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 :
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
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
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
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.
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
▪ Heteroksidasitas
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.