PRAKTIKUM STATISTIK INDUSTRI

MODUL III
ANALISA REGRESI DAN ANOVA

Disusun Oleh :

Kelompok : 1

Aidil Fitrah Isnu Alja :2205903030070

Rendi Sutrisno :2205903030014

M. Saiful Nawan YN :2205903030072

LABORATORIUM STATISTIK INDUSTRI

PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS TEUKU UMAR
ACEH BARAT
2023
 KATA PENGANTAR

Puji syukur kita panjatkan kehadirat Allah SWT yang telah memberikan
Rahmat dan Hidayah-Nya sehingga saya dapat menyelesaikan “Laporan Akhir Modul
III” ini tepat pada waktunya.
Adapun tujuan dari penulisan dari laporan ini adalah untuk memenuhi tugas
pada mata kuliah Praktikum Statistik Industri. Selain itu, laporan ini juga bertujuan
untuk menambah wawasan tentang dasar ilmu statistik bagi para pembaca dan juga
bagi penulis.
Kami mengucapkan terima kasih kepada Ibu Kasmawati, selaku asisten
Praktikum Statistik Industri yang telah memberikan tugas ini sehingga dapat
menambah pengetahuan dan wawasan sesuai dengan bidang studi yang kami tekuni
ini.
Kami juga mengucapkan terima kasih kepada semua pihak yang tidak dapat
kami sebutkan semua, terimakasih atas bantuannya sehingga sehingga kami dapat
menyelesaikan tugas ini.
Kami menyadari, tugas yang kami tulis ini masih jauh dari kata sempurna. Oleh
karena itu, kritik dan saran yang membangun kami butuhkan demi kesempurnaan
makalah ini.

Meulaboh, 27 Desember 2023

Penyusun

Praktikan
 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 = T ij2 −
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
s 2 = K − 1 dan s ² = 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

Tabel 2.1 Analysis of Variance
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 Waktu dan Tempat Praktikum

Praktikum dilaksanakan pada hari Selasa tanggal 28 November 2023 pukul
08.00 - 10.00 WIB. Bertempat di Laboratorium Statistik Industri Universitas Teuku
Umar.

3.2 Pengumpulan Data

Pengumpulan data praktikum modul ini adalah pengambilan data pemakaian
gadged & IPK Mahasiswa Universitas Teuku Umar untuk uji regresi, dan data
pemilihan prodi terhadap jumlah wisudawan Mahasiswa Fakultas Teknik Universitas
Teuku Umar untuk uji variansi.

3.3 Metode Pengolahan Data

Metode yang dilakukan untuk pengolahan data yaitu dilakukan dengan metode
manual dan metode komputer dengan menggunakan software SPSS.
3.4 Rancangan Praktikum

Mulai

Studi Pustaka

Tujuan Praktikum

Pengumpulan Data

Data penggunan gadget

Data pemilihan prodi dan data
dan Ipk
wisuda

Pengolahan Data

Data Komputer Data Manual

Regresi Anova Regresi Anova

Analisa data

Seleai

Gambar 3.1 Diagram Alir Kegiatan Praktikum

1. Mulai Berisikan tentang laporan praktikum dan pengumpulan data.
2. Studi pustaka Berisikan tentang analisis regresi, fungsi analisis regresi, analisis
variansi, fungsi analisis variansi.
3. Tujuan Praktikum Berisikan dapat memahami dan mengerti tentang regresi dan
variansi, dapat membuktikan suatu data berpengaruh atau tidak, mengetahui atau
mampu menerapkan langkah-langkah variansi statistik untuk mengambil suatu
kesimpulan atau keputusan terhadap hasil dari pengolahan data.
4. Data penggunaan gadged terhadap pencapaian IPK dan data pemilihan prodi
terhadap jumlah wisudawan Mahasiswa Fakultas Teknik Universitas Teuku umar
yang digunakan.
5. Pengolahan data Berisikan tentang metode yang akan digunakan untuk
pengolahan data komputer ataupun data manual.
6. Analisa Berisikan tentang data yang telah diolah sebelumnya untuk kemudian
dianalisa dan dievaluasi, untuk menentukan hasil dari praktikum.
7. Kesimpulan Berisikan tentang kesimpulan praktikum statistik yang sudah
dilakukan.
8. Selesai Praktikum selesai dilaksanakan.
 BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Pengumpulan Data

4.1.1 Pengumpulan Data Regresi
Data ini di dambil dari hasil wawancara rata-rata penggunaan gadget (X)
perhari dengan indeks prestasi (Y) terhadap 30 mahasiswa Universitas Teuku Umar.
Tabel 4.1 Data Analisa Regresis
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
Sumber : Pangumpulan Data Penggunaan Gadget Dan IPK

4.1.2 Pengumpulan Data Anova

Data diperoleh dari bagian akademik Fakultas Teknik Universitas Teuku Umar,
berupa data mengenai pemilihan prodi (x) terhadap jumlah lulusan wisudawan (y)
kemudian ditambahkan dengan dua angka Nim terakhir Mahasiswa (14).
Tabel 4.2 Jumlah Wisudawan Alumni Teknik 10 Periode Terakhir
No Periode Teknik Sipil Teknik Mesin Teknik Industri
1 Wisuda ke-7 70 20 15
2 Wisuda ke-8 21 19 15
3 Wisuda ke-9 60 23 19
4 Wisuda ke-10 36 39 22
5 Wisuda ke-11 52 21 49
6 Wisuda ke-12 34 27 26
7 Wisuda ke-13 49 25 59
8 Wisuda ke-14 68 46 63
9 Wisuda ke-15 52 35 42
10 Wisuda ke-16 73 33 60
Sumber : Pangumpulan Data Penggunaan Gadget Dan IPK
4.2 Pengolahan Data Komputer Dan Manual
4.2.1 Pengolahan Data Komputer Analisis Regresi
Tabel 4.3 Pengolahan Data Komputer Analisis Regresi
Coefficientsa
Model Unstandardized Standardized t Sig.
Coefficients Coefficients
B Std. Error Beta
(Constant) 3.638 .156 23.257 .000
1
X -.007 .014 -.096 -.512 .613
Sumber : Pengolahan Data SPSS

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 : 0,613 sedangkan untuk sig tabel : 0.05 dengan ini Nilai sig
hitung (0,613) < 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 = 3,638 – 0,007X

Nilai konstanta a = 3,638 ini menunjukkan bahwa besarnya variabel rata-rata

dari pencapaian IPK yang tidak dipengaruhi oleh durasi waktu pemakaian gadget.
Sedangkan untuk koefisien regresi sebesar -0,007 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 = -0,007

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 = 3,638

Sehingga dapat disimpulkan bahwa persamaan regresi adalah Y=3,638-0,007X.

Nilai konstanta a = 3,638 ini menunjukkan bahwa besarnya variabel rata-rata dari
pencapaian IPK yang tidak dipengaruhi oleh durasi waktu pemakaian gadget.
Sedangkan untuk koefisien regresi sebesar -0,007 yang artinya durasi pemakaian
gadget mempunyai hubungan negatif dengan rata-rata pencapaian IPK.

4.2.3 Pengolahan Data Komputer Analisis Anova

Tabel 4.4 Pengolahan Data Komputer Analisis Regresi
Descriptives
y
N Mean Std. Std. 95% Confidence Minim Maxim
Deviation Error Interval for Mean um um
Lower Upper
Bound Bound
sipil 10 51.50 17.103 5.408 39.27 63.73 21 73
mesin 10 28.80 9.077 2.871 22.31 35.29 19 46
indust
10 37.00 19.709 6.233 22.90 51.10 15 63
ri
Total 30 39.10 18.111 3.307 32.34 45.86 15 73
Sumber : Pengolahan Data SPSS

Tabel 4.5 Pengolahan Data Komputer Analisis Regresi

ANOVA
y
Sum of df Mean F Sig.
Squares Square
Between
2642.600 2 1321.300 5.193 .012
Groups
Within Groups 6870.100 27 254.448
Total 9512.700 29
Sumber : Pengolahan Data SPSS

Tabel 4.6 Pengolahan Data Komputer Analisis Regresi

Test of Homogeneity of Variances
y
Levene df1 df2 Sig.
Statistic
4.689 2 27 .018
Sumber : Pengolahan Data SPSS
 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 0,012 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 0.018, karena nilai signifikansi 0,018 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
70+21+60+36+52+34 +49+ 68+52+73
X̅ = = 51,5
10

 Teknik Mesin
20+19+23+39+21+27 +25+ 46+35+33
X̅ = = 28,8
10

 Teknik Industri
15+15+19+22+ 49+26+59+63+ 42+60
X̅ = = 37
10

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

jumlah wisudawan tertinggi adalah teknik sipil sebesar 51,5.
 (∑ X)²
JKT = ∑X² -
N
= 70² + 21² + 60² + 36² + 52² + 34² + 49² + 68² + 52² + 73² + 20² + 19² +
23² + 39² + 21² + 27² + 25² + 46² + 35² + 33² + 15² + 15² + 19² + 22² +
49²+26²+59²+63²+42²+60²
- ¿¿
20+19+23+39+21+27 +25+ 46+35+33
30
15+15+19+ 22+ 49+26+ 59+63+42+ 60¿ ² ¿
30
1173²
= 55.076 -
30
1375929
= 55.076 –
30
= 55.076 – 45864,3
= 92117,7

∑ P ² (∑ X)²
JKP = -
n N
2 2
515 + 288 +370²
= - ¿¿
10
20+19+23+ 39+21+27+25+ 46+35+ 33+ ¿ ¿
30
15+15+19+ 22+ 49+26+ 59+63+42+ 60¿ ² ¿
30
265225+82944+ 136900 1173²
= -
10 30
485069 1375969
= -
10 30
= 48506,9 – 12532,3
= 35974,6

JKG = JKT – JKP

 = 92117,7 – 35974,6
= 56143,1

DBT = N – 1
= 30 – 1
= 29

DBP = K – 1
= 3–1
= 2

DBG = DBT – DBP

= 29 - 2
= 27

JKP
KTP =
DBP
35974 , 6
=
2
= 17987,3

JKG
KTG =
DBG
56143 ,1
=
27
= 2079,37

KTP
F hitung =
KTG
17987 ,3
=
2079 , 37
= 8,65
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 0,012
lebih kecil 0,05 sehingga dapat disimpulkan bahwa rata-rata ketiga kelopok jumlah
wisudawan “ berbeda” secara signifikan.
 BAB V

ANALISA DATA

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 0,613 yang mana 0,613 > 0,05 yang menandakan data tersebut
berpengaruh. Untuk mengetahui seberapa besar pengaruhnya maka didapatkanlah
persamaannya Y = 3,638 – 0,007X.

Nilai konstanta a = 3,638 ini menunjukkan bahwa besarnya variabel rata-rata

dari pencapaian IPK yang tidak dipengaruhi oleh durasi waktu pemakaian gadget.
Sedangkan untuk koefisien regresi sebesar -0,007 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 = 3,638 – 0,007X. Nilai konstanta a = 3,638 yang berarti
bahwa besarnya variabel rata-rata dari pencapaian IPK yang tidak dipengaruhi oleh
durasi waktu pemakaian gadget. Sedangkan koefisien regresi sebesar -0,007 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 51.5, 28.8, dan 37. Dengan
demikian, maka secara deskriptif dapat disempulkan bahwa rata-rata jumlah
wisudawan tertinggi adalah teknik sipil sebesar 51,5.

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 0,012 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 0.018, karena nilai signifikansi 0,018 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.

5.2.1 Analisa Pengolahan Data Manual Anova

Analysis of Variance (ANOVA) adalah salah satu metode analisis statistika
yang digolongkan ke dalam kelompok statistik inferensial. Setelah pengolahan data
secara manual dilakukan dapatlah rata-rata jumlah wisudawan untuk teknik sipil 51.5,
teknik mesin 28.8 dan teknik industri 37. Maka secara deskriptif dapat disempulkan
bahwa rata-rata jumlah wisudawan tertinggi adalah teknik sipil sebesar 51,5.
Sehingga dapat disimpulkan bahwa pengolahan data secara komputer dan manual
mendapatkan hasil yang sama.
 BAB V

KESIMPULAN DAN SARAN

6.1 Kesimpulan
1. Dari data yang kami olah mengenai pengaruh durasi penggunaan gadget
terhadap IPK itu maka kami dapatkan hasil bahwa tidak adanya pengaruh
lama penggunaan gadget terhadap IPK.
2. Dari pengolahan Annova one way tidak terpenuhi karena data tidak bersifat
homogen.Dari hasil pengolahan data kemudian dapat kami simpulkan bahwa
ada hubungan antara pengaruh pemilihan prodi terhadap jumlah lulusan
wisudawan.

6.2 Saran
1. Saat pratikan akan memasukkan data kedalam komputer harus dilakukan
secara hati-hati seteliti mungkin agar hasil yang didapat tidak salah dan sesuai
dengan yang diharapkan .
2. Saat membuat laporan tampilan penulisannya harus serapi mungkin agar
memudahkan dalam pembacaan laporan.
 DAFTAR PUSTAKA

Arnita. (2013). Pengantar statisika. Medan: Cipta Pustaka Media Perintis.

Blank,Leland,1982.Statistical Procedure for engineering, Management, and
Science,Tokyo : Mc Graw –Hill Kogasuka Ltd.
Hadi, Sutrisno, Statistik 3, Jilid III, Andi Offset, Yogyakarta,1988
Hasan, M. (2003). Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif), EdisiKedua.
Jakarta: Bumi aksara.
Prof.Dr.Sudjana M.A.,Msc. , Metode Statistika, Edisi ke-6, Tarsito Bandung, 2002
Riduwan. (2007). Rumus dan Data dalam Aplikasi Statistika. Bandung: alfabeta.
Sudjana. (2005). Metode Statistika. Bandung: Tarsito.
Syahri. (2003). Aplikasi S Statistika Dengan SPSS.10 For Windows. Yogyakarta:
GRaha Ilmu.
Walpole,Ronal E,Raymond J, Mayers,Probability and statistic for engineers and
scientist 3rd Ed, Macmillan Publ .co.New Tork,1985