PRAKTIKUM STATISTIK INDUSTRI

MODUL IV

ANALISIS DAN ANOVA

Oleh

Kelompok : 3

1. Ari Orizal : 2205903030071

2. Muhammad Furqan : 2205903030061

3. Risky Amirwan : 2205903030012

LABORATORIUM TEKNIK INDUSTRI

PRODI STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK

UNIVERSITAS TEUKU UMAR

ACEH BARAT

2023
 KATA PENGANTAR

Puji dan syukur kami panjatkan ke hadirat Tuhan Yang Maha Esa, atas rahmat
dan berkat-Nya praktikan dapat menyelesaikan laporan praktikum ini.

Laporan ini dibuat untuk memenuhi persyaratan bagi setiap kelompok yang
mengikuti praktikum Laboratorium Statistik Industri di Fakultas Teknik, Program
Studi Teknik Industri, Universitas Teuku Umar.

Pada kesempatan kali ini praktikan juga ingin mengucapkan terima kasih
yang sebesar-besarnya kepada:

1. Ibu I.r KASMAWATI, S.T.,M.T.selaku kepala laboratorium Statistik Industri,

Fakultas Teknik, Program Studi Teknik Industri, Universitas Teuku Umar.
2. Kepada Asisten yang telah banyak membantu dan memberi masukan dalam
penyelesaian laporan ini.
3. Kepada semua rekan mahasiswa, khususnya rekan-rekan mahasiswa di Program
Studi Teknik Industri yang telah banyak membantu penulis baik dari segi materi,
tenaga maupun motivasi hingga selesainya tugas ini.
Praktikan menyadari bahwa masih terdapat kekurangan dalam laporan ini.
Untuk itu praktikan mengharapkan kritik dan saran yang bersifat membangun dari
para pembaca. Semoga laporan ini membawa manfaat bagi para pembaca.

Meulaboh, Oktober 2023

Kelompok 3
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Analisis regresi merupukan metode statistika yang amat banyak digunakan dalam
peneltian. Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada
tahun 1886. Galton menemukan adanya hubungan bahwa orang tua yang memiliki
tubuh tinggi memiliki anak-anak yang tinggi pula, orang tua yang pendek memiliki
anak-anak yang pendek pula. Kendati demikian ia mengamati bahwa adanya
kecenderungan tinggi anak, cenderung bergerak menuju rata-rata tinggi populasi
secara menyeluruh. Dengan kata lain, ketinggian anak yang amat tinggi atau orung
tua yang amat pendek cenderung bergerak kearah tinggi populasi. Inilah yang
mendasari analisis regresi sebagai studi ketergantunggannalisi. Analisa variansi
adalah metode analisis statistika yang termask ke dalam cabang statistika inferensi.
Dalam literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti
analisis ragam, sidik ragam, dan analisis variansi. Secara umum, analisa variansi
menguji dua varians (atau ragam) berdasarkan hipotesis nol bawah kedua variansi
atau sama. Variansi pertama adalah variansi antar contoh dan variansi kedua adalah
variansi di dalam masingmasing contoh. Analisa variansi dapat juga dipahami
sebagai perluasan dari uji – t sehingga penggunaannya tidak terbatas kepada
pengujian perbedaan dua buah rata-rata populasi, namun dapat juga untuk menguji
perbedaan tiga buah rata-rata populasi atau lebih sekaligus.
Persamaan regresi adalah suatu persamaan matematika yang mendefinisikan
hubungan antara dua variabel yaitu hubungan keterkaitan antara satu atau beberapa
variabel yang nilainya sudah diketahui dengan satu variabel yang nilainya belum
diketahui. Sifat hubungan antara dalarm persamaan merupakan hubungan sebab
akibat. Oleh karena itu, sebelum menggunakan persamaan regresi dalam
menjelaskan hubungan antara dua atau lebih variabel, perlu diyakini terlebih dahulu
bahwa secara teoritis atau perkiraan sebelumnya, bahwa variabelvariabel tersebut
memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi
variabel tersebut disebut variabel bebas (X). Sedangkan variabel yang nilainya
dipengaruhi oleh variabel lain adalah variabel tergantung (Y).

1.2 Tujuan Praktikum

Adapun tujuan dari praktikum analisa regresi dan variansi adalah sebagai
berikut :
1. Dapat memahami analisa regresi dan variasi.
2. Dapat mengetahui kegunaan fungsi analisa regresi dan variansi.
3. Dapat mengimplementasikan analisis regresi untuk kasus yang ditemui.

1.3 Alat Dan Bahan

Adapun alat dan bahan yang akan digunakan dalam praktikum analisa regresi
dan variansi adalah sebagai berikut :
1. Set data ( Pensil dan Pulpen )
2. Komputer
3. Program SPSS
4. Microsoft Exel
5. Microsoft Visio

1.4 Batasan Masalah

Pada modul ini, akan kita gunakan peramalan atau pendugaan pada proses
pengolahan data yang akan kita kerjakan. Data pada modul ini telah disediakan oleh
dosen pembimbing dimana data ini kita masukan kedalam program SPSS untuk
diolah nantinya dan pada intinya kita hanya membahas sebatas dalam analisis regresi
dan analisis variansi saja.
1.5 Sistematika Penulisan

Sistematika penulisan laporan praktikum analisa regresi dan variansi adalah

sebagai berikut :
BAB 1 PENDAHULUAN

Bab ini berisikan tentang latar belakang, tujuan praktikum, alat dan bahan yang akan
digunakan selama praktikum serta sistematika penulisan laporan praktikum.
BAB 2 LANDASAN TEORI

Bab ini berisikan tentang teori-teori yang berkaitan dengan analisa regresi dan
variansi

BAB 3 METODOLOGI PRAKTIKUM

Bab ini berisikan tentang tempat dan waktu dilaksanakannya praktikum, metode
pengumpulan data dan rancangan praktikum.
BAB 4 PENGUMPULAN DAN PENGOLAHAN DATA

Bab ini berisikan tentang pengumpulan data regresi dan variansi serta pengolahan
data regresi dan variansi secara manual maupun komputer.
BAB 5 ANALISA DAN EVALUASI

Bab ini berisikan tentang analisis dan evaluasi terhadap hasil pengolahan data baik
pengolahan data menggunakan komputer ataupun manual.
BAB 6 PENUTUP

Bab ini berisikan tentang kesimpulan mengenai hasil yang didapat selama praktikum
dan saran terhadap materi praktikum
 BAB II
LANDASAN TEORI

2.1 Analisis Regresi

2.1.1 Definisi Analisi Regresi
Menurut (Riduwan, 2007) analisis regresi (regression analysis) merupakan
suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut
untuk membuat perkiraan. Dengan demikian analisis regresi juga dapat diartikan
sebagai analisis perkiraan. Karena merupakan suatu prediksi maka nilai prediksi tidak
memberikan jawaban pasti tentang apa yang sedang dianalisis, semakin kecil tingkat
penyimpangan antara nilai prediksi dengan nilai rilnya, maka semakin tepat
persamaan regresi yang dibentuk.
2.1.2 Fungsi Analisis Regresi
Menurut Riduwan (2007) fungsi analisa regresi sebagai berikut :
1. Untuk memprediksi nilai-nilai yang baru dan variabel dependen berdasarkan
hubungan-hubungan yang diamati.
2. Untuk menentukan nilai dugaan dari suatu data yang memiliki nilai tertentu.
3. Untuk menentukan garis regresi dari suatu data.
4. Untuk menentukan peramalan terhadap nilai suatu peubah tak bebas dari nilai
peubah bebas.
Arnita (2013) fungsi utama regresi adalah untuk membuat perkiraan nilai suatu
variabel (variabel dependen) jika nilai variabel yang lain yang berhubungan
dengannya (variabel lainnya) sudah ditentukan.
2.1.3 Rumus Analisis Regresi
Menurut Sudjana (2005) dibawah ini merupakan Rumus dari analisa regresi:

1. Bentuk persamaan regresi

y = a + bx
 Dimana :
Y = nilai ramalan/variabel tak bebas.
a = intersep/perpotongan garis regresi dengan
sumbu tegak.
b = kemiringan atau gradien.
X = nilai pengamatan yang sesungguhnya/variable bebas.

2. Jumlah kuadrat galat

JKG = ∑ei² = ∑(yi – a – bxi)²

Dimana :

JKG = Jumlah Kuadrat Galat

ei = simpangan vertikal dari titik ke– i.
yi = nilai ramalan/variabel tak bebas dari variabel ke-i.
a = intersep atau perpotongan.
b = kemiringan atau gradien.
xi = variabel bebas dari variabel ke-i.

Selain dari itu rumus kuadrat galat juga dipakai persamaan sebagai berikut:
JKG = (𝑛 − 1)(𝑆2𝑦 − 𝑏2𝑆2𝑥)
Dimana:

JKG = Jumlah Kuadrat Galat

S = suatu nilai dugaan tak biasa

a = intersep/perpotongan garis regresi dengan sumbu tegak.
b = kemiringan atau gradien.
y = Nilai y
b = Nilai x
 Atau
JKG = JKT – JKR
Dimana :
JKG = Jumlah Kuadrat Galat
JKT = Jumlah Kuadrat Total
JKR = Jumlah Kuadrat Regresi

3. Jumlah kuadrat total

JKT = Σ(y − 𝑦̅) 2
Dimana :
JKT = Jumlah Kuadrat Total
y = Nilai y
𝑦̅ = Nilai rerata y

4. Jumlah kuadrat regresi

JKR = b.∑(x - ) (y - )²

Dimana :
JKR = Jumlah Kuadrat Regresi
b = Banyak perlakuan
y = Nilai y
𝑦̅ = Nilai rerata y
x = Nilai x
𝑥̅ = Nilai rerata x

2.2 Analisa Variansi

Iqbal(2003) analisa Variansi adalah suatu analisa yang membandingkan rata-
rata populasi dan merupakan metode untuk menguraikan keragaman total menjadi
komponen-komponen yang mengukur berbagai sumber keragaman. Dalam analisa
variansi bila kegagalan menghilangkan sumber keragaman yang melalui pelaksanaan
percobaan secara terkontrol akan mengakibatkan membesarnya nilai dugaan bagi
percobaan, yang pada gilirannya memperbesar peluang melakukan digalat jenis.

2.2.1 Fungsi Analisis Variansi

Syahri (2003) fungsi analisa variansi yaitu untuk menentukan efek dari satu
atau lebih variabel – variabel non metrik pada suatu variabel dependen tunggal. Dan
juga untuk menguraikan keragaman total dari komponen yang mengukur berbagai
sumber keragaman.

2.2.2 Rumus Analisis Variansi

Menurut Riduwan (2008) Rumus-rumus yang digunakan dalam analisa
variansi sebagai berikut :
1) Frekuensi tabel:

𝒔 𝟐𝟏
A(V 1.V 2) dimana 𝑭 𝒉𝒊𝒕 =
𝒔 𝟐𝟐

Keterangan :
a = Taraf signifikan
V1 = Derajat kebebasan
V2 = Derajat kebebasan penyebut
= Ragam akibat non perlakuan
= Ragam akibat non perlakuan

2) Jumlah Kuadrat Anova :

𝟐 𝟐
𝐓 𝐓
𝐢𝐣
𝐉𝐊𝐀 = =
𝐧 𝐧. 𝐤
 Keterangan :
JKA= Jumlah Kuadrat Anova
T = Banyak subjek pada perlakuan
n = Jumlah data
k = Banyak Perlakuan

3) Jumlah kuadrat total:

𝐓𝟐
𝐉𝐊𝐓 = 𝐓𝐢𝐣𝟐 −
𝐧. 𝐤

Keterangan :
JKT = Jumlah Kuadrat Total
T = Banyak subjek pada perlakuan
n = Jumlah data
k = Banyak Perlakuan
4) Jumlah kuadrat galat:

JKG = JKT – JKA

Keterangan :
JKG = Jumlah Kuadrat Galat
JKT = Jumlah Kuadrat Total
JKA = Jumlah Kuadrat Anova

5) Hipotesa:

F tabel = a(V 1.V 2)

𝒔 𝟐𝟏
𝑭 𝒉𝒊𝒕 =
𝒔 𝟐𝟐
𝑱𝑲𝑨 𝑱𝑲𝑨
𝑺𝟐 = 𝐤 − 𝟏 𝒅𝒂𝒏 𝒔² = 𝒌 (𝒏 − 𝟏
 Keterangan :
a = Taraf signifikan
V1 = Derajat kebebasan
V2 = Derajat kebebasan penyebut
= Ragam akibat non perlakuan
= Ragam akibat non perlakuan
T = Banyak subjek pada perlakuan
n = Jumlah data
k = Banyak Perlakuan

2.3 Tabel ANOVA

2.3.1 Pengertian Tabel anova
Analysis of Variance (ANOVA) adalah salah sat metode analisis statistika yang
digolongkan ke dalam kelompok statistik inferensial.

2.3.2 Fungsi Tabel ANOVA

Riduwan (2008) anova berfungsi sebagai alat analisis untuk menguji hipotesis
penelitian yang mana menilai adakah perbedaan rerata antara kelompok dan hasil
akhir dari analisis anova adalah nilai F test atau F hitung. Nilai F hitung yang
nantinya akan dibandingkan dengan nilai pada tabel F. Jika nilai F hitung lebih dari
tabel F maka dapat disimpulkan bahwa menerima H1 dan menolak H0 yang berarti
ada perbedaan antara rata-rata pada semua kelompok.
2.3.3 Rumus Tabel ANOVA
Gambar 2.1 Analysis of Variance

Sumber Jumlah Derajat

Rata – rata Kuadrat F Hitung
Variansi Kuadrat Bebas

Perlakuan JKA K -1 𝐽𝐾𝐴

𝑆 =
𝑘−2
b -1
Blok JKB 𝐽𝐾𝐵
𝑆 =
𝑏−2

Gala t JKG (k - 1)( b - 1) 𝐽𝐾𝐺

𝑆 =
(𝑘 − 2 (𝑏 − 2

Total JKT
bk-1

Keterangan :

= Ragam akibat non perlakuan

= Ragam akibat non perlakuan
JKG = Jumlah Kuadrat Galat
JKT = Jumlah Kuadrat Total
JKA = Jumlah Kuadrat Anova
JKB = Jumlah Kuadrat Blok
 BAB III
METODOLOGI PENELITIAN
3.1 Tempat dan Waktu Praktikum
Praktikum dilaksanakan pada kelas kamis dimulai pada pukul 08:00 – 10:00
WIB dan bertempat dilaboratorium komputer Universitas Teuku Umar.
3.2 Metode Pengolahan Data
Praktikum kali ini menggunakan metode pengolahan data secara manual dan
software SPSS.
3.1 Rancangan Praktikum

Mulai

Studi Pustaka

Tujuan Praktikum

Pengumpulan Data

Data gadget dan IPK Data Wisudawan

Pengolahan Data

Data Komputer Data Manual

Regresi Anova Regresi Anova

Analisis dan Evaluasi

Pengolahan Data

Seleai

Gambar 3.1 Flowchart Praktikum

 BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Pengumpulan Data

4.1.1 Pengumpulan Data Regresi

Data Diperoleh dari Data yang diberikan oleh asisten berupa data pemakaian
gadget (X) nilai IPK (Y).

Tabel 4.1 Data Analisa Regresi

No X Y
1 7 3,83
2 8 3,15
3 8 3,70
4 8 3,48
5 14 3,64
6 8 3,70
7 10 3,53
8 8 3,67
9 11 3,85
10 10 2,74
11 8 3,82
12 17 3,50
13 10 3,83
14 12 3,39
15 18 3,20
16 11 3,56
17 12 3,67
18 14 3,69
19 12 3,50
20 12 3,30
No X Y
 21 2 3,51
22 8 3,56
23 10 3,81
24 10 3,08
25 11 2,86
26 8 2,92
27 13 3,15
28 14 3,53
29 14 3,54
30 12 3,85

2.1.2 Pengumpulan Data Anova

Tabel 4.2

No Periode Teknik Sipil Teknik Mesin Teknik Industri

1 Wisuda ke-7 68 18 13
2 Wisuda ke-8 19 17 13
3 Wisuda ke-9 55 21 17
4 Wisuda ke-10 34 37 20
5 Wisuda ke-11 50 19 47
6 Wisuda ke-12 32 25 24
7 Wisuda ke-13 47 23 57
8 Wisuda ke-14 66 44 61
9 Wisuda ke-15 50 33 40
10 Wisuda ke-16 71 21 58

4.2 Pengolahan Data Komputer Dan Manual

4.2.1 Pengolahan Data Komputer Analisis Regresi

Tabel 4.3 Pengolahan Data Komputer Analisis Regresi

Dari pengolahan data diatas maka hasil uji sebagai berikut.

H0 : Adanya pengaruh antara pemakaian gadget dengan pencapaian IPK

H1 : Tidak ada pengaruh antara pemakaian gadget dengan pencapaian IPK

1. Analisa
 Uji Sig
Untuk sig hitung : 0,656 sedangkan untuk sig tabel : 0.05 dengan ini Nilai sig
hitung (0,656) < sig tabel (0,05)
Kriteria : H0 diterima, H1 ditolak
Kesimpulan : adanya pengaruh antara durasi waktu dan IPK

Sesuai dengan rumus persamaan regresi yaitu Y = a + bX, maka untuk hasil
pengolahan data komputer mengenai analisis regresi mendapatkan persamaan
sebagai berikut.

Y = a + bX

Y = 3,572 – 0,008X

Nilai konstanta a = 3,572 ini menunjukkan bahwa besarnya variabel rata-

rata dari pencapaian IPK yang tidak dipengaruhi oleh durasi waktu pemakaian
gadget. Sedangkan untuk koefisien regresi sebesar -0,008 yang artinya durasi
pemakaian gadget mempunyai hubungan negatif dengan rata-rata pencapaian IPK.

4.2.2 Pengolahan Data Manual Analisi Regresi

Persamaan regresi linear sedarhana adalah sebagai berikut :

Y = a + bX

Dimana :

Y : Variabel dependen

X : Variabel Independen

a : Konstanta

b : Koefisien Regresi

Dengan

n ⅀ XY −⅀ X ⅀ Y
b= 2
n ⅀ X −( ⅀ X )²

30.1112, 87−320.104 , 56
b=
30.3714−102400

−73 ,1
b=
9020

b = -0,008

dan

⅀ Y ⅀ X ²−⅀ X ⅀ XY
a= 2
n ⅀ X −( ⅀ X )²

388335 ,8−356118 , 4
a=
30.3714−102400

32217 , 44
a=
9020

a = 3,572

Sehingga dapat disimpulkan bahwa persamaan regresi adalah Y= 3,572 –

0,008. Nilai konstanta a = 3,572 ini menunjukkan bahwa besarnya variabel rata-
rata dari pencapaian IPK yang tidak dipengaruhi oleh durasi waktu pemakaian
gadget. Sedangkan untuk koefisien regresi sebesar -0,008 yang artinya durasi
pemakaian gadget mempunyai hubungan negatif dengan rata-rata pencapaian IPK.
4.2.3 Pengolahan Data Komputer Analisis Anova

Tabel 4.4 Hasil Descriptive Analisis Anova

Descriptives

N Mean Std. Deviation Std. Error 95% Confidence Interval for Mean

Lower Bound Upper Bound

MESIN 10 44.90 13.900 4.396 34.96 54.84

SIPIL 9 26.33 9.500 3.167 19.03 33.64

INDUSTRI 11 33.73 19.168 5.779 20.85 46.60

Total 30 35.23 16.408 2.996 29.11 41.36

Tabel 4.5 Hasil Pengolahan Anova

ANOVA

Sum of Squares df Mean Square F Sig.

Between Groups 1672.285 2 836.142 3.680 .039

Within Groups 6135.082 27 227.225

Total 7807.367 29
 Tabel 4.6 Hasil Pengolahan Data Homogenety of Variances

Test of Homogeneity of Variances

Levene Statistic df1 df2 Sig.

5.382 2 27 .011

 Uji rata-rata sama atau berbeda (Uji Anova)

Dasar pengambilan keputusan dalam analisis anova :
1. Jika nilai signifikasi lebih besar dari 0.05 maka rata- rata sama
2. Jika nilai signifikasi lebih kecil dari 0.05 maka rata- rata berbeda

Berdasarkan output anova diatas, diketahui nilai sig sebesar 0,013 lebih kecil
0,05 sehingga dapat disimpulkan bahwa rata-rata ketiga kelopok jumlah wisudawan “
berbeda” secara signifikan.

 Uji homogenity of variances

Berdasarkan output SPSS test homogeneity of variances diperoleh nilai
signifikasi 0.019, karena nilai signifikansi 0,019 lebih kecil dari 0,05, maka dapat
disimpulkan bahwa varians kelompok jumlah wisudawan yang dibandingkan
tersebut adalah tidak homogen. Sehingga asumsi homogenitas dalam uji one way
anova tidak terpenuhi.

4.2.4 Pengolahan Data Manual Analisi Anova

1. Nilai rata-rata
 Teknik Sipil
61+ 12+ 48+27+ 43+25+ 40+59+ 43+64
X̅ = = 42,2
10

 Teknik Mesin
 11+10+14+ 30+12+18+16+37 +26+24
X̅ = = 19,8
10

 Teknik Industri
6+6+10+ 13+40+17 +50+54+ 33+51
X̅ = = 28
10

Dengan demikian, maka secara deskriptif dapat disempulkan bahwa rata-rata

jumlah wisudawan tertinggi adalah teknik sipil sebesar 42,2.

(∑ X)²
JKT = ∑X² -
N
= 61² + 12² + 48² + 27² + 43² + 25² + 40² + 59² + 43² + 64² + 11² + 10² +
14² + 30² + 12² + 18² + 16² + 37² + 26² + 24² + 6² + 6² + 10² + 13² +
40² + 17² + 50² + 54² + 33² + 51² - ¿¿
+11+ 10+14+30+12+18+ 16+37+26+ ¿ ¿
30
24+ 6+6+ 45+10+13+ 40+50+54 +33+51 ¿ ² ¿
30
900²
= 36396 -
30
810000
= 36396 –
30
= 36396 – 27000
= 9396
∑ P ² (∑ X)²
JKP = -
n N
2 2
422 +198 +280²
= - ¿¿
10
+11+ 10+14+30+12+18+ 16+37+26+ ¿ ¿
30
24+ 6+6+ 45+10+13+ 40+50+54 +33+51 ¿ ² ¿
30
178084+39204 +78400 900²
= -
10 30
 295688 810000
= -
10 30
= 29568,8 – 27000
= 2568,8
JKG = JKT – JKG
= 9.396 - 2.568,8
= 6.827,2

DBT = N – 1
= 30 – 1
= 29

DBP = K – 1
= 3–1
= 2

DBG = DBT – DBP

= 29 - 2
= 27

JKP
KTP =
DBP
2568 ,8
=
2
= 1284,4

JKG
KTG =
DBG
6827 , 2
=
27
= 252,85
 KTP
F hitung =
KTG
1284 , 4
=
252 , 85
= 5,08

F tabel = 3.35

Maka dapat kita simpulkan bahwa F hitung lebih besar dari F tabel ( 5,08 >
3.35 ) maka H0 diterima dan H1 ditolak, maka ada pengaruh prodi terhadap jumlah
lulusan wisudawan. Berarti ada perbedaan signifikan antara data wisuda yang kita
bandingkan karena berdasarkan output anova diatas, diketahui nilai sig sebesar 0,013
lebih kecil 0,05 sehingga dapat disimpulkan bahwa rata-rata ketiga kelopok jumlah
wisudawan “ berbeda” secara signifikan.
 BAB V

ANALISIS DAN EVALUASI

5.1 Analisa Pengolahan Data Regresi

5.1.1 Analisa Pengolahan Data Komputer Regresi
Analisis regresi (regression analysis) merupakan suatu teknik untuk
membangun persamaan dan menggunakan persamaan tersebut untuk membuat
perkiraan. Pada praktikum ini menggunakan data durasi pemakaian gadget dan
pencapaiaan IPK. Setelah dilakukan pengolahan data secara komputer, maka untuk
hasil sig sebesar 0,656 yang mana 0,656 > 0,05 yang menandakan data tersebut
berpengaruh. Untuk mengetahui seberapa besar pengaruhnya maka didapatkanlah
persamaannya Y = 3,572 – 0,008X.

Nilai konstanta a = 3,572 ini menunjukkan bahwa besarnya variabel rata-

rata dari pencapaian IPK yang tidak dipengaruhi oleh durasi waktu pemakaian
gadget. Sedangkan untuk koefisien regresi sebesar -0,008 yang artinya durasi
pemakaian gadget mempunyai hubungan negatif dengan rata-rata pencapaian IPK.

5.1.2 Analisa Pengolahan Data Manual Regresi

Analisis regresi (regression analysis) merupakan suatu teknik untuk
membangun persamaan dan menggunakan persamaan tersebut untuk membuat
perkiraan. Setelah data regresi diolah secara manual, maka dapatlah persamaan
analisa regresi sebesar Y = 3,572 – 0,008X. Nilai konstanta a = 3,572 yang berarti
bahwa besarnya variabel rata-rata dari pencapaian IPK yang tidak dipengaruhi oleh
durasi waktu pemakaian gadget. Sedangkan koefisien regresi sebesar -0,008 yang
berarti durasi pemakaian gadget mempunyai hubungan negatif dengan rata-rata
pencapaian IPK.

Setelah dilakukan pengolahan data secara komputer dan manual dapat

disimpulkan bahwa hasil pengolahan data dengan kedua cara tersebut mendapatkan
hasil yang sama.

5.2 Analisa Pengolahan Data Anova

5.2.1 Analisa Pengolahan Data Komputer Anova
Analysis of Variance (ANOVA) adalah salah sat metode analisis statistika
yang digolongkan ke dalam kelompok statistik inferensial. Untuk pengolahan secara
komputer mendapatkan rata-rata (mean) jumlah wisudawan per periode untuk teknik
sipil, teknik mesin dan teknik industri secara berurutan 42.2, 19.8, dan 28. Dengan
demikian, maka secara deskriptif dapat disempulkan bahwa rata-rata jumlah
wisudawan tertinggi adalah teknik sipil sebesar 42,2.

Untuk melihat rata-rata itu sama atau berbeda dapat dilihat dari nilai signifikasi
lebih besar dari 0.05 maka rata- rata sama dan jika nilai signifikasi lebih kecil dari
0.05 maka rata- rata berbeda. Berdasarkan output anova secara komputer, diketahui
nilai sig sebesar 0,013 lebih kecil 0,05 sehingga dapat disimpulkan bahwa rata-rata
ketiga kelopok jumlah wisudawan “ berbeda” secara signifikan.

Kemudian berdasarkan output SPSS test homogeneity of variances diperoleh

nilai signifikasi 0.019, karena nilai signifikansi 0,019 lebih kecil dari 0,05, maka
dapat disimpulkan bahwa varians kelompok jumlah wisudawan yang dibandingkan
tersebut adalah tidak homogen. Sehingga asumsi homogenitas dalam uji one way
anova tidak terpenuhi.

5.2.2 Analisa Pengolahan Data Manual Anova

Analysis of Variance (ANOVA) adalah salah sat metode analisis statistika
yang digolongkan ke dalam kelompok statistik inferensial. Setelah pengolahan data
secara manual dilakukan dapatlah rata-rata jumlah wisudawan untuk teknik sipil 42.2,
teknik mesin 19.8 dan teknik industri 28. Maka secara deskriptif dapat disempulkan
bahwa rata-rata jumlah wisudawan tertinggi adalah teknik sipil sebesar 42,2.
Sehingga dapat disimpulkan bahwa pengolahan data secara komputer dan manual
mendapatkan hasil yang sama.
BAB VI
PENUTUP