LAPORAN PRAKTIKUM STATISTIK

DOSEN PENGAMPU :

Drs. Muhammad Rizal ,M.Si

DISUSUN OLEH :
MISCAL ABIR BANGUN
NIM: 2054211048

PROGRAM STUDI AGROTEKNOLOGI

FAKULTAS PERTANIAN

UNIVERSITAS LANCANG KUNING

PEKANBARU 2022
 KATA PENGANTAR

Puji syukur Penulis ucapkan kepada Tuhan Yang Maha Esa , yang

telah melimpahkan hidayahNya sehingga Penulis dapat menyelesaikan

laporan Praktikum ini tepat pada waktunya.

Pada kesempatan ini Penulis menyampikan ucapan terima kasih

kepada bapak Drs. Muhammad Rizal ,M.Si sebagai Dosen pengampu

mata kuliah Statistik Faperta Unilak yang telah membimbing penulis

sehingga laporan ini dapat diselesaikan.

Penulis menyadari bahwa laporan ini belumlah sempurna, oleh

sebab itu Penulis dengan lapang dada, dapat menerima kritik, saran dan

informasi dari pembaca demi kesempurnaan laporan praktikum ini.

Semoga laporan ini bermanfaat bagi kita semua.

Pekanbaru, Januari 2022

Penulis,

i
 DAFTAR ISI

KATA PENGANTAR............................................................................. i
DAFTAR ISI........................................................................................... ii
DAFTAR TABEL................................................................................... iii
DAFTAR GAMBAR............................................................................... iv
BAB 1 PENDAHULUAN
1.1 Latar Belakang................................................................................ 5
1.2 Tujuan Praktikum............................................................................ 6
BAB II TINJAUAN PUSTAKA
2.1. Penyajian Data............................................................................... 7
2.2. Korelasi Pearson............................................................................. 8
2.3. Regresi Linier Sederhana............................................................... 9
2.4. Regresi Linier Berganda................................................................. 12
2.5. Koefisien Kontingensi..................................................................... 13
BAB III METODE PEMBELAJARAN
3.1 Alat dan Bahan............................................................................... 14
3.2 Prosedur Kerja................................................................................ 14
BAB IV HASIL DAN PEMBAHASAN
4.1. Hitung Satu .......................................................................................17
4.2 Hitung Dua ........................................................................................22
DAFTAR PUSTAKA............................................................................... 23

ii
 DAFTAR TABEL

Tabel 4.1 DataUji F Terhadap X ............................................................ 17

Tabel 4.2 Data Uji T Terhadap X ........................................................... 17
Tabel 4.3 Data Jumlah Y Terhadap X.................................................... 18
Tabel 4.4 Data Korelasi Pearson ........................................................... 19
Tabel 4.5 Data Koefisien Determinasi ................................................... 20

iii
 DAFTAR GAMBAR

Gambar 4.1 Diagram batang.................................................................. 21

Gambar 4.2 Diagram garis...................................................................... 21
Gambar 4.3 Diagram lingkaran............................................................... 22

iv
v
 BAB I

PENDAHULUAN

I.1 Latar Belakang

Pada zaman sekarang ini, semua sudah serba modern sehingga

semua kegiatan dituntut untuk serba cepat, seperti pengolahan data dan

yang lain yang sulit untuk dikerjakan secara manual. Dan untuk

memudahkan itu semua maka diciptakanlah komputer. Komputer berasal

dari bahasa yunani ‘Computare’ yang artinya menghitung. Komputer

memang memudahkan kita untuk mengolah data yang didasarkan pada

operasi matematika seperti operasi logika. Meskipun komputer merupakan

buatan manusia, namun alat ini sangat membantu pekerjaan manusia

dalam pengolahan data karena mempunyai tiga keunggulan, yaitu pada

bidang kecepatan, ketepatan, dan keandalan.

Ternyata komputer saja tidak cukup untuk membantu manusia

dalam memasukkan data (data entry), mengedit data, transformasi data,

analisis data yang dibutuhkan dalam penelitian, dan permasalahan dalam

membuat dan mendistribusikan informasi yang berguna untuk

pengambilan keputusan dalam suatu organisasi, agar tetap eksis dan

unggul dalam kompetisi yang ketat, yang dialami oleh mahasiswa dalam

mata kuliah Statistika. Maka dari itu dibuat suatu program aplikasi SPSS.

Software ini dibuat oleh tiga mahasiswa Stanford University yang

dioperasikan pada komputer mainframe pada tahun 1968. Dalam

pengenalannya pada mahasiswa, diadakan praktikum SPSS (Statistical

5
Product and Service Solution) yang nantinya dapat digunakan mahasiswa

dalam menghitung dan menganalisis suatu data yang telah diperoleh

sebelumnya.

1.2 Tujuan Praktikum

Adapun tujuan dari pelaksanaan praktikum ini adalah :
1. Memberikan pengetahuan teori Statistika kepada Mahasiswa.

2. Memberikan pembelajaran kepada Mahasiswa bagaimana

menggunakan software SPSS untuk mengolah Data.

6
 BAB II

TINJAUAN PUSTAKA

2.1 Penyajian Data

Penyajian data merupakan salah satu kegiatan dalam pembuatan

laporan hasil penelitian yang telah dilakukan agar data yang telah

dikumpulkan dapat dipahami dan dianalisis sesuai dengan tujuan yang

diinginkan. Setelah memperoleh data, biasanya data-data yang diperoleh

tersebut dapat disajikan dalam 2 bentuk, yaitu bentuk tabel dan bentuk

diagram. Penyajian data dalam bentuk tabel sudah umum ditemukan

bahkan dalam lingkungan sekolah sekalipun. Dimana berbentuk kolom

guna mempermudah pengklasifikasian data atau pengelompokan data.

Sedangkan penyajian data dalam bentuk diagram sering dijumpai

terutama dalam bidang perbankan atau ekonomi. Hal ini bersangkutan

dengan kurs mata uang, yang mana diagram mempermudah dalam

mengamati peningkatan maupun penurunan kurs mata uang yang terjadi

dalam kurun waktu tertentu. Dalam melakukan penyajian data tepat dan

terukur ini memerlukan data-data yang akurat. Data sendiri merupakan

sesuatu yang belum mempunyai arti bagi penerimanya dan masih

memerlukan adanya suatu pengolahan. Agar bisa mendapatkan data

yang akurat dan terpercaya maka perlu memaksimalkan adanya

pengumpulan data.

Dimana, pengumpulan data yaitu mengumpulkan dan mengukur

informasi tentang variabel-variabel yang ditargetkan guna menunjang

7
kebutuhan dalam suatu penelitian. Dalam proses pengumpulan data ini

ada beberapa cara yang dapat dilakukan untuk mendapatkan data yang

akurat diantaranya adalah dalam bentuk wawancara, observasi, dan

kuesioner.

2.2 Korelasi Pearson

Korelasi Pearson adalah suatu bentuk rumus yang digunakan untuk

mencari hubungan antara dua variabel, yaitu variabel

bebas atau independent variable dan variabel terikat atau dependent

variable. Di mana umumnya variabel terikat diberi notasi Y dan variabel

bebas diberi notasi X, di mana variabel bebas ini merupakan pemberian

dari hasil suatu pengamatan sehingga variabel bebas tersebut tidak

lagi Random atau acak. Untuk penelitian lebih lanjut perlu dilakukan uji

kerandoman data sampel.

Bila variabel X dan Y dikorelasikan, titik-titik koordinat yang

terdapat dalam diagram pencar bertendensi membentuk suatu lingkaran

yang memiliki trend agak definitif arahnya. Di mana titik asal dari sumbu

X'Y' digambarkan pada titik koordinat (Xbar Ybar). Titik-titik koordinat (X,

Y) didistribusikan dalam keempat kuadran bidang Xbar Ybar. Tanda-tanda

aljabar dalam keempat kuadran diberikan seperti berikut: I --> X' dan Y'

positif, II --> X' negatif dan Y' positif, III --> X' dan Y' negatif, IV --> X'

positif dan Y' negatif. Hasil perkalian X' Y' akan positif bagi semua titik-titik

yang terdapat dalam kuadran I dan III dan negatif bagi semua titik-titik

dalam kuadran II dan IV.Penjumlahan secara aljabar dari kesemua hasil

8
perkalian sedemikian itu sebetulnya menggambarkan distribusi titik dalam

kuadran.

Bila penjumlahannya positif, trend dari titik-titik tersebut akan

melalui kuadran III dan I. Sebaliknya, bila penjumlahannya negatif, trend

dari titik-titik akan melalui kuadran II dan IV. Akhirnya, bila

penjumlahannya sama dengan nol trend tidak akan tertampak karena titik-

titiknya didistribusikan secara merata di antara keempat kuadran sehingga

hasil perkalian positif dari X'Y' diimbangi dengan hasil perkalian negatif

dari X'Y'.

Sebagai konsekuensi logika di atas, pengukuran korelasi sampel

diperoleh dengan jalan menjumlahkan hasil perkalian X'Y' bagi semua

nilai-nilai pengamatan dan mengrata-ratakannya dengan pembagia n. Bila

X'Y' masing-masing dinyatakan dalam unit deviasi standarnya maka akan

diperoleh pengukuran korelasi yang bebas dari unit asal. Pengukuran

sedemikian itu umumnya dirumuskan sebagai Korelasi Pearson.

2.3 Regresi Linier Sederhana

Analisis regresi sederhana bertujuan untuk mengetahui pengaruh

dari suatu variabel terhadap variabel lainnya. Pada analisis regresi suatu

variabel yang mempengaruhi disebut variabel bebas atau independent

variable, sedangkan variabel yang dipengaruhi disebut variabel terkait

atau dependent variable. Jika persamaan regresi hanya terdapat satu

variabel bebas dengan satu variabel terkait, maka disebut dengan

persamaan regresi sederhana. Jika variabel bebasnya lebih dari satu,

maka disebut dengan persamaan regresi berganda. Pada regresi

9
sederhana kita dapat mengetahui berapa besar perubahan dari variabel

bebas dapat mempengaruhi suatu variabel terkait.

Variabel yang mempengaruhi disebut dengan berbagai istilah:

variabel independen, variabel bebas, variabel penjelas, variabel

eksplanatorik, atau variabel X karena dalam grafik sering digambar

sebagai absis atau sumbu X). Variabel yang dipengaruhi dikenal sebagai

variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini

dapat merupakan variabel acak (random), namun variabel yang

dipengaruhi harus selalu variabel acak. Analisis regresi adalah salah satu

analisis yang luas pemakaiannya. Analisis regresi digunakan untuk

melakukan prediksi dan ramalan.

Analisis regresi juga dapat digunakan untuk memahami variabel –

variabel bebas mana saja yang dapat berhubungan dengan variabel

terikat, serta untuk mengetahui bentuk hubungan tersebut. Tujuan analisis

regresi untuk mendapatkan pola hubungan secara matematis dari variabel

X dan variabel Y, dan untuk mengetahui besarnya perubahan variabel X

terhadap variabel Y, serta untuk memprediksi variabel Y jika nilai variabel

X diketahui. Prinsip dasar pada persamaan regresi sederhana adalah

bahwa antara variabel dependen (Y) dengan variable independennya (Y)

harus memiliki sifat hubungan sebab akibat atau hubungan kausalitas,

berdasarkan teori, dari hasil penelitian sebelumnya, atau juga yang

didasarkan dari penjelasan logis tertentu.

Analisis regresi linier sederhana adalah hubungan secara linear

antara satu variabel independen (X) dengan variabel dependen (Y).

10
Analisis regresi sederhana dapat digunakan untuk mengetahui arah dari

hubungan antara variabel bebas dengan variabel terikat, apakah memiliki

hubungan positif atau negatif serta untuk memprediksi nilai dari variabel

terikat apabila nilai variabel bebas mengalami kenaikan ataupun

penurunan. Pada regresi sederhana biasanya data yang digunakan

memiliki skala interval atau rasio.

Rumus regresi linear sederhana sebagai berikut:

                              Y = a + bX

Keterangan:

Y     = Variabel dependen (variabel terikat)

X     = Variabel independent (variabel bebas)

a      = Konstanta (nilai dari Y apabila X = 0)

b      = Koefisien regresi (pengaruh positif atau negatif)

Contoh untuk regresi sederhana adalah jumlah uang saku yang

diterima mahasiswa dipengaruhi dengan jarak tempuh dari rumah ke

kampus. Apabila didasarkan dari penjelasan logis maka semakin dekat

jarak rumah dengan kampus maka akan semakin kecil nilai uang saku

mahasiswa, sebaliknya apabila semakin jauh jarak tempuh dari rumah ke

kampus maka akan semakin besar jumlah uang saku mahasiswa,

sehingga jarak tempuh dari rumah ke kampus (variabel X) akan

mempengaruhi nilai uang saku mahasiswa (variabel Y) secara positif.

11
 2.4 Regresi Linier Berganda

Regresi Linear Berganda adalah model regresi linear dengan

melibatkan lebih dari satu variable bebas atau predictor. Dalam bahasa

inggris, istilah ini disebut dengan multiple linear regression. Analisis

regresi linear berganda sebenarnya sama dengan analisis regresi linear

sederhana, hanya variabel bebasnya lebih dari satu buah. Persamaan

umumnya adalah:

Y = a + b1 X1 + b2 X2 + .... + bn Xn.

Dengan Y adalah variabel bebas, dan X adalah variabel-variabel

bebas, a adalah konstanta (intersept) dan b adalah koefisien regresi pada

masing-masing variabel bebas. Interpretasi terhadap persamaan juga

relatif sama, sebagai ilustrasi, pengaruh antara motivasi (X1), kompensasi

(X2) dan kepemimpinan (X3) terhadap kepuasan kerja (Y) menghasilkan

persamaan sebagai berikut:

Y = 0,235 + 0,21 X1 + 0,32 X2 + 0,12 X3

1. Jika variabel motivasi meningkat dengan asumsi variabel kompensasi

dan kepemimpinan tetap, maka kepuasan kerja juga akan meningkat

2. Jika variabel kompensasi meningkat, dengan asumsi variabel motivasi

dan kepemimpinan tetap, maka kepuasan kerja juga akan meningkat.

3. Jika variabel kepemimpinan meningkat, dengan asumsi variabel

motivasi dan kompensasi tetap, maka kepuasan kerja juga akan

meningkat.

Interpretasi terhadap konstanta (0,235) juga harus dilakukan secara

hati-hati. Jika pengukuran variabel dengan menggunakan skala Likert

12
antara 1 sampai dengan 5 maka tidak boleh diinterpretasikan bahwa jika

variabel motivasi, kompensasi dan kepemimpinan bernilai nol, sebagai

ketiga variabel tersebut tidak mungkin bernilai nol karena Skala Likert

terendah yang digunakan adalah 1.

Analisis regresi linear berganda memerlukan pengujian secara

serempak dengan menggunakan F hitung. Signifikansi ditentukan dengan

membandingkan F hitung dengan F tabel atau melihat signifikansi pada

output SPSS. Dalam beberapa kasus dapat terjadi bahwa secara simultan

(serempak) beberapa variabel mempunyai pengaruh yang signifikan,

tetapi secara parsial tidak. Sebagai ilustrasi: seorang penjahat takut

terhadap polisi yang membawa pistol (diasumsikan polisis dan pistol

secara serempak membuat takut penjahat). Akan tetapi secara parsial,

pistol tidak membuat takut seorang penjahat. Contoh lain: air panas, kopi

dan gula menimbulkan kenikmatan, tetapi secara parsial, kopi saja belum

tentu menimbulkan kenikmatan. Penggunaan metode analisis regresi

linear berganda memerlukan uji asumsi klasikyang secara statistik harus

dipenuhi. Asumsi klasik yang sering digunakan adalah asumsi normalitas,

multikolinearitas, autokorelasi, heteroskedastisitas dan asumsi linearitas..

2.5 Koefisien Kontingensi

Koefisien kontingensi adalah metode yang digunakan untuk

mengukur keeratan hubungan (asosiasi atau korelasi) antara 2 variabel

yang keduanya bertipe data nominal (kategorik).

13
 BAB III

METODE PEMBELAJARAN

3.1 Alat dan Bahan

 Laptop / PC

 Printer

 ATK (Alat Tulis Kantor)

 CD Software SPSS

3.2 Prosedur Kerja

1. Buat Tabel / Grafik dengan Excel

 Buat data tabel hasil panen dari 10 komoditi pertanian.

 Buatlah diagram batang, diagram lingkaran dan diagram

baris

2. Korelasi Product Moment

 Klik Analyze, Correlate, Bivariate

 Masukkan variable ke kotak Variables

 Biarkan pada posisi Default, Klik Pearson Pada Test Of

Significance, pilih one tailed or two tailed

 Klik OK

3. Analisis Regresi Sederhana / Berganda :

 Install software program SPSS

 Klik Analyze

 Klik Regression

 Klik Linear

 Input variable Dependen pada Kotak Dependent

14
  Input variable Independent pada Kotak Independent

 Klik OK

4. Koefisien Kontingensi

 Buka file Korelasi Koefisien Kontingensi

 Klik Analyze, Descriptive Statistics, Crosstabs

 Masukkan Variabel pada column (s) dan Rows(s)

 Klik Statistics… pilih Chi-Square. Paa Nominal, Pilih

Contingency Coefficient

 Klik OK

15
 BAB IV

HASIL DAN PEMBAHASAN

Jumlah Tinggi Lilit Batang Jumlah Panjang Lebar

buah ( Y ) Tanaman (X2) daun(X3) Daun (X4) Daun (X5)
( X1)
23 201 42 34 80 80
17 176 36 28 63 60
8 205 29 18 68 68
11 173 35 27 56 56
6 139 27 15 56 54
3 176 22 13 45 48
5 143 28 17 70 64
5 175 26 16 63 61
18 223 35 25 76 74
4 144 22 14 62 60
5 175 25 16 56 55
6 180 27 16 52 50
5 152 26 15 52 50
6 147 24 14 49 48
4 165 24 15 56 54
6 173 38 17 39 33
5 188 25 15 56 55
8 181 30 18 52 50
3 140 23 13 60 56
3 140 24 14 57 55
29 217 41 38 90 84
11 150 28 26 59 57
14 143 30 35 52 51
32 201 43 41 50 48
17 215 32 23 55 52
4 182 22 20 50 55
2 226 20 18 64 62
4 201 19 16 75 71
3 176 16 19 54 53
8 225 30 20 55 54

4.1 Hitung 1

16
a. Koefisien Korelasi

Interpretasi : nilai T = - 5,123 bernilai negative dan nilai signifikan nya = 0,000
berarti sangat rendah karena dibawah 0,005

b. Regresi Berganda dari Jumlah Buah (Y) Terhadap karakteristik

mortofologi (X)

17
 Variables Entered/Removedb

Model Variables Variables

Entered Removed Method

1 Lebar_daun, . Enter
Jumlah_buah,
Panjang_daun,
dim

Lilit_batang,
ensi

Tinggi_tanaman
on0

a. All requested variables entered.

b. Dependent Variable: Jumlah_daun

Interpretasi : membaca dari jumlah buah dan dari volume nya.

Model Summary

Model Std. Error

Adjusted R of the
R R Square Square Estimate

dime
1 .911a .831 .795 3.11622
nsion

a. Predictors: (Constant), Lebar_daun, Jumlah_buah,

Panjang_daun, Lilit_batang, Tinggi_tanaman

Interpretasi: R = 0,911 menandakan bahwa R kuat

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 1143.240 5 228.648 23.546 .000a

Residual 233.060 24 9.711

Total 1376.300 29

a. Predictors: (Constant), Lebar_daun, Jumlah_buah, Panjang_daun, Lilit_batang,

Tinggi_tanaman
b. Dependent Variable: Jumlah_daun

Interpretasi: nilain F = 23,546 berkorelasi positif dan nilai signifikan 0,00 berarti
sangat rendah karena dibawah nilai 0,005

18
 Coefficientsa

Model Standardized
Unstandardized Coefficients Coefficients

B Std. Error Beta t Sig.

1 (Constant) 27.217 5.313 5.123 .000

Jumlah_buah -.238 .076 -.305 -3.149 .004

Tinggi_tanaman .734 .211 .834 3.472 .002

Lilit_batang .024 .026 .097 .933 .360

Panjang_daun .051 .203 .058 .253 .803

Lebar_daun -.123 .062 -.193 -1.970 .060

a. Dependent Variable: Jumlah_daun

Interpretasi : pearson correlation = 1 berati sangat kuat ,antara jumlah buah ,lilit
batang ,tinggi tanaman ,jumlah daun ,panjang daun , dan lebar daun sangat
berhubungan erat. Maka apabila variable satu berubah maka variable lain nya juga
akan berubah.

4.2 Hitung 2
a. Linier sederhana dari Jumlah bua (Y) terhadap jumlah daun (X3)
Grafik Batang

19
 Chart Title
45
40
35
30
25
20
15
10
5
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29

Jumlah buah ( Y ) Jumlah daun(X3)

Grafik Garis

Chart Title
45
40
35
30
25
20
15
10
5
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29

Jumlah buah ( Y ) Jumlah daun(X3)

Grafik Lingkaran

Jumlah buah ( Y )

20
 1 2 3 4 5 6 7 8 9 10 11
12 13 14 15 16 17 18 19 20 21 22
23 24 25 26 27 28 29 30

b. Linier sederhana dari Jumlah buah (Y) terhadap tinggi tanaman(X1)

Grafik batang

Chart Title
250

200

150

100

50

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Jumlah buah ( Y ) Tinggi Tanaman ( X1)

Grafik garis

Chart Title
250

200

21
150

100
 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Jumlah buah ( Y ) Tinggi Tanaman ( X1)

Grafik lingkaran

Jumlah buah ( Y )

1 2 3 4 5 6 7 8 9 10 11
12 13 14 15 16 17 18 19 20 21 22
23 24 25 26 27 28 29 30

DAFTAR PUSTAKA

Penuntun Laporan Praktikum

Catatan Selama Perkuliahan

22
Priyastama Romie, 2011.Buku Sakti Kuasai SPSS - Pengolahan Data &

Analisis Data. Jakarta: Anak Hebat Indonesia.

23