UJIAN AKHIR SEMESTER II

MATEMATIKA TERAPAN

YUDI RIBUT PAMUNGKAS

NIM 20202000075

PASCASARJANA

FAKULTAS TEKNIS

UNIVERSITAS ISLAM SULTAN AGUNG

SEMARANG

2021
1. Sebuah penelitian untuk mengetahui pengaruh Tingkat Kebisingan dan
Pencahayaan Lampu Kantor terhadap Produktifitas Kerja Pegawai.
Berdasarkan 10 responden yang digunakan sebagai sumber penelitian, hasilnya
diperoleh sebagai berikut :
No. Responden X1 X2 Y
1 10 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 4 3 10
8 6 3 14
9 7 4 20
10 6 3 19

Keterangan:
X1 = Tingkat Kebisingan
X2 = Pencahayaan Lampu Kantor
Y = Produktivitas

Perumusan Hipotesis
H1 = Terdapat pengaruh Tingkat Kebisingan (X1) terhadap Produktivitas (Y).
H2 = Terdapat pengaruh Pencahayaan Lampu Kantor (X2) terhadap
Produktivitas (Y).
H3 = Terdapat pengaruh Tingkat Kebisingan (X1) dan Pencahayaan Lampu
Kantor (X2) terhadap Produktivitas (Y).
ɑ = 5%; n = 10; k=2

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 3,919 2,418 1,621 ,149
Kebisingan (X1) 2,491 ,703 1,024 3,544 ,009
Pencahayaan (X2) -,466 1,016 -,133 -,459 ,660
a. Dependent Variable: Produktivitas
• Dasar pengambilan keputusan untuk uji t
- Sig. < 0,05 / thitung > ttabel maka terdapat pengaruh variable X terhadap
variable Y.
- Sig > 0,05 / thitung < ttabel maka tidak terdapat pengaruh variable X terhadap
variable Y.

Pengujian Hipotesis Pertama (H1)

Nilai Sig. < 0,05 maka pengaruh Tingkat Kebisingan (X1) terhadap Produktivitas
(Y) adalah sebesar 0,009 < 0,05 dan nilai thitung 3,544 > ttabel 2,365.
Maka, dapat disimpulkan bahwa H1 diterima.
Yaitu, X1 berperangur terhadap Y.

Pengujian Hipotesis Kedua (H2)

Nilai Sig. > 0,05 maka pengaruh Pencahayaan Lampu Kantor (X2) terhadap
Produktivitas (Y) adalah sebesar 0,660 > 0,05 dan nilai Fhitung −0,459 <
Ftabel 4,46. Maka, dapat disimpulkan bahwa H2 ditolak
Yaitu, tidak berpengaruh antara variabel X2 terhadap variable Y.

Pengujian Hipotesis Ketiga (H3)

Pengujian Hipotesis H3 dengan uji F

ANOVAa
Sum of Mean
Model Squares df Square F Sig.
1 Regression 227,512 2 113,756 17,899 ,002b
Residual 44,488 7 6,355
Total 272,000 9
a. Dependent Variable: Produktivitas
b. Predictors: (Constant), Pencahayaan (X2), Kebisingan (X1)

Tabel ANOVAa menunjukan bahwa nilai sig. sebesar 0,002 < 0,005 dan nilai
Fhitung 17,899 > Ftabel 4,46. Maka, dapat disimpulkan bahwa H3 diterima.
Yaitu, terdapat pengaruh Tingkat Kebisingan (X1) dan Pencahayaan Lampu
Kantor (X2) terhadap Produktivitas (Y).
2. Seorang manajer ingin memprediksi kebutuhan konsumsi bahan bakar
kendaraan yang ada di kantornya. Data selama 8 tahun tercatat sebagai berikut
:
Tahun 2011 2012 2013 2014 2015 2016 2017 2018
X 1 2 4 5 7 9 10 12
Y 2 4 5 7 8 10 12 14
Jika X = % Peningkatan jumlah kendaraan bermotor
Y = % Konsumsi pemakaian bahan bakar
a. Menentukan nilai Korelasi ( r )
Correlations
% Peningkatan %
Jumlah Kendaraan Pemakaian
Bermotor Bahan Bakar
% Peningkatan Pearson 1 ,992**
Jumlah Correlation
Kendaraan Sig. (2-tailed) ,000
Bermotor N 8 8
% Pemakaian Pearson ,992** 1
Bahan Bakar Correlation
Sig. (2-tailed) ,000
N 8 8
**. Correlation is significant at the 0.01 level (2-tailed).

• Tabel output SPSS besarnya nilai r = 0,992

• Nilai Sig. < 0,05 menunjukan bahwa kedua variable tersebut memiliki
hubungan atau berkorelasi.

b. Interpretasi dari data tersebut adalah sebagai berikut :

Nilai korelasi ( r ) kedua variabel adalah 0,992 berdasarkan tabel di atas
menunjukan bahwa interpretasi dari kedua variable X dan Y memiliki hubungan
yang Sangat Kuat.
c. Berapa % sumbangan peningkatan jumlah kendaraan bermotor terhadap
pengingkatan konsumsi pemakaian bahan bakar.
Model Summary
R Adjusted R Std. Error of the
Model R Square Square Estimate
1 ,992 a ,984 ,982 ,555
a. Predictors: (Constant), % Peningkatan Jumlah Kendaraan
Bermotor

Output SPSS Adjusted R Square sebesar 0,984, yang berarti bahwa pengaruh
sumbangan peningkatan jumlah kendaraan bermotor X terhadap pengingkatan
konsumsi pemakaian bahan bakar Y adalah sebesar ૢૡ, ૛૙ %.

d. Bagaimana persamaan garis prediksinya, jika X dianggap sebagai variabel

bebas ?
Coefficientsa
Standardize
Unstandardized d
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1,267 ,388 3,265 ,017
% Peningkatan Jumlah 1,037 ,054 ,992 19,361 ,000
Kendaraan Bermotor
a. Dependent Variable: % Pemakaian Bahan Bakar
Persamaan garis prediksi adalah menggunakan persamaan garis Regresi

ܻ = ܽ + ܾܺ
ܻ = 1,267 + 1,037ܺ
Persamaan garis prediksinya dapat menggunakan persamaan linear
sederhana jika pada tabel Anova nilai Sig. < ૙, ૙૞.
ANOVAa
Sum of Mean
Model Squares df Square F Sig.
1 Regression 115,649 1 115,649 374,842 ,000b
Residual 1,851 6 ,309
Total 117,500 7
a. Dependent Variable: % Pemakaian Bahan Bakar
b. Predictors: (Constant), % Peningkatan Jumlah Kendaraan Bermotor
 Nilai Sig. < 0,05 maka garis prediksi dapat digunakan persamaan ܻ =
1,267 + 1,037ܺ

e. Jika peningkatan jumlah kendaraan bermotor sebesar 14, berapa prediksi

kenaikan konsumsi pemakaian bahan bakar.
Jika nilai ࢄ = ૚૝ maka
ܻ = 1,267 + 1,037 ܺ
ܻ = 1,267 + 1,037 . 14
ܻ = 1,267 + 14,518
ܻ = 15,785 ≈ 16
Jadi nilai prediksi kenaikan konsumsi pemakaian bahan bakar ( ࢅ ) = ૚૟ %

3. Seorang peneliti melakukan pengujian terhadap 3 Kota/Kabupaten tentang

pentingnya Green Building dalam upaya meningkatkan kesadaran masyarakat
akan pentingnya keramahan lingkungan dalam membangun gedung/bangunan.
Sampel random contoh bangunan dengan ukuran ݊1 = ݊2 = ݊3 = 6
diambil dari ke 3 kota / kabupaten tersebut. Skor terhadap kualitas Green
Building dengan indikator-indikator tertentu yang telah ditetapkan diperoleh hasil
sebagai berikut :
Kota/Kabupaten
A B C
76 79 94
68 79 84
64 77 96
78 73 88
79 81 68
73 79 86

Ujilah hipotesis bahwa skor rata-rata hasil kualitas Green Building ketiga
kota/kabupaten tersebut adalah sama pada ߙ = 5%
• Langkah pertama dengan menggunakan program SPSS adalan melakukan uji
Normalitas Shapiro Wilk.
Tests of Normality
Kolmogorov-
Smirnova Shapiro-Wilk
Kota/Kabupaten Statistic df Sig. Statistic df Sig.
Skor Kualitas A ,193 6 ,200* ,919 6 ,497
Green B ,308 6 ,077 ,857 6 ,178
Building C ,254 6 ,200 * ,888 6 ,308
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Dasar pengambilan keputusan uji normalitas

a. Jika nilai Sig. > ૙, ૙૞, maka data distribusi normal
b. Jika nilai Sig. < ૙, ૙૞, maka data distribusi tidak normal
Dari output SPSS uji normalitas diatas diperoleh nilai Sig. > 0,05 untuk
Kota/Kabupaten A, B dan C maka data terdistribusi normal.

• Melakukan uji Homogenitas dengan menggunakan program SPSS

Test of Homogeneity of Variances
Skor Kualitas Green Building
Levene Statistic df1 df2 Sig.
1,709 2 15 ,214
Dari hasil output SPSS terhadap uji homogenitas diperoleh nilai Sig. > 0,05
sehingga asumsi homogenitas dalam uji one way anova terpenuhi.

• Langkah ketiga melakukan uji One Way Anova

ANOVA
Skor Kualitas Green Building
Sum of Mean
df F Sig.
Squares Square
Between 516,000 2 258,000 5,451 ,017
Groups
Within Groups 710,000 15 47,333
Total 1226,000 17
 Dasar pengambilan keputusan dalam analisis Anova :
- Jika nilai Signifikansi (Sig.) > ૙, ૙૞ maka rata-rata sama.
- Jika nilai Signifikansi (Sig.) < ૙, ૙૞ maka rata-rata berbeda.
Dari hasil output SPSS pada tabel Anova diatas diperoleh nilai Sig.
૙, ૙૚ૠ , ૙, ૙૞. Maka dapat disimpulkan bahwa rata-rata skor kualitas green
building dalam upaya meningkatkan kesadaran masyarakat akan pentingnya
keramahan lingkungan dalam membangun gedung/bangunan tersebut
“BERBEDA” secara signifikan.

4. Seorang mahasiswa Magister Teknik Sipil akan melakukan penelitian untuk

mengetahui ada tidaknya pengaruh banjir genangan di rumah penduduk;
banjir genangan di pekarangan; dan banjir genangan di jalan dan saluran
terhadap Tingkat Kerusakan Infrastruktur Bangunan yang terjadi di beberapa
wilayah kota Semarang Bawah yang sering terlanda rob. Hasil pengolahan data
dengan SPSS didapat sebagai berikut (Pada Soal).

• Formulasi H0 dan H1
Menentukan nilai H0 dan H1
Jika Sig > ૙. ૙૞, maka H0 diterima
Jika Sig < ૙. ૙૞, maka H0 ditolak
‫ܪ‬0 ∶ µ‫ = ܣ‬µ‫ = ܤ‬µ‫ܥ‬
‫ܪ‬1 ∶ µ‫ ≠ ܣ‬µ‫ ≠ ܤ‬µ‫ܥ‬
Hasil output SPSS Anova nilai Signifikansi (Sig.) 0,000 < 0,05 maka H0 ditolak
sehingga paling sedikit terdapat satu pasang data yang berbeda dari 3 variabel
tersebut.
• Menentukan persamaan regresinya
Persamaan regresi linear berganda (nilai a dan b) pada tabel Coefficients

ܻ = ܽ + ܾଵ ܺଵ + ܾଶ ܺଶ + ܾଷ ܺଷ
ܻ = 3,541 − 0,081 ܺଵ + 0,092 ܺଶ + 0,027 ܺଷ
Dimana :
Y = Tingkat Kerusakan Infrastruktur
X1 = Banjir Genangan di Rumah Penduduk
X2 = Banjir Genangan di Pekarangan
X3 = Banjir Genangan di Jalan dan Saluran

• Arti setiap koefisien yang terdapat pada persamaan garis regresinya

• Nilai Constant 3,541 mempunyai arti besarnya nilai (Y) = 3,451% Tingkat
Kerusakan Infrastruktur.
• Nilai koefisien adalah sebesar −0,081 hal ini berarti setiap kenaikan 1% dari
nilai X1 akan menaikan nilai Y, Namun hasil dari output tersebut negatif,
maka jika ada kenaikan tingkat kerusakan pada banjir genangan di
rumah penduduk sebesar 1 % akan menurunkan tingkat kerusakan
infrastruktur sebesar 0,081 %.
• Nilai koefisien sebesar 0,092 hal ini berarti setiap kenaikan 1% dari nilai X2
akan menaikan nilai tingkat kerusakan infrastruktur sebesar 0,092%.
• Nilai koefisien untuk X3 adalah sebesar 0,027 hal ini berarti setiap kenaikan
1% dari nilai X3 akan menaikan nilai tingkat kerusakan infrastruktur
sebesar 0,027%.
• Kesimpulan yang diperoleh dari hasil pengolahan dengan SPSS tersebut
adalah

• Uji Hipotesis Pertama

Output SPSS nilai Sig. 0,075 > 0,05.
Maka, dapat disimpulkan bahwa H1 diterima.
Yaitu tidak berpengaruh antara X1 terhadap Y.

• Uji Hipotesis Kedua

Output SPSS nilai Sig. 0,00 < 0,05.
Maka, dapat disimpulkan bahwa H2 diterima.
Yaitu berpengaruh antara X2 terhadap Y

• Uji Hipotesis Ketiga

Output SPSS nilai Sig. 0,235 > 0,05.
Maka, dapat disimpulkan bahwa H3 diterima.
Yaitu tidak berpengaruh antara X3 terhadap Y.
 • Uji Hipotesis Keempat

Berdasarkan hasil output SPSS menunjukan bahwa nilai signifikansi adalah

sebesar 0,000 < 0,05.
Maka, sehingga dapat disimpulkan bahwa H4 diterima.
Yaitu terdapat pengaruh X1, X2 dan X3 terhadap Tingkat Kerusakan
Infrastruktur Y.

• Hasil analisis
Hasil analisis data uji hipotesis menunjukkan bahwa banjir di Rumah
Penduduk dan banjir di Jalan dan Kanal tidak akan mempengaruhi jumlah
kerusakan infrastruktur bangunan, tetapi jumlah kerusakan bangunan dan
infrastruktur dipengaruhi oleh banjir di pekarangan.