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)
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:
Mengetahui,
Ketua Program Studi Teknik Industri
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
penulis
i
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
DAFTAR ISI
KATA PENGANTAR…………………………………………….. i
DAFTAR ISI……………………………………………………… ii
MODUL 1
Statistika Deskriptif……………………………………………….1
MODUL 2
Distribusi Diskret………………………………………………….18
MODUL 3
MODUL 4
MODUL 5
ii
LAPORAN PRAKTIKUM
Statistik Multivariat
Disusun oleh :
1. Muhammad danu hermawan (221730009)
2. Husni (23173006P)
3. M Reza Ramadhan (221730026)
4. M. Dery Saputra (221730005)
5. Ni Komang salsa septiana (221730031)
Palembang
2023
1
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
BAB 1
PENDAHULUAN
2
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
BAB II
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.
4
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
5
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
6
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
BAB III
ANALISIS
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
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
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
8
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
9
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
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
d. Tabel
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
∑ 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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
= 50,11
n 27
b). Letak Q2 = i. = 2. = 13,5≈14
4 4
Sehingga
Q2 = TKB = {LQ 2−f . kum
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
Q2 = TKB = {LQ 3−f . kum
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
14
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
15
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
16
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
Statistik Multivariat
Disusun Oleh:
1. Muhammad danu hermawan (221730009)
2. Husni (23173006P)
3. M Reza Ramadhan (221730026)
4. M. Dery Saputra (221730005)
5. Ni Komang salsa septiana (221730031)
18
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
BAB I
PENDAHULUAN
DISTRIBUSI BINOMIAL
19
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
N = S=G
N = s+g
22
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
atau sama dengan 5 (dengan demikian jumlah total kelas seluruhnya k akan
berkurang dari jumlah semula).
Jika X 2 > ( X 2∝ , v), maka dapat disimpulkan bahwa distribusi frekuensi hasil
percobaan tidak sesuai dengan distribusi yang diharapkan.
23
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
BAB II
DATA DAN PENGOLAHAN DATA
24
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
25
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
NO HASIL NO HASIL
BAIK CACAT BAIK CACAT
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
30
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
0.25
0.2
0.15
0.1
0.05
0
Subgroup 1 Subgroup 2 Subgroup 3 Subgroup 4 Subgroup 5
31
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
0.5
0.4
0.3
0.2
0.1
0
Subgroup 1 Subgroup 2 Subgroup 3 Subgroup 4 Subgroup 5
32
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
q = 1 – p = 1 – 0,2 = 0,8
a. μ = n.p = 60 . 0,2 = 12
b(x;n,p) = nCx.px.qn-x
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
33
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
Tabel
NO Subgrup (n) F.Cacat (x) F.Relatif P(x)
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
34
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
0.2
0.15
0.1
0.05
0
Subgroup 1 Subgroup 2 Subgroup 3 Subgroup 4 Subgroup 5
35
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
Statistik Multivariat
Disusun Oleh:
Palembang
2023
38
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
BAB I
PENDAHULUAN
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.
1.2. Latar Belakang Masalah
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
BAB II
PEREMPUAN = p
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
40
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
/MISSING ANALYSIS.
Npar Test
42
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
43
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
44
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
NPar Tests
Descriptive Statistics
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
45
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
46
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
BAB III
ANALISIS
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
47
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
BAB IV
4.1. Kesimpulan
Adapun kesimpulan yang dapat ditarik dari penyusunan laporan ini, yaitu:
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
48
LAPORAN PRAKTIKUM
Statistik Multivariat
Disusun Oleh:
1. Muhammad danu hermawan (221730009)
2. Husni (23173006P)
3. M Reza Ramadhan (221730026)
4. M. Dery Saputra (221730005)
5. Ni Komang salsa septiana (221730031)
49
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
BAB 1
PENDAHULUAN
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:
- 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).
- 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.
50
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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.
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
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.
1.3. Latar Belakang Masalah
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:
b. Siapkan data yang akan digunakan untuk analisis. Data dapat berupa hasil
pengukuran atau observasi dari beberapa kelompok atau faktor yang ingin
dibandingkan.
52
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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.
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.
53
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
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.
54
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
BAB II
55
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
56
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
57
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
Descriptive Statistics
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
2. Warna Kertas
Dependent Variable: Waktu
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.
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
Homogeneous Subsets
Nilai Kertas
Tukey HSDa
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
61
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
JENIS_KERTAS
Multiple Comparisons
Homogeneous Subsets
Jenis Kertas
a
Tukey HSD
62
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
63
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
ANOVA
Waktu
Total 2239.964 44
Multiple Comparisons
Dependent Variable: Waktu
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
Homogeneous Subsets
Waktu
a
Tukey HSD
Subset for alpha = 0.05
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
Means for groups in homogeneous subsets are displayed.
65
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
3.1.2 Analisis Hasil Output Percobaan 2
Berdasarkan hasil output dengan menggunakan SPSS.Diperoleh
Sebagai berikut:
N = 15
Total Mean = 31.1260
Std.Deviation = 11.83784
3.1.3 Analisis Hasil Output Percobaan 3
Berdasarkan hasil output dengan menggunakan SPSS.Diperoleh
Sebagai berikut:
N = 45
Total Mean =21.0927
Std.Deviation = 7.13500
Std.Eror = 1.06362
Minimum = 9.00
Maximum = 37.01
66
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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.
67
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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:
- 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.
- 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:
68
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001: 2000
69
LAPORAN PRAKTIKUM
Statistik Multivariat
Disusun Oleh:
Palembang
2023
70
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
BAB I
PENDAHULUAN
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.
1.2. Latar Belakang Masalah
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:
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
BAB II
72
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
Pengolahan dengan SPSS Dengan Cara Regression Berikut hasil output pengolahanya.
Keterangan :
- Jumlah kata = X1
- Banyak Kesalahan = X2
- Waktu =Y
73
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
Regression
Descriptive Statistics
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
Sig. (2-tailed) . .371
N 5 5 5
a. Cannot be computed because at least one of the variables is constant.
Variables Entered/Removeda
74
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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
a. Dependent Variable: waktupengetikan
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
a. Dependent Variable: waktupengetikan
Residuals Statisticsa
75
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
76
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
Regression
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
jumlahkata 5 133 133 133.00 .000
waktupengetikan 5 430 500 462.20 25.869
kesalahan 5 3 10 6.80 2.864
Valid N (listwise) 5
Correlations
jumlahkata waktupengetikan kesalahan
jumlahkata Pearson Correlation .a .a .a
Sig. (2-tailed) . .
N 5 5 5
waktupengetikan Pearson Correlation .a 1 .264
Sig. (2-tailed) . .668
N 5 5 5
a
kesalahan Pearson Correlation . .264 1
Sig. (2-tailed) . .668
N 5 5 5
a. Cannot be computed because at least one of the variables is constant.
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 kesalahanb . Enter
a. Dependent Variable: waktupengetikan
b. All requested variables entered.
Model Summaryb
77
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 186.440 1 186.440 .225 .668b
Residual 2490.360 3 830.120
Total 2676.800 4
a. Dependent Variable: waktupengetikan
b. Predictors: (Constant), kesalahan
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 445.988 36.555 12.200 .001
kesalahan 2.384 5.031 .264 .474 .668
a. Dependent Variable: waktupengetikan
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
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
a. Dependent Variable: waktupengetikan
78
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
Charts
Regression
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
jumlahkata 5 133 133 133.00 .000
waktupengetikan 5 530 556 541.60 10.877
kesalahan 5 1 4 2.40 1.140
Valid N (listwise) 5
Correlations
jumlahkata waktupengetikan kesalahan
79
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
Variables Entered/Removeda
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
1 .286a .082 -.224 12.034
a. Predictors: (Constant), kesalahan
b. Dependent Variable: waktupengetikan
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 38.777 1 38.777 .268 .641b
Residual 434.423 3 144.808
Total 473.200 4
a. Dependent Variable: waktupengetikan
b. Predictors: (Constant), kesalahan
80
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 548.154 13.761 39.834 .000
kesalahan -2.731 5.277 -.286 -.517 .641
a. Dependent Variable: waktupengetikan
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 537.23 545.42 541.60 3.114 5
Residual -9.692 13.308 .000 10.421 5
Std. Predicted Value -1.403 1.228 .000 1.000 5
Std. Residual -.805 1.106 .000 .866 5
a. Dependent Variable: waktupengetikan
Charts
81
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
Regression
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
jumlahkata 5 133 133 133.00 .000
waktupengetikan 5 549 607 576.40 21.326
kesalahan 5 2 7 4.60 1.949
Valid N (listwise) 5
Correlations
jumlahkata waktupengetikan kesalahan
jumlahkata Pearson Correlation .a .a .a
Sig. (2-tailed) . .
N 5 5 5
a
waktupengetikan Pearson Correlation . 1 .227
Sig. (2-tailed) . .713
N 5 5 5
a
kesalahan Pearson Correlation . .227 1
Sig. (2-tailed) . .713
N 5 5 5
a. Cannot be computed because at least one of the variables is constant.
82
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
Variables Entered/Removeda
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 .227 .052 -.264 23.981
a. Predictors: (Constant), kesalahan
b. Dependent Variable: waktupengetikan
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 94.003 1 94.003 .163 .713b
Residual 1725.197 3 575.066
Total 1819.200 4
a. Dependent Variable: waktupengetikan
b. Predictors: (Constant), kesalahan
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 564.961 30.258 18.671 .000
kesalahan 2.487 6.151 .227 .404 .713
a. Dependent Variable: waktupengetikan
83
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 569.93 582.37 576.40 4.848 5
Residual -25.908 32.092 .000 20.768 5
Std. Predicted Value -1.334 1.231 .000 1.000 5
Std. Residual -1.080 1.338 .000 .866 5
a. Dependent Variable: waktupengetikan
84
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
jumlahkata 5 133 133 133.00 .000
waktupengetikan 5 472 505 493.00 12.510
kesalahan 5 3 9 5.40 2.881
Valid N (listwise) 5
Regression
Correlations
jumlahkata waktupengetikan kesalahan
a a
jumlahkata Pearson Correlation . . .a
Sig. (2-tailed) . .
N 5 5 5
a
waktupengetikan Pearson Correlation . 1 .194
Sig. (2-tailed) . .754
N 5 5 5
a
kesalahan Pearson Correlation . .194 1
Sig. (2-tailed) . .754
N 5 5 5
a. Cannot be computed because at least one of the variables is constant.
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
b
1 kesalahan . Enter
a. Dependent Variable: waktupengetikan
b. All requested variables entered.
85
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 .194 .038 -.283 14.170
a. Predictors: (Constant), kesalahan
b. Dependent Variable: waktupengetikan
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 23.614 1 23.614 .118 .754b
Residual 602.386 3 200.795
Total 626.000 4
a. Dependent Variable: waktupengetikan
b. Predictors: (Constant), kesalahan
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 488.446 14.715 33.195 .000
kesalahan .843 2.459 .194 .343 .754
a. Dependent Variable: waktupengetikan
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
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
a. Dependent Variable: waktupengetikan
86
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
87
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
BAB III
ANALISIS
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.
Menentukan fhitung dan signifikansi Dari output diperoleh f sebesar 0,751 dan
signifikansi sebesar 0,571.
Kriteria pengujian
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
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
R 0,614ª 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 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
diubah ke persen (%) artinya pengaruh persentase seimbang sangat kuat. Adjusted r
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,
Menentukan fhitung dan signifikansi Dari output diperoleh f sebesar 0,604 dan
signifikansi sebesar 0,623.
Kriteria pengujian
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.
89
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
R. 0,772 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 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
diubah ke persen (%) artinya pengaruh persentase seimbang sangat kuat. Adjusted r
square adalah sama tidak ada pengaruhnya juga karena nilainya diperoleh sebesar 0,191
standar error of the estimate adalah ukuran kesalahan prediksi dalam kasus ini nilainya
sebesar 19,623 artinya kesalahan yang terjadi dalam keamanan sebesar 2,403.
Menentukan fhitung dan signifikansi Dari output diperoleh f sebesar 1,472 dan
signifikansi sebesar 0,404.
Kriteria pengujian
Kesimpulan:
Dari output, diperoleh fhit sebesar 1,472, karena nilai fhit lebih besar dari ftable, maka
Ho ditolak. Artinya, dapat disimpulkan bahwa terdapat hubungan Yang linear antara
X1dan X2 terhadap Y.
90
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
R 0,514ª 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 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.
91
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
ISO 9001 : 2000
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.
Menentukan fhitung dan signifikansi Dari output diperoleh f sebesar 0,751 dan
signifikansi sebesar 0,571.
Kriteria pengujian
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.
92
LABORATORIUM STATISTIK
PRAKTIKUM STATISTIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
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.
93