Disusun Oleh:
Kelompok/ Kelas : 4 (Empat)/ 2ID02
Nama/ NPM : 1. Aldila Ramadhan N.S./ 30420110
2. Andres Prayoga / 30420184
3. Artanti Lora R / 30420236
4. Isra Agam W / 30420600
5. Nur Alif / 30420983
Modul : Korelasi
Asisten Pembimbing : Nurul Aisyah Fat-Hiyyah, S.T.
…………………………………..…….2.1
..………………………………………………….....2.3
Keterangan :
rs = koefisien korelasi rank spearman
d = selisih dalam ranking
n = banyaknya pasangan rank
Keterangan :
S = statistic untuk jumlah konkordansi dan diskordansi
C = /- konkordasi
D = /- diskordansi
/- = banyaknya pasangan
N = jumlah pasangan X dan Y
……….……………………………………………………2.5
Keterangan :
X2 = kai kuadrat
n = jumlah frekuensi
C = koefisien korelasi bersyarat
……………………………......2.6
…………………………………………….2.8
……………………………………………...2.11
21 8 101 56
22 9 100 50
23 10 100 43
24 10 100 48
25 9 100 50
26 10 100 45
27 5 102 75
28 9 100 50
29 10 100 40
30 10 100 42
Total 261 3012 1523
y =
y = -0,8882
=
= 78,89%
Berdasarkan hasil perhitungan di atas, didapatkan nilai determinasi
sebesar sebesar 78,89%. Berdasarkan perhitungan tersebut berarti
pengaruh dari frekuensi pemeriksaan mesin (X1) terhadap jumlah produk
rusak/ cacat (Y) sebesar 78,89% dan 21,11% sisanya dipengaruhi oleh
faktor lain.
b. Koefisien korelasi pearson dan koefisien determinasi antara Waktu
Pemakaian Mesin (X2) dengan Jumlah Produk Rusak/ Cacat (Y). Berikut
merupakan perhitungan korelasi pearson antara Waktu Pemakaian Mesin
(X2) dengan Jumlah Produk Rusak/ Cacat (Y).
y =
=
=
y = 0,9092
=
= 82,66%
Berdasarkan hasil perhitungan di atas, didapatkan nilai determinasi
sebesar 82,66%. Berdasarkan perhitungan tersebut berarti pengaruh dari
waktu pemakaian mesin (X2) terhadap jumlah produk rusak/ cacat (Y)
sebesar 82,66% dan 17,34% sisanya dipengaruhi oleh faktor lain.
c. Koefisien korelasi pearson dan koefisien determinasi antara Frekuensi
Pemeriksaan Mesin (X1) dengan Waktu Pemakaian Mesin (X2). Berikut
merupakan perhitungan korelasi pearson antara Frekuensi Pemeriksaan
Mesin (X1) dengan Waktu Pemakaian Mesin (X2).
= -0,839
Berdasarkan hasil perhitungan di atas, didapatkan nilai korelasi antara
frekuensi pemeriksaan mesin (X1) dengan waktu pemakaian mesin (X2)
sebesar -0,839. Koefisien korelasinya termasuk ke dalam korelasi negatif
(0<r<-1) antara frekuensi pemeriksaan mesin (X1) dengan waktu
pemakaian mesin (X2) dan nilai koefisien korelasi termasuk ke dalam
range 0,70 < KK < 0,90 yang berarti korelasi yang tinggi dan kuat.
Korelasi bernilai negatif disebabkan karena semakin kecil frekuensi
pemeriksaan mesin maka akan semakin banyak waktu pemakaian mesin,
dan juga sebaliknya jika semakin besar frekuensi pemeriksaan mesin
maka akan semakin sedikit waktu pemakaian mesin.
Nilai Koefisien Determinasi R X1X2
Koefisien Determinasi digunakan untuk mengukur persentase variabel
(Y) yang dapat dijelaskan oleh independen variabel (X). Koefisien
Determinasi RX1X2 adalah besarnya pengaruh frekuensi pemeriksaan
mesin (X1) dengan waktu pemakaian mesin (X2) dalam bentuk
persentase. Berikut merupakan perhitungan koefisien determinasinya.
2
=
=
= 70,39%
Berdasarkan hasil perhitungan di atas, didapatkan nilai determinasi
sebesar 70,39%. Berdasarkan perhitungan tersebut berarti pengaruh dari
frekuensi pemeriksaan mesin (X1) dengan waktu pemakaian mesin (X2)
sebesar 70,39% dan 29,61% sisanya dipengaruhi oleh faktor lain.
2. Perhitungan Koefisien Korelasi Berganda dan Determinan antara Frekuensi
Pemeriksaan Mesin (X1) dan Waktu Pemakaian Mesin (X2) terhadap Jumlah
Produk Rusak/ Cacat (Y).
Koefisien Korelasi Berganda adalah suatu korelasi yang bermaksud untuk
melihat hubungan antara 3 atau lebih variabel (dua atau lebih variabel bebas
(X1, X2) dan satu variabel terikat (Y). Korelasi berganda berkaitan dengan
interkolasi variabel-variabel independen sebagaimana korelasi mereka
dengan variabel dependen. Koefisien Determinasi digunakan untuk mengukur
persentase variabel dependen (Y) yang dapat dijelaskan oleh independen
variabel (X). Berikut merupakan perhitungan Koefisien Korelasi Berganda
dan Koefisien Determinan.
Diketahui:
KPBy.12 =
=
=
=
KPBy.12 = 0,9378
Berdasarkan hasil perhitungan di atas, didapatkan nilai korelasi antara
frekuensi pemeriksaan mesin (X1) dengan waktu pemakaian mesin (X2)
terhadap Jumlah Produk Rusak/ Cacat (Y) sebesar 0,9378. Koefisien
korelasinya termasuk ke dalam korelasi positif (0<r<+1) antara frekuensi
pemeriksaan mesin (X1) dengan waktu pemakaian mesin (X2) terhadap
Jumlah Produk Rusak/ Cacat (Y) dan memiliki tingkat keeratan hubungan
yang sangat kuat, karena 0,9378 termasuk dalam range 0,90 < KK < 1,00
yang berarti korelasi sangat tinggi, kuat sekali, dan dapat diandalkan.
Korelasi bernilai positif disebabkan karena semakin besar frekuensi
pemeriksaan mesin, semakin besar waktu pemakaian mesin maka akan
semakin banyak pula jumlah produk rusak/ cacat, dan juga sebaliknya jika
semakin sedikit frekuensi pemeriksaan mesin, semakin sedikit waktu
pemakaian mesin maka akan semakin sedikit pula jumlah produk rusak/
cacat.
Nilai Koefisien Determinasi Berganda Ry12
Koefisien Determinasi digunakan untuk mengukur persentase variabel
dependen (Y) yang dapat dijelaskan oleh independen variabel (X). Koefisien
determinasi berganda merupakan nilai kuadrat dari koefisien korelasi
berganda. Berikut merupakan perhitungan determinasi antara frekuensi
pemeriksaan mesin (X1) dengan waktu pemakaian mesin (X2) terhadap
Jumlah Produk Rusak/ Cacat (Y).
= (Ry12 )2
=
= 87,95%
Berdasarkan hasil perhitungan di atas, didapatkan nilai determinasi sebesar
87,95%. Berdasarkan perhitungan tersebut berarti pengaruh dari frekuensi
pemeriksaan mesin (X1) dan waktu pemakaian mesin (X2) terhadap naik
turunnya jumlah produk rusak/ cacat (Y) sebesar 87,95% dan 12,05% sisanya
dipengaruhi oleh faktor lain.
3. Perhitungan Koefisien Korelasi Parsial dan Determinan antara frekuensi
pemeriksaan mesin (X1) terhadap jumlah produk rusak/ cacat (Y), jika waktu
pemakaian mesin (X2) dianggap konstan.
Koefisien korelasi parsial merupakan angka yang digunakan untuk mengukur
hubungan antara dua variabel dimana variabel lainnya dianggap konstan.
Berikut merupakan perhitungan koefisien korelasi parsial.
Diketahui:
y = -0,8882
y = 0,9092
= -0,839
ry12 =
= -0,5536
Berdasarkan hasil perhitungan di atas, didapatkan nilai korelasi antara
frekuensi pemeriksaan mesin (X1) terhadap Jumlah Produk Rusak/ Cacat (Y),
jika waktu pemakaian mesin (X2) dianggap konstan sebesar -0,5536.
Koefisien korelasinya termasuk ke dalam korelasi negatif (0<r<-1) antara
frekuensi pemeriksaan mesin (X1) terhadap Jumlah Produk Rusak/ Cacat (Y),
jika waktu pemakaian mesin (X2) dianggap konstan dan nilai koefisien
korelasi termasuk ke dalam range 0,40 < KK < 0,70 yang berarti korelasi
yang cukup berarti. Korelasi bernilai negatif disebabkan karena semakin kecil
frekuensi pemeriksaan mesin maka akan semakin besar jumlah produk rusak/
cacat dan juga sebaliknya jika semakin besar waktu pemakaian mesin maka
akan semakin sedikit frekuensi pemeriksaan mesin, apabila waktu pemakaian
mesin dianggap konstan.
Nilai Koefisisen Determinasi Parsial
Koefisien Determinasi digunakan untuk mengukur persentase variabel
dependen (Y) yang dapat dijelaskan oleh independen variabel (X). Koefisien
determinasi berganda merupakan nilai kuadrat dari koefisien korelasi
berganda. Berikut merupakan perhitungan determinasi antara frekuensi
pemeriksaan mesin (X1) terhadap Jumlah Produk Rusak/ Cacat (Y), jika
waktu pemakaian mesin (X2) dianggap konstan.
Ry21 =
=
=
= 30,64%
Berdasarkan hasil perhitungan di atas, didapatkan nilai determinasi sebesar
30,64%. Berdasarkan perhitungan tersebut berarti pengaruh dari frekuensi
pemeriksaan mesin (X1) terhadap jumlah produk rusak/ cacat (Y), jika waktu
pemakaian mesin (X2) dianggap konstan sebesar 30,64% dan 69,36% sisanya
dipengaruhi oleh faktor lain.
Gambar 2.5 Output Korelasi Frekuensi Pemeriksaan Mesin dan Jumlah Produk
Rusak/ Cacat.
Langkah selanjutnya yaitu memilih kembali kembali option analyze, lalu
memilih correlate, kemudian memilih bivariate. Berikutnya memindahkan
variabel ‘Waktu Pemakaian Mesin’ dan ‘Jumlah Produk Rusak’ ke dalam tabel
variables, kemudian mengklik ok. Berikut merupakan Gambar 2.6 Bivariate
Correlations.
Gambar 2.7 Output Jumlah Produk Rusak dan Waktu Pemakaian Mesin
Langkah selanjutnya yaitu memilih kembali kembali option analyze, lalu
memilih correlate, kemudian memilih bivariate. Berikutnya memindahkan
variabel ‘Frekuensi Pemeriksaan Mesin’ dan ‘Waktu Pemakaian Mesin’ ke dalam
tabel variables, kemudian mengklik ok. Berikut merupakan Gambar 2.8 Bivariate
Correlations.
Gambar 2.9 Output Frekuensi Pemeriksaan Mesin dan Waktu Pemakaian Mesin
Langkah selanjutnya yaitu menganalisa korelasi parsial dengan cara
memilih kembali option analyze, lalu memilih correlate, kemudian memilih
partial. Berikut merupakan Gambar 2.10 Tampilan option analyze – correlate –
partial.
Gambar 2.13 Output Korelasi Parsial antara X1 dan Y dimana X2 sebagai kontrol
3.3 Analisis
Analisis adalah kegiatan penyelidikan terhadap suatu peristiwa untuk
mengetahui keadaan yang sebenarnya. Analisis juga dapat diartikan sebagai
kegiatan menguraikan data-data yang sudah diseleksi untuk menjawab
pertanyaan-pertanyaan penelitian. Pada data pengecekan hasil produksi PT Jaya
Utama, analisis dilakukan terhadap dua bagian yaitu analisis perhitungan manual
dan analisis pengolahan software.
3.3.1 Analisis Perhitungan Manual
Analisis perhitungan manual dilakukan pada data pengecekan hasil
produksi PT Jaya Utama, perhitungan dilakukan terhadap korelasi pearson dan
pada korelasi parsial dengan satu variabel yang konstan. Korelasi pearson pada
perhitungan manual menghubungkan keeratan antara frekuensi pemeriksaan
mesin (X1) dengan jumlah produk rusak/cacat (Y), kemudian antara waktu
pemakaian mesin (X2) dengan jumlah produk rusak/cacat (Y), dan antara
frekuensi pemeriksaan mesin (X1) dengan waktu pemakaian mesin (X2).
Selanjutnya analisis perhitungan manual pada korelasi parsial yang
menghubungkan keeratan antara frekuensi pemeriksaan mesin (X 1) dengan jumlah
produk rusak/cacat (Y) apabila waktu pemakaian mesin (X2) konstan.
Hasil dari perhitungan secara manual yang telah dilakukan maka
didapatkan nilai korelasi antara frekuensi pemeriksaan mesin (X1) dan jumlah
produk rusak/ cacat (Y) sebesar -0,8882. Koefisien korelasinya termasuk ke dalam
korelasi negatif (0<r<-1) antara frekuensi pemeriksaan mesin (X1) dengan jumlah
produk rusak/ cacat (Y) dan memiliki tingkat keeratan hubungan yang kuat.
Korelasi bernilai negatif disebabkan karena semakin kecil frekuensi pemeriksaan
mesin maka akan semakin banyak jumlah produk rusak/cacat, dan juga sebaliknya
jika semakin besar frekuensi pemeriksaan mesin maka akan semakin sedikit
jumlah produk rusak/cacat. Koefisien determinasi antara frekuensi pemeriksaan
mesin (X1) dan jumlah produk rusak/ cacat (Y) sebesar 78,89%, artinya pengaruh
dari frekuensi pemeriksaan mesin (X1) terhadap jumlah produk rusak/ cacat (Y)
sebesar 78,89% dan 21,11% sisanya dipengaruhi oleh faktor lain.
Didapatkan hasil perhitungan secara manual nilai korelasi antara waktu
pemakaian mesin (X2) dengan jumlah produk rusak/ cacat (Y) sebesar 0,9092.
Koefisien korelasinya termasuk ke dalam korelasi positif (0<r<+1) antara waktu
pemakaian mesin (X2) dengan jumlah produk rusak/ cacat (Y) dan memiliki
tingkat keeratan hubungan yang sangat kuat. Korelasi bernilai positif disebabkan
karena semakin besar waktu pemakaian mesin maka akan semakin banyak pula
jumlah produk rusak/ cacat, dan juga sebaliknya jika semakin sedikit waktu
pemakaian mesin maka akan semakin sedikit pula jumlah produk rusak/ cacat.
Nilai koefisien determinasi antara waktu pemakaian mesin (X2) dengan jumlah
produk rusak/ cacat (Y) sebesar 82,66% yang berarti pengaruh dari waktu
pemakaian mesin (X2) terhadap jumlah produk rusak/ cacat (Y) sebesar 82,66%
dan 17,34% sisanya dipengaruhi oleh faktor lain.
Didapatkan hasil perhitungan secara manual nilai korelasi antara frekuensi
pemeriksaan mesin (X1) dengan waktu pemakaian mesin (X2) sebesar -0,839.
Koefisien korelasinya termasuk ke dalam korelasi negatif (0<r<-1) antara
frekuensi pemeriksaan mesin (X1) dengan waktu pemakaian mesin (X2) dan
memiliki tingkat keeratan hubungan yang kuat. Korelasi bernilai negatif
disebabkan karena semakin kecil frekuensi pemeriksaan mesin maka akan
semakin banyak waktu pemakaian mesin, dan juga sebaliknya jika semakin besar
frekuensi pemeriksaan mesin maka akan semakin sedikit waktu pemakaian mesin.
Nilai koefisien determinasi antara frekuensi pemeriksaan mesin (X1) dengan
waktu pemakaian mesin (X2) sebesar 70,39%. Berdasarkan perhitungan tersebut
berarti pengaruh dari frekuensi pemeriksaan mesin (X1) dengan waktu pemakaian
mesin (X2) sebesar 70,39% dan 29,61% sisanya dipengaruhi oleh faktor lain.
Berdasarkan perhitungan manual koefiesien korelasi berganda, didapatkan
nilai korelasi antara frekuensi pemeriksaan mesin (X1) dengan waktu pemakaian
mesin (X2) terhadap Jumlah Produk Rusak/ Cacat (Y) sebesar 0,9378. Koefisien
korelasinya termasuk ke dalam korelasi positif (0<r<+1) antara frekuensi
pemeriksaan mesin (X1) dengan waktu pemakaian mesin (X2) terhadap Jumlah
Produk Rusak/ Cacat (Y) dan memiliki tingkat keeratan hubungan yang sangat
kuat, karena 0,9378 termasuk dalam range 0,90 < KK < 1,00 yang berarti korelasi
sangat tinggi, kuat sekali, dan dapat diandalkan. Nilai koefisien determinasi antara
frekuensi pemeriksaan mesin (X1) dengan waktu pemakaian mesin (X2) terhadap
Jumlah Produk Rusak/ Cacat (Y) sebesar 87,95% yang berarti pengaruh dari
frekuensi pemeriksaan mesin (X1) dan waktu pemakaian mesin (X2) terhadap naik
turunnya jumlah produk rusak/ cacat (Y) sebesar 87,95% dan 12,05% sisanya
dipengaruhi oleh faktor lain.
Berdasarkan perhitungan koefisien korelasi parsial didapatkan nilai
korelasi antara frekuensi pemeriksaan mesin (X1) terhadap Jumlah Produk Rusak/
Cacat (Y), jika waktu pemakaian mesin (X2) dianggap konstan sebesar -0,5536.
Koefisien korelasinya termasuk ke dalam korelasi negatif (0<r<-1) dan termasuk
korelasi yang cukup berarti, karena -0,5536 termasuk dalam range 0,40 < KK <
0,70. Nilai koefisien determinasi antara frekuensi pemeriksaan mesin (X1)
terhadap Jumlah Produk Rusak/ Cacat (Y), jika waktu pemakaian mesin (X2)
dianggap konstan sebesar 30,64% yang berarti pengaruh dari frekuensi
pemeriksaan mesin (X1) terhadap jumlah produk rusak/ cacat (Y), jika waktu
pemakaian mesin (X2) dianggap konstan sebesar 30,64% dan 69,36% sisanya
dipengaruhi oleh faktor lain.
4.1 Kesimpulan
Kesimpulan adalah hasil akhir yang menjelaskan mengenai keseluruhan
hasil dari penelitian yang telah dilakukan. Kesimpulan dari penelitian yang telah
dilakukan berdasarkan analisis dari pembahasan bab sebelumnya adalah sebagai
berikut :
1. Koefisien korelasi pearson dan determinasi antara:
a. Frekuensi Pemeriksaan Mesin (X1) dengan Jumlah Produk Rusak/ Cacat
(Y) adalah sebesar -0,8882 (manual) dan -0,888 (software) dengan nilai
koefisien determinasinya sebesar 78,85%.
b. Waktu Pemakaian Mesin (X2) dengan Jumlah Produk Rusak/ Cacat (Y)
adalah sebesar 0,9092 (manual) dan -0,909 (software) dengan nilai
koefisien determinasinya sebesar 82,62%.
c. Frekuensi Pemeriksaan Mesin (X1) dengan waktu Pemakaian Mesin (X2)
adalah sebesar -0,839 (manual) dan -0,839 (software) dengan nilai
koefisien determinasinya sebesar 70,39%
2. Nilai korelasi linier berganda antara Frekuensi Pemeriksaan Mesin (X1) dan
Waktu Pemakaian Mesin (X2) terhadap Jumlah Produk Rusak/ Cacat (Y)
adalah sebesar 0,9376 dengan nilai koefisien determinasinya sebesar 87,91%.
3. Nilai korelasi parsial antara Frekuensi Pemeriksaan Mesin (X1) terhadap
Jumlah Produk Rusak/ Cacat (Y), jika Waktu Pemakaian Mesin (X2)
dianggap konstan adalah sebesar -0,5539 (manual) dan -0,553 (software)
dengan nilai koefisien determinasinya sebesar 30,68%.
4.2 Saran
Laporan yang telah kami buat tentunya ada kekurangan dikarenakan
keterbatasan pengetahuan dan waktu. Adapun saran kami untuk perkembangan
laporan sebagai berikut :
1. Agar laporan ini semakin lengkap perlu dasar teori yang lebih luas dan
banyak dari berbagai sumber.
2. Laporan ini diharapkan dapat ditinjau kembali, dengan analisis dan
perhitungan agar lebih bermanfaat.
3. Laporan ini diharapkan dapat ditinjau kembali, dengan analisis dan
perhitungan untuk hasil laporan dibuat lebih rapih dan terperinci.
DAFTAR PUSTAKA
https://eprints.uny.ac.id/13690/5/BAB%20IV.pdf. (n.d.).
Drs. Syafril, M. (2019). Statistik Pendidikan edisi Pertama. Jakarta: Kencana.
Hasan, I. (2001). Pokok - Pokok Materi Statistika 1 (Statistik Deskriptif). Jakarta:
Bumi Aksara.
Hasan, I. (2001). Pokok-Pokok Materi Statistik 2 (Statistik Inferensif) Edisi
Kedua. Jakarta: PT Bumi Aksara.
Umami, A. (2021). Konsep Dasar Biostatistik. Kota Kediri: Penerbit CV. Pelita
Medika.