahami data secara visual.
Apabila data mengikuti pola kurva normal maka data kemungkinan
berdistribusi normal dan begitu pula sebaliknya.
- Debit m3/s
Hasil histogram pada variabel debit m3/s menunjukkan pola terdistribusi
normal. Serta dapat dilihat dari bar histogram yang mengikuti pola kurva
distribusi normal.
- Debit m3/hari
Hasil histogram pada variabel debit m3/s menunjukkan pola terdistribusi
normal. Serta dapat dilihat dari bar histogram yang mengikuti pola kurva
distribusi normal.
- BOD
Hasil histogram pada variabel debit m3/s menunjukkan pola terdistribusi
normal. Serta dapat dilihat dari bar histogram yang mengikuti pola kurva
distribusi normal.
- COD
Hasil histogram pada variabel debit m3/s menunjukkan pola yang naik
turun, yang artinya tidak terdistribusi normal. Serta dapat dilihat dari bar
histogram yang tidak mengikuti pola kurva distribusi normal.
34
Boxplot
Boxplot merupakan pembahasan ringkas yang ditampilkan dengan
bentuk grafis serta menggambarkan bentuk distribusi data, ukuran,
tendensial sentral, dan ukuran penyebaran data pengamatan. Data yang
dapat dibaca yaitu nilai minimum, Q1, nilai median, Q3, dan nilai
maksimum.
- Debit m3/s
Berdasakan dari hasil boxplot yang ditampilkan dari variabel ini
diketahui nilai statisiknya sebagai berikut :
1. Nilai Q1 yang ditunjukkan oleh garis horizontal bawah box
adalah 0.305
2. Nilai median yang ditunjukkan oleh garis horizontal tengah
adalah 0.990
3. Nilai Q3 yang ditunjukkan oleh garis horizontal atas box adalah
1.145
4. Sebaran data tidak simetris dikarenakan walaupun garis median
berada di tengah box, namun panjang garis vertikal bagian bawah
lebih panjang.
- Debit m3/hari
Berdasakan dari hasil boxplot yang ditampilkan dari variabel ini
diketahui nilai statisiknya sebagai berikut :
1. Nilai Q1 yang ditunjukkan oleh garis horizontal bawah box
adalah 26.4
2. Nilai median yang ditunjukkan oleh garis horizontal tengah
adalah 85.5
3. Nilai Q3 yang ditunjukkan oleh garis horizontal atas box adalah
98.9
4. Sebaran data tidak simetris dikarenakan walaupun garis median
berada di tengah box, namun panjang garis vertikal bagian bawah
lebih panjang.
- BOD
Berdasakan dari hasil boxplot yang ditampilkan dari variabel ini
diketahui nilai statisiknya sebagai berikut :
35
1. Nilai Q1 yang ditunjukkan oleh garis horizontal bawah box
adalah 426
2. Nilai median yang ditunjukkan oleh garis horizontal tengah
adalah 1027
3. Nilai Q3 yang ditunjukkan oleh garis horizontal atas box adalah
1372
4. Sebaran data tidak simetris dikarenakan walaupun garis median
berada di tengah box, namun panjang garis vertikal bagian atas
lebih panjang.
- COD
Berdasakan dari hasil boxplot yang ditampilkan dari variabel ini
diketahui nilai statisiknya sebagai berikut :
1. Nilai Q1 yang ditunjukkan oleh garis horizontal bawah box
adalah 1283
2. Nilai median yang ditunjukkan oleh garis horizontal tengah
adalah 3097
3. Nilai Q3 yang ditunjukkan oleh garis horizontal atas box adalah
5394
4. Sebaran data tidak simetris dikarenakan walaupun garis median
berada di tengah box, namun panjang garis vertikal bagian atas
lebih panjang.
Persamaan regresi yang ditampilkan yaitu BOD 91.8 + 1145 Debit m3/s
influent
Kebutuhan Debit m3/s influent terhadap BOD influent sebesar 1145 dengan
nilai koefisien sebesar 91.8. Dari uji T hitung, Debit m3/s influent terhadap
BOD influent menunjukkan 4.17. Untuk nilai R-sq menunjukkan 71.30%
dan untuk nilai ANOVA (analysis of variance) menunjukkan F hitung
sebesar 17.39
Hipotesis 1 (H1)
T tabel = t (α / 2 ; n – k – 1)
T tabel = t (0.025 ; 9 – 1 – 1)
36
T tabel = t (0.025 ; 7)
T tabel = 2.365
Dapat disimpulkan :
Debit m3/s (x) terhadap hasil BOD (y) t hitung (4.17) > t tabel (2.365)
maka terdapat pengaruh variabel debit m3/s terhadap hasil BOD.
Hipotesis 2 (H2)
F tabel = F ( k ; n – k )
F tabel = F ( k ; n – k )
F tabel = ( 1 ; 9 – 1 )
F tabel = ( 1 ; 9 )
F tabel = 5.12
Dapat disimpulkan :
F hitung (17.39) > F tabel (5.12) maka terdapat pengaruh variabel debit
m3/s terhadap hasil BOD.
37
BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Dapat disimpulkan dari analisa uji normalitas data status pencemaran BOD dan
COD di Kali Asin dengan menggunakan metode Kolmogorov-Smirnovdi :
- Didapatkan nilai α sebesar 5% atau 0.05 dan banyak data (n) sebanyak 9.
- Didapatkan hipotesis :
Hipotesis Awal (H0) = Data terdistribusi normal.
Hipotesis Alternatif (H1) = Data tidak terdistribusi normal.
- Didapatkan hasil :
Hipotesis Awal (H0) = Data terdistribusi normal, H0 gagal ditolak.
Hipotesis Alternatif (H1) = Data tidak terdistribusi normal.
- Didapatkan p-value, data > 0.15 berarti p-value > 5%, maka H0 gagal
ditolak, artinya data tersebut telah terdistribusi normal.
- Nilai KS hitung dengan jumlah data (n) 10 dan nilai α = 5% atau 0.05
adalah 0.430 atau KS uji< KS hitung. Maka dari itu, H0 gagal ditolak yang
artinya data dari parameter ini berdistribusi normal.
Jadi, Berdasarkan hasil analisa p-value dan KS uji dapat disimpulkan bahwa data
terdistribusi normal.
Dapat disimpulkan dari analisa korelasi data status pencemaran di Kali Asin :
- Hubungan korelasi antara BOD dan debit kuat karena hasil mendekati 1, dan
P-Value menunjukkan = 0,004 yang artinya kurang dari 5%, maka H0 ditolak,
artinya ada korelasi antara BOD dengan debit.
- Hubungan korelasi antara COD dan debit kuat karena hasil mendekati 1 dan
P-Value menunjukkan = 0,022 yang artinya lebih dari 5%, maka H0 gagal
ditolak, artinya tidak ada korelasi antara pH dengan temperature
38
- Hubungan antara COD dan BOD kuat karena hasil mendekati 1 dab P-Value
menunjukkan = 0,000 yang artinya kurang dari 5%, maka H0 ditolak, artinya
ada korelasi antara COD dengan BOD.
- Debit m3/s :
Hasil histogram pada variabel debit m3/s menunjukkan pola terdistribusi
normal. Serta dapat dilihat dari bar histogram yang mengikuti pola kurva
distribusi normal.
Sebaran data tidak simetris dikarenakan walaupun garis median berada di
tengah box, namun panjang garis vertikal bagian bawah lebih panjang.
- Debit m3/hari :
Hasil histogram pada variabel debit m3/s menunjukkan pola
terdistribusi normal. Serta dapat dilihat dari bar histogram yang
mengikuti pola kurva distribusi normal.
Sebaran data tidak simetris dikarenakan walaupun garis median berada
di tengah box, namun panjang garis vertikal bagian bawah lebih
panjang.
- BOD
Hasil histogram pada variabel debit m3/s menunjukkan pola
terdistribusi normal. Serta dapat dilihat dari bar histogram yang
mengikuti pola kurva distribusi normal.
- COD
Hasil histogram pada variabel debit m3/s menunjukkan pola yang naik
turun, yang artinya tidak terdistribusi normal. Serta dapat dilihat dari
bar histogram yang tidak mengikuti pola kurva distribusi normal.
Sebaran data tidak simetris dikarenakan walaupun garis median berada
di tengah box, namun panjang garis vertikal bagian atas lebih panjang.
39
6.1.4 Analisa Regresi Linear
Dapat disimpulkan analisa dari regresi linear hubungan antara Debit m3/s dan
BOD :
Kebutuhan Debit m3/s influent terhadap BOD influent sebesar 1145 dengan
nilai koefisien sebesar 91.8. Dari uji T hitung, Debit m3/s influent terhadap
BOD influent menunjukkan 4.17. Untuk nilai R-sq menunjukkan 71.30%
dan untuk nilai ANOVA (analysis of variance) menunjukkan F hitung
sebesar 17.39
Hasil hipotesis pertama didapatkan debit m3/s (x) terhadap hasil BOD (y) t
hitung (4.17) > t tabel (2.365) maka terdapat pengaruh variabel debit m3/s
terhadap hasil BOD.
Hasil hipotesis kedua didapatkan F hitung (17.39) > F tabel (5.12) maka
terdapat pengaruh variabel debit m3/s terhadap hasil BOD.
6.2 Saran
Praktikan sebaiknya lebih teliti dalam memasukkan data karena akan sangat
berpengaruh terhadap hasil analisa.
40
DAFTAR PUSTAKA
Ghozali, I. (2016) Aplikasi Analisis Multivariete Dengan Program IBM SPSS 23. Edisi 8.
Semarang: Badan Penerbit Universitas Diponegoro.
Konsultan Analisis Data. (2021). Mengenal Tentang Uji Kolmogorov Smirnov Dua
Sampel secara Lebih Dalam. gamastatistika.com. Diakses pada 5 November 2021
https://gamastatistika.com/2021/01/11/mengenal-tentang-uji-kolmogorov-smirnov-
dua-sampel-secara-lebih-dalam/
AriRiz. Materi Ajar Dosen Stats. Fakultas Ekonomi Universitas Islam Negeri Malang.
fe.unisma.ac,id. Diakses pada 5 November 2021.
http://fe.unisma.ac.id/MATERI%20AJAR%20DOSEN/STATS/AriRiz/MA%20Ko
lmogorov%20Smirnov.pdf
Handinata Luppy, Muntalif Barti Setiani. (2017). Bioassesment Kualitas Air Sungai
Cikaro Kabupaten bandung Menggunakan Status Ekologi. Jurnal Teknik
Lingkungan, (23)2 : 23 - 32.
Kurnianti, L. Y. (2020). Analisis Beban Dan Status Pencemaran Bod Dan Cod Di Kali
Asin, Semarang. JFMR-Journal of Fisheries and Marine Research, 4(3), 379–388.
https://doi.org/10.21776/ub.jfmr.2020.004.03.10
Sekaran, Uma dan Bougie, R., 2010, Research Methods for Business: A SkillBuilding
Approach, John Wiley and sons, inc. : London
Siregar, Syofian. (2013). Statistik Parametrik untuk Penelitian Kualitatif. Jakarta: Bumi
Aksara.
Dhea, R., Nur, L., & Si, M. (2017). Praktikum statistika elementer uji korelasi.
41
Iii, B A B Teori, Landasan. 2012. 05.3%20Bab%203[1]
Dhea, R., Nur, L., & Si, M. (n.d.). Laporan praktikum statistika elementer analisis regresi
linier sederhana.
I Made Yuliara. (2016). Regresi Linier Sederhana. Jurusan Fisika, Fakultas Matematika
Dan Ilmu Pengetahuan Alam Universitas Udayana.
Draper, N.R. and Smith, H. 1992. Applied Regression Analysis,Second Edition. John
Wiley and sons, Inc. New York.
Ui, Fmipa. “Sering Dijumpai Data Yang Variansinya Lebih Besar Atau Lebih Kecil Dari
Mean. Keadaan Ini Lebih Dikenal Dengan.” : 1–3.
Utara, Universitas Sumatera. 2008. “Dengan Satu Atau Lebih Variabel Bebas.”
41