ii

KATA PENGANTAR

Assalamu’alaikum warahmatullahi wabarakatuh

Puji syukur kita panjatkan kehadirat Allah Swt. yang telah memberikan rahmat dan
hidayah-Nya sehingga saya dapat menyelesaikan tugas yang berjudul "Laporan Praktikum
Statistika" ini tepat pada waktunya. Adapun tujuan dari penulisan dari laporan ini adalah
untuk memenuhi tugas ujian praktikum. Selain itu, laporan ini juga bertujuan untuk
menambah wawasan tentang pengolahan data di kehidupan sehari-hari bagi para pembaca
dan juga bagi penulis. Terlebih dahulu, saya mengucapkan terima kasih kepada Ibu Firra
Rosariawari, S.T., M.T., selaku Dosen Statistika yang telah memberikan tugas ini sehingga
dapat menambah pengetahuan dan wawasan sesuai dengan bidang studi yang saya tekuni
ini. Saya juga mengucapkan terima kasih kepada semua pihak yang tidak dapat saya
sebutkan semua, terima kasih atas bantuannya sehingga sehingga saya dapat
menyelesaikan tugas ini. Kemudian, saya menyadari bahwa tugas yang saya tulis ini masih
jauh dari kata sempurna. Oleh karena itu, kritik dan saran yang membangun kami butuhkan
demi kesempurnaan laporan ini.

Surabaya, 10 Desember 2023

Penulis

ii
 iii

DAFTAR ISI

Kata Pengantar ………………………………………………………………………..….ii

Daftar Isi ………………………………………………………………………………….iii

Daftar Gambar …………………………………………………………………………...iv

Daftar Tabel ……………………………………………………………………………...vii

M1 & M2 …………………………………………………………………………………..1

M3 ………………………………………………………………………………………...40

M4 & M5 ………………………………………………………………………………....61

M6 & M7 ………………………………………………………………………………..113

Lembar Revisi …………………………………………………………………………..146

DAFTAR GAMBAR
iii
 iv

Gambar 1. Input Data Uji Normalitas di Software ……………………………………..3

Gambar 2. Probability Plot of Waktu Pengolahan (menit) …………………………….4

Gambar 3. Probability Plot of COD ……………………………………………………..5

Gambar 4. Probability Plot of TSS ………………………………………………………6

Gambar 5. Probability Plot of TDS ……………………………………………………...7

Gambar 6. Probability Plot of Waktu Pengolahan (menit) …………………………...15

Gambar 7. Probability Plot of COD ……………………………………………………16

Gambar 8. Probability Plot of TSS ……………………………………………………..17

Gambar 9. Probability Plot of TDS …………………………………………………….18

Gambar 10. Input Data Uji Korelasi di Software ……………………………………..24

Gambar 11. Korelasi: Waktu Pengolahan (menit), COD, TSS, TDS ………………...25

Gambar 12. Hasil Analisa Korelasi …………………………………………………….34

Gambar 13. Input Data Analisa Deskriptif di Software ………………………………42

Gambar 14. Deskriptif Statistik ………………………………………………………...43

Gambar 15. Histogram of Waktu Pengolahan (menit) ………………………………..45

Gambar 16. Boxplot of Waktu Pengolahan (menit) …………………………………...45

Gambar 17. Histogram of COD ………………………………………………………...46

Gambar 18. Boxplot of COD ……………………………………………………………46

Gambar 19. Histogram of TSS ………………………………………………………….47

Gambar 20. Boxplot of TSS ……………………………………………………………..47

Gambar 21. Histogram of TDS …………………………………………………………48

Gambar 22. Boxplot of TDS …………………………………………………………….48

Gambar 23. Hasil Running Statistik Deskriptif ……………………………………….55

Gambar 24. Histogram Hasil Running ………………………………………………...55

Gambar 25. Box Plot Hasil Running …………………………………………………...56

Gambar 26. Input Data Analisis Regresi Linier Sederhana di Software …………….63
iv
 v

Gambar 27. Regresi Waktu Pengolahan dengan COD ……………………………….64

Gambar 28. Persamaan Regresi Waktu Pengolahan dengan COD ………………….64

Gambar 29. ANOVA Waktu Pengolahan dengan COD 65

Gambar 30. Tampilan Worksheet Data 66

Gambar 31. Normal Probability Plot Waktu Pengolahan dengan COD 67

Gambar 32. Regresi Waktu Pengolahan dengan TSS 67

Gambar 33. Persamaan Regresi Waktu Pengolahan dengan TSS 67

Gambar 34. ANOVA Waktu Pengolahan dengan TSS 68

Gambar 35. Tampilan Worksheet Data 69

Gambar 36. Normal Probability Plot Waktu Pengolahan dengan TSS 70

Gambar 37. Regresi Waktu Pengolahan dengan TDS 70

Gambar 38. Persamaan Regresi Waktu Pengolahan dengan TDS 71

Gambar 39. ANOVA Waktu Pengolahan dengan TDS 72

Gambar 40. Tampilan Worksheet Data 73

Gambar 41. Normal Probability Plot Waktu Pengolahan dengan TDS 73

Gambar 42. Ilustrasi Garis Regresi Linier 77

Gambar 43. Tabel Distribusi T 78

Gambar 44. Tabel Distribusi F 78

Gambar 45. Regresi Waktu Pengolahan dengan COD 82

Gambar 46. Regresi Waktu Pengolahan dengan TSS 82

Gambar 47. Regresi Waktu Pengolahan dengan TDS 83

Gambar 48. Input Data Analisis Regresi Linier Berganda di Software 92

Gambar 49. Korelasi Waktu Pengolahan, COD, TSS, TDS 93

Gambar 50. Response is Waktu Pengolahan (menit) 94

Gambar 51. Hasil Running Regresi Berganda X1 95

v
 vi

Gambar 52. Hasil Running Regresi Berganda X1, X2 96

Gambar 53. Hasil Running Regresi Berganda X1, X2, X3 96

Gambar 54. Tabel Distribusi T 102

Gambar 55. Tabel Distribusi F 102

Gambar 56. Hasil Uji Korelasi 106

Gambar 57. Response is Waktu Pengolahan 106

Gambar 58. Hasil Running Regresi Berganda X1 106

Gambar 59. Hasil Running Regresi Berganda X1, X2 107

Gambar 60. Hasil Running Regresi Berganda X1, X2, X3 107

Gambar 61. Hasil Running Regresi Berganda X1 109

Gambar 62. Hasil Running Regresi Berganda X1, X2 109

Gambar 63. Hasil Running Regresi Berganda X1, X2, X3 110

Gambar 64. Input Data ANOVA One Way di Software 115

Gambar 65. Hasil Running Vol Titrasi Pagi Versus Stasiun 116

Gambar 66. Hasil Running Vol Titrasi Pagi Versus Tanggal 118

Gambar 67. Hasil Running ANOVA One Way I 128

Gambar 68. Hasil Running ANOVA One Way II 129

Gambar 69. Input Data ANOVA Two Way di Software 135

Gambar 70. Hasil Running Data ANOVA Two Way 136

Gambar 71. Hasil Running ANOVA Two Way 143

DAFTAR TABEL

Tabel 1. Raw Data Normalitas 2

Tabel 2. Data Penelitian Normalitas 11

vi
 vii

Tabel 3. Langkah Pengolahan Data Uji Normalitas 12

Tabel 4. Raw Data Korelasi 23

Tabel 5. Data Penelitian Korelasi 31

Tabel 6. Langkah Pengolahan Data Uji Korelasi 32

Tabel 7. Raw Data Analisis Deskriptif 41

Tabel 8. Data Penelitian Analisis Deskriptif 53

Tabel 9. Langkah-Langkah Pengolahan Uji Korelasi 54

Tabel 10. Raw Data Analisis Regresi Linier Sederhana 62

Tabel 11. Data Penelitian Analisis Regresi Sederhana 80

Tabel 12. Langkah-Langkah Pengolahan Uji Regresi Linier Sederhana 81

Tabel 13. Raw Data Regresi Ganda 91

Tabel 14. Hasil Persamaan terbaik dari “ All Possible Regression” 94

Tabel 15. Model, R2, K 97

Tabel 16. Data Penelitian Regresi Berganda 103

Tabel 17. Langkah-Langkah Pengolahan Uji Regresi Ganda 104

Tabel 18. Uji Subsets Regression 108

Tabel 19. Model, R2, K 110

Tabel 20. Raw Data ANOVA One Way 114

Tabel 21. Data Penelitian ANOVA One Way 125

Tabel 22. Langkah-Langkah Pengolahan Data ANOVA One Way 126

Tabel 23. Raw Data ANOVA Two Way 134

Tabel 24. Data Penelitian ANOVA Two Way 141

Tabel 25. Langkah-Langkah Pengolahan Data ANOVA Two Way 1

vii
 1

LABORATORIUM KOMPUTER

PRODI TEKNIK LINGKUNGAN – FAKULTAS TEKNIK

UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JATIM

Jl. Raya Rungkut Madya Gunung Anyar Surabaya

TEMPLATE LAPORAN SEMENTARA No. Dokumen UPNVJT/IK/FT/TL/LL//04-08/3.4

PRAKTIKUM STATISTIKA Tanggal Terbit 13 November 2023

METODE DARING Revisi 0

SEMESTER GASAL T.A. 2023 – 2024 Halaman

Nama / NPM : Kungsus Gatot Suprapto/ 22034010018 T. T. Pembimbing

Kel / Sesi : A2
Materi Praktikum : Analisis Normalitas
Hari/Tanggal : Senin, 13 November 2023
Pembimbing : Nur Laili Alfiatin M

Waktu Uraian Materi Praktikum

10.00-
Absensi Barcode
10.10

10.10-
Test Awal
11.20

Praktikum

1. Tuliskan Data (raw data) dari penelitian anda yang akan di

runningkan (tuliskan dibawah ini)

2. Tuliskan input data didalam software minitab sebelum di running

 2

(tuliskan dibawah ini)

Laporan Sementara

1. Tujuan Penelitian (jelaskan tujuan penelitian sesuai materi yang

dipraktekkan)

Dari praktikum statistika mengenai uji normalitas data diharapkan

parapraktikan dapat menguji apakah data atau residual data telah mengikuti
distribusinormal. Artinya data dikatakan mengikuti distribusi normal jika titik-
titik data yang diplot telah mengikuti garis lurus.

2. Cantumkan hasil running minitab (cantumkan dibawah ini, baik

berupa grafik, boxplot, data, dll sesuai hasil running)

● WAKTU SAMPLING
 3

● Berdasarkan hasil grafik tersebut, didapatkan hasil uji sebagai berikut :

1. Mean : 50
2. StDev : 35,68
3. N : 12
4. KS : 0,133
5. P-Value : > 0,150
● Dari uji normalitas pada grafik tersebut memiliki P-Value > 0,150
maka hal ini menunjukan bahwa P-Value > dari 5% maka H 0 gagal
ditolak yang berarti data tersebut telah berdistribusi normal.
● Menghitung KS hitung :
KS hitung = KS (1-α )

= 0,375(1-0,05)

= 0,35625

● Kesimpulan dari uji normalitas pada grafik tersebut bahwa KS uji

sebesar 0,133 berdasarkan data (n) sebanyak 12 dan α 5% KS hitung
adalah 0,35625. Jadi, KS uji < dari KS hitung, maka H 0 gagal ditolak
artinya data tersebut telah berdistribusi normal.

● Penyisihan Fosfat
 4

● Berdasarkan hasil grafik tersebut, didapatkan hasil uji sebagai berikut :

1. Mean : 0,6455
2. StDev : 0,2366
3. N : 12
4. KS : 0,226
5. P-Value : > 0,089
● Dari uji normalitas pada grafik tersebut memiliki P-Value > 0,089
maka hal ini menunjukan bahwa P-Value > dari 5% maka H 0 gagal
ditolak yang berarti data tersebut telah berdistribusi normal.
● Menghitung KS hitung :
KS hitung = KS (1-α )

= 0,(1-0,05)

= 0,35625

● Kesimpulan dari uji normalitas pada grafik tersebut bahwa KS uji

sebesar 0,226 berdasarkan data (n) sebanyak 15 dan α 5% maka KS
hitung adalah0,35625. Jadi, KS uji < dari KS hitung, maka H 0 gagal
ditolak artinya data tersebut telah berdistribusi normal.

● Penyisihan COD
 5

● Berdasarkan hasil grafik tersebut, didapatkan hasil uji sebagai berikut :

1. Mean : 0,6300
2. StDev : 0,2997
3. N : 12
4. KS : 0,226
5. P-Value : > 0,088
● Dari uji normalitas pada grafik tersebut memiliki P-Value > 0,088
maka hal ini menunjukan bahwa P-Value > dari 5% maka H 0 gagal
ditolak yang berarti data tersebut telah berdistribusi normal.
● Menghitung KS hitung :
KS hitung = KS (1-α )

= 0,375 (1-0,05)

= 0,35625

● Kesimpulan dari uji normalitas pada grafik tersebut bahwa KS uji

sebesar 0,226 berdasarkan data (n) sebanyak 15 dan α 5% maka KS
hitung adalah 0,35625. Jadi, KS uji < dari KS hitung, maka H 0 gagal
ditolak artinya data tersebut telah berdistribusi normal.
 6

BAB I
PENDAHULUAN

1.1. Latar Belakang

Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan
data, pengolahan atau penganalisisannya dan penarikan kesimpulan berdasarkan kumpulan
data dan penganalisisan yang dilakukan (Sudjana, 2005). Sering kali kita mendengar
bahwa dalam uji statistik, data yang kita miliki harus diuji normalitasnya terlebih dahulu
untuk menentukan alat uji yang dapat kita gunakan. Pada tulisan ini akandibahas lebih
lanjut tentang uji normalitas. Hal ini dilakukan untuk mengetahui apakah data atau residual
data telah mengikuti distribusi normal. Artinya data dikatakan mengikuti distribusi normal
jika titik-titik data yang diplot telah mengikuti garis lurus.
Data populasi yang berdistribusi normal merupakan data yang rata-ratanya sama
dengan modenya serta sama dengan mediannya dan sebagian nilai atau skor mengumpul di
tengah. Untuk menjaga data agar hasil berada pada nilai rata-rata (kewajaran), perlu
dilakukan uji normalitas yang dapat dilakukan dengan beberapa metode. Setiap metode
memiliki kelebihan dan kekurangannya masing-masing. Dalam praktikum uji normalitas
ini, digunakan metode Kolmogorov-Smirnovtest (Oktaviani M A and Hari Basuki
Notobroto, 2014).
Uji normalitas penting untuk dikuasai mahasiswa Teknik lingkungan. Dengan hasil
analisis uji normalitas, diharapkan selanjutnya mahasiswa dapat menentukan metode uji
statistik inferensial sehingga dapat memutuskan untuk menolak atau menerima hipotesis
suatu penelitian untuk selanjutnya ditindaklanjuti dengan pengambilan keputusan,
sehingga diharapkan nantinya dalam upaya melestarikan lingkungan dapat dilakukan
dengan lebih efektif berdasarkan data masing-masing kondisi lingkungan yang ada. Ada
banyak jenis uji statistik normalitas yang dapat digunakan, diantaranya adalah Kolmogorov
Smimov, Shapiro Wilk, Lilliefors dan beberapa software komputer (misalnya SPSS,
Minitab, Microstat, dsb). Masing-masing jenis software itu memiliki kelebihan dan
kekurangan dalam penggunaannya. Dalam praktikum ini diuraikan satu jenis uji statistik
normalitas yakni Kolmogorov Smirnov di software komputer Minitab.

1.2. Tujuan Praktikum

Adapun tujuan dari praktikum Uji Normalitas adalah sebagai berikut:
 7

1. Mahasiswa diharapkan dapat menguji apakah ata atau residul data telah
mengikuti distribusinormal atau data dikatakan mengikuti distribusi normal jika
titik-titik data yang diplot telah mengikuti garis lurus.
2. Mahasiswa dapat mengetahui dari prosedur uji normalitas
3. Mahasiswa dapat menentukan KS hitung dan menganilisi hasil uji normalita
1.3. Ruang Lingkup
Ruang lingkup pada praktikum uji normalitas ini yaitu sebagai berikut:
1. Pelaksanaan praktikum dilaksanakan pada hari senin tanggal 13 November 2023
pada pukul 12.45-12.50 (Pre-Test) dan dilanjut pengujian data pada pukul 13.30-
16.00.
2. Praktikum ini memfokuskan pada proses percobaan Analisis Normalitas Data
dengan bantuan aplikasi atau software Minitab.
3. Pada buku petunjuk Teknik Lingkungan 2023 telah tercantum instruksi kerja untuk
analisis uji normalitas data dengan menggunakan bantuan aplikasi atau software
Minitab.
4. Proses pelaksanaan praktikum dilaksanakan secara daring melalui media e-learning
dan zoom meeting yang diberikan oleh pihak laboratorium UPN `veteran` Jawa
Timur.
 8

BAB II
TINJAUAN PUSTAKA

2.1.Uji Normalitas
Variabel adalah konstruk ( construct )atau sifat yang akan dipelajari. Variabel dapat
dikatakan sebagai suatu sifat yang diambil dari suatu nilai yang berbeda. Sehingga, dapat
diketahui bahwa variabel merupakan sesuatu yang bervariasi. Dapat disimpulkan bahwa
variabel adalah suatu subjek dari penelitian yang ditetapkan oleh peneliti untuk kemudian
akan dipelajari. Dalam pelaksanaannya variabel sangat berpengaruh penting terhadap suatu
penelitian. Saat melakukan penelitian, variabel dapat ditentukan dengan baik, sehingga
relevan terhadap tujuan penelitian. Uji normalitas menjadi prasyarat, dengan kata lain,
hasil uji normalitas dapat membedakan perlakuan atau metode yang seharusnya diberikan
kepada data yang akan dianalisis (Oktaviani M A and Hari Basuki Notobroto, 2014).
Selain untuk menentukan suatu data berdistribusi normal, mendekati normal, atau tidak
berdistribusi normal, uji normalitas juga berguna untuk menentukan variabel dependen
atau independen.
Menurut beberapa ahli, uji normalitas adalah pengujian yang berguna untuk
mengetahui apakah variabel dependen, independen atau keduanya berdistribusi normal,
mendekati normal atau tidak. Pada penelitian ini, untuk mendeteksi apakah data yang
digunakan berdistribusi normal atau tidak dapat diketahui dengan menggambarkan
penyebaran data melalui sebuah grafik. Jika data menyebar di sekitar garis diagonal dan
mengikuti arah garis diagonalnya, model regresi memenuhi uji normalitas, (Husein Umar,
2013). Menurut Ghozali (2016) uji normalitas dilakukan untuk menguji apakah pada suatu
model regresi, suatu variabel independen dan variabel dependen ataupun keduanya
mempunyai distribusi normal atau tidak normal. Apabila suatu variabel tidak berdistribusi
secara normal, maka hasil uji statistik akan mengalami penurunan. Pada uji normalitas data
ini dapat dilakukan dengan menggunakan uji One Sample Kolmogorov Smirnov.

2.2. Kolmogorov-Smirnov
Uji Normalitas biasanya menggunakkan Kolmogorov Smirnov. Metode ini
termasuk metode sederhana dan tidak menimbulkan kesalahan persepsi antara pengamat
satu dengan lainnya yang biasanya sering terjadi pada uji normalitas dengan menggunakan
grafik.Metode ini memiliki konsep membandingkan distribusi data (yang akan diuji
normalitasnya)dengan distribusi normal baku. Data yang telah ditransformasikan dalam
bentuk Z-score adalah data yang termasuk dalam distribusi normal baku yang diasumsikan
normal. Sehingga dapat dikatakan bahwa metode ini merupakan uji beda antara data yang
diuji normalitasnya dengan data normal baku.
 9

Dalam uji Kolmogorov-Smirnov ada satu hal yang perlu diingat bahwa jika
menggunakan Kolmogorov-Smirnov Test pastikan data anda berasal dari satu sampel
(Herawati, 2016). Untuk menguji normalitas data yang berasal dari satu sampel atau
dengan kata lain adalah untuk menguji perbedaan proporsi populasi, yaitu antara data yang
diamati dengan yang telah ditentukan menurut H0, berdasarkan proporsi data yang berasal
dari sampel tunggal. Tes ini menetapkan apakah skor-skor dalam sampel (observasi) dapat
secara masuk akal dianggap berasal dari suatu populasi dengan distribusi teoritis tertentu.
Pada uji Kolmogorov Smirnov (KS) memiliki konsep perhitungan selisih absolut pada
tiap-tiap kelas. Karakteristik pengujian ini pada sampel kecil dan besar adalah H0 ditolak
jika KS uji > KS hitung. Pada uji ini pula, jika signifikansi dibawah 0.05 berarti data yang
akan diuji mempunyai perbedaan yang signifikan dengan data normal baku yang berarti
data tersebut tidak normal. Jika signifikansi diatas 0.05 maka tidak terjadi perbedaan yang
signifikan . Dapat disimpulkan bahwa:

H0 = data berdistribusi normal

H1 = data tidak berdistribusi normal
α = 5 % → 0.05

Daerah penolakan I (Uji Kolmogorov Smirnov)

P-value < α H0 ditolak P – value > α
H0 gagal ditolak artinya data tsb telah berdistribusi normal

Daerah penolakan II (Uji Kolmogorov Smirnov)

KS uji > KS Hitung = H0 ditolak
KS uji < Ks hitung = H0 gagal ditolak

berikut terlampir tabel Kolmogorov-Smirnov yang digunakan untuk mencari KS hitung:

Tabel 2.1 Nilai Kritis Uji Kolmogorov-Smirnov

 10

(Sumber : Buku Panduan Statistik, 2023

BAB III

DATA PENELITIAN

3.1. Data Penelitian

Data penelitian ini dilakukan perbandingan antara dua jenis adsorben yaitu karbon
aktif komersial dan karbon aktif biji kelor dengan dua rasio tinggi adsorben yakni 15 cm
pada pH 7 dengan suhu 25˚C, Fosfat dalam Output Adsorbsi. Pengaruh tinggi adsorben
dapat diketahui dengan membandingkan persen penyisihan terhadap waktu sampling pada
setiap jenis adsorben.

Tabel 3.1. Persen Penyisihan COD pada Variasi Tinggi Adsorben 15 cm

 11

Tabel 3.2. Persen Penyisihan Fosfat pada Variasi Tinggi Adsorben 15 cm

 12

3.2. Variabel Penelitian

Variabel yang digunakan dalam penelitian ini adalah sebagai berikut :
1. Variabel bebas : Penyisihan fosfat dan penyisihan cod
2. Variabel Terikat
 waktu : 0 menit
 waktu : 20 meni
 twaktu : 40 menit
 waktu : 60 menit
 waktu : 80 menit
 waktu : 100 menit

BAB IV
PROSEDUR KERJA
 13

4.1. Langkah-langkah Pengolahan Uji Normalitas

Berikut merupakan langkah-langkah untuk melakukan uji normalitas :

1. Siapkan data yang akan dilakukan uji normalitas dalam Excel

2. Isikan variabel kedalam worksheet minitab

3. Pilih >Stat>Basic Statistic>Normality Test

Layar monitor akan menampilkan kotak dialog berikut ini
 14

4. Dalam kolom Variabel, memasukkan kolom yang akan dilakukan uji normalitas\

5. Uji kenormalan data dilakukan dengan metoda Kolmogorov-Smirnov, maka

dibawah Test of Normality, pilih Kolmogorov-Smirnov.

6. Selanjutnya klik “OK”

7. Lakukan hal yang sama pada Variabel lainya.

 15

BAB V
HASIL DAN PEMBAHASAN

5.1. Hasil dan Grafik Uji Normalitas

5.1.1. Uji Normalitas waktu sampling

Gambar 5.1 Hasil Uji Normalitas Waktu Sampling

Berdasarkan hasil grafik tersebut, didapatkan hasil uji sebagai berikut :

1. Mean : 50
2. StDev : 35,68
3. N : 12
4. KS : 0,133
5. P-Value > : 0,150

Hipotesis Awal (H0) = Data berdistribusi normal

Hipotesis Alternatif (Hl) = Data tidak berdistribusi normal
Daerah penolakan : α = 5%, P.Value > α → H0 gagal ditolak

Kesimpulan : Dari hasil uji normalitas data tersebut diperoleh P.Value sebesar 0,150 > α,
Maka H0 gagal ditolak yang berarti data tersebut berdistribusi normal.
KS hitung = KS (1 - α )
= KS (1 – 0,05 )
= 0.375 (0.95)
= 0.35625
KS uji = 0.133
Berarti KS uji < KS Hitung maka H0 gagal ditolak, artinya data tersebut berdistribusi
normal.
 16

5.1.2.UjiNormalitas Penyisihan Fosfat

Gambar 5.1 Hasil Uji Normalitas Penyisihan Fosfat

Berdasarkan hasil grafik tersebut, didapatkan hasil uji sebagai berikut :

1. Mean : 0,6455
2. StDev : 0,2366
3. N : 12
4. KS : 0,226
5. P-Value > : 0,089

Hipotesis Awal (H0) = Data berdistribusi normal

Hipotesis Alternatif (Hl) = Data tidak berdistribusi normal
Daerah penolakan : α = 5%, P.Value > α → H0 gagal ditolak

Kesimpulan : Dari hasil uji normalitas data tersebut diperoleh P.Value sebesar 0,089 > α,
Maka H0 gagal ditolak yang berarti data tersebut berdistribusi normal.
KS hitung = KS (1 - α )
= KS (1 – 0,05 )
= 0.375 (0.95)
= 0.35625
KS uji = 0.226
Berarti KS uji < KS Hitung maka H0 gagal ditolak, artinya data tersebut berdistribusi
normal.
 17

5.1.3. Uji Normalitas Penyisihan COD

Gambar 5.1 Hasil Uji Normalitas Penyisihan COD

Berdasarkan hasil grafik tersebut, didapatkan hasil uji sebagai berikut :

1. Mean : 0,6300
2. StDev : 0,2997
3. N : 12
4. KS : 0,226
5. P-Value > : 0,088

Hipotesis Awal (H0) = Data berdistribusi normal

Hipotesis Alternatif (Hl) = Data tidak berdistribusi normal
Daerah penolakan : α = 5%, P.Value > α → H0 gagal ditolak

Kesimpulan : Dari hasil uji normalitas data tersebut diperoleh P.Value sebesar 0,088 > α,
Maka H0 gagal ditolak yang berarti data tersebut berdistribusi normal.
KS hitung = KS (1 - α )
= KS (1 – 0,05 )
= 0.375 (0.95)
= 0.35625
KS uji = 0.226
Berarti KS uji < KS Hitung maka H0 gagal ditolak, artinya data tersebut berdistribusi
normal.

5.2. Pembahasan
Untuk mengetahui kenormalan suatu data diperlukan uji normalitas, metode
Kolmogorov-Smirnov P-Value dan nilai KS.Oleh karena itu dilakukan uji normalitas
dengan metode Kolmogorov-Smirnov P-Value dan nilai KS. Apabila P-Value (nilai
variabel) memiliki nilai lebih kecil daripada α, maka H0 (hipotesis awal) ditolak dengan
 18

artinya data tersebut tidak berdistribusi normal, begitupun sebaliknya. Jika P-Value (nilai
variabel) memiliki nilai lebih besar daripada α (tingkat signifikansi), maka H0 (hipotesis
awal) gagal ditolak dengan artian data tersebut tidak berdistribusi normal.
Berdasarkan hasil uji P-Value > 0.05 yang berarti data hasil uji normalitas di atas
yang gambar 5.1 grafik hasil uji normalitas waktu sampling P-Value sebesar 0.150 > a
didapat P-Value kurang dari a maka H0 gagal ditolak, artinya data tersebut telah
berdistribusi normal. Gambar 5.2 grafik uji penyisihan fosfat P-Value > a maka H0 gagal
ditolak, artinya data tersebut berdistribusi normal. Gambar 5.3 grafik hasil uji penyisihann
cod didapat P-Value> a maka H0 gagal ditolak maka artinya data tersebut berdistribusi
normal.
Berdasarkan uji normalitas dengan menggunakan KS hitung, daerah penolakannya
yaitu ketika KS uji > KS hitung, maka H0 ditolak, yang artinya data tersebut tidak
berdistribusi normal. Berdasarkan data variabel yang sudah di running kan di minitab
didapatkan pada grafik uji Waktu sampling didapatkan KS sebesar 0.133 dan KS hitung
sebesar 0.35625 maka artinya KS uji < KS hitung maka H0 gagal ditolak, artinya data
tidak berdistribusi normal. Pada hasil uji penyisihan fosfat didapatkan KS uji 0.226 dan KS
hitung 0.35625 maka artinya KS uji < KS hitung maka H0 gagal ditolak, maka data tidak
berdistribusi normal. Pada hasil uji penyisihan cod didapatkan KS uji 0.226 dan KS hitung
0.35625 maka KS uji> dari KS hitung maka artinya data berdistribusi normal.
 19

BAB VI
KESIMPULAN DAN SARAN

6.1. Kesimpulan
Dari praktikum yang telah dilakukan praktikan memberikan kesimpulan yaitu,
sebagai berikut:
1. Uji normalitas dilakukan menggunakan metode statistika yang bertujuan untuk
menganalisis bahwa data telah memiliki sebaran pola yang normal dan untuk
menguji apakah nilai residual yang dihasilkan dari analisis regresi terdistribusi
secara normal atau tidak.
2. Data yang digunakan dalam praktikum uji normalitas adalah waktu sampling,
penyisihan fosfat, dan penyisihan cod. Nilai p-value suhu < 5% maka Ho ditolak
dan berarti berdistribusi tidak normal. Nilai p-value waktu sampling, penyisihan
fosfat, dan penyisihan cod > 5% maka H0 gagal ditolak dan berarti berdistribusi
normal.
3. Nilai KS Uji untuk waktu sampling, penyisihan fosfat, dan penyisihan cod secara
berturut-turut yaitu 0,133; 0,266 ; 0,266. Sedangkan untuk KS hitung ditemukan
0,35635. Disimpulkan bahwa data berdistribusi normal karena KS hitung > KS uji
dan Ho gagal ditolak.

6.2. Saran
Setelah melakukan praktikum ini diharapkan lebih mempersiapkan dan
mempelajari data sesuai modul dan lebih teliti dalam menginput data ke minitab untuk
menghindari kesalahan yang tidak diinginkan. Hal tersebut bertujuan agar tidak timbul
kesalahan ataupun kerancuan dalam menginput data maupun dalam pembuatan hipotesis.
Praktikan diwajibkan mempersiapkan segala hal yang diperlukan saat proses pengujian
data untuk menunjang kelancaran praktikum serta praktikan diwajibkan memahami
prosedur langkah-langkah pengujian data agar saat melakukan praktikum tidak terjadi
kesalahan.
 20

DAFTAR PUSTAKA
Ghozali. (2016). Aplikasi Analisis Multivariete Dengan Program IBM SPSS. Semarang: Badan
Penerbit Universitas Diponegoro

Herawati, L. (2016). Uji Normalitas Data Kesehatan Menggunakan SPSS. Yogyakarta: Poltekkes
Jogja Press

Husein Umar. ( 2013). Metode Penelitian Untuk Skripsi dan Tesis. Jakarta: Rajawali

Oktaviani M A and Hari Basuki Notobroto (2014) ‘Perbandingan Tingkat Konsistensi Normalitas
Distribusi Metode Kolmogorov-Smirnov, Lilliefors, Shapiro-Wilk, dan Skewness-
Kurtosis’, Jurnal Biometrika dan Kependudukan, 3(2), pp. 127–135.

Sudjana. (2005). Metode Statistika. Bandung: Tarsito

 21

LABORATORIUM KOMPUTER

PRODI TEKNIK LINGKUNGAN – FAKULTAS TEKNIK

UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JATIM

Jl. Raya Rungkut Madya Gunung Anyar Surabaya

TEMPLATE LAPORAN SEMENTARA No. Dokumen UPNVJT/IK/FT/TL/LL//04-08/3.4

PRAKTIKUM STATISTIKA Tanggal Terbit 13 November 2023

METODE DARING Revisi 0

SEMESTER GASAL T.A. 2023 – 2024 Halaman

Nama / NPM : Kungsus Gatot Suprapto/ 22034010018 T. T. Pembimbing

Kel / Sesi : A2
Materi Praktikum : Two Way Anova
Hari/Tanggal : Senin, 13 November 2023
Pembimbing : Nur Laili Alfiatin M

Wakt
Uraian Materi Praktikum
u

12.30 -
Pre-Test
12.40

12.40 -
Penjelasan awal dan pengarahan
13.00

Praktikum
1. Tuliskan Data dari penelitian yang akan di runningkan.
 22

2.Input data ke dalam software minitab sebelum di running.

Laporan Sementara

1. Tujuan Penelitian (jelaskan tujuan penelitian sesuai materi yang

dipraktekkan)

Uji Korelasi untuk mengukur tingkat keeratan hubungan linear antara 2

variabel, hubungannya sebab akibat. Nilai korelasi berkisar antara -1 sampai
+1.

● Nilai korelasi negatif, berarti hubungan antara 2 variabel adalah

negatif, artinya jika satu variabel menurun maka variabel yang lain
akan meningkat.
 23

● Nilai korelasi positif, berarti hubungan antara 2 variabel adalah positif,

artinya jika satu variabel meningkat maka variabel yang lain akan
meningkat juga.
Hubungan antara 2 variabel dikatakan berkorelasi kuat jika semakin mendekati
nilai 1 atau -1.

Hubungan antara 2 variabel dikatakan berkorelasi lemah jika semakin

mendekati nilai 0.

2. Cantumkan hasil running minitab

 Uji Korelasi

Berdasarkan Hasil Running di dapat hasil sebagai berikut :

1. Penyisihan Fosfat dengan waktu sampling
Pearson correlation dari penyisihan debit dan waktu sampling = -0,809
P-Value = 0,001
P-Value < dari 5% maka H ditolak, artinya ada korelasi antara penyisihan
0

fosfat dengan waktu sampling.

Berkorelasi lemah (mendekati 0) dan bernilai korelasi negatif. Artinya

jika penyisihan fosfat semakin meningkat, maka nilai dari waktu
sampling menurun.
2. Penyisihan COD dengan waktu sampling
Peaarson correlation dari penyisihan COD dan waktu sampling= -0,880
P-Value = 0,000
P-Value < dari 5% maka H0 di tolak, artinya ada korelasi antara
Penyisihan COD dengan Waktu sampling.
Berkorelasi lemah (mendekati 0) dan bernilai korelasi negatif. Artinya
jika penyisihan cod semakin meningkat, maka nilai dari waktu
sampling menurun.
3. Penyisihan COD dengan Penyisihan Fosfat
 24

Pearson correlation dari penyisihan COD dan waktu sampling= 0,942

P-Value = 0,000
P-Value < dari 5% maka H0 di tolak, artinya ada korelasi antara
Penyisihan COD dengan Penyisihan Fosfat
Berkorelasi lemah (mendekati 0) dan bernilai korelasi positif. Artinya jika
Penyisihan COD semakin meningkat, maka nilai Penyisihan fosfat meningkat.

BAB I
PENDAHULUAN
1.1 Latar Belakang
Korelasi adalah istilah statistik yang menyatakan derajat hubungan linear antara
duavariabel atau lebih, yang ditemukan oleh Karl Pearson pada awal 1900. Oleh sebab itu
terkenal dengan sebutan Korelasi Pearson Product Moment (PPM). Korelasi adalah
salahsatu teknik analisis statistik yang paling banyak digunakan oleh para peneliti.
(Sudjana,2005) Dalam analisis statistika, menentukan ukuran korelasi merupakan hal yang
penting karena hal ini bisa mengetahui kekuatan dan arah hubungan antaravariabel-
variabel yang diteliti. Nilai korelasi itu nilainya berada dalam interval -1 < r < +1. Untuk
nilai korelasi > 0 berarti memiliki arah (+), untuk nilai korelasi 0 maka dapatdiartikan tidak
memiliki korelasi dan arah serta untuk nilai korelasi < 0 berarti memilikiarah (-). Maka
semakin besar nilai r semakin kuat pula hubungan korelasinya.
Metode statistika yang mempelajari tentang korelasi terdapat padastatistik
parametrik dan statistik non parametrik. Dalam statistik parametrik, ukuran korelasi yang
bisa dipakai adalah koefisien korelasi product-moment Pearson. Statistik ini perlu
memperhatikan asumsi seperti pengukuran skala interval dan berdistribusi normal
bivariate. Sedangkan statistik nonparametrik tidak memerlukan asumsi tertentutetapi data
minimal berskala ordinal. Korelasi yang termasuk non parametrik seperti korelasi
Spearman, korelasi tau Kendall, korelasi ranking parsial Kendall dan koefisien
korkondansi Kendall (Spiegel, 1992). Berdasarkan uraian diatas, uji korelasi mempunyai
ukuran korelasi yang disebut sebagai koefisien korelasi dan mempunyai beberapa jenis
koefisien korelasi. Oleh karenaitu, laporan ini disusun untuk mengetahui bagaimana
pengujian analisis korelasi menggunakan software mititab 16.

1.2 Tujuan Praktikum

Adapun tujuan dari Praktikum Uji Normalitas adalah sebagai berikut:
1. Nilai korelasi negatif, berarti hubungan antara 2 variabel adalah negatif, artinya jika
satu variabel menurun maka variabel yang lain akan meningkat.
2. Nilai korelasi positif, berarti hubungan antara 2 variabel adalah positif, artinya jika
satu variabel meningkat maka variabel yang lain akan meningkat juga.
3. Hubungan antara 2 variabel dikatakan berkorelasi kuat jika semakin mendekati
nilai 1 atau -1. Hubungan antara 2 variabel dikatakan berkorelasi lemah jika
semakin mendekati nilai 0

1.3 Ruang Lingkup

Hal yang menjadi batas pada uji korelasi, yaitu :
 25

1. Praktikum ini memfokuskan pada proses percobaan Analisis Uji korelasi Data dengan
bantuan aplikasi atau software Minitab .
2. Pada buku petunjuk statistik 2023 telah tercantum instruksi kerja untuk analisis uji korelasi
data dengan menggunakan bantuan aplikasi atau software Minitab.
3. Proses pelaksanaan praktikum dilaksanakan secara daring melalui media zoom meeting
yang diberikan oleh pihak laboratorium UPN `veteran` Jawa Timur.

BAB II
TINJAUAN PUSTAKA
2.1 Analisis Korelasi
Analisis korelasi merupakan metode statistika yang menyatakan kuat hubungan
suatu variabel dengan variabel lain tanpa mempersoalkan mengenai apakah ada hubungan
antara variabel satu dengan variabel yang lain (Sekaran, 2010). Semakin kuat derajat
hubungan garis lurus antara kedua variabel maka semakin nyata hubungan liniernya.
Korelasi Pearson Product Moment dan Korelasi Rank Spearman merupakan dua
dari beberapa teknik korelasi yang sering dipakai. Korelasi pearson merupakan korelasi
sederhana yang hanya melibatkan satu variabel dependen dan satu variabel independen.
Hasil dari korelasi pearson yaitu koefisien korelasi. Koefisien korelasi adalah ukuran yang
dipakai untuk mengetahui derajat hubungan antar variabel-variabel (Siregar, 2013)
Koefisien korelasi ini berfungsi untuk mengukur kekuatan hubungan linier antara dua
variabel. Data yang berskala interval atau rasio dapat menggunakan korelasi pearson.
Selain itu, signifikansinya tidak hanya harus memenuhi persyaratan pengukuran tersebut,
tetapi harus pula menganggap data berdistribusi normal. Syarat data yang digunakan dalam
korelasi pearson, diantaranya:
1. Berskala interval
2. Variabel X dan Y harus bersifat independen satu dengan yang lainnya
3. Variable harus kuantitatif simetris
Asumsi dalam korelasi pearson diantaranya:
1. Terdapat hubungan linier antara variabel X dan Y
2. Data berdistribusi normal
3. Variabel X dan Y simetris, artinya variabel X tidak berfungsi sebagai
variabel bebas dan Y sebagai variabel tetap
4. Sampling representative
5. Varian kedua variabel sama.
Menurut Nuryadi, dkk (2017), Semakin tinggi nilai koefisien korelasi antara dua
buah variabel (semakin mendekati 1), maka tingkat keeratan hubungan antara dua variabel
tersebut semakin tinggi. Sebaliknya, semakin rendah koefisien korelasi antara dua macam
variabel (semakin mendekati 0), maka tingkat keeratan hubungan antara dua variabel
tersebut semakin lemah. Hubungan antara variabel dalam korelasi juga dapat
dikelompokkan menjadi tiga jenis;
1. Korelasi Positif
 26

Terjadinya korelasi positif apabila perubahan antara variabel satu diikuti oleh
variabel lainnya dengan arah yang sama (berbanding lurus). Apabila variabel yang
satu meningkat, maka akan diikuti peningkatan variabel lainnya.
2. Korelasi Negatif
Terjadinya korelasi negatif apabila perubahan antara variabel satu diikuti dengan
variabel lainnya dengan arah yang berlawanan (berbanding terbalik). Apabila
variabel yang satu meningkat, maka akan diikuti penurunan variabel lainnya.
3. Korelasi Nihil
Terjadinya korelasi nihil apabila perubahan antara variabel yang satu diikuti oleh
variabel lainnya dengan arah yang tidak teratur (acak). Apabila variabel satu
meningkat, terkadang diikuti dengan peningkatan pada variabel lain dan terkadang
diikuti dengan penurunan pada variabel lainnya.
BAB III
DATA PENELITIAN
3.1 Data Penelitian
Data penelitian ini dilakukan perbandingan antara dua jenis adsorben yaitu karbon aktif
komersial dan karbon aktif biji kelor dengan dua rasio tinggi adsorben yakni 15 cm pada pH 7
dengan suhu 25˚C, Fosfat dalam Output Adsorpsi. Pengaruh tinggi adsorben dapat diketahui
dengan membandingkan persen penyisihan terhadap waktu sampling pada setiap jenis adsorben.

Tabel 3.1. Persen Penyisihan COD pada Variasi Tinggi Adsorben 15 cm

Tabel 3.2. Persen Penyisihan Fosfat pada Variasi Tinggi Adsorben 15 cm

 27

3.2 Variabel Penelitian

Variabel yang digunakan dalam penelitian ini adalah sebagai berikut :
1. Variabel bebas :
 Penyisihan Fosfat
 Penyisihan COD

2. Variabel Terikat
 waktu : 0 menit
 waktu : 20 meni
 twaktu : 40 menit
 waktu : 60 menit
 waktu : 80 menit
 waktu : 100 menit
 28

BAB IV
PROSEDUR KERJA

4.1 Langkah-Langkah Pengolahan Uji Korelasi

Berikut merupakan langkah-langkah untuk melakukan uji normalitas :
1. Siapkan data yang akan dilakukan uji normalitas dalam Excel

2. Isikan Variabel ke dalam worksheet Minitab

 29

3. Pilih >Stat>Basic Statistic>Correlation

Layar monitor akan menampilkan kotak dialog berikut ini

4. Dalam kolom Variabel, memasukkan seluruh variabel yang di uji korelasi

5. Selanjutnya klik “OK”

BAB V
HASIL DAN PEMBAHASAN

5.1 Hasil Uji Korelasi

Gambar 5.1 Hasil Uji Korelasi

 30

Berdasarkan hasil running didapatkan hubungan korelasi antar variabel sebagai

berikut :
1. Penyisihan Fosfat dengan waktu sampling
Berkorelasi lemah (mendekati 0) dan bernilai korelasi negatif sebesar -0,809.
Artinya jika penyisihan fosfat semakin meningkat, maka nilai dari waktu sampling
menurun.
P Value = 0,001
P Value < 0,05 maka H0 ditolak, artinya data memiliki korelasi antar variabel.
2. penyisihan cod dengan waktu sampling
Berkorelasi lemah (mendekati 0) dan bernilai korelasi negatif sebesar -0.880. .
Artinya jika penyisihan cod semakin meningkat, maka nilai dari waktu sampling
menurun.
Penyisihan COD dengan Waktu sampling.
P Value = 0,000
P Value < 0,05 maka H0 ditolak, artinya data memiliki korelasi antar variabel.
3. penyisihan cod dengan penyisihan fosfat
Berkorelasi lemah (mendekati 0) dan bernilai korelasi positif sebesar 0,942. Artinya
jika Penyisihan COD semakin meningkat, maka nilai Penyisihan fosfat meningkat.
P Value = 0,000
P Value < 0,05 maka H0 ditolak, artinya data memiliki korelasi antar variabel.

5.2 Pembahasan
Hubungan korelasi berkisar antara -1 sampai 1. Nilai korelasi dapat bernilai positif
dan negatif. Nilai korelasi negatif, berarti hubungan antara dua variabel tersebut negatif.
Artinya jika satu variabel menurun maka variabel yang lain akan meningkat (bertolak
belakang). Kemudian ada nilai korelasi positif, yang berarti hubungan antara dua variabel
adalah positif. Artinya jika satu variabel meningkat maka variabel yang lain akan
meningkat juga (berbanding lurus).Karena hasil nilai korelasi kemungkinan ada , maka
hasil uji data korelasi juga berkemungkinan dapat bernilai positif ataupun negatif.
Adapun korelasi hubungan dua variabel dapat dikatakan kuat dan lemah.Nilai
korelasi dikatakan kuat jika nilai korelasi mendekati 1 atau -1 . Nilai korelasi dikatakan
lemah jika mendekati 0. Lemah dan kuatnya nilai korelasi tidak dibatasi oleh nilai negatif
ataupun positif.
Pada hasil pengujian data dapat dilihat pada gambar 5.1 Hasil Uji Korelasi.
Terdapat tiga variabel yang berkorelasi negatif yaitu penyisihan fosfat dengan waktu
sampling dan penyisihan cod dengan waktu sampling dengan nilai korelasi secara berturut-
turut -0,809; -0,880. Sedangkan ada satu variabel yang berkorelasi positif yaitu
penyisihan cod dengan nilai korelasi secara berturut-turut 0,942. P value barus lebih
kecil dari nilai a, nilai a yang digunakan dalam praktikum ini yaitu 5% atau sebesar 0,05.
Berdasarkan hasil interpretasi data hasil uji korelasi P value < a ,maka H0 ditolak dan data
memiliki korelasi antar variabel. Namun terdapat satu nilai korelasi dengan tidak memiliki
nilai P value. Data tersebut tidak memiliki nilai P-Value karena data belum ke isis atau
tidak valid.
 31

BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan hasil praktikum dapat disimpulkan bahwa :
1. Setiap variabel memiliki korelasi yang berbeda beda .
2. Variabel yang berkorelasi positif yaitu penyisihan fosfat dengan penyisihan cod,
dengan nilai korelasi secara berturut-turut 0,942
3. Variabel yang berkorelasi negatif yaitu penyisihan fosfat dengan waktu sampling
dan penyisihan cod dengan waktu sampling dengan nilai korelasi secara berturut-
turut -0,809; -0,880.

6.2 Saran
Sebelum melaksanakan praktikum, diharapkan data yang digunakan telah
diasistensikan kepada dosen pembimbing agar sesuai dengan apa yang dibutuhkan dalam
pelaksanaan praktikum. Hal tersebut bertujuan agar tidak timbul kesalahan ataupun
kerancuan dalam menginput data maupun dalam pembuatan hipotesis. Serta diharapkan
praktikan selalu teliti dalam melakukan input data ke dalam program aplikasi yang
digunakan agar hasil yang didapat jelas dan akurat
 32

DAFTAR PUSTAKA

Bougie, Roger dan Uma Sekaran, (2010). Research Methods For Business, Fifth Edition.
John Wiley and Sons Ltd.

Siegel, Sidney (1992), Statistik Nonparametrik untuk Ilmu – Ilmu Sosial, Terjemahan
Gramedia, Jakarta.

Siregar, S. 2013. Statistik Parametrik Untuk Penelitian Kuantitatif. Jakarta: Bumi Aksara.

Sudjana. (2005). Metode Statistika. Bandung: Tarsito

Nuryadi., dkk. (2017). Dasar-Dasar Statistik Penelitian. Yogyakarta: Sibuku Media

33