PENDAHULUAN
2.1 Praktikum 1
Hari/Tanggal : Senin, 02 Oktober 2023
Waktu : 16.00 – 17.30 WITA
Tempat : Laboratorium Statistika
80
70
Mean of Rata-rata nilai
60
50
40
30
20
10
0
IXA IXB IXC IXD IXE
Kelas
Interpretasi:
Diagram batang di atas memvisualisasikan rata-rata nilai ujian
matematika 5 kelas IX, yaitu IX.A-IX.E. Berdasarkan diagram batang di
atas dapat diketahui bahwa kelas IX.C memiliki rata-rata nilai ujian
matematika tertinggi sebesar 85,8 dan disusul kelas IX.E memiliki rata-
rata nilai ujian matematika tertinggi sebesar 84,3. kelas IX.D memiliki
rata-rata nilai ujian matematika terendah dengan nilai sebesar 76,7.
b. Diagram Lingkaran (Pie Chart)
Kasus: Suatu sekolah memiliki 1200 siswa. Sekolah tersebut
mengharuskan siswanya untuk ikut serta dalam ekskul olahraga
berdasarkan hobinya masing-masing. Berikut tabel data hobi siswa:
Karate
100; 8.3%
Bola voli
Bulu tangkis 200; 16.7%
250; 20.8%
Bola basket
150; 12.5%
Interpretasi:
Diagram lingkaran di atas memvisualisasikan hobi yang diikuti
oleh 1200 siswa suatu sekolah. Berdasarkan diagram lingkaran di atas
c. Scatterplot
Kasus: Suatu percobaan dilakukan oleh sebuah pabrik yang ingin
mengetahui berapa banyak produk yang cacat. Ketika diletakkan pada
suhu X selama 30 hari. Berikut adalah data hasil yang diperoleh:
Tabel 2.1.3 Tabel Pengaruh Suhu Terhadap jumlah Cacat
Suhu Ruangan (X) Jumlah Cacat (Y)
24 10
22 5
21 6
20 3
22 6
19 4
20 5
23 9
24 11
25 13
21 7
20 4
20 6
19 3
25 12
27 13
14
12
y (jumlah cacat)
10
2
20 22 24 26 28
x (suhu ruangan)
Interpretasi:
12
10
8
Frequency
0
72 76 80 84 88 92 96 100
nilai matematika
Interpretasi:
Histogram di atas memvisualisasikan nilai matematika sebanyak 40
siswa. Pada histogram sumbu horizontal (X) menunjukkan interval nilai
matematika, yaitu rentang nilai 0-70, 70-74, 74-78, 78-82, dan
seterusnya. Sedangkan sumbu vertikal (Y) menunjukkan frekuensi atau
jumlah siswa pada setiap interval nilai tersebut. Berdasarkan histogram di
atas dapat dilihat bahwa rentang nilai 82-86 memiliki jumlah siswa yang
paling banyak mendapatkan nilai tersebut dengan frekuensi sebanyak 12.
e. Boxplot
Kasus: SMA Nusa Bangsa memiliki sejumlah yang berminat di bidang
olahraga jika diambil sampel 30 orang untuk diukur tinggi badannya agar
memenuhi syarat selektif tahunan maka diperolah data dibawah ini:
Tabel 2.1.5 Tabel Tinggi Badan 30 Siswa SMA Nusa Bangsa
Tinggi Badan
120 135 155 150 110 162 145 148 171 155 147 172 160 151 156 162
133 139 169 158 142 172 162 158 142 172 162 158 166 174 149 154
147 177
170
160
dn
a
150
gg a
ib
140
Tin
130
120
110
100
90
80
ataPenjualan
70
60
50
D
40
30
20
10
2 4 6 8 10 12 14 16
Index
1 2 3
2 2 5
3 3 4
4 3 6
7 4 134
8 4 8
13 5 12224
15 5 55
24 6 000112344
30 6 555779
(7) 7 0124444
29 7 56678899
21 8 000111223344
9 8 5589
5 9 022
2 9 58
Output 2.1.7 Output Diagram Dahan Daun Nilai UTS Metstat
Interpretasi:
Diagram dahan daun di atas memvisualisasikan nilai uts metode
statistika Mahasiswa Statistika Angkatan 2020. Pada diagram dahan
daun, nilai puluhan dan satuan digit dari nilai UTS dipisahkan masing-
masing ke sisi kiri (dahan) dan kanan (daun). Puluhan digit menunjukkan
interval kelas sedangkan satuan digit adalah nilai khusus dalam interval
tertentu. Dengan demikian, diagram ini dapat memperlihatkan
72 76 80 84 88 92 96 100
Nilai Matematika
Interpretasi:
Dotplot di atas memvisualisasikan nilai matematika sebanyak 40
siswa. Dotplot tersebut memperlihatkan penyebaran data nilai
matematika dari nilai terendah hingga tertinggi pada kelas ini dan juga
bisa mengidentifikasi adanya pengelompokan (clustering) nilai pada
interval tertentu. Berdasarkan output di atas bahawa nilai tidak
ditemukan adanya outlier karena rentang antara nilai minimum dan
maksimum data tidak terlalu lebar.
5) Pilih informasi yang ingin ditampilkan dari data tersebut. Lalu, klik OK
Total
Variable Count N N* Mean StDev Variance
Nilai Matematika 36 36 0 86,17 6,56 43,06
Interpretasi:
Output:
Descriptive Statistics: Nilai Matematika
N for
Variable Q1 Median Q Maximum Mode Mode
Nilai Matematika 82,25 86,00 90,75 100,00 83 4
Interpretasi:
Output:
Mean of Nilai Matematika
Interpretasi:
Program di atas merupakan program membuat statistika deskriptif dengan
penginputan data melalui windows session. Program dimulai dengan memasukan
nilai matematika ke dalam kolom dengan perintah ‘set’ dan memberi nama kolom
dengan perintah ‘name’. Selanjutnya, melalui windows session, dipanggil satu per
satu perintah statistik deskriptif yang ingin ditampilkan hasilnya. Terakhir,
Minitab kemudian menampilkan output berupa nilai statistik deskriptif yang
diminta untuk data Nilai Matematika. Berdasarkan output di atas dapat dilihat
bahwa nilai rata-rata (mean) nilai matematika sebesar 86,1667 dan nilai tengah
(median) nilai matematika sebesar 86. Output tersebut juga menampilkan jumlah
seluruh nilai matematika sebesar 3102 dan standar deviasi nilai matematika
sebesar 6,56179. Terakhir, nilai minimum nilai matematika sebesar 72 dan nilai
maksimum nilai matematika sebesar 100 dengan rentang sebesar 28.
Program 2.2.3 Program Data Konstanta
MTB > let k1 = 10
MTB > print k1
MTB > let k2 = 100
MTB > let k3 = sqrt(k2)
MTB > print k2 k3
MTB > let k4 = 7
MTB > let k5 = 5
MTB > let k6 = k4*k5
MTB > print k6
K1 10,0000
Data Display
K2 100,000
K3 10,0000
Data Display
K6 35,0000
Output 2.2.4 Output Data Konstanta
Interpretasi:
Program di atas merupakan program data konstanta. Program dimulai
dengan perintah ‘let k1 = 10’ untuk mendefinisikan konstanta K1 bernilai 10 dan
menampilkan nilai K1 dengan menggunakan peritah ‘print’. Selanjutnya, perintah
‘let k2 = 100’ untuk mendefinisikan konstanta K2 bernilai 100 dan perintah ‘let k3
= sqrt(k2)’ mendefinisikan K3 sebagai hasil dari akar kuadrat K2 dengan nilai 10.
Terakhir, menggunakan perintah ‘let k4 = 7’ dan ‘let k5 = 5’ untuk mendefinisikan
konstanta K4 bernilai 7 dan mendefinisikan konstanta K5 bernilai 5. Kemudian,
K6 didefinisikan sebagai hasil kali K4 dan K5 dengan nilai 35.
Program 2.2.4 Program Data Berpola
MTB > set c5
DATA> 1:5
DATA> set c6
DATA> 5:1
DATA> set c7
DATA> 2(4)
DATA> set c8
DATA> (1:5)4
DATA> set c9
DATA> 2(1:3)
DATA> set c10
DATA> 2(1:3)4
DATA> set c11
DATA> (1:3)2
DATA> end.
Output:
Interpretasi:
Program di atas merupakan program yang dijalankan untuk memasukkan
data dengan menggunakan perintah set. Pada kolom C5 perintah yang digunakan
adalah ‘1:5’, artinya data dimasukkan dengan batas minimal 1 dan batas maksimal
5 yang secara otomatis akan bertambah 1 setiap baris, sebaliknya pada kolom C6
perintah yang digunakan adalah ‘5:1’ artinya data dimasukkan dengan batas
minimal 5 dan batas maksimal 1 yang secara otomatis akan berkurang 1 setiap
baris. Pada kolom C7 perintah yang digunakan adalah ‘2(4)’, yang artinya angka 4
akan diulang sebanyak 2 kali. Lalu, pada kolom C8 perintah yang digunakan,
yaitu ‘(1:5)4’, yang artinya menampilkan angka dari 1 sampai 5 yang dimana
setiap angka tersebut muncul sebanyak 4. Pada kolom C9 perintah yang
digunakan adalah ‘2(1:3)’, yang artinya menampilkan angka dari 1 sampe 3 dan
angka tersebut diulang sebanyak 2 kali. Kemudian pada kolom C10 perintah yang
digunakan adalah ‘2(1:3)4’, artinya menampilkan angka 1 sampai 3 yang dimana
setiap angka tersebut dimunculkan sebanyak 4 dan akan berulang sebanyak 2 kali.
Pada kolom C1 perintah yang digunakan adalah ‘(1:3)2’, artinya menampilkan
angka 1 sampai 3 dan setiap angka tersebut dimunculkan sebanyak 2.
Output:
Data Display
Matrix M1
2 3 5
1 7 6
2 3 8
Output 2.2.6 Output Matriks 3×3
Interpretasi:
Program di atas merupakan program membuat matriks dengan
menggunakan perintah read. Program di atas memunculkan matriks 3×3 dan
disimpan pada matriks M1. Kemudian, program meminta untuk memasukkan
angka yang diinginkan dengan masing-masing jumlah baris dan kolomnya adalah
3. Setelah itu, mencetak M1 dengan menggunakan perintah print. Dari program
tersebut dapat dilihat bahwa matriks M1 memiliki ordo 3×3, yang artinya matriks
tersebut memiliki 3 baris dan 3 kolom.
Program 2.2.6 Program Membuat Matriks
MTB > Read 3 3 m2.
DATA> 0 0 1
DATA> 0 1 0
DATA> 1 0 0
3 rows read.
MTB > print m2
Output:
Data Display
Matrix M2
0 0 1
0 1 0
1 0 0
Output 2.2.7 Output Membuat Matriks
Interpretasi:
Output:
Probability Plot of C4
Normal
99
Mean 80,18
StDev 1,077
95 N 50
AD 0,345
90
P-Value 0.472
80
70
Percent
60
50
40
30
20
10
5
1
77 78 79 80 81 82 83
C4
Interpretasi:
Program di atas merupakan program membangkitkan data normal. Program
dimulai dengan perintah ‘Random 50 C4’ untuk membangkitkan data acak
berdasarkan distribusi tertentu, parameter 50 menentukan banyaknya data acak
yang akan dibangkitkan, dan parameter C4 menentukan kolom tempat data acak
akan disimpan. Selanjutnya, perintah ‘Normal 80 1,0’ untuk menentukan data
acak akan dibangkitkan berdasarkan distribusi normal, serta parameter 80 dan 1,0
masing-masing adalah mean (rata-rata) dan standar deviasi dari distribusi normal
Output:
Data Display
Row C1 C2
1 72 75
2 75 78
3 82 85
4 79 82
5 81 84
6 62 65
7 90 93
8 75 78
9 75 78
10 82 85
11 80 83
12 90 93
13 70 73
14 60 63
15 70 73
Output 2.3.1 Output Aritmatika 1
Interpretasi:
Program di atas merupakan program aritmatika. Program dimulai dengan
memasukkan data pada kolom C1 dan diberi judul nilai matematika. Pada kolom
C2 diberi judul remedial, kemudian menggunakan perintah ‘let C2 = C1+3’.
Artinya hasil jumlah dari C1+3 akan disimpan pada kolom C2. Setelah itu print
C1 C2 yang hasilnya dapat dilihat pada output di atas.
Program 2.3.2 Program Aritmatika 2
MTB > sort c2 c3;
SUBC> by c2;
SUBC> descending c2.
MTB > set c4
DATA> -2 3 4 -1 5 -7 3 2
Output:
Interpretasi:
Program di atas merupakan program aritmatika. Program dimulai dengan
menggunakan perintah ‘sort C2 C3’, yang artinya mengurutkan data yang ada
pada C2 dan hasil urutannya disimpan di kolom C3, lalu menggunakan perintah
descending untuk mengurutkan data dari yang terbesar ke terkecil. Pada kolom
C4 menggunakan perintah set, artinya memasukkan data yang diinginkan. Lalu
pada kolom C5 menggunakan perintah ‘absolute(C4)’, artinya menjadikan nilai
mutlak yang ada pada data kolom C4. Pada kolom C6 menggunakan perintah set,
artinya memasukkan data yang diinginkan, pada program di atas data yang
dimasukkan adalah bilangan desimal. Selanjutnya, pada kolom C7 memasukkan
perintah ‘round(C6)’, untuk membulatkan nilai yang ada pada kolom C6. Pada
kolom C8 menggunakan perintah ’log(C1)’, artinya membuatkan logaritma yang
ada pada data C1. Pada kolom C9 memasukkan angka 100 dengan menggunakan
perintah set, kemudian pada kolom C10 menggunakan perintah sqrt, untuk
Output:
Descriptive Statistics: C1; Remedial
Interpretasi:
Program di atas merupakan progam menampilkan informasi dari suatu data
dengan menggunakan perintah desc. Berdasarkan output di atas dapat dilihat
bahwa data dari nilai matematika memiliki mean (rata-rata) sekitar 76,20 dengan
standar deviasi sekitar 8,69. Dari data tersebut juga dapat dilihat nilai minimum
nilai matematika sebesar 60,00 sementara nilai maksimum nilai matematika
sebesar 90,00. Nilai kuartil pertama (Q1) nilai matematika sebesar 70,00, median
(nilai tengah) nilai matematika sebesar 75,00 dan kuartil ketiga (Q3) nilai
matematika sebesar 82,00. Sedangkan pada nilai remedial memiliki mean (rata-
rata) sekitar 79,20 dengan standar deviasi sekitar 8,69. Dari data tersebut juga
dapat dilihat nilai minimum nilai remedial sebesar 63,00 sementara nilai
maksimum nilai remedial sebesar 93,00. Nilai kuartil pertama (Q1) nilai remedial
sebesar 73,00, median (nilai tengah) nilai remedial sebesar 78,00 dan kuartil
ketiga (Q3) nilai remedial sebesar 85,00.
Program 2.3.4 Program Matriks 3×3
MTB > #Program matriks 3x3
MTB > read 3 3 m1
DATA> 1 2 4
DATA> 4 5 1
DATA> 1 1 2
3 rows read.
MTB > read 3 3 m2
DATA> 1 4 7
Output:
Data Display
Matrix M1
1 2 4
4 5 1
1 1 2
Matrix M2
1 4 7
3 4 5
1 10 9
Output 2.3.4 Output Matriks 3×3
Interpretasi:
Program di atas merupakan program membuat matriks 3 ×3. Program
dimulai dengan perintah ‘read 3 3 M1’, artinya membuat matriks yang terdiri dari
3 baris dan 3 kolom lalu menyimpannya di M1. Kemudian masukkan nilai yang
diinginkan. Pada program selanjutnya juga menggunakan perintah yang sama tapi
matriks tersebut disimpan pada matriks M2. Setelah itu, mencetak M1 dan M2
yang hasilnya dapat dilihat pada output di atas.
Program 2.3.5 Program Penjumlahan Matriks
MTB > #penjumlahan matriks
MTB > add m1 m2 m3
MTB > print m3
Output:
Data Display
Matrix M3
2 6 11
7 9 6
2 11 11
Output 2.3.5 Output Penjumlahan Matriks
Output:
Data Display
Matrix M4
0 2 3
-1 -1 4
0 9 7
Output 2.3.6 Output Pengurangan Matriks
Interpretasi:
Program di atas merupakan program pengurangan matriks. Program dimulai
dengan perintah ‘subtract M1 M2 M4’, artinya mengurangkan matriks pada M1
dengan matriks M2 dan hasil penjumlahan tersebut disimpan pada matriks M4.
Dalam pengurangan matriks, kedua buah matriks harus memiiliki baris dan kolom
yang sama. Setelah itu mencetak matriks M4 maka didapatkan hasil matriks 3×3.
Program 2.3.7 Progam Perkalian Matriks
MTB > #perkalian matriks
MTB > read 2 2 m5
DATA> 10 7
DATA> 2 11
2 rows read.
MTB > read 2 3 m6
DATA> 11 2 3
DATA> 1 1 6
2 rows read.
MTB > multiply m5 m6 m7
MTB > print m7
Matrix M7
117 27 72
33 15 72
Output 2.3.7 Output Perkalian Matriks
Interpretasi:
Program di atas merupakan program perkalian matriks. Program dimulai
dengan perintah ‘read 2 2 M5’, artinya membuat matriks yang terdiri dari 2 baris
2 kolom dan menyimpan matriks tersebut dalam matriks M5. Kemudian
menggunakan perintah ‘read 2 3 M6’, artinya membuat matriks yang terdiri dari 2
baris 3 kolom dan menyimpan matriks tersebut ke dalam matriks M6. Setelah itu,
mengalikan matriks M5 dengan M6 dengan menggunakan perintha multiply dan
disimpan pada matriks M7. Syarat dalam perkalian matriks, jumlah kolom pada
matriks pertama sama dengan jumlah baris pada matriks kedua. Terakhir, cetak
M7 maka didapatkan matriks 2×3.
Program 2.3.8 Program Transpose Matriks
MTB > #transpose matriks
MTB > transpose m7 m8
MTB > print m8
Output:
Data Display
Matrix M8
117 33
27 15
72 72
Output 2.3.8 Output Transpose Matriks
Interpretasi:
Program di atas merupakan program mentransposisi (menukar baris dan
kolom) sebuah matriks. Program dimulai dengan menggunakan perintah
’transpose M7 M8’, yang artinya semua baris dari matriks M7 akan menjadi
kolom di dalam matriks M8 dan semua kolom dari matriks M7 akan menjadi baris
Output:
Data Display
Matrix M9
72 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 75 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 82 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 79 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 81 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 62 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 90 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 75 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 75 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 82 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 80 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 90 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 70 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 60 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 70
Output 2.3.9 Output Matriks Diagonal
Interpretasi:
Program di atas merupakan program membuat matriks diagonal. Matriks
diagonal adalah matriks persegi di mana semua elemen di luar diagonal utama
adalah nol. Perintah dimulai dengan memasukkan data pada kolom C12.
Kemudian membuat matriks diagonal dengan menggunakan data kolom C1 dan
menyimpan matriks diagonal ke dalam matriks M9 dengan menggunakan perintah
‘diag C1 M9’. Setelah itu mencetak matriks M9 pada layar.
Program 2.3.10 Program Invers Matriks
MTB > invert m1 m10
MTB > invert m5 m11
MTB > print m10 m11
Matrix M10
Data Display
Matrix M11
0,114583 -0,072917
-0,020833 0,104167
Output 2.3.10 Output Invers Matriks
Interpretasi:
Program di atas merupakan program invers matriks. Invers matriks adalah
matriks yang jika dikalikan dengan matriks asal akan menghasilkan matriks
identitas. Program dimulai dengan menggunakan perintah ‘invert M1 M10’,
perintah tersebut menghitung invers dari matriks M1 dan hasilnya akan disimpan
ke matriks M10. Kemudian, hal yang sama dilakukan perintah ‘invert M5 M11’,
perintah tersebut menghitung invers dari matriks M5 dan hasilnya akan disimpan
ke matriks M11. Terakhir mencetak hasil invers dari kedua matriks tersebut (M10
dan M11) ke layar.
Program 2.3.11 Program Eigen Matriks
MTB > #eigen matriks
MTB > read 3 3 m12
DATA> 174 142 184
DATA> 142 119 152
DATA> 184 152 198
3 rows read.
MTB > eigen m12 c13
MTB > copy m12 c14-c16
MTB > define 1 4 5 m13
MTB > print m12 m13
Output:
Data Display
Matrix M12
Data Display
Matrix M13
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
Output 2.3.11 Output Eigen Matriks
Interpretasi:
Program di atas merupakan perhitungan nilai eigen (nilai dan vektor eigen)
dari sebuah matriks. Program dimulai dengan menggunakan perintah ‘read 3 3
M12’, artinya memasukkan data kedalam matriks M12 yang terdiri dari 3 baris
dan 3 kolom. Kemudian digunakan perintah eigen untuk menghitung nilai dan
vector eigen dari matriks M12, hasil tersebut akan disimpan pada kolom C13.
Selanjutnya menggunakan perintah ‘copy M1 C14-C16’ untuk menyalin matriks
M1 ke dalam kolom C14, C15 dan C16. Setelah itu, ‘define 1 4 5 M13’ untuk
membuat matriks baru (M13) yang terdiri dari kolom pertama pada matriks M12
dan tiga kolom yang telah disalin dari kolom C14, C15 dan C16. Terakhir
mencetak mtariks M12 dan M13 ke layar.
Keterangan:
Y = Variabel terikat
X1 = Variabel bebas
β0, β1 = Koefisien regresi
ε = error
b. Regresi Berganda
Regresi berganda digunakan saat terdapat lebih dari satu variabel bebas
(X) yang mempengaruhi variabel terikat (Y). Model umum regresi
berganda:
Y = β0 +β1X1 +β2X2 +…βkXk +ε
Keterangan:
Y = Variabel terikat
X1, X2, …, Xk = Variabel bebas
β0, β1, β2, …, βk = Koefisien regresi
ε = error
Berikut disajikan contoh data serta program mengenai ANOVA dan analisis
regresi.
Tabel 2.4.1 Tabel One-way ANOVA
Output:
One-way ANOVA: Amerika; Eropa; Jepang; Korea
Method
Factor Information
Analysis of Variance
Model Summary
Interpretasi:
Berdasarkan program diatas dapat dilihat tabel ANOVA dari data tabel 2.4.1
dapat diketahui bahwa, faktor yang diuji adalah jenis negara (Amerika, Eropa,
Jepang, Korea), dengan 4 tingkatan. F-Value sebesar 21,04, menunjukkan
perbedaan yang signifikan antar kelompok negara dalam mempengaruhi variabel
dependen (tidak disebutkan dalam tabel). P-Value sebesar 0,000, sangat kecil,
mengindikasikan perbedaan ini sangat tidak mungkin terjadi karena kebetulan.
Adj SS Factor sebesar 4946, mewakili varians yang dijelaskan oleh perbedaan
antar kelompok negara. Adj MS Factor sebesar 1648,54, merupakan varians rata-
rata antar kelompok negara. Adj SS Error sebesar 9087, mewakili varians yang
tidak dijelaskan oleh perbedaan antar kelompok negara, melainkan oleh variasi
dalam kelompok. Adj MS Error sebesar 78,34, merupakan varians rata-rata dalam
kelompok. Berdasarkan tabel ANOVA dapat ditarik kesimpulan bahwa, ada
perbedaan yang signifikan dalam rata-rata variabel dependen antar empat
kelompok jenis negara. Namun, tabel ANOVA tidak menunjukkan arah dan
besarnya perbedaan tersebut. Untuk mengetahui arah dan besarnya perbedaan, kita
perlu melihat hasil analisis post-hoc, misalnya Tukey HSD. Tabel Tukey HSD
yang diberikan menunjukkan pengelompokan rata-rata berdasarkan signifikansi
perbedaan. Jepang dan Amerika dikelompokkan dalam A, artinya rata-rata mereka
Method
Factor Information
Analysis of Variance
Model Summary
Coefficients
Regression Equation
Interpretasi:
Berdasarkan program diatas dapat diketahui tabel ANOVA dua arah dari
data pada tabel 2.4.2 dimana, pada kelas,DF (Degrees of freedom): 1,
Output:
Regression Analysis: Loyalitas Pelanggan (Y) versus Harga Produk
(X)
Regression Equation
Interpretasi:
Berdasarkan program diatas ditemukan persamaan regresi. Berdasarkan
persamaan tersebut, loyalitas pelanggan (Y) memiliki hubungan positif dengan
harga produk (X). Artinya, semakin tinggi harga produk, maka loyalitas pelanggan
juga cenderung meningkat. Koefisien regresi (b) dalam persamaan tersebut adalah
0,323, yang berarti bahwa setiap kenaikan harga produk sebesar 1 unit, maka
loyalitas pelanggan akan meningkat sebesar 0,323 unit.
Tabel 2.4.4 Tabel Regresi Berganda
No. Harga Ayam (X1) Harga Sapi (X2) Permintaan Daging (Y)
1 42,2 78,3 27,8
2 38,1 79,2 29,9
3 40,3 79,2 29,8
4 39,5 79,2 30,8
5 37,3 77,4 31,2
6 38,1 80,2 33,3
7 39,3 80,4 35,6
8 37,8 83,9 36,4
9 38,4 85,5 36,7
Output:
Regression Analysis: Permintaan Daging (Y) versus Harga Ayam
(X1); Harga Sapi (X2)
Regression Equation
Interpretasi:
Berdasarkan program diatas ditemukan persamaan regresi berganda.
Berdasarkan persamaan tersebut, permintaan daging (Y) memiliki hubungan
negatif dengan harga ayam (X1) dan hubungan positif dengan harga sapi (X2).
Artinya, semakin tinggi harga ayam, maka permintaan daging akan semakin
rendah. Sebaliknya, semakin tinggi harga sapi, maka permintaan daging akan
semakin tinggi. Koefisien regresi dalam persamaan tersebut adalah sebagai
berikut, -0,596 setiap kenaikan harga ayam sebesar 1 unit, maka permintaan
daging akan menurun sebesar 0,596 unit. 0,2253 setiap kenaikan harga sapi
sebesar 1 unit, maka permintaan daging akan meningkat sebesar 0,2253 unit.
Interpretasi:
Program diatas merupakan program melakukan pembangkitan data acak
yang berdistribusi Binomial. Program dumulai dengan member nama kolom C1
dengan nama “DATA BINOMIAL”. Selanjutnya, menggunakan perintah ‘random
35 C1’ untuk membangkitkan 35 data acak pada kolom C1. Terakhir,
menggunakan perintah ‘binomial 4 0,5’ untuk menentukan distribusi dan
parameter untuk data acak Binomial. 4 adalah jumlah percobaan (n) dan 0,5
adalah peluang sukses dalam setiap percobaan (p). Jadi setiap nilai acak pada
kolom C1 mengikuti distribusi Binomial dengan n = 4 dan p = 0,5.
Program 2.5.2 Program Distrbusi Bernoulli
MTB > #MASUKKAN DATA BERDISTRIBUSI BERNOULLI
MTB > name c2 "DATA BERNOULLI"
MTB > random 40 c2;
SUBC> bernoulli 0,5.
Interpretasi:
Program diatas merupakan program melakukan pembangkitan data acak
yang berdistribusi Bernoulli. Program dumulai dengan member nama kolom C2
dengan nama “DATA BERNOULLI”. Selanjutnya, menggunakan perintah
‘random 40 C2’ untuk membangkitkan 40 data acak pada kolom C2. Terakhir,
menggunakan perintah ‘bernoulli 0,5’ untuk Menentukan distribusi Bernoulli
dengan parameter peluang sukses 0,5 untuk data acak pada kolom C2.
Program 2.5.3 Program Penarikan Sampel Dengan Pengembalian
MTB > random 1000 c4
MTB > name c4 "BAGKIT DATA ACAK 1"
MTB > sample 30 c4 c5
MTB > name c5 "TANPA PENGEMBALIAN"
Interpretasi:
Program diatas merupakan program melakukan penarikan sampel acak
tanpa pengembalian dari data acak yang sudah dihasilkan sebelumnya. Program
dimulai dengan membangkitkan 1000 data acak dan disimpan pada kolom dengan
menggunakan fungsi ‘random 1000 C4’ dan memberi nama pada kolom C4
dengan fungsi ‘name’. Terakhir, menggunakan perintah ‘sample 30 C4 C5’ untuk
melakukan pengambilan sampel secara acak sebanyak 30 data dari kolom C4 dan
hasilnya disimpan di kolom C5 serta memberi nama pada kolom C5.
Program 2.5.4 Program Penarikan Sampel Tanpa Pengembalian
MTB > name c7 "BAGKIT DATA ACAK 2"
MTB > sample 30 c7 c8;
SUBC> replace.
MTB > name c8 "DENGAN PENGEMBALIAN"
Output:
Interpretasi:
Program diatas merupakan program melakukan penarikan sampel acak
dengan pengembalian dari data acak yang sudah dihasilkan sebelumnya. Program
dimulai dengan membangkitkan 1000 data acak dan disimpan pada kolom dengan
menggunakan fungsi ‘random 1000 C7’ dan memberi nama pada kolom C7
dengan fungsi ‘name’. Selanjutnya, menggunakan perintah ‘sample 30 C7 C8’
untuk melakukan pengambilan sampel secara acak sebanyak 30 data dari kolom
C7 dan hasilnya disimpan di kolom C8 serta memberi nama pada kolom C8.
Terakhir, menggunakan perintah ‘replace’ untuk mengaktifkan pengambilan
sampel dengan pengembalian. Jadi setiap kali mengambil satu sampel, sampel
tersebut dikembalikan lagi ke data bangkitan asal sebelum mengambil sampel
berikutnya.
Program 2.5.5 Program Fungsi Kepadatan Peluang 1
MTB > #binomial 5 0,45
MTB > name c10 "DATA PDF"
MTB > set c10
DATA> 4 6 8
DATA> end.
MTB > pdf c10;
SUBC> binomial 5 0,45.
x f( x )
4 0,0001338
6 0,0000000
8 0,0000000
Output 2.5.5 Output Fungsi Kepadatan Peluang 1
Interpretasi:
Program diatas merupakan program menghitung nilai fungsi probabilitas
(probability density function) dari data diskrit tertentu berdasarkan distribusi
Binomial. Program dimulai dengan menggunakan memberi nama pada kolom
C10 dengan perintah ‘name’ dan memasukkan data yang akan dianalisis pada
kolom C10 dengan perintah ‘set’. Selanjutnya, menghitung nilai fungsi
probabilitas (pdf) dari data pada kolom C10 dengan menggunakan perintah ‘pdf
C10’. Terakhir, menggunakan perintah ‘binomial 5 0,45’ untuk menentukan
bahwa perhitungan pdf menggunakan distribusi binomial dengan n = 5 dan p =
0,45. Berdasarkan output diatas menunjukan bahwa program tersebut akan
menampilkan hasil nilai fungsi probabilitas di window session.
Program 2.5.6 Program Fungsi Kepadatan Peluang 2
MTB > pdf c10 c11;
SUBC> binomial 5 0,45.
Output: