Disusun Oleh :
Kel 1
Golongan V3
FAKULTAS PERTANIAN
SURABAYA
2023
1
LEMBAR PENGESAHAN
GOLONGAN V3
Disusun Oleh :
1, Cawla 21024010179
Archadea
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.
Penulis
3
DAFTAR ISI
4
DAFTAR TABEL
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
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
9
BAB II
METODE PELAKSANAAN
2.1 Waktu dan Tempat
1. Modul
2. Komputer
3. Software POM
4. Buku
5. Pensil
10
2.3.2 Acara 2 Metode Simplex
11
7. Klik OK sehingga muncul tabel isian dan isikan data sesuai kasus:
3. Lengkapi dan isi kotak tersebut dengan data yang ada, seperti:
12
• Demand rate (D): 600
13
OK.
6. Membandingkan output analisis dengan latihan yang dikerjakan.
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.
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
3.1 Hasil
Pembahasan
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
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
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.
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.
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.
3.4 Hasil
Pembahasan
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.
3.5 Hasil
23
Gambar 3. 13 Hasil Soal Nomor 2 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
25
Gambar 3.16 Table of Probabilities
26
Gambar 3.18. Graph of Probabilities
Soal B
27
Gambar 3.21 Table of Probabilities
28
Gambar 3.23 Graph of Probabilities
29
4.1.2. Soal C
30
Gambar 3.28 Graphs of Probabilities
31
Gambar 3.31. Waiting Lines Results
Pembahasan
4.1.4. Soal a
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.
4.1.5. Soal b
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
4.1.7. Soal d
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
35
Pembahasan
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 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.
Y = 1.557.800 (dibulatkan)
3.8 Hasil
37
Gambar 3.36 Hasil Perhitungan
Pembahasan
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
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
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
4.1.2 Uji F
ANOVAa
44
Regression 6.506 7 .929 7.187 .000b
Total 9.352 29
45
LN_X3 -.326 .345 -.200 -.944 .355
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
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
Amrin, A. (2016). Data Mining Dengan Regresi Linier Berganda Untuk Peramalan
Tingkat Inflasi. Techno Nusa Mandiri, 13(1), 74-79.
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.
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.
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.
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.
52
PERUSAHAAN PESTISIDA DENGAN KOMBINASI METODE
TRANSPORTASI NORTH WEST CORNER METHOD DAN
MODIFIED DISTRIBUTION METHOD BERBASIS POM-QM.
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.
53
Sulistyono, S., & Sulistiyowati, W. (2018). Peramalan produksi dengan metode
regresi linier berganda. PROZIMA (Productivity, Optimization and
Manufacturing System Engineering), 1(2), 82-89.
54
55