Laporan Akhir Kel 6 Revisi 2.0

I
LAPORAN AKHIR
PRAKTIKUM STATISTIK INDUSTRI
Diajukan sebagai salah satu syarat kelulusan

Praktikum Statistik Industri
Disusun oleh:
Kelompok :6
Muammar 1904106010020
M.Syauqi Nur 1904106010080
Muhammad Razaq 1904106010088
Hari/Shift : Senin/I
Asisten : Zikra Noprita
Pembimbing : Sarika Zuhri, S.T., M.T.
PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS SYIAH KUALA
2020
ABSTRAK
Penelitian ini bertujuan untuk mengukur pengaruh Citra Destinasi, Kualitas Pelayanan
Petugas dan Harga terhadap Kepuasan Wisatawan pada Pulau Weh Sabang. Sampel yang
digunakan dalam penelitian ini adalah wisatawan yang berkunjung ke Pulau Weh Sabang
berjumlah 75 responden. Peralatan pengumpulan data yang digunakan pada penelitian ini adalah
kuesioner. Teknik pengambilan sampel pada penelitian ini adalah nonprobability sampling. Modul
I menentukan variabel dependen dan variabel independen serta menentukan indikator pada setiap
variabel untuk pembuatan pernyataan atau kesioner yang akan disebarkan pada responden yang
mengunjungi Pulau Weh Sabang. Modul II dilakukan pengolahan data statistik yang menghasilkan
beberapa grafik yang bisa didapatkan melalui pengujian menggunakan Microsoft Excel. Modul III
untuk pengolahan data secara manual menggunakan rumus sedangkan pengolahan data
menggunakan Software SPSS 20 Dan Minitab 18. Modul VI data kuesioner pada setiap variabel
dilakukan beberapa pengujian seperti pengujian asumsi linear, pengujian korelasi, dan pengujian
regresi berganda. Semua pengujian tersebut bertujuan untuk mengetahui pengaruh dari semua
varibel yang terlibat. Berdasarkan analisis, dapat diindikasikan bahwa Citra Destinasi dan Kualitas
Pelayanan Petugas memiliki pengaruh terhadap kepuasan wisatawan. Sedangkan Harga tidak
berpengaruh terhadap kepuasan wisatawan
Kata kunci : Citra Destinasi, Kualitas Pelayanan Petugas, Harga,

Kepuasan Wisatawan, Nonprobability Sampling, Variabel Dependen,
Variabel Indipenden, Pengujian Asumsi Linear, Pengujian Korelasi, dan
Pengujian Regresi Berganda.
i
KATA PENGANTAR
Puji syukur penulis ucapkan atas limpahan rahmat serta hidayah yang
diberikan oleh Allah SWT, sehingga kami dapat menyelesaikan penelitian yang
berjudul “Analisis Pengaruh Citra Destinasi, Kualitas Pelayanan Petugas dan
Harga Terhadap Kepuasan Wisatawan Pulau Weh Sabang” yang disusun untuk
penyelesaian laporan Pratikum Statistik Industri Progam Studi Teknik Industri
Universitas Syiah Kuala
Selama penyusunan laporan ini kami telah banyak mendapatkan bantuan dari
berbagai sumber baik berupa moral maupun materi, karena dengan itu dengan
rasa hormat serta syukur kami berterikasih kepada :
1. Bapak Dr. Irwansyah, S.T., M.Eng selaku Ketua Jurusan Teknik Mesin
dan Industri Fakultas Teknik Universitas Syiah Kuala
2. Bapak Ir. Ilyas, S.T., M.T. selaku Kepala Progam Studi Teknik Indsutri
3. Bapak Prima Denny Sentia, S.T., M.IT selaku ketua Laboratorium
Komputasi dan Optimasi Industri (LKOI)
4. Ibu Sarika Zuhri, ST., M.T. selaku dosen pengampu Pratikum Statistik
Industri
5. Saudari Rika Ulfa ST. selaku Laboran Laboratorium Komputasi
Komputasi dan Optimasi Indsutri (LKOI)
6. Orang tua serta keluarga yang memberi semangat kepada kami
7. Seluruh asisten Pratikum Laboratorium Komputasi dan Optimasin Industri
(LKOI)
8. Teman-teman mahasiswa Teknik Industri 2019 dan seluruh pihak terkait
yang tidak dapat kami sebutkan satu persatu
Akhirnya dengan terselesainya penyusan laporan ini, kami berharap laporan

penelitian ini dapat bermanfaat bagi pihak-pihak yang membutuhkan.
Banda Aceh, 4 Desember 202

Tim Penyusun Laporan
ii
DAFTAR ISI
ABSTRAK...............................................................................................................i
KATA PENGANTAR............................................................................................ii
DAFTAR ISI.........................................................................................................iii
DAFTAR TABEL...................................................................................................x
DAFTAR GAMBAR............................................................................................xii
BAB I PENDAHULUAN..............................................................................I-1
1.1 Latar Belakang.....................................................................................I-1
1.2 Rumusan Masalah...............................................................................I-3
1.3 Maksud Dan Tujuan............................................................................I-4
1.4 Batasan Masalah..................................................................................I-4
1.5 Sistematika Penulisan..........................................................................I-5
BAB II LANDASAN TEORI.......................................................................II-7
2.1 Pengenalan Spss.................................................................................II-7
2.1.1 Data....................................................................................................II-7
2.1.1.1 Membangun Data...............................................................................II-8
2.1.1.1.1 Bekerja Pada Variable View...............................................................II-9
2.1.1.1.2 Bekerja Pada Data View..................................................................II-10
2.1.1.1.1.1 Membangun Tabel Lanjutan-Missing Values..................................II-10
2.1.1.1.3 Menyimpan Dan Membuka Data.....................................................II-11
2.1.1.1.4 Memodifikasi Data...........................................................................II-12
2.1.1.1.5 Menghapus Data...............................................................................II-12
2.1.1.1.6 Memodifikasi Data Lanjutan............................................................II-12
2.1.1.1.7 Transformasi Data............................................................................II-15
2.1.1.1.7.1 Compute...........................................................................................II-15
2.1.1.1.7.2 Count................................................................................................II-16
2.1.1.2 Grafik Dan Tabel.............................................................................II-17
2.1.1.2.1 Membangun Grafik..........................................................................II-17
2.1.1.2.1.1 Membangun Grafik Melalui Legasy Dialogs...................................II-17
2.1.1.2.1.2 Membangun Grafik Melalui Chart Builder......................................II-20
2.1.1.2.1.3 Membangun Grafik Melalui Template Chooser..............................II-21
2.1.1.2.2 Membangun Tabel...........................................................................II-22
2.1.1.2.2 Custom Table...................................................................................II-22
2.2 Pengenalan Minitab 18.....................................................................II-23
2.2.1 Memulai Minitab 18.........................................................................II-23
2.2.2 Memasukkan/Menginput Data.........................................................II-23
2.2.3 Menyimpan Dan Membuka Worksheet...........................................II-25
2.2.4 Membuat Grafik Boxplot Dan Dotplot............................................II-25
2.3 Kuesioner Dan Penarikan Sampel....................................................II-26
2.3.1 Kuesioner.........................................................................................II-27
2.3.1.1 Pengertian Kuesioner.......................................................................II-27
2.3.1.2 Variabel Kuesioner...........................................................................II-28
2.3.1.3 Indikator Dan Variabel.....................................................................II-28
2.3.1.4 Jenis Kuesioner................................................................................II-29
2.3.1.4.1 Kuesioner Dengan Jawaban Tertutup..............................................II-30
2.3.1.4.2 Kuesioner Dengan Jawaban Terbuka...............................................II-30
2.3.1.4.3 Kuesioner Dengan Jawaban Tertutup Dan Terbuka........................II-31
iii
2.3.1.5 Jenis Skala Kuesioner......................................................................II-32
2.3.1.5.1 Skala Likert......................................................................................II-32
2.3.1.5.2 Skala Guttman..................................................................................II-32
2.3.1.5.3 Skala Rating.....................................................................................II-33
2.3.1.5.4 Skala Semantik Diferensial..............................................................II-33
2.3.1.6 Format Kuesioner.............................................................................II-33
2.3.1.7 Penyusunan Kuesioner.....................................................................II-34
2.3.2 Penarikan Sampel.............................................................................II-38
2.3.2.1 Pengertian Populasi Dan Sampel.....................................................II-38
2.3.2.1.1 Faktor-Faktor Yang Dipertimbangkan Dalam Menentukan
Beberapa Besar Ukuran Sampel Yang Harus Diambil Dari
Populasi Tertentu.............................................................................II-39
2.3.2.2 Teknik Pengambilan Sampel............................................................II-40
2.3.2.2.1 Teknik Random Sampling................................................................II-40
2.3.2.2.2 Teknik Non Random Sampling........................................................II-43
2.3.2.3 Rumuas Probability Sampling..........................................................II-46
2.3.2.3.1 Rumus Slovin...................................................................................II-46
2.3.2.3.2 Rumus Yamane................................................................................II-47
2.3.2.4 Kekeliruan Sampling Dan Tak Sampling........................................II-47
2.4 Statistik Deskriptif Dan Distribusi Probabilitas...............................II-48
2.4.1 Statistik Deskriptif ..........................................................................II-48
2.4.1.1 Data..................................................................................................II-49
2.4.1.2 Distribusi Frekuensi.........................................................................II-50
2.4.1.2.1 Limit Kelas, Batas Kelas, Nilai Tengah, Dan Lebar Kelas..............II-50
2.4.1.2.2 Cara Membuat Tabel Distribusi Frekuensi......................................II-51
2.4.1.3 Grafik Atau Diagram........................................................................II-52
2.4.1.4 Kurva................................................................................................II-53
2.4.1.4.1 Kurva Frekuensi...............................................................................II-53
2.4.1.5 Pengukuran Tendensi Sentral...........................................................II-54
2.4.1.6 Kuartil, Desil, Persentil....................................................................II-57
2.4.1.7 Pengukuran Penyebaran Data..........................................................II-58
2.4.1.7.1 Simpangan Rata-Rata (Mean Deviation).........................................II-58
2.4.1.7.2 Varian...............................................................................................II-58
2.4.1.7.3 Standar Deviasi................................................................................II-59
2.4.1.8 Pengolahan Data Statistik Deskriptif Dengan Ibm Spss 20.............II-61
2.4.1.8.1 Analisis Frequencies........................................................................II-61
2.4.1.8.2 Analisis Deskriptif...........................................................................II-67
2.4.2 Distribusi Probabilitas......................................................................II-68
2.4.2.1 Distribusi Probabilitas Diskrit..........................................................II-69
2.4.2.2 Distribusi Probabilitas Kontinyu......................................................II-72
2.4.2.3 Pengolahan Data Distribusi Probabilitas Dengan Spss 20...............II-75
2.4.2.3.1 Distribusi Binomial..........................................................................II-75
2.4.2. 3.2 Distribusi Hipergeometrik................................................................II-76
2.4.2.3.3 Distribusi Poisson.............................................................................II-76
2.4.2.3.4 Distribusi Normal.............................................................................II-77
2.5 Pengujian Validitas Dan Reliabilitas ..............................................II-78
2.5.1 Uji Validitas Dan Reliabilitas..........................................................II-78
2.5.2 Uji Validitas Dan Reliabilitas Dengan Spss 20................................II-79
iv
2.6 Analisis Hubungan Antar Variabel Dan Pengujian Hipotesis.........II-81
2.6.1 Pengujian Hipotesis..........................................................................II-81
2.6.1.1 Tipe Kesalahan Dalam Pengujian Hipotesis....................................II-83
2.6.1.2 Uji Satu Arah Dan Uji Dua Arah.....................................................II-83
2.6.1.3 Metode Pengujian Hipotesis............................................................II-84
2.6.1.3.1 One Sample T-Test...........................................................................II-84
2.6.1.3.1.1 Aplikasi One Sample T-Test Dengan Spss 20..................................II-84
2.6.1.3.1.2 Aplikasi One Sample T-Test Dengan Minitab 18............................II-85
2.6.1.3.2 Chi Square........................................................................................II-88
2.6.1.3.2.1 Aplikasi Chi Square Dengan Spss 20..............................................II-88
2.6.1.3.2.2 Aplikasi Chi Square Dengan Minitab 18.........................................II-91
2.6.2 Pengujian Asumsi Linear.................................................................II-92
2.6.2.1 Pengujian Normalitas.......................................................................II-92
2.6.2.2 Pengujian Multikolinearitas.............................................................II-92
2.6.2.3 Pengujian Heterokedisitas................................................................II-92
2.6.2.4 Pengujian Autokorelasi....................................................................II-92
2.6.3 Analisis Korelasi..............................................................................II-93
2.6.3.1 Kegunaan Korelasi...........................................................................II-94
2.6.3.2 Karakteristik Korelasi......................................................................II-94
2.6.3.3 Pengertian Koefisien Korelasi..........................................................II-95
2.6.3.4 Korelasi Pearson...............................................................................II-95
2.6.3.5 Korelasi Spearman...........................................................................II-96
2.6.3.6 Korelasi Partial.................................................................................II-96
2.6.3.7 Korelasi Ganda.................................................................................II-97
2.6.3.8 Aplikasi Korelasi Dengan Spss 20...................................................II-97
2.6.3.9 Aplikasi Korelasi Dengan Minitab 18............................................II-100
2.6.4 Analisis Regresi.............................................................................II-101
2.6.4.1 Tujuan Analisis Regresi.................................................................II-101
2.6.4.2 Persyaratan Model Regresi............................................................II-101
2.6.4.3 Aplikasi Regresi Menggunakan Spss 20........................................II-102
2.6.4.4 Aplikasi Regresi Menggunakan Minitab 18..................................II-107
BAB III METODOLOGI PRATIKUM...................................................III-112
3.1 Flowchart......................................................................................III-113
3.2 Uraian Flowchart..........................................................................III-114
BAB IV PENGUMPULAN DATA...........................................................IV-115
4.1 Judul Dan Deskripsi Masalah.......................................................IV-115
4.2 Tipe Pernyataan............................................................................IV-116
4.3 Penentuan Karakteristik Responden.............................................IV-116
4.4 Penentuan Variabel Dan Indikator...............................................IV-117
4.5 Rancangan Kuesioner...................................................................IV-121
4.6 Teknik Pengambilan Sampel........................................................IV-123
4.7 Data Distribusi Peluang Diskrit....................................................IV-124
BAB V PENGOLAHAN DATA..............................................................V-125
5.1 Pengolahan Data Perancangan Kuesioner
Dan Penarikan Sampel...................................................................V-125
5.1.1 Perhitungan Sampel.......................................................................V-125
5.1.2 Hasil Kuesioner..............................................................................V-125
5.1.2.1 Rekapitulasi Karakteristik Responden...........................................V-125
v
5.1.2.2 Rekapitulasi Jawaban Kuesioner...................................................V-143
5.2 Pengolahan Data Statistik Deskriptif
Dan Distribusi Probabilitas............................................................V-152
5.2.1 Pengolahan Data Statistik Deskriptif.............................................V-152
5.2.1.1 Pie Chart Data Karakteristik Responden.......................................V-152
5.2.1.1.1 Pie Chart Data Karakteristik Responden Berdasarkan
Jenis Kelamin.................................................................................V-152
Umur..............................................................................................V-153
5.2.L.1.3 Pie Chart Data Karakteristik Responden Berdasarkan
Tinggi Badan..................................................................................V-154
Berat Badan....................................................................................V-155
Pekerjaan........................................................................................V-155
5.2.1.2 Pembuatan Tabel Distribusi Frekuensi..........................................V-157
5.2.1.3 Grafik Histogram, Poligon Dan Kurva Frekuensi.........................V-157
5.2.1.4 Pemusatan Data..............................................................................V-160
5.2.1.4.1 Mean (Rata-Rata)...........................................................................V-161
5.2.1.4.2 Perhitungan Median.......................................................................V-161
5.2.1.4.3 Perhitungan Modus........................................................................V-162
5.2.1.5 Perhitungan Persentil Dan Kuartil.................................................V-162
5.2.1.5.1 Perhitungan Persentil.....................................................................V-162
5.2.1.5.2 Perhitungan Kuartil........................................................................V-164
5.2.1.6 Pengukuran Dispersi, Kemiringan Dan Keruncingan (Kurtosis)...V-167
5.2.1.6.1 Perhitungan Dispersi......................................................................V-167
5.2.1.6.2 Standar Deviasi..............................................................................V-167
5.2.1.6.3 Variansi..........................................................................................V-168
5.2.1.6.4 Simpangan Rata-Rata (Mean Deviation).......................................V-168
5.2.1.6.5 Perhitungan Kemiringan (Kemencengan/Skewness).....................V-169
5.2.1.6.6 Perhitungan Kuortosis....................................................................V-169
5.2.2 Pengolahan Data Statistik Deskriptif Dengan Software Spss 20...V-170
5.2.2.1 Analisis Frequencies......................................................................V-170
5.2.2.1.1 Melakukan Analisis Frekuensi Untuk Data Kategori....................V-170
5.2.2.1.2 Melakukan Analisis Frekuensi Untuk Data Skala.........................V-172
5.2.2.2 Analisis Descriptive.......................................................................V-172
5.2.3 Pengolahan Data Distribusi Peluang Diskrit..................................V-175
5.2.3.1 Distribusi Binomial........................................................................V-176
5.2.3.2 Distribusi Hipergeometrik.............................................................V-178
5.2.4 Pengolahan Data Distribusi Peluang Kontinyu..............................V-182
5.2.4.1 Distribusi Normal...........................................................................V-182
5.2.5 Pengolahan Data Dengan Menggunakan Software Spss 20..........V-186
5.2.5.1 Distribusi Binomial........................................................................V-186
5.2.5.2 Distribusi Hipergeometrik.............................................................V-188
5.2.5.3 Distribusi Normal...........................................................................V-191
5.3 Pengolahan Data Validitas Dan Reliabilitas..................................V-194
5.3.1 Pengkodean Data Rekapitulasi Kuesioner ....................................V-194
5.3.2 Uji Validitas Variabel....................................................................V-202
vi
5.3.2.1 Uji Validitas Variabel Citra Destinasi...........................................V-202
5.3.2.2 Uji Validitas Variabel Kualitas Pelayanan Petugas.......................V-203
5.3.2.3 Uji Validitas Variabel Harga ........................................................V-209
5.3.2.4 Uji Validitas Variabel Kepuasan Wisatawan.................................V-210
5.3.2.5 Rekapitulasi Hasil Uji Validitas Variabel......................................V-211
5.3.3 Uji Reliabilitas Variabel................................................................V-212
5.3.3.1 Uji Reliabilitas Variabel Citra Destinasi .......................................V-212
5.3.3.2 Uji Reliabilitas Variabel Kualitas Pelayanan Petugas...................V-212
5.3.3.3 Uji Reliabilitas Variabel Harga......................................................V-213
5.3.3.4 Uji Reliabilitas Variabel Kepuasan Wisatawan.............................V-213
5.3.4 Rekapitulasi Hasil Uji Reliabilitas Variabel..................................V-213
5.4 Pengolahan Data Hubungan Antar Variabel Dan Pengujian V-
Hipotesis........................................................................................V-214
5.4.1 Perumusan Hipotesis......................................................................V-214
5.4.2 Pengujian Asumsi Linear...............................................................V-214
5.4.2.1 Uji Normalitas................................................................................V-214
5.4.2.2 Uji Multikolinieritas.......................................................................V-216
5.4.2.3 Uji Heteroskedisitas.......................................................................V-216
5.4.2.4 Uji Autokorelasi.............................................................................V-217
5.4.3 Uji Korelasi....................................................................................V-217
5.4.3.1 Uji Korelasi Menggunakan Software Spss 20...............................V-218
5.4.3.2 Uji Korelasi Menggunakan Software Minitab 18..........................V-218
5.4.4 Uji Linear Berganda.......................................................................V-219
5.4.4.1 Uji Linear Berganda Menggunakan Software SPSS 20.................V-219
5.4.4.1.1 Uji F...............................................................................................V-219
5.4.4.1.2 Uji T...............................................................................................V-220
5.4.4.1.3 Koefisien Regresi Linear Berganda...............................................V-221
5.4.4.1.4 Koefisien Determinasi (R2)...........................................................V-221
5.4.4.2 Pengolahan Data Uji Regresi Menggunakan
Software Minitab 18......................................................................V-221
5.4.5 Hasil Pengujian Hipotesis..............................................................V-222
BAB VI ANALISIS ..................................................................................VI-225
6.1 Analisis Variabel Dan Indikator...................................................VI-225
6.1.1 Analisis Tingkat Pengambilan Sampel.........................................VI-225
6.1.2 Analisis Ukuran Sampel...............................................................VI-226
6.1.3 Analisis Karakteristik Responden................................................VI-226
6.1.4 Analisis Jawaban Responden........................................................VI-227
6.2 Analisis Statistik Deskriptif Dan Distribusi Probabilitas.............VI-228
6.2.1 Analisis Pengolahan Data Statistik Deskriptif..............................VI-228
6.2.1.1 Analisis Pie Chart Karakteristik Responden................................VI-228
6.2.1.2 Analisis Tabel Distribusi Frekuensi.............................................VI-229
6.2.1.3 Analisis Grafik Histogram, Grafik Poligon,
Dan Kurva Frekuensi....................................................................VI-229
6.2.1.4 Analisis Perhitungan Ukuran Pemusatan Data.............................VI-230
6.2.1.5 Analisis Perhitungan Rata-Rata Hitung, Median, Dan Modus.....VI-230
6.2.1.6 Analisis Perhitungan Persentil Dan Kuartil..................................VI-230
6.2.1.7 Analisis Pengukuran Dispersi, Kemiringan,
Dan Keruncinga(Kurtos)..............................................................VI-230
vii
6.2.2 Analisis Pengolahan Data
Statistik Deskriptif Software SPSS 20..........................................VI-230
6.2.2.1 Analisis Frequencis......................................................................VI-231
6.2.2.2 Analisis Deskriptif........................................................................VI-231
6.2.3 Analisis Data Distribusi Peluang Diskrit......................................VI-231
6.2.3.1 Analisis Distribusi Binomial........................................................VI-231
6.2.3.2 Analisis Distribusi Hipergeometrik..............................................VI-231
6.2.4 Analisis Data Distribusi Peluang Kontinyu..................................VI-232
6.2.4.1 Analisis Distribusi Normal...........................................................VI-232
6.2.5 Analisis Data Probabilitas Dengan Software SPSS 20.................VI-232
6.2.5.1 Analisis Distibusi Binomial..........................................................VI-232
6.2.5.2 Analisis Distribusi Hipergeometrik..............................................VI-233
6.2.5.3 Analisis Distribusi Normal...........................................................VI-233
6.3 Analisis Pengujian Validitas Dan Reliabilitas..............................VI-233
6.3.1 Analisis Pengkodean Data Rekapitulasi Kuesioner......................VI-233
6.3.2 Analisis Uji Validitas Variabel.....................................................VI-234
6.3.2.1 Analisis Hasil Uji Validitas Variabel 1........................................VI-234
6.3.2.2 Analisis Hasil Uji Validitas Variabel 2 .......................................VI-234
6.3.2.3 Analisis Hasil Uji Validitas Variabel 3........................................VI-234
6.3.2.4 Analisis Rekapitulasi Hasil Validitas Variabel.............................VI-234
6.3.3 Analisis Uji Reliabilitas Variabel.................................................VI-235
6.3.3.1 Analisis Hasil Uji Reliabilitas Variabel 1.....................................VI-235
6.3.3.5 Analisis Rekapitulasi Hasil Uji Reliabilitas Variabel...................VI-236
6.4 Analisis Pengujian Hipotesis Dan Hubungan Antar Variabel......VI-236
6.4.1 Analisis Perumusan Hipotesis......................................................VI-236
6.4.2 Analisis Asumsi Linier.................................................................VI-237
6.4.2.1 Analisis Normalitas......................................................................VI-237
6.4.2.2 Analisis Multikolinearitas.............................................................VI-237
6.4.2.3 Analisis Heteroskedisitas..............................................................VI-238
6.4.2.4 Analisis Autokorelasi...................................................................VI-238
6.4.3 Analisis Korelasi...........................................................................VI-238
6.4.3.1 Analisis Korelasi Menggunakan SPSS 20....................................VI-238
6.4.3.2 Analisis Korelasi Menggunakan Minitab 18................................VI-239
6.4.4 Analisis Regresi Linier Berganda.................................................VI-239
6.4.4.1 Analisis Uji F................................................................................VI-239
6.4.4.2 Analisis Uji T................................................................................VI-239
6.4.4.3 Analisis Regresi Menggunakan Minitab 18.................................VI-240
6.4.5 Analisis Hasil Pengujian Hipotesis...............................................VI-240
BAB VII KESIMPULAN DAN SARAN.................................................VII-241
7.1 Kesimpulan..................................................................................VII-241
7.2 Saran............................................................................................VII-242
DAFTAR PUSTAKA
DAFTAR LAMPIRAN
1. Rancangan Kuesioner
2. Data Peluang
viii
3. Tabel R (Df = 51 – 100)
4. Tabel Titik Persentase Distribusi T (Df = 81 – 120)
5. Tabel Titik Persentase Distribusi F Untuk Probabilitas = 5%
6. Tabel Durbin Watson (Dw), ɑ = 5%
7. Tabel Nilai Kritis Uji Kolmogorosmirnov
ix
DAFTAR TABEL
Tabel 2.1 Distribusi Frekuensi........................................................................II-52
Tabel 2.2 Data Statistik Nilai Apk Dan Ppc Siswa.........................................II-63
Tabel 2.3 Data Statistik Nilai Apk Dan Ppc Siswa.........................................II-64
Tabel 2.4 Data Frequency Table.....................................................................II-64
Tabel 2.5 Data Nilai Ppc.................................................................................II-65
Tabel 2.6 Analisis Frekuensi Statistics...........................................................II-67
Tabel 2.7 Analisis Frekuensi Statistics...........................................................II-67
Tabel 2.8 Descriptive Statistics.......................................................................II-68
Tabel 2.9 Data Rekapitulasi Kuesioner...........................................................II-80
Tabel 2.10 Correlations....................................................................................II-80
Tabel 2.11 Beberapa Kemungkinan Hasil Pengujian Hipotesis.......................II-84
Tabel 2.12 Hasil Pengukuran............................................................................II-86
Tabel 2.13 One Sample Test..............................................................................II-86
Tabel 2.14 Data Statistk....................................................................................II-90
Tabel 2.15 Case Processing Summary..............................................................II-91
Tabel 2.16 Jenis Kelamin..................................................................................II-91
Tabel 2.17 ChSquare Tests...............................................................................II-91
Tabel 2.18 Data Statistik Biaya Ekpektasi Rumah...........................................II-99
Tabel 2.19 Variabel Entered Removed..............................................................II-99
Tabel 2.20 Model Summary............................................................................II-100
Tabel 2.21 Correlations..................................................................................II-100
Tabel 2.22 Descriptive Statistics.....................................................................II-104
Tabel 2.23 Correlations..................................................................................II-104
Tabel 2.24 Variabel Entered Removed............................................................II-104
Tabel 2.25 Anova ...........................................................................................II-104
Tabel 2.26 Coefficients....................................................................................II-105
Tabel 2.27 Model Summary............................................................................II-106
Tabel 2.28 Descriptive Statistic......................................................................II-107
Tabel 2.29 Coeffients......................................................................................II-107
Tabel 2.30 Coefficients....................................................................................II-107
Tabel 4.1 Variabel Dan Indikator................................................................VI-121
Tabel 4.2 Rancangan Kuesioner..................................................................VI-122
Tabel 4.3 Data Seluruh Sampel Golongan Darah........................................VI-125
Tabel 4.4 Frekuensi Pengambilan Sampel Golongan Darah.......................VI-125
Tabel 5.1 Rekapitulasi Karakteristik Responden Berdasarkan
Jenis Kelamin................................................................................V-127
Usia...............................................................................................V-128
Berat Badan...................................................................................V-130
Tinggi Badan................................................................................ V-132
Pekerjaan.......................................................................................V-133
Tabel 5.6 Rekapitulasi Jawaban Responden Berdasarkan
Rata-rata Anda Liburan.................................................................V-135
x
Pertama Kali Mendengar Wisata Pulau Weh ...............................V-137
Kendaraan yang Digunakan..........................................................V-139
Asal Kota Anda.............................................................................V-140
Tujuan ke Pulau Weh ...................................................................V-142
Variabel Citra Destinasi................................................................V-144
Variabel Kualitas Pelayan Petugas...............................................V-146
Variabel Harga..............................................................................V-149
Variabel Kepuasan Pengunjung....................................................V-151
Tabel 5.15 Jumlah Responden Berdasarkan Karakteristik Jenis Kelamin......V-154
Tabel 5.16 Jumlah Responden Berdasarkan Karakteristik Usia.....................V-154
Tabel 5.17 Jumlah Responden Berdasarkan Tinggi Badan............................V-155
Tabel 5.18 Jumlah Responden Berdasarkan Berat Badan..............................V-156
Tabel 5.19 Jumlah Responden Berdasarkan Karakteristik Pekerjaan.............V-157
Tabel 5.20 Data Karakteristik Responden Berdasarkan Tinggi Badan..........V-158
Tabel 5.21 Data Distribusi Frekuensi Karakteristik Berat Badan...................V-160
Tabel 5.22 Letak Persentil Karakteristik Berat Badan Responden.................V-164
Tabel 5.23 Letak Kuartil Karakteristik Berat Badan Responden....................V-166
Tabel 5.24 Letak Kuartil Karakteristik Berat Badan Responden....................V-168
Tabel 5.25 Perhitungan Dispresi Data Karakteristik
Berdasarkan Berat Badan
Tabel 5.26 Rekapitulasi Perhitungan Data Karakteristik Responden
Berdasarkan Berat Badan..............................................................V-168
Tabel 5.27 Analisis Frekuensi Data Menggunakan SPSS Statistics...............V-173
Tabel 5.28 Analisis Deskriptif untuk Data Skala Menggunakan
SPSS Descriptive Statistics...........................................................V-173
Tabel 5.29 Pengkodean Data Rekapitulasi Kuesioner Skala..........................V-195
Tabel 5.30 Data Rekapitulasi Variabel Citra Destinasi..................................V-196
Tabel 5.31 Data Rekapitulasi Variabel Kualitas Pelayanan Petugas..............V-198
Tabel 5.32 Data Rekapitulasi Variabel Harga................................................V-200
Tabel 5.33 Data Rekapitulasi Variabel Kepuasan Pengunjung......................V-201
Tabel 5.34 Output SPSS Case Processing Summary......................................V-204
Tabel 5.35 Output SPSS Correlation Variabel 1............................................V-204
Tabel 5.42 Rekapitulasi Hasil Validitas..........................................................V-213
Tabel 5.43 Output SPSS Reliability Statistic Variabel 1................................V-214
xi
Tabel 5.44 Output SPSS Reliability Statistic Variabel 2 ...............................V-215
Tabel 5.45 Output SPSS Reliability Statistic Variabel 3................................V-215
Tabel 5.46 Output SPSS Reliability Statistic Variabel 4 ...............................V-215
Tabel 5.47 Rekapitulasi Nilai Cronbach’s Alpha...........................................V-215
Tabel 5.48 One-Sample KolmogoroSmirnov Test..........................................V-217
Tabel 5.49 Uji Multikolinearitas Coefficient..................................................V-218
Tabel 5.50 Uji Heteroskedisitas Coefficient...................................................V-218
Tabel 5.51 Uji Autokorelasi Model Summary Durbin-Watson......................V-219
Tabel 5.52 Pearson correlation .....................................................................V-220
Tabel 5.53 Uji Menggunakan Minitab 18 ......................................................V-221
Tabel 5.54 Uji Regresi F.................................................................................V-222
Tabel 5.55 Uji Regresi Coeffecient T.............................................................V-222
Tabel 5.56 Coefficient Regresi Linier.............................................................V-223
Tabel 5.57 Model Summary...........................................................................V-223
Tabel 5.58 Rekapitulasi Hasil Pengujian Hipotesis........................................V-226
xii
DAFTAR GAMBAR
Gambar 2.1 Tabel Data Kategori........................................................................II-8

Gambar 2.2 Tabel Data Kategori dengan Kode pada Kolom Penjualan.............II-8
Gambar 2.3 Tabel Data Numerik........................................................................II-8
Gambar 2.4 Tabel Data Gabungan Kategorikal-Numerik..................................II-8
Gambar 2.5 Hasil Sort Cases - Ascending........................................................II-13
Gambar 2.6 Hasil Select Cases.........................................................................II-14
Gambar 2.7 Hasil Agregate Data......................................................................II-15
Gambar 2.8 Variabel Insentif Hasil Computer dari
Variable Penjualan _Smt2.............................................................II-16
Gambar 2.9 Variabel Girsbestsell Hasil Count.................................................II-17
Gambar 2.10 Data Penjualan Kendaraan...........................................................II-18
Gambar 2.11 Hasil Ringkasan Total Penjualan ................................................II-18
Gambar 2.12 Grafik Perbandingan Penjualan (Bar/Line)..................................II-20
Gambar 2.13 Hasil Grafik Histogram dan Distribusi Normal...........................II-21
Gambar 2.14 Memulai Minitab..........................................................................II-23
Gambar 2.15 Worksheet Minitab.......................................................................II-24
Gambar 2.16 Membuat Grafik Boxplot..............................................................II-26
Gambar 2.17 Membuat Grafik Boxplot.............................................................II-26
Gambar 2.18 Kurva Frekuensi...........................................................................II-53
Gambar 2.19 Kurva Kemiringan........................................................................II-59
Gambar 2.20 Kurva Keruncingan......................................................................II-60
Gambar 2.21 Pie Chart PPC.............................................................................II-64
Gambar 2.22 Grafik Histogram..........................................................................II-67
Gambar 2.23 Analisis Descriptive Menggunakan Software SPSS 20...............II-68
Gambar 2.24 Distribusi Normal.........................................................................II-72
Gambar 2.28 Kurva Distribusi Eksponensial.....................................................II-73
Gambar 2.29 One-Sample Minitab 16...............................................................II-86
Gambar 2.30 Histogram.....................................................................................II-87
Gambar 2.31 Value Plot.....................................................................................II-87
Gambar 2.32 Box Plot......................................................................................II-187
Gambar 2.33 Chi-Square Test Menggunakan Minitab 16.................................II-91
Gambar 2.33 hi-Square Test Menggunakan Minitab 16....................................II-92
Gambar 2.35 Korelasi Pearson Menggunakan Minitab 18..............................II-100
Gambar 2.36 Histogram Uji T.........................................................................II-107
Gambar 2.37 Grafik Normal P-P Plot Uji T....................................................II-107
Gambar 3.38 Uji Regression Equation.............................................................II-108
Gambar 2.39 Grafik Histogram........................................................................II-132
Gambar 2.40 Grafik Normal Probability Plot.................................................II-134
Gambar 4.1 Objek Penelitian Pratikum........................................................IV-115
Gambar 5.1 Pie Chart Karakteristik Responden Berdasarkan
Jenis Kelamin..............................................................................V-153
Usia............................................................................................V-154
Tinggi Badan...............................................................................V-155
xiii
Berat Badan................................................................................V-156
Pekerjaan....................................................................................V-157
Gambar 5.6 Grafik Distribusi Frekuensi Berat Badan ..................................V-159
Gambar 5.7 Kurva Distribusi Frekuensi Berat Badan...................................V-160
Gambar 5.8 Poligon Distribusi Frekuensi Berat Badan.................................V-160
Gambar 5.9 Grafik Pie Chart untuk berat badan...........................................V-171
Gambar 5.10 Grafik Histogram untuk berat badan..........................................V-171
Gambar 5.11 Analisis Berat Badan Responden Menggunakan
Software SPSS 20.....................................................................V-186
Gambar 5.12 Variabel View Distribusi Binomial Peluang
Terambilnya Saampel Golongan Darah A................................V-186
Gambar 5.13 Data View Distribusi Binomial Peluang
Terambilnya Sampel Golongan Darah A..................................V-186
Terambilnya Sampel Golongan Darah B...................................V-187
Terambilnya Sampel Golongan Darah AB...............................V-187
Terambilnya Sampel Golongan Darah AB................................V-188
Terambilnya Sampel Golongan Darah O...................................V-188
Terambilnya Sampel Golongan Darah O..................................V-188
Gambar 5.20 Variabel View Distribusi Hipergeometrik Peluang
Terambilnya Sampel Golongan Darah A...................................V-189
Gambar 5.21 Data View Distribusi Hipergeometrik Peluang
Terambilnya Sampel Golongan Darah A...................................V-189
Terambilnya Sampel Golongan Darah O..................................V-191
Gambar 5.28 Variabel View Distribusi Normal Peluang Terambilnya Sampel
Golongan Darah A.....................................................................V-191
Gambar 5.29 Data View Distribusi Normal Peluang
Terambilnya Sampel Golongan Darah A..................................V-192
Gambar 5.30 Variabel View Distribusi Normal Peluang
xiv
Gambar 5.33 Data View Distribusi Normal Peluang
Terambilnya Sampel Golongan Darah AB.................................V-13
Gambar 5.35 Data Variabel View Distribusi Normal Peluang
Gambar 5.36 One-Sample Kolmogrov-Smirnov Test.......................................V-215
Gambar 5.37 Hasil Uji Regresi Menggunakan Minitab 18............................V-224
xv
I BAB I
PENDAHULUAN
1.1 Latar Belakang

Indonesia merupakan salah satu negara yang memiliki sisi geografisnya
dikenal sebagai negara kepulauan, sehingga secara alamiah yang telah membentuk
keanekaragaman sisi alam, manusia dan berbudaya dari masing-masing daerah
yang ada di Indonesia. Keanekaragaman yang dimiliki bangsa Indonesia, ditinjau
dari sisi parawisata merupakan aset yang patut dibanggakan karena tidak dimiliki
oleh negara-negara lain didunia. Potensi parawisata yang ada di Indonesia secara
garis besar hampir mencakup segala jenis wisata yang dapat ditawarkan kepada
pengujung seperti wisata alam, budaya dan berbagai wisata lainnya.
Sektor pariwisata telah menampilkan perannya dengan nyata dalam
memberikan kontribusinya terhadap kehidupan ekonomi, sosial dan budaya
bangsa. Menurut Yoeti (2008) program pemerintah berkeinginan
mengembangkan pariwisata sebagai suatu industri dengan tujuan untuk
mempercepat proses peningkatan kesempatan berusaha, kesempatan bekerja,
peningkatan pemerataan pendapatan masyarakat, terutama bagi mereka yang
berusaha dalam sektor industri. Berdarkan pandangan yang telah dipaparkan tepat
jika salah satu wisata di Aceh yaitu Pulau Weh Sabang sebagai salah satu tempat
tujuan wisata.
Dalam penelitian ini dilakukan penarikan sampel dengan menggunakan
metode non random sampling (non probability sampling). Teknik non random
sampling ini tidak dipilih secara acak. Tidak semua unsur atau elemen populasi
mempunyai kesempatan yang sama untuk bisa dipilih menjadi sampel. Dari hal
tersebut maka dilakukan penelitian menegenai “Analisis Pengaruh Citra Destinasi,
Kualitas Pelayanan, dan Harga Terhadap Kepuasan Wisatawan Pulau Weh
Sabang”. Menggunkan data kuesioner dari variabel dependen dan independen.
Variabel independennya adalah citra destinasi, kualitas pelayanan petugas dan
harga. Sedangkan variabel dependennya adalah kepuasan wisatawan. Jumlah
responden dalam penelitian ini adalah 75 responden.
2
Statistika deskriptif berfungsi sebagai menerangkan keadaan, gejala, atau

persoalan. Statistika deskriptif sering disebut sebagai statistika dedukatif yang
membahas tentang bagaimana merangkum sekumpulan data dalam bentuk yang
mudah dibaca dan cepat memberikan informasi, yang di buat dalam bentuk tabel,
grafik, nilai pemusatan dan nilai penyebaran. Distribusi probabilitas/peluang
merupakan tabel, grafik atau rumus yang memberikan nilai peluang dari sebuah
peubah/variabel acak. Berdasarkan karakteristik peubah acaknya,distribusi
probabilitas/peluang dapat dibedakan menjadi 2, yaitu distribusi peluang diskrit
dan distribusi peluang kontinyu. Probabilitas dinyatakan dalam bentuk pecahan
dari 0 sampai 1. Dalam pengumpulan data karakteristik responden yang diambil
berdasarkan jenis kelamin, umur, tinggi badan, berat badan, dan pekerjaan
berdasarkan golongan darah A, B, AB dan O
Validitas berasal dari kata validity yang artiya sejauh mana ketepatan dan
kecermatan suatu alat ukur dlam melakukan fungsi ukurannya (Azwar 1986).
Menurut Sugiharto dan Sitinjak (2006), validitas berhubungan dengan suatu
perubahan mengukur apa yang harus diukur. Uji validitas digunakan untuk
mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan
valid jika pertanyaan pada suatu kuesioner mampu untuk mengungkapkan sesuatu
yang akan diukur oleh kuesioner tersebut. Indikator pengukuran yang dimaksud
merupakan pernyataan pada kueisioner yang berasal dari variabel teramati dimana
variabel tersebut berasal dari variabel laten. Suatu instrumen pengukuran
dikatakan valid apabila nilai pearson correlation berada pada nilai -1 < r < 1, dan
juga memiliki nilai Sig.(2-tailed)<0.025, artinya nilai dari probabilitasnya adalah
0,05, namun karena pengujian dilakukan dalam dua sisi (2 tailed) sehingga nilai
probabilitasnya 0,025 (Santoso, 2014).
Sedangkan reliabilitas berasal dari kata reliability. Pengujian reliabilitas
yang dilakukan, bertujuan untuk mengukur sejauh mana setiap indikator
pengukuran pada kueisioner yang digunakan menunjukkan suatu konsistensi
didalam mengukur. Artinya setiap jawaban responden yang satu dengan yang
lainnya terhadap pertanyaan pada kueisioner adalah konsisten atau stabil dari
waktu ke waktu (Sugiyono, 2004). Suatu indikator pengukuran dikatakan reliabel
apabila indikator tersebut memiliki nilai Cronbach’s Alpha>0,6. (Hair et al.,
3
2006). Menurut Sekaran (2006) secara umum reliabel yang kurang dari 0.6
dianggap buruk, reliabel dalam kisaran 0.7 bisa diterima dan jika lebih dari 0.8
dianggap baik.
Dalam upaya menarik kesimpulan dan mengambil keputusan, sering kali
ada gunanya menetapkan asumsasumsi atau perkiraan-perkiraan mengenai
populasi. Asumsasumsi seperti itu (yang mungkin salah atau yang mungkin benar)
disebut sebagai hipotesis statistik. Secara umum, suatu hipotesis statistik
merupakan pernyataan mengenai distriusi probabilitas populasi (Harinaldi, 2005).
Hipotesis ini perlu diuji untuk kemudian diterima atau ditolak. Dengan
menggunakan uji hipotesis, peneliti dapat menguji berbagai teori yang
berhubungan dengan masalah-masalah yang sedang diteliti. Contoh suatu
hipotesis adalah penerapan sistem baru dalam suatu perusahaan telah
meningkatkan laju produksi lebih dari 10%. Kebenaran atau ketidakbenaran suatu
hipotesis tersebut dapat diketahui dengan pasti jika seluruh populasi diamati
(memeriksa seluruh populasi).
1.2 Perumusan Masalah

Adapun rumusan masalah yang terdapat pada penelitian ini ialah sebagai
berikut :
1. Bagaimana cara pengambilan sampel yang tepat dengan teknik yang ada?
2. Variable dan indikator apa saja yang digunakan dalam penelitian?
3. Karakteristik apa saja yang digunakan dalam menilai responden?
4. Bagaimana cara mengolah data dengan menggunakan teknik yang ada?
5. Bagaimana penilaian berdasarkan tingkat kepuasan wisatawan yang
berkenjung?
6. Apa saja karakteristik respodennya?
7. Bagaimana data karakteristik reponden untuk pengambilan golongan
darah?
8. Bagaimana pengolahan data statistik deskriptif?
9. Bagaimana pengolahan data ditribusi peluang diskrit?
10. Bagaimana cara pengolahan data responden dalam pengujian validitas
dan reliabilitas?
4
11. Bagaimana mengetahui output data dari SPSS?

12. Bagaimana cara untuk mengetahui hasil valid atau tidaknya dari uji
validitas dan reliabilitas?
13. Bagaimana cara pengolahan data berdasarkan pengujian asumsi linear?
14. Bagaimana uji korelasi menggunakan SPSS 20 dan minitab?
15. Bagaimana uji regresi linear berganda dengan SPPS 20 dan minitab?
1.3 Maksud dan Tujuan

Adapun maksud dan tujuan pada penelitian ini sebagai
berikut :Memahami populasi dan pengambilan sampel terhadap apa yang diteliti.
1. Dapat mengukur data dengan menggunakan teknik yang dipakai dalam
penelitian.
2. Mengetahui teknik dan karakteristik yang sesuai dengan penelitian.
3. Mengetahui cara untuk menentukan sampel dengan menggunakan teknik
yang dipakai.
4. Mengetahui tingkat kepuasan wisatawan Pulau Weh Sabang.
5. Memahami apa saja karakteristik respodennya.
6. Memahami data setiap karakteristik responden golongan darah.
7. Memahami pengolahan data statistik deskriptif dan distribusi peluang
diskrit.
8. Mengetahui jumlah responden berdarkan karakteristik responden.
9. Mengetahui data responden dalam pengujian validitas dan reliablitas.
10. Memahami output data dari SPSS.
11. Mengetahui hasil valid atau tidaknya dari uji validitas dan reliabilitas.
12. Memahami cara pengolahan data asumsi linear.
13. Mengetahui uji korelasi menggunkan SPSS 20 dan minitab.
14. Mengetahui uji regresi linear berganda menggunkan SPSS 20 dan
mintab.
15. Dapat mengetahui hasil pengujian hipotesis pada setiap varibel.
1.4 Batasan Masalah

Adapun batasan masalah dalam penelitan ini adalah sebagai berikut :
5
1. Teknik probability sampling digunakan sebagai teknik untuk penarikan

sampel.
2. Variabel dependen yaitu kepuasan wisatawan dan variabel independen
yaitu citra destinasi, kualitas pelayan petugas, dan harga.
3. Objek yang dipilih untuk penelitian yaitu responden yang berkunjung ke
Pulau Weh Sabang.
4. Pengumpulan data responden menggunakan karakteristik kuesioner
tertutup dan skala likert.
5. Jumlah sampel adalah 75 orang.
6. Karakteristik responden yang diambil berdasarkan Jenis kelamin, umur,
berat badan, tinggi badan dan pekerjaan.
7. Pengolahan data dengan Statistik Deskriptif dan Distribusi Probabilitas.
8. Pengolahan data menggunakan SPSS Versi 20
9. Menggunakan SPSS sebagai pengolahan data rekapitulasi kuesioner pada
setiap variabel
10. Jumlah pernyataan sebesar 43 pernyataan dari 4 variabel dan 15 indikator
yang didapatkan dari modul I
11. Hasil uji validitas dan reliabilitas didapatkan dari pengolahan data
menggukan SPSS
12. Menggunakan SPSS dan minitab pada setiap pengolahan data kuesioner.
13. Ukuran sampel sebanyak 75 responden yang didapatkan dari modul I.
14. Data kuesioner yang digunkanan didapatkan dari modul III.
15. Menggunakan metode hipotesis, korelasi dan regresi dalam setiap
pengujiaan.
1.5 Sistematika Penulisan

Adapun sistematika penulisan dalam penulisan laporan adalah sebagai
berikut
BAB I PENDAHULUAN
Pada bab ini berisi tentang latar belakang, perumusan masalah, maksud
dan tujuan, masalah, dan sistematika laporan.
6
BAB II LADASAN TEORI

Bab ini berisi tentang penjelasan atau panduan dalam penyusunan
penelitian seperti rancangan kuesioner dan penarikan sampel, statistik
deskriptif, penguian validitas dan reliabilitas, analisis hubungan natra
varibel dan pengujian hipotesis, serta sebagai panduan dalam penggunaan
software SPSS 20 dan Minitab 18
BAB III METODOLOGI PRATIKUM
Bab ini berisi tentang flowchart kusioner, distribusi peluang dikrit dan
uraiannya,
BAB IV PENGUMPULAN DATA
Bab ini berisi judul dan deskripsi masalah, tipe pernyataan, penentuan
karakteristik responden, rancangan kuesioner, teknik pengambilang
sampel, dan data distribusi peluang dikrit
BAB V PENGOLAHAN DATA
Dalam bab ini berisi tentang pengolahan data rancangan kuesioner,
pengolahan data statistik deskriptif dan distribusi probabilitas, pengolahan
data validitas dan reliabilits, dan pengolahan data hubungan antar variabel
dan pengujan hipotesis
BAB VI ANALISIS
Dalam bab ini berisi tentang analisis pengolahan data rancangan
kuesioner, analisis pengolahan data statistik deskriptif dan distribusi
probabilitas, analisis pengolahan data validitas dan reliabilits, serta
analisisn pengolahan data hubungan antar variabel dan pengujan hipotesis
BAB VII KESIMPULAN DAN SARAN
Dalam bab ini berisi tentang Dalam bab ini berisi tentang pembahasan
tentang berita yang disampaikan pembahasan laporan, serta saran yang
diperlukan untuk keberlangsungan praktikum statistik industri selanjutnya.
II BAB II
LANDASAN TEORI
1.1 Pengenalan SPSS

Sistem pengolahan data yang tadinya dilakukan secara manual,
menggunakan banyak proses dan banyak tenaga didalamnya kini dapat dengan
mudah dilakukan. Salah satu program pengolahan data yang banyak digunakan
baik bagi praktisi yang sedang melakukan riset maupun bagi mahasiswa yang
akan menyelesaikan tugas akhir adalah SPSS (Statistical Product and Service
Solution), yaitu salah satu program pengolahan data statistik yang mempunyai
kemudahan dalam pemakaian, kelengkapan prosedur-prosedur yang tersedia
dan fasilitas grafik yang memadai, sangat membantu dalam menganilisis data.
SPSS menawarkan banyak kemudahan dalam pengoperasiannya
(user friendly), mulai dengan memasukkan data, mengedit, mentransformasi,
menganalisis, menyajikan hasil analisis, dll.
1.1.1 Data
Data dapat dikelompokkan dalam dua tipe utama, yaitu data
kategorikal dan data numerik. Data kategorikal terdiri dari data nominal dan
data ordinal, sedangkan data numerik terdiri dari data interval dan data ratio.
Data nominal hanya sebatas member label pada suatu data. Contoh: data jenis
kelamin (pria dan wanita), pembagian wilayah berdasarkan mata angin (utara,
selatan, barat, dan timur), dll. Sedangkan data ordinal menunjukkan tingkatan
data, namun hanya mengatakan “lebih besar” atau “lebih kecil” tanpa
menjelaskan seberapa besar atau kecil propertinya. Contoh: data pendapat
(sangat setuju, setuju, tidak setuju, sangat tidak setuju), preferensi (sangat suka,
suka, tidak suka, sangat tidak suka), dll.
Data interval memiliki konsep persamaan interval/jarak: pengukuran
waktu (waktu antara 07.00 - 10.00 sama dengan waktu antara jam 08.00 –
11.00), pengukuran suhu (suhu antara 270 – 300 sama dengan suhu antara 280 –
8
310), dll. Nilai nol data interval merupakan arbitrasi. Sedangkan data ratio
mewakili jumlah aktual suatu variabel. Data ini berpatokan pada nilai nol
sebagai tolok ukur. Contoh: pengukuran tinggi, berat, jarak, dll.
Tipe data yang digunakan dalam tabel SPSS Statistik bisa berupa
data kategorikal, data kategorikal dengan kode, data numerik, dan gabungan
data kategorikal dengan data numerik. Berikut contoh tabelnya:
Gambar 2.1 Tabel Data Kategori
Gambar 2.2 Tabel Data Kategori dengan Kode pada Kolom Penjualan
Gambar 2.3 Tabel Data Numerik
Gambar 2.4 Tabel Data Gabungan Kategorikal-Numerik

9
1.1.1.1 Membangun Data

Berikut ini langkah-langkah untuk membangun data menggunakan
IBM SPSS Statistic 20.
1) Mengaktifkan IBM SPSS Statistic 20 dengan meng-klik icon IBM
SPSS Statistic 20 yang terdapat di desktop sehingga muncul kotak
dialog IBM SPSS Statistic 20 (aktif).
2) Pilih Open an existing data source jika telah membangun file data
dalam format sav (format SPSS) atau tekan tombol Cancel atau
tanda silang (penutup window) dipojok kanan atas untuk mulai
membangun file data baru sekaligus mengaktifkan IBM SPSS
Statistic Data Editor. IBM SPSS Statistic Data Editor merupakan
lingkungan tempat dimana kita bekerja.
1.1.1.1.1 Bekerja Pada Variable View

Variable view memiliki 11 kolom, yaitu Name, Type, Width,
Decimals, Label, Values, Missing, Columns, Align, Measure, dan Role. Kolom-
kolom tersebut harus ditetapkan terlebih dahulu.
Berikut tahapan membuat variable view dengan data produksi panen
seperti pada Gambar 2.4:
1) Klik Variable View
2) Pada kolom Name, tulis provinsi pada baris pertama, tulis
luas_panen pada baris kedua, tulis produktivitas pada bris ketiga,
tulis produksi pada baris keempat dan tulis area pada baris kelima
3) Pada kolom Type tetapkan jenis data. Ada delapan jenis. Tujuh jenis
merupakan angka (Numeric, Comma, Dot, Scientific notation, Date,
Dollar, Custom currency, dan Restricted Numeric). Dan satu jenis
non-angka (String).
4) Tetapkan tipe String untuk provinsi, Numeric untuk luas_panen,
Numeric
untuk produktivitas, Numeric untuk produksi, dan String untuk area.
5) Pada kolom Width tetapkan lebar kolom. Nilai default lebar kolom
adalah 8.
6) Pada kolom Decimals, tetapkan jumlah digit setelah koma.
10
7) Pada kolom Label beri penjelasan variabel-variabel yang telah

ditetapkan pada kolom Name. Label akan muncul dalam kotak
dialog apabila akan dilakukan analisis lebih lanjut.
8) Name-Label: luas_panen-luas panen, produktivitas-produktivitas,
produks produksi, dan area-wilayah.
9) Pada kolom value, masukkan kode berupa angka pada data nominal
atau ordinal. Contoh, klik sel pada kolom Value dengan baris Area
sehingga kotak dialog Values Labels muncul. Ketik 1 pada kotak
Values dan ketik Sumatera pada Label kemudian tekan tombol Add.
Dengan cara yang sama, beri kode untuk Area. Setelah selesai tekan
tombol OK.
10) Pada kolom Missing, beri kode khusus data sebagai user missing.
Pada contoh kali ini tidak dilakukan missing value.
11) Pada kolom Columns, tetapkan lebar kolom. Fungsi kolom ini sama
dengan fungsi kolom Width.
12) Pada koom Align, tetapkan posisi data pada sel.
13) Pada kolom Measure, tetapkan tipe data.
14) Pada kolom Role, tetapkan apakah variabel tergolong input, target,
both
(keduanya), none (tidak keduanya), partition dan split.
1.1.1.1.1 Bekerja Pada Data View

Setelah bekerja pada variabel view, kita dapat memasukkan data
pengamatan yang dimiliki. Pindahlah ke tampilan kerja Data View dan isi
masing-masing sel sesuai hasil pengamatan.
2.1.1.1.1.1 Membangun Tabel Lanjutan-Missing Values

Missing values adalah menetapkan kode data sebagai user missing.
Dari data produksi panen Gambar 1.4, Provinsi Sumsel belum melaporkan data
produksinya.
Berikut ini adalah langkah-langkahnya:
1. Aktifkan Variabel View
11
2. Klik sel pada kolom Mising dan baris Luas_Panen sehingga muncul
kotak dialog Missing Values.
3. Pilih Discrete missing values dan ketikkan angka 0.00 pada kolom.
Angka nol (0,00) bukan menunjukkan tidak adanya penjualan, namun
menunjukkan belum ada laporan hasil panen.
4. Klik tombol OK.
5. Lakukan penetapan kode 0.00 sebagai belum ada pelapomn pada
kolom value, tepatnya kolom Value baris Produksi.
6. Klik sel tersebut sehingga kotak dialog values labels muncul. Ketik
0.00 pada Value dan belum ada pelaporan pada Value Label. Tekan
tombol Add dan kemudian klik tombol OK.
7. Aktifkan Data View
8. Ketik 0.00 pada kolom produksi baris 6 (Sumsel). apabila ingin
menampilkan label kode missing value, klik icon Value Labels.
2.1.1.1.3 Menyimpan dan Membuka Data

Setelah memasukkan data secara lengkap, data tersebut perlu disimpan
untuk dianalisis lebih lanjut. Berikut ini langkah-langkah untuk menyimpan data:
1. Klik File → Save pada menu sehingga kotak dialog Save Data As
muncul.
2. Tentukan folder file data pada daftar down Save in.
3. Tuliskan nama file pada File Name.
4. Klik OK.
Data yang telah dibuat dan disimpan sewaktu-waktu dapat dibuka

untuk dianalisis lebih lanjut. Berikut langkah-langkah membuka data:
1. Klik File → Open → Data pada menu sehingga kotak dialog Open
File akan muncul.
2. Cari folder file data pada daftar drop down Look in.
3. Klik pada file data pada kotak atau klik file data kemudian klik Open
sehingga data yang telah disimpan akan muncul.
12
SPSS dapat membuka file data dengtan format lain. Jadi jangan
khawatir apabila terlanjur membangun file data dengan format lain, seperti Excel
(*.xls) dan Access (*.dbf). Berikut ini langkah-langkah mentransfer data Excel ke
SPSS:
1. Klik File → Open → Data pada menu sehingga kotak dialog Open
File muncul.
2. Klik File of type di combo box sehingga muncul daftar berikut.
3. Pilih format yang sesuai, misalnya Excel 2010 (*.xlxs).
4. Cari folder file data Excel pada daftar drop down Look in.
5. Klik ganda file data pada kotak atau klik Open sehingga kotak dialog
Opening Excel Data Source muncul.
6. Tanda cek akan aktif secara default. Tanda cek Read Variable from the
first row of data aktif dimaksudkan supaya nama variabel yang
terdapat pada baris pertama file data excel tidak dianggap sebagai data,
namun diperlakukan sebagai variabel.
7. Klik OK.
Selain dalam format excel, SPSS juga mampu membuka file dalam
bentuk Access. Berikut adalah langkah-langkah file data Access ke SPSS :
1. Klik File → Open Database → New Query pada menu sehingga
Database Wizards akan muncul.
2. Pada kotak, pilih MS Access Database.
3. Klik Next sehingga muncul kotak dialog ODBD Driver Login.
4. Klik Browser sehingga kotak dialog Open File muncul. Klik ganda file
data Access yang dimiliki sehingga kembali ke kotak dialog ODBC
Driver Login dengan menyertakan alamat file data Access pada kotak
Database.
5. Klik OK sehingga kotak dialog Select Data Wizard muncul.
6. Pilih field dalam Available Tables yang akan ditransfer ke SPSS
dengan mendrag field tersebut ke Retrieve Fields in this Order.
7. Klik Finish.
13
2.1.1.1.4 Memodifikasi Data

Modifikasi data yang akan dipelajari dalam SPSS terdiri dari
menyisipkan data, menyisipkan variabel, dan menggabungkan file. Selain itu akan
dipelajari pula teknik modifikasi lanjutan dengan menggunakan metode short,
select cases, dan metode agregat data.
2.1.1.1.6 Memodifikasi Data Lanjutan

Pengelompokan data sangat penting untuk memberi gambaran data
sehingga dihasilkan informasi tertentu. Beberapa metode yang dapat digunakan
untuk mendapatkan informasi tersebut adalah Metode Sort Casa, Select Cases
dan Agregat Data.
Metode Sort Cases mengelompokkan data dengan memilih variabel
tertentu (numeric) dan mengurutkannya baik secara urutan terbesar ke terkecil
(descending) maupun dari urutan terkecil ke urutan terbesar (ascending). Berikut
adalah langkah langkahnya:
1. Klik Data → Sort cases pada toolbar sehingga muncul kotak dialog
Sort Cases.
2. Masukkan variable semester 1 ke kontak Sort by dengan menekan
tombol panah.
3. Pada sort order, pilih Ascending untuk mengurutkan tingkat penjualan
dari yang terkecil ke yang terbesar.
4. Klik OK sehingga diperoleh hasil sebagai berikut.
Berikut ini merupakan gambar hasil Sort Case adalah sebagai berikut.
Gambar 2.5 Hasil Sort Cases - Ascending

14
Perhatikan kolom Luas panen. Nilai pada kolom adalah urut, dari yang
terkecil hingga terbesar. Metode Select Cases mengelompokkan data dengan
kriteria yang ditetapkan. Berikut adalah langkah langkahnya:
1. Klik Data → Select Access pada toolbar sehingga muncul kotak
dialog Select Cases.
2. Pilih if Condition is satisfied dan tekan tombol If sehingga kotak dialog
Select Cases If muncul.
3. Pindahkan variabel Hasil panen dengan menekan tombol panah
sehingga muncul tulisan Hasil panen pada kotak. Lengkapi tulisan
tesebut menjadi Hasilpanen>l3000.
4. Klik Continue sehingga kembali ke kotak dialog Select Cases
5. Klik OK sehingga diperoleh hasil seperti berikut.
Berikut ini merupakan gambar hasil dari select cases
Gambar 2.6 Hasil Select Cases
Tabel akan bertambah satu variabel dengan nama filter_$ yang terletak
dipojok kanan. Kolom tersebut menginformasikan mana penjual yang memilki
hasil panen lebih dari Rp 13.000 dengan nilai selected dan yang tidak mencapai
dengan nilai Not selected.
Metode Agregat Data mengelompokkan keseluruhan data dengan

fungsi tertentu. Berikut adalah langkah langkahnya:
1. Klik Data → Agregate pada toolbar sehingga muncul kotak dialog
Agregate Data.
2. Masukkan variabel penggolongan pada kolom Break Variable(s) dan
masukkan variabel yang akan dibuat ringkasan statistiknya pada kolom
Summaries of Variable(s).
15
3. Untuk mengetahui fungsi yang ditetapkan, tekan tombol Function

sehingga kotak dialog Agregate Data: Agregate Function muncul.
4. Summary Statistics: Mean merupakan nilai default.
5. Klik Continue sehingga kembali ke kotak dialog Agregate Variable.
6. Klik OK sehingga diperoleh hasil sebagai berikut:
Berikut ini merupakan gambar hasil aggregate data adalah sebagai
berikut.
Gambar 2.7 Hasil Agregate Data
2.1.1.1.7 Transformasi Data

Transformasi data berguna untuk membuat variabel baru dengan basis
variabel untuk keperluan tertentu. Data yang dipakai adalah data penjualan.
2.1.1.1.7.1 Compute
Compute berguna untuk membuat variabel baru berbasis variabel lama
dengan formula tertentu. Contoh membuat variabel baru dengan nama insentif
yang dibuat berbasiskan variabel semester 2 dengan formula tertentu. Variabel
insentif memiliki ketentuan sebagai berikut:
1. Formula insentif 0.02 dari semester 2.
2. Berhak memperoleh insentif jika semester 2 lebih besar sama dengan
9000000.
Berikut ini langkah langkah pembuatan variabel insentif (dengan

terlebih dahulu membuka (file data penjualan).
1. Klik Transform → Compute Variable pada menu sehingga muncul
kotak dialog compute variable.
16
2. Pada kotak Target Variable, masukkan nama variabel yang akan

dibuat, insentif. Pada kotak Numeric Expression, tulis format insentif,
Produksi*0.02.
3. Klik If sehingga muncul kotak dialog Compute Variabel If Cases untuk
mendefinisikan prasyarat, Produksi>=4500.
4. Klik Continue sehingga kembali ke kotak dialog Compute Variable.
5. Klik OK sehingga muncul hasilnya sebagai berikut :
Berikut merupakan gambar variable insentif hasil computer dari
variable penjualan_smt2.
Gambar 2.8 Variabel Insentif Hasil Computer dari Variable Penjualan _Smt2
2.1.1.1.7.2 Count
Count berguna untuk membuat variabel yang baru yang menghitung
seberapa banyak case yang sesuai dengan kriteria yang telah ditetapkan. Contoh
pada data penjualan akan dibuat variable baru, girlsbstsell, yang menghitung
banyaknya sales perempuan dengan kriteria Tkjual > 1000000. Berikut adalah
langkah-langkah pembuatan variable girlsbestsell setelah file data dibuka :
1. Klik Transfom → Count Value within cases pada menu sehingga
muncul kotak dialog count.
2. Pada kotak Target Variable, masukkan nama variabel yang akan
dibuat, yaitu girlsbestsell. Pada kotak Target Label, tulis penjual
terbaik wanita. Pada kotak Numeric Variables masukkan variabel
jns_kelamin.
3. Klik Define Values untuk menentukan nilai.
17
4. Pilih Values, tulis angka 2 dan klik Add sehingga angka 2 muncul di
values to count. Ingat nilai 2 pada jenis kelamin adalah wanita.
5. Klik Continue sehingga kembali ke kotak dialog count.
6. Klik of sehingga muncul kotak dialog Count If cases untuk
mendefinisikan prasyarat.
7. Klik Continue sehingga kembali ke kotak dialog count.
8. Klik OK sehingga muncul hasil sebagai berikut.
Berikut ini merupakan gambar variable girsbestell hasil count adalah

sebagai berikut.
Gambar 2.9 Variabel Girsbestsell Hasil Count
2.1.1.2 Grafik dan Tabel

Tabel dan grafik berperan dalam pengorganisasian data sehingga
apabila data tersebut disajikan maka akan menghasilkan informasi yang lebih
bermakna. Dengan bantuan tabel dan grafik, maka orang akan lebih mudah
memahami data dan informasi yang terkandung di dalamnya.
2.1.1.2.1 Membangun Grafik

SPSS memiliki 3 fasilitas dalam membangun grafik yaitu melalui
legacy dialog, Chart Bulder, dan Graph Board Chooser.
2.1.1.2.1.1 Membangun Grafik Melalui Legacy Dialog

Fasilitas legacy dialog memiliki 11 flmgsi pembangunan grafik yaitu
Bar, 3D Bar, Line, Area, heigh-low, boxpot. enor bar, population pyramid,
Scatter dan Histogram.
18
Pada Praktikum ini akan digunakan data penjualan kendaraan sebagai

contoh.
Berikut ini merupakan gambar penjualan kendaraan adalah sebagai
berikut.
Gambar 2.10 Data Penjualan Kendaraan.
Kita dapat melakukan berbagai analisis penjualan kendaraan dengan

berbagai tampilan grafik. Grafik yang umum digunakan adalah batang dan garis.
Jika ingin meringkas data dari kelompok case tertentu, berikut adalah langkah
langkahnya:
1. Klik graph → legacy dialogs kemudian pilih salah satu bentuk grafik :
Bar atau Line. Kemudian akan muncul kotak dialog dengan nama tipe
grafik yang dipilih
2. Pilih simple dan summaries for groups of cases.
3. Klik define sehingga muncul kotak dialog define simple bar
4. Masukkan variabel Area Penjualan pada kotak Category Axis dan Tipe
Kendaraan pada kotak Row.
5. Pilih other statistics pada Bars Represent sehingga kotak variabel
menjadi aktif. Masukkan variabel penjualan 3 sebagai representasi bar.
Nilai default Statistic adalah Mean. Ubahlah nilai default tersebut
menjadi Sum of Values dengan menekan tombol Change Statistic
sehingga keluar kotak dialog Statistic, kemudian pilih Sum of Values.
19
6. Klik Continue sehingga kembali ke kotak dialog define simple

7. Klik OK.
Berikut ini merupakan gambar hasil ringkasan total penjualan adalah

sebagai berikut.
Gambar 2.11 Hasil Ringkasan Total Penjualan
Tidak hanya variabel penjualan saja yang dapat dianalisis,

perbandingan ketiga penjualan dalam satu tampilan dengan menggunakan tipe
20
barang Clustered atau tipe garis Multiple dengan metode penggolongan data
Summaries For separate variables juga dapat dilakukan. Berikut adalah langkah
langkahnya:
1. Klik graphs → legacy dialogs → bar (grafik batang) atau Line (grafik
garis).
2. Pilih clustered (untuk grafik batang) atau multiple (untuk grafik garis).
Pilih summaries of separate variables.
3. Klik define sehingga kotak dialog define terkait muncul.
4. Masukkan variabel penjualan 1, 2 dan 3 pada kotak Bars Represent
(perhitungan statistik memakai nilai default mean) ubah ke total (sum
of values), kemudian masukkan variabel area penjualan ke kotak
Category Axis. Pada bagian panel by, masukkan variabel tipe
kendaraan dan kategori harga pada kotak row.
5. Klik OK.
Berikut adalah gambar grafik perbandingan penjualan bar/line
Gambar 2.12 Grafik Perbandingan Penjualan (Bar/Line)
2.1.1.2.1.2 Membangun Grafik Melalui Chart Builder

Chart Builder membangun grafik melalui gallery chart atau
pembagian individual. Lakukan drag & drop pada Canvas. Canvas merupakan
21
area pada kotak dialog Chart Builder, tempat membangun grafik. Berikut adalah
langkah-langkah pembuatannya:
1. Klik Graphs → Chart Builder sehingga kotak dialog Chart Builder
muncul.
2. Selanjutnya isi variabel-variabel pada Canvas. Pada Y-Axis, masukkan
variabel Panen 01, 02 dan 03. Ubah nilai default Mean menjadi Sum
melalui kotak dialog Element Properties.
3. Pada X-Axis, masukkan variabel Area penjualan. Pada Z-Axis,
masukkan variabel Area.
4. Klik OK.
2.1.1.2.1.2 Membangun Grafik Melalui Template Chooser

Jika ingin menggunakan berbagai template grafik yang disediakan
SPSS 20 dalam membangun grafik, kita dapat menggunakan fasilitas Graphboard
Template Chooser. Contoh: menggunakan template histogram dengan distribusi
normal untuk variabel Penjualan 03.
Berikut ini adalah langkah-langkah pembuatannya:
1. Klik Graphs → Graphboard Template Chooser sehingga kotak dialog
Graphboard Template Chooser muncul.
2. Aktifkan variabel Penjualan 03 sehingga macam-macam template
grafik untuk variabel terkait akan muncul.
3. Pilih template Histogram with Normal Distribution
4. Klik OK.
Berikut merupakan hasil grafik histogram dan distribusi binomial

adalah sebagai berikut.
22
Gambar 2.13 Hasil Grafik Histogram dan Distribusi Normal
2.1.1.2.2 Membangun Tabel

Disamping fasilitas pembuatan grafik, software SPSS 20 juga memiliki
fasilitas untuk membangun tabel yang handal.
2.1.1.2.3 Custom Table

Custom Table membantu untuk memaparkan tabel data secara
fleksibel. Contoh pemaparan jumlah penjualan per area penjualan untuk setiap
tipe kendaraan. Berikut adalah langkah-langkah untuk membangun Custom
Table:
1. Buka input data yang akan dianalisis.
2. Klik Analyze → Tables → Custom Tables sehingga kotak dialog
Custom Table muncul.
3. Aktifkan dan blok variabel Penjualan 01, 02 dan 03, lakukakan drag &
drop pada Columns, lanjutkan dengan cara yang sama untuk variabel
Area Penjualan.
4. Lakukan drag & drop pada Rows untuk variabel Tipe Panen.
5. Klik tombol Layers, lakukan drag & drop variabel Kategori harga
pada kotak Layers.
6. Perhatikan bahwa nilai default statistic adalah Mean. Sehingga ubah kc
Sum untuk mendapatkan gambaran nya. Aktifkan sel Penjualan 01
pada Custom Tables. Pada kotak Define, yang terletak di pojok kiri
23
bawah, pilih N%. Summary Statistics sehingga kotak dialog Summary

Statistic muncul.
7. Keluarkan nilai Mean pada kotak Display kolom Statistics dan
masukkan nilai Sum dengan mengaktifkan tombol panah.
8. Klik tombol Apply to All untuk menerapkan pada seluruh variabel
penjualan.
9. Klik OK sehingga muncul lembar Output SPSS Viewer.
2.2 Pengenalan Minitab

Minitab merupakan salah satu program aplikasi statistika yang banyak
digunakan untuk mempermudah pengolahan data statistik. Keunggulan minitab
adalah dapat digunakan dalam pengolahan data statistika untuk tujuan sosial dan
teknik. Minitab telah diakui sebagai program statistika yang sangat kuat dengan
tingkat akurasi taksiran statistik yang tinggi.
Minitab menyediakan beberapa pengolahan data untuk melakukan
analisis regresi, membuat ANOVA, membuat alat-alat pengendalian kualitas
statistika, membuat desain eksperimen (factorial, response swface dan taguchi),
membuat peramalan dengan analisis time series, analisis reabilitas dan analisis
multivariate, serta menganalisis data kualitatif dengan menggunakan
crosstabulazion.
2.2.1 Memulai Minitab

Pada praktikum ini digunakan Minitab 16, dan tidak terdapat
perbedaan mendasar antar versi minitab. Klik icon Minitab pada dekstop maka
akan muncul tampilan sebagai berikut:
Berikut ini merupakan gambar memulai Minitab adalah sebagai
berikut.
24
Gambar 2.14 memulai Minitab

Ada 3 bagian utama pada halaman tersebut, yaitu menu toolbars,
sessionwindow dan datawindow. Data window merupakan lembaran kerja
(worksheet) yang dibangun oleh baris dan kolom dan berfungsi untuk
memasukkan data. Dalam satu file dapat terdiri dari beberapa worksheet. Session
window berfungsi untuk menampilkan hasil analisis.
2.2.2 Memasukkan Menginput Data

Secara normal, kolom pada minitab diberi nama Cl , C2, dan
seterusnya. Jika diperlukan kita bisa menambah nama kolom dibawahnya dengan
cara double klik sel di bawah kolom, kemudian ketik nama yang dikehendaki;
Selanjutnya nilai data dimasukkan pada sel-sel mulai baris pertama dana
seterusnya dibawah kolom yang sesuai.
Sebagai contoh, suatu percobaan ingin mengetahui apakah ada
perbedaan Nomor sepatu pada siswa kelas 1,2 dan 3. Untuk membuktikan
pernyataan tersebut dilakukan percobaan dengan rancangan random lengkap satu
faktor dengan 3 level (3 kelas) dan 5 ulangan. Misalkan data hasil pengamatan
telah dientri ke worksheet.
Berikut ini merupakan gambar worksheet minitab adalah sebagai
berikut.
25
Gambar 2.15 Worksheet Minitab
Pada worksheet di atas, kolom C1 telah ditambah namanya dengan

Kelas dan kolom C2 ditambah dcngan Nomor sepatu. Kode 1.2 dan 2 pada kolom
kelas menyatakan kode untuk urutan kelas Kode 1.2 dan 3 masing-masing diulang
5 kali, yang berarti ulangan eksperimen adalah 5. Nilanilai dibawah kolom nomor
sepatu merupakan nilai pengamatan yang berkaitan dengan urutan kelas.
Untuk menyimpan worksheet yang sedang dikerjakan, berikut ini
langkah-langkahnya:
1. Klik File → Save Project.
2. Tentukan direktori dimana file akan disimpan, lalu beri nama file.
3. Klik Save.
2.2.3 Menyimpan dan Membuka Worksheet

Berikut cara menyimpan data yang dimasukkan agar tidak hilang
adalah:
1. Pilih File → Save Current Worksheet As.
2. Pada kolom File Name ketikan nama file, contoh Nuclear.
3. Selanjutnya, klik Save.
4. Sebagai pengguna Minitab perlu mengingat bahwa dalam menu File,
Minitab menyediakan 3 perintah untuk menyimpan, yaitu perintah
26
pertama untuk menyimpan semua project (windowsession, worksheet,

project manager dan graph), kedua hanya untuk menyimpan
worksheet, dan terakhir hanya untuk menyimpan grafik. Jika ingin
menyimpan suatu file dalam window tertentu, pastikan window nya
sedang aktif sehingga dalam menu file, perintah print akan diikuti
nama.
Membuka file: P
Klik File→ Open roject.
1. Tentukan direktori dimana file berada, lalu pilih file
2. Klik Open.
2.2.4 Membuat Grafik Boxplot dan Dotplot

Jenis grafik yang dapat dihasilkan dengan Minitab bisa dilihat pada
menu toolbar Graph. Data yang telah diterima pada bagian sebelumnya akan
digunakan untuk membuat grafik. Dalam rancangan percobaan, grafik yang sangat
membantu untuk evaluasi awal pengaruh perlakuan jenis boxplot dan dotplot.
1. Langkah-langkah membuat grafik boxplot/dotplot:
2. Pastikan data telah siap.
3. Klik Graph lalu pilih Boxplotot atau Dotplot
4. Klik With Groups untuk membuat boxplot setiap level perlakukan,
kemudian klik OK.
5. Pastikan pointer berada di dalam kota Graph variables, lalu double
klik C2 nomor sepatu.
6. Pastikan pointer berada di dalam kota Categorical variables for
grouping, double klik C1 kelas.
7. Klik OK dan dihasilkan diagram boxplot berikut.
27
Gambar 2.16 Membuat Grafik Boxplot
Berikut ini merupakan gambar grafik boxplot
Gambar 2.17 Membuat Grafik Boxplot
NB Grafik yang dihasilkan Minitab dapat disalin ke dalam pengolah

kata dengan klik kanan malik tersebut kemudian klik Copy Graph
1.2 Kusioner dan Penarikan Sampel

Adapun penjelesan dari kuisioner dan penarikan adalah sebagai berikut
2.3.1 Kuesioner
Kualitas data penelitian tergantung pada kualitas instrumen serta
kualitas teknik pengambilan datanya, Sekaran (2000). Lebih lanjut dinyatakan
bahwa kualitas instrumen penelitian tergantung pada validitas dan realiabilitas
instrumen penelitian. Teknik pengumpulan data berhubungan dengan penyusunan
studi penelitian, jenis sumber data serta cara pengumpulan data. Cara
pengumpulan data dapat dilakukan melalui tiga cara yaitu: wawancara, observasi
28
dan penyebaran kuesioner kepada responden penelitian. Jenis data meliputi data
primer dan data sekunder, lebih mudah mempertanggungjawabkan data sekunder
dibandingkan dengan data primer.
Survei merupakan alternatif metode komunikasi dengan mengajukan
pertanyaan pada responden dan merekam jawabannya untuk dianalisis lebih lanjut
(Cooper dan Emory,l995). Permasalahan dalam teknik survei Iebih terkait dengan
pembuatan kuesionernya karena berhubungan langsung dengan daya tanggap
responden. Di sisi lain perlu upaya tertentu dalam rangka memberikan
pemahaman kepada responden sehingga responden mau menjawab dan
menyelesaikan kuesioner.
2.3.1.1 Pengertian Kuesioner

Kuesioner merupakan alat pengumpulan data primer dengan metode
survei untuk memperoleh opini responden. Kuesioner dapat digunakan untuk
memperoleh informasi pribadi misalnya sikap, opini, harapan dan keinginan
responden. Idealnya semua responden mau mengisi atau lebih tepatnya memiliki
motivasi untuk menyelesaiakan pertanyaan ataupun pernyataan yang ada pada
kuesioner penelitian. Apabila tingkat respon (respon rate) diharapkan 100%.
Peneliti harus merancang bentuk kuesionernya, yaitu pertanyaan yang
sifatnya terbuka atau tertutup. Pertanyaan terbuka memungkinkan responden
menjawab bebas dan seluas-luasnya terhadap pertanyaan namun dalam pertanyaan
tertutup, responden hanya diberi kesempatan memilih jawaban yang tersedia.
Pertanyaan tertutup akan mengurangi variabilitas tanggapan responden sehingga
memudahkan analisisnya. Pilihan jawaban yang diberikan dapat berupa pilihan
dikotomis sampai dengan pertanyaan pilihan ganda yang memungkinkan gradasi
preferensi responden.
2.3.1.2 Variabel Kuesioner

Variabel penelitian pada ilmu sosial harus ditentukan oleh peneliti,
yang jumlahnya tergantung pada kedalaman dan luas tidaknya penelitian. Variabel
merupakan satuan terkecil objek penelitian (Noeng Muhajir: 1998), lebih lanjut
dinyatakan bahwa peneliti dapat mengeliminasi variabel melalui eliminasi phisik,
29
eliminasi dengan kontrol serta eliminasi statistik. Sedangkan Lerbin Aritonang

(2011) berpendapat bahwa variabel merupakan sesuatu yang memiliki atribut
yang bervariasi dan atribut itu dinyatakan dalam bentuk angka atau bilangan.
Jumlah variabel penelitian menentukan jumlah instrumennya, apabila
terdapat tiga variabel penelitian maka dibuat pula tiga instrumen penelitian.
Misalnya variabel kualitas produk, kepuasan konsumen dan variabel loyalitas
konsumen maka perlu dibuat tiga instrumen penelitian untuk mengukur ketiga
variabel tersebut. Dengan demikian diperlukan instrumen untuk mengukur
kualitas produk, instrument untuk mengukur kepuasan serta instrument untuk
mengukur loyalitas konsumen.
Variabel pada ilmu sosial dibuat sesuai konsep yang mendasarinya.
Kadang-kadang sesuatu konsep belum dapat diukur maka menjadi tugas si peneliti
untuk menguraikannya sehingga menjadi sesuatu konsep yang terukur. Konsep
yang terukur berarti sudah menunjukkan variasi nilai. Konsep yang sudah mampu
menunjukkan berbagai variasi nilai dapat dianggap sebagai variabel.
Pada tahap ini peneliti berwenang untuk membentuk konsep, yang
kemudian dioperasionalkan dan diukur berdasarkan dimensdimensi (indikator)
tertentu. Dengan demikian variabel penelitian dibentuk berdasar kerangka pikir
ilmiah, artinya baik secara teoritis maupun empiris dapat diterima secara logis.
Jelas bahwa variabel penelitian sosial bukan merupakan hasil kegiatan asal-asalan
melainkan berdasarkan kerangka pikir ilmiah. Diperlukan pemahaman teori serta
pemahaman empiris (misalnya melalui penelitian sebelumnya).
2.3.1.3 Indikator Variabel

Pada penelitian eksakta, pengukuran variabel tidak menimbulkan
masalah misalnya tentang panjang, berat, volume, dan lain-lain. Namun pada
penelitian sosial pengukuran variabel tidak dapat dilakukan sembarangan. Setelah
diperoleh rujukan empiris tentang suatu konsep, atau apabila sudah dapat
ditentukan definisi operasionalnya maka perlu ditentukan indikator atau
dimensinya.
Berdasarkan definisi operasional peneliti mencari indikator yang tepat,
yang sesuai dengan variabel yang seharusnya diukur. Sekaran (2000) memberikan
30
contoh bahwa variabel motivasi untuk berprestasi (achievement motivation) dapat

diobservasi dan diukur berdasarkan lima dimensi sebagai berikut:
1. Digerakkan oleh pekerjaan (driven by work)
2. Tidak mungkin santai (unableto relax)
3. Tidak suka terhadap yang tidak efektif (impatience with inwactivness)
4. Mencari tantangan (seek moderate challange)
5. Mencari umpan balik (seek feedback)
Kelima dimensi tersebut masing-masing akan dicari elemen-elemen
yang mencerminkan atribut dari setiap elemen. Sekaran selanjutnya mengukur ke
lima atribut tersebut, masing-masing ke dalam beberapa elemen pengukuran.
Misalya untuk dimensi pertama, yaitu digerakkan oleh pekerjaan (driven by work)
diuraikan tiga elemen yang mencerminkan perilaku tersebut. Tiga elemen yang
nantinya dipakai sebagai dasar pembuatan pertanyaan atau pernyataan tersebut
meliputi: selalu bekerja (constantly working), enggan beristirahat dari pekerjaan
(very luctant to take time of for anything) dan tetap bertahan dari berbagai
penghalang (persevering despite setbacks).
2.3.1.4 Jenis Kuesioner

Ada 3 jenis pertanyaan dalam kuesiOner, yakni pertanyaan terbuka,
tertutup, dan gabungan tertutup dan terbuka. Pertanyaan dengan jawaban terbuka
adalah pertanyaan yang memberikan kebebasan penuh kepada responden untuk
menjawabnya. Sedangkan pertanyaan dengan jawaban tertutup adalah sebaliknya,
yaitu semua alternatif jawaban responden sudah disediakan. Responden tinggal
memilih alternatif jawaban yang dianggapnya sesuai.
2.3.1.4.1 Kuesioner Dengan Jawaban Tertutup

Salah satu keuntungannya untuk kuesiOner ini adalah sebagai berikut :
1. Jawaban-jawaban bersifat standar dan bisa dibandingkan dengan
jawaban orang lain.
2. Jawaban-jawabannya jauh lebih mudah dikoding dan dianalisis,
bahkan sering secara langsung dapat dikoding dari pertanyaan yang
ada, sehingga hal ini dapat menghemat tenaga dan waktu.
31
3. Responden lebih merasa yakin akan jawaban-jawabannya, terutama

bagi mereka yang sebelumnya tidak yakin.
4. Jawaban-jawaban relatif lebih lengkap karena sudah dipersiapkan
sebelumnya oleh peneliti.
5. Analisis dan formulasinya lebih mudah jika dibandingkan dengan
model kuesioner dengan jawaban terbuka.
Meskipun demikian, ada juga kelemahannya, yakni:

1. Sangat mudah bagi responden untuk menebak setiap jawaban.
meskipun sebetulnya mereka tidak memahami masalahnya.
2. Responden merasa frustrasi dengan sediaan jawaban yang tidak satu
pun yang sesuai dengan keinginannya.
3. Sering terjadi jawaban-jawaban yang terlalu banyak sehingga
membingungkan responden untuk memilihnya
4. Tidak bisa mendeteksi adanya perbedaan pendapat antara reponden
peneliti karena responden hanya disuruh memilih alternatif jawaban
yang tersedia.
2.3.1.4.2 Kuesioner Dengan Jawaban Terbuka

Keuntungannya adalah dapat digunakan apabila semua alternatif
jawaban tidak diketahui oleh peneliti, atau manakala peneliti ingin melihat
bagaimana dan mengapa jawaban responden serta alasan-alasannya. Hal ini sangat
baik untuk menambah pengetahuan peneliti akan masalah yang diutarakannya,
membolehkan responden untuk menjawab sedetil atau serinci mungkin atas apa
yang ditanyakan peneliti. Dalam hal ini pendapat responden dapat diketahui
dengan baik oleh peneliti.
2.3.1.4.3 Kuesioner Dengan Jawaban Tertutup Dan Terbuka

Untuk menjembatani kekurangan-kekurangan seperti tadi, maka sering
digunakan pertanyaan model gabungan antara keduanya. Dengan model tertutup
32
dan tebuka, semua kekurangan seperti tadi bisa diatasi. Misalnya dalam satu
pertanyaan, disamping disediakan alternatif jawaban oleh peneliti, juga perlu
disediakan alternatif terbuka untuk diisi sendiri oleh responden sesuai dengan
pendapatnya secara bebas.
Dalam mengolah data untuk model terakhir ini, bisa dilakukan
Pengelompokan ulang atas semua jawaban responden pada alternatif terbuka tadi.
Atau bisa juga peneliti melihat ulang apakah jawaban responden yang terakhir itu
Sebenarnya sudah termasuk ke dalam salah satu alternatif jawaban yang tersedia.
jika ternyata jawabannya sama dengan salah satu alternative jawaban yang
tersedia namun dalam bahasa yang berbeda, peneliti bisa menganggapnya sebagai
jawaban seperti Pada alternatif yang tersedia tadi.
Dalam menyusun desain penelitian, survei dibuat dengan menurunkan
matriks operasionalisasi ke dalam item pertanyaan. Pertanyaan survei yang baik
dapat menjaring infomasi yang lebih tepat. Berikut adalah circiri pertanyaan
penelitian yang baik:
1. Jelas dan menggunakan bahasa yang sederhana.
2. Padat.
3. Spesifik.
4. Bisa dijawab.
5. Memiliki relevansi dengan responden.
6. Tidak mengglmakan kalimat negative.
7. Hindari menggunakan terminology yang bias.
8. Hindari menanyakan dua hal sekaligus dalam suatu penanyaan.
2.3.1.5 Jenis Skala Kuesioner

Skala kuesioner terdiri dari beberapa jenis yaitu:
2.3.1.5.1 Skala Likert
Skala Likert adalah suatu skala psikometrik yang umum digunakan
dalam kuesioner, dan merupakan skala yang paling banyak digunakan dalam riset
berupa survei. Sewaktu menanggapi pertanyaan dalam skala Likert, responden
menentukan tingkat persetujuan mereka terhadap suatu pernyataan dengan
memilih salah satu dari pilihan yang tersedia. Ada dua bentuk pertanyaan yang
33
menggunakan Likert yaitu pertanyaan positif untuk mengukur minat positif , dan
bentuk pertanyaan negatif untuk mengukur minat negatif. Pertanyaan positif
diberi skor 5, 4, 3, 2, dan 1; sedangkan bentuk pertanyaan negatif diberi skor 1, 2,
3, 4, dan 5. Biasanya disediakan lima pilihan Skala dengan format seperti:
1. Sangat Tidak Setuju (STS)
2. Tidak Setuju (TS)
3. Netral atau Biasa (B)
4. Setuju (S)
5. Sangat setuju (SS)
Penskalaan ini apabila dikaitkan dengan jenis data yang dihasilkan
adalah data Ordinal. Selain pilihan dengan lima skala seperti contoh di atas,
kadang digunakan juga skala dengan tujuh atau sembilan tingkat. Studi empiris
menemukan bahwa beberapa karakteristik statistik hasil kuesioner dengan
berbagai jumlah pilihan tersebut ternyata sangat mirip.
2.3.1.5.2 Skala Guttman

Skala Guttman yaitu skala yang menginginkan jawaban tegas seperti
jawaban benar-salah, ya-tidak, pernah-tidak pemah. Untuk jawaban positif seperti
setuju, benar, pernah dan semacamnya diberi skor 1; sedangkan untuk jawaban
negatif seperti tidak setuju, salah, tidak, tidak pemah, dan semacamnya diberi skor
0. Dengan skala ini, akan diperoleh jawaban yang tegas yaitu Ya-Tidak, Benar -
Salah dan lain-lain. Skala ini dapat pula dibentuk dalam bentuk checklist atau
pilihan ganda. Skor 1 untuk skor tertinggi dan skor 0 untuk terendah.
2.3.1.5.3 Skala Rating

Skala rating adalah data mentah yang diperoleh berupa angka
kemudian ditafsirkan dalam pengertian kualitatif.
Contoh :
Seberapa baik televisi merek X? Berilah jawaban angka :
4 : bila produk sangat baik
3 : bila produk cukup baik
2 : bila produk kurang baik
34
1 : bila produk sangat tidak baik
2.3.1.5.4 Skala Semantik Defferensial

Skala semantik defferensial yaitu skala untuk mengukur sikap dan
lainnya, tetapi bentuknya bukan pilihan ganda atau checklist tetapi tersusun dalam
satu garis kontinum. Skala Semantik defferensial disusun dalam suatu garis
dimana jawaban sangat positif terletak dibagian kanan garis, sedangkan jawaban
sangat negatif terletak dibagian kiri garis atau sebaliknya. Data yang diperoleh
adalah data interval dan biasanya skala ini digunakan untuk mengukur
sikap/karakteristik tertentu yang dipunyai oleh seseorang. Responden dapat
memberi jawaban pada rentang jawaban yang positif sampai dengan negatif.
2.3.1.6 Format Kuesioner

Emory (1995) dalam bukunya Husein Umar (2005) komponen inti
kuesioner menurut Emory, ada 4 komponen inti dari sebuah kuesioner yaitu :
1. Adanya subjek, yaitu individu atau lembaga yang melaksanakan riset.
2. Adanya ajakan, yaitu permohonan dari peneliti kepada responden
untuk turut serta mengisi secara aktif dan obyektif pertanyaan maupun
pernyataan yang tersedia. Dalam kata pengantar, peneliti harus
menjelaskan secara ringkas tujuan dan kegiatan penelitian, serta
harapan atau permintaan yang khusus ditujukan kepada responden.
3. Adanya petunjuk pegisian kuesioner, dimana petunjuk yang tersedia
harus mudah di mengerti.
4. Adanya pertanyaan mauplm pernyataan dan tempat mengisi jawaban,
baik secara tertutup, semi tertutup ataupun terbuka. Dalam membuat
pertanyaan yang berkaitan dengan variabel utama penelitian dan
jangan lupa memberikan isian untuk identitas responden agar peneliti
mengetahui karakteristik biografik, demografik, atau sosial responden
penelitian. Walau pada awalnya hanya sekedar bersifat informatif,
namun seringkali bisa digunakan sebagai bahan analisis.
2.3.1.7 Penyusunan Kuesioner

35
Tantangan dalam pengumpulan data primer terkait dengan motivasi

responden untuk menyelesaikan setiap penanyaan yang ada dalam kuesioner.
Pernyataan atau pertanyaan yang terlalu rumit akan menimbulkan kebingungan
responden. Oleh karena itu ada beberapa hal yang penting diperhatikan dalam
menyusun kuesioner penelitian.
Cara penyusunan kuesioner dapat mengikuti beberapa saran berikut :
1. Kesesuaian antara isi dan tujuan yang ingin dicapai kuesioner.
Indikator variabel sebaiknya dimanfaatkan secara tepat, jangan sampai
terjadi kesalahan dalam pengukuran variabel, Jogiyanto (2005),
Sekaran (2000). Setiap indikator minimal terdapat satu pernyataan
tetapi bila memungkinkan lebih dari satu pernyataan, Suharsimi
(1996).
2. Jumlah indikator atau dimensi cukup untuk mengukur variabel.
Misalnya, Sekaran (2000) memberikan contoh bahwa variabel
motivasi berprestasi (achievement motivation) dapat diobservasi dan
diukur berdasarkan lima dimensi.
3. Skala pada kuesioner. Penggunaan skala pengukuran yang tepat, dalam
hal datanya nominal, ordinal, interval dan ratio lebih disarankan
menggunakan pertanyaan tertutup. Skala dapat berjumlah genap atau
ganjil. Untuk penelitian di Indonesia disarankan menggunakan skala
Likert genap misalnya dengan 4 tingkat (berarti skala genap) yaitu: 1
(sangat setuju), 2 (setuju), 3 (kurang setuju) dan 4 (tidak setuju). Sebab
terdapat kecenderungan bahwa individu di Indonesia cenderung
bersikap netral, apabila demikian responden Iebih mempunyai sikap
kepada setuju atau tidak setuju. Namun apabila menggunakan skala
Likert ganjil, misalnya lima tingkat skala Likert maka individu di
Indonesia dikhawatirkan akan cenderung memilih tiga (yang
mencerminkan sikap netral). Lima tingkatan skala Likert tersebut
adalah: 1 (sangat setuju), 2 (setuju), 3 (netral), 4 (kurang setuju) dan 5
(tidak setuju).
4. Jumlah pertanyaan memadai, tidak terlalu banyak. Jumlah pertanyaan
yang terlalu banyak menimbulkan keenggan responden namun apabila
36
terlalu sedikit dikhawatirkan kurang mencerminkan opini responden.

Jogianto (2005) menyarankan waktu untuk menyelesaikan kuesioner
tidak melebihi 10 menit.
5. Jenis dan bentuk kuesioner: tertutup dan terbuka, disesuaikan dengan
karakteristik sampelnya. Cooper dan Emory (1995) menyatakan
terdapat lima faktor yang yang mempengaruhinnya, yaitu: pertama,
dari sisi tujuannya antara sekedar klarifikasi atau menggali informasi.
Kedua, tingkat informasi responden (degree of knowledge) terkait
topik penelitian. Ketiga, derajat pemikiran responden terkait dengan
derajat intensitas eksprasi responden. Keempat, kemudahan
komunikasi dan motivasi responden. Kelima, derajat pemahaman
peneliti sehingga semakin kurang paham semakin diperlukan
pertanyaan terbuka.
6. Bahasa yang dipakai disasuaikan dengan kemampuan berbahasa
responden. Kondisi responden terkait dengan: tingkat pendidikan,
budaya, kerangka referensi. Kalau responden kurang memahami
kuesioner, selayaknya (apabila memungkinkan) peneliti bisa
membagikannya secara langsung kepada responden. Bila demikian
peneliti dapat memberikan penjelasan langsung apabila terjadi
ketidakpahaman responden.
7. Untuk melihat keseriusan responden perlu dinyatakan dalam
pertanyaan (pernyataan) yang positif maupun negatif sehingga
informasi bias dapat diminimalisir Misalnya: pertanyaan no 6 adalah:
“saya sangat menikmati kegiatan lomba karya ilmiah di kampus saya”.
Responden sekali waktu perlu dicek konsistensinya, misalnya pada
pernyataan berikutnya (dibuat lagi): “saya merasa jenuh dengan
kegiatan lomba karya ilmiah di kampus saya”.
8. Pertanyaan tidak mendua supaya tidak membingungkan responden.
Misalnya pernyataan: “saya yakin bahwa kegiatan ini mudah dan dapat
segera diselesaikan dalam waktu singkat” sebaiknya dipecah menjadi
dua pernyataan berikut:
37
pertama, ”Saya yakin bahwa kegiatan ini mudah untuk dilaksanakan”,

dan yang kedua:“Saya yakin bahwa kegiatan ini dapat segera
diselesaikan dalam waktu singkat".
9. Pernyataan sebaiknya tidak memungkinkan jawaban ya atau tidak,
disarankan untuk membuat dalam beberapa gradasi, misalnya dalam
suatu kontinyu yang memungkinkan munculnya variasi nilai.
10. Pernyataan bukan hal yang sudah lama, masa lalu cenderung bias dan
sudah dilupakan.
11. Pernyataan tidak bersifat mengarahkan, tidak bersifat menggiring.
Misalnya “para pimpinan di tempat kerja saya cenderung bersikap
bijaksana, apakah anda setuju? l (sangat setuju), 2 (setuju), 3 (kurang
setuju) dan 4 (tidak setuju)”. Responden seolah digiling untuk bersikap
menyetujui pernyataan yang menjadi subyektivitas peneliti.
12. Pernyataan tidak membingungkan responden. Misalnya pernyataan:
”saya merasa bahagia”, mungkin perlu diperjelas dengan: “saya merasa
bahagia dalam kehidupan perkawinan saya”. Ada kemungkinan
responden bingung karena dia merasa bahagia dalam kehidupan
perkawinannya namun tidak bahagia dalam pekerjaannya.
13. Pernyataan tidak terlalu memberatkan responden. Seandainya berupa
pernyataan ataupun pertanyaan terbuka, perlu kronologi yang baik
artinya diawali dengan hal-hal ringan dan umum, dan seterusnya
sampai kepada hal-hal yang bersifat spesifik.
14. Jumlah dan urutan pertanyaan memberikan semangat responden untuk
menyelesesaikannya sampai tuntas.
Disamping hal-hal tersebut diatas, dalam rangka meningkatkan mutu

informasi yang diperoleh maka peneliti harus memperhatikan kemauan dan
kemampuan responden untuk bekerjasama serta tingkat pemahaman responden
terhadap tema penelitian. Untuk meningkatkan motivasi responden peneliti perlu
memperhatikan pula hal-hal berikut, Jogiyanto (2005), Sekaran (2000), Cooper
(1995) yaitu:
38
1. Pada bagian pengenalan (pendahuluan) sebaiknya diungkapkan tujuan

penelitian secara jelas namum singkat serta tidak perlu kalimat yang
panjang dan lebar.
2. Pemberitahuan awal (introduction to completion) merupakan
pemberitahuan lebih dulu kepada responden. Misalnya lewat telepon
atau pada saat akan membagikan kuesioner, ungkapkan bahwa peneliti
akan menunggu kuesioner.
3. Tindak lanjut diperlukan untuk mengingatkan kembali kepada
responden atas kuesioner yang telah diterima responden dan bila
memungkinkan akan menelepon kembali untuk mengingatkan
pengisisan kuesioner serta pengambilan kembali oleh peneliti.
4. Survei yang disponsori oleh lembaga tertentu kadang-kadang lebih
mendapat respon yang lebih baik dibandingkan survei tanpa sponsor
5. Khususnya kuesioner yang dikirim lewat pos, akan lebih efektif
apabila disertai perangko untuk mengirimkan kembali pada peneliti
sehingga tidak menimbulkan beban tambahan bagi responden.
6. Kuesioner tanpa identitas responden kadang-kadang lebih disukai
sehingga responden lebih jujur dalam mengungkapkan opininya.
7. Pemberian insentif atau souvenir kadang-kadang juga memberikan
motivasi pada responden untuk mengisi kuesioner.
8. Penentuan batas waktu atau pemberitahuan tentang ketentuan tanggal
yang diberikan peneliti, akan mempercepat respon sehingga kuesioner
lebih cepat sampai ke peneliti.
9. Secara keseluruhan diatur supaya tampak tidak terlalu banyak, kalau
memungkinkan diberi warna supaya menarik.
2.3.2 Penarikan Sampel

Penarikan sampel adalah suatu cara pengumpulan data jika hanya
sebagian dari elemen populasi yang diselidiki. Dalam setiap penelitian statistik,
yang selalu dituju adalah sekelompok populasi yang ingin diketahui circirinya
seperti rata-rata hitung (µ), standard deviasi (σ), proporsi (P), dan sabagainya,
namun karena keterbatasan waktu, dana, dan teknologi, maka hanya sampel yang
39
diperiksa, seperti rata-rata hitung penduga (χ), standar deviasi penduga (s),
proporsi penduga (p), dsb.
Salah satu penelitian yang menggunakan penarikan sampel sebagai
penyelesaian masalah yaitu penelitian survei, dimana pengambilan sampel dari
suatu populasi dilakukan dengan menggunakan kuisiOner sebagai alat pengumpul
data yang pokok (Singarimbun, 1998). Penelitian survei dapat digunakan untuk
maksud penjajakan (eksploratif), menguraikan (deskriptif), penjelasan
(eksplanatori) yaitu untuk menjelaskan hubungan kausal dan pengujian hipotesa,
evaluasi, prediksi atau meramalkan kejadian tertentu di masa yang akan datang,
penelitian operational dan pengembangan indikator-indikator sosial.
2.3.2.1 Pengertian Populasi dan Sampel

Populasi adalah kumpulan dari kescluruhan pengukuran, objek, atau
individu yang sedang dikaji (Harinaldi, 2005). Jadi, pengertian populasi dalam
statistik tidak terbatas pada sekelompok/kumpulan orang-orang, namun mengacu
pada seluruh ukuran, hitungan, atau kualitas yang menjadi fokus perhatian suatu
kajian.
Sampel (bahasa inggris: sample) merupakan bagian dari populasi yang
ingin diteliti; dipandang sebagai suatu pendugaan terhadap populasi, namun bukan
populasi itu sendiri. Sampel dianggap sebagai perwakilan dari populasi yangg
hasilnya mewakili keseluruhan gejala yang diamati. Ukuran dan keragaman
sampel menjadi penentu baik tidaknya sampel yang diambil.
Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki
oleh populasi tersebut, ataupun bagian kecil dari anggota populasi yang diambil
menurut prosedur tertentu sehingga dapat mewakili populasinya. Jika populasi
besar, dan peneliti tidak mungkin mempelajari seluruh yang ada di populasi, hal
seperti ini dikarenakan adanya keterbatasan dana atau biaya, tenaga dan waktu,
maka oleh sebab itu peneliti dapat memakai sampel yang diambil dari populasi.
Sampel yang akan diambil dari populasi tersebut harus betul-betul representatif
atau dapat mewakili.
2.3.2.1.1 Faktor-faktor yang Dipertimbangkan dalam Menentukan Berapa

Besar Ukuran Sampel yang Harus Diambil dari Populasi Tertentu
40
Berikut ini merupakan faktor-faktor pertimbangan dalam menentukan

ukuran sampel yang harus diambil.
1. Derajat Keseragaman Populasi (Degree of Homogenit)
2. Tingkat Presisi yang digunakan. Terutama digunakan dalam penelitian
eksplanatif, misalnya penelitian korelasional, yakni suatu pernyataan
peneliti tentang tingkat keakuratan hasil penelitian yang
diinginkannya. Tingkat presisi biasanya dinyatakan dengan taraf
signifikansi (a) yang dalam penelitian sosial biasa berkisar 0,05 (5%)
atau 0,01 (1%), sehingga keakuratan hasil penelitiannya (selang
kepercayaannya) 1-α yakni bisa 95% atau 99%. Jika kita menggunakan
taraf signifikansi 0,01 maka ukuran sampel yang diambil harus lebih
besar dari pada ukuran sampel jika kita menggunakan taraf signifikansi
0,05.
3. Rancangan Analisis, sesuatu yang berkaitan dengan pengolahan data,
penyajian data, pengupasan data, dan penafsiran data yang akan
ditempuh dalam penelitian.
Alasan-alasan tertentu yang berkaitan dengan keterbatasan-
keterbatasan yang ada pada pencliti, misalnya keterbatasan waktu, tenaga, biaya,
dan lain-lain. (Catatan: Alasan ke-4 ini jangan digunakan sebagai pertimbangan
utama dalam menentukan ukuran sampel, sebab hal ini lebih berkaitan dengan
pertimbangan peneliti dan bukan pertimbangan penelitian (metodologi).
2.3.2.2 Teknik Pengambilan Sampel

Menurut (Dalen, 1981) beberapa langkah yang harus diperhatikan
dalam menentukan sampel, yaitu:
1. Menentukan populasi.
2. Mencari data akurat unit populasi,
3. Memilih sampel yang representative,
4. Menentukan jumlah sampel yang memadai.
Menurut (Rozaini Nasution, 2003), pemilihan teknik pengambilan
sampel merupakan upaya penelitian untuk mendapat sampel yang representative
41
(mewakili), yang dapat menggambarkan populasinya. Teknik pengambilan

sampel tersebut dibagi atas 2 kelompok besar, yaitu:
1. Random Sampling (Probability Sampling)
2. Non Random Sampling (Non Probability Sampling)
2.3.2.2.1 Teknik Random Sampling

Teknik random sampling ialah teknik pengambilan sampel dimana
semua individu dalam populasi, baik secara individual atau bekelompok diberi
kesempatan yang sama untuk dipilih menjadi anggota sampel.
Random sampling juga dikenal dengan pengambilan sampel secara
acak yaitu pengambilan sampel tanpa pilih-pilih dan didasarkan atas prinsip-
prinsip matematis yang telah diuji dalam praktek. Sebab dipandang sebagai teknik
sampling paling baik dalam sebuah penelitian. Sampel yang diperoleh secara acak
lebih mantap bila dibandingkan dengan incidental sampel yang diperoleh secara
insidental. Sebab cara ini kurang menggunakan prinsip ilmiah yang baik.
Pada prakteknya, random sampling terdiri dari beberapa metode,
diantaranya:
1. Pengambilan Acak Sederhana (Simple Random Sampling)
Yang dimaksudkan dengan pengambilan sampel acak sederhana adalah
pengambilan sampel sedemikian rupa sehingga setiap unit dasar
memiliki kesempatan yang sama untuk diambil sebagai sampel.
Sistem pengambilan sampel secara acak dengan menggunakan undian
atau tabel angka random. Tabel angka random merupakan tabel yang
dibuat dalam komputer berisi angka-angka yang terdiri dari kolom dan
baris, dan cara pemilihannya dilalukan secara bebas. Pengambilan acak
secara sederhana ini dapat menggunakan prinsip pengambilan sampel
dengan pengembalian ataupun pengambilan sampel tanpa
pengembalian. Kelebihan dari pengambilan acak sederhana ini adalah
mengatasi bias yang muncul dalam pemilihan anggota sampel, dan
kemampuan menghitung standard error.
42
Sedangkan kekurangannya adalah tidak adanya jaminan bahwa setiap

sampel yang diambil secara acak akan merepresentasikan populasi
secara tepat.
Contoh:
Seorang peneliti memiliki daftar 100 orang populasi dan ingin memilih
10 orang untuk menjadi sampel. Pertama, semua orang dalam populasi
đitandai dengan nomor 1-100. Nomor tersebut lalu diacak. Pengacakan
bisa meniru model arisan atau sekarang bisa menggunakan aplikasi
acak nomor. 10 individu yang nomornya keluar menjadi sampel
penelitiannya. Teknik ini biasanya digunakan pada populasi yang
homogen. Misal seseorang ingin meneliti tentang proses belajar di
kelas dalam satu kelas. Total muridnya berjumlah 100 orang. Peneliti
tersebut bisa mewawancarai secara mendalam 10 orang sebagai
sampel.
2. Pengambilan Acak Secara Sistematis (Systematic Random Sampling)

Pengambilan sampel acak sistematik dilakukan bila pengambilan
sampel acak dilakukan secara berurutan dengan interval tertentu.
Besarnya interval (i) dapat ditentukan dengan membagi populasi (N)
dengan jumlah sampel yang diinginkan (n) atau i=N/n. Sistem
pengambilan sampel yang dilakukan dengan menggunakan selang
interval tertentu secara berurutan.
Contoh:
Jika ingin mengambil 1000 sampel dari 5000 populasi secara acak,
maka kemungkinan terpilihnya 1/5. Diambil satu angka dari interval
pertama antara angka 1-5, dan dilanjutkan dengan pemilihan angka
berikutnya dari interval selanjutnya.
3. Pengambilan Acak Berdasarkan Lapisan (Stratified Random

Sampling)
Stratified random sampling adalah pengambilan sampel yang
dilakukan dengan membagi populasi menjadi beberapa strata dimana
43
setiap strata adalah homogen. Sistem pengambilan sampel yang dibagi

menurut lapisan-lapisan tertentu dan masing-masing lapisan memiliki
jumlah sampel yang sama. Kelebihan dari pengambilan acak berdasar
lapisan ini adalah lebih tepat dalam menduga populasi karena variasi
pada populasi dapat terwakili oleh sampel. Sedangkan, kekurangannya
adalah harus memiliki informasi dan data yang cukup tentang variasi
populasi penelitian. Selain itu, kadang-kadang ada perbedaan jumlah
yang besar antar masing-masing strata.
Contoh: Seorang direktur rumah sakit ingin mengetahui prestasi kerja
tenaga kesehatan dan diukur berdasarkan kepatuhan dalam
menggunakan prosedur tetap dalam memberikan pelayanan kepada
penderita. Untuk itu, 36 orang tenaga kesehatan sebagai populasi
dibagi menjadi 4 kelompok berdasarkan prestasi kerja tahun yang lalu.
Masing-masing kelompok terdiri dari 9 orang dengan prestasi kerja
yang hampir sama dan terdapat perbedaan antar kelompok kemudian
pada setiap kelompok diambil 8 orang sebagai sampel hingga
diperoleh sampel sebanyak 32 orang.
4. Pengambilan Acak Berdasar Area (Cluster Sampling)

Pengambilan sampel acak kelompok dilakukan bila kita akan
mengadakan suatu penelitian dengan mengambil kelompok unit dasar
sebagai sampel. Sistem pengambilan sampel yang dibagi berdasarkan
areanya. Setiap area memiliki jatah terambil yang sama. Kelebihan dari
pengambilan acak berdasar area ini adalah lebih tepat menduga
populasi karena variasi dalam populasi dapat terwakili dalam sampel.
Sedangkan, kekurangannya adalah memerlukan waktu yang lama
karena harus membaginya dalam area-area tertentu. Pada penggunaan
teknik cluster sampling, biasanya digunakan dua tahapan, yaitu tahap
pertama menentukan sampel daerah, dan tahap kedua menentukan
orang atau objek yang dijadikan penelitian pada daerah yang terpilih
yang dilakukan secara random.
Contoh:
44
Survei tentang tingkat kepercayaan warga NU dan Muhammadiyah

tentang pernyataan bahwa Borobudur peninggalan Raja Sulaiman".
Daftar keseluruhan populasi warga NU dan Muhammadiyah tidak
tersedia. Tidak mungkin pula membuatnya. Maka, peneliti memilih
organisasi NU dan Muhamadiyah cabang mana yang akan dijadikan
sampel. Setiap organisasi diperoleh daftar anggota-anggotanya. Cluster
sampling artinya memilih klaster yang tersedia karena tidak ada data
yang menunjukkan semua populasinya.
Keuntungan menggunakan teknik ini ialah:
1. Dapat mengambil populasi besar yang tersebar di berbagai daerah
2. Pelaksanaannya lebih mudah dan murah dibandingkan teknik lainnya.
Sedangkan kelemahannya ialah:
1. Jumlah individu dalam setiap pilihan tidak sama, karena itu teknik ini
tidaklah sebaik teknik lainnya
2. Ada kemungkinan penduduk satu daerah berpindah ke daerah lain
tanpa sepengetahuan peneliti, sehingga penduduk tersebut mungkin
menjadi anggota rangkap sampel penelitian.
2.3.2.2.2 Teknik Non Random Sampling

Seperti telah diuraikan sebelumnya, jenis sampel ini tidak dipilih
secara acak. Tidak semua unsur atau elemen populasi mempunyai kesempatan
sama untuk bisa dipilih menjadi sampel. Unsur populasi yang terpilih menjadi
sampel bisa disebabkan karena kebetulan atau karena faktor lain yang sebelumnya
sudah direncanakan oleh peneliti.
1. Convenience Sampling (Sampel yang Dipilih dengan Pertimbangan
Kemudahan).
Dalam memilih sampel, peneliti tidak mempunyai pertimbangan lain
kecuali berdasarkan kemudahan saja. Seseorang diambil sebagai
sampel karena kebetulan orang tadi ada disitu atau kebetulan dia
mengenal orang tersebut. Oleh karena itu ada beberapa penulis
menggunakan istilah accidental sampling (tidak disengaja) atau juga
captive sample (man-on-the-street). Jenis sampel ini sangat baik jika
45
dimanfaatkan untuk penelitian penjajakan, yang kemudian diikuti oleh

penelitian lanjutan yang sampelnya diambil secara acak (random).
Beberapa kasus penelitian yang menggunakan jenis sampel ini,
hasilnya ternyata kurang obyektif.
Contoh:
Menghentikan orang dijalan untuk dimintai pendapatanya atau
dilakukan survei kecil-kecilan. Misal penelitian tentang preferensi
fashion pengunjung event Java Jazz pada akhir taun ini. Survei
dilakukan pada pengunjung setempat ketika event diselenggarakan.
Waktu survei juga relatif singkat sehingga tidak mungkin dilakukan
kepada semuanya. Jumlah pengunjung juga tidak bisa diketahui karena
tidak ada tiket masuk. Teknik sampling ini biasanya dilakukan sebagai
penelitian awal untuk mematangkan penelitian awal yang lebih besar,
misal hubungan antara penikmat Jazz dan selera terhadap fashion.
2. Purposive Sampling
Sesuai dengan namanya, sampel diambil dengan maksud atau tujuan
tertentu. Seseorang atau sesuatu diambil sebagai sampel karena
peneliti menganggap bahwa seseorang atau sesuatu tersebut memiliki
informasi yang diperlukan bagi penelitiannya. Dua jenis sampel ini
dikenal dengan nama judgement dan quota sampling.
a. Judgment Sampling
Sampel dipilih berdasarkan penilaian peneliti bahwa dia adalah pihak
yang paling baik untuk dijadikan sampel penelitiannya. Misalnya
untuk memperoleh data tentang bagaimana satu proses produksi
direncanakan oleh suatu perusahaan, maka manajer produksi
merupakan orang yang terbaik untuk bisa memberikan informasi. Jadi,
judment sampling umumnya memilih sesuatu atau seseorang menjadi
sampel karena mereka mempunyai "information rich".
b.Quota Sampling
Teknik sampel ini adalah bentuk dari sampel distratifikasikan secara
proposional, namun tidak dipilih secara acak melainkan secara
46
kebetulan saja. Misalnya, di sebuah kantor terdapat pegawai laklaki

60% dan perempuan 40%. Jika seorang peneliti ingin mewawancari 30
orang pegawai darı kedua jenis kelamin tadi maka dia harus
mengambil sampel pegawai lak laki sebanyak 18 orang sedangkan
pegawai perempuan 12 orang. Sekali lagi, teknik pengambilan ketiga
puluh sampel tadi tidak dilakukan secara acak, melainkan secara
kebetulan saja.
3. Snowball Sampling (Sampel Bola Salju)

Cara ini banyak dipakai ketika peneliti tidak banyak tahu tentang
populasi penelitiannya. Dia hanya tahu satu atau dua orang yang
berdasarkan penilaiannya bisa dijadikan sampel. Karena peneliti
menginginkan lebih banyak lagi, lalu dia minta kepada sampel pertama
untuk menunjukan orang lain yang kira-kira bisa dijadikan sampel.
Misalnya, seorang peneliti ingin nengetahui pandangan kaum lesbian
terhadap lembaga perkawinan. Peneliti cukup mencari satu orang
wanita lesbian dan kemudian melakukan wawancara. Setelah selesai,
peneliti tadi minta kepada wanita lesbian tersebut untuk bisa
mewawancarai teman lesbian lainnya. Setelah jumlah wanita lesbian
yang berhasil diwawancarainya dirasa cukup, peneliti bisa
menghentikan pencarian wanita lesbian lainnya. Hal ini bisa juga
dilakukan pada pencandu narkotik, para gay, atau kelompok kelompok
sosial lain yang eksklusif (tertutup).
4. Accidental/Haphazard Sampling (Pengambilan Sesaat)

Merupakan teknik pengambilan sampel yang dilakukan dengan tiba-
tiba berdasarkan siapa yang ditemui oleh peneliti. Misalnya, reporter
televisi mewawancarai warga yang kebetulan sedang lewat. Kelebihan
dari pengambilan sesaat ini adalah kepraktisan dalam pemillihan
anggota sampel. Sedangkan, kekurangannya adalah belum tentu
responden memiliki karakteristik yang dicari oleh peneliti.
47
2.3.2.3.1 Rumus Probability Sampling

Berikut merupakan penjelasan tentang rumus probability sampling.
2.3.1 Rumus Slovin

Jika ukuran populasinya diketahui dengan pasti, rumus Slovin di
bawah ini dapat digunakan:
n=
( N
1 + Ne
2 )
Keterangan :
n : ukuran sampel
N : ukuran populasi
e : kelonggaran/ketidaktelitian kerena kesalahan pengambilan sampel
Contoh:
Sebuah perusahaan memiliki 1000 karyawan dan akan dilakukan survei dengan
mengambil sampel. Berapa sampel yang dibutuhkan apabila batas toleransi
kesalahan sebesar 5%?
Penyelesaian:
Dengan menggunakan rumus Slovin:
n=
( 1000
1 + 1000 × (0,05) )
= 2
285,71 ≈ 286
Jadi, banyaknya sampel karyawan untuk disurvei sebesar 286 karyawan.
2.3.2.3.2 Rumus Yamane

48
Jika ukuran populasinya besar yang didapat dari pendugaan proporsi

populasi yang harus digunakan. Maka rumus yang digunakan sebagai berikut:
n=
( N
2
N d +1 )
Keterangan :
d : batas toleransi kesaiahan pengambilan sampel yang digunakan.
n : ukuran sampel
N : ukuran populasi
Contoh:
Misalnya, kita ingin menduga proporsi pembaca koran dari populasi 4.000 orang.
Presisi ditetapkan di antara 5% dengan tingkat kepercayaan 95%. Berapa sampel
dari pembaca koran?
Penyelesaian:
Dengan menggunakan rumus Yamane:
n=
( 4000
4000 (0,05) +1 )
=
2
364
Jadi, banyaknya sampel dari pembaca koran sebesar 364 orang.
2.3.2.4 Kekeliruan Sampling dan Tak Sampling

Dalam penelitian ada dua macam kekeliruan yang pokok yang bisa
terjadi yaitu:
1. Kekeliruan Tak Sampling
Hal ini bisa terjadi dalam setiap penelitian, apakah itu berdasarkan
sampling ataukah berdasarkan sensus. Beberapa penyebab terjadinya
kekeliruan tak sampling adalah:
a. Populasi penelitian tidak didefinisikan sebagaimana mestinya.
49
b. Populasi penelitian menyimpang dari populasi yang seharusnya

dipelajari atau diteliti.
c. KuesiOner tidak dirumuskan sebagaimana mestinya.
d. Istilah-istilah telah didefinisikan secara tidak tepat atau tidak
digunakan secara konsisten.
e. Para responden tidak memeberikan jawaban yang akurat, menolak
untuk menjawab atau tidak ada ditempat peneliti datang untuk
melakukan wawancara (Sudjana, 1975: 173).
2. Kekeliruan Sampling
Perbedaan antara hasil sampel dan hasil yang akan dicapai jika
prosedur yang sama digunakan dalam sampling juga digunakan dalam
sensus dinamakan kekeliruan sampling (Sudjana, 1975:174).
2.4 Statistik Deskriptif dan Distribusi Probabilitas

Adapun penjelasan mengenai statistik deskriptif dan distribusi
probabilitas adalah sebagai berikut.
2.4.1 Statistik Deskriptif
Statistika adalah pengetahuan mengenai cara-cara pengumpulan,
pengolahan,analisis dan interpretasi data kuantitatif tentang bidang kegiatan
tertentu yang berkaitan erat dengan pengambilan dengan tujuan memperoleh
keterangan yang jelas tentang peristiwa yang dipelajari.
Statistik deskriptif adalah ilmu yang mempelajari tentang cara
pengumpulan dan analisa data kuantitatif secara deskriptif. Statistika deskriptif
hanya berhubungan dengan hal yang menguraikan atau memberīkan keterangan-
keterangan mengenai suatu data atau keadaan. Dengan kata lain statistika
deskriptif berfungsi sebagai menerangkan keadaan, gejala, atau persoalan.
Statistika deskriptif sering disebut sebagai statistika dedukatif yang membahas
tentang bagaimana merangkumn sekumpulan data dalam bentuk yang mudah
dibaca dan cepat memberikan informasi, yang di buat dalam bentuk tabel, grafik,
nilai pemusatan dan nilai penyebaran.
50
Menurut Syofian Siregar (2010), statistīk deskriptif adalah statistik

yang berkenaan dengan bagaimana cara mendeskripsikan, menggambarkan,
menjabarkan, atau menguraikan data sehingga mudah dipahami. Ada beberapa
cara yang dapat digunakan dalam mendeskripsikan, menggambarkan,
menjabarkan, atau menguraikan data antara lain:
1. Menentukan ukuran dari data seperti nilai modus, rata-rata dan nilai
tengah (median).
2. Menentukan ukuran variabilitas data seperti: variasi (varian), tingkat
penyimpanan (deviasi standar), jarak (range).
3. Menentukan ukuran bentuk data: skewness, kurtosis, plot boks.
2.4.1.1 Data
Data adalah sekumpulan angka atau keterangan yang tersusun, dan
didapatkan melalui pengukuran, hasil perhitungan ataupun hasil kerja tertentu.
Hasil pengolahan data ini ada yang disajikan dalam bentuk daftar/tabel dan ada
dalam bentuk diagram atau grafik. Data terbagi atas dua yaitu data kuantitatif dan
data kualitatif.
Data kuantitatif adalah data yang berupa angka dalam arti sebenarnya,
jadi dengan data ini berbagai operasi matematika bisa dilakukan. Data kuantitatif
terbagi atas:
1. Data Diskrit
Data diskrit (data rasio) adalah data hasil pengukuran yang bersifat
angka dalam arti sesungguhnya dan bisa dioperasikan seccara
matematis. Misalnya data berat-badan, produk yang terjual, produk
cacat, dll.
2. Kontinyu
Data kontinyu (data interval) adalah data yang dapat mempunyai nilai
yang terletak dalam satu interval. Misalnya panjang, luas, isi, berat dan
waktu, berat badan.
51
Data kualitatif adalah data yang dikategorikan sebagai data yang bukan
berupa angka. Data kualitatif mempunyai ciri tidak bisa dilakukan operasi
matematika.
Data kualitatif terbagi atas:
1. Data Nominal adalah jika suatu pengukuran data yang hanya
menghasilkan satu dan hanya satu-satunya kategori. Misalnya data
jenis kelamin, tanggal lahir, asal daerah, dan lain-lain.
2. Data Ordinal adalah data yang jika suatu pengukuran memiliki
tingkatan data dimana yang satu berstatus lebih tinggi atau lebih
rendah dari yang lain. Misalnya data tentang sikap seseorang terhadap
produk tertentu "sangat baik", "baik", atau "tidak baik".
Sedangkan berdasarkan sumbernya, data terbagi atas data primer dan
data sekunder. Data primer adalah data yang dikumpulkan dan
dikeluarkan oleh badan yang sama. Data sekunder adalah data yang
dikumpulkan dan dikeluarkan tidak oleh badan yang sama.
2.4.1.2 Distribusi Frekuensi

Distribusi frekuensi adalah pengelompokan data ke dalam beberapa
kategori yang menunjukkan banyaknya data dalam setiap kategori dan setiap data
tidak dapat dimasukkan ke dalam dua atau lebih kategori (Suharyadi dan
Purwanto, 2003:25). Distribusi frekuensi dibentuk atas kelas-kelas data yang
disusun sesuai interval dan disajikan dalam bentuk tabel distribusi frekuensi.
2.4.1.2.1 Limit Kelas, Batas Kelas, Nilai Tengah, dan Lebar Kelas
Nilai terkecil dan terbesar pada tiap kelas discbut limit kelas atau tepi
kelas. Limit kelas ini terbagi menjadi limit kelas atas dan limit kelas bawah. Batas
kelas terbagi dua yaitu batas atas kelas dan batas bawah kelas. Nilai tengah antara
batas bawah kelas dan batas atas kelas disebut nilai tengah kelas.
2.4.1.2.2 Cara Membuat Tabel Distribusi Frekuensi

Berikut ini adalah langkah-langkah untuk membuat tabel distribusi
frekuensi:
52
1. Menghitung jumlah kelas interval (k) dengan rumus Sturges:
k=1+3.3 log n
Dimana:
k=jumlah kelas interval
n= jumlah data
2. Menghitung Lenght/Range (r)
r = nilai data maksimum- nilai data

minimum
3. Menghitung lebar kelas interval (c)
c=r/k
4. Membuat tabel distribusi frekuensi

Dalam distribusi frekuensi, banyak objek dikumpulkan dalam
kelompok- kelompok yang berbentuk a-b yang disebut kelas interval.
Urutan kelas dimulai dari data terkecil terus ke bawah sampai nilai
data terbesar. Sedangkan selisih positif antara tiap dua ujung bawah
berurutan disebut panjang kelas interval.
Tabel 2.1 Distribusi Frekuensi
Interval Batas kelas Mid. Frekuensi Frekuensi f.xi fi(xX)2 fi(xX)4
Kelas (Boundaries Point (fi) Kumulatif
(Limit) ) (Xi) (fkum)
Jumlah
Dalam tabel distribusi frekuensi, banyak objek dikumpulkan dalam

kelompok-kelompok yang berbentuk a-b, yang disebut dikelas interval. Urutan
kelas dimulai dari data terkecil terus ke bawah samapai nilai data terbesar.
Sedangkan selisih positif antara tiap dua ujung bawah berurutan disebut panjang
kelas interval.
Dalam kolom ke-1 yaitu interval (limit), batas-batas nilai yang ada
disebut nilai ujung bawah kelas dan ujung atas kelas. Nilai yang dimasukan sesuai
53
dengan data yang diamati. Perbedaan antara ujung bawah sebuah kelas dengan
ujung atas kelas sebelumnya adalah 1, jika data dicatat hingga satuan,
sepersepuluh atau 0.1. Jika data dicatat hingga satu desimal, dan begitu seterusnya
tergantung pada digit desimal yang ada.
Dalam kolom ke-2 yaitu batas kelas (boundaries), nilai yang
dimasukan bergantung pada ketelitian data yang digunakan. Jika data dicatat
hingga satu satuan, maka batas bawah kelas sama dengan ujung bawah (terdapat
dalam interval kelas atau limit), dikurangi 0.5 dan batas atas ditambahkan 0.5.
Untuk data dicatat hingga satu desimal, batas bawah sama dengan ujung bawah
dikurangi 0.05 dan batas atas ditambah 0.05, dan begitu seterusnya bergantung
pada digit terakhir yang ada.
2.4.1.3 Grafik atau Diagram

Grafik atau diagram merupakan gambar-gambar yang menunjukkan
secara visual data berupa angka dan grafik ini merupakan salah satu alat statistik
untuk menyampaikan informasi.
Macam-macam grafik atau diagram, yaitu:
1. Diagram Garis
2. Diagram Batang v
3. Diagram Lambang/Simbol
4. Diagram Pastel/Lingkaran
5. Diagram Peta/Kartogram
6. Diagram Pencar/Titik
Menurut Syofian Siregar (2010), grafik adalah lukisan pasang surutnya
suatu keadaan dengan garis atau gambar. Grafik dapat berupa:
1. Histogram adalah grafik yang menggambarkan suatu distribusi
frekuensi dengan bentuk segi empat.
2. Poligon frekuensi adalah grafik garis yang menghubungkan nilai
tengah dari setiap interval kelas.
3. Diagram Lingkar (Pie Chart) menupakan suatu lingkaran yang dibagi
menjadi beberapa bagian lingkaran, dimana setiap bagian lingkaran
tergantung dari besar kecil variabel.
54
4. Grafik Ogive merupakan diagram garis yang menunjukkan kombinasi

antara interval kelas dengan frekuensi kumulatif.
2.4.1.4 Kurva
Menurut Kamus Besar Bahasa IndOnesia (KBBI), kurva merupakan
grafīk yang menggambarkan variabel (misal yang memperlihatkan
perkembangan) yang dipengaruhi oleh keadaan. Kurva yang diplotkan dari data
yang digunakan ini mampu menjelaskan sifat atau karakter populasi atau sample
yang digunakan. Kurva poligon mempunyai bentuk yang tak terhingga
banyaknya, tergantung dari bentuk distribusinya. Pada umumnya kurva poligon
digolongkan dalam dua golongan besar yaitu:
1. Kurva Simetri
2. Kurva Asimetri, terbagi adas dua model yaitu:
a. Model positif (kemiringan ke kiri atau dinyatakan juga kemiringan
yang besar).
b. Model negatif (kemiringan ke kanan atau kemiringan yang kecil).
2.4.1.4.1 Kurva Frekuensi

Jika ukuran sampel mendekati ukuran populasi dan pembagian kelas-
kelas interval mendekati nol, maka kita dapat mengharapkan bentuk poligon
frekuensi menjadi sebuah lengkungan halus. Lengkungan ini dikenal juga sebagai
lengkungan frekuensi atau kurva frekuensi, yang diharapkan dapat mendekati
bentuk lengkungan halus yang sebenarnya, karena lengkungan halus untuk
populasi itu secara tepat sukar tau jarang sekali ditentukan.
Berikut ini merupakan gambar kurva frekuensi adalah sebagai berikut.
Gambar 2.18 Kurva Frekuensi

55
2.4.1.5 Pengukuran Tendensi Sentral

Tendensi sentral mengukur pemutusan data atau disebut juga rata-rata
(average). Ukuran pemutusan data menunjukan suatu data memusat atau suatu
kumpulan pengamatan memusat (mengelompok). Pengukuran pemusatan data
penting dilakukan karena suatu kelompok data bila diurutkan (membesar atau
mengecil), maka ada kecenderungan bahwa data itu akan memuasat pada bagian
tengah. Oleh karena itu, dalam melakukan analisis data yang menjadi fokus
perhatian adalah dimana data itu memusat dan bukan memberi perhatian pada
keseluruhan data. Dengan demikian ukuran pemusatan data adalah nilai tunggal
yang mewakili semua data atau kumpulan pengamatan dan nilai tersebut
menunjukan pusat data.
Ada beberapa ukuran umum tendensi sentral yang sering digunakan,
diantaranya:
1. Mean atau rataan hitungan adalah bilangan yang didapat dari hasil
pembagian jumlah nilai data oleh banyak data dalam kumpulan itu,
penggunaannya untuk sampel bersimbol f. Perhitungan mean dibagi
menjadi dua yaitu mean data tunggal dan mean data kelompok.
Mean (rata-rata hitung) dapat dihitung dengan rumus:
Untuk data yang belum dikelompokkan (data yang belum disusun
dalam daftar distribusi frekuensi):
∑ n- 1 x
x=
n
Dimana :
i : 1,2,3,4,..,n
xi : nilai dari data
n : jumlah data atau banyak data didalam
Untuk data yang sudah dikelompokkan (data yang sudah disusun

dalam daftar distribusi frekuensi):
56
∑ n- 1 x
x=
n
Dimana :
Fi : frekuensi untuk kelas interval ke-i
Xi : nilai dari titik tengah
Rata-rata hitung dengan memakai kode (U).
x=xo+ c ( ∑∑fuf )
Dimana :
fi : frekuensi untuk kelas interval ke-i
Ci : variabel coding untuk kelas interval ke-i
Rata-rata hitung berbobot (tertimbang)
∑ fu
x=
∑f
Dimana :
x : nilai
w : bobot atau timbangan
2. Median adalah nilai tengah data setalah tersebut diurntkan dari kecil ke
besar. Jika banyak data ganjil, maka median setelah data disusun
menurut nilainya merupakan data paling tengah. Sedangkan untuk
sample berukuran gelap, setelah data disusun menurut ukuran nilainya,
median sama dengan rata-rata hitung data tengah.
Median untuk distribusi frekuensi atau data sudah dikelompakkan
dapat dihitung dengan rumus:
57
∑ fu
x=
∑f
Dimana :
Lo : batas bawah dari kelas median dimana median berada
n : jumlah data
c : lebar kelas interval
fmedian :frekuensi kelas median
F :jumlah frekuensi semua kelas sebelum kelas yang
mengandung median
3. Modus adalah nilai yang sering muncul dari suatu data. Untuk data
kuantitatif, modus ditentukan dengan jalan menentukan frekuensi
terbanyak. Modus untuk distribusi frekuensi atau data yang sudah
dikelompokkan dihitung dengan rumus:
Mod = Lo + c [ ] b1
b 1+ b2
Dimana :
Lo : batas bawah dari kelas median dimana median berada
bi : selisih antara frekuensi kelas modus dengan frekuensi tepat
satu kelas sebelum kelas modus
b2 : selisih antara frekuensi kelas modus dengan frekuensi tepat
satu kelas sesudah kelas modus
2.4.1.6 Kuartil, Desil, Persentil

Kuartil yaitu sekumpulan data dibagi menjadi empat bagian yang sama
banyak, sesudah disusun menuerut urutan nilainya. Untuk data yang tunggal maka
kuartil dapat dihitung dengan rumus berikut:
58
Qi = data ke -
i(n+1)
4
Dengan i : 1,2,3,..
Untuk data berkelompok:
Qi = Lo + c
( )
in
-F
4
f
Dimana :
Lo : batas bawah dari kelas kuartil dimana kuartil berada
f : frekuensi kelas kuartil Qi
F : jumlah semua frekuensi dengan tanda kelas kecil dari tanda kelas kuartil
I : 1,2,3…
Desil adalah sekelompok data yang dibagi menjadi 10 bagian yang

sama banyak, maka akan terdapat 9 pembagi.
Rumus untuk data tidak berkelompok:

i (n+1)
Di = nilai ke -
10
i : 1,2,3
Rumus untuk data berkelompok:
Di = Lo + c
in
-F
10
i : 1,2..99
f
Persentil adalah sekumpulan data yang dibagi menjadi 100 bagian
yang sama.
59
2.4.1.7 Pengukuran Penyebaran Data

Menurut Syofian Siregar (2010), ukuran penyebaran data adalah
ukuran dari serangkaian atau sekelompok data yang menunjukkan seberapa jauh
nilanilai dari sekelompok data tersebut menyimpang dari nilai rata-ratanya.
Dispresi mengukur penyebaran suatu data. Ada beberapa ukuran umum dispresi
yang sering digunakan, yaitu:
2.4.1.7.1 Simpangan Rata-Rata (Mean Deviation)

Simpangan rata-rata adalah jumlah nilai mutlak dari selisih semua nilai
dengan nilai rata-rata dibagi banyaknya data.
∑f|x- x|
SR = n
Dimana n = ∑f
2.4.1.7.2 Varian
Varian adalah rata-rata kuadrat selisih atau kuadrat simpangan dari
semua nilai data terhadap rata-rata hitung. Varian untuk sample dilambangkan
dengan S2.
S2 =
2
n∑x - ( ∑xi ) 2
i
n(n-1)
atau
∑fi(x x)2
S2 =
n-1
atau
S2 = P 2
( )
2
n ∑fic ( ∑fici ) 2
i
n(n-1)
60
Dimana :
p : panjang kelas interval
ci : variabel coding untuk kelas interval ke-i
n : jumlah seluruh data yang diamati
2.4.1.7.3 Standar Deviasi

Standar Deviasi adalah akar pangkat dua dari varian atau disebut juga
simpangan baku.
Rumus untuk data tidak berkelompok:
S=

√ ∑(x- x )2
n-1
S=
√ ∑(x- x )2
n-1
Distribusi mengukur distribusi suatu data. Ada beberapa ukuran umum
distribusi yang sering digunakan, yaitu:
1. Skewness adalah nilai kemecengan (kemiringan) distribusi data.
Apabila bernilai positif (+) maka distribusi data akan miring ke kanan
dan apabila negatif (-) maka akan miring ke kiri.
Gambar 2.19 Kurva Kemiringan
Rumus Skewness dirumuskan oleh Karl Pearson dalam bentuk

koefisien Pearson:
( x -Mod)
α= atau α =
S
3( x -Med)
S
61
Dimana:
α : derajat kemiringan
x : rata-rata hitung
S : standar deviasi
Mod : modus
Med : median
Bila hasilnya sama dengan nol (0), distribusi dikatakan simetris

disekitar rata-ratanya dan x = Med = Mo. Semakin jauh hasil SK dari
nol, maka akan semakin besar tingkat kemiringannya. Rumus-rumus
tersebut berturut-turut dinamakan koefisien kemiringan Pearson tipe
pertama dan tipe kedua.
2. Kurtosis adalah tinggi rendah atau datar runcingnya kurva dari suatu
distribusi frekuensi. Jika bagian tengah dari kurva frekuensi memiliki
puncak yang lebih runcing daripada ruang yang dimiliki kurva normal,
maka lebih datar daripada yang dimiliki kurva normal, kurva
distribusinya dinamakan kurva platikurtik. Dan jika puncaknya berada
diantara keduanya disebut kurva distribusi normal.
Gambar 2.20 Jenis Kurva Keruncingan
Salah satu ukuran kutoris adalah koefisien kurtosis yang diberi simbol
α4atau Kt dan ditentukan dengan rumus:
α = 4
( ∑ (x- x )4
ns4 ) 4
atau α =
( ∑ f (x- x )4
ns4 )
62
Khusus untuk data berkelompok, derajat keruncingan lebih mudah

dihitung dengan memakai cara tranformasi, yaitu:
( (
∑ f U 4 −4 ∑ fU 3
) ( )(
∑ fU 2 ∑ fU ∑ fU
)( ) ( ∑ fU
))
2 2 4
4 c4
α = +6 −3
s4 n n n n n n
Dengan syarat:
a.α4 = 3 Distribusi normal/mezokurtik
b. α4 > 3 Distribusi leptokurtik
c.α4 <3 Distribusi platikurik
atau
a.Kt= 0.263 Distribusi normal/mezokurtik
b. Kt>0.263 Distribusi leptoturik
c.Kt <0.263 > Distribusi platikurtik
2.4.1.8 Pengolahan Data Statistik Deskriptif dengan IBM Software SPSS

Statistics 20
Software SPSS 20 mengkategorikan analisis deskriptif dalam 5
kategori yaitu analisis Frequencies, Descriptive, Explore, Crossstab, dan Ratio.
Masing-masing analisis memiliki tujuan dan keunggulan sendiri. Pada praktikum
ini akan dibahas penggunaan analisis Frequencies dan Descriptive.
2.4.1.8.1 Analisis Frequencies

Analisis Frequencies sangat berguna untuk memperoleh ringkasan
suatu variable individual. Ringkasan tersebut dapat dilakukan baik untuk variabel
dengan data kategori maupun skala.
1. Melakukan Analisis Frequencies untuk Data Kategori
Analisis frequencies untuk data kategori memaparkan jumlah frekuensi
dan proporsi dalam persen suatu variabel data kelegorika. Berikut ini
adalah data nilai APK dan PPC, lakukan analisis frekuensi untuk data
kategorikal pada variable nilai mata kuliah APK dan PPC. Berikut
merupakan tabel data statistic nilai APK dan PCC siswa.
63
Tabel 2.2 Data Statistik Nilai APK dan PPC Siswa

Nilai Nilai Nilai
No Nama No Nama Nilai PPC
APK PPC APK
1 Ali 80 65 16 Lidia 90 80
2 Edi 65 60 17 Fitri 75 65
3 Budi 60 70 18 Silvia 85 60
4 Ferdi 75 80 19 Fajriah 70 75
5 Pia 85 65 20 Misra 65 85
6 Husna 70 90 21 Ajriya 60 70
7 Rizki 90 80 22 Tisa 70 80
8 Ari 60 90 23 Tunur 80 65
9 Irsyabandi 70 75 24 Madir 65 90
10 Soleha 75 85 25 Wisnu 90 65
11 Pocut 80 70 26 Reza 80 80
12 Eka 60 60 27 Meila 75 65
13 Afdhal 55 70 28 Nurul 65 60
14 Ratna 70 75 29 Eka 70 75
15 Mona 65 80 30 Hendri 60 85
Berikut ini adalah langkah-langkahnya:

a. Buka file yang akan dianalisis
b. Klik Analyze → Descriptive Statistic → Frequencies pada menu
sehingga kotak dialog Frequencies akan muncul.
c. Masukkan variabel Nilai APK dan Nilai PPC pada kotak Variabel
(s).
d. Klik tombol Charts sehingga muncul kotak dialog fregquencies:
chart.
e. Pilih Pie Chart pada kotak Chart Type dan pilih Frequencies pada
kotak Chart Values.
f. Klik Continue.
g. Klik OK sehingga output Software SPSS 20 viewer menampillkan
hasil berikut.
Tabel 2.3 Data Statistik Nilai APK dan PPC Siswa
Statistics
Nilai_A Nilai_PP
PK C
Valid 30 30
N
Missing 0 0
64
Berikut adalah tabel tentang frekuensi tabel yaitu:
Tabel 2.4 Data Frequency Table

Frequency Table
Nilai_APK
Frequency Percent Valid Percent Cumulative
Percent
Valid 55.00 1 3.3 3.3
3.3
60.00 5 16.7 16.7
20.0
65.00 5 16.7 16.7
36.7
70.00 6 20.0 20.0
56.7
75.00 4 13.3 13.3
70.0
80.00 4 13.3 13.3
83.3
85.00 2 6.7 6.7
90.0
90.00 3 10.0 10.0
100.0
Total 30 100.0 100.0
Berikut adalah tabel tentang nilai PPC yaitu:

Tabel 2.5 Data Nilai PPC
Nilai_PPC
Percent
Valid 60.00 4 13.3 13.3
13.3
65.00 6 20.0 20.0
33.3
70.00 4 13.3 13.3
46.7
75.00 4 13.3 13.3
60.0
80.00 6 20.0 20.0
80.0
85.00 3 10.0 10.0
90.0
90.00 3 10.0 10.0
100.0
Total 30 100.0 100.0
Berikut adalah gambar tentang Pie chart nilai APK yaitu:
Gambar 2.21 Pie Chart APK
Berikut adalah gambar tentang Pie chart nilai PPC yaitu:

65
Gambar 2.22 Pie Chart PPC
2. Melakukan Analisis Frekuensi Untuk Data Skala

Analisis Frequencies untuk data skala memaparkan ringkasan tendensi
sentral, dispersi, distribusi suatu variabel data skala. Contoh: analisis frequencies
untuk data skala pada variabel nilai APK.
Berikut adalah langkah-langkahnya:
Buka file data.
a. Klik Anayze → Descriptive Statistic → Frequencies pada menu
sehingga kotak dialog frequencies muncul.
b. Masukkan variabel APK pada kotak Variable (s).
c. Klik tombol Statistic sehingga muncul kotak dialog frequencies
statistic.
d. Pilih nilanilai pada Percentile Values, Central Tendency, Dispersion,
dan Distribution sesuai keperluan.
e. Klik tombol Continue.
f. Klik tombol Chart sehingga muncul kontak dialog Frequencies:
Chart. Pilih Histogram with normal curve pada kotak chart type.
g. Klik Continue.
h. Klik OK, sehingga output SPSS viewer akan menampilkan hasil
seperti berikut.
66
Tabel 2.6 Analisis Frekuensi Statistics

Statistics
Nilai_APK
N Valid 30
Missing 0
Mean 72.0000
Median 70.0000
Mode 70.00
Std. Deviation 9.96546
Variance 99.310
Skewness .326
Std. Error of Skewness .427
Kurtosis -.808
Std. Error of Kurtosis .833
Percentiles 25 65.0000
50 70.0000
75 80.0000
Berikut ini merupakan tabel nilai APK. yaitu:

Tabel 2.7 Analisis Frekuensi Statistics
Nilai_APK
Percent
Valid
1 3.3 3.3
55.00 3.3
5 16.7 16.7
60.00 20.0
5 16.7 16.7
65.00 36.7
6 20.0 20.0
70.00 56.7
4 13.3 13.3
75.00 70.0
4 13.3 13.3
80.00 83.3
2 6.7 6.7
85.00 90.0
3 10.0 10.0
90.00 100.0
30 100.0 100.0
Total
Berikut ini merupakan hasil grafik histogram.
Gambar 2.23 grafik histogram
NB : Tabel Statistics memamparkan nilanilai statistik yang dipilih.

67
Tabel APK merupakan tabel frekuensi.

Grafik Histogram dan kurva normal memperlihatkan bahwa distribusi data
tidak normal (negative)..
2.4.1.8.2 Analisis Descriptive

Analisis descriptive sangat membantu dalam meringkas perbandingan
beberapa variabel data skala dalam satu tabel dan dapat digunakan untuk
melakukan pengamatan outlier penyimpangan data. Berikut adalah langkah-
langkah analisis deskriptif.
1. Buka file data.
2. Kik Analyze → Descriptive Statistics → Desciptives pada menu
sehingga kotak dialog Descriptives muncul.
3. Masukkan variabel APK dan PPC pada kotak Variable(s)
4. Pilih Save standardized values as variable pada pojok kiri bawah
kotak dialog
5. Klik OK sehingga Output software SPSS 20 Viewer menampilkan
hasil berikut:
Tabel 2.8 Descriptive Statistics
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Nilai_APK 30 55.00 90.00 72.0000 9.96546
Nilai_PPC 30 60.00 90.00 73.8333 9.62068
Valid N (listwise) 30
Tabel Descriptive Statistics memaparkan nilai statistik kedua variabel.

Secara default nilai yang dipilih adalah mean, standar deviasi, minimum, dan
maksimum.
Apabila anda menghendaki parameter pengukuran lebih banyak lagi,
klik Option pada kotak dialog Descriptive.
Apabila kembali pada tampilan data view pada SPSS maka akan
terlihat ada ketiga tambahan variabel baru, Zapk dan Zppc. Kedua variabel
tersebut muncul karena dipilih Save standardized values as variable. Variabel ini
menunjukkan penyimpangan data (outlier) dari rata-rata.
68
Berikut adalah gambar analisis descriptive menggunakan software SPSS

20 yaitu.
Gambar 2.24 analisis descriptive menggunakan Software SPSS 20
2.4.2 Distribusi Probabilitas

Distribusi probabilitas/peluang merupakan tabel, grafik atau rumus
yang memberikan nilai peluang dari sebuah peubah/variabel acak. Lind (2002)
mendefinisikan probabilitas sebagai suatu ukuran tentang kemungkinan suatu
peristiwa (event) akan terjadi dimasa mendatang. Probabilitas dinyatakan antara 0
sampai 1 atau dalam persentase. Berdasarkan karakteristik peubah acaknya,
distribusi dalam probabilitas/peluang dapat dibedakan menjadi 2, yaitu distribusi
peluang diskrit dan distribusi peluang kontinyu.
Probabilitas dinyatakan dalam bentuk pecahan dari 0 sampai 1. Nol (0)
menunjukkan sesuatu yang tidak mungkin terjadi, sedangkan satu (1)
menunjukkan peristiwa yang pasti terjadi.
2.4.2.1 Distribusi Peluang Diskrit

Distribusi peluang diskrit adalah distribusi peluang dimana semesta
peubah acaknya dapat dihitung atau berhingga, misalnya peubah acak sebuah
lemparan dadu bernilai l hingga 6. Apabila himpunan pasangan terurut (x, f(x))
69
merupakan suatu fungsi peluang, fungsi masa peluang, atau distribusi peluang
peubah acak diskrit x maka untuk setiap kemungkinan hasil x berlaku:
1. F(x)> 0
2. ∑f(x)=1
3. P (X-x) = f (x).
Beberapa distribusi peluang diskrit adalah

1. Distribusi Seragam (Uniform)
Pada distribusi ini sebuah peubah acak memiliki nilai peluang yang
sama. Jika X adalah suatu peubah acak dengan nilai xl, x2, , xk
masing-masing memiliki nilai peluang yang sama, maka distribusi
seragam dapat dituliskan f(x; k) = 1/k dimana x = xl, x2, .., xk.
Contoh distribusi seragam adalah distribusi peluang munculnya angka
dadu (1 hingga 6) ketika dilempar, yaitu 1/6.
2. Distribusi Binomial
Distribusi binomial merupakan distribusi peluang yang dihasilkan dari
proses Bernouli yang memiliki 4 karakteristik utama, yaitu:
a. Percobaan dilakukan sebanyak n kali.
b. Setiap percobaan hanya memiliki 2 hasil saja, yakni sukses atau gagal.
c. Peluang sukses (p) pada setiap percobaan adalah konstan.
d. Pengulangan percobaan harus bebas (independent) satu sama lain,
artinya hasil eksperimen yang satu tidak sama dengan hasil eksperimen
yang lainnya.
Sebuah percobaan Bernoulli dengan peluang sukses p dan peluang gagal
q = 1-p, maka distribusi peluang peubah acak Binomial X (jumlah
kejadian sukses dalam n kali percobaan) dapat dituliskan:
b ( x;n,p ) = (nx ) p x n-x

.q
Peluang terambilnya kartu As di setiap pengambilan satu kotak kartu

merupakan salah satu contoh dari percobaan Bernoulli.
70
3. Distribusi Poisson
Distribusi Poisson merupakan eksperimen yang menghasilkan nilai
dari suatu peubah acak X, yaitu jumlah keluaran yang terjadi selama
satu selang waktu atau diantara suatu daerah. Pada distribusi ini
percobaan dilakukan dalam selang waktu tertentu dan digunakan untuk
mendekati distribusi binomial bila probabilitas sukses kecil (p =< 0.1)
dan jumlah percobaan sangat besar (n> 50). Misalkan, jumlah
panggilan telepon per jam yang diterima oleh suatu kantor, banyaknya
hari sekolah di tutup karena banjir, banyaknya kertas reject karena
salah ketik, dan lain sebagainya.
Percobaan poisson berasal dari proses poisson yang memiliki sifat
sebagai berikut.
a. Jumlah keluaran yang muncul dalam suatu rentang waktu atau suatu
daerah tidak dipengaruhi terhadap jumlah keluaran yang terjadi di
rentang waktu atau daerah yang lain yang terpisah.
b. Peluang bahwa yang satu keluaran akan muncul dalam selang waktu
yang sangat pendek atau daerah yang kecil adalah proporsional
dengan panjang selang waktu atau luas dari daerah.
c. Peluang muncul lebih dari satu keluaran dalam selang waktu yang
amat pendek atau daerah yang kecil dapat diabaikan.
Distribusi peluang acak Poisson X yang menyatakan banyaknya
sukses yang terjadi dalam selang waktu tertentu dinyatakan dengan t
diberikan oleh.
λt x
e ( λt )
p ( x; λt ) =
x!
X= 0,1,2
dimana λt menyatakan banyaknya sukses yang terjadi persatuan waktu
atau daerah, sedangkan e = 2,71828 ..
4. Distribusi Hipergeometrik
Cara sederhana untuk membedakan distribusi hipergeometrik dengan
distribusi binomial adalah dengan melihat proses penarikan sampelnya.
71
Pada distribusi binomial, antar percobaan bersifat bebas sedangkan

pada distribusi hipergeometrik peluang sukses percobaan saat ini
bergantung pada hail percobaan sebelumnya.
Percobaan hipergeometrik memiliki sifat sebagai berikut:
a. Sampel acak ukuran n diambil tanpa pengembalian dari N benda
b. Sebanyak k benda dapat diberi nama sukses sedangkan sisanya, Nk,
diberi nama gagal, schingga distribusi peluang peubah acak
hipergeometrik X ialah.
h ( λ;N.n.k ) -
( x )(n
k N - k
x)
∙x −0.12 … .
(n )
N
Penggunaan distribusi hipergeometrik terdapat banyak bidang, antara

lain pada penerimaan sampel, pengujian elektronik dan pengendalian
mutu.
2.4.2.2 Distribusi Peluang Kontinyu

Distribusi peluang kontinyu adalah peubah acak yang dapat
memperoleh semua nilai pada skala kontinyu. Ruang sampel kontinyu adalah bila
ruang sampel mengandung titik sampel yang tak terhingga banyaknya. Syarat dari
distribusi kontinyu adalah apabila fungsi f(x) adalah fungsi padat peluang peubah
acak kontinyu X yang didefinisikan diatas himpunan semua bilangan riil R.
R apabila:
1. F(x)>0 untuk semua x e R
∞
2.∫ ❑fx)dx = 1
∞
3. P(a X<b) = . ∫ ❑ fx)dx

∞
Beberapa distribusi peluang kontinyu adalah:

1. Distribusi Normal
72
Distribusi Normal atau Gausian Distribution merupakan distribusi

untuk variabel kontinyu. Bentuk distribusi nomal seperti lonceng (lihat
gambar) dan ditentukan oleh 2 parameter (µ dan σ), yaitu bila σ
mengecil, maka bentuk kurva akan lebih rapat dan semakin meruncing.
Bila σ membesar, maka bentuk kurva akan lebih renggang dan tumpul.
Gambar 2.25 Distribusi Normal
Berdasarkan gambar diatas, distribusi normal akan memiliki beberapa

circiri diantaranya:
1. Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti
genta.
2. Simetris terhadap rataan (mean).
3. Kedua ekor ujungnya semakin mendekati sumbu absisnya tetapi tidak
pernah memotong jarak titik belok kurva tersebut dengan sumbu
simetrisnya sama dengan σ.
4. Luas daerah dibawah lengkungan kurva tersebut dari - ~ sampai + ~
sama dengan 1 atau 100%.
Jika X merupakan peubah acak, maka fungsi padat X dengan distribusi
normal dinyatakan dengan :
[ ]
2
( x- μ )
1 -
2σ²
n ( x;μσ ) = e
√ 2πσ²
dengan λ = 3,14 dan e = 2,71828
2. Distribusi Eksponensial
Distribusi Eksponensial memiliki pertalian erat dengan distribusi
Poisson. Jika pada Poisson, peubah acak poisson X menggambarkan
73
jumlah keluaran yang terjadi pada suatu selang waktu atau luas dacrah
tertentu, maka peubah acak Eksponensial X menggambarkan panjang
rentang waktu antara suatu kejadian dengan kejadian lainnya. Gambar
kurva distribusinya digambarkan di bawah ini:
Gambar 2.26 Kurva Distribusi Eksponensial
Dalam hal ini peubah acak X pada distribusi Poisson berkisar antara 0
sampai tak terhingga (0 ≤ x < ∞) dan bersifat kontinyu. Peubah acak
kontinyu X berdistribusi EkspOnensial dengan parameter ᵝ, fungsi
densitasnya diberikan oleh:
{ }
-x
1 β
e
f ( x) = β
0
x>0, untuk x lainnya, dimana ᵝ>0
3. Distribusi Gamma
Distribusi Gamma memiliki hubungan yang erat dengan distribusi
Eksponensial, karena distribusi EkspOnensial merupakan salah satu
bentuk khusus dari distribusi Gamma. Jika peubah acak kontinyu X
berdistribusi Gamma dengan parameter α dan ᵝ maka fungsi
densitasnya dapat dirumuskan sebagai berikut:
{ }
−x
1 β
e
f ( x )= β
0
x>0, untuk x lainnya, dimana a>0 dan ß > 0, sedangkan ꞅ(a) merupakan
fungsi Gamma yang dirumuskan sebagai berikut:
x
Γ ( α ) =∫ x
α-1 -x
e dx
0
74
4. Distribusi ChKuadrat
Distribusi ini memegang peranan penting dalam statistika inferensi,
terutama untuk uji hipotesis dan penaksiran parameter. Pada dasarnya
distribusi ch kuadrat juga merupakan bentuk khusus dari distribusi
Gamma, yakni ketika nilai α = v/2 dan ᵝ = 2, dimana v adalah derajat
kebebasan yang merupakan bilangan integer positif.
Peubah acak kontinyu X berdistribusi chkuadrat (derajat kebebasan v),
jika fungsi densitasnya dapat dirumuskan dengan:
{
v x
1 1
x 2 e2
f (x)= 2 v r v
2 2 ()
0
x>0, untuk x lainnya.
5. Distribusi Weibull
Seperti distribusi Eksponensial dan distribusi Gamma, distribusi
Weibull banyak diterapkan pada persoalan keandalan dan pengujian
panjang umur (life Testing) suatu komponen.
Peubah acak kontinyu X berdistribusi Weibull dengan parameter α dan
ᵝ, jika fungsi densitasnya diberikan oleh:
f (x) = {αβxᵝ̄ˉ¹eˉᵅˣᵝ
0
x>0, untuk x lainnya, dimanaa>0 dan ß>0
2.4.2.3 Pengolahan Data Distribusi Probabilitas dengan SPSS

Berikut adalah pengolahan data distribusi probabilitas dengan SPSS
2.4.2.3.1 Distribusi Binomial
Distribusi Binomial adalah salah satu distribusi probabilitas diskrit
yang paling sering digunakan di dalam analisis statistik modern. Di bidang teknik,
distribusi ini erat kaitannya dengan pengendalian kualitas (quality control)
75
Contoh:
Suatu pabrik ban melakukan pengujian kualitas terhadap beberapa
produknya. Hasil uji menyatakan 15% dinyatakan sebagai produk tidak layak.
Apabila dilakukan pengujian lagi terhadap 10 ban, berapa peluang tepat 5 ban
tidak layak.
Penyelesaian dengan SPSS dapat dilakukan secara cepat dan mudah
dengan langkah-langkah berikut:
1. Klik Transform Compute Variable sehingga kotak dialog akan muncul.
2. Pada Function group, pilih PDF & Noncentral PDF dan pada Function
and Special Variables, pilih Pdf Binom.
3. Pindahkan fungsi tersebut dengan menekan tombol panah atas ke
kotak Numeric Expression. Kotak tersebut akan tertulis PDF.BINOM
(?,?,?).
4. Masukkan nilai q, n, dan p pada tanda tanya pertama, kedua dan
ketiga. Variable q adalah banyaknya usaha yang dikategorikan sukses
(tepat 5 ban tidak layak). Variable n adalah banyaknya usaha dalam
suatu percobaan (10). Variable p adalah probabilitas sukses (15%
produk tidak layak). PDE.BINOM (5, 10, 0.15). PDF merupakan
singkatan dari Probability Density Function yang artinya adalah fungsi
probabilitas pada suatu titik tertentu.
5. Tulis Hasil pada kotak Target Variable.
6. Klik OK.
2.4.2.3.2 Distribusi Hipergeometrik

Distribusi hipergeometrik tidak memerlukan kebebasan dan didasarkan
pada sampling tanpa pengembalian.
Contoh:
Dalam suatu kotak berisi 15 suku cadang dimana terdapat 4 suku
cadang yang tidak layak pakai. Bila kita melakukan sampling pada kotak tersebut
sebanyak 5 kali, berapa peluang untuk mendapatkan 2 suku cadang yang tidak
layak pakai dalam sampling tersebut.
76
Penyelesaian dengan SPSS: gunakan fungsi PDF.HYPER (q, total,

sample, hits) pada kotak dialog Compute Variable.
1. Variable q identik dengan x pada formula distribusi hipergeometrik,
yang menjelaskan kejadian sukses pada waktu pengembalian sampel.
2. Variabel total identik dengan N yang menjelaskan keseluruhan ruang
sampel.
3. Variabel sampel identik dengan n yang menjelaskan banyaknya
sampel yang diambil d. Variable hits identik dengan k yang
menjelaskan banyaknya sukses dalam keseluruhan ruang sampel.
Diketahui : x = 2, N =15, n = 5, dan k = 4.
PDF.HYPER (2, 15, 5, 4) =>0.32967.
2.4.2.3.3 Distribusi Poisson

Distribusi poisson menyatakan banyaknya sukses yang terjadi dalam
suatu selang waktu atau daerah tertentu dinyatakan dengan t.
Contoh:
Pada suatu persimpangan jalan, rata-rata terjadi kecelakaan sebanyak 5
kali dalam seminggu. Berapa peluang dalam satu minggu terjadinya kecelakaan 7
kali.
Penyelesaian dengan SPSS: Gunakan fungsi PDF.POISSON (q, mean)
dimana variabel q identik dengan variabel x yang merupakan variabel banyaknya
kejadian tertentu. Variabel mean identik dengan variabel λt, merupakan rata-rata
kejadian tertentu.
PDF.POISSON (7.5) => 0.10444
2.4.2.3.4 Distribusi Normal

Distribusi peluang kontinyu yang umum digunakan adalah distribusi
normal. Distribusi normal berbentuk lonceng dengan rataan µ dan variansi σ.
Contoh:
Suatu perusahaan rata-rata memproduksi barang sejumlah 50 unit
dengan standar deviasi sebesar 10 unit. Berapa peluang perusahaan tersebut untuk
memproduksi tepat 55 unit.
77
Penyelesaian dengan SPSS : kita dapat menggunakan fungsi

PDF.NORMAL (q, mean, stddev) bila mencari peluang pada suatu titik tertentu
dimana variabel q identik dengan variabel x. Variabel mean identik dengan
variabel µ. Variabel stddev identik dengan variabel σ.
PDF.NORMAL (55, 50, 10) 0.03521.
Distribusi normal dengan u = np dan o2= upg memberi pendekatan
yang baik terhadap distribusi binomial bila n besar dan p mendekati 0 atau 1.
Memberi pendekatan yang cukup baik pula bilan kecil namun p mendekati 0.5.
Contoh:
Suatu pabrik ban melakukan pengujian kualitas terhadap beberapa
produknya. Hasil uji menyatakan 2% dinyatakan sebagai produk tidak layak.
Apabila dilakukan pengujian lagi terhadap 100 produk, berapa peluang tepat 5
produk tidak layak.
Penyelesaian dengan SPSS:
Diketahui:
µ = mean = np= 100 x 2%=2
stddev= √npq= √100 x 2% x 98% = 1.4
PDF.NORMAL (q, mean, stddev) = PDF.NORMAL (5, 2, 14) =>0.02869
2.5 Pengujian Validitas Dan Reliabilitas

Adapun pembahasan Pengujian Validitas dan Reliabilitas adalah
sebagai berikut.
2.5.1 Uji Validitas dan Uji Reliabilitas
Kesahihan (validitas) adalah tingkat kemampuan untuk
mengungkapkan sesuatu yang menjadi sasaran pokok pengukuran yang dilakukan
dengan instrument tersebut. Uji validitas digunakan untuk mengukur sah atau
valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan
pada suatu kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur
oleh kuesioner tersebut.
Indikator pengukuran yang dimaksud merupakan permyataan pada
kueisioner yang berasal dari variabel teramati dimana variabel tersebut berasal
dari variabel laten. Suatu instrumen pengukuran dikatakan valid apabila nilai
78
pearson correlation berada pada nilai -1 <r< 1, dan juga memiliki nilai Sig(2-
tailed)<0.025, artinya nilai dari probabilitasnya adalah 0,05, namun karena
pengujian diiakukan dalam dua sisi (2 tailed) sehingga nilai probabilitasnya 0,025
(Santoso, 2014).
Pengujian reliabilitas yang dilakukan, bertujuan untuk mengukur
sejauh mana setiap indikator pengukuran pada kuesioner yang digunakan
menunjukkan suatu konsistensi didalam mengukur. Artinya setiap jawaban
responden yang satu dengan yang lainnya terhadap pertanyaan pada kueisioner
adalah konsisten atau stabil dari waktu ke waktu (Sugiyono, 2004). Suatu
indikator pengukuran dikatakan reliabel apabila indikator tersebut memiliki nilai
Cronbac 's Alpha>0,6. (Hair et al., 2006). Menurut Sekaran (2006) secara umum
reliabel yang kurang dari 0.6 dianggap buruk, reliabel dalam kisaran 0.7 bisa
diterima dan jika lebih dari 0.8 dianggap baik.
Adapun prosedur untuk menghitung korelasi antar skor masing-masing
butir pertanyaan dengan total skor menggunakan software SPSS 20 versi 18.0
dengan langkah analisis sebagai berikut:
2.5.2 Aplikasi Uji Validitas dan Uji Reliabilitas dengan SPSS

Pada tabel berikut ini dapat dilihat rekapitulasi kuisiOner (pre test)
mengenai "Kualitas Pelayanan Rumah Sakit Di Daerah XYZ". Hasil rekapitulasi
kuisiOner yang dikumpulkan sebanyak 30 sampel sebagai pre test. Selanjutnya
akan dilakukan uji validitas dan reabilitas untuk mengetahui bahwa kuisiOner
tersebut valid dan reliabel untuk disebarkan kepada responden.
Tabel 2.9 Data Rekapitulasi Kuesioner
ASS
T1 T2 T3 T4 EMP1 EMP2 EMP3 EMP4 ASS1 2 ASS3 ASS4
4 3 4 3 4 3 4 4 4 4 3 3
2 3 4 4 4 4 4 3 3 3 4 3
2 3 3 2 4 2 2 3 2 2 4 4
2 3 3 3 4 3 4 4 3 4 3 4
4 4 3 4 4 4 4 4 4 4 4 4
3 3 3 4 3 2 3 4 3 3 2 4
3 4 4 4 3 3 4 3 3 4 3 4
3 3 4 4 4 4 4 4 3 4 4 4
3 4 4 4 4 3 4 4 4 4 4 4
3 4 4 3 4 3 3 4 3 3 3 3
2 4 2 4 3 3 4 4 4 3 4 4
2 4 2 4 4 4 4 2 4 4 4 4
3 4 3 3 4 4 4 3 3 4 3 3
79
3 4 3 4 4 4 4 3 4 3 4 4
3 3 3 4 3 3 4 4 3 4 4 4
3 3 2 4 4 4 3 4 4 5 2 4
4 4 4 4 3 3 4 4 4 4 4 4
Lanjutan Tabel 2.9 Data Rekapitulasi Kuesioner

ASS
T1 T2 T3 T4 EMP1 EMP2 EMP3 EMP4 ASS1 2 ASS3 ASS4
3 4 3 4 3 4 4 3 3 4 4 4
4 4 4 4 4 4 4 4 4 4 4 3
4 3 3 4 3 3 2 4 2 4 2 2
5 4 4 5 5 5 4 5 4 4 4 5
5 5 4 5 4 5 4 4 4 5 5 5
3 3 3 2 2 3 2 3 2 3 4 3
4 5 3 5 4 3 4 4 4 4 5 4
4 3 4 3 4 3 4 4 4 4 3 3
3 3 3 3 4 3 4 4 4 3 4 4
2 1 3 1 3 1 1 3 1 2 2 1
4 3 2 2 2 3 3 2 2 2 3 3
3 3 2 2 2 3 3 3 3 4 4 3
Keteterangan :
T : Tangible, EMP = Empathy, ASS=Assurance
Pengujian validitas dan reliabilitas dapat dilakukan menggunakan

bantuan software SPSS 20. Pengujian validitas dapat dilakukan sebagai berikut:
1. Dari menu utama SPSS pilih menu Analyze→ Correlate→ Bivariate.
2. Tampak di layar tampilan"window s Bivariate Correlation
3. Isikan dalam "box" variabel semua butir skor pertanyaan dan skor
total.
4. Pada Coeficient Correlation, pilih Pearson.
5. Tekan OK dan hasil output software SPSS 20 akan ditunjukkan
sebagai berikut ini:
Tabel 2.10 Correlations
Correlations
T1 T2 T3 T4 Tangible
* * *
T1 Pearson 1 .454 .371 .392 .751**
Correlation
Sig. (2-tailed) .012 .043 .032 .000
N 30 30 30 30 30
* **
T2 Pearson .454 1 .165 .648 .783**
Correlation
Sig. (2-tailed) .012 .384 .000 .000
80
N 30 30 30 30 30
*
T3 Pearson .371 .165 1 .297 .583**
Correlation
Sig. (2-tailed) .043 .384 .110 .001
N 30 30 30 30 30
* **
T4 Pearson .392 .648 .297 1 .821**
Correlation
Sig. (2-tailed) .032 .000 .110 .000
N 30 30 30 30 30
** ** ** **
Tangible Pearson .751 .783 .583 .821 1
Correlation
Sig. (2-tailed) .000 .000 .001 .000
N 30 30 30 30 30
*. Correlation is significant at the 0.05 level (2-tailed).
**. Correlation is significant at the 0.01 level (2-tailed).
Berdasarkan output SPSS diatas dapat dilihat bahwa keempat indikator

pengukuran untuk variabel Tangible adalah valid, karena setiap indikator
pengukuran memiliki nilai pearson correlation diantara -1 <r<1 dan juga
memiliki nilai Sig. (2-tailed)< 0,025. Sehingga dapat dikatakan bahwa pertanyaan
dari setiap kuisiOner mampu mengungkapkan apa yang ingin diungkapkan.
(Lakukan cara dan analisis yang sama untuk pengujian variabel berikutnya)
Selanjutnya, pengujian reabilitas dapat diketahui sebagai berikut:
Open folder SPSS Analyze→Scale→Reliability Analysis.
1. Selanjutnya masukkan masing-masing variabel yang akan diuji → OK.
Maka akan keluar hasil output SPSS sebagai berikut ini:
81
Gambar 2.27 Case Processing Summary
Berdasarkan output SPSS diatas, dapat dilihat nilai Cronbach's Alpha

untuk variabel Tangible memiliki nilai 0,749 sehingga dapat disimpulkan bahwa
indikator pengukuran untuk variabel Tangible adalah konsisten untuk setiap
responden dan mereka terhadap pertanyaan tersebut stabil dari waktu ke waktu.
Sehingga dapat dikatakan bahwa variabel ini reliabel.
2.6 Analisis Hubungan Antar Variabel Dan Pengujian Hipotesis

Adapun pembahasan analisis hubungan antar variabel dan pengujian
hipotesis adalah sebagai berikut.
2.6.1 Pengujian Hipotesis
Dalam upaya menarik kesimpulan dan mengambil keputusan, sering
kali ada gunanya menetapkan asumsasumsi atau perkiraan-perkiraan mengenai
populasi. Asumsasumsi seperti itu (yang mungkin salah atau yang mungkin benar)
disebut sebagai hipotesis statistik. Secara umum, suatu hipotesis statistik
merupakan pernyataan mengenai distriusi probabilitas populasi (Harinaldi, 2005).
Hipotesis ini perlu diuji untuk kemudian diterima atau ditolak.
Dengan menggunakan uji hipotesis, peneliti dapat menguji berbagai
teori yang berhubungan dengan masalah-masalah yang sedang diteliti. Contoh
suatu hipotesis adalah penerapan sistem baru dalam suatu perusahaan telah
meningkatkan laju produksi lebih dari 10%. Kebenaran atau ketidakbenaran suatu
hipotesis tersebut dapat diketahui dengan pasti jika seluruh populasi diamati
(memeriksa seluruh populasi). Namun pengamatan keseluruhan populasi
seringkali tidak efisien untuk dilakukan, sehingga hipotesis diuji melalui
pengamatan terhadap sutau sampel Konsekuensinya, keputusan yang dihasilkan
mengandung unsur ketidakpastian yang ditunjukkan dari tingkat keyakinan (1-)
dari pengujian.
Untuk melakukan suatu pengujian hipotesis dapat dilakukan dengan
prosedur umum sebagai berikut:
1. Menentukan formulasi hipotesis
Perumusan hipotesis statistik dibedakan menjadi dua, yaitu
penyusunan
82
hipotesis awal atau hipotesis nol (Ho) dan penyusunan hipotesis

tandingan/alternatif (H1).
Hipotesis nol (Ho) adalah hipotesis yang dirumuskan sebagai
permyataan yang akan dilakukan pengujian. H o ditulis dalam bentuk
persamaan (=). Sedangkan hipotesis alternatif (H t) adalah penolakan
Ho mengakibatkan penerimaan suatu hipotesis alternatif (H t). Hipotesis
ini memiliki beberapa kemungkinan bentuk penulisan yaitu>, < dan≠.
2. Menentukan besarnya taraf signifikansi (α)
Taraf signifikansi (significance level), dilambangkan, menunjukkan
batasan toleransi penerimaan kesalahan dari pengujian hipotesis.
Semakin tinggi nilai, maka semakin besar pula resiko melakukan
kesalahan penolakan Ho padahal pernyataan yang diuji benar.
3. Menentukan kriteria pengujian
Kriteria pengujian dibuat berdasarkan taraf signifikansi yang telah
ditetapkan sebelumnya. Kriteria ini menunjukkan batasan wilayah
penerimaan dan penolakan Ho sesuai dengan formulasi hipotesinya.
4. Menentukan nilai uji statistic.
Nilai uji statistik menupakan proses menghitung nilai statistik
pengujian berdasarkan penarikan sampel yang dilakukan secara acak.
5. Membuat kesimpulan
Pembuatan kesimpulan terhadap pengujian hipotesis berdasarkan
informasi nilai hitung statistik dari sampel dan wilayah penerimaan
dan penolakan Ho.
2.6.1.1 Tipe Kesalahan Dalam Pengujian Hipotesis

Proses penolakan atau penerimaan hipotesis H o mengandung dua jenis
kemungkinan kesalahan (errorlgalat) yaitu:
1. Galat jenis I (α) yaitu memutuskan menolak hipotesis nol padahal
hipotesıs itu benar.
2. Galat jenis II (ᵝ) yaitu memutuskan menerima hipotesis nol padahal
hipotesis itu salah, sebagaimana dapat dilihat pada Tabel 2.9.
83
Tabel 2.11 Beberapa Kemungkinan Hasil Pengujian Hipotesis

Keadaan Populasi Sebenarnya
Keputusan
Ho H1
Keputusan Benar Galat Jenis H
Terima Ho
Probabilitas = 1 - α Probabilitas = β
Galat Jenis 1 Keputusan Benar
Tolak Ho
Probabilitas = α Probabilitas =1- β
2.6.1.2 Uji Satu Arah dan Uji Dua Arah

Berdasarkan arah atau bentuk fomulasinya, pengujian hipotesis dapat
dibedakan menjadi dua yakni uji satu arah (one-tailed test) dan uji dua arah (two-
tailed test). Formulasi keduanya untuk menguji rataan dapat dirangkum sebagai
berikut:
1. Uji satu arah
Ho: µ1=µ2
H1: µ1>µ2(sisi kanan) atau
H1: µ1<µ2(sisi kiri)
Kaidah pengambilan keputusan:
P-value ≤taraf nyata (α) maka tolak Ho
P-value>taraf nyata (α) maka terima Ho
2. Uji dua arah
Ho: µl=µ2
Hi : µl ≠ µ2
Kaidah pengambilan keputusan
P-value s taraf nyata (α/2) maka tolak Ho
P-value > taraf nyata (α/2) maka terima.
2.6.1.3 Metode Pengujian Hipotesis

Berikut merupakan penjelasan tentang pengujian hipotesis
2.6.1.3.1 One Sample t-Test

84
One sample t-Test merupakan teknik analisis untuk membandingkan

satu variabel bebas. Teknik ini digunakan untuk menguji apakah nilai tertentu
berbeda secara signilikan atau tidak dengan rata-rata sebuah sampel. Pada uji
hipotesis ini, diambil satu sampel yang kemudian dianalisis apakah ada perbedaan
rata-rata dari sampel tersebut.
Prosedur yang umum dan harus diikuti untuk melakukan uji hipotesis
ini adalah sebagai berikut.
1. Mencari hipotesis nol dan hipotesis alternatifnya.
2. Pilih tingkat kepercayaan tertentu dan tentukan besarnya sampel yang
diambil.
2.6.1.3.1.1 Aplikasi One Sample t-Test dengan SPSS 20

Sebuah perusahaan pembuat mesin pengisi produk minuman botol
mengklaim bahwa mesin buatannya bisa mengisi botol minuman rata-rata
sebanyak 100 ml per botol. Untuk menyakinkan hal itu, perusahaan yang membeli
menguji mesin tersebut dengan mengukur kembali isi botol yang telah diisi oleh
mesin. Hasil yang diperoleh dari pengukuran sample adalah sebagai berikut:
Tabel 2.12 Hasil Pengukuran

10 10 10 10
98
1 2 1 3
10 10 10 10
99
0 0 0 4
10 10
98 99 96
4 5
10 10 10
97 97
3 1 1
Dengan α = 5%, x = 100,45

Hipotesis:
Ho : µ = 100
H1 : µ ≠ 100
Berikut adalah langkah-langkah penyelesaiannya:

1. Input data ke SPSS
2. pilih Analyze untuk memulai t-test, pada sub menu pilih Compare
Means kemudian pilih One-Sample t-Test
85
3. Akan muncul jendela One Sample t-Test, pindahkan variabel botol ke

test variabel dengan memilih variabel botol kemudian klik tanda panah
ke kanan di Jendela tersebut. Dan isikan Test Value dengan T hitung
yang dijadikan perbandingan, yaitu 100 (x)
4. Klik Option pada jendela One Sample t-test kemudian muncul jendela
berikutnya. Isikan derajat keyakinan sebesar 95% α = 5)
5. Klik Continue kemudian Ok maka output viewer SPSS akan
menampilkan hasil berikut
Tabel 2.13 One Sample Test
One-Sample Test
Test Value = 100
t Df Sig. (2- Mean 95% Confidence Interval of the
tailed) Difference Difference
Lower Upper
Botol .791 19 .439 .450 -.74 1.64
Dari tabel di atas diperoleh nilai t hitung SPSS = 0,791dan nilai Sig.
(2-tailed)> 0,05 maka Ho diterima. Oleh karena dapat diambil keputusan bahwa
dengan tingkat kepercayaan 95%, secara signifikan hasil pengujian tidak berbeda
dengan apa yang diklaim oleh perusahaan pembuat mesin pengisi botol.
2.6.1.3.2.2 Aplikasi One Sample t-Test dengan Minitab 18

Berikut adalah langkah-langkah penyelesaian dari data pengukuran
pada Tabel 2.1 yaitu:
1. Input data ke Minitab 16
2. Klik Stat untuk memulai t-test, pilib Basic Statistic kemudian pilih 1-
Sample t-test.
3. Kemudian klik Samples in different column, klik di dalam kolomnya
sehingga muncul variabel 'C1 Botol' , select variabel Botol.
4. Klik Graphs kemudian centang semua : Histogram of data, Individual
value plot dan Boxplot of data dan Klik Ok.
5. Klik Option sehingga muncul 1-Sample t Options. Isikan derajat
keyakinan ke colom Confidence level sebesar 95,0 (95%) dan colom
Alternative pilih not equal Klik Ok.
6. Klik Ok maka output viewer Minitab 16 akan menampilkan hasil
berikut. Berikut ini merupakan gambar One-sample minitab 16.
86
Gambar 2.28 One-Sample Minitab 16
Berikut ini merupakan gambar histogram.
Gambar 2.29 Histogram
Berikut ini merupakan gambar value plot.

Individual Value Plot of Botol
(with 95% t-confidence interval for the
_
X
95,0 97,5 100,0 102,5 105,0

Botol
Gambar 2.30 Value Plot

87
Berikut ini merupakan gambar dari box plot of botol.
Boxplot of Botol
(with 95% t-confidence interval for the
mean)
_
X
95,0 97,5 100,0 102,5 105,0

Botol
Gambar 2.31 Box Plot
2.6.1.3.2 ChiSquare
Uji Chi Square atau disebut Pearson's ChSquare bertujuan untuk
membandingkan apakah satu variabel tertentu bersifat dependen atau independen
terhadap variabel lain. Jenis data yang digunakan untuk uji chsquare hanus
berbentuk data frekuensi, bukan data yang berbentuk rasio ataupun skala.
Dasar pengambilan keputusan dalam uji chsquare dapat dilakukan
dengan menilai output ChSquare Test hasil olahan data dengan software SPSS 20.
Dalam pengambilan keputusan berpedoman pada dua hal, yakni membandingkan
nilai Asymp. Sig dengan batas kritis 0,05 atau dapat membandingkan antara nilai
Chi Square hitung dengan Chi Square tabel.
Melihat nilai Asymp. Sig:
1. Jika nilai Asymp. Sig < 0,05 maka terdapat hubungan yang Signifikan
antar variabel
2. Jika nilai Asymp. Sig > 0,05 maka terdapat hubungan yang signifikan
antar variabel
Melihat nilai Chi Square:
1. Jika nilai chsquare hitung> chsquare tabel maka terdapat hubungan
antar variabel
2. Jika nilai ChiSquare hitung < chsquare tabel maka tidak terdapat
hubungan antar variabel
88
Uji t dan chisquare digunakan untuk membandingkan dua sampel yang

akan dibandingkan, sedangkan ANOVA (Analisis of Varians) digunakan untuk uji
perbandingan lebih dari dua kelompok sampel data.
2.6.1.3.1.1 Aplikasi Chi Square Test dengan SPSS

Untuk melakukan uji Chi Square dapat menggunakan fasilitas
Crosstab yang terdapat pada program SPSS.
Seorang peneliti ingin mengetahui apakah terdapat hubungan yang
signifikan antara jenis kelamin seseorang dengan tingkat pendidikan yang dicapai.
Data yang diuji dapat dilihat pada tabel berikut.
Tabel 2.14 Data Statistik
No.
Responden Jenis Kelamin Kode Tingkat Pendidikan Kode
1 L 1 S1 3
2 L 1 S1 3
3 P 2 Diploma 2
4 P 2 SLTA 1
5 L 1 Diploma 2
6 P 2 S1 3
7 L 1 S1 3
8 L 1 S1 3
9 L 1 SLTA 1
10 L 1 S1 3
11 L 1 S1 3
12 L 1 S1 3
13 L 1 S1 3
14 L 1 SLTA 1
15 L 1 S1 3
16 L 1 S1 3
17 L 1 Diploma 2
18 L 1 SLTA 1
19 L 1 S1 3
20 L 1 S1 3
21 L 1 S1 3
22 L 1 S2 4
23 P 2 S2 4
24 P 2 SLTA 1
25 L 1 S1 3
26 P 2 S1 3
27 P 2 S1 3
28 L 1 S1 3
29 L 1 S1 3
30 L 1 S1 3
31 P 2 S1 3
32 L 1 S1 3
33 L 1 S1 3
89
Hipotesis.
Ho : Tidak terdapat hubungan yang signifikan antara jenis kelamin dengan
tingkat pendidikan.
Ha : Terdapat hubungan yang signifikan antara jenis kelamin dengan tingkat
pendidikan.
Berikut adalah langkah-langkah pengerjaannya:

1. Input data statistik di atas ke SPSS
2. Pilih Analyze →Descriptive Statistics →Crosstab kemudian muncul
kotak dialog Crosstab
3. Pindahkan variabel jenis kelamin ke Row(s) dan variabel tingkat
pendidikan ke Column(s)
4. Klik Statistics sehingga muncul kotak dialog Statistics: crosstab
5. Pilih Chsquare dan klik Continue
6. OK sehingga output viewer software SPSS 20 menampilkan hasil sebagai
berikut.
Tabel 2.15 Case Processing Summary
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Jenis_Kelamin * 33 100.0% 0 .0% 33 100.0%
Tingkat_Pendidikan
Berikut adalah tabel pengolahan data jenis kelamin menggunakan

SPSS
Tabel 2.16 Jenis Kelamin
Jenis_Kelamin * Tingkat_Pendidikan Crosstabulation
Count
Tingkat_Pendidikan Total
SLTA Diplom S1 S2
a
Jenis_Kelam laklaki 3 2 19 1 25
in perempua 2 1 4 1 8
n
Total 5 3 23 2 33
90
Berikut adalah tabel pengolahan data chsquare.

Tabel 2.17 ChiSquare Tests
ChiSquare Tests
Value df Asymp. Sig. (2-sided)
a
Pearson ChSquare 2.121 3 .548
Likelihood Ratio 1.979 3 .577
Linear-by-Linear .440 1 .507
Association
N of Valid Cases 33
a. 6 cells (75.0%) have expected count less than 5. The minimum expected count is .48.
Pada tabel Case Processing Summary dapat dilihat bahwa terdapat 33

data yang semuanya diproses, tidak ada data yang missing atau hilang, sehingga
tingkat kevalidannya 100%.
Pada tabel jenis_kelamin*tk_pendidikan crost abulation dapat dilihat
hubungan antara variabel jenis kelamin dengan tingkat pendidikan. Contoh pada
baris pertama, terdapat 3 orang laklaki dengan tingkat pendidikan SLTA.
Pada tabel Chsquare Test dapat dilihat dibagian Pearson ChSquare
angkat Asymp. Sig sebesar 0,584. Nilai tersebut >0,05 sehingga dapat disimpulkan
bahwa Ho diterima artinya tidak terdapat huungan yang signifikan antara jenis
kelamin seseorangdengan tingkat pendidikan. Hal ini dapat diartikan pula bahwa
jenis kelamin seseorang tidak mempunya korelasi dengan tingkat pendidikan yang
dimilikinya.
2.6.1.3.2 Aplikasi Chi Square Test dengan Minitab

Berikut adalah langkah-langkah penyelesaian:
1. Input data ke Minitab 16
2. Klik Start untuk memulai t-test, pilih Tables kemudian Chi Square
Goodness- of-Fit Test Conevariable
3. Klik colom observed count lalu Select "Responden", Klik category
Name (optional) Select "jenis kelamin" dan klik categorical data
Select Tingkat Pendidikan" dan klik equal proportions.
4. Klik OK maka output viewer Minitab 16 akan menampilkan hasil
berikut.
91
Gambar 2.32 ChSquare Test Menggunakan Minitab 16
Berikut merupakan gambar uji ChSquare
Gambar 2.33 hSquare Test Menggunakan Minitab 16
2.6.2 Pengujian Asumsi Linear

Uji Asumsi klasik adalah analisis yang dilakukan untuk menilai
apakah di dalam sebuah model regresi linear Ordinary Least Square terdapat
masalah-masalah asumsi klasik.
2.6.2.1 Pengujian Normalitas

Sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran data
pada sebuah kelompok data atau variabel, apakah sebaran data tersebut
berdistribusi normal ataukah tidak. Uji Normalitas berguna untuk menentukan
data yang telah dikumpulkan berdistribusi normal atau diambil dari populasi
normal.
2.6.2.2 Pengujian Multikolinearitas

Uji yang dilakukan untuk memastikan apakah di dalam sebuah model
regresi ada interkorelasi atau kolinearitas antar variabel bebas.
92
2.6.2.3 Pengujian Heteroskedisitas

Uji Heteroskedastisitas adalah uji yang menilai apakah ada ketidak-
samaan varian dari residual untuk semua pengamatan pada model regresi linear.
2.6.2.4 Pengujian Autokorelasi

Uji Autokorelasi adalah sebuah analisis statistik yang dilakukan untuk
mengetahui adakah korelasi variabel yang ada di dalam model prediksi dengan
perubahan waktu. Oleh karena itu, apabila asumsi autokorelasi terjadi pada sebuah
model prediksi, maka nilai disturbance tidak lagi berpasangan secara bebas,
melainkan berpasangan secara autokorelasi. Dalam kesempatan ini, kita hanya
akan fokus pada tutorial uji autokorelasi dengan software SPSS 20. Namun
prinsip penting lainnya tetap akan kami bahas secara singkat dan padat serta
mudah dipahami.
2.6.3 Analisi Korelasi

Korelasi adalah teknik statistik yang digunakan untuk meguji
hubungan serta arah hubungan dari dua variabel atau lebih. Korelasi merupakan
teknik analisis yang termasuk dalam salah satu teknik pengukuran asosiasi atau
hubungan (measures of association). Pengukuran asosiasi merupakan istilah
umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang
digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara
sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi
yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment
dan Korelasi Rank Speaman. Pengukuran asosiasi mengenakan nilai numerik
untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua
variabel dikatakan berasosiasi Jika perilaku variabel yang satu mempengaruhi
variabel yang lain. Jika tidak teriadi pengaruh, maka kedua variabel tersebut
disebut independen.
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua
variabel (atau lebih) dengan skala-skala tertentu, misalnya Pearson data harus
berskala interval atau rasio Spearman dan Kendal menggunakan skala ordinal.
Kuat lemah hubungan diukur menggunakan jarak (range) 0 sampai dengan 1.
93
Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed).

Korelasi searah jika nilai koefesien korelasi diketemukan positif, sebaliknya jika
nilai koefesien korelasi negatif, korelasi disebut tidak searah.
Koefesien korelasi ialah suatu pengukuran statistik kovarasi atau
asosiasi antara dua variabel. Jika koefesien korelasi diketemukan tidak sama
dengan nol (0), maka terdapat hubungan antara dua variabel tersebut. Jika
koefesien korelasi diketemukan +l maka hubungan tersebut disebut sebagai
korelasi sempurna atauhubungan linear sempurma dengan kemiringan (slope)
positif. Sebaliknya. jika koefesienkorelasi diketemukan -1, maka hubungan
tersebut disebut sebagai korelasi sempurma atauhubungan linear sempurna dengan
kemiringan (slope) negatif. Dalam korelasi sempurnatidak diperlukan lagi
pengujian hipotesis mengenai signifikansi antar variabel yangdikorelasikan,
karena kedua variabel mempunyai hubungan linear yang sempurna. Artinya
variabel X mempunyai hubungan sangat kuat dengan variabel Y. Jika korelasi
sama dengan nol (0), maka tidak terdapat hubungan antara kedua variabel
tersebut.
2.6.3.1 Kegunaan Korelasi

Korelasi berguna untuk mengukur kekuatan (strength) dan arah
hubungan antar dua variabel atau lebih. Pengukuran antara variabel untuk masing-
masing kasusakan menghasilkan keputusan, diantaranya; a) Hubungan kedua
variabel tidak ada; b)Hubungan kedua variabel lemah; c) Hubungan kedua
variabel cukup kuat; d)Hubungan kedua variabel kuat; e) Hubungan kedua
variabel sangat kuat.
Penentuan tersebut didasarkan pada kriteria yang menyebutkan
hubungan mendekati 1, maka hubungan semakin kuat; dan sebaliknya jika
hubungan mendekati 0, maka hubungan semakin lemah.
2.6.3.2 Karakteristik Korelasi

Korelasi mempunyai beberapa karakteristik diantaranya
1. Kisaran Korelasi: Kisaran (range) korelasi mulai dari 0 sampai dengan
1. Korelasi dapat positif dan dapat pula negatif.
94
2. Korelasi Sama Dengan Nol: Korelasi sama dengan 0 mempunyai arti

tidak ada hubungan antara dua variabel.
3. Korelasi Sama Dengan Satu: Korelasi sama dengan+ 1 artinya kedua
variable mempunyai hubungan linier sempurna (membentuk garis
lurus) positif. Korelasi sempurna seperti ini mempunyai makna jika
nilai X naik, maka Y juga naik.
4. Korelasi sama dengan minus satu: artinya kedua variabel mempunyai
hubungan linier sempurna (membentuk garis lurus) negatif. Korelasi
sempurna seperti ini mempunyai makna jika nilai X naik, maka Y
turun dan berlaku sebaliknya.
2.6.3.3 Pengertian Koefesien Korelasi

Koefesien korelasi ialah pengukuran statistik kovarian atau asosiasi
antara dua variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1.
Koefesien korelasi menunjukkan kekuatan (strength) hubungan linear dan arah
hubungan dua variabel acak. Jika koefesien korelasi positif, maka kedua variabel
mempunyai hubungan searahArtinya jika nilai variabel X tinggi, maka nilai
variabel Y akan tinggi pula. Sebaliknya, jika koefesien korelasi negatif, maka
keđua varnabel mempunyai hubungan terbalik. Artinya įika nilai variabel X
tinggi, maka nilai variabel Y akan menjadi rendah dan berlaku sebaliknya. Untuk
memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua
variabel penulis membenikan kriteria sebagai berikut (Sarwono:2006):
a. 0:Tidak ada korelasi antara dua variabel
b. >0-0,25: Korelasi sangat lemah
c. >0,25-0,5: Korelasi cukup
d. > 0,5-0,75: Korelasi kuat
e. >0,75-0,99: Korelasi sangat kuat
f. 1: Korelasi sempurna
2.6.3.4 Korelasi Pearson

Korelasi Pearson Product Moment, yang merupakan pengukuran
prametrik, prametrik, akan menghasilkan kocfesien korelasi yang berfungsi untuk
95
mengukur kekuatan hubungan linier antara dua variable. Jika hubungan dua
variable tidak linier, maka koefesien korelasi Pearson tersebut tidak
mencerminkan kekuatan hubungan dua variabel yang sedang diteliti; meski kedua
variabel mempunyai hubungan kuat. Simbol untuk korelasi Pearson adalah "p"
jika diukur dalam populasi dan "P" jika di ukur dalam sampel. Korelasi Pearson
mempunyai jarak antara -1 sampai dengan +1. Jika koefesien korelasi adalah -1,
maka kedua variabel yang diteliti mempunyai hubungan linier sempurna negatif.
Jika koefesien korelasi adalah +1, maka kedua variable yang diteliti mempunyai
hubungan linier sempurna positif. Jika koefesien korelasi menunjukkan angka 0,
maka tidak terdapat hubungan antara dua variable yang dikaji. Jika hubungan dua
variable linier sempurna, maka sebaran data tersebut akan membentuk garis lurus.
Sekalipun demikian pada kenyataannya kita akan sulit menemukan data yang
dapat membentuk garis linier sempurna.
Data yang digunakan dalam Korelasi Pearson sebaiknya memenuhi
persyaratan, diantaranya ialah:
1. Berskala interval atau rasio
2. Variabel X dan Y hanus bersifat independen satu dengan lainnya
3. Variabel harus kuantitatif simetris.
Asumsi dalam Korelasi Pearson diantaranya ialah:
1. Terdapat hubungan linier antara X dan Y
2. Data berdistribusi nomal
3. Variabel X dan Y simetris. Variabel X tidak berfungsi sebagai variabel
bebas dan Y sebagai variable tergantung,
4. Sampling representative
5. Varian kedua variabel sama
2.6.3.5 Korelasi Spearman

Korelasi Spearman merupakan pengukuran non-parametrik. Koefesien
korelasi ini mempuyai simbol r (rho). Pengukuran dengan menggunakan
koefesien Korclasi Spearman digunakan untuk menilai seberapa baik fungsi
monotonik (suatu fungsi yang sesuai perintah) arbitrer digunakan untuk
menggambarkan hubungan dua variabel dengan tanpa membuat asumsi distribusi
96
frekuensi dari variabel-variabel yang ditelíti. Nilai koefesien korelasi dan kriteria
penilaian kekuatan hubungan dua variabel sama dengan yang digunakan dalam
korelasi Pearson. Penghitungan dilakukan dengan cara yang sama dengan korelasi
Pearson, perbedaan terletak pada pengubahan data kedalam bentuk ranking
sebelum dihitung koefesien korelasinya. Itulah sebabnya korelasi ini disebut
sebagai Korelasi Rank Spearman.
2.6.3.6 Korelasi Partial

Korelasi yang digunakan untuk menguji hubungan dua atau lebih
variabel independen dengan satu variabel dependen dan dilakukan pengendalian
pada salah satu variabel independennya. Variabel yang diteliti hanus kontinus,
berskala interval. bersifat linier dan berdistribusi normal. Korelasi partial hanya
digunakan jika variabel ketiganya mempunyai hubungan keterkaitan dengan salah
satu variabel dikorelasikan.
2.6.3.7 Korelasi Ganda

Korelasi ganda merupakan korelasi vang digunakan untuk menguji
hubungan dua atau lebih variabel independen dengan satu variabel dependen
secara bersamaan. Korelasi ganda merupakan korelasi vang terdiri dari dua atau
lebih variabel bebas (independen) dan satu variabel terikat (dependen).
2.6.3.8 Aplikasi Korelasi Menggunakan SPSS 20

Saisberry realty menjual rumah sepanjang east coast of the United
States. Pertanyaan yang sering muncul oleh pembeli adalah jika kita membeli
umah tersebut, berapa ekspektasi biaya ($) yang dikeluarkan untuk membuat
tungku pemanasan selama musim dingin. Untuk menjawab pertanyaan tersebut,
dilakukan penelitian dengan sampel 20 rumah yang sudah terjual. Ada 3 variabel
yang diduga mempengaruhi biaya tersebut, yaitu:
1. Rata-rata temperatur diluar rumah (F).
2. Jarak isolasi loteng (inches).
3. Usia perapian (tahun).
97
Berdasarkan tabel berikut ini, hitunglah nilai korelasi antara tiap

variabel bebas dengan variabel terikat. Data dari 20 rumah yang dijadikan sampel
yaitu:
Tabel 2.18 Data Statistik Biaya Ekpektasi Rumah

Rumah ke- Cost (S) Suhu Insulation (inch) Usia (thn)
1 250 35 3 6
2 360 29 4 10
3 165 36 7 3
4 49 60 6 9
5 92 65 5 6
6 200 30 5 5
7 355 10 8 7
8 290 7 10 10
9 230 21 9 11
10 120 55 2 5
11 73 54 12 4
12 205 48 5 1
13 400 20 5 15
14 320 39 4 7
15 72 60 8 6
16 272 20 5 8
17 94 58 7 3
18 190 40 8 11
19 235 27 9 8
20 139 30 7 5
Berdasarkan kasus diatas, dapat diketahui bahwa terdapat lebih dari

đua variabel independen dan satu variabel dependen sehingga pada kasus ini dapat
diselesaikan dengan menggunakan analisis korelasi berganda.
Berikut adalah langkah-langkahnya:
1. Masukkan data dalam worksheet spss
2. Klik Analyze →Regression →Linear, selanjutnya akan muncul kotak
dialog "regression linear”
3. Pindahkan masing- masing variabel kedalam kolom dependen dan
independen
4. Klik statistics →model fit → Continue, selanjutnya akan muncul
jendela seperti pada gambar berikut.
98
Tabel 2.19 Variabel Entered Removed

Variables Entered/Removeda
Model Variables Entered Variables Removed Method
1 usia, Insulation, . Enter
b
suhu
a. Dependent Variable: cost
b. All requested variables entered.
Berikut ini merupakan tabel model summary.
Tabel 2.20 Model Summary

Model Summary
Model R R Square Adjusted R Std. Error of the
Square Estimate
a
1 .893 .798 .760 51,65715
a. Predictors: (Constant), usia, insulation, suhu
Berdasarkan tabel summary, nilai koefisien R = 0.893 (semakin

mendekau sehingga dapat dikatakan hubungan antara variabel independen (usia,
isolasi, suhu) dan variabel dependen (cost) memiliki hubungan yang kuat.
Perlu diingat bahwa pada uji korelasi ganda yang digunakan hanya
output model summary saja (Lihat nilai nilai koefisien R output pada tabel model
summary). Interpretasi model pada korelasi ganda dapat dilihat pada nilai R,
apabila nilai R semakin mendekati 1 maka dapat dikatakan korelasi model
semakin kuat.
Selain itu, guna memperkaya analisis dapat juga ditambahkan analisis
korelasi pada masing-masing variabel independen dengan variabel dependen
(caranya sama dengan analisis uji korelasi Pearson dan spearman) dapat dilihat
sebagai berikut.
1. Masukkan data dalam worksheet spss
2. Klik Analyze →Correlate →Bivariate masukkan variabel Pearson
3. Klik two tailed biarkan "flag significant correlation" dicentang,
selanjutnya akan muncul jendela seperti pada gambar berikut.
99

Correlations
cost suhu insulation Usia
**
Cost Pearson 1 -,811 -,196 ,541*
Correlation
Sig. (2-tailed) ,000 ,407 ,014
N 20 20 20 20
Suhu Pearson -,811** 1 -,168 -,486*
Correlation
Sig. (2-tailed) ,000 ,480 ,030
N 20 20 20 20
Insulation Pearson -,196 -,168 1 ,063
Correlation
Sig. (2-tailed) ,407 ,480 ,792
N 20 20 20 20
* *
Usia Pearson ,541 -,486 ,063 1
Correlation
Sig. (2-tailed) ,014 ,030 ,792
N 20 20 20 20
Korelasi antara variabel independen (variabel suhu, isolasi, dan usia)

dan dependen (cost) diberikan pada tabel diatas. Berdasarkan tabel dapat dilihat
korelasi antara suhu dengan Cost sebesar -0.811 dan antara isolasi dengan cost
sebesar -0,10 sedangkan korelasi usia dengan cost sebesar 0.541. Dari hasil
korelasi terlihat bahwa korelasi tinggi berada variabel suhu dan cost yaitu -0,811.
Hal ini berarti temperatur akan mempunyai peluang yang cukup tinggi atau paling
signifikan mempengarun biaya pembelian panas didalam model regresi ini.
2.6.3.9 Aplikasi Korelasi Pearson Menggunakan Minitab 18

Berikut adalah langkah-langkah analisis Korelasi Pearson
1. Klik Start→ Basic Statistic →Correlation
2. Masukkan masing-masing variabel →Select
3. Klik OK, output akan menampilkan hasil berikut ini:
100
Gambar 2.34 Korelasi Pearson Menggunakan Minitab 18
Hasil analisis pada output Minitab diatas menunjukkan bahwa nilai

korelasi yang paling tinggi antar variabel adalah nilai antara cost dengan suhu
sebesar -0811 dan nilai P-value sebesar 0,000 artinya dapat disimpulkan bahwa
ada korelasi yang signifikan antara variabel tersebut ( P-value < 0,05). Sedangkan
nilai korelasi yang Paling lemah signifikansinya terdapat pada variabel antara
isolasi dengan usia dimana nilai P-value sebesar 0,792 (P-value >0,05).
2.6.4 Analisis Regresi

Analisis regresi adalah analisis lanjutan dari korelasi yaitu menguji
sejauh mana pengaruh variabel independen terhadap variabel dependen setelah
diketahui ada hubungan antara variabel tersebut. Regresi dalam pengertian
modem menurut Gujara (2009) adalah kajian terhadap ketergantungan satu
variabel, yaitu variabel tergantung terhadap satu atau lebih variabel lainnya atau
disebut sebagai variabel-variabel eksplanatori dengan tujuan untuk membuat
estimasi dan memprediksi rata-rata populasi atau nilai rata-rata variable
tergantung dalam kaitannya dengan nilanilai yang sudah diketahui dari variable
eksplanatorinya. Selanjutnya menurut Gujarati meski analisis regresi berkaitan
dengan ketergantungan atau dependensi satu variabel terhadap variable-variabel
lainnya hal tersebut tidak harus menyiratkan sebab-akibat (causation).
Dalam regresi dikembangkan persamaan estimasi (estimating
equation), yaitu rumus matematika yang menghubungkan variabel-variabel yang
diketahui dengan yang tidak diketahui. Setelah dipelajari pola hubungannya,
kemudian baru dapat mengaplikasikan analisis korelasí (correlation analysis)
untuk menentukan tingkatan dimana variabel-variabel tersebut saling
berhubungan.
2.6.4.1 Tujuan Analisis Regresi
101
1. Membuat estimasi rata-rata dan nilai variabel tergantung dengan

didasarkan pada nilai variabel bebas.
2. Menguji hipotesi karakteristik dependensi
3. Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan
pada nilai variabel bebas diluar jangkauan sampel.
2.6.4.2 Persyaratan Model Regresi

1. Model regresi dikatakan layak jika angka signifikansi pada ANOVA
<0.05
2. Predictor yang digunakan sebagai variabel bebas harus layak, dengan
meula nilai angka standard error of estimate < Standard Deviation
3. Tidak terjadi multikolinieritas, artinya tidak terjadi korelasi yang
sangat atau sangat rendah antar variabel bebas (hanya berlaku pada
regresi berganda)
4. Tidak terjadi otokorelasi, terjadi otokorelasi apabila nilai angka Durbin
dan Watson (DB) <1 dan>3
5. Keselarasan model regresi dapat dilihat dengan model R square,
semakin besar nilaii R square atau mendekati I maka model regresi
semakin baik. Sebaliknya Jika nilai R square sama dengan 0, maka
tidak ada hubungan linier antara X dan Y.
6. Data berdistribusi normal
7. Memiliki variabel independen dan dependen, dimana diantara variabel
independen tersebut tidak saling mempengaruhi.
2.6.4.3 Aplikasi Regresi Menggunakan SPSS

Dengan menggunakan data statistic pada Tabel 2.20 maka dilakukan
langkah-langkah analisis regresi sebagai berikut.
1. Open folder data SPSS, kemudian klik Analyze→ Regression
→Linear
2. Pindahkan isi kolom Dependent kolom Independent
3. Klik Statistics.
102
4. Klik Estimates, aktifkan "Model fit", "Descriptive" "Collinearity

diagnostics" dan "Durbin Watson" klik Continue.
5. Klik Plot dan pindahkan variabel *Zresid ke dalam kolom X dan
*Zpred ke dalam kolom Y. Aktifkan "Histogram" dan "Normal
probability plots.
6. Klik OK, output viewer softwate SPSS 20 akan menampilkan hasil
berikut.
Tabel 2.22 Descriptive Statistics
Usia 7,0000
3,34034 20
Mean Std. N
Deviation
Cost 205,5500 105,38225 20
Suhu 37,2000 17,41022 20
Isolasi 6,4500 2,50210 20

Correlations
Cost Suhu Isolasi Usia
Pearson Cost 1,000 -,811 -,196 ,541
Correlation Suhu -,811 1,000 -,168 -,486
Isolasi -,196 -,168 1,000 ,063
Usia ,541 -,486 ,063 1,000
Sig. (1- Cost . ,000 ,203 ,007
tailed) Suhu ,000 . ,240 ,015
Isolasi ,203 ,240 . ,396
Usia ,007 ,015 ,396 .
N Cost 20 20 20 20
Suhu 20 20 20 20
Isolasi 20 20 20 20
Usia 20 20 20 20
Berikut ini merupakan penjelasan tabel variabel enter removed adalah

sebagai berikut.
Tabel 2.24 Variabel Entered Removed
Variables Entered Removed
Model Variables Entered Variables Method
Removed
1 Usia, Isolasi, Suhub . Enter
a. Dependent Variable: Cost
b. All requested variables entered.
103
Berikut ini merupakan penjelasan tabel ANOVA adalah sebagai

berikut.
Tabel 2.25 Anova
ANOVAa
Model Sum of Df Mean Square F Sig.
Squares
1 Regression 168307,576 3 56102,525 21,024 ,000b
Residual 42695,374 16 2668,461
Total 211002,950 19
a. Dependent Variable: Biaya
b. Predictors: (Constant), Usia, Isolasi, Suhu
Berikut ini merupakan tabel tentang coefficients adalah sebagai

berikut.
Tabel 2.26 Coefficients
Coefficientsa
Model Unstandardized Standardized t Sig. Collinearity Statistics
Coefficients Coefficients
B Std. Beta Tolerance VIF
Error
1 Constant 432,261 62,38 6,929 ,000
9
Suhu -4,713 ,789 -,779 - ,000 ,745 1,342
5,976
Insulation -14,259 4,806 -,339 - ,009 ,971 1,029
2,967
Usia 5,800 4,060 ,184 1,428 ,172 ,763 1,310
Berdasarkan hasil outputnya dapat diambil kesimpulan sebagai

berikut:
1. Pada tabel correlations, dapat dilihat hubungan antar variabel
dependen dan independen (pembacaan hasil sama seperti pada korelasi
spearman)
2. Model persamaan regresi dapat ditulis: Cost = 432,261 4,713 suhu -
14,259 isolasi + 5,8 usia. Hal ini berarti semakin rendah suhu dan
isolası maka akan meningkatkan biaya dalam pembelian pemanas,
sedangkan semakin tua usia perapian maka akan semakin besar pula
biaya pembelian pemanas
3. Hipotesis (Uji F)
Ho : l= u2 = u3
104
H1 : minimal ada satu µj≠0, j =1,2 atau 3

Berdasarkan tabel ANOVA diatas menunjukkan nilai sig. dari uji F,
karena nilai sig=0.000 artinya kurang dari alpha = 5% (0,05) maka Ho
ditolak dan dapat disimpulkan bahwa ketiga variabel independen
tersebut signifikan pada taraf 5% dan mempengaruhi variabel biaya
pembelian pemanas secara simultan
4. Hipotesis (Uji T)
Ho : 1 =0
H1:ul 0
Ho: u2 0 H1: 2 0
Ho: 43 =0 H1: 43 0
Berdasarkan tabel diatas dapat dilihat nilai sig. pada tabel ANOVA
diatas merupakan nilai sig. darn uji t untuk seuap varabel. Sehingga dapat dilihat
nilai sig. untuk variabel suhu 0,000 sedangkan pada variabel isolasi mempunyai
nilai sig, = 0,009. Kedua variabel tersebut kura" sehingga Ho ditolak, dan dapat
disimpulkan bahwa variabel suhu dan i 10% lari mempengaruhi variabel biaya
pembelian pemanas secara parsial.
Nilai sig untuk variabel adalah 0.172. karena nilai sig. pada kedua
variable usia lebih dari 10% maka Ho diterima dan dapat disimpilkan bahwa
vanaDE usia tidak signifikan mempengaruhi variabel biaya pembelian pemanas
secara parsial.
Dari nilai standardized coeficient terlihat bahwa variabel suhu
mempunyai nilai absolut yang paling besar, ini mengindikasikan bahwa
temperature mempunyai pengaruh yang paling besar dibanding dua variabel yang
lain (isolasi dan usia).
Tabel 2.27 Model Summary

Model Summaryb
Model R R Adjusted R Std. Error of Durbin-
Square Square the Estimate Watson
a
1 .893 .798 .760 51,657 1,617
a. Predictors: (Constant), Usia, Isolasi, Suhu
b. Dependent Variable: Biaya
105
Berdasarkan hasil output nya dapat diambil kesimpulan sebagai

berikut.
1. Nilai koefisien determinasi atau R square adalah 0,798. Hal ini berarti
bahwa 79,8 % varasi variabel respon dapat diprediksi dari variabel
independen tersebut. Sedang kan nilai kesalahan estimasi = 51,65715
2. Uji asumsi (tidak ada autokorelasi); Uji Durbin Watson (range 0 s/d 4)
Jika dekat dengan 2 maka tidak ada autokorelası, jika lebih dari 2
menunjukkan korelasi negative dan sebaliknya kurang dari 2 maka ada
korelasi positif. Nilai yang diamati dalam contoh adalah 1,617
(mendekati 2) yang artinya tidak ada autokorelasi atau dapat dikatakan
residual yang saling berurutan saling bebas.
Tabel 2.28 Descriptive Statistic
Mean Std. Deviation N
Cost 205,5500 105,38225 20
Suhu 37,2000 17,41022 20
Isolasi 6,4500 2,50210 20
Usia 7,0000 3,34034 20
Berikut ini merupakan tabel tentang Coefficients adalah sebagai berikut.

Tabel 2.29 Coeffients
Coefficientsa
B Std. Error Beta Tolerance VIF
1 (Constant) 432,261 62,389 6,929 .000
Suhu -4,713 .789 -,779 -5,976 .000 .745 1,342
Insulation -14,259 4,806 -,339 -2,967 .009 .971 1,029
Usia 5,800 4,060 .184 1,428 .172 .763 1,310
Berdasarkan hasil outputnya dapat diambil kesimpulan sebagai berikut:

1. Uji Standar Error Estimates (SEE), dinyatakan dengan melihat nilai SEE
< nilai standar deviasi Y. Berdasarkan output SPSS dapat dilihat nilai
SEE standar deviasi Y (62,389 < 205,5) sehingga dapat dikatakan model
regresi tersebut dinyatakan valid sebagai model prediksi.
Tabel 2.30 Coefficients
Coefficientsa
106

1 (Constant) 432,261 62,389 6,929 ,000
Suhu -4,713 .789 -,779 -5,976 ,000 .745 1,342
Insulation -14,259 4,806 -,339 -2,967 ,009 .971 1,029
Usia 5,800 4,060 ,184 1,428 ,172 .763 1,310
Berdasarkan hasil outputnya dapat diambil kesimpulan sebagai

berikut:
1. Uji Asumsi (Tidak ada multikolinieritas) pengujian ini dilakukan untuk
melihat apakah ada multikolinieritas yang tinggi, hal ini dapat dilihat
dari nilai VIF atau tolerance (keduanya memiliki interpretasi yang
sama)
2. Apabila nilai VIF tinggi (10) atau nilai tolerance rendah (< 1 -adj R
square) maka ada masalah multikolinieritas, berdasarkan hasil output
SPSS dapat diliat dari nilai 1-adj R square =1-0,76=0,24. Selain it,
apabila diliat pada VIF tidak ada variable yang memiliki nilai VIF>10
atau toleran < 0,24 sehingga dapat dikatakan tidak multikolinieritas
pada model tersebut.
Gambar 2.35 Histogram Uji T
Berikut ini merupakan gambar normal p-p plot adalah sebagai berikut.
107
Gambar 2.36 Grafik Normal P-P Plot Uji T
Berdasarkan Histogram dan Normal P-P plot dapat diambil

kesimpulan:
3. Persebaran titik berada pada garis lunus miring keatas (Normal P-P)
dan Berdistribusi normal (dapat dilihat dari histogram) sehingga dapat
dikatakan asumsi normalitas terpenuhi.
2.6.4.4 Aplikasi Regresi Menggunakan Minitab 18
Dengan menggunakan data statistik pada Tabel 1.1 maka dilakukan
langkah-langkah analisis regresi sebagai berikut:
1. Klik start→ Regression →Regression.
2. Kemudian masukkan dependen ke kotak "response" dan variabel
independen ke kotak "predictor”.
3. Selanjutnya klik option →fit intercent→variance inflating
factors→Durbin Watson statistics→ OK.
4. Pilih storage → residual → coeficients fits →OK.
5. Selanjutnya output pada minitab dapat dilihat sebagai berikut.
Regression Analysis: cost versus suhu, insulation, usia
Regression Equation
cost = 432.3 - 4.713 suhu - 14.26 insulation + 5.80 usia
Coefficients
SE
Term Coef Coef T-Value P-Value VIF
Constant 432.3 62.4 6.93 0.000
suhu -4.713 0.789 -5.98 0.000 1.34
insulation -14.26 4.81 -2.97 0.009 1.03
usia 5.80 4.06 1.43 0.172 1.31
S R-sq R-sq(adj) R-sq(pred)
108
Gambar 2.37 Uji Regression Equation
Berdasarkan output Minitab diatas, dapat dilihat:

1. Ada dua cara yang dilakukan untuk melihat persamaan regresi pada
minitab, yaitu:
a. Melihat nilai coef pada output worksheet minitab (lihat variabel baru
disebelah kanan residual "COEF1".
b. Dengan melihat langsung “The regression is”, pada hasil output
minitah dapat dilihat hasilnya: Cost= 432- 4,7l suhu - 14,3 isolasi +
5.80 usia.
c. Persaman regresi tersebut dapat disimpulkan: Apabila variabel lain
bernilai konstan maka nilai Y (Cost) akan berubah dengan sendirinya
sebesar nilai konstanta yaitu 432.
d. Apabila variabel lain bernilai konstan maka ilai Y (Cost) akan berubah
sebesar 4,71 setiap satu satuan XI (suhu).
e. Apabila variabel lain benilai konstan maka nilai Y (Cost) akan berubah
sebesar 14,3 setiap satu satuan X2 (isolasi).
f. Apabila variabel lain bernilai konstan maka nilai Y akan berubah
sebesar 5,80 setiap satu satuan X3 (usia).
2. Uji R Square dapat ditunjukkan dengan melihat nilai R-sq di mana
pada uji ini nilainya sebesar 79,8 % artinya variabel dependen (Y)
109
dapat dijelaskan oleh sekelompok variabel independen (X1, X2, X3)

secara simultan sebesar 79,8 % sedangkan sisanya (100% - 79,8 %
20,2 %) dijelaskan oleh variabel lain diluar model yang diteliti.
Statistics
Variable N N* Mean SE Mean StDev Minimum Q1 Median Q3 Maximum

cost 20 0 205.6 23.6 105.4 49.0 100. 202.5 285.5 400.0
5
suhu 20 0 37.20 3.89 17.41 7.00 22.5 35.50 54.75 65.00
0
insulation 20 0 6.450 Gambar
0.559 2.38 Uji R-Square
2.502 2.000 5.00 6.500 8.000 12.000
3. Uji Multikolinearitas; untuk mendeteksi gejala multikolinieritas dapat

dilihat nilai VIF (VIF < 5) karena nilai VIF = 1,342, 1,029; 1,310
(kurang dari 5) dapat disimpulkan tidak adanya gejala multikolinieritas
pada model regresi tersebut.
4. Uji Autokorelasi; mendeteksi autokorelasi dapat dilihat nilai Durbin
Watson Dada output Minitab. Nilai Durbin Watson= 1,6l708
(mendekati 2) sehingga dapat dikatakan tidak adanya gejala
autokorelasi pada model regeresi
5. Standard Error of Estimales (SEE) digunakan untuk mengetahui
manakah model regresi dinyatakan valid sebagal model prediksi.
Berdasarkan hasil output minitab, Nilai SEE dapat ainat dengan
membandingkan nilai dengan standar deviasi Y (SEES< Standar
deviasi Y) dapat dilihat nilai S = 5I65 dan standar deviasi = 105,4
(dapat dilihat pada uji deskriptif statistik) dapat disimpulkan bahwa
model regresi tersebut valid sebagai model prediksi.
6. Uji F regresi, dilakukan untuk menentukan apakah secara d serentak
semua variabel independen mempunyai pengaruh yang bermakna
terhadap variabel dependen dapat dilihat dari nlai uii F (P Value <
0,05). Berdasarkan output minitab, dapat disimpulkan nilai P pada
ANOVA sebesar 0,000 < 0,0 maka dapat disimpulkan secara simultan
variabel independen mempunyai pengaruh bermakna terhadap
terhadap variabel dependen.
110
7. Uji T parsial, dilakukan untuk mengetahui apakah variabel independen

yang di dalam model regresi mempunyai pengaruh secara individu
terhadap variabel dependen dengan memperhatikan keberadaan
variabel lain di dalam model. Nilai t parsial dapat dilihat melalui nilai t
output Minitab. Berdasarkan output Minitab dapat dilihat nilai P value
t parsial < 0,05 sehingga dapatdisimpulkan semua variabel memiliki
pengaruh secara individu terdapat variabel dependen (Y) dengan
memperhatikan variabel lain.
Gambar 2.39 Grafik Histogram
Gambar 2.40 Grafik Normal Probability plot
Uji normalitas dapat dilakukan dengan melihat diagram normal

probability plot dan Histogram. Residual berdistribusi normal apabila histogram
menyerupai bel keatas. Berdasarkan histogram, dapat disimpuikan bahwa data
berdistribusi nal. Selain itu, uji normalitas dapat juga dilakukan dengan
menggunakan diagram probability plot. Berdasarkan normal probability plot
111
dapat dilihat bahwa data berdistribusi normal, hal ini dapat dilihat plot mengikuti
garis lurus. Sehingga dapat disimpulkan residual berdistribusi normal.
III BAB III
METODOLOGI PRAKTIKUM
3.1 Flowchart
Berikut flowchart praktikum yang telah dilakukan
Mulai
Tema Kuesioner :
Wisata dan Rekreasi
Sampel golongan darah responden
: 16 sampel (A,B,AB,O)
Pengambilan sampel golongan darah

dengan 10 kali percobaan
Penentuan Kasus Kuesioner
Sampel yang terambil.

1. A = 3 Analisis Pengaruh Citra Destinasi,
2. B = 3 Citra Destinasi Petugas dan Harga
3. AB = 2 Terhadap Kepuasan Pengunjung
4. O = 2 Pulau Weh
Studi Literatur
Pengolahan data secara Pengolahan data menggunakan SPSS
manual 20
Penentuan Variabel
Pengolahan data Pengolahan data Golongan

distribusi peluang distribusi peluang darah A, B, Variabel Bebas :
Variabel Terikat:
diskrit kontinyu AB dan O 1. Citra Destinasi
Kepuasan
2. Citra Destinasi Petugas
Pengunjung
3. Harga
Golongan Golongan Distribusi normal
darah A, B, darah A, B,
AB dan O AB dan O Penentuan Karakteristik
Responden
Gambar data view dan
variabel view peluang
Distribusi binomial Distribusi normal
terambilnya sampel
golongan A, B, AB dan O Karakteristik Umum : Karakteristik Khusus:
1. Nama 1. Rata-rata liburan responden
peluang terambil golongan darah A peluang terambil golongan 2. Pertama kali dengar Wisata
2. Berat Badan
sebesar 0,24 , golongan darah B darah A sebesar 0,275 , 3. Kendaraan yang digunakan
3. Tinggi Badan
sebesar 0,24 , golongan darah AB golongan darah B sebesar Distribusi 4. Asal Kota Responden
4. Jenis Kelamin
sebesar 0,3015 , golongan darah O 0,275 , golongan darah AB hipergeometrik 5. Tujuan Berwisata
5. Usia
sebesar 0,3015. sebesar 0,315 , golongan 6 Pekerjaan
darah O sebesar 0,315
Distribusi Penentuan Teknik Sampling
hipergeometrik Gambar data view
dan variabel view Perancangan Kuesioner
peluang Teknik Nonprobability Sampling
terambilnya sampel (Convinience Sampling)
peluang terambil golongan golongan A, B, AB Penentuan dan Pembuatan
darah A sebesar 0,2997, dan O Pernyataan
golongan darah B sebesar Populasi : Seluruh
Sampel
0,1573 , golongan darah AB Pengunjung Wisata
sebesar 0,3324 , golongan Daftar Kuesioner : 41
darah O sebesar 0,0842 Pernyataan Skala Likert Kriteria Sampel:
1. Berusia diatas 14 Tahun
Pembuatan Kuesioner Melalui 2. Pernah dan Berpengalaman
Google Formulir Mengunjungi Tempat Wisata
15 (indikator) x 5 (parameter)
= 75 Responden
Penyebaran Kuesioner
Rekapituasi Jawaban
Responden
Pembuatan Tabel Distribusi

Data Karakteristik Responden Pengkodean
Frekuensi Karakteristik Tinggi
Berdasarkan Karakteristik Umum Angka Data
Badan dengan Microsoft Excel
Rekapitulasi
Bobot Kuesioner
Pembuatan pie chart
dengan Excel
Tabel Distribusi Frekuensi
Karakteristik Tinggi
Pie Chart : Badan :
1. Jenis Kelamin k=8
2. Usia Pengujian Validitas dan Perumusan Hipotesis
r = 43
3. Tinggi Badan Reliabilitas dengan SPSS
c=6
4. Berat Badan
5. Pekerjaan
Pengujian
Validitas
dengan SPSS
Pengolahan Data Distribusi Pengolahan Data Distribusi Perumusan Hipotesis :
Frekuensi Karakteristik Berat Frekuensi Karakteristik Berat 1. Citra Destinasi
Badan dengan Excel Badan dengan SPSS 20 H01 : tidak berpengaruh terhadap kepuasan pengunjung
Tidak H11 : berpengaruh terhadap kepuasan pengunjung
Perancangan Kuesioner Valid 2. Kualitas Pelayanan Petugas
Pemusatan Data H02 : tidak berpengaruh terhadap kepuasan pengunjung
Pengolahan Data H12 : berpengaruh terhadap kepuasan pengunjung
Ya
Deskriptif dengan SPSS 3. Harga
Untuk Data Kategori Rekapitulasi Hasil Uji Validitas H03 : tidak berpengaruh terhadap kepuasan pengunjung
Variabel H13 : berpengaruh terhadap kepuasan pengunjung
1. Mean
=161,316 cm 1. Citra Destinasi :
2. Median Valid
=159,298 cm Hasil Ouput SPSS 2. Kualitas Pelayanan Petugas :
3. Modus Grafik Pie Chart dan Valid
=155,89 cm Histogram 3. Harga :
Valid
4. Kepuasan pengunjung : Pengujian
Pembuatan Tabel Pengujian Pengujian
Pengolahan Data Valid Asumsi
Distribusi Frekuensi Korelasi Regresi
Deskriptif dengan SPSS Linier
Untuk Data Skala
Grafik Histogram, Pengujian
Poligon, dan Kurva Reliabilitas
Frekuensi Tinggi Badan dengan SPSS
Pengujian Pengujian Pengujian Pengujian Pengujian
1. Hasil Analisis
Normalitas Heteroskedisitas Korelasi Regresi Regresi
Perhitungan Frequencies
dengan SPSS dengan SPSS dengan SPSS dengan SPSS dengan
Persentil dan 2. Hasil Analisis
Tidak Minitab
Kuartil Deskriptif
Penghapusan Reliabel
1. Hasil Persentil Ya
2. Hasil Kuartil 1. Tabel One-Sample Tabel Uji Tabel Pearson Tabel output
Kolmogrov-Smirnov Test Heteroskedisitas Correlation Regression
2. Output Grafik Normal Coeffecient Analysis
Pengukuran P-Plot
Dispersi, Hasil
Kemiringan dan Pengujian
Keruncingan Pengujian Hipotesis
(Kurtosis) Pengujian Pengujian Korelasi
Multikolinearitas Autokorelasi dengan
dengan SPSS dengan SPSS Minitab
1. Tabel Dispersi
Perumusan Hipotesis :
2. Hasil Standar
1. Citra Destinasi
Deviasi 1. Tabel Uji F
H01 : diterima
3. Hasil Variansi Rekapitulasi Hasil Uji Reliabilitas 2. Tabel Uji T
H11: ditolak
4. Hasil Simpangan Variabel 3. Tabel Uji
Tabel Uji Tabel Uji 2. Kualitas Pelayanan Petugas
Rata-Rata 1. Citra Destinasi : Reliabel Coefficient
Multikolinearitas Autokorelasi H02 : ditolak
5. Hasil Kemiringan 2. Kualitas Pelayanan Petugas: Reliabel Regresi Linier
Coeffecient Model Summary H12: diterima
6. Hasil Keruncingan 3. Harga : Reliabel 4. Tabel Uji
Durbin-Watson 3. Harga
4. Kepuasan pengunjung : Reliabel Regresi Model
H03 : diterima
Summary.
H13 : ditolak
Analisis
Kesimpulan
dan Saran
Selesai
112
3.2 Uraian Flowchart

Pada tahap awal dilakukan perancangan untuk kuesioner yang ingin
disebarkan dengan tema wisata dan rekreasi sehingga ditetapkan judul kasus
kuesioner “Analisis Pengaruh Citra Destinasi, Kualitas Pelayanan Petugas Dan
Harga Terhadap Kepuasan Pengunjung Pulau Weh Sabang”. Setelah studi literatur
maka dilakukan penentuan variabel dan indikator serta karakteristik umum dan
khusus responden. Selanjutnya dibuatkan rancangan kuesioner yang berisi 41
pernyataan Skala Likert dengan teknik sampling nonprobability sampling
(convinience sampling) sebanyak 75 responden. Dengan mempertimbangkan
keadaan masa saat praktikum kuesioner dibuat dengan bantuan tool dari Google
yaitu Google Formulir. Penyebaran kuesioner dilakukan kepada responden yang
memenuhi kriteria dari sampel/responden yang sesuai dengan pengujian. Setelah
dilakukan penyebaran kuesioner ke 75 responden maka diperoleh data rekapitulasi
dari jawaban responden yang selanjutnya digunakan dalam pengujian dibeberapa
modul praktikum.
Dimulai dari rekapitulasi data karakteristik umum responden yang
dilakukan pengolahan data pada Excel untuk pembuatan pie cart. Data
rekapitulasi karakteristik berat badan responden diolah dengan dua cara, pertama
secara manual dengan mengurutkan data dari terkecil hingga terbesar untuk
mencari jumlah kelas, range, dan juga lebar kelas yang selanjutnya akan
dibuatkan tabel distribusi frekuensi hingga pembuatan grafik histogram, kurva
frekuensi dan poligon yang selanjutnya dilakukan perhitungan mean, median,
modus, persentil, kuartil, nilai dispersi (standar deviasi, variansi, simpangan rata-
rata, kemiringan dan kuotosis), sebagai perbandingan maka dilakukan pengujian
kembali dengan menggunakan bantuan software SPSS 20 untuk pengujian yang
sama yaitu pengujian analisis frekuensi untuk data kategori dengan ouput hasil
pie cart dan histogram dari SPSS 20 dan analisis frekuensi untuk data skala
dengan ouput tabel analisis frekuensi yang selanjutnya dilakukan analisis
deskriptif untuk data skala dengan output tabel analisis deskriptif dan gambar
karakteristik berat badan. Selanjutnya dari rekapitulasi jawaban kuesioner
pervariabel dikonversikan data tersebut menjadi bobot nilai dari skala likert untuk
pengujian validitas dan reliabilitas untuk perumusan hipotesis (H 0 = variabel bebas
113
tidak mempengaruhi variabel terikat, H 1 = variabel bebas mempengaruhi variabel

terikat), pengolahan data ini dilakukan dengan menggunakan dua software yaitu
SPSS dan Minitab, pada Minitab dilakukan pengujian korelasi untuk menguji
sebesar apa pengaruh variabel bebas terhadap variabel terikat diperoleh hasil
bahwa variabel kualitas pelayanan petugas sebagai variabel paling berpengaruh,
selanjutnya dilakukan pengujian regresi memperoleh output hasil variabel yang
berpengaruh terhadap variabel terikat (kepuasan pengunjung). Pada SPSS
dilakukan pengujian asumsi linear (normalitas, multikolinealitas, heteroskedasitas
dan autokorelasi) diperoleh hasil bahwa data tersebut berdistribusi normal, tidak
terjadi multikolinealitas, tidak heteroskedasitas dan tidak adanya autokorelasi.
Selanjutnya dilakukan uji regresi linear berganda (uji F dan uji T), hasil dari
pengujian menunjukkan bahwa variabel harga mempunyai pengaruh yang sangat
kecil terhadap variabel terikat. Berdasarkan pengujian didapatkan hasil hipotesis
bahwa variabel citra destinasi dan kualitas pelayanan petugas berpengaruh
terhadap variabel terikat sedangkan variabel harga tidak berpengaruh terhadap
kepuasan pengunjung.
Pengujian peluang diskrit dimulai dari pengambilan sampel golongan
darah yang berjumlah 16 sampel dilakukan 10 kali percobaan pengambilan.
Pengujian dilakukan secara manual dan juga menggunakan software SPSS 20.
Pengolahan data secara manual dimulai dari pengolahan data distribusi peluang
diskrit dari golongan darah A, B, AB, O. Distribusi binominal didapatkan hasil
peluang terambil golongan darah A sebesar 0,24 , golongan darah B sebesar 0,24 ,
golongan darah AB sebesar 0,3015 , golongan darah O sebesar 0,3015. Distribusi
hipergeometrik didapatkan hasil peluang terambil golongan darah A sebesar
0,2997, golongan darah B sebesar 0,1573 , golongan darah AB sebesar 0,3324 ,
golongan darah O sebesar 0,0842. Selanjutnya dilakukan pengolahan data
distribusi peluang kontinyu dari golongan darah A, B, AB, O. Distribusi normal
didapatkan hasil peluang terambil golongan darah A sebesar 0,275 , golongan
darah B sebesar 0,275 , golongan darah AB sebesar 0,315 , golongan darah O
sebesar 0,315. Setelah selesai dilakukan semua pengujian yang diperlukan dalam
praktikum maka hasil dari pengujian tersebut harus dianalisis untuk mengetahui
maksud dari hasil pengujian.
IV BAB IV
PENGUMPULAN DATA
4.1 Judul dan Deskripsi Masalah

a. Masalah
Masalah yang dipilih dalam penelitian ini adalah bagaimana pengaruh
cira destinasi, kualitas layanan petugas dan harga terhadap kepuasan wisatawan
Pulau Weh Aceh. Variabel bebas berupa citra destinasi, kualitas pelayanan
petugas dan harga di temat wisata akan diidentifikasi pengaruhnya terhadap
variable terikat yaitu kepuasan wisatawan
b. Lokasi Penelitian
Lokasi penelitian adalah tempat atau objek untuk diadakan suatu
penelitian. Lokasi Penelitian ada di Pulau Weh yang terletak di Sabang, Aceh
Indonesia. Lokasi ini diambil karena mejadi salah satu objek wisata yang sudah
banyak dikunjungi oleh berbagai kalangan baik itu dari dalam daerah maupun luar
daerah dan lebih hebih hebatnya lagi Sabang juga sudah terkenal ke wisatawan
luar negeri.
c. Waktu Penelitian
Penelitian ini dilakukan kurang lebih hampir seminggu yaitu mulai dari
tanggal 2 November sampai 9 November 2020.
Berikut merupakan gambar lokasi untuk pengambilan data
Gambar 4.1 Objek Penelitian Pratikum

115
4.2 Tipe Pernyataan

Tipe pernyataan untuk kuesioner menggunakan skala likert. Skala likert
adalah suatu skala psikometrik yang umum digunakan dalam kuesioner, dan
merupakan skala yang paling banyak digunakan dalam riset berupa survei.
Sewaktu menanggapi pertanyaan dalam skala Likert, responden menentukan
tingkat persetujuan mereka terhadap suatu pernyataan dengan memilih salah satu
dari pilihan yang tersedia. Ada dua bentuk pertanyaan yang menggunakan Likert
yaitu pertanyaan positif untuk mengukur minat positif , dan bentuk pertanyaan
negatif untuk mengukur minat negatif. Pertanyaan positif diberi skor 5, 4, 3, 2,
dan 1; sedangkan bentuk pertanyaan negatif diberi skor 1, 2, 3, 4, dan 5. Biasanya
disediakan lima pilihan skala dengan format seperti:
1. Sangat Tidak Setuju (STS)
2. Tidak Setuju (TS)
3. Netral atau Biasa (B)
4. Setuju (S)
5. Sangat setuju (SS)
Skala ini apabila dikaitkan dengan jenis data yang dihasilkan adalah data
Ordinal. Selain pilihan dengan lima skala seperti contoh di atas, kadang
digunakan juga skala dengan tujuh atau sembilan tingkat. Studi empiris
menemukan bahwa beberapa karakteristik statistik hasil kuesioner dengan
berbagai jumlah pilihan tersebut ternyata sangat mirip.
4.3 Penetuan Karakteristik Responden

Karakteristik responden yang terdapat pada kuesioner Analisis Pengaruh
Citra Destinasi, Kualitas Pelayanan Petugas dan Harga Terhadap Kepuasan
Wisatawan Pulau Weh Sabang adalah terbuka dan tertutup.
Kuesioner terbuka adalah serangkaian pertanyaan yang diberikan kepada
informan dengan terbuka. Kuesioner dengan jenis pertanyaan terbuka ini
mengandung arti bahwa peneliti memberikan kebebasan pada setiap jawaban yang
hendak diberikan oleh responden tanpa batasan apapun yang masih sejalan dengan
permasalahan penelitian, terutama disesuikan dengan rumusan masalahnya.
116
Kuesioner tertutup adalah jenis pertanyaan yang diberikan kepada

respondengn dengan jawaban tertutup. Kuesioner dengan pertanyaan tertutup ini
mengandung arti bahwa seorang peneliti atau penyusun kuesioner membatasi
pilihan jawaban yang akan diberikan oleh responden.
A. Karakeristik umum yaitu :
1. nama
Nama adalah sebutan atau label yang diberikan kepada benda, manusia,
tempat, produk dan bahkan gagasan atau konsep, yang biasanya
digunakan untuk membedakan satu sama lain.
2. umur
Umur atau usia pada manusia adalah waktu yang terlewat sejak
kelahiran.
3. tinggi badan
Tinggi badan adalah hasil pengukuran maksimum panjang tulang-tulang
tubuh yang membentuk poros tubuh, yang diukur dari titik tertinggi
kepala sampai ke titik terendah yaitu tulang kalkaneus.
4. berat badan
Berat badan adalah ukuran yang sering digunakan untuk menilai keadaan
suatu gizi manusia
1. pekerjaan
Pekerjaan merupakan suatu hubungan yang melibatkan dua pihak antara
perusahaan dan karyawannya.
2. jenis kelamin
Jenis kelamin adalah kondisi fisik biologis pada perempuan dan laki-laki
dan yang merupakan bawaan sejak lahir,
A. Karakteristik khusus yaitu :
1. rata-rata anda liburan
2. pertama kali dengar wisata Pulau Weh
3. kendaraan yang digunakan saat ke Pulau Weh
4. asal kota anda tujuan anda ke Puau Weh
117
4.4 Penentuan Variabel dan Indikator

Kepuasan wisatawan adalah tingkat perasaan seseorang setelah
membandingkan kinerja atau hasil yang dirasakan dibandingkan dengan
harapannya (Kotler dan Makens, 1999).
Indikator kepuasan wisatawan adalah :
1. Rasa senang, berdasarkan pengalaman ialah kebahagiaan yang dirasakan
saat berkunjung kembali ke tempat tertentu.
2. Sesuai dengan harapan, merupakan tingkat kesesuaian antara kinerja
produk yang diharapkan oleh pelanggan dengan yang dirasakan oleh
konsumen, meliputi : produk yang diperoleh sesuai atau melebihi dengan
yang diharapkan, pelayanan oleh karyawan yang diperoleh sesuai atau
melebihi dengan yang diharapkan, dan fasilitas penunjang yang didapat
sesuai atau melebihi dengan yang diharapkan.
3. Pelayan dan harga yang sesuai, pelayanan sendiri merupakan menolong
untuk menyediakan segala sesuatu yang diperlukan oleh orang lain dan
harga yang sesuai adalah nilai jual yang ditawarkan kepada pelanggan
sesuai dengan kebutuhannya.
Citra destinasi (Destination Image) adalah citra (image) pariwisata
menurut Pitana dan Diarta (2009) adalah kepercayaan yang dimiliki oleh
wisatawan mengenai produk atau pelayanan yang wisatawan beli atau akan beli.
Citra destinasi tidak selalu terbentuk dari pengalaman atau fakta, tetapi dapat
dibentuk sehingga menjadi factor motivasi atau pendorong yang kuat untuk
melakukan perjalanan wisatawan ke suatu destinasi pariwisata. Citra destinasi
berdasarkan penilaian wisatawan dapat berbeda-beda antara satu orang dengan
orang lainnya. Coban (2012) dalam penelitiannya menjelaskan bahwa citra
destinasi terdiri dari hasil penilaian rasional atau citra kognitif (cognitive image)
dan penilaian emosional atau citra afektif (affective image) dari destinasi itu
sendiri.
Indikator citra destinasi adalah:
1. Keindahan objek wisata, adalah segala sesuatu yang ada di daerah tujuan
wisata yang merupakan daya tarik agar orang-orang mau datang
berkunjung ke tempat tersebut. Menurut SK MENPARPOSTEL No.:
118
KM. 98/PW.102/MPPT-87, objek wisata adalah semua tempat atau

keadaan alam yang memiliki sumber daya wisata yang dibangun dan
dikembangkan sehingga mempunyai daya tarik dan diusahakan sebagai
tempat yang dikunjungi wisatawan.
2. Acara an hiburan, acara sendiri adalah acara adalah kata dalam bahasa
Indonesia untuk mengungkapkan agenda, hal atau pokok masalah yang
akan dibahas dalam rapat atau musyawarah dn hiburan adalah Hiburan
adalah segala sesuatu baik yang berbentuk kata-kata, tempat, benda,
perilaku yang dapat menjadi penghibur atau pelipur hati yang susah atau
sedih. Bagi orang tertentu yang memiliki sifat workaholic, bekerja adalah
hiburan dibandingkan dengan berdiam diri,
3. Atraksi budaya, yang berbasiskan pada segala sesuatu yang dihasil dari
aktivitas manusia. Contoh atraksi budaya yaitu: Arkeologi Keramah-
tamahan penduduk setempat Aktivitas ekonomi penduduk Situs budaya
& sejarah Seni dan kerajinan tangan Museum Festival budaya.4).
Relaksasi adalah teknik yang dilakukan untuk mengurangi ketegangan
maupun kecemasan.
Kualitas merupakan suatu kondisi dinamis yang berpengaruh dengan
produk, jasa, manusia, proses dan lingkungan yang memenuhi atau melebihi
harapan (Tjiptono, 2001). Kualitas pelayanan dapat diartikan sebagai upaya
pemenuhan kebutuhan dan keinginan konsumen serta ketepatan penyampaiannya
dalam mengimbangi harapan konsumen (Tjiptono, 2007). (2006) dalam Wara
Dirgantara (2013), kualitas jasa didefinisikan sebagai penyampaian jasa yang akan
melebihi tingkat kepentingan pelanggan. Kualitas jasa dipengaruhi dipengaruhi
oleh dua variabel, yaitu jasa yang dirasakan (perceived value) dan jasa yang
diharapkan (expected value), karena jasa tidak kasat mata serta kualitas teknik jasa
tidak selalu dapat dievaluasi secara akurat, pelanggan berusaha menilai kualitas
jasa berdasarkan apa yang dirasakannya, yaitu atribut-atribut yang mewakili
kualitas proses dan kualitas pelayanan. Kotler dan Armstrong dalam Yuriansyah
menyatakan bahwa pelanggan yang merasa puas akan membeli ulang dan akan
memberitahukan pada orang lain mengenai pengalaman baik tentang produk itu.
Definisi kepuasan konsumen menurut Kotler adalah “Sejauh mana anggapan
119
kinerja produk atau jasa memenuhi harapan konsumen”.Penilaian kualitas

pelayanan menurut Parasuraman (1988) dalam Lupiyadi (2006) dalam Wara
Dirgantara (2013).
Indikator kualitas pelayanan adalah :
1. Bukti fisik (tangibles), meliputi fasilitas fisik, perlengkapan, pegawai dan
sarana komunikasi.
2. Kehandalan (reliability), merupakan kemampuan memberikan pelayanan
yang dijanjikan dengan segera memuaskan.
3. Daya tanggap (responsiveness), yaitu keinginan para staf untuk
membantu konsumen dan memberikan dengan tanggap.
4. Jaminan (assurance), mencakup kemampuan, kesopanan, dan sifat
dipercaya dimiliki para staf, bebas dari bahaya risiko dan keragu-raguan.
5. Empati (empathy), meliputi kemudahan dalam melakukan hubungan
komunikasi yang baik dan memahami kebutuhan para konsumen.
Harga adalah suatu nilai tukar yang bisa disamakan dengan uang atau
barang lain untuk manfaat yang diperoleh dari suatu barang atau jasa bagi
seseorang atau kelompok pada waktu tertentu dan tempat tertentu. Istilah harga
digunakan untuk memberikan nilai finansial pada suatu produk barang atau jasa.
Biasanya penggunaan kata harga berupa digit nominal besaran angka terhadap
nilai tukar mata uang yang menunjukkan tinggi rendahnya nilai suatu kualitas
barang atau jasa. Dalam ilmu ekonomi harga dapat dikaitkan dengan nilai jual
atau beli suatu produk barang atau jasa sekaligus sebagai variabel yang
menentukan komparasi produk atau barang sejenis.
Indikator harga adalah :
1. Kesesuaian Harga diartikan sebagai harga yang sesuai dengan kualitas
produk suatu barang, dan harga tersebut dapat memberikan kepuasan
kepada konsumen (Ngadiman, 2008).
2. Daftar harga adalah daftar mengenai harga satuan barang yang
dianjurkan kepada pedagang eceran untuk dimuat dalam satu daftar.
3. Potongan Harga (discount) Potongan harga adalah pengurangan dari
harga yang normal. Contohnya diskon saat bazaar, diskon saat cuci
gudang, diskon saat hari raya, diskon saat liburan sekolah.
120
Berikut merupakan tabel variabel dan indikator.

Tabel 4.1 Variabel dan Indikator
Kode
No. Variabel Referensi Indikator
Indikator
Aisyah Tri Yulianingsih dan Imam Keindahan objek
Hidayat. 2018.Pengaruh Citra X1
wisata
Destinasi, Promosi, KualitasPelayanan,
Tempat Dan Acara dan
1 Citra Destinasi X2
HargaTerhadapKepuasanPengunjung. hiburan
Jurnal Ilmu dan Riset Atraksi budaya X3
Manajemen(JIRM), Vol 7 No 6
Relaksasi X4
Realability X5
Handika Fikri Pratama. 2016. Pengaruh
Kualitas Pelayanan Petugas Terhadap Responsives X6
Kualitas
Kepuasan Pengunjung di Objek Wisata
2 PeLayanan Assurance X7
Sejarah Benteng Marlborough di Kota
Petugas
Bengkulu. Jurnal EKOMBIS Review Empathy X8
Vol 4 No 1
Tangibles X9
Aisyah Tri Yulianingsih dan Imam Kesesuaian harga X10

Hidayat. 2018.Pengaruh Citra
Destinasi, Promosi, KualitasPelayanan,
3 Harga Tempat Dan Daftar harga X11
HargaTerhadapKepuasanPengunjung.
Jurnal Ilmu dan Riset
Manajemen(JIRM), Vol 7 No 6 Potongan harga X12
Prasetya, T.A., danChrisnaTri Harjanto. Rasa senang

2020. PengaruhMutuPembelajaran berdasarkan Y1
OnlineDan Tingkat Pengalaman
KepuasanWisata KepuasanMahasiswaTerhadapHasilBela Sesua idengan
4 Y2
wan jarSaatPandemi Covid19. harapan
JurnalPendidikanTeknologidanKejurua
n, 17(2), 188-197. Pelayanan dan
Y3
harga yang sesuai
1.1 Rancangan Kuesioner

Berikut merupakan rancangan kuisoner “Analisis Pengaruh Citra
Destinasi, Kualitas Pelayanan Petugas, dan terhadap Kepuasan Wisatawan Pulau
Weh Sabang:
Tabel 4.2 Rancangan Kuisioner
Analisis Pengaruh Citra Destinasi, Kualitas Pelayanan Petugas, dan Harga terhadap
Kepuasan Wisatawan Pulau Weh Sabang
1. Nama :
2. Jenis Kelamin :( ) Laklaki ( ) Perempuan
3. Umur : …… tahun
4. Berat Badan : …… kg
5. Tinggi Badan : ...…. cm
6. Pekerjaan :
7. Rata-rata anda liburan:
121
( ) Setiap akhir pekan ( ) Setiap enam bulan

( ) Sebulan sekali ( ) Setiap akhir tahun
8.Pertama kali mendengar Wisata Pulau Weh:
( ) Televisi/Radio ( ) Sosial media
( ) Koran/Majalah/Tabloid ( ) Teman/Saudara/Relasi
( ) Lain-lain
9.Kendaran yang digunakan saat ke PulauWeh:
( ) Sepeda motor dan kapal ( ) Kapal cepat
( )Kapal lamba t ( ) Perahu
10. Asalkotaanda :
( ) Banda Aceh dan Aceh Besar
( ) Luar Aceh
( ) Aceh,Selain Aceh Besar dan Banda Aceh
11. Tujuan ke Pulau Weh :
( ) Liburan
( ) Kerja
( ) Penelitian
Kode
No. Pernyataan S SS N TS STS
Pernyataan
1 Wisatawan dapat mengamati suasana A1
Pulau Weh
2 Pengelola wisata selalu merawat A2
tempat wisata
3 Penataan tata letak wisata sangat baik A3
dan rapi
Wisata menyajikan beberapa sarana
4 A4
hiburan yang sangat memuaskan
Pulau Weh
6 Petugas wisata memperkenalkan A6
budaya setempat kepada wisatawan
7 Tempat wisata menjadikan adat dan A7
budaya setempat sebagai ciri khas
8 Wisataini bias menjadi pilihan yang A8
tepat bagi yang ingin menenangkan
dan memanjakan diri
9 Wisatawan tidak mudah bosan jika A9
berlama-lama ditempat wisata
10 Memberikan pelayanan yang baik dan B1
benar tanpa terjadi kesilapan sedikit
pun
11 Memberikan informasi yang sesuai B2
dengan apa yang terjadi dan
dibutuhkan pengunjung
12 Keramahan petugas dalam B3
memberikan pelayanan sehingga
pengunjung merasa nyaman
13 Petugas dapat dijadikan tempat B4
mengajukan keluhan yang tepat bagi
wisatawan
14 Petugas cepat tanggap dalam B5
pelayanan di loket tiket
Lanjutan Tabel 4.2 Rancangan Kuisioner

122
Kode
Pernyataan
15 Petugas dengan baik dan cepat dalam B6
meberikan petunjuk yang sesuai
dengan kebutuhan pengunjung
16 Petugas menanggapi keluhan yang B7
diberikan pengunjungdengan cepat
17 Petugas dapat memberikan informasi B8
dengan tepat sehingga petuga sdapat
diandalkan pengunjung
18 Kesopanan Petugas memberikan B9
kenyaman tersendiri bagi pengunjung
dalam menerima pelayanan
19 Kemampuan petugas berkomunikasi B10
sangat baik
20 Perhatian yang diberikan sangat B11
berarti bagi pengunjung wisata Pulau
Weh
21 Petugas sangat terampil dalam B12
melayani wisatawan
22 Perhatian yang di berikan sangat B13
berarti bagi pengunjung Pulau Weh
23 Pemberi pelayanan selalu B14
mementingkan kebutuhan pengunjung
agar terpenuhi kebutuhan pengunjung
24 Pemberi pelayanan paham atas apa B15
yang dibutuhkan pengunjung untuk
kepuasan pengunjung
25 Petugas melakukan pendekatan yang B16
baik sehingga pengunjung terasa
memiliki perlindungan
26 Petugas dapat berinteraksi dengan B17
baik sehingga pengunjung merasa
paham dan nyaman
27 Tempat wisata memiliki kondisi B18
bangunan yang luas dan nyaman bagi
wisatawan
28 Memiliki tempat parkir yang luas bagi B19
wisatawan
29 Tingkat kebersihan lingkungan B20
ditempat wisata sangat bersih
30 Pemeliharaan fasilitas wisata sangat B21
baik
31 Harga yang di tawarkan kepada C1
pengunjung sesuai dengan apa yang
disajikan penyedia layanan wisata
PulauWeh
32 Harga yang diberikan menjadi Patoka C2
pengunjung dalam membeli jasa
pelayanan yang dibutuhkan
33 Harga yang diberikan dapat dijangkau C3
disegala kalangan yang ingin
berkunjung ke Pulau Weh
34 Daftar harga yabg diberikan jelas dan C4
cocok
123
Lanjutan Tabel 4.2 Rancangan Kuisioner

Kode
Pernyataan
33 Tempat wisata sering memberikan C5
potongan harga
34 Potongan harga mudah didapatkan C6
oleh siapapun
35 Wisatawan dapat mengamati D1
pemandangan yang indah
36 Pengelola wisata selalu di tempat D2
wisata
37 Penataan tata letak wisata sangat baik D3
dan rapi
38 Terpenuhi segala keinginan dalam D4
kepuasan setelah mengunjungi wisata
39 Dapat merasakan kenyamanan pada D5
setiap pemberian pelayanan oleh
petugas dalam memenuhi kebutuhan
pengunjung wisata
40 Kemampuan pengelola wisata sangat D6
baik dalam melayani wisatawan
41 Wisatawan merasa sangat cocok D7
mengeluarkan biaya untuk berwisata
1.2 Teknik Pengambilan Sampel

Teknik pengambilan sampel yang digunakan pada penelitian ini adalah
non probability sampling dan metode untuk pemilihan responden adalah
convenience sampling .Sesuai dengan namanya, sampel diambil dengan maksud
atau tujuan tertentu. Seseorang atau sesuatu diambil sebagai sampel karena
peneliti menganggap bahwa seseorang atau sesuatu tersebut memiliki informasi
yang diperlukan bagi penelitiannya. Alasan penggunaan teknik pengambilan
sampel ini adalah karena convenience sampling dilakukan peneliti karena
dihadapkan pada keberadaan subjek penelitian yang dinamis. Biasanya peneliti
tidak mempunyai kontrol atas jumlah populasi yang diteliti. Selain tidak ada
datanya, sangat mustahil menentukan jumlah populasi karena sangan dinamis,
berubah ubah dan fleksibel.
1.3 Data Distribusi Peluang Dikrit

Berikut ini merupakan data distribusi peluang dikrit yang didapatkan dari
pengambilan golongan darah
124
Tabel 4.3 Data Seluruh Sampel Golongan Darah

Golongan Darah Frekuensi
A 3
B 4
AB 5
O 4
Jumlah 16
Berikut ini merupakan daftar frekuensi pengambilan sampel golongan

darah
Tabel 4.4 Frekuensi Pengambilan Sampel Golongan
Golongan Darah Frekuensi
A 3
B 3
AB 2
O 2
Jumlah 10
125
V BAB V
PENGOLAHAN DATA
5.1 Pengolahan Data Perancangan Kuesioner dan Penarika Sampel

Berikut ini merupakan merupakan pengolahan data perancangan
kuesioner dan penarikan sampel yang akan disebar.
5.1.1 Perhitungan Sampel

Sampel penelitian analisis pengaruh kualitas layanan, kualitas produk,
dan citra perusahaan ditentukan berdasarkan kriteria sebagai berikut:
1. Berusia diatas 14 tahun
2. Pengujung wisata Pulau Weh Sabang
3. Memiliki pengalaman berkunjung pada wisata Pulau Weh Sabang
Populasi dalam penelitan ini adalah wisatawan yang pernah berwisata ke Pulau
Weh Sabang. Teknik pengambilan sampel adalah nonprobability sampling.
Pemilihan responden dilakukan dengan metode convenience sampling. Banyaknya
sampel yang digunakan pada semua variabel, yaitu jumlah indikator dikalikan 5
sampai 10 (kali parameter). Maka banyaknya sampel dalam penelitian ini adalah:
Jumlah indikator pada setiap variabel dikali 5 (kali parameter) : 15x5 = 75
Jadi sampel dalam penelitian ini adalah 75 responden. Cara perhitungan ini
didapatkan dari referensi jurnal yang digunakan dalam penelitian.
5.1.2 Hasil Kuesioner

Hasil kuisioner yang diperoleh dari responden yang telah kami sebarkan
adalah sebagai berikut.
5.1.2.1 Rekapitulasi Karakteristik Responden

Berikut merupakan rekapitulasi jawaban responden berdasarkan beberapa
karakterstik yang dibahas.
126
Tabel 5.1 Rekapitulasi Karakteristik Responden Berdasarkan Jenis Kelamin

No. Kode Responden Jenis Kelamin
1 R1 Laki-laki
2 R2 Perempuan
3 R3 Perempuan
4 R4 Perempuan
5 R5 Laki-laki
6 R6 Perempuan
7 R7 Perempuan
8 R8 Perempuan
9 R9 Perempuan
10 R10 Perempuan
11 R11 Perempuan
12 R12 Laki-laki
13 R13 Laki-laki
14 R14 Laki-laki
15 R15 Laki-laki
16 R16 Laki-laki
17 R17 Perempuan
18 R18 Perempuan
19 R19 Perempuan
20 R20 Laki-laki
21 R21 Perempuan
22 R22 Laki-laki
23 R23 Laki-laki
24 R24 Perempuan
25 R25 Perempuan
26 R26 Perempuan
27 R27 Perempuan
28 R28 Laki-laki
29 R29 Perempuan
30 R30 Laki-laki
31 R31 Perempuan
32 R32 Laki-laki
33 R33 Laki-laki
34 R34 Perempuan
35 R35 Laki-laki
35 R36 Laki-laki
37 R37 Perempuan
38 R38 Perempuan
39 R39 Perempuan
40 R40 Laki-laki
41 R41 Perempuan
42 R42 Perempuan
43 R43 Perempuan
44 R44 Laki-laki
45 R45 Perempuan
46 R46 Laki-laki
47 R47 Perempuan
48 R48 Perempuan
49 R49 Perempuan
50 R50 Perempuan
Lanjutan Tabel 5.1 Rekapitulasi Karakteristik Responden Berdasarkan Jenis Kelamin
No. Kode Responden Jenis Kelamin
127
51 R51 Perempuan
52 R52 Perempuan
53 R53 Perempuan
54 R54 Laki-laki
55 R55 Perempuan
56 R56 Laklaki
57 R57 Laklaki
58 R58 Perempuan
59 R59 Laklaki
60 R60 Laklaki
61 R61 Perempuan
62 R62 Perempuan
63 R63 Perempuan
64 R64 Laklaki
65 R65 Laklaki
66 R66 Perempuan
67 R67 Perempuan
68 R68 Perempuan
69 R69 Perempuan
70 R70 Perempuan
71 R71 Perempuan
72 R72 Perempuan
73 R73 Perempuan
74 R74 Perempuan
75 R75 Perempuan
Berikut merupakan rekapitulasi karakteristik responden berdasarkan usia:

Tabel 5.2 Rekapitulasi Karakteristik Responden Berdasarkan Usia
No Usia Responden
Responden (tahun)
R1 19
R2 19
R3 18
R4 19
R5 19
R6 18
R7 18
R8 19
R9 18
R10 19
R11 19
R12 20
R13 19
R14 17
R15 19
R16 20
R17 19
R18 19
R19 19
Lanjutan Tabel 5.2 Rekapitulasi Karakteristik Responden Berdasarkan Usia
No Usia Responden
Responden (tahun)
R20 18
128
R21 18
R22 19
R23 20
R24 19
R25 17
R26 19
R27 20
R28 19
R29 18
R30 19
R31 19
R32 19
R33 19
R34 18
R35 19
R36 19
R37 19
R38 16
R39 19
R40 19
R41 18
R42 17
R43 18
R44 19
R45 18
R46 19
R47 19
R48 19
R49 18
R50 18
R51 19
R52 18
R53 20
R54 19
R55 18
R56 20
R57 19
R58 19
R59 19
R60 23
R61 19
R62 18
R63 19
R64 18
R65 20
R66 19
Lanjutan Tabel 5.2 Rekapitulasi Karakteristik Responden Berdasarkan Usia

No Usia Responden
Responden (tahun)
R67 20
R68 19
129
R69 19
R70 20
R71 20
R72 20
R73 20
R74 19
R75 19
Berikut merupakan rekapitulasi karakteristik responden berdasarkan berat

badan.
Tabel 5.3 Rekapitulasi Jawaban Berdasarkan Berat Badan
No Berat Badan
Responden Responden (kg)
R1 60
R2 58
R3 45
R4 45
R5 59
R6 56
R7 48
R8 65
R9 50
R10 50
R11 47
R12 55
R13 53
R14 45
R15 80
R16 55
R17 56
R18 40
R19 46
R20 50
R21 56
R22 65
R23 50
R24 45
R25 47
R26 55
R27 55
R28 50
R29 38
R30 50
R31 45
Tabel 5.3 Rekapitulasi Jawaban Berdasarkan Berat Badan

No Berat Badan
Responden Responden (kg)
R32 48
R33 50
R34 48
130
R35 60
R36 70
R37 50
R38 40
R39 41
R40 70
R41 49
R42 54
R43 48
R44 88
R45 46
R46 70
R47 48
R48 50
R49 68
R50 42
R51 38
R52 40
R53 46
R54 48
R55 60
R56 85
R57 65
R58 53
R59 50
R60 75
R61 42
R62 60
R63 85
R64 70
R65 55
R66 62
R67 40
R68 42
R69 50
R70 60
R71 48
R72 48
R73 48
R74 35
R75 58
Berikut merupakan rekapitulasi karakteristik responden berdasarkan tinggi

badan.
Tabel 5.4 Rekapitulasi Karakteristik Responden Berdasarkan Tinggi Badan
No
Tinggi Badan
Responde
Responden (cm)
n
R1 179
R2 163
131
R3 167
R4 153
R5 175
R6 154
R7 152
R8 150
R9 155
R10 158
R11 153
R12 166
R13 163
R14 168
R15 165
R16 166
R17 155
R18 155
R19 154
R20 163
R21 154
R22 167
R23 158
R24 152
R25 157
R26 158
R27 156
R28 172
R29 155
R30 167
R31 150
R32 165
R33 167
R34 150
R35 175
R36 180
R37 160
R38 155
R39 147
R40 180
R41 156
R42 163
R43 157
R44 165
Lanjutan Tabel 5.4 Rekapitulasi Karakteristik Responden Berdasarkan Tinggi Badan
No Tinggi Badan
Responde Responden (cm)
132
n
R45 155
R46 179
R47 162
R48 163
R49 146
R50 156
R51 150
R52 155
R53 155
R54 170
R55 158
R56 172
R57 170
R58 157
R59 167
R60 178
R61 153
R62 157
R63 162
R64 163
R65 170
R66 169
R67 153
R68 151
R69 159
R70 150
R71 156
R72 156
R73 156
R74 155
R75 160
Berikut merupakan rekapitulasi karakteristik responden berdasarkan

pekerjaan
Tabel 5.5 Rekapitulasi Karakteristik Resaponden Berdasarkan Pekerjaan
No
Pekerjaan
Responden
R1 Mahasiswa
R2 mahasiswi
R3 mahasiswa
R4 Mahasiswa
R5 Mahasiswa
R6 Mahasiswi
R7 Mahasiswa
133
R8 Mahasiswa
R9 Mahasiswi
Lanjutan Tabel 5.5 Rekapitulasi Karakteristik Resaponden Berdasarkan Pekerjaan

No
Pekerjaan
Responden
R10 mahasiswa
R11 Mahasiswa
R12 Lain-lain
R13 Mahasiswa
R14 Kuliah
R15 Mahasiswa
R16 Lain-lain
R17 Mahasiswa
R18 Mahasiswa
R19 Mahasiswa
R20 Pelajar
R21 Mahasiswi
R22 Mahasiswa
R23 Mahasiswa
R24 Mahasiswi
R25 Mahasiswa
R26 Mahasiswi
R27 Mahasiswa
R28 Mahasiswa
R29 Mahasiswa
R30 BUMN
R31 Mahasiswa
R32 Mahasiswa
R33 Mahasiswa
R34 Mahasiswa
R35 Mahasiswa
R36 Mahasiswa
R37 Mahasiswi
R38 Pelajar
R39 Mahasiswa
R40 Lain-lain
R41 Mahasiswa
R42 Pelajar
R43 Mahasiswa
R44 Mahasiswa
R45 Mahasiswi
R46 Mahasiswa
R47 Mahasiswi
R48 Pelajar/Mahasiswa
R49 Mahasiswa
R50 Mahasiswi
R51 Mahasiswi
R52 Pelajar
R53 Mahasiswa
R54 Mahasiswa
R55 Mahasiswi
134
Lanjutan Tabel 5.5 Rekapitulasi Karakteristik Resaponden Berdasarkan Pekerjaan

No
Pekerjaan
Responden
R56 Mahasiswa
R57 Mahasiswa
R58 Mahasiswi
R59 Mahasiswa
R60 Wiraswasta
R61 Mahasiswa
R62 Mahasiswa
R63 Mahasiswa
R64 Mahasiswa
R65 Mahasiswa
R66 Mahasiswa
R67 Mahasiswa
R68 Mahasiswa
R69 Mahasiswa
R70 Mahasiswa
R71 Mahasiswa
R72 Mahasiswa
R73 Mahasiswa
R74 Mahasiswa
R75 Mahasiswa
Berikut merupakan rekapitulasi karakteristik responden berdasarkan rata-rata

liburan
Tabel 5.6 Rekapitulasi Jawaban Responden Berdasarkan Rata-rata Liburan
No
Rata-rata Liburan
Responden
R1 Sebulan sekali
R2 Setiap enam bulan sekali
R3 Setiap Akhir Tahun
R5 Sebulan sekali
R8 Sebulan sekali
R9 Setiap Akhir Pekan
R11 Sebulan sekali
R13 Sebulan sekali
R15 Sebulan sekali
R19 Sebulan sekali
R20 Sebulan sekali
R22 Sebulan sekali
Lanjutan Tabel 5.6 Rekapitulasi Jawaban Responden Berdasarkan Rata-rata Liburan
135
No
Rata-rata Liburan
Responden
R26 Sebulan sekali
R35 Sebulan sekali
R37 Sebulan sekali
R39 Sebulan sekali
R40 Sebulan sekali
R41 Sebulan sekali
R42 Sebulan sekali
R44 Sebulan sekali
R45 Sebulan sekali
R47 Sebulan sekali
R48 Sebulan sekali
R56 Sebulan sekali
R60 Sebulan sekali
R65 Sebulan sekali
136
Lanjutan Tabel 5.6 Rekapitulasi Jawaban Responden Berdasarkan Rata-rata Liburan

No
Rata-rata Liburan
Responden
R66 Sebulan sekali
Berikut merupakan rekapitulasi karakteristik responden berdasarkan Pertama

kali Tahu Pulau Weh
Tabel 5.7 Rekapitulasi Jawaban Responden Berdasarkan Pertama kali Tahu Pulau Weh
No Pertama kali tahu
Responden Pulau Weh
R1 Sosial Media
R2 Teman / Saudara / Relasi
R8 Sosial Media
R10 Sosial Media
R12 Sosial Media
R15 Sosial Media
R16 Sosial Media
R17 Televisi / Radio
R22 Sosial Media
R23 Sosial Media
137
R26 Lain-lain
Lanjutan Tabel 5.7 Rekapitulasi Jawaban Responden Berdasarkan Pertama kali Tahu
Pulau Weh
No Pertama kali tahu
Responden Pulau Weh
R29 Sosial Media
R30 Sosial Media
R31 Televisi / Radio
R34 Sosial Media
R35 Koran / Majalah / Tabloid
R46 Sosial Media
R48 Sosial Media
R49 Lain-lain
R50 Lain-lain
R51 Sosial Media
R52 Sosial Media
R56 Sosial Media
R61 Sosial Media
R62 Lain-lain
R64 Sosial Media
R68 Sosial Media
138
R74 Lain-lain
R75 Sosial Media
kali Tahu Pulau Weh
Tabel 5.8 Rekapitulasi Karakteristik Responden Berdasarkan Kendaraan yang digunakan
No Kendaraan yang
Responden Digunakan
R1 Kapal Lambat
R2 Mobil dan Kapal
R3 Kapal Cepat
R4 Kapal Cepat
R5 Sepeda motor dan Kapal
R6 Mobil dan Kapal
R7 Mobil dan Kapal
R8 Kapal Lambat
R9 Mobil dan Kapal
R14 Mobil dan Kapal
R19 Mobil dan Kapal
R21 Mobil dan Kapal
R22 Mobil dan Kapal
R23 Mobil dan Kapal
R24 Kapal Lambat
R25 Kapal Cepat
R27 Mobil dan Kapal
R28 Kapal Cepat
R33 Kapal Lambat
R34 Kapal Cepat
R36 Kapal Lambat
139
R37 Mobil dan Kapal

R39 Kapal Cepat
R40 Mobil dan Kapal
R41 Kapal Cepat
R42 Mobil dan Kapal
R43 Kapal Lambat
Lanjua Tabel 5.8 Rekapitulasi Karakteristik Responden Berdasarkan Kendaraan yang
digunakan
No Kendaraan yang
Responden Digunakan
R45 Kapal Cepat
R46 Kapal Lambat
R48 Mobil dan Kapal
R49 Kapal Lambat
R50 Perahu
R51 Kapal Cepat
R52 Mobil dan Kapal
R54 Kapal Cepat
R55 Kapal Lambat
R57 Mobil dan Kapal
R58 Kapal Cepat
R59 Kapal Lambat
R60 Mobil dan Kapal
R62 Kapal Lambat
R63 Kapal Cepat
R64 Mobil dan Kapal
R65 Kapal Cepat
R68 Kapal Cepat
R70 Mobil dan Kapal
R71 Kapal Cepat
R72 Kapal Cepat
R73 Kapal Cepat
R74 Kapal Cepat
R75 Mobil dan Kapal
140

kali Tahu Pulau weh Asal Kota.
Tabel 5.9 Rekapitulasi Karaktristik Responden Berdasarkan Asal Kota

No
Asal Kota Responden
Responden
R1 Aceh, selain Aceh Besar dan Banda Aceh
R3 Banda Aceh dan Aceh Besar
Lanjutan Tabel 5.9 Rekapitulasi Karaktristik Responden Berdasarkan Asal Kota

No
Asal Kota Responden
Responden
R14 Diluar Aceh
R17 Diluar Aceh
R23 Diluar Aceh
R25 Diluar Aceh
R32 Diluar Aceh
141
R42 Diluar Aceh

R53 Diluar Aceh
Lanjutan Tabel 5.9 Rekapitulasi Karaktristik Responden Berdasarkan Asal Kota

No
Asal Kota
Responden
R60 Diluar Aceh
R64 Diluar Aceh
R71 Diluar Aceh
R72 Diluar Aceh
R73 Diluar Aceh
Berikut merupakan rekapitulasi karakteristik responden berdasarkan tujuan ke

Pulau Weh.
Tabel 5.10 Rekapitulasi Karakteristik Responden Berdasarkan Tujuan ke Pulau Weh
No Tujuan Responden
Responden ke Pulau Weh
R1 LIburan
R2 LIburan
R3 LIburan
R4 LIburan
142
R5 LIburan
R6 LIburan
R7 LIburan
R8 LIburan
R9 LIburan
R10 LIburan
R11 LIburan
R12 LIburan
R13 LIburan
R14 LIburan
R15 LIburan
Lanjutan Tabel 5.10 Rekapitulasi Karakteristik Responden Berdasarkan Tujuan ke Pulau
Weh
No Tujuan Responden
Responden ke Pulau Weh
R16 LIburan
R17 LIburan
R18 LIburan
R19 LIburan
R20 LIburan
R21 LIburan
R22 LIburan
R23 LIburan
R24 LIburan
R25 LIburan
R26 LIburan
R27 LIburan
R28 Penelitian
R29 LIburan
R30 LIburan
R31 Liburan
R32 LIburan
R33 LIburan
R34 LIburan
R35 LIburan
R36 LIburan
R37 LIburan
R38 LIburan
R39 LIburan
R40 Penelitian
R41 LIburan
R42 LIburan
R43 LIburan
R44 LIburan
R45 LIburan
143
R46 LIburan
R47 LIburan
R48 LIburan
R49 LIburan
R50 LIburan
R51 LIburan
R52 LIburan
R53 LIburan
R54 LIburan
R55 LIburan
R56 LIburan
R57 LIburan
R58 LIburan
R59 LIburan
R60 LIburan
R61 LIburan
Lanjutan Tabel 5.10 Rekapitulasi Karakteristik Responden Berdasarkan Tujuan ke Pulau

No Tujuan Responden
Responden Ke Ke Pulau Weh
R62 LIburan
R63 LIburan
R64 LIburan
R65 LIburan
R66 LIburan
R67 LIburan
R68 LIburan
R69 LIburan
R70 LIburan
R71 LIburan
R72 LIburan
R73 LIburan
R74 LIburan
R75 LIburan
144
5.1.2.2 Rekapitulasi Jawaban Responden

Berikut merupakan rekapitulasi jawaban responden untuk setiap variabel
Berikut merupakan rekapitulasi jawaban responden variabel berdasarkan
variabel Citra Destinasi
Tabel 5.11 Rekapitulasi Jawaban Responden Berdasarkan Variabel Citra Destinasi
Citra Destinasi
X1 X2 X3 X4
No. Responden A
A1 A2 A3 A5 A6 A7 A8 A9
4
1 SS SS SS SS S S SS S SS
2 SS SS SS SS SS SS SS SS SS
3 S N N N S N N N N
4 S S S N N N S S S
5 S S S S S S N S S
6 SS TS N N S N N S S
7 SS N N S N S S S N
8 S S S S S S S S S
9 SS N N S N SS TS S STS
10 S S S S S S S S S
11 S SS S S N S S S S
14 N TS TS N S S S S S
15 SS S S S N SS SS N SS
17 SS S S S S S SS SS SS
19 SS N N N N N N SS SS
20 S S S S N S N S S
LanjutanTabel 5.11 Rekapitulasi Jawaban Responden Berdasarkan Variabel Citra
Destinasi
145
Citra Destinasi
X1 X2 X3 X4
No. Responden A A A A A A
A5 A8 A9
1 2 3 4 6 7
21 SS TS N N S N N S S
22 SS SS S N SS N SS N SS
24 N N S N S S SS SS SS
25 SS S S SS SS S SS SS SS
26 S TS N S S N N S N
27 SS N S S S S SS SS SS
28 SS N N SS N N N SS SS
29 SS S S N N N N SS S
30 SS S S SS S S S SS SS
32 SS SS S S SS SS S S SS
33 S SS S SS S SS S SS S
34 S S S SS S N N SS N
36 S TS N S S S S S S
37 S S S SS SS SS S N N
38 S S S S S S S S TS
39 SS SS N N N S S S N
40 S S SS N S SS S S SS
41 SS S N N N SS S SS SS
42 S S N S S S S S S
43 S N S SS S S S S S
44 SS SS TS S S SS S SS SS
46 SS S SS S S SS SS SS SS
47 S N S N N S S N N
48 SS S N SS N S S S S
49 SS S S SS S S N S S
50 N N N N N N N N N
51 S N N N N N N N N
53 S TS S TS STS TS TS TS S
55 S S S S S S N S S
56 SS N TS TS N N N S S
57 SS SS SS SS N S SS SS SS
58 S N N S N N S S N
59 S SS S SS S SS S SS S
60 SS N S TS TS N N S TS
62 S SS SS SS SS SS SS SS SS
63 S S TS S S TS TS S S
65 SS S S S S S TS S SS
67 SS S SS SS SS S S S S
68 S S S N S S S S S
69 SS S SS SS S N SS SS SS
LanjutanTabel 5.11 Rekapitulasi Jawaban Responden Berdasarkan Variabel Citra
Destinasi
146
Citra Destinasi
X1 X2 X3 X4
No. Responden A A A A A A
A5 A8 A9
1 2 3 4 6 7
71 SS S SS S TS TS S SS SS
74 SS N SS S SS SS SS SS SS
75 S S S SS S S S S S
Berikut rekapitulasi jawaban responden berdasarkan variabel Kualitas Layanan

Tabel 5.12 Rekapitulasi Jawaban Responden Berdasarkan Variabel Kualitas Layanan
Petugas
Kualitas Pelayan Petugas
No. X5 X6 X7 X8 X9
Resp
B B B B B B B B B B B B B B B B B B B B B
onde
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
n
S S S S S S S S S S S
1 S S S S S S S S S S
S S S S S S S S S S S S S S S S S
2 N S S S
S S S S S S S S S S S S S S S S S
T T
3 N N N N N N N N N N N N N N N N N N N
S S
S
4 N S N S S S N S S S N S S S S N N N N S
S
5 S S S S S S S S S S S S S S S S S S S S S
T T
6 N N N N N N N N N N N S S S N N N N N
S S
S
7 S S N S S S N S N N S S N N N N S S N N
S
S S
S T T T T S T T S S T
9 S N S T N S N S S N
T S
S
10 S S S S S S S S S S S S S S S S S S S S
N
11 S N S S S S S N N S N N S S N N N N N N
S
S S S S S S S S S S S S S S
13 S S S S S S S
S
147
Lanjutan Tabel 5.12 Rekapitulasi Jawaban Responden Berdasarkan Variabel Kualitas

Layanan Petugas
No. X5 X6 X7 X8 X9
Res
pon B B B B B B B B B B B B B B B B B B B B B
den 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
S
S T T S S
15 N N N S S S S S N N N N N S T S
S S S S S
S
S
S S
17 N S S S N S N S S S S S S S S S S S S
S S
S S S S
18 S S S S S S S S S S S S S S S S S
S S S S
S S S
19 N N N N N N N N N N N N N N N N N N
S S S
S
20 S N S N N N N N S S N S S S S S S S S S
T T
21 N N N N N N N N N N N S S S N N N N N
S S
S T S S S S S S S S S S S S S
22 S N S N S S
S S S S S S S S S S S S S S S
S S S S S S
24 N S S N S S S S S S S N N N S
S S S S S S
S S S S S
25 N N S S S S S S S S S N S S S S
S S S S S
26 N N N N N N N N N N N N N N N N N N N N N
27 N S S S S S S S S S S S S S S S S S S S S
S S S S
28 N N S N N N N N S N N N N N N N N
S S S S
S S S
29 N S S S N S N S S S S S S S N N N N
S S S
S S
30 N N S N S S S N N S S S S N S N N S S
S S
T
34 N N N S S N N N N N S N S S N N N S N N
S
36 S N N N N N N N N N N N N N N N N N N N N
148

Layanan Petugas
No. X5 X6 X7 X8 X9
Res
den 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
S S S
37 S S S S S S S S S S S S S S S S S S
S S S
T
38 S S S S S S S S S S N S N S S S S S S S
S
39 N S S S N S N N N N N N N S N N S N N N N
S S S S S S S
40 S N S N S S N S S S N N S S
S S S S S S S
S S S S
41 S S N S N S S S S S S S S N S N S
S S S S
T S S S T
43 S S S S S S S S S S S S S N S S
S S S S S
T T S
44 S S S S S S N S S S N S N S N S N S
S S S
S S S S S S S S S S S S S S S S S S S S
45 S
46 S
47 N S N S S S N S S S S N S N N N S S S S S
S S S
48 N N S N N N S S S S S N S S S N N S
S S S
49 N S S S N S N N S N N S S S N S S S N N N
50 N N N N N N N N N N N N N N N N N N N N N
T T T T
51 N N N N N N N N N S N N N S N N N
S S S S
S S S
T S S T T S T S T T S T S T
53 T N T N S T S
S S S
T T T T T T T T
56 N N N N N N N N N N N N N
S S S S S S S S
S S S S S S S S S S S S S S S S S S
57 N S S
S S S S S S S S S S S S S S S S S S
T
58 N N N N N N N N N N N N N N N N N N N N
S
149

Layanan Petugas
No. X5 X6 X7 X8 X9
Res
den 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
T
60 N N N N N N N S N S N N N N N N N N N N
S
S
S
62 S
T S T S T
63 S S S S S S S S S S S S S S S S
S S S S S
S S S S S S S S S S S S S S S S S S S
64 S S
S S S S S S S S S S S S S S S S S S S
S T T T T S
65 N S S S S S S S S S S N S S S
S S S S S S
S S S S S S S S S S S S S S S S S S S S S
66
S S T T T T
67 S S S S S S S S S S S S S S S
S S S S S S
68 S S S N S S S S S S S S S S S S S S S N S
S S S S S S S S S S
69 S S S S S S S S S S S
S S S S S S S S S S
70
S S S S S S S
71 S S S S S S S N S S S S S S
S S S S S S S
S S S S S S S
S S S S S S S
S S S S S S S
S S S S S S S
S S S S
74 S S S S S S S S S S S S S S S S S
S S S S
S S T
75 S S S S S S S S S S S S S S S S S S
S S S
Berikut rekapitulasi jawaban responden berdasarkan variabel Harga

Tabel 5.13 Rekapitulasi Jawaban Responden Berdasarkan Variabel Harga
Harga
No.
Responde X10 X11 X12
n
C1 C2 C3 C4 C5 C6
1 SS SS SS SS SS SS
2 S S S S N SS
3 TS TS TS TS S SS
4 TS N N S S N
150
Lanjutan Tabel 5.13 Rekapitulasi Jawaban Responden Berdasarkan Variabel Harga

Harga
No.
n
C1 C2 C3 C4 C5 C6
5 S S S S S N
6 N N STS STS S N
7 N N S S SS TS
8 S S S S S S
9 S N SS S SS N
10 S S S S S S
11 S N N S SS SS
12 S S S S SS S
13 S S SS SS S S
14 S S S S N S
15 SS TS S S S N
16 S S S S S S
17 S S N S S N
18 S S S S S S
19 N N N SS N STS
20 S S S S S SS
21 N N STS STS SS S
22 SS SS SS SS SS N
23 S S S S SS N
24 S S N S S N
25 S S N N S S
26 N N N N N S
27 S S S S S S
28 N N N N S N
29 N S N N S S
30 N N N N SS S
31 S S S S S S
32 SS SS S SS SS SS
33 S SS S SS S TS
34 TS TS S S SS S
35 S S S S S S
36 N N N N SS TS
37 S SS N N SS SS
38 S S S S SS N
39 N N S S S S
40 SS S TS S S S
41 S S N TS SS S
42 S S S S SS SS
43 SS S TS TS SS TS
44 TS S N N SS SS
45 SS SS SS SS SS S
46 SS SS SS SS S SS
47 N N N N S S
48 N SS S N SS S
49 S N N N S S
50 N N N N SS SS
51 TS N N N S S
Lanjutan Tabel 5.13 Rekapitulasi Jawaban Responden Berdasarkan Variabel Harga
151
Harga
No.
n
C1 C2 C3 C4 C5 C6
52 S S S S S S
53 SS N TS N S SS
54 S S S S N S
55 S S S S SS N
56 TS TS TS TS S S
57 S S N SS SS N
58 N S TS TS S S
59 S SS S SS SS S
60
STS STS TS TS SS N
61 S S S S SS S
62 SS SS SS SS SS N
63 S N S S SS S
64 SS SS SS SS N S
65 S TS TS TS S S
66 SS SS SS SS S SS
67 S S S S SS SS
68 S S N N S N
69 S SS S S S S
70 SS SS SS SS S S
71 TS S STS STS SS N
72 TS S STS STS N N
73 TS S STS STS S S
74 TS S S S N SS
75 S S TS S S SS
Berikut rekapitulasi jawaban responden berdasarkan variabel Kepuasan

Pengunjung
Tabel 5.14 Rekapitulasi Jawaban Responden Berdasarkan Variabel Kepuasan Pengunjung
Kepuasan Wisatawan
No. X10 X11 X12

Respon
den D1 D2 D3 D4 D5 D6 D7
1 SS SS S N SS N S
2 SS S S SS S S SS
3 S N N N N N STS
4 S N N N S TS N
5 S S S S S S S
6 SS TS N N N N S
7 N N N S S S SS
8 S S S S S S S
9 N TS STS N S S N
Lanjutan Tabel 5.14 Rekapitulasi Jawaban Responden Berdasarkan Variabel Kepuasan
Pengunjung
152
Kepuasan Wisatawan
153
No. X10 X11 X12

Respon
10 S S S S S S S
11 S S S S N N S
12 S S S S S S S
13 SS SS S SS N SS SS
14 S S S S S S S
15 S SS STS STS N N S
16 S S S S S S S
17 SS S S S S N S
18 S S S S S S S
19 SS N N SS N N SS
20 S S S S S S S
21 SS TS N N N N S
22 SS SS SS SS SS S S
23 S S S S S S S
24 S S S S S S S
25 SS S S S SS S SS
26 N N N N N N N
27 SS S S S S S S
28 SS S N SS SS N N
29 SS S N S S S SS
30 SS N S SS S S S
31 S S S S S S S
32 SS SS SS SS SS SS SS
33 S SS S SS S SS S
34 SS N S N N N S
35 S S S S S S S
36 SS N N S N N N
37 S SS S S S S N
38 S S S S S S S
39 S SS S SS N N N
40 N S SS S S SS S
41 SS S N S N N S
42 S S S S S S S
43 SS S S S S S S
44 S S N SS S N S
46 SS S S S SS SS SS
47 SS S S S N S N
48 SS S S S S N S
49 SS S S S S S S
50 N N N N N N N
51 S N N N N S N
52 S S S S S S S
53 SS S TS STS SS TS S
Lanjuta Tabel 5.14 Rekapitulasi Jawaban Responden Berdasarkan Variabel Kepuasan

Pengunjung
Kepuasan Wisatawan
154
No. X10 X11 X12

Respon
54 S S S S S S S
55 S S S S S S S
56 S TS TS TS TS TS TS
58 S N N N N N N
59 S SS S SS S SS S
60 SS S S N N N SS
61 S S S S S S S
63 S S TS S S S S
65 SS S S S S S S
67 S S S S S S S
68 S S S S S S S
69 SS S S S SS SS SS
71 SS S S S S S SS
72 SS S S S S S SS
73 SS S S S S S SS
74 S S SS S SS SS SS
75 S S S S S S S
5.2 Pengolahan Data Statistik Deskriptif dan Distribusi Probabilitas

Statistik deskriptif merupakan proses transformasi data penelitian dalam
bentuk tabulasi sehingga mudah dipahami dan diiterpretasikan. Deskriptif sifatnya
menggambarkan atau mendeskripsikan suatu kondisi. Statistik deskriptif berfungsi
mempelajari tata cara pengumpulan, pencatatan, penyusunan, dan penyajian data
penelitian dalam bentuk tabel frekuensi atau grafik, danselanjutnya diakukan
pengukuran nilanilai statistiknya seperti mean/rerata.
5.2.1 Pie Chart Data Karakteristik Responden

Pie Chart atau diagram lingkaran merupakan grafik statistik berbentuk
lingkaran yang dibagi menjadi beberapa irisan dan luasnya bergantung kepada
proporsi numerik atau kuantitas dari data yang dimiliki. Satu lingkaran
menunjukkan bagian utuh atau seratus persen. Setengah lingkaran menunjukkan
proporsi setengah dari total atau lima puluh persennya, dan seterusnya. Berikut
ini merupakan pie chart masing – masing karakteristik responden.
155
5.2.1.1 Pie Chart Data Karakteristik Responden Berdasarkan Jenis Kelamin

Berikut merupakan jumlah responden berdasarkan karakteristik jenis
kelamin responden.
Tabel 5.15 Jumlah Responden Berdasarkan Karakteristik Jenis Kelamin

No. Jenis Kelamin Jumlah Responden Persentase (%)
1 Laklaki 26 34,67
2 Perempuan 49 65,33
Total 75 100
Berdasarkan persentase karakteristik jenis kelamin responden, dilakukan

pengolahan kedalam bentuk grafik pie chart sebagai berikut.
Jenis Kelamin
35%
65%
Laki-laki Perempuan
Gambar 5.1 Pie Chart Data Karakteristik Responden Berdasarkan Jenis Kelamin
Berdasarkan gambar 5.1 menunjukan bahwa jenis kelamin responden
perempuan mendapat persentase sebesar 65,33%, sedangkan responden dengan
jenis kelamin laklaki mendapat persentase 34,67%. Hal ini membuktikan bahwa
data kuesioner pada pengujian ini lebih dominan diisi oleh perempuan.
5.2.1.1.1 Pie Chart Data Karakteristik Responden Berdasarkan Usia

Berikut merupakan jumlah responden berdasarkan karakteristik usia
responden.
Tabel 5.16 Jumlah Responden Berdasarkan Karakteristik Usia

No Usia (Tahun) Jumlah Responden Persentase (%)
1 15-20 74 98,67
2 21-30 1 1,33
3 31-40 0 0
Total 75 100
156
Berdasarkan persentase karakteristik usia responden, dilakukan

pengolahan dalam bentuk grafik pie chart sebagai berikut.
Usia 1,33%
98,67
&
99%
15-20 Tahun 21-30 Tahun 31-40 Tahun
98,67% Responden Berdasarkan Usia

Gambar 5.2 Pie Chart Data Karakteristik
Berdasarkan gambar 3.2 menunjukan bahwa usia responden dengan
rentang usia 15-20 tahun mendapat persentase sebesar 98,67%, responden dengan
usia 21-30 tahun mendapat persentase 1,33%, sedangkan responden dengan usia
diatas 30 tahun mendapat persentase 0%. Hal ini membuktikan bahwa data
kuesioner pada pengujian ini lebih dominan usia remaja yaitu dengan rentang usia
15-20 tahun dan tidak ada satu pun responden dewasa yang berusia diatas 30
tahun.
5.2.1.1.2 Pie Chart Data Karakteristik Responden Berdasarkan Tinggi

Badan
Berikut merupakan jumlah responden berdasarkan karakteristik tinggi
badan responden.
Tabel 5.17 Jumlah Responden Berdasarkan Karakteristik Tinggi Badan
No. Tinggi Badan Jumlah Responden Persentase
1 145 – 155 cm 26 34,67
2 156 – 165 cm 28 37,33
3 166 – 175 cm 16 21,33
4 176 – 195 cm 5 6,67
Total 75 100
Berdasarkan persentase karakteristik tinggi responden, dilakukan
6,67%
34,67%
21,33%
157
Tinggi Badan
37,33%
145 – 155 cm 156 – 165 cm 166 – 175 cm 176 – 195 cm
Gambar 5.3 Pie Chart Data Karakteristik Responden Berdasarkan Tinggi Badan
Berdasarkan gambar 5.3 menunjukan bahwa tinggi badan responden
dengan rentang 145-155 cm mendapat persentase sebesar 34,67%, responden
dengan rentang 156-165 cm mendapat persentase sebesar 37,33%, responden
dengan rentang 166-175 cm mendapat persentase sebesar 21,33%, sedangkan
responden dengan rentang tinggi badan 176-195 cm mendapat persentase 6,67%.
Hal ini menunjukkan bahwa data kuesioner pada pengujian ini lebih dominan
tinggi badan dengan rentang yaitu 156-165 cm, namun selisi dengan responden
dengan rentang tinggi badan 145-165 cm tidak terlalu jauh, hanya 2 responden
saja.
5.2.1.1.3 Pie Chart Data Karakteristik Responden Berdasarkan Berat

Badan
Berikut merupakan jumlah responden berdasarkan karakteristik berat
badan responden.
Tabel 5.18 Jumlah Responden Berdasarkan Karakteristik Berat Badan
No. Berat Badan Jumlah Responden Persentase
1 35 – 45 kg 16 21,33
2 46 – 55 kg 34 45,33
3 56 – 65 kg 15 20,00
4 66 – 75 kg 6 8,00
5 >76 kg 4 5,33
Total 75 100
Berdasarkan persentase karakteristik berat badan responden, dilakukan

8,00% 5,33%
21,33%
158
Berat Badan
45,33%
35 – 45 kg 46 – 55 kg 56 – 65 kg 66 – 75 kg >76 kg
Gambar 5.4 Pie Chart Data Karakteristik Responden Berdasarkan Berat Badan
Berdasarkan gambar 5.4 menunjukan bahwa berat badan responden
dengan rentang 35-45 kg mendapat persentase sebesar 21,33%, responden dengan
rentang 46-55 kg mendapat persentase sebesar 45,33%, responden dengan rentang
56-65 kg mendapat persentase sebesar 20,00%, responden dengan rentang 66-75
kg mendapat persentase sebesar 8,00%, sedangkan responden dengan rentang
tinggi diatas 76 kg mendapat persentase 5,33%. Hal ini menunjukkan bahwa data
kuesioner pada pengujian ini lebih dominan berat badan dengan rentang yaitu 46-
55 kg.
5.2.1.1.4 Pie Chart Data Karakteristik Responden Berdasarkan Pekerjaan
Berikut merupakan jumlah responden berdasarkan karakteristik
pekerjaan responden.
Tabel 5.19 Jumlah Responden Berdasarkan Karakteristik Pekerjaan
No. Pekerjaan Jumlah Responden Persentase
1 Pelajar/mahasiswa 70 93,33
2 BUMN 1 1,33
3 Wiraswasta 1 1,33
4 Lain-lain 3 4,00
Total 75 100
Berdasarkan persentase karakteristik pekerjaan responden, dilakukan

1,33%
1,33% 4,00%
159
Pekerjaan
93,33%
Pelajar/Mahasiswa BUMN
Wiraswasta Lain-lain
Gambar 5.5 Pie Chart Data Karakteristik Responden Berdasarkan Pekerjaan

Berdasarkan gambar 5.5 menunjukan bahwa pekerjaan responden berupa
pekerjaan mahasiswa dan juga pelajar mendapat persentase sebesar 98,67%,
responden dengan pekerjaan BUMN mendapat persentase 1,33%, responden
dengan pekerjaan wiraswasta mendapat persentase 1,33%, sedangkan responden
selebihnya menjawab lainnya dengan persentase 4,00%. Hal ini membuktikan
bahwa data kuesioner pada pengujian ini lebih dominan oleh mahasiswa dan juga
pelajar. Sangat sedikit didapat responden yang berprofesi lainnya.
5.2.1.2 Pembuatan Tabel Distribusi Frekuensi

Berikut ini langkah-langkah dalam membuat tabel distribusi frekuensi:
1. Mengurutkan Data Karakteristik Responden Berdasakan Berat Badan
Tabel 5.20 Data Karakteristik Responden Berdasarkan Berat Badan (Telah
Diurutkan)
Berat Badan Responden (kg)
35 38 38 40 40 40 40 41 42 42 42 45 45 45 45
45 46 46 46 47 48 48 48 48 48 48 48 48 48 48
49 50 50 50 50 50 50 50 50 50 50 53 53 54 55
55 55 55 55 56 56 56 58 58 59 60 60 60 60 60
62 63 65 65 65 68 70 70 70 70 75 80 85 85 88
2. Menghitung Jumlah Kelas Interval (k)

Rumus menghitung jumlah kelas interval menggunakan persamaan
berikut:
k = 1 + 3.3 log n
Keterangan:
160
k = Jumlah kelas interval

n = Jumlah data keseluruhan
Berikut merupakan perhitungan jumlah kelas interval.

k = 1 + 3.3 log n
= 1 + 3.3 log (75)
= 1 + 6,1875
k = 7,1875 ͌ 7
3. Menghitung Length/Range (r)

Rumus menghitung jangkauan adalah sebagai berikut:
r = nilai data maksimum – nilai data minmum
Keterangan:
r = Length/range
Berikut merupakan perhitungan range.

r = nilai data maksimum – nilai data minmum
= 88-35
r = 53
4. Menghitung Lebar Kelas Interval

Rumus menghitung lebar kelas interval adalah sebagai berikut:
c = r/k
Keterangan:
c = Lebar kelas interval
r = Length/range
k = Jumlah kelas interval
Berikut merupakan perhitungan lebar kelas interval.
c = r/k
161
c = 53/7
c = 7,571 ≈ 8
Berdasarkan perhitungan tersebut, diperoleh tabel distribusi frekuensi untuk

data responden berdasarkan berat badan, sebagai berikut.
Tabel 5.21 Data Distribusi Frekuensi Karakteristik Responden Berdasarkan

berat badan
Frekuensi
Interval Kelas Batas Kelas Xi Fi Fi (Xi)
Kumulatif
35 – 42 34,5 - 42,5 38,5 11 11 423,5
43 – 50 42,5 - 50,5 46,5 30 41 1395
51 – 58 50,5 - 58,5 54,5 13 54 708,5
59 – 66 58,5 - 66,5 62,5 11 65 687,5
67 – 74 66,5 - 74,5 70,5 5 70 352,5
75 – 82 74,5 - 82,5 78,5 2 72 157
83 – 90 82,5 - 90,5 86,5 3 75 259,5
Total 75 388 3983,5
Berdasarkan Tabel 5.21 distribusi tinggi bada memiliki jumlah kelas yaitu
7 kelas, dengan jangkauan 58, sedangkan untuk lebar kelas sebesar 8.
5.2.1.3 Grafik Histogram, Poligon dan Kurva Frekuensi

Berikut ini disajikan grafik histogram, grafik poligon dan kurva frekuensi
dari berat badan responden.
1. Grafik Histogram
Berikut adalah grafik histogram dari data berat badan responden.
Gambar 5.6 Grafik Histogram Distribusi Frekuensi Data Berat Badan Responden
162
Berdasarkan gambar 5.6 menunjukkan bahwa titik maksimal pada batas

kelas 42,4 – 50,5 dengan frekuensi 30 responden dan titik minimal pada batas
kelas 74,5 – 82,5 dengan frekuensi berjumlah 2 responden.
2. Kurva Frekuensi
Berikut adalah kurva frekuensi dari data berat badan responden.
Gambar 5.7 Kurva Distribusi Frekuensi Data Berat Badan Responden
Berdasarkan gambar 5.7 menunjukkan bahwa kurva naik drastis pada

mid point 42,4 – 50,5 lalu turun ke mid point 50,5 – 58,5 hingga mid point 74,5 –
82,5.
3. Poligon Distribusi Frekuensi

Berikut adalah poligon distribusi frekuensi dari data berat badan
responden.
Gambar 5.8 Poligon Distribusi Frekuensi Data Berat Badan Responden

163
Berdasarkan gambar 5.8 menunjukkan bahwa kurva naik drastis pada mid
point 42,4 – 50,5 lalu turun ke mid point 50,5 – 58,5 hingga mid point 74,5 – 82,5.
5.2.1.4 Pemusatan Data

Pemusatan data terdiri dari mean, median, dan modus. Mean merupakan
rata – rata dari data yang diteliti. Nilai median adalah nilai tengah dari data yang
telah diurutkan. Sedangkan modus adalah nilai yang paling sering muncul atau
nilai dengan frekuensi paling tinggi . Berikut merupakan perhitungan mean,
median, dan modus berdasarkan distribusi frekuensi.
5.2.1.4.1 Mean (Rata-rata Hitung)
Rumus menghitung rata-rata hitung adalah sebagai berikut:
Σfixi
x=
Σ fi
Keterangan:
fi = frekuensi
xi = nilai dari titik tengah
Berikut merupakan perhitungan rata-rata hitung.

Σfixi
x=
Σfi
3983,5
x=
75
x =53,113 kg
5.2.1.4.2 Perhitungan Median

Rumus untuk menghitung median adalah sebagai berikut:
( )
n
-F
2
Med=L˳+c
fmedian
Keterangan:
Lo` = Batas bawah dari kelas median dimana median berada

N = Jumlah data
C = Lebar kelas interval
164
Fmedian = Frekuensi kelas median

F =Jumlah frekuensi semua kelas sebelum kelas yang
mengandung median
Berikut merupakan perhitungan median.
( )
n
-F
2
Med=L˳+c
fmedian
( )
75
-11
2
Med=42,5+8
30
Med=42,5+8 ( 0,882 )
Med=42,5+7.064
Med=49,564
5.2.1.4.3 Perhitungan Modus

Rumus untuk menghitung modus adalah sebagai berikut:
Mod=L˳+c ( b1b1+b2 )
Keterangan :
L = batas bawah dari kelas modus dimana modus berada
b =selisih frekuensi kelas modus dengan frekuensi kelas sebelumnya
b2 =selisih frekuensi kelas modus dengan frekuensi kelas
sesudahnya
Berikut merupakan perhitungan modus.
Mod=L˳+c ( b1b1+b2 )
Mod=42,5+8 (
19+17 )
19
Mod=42,5+8(0,527)
165
Mod=42,5+4,216
Mod=46,716
5.2.1.5 Perhitungan Persentil dan Kuartil
Perhitungan persentil merupakan perhitungan dengan membagi data 100
sama banyak. Sedangkan kuartil adalah membagi data menjadi empat sama
banyak.
5.2.1.5.1 Perhitungan Persentil

Rumus untuk menghitung persentil adalah sebagai berikut.
( )
in
-F
100
Pi=L˳+c
f
Keterangan:
Lo = Batas bawah dari kelas kuartil dimana kuartil
berada
f = Frekuensi kelas kuartil Qi
F = Jumlah semua frekuensi dengan tanda kelas lebih kecil dari
tanda kuartil
i = 1,2, ..., 99
Berikut ini merupakan letak persentil karakteristik responden

berdasarkan berat badan.
Tabel 5.22 Letak Persentil Karakteristik Responden Berdasarkan Berat Badan
Persentil Data ke
P15 11,4
P25 19
P75 57
Untuk i = 15
Perhitungan untuk i = 15 yaitu:
166
( )
in
-F
100
Pi=L˳+c
f
( )
15(75)
-11
100
P15=42,5+8
30
P15=42,5+8 (11,25-11
30 )
P15=42,5+8 (
30 )
0,25
P15=42,5+8 ( 0,0083 )
P15=42,5+0,0664
P15=42,5664
Untuk i = 25
( )
in
-F
100
Pi=L˳+c
f
( )
25(75)
-11
100
P25=42,5+8
30
P25=42,5+8 (18,75-11
30 )
P25=42,5+8 (
30 )
7,75
P25=42,5+8 ( 0,2583 )
P25=42,5+2,0664
P25=44,5664
Untuk i = 75
( )
in
-F
100
Pi=L˳+c
f
167
( )
75(75)
-54
100
P75=58,5+8
11
P75=58,5+8 (56,25-54
11 )
P75=58,5+8 (
30 )
2,25
P75=58,5+8 ( 0,2045 )
P75=58,5+1,636
P75=60,136
5.2.1.5.2 Perhitungan Kuartil

Rumus untuk menghitung kuartil sebagai berikut.
( )
in
-F
4
Qi=L˳+c
f
Keterangan:
Lo = Batas bawah dari kelas kuartil dimana kuartil
berada
f = Frekuensi kelas kuartil Qi
F = Jumlah semua frekuensi dengan tanda kelas lebih kecil dari
tanda kuartil
i = 1,2, 3,...
Berikut ini merupakan letak kuartil karakteristik responden berdasarkan

berat badan.
Tabel 5.23 Letak Kuartil Karakteristik Responden Berdasarkan Berat Badan
Kuartil Data ke
Q1 19
Q2 38
Q3 57
Q1 untuk data ke 19 adalah sebagai berikut.

168
( )
in
-F
4
Q1=L˳+c
f
( )
1(75)
-11
4
Q1=42,5+8
30
Q1=42,5+8 (18,75-11
30 )
Q1=42,5+8 (
30 )
7,75
Q1=42,5+8 ( 0,2583 )
Q1=42,5+2,0664
Q1=44,5664
( )
in
-F
4
Q2=L˳+c
f
( )
1(75)
-11
2
Q2=42,5+8
30
Q2=42,5+8 (37,5-11
30 )
Q2=42,5+8 (
30 )
26,5
Q2=42,5+8 ( 0,883 )
Q2=42,5+7,064
Q2=49,564
( )
3n
-F
4
Q3=L˳+c
f
( )
3(75)
-541
4
Q3=58,5+8
11
169
Q3=58,5+8 (56,25-541
11 )
Q3=58,5+8 (
30 )
2,25
Q3=58,5+8 ( 0,2045 )
Q3=58,5+1,636
Q3=60,136
Berikut ini merupakan rekapitulasi hasil kuartil karakteristik

responden berdasarkan berat badan.
Tabel 5.24 Letak Kuartil Karakteristik Responden Berdasarkan Berat Badan
Kuartil Data ke
Q1 44,5664
Q2 49,564
Q3 60,136
5.2.1.6 Pengukuran Dispersi, Kemiringan dan Keruncingan (Kurtosis)

Dispersi merupakan ukuran penyebaransuatu kelompok data terhadap
pusat data. Skewness atau kemiringan merupakan ukuran ketidaksimetrisan dalam
distribusi nilai, skewness dapat bernilai positif, negatif atau pun nol. Sedangkan
kurtosis merupakan indikator untuk menunjukkan derajat keruncingan, semakin
besar nilai kurtosis maka semakin runcing kurvanya.
5.2.1.6.1 Pengukuran Dispersi

Pengukuran dispersi yang dilakukan adalah data responden
berdasarkan berat badan.
Tabel 5.25 Perhitungan Dispersi Data Karakteristik Responden Berdasarkan Berat Badan
Interval
Batas Kelas Xi Fi (Xx̅ ) (Xx̅ )2 fi(Xi.x̅ )2 | Xx̅ | fi| Xx̅ |
Kelas
35 - 42 <34,5 - >42,5 38,5 11 -14,613 213,540 2348,937 14,613 160,743
43 - 50 <42,5 - >50,5 46,5 30 -6,613 43,732 1311,953 6,613 198,39
51 - 58 <50,5 - >58,5 54,5 13 1,387 1,924 25,009 1,387 18,031
59 - 66 <58,5 - >66,5 62,5 11 9,387 88,116 969,273 9,387 103,257
67 - 74 <66,5 - >74,5 70,5 5 17,387 302,308 1511,539 17,387 86,935
75 - 82 <74,5 - >82,5 78,5 2 25,387 644,500 1289,000 25,387 50,774
83 - 90 <82,5 - >90,5 86,5 3 33,387 1114,692 3344,075 33,387 100,161
Total 437,5 75 65,709 2408,810 10799,787 108,161 718,291
170
5.2.1.6.2 Standar Deviasi

Berikut rumus standar deviasi dari data responden berdasarkan berat
badan.
S=
√
Σf (xi−x)2
n−1
Berikut ini untuk menghitung standar deviasi dari data responden berdasarkan
berat badan.
S=
√ Σf(x x )2
n-1
S=
√ 2408,810
74
S= √ 32,551
S=5,705
5.2.1.6.3 Variansi
Berikut merupakan persamaan untuk mencari variansi.
2
Σfi ( x x )
S2 =
n-1
Berikut perhitungan variansi dari data responden berdasarkan berat

badan.
2
Σfi ( x x )
S2 =
n-1
2 10799,787
S=
74
2
S =145,949
171
5.2.1.6.4 Simpangan Rata-rata (Mean Deviation)

Persamaan untuk menghitung rata-rata suatu data berkelompok yaitu:
Σ fi |x x|
SR=
n
Simpangan rata-rata dari data responden berdasarkan berat badan, yaitu:
Σ fi |x x|
SR=
n
718,743
SR=
75
SR=9,583
5.2.1.6.5 Perhitungan Kemiringan (Kemencengan/Skewness)

Persanaan untuk menghitung kemiringan atau skewness yaitu:
( x -Mod)
α=
S
Keterangan:
α = Derajat kemiringan
x̄ = Rata-rata hitung
S = Standar deviasi
Mod = Modus
Perhitungan kemiringan dari data responden berdasarkan berat badan,

yaitu:
( x -Mod)
α=
S
(53,113-46,716)
α=
5,705
172
6,397
α=
5,705
α =1,121
5.2.1.6.6 Perhitungan Kuortosis

Persamaan yang digunakan untuk menghitung kourtosis yaitu:
4
Σ fi (x- x )
α4 = 4
nS
Untuk mempermudah, sebaiknya dibuat tabel rekapitulasi perhitungan

untuk f i ( xi - x̄ )4 yang dicantumkan pada tabel dibawah ini.
Tabel 5.26 Rekapitulasi Perhitungan Data Karakteristik Responden Berdasarkan Berat

Badan
Interval Kelas Batas Kelas Xi Fi (xx̄ ) (xx̄ )4 Fi(xx̄ )4
35 – 42 34,5 - 42,5 38,5 11 14,613 45599,233 501591,562
43 – 50 42,5 - 50,5 46,5 30 6,613 1912,468 57374,029
51 – 58 50,5 - 58,5 54,5 13 1,387 3,701 48,112
59 – 66 58,5 - 66,5 62,5 11 9,387 7764,389 85408,276
67 – 74 66,5 - 74,5 70,5 5 17,387 91389,987 456949,936
75 – 82 74,5 - 82,5 78,5 2 25,387 415379,952 830759,904
83 – 90 82,5 - 90,5 86,5 3 44,613 3961372,783 11884118,349
Total 75 119,387 4523422,513 13816250,168
Kurtosis untuk data distribusi data responden berdasarkan berat badan

sebagai berikut.
4
Σ fi (x- x )
α4 = 4
nS
13816250,168
α4 =
( 75 ) 1272,693
13816250,168
α4 =
95451,946
α 4 = 144,746
Jadi kuortosis dari data responden berdasarkan berat badan adalah

144,746.
173
5.2.2 Pengolahan Data Statistik Deskriptif dengan SPSS 20

Pengolahan data dilakukan dengan software SPSS 20 yang berupa analisi
frekuensi dan analisi deskriptif.
5.2.2.1 Analisis Frequencies

Analisis Frequencies sangat berguna untuk memperoleh ringkasan suatu
variabel individual. Ringkasan tersebut dapat dilakukan baik untuk variabel
dengan data kategori maupun skala.
5.2.2.1.1 Melakukan Analisis Frekuensi dan Data Katagori

Berikut merupakan grafik pie chart data berat badan
Gambar 5.9 Grafik Pie Chart Data Berat Badan Responden

Dari Gambar 5.9 grafik pie chart tersebut, bagian pie berwarna orange
memiliki ukuran terbesar dengan jumlah data 11 responden dengan berat badan 50
kg.
Berikut merupakan grafik histogram

174
Gambar 5.10 Grafik Histogram Data Berat Badan Responden

Dari Gambar 5.10 grafik histogram tersebut, bagian chart bernilai 50-53
memiliki frekunsi tertinggi.
5.2.2.1.2 Melakukan Analisis Frekuensi Untuk Data Skala

Berikut ini merupakan tabel analisis descriptive berdasarkan berat badan
Tabel 5.27 Analisis Frekeunsi Data Berat Badan Menggunakan SPSS Statistics
Statistics
Valid 75
N
Missing 0
Mean 53.63
Std. Error of Mean 1.313
Median 50.00
Mode 50
Variance 129.264
Skewness 1.128
Std. Error of Skewness .277
Kurtosis 1.200
Std. Error of Kurtosis .548
Range 53
Minimum 35
Maximum 88
15 43.20
Percentiles 25 46.00
75 60.00
175
5.2.2.1 Analisis Descriptive

Berikut ini merupakan tabel analisis descriptive berdasarkan berat badan
Tabel 5.28 Analisis Deskriptif untuk Data Skala Menggunakan SPSS Descriptive
Statistics
N Minimum Maximum Mean Std. Deviation
Berat_Badan 75 35 88 53.63 11.369

Valid N (listwise) 75
Berdasarkan Tabel 5.28 total data berat badan responden sebesar 75 data, data
terkecil bernilai 35kg sedangkan data tertinggi yaitu 88 kg sehingga didapatkan
mean sebesar 53.63.
Berikut ini merupakan Gambar 5.11 Analisis Descriptive
Gambar 5.11 Analisi Rekapitulasi Data Berat Badan Responden Menggunakan SPSS
5.2.3 Pengolahan Data Distribusi Peluang Diskrit

Distribusi peluang diskrit merupakan distribusi peluang dimana
terjadinya setiap nilai variabel yang dapat dihitung. Berikut merupakan
176
perhitungan probabilitas sukses atau gagal pada pengambilan sampel golongan

darah responden.
1. Golongan Darah A
Berikut ini merupakan perhitungan probabilitas sukses pengambilan
golongan darah A.
x
p = q =1-p
n
Persentase (%)
p = q = 1 – 0,3
100 %
p = 0,3 q = 0,7
2. Golongan Darah B
golongan darah B.
x
p = q =1-p
n
Persentase (%)
p = q = 1 – 0,3
100%
p = 0,7 q = 0,7
3. Golongan Darah AB
golongan darah AB.
x
p = q =1-p
n
Persentase (%)
p = q = 1 – 0,2
100%
p = 0,2 q = 0,8
4. Golongan Darah O
golongan darah O.
177
x
p = q =1-p
n
Persentase (%)
p = q = 1 – 0,2
100%
p = 0,2 q = 0,8
5.2.3.1 Distribusi Binomial

Distribusi Binomial adalah salah satu distribusi probabilitas diskrit yang
paling sering digunakan di dalam analisis statistik modern. Contohnya jika di
industri sering digunakan sebagai tool untuk QC (quality control).
Berikut adalah pengolahan data distribusi binomial peluang munculnya
golongan darah tertentu dalam pengambilan sampel golongan darah.
b(x;n;p) = (𝐧𝐱) 𝐩𝐱𝐪𝐧−𝐱
Keterangan :
b = Binomial
x = Banyaknya peristiwa sukses
n = Banyak percobaan
p = Probabilitas peluang sukses
q = 1 - p “probabilitas peluang gagal”
1. Distribusi Peluang pengambilan sampel pada Golongan Darah A.
P( x;n;p ) = ( nx ) p q
x n-x
P(3;10;0,3) = C10 3
3 . 0,3 0,7
10-3
=( n!x!(n-x)! )
=(
3!(10-3)! )
10!
0,002
= 120 x 0,002
= 0,24
2. Distribusi Peluang pengambilan sampel pada Golongan Darah B

178
P( x;n;p ) = ( nx ) p q
x n-x
P(3;10;0,3) = C10 3
3 . 0,3 0,7
7
=( n!x!(n-x)! )
=(
3!7!)
10 !
0,002
= 120 x 0,002
= 0,24
3. Distribusi Peluang pengambilan sampel pada Golongan Darah AB
P( x;n;p ) = ( nx ) p q
x n− x
P(2;10;0,2) = C10 2
2 . 0,2 0,8
10-2
=( x ! (n−x
n!
)! )
=(
3 !(10−3)! )
10!
0,0067
= 45 x 0,002
= 0,3015
4. Distribusi Peluang pengambilan sampel pada Golongan Darah O
P( x;n;p ) = ( nx ) p q
x n-x
P(2;10;0,2) = C10 2
2 . 0,2 0,8
10-2
=( n!x!(n-x)! )
=(
3 !(10−3)! )
10!
0,0067
= 45 x 0,002
= 0,3015
179
5.2.3.2 Distribusi Hipergeometrik

Berikut adalah pengolahan data distribusi hipergeometrik peluang darah
responden yang dipilih secara acak.
(𝐤
𝐧
)(𝐍 −𝐤
𝐧−𝐱
)
𝐡 (𝐱 , 𝐍 , 𝐧 , 𝐤 ) =
(𝐍 )
𝐧
Keterangan :
N = Total populasi atau sampel
k = jumlah kejadian yang dibutuhkan
n = jumlah percobaan atau jumlah sampel yang dipilih
x = jumlah kejadian yang sukses
1. Distribusi Peluang Pengambilan Sampel pada Golongan Darah A
h(x, N, n, k) =
k N-k
n n-x ( )( )
N
n ()
( )( )
k N-k
n n-x
=
k! ( N-k ) !
( k-x ) !x! ( N-k-n +x ) ! ( n-x ) !
( kn)( N-k
n-x )
=
16! ( 16- 6 ) !
( 10 - 3 ) ! 3! ( 16- 6-10 +3 ) ! ( 10 -3 ) !
( kn)( N-k
n-x )
=
1 6 ! 10 !
7 ! 3! 3 ! 7 !
( kn)( N-k
n-x )
= 2400
( Nn) =
N!
( N-n ) ! n!
( Nn) =
16!
( 16 - 10 ) ! 10 !
( Nn) =
16!
6 ! 10 !
180
( Nn) = 8008
h(x,N,n,k) =
( n )( n-x )
k N-k
( Nn)
2400
h(x,N,n,k) =
8008
h(x,N,n,k) = 0,2997
2. Distribusi Peluang Pengambilan Sampel pada Golongan Darah B
h(x, N, n, k) =
( n )( n-x )
k N-k
( Nn)
( kn)( N-k
n-x ) =
k! ( N-k ) !
( k-x ) !x! ( N-k-n +x ) ! ( n-x ) !
( kn)( N-k
n-x ) =
7! (16- 7 ) !
( 7 - 3 ) ! 3 ! ( 16- 7 - 10 + 3 ) ! ( 10 - 3 ) !
( kn)( N-k
n-x ) =
7! 9!
4 ! 3! 2 ! 7 !
( kn)( N-k
n-x )
= 1.260
( Nn) =
N!
( N-n ) ! n!
( Nn) =
16!
( 16 - 10 ) ! 10 !
( Nn) =
16!
6 ! 10 !
( Nn) = 8008
181
h(x,N,n,k) =
( n )( n-x )
k N-k
( Nn)
12 60
h(x,N,n,k) =
8008
h(x,N,n,k) = 0,1573
3. Distribusi Peluang Pengambilan Sampel pada Golongan Darah

AB
h(x, N, n, k) =
k N-k
n n-x ( )( )
N
n ()
( kn)( N-k
n-x ) =
k! ( N-k ) !
( k-x ) !x! ( N-k-n +x ) ! ( n-x ) !
( kn)( N-k
n-x ) =
7! (16- 7 ) !
( 7 - 2 ) ! 2 ! ( 16- 7 - 10+2 ) ! ( 10 - 2 ) !
( kn)( N-k
n-x ) =
7! 9!
5 ! 2! ! 8 !
( kn)( N-k
n-x )
= 2662
( Nn) =
N!
( N-n ) ! n!
( Nn) =
16!
( 16 - 10 ) ! 10 !
( Nn) =
16!
6 ! 10 !
( Nn) = 8008
182
h(x,N,n,k) =
( n )( n-x )
k N-k
( Nn)
2662
h(x,N,n,k) =
8008
h(x,N,n,k) = 0,3324
4. Distribusi Peluang Pengambilan Sampel pada Golongan Darah O
h(x, N, n, k) =
( n )( n-x )
k N-k
( Nn)
( kn)( N-k
n-x ) =
k! ( N-k ) !
( k-x ) !x! ( N-k-n +x ) ! ( n-x ) !
( kn)( N-k
n-x ) =
7! (16- 7 ) !
( 7 - 2 ) ! 2 ! ( 16- 7 - 10+2 ) ! ( 10 - 2 ) !
( kn)( N-k
n-x ) =
7 ! 9!
5 ! 2! 18!
( kn)( N-k
n-x )
= 2662
( Nn) =
N!
( N-n ) ! n!
()
N
n
=
16 !
( 16−10 ) ! 10 !
( Nn) =
16!
6 ! 10 !
( Nn) = 8008
183
h(x,N,n,k) =
( n )( n-x )
k N-k
( Nn)
675
h(x,N,n,k) =
8008
h(x,N,n,k) =0,0842
5.2.4 Pengolahan Data Distribusi Peluang Kontinyu

Distribusi peluang kontinyu adalah peubah acak yang dapat memperoleh
semua nilai pada skala kontinyu. Ruang sampel kontinyu adalah bila ruang sampel
mengandung titik sampel yang tak terhingga banyaknya. Syarat dari distribusi
kontinyu adalah apabila fungsi f(x) adalah fungsi padat peluang peubah acak
kontinyu X yang didefinisikan diatas himpunan semua bilangan riil R.
Berikut ini merupakan pengolahan data distribusi peluang kontinyu
dalam bentuk distribusi normal.
5.2.4.1 Distribusi Normal

Distribusi normal sering juga disebut dengan gausian distribution
merupakan salah satu distribusi untuk variabel kontinyu. Persamaan distribusi
normal sebagai berikut:
1
1 −( 2 ) [(x −μ )/σ ]2
𝑛 (𝑥 ; μσ) = √2π σ 2
e
Keterangan:
n = normal
x = banyaknya peristiwa yang sukses
𝜇 = mean
𝜎 = standar deviasi
𝜋 = 3,14 atau
e = 2,1783
1. Peluang distribusi terambilnya sampel golongan darah A

184
n = 10; p = 0,3; q = 0,7

=n.p
= (10) (0,3)
=3
𝜎 = √ npq
𝜎 = √ 10 x 0,3 00 x 0,7 00
𝜎 = √ 2,1 00 ≈ 45,825
n ¿σ) =
1 - (12 )[ σ(x-µ ) ] 2
e
√2nσ 2
1 - (12 )[ 4 5,82
( 3-3 )
5
2
]
= 2,7 1 8
√(2)(3,14)( 2,100 ) 2
1 - (12 )[ 45,825
( 0) 2
]
= 2,7 1 8
√13 ,1 88
1 - (12 ) [0 ] 2
= e
√13,188
1
1 - (0)
2
= e
√13,188
1
= 1
√13,188
1
=
3, 631
= 0, 275
2. Peluang distribusi terambilnya sampel golongan darah B

n = 10; p = 0,3; q = 0,7
=n.p
= (10) (0,3)
=3
𝜎 = √ npq
𝜎 = √ 10 x 0,3 00 x 0,7 00
𝜎 = √ 2,1 00 ≈ 45,825
185
n ¿σ) =
1 - (12 )[ σ(x-µ ) ] 2
e
√2nσ 2
1 - (12 )[ 4 5,82
( 3-3 )
5
]
2
= 2,7 1 8
√(2)(3,14)( 2,100 ) 2
- ( )[
1 ( 0) 2
1 2 45,825
]
= 2,7 1 8
√13 ,1 88
1 - (12 ) [0 ] 2
= e
√13,188
1
1 - (0)
2
= e
√13,188
1
= 1
√13,188
1
=
3, 631
= 0, 275
3. Peluang distribusi terambilnya sampel golongan darah AB

n = 10; p = 0,2; q = 0,8
=n.p
= (10) (0,2)
=2
𝜎 = √ npq
𝜎 = √ 10 x 0,2 x 0, 8
𝜎 = √ 1,6 ≈ 1,265
n ¿σ =
1 - (12 )[ σ(x-µ ) ] 2
e
√2nσ 2
1 - (12 )[ 1,265
( 2 - 2) 2
]
= 2, 71 8
√(2)(3,14)( 1 ,600 )2
1 - (12 )[ 1,45
(0 ) 2
]
= 2, 718
√10,048
186
1 - (12 ) [0 ]
2
= e
√10,048
1
1 - (0)
= e2
10,048
1
= 1
√10,048
1
=
3, 170
= 0,3 15
4. Peluang distribusi terambilnya sampel golongan darah O

n = 10; p = 0,2; q = 0,8
=n.p
= (10) (0,2)
=2
𝜎 = √ npq
𝜎 = √ 10 x 0,2 x 0, 8
𝜎 = √ 1,6 ≈ 1,265
n ¿σ =
1 - (12 )[ σ(x-µ ) ] 2
e
√2nσ 2
1 - (12 )[ 1,265
( 2 - 2) 2
]
= 2, 71 8
√(2)(3,14)( 1 ,600 )2
1 - (12 )[ 1,45
(0 ) 2
]
= 2, 718
√10,048
1 - (12 ) [0 ]
2
= e
√10,048
1
1 - (0)
= e2
10,048
1
= 1
√10,048
1
=
3, 170
= 0,3 15
5.2.5 Pengolahan Data Menggunakan SPSS

187
Berikut merupakan pengolahan data menggunakan SPSS dalam bentuk

distribusi binomial,,distribusi hipergonometrik,dan distribusi normal.
5.2.5.1 Distribusi Binomial

Berikut ini merupakan tabel variabel view pada aplikasi SPSS untuk
mencari distribusi binomial golongan darah A.
Gambar 5.12 Variabel View Distribusi Binomial Peluang Terambilnya Sampel Golongan
Darah A
Berdasarkan gambar 5.12 dapat dilihat bahwa q menyatakan usaha yang

sukses, n menyatakan jumlah percobaa yang dilakukan, dan p adalah probabilitas
sukses.
Berikut ini merupakan tabel data view hasil pencarian distribusi binomial
peluang terambilnya golongan darah A.
Gambar 5.13 Data View Distribusi Binomial Peluang Terambilnya Sampel

Golongan Darah A
Berdasarkan gambar 5.13 dapat dilihat hasil binomial untuk peluang

terambilnya yaitu 0,149.
Berikut ini merupakan tabel variabel view pada aplikasi SPSS untuk mencari
distribusi binomial golongan darah B.
Darah B
188

sukses, n menyatakan jumlah percobaa yang dilakukan, dan p adalah probabilitas
sukses.
Berikut ini merupakan gambar data view hasil pencarian distribusi binomial
peluang terambilnya sampel golongan darah B.
Gambar 5.15 Data View Distribusi Binomial Peluang Terambilnya Sampel Golongan Darah
B
Berdasarkan gambar 5.15 dapat dilihat bahwa hasil binomial untuk peluang
terambilnya sampel darah B yaitu 0.149.
Berikut merupakan tabel variabel view pada aplikasi SPSS untuk mencari
distribusi binomial golongan darah AB.
Darah AB

sukses, n menyatakan jumlah percobaan yang dilakukan, dan p adalah probabilitas
sukses.
Berikut ini merupakan data view hasil pencarian distribusi binomial peluang
terambilnya sampel golongan darah AB.
Gambar 5.17 Data View Distribusi Binomial Peluang Terambilnya Sampel Golongan Darah
AB
189
Berdasarkan gambar 5.17 dapat dilihat bahwa hasil binomial untuk

peluang terambilnya sampel darah B yaitu 0.38
distribusi binomial golongan darah O.
Darah O

sukses, n menyatakan jumlah percobaan yang dilakukan, dan p adalah probabilitas
sukses.
Berikut ini merupakan data view hasil pencarian distribusi binomial
peluang terambilnya sampel golongan darah O
Gambar 5.19 Data View Distribusi Binomial Peluang Terambilnya Sampel

Golongan Darah O
Berdasarkan gambar 5.19 dapat dilihat bahwa hasil binomial untuk

peluang terambilnya sampel darah B yaitu 0.38.
5.2.5.2 Distribusi Hipergeometrik

mencari distribusi hipergeometrik golongan darah A.
Gambar 5.20 Variabel View Hipergeometrik Peluang Terambilnya Sampel Golongan Darah
A
Berdasarkan gambar 5.20 dapat dilihat bahwa x menyatakan kejadian

sukses pada waktu pengambilan sampel, N menyatakan keseluruhan ruang
190
sampel, dan n_sampel menjelaskan banyaknya sampel yang diambil, dan k

menjelaskan banyaknya sukses keseluruhan ruang sampel.
Berikut ini merupakan tabel data view hasil pencarian distribusi

hipergeometrik peluang terambilnya golongan darah A.
Gambar 5.21 Data View Distribusi Hipergeometrik Peluang Terambilnya Sampel

Golongan Darah A
Berdasarkan gambar 5.21 dapat dilihat hasil hipergeometrik untuk peluang

mencari distribusi hipergeometrik golongan darah B.
Gambar 5.22 Variabel View Distribusi Hipergeometrik Peluang Terambilnya Sampel

Golongan Darah B

Berikut ini merupakan gambar data view hasil pencarian distribusi

hipergeometrik peluang terambilnya sampel golongan darah B.
Gambar 5.23 Data View Distribusi Hipergeometrik Peluang Terambilnya Sampel Golongan
Darah B
191
Berdasarkan gambar 5.23 dapat dilihat bahwa hasil hipergeometrik untuk

peluang terambilnya sampel darah B yaitu 0.16.
distribusi hipergeometrik golongan darah AB.
Gambar 5.24 Variabel View Distribusi hipergeometrik peluang Terambilnya Sampel

Golongan Darah AB

Berikut ini merupakan data view hasil pencarian distribusi hipergeometrik

peluang terambilnya sampel golongan darah AB.
Gambar 5.25 Data View Distribusi Hipergeometrik Peluang Terambilnya Sampel Golongan
Darah AB
Berdasarkan gambar 5.25 dapat dilihat bahwa hasil hipergeometrik untuk peluang
terambilnya sampel darah AB yaitu 0.2
distribusi hipergeometrik golongan darah O.
Darah O
192

Berikut ini merupakan data view hasil pencarian distribusi hipergeometrik

peluang terambilnya sampel golongan darah O
Gambar 5.27 Data View Distribusi Hipergeometrik Peluang Terambilnya Sampel

Golongan Darah O

peluang terambilnya sampel darah O yaitu 0.8.
5.2.5.3 Distribusi Normal

mencari distribusi normal golongan darah A.
Gambar 5.28 Variabel View Normal Peluang Terambilnya Sampel Golongan Darah A
Berdasarkan gambar 5.28 dapat dilihat bahwa q menyatakan peluang gagal

,mean menyatakan rata-rata, dan sttdev menyatakan simpangan baku.
Berikut ini merupakan tabel data view hasil pencarian distribusi normal
peluang terambilnya golongan darah A.
Gambar 5.29 Data View Distribusi Normal Peluang Terambilnya Sampel Golongan
Darah A
193
Berdasarkan gambar 5.29 dapat dilihat hasil normal untuk peluang

mencari distribusi normal golongan darah B.
Gambar 5.30 Variabel View Distribusi Normal Peluang Terambilnya Sampel Golongan
Darah B

Berikut ini merupakan gambar data view hasil pencarian distribusi normal
peluang terambilnya sampel golongan darah B.
Gambar 5.31 Data View Distribusi Normal Peluang Terambilnya Sampel Golongan Darah
B
Berdasarkan gambar 5.31 dapat dilihat bahwa hasil normal untuk peluang
terambilnya sampel darah B yaitu 0.3.
distribusi normal golongan darah AB.
Gambar 5.32 Variabel View Distribusi normal peluang Terambilnya Sampel Golongan
Darah AB
Berdasarkan Gambar 5.32 dapat dilihat bahwa q menyatakan peluang

gagal ,mean menyatakan rata-rata, dan sttdev menyatakan simpangan baku.
Berikut ini merupakan data view hasil pencarian distribusi normal peluang
terambilnya sampel golongan darah AB.
194
Gambar 5.33 Data View Distribusi Normal Peluang Terambilnya Sampel Golongan Darah
AB

peluang terambilnya sampel darah AB yaitu 0.3.
distribusi normal golongan darah O.
Gambar 5.34 Variabel View Distribusi Normal Peluang Terambilnya Sampel Golongan
Darah O

Berikut ini merupakan data view hasil pencarian distribusi normal peluang
terambilnya sampel golongan darah O
.
Gambar 5.35 Data View Distribusi normal Peluang Terambilnya Sampel Golongan
Darah O
Berdasarkan gambar 3.35 dapat dilihat bahwa hasil normal untuk peluang
terambilnya sampel darah O yaitu 0.3.
5.3 Pengolahan Data Validitas dan Reliabilitas

Berikut ini merupakan pengolahan data validitas dan reliabilitas
195
1.1.1 Pengkodean Data Rekapitulasi Kuesioner

Berikut ini merupakan tabel Pengkodean data rekapitulasi kusioner
Tabel 5.29 Pengkodean Data Rekapitulaasi Kusioner
Skala Nominal
Sangat Tidak Setuju 1
Tidak Setuju 2
Netral 3
Setuju 4
Sangat Setuju 5
Berikut ini merupakan hasil data rekapitulasi variabel citra destinasi .
Tabel 5.30 Data Rekapitulasi Berdasarkan Variabel Citra Destinasi

Citra Destinasi
No. Keindahan Objek Acara dan Atraksi
Relaksasi Total
Responden Wisata Hiburan Budaya
A1 A2 A3 A4 A5 A6 A7 A8 A9
1 5 5 5 5 4 4 5 4 5 42
2 5 5 5 5 5 5 5 5 5 45
3 4 3 3 3 3 3 3 3 3 31
4 4 4 4 3 3 3 4 4 4 33
5 4 4 4 4 4 4 3 4 4 35
6 5 2 3 3 4 3 3 4 4 31
7 5 3 3 4 3 4 4 4 3 33
8 4 4 4 4 4 4 4 4 4 36
9 5 3 3 4 3 5 2 4 1 30
10 5 5 5 5 5 5 5 5 5 45
11 4 5 4 4 3 4 4 4 4 36
12 4 4 4 4 4 4 4 4 4 36
13 5 5 5 5 5 5 5 5 5 45
14 3 2 2 3 4 4 4 4 4 30
15 5 4 4 4 3 5 5 3 5 38
16 4 4 4 4 4 4 4 4 4 36
17 5 4 4 4 4 4 5 5 5 40
18 4 4 4 4 4 4 4 4 4 36
19 5 3 3 3 3 3 3 5 5 33
20 4 4 4 4 3 4 3 4 4 34
21 5 2 3 3 4 3 3 4 4 31
22 5 5 4 3 5 3 5 3 5 38
23 4 4 4 4 4 4 4 4 4 36
24 3 3 4 3 4 4 5 5 5 36
25 5 4 4 5 5 4 5 5 5 42
26 4 2 3 4 4 3 3 4 3 30
27 5 3 4 4 4 4 5 5 5 39
28 5 3 3 5 3 3 3 5 5 35
29 5 4 4 3 3 3 3 5 4 30
196
30 5 4 4 5 4 4 4 5 5 38
31 4 4 4 4 4 4 4 4 4 36
32 5 5 4 4 5 5 4 4 5 39
33 4 5 4 5 4 5 4 5 4 40
34 4 4 4 5 4 3 3 5 3 35
35 4 4 4 4 4 4 4 4 4 36
36 4 2 3 4 4 4 4 4 4 33
37 4 4 4 5 5 5 4 3 3 37
38 4 4 4 4 4 4 4 4 2 34
39 5 5 3 3 3 4 4 4 3 34
40 4 4 5 3 4 5 4 4 5 38
41 5 4 3 3 3 5 4 5 5 37
42 4 4 3 4 4 4 4 4 4 35
43 4 3 4 5 4 4 4 4 4 36
44 5 5 2 4 4 5 4 5 5 39
45 5 5 5 5 5 5 5 5 5 45
46 5 4 5 4 4 5 5 5 5 42
Lanjutan Tabel 5.30 Data Rekapitulasi Berdasarkan Variabel Citra Destinasi

Citra Destinasi
No. Keindahan Objek Acara dan Atraksi
Relaksasi Total
Responden Wisata Hiburan Budaya
A1 A2 A3 A4 A5 A6 A7 A8 A9
47 4 3 4 3 3 4 4 3 3 32
48 5 4 3 5 3 4 4 4 4 36
49 5 4 4 5 4 4 3 4 4 37
50 3 3 3 3 3 3 3 3 3 27
51 4 3 3 3 3 3 3 3 3 15
52 4 4 4 4 4 4 4 4 4 36
53 4 2 4 2 1 2 2 2 4 23
54 4 4 4 4 4 4 4 4 4 36
55 4 4 4 4 4 4 3 4 4 35
56 5 3 2 2 3 3 3 4 4 29
57 5 5 5 5 3 4 5 5 5 42
58 3 3 3 4 3 3 4 4 3 30
59 3 5 4 5 4 5 4 5 4 39
60 5 3 4 2 2 3 3 4 2 28
61 4 4 4 4 4 4 4 4 4 36
62 4 5 5 5 5 5 5 5 5 44
63 4 4 2 4 4 2 2 4 4 30
64 5 5 5 5 5 5 5 5 5 45
65 5 4 4 4 4 4 2 4 5 36
66 5 5 5 5 5 5 5 5 5 45
67 5 4 5 5 5 4 4 4 4 40
68 4 4 4 3 4 4 4 4 4 35
69 5 4 5 5 4 3 5 5 5 41
70 5 5 5 5 5 5 5 5 5 45
71 5 4 5 4 2 2 4 5 5 36
72 5 4 5 4 2 2 4 5 5 36
73 5 4 5 4 2 2 4 5 5 36
74 5 3 5 4 5 5 5 5 5 42
75 4 4 4 5 4 4 4 4 4 37
197
Berdasarkan tabel 5.30 dapat dilihat nilai total yang didapatkan dari
masing-masing responden diantaranya nomor responden 2, 10, 13, 45, 64, dan 70
memperoleh nilai total tertinggi yaitu sebesar 45 sedangkan nomor responden 51
memperoleh nilai total terendah yaitu sebesar 15.
Berikut ini merupakan hasil data rekapitulasi variabel kualitas pelayanan

petugas.
Tabel 5.31 Data Rekapitulasi Berdasarkan Variabel KualitasPelayanan Petugas

Kualitas Pelayanan Petugas
Reliabilt Responsi
Assurances Empathy Tangible
Total
y ves
No.
B B B B B B B B B B B B
B B B B B B B B B
1 1 1 1 1 1 1 1 1 1 2 2
1 2 3 4 5 6 7 8 9
0 1 2 3 4 5 6 7 8 9 0 1
1 5 5 4 4 5 5 5 5 4 4 4 4 4 5 5 4 4 4 5 5 5 91
2 3 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 100
3 3 2 3 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 61
4 3 4 3 4 4 4 3 4 4 4 3 4 5 4 4 4 3 3 3 3 4 77
5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 84
6 3 3 3 2 3 3 3 3 3 3 3 3 4 4 4 3 3 3 3 3 2 64
7 4 4 3 4 4 4 3 4 3 3 4 4 5 3 3 3 3 4 4 3 3 75
8 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 84
9 4 5 3 2 2 1 1 3 4 2 2 3 3 4 2 4 2 5 3 5 2 63
10 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 84
11 3 4 3 4 4 4 4 4 3 3 4 3 3 4 4 3 3 3 3 3 3 75
12 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 84
13 5 5 5 5 5 5 5 5 5 4 5 4 4 5 4 4 4 5 5 4 5 94
14 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 84
15 3 3 3 4 4 4 5 2 4 4 3 3 3 3 3 2 4 5 1 5 4 67
16 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 84
17 3 4 4 4 3 4 3 4 4 4 5 4 5 4 4 4 4 4 4 4 4 75
18 5 4 5 4 4 4 5 4 5 4 4 4 4 4 4 4 4 4 4 4 4 88
19 3 3 3 3 3 3 3 3 5 3 5 3 5 3 3 3 3 3 3 3 3 69
20 4 4 3 4 3 3 3 3 3 4 4 3 4 4 4 4 4 4 4 4 4 77
21 3 3 3 2 3 3 3 3 3 3 3 3 4 4 4 3 3 3 3 3 2 65
22 4 5 2 5 3 4 3 5 4 5 5 5 5 5 5 5 5 5 5 4 5 98
23 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 84
24 3 4 4 3 4 4 4 4 5 5 5 4 5 4 5 4 5 3 3 3 4 85
25 5 5 3 3 4 5 4 4 4 4 4 4 4 5 4 3 4 4 5 4 4 73
26 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 63
27 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 84
28 3 3 4 3 3 3 3 3 5 4 5 3 3 5 5 3 3 3 3 3 3 63
198
29 3 4 4 4 3 4 3 4 4 4 5 4 5 4 5 4 4 3 3 3 3 75
30 3 3 4 3 4 4 4 3 5 3 5 4 4 4 4 3 4 3 3 4 4 75
31 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 84
32 5 5 5 5 5 4 4 5 5 5 4 4 4 4 4 5 4 4 4 5 5 95
33 5 4 5 4 5 4 5 4 5 4 5 4 5 4 5 4 5 4 5 4 5 95
34 3 3 3 4 4 3 3 3 3 3 4 3 4 4 3 3 3 4 3 3 2 72
35 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 84
36 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 64
37 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 87
38 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 2 4 4 4 4 4 80
39 3 4 4 4 3 4 3 3 3 3 3 3 3 4 3 3 4 3 3 3 3 69
40 4 3 5 5 5 5 4 3 4 4 3 4 5 4 4 3 5 3 5 4 4 86
41 5 5 4 4 3 4 3 4 4 4 4 5 5 4 4 4 4 3 4 3 4 84
Lanjutan Tabel 5.31 Data Rekapitulasi Berdasarkan Variabel Kualitas Pelayanan Petugas
Kualitas Pelayanan Petugas
Responsi
Reliabilty Assurances Empathy Tangible
Total
ves
No.
B B B B B B B B B B B B
B B B B B B B B B
1 1 1 1 1 1 1 1 1 1 2 2
1 2 3 4 5 6 7 8 9
0 1 2 3 4 5 6 7 8 9 0 1
42 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 84
43 4 4 4 2 4 4 4 5 5 4 4 4 4 5 4 4 4 3 2 4 4 82
44 4 4 4 4 4 4 2 2 3 4 4 4 3 4 3 4 3 5 4 3 4 76
45 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 104
46 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 104
47 3 4 3 4 4 4 3 4 4 4 4 3 4 3 3 3 4 4 4 4 4 77
48 3 3 4 5 3 3 3 4 4 4 5 4 5 4 3 4 4 4 3 3 4 79
49 3 4 4 4 3 4 3 3 4 3 3 4 4 4 3 4 4 4 3 3 3 74
50 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 63
51 2 3 3 3 2 3 2 3 3 3 3 3 4 3 3 2 3 4 3 3 3 61
52 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 84
53 2 5 1 3 5 2 2 5 2 5 1 3 2 4 2 5 1 4 2 5 2 63
54 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 84
55 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 84
56 2 3 3 3 3 3 3 3 3 3 2 2 2 2 3 3 2 3 3 2 2 58
57 5 5 5 5 5 5 3 5 5 5 5 4 4 5 5 5 5 5 5 5 5 101
58 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 3 3 62
59 5 4 5 4 5 4 5 4 5 4 5 4 5 4 5 4 5 4 5 4 5 95
60 2 3 3 3 3 3 3 3 4 3 4 3 3 3 3 3 3 3 3 3 3 74
61 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 85
62 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 104
63 4 4 4 2 5 4 2 4 4 4 4 4 4 4 4 5 4 4 4 4 2 80
64 4 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 103
65 5 3 4 4 2 4 2 2 4 4 4 4 2 5 4 4 4 3 4 4 4 74
66 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 105
67 4 4 4 4 4 4 4 4 4 5 5 4 4 4 2 4 4 2 2 4 2 78
68 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 82
69 5 4 4 4 4 4 4 5 5 5 5 4 4 4 5 5 5 5 5 4 4 95
199
70 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 105
71 5 5 5 4 4 4 4 4 4 4 5 3 5 4 4 5 4 5 4 4 4 94
72 5 5 5 4 4 4 4 4 4 4 5 3 5 4 4 5 4 5 4 4 4 94
73 5 5 5 4 4 4 4 4 4 4 5 3 5 4 4 5 4 5 4 4 4 94
74 5 5 4 5 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 83
75 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 2 84
masing-masing responden diantaranya nomor responden 66 dan 70 memperoleh
nilai total tertinggi yaitu sebesar 105 sedangkan nomor responden 56 memperoleh
nilai total terendah yaitu sebesar 58.
Berikut ini merupakan hasil data rekapitulasi berdasarkan variabel Harga

Tabel 5.32 Data Rekapitulasi Berdasarkan Variabel Harga
Harga
No. Kesesuian Daftar Potongan
Total
Responden Harga Harga Harga
C1 C2 C3 C4 C5 C6
1 5 5 5 5 5 5 30
2 4 4 4 4 3 5 24
3 2 2 2 2 4 5 17
4 2 3 3 4 4 3 19
5 4 4 4 4 4 3 23
6 3 3 1 1 4 3 15
7 3 3 4 4 5 2 21
8 4 4 4 4 4 4 24
9 4 3 5 4 5 3 24
10 4 4 4 4 4 4 24
11 4 3 3 4 5 5 24
12 4 4 4 4 5 4 25
13 4 4 5 5 4 4 26
14 4 4 4 4 3 4 23
15 5 2 4 4 4 3 22
16 4 4 4 4 4 4 24
17 4 4 3 4 4 3 22
18 4 4 4 4 4 4 24
19 3 3 3 5 3 1 18
20 4 4 4 4 4 5 25
21 3 3 1 1 5 4 17
22 5 5 5 5 5 3 28
23 4 4 4 4 5 3 24
24 4 4 3 4 4 3 22
25 4 4 3 3 4 4 22
26 3 3 3 3 3 4 19
27 4 4 4 4 4 4 24
28 3 3 3 3 4 3 19
29 3 4 3 3 4 4 16
30 3 3 3 3 5 4 21
31 4 4 4 4 4 4 24
32 5 5 4 5 5 5 29
200
33 4 5 4 5 4 2 24
34 2 2 4 4 5 4 21
35 4 4 4 4 4 4 24
36 3 3 3 3 5 2 19
37 4 5 3 3 5 5 25
38 4 4 4 4 5 3 24
39 3 3 4 4 4 4 22
40 5 4 2 4 4 4 23
41 4 4 3 2 5 4 22
42 4 4 4 4 5 5 26
43 5 4 2 2 5 2 20
44 2 4 3 3 5 5 22
45 5 5 5 5 5 4 29
46 5 5 5 5 4 5 29
47 3 3 3 3 4 4 20
48 3 5 4 3 5 4 24
Lanjutan Tabel 5.32 Data Rekapitulasi Berdasarkan Variabel Harga
Harga
No. Kesesuian Daftar Potongan
Total
Responden Harga Harga Harga
C1 C2 C3 C4 C5 C6
49 4 3 3 3 4 4 21
50 3 3 3 3 5 5 22
51 2 3 3 3 4 4 19
52 4 4 4 4 4 4 24
53 5 3 2 3 4 5 22
54 4 4 4 4 3 4 23
55 4 4 4 4 5 3 24
56 2 2 2 2 4 4 16
57 4 4 3 5 5 3 24
58 3 4 2 2 4 4 19
59 4 5 4 5 5 4 27
60 1 1 2 2 5 3 14
61 4 4 4 4 5 4 25
62 5 5 5 5 5 3 28
63 4 3 4 4 5 4 24
64 5 5 5 5 3 4 27
65 4 2 2 2 4 4 18
66 5 5 5 5 4 5 29
67 4 4 4 4 5 5 26
68 4 4 3 3 4 3 21
69 4 5 4 4 4 4 25
70 5 5 5 5 4 4 28
71 2 4 1 1 5 3 16
72 2 4 1 1 3 3 14
73 2 4 1 1 4 4 16
74 2 4 4 4 3 5 22
75 4 4 2 4 4 5 23
masing-masing responden diantaranya nomor responden 1 memperoleh nilai total
tertinggi yaitu sebesar 30 sedangkan nomor responden 72 memperoleh nilai total
terendah yaitu sebesar 14.
201
Berikut ini merupakan hasil data rekapitulasi berdasarkan variabel

Kepuasan Pengunjung.
Tabel 5.33 Data Rekapitulasi Berdasarkan Variabel Kepuasan Pengunjung

Kepuasan Pengunjung
No. Rasa Senang Sesuai Pelayanan
Respon Berdasarkan dengan dan Harga Total
den Pengalaman Harapan yang Sesuai
D1 D2 D3 D4 D5 D6 D7
1 5 5 4 3 5 3 4 29
2 5 4 4 5 4 4 5 31
3 4 3 3 3 3 3 1 20
Lanjutan Tabel 5.33 Data Rekapitulasi Berdasarkan Variabel Kepuasan Pengunjung
Kepuasan Pengunjung
D1 D2 D3 D4 D5 D6 D7
4 4 3 3 3 4 2 3 22
5 4 4 4 4 4 4 4 28
6 5 2 3 3 3 3 4 23
7 3 3 3 4 4 4 5 26
8 4 4 4 4 4 4 4 28
9 3 2 1 3 4 4 3 20
10 4 4 4 4 4 4 4 28
11 4 4 4 4 3 3 4 26
12 4 4 4 4 4 4 4 28
13 5 5 4 5 3 5 5 32
14 4 4 4 4 4 4 4 28
15 4 5 1 1 3 3 4 21
16 4 4 4 4 4 4 4 28
17 5 4 4 4 4 3 4 28
18 4 4 4 4 4 4 4 28
19 5 3 3 5 3 3 5 27
20 4 4 4 4 4 4 4 28
21 5 2 3 3 3 3 4 23
22 5 5 5 5 5 4 4 33
23 4 4 4 4 4 4 4 28
24 4 4 4 4 4 4 4 28
25 5 4 4 4 5 4 5 31
26 3 3 3 3 3 3 3 21
27 5 4 4 4 4 4 4 29
28 5 4 3 5 5 3 3 28
29 5 4 3 4 4 4 5 29
30 5 3 4 5 4 4 4 29
31 4 4 4 4 4 4 4 28
32 5 5 5 5 5 5 5 35
33 4 5 4 5 4 5 4 31
34 5 3 4 3 3 3 4 25
35 4 4 4 4 4 4 4 28
202
36 5 3 3 4 3 3 3 24
37 4 5 4 4 4 4 3 28
38 4 4 4 4 4 4 4 28
39 4 5 4 5 3 3 3 27
40 3 4 5 4 4 5 4 29
41 5 4 3 4 3 3 4 26
42 4 4 4 4 4 4 4 28
43 5 4 4 4 4 4 4 29
44 4 4 3 5 4 3 4 27
45 5 5 5 5 5 5 5 35
46 5 4 4 4 5 5 5 32
47 5 4 4 4 3 4 3 27
Lanjutan Tabel 5.33 Data Rekapitulasi Berdasarkan Variabel Kepuasan Pengunjung
Kepuasan Pengunjung
D1 D2 D3 D4 D5 D6 D7
48 5 4 4 4 4 3 4 28
49 5 4 4 4 4 4 4 29
50 3 3 3 3 3 3 3 21
51 4 3 3 3 3 4 3 23
52 4 4 4 4 4 4 4 28
53 5 4 2 1 5 2 4 23
54 4 4 4 4 4 4 4 28
55 4 4 4 4 4 4 4 28
56 4 2 2 2 2 2 2 16
57 5 5 5 5 5 5 5 35
58 4 3 3 3 3 3 3 22
59 4 5 4 5 4 5 4 31
60 5 4 4 3 3 3 5 27
61 4 4 4 4 4 4 4 28
62 5 5 5 5 5 5 5 35
63 4 4 2 4 4 4 4 26
64 5 5 5 5 5 5 5 35
65 5 4 4 4 4 4 4 29
66 5 5 5 5 5 5 5 35
67 4 4 4 4 4 4 4 28
68 4 4 4 4 4 4 4 28
69 5 4 4 4 5 5 5 32
70 5 5 5 5 5 5 5 35
71 5 4 4 4 4 4 5 30
72 5 4 4 4 4 4 5 30
73 5 4 4 4 4 4 5 30
74 4 4 5 4 5 5 5 32
75 4 4 4 4 4 4 4 28
masing-masing responden diantaranya nomor responden 32, 45, 57, 62, 64, dan 70
memperoleh nilai total tertinggi yaitu sebesar 35 sedangkan nomor responden 56
memperoleh nilai total terendah yaitu sebesar 16.
203
5.3.2 Uji Validitas Variabel

Uji Validitas digunakan untuk mengukur sah atau valid tidaknya suatu
Kuisoner. Suatu kuisioner dikatakan valid jika pertanyaan pada suatu kuisioner
mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuisioner tersebut.
5.3.2.1 Uji Validitas Variabel Citra Destinasi

Berikut ini merupakan tabel output SPSS case processing summary
variabel citra destinasi.
Tabel 5.34 Output SPSS Case Processing
N %
Cases Valid 75 100.0
Excludeda 0 .0
Total 75 100.0
Berikut ini merupakan tabel output SPSS correlation variabel citra

destinasi
Tabel 5.35 Output SPSS Correlation Variabel Citra Destinasi

204
Tabel 5.35 menunjukkan bahwa semua data di atas valid karena setiap
indikator pengukuran memiliki pearson correlation diantara 1< r >1 dan juga
memiliki nilai Sig.(tailed) < 0,0025.
5.3.2.2 Uji Validitas Variabel Kualitas Pelayanan Petugas

variabel kualitas Pelayanan Petugas.
Tabel 5.36 Output SPSS Case Processing

N %
a
Excluded 0 .0
Total 75 100.0
Berikut ini merupakan tabel output SPSS correlation variabel kualitas

pelayanan petugas.
205
Correlations
Tota
B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11 B12 B13 B14 B15 B16 B17 B18 B19 B20 B21
l
Pearson
.625 .638 .496 .490 .572 .514 .470 .505 .463 .491 .540 .396 .565 .520 .565 .604 .499 .686 .568 .629 .727
Correlat 1 ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** **
ion
B1
Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson
.625 .398 .511 .541 .502 .389 .751 .385 .596 .358 .558 .433 .627 .424 .740 .418 .656 .569 .637 .510 .719
Correlat ** 1 ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** **
ion
B2
Sig. (2- 0.00
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed) 1
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson
.638 .398 .515 .508 .659 .616 .381 .674 .425 .614 .513 .500 .468 .579 .482 .710 .381 .593 .408 .571 .734
Correlat ** ** 1 ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** **
ion
B3
Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson
.496 .511 .515 .474 .649 .535 .474 .375 .587 .486 .590 .443 .421 .422 .450 .616 .505 .576 .460 .679 .717
Correlat ** ** ** 1 ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** **
ion
B4
Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Tabel 5.37 Output SPSS Correlation Variabel Kualitas Pelayanan Petugas
Tot
al
206
Pearson
.490 .541 .508 .474 .668 .675 .664 .446 .625 .351 .503 .380 .445 .473 .503 .503 .446 .522 .592 .515 .710
Correlat ** ** ** ** 1 ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** **
ion
B5
Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson
.572 .502 .659 .649 .668 .713 .548 .555 .617 .589 .718 .521 .590 .678 .402 .803 .381 .669 .433 .705 .770
Correlat ** ** ** ** ** 1 ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** **
ion
B6
Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson
.514 .389 .616 .535 .675 .713 .540 .580 .494 .504 .511 .451 .392 .598 .290 .672 .344 .474 .467 .643 .701
Correlat ** ** ** ** ** ** 1 ** ** ** ** ** ** ** ** * ** ** ** ** ** **
ion
B7
Sig. (2- 0.00
0 0 0 0 0 0 0 0 0 0 0 0 0 0.01 0 0 0 0 0 0
tailed) 1
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson
.470 .751 .381 .474 .664 .548 .540 .495 .703 .452 .635 .511 .581 .563 .702 .503 .469 .560 .567 .535 .763
Correlat ** ** ** ** ** ** ** 1 ** ** ** ** ** ** ** ** ** ** ** ** ** **
ion
B8
Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Lanjutan Tabel 5.37 Output SPSS Correlation Variabel Kualitas Pelayanan Petugas
Tot
al
B9 Pearson .505 .385 .674 .375 .446 .555 .580 .495 1 .513 .709 .587 .527 .540 .644 .440 .707 .334 .471 .457 .622 .689
207
Correlat ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** **
ion
Sig. (2- 0.00
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed) 1
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson
.463 .596 .425 .587 .625 .617 .494 .703 .513 .519 .666 .410 .605 .582 .695 .644 .443 .486 .589 .594 .740
Correlat ** ** ** ** ** ** ** ** ** 1 ** ** ** ** ** ** ** ** ** ** ** **
B1 ion
0 Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson
.491 .358 .614 .486 .351 .589 .504 .452 .709 .519 .539 .688 .516 .654 .485 .724 .340 .516 .251 .572 .702
Correlat ** ** ** ** ** ** ** ** ** ** 1 ** ** ** ** ** ** ** ** * ** **
B1 ion
1 Sig. (2- 0.00
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.03 0 0
tailed) 2
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson
.540 .558 .513 .590 .503 .718 .511 .635 .587 .666 .539 .583 .691 .626 .579 .736 .406 .639 .504 .650 .765
Correlat ** ** ** ** ** ** ** ** ** ** ** 1 ** ** ** ** ** ** ** ** ** **
B1 ion
2 Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Tot
al
208
Pearson
.396 .433 .500 .443 .380 .521 .451 .511 .527 .410 .688 .583 .372 .554 .460 .654 .345 .502 .486 .667
Correlat ** ** ** ** ** ** ** ** ** ** ** ** 1 ** ** ** ** ** ** 0.22 ** **
B1 ion
3 Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.05 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson
.565 .627 .468 .421 .445 .590 .392 .581 .540 .605 .516 .691 .372 .664 .600 .573 .430 .552 .572 .532 .664
Correlat ** ** ** ** ** ** ** ** ** ** ** ** ** 1 ** ** ** ** ** ** ** **
B1 ion
4 Sig. (2- 0.00
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed) 1
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson
.520 .424 .579 .422 .473 .678 .598 .563 .644 .582 .654 .626 .554 .664 .491 .757 .360 .690 .362 .667 .737
Correlat ** ** ** ** ** ** ** ** ** ** ** ** ** ** 1 ** ** ** ** ** ** **
B1 ion
5 Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson
.565 .740 .482 .450 .503 .402 .290 .702 .440 .695 .485 .579 .460 .600 .491 .477 .579 .537 .563 .455 .762
Correlat ** ** ** ** ** ** * ** ** ** ** ** ** ** ** 1 ** ** ** ** ** **
B1 ion
6 Sig. (2- 0.01
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed) 1
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Lanjutan Tabel 5.37 Output SPSS Correlation Variabel Kualitas Pelayanan

Petugas
B3 Tot
B1 B2 B4 B5 B6 B7 B8 B9 B10 B11 B12 B13 B14 B15 B16 B17 B18 B19 B20 B21
al
Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed)
209
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson .499 .656 .381 .505 .446 .381 .344 .469 .334 .443 .340 .406 .345 .430 .360 .579 .419 .577 .630 .534 .652
** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** 1 ** ** ** **
Correlation
B
18 Sig. (2- 0.00
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed) 3
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson .686 .569 .593 .576 .522 .669 .474 .560 .471 .486 .516 .639 .502 .552 .690 .537 .671 .577 .452 .642 .777
** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** 1 ** ** **
Correlation
B
19 Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Pearson .568 .637 .408 .460 .592 .433 .467 .567 .457 .589 .251 .504 .572 .362 .563 .468 .630 .452 .569 .644
** ** ** ** ** ** ** ** ** ** * ** 0.2 ** ** ** ** ** ** 1 ** **
Correlation
B
20 Sig. (2-
0 0 0 0 0 0 0 0 0 0 0.03 0 0.1 0 0 0 0 0 0 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
B
21 Pearson .629 .510 .571 .679 .515 .705 .643 .535 .622 .594 .572 .650 .486 .532 .667 .455 .742 .534 .642 .569 .787
** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** 1 **
Correlation
Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
210
Tot
al
Pearson
.727 .719 .734 .717 .710 .770 .701 .763 .689 .740 .702 .765 .667 .664 .737 .762 .831 .652 .777 .644 .787 1
Correlat ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** **
Tot ion
al Sig. (2-
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
tailed)
N 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
Tabel 5.37 menunjukkan bahwa semua data di atas valid karena setiap indikator pengukuran memiliki pearson correlation diantara
1< r >1 dan juga memiliki nilai Sig.(tailed) < 0,002.
5.3.2.3 Uji Validitas Variabel harga
variabel Harga.
Tabel 5.38 Output SPSS Case Processing Summary
N %
Excludeda 0 .0
Total 75 100.0
Berikut ini merupakan tabel output SPSS correlation variabel Harga

Tabel 5.39 Output SPSS Correlation Variabel Harga
Tabel 5.39 bahwa semua data di atas valid karena setiap indikator
pengukuran memiliki pearson correlation diantara 1< r >1 dan juga memiliki nilai
Sig.(tailed) < 0,0025, kecuali data pada indikator C5 yang tidak valid
5.3.2.4 Uji Validitas Variabel Kepuasan Pengunjung

variabel Kepuasan Pengunjung.
212
Tabel 5.40 Output SPSS Case Processing Summary

N %
Excludeda 0 .0
Total 75 100.0
Berikut ini merupakan tabel output SPSS correlation variabel kepuasan

pengunjung.
Tabel 5.41 Output SPSS Colleration Variabel Kepuasan Pengunjung
Tabel 5.41 menunjukkan bahwa semua data di atas valid karena setiap
indikator pengukuran memiliki pearson correlation diantara 1< r >1 dan juga
memiliki nilai Sig.(tailed) < 0,0025.
5.3.2.5 Rekapitulasi Hasil Uji Validitas Variabel

Berikut ini merupakan tabel hasil validitas variabel citra destinasi,
kualitas layanan petugas, harga dan kepuasaan pengunjung.
Tabel 5.42 Rekapitulasi Hasil Validitas
Person Sig. (2-
No Variabel Indikator Pernyataan Keterangan
Correlation tailed)
Citra A1 0,379 0,001 Valid
1 X1
Destinasi A2 0,698 0,000 Valid
213
Lanjutan Tabel 5.42 Rekapitulasi Hasil Validitas

Person
Sig. (2-
No Variabel Indikaor Pernyataan Correlatio Keterangan
tailed
n
A3 0,661 0,000 Valid
A4 0,699 0,000 Valid
X2
A5 0,643 0,000 Valid
A6 0,631 0,000 Valid
X3
A7 0,757 0,000 Valid
A8 0,625 0,000 Valid
X4
A9 0,640 0,000 Valid
B1 0,727 0,000 Valid
B2 0,719 0,000 Valid
X5
B3 0,734 0,000 Valid
B4 0,717 0,000 Valid
B5 0,710 0,000 Valid
B6 0,770 0,000 Valid
X6
B7 0,701 0,000 Valid
B8 0,763 0,000 Valid
B9 0,689 0,000 Valid
Kualitas B10 0,740 0,000 Valid
X7
2 Pelayanan B11 0,702 0,000 Valid
Petugas B12 0,765 0,000 Valid
B13 0,667 0,000 Valid
B14 0,664 0,000 Valid
X8 B15 0,737 0,000 Valid
B16 0,762 0,000 Valid
B17 0,831 0,000 Valid
B18 0,652 0,000 Valid
B19 0,777 0,000 Valid
X9
B20 0,644 0,000 Valid
B21 0,787 0,000 Valid
C1 0,777 0,000 Valid
X10
C2 0,695 0,000 Valid
C3 0,842 0,000 Valid
3 Harga X11
C4 0,832 0,000 Valid
C5 0,217 0,061 Tidak valid
X12
C6 0,342 0.003 Valid
D1 0,468 0,000 Valid
Y1 D2 0,760 0,000 Valid
D3 0,829 0,000 Valid
Kepuasan
4 D4 0,773 0,000 Valid
Pengunjung Y2
D5 0,746 0,000 Valid
D6 0,798 0,000 Valid
Y3
D7 0,754 0,000 Valid
Berdasarkan tabel 5.42 dapat dilihat bahwa semua indikator pada masing-
masing variabel dapat dikatakan seluruhnya valid akan tetapi ada satu yang tidak
valid pada variabel harga, indikator X12, dan pernyataan C5 yang tidak valid
214
5.3.3 Analisis Uji Reliabilitas Variabel

Pengujian reliabilitas yang dilakukan, bertujuan untuk mengukur sejauh
mana setiap indicator pengukuran pada kuisioner yang digunakan menunjukkan
suatu konsistensi didalam mengukur.
5.3.3.1 Analisis Uji Reliabilitas Variabel Citra Destinasi

Berikut ini merupakan tabel output SPSS reliability statistic variabel citra
Destinasi.
Tabel 5.43 Output SPSS Reliability Statistic Variabel Citra Destinasi
Cronbach’s N of Items
Alpha
.737 10
5.3.3.2 Uji Reliabilitas Variabel Kualitas Pelayanan Petugas

Berikut ini merupakan tabel output SPSS reliability statistic variabel
kualitas pelayanan petugas.
Tabel 5.44 output SPSS reliability statistic variabel kualitas pelayanan petugas
Alpha
.758 22
5.3.3.3 Uji Reliabilitas Variabel Harga

harga.
Tabel 5.45 output SPSS reliability statistic variabel harga
Alpha
.755 7
5.3.3.4 Uji Reliabilitas Variabel Kepuasan Wisatawan

Kepuasan pengunjung.
Tabel 5.46 output SPSS reliability statistic variabel kepuasan pengunjung
Alpha
.782 8
5.3.4 Rekapitulasi Hasil Uji Reliabilitas Variabel

215
Berikut ini merupakan tabel rekapitulasi hasil uji reliabilitas variabel

citra destinasi, kualitas pelayanan petugas, harga dan kepuasan pengunjung.
Tabel 5.47 Rekapitulasi Nilai Cron Bach’s Alpha

No Variabel Cron Bach’s Alpha Keterangan
1 Citra Destinasi 0,737 Reliabel
2 Kualitas Pelayanan petugas 0,758 Reliabel
3 Harga 0,755 Reliabel
4 Kepuasan Pengunjung 0,782 Reliabel
Berdasarkan tabel 5.47 dapat dilihat bahwa nilai Cronbach’s Alpha dari
ketiga variabel tersebut > 0,6 sehingga semua variabel dapat dikatakan reliabel.
5.4 Pengolahan Data Hubungan Antar Variabel dan Pengujian Hipotesis

Berikut ini merupakan pengolahan data hubungan natar variabel dan
pengujian hipotesis
5.4.1 Perumusan Hipotesis
Berikut ini adalah perumusan masalah pada asing masing variabel
1. Citra Destinasi
H01: Variabel citra destinasi tidak berpengauh terhadap kepuasan
wisatawan
H11: Variabel citra destinasi berpengaruh terhadap kepuasan wisatawan
2. Kualitas Pelayanan Petugas
H02: Variabel kualitas pelayanan petugas tidak berpengaruh terhadap
kepuasan wisatawan
H12: Variabel kualitas pelayanan petugas berpengaruh terhadap kepuasan
wisatawan
3. Harga
H03 : Variabel harga tidak berpengaruh terhadap kepuasan wisatawan
H13 : Variabel harga pengaruh terhadap kepuasan wisatawan
5.4.2 Pengujian Asumsi Linear

Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada
analisis regresi linear berganda yang berbasis ordinary least square (OLS)
terdapat masalah-masalah asumsi klasik.
216
5.4.2.1 Pengujian Normalitas

Model regresi yang baik adalah memiliki nilai residual yang terdistribusi
normal. Uji normalitas digunakan untuk melihat apakah nilai residual terdistribusi
normal atau tidak.
Berikut ini merupakan tabel uji normalitas dari semua variabel.
Tabel 5.48 One-Sample KolmogoroSmirnov Test

One-Sample KolmogoroSmirnov Test
Unstandardized
Residual
N 75
a,b
Normal Parameters Mean .0000000
Most Extreme Differences Absolute .117
Positive .089
Negative -.117
KolmogoroSmirnov Z 1.016
Asymp. Sig. (2-tailed) .253
a. Test distribution is Normal.

b. Calculated from data.
Berdasarkan tabel 5.48 menunjukan bahwa hasil signifikansi dari uji

normalitas sebesar 0,253 dengan menggunakan metode one-sample
kolmogorosmirnov.
Berikut merupakan gambar normal p-p plot of regression standardized
residual.
Gambar 5.36 One-Sample KolmogoroSmirnov Test

Gambar 5.36 menujukkan bahwa grafik flot terlihat titik-titik mengikuti
dan mendekai garis diagonal.
217
5.4.2.2 Uji Multikolineritas

Uji Multikolinearitas bertujuan untuk melihat ada atau tidaknya korelasi
(keterkaitan) yang tinggi antara variabel-variabel bebas dalam suatu model regresi
linear berganda.
Berikut ini merupakan tabel uji multikolinearitas coefficient
Tabel 5.49 Uji Multikolinearitas Coefficient

Coefficientsa
Model Unstandardized Coefficients Standardized T Sig. Collinearity Statistics

Coefficients
(Constant) 4.081 1.613 2.530 .014
X1 .154 .062 .211 2.472 .016 .422 2.371

1
X2 .229 .028 .727 8.213 .000 .393 2.547
X3 -.019 .076 -.018 -.247 .806 .578 1.730
a. Dependent Variable: Y
Tabel 5.49 menunjukan bahwa hasil uji multikolineritas, variabel bebas

menunjukkan bahwa nilai VIF X1 (citra destinasi) yaitu 2.371, X2 (kualitas
layanan petugas) yaitu 2.547, dan X3 (harga) yaitu 1.730.
5.4.2.3 Pengujian Heteroskedisitas

Uji heteroskedastisitas digunakan untuk melihat apakah terdapat
ketidaksamaan varians dari residual antar pengamatan.
Berikut ini merupakan tabel uji heteroskedisitas coeffient.
Tabel 5.50 Uji Heteroskedisitas Coeffient
Coefficientsa

Coefficients
(Constant) 4.081 1.613 2.530 .014
X1 .154 .062 .211 2.472 .016 .422 2.371

1
X2 .229 .028 .727 8.213 .000 .393 2.547
X3 -.019 .076 -.018 -.247 .806 .578 1.730
218
Tabel 5.50 menujukkan hasil uji heterokedisitas didapatkan nilai

signifikansi dari setiap variabel yaitu X1 (citra destinasi) sebesar 0.016, X2
(kualitas pelayanan petugas) sebesar 0.000, dan X3 (harga) sebesar 0.806.
5.4.2.4 Pengujian Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui apakah dalam suatu model
regresi linear terdapat korelasi antara pengganggu pada periode t dengan
kesalahan pada periode t-1.
Berikut ini merupakan tabel uji autokorelasi model summary Durbin
Watson.
Tabel 5.51 Uji Autokorelasi Model Summary Durbin-Watson

Model Summaryb
Model R R Square Adjusted R Std. Error of the Durbin-Watson

Square Estimate
a
1 .884 .782 .772 1.86041 1.858
a. Predictors: (Constant), X3, X1, X2

b. Dependent Variable: Y
Berdasarkan tabel 5.51 hasil uji autokorelasi diperoleh nilai DW sebesar

1.858 dimana nilai tersebut lebih besar dari nilai taraf signifikansi sebesar 0.782.
5.4.3 Uji Korelasi

Korelasi adalah teknik statistik yang digunakan untuk meguji hubungan serta
arah hubungan dari dua variabel atau lebih. Korelasi merupakan teknik analisis
yang termasuk dalam salah satu teknik pengukuran asosiasi/hubungan (measures
of association). Korelasi bermanfaat untuk mengukur kekuatan hubungan antara
dua variabel (atau lebih) dengan skala-skala tertentu, misalnya Pearson data harus
berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal.
Kuat lemah hubungan diukur menggunakan jarak (range) 0 sampai dengan 1.
Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed).
219
5.4.3.1 Uji Korelasi Menggunakan SPSS 20

Korelasi adalah pengukuran statistik kovarian atau asosiasi antara dua
variabel. Besarnya koefisien berkisar antara +1 sampai dengan -1, korelasi
menunjukkan kekuatan hubungan linear dan arah hubungan dua variabel acak.
Jika koefisien korelasi bernilai positif maka kedua variabel mempunyai hubungan
searah begitu juga sebaliknya.
Berikut ini merupakan tabel pearson correlation.
Tabel 5.52 Pearson Correlations
Correlations
X1 X2 X3 Y
Pearson Correlation 1 .744** .586** .742**
X1 Sig. (2-tailed) .000 .000 .000
N 75 75 75 75
** **
Pearson Correlation .744 1 .623 .873**
X2 Sig. (2-tailed) .000 .000 .000
N 75 75 75 75
** **
Pearson Correlation .586 .623 1 .559**
X3 Sig. (2-tailed) .000 .000 .000
N 75 75 75 75
** ** **
Pearson Correlation .742 .873 .559 1
Y Sig. (2-tailed) .000 .000 .000
N 75 75 75 75
Berdasarkan hasil tabel pearson correlation diperoleh nilai X1 (citra

destinasi) adalah 1, X2 (kualitas layanan petugas) adalah 0.744, X3 (harga) adalah
.0.586, dan Y (kepuasan pengunjung) adalah 0.742.
5.4.3.2 Uji Korelasi Menggunakan Minitab

Korelasi adalah Teknik statistik yang digunakan untuk menguji ada atau
tidaknya hubungan serta arah hubungan dari dua variabel atau lebih. Besar
kecilnya hubungan antara dua variabel dinyatakan dalam bilangan yang disebut
koefisien korelasi.
Berikut merupakan gambar hasil uji korelasi menggunakan minitab.
220
Tabel 5.53 Uji Kolerasi Menggunakan Minitab

Correlations
X1 X2 X3
X2 0,74
4
0,00
0
X3 0,58 0,623
6
0,00 0,000
0
Y 0,74 0,873 0,559
2
0,00 0,000 0,000
0
Berdasarkan tabel 3.6 pearson correlation yang berkorelasi dengan

variabel X1 (citra destinasi) diperoleh nilai X2 (kualitas pelayanan) sebesar 0,744,
X3 (harga) sebesar 0,586, kepuasan pengunjung sebesar 0,742.
5.4.4 Uji Regresi Linear Berganda

Regresi berganda adalah model regresi atau prediksi yang melibatkan lebih
dari satu variabel bebas atau predictor. Istilah regresi berganda dapat disebut juga
dengan istilah multiple regression. Kata multiple berarti jamak atau lebih dari satu
variabel.
5.4.4.1 Uji Regresi Linear Berganda dengan SPSS 20

Berikut ini merupakan hasil uji regresi linear berganda dengan SPSS 20.
3.4.4.1.2 Uji F
Uji F regresi, dilakukan untuk menentukan apakah secara serentak semua
variabel independen mempunyai pengaruh yang yang bermakna terhadap variabel
dependen dapat dilihat dari nlai uji F (P value < 0,05).
Berikut merupakan uji regresi F
Tabel 5.54 Uji Regresi F
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 878.928 3 292.976 84.648 .000b

221
Residual 245.739 71 3.461
Total 1124.667 74
b. Predictors: (Constant), X3, X1, X2
Berdasarkan tabel uji F diatas diperoleh hasil F hitung sebesar 84.648 dan
H0 ditolak.
5.4.4.1.2 Uji T
Berikut ini merupakan output uji regresi coefficient uji T.
Tabel 5.55 Uji Regresi Coeffecient T

Coefficientsa

Coefficients
(Constant) 4.081 1.613 2.530 .014
X1 .154 .062 .211 2.472 .016 .422 2.371

1
X2 .229 .028 .727 8.213 .000 .393 2.547
X3 -.019 .076 -.018 -.247 .806 .578 1.730
Berdasarkan tabel 5.55 diperoleh nilai uji T dari masing-masing
variabel yaitu X1 (citra destinasi) adalah 2.472, X2 (kualitas pelayanan petugas)
adalah 8.213 , dan X3 (harga) adalah -0.247.
5.4.4.1.3 Koefisien Regresi Linear Berganda

Berikut ini merupakan output koefisien regresi linear berganda.
Tabel 5.56 Coefficient Regresi Linear

Coefficientsa

Coefficients
1 (Constant) 4.081 1.613 2.530 .014
X1 .154 .062 .211 2.472 .016 .422 2.371
X2 .229 .028 .727 8.213 .000 .393 2.547

222
X3 -.019 .076 -.018 -.247 .806 .578 1.730
Berdasarkan tabel koefisen regresi linear yang dilihat dari nilai

unstandardized coefficient diperoleh nilai dari setiap variabel yaitu X1 (citra
destinasi) adalah 0.154, X2 (kualitas pelayanan petugas) 0.229, dan X3 (harga)
adalah -0.019.
5.4.4.1.4 Koefisien Determinasi (R2)

Koefisien determinasi (R2) dilakukan untuk melihat seberapa besar
variabel bebas mampu menjelaskan variabel tak bebas.
Berikut ini merupakan tabel uji regresi model summary
Tabel 5.57 Model Summaryb

Model Summaryb
Model R R Square Adjusted R Std. Error of the Durbin-Watson
Square Estimate
a
1 .884 .782 .772 1.86041 1.858
a. Predictors: (Constant), X3, X1, X2

b. Dependent Variable: Y
Berdasarkan tabel regresi diatas diperoleh hasil yaitu nilai R adalah

0.884, nilai R Squeare 0.782, nilai Adjusted R Square 0.772, Std.Error of the
Estimate 1.86041, dan nilai Durbin-Watson adalah 1.858.
5.4.4.2 Pengolahan Data Uji Regresi Menggunakan Minitab 18

Berikut ini merupakan tabel output hasil minitab Regression Analysis
223
Regression Analysis: Y versus X1; X2; X3

Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value
Regression 3 878,93 292,976 84,65 0,000
X1 1 21,16 21,158 6,11 0,016
X2 1 233,47 233,465 67,45 0,000
X3 1 0,21 0,211 0,06 0,806
Error 71 245,74 3,461
Lack-of-Fit 65 245,74 3,781 * *
Pure Error 6 0,00 0,000
Total 74 1124,67
Model Summary
S R-sq R-sq(adj) R-sq(pred)
1,86041 78,15% 77,23% 74,46%
Coefficients
Term Coef SE Coef T-Value P-Value VIF
Constant 4,08 1,61 2,53 0,014
X1 0,1544 0,0624 2,47 0,016 2,37
X2 0,2295 0,0279 8,21 0,000 2,55
X3 -0,0188 0,0760 -0,25 0,806 1,73
Regression Equation
Y = 4,08 + 0,1544 X1 + 0,2295 X2 - 0,0188 X3
Fits and Diagnostics for Unusual Observations
Obs Y Fit Resid Std Resid
4 22,000 26,489 -4,489 -2,45 R
15 21,000 24,910 -3,910 -2,19 R
25 31,000 26,904 4,096 2,32 R
28 28,000 23,585 4,415 2,46 R
32 35,000 31,358 3,642 2,02 R
51 23,000 20,038 2,962 1,89 X
56 16,000 21,568 -5,568 -3,10 R
72 30,000 30,947 -0,947 -0,57 X
R Large residual
X Unusual X
Durbin-Watson Statistic
Durbin-Watson Statistic = 1,85806
Gambar 5.37 Hasil Pengujian Regresi Menggunakan Minitab
5.4.5 Hasil Pengujian Hipotesis

1. Citra Destinasi
Hipotesis yang digunakan adalah sebagai berikut.
224
H01 : Variabel Citra Destinasi tidak berpengaruh terhadap kepuasan

pengunjung
H11 : Variabel Citra Destinasi berpengaruh terhadap kepuasan
pengunjung
Berdasarkan hasil pengujian T pada tabel uji T didapat hasil dari
variabel citra destinasi yaitu senilai 2,472 dan hasil dari T tabel dengan
jumlah 75 responden senilai 1,6666. Jadi, T hitung lebih besar dari T
tabel sehingga H01 ditolak dan H11 diterima.
2. Kualitas Pelayanan Petugas (X2)

H02 : variabel kualitas pelayanan petugas tidak berpengaruh terhadap
kepuasan pengunjung
H12 : Variabel kualitas pelayanan petugas berpengaruh terhadap
kepuasan pengunjung
variabel kualitas pelayanan petugas yaitu senilai 8,218 dan hasil dari T
tabel dengan jumlah 75 responden senilai 1,6666. Jadi, T hitung lebih
besar dari T tabel sehingga H02 ditolak dan H12 diterima.
3. Harga (X3)
H03 : variabel harga tidak berpengaruh terhadap kepuasan
pengunjung
H13 : Variabel harga berpengaruh terhadap kepuasan pengunjung
variabel harga yaitu senilai -0,247 dan hasil dari T tabel dengan jumlah
75 responden senilai 1,6666. Jadi, T hitung lebih kecil dari T tabel
sehingga H02 diterima dan H12 ditolak.
225
Berikut rekapitulasi hasil dari pengujian hipotesis.

Tabel 5.58 Rekapitulasi Hasil Pengujian Hipotesis
Hasil Kriteria
No. Hipotesis Altenatif (H1) Taraf T Taraf T Kesimpulan
Sig. Hitung Sig. Tabel
Citra destinasi berpengaruh
1 terhadap kepuasan 0,016 2,472 0,05 1,666 Diterima
pengunjung
Kualitas pelayanan petugas
2 berpengaruh terhadap 0,000 8,218 0,05 1,666 Diterima
kepuasan pengunjung
harga berpengaruh terhadap
3 0,806 -0,247 0,05 1,666 Ditolak
kepuasan pengunjung
Berdasarkan tabel hasil pengujian hipotesis diatas, dapat disimpulkan bahwa

hipotesis alternative pada variabel Citra destinasi berpengaruh terhadap kepuasan
pengunjung dan variabel kualitas pelayanan petugas berpengaruh terhadap
kepuasan pengunjung diterima, sedangkan hipotes pada variabel harga
berpengaruh terhadap kepuasaan pengunjung di tolak.
226
VI BAB VI
ANALISIS
1.1 Analisis Perancangan Kuisioner dan Penarikan Sampel

Berikut ini merupakan analisis tentang perancangan kuisioner dan
penarikan sampel.
1.1.1 Analisis Variabel dan Indikator
Variabel dan indikator yang digunakan pada kuesioner “Analisis
Pengaruh Citra Destinasi, Kualitas Pelayanan, dan Harga Terhadap Kepuasan
Wisatawan Pulau Weh Sabang” yang mempunyai 4 variabel dan 15 indikator
secara keseluruhan. Dimulai dari kepuasan wisatawan yang merupakan variabel
dependen sedangkan citra destinasi, kualitas pelayan petugas, dan harga
merupakan variabel independen. Variabel dependen diamati dan diukur untuk
menentukan pengaruh yang disebabkan oleh variabel independen. Pada kasus ini
citra destinasi, kualitas pelayanan petugas, dan harga berpengaruh terhadap
kepuasan wisatawan yang berkunjung ke Pulau Weh Sabang
1.1.2 Analisis Teknik Pengambilan Sampel

Teknik pengambilan sampel yang digunakan pada penelitian ini adalah
non probability sampling dan metode untuk pemilihan responden adalah
convenience sampling .Sesuai dengan namanya, sampel diambil dengan maksud
atau tujuan tertentu.Seseorang atau sesuatu diambil sebagai sampel karena peneliti
menganggap bahwa seseorang atau sesuatu tersebut memiliki informasi yang
diperlukan bagi penelitiannya. Alasan penggunaan teknik pengambilan sampel ini
adalah karena convenience sampling dilakukan peneliti karena dihadapkan pada
keberadaan subjek penelitian yang dinamis. Biasanya peneliti tidak mempunyai
kontrol atas jumlah populasi yang diteliti. Selain tidak ada datanya, sangat
mustahil menentukan jumlah populasi karena sangan dinamis, berubah ubah dan
fleksibel.
227
1.1.3 Analisis Ukuran Sampel

Populasi dalam penelitan ini adalah seluruh wisatawan yang pernah
berwisata ke Pulau Weh Sabang. Teknik pengambilan sampel adalah
nonprobability sampling. Pemilihan responden dilakukan dengan metode
convenience sampling. Jumlah sampel akan ditentukan berdasarkan hasil
perhitungan sampel minimum. Adapun jumlah indikator pada setiap variabel
dikalikan 5-10 (kali parameter). Dalam penelitian ini jumlah total indikator pada
setiap variabel adalah 15. Untuk menghitung responden, maka jumlah total
indikator pernyataan dikali 5 dengan hasil perhitungan sebagai berikut : 15 x 5 =
75 responden. Jadi sampel yang digunakan dalam penelitian ini sebanyak minimal
75 responden.
1.1.4 Analisis Karakteristik Responden

Karakteristik responden yang digunakan pada kuesioner “Analisis
Pengaruh Citra Destinasi, Kualitas Pelayanan Petugas dan Harga Terhadap
Kepuasan Wisatawan Pulau Weh Sabang” adalah karakteristik terbuka (umum)
dan tertutup (khusus). Karakteristik terbuka (umum) diantaranya nama, umur,
tinggi badan, berat badan, dan pekerjaan sedangkan karakteristik tertutup (khusus)
diantaranya jenis kelamin, rata-rata anda liburan, pertama kali dengar wisata
Pulau Weh, kendaraan yang digunakan saat ke Pulau Weh, asal kota anda, dan
tujuan anda ke Puau Weh
Responden dalam penelitian ini sebanyak 68 responden, responden
berdasarkan jenis kelamin laki-laki berjumlah 26 responden sedangkan
perempuan 49 responden . Karakteristik responden berdasarkan usia paling
banyak pada umur 16-20 tahun sedangkan paling sedikit pada umur 21-25 tahun.
Karakteristik responden berdasarkan berat badan paling banyak pada kisaran berat
badan 35-55 kg, sedangkan responden dengan berat badan paling sedikit berkisar
diatas 76kg. Karakteristik responden berdasarkan tinggi badan paling banyak pada
tinggi 145cm-165cm dan paling sedikit pada tinggi 176cm-195cm. Karakteristik
228
responden berdasarkan pekerjaan paling banyak berjumlah 70 responden yang

bekerja sebagai mahasiswa, sedangkan 5 responden lebihnya bekerja pekerjaan
lainnya.
1.1.5 Analisis Jawaban Responden
Jawaban responden dibagi atas 4 variabel dan setaip variabel mempunyai
15 indikator. Setiap indikator memiliki pernyataan ya`ng diberikan kepada
responden sebesar 43 pernyataan. Jawaban responden diuraikan dalam bentuk
persentase dan diambil persentase jawaban tertinggi dari setiap pernyataan. Skala
((sangat setuju) (setuju) (netral) (tidak setuju) (sangat tidak setuju)) yang
mendapat pilihan terbanyak di dalam satu pernyataan disimpulkan sebagai pilihan
yang mewakili seluruh responden.
Berdasarkan pernyataan dari 75 responden yang telah peneliti bagikan
kuesionernya diperoleh persentase, dari variabel citra destinasi yang meliputi
indikator keindahan objek wisata, acara dan hiburan, atraksi, dan relaksasi
sebanyak 80,47%. Hal ini membuktikan bahwa wisatawan sangat setuju jika
Pulau Weh mempunyai citra destinasi yang sangat tinggi bagi wisatawan.
Berdasarkan pernyataan 75 responden terhadap variabel kualitas
pelayanan petugas dengan indikator reliability, responsiveness, assurance,
empathy, dan tangibles mendapat 77,91%. Hal ini membuktikan bahwa kualitas
pelayanan petugas Pulau Weh sudah baik secara keseluruhan, namun ada
beberapa responden yang masih kurang berkenan terhadap kualitas pelayanan
petugas.
Berdasarkan pernyataan 75 responden terhadap variabel harga dengan
indikator meliputi kesesuaian harga, daftar harga dan juga potongan harga
diperoleh persentase sebesar 75,33%. Pada bagian harga mendapat persentase
yang paling rendah jika dibandingkan dengan variabel lainnya. Hal ini
membuktikan bahwa yang ditawarkan kepada wisatawan kurang terjangakau,
namun dari persentase masih dalam skala “setuju” yang artinya perselisihan harga
yang ditawarkan tidak jauh dengan apa yang diberikan kepada wisatawan.
1.2 Analisis Statistik Deskriptif dan Distribusi Probabilitas

229
Statistika deskriptif berfungsi sebagai menerangkan keadaan, gejala, atau

persoalan. Statistika deskriptif sering disebut sebagai statistika dedukatif yang
membahas tentang bagaimana merangkum sekumpulan data dalam bentuk yang
mudah dibaca dan cepat memberikan informasi, yang di buat dalam bentuk tabel,
grafik, nilai pemusatan dan nilai penyebaran. Berdasarkan karakteristik peubahan
acaknya, distribusi probabilitas/peluang dapat dibedakan menjadi 2, yaitu
distribusi peluang diskrit dan distribusi peluang kontinyu. Probabilitas dinyatakan
dalam bentuk pecahan dari 0 sampai 1. Nol (0) menunjukkan sesuatu yang tidak
mungkin terjadi, sedangkan satu (1) menunjukkan peristiwa yang pasti terjadi.
1.2.1 Analisis Pengolahan Data Statistik Deskriptif
Pengolahan data statistik deskriptif adalah pengumpulan dan menyusun
data terhadap karakteristik responden yang didapatkan yaitu berdasaerkan jenis
kelamin, usia, tinggi badan, berat badan, dan pekerjaan. Penyajian data dala
penelitian ini dilakukan baik itu dalam bentu tabel frekuensi atau grafik. Dan
terakhir dilaukan perhitungan atau pengukuran nilai nilai statistik seperti mean,
median dan modus.
1.2.1.1 Analisis Pie Chart Karakteristik Responden

Data karakteristik responden diolah dengan pie chart sehingga jumlah
atau presentase karakteristik setiap responden dapat diketahui. Berdasarkan jenis
kelamin responden perempuan mendapat persentase sebesar 65,33%, sedangkan
responden dengan jenis kelamin laki-laki mendapat persentase 34,67%.
Berdasarkan usia responden dengan rentang usia 15-20 tahun mendapat persentase
terbanyak yaitu sebesar 98,67%, responden dengan usia diatas 21 tahun mendapat
persentase terkecil yaitu 1,33%. Berdasarkan tinggi badan responden responden
dengan rentang 156-165 cm mendapat persentase terbanyak sebesar 37,33% dan
responden dengan rentang 176-195 cm mendapat persentase terkecil sebesar
6,67%. Berdasarkan berat badan responden dengan rentang 46-55kg mendapat
persentase terbanyak yaitu sebesar 45,33%, responden dengan rentang diatas 76kg
mendapat persentase terkecil yaitu 5,33%. Pekerjaan responden berupa mahasiswa
dan juga pelajar mendapat persentase terbanyak yaitu 98,67%, sedangkan lainya
berupa pegawai BUMN dan lainnya.
230
1.2.1.2 Analisis Tabel Distribusi Frekuensi

Data karakteristik responden berdasarkan berat badan yang telat terurut
dilakukan perhitungan terhadap jumlah kelas interval yang mempunyai nilai 7,
kemudian terhadap lebar kelas interval yang mempunyai nilai 8, dan menghitung
range (r) menpunyai nilai 53. Makan didapatlah jumlah dari nilai tengah (xi)
bernilai 437,5, frekuensi (fi) bernilai 75 dan nilai seluruh fixi adalah 3983,5.
1.2.1.3 Analisis Grafik Histogram, Poligon dan Kurva Frekuensi

Dalam pendataan baik menggunakan grafik histogram, poligon dan
kurva distribusi frekuensi berdasarkan karakteristik responden.berat badan. Dalam
grafik histogram, poligon, dan kurva distribusi frekuensi meperlihatkan rentan
berat badan yang paling dominan berada di kisaran 42,5 – 50, 5 yang brjumlah 30
responden dan yang paling sedikit berada di kisaran 74,5 – 82,5 Responden.
1.2.1.4 Analisis Perhitungan Ukuran Pemusatan Data

Mean, median dan modus digunakan dalam pengukutan data distribusi
frekuensi karakteristik respoden pada berat badan. Denagn menggunak perhitunga
ini akan dapat mengetahui jumlah setan ukuran terhadap perhitungan mean, media
dan modus untuk data responden.
1.2.1.5 Analisis Perhitungan Rata-rata Hitung, Median, dan Modus

Perhitungan yang dilakukan dengan mean, media dan modus
berdasarkan distribusi frekuensi karakteristik responden. Dalam perhitungannya
didapatkan nilai mean atau nilai rataan dari jumlah nilai secara keseluruhan
sebesar 53,113 kemudian median sebesar. Kemudian untuk median mendapatkan
nilai sebesar 49,564. Sedangkan modus mendapatkan nilai sebanyak 46, 716.
1.2.1.6 Analisis Perhitungan Persentil dan Kuartil

Data yang dipakai dalam perhitungan persentil adalah P15, P25, dan P75
sedangkan untuk kuartil ialah QI, Q2 dan Q3. Data ke-nya untuk persentil yaitu
untuk P15 ialah 11,4, kemudian untuk P25 ialah 19 dan untuk P75 ialah 57.
231
Sedangkan untuk kurtilil yaitu untuk Q1 ialah 19, kemudian untuk Q2 ialah 38
dan untuk untuk Q3 ialah 57.
1.2.1.7 Analisis Pengukuran Dispersi, Kemiringan, dan Keruncingan

(Kurtosis)
Pengukuran dispersi yang dilakukan terhadap data tinggi badan
responden perhitungan yang dilakukan yaitu standar deviasi, variansi, simpangan
rata-rata (mean deviation), perhitungan kemiringan (kemencengan/skewness), dan
perhitungan kurtosis.
1.2.2 Analisis Pengolahan Data Statistik Deskriptif Software SPSS 20

Pengolahan data yang dilakukan dengan Software SPSS 20.00 untuk
penggunaan analisis frekuensi untuk data katagori yang mana untuk memaparkan
jumlah/frekuensi data dan lainnya serta analisis deskriptif untuk meringkas
perbandingan beberapa data variabel dan skala k dalam suatu tabel.
1.1.1.1 Analisis Frequencis

Frekuensi guna untuk memperoleh data atau variabel individual yang
dilakukan untuk data katagori yang mana mendapatkan gambaran jumlah
karakteristik responden tertinggi di rentan berat badan 50 kg yang berjumlah 11
responden. Selanjutnya dilakukan untuk data skala untuk mendapat gambaran
jumlah karakteristik responden di chart 50 – 53 memiliki frekuensi yang tertinggi.
1.1.1.1 Analisis Deskriptif

Untuk meringkas perbandingan beberapa variabel dalam skala satu tabel
yang memaparkan nilai yaitu minimum berkisar 35kg, maksimum 88kg, mean
53.63 dan std devation bernilai 11,369.
1.1.1 Analisis Data Distribusi Peluangan Diskrit

Perhitungan probabilitas sukses atau gagal pada pengambilan sampel
golongan darah A, B, AB, dan O . Sebanyak 3 sampel untuk golongan darah A,
232
kemudian 3 sampel untuk untuk golongan dara B, kemudian 2 sampel untuk

golongan darah AB, dan 2 sampel untuk golongan darah O.
1.1.1.1 Analisis Distribusi Binomial

Pengambilan sampel pada setiap golongan darah A, B, AB dan O. Untuk
golongan darah A didapat nilai sebanyak 0,240. Kemudian untuk golongan darah
B didapat nilai sebanyak 0,240. Selanjutnya untuk golongan darah AB didapat
nilai sebanyak 0.301. dan untuk golongan darah O di dapat nilai sebanyak 0,301.
1.1.1.2 Analisis Distribusi Hipergeometrik

Pengolahan data distribusi berdasarkan golongan darah A, B, AB, dan O.
dengan total nilai populasi atau sampel (N) sebanyak 16, jumlah kejadian yang
dibutuhkan adalah (k) adalah untuk A sebesar 6, untuk B adalah 7, untuk AB
adalah 7 dan untuk O adalah 6.
1.1.2 Analisis Data Distribusi Peluangan Kontinyu

Perubahan acak yang dapat memperoleh semua nilai pda skala kontinyu.
Dengan ruang sampel yang digunakan yaitu golongan dar A, B, AB dan O untuk
pengolahan data peluang kontinyu dalam bentuk distribusi normal.
1.1.2.1 Analisis Distribusi Normal
Memiliki dua parameter berbeda yaitu rataan dan simpangan baku untuk
dirumuskan. Rataan yang didapat pada setiap golongan darah A, B, AB, dan O
yaitu untuk golongan darah A dan B sama-sama memiliki nilai rataan sebesar 3
dan untuk golongan darah AB dan O memiliki nilai rataan sebesar 2. Sedangkan
untuk nilai simpangan bakunya, untuk golongan darah A dan B sama-sama
memiliki nilai sebesar 45,285 dan untuk golongan darah AB dan O memiliki nilai
sebesar 1,264.
1.1.3 Analisis Data Probabilitas dengan Software SPSS 20

233
Pengolahan data menggunakan software SPSS versi 20.00 dalam bentuk

distribusi binomial, hipergeometrik, dan distribusi normal. Mengikuti tata cara
untuk mengolah data dari Golongan darah A, B, AB dan O.
1.1.3.1 Analisis Distribusi Binomial
Pengolahan data menggunakan SPSS dengan data setiap variabel
berdasarkan data golongan darah A, B, AB, dan O. Untuk golongan darah A dan
B peluang terambilnya sampel golongan darah A dan B yaitu 0,149 dan untuk
golongan darah AB dan O peluang terambilnya golongan darah AB dan O yaitu
0.38.
1.1.3.2 Analisis Distribusi Hipergeometrik

berdasarkan golongan darah responden yaitu berupa A, B, AB dan O. Setelah
dilakukan penghitungan dengan SPSS didapatkan data berikut. Golongan darah A
mendapatkan peluang terambilnya sebesar 0,3. Golongan darah B mendapatkan
peluang terambilnya sebesar 0,16. Golongan darah AB mendapatkan peluang
terambilnya sebesar 0,2. Sedangkan untuk golongan darah O merupakan peluang
terambil yang paling tinggi yaitu 0,8.
1.1.3.3 Analisis Distribusi Normal

berdasarkan golongan darah responden yaitu berupa A, B, AB dan O. Setelah
dilakukan penghitungan dengan SPSS didapatkan data bahwa keempat indikator
yang diuji mendapatkan peluang yang sama yaitu 0,3.
1.2 Analisis Pengujian Validitas dan Reliabilitas

Uji validitas sangat wajib dilakukan untuk setiap variabel yang ingin
jadikan acuan penelitian untuk mengetahui apakah data yang telah diperoleh dari
responden valid atau tidak valid. Analisis uji reliabilitas variabel dilakukan untuk
mengukur sejauh mana setiap indikator pengukuran pada kuesioner yang
digunakan untuk menunjukanan suatu konsistensi dalam mengukur.
1.2.1 Analisis Pengkodean Data Rekapitulasi Kuesioner
234
Kuesioner yang telah dibagikan menggunakan metode Likert dengan

kode ST mewakili sangat setuju, S mewakili setuju, N mewakili netral, TS
mewakili tidak setuju, dan STS mewakili sangat tidak setuju. Setiap kode
mempunyai skor berbeda yang dapat mewakili tingkat setuju responden.
Berdasarkan tabel 3.1 semakin setuju responden terhadap pernyataan maka
semakin tinggi skornya dan sebaliknya semakin tidak setuju responden terhadap
pernyataan maka semakin rendah skor yang didapat. Dari skor yang diperoleh
tersebut maka kami dapat mengolah data untuk pengujian validitas dan
realibilitas.
1.1.1 Analisis Uji Validitas Variabel

Uji validitas sangat wajib dilakukan untuk setiap variabel yang ingin
jadikan acuan penelitian untuk mengetahui apakah data yang telah diperoleh dari
responden valid atau tidak valid. Hal ini sangat penting untuk mengetahui bahwa
data yang diperoleh sesuai yang sebenarnya dan yang diharapkan.
1.1.1.1 Analisis Hasil Uji Validitas Variabel Citra Destinasi

Setelah dilakukan pengolahan data responden dari variabel citra destinasi
berdasarkan tabel 3.7 menggunakan software SPSS 20 untuk pengujian validitas
diperoleh hasil secara keseluruhan bahwa data tersebut valid dan dapat diterima.
1.1.1.2 Analisis Hasil Uji Validitas Variabel Layanan Petugas

diperoleh hasil secara keseluruhan bahwa data tersebut valid dan dapat diterima.
1.1.1.3 Analisis Hasil Uji Validitas Variabel Harga

dengan hasil terdapat satu pernyataan yang tidak valid dari enam pernyataan yang
valid. Hal ini menunjukkan bahwa pada pernyataan tersebut belum dapat diterima
sebagai data yang valid.
235
1.1.1.4 Analisis Hasil Uji Validitas Variabel Kepuasan Pengunjung

menggunakan software SPSS 20 untuk pengujian validitas diperoleh hasil secara
keseluruhan berdasarkan tabel 3.13 bahwa data tersebut valid dan dapat diterima.
1.1.1.5 Analisis Rekapitulasi Hasil Uji Validitas Variabel

menggunakan software SPSS 20 untuk pengujian validitas diperoleh hasil secara
keseluruhan berdasarkan tabel 3.13 bahwa data tersebut valid dan dapat diterima.
1.1.2 Analisis Uji Reliabilitas Variabel

Analisis uji reliabilitas variabel dilakukan untuk mengukur sejauh mana
setiap indikator pengukuran pada kuesioner yang digunakan untuk menunjukanan
suatu konsistensi dalam mengukur. Data yang reliabel memungkinkan data
tersebut akan mendapatkan data yang sama dalam pengujian dengan responden
yang berbeda atau responden yang sama dengan waktu yang berbeda Suatu
indiaktor pengukuran dikatakan reliabilitas apabila indikator tersebut memeiliki
nilai Cronbach’s Alpha >0,6. Secara umum realibel yang kurang dari 0,6
dianggap buruk, reliable dalam kisaran 0,7 bisa di terima dan jika lebih dari 0,8
maka dianggap baik (Sekaran, 2006).
1.1.2.1 Analisis Hasil Uji Reliabilitas Variabel Citra Destinasi
Analisis hasil uji reliabilitas variabel citra destinasi memiliki hasil nilai
Cronbach’s Alpha yaitu 0,737. Sehingga dapat kita simpulkan bahwa indikator
pengukuran untuk variabel citra destinasi adalah konsisten untuk setiap responden
dan jawaban mereka terhadap pertanyaan tersebut stabil dari waktu ke waktu.
1.1.2.2 Analisis Hasil Uji Reliabilitas Variabel Kualitas Pelayanan Petugas

Analisis hasil uji reliabilitas variabel kualitas pelayanan petugas
memiliki hasil nilai Cronbach’s Alpha yaitu 0,758. Sehingga dapat kita simpulkan
bahwa indikator pengukuran untuk variabel kualitas pelayanan petugas adalah
236
konsisten untuk setiap responden dan jawaban mereka terhadap pertanyaan

tersebut stabil dari waktu ke waktu. Sehingga dapat dikatakan bahwa variabel ini
reliabel.
1.1.2.3 Analisis Hasil Uji Reliabilitas Variabel Harga

Analisis hasil uji reliabilitas variabel harga memiliki hasil nilai
Cronbach’s Alpha yaitu 0,755. Sehingga dapat kita simpulkan bahwa indikator
pengukuran untuk variabel harga adalah konsisten untuk setiap responden dan
jawaban mereka terhadap pertanyaan tersebut stabil dari waktu ke waktu.
1.1.2.4 Analisis Hasil Uji Reliabilitas Variabel Kepuasan Pengunjung

Analisis hasil uji reliabilitas variabel kepuasan pengunjung memiliki
hasil nilai Cronbach’s Alpha yaitu 0,787. Sehingga dapat kita simpulkan bahwa
indikator pengukuran untuk variabel kepuasan pengunjung adalah konsisten untuk
setiap responden dan jawaban mereka terhadappertanyaan tersebut stabil dari
waktu ke waktu. Sehingga dapat dikatakan bahwa variabel ini reliabel
1.1.2.5 Analisis Rekapitulasi Hasil Uji Reliabilitas Variabel

Berdasarkan tabel 3.19 menunjukan bahwa semua variabel pada data
yang digunakan dalam praktikum ini reliabel dengan kategori tingkat reliabel
dapat diterima. Hal ini menunjukan bahwa bahwa data tersebut konsisten dari
waktu ke waktu.
1.2 Analisis Pengujian Hipotesis dan Hubungan Antar Variabel

Berikut ini merupakan analisis tentang Pengujian Hipotesis dan
Hubungan Antar Variabel.
1.2.1 Analisis Perumusan Hipotesis
Analisis perumusan hipotesis merupakan pernyataan tentang distribusi
probabilitas populasi yang kemudian perlu diuji apakah dapat diterima atau
237
ditolak, Untuk menetapkan kesimpulan ataupun keputusan sebuah penelitian atau

praktikukum . Pada laporan praktikum ini terdapat 3 variabel bebas (independen)
dan 1 variabel terikat (dependen) dari data berdasarkan kuesioner yang telah
dibagikan pada modul sebelumnya yang dibuat kedalam perumusan hipotesis
yaitu H0 sebagai hipotesis awal dan H1 sebagai hipotesis alternatif.
1.2.2 Analisis Asumsi Linear

Analisis asumsi merupakan analisis yang dilakukan untuk melihat
apakah didalam sebuah model regresi linear terdapat masalah-masalah asumsi
klasik. Asumsi klasik merupakan syarat-syarat yang harus dipenuhi pada model
regresi linear agar model tersebut menjadi valid sebagai alat penduga.
1.2.2.1 Analisis Normalitas
Analisis normalitas pada model regresi yang baik adalah yang memiliki
nilai residual terdistribusi dengan normal. Uji normalitas dilakukan untuk melihat
apakah nilai residual terdistribusi dengan normal atau tidak. Banyak sampel dalam
kuesioner ini adalah 75 responden dan hasil asumsi yang didapat adalah 0,253,
hasil tersebut lebih dari nilai signifikansi yang disyaratkan yaitu sebesar 0,05
sehingga dapat disimpulkan bahwa hasil uji tersebut memenuhi asumsi
normalitas. Berdasarkan output grafik p-plot bahwa titik-titik mengikuti dan
mendekati garis diagonalnya sehingga dapat dikatakan bahwa model regresi
tersebut memenuhi asumsi normalitas.
1.2.2.2 Analisis Multikolinearitas

Analisis multikolinearitas dilakukan untuk melihat keterkaitan variabel
atau hubungan yang tinggi antara variabel-variabel independen dalam suatu model
regresi linear berganda. Berdasarkan hasil yang telah diuji didapat hasil dari
tolerance dan VIF pada X1 (citra destinasi) didapat VIF sebesar 2,371 dan
tolerance sebesar 0.422, pada X2 (kualitas pelayanan petugas) didapat VIF
sebesar 2.547 dan tolerance sebesar 0.393, sedangkan pada X3 (harga) didapat
VIF sebesar 1.730 dan tolerance sebesar 0.578. Dimana hasil VIF tersebut lebih
kecil dari 10 dan hasil tolerance lebih besar dari 0,1 sehingga dari hasil tersebut
menunjukkan bahwa tidak ada multikolinearitas.
238
1.2.2.3 Analisis Heteroskedisitas

Analisis heteroskedisitas dilakukan untuk melihat apakah terdapat
ketidaksamaan varians dari residual antar pengamatan. Dari hasil uji
heterokedisitas didapatkan nilai signifikansi dari setiap variabel yaitu X1 (citra
destinasi) sebesar 0.016, X2 (kualitas pelayanan petugas) sebesar 0.000, dan X3
(harga) sebesar 0.806. Nilai standar signifikansi yaitu 0,05. Berdasarkan hasil dari
pengujian tersebut disimpulkan bahwa variabel X1 dan X2 memenuhi asumsi
heteroskediditas sedangkan variabel X3 tidak memenuhi asumsi heteroskiditas.
1.2.2.4 Analisis Autokorelasi

Analisis autokorelasi dilakukan untuk mengetahui apakah dalam suatu
model regresi linear terdapat korelasi antara pengganggu pada periode t dengan
kesalahan pada periode t-1. Berdasarkan tabel hasil uji autokorelasi menggunakan
model summary durbin watson. Berdasarkan dari pengujian didapatkan hasil
durbin watson sebesar 1.858 (mendekati 2), dapat disimpulkan bahwa data
tersebut tidak ada autokorelasi atau dapat dikatakan juga bahwa residual yang
saling berurutan saling bebas.
1.2.3 Analisis Korelasi

Analisis korelasi dilakukan untuk meguji hubungan serta arah hubungan
dari dua variabel atau lebih, pada analisis ini digunakan metode analisis pearson
correlation yang berfungsi untuk mengukur kekuatan hubungan linear antara dua
variabel dimana pada metode ini data harus berskala interval atau rasio yang
diukur menggunakan jarak (range) 0 sampai dengan 1.
1.1.1.1 Analisis Korelasi Menggunakan SPSS 20
Analisis Korelasi menggunakan SPSS 20 adalah pengukuran statistik
kovarian atau asosiasi antara dua variabel. Besarnya koefisien berkisar antara +1
sampai dengan -1 Jika koefisien korelasi bernilai positif maka kedua variabel
mempunyai hubungan searah begitu juga sebaliknya. Berdasarkan pengujian yang
telah dilakukan diperoleh hasil berkorelasi dengan variabel X1 (citra destinasi)
diperoleh nilai X2 (kualitas pelayanan) sebesar 0,744, X3 (harga) sebesar 0,586,
239
kepuasan pengunjung sebesar 0,742. Dapat disimpulkan bahwa semua variabel

berkorelasi dengan derajat hubungan dikategorikan korelasi kuat.
1.1.1.2 Analisis Korelasi Menggunakan Minitab

Analisis Korelasi menggunakan minitab besarnya koefisien berkisar
antara +1 sampai dengan -1. Jika koefisien korelasi bernilai positif maka kedua
variabel mempunyai hubungan searah begitu juga sebaliknya. Berdasarkan
pengujian yang telah dilakukan diperoleh hasil berkorelasi dengan variabel X1
(citra destinasi) diperoleh nilai X2 (kualitas pelayanan) sebesar 0,744, X3 (harga)
sebesar 0,586, kepuasan pengunjung sebesar 0,742. Dapat disimpulkan bahwa
semua variabel berkorelasi dengan derajat hubungan dikategorikan korelasi kuat.
1.1.2 Analisis Regresi Linear Berganda

Analisis regresi linear berganda merupakan hubungan secara linear
antara dua atau lebih variabel independen (citra destinasi, kualitas produk,
kesesuaian harga) dengan variabel dependen (kepuasan pengunjung). Analisis ini
digunakan untuk mengetahui arah hubungan antara variabel independen dengan
variabel dependen apakah masing-masing variabel tersebut mempunyai hubungan
positif atau negatif dan untuk memprediksi nilai dari variabel independen
mengalami kenaikan atau penurunan.
1.1.2.1 Analisis Uji F
Analisis Uji F dilakukan untuk melihat sejauh mana pengaruh semua
variabel bebasnya secara bersama-sama terhadap variabel terikatnya atau juga
untuk menguji apakah model regresi yang dibuat baik/signifikan atau tidak
baik/non signifikan. Berdasarkan hasil tabel uji F diperoleh hasil F adalah 84,648
dan H0 ditolak.
1.1.2.2 Analisis Uji T

Analisis Uji T dilakukan untuk melihat sejauh mana pengaruh masing
masing variabel bebasnya secara sendirsendiri terhadap variabel terikatnya. Uji ini
dapat dilakukan dengan membandingkan T hitung dan T tabel atau bisa juga
dengan melihat kolom signifikansi pada masing-masing T hitung. Berdasarkan
240
hasil tabel uji T diperoleh nilai uji T dari masing-masing variabel yaitu X1 (citra
destinasi) adalah 2.472, X2 (kualitas pelayanan petugas) adalah 8.213 , dan X3
(harga) adalah -0.247.
1.1.2.3 Analisis Regresi Menggunakan Minitab

Analisis regresi dilakukan untuk melihat prediksi dan ramalan, dan juga
untuk memahami variabel bebas mana saja yang berhubungan dengan variabel
terikat. Berdasarkan gambar output regression analysis didapat hasil persamaan
regression equation yaitu variabel X1 (citra destinasi) adalah 0,154, X2 (kualitas
pelayanan petugas) adalah 0,229, dan X3 (harga) adalah -0.0188.
1.1.3 Analisis Pengujian Hipotesis

Berdasarkan tabel 3.11 rekapitulasi hasil pengujian hipotesis
menunjukan bahwa variabel citra destinasi (X1) dan variabel kualitas pelayanan
petugas (X2) mempunyai pengaruh terhadap variabel terikat yaitu kepuasan
pengunjung (Y) sedangkan variabel harga (X3) diterima H01 atau dapat diartikan
tidak mempunyai pengaruh terhadap variabel terikat (Y).
VII BAB VII
KESIMPULAN DAN SARAN
7.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan didapatkan kesimpulan
sebagai berikut
1. Mempunyai 4 variabel dan 15 indikator secara keseluruhan. Dimulai dari
kepuasan wisatawan yang merupakan variabel dependen sedangkan
citra destinasi, kualitas pelayan petugas, dan harga merupakan variabel
independen.
2. Teknik pengambilan sampel yang digunakan pada penelitian ini adalah
non probability sampling dengan metode convience sampling.
3. Karakteristik responden yang digunakan pada kuesioner “Analisis
Pengaruh Citra Destinasi, Kualitas Pelayanan Petugas dan Harga
Terhadap Kepuasan Wisatawan Pulau Weh Sabang” adalah karakteristik
terbuka (umum) dan tertutup (khusus). Karakteristik terbuka (umum)
diantaranya nama, umur, tinggi badan, berat badan, dan pekerjaan
sedangkan karakteristik tertutup (khusus) diantaranya jenis kelamin, rata-
rata anda liburan, pertama kali dengar wisata Pulau Weh, kendaraan yang
digunakan saat ke Pulau Weh, asal kota anda, dan tujuan anda ke Puau
Weh.
4. Dalam statistik deskriptif untuk mengumpul, pencatatan, penyusunan,
dan penyajian data dalam bentuk table dan grafik.
5. Dalam distribusi probabilitas menggunakan distribusi peluang dikrit dan
peluang kontinyu dengan distribusi binomial dan hipergeomtrik sebagai
peluang dikrit dan distribusi normal sebagai peluang kontinyu,
6. Dalam pendataan secara manual hasil yang ada yang tidak sama tapi
hamper mendekati dengan pendataan yang dilakukan dengan SPSS
contohnya mean dalam pendataan secara manual hasil yang didapat
242
53,113. Sedangkan untuk pendataan secara SPSS diperoleh nilai sebesar

53,630.
7. Setelah dilakukan pengujian validitas diperoleh bahwa 42 pernyataan

dinyatakan valid dan 1 pernyataan yang tidak valid yaitu pernyataan C5
dari variabel harga.
8. Setelah dilakukan pengujian reliabel diperoleh bahwa semua variabel
dari data pengujian dinyatakan reliabel.
9. Setelah dilakukan pengujian validitas diperoleh bahwa pernyataan C3
mendapatkan nilai person correlation tertinggi yaitu 0,842 sedangkan
pernyataan C5 memperoleh nilai person correlation terendah yaitu 0,217.
Kedua pernyataan tersebut dari variabel yang sama yaitu harga.
10. sSetelah dilakukan pengujian reliabilitas diperoleh bahwa variabel
kepuasan pengunjung mendapatkan nilai cronbach alpha tertinggi yaitu
0,782 sedangkan variabel citra destinasi memperoleh nilai cronbach
alpha terendah yaitu 0,737.
11. Pada pengujian korelasi menggunakan bantuan software SPSS 20 dan
juga Minitab 18 diperoleh hasil yang sama. Ini menunjukkan bahwa
minimnya selisih diantara dua software tersebut dan juga keakuratan data
dan software tersebut.
12. Hubungan korelasi antara satu variabel dan variabel lainnya memiliki
nilai korelasi yang positif yang artinya setiap variabel memiliki hubungan
antara satu variabel dan variabel lainnya.
13. Pada pengujian hipotesis didapatkan hasil pada variabel citra destinasi
H0 ditolak dan H11 diterima. Pada variabel kualitas pelayanan petugas
H02 ditolak dan H12 diterima. Pada variabel harga H03 diterima dan
H13 ditolak.
7.2 Saran
Masukan yang peneliti sarankan untuk perkembangan praktikum
statistika industri kedepannya sebagai berikut:
1. Peneliti sangat menyarankan agar hasil dari penelitian ini dapat
dipublikasikan ke media agar yang membutuhkan data tersebut dapat
243
mudah menemukannya. Dengan ada nya penelitian ini diharapkan setiap

masyarakat khususnya di Aceh agar dapat membca penelitian ini guna
untuk mengetahui hal-hal apa saja yang dapat mmberi kepuasan jika
berkunjung ke Pulau Weh Sabang
2. Peneliti berharap laporan pratikum ini dapat dpublish ke banyak orang
karena diluar sana masih banyak yang kurang menjelaskan secara rinci
tentang statistik frekuensi dan distribusi frekuensi dan bisa dijadikan
sebagai acuan, gambaran dan arahan untuk menganalisis kasus atau data
yang serupa sehingga dalam pendataan dapat dilakukan dengan mudah.
Terlebih lagi statistik frekuensi dan distribusi frekuensi dapat
diimplementasikan pada banyak bidang diindustri sehingga hal ini sangat
bermanfaat bagi lainnya.
3. Pratikan menyarankan dalam praktikum modul 3 ini untuk dapat
menggunakan software pembandingan lainnya seperti minitab agar
praktikan dapat dengan mudah mengetahui kelebihan dan kekurangan
dari masing-masing software yang digunakan.
4. Ada baiknya menggunakan software pengujian dengan versi yang lebih
baru agar minimalnya kendala (bug) dan juga interface yang lebih
menarik.
244
DAFTAR PUSTAKA
Harinaldi, 2005, Prinsip-Prinsip Statistik untuk Teknik dan Sains, Erlangga

Riduan dan Akdon, 2006, Rumus dan Data dalam Aplikasi Statistika untuk
Penelitian, Alfabeta BandungPujiastusi, Isti. 2010. Jurnal Agribisnis dan
Pengembangan Wilayah.vol 2. No.1
Agus Sartono. 2001. Long Term Financing Decision: Views and Practices of
Financial Managers of Listed Public Firms in Idonesia. Gadjah Mada
International Journal Business. Januari. Volume 5N0. 1.
Cooper, Donald R., dan Emory, William. 1995.Business Research Methods,
Richard D Irwin, Inc.
Jogiyanto. 2005. Metodologi Penelitian Bisnis: Salah Kaprah dan Pengalaman-
pengalaman, BPFE, Yogyakarta.
Lerbin, Aritonang., R., 2011. Metode Penelitian Kuantitatif. Modul Pelatihan
Metodologi. Penelitian Universitas Islam “45”
Noeng Muhadjir. 1998. Metodologi Penelitian Kualitatif: Telaah Positivistik,
Rasionalistik, Phenomenologik, Realisme Metaphisik, Rake Sarasin, Yogyakarta.
Sekaran, Uma. 2000. Research Methods for Business: A Skill Building Approach,
3 ed., John Wiley & Sons Inc, 1994.
S Suharsimi Arikunto. 1996. Prosedur Penelitian Suatu Pendekatan Praktek.
Edisi Revisi III. Rineka Cipta. Jakarta.
ugiyono. 2004. Metode Penelitian Bisnis, Alfabeta, Bandung.
Trihendradi, 2010, SPSS 18 Step by Step, Penerbit ANDI, Yogyakarta. Siregar
Syofian, 2010, Statistika Deskriptif untuk Penelitian: Dilengkapi Perhitungan
Manual dan Aplikasi SPSS Versi 17, PT Rajagrafindo Persada, Jakarta.
Tim Asisten Laboratorium Manajemen Kualitas, 2003, Modul Praktikum Statistik
Industr1, Program Studi Teknik Industri Universitas Islam Bandung.
Tim Praktikum, 2011, Modul Praktikum Statistika Industri, Laboratorium Teknik
Industri Universitas Muhammadyah Surakarta.
Modul Praktikum Statistik Industri Program Studi Teknik Industri Universitas
Syiah Kuala 2016
245
Nuur Wachid Abdul Majid, S.Pd., Chi Square untuk Uji Dua Sampel Independen,
Jakarta
Singgih, Santoso, 2014, Panduan Lengkap SPSS versi 20, Jakarta, Gramedia.
Modul Praktikum Statistik Industri Program Studi Teknik Industri Universitas
Syiah Kuala 2018
246
DAFTAR LAMPIRAN
Lampiran 1. Rancangan Kuesioner

Adapun rancangan kuesioner dari penelitian dapat dilihat pada tabel di
bawah ini.
Tabel 4.2 Rancangan Kuesioner
Analisis Pengaruh Citra Destinasi, Kualitas Pelayanan Petugas, dan Harga terhadap
Kepuasan Wisatawan Pulau Weh Sabang
1. Nama :
2. Jenis Kelamin :( ) Laklaki ( ) Perempuan
3. Umur : …… tahun
4. Berat Badan : …… kg
5. Tinggi Badan : ...…. cm
6. Pekerjaan :
7. Rata-rata anda liburan:
( ) Setiap akhir pekan ( ) Setiap enam bulan
( ) Sebulan sekali ( ) Setiap akhir tahun
8.Pertama kali mendengar Wisata Pulau Weh:
( ) Televisi/Radio ( ) Sosial media
( ) Koran/Majalah/Tabloid ( ) Teman/Saudara/Relasi
( ) Lain-lain
9.Kendaran yang digunakan saat ke PulauWeh:
( ) Sepeda motor dan kapal ( ) Kapal cepat
( )Kapal lamba t ( ) Perahu
10. Asalkotaanda :
( ) Banda Aceh dan Aceh Besar
( ) Luar Aceh
( ) Aceh,Selain Aceh Besar dan Banda Aceh
11. Tujuan ke Pulau Weh :
( ) Liburan
( ) Kerja
( ) Penelitian
Kode
Pernyataan
Pulau Weh
2 Pengelola wisata selalu merawat A2
tempat wisata
3 Penataan tata letak wisata sangat baik A3
dan rapi
Wisata menyajikan beberapa sarana
4 A4
hiburan yang sangat memuaskan
Pulau Weh
6 Petugas wisata memperkenalkan A6
budaya setempat kepada wisatawan
247
Lanjutan Tabel 4.2 Rancangan Kuesioner

Kode
Pernyataan
7 Tempat wisata menjadikan adat dan A7
budaya setempat sebagai ciri khas
8 Wisataini bias menjadi pilihan yang A8
tepat bagi yang ingin menenangkan
dan memanjakan diri
9 Wisatawan tidak mudah bosan jika A9
berlama-lama ditempat wisata
10 Memberikan pelayanan yang baik dan B1
benar tanpa terjadi kesilapan sedikit
pun
11 Memberikan informasi yang sesuai B2
dengan apa yang terjadi dan
dibutuhkan pengunjung
12 Keramahan petugas dalam B3
memberikan pelayanan sehingga
pengunjung merasa nyaman
13 Petugas dapat dijadikan tempat B4
mengajukan keluhan yang tepat bagi
wisatawan
14 Petugas cepat tanggap dalam B5
pelayanan di loket tiket
15 Petugas dengan baik dan cepat dalam B6
meberikan petunjuk yang sesuai
dengan kebutuhan pengunjung
16 Petugas menanggapi keluhan yang B7
diberikan pengunjungdengan cepat
17 Petugas dapat memberikan informasi B8
dengan tepat sehingga petuga sdapat
diandalkan pengunjung
18 Kesopanan Petugas memberikan B9
kenyaman tersendiri bagi pengunjung
dalam menerima pelayanan
19 Kemampuan petugas berkomunikasi B10
sangat baik
20 Perhatian yang diberikan sangat B11
berarti bagi pengunjung wisata Pulau
Weh
21 Petugas sangat terampil dalam B12
melayani wisatawan
22 Perhatian yang di berikan sangat B13
berarti bagi pengunjung Pulau Weh
23 Pemberi pelayanan selalu B14
mementingkan kebutuhan pengunjung
agar terpenuhi kebutuhan pengunjung
24 Pemberi pelayanan paham atas apa B15
yang dibutuhkan pengunjung untuk
kepuasan pengunjung
25 Petugas melakukan pendekatan yang B16
baik sehingga pengunjung terasa
memiliki perlindungan
26 Petugas dapat berinteraksi dengan B17
baik sehingga pengunjung merasa
paham dan nyaman
248
Lanjutan Tabel 4.2 Rancangan Kuesioner

Kode
Pernyataan
27 Tempat wisata memiliki kondisi B18
bangunan yang luas dan nyaman bagi
wisatawan
28 Memiliki tempat parkir yang luas bagi B19
wisatawan
29 Tingkat kebersihan lingkungan B20
ditempat wisata sangat bersih
30 Pemeliharaan fasilitas wisata sangat B21
baik
31 Harga yang di tawarkan kepada C1
pengunjung sesuai dengan apa yang
disajikan penyedia layanan wisata
PulauWeh
32 Harga yang diberikan menjadi Patoka C2
pengunjung dalam membeli jasa
pelayanan yang dibutuhkan
33 Harga yang diberikan dapat dijangkau C3
disegala kalangan yang ingin
berkunjung ke Pulau Weh
34 Daftar harga yabg diberikan jelas dan C4
cocok
33 Tempat wisata sering memberikan C5
potongan harga
34 Potongan harga mudah didapatkan C6
oleh siapapun
35 Wisatawan dapat mengamati D1
pemandangan yang indah
36 Pengelola wisata selalu di tempat D2
wisata
37 Penataan tata letak wisata sangat baik D3
dan rapi
38 Terpenuhi segala keinginan dalam D4
kepuasan setelah mengunjungi wisata
39 Dapat merasakan kenyamanan pada D5
setiap pemberian pelayanan oleh
petugas dalam memenuhi kebutuhan
pengunjung wisata
40 Kemampuan pengelola wisata sangat D6
baik dalam melayani wisatawan
41 Wisatawan merasa sangat cocok D7
mengeluarkan biaya untuk berwisata
249
Lampiran 2. Data Peluang

Berikut merupakan perhitungan probabilitas sukses atau gagal pada
golongan darah A,B,AB dan O
1. Golongan Darah A

golongan darah A.
x
p = q =1-p
n
Persentase (%)
p = q = 1 – 0,3
100%
p = 0,3 q = 0,7
2. Golongan Darah B
golongan darah B.
x
p = q =1-p
n
Persentase (%)
p = q = 1 – 0,3
100%
p = 0,7 q = 0,7
3. Golongan Darah AB
golongan darah AB.
x
p = q =1-p
n
Persentase (%)
p = q = 1 – 0,2
100%
p = 0,2 q = 0,8
4. Golongan Darah O
golongan darah O.
250
x
p = q =1-p
n
Persentase (%)
p = q = 1 – 0,2
100%
p = 0,2 q = 0,8
Lampiran 3. Tabel r (df = 51 – 100)

Tabel r (df = 51 – 100)
Tingkat signifikansi untuk uji satu arah
0.05 0.025 0.01 0.005 0.0005
df = (N-2)
Tingkat signifikansi untuk uji dua arah
0.1 0.05 0.02 0.01 0.001
51 0.2284 0.2706 0.3188 0.3509 0.4393
52 0.2262 0.2681 0.3158 0.3477 0.4354
53 0.2241 0.2656 0.3129 0.3445 0.4317
54 0.2221 0.2632 0.3102 0.3415 0.4280
55 0.2201 0.2609 0.3074 0.3385 0.4244
56 0.2181 0.2586 0.3048 0.3357 0.4210
57 0.2162 0.2564 0.3022 0.3328 0.4176
58 0.2144 0.2542 0.2997 0.3301 0.4143
59 0.2126 0.2521 0.2972 0.3274 0.4110
60 0.2108 0.2500 0.2948 0.3248 0.4079
61 0.2091 0.2480 0.2925 0.3223 0.4048
62 0.2075 0.2461 0.2902 0.3198 0.4018
63 0.2058 0.2441 0.2880 0.3173 0.3988
64 0.2042 0.2423 0.2858 0.3150 0.3959
65 0.2027 0.2404 0.2837 0.3126 0.3931
66 0.2012 0.2387 0.2816 0.3104 0.3903
67 0.1997 0.2369 0.2796 0.3081 0.3876
68 0.1982 0.2352 0.2776 0.3060 0.3850
69 0.1968 0.2335 0.2756 0.3038 0.3823
70 0.1954 0.2319 0.2737 0.3017 0.3798
71 0.1940 0.2303 0.2718 0.2997 0.3773
72 0.1927 0.2287 0.2700 0.2977 0.3748
73 0.1914 0.2272 0.2682 0.2957 0.3724
74 0.1901 0.2257 0.2664 0.2938 0.3701
75 0.1888 0.2242 0.2647 0.2919 0.3678
76 0.1876 0.2227 0.2630 0.2900 0.3655
77 0.1864 0.2213 0.2613 0.2882 0.3633
78 0.1852 0.2199 0.2597 0.2864 0.3611
79 0.1841 0.2185 0.2581 0.2847 0.3589
80 0.1829 0.2172 0.2565 0.2830 0.3568
251
81 0.1818 0.2159 0.2550 0.2813 0.3547

82 0.1807 0.2146 0.2535 0.2796 0.3527
83 0.1796 0.2133 0.2520 0.2780 0.3507
Lanjutan tabel r (df = 51 – 100)

Tingkat signifikansi untuk uji satu arah
0.05 0.025 0.01 0.005 0.0005
df = (N-2)
Tingkat signifikansi untuk uji dua arah
0.1 0.05 0.02 0.01 0.001
84 0.1786 0.2120 0.2505 0.2764 0.3487
85 0.1775 0.2108 0.2491 0.2748 0.3468
86 0.1765 0.2096 0.2477 0.2732 0.3449
87 0.1755 0.2084 0.2463 0.2717 0.3430
88 0.1745 0.2072 0.2449 0.2702 0.3412
89 0.1735 0.2061 0.2435 0.2687 0.3393
90 0.1726 0.2050 0.2422 0.2673 0.3375
91 0.1716 0.2039 0.2409 0.2659 0.3358
92 0.1707 0.2028 0.2396 0.2645 0.3341
93 0.1698 0.2017 0.2384 0.2631 0.3323
94 0.1689 0.2006 0.2371 0.2617 0.3307
95 0.1680 0.1996 0.2359 0.2604 0.3290
96 0.1671 0.1986 0.2347 0.2591 0.3274
97 0.1663 0.1975 0.2335 0.2578 0.3258
98 0.1654 0.1966 0.2324 0.2565 0.3242
99 0.1646 0.1956 0.2312 0.2552 0.3226
100 0.1638 0.1946 0.2301 0.2540 0.3211
Lampiran 4. Tabel Titik Persentase Distribusi t (df = 81 – 120)

Tabel Titik Persentase Distribusi t (df = 81 – 120)
Pr 0.25 0.10 0.05 0.025 0.01 0.005 0.001
df 0.50 0.20 0.10 0.050 0.02 0.010 0.002
81 0.67753 1.29209 1.66388 1.98969 2.37327 2.63790 3.19392
82 0.67749 1.29196 1.66365 1.98932 2.37269 2.63712 3.19262
83 0.67746 1.29183 1.66342 1.98896 2.37212 2.63637 3.19135
84 0.67742 1.29171 1.66320 1.98861 2.37156 2.63563 3.19011
85 0.67739 1.29159 1.66298 1.98827 2.37102 2.63491 3.18890
86 0.67735 1.29147 1.66277 1.98793 2.37049 2.63421 3.18772
87 0.67732 1.29136 1.66256 1.98761 2.36998 2.63353 3.18657
88 0.67729 1.29125 1.66235 1.98729 2.36947 2.63286 3.18544
89 0.67726 1.29114 1.66216 1.98698 2.36898 2.63220 3.18434
90 0.67723 1.29103 1.66196 1.98667 2.36850 2.63157 3.18327
91 0.67720 1.29092 1.66177 1.98638 2.36803 2.63094 3.18222
92 0.67717 1.29082 1.66159 1.98609 2.36757 2.63033 3.18119
93 0.67714 1.29072 1.66140 1.98580 2.36712 2.62973 3.18019
252
94 0.67711 1.29062 1.66123 1.98552 2.36667 2.62915 3.17921

95 0.67708 1.29053 1.66105 1.98525 2.36624 2.62858 3.17825
96 0.67705 1.29043 1.66088 1.98498 2.36582 2.62802 3.17731
97 0.67703 1.29034 1.66071 1.98472 2.36541 2.62747 3.17639
98 0.67700 1.29025 1.66055 1.98447 2.36500 2.62693 3.17549
Lanjutan tabel Titik Persentase Distribusi t (df = 81 – 120)

Pr 0.25 0.10 0.05 0.025 0.01 0.005 0.001
df 0.50 0.20 0.10 0.050 0.02 0.010 0.002
99 0.67698 1.29016 1.66039 1.98422 2.36461 2.62641 3.17460
100 0.67695 1.29007 1.66023 1.98397 2.36422 2.62589 3.17374
101 0.67693 1.28999 1.66008 1.98373 2.36384 2.62539 3.17289
102 0.67690 1.28991 1.65993 1.98350 2.36346 2.62489 3.17206
103 0.67688 1.28982 1.65978 1.98326 2.36310 2.62441 3.17125
104 0.67686 1.28974 1.65964 1.98304 2.36274 2.62393 3.17045
105 0.67683 1.28967 1.65950 1.98282 2.36239 2.62347 3.16967
106 0.67681 1.28959 1.65936 1.98260 2.36204 2.62301 3.16890
107 0.67679 1.28951 1.65922 1.98238 2.36170 2.62256 3.16815
108 0.67677 1.28944 1.65909 1.98217 2.36137 2.62212 3.16741
109 0.67675 1.28937 1.65895 1.98197 2.36105 2.62169 3.16669
110 0.67673 1.28930 1.65882 1.98177 2.36073 2.62126 3.16598
111 0.67671 1.28922 1.65870 1.98157 2.36041 2.62085 3.16528
112 0.67669 1.28916 1.65857 1.98137 2.36010 2.62044 3.16460
113 0.67667 1.28909 1.65845 1.98118 2.35980 2.62004 3.16392
114 0.67665 1.28902 1.65833 1.98099 2.35950 2.61964 3.16326
115 0.67663 1.28896 1.65821 1.98081 2.35921 2.61926 3.16262
116 0.67661 1.28889 1.65810 1.98063 2.35892 2.61888 3.16198
117 0.67659 1.28883 1.65798 1.98045 2.35864 2.61850 3.16135
118 0.67657 1.28877 1.65787 1.98027 2.35837 2.61814 3.16074
119 0.67656 1.28871 1.65776 1.98010 2.35809 2.61778 3.16013
120 0.67654 1.28865 1.65765 1.97993 2.35782 2.61742 3.15954
Lampiran 5. Tabel Titik Persentase Distribusi F untuk Probabilitas = 5%

Tabel Titik Persentase Distribusi F untuk Probabilitas = 5%
df untuk df untuk pembilang (N1)
penyebut
(N2) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 161 199 216 225 230 234 237 239 241 242 243 244 245 245 246
19. 19. 19. 19. 19.
2 18.5 19 19.2 19.3 19.3 19.4 19.4 19.4 19.4 19.4
3 4 4 4 4
9.5 9.0 8.8 8.8 8.7 8.7
3 10.1 9.28 9.12 8.94 8.85 8.79 8.74 8.71 8.7
5 1 9 1 6 3
6.9 6.2 6.0 5.9 5.8
4 7.71 6.59 6.39 6.16 6.04 6 5.96 5.91 5.87 5.86
4 6 9 4 9
5.7 5.0 4.8 4.7 4.6
5 6.61 5.41 5.19 4.95 4.82 4.74 4.7 4.68 4.64 4.62
9 5 8 7 6
5.1 4.3 4.2 4.0 3.9
6 5.99 4.76 4.53 4.28 4.15 4.1 4.06 4 3.96 3.94
4 9 1 3 8
4.7 3.9 3.7 3.6 3.5
7 5.59 4.35 4.12 3.87 3.73 3.64 3.6 3.57 3.53 3.51
4 7 9 8 5
4.4 3.6 3.3 3.3 3.2
8 5.32 4.07 3.84 3.58 3.5 3.44 3.35 3.28 3.24 3.22
6 9 9 1 6
4.2 3.4 3.2 3.1 3.0
9 5.12 3.86 3.63 3.37 3.23 3.14 3.1 3.07 3.03 3.01
6 8 9 8 5
253
3.3 3.1 3.0 2.9 2.8

10 4.96 4.1 3.71 3.48 3.22 3.07 2.98 2.91 2.86 2.85
3 4 2 4 9
3.9 3.0 2.8 2.7
11 4.84 3.59 3.36 3.2 3.09 2.95 2.9 2.85 2.79 2.74 2.72
8 1 2 6
3.8 3.1 2.9 2.7 2.6
12 4.75 3.49 3.26 3 2.85 2.8 2.75 2.69 2.64 2.62
9 1 1 2 6
3.8 3.0 2.8 2.7 2.6 2.5
13 4.67 3.41 3.18 2.92 2.77 2.67 2.6 2.55 2.53
1 3 3 1 3 8
3.7 2.9 2.7 2.6 2.5 2.5
14 4.6 3.34 3.11 2.85 2.7 2.6 2.53 2.48 2.46
4 6 6 5 7 1
3.6 2.7 2.5 2.5 2.4
15 4.54 3.29 3.06 2.9 2.79 2.64 2.54 2.48 2.42 2.4
8 1 9 1 5
3.6 2.8 2.6 2.5 2.4
16 4.49 3.24 3.01 2.74 2.59 2.49 2.42 2.4 2.37 2.35
3 5 6 4 6
3.5 2.8 2.6 2.4 2.4 2.3
17 4.45 3.2 2.96 2.7 2.55 2.45 2.38 2.33 2.31
9 1 1 9 1 5
3.5 2.7 2.5 2.4 2.3 2.3
18 4.41 3.16 2.93 2.66 2.51 2.41 2.34 2.29 2.27
5 7 8 6 7 1
3.5 2.7 2.5 2.4 2.3 2.2
19 4.38 3.13 2.9 2.63 2.48 2.38 2.31 2.26 2.23
2 4 4 2 4 8
3.4 2.7 2.5 2.3 2.3 2.2
20 4.35 3.1 2.87 2.6 2.45 2.35 2.28 2.22 2.2
9 1 1 9 1 5
Lanjutan tabel Titik Persentase Distribusi F untuk Probabilitas = 5%

penyebut
(N2) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
3.4 2.6 2.4 2.3 2.2 2.2
21 4.32 3.07 2.84 2.57 2.42 2.32 2.25 2.2 2.18
7 8 9 7 8 2
3.4 2.6 2.4 2.3 2.2
22 4.3 3.05 2.82 2.55 2.4 2.3 2.23 2.2 2.17 2.15
4 6 6 4 6
3.4 2.6 2.4 2.3 2.2 2.1
23 4.28 3.03 2.8 2.53 2.37 2.27 2.2 2.15 2.13
2 4 4 2 4 8
2.6 2.4 2.2 2.1
24 4.26 3.4 3.01 2.78 2.51 2.36 2.3 2.25 2.18 2.13 2.11
2 2 2 5
3.3 2.2 2.1
25 4.24 2.99 2.76 2.6 2.49 2.4 2.34 2.24 2.2 2.16 2.11 2.09
9 8 4
3.3 2.5 2.3 2.2 2.1 2.1
26 4.23 2.98 2.74 2.47 2.32 2.22 2.15 2.09 2.07
7 9 9 7 8 2
3.3 2.5 2.3 2.2 2.1
27 4.21 2.96 2.73 2.46 2.31 2.2 2.13 2.1 2.08 2.06
5 7 7 5 7
3.3 2.5 2.3 2.2 2.1 2.0
28 4.2 2.95 2.71 2.45 2.29 2.19 2.12 2.06 2.04
4 6 6 4 5 9
3.3 2.5 2.3 2.2 2.1 2.0
29 4.18 2.93 2.7 2.43 2.28 2.18 2.1 2.05 2.03
3 5 5 2 4 8
3.3 2.5 2.3 2.2 2.1 2.0
30 4.17 2.92 2.69 2.42 2.27 2.16 2.09 2.04 2.01
2 3 3 1 3 6
2.5 2.3 2.1 2.0
31 4.16 3.3 2.91 2.68 2.41 2.25 2.2 2.15 2.08 2.03 2
2 2 1 5
3.2 2.5 2.3 2.1 2.0
32 4.15 2.9 2.67 2.4 2.24 2.14 2.1 2.07 2.01 1.99
9 1 1 9 4
3.2 2.1 2.0 2.0
33 4.14 2.89 2.66 2.5 2.39 2.3 2.23 2.13 2.06 2 1.98
8 8 9 3
3.2 2.4 2.2 2.1 2.0 2.0
34 4.13 2.88 2.65 2.38 2.23 2.12 2.05 1.99 1.97
8 9 9 7 8 2
3.2 2.4 2.2 2.1 2.0 2.0
35 4.12 2.87 2.64 2.37 2.22 2.11 2.04 1.99 1.96
7 9 9 6 7 1
3.2 2.4 2.2 2.1 2.0
36 4.11 2.87 2.63 2.36 2.21 2.11 2.03 2 1.98 1.95
6 8 8 5 7
3.2 2.4 2.2 2.1 2.0
37 4.11 2.86 2.63 2.36 2.2 2.1 2.02 2 1.97 1.95
5 7 7 4 6
3.2 2.4 2.2 2.1 2.0 1.9
38 4.1 2.85 2.62 2.35 2.19 2.09 2.02 1.96 1.94
4 6 6 4 5 9
3.2 2.4 2.2 2.1 2.0 1.9
39 4.09 2.85 2.61 2.34 2.19 2.08 2.01 1.95 1.93
4 6 6 3 4 8
3.2 2.4 2.2 2.1 2.0 1.9
40 4.08 2.84 2.61 2.34 2.18 2.08 2 1.95 1.92
3 5 5 2 4 7
3.2 2.4 2.2 2.1 2.0 1.9
41 4.08 2.83 2.6 2.33 2.17 2.07 2 1.94 1.92
3 4 4 2 3 7
254
3.2 2.4 2.2 2.1 2.0 1.9

42 4.07 2.83 2.59 2.32 2.17 2.06 1.99 1.94 1.91
2 4 4 1 3 6
3.2 2.4 2.2 2.1 2.0 1.9
43 4.07 2.82 2.59 2.32 2.16 2.06 1.99 1.93 1.91
1 3 3 1 2 6
3.2 2.4 2.2 2.0 1.9
44 4.06 2.82 2.58 2.31 2.16 2.1 2.05 1.98 1.92 1.9
1 3 3 1 5
2.4 2.2 2.0 1.9
45 4.06 3.2 2.81 2.58 2.31 2.15 2.1 2.05 1.97 1.92 1.89
2 2 1 4
2.4 2.2 2.0 1.9
46 4.05 3.2 2.81 2.57 2.3 2.15 2.04 2 1.97 1.91 1.89
2 2 9 4
2.4 2.2 2.0 1.9
47 4.05 3.2 2.8 2.57 2.3 2.14 2.04 2 1.96 1.91 1.88
1 1 9 3
3.1 2.4 2.2 2.0 1.9 1.9
48 4.04 2.8 2.57 2.29 2.14 2.03 1.96 1.9 1.88
9 1 1 8 9 3
3.1 2.0 1.9 1.9
49 4.04 2.79 2.56 2.4 2.29 2.2 2.13 2.03 1.96 1.9 1.88
9 8 9 3
3.1 2.0 1.9 1.9
50 4.03 2.79 2.56 2.4 2.29 2.2 2.13 2.03 1.95 1.89 1.87
8 7 9 2
3.1 2.0 1.9 1.9
51 4.03 2.79 2.55 2.4 2.28 2.2 2.13 2.02 1.95 1.89 1.87
8 7 8 2
3.1 2.3 2.1 2.0 1.9 1.9
52 4.03 2.78 2.55 2.28 2.12 2.02 1.94 1.89 1.86
8 9 9 7 8 1
3.1 2.3 2.1 2.0 1.9 1.9
53 4.02 2.78 2.55 2.28 2.12 2.01 1.94 1.88 1.86
7 9 9 6 7 1
3.1 2.3 2.1 2.0 1.9 1.9
54 4.02 2.78 2.54 2.27 2.12 2.01 1.94 1.88 1.86
7 9 8 6 7 1
3.1 2.3 2.1 2.0 1.9
55 4.02 2.77 2.54 2.27 2.11 2.01 1.93 1.9 1.88 1.85
6 8 8 6 7
3.1 2.3 2.1 2.0 1.9
56 4.01 2.77 2.54 2.27 2.11 2 1.93 1.9 1.87 1.85
6 8 8 5 6
3.1 2.3 2.1 2.0 1.9
57 4.01 2.77 2.53 2.26 2.11 2 1.93 1.9 1.87 1.85
6 8 8 5 6
3.1 2.3 2.1 2.0 1.9 1.8
58 4.01 2.76 2.53 2.26 2.1 2 1.92 1.87 1.84
6 7 7 5 6 9
3.1 2.3 2.1 2.0 1.9 1.8
59 4 2.76 2.53 2.26 2.1 2 1.92 1.86 1.84
5 7 7 4 6 9
3.1 2.3 2.1 2.0 1.9 1.8
60 4 2.76 2.53 2.25 2.1 1.99 1.92 1.86 1.84
5 7 7 4 5 9
3.1 2.3 2.1 2.0 1.9 1.8
61 4 2.76 2.52 2.25 2.09 1.99 1.91 1.86 1.83
5 7 6 4 5 8
3.1 2.3 2.1 2.0 1.9 1.8
62 4 2.75 2.52 2.25 2.09 1.99 1.91 1.85 1.83
5 6 6 3 5 8
3.1 2.3 2.1 2.0 1.9 1.8
63 3.99 2.75 2.52 2.25 2.09 1.98 1.91 1.85 1.83
4 6 6 3 4 8
3.1 2.3 2.1 2.0 1.9 1.8
64 3.99 2.75 2.52 2.24 2.09 1.98 1.91 1.85 1.83
4 6 6 3 4 8
3.1 2.3 2.1 2.0 1.9 1.8
65 3.99 2.75 2.51 2.24 2.08 1.98 1.9 1.85 1.82
4 6 5 3 4 7
3.1 2.3 2.1 2.0 1.9 1.8
66 3.99 2.74 2.51 2.24 2.08 1.98 1.9 1.84 1.82
4 5 5 3 4 7
3.1 2.3 2.1 2.0 1.9 1.8
67 3.98 2.74 2.51 2.24 2.08 1.98 1.9 1.84 1.82
3 5 5 2 3 7
3.1 2.3 2.1 2.0 1.9 1.8
68 3.98 2.74 2.51 2.24 2.08 1.97 1.9 1.84 1.82
3 5 5 2 3 7
3.1 2.3 2.1 2.0 1.9 1.8
69 3.98 2.74 2.5 2.23 2.08 1.97 1.9 1.84 1.81
3 5 5 2 3 6
3.1 2.3 2.1 2.0 1.9 1.8
70 3.98 2.74 2.5 2.23 2.07 1.97 1.89 1.84 1.81
3 5 4 2 3 6
3.1 2.3 2.1 2.0 1.9 1.8
71 3.98 2.73 2.5 2.23 2.07 1.97 1.89 1.83 1.81
3 4 4 1 3 6
3.1 2.3 2.1 2.0 1.9 1.8
72 3.97 2.73 2.5 2.23 2.07 1.96 1.89 1.83 1.81
2 4 4 1 2 6
3.1 2.3 2.1 2.0 1.9 1.8
73 3.97 2.73 2.5 2.23 2.07 1.96 1.89 1.83 1.81
2 4 4 1 2 6
penyebut
(N2) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
3.1 2.3 2.1 2.0 1.9 1.8
74 3.97 2.73 2.5 2.22 2.07 1.96 1.89 1.83 1.8
2 4 4 1 2 5
255
3.1 2.3 2.1 2.0 1.9 1.8

75 3.97 2.73 2.49 2.22 2.06 1.96 1.88 1.83 1.8
2 4 3 1 2 5
3.1 2.3 2.1 2.0 1.9 1.8
76 3.97 2.72 2.49 2.22 2.06 1.96 1.88 1.82 1.8
2 3 3 1 2 5
3.1 2.3 2.1 1.9 1.8
77 3.97 2.72 2.49 2.22 2.06 2 1.96 1.88 1.82 1.8
2 3 3 2 5
3.1 2.3 2.1 1.9 1.8
78 3.96 2.72 2.49 2.22 2.06 2 1.95 1.88 1.82 1.8
1 3 3 1 5
3.1 2.3 2.1 1.9 1.8
79 3.96 2.72 2.49 2.22 2.06 2 1.95 1.88 1.82 1.79
1 3 3 1 5
3.1 2.3 2.1 1.9 1.8
80 3.96 2.72 2.49 2.21 2.06 2 1.95 1.88 1.82 1.79
1 3 3 1 4
3.1 2.3 2.1 1.9 1.8
81 3.96 2.72 2.48 2.21 2.05 2 1.95 1.87 1.82 1.79
1 3 2 1 4
3.1 2.3 2.1 1.9 1.8
82 3.96 2.72 2.48 2.21 2.05 2 1.95 1.87 1.81 1.79
1 3 2 1 4
3.1 2.3 2.1 1.9 1.9 1.8
83 3.96 2.71 2.48 2.21 2.05 1.95 1.87 1.81 1.79
1 2 2 9 1 4
3.1 2.3 2.1 1.9 1.8
84 3.95 2.71 2.48 2.21 2.05 1.95 1.9 1.87 1.81 1.79
1 2 2 9 4
2.3 2.1 1.9 1.8
85 3.95 3.1 2.71 2.48 2.21 2.05 1.94 1.9 1.87 1.81 1.79
2 2 9 4
2.3 2.1 1.9 1.8
86 3.95 3.1 2.71 2.48 2.21 2.05 1.94 1.9 1.87 1.81 1.78
2 2 9 4
2.3 2.1 1.9 1.8
87 3.95 3.1 2.71 2.48 2.2 2.05 1.94 1.9 1.87 1.81 1.78
2 2 9 3
2.3 2.1 1.9 1.8
88 3.95 3.1 2.71 2.48 2.2 2.05 1.94 1.9 1.86 1.81 1.78
2 2 9 3
2.3 2.1 1.9 1.8
89 3.95 3.1 2.71 2.47 2.2 2.04 1.94 1.9 1.86 1.8 1.78
2 1 9 3
2.3 2.1 1.9 1.8
90 3.95 3.1 2.71 2.47 2.2 2.04 1.94 1.9 1.86 1.8 1.78
2 1 9 3
2.3 2.1 1.9 1.8
91 3.95 3.1 2.7 2.47 2.2 2.04 1.94 1.9 1.86 1.8 1.78
1 1 8 3
2.3 2.1 1.9 1.8 1.8
92 3.94 3.1 2.7 2.47 2.2 2.04 1.94 1.86 1.8 1.78
1 1 8 9 3
3.0 2.3 2.1 1.9 1.8 1.8
93 3.94 2.7 2.47 2.2 2.04 1.93 1.86 1.8 1.78
9 1 1 8 9 3
3.0 2.3 2.1 1.9 1.8 1.8
94 3.94 2.7 2.47 2.2 2.04 1.93 1.86 1.8 1.77
9 1 1 8 9 3
3.0 2.3 2.1 1.9 1.8 1.8
95 3.94 2.7 2.47 2.2 2.04 1.93 1.86 1.8 1.77
9 1 1 8 9 2
3.0 2.3 2.1 1.9 1.8 1.8
96 3.94 2.7 2.47 2.19 2.04 1.93 1.85 1.8 1.77
9 1 1 8 9 2
3.0 2.3 2.1 1.9 1.8 1.8
97 3.94 2.7 2.47 2.19 2.04 1.93 1.85 1.8 1.77
9 1 1 8 9 2
3.0 2.3 1.9 1.8 1.8
98 3.94 2.7 2.46 2.19 2.1 2.03 1.93 1.85 1.79 1.77
9 1 8 9 2
3.0 2.3 1.9 1.8 1.8
99 3.94 2.7 2.46 2.19 2.1 2.03 1.93 1.85 1.79 1.77
9 1 8 9 2
3.0 2.3 1.9 1.8 1.8
100 3.94 2.7 2.46 2.19 2.1 2.03 1.93 1.85 1.79 1.77
9 1 7 9 2
3.0 1.9 1.8 1.8
101 3.94 2.69 2.46 2.3 2.19 2.1 2.03 1.93 1.85 1.79 1.77
9 7 8 2
3.0 1.9 1.8 1.8
102 3.93 2.69 2.46 2.3 2.19 2.1 2.03 1.92 1.85 1.79 1.77
9 7 8 2
3.0 1.9 1.8 1.8
103 3.93 2.69 2.46 2.3 2.19 2.1 2.03 1.92 1.85 1.79 1.76
8 7 8 2
3.0 1.9 1.8 1.8
104 3.93 2.69 2.46 2.3 2.19 2.1 2.03 1.92 1.85 1.79 1.76
8 7 8 2
3.0 1.9 1.8 1.8
105 3.93 2.69 2.46 2.3 2.19 2.1 2.03 1.92 1.85 1.79 1.76
8 7 8 1
3.0 1.9 1.8 1.8
106 3.93 2.69 2.46 2.3 2.19 2.1 2.03 1.92 1.84 1.79 1.76
8 7 8 1
3.0 1.9 1.8 1.8
107 3.93 2.69 2.46 2.3 2.18 2.1 2.03 1.92 1.84 1.79 1.76
8 7 8 1
3.0 1.9 1.8 1.8
108 3.93 2.69 2.46 2.3 2.18 2.1 2.03 1.92 1.84 1.78 1.76
8 7 8 1
3.0 2.0 1.9 1.8 1.8
109 3.93 2.69 2.45 2.3 2.18 2.02 1.92 1.84 1.78 1.76
8 9 7 8 1
110 3.93 3.0 2.69 2.45 2.3 2.18 2.0 2.02 1.9 1.92 1.8 1.84 1.8 1.78 1.76
256
8 9 7 8 1
3.0 2.0 1.9 1.8 1.8
111 3.93 2.69 2.45 2.3 2.18 2.02 1.92 1.84 1.78 1.76
8 9 7 8 1
3.0 2.0 1.9 1.8 1.8
112 3.93 2.69 2.45 2.3 2.18 2.02 1.92 1.84 1.78 1.76
8 9 6 8 1
3.0 2.2 2.0 1.9 1.8 1.8
113 3.93 2.68 2.45 2.18 2.02 1.92 1.84 1.78 1.76
8 9 9 6 7 1
3.0 2.2 2.0 1.9 1.8 1.8
114 3.92 2.68 2.45 2.18 2.02 1.91 1.84 1.78 1.75
8 9 9 6 7 1
3.0 2.2 2.0 1.9 1.8 1.8
115 3.92 2.68 2.45 2.18 2.02 1.91 1.84 1.78 1.75
8 9 9 6 7 1
3.0 2.2 2.0 1.9 1.8 1.8
116 3.92 2.68 2.45 2.18 2.02 1.91 1.84 1.78 1.75
7 9 9 6 7 1
3.0 2.2 2.0 1.9 1.8
117 3.92 2.68 2.45 2.18 2.02 1.91 1.84 1.8 1.78 1.75
7 9 9 6 7
3.0 2.2 2.0 1.9 1.8
118 3.92 2.68 2.45 2.18 2.02 1.91 1.84 1.8 1.78 1.75
7 9 9 6 7
3.0 2.2 2.0 1.9 1.8
119 3.92 2.68 2.45 2.18 2.02 1.91 1.83 1.8 1.78 1.75
7 9 9 6 7
3.0 2.2 2.0 1.9 1.8
120 3.92 2.68 2.45 2.18 2.02 1.91 1.83 1.8 1.78 1.75
7 9 9 6 7
3.0 2.2 2.0 1.9 1.8
121 3.92 2.68 2.45 2.17 2.02 1.91 1.83 1.8 1.77 1.75
7 9 9 6 7
3.0 2.2 2.0 1.9 1.8
122 3.92 2.68 2.45 2.17 2.02 1.91 1.83 1.8 1.77 1.75
7 9 9 6 7
3.0 2.2 2.0 1.9 1.8
123 3.92 2.68 2.45 2.17 2.01 1.91 1.83 1.8 1.77 1.75
7 9 8 6 7
3.0 2.2 2.0 1.9 1.8
124 3.92 2.68 2.44 2.17 2.01 1.91 1.83 1.8 1.77 1.75
7 9 8 6 7
3.0 2.2 2.0 1.9 1.8
125 3.92 2.68 2.44 2.17 2.01 1.91 1.83 1.8 1.77 1.75
7 9 8 6 7
3.0 2.2 2.0 1.9 1.8
126 3.92 2.68 2.44 2.17 2.01 1.91 1.83 1.8 1.77 1.75
7 9 8 5 7
penyebut
(N2) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
3.0 2.2 2.0 1.9 1.8
127 3.92 2.68 2.44 2.17 2.01 1.91 1.83 1.8 1.77 1.75
7 9 8 5 6
3.0 2.2 2.0 1.9 1.8
128 3.92 2.68 2.44 2.17 2.01 1.91 1.83 1.8 1.77 1.75
7 9 8 5 6
3.0 2.2 2.0 1.9 1.8
129 3.91 2.67 2.44 2.17 2.01 1.9 1.83 1.8 1.77 1.74
7 8 8 5 6
3.0 2.2 2.0 1.9 1.8
130 3.91 2.67 2.44 2.17 2.01 1.9 1.83 1.8 1.77 1.74
7 8 8 5 6
3.0 2.2 2.0 1.9 1.8
131 3.91 2.67 2.44 2.17 2.01 1.9 1.83 1.8 1.77 1.74
7 8 8 5 6
3.0 2.2 2.0 1.9 1.8 1.7
132 3.91 2.67 2.44 2.17 2.01 1.9 1.83 1.77 1.74
6 8 8 5 6 9
3.0 2.2 2.0 1.9 1.8 1.7
133 3.91 2.67 2.44 2.17 2.01 1.9 1.83 1.77 1.74
6 8 8 5 6 9
3.0 2.2 2.0 1.9 1.8 1.7
134 3.91 2.67 2.44 2.17 2.01 1.9 1.83 1.77 1.74
6 8 8 5 6 9
3.0 2.2 2.0 1.9 1.8 1.7
135 3.91 2.67 2.44 2.17 2.01 1.9 1.82 1.77 1.74
6 8 8 5 6 9
3.0 2.2 2.0 1.9 1.8 1.7
136 3.91 2.67 2.44 2.17 2.01 1.9 1.82 1.77 1.74
6 8 8 5 6 9
3.0 2.2 2.0 1.9 1.8 1.7
137 3.91 2.67 2.44 2.17 2.01 1.9 1.82 1.76 1.74
6 8 8 5 6 9
3.0 2.2 2.0 1.9 1.8 1.7
138 3.91 2.67 2.44 2.16 2.01 1.9 1.82 1.76 1.74
6 8 8 5 6 9
3.0 2.2 2.0 1.9 1.8 1.7
139 3.91 2.67 2.44 2.16 2.01 1.9 1.82 1.76 1.74
6 8 8 5 6 9
3.0 2.2 2.0 1.9 1.8 1.7
140 3.91 2.67 2.44 2.16 2.01 1.9 1.82 1.76 1.74
6 8 8 5 6 9
3.0 2.2 2.0 1.9 1.8 1.7
141 3.91 2.67 2.44 2.16 2 1.9 1.82 1.76 1.74
6 8 8 5 6 9
3.0 2.2 2.0 1.9 1.8 1.7
142 3.91 2.67 2.44 2.16 2 1.9 1.82 1.76 1.74
6 8 7 5 6 9
143 3.91 3.0 2.67 2.43 2.2 2.16 2.0 2 1.9 1.9 1.8 1.82 1.7 1.76 1.74
257
6 8 7 5 6 9
3.0 2.2 2.0 1.9 1.8 1.7
144 3.91 2.67 2.43 2.16 2 1.9 1.82 1.76 1.74
6 8 7 5 6 9
3.0 2.2 2.0 1.9 1.8 1.7
145 3.91 2.67 2.43 2.16 2 1.9 1.82 1.76 1.74
6 8 7 4 6 9
3.0 2.2 2.0 1.9 1.8 1.7
146 3.91 2.67 2.43 2.16 2 1.9 1.82 1.76 1.74
6 8 7 4 5 9
3.0 2.2 2.0 1.9 1.8 1.7
147 3.91 2.67 2.43 2.16 2 1.9 1.82 1.76 1.73
6 8 7 4 5 9
3.0 2.2 2.0 1.9 1.8 1.7
148 3.91 2.67 2.43 2.16 2 1.9 1.82 1.76 1.73
6 8 7 4 5 9
3.0 2.2 2.0 1.9 1.8 1.7
149 3.9 2.67 2.43 2.16 2 1.89 1.82 1.76 1.73
6 7 7 4 5 9
3.0 2.2 2.0 1.9 1.8 1.7
150 3.9 2.66 2.43 2.16 2 1.89 1.82 1.76 1.73
6 7 7 4 5 9
Lampiran 6. Tabel Durbin Watson (DW), ɑ = 5%

Tabel Durbin Watson (DW), ɑ = 5%
k=1 k=2 k=3 k=4 k=5
n
dL dU dL dU dL dU dL dU dL dU
6 0.6102 1.4002
7 0.6996 1.3564 0.4672 1.8964
8 0.7629 1.3324 0.5591 1.7771 0.3674 2.2866
9 0.8243 1.3199 0.6291 1.6993 0.4548 2.1282 0.2957 2.5881
10 0.8791 1.3197 0.6972 1.6413 0.5253 2.0163 0.376 2.4137 0.2427 2.8217
11 0.9273 1.3241 0.758 1.6044 0.5948 1.928 0.4441 2.2833 0.3155 2.6446
12 0.9708 1.3314 0.8122 1.5794 0.6577 1.864 0.512 2.1766 0.3796 2.5061
13 1.0097 1.3404 0.8612 1.5621 0.7147 1.8159 0.5745 2.0943 0.4445 2.3897
14 1.045 1.3503 0.9054 1.5507 0.7667 1.7788 0.6321 2.0296 0.5052 2.2959
15 1.077 1.3605 0.9455 1.5432 0.814 1.7501 0.6852 1.9774 0.562 2.2198
16 1.1062 1.3709 0.982 1.5386 0.8572 1.7277 0.734 1.9351 0.615 2.1567
17 1.133 1.3812 1.0154 1.5361 0.8968 1.7101 0.779 1.9005 0.6641 2.1041
18 1.1576 1.3913 1.0461 1.5353 0.9331 1.6961 0.8204 1.8719 0.7098 2.06
19 1.1804 1.4012 1.0743 1.5355 0.9666 1.6851 0.8588 1.8482 0.7523 2.0226
20 1.2015 1.4107 1.1004 1.5367 0.9976 1.6763 0.8943 1.8283 0.7918 1.9908
21 1.2212 1.42 1.1246 1.5385 1.0262 1.6694 0.9272 1.8116 0.8286 1.9635
Lanjutan Tabel Durbin Watson (DW), ɑ = 5%

k=1 k=2 k=3 k=4 k=5
n
22 1.2395 1.4289 1.1471 1.5408 1.0529 1.664 0.9578 1.7974 0.8629 1.94
23 1.2567 1.4375 1.1682 1.5435 1.0778 1.6597 0.9864 1.7855 0.8949 1.9196
24 1.2728 1.4458 1.1878 1.5464 1.101 1.6565 1.0131 1.7753 0.9249 1.9018
25 1.2879 1.4537 1.2063 1.5495 1.1228 1.654 1.0381 1.7666 0.953 1.8863
26 1.3022 1.4614 1.2236 1.5528 1.1432 1.6523 1.0616 1.7591 0.9794 1.8727
27 1.3157 1.4688 1.2399 1.5562 1.1624 1.651 1.0836 1.7527 1.0042 1.8608
28 1.3284 1.4759 1.2553 1.5596 1.1805 1.6503 1.1044 1.7473 1.0276 1.8502
29 1.3405 1.4828 1.2699 1.5631 1.1976 1.6499 1.1241 1.7426 1.0497 1.8409
30 1.352 1.4894 1.2837 1.5666 1.2138 1.6498 1.1426 1.7386 1.0706 1.8326
31 1.363 1.4957 1.2969 1.5701 1.2292 1.65 1.1602 1.7352 1.0904 1.8252
258
32 1.3734 1.5019 1.3093 1.5736 1.2437 1.6505 1.1769 1.7323 1.1092 1.8187
33 1.3834 1.5078 1.3212 1.577 1.2576 1.6511 1.1927 1.7298 1.127 1.8128
34 1.3929 1.5136 1.3325 1.5805 1.2707 1.6519 1.2078 1.7277 1.1439 1.8076
35 1.4019 1.5191 1.3433 1.5838 1.2833 1.6528 1.2221 1.7259 1.1601 1.8029
36 1.4107 1.5245 1.3537 1.5872 1.2953 1.6539 1.2358 1.7245 1.1755 1.7987
37 1.419 1.5297 1.3635 1.5904 1.3068 1.655 1.2489 1.7233 1.1901 1.795
38 1.427 1.5348 1.373 1.5937 1.3177 1.6563 1.2614 1.7223 1.2042 1.7916
39 1.4347 1.5396 1.3821 1.5969 1.3283 1.6575 1.2734 1.7215 1.2176 1.7886
40 1.4421 1.5444 1.3908 1.6 1.3384 1.6589 1.2848 1.7209 1.2305 1.7859
41 1.4493 1.549 1.3992 1.6031 1.348 1.6603 1.2958 1.7205 1.2428 1.7835
42 1.4562 1.5534 1.4073 1.6061 1.3573 1.6617 1.3064 1.7202 1.2546 1.7814
43 1.4628 1.5577 1.4151 1.6091 1.3663 1.6632 1.3166 1.72 1.266 1.7794
44 1.4692 1.5619 1.4226 1.612 1.3749 1.6647 1.3263 1.72 1.2769 1.7777
45 1.4754 1.566 1.4298 1.6148 1.3832 1.6662 1.3357 1.72 1.2874 1.7762
46 1.4814 1.57 1.4368 1.6176 1.3912 1.6677 1.3448 1.7201 1.2976 1.7748
47 1.4872 1.5739 1.4435 1.6204 1.3989 1.6692 1.3535 1.7203 1.3073 1.7736
48 1.4928 1.5776 1.45 1.6231 1.4064 1.6708 1.3619 1.7206 1.3167 1.7725
49 1.4982 1.5813 1.4564 1.6257 1.4136 1.6723 1.3701 1.721 1.3258 1.7716
50 1.5035 1.5849 1.4625 1.6283 1.4206 1.6739 1.3779 1.7214 1.3346 1.7708
51 1.5086 1.5884 1.4684 1.6309 1.4273 1.6754 1.3855 1.7218 1.3431 1.7701
52 1.5135 1.5917 1.4741 1.6334 1.4339 1.6769 1.3929 1.7223 1.3512 1.7694
53 1.5183 1.5951 1.4797 1.6359 1.4402 1.6785 1.4 1.7228 1.3592 1.7689
54 1.523 1.5983 1.4851 1.6383 1.4464 1.68 1.4069 1.7234 1.3669 1.7684
55 1.5276 1.6014 1.4903 1.6406 1.4523 1.6815 1.4136 1.724 1.3743 1.7681
56 1.532 1.6045 1.4954 1.643 1.4581 1.683 1.4201 1.7246 1.3815 1.7678
57 1.5363 1.6075 1.5004 1.6452 1.4637 1.6845 1.4264 1.7253 1.3885 1.7675
58 1.5405 1.6105 1.5052 1.6475 1.4692 1.686 1.4325 1.7259 1.3953 1.7673
59 1.5446 1.6134 1.5099 1.6497 1.4745 1.6875 1.4385 1.7266 1.4019 1.7672
60 1.5485 1.6162 1.5144 1.6518 1.4797 1.6889 1.4443 1.7274 1.4083 1.7671
61 1.5524 1.6189 1.5189 1.654 1.4847 1.6904 1.4499 1.7281 1.4146 1.7671
k=1 k=2 k=3 k=4 k=5
n
62 1.5562 1.6216 1.5232 1.6561 1.4896 1.6918 1.4554 1.7288 1.4206 1.7671
63 1.5599 1.6243 1.5274 1.6581 1.4943 1.6932 1.4607 1.7296 1.4265 1.7671
64 1.5635 1.6268 1.5315 1.6601 1.499 1.6946 1.4659 1.7303 1.4322 1.7672
65 1.567 1.6294 1.5355 1.6621 1.5035 1.696 1.4709 1.7311 1.4378 1.7673
66 1.5704 1.6318 1.5395 1.664 1.5079 1.6974 1.4758 1.7319 1.4433 1.7675
67 1.5738 1.6343 1.5433 1.666 1.5122 1.6988 1.4806 1.7327 1.4486 1.7676
68 1.5771 1.6367 1.547 1.6678 1.5164 1.7001 1.4853 1.7335 1.4537 1.7678
69 1.5803 1.639 1.5507 1.6697 1.5205 1.7015 1.4899 1.7343 1.4588 1.768
70 1.5834 1.6413 1.5542 1.6715 1.5245 1.7028 1.4943 1.7351 1.4637 1.7683
71 1.5865 1.6435 1.5577 1.6733 1.5284 1.7041 1.4987 1.7358 1.4685 1.7685
72 1.5895 1.6457 1.5611 1.6751 1.5323 1.7054 1.5029 1.7366 1.4732 1.7688
259
73 1.5924 1.6479 1.5645 1.6768 1.536 1.7067 1.5071 1.7375 1.4778 1.7691
74 1.5953 1.65 1.5677 1.6785 1.5397 1.7079 1.5112 1.7383 1.4822 1.7694
75 1.5981 1.6521 1.5709 1.6802 1.5432 1.7092 1.5151 1.739 1.4866 1.7698
76 1.6009 1.6541 1.574 1.6819 1.5467 1.7104 1.519 1.7399 1.4909 1.7701
77 1.6036 1.6561 1.5771 1.6835 1.5502 1.7117 1.5228 1.7407 1.495 1.7704
78 1.6063 1.6581 1.5801 1.6851 1.5535 1.7129 1.5265 1.7415 1.4991 1.7708
79 1.6089 1.6601 1.583 1.6867 1.5568 1.7141 1.5302 1.7423 1.5031 1.7712
80 1.6114 1.662 1.5859 1.6882 1.56 1.7153 1.5337 1.743 1.507 1.7716
81 1.6139 1.6639 1.5888 1.6898 1.5632 1.7164 1.5372 1.7438 1.5109 1.772
82 1.6164 1.6657 1.5915 1.6913 1.5663 1.7176 1.5406 1.7446 1.5146 1.7724
83 1.6188 1.6675 1.5942 1.6928 1.5693 1.7187 1.544 1.7454 1.5183 1.7728
84 1.6212 1.6693 1.5969 1.6942 1.5723 1.7199 1.5472 1.7462 1.5219 1.7732
85 1.6235 1.6711 1.5995 1.6957 1.5752 1.721 1.5505 1.747 1.5254 1.7736
86 1.6258 1.6728 1.6021 1.6971 1.578 1.7221 1.5536 1.7478 1.5289 1.774
87 1.628 1.6745 1.6046 1.6985 1.5808 1.7232 1.5567 1.7485 1.5322 1.7745
88 1.6302 1.6762 1.6071 1.6999 1.5836 1.7243 1.5597 1.7493 1.5356 1.7749
89 1.6324 1.6778 1.6095 1.7013 1.5863 1.7254 1.5627 1.7501 1.5388 1.7754
90 1.6345 1.6794 1.6119 1.7026 1.5889 1.7264 1.5656 1.7508 1.542 1.7758
91 1.6366 1.681 1.6143 1.704 1.5915 1.7275 1.5685 1.7516 1.5452 1.7763
92 1.6387 1.6826 1.6166 1.7053 1.5941 1.7285 1.5713 1.7523 1.5482 1.7767
93 1.6407 1.6841 1.6188 1.7066 1.5966 1.7295 1.5741 1.7531 1.5513 1.7772
94 1.6427 1.6857 1.6211 1.7078 1.5991 1.7306 1.5768 1.7538 1.5542 1.7776
95 1.6447 1.6872 1.6233 1.7091 1.6015 1.7316 1.5795 1.7546 1.5572 1.7781
96 1.6466 1.6887 1.6254 1.7103 1.6039 1.7326 1.5821 1.7553 1.56 1.7785
97 1.6485 1.6901 1.6275 1.7116 1.6063 1.7335 1.5847 1.756 1.5628 1.779
98 1.6504 1.6916 1.6296 1.7128 1.6086 1.7345 1.5872 1.7567 1.5656 1.7795
99 1.6522 1.693 1.6317 1.714 1.6108 1.7355 1.5897 1.7575 1.5683 1.7799
100 1.654 1.6944 1.6337 1.7152 1.6131 1.7364 1.5922 1.7582 1.571 1.7804
101 1.6558 1.6958 1.6357 1.7163 1.6153 1.7374 1.5946 1.7589 1.5736 1.7809
k=1 k=2 k=3 k=4 k=5
n
102 1.6576 1.6971 1.6376 1.7175 1.6174 1.7383 1.5969 1.7596 1.5762 1.7813
103 1.6593 1.6985 1.6396 1.7186 1.6196 1.7392 1.5993 1.7603 1.5788 1.7818
104 1.661 1.6998 1.6415 1.7198 1.6217 1.7402 1.6016 1.761 1.5813 1.7823
105 1.6627 1.7011 1.6433 1.7209 1.6237 1.7411 1.6038 1.7617 1.5837 1.7827
106 1.6644 1.7024 1.6452 1.722 1.6258 1.742 1.6061 1.7624 1.5861 1.7832
107 1.666 1.7037 1.647 1.7231 1.6277 1.7428 1.6083 1.7631 1.5885 1.7837
108 1.6676 1.705 1.6488 1.7241 1.6297 1.7437 1.6104 1.7637 1.5909 1.7841
109 1.6692 1.7062 1.6505 1.7252 1.6317 1.7446 1.6125 1.7644 1.5932 1.7846
110 1.6708 1.7074 1.6523 1.7262 1.6336 1.7455 1.6146 1.7651 1.5955 1.7851
111 1.6723 1.7086 1.654 1.7273 1.6355 1.7463 1.6167 1.7657 1.5977 1.7855
112 1.6738 1.7098 1.6557 1.7283 1.6373 1.7472 1.6187 1.7664 1.5999 1.786
113 1.6753 1.711 1.6574 1.7293 1.6391 1.748 1.6207 1.767 1.6021 1.7864
260
114 1.6768 1.7122 1.659 1.7303 1.641 1.7488 1.6227 1.7677 1.6042 1.7869
115 1.6783 1.7133 1.6606 1.7313 1.6427 1.7496 1.6246 1.7683 1.6063 1.7874
116 1.6797 1.7145 1.6622 1.7323 1.6445 1.7504 1.6265 1.769 1.6084 1.7878
117 1.6812 1.7156 1.6638 1.7332 1.6462 1.7512 1.6284 1.7696 1.6105 1.7883
118 1.6826 1.7167 1.6653 1.7342 1.6479 1.752 1.6303 1.7702 1.6125 1.7887
119 1.6839 1.7178 1.6669 1.7352 1.6496 1.7528 1.6321 1.7709 1.6145 1.7892
120 1.6853 1.7189 1.6684 1.7361 1.6513 1.7536 1.6339 1.7715 1.6164 1.7896
121 1.6867 1.72 1.6699 1.737 1.6529 1.7544 1.6357 1.7721 1.6184 1.7901
122 1.688 1.721 1.6714 1.7379 1.6545 1.7552 1.6375 1.7727 1.6203 1.7905
123 1.6893 1.7221 1.6728 1.7388 1.6561 1.7559 1.6392 1.7733 1.6222 1.791
124 1.6906 1.7231 1.6743 1.7397 1.6577 1.7567 1.6409 1.7739 1.624 1.7914
125 1.6919 1.7241 1.6757 1.7406 1.6592 1.7574 1.6426 1.7745 1.6258 1.7919
126 1.6932 1.7252 1.6771 1.7415 1.6608 1.7582 1.6443 1.7751 1.6276 1.7923
127 1.6944 1.7261 1.6785 1.7424 1.6623 1.7589 1.646 1.7757 1.6294 1.7928
128 1.6957 1.7271 1.6798 1.7432 1.6638 1.7596 1.6476 1.7763 1.6312 1.7932
129 1.6969 1.7281 1.6812 1.7441 1.6653 1.7603 1.6492 1.7769 1.6329 1.7937
130 1.6981 1.7291 1.6825 1.7449 1.6667 1.761 1.6508 1.7774 1.6346 1.7941
131 1.6993 1.7301 1.6838 1.7458 1.6682 1.7617 1.6523 1.778 1.6363 1.7945
132 1.7005 1.731 1.6851 1.7466 1.6696 1.7624 1.6539 1.7786 1.638 1.795
133 1.7017 1.7319 1.6864 1.7474 1.671 1.7631 1.6554 1.7791 1.6397 1.7954
134 1.7028 1.7329 1.6877 1.7482 1.6724 1.7638 1.6569 1.7797 1.6413 1.7958
135 1.704 1.7338 1.6889 1.749 1.6738 1.7645 1.6584 1.7802 1.6429 1.7962
136 1.7051 1.7347 1.6902 1.7498 1.6751 1.7652 1.6599 1.7808 1.6445 1.7967
137 1.7062 1.7356 1.6914 1.7506 1.6765 1.7659 1.6613 1.7813 1.6461 1.7971
138 1.7073 1.7365 1.6926 1.7514 1.6778 1.7665 1.6628 1.7819 1.6476 1.7975
139 1.7084 1.7374 1.6938 1.7521 1.6791 1.7672 1.6642 1.7824 1.6491 1.7979
140 1.7095 1.7382 1.695 1.7529 1.6804 1.7678 1.6656 1.783 1.6507 1.7984
141 1.7106 1.7391 1.6962 1.7537 1.6817 1.7685 1.667 1.7835 1.6522 1.7988
k=1 k=2 k=3 k=4 k=5
n
142 1.7116 1.74 1.6974 1.7544 1.6829 1.7691 1.6684 1.784 1.6536 1.7992
143 1.7127 1.7408 1.6985 1.7552 1.6842 1.7697 1.6697 1.7846 1.6551 1.7996
144 1.7137 1.7417 1.6996 1.7559 1.6854 1.7704 1.671 1.7851 1.6565 1.8
145 1.7147 1.7425 1.7008 1.7566 1.6866 1.771 1.6724 1.7856 1.658 1.8004
146 1.7157 1.7433 1.7019 1.7574 1.6878 1.7716 1.6737 1.7861 1.6594 1.8008
147 1.7167 1.7441 1.703 1.7581 1.689 1.7722 1.675 1.7866 1.6608 1.8012
148 1.7177 1.7449 1.7041 1.7588 1.6902 1.7729 1.6762 1.7871 1.6622 1.8016
149 1.7187 1.7457 1.7051 1.7595 1.6914 1.7735 1.6775 1.7876 1.6635 1.802
150 1.7197 1.7465 1.7062 1.7602 1.6926 1.7741 1.6788 1.7881 1.6649 1.8024
151 1.7207 1.7473 1.7072 1.7609 1.6937 1.7747 1.68 1.7886 1.6662 1.8028
152 1.7216 1.7481 1.7083 1.7616 1.6948 1.7752 1.6812 1.7891 1.6675 1.8032
153 1.7226 1.7488 1.7093 1.7622 1.6959 1.7758 1.6824 1.7896 1.6688 1.8036
154 1.7235 1.7496 1.7103 1.7629 1.6971 1.7764 1.6836 1.7901 1.6701 1.804
261
155 1.7244 1.7504 1.7114 1.7636 1.6982 1.777 1.6848 1.7906 1.6714 1.8044
156 1.7253 1.7511 1.7123 1.7642 1.6992 1.7776 1.686 1.7911 1.6727 1.8048
157 1.7262 1.7519 1.7133 1.7649 1.7003 1.7781 1.6872 1.7915 1.6739 1.8052
158 1.7271 1.7526 1.7143 1.7656 1.7014 1.7787 1.6883 1.792 1.6751 1.8055
159 1.728 1.7533 1.7153 1.7662 1.7024 1.7792 1.6895 1.7925 1.6764 1.8059
160 1.7289 1.7541 1.7163 1.7668 1.7035 1.7798 1.6906 1.793 1.6776 1.8063
161 1.7298 1.7548 1.7172 1.7675 1.7045 1.7804 1.6917 1.7934 1.6788 1.8067
162 1.7306 1.7555 1.7182 1.7681 1.7055 1.7809 1.6928 1.7939 1.68 1.807
163 1.7315 1.7562 1.7191 1.7687 1.7066 1.7814 1.6939 1.7943 1.6811 1.8074
164 1.7324 1.7569 1.72 1.7693 1.7075 1.782 1.695 1.7948 1.6823 1.8078
165 1.7332 1.7576 1.7209 1.77 1.7085 1.7825 1.696 1.7953 1.6834 1.8082
166 1.734 1.7582 1.7218 1.7706 1.7095 1.7831 1.6971 1.7957 1.6846 1.8085
167 1.7348 1.7589 1.7227 1.7712 1.7105 1.7836 1.6982 1.7961 1.6857 1.8089
168 1.7357 1.7596 1.7236 1.7718 1.7115 1.7841 1.6992 1.7966 1.6868 1.8092
169 1.7365 1.7603 1.7245 1.7724 1.7124 1.7846 1.7002 1.797 1.6879 1.8096
170 1.7373 1.7609 1.7254 1.773 1.7134 1.7851 1.7012 1.7975 1.689 1.81
171 1.7381 1.7616 1.7262 1.7735 1.7143 1.7856 1.7023 1.7979 1.6901 1.8103
172 1.7389 1.7622 1.7271 1.7741 1.7152 1.7861 1.7033 1.7983 1.6912 1.8107
173 1.7396 1.7629 1.7279 1.7747 1.7162 1.7866 1.7042 1.7988 1.6922 1.811
174 1.7404 1.7635 1.7288 1.7753 1.7171 1.7872 1.7052 1.7992 1.6933 1.8114
175 1.7412 1.7642 1.7296 1.7758 1.718 1.7877 1.7062 1.7996 1.6943 1.8117
176 1.742 1.7648 1.7305 1.7764 1.7189 1.7881 1.7072 1.8 1.6954 1.8121
177 1.7427 1.7654 1.7313 1.7769 1.7197 1.7886 1.7081 1.8005 1.6964 1.8124
178 1.7435 1.766 1.7321 1.7775 1.7206 1.7891 1.7091 1.8009 1.6974 1.8128
179 1.7442 1.7667 1.7329 1.778 1.7215 1.7896 1.71 1.8013 1.6984 1.8131
180 1.7449 1.7673 1.7337 1.7786 1.7224 1.7901 1.7109 1.8017 1.6994 1.8135
181 1.7457 1.7679 1.7345 1.7791 1.7232 1.7906 1.7118 1.8021 1.7004 1.8138
k=1 k=2 k=3 k=4 k=5
n
182 1.7464 1.7685 1.7353 1.7797 1.7241 1.791 1.7128 1.8025 1.7014 1.8141
183 1.7471 1.7691 1.736 1.7802 1.7249 1.7915 1.7137 1.8029 1.7023 1.8145
184 1.7478 1.7697 1.7368 1.7807 1.7257 1.792 1.7146 1.8033 1.7033 1.8148
185 1.7485 1.7702 1.7376 1.7813 1.7266 1.7924 1.7155 1.8037 1.7042 1.8151
186 1.7492 1.7708 1.7384 1.7818 1.7274 1.7929 1.7163 1.8041 1.7052 1.8155
187 1.7499 1.7714 1.7391 1.7823 1.7282 1.7933 1.7172 1.8045 1.7061 1.8158
188 1.7506 1.772 1.7398 1.7828 1.729 1.7938 1.7181 1.8049 1.707 1.8161
189 1.7513 1.7725 1.7406 1.7833 1.7298 1.7942 1.7189 1.8053 1.708 1.8165
190 1.752 1.7731 1.7413 1.7838 1.7306 1.7947 1.7198 1.8057 1.7089 1.8168
191 1.7526 1.7737 1.742 1.7843 1.7314 1.7951 1.7206 1.8061 1.7098 1.8171
192 1.7533 1.7742 1.7428 1.7848 1.7322 1.7956 1.7215 1.8064 1.7107 1.8174
193 1.754 1.7748 1.7435 1.7853 1.7329 1.796 1.7223 1.8068 1.7116 1.8178
194 1.7546 1.7753 1.7442 1.7858 1.7337 1.7965 1.7231 1.8072 1.7124 1.8181
195 1.7553 1.7759 1.7449 1.7863 1.7345 1.7969 1.7239 1.8076 1.7133 1.8184
262
196 1.7559 1.7764 1.7456 1.7868 1.7352 1.7973 1.7247 1.8079 1.7142 1.8187
197 1.7566 1.7769 1.7463 1.7873 1.736 1.7977 1.7255 1.8083 1.715 1.819
198 1.7572 1.7775 1.747 1.7878 1.7367 1.7982 1.7263 1.8087 1.7159 1.8193
199 1.7578 1.778 1.7477 1.7882 1.7374 1.7986 1.7271 1.8091 1.7167 1.8196
200 1.7584 1.7785 1.7483 1.7887 1.7382 1.799 1.7279 1.8094 1.7176 1.8199
Lampiran 7. Tabel Nilai Kritis Uji KolmogoroSmirnov

Tabel Nilai Kritis Uji KolmogoroSmirnov
n α = 0,20 α = 0,10 α = 0,05 α = 0,02 α = 0,01
1 0,900 0,950 0,975 0,990 0,995
2 0,684 0,776 0,842 0,900 0,929
3 0,565 0,636 0,708 0,785 0,829
4 0,493 0,565 0,624 0,689 0,734
5 0,447 0,509 0,563 0,627 0,669
6 0,410 0,468 0,519 0,577 0,617
7 0,381 0,436 0,483 0,538 0,576
8 0,359 0,410 0,454 0,507 0,542
9 0,339 0,387 0,430 0,480 0,513
10 0,323 0,369 0,409 0,457 0,486
11 0,308 0,352 0,391 0,437 0,468
12 0,296 0,338 0,375 0,419 0,449
13 0,285 0,325 0,361 0,404 0,432
14 0,275 0,314 0,349 0,390 0,418
15 0,266 0,304 0,338 0,377 0,404
16 0,258 0,295 0,327 0,366 0,392
17 0,250 0,286 0,318 0,355 0,381
Lanjutan Tabel Nilai Kritis Uji KolmogoroSmirnov

n α = 0,20 α = 0,10 α = 0,05 α = 0,02 α = 0,01
18 0,244 0,279 0,309 0,346 0,371
19 0,237 0,271 0,301 0,337 0,361
20 0,232 0,265 0,294 0,329 0,352
21 0,226 0,259 0,287 0,321 0,344
22 0,221 0,253 0,281 0,314 0,337
23 0,216 0,247 0,275 0,307 0,330
24 0,212 0,242 0,269 0,301 0,323
25 0,208 0,238 0,264 0,295 0,317
26 0,204 0,233 0,259 0,290 0,311
27 0,200 0,229 0,254 0,284 0,305
28 0,197 0,225 0,250 0,279 0,300
29 0,193 0,221 0,246 0,275 0,295
30 0,190 0,218 0,242 0,270 0,290
35 0,177 0,202 0,224 0,251 0,269
40 0,165 0,189 0,210 0,235 0,252
45 0,156 0,179 0,198 0,222 0,238
50 0,148 0,170 0,188 0,211 0,226
55 0,142 0,162 0,180 0,201 0,216
263
60 0,136 0,155 0,172 0,193 0,207

65 0,131 0,149 0,166 0,185 0,199
70 0,126 0,144 0,160 0,179 0,192
75 0,122 0,139 0,154 0,173 0,185
80 0,118 0,135 0,150 0,167 0,179
85 0,114 0,131 0,145 0,162 0,174
90 0,111 0,127 0,141 0,158 0,169
95 0,108 0,124 0,137 0,154 0,165
100 0,106 0,121 0,134 0,150 0,161
Pendekatan
N 1,07/√n 1,22/√n 1,35/√n 1,52/√n 1,63/√n
200 0,076 0,086 0,096 0,107 0,115
2 LEMBAR KONSULTASI PRAKTIKUM STATISTIK
INDUSTRI
2020 LABORATORIUM
KOMPUTASI DAN
OPTIMASI SISTEM INDUSTRI
Modul : 1
Kelompok : 6
Hari/Shift : Senin/ Shift 1
Nama Anggota : 1. Muammar (1904106010020)
2. M. Syauqi Nur (1904106010080)

3. Muhammad Razaq(1904106010088)
Nama Pembimbing/ Asisten : Sarika Zuhri, S.T., M.T / Zikra Noprita
Paraf
No. Tanggal Keterangan
Pembimbing/Asisten
1 02 November 2020 1. Perbaiki latar belakang
2. Lanjut penulisan bab 1
2 03 November 2020 1. Perbaiki bab 1
2. Lanjut bab 2, 3
3 04 November 2020
1. Perbaiki format laporan
2. Lanjut bab 3
3. Perbaiki sesuai komen
4 05 November 2020
2. Lanjut analisis
5 06 November 2020
1. Lanjut isi rekapan hasil jawaban
responden
2. Perbaiki format
6 07 November 2020
1. Perbaiki format
2. Jabarkan penetapan jumlah sampel
7 08 November 2020
1. Perbaiki format
8 09 November 2020 2. Perbaiki saran
Acc Kuesioner
LEMBAR KONSULTASI PRAKTIKUM
STATISTIK INDUSTRI
2020 LABORATORIUM
KOMPUTASI DAN
OPTIMASI SISTEM INDUSTRI
Modul : Laporan Akhir

Kelompok : 6
Hari/Shift : Senin/ Shift 1
Nama Anggota : 1. Muammar (1904106010020)
2. M. Syauqi Nur (1904106010080)

3. Muhammad Razaq(1904106010088)
Nama Pembimbing/ Asisten : Sarika Zuhri, S.T., M.T / Zikra Noprita
Paraf
No. Tanggal Keterangan
Pembimbing/Asisten
1 01 Desember 2020 1. Perbaiki format
2. Perbaiki flowchart
2 02 Desember 2020 1. Perbaiki format

2. Perbaiki flowchart
3 03 Desember 2020
1. Perbaiki format laporan

2. Perbaiki kesalahan flowchart
4 04 Desember 2020 3. Perbaiki kata pengantar
ACC Asisten

Laporan Akhir Kel 6 Revisi 2.0

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

Laporan Akhir Kel 6 Revisi 2.0

Diunggah oleh

Hak Cipta:

Format Tersedia

I

Diajukan sebagai salah satu syarat kelulusan

PROGRAM STUDI TEKNIK INDUSTRI

Kata kunci : Citra Destinasi, Kualitas Pelayanan Petugas, Harga,

Akhirnya dengan terselesainya penyusan laporan ini, kami berharap laporan

Banda Aceh, 4 Desember 202

Gambar 2.1 Tabel Data Kategori........................................................................II-8

1.1 Latar Belakang

Statistika deskriptif berfungsi sebagai menerangkan keadaan, gejala, atau

1.2 Perumusan Masalah

11. Bagaimana mengetahui output data dari SPSS?

1.3 Maksud dan Tujuan

1.4 Batasan Masalah

1. Teknik probability sampling digunakan sebagai teknik untuk penarikan

1.5 Sistematika Penulisan

BAB II LADASAN TEORI

1.1 Pengenalan SPSS

Gambar 2.1 Tabel Data Kategori

Gambar 2.3 Tabel Data Numerik

Gambar 2.4 Tabel Data Gabungan Kategorikal-Numerik

1.1.1.1 Membangun Data

1.1.1.1.1 Bekerja Pada Variable View

7) Pada kolom Label beri penjelasan variabel-variabel yang telah

1.1.1.1.1 Bekerja Pada Data View

2.1.1.1.1.1 Membangun Tabel Lanjutan-Missing Values

2.1.1.1.3 Menyimpan dan Membuka Data

Data yang telah dibuat dan disimpan sewaktu-waktu dapat dibuka

2.1.1.1.4 Memodifikasi Data

2.1.1.1.6 Memodifikasi Data Lanjutan

Gambar 2.5 Hasil Sort Cases - Ascending

Gambar 2.6 Hasil Select Cases

Metode Agregat Data mengelompokkan keseluruhan data dengan

3. Untuk mengetahui fungsi yang ditetapkan, tekan tombol Function

Gambar 2.7 Hasil Agregate Data

2.1.1.1.7 Transformasi Data

Berikut ini langkah langkah pembuatan variabel insentif (dengan

2. Pada kotak Target Variable, masukkan nama variabel yang akan

Berikut ini merupakan gambar variable girsbestell hasil count adalah

Gambar 2.9 Variabel Girsbestsell Hasil Count

2.1.1.2 Grafik dan Tabel

2.1.1.2.1 Membangun Grafik

2.1.1.2.1.1 Membangun Grafik Melalui Legacy Dialog

Pada Praktikum ini akan digunakan data penjualan kendaraan sebagai

Gambar 2.10 Data Penjualan Kendaraan.

Kita dapat melakukan berbagai analisis penjualan kendaraan dengan

6. Klik Continue sehingga kembali ke kotak dialog define simple

Berikut ini merupakan gambar hasil ringkasan total penjualan adalah

Gambar 2.11 Hasil Ringkasan Total Penjualan

Tidak hanya variabel penjualan saja yang dapat dianalisis,

Berikut adalah gambar grafik perbandingan penjualan bar/line

Gambar 2.12 Grafik Perbandingan Penjualan (Bar/Line)

2.1.1.2.1.2 Membangun Grafik Melalui Chart Builder

2.1.1.2.1.2 Membangun Grafik Melalui Template Chooser

Berikut merupakan hasil grafik histogram dan distribusi binomial

Gambar 2.13 Hasil Grafik Histogram dan Distribusi Normal

2.1.1.2.2 Membangun Tabel

2.1.1.2.3 Custom Table

bawah, pilih N%. Summary Statistics sehingga kotak dialog Summary

2.2 Pengenalan Minitab

2.2.1 Memulai Minitab

Gambar 2.14 memulai Minitab

2.2.2 Memasukkan Menginput Data

Gambar 2.15 Worksheet Minitab

Pada worksheet di atas, kolom C1 telah ditambah namanya dengan