BAB I

STUDI KASUS

1.1 Studi Kasus Uji Regresi dan Korelasi

Berikut ini adalah pengamatan pertumbuhan tanaman jagung selama kurun
waktu 1 minggu. Dimana variabel bebas nya ialah Tingkat Pemberian Pupuk NPK
(X1), Tingkat Pemberian Air (X2) dan Variabel terikat ialah Tingkat Pertumbuhan
Tanaman (Y). Hitunglah Nilai Regresi dan Korelasi dengan menggunakan data di
bawah ini :
Tabel 1.1 Data pengamatan pertumbuhan tanaman jagung
Tingkat Tingkat
Tingkat Pemberian
Pemberian Air Pertumbuhan
No. Pupuk NPK (Kg)
(Liter) Tanaman (Cm)
(X1)
(X2) (Y)
1 90 130 85
2 85 110 75
3 95 120 80
4 65 110 65
5 65 100 60
6 80 125 70
7 85 115 75
8 75 130 70
9 65 120 65
10 65 110 65
11 60 110 60
12 70 120 70
13 60 120 70
14 65 110 60
15 75 120 65
 BAB II
PENGOLAHAN DATA

2.1 Pengolahan Data Secara Manual

Berikut ini adalah pengolahan data secara manual dari uji regresi
dan korelasi :
2.1.1 Regresi
Berikut ini adalah perhitungan manual dari uji regresi :
A. Input
Berikut ini adalah input data secara manual dari uji regresi :
Tabel 2.1 Perhitungan Manual Regresi

No. X1 X2 Y X12 X22 Y2 X1 Y X2 Y X1 X2

1 90 130 85 8100 16900 7225 7650 11050 11700

2 85 110 75 7225 12100 5625 6375 8250 9350
3 95 120 80 9025 14400 6400 7600 9600 11400
4 65 110 65 4225 12100 4225 4225 7150 7150
5 65 100 60 4225 10000 3600 3900 6000 6500
6 80 125 70 6400 15625 4900 5600 8750 10000
7 85 115 75 7225 13225 5625 6375 8625 9775
8 75 130 70 5625 16900 4900 5250 9100 9750
9 65 120 65 4225 14400 4225 4225 7800 7800
10 65 110 65 4225 12100 4225 4225 7150 7150
11 60 110 60 3600 12100 3600 3600 6600 6600
12 70 120 70 4900 14400 4900 4900 8400 8400
13 60 120 70 3600 14400 4900 4200 8400 7200
14 65 110 60 4225 12100 3600 3900 6600 7150
15 75 120 65 5625 14400 4225 4875 7800 9000
20515 12127
∑ 1100 1750 1035 82450 0 72175 76900 5 128925
1. Regresi
Berikut adalah perhitungan manual studi kasus uji Regresi menggunakan
rumus:
∑Y = 1035 ∑X2Y = 121275
∑X1 = 1100 ∑X1X2 = 128925
∑X 2 = 1750 ∑X1² = 82425
∑X1Y = 76900 ∑X = 205150

∑Y = an + b1 ∑X1 + b2 ∑X2
∑X1Y = a∑X1 + b1∑x1 + b1∑X1Y2
∑X1Y = a∑X2 + b1∑X1Y2 +B2∑X2₁₂
Bila harga – harga dari data diatas diharuskan dalam persamaan tersebut
maka :
1035 : 15a + 1100 + 1750b2 ……… (1)
76900 : 1100a + 82425 + 128925b2 ……… (2)
121275 : 1750a + 128925b1 + 205150b2 ……… (3)
Persamaan (1) dikalikan persamaan (2) dikalikan (3) hasilnya menjadi :
227700=3300 a+242000 b 1+ 385000 b2
230700=3300 a+247275 b 1+ 386775 b2
−¿
−3000=−5275 b 1−1775b 2 … … … … … .(4)
Persamaan (1) dikalikan 550 , persamaan (3) dilakukan 3 hasilnya menjadi :
¿ 362.250=5250 a+385.000 b 1+ 612.500 b 2
363.825=5250 a+386.775 b 1+615.450 b 2
−¿
−1575=−1775 b 1−2950b 2 … … … … … .(5)
Persamaan (4) dikalikan 118, persamaan (5) dikalikan 71 hasilnya menjadi :
¿ 354.000=−622450 b 1−209450 b 2
111.825=−126.025 b 1−209450 b 2
−¿
−242.175=−496.425 b1
B1 = 2,05
Harga b2 dimasukkan dalam salah satu persamaan (4) atau (5). Dalam hal ini
dimasukkan dalam persamaan (5)
Maka :
-157 5 = -1775 (2,05) -2950b2
-1575 = - 3638,75 – 2950b2
B2 = - 0,70
Harga b1 dan b2 dimasukkan dalam persamaan (1) maka :
1035 = 15a + 1100(2,05) + 1750(- 0,70)
1035 = 15a + 2255 – 1225
15a = -5
a = -3
Jadi :
a = -3
b1 = 2,05
b2 = - 0.70
Output
Jadi persamaanuntuk regresi garda linier untuk dua predictor adalah :
Y = - 3 + 2,05X1 – 0,70 X2
2.1.2 Korelasi
Berikut ini adalah perhitungan secara manual dari uji korelasi :
A. Input
Berikut ini adalah input data secara manual dari uji korelasi :
Tabel 2.2 Perhitungan Manual Korelasi

No. X1 X2 Y X12 X22 Y2 X1 Y X2 Y X1 X2

1 90 130 85 8100 16900 7225 7650 11050 11700

2 85 110 75 7225 12100 5625 6375 8250 9350
3 95 120 80 9025 14400 6400 7600 9600 11400
4 65 110 65 4225 12100 4225 4225 7150 7150
5 65 100 60 4225 10000 3600 3900 6000 6500
6 80 125 70 6400 15625 4900 5600 8750 10000
7 85 115 75 7225 13225 5625 6375 8625 9775
8 75 130 70 5625 16900 4900 5250 9100 9750
9 65 120 65 4225 14400 4225 4225 7800 7800
 10 65 110 65 4225 12100 4225 4225 7150 7150
11 60 110 60 3600 12100 3600 3600 6600 6600
12 70 120 70 4900 14400 4900 4900 8400 8400
13 60 120 70 3600 14400 4900 4200 8400 7200
14 65 110 60 4225 12100 3600 3900 6600 7150
15 75 120 65 5625 14400 4225 4875 7800 9000
20515 12127
∑ 1100 1750 1035 82450 0 72175 76900 5 128925

1. Kolerasi
Berikut ini adalah perhitungan secara manual dari uji korelasi
menggunakan rumus:

n ∑ x 1 . y −( ∑ y ) ( ∑ x1 )
r y 1=
2
√((n∑ y ¿−(∑ y) ). ( n ∑ x ) (∑ x ) ¿)
2 2 2
1 1

15 . 76900−(1035)(1100)
¿
2
√( (15.72175−( 1035 ) ) . (15 .82450 ) ( 1100) )
2

1153500−1925000
¿
√¿ ¿ ¿
−771500
¿
√( 11400−( 26750 ))
−771500
¿
√304950000
−771500
=
17462,82
r y 1=−44,72

n ∑ x 2 . y−( ∑ y ) ( ∑ x 2 )
r y 2=
√¿ ¿ ¿
15. 121275− (1035 )( 1750 )
¿
√¿ ¿ ¿
 1819125−1811250
¿
√¿ ¿ ¿
7875
¿
√( 11400.26750 )
7875
¿
17462,818
r y 2=0,45

n ∑ x 1 . x 2−( ∑ x 1 )( ∑ x 2 )
r 12=
√¿¿¿
15.128925−( 1100 )( 1750 )
¿
√¿ ¿ ¿
1933875−1925000
¿
√ ¿ ¿¿
8875
¿
√(11400.12750)
8875
¿
√168150000
8875
¿
12967,27
¿ 0,68

2 2
RY 12= √ rY 1 + rY 2 −2 rY 1rY 2 r 12
1−r 122

√ (−44,72)2+(0,45)2−(2 x (−44,72) x 0,45 x 0,68)

¿
1−(0,68)2
2000+ 0−(−27,36)
¿√
1−0,4624

¿ √ 2027
0,5376
45
¿
0,5376
RY 12=83,75
B. Output
Berikut adalah output dari perhitungan manual uji korelasi:
Interval Koefisien Tingkat Hubungan
0,00 - 0,1999 Sangat Rendah
0,20 - 0,3999 Rendah
0,40 - 0,5999 Cukup
0,60 - 0,7999 Kuat
0,80 - 1,0000 Sangat Kuat
Dengan nilai RY12 = 83,75artinya hubungan antara Variabel Bebas Tingkat
Pemberian Pupuk NPK (X1), Tingkat Pemberian Air (X2) dan Variabel terikat
ialah Tingkat Pertumbuhan Tanaman (Y) adalah
2.1 Pengolahan Data Menggunakan Software SPSS
Berikut ini adalah pengolahan data menggunakan Software SPSS dari uji
regresi dan korelasi :
a. Buka aplikasi SPSS dengan mengklik icon,kemudian akan muncul tampilan
seperti berikut.

Gambar 2.1 Data editor pada aplikasi SPPS

b. Klik Variable view, Pada Variable View, masukkan variable-variabel yang
dibutuhkan yaitu biaya produksi,jumlah produk,keuntungan penjualan.

Gambar 2.2 Input Variable pada Variable View

c. Kemudian pada Data View, masukkan data-data sesuai variabelnya.

Gambar 2.3 Input data pada data View

B. Pengolahan Data
Langkah pengolahan data dalam metode regresi adalah sebagai berikut:
a. Dari menu utama SPSS dari Data View, pilih menu Analyze-Regression-
Linear

Gambar 2.4 Pilih menu Anlyze-Regression-Linear

b. Masukkan variable Tingkat_Pertumbuhan_Tanaman pada kolom
Dependent. Pada kolom Independents, masukkan variable
Tingkat_Pemberian_Pupuk, Tingkat_Pemberian_Pupuk. Pada Method, pilih

Enter.
Gambar 2.5 Pengisian kotak Linear Regression
c. Klik tombol Statistics. Aktifkan pilihan Estimates abaikan pilihan yang lain
pada Regression Coefficient. Lalu aktifkan pilihan Model Fit dan
Descriptives. Klik Continue.

Gambar 2.6 Pengisian kotak Linear Regression :Statistics

d. Klik tombol Plots. Aktifkan Histogram pada Standardized Residual Plots.
Klik Continue. Lalu klik Ok.

Gambar 2.7 Pengisian kotak Linear Regression : Plots

C. Output
Adapun output data regresi dari Software SPSS adalah sebagai berikut :
Descriptive Statistics

Mean Std. Deviation N

Tingkat_Pertumbuhan_Tanama
69.00 7.368 15
n
Tingkat_Pemberian_Pupuk 73.33 11.286 15
Tingkat_Pemberian_Air 116.67 8.381 15

Correlations

Tingkat_Pertumbuhan_T Tingkat_Pemberian_ Tingkat_Pemberia

anaman Pupuk n_Air

Pearson Tingkat_Pertumbuhan_T
1.000 .859 .607
Correlati anaman
on Tingkat_Pemberian_Pup
.859 1.000 .447
uk

Tingkat_Pemberian_Air .607 .447 1.000

Sig. (1- Tingkat_Pertumbuhan_T
. .000 .008
tailed) anaman
Tingkat_Pemberian_Pup
.000 . .047
uk
Tingkat_Pemberian_Air .008 .047 .
N Tingkat_Pertumbuhan_T
15 15 15
anaman

Tingkat_Pemberian_Pup
15 15 15
uk

Tingkat_Pemberian_Air 15 15 15

Variables Entered/Removeda

Variables
Model Variables Entered Removed Method

1 Tingkat_Pemberia
n_Air,
. Enter
Tingkat_Pemberia
n_Pupukb

a. Dependent Variable: Tingkat_Pertumbuhan_Tanaman

b. All requested variables entered.
 Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate
a
1 .895 .800 .767 3.557

a. Predictors: (Constant), Tingkat_Pemberian_Air, Tingkat_Pemberian_Pupuk

b. Dependent Variable: Tingkat_Pertumbuhan_Tanaman

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 608.186 2 304.093 24.037 .000b

Residual 151.814 12 12.651

Total 760.000 14

a. Dependent Variable: Tingkat_Pertumbuhan_Tanaman

b. Predictors: (Constant), Tingkat_Pemberian_Air, Tingkat_Pemberian_Pupuk

Coefficientsa

Unstandardized Coefficients Standardized Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 5.209 13.268 .393 .702

Tingkat_Pemberian_Pupuk .479 .094 .734 5.091 .000

Tingkat_Pemberian_Air .246 .127 .279 1.936 .077

a. Dependent Variable: Tingkat_Pertumbuhan_Tanaman

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 60.91 80.26 69.00 6.591 15

Residual -5.617 6.572 .000 3.293 15
Std. Predicted Value -1.227 1.709 .000 1.000 15
Std. Residual -1.579 1.848 .000 .926 15

a. Dependent Variable: Tingkat_Pertumbuhan_Tanaman

 Gambar 2.8 Histogram Regresi

2.1.2 Korelasi
A. Pemasukan Data
Berikut adalah pemasukan data dalam metode korelasi
a. Buka aplikasi SPSS dengan mengklik icon,kemudian akan muncul tampilan
seperti berikut.

Gambar 2.9 Data editor pada aplikasi SPPS

B. Pengolahan Data
a. Dari menu utama SPSS pilih Analyze-Correlation-Bivariate
 Gambar 2.10 Pilih meni utama SPSS pilih Analyze-Correlation-Bivariate
b. Masukkan tingkat penambahan pupuk, tingkat penambahan air, dan tingkat
pertumbuhan tanaman ke dalam kolom Variables. Cek Pearson pada
Correlation Coefficients. Pada Test of Significance pilih Two-tailed untuk
uji dua sisi. Aktifkan pilihan Flag significant correlations klik Ok

Gambar 2.11 Pengisian kotak Bivariate Correlations

c. Klik tombol Options. Abaikan pilihan Statistics. Aktifkan pilihan Exclude
case pairwise. Klik Continue. Lalu klik Ok pada kotak Bivariate
Correlations.

Gambar 2.12 Pengisian Kotak Bivariate Correlations: Options

C. Output
 Gambar 2.13 Output Korelasi
2.3 Pengolahan Data Menggunakan Software Minitab
Berikut ini adalah pengolahan data pada uji Regresi dan Korelasi
menggunakan Software Minitab :
2.3.1 Regresi
Pengumpulan data dengan metode regresi adalah sebagai berikut:
A. Pemasukan Data
a. Buka aplikasi Minitab dengan klik icon, kemudian akan muncul tampilan
seperti berikut.

Gambar 2.14 Data editor pada aplikasi Minitab

b. Masukkan variable-variabel yang dibutuhkan, yaitu biaya promosi, jumlah
produk, dan keuntungan penjualan besarta datanya.

Gambar 2.14 Input Variable pada Minitab

B. Pengolahan Data
Langkah pengolahan data dalam metode regresi adalah sebagai berikut:
a. Dari menu utama Minitab, pilih menu start,regression,lalu regression

Gambar 2.15 Menu start, Regression-Regression

b. Masukkan Tingkat Pertumbuhan Tanaman ke dalam kotak Response lalu Tingkat

Pemberian pupuk dan Tingkat Pemberian Airke dalam kolom predictor lalu klik

Ok
Gambar 2.16 Pengisian kotak Response dan predictors

C. Output
Adapun Output dari program Minitab dengan uji Regresi adalah sebagai
berikut
 Gambar 2.17 Output Regresi

2.3.2 Korelasi
A. Pemasukan Data
Berikut adalah pemasukan data dalam metode kolerasi:
a. Buka aplikasi kolerasi dengan mengklik icon kemudian akan muncul
tampilan seperti berikut.

Gambar 2.18 Data editor pada aplikasi minitab

B. Pengolahan Data
Pengolahan data dalam metode korelasi adalah sebagai berikut:
a. Pilih menuh stat lalu basic stistics-correlaton

Gambar 2.19 Menu stat,basic stistics-correlaton

b. Masukkan tingkat penambahan pupuk, tingkat penambahan air, dan tingkat
pertumbuhan tanaman ke dalam kolom Variables lalu klik Ok

Gambar 2.20 Pengisian ke kolom Variables

C. Output
Berikut ini adalah output data pada uji korelasi dengan menggunakan
Software Minitab

Gambar 2.2i Output Korelasi

 BAB III
ANALISA

3.1 Analisa Perhitungan Secara Manual

Berikut ini adalah analisa perhitungan secara manual dari uji regresi dan uji
korelasi :
3.1.1 Regresi
Berikut ini adalah analisa perhitungan secara manual dari uji regresi :
Nilai b1 : Dari perhitungan antara X1, X2 dan Y didapatkan hasil b1 yaitu –
50394
Nilai ∑x12 : Dari perhitungan antara X1 didapatkan hasil ∑x12 yaitu 82425
Nilai ∑x22 : Dari perhitungan antara X2 didapatkan hasil ∑x22 yaitu
205150
Nilai ∑x1. x2 : Dari perhitungan antara X1 dan X2 didapatkan hasil ∑x1. x2
yaitu 128925
Nilai ∑x1y : Dari perhitungan antara X1 dan Y didapatkan hasil ∑x1y yaitu
76900
Nilai ∑x2y : Dari perhitungan antara X2 dan Y didapa tkan hasil ∑x2y
yaitu 121275
Nilai ∑y2 : Dari perhitungan Y didapatkan hasil ∑y2 yaitu
Nilai b2 : Dari perhitungan antara X1 ,X2 dan Y didapatkan hasil b2
yaitu -0,70
Nilai a : Dari perhitungan antara Y, b1, X1, b2, dan X2 didapatkan a
yaitu -3
Nilai Y : Dari perhitungan intersep dan slop dari X1 dan X2
didapatkan hasil Y 5,173 + 0,479 X1 + 0,246 X2
Jadi, persamaan Regresi ganda linier untuk dua predikator adalah Y = -3 +
2,05X1 - 0,70X2
Dari persamaan ini berarti tingkat pertumbuhan tanaman jagung selama
kurang waktu 1 minggu bila pemberian pupuk Npk ditingkatkan, tetapi koefisien
regresi untuk pemberian pupuk Npk lebih besar daripada pemberian air. Jadi bila
pemberian pupuk ditingkatkan sehingga sampai mendapat nilai 10 dan juga
tingkat pemberian air sampai mendapat nilai 10, maka pertumbuhan tanamannya
adalah
Y = -3 + 2,05(10) – 0,70(10)
= -3 + 20,5 – 7
= 10,5
Diperkirakan tingkat pertumbuhan tanaman = 10,5
3.1.2 Korelasi
Berikut ini adalah analisa perhitungan secara manual dari uji regresi :
Nilai ry1: Dari perhitungan antara X1 dan Y didapatkan hasil ry1 yaitu
-44,72
Nilai ry2: Dari perhitungan antara X2 dan Y didapatkan hasil ry2 yaitu 0,45
Nilai r12: Dari perhitungan antara X1 dan X2 didapatkan hasil r12 yaitu 0,68
Nilai RY12 : Dari perhitungan ry1 dan ry2 didapatkan hasil RY12 yaitu
83,75
Kesimpulan :
Interval Koefisien Tingkat Hubungan
0,00 - 0,1999 Sangat Rendah
0,20 - 0,3999 Rendah
0,40 - 0,5999 Cukup
0,60 - 0,7999 Kuat
0,80 - 1,0000 Sangat Kuat
Dengan nilai RY12 = 83,75artinya hubungan antara Variabel Bebas Tingkat
Pemberian Pupuk (X1), Tingkat Pemberian Air (X 2) danTingkat Pertumbuhan
Tanaman (Y) adalah

3.2 Analisa Perhitungan Regresi

Berikut adalah analisa perhitungan uji regresi menggunakan SPSS dan
Minitab :
3.2.1 Software SPSS
Berikut ini adalah analisa perhitungan uji regresi menggunakan SPSS :
1. Model Summary
 Tingkat Pemberian Pupuk, Tingkat Pemberian Air dan iTingkat
Pertumbuhan Tanaman sebesar ( R ) 0,895. Angka R sebesar 0,895
menunjukkan korelasi antara keuntungan dengan ke 3 variabel
independennya adalah tidak terlalu kuat.
a. terdapat nilai koefisien determinasi R-Square = 0,800 (0,8%), artinya
pengaruh variabel independen terhadap perubahan variabel dependen 0,8%.
b. Standard Error of the Estimate adalah suatu ukuran banyaknya kesalahan
model regresi dalam memprediksikan nilai Y. Dari hasil regresi di dapat
nilai
3,557. Hal ini berarti banyaknya kesalahan dalam prediksi harga saham
sebesar. Sebagai pedoman jika Standard error of the estimate kurang dari
standar deviasi 3,557, maka makin kecil Standard error of the estimate akan
membuat model regresi semakin tepat dalam memprediksi variable
dependent.
c. 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. Adjusted R
Square = 0,767 (0,767%), artinya pengaruh variabel independen terhadap
Ajusted R square adalah 0,767%
2. Anova
Dari uji Anova atau F test, didapat F hitung adalah sebesar 24,037 dengan
tingkat signifikansi 0,000. Karena probabilitas 24,037 jauh lebih besar dari 0,05,
maka model regresi tidak dapat digunakan untuk memprediksi angka Tingkat
Pemberian Pupuk NPK, Tingkat Pemberian Air dan Tingkat Pertumbuhan
Tanaman
3. Koefisien Regresi
Pada bagian ini ditampilkan nilai koefisien regresi. Persamaan regresinya
adalah : Tingkat Pertumbuhan Tanaman = 5,173 + 0,479 Tingkat Pemberian
Pupuk + 0,246 Tingkat Pemberian Air
a. Konstanta sebesar 5,209 menyatakan bahwa jika tidak ada Tingkat
 Pemberian Pupuk, Tingkat Pemberian Air maka Pertumbuhan Tanaman
adalah 5,209
b. Koefisien regresi 0,734 menyatakan bahwa setiap penambahan (karena
tanda +) pada Tingkat Pemberian Pupuk, akan Tingkat Pertumbuhan
Tanaman sebanyak 601
c. Koefisien regresi 0,246 menyatakan bahwa setiap penambahan (karena
tanda
+) pada Tingkat Pemberian Air, menambah Tingkat Pertumbuhan Tanaman
sebesar 0,246
d. Koefisien regresi 0,479 menyatakan bahwa setiap penambahan (karena
tanda
+) pada Tingkat Pemberian Pupuk, akan menambah Tingkat Pertumbuhan
Tanaman sebesar 0,479
4. Hipotesis dan Keputusan
Hipotesis :
H0 = koefisien regresi tidak signifikan
H1 = koefisien regresi signifikan
Pengambilan keputusan berdasarkan probabilitas:
H1 diterima jika probabilitas > 0,05
H0 ditolak jika probabilitas < 0,05 Keputusan:
Pada kolom Sig/Significance semua variable memiliki angka signifikansi
diatas 0,05, maka H0 diterima. Jadi sebenarnya variable biaya,produksi dan
keuntungan tersebut tidak berpengaruh.
3.2.2 Software Minitab
Berikut ini adalah analisa perhitungan uji regresi menggunakan software
Minitab :
Tingkat Pemberian Pupuk, Tingkat Pemberian Air dan Variabel terikat ialah
Tingkat Pertumbuhan Tanaman. Pada software minitab bagian ini ditampilkan
nilai koefisien regresi. Dengan persamaan regresinya adalah : Tingkat
Pertumbuhan Tanaman = 5,173 + 0,479 Tingkat Pemberian Pupuk + 0,246
Tingkat Pemberian Air. Sedangakan nilai nilai koefisien determinasi R-Square S
= 3,55685-Sq = 80% R-Sq(adj) = 76,7%. Standard Error of Estimate (SEE)
adalah 26. Makin kecil SEE akan membuat model regresi semakin tepat dalam
memprediksi variable dependent.

3.3 Analisa Perhitungan Korelasi

Berikut ini adalah analisa perhitungan uji korelasi menggunakan software
SPSS dan Minitab:
3.3.1 Software SPSS
Berikut ini adalah analisa perhitungan uji korelasi menggunakan software
SPSS :
1. Arti Angka Korelasi
Ada dua hal dalam penafsiran korelasi, yaitu tanda (+) atau (–) yang
berhubungan dengan arah korelasi, serta kuat tidaknya korelasi.
2. Korelasi
Berdasarkan Nilai Signifikansi : dari output pada pengolahan data diketahui
antara Tingkat Pemberian Pupuk dengan Tingkat Pemberian Air 0,895 >
0,000 yang berarti tidak terdapat terdapat korelasi yang signifikan.
Selanjutnya, antara Tingkat Pemberian Pupuk dengan Tingkat Pertumbuhan
Tanaman 0,447 > 0,095 yang berarti tidak terdapat korelasi yang signifikan.
Terakhir, antara Tingkat Pemberian Air dengan dengan Tingkat
Pertumbuhan Tanaman 0,607 > 0,016 yang berarti terdapat korelasi yang
signifikan. Signifikansi Hasil Korelasi Hipotesis :
Ho = Tidak ada hubungan ( korelasi ) antara dua variabel.
H1 = Ada hubungan ( korelasi ) antara dua variabel.
Dasar pengambilan keputusan (berdasakan probabiltas) :
a. Jika probabilitas > 0,01 maka Ho diterima.
b. Jika probabilitas < 0,01 maka Ho ditolak.
3.3.2 Software Minitab
Berikut ini adalah analisa perhitungan uji korelasi menggunakan software
Minitab :
1. Korelasi
Berdasarkan Nilai Signifikansi : dari output pada pengolahan data diketahui
antara Tingkat Pemberian Pupuk dengan Tingkat Pemberian Air 0,895 >
0,000 yang berarti tidak terdapat terdapat korelasi yang signifikan.
Selanjutnya, antara Tingkat Pemberian Pupuk dengan Tingkat Pertumbuhan
Tanaman 0,447 > 0,095 yang berarti tidak terdapat korelasi yang signifikan.
Terakhir, antara Tingkat Pemberian Air dengan dengan Tingkat
Pertumbuhan Tanaman 0,607 > 0,016 yang berarti terdapat korelasi yang
signifikan. Signifikansi Hasil Korelasi Hipotesis :
2. Signifikansi Hasil Korelasi
H0 = Tidak ada hubungan ( korelasi ) antara dua variabel.
H1 = Ada hubungan ( korelasi ) antara dua variabel.
Dasar pengambilan keputusan (berdasakan probabiltas) :
a. Jika probabilitas > 0,05 maka H0 diterima.
b. Jika probabilitas < 0,05 maka H1 ditolak.
Keputusan :
Karena semua angka probabilitas adalah > 0,05, maka semua variabel secara
nyata tidak berkorelasi.
 BAB IV
KESIMPULAN DAN SARAN

4.1 Kesimpulan
Adapun kesimpulan yang diperoleh setelah melakukan praktikum statistik
yaitu :
a. Karakteristik regresi adalah adanya hubungan sebab akibat antara variabel-
variabel sehingga mempengaruhi variabel dependen tertentu yang
ditunjukkan oleh model regresi. Berdasarkan hasil pengolahan data dengan
metode regresi yang menggunakan software SPSS sehingga diperoleh hasil
persamaan regresinya adalah : Tingkat Pertumbuhan Tanaman = 5,173 +
0,479 Tingkat Pemberian Pupuk + 0,246 Tingkat Pemberian Air. Sedangkan
pengolahan data dengan metode regresi yang menggunakan software
minitab maka hasil regresinya adalah : Tingkat Pertumbuhan Tanaman =
5,173 + 0,479 Tingkat Pemberian Pupuk + 0,246 Tingkat Pemberian Air.
b. Karakteristik korelasi adalah menganalisa apakah hubungan yang terjadi
antara variabel-variabel tersebut kuat atau tidak. Berdasarkan hasil
pengolahan data yang menggunakan metode korelasi dengan software SPSS
dapat diperoleh hasil korelasinnya dengan nilai signifikansi : dari output
pada pengolahan data diketahui antara Tingkat Pemberian Pupuk dengan
Tingkat Pemberian Air 0,895 > 0,000 yang berarti tidak terdapat terdapat
korelasi yang signifikan. Selanjutnya, antara Tingkat Pemberian Pupuk
dengan Tingkat Pertumbuhan Tanaman 0,447 > 0,095 yang berarti tidak
terdapat korelasi yang signifikan. Terakhir, antara Tingkat Pemberian Air
dengan dengan Tingkat Pertumbuhan Tanaman 0,607 > 0,016 yang berarti
terdapat korelasi yang signifikan. Sedangkan pengolahan data yang
menggunakan metode korelasi dengan Software minitab dapat diperoleh dari
pengolahan data diketahui antara Tingkat Pemberian Pupuk dengan Tingkat
Pemberian Air 0,895 > 0,000 yang berarti tidak terdapat terdapat korelasi
yang signifikan.
1. Untuk pengambilan keputusan statistik, dapat digunakan 2 cara:
a. Koefisien korelasi dibandingkan dengan nilai r tabel(korelasi tabel)
1. Apabila koefisien korelasi > r tabel, maka ada korelasi yang signifikan
(H1 diterima).
2. Apabila koefisien korelasi < r tabel, maka tidak ada korelasi yang
signifikan (H0 ditolak).
b. Melihat Sig.
1. Apabila nilai Sig. < 0,05 Maka ada korelasi yang signifikan (H1 ditolak).
2 Apabila nilai Sig. > 0,05 Maka tidak ada korelasi yang signifikan (H0
diterima).

4.2 Saran
Berikut adalah saran dari praktikum statistika industri yang telah
dilaksanakan :
1. Praktikan harus lebih teliti dalam melakukan perhitungan dalam mengolah
data menggunakan software SPSS dan Minitab.
2. Praktikan dapat mengerti penggunaan aplikasi software SPSS dan Minitab
3. Praktikan dapat mengetahui dan memahami perhitungan uji Regresi dan
Korelasi
 DAFTAR PUSTAKA

Fauzi, Akhmad. 2008. Statistik Industri. Jakarta: Erlangga.

Hasan, Muhammad Iqbal. 1999. Pokok-pokok Materi Statistik 2
(Statistik Inferensif). Jakarta: Bumi Aksara.
Subagyo, Pangestu & PS, Djarwanto. 2009. Statistik Induktif
Edisi 5. Yogyakarta: BPFE-Yogyakarta.
Walpole, Ronald E & Raymond H Myers. 1989. Ilmu peluang
dan Statistika untuk Insinyur dan Ilmuwan Edisi 4.
Bandung: ITB Bandung.
Modul Praktikum Statistika Industri 2018. Jurusan Teknik Industri. Fakultas
Teknologi Industri. UNISSULA. Semarang.