Nama : Ayesha Puja Adila

NIM : 1401204547
Kelas : MB4407

1. Test anova
 a. Normality test

Dengan banyaknya total data yang berjumlah < 50, maka hasil test normality yang dilihat yaitu
nilai signifikasi shapiro-wilk. Nilai signifikasi shapiro-wilk pada tabel yaitu 0,079 > 0,05.
Dengan begitu dapat disimpulkan bahwa data pada soal berdistribusi normal.

b. test anova
Dengan analisis :

1. Hipotesis untuk soal di atas :

• H0 : tidak ada perbedaan varians hasil penelitian ketiga metode renang
• H1 : ada perbedaan varians hasil penelitian ketiga metode renang
2. Menentukan F tabel dan F hitung
• F tabel
o Dengan tingkat signifikansi 5% atau 0,05
o Degree of freedom (df) numerator : c – 1 = 3-1 = 2
o DF denominator : n – c = 15 – 3 = 12
o Pada uji coba anova menggunakan satu sisi atau one-tailed
o F upper : F 0,05;2;12 = 3,89
• F hitung yang terdapat pada tabel anova output SPSS pada kolom F sebesar
64,877
3. Kaidah keputusan
• Membandingkan hasil F upper pada F tabel dengan F hitung pada hasil output
SPSS
o Jika F hitung < F upper maka H0 diterima
o Jika F hitung > F upper maka H0 ditolak/ H1 diterima
• Menggunakan signifikansi
o Jika nilai signifikansi pada tabel anova output SPSS > 0,05 maka H0
diterima
o Jika nilai signifikansi pada tabel anova output SPSS < 0,05 maka H0
ditolak/ H1 diterima

4. Pengambilan keputusan
Dengan mengikuti kaidah keputusan didapatkan F hitung (64,877) > F upper tabel
(3,89) dan nilai signifikansi (0,000) < 0,05 maka H0 ditolak atau berarti H1 diterima.
Jadi dengan tingkat kepercayaan 95% ada perbedaan varians rata-rata hasil penelitian
ketiga metode.
c. Tingkat signifikansi masing-masing

• Dengan metode Tukey :

o Tingkat signifikansi hubungan metode standar baik dengan x yaitu 0,032
maupun dengan y yaitu 0,000, keduanya < 0,05 maka H0 ditolak atau
berarti H1 diterima.
o Tingkat signifikansi hubungan metode x baik dengan y yaitu 0,032
maupun dengan y yaitu 0,000, keduanya < 0,05 maka H0 ditolak atau
berarti H1 diterima
o Tingkat signifikansi hubungan metode y baik dengan standar yaitu 0,000
maupun dengan x yaitu 0,000, keduanya < 0,05 maka H0 ditolak atau
berarti H1 diterima
• Dengan metode Bonferroni :
o Tingkat signifikansi hubungan metode standar baik dengan x yaitu 0,039
maupun dengan y yaitu 0,000, keduanya < 0,05 maka H0 ditolak atau
berarti H1 diterima.
o Tingkat signifikansi hubungan metode x baik dengan y yaitu 0,039
maupun dengan y yaitu 0,000, keduanya < 0,05 maka H0 ditolak atau
berarti H1 diterima
o Tingkat signifikansi hubungan metode y baik dengan standar yaitu 0,000
maupun dengan x yaitu 0,000, keduanya < 0,05 maka H0 ditolak atau
berarti H1 diterima
2. Statistik Non Parametrik

a. Chi-square
Dengan analisis

1. Hipotesis
• H0 : WP1=WP2=WP3=1/3 yaitu kesukaan konsumen akan warna produk akar
wangi merata
• H1 : WP1 ≠WP2 ≠WP3 ≠1/3, yaitu kesukaan konsumen akan warna produk akar
wangi tidak merata

2. Chi-square tabel, Chi-square hitung, dan probabilitas

• Dengan tingkat signifikansi : 5% = 0,05
• Degree of freedom (df) : jumlah baris – 1 = 3-1 = 2
• Chi-square tabel : 𝑋 2 (0,05;2) = 5,991
• Chi-square hitung : 4,200
• Probabilitas atau asymptotic significant pada tabel hasil SPSS uji chi-square :
0,122

3. Kaidah keputusan
• Membandingkan chi-square tabel dan chi-square hitung
• Jika chi-square hitung < chi-square tabel, H0 diterima
 • Jika chi-square hitung > chi-square tabel, H0 ditolak/H1 diterima
• Jika probabilitas> 0,05, H0 diterima
• Jika probabilitas< 0,05, H0 ditolak/H1 diterima

4. Pengambilan keputusan
• Chi-square hitung (4,200) < chi-square tabel (5,991)
• Probabilitas (0,122) > 0,05
• Dari dua metode di atas dapat disimpulkan bahwa H0 diterima
• Artinya, kesukaan konsumen akan warna produk akar wangi merata. Dengan
warna coklat sebanyak 11 responden, hitam 5 responden, dan merah 14 responden
dari total 30 responden terpilih.

b. Exact test

Dengan analisis :

• Hasil analisis yang didapatkan dengan menggunakan uji chi-square sama, yaitu nilai
exact significant sebesar 0,134 > 0,05
• Dengan hasil asymptotic significant yang sama, maka kesimpulan yang didapatkan juga
sama yaitu H0 diterima
• Pada kebanyakan kasus, hasil asymptotic significant yang didapat dari uji exact dengan
uji chi-square menghasilkan kesimpulan yang sama. Walaupun, ada beberapa kasus
angka dan kesimpulan yang dihasilkan dari kedua uji berbeda.
• Apabila hasil yang didapatkan berbeda, maka hasil uji exact yang dijadikan sebagai
pedoman untuk mengambil keputusan akhir.
3. Regresi linear sederhana

a. Uji Model (koefisien determinasi)

Berdasarkan hasil pada tabel uji model (koefisien determinasi) pada kolom R square yaitu
sebesar 0,915 atau 91,5%. Dapat diartikan bahwa jumlah pesan sounding berpengaruh
sebesar 91,5% terhadap jumlah pendaftar. Sedangkan 8,5% lainnya dipengaruhi oleh
sebab-sebab lain.

b. uji F

Berdasarkan hasil pada tabel Uji F (anova) data pada soal memiliki signifikansi < 0,05
yaitu sebesar 0,000. Dapat diartikan bahwa model regresi bisa digunakan untuk
memprediksi jumlah pendaftar.

c. uji t (koefisien)

Berdasarkan hasil pada tabel uji t (koefisien) didapatkan bahwa nilai signifikansi
jumlah pesan sounding yaitu sebesar 0,000 < 0,05. Dengan nilai signifikansi yang
lebih kecil dari 0,05. Maka dapat diartikan bahwa jumlah pesan sounding benar-
benar berpengaruh secara nyata terhadap jumlah pendaftar.

d. uji asumsi klasik’

 ▪ normalitas

Berdasarkan hasil uji asumsi klasik (normalitas) yang tergambar pada grafik di atas.
Didapatkan bahwa model regresi tergolong baik karena memiliki nilai residual (data) yang
terdistribusi normal karena titik-titik berada disekitar garis lurus diagonal (cenderung
naik).

▪ Multikolinearitas

Uji asumsi klasik (heteroskedastisitas) bertujuan melihat tingginya korelasi antara

variabel-variabel bebas dalam suatu model regresi linear berganda. Jika korelasi variabel-
variabel bebas tersebut tinggi, maka hubungan antara variabel bebas terhadap variabel
terikat menjadi terganggu.
Berdasarkan pada hasil uji asumsi klasik (multikolinearitas) dihasilkan VIF (1,000) < 10
dan nilai condition index dimensi ke-2 (4,290) < 30. Dengan keadaan tersebut dapat
diartikan bahwa tidak terjadi multikolinearitas.

▪ Heteroksidasitas

Uji asumsi klasik (heteroskedastisitas) bertujuan melihat ketidaksamaan varians dari

residual satu ke pengamatan ke pengamatan yang lain.

Berdasarkan grafik scatterplot hasil dari uji asumsi klasik (heteroskedastisitas) titik-titik
data tersebar dan tidak mengumpul pada suatu titik. Dapat diartikan bahwa tidak terjadi
heteroskedastisitas pada data.

▪ Autokorelasi
 Berdasarkan hasil uji asumsi klasik (autokorelasi) dihasilkan nilai durbin-watson sebesar
1,340. Dengan hasil durbin-watson yang berada di antara -2 dan +2, dapat diartikan
bahwa terjadi autokorelasi.

e. kesimpulan

Model regresi yang digunakan telah memenuhi uji koefisien determinasi, uji f, uji t, dan uji
asumsi klasik. Dapat diartikan bahwa Y = -7,994 + 0,628x + e dapat digunakan untuk
menghitung banyaknya jumlah pendaftar. Jumlah pendaftar = - 7,994 jika tidak ada jumlah
pesan sounding (tanpa eror) dan akan naik 0,628 per 1 poin jumlah pesan sounding.