LAPORAN RESMI PRAKTIKUM METODE KUANTITATIF

Dosen Pengampu Praktikum:

Dr. Ida Syamsu Roidah, SP., MMA

Disusun Oleh :

Kel 1

Golongan V3

PROGRAM STUDI AGRIBISNIS

FAKULTAS PERTANIAN

UNIVERSITAS PEMBANGUNAN NEGERI “VETERAN” JAWA TIMUR

SURABAYA

2023

1
 LEMBAR PENGESAHAN

LAPORAN RESMI PRAKTIKUM METODE KUANTITATIF

KELOMPOK I

GOLONGAN V3

Disusun Oleh :

NO NAMA NPM TTd

MAHASISWA

1, Cawla 21024010179
Archadea

2. Reksa Dewa 21024010181

Prasetya

3. Ainun Najib 21024010184

4. Nitriana Kridha 21024010185

Kirana

Telah disahkan pada tanggal…..

Dosen Praktikum Metode Kuantitatif

Dr.Ida Syamsu Roidah, SP., MMA

NIP. 21219860624284

2
 KATA PENGANTAR

Puji syukur kita panjatkan kehadirat Allah SWT yang telah memberikan
rahmat dan hidayah-Nya sehingga kami dapat menyelesaikan Laporan Resmi
Praktikum ini tepat pada waktunya. Adapun tujuan dari penulisan dari laporan
ini adalah untuk memenuhi tugas pada mata kuliah Metode Kuantitatif. Selain
itu, laporan ini juga bertujuan untuk menambah wawasan tentang dasar – dasar
Metode Kuantitatif dikehidupan sehari-hari bagi para pembaca dan juga bagi
penulis.

Kami mengucapkan terima kasih kepada Ibu Dr. Ida Syamsu Roidah,
SP., MMA. selaku Dosen pengampu praktikum Metode Kuantitatif yang telah
memberikan tugas ini sehingga dapat menambah pengetahuan dan wawasan
sesuai dengan bidang studi yang kami tekuni ini. Kami menyadari, tugas yang
kami tulis ini masih jauh dari kata sempurna. Oleh karena itu, kritik dan saran
yang membangun kami butuhkan demi kesempurnaan laporan praktikum ini.

Surabaya, , Juni 2023

Penulis

3
 DAFTAR ISI

LEMBAR PENGESAHAN ................................................................................ 2

KATA PENGANTAR........................................................................................ 3
DAFTAR ISI ...................................................................................................... 4
DAFTAR TABEL .............................................................................................. 5
DAFTAR GAMBAR ......................................................................................... 6
BAB I PENDAHULUAN .................................................................................. 8
1.1. Latar Belakang ........................................................................................ 8
1.2. Tujuan ..................................................................................................... 9
1.3. Manfaat ................................................................................................... 9
BAB II METODE PELAKSANAAN .............................................................. 10
2.1. Waktu dan Tempat ................................................................................ 10
2.2. Alat dan Bahan ..................................................................................... 10
2.3. Prosedur Pelaksanaan ........................................................................... 10
BAB III HASIL DAN PEMBAHASAN .......................................................... 16
3.1. Linear Programming dengan Metode Grafis ........................................ 16
3.2. Metode Simplex .................................................................................... 17
3.3. Metode Transportasi ............................................................................. 19
3.4. Masalah Penugasan (Assignment) ........................................................ 22
3.5. Persediaan (Inventory) .......................................................................... 23
3.6. Antrian (Waiting Lines) ........................................................................ 25
3.7. Regresi Linier Sederhana ...................................................................... 35
3.8. Regresi Linier Berganda ....................................................................... 37
3.9. Regresi Variabel Dummy ..................................................................... 40
3.10. Regresi Non Linear ............................................................................. 44
BAB IV KESIMPULAN DAN SARAN.......................................................... 49
4.1. Kesimpulan ........................................................................................... 49
4.2. Saran ..................................................................................................... 49
DAFTAR PUSTAKA 50

4
 DAFTAR TABEL

Tabel 3. 1 Tabel Masalah Penugasan .................................................................. 16

5
 DAFTAR GAMBAR
Gambar 3. Hasil Penyelesaian Masalah Soal 1................................................. 16
Gambar 3. 2 Grafik Masalah Soal 1.................................................................. 16
Gambar 3. Hasil Penyelesaian Masalah Soal 2 ................................................ 16
Gambar 3. 4 Grafik Maslah Soal 2.................................................................... 16
Gambar 3. 5 Hasil metode simpleks tahap 1..................................................... 17
Gambar 3. 6 Hasil metode simpleks tahap ….….............................................. 18
Gambar 3. 7 Hasil Penyelesaian acara no 3..................................................... 19

Gambar 3. 8 Hasil Penyelesaian no 2 .............................................................. 19

Gambar 3. 9 Hasil Penyelesaian acara 3 no 3….............................................. 20
Gambar 3. 10 Assignment Menggunakan POM......................................... ..... 22
Gambar 3. 11 Assignment List Menggunakan POM.........................................22
Gambar 3. 12 Penyelesaian Masalah Soal 1 inventory..............................,…...23
Gambar 3. 13 Hasil Soal Nomor 2 Inventory….......................................……..24
Gambar 3. 14 Hasil Soal Nomor 3 Inventory ................................................... 24
Gambar 3. 15 Waiting Lines Results………..................................................... 25
Gambar 3. 16 Table of Probabilities…………………............................……..26
Gambar 3. 17 Graph of Probabilities………………...…..................................26

Gambar 3. Graph of Probabilities..................................................................... 27

Gambar 3. 19 Graph of Probabilities………………........................................ 27

Gambar 3. 20 Waiting Lines Results................................................................. 27
Gambar 3. 21 Table of Probabilities................................................................. 28
Gambar 3. 22 22 Graph of Probabilities............................................................ 28

Gambar 3. 23 Graph of Probabilities…………….……………...................... 29

Gambar 3. 24 Graph of Probabilities……………............................................29
Gambar 3. 25 Waiting Lines Results …………………………....................... 30
Gambar 3. 26 Table of Probabilities……………………............................... 30
Gambar 3. 27 Graphs of Probabilities............................................................ 30

6
Gambar 3. 28 Graphs of Probabilities……………………….......................... 31
Gambar 3. 29 Graphs of Probabilities……………………….......................... 31
Gambar 3. 30 Waiting Lines Results …………………………....................... 31
Gambar 3. 31 Waiting Lines Results................................................................. 32
Gambar 3. 32 Graphs of Probabilities.............................................................. 32
Gambar 3. 33 Tampilan Data Saat Soal Telah Dimasukkan Kedalam Software
SPSS.................................................................................................................. 35
Gambar 3. 34 Hasil Dari Perhitungan Soal Diatas.......................................... 35
Gambar 3.35 Data Soal yang dimasukkan Software SPSS............................... 37
Gambar 3. 36 Hasil Perhitungan....................................................................... 38
Gambar 3. 37 Tabel Model Summary................................................................ 40
Gambar 3. 38 Tabel Anova.................................................................................40
Gambar 3. 39 Coefficients…………………………………………................. 41
Gambar 3. 40 Hasil Uji R square…………………………….......................... 44
Gambar 3.41 Hasil Uji F…….……….............................................................. 45
Gambar 3. 42 Hasil Uji T………………………….......................................... 46

7
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Metode Kuantitatif (untuk Bisnis) atau Riset Operasi atau nama lain
yang sejenis adalah mata kuliah yang diberikan pada program sarjana maupun
pasca sarjana jurusan manajemen. Melalui mata kuliah ini, mahasiswa diberi
pemahaman mengambil keputusan bisnis atau menyelesaikan permasalahan
bisnis dengan pendekatan kuantitatif. Di dalam kelas, mahasiswa dilatih
memahami kerangka berpikir serta dilatih untuk menyelesaikan persoalan-
persoalan atau kasus-kasus dengan cara perhitungan manual.
Di dalam bisnis, pengambilan keputusan menjadi bagian yang tidak
terpisahkan dalam keseharian seorang manajer. Pendekatan dalam
pengambilan keputusan bisnis secara sederhana dapat dibagi ke dalam dua
bagian yakni pendekatan kualitatif dan pendekatan kuantitatif. Pendekatan
kualitatif adalah pendekatan dengan menggunakan pengalaman, intuisi,
perkiraan, emosi dalam pengambilan keputusan. Pendekatan kuantitatif adalah
pendekatan ilmiah menggunakan proses matematis untuk menentukan
keputusan terbaik. Keputusan terbaik tentu saja adalah keputusan yang dapat
menggabungkan kedua pendekatan tersebut secara harmonis.
Pendekatan kuantitatif pada mulanya berasal dalam dunia militer. Militer
pada saat Perang Dunia II mengembangkan cara optimasi untuk memenangkan
peperangan dengan sumber daya yang terbatas. Setelah PD II usai, cara-cara
optimasi ini kemudian dikembangkan dan diterapkan dalam dunia bisnis.
Dalam tataran akademik, ada banyak nama yang menggambarkan topik ini
antara lain: metode kuantitatif, riset operasi manajemen kuantitatif, manajemen
sains, analisa kuantitatif untuk bisnis, dan nama lainnya yang berisikan obyek
yang sama.
Setelah memiliki framework dan telah dapat menyelesaikan secara
manualpersoalan-persoalan dalam mata kuliah metode kuantitatif untuk bisnis,
mahasiswa dikenalkan pada penggunaan perangkat lunak yang berkaitan
dengan mata kuliah tersebut. Terdapat beberapa perangkat lunak yang dapat
digunakan untuk membantu proses perhitungan lebih cepat dan akurat misalnya

8
Excel, Excel QM, QM for Windows, Tora dan lainnya. Pada praktikum kali ini
aplikasi yang digunakan hanya POM for Windows dan SPSS sebagai
penunjang praktikum metode kuantitatif.
Metode Penelitian Kuantitatif, menurut Sugiyono (2018) adalah Metode
penelitian yang berlandaskan pada filsafat positifisme, digunakan untuk
meneliti pada populasi atau sampel tertentu, pengumpulan data menggunakan
instrumen penelitian, analisis data bersifat kuantitatif atau statistik, dengan
tujuan untuk menguji hipotesis yang ditetapkan.
Mata kuliah praktikum Metode Kuantitatif, yaitu berguna untuk melatih mahasiswa
menggunakan (mengoperasikan) alat-alat analisis dalam memecahkan masalah
dalam penelitian. Praktikum ini lebih banyak dengan menghimpun datadata di
lapangan dan menghasilkan pengambilan keputusan yang paling tepat (optimum)
dengan menggunakan aplikasi penunjang POM For Windows dan SPSS. Dengan
adanya praktikum metode kuantitatif ini bisa membantu proses meningkatkan ilmu
pengetahuan dan keterampilan peserta didik yang dapat dilakukan baik di dalam
kelas maupun di luar kelas. Tujuan pembelajaran adalah membentuk manusia yang
mampu memecahkan masalah secara ilmiah dengan tetap memegang prinsip etika
dan estetika sehingga diharapkan menjadi insan yang lebih berdaya guna.

1.2 Tujuan
Tujuan dari praktikum secara umum adalah :
1. Mahasiswa dapat menyelesaikan persoalan menggunakan aplikasi POM
For Windows dan SPSS.
2. Mahasiswa dapat menginterpretasikan out-put hasil analisis penyelesaian
persoalan dengan menggunakan aplikasi POM For Windows dan SPSS.

1.3 Manfaat

Manfaat dari praktikum secara umum adalah untuk memberikan manfaat

kepada mahasiswa dalam menganalisis atau meneliti tentang Metode
Kuantitatif pada suatu penelitian atau kasus yang berkaitan.

9
 BAB II
METODE PELAKSANAAN
2.1 Waktu dan Tempat

Pelaksanaan Praktikum “Metode Kuantitatif” dilakukan setiap minggunya

pada hari Selasa 16 Maret 2023 pukul 11.00 – 12.00 bertempat di ruangan 206
Fakultas Pertanian, UPN “Veteran” Jawa Timur.
2.2 Alat dan Bahan
Alat dan bahan yang dibutuhkan dalam pelaksanaan Praktikum Metode

Kuantitatif ini adalah

1. Modul

2. Komputer

3. Software POM

4. Buku

5. Pensil

2.3 Prosedur Pelaksanaan

Prosedur pelaksanaan praktikum Metode Kuantitatif pada setiap acaranya
dijelaskan secara rinci sebagai berikut:
2.3.1 Acara 1 iniear Programing dengan Metode Grafis
Langkah pelaksanaan acara 1
1. Tentukan masalah apakah kasus maksimum atau minimum
2. Berapa jumlah variabel yang ada
3. Berapa jumlah batasan yang ada
4. Masukkan masalah tersebut ke dalam software
5. Lakukan pengecekan pada masalah bila terjadi kesalahan input
6. Lakukan perhitungan dan lihat hasilnya dengan mengklik
SOLVE
7. Tampilkan hasil-hasil perhitungan
8. Simpan formulasi masalah atau datanya

10
2.3.2 Acara 2 Metode Simplex

Langkah pelaksanaan acara 2

1. Membuka software POM QM

2. Memilih tab module pada software POM QM

3. Memilih linear programming

4. Memberi judul untuk data awal

5. Menentukan kasus maksimum atau kasus minimum, jumlah

variabel danbatasan yang ada

6. Memasukkan data maksimum atau minimum pada menu

objective, memasukkan data batasan pada menu constraint,
memasukkan data variabel pada menu variable, memasukkan
jumlah dari persamaan kedalam menu RHS

7. Melakukan pengecekan pada masalah bila terjadi kesalahan input

8. Melakukan perhitungan dan lihat hasilnya dengan mengklik

SOLVE

9. Menampilkan hasil perhitungan dalam bentuk grafik dan bentuk

lainnya

10. Menyimpan data data tersebut dan menulis

2.3.3 Acara 3 Metode Transportasi

Langkah pelaksanaan acara 3
1. Klik Module → Transportation → New
2. Title → ketikkan judul, misalnya PT. Laku Lan Jaya
3. Number of Source → jumlah sumber yang ada (pabrik). Ketikkan 3
4. Number of Destination → jumlah tujuan yang ada (gudang).
Ketikkan 3
5. Objective → pilih minimize karena menghitung biaya minimal.
6. Row Name Options → pilih source 1, source 2, ....

11
 7. Klik OK sehingga muncul tabel isian dan isikan data sesuai kasus:

Pilih Vogel’s approximation Method pada Starting Method. Setelah itu

klik SOLVE untuk melihat hasilnya.

2.3.4 Acara 4 Masalah Penugasan ( Assignment )

Langkah pelaksanaan acara 4
1. Membuka software POM, lalu klik Module → Assignment → File
→ New.
2. Memasukkan judul pada kolom Title.
3. Menentukan Number of Jobs → jumlah pekerja yang digunakan.
4. Menentukan Number of Machines → jumlah pekerjaan yang
tersedia.
5. Pada Objective pilih “Maximize” karena memaksimalkan
keuntungan dengan menghitung produk yang dapat diproduksi.
6. Pada Row Name Options kemudian pilih job 1, job 2, ...
7. Klik OK sehingga muncul tabel isian kemudian isikan data sesuai
permasalahan yang dihadapi.
8. Melakukan pengecekan ulang pada tabel, apabila terdapat kesalahan
penginputan data.
9. Klik Solve untuk mengetahui hasil perhitungan masalah penugasan
terhadap permasalahan yang telah diinput sebelumnya.
10. Menyimpan data untuk dibuat laporan.

2.3.5 Acara 5 Persediaan (Inventory ).

Langkah pelaksanaan acara 5

1. Klik Module → Inventory → New → Economic Order

Quantity (EOQ)Model.
2. Title → ketikkan judul, lalu klik OK

3. Lengkapi dan isi kotak tersebut dengan data yang ada, seperti:

12
 • Demand rate (D): 600

• Setup/Ordering cost (S): 50000

• Holding cost (H): 120000

• Unit cost: 600000

4. Klik SOLVE untuk melihat hasilnya.

2.3.6 Acara 6 Antrian ( waiting Lines ).

Langkah Pelaksanaan acara 6
1. Klik Module → Waiting Lines → New → pilih model yang sesuai
dengan studi kasus. Untuk contoh di atas alternatif pertama yang
dipilih adalah M/M/1,
2. Buat judul penyelesaian soal ini dengan mengisi bagian Title:
“Hipermarket”. Jika Title tidak diisi, program QM for Windows
akan membuat judul sendiri sesuai default (patokan)- nya. Default
Title ini dapat dirubah dengan meng-klik modify default title. Judul
dapat diubah/edit dengan meng-klik ikon title.
3. Pilih pada bagian Cost Analysis,pada pilihan Use Cost. Klik OK.
4. Selesaikan soal dengan meng-klik tombol SOLVE pada toolbar atau
dari menu File-Solve, atau dengan menekan tombol F9 pada
keyboard.

2.3.7 Acara 7 Regresi Liniear Sederhana

Langkah Pelaksanaan acara 7
1. Membuka aplikasi SPSS
2. Memberi nama pada tab “variable views” dengan X dan Y
dan memberinama label X (penjualan) dan label Y (promosi).
3. Mengisikan data pada tab “data view” sesuai dengan soal yang
diberikan.
4. Meng-klik Analyze → Regression → Linier
5. Memasukkan variabel X (penjualan) ke box “independent”
dan variabel Y (promosi) ke box “dependent”, lalu meng-klik

13
 OK.
6. Membandingkan output analisis dengan latihan yang dikerjakan.

2.3.8 Acara 8 Regresi Linear Berganda

Langkah pelaksanaan acara 8

1. Membuka SPSS.
2. Memberi nama pada tab “variable views” dengan X dan Y dan
memberi keterangan variabel X dan Y pada kolom label.
3. Mengklik Data View → Masukkan data sesuai dengan nama kolom
→ Analyze → Regression → Linear.
4. Mengisi Variabel Y pada menu ‘Dependendt’ dan X1, X2, X3, X4
ke menu ‘Independent’, klik OK
5. Output data Uji Regresi Linear Berganda akan muncul yang mana
terdapat tabel Variables Entered Removeda, Model Summary,
ANOVA, Ciefficiensa.

2.3.9 Acara 9Rehresi Variable Dummy

Langkah pelaksanaan acara 9
1. Membuka software SPSS → New database → Variable view
2. Masukkan variable pada kolom “Name” dan keterangan variable
pada kolom “Label”
3. Meng-klik “data view” dan masukkan data
4. Meng-klik “analyze” → Regression → Linear
5. Masukkan variable Y (pendapatan petani jagung hibrida (rp)) ke box
dependent dan variable X₁ (biaya benih jagung hibrida (rp)), X₂
(biaya pupuk (rp)), X₃ (biaya tenaga kerja (rp)), X₄ (jumlah produksi
jagung hibrida (kg)), dan D (variabel dummy, dimana 1 adalah
petani mitra dan 0 adalah petani non mitra) ke box independent.
6. Meng-klik “oke” dan hasil penyelesaian akan muncul.

2.3.10 Acara 10 Regrsi Non Linier

Langkah Pelaksanaan acara 10

14
1. Buka aplikasi SPSS yang sudah terinstal di laptop
2. Beri nama pada tab “variable views” di baris 1 sampai akhir dengan
nama X dan Y sesuai dengan data pada buku panduan praktikum
3. Pindah ke menu “Data View” kemudian masukkan data sesuai di
dalam buku panduan praktikum
4. Klik transform – compute variable kemudian pada target variable isi
LN_X1 sampai variable paling terakhir. Pada function group klik
“ALL” pada Function and special variables klik “Ln” pada numeric
expression ketik LN (X1) hingga variable paling terakhir sesuai data
pada modul
5. Klik Analyze – Regression – Linier
6. Masukkan variabel X dan Y ke variable dependen dan independen
sesuai dengan informasi pada modul

15
 BAB III

HASIL DAN PEMBAHASAN

3.1 Hasil

Gambar 3.1 Hasil Penyelesaian Masalah Soal 1

Gambar 3.2 Grafik Masalah Soal 1

Gambar 3.3 Hasil Penyelesaian Masalah Soal 2

Gambar 3.4 Grafik Maslah Soal 2

Pembahasan

Permasalahan pada soal nomor 1 adalah permasalahan liniear

programming mengenai maksimasi atau optimalisasi keuntungan. Untuk
menyelesaikan permasalahan pada nomor 1, langkah awal yang dilakukan
adalah dengan menentukan fungsi tujuan dan fungsi batasan. Setelah data
diinput kedalam software POM dan berdasarkan hasil penyelesaian masalah

16
 sesuai pada gambar 3.1 dapat disimpulkan bahwa untuk menggarap tanah
yang optimal dengan berbagai kendala di atas maka petani hanya perlu
menggarap 5 ha tanahnya untuk ditanami padi dan 2 ha untuk ditanami
kedelai dengan keuntungan yang akan diperoleh sebesar Rp 23.000.000.-
Hasil penyelesaian dalam bentuk grafik juga dapat dilihat dalam gambar
3.2.
Permasalahan pada soal nomor 2 adalah permasalahan liniear
programming mengenai minimalisasi biaya. Untuk menyelesaikan
permasalahan pada nomor 2, langkah awal yang dilakukan adalah dengan
menentukan fungsi tujuan dan fungsi batasan. Setelah data diinput kedalam
software POM dan berdasarkan hasil penyelesaian masalah sesuai pada
gambar 3.3 dapat disimpulkan bahwa untuk mendapatkan ongkos
seminimal mungkin maka pada polutan 1 yang dihasilkan 3 pabrik sebesar
= 30,000 ton dan pada polutan 2 yang dihasilkan 3 pabrik sebesar = 26,666
ton dengan biaya total sebesar Rp 1.966.667,-. Hasil penyelesaian dalam
bentuk grafik pada nomor 2 dapat dilihat pada gambar 3.4.

3.2 Hasil

Gambar 3.5 Hasil liniear progaming metode simpleks tahap 1

17
 Gambar 3.6 Hasil metode simpleks tahap 2

Pembahasan
Permasalahan pada soal adalah permasalahan linear
programming menganai maksimasi atau optimalisasi keuntungan.
Untuk menyelesaikan soal, langkah awal yang dilakukan adalah dengan
menentukan fungsi tujuan dan fungsi batasan. Setelah data diinput ke
dalam software POM dan hasil tertera pada gambar 4.1 dapat
disimpulkan bahwa untuk menentukan kombinasi ketiga jenis minuman
agar memperoleh keuntungan terbesar dengan tidak melampaui batas
maka dibutuhkan 150 soybean, dan 275 peel fresh. Dan juga di gambar
4.2 yaitu : penyelesaian lanjutan dari maksimasi keuntungan tersebut,
berhenti di tahap ketiga karena menunjukkan angka sudah tidak ada
yang negatif.

18
3.3 Hasil

Gambar 3.7. Hasil Penyelesaian acara no 3

Gambar 3.8. Hasil Penyelesaian acara 3 no 2

19
 Gambar 3.9. Hasil Penyelesaian acara 3 no 3

Pembahasan
Pada praktikum ini menggunakan aplikasi POM QM dan
menggunakan metode transportasi metode any starting method, dengan
model tersebut maka akan langsung automatis menunjukkan hasil yang
paling optimal dan terkecil. Permasalahan soal no 1 ditunjukkan pada
gambar 4.1.1. Permasalahan pada nomor 1 ialah perusahaan memiliki 3
pabrik yakni pabrik W, H, O dan memiliki 3 gudang yakni gudang A, B, C.

dengan kapasitas produksi pabrik W 90 ton, H 60 ton, O 50 ton yang

digunakan untuk supply. Kebutuhan tiap bulan pada gudang A, B, C adalah
50 ton, 110 ton, 40 ton, digunakan untuk demand. Dari data tersebut alokasi
hasil produksi dari pabrik-pabrik tersebut ke gudang-gudang penjualan
dengan biaya pengangkutan terendah. Untuk menentukan biaya terendah
maka harus menggunakan metode transportasi.
Gambar 4.1.1 menunjukkan biaya optimal, yaitu $1890. $1890 dikirim
dari pabrik W ke gudang B. B membawa 60 ton barang. Biaya setiap potong

20
barang adalah $5, dikalikan dengan $300. Biaya setiap 30 ton barang dari
pabrik W adalah $8 untuk gudang C. Artinya pabrik W masuk ke gudang
C. $240. Hal yang sama berlaku untuk memindahkan 50 ton barang dari
pabrik H ke Gudang A, dan biaya per buah adalah $15, jadi total biayanya
adalah $750. Hal yang sama berlaku untuk memindahkan barang dari pabrik
H ke gudang C dengan berat 10 ton, dan biaya per buah adalah $10, jadi
total biaya Biayanya adalah $100. Terakhir, pengiriman 50 ton barang dari
pabrik O ke gudang B dikenai biaya $10 per buah, jadi total biayanya adalah
$500. Jika Anda menjumlahkan semua biaya, total biaya pengiriman adalah
$1890.

Permasalahan soal no 2 ditunjukkan pada gambar 4.1.2. Permasalahan

pada nomor 2 adalah Perusahaan Hardrock memiliki 3 pabrik pada daerah
yang berbeda-beda dan memiliki 3 proyek dengan lokasi yang berbeda juga.
Pabrik 1, 2, 3 memiliki kapasitas 70, 50 dan 30. Serta kapasitas untuk proyek
A, B, C adalah 40, 50, 60. Tentukan alokasi yang memberikan biaya
transportasi paling minim. Untuk menentukan biaya paling minim maka
harus menggunakan metode transportasi.

Pada Gambar 4.1.2 ditampilkan biaya optimal sebesar $1040, yang

diperoleh dari pabrik 1 mengirim ke proyek A dengan kapasitas 20 dan
biaya sebesar $10, sehingga total biaya menjadi $200, kemudian pabrik 1
mengirim ke proyek A dengan kapasitas 50 Barang B berharga $4 per unit,
jadi total biaya pengiriman adalah $200. Pabrik 2 mengirim ke Proyek C
dengan kapasitas 50 dan biaya $8 per buah, jadi total biaya pengiriman
adalah $400, Pabrik 3 mengirim ke Proyek A dengan kapasitas 20 dan biaya
$9 per buah, jadi total biaya pengiriman adalah $180. Terakhir, pengiriman
di Pabrik 3 ke Proyek C, yang berkapasitas 10 orang, dikenai biaya $6 per
unit, jadi biaya pengirimannya adalah $60. Jadi total biayanya adalah
$1040.

Permasalahan soal no 3 ditunjukkan pada gambar 4.1.3. Permasalahan

pada nomor 3 adalah MG Auto memiliki 3 pabrik mobil di Los Angeles,
Detroit dan New Orleans dan 2 distributor utama di Denver dan Miami.

21
 Jumlah produksi mobil tiap tiap pabrik dalam satu tahun adalah 100 unit,
150 unit dan 50 unit. Permintaan kedua distributor setiap tahunnya masing
masing sejumlah 175 unit dan 125 unit. Tentukan pendistribusian yang
optimal. Untuk menentukan biaya paling minim maka harus menggunakan
metode transportasi.

Gambar 4.1.3 menunjukkan biaya terendah atau terendah untuk proses

pengiriman MG Auto, yaitu $18.250, dan pengiriman 100 dari Los Angeles
ke Denver dikenai biaya $40, jadi biaya pengirimannya adalah $4000,
kemudian pengiriman dari Detroit ke Denver dikirim Memesan $25, biaya
adalah $100, dan pengiriman adalah $2500. Dalam pengiriman dari Detroit
ke Miami, biaya pengiriman adalah $70, dan 125 buah dikirimkan, dan
biaya pengiriman adalah $8750. Terakhir, ada biaya $60 dan pengiriman
$3.000 untuk pengiriman hingga 50 buah dari New Orleans ke Denver. Jadi
total biaya pengiriman adalah $18.250.

3.4 Hasil

Gambar 3.10 Assignment Menggunakan POM

Gambar 3.11 Assignment List Menggunakan POM

Pembahasan

Berdasarkan data diatas, perusahaan konveksi memiliki 4 karyawan

yang bernama Aya, Ana, Lilo, dan Kina. Masing-masing dari mereka

22
 mengerjakan produk baju, celana, safari, dan rok. Jumlah total produk yang
mereka kerjakan sejumlah 38 barang. Pada gambar 4.1 menunjukkan
tampilan pada software POM untuk soal nomor 1. Persoalan ini yaitu
seorang pengusaha konveksi yang memiliki 4 orang karyawati yang
memproduksi 4 jenis produk. Persoalan ini memiliki tujuan agar karyawan
dapat menghasilkan produk maksimum. Pada gambar 4.2 menunjukkan
hasil solusi penyelesaian pada soal nomor 1.

Berdasarkan hasil tersebut, dapat diketahui bahwa keuntungan

maksimal yang diperoleh pengusaha konveksi tersebut sebanyak 38 buah.
Rincian produksi barang yakni karyawati yang bernama Aya bertugas
membuat baju sebanyak 6 buah, karyawati yang bernama Ana bertugas
membuat celana sebanyak 8 buah, karyawati bernama Lilo bertugas
bertugas membuat safari sebanyak 12 buah, dan karyawati bernama Kina
bertugas untuk membuat rok sebanyak 12 buah. Perhitungan tersebut sudah
menunjukkan keuntungan yang maksimal bagi perusahaan tersebut.

3.5 Hasil

Gambar 3. 12 Penyelesaian Masalah Soal 1 inventory

23
 Gambar 3. 13 Hasil Soal Nomor 2 Inventory

Gambar 3. 14 Hasil Soal Nomor 3 Inventory

Pembahasan
Metode Inventory digunakan untuk menyelesaikan permasalahan yang
terkait dengan pengelolaan persediaan barang dalam proses produksi dan biaya
produksi yang terkait dengan permintaan dari pelanggan atas suatu produk,
serta termasuk biaya yang terkait dengan menjaga stok barang di dalam
warehouse. Rasio perputaran persediaan atau Inventory turnover merupakan
rasio yang mengukur sejauh mana kemampuan perusahaan menghasilkan
penjualan berdasarkan persediaan yang dimiliki.
Variabel yang sudah diketahui berdasarkan perhitungan dari soal nomor 1
menghasilkan perhitungan dengan menggunakan aplikasi POM bahwa EOQ
perusahaan sebanyak 300 unit. Persedian maksimum perusahaan sebanyak 300
unit. Rata-rata persediaan adalah 150 unit. Perusahaan melakukan pemesanan
selama 24 hari sekali sehingga dalam satu tahun dilakukan 15 kali orderan.
Total biaya persediaan yang dikeluarkan perusahaan adalah Rp 12.000 dengan
biaya total perusahaan adalah Rp 3.612.000.

24
 Variabel yang sudah diketahui berdasarkan perhitungan dari soal nomor 2
menghasilkan perhitungan dengan menggunakan aplikasi POM dapat
disimpulkan bahwa EOQ perusahaan sepatu sebanyak 51,64 unit. Biaya total
perusahaan sepatu adalah $21.549,19. Perusahaan sepatu memesan sebanyak
19,36 kali dalam 1 tahun. Total biaya pemesanan adalah $774,6. Total biaya
simpan adalah $774,6 Sedangkan perhitungan nomor 2 dengan menggunakan
aplikasi POM dapat disimpulkan bahwa EOQ gudang Rabat Alfa sebanyak
$774,6. Total biaya pemesanan oleh gudang Rabat Alfa adalah $309,84. Total
biaya yang dikeluarkan adalah $200.619,7. Gudang Rabat Alfa melakukan
pemesan sebanyak 5,16 kali dalam 1 tahun. Total biaya simpan sebesar
$309,84.

3.6 Hasil

4.1.1. Soal A

Gambar 3.15 Waiting Lines Results

25
 Gambar 3.16 Table of Probabilities

Gambar 3.17. Graph of Probabilities

26
 Gambar 3.18. Graph of Probabilities

Gambar 3.19. Graph of Probabilities

Soal B

Gambar 3.20. Waiting Lines Results

27
 Gambar 3.21 Table of Probabilities

Gambar 3,22 Graph of Probabilities

28
Gambar 3.23 Graph of Probabilities

Gambar 3.24 Graph of Probabilities

29
4.1.2. Soal C

Gambar 3.25 Waiting Lines Results

Gambar 3.26 Table of Probabilities

Gambar 3.27 Graphs of Probabilities

30
 Gambar 3.28 Graphs of Probabilities

Gambar 3.29 Graphs of Probabilities

4.1.3. Soal D

Gambar 3.30. Waiting Lines Results

31
 Gambar 3.31. Waiting Lines Results

Gambar 3.32 Graphs of Probabilities

Pembahasan

4.1.4. Soal a

Hasil perhitungan soal a yang ditunjukkan pada gambar hasil soal a,

bahwa dengan tetap memberlakukan sistem yang ada, yaitu satu saluran satu

32
tahap, maka akan memperoleh hasil tingkat intensitas atau rata-rata kegunaan
pelayanan (Average Server Utilization) adalah 0,63. Jadi, pelayan (kasir) akan
sibuk melayani pelanggan selama 63% dari waktunya. 37% merupakan idle
time yang akan digunakan pelayan (kasir) untuk istirahat, membereskan
berkas, dan lain-lain.

Jumlah pelanggan yang diinginkan menunggu dalam antrian atau Lq

(Average Number In The Queue) adalah 0,8. Jadi, pelanggan yang menunggu
dilayani dalam antrian sebanyak 0,8 pelanggan. Jumlah rata-rata pelanggan
yang diinginkan dalam sistem atau Ls (Average Number In The System) adalah
2,05. Pelayan (kasir) dapat mengharapkan 2.05 atau 2 pelanggan yang berada
dalam sistem. Waktu yang diharapkan oleh pelanggan selama menunggu dalam
antrian atau Wq (Average Time In The Queue) adalah 0,05 atau 3,21 menit.
Rata-rata pelanggan menunggu dalam antrian selama 3,21 menit. Waktu yang
diharapkan pelanggan selama dalam sistem atau Ws (Average Time In The
System) = 0,14 jam atau 8,21 menit. Artinya, waktu rata-rata pelanggan
menunggu dalam sistem selama 8,21 menit.

4.1.5. Soal b

Berdasarkan hasil soal b yang ditunjukkan pada gambar hasil soal b,

bahwa tingkat intensitas atau rata-rata kegunaan pelayanan (Average Server
Utilization) adalah 0,31. Pelayan (kasir) akan sibuk melayani pelanggan selama
31% dari waktunya. 69% (sisanya) merupakan idle time yang akan digunakan
pelayan (kasir) untuk istirahat, membereskan berkas, dan lain-lain. Jumlah
pelanggan yang diharapkan menunggu dalam antrian atau Lq (Average Number
In The Queue) adalah 0,07. Pelayan yang menunggu untuk dilayani dalam
antrian sebanyak 0,07 pelanggan. Jumlah rata-rata pelanggan yang diharapkan
dalam sistem atau Ls (Average Number In The System) adalah 0,69. Pelayan
(kasir) dapat mengharapkan 0,69 pelanggan yang berada dalam sistem. Waktu
yang diharapkan oleh pelanggan selama menunggu dalam antrian atau Wq
(Average time in the queue) adalah 0,27 menit. Rata-rata pelanggan menunggu
dalam antrian selama 0,27 menit. Waktu yang diharapkan pelanggan selama

33
dalam sistem atau Ws (Average Time In The System) adalah 0,05 jam atau 2,77
menit. Waktu rata-rata pelanggan menunggu dalam sistem selama 2,77 menit.

4.1.6. Soal c

Berdasarkan hasil soal c yang ditunjukkan pada gambar hasil soal c,

bahwa tingkat intensitas atau rata-rata kegunaan pelayanan (Average Server
Utilization) adalah 0,42. Pelayan (kasir) akan sibuk melayani pelanggan selama
42% dari waktunya. 58% (sisa) merupakan idle time yang akan digunakan
pelayan (kasir) untuk istirahat, membereskan berkas, dan lain-lain. Jumlah
pelanggan yang diharapkan menunggu dalam antrian atau Lq (Average Number
In The Queue) adalah 0,11. Pelanggan yang menunggu untuk dilayani dalam
antrian sebanyak 0,11 pelanggan. Jumlah rata-rata pelanggan yang diharapkan
dalam sistem atau Ls (Average Number In The System) adalah 1,36. Pelayan
(kasir) dapat mengharapkan 1,36 atau 1 pelanggan yang berada dalam sistem.
Waktu yang diharapkan oleh pelanggan selama menunggu dalam antrian atau
Wq (Average Time In The Queue) adalah 0,44 menit. Rata-rata pelanggan
menunggu dalam antrian selama 0,44 menit. Waktu yang diharapkan pelanggan
selama dalam sistem atau Ws (Average Time In The System) adalah 0,09 jam
atau 5,44 menit. Rata-rata pelanggan menunggu dalam sistem selama 5,44
menit.

4.1.7. Soal d

Berdasarkan hasil soal d yang ditunjukkan pada gambar hasil soal d,

bahwa tingkat intensitas atau rata-rata kegunaan pelayanan (Average Server
Utilization) adalah 0,42. Pelayan (kasir) akan sibuk melayani pelanggan selama
42% dari waktunya. 58% (sisa) merupakan idle time yang akan digunakan
pelayan (kasir) untuk istirahat, membereskan berkas, dan lain-lain. Jumlah
pelanggan yang diharapkan menunggu dalam antrian atau Lq (Average Number
In The Queue) adalah 0,11. Pelanggan yang menunggu untuk dilayani dalam
antrian sebanyak 0,11 pelanggan. Jumlah rata-rata pelanggan yang diharapkan
dalam sistem atau Ls (Average Number In The System) adalah 1,36. Pelayan

34
 (kasir) dapat mengharapkan 1,36 atau 1 pelanggan yang berada dalam sistem.
Waktu yang diharapkan oleh pelanggan selama menunggu dalam antrian atau
Wq (Average Time In The Queue) adalah 0,44 menit. Rata-rata pelanggan
menunggu dalam antrian selama 0,44 menit. Waktu yang diharapkan pelanggan
selama dalam sistem atau Ws (Average Time In The System) adalah 0,09 jam
atau 5,44 menit. Waktu rata-rata pelanggan menunggu dalam sistem selama
5,44 menit.

3.7 Hasil

Gambar 3.33 Tampilan Data Saat Soal Telah Dimasukkan Kedalam

Software SPSS

Gambar 3.34 Hasil Dari Perhitungan Soal Diatas

35
Pembahasan

Kasus pada acara 7 membahas mengenai perhitungan regresi linier

sederhana. Setelah data pada soal dimasukkan ke dalam software SPSS
maka tampilannya akan seperti pada gambar 4.1. Hasil perhitungan kasus
diatas dapat dilihat pada gambar
4.2. Berdasarkan gambar tersebut dapat diketahui bahwa nilai koefisien
determinasi 0.741. Dengan demikian dapat dinyatakan bahwa variasi
penjualan mampu dijelaskan oleh biaya promosi sebesar 74.10%, dan
sisanya dipengaruhi faktor lainselain biaya promosi.

Pada kasus ini dapat diketahui bahwa persamaan regresinya adalah

sebagai berikut:

Y= 45800.119 + 1.512X
Dimana Y adalah biaya promosi dan X adalah jumlah penjualan yang
dikeluarkan. Persamaan regresi tersebut mempunyai makna yaitu
konstanta sebesar 45800.119 berarti bahwa tanpa adanya biaya yang
dikeluarkan untuk promosi, maka penjualan adalah sebesar 45,800 satuan.
Jika variabel biaya promosi naik (satu juta) maka akan menyebabkan
kenaikan (karena tanda positif) sebesar 1.512 pada penjualan.

Hasil dari perhitungan di atas juga dapat digunkana untuk pengujian

hipotesis, dimana:

Ho : Tidak ada pengaruh X terhadap Y

Ha : Ada pengaruh positif dan signifikan X terhadap Y

Pengambilan keputusan (berdasarkan probabilitas)

jika probabilitas > 0,05 maka Ho diterima, sedangkan jika probabilitas

< 0,05 maka Ho ditolak. Dari hasil uji signifikansi terlihat bahwa nilai
probabilitas adalahsebesar 0,00 (< 0,01) sehingga Ho ditolak. Artinya,
pengaruh biaya promositerhadap penjualan signifikan sehingga hipotesis
alternatif (Ha) diterima.

Hasil uji melalui probabilitas ini juga relevan dengan pengujian melalui

36
 statistik t. Nilait hitung adalah sebesar 4.785, sementara t tabel diperoleh
dari dk =n – 2 = 10-2 = 8 (dalam uji ini, diambil dk = 30) dan taraf
signifikansi 1% adalah sebesar 4.604. Karena t hitung > t tabel (4.785 >
4.604) maka Ho ditolak, artinya pengaruh X terhadap Y adalah positif dan
terbukti signifikan berdasarkan pengujianstatistik.

Akan diprediksi penjualan sepeda motor jika penjualan sebesar

1.000.000

Y = 45800.119 + 1.512 (Penjualan)

Y = 45800.119 + 1.512 (1.000.000)

Y = 1.557.800 (dibulatkan)

Dengan demikian dapat dinyatakan bahwa jika penjualan sebesar 1 juta,

maka biayapromosi diprediksi sebesar 1.557.800.

3.8 Hasil

Gambar 3.35 Data Soal yang dimasukkan Software SPSS

37
 Gambar 3.36 Hasil Perhitungan

Pembahasan

Dari hasil pengamatan pada analisis “Analisis Faktor-Faktor Yang

Mempengaruhi Kinerja Pegawai di Balai Benih Induk Padi Wilayah X”
dapat diperoleh hasil dilihat dari tabel dengan menggunakan berbagai uji
statistik yaitu :
• Uji R2 (Uji Koefisien Determinasi)
Diketahui bahwa nilai koefisien determinasi sebesar 0,643. Dengan
demikian dapat dinyatakan bahwa variabel independent atau X1, X2, X3,
X4 (variabel penghargaan, variabel pemberian imbalan, variabel
lingkungan kerja, serta variabel pendidikan dan pelatihan kerja) mampu
mempengaruhi variabel dependent atau Y (kinerja pegawai) sebesar 64,3%
dan sisanya (100% - 64,3% = 35,7%) dipengaruhi oleh faktor-faktor lain
selain keempat variabel tersebut.
• Uji F (Uji Regresi Secara Bersama)
Pengujian Hipotesis:
- Ho = tidak ada pengaruh variabel independen terhadap variabel dependen.
- Ha = terdapat pengaruh variabel independen terhadap variabel dependen.
Pengambilan keputusan (berdasarkan probabilitas):
- Jika probabilitas > 0,05 maka Ho diterima
- Jika probabilitas < 0,05 maka Ho ditolak
Dari hasil pengerjaan pada tabel hasil Uji f sebesar 0,00 . Uji F = 0,00 <
0,05 berati H0 ditolak dan H1 diterima jadi secara seluruh variabel bebas
(X1, X2, X3, X4). Terdapat mempengaruhi terhadap kinerja pegawainya
atau variabel terikatnya. Hal ini dapat dilihat juga dari nilai F hitung yaitu

38
sebesar 11,272. Sehingga penghargaan, pemberian imbalan, lingkungan
kerja, dan pendidikan dan pelatihan kerja dapat mempengaruhi kinerja
pegawai.
• Uji t (t-test)
Uji parsial t digunakan untuk menunjukkan seberapa jauh pengaruh dari
variabel independen terhadap variabel dependen dengan menganggap
variabel independen lainnya adalah konstan (Ghozali, 2011 dalam Wardani,
2021). Pengujian ini dimaksudkan untuk mengetahui ada tidaknya
pengaruhnya variabel independen secara parsial atau sendiri-sendiri dengan
variabel dependen, Untuk masing-masing variable penjabarannya yaitu
sebagai berikut :
1. X1 Penghargaan = 0,000
Koefisien nilai t hitung variabel penghargaan (X1) sebesar 5,426 dan
nilai signifikansi adalah 0,000. Maka 0,000 < 0,05 sehingga dapat
disimpulkan bahwa variabel penghargaan berpengaruh signifikan
terhadap variabel kinerja pegawai.
2. X2 Pemberian imbalan = 0,026
Koefisien nilai t hitung variabel pemberian imbalan (X2) sebesar
2,363 dan nilai signifikansi 0,026. Maka 0,026 < 0,05 sehingga dapat
disimpulkan bahwa variabel pemberian imbalan berpengaruh signifikan
terhadap variabel kinerja pegawai.
3. X3 Lingkungan Kerja = 0,715
Koefisien nilai t hitung variabel lingkungan kerja (X3) sebesar 0,370
dan nilai signifikansi 0,715. Maka 0,715 > 0,05 sehingga dapat
disimpulkan bahwa variabel lingkungan kerja tidak berpengaruh
signifikan terhadap variabel kinerja pegawai.
4. X4 Pendidikan dan Pelatihan = 0,009
Koefisien nilai t hitung variabel pendidikan dan pelatihan kerja (X4)
sebesar 2,827 dan nilai signifikansi 0,009. Maka 0,009 < 0,05 sehingga
dapat disimpulkan bahwa variabel pendidikan dan pelatihan kerja
berpengaruh signifikan terhadap variabel kinerja pegawai.

39
3.9 Hasil dan Pembahasan

4.1.1 Uji R2

Gambar 3.37 Tabel Model Summary

Nilai koefisien determinasi (R²) ini mencerminkan seberapa besar variasi
dari variabel terikat Y dapat diterangkan oleh variabel bebas X, atau dengan kata
lain seberapa besar variabel X memberikan kontribusi terhadap variabel Y. Pada
tabel output analisis regresi variabel dummy diatas dapat dilihat bahwa nilai R² atau
R Square adalah sebesar 0,997. Hal ini menunjukkan adanya pengaruh biaya benih
jagung (X1), biaya pupuk (X2), biaya tenaga kerja (X3), dan jumlah produksi
jagung hibrida (X4) terhadap pendapatan petani jagung hibrida sebesar 99,7%,
sedangkan sisanya diterangkan oleh faktor lain yang tidak diteliti.
Semakin tinggi nilai R2 artinya semakin baik model prediksi dari model
penelitian yang diajukan. Uji koefisien determinasi (R2) dilakukan untuk
menentukan dan memprediksi seberapa besar atau penting kontribusi pengaruh
yang diberikan oleh variabel independen secara bersama-sama terhadap variabel
dependen. Nilai koefisien determinasi yaitu antara 0 dan 1. Jika nilai mendekati 1,
artinya variabel independen memberikan hampir semua informasi yang dibutuhkan
untuk memprediksi variabel dependen. Namun, jika nilai R2 semakin kecil, artinya
kemampuan variabel–variabel independen dalam menjelaskan variabel dependen
cukup terbatas (Ghozali, 2016).
4.1.2 Uji F

Gambar 3.38 Tabel Anova

40
 Uji-F digunakan untuk menguji koefisien regresi secara bersamasama. Dari
hasil uji F yang terdapat pada tabel output analisis regresi variabel dummy
didapatkan nilai F hitung sebesar 2225,040 dengan angka signifikansi sebesar
0,000. Dengan tingkat signifikansi 95% (α =0,05). Angka signifikansi sebesar 0,000
< 0,05. Atas dasar perbandingan tersebut, maka H1, H2, H3, H4, dan H5 diterima
atau berarti variabel biaya benih jagung (X1), biaya pupuk (X2), biaya tenaga kerja
(X3), jumlah produksi jagung hibrida (X4) dan Dummy (D) mempunyai pengaruh
yang signifikan secara bersama-sama terhadap pendapatan petani jagung hibrida
4.1.3 Uji T

Gambar 3.39 Coefficients

Uji-t digunakan untuk menguji koefisien regresi berganda secara parsial
(individu). Pengujian uji t dapat dilakukan dengan menggunakan bantuan program
SPSS dengan kriteria penilaian sebagai berikut:
- Apabila besarnya probabilitas signifikansi lebih kecil dari 0,05 maka Ho ditolak
dan Ha diterima. Ada pengaruh X terhadap Y
- Apabila besarnya probabilitas signifikansi lebih besar dari 0,05 maka Ho diterima
dan Ha ditolak. Tidak ada pengaruh X terhadap Y
Melalui table uji T diaats dapat diperoleh persamaan regresi dengan nilai Constant
dan Coefficient variabel X pada kolom B serta dianalisis nilai sig variabel X.
Persamaan regresi adalah sebagai berikut:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + α1D + ε
Y = -157538,485 + 5,317 X1 – 8,609 X2 + 2,445 X3 + 2610,852 X4 + 362410237
D + 110947,400
Dengan keterangan biaya pupuk (X2), biaya benih jagung hibrida (X1), biaya,
tenaga kerja (X3) dan jumlah produksi jagung hibrida (X4).
Konstanta sebesar -157538,485 berarti bahwa tanpa adanya variabel biaya
benih jagung hibrida, biaya pupuk, biaya tenaga kerja, jumlah produksi jagung

41
 hibrida dan variabel dummy maka akan diikuti menurunnya variabel pendapatan
petani jagung hibrida sebesar -157538,485. Besarnya koefisien regresi sebesar
5,317 pada variabel biaya benih jagung hibrida maka akan meningkatkan variabel
pendapatan petani jagung hibrida sebesar 5,317.
Selanjutnya untuk koefisien regresi sebesar -8,609 pada variabel biaya
pupuk juga akan diikuti oleh menurunnya variabel pendapatan petani jagung
hibrida sebesar 8,609.
Sedangkan besarnya koefisien regresi sebesar 2,445 pada variabel biaya
tenaga kerja maka akan meningkatkan variabel pendapatan petani jagung hibrida
sebesar 2,445.
Lalu untuk koefisien regresi sebesar 2610,852 pada variabel jumlah produki
jagung hibrida maka akan meningkatkan variabel pendapatan petani jagung hibrida
sebesar 2610,852.
Dan yang Terakhir yaitu koefisien regresi variabel dummy sebesar
362410237 yang juga akan diikuti oleh meningkatnya variabel pendapatan petani
jagung hibrida sebesar 362410237 untuk petani mitra sedangkan untuk petani non
mitra tidak mengalami kenaikan pendapatan sebesar 362410237. Jadi petani mitra
mendapatkan pendapatan lebih tinggi senilai 362410237 daripada petani non mitra.
Setiap terjadi peningkatan atau penurunan sebesar 1% variabel bebas maka
akan diikuti dengan meningkatkan variabel pendapatan petani jagung hibrida
sebesar koefisien regresinya Untuk masing-masing variable penjabarannya yaitu
sebagai berikut:
a. Pengujian Hipotesis Pertama (X1)
diperoleh nilai T-hitung sebesar 1,908 dan nilai sig nya 0,065 sehingga T-hitung <
T-tabel (1,908 < 2,032) dan 0,065 > 0,005 artinya Ho diterima dan Ha ditolak. Hal
itu berati variabel Biaya Benih Jagung Hibrida secara parsial tidak berpengaruh
terhadap Pendapatan Petani Jagung Hibrida.
b. Pengujian Hepotesis Kedua (X2)
Diperoleh nilai T-hitung sebesar -3,647 dan nilai sig nya 0,001 sehingga T-hitung <
T-tabel (-3,647 < 2,032) dan 0,001 < 0,005 artinya Ho ditolak dan Ha diterima. Hal
itu berati variabel Biaya Pupuk secara parsial berpengaruh terhadap Pendapatan
Petani Jagung Hibrida.

42
c. Pengujian Hepotesis Ketiga (X3)
Diperoleh nilai T-hitung sebesar 1,970 dan nilai sig nya 0,057 sehingga T-hitung <
T-tabel (1,970 < 2,032) dan 0,057 > 0,005 artinya Ho diterima dan Ha ditolak. Hal
itu berati variabel Biaya Tenaga Kerja secara parsial tidak berpengaruh terhadap
Pendapatan Petani Jagung Hibrida.
d. Pengujian Hepotesis Keempat (X4)
Diperoleh nilai T-hitung sebesar 53,672 dan nilai sig nya 0,000 sehingga T-hitung
> T-tabel (53,672 > 2,032) dan 0,000 < 0,005 artinya Ho ditolak dan Ha diterima.
Hal itu berati variabel Jumlah Produksi Jagung Hibrida secara parsial berpengaruh
terhadap Pendapatan Petani Jagung Hibrida.
e. Pengujian Hepotesis Kelima (D)
Diperoleh nilai T-hitung sebesar 5,124 dan nilai sig nya 0,000 sehingga T-hitung >
T-tabel 5,124 > 2,032) dan 0,000 < 0,005 artinya Ho ditolak dan Ha diterima. Hal
itu berati variabel Dummy mengenai petani mitra atau petani non-mitra secara
parsial berpengaruh terhadap Pendapatan Petani Jagung Hibrida.
Perumusan Hipotesis:
a. H1 = X1 (Biaya Benih Jagung Hibrida) tidak berpengaruh secara parsial terhadap
Y (Pendapatan Petani Jagung Hibrida).
b. H2 = X2 (Biaya Pupuk) berpengaruh secara parsial terhadap Y (Pendapatan
Petani Jagung Hibrida).
c. H3 = X3 (Biaya Tenaga Kerja) tidak berpengaruh secara parsial terhadap Y
(Pendapatan Petani Jagung Hibrida).
d. H4 = X4 (Jumlah Produksi Jagung Hibrida) berpengaruh secara parsial terhadap
Y (Pendapatan Petani Jagung Hibrida).
e. H5 = D (Dummy) petani mitra atau petani non-mitra berpengaruh secara parsial
terhadap Y (Pendapatan Petani Jagung Hibrida).
Persamaan regresi hasil analisis output soal latihan:
Y = -157538,485 + 5,317 X1 + (-8,609 X2) + 2,445 X3 + 2610,852 X4 +
362410.237 D

43
3.10 Hasil dan Pembahasan

4.1.1 Uji R Square

Model Summary

Model R R Square Adjusted R Std. Error of

Square the Estimate

1 .834a .696 .599 .35963

a. Predictors: (Constant), LN_X7, LN_X2, LN_X5, LN_X3, LN_X4,

LN_X1, LN_X6
Gambar 3.40 Hasil Uji R square
Analisis determinasi dalam regresi non linier digunakan untuk mengetahui
prosentase sumbangan pengaruh variabel independen (X1, X2,……Xn) secara
serentak terhadap variabel dependen (Y). Koefisien tersebut menunjukkan
seberapa besar prosentase variasi variabel independen yang digunakan dalam
model mampu menjelaskan variasi variabel dependen. R2 sama dengan 0, maka
tidak ada sedikitpun prosentase sumbangan pengaruh yang diberikan variabel
independen terhadap variabel dependen. R2 sama dengan 1, maka prosentase
sumbangan pengaruh yang diberikan variabel independen terhadap variabel
dependen adalah sempurna.
Berdasarkan tabel 4.1.1 didapat nilai R Square atau R2, dimana R Square
adalah nilai yang menunjukkan persentase sumbangan variabel independen dalam
mempengaruhi variabel dependen sedangkan sisanya dipengaruhi variabel lain
atau epsilon yang disimbolkan Ԑi. R Square didapat nilai sebesar 0.696. Dengan
demikian dapat dinyatakan bahwa produksi usahatani padi mampu dijelaskan oleh
variabel luas lahan, tenaga kerja, benih, pupuk urea, pupuk SP 36, pupuk KCL,
dan pestisida sebesar 69.60%, dan sisanya dipengaruhi faktor lain selain ketujuh
variable tersebut sebesar 30,40%.

4.1.2 Uji F
ANOVAa

Model Sum of df Mean Square F Sig.

Squares

44
 Regression 6.506 7 .929 7.187 .000b

1 Residual 2.845 22 .129

Total 9.352 29

a. Dependent Variable: LN_Y

b. Predictors: (Constant), LN_X7, LN_X2, LN_X5, LN_X3, LN_X4, LN_X1, LN_X6
Gambar 3.41 Hasil Uji F
Uji F digunakan untuk mengetahui apakah variabel independen
(X1,X2….Xn) secara bersama-sama berpengaruh secara signifikan terhadap
variabel dependen (Y). Signifikan berarti hubungan yang terjadi dapat berlaku
untuk populasi (dapat digeneralisasikan). Uji F juga digunakan untuk mengetahui
apakah model regresi dapat digunakan untuk memprediksi variabel dependen atau
tidak. Pengujian uji F dapat dilakukan dengan menggunakan bantuan program
SPSS, dengan kriteria penilaian sebagai berikut:
• Apabila besarnya probabilitas signifikansi lebih kecil dari 0,05 maka Ho
ditolak dan Ha diterima. Ada pengaruh X terhadap Y
• Apabila besarnya probabilitas signifikansi lebih besar dari 0,05 maka Ho
diterima dan Ha ditolak. Ada pengaruh X terhadap Y
Berdasarkan tabel 10.5 Hasil uji F diperoleh p value 0,000 < 0,05 maka Ho
ditolak dan Ha diterima sehingga model regresi tepat (fit) dalam memprediksi
pengaruh luas lahan, tenaga kerja, benih, pupuk urea, pupuk SP 36, pupuk KCL dan
pestisida terhadap variabel produksi usahatani padi. Hal ini dapat dilihat dari nilai
F hitung yaitu sebesar 7,187 dan nilai signifikansi yang dihasilkan yaitu 0,000 yang
dimana lebih kecil dari 0,05.
4.1.3 Uji T
Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 4.256 1.612 2.640 .015

1 LN_X1 .602 .299 .488 2.012 .057

LN_X2 .368 .200 .269 1.845 .079

45
 LN_X3 -.326 .345 -.200 -.944 .355

LN_X4 .743 .324 .578 2.294 .032

LN_X5 .141 .228 .149 .620 .542

LN_X6 -.427 .304 -.390 -1.407 .173

LN_X7 .077 .131 .093 .588 .563

a. Dependent Variable: LN_Y

Gambar 3.42 Hasil Uji T
Uji T digunakan untuk menguji tingkat signifikan dari pengaruh variabel
independen secara parsial terhadap variabel dependen. Pengujian uji T dapat
dilakukan dengan menggunakan bantuan program SPSS dengan kriteria penilaian
sebagai berikut:
• Apabila besarnya probabilitas signifikansi lebih kecil dari 0,05 maka Ho ditolak
dan Ha diterima. Ada pengaruh X terhadap Y
• Apabila besarnya probabilitas signifikansi lebih besar dari 0,05 maka Ho diterima
dan Ha ditolak. Tidak ada pengaruh X terhadap Y
Melalui table 10.6 dapat disusun persamaan regresi dengan nilai Constant
dan coefficient variabel X pada kolom B serta dianalisis nilai sig variabel X.
Persamaan regresi adalah sebagai berikut:
Ln Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + ε
Ln Y = 4,256 + 0,602X1 + 0,368X2 - 0,326X3 + 0,743X4 + 0,141X5 – 0,427X6 +
0,077X7 + 0,359
Persamaan regresi tersebut dapat diartikan sebagai berikut:
Konstanta sebesar 4,256 berarti bahwa adanya variabel luas lahan, tenaga
kerja, benih, pupuk urea, pupuk SP 36, pupuk KCL dan pestisida maka akan diikuti
meningkatnya variabel produksi usahatani padi sebesar 4,256. Besarnya koefisien
regresi sebesar 0,602 pada variabel luas lahan maka akan meningkatkan variabel
produksi usahatani padi sebesar 0,602. Selanjutnya untuk koefisien regresi sebesar
0,368 pada variabel tenaga kerja akan diikuti oleh meningkatnya variabel produksi
usahatani padi sebesar 0,368. Besarnya koefisien regresi sebesar -0,326 pada
variabel benih maka akan menurunkan variabel produksi usahatani padi sebesar
0,326. Besarnya koefisien regresi sebesar 0,743 pada variabel pupuk urea maka
akan meningkatkan variabel produksi usahatani padi sebesar 0,743. Besarnya

46
koefisien regresi sebesar 0,141 pada variabel pupuk SP36 maka akan meningkatkan
variabel produksi usahatani padi sebesar 0,141. Besarnya koefisien regresi sebesar
-0,427 pada variabel pupuk KCL maka akan menurunkan variabel produksi
usahatani padi sebesar 0,427. Sedangkan besarnya koefisien regresi sebesar 0,077
pada variabel pestisida maka akan menurunkan variabel produksi usahatani padi
sebesar 0,077. Jadi setiap terjadi peningkatan atau penurunan sebesar 1% variabel
bebas maka akan diikuti dengan meningkatkan variabel produksi usahatani padi
sebesar koefisien regresinya.
Berdasarkan hasil pengamatan dapat diinterpretasikan sebagai berikut :
a) Luas lahan (X1)
Nilai T-hitung sebesar 2,012 dan P-value = 0,057 sehingga T-hitung < Ttabel
(2,012 < 2,07387) dan P-value > 0,05 artinya Ho diterima Ha ditolak dengan
demikian variable luas lahan tidak berpengaruh signifikan terhadap variable
produksi usahatani padi.
b) Tenaga kerja (X2)
Nilai T-hitung sebesar 1,845 dan P-value = 0,079 sehingga T-hitung < Ttabel
(1,845 <2,07387) dan P-value > 0,05 artinya Ho diterima dan Ha ditolak.
Dengan demikian variable tenaga kerja tidak berpengaruh signifikan
terhadap variable produksi usahatani padi.
c) Benih (X3)
Nilai T-hitung sebesar - 0,944 dan P-value = 0,355 sehingga T-hitung <
Ttabel (-0,944 < 2,07387) dan P-value > 0,05 artinya Ho diterima dan Ha
ditolak. Dengan demikian variable benih tidak berpengaruh signifikan
terhadap variable produksi usahatani padi.
d) Pupuk urea (X4)
Nilai T-hitung sebesar 2,294 dan P-value = 0,032 sehingga T-hitung > Ttabel
(2,294 > 2,07387) dan P-value < 0,05 artinya Ho ditolak dan Ha diterima.
Dengan demikian variable pupuk urea berpengaruh signifikan terhadap
variable produksi usahatani padi.
e) Pupuk SP36 (X5)
Nilai T-hitung sebesar 0,620 dan P-value = 0,542 sehingga T-hitung < Ttabel
(0,620 < 2,07387) dan P-value > 0,05 artinya Ho diterima dan Ha ditolak.

47
 Dengan demikian variable pupuk SP36 tidak berpengaruh signifikan
terhadap variable produksi usahatani padi.
f) Pupuk KCL (X6)
Nilai T-hitung sebesar -1,407 dan P-value = 0,173 sehingga T-hitung <
Ttabel (-1,407 < 2,07387) dan P-value > 0,05 artinya Ho diterima dan Ha
ditolak. Dengan demikian variable pupuk KCL tidak berpengaruh signifikan
terhadap variable produksi usahatani padi.
g) Pestisida (X7)
Nilai T-hitung sebesar 0,588 dan P-value = 0,563 sehingga T-hitung < Ttabel
(0,588 < 2,07387) dan P-value > 0,05 artinya Ho diterima dan Ha ditolak.
Dengan demikian variable pestisida tidak berpengaruh signifikan terhadap
variable produksi usahatani padi.

48
 BAB IV

KESIMPULAN DAN SARAN

4.1 Kesimpulan
Berdasarkan pembahasan yang telah dilakukan, maka kesimpulan yang
didapatkan dari adanya praktikum metode kuantitatif adalah sebagai berikut:
1. Pengaplikasian software POM QM For Windows memudahkan dalam
penyelesaian masalah terutama yang terkait dalam program linear baik
menggunakan metode grafik dan simpleks, metode transportasi, masalah
penugasan, persediaan, dan antrian.
2. Pengaplikasian software SPSS memudahkan uji dan analisis terkait
persoalan yang melibatkan analisis regresi, baik regresi linear maupun non
linear.
3. Aplikasi atau software seperti POM QM maupun SPSS mampu
mempermudah pengujian dan analisis dalam mendapatkan hasil penelitian.
4. Banyak pihak luar seperti petani, perusahaan, pabrik, dan gudang yang
dapat terbantu dalam melakukan perhitungan dengan menggunakan
software POM QM dan SPSS.
4.2 Saran
Berdasarkan kesimpulan yang telah ditulis, maka saran yang dapat diberikan
adalah sebagai berikut:
1. Perlu adanya contoh permasalahan yang lebih spesifik di bidang pertanian,
khususnya agribisnis.
2. Perlu adanya studi kasus secara langsung sehingga permasalahan yang
digunakan adalah permasalahan real yang terjadi di lapang.

49
 DAFTAR PUSTAKA

Akbar, Y. R., & Mar’aini. (2022). DENGAN PENERAPAN MODEL LINEAR

PROGRAMMING. Jurnal Inovasi Penelitian (JIP), 2(8), 2883–2892.

Amrin, A. (2016). Data Mining Dengan Regresi Linier Berganda Untuk Peramalan
Tingkat Inflasi. Techno Nusa Mandiri, 13(1), 74-79.

Aprilyanti, S. (2019). OPTIMASI KEUNTUNGAN PRODUKSI PADA

INDUSTRI KAYU PT. INDOPAL HARAPAN MURNI
MENGGUNAKAN LINEAR PROGRAMMING. Jurnal Penelitian Dan
Aplikasi Sistem & TeknikIndustri (PASTI), XIII(1), 1–8.
Ardini, A., & Lutfiyanah, N. (2018). Metode Transportasi Untuk Mengoptimalkan
Biaya Pengiriman Barang Pada PT Trimuda Nuansa Citra Jakarta.
INFORMATION SYSTEM FOR EDUCATORS AND
PROFESSIONALS, 3(1), 7839421.

Artaya (2019). Regresi Linier Berganda Metode Dummy. Metode Analisis

Penelitian Kualitatif, January 1-7
https://doi.org/10.13140/RG.2.2.30936.75526

Asmara, T., Rahmawati, M., Aprilla, M., Harahap, E., & Darmawan, D. (2018).
Strategi pembelajaran pemrograman linier menggunakan Metode Grafik dan
Simpleks. Teknologi Pembelajaran, 3(1).

Athoillah,I., Wuryandari, T., & Sudarno. (2012) MODEL REGRESI DATA HIDUP
TERSENSOR TIPE III BERDISTRIBUSI LOGISTIK.JURNAL
GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 83-92,1,83-92

Budianti, R. S., Nurrahman, A. A., Afriyadi, H., Ahmadi, D., & Harahap, E. (2020).
PENGGUNAAN METODE SIMPLEKS UNTUK MEMAKSIMALKAN
TARGET SALES PADA PENJUALAN PAKET INTERNET. Jurnal Riset
Dan Aplikasi Matematika, 04(02), 108–114.
Darma, B. (2021). Statistika Penelitian Menggunakan SPSS (Uji Validitas, Uji
Reliabilitas, Regresi Linier Sederhana, Regresi Linier Berganda, Uji t, Uji F,
R2). Guepedia.

50
Darmawiguna, I. G. M., & Kesiman, M. W. A. (2013). Media Pembelajaran Berbasis
Web Dan Flash Untuk Mata Kuliah Riset Operasi Di Jurusan Pti, Undiksha.
JST (Jurnal Sains Dan Teknologi), 2(1), 128–138.

Fitriatien, S. R. (2018). Metode Transportasi Sebagai Solusi Alternatif dalam

Pengambilan Keputusan pada Operasional Riset. Hijrah, N. (2022). TEKNIK
KUANTITATIF DALAM BISNIS METODE TRANSPORTASI.

Ghoffar, A. A., & Nudin, S. R. (2022). Riset Operasional Berbasis Permainan

Android dengan Metode Simplex pada UD. Dieva Cake. Journal of Emerging
Information System and Business Intelligence (JEISBI), 3(1), 27-34.

Ghozali, I. (2016). Aplikasi analisis multivariete dengan program IBM SPSS 23.
Hartanto, D., & Wijaya, H. (2019). Faktor-Faktor Yang Mempengaruhi
Earning Response Coefficient (ERC) Dengan Profitabilitas Sebagai
Prediktor. Jurnal Paradigma Akuntansi, 1(2), 344-354.

Handayani, L., Muhtarulloh, F., & Wulan, E. R. (2021). Metode Pendekatan Zero
Suffix untuk Menentukan Solusi Optimal pada Masalah Penugasan (Zero
Suffix Approach Method to Determine Optimal Solution in Assignment
Problem). Jurnal EurekaMatika, 9(2), 173–184.

Hardianti,V., Anita,S., (2021). Implementasi Metode Regresi Linier Berganda

Untuk Memprediksi Kinerja Karyawan PT. Timbang deli. Computer
Science Informatics Journal, 4(2).

Indah, D. R., & Sari, P. (2019). PENERAPAN MODEL LINEAR

PROGRAMMING UNTUK MENGOPTIMALKAN JUMLAH
PRODUKSI DALAM MEMPEROLEH KEUNTUNGAN MAKSIMAL
(Studi Kasus pada
Juliawan, K. G. S, Darmawiguna, I. G. M., dan Kesiman, M. W. A. (2015). Simulasi
Metode Penugasan dan Transportasi untuk Pembelajaran Riset Operasional
Berbasis Web. Jurnal Nasional Pendidikan Teknik Informatika, 4(3), 96-
103.

Juliawan, K. G. S., & Darmawiguna, I. G. M. (2015). Simulasi Metode Penugasan

dan Transportasi untuk Pembelajaran Riset Operasional Berbasis Web. Jurnal
Nasional Pendidikan Teknik Informatika (JANAPATI), 4(3), 96–103.

51
Kristiyanti, D. A. (2018). Penerapan Metode Waiting Line untuk Evaluasi
Pelayanan Penjualan Merchandise Kampus pada PT. Come Indonusa
Jakarta. Jurnal Pilar Nusa Mandiri, 14(1), 61-68.

Marendra, I. G., & Aryata, I. M. (2022). Pelatihan POM-QM for Windows Dalam
Penyelesaian Permasalahan Transportas. TRIDARMA: Pengabdian Kepada
Masyarakat (PkM), 05(02), 363–374.

Marzukoh, A. (2017). Optimasi Keuntungan Dalam Produksi Dengan

menggunakan Linear Programming Metode Simpleks. Skripsi. Lampung:
Universitas Islam Negeri Raden Intan.

Meflinda, A., & Mahyarni. (2011). Riset Operasi (pp. 1–120).

Mentari, A. M. (2018). Optimasi Keuntungan Menggunakan Linear Programming

Metode Simpleks Berbantuan Software Lindo pada Home Industry Bintang
Bakery di Sukarame Bandar Lampung. Skripsi. Lampung : Universitas
Islam Negeri Raden Intan.

Nuraeni, N., & Sari, R. P. (2022). Optimalisasi Keuntungan Home Industry Tempe
Menggunakan Program Linier Metode Grafik (Desa Telukambulu). Jurnal
Pendidikan Tambusai, 6(1), 3223-3229.

Padilah, T. N., & Adam, R. I. (2019). Analisis regresi linier berganda dalam
estimasi produktivitas tanaman padi di Kabupaten Karawang. FIBONACCI:
Jurnal Pendidikan Matematika Dan Matematika, 5(2), 117-128.

Prasetyo, B., & Lubis, A. M. (2020). Penyelesaian Masalah Penugasan pada Drafter
Menggunakan Metode Hungarian dan Aplikasi POM-QM. Bulletin of
Applied Industrial Engineering Theory, 1(1), 21–27.

Priharianti, W.,Rahmanto, A .,& febrihapsari,M. (2020). Peningkatan Pengukuran

Pengaruh Perputaran Modal Kerja Terhadap Profibilitas Pada PT.Gudang
Garam, Tbk dengan regresi dummy. Economica and Sustainable
Development,5(1), 33-33.
Pulansari, F., Nugraha, I., Pembangunan, U., Veteran, N. ", Timur, J., Raya, Madya,
R., & Surabaya, G. A. (2022). OPTIMASI BIAYA DISTRIBUSI

52
 PERUSAHAAN PESTISIDA DENGAN KOMBINASI METODE
TRANSPORTASI NORTH WEST CORNER METHOD DAN
MODIFIED DISTRIBUTION METHOD BERBASIS POM-QM.

Purba, S. E. (2018). Analisis Beberapa Metode Transportasi Dalam Optimalisasi

Biaya Distribusi (Doctoral dissertation, Universitas Sumatera Utara).

Rahayu, Y. N., & Arifudin, O. (2020). PROGRAM LINIER (TEORI DAN

APLIKASI) (Ridwan, Ed.). Widiina Bhakti Persada
Bandung.www.penerbitwidina.com
Rakhmawati, D. (2017). Analisis regresi Dummy Untuk Mengetahui Pengaruh
Sektor Bursa Efek Indonesia (Bei) Terhadap Indeks Harga Saham
Lq45.Journal Pro Bisnis,10(2), 1-15.
Rumetna, M. S. (2021). Optimasi Jumlah Produksi Roti Menggunakan Program
Linear Dan Software POM-QM. Computer Based Information System
Journal, 9(1), 42-49.

Rustiandini, C., Sukma, S. R., Nurhaliza, T., Qur’ani, N., & Kustiawati, D. (2022).
Analisa Pengoptimalan Keuntungan pada Pabrik Tempe Menggunakan
Metode Grafik. COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat,
2(08), 1258-1265.

Sari, I, P. (2019). Analisis Sistem Antrian Pelayanan Pengambilan Obat Terhadap

Pasien di Puskesmas. Skripsi. Medan: Universitas Islam Negeri Sumatera
Utara.

Simangunsong, A. (2018). Analisa Optimalisasi biaya transportasi pengangkutan

kayu menggunakan metode stepping Stone Pada PT. TPL Tobasa. Jurnal
Mantik Penusa, 2(2).

Siregar, Z. H. (2020). Penggunaan Metode Capacity Requirement Planning (CRP)

Dengan Aplikasi Pom For Windows Dalam Perhitungan Kapasitas Produksi
(Studi Kasus Industri Pengolahan Tahu XYZ). Jurnal Vorteks, 1(1), 20-29.

Suarjana, K., dan Mulyawan K. H. (2016). Penggunaan Aplikasi Pom (Production

and Operations Management) For Windows 3 Dalam Manajemen Pelayanan
Kesehatan. Petunjuk Praktikum. Bali : Universitas Udayana.

53
Sulistyono, S., & Sulistiyowati, W. (2018). Peramalan produksi dengan metode
regresi linier berganda. PROZIMA (Productivity, Optimization and
Manufacturing System Engineering), 1(2), 82-89.

Susdarwono, E. T. (2020). Pemrograman Linier Permasalahan Ekonomi

Pertahanan: Metode Grafik Dan Metode Simpleks. Teorema: Teori dan Riset
Matematika, 5(1), 89-104.

Usaha Angga Perabot). J M I Jurnal Manajemen Inovasi, 10(2), 98–115.

http://www.jurnal.unsyiah.ac.id/JInoMan
Wardani, I. K., Susanti, Y., & Subanti, S. (2021). Pemodelan Indeks Kedalaman
Kemiskinan Di Indonesia Menggunakan Analisis Regresi
Robust.PROSIDING SNAST, 15-23.

Yuliara, I. M. (2016). Regresi Linier Berganda. Denpasar: Universitas Udayana.

54
55