Ujian Akhir Semester Genap

Mata Kuliah : Matematika Terapan

Dosen : Dr. Chrisna Suhendi, MBA., SE., Ak.CA
Mahasiswa : RR Putri Tejowati
NIM : 20202200036
MTS. 50

SOAL 1 :
1. Hasil suatu eksperimen, diperoleh data sebagai berikut :
p = 2 angka NIM akhir / 4
q = 2 angka NIM akhir / 2
Gunakan SPSS untuk menentukan :
a. Koefisien korelasinya dan koefisien determinasinya serta Interpretasikan
maknanya
b. Persamaan garis Regresinya
JAWABAN NO. 1
2 angka NIM akhir = 36
P = 36/4 = 9
Q = 36/2 = 18
X Y
90 396
81 324
63 270
54 198
45 180
36 126
27 72
99 396
108 432
126 486

1
1A KORELASI
Correlations
Sanitasi_bangu Kesehatan_pen
nan ghuni
Sanitasi_bangunan Pearson Correlation 1 .991**
Sig. (2-tailed) .000
N 10 10
Kesehatan_penghuni Pearson Correlation .991** 1
Sig. (2-tailed) .000
N 10 10
**. Correlation is significant at the 0.01 level (2-tailed).

Koefisien korelasinya 0,991 sangat signifikan.

Hubungan antara sanitasi bangunan dengan kesehatan penghuni 99,1 %,
sangat kuat.
Koefisien Determinasi = 0,981
Jika SIG 2 tailed < 0,05 data signfikan
SIG 2 tailed diperoleh nilai 0,00 < 0,05 data signfikan.

1B REGRESI
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Kesehatan_pen . Enter
ghunib
a. Dependent Variable: Sanitasi_bangunan
b. All requested variables entered.

Dependent Variabel = X
Model Summary
R R Square Adjusted R Std. Error of the
Model Square Estimate
1 .991a .981 .979 4.764
a. Predictors: (Constant), Kesehatan_penghuni

Nilai ADJUSTED R SQUARE 0,979 atau 97,9 % sanitasi banguan

mempengaruhi kesehatan penghuni.
Model summary Nilai R = 0,979

2
Nilai R Square atau koefisien determinasi (KD) yang menunjukkan seberapa
bagus model regresi yang dibentuk oleh interaksi variabel bebas dan variabel
terikat. Nilai KD yang diperoleh 0,981 atau 98,1 %
Variabel bebas X1 sanitasi bangunan memiliki pengaruh kontribusi sebesar
98,1 % terhadap variabel Y kesehatan penghuni sisanya 1,9% lainnya
dipengaruhi oleh faktor-faktor lain diluar variabel X1.

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 9611.359 1 9611.359 423.547 .000b
Residual 181.541 8 22.693
Total 9792.900 9
a. Dependent Variable: Sanitasi_bangunan
b. Predictors: (Constant), Kesehatan_penghuni

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 5.893 3.588 1.643 .139
Kesehatan_p .233 .011 .991 20.580 .000
enghuni
a. Dependent Variable: Sanitasi_bangunan
a = Konstanta sebesar 5,893
b = Koefisien regresi = 0,233
X = independent variabel =
Y = dependent variabel = sanitasi bangunan
Persamaan garis regresinya Y = 5,893 + 0,233 X
Nilai Sig 0,000 < 0,05 maka Ho ditolak, artinya signifikan/ berpengaruh.
Sanitasi bangunan signifkan dengan kesehatan penghuni.

SOAL NO 2
Dari hasil pengujian suatu campuran beton, diperoleh data sampel sebanyak 20
yang ditunjukkan pada tabel berikut (MPa = megapascal) :

3
Jika dinyatakan bahwa campuran tersebut menghasilkan mutu beton 27,5 MPa
pada tingkat keyakinan95%, apa pendapat Anda?
JAWABAN NO 2
One sample T test

Formulasi Ho dan H1
Ho : µ = 27,5
H1 : µ ≠ 27,5
Ho dibaca rata rata campuran tersebut menghasilkan mutu beton 27,5 MPa
H1 dibaca rata-rata campuran tersebut tidak menghasilkan mutu beton 27,5 MPa

One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
MUTU_BETON 20 30.00 2.294 .513

One-Sample Test
Test Value = 27.5
df 95% Confidence Interval of the
Sig. (2- Mean Difference
t tailed) Difference Lower Upper
MUTU_BET 4.873 19 .000 2.500 1.43 3.57
ON

Jika SIG 2 tailed < 0,05 maka Ho ditolak

Jika SIG 2 tailed > 0,05 maka Ho diterima
Dari uji SPSS diperoleh Sig 0,000 < 0,05 maka Ho ditolak
Rata-rata campuran tersebut tidak menghasilkan mutu beton 27,5 Mpa

SOAL NO 3
Seorang peneliti melakukan pengujian terhadap 3 Kota / Kabupaten tentang
pentingnya Green Building dalam upaya meningkatkan kesadaran masyarakat
akan pentingnya keramahan lingkungan dalam membangun gedung / bangunan.
Sampel random contoh bangunan dengan ukuran n1 = n2 = n3 = 6 diambil dari ke
3 kota / kabupaten tersebut. Skor terhadap kualitas Green Building dengan
indikator- indikator tertentu yang telah ditetapkan diperoleh hasil sebagai berikut :

4
Ujilah hipotesis bahwa skor rata-rata hasil kualitas Green Building ketiga kota /
kabupaten tersebut adalah sama pada α = 5%

JAWABAN NO. 3

One way annova

Descriptives
SKOR GREEN_BUILDING
95% Confidence Interval
Std. for Mean
Deviatio Std. Lower Upper
N Mean n Error Bound Bound Minimum Maximum
A 6 73.00 5.933 2.422 66.77 79.23 64 79
B 6 78.00 2.757 1.125 75.11 80.89 73 81
C 6 86.00 9.960 4.066 75.55 96.45 68 96
Total 18 79.00 8.492 2.002 74.78 83.22 64 96

Test of Homogeneity of Variances

Levene
Statistic df1 df2 Sig.
GREEN_BUILDIN Based on Mean 1.709 2 15 .214
G Based on Median 1.773 2 15 .204
Based on Median 1.773 2 8.673 .226
and with adjusted
df
Based on trimmed 1.724 2 15 .212
mean

ANOVA
SKOR GREEN_BUILDING

5
 Sum of Squares Df Mean Square F Sig.

Between Groups 516.000 2 258.000 5.451 .017

Within Groups 710.000 15 47.333

Ho : µA = µB = µC
H1 : µA ≠ µB ≠ µC
Ho dibaca tidak ada perbedaan rata-rata hasil kualitas Green Building ketiga
kota / kabupaten.
H1 dibaca paling sedikit terdapat sepasang kota perbedaan rata-rata hasil kualitas
Green Building ketiga kota / kabupaten.
Jika Sig < 0,05 Ho ditolak
Jika Sig > 0,05 Ho diterima
Pada tabel ANOVA diperoleh nilai Sig 0,017 < 0,05 sehingga Ho ditolak
Terdapat paling sedikit satu pasang kota/ kabupaten yang berbeda kualitas
skor green buidingnya.

Multiple Comparisons
Dependent Variable: GREEN_BUILDING
95%
Confidence
Mean Interval
(I) (J) Difference (I- Std. Lower Upper
NAMA_KOTA NAMA_KOTA J) Error Sig. Bound Bound
Tukey A B -5.000 3.972 .439 -15.32 5.32
HSD C -13.000* 3.972 .013 -23.32 -2.68
B A 5.000 3.972 .439 -5.32 15.32
C -8.000 3.972 .143 -18.32 2.32
C A 13.000* 3.972 .013 2.68 23.32
B 8.000 3.972 .143 -2.32 18.32
Bonferroni A B -5.000 3.972 .682 -15.70 5.70
C -13.000* 3.972 .015 -23.70 -2.30
B A 5.000 3.972 .682 -5.70 15.70
C -8.000 3.972 .187 -18.70 2.70
C A 13.000* 3.972 .015 2.30 23.70
B 8.000 3.972 .187 -2.70 18.70
*. The mean difference is significant at the 0.05 level.

6
Pada tabel Post Hoc Tests, pada kolom mean difference, ada angka yang bertanda
“*”, tanda yang berarti terdapat perbedaan Skor kualitas Green buildings.

SOAL NO. 4
Sebuah PDAM melakukan pengukuran tinggi tekanan air di pipa distribusi utama.
Hasil pengukuran disajikan dalam tabel di bawah ini :

a. Tentukan persamaan garis regresinya, apa makna dari persamaan tersebut?

b. Hitung koefisien determinasinya. Apa arti angka tersebut.?

JAWABAN NO. 4
Regression

Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 JARAKb . Enter
a. Dependent Variable: TINGGI TEKANAN
b. All requested variables entered.

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .389a .151 -.019 1.7231
a. Predictors: (Constant), JARAK

7
 ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 2.643 1 2.643 .890 .389b
Residual 14.845 5 2.969
Total 17.489 6
a. Dependent Variable: TINGGI TEKANAN
b. Predictors: (Constant), JARAK

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 8.117 1.365 5.947 .002
JARAK -.469 .497 -.389 -.944 .389
a. Dependent Variable: TINGGI TEKANAN

4A. Persamaan garis regresinya

Y = a + bX
Y = 8,117 + (-0,469)X
Y = variabel dependent = tinggi tekanan
a = konstanta = 8,117
b = koefisien regresi = -0,469
X = variabel independent = jarak
Bila pengukuran penambahan jarak misal X = 10, maka estimasi tinggi tekanan air
sebagai berikut :
Y = 8,117 + (-0,469) (10)
Y = 8,117 + (-4,69)
Y = 3,427

8
 10
8
6
Y Series1
4
2
0
0 2 4 6 8

X=jarak
Y = 8,117 + (-0,469)X
4B. Koefisien determinasinya R² = 0,151
Nilai koefisien determinasi kecil, artinya kemampuan variabel variabel
independent dalam menjelaskan variabel dependent kecil (terbatas).

SOAL NO. 5
2. Seorang mahasiswa Magister Teknik Sipil akan melakukan penelitian untuk
mengetahui ada tidaknya pengaruh banjir genangan di rumah penduduk;
banjir genangan di pekarangan; dan banjir genangan di jalan dan saluran
terhadap Tingkat Kerusakan Infrastruktur Bangunan yang terjadi di beberapa
wilayah kota Semarang Bawah yang sering terlanda rob.
Hasil pengolahan data dengan SPSS didapat sebagai berikut

9
JAWABAN NO. 5
5A. HIPOTESIS H0 dan H1
Ho : µA = µB = µC = DO
Ho dibaca tidak ada pengaruh banjir genangan di rumah penduduk; banjir
genangan di pekarangan; dan banjir genangan di jalan dan saluran terhadap
Tingkat Kerusakan Infrastruktur Bangunan
H1 : µA ≠ µB ≠ µC ≠ DO
H1 dibaca ada pengaruh banjir genangan di rumah penduduk; banjir genangan di
pekarangan; dan banjir genangan di jalan dan saluran terhadap Tingkat Kerusakan
Infrastruktur Bangunan

5B. Persamaan garis regresinya

Y = a + b1X1 + b2X2 +b3X3
Y = 3,541 + (-0,081)X1 + 0,092X2 + 0,027X3

10
5C. Arti setiap koefisien yang terdapat pada persamaan garis regresinya
Y = Tingkat Kerusakan Infrastruktur Bangunan
a = konstanta
b = koefisien regresi
X1 = banjir genangan di rumah penduduk;
X2 = banjir genangan di pekarangan;
X3 = banjir genangan di jalan dan saluran

5D. Kesimpulan yang diperoleh dari hasil pengolahan dengan SPSS

Interpretasi persamaan regresi :
o Konstanta 3,541 artinya jika variabel independent dianggap kontan maka
besarnya tingkat kerusakan infrastruktur bangunan sebesar 3,541
o Koefisien regresi banjir genangan dirumah penduduk (X1) sebesar -0,081
(negatif dan semua variabel X2, X3 dianggap konstan maka setiap ada
kenaikan banjir genangan dirumah penduduk menurunkan tingkat kerusakan
infrastruktur bangunan sebesar 0,081
o Koefisien regresi banjir genangan dipekarangan (X2) sebesar 0,092 dan
semua variabel X1, X3 dianggap konstan maka setiap ada kenaikan banjir
genangan dipekarangan sebesar 1 maka akan meningkatkan kerusakan
infrastruktur bangunan sebesar 0,092.
o Koefisien regresi banjir genangan di jalan dan saluran (X3) sebesar 0,027 dan
semua variabel X1, X2 dianggap konstan maka setiap ada kenaikan banjir
genangan dijalan dan saluran sebesar 1 maka akan meningkatkan kerusakan
infrastruktur bangunan sebesar 0,027
5E. Analisis hasil pengolahan data Anova
Sig 0,000 < 0,05 menunjuk bahwa variabel independent (X1,X2,X3) secara
bersama sama mempunyai pengaruh yang signifikan terhadap kerusakan
infrastruktur bangunan.
X1 dan X3 bernilai positif artinya menunjukkan pengaruh yang positif/
searah antara variabel independent dan variabel dependent.
X2 bernilai negatif artinya menunjukkan pengaruh yang negatif / berlawanan
arah antara variabel independent dan variabel dependent.

11
SOAL NO. 6
Sebuah penelitian untuk mengetahui pengaruh Tingkat Kebisingan dan
Pencahayaan Lampu Kantor terhadap Produktifitas kerja pegawai. Berdasarkan 10
responden yang digunakan sebagai sumber penelitian, hasilnya diperoleh sebagai
berikut

Keterangan :
X1 = Tingkat Kebisingan
X2 = Pencahayaan Lampu Kantor Y = Produktivitas

Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Pencahayaan, . Enter
Tingkat_kebisin
ganb
a. Dependent Variable: Produktivitas
b. All requested variables entered.

Model Summary
R Adjusted R Std. Error of the
Model R Square Square Estimate
1 .915a .836 .790 2.521
a. Predictors: (Constant), Pencahayaan, Tingkat_kebisingan

R = 0,915

12
menunjukkan hubungan antara variabel Pencahayaan dan kebisingan X1, X2,
secara bersama sama dengan variabel terikat produktivitas (Y) sebesar 0,915 ,
artinya mempunyai hubungan yang sangat kuat.

Adjusted R = 0,790
Menunjukan bahwa variabel independent Pencahayaan dan kebisingan ( X1, X2)
mampu menjelaskan variabel dependent sebesar 0,790 atau 79% dan sisanya
.dijelaskan variabel lai yang tidak diteliti sebesar 21%

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 227.512 2 113.756 17.899 .002b
Residual 44.488 7 6.355
Total 272.000 9
a. Dependent Variable: Produktivitas
b. Predictors: (Constant), Pencahayaan, Tingkat_kebisingan

Ketentuan
Jika sig >0,05 Tidak signifikan
Jika sig <0,05 Signifikan
Pada tabel ANOVA diperoleh nilai Sig sebesar 0,002 < 0,05
Menunjukkan kedua variabel independent kebisingan dan pencahayaan
mempunyai pengaruh yang signifikan terhadap produktivitas Y.

Coefficientsa
Unstandardized Standardized Sig.
Coefficients Coefficients
Model B Std. Error Beta t
1 (Constant) 3.919 2.418 1.621 .149
Tingkat_kebisingan 2.491 .703 1.024 3.544 .009
Pencahayaan -.466 1.016 -.133 -.459 .660
a. Dependent Variable: Produktivitas

Y = a + b1 X1 + b2X2
Y = 3,919 + 2,491X1 + (-0,466)X2
Y = Tingkat Kebisingan dependent
a = konstanta regresi
X1 = Pencahayaan Lampu Kantor independent
X2 = Produktifitas independent

13
SOAL NO. 7
Jika X = % peningkatan jumlah kendaraan bermotor dan Y = % konsumsi
pemakaian bahan bakar

a. Tentukan r !
b. Bagaimana interpretasi anda terhadap data tersebut.
c. Berapa % sumbangan peningkatan jumlah kendaraan bermotor
terhadap pengingkatankonsumsi pemakaian bahan bakar.
d. Bagaimana persamaan garis prediksinya, jika X dianggap sebagai variabel
bebas ?
e. Jika peningkatan jumlah kendaraan bermotor sebesar 14, berapa prediksi
kenaikan konsumsi pemakaian bahan bakar.

JAWABAN NO. 7

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .992a .984 .982 .555
a. Predictors: (Constant), Jumlah_motor

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 115.649 1 115.649 374.842 .000b
Residual 1.851 6 .309
Total 117.500 7
a. Dependent Variable: Bahan_bakar
b. Predictors: (Constant), Jumlah_motor

Coefficientsa
Standardize
d
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1.267 .388 3.265 .017
Jumlah_motor 1.037 .054 .992 19.361 .000
a. Dependent Variable: Bahan_bakar

14
7A. Nilai Koefisien Determinasi (R ²) r = 0,984
7B. Besar nilai R = 0,992
Nilai adjusted R square = 0,982
Nilai Sig sebesar 0,017 < 0,05 .
Sehingga diambil kesimpulan Ho ditolak . Variabel bebas X jumlah motor
berpengaruh kuat terhadap variabel Y kenaikan konsumsi bahan bakar
minyak.
7C. Sumbangan peningkatan jumlah kendaraan bermotor terhadap peninggingkatan
konsumsi pemakaian bahan bakar minyak memberikan pengaruh sebesar
98,2%. Sisanya sebesar 1,8% terhadap variabel yang tidak diteliti.
7D. Persamaan Garis Regresinya :
Y = a + bX
Y = 1,267 + 1,037 X
7E. Jika peningkatan jumlah kendaraan bermotor sebesar 14,
X = 14
Y = 1,267 + 1,037 X
Y = 1,267 + 1,037 (14)
Y = 1,267 + 14,518
= 15,785
Maka prediksi kenaikan konsumsi pemakaian bahan bakar sebesar 15,785

15