NAMA : GABRIEL DAFLOMANC

GONDOR NIM223030501134
MK : STATISTIKA DAN PROBABILITAS

1. Data curah hujan tahunan dari pos hujan Dago dan Malabar tercatat pada Tabel 1 berikut ini. Kedua
pos hujan tersebut terletak di DPS Citarum Hulu, Kabupaten Bandung, Propinsi Jawa Barat.
Tentukan apakah sifat curah hujan kedua pos hujan tersebut berasal dari populasi yang sama
(homogen) pada derajat kepercayaan 5%
Tabel 1.1 Curah hujan POS Hujan Dago dan Malabar (dalam mm/tahun)
No Tahun Pos Dago Pos Malabar
1 2012 3.341 2.977
2 2013 2.666 1.641
3 2014 1.978 3.885
4 2015 2.678 3.348
5 2016 2.876 1.345
6 2017 2.716 1.995
7 2018 1.26 1.399
8 2019 1.743 1.526
9 2020 2.466 2.575
10 2021 2.343 2.349

2. Tabel 2 berikut menunjukkan data pengukuran debit dan sediment melayang di DPS Citarum-
Nanjung pada bulan Maret Tahun 2022. Tentukan koefisien korelasi dan model hubungan yang
terjadi (liner atau non linear).
Tabel 2.1 Debit dan Sedimen Melayang DPS Citarum-Nanjung Maret 2022
Debit Sedimen Melayang
No
M3/det Juta M3/det
1 34 1.83
2 44 2.75
3 49 4.82
4 59 6.23
5 64 7.89
6 88 10.77
7 96 16.47
8 102 27.78
9 125 29.31
10 139 34.58
Penyelesaian Soal No.1
I. Uji Normalitas
Untuk uji normalitas, entry data Kemudian lakukan pengujian dengan prosedur:
ANALYZE
NONPARAMETRICS TESTS 1 SAMPEL K-S

1. Masukkan Data Pos Dago sebagai X1 dan Pos Malabar sebagai X2

2. Klik bagian Analyze

3. Pilih Nonparametric Test

4. Pilih Legacy Dialog

5. Pilih 1 Sampel K-S

6. Masukkan data X1 dan X2 pada Variable List serta klik centang pada bagian
Test Distribution Normal

7. Hasil Uji Normalitas

8. Analisis
Hipotesis Uji Normalitas:
H0 : Data berdistribusi normal H1 : Data tidak berdistribusi normal
Kaidah: p-value uji Z < tingkat significant----> tolak H0
Terlihat bahwa hasil uji normalitas dg SPSS di atas:
Asym. Sig. (2-tailed) untuk x1 0,200 > α=0,05- - -> terima H0
Asym. Sig. (2-tailed) untuk x2 0,200 > α=0,05- - -> terima H0
Kesimpulan:
Kedua sampel data berdistribusi normal.
Data Curah hujan di dua lokasi, yaitu Pos Dago dan Pos Malabar berdistribusi normal
sehingga statistik uji yang digunakan adalah ANOVA dari statistik parametrik.
II. Uji ANOVA
Untuk uji ANOVA, entry data Kemudian lakukan pengujian dengan prosedur:
ANALYZE COMPARE MEANS ONE-WAY ANOVA

1. Masukkan Data Pos Dago sebagai X1, Pos Malabar sebagai X2, Data observasi sebagai Y
dan Pos sebagai Z

2. Klik bagian Analyze

3. Pilih Compare Means

4. Klik One-Way Anova

5. Masukkan Y sebagai Dependent List dan Z sebagai Factor

6. Hasil Uji ANOVA

7. Analisis
Untuk uji homogenitas varians, hipotesis Uji Homogenitas Varians:
H0 : Data curah hujan di dua lokasi pos, yaitu Pos Dago (X1) dan Pos Malabar (X2) adalah
homogen
H1 : Data curah hujan di dua lokasi pos, yaitu Pos Dago (X1) dan Pos Malabar (X2) adalah
tidak homogen
Kaidah : p-value uji F < tingkat signifikan----> tolak H0
Terlihat bahwa hasil uji homogenitas dg SPSS di atas:
Sig. 0,166 > α=0,05- - -> terima H0
Kesimpulan :
Data curah hujan di dua lokasi pos, yaitu Pos Dago (X1) dan Pos Malabar (X2) adalah
homogen

Untuk uji ANOVA, hipotesis Uji ANOVA:

H0 : Tidak terdapat perbedaan rata-rata curah hujan pada dua pos, yaitu Pos Dago (X1) dan
Pos Malabar (X2)
H1 : Terdapat perbedaan rata-rata curah hujan pada dua pos, yaitu Pos Dago (X1) dan
Pos Malabar (X2)
Kaidah : p-value uji ANOVA < tingkat signifikan----> tolak H0
Terlihat bahwa hasil uji ANOVA dg SPSS di atas:
Sig. 0,765 > α=0,05- - -> terima H0
Kesimpulan: Tidak terdapat perbedaan signifikan rata-rata curah hujan pada dua pos, yaitu
Pos Dago (X1) dan Pos Malabar (X2)
Penyelesaian Soal No.2
I. Uji Normalitas
Untuk uji normalitas, entry data Kemudian lakukan pengujian dengan prosedur:
ANALYZE
NONPARAMETRICS TESTS 1 SAMPEL K-S

1. Masukkan Data Debit sebagai variabel X dan Y sebagai variabel Y

2. Klik bagian Analyze

3. Pilih Nonparametric Test

4. Pilih Legacy Dialog

5. Pilih 1 Sampel K-S

6. Masukkan data X1 dan X2 pada Variable List serta klik centang pada bagian Test
Distribution Normal
7. Hasil Uji Normalitas

8. Analisis
Hipotesis Uji Normalitas:
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
Kaidah: p-value uji Z < tingkat significant----> tolak H0
Terlihat bahwa hasil uji normalitas dg SPSS di atas:
Asym. Sig. (2-tailed) untuk x 0,200 > α=0,05- - -> terima H0
Asym. Sig. (2-tailed) untuk y 0,200 > α=0,05- - -> terima H0
Kesimpulan:
Kedua sampel data berdistribusi normal.
Data debit (x) dan sedimen layang (y) berdistribusi normal sehingga untuk analisis korelasi
berikutnya dapat menggunakan statistik parametrik (Pearson Product Momen, Partial Correlation,
Partial Correlation, dan Regresi).
II. Menentukan Koefisien Korelasi
Untuk menentukan Koefisien Korelasi, entry data Kemudian lakukan pengujian dengan prosedur:
ANALYZE
CORRELATE BIVARIATE

1. Masukkan Data Debit sebagai variabel X dan Y sebagai variabel Y

2. Klik bagian Analyze

3. Pilih bagian Correlate

4. Klik bagian Bivariate

5. Masukkan X1 dan X2 kedalam Variable List dan Centang Pearson pada Correlation Coefficients

6. Hasil Uji Koefisien Korelasi

 7. Analisis
1. Hipotesis Korelasi:
H0 : Tidak terdapat hubungan yang signifikan data pengukuran debit dansediment melayang di
DPS Citarum-Nanjung
H1 : Terdapat hubungan yang signifikan data pengukuran debit dan sediment melayang di
DPS Citarum-Nanjung
Kaidah: p-value uji r < tingkat signifikan----> tolak H0
Terlihat bahwa hasil uji r dengan SPSS di atas sebagai berikut:
Sig. (2-tailed)=0,000 < α=0,01- - -> tolak H0
Kesimpulan:
Terdapat hubungan yang signifikan data pengukuran debit dan sediment melayang di DPS Citarum-
Nanjung

2. Pada output SPSS terlihat koef. Korelasi rxy = 0,962 yang artinya sangat kuat, korelasi data
pengukuran debit dan sediment melayang di DPS Citarum-Nanjung langsung positif baik”

3. Arah hubungan/korelasi => +0,962

Artinya: ”semakin meningkat debit, maka jumlah sedimen melayang akan meningkat juga”

III. Menentukan Model Hubungan Yang Terjadi

Untuk menggambar Scatter Data, entry data Kemudian lakukan pengujian dengan prosedur:

GRAPHS LEGACY DIALOGS SCATTER DOT

DEFINE SIMPLE SCATTER

1. Masukkan data X dan Y

2. Klik bagian Graphs

3. Pilih Legacy Dialogs

4. Pilih Scatter/Dot
5. Pilih Simpel Scatter dan Klik Define

6. Pindahkan data pada Axis-nya

7. Grafik hasil
IV. Uji Regresi
Untuk uji regresi, entry data Kemudian lakukan pengujian dengan prosedur:
ANALYZE REGRESSION CURVE ESTIMATION

1. Masukkan data X dan Y

2. Klik bagian Analyze

3. Klik bagian Regression dan pilih Curve Estimation

4. Masukkan variabel Y pada bagian Dependent dan variabel X pada bagian Variable. Pada bagian
Models, centang Linear, Logarithmic, Quadratic, Cubic, Compound, dan Exponensial

5. Hasil Uji
6. Perbandingan
7. Analisis
Dari data diatas, terlihat bahwa dari keenam model yang diuji kecocokannya yang memiliki R square
terbesar adalah model Cubic (Non Linier) dengan R square = 0.938. Dengan parameter Constant =
B0 = 12.170, B1 = -0.587, B2 = 0,010, B3 = 3.38 x 10−5
𝑌 = 12.170 + (−0.587)𝑋 − 0,010𝑋2 + 3.38. 10−5𝑋3