Fiks Modul Cetak

LAPORAN AKHIR
PRAKTIKUM STATISTIK INDUSTRI
Kelompok V
1. Muhammad danu hermawan (221730009)
2. Husni (23173006P)
3. M Reza Ramadhan (221730026)
4. M. Dery Saputra (221730005)
5. Ni Komang salsa septiana (221730031)
Program Studi Teknik Industri
Fakultas Sains Teknologi
Universitas Bina Darma
Palembang
2023
UNIVERSITAS BINA DARMA PALEMBANG
FAKULTAS SAINS DAN TEKNOLOGI
PROGRAM STUDI TEKNIK INDUSTRI
Jl. Jend. A. Yani No. 12 Palembang 30264
Tlp. (0711) 515581, 515582, 515583.Fax. (0711) 518000
Website: www.binadarma.ac.id Email: bidar@binadarma.ac.id
LEMBAR PENGESAHAN
PRAKTIKUM STATISTIK
Disusun Oleh:

2. Husni (23173006P)
Palembang, 4 Januari 2024

Telah diperiksa dan ditinjau oleh :
Dosen Pengampuh,
(DR. Yanti Pasmawati, S.T.,M.T)
Mengetahui,
Ketua Program Studi Teknik Industri
( Ch. Desi Kusmidari, ST, MT)

LABORATORIUM STATISTIK
ISO 9001: 2000
KATA PENGANTAR
Puji syukur atas kehadiran Allah AWT, karna Rahmat serta hidayah nya
dengan ini Kami dapat menyelesaikan laporan ini.
Laporan ini merupakan tugas praktikum mata kuliah statistik industri yang
mana isi nya sesuai dengan yang kami lakukan atau kami praktekan selama
mengikuti perkuliahan.
Laporan praktikum statistik industri II ini merupakan hasil perhitungan dan
percobaan secara manual dan ada yang menggunkan spss 26
Akhirkata kami ucapkan trimakasih, saran dan kritik yang bersifat
membangun dari para pembimbing sangatlah diharapkan agar mana laporan ini
dapat sesuai dengan semestinya
Palembang, 4 januari 2024
penulis
i
ISO 9001: 2000
DAFTAR ISI
KATA PENGANTAR…………………………………………….. i
DAFTAR ISI……………………………………………………… ii
MODUL 1
Statistika Deskriptif……………………………………………….1
MODUL 2
Distribusi Diskret………………………………………………….18
MODUL 3
Analiysis Of Variance ……………………………………………...38
MODUL 4
Staistik Non parametrik…………………………………………...49
MODUL 5
Simple & Multiple Linear Regression…………………………….70
ii
LAPORAN PRAKTIKUM
Statistik Multivariat
Disusun oleh :
2. Husni (23173006P)
Palembang
2023
1
ISO 9001: 2000
BAB 1
PENDAHULUAN
1.1. Tujuan praktikum

Dari praktikum mengenai Statistika Deskriptif ini, praktik diharapkan :
1. Dapat menyajikan dan melakukan pengolahan terhadap data statistik
2. Mampu membedakan data diskrit dengan data kontinu, ungrouped data
dengan grouped data.
3. Mampu menyajikan data dalam bentuk tabel, grafik dan distribusi
frekuensi.
4. Mampu menghitung dan menjelaskan sifat-sifat penting dari data
5. Mampu menggunakan paket-paket perangkat lunak computer (Excel,
SPSS, dsb) untuk mengolah data-data statistika deskriptif.
6. Mengetahui fungsi dan kegunaan SPSS 17.0 atau SPSS 20.0 secara
mendasar.
7. Mampu mengolah data dengan menggunakan SPSS 17.0 atau SPSS
20.0.
8. Mampu menganalisis hasil yang diperoleh dari penggunaan SPSS
17.0 atau SPSS 20.0.
1.2. Latar Belakang Masalah
Pengolahan informasi statistik mempunyai sejarah jauh kebelakang sejak awal

peradaban manusia. Pada awal zaman masehi, bangsa-bangsa mengumpulkan data
statistic untuk mendapatkan informasi deskriptif mengenai banyakhal, misalnya
pajak, perang, hasil pertanian, dan bahkan pertandingan atletik. Pada masa kini
dengan berkembangnya teori peluang kita dapat menggunakan berbagai metode
statistik yang memungkinkan kita meneropong jauh di luar data yang kita
kumpulkan dan masuk kedalam wilayah pengambilan keputusan melalui
generalisasi dan peramalan.
Dalam kehidupan sehari-hari, terdapat banyak data yang dapat

menginformasikan sesuatu. Data-data tersebut hanya akan berakhir sebagai data
2
ISO 9001: 2000
saja, apabila tidak diolah terlebih dahulu. Ilmustatistika berperan mengumpulkan,

mengolah hingga mengambil kesimpulan dari suatu data. Ada dua bagian dari
statistika yang akan mengolah data tersebut, yaitu statistica deskriptif dan
statistika inferensia. Kedua bagian tersebut memiliki peranan masing-masing
dalam hal pengumpulan data hingga pengambilan kesimpulannya. Statistika
deskriptif yang bertugas mengolah dan menyajikan data, sedangkan statistika
inferensia lebih terfokus pada proses uji analisa hingga pengambilan keputusan.
Dalam hal ini, akan dipelajari mengenai statistika deskriptif yang berbicara
tentang metode-metode pengumpulan dan pengolahan data sehingga dapa
tmemberikan gambaran informasi yang jelas dan menarik. Kemampuan
mengumpulkan dan mengolah data sangat dibutuhkan sebagai langkah awal dalam
mempelajari ilmustatistika, karena dari penyajian data tersebutlah akan didapatkan
informasi yang lebih jelas sehingga dapat dilakukan penganalisaan lebih lanjut.
Pembuatan laporan ini ditujukan untuk mengasah kompetensi mahasiswa dalam
hal statistika deskriptif, mulai dari pengumpulan data, pengolahan data secara
manual dan dengan menggunakan SPSS dalam bentuk histogram maupun pie
chart. Diharapkan pembuatan laporan ini dapat membantu mahasiswa dalam
memahami aplikasi statistika deskriptif pada data-data yang sudah tersedia.
3
ISO 9001: 2000
BAB II
PENGUMPULAN DAN PENGOLAHAN DATA
2.1. Pengumoulan Data
Untuk diketahui bahwa data-data yang diperoleh dari suatu populasi yang terdiri
dari data-data yang berbeda-bedadengan mean dan simpangan tertentu. Data
populasi tersebut akan ditaksir dengan melakukan pengambilan sampel angka
random sebanyak 100 data, dengan cara pengembalian kembali setiap kali
pengambilan 1 data. Pengembalian kembali data kesumbernya setiap kali
pengambilan menyebabkan populasi data sumber dapat dianggap tidak terhingga
jumlahnya. Data yang telah diambil tersebut dicatat.
2.2. Pengolahan Data

2.2.1. Pengolahan data secata manual
 Untuk data yang belum di kelompokkan
1. Mean hitung sampel
2. Median
3. Modus
4. Akar mean kuadrat (ANK)
5. Kuartil : Q1,Q2,Q3,simpan kuartil (Q)
6. Mean Absolut simpang (MAS)
7. Standar Deviasi
8. Variansi
9. Koefisien Skweness dan Kurtosis
10. Gambar diagram
 Untuk data yang sudah di kelompokan
1. Kelompok data dengan menghitung
 Range
 Jumlah Kelas
 Panjang interval kelas
4
ISO 9001: 2000
 Buat daftar isian yang terdiridari 5 kolom dengan masing-masing kolom

yaitu kelas, tanda kelas, tally, frekuensi, bobot. Pada kolom kelas diisi
angka batas bawah (BKA) dan batas kelas atas (BKB)
 Tanda kelas =0,5* (BKA+BKB)
 Menghitung jumlah data yang berada dalam kelas dengan cara tally
pada kolom tally
 Pada kolom frekuensi di isi dengan frekuensi kemunculan data ( hasil
tally)
 Pada kolom bobot di isi dengan angka mulai dari 1,2,3 dst sampai
sejumlah bannyak.
2. Mean hitung sampel (x), mean berbobot, geometris dan harmonis
3. Median
4. Modus
5. Akar Mean Kuadrat (AMK)
6. Kuartil: Q1, Q2, Q3; Simpangan kuartil (Q)
7. Desil: D1, D3, D5, D7, D9
8. Persentil: P1, P25, P50, P75, P99
9. Mean Absolut Simpang (MAS)
10. Standar Deviasi
11. Variansi
12. Koefisien Skweness dan Kurtosis
13. Gambar diagram
2.2.2. Pengolahan data dengan menggunakan SPSS
1. Dari data percobaan, olahan dengan menggunakan SPSS 17,0 Atau
SPSS 20,0
2. Pada setiap pengolahan data, tampilkan:
Analyze, Descriptive Statistics, Frequencies
a. Pilih perintah Statistics, tampilkan mean, median,
modus, sum, skewness, kurtosis, standar deviasi, variansi, range,
min, max, persentil yang sama seperti cara manual
5
ISO 9001: 2000
b. Pilih perintah Chart, tampilkan Pie Chart (dalam

satuan frekuensi)
6
ISO 9001: 2000
BAB III
ANALISIS
3.1. Analisis Pengolahan Data Manual

 100 Data yang Belum di kelompokan sebelum diurutkan
48 65 44 64 64 52 52 49 59
58 69 56 58 76 54 37 60 72
38 53 85 52 107 54 74 40 50
Berikut setelah di urutkan ( Dari atas ke bawah)
37 44 50 52 54 58 64 69 76
38 48 52 53 56 59 64 72 85
40 49 52 54 58 60 65 74 107
∑ × 1590
1. Mean (Rataan) = = =58 , 8=59
n 27
n+1 27+1 28
2. Letak Median = + = =14
2 2 2
Jadi, median terletak di datake 14

Sehingga, median 56
3. Modus = 52 (muncul 3 kali)
4. Akar Mean Kuadrat = √ ( mean )=√ 59= √ 3481=59
i(n+1) 1(27+ 1) 28
5. a) letak Q1 = = = =7
4 4 4
1
Sehingga, Q1 = X7 (X8-X7)
4
1
= 50 + (52-50)
4
= 50 + 2
= 52
7
ISO 9001: 2000
i(n+1) 2 ( 27 +1 ) 56
b) Letak Q2 = = = = 14
4 4 4
1
Sehingga,Q2 = X 14 (X -X )
2 14 13
1
= 56 + (56-54 )
2
= 56 + 2
= 58
i(n+1) 3(27+1) 84
c)Letak Q3= = = =21
4 4 4
1
Sehingga,Q2 = X 21 (X -X )
2 22 21
1
= 65 + (69-65 )
2
= 65 + 4
= 69
∑( xi−Mean ) 1590−59
6. Mean Absolut Simpang(MAS)= = = 57
n 27
7. Standar Deviasi = √ ∑ ¿ ¿ ¿ = √ ¿ ¿ ¿ == √15312 = 1531 = 57,703

27 27
MAS 57
8. Variansi = . 100% = . 100% =96,6% ...≈ 97 %
Mean 59
Mean−Modus 59−3
9. a). Koefisien Skwenes = = = 0,97
Standar Deviasi 57,703
m4
b).Koefisien Kurtosis = 2 =
m2
( 1590−59 )2
27 86813.370
= =1531.0189937 ≈ 1500
( 1590−59 ) 56.703
27
10. Gambar diagram
8
ISO 9001: 2000
Data Tidak Berkelompok

4% 4% 4% 4%
4% 4%
4% 4% 4% 4%
37 38
4% 4% 40 44
48 49
50 52
4% 4%
53 54
56 58
59 60
64 65
7% 69 72
11% 74 76
85 107
4% 4%
4% 7% 7% 4%
9
ISO 9001: 2000
* Untuk data yang dipetakan
37 40 50 52 54 58 64 69 76
38 48 52 53 56 59 64 72 85
40 49 52 54 58 60 65 74 107
1. Kelompokkan data dengan menghitung :

a. Range = X.max – X.min
= 107 – 37
= 70
b. JK = 1 + 3,322 log 27
= 1 + 3,322 (1,4313)
= 1 + 4,7547
= 5,7547… ≈ 6
X . max−X . min 70
c. IK = = = 11,666…≈ 12
JK 6
d. Tabel
KELAS TALLY FREKUENSI NTK fi.xi F.Kum

(fi) (xi)
37 - 48 IIIII 5 43 205 5
49 - 60 IIIIIIIIIIIII 13 55 715 18
61 - 72 IIIII 5 67 335 23
73 - 84 II 2 79 158 25
85 - 96 I 1 91 91 26
97 – 107 I 1 102 102 27
JUMLAH 27 1606
10
ISO 9001: 2000
(Mean-NTK) Fi(Mean-NTK) (Mean- NTK ¿ ¿ 2 Fi(Mean-NTK)2

16 80 256 6400
4 52 16 2704
-8 -40 64 1600
-20 -40 400 1600
-32 -32 1024 1024
-43 -43 1849 1849
∑ fi . xi 1590
1. Mean(Rataan) = = =58 , 8 … ≈ 59
∑fi 27
2. Modus = TKB + { }
d1
d 1+d 2
.c
= 48,5 +
8
16{ } .12
= 48,5 + 6
= 54,5
{ }
n
−f . kum
3. Median = TKB+ 2
.c
fi
{ }
27
−f . kum
= 48,5 + 2
. 12
fi
= 48,5 + {813, 5 }. 12
= 48,5 + 7,84
= 56,34
4. Akar Mean Kuadrat = √ (Mean )=√ 592 =√ 3481 = 59
n 27
5. a) Letak Q1 = I . = 1. =6,75≈7
4 4
Sehingga,
Q1 = TKB = {LQ 1−f . kum
fi
.c }
= 48,5 + {
6 ,75−5
13
. 12 }
= 48,5 + 1,61
11
ISO 9001: 2000
= 50,11
n 27
b). Letak Q2 = i. = 2. = 13,5≈14
4 4
Sehingga
fi
.c }
= 48,5 + {13 , 5−5
13 } .12
= 48,5 + 7,84
= 56,34
n 27
c). Letak Q3 Q2 = i. = 3. = 20,25≈20
4 4
Sehingga
fi
.c }
= 60,5 + {20 , 25 18
5 } . 12
= 60,5 + 5,4
= 65,9
i(n+1) 1(27+ 1)
6. a) Letak D1 = = =2 , 8 … ≈ 3
10 10
Sehingga,
{ } { }
¿ −f . kum 1.27
−0
D1 = b+1. + 10 = 0 + 12 . 10 = 0 +6,48
fi 5
=6,48
i(n+1) 3(27 +1)
b). Letak D3 = = =8 , 4
10 10
Sehingga,
{ } { }
¿ −f . kum 3.27
−−5
D3 = b+1. 10 = 48,5 + 12 . 10 =
fi 13
48,5 + 2,86 =51,36
i(n+1) 5(27 +1)
c). Letak D5 = = =14
10 10
Sehingga,
{ } { }
¿ −f . kum 5.27
−5
D5 = b+1. 10 = 48,5 + 12 . 10 = 48,5
fi 13
+7,84 = 56,34
12
ISO 9001: 2000
i(n+1) 7(27+1)
d), Letak D7 = = =¿ 19,6
10 10
Sehingga,
{ } { }
¿ −f . kum 7.27
−18
D7 = b+1. 10 = 60,5 + 12 . 10 = 60,5
fi 5
+ 2,16 = 62,66
i(n+1) 1(27+ 1)
7. a). Letak P1= = = =¿ 0,28
100 100
Sehingga,
{ } { }
¿ −f . kum 1.27
−0
P1= b+1. 100 = 0 + 12 . 100 =0 +
fi 5
0,64 = 0,64
i(n+1) 25(27 +1)
b). Letak P25 = = =7
100 100
Sehingga,
{ } { }
¿ −f . kum 25.27
−5
P25= b+1. 100 = 48,5 + 12 . 100 =
fi 13
48,5 + 1,61 = 50,11
i(n+1) 50(27 +1)
c). Letak P50= = =¿
100 100
Sehingga,
{ } { }
¿ −f . kum 50.27
−5
P50= b+1. 100 = 48,5 + 12 . 100 =
fi 13
48,5 + 7,84 =56,34
i( n+1) 75(27 +1)
d). Letak P75¿ = =¿ 21
100 100
Sehingga,
{ } { }
¿ −f . kum 75 , 27
−18
P75= b+1. 100 = 60,5 + 12 . 100 =
fi 5
60,5 + 5,4 =65,9
13
ISO 9001: 2000
i(n+1) 99(27+1)
e). Letak P99 = = =27 ,72
100 100
Sehingga,
{ } { }
¿ −f . kum 99.27
−26
P99 = b+1. 100 = 96,5 + 12 . 100 =
fi 1
96,5 + 8,76 = 105,2
∑ fi (NTK −Mean) −23
8. Mean Absolut Simpang( MAS) = = =
n 27
0,85%
9. Standar Deviasi = √ ∑ fi ¿ ¿ ¿ =
√(15177) == √ 562 ,11= 23,70≈24
27
Standar Deviasi 24
10. Variasi = x100% = x 100% = 0,4 %
Mean 59
3.2 Analisis pengelolaan data menggunakan SPSS

 27 Data yang diambil secara random
14
ISO 9001: 2000
50 40 37 54 52 76 58 69 64
52 48 38 53 56 85 72 59 64
49 40 107 54 58 52 60 65 74
 Berikut hasil perhitungan pengolahan data dengan menggunakan

IBM SPSS Statistik :
15
ISO 9001: 2000
Gambar Diagram yang diolah dengan menggunakan SPSS
16
ISO 9001: 2000
BAB IV
PENUTUP
4.1. Kesimpulan
Adapun kesimpulan yang dapat ditarik dari penyusunan laporan ini, yaitu: 1.
Kita bisa menentukan persamaan regresi linier baik simple maupun dengan
bantuan SPSS dan mengaplikasikannya pada kehidupan sehari-hari.
4.2. Saran
Kegiatan praktikum tentang Simple dan Multiple Linear Regression ini
hendaknya dapat dilakukan dengan lebih cermat. Melakukan perhitungan
dengan menggunakan SPSS dibutuhkan ketelitian.
4.3. Referensi
 Pengolahan Data Statistik dengan SPSS 14.0, Wahana Komputer. Jakarta:
Salemba Infotek.
 Hines W.W."Probabilitas dan Statistik Dalam Ilmu Rekayasa dan
Manajemen", Edisi ke-2 Penerbit Universitas Indonesia.
 Aneka referensi lainnya
17
0
LAPORAN PRAKTIKUM
Disusun Oleh:
2. Husni (23173006P)

Palembang
2023
18
ISO 9001: 2000
MODUL 2: DISTRIBUSI DISKRET
BAB I
PENDAHULUAN
1.1 Tujuan Praktikum
Dari praktikum Distribusi Binomial dan Hipergeometrik ini, praktikan

diharapkan:
1. Mengetahui asumsi dan karakteristik percobaan Binomial, Hipergeometris,

Geometris, dan Multivariat.
2. Mampu membedakan karakterisitik percobaan Binomial,Hipergeometris,
3. Mampu melakukan pendekatan distribusi Binomial terhadap distribusi
Hipergeometris, Geometris, dan Multivariat.
4. Mengetahui bagaimana penerapan distribusi Binomial, Hipergeometris,
1.2 Landasan Teori
DISTRIBUSI BINOMIAL
Distribusi Binomial adalah suatu jenis distribusi diskrit untuk menghitung

probabilitas munculnya suatu hasil GANJIL sebanyak x kali dari serangkaian
n percobaan (ukuran sampel), dengan probabilitas terjadinya hasil GANJIL
tersebut adalah konstan p.
Percobaan Binomial memiliki karakteristik sebagai berikut:
1. Merupakan n kali percobaan Bernouli yang saling bebas (independent).

2. Dalam setiap percobaan, hanya ada dua hasil yang mungkin terjadi, yaitu
GANJIL atau GENAP.
3. Probabilitas terjadinya hasil yang GANJIL (p) adalah konstan dalam setiap
percobaan.
19
ISO 9001: 2000
Sebagai contoh, percobaan melempar mata uang logam sebanyak 3 kali

adalah percobaan Binomial dengan ciri-ciri sebagai berikut:
 Jumlah percobaan n adalah 3.

 Ada dua hasil yang mungkin terjadi, yaitu munculnya angka ganjil atau
genap.
 Probabilitas munculnya angka ganjil p adalah konstan untuk setiap
percobaan, yaitu 0,5.
Jika x adalah variable yang menunjukkan jumlah terjadinya GANJIL dari
n percobaan, maka untuk contoh percobaan diatas, nilai-nilai x yang
mungkin terjadi adalah x = 0,1,2,3.
Tabulasi hasil yang mungkin terjadi dan perhitungan nilai probabilitasnya
adalah sebagai berikut:
Jumlah terjadinya Hasil yang mungkin Probabilitas

GANJIL (Gambar) terjadi
0 AAA (1) P(G)0P(A)3 = (1)(0.5)0(0.5)3 = 0.125
1 AAA AGA GAA (3) P(G)1P(A)2 = (3)(0.5)1(0.5)2 = 0.375
2 GGA GAG GGG (3) P(G)2P(A)1 = (3)(0.5)2(0.5)1 = 0.375
3 GGG (1) P(G)3P(A)0 = (1)(0.5)3(0.5)0 = 0.125
Koefisien angka (1) dan (3) merupakan kombinasi jumlah GANJIL yang
terjadi x kali dari 3 kali percobaan (3Cx), 3C0 = 1; 3C1 = 3; 3C2 = 3; dan 3C3 = 1.
Fungsi padat probabilitas (pdf) dari distribusi Binomial dapat ditulis sebagai
berikut:
b (x ; n ; p)=nCx . p x . q n−x dimana: x =0 ,1 , 2 , 3 ,… , n
0≤ p≤1
Q=1− p
Parameter dan sifat distribusi Binomial:
Parameter : n dan p
20
ISO 9001: 2000
Rata-Rata (Mean) : µ=n . p

Standar Deviasi : σ =√ npq
DISTRIBUSI HIPERGEOMETRIS
Distribusi Hipergeometris adalah suatu distribusi diskrit untuk menghitung
probabilistas jumlah hasil (GANJIL) x dalam sampel berukuran n yang diambil
dari populasi yang berukuran N dengan jumlah keseluruhan hasil GANJIL(s).
Percobaan Hipergeometris memiliki karakteristik sebagai berikut:

1. Memiliki n percobaan yang tidak saling bebas (dependent).
2. Dalam setiap percobaan, hanya ada dua hasil yang mungkin terjadi, yaitu
GANJIL atau GENAP.
3. Ukuran populasinya terbatas sebesar N.
4. Jumlah keseluruhan hasil GANJIL dan GENAP dalam populasi diketahui.
Perhatikan gambar berikut ini:

Populasi berukuran N
g Sampel berukuran n
s
Dalam sampel yang berukuran n, dapat ditemukan jumlah GENAP (g) dan
jumlah GANJIL (s) (g + s = n). Sampel tersebut diambil dari populasi yang
berukuran N, yang memiliki jumlah keseluruhan hasil GANJIL S, dan jumlah
keseluruhan hasil GENAP G (G + S = N).
Fungsi padat probabilitas (pdf) dan distribusi Hipergeometris dapat ditulis
sebagai berikut:
h(x;n,S,N) = [sCx].[(N-S)C(n-x)] dimana: x = 0, 1, 2, 3, …, n
NCn
N≥S
21
ISO 9001: 2000
N = S=G
N = s+g
Parameter dan sifat distribusi Hipergeometris:

Parameter : N, S, dan n
Rata-Rata (Mean): µ =
Standar Deviasi : σ =
Distribusi Hipergeometris Didekati dengan distribusi Binomial:

Jika N ̴ ∞ dan S/N ̴ p, maka distribusi Hipergeometris dapat didekati dengan
distribusi Binomial sebagai berikut:
h( x ; n , S , N )=¿ .[(N−S)C(n−x )]≈ nC x . p x .(1− p)n−x

N Cn
Atau secara praktis, apabila n/N ≤ 0.1, maka distribusi Hipergeometris dapat
didekati dengan distribusi Binomial, dengan p S/N.
PENGUJIAN KESESUAIAN DISTRIBUSI (GOODNESS OF FIT TEST)

Goodness of fit test adalah salah satu metode untuk menguji apakah distribusi
frekuensi hasil percobaan sesuai dengan distribusi frekuensi yang diharapkan
(secara teoritis).
Pengujian ini didasarkan atas statistic uji: x2 =
dimana: Oi = frekuensi observasi (hasil percobaan) untuk kelas ke-i
ei = frekuensi yang diharapkan untuk kelas ke-i
k = jumlah kelas
Distribusi sampel statistic diatas akan mendekati distribusi khi kuadrat (chi
square) dengan jumlah derajat kebebasan: V = k – r – 1
Dimana r adalah banyaknya parameter yang diestimasi dari percobaan.
Frekuensi harapan (ei) pada tiap kelas sebaiknya tidak lebih kecil dari 5. Jika hal
ini terjadi, maka harus dilakukan penggabungan dengan kelas-kelas yang
berdekatan, sehingga diperoleh kelas baru dengan frekuensi harapan lebih besar
22
ISO 9001: 2000
atau sama dengan 5 (dengan demikian jumlah total kelas seluruhnya k akan
berkurang dari jumlah semula).
Selanjutnya, harus dilakukan perbandingan antara nila X 2 yang diperoleh dari

perhitungan diatas dengan nilai X 2 dari table ( X 2∝ , v).
Dimana : ∝ = tingkat keberartian = 1 – CL (Confidence Level)

v = tingkat kebebasan
Jika X 2 > ( X 2∝ , v), maka dapat disimpulkan bahwa distribusi frekuensi hasil
percobaan tidak sesuai dengan distribusi yang diharapkan.
23
ISO 9001: 2000
BAB II
DATA DAN PENGOLAHAN DATA
2.1 Pengumpulan Data

2.1.1 Tabel untuk Percobaan A
PERCOBAAN A
NO HASIL NO HASIL NO HASIL
BAIK CACAT BAIK CACAT BAIK CACAT
1 1 0 21 1 0 41 1 0
2 1 0 22 1 0 42 1 0
3 1 0 23 1 0 43 1 0
4 1 0 24 1 0 44 0 1
5 1 0 25 0 1 45 1 0
6 0 1 26 1 0 46 0 1
7 1 0 27 1 0 47 1 0
8 1 0 28 1 0 48 0 1
9 1 0 29 1 0 49 1 0
10 1 0 30 1 0 50 1 0
11 1 0 31 0 1 51 0 1
12 1 0 32 1 0 52 1 0
13 1 0 33 1 0 53 0 1
14 1 0 34 1 0 54 1 0
15 1 0 35 1 0 55 1 0
16 1 0 36 1 0 56 1 0
17 0 1 37 1 0 57 0 1
18 1 0 38 0 1 58 1 0
19 0 1 39 0 1 59 1 0
20 1 0 40 1 0 60 1 0
24
ISO 9001: 2000
NO HASIL NO HASIL
BAIK CACAT BAIK CACAT
61 1 0 81 1 0
62 0 1 82 1 0
63 1 0 83 1 0
64 0 1 84 1 0
65 1 0 85 1 0
66 1 0 86 1 0
67 1 0 87 0 1
68 1 0 88 0 1
69 1 0 89 1 0
70 0 1 90 1 0
71 1 0 91 1 0
72 0 1 92 1 0
73 0 1 93 1 0
74 1 0 94 1 0
75 1 0 95 1 0
76 1 0 96 1 0
77 1 0 97 0 1
78 1 0 98 1 0
79 1 0 99 1 0
80 1 0 100 1 0
JUMLAH: BAIK = 79; CACAT = 21
25
ISO 9001: 2000
2.1.2 Tabel untuk Percobaan B

PERCOBAAN B
NO HASIL NO HASIL
1 3 1 6 3 1
2 2 2 7 3 1
3 0 4 8 4 0
4 4 0 9 4 0
5 4 0 10 4 0
TOTAL 13 7 TOTAL 18 2
NO HASIL NO HASIL
11 4 0 16 4 0
12 4 0 17 4 0
13 3 1 18 4 0
14 4 0 19 4 0
15 4 0 20 2 2
TOTAL 19 1 TOTAL 18 2
NO HASIL
BAIK CACAT
21 3 1
22 4 0
23 4 0
24 3 1
25 4 0
TOTAL 18 2
JUMLAH,BAIK = 86.
JUMLAH BURUK= 14.
26
ISO 9001: 2000
PERCOBAAN C
NO HASIL
BAIK CACAT NO HASIL
1 12 0 BAIK CACAT
2 10 2 11 7 5
3 8 4 12 12 0
4 10 2 13 12 0
5 2 10 14 12 0
6 11 1 15 10 2
7 12 0 16 9 3
8 7 5 17 11 1
9 12 0 18 11 1
10 9 3 19 11 1
tota 93 27 20 8 4
l tota 103 17
l
NO HASIL
BAIK CACAT
21 8 4
22 11 1
23 11 1
24 6 6
25 5 7
tota 41 19
l
27
ISO 9001: 2000
Tabel Percobaan D
N HASIL N HASIL
PERCOBAAN PERCOBAAN
O BAIK CACAT O BAIK CACAT
A 4 2 A 3 3
B 3 3 B 5 1
C 4 2 C 3 3
D 4 2 D 2 4
E 6 0 E 4 2
O F 5 1 O F 3 3
P G 4 2 P G 4 2
E H 5 1 E H 5 1
R I 6 0 R I 6 0
A J 4 2 A J 2 4
T K 0 6 T K 4 2
O L 5 1 O L 3 3
R M 5 1 R M 1 5
N 4 2 N 1 5
1 O 3 3 2 O 3 3
P 6 1 P 2 4
Q 4 2 Q 6 0
R 3 3 R 5 1
S 5 1 S 3 3
T 6 0 T 2 4
Total 83 37 Total 60 60
28
ISO 9001: 2000
N HASIL N HASIL
PERCOBAAN PERCOBAAN
O BAIK CACAT O BAIK CACAT
A 4 2 A 6 0
B 5 1 B 5 1
C 4 2 C 4 2
D 1 5 D 3 3
E 6 0 E 1 5
O F 2 4 O F 6 0
P G 1 5 P G 2 4
E H 5 1 E H 5 1
R I 6 0 R I 4 2
A J 3 3 A J 6 0
T K 2 4 T K 1 5
O L 4 2 O L 5 1
R M 5 1 R M 0 6
N 2 4 N 3 3
3 O 0 6 4 O 4 2
P 1 5 P 5 1
Q 2 4 Q 4 2
R 3 3 R 4 2
S 3 3 S 1 5
T 6 0 T 3 3
Total 60 60 Total 60 60
HASIL
NO PERCOBAAN
BAIK CACAT
A 2 4
B 2 4
C 6 0
D 5 1
E 4 2
O F 3 3
P G 4 2
E H 1 5
R I 2 4
A J 6 0
T K 5 1
O L 6 0
R M 5 1
N 4 2
5 O 4 2
P 1 5
Q 3 3
R 2 4
S 5 1
T 1 5
Total 60 60
29
ISO 9001: 2000
2.2 Pengolahan Data

2.2.1 Pengolahan Data Untuk Percobaan A
Tabel
NO Subgrup (n) F.Cacat (x) F.Relatif P(x)
1 20 pertama 3 P(x) = 3/21 = 0,14
2 20 kedua 4 P(x) = 4/21 = 0,19
3 20 ketiga 6 P(x) = 6/21 = 0,28
4 20 keempat 5 P(x) = 5/21 = 0,23
5 20 kelima 3 P(x) = 3/21 = 0,14
Jumlah 21 ∑ P ( x )=0 , 98
Diperoleh : n = 20 (merupakan hasil dari n =100/5=20)

P = 0,2 (merupakkan hasil dari p =1/5=0,2)
q = 1 – p = 1 – 0,2 = 0,8
1. Perhitungan Nilai Rata Rata dan Standar Deviasi
a. μ = n.p = 20 . 0,2 = 4
b.σ 2 = n.p.q = 20 . 0,2 . 0,8 = 3,2 ≈ σ = √ 3 , 2= 1,78
2. Perhitungan fungsi padat probabilitas Dist.Binomial
b(x;n,p) = nCx.px.qn-x
a. (x = 3)
b(3;20,0.2) = 20C3 . 0,23 . 0,820-3 =
0,4114
b. (x = 4)
b(4;20,0.2) = 20C4 . 0,24 . 0,820-4 =
0,6296
c. (x = 6)
b(6;20,0.2) = 20C6 . 0,26 . 0,820-6 =
0,9133
d.(x = 5)
b(5;20,0.2) = 20C5 . 0,25 . 0,820-5 =
0,8042
e.(x = 3)
b((3;20,0.2) = 20C3 . 0,23 . 0,820-3 =
0,4114
30
ISO 9001: 2000
Histogram F.Relatif Percobaan A

0.3
0.25
0.2
0.15
0.1
0.05
0
Subgroup 1 Subgroup 2 Subgroup 3 Subgroup 4 Subgroup 5
Histogram F.Relatif Percobaan A
2.2.2 Pengolahan Data Untuk Percobaan B

Tabel
1 20 pertama 7 P(x) = 7/14 = 0,5
2 20 kedua 2 P(x) = 2/14 = 0,14
3 20 ketiga 1 P(x) = 1/14 = 0,07
4 20 keempat 2 P(x) = 2/14 = 0,14
5 20 kelima 2 P(x) = 2/14 = 0,14
Jumlah 14 ∑ P ( x )=0 , 99

q = 1 – p = 1 – 0,2 = 0,8
a. μ = n.p = 20 . 0,2 = 4
b.σ 2 = n.p.q = 20 . 0,2 . 0,8 = 3,2 ≈ σ = √ 3 , 2= 1,78
a. (x = 7)
31
ISO 9001: 2000
b(7;20,0.2) = 20C7 . 0,27 . 0,820-7 =

0,9679
b. (x = 2)
b(2;20,0.2) = 20C2 . 0,22 . 0,820-2 =
0,2061
c. (x = 1)
b(1;20,0.2) = 20C1 . 0,21 . 0,820-1 =
0,0692
d. (x = 2)
b(2;20,0.2) = 20C2 . 0,22 . 0,820-2 =
0,2061
e. (x = 2)
b(2;20,0.2) = 20C2 . 0,22 . 0,820-2 =
0,2061
Histogram F.Relatif Percobaan B

0.6
0.5
0.4
0.3
0.2
0.1
0
2.2.3 Pengolahan Data Untuk Percobaan C

Tabel
1 60 pertama 18 P(x) = 18/63 = 0,28
2 60 kedua 9 P(x) = 9/63 = 0,14
3 60 ketiga 7 P(x) = 7/63 = 0,11
4 60 keempat 10 P(x) = 10/63 = 0,15
5 60 kelima 19 P(x) = 19/63 = 0,30
Jumlah 63 ∑ P ( x )=0 , 98

32
ISO 9001: 2000
q = 1 – p = 1 – 0,2 = 0,8
a. μ = n.p = 60 . 0,2 = 12
b.σ 2 = n.p.q = 60 . 0,2 . 0,8 = 9,6 ≈ σ = √ 9 , 6= 3,09
a. (x = 18)
b(18;60,0.2) = 60C18 . 0,218. 0,860-18 = 0,978
b. (x = 9)
b(9;60,0.2) = 60C9 . 0,29. 0,860-9 = 0,213
c. (x = 7)
b(7;60,0.2) = 60C7 . 0,27. 0,860-7 = 0,067
d. (x = 10)
b(10;60,0.2) = 60C10 . 0,210. 0,860-10 = 0,449
e. (x = 19)
b(19;60,0.2) = 60C19 . 0,219. 0,860-19 = 0,989
3. Histogram Frekuensi Relatif
Histogram F.Relatif percobaan C

0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
Histogram F.Relatif percobaan C
2.2.4 Pengolahan Data Untuk Percobaan D
33
ISO 9001: 2000
Tabel
1 120 pertama 37 P(x) = 37/277 = 0,13
2 120 kedua 60 P(x) = 60/277 = 0,21
3 120 ketiga 60 P(x) = 60/277 = 0,21
4 120 keempat 60 P(x) = 60/277 = 0,21
5 120 kelima 60 P(x) = 60/277 = 0,21
Jumlah 277 ∑ P ( x )=0 , 97
Diperoleh : n =120 (merupakan hasil dari n =600/5=120)

q = 1 – p = 1 – 0,2 = 0,8
a. μ = n.p = 120 . 0,2 = 24
b.σ 2 = n.p.q = 120 . 0,2 . 0,8 = 19,2 ≈ σ = √ 19 ,2 = 4,38
a. (x = 37)
b(37;120,0.2) = 120C37 . 0,237. 0,8120-37 = 0.9983
b. (x = 60)
b(60;120,0.2) = 120C60 . 0,260. 0,8120-60 = 1,7070
c. (x = 60)
b(60;120,0.2) = 120C60 . 0,260. 0,8120-60 = 1,7070
d. (x = 60)
b(60;120,0.2) = 120C60 . 0,260. 0,8120-60 = 1,7070
e. (x = 60)
b(60;120,0.2) = 120C60 . 0,260. 0,8120-60 = 1,7070
34
ISO 9001: 2000
3. Histogtam Frekuensi Relatif
Histogram F.Relatif Percobaan D

0.25
0.2
0.15
0.1
0.05
0
Histogram F.Relatif Percobaan D
35
ISO 9001: 2000
BAB III
ANALISIS
3.1. Analisis Percobaan A
Jika kita ambil Frekuensi Relatif (P(x)) dengan memperhatikan jumlah cacat,
maka Frekuensi Relatif (P(x)) tertinggi beranda pada subgrup 20 kedua, 0,23.
3.2. Analisis Percobaan B
Jika kita ambil Frekuensi Relatif (P(x)) dengan memperhatikan jumlah
Cacat,maka Frekuensi Relatif (P(x)) tertinggi berada pada subgrup 20 kedua,
yaitu 0,24.
3.3. Analisis Percobaan C
Jika kita ambil Frekuensi Relatif (P(x)) dengan memperhatikan jumlah cacat,
maka Frekuensi Rrelatif (P(x)) tertinggi berada pada subgrup 60 pertama, yaitu
0,24.
3.4. Analisis Percobaan D
Jika kita ambil Frekuensi Relatif (P(x)) dengan memperhatikan jumlah Cacat,
maka Frekuensi Relatif (P(x)) tertinggi berada pada subgrup 120
kedua, yaitu 0,22.
36
ISO 9001: 2000
BAB IV
KESIMPULAN DAN SARAN
4.1. Kesimpulan
Adapun kesimpulan yang dapat kami tarik dari penyusunan laporan ini, yaitu :
1. Dari praktikum ini kita dapat membedakan karakteristik dari beberapa
percobaan yang terdapat pada distribusi diskret.
2. Dalam teori probabilitas dan statistika, distribusi binomial adalah
distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan
ya/tidak (berhasil/gagal) yang saling bebas, dimana setiap hasil percobaan
memiliki probabilitas p.
4.2. Saran
1. Kegiatan praktikum tentang distribusi diskret ini sebaiknya dilakukan
dengan benar.
2. Melakukan percobaan-percobaan dibutuhkan kesabaran dan ketelitian.
4.3. Referensi
- Hines W.W. “ Probabilitas dan Statistik dalam ilmu rekayasa dan manajemen “.
Edisi ke-2 penerbit Universitas Indonesia.
- Walpole, RH Myers. 1986. Ilmu peluang dan statistika untuk Insinyur dan
Ilmuwan. Bandung : ITB.
- Aneka referensi lainnya.
37
LAPORAN PRAKTIKUM
Disusun Oleh:

2. Husni (23173006P)
Palembang
2023
38
ISO 9001: 2000
BAB I
PENDAHULUAN
1.1. Tujuan Praktikum
Dari praktikum mengenai Statistik non Parametrik ini, praktikan diharapkan:
1. Memberi pemahaman proses pengambilan data secara random dan memahami uji
kerandoman.
2. Memahami uji kesesuaian antara distribusi observasi dengan frekuensi teoritis,
3. Memahami uji 2 sampel independent.
4. Memahami adanya pengaruh dari perbedaan perlakuan terhadap suatu kelompok
sampe 1 yang sama.
5. Memahami penggunaan statistika inferen dengan uji-uji non parametric.
6. Memahami karakteristik statistik non parametric serta penggunaannya dalam
menganalisa data.
7. Mampu menganalisis data dengan statistika non parametrik menggunakan software
SPSS.
Pada dasarnya, data yang diolah secara statistic terdiri dari data terukur dan data
tercacah. Statistika parametric adalah statistika yang mendasarkan pada parameter-
parameter tertentu, misalnya nilai rata-rata, varian, dan sebagainya. Data terukur dapat
dianalisis dengan statistika parametrik, sedangkan data tercacah belum tentu dapat
diselesaikan dengan statistika parametrik, misalnya data social yang hanya diperoleh
atas dasar frekuensi. Oleh karena itu, gunakan statistika non parametrik.
39
ISO 9001: 2000
BAB II
PENGUMPULAN DATA DAN PENGOLAHAN DATA
2.1. Pengumpulan Data

2.1.1. Berikut adalah data percobaan 1 mengenai berat badan
BERAT JENIS BERAT JENIS BERAT JENIS

No No No
BADAN KELAMIN BADAN KELAMIN BADAN KELAMIN
1 48 L 11 58 L 21 74 L
2 58 L 12 52 L 22 49 L
3 38 L 13 64 P 23 60 P
4 65 L 14 76 L 24 40 P
5 69 L 15 107 L 25 59 L
6 53 L 16 52 P 26 72 L
7 44 P 17 54 L 27 50 L
8 56 L 18 54 L
9 85 L 19 52 P
10 64 L 20 37 L
KETERANGAN : LAKI-LAKI = L
PEREMPUAN = p
2.1.2. Berikut adalah data percobaan 2 mengenai koin.
No GANJIL/GENAP No GANJIL/GENAP
1 Genap 11 Genap
2 Ganjil 12 Ganjil
3 Genap 13 Ganjil
4 Ganjil 14 Ganjil
5 Genap 15 Genap
6 Ganjil
7 Ganjil
8 Genap
9 Genap
10 Genap
2.2. Pengolahan Data
40
ISO 9001: 2000
2.2.1. Pengolahan Data Percobaan 1 Dengan Menggunakan SPSS
NPAR TEST
Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
bb mahasiswa 27 58.89 15.072 37 107
jenis kelamin 27 1.22 .424 1 2
Runs Test
bb mahasiswa jenis kelamin
a
Test Value 56 1b
Cases < Test Value 13 0
Cases >= Test Value 14 27
Total Cases 27 27
Number of Runs 15 1c
Z .007
Asymp. Sig. (2-tailed) .994
a. Median
b. All values are greater than or less than the cutoff. Runs
Test cannot be performed.
c. Only one run occurs. Runs Test cannot be performed.
Rank test
Created Variablesa
Source Variable Function New Variable Label
beratbadanb Rank Rberatba Rank of beratbadan by
Gender
a. Mean rank of tied values is used for ties.
b. Ranks are in ascending order.
NPAR TESTS
/K-S(NORMAL)=Rberatba
/STATISTICS DESCRIPTIVES
41
ISO 9001: 2000
/MISSING ANALYSIS.
Npar Test
One-Sample Kolmogorov-Smirnov Test

N 27 27
Normal Parametersa,b Mean 58.89 1.22
Std. Deviation 15.072 .424
Most Extreme Differences Absolute .137 .478
Positive .137 .478
Negative -.087 -.300
Test Statistic .137 .478
c,d
Asymp. Sig. (2-tailed) .200 .000c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
One-Sample Kolmogorov-Smirnov Test 2

N 27 27
a,b
Uniform Parameters Minimum 37 1
Maximum 107 2
Positive .378 .778
Kolmogorov-Smirnov Z 1.963 4.041
Asymp. Sig. (2-tailed) .001 .000
a. Test distribution is Uniform.
42
ISO 9001: 2000

N 27 27
a,b
Poisson Parameter Mean 58.89 1.22
Positive .193 .125
a. Test distribution is Poisson.

N 27 27
a,b
Exponential parameter. Mean 58.89 1.22
Positive .201 .219
a. Test Distribution is Exponential.
43
ISO 9001: 2000
44
ISO 9001: 2000
2.2.2. Pengolahan Data Percobaan 1 Dengan Menggunakan SPSS
NPar Tests
N Mean Std. Deviation Minimum Maximum
nilai 15 1.53 .516 1 2
total gage 15 1.00 .000 1 1
Runs Test
nilai total gage
Test Valuea 2 1b
Cases < Test Value 7 0
Cases >= Test Value 8 15
Total Cases 15 15
Number of Runs 9 1c
Z .018
Asymp. Sig. (2-tailed) .986
a. Median
b. All values are greater than or less than the
cutoff. Runs Test cannot be performed.
NPar Tests
One-Sample Kolmogorov-Smirnov Test

Rank of
ganjilgenap by
jumlahganjilgena
nilai total gage p
N 15 15 15
a,b
Normal Parameters Mean 1.53 1.00 8.00000
d
Std. Deviation .516 .000 3.872983
Positive .316 .316
45
ISO 9001: 2000
Test Statistic .350 .350

c
Asymp. Sig. (2-tailed) .000 .000c
a. Test distribution is Normal.
c. Lilliefors Significance Correction.
d. The distribution has no variance for this variable. One-Sample Kolmogorov-Smirnov Test
cannot be performed.
46
ISO 9001: 2000
BAB III
ANALISIS
3.1. Analisis Percobaan Data dengan Menggunakan SPSS

3.1.1. Analisis Percobaan 1
Dalam percobaan ini mengenai Data Berat Badan, kita menggunakan beberapa
prosedur yang harus diselesaikan dengan menggunakan SPSS, yaitu : Run Test, Rank
Cases, dan 1-sample Kolmogorof Smirnov.
1. Run Test
Pada Run Tes diperoleh Test Value 2 varibel, yaitu variabel Jenis Kelamin - 1ᵇ
dan variabel Skor 50.00
2. Rank Cases
3. 1-sample Kolmogorov Smirnov
Pada 1-sample Kolmogorov Smirnov, kita memakai beberapa distribusi yang
diuji, diantaranya normal, uniform, poisson, dan exponential. Diperoleh
Mean = 52.9000 Std. Deviasi = 8.21899.
3.1.2. Analisis Percobaan 2
Dalam percobaan ini mengenai Data Berat Badan, kita menggunakan beberapa
prosedur yang harus diselesaikan dengan menggunakan SPSS, yaitu: Run Test, Rank
Cases, dan 1-sample Kolmogorof Smirnov. Berikut analisisnya.
1. Run Test
Pada Run Tes diperoleh Test Value 1 varibel, yaitu variabel Genap/Ganjil - 1h
2. Rank Cases
3. 1-sample Kolmogorov Smirnov
Pada 1-sample Kolmogorov Smirnov, kita memakai beberapa distribusi yang diuji,
diantaranya normal, uniform, poisson, dan exponential. Diperoleh
Mean=1.30
Std. Deviasi = .470.
47
ISO 9001: 2000
BAB IV
4.1. Kesimpulan
Adapun kesimpulan yang dapat ditarik dari penyusunan laporan ini, yaitu:
1. Kita bisa memahami mengenai Statistik non Parametrik

2. Kita bisa memahami karakteristik statistik dan penggunaanya dalam
menganalisa data dengan SPSS
4.2. Saran
Kegiatan praktikum tentang Statistik non Parametrik ini hendaknya dapat dilakukan
dengan lebih cermat. Melakukan perhitungan dengan menggunakan SPSS
dibutuhkan ketelitian.
4.3.Referensi
- Walpole, RH Myers. 1986. Ilmu Peluang dan Statistika Untuk Insinyur dan
Ilmuan Bandung:
ITB. -Hines W.W. "Probabilitas dan Statistik Dalam Ilmu Rekayasa dan
Manajemen", Edisi ke-2
Penerbit Universitas Indonesia.
Aneka referensi lainnya
48
LAPORAN PRAKTIKUM
Disusun Oleh:
2. Husni (23173006P)

Palembang
2023
49
ISO 9001: 2000
BAB 1
PENDAHULUAN
1.1. Landasan Teori
Landasan teori untuk praktikum Distribusi Sampel Rataan ini meliputi analisis satu
faktor dan dua faktor, pengolahan data dengan ANOVA menggunakan software SPSS,
serta perbandingan antara ANOVA secara manual dan menggunakan SPSS. Berikut
adalah penjelasan singkat tentang masing-masing konsep tersebut:
1. Analisis Satu Faktor:
- Analisis satu faktor digunakan untuk membandingkan rata-rata dari beberapa

kelompok yang berbeda.
- Tujuan dari analisis ini adalah untuk menentukan apakah ada perbedaan yang
signifikan antara kelompok-kelompok tersebut.
- Metode yang umum digunakan dalam analisis satu faktor adalah Analisis Variansi
(ANOVA).
- ANOVA membandingkan variasi antara kelompok dengan variasi dalam kelompok

untuk menentukan apakah perbedaan antara kelompok-kelompok tersebut signifikan
secara statistik.
2. Analisis Dua Faktor:
- Analisis dua faktor digunakan ketika ingin membandingkan rata-rata dari dua faktor
yang berbeda dan melihat apakah ada interaksi antara kedua faktor tersebut.
- Misalnya, jika ingin mengetahui apakah ada perbedaan dalam hasil tes antara
kelompok pria dan wanita, serta apakah perbedaan tersebut dipengaruhi oleh faktor usia.
- Analisis dua faktor juga menggunakan metode ANOVA, tetapi dengan tambahan
faktor kedua dan interaksi antara kedua faktor tersebut.
3. Pengolahan Data dengan ANOVA menggunakan SPSS:
50
ISO 9001: 2000
- SPSS (Statistical Package for the Social Sciences) adalah perangkat lunak yang
digunakan untuk analisis statistik.
- Dalam praktikum ini, praktikan akan belajar bagaimana menggunakan SPSS untuk
melakukan analisis ANOVA.
- Langkah-langkah yang umum dilakukan meliputi memasukkan data ke dalam SPSS,

memilih jenis analisis ANOVA yang sesuai, menginterpretasikan hasil, dan membuat
kesimpulan berdasarkan analisis tersebut.
4. Perbandingan ANOVA secara Manual dan menggunakan SPSS:
- Praktikan juga akan mempelajari perbedaan antara melakukan analisis ANOVA

secara manual dan menggunakan SPSS.
- Analisis ANOVA secara manual melibatkan perhitungan statistik secara langsung

menggunakan rumus-rumus yang sesuai.
- Sementara itu, menggunakan SPSS memungkinkan praktikan untuk melakukan

analisis secara otomatis dengan mengimpor data dan memilih opsi analisis yang
diinginkan.
- Perbandingan ini akan membantu praktikan memahami kelebihan dan kekurangan

dari kedua metode tersebut.
Dengan memahami landasan teori ini, praktikan diharapkan dapat mengerti tentang
analisis satu faktor dan dua faktor, mengolah data dengan ANOVA menggunakan SPSS,
serta melakukan perbandingan antara ANOVA secara manual dan menggunakan SPSS.
51
ISO 9001: 2000
Dari praktikum Distribusi Sampel Rataan ini, praktikan diharapkan
1. Agar praktikan dapat mengerti tentang tentang analisis baik satu faktor maupun
duafaktor
2. Agar praktikan dapat mengolah data dengan ANOVA menggunakan softwareSPSS.
3. Agar praktikan dapat melakukan perbandingan tentang ANOVA dengan cara
manualdan ANOVA menggunakanSPSS.
Analysis Of Variance (ANOVA) adalah suatu metode yang digunakan untuk

mengetahui pengaruh satu factor atau lebih terhadap data-data sampel yang diambil.
Analysis Of Variance (ANOVA) merupakan salah satu cara yang digunakan untuk
menganalisis (menguji) variansi atas bagian-bagiannya yang bermakna dengan uji
hipotesis untuk mengetahui apakah factor-faktor yang diamati berpengaruh terhadap
sampel yang diambil. Hasil ANOVA diperoleh dengan menghitung F untuk masing-
masing sumber variansi, kecuali total dan kesalahanacak.
1.4. Prosedur Praktikum
Berikut adalah prosedur praktikum untuk materi Distribusi Sampel Rataan yang
mencakup analisis satu faktor dan dua faktor, pengolahan data dengan ANOVA
menggunakan software SPSS, serta perbandingan antara ANOVA secara manual dan
menggunakan SPSS:
1. Persiapan:
a. Pastikan semua peralatan dan bahan praktikum yang diperlukan tersedia.
b. Siapkan data yang akan digunakan untuk analisis. Data dapat berupa hasil
pengukuran atau observasi dari beberapa kelompok atau faktor yang ingin
dibandingkan.
2. Analisis Satu Faktor:
52
ISO 9001: 2000
a. Mulailah dengan memahami konsep dasar analisis satu faktor dan tujuan dari
analisis tersebut.
b. Pelajari rumus-rumus yang terkait dengan analisis satu faktor, seperti rumus untuk
menghitung sum of squares (SS), degree of freedom (df), dan mean square (MS).
c. Lakukan analisis satu faktor secara manual dengan menghitung SS, df, dan MS,
serta menghitung nilai F untuk menentukan apakah perbedaan antara kelompok-
kelompok tersebut signifikan.
d. Lakukan analisis satu faktor menggunakan SPSS dengan mengimpor data ke dalam
software, memilih opsi analisis ANOVA, dan menginterpretasikan hasil yang diberikan.
3. Analisis Dua Faktor:
a. Pahami konsep dasar analisis dua faktor dan tujuan dari analisis tersebut.
b. Pelajari rumus-rumus yang terkait dengan analisis dua faktor, termasuk rumus
untuk menghitung SS, df, dan MS untuk masing-masing faktor, serta rumus untuk
menghitung interaksi antara kedua faktor.
c. Lakukan analisis dua faktor secara manual dengan menghitung SS, df, dan MS
untuk masing-masing faktor, serta menghitung nilai F untuk menentukan apakah ada
perbedaan antara kelompok-kelompok dan apakah ada interaksi antara kedua faktor
tersebut.
d. Lakukan analisis dua faktor menggunakan SPSS dengan mengimpor data ke dalam
software, memilih opsi analisis ANOVA dua faktor, dan menginterpretasikan hasil yang
diberikan.
4. Pengolahan Data dengan ANOVA menggunakan SPSS:
a. Pelajari langkah-langkah pengolahan data dengan ANOVA menggunakan SPSS,

termasuk memasukkan data ke dalam software, memilih jenis analisis ANOVA yang
sesuai, dan menginterpretasikan hasil yang diberikan.
53
ISO 9001: 2000
b. Praktikan akan belajar bagaimana mengolah data dengan ANOVA menggunakan

SPSS melalui contoh-contoh praktis dan latihan.
5. Perbandingan ANOVA secara Manual dan menggunakan SPSS:
a. Pelajari perbedaan antara melakukan analisis ANOVA secara manual dan

menggunakan SPSS, termasuk kelebihan dan kekurangan dari kedua metode tersebut.
b. Diskusikan hasil analisis yang diperoleh dari kedua metode tersebut, dan
bandingkan kesesuaian dan efisiensi dari masing-masing metode.
6. Kesimpulan:
a. Buatlah kesimpulan dari praktikum ini berdasarkan hasil analisis yang diperoleh.
b. Diskusikan temuan dan implikasi dari analisis satu faktor dan dua faktor yang telah
dilakukan.
c. Jelaskan pentingnya penggunaan SPSS dalam pengolahan data dan analisis

statistik.
Dengan mengikuti prosedur praktikum ini, praktikan diharapkan dapat memahami

analisis satu faktor dan dua faktor, mengolah data dengan ANOVA menggunakan
SPSS, serta melakukan perbandingan antara ANOVA secara manual dan
menggunakan SPSS.
54
ISO 9001: 2000
BAB II
2.1. Data Mentah
Berikut ini adalah data-data hasil pengamatan percobaan.
2.1.1. Tabel Pengamatan Percobaan 1
Kelompok/ Pengamatan (waktu)

pelipat 1 2 3 4 5
I 60 31 24 30 25
II 14.9 24 25.94 28 16.68
III 39.1 40 53 27 45
IV 48.44 23.25 40 48.47 47.46
V 8.84 44.88 43.44 20 44.38
Data kertas warna warni
Kelompok/ Jenis kertas

pelipat Merah Biru Kuning
I 28 26 22
II 20 19.91 19.62
III 49.45 36.21 47.7
IV 40 18.98 46.27
V 41.11 31.72 27.92
55
ISO 9001: 2000
Data percobaan III
Jenis Merah Biru Kuning

kertas 1 2 3 1 2 3 1 2 3
I 20 9 10 16 12 17 21 15 16
II 18.81 20.11 20.11 14.17 19.4 14.32 15.58 17.90 9.93
III 18 26.53 26.53 20.48 29.21 37.01 33.27 35.76 36.21
IV 27 31 31 21.21 18 21.94 25.68 18.98 21.66
V 25.68 28.19 28.19 18.93 18.52 21.7 18.63 16.73 19.85
2.2. Pengolahan Data Dengan Menggunakan SPSS

2.2.1. Percobaan 1
Berikut adalah hasil output SPSS pengamatan Percobaan 1
56
ISO 9001: 2000
57
ISO 9001: 2000
2.2.2 Percobaan 2
Berikut adalah hasil output SPSS pengamatan percobaan
Between-Subjects Factors
Value Label N
nama operator 1.00 danu 3
2.00 husni 3
3.00 dery 3
4.00 reza 3
5.00 komang 3
warna kertas 1.00 merah 5
2.00 biru 5
3.00 kuning 5
Dependent Variable: nilai kertas
nama operator warna kertas Mean Std. Deviation N
danu merah 28.0000 . 1
biru 26.0000 . 1
kuning 22.0000 . 1
Total 25.3333 3.05505 3
husni merah 20.0000 . 1
biru 19.9100 . 1
kuning 19.6200 . 1
Total 19.8433 .19858 3
dery merah 49.4500 . 1
biru 36.2100 . 1
kuning 47.7000 . 1
Total 44.4533 7.19236 3
reza merah 40.0000 . 1
biru 10.9800 . 1
kuning 46.2700 . 1
Total 32.4167 18.82754 3
komang merah 41.1100 . 1
58
ISO 9001: 2000
biru 31.7200 . 1
kuning 27.9200 . 1
Total 33.5833 6.78955 3
Total merah 35.7120 11.64689 5
biru 24.9640 9.92830 5
kuning 32.7020 13.39375 5
Total 31.1260 11.83784 15
Tests of Between-Subjects Effects

Dependent Variable: Nilai Kertas
Type III Sum of
Source Squares df Mean Square F Sig.
Corrected Model 923.963a 6 153.994 1.187 .400
Intercept 14019.770 1 14019.770 108.061 .000
Operator 616.536 4 154.134 1.188 .386
Warna 220.584 2 110.292 .850 .463
Operator * Warna .000 0 . . .
Error 1037.918 8 129.740
Total 16494.299 15
Corrected Total 1961.881 14
a. R Squared = .471 (Adjusted R Squared = .074)
1. Operator
Dependent Variable: Waktu
95% Confidence Interval
Operator Mean Std. Error Lower Bound Upper Bound
a
danu 32.483 6.576 17.319 47.648
dery 33.277a 6.975 17.193 49.362
a
husni 22.367 6.576 7.202 37.531
a
Reza 26.265 6.975 10.180 42.350
a
komang 40.630 6.576 25.465 55.795
59
ISO 9001: 2000
a. Based on modified population marginal mean.
2. Warna Kertas
95% Confidence Interval
Warna Kertas Mean Std. Error Lower Bound Upper Bound
a
Merah 36.519 5.199 24.530 48.508
a
Biru 26.696 5.800 13.321 40.070
Kuning 30.720a 5.199 18.731 42.709
a. Based on modified population marginal mean.
Post Hoc Tests
Multiple Comparisons
Dependent Variable: nilai kertas
Tukey HSD
Mean 95% Confidence Interval
(I) nama (J) nama Difference (I-
operator operator J) Std. Error Sig. Lower Bound Upper Bound
danu husni 5.49000 7.84582 .952 -20.3312 31.3112
dery -19.12000 7.84582 .182 -44.9412 6.7012
reza -7.08333 7.84582 .889 -32.9046 18.7379
komang -8.25000 7.84582 .826 -34.0712 17.5712
husni danu -5.49000 7.84582 .952 -31.3112 20.3312
dery -24.61000 7.84582 .064 -50.4312 1.2112
reza -12.57333 7.84582 .527 -38.3946 13.2479
komang -13.74000 7.84582 .448 -39.5612 12.0812
dery danu 19.12000 7.84582 .182 -6.7012 44.9412
husni 24.61000 7.84582 .064 -1.2112 50.4312
reza 12.03667 7.84582 .565 -13.7846 37.8579
komang 10.87000 7.84582 .649 -14.9512 36.6912
reza danu 7.08333 7.84582 .889 -18.7379 32.9046
husni 12.57333 7.84582 .527 -13.2479 38.3946
dery -12.03667 7.84582 .565 -37.8579 13.7846
komang -1.16667 7.84582 1.000 -26.9879 24.6546
60
ISO 9001: 2000
komang danu 8.25000 7.84582 .826 -17.5712 34.0712

husni 13.74000 7.84582 .448 -12.0812 39.5612
dery -10.87000 7.84582 .649 -36.6912 14.9512
reza 1.16667 7.84582 1.000 -24.6546 26.9879
Homogeneous Subsets
Nilai Kertas
Tukey HSDa
Subset for alpha = 0.05
Operator N 1
Putri 3 22.3667
Farhan 3 24.4467
Ismail 3 32.4833
Fran 3 35.7033
Erlangga 3 40.6300
Sig. .334
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 3.000.
61
ISO 9001: 2000
JENIS_KERTAS
Dependent Variable: Nilai Kertas

Tukey HSD
Mean 95% Confidence Interval
(I) Warna Kertas (J) Warna Kertas Difference (I-J) Std. Error Sig. Lower Bound Upper Bound
Merah Biru .34800 7.79066 .999 -20.4364 21.1324
Kuning 6.67200 7.79066 .677 -14.1124 27.4564
Biru Merah -.34800 7.79066 .999 -21.1324 20.4364
Kuning 6.32400 7.79066 .703 -14.4604 27.1084
Kuning Merah -6.67200 7.79066 .677 -27.4564 14.1124
Biru -6.32400 7.79066 .703 -27.1084 14.4604
Homogeneous Subsets
Jenis Kertas
a
Tukey HSD

Jenis Kertas N 1
Kuning 5 26.7940
Biru 5 33.1180
Merah 5 33.4660
Sig. .677
Histogram Waktu Kertas
62
ISO 9001: 2000
2.2.3 Percobaan 3
Berikut adalah hasil Output SPSS pengamatan percobaaan 3
Descriptives
Waktu
95% Confidence Interval for
Mean
Std.
N Mean Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
I 9 15.1111 4.13656 1.37885 11.9315 18.2908 9.00 21.00
II 9 16.2656 3.20923 1.06974 13.7987 18.7324 9.93 20.11
III 9 27.8300 8.60588 2.86863 21.2149 34.4451 14.00 37.01
IV 9 24.1522 5.02155 1.67385 20.2923 28.0121 18.00 31.90
V 9 22.1044 4.90865 1.63622 18.3313 25.8776 16.73 30.70
Total 45 21.0927 7.13500 1.06362 18.9491 23.2363 9.00 37.01
63
ISO 9001: 2000
Test of Homogeneity of Variances

Levene Statistic df1 df2 Sig.
Waktu Based on Mean 4.038 4 40 .008
Based on Median 2.382 4 40 .068
Based on Median and with 2.382 4 31.919 .072
adjusted df
Based on trimmed mean 3.851 4 40 .010
ANOVA
Waktu
Sum of Squares df Mean Square F Sig.

Between Groups 1033.706 4 258.427 8.570 .000
Within Groups 1206.258 40 30.156
Total 2239.964 44
Post Hoc Tests
Tukey HSD
(I) (J) Mean Difference 95% Confidence Interval
Kelompok Operator (I-J) Std. Error Sig. Lower Bound Upper Bound
I II -1.15444 2.58871 .991 -8.5480 6.2392
*
III -12.71889 2.58871 .000 -20.1125 -5.3253
IV -9.04111* 2.58871 .010 -16.4347 -1.6475
V -6.99333 2.58871 .071 -14.3869 .4003
II I 1.15444 2.58871 .991 -6.2392 8.5480
*
III -11.56444 2.58871 .001 -18.9580 -4.1708
IV -7.88667* 2.58871 .031 -15.2803 -.4931
V -5.83889 2.58871 .181 -13.2325 1.5547
*
III I 12.71889 2.58871 .000 5.3253 20.1125
64
ISO 9001: 2000
II 11.56444* 2.58871 .001 4.1708 18.9580

IV 3.67778 2.58871 .618 -3.7158 11.0714
V 5.72556 2.58871 .196 -1.6680 13.1192
IV I 9.04111* 2.58871 .010 1.6475 16.4347
II 7.88667* 2.58871 .031 .4931 15.2803
III -3.67778 2.58871 .618 -11.0714 3.7158
V 2.04778 2.58871 .932 -5.3458 9.4414
V I 6.99333 2.58871 .071 -.4003 14.3869
II 5.83889 2.58871 .181 -1.5547 13.2325
III -5.72556 2.58871 .196 -13.1192 1.6680
IV -2.04778 2.58871 .932 -9.4414 5.3458
*. The mean difference is significant at the 0.05 level.
Homogeneous Subsets
Waktu
a
Tukey HSD
Operator N 1 2
I 9 15.1111
II 9 16.2656
V 9 22.1044 22.1044
IV 9 24.1522
III 9 27.8300
Sig. .071 .196
65
ISO 9001: 2000
BAB III
ANALISIS
3.1 Analisis Hasil Output SPSS
3.1.1 Analisis Hasil Output Percobaan 1
Berdasarkan hasil output dengan menggunakan SPSS.Diperoleh sebagai
berikut:
N = 25
Total Mean = 34.11
Std.Deviation = 13.284
Std.Eror = 2.657
Minimum =9
Maximum = 60
Berdasarkan hasil output dengan menggunakan SPSS.Diperoleh
Sebagai berikut:
N = 15
Total Mean = 31.1260
Berdasarkan hasil output dengan menggunakan SPSS.Diperoleh
Sebagai berikut:
N = 45
Total Mean =21.0927
Std.Eror = 1.06362
Minimum = 9.00
Maximum = 37.01
66
ISO 9001: 2000
BAB IV
KESIMPULAN
4.1. Kesimpulan
Dari praktikum Distribusi Sampel Rataan ini, terdapat beberapa kesimpulan yang
dapat diambil:
1. Praktikan diharapkan dapat mengerti tentang analisis baik satu faktor maupun
dua faktor. Dalam praktikum ini, praktikan diajarkan tentang konsep dasar
analisis varians (ANOVA) yang digunakan untuk membandingkan rata-rata
antara beberapa kelompok atau faktor. Praktikan diharapkan dapat memahami
konsep dasar ANOVA, seperti hipotesis nol, hipotesis alternatif, dan pengujian
signifikansi.
2. Praktikan diharapkan dapat mengolah data dengan ANOVA menggunakan
software SPSS. Dalam praktikum ini, praktikan diajarkan bagaimana
menggunakan software SPSS untuk melakukan analisis varians. Praktikan
diharapkan dapat mengerti langkah-langkah dalam mengolah data menggunakan
SPSS, seperti memasukkan data, mengatur variabel, menjalankan analisis
ANOVA, dan menginterpretasikan hasilnya.
3. Praktikan diharapkan dapat melakukan perbandingan antara ANOVA dengan cara
manual dan ANOVA menggunakan SPSS. Dalam praktikum ini, praktikan
diajarkan tentang cara melakukan analisis varians secara manual menggunakan
rumus-rumus matematis, seperti menghitung sum of squares (SS), degree of
freedom (df), mean square (MS), dan F-ratio. Praktikan juga diajarkan cara
melakukan analisis varians menggunakan SPSS, yang lebih efisien dan akurat.
Praktikan diharapkan dapat membandingkan kedua metode tersebut dan
memahami kelebihan dan kekurangan masing-masing.
Dengan memahami materi-materi tersebut, praktikan diharapkan dapat memiliki

pemahaman yang baik tentang analisis varians (ANOVA) dan dapat
mengaplikasikannya dalam penelitian atau analisis data mereka.
67
ISO 9001: 2000
4.2. Reverensi
Berikut adalah beberapa referensi yang dapat digunakan untuk mendalami materi
praktikum Distribusi Sampel Rataan, termasuk analisis satu faktor dan dua faktor,
pengolahan data dengan ANOVA menggunakan SPSS, serta perbandingan antara
ANOVA secara manual dan menggunakan SPSS:
1. Buku:
- Howell, D. C. (2012). Statistical Methods for Psychology (8th ed.). Wadsworth

Publishing.
- Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics (4th ed.). Sage
Publications.
- Tabachnick, B. G., & Fidell, L. S. (2013). Using Multivariate Statistics (6th ed.).
Pearson Education.
2. Jurnal dan artikel:
- Stevens, J. P. (2009). Applied Multivariate Statistics for the Social Sciences (5th
ed.). Routledge.
- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate Data
Analysis (7th ed.). Pearson Education.
- Field, A., Miles, J., & Field, Z. (2012). Discovering Statistics Using R. Sage
Publications.
3. Sumber online:
- UCLA: Statistical Consulting Group. (n.d.). One-Way Analysis of Variance

(ANOVA) Example. Diakses dari https://stats.idre.ucla.edu/spss/examples/what-
statistical-analysis-should-i-use/one-way-anova/
- SPSS Tutorials. (n.d.). One-Way ANOVA in SPSS Statistics. Diakses dari

https://statistics.laerd.com/spss-tutorials/one-way-anova-using-spss-statistics.php
68
ISO 9001: 2000
- SPSS Tutorials. (n.d.). Two-Way ANOVA in SPSS Statistics. Diakses dari

https://statistics.laerd.com/spss-tutorials/two-way-anova-using-spss-statistics.php
69
LAPORAN PRAKTIKUM
Disusun Oleh:

2. Husni (23173006P)
Palembang
2023
70
ISO 9001 : 2000
BAB I
PENDAHULUAN
Dari praktikum Distribusi Sampel Rataan ini, praktikan diharapkan :
1. Agar praktikan dapat memahami dan mengetahui teknik penentuan Simple dan
Multiple Linear Regression untuk menjelaskan hubungan antara 2 jenis variable.
2. Agar praktikan dapat melakukan Hypotesis test dan interval test pada Simple
Linear Regression.
3. Agar praktikan dapat menentukan persamaan regresi linier baik simple maupun
dengan bantuan SPSS dan mengaplikasikannya pada kehidupan nyata.
Regresi Linear adalah suatu teknik dalam statistika untuk menentukan persamaan garis
atau kurva (persamaan matematis) yang dapat meminimasi penyimpangan dan deviasi
antara nilai data yang didapat dari observasi dengan nilai data yang didapat dari
observasi dengan nilai data yang didapat dari observasi dengan nilai data yang didapat
dari persamaan suatu persamaan regresi. Dalam regresi linear terdapat 2 macam
variable, yaitu:
1. Variabel X atau independent variable

2. Variabel Y ata dependent variable
Jika pasangan observasi pengukuran (Xi, Yi) digambarkan, maka kita akan memperoleh
serangkaian titik-titik koordinat yang menghubungkan kedua nilai observasi yang
disebut dengan Scatter Diagram. Garis yang ditarik melalui titik-titik koordinat hasil
dari suatu observasi dinamakan regression line.
71
ISO 9001 : 2000
BAB II
2.1. Data Mentah

2.1.1. Berikut adalah hasil pengamatan 1 (Muhammad danu hermawan)
No Jumlah kata Banyak kesalahan Waktu pengetikan (detik)

1 133 507 3
2 133 520 4
3 133 522 6
4 133 512 5
5 133 499 10
Total 665 2560 28
2.1.2. Berikut adalah hasil pengamatan 2 (Husni)

1 133 461 3
2 133 470 5
3 133 450 9
4 133 500 10
4 133 430 7
Total 665 2311 34
2.1.3. Berikut adalah hasil pengamatan 3 (M Reza Ramadhan)

1 133 556 2
2 133 540 1
3 133 549 3
4 133 530 4
5 133 533 2
Total 665 2708 12
72
ISO 9001 : 2000
2.1.4. Berikut adalah hasil pengamatan 4 (M. Dery Saputra)

1 133 607 4
2 133 583 7
3 133 576 6
4 133 567 2
5 133 549 4
Total 665 2882 23
2.1.5. Berikut adalah hasil pengamatan 5 (Ni Komang salsa septiana )

1 133 499 3
2 133 505 4
3 133 472 3
4 133 494 9
5 133 495 8
Total 665 2465 27
2.2. Pengolahan
Pengolahan dengan SPSS Dengan Cara Regression Berikut hasil output pengolahanya.
Keterangan :
- Jumlah kata = X1
- Banyak Kesalahan = X2
- Waktu =Y
73
ISO 9001 : 2000
2.2.1 Hasil Output Pengamatan 1

Regression
Operator 1 (Muhammad Danu Hermawan)
Regression
N Minimum Maximum Mean Std. Deviation
jumlahkata 5 133 133 133.00 .000
waktupengetikan 5 499 522 512.00 9.460
kesalahan 5 3 10 5.60 2.702
Valid N (listwise) 5
Correlations
jumlahkata waktupengetikan kesalahan
a a
jumlahkata Pearson Correlation . . .a
Sig. (2-tailed) . .
N 5 5 5
a
waktupengetikan Pearson Correlation . 1 -.518
Sig. (2-tailed) . .371
N 5 5 5
kesalahan Pearson Correlation .a -.518 1
N 5 5 5
a. Cannot be computed because at least one of the variables is constant.
Variables Entered/Removeda
74
ISO 9001 : 2000
Variables Variables
Model Entered Removed Method
b
1 kesalahan . Enter
a. Dependent Variable: waktupengetikan
b. All requested variables entered.
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 .518 .269 .025 9.342
a. Predictors: (Constant), kesalahan
b. Dependent Variable: waktupengetikan
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 96.199 1 96.199 1.102 .371b
Residual 261.801 3 87.267
Total 358.000 4
b. Predictors: (Constant), kesalahan
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 522.164 10.544 49.522 .000
kesalahan -1.815 1.729 -.518 -1.050 .371
Residuals Statisticsa
75
ISO 9001 : 2000
Minimum Maximum Mean Std. Deviation N

Predicted Value 504.01 516.72 512.00 4.904 5
Residual -9.719 10.726 .000 8.090 5
Std. Predicted Value -1.629 .962 .000 1.000 5
Std. Residual -1.040 1.148 .000 .866 5
76
ISO 9001 : 2000
2.2.2 Hasil Output pengamatan 2

Regresion
Operator 2 ( Ni Komang salsa septiana )
Regression
jumlahkata 5 133 133 133.00 .000
kesalahan 5 3 10 6.80 2.864
Correlations
jumlahkata Pearson Correlation .a .a .a
Sig. (2-tailed) . .
N 5 5 5
waktupengetikan Pearson Correlation .a 1 .264
N 5 5 5
a
kesalahan Pearson Correlation . .264 1
N 5 5 5
Variables Variables
1 kesalahanb . Enter
Model Summaryb
77
ISO 9001 : 2000

a
1 .264 .070 -.240 28.812
ANOVAa
1 Regression 186.440 1 186.440 .225 .668b
Residual 2490.360 3 830.120
Total 2676.800 4
Coefficientsa
Standardized
1 (Constant) 445.988 36.555 12.200 .001
kesalahan 2.384 5.031 .264 .474 .668
Predicted Value 453.14 469.83 462.20 6.827 5
Residual -32.677 30.171 .000 24.952 5
Std. Predicted Value -1.327 1.117 .000 1.000 5
Std. Residual -1.134 1.047 .000 .866 5
78
ISO 9001 : 2000
Charts

Regression
Operator 3 (HUSNI)
Regression
jumlahkata 5 133 133 133.00 .000
kesalahan 5 1 4 2.40 1.140
Correlations
79
ISO 9001 : 2000

Sig. (2-tailed) . .
N 5 5 5
waktupengetikan Pearson Correlation .a 1 -.286
N 5 5 5
a
kesalahan Pearson Correlation . -.286 1
N 5 5 5
Variables Variables
b
1 kesalahan . Enter
Model Summaryb
1 .286a .082 -.224 12.034
ANOVAa
1 Regression 38.777 1 38.777 .268 .641b
Residual 434.423 3 144.808
Total 473.200 4
80
ISO 9001 : 2000
Coefficientsa
Standardized
1 (Constant) 548.154 13.761 39.834 .000
kesalahan -2.731 5.277 -.286 -.517 .641
Predicted Value 537.23 545.42 541.60 3.114 5
Residual -9.692 13.308 .000 10.421 5
Std. Residual -.805 1.106 .000 .866 5
Charts
81
ISO 9001 : 2000

Regression
Operator 3 ( M. Dery Saputra )
Regression
jumlahkata 5 133 133 133.00 .000
kesalahan 5 2 7 4.60 1.949
Correlations
Sig. (2-tailed) . .
N 5 5 5
a
waktupengetikan Pearson Correlation . 1 .227
N 5 5 5
a
N 5 5 5
82
ISO 9001 : 2000
Variables Variables
b
1 kesalahan . Enter
Model Summaryb
a
1 .227 .052 -.264 23.981
ANOVAa
1 Regression 94.003 1 94.003 .163 .713b
Residual 1725.197 3 575.066
Total 1819.200 4
Coefficientsa
Standardized
1 (Constant) 564.961 30.258 18.671 .000
kesalahan 2.487 6.151 .227 .404 .713
83
ISO 9001 : 2000
Predicted Value 569.93 582.37 576.40 4.848 5
Residual -25.908 32.092 .000 20.768 5
Std. Residual -1.080 1.338 .000 .866 5
84
ISO 9001 : 2000

Regression
Operator 3 ( M Reza Ramadhan )
jumlahkata 5 133 133 133.00 .000
kesalahan 5 3 9 5.40 2.881
Regression
Correlations
a a
jumlahkata Pearson Correlation . . .a
Sig. (2-tailed) . .
N 5 5 5
a
waktupengetikan Pearson Correlation . 1 .194
N 5 5 5
a
N 5 5 5
Variables Variables
b
1 kesalahan . Enter
85
ISO 9001 : 2000
Model Summaryb
a
1 .194 .038 -.283 14.170
ANOVAa
1 Regression 23.614 1 23.614 .118 .754b
Residual 602.386 3 200.795
Total 626.000 4
Coefficientsa
Standardized
1 (Constant) 488.446 14.715 33.195 .000
kesalahan .843 2.459 .194 .343 .754
Predicted Value 490.98 496.04 493.00 2.430 5
Residual -18.976 13.181 .000 12.272 5
Std. Predicted Value -.833 1.250 .000 1.000 5
Std. Residual -1.339 .930 .000 .866 5
86
ISO 9001 : 2000
87
ISO 9001 : 2000
BAB III
ANALISIS
3.1. Analisis Hasil Output

3.1.1. Analisis Hasil Output pengamatan 1
R 0,655 menunjukan korelasi berganda yaitu korelasi antara dua atau lebih variable
diindependen terhadap variable idependen. Nilai r berkirsar 0 sampai 1 jika nilainya
mendekati 1 maka hubungan semakin ini erat. Sebaliknya, jika r mendekati O maka
semakin lemah. Angkar didapat angka r 0,429, Hal ini berarti hubungannya kuat karena
mendekati 11 square atau kuadrat r menunjukan koefesien determinasi angka ini akan
diubah ke persen (%) artinya pengaruh persentase seimbang sangat kuat. Adjusted r
square adalah sama tidak ada pengaruhnya juga karena nilainya diperoleh sebesar 0,142
standar error of the estimate adalah ukuran kesalahan prediksi dalam kasus ini nilainya
sebesar 88,965 artinya kesalahan yang terjadi dalam keamanan sebesar 1,768.
H0 : X1 dan X2 terhadap Y tidak mempunyai hubungan
HI : X1 dan X2 terhadap Y mempunyai hubungan
Menentukan fhitung dan signifikansi Dari output diperoleh f sebesar 0,751 dan
signifikansi sebesar 0,571.
Kriteria pengujian
 Jika fhitung ftabel, maka H0 diterima

 Jika f hitung f tabel maka H0 ditolak
Kesimpulan:
Dari output, diperoleh fhit sebesar 0,751, karena nilai fhit lebih besar dari ftable, maka
Ho ditolak. Artinya, dapat disimpulkan bahwa terdapat hubungan Yang linear antara
X1dan X2 terhadap Y.
88
ISO 9001 : 2000
R 0,614ª menunjukan korelasi berganda yaitu korelasi antara dua atau lebih variable
mendekati 1 maka hubungan semakin ini erat. Sebaliknya, jika r mendekati 0 maka
semakin lemah. Angkar didapat angka r 0,377. Hal ini berarti hubungannya kuat karena
mendekati 1 r square atau kuadrat r menunjukan koefesien determinasi angka ini akan
square adalah sama tidak ada pengaruhnya juga karena nilainya diperoleh sebesar-
0,247 standar error of the estimate adalah ukuran kesalahan prediksi dalam kasus ini
nilainya sebesar 49,855 artinya kesalahan yang terjadi dalam keamanan sebesar 1,935,
Kriteria pengujian

Kesimpulan:
89
ISO 9001 : 2000
R. 0,772 menunjukan korelasi berganda yaitu korelasi antara dua atau lebih variable
mendekati 1 maka hubungan semakin ini erat. Sebaliknya, jika r mendekati 0 maka
semakin lemah. Angkar didapat angka r 0,596. Hal ini berarti hubungannya kuat karena
mendekati 1 r square atau kuadrat r menunjukan koefesien determinasi angka ini akan
Kriteria pengujian

Kesimpulan:
90
ISO 9001 : 2000
R 0,514ª menunjukan korelasi berganda yaitu korelasi antara dua atau lebih variable
mendekati 1 maka hubungan semakin ini erat Sebaliknya, jika r mendekati 0 maka
semakin lemah. Angka r didapat angka r 0,264. Hal ini berarti hubungannya kuat
karena mendekati 1 r square atau kuadrat r menunjukan koefesien determinasi angka ini
akan diubah ke persen (%) artinya pengaruh persentase seimbang sangat kuat. Adjusted
r square adalah sama tidak ada pengaruhnya juga karena nilainya diperoleh sebesar-
0,472 standar error of the estimate adalah ukuran kesalahan prediksi dalam kasus ini
nilainya sebesar 59,435 artinya kesalahan yang terjadi dalam keamanan sebesar 2,985.

Kriteria pengujian
Kesimpulan:
H0 ditolak. Artinya, dapat disimpulkan bahwa terdapat hubungan Yang linear antara
91
ISO 9001 : 2000
3.1.5. Analisis Hasil Output pengamatan
R 0,655 menunjukan korelasi berganda yaitu korelasi antara dua atau lebih variable
mendekati 1 maka hubungan semakin ini erat. Sebaliknya, jika r mendekati O maka
semakin lemah. Angkar didapat angka r 0,429, Hal ini berarti hubungannya kuat karena
mendekati 11 square atau kuadrat r menunjukan koefesien determinasi angka ini akan
Kriteria pengujian

Kesimpulan:
92
ISO 9001 : 2000
BAB IV
4.1. Kesimpulan
Adapun kesimpulan yang dapat ditarik dari penyusunan laporan ini, yaitu:
1. Kita bisa menentukan persamaan regresi linier baik simple maupun dengan
bantuan SPSS dan mengaplikasikannya pada kehidupan nyata.
4.1. Saran
Kegiatan praktikum tentang Simple dan Multiple Linear Regression ini hendaknya
dapat dilakukan dengan lebih cermat. Melakukan perhitungan dengan menggunakan
SPSS dibutuhkan ketelitian.
4.1. Referensi
Pengolahan Data Statistik dengan SPSS 14.0, Wahana Komputer. Jakarta: Salemba
Infotek.
Hines W.W. "Probabilitas dan Statistik Dalam Ilmu Rekayasa dan Manajemen", Edisi
ke-2 Penerbit Universitas Indonesia.
Aneka referensi lainnya.
93

Fiks Modul Cetak

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Fiks Modul Cetak

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN AKHIR

PRAKTIKUM STATISTIK INDUSTRI

Program Studi Teknik Industri

Fakultas Sains Teknologi

Universitas Bina Darma

1. Muhammad danu hermawan (221730009)

Palembang, 4 Januari 2024

(DR. Yanti Pasmawati, S.T.,M.T)

( Ch. Desi Kusmidari, ST, MT)

Palembang, 4 januari 2024

Analiysis Of Variance ……………………………………………...38

Staistik Non parametrik…………………………………………...49

Simple & Multiple Linear Regression…………………………….70

Program Studi Teknik Industri

Fakultas Sains Teknologi

Universitas Bina Darma

1.1. Tujuan praktikum

Pengolahan informasi statistik mempunyai sejarah jauh kebelakang sejak awal

Dalam kehidupan sehari-hari, terdapat banyak data yang dapat

saja, apabila tidak diolah terlebih dahulu. Ilmustatistika berperan mengumpulkan,

PENGUMPULAN DAN PENGOLAHAN DATA

2.1. Pengumoulan Data

2.2. Pengolahan Data

 Buat daftar isian yang terdiridari 5 kolom dengan masing-masing kolom

b. Pilih perintah Chart, tampilkan Pie Chart (dalam

3.1. Analisis Pengolahan Data Manual

Berikut setelah di urutkan ( Dari atas ke bawah)

Jadi, median terletak di datake 14

4. Akar Mean Kuadrat = √ ( mean )=√ 59= √ 3481=59

7. Standar Deviasi = √ ∑ ¿ ¿ ¿ = √ ¿ ¿ ¿ == √15312 = 1531 = 57,703

Data Tidak Berkelompok

* Untuk data yang dipetakan

1. Kelompokkan data dengan menghitung :

KELAS TALLY FREKUENSI NTK fi.xi F.Kum

(Mean-NTK) Fi(Mean-NTK) (Mean- NTK ¿ ¿ 2 Fi(Mean-NTK)2

3.2 Analisis pengelolaan data menggunakan SPSS

 Berikut hasil perhitungan pengolahan data dengan menggunakan

Gambar Diagram yang diolah dengan menggunakan SPSS

Program Studi Teknik Industri

MODUL 2: DISTRIBUSI DISKRET

1.1 Tujuan Praktikum

Dari praktikum Distribusi Binomial dan Hipergeometrik ini, praktikan

1. Mengetahui asumsi dan karakteristik percobaan Binomial, Hipergeometris,

1.2 Landasan Teori

Distribusi Binomial adalah suatu jenis distribusi diskrit untuk menghitung

Percobaan Binomial memiliki karakteristik sebagai berikut:

1. Merupakan n kali percobaan Bernouli yang saling bebas (independent).

Sebagai contoh, percobaan melempar mata uang logam sebanyak 3 kali

 Jumlah percobaan n adalah 3.

Jumlah terjadinya Hasil yang mungkin Probabilitas

0 AAA (1) P(G)0P(A)3 = (1)(0.5)0(0.5)3 = 0.125

1 AAA AGA GAA (3) P(G)1P(A)2 = (3)(0.5)1(0.5)2 = 0.375

2 GGA GAG GGG (3) P(G)2P(A)1 = (3)(0.5)2(0.5)1 = 0.375

3 GGG (1) P(G)3P(A)0 = (1)(0.5)3(0.5)0 = 0.125

Rata-Rata (Mean) : µ=n . p

Percobaan Hipergeometris memiliki karakteristik sebagai berikut:

Perhatikan gambar berikut ini:

Parameter dan sifat distribusi Hipergeometris:

Distribusi Hipergeometris Didekati dengan distribusi Binomial:

h( x ; n , S , N )=¿ .[(N−S)C(n−x )]≈ nC x . p x .(1− p)n−x

PENGUJIAN KESESUAIAN DISTRIBUSI (GOODNESS OF FIT TEST)

Selanjutnya, harus dilakukan perbandingan antara nila X 2 yang diperoleh dari

Dimana : ∝ = tingkat keberartian = 1 – CL (Confidence Level)

2.1 Pengumpulan Data