PMR Laporan Akhir 4

MR3004
PRAKTIKUM MANAJEMEN REKAYASA
MODUL 04
PENGOLAHAN DAN ANALISIS DATA AWAL
Kelompok 10
Felicia Alvita Theda 14417008
Soya Paramitha 14417033
Rekha Azzahra 14417035
Aryo Ferro Faturrahman 14417047
Asisten
Zakkiyah Azka H. N. 14416014
PROGRAM STUDI MANAJEMEN REKAYASA

FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT TEKNOLOGI BANDUNG
2019
Laporan Praktikum Manajemen Rekayasa 2 Modul 4 –
Pengolahan dan Analisis Data Awal
LEMBAR ASISTENSI
10 Zakkiyah Azka H. N. (14416014) ii

DAFTAR ISI
LEMBAR ASISTENSI ................................................................................................ ii

DAFTAR ISI............................................................................................................... iii
DAFTAR TABEL....................................................................................................... vi
DAFTAR GAMBAR ................................................................................................. vii
DAFTAR LAMPIRAN............................................................................................. viii
BAB I Pendahuluan ..................................................................................................... 9
1.1 Latar Belakang ................................................................................................... 9
1.2 Rumusan Masalah ............................................................................................ 10
1.3 Tujuan .............................................................................................................. 10
1.4 Pendekatan, Batasan, dan Asumsi ................................................................... 10
1.4.1 Pendekatan ................................................................................................ 10
1.4.2 Batasan ...................................................................................................... 10
1.4.3 Asumsi ...................................................................................................... 11
BAB II Metodologi Penelitian ................................................................................... 12
2.1 Flowchart Penelitian ........................................................................................ 12
2.2 Prinsip Pendokumentasian Data ...................................................................... 13
2.3 Proses Pemeriksaan Data Awal ....................................................................... 14
2.3.1 Outlier ....................................................................................................... 14
2.3.2 Missing Data ............................................................................................. 15
2.4 Asumsi dalam Statistika................................................................................... 16
2.5 Statistika Deskriptif ......................................................................................... 16
BAB III Pengolahan Data .......................................................................................... 17
3.1 Pengumpulan dan Pendokumentasian Data ..................................................... 17
3.2 Evaluasi Outlier Hasil Survei .......................................................................... 17
3.2.1 Evaluasi Outlier dengan Identifikasi Univariat ........................................ 17
3.2.2 Evaluasi Outlier dengan Identifikasi Multivariat ..................................... 19
3.3 Evaluasi Missing Data Hasil Survei ................................................................ 19
3.3.1 Penentuan Tipe Missing Data ................................................................... 19
3.3.2 Pengukuran Derajat Missing Data ............................................................ 20
10 Zakkiyah Azka H. N. (14416014) iii

3.3.3 Penentuan Tingkat Ke-random-an dari Missing Data .............................. 21

3.3.4 Penentuan Metode Imputasi...................................................................... 22
3.4 Uji Normalitas Hasil Survei ............................................................................. 24
3.4.1 Uji Skewness-Kurtosis .............................................................................. 24
3.4.2 Uji Shaphiro-Wilks ................................................................................... 25
3.5 Uji Linearitas Hasil Survei .............................................................................. 26
3.6 Statistika Deskriptif ......................................................................................... 28
3.6.1 Demografi ................................................................................................. 28
3.6.2 Data Hasil Survei ...................................................................................... 29
BAB IV Analisis ........................................................................................................ 34
4.1 Analisis Pengumpulan dan Pendokumentasian Data ....................................... 34
4.2 Analisis Outlier ................................................................................................ 36
4.3 Analisis Missing Data ...................................................................................... 37
4.3.1 Analisis Tipe Missing Data ...................................................................... 37
4.3.2 Analisis Derajat Missing Data .................................................................. 37
4.3.3 Analisis Tingkat Ke-Random-an Missing Data........................................ 39
4.3.4 Analisis Imputasi Missing Data ................................................................ 40
4.4 Analisis Normalitas.......................................................................................... 41
4.4.1 Uji Skewness-Kurtosis .............................................................................. 41
4.4.2 Uji Shapiro-Wilks ..................................................................................... 42
4.5 Analisis Linearitas ........................................................................................... 43
4.6 Analisis Statistika Deskriptif ........................................................................... 44
4.6.1 Analisis Statistika Deskriptif Data Demografi ......................................... 44
4.6.2 Analisis Statistika Deskriptif Data Hasil Survei ....................................... 44
4.7 Implikasi Manajerial ........................................................................................ 47
BAB V Kesimpulan dan Saran .................................................................................. 48
5.1 Kesimpulan ...................................................................................................... 48
5.2 Saran ................................................................................................................ 48
5.2.1 Saran untuk Perusahaan ............................................................................ 48
5.2.2 Saran untuk Praktikum.............................................................................. 48
5.2.3 Saran untuk Asisten .................................................................................. 48
DAFTAR PUSTAKA ................................................................................................ 49
10 Zakkiyah Azka H. N. (14416014) iv

LAMPIRAN............................................................................................................... 51
10 Zakkiyah Azka H. N. (14416014) v

DAFTAR TABEL
Tabel 1. Data Hasil Grubbs’ Test .............................................................................. 18

Tabel 2. Data Outlier Univariate................................................................................ 18
Tabel 3. Data Hasil Multivariat ................................................................................. 19
Tabel 4. Hasil Identifikasi Missing Value ................................................................. 20
Tabel 5. Tabulasi Derajat Jumlah Variabel yang Memiliki Missing Data untuk tiap
Responden .................................................................................................................. 21
Tabel 6. Tabulasi Derajat Jumlah Responden yang Memiliki Missing Data untuk tiap
Variabel ...................................................................................................................... 21
Tabel 7. Average Tiap Variabel ................................................................................. 22
Tabel 8. Hasil Imputasi Mean Substitution ............................................................... 23
Tabel 9. Hasil Uji Normalitas Skewness-Kurtosis .................................................... 24
Tabel 10. Hasil Uji Normalitas Saphiro-Wilks .......................................................... 25
Tabel 11. Hasil Uji Linearitas Dimensi Performance ................................................ 26
Tabel 12. Hasil Uji Linearitas Dimensi Features ....................................................... 27
Tabel 13. Hasil Uji Linearitas Dimensi Conformance .............................................. 27
Tabel 14. Hasil Uji Linearitas Dimensi Reliability ................................................... 27
Tabel 15. Hasil Uji Linearitas Dimensi Durability .................................................... 27
Tabel 16. Hasil Uji Linearitas Dimensi Serviceability .............................................. 27
Tabel 17. Hasil Uji Linearitas Dimensi Perceived Quality ...................................... 28
Tabel 18. Hasil Uji Linearitas Dimensi Aesthetics.................................................... 28
10 Zakkiyah Azka H. N. (14416014) vi

DAFTAR GAMBAR
Gambar 1. Flowchart Penelitian ................................................................................ 13

Gambar 2. Hasil Penentuan Randomness Missing Data............................................ 22
Gambar 3. Data Segmen Usia Responden ................................................................. 28
Gambar 4. Data Domisili Responden ........................................................................ 29
Gambar 5. Data Pekerjaan Responden ...................................................................... 29
Gambar 6. Statistika Deskriptif Data Hasil Survei .................................................... 30
Gambar 7. Mean Hasil Survei.................................................................................... 30
Gambar 8. Median Hasil Survei ................................................................................ 31
Gambar 9. Mode Hasil Survei ................................................................................... 31
Gambar 10. Jumlah Responden Pemilih Nilai Modus ............................................... 32
Gambar 11. Variansi Hasil Survei ............................................................................. 32
Gambar 12. Nilai Minimum Hasil Survei .................................................................. 33
Gambar 13. Nilai Maksimum Hasil Survei ............................................................... 33
10 Zakkiyah Azka H. N. (14416014) vii

DAFTAR LAMPIRAN
Lampiran 1. Codebook .............................................................................................. 51

Lampiran 2. Penggambaran Tiap Outlier .................................................................. 55
Lampiran 3. Data Bersih Outlier................................................................................ 57
Lampiran 4. Hasil Pengolahan Derajat Missing Data................................................ 66
Lampiran 5. Hasil Imputasi ....................................................................................... 76
Lampiran 6. Hasil Uji Normalitas Skewness-Kurtosis .............................................. 90
Lampiran 7. Hasil Uji Normalitas Saphiro-Wilks ................................................... 104
Lampiran 8. Hasil Uji Linearitas Dimensi Performance ......................................... 118
Lampiran 9. Hasil Uji Linearitas Dimensi Feature .................................................. 120
Lampiran 10. Hasil Uji Linearitas Dimensi Conformance ...................................... 122
Lampiran 11. Hasil Uji Linearitas Dimensi Reliability ........................................... 125
Lampiran 12. Hasil Uji Linearitas Dimensi Durability ........................................... 128
Lampiran 13. Hasil Uji Linearitas Dimensi Serviceability...................................... 130
Lampiran 14. Hasil Uji Linearitas Dimensi Perceived Quality ............................... 132
Lampiran 15. Hasil Uji Linearitas Dimensi Aesthetics ........................................... 134
10 Zakkiyah Azka H. N. (14416014) viii

BAB I
PENDAHULUAN
1.1 Latar Belakang

Pengembangan produk merupakan proses yang sangat panjang. Pada proses
ini, tahapan hulu dalam mengembangkan produk adalah mengetahui keinginan
dan preferensi konsumen yang dilakukan dengan survei. PT. X telah melakukan
survei preferensi konsumen dan mendapatkan data hasil survei. Langkah
selanjutnya yang akan dilakukan adalah mengolah data hasil survei lebih lanjut.
Namun, data yang diolah harus dipastikan telah memiliki kualitas yang baik. Hasil
dari survei yang didapatkan tidak dapat terhindar faktor-faktor yang membuat
kualitas data menjadi buruk. Sebuah survei yang dilakukan oleh StreamSets pada
tahun 2016 menunjukkan bahwa 74% perusahaan sadar bahwa perusahaan
memiliki data yang buruk. Data dengan kualitas yang buruk akan memberikan
dampak yang besar jika digunakan pada pengolahan data. Dampak paling utama
adalah hasil pengolahan data dan analisisnya menjadi tidak valid dan tidak
merepresentasikan kebutuhan serta keinginan konsumen. Hal ini dapat berdampak
besar pada perusahaan.
Selain itu, hasil survei yang dilakukan Celcius Cloud menunjukkan bahwa
kualitas data yang buruk dapat memakan 20% dari total biaya dari sebuah proses
bisnis. Hal ini menunjukkan bahwa jika kualitas data yang buruk digunakan maka
akan membutuhkan biaya yang besar. Sebuah survei lain pada tahun 2014
menunjukkan bahwa 54% dari pemasar merasa bahwa kualitas data yang buruk
merupakan tantangan terbesar untuk sukses. Oleh karena itu sebelum pengolahan
data dilakukan, peneliti perlu melakukan pemeriksaan terlebih dahulu terhadap
data yang telah didapatkan. Pemeriksaan data dilakukan dengan proses data
cleaning. PT. X akan melakukan data cleaning untuk memastikan bahwa data
yang diperoleh adalah baik, sehingga diharapkan peluang untuk sukses menjadi
lebih besar. Data cleaning juga dilakukan untuk menghindari terjadinya garbage
in garbage out (GIGO).
Dalam penelitian ini, peneliti akan melakukan data cleaning dengan
mengevaluasi data hasil survei. Evaluasi yang dilakukan meliputi evaluasi data
outlier, evaluasi missing data, pengujian normalitas, dan pengujian linearitas. Jika
dalam evaluasi ditemukan data outlier maupun missing data, maka peneliti akan
melakukan beberapa tindakan untuk meningkatkan kualitas data. Selain itu,
pengujian normalitas dan linearitas dilakukan untuk memenuhi asumsi dalam
statistika. Jika data hasil survei tidak memenuhi asumsi tersebut, maka peneliti
akan melakukan tindakan tertentu untuk meningkatkan kualitas data.
10 Zakkiyah Azka H. N. (14416014) 9

1.2 Rumusan Masalah

Rumusan masalah pada penelitian ini adalah:
1. Bagaimana response rate dari survei yang dilakukan?
2. Bagaimana codebook yang digunakan pada pengolahan data?
3. Bagaimana hasil evaluasi outlier dari hasil survei?
4. Bagaimana hasil evaluasi missing data dari hasil survei?
5. Bagaimana hasil pengujian normalitas hasil survei?
6. Bagaimana hasil pengujian linearitas hasil survei?
7. Bagaimana statistika deskriptif data demografi, ukuran penyebaran, dan
ukuran pemusatan dari hasil survei?
1.3 Tujuan
Tujuan dari penelitian ini adalah:
1. Menentukan response rate dari survei.
2. Menentukan codebook yang digunakan pada pengolahan data.
3. Menentukan hasil evaluasi outlier dari hasil survei.
4. Menentukan hasil evaluasi missing data dari hasil survei.
5. Menentukan hasil pengujian normalitas dari hasil survei.
6. Menentukan hasil pengujian linearitas dari hasil survei.
7. Menentukan statistika deskriptif data demografi, ukuran penyebaran, dan
ukuran pemusatan dari hasil survei.
1.4 Pendekatan, Batasan, dan Asumsi

1.4.1 Pendekatan
Pendekatan yang digunakan pada penelitian ini adalah:
1. Evaluasi outlier dengan identifikasi univariat dilakukan dengan Grubbs
Test.
2. Evaluasi outlier dengan identifikasi multivariat dilakukan dengan
menggunakan jarak Mahalanobis.
3. Evaluasi missing data menggunakan uji Little’s MCAR.
4. Pengimputasian missing data MCAR menggunakan mean substitution.
5. Pengujian normalitas dilakukan menggunakan uji Skewness-Kurtosis dan
uji Shapiro-Wilks.
6. Pengujian linearitas dilakukan dengan menggunakan scatter plot dan
melihat p-value dan nilai R2
7. Statistika deskriptif hasil survei digambarkan dengan bar chart.
1.4.2 Batasan
Batasan yang digunakan pada penelitian ini adalah:
10 Zakkiyah Azka H. N. (14416014) 10

1. Asumsi dalam statistika yang dilakukan pengujian adalah normalitas dan

linearitas.
1.4.3 Asumsi
Asumsi yang digunakan pada penelitian ini adalah:
1. Missing data dapat bersifat MCAR atau MAR.
2. Pada pengujian normalitas, rentang yang digunakan adalah ±1.96 dengan
tingkat kepercayaan 95%.
3. Pada pengujian linearitas, suatu dimensi tidak dikatakan linear jika nilai
R2 dibawah 70% meskipun memiliki p-value < 0.05
10 Zakkiyah Azka H. N. (14416014) 11

BAB II
METODOLOGI PENELITIAN
2.1 Flowchart Penelitian

Flowchart penelitian sebagai berikut
10 Zakkiyah Azka H. N. (14416014) 12

Gambar 1. Flowchart Penelitian

Dalam pelaksanaan penelitian, proses dimulai dengan menggunakan kuesioner
yang telah diuji validitas dan reliabilitasnya, dan dijadikan untuk template secara
online (kuesioner yang diperbaiki) menggunakan aplikasi Microsoft Form.
Selanjutnya kuesioner disebarkan dengan target responden yang sesuai dengan
segmenting, targeting dan positioning yang dipilih sebelumnya dan berjumlah 200
orang. Data yang dikumpulkan selanjutnya diberi kode dan dikumpulkan dengan code
book. Selanjutnya dianalisis apakah terdapat outlier pada data menggunakan metode
univariat dan multivariat. Data outlier yang teridentifikasi dihapus sehingga data
menjadi bersih dari outlier. Setelah itu, data dilakukan evaluasi missing data dengan
menentukan degree of missing dan dibandingkan dengan rule of thumb yang ada. Data
tersebut ditentukan mitigasinya apakah dihapus ataupun dilakukan remedi. Setelah
langkah berikut, dilakukan pengujian tingkat randomness yang diawali dengan
penentuan tipe randomness menggunakan tools LittleMCAR. Tipe random yang telah
ditentukan dilakukan imputasi sesuai tipenya, data MCAR menggunakan mean
substitution dan data MAR menggunakan Amelia (model-based method). Data hasil
pengolahan selanjutnya dilakukan uji linearitas dan normalitasnya. Seluruh rangkaian
pengolahan dilaporkan dalam laporan dan dipresentasikan.
2.2 Prinsip Pendokumentasian Data

Pendokumentasian data merupakan langkah lanjut setelah pengumpulan data
dilakukan, yaitu kegiatan mendokumentasikan data agar strukturnya menjadi lebih
10 Zakkiyah Azka H. N. (14416014) 13

rapi dan mudah dipahami. Salah satu cara pendokumentasian data adalah dengan
coding, yaitu proses memberikan kode untuk setiap jawaban dan pertanyaan kuesioner
yang mungkin diisi responden. Untuk memudahkan pencarian variabel yang
dibutuhkan, kode-kode tersebut digabung dalam codebook. Codebook merupakan
suatu daftar yang berisi instruksi coding dan informasi mengenai variabel dalam suatu
set data.
2.3 Proses Pemeriksaan Data Awal

Pemeriksaan data awal merupakan suatu proses sebelum pengolahan data yang
bertujuan untuk menyaring data agar data yang ada sudah bersih dari kesalahan dan
atau data yang tidak berkualitas, serta untuk meyakinkan bahwa data yang ada sudah
layak dan siap diolah lebih lanjut. Proses pemeriksaan data awal dilakukan dengan tiga
hal, yaitu evaluasi outlier, evaluasi missing data, dan pengujian asumsi-asumsi dasar
statistika.
2.3.1 Outlier
Outlier adalah kombinasi karakteristik yang unik dari sebuah hasil observasi
sehingga dapat dibedakan dari hasil observasi lainnya. Berdasarkan sumber
keunikannya, outlier dibagi menjadi empat jenis, yaitu outlier yang berdasarkan
kesalahan prosedural, outlier berasal dari extraordinary event, outlier berasal dari
extraordinary observation, dan outlier yang jatuh pada rentang normal namun
memiliki kombinasi yang unik.
Terdapat tiga metode yang dapat dilakukan dalam mengevaluasi outlier, yaitu:
1. Identifikasi univariat, dilakukan dengan menganalisis distribusi observasi untuk
setiap variabel dan memilih hasil observasi yang terletak di range paling luar
dengan box plot.
2. Identifikasi bivariat, dilakukan dengan menganalisis terhadap dua variabel
secara bersamaan dengan scatter plot. Hasil yang berada jauh dari range
observasi hasil lainnya akan dilihat sebagai isolated point pada scatter plot.
3. Identifikasi multivariat, dilakukan dengan menganalisis outlier dengan lebih dari
dua variabel dan biasanya melihat jarak Mahalanobis D2. Jarak Mahalanobis
dapat dihitung dengan rumus:
dimana
D2 : Jarak Mahalanobis
X : vektor dalam observasi (baris dalam set data)
M : vektor dari nilai mean variabel independen
C-1 : invers dari matriks kovarian dari variabel independen
10 Zakkiyah Azka H. N. (14416014) 14

2.3.2 Missing Data

Missing data merupakan keadaan tidak terdapatnya nilai yang valid pada satu atau
lebih variabel yang disebabkan oleh responden maupun kesalahan eksternal.
Langkah-langkah yang dilakukan untuk mengidentifikasi missing data dan aplikasi
remedinya adalah:
1. Menentukan tipe missing data, yaitu ignorable missing data dan non-ignorable
missing data. Ignorable missing data merupakan nilai missing data yang dapat
diabaikan. Hal ini terjadi ketika kehadiran missing data tersebut telah diprediksi
dalam fase pembuatan desain penelitian. Non-ignorable missing data merupakan
missing data yang tidak dapat diabaikan dan terjadi akibat berbagai alasan dalam
berbagai situasi.
2. Menentukan derajat missing data
Derajat missing data ditentukan dengan Rules of Thumb 1. Rules of Thumb 1
adalah:
a. Missing data di bawah 10% untuk satu responden dapat diabaikan, kecuali
jika missing data hanya terdapat di pertanyaan-pertanyaan tertentu dengan
pola yang non-random.
b. Jumlah responden yang tidak memiliki missing data harus cukup untuk
teknik pengolahan data yang dipilih jika remedi missing data tidak akan
dilakukan.
Sebelum ke tahap selanjutnya, peneliti sebaiknya mempertimbangkan perlakuan
remedi dengan menghapus variabel atau responden yang memiliki derajat
missing value tinggi. Pedoman dalam penghapusan variabel atau responden
adalah menggunakan Rules of Thumb 2, yaitu:
a. Variabel dengan missing data minimal 15% memiliki kemungkinan untuk
dihapus, tetapi variabel dengan derajat missing data sekitar 20-30%
seringkali dilakukan remedi.
b. Pastikan bahwa penurunan missing data secara keseluruhan cukup besar
untuk menjustifikasi penghapusan variabel atau responden.
c. Responden dengan missing data untuk variabel dependen umumnya
dihapus.
d. Saat menghapus variabel, pastikan bahwa terdapat variabel alternatif yang
dapat merepresentasikan variabel awal.
e. Selalu mempertimbangkan untuk melakukan analisis dengan & tanpa
responden/variabel yang dihapus untuk mengidentifikasi semua perbedaan
yang terlihat.
3. Diagnosis tingkat ke-random-an dari missing data process

Tingkat ke-random-an dapat masuk dalam dua kategori, yaitu MAR (Missing
at Random) dan MCAR (Missing Completely at Random). Missing data disebut
10 Zakkiyah Azka H. N. (14416014) 15

MAR jika missing value Y bergantung pada X, bukan kepada Y. MCAR terjadi
ketika missing data benar-benar terjadi secara random tanpa ada hubungan yang
dapat dijelaskan dengan variabel lain.
4. Pilih metode imputasi

Metode imputasi yang dipilih berdasarkan tingkat ke-random-an missing data.
Dalam pemilihan metode imputasi, yang digunakan adalah Rules of Thumb 3, yaitu:
a. Jika missing data < 10%, semua metode imputasi dapat digunakan. Akan
tetapi, metode complete case merupakan metode yang paling jarang digunakan.
b. Jika missing data = 10% - 20%, untuk MCAR, metode yang paling sering
digunakan adalah metode all-available, hot deck case substitution, dan
regression. Sementara itu, untuk MAR, metode yang digunakan hanyalah
metode berbasis model.
c. Jika missing data > 20%, untuk MCAR, metode yang disarankan adalah
regression. Sementara itu, untuk MAR, metode yang dapat digunakan
hanyalah metode berbasis model.
2.4 Asumsi dalam Statistika

Dalam statistika, terdapat empat asumsi penting yang harus dipenuhi, yaitu
normalitas, linearitas, homoskedastisitas, dan autokorelasi. Normalitas merujuk pada
bentuk distribusi data variabel metrik dan hubungannya dengan distribusi normal.
Contoh uji normalitas adalah menggunakan uji Skewness-Kurtosis dan uji Shapiro-
Wilks. Linearitas menunjukkan hubungan antar variabel yang jatuh pada garis lurus.
Contoh uji linearitas adalah menggunakan regresi linear. Dalam pengujian Skewness-
Kurtosis, normalitas data dilihat dari jatuhnya titik skewness dan kurtosis tersebut pada
sebuah rentang. Pada uji Saphiro-Wilks, pengujian dilakuan dengan melihat p-value
dengan hipotesis
𝐻0 = 𝐷𝑎𝑡𝑎 𝑏𝑒𝑟𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑛𝑜𝑟𝑚𝑎𝑙
𝐻1 = 𝐷𝑎𝑡𝑎 𝑡𝑖𝑑𝑎𝑘 𝑏𝑒𝑟𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑛𝑜𝑟𝑚𝑎𝑙
2.5 Statistika Deskriptif

Statistika deskriptif adalah merupakan salah satu dari kelompok pengolahan data
dalam ilmu statistika. Statistika deskriptif digunakan untuk memberikan gambaran
mengenai data serta menjelaskan data secara kuantitatif. Terdapat tiga informasi yang
dapat disampaikan, yaitu ukuran pemusatan, penyebaran, dan bentuk. Ukuran
pemusatan menjelaskan mengenai lokasi dalam suatu set data, contohnya adalah mean,
median, dan modus. Ukuran penyebaran menunjukkan pola sebaran data dan variasi
data, contohnya adalah variansi, standar deviasi, dan interkuartil. Ketiga informasi
tersebut dapat dijelaskan dalam bentuk tertulis maupun grafis menggunakan bentuk
peta, pie chart, line chart, histogram atau bar chart.
10 Zakkiyah Azka H. N. (14416014) 16

BAB III
PENGOLAHAN DATA
3.1 Pengumpulan dan Pendokumentasian Data

Proses pengumpulan data dilakukan dengan metode online menggunakan
Microsoft Forms. Kuesioner disebar pada tanggal 12-14 Oktober 2019. Teknik
yang digunakan pada pengambilan data adalah convenient sampling, sehingga
kuesioner disebar melalui media sosial peneliti. Media sosial yang digunakan
adalah Line dan peneliti menyebar kuesioner melalui grup-grup yang dimiliki oleh
peneliti. Penyebaran kuesioner masih tetap memperhatikan target populasi dari
produk food warmer, yaitu penduduk perkotaan di Indonesia yang berumur 15-64
tahun. Dalam pengumpulan data metode online, perhitungan response rate dapat
dilakukan dengan rumus berikut.
𝑁𝑒𝑡 𝑠𝑎𝑚𝑝𝑙𝑒
𝑅𝑒𝑠𝑝𝑜𝑛𝑠𝑒 𝑟𝑎𝑡𝑒 = 𝑥100%
𝐺𝑟𝑜𝑠𝑠 𝑠𝑎𝑚𝑝𝑙𝑒
Net sample merupakan jumlah responden yang mengisi kuesioner, sedangkan

gross sample pada metode online merupakan jumlah klik dari link yang dilakukan
calon responden. Pada penelitian ini, jumlah responden yang mengisi kuesioner
adalah sebanyak 216 orang dan jumlah klik dari link yang dilakukan calon
responden adalah sebanyak 403 kali. Response rate kemudian dihitung dan
didapatkan hasil sebesar 53.59%. Rata-rata waktu yang dibutuhkan responden
untuk mengisi kuesioner adalah 4 menit 56 detik.
Setelah pengumpulan data dilakukan, peneliti mendokumentasikan data hasil
survei agar lebih terstruktur dan mudah dipahami. Pendokumentasian data
dilakukan dengan coding, yaitu memberikan kode untuk setiap jawaban dan
pertanyaan kuesioner yang mungkin diisi responden. Kode-kode tersebut
dikumpulkan menjadi satu dalam sebuah codebook. Codebook pada penelitian ini
ditunjukkan pada Lampiran 1.
3.2 Evaluasi Outlier Hasil Survei

Dalam menganalisis outlier yang terdapat pada data, penulis menggunakan
identifikasi univariat dan multivariat yang kemudian hasilnya akan dibandingkan.
Namun untuk melanjutkan ke proses selanjutnya, penulis menggunakan hasil dari
multivariat sebagai patokan. Data dari masing-masing identifikasi sebagai berikut.
3.2.1 Evaluasi Outlier dengan Identifikasi Univariat

Dengan menggunakan identifikasi univariat penulis menemukan data
sebagai berikut.
10 Zakkiyah Azka H. N. (14416014) 17

Tabel 1. Data Hasil Grubbs’ Test
Melalui data tersebut penulis mengetahui standar dalam

membandingkan keseragaman pengisian dari tiap-tiap jawaban responden.
Setelah dibandingkan, terdapat beberapa ID yang memiliki outlier sebagai
berikut
Tabel 2. Data Outlier Univariat
10 Zakkiyah Azka H. N. (14416014) 18

Seperti yang dilihat pada tabel,terdapat 5 variabel yang memiliki

outlier dari jawaban yang diberikan oleh 3 ID responden yaitu oleh ID 73, 95
dan 1 dengan jumlah outlier sesuai pada tabel diatas.
Untuk menggambarkannya secara lebih lanjut dapat dilihat
penggambaran dari masing masing data outlier terdapat pada Lampiran 2.
Sebagai contoh, dapat dilihat data pada A4 dimana terdapat 1 nilai berwarna
merah. Hal tersebut menunjukan bahwa jawaban A4 yang diberikan responden
ID 1 memiliki nilai yang jauh dibandingkan jawaban-jawaban responden lain.
3.2.2 Evaluasi Outlier dengan Identifikasi Multivariat

Dengan menggunakan identifikasi multivariat, dilakukan pengukuran jarak
Mahalanobis menggunakan MINITAB. Lalu data yang didapat dihitung P-
value nya untuk menentukan apakah data outlier atau bukan (data outlier
apabila P-value <0,001), sehingga ditemukan data sebagai berikut.
Tabel 3. Data Hasil Multivariat
Dapat dilihat melalui tabel bahwa terdapat 6 ID responden dengan p-value

<0,001. Hal tersebut memberikan jawaban yang memiliki pola outlier
tertentu,yang mengakibatkan data responden tersebut tidak dapat digunakan
dalam pengolahan data selanjutnya.
3.3 Evaluasi Missing Data Hasil Survei

Penentuan missing data perlu dilakukan karena keberadaannya akan sangat
berpengaruh pada hasil analisis data. Dalam penentuan ini, hal penting yang perlu
diidentifikasi adalah hubungan dan pola dasar yang menyebabkan missing data
tersebut terjadi. Pengidentifikasian ini dilakukan dalam beberapa tahap dengan
bantuan piranti R-studio dan Microsoft Excel. Berikut ialah masing-masing tahap
identifikasi dari 209 data yang telah diolah dan dibersihkan dari outlier.
3.3.1 Penentuan Tipe Missing Data

Penentuan tipe missing data pada penelitian ini bertujuan untuk mengetahui
remedi seperti apa yang tepat untuk dilakukan terhadap missing data tersebut.
Berdasarkan hasil data bersih dari outlier, berikut ialah data responden dan
10 Zakkiyah Azka H. N. (14416014) 19

variabel yang memiliki missing data dengan data lengkap terlampir pada
Lampiran 4.
Tabel 4. Hasil Identifikasi Missing Value
MISSING DATA
ID RESPONDEN VARIABEL
123 P3
124 Co3
126 Co1
134 P3 dan A4
214 R1
Dari hasil di atas, penulis menentukan bahwa missing data yang terjadi pada
hasil survei tersebut merupakan tipe missing data non-ignorable. Missing data
non-ignorable pada hasil tersebut tidak diketahui secara pasti penyebabnya
oleh peneliti sehingga termasuk missing data non-ignorable dengan unknown
process.
3.3.2 Pengukuran Derajat Missing Data

Setelah menentukan tipe missing data, penulis melanjutkan tahap
identifikasi dengan mengukur derajat dari missing data tersebut. Derajat dapat
didefinisikan sebagai jumlah atau persentase dari missing data. Tabulasi
dilakukan terhadap 2 hal yakni jumlah responden yang memiliki missing data
untuk tiap variabel dan jumlah variabel yang memiliki missing data untuk tiap
responden. Dengan menggunakan piranti Microsoft Excel, berikut hasil
pengolahan derajat missing data, dengan data lengkap terlampir di Lampiran 4.
Rumus perhitungan persentase ditunjukkan dengan persamaan berikut.
• Derajat persentase missing data untuk tiap responden
𝑃𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑒
jumlah 𝑚𝑖𝑠𝑠𝑖𝑛𝑔 𝑣𝑎𝑙𝑢𝑒𝑠 pada 1 variabel
= x 100%
jumlah keseluruhan variabel
• Derajat persentase missing data untuk tiap variabel

𝑃𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑒
jumlah 𝑚𝑖𝑠𝑠𝑖𝑛𝑔 𝑣𝑎𝑙𝑢𝑒𝑠 pada 1 responden
= x 100%
jumlah keseluruhan responden
10 Zakkiyah Azka H. N. (14416014) 20

Tabel 5. Tabulasi Derajat Jumlah Variabel yang Memiliki Missing Data

untuk tiap Responden
MISSING VALUE MISSING VALUE

ID RESPONDEN
DEGREE PERCENTAGE
123 1 3.75%
124 1 3.75%
126 1 3.75%
134 2 7.14%
214 1 3.75%
Tabel 6. Tabulasi Derajat Jumlah Responden yang Memiliki Missing Data

untuk tiap Variabel
MISSING VALUE MISSING VALUE

VARIABEL
DEGREE PERCENTAGE
P3 2 0.96%
Co1 1 0.48%
Co3 1 0.48%
R1 1 0.48%
A4 1 0.48%
Persentase pada tabulasi jumlah variabel yang memiliki missing data

untuk tiap responden didapatkan dengan membagi jumlah missing values pada
variabel dengan keseluruhan variabel yang dimiliki. Pada penelitian ini, penulis
menggunakan 28 variabel. Sedangkan, untuk tabulasi jumlah responden yang
memiliki missing data untuk tiap variabel didapatkan dengan membagi jumlah
missing values pada responden dengan keseluruhan jumlah responden, yakni
sejumlah 209 responden.
Dari hasil di atas, dapat dilihat bahwa semua derajat atau persentase dari
missing data semua bernilai kurang dari 10%, sehingga sesuai dengan rule of
thumb, missing data tersebut dapat diabaikan.
3.3.3 Penentuan Tingkat Ke-random-an dari Missing Data

Randomness atau tingkat ke-random-an dapat dibagi menjadi 2 yaitu
MAR (Missing at Random) dan MCAR (Missing Completely at Random).
Penentuan ini perlu dilakukan karena akan membantu menentukan remedi
seperti apa yang dapat dilakukan terhadap missing data. Tingkat ke-random-
an dapat dilihat melalui P-Value dengan menggunakan bantuan piranti R-
studio. Pengolahan dengan identifikasi melalui P-Value, tentu memerlukan
10 Zakkiyah Azka H. N. (14416014) 21

hipotesis sebagai dasar untuk menarik kesimpulan. Berikut ialah hipotesis yang
digunakan dalam penentuan tingkat ke-random-an.
𝐻0 = 𝑅𝑎𝑛𝑑𝑜𝑚𝑛𝑒𝑠𝑠 𝑚𝑖𝑠𝑠𝑖𝑛𝑔 𝑑𝑎𝑡𝑎 𝑀𝐶𝐴𝑅

𝐻1 = 𝑅𝑎𝑛𝑑𝑜𝑚𝑛𝑒𝑠𝑠 𝑚𝑖𝑠𝑠𝑖𝑛𝑔 𝑑𝑎𝑡𝑎 bukan 𝑀𝐶𝐴𝑅
Hasil pengolahan data dengan menggunakan R-Studio ditunjukkan

melalui gambar berikut.
Gambar 2. Hasil Penentuan Randomness Missing Data

Berdasarkan landasan hipotesis dan penggunaan P-Value, dapat dilihat
bahwa nilai P-Value dari pengolahan data tersebut ialah 0.507976. Dengan
penggunaan confidence level pada 95%, maka dapat dikatakan P-Value dari
pengolahan data di atas adalah lebih dari 0.05. Sehingga, penulis menerima H0
dan randomness missing data ialah MCAR. MCAR akan menentukan metode
imputasi seperti apa yang digunakan. Hal ini akan dijelaskan pada sub subbab
selanjutnya.
3.3.4 Penentuan Metode Imputasi

Setelah diketahui bahwa randomness dari data respon yang dimiliki
penulis adalah MCAR, metode imputasi yang sesuai untuk data MCAR
tersebut ialah mean substitution. Berikut ialah rata-rata (average) dari tiap
variabel dan hasil imputasi secara ringkas. Data lengkap dapat dilihat pada
Lampiran 5.
Tabel 7. Average Tiap Variabel
VARIABEL AVERAGE
P1 3.880383
P2 3.861244
P3 4.120773
P4 4.54067
10 Zakkiyah Azka H. N. (14416014) 22

VARIABEL AVERAGE
F1 4.473684
F2 4.559809
F3 4.674641
Co1 4.557692
Co2 4.488038
Co3 4.538462
Co4 4.028708
R1 4.480769
R2 3.990431
R3 4.344498
R4 4.464115
D1 3.966507
D2 4.516746
D3 4.435407
S1 4.330144
S2 4.349282
S3 3.84689
PQ1 4.07177
PQ2 4.315789
PQ3 4.373206
A1 4.215311
A2 3.177033
A3 3.698565
A4 4.221154
Tabel 8. Hasil Imputasi Mean Substitution
ID VARIABEL
RESPONDEN P3 Co1 Co3 R1 A4
- - - -
(BUKAN (BUKAN (BUKAN (BUKAN
123 4.120773
MISSING MISSING MISSING MISSING
DATA) DATA) DATA) DATA)
- - - -
124 4.538462
126 - 4.557692 - - -
10 Zakkiyah Azka H. N. (14416014) 23

ID VARIABEL
RESPONDEN P3 Co1 Co3 R1 A4
- - -
(BUKAN (BUKAN (BUKAN
134 4.120773 4.221154
MISSING MISSING MISSING
DATA) DATA) DATA)
- - - -
214 4.480769
3.4 Uji Normalitas Hasil Survei

3.4.1 Uji Skewness-Kurtosis
Uji normalitas skewness-kurtosis dilakukan untuk melihat distribusi dari
data tersebut. Sebuah data dikatakan normal apabila mean dan median dari data
tersebut terletak pada titik yang sama. Dalam pengujian ini, normalitas data
dilihat dari jatuhnya titik skewness dan kurtosis tersebut pada sebuah rentang.
Pada penelitian kali ini, level of significance yang digunakan adalah α =0.05,
sehingga rentang data normal ialah ±1.95. Berikut ialah hasil uji normalitas
dengan data lengkap terlampir pada Lampiran 6.
Tabel 9. Hasil Uji Normalitas Skewness-Kurtosis
Variabel Skewness Kurtosis Hasil Uji Normalitas

P1 -0.65 1.11 Data Berdistibusi Normal
P2 -0.43 0.18 Data Berdistibusi Normal
P3 -0.42 -0.29 Data Berdistibusi Normal
P4 -0.68 -0.62 Data Berdistibusi Normal
F1 -0.87 -0.35 Data Berdistibusi Normal
F2 -1.16 1.01 Data Berdistibusi Normal
F3 -1.45 1.17 Data Berdistibusi Normal
Co1 -1.11 0.17 Data Berdistibusi Normal
Co2 -0.81 -0.35 Data Berdistibusi Normal
R1 -0.64 -0.53 Data Berdistibusi Normal
R4 -1.15 1.37 Data Berdistibusi Normal
10 Zakkiyah Azka H. N. (14416014) 24

Variabel Skewness Kurtosis Hasil Uji Normalitas

D1 -0.39 -0.77 Data Berdistibusi Normal
S1 -0.60 -0.27 Data Berdistibusi Normal
PQ1 -0.40 -0.32 Data Berdistibusi Normal
PQ2 -0.68 0.09 Data Berdistibusi Normal
PQ3 -0.70 -0.16 Data Berdistibusi Normal
A1 -0.30 -0.86 Data Berdistibusi Normal
A2 0.13 0.34 Data Berdistibusi Normal
3.4.2 Uji Shaphiro-Wilks

Memiliki tujuan sama dengan skewness-kurtosis, terdapat metode lain
yang dapat digunakan untuk menguji kenormalitasan. Pengujian dengan
metode Saphiro-Wilks dapat dilakukan dengan menggunakan piranti Minitab
dan melihat hasil uji melalui P-Value. Dalam mengambil kesimpulan
diperlukan confiedence level, dalam penelitian ini ialah 95% dan juga hipotesis
yakni sebagai berikut.
Hasil uji kenormalitasan dengan Shaphiro-Wilks dapat dilihat secara
lengkap pada Lampiran 7 dan dengan ringkasan serta interpretasi data sebagai
berikut.
Tabel 10. Hasil Uji Normalitas Saphiro-Wilks
Variable P-Value Interpretasi

P1 P-Value > 0.05 Data Berdistribusi Normal
F1 P-Value > 0.05 Data Berdistribusi Normal
Co1 P-Value > 0.05 Data Berdistribusi Normal
R1 P-Value > 0.05 Data Berdistribusi Normal
10 Zakkiyah Azka H. N. (14416014) 25

Variable P-Value Interpretasi

D1 P-Value > 0.05 Data Berdistribusi Normal
S1 P-Value > 0.05 Data Berdistribusi Normal
PQ1 P-Value > 0.05 Data Berdistribusi Normal
A1 P-Value > 0.05 Data Berdistribusi Normal
3.5 Uji Linearitas Hasil Survei

Uji linearitas dilakukan untuk mengetahui hubungan antara indikator dengan
dimensinya sendiri pada sebuah garis lurus. Identik dengan uji sebelumnya, nilai
yang digunakan sebagai parameter penentu kelinearan adalah P-Value dan R-
Square. P-Value < 0.05 menunjukkan signifikansi sehingga bisa menolak H0,
berlaku juga untuk sebaliknya. Sedangkan R-square menunjukkan kebaikan
model. Berdasarkan literatur model yang baik berkisar di angka 70%. Kali ini,
hipotesis yang digunakan untuk menarik kesimpulan darinilai P-Value adalah
sebagai berikut.
𝐻0 = 𝐻𝑢𝑏𝑢𝑛𝑔𝑎𝑛 𝑖𝑛𝑑𝑖𝑘𝑎𝑡𝑜𝑟 𝑑𝑒𝑛𝑔𝑎𝑛 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 𝑡𝑖𝑑𝑎𝑘 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑘𝑎𝑛

𝐻1 = 𝐻𝑢𝑏𝑢𝑛𝑔𝑎𝑛 𝑖𝑛𝑑𝑖𝑘𝑎𝑡𝑜𝑟 𝑑𝑒𝑛𝑔𝑎𝑛 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑘𝑎𝑛
Hasil pengujian terangkum pada tabel di bawah untuk setiap dimensi dan
hasil pengujian lengkap terlampir pada Lampiran 8 sampai Lampiran 14.
1. Performance
Tabel 11. Hasil Uji Linearitas Dimensi Performance
DIMENSI P P-VALUE R-SQ INTERPRETASI

P1 0.000 57.1% Tidak Linear
2. Features
10 Zakkiyah Azka H. N. (14416014) 26

Tabel 12. Hasil Uji Linearitas Dimensi Features
DIMENSI F P-VALUE R-SQ INTERPRETASI

F1 0.000 67.5% Tidak Linear
3. Conformance
Tabel 13. Hasil Uji Linearitas Dimensi Conformance
DIMENSI Co P-VALUE R-SQ INTERPRETASI

Co1 0.000 58.6% Tidak Linear
4. Reliability
Tabel 14. Hasil Uji Linearitas Dimensi Reliability
DIMENSI R P-VALUE R-SQ INTERPRETASI

R1 0.000 52.6% Tidak Linear
5. Durability
Tabel 15. Hasil Uji Linearitas Dimensi Durability
DIMENSI D P-VALUE R-SQ INTERPRETASI

D1 0.000 63.7% Tidak Linear
6. Serviceability
Tabel 16. Hasil Uji Linearitas Dimensi Serviceability
DIMENSI S P-VALUE R-SQ INTERPRETASI

S1 0.000 63.2% Tidak Linear
10 Zakkiyah Azka H. N. (14416014) 27

7. Perceived Quality
Tabel 17. Hasil Uji Linearitas Dimensi Perceived Quality
DIMENSI PQ P-VALUE R-SQ INTERPRETASI

PQ1 0.000 54.8% Tidak Linear
PQ2 0.000 72.4% Linear
PQ3 0.000 67.7% Tidak Linear
8. Aesthetics
Tabel 18. Hasil Uji Linearitas Dimensi Aesthetics
DIMENSI A P-VALUE R-SQ INTERPRETASI

A1 0.000 41.5% Tidak Linear
3.6 Statistika Deskriptif

3.6.1 Demografi
Segmen usia dibagi dalam tiga golongan, yaitu umur 15-30 tahun, umur
31-45 tahun, dan umur 46-60 tahun. Data untuk setiap segmen usia responden
terdapat pada Gambar 3.
Gambar 3. Data Segmen Usia Responden

Seperti terdapat pada diagram, data paling di dominasi oleh golongan umur
15-30 tahun. Sedangkan segmen usia lain hanya 4 responden untuk 31-45 tahun
dan 3 responden untuk 46-60 tahun. Data untuk setiap domisili responden
terdapat pada Gambar 4.
10 Zakkiyah Azka H. N. (14416014) 28

Gambar 4. Data Domisili Responden

Melalui diagram domisili dapat dilihat data di dominasi oleh responden yang
berdomisili di Bandung sebanyak 107 responden dan diikuti oleh Surabaya
sebanyak 58 orang. Data untuk setiap pekerjaan responden terdapat pada
Gambar 5.
Gambar 5. Data Pekerjaan Responden

Dari diagram data pekerjaan dapat dilihat bahwa data didominasi oleh segmen
pekerjaan pelajar dan mahasiswa sebanyak 191 responden. Sedangkan data lain
hanya memiliki proporsi minim berturut-turut 9 responden untuk pegawai
swasta dan 6 orang untuk ibu rumah tangga dan PNS.
3.6.2 Data Hasil Survei

Setelah melakukan survei online menggunakan kuesioner, hingga
didapatkan data hasil survei yang kemudian dilakukan pendokumentasian dan
pemeriksaan, sampai berada pada tahap pengolahan data awal, yaitu statistika
deskriptif. Statistika deskriptif memberikan gambaran awal terhadap data hasil
10 Zakkiyah Azka H. N. (14416014) 29

survei yang telah melalui proses cleaning. Berikut adalah statistika deskriptif
berbentuk tabel dari data hasil survei online yang diolah menggunakan
MINITAB:
Gambar 6. Statistika Deskriptif Data Hasil Survei
Berikut adalah statistika deskriptif berbentuk bar chart dari data hasil survei
online yang diolah menggunakan excel:
1. Statistika Deskriptif Ukuran Pemusatan
Gambar 7. Mean Hasil Survei

Berdasarkan grafik diatas dapat dilihat bahwa dimensi conformance
mendominasi nilai mean yang ada dengan nilai 17,613 dilanjutkan dengan dimensi
reliability dengan nilai 17,280.
10 Zakkiyah Azka H. N. (14416014) 30

Gambar 8. Median Hasil Survei

mendominasi nilai median dengan nilai 18,00 diikuti dengan dimensi reliability
dengan nilai 17,00.
Gambar 9. Mode Hasil Survei

mendominasi dilai mode dengan nilai 20 diikuti dengan dimensi performance dan
reliability dengan nilai 16.
10 Zakkiyah Azka H. N. (14416014) 31

Gambar 10. Jumlah Responden Pemilih Nilai Modus

Pie chart diatas menunjukkan persentase jumlah nilai modus dari setiap
dimensi terhadap keseluruhan dimensi yang ada. Dimensi feature memiliki jumlah
nilai modus terbesar dibandingkan dengan dimensi lainnya.
2. Statistika Deskriptif Ukuran Pemusatan
Gambar 11. Variansi Hasil Survei
10 Zakkiyah Azka H. N. (14416014) 32

Berdasarkan grafik diatas dapat dilihat bahwa dimensi aesthetics mendominasi

nilai variansi dengan nilai 4,848 diikuti dengan dimensi reliability dengan nilai 4,124.
Gambar 12. Nilai Minimum Hasil Survei

Berdasarkan grafik diatas dapat dilihat bahwa dimensi conformance dan
reliability memiliki nilai minimum yang paling besar yaitu sebesar 12 dan nilai
minimum yang paling kecil dimiliki oleh dimensi serviceability dan perceived quality
sebesar 8.
Gambar 13. Nilai Maksimum Hasil Survei

Berdasarkan grafik diatas dapat dilihat bahwa dimensi performance,
conformance, aesthetics, dan reliability memiliki nilai maksimum terbesar yaitu
sebesar 20 dan memiliki nilai maksimum yang terkecil pada dimensi lainnya dengan
nilai 15.
10 Zakkiyah Azka H. N. (14416014) 33

BAB IV
ANALISIS
4.1 Analisis Pengumpulan dan Pendokumentasian Data

Pengumpulan data dengan metode online yang dilakukan memiliki response
rate sebesar 53.59%. Response rate yang diperoleh termasuk cukup baik, karena
berada di atas rata-rata response rate dari metode online, yaitu 29%. Response
rate penelitian kali ini lebih baik dari sebelumnya yang hanya 27,52%, karena
peneliti telah melakukan beberapa perbaikan terhadap kuesioner. Peneliti telah
menambahkan informasi pada bagian awal kuesioner mengenai konsep produk,
sketsa produk, serta perkiraan waktu yang dibutuhkan calon responden dalam
mengisi kuesioner. Selain itu, penulis juga memberikan voucher sebagai insentif
bagi responden yang telah mengisi kuesioner. Voucher yang diberikan bernilai Rp
25.000,00 untuk 4 responden terpilih. Meskipun response rate telah meningkat
daripada penelitian sebelumnya, response rate penelitian kali ini belum mencapai
rate yang sangat baik, yaitu mendekati 100%. Response rate dapat ditingkatkan
dengan memperbaiki desain kuesioner sedemikian rupa sehingga lebih menarik
perhatian calon responden. Layout desain kuesioner juga sebaiknya dibuat lebih
sederhana agar responden mudah dalam mengisi kuesioner. Selain itu, peneliti
juga dapat memilih alternatif insentif lain yang dinilai lebih menarik untuk
diberikan kepada responden yang telah mengisi kuesioner.
Dalam pengumpulan data, peneliti menggunakan Microsoft Forms dan
kuesioner disebar melalui media sosial Line. Kuesioner yang dibuat dengan
Microsoft Forms memiliki beberapa kelebihan, yaitu dapat diakses secara gratis
dan media ini dapat menghitung berapa lama waktu yang dibutuhkan responden
untuk mengisi kuesioner. Selain itu, Microsoft Forms mampu menangkap sampai
50.000 respon dalam satu form dan bisa menggunakan skala Likert secara
langsung dalam kuesioner. Namun, Microsoft Forms memiliki batas banyaknya
pertanyaan dalam satu form, yaitu 100 pertanyaan. Microsoft Forms juga memiliki
batasan lain, yaitu pertanyaan dengan skala Likert hanya bisa sampai dengan 20
pertanyaan. Setelah itu, kuesioner disebarkan melalui media sosial Line. Media
ini cukup efisien karena dapat menyebarkan kuesioner secara mudah dan cepat.
Namun, kuesioner tersebut disebar dalam grup dan sebagian besar anggota grup
tersebut hanya mengunjungi laman kuesioner tanpa mengisi kuesioner. Agar lebih
efektif, peneliti harus melakukan personal chat kepada beberapa orang melalui
media tersebut untuk menarik responden lebih banyak lagi.
Pada penelitian ini, pendokumentasian data dilakukan dengan coding dan
dikumpulkan menggunakan codebook. Pendokumentasian data dilakukan untuk
membuat data menjadi lebih terstruktur dan mudah dipahami. Selain itu,
pendokumentasian data ditujukan agar data dapat dimengerti oleh peneliti maupun
10 Zakkiyah Azka H. N. (14416014) 34

orang lain pada masa mendatang. Pendokumentasian data dilakukan dengan

coding menggunakan codebook karena proses pengevaluasian data dan
pengolahan data selanjutnya akan menggunakan statistical software, seperti
MINITAB dan RStudio. Penggunaan codebook akan memudahkan peneliti dalam
menginterpretasikan data hasil survei. Codebook yang baik diharapkan dapat
mengkomunikasikan mengenai data penelitian kepada orang lain dengan jelas dan
ringkas, serta memastikan bahwa data tersebut dipahami dan ditafsirkan dengan
benar.
Pada codebook yang telah dibuat, terdapat beberapa kolom yang ditampilkan,
yaitu columns identifier, variable name, question name, question number, dan
coding instruction. Columns identifier merupakan nomor kolom yang diberikan
oleh peneliti untuk mengidentifikasi setiap kolom data yang ada. Variable name
merupakan nama variabel yang diberikan oleh peneliti untuk mengidentifikasi
setiap pertanyaan kuesioner. Untuk pertanyaan mengenai demografi, penulis
menyesuaikan kode dengan pertanyaannya, seperti kode ID untuk nama, U untuk
umur, D untuk domisili, dan W untuk pekerjaan. Untuk pertanyaan mengenai
indikator, penulis menggunakan kode yang disesuaikan dengan dimensi indikator
dan setiap indikator diurutkan sesuai dengan urutan pertanyaan pada kuesioner.
Dimensi performance ditandai dengan huruf P, conformance dengan Co, feature
dengan F, reliability dengan R, durability dengan D, serviceability dengan S,
perceived quality dengan PQ, dan aesthetics dengan A. Sebagai contoh, pada
dimensi performance terdapat 4 indikator, sehingga setiap pertanyaan diberi
dengan kode P1, P2, P3, dan P4 sesuai dengan urutan pertanyaan dalam kuesioner.
Nama variabel ini kemudian dijadikan sebagai kode yang digunakan pada saat
pemeriksaan dan pengolahan data. Question name merupakan isi dari setiap
pertanyaan kuesioner secara general. Question number merupakan nomor yang
diberikan oleh peneliti untuk mengidentifikasikan setiap pertanyaan kecuali
pertanyaan mengenai nama responden. Coding instruction merupakan kode yang
diberikan oleh peneliti untuk setiap jawaban yang diberikan oleh responden. Pada
pertanyaan nama responden (ID), setiap responden yang mengisi kuesioner diberi
kode dengan angka sesuai dengan urutan responden yang mengisi. Pada
pertanyaan mengenai umur, peneliti mengklasifikasikan menjadi tiga kelompok,
yaitu umur 15-30 tahun, 30-45 tahun, dan 45-60 tahun namun tidak ada kode
khusus untuk jawaban responden. Pada pertanyaan domisili dan pekerjaan
responden, tidak ada kode khusus yang diberikan. Kode untuk pertanyaan ini
disesuaikan dengan pilihan jawaban yang disediakan karena jawaban pertanyaan
tidak masuk dalam proses pemeriksaan dan pengevaluasian data. Untuk
pertanyaan mengenai indikator, penulis menggunakan kode angka 1-5. Hal ini
disebabkan oleh peneliti menyesuaikan dengan skala yang digunakan pada
penelitian, yaitu skala Likert. Jawaban sangat tidak setuju ditandai dengan angka
10 Zakkiyah Azka H. N. (14416014) 35

1, tidak setuju dengan angka 2, netral dengan angka 3, setuju dengan angka 4, dan
sangat setuju dengan angka 5.
4.2 Analisis Outlier

Analisis outlier dilakukan dengan tujuan untuk menghapus data-data yang
bersifat tidak biasa dan dapat mengganggu analisis statistika. Hal tersebut dapat
mengganggu karena pengujian statistika linear maupun normalitas sangat rentan
akan outlier. Outlier dapat merusak kualitas serta kredibilitas dari analisis
statistika yang dilakukan. Analisis outlier dilakukan menggunakan 2 jenis
metode, yaitu analisis univariat dan analisis multivariat. Untuk melakukan
analisis univariat peneliti menggunakan Grubbs Test, teknik tersebut berfungsi
mengetahui distribusi data pada tiap variabel dan mengetahui range paling luar
biasa dengan menggunakan boxplot. Disisi lain, analisis multivariat dilakukan
untuk menganalisis data outlier berdasarkan dua variabel atau lebih dengan
menggunakan jarak Mahalanobis dari masing-masing nilai. Jarak Mahalanobis
adalah generalisasi dari jarak kuadrat Euclid yang distandarisasi dari masing-
masing variabel dengan mempertimbangkan unsur keragaman matriks variansi-
kovariansi dalam menghitung jaraknya atau secara umum adalah jarak titik
terhadap titik tengah dari data. Analisis univariate dilakukan untuk mendeteksi
outlier dengan membandingkannya dengan data dari ID lain, dengan tujuan untuk
mengetahui respon keseragaman respon serta menunjukkan kemampuan para
responden terhadap masing-masing pertanyaan. Oleh karena itu analisis univariat
memiliki kelebihan untuk mendeteksi outlier secara detail mengenai informasi
respondennya serta pada bagian indikator mana responden menjawab jawaban
yang outlier. Sedangkan analisis multivariat dilakukan untuk mengukur
kredibilitas serta kualitas dari pengisian dari tiap-tiap responden. Metode ini
memiliki kelebihan untuk dapat membandingkan nilai responden secara
menyeluruh dengan bantuan jarak Mahalanobis namun metode ini tidak dapat
memberikan informasi secara detail pada bagian mana atau pola apa yang
menyebabkan data responden tersebut bersifat outlier. Pada penelitian kali ini,
terdapat tujuh data outlier yang ditemukan pada hasil observasi. Pada analisis
univariat terdapat tiga responden yang menjadi outlier dengan total lima variabel
indikator yang terisi berbeda dengan mayoritas responden. Sebagai contoh, pada
variabel A4 yang diisi oleh responden ID 1 yang diisi dengan “sangat tidak setuju”
hal tersebut mengakibatkan data sangat berbeda dengan mayoritas. Hal tersebut
dapat terjadi dikarenakan persepsi yang dimiliki oleh responden tersebut berbeda
dengan yang lain. Perbedaan persepsi responden dapat diakibatkan oleh
perbedaan latar belakang dari masing-masing responden. Sedangkan pada analisis
multivariat, terdapat enam ID yang menjadi data outlier pada penelitian ini. Data
outlier tersebut merupakan outlier yang jatuh pada range normal namun memiliki
10 Zakkiyah Azka H. N. (14416014) 36

kombinasi yang unik. Sebagai contoh, pada ID 95 memberikan respon “sangat

setuju” untuk sepuluh indikator secara berturut-turut. Hal tersebut menyebabkan
data menjadi bias dan tidak dapat digunakan oleh peneliti.
4.3 Analisis Missing Data

4.3.1 Analisis Tipe Missing Data
Pengolahan missing data dapat di awali dengan menentukan tipe dari
missing data tersebut. Penentuan tipe missing data ini dilakukan untuk
mengetahui apakah missing data tersebut terjadi secara terkontrol dan dapat
dijustifikasi oleh penulis atau bahkan terjadi secara random tanpa benar-benar
diketahui penyebabnya. Tipe missing data yang telah diketahui dapat
membantu penulis dalam menentukan tahap analisis selanjutnya dan mitigasi
yang sesuai untuk missing data tersebut.
Setelah melihat hasil respon dari survei yang telah dilakukan dan
menghapus data outlier, tipe missing data yang ditentukan oleh penulis ialah
non-ignorable missing data. Dalam hal ini, missing data tidak dapat diabaikan
(non-ignorable) karena penulis tidak mendesain pertanyaan yang ada pada
survei untuk dilewati, sehingga penulis tidak memiliki justifikasi terhadap data
yang hilang tersebut dan data tidak dapat diabaikan. Selain itu, apabila ditinjau
dari penyebabnya, non-ignorable missing data ini terjadi akibat sebab yang
tidak diketahui pasti atau unknown process. Penyebab unknown process ini
setelah ditarik lagi ke belakang tidak melibatkan adanya kesalahan-kesalahan
prosedural seperti input data. Ketidakvalidan nilai ini dianalisis sabagai hasil
yang didapat karena murni akibat pihak responden. Jika melihat variabel yang
dilewati yakni P3 tentang produk menghasilkan panas yang cukup untuk
makanan, Co1 tentang standar SNI, Co3 tentang standar ramah lingkungan
(biodegradable), R1 tentang konsistensi panas produk, dan A4 tentang berat
produk, missing data yang terjadi pada variabel-variabel tersebut bisa diyakini
karena adanya keengganan dari responden untuk menjawab akibat kurangnya
pemahaman dan pengetahuan responden terkait pertanyaan yang diajukan
tersebut. Sebagai contoh standar SNI dan biodegradable yang mungkin belum
familiar di telinga responden sehingga mereka memilih untuk melewati
pertanyaan tersebut. Namun, kembali lagi, analisis ini tidak dapat diketahui
secara pasti. Jika dilihat dari persebarannya, missing data yang terjadi bersifat
random, sehingga nantinya penanganan dari missing data ini masih bisa
dilakukan dengan remedi.
4.3.2 Analisis Derajat Missing Data

Analisis derajat missing data selanjutnya dilakukan oleh peneliti
sehubungan dengan tipe data yang dimiliki oleh penulis berupa non-ignorable
missing data. Non-ignorable missing data ini perlu diketahui derajatnya dalam
rangka mengetahui dampak dari missing data terhadap pengolahan data
10 Zakkiyah Azka H. N. (14416014) 37

selanjutnya sehingga penulis dapat mengetahui dengan pasti remedi seperti apa
yang cocok untuk dilakukan. Dalam mengetahui derajat missing data ini,
penulis menggunakan data yang telah bersih dari outlier dan dengan bantuan
piranti Microsoft Excel. Definisi derajat yang penulis gunakan ialah persentase
missing value terhadap jumlah data keseluruhan.
Proses penghitungan derajat missing data dilakukan penulis melalui dua
tabulasi yakni, jumlah variabel yang memiliki missing data untuk tiap
responden dan jumlah responden yang memiliki missing data untuk tiap
variabel. Sebagaimana yang telah disebutkan, persentase dihitung dengan
membandingkan jumlah missing data dengan data keseluruhan jumlah
responden maupun jumlah variabel. Dalam penelitian ini, jumlah variabel yang
digunakan adalah 28 dan jumlah responden setelah dibersihkan dari data
outlier sebanyak 209 responden. Keuntungan yang bisa didapatkan penulis dari
proses ini ialah, jumlah terjadinya missing data dapat dilihat baik secara
individual maupun keseluruhan.
Sebelum menentukan tinggi atau rendahnya hasil perhitungan missing
data, penulis perlu melakukan identifikasi lebih lanjut terhadap missing data
dalam aspek pola non-random dan jumlah responden tanpa missing data. Hasil
dari identifikasi lanjut ini menujukkan tidak terdapatnya pola missing data
non-random yang terkonsentrasi pada bagian tertentu. Hanya terdapat 2
missing data dari sebanyak 209 responden yang terkonsentrasi pada 1 variabel,
dan juga 2 missing data dari 28 variabel yang terkonsentrasi pada 1 responden.
Selanjutnya, jumlah responden tanpa missing data yang terhitung masih berada
di angka 203 responden.
Penentuan tinggi rendahnya derajat sebuah missing data dapat didasarkan
pada rule of thumb, yang menyebutkan bahwa apabila missing data
menunjukkan persentase di bawah 10% untuk satu responden, maka missing
data tersebut dapat diabaikan. Sedangkan, untuk penghapusan variabel, penulis
juga perlu mempertimbangkan perlakuan tersebut dengan berdasar pada rule
of thumb lain yang menyebutkan bahwa apabila variabel dengan missing data
minimal 15% memiliki kemungkinan untuk dihapus, tetapi untuk variabel
dengan derajat missing data sekitar 20-30% seringkali dilakukan remedi.
Secara individual, perhitungan penulis melalui tabulasi sesuai Tabel 5
menunjukkan nilai missing data pada tiap responden. Terlihat terdapat 5
responden yang memiliki missing data yakni responden 123 dengan persentase
3.75%, responden 124 dengan persentase 3.75%, responden 126 dengan
3.75%, responden 134 dengan 7.14%, dan responden 214 dengan persentase
3.75%. Sedangkan perhitungan tabulasi sesuai Tabel 6 menunjukkan nilai
missing data ada pada 5 variabel, yakni variabel P3 dengan persentase 0.96%,
Co1 dengan persentase 0.48%, Co3 dengan persentase 0.48%, variabel R1
dengan persentase 0.48%, dan A4 dengan persentase 0.48%. Hasil tersebut
menunjukkan, semua persentase missing data memiliki nilai di bawah 10%
10 Zakkiyah Azka H. N. (14416014) 38

untuk tiap responden dan juga di bawah 15% untuk tiap variabel. Dari sini ini
dapat disimpulkan bahwa derajat missing data penulis rendah. Rendahnya
missing data ini juga menunjukkan bahwa mayoritas responden dapat
mengikuti alur dan desain pertanyaan dari kuesioner yang dibuat penulis sesuai
dengan pemahamannya dan dengan sedikit kesulitan. Sebenarnya, mitigasi
untuk missing data tersebut dapat dilakukan penulis dengan mengabaikannya
serta melakukan penghapusan. Namun, penulis memilih untuk
mempertahankan data dan melakukan remidi karena pengolahan yang
dihasilkan dari remidi akan jauh lebih baik. Penjelasan lebih lanjut mengenai
pemilihan perlakuan remedi ini akan dibahas pada sub subbab 4.3.4.
4.3.3 Analisis Tingkat Ke-Random-an Missing Data

Analisis randomness sebenarnya lebih esensial dilakukan apabila
missing data menunjukkan derajat yang tinggi, sedangkan telah diketahui
bahwa derajat missing data penulis ada pada tingkat rendah. Analisis ini masih
dilakukan karena pada tahap sebelumnya penulis telah menentukan bahwa
missing data akan ditindaklanjuti dengan melakukan remidi. Sebelum
melakukan remidi, penting diketahui tingkat ke-random-an dari missing data
tersebut, karena tingkat ke-random-an ini dapat menentukan treatment statistik
atau metode remedi yang efektif digunakan untuk missing data yang dimiliki.
Maka dari itulah penulis melakukan analisis terhadap randomness missing
data.
Diagnosis randomness pada penelitian ini dilakukan terhadap data
bersih dari outlier dengan pendekatan menguji ke-random-an secara
keseluruhan untuk menentukan apakah missing data dapat diklasifikasikan
sebagai MCAR. Analisis dilakukan dengan bantuan piranti R-Studio. Dengan
melakukan import data bersih dan menuliskan script ‘LittleMCAR’ pada R-
Studio, dapat diketahui randomness dari missing data tersebut dengan melihat
P-Value yang tertera pada hasil pengolahan. P-Value menunjukkan perbedaan
pola missing data pada semua variabel dengan pola missing data process yang
random. Dalam menarik kesimpulan yang melibatkan P-Value ini tentu
diperlukan adanya hyphothesis testing. Hipotesis yang penulis gunakan untuk
penentuan ini adalah sebagai berikut.
𝐻0 = 𝑅𝑎𝑛𝑑𝑜𝑚𝑛𝑒𝑠𝑠 𝑚𝑖𝑠𝑠𝑖𝑛𝑔 𝑑𝑎𝑡𝑎 𝑀𝐶𝐴𝑅

𝐻1 = 𝑅𝑎𝑛𝑑𝑜𝑚𝑛𝑒𝑠𝑠 𝑚𝑖𝑠𝑠𝑖𝑛𝑔 𝑑𝑎𝑡𝑎 bukan 𝑀𝐶𝐴𝑅
Berdasarkan hasil pengolahan missing data, didapatkan nilai P-Value

sebesar 0.507976. Dengan menggunakan confidence interval 95%, nilai ini
menunjukkan bahwa P-Value dari missing data adalah lebih besar dari 0.05
yang berarti tidak ditemukan perbedaan signifikan, sehingga tidak ada cukup
bukti untuk menolak H0. Dengan konsekuensi menerima H0, maka randomness
10 Zakkiyah Azka H. N. (14416014) 39

missing data bisa diklasifikasikan sebagai MCAR. Menurut Lodder (2013),

apabila missingness yang ada pada data benar-benar random dan tidak
berkaitan dengan informasi atau variabel lain yang ada pada set data maka data
tersebut memiliki tingkat ke-random-an MCAR (Missing Completely at
Random). Maka, dapat disimpulkan bahwa missing data yang ada pada data
penulis benar-benar terjadi secara random. Dengan bekal informasi ini, dapat
dilakukan remidi terhadap missing data dengan randomness MCAR berupa
imputasi dengan mean substitution. Imputasi yang dilakukan sebagai remidi
akan dijelaskan lebih lanjut pada sub subbab 4.3.4.
4.3.4 Analisis Imputasi Missing Data

Imputasi merupakan metode dari remidi missing data yang dilakukan
untuk mengeliminasi missing data berdasarkan data yang valid dari variabel
dan/atau responden lain. Proses imputasi penting dilakukan karena missing
data dapat menyebabkan masalah pada proses analisis data, sehingga dengan
adanya imputasi, data bisa menjadi lebih valid untuk analisis selanjutnya dan
menghindari terjadinya bias yang bisa disebabkan oleh metode penghapusan.
Pada sub subbab sebelumnya telah dijelaskan bahwa penulis lebih
memilih untuk melakukan remidi daripada menghapus variabel dan/atau
responden. Sebenarnya, menghapus variabel dan/atau responden secara
sederhana dapat dilakukan melalui 2 teknik, yaitu listwise deletion dan
pairwise deletion. Listwise deletion merupakan teknik yang dilakukan dengan
menghapus setiap unit yang memiliki missing values secara keseluruhan,
sehingga unit tersebut tidak bisa dilibatkan lagi pada analisis lebih lanjut,
sedangkan pairwise deletion merupakan teknik yang dilakukan dengan
menghapus unit yang memiliki missing values tapi bagian dari unit yang tidak
memiliki missing values masih bisa digunakan lebih lanjut. Kedua teknik
penghapusan ini memiliki keunggulan yakni lebih mengefisienkan waktu,
namun memiliki kekurangan juga yakni bisa menyebabkan estimasi parameter
yang bias, lemah, dan tidak dapat diandalkan. Maka, meski dengan keunggulan
deletion technique dalam menghemat waktu, tetapi sebagian besar peneliti
menyarankan untuk menggunakan metode berbasis imputasi yang lebih
canggih untuk menangani data yang hilang, karena imputasi biasanya
menghasilkan lebih banyak kekuatan statistika dan menimbulkan lebih sedikit
bias (Rubin, 1976; Little & Rubin, 1989; Schafer & Graham, 2002; Graham,
2009). Meski begitu, perlu diperhatikan juga bahwa metode imputasi memiliki
kekurangan yakni perlunya lebih banyak informasi dalam menentukan metode
imputasi seperti apa yang tepat untuk missing data dan beberapa metode
imputasi kadang cocok untuk satu model, namun belum tentu cocok untuk
model lainnya. Dari pertimbangan ini, penulis memilih untuk melakukan
imputasi daripada penghapusan variabel/responden.
10 Zakkiyah Azka H. N. (14416014) 40

Metode imputasi yang dapat diaplikasikan dengan missing data < 10%
sesuai dengan rule of thumb sebenarnya bisa dilakukan dengan berbagai cara.
Dengan pertimbangan data dengan randomness MCAR penulis memilih untuk
menggunakan metode imputasi mean substitution ketimbanga metode lain
seperti regression imputation. Menurut Schafer & Graham (2002), daripada
mean substitution, imputasi regresi memiliki keuntungan yakni dapat
digunakan untuk set data dengan missing data lebih dari 10%, namun imputasi
regresi masih bisa mengarah ke estimasi parameter yang bias, terutama apabila
missing data berupa MAR. Sedangkan mean substitution memiliki keunggulan
yakni cara pengolahannya sederhana karena hanya mengisi missing values
dengan rata-rata (average) dari data yang valid. Namun, kelemahannya
distribusi variabel yang diimputasi dapat menjadi sangat terdistorsi dan terjadi
underestimated variance, karena setiap nilai yang hilang ditetapkan dengan
nilai imputasi yang sama. Tetapi, beberapa penelitian menunjukkan bahwa
kekurangan ini tidak berlaku atau dapat diabaikan missing data kurang dari
10% dan korelasi antara variabel rendah (Raymond, 1986; Tsikriktsis, 2005).
Maka, dengan missing data penulis yang kurang dari 10% dan dengan
kesederhanaannya, mean substitution dipilih sebagai metode imputasi pada
tahap ini.
Proses imputasi mean substitution dilakukan dengan mencari nilai rata-
rata dari setiap variabel dengan nilai valid sesuai dengan jumlah responden.
Nilai rata-rata tersebut kemudian diisikan pada kolom yang sama pada variabel
yang memiliki missing values. Imputasi ini membantu menghilangkan bias
sehingga dapat digunakan untuk analisis selanjutnya yakni uji statistika
deskriptif seperti uji normalitas dan uji reliabilitas.
4.4 Analisis Normalitas

Sebuah data harus dilakukan pengujian normalitas karena pengolahan data
lanjutan akan dilakukan dengan pengujian statistika. Dalam statistika, normalitas
menjadi salah satu asumsi yang harus dipenuhi. Selain itu, asumsi normalitas
sangat penting ketika membangun interval referensi untuk variabel. Asumsi
normalitas harus dipenuhi ketika asumsi ini tidak berlaku, maka tidak mungkin
untuk menarik kesimpulan yang akurat dan dapat diandalkan. Pengujian
normalitas dilakukan dengan dua uji, yaitu uji Skewness-Kurtosis dan uji Shapiro-
Wilks.
4.4.1 Uji Skewness-Kurtosis

Uji Skewness-Kurtosis dilakukan untuk melihat bagaimana kemiringan dan
keruncingan dari sebuah distribusi. Data hasil survei yang diperoleh dianalisis
untuk mengetahui apakah distribusi dari data tersebut adalah normal. Nilai
skewness menunjukkan kecenderungan penyimpangan mean suatu distribusi
lebih besar di satu sisi daripada yang lain. Distribusi normal merupakan
10 Zakkiyah Azka H. N. (14416014) 41

distribusi yang simetris, yaitu memiliki nilai mean, mode, dan median yang
berada di pusat distribusi. Pada skewed distribution, penyimpangan nilai mean,
mode, dan median tidak sama pada kedua sisi, sehingga distribusi tidak
simetris. Nilai kurtosis menunjukkan kecuraman dari sebuah distribusi dengan
melihat nilai puncak distribusi.
Nilai skewness dan kurtosis yang baik adalah semakin mendekati nol agar
data berdistribusi normal. Namun, peneliti menggunakan rentang nilai kritis
untuk menentukan ketidaknormalan sesuai dengan rule of thumb. Pada
penelitian ini, nilai kritis yang digunakan untuk uji skewness-kurtosis adalah
±1.96 dengan tingkat kepercayaan 95%. Nilai kritis yang digunakan bisa
berbeda bergantung pada jumlah sampel dan tingkat error yang diinginkan.
Ukuran sampel memiliki pengaruh terhadap peningkatan kekuatan statistik
dengan mengurangi kesalahan pengambilan sampel. Ukuran sampel yang lebih
besar dapat mengurangi efek merugikan dari ketidaknormalan data. Peneliti
menggunakan nilai kritis ±1.96 karena jumlah sampel yang digunakan
berukuran sedang, yaitu berjumlah 216 sampel. Dari hasil uji yang diperoleh
pada Tabel 9, dapat dilihat bahwa nilai skewness dan kurtosis masuk ke dalam
rentang nilai kritis, sehingga data yang didapatkan disimpulkan berdistribusi
normal. Nilai negatif pada skewness menunjukkan bahwa distribusi bergeser
ke kanan, sedangkan nilai positif pada skewness menunjukkan pergeseran
distribusi ke kiri. Nilai kurtosis yang negatif menunjukkan platykurtic
distribution, yaitu distribusi yang lebih datar. Nilai kurtosis yang positif
menunjukkan leptokurtic distribution, yaitu distribusi yang memiliki puncak
lebih tinggi.
Pengujian skewness-kurtosis memiliki kelebihan dan kekurangan. Uji
skewness-kurtosis merupakan pengujian yang mudah dilakukan dan dapat
merepresentasikan ketidaknormalan suatu distribusi dengan baik. Namun,
kekurangan dari uji ini adalah nilai dari skewness dan kurtosis bergantung pada
jumlah sampel yang digunakan. Nilai skewness dan kurtosis bervariasi
bergantung pada jumlah sampel, yaitu dapat bernilai negatif atau positif. Hal
ini dapat mengakibatkan kesalahan interpretasi dari bentuk distribusi yang
sebenarnya.
4.4.2 Uji Shapiro-Wilks

Pengujian normalitas lainnya adalah menggunakan uji Shapiro-Wilks.
Pengujian ini dilakukan dengan menguji hipotesis:

10 Zakkiyah Azka H. N. (14416014) 42

Dalam mengambil kesimpulan, peneliti melihat nilai p-value dengan tingkat

kepercayaan sebesar 95%. Jika hasil p-value > 0.05, maka tidak terdapat cukup
bukti untuk menolak H0 sehingga H0 diterima. Jika hasil p-value < 0.05, maka
terdapat cukup bukti untuk menolak H0 sehingga H1 diterima. Penerimaan H0
menunjukkan bahwa data berdistribusi normal, begitu pula dengan penerimaan
H1 yang menunjukkan bahwa data tidak berdistribusi normal. Berdasarkan
hasil uji pada Tabel 10, dapat dilihat bahwa seluruh indikator memiliki p-value
> 0.05 sehingga H0 diterima. Hasil uji tersebut menyimpulkan bahwa data yang
diperoleh berdistribusi normal.
Pada mulanya, uji Shapiro-Wilks hanya digunakan untuk jumlah sampel
yang kurang dari 50. Namun, uji ini dapat digunakan untuk seluruh rentang
variansi dan mean dari distribusi, sehingga uji ini bersifat general dan familiar
digunakan oleh banyak orang. Uji Shapiro-Wilks dinilai memiliki power of test
yang lebih tinggi daripada uji normalitas lainnya, seperti uji Kolmogorov-
Smirnov, uji Lilliefors, dan uji Anderson-Darling. Uji ini dapat menguji
normalitas dengan sangat baik untuk distribusi yang simetris maupun tidak.
Namun, uji Shapiro-Wilks cukup rumit untuk dilakukan sehingga
membutuhkan bantuan perangkat lunak di komputer. Selain itu, hasil uji juga
bergantung pada jumlah sampel yang digunakan. Semakin banyak sampel yang
digunakan maka hasil tes semakin akurat dan dapat mendeteksi normalitas
lebih baik.
4.5 Analisis Linearitas

Untuk melakukan pengujian linearitas, peneliti menggunakan aplikasi
MINITAB dengan fitur Calc. Pengujian dilakukan satu per satu, yaitu per
indikator dan per dimensi. Uji linearitas berguna untuk mengetahui hubungan
indikator dan dimensi dengan membentuk suatu pola garis lurus. Pada penelitian
ini, hasil untuk pengujian linearitas memiliki pola yang tidak berbeda jauh untuk
setiap indikator. Setiap hasil pengujian menunjukkan bahwa p-value yang
diperoleh adalah nol, sehingga H0 ditolak. Hal ini menunjukkan bahwa seluruh
indikator linear dengan dimensinya. Namun, pada scatter plot yang dapat dilihat
pada Lampiran 8 sampai Lampiran 15, terdapat pola garis pada satu sumbu Y
yang mengakibatkan pola data yang dihasilkan tidak dapat dikatakan memiliki
pola garis lurus atau linear. Hal tersebut disebabkan oleh skala yang digunakan
pada penelitian ini adalah skala Likert dengan penilaian 1-5, sehingga variansi
dari penilaian tidak akan menimbulkan suatu pola yang signifikan dan tidak akan
membuat suatu pola untuk berkumpul pada suatu titik tertentu. Hal ini berkaitan
dengan data menjadi sulit dibedakan antara satu nilai dengan nilai yang lain.
Dengan pernyataan diatas dapat ditarik sebuah pemahaman bahwa linieritas pada
10 Zakkiyah Azka H. N. (14416014) 43

data tidak dapat terjadi karena skala dalam penilaian terlalu kecil untuk dibedakan
antara satu sama lain.
4.6 Analisis Statistika Deskriptif

4.6.1 Analisis Statistika Deskriptif Data Demografi
Data yang didapatkan pada survei penelitian ini digambarkan dengan
menggunakan statistika deskriptif, terutama penggunaan pie chart untuk
menggambarkan perbandingan besaran kategori. Dapat dilihat pada pie chart
demografi usia didominasi oleh golongan kelompok pertama yaitu golongan
umur 15-30 tahun sebanyak 209 responden. Selain itu untuk kategori
demografi domisili, responden didominasi oleh responden dari Bandung
sebanyak 107 responden dan Surabaya sebanyak 58 responden dengan
pekerjaan dominan adalah pelajar dan mahasiswa dengan total 191 responden.
Fenomena dimana dominasi data adalah pelajar dengan usia 15-30
tahun bertempat tinggal di Bandung terjadi dikarenakan metode penyebaran
survei yang peneliti lakukan. Dimana peneliti menggunakan Microsoft Form
dengan penyebaran form melalui media sosial dari anggota tim penelitian. Hal
tersebut mengakibatkan kebiasan data berasal dari para pengguna media sosial
tersebut serta data responden yang tercakup hanya berasal dari lingkar-lingkar
pertemanan dan media sosial yang dimiliki oleh anggota tim peneliti. Oleh
karena itu, data hanya terkonsentrasi pada satu segmen masyarakat saja.
4.6.2 Analisis Statistika Deskriptif Data Hasil Survei

Statistika deskriptif merupakan statistika yang digunakan untuk
memberikan gambaran terkait hasil data survei dan digunakan pada tahap
pengolahan data awal. Gambaran yang diberikan dapat berbentuk peta, pie
chart, line chart, histogram, bar chart dan juga dapat berbentuk tabel yang
berisi kesimpulan terhadap ukuran pemusatan dan ukuran penyebaran data.
Pada penelitian kali ini, penulis memberikan gambaran terkait statistika
deskriptif data hasil survei dalam bentuk bar chart. Bar chart dipilih karena
dapat digunakan untuk menampilkan ukuran dan perbedaan baik relatif atau
absolut.
Penggunaan statistika deskriptif sangat membantu penulis untuk melihat
gambaran data dengan lebih cepat dan mudah karena data yang awalnya
berbentuk tabel yang berisikan jumlah skala pada setiap dimensi dari setiap
responden langsung diubah menjadi chart dengan berbagai tipe, misalnya pie
chart dengan menggunakan excel dan juga diubah kedalam bentuk tabel
kesimpulan terkait ukuran penyebaran dan pemusatan menggunakan
MINITAB. Disisi lain, penggunaan statistika deskriptif tidak dapat secara
langsung menunjukkan interpretasi dari setiap hasil ukuran penyebaran dan
10 Zakkiyah Azka H. N. (14416014) 44

pemusatan yang didapatkan. Setelah dilakukan pengolahan data awal, akan

dianalisis hasil dari setiap ukuran penyebaran dan ukuran pemusatan data.
Ukuran penyebaran yang dipakai adalah variansi, nilai minimum, dan nilai
maksimum. Ukuran pemusatan yang dipakai adalah mean, median, dan modus.
Berikut adalah analisis dari setiap ukuran penyebaran dan pemusatan data:
1. Analisis Ukuran Penyebaran
● Analisis Variansi
Pada hasil pengolahan data dapat dilihat bahwa nilai variansi terbesar
dimiliki oleh dimensi aesthetics dan nilai variansi terkecil dimiliki oleh
dimensi feature. Besarnya variansi menunjukkan ketersebaran data
yang dimiliki oleh suatu dimensi. Semakin besar nilai variansi maka
semakin sulit untuk menentukkan karakteristik produk berdasarkan
dimensi yang bersangkutan, karena terdapat keanekaragaman pola
yang mungkin yang mewakilkan karakteristik produk berdasarkan
penjumlahan seluruh indikator pada suatu dimensi dan keragaman nilai
skala setiap indikator yang dimilikinya.
● Analisis Nilai Minimum

Pada hasil pengolahan data dapat dilihat bahwa nilai minimum terbesar
dimiliki oleh dimensi conformance dan dimensi reliability dan nilai
minimum terkecil dimiliki oleh dimensi serviceability dan dimensi
perceived quality. Nilai minimum dari suatu dimensi menunjukkan
jumlah skala minimum yang harus dimiliki oleh suatu dimensi dalam
mewakilkan karakteristik produk sesuai dimensi kualitas. Besar
kecilnya nilai minimum tidak menentukan bahwa suatu dimensi lebih
mewakili karakteristik produk dibandingkan dengan dimensi lainnya,
hanya memberikan nilai minimum yang baik untuk setiap dimensi yang
bisa digunakan sebagai patokan.
● Analisis Nilai Maksimum

Pada hasil pengolahan data dapat dilihat bahwa nilai maksimum
terbesar dimiliki oleh dimensi performance, conformance, reliability,
dan aesthetics sedangkan nilai maksimum terkecil dimiliki oleh
dimensi lainnya. Nilai maksimum dari suatu dimensi menunjukkan
jumlah skala maksimum yang sebaiknya dimiliki oleh suatu dimensi
dalam mewakilkan karakteristik produk sesuai dimensi kualitas. Besar
kecilnya nilai maksimum tidak menentukan bahwa suatu dimensi lebih
mewakili karakteristik produk dibandingkan dengan dimensi lainnya,
hanya memberikan nilai maksimum yang baik untuk setiap dimensi
yang bisa digunakan sebagai patokan.
10 Zakkiyah Azka H. N. (14416014) 45

2. Analisis Ukuran Pemusatan

● Analisis Mean
Pada hasil pengolahan data dapat dilihat bahwa nilai mean terbesar
dimiliki oleh dimensi conformance dan reliability dengan nilai 17,613
dan 17,280, sedangkan nilai mean terkecil dimiliki oleh dimensi
durability, serviceability, dan perceived quality dengan nilai 12,919,
12,526, dan 12,761. Nilai mean dari suatu dimensi menunjukkan rata-
rata jumlah skala dari suatu dimensi yang dipilih oleh responden,
dengan kata lain rata-rata responden menjawab pertanyaan dari setiap
indikator pada suatu dimensi dengan skala total sebesar nilai mean pada
dimensi tersebut. Besar kecilnya nilai mean tidak menentukan bahwa
suatu dimensi lebih mewakili karakteristik produk dibandingkan
dengan dimensi lainnya. Nilai mean memiliki kelemahan, yaitu sensitif
terhadap data ekstrim/outlier. Hal ini membuat nilai mean dari setiap
dimensi tidak dapat dijadikan patokan dalam menentukan karakteristik
produk karena dapat menjadi bias.
● Analisis Median
Pada hasil pengolahan data dapat dilihat bahwa nilai median terbesar
dimiliki oleh dimensi conformance, sedangkan nilai median terkecil
dimiliki oleh dimensi serviceability. Nilai median dari suatu dimensi
menunjukkan nilai tengah dari jumlah skala pada setiap indikator dari
suatu dimensi. Nilai median tidak sensitif terhadap data ekstrim/outlier.
Hal ini membuat nilai median dari setiap dimensi lebih baik dalam
mewakilkan karakteristik suatu produk berdasarkan dimensi kualitas.
Namun, perlu diperhatikan lebih lanjut apakah data yang ada mengikuti
distribusi normal atau bersifat eksponensial.
● Analisis Modus
Pada hasil pengolahan data dapat dilihat bahwa nilai modus terbesar
dimiliki oleh dimensi conformance, yaitu 20 dengan jumlah data 49.
Nilai modus dari suatu dimensi menunjukkan nilai terbanyak dari skala
total pada suatu dimensi yang menandakan bahwa kebanyakan
responden menjawab kuesioner dengan pola yang hampir sama
sehingga memberikan nilai yang sama pada setiap dimensi yang ada.
Namun, nilai modus tidak berarti setiap dimensi harus memiliki nilai
skala sesuai dengan nilai modus yang ada yang dengan kata lain
merupakan suara terbanyak dari responden yang ada. Perlu dilihat lagi
jumlah data yang memberikan nilai modus dari suatu dimensi, apakah
10 Zakkiyah Azka H. N. (14416014) 46

jumlah data tersebut sudah mewakili jumlah data keseluruhan yang

didapat dari hasil survei. Berdasarkan grafik jumlah data nilai modus
dari setiap dimensi, dimensi feature memiliki persentase terbesar, yang
mengindikasikan bahwa nilai modus pada dimensi feature paling
mewakilkan suara responden dan hampir mendekati kebutuhan dan
keinginan konsumen yang diimplementasikan dalam bentuk
karakteristik produk.
4.7 Implikasi Manajerial

Setelah dilakukan pendokumentasian data dengan menggunakan codebook,
dilanjutkan dengan pemeriksaan data dengan melakukan uji outlier, missing data,
dan uji asumsi-asumsi dalam statistika yang kemudian dilakukan pengolahan data
awal menggunakan statistika deskriptif baik data demografi maupun data hasil
survei online, seorang manajer perusahaan harus dapat melihat apakah data yang
siap diolah, yang telah melewati tahap cleaning sudah cukup untuk dipakai
selanjutnya dalam pengolahan data dan apakah sesuai dengan ukuran sampel yang
telah ditetapkan pada penelitian sebelumnya. Selain itu seorang manajer juga
dapat melihat apakah data yang telah melewati tahap cleaning sudah cukup
menggambarkan keinginan kebanyakan konsumen dilihat dari hasil pengolahan
data menggunakan statistika deskriptif untuk memberikan gambaran mengenai
data, juga bisa dilihat dari pengujian asumsi dalam statistika, seperti normalitas
dan linearitas dari data.
Pada modul sebelumnya, data hasil survei telah diuji reliabilitas dan
validitasnya yang dilanjutkan dengan adanya perbaikan kuesioner berdasarkan
hasil pengujian reliabilitas dan validitas. Setelah dilakukan perbaikan kuesioner,
akan dicari 200 responden untuk mengisi kuesioner yang telah diperbaiki tersebut.
Pada modul ini, data dari 200 responden tersebut akan digunakan untuk
melakukan pendokumentasian data, pemeriksaan data, dan pengolahan data awal.
Output yang didapatkan dari modul ini adalah data responden yang telah bersih
dari outlier dan missing data juga telah melewati uji asumsi dalam statistika,
seperti normalitas dan linearitas. Pada modul selanjutnya, data yang telah melalui
proses pembersihan data akan dikelompokkan menjadi beberapa kelompok atau
cluster berdasarkan kesamaan karakteristik yang dimiliki oleh data/objek juga
akan dilakukan pengolahan data, seperti statistika deskriptif dan statistika
inferensi.
Untuk kedepannya, peneliti merekomendasikan perusahaan untuk
menentukkan karakteristik produk berdasarkan data responden yang telah
diperiksa dan diolah, namun akan lebih baik lagi jika dilakukan pengolahan data
lebih lanjut, seperti pengolahan data menggunakan statistika inferensi.
10 Zakkiyah Azka H. N. (14416014) 47

BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Kesimpulan dari penelitian ini adalah:
1. Response rate dari survei yang dilakukan adalah 53.59%
2. Codebook yang digunakan terdapat pada Lampiran 1.
3. Hasil uji data outlier menunjukkan bahwa terdapat beberapa data outlier,
yaitu pada ID 1, 71, 73, 95, 96, 116, 137. Hasil uji data outlier selengkapnya
terdapat pada Tabel 2 dan Tabel 3.
4. Hasil uji missing data menunjukkan bahwa terdapat beberapa missing value,
yaitu pada ID 123, 124, 126, 134, dan 214. Hasil uji missing value
selengkapnya terdapat pada Tabel 4.
5. Hasil uji normalitas data menunjukkan bahwa seluruh data hasil survei adalah
berdistribusi normal. Hasil uji normalitas selengkapnya terdapat pada Tabel
9 dan Tabel 10.
6. Hasil uji linearitas data menunjukkan bahwa seluruh data hasil survei tidak
linear. Hasil uji linearitas selengkapnya terdapat pada 3.5 Uji Linearitas Hasil
Survei.
7. Statistika deskriptif terdapat pada subbab 3.6 Statistika Deskriptif.
5.2 Saran
5.2.1 Saran untuk Perusahaan
Hasil keseluruhan dari pengolahan dan pengevaluasian data yang telah
dilakukan cukup baik meskipun terdapat beberapa data outlier dan missing
data. Perusahaan dapat melakukan pengolahan data lanjutan menggunakan
data yang telah dievaluasi tersebut.
5.2.2 Saran untuk Praktikum

Untuk Praktikum Manajemen Rekayasa 2, keberjalanan praktikum
sudah baik. Namun terdapat beberapa tata bahasa hal di modul yang kurang
jelas sehingga sulit untuk dimengerti. Selain itu, waktu praktikum yang
disediakan tidak cukup untuk menjelaskan keseluruhan materi dan langkah-
langkah pengolahan data yang dilakukan.
5.2.3 Saran untuk Asisten

Untuk asisten praktikum, keberjalanan praktikum sudah baik dan
asisten dapat menjelaskan materi dengan baik jika terdapat pertanyaan.
Namun, asisten sebaiknya lebih memperjelas koordinasi mengenai masalah
revisi laporan dari kelompok.
10 Zakkiyah Azka H. N. (14416014) 48

DAFTAR PUSTAKA
Anonymous. 2012. Test for Normality. Retreived from

http://www.statistics4u.com/fundstat_eng/cc_normality_test.html
Bilodeau, Rick. 2016. Survey Shows Enterprises Struggling with Bad Data. Retreived
from https://streamsets.com/blog/survey-shows-enterprises-struggling-bad-
data/
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. 2014. Multivariate Data
Analysis. Essex: Pearson Education Ltd.
Ghasemi, Asghar & Zahedias, Saleh. 2012. Normality Tests for Statistical Analysis: A
Guide for Non-Statisticians. Retreived from
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3693611/#A3505R2
Graham, J. W. (2009). Missing data analysis: Making it work in the real world. Annual
review of psychology, 60, 549–576.
Little, R. J., & Rubin, D. B. (1989). The analysis of social science data with missing
values. Sociological Methods & Research, 18(2-3), 292–326.
Lodder, P. (2014). To Impute or not Impute, That’s the Question. In G. J. Mellenbergh,

& H. J. Adèr (Eds.), Advising on research methods: Selected topics 2013 Huizen:
Johannes van Kessel Publishing.
Hubner, Thomas. 2017. Bad Data Costs You Money. Retreived from
https://www.celsiusinternational.com/bad-data-costs-you-money/
Malhotra, N. K. & Birks, D. F. 2007. Marketing Research: An Applied Approach.

Essex: Pearson Education Ltd.
McNeese, Bill. 2016. Are the Skewness and Kurtosis Useful Statistics? Retreived from
https://www.spcforexcel.com/knowledge/basic-statistics/are-skewness-and-
kurtosis-useful-statistics
Mittag, N. (2013). Imputations : Benefits , Risks and a Method for Missing Data.
Raymond, M. R. (1986). Missing data in evaluation research. Evaluation & the health
professions, 9(4), 395–420.
Razali, N.M. & Wah, Y. B. 2011. Power Comparisons of Shapiro-Wilks, Kolmogorov-

Smirnov, Lilliefors, and Anderson-Darling Tests. Retreived from
http://www.de.ufpb.br/~ulisses/disciplinas/normality_tests_comparison.pdf
10 Zakkiyah Azka H. N. (14416014) 49

Rubin, D. B. (1976). Inference and missing data. Biometrika, 63(3), 581–592
Schafer, J. L., & Graham, J. W. (2002). Missing data: our view of the state of the art.
Psychological methods, 7(2), 147.
Tsikriktsis, N. (2005). A review of techniques for treating missing data in om survey

research. Journal of Operations Management, 24(1), 53–62.
10 Zakkiyah Azka H. N. (14416014) 50

LAMPIRAN
Lampiran 1. Codebook
Columns Variable Question Question

Coding Instruction
Identifier Name Name Number
1 ID Nama
15-30
2 U Umur 1 30-45
45-60
Medan Surabaya
Palembang Samarinda
Jakarta Pontianak
3 D Domisili 2
Bandung Manado
Makasar Jayapura
Manokwari Other
Pelajar/Mahasiswa
PNS/Pegawai BUMN
4 W Pekerjaan 3 Pegawai Swasta
Wiraswasta
Ibu Rumah Tangga
Sangat Tidak Setuju="1"
Temperatur Tidak Setuju="2"

5 P1 4 Netral="3"
makanan
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
6 P2 Panas 5 Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
7 P3 Durasi Panas 6 Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
8 P4 Praktis 7 Netral="3"
Setuju="4"
Sangat Setuju="5"
9 F1 Mudah Dibawa 8
Tidak Setuju="2"
10 Zakkiyah Azka H. N. (14416014) 51


Coding Instruction
Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
Mudah
10 F2 9 Netral="3"
Dibersihkan
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
11 F3 Tidak Berbau 10 Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
12 C1 Keamanan 11 Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
13 C2 Biodegredebale 12 Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
14 C3 Food Grade 13 Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
15 C4 Halal 14 Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
Konsistensi
16 R1 15 Netral="3"
Panas
Setuju="4"
Sangat Setuju="5"
Waktu menjadi
17 R2 16 Tidak Setuju="2"
panas
Netral="3"
10 Zakkiyah Azka H. N. (14416014) 52


Coding Instruction
Setuju="4"
Sangat Setuju="5"
Dapat Tidak Setuju="2"
18 R3 digunakan 17 Netral="3"
disemua jenis Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
Dapat Dipakai
19 R4 18 Netral="3"
Berulang
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
Frekuensi
20 D1 19 Netral="3"
Penggunaan
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
Kekuatan
21 D2 20 Netral="3"
Material
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
Kekuatan
22 D3 21 Netral="3"
Memanaskan
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
23 S1 Tempat Servis 22 Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
Mudah
24 S2 23 Netral="3"
Didapatkan
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
25 S3 Jaminan 24
Netral="3"
Setuju="4"
10 Zakkiyah Azka H. N. (14416014) 53


Coding Instruction
Sangat Setuju="5"
Tidak Setuju="2"
26 PQ1 Ekonomis 25 Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
27 PQ2 Hemat Energi 26 Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
Ramah
28 PQ3 27 Netral="3"
Lingkungan
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
29 A1 Bentuk 28 Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
30 A2 Warna 29 Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
31 A3 Ukuran 30 Netral="3"
Setuju="4"
Sangat Setuju="5"
Tidak Setuju="2"
32 A4 Berat 31 Netral="3"
Setuju="4"
Sangat Setuju="5"
10 Zakkiyah Azka H. N. (14416014) 54

Lampiran 2. Penggambaran Tiap Outlier
10 Zakkiyah Azka H. N. (14416014) 55

10 Zakkiyah Azka H. N. (14416014) 56

Laporan Praktikum Manajemen Rekayasa 2 Modul 4 – Pengolahan dan Analisis Data Awal
Lampiran 3. Data Bersih Outlier
ID P1 P2 P3 P4 F1 F2 F3 C1 C2 C3 C4 R1 R2 R3 R4 D1 D2 D3 S1 S2 S3 PQ1 PQ2 PQ3 A1 A2 A3 A4

2 4 4 4 5 5 3 5 5 4 5 3 4 2 3 5 4 5 4 5 4 3 4 4 5 3 2 2 4
3 5 5 3 5 5 5 5 5 5 5 3 3 2 5 5 2 5 5 5 5 3 3 5 5 5 3 3 3
4 4 4 4 5 5 5 5 5 5 5 5 4 4 4 5 4 4 3 5 4 5 4 5 5 4 3 3 4
5 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4 4
6 4 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 3
7 4 4 4 5 5 5 5 5 5 5 4 5 4 5 5 5 5 4 4 5 4 5 5 5 4 3 3 4
8 4 4 4 4 3 5 5 5 5 5 4 5 5 5 5 5 5 3 5 4 4 4 4 4 4 3 3 4
9 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4 4 3 4 4 4 4 4 3 4
10 5 4 3 4 5 5 5 5 5 5 5 4 3 4 4 4 4 4 5 4 2 4 4 4 4 3 3 4
11 4 4 3 4 4 5 5 3 5 3 3 4 4 4 4 4 5 5 5 5 5 4 4 4 4 3 4 4
12 4 4 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5 3 4 5
13 4 5 4 4 5 5 4 5 5 5 3 5 4 5 4 5 4 4 5 4 5 5 4 4 4 4 5 5
14 3 4 4 5 5 5 5 5 4 5 4 5 4 5 5 5 5 5 4 5 4 5 5 5 4 3 4 5
15 4 4 4 4 4 3 5 4 4 3 4 5 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4
16 4 3 5 5 4 5 5 4 4 3 3 4 3 4 4 3 5 4 4 4 3 5 4 4 4 3 4 4
17 4 4 4 5 5 5 5 4 5 5 4 4 5 5 4 4 5 5 5 4 4 4 4 5 4 4 2 5
18 4 4 2 5 4 5 4 5 4 4 5 3 3 4 4 3 4 4 4 4 3 3 4 4 3 3 3 2
19 3 3 3 3 3 3 4 4 4 4 4 3 3 5 5 5 5 5 5 5 5 3 3 3 3 3 3 3
20 5 5 4 4 4 5 3 4 4 5 4 4 3 4 5 4 4 4 4 4 4 4 4 4 3 2 3 3
21 5 2 5 5 5 5 5 5 5 5 3 5 5 5 5 4 5 5 5 4 5 4 4 5 5 3 4 5
22 3 2 4 4 4 4 4 3 4 4 2 4 4 4 5 5 5 5 4 3 2 3 4 4 4 1 2 4
23 4 3 3 5 4 4 4 5 5 5 4 5 4 4 5 4 4 4 4 4 4 4 4 4 4 3 3 4
10 Zakkiyah Azka H. N. (14416014) 57


24 4 4 5 4 4 5 5 5 4 4 5 5 3 5 4 3 4 5 4 5 4 3 4 4 4 3 3 4
25 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 4 5 5
26 4 3 5 5 5 5 4 5 5 5 4 4 3 3 2 2 4 4 3 5 2 5 4 5 5 1 1 3
27 4 4 4 4 4 4 5 4 3 4 3 5 4 5 5 5 5 5 4 4 4 4 4 3 4 2 4 5
28 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 3 5 3 4 4 5 5 3 3 5
29 3 3 4 5 5 5 5 5 5 5 2 4 3 4 5 5 5 5 5 5 3 2 4 4 4 3 3 5
30 4 4 4 4 4 4 3 3 3 4 4 5 4 4 4 3 4 4 4 4 3 3 4 4 4 3 3 4
31 3 4 4 4 4 4 4 4 4 4 3 4 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
32 4 4 4 5 5 4 5 5 5 4 3 5 3 5 5 3 3 4 5 5 4 5 5 5 4 3 3 4
33 5 4 5 4 4 5 5 5 4 5 4 4 4 4 4 4 4 4 2 4 4 3 3 4 3 4 3 4
34 4 4 4 5 5 5 5 3 3 4 4 5 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4
35 4 4 4 5 5 4 5 5 5 5 4 5 4 5 4 4 4 5 4 4 5 5 3 3 4 3 3 4
36 3 3 4 4 4 4 4 4 5 5 5 4 4 4 4 5 4 4 4 4 4 5 5 5 4 3 3 3
37 4 5 5 5 4 5 5 5 5 5 2 4 4 5 5 5 5 4 3 3 3 3 4 3 5 3 3 4
38 4 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 3 4 4
39 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 1 4 4
40 4 4 5 4 5 4 5 4 5 4 3 5 4 4 5 5 4 3 4 4 3 4 5 5 3 2 2 4
41 4 4 3 5 5 4 4 3 4 4 4 3 3 3 5 4 4 4 3 3 2 3 2 4 4 2 2 3
42 3 4 4 5 3 4 5 5 5 5 3 4 5 5 5 5 5 5 5 5 3 4 4 4 4 3 4 5
43 4 4 5 4 3 5 5 5 5 5 1 4 3 3 5 5 5 5 4 4 4 4 5 5 3 3 3 3
44 3 4 4 5 5 4 5 5 5 5 4 5 2 5 4 5 5 4 5 4 4 5 5 5 4 2 4 4
45 4 5 4 5 5 5 4 5 4 5 4 4 4 5 5 4 4 5 4 4 5 5 4 4 4 3 4 4
46 2 3 4 5 5 4 5 5 5 5 3 4 4 5 5 5 5 5 5 4 3 3 4 3 4 2 4 4
47 4 5 5 5 5 5 5 5 5 5 4 5 4 5 5 5 5 5 4 3 4 3 5 4 5 5 5 5
48 3 4 5 5 5 5 5 5 4 4 4 5 4 5 5 3 4 5 5 5 3 4 4 3 5 3 4 4
10 Zakkiyah Azka H. N. (14416014) 58


49 4 4 3 4 5 5 5 4 4 4 4 5 5 5 4 3 4 4 4 5 3 3 4 5 4 3 4 5
50 4 4 4 5 4 4 5 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 3 3 4
51 5 5 5 5 5 5 5 3 3 4 3 5 4 5 4 5 5 5 4 4 4 4 5 4 4 3 4 5
52 4 4 3 5 5 5 5 5 4 4 3 5 5 5 5 5 5 5 5 5 5 5 4 5 5 3 4 5
53 5 5 5 4 5 5 5 4 5 4 4 5 3 5 5 4 5 5 3 5 4 5 4 5 5 3 4 5
54 4 4 4 4 4 5 5 3 3 5 3 4 4 4 4 4 3 4 4 4 4 4 5 4 4 4 4 4
55 4 4 5 5 5 5 5 5 5 5 5 4 4 3 4 4 5 5 5 5 4 4 5 5 4 3 3 5
56 3 3 4 5 5 5 5 3 3 4 3 4 5 5 5 3 5 5 5 5 4 4 5 4 4 3 5 5
57 4 4 4 5 4 5 5 5 5 5 5 5 5 5 4 4 5 3 5 5 3 3 3 3 3 3 4 4
58 4 4 3 5 5 5 5 5 5 5 3 5 3 5 5 5 5 5 5 3 5 5 5 5 5 3 3 5
59 4 4 3 5 5 5 5 4 4 5 4 4 4 3 5 4 4 4 3 4 4 3 3 4 5 3 3 4
60 4 3 4 5 5 5 4 5 5 4 3 4 4 4 5 3 5 4 3 4 4 4 5 5 4 3 4 3
61 2 2 4 5 5 5 5 5 4 5 3 5 4 5 5 5 5 5 5 5 5 4 5 5 5 3 4 5
62 2 4 4 4 5 4 5 5 4 5 3 5 4 5 5 5 5 5 5 5 4 4 4 4 3 3 3 4
63 3 3 5 5 5 5 5 5 5 5 3 5 5 5 5 5 5 5 5 5 4 5 5 5 5 3 5 5
64 3 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 3 5 5 5 5 5 5
65 4 4 5 5 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 4 4 4 5 5 5 4 2 4
66 4 4 5 5 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 4 4 4 5 5 5 4 2 4
67 4 4 4 4 4 3 3 5 4 5 4 5 4 4 4 3 4 4 4 4 4 4 4 5 4 3 3 4
68 4 4 5 5 5 5 5 5 5 5 5 5 4 5 4 4 5 5 5 5 4 4 5 5 5 3 4 5
69 4 4 3 4 5 4 5 5 5 5 5 5 3 5 5 4 5 5 4 4 4 4 4 5 5 3 3 4
70 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
72 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
74 5 4 4 3 3 4 5 5 5 5 2 4 3 2 5 4 4 4 3 3 3 3 3 3 4 2 2 3
75 4 4 3 5 5 5 5 4 4 4 4 4 5 4 4 4 5 5 4 4 4 4 4 4 4 4 4 4
10 Zakkiyah Azka H. N. (14416014) 59


76 3 3 4 5 5 5 5 5 5 5 1 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
77 4 4 3 5 5 5 5 5 4 5 2 4 4 3 4 4 4 3 4 4 4 3 5 4 4 3 3 4
78 4 4 3 5 5 4 5 5 4 5 4 4 5 3 3 3 3 4 4 4 3 4 4 4 4 3 5 4
79 4 3 4 5 5 5 5 4 4 4 3 4 4 4 4 4 4 4 3 5 3 4 4 4 4 4 3 4
80 4 4 5 4 4 4 5 4 4 4 5 5 5 5 5 3 4 5 4 4 5 4 4 4 4 5 5 4
81 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 2 4 4 5 4 2 4 5 5 4 4 2 4
82 5 5 5 5 5 4 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 4 4
83 4 4 3 5 4 4 5 5 5 5 3 4 2 4 5 2 4 4 4 4 4 4 4 4 4 3 3 4
84 4 3 4 4 4 4 4 5 5 3 4 3 3 4 4 3 4 4 4 4 3 4 5 5 4 3 4 4
85 3 4 5 5 5 5 5 3 4 3 4 5 5 3 2 2 4 4 4 4 4 5 5 4 4 5 2 3
86 4 4 3 4 5 5 5 5 4 5 5 4 3 4 4 3 5 4 4 4 4 4 5 4 5 2 3 5
87 4 4 4 4 4 5 5 5 5 3 3 4 3 3 5 5 5 5 5 5 3 4 4 5 4 5 5 5
88 3 4 4 4 4 5 4 5 5 4 5 4 5 3 4 4 4 4 3 4 3 3 3 5 3 2 3 4
89 4 5 3 4 4 5 5 5 5 5 4 5 4 4 5 4 4 4 5 3 3 4 5 4 4 3 4 4
90 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 5 3 3 3 3 3
91 3 3 5 5 5 4 5 5 5 4 4 5 4 5 5 4 5 5 5 5 5 4 5 5 3 3 4 5
92 3 3 3 4 3 3 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
93 3 3 4 5 5 4 4 3 3 5 5 4 4 4 4 3 4 4 4 4 4 4 3 4 4 4 3 5
94 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 4 5 5 5 5 3 3 4
97 4 3 5 4 4 5 4 4 3 3 5 4 3 2 4 3 3 4 3 4 3 3 4 4 4 3 3 3
98 4 4 5 4 3 5 4 4 4 5 3 4 4 4 4 5 4 5 3 4 4 3 4 4 3 5 4 3
99 4 5 5 4 3 4 3 5 5 4 1 5 4 3 5 3 5 5 4 4 4 4 5 4 5 1 3 3
100 2 2 3 3 3 3 5 5 5 5 5 5 3 3 3 3 5 4 5 5 4 4 5 5 3 3 3 3
101 4 5 4 5 5 5 5 5 5 5 4 5 4 4 4 4 5 5 4 5 3 4 5 4 4 3 4 4
102 3 3 4 4 4 4 4 4 4 4 5 4 3 4 4 3 4 4 4 4 4 4 4 4 4 3 3 4
10 Zakkiyah Azka H. N. (14416014) 60


103 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
104 4 4 3 4 4 4 5 5 5 5 5 5 3 5 5 3 5 4 4 4 4 4 5 5 4 3 3 4
105 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 3 4 5 5 5 3 4 5
106 4 4 4 4 4 5 4 5 5 5 5 4 4 3 4 4 4 4 4 5 3 3 4 5 4 3 3 4
107 3 4 4 5 5 5 4 5 5 5 3 5 5 5 5 3 5 4 5 5 4 3 4 5 5 5 5 5
108 5 4 5 5 5 5 5 5 5 5 5 5 4 5 5 4 5 5 5 5 4 5 5 5 5 3 4 5
109 4 4 3 4 4 4 5 4 4 5 3 4 3 3 3 2 4 4 3 3 3 4 4 4 3 3 3 3
110 4 3 4 5 5 4 5 5 4 5 5 4 5 5 5 4 4 5 4 5 5 4 4 4 4 3 4 4
111 3 3 3 5 5 5 5 4 4 3 3 3 3 4 5 4 5 5 5 5 5 4 4 4 5 2 5 5
112 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
113 4 4 3 5 5 5 5 5 4 5 4 5 4 4 3 3 4 5 5 5 3 4 3 4 4 4 5 4
114 4 4 4 4 4 4 4 5 5 5 5 4 4 3 4 4 4 4 4 4 4 4 5 5 4 3 4 4
115 4 4 4 4 4 4 4 5 5 5 3 5 4 5 5 3 4 4 5 5 2 5 5 5 5 1 3 4
117 5 3 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 2 5 5 5 3 5 5
118 4 4 4 4 4 4 4 4 4 4 3 4 3 3 4 4 4 4 4 4 3 3 3 4 4 3 3 3
119 4 4 4 5 4 5 5 5 5 5 5 5 4 3 4 4 5 5 4 4 5 4 5 5 5 3 3 5
120 5 5 5 5 5 5 5 4 5 5 4 5 4 5 5 5 5 5 5 5 5 5 5 5 5 3 4 5
121 3 3 3 4 4 4 4 5 5 5 5 4 4 4 4 4 3 4 4 4 4 4 4 4 5 3 3 3
122 3 4 4 4 5 5 5 5 5 5 3 4 4 3 3 3 4 3 3 4 3 5 3 4 4 2 3 5
123 5 4 5 5 5 5 5 5 5 4 4 4 4 5 4 5 5 4 4 5 5 5 4 4 3 4 5
124 4 4 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 4 4 2 2 4 4 5 5
125 4 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 1 2 5
126 5 5 5 5 5 5 5 5 5 3 5 5 5 5 5 5 5 5 4 5 5 5 5 5 2 4 4
127 1 2 5 5 5 5 5 5 5 5 3 5 4 4 5 4 5 5 5 5 3 5 5 5 4 3 5 5
128 4 4 4 4 5 5 5 5 5 4 5 4 5 5 5 5 5 4 4 5 5 4 5 5 4 4 4 5
10 Zakkiyah Azka H. N. (14416014) 61


129 4 4 4 5 5 5 5 5 5 3 5 5 5 5 5 5 5 5 5 5 3 5 4 4 5 1 5 5
130 4 5 5 4 4 4 5 5 5 5 3 5 3 4 5 5 5 5 4 5 4 5 4 4 4 3 4 4
131 4 4 4 4 4 4 4 4 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5
132 5 4 5 4 3 4 5 5 4 3 5 5 5 5 5 4 5 5 4 4 4 4 5 5 4 3 4 4
133 4 4 4 5 5 4 5 5 5 5 5 5 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4
134 5 4 5 5 4 5 5 4 5 4 5 4 4 5 5 5 5 5 5 3 4 5 4 3 1 2
135 4 3 4 4 4 5 5 4 5 5 4 4 4 5 5 5 5 4 4 4 3 4 4 5 5 3 4 4
136 3 3 5 4 4 4 5 5 5 4 5 5 4 5 4 5 4 4 5 4 4 4 5 5 5 3 4 4
138 4 4 4 5 5 5 5 5 5 4 3 4 4 4 5 5 5 5 5 5 4 2 5 5 4 2 4 4
139 4 3 3 4 5 5 5 5 5 5 5 3 3 4 3 4 4 4 4 5 4 5 5 5 4 2 4 4
140 4 4 4 4 3 5 4 4 4 4 4 4 3 4 4 2 4 4 4 4 4 4 4 4 3 4 4 5
141 4 3 5 4 5 5 5 5 4 4 3 5 2 5 5 3 4 4 5 4 3 3 4 3 4 2 3 5
142 4 4 4 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 2 4 4 4 2 4 4
143 5 5 4 5 5 4 4 5 4 4 5 5 4 5 2 2 4 5 5 5 5 4 4 4 5 5 5 5
144 3 4 4 5 5 5 5 4 5 3 3 5 4 5 5 3 5 5 5 5 4 5 5 4 5 2 5 4
145 4 4 5 5 4 5 5 5 4 5 5 5 5 3 4 2 5 5 3 4 2 4 4 4 5 3 4 4
146 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
147 3 3 5 5 5 5 5 5 5 5 5 5 4 5 4 3 5 5 5 5 3 3 4 5 5 3 5 5
148 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 2 5 5 5 5 5 5 5
149 4 4 4 5 5 5 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 3 4 4
150 3 3 3 4 4 4 5 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
151 4 3 5 5 5 5 5 4 4 4 3 5 5 5 3 3 4 5 5 5 4 4 4 4 4 4 3 4
152 5 4 5 4 4 4 5 4 4 5 4 4 5 5 5 3 5 4 3 4 3 3 3 3 3 3 4 4
153 4 5 4 5 5 5 5 5 5 5 3 5 5 5 5 5 5 5 4 5 5 5 5 5 5 2 4 5
154 5 3 4 4 5 3 5 5 4 5 4 4 3 3 5 4 5 4 5 4 3 4 5 5 5 3 4 5
10 Zakkiyah Azka H. N. (14416014) 62


155 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 4 5 5 5 5 5 3 5
156 4 4 4 5 5 5 5 4 4 5 3 5 4 5 4 4 4 4 3 4 2 4 3 3 3 2 2 4
157 4 3 4 4 4 4 5 5 3 3 4 4 4 4 4 4 3 4 4 4 2 4 4 4 3 4 4 4
158 4 4 4 5 5 5 5 5 5 5 5 5 4 4 5 4 5 5 5 5 5 5 5 5 4 3 4 4
159 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5 4 5 5
160 4 4 4 4 5 5 4 4 4 5 4 5 4 5 4 4 4 4 5 5 4 4 5 5 5 3 4 4
161 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 3 5 5 5 5 5 5 5
162 5 5 5 5 5 4 4 5 5 5 4 4 5 5 5 3 4 5 4 4 4 4 3 3 5 3 5 5
163 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4 4
164 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 4 3 5 5 5 2 3 5
165 2 2 2 4 4 5 5 5 5 5 4 4 4 4 5 4 4 3 3 2 3 3 4 4 5 4 4 4
166 4 4 5 5 5 5 5 5 5 5 5 5 4 5 4 4 5 4 5 5 3 5 5 5 4 4 4 4
167 3 2 4 4 5 5 5 5 5 5 5 4 4 5 4 3 5 5 5 5 3 5 5 5 5 4 4 5
168 4 4 3 4 4 4 4 4 5 4 4 5 5 5 4 4 5 4 4 4 3 3 4 5 4 3 5 5
169 4 4 4 4 4 4 4 4 4 5 4 4 4 4 5 4 4 4 4 4 3 4 4 4 4 4 4 4
170 4 4 4 4 4 4 4 5 5 5 4 4 4 4 4 4 4 4 4 4 5 4 4 5 4 3 4 4
171 4 5 5 5 5 5 5 5 4 4 5 5 3 5 5 4 5 5 5 4 4 4 4 5 4 3 4 4
172 3 3 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5 3 5 5
173 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4
174 4 4 5 5 5 5 5 5 4 5 3 4 4 5 5 3 5 5 4 3 3 4 4 4 4 3 3 4
175 4 3 4 4 4 5 5 5 4 4 5 5 3 5 5 2 5 5 4 4 4 3 4 4 3 3 3 4
176 3 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5
177 4 4 3 5 5 5 5 5 5 5 5 5 4 4 4 3 5 5 5 5 5 4 4 4 4 2 4 3
178 4 5 5 5 3 5 5 5 5 5 4 5 5 5 5 5 5 5 4 4 3 5 4 4 5 2 5 5
179 3 3 4 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
10 Zakkiyah Azka H. N. (14416014) 63


180 3 4 4 4 4 4 5 3 4 4 5 5 3 5 5 2 5 4 4 4 4 4 5 4 3 2 3 4
181 5 4 5 5 4 5 5 5 5 5 3 5 4 4 4 4 5 5 4 4 4 4 4 5 4 3 3 4
182 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 4 4 5 5 5 4 3 4
183 3 4 4 5 5 5 5 5 5 5 3 4 3 5 4 4 4 4 4 3 4 3 5 5 5 3 4 5
184 4 4 4 4 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 2 4 4 4 4 4 3 4
185 4 4 4 4 3 2 5 4 5 5 5 5 3 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
186 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 4 4 5 5 5 3 5 5
187 3 3 4 5 5 5 5 4 3 4 3 5 5 3 4 4 5 4 4 3 4 4 3 3 3 3 3 4
188 4 3 5 4 3 5 5 5 5 4 3 5 5 5 5 4 5 4 5 5 4 4 4 5 3 3 3 4
189 4 5 4 5 5 4 5 5 4 5 4 4 3 5 4 3 4 3 5 5 4 4 3 4 3 3 4 4
190 5 5 4 5 5 5 4 5 5 5 5 4 4 4 4 3 4 3 4 4 4 5 4 4 5 5 5 5
191 4 4 3 5 5 5 5 4 4 4 5 5 3 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
192 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 3 4 4 4 4 3 4 3
193 4 4 4 5 4 5 5 4 4 5 5 5 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4 4
194 3 3 5 5 4 4 3 3 3 4 5 5 4 4 4 5 3 4 4 4 4 4 4 4 4 4 4 4
195 2 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 2 4 3
196 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4 3 3 4
197 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 4 4 4 4
198 4 4 5 5 5 5 5 4 5 5 4 5 3 5 4 4 5 4 4 4 4 3 4 5 3 3 4 4
199 2 2 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 3 4 4 4 3 3 4
200 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
201 4 4 5 5 5 4 4 4 5 4 3 5 4 4 5 4 4 3 4 5 3 4 4 4 5 5 5 4
202 4 4 4 4 4 4 4 4 4 5 5 4 3 3 3 3 4 4 4 4 5 4 4 3 4 2 5 5
203 5 5 5 5 5 5 5 5 5 5 3 5 4 5 5 3 5 5 5 5 5 5 3 3 5 3 5 5
204 3 3 3 3 4 4 4 3 5 3 4 4 4 4 4 3 4 4 4 4 3 3 3 3 3 3 3 4
10 Zakkiyah Azka H. N. (14416014) 64


205 4 4 2 4 4 4 5 5 4 5 5 4 4 4 4 4 5 4 4 4 4 5 4 4 4 3 4 4
206 3 3 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 3 3 5
207 4 4 4 4 4 5 4 4 4 4 5 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4
208 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 3 4 4
209 4 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5 3 4 4
210 4 4 4 5 5 5 5 5 5 5 5 4 4 4 5 4 5 4 5 5 3 5 4 5 4 2 3 4
211 5 4 4 5 5 5 5 5 4 5 5 5 3 4 5 5 5 5 5 5 4 5 5 5 5 3 3 4
212 4 3 5 5 5 5 5 4 4 4 4 4 4 4 4 4 5 5 5 4 3 4 4 4 5 4 2 5
213 4 4 4 4 3 5 5 5 5 5 5 4 4 3 4 3 4 5 4 4 4 5 5 5 4 3 4 4
214 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 3 5
215 3 3 4 4 3 4 4 5 5 4 4 4 4 4 4 3 5 4 4 4 5 5 5 5 3 3 3 3
216 4 3 4 5 5 5 5 4 4 5 3 4 5 5 5 5 5 5 4 4 5 4 4 5 5 3 4 5
10 Zakkiyah Azka H. N. (14416014) 65

Lampiran 4. Hasil Pengolahan Derajat Missing Data

Deg Pers
PQ PQ PQ ree ent
ID P1 P2 P3 P4 F1 F2 F3 C1 C2 C3 C4 R1 R2 R3 R4 D1 D2 D3 S1 S2 S3 1 2 3 A1 A2 A3 A4 MV ase
0.00
2 4 4 4 5 5 3 5 5 4 5 3 4 2 3 5 4 5 4 5 4 3 4 4 5 3 2 2 4 0 %
0.00
3 5 5 3 5 5 5 5 5 5 5 3 3 2 5 5 2 5 5 5 5 3 3 5 5 5 3 3 3 0 %
0.00
4 4 4 4 5 5 5 5 5 5 5 5 4 4 4 5 4 4 3 5 4 5 4 5 5 4 3 3 4 0 %
0.00
5 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4 4 0 %
0.00
6 4 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 3 0 %
0.00
7 4 4 4 5 5 5 5 5 5 5 4 5 4 5 5 5 5 4 4 5 4 5 5 5 4 3 3 4 0 %
0.00
8 4 4 4 4 3 5 5 5 5 5 4 5 5 5 5 5 5 3 5 4 4 4 4 4 4 3 3 4 0 %
0.00
9 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4 4 3 4 4 4 4 4 3 4 0 %
0.00
10 5 4 3 4 5 5 5 5 5 5 5 4 3 4 4 4 4 4 5 4 2 4 4 4 4 3 3 4 0 %
0.00
11 4 4 3 4 4 5 5 3 5 3 3 4 4 4 4 4 5 5 5 5 5 4 4 4 4 3 4 4 0 %
0.00
12 4 4 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5 3 4 5 0 %
0.00
13 4 5 4 4 5 5 4 5 5 5 3 5 4 5 4 5 4 4 5 4 5 5 4 4 4 4 5 5 0 %
0.00
14 3 4 4 5 5 5 5 5 4 5 4 5 4 5 5 5 5 5 4 5 4 5 5 5 4 3 4 5 0 %
0.00
15 4 4 4 4 4 3 5 4 4 3 4 5 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 0 %
0.00
16 4 3 5 5 4 5 5 4 4 3 3 4 3 4 4 3 5 4 4 4 3 5 4 4 4 3 4 4 0 %
0.00
17 4 4 4 5 5 5 5 4 5 5 4 4 5 5 4 4 5 5 5 4 4 4 4 5 4 4 2 5 0 %
0.00
18 4 4 2 5 4 5 4 5 4 4 5 3 3 4 4 3 4 4 4 4 3 3 4 4 3 3 3 2 0 %
0.00
19 3 3 3 3 3 3 4 4 4 4 4 3 3 5 5 5 5 5 5 5 5 3 3 3 3 3 3 3 0 %
0.00
20 5 5 4 4 4 5 3 4 4 5 4 4 3 4 5 4 4 4 4 4 4 4 4 4 3 2 3 3 0 %
0.00
21 5 2 5 5 5 5 5 5 5 5 3 5 5 5 5 4 5 5 5 4 5 4 4 5 5 3 4 5 0 %
10 Zakkiyah Azka H. N. (14416014) 66

Deg Pers
PQ PQ PQ ree ent
0.00
22 3 2 4 4 4 4 4 3 4 4 2 4 4 4 5 5 5 5 4 3 2 3 4 4 4 1 2 4 0 %
0.00
23 4 3 3 5 4 4 4 5 5 5 4 5 4 4 5 4 4 4 4 4 4 4 4 4 4 3 3 4 0 %
0.00
24 4 4 5 4 4 5 5 5 4 4 5 5 3 5 4 3 4 5 4 5 4 3 4 4 4 3 3 4 0 %
0.00
25 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 4 5 5 0 %
0.00
26 4 3 5 5 5 5 4 5 5 5 4 4 3 3 2 2 4 4 3 5 2 5 4 5 5 1 1 3 0 %
0.00
27 4 4 4 4 4 4 5 4 3 4 3 5 4 5 5 5 5 5 4 4 4 4 4 3 4 2 4 5 0 %
0.00
28 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 3 5 3 4 4 5 5 3 3 5 0 %
0.00
29 3 3 4 5 5 5 5 5 5 5 2 4 3 4 5 5 5 5 5 5 3 2 4 4 4 3 3 5 0 %
0.00
30 4 4 4 4 4 4 3 3 3 4 4 5 4 4 4 3 4 4 4 4 3 3 4 4 4 3 3 4 0 %
0.00
31 3 4 4 4 4 4 4 4 4 4 3 4 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 0 %
0.00
32 4 4 4 5 5 4 5 5 5 4 3 5 3 5 5 3 3 4 5 5 4 5 5 5 4 3 3 4 0 %
0.00
33 5 4 5 4 4 5 5 5 4 5 4 4 4 4 4 4 4 4 2 4 4 3 3 4 3 4 3 4 0 %
0.00
34 4 4 4 5 5 5 5 3 3 4 4 5 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 0 %
0.00
35 4 4 4 5 5 4 5 5 5 5 4 5 4 5 4 4 4 5 4 4 5 5 3 3 4 3 3 4 0 %
0.00
36 3 3 4 4 4 4 4 4 5 5 5 4 4 4 4 5 4 4 4 4 4 5 5 5 4 3 3 3 0 %
0.00
37 4 5 5 5 4 5 5 5 5 5 2 4 4 5 5 5 5 4 3 3 3 3 4 3 5 3 3 4 0 %
0.00
38 4 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 3 4 4 0 %
0.00
39 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 1 4 4 0 %
0.00
40 4 4 5 4 5 4 5 4 5 4 3 5 4 4 5 5 4 3 4 4 3 4 5 5 3 2 2 4 0 %
0.00
41 4 4 3 5 5 4 4 3 4 4 4 3 3 3 5 4 4 4 3 3 2 3 2 4 4 2 2 3 0 %
0.00
42 3 4 4 5 3 4 5 5 5 5 3 4 5 5 5 5 5 5 5 5 3 4 4 4 4 3 4 5 0 %
10 Zakkiyah Azka H. N. (14416014) 67

Deg Pers
PQ PQ PQ ree ent
0.00
43 4 4 5 4 3 5 5 5 5 5 1 4 3 3 5 5 5 5 4 4 4 4 5 5 3 3 3 3 0 %
0.00
44 3 4 4 5 5 4 5 5 5 5 4 5 2 5 4 5 5 4 5 4 4 5 5 5 4 2 4 4 0 %
0.00
45 4 5 4 5 5 5 4 5 4 5 4 4 4 5 5 4 4 5 4 4 5 5 4 4 4 3 4 4 0 %
0.00
46 2 3 4 5 5 4 5 5 5 5 3 4 4 5 5 5 5 5 5 4 3 3 4 3 4 2 4 4 0 %
0.00
47 4 5 5 5 5 5 5 5 5 5 4 5 4 5 5 5 5 5 4 3 4 3 5 4 5 5 5 5 0 %
0.00
48 3 4 5 5 5 5 5 5 4 4 4 5 4 5 5 3 4 5 5 5 3 4 4 3 5 3 4 4 0 %
0.00
49 4 4 3 4 5 5 5 4 4 4 4 5 5 5 4 3 4 4 4 5 3 3 4 5 4 3 4 5 0 %
0.00
50 4 4 4 5 4 4 5 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 3 3 4 0 %
0.00
51 5 5 5 5 5 5 5 3 3 4 3 5 4 5 4 5 5 5 4 4 4 4 5 4 4 3 4 5 0 %
0.00
52 4 4 3 5 5 5 5 5 4 4 3 5 5 5 5 5 5 5 5 5 5 5 4 5 5 3 4 5 0 %
0.00
53 5 5 5 4 5 5 5 4 5 4 4 5 3 5 5 4 5 5 3 5 4 5 4 5 5 3 4 5 0 %
0.00
54 4 4 4 4 4 5 5 3 3 5 3 4 4 4 4 4 3 4 4 4 4 4 5 4 4 4 4 4 0 %
0.00
55 4 4 5 5 5 5 5 5 5 5 5 4 4 3 4 4 5 5 5 5 4 4 5 5 4 3 3 5 0 %
0.00
56 3 3 4 5 5 5 5 3 3 4 3 4 5 5 5 3 5 5 5 5 4 4 5 4 4 3 5 5 0 %
0.00
57 4 4 4 5 4 5 5 5 5 5 5 5 5 5 4 4 5 3 5 5 3 3 3 3 3 3 4 4 0 %
0.00
58 4 4 3 5 5 5 5 5 5 5 3 5 3 5 5 5 5 5 5 3 5 5 5 5 5 3 3 5 0 %
0.00
59 4 4 3 5 5 5 5 4 4 5 4 4 4 3 5 4 4 4 3 4 4 3 3 4 5 3 3 4 0 %
0.00
60 4 3 4 5 5 5 4 5 5 4 3 4 4 4 5 3 5 4 3 4 4 4 5 5 4 3 4 3 0 %
0.00
61 2 2 4 5 5 5 5 5 4 5 3 5 4 5 5 5 5 5 5 5 5 4 5 5 5 3 4 5 0 %
0.00
62 2 4 4 4 5 4 5 5 4 5 3 5 4 5 5 5 5 5 5 5 4 4 4 4 3 3 3 4 0 %
0.00
63 3 3 5 5 5 5 5 5 5 5 3 5 5 5 5 5 5 5 5 5 4 5 5 5 5 3 5 5 0 %
10 Zakkiyah Azka H. N. (14416014) 68

Deg Pers
PQ PQ PQ ree ent
0.00
64 3 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 3 5 5 5 5 5 5 0 %
0.00
65 4 4 5 5 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 4 4 4 5 5 5 4 2 4 0 %
0.00
66 4 4 5 5 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 4 4 4 5 5 5 4 2 4 0 %
0.00
67 4 4 4 4 4 3 3 5 4 5 4 5 4 4 4 3 4 4 4 4 4 4 4 5 4 3 3 4 0 %
0.00
68 4 4 5 5 5 5 5 5 5 5 5 5 4 5 4 4 5 5 5 5 4 4 5 5 5 3 4 5 0 %
0.00
69 4 4 3 4 5 4 5 5 5 5 5 5 3 5 5 4 5 5 4 4 4 4 4 5 5 3 3 4 0 %
0.00
70 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 0 %
0.00
72 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 0 %
0.00
74 5 4 4 3 3 4 5 5 5 5 2 4 3 2 5 4 4 4 3 3 3 3 3 3 4 2 2 3 0 %
0.00
75 4 4 3 5 5 5 5 4 4 4 4 4 5 4 4 4 5 5 4 4 4 4 4 4 4 4 4 4 0 %
0.00
76 3 3 4 5 5 5 5 5 5 5 1 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 0 %
0.00
77 4 4 3 5 5 5 5 5 4 5 2 4 4 3 4 4 4 3 4 4 4 3 5 4 4 3 3 4 0 %
0.00
78 4 4 3 5 5 4 5 5 4 5 4 4 5 3 3 3 3 4 4 4 3 4 4 4 4 3 5 4 0 %
0.00
79 4 3 4 5 5 5 5 4 4 4 3 4 4 4 4 4 4 4 3 5 3 4 4 4 4 4 3 4 0 %
0.00
80 4 4 5 4 4 4 5 4 4 4 5 5 5 5 5 3 4 5 4 4 5 4 4 4 4 5 5 4 0 %
0.00
81 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 2 4 4 5 4 2 4 5 5 4 4 2 4 0 %
0.00
82 5 5 5 5 5 4 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 4 4 0 %
0.00
83 4 4 3 5 4 4 5 5 5 5 3 4 2 4 5 2 4 4 4 4 4 4 4 4 4 3 3 4 0 %
0.00
84 4 3 4 4 4 4 4 5 5 3 4 3 3 4 4 3 4 4 4 4 3 4 5 5 4 3 4 4 0 %
0.00
85 3 4 5 5 5 5 5 3 4 3 4 5 5 3 2 2 4 4 4 4 4 5 5 4 4 5 2 3 0 %
0.00
86 4 4 3 4 5 5 5 5 4 5 5 4 3 4 4 3 5 4 4 4 4 4 5 4 5 2 3 5 0 %
10 Zakkiyah Azka H. N. (14416014) 69

Deg Pers
PQ PQ PQ ree ent
0.00
87 4 4 4 4 4 5 5 5 5 3 3 4 3 3 5 5 5 5 5 5 3 4 4 5 4 5 5 5 0 %
0.00
88 3 4 4 4 4 5 4 5 5 4 5 4 5 3 4 4 4 4 3 4 3 3 3 5 3 2 3 4 0 %
0.00
89 4 5 3 4 4 5 5 5 5 5 4 5 4 4 5 4 4 4 5 3 3 4 5 4 4 3 4 4 0 %
0.00
90 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 5 3 3 3 3 3 0 %
0.00
91 3 3 5 5 5 4 5 5 5 4 4 5 4 5 5 4 5 5 5 5 5 4 5 5 3 3 4 5 0 %
0.00
92 3 3 3 4 3 3 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 0 %
0.00
93 3 3 4 5 5 4 4 3 3 5 5 4 4 4 4 3 4 4 4 4 4 4 3 4 4 4 3 5 0 %
0.00
94 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 4 5 5 5 5 3 3 4 0 %
0.00
97 4 3 5 4 4 5 4 4 3 3 5 4 3 2 4 3 3 4 3 4 3 3 4 4 4 3 3 3 0 %
0.00
98 4 4 5 4 3 5 4 4 4 5 3 4 4 4 4 5 4 5 3 4 4 3 4 4 3 5 4 3 0 %
0.00
99 4 5 5 4 3 4 3 5 5 4 1 5 4 3 5 3 5 5 4 4 4 4 5 4 5 1 3 3 0 %
0.00
100 2 2 3 3 3 3 5 5 5 5 5 5 3 3 3 3 5 4 5 5 4 4 5 5 3 3 3 3 0 %
0.00
101 4 5 4 5 5 5 5 5 5 5 4 5 4 4 4 4 5 5 4 5 3 4 5 4 4 3 4 4 0 %
0.00
102 3 3 4 4 4 4 4 4 4 4 5 4 3 4 4 3 4 4 4 4 4 4 4 4 4 3 3 4 0 %
0.00
103 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 0 %
0.00
104 4 4 3 4 4 4 5 5 5 5 5 5 3 5 5 3 5 4 4 4 4 4 5 5 4 3 3 4 0 %
0.00
105 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 3 4 5 5 5 3 4 5 0 %
0.00
106 4 4 4 4 4 5 4 5 5 5 5 4 4 3 4 4 4 4 4 5 3 3 4 5 4 3 3 4 0 %
0.00
107 3 4 4 5 5 5 4 5 5 5 3 5 5 5 5 3 5 4 5 5 4 3 4 5 5 5 5 5 0 %
0.00
108 5 4 5 5 5 5 5 5 5 5 5 5 4 5 5 4 5 5 5 5 4 5 5 5 5 3 4 5 0 %
0.00
109 4 4 3 4 4 4 5 4 4 5 3 4 3 3 3 2 4 4 3 3 3 4 4 4 3 3 3 3 0 %
10 Zakkiyah Azka H. N. (14416014) 70

Deg Pers
PQ PQ PQ ree ent
0.00
110 4 3 4 5 5 4 5 5 4 5 5 4 5 5 5 4 4 5 4 5 5 4 4 4 4 3 4 4 0 %
0.00
111 3 3 3 5 5 5 5 4 4 3 3 3 3 4 5 4 5 5 5 5 5 4 4 4 5 2 5 5 0 %
0.00
112 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 0 %
0.00
113 4 4 3 5 5 5 5 5 4 5 4 5 4 4 3 3 4 5 5 5 3 4 3 4 4 4 5 4 0 %
0.00
114 4 4 4 4 4 4 4 5 5 5 5 4 4 3 4 4 4 4 4 4 4 4 5 5 4 3 4 4 0 %
0.00
115 4 4 4 4 4 4 4 5 5 5 3 5 4 5 5 3 4 4 5 5 2 5 5 5 5 1 3 4 0 %
0.00
117 5 3 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 2 5 5 5 3 5 5 0 %
0.00
118 4 4 4 4 4 4 4 4 4 4 3 4 3 3 4 4 4 4 4 4 3 3 3 4 4 3 3 3 0 %
0.00
119 4 4 4 5 4 5 5 5 5 5 5 5 4 3 4 4 5 5 4 4 5 4 5 5 5 3 3 5 0 %
0.00
120 5 5 5 5 5 5 5 4 5 5 4 5 4 5 5 5 5 5 5 5 5 5 5 5 5 3 4 5 0 %
0.00
121 3 3 3 4 4 4 4 5 5 5 5 4 4 4 4 4 3 4 4 4 4 4 4 4 5 3 3 3 0 %
0.00
122 3 4 4 4 5 5 5 5 5 5 3 4 4 3 3 3 4 3 3 4 3 5 3 4 4 2 3 5 0 %
3.57
123 5 4 5 5 5 5 5 5 5 4 4 4 4 5 4 5 5 4 4 5 5 5 4 4 3 4 5 1 %
3.57
124 4 4 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 4 4 2 2 4 4 5 5 1 %
0.00
125 4 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 1 2 5 0 %
3.57
126 5 5 5 5 5 5 5 5 5 3 5 5 5 5 5 5 5 5 4 5 5 5 5 5 2 4 4 1 %
0.00
127 1 2 5 5 5 5 5 5 5 5 3 5 4 4 5 4 5 5 5 5 3 5 5 5 4 3 5 5 0 %
0.00
128 4 4 4 4 5 5 5 5 5 4 5 4 5 5 5 5 5 4 4 5 5 4 5 5 4 4 4 5 0 %
0.00
129 4 4 4 5 5 5 5 5 5 3 5 5 5 5 5 5 5 5 5 5 3 5 4 4 5 1 5 5 0 %
0.00
130 4 5 5 4 4 4 5 5 5 5 3 5 3 4 5 5 5 5 4 5 4 5 4 4 4 3 4 4 0 %
0.00
131 4 4 4 4 4 4 4 4 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 0 %
10 Zakkiyah Azka H. N. (14416014) 71

Deg Pers
PQ PQ PQ ree ent
0.00
132 5 4 5 4 3 4 5 5 4 3 5 5 5 5 5 4 5 5 4 4 4 4 5 5 4 3 4 4 0 %
0.00
133 4 4 4 5 5 4 5 5 5 5 5 5 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 0 %
7.14
134 5 4 5 5 4 5 5 4 5 4 5 4 4 5 5 5 5 5 5 3 4 5 4 3 1 2 2 %
0.00
135 4 3 4 4 4 5 5 4 5 5 4 4 4 5 5 5 5 4 4 4 3 4 4 5 5 3 4 4 0 %
0.00
136 3 3 5 4 4 4 5 5 5 4 5 5 4 5 4 5 4 4 5 4 4 4 5 5 5 3 4 4 0 %
0.00
138 4 4 4 5 5 5 5 5 5 4 3 4 4 4 5 5 5 5 5 5 4 2 5 5 4 2 4 4 0 %
0.00
139 4 3 3 4 5 5 5 5 5 5 5 3 3 4 3 4 4 4 4 5 4 5 5 5 4 2 4 4 0 %
0.00
140 4 4 4 4 3 5 4 4 4 4 4 4 3 4 4 2 4 4 4 4 4 4 4 4 3 4 4 5 0 %
0.00
141 4 3 5 4 5 5 5 5 4 4 3 5 2 5 5 3 4 4 5 4 3 3 4 3 4 2 3 5 0 %
0.00
142 4 4 4 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 2 4 4 4 2 4 4 0 %
0.00
143 5 5 4 5 5 4 4 5 4 4 5 5 4 5 2 2 4 5 5 5 5 4 4 4 5 5 5 5 0 %
0.00
144 3 4 4 5 5 5 5 4 5 3 3 5 4 5 5 3 5 5 5 5 4 5 5 4 5 2 5 4 0 %
0.00
145 4 4 5 5 4 5 5 5 4 5 5 5 5 3 4 2 5 5 3 4 2 4 4 4 5 3 4 4 0 %
0.00
146 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 0 %
0.00
147 3 3 5 5 5 5 5 5 5 5 5 5 4 5 4 3 5 5 5 5 3 3 4 5 5 3 5 5 0 %
0.00
148 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 2 5 5 5 5 5 5 5 0 %
0.00
149 4 4 4 5 5 5 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 3 4 4 0 %
0.00
150 3 3 3 4 4 4 5 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 0 %
0.00
151 4 3 5 5 5 5 5 4 4 4 3 5 5 5 3 3 4 5 5 5 4 4 4 4 4 4 3 4 0 %
0.00
152 5 4 5 4 4 4 5 4 4 5 4 4 5 5 5 3 5 4 3 4 3 3 3 3 3 3 4 4 0 %
0.00
153 4 5 4 5 5 5 5 5 5 5 3 5 5 5 5 5 5 5 4 5 5 5 5 5 5 2 4 5 0 %
10 Zakkiyah Azka H. N. (14416014) 72

Deg Pers
PQ PQ PQ ree ent
0.00
154 5 3 4 4 5 3 5 5 4 5 4 4 3 3 5 4 5 4 5 4 3 4 5 5 5 3 4 5 0 %
0.00
155 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 4 5 5 5 5 5 3 5 0 %
0.00
156 4 4 4 5 5 5 5 4 4 5 3 5 4 5 4 4 4 4 3 4 2 4 3 3 3 2 2 4 0 %
0.00
157 4 3 4 4 4 4 5 5 3 3 4 4 4 4 4 4 3 4 4 4 2 4 4 4 3 4 4 4 0 %
0.00
158 4 4 4 5 5 5 5 5 5 5 5 5 4 4 5 4 5 5 5 5 5 5 5 5 4 3 4 4 0 %
0.00
159 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5 4 5 5 0 %
0.00
160 4 4 4 4 5 5 4 4 4 5 4 5 4 5 4 4 4 4 5 5 4 4 5 5 5 3 4 4 0 %
0.00
161 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 3 5 5 5 5 5 5 5 0 %
0.00
162 5 5 5 5 5 4 4 5 5 5 4 4 5 5 5 3 4 5 4 4 4 4 3 3 5 3 5 5 0 %
0.00
163 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4 4 0 %
0.00
164 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 4 3 5 5 5 2 3 5 0 %
0.00
165 2 2 2 4 4 5 5 5 5 5 4 4 4 4 5 4 4 3 3 2 3 3 4 4 5 4 4 4 0 %
0.00
166 4 4 5 5 5 5 5 5 5 5 5 5 4 5 4 4 5 4 5 5 3 5 5 5 4 4 4 4 0 %
0.00
167 3 2 4 4 5 5 5 5 5 5 5 4 4 5 4 3 5 5 5 5 3 5 5 5 5 4 4 5 0 %
0.00
168 4 4 3 4 4 4 4 4 5 4 4 5 5 5 4 4 5 4 4 4 3 3 4 5 4 3 5 5 0 %
0.00
169 4 4 4 4 4 4 4 4 4 5 4 4 4 4 5 4 4 4 4 4 3 4 4 4 4 4 4 4 0 %
0.00
170 4 4 4 4 4 4 4 5 5 5 4 4 4 4 4 4 4 4 4 4 5 4 4 5 4 3 4 4 0 %
0.00
171 4 5 5 5 5 5 5 5 4 4 5 5 3 5 5 4 5 5 5 4 4 4 4 5 4 3 4 4 0 %
0.00
172 3 3 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5 3 5 5 0 %
0.00
173 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 0 %
0.00
174 4 4 5 5 5 5 5 5 4 5 3 4 4 5 5 3 5 5 4 3 3 4 4 4 4 3 3 4 0 %
10 Zakkiyah Azka H. N. (14416014) 73

Deg Pers
PQ PQ PQ ree ent
0.00
175 4 3 4 4 4 5 5 5 4 4 5 5 3 5 5 2 5 5 4 4 4 3 4 4 3 3 3 4 0 %
0.00
176 3 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 0 %
0.00
177 4 4 3 5 5 5 5 5 5 5 5 5 4 4 4 3 5 5 5 5 5 4 4 4 4 2 4 3 0 %
0.00
178 4 5 5 5 3 5 5 5 5 5 4 5 5 5 5 5 5 5 4 4 3 5 4 4 5 2 5 5 0 %
0.00
179 3 3 4 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 0 %
0.00
180 3 4 4 4 4 4 5 3 4 4 5 5 3 5 5 2 5 4 4 4 4 4 5 4 3 2 3 4 0 %
0.00
181 5 4 5 5 4 5 5 5 5 5 3 5 4 4 4 4 5 5 4 4 4 4 4 5 4 3 3 4 0 %
0.00
182 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 4 4 5 5 5 4 3 4 0 %
0.00
183 3 4 4 5 5 5 5 5 5 5 3 4 3 5 4 4 4 4 4 3 4 3 5 5 5 3 4 5 0 %
0.00
184 4 4 4 4 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 2 4 4 4 4 4 3 4 0 %
0.00
185 4 4 4 4 3 2 5 4 5 5 5 5 3 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 0 %
0.00
186 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 4 4 5 5 5 3 5 5 0 %
0.00
187 3 3 4 5 5 5 5 4 3 4 3 5 5 3 4 4 5 4 4 3 4 4 3 3 3 3 3 4 0 %
0.00
188 4 3 5 4 3 5 5 5 5 4 3 5 5 5 5 4 5 4 5 5 4 4 4 5 3 3 3 4 0 %
0.00
189 4 5 4 5 5 4 5 5 4 5 4 4 3 5 4 3 4 3 5 5 4 4 3 4 3 3 4 4 0 %
0.00
190 5 5 4 5 5 5 4 5 5 5 5 4 4 4 4 3 4 3 4 4 4 5 4 4 5 5 5 5 0 %
0.00
191 4 4 3 5 5 5 5 4 4 4 5 5 3 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 0 %
0.00
192 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 3 4 4 4 4 3 4 3 0 %
0.00
193 4 4 4 5 4 5 5 4 4 5 5 5 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4 4 0 %
0.00
194 3 3 5 5 4 4 3 3 3 4 5 5 4 4 4 5 3 4 4 4 4 4 4 4 4 4 4 4 0 %
0.00
195 2 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 2 4 3 0 %
10 Zakkiyah Azka H. N. (14416014) 74

Deg Pers
PQ PQ PQ ree ent
0.00
196 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4 3 3 4 0 %
0.00
197 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 4 4 4 4 0 %
0.00
198 4 4 5 5 5 5 5 4 5 5 4 5 3 5 4 4 5 4 4 4 4 3 4 5 3 3 4 4 0 %
0.00
199 2 2 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 3 4 4 4 3 3 4 0 %
0.00
200 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 0 %
0.00
201 4 4 5 5 5 4 4 4 5 4 3 5 4 4 5 4 4 3 4 5 3 4 4 4 5 5 5 4 0 %
0.00
202 4 4 4 4 4 4 4 4 4 5 5 4 3 3 3 3 4 4 4 4 5 4 4 3 4 2 5 5 0 %
0.00
203 5 5 5 5 5 5 5 5 5 5 3 5 4 5 5 3 5 5 5 5 5 5 3 3 5 3 5 5 0 %
0.00
204 3 3 3 3 4 4 4 3 5 3 4 4 4 4 4 3 4 4 4 4 3 3 3 3 3 3 3 4 0 %
0.00
205 4 4 2 4 4 4 5 5 4 5 5 4 4 4 4 4 5 4 4 4 4 5 4 4 4 3 4 4 0 %
0.00
206 3 3 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 3 3 5 0 %
0.00
207 4 4 4 4 4 5 4 4 4 4 5 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 0 %
0.00
208 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 3 4 4 0 %
0.00
209 4 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5 3 4 4 0 %
0.00
210 4 4 4 5 5 5 5 5 5 5 5 4 4 4 5 4 5 4 5 5 3 5 4 5 4 2 3 4 0 %
0.00
211 5 4 4 5 5 5 5 5 4 5 5 5 3 4 5 5 5 5 5 5 4 5 5 5 5 3 3 4 0 %
0.00
212 4 3 5 5 5 5 5 4 4 4 4 4 4 4 4 4 5 5 5 4 3 4 4 4 5 4 2 5 0 %
0.00
213 4 4 4 4 3 5 5 5 5 5 5 4 4 3 4 3 4 5 4 4 4 5 5 5 4 3 4 4 0 %
3.57
214 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 3 5 1 %
0.00
215 3 3 4 4 3 4 4 5 5 4 4 4 4 4 4 3 5 4 4 4 5 5 5 5 3 3 3 3 0 %
0.00
216 4 3 4 5 5 5 5 4 4 5 3 4 5 5 5 5 5 5 4 4 5 4 4 5 5 3 4 5 0 %
10 Zakkiyah Azka H. N. (14416014) 75

Deg Pers
PQ PQ PQ ree ent
Deg
ree 0 0 2 0 0 0 0 1 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
mv
Pers
ent 0.0 0.0 0.9 0.0 0.0 0.0 0.0 0.4 0.0 0.4 0.0 0.4 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.4
ase 0% 0% 6% 0% 0% 0% 0% 8% 0% 8% 0% 8% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 0% 8%
mv
3.8 3.8 4.1 4.5 4.4 4.5 4.6 4.5 4.4 4.5 4.0 4.4 3.9 4.3 4.4 3.9 4.5 4.4 4.3 4.3 3.8 4.0 4.3 4.3 4.2 3.1 3.6 4.2
Ave 803 612 207 40 736 598 746 576 880 384 287 807 904 444 641 665 167 354 301 492 46 71 157 732 153 770 985 211
rage 83 44 73 67 84 09 41 92 38 62 08 69 31 98 15 07 46 07 44 82 89 77 89 06 11 33 65 54
Lampiran 5. Hasil Imputasi

P P P
P P P F F F Co Co R R R D D D S S S A A A
ID P3 Co1 Co3 R1 Q Q Q A4
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
2 4 4 4 5 5 3 5 5 4 5 3 4 2 3 5 4 5 4 5 4 3 4 4 5 3 2 2 4
3 5 5 3 5 5 5 5 5 5 5 3 3 2 5 5 2 5 5 5 5 3 3 5 5 5 3 3 3
4 4 4 4 5 5 5 5 5 5 5 5 4 4 4 5 4 4 3 5 4 5 4 5 5 4 3 3 4
5 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4 4
6 4 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 3
7 4 4 4 5 5 5 5 5 5 5 4 5 4 5 5 5 5 4 4 5 4 5 5 5 4 3 3 4
8 4 4 4 4 3 5 5 5 5 5 4 5 5 5 5 5 5 3 5 4 4 4 4 4 4 3 3 4
9 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4 4 3 4 4 4 4 4 3 4
10 5 4 3 4 5 5 5 5 5 5 5 4 3 4 4 4 4 4 5 4 2 4 4 4 4 3 3 4
11 4 4 3 4 4 5 5 3 5 3 3 4 4 4 4 4 5 5 5 5 5 4 4 4 4 3 4 4
12 4 4 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5 3 4 5
13 4 5 4 4 5 5 4 5 5 5 3 5 4 5 4 5 4 4 5 4 5 5 4 4 4 4 5 5
10 Zakkiyah Azka H. N. (14416014) 76

P P P
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
14 3 4 4 5 5 5 5 5 4 5 4 5 4 5 5 5 5 5 4 5 4 5 5 5 4 3 4 5
15 4 4 4 4 4 3 5 4 4 3 4 5 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4
16 4 3 5 5 4 5 5 4 4 3 3 4 3 4 4 3 5 4 4 4 3 5 4 4 4 3 4 4
17 4 4 4 5 5 5 5 4 5 5 4 4 5 5 4 4 5 5 5 4 4 4 4 5 4 4 2 5
18 4 4 2 5 4 5 4 5 4 4 5 3 3 4 4 3 4 4 4 4 3 3 4 4 3 3 3 2
19 3 3 3 3 3 3 4 4 4 4 4 3 3 5 5 5 5 5 5 5 5 3 3 3 3 3 3 3
20 5 5 4 4 4 5 3 4 4 5 4 4 3 4 5 4 4 4 4 4 4 4 4 4 3 2 3 3
21 5 2 5 5 5 5 5 5 5 5 3 5 5 5 5 4 5 5 5 4 5 4 4 5 5 3 4 5
22 3 2 4 4 4 4 4 3 4 4 2 4 4 4 5 5 5 5 4 3 2 3 4 4 4 1 2 4
23 4 3 3 5 4 4 4 5 5 5 4 5 4 4 5 4 4 4 4 4 4 4 4 4 4 3 3 4
24 4 4 5 4 4 5 5 5 4 4 5 5 3 5 4 3 4 5 4 5 4 3 4 4 4 3 3 4
25 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 4 5 5
26 4 3 5 5 5 5 4 5 5 5 4 4 3 3 2 2 4 4 3 5 2 5 4 5 5 1 1 3
27 4 4 4 4 4 4 5 4 3 4 3 5 4 5 5 5 5 5 4 4 4 4 4 3 4 2 4 5
28 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 3 5 3 4 4 5 5 3 3 5
29 3 3 4 5 5 5 5 5 5 5 2 4 3 4 5 5 5 5 5 5 3 2 4 4 4 3 3 5
30 4 4 4 4 4 4 3 3 3 4 4 5 4 4 4 3 4 4 4 4 3 3 4 4 4 3 3 4
31 3 4 4 4 4 4 4 4 4 4 3 4 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
32 4 4 4 5 5 4 5 5 5 4 3 5 3 5 5 3 3 4 5 5 4 5 5 5 4 3 3 4
33 5 4 5 4 4 5 5 5 4 5 4 4 4 4 4 4 4 4 2 4 4 3 3 4 3 4 3 4
34 4 4 4 5 5 5 5 3 3 4 4 5 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4
35 4 4 4 5 5 4 5 5 5 5 4 5 4 5 4 4 4 5 4 4 5 5 3 3 4 3 3 4
36 3 3 4 4 4 4 4 4 5 5 5 4 4 4 4 5 4 4 4 4 4 5 5 5 4 3 3 3
10 Zakkiyah Azka H. N. (14416014) 77

P P P
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
37 4 5 5 5 4 5 5 5 5 5 2 4 4 5 5 5 5 4 3 3 3 3 4 3 5 3 3 4
38 4 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 3 4 4
39 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 1 4 4
40 4 4 5 4 5 4 5 4 5 4 3 5 4 4 5 5 4 3 4 4 3 4 5 5 3 2 2 4
41 4 4 3 5 5 4 4 3 4 4 4 3 3 3 5 4 4 4 3 3 2 3 2 4 4 2 2 3
42 3 4 4 5 3 4 5 5 5 5 3 4 5 5 5 5 5 5 5 5 3 4 4 4 4 3 4 5
43 4 4 5 4 3 5 5 5 5 5 1 4 3 3 5 5 5 5 4 4 4 4 5 5 3 3 3 3
44 3 4 4 5 5 4 5 5 5 5 4 5 2 5 4 5 5 4 5 4 4 5 5 5 4 2 4 4
45 4 5 4 5 5 5 4 5 4 5 4 4 4 5 5 4 4 5 4 4 5 5 4 4 4 3 4 4
46 2 3 4 5 5 4 5 5 5 5 3 4 4 5 5 5 5 5 5 4 3 3 4 3 4 2 4 4
47 4 5 5 5 5 5 5 5 5 5 4 5 4 5 5 5 5 5 4 3 4 3 5 4 5 5 5 5
48 3 4 5 5 5 5 5 5 4 4 4 5 4 5 5 3 4 5 5 5 3 4 4 3 5 3 4 4
49 4 4 3 4 5 5 5 4 4 4 4 5 5 5 4 3 4 4 4 5 3 3 4 5 4 3 4 5
50 4 4 4 5 4 4 5 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 3 3 4
51 5 5 5 5 5 5 5 3 3 4 3 5 4 5 4 5 5 5 4 4 4 4 5 4 4 3 4 5
52 4 4 3 5 5 5 5 5 4 4 3 5 5 5 5 5 5 5 5 5 5 5 4 5 5 3 4 5
53 5 5 5 4 5 5 5 4 5 4 4 5 3 5 5 4 5 5 3 5 4 5 4 5 5 3 4 5
54 4 4 4 4 4 5 5 3 3 5 3 4 4 4 4 4 3 4 4 4 4 4 5 4 4 4 4 4
55 4 4 5 5 5 5 5 5 5 5 5 4 4 3 4 4 5 5 5 5 4 4 5 5 4 3 3 5
56 3 3 4 5 5 5 5 3 3 4 3 4 5 5 5 3 5 5 5 5 4 4 5 4 4 3 5 5
57 4 4 4 5 4 5 5 5 5 5 5 5 5 5 4 4 5 3 5 5 3 3 3 3 3 3 4 4
58 4 4 3 5 5 5 5 5 5 5 3 5 3 5 5 5 5 5 5 3 5 5 5 5 5 3 3 5
59 4 4 3 5 5 5 5 4 4 5 4 4 4 3 5 4 4 4 3 4 4 3 3 4 5 3 3 4
10 Zakkiyah Azka H. N. (14416014) 78

P P P
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
60 4 3 4 5 5 5 4 5 5 4 3 4 4 4 5 3 5 4 3 4 4 4 5 5 4 3 4 3
61 2 2 4 5 5 5 5 5 4 5 3 5 4 5 5 5 5 5 5 5 5 4 5 5 5 3 4 5
62 2 4 4 4 5 4 5 5 4 5 3 5 4 5 5 5 5 5 5 5 4 4 4 4 3 3 3 4
63 3 3 5 5 5 5 5 5 5 5 3 5 5 5 5 5 5 5 5 5 4 5 5 5 5 3 5 5
64 3 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 3 5 5 5 5 5 5
65 4 4 5 5 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 4 4 4 5 5 5 4 2 4
66 4 4 5 5 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 4 4 4 5 5 5 4 2 4
67 4 4 4 4 4 3 3 5 4 5 4 5 4 4 4 3 4 4 4 4 4 4 4 5 4 3 3 4
68 4 4 5 5 5 5 5 5 5 5 5 5 4 5 4 4 5 5 5 5 4 4 5 5 5 3 4 5
69 4 4 3 4 5 4 5 5 5 5 5 5 3 5 5 4 5 5 4 4 4 4 4 5 5 3 3 4
70 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
72 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
74 5 4 4 3 3 4 5 5 5 5 2 4 3 2 5 4 4 4 3 3 3 3 3 3 4 2 2 3
75 4 4 3 5 5 5 5 4 4 4 4 4 5 4 4 4 5 5 4 4 4 4 4 4 4 4 4 4
76 3 3 4 5 5 5 5 5 5 5 1 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
77 4 4 3 5 5 5 5 5 4 5 2 4 4 3 4 4 4 3 4 4 4 3 5 4 4 3 3 4
78 4 4 3 5 5 4 5 5 4 5 4 4 5 3 3 3 3 4 4 4 3 4 4 4 4 3 5 4
79 4 3 4 5 5 5 5 4 4 4 3 4 4 4 4 4 4 4 3 5 3 4 4 4 4 4 3 4
80 4 4 5 4 4 4 5 4 4 4 5 5 5 5 5 3 4 5 4 4 5 4 4 4 4 5 5 4
81 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 2 4 4 5 4 2 4 5 5 4 4 2 4
82 5 5 5 5 5 4 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 4 4
83 4 4 3 5 4 4 5 5 5 5 3 4 2 4 5 2 4 4 4 4 4 4 4 4 4 3 3 4
84 4 3 4 4 4 4 4 5 5 3 4 3 3 4 4 3 4 4 4 4 3 4 5 5 4 3 4 4
10 Zakkiyah Azka H. N. (14416014) 79

P P P
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
85 3 4 5 5 5 5 5 3 4 3 4 5 5 3 2 2 4 4 4 4 4 5 5 4 4 5 2 3
86 4 4 3 4 5 5 5 5 4 5 5 4 3 4 4 3 5 4 4 4 4 4 5 4 5 2 3 5
87 4 4 4 4 4 5 5 5 5 3 3 4 3 3 5 5 5 5 5 5 3 4 4 5 4 5 5 5
88 3 4 4 4 4 5 4 5 5 4 5 4 5 3 4 4 4 4 3 4 3 3 3 5 3 2 3 4
89 4 5 3 4 4 5 5 5 5 5 4 5 4 4 5 4 4 4 5 3 3 4 5 4 4 3 4 4
90 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 5 3 3 3 3 3
91 3 3 5 5 5 4 5 5 5 4 4 5 4 5 5 4 5 5 5 5 5 4 5 5 3 3 4 5
92 3 3 3 4 3 3 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
93 3 3 4 5 5 4 4 3 3 5 5 4 4 4 4 3 4 4 4 4 4 4 3 4 4 4 3 5
94 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 4 5 5 5 5 3 3 4
97 4 3 5 4 4 5 4 4 3 3 5 4 3 2 4 3 3 4 3 4 3 3 4 4 4 3 3 3
98 4 4 5 4 3 5 4 4 4 5 3 4 4 4 4 5 4 5 3 4 4 3 4 4 3 5 4 3
99 4 5 5 4 3 4 3 5 5 4 1 5 4 3 5 3 5 5 4 4 4 4 5 4 5 1 3 3
10
2 2 3 3 3 3 5 5 5 5 5 5 3 3 3 3 5 4 5 5 4 4 5 5 3 3 3 3
0
10
4 5 4 5 5 5 5 5 5 5 4 5 4 4 4 4 5 5 4 5 3 4 5 4 4 3 4 4
1
10
3 3 4 4 4 4 4 4 4 4 5 4 3 4 4 3 4 4 4 4 4 4 4 4 4 3 3 4
2
10
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3
10
4 4 3 4 4 4 5 5 5 5 5 5 3 5 5 3 5 4 4 4 4 4 5 5 4 3 3 4
4
10
5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 3 4 5 5 5 3 4 5
5
10 Zakkiyah Azka H. N. (14416014) 80

P P P
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
10
4 4 4 4 4 5 4 5 5 5 5 4 4 3 4 4 4 4 4 5 3 3 4 5 4 3 3 4
6
10
3 4 4 5 5 5 4 5 5 5 3 5 5 5 5 3 5 4 5 5 4 3 4 5 5 5 5 5
7
10
5 4 5 5 5 5 5 5 5 5 5 5 4 5 5 4 5 5 5 5 4 5 5 5 5 3 4 5
8
10
4 4 3 4 4 4 5 4 4 5 3 4 3 3 3 2 4 4 3 3 3 4 4 4 3 3 3 3
9
11
4 3 4 5 5 4 5 5 4 5 5 4 5 5 5 4 4 5 4 5 5 4 4 4 4 3 4 4
0
11
3 3 3 5 5 5 5 4 4 3 3 3 3 4 5 4 5 5 5 5 5 4 4 4 5 2 5 5
1
11
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
2
11
4 4 3 5 5 5 5 5 4 5 4 5 4 4 3 3 4 5 5 5 3 4 3 4 4 4 5 4
3
11
4 4 4 4 4 4 4 5 5 5 5 4 4 3 4 4 4 4 4 4 4 4 5 5 4 3 4 4
4
11
4 4 4 4 4 4 4 5 5 5 3 5 4 5 5 3 4 4 5 5 2 5 5 5 5 1 3 4
5
11
5 3 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 2 5 5 5 3 5 5
7
11
4 4 4 4 4 4 4 4 4 4 3 4 3 3 4 4 4 4 4 4 3 3 3 4 4 3 3 3
8
11
4 4 4 5 4 5 5 5 5 5 5 5 4 3 4 4 5 5 4 4 5 4 5 5 5 3 3 5
9
10 Zakkiyah Azka H. N. (14416014) 81

P P P
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
12
5 5 5 5 5 5 5 4 5 5 4 5 4 5 5 5 5 5 5 5 5 5 5 5 5 3 4 5
0
12
3 3 3 4 4 4 4 5 5 5 5 4 4 4 4 4 3 4 4 4 4 4 4 4 5 3 3 3
1
12
3 4 4 4 5 5 5 5 5 5 3 4 4 3 3 3 4 3 3 4 3 5 3 4 4 2 3 5
2
12 4.120
5 4 5 5 5 5 5 5 5 4 4 4 4 5 4 5 5 4 4 5 5 5 4 4 3 4 5
3 773
12 4.538
4 4 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5 4 4 2 2 4 4 5 5
4 462
12
4 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 1 2 5
5
12 4.557
5 5 5 5 5 5 5 5 5 3 5 5 5 5 5 5 5 5 4 5 5 5 5 5 2 4 4
6 692
12
1 2 5 5 5 5 5 5 5 5 3 5 4 4 5 4 5 5 5 5 3 5 5 5 4 3 5 5
7
12
4 4 4 4 5 5 5 5 5 4 5 4 5 5 5 5 5 4 4 5 5 4 5 5 4 4 4 5
8
12
4 4 4 5 5 5 5 5 5 3 5 5 5 5 5 5 5 5 5 5 3 5 4 4 5 1 5 5
9
13
4 5 5 4 4 4 5 5 5 5 3 5 3 4 5 5 5 5 4 5 4 5 4 4 4 3 4 4
0
13
4 4 4 4 4 4 4 4 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5
1
13
5 4 5 4 3 4 5 5 4 3 5 5 5 5 5 4 5 5 4 4 4 4 5 5 4 3 4 4
2
10 Zakkiyah Azka H. N. (14416014) 82

P P P
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
13
4 4 4 5 5 4 5 5 5 5 5 5 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4
3
13 4.120 4.221
5 4 5 5 4 5 5 4 5 4 5 4 4 5 5 5 5 5 5 3 4 5 4 3 1 2
4 773 154
13
4 3 4 4 4 5 5 4 5 5 4 4 4 5 5 5 5 4 4 4 3 4 4 5 5 3 4 4
5
13
3 3 5 4 4 4 5 5 5 4 5 5 4 5 4 5 4 4 5 4 4 4 5 5 5 3 4 4
6
13
4 4 4 5 5 5 5 5 5 4 3 4 4 4 5 5 5 5 5 5 4 2 5 5 4 2 4 4
8
13
4 3 3 4 5 5 5 5 5 5 5 3 3 4 3 4 4 4 4 5 4 5 5 5 4 2 4 4
9
14
4 4 4 4 3 5 4 4 4 4 4 4 3 4 4 2 4 4 4 4 4 4 4 4 3 4 4 5
0
14
4 3 5 4 5 5 5 5 4 4 3 5 2 5 5 3 4 4 5 4 3 3 4 3 4 2 3 5
1
14
4 4 4 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 2 4 4 4 2 4 4
2
14
5 5 4 5 5 4 4 5 4 4 5 5 4 5 2 2 4 5 5 5 5 4 4 4 5 5 5 5
3
14
3 4 4 5 5 5 5 4 5 3 3 5 4 5 5 3 5 5 5 5 4 5 5 4 5 2 5 4
4
14
4 4 5 5 4 5 5 5 4 5 5 5 5 3 4 2 5 5 3 4 2 4 4 4 5 3 4 4
5
14
4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
6
10 Zakkiyah Azka H. N. (14416014) 83

P P P
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
14
3 3 5 5 5 5 5 5 5 5 5 5 4 5 4 3 5 5 5 5 3 3 4 5 5 3 5 5
7
14
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 2 5 5 5 5 5 5 5
8
14
4 4 4 5 5 5 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 3 4 4
9
15
3 3 3 4 4 4 5 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
0
15
4 3 5 5 5 5 5 4 4 4 3 5 5 5 3 3 4 5 5 5 4 4 4 4 4 4 3 4
1
15
5 4 5 4 4 4 5 4 4 5 4 4 5 5 5 3 5 4 3 4 3 3 3 3 3 3 4 4
2
15
4 5 4 5 5 5 5 5 5 5 3 5 5 5 5 5 5 5 4 5 5 5 5 5 5 2 4 5
3
15
5 3 4 4 5 3 5 5 4 5 4 4 3 3 5 4 5 4 5 4 3 4 5 5 5 3 4 5
4
15
4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 4 5 5 5 5 5 3 5
5
15
4 4 4 5 5 5 5 4 4 5 3 5 4 5 4 4 4 4 3 4 2 4 3 3 3 2 2 4
6
15
4 3 4 4 4 4 5 5 3 3 4 4 4 4 4 4 3 4 4 4 2 4 4 4 3 4 4 4
7
15
4 4 4 5 5 5 5 5 5 5 5 5 4 4 5 4 5 5 5 5 5 5 5 5 4 3 4 4
8
15
5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5 4 5 5
9
10 Zakkiyah Azka H. N. (14416014) 84

P P P
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
16
4 4 4 4 5 5 4 4 4 5 4 5 4 5 4 4 4 4 5 5 4 4 5 5 5 3 4 4
0
16
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 3 5 5 5 5 5 5 5
1
16
5 5 5 5 5 4 4 5 5 5 4 4 5 5 5 3 4 5 4 4 4 4 3 3 5 3 5 5
2
16
4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4 4
3
16
4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 4 3 5 5 5 2 3 5
4
16
2 2 2 4 4 5 5 5 5 5 4 4 4 4 5 4 4 3 3 2 3 3 4 4 5 4 4 4
5
16
4 4 5 5 5 5 5 5 5 5 5 5 4 5 4 4 5 4 5 5 3 5 5 5 4 4 4 4
6
16
3 2 4 4 5 5 5 5 5 5 5 4 4 5 4 3 5 5 5 5 3 5 5 5 5 4 4 5
7
16
4 4 3 4 4 4 4 4 5 4 4 5 5 5 4 4 5 4 4 4 3 3 4 5 4 3 5 5
8
16
4 4 4 4 4 4 4 4 4 5 4 4 4 4 5 4 4 4 4 4 3 4 4 4 4 4 4 4
9
17
4 4 4 4 4 4 4 5 5 5 4 4 4 4 4 4 4 4 4 4 5 4 4 5 4 3 4 4
0
17
4 5 5 5 5 5 5 5 4 4 5 5 3 5 5 4 5 5 5 4 4 4 4 5 4 3 4 4
1
17
3 3 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5 3 5 5
2
10 Zakkiyah Azka H. N. (14416014) 85

P P P
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
17
4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4
3
17
4 4 5 5 5 5 5 5 4 5 3 4 4 5 5 3 5 5 4 3 3 4 4 4 4 3 3 4
4
17
4 3 4 4 4 5 5 5 4 4 5 5 3 5 5 2 5 5 4 4 4 3 4 4 3 3 3 4
5
17
3 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5
6
17
4 4 3 5 5 5 5 5 5 5 5 5 4 4 4 3 5 5 5 5 5 4 4 4 4 2 4 3
7
17
4 5 5 5 3 5 5 5 5 5 4 5 5 5 5 5 5 5 4 4 3 5 4 4 5 2 5 5
8
17
3 3 4 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
9
18
3 4 4 4 4 4 5 3 4 4 5 5 3 5 5 2 5 4 4 4 4 4 5 4 3 2 3 4
0
18
5 4 5 5 4 5 5 5 5 5 3 5 4 4 4 4 5 5 4 4 4 4 4 5 4 3 3 4
1
18
5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 4 4 5 5 5 4 3 4
2
18
3 4 4 5 5 5 5 5 5 5 3 4 3 5 4 4 4 4 4 3 4 3 5 5 5 3 4 5
3
18
4 4 4 4 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 2 4 4 4 4 4 3 4
4
18
4 4 4 4 3 2 5 4 5 5 5 5 3 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5
10 Zakkiyah Azka H. N. (14416014) 86

P P P
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
18
5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 5 4 4 5 5 5 3 5 5
6
18
3 3 4 5 5 5 5 4 3 4 3 5 5 3 4 4 5 4 4 3 4 4 3 3 3 3 3 4
7
18
4 3 5 4 3 5 5 5 5 4 3 5 5 5 5 4 5 4 5 5 4 4 4 5 3 3 3 4
8
18
4 5 4 5 5 4 5 5 4 5 4 4 3 5 4 3 4 3 5 5 4 4 3 4 3 3 4 4
9
19
5 5 4 5 5 5 4 5 5 5 5 4 4 4 4 3 4 3 4 4 4 5 4 4 5 5 5 5
0
19
4 4 3 5 5 5 5 4 4 4 5 5 3 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
1
19
3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 3 4 4 4 4 3 4 3
2
19
4 4 4 5 4 5 5 4 4 5 5 5 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4 4
3
19
3 3 5 5 4 4 3 3 3 4 5 5 4 4 4 5 3 4 4 4 4 4 4 4 4 4 4 4
4
19
2 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 2 4 3
5
19
4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4 3 3 4
6
19
5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 4 4 4 4
7
19
4 4 5 5 5 5 5 4 5 5 4 5 3 5 4 4 5 4 4 4 4 3 4 5 3 3 4 4
8
10 Zakkiyah Azka H. N. (14416014) 87

P P P
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
19
2 2 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 3 4 4 4 3 3 4
9
20
4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
0
20
4 4 5 5 5 4 4 4 5 4 3 5 4 4 5 4 4 3 4 5 3 4 4 4 5 5 5 4
1
20
4 4 4 4 4 4 4 4 4 5 5 4 3 3 3 3 4 4 4 4 5 4 4 3 4 2 5 5
2
20
5 5 5 5 5 5 5 5 5 5 3 5 4 5 5 3 5 5 5 5 5 5 3 3 5 3 5 5
3
20
3 3 3 3 4 4 4 3 5 3 4 4 4 4 4 3 4 4 4 4 3 3 3 3 3 3 3 4
4
20
4 4 2 4 4 4 5 5 4 5 5 4 4 4 4 4 5 4 4 4 4 5 4 4 4 3 4 4
5
20
3 3 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 3 3 5
6
20
4 4 4 4 4 5 4 4 4 4 5 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4
7
20
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 3 4 4
8
20
4 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5 3 4 4
9
21
4 4 4 5 5 5 5 5 5 5 5 4 4 4 5 4 5 4 5 5 3 5 4 5 4 2 3 4
0
21
5 4 4 5 5 5 5 5 4 5 5 5 3 4 5 5 5 5 5 5 4 5 5 5 5 3 3 4
1
10 Zakkiyah Azka H. N. (14416014) 88

P P P
1 2 4 1 2 3 2 4 2 3 4 1 2 3 1 2 3 1 2 3
1 2 3
21
4 3 5 5 5 5 5 4 4 4 4 4 4 4 4 4 5 5 5 4 3 4 4 4 5 4 2 5
2
21
4 4 4 4 3 5 5 5 5 5 5 4 4 3 4 3 4 5 4 4 4 5 5 5 4 3 4 4
3
21 4.480
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 3 5
4 769
21
3 3 4 4 3 4 4 5 5 4 4 4 4 4 4 3 5 4 4 4 5 5 5 5 3 3 3 3
5
21
4 3 4 5 5 5 5 4 4 5 3 4 5 5 5 5 5 5 4 4 5 4 4 5 5 3 4 5
6
10 Zakkiyah Azka H. N. (14416014) 89

Lampiran 6. Hasil Uji Normalitas Skewness-Kurtosis
10 Zakkiyah Azka H. N. (14416014) 90

10 Zakkiyah Azka H. N. (14416014) 91

10 Zakkiyah Azka H. N. (14416014) 92

10 Zakkiyah Azka H. N. (14416014) 93

10 Zakkiyah Azka H. N. (14416014) 94

10 Zakkiyah Azka H. N. (14416014) 95

10 Zakkiyah Azka H. N. (14416014) 96

10 Zakkiyah Azka H. N. (14416014) 97

10 Zakkiyah Azka H. N. (14416014) 98

10 Zakkiyah Azka H. N. (14416014) 99

10 Zakkiyah Azka H. N. (14416014) 100

10 Zakkiyah Azka H. N. (14416014) 101

10 Zakkiyah Azka H. N. (14416014) 102

10 Zakkiyah Azka H. N. (14416014) 103

Lampiran 7. Hasil Uji Normalitas Saphiro-Wilks
10 Zakkiyah Azka H. N. (14416014) 104

10 Zakkiyah Azka H. N. (14416014) 105

10 Zakkiyah Azka H. N. (14416014) 106

10 Zakkiyah Azka H. N. (14416014) 107

10 Zakkiyah Azka H. N. (14416014) 108

10 Zakkiyah Azka H. N. (14416014) 109

10 Zakkiyah Azka H. N. (14416014) 110

10 Zakkiyah Azka H. N. (14416014) 111

10 Zakkiyah Azka H. N. (14416014) 112

10 Zakkiyah Azka H. N. (14416014) 113

10 Zakkiyah Azka H. N. (14416014) 114

10 Zakkiyah Azka H. N. (14416014) 115

10 Zakkiyah Azka H. N. (14416014) 116

10 Zakkiyah Azka H. N. (14416014) 117

Lampiran 8. Hasil Uji Linearitas Dimensi Performance
10 Zakkiyah Azka H. N. (14416014) 118

10 Zakkiyah Azka H. N. (14416014) 119

Lampiran 9. Hasil Uji Linearitas Dimensi Feature
10 Zakkiyah Azka H. N. (14416014) 120

10 Zakkiyah Azka H. N. (14416014) 121

Lampiran 10. Hasil Uji Linearitas Dimensi Conformance
10 Zakkiyah Azka H. N. (14416014) 122

10 Zakkiyah Azka H. N. (14416014) 123

10 Zakkiyah Azka H. N. (14416014) 124

Lampiran 11. Hasil Uji Linearitas Dimensi Reliability
10 Zakkiyah Azka H. N. (14416014) 125

10 Zakkiyah Azka H. N. (14416014) 126

10 Zakkiyah Azka H. N. (14416014) 127

Lampiran 12. Hasil Uji Linearitas Dimensi Durability
10 Zakkiyah Azka H. N. (14416014) 128

10 Zakkiyah Azka H. N. (14416014) 129

Lampiran 13. Hasil Uji Linearitas Dimensi Serviceability
10 Zakkiyah Azka H. N. (14416014) 130

10 Zakkiyah Azka H. N. (14416014) 131

Lampiran 14. Hasil Uji Linearitas Dimensi Perceived Quality
10 Zakkiyah Azka H. N. (14416014) 132

10 Zakkiyah Azka H. N. (14416014) 133

Lampiran 15. Hasil Uji Linearitas Dimensi Aesthetics
10 Zakkiyah Azka H. N. (14416014) 134

10 Zakkiyah Azka H. N. (14416014) 135

10 Zakkiyah Azka H. N. (14416014) 136

PMR Laporan Akhir 4

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

PMR Laporan Akhir 4

Diunggah oleh

Hak Cipta:

Format Tersedia

MR3004

PRAKTIKUM MANAJEMEN REKAYASA

PROGRAM STUDI MANAJEMEN REKAYASA

10 Zakkiyah Azka H. N. (14416014) ii

LEMBAR ASISTENSI ................................................................................................ ii

10 Zakkiyah Azka H. N. (14416014) iii

3.3.3 Penentuan Tingkat Ke-random-an dari Missing Data .............................. 21

10 Zakkiyah Azka H. N. (14416014) iv

10 Zakkiyah Azka H. N. (14416014) v

Tabel 1. Data Hasil Grubbs’ Test .............................................................................. 18

10 Zakkiyah Azka H. N. (14416014) vi

Gambar 1. Flowchart Penelitian ................................................................................ 13

10 Zakkiyah Azka H. N. (14416014) vii

Lampiran 1. Codebook .............................................................................................. 51

10 Zakkiyah Azka H. N. (14416014) viii

1.1 Latar Belakang

10 Zakkiyah Azka H. N. (14416014) 9

1.2 Rumusan Masalah

1.4 Pendekatan, Batasan, dan Asumsi

10 Zakkiyah Azka H. N. (14416014) 10

1. Asumsi dalam statistika yang dilakukan pengujian adalah normalitas dan

10 Zakkiyah Azka H. N. (14416014) 11

2.1 Flowchart Penelitian

10 Zakkiyah Azka H. N. (14416014) 12

Gambar 1. Flowchart Penelitian

2.2 Prinsip Pendokumentasian Data

10 Zakkiyah Azka H. N. (14416014) 13

2.3 Proses Pemeriksaan Data Awal

10 Zakkiyah Azka H. N. (14416014) 14

2.3.2 Missing Data

3. Diagnosis tingkat ke-random-an dari missing data process

10 Zakkiyah Azka H. N. (14416014) 15

4. Pilih metode imputasi

2.4 Asumsi dalam Statistika

2.5 Statistika Deskriptif

10 Zakkiyah Azka H. N. (14416014) 16

3.1 Pengumpulan dan Pendokumentasian Data

Net sample merupakan jumlah responden yang mengisi kuesioner, sedangkan

3.2 Evaluasi Outlier Hasil Survei

3.2.1 Evaluasi Outlier dengan Identifikasi Univariat

10 Zakkiyah Azka H. N. (14416014) 17

Tabel 1. Data Hasil Grubbs’ Test

Melalui data tersebut penulis mengetahui standar dalam

10 Zakkiyah Azka H. N. (14416014) 18

Seperti yang dilihat pada tabel,terdapat 5 variabel yang memiliki

3.2.2 Evaluasi Outlier dengan Identifikasi Multivariat

Tabel 3. Data Hasil Multivariat

Dapat dilihat melalui tabel bahwa terdapat 6 ID responden dengan p-value

3.3 Evaluasi Missing Data Hasil Survei

3.3.1 Penentuan Tipe Missing Data

10 Zakkiyah Azka H. N. (14416014) 19

3.3.2 Pengukuran Derajat Missing Data

• Derajat persentase missing data untuk tiap variabel

10 Zakkiyah Azka H. N. (14416014) 20

Tabel 5. Tabulasi Derajat Jumlah Variabel yang Memiliki Missing Data

MISSING VALUE MISSING VALUE

Tabel 6. Tabulasi Derajat Jumlah Responden yang Memiliki Missing Data

MISSING VALUE MISSING VALUE

Persentase pada tabulasi jumlah variabel yang memiliki missing data

3.3.3 Penentuan Tingkat Ke-random-an dari Missing Data

10 Zakkiyah Azka H. N. (14416014) 21

𝐻0 = 𝑅𝑎𝑛𝑑𝑜𝑚𝑛𝑒𝑠𝑠 𝑚𝑖𝑠𝑠𝑖𝑛𝑔 𝑑𝑎𝑡𝑎 𝑀𝐶𝐴𝑅

Hasil pengolahan data dengan menggunakan R-Studio ditunjukkan

Gambar 2. Hasil Penentuan Randomness Missing Data