DISUSUN OLEH:
RATNA SALKIAWATI, S.T., M.KOM (0310038006)
1
DAFTAR ISI
PENDAHULUAN .................................................................................................................. 3
1.1 Pengertian ..................................................................................................................... 3
1.2 Excel ............................................................................................................................ 4
Latihan 1 ............................................................................................................................ 11
Latihan 2 ............................................................................................................................ 17
Latihan 3 ............................................................................................................................ 23
Latihan 4 ............................................................................................................................ 27
Latihan 5 ............................................................................................................................ 30
Latihan 6 ............................................................................................................................ 33
Latihan 7 ............................................................................................................................ 36
Latihan 8 ............................................................................................................................ 38
Latihan 9: ........................................................................................................................... 41
Latihan 10: ......................................................................................................................... 48
2
PENDAHULUAN
1.1 Pengertian
Statistika adalah ilmu yang berhubungan dengan pengumpulan data (collecting),
analisis data (analyze) dan penafsiran data (intepreting). Definisi statistika tersebut
memberikan gambaran bahwa statistika merupakan ilmu yang sangat erat hubungannya
dengan data. Persoalan-persoalan ekonomi, sosial dan eksakta dapat diselesaikan dengan
menggunakan metode statistika yang memerlukan data mengenai masalah tersebut.
Langkah-langkah dalam melakukan proses statistika sebagai berikut:
• Pengumpulan Data (Collecting)
Cara yang digunakan untuk mengumpulkan data, misalnya melalui angket/ quesioner,
wawancara, informasi dari sumber, dan lain-lain.
• Analisis Data (Analyze)
Langkah ini diperlukan untuk memperoleh gambaran mengenai karakter suatu obyek
dengan menggunakan seluruh data (populasi) atau sebagian data (sampel). Adapun
konsep statistika yang dapat digunakan untuk proses analisis ini, misalnya probabilitas,
estimasi statistika, uji hipotesis dan sebagainya.
• Penafsiran Data (Intepreting)
Hasil analisis dapat digunakan untuk membuat taksiran terhadap karakteristik obyek
yang diteliti. Penafsiran ini dapat berupa kesimpulan atau keputusan statistik mengenai
obyek yang diteliti tersebut
3
1.2 Excel
Excel sebagai sebuah program spreadsheet mampu untuk mengolah data statistika
lewat dua cara, yaitu:
a. Dengan Program Bantu Khusus Perhitungan Statistika
Excel menyediakan fasilitas bantu (Add-Ins) yang disebut Data Analysis, yang
berfungsi khusus untuk mengolah data statistika yang meliputi antara lain uji t, uji F,
ANOVA, regresi, dan sebagainya. Karena programnya adalah khusus, maka pengguna
(user) hanya memasukkan data statistika yang diperlukan, sedang perhitungan dan
penyajian akan dilakukan oleh Excel.
Fasilitas khusus tersebut termasuk dalam program Add-Ins, untuk bisa diigunakan
harus diaktifkan terlebih dahulu oleh user. Untuk mengaktifkan fasilitas yang ada dalam
program Add-Ins, langkah- langkahnya sebagai berikut :
1. Pilih menu utama Tools pada Excel, kemudian dari menu Tools tersebut pilih menu
Add-Ins… dengan mengklik menu Add-Ins… tersebut.
2. Maka akan tampak di layar menu Add-Ins, sebagai berikut :
4
3. Fungsi Menu Add-Ins, antara lain yaitu :
a. AccesLinks Add-In
Program tambahan yang berfungsi agar Excel bisa saling berkomunikasidengan
data dari program Access (juga dari Microsoft Office).
b. Analysis ToolPark dan Analysis ToolPark VBA
Program tambahan yang berisi kemampuan Excel dalam membantumelakukan
analisis masalah-masalah statistika.
c. AutoSave
Program tambahan ini berfungsi menjaga agar data yang sedang diinput tidak hilang
jika mendadak listrik padam, dengan jalan menyimpan data yang ditulis di
worksheet tiap selang waktu tertentu.
Semua program Add-Ins di atas bersifat optional, dalam arti boleh dimasukkan
dalam Excel atau tidak usah digunakan. Penggunaan program Add-Ins tentunya bisa
berlainan bagi pemakai yang satu dengan pemakai yang lainnya. Karena akan
menggunakan program bantu analisis statistika, maka akan dipilih program Add-Ins yang
relevan, yaitu Analysis ToolPark dan Analysis ToolPark VBA. Untuk itu, klik kotak
disisi pilihan Analysis ToolPark dan Analysis ToolPark VBA, kemudian tekan tombol
OK, maka Excel akan memproses pemasukan program Add-Ins tersebut ke dalam Excel.
Setelah program Add-ins Analysis ToolPark dan Analysis ToolPark VBAdiinstal,
langkah berikutnya adalah melihat apakah program tersebut sudah bisa aktif ataukah
belum. Langkah-langkahnya adalah sebagai berikut:
1. Pilih menu Tools pada menu utama Excel. Perhatikan semua submenu dari menu
Tools tersebut. Jika pada bagian paling bawah dari menu Tools terdapat menu Data
Analysis…, berarti program Add-Ins Analysis ToolPark sudah terpasang dan siap
dipakai. Jika menu Data Analysis tidak tampak pada menu Tools, ada dua
kemungkinan, yaitu:
• Ada kesalahan dalam pengisian program Add-Ins. Untuk itu, kembali ke langkah
sebelumnya untuk mengaktifkan program.
• Program Add-Ins memang tidak disertakan dalam install Excel awal.
5
6
2. Jika menu Data Analysis… sudah tampak, pilih menu tersebut makatampak di
layar kotak dialog Data Analysis seperti berikut:
Menu di atas adalah isi dari menu Data Analysis yang akan digunakan untuk
pembahasan masalah-masalah statistika.
Untuk menambah Data Analysis pada Microsoft Office Excel 2007,
langkahnya sebagai berikut :
Klik bulatan pada pojok kiri atas (Office Button), terus pilih Excel Options
dan klik Add-Ins kemudian pilih Analysis ToolPak dan klik Go terus centang
Analysis ToolPak dan Analysis ToolPak–VBA klik Ok,selanjutnya tunggu proses
sampai selesai.
6
7
7
8
8
9
Jika ingin mencari berapa jumlah penjualan Buah Melon pada tahun 2021, maka
digunakan fungsi SUM, dengan langkah-langkah sebagai berikut :
• Tempatkan pointer pada sel yang akan dijadikan tempat penulisanfungsi,
misalnya pada sel B16, diketik fungsi pada sel tersebut :
9
10
10
11
Latihan 1
Langkah-langkah Perhitungan
Untuk bisa menyajikan hasil statistika deskriptif seperti permintaan
manajer pemasaran di atas, berikut diberikan data penjualan mobil Arjunaselama
tahun 2021. Berikut adalah data penjualan unit mobil per bulan :
Langkah-langkah Penyelesaian :
1. Pilih menu Tools atau Data, lalu klik pilihan Data Analysis…(biasanya
terletak paling bawah atau kanan) yang ada pada menu Tools tersebut.
11
12
12
13
13
14
6. Klik Confidence Level for Mean, yaitu tingkat kepercayaan untuk Mean
dengan angka default 95 % atau tingkat signifikan 5 %.
7. Klik Kth Largest, biarkan angka yang sudah ada yaitu angka 1 artinya output
untuk angka (data) yang terbesar pertama, Klik Kth Smallest, biarkan angka
yang sudah ada yaitu angka 1 artinya output untuk angka (data) yang terkecil
pertama.
8. Klik OK. Tampilan input data pada Descriptive Statistics secara lengkap
seperti tampak pada Gambar 6 berikut.
Mean 1547.416667
Standard Error 53.19610067
Median 1578
Mode #N/A
Standard Deviation 184.2766982
Sample Variance 33957.90152
Kurtosis -0.726620092
Skewness -0.616702759
Range 568
Minimum 1200
Maximum 1768
Sum 18569
Count 12
Largest(1) 1768
Smallest(1) 1200
Confidence Level(95.0%) 117.0838874
14
15
• Mean (rata-rata hitung) adalah 1547,417. Hal ini berarti rata-rata penjualan
mobil Arjun untuk tahun 2013 adalah 1547,417 unit atau 1549 unit.
• Median (titik tengah) dari data di atas adalah 1578 unit mobil. Untuk kasus
ini, Median tidak perlu digunakan karena tidak relevan dengan pembahasan.
• Mode atau data yang paling sering muncul tertulis #N/A atau Not Available
(tidak tersedia). Hal ini berarti tidak ada unit mobil yang terjual dalam jumlah
yang sama selama dua belas bulan.
• Standar Deviasi (s) adalah 184,2767. Hal ini berarti bahwa Standar Deviasi
penjualan mobil Arjuna selama tahun 2013 adalah 184 unit (pembulatan),
atau bisa dikatakan mobil Arjuna yang terjual berada pada kisaran:
= Mean Standar Deviasi = 1547 184 unit
= (1547 – 184) sampai (1547 + 184) unit = 1363 unit sampai 1731 unit
• Sample Variance (s2) adalah 33957,9. Hal ini berarti bahwa variance dari
penjualan mobil Arjuna adalah 33958 unit. Sample variance adalah kuadrat
dari Standar Deviasi, atau :
Variance = (184,2767) 2 = 33957,9
• Data minimum adalah 1200 dan data maksimum adalah 1768. Hal ini berarti
mobil Arjuna terjual minimum 1200 unit dan maksimum 1768 unit selama
tahun 2021.
• Sum adalah 18569, atau jumlah total mobil Arjuna yang terjual selama tahun
2012 adalah 18569 unit.
• Count adalah 12 atau ada 12 data (12 bulan) untuk melaporkan penjualan
mobil Arjuna
• Largest (1) adalah 1768 dan Smallest (1) adalah 1200. Hal ini berarti data
terbesar (pertama) adalah 1768 unit dan data terkecil (pertama) adalah
1200 unit.
15
16
Jika pada input awal untuk baris Kth Largest ditulis misalnya 2, maka data
terbesar kedua adalah 1754 unit.
• Skewness atau tingkat kemencengan adalah –0,6167. Tanda negatif berarti
distribusi data ‘menceng’ ke kiri (tidak simetris), dengan ciri Median (1578)
lebih besar dari Mean (1547).
• Kurtosis atau tingkat keruncingan distribusi adalah –0,72662.
• Standard Error (x) adalah 53,1961. Hal ini berarti penyimpangan dari rata-
rata sampel pada populasi adalah 53,1961 unit.
Standard Error dari Mean ini bisa didapat dari:
16
17
Latihan 2
Histogram : Histogram biasa digunakan untuk menggambarkan data kuantitatif.
Data berikut merupakan hasil pengukuran tinggi tanaman jagung dari
tanaman sampel (10 % dari populasi dalam hamparan budidaya yang diambil
secara acak), data dalam cm.
Pertanyaan :
1. Hitunglah range (R) dan jumlah kelas (k).
2. Carilah interval kelasnya (p).
3. Gambarkan grafik histogram, poligon dan ogive.
Penyelesaian :
Ketik semua data dalam Tabel 3 di atas, mulai pada kolom A baris kedua
(A2) sampai kolom J baris 9 (J9).
56 - 61 ?
62 - 67 ?
68 - 73 ?
74 - 79 ?
80 - 85 ?
86 - 91 ?
92 - 97 ?
1. Tempatkan pointer pada sel L1 dan ketik BIN untuk mengisi sel tersebut.
2. Dengan memperhatikan kerangka distribusi seperti tabel di atas, ketik sel-
sel berikut untuk mengisi BIN dari Excel:
Data di atas digunakan untuk mengisi BIN Range yang ada di EXCEL.
1. Pilih menu Tools atau Data, lalu klik pilihan Data Analysis… (biasanya
terletak paling bawah) pada menu Tools atau Data tersebut.
18
19
4. Untuk Input Range, yang adalah data tinggi tanaman, bisa dilakukan
dengan blok dari A2...J9 atau ketik A2:J9 (data angka yang akan dianalisis).
5. Ulangi prosedur di atas untuk BIN RANGE dengan range adalah L2..L9.
6. Untuk kolom Labels, untuk keseragaman, bisa dilewati atau diabaikan saja.
7. Pengisian pilihan output (Output Options)
Untuk keseragaman, output akan ditempatkan pada worksheet yang sama,
hanya pada range yang berbeda, tepatnya berada di samping kasus di atas.
Untuk itu, pilih option Output Range dengan mengklik mouse pada sisi kiri
pilihan tersebut. Kemudian klik mouse pada icon/pada sisi kanan pilihan
tersebut. Klik dimana output dikehendaki atau ditempatkan (misalnya klik
pada sel atau kolom N1).
8. Mengisi pilihan untuk output yang akan ditampilkan.
Untuk keseragaman, klik kotak sebelah kiri pilihan Chart Output.
9. Setelah seluruh pengisian dianggap benar, tekan OK untuk melihat output
dari histogram. Gambar Histogram dan Frekuensi yang dihasilkan sbb.:
Histogram
30
24
y 25
c 20 17
e 15 13 Frequency
Bin
Bin Frequency
55 1
61 2
67 17
73 13
79 24
85 9
91 7
97 7
More 0
c. Isi kotak Gap width dengan angka nol atau 0 %, lalu klik OK.
d. Hasilnya seperti gambar berikut.
Histogram
30
24
25
17
13 Frequency
u 9
q
50 - 55 56 - 61 62 - 67 68 - 73 74 - 79 80 - 85 86 - 91 92 - 97 More
20
21
Untuk membuat grafik “ogive kurang dari” dan “ogive lebih dari” ketik
kelas dan frekuensi masing-masing pada dua kolom yang berbeda, serta
demikian juga untuk pembuatan grafik poligon. Cara pembuatan grafiknya, klik
gambar grafik pada menu bar, pilih chart type line lalu klik Next kemudian isi
data range dengan cara blok kelas dan frekuensinya, selanjutnya klik Next
dua kali dan klik Finish, Hasilnya sebagai berikut :
Data yang akan digunakan sama, yaitu data tinggi tanaman pada contoh di
depan. Langkah-langkah Perhitungan :
1. Ketik More pada sel L10.
2. Ketik Frekuensi pada sel M1, kemudian blok/highlight sel M2:M10.
21
22
22
23
Distribusi Binomial
Banyak data maupun informasi dalam dunia usaha, atau riset-riset dalam
bisnis, yang menghasilkan respon dalam bentuk dikotomi, dalam arti
menghasilkan hanya dua alternatif, misalnya jawaban suatu pertanyaan yang
hanya menghasilkan dua jawaban, “ya” atau “tidak”, “gagal” atau “ sukses” ,
“suka” atau “tidak suka” dan sebagainya. Jumlah alternatif jawaban dikotomi
seperti itu (jumlah yang menjawab “ya” atau jumlah yang menjawab “tidak”) akan
membentuk suatu distribusi probabilitas binomial.
Latihan 3
Sebuah dadu (yang mempunyai enam angka) dilempar sebanyak lima kali.
Berapa kemungkinan angka 4 dari dadu tersebut muncul sebanyak nol kali
(tidak pernah muncul), satu kali, dua kali, tiga kali, empat kali atau lima kali
(muncul terus menerus)?
Masalah ini adalah persoalan binomial, karena hanya ada dua
kemungkinan, yaitu ‘angka 4 muncul’ atau ‘angka 4 tidak muncul’.
Langkah-Langkah Perhitungan :
Menghitung Probabilitas X (PROB X)
Probabilitas angka 4 tidak pernah muncul dari lima kali lemparan :
1. Tempatkan pointer pada sel B4
2. Ketik pada sel B4 tersebut dengan
=BINOMDIST(A4,$C$1,$C$2,FALSE)
atau dengan memasukkan angka langsung seperti berikut :
23
24
=BINOMDIST(0,5,0.16666667,FALSE)
3. Tekan Enter
4. Untuk mengisi probabilitas tidak muncul angka 4 sebanyak 1 kali, 2 kali, 3
kali, 4 kali, atau 5 kali dalam lima kali lemparan, maka dengan jalan
mengcopy rumus di atas.
(FALSE adalah tanda bahwa yang dihitung adalah probabilitas untuk satu
titik saja, bukan suatu interval).
Keterangan hasil yang diperoleh sebagai berikut :
• Probabilitas “angka 4” tidak pernah muncul (0 kali) selama 5 kali lemparan
dadu adalah 0,4019 atau 40,19 %.
• Probabilitas “angka 4” muncul 1 kali selama 5 kali lemparan dadu adalah
0,4019 atau 40,19 %.
Menghitung PROB(<=X)
Distribusi Normal
Salah satu bentuk distribusi probabilitas yang paling penting dan paling
sering digunakan dalam praktek statistik adalah distribusi normal. Distribusi
normal adalah suatu distribusi yang berbentuk bell shaped (lonceng) yaitu
terbentuk dalam dua bagian yang simetris, dengan menaik dari sebelah kiri,
kemudian setelah mencapai titik tertentu, mulai menurun namun tidak sampai
menyentuh sumbu horizontal.
Kurva normal mempunyai sifat-sifat sebagai berikut :
• Rata-rata mempunyai satu puncak (berbentuk lonceng) dimana mean =
median=modus
• Kedua kakinya mendekati garis horizontal tetapi tidak pernah menyentuh
• Keseluruhan luas dari kurva normal = 1.
25
26
X −
Z =
Dimana:
26
27
Latihan 4
Hasil ujian sebuah kelas terdistribusi normal dengan rata-rata 70 dan standar
deviasi 3,5. Jika ada seorang mempunyai hasil nilai 81, berapa nilai Z ?
Berapa luas area atau probabilitas di bawah kurva Z pada masalah di atas?
Penyelesaian :
Data yang ada adalah : = 70 ; = 3,5 ; X = 81 (sebuah variabel random)
81 − 70 = 3,14
Z =
3,5
Angka 3,14 beratri standarisasi nilai dari variabel random 81 adalah 3,14.
Dengan melihat Tabel Z untuk angka 3,14 didapat 0,49916. Karena akan
dihitung luas area di bawah angka Z tertentu (3,14), maka angka tersebut
dijumlah dengan angka 0,5 yang merupakan luas area satu sisi dari Z. Lihat
gambar berikut :
+ 3,14
Luas daerah di bawah angka Z (+3,14) adalah seluruh daerah yang diarsir :
27
28
0,5 + 0,4996 = 0,9996, berarti luas daerah Z (+3,14) adalah 0,9996 atau
probabilitas diperoleh nilai 81 ke bawah (80, 79, 78 dan seterusnya
sampai nilai 0) adalah 99,96 %.
28
29
-1,645
Pada umumnya fungsi NORMSINV dalam praktek untuk mencari titik kritis
pada tingkat signifikansi tertentu, seperti 0,05 (uji satu sisi) yang berarti tingkat
Di sini diketahui luas area kurva di bawah nilai X tertentu adalah 0,05
Tugas II :
2. Hasil ujian Statistika mahasiswa diperoleh rata-rata nilainya 6,6 dan standar
deviasinya 1,12 dengan asumsi berdistribusinormal. Hitunglah : a) berapa
persen dari mahasiswa mendapat nilai 6, b) nilai tertinggi dari 10 persen
mahasiswa yang mendapat nilai terendah, dan c) nilai tertinggi dari 10 persen
mahasiswa yang mendapat nilai tertinggi.
29
30
30
31
f. Untuk input variable 1 range, blok/highlight sel A2:A10, dan untuk variable 2
range, blok/highlight sel B2:B10.
g. Klik kotak di depan output range dan ketik D1 kemudian tekan OK.
h. Hasilnya disajikan pada tabel berikut.
31
32
Kesimpulan : nilai t-hitung (-2,024) < nilai t-tabel (-1,860), maka Ho ditolak
artinya pernyataan LSM bahwa rata-rata pendapatan wanita di bawah Rp
700.000 dapat diterima.
Nilai t-hitung sebenarnya dapat dicari dengan menggunakan rumus berikut :
32
33
Pasangan 1 2 3 4 ..... n
Contoh 1 (X) X1 X2 X3 X4 ..... Xn
Contoh 2 (Y) Y1 Y2 Y3 Y4 ..... Yn
Di = X – Y D1 D2 D3 D4 ..... Dn
d = (Di – Md) d1 d2 d3 d4 ..... dn
(Di – Md)2 d12 d22 d32 d42 ..... dn2
penduga tak berbias dari μ adalah rata-rata dari beda dua contoh (Md), yang
diperoleh dari : Md = ∑ Di / n
1. Ho : μ ≥ μ0 vs H1 : μ < μ0
2. Ho : μ ≤ μ0 vs H1 : μ > μ0
3. Ho : μ = μ0 vs H1 : μ ≠ μ0
Latihan 6
Seorang pemulia tanaman menemukan dua turunan tanaman padi yang
mempunyai potensi tinggi dalam menghasilkan biji. Kedua jenis tanaman padi itu
diberi kode seleksi X dan Y. Jenis-jenis tanaman padi telah dicobakan pada 12
daerah (sentra)penanaman padi. Hasil yang didapat sbb.: (ton/Ha)
Daerah : 1 2 3 4 5 6 7 8 9 10 11 12
X : 10,5 14,8 10,3 7,2 8,8 14,2 15,7 12,3 8,9 7,9 11,1 14,4
Y : 12,7 13,1 7,2 8,9 10,1 11,1 13,2 10,9 7,3 8,1 8,2 9,7
Ujilah apakah kedua jenis padi mempunyai daya hasil yang berbeda, α = 5%.
33
34
34
35
Pengambilan Keputusan :
• Dengan membandingkan t-hitung dengan t-tabel
Karena t-hitung (2,060) lebih kecil dari t-tabel (2,201) maka Ho diterima,
artinya kedua jenis padi tersebut mempunyai daya hasil yang sama (tidak
berbeda nyata).
• Dengan melihat nilai probabilitas (p-value):
Karena p-value hasil perhitungan dari komputer adalah 0,0638 (lihat kolom
p-value untuk two tail) yang lebih besar dari 0,05 maka Ho diterima artinya
kedua jenis padi tersebut mempunyai daya hasil yang tidak berbeda nyata
(kesimpulannya sama dengan melihat nilai t).
Catatan :
Jika menggunakan uji z, maka terlebih dahulu harus melakukan
perhitungan tersendiri untuk mencari varians sampel (S2) atau varians populasi
(2) untuk tiap variabelnya.
1. Untuk varians sampel ketik, =VARA(sel data)
Misalnya, variabel 1 =VARA(A2:A12) dan variabel 2 =VARA(b2:b12)
2. Untuk varians populasi ketik, =VARP(sel data)
Misalnya, variabel 1 =VARP(A2:A12) dan variabel 2 =VARP(B2:B12)
Pilih menu Tools, lalu buka pilihan Data Analysis...
Pilih z-test: Two Sample for Means, tekan OK, lalu isi inputnya, OK.
35
36
t-hitung = 2 2
dimana Sp2 = (n1-1)Sx2 + (n2-1)Sy2 / n1-1 + n2-1
s s
p
+ p
n1 n2
A B
1 Remaja Dewasa
2 25000 28000
3 26500 27500
4 24800 28500
5 26000 27750
6 25800 28000
7 24500 29750
8 26000 26850
9 25000 27500
10 23500 28000
11 25600 29500
Langkah-langkah Perhitungan
1. Pilih menu Tools atau Data, lalu buka pilihan Data Analysis...
2. Pilih t-Test: Two Sample Assuming Equal Varians, lalu tekan OK.
Tampak gambar berikut.
36
37
Langkah Pengisian :
1. Untuk input range, dimulai dengan range untuk variabel pertama (Variable
1 Range), ketik A2:A11.
2. Untuk input range variabel kedua (Variable 2 Range), ketik B2:B11.
3. Pilih option Output Range dengan mengklik sisi kiri pilihan tersebut.
kemudian ketik D1 (untuk tempatkan hasil analisis) lalu tekan OK.
Variable 1 Variable 2
Mean 25270 28135
Variance 784555.5556 807250
Observations 10 10
Pooled Variance 795902.7778
Hypothesized Mean Difference 0
df 18
t Stat -7.180912226
P(T<=t) one-tail 5.50637E-07
t Critical one-tail 1.734063062
P(T<=t) two-tail 1.10127E-06
t Critical two-tail 2.100923666
Langkah Analisis:
1. Membuat Hipotesis:
Ho: 1 = 2 atau 1 - 2 = 0
Artinya : tidak ada perbedaan antara perilaku pembelian (pengeluaran
konsumsi golongan Remaja dengan golongan Dewasa).
37
38
H1: 1 2 atau 1 − 2 0
Artinya: ada perbedaan antara perilaku pembelian (pengeluaran konsumsi
golongan Remaja dengan golongan Dewasa.
2. Pengambilan Keputusan :
• Dengan membandingkan t tabel dan t hitung:
Karena t hitung (-7,1809) lebih kecil dari t tabel (-2,1009) atau ada di
daerah Ho ditolak, maka sesungguhnya ada perbedaan antarakonsumsi
golongan remaja dengan golongan dewasa.
• Dengan melihat nilai probabilitas (P-value):
Karena P-value hasil perhitungan dari komputer adalah 1.1E-06 atau 1,1
x 10-6 atau 0,0000011 (lihat kolom P-value untuk two tail) yanglebih
kecil dari 0,05, maka Ho ditolak atau rata-rata pengeluaran konsumsi
kedua golongan tersebut berbeda.
Ho ditolak Ho ditolak
Ho diterima
Latihan 8
38
39
t-hitung = 2
; Sx2 = [∑X2 – (∑X)2/n]/n-1 ; Sy2 = [∑Y2 – (∑Y)2/n]/n-1
2
s s
x
+
n1 n2
A B
1 DAERAH 1 DAERAH 2
2 56000 55000
3 53000 52000
4 59000 55000
5 60000 53450
6 61000 49500
7 49000 55300
8 45500 55600
9 47500 54000
10 58000
11 59850
Langkah Pengisian :
1. Untuk input range, dimulai dengan range untuk variabel pertama (Variable
1 Range), ketik A2:A9.
39
40
3. Pilih option Output Range dengan mengklik sisi kiri pilihan tersebut.
Kemudian ketik D1 (untuk tempatkan output), tekan OK.
Variable 1 Variable 2
Mean 53875 54770
Variance 36339285.71 8344000
Observations 8 10
Hypothesized Mean Difference 0
df 10
t Stat -0.38597632
P(T<=t) one-tail 0.353799291
t Critical one-tail 1.812461505
P(T<=t) two-tail 0.707598582
t Critical two-tail 2.228139238
Membuat Hipotesis
Ho: 1 = 2 atau 1 - 2 = 0; artinya tidak ada perbedaan antara rata-rata
penjualan daerah 1 dengan daerah 2.
Hi: 1 2 atau 1 − 2 0; artinya ada perbedaan antara rata-rata penjualan
daerah 1 dengan daerah 2.
Pengambilan Keputusan
Karena t hitung (–0,3859) lebih besar dari t tabel (-2,2281) atau ada di
daerah Ho diterima, maka sesungguhnya tidak ada perbedaan antara
rata-rata penjualan daerah 1 dengan daerah 2.
t- hitung
Ho ditolak
Ho diterima
40
41
Regresi Sederhana
n XY − ( X )(Y )
b=
n X 2 − ( X )
2
Latihan 9:
yang selama ini dilakukan sudah efektif untuk mempengaruhi penjualan produk-
produknya. Untuk itu manajer tersebut mengambil data biaya promosi yang telah
dikeluarkan dan penjualan bulanan dari 25 daerah yang dianggap potensial. Data
A B C
1 PROMOSI (X) SALES (Y)
DAERAH
2 (JUTA Rp) (JUTA Rp)
3 Jakarta Pusat 12.5 145.3
4 Jakarta Barat 14.9 159.5
5 Jakarta Timur 11.6 140.2
6 Jakarta Utara 17.5 195.2
7 Jakarta Selatan 12.4 140.6
8 Tangerang 10.5 100.6
9 Bekasi 8.6 95.8
10 Bogor 9.3 99.5
11 Bandung 7.5 87.6
12 Cirebon 8.5 90.5
13 Semarang 9.4 98.6
14 Surakarta 5.6 75.8
15 Yogyakarta 5.8 78.6
16 Surabaya 11.5 141.2
17 Malang 6.5 81.5
18 Denpasar 9.8 95.4
19 Medan 11.9 148.6
20 Padang 6.2 86.4
21 Palembang 5.8 77.9
22 Pekanbaru 4.6 70.9
23 Pontianak 8.2 91.5
24 Samarinda 5.6 75.1
25 Manado 4.6 72.6
26 Balik Papan 7.5 86.4
27 Ujung Pandang 9.8 100.5
42
43
Langkah-langkah Perhitungan
1. Pilih menu Tools atau Data, lalu buka pilihan Data Analysis...
Langkah Pengisian :
1. Untuk Input Y Range atau input untuk variabel dependen Y, ketik C3:C27.
2. Untuk Input X Range atau input untuk variabel independen ketik B3:B27.
3. Pilih Output Range dari Output Options dengan mengklik bulatan di depan
pilihan tersebut, lalu isi kotak putih panjang dengan ketik E1, tekan OK.
Regression Statistics
Multiple R 0.959351976
R Square 0.920356214
Adjusted R Square 0.916893441
Standard Error 9.499677322
Observations 25
43
44
ANOVA
df SS MS F Significance F
Regression 1 23985.54541 23985.54541 265.7858713 3.94579E-14
Residual 23 2075.608992 90.24386922
Total 24 26061.1544
Y = 18,22 + 9,64 X
• Interpretasinya, intercept atau konstanta sebesar 18,22 artinya tanpa adanya
promosi, penjualan dari produk PT Sehat Terus adalah 18,22 juta.
• Koefisien regresi 9,64 artinya setiap kenaikan biaya promosi sebesar satu
rupiah akan meningkatkan sales sebesar Rp 9,64. Perhatikan hubungannya
dengan tanda ‘+’.
• Arah hubungan:
Dari persamaan terlihat adanya tanda ‘+’ yang menggambarkan hubungan
yang positif, atau dalam hal ini peningkatan variabel X (promosi) akan
meningkatkan variabel Y (Sales). Tanda ‘+’ juga berarti garis regresi yang
tergambar bersifat miring ke kanan atas.
44
45
2. Pilih menu Insert pada menu utama Excel, lalu pilih menu Chart... maka
tampak tampilan berikut:
3. Pilih menu XY (Scatter) dari pilihan Standard Types, klik Next untuk masuk
ke Step 2 dari pengoperasian Chart Wizard.
4. Pada Step 2, untuk pilihan Data Range, ketik range data B3..C27. Sedang
untuk pilihan Series in:, harus dipilih Columns dengan memberi tanda pada
kolom di kiri pilihan Columns. Tampak secara kasar plot dari dua variabel
Sales dan Promosi. Lalu tekan Next dan Finish.
Setelah scatter X dan Y selesai dibuat, akan ditambah garis dan persamaan
regresi dengan langkah-langkah:
2. Pilih menu Chart dan selanjutnya pilih pilihan Add Trendline... dari menu
Chart tersebut. Tampak gambar berikut:
45
46
3. Pilih Type, ada berbagai tipe Trend (garis) yang disediakan Excel. Pilih
pilihan Linear, yang berarti garis akan dibuat linier (lurus).
4. Pada tiga kotak pilihan terakhir, klik kotak di depan Display equation on
chart (untuk menyajikan persamaan regresi), dan Display R-squared value
on chart (untuk menampilkan koefisien determinasi), lalu tekan OK.
150 Series1
100 Linear (Series1)
50
10 15 20
46
47
Pengambilan Keputusan:
• Dengan membandingkan t tabel dan t hitung:
Karena t hitung (+16,3029) lebih besar dari t tabel (+2,069) maka Ho
ditolak, atau biaya promosi benar-benar mempengaruhi sales secara
signifikan.
• Dengan melihat nilai probabilitas (p-value):
Karena p-value hasil perhitungan dari komputer adalah 3,94x10-14 (lihat
kolom p-value dari output komputer) yang jauh lebih kecil dari 0,05, maka
Ho ditolak atau promosi memang berpengaruh nyata terhadap sales PT
Sehat Terus.
t-Hitung
Ho ditolak
Ho ditolak
Ho diterima
Regresi Berganda
Seperti telah diuraikan sebelumnya, jika pada regresi sederhana hanya ada
satu variabel dependen (Y) dan satu variabel independen (X), maka pada kasus
regresi berganda, ada satu variabel dependen dan lebih dari satu veriabel
independen. Dalam praktek bisnis, regresi berganda justru lebih banyak
digunakan, selain karena banyaknya variabel dalam bisnis yang perlu dianalisis
bersama, juga karena ada banyak kasus regresi berganda lebih relevan
digunakan.
H0 : 1 = 2 = … = k= 0
H1 : Tidak semua i (i = 1, 2,…,k) sama dengan nol
Untuk mengestimasi atau menduga koefisien regresi bo, b1, b2, ……. bk
digunakan persamaan berikut :
b0 X 1i + b X +b X X +... + b X X =X Y
2
1 1i 2
b0 X 2i + b1 X1i X 2i +b2 X 2
+... + b X X ki = X 2iYi
2i k 2i
…………………
b0 X ki + b X X +b X X +... + b X =X Y
2
1 1i ki 2 2i ki k ki ki i
Latihan 10:
PT Manunggal Jaya yang memproduksi pupuk Urea briket dan pupuk SP-36
(lihat kasus regresi sederhana) dalam usaha memperkenalkan produk-
produknya, melakukan promosi gencar di seluruh daerah yang dianggap
potensial. Setelah beberapa bulan, manajer pemasaran perusahaan tersebut
ingin mengetahui apakah promosi yang selama ini dilakukan sudah efektif untuk
mempengaruhi penjualan produk-produknya. Untuk itu, manajer tersebut
48
49
49
50
Langkah-langkah Perhitungan :
1. Pilih menu Tools atau Data, lalu buka pilihan Data Analysis... kemudian
pilih regression, lalu tekan OK.
2. Untuk Input Y Range atau input untuk variabel dependen Y, bisa dilakukan
dengan mengetikkan langsung range Sales, yaitu E3:E27.
3. Untuk Input X Range atau input untuk variabel independen (bebas) diblok
semua rangenya atau ketik B3:D27.
50
51
Pilih Output Range dari Output Options dengan mengklik bulatan di depan
pilihan tersebut, lalu kotak putih panjang muncul dan isi dengan ketik G1,
kemudian tekan OK.
Regression Statistics
Multiple R 0.964694906
R Square 0.930636262
Adjusted R Square 0.920727157
Standard Error 9.282561026
Observations 25
df SS MS F Significance F
Regression 3 24277.41288 8092.471 93.91728 2.48752E-12
Residual 21 1809.484723 86.16594
Total 24 26086.8976
Kesimpulan :
Nilai F-hitung = 93,917 (bandingkan dengan F-tabel) atau p-value 2,488 x 10-12
yang jauh lebih kecil dari taraf nyata 1% makaHo ditolak, artinya secara bersama-
sama semua variabel bebas (biaya promosi, luas outlet dan jumlah petani) yang
dimasukkan dalam model berpengaruh sangat nyata terhadap penjualan
produk/pupuk (Y).
51
52
Secara parsial (t-test) diketahui bahwa hanya variable X1 (biaya promosi) saja
yang berpengaruh nyata terhadap nilai penjualan pupuk/produk (Y), ini
ditunjukkan oleh p-value yang lebih kecil dari tarah nyata 5%. Sedangkanvariabel
X2 (luas outlet) dan X3 (jumlah petani) tidak berpengaruh nyata terhadap nilai
penjualan produk/pupuk (Y), dimana p-value lebih besar dari α=0,05.
52
53
DAFTAR PUSTAKA
Singgih Santoso, 2001. Aplikasi Excel Dalam Statistik Bisnis. Penerbit PT. Elex
Media Komputindo, Jakarta.
Singgih Santoso, 2001. Buku Latihan SPSS Statistik Parametrik. Penerbit PT.
Elex Media Komputindo, Jakarta.
Sudjana, 2000. Teknik Analisis Regresi dan Korelasi. Penerbit PT. Tarsito,
Bandung.
53