LAPORAN PRAKTIKUM

STATISTIKA

Diajukan untuk Memenuhi Salah Satu Syarat Mata Kuliah Statistika

Dosen Pengampu : Ir. H Gugun Gunawan, S.Mn., M.M. ; Dr. nat. techn.
Weksi Budiaji, S.Si., M.Sc. ; Ratna Mega Sari, M.Si.

Disusun oleh kelompok 9 :

(4441210098) Adiemas Bryan Stevanda

(4441210103) Vina Damayanti Sukmaja

(4441210107) Rafli Firmansyah

JURUSAN AGRIBISNIS

FAKULTAS PERTANIAN

UNIVERSITAS SULTAN AGENG TIRTAYASA

2021

i
 KATA PENGANTAR
Puji syukur kami panjatkan ke hadirat Allah SWT atas segala rahmat dan karunia-
Nya yang telah diberikan, sehingga penyusun bisa mengikuti dan menyelesaikan
Laporan Praktikum Statistika ini. Adapun tujuan disusunnya laporan ini adalah
sebagai salah satu syarat mata kuliah statistika.

Tersusunnya laporan ini bukan hanya karena kerja keras kami semata. Penyusun
berterima kasih pada semua pihak yang telah membantu kami dalam memahami
dan menyusun materi pada Laporan Praktikum Statistika ini. Terlebih kami
ucapkan terima kasih kepada bapak Ir. H Gugun Gunawan, S.Mn., M.M. ; bapak
Dr. nat. techn. Weksi Budiaji, S.Si., M.Sc. ; dan ibu Ratna Mega Sari, M.Si.selaku
Tim Dosen Mata Kuliah Statistika. Dan juga terima kasih kami ucapkan terima
kasih kepada saudari Tia Nurislamiah dan Sela Meilani serta saudara Nur Wahyu
Pratama selaku asisten laboratorium statistika.

Penyusun menyadari alam Laporan Praktikum Statistik ini terdapat banyak

kekurangan. Maka dari itu penyusun menerima kritik dan juga saran untuk
sempurnanya laporan ini di kemudian hari. Penyusun berharap agar Laporan
Praktikum Statistika ini dapat bermanfaat bagi para pembaca.

Tangerang, Mei 2022

Penyusun

ii
 DAFTAR ISI

KATA PENGANTAR...........................................................................................ii
DAFTAR ISI.........................................................................................................iii
BAB I PENDAHULUAN.......................................................................................1
1.1 Latar Belakang...............................................................................................1
1.2 Tujuan.............................................................................................................1
BAB II TINJAUAN PUSTAKA............................................................................3
2.1 Boxplot...........................................................................................................3
2.2 Histogram.......................................................................................................3
2.3 Uji Hipotesis...................................................................................................4
2.4 Korelasi dan Regresi......................................................................................5
BAB III PEMBAHASAN......................................................................................7
3.1 Boxplot...........................................................................................................7
3.2 Histogram.......................................................................................................9
3.3 Uji Hipotesis Satu Populasi Ragam Diketahui.............................................11
3.4 Uji Hipotesis Satu Populasi Ragam Tidak Diketahui..................................15
3.5 Uji Hipotesis Dua Populasi Independent......................................................18
3.6 Uji Hipotesis Dua Populasi Dependent........................................................20
3.7 Korelasi dan Regresi ...................................................................................22
BAB IV PENUTUP..............................................................................................27
4.1 Kesimpulan...................................................................................................27
4.2 Saran.............................................................................................................27
DAFTAR PUSTAKA...........................................................................................28

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Statistika merupakan kumpulan dari metode atau cara-cara untuk

mengumpulkan, menampilkan, mengolah dan menganalisis data, hingga membuat
kesimpulan atas analisis data yang telah diolah tersebut. Kebanyakan orang
mengetahui bahwa statistika itu selalu berhubungan dengan angka dan data.
Terlebih konsep statistik kebanyakan digunakan untuk mengolah data yang
sifatnya agregat dan tentunya menghasilkan data yang banyak sehingga
kebanyakan orang malas untuk melihat.

Statistik digunakan pada awal zaman Masehi yang dipergunakan untuk

melakukan perhitungan pajak, perang, hasil pertanian, dan bahkan pertandingan
atletik. Tidak menutup kemungkinaan statistik juga yang merubah perindustrian
dan teknologi (IPTEK) yang semakin maju dan memacu kita untuk mengikuti
perkembangan-perkembangan yang terjadi didalam era globalisasi ini.Karena
IPTEK sangat berpengaruh didalam kehidupan kita sehari-hari didalam
penerapannya yang sering kita jumpai yaitu bidang ilmu Statistika.

Statistik sangat sering dijumpai pada kehidupan sehari-hari, tidak hanya

dalam dunia Pendidikan dan ilmu pengetahuan saja. Salah satu contohnya yakni
statistik inferensia. Statistik inferensia merupakan ilmu statistik yang dapat
digunakan terhadap sampel yang diambil dari satu populasi. Didalamnya, peran
hipotesis sebagai dugaan atau asumsi awal sangat berarti, karena merupakan
dugaan awal dari suatu permasalahan yang harus diuji kebenarannya.

4
1.2 Tujuan

Adapun tujuan dari penulisan laporan praktikum ini adalah sebagai

berikut:
1. Untuk memenuhi tugas mata kuliah statistika dasar
2. Untuk mengetahui definisi boxplot, histogram, uji hipotesis ( satu populasi,
dua populasi tidak berpasangan, dua populasi berpasangan), korelasi dan
regresi.
3. Untuk mengetahui bagaimana cara menggunakan software baru (Rstudio)
4. Mempelajari bagaimana cara memperoleh data mengenai hipotesis dalam
Rstudio
5. Untuk mengetahui cara menghitung menggunakan aplikasi Rstudio

5
 BAB II
TINJAUAN PUSTAKA

2.1 Boxplot

Metode diagram kotak garis atau boxplot merupakan salah satu teknik
untuk memberikan gambaran tentang lokasi pemusatan data, rentangan
penyebaran dan kemiringan pola sebaran serta dapat digunakan untuk
mengidentifikasi adanya pencilan.

Selisih Q3 dan Q1 menggambarkan tingkat keragaman suatu data. Jika

selisihnya semakin besar maka data semakin beragam, dan sebaliknya jika
selisihnya semakin kecil maka data semakin kurang beragam. Data yang terletak
di antara data terkecil dan Q1 atau terletak di antara Q3 dan data terbesar bisa
terdapat pencilan.

Pencilan (outlier) didefinisikan sebagai suatu pengamatan yang tampak

bertentangan atau tidak konsisten terhadap pengamatan yang lain. Pencilan antara
lain dapat dideteksi jika pengamatan lebih besar dari Q3 + k(Q3 - Q1) atau lebih
kecil dari Q1 – k (Q3 - Q1). Umumnya k≥ 1.5, makin besar nilai k, makin ekstrim
pencilan yang dihasilkan (Tukey, 1979).

2.2 Histogram

Menurut Bounds (dalam Nasution 2015:136) Histogram adalah alat untuk

menunjukkan variasi data pengukuran, seperti berat badan sekelompok orang,
tebal plat besi, dan sebagainya. Seperti halnya dengan pareto charl, histogram
berbentuk bar graph yang menunjukan distribusi frekuensi. Tetapi, histogram
berbeda dengan pareto chart karena bar graph tidak digambar menurun dari kiri ke
kanan. Histogram menunjukan data pengukuran, seperti berat, temperature, tinggi,
dan sebaginya. Dengan cara demikian, histogram dapat digunakan untuk
menunjukan variasi setiap proses (Nasution 2015:136).

Histogram adalah diagram batang yang menunjukkan tabulasi dari data

yang diatur berdasarkan ukurannya. Tabulasi data ini umumnya dikenal sebagai
distribusi frekuensi. Histogram menunjukan karakteristik – karakteristik dari data

6
yang dibagi – bagi menjadi kelas – kelas. Pada histogram frekuensi sumbu x
menunjukan nilai pengamatan dari tiap kelas. Histogram dalam bentuk “normal”
atau bentuk lonceng yang menunjukkan bahwa banyak data yang berada dalam
rata
– rata. Bentuk histogram yang miring atau tidak simetris menunjukan banyak data
yang tidak berada dalam nilai rata – ratanya, tetapi nilaianya berada dalam batas
atas atau batas bawah (Prihantoro 2012:99).

2.3 Uji Hipotesis

Hipotesis statistik adalah pernyataan atau dugaan mengenai satu atau

lebih populasi. (Walpole, 2011:319). Menurut Ross (2004:291), suatu hipotesis
statistik adalah pernyataan tentang suatu parameter dari disribusi populasi.
Disebut hipotesis karena tidak diketahui benar atau tidaknya. Menurut Bluman
(2012:401), terdapat duajenis hipotesis statistik, yaitu hipotesis nol dan hipotesis
alternatif.

Hipotesis (Hypothesis) berasal dari bahasa Yunani, Hupo : sementara

;Thesis = pernyataan/dugaan. Karena merupakan pernyataan sementara maka
hipotesis harus diuji kebenarannya. Hipotesis terbagi dua yaitu hipotesis
penelitian (reseach hypothesis) dan hipotesis statistik (Statistical hypithesis).
Sebelum mencari jawaban secara faktual, terlebih dahulu kita mencoba menjawab
secara teoritis. Pengujian hipotesis membantu pengambilan keputusan dalam
menolak atau menerima suatu hipotesis yang diajukan. Keyakinan menolak atau
menerima berdasarkan pada besarnya peluang untuk memperoleh hubungan
secara kebetulan. Prinsip uji hipotesis adalah melakukan perbandingan nilai
sampel atau data hasil penelitian dengan nilai hipotesis atau nilai populasi yang
diajukan. Hipotesis dapat diartikan sebagai dugaan mengenai suatu hal, atau
hipotesis merupakan jawaban sementara suatu masalah, atau juga hipotesis dapat
diartikan sebagai kesimpulan sementara tentang hubungan suatu variabel dengan
satu atau lebih variabel yang lain. Asumsi terhadap nilai parameter inilah yang
kita sebut hipotesis. Untuk membuktikan benar/tidaknya hiptesis tersebut kita
mengumpulkan data (populasi atau sampel) untuk kemudian diolah dan digunakan
sabagai dasar pembuatan keputusan mengenai pembenaran asumsi (hipotesis)
tersebut.

7
 Hipotesis statistik adalah hipotesis yang dinyatakan dengan parameter
suatu populasi. Adapun definisi dari uji hipotesis adalah suatu prosedur yang
digunakan

8
untuk menguji kevalidan hipotesis statistika suatu populasi dengan menggunakan
data dari sampel populasi tersebut. Hipotesis Statistika merupakan suatu proses
untuk menentukan apakah dugaan tentang nilai parameter/karakteristik populasi
didukung kuat oleh data sampel atau tidak. Uji hipotesis adalah suatu prosedur
yang didasarkan pada bukti sampel dan peluang untuk menguji pernyataan
mengenai karakteristik dari satu atau lebih populasi. Uji hipotesis, kita bisa
mengolah bukti- bukti yang kita miliki untuk menghasilkan kesimpulan yang kuat.
Uji hipotesis dilakukan untuk membuktikan kebenaran akan asumsi atas nilai
parameter.

2.4 Korelasi dan Regresi

Korelasi dan regresi keduanya mempunyai hubungan yang sangat erat.

Setiap regresi pasti ada korelasinya, tetapi korelasi belum tentu dilanjutkan
dengan regresi. Korelasi yang tidak dilanjutkan dengan regresi, adalah korelasi
antara dua variabel yang tidak mempunyai hubungan kasual/sebab akibat, atau
hubungan fungsional. Untuk menetapkan kedua variabel mempunyai hubungan
kusal atau tidak, maka harus didasarkan pada teori atau konsep-konsep tentang
dua variabel tersebut.

Regresi adalah metode statistika yang digunakan untuk membentuk model

hubungan antara variabel terikat (dependen; respon; Y) dengan satu atau lebih
variabel bebas (independen, prediktor, X). Apabila banyaknya variabel bebas
hanya ada satu, disebut sebagai regresi linier sederhana, sedangkan apabila
terdapat lebih dari 1 variabel bebas, disebut sebagai regresi linier berganda.

Analisa regresi ada dua : Analisa Regresi Sederhana dan Analisis Regresi
Berganda. Analisis regresi linier berganda adalah hubungan secara linear antara
dua atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen
(Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen
dengan variabel dependen apakah masing-masing variabel independen
berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel
dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.
Data yang digunakan biasanya berskala interval atau rasio.

9
 Analisis regresi sederhana hanya terdiri atas satu peubah bebas (peubah
penjelas/eksplanatori) X dan satu peubah terikat (respon) Y dengan hubungan
linier. Kedua peubah ini merupakan peubah kuantitatif, khusus untuk Y harus
dengan skala interval atau rasio. Dengan visualisasi secara geometris dapat
ditafsirkan bahwa dengan analisis regresi kita ingin menduga garis populasi yang
sesungguhnya tidak pernah diketahui (garis lurus putus-putus) berdasarkan sampel
pasangan data pada sampel. Persoalanvini merupakan persoalan estimasi uji
inferensi daam regresi. Garis regresi penduga ini dapat dipergunakan untuk
meramal (prediksi) rentang rata-rata nilai Y pada saat nilai X diketahui, demikian
juga rentang nilai-nilai Y pada saat nilai tertentu dari X .

Berikut ini adalah contoh rumus:

Y = a + bX Keterangan :

Y : nilai yang diukur/dihitung pada variabel tidak bebas

X : nilai tertentu dari variabel bebas

a : intersep/perpotongan garis regresi dengan sumbu y

b : koefisien regresi /kemiringan dari garis regresi/untuk mengukurkenaikan atau

penurunan y untuk setiap perubahan satu-satuan x /untuk mengukur besarnya
pengaruh x terhadap y kalau x naik satu unit.

10
 BAB III
PEMBAHASAN
3.1 Boxplot

11
 3.2 Uji Hipotesis Satu Populasi

Uji hipotesis satu populasi adalah uji statistik yang digunakan untuk mengetahui
apakah suatu populasi memiliki rata-rata yang sama dengan, lebih kecil atau lebih
besar dari nilai rata- rata tertentu sesuai dengan hipotesis yang telah ditetapkan.
Terdapat dua kondisi yang perlu diperhatikan dalam pengujian hipotesis rata-rata
satu populasi yakni Ketika varians dari populasi diketahui dan Ketika varians
populasi tidak diketahui.

Contoh data:
BB
60
55
55
45
48
49
52
54
50
50

Langkah-Langkah Analisis Data dengan Rstudio

1. Buka Rstudio
2. Buka file Excel dengan cara klik: Import Dataset > From Excel >
Brower dan pilih file Excel > Import
3. Setelah itu, ketik: t.test(beratpasien$beratbadan, mu=52, alternative =
"two.sided")

12
 4. Menentukan Hipotesis
H0 : berat badan rata-rata pasien adalah 52
H1 : berat badan rata – rata pasien tidak sama dengan 52
5. Pengambilan keputusan
Aturan dalam pengambilan keputusan (titik kritis) :
Tolak H0, terima H1 ketika T hitung > T table atau P value < α yg
digunakan.
Terima H0, tolak H1 ketika T hitung < T table atau P value > α yg
digunakan.
Hasil perhitungan yg diperoleh :
T hitung:-0,14656

P value : 0,8867

Alpha : 0,05
Df : 9
6. Kesimpulan
P value (0.8867) < α (0,05) berat badan pasien bukan 130 , atau
tolak H0.
 Langkah-Langkah Analisis Data dengan Manual
Untuk melakukan uji T test satu populasi, berikut Langkah – Langkah nya:
1. Menentukan H0 dan H1
H0 : berat badan rata- rata pasien adalah 52 kg
H1 : berat badan rata – rata pasien tidak sama dengan 52 kg
2. Menentukan tingkat signifikansi (alpha) dan daerah
penolakan α: 5%
-Tolak H0 apabila T hitung > T tabel

13
 -Terima H0 apabila T hitung < T tabel
3. Menghitung T hitung dan T table
-Membuat tabel penolong
BB(kg) x1-X (x1-X)^
60 8 64
55 3 9
55 3 9
45 -7 49
48 -4 16
49 -3 9
52 0 0
54 2 4
50 -2 4
50 -2 4
1 168

-Menentukan rata – rata

= 518/10 = 51,8
-Menghitung standar deviasi

s= √ 168/9
s=√ 18,66
s=4,108

14
 -Menghitung T tabel

α : 0,05
db : n – 1
: 10 – 1
:9
T tabel = t(α,db)
= t(0,05,9)
= 1,833
4. Membandingkan
T tabel : 1,833
T hitung : -0,146567
5. Mengambil Keputusan
Tolak H0 karena T hitung > T tabel
Atau berat rata – rata pasien bukan 52.

3.3 Uji Hipotesis Dua Populasi Tak Berpasangan

Uji Hipotesis Dua Populasi Tak Berpasangan digunakan untuk membandingkan

rata-rata dua sampel/populasi yang tidak saling berpasangan atau tidak saling
berkaitan. Independen maksudnya adalah bahwa populasi yang satu tidak
dipengaruhi atau tidak berhubungan dengan populasi yang lain.

15
  Data:

Ingin diketahui apakah ada perbedaan rata-rata antara metode diskusi dan metode
pemberian tugas individu terhadap kemampuan berfikir kritis siswa. Telah diambil
2 kelompok perlakuan yaitu metode diskusi sebanyak 10 siswa, dan metode
pemberian tugas individu sebanyak 12 siswa.

Metode Hasil
Diskusi 9
Diskusi 9
Diskusi 8
Diskusi 8
Diskusi 8
Diskusi 8
Diskusi 7
Diskusi 7
Diskusi 8
Diskusi 7
Individu 9
Individu 8
Individu 7
Individu 8
Individu 7
Individu 7
Individu 7
Individu 6
Individu 6
Individu 5
Individu 6
Individu 5

 Langkah-Langkah Analisis Data dengan Rstudio

1. Buka Rstudio
2. Buka file Excel dengan cara klik: Import Dataset > From Excel > Brower
dan pilih file Excel > Import
3. Setelah itu, ketik:
t.test(soal$Hasil~soal$Metode, var.equal=TRUE, paired=FALSE)  klik
run

16
 Var.equal = nilai logikal yang menunjukkan apakah varians kedua populasi
diasumsikan sama atau berbeda.

Paired = nilai logikal yang menentukan apakah uji dua populasi digunakan
untuk sampel berpasangan (TRUE) atau tidak (FALSE).

4. Hasil output Rstudio, antara lain:

- Hasil T test 2 populasi independen :

5. Menentukan Hipotesis

H0 : tidak terdapat perbedaan rata-rata yang signifikan antara metode

diskusi dan metode pemberian tugas individu terhadap kemampuan
berfikir kritis siswa.

H1 : terdapat perbedaan rata-rata yang signifikan antara metode diskusi

dan metode pemberian tugas individu terhadap kemampuan berfikir kritis
siswa.

6. Pengambilan keputusan

Aturan dalam pengambilan keputusan (titik kritis) :

Tolak H0, terima H1 ketika T hitung > T table atau P value < α yg
digunakan.

Terima H0, tolak H1 ketika T hitung < T table atau P value > α yg
digunakan.

Hasil perhitungan yg diperoleh :

T hitung : 2.6118

P value : 0.0167

17
 Alpha : 0,05

Df : 20

7. Kesimpulan
P value (0.0167) < α (0,05)  : terdapat perbedaan rata-rata yang
signifikan antara metode diskusi dan metode pemberian tugas individu
terhadap kemampuan berfikir kritis siswa atau terima H1.

3.4 Uji Hipotesis Dua Populasi Berpasangan

Syarat jenis uji hipotesis dua populasi berpasangan adalah: (a) data berdistribusi
normal; (b) kedua kelompok data adalah dependen (saling
berhubungan/berpasangan); dan (c) jenis data yang digunakan adalah numeric dan
kategorik (dua kelompok).

 Data
Menilai Performa seorang pegawai dalam bekerja sebelum dan
setelah mendapat pelatihan (Data2).
Karyawan Sebelum Sesudah
1 13 25
2 15 23
3 17 24
4 19 26
5 18 27
6 14 22
7 17 24
8 17 24
9 13 25
10 12 26

 Langkah-langkah Analisis data dengan RStudio

1. Buka Rstudio
2. Masukkan/input data ke dalam Rstudio.
data2 <- read.delim("clipboard")  klik
run
3. Klik Run.
4. Ketik sesuai nama data yang telah dibuat (data1, data2, dll) untuk
melihat hasil data yang telah diinput. Hasil data akan keluar di bagian
console.

18
5. Rumus kode uji t test :
t.test(data2$Sebelum, data2$Sesudah, paired = TRUE)  klik run
6. Output uji t test :

7. Pengujian hipotesis
H0 : Tidak ada perbedaan antara nilai Performa seorang pegawai dalam
bekerja sebelum dan setelah mendapat pelatihan
H1 : Ada perbedaan antara nilai Performa seorang pegawai dalam bekerja
sebelum dan setelah mendapat pelatihan
Hasil perhitungan yg diperoleh
T hitung : -11.036
P value : 1.535e-06
Alpha : 0,05
Df : 9
Daerah Kritis
Probabilitas (P-value) > 0,05 maka Ho diterima
Probabilitas (P-value) < 0,05 maka Ho ditolak
Keputusan

19
 P-value (1.535e-06) < 0,05 maka Ho ditolak
Kesimpulan
Ada perbedaan antara nilai Performa seorang pegawai dalam bekerja
sebelum dan setelah mendapat pelatihan.

3.5 Regresi

 Data

Disiapkan data dari 12 responden pengaruh iklan terhadap omset dalam bisnis
pakaian (Reg2).
Iklan Omset
20 30
20 50
30 70
15 35
20 65
25 50
10 50
10 30
20 60
25 70
15 55
10 30

 Langkah-Langkah Analisis Data dengan Rstudio

1. Buka Rstudio
2. Masukkan/input data ke dalam Rstudio.
Reg2 <- read.delim("clipboard")  klik run
3. Ketik sesuai nama data yang telah dibuat (reg1, reg2, dll) untuk
melihat hasil data yang telah diinput. Hasil data akan keluar di bagian
console.
4. Rumus kode analisis korelasi:

20
 > cor(Reg2)
Iklan Omset
Iklan 1.0000000 0.6768501
Omset 0.6768501 1.0000000
> install.packages("corrplot")
> corrplot::corrplot(cor(Reg2))
> cor.test(Reg2$Iklan,Reg2$Omset)
> rls=lm(Reg2$Omset~Reg2$Iklan)
> summary(rls)
5. Output analisis korelasi:
Iklan Omset
Iklan 1.0000000 0.6768501
Omset 0.6768501 1.0000000

21
 Pengujian hipotesis
H0 : Tidak ada pengaruh iklan terhadap omset dalam bisnis
pakaian
H1 : Ada pengaruh iklan terhadap omset dalam bisnis pakaian
Daerah Kritis
Probabilitas (P-value) > 0,05 maka Ho diterima
Probabilitas (P-value) < 0,05 maka Ho ditolak
Keputusan
P-value (0.01563) < 0,05 maka Ho ditolak
Kesimpulan
Ada pengaruh iklan terhadap omset dalam bisnis pakaian
6. Residuals:
Min 1Q Median 3Q Max
-22.2321 -7.0759 -0.1786 10.0446 13.6607

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 20.4464 10.5846 1.932 0.0822 .
Reg2$Iklan 1.5893 0.5466 2.908 0.0156 *
---
Signif. codes: 0 ‘*’ 0.001 ‘*’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 11.81 on 10 degrees of freedom

Multiple R-squared: 0.4581, Adjusted R-squared: 0.4039
F-statistic: 8.454 on 1 and 10 DF, p-value: 0.01563

Maka persamaan dari data tersebut yaitu:

omset = 20.4464 + 1,5893. iklan
misal biaya iklan 10 jt, maka omsetnya adalah
> omset=20.4464+1.5893*10
> omset
[1] 36,2854

22
 Pengujian hipotesis
H0 : Tidak ada pengaruh iklan terhadap omset dalam bisnis pakaian
H1 : Ada pengaruh iklan terhadap omset dalam bisnis pakaian
Daerah Kritis
Probabilitas (P-value) > 0,05 maka Ho diterima
Probabilitas (P-value) < 0,05 maka Ho ditolak
Keputusan
P-value (0.01563) < 0,05 maka Ho ditolak
Kesimpulan
Ada pengaruh iklan terhadap omset dalam bisnis pakaian
Interprestasi dari persamaan tersebut yaitu:
- Intersep 20.4464 : ketika perusahaan tidak mengeluarkan biaya
untuk iklan, maka omset perusahaan adalah 20.4464 jt
- Slope 1,5839 : ketika pengeluaran biaya iklan meningkat 1 juta, maka
omset akan meningkat sebesar 1,5839 jt

Perhitungan yang di peroleh

X y X2 Y2 xy
20 30 400 900 600
20 50 400 2.500 1.000
30 70 900 4.900 2.100
15 35 225 1.225 525
20 65 400 4.225 1.300
25 50 625 2.500 1.250
10 50 100 2.500 500
10 30 100 900 300
20 60 400 3.600 1.200
25 70 625 4.900 1.750
15 55 225 3.025 825

23
 10 30 100 900 300
220 595 4.500 32.075 11.650

1. Analisis Korelasi
∑𝑥∑𝑦
∑ 𝑥𝑦 −
𝑟 𝑛
=
√(∑ 𝑥 2 (∑ 𝑥)2 (∑ 𝑦)2
− ) (∑ 𝑦 2 𝑛
)
𝑛
−

220(595)
11.650 −
𝑟 (220)2
= √(4.500 − (595)2)12
(32.075 −
)
12 12

741.67
𝑟
= 1,095.76

𝑟 = 0,677

Nilai r = 0,677 yang artinya korelasi bernilai positif, maka hubungan

antara variabel iklan dengan omset cukup kuat

H0 : t hit < t tab

H1 : t hit > t tab

Mencari t tabel

∝ = 5%, n = 12, r = 0,677

df = n – 2 = 12 – 2 = 10

∝ karena 2 pihak = 0,025

t tabel = 2,228

𝑛−2
𝑡 ℎ𝑖𝑡 = 𝑟 √
1 − 𝑟2

12 − 2
24
𝑡 ℎ𝑖𝑡 = 0,677√
1 − (0,677)2

25
t hit = 2.91

Kesimpulan

t hit > t tab = 2.91 > 2,228, maka ada hubungan pengaruh antara iklan dengan
omset dalam bisnis pakaian

2. Analisis Regresi Sederhana

∑𝑥∑𝑦
∑ 𝑥𝑦 −
𝑏 𝑛
= ( ∑ 𝑥)2
∑ 𝑥2 − 𝑛

(220)
11.650 − 12
(595)
𝑏
= (220)2
4.500 − 12
741.67
𝑏 = 1.59
466.67
=
𝑎 = 𝑦̅− 𝑏𝑥̅

𝑎 = 49,58 − 1,59(18.33) = 20.43

Modelnya adalah y = 20.43 + 1,59 x

- 𝐽𝐾𝑇 = 𝑆𝑦𝑦 2

= ∑ 𝑦 2 (∑ 𝑦)
12
−
(595)2
𝐽𝐾𝑇 = 32.075 = 2,572.91
− 12
- 𝐽𝐾𝑅 = 𝑏𝑆𝑥𝑦 ∑𝑥∑𝑦
= 𝑏 ∑ 𝑥𝑦 −
12
(220)(595)
𝐽𝐾𝑅 = 1,59 (11.650 )
− 12

JKR = 1,59 (741.67) = 1,179.25

JKG = JKT – JKR = 2,572.91 − 1,179.25=
1,393.66 dbT = n - 1 = 11

- dbR = k = 1
26
- dbG = dbT – dbR = 10
𝐽𝐾𝑅 1,179.25
- 𝐾𝑇𝑅 = = = 1,179.25
𝑑𝑏𝑅 1

27
 𝐽𝐾𝐺 1,393.66
- 𝐾𝑇𝐺 = = = 139.366
𝑑𝑏𝐺 10

𝐾𝑇𝑅
- 𝐹 ℎ𝑖𝑡
1,179.25 = = = 8.46
𝐾𝑇𝐺 139.366

SK db JK KT F hitung F tabel
Regresi 1 1,179.25 1,179.25 8.46 4,96

Galat 10 1,393.66 139.366

Total 11 2,572.91

Mencari F tabel
Taraf signifikasi = 0,05
F tab = (0,05;1;10) = 4,96

Pengujian hipotesis
H0 : Tidak ada pengaruh iklan terhadap omset dalam bisnis pakaian
H1 : Ada pengaruh iklan terhadap omset dalam bisnis pakaian
Daerah Kritis

F hit > F tab maka Ho ditolak

F hit < F tab maka Ho diterima

Keputusan

8,46 > 4,96 maka Ho ditolak

Kesimpulan

Ada pengaruh iklan terhadap omset dalam bisnis pakaian

7.

28
 BAB IV
PENUTUP
4.1 Kesimpulan

Statistik deskriptif adalah salah satu bagian dari ilmu statistika yang
berhubungan dengan aktivitas penghimpunan, penataan, peringkasan dan
penyajian data dengan harapan agar data lebih bermakna, mudah dibaca dan
mudah dipahami oleh pengguna data. Statistik deskriptif hanya sebatas
memberikan deskripsi atau gambaran umum tentang karakteristik objek yang
diteliti tanpa maksud untuk melakukan generalisasi sampel terhadap populasi.

Uji Hipotesis adalah cabang Ilmu Statistika Inferensial yang dipergunakan

untuk menguji kebenaran suatu pernyataan secara statistik dan menarik
kesimpulan apakah menerima atau menolak pernyataan tersebut. Pernyataan
ataupun asumsi sementara yang dibuat untuk diuji kebenarannya tersebut
dinamakan dengan Hipotesis (Hypothesis) atau Hipotesa.

Analisis regresi merupakan salah satu analisis yang bertujuan untuk

mengetahui pengaruh suatu variabel terhadap variabel lain. Dalam analisis regresi,
variabel yang mempengaruhi disebut Independent Variable (variabel bebas) dan
variabel yang dipengaruhi disebut Dependent Variable (variabel terikat). Jika
dalam persamaan regresi hanya terdapat satu variabel bebas dan satu variabel
terikat, maka disebut sebagai persamaan regresi sederhana, sedangkan jika
variabel bebasnya lebih dari satu, maka disebut sebagai persamaan regresi
berganda.

Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat

keeratan hubungan antara dua variabel. Tingkat hubungan tersebut dapat dibagi
menjadi tiga kriteria, yaitu mempunyai hubungan positif, mempunyai hubungan
negatif dan tidak mempunyai hubungan.

4.2 Saran

29
 DAFTAR PUSTAKA

(2013, oktober 21). Retrieved from cara penyajian data statistik:

https://www.academia.edu/5166260/Makalah_-
_Cara_Penyajian_Data_Statistik

Dharmawijaya, F. (2018). Retrieved from Diagram kotak garis:

https://docplayer.info/65746700-Tinjauan-pustaka-gambar-1-diagram-kotak-
garis.html

Gujarati. (2004). Retrieved from regresi dan korelasi:

https://www.konsultanstatistik.com/2011/07/regresi-dan-korelasi.html

slamet, s. (2008). Retrieved from analisis regresi dan korelasi:

http://ssantoso.blogspot.com/2008/08/analisis-regresi-dan-korelasi-materi.html

unknow. (2017, desember 14). Retrieved from ilmu statistika:

http://budisetiawansyafitri.blogspot.com/2017/09/ilmu-statistika.html

30