STATISTIK INFERENSIA
OLEH
NAMA : MUHAMMAD ISNANDA IBNURIZQ
STAMBUK : D071211079
KELOMPOK : III
DAFTAR ISI
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) ii
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) iii
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR TABEL
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) iv
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR GAMBAR
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) v
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) vi
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR RUMUS
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) vii
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB I
PENDAHULUAN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 2
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB II
TEORI DASAR
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 3
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
b. Tujuan
Tujuan utama dari statistik inferensia adalah untuk membuat perkiraan populasi
berdasarkan data sampel dari populasi yang bersangkutan. Yang paling sering
digunakan dalam teknik inferensia adalah pengujian hipotesis. Statistik hipotesis adalah
studi tentang karakteristik populasi, seperti rata-rata, proporsi, atau variasi (Perdana &
Rosadi, 2015).
c. Manfaat
Berikut manfaat dari statistik inferensia (dalam Sutopo dan Slamet 2017), yang
disajikan sebagai berikut :
1) Sebagai alat untuk menduga populasi untuk mengharapkan hasil
pengukuran yang akurat dan tepat.
2) Sebagai metode analisis yang sangat terstruktur dan teruji secara sistematis
sehingga mencegah hasil yang bias.
3) Sebagai dasar penyusunan menyusun rancangan penelitian.
4) Sebagai pengolah dan analisis data hasil penelitian.
5) Untuk mendukung pengembangan instrument penelitian.
Statistik parametrik adalah suatu teknik statistik yang bisa digunakan untuk
menguji hipotesis dengan parameter populasi. Adapun metode-metode yang digunakan
dalam statitik parametrik adalah :
2.2.1 Uji T
a. Definisi
Uji T adalah jenis pengujian dari uji statistik parametrik yang menunjukkan
seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan
variabel dependen (Magdalena dan Krisanti, 2019).
b. Tujuan
Uji T memiliki tujuan untuk mengetahui apakah ada perbedaan dari nilai yang
diperkirakan dengan nilai hasil perhitungan statistika serta membandingkan dua mean
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 4
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Dimana,
̅̅̅ = rata-rata sampel 1
xa
̅̅̅ = rata-rata sampel 2
xb
sa2 = varian sampel 1
sb2 = varian sampel 2
na = jumlah data sampel 1
nb = jumlah data sampel 2
5) Menetukan kriteria pengujian dan juga tentukan juga posisi pengujian pihak kiri,
pihak kanan atau uji dua pihak
6) Mencari t table dengan cara tentukan α (0,01 atau 0,05) dan db = n1-n2 – 2
7) Membandingkan t hitung dengan t tabel
8) Menarik kesimpulan
Uji ini untuk mengetahui perbedaan rata-rata dua populasi/kelompok data yang
independen. Jika nilai signifikan > 0,05, maka hipotesis nol diterima dan hipotesis
alternative ditolak. Hal ini berarti, secara parsial variabel independen tersebut tidak
mempunyai pengaruh yang signifikan terhadap variabel dependen. Sedangkan jika nilai
signifikan < 0,05, maka hipotesis nol ditolak dan hipotesis alternatif diterima. Hal ini
berarti secara parsial variabel independen tersebut mempunyai pengaruh yang signifikan
terhadap variabel dependen. Dan jika t hitung < dari t tabel maka hipotesis nol ditrerima
(Magdalena dan Krisanti, 2019).
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 5
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
d. Contoh
Dua produk makanan ikan jenis A dan B diuji cobakan pada dua kelompok ikan.
Kelompok satu berjumlah 11 ekor dan kelompok dua berjumlah 10 ekor. Setelah satu
bulan pertambahan bobot ikan ditimbang. Tentukanlah manakah jenis pakan yang
paling efektif.
Adapun data beserta hasil perhitungan sebagai berikut :
Tabel 1 Hasil Perhitungan
Pertambahan Bobot Kelompok A (XA) Pertambahan Bobot Kelompok B (XB)
No XA XA No XB XB
2.2.2 Uji Z
a. Definisi
Pengujian hipotesis dengan distribusi Z adalah pengujian hipotesis yang
menggunakan distribusi Z sebagai uji statistik. Tabel pengujiannya disebut tabel normal
standar. Hasil uji statistik ini kemudian di bandingkan dengan nilai dalam tabel untuk
menerima atau menolak hipotesis nol (H0) yang dikemukakan.
b. Tujuan
Uji Z bertujuan untuk membandingkan rata-rata dua variabel dalam satu kelompok.
c. Prosedur
Adapun prosedur dari uji Z yakni :
1) Menentukan formulasi hipotesis.
2) Penentuan nilai α (taraf nyata) dan nilai Ztabel (Zα) Menentukan nilai α
sesuai soal, kemudian nilai Zα atau Zα/2 ditentukan dari tabel.
3) Kriteria pengujian:
a) Untuk H0 : μ = μ0 dan H1 : μ > μ0
H0 diterima jika Z0 ≤ Zα
H0 ditolak jika Z0 > Zα
b) Untuk H0: μ = μ0 dan H1: μ < μ0
H0 diterima jika Z0 ≥ - Zα
H0 ditolak jika Z0 < - Zα
c) Untuk H0: μ = μ0 dan H1: μ ≠ μ0
H0 diterima jika -Zα/2 ≤ Z0 ≤ Zα/2
H0 ditolak jika Z0 > Zα/2 atau Z0 < -Zα/2
𝑧0 dapat dihitung dengan rumus sebagai berikut :
x̅−μ0
z0 = σ (2)
√n
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 7
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Dimana,
𝑍0 = Harga distribusi normal baku
𝜇0 = Nilai yang dihipotesiskan
𝜎 = Variansi
(Gunawan, 2016).
d. Contoh
Dengan suntikan hormon tertentu pada ayam/ikan akan menambah berat
badannya rat-rata 4.5 ton per kelompok. Sampel acak yang terdiri atas 31 kelompok
ayam/ikan yang telah diberi suntikan hormone memberikan rata-rata 4.9 ton dan
simpangan baku = 0.8 ton. Apakah pernyataan tersebut diterima? Bahwa pertambahan
rata-rata paling sedikit 4.5 ton!
H : µ ≥ 4.5, berarti penyuntikan hormone pada ayam/ikan tidak menyebabkan
bertambahnya rata-rata berat badan dengan 4.5 ton.
A : µ > 4.5, berarti penyuntikan hormone pada ayam/ikan menyebabkan bertambahnya
rata-rata berat badan paling sedikit dengan 4.5.
X = 4.9 ton
N = 31
S = 0.8 ton
µ0 = 4.5 ton
4.9−4.5
z = = 2.78
0.8 √31
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 8
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
a. Definisi
ANOVA adalah sebuah analisis statistik yang menguji perbedaan rerata antar
grup. Grup disini bisa berarti kelompok atau jenis perlakuan. Berbeda dengan
independent sample t test yang hanya bisa menguji perbedaan rerata dari dua kelompok
saja.
b. Tujuan
Tujuan uji ANOVA yaitu untuk melakukan analisis komparasi multivariable,
membandingkan rata-rata populasi bukan ragam populasi.
c. Prosedur
Adapun prosedur dari uji ANOVA yakni :
1) Kelompokkan berdasarkan kategori tertentu untuk memudahkan
pengelompokkan dan perhitungan, buat tabel data sesuai dengan kategori berisi
sampel dan kuadrat dari sampel tersebut. Hitung pula total dari sampel dan kuadrat
sampel tiap kelompok Selain itu, tentukan pula hipotesis nol (H0) dan hipotesis
alternatif (H1).
2) Menentukan kategori ANOVA untuk menentukan tipe ANOVA. Jika tujuannya
membandingkan rata-rata tiga kelompok atau lebih maka boleh pakai ANOVA.
Jika berasal dari sampel yang sudah dikategorikan maka menggunakan ANOVA
dua arah/two way. Jika terjadi pengulangan maka menggunakan ANOVA dua arah
dengan interaksi.
3) Memeriksa apakah sudah memenuhi asumsi-asumsi sehingga bisa digunakan
ANOVA dengan melakukan uji :
a) Normalitas
Normatilas adalah menguji apakah data tiap kelompok memiliki distribusi
normal. Hal ini bisa dilakukan dengan uji Kolmogorov=Smirnov, Shapiro
Wilk.
b) Homogenitas
Homogenitas adalah menguji apakah varians tiap kelompok sama. Dalam
menghitung homogenitas bisa digunakan uji Bartlett dan uji Levene.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 9
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
c) Saling bebas
Saling bebas menunjukkan bahwa setiap kelompok tidak saling
berhubungan. Biasanya yang digunakan logika apakah saling bebas atau
tidak.
d) Aditif (saling menjumlahkan)
Aditif artinya data yang dianalisis merupakan data interval/rasio.
4) Menghitung variabilitas dari seluruh sampel. Pengukuran total variabilitas atas
data dapat dikelompokkan menjadi tiga bagian, berikut rumus dalam ANOVA :
a) Total of Sum Squares (SSt) – Jumlah Kuadrat Total (JKT)
Jumlah Kuadrat Total (JKT) merupakan jumlah kuadrat selisih antara skor
individual dengan rata-rata totalnya.
b) Sum Square Between Column – Jumlah Kuadrat Kolom (JKK)
Jumlah Kuadrat Kolom (JKK) merupakan variansi rata-rata kelompok
sampel terhadap rata-rata keseluruhannya. Variansi di sini lebih terpengaruh
karena adanya perbedaan perlakuan antar kelompok.
c) Sum Square Between Row – Jumlah Kuadrat Baris (JKB)
Jumlah Kuadrat baris (JKB) merupakan variansi rata-rata kelompok sampel
terhadap rata-rata keseluruhannya. Variansi di sini lebih terpengaruh karena
adanya perbedaan perlakuan antar kelompok.
5) Menghitung derajat kebebasan (degree of freedom). Derajat kebebasan atau
degree of freedom (dilambangkan dengan v, dof, atau db) dalam ANOVA akan
sebanyak variabilitas. Oleh karena itu, ada tiga macam derajat kebebasan yang
akan kita hitung :
a) Derajat kebebasan untuk JKT merupakan derajat kebebasan dari Jumlah
kuadrat total (JKT) ini akan kita lambangkan dengan dof JKT. Adapun
rumusnya yaitu :
db JKT = rkn-1 (3)
Dimana,
db = Derajat Kebebasan
JKT = Jumlah Kuadrat Total
k = banyaknya kolom
r = banyaknya baris
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 10
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
n = banyak ulangan
b) Derajat kebebasan untuk JKK merupakan derajat kebebasan dari Jumlah
kuadrat kolom (JKK) ini akan kita lambangkan dengan dof JKK. Adapun
rumusnya yaitu:
db JKK = k-1 (4)
Dimana,
db = Derajat Kebebasan
JKK = Jumlah Kuadrat Kolom
k = banyaknya kolom
c) Derajat kebebasan untuk JKB merupakan derajat kebebasan dari Jumlah
kuadrat baris (JKB) ini akan kita lambangkan dengan dof JKB. Adapun
rumusnya yaitu :
db JKB = r-1 (5)
Dimana,
db = Derajat Kebebasan
JKB = Jumlah Kuadrat Baris
r = banyaknya baris
d. Kriteria
Adapun kriteria dari uji ANOVA yakni :
1) Menghitung variansi antar kelompok dan variance dalam kelompok.
Variansi dalam ANOVA, baik untuk antar kelompok maupun dalam
kelompok sering disebut dengan kuadrat tengah atau deviasi rata-rata
kuadrat (mean squared deviation) dan dilambangkan dengan MS atau KT.
Dengan demikian, maka mean squared deviation masing-masing dapat
dicari dengan rumus sebagai berikut:
KTK = JKK/db JKK
KTB = JKB/db JKB
KTG = JKG/db JKG
2) Menghitung Fhitung. Menghitung nilai distribusi Fhitung
Berdasarkan perbandingan variansi antar kelompok dan variansi dalam
kelompok. Fhitung ada tiga karena hipotesis ada tiga, sehingga setiap Fhitung
menjawab hipotesis.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 11
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 12
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Tabel 3 Pengolahan Data Prestasi Belajar Matematika antara Mahasiswa IPB, ITB, dan ITS
Sumber Jumlah Derajat Kuadrat
Fhitung α (0,05)
Varian Kuadrat Kebebasan Rerata
Antar grub
17,14 2 8,57 8,75 3,30
(A)
Dalam grub
31,55 32 0,98 - -
(D)
total 48,69 34 - - -
Sumber : Bustami dkk., (2018)
a. Definisi
Uji post hoc dilakukan pada kelompok tingkatan asimetri informasi untuk
mengetahui kelompok asimetri informasi mana yang memiliki perbedaan rata-rata nilai
senjangan anggaran yang signifikan (Susilawati, 2017).
b. Tujuan
Post Hoc bertujuan untuk mengetahui lebih lanjut kelompok mana saja yang
berbeda rata-ratanya bila pada pengujian ANOVA dihasilkan ada perbedaan bermakna
(Ho ditolak).
c. Prosedur
Adapun prosedur dari uji post hoc yakni :
1) Tentukan hipotesis (disesuaikan dengan banyak jalur dan jenjang ANOVA)
2) Tentukan kriteria pengujian
3) Uji statistik
a) tentukan kontras antar kelompok (C) = perbedaan antara rata-rata
yang dibandingkan
b) tentukan rumus uji scheffe
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 13
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
C
t= (6)
2MWs
√
n
Dimana,
MWs = rata-rata jumlah kuadrat dalam kelompok
N = banyaknya data
C = kontras antar kelompok
c) Tentukan nilai kritis bagi uji scheffe
ts= √(k-1)F(1-a:k-1:n-k) (7)
Dimana,
k = jumlah kelompok
𝐹(1−𝑎:𝑘−1:𝑛−𝑘) = nilai pada distribusi
d) Bandingkan antara nilai uji scheffe dan nilai kritis bagi scheffe
d. Contoh
Uji ANOVA satu arah akan digunakan untuk mengetahui adakah hubungan antara
tingkat stress mahasiswa pada tiap kelompok jurusan yang ada di fakultas teknologi
Industri Universitas Islam Indonesia. Tingkat stres diukur pada skala 1-10. Skala 1-3
menunjukkan mahasiswa cukup stres. Skala 4-6 menunjukkan mahasiswa dalam
keadaan stres dan skala 7 ke atas menunjukkan mahasiswa sangat stres. Pengamatan
dilakukan pada waktu yang berbeda dengan menggunakan metode pengumpulan data
kuisioner yang disebarkan pada 100 responden.
(Susilawati, 2017).
a. Definisi
Uji wilcoxon merupakan uji perangkat yang digunakan sebagai alternatif unutuk
uji T ketika populasi tidak dapat diasumsikan terdistribusi secara normal atau data pada
skala ordinal.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 14
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
b. Tujuan
Tujuan dari uji wilcoxon yaitu untuk membandingkan nilai tengah suatu variabel
dari dua data sampel berpasangan.
c. Prosedur
Adapun prosedur dari uji wilcoxon yakni :
1) Tentukan hipotesis nol (H0) dan hipotesis alternatif (H1) untuk uji wilcoxon.
2) Kurangkan setiap pasangan data menjadi selisihnya.
3) Rangkingkan nilai-nilai selisih yang telah dihasilkan dari yang terkecil hingga
terbesar.
4) Hitung nilai W+ dan W- menggunakan rumus yang sesuai.
5) Hitung nilai W menggunakan rumus yang sesuai.
6) Tentukan derajat kebebasan (df) dari uji wilcoxon.
7) Tentukan nilai signifikansi (α) yang digunakan.
8) Tentukan nilai kritis (H0 ditolak jika nilai uji < nilai kritis).
9) Tentukan kesimpulan dari uji wilcoxon.
d. Contoh
Sebuah penelitian dilakukan untuk menguji apakah ada perbedaan yang signifikan
dalam tingkat kecemasan sebelum dan sesudah terapi kognitif pada pasien dengan
gangguan kecemasan. Data diambil dari 20 pasien dan dihitung skor kecemasan
sebelum dan sesudah terapi kognitif. Data di atas termasuk data ordinal, sehingga uji
non-parametrik seperti uji wilcoxon digunakan untuk analisis.
Jawab :
Hasil uji wilcoxon menunjukkan bahwa terapi kognitif signifikan meningkatkan tingkat
kecemasan pada pasien
(Z = −3.072, p = 0.002 < 0,05)
(Astuti dkk,, 2021).
a. Definisi
Uji mann-whitney merupakan uji non-parametris apabila uji t-independen tidak
dapat dilakukan karena asumsi normalitas tidak terpenuhi.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 15
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
b. Tujuan
Tujuan dari uji mann-whitney yaitu untuk mencari perbedaan median, bentuk,
sebaran data sama.
c. Prosedur
Adapun prosedur dari uji mann-whitney yakni :
1) Tentukan hipotesis nol (H0) dan hipotesis alternatif (H1) untuk uji mann-
whitney.
2) Gabungkan kedua kelompok data yang akan diuji dan rangkingkan nilai-
nilainya dari yang terkecil hingga terbesar.
3) Hitung jumlah nilai rangking (R) dari kedua kelompok data.
4) Hitung nilai uji mann-whitney menggunakan rumus yang sesuai.
5) Tentukan derajat kebebasan (df) dari uji mann-whitney.
6) Tentukan nilai signifikansi (α) yang digunakan.
7) Tentukan nilai kritis (H0 ditolak jika nilai uji < nilai kritis).
8) Tentukan kesimpulan dari uji mann-whitney.
d. Contoh
Sebuah penelitian dilakukan untuk membandingkan kinerja dua kelompok siswa
dalam tes matematika yang berbeda. Data diambil dari 20 siswa pada kelompok A dan
25 siswa pada kelompok B. Data tersebut termasuk data ordinal, sehingga uji non-
parametrik seperti uji mann-whitney digunakan untuk analisis.
Jawab :
Hasil uji mann-whitney menunjukkan bahwa skor tes matematika pada kelompok A
(rata-rata rangking = 25,85) signifikan lebih tinggi dibandingkan dengan kelompok B
(rata-rata rangking = 20,96) (U = 209,5 , z = 2,28 , p = 0,02 < 0,05)
(Sulisetijono, 2016).
a. Definisi
Uji friedman merupakan data yang terkumpul berbentuk interval atau rasio yang
dimana sampel yang di uji jumlahnya lebih dari dua dengan minimal skala data
berbentuk ordinal.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 16
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
b. Tujuan
Tujuan dari uji friedman adalah untuk menguji kesamaan pengaruh perlakuan
tetap dari dua atau lebih dari suatu populasi.
c. Prosedur
Adapun prosedur dari uji friedman yakni :
1) Tentukan hipotesis nol (H0) dan hipotesis alternatif (H1) untuk uji friedman.
2) Buat tabel rangking untuk masing-masing kolom.
3) Hitung nilai rangking total untuk masing-masing baris.
4) Hitung nilai uji friedman menggunakan rumus yang sesuai.
5) Tentukan derajat kebebasan (df) dari uji Friedman.
6) Tentukan nilai signifikansi (α) yang digunakan.
7) Tentukan nilai kritis (H0 ditolak jika nilai uji > nilai kritis).
8) Tentukan kesimpulan dari uji friedman.
d. Contoh
Sebuah penelitian dilakukan untuk membandingkan kinerja tiga kelompok siswa
dalam tes matematika yang sama. Data diambil dari 20 siswa pada kelompok A, 25
siswa pada kelompok B, dan 15 siswa pada kelompok C. Data tersebut termasuk data
ordinal, sehingga uji non-parametrik seperti uji Friedman digunakan untuk analisis.
Hasil uji friedman menunjukkan bahwa terdapat perbedaan signifikan dalam skor tes
matematika antara tiga kelompok siswa
(x 2(2) = 7,15 , p = 0,03 < 0,05)
Uji lanjutan dengan wilcoxon signed ranks test menunjukkan bahwa kelompok A dan B
memiliki perbedaan signifikan dalam skor tes matematika
(Z = −2,50 , p = 0,01 < 0,05)
Sedangkan tidak terdapat perbedaan signifikan antara kelompok B dan C
(Z = −0,56, p = 0,58 > 0,05)
Serta antara kelompok A dan C
(Z = −0,17, p = 0,12 > 0,05)
(Mawati dkk, 2010).
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 17
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
a. Definisi
Uji kruskall-wallis merupakan salah satu uji statistik non parametrik yang dapat
digunakan sebagai alternatif untuk uji one way ANOVA jika asumsi kenormalan tidak
terpenuhi.
b. Tujuan
Tujuan dari uji kruskall-wallis adalah untuk menguji apakah ada perbedaan yang
signifikan antara kelompok variabel independen dengan variabel dependennya.
c. Prosedur
Adapun prosedur dari uji kruskall-wallis yakni :
1) Tentukan hipotesis nol (H0) dan hipotesis alternatif (H1) untuk uji kruskal-
wallis.
2) Hitung nilai uji kruskal-wallis menggunakan rumus yang sesuai.
3) Tentukan derajat kebebasan (df) dari uji kruskal-wallis.
4) Tentukan nilai signifikansi (α) yang digunakan.
5) Tentukan nilai kritis (H0 ditolak jika nilai uji > nilai kritis).
6) Tentukan kesimpulan dari uji kruskal-wallis.
d. Contoh
k 2 k
12 1 n1 (N + 1) 12 Ri2
H= ∑ (R1 ) atau H = ∑ − 3(N + 1)
N(N + 1) n1 2 N(N + 1) n1
i=1 i=1
(Sulisetijono, 2016).
Distribusi merupakan alat bagi seorang peneliti untuk menentukan apa yang dapat
peneliti harapkan, apabila asumsi-asumsi yang dibuat oleh peneliti benar. Distribusi
memungkinkan para pembuat keputusan untuk memperoleh dasar logika yang kuat di
dalam keputusan, dan sangat berguna sebagai dasar pembuatan ramalan berdasarkan
informasi yang terbatas atau pertimbangan-pertimbangan teoritis, serta berguna pula
untuk menghitung probabilitas terjadinya suatu kejadian (Hadi dkk., 2018).
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 18
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2.4.1 Binomial
a. Definisi
Distribusi binomial adalah suatu distribusi peluang yang menggunakan variabel
acak diskrit, yang terdiri dari dua kejadian yang berkomplemen, seperti sukses-gagal,
baik-cacat.
b. Contoh
Suatu eksperimen binomial, yang terdiri dari pengambilan satu bola secara acak
dari kotak yang berisi 30 bola merah (30M) dan 70 bola putih (70P). Y adalah variabel
acak dengan nilai sebagai berikut.
Y = 1, kalau bola merah yang terambil
Y = 0, kalau bola putih yang terambil
P(M) = p = probabilitas untuk mendapatkan bola merah (sukses)
30
= 0,30
100
a. Definisi
Distribusi poisson adalah pengembangan dari distribusi binomial yang mampu
mengkakulasikan distribusi probabilitas dengan kemungkinan sukses (p) sangat kecil
dan jumlah eksperimen (n) sangat besar.
b. Contoh
Misalnya peluang seseorang akan dapat reaksi buruk setelah minum satu butir
obat penenang besarnya 0,0005. Dari 4000 orang yang minum obat penenang tersebut,
dapat ditentukan peluang yang mendapatkan reaksi: (a) tidak ada; (b) ada dua orang;
dan (c) lebih dari dua orang.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 19
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Untuk menentukan peluang tidak ada orang yang mendapat reaksi buruk (dalam hal ini
x = 0), dengan menggunakan pendekatan distribusi poisson λ = p = 0,0005 = 2. Jika x =
banyaknya orang yang mendapatkan reaksi buruk, maka:
eλ λx
P(0) =
x!
2,7183−z 20
P(0) =
0!
P(0) = 0,1353
Untuk menentukan peluang 2 orang yang mendapatkan reaksi buruk (dalam hal ini x =
2), sehingga:
eλ λx
P(0) =
x!
2,7183−z 20
P(0) =
2!
P(0) = 0,2706
Untuk menentukan peluang lebih dari 2 orang yang mendapatkan reaksi buruk (dalam
hal ini x = 3, 4, 5, dan seterusnya). Diketahui P(0) = P(1) = P(2) = P(3) + ... + P(n) = 1
= –P(0) – P(1) – P(2), maka :
e−1 λx
P(1) =
1!
2,7183−z 20
P(1) =
2!
P(1) = 0,2706
Sedangkan peluang yang dicari adalah : 1 – (0,1353 + 0,2706 + 0,2706) = 0,3235.
(Hadi dkk., 2018).
a. Definisi
Distribusi eksponensial negatif merupakan distribusi yang mempunyai laju
probabilitas yang tetap terhadap waktu dimana distribusi ini merupakan distribusi yang
paling dikenal dan digunakan secara luas.
b. Contoh
Berapakah probabilitas sebuah kedatangan dalam setiap 10 menit, jika diketahui
=1 dan x=2 (2 interval 5 menit) adalah.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 20
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Jawab :
P(x = 2) = 1 − e−1(2) = 1 − 0.135 = 0,865
Jadi, probabilitas sebuah kedatangan dalam setiap 10 menit adalah 0,865
(Purwanto, 2013).
a. Definisi
Distribusi normal merupakan distribusi teoritis dari variabel random kontinum.
Distibusi normal adalah distribusi kontinu yang sangat penting dalam statistik dan
banyak dipakai memecahkan persoalan.
b. Contoh
Misalnya hitung P (X < 1,25) pada taraf signifikansi 0,05? Cara penyelesaian
adalah lihat pada Tabel Distribusi Normal (Lampiran 4), carilah angka 1,2 pada kolom
paling kiri. Selanjutnya, carilah angka 0,05 pada baris paling atas. Sel para pertemuan
kolom dan baris tersebut adalah 0,8944. Dengan demikian P (X < 1,25) adalah 0,8944
(Hadi dkk., 2018).
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 21
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
b. Contoh Penerapan
Seorang bidan desa menyatakan bahwa rata-rata setiap bulan dia merujuk pasien
ke Puskesmas sebanyak 40 orang. Pihak Puskesmas ingin menguji pernyataan bidan
tersebut pada derajat kemaknaan 0,05. Untuk itu diambil sampel secara acak sebanyak
3 bulan dan diperoleh rata-rata 38 orang dengan varian 4 orang.
(Gujarati, 2009).
Tingkat kepercayaan atau disebut juga confidence interval atau risk level
didasarkan pada gagasan yang berasal dari Teorema Batas Sentral (Central Limit
Theorem). Tingkat kepercayaan adalah salah satu konsep penting dalam statistik yang
digunakan untuk mengukur seberapa yakin kita dalam membuat kesimpulan dari suatu
data atau hasil penelitian. Dalam statistik, kita sering kali menggunakan sampel untuk
membuat kesimpulan tentang populasi yang lebih besar. Tingkat kepercayaan adalah
ukuran yang digunakan untuk menunjukkan seberapa yakin kita dalam kesimpulan
tersebut. Berdasarkan teorema tersebut: apabila suatu populasi secara berulang-ulang
ditarik sampel, maka nilai rata- rata atribut yang diperoleh dari sampel-sampel tersebut
sejajar dengan nilai populasi yang sebenarnya.
a. Definisi
Tingkat kepercayaan adalah ukuran keyakinan sang peneliti yang dinyatakan
dalam persentase bahwa ia sanggup mengambil resiko bahwa sesuatu itu dapat terjadi,
apakah 95%, 99% dan lain-lain.
b. Contoh Penerapan
Serikat perwakilan Bottle Blowers of America (BBA) sedang mempertimbangkan
proposal untuk bergabung dengan Serikat Teamsters. Menurut anggaran rumah tangga
serikat BBA, sedikitnya ¾ anggota serikat harus menyetujui merger apapun. Sampel
acak 2.000 anggota BBA saat ini menunjukkan bahwa 1.600 diantaranya akan
menyetujui proposal merger tersebut
(Sugiyono, 2010).
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 22
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Uji hipotesis merupakan bagian dari statistik inferensia yang bertujuan untuk
menarik kesimpulan mengenai suatu populasi berdasarkan data yang diperoleh dari
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 23
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
sampel populasi tersebut. Dalam statistik, uji hipotesis adalah sebuah cara kita untuk
menguji apakah survey atau pengamatan yang kita lakukan memberikan hasil yang
bermakna.
Uji hipotesis untuk variasi populasi dilakukan dengan menggunakan distribusi chi
square. Dalam menentukan nilai-nilai kritis dan nilai P, uji hipotesis ini berbeda dengan
uji-uji hipotesis lainnya karena akibat dari karakteristik distribusi chi square yang tidak
simetris. Contohnya adalah sebuah meriam harus memiliki ketepatan menembak dengan
variasi yang minimum. Spesifikasi dari pabrik senjata menyebutkan bahwa standar
deviasi dari ketepatan menembak meriam jenis tersebut maksimum adalah 4 meter.
Untuk menguji hal tersebut, diambil sampel sebanyak 16 meriam dan diperoleh hasil s2
yaitu 24 meter.
Terdapat dua metode untuk menguji klaim mengenai proporsi populasi. Metode
pertama menggunakan distribusi normal sebagai pendekatan untuk distribusi binomial,
sedangkan metode kedua menggunakan distribusi binomial secara langsung. Suatu
klaim mengenai proporsi populasi bisa diuji dengan memanfaatkan model distribusi
normal sebagai pendekatan terhadap distribusi binomial. Jika model distribusi normal
tersebut tidak bisa digunakan, maka uji hipotesis masih bisa dilakukan tetapi dengan
menggunakan distribusi binomial secara langsung. Contohnya adalah Pada tahun 2017,
lebih dari 91,2% warga Indonesia menilai Tentara Nasional Indonesia (TNI) sebagai
institusi dengan citra yang baik.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 24
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Hipotesis Alternatif (H1) adalah pernyataan yang sama dengan parameter populasi
yang sama dengan yang digunakan dalam hipotesis nol. Biasanya hipotesis ini
merupakan pernyataan yang menyatakan bahwa parameter populasi tersebut memiliki
nilai yang berbeda dari pernyataan yang telah disebutkan dalam hipotesis nol. Hipotesis
alternatif merupakan hipotesis yang kita cari bukti untuk mendukungnya. Contohnya
klaim awal menyatakan bahwa proporsi wisatawan dari negara Cina yang datang ke
Indonesia adalah sedikitnya 13,5% atau 0,135. Klaim ini bisa dinyatakan menjadi p ≥
0,135. Jadi, hipotesis alternatifnya adalah 𝐻1 ∶ 𝑝 < 135
(Hadi dkk., 2017).
Uji heteroskedasitas merupakan varian residual yang tidak sama pada semua
pengamatan dalam model regresi. pada regresi yang baik seharusnya tidak terjadi
heteroskedasitas. Adapun definisi dari uji heteroskesdastisitas yaitu sebagai berikut.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 25
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2.9.1 Definisi
2.9.2 Tujuan
Uji homogenitas merupakan uji kesamaan dua varians guna menguji sebaran data
yang dijadikan objek. sebaran data yang diuji akan dilihat persebarannya apakah
homogen maupun tidak dengan membandingkan kedua variansinya. Adapun definisi
dari uji homogenitas yaitu sebagai berikut.
2.10.1 Definisi
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 26
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2.10.2 Tujuan
Uji homogenitas bertujuan untuk mengetahui apakah dua atau lebih kelompok
data sampel yang diambil berasal dari populasi yang memiliki variansi yang sama atau
tidak.
2.10.3 Prosedur
Teknik prosedur homogenitas salah satunya ialah uji harley. Uji Harley
merupakan uji homogenitas variansi yang sangat sederhana karena cukup
membandingkan variansi terbesar dengan variansi terkecil. Uji homogenitas variansi
dengan rumus Harley bisa digunakan jika jumlah sampel antar kelompok sama Misal
ada dua populasi normal dengan varians σ12 dan σ22 . Akan diuji mengenai uji dua pihak
untuk pasangan hipotesis :
Ho : σ12 = σ22
H1 : σ12 ≠ σ22
Statistik yang akan digunakan pada pengujian hiptesis H0 adalah:
varians terbesar
F= (8)
varians terkecil
Dimana,
H0 ditolak jika Fhitung ≥ F 1 (9)
2a(v1 v2 )
Uji normalitas adalah teknik statistik yang digunakan untuk mengevaluasi apakah
suatu data atau variabel terdistribusi secara normal atau tidak. Distribusi normal, atau
disebut juga sebagai distribusi Gauss atau distribusi bell-shaped, merupakan distribusi
yang simetris dengan nilai mean, median, dan modus yang sama. Uji normalitas
biasanya dilakukan pada data atau variabel yang akan digunakan dalam analisis statistik,
seperti regresi, ANOVA, atau uji hipotesis. Tujuan dari uji normalitas adalah untuk
memastikan bahwa data atau variabel yang digunakan memenuhi asumsi normalitas,
sehingga analisis statistik yang dilakukan dapat diandalkan dan akurat.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 27
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
a. Definisi
Menurut (Hadi dkk., 2017), uji normalitas merupakan sebuah uji yang diperlukan
untuk menjawab pertanyaan apakah syarat sampel yang representatif terpenuhi atau
tidak, sehingga hasil penelitian dapat digeneralisasi pada populasi atau dapat mewakili
populasi.
b. Tujuan
Uji normalitas bertujuan untuk mengetahui apakah masing-masing variabel
berdistribusi normal atau tidak. Uji normalitas diperlukan karena untuk melakukan
pengujian-pengujian variabel lainnya dengan mengasumsikan bahwa nilai residual
mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik menjadi tidak
valid dan statistik parametrik tidak dapat digunakan.
c. Manfaat
Manfaat Uji distribusi normalitas atau biasa dikenal dengan istilah uji normalitas
dapat digunakan untuk mengukur apakah data yang telah didapatkan berdistribusi
normal atau tidak sehingga dapat digunakan dalam statistik inferensia
(Antara dkk., 2014).
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 28
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Dimana,
F0 (x) = Distribusi frekuensi komulatif teoritis.
sin (x) = Distribusi frekuensi komulatif skor observasi.
(Quraisy, 2020).
b. Uji Lilliefors
Uji Liliefors merupakan salah satu uji statistika yang digunakan untuk menguji
normalitas data, yaitu apakah data tersebut berdistribusi normal atau tidak. Uji Liliefors
digunakan untuk data tunggal, bukan data kelompok. Uji normalitas data dengan
Liliefors hampir sama dengan menggunakan uji Kolmogorov Smirnov, hanya saja pada
uji Liliefors digunakan tabel Liliefors. Uji Lilliefors menggunakan data dasar yang
belum diolah dalam tabel distribusi frekuensi. Data ditransformasikan dalam nilai z
untuk dapat dihitung luasan kurva normal sebagai probabilitas kumulatif normal.
Adapun persamaan uji Liliefors adalah sebagai berikut.
x−x̅
Zi = (11)
SD
Dimana,
Zi = Transformasi ke angka pada distribusi normal.
x = Angka pada data
x̅ = Nilai rata-rata (mean)
SD = Standar deviasi
(Oktaviani dan Notobroto, 2014).
c. Uji Chi-Square
Chi-square disebut juga dengan Kai Kuadrat. Uji chi-square adalah salah satu
jenis uji komparatif non-parametris yang dilakukan pada dua variabel, di mana skala
data kedua variabel adalah nominal. Apabila dari 2 variabel, ada 1 variabel dengan skala
nominal maka dilakukan uji chi-square dengan merujuk bahwa harus digunakan uji
pada derajat yang terendah. Uji chi-square dapat dirumuskan sebagai berikut :
(Oi −Ei )2
X2 = ∑ (12)
Ei
d. Uji Saphiro-Wilk
Metode shapiro wilk adalah metode uji normalitas yang efektif dan valid
digunakan untuk sampel berjumlah kecil. Menurut Razali, N.M & Wah, Y.B. (dalam
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 29
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Quraisy, 2020) menyatakan bahwa uji Shapiro dan Wilk awalya dibatasi untuk ukuran
sampel yang kurang dari 50. Uji ini merupakan uji pertama yang mampu mendeteksi
kenormalan data berdasarkan skewness dan kurtosis atau keduanya. Berikut perumusan
untuk uji Shapiro-Wilk :
(∑n ay)
w = ( ∑ni=1(y iy)i 2 ) (13)
i=1 i
Dimana,
yi = Nilai data atau urutan data ke – i
𝑦̅ = Rata-rata sampel
mT v−1
ai = (a1,………….,an ) = (mT v−1v−1m)
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 30
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Uji linearitas adalah salah satu teknik statistik yang digunakan untuk
mengevaluasi apakah hubungan antara dua variabel dalam suatu model regresi adalah
linier atau tidak. Uji linearitas biasanya dilakukan pada model regresi linear sederhana
atau ganda, di mana variabel dependen dijelaskan oleh satu atau lebih variabel
independen.
a. Definisi
Uji Linearitas merupakan suatu perangkat uji yang diperlukan untuk mengetahui
bentuk hubungan yang terjadi di antara variabel yang sedang diteliti. Uji ini dilakukan
untuk melihat hubungan dari dua buah variabel yang sedah diteliti apakah ada hubungan
yang linear dan signifikan. Uji linearitas merupakan pra syarat penggunaan analisis
regresi dan korelasi.
b. Tujuan
Uji Linearitas dilakukan bertujuan untuk mengetahui hubungan antara variabel
bebas dan tak bebas apakah linear atau tidak. Linear diartikan hubungan seperti garis
lurus. Uji linearitas umumnya digunakan sebagai persyaratan analisis bila data
penelitian akan analisis menggunakan regresi linear sederhana atau regresi linear
berganda. Pengujian ini dimaksudkan untuk mengetahui apakah hubungan antara
variabel-variabel bebas dan tak bebas penelitian tersebut terletak pada suatu garis lurus
atau tidak.
(Widana dan Muliani, 2020)
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 31
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
c. Prosedur
Adapun prosedur dari uji linearitas yakni :
1) Menentukan variabel bebas dan variabel terikat. Variabel bebas adalah
variabel yang digunakan untuk memprediksi variabel terikat. Variabel terikat
adalah variabel yang akan diprediksi.
2) Memvisualisasikan data. Data dapat divisualisasikan dengan menggunakan
diagram pencar (scatterplot) untuk mengetahui bentuk hubungan antara
kedua variabel. Jika hubungan antara kedua variabel adalah linier, maka
diagram pencar akan menunjukkan pola sebaran data yang membentuk suatu
garis lurus.
3) Melakukan uji asumsi. Sebelum melakukan uji linearitas, perlu dilakukan uji
asumsi terlebih dahulu untuk memastikan bahwa data yang digunakan
memenuhi asumsi normalitas, homogenitas, dan independensi.
4) Membuat model regresi. Model regresi linier dapat dibuat dengan
menggunakan perangkat lunak statistik seperti SPSS, R, atau Excel. Model
regresi ini akan memberikan nilai koefisien determinasi (R-square) yang
menunjukkan seberapa besar variabilitas variabel terikat yang dapat
dijelaskan oleh variabel bebas.
5) Melakukan uji linearitas. Uji linearitas dapat dilakukan dengan menggunakan
uji Durbin-Watson atau uji Ramsey RESET. Uji Durbin-Watson digunakan
untuk menguji apakah ada ketergantungan antara nilai residual yang terdapat
pada model regresi. Jika nilai uji Durbin-Watson mendekati 2, maka dapat
disimpulkan bahwa tidak terdapat ketergantungan antara nilai residual. Uji
Ramsey RESET digunakan untuk menguji apakah hubungan antara variabel
bebas dan terikat bersifat linier.
6) Menafsirkan hasil uji. Jika hasil uji linearitas menunjukkan bahwa hubungan
antara kedua variabel bersifat linier, maka model regresi linier dapat
digunakan untuk memprediksi nilai variabel terikat berdasarkan nilai variabel
bebas. Namun, jika hasil uji linearitas menunjukkan bahwa hubungan antara
kedua variabel tidak bersifat linier, maka model regresi linier tidak dapat
digunakan dan perlu dilakukan transformasi data atau menggunakan model
regresi non-linier.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 32
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
(Widhiarso, 2010).
Uji kecukupan data, juga dikenal sebagai uji sampel size, adalah teknik statistik
yang digunakan untuk menentukan apakah jumlah data yang digunakan dalam
penelitian sudah cukup besar atau belum. Tujuan dari uji kecukupan data adalah untuk
memastikan bahwa sampel yang digunakan dalam penelitian dapat memberikan hasil
yang valid dan dapat diandalkan.
a. Definisi
Uji kecukupan data adalah proses pengujian yang dilakukan terhadap data
pengukuran untuk mengetahui apakah data yang diambil untuk penelitian sudah
mencukupi untuk dilakukan perhitungan waktu baku. Uji kecukupan data dapat
dilakukan dengan berbagai metode, seperti menggunakan perangkat lunak statistik yang
tersedia atau menghitung power analysis secara manual. Hasil dari uji kecukupan data
dapat membantu peneliti menentukan apakah perlu menambah sampel atau memperoleh
data tambahan untuk mencapai ukuran sampel yang diinginkan.
b. Tujuan
Tujuan dari uji kecukupan data adalah untuk memastikan bahwa sampel yang
digunakan dalam penelitian dapat memberikan hasil yang valid dan dapat diandalkan.
Dalam hal ini, pengambilan sampel yang cukup besar dapat membantu meningkatkan
kemungkinan bahwa hasil penelitian akan mewakili populasi yang lebih besar secara
keseluruhan. Uji kecukupan data bertujuan untuk mengetahui apakah data hasil
pengukuran dengan tingkat kepercayaan dan tingkat ketelitian tertentu jumlahnya telah
memenuhi atau tidak.
c. Prosedur
Pengukuran kerja biasanya diambil 95% tingkat keyakinan dan 5% derajat
ketelitian. Hal ini berarti bahwa sekurang-kurangnya 95 dari 100 rata-rata dari waktu
dicatat atau diukur untuk suatu elemen kerja akan memiliki penyimpangan lebih dari
5% dengan demikian formula yang digunakan sebagai berikut:
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 33
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
k 2
√N ∑ x2 - ( ∑ x)
s
N' = ( ∑x
) (14)
Dimana,
K = Tingkat keyakinan (99% ≈ 3, 95% ≈ 2)
S = Derajat ketelitian
N = Jumlah data pengamatan
N’ = Jumlah data teoritis
x = Data pengamatan
Adapun prosedur dari uji kecukupan data yakni :
1) Tentukan Ukuran Sampel Yang Diinginkan.
Ukuran sampel yang cukup besar akan memungkinkan peneliti untuk
memperoleh hasil yang lebih akurat dan dapat diandalkan. Ukuran
sampel yang diinginkan dapat ditentukan berdasarkan kriteria yang
ditetapkan, seperti effect size, tingkat signifikansi, dan power.
2) Hitung Power Analysis
Power analysis adalah metode statistik yang digunakan untuk
menghitung ukuran sampel yang diperlukan untuk mencapai tingkat
kepercayaan tertentu. Power analysis mempertimbangkan beberapa
faktor, seperti effect size, level of significance, dan power, untuk
menghitung ukuran sampel yang optimal.
3) Lakukan Uji Kecukupan Data
Setelah ukuran sampel yang diinginkan dan power analysis dihitung,
selanjutnya adalah melakukan uji kecukupan data untuk memastikan
bahwa ukuran sampel sudah cukup besar. Uji kecukupan data dapat
dilakukan dengan menggunakan perangkat lunak statistik seperti
G*Power atau R.
4) Analisis hasil uji kecukupan data
Setelah uji kecukupan data dilakukan, hasilnya harus dianalisis untuk
menentukan apakah ukuran sampel sudah cukup besar atau perlu
ditambah. Jika hasilnya menunjukkan bahwa ukuran sampel sudah cukup
besar, maka peneliti dapat melanjutkan dengan pengolahan data. Namun,
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 34
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Uji keseragaman data, atau uji homogenitas, adalah teknik statistik yang
digunakan untuk mengevaluasi apakah variasi data dari dua atau lebih kelompok
memiliki perbedaan yang signifikan. Uji ini umumnya digunakan dalam penelitian yang
melibatkan pengumpulan data dari beberapa kelompok atau populasi yang berbeda.
Tujuan dari uji keseragaman data adalah untuk menentukan apakah kelompok-
kelompok tersebut memiliki variasi data yang sama atau tidak, dan apabila ada
perbedaan, seberapa besar perbedaannya.
a. Definisi
Uji keseragaman data adalah uji yang dilakukan untuk mengetahui apakah hasil
pengukuran waktu cukup seragam. Suatudata dikatakan seragam apabila barada dalam
rentang batas kontrol tertentu. Jika data tersebut berada diluar rentang batas kontrol
tertentu, maka dikatakan tidak seragam. Rentang batas kontrol tersebut adalah Batas
Kontrol Atas (BKA) dan Batas Kontrol Bawah (BKB).
b. Tujuan
Uji keseragaman data Pengujian keseragaman data dilakukan untuk mengetahui
yaitu, homogenitas data, apakah berasal dari suatu populasi yang sama, data ekstrim
atau yang berada di luar batas harus dihilangkan dan tidak perlu disertakan dalam
perhitungan.
c. Prosedur
Adapun prosedur dari uji keseragaman data yakni :
1) Tentukan kelompok atau populasi yang akan dibandingkan. Pastikan bahwa
kelompok-kelompok tersebut berbeda dalam satu atau beberapa variabel
tertentu.
2) Pilih metode statistik yang tepat. Ada beberapa metode statistik yang dapat
digunakan untuk melakukan uji keseragaman data, seperti uji Levene, uji
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 35
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2.15 Regresi
Regresi merupakan pengukur hubungan dua variabel atau lebih yang dinyatakan
dengan bentuk hubungan/fungsi. Diperlukan pemisahan yang tegas antaravariabel bebas
dan variabel terikat, biasanya disimbolkan dengan x dan y. Pada regresi harus ada
variabel yang ditentukan dan variabel yang menentukan atau dengan kata lain, adanya
ketergantung- an antara variabel yang satu dan variabel lainnya. Kedua variabel dalam
regresi biasanya bersifat kausal atau sebab akibat yaitu saling berpengaruh. Dengan
demikian, regresi merupakan bentuk fungsi tertentu antara variabel terikat y dan
variabel bebas x atau dapat dinyatakan bahwa regresi adalah sebagai suatu fungsi y =
f(x). Bentuk regresi tergantung pada fungsi atau persamaan yang dimilikinya. Adapun
definisi dari regresi yaitu sebagai berikut.
2.15.1 Definisi
Regresi merupakan suatu kajian yang dilakukan untuk mencari hubungan satu
variabel yang disebut sebagai variabel yang diterangkan (the explained variable) dengan
satu atau dua variabel yang menerangkan (the explanatory variable). Variabel pertama
disebut juga sebagai variabel terikat dan variabel kedua disebut juga sebagai variabel
bebas.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 36
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2.15.2 Tujuan
Tujuan dari regresi adalah untuk mempelajari hubungan antara satu atau lebih
variabel independen (biasanya disebut sebagai "variabel prediktor" atau "variabel X")
dan satu variabel dependen (biasanya disebut sebagai "variabel respons" atau "variabel
Y"). Regresi digunakan untuk memahami bagaimana variabel independen
mempengaruhi variabel dependen, dan untuk memprediksi nilai variabel dependen
berdasarkan nilai variabel independen yang diberikan. Dalam analisis regresi, variabel
independen digunakan untuk memprediksi atau menjelaskan nilai variabel dependen.
Dalam banyak kasus, variabel independen memiliki nilai yang dapat diubah atau
dikendalikan (misalnya, usia, suhu, atau waktu), sementara variabel dependen memiliki
nilai yang tidak dapat diubah (misalnya, berat badan, tekanan darah, atau harga saham).
Regresi dapat digunakan dalam berbagai bidang seperti ekonomi, bisnis, ilmu sosial,
psikologi, kedokteran, dan ilmu pengetahuan alam. Tujuan utama dari regresi adalah
untuk menemukan model matematika yang dapat menjelaskan hubungan antara variabel
independen dan variabel dependen dengan akurasi dan presisi yang tinggi, sehingga
model tersebut dapat digunakan untuk memprediksi nilai variabel dependen untuk nilai
variabel independen yang belum diketahui.
(Suyono, 2018).
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 37
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2.16 Korelasi
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 38
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
seberapa kuat hubungan antara dua variabel dan apakah hubungan tersebut positif,
negatif, atau tidak ada hubungan sama sekali. Korelasi seringkali digunakan untuk
menganalisis hubungan antara dua variabel yang berbeda, seperti hubungan antara
tinggi badan dan berat badan seseorang, atau hubungan antara usia dan pendapatan.
a. Definisi
Menurut Supardi, analisa korelasi merupakan suatu bentuk analisis inferensial
yang digunakan untuk mengetahui derajat atau kekuatan hubungan, bentuk atau
hubungan kausal dan hubungan timbal balik diantara variabel-variabel penelitian
(Ananda dan Fadhli, 2018).
b. Tujuan
Analisis korelasi bertujuan untuk mengetahui keeratan hubungan (kuat-lemahnya)
hubungan antara variabel bebas X dengan variabel terikat Y, tanpa melihat bentuk
hubungannya, apakah linear atau tan-linear. Kuat lemahnya korelasi dapat dilihat dari
koefisien korelasinya
(Wirawan, 2016).
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 39
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
dikembangkan oleh Karl Pearson. Disebut Product Moment Correlation, karena angka
korelasinya merupakan hasil perkalian atau product dari moment-moment variabel yang
dikorelasikan (Product of the Moment).
d. Korelasi Rank/Spearman
Korelasi Rank/Spearman Teknik korelasi Rank/Spearman digunakan apabila data
yang diteliti merupakan data ordinal. Berbeda halnya dengan korelasi Pearson (product
moment) yang didasarkan atas hubungan linear maka korelasi Rank/Spearman tidak
memperhatikan hubungan linear antara kedua variabel yang dicari korelasinya.
e. Korelasi Kendall’s Tau
Korelasi Kendall’s Tau digunakan untuk menganalisis korelasi antara data ordinal
dengan data ordinal.
f. Korelasi Parsial
Korelasi parsial digunakan apabila dua variabel yang sedang diselidiki korelasi
terdiri dari variabel deskrit dan masin-masing hanya terdiri dari dua kategori misalnya
laki-laki perempuan, hidup-mati, lulus-tidak lulus, dan lain-lain.
g. Korelasi Kontigensi
Korelasi Kontigensi (KK) digunakan untuk menyelidiki hubungan antara dua
variabel yang masing-masing variabel dinyatakan dalam bentuk kualitatif.
h. Korelasi Poin Berserial
Korelasi point biserial digunakan apabila dua variabel yang akan dicari korelasi
terdiri dari variabel minimal deksrit (terbagi dua) dan variabel interval/rasio.
i. Korelasi Kanonik
Korelasi kanonik fokus pada korelasi antara kombinasi linear dan himpunan
variabel dependen y’= (y1,y2,...yp) dengan kombinasi linear dari himpunan variabel
independen x’= (x1,x2,...xq). Ide analisis ini adalah menentukan pasangan dari
kombinasi linear ini yang memiliki korelasi terbesar
(Ananda & Fadhli, 2018).
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 40
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2.17.1 Definisi
2.17.2 Tujuan
2.17.3 Rumus
ΣU2i
R2 = (15)
ΣY2i
Dimana,
R2 = Koefisien Determinan
Ui = Nilai Residual
Yi = Nilai Observasi
(Perdana & Rosadi, 2015).
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 41
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2.17.4 Contoh
Diketahui sebuah data a = 249, 96; b = -12,43; ∑ Yi = 330; ∑ Yi2 = 24. 100 ; ∑ Xi Yi
̅ = 66 dan n = 5 didapatkan,
= 4.700; Y
̅ )2
a ∑ Yi + b ∑ Xi Yi − n(Y
r2 = ∑ Yi2 − n(Y̅ )2
249,96(330)−12,43(4.700)−5(66)2
r2 =
24.100−5(66)2
8.2486,8−58.421−21.780
r2 =
24.100−21.780
2.285,8
r2 = = 0,98
2320
(Wirawan, 2016).
Daerah kritis adalah wilayah di sebelah kiri dan/atau kanan kurva distribusi yang
digunakan dalam pengujian hipotesis. Wilayah ini memungkinkan peneliti untuk
menentukan apakah hipotesis nol (H0) harus ditolak atau tidak. Dalam pengujian
hipotesis, hipotesis nol adalah pernyataan yang akan diuji, sementara hipotesis alternatif
(H1) adalah kebalikan dari hipotesis nol Daerah kritis dihitung berdasarkan tingkat
signifikansi dan uji statistik yang digunakan dalam pengujian hipotesis.
2.18.1 Definisi
Daerah kritis merupakan nilai ekstrim yang tidak konsisten sebagaimana yang
ditetapkan dengan taraf signifikansi, membatasi suatu wilayah di bawah kurva normal,
yang dinamakan daerah kritis. Daerah kritis meliputi nilainilai ekstrim pada kedua ujung
distribusi menyatakan besarnya kemungkinan yang tidak konsisten dengan hipotesis
nol, yaitu peristiwa yang paling kecil kemungkinan terjadi jika hipotesis nol diterima.
Jika data dari suatu penelitian menghasilkan nilai yang terletak di daerah kritis, maka
disimpulkan bahwa data tersebut tidak konsisten dengan hipotesis nol, dan hipotesis nol
tersebut ditolak (Lolang, 2015).
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 42
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2.18.2 Prosedur
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 43
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2) Gambar
Dari gambar tersebut, terdapat satu daerah penolakan hipotesis nol di kiri,
dan secara statistik disebut pengujian satu arah atau satu pihak.
Daerah kritis adalah wilayah di sebelah kiri dan/atau kanan kurva distribusi yang
digunakan dalam pengujian hipotesis. Wilayah ini memungkinkan peneliti untuk
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 44
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
menentukan apakah hipotesis nol (H0) harus ditolak atau tidak. Dalam pengujian
hipotesis, hipotesis nol adalah pernyataan yang akan diuji, sementara hipotesis alternatif
(H1) adalah kebalikan dari hipotesis nol. Daerah kritis dihitung berdasarkan tingkat
signifikansi dan uji statistik yang digunakan dalam pengujian hipotesis. Tingkat
signifikansi adalah tingkat kesalahan yang dapat diterima dalam menguji hipotesis nol,
sementara uji statistik adalah nilai yang digunakan untuk mengukur seberapa jauh hasil
pengamatan dari nilai hipotesis nol yang diharapkan.
2.19.1 Definisi
Diagram pencar atau disebut juga peta korelasi adalah grafik yang menampilkan
hubungan atara dua variabel apakah hubungan antara dua variabel tersebut kuat atau
tidak, yaitu antara faktor proses yang mempengaruhi proses dengan kualitas produk.
Pada dasarnya diagram sebar merupakan suatu alat interpretasi data yang digunakan
untuk menguji bagaimana kuatnya hubungan antara dua variabel dan menentukan jenis.
2.19.2 Tujuan
Bentuk diagram pencar terdiri dari beberapa jenis. Adapun jenis-jenis diagram
pencar yaitu sebagai berikut.
a. Diagram Pencar Linier Positif
Diagram pencar linear ini memiliki hubungan yang saling sejalan dan membentuk
garis lurus dari persamaan yang didapatkan. Dimana apabila nilai X naik maka nilai Y
juga ikut naik.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 45
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 46
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB III
METODOLOGI PRAKTIKUM
Adapun subjek atau fenomena yang menjadi fokus penelitian serta waktu
praktikumnya yaitu sebagai berikut :
a. Objek Praktikum
Pada praktikum ini, yang menjadi objek praktikum yaitu pengaruh optimisme
belajar, metode pembelajaran, dan mutu lingkungan sosial terhadap tingkat
prestasi (IPK) mahasiswa Fakultas Pertanian Universitas Hasanuddin.
b. Waktu Praktikum
Praktikum dilaksanakan pada tanggal 30-31 Maret 2022.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 47
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Adapun beberapa alat dan bahan yang digunakan dalam praktikum adalah sebagai
berikut :
a. Observation sheet, berfungsi sebagai tempat untuk mencatat data yangsudah
diukur.
b. Alat tulis berupa bolpoin ataupun sejenisnya.
c. Kamera ataupun media yang bisa dijadikan sebagai alat dokumentasi.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 48
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB IV
PENGOLAHAN DATA
Data yang diperoleh dalam penelitian ini berasal dari responden yang mengisi
kuesioner. Kuesioner tersebut diberikan kepada 200 responden yang merupakan
mahasiswa Fakultas Pertanian Universitas Hasanuddin, dengan tujuan untuk
mengetahui tingkat prestasi, optimisme belajar, metode pembelajaran, dan lingkungan
sosial bebas yang berpengaruh pada hasil prestasi mahasiswa (IPK) dengan
menggunakan skala likert 1-5 untuk skala 1 menunjukan sangat tidak setuju dan skala 5
menunjukansangat setuju. Data yang diolah merupakan data yang telah ditambahan tiga
(+3) dari data asli. Berikut adalah hasil data dari kuesioner yang telah terkumpul.
Tabel 4 Data Responden
Y X1 X2 X3
No
(Tingkat Prestasi) (Optimisme Belajar) (Metode Pembelajaran) (Mutu Lingkungan Sosial)
1 6 7 8 8
2 7 6 8 7
3 6 7 6 7
4 7 7 8 8
5 6 6 8 8
6 6 7 8 7
7 7 6 8 7
8 6 6 4 8
9 6 7 7 7
10 7 7 6 8
11 8 6 7 7
12 7 7 6 7
13 7 7 7 7
14 7 6 6 6
15 7 7 7 8
16 6 7 8 6
17 7 6 5 8
18 6 6 7 8
19 6 6 7 6
20 6 6 7 7
21 6 6 7 4
22 7 7 7 8
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 49
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 50
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 51
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 52
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 53
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 54
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
b. Kedua, Masukkan nama dan variable pada menu variable view serta merubah
ukuran decimal menjadi 0 serta mengubah measure menjadi scale.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 55
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
c. Ketiga, ketuk menu data view dan muncul variable yang dimasukkan pada variable
view dan masukkan datanya sesuai dengan data yang diperoleh.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 56
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
f. Keenam, kemudian pilih plots > Masukan kode *SRESID pada Y dan *ZPRED pada
X, kemudian Next > lalu masukan kode *ZPRED pada Y dan kode DEPENDNT
pada X, kemudian klik Continue.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 57
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
g. Ketujuh, kemudian pilih Save > Centang Unstandardized pada menu Residuals lalu
klik Continue.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 58
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 59
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
k. Kesebelas, kemudian pilih Exact > tandai fitur Monte Carlo, lalu klik Continue.
Berdasarkan Gambar 12 diperoleh nilai Sig. pada uji normalitas untuk keempat data yaitu
variabel Y, X1, X2, dan X3 sebesar 0,293. Pada uji normalitas ini, digunakan fitur metode
Monte Carlo dikarenakan fitur Monte Carlo lebih cocok diterapkan untuk data dengan
jumlah yang banyak seperti pada pengujian kali ini. Berdasarkan hasil yang diperoleh, dapat
dilihat bahwa data memiliki nilai sig. diatas 0,293 > 0,05 yang menandakan bahwa data
tersebut terdistribusi normal.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 60
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Pengujian data statistik adalah proses untuk menguji keabsahan suatu hipotesis
yang diperoleh dari data statistik. Pengujian data statistik sering digunakan dalam
penelitian ilmiah untuk membuktikan atau menolak hipotesis tertentu. Berikut
merupakan pengujian statistik yang digunakan.
Regresi dan korelasi adalah dua konsep dasar dalam statistika yang digunakan
untuk mengukur hubungan antara dua atau lebih variabel. Regresi mengacu pada
penggunaan model matematika untuk memprediksi nilai variabel dependen berdasarkan
nilai variabel independen, sedangkan korelasi mengukur seberapa kuat hubungan linier
antara dua variabel. Berikut merupakan hasil dari perhitungan regresi dan korelasi.
a. Tabel Perhitungan Regresi dan Korelasi
Tabel 5 Perhitungan Regresi dan Korelasi
No Y X1 X2 X3 𝐗 𝟐𝟏 𝐗 𝟐𝟐 𝐗 𝟐𝟑 X 1X 2 X1X3 X2X3 X 1Y X2Y X3Y
1 6 7 8 8 49 64 64 56 56 64 42 48 48
2 7 6 8 7 36 64 49 48 42 56 42 56 49
3 6 7 6 7 49 36 49 42 49 42 42 36 42
4 7 7 8 8 49 64 64 56 56 64 49 56 56
5 6 6 8 8 36 64 64 48 48 64 36 48 48
6 6 7 8 7 49 64 49 56 49 56 42 48 42
7 7 6 8 7 36 64 49 48 42 56 42 56 49
8 6 6 4 8 36 16 64 24 48 32 36 24 48
9 6 7 7 7 49 49 49 49 49 49 42 42 42
10 7 7 6 8 49 36 64 42 56 48 49 42 56
11 8 6 7 7 36 49 49 42 42 49 48 56 56
12 7 7 6 7 49 36 49 42 49 42 49 42 49
13 7 7 7 7 49 49 49 49 49 49 49 49 49
14 7 6 6 6 36 36 36 36 36 36 42 42 42
15 7 7 7 8 49 49 64 49 56 56 49 49 56
16 6 7 8 6 49 64 36 56 42 48 42 48 36
17 7 6 5 8 36 25 64 30 48 40 42 35 56
18 6 6 7 8 36 49 64 42 48 56 36 42 48
19 6 6 7 6 36 49 36 42 36 42 36 42 36
20 6 6 7 7 36 49 49 42 42 49 36 42 42
21 6 6 7 4 36 49 16 42 24 28 36 42 24
22 7 7 7 8 49 49 64 49 56 56 49 49 56
23 6 6 5 7 36 25 49 30 42 35 36 30 42
24 6 7 6 8 49 36 64 42 56 48 42 36 48
25 6 7 7 6 49 49 36 49 56 42 42 42 36
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 61
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 62
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 63
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 64
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 65
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
b. Regresi
1) Persamaan Matriks
n Σx1 Σx2 Σx3 a ΣY
Σx1 Σx12 ΣX1 X2 ΣX1 X3 b ΣX1 Y
{ ΣX2 X3 } { c } = {ΣX2 Y}
Σx2 ΣX1 X2 Σx22
Σx3 ΣX1 X3 ΣX2 X3 Σx32 d ΣX3 Y
211 1342 1401 1403 a 1354
1342 8694 8986 8980 b
{ } { } = {8676}
1401 8969 9529 9366 c 9045
1403 8980 9366 9533 d 9064
2) Perhitungan Persamaan Matriks
n Σx1 Σx2 Σx3
Σx1 Σx12 ΣX1 X2 ΣX1 X3
A={ ΣX2 X3 }
Σx2 ΣX1 X2 Σx22
Σx3 ΣX1 X3 ΣX2 X3 Σx32
211 1342 1401 1403
1342 8694 8986 8980
A={ }
1401 8969 9529 9366
1403 8980 9366 9533
Det A = 1200474392
1354 1342 1401 1403
8676 8694 8986 8980
A1 = { }
9045 8969 9529 9366
9064 8980 9366 9533
ΣY Σx1 Σx2 Σx3
Σx1 Y Σx12 ΣX1 X2 ΣX1 X3
A1 = { ΣX2 X3 }
Σx2 Y ΣX1 X2 Σx22
Σx3 Y ΣX1 X3 ΣX2 X3 Σx32
Det A1 = 3055188870
n ΣY Σx2 Σx3
Σx1 Σx1 Y ΣX1 X2 ΣX1 X3
A2 = {Σx ΣX2 Y ΣX2 X3 }
2 Σx22
Σx3 ΣX3 Y ΣX 2 X3 Σx32
211 1354 1401 1403
1342 8676 8986 8980
A2 = { }
1401 9045 9529 9366
1403 9064 9366 9533
Det A2 = 332294830
n Σx1 ΣY Σx3
Σx1 Σx12 Σx1 Y ΣX1 X 3
A3 = { }
Σx2 ΣX1 X2 ΣX2 Y ΣX2 X3
Σx3 ΣX1 X3 ΣX3 Y Σx32
211 1342 1354 1403
1342 8694 8676 8980
A3 = { }
1401 8969 9045 9366
1403 8980 9064 9533
Det A3 = 153507952
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 66
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
n Σx1 Σx2 ΣY
Σx1 Σx12 ΣX1 X2 Σx1 Y
A4 = { }
Σx2 ΣX1 X2 Σx22 ΣX2 Y
Σx3 ΣX1 X3 ΣX2 X3 ΣX3 Y
211 1342 1401 1354
1342 8694 8986 8676
A4 = { }
1401 8969 9529 9045
1403 8980 9366 9064
Det A4 = 227935262
3) Perhitungan Persamaan Regresi
det A1
a=
det A
3055188870
a=
1200474392
a = 2,544
det A 2
b=
det A
332294830
b=
1200474392
b = 0,276
det A 3
c=
det A
153507952
c=
1200474392
c = 0,122
det A 4
d=
det A
227935262
d=
1200474392
d = 0,189
Jadi, diperoleh persamaan regresi yaitu :
Y = a ± b1 X1 ± b2 X2 ± b3 X3
Y = 2,544 ± 0,276X1 ± 0,122X 2 ± 0,189X3
c. Korelasi
1) Korelasi Parsial
nΣX1 Y − (ΣX1 )(ΣY)
rX1 Y =
√[nΣX12 − (ΣX1 )2 ][nΣY 2 − (ΣY)2 ]
211(8676) − (1342)(1354)
rX1 Y =
√[211(8694) − (1342)2 ][211(13542 ) − (1354)2 ]
rX1 Y = 0,003
nΣX2 Y − (ΣX2 )(ΣY)
rX2 Y =
√[nΣX22 − (ΣX2 )2 ][nΣY 2 − (ΣY)2 ]
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 67
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
211(9045) − (1401)(1354)
rX2 Y =
√[211(9529) − (1401)2 ][211(13542 ) − (1354)2 ]
rX2 Y = 0,002
nΣX3 Y − (ΣX3 )(ΣY)
rX3 Y =
√[nΣX32 − (ΣX3 )2 ][nΣY 2 − (ΣY)2 ]
211(9064) − (1403)(1354)
rX3 Y =
√[211(9533) − (1403)2 ][211(13542 ) − (1354)2 ]
rX3 Y = 0,003
(ΣX1 )(ΣY)
Σx1 y = ΣX1 Y −
n
(1342)(1354)
Σx1 y = 8676 −
211
Σx1 y = 64,303
(ΣX2 )(ΣY)
Σx2 y = ΣX2 Y −
n
(1401)(1354)
Σx2 y = 9045 −
211
Σx2 y = 54,696
(ΣX3 )(ΣY)
Σx3 y = ΣX3 Y −
n
(1403)(1354)
Σx3 y = 9064 −
211
Σx3 y = 60,862
(ΣY)2
Σy 2 = ΣY 2 −
n
(1354)2
Σy 2 = 13542 −
211
Σy 2 = 1824627
rX1 X2 X3 = 0,004
2) Perhitungan Korelasi Berganda
rX1 X2 X3 Y = 0,004
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 68
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
3) Kesimpulan
Nilai korelasi parsial berkisar pada −1 ≤ rxy ≤ 1. Dari hasil perolehan data
diperoleh nilai 0,004 yang dimana nilai mendekati 1 yang berarti korelasi
antara variabel ujinya lemah.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 69
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 70
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 71
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 72
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
b. Uji-T
1) Formula Hipotesis
a) Jika Thitung < Ttabel atau sig > 0,05 maka H0 diterima dan H1 ditolak, ini
berarti tidak ada pengaruh yang bermakna antara variabel X1, variabel X2,
dan variabel X3 terhadap variabel Y.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 73
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
b) Jika Thitung > Ttabel atau sig < 0,05 maka H0 diterima dan H1 diterima, ini
berarti ada pengaruh yang bermakna antara variabel X1, variabel X2, dan
variabel X3 terhadap variabel Y.
2) Tingkat Signifikansi
𝛼 = 0,05
3) Derajat Kebebasan
a) Df1 = 𝛼2
0,05
Df1 =
2
Df1 = 0,025
b) Df2 = n − k − 1
Df2 = 211 − 3 − 1
Df2 = 207
Jadi, titik koordinatnya adalah f ( 0,025 : 207 ) = 3,06
4) Perhitungan Nilai Uji Statistik
a) Koefisien Regresi
b1 = 0,276
b2 = 0,122
b3 = 0,189
b) Standar Error Penduga
2
Sum Square of Error (SSE) = Σ(Ŷ − Y̅) = 182.651
SSE
SYX1 X2 X3 = √
(n − (k + 1))
182.651
SYX1 X2 X3 = √
(211 − (3 + 1))
SYX1 X2 X3 = 0,939
SYX1 X2 X3
Sb1 =
√(ΣX12 ̅12 )(1 − (rX1 X2 X3 )2 )
− nX
0,939
Sb1 =
√(8694 − 211(41,20))(1 − (0,004)2 )
Sb1 = 1,050
SYX1 X2 X3
Sb2 =
√(ΣX22 ̅ 22 )(1 − (rX1 X2 X3 )2 )
− nX
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 74
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
0,939
Sb2 =
√(9529 − 211(45,16))(1 − (0,004)2 )
Sb2 = 3,914
SYX1 X2 X3
Sb3 =
̅ 32 )(1 − (rX1 X2 X3 )2 )
√(ΣX32 − nX
0,939
Sb3 =
√(9533 − 211(45,18))(1 − (0,004)2 )
Sb3 = 0,196
c) Perhitungan Thitung
b
Variabel X1 = Sb1
1
0,276
Variabel X1 = 1,050
Variabel X1 = 0,263
b
Variabel X2 = Sb2
2
0,122
Variabel X1 = 3,914
Variabel X1 = 0,031
b
Variabel X3 = Sb3
3
0,189
Variabel X1 = 0,196
Variabel X1 = 0,968
c. Uji ANOVA
1) Formula Hipotesis
a) Jika Thitung < Ttabel atau sig > 0,05 maka H0 diterima dan H1 ditolak, ini
berarti tidak ada pengaruh yang bermakna antara variabel X1, variabel X2,
dan variabel X3 terhadap variabel Y.
b) Jika Thitung > Ttabel atau sig < 0,05 maka H0 ditolak dan H1 diterima, ini
berarti tidak ada pengaruh yang bermakna antara variabel X1, variabel X2,
dan variabel X3 terhadap variabel Y.
2) Derajat Kebebasan
a) Df1 = k
Df1 = 3
b) Df2 = n − k − 1
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 75
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Df2 = 211 − 3 − 1
Df2 = 206
Jadi, titik koordinatnya adalah f ( 3 : 207 ) = 2,65
3) Perhitungan Nilai Uji Statistik
a) Standar Error Penduga
Sum Square of Error (SSE) = Σ(Ŷ − Y̅)2 = 182,651
Sum Square of Regression (SSR) = Σ(Y − Y̅)2 = 8818,174
Tabel 7 Perhitungan Nilai Uji Statistik Uji ANOVA
Jumlah Kuadrat
Df Fhitung Ftabel
Kuadrat Rata
Regression (SSR) 8818,174 207 42,357
0,70 2,65
Residual (SSE) 182,651 3 60,883
Jumlah 9000,82 209
(Sumber : Penulis, diolah menggunakan software excel, 2023)
Nilai Fhitung 0,70 < 2,65 sehingga keputusannya adalah H0 diterima. Interpretasinya
adalah secara bersama-sama berpengaruh signifikan terhadap Y, atau terdapat
minimal satu variabel bebas yang berpengaruh signifikan terhadap Y.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 76
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 77
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
4) Keempat, lalu pilih Statistics > centang pada R Squared Change > Continue.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 78
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Berdasarkan hasil pengujian nilai regresi menggunakan SPSS dapat diperoleh nilai a
sebesar 1,285; nilai b sebesar 0,378; nilai c sebesar 0,158 dan nilai d sebesar 0,247
sehingga persamaan regresi berdasarkan SPSS adalah Y = 1,285 + 0,378X1 – 0.158X2
+ 0,247X3. Sedangkan untuk nilai uji T berdasarkan SPSS adalah untuk variabel X1
sebesar 5,881; variabel X2 sebesar 2,841 dan variabel X3 sebesar 4,353.
Diagram pencar digunakan untuk menunjukkan bukti dan hubungan sebab akibat
antara variabel bebas dan variabel terikat. Diagram pencar menggambarkan hubungan
variabel terikat yaitu Y (tingkat prestasi) terhadap tiap-tiap variabel bebas yaitu data X1
(optimisme belajar), data X2 (metode pembelajaran), data X3 (mutu lingkungan sosial).
Berikut ini adalah langkah-langkah membuat diagram pencar pada aplikasi SPSS :
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 79
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
a. Variabel X1 Terhadap Y
Berikut merupakan langkah-langkah membuat diagram pencar di aplikasi SPSS :
1) Pertama, pilih menu Graphs > Scatterdot.
2) Kedua, akan muncul menu Scatterdot dan pilih Simple Scatter dan klik define.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 80
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
3) Ketiga, akan muncul menu dan masukkan variabel Y ke Y axis dan variabel X1
ke X axis dan klik OK.
Dari bentuk grafik yang dihasilkan, maka grafik dari diagram scatter variabel X1
(optimisme belajar) terhadap variabel Y (tingkat prestasi) memiliki pola positif
yang artinya X1 (optimisme belajar) memiliki hubungan variabel Y (tingkat
prestasi). Pada pola positif ini, apabila nilai X naik, maka nilai Y juga naik,
begitupun sebaliknya.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 81
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
b. Variabel X2 Terhadap Y
1) Pertama, pilih menu Graphs > Legacy Dialog > Scatterdot.
2) Kedua, akan muncul menu Scatterdot dan pilih Simple Scatter dan klik define.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 82
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
3) Ketiga, akan muncul menu dan masukkan variabel Y ke Y axis dan variabel X2
ke X axis dan klik OK.
Dari bentuk grafik yang dihasilkan, maka grafik dari diagram scatter variabel X2
(metode pembelajaran) terhadap variabel Y (tingkat prestasi) memiliki pola positif
yang artinya X2 (metode pembelajaran) memiliki hubungan variabel Y (tingkat
prestasi). Pada pola positif ini, apabila nilai X naik, maka nilai Y juga naik,
begitupun sebaliknya.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 83
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
c. Variabel X3 Terhadap Y
1) Pertama, pilih menu Graphs > Legacy Dialog > Scatterdot.
2) Kedua, akan muncul menu Scatterdot dan pilih Simple Scatter dan klik define.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 84
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
3) Ketiga, akan muncul menu dan masukkan variabel Y ke Y axis dan variabel X3
ke X axis dan klik OK.
Dari bentuk grafik yang dihasilkan, maka grafik dari diagram scatter variabel X3
(mutu lingkungan sosial) terhadap variabel Y (tingkat prestasi) memiliki pola
positif yang artinya X3 (mutu lingkungan sosial) memiliki hubungan variabel Y
(tingkat prestasi). Pada pola positif ini, apabila nilai X naik, maka nilai Y juga naik,
begitupun sebaliknya.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 85
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB V
PEMBAHASAN
5.1 Pembahasan
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 86
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 87
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
kesalahan perhitungan dalam perhitungan manual, yang dapat menghasilkan hasil yang
tidak akurat.
Langkah berikutnya adalah pengujian korelasi, yang bertujuan untuk menentukan
seberapa kuat hubungan antara variabel bebas dan variabel terikat. Pengujian ini
dilakukan dengan menggunakan dua metode perhitungan, yaitu perhitungan manual dan
menggunakan software SPSS. Pada perhitungan manual, digunakan metode korelasi
parsial. Setelah mendapatkan hasil dari metode parsial, kemudian dilanjutkan dengan
metode korelasi berganda yang menghasilkan nilai sebesar 0,004. Nilai korelasi berkisar
antara -1 sampai 1, di mana nilai yang mendekati 1 menunjukkan korelasi yang kuat
antara kedua variabel, dan sebaliknya. Karena nilai korelasi yang didapatkan mendekati
1, maka dapat disimpulkan bahwa variabel bebas dan variabel terikat memiliki
hubungan yang kuat. Namun, pada perhitungan menggunakan software SPSS, hasilnya
hanya sebesar 0,708.
Dari hasil pengujian uji statistik, terdapat perbedaan hasil perhitungan baik yang
dilakukan secara manual maupun dengan menggunakan software SPSS. Hal ini
kemungkinan disebabkan oleh kesalahan perhitungan akibat kurang telitinya praktikan
saat mengolah data secara manual dan perbedaan dalam pembulatan angka setelah koma
yang dapat mempengaruhi akurasi hasil perhitungan. Meskipun demikian, pengolahan
data menggunakan software SPSS memiliki keunggulan dalam kemudahan dan
kecepatan serta menghasilkan hasil yang lebih akurat dibandingkan dengan pengolahan
data secara manual.
Dalam presentasi data ini, digunakan diagram scatter untuk menunjukkan
kemungkinan hubungan (korelasi) antara pasangan dua macam variabel. Diagram
scatter ini menunjukkan keeratan hubungan antara dua variabel dan dapat digunakan
untuk menentukan apakah penyebab yang ada memberikan dampak yang signifikan
pada karakteristik antar variabel. Tampilan diagram scatter ini dihasilkan melalui
perangkat lunak SPSS, dan terdiri dari tiga grafik yang menunjukkan hubungan antara
variabel X1 dan Y, variabel X2 dan Y, serta variabel X3 dan Y. Berdasarkan hasil grafik,
variabel X1 dan Y memiliki hubungan positif, yang berarti semakin tinggi nilai variabel
X1 (optimisme belajar), semakin tinggi pula nilai variabel Y (tingkat prestasi), dan
sebaliknya. Begitu juga pada grafik antara variabel X2 dan Y, serta variabel X3 dan Y,
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 88
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
keduanya menunjukkan hubungan positif di mana semakin tinggi nilai variabel tersebut,
semakin tinggi pula nilai variabel Y.
Berdasarkan beberapa penjelasan yang telah diuraikan sebelumnya, dapat
disimpulkan bahwa dalam pengolahan data pada modul ini dilakukan beberapa uji,
seperti uji korelasi, regresi, uji T, uji ANOVA, dan uji 1-Sample Kolmogorov-Smirnov,
dengan tujuan untuk melihat hubungan antar variabel dan pengaruh variabel bebas X1,
X2, dan X3 terhadap variabel terikat Y. Dari hasil uji tersebut, dapat disimpulkan bahwa
ketiga variabel bebas tersebut memiliki pengaruh atau hubungan positif (korelasi
positif) dengan variabel terikat Y. Semakin besar nilai variabel bebas, maka semakin
besar pula nilai variabel terikat Y.
Review jurnal merupakan kegiatan yang melibatkan satu atau beberapa individu
untuk mengevaluasi jurnal ilmiah secara kritis guna mengenali kekuatan dan kelemahan
yang ada dalam jurnal tersebut. Berikut merupakan jurnal nasional dan internasional
yang akan di review.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 89
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 90
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 91
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 92
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 93
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 94
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB VI
PENUTUP
6.1 Kesimpulan
Kesimpulan adalah bagian penting dari sebuah tulisan atau penelitian yang
memberikan rangkuman dari informasi dan data yang telah dikumpulkan, serta
memberikan jawaban atas rumusan masalah yang diajukan. Berikut beberapa
kesimpulan yang akan menjawab dari rumusan masalah yaitu :
a. Statistik inferensia adalah teknik statistik yang memungkinkan kita untuk membuat
inferensi atau generalisasi tentang populasi dengan menggunakan data yang diambil
dari sampel yang mewakili populasi tersebut. Tujuannya adalah untuk membuat
kesimpulan tentang parameter populasi seperti rata-rata, proporsi, atau standar
deviasi. Metode statistik inferensia menggunakan ukuran probabilitas untuk
mengambil kesimpulan tentang populasi, dan dapat melibatkan penggunaan uji
hipotesis, interval kepercayaan, dan analisis regresi. Dalam uji hipotesis,
pernyataan tentang parameter populasi dibuat dan diuji apakah didukung oleh data
sampel. Dalam interval kepercayaan, nilai parameter populasi diperkirakan dengan
rentang nilai yang mungkin dengan tingkat kepercayaan tertentu. Analisis regresi
melibatkan studi hubungan antara dua atau lebih variabel dalam populasi untuk
membuat prediksi tentang nilai yang belum diketahui. Secara keseluruhan, statistik
inferensia sangat berguna dalam membantu kita memahami dan membuat
kesimpulan tentang populasi berdasarkan data sampel.
b. Untuk menginterpretasikan data ke dalam statistik inferensia, ada beberapa langkah
yang dapat diikuti. Pertama, data yang relevan harus dikumpulkan dari populasi
yang ingin diteliti melalui survei, eksperimen, atau sumber data lainnya.
Selanjutnya, ukuran sampel yang cukup besar harus diambil untuk memastikan data
yang diambil mewakili populasi dengan akurat. Jenis data yang dikumpulkan harus
ditentukan, apakah data kategori, interval, atau rasio. Kemudian, informasi penting
seperti rata-rata, deviasi standar, dan frekuensi harus diekstrak dari data. Setelah
itu, teknik statistik inferensia seperti uji hipotesis atau interval kepercayaan dapat
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 95
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
6.2 Saran
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 96
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 97
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR PUSTAKA
Ananda, R., & Fadhli, M. (2018). Statistik Pendidikan Teori dan Praktik Dalam
Pendidikan. Medan: CV. Widya Puspita.
Antara, S., Sepang, J., & Saerang, I. S. (2014). Analisis Rasio Likuiditas, Aktivitas,
Dan Profitabilitas Terhadap Return Saham Perusahaan Wholesale Yang
Terdaftar Di Bursa Efek Indonesia. Jurnal EMBA, 902-911.
Arisena, G. M. K. (2018). Buku Ajar Pengantar Statistika.
Astuti., dkk. (2021). Implementasi Wilcoxon Signed Rank Test Untuk Mengukur
Efektifitas Pemberian Video Tutorial Dan PPT Untuk Mengukur Nilai Teori.
Jurnal PRODUKTIF : Universitas Muhammadiyah Tasikmalaya.
Bastian, Bustami dan Nurlela. (2013). Klasifikasi Biaya
Denziana A. Indrayenti. dan Fatah F. (2014). Corporate Financial Performance
Effects Of Macro Economic Factors Against Stock Return. Jurnal Akuntansi dan
Keuangan. Vol.5. No.2. Hal.17- 40
Gunawan, Imam. (2016). Pengantar Statistika Inferensial. Depok : PT Raja Grafindo
Persada.
Hadi, S., Gunawan, I., & Dalle, J. (2017). Statistika Inferensial Teori dan Aplikasinya
Edisi II. Banjarmasin.
Hadi, S., Gunawan, I., & DALLE, J. (2018). Statistika Inferensial Teori dan
Aplikasinya.
Hanif, Arief Affanu.l (2021). Analisis Pengaruh Kinerja Keuangan Terhadap Nilai
Perusahaan Dengan Prediksi Financial Distress Sebagai Variabel Intervening
(Studi Pada Sektor Consumer Cyclicals Dan Energy Yang Terdaftar Di Bei
Tahun 2015 – 2020). Tesis thesis, Sekolah Tinggi Ilmu Ekonomi Indonesia
Jakarta
Heryana, A. (2018). Hipotesis Dalam Penelitian Kuantitatif. Jakarta : Universitas Esa
Unggul.
Kakiay, T. J. (2004). Dasar Teori Antrian untuk Kehidupan Nyata. Andi Publisher.
Keysha., dkk. (2022). Konsep Statistika Inferensial dan Uji Persyaratan Statistik
Parametrik. FIP Universitas Pendidikan Indonesia.
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 98
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Lolang, E. (2015). Hipotesis Nol dan Hipotesis Alternatif. Jurnal KIP, 690-691
Magdalena, Riana dan Maria A. Krisanti. 2019. “Analisis Penyebab dan Solusi
Rekonsilasi Finished Goods Menggunakan Hipotesis Statistik dengan Metode
Pengujian Independent Sample T-Test di PT.Merek,Tbk”. Dalam Tekno. Vol.
16, No. 1.
Mawati., dkk. (2010). Uji Friedman dan Uji Anderson pada Rancangan Acak
Kelompok Lengkap Dasar Non Parametrik. Bengkulu : FMIPA Universitas
Bengkulu.
Nindyaiswari, N., Sugito, & Wilandari, Y. (2015). Identifikasi Model Antrian Bus
Rapid Transit (Brt) Pada Halte Operasional Brt Semarang. Gaussian, 4, 593–
601.
Nuryadi, Astuti, T, D., Utami, S, E,. & Budiantara, M. (2017). Dasar-Dasar Statistik
Penelitian. Yogyakarta.
Nuryadi, Astuti, T. D., Utami, E. S., & Budiantara, M. (2017). Dasar-Dasar Statistik
Penelitian. Yogyakarta: Sibuku Media. (http://eprints.mercubuana-
yogya.ac.id/id/eprint/6667/1/Buku-Ajar_Dasar-Dasar-Statistik-Penelitian.pdf)
Oktaviani, M, A. & Notobroto, H, B. (2014). Perbandingan Tingkat Konsistensi
Normalitas Distribusi Metode Kolmogorov-Smirnov, Lilliefors, Shapiro-Wilk,
dan Skewness-Kurtosis. Surabaya.
Purwanto, A. (2013). Analisis Failure Rate Mesin Reverse Osmosis Dengan
Perhitungan Evaluasi Sistem Perawatan Di Pt. Xyz. Indept, 3(3).
Quraisy, A. (2020). Normalitas Data Menggunakan Uji Kolmogorov-Smirnov dan
Saphiro-Wilk. Makassar.
Rahman, N. (2019). Pengaruh Model Pembelajaran Role Playing dan Inside Outside
Circle Terhadap Hasil Belajar IPS Peserta Didik SDN 008 Camba – Camba
Kabupaten Polewali Mandar. 55-66.
Rais, A.P. (2015). Statistik Inferensial. FKIP Universitas Muhammadiyah Makassar.
Sugito, M. A. M. (2011). Distribusi Poisson Dan Distribusi Eksponensial Dalam
Proses Stokastik. Media Statistika, 4(2), 113–120.
Sugiyono. (2007). Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung:
Alfabeta
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 99
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 100
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
LAMPIRAN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 101
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 102
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 103
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK INFERENSIA
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 104