KATA PENGANTAR

Syukur alhamdulillah kehadirat Allah SWT yang telah memberikan rahmat-Nya,
seiring dengan selesainya penyusunan modul praktikum STATISTIKA 2 untuk
mahasiswa/i di jurusan Teknik Industri Fakultas Teknologi Industri Universitas
Gunadarma.
Modul ini pada dasamya merupakan sarana untuk mendukung mata kuliah dan
praktikum STATISTIKA 2 di jurusan Teknik Industri. Oleh karena itu kami berharap
semoga modul ini dapat bermanfaat, terutama untuk memperdalam penguasaan teori
dan aplikasi STATISTJKA 2, baik dengan menggunakan rumus-rumus manual maupun
dengan bantuan software (SPSS versi 10).
Kami percaya, dalam penyusunan modul ini masih memiliki banyak kelemahan,
oleh karena itu kritik dan saran yang membangun diharapkan dapat menjadi bahan bagi
perbaikan modul ini dimasa yang akan datang.
Akhir kata, kami mengucapkan terima kasih kepada semua pihak yang telah
membantu dan mendukung pembuatan modul ini, semoga bermanfaat.
Depok, Maret 2003
Penyusun
TATA TERTIB DAN TATA CARA
PRAKTIKUM STATISTIKA II (DUA)
Demi kelancaran jalannya praktikum STATISTIKA II, praktikan diwajibkan
memenuhi tata tertib dan tata cara seperti yang tertera di bawah ini :
TATA TERTIB
1. Praktikan dapat mengikuti praktikum bila memenuhi syarat-syarat sebagai berikut :
a. Terdaftar pada KRS.
b. Membawa kartu tanda praktikum.
c. Membawa laporan pendahuluan yang diketik manual
d. Membawa laporan akhir (laporan praktikum terdahulu) ketik komputer.
e. Berpakaian rapi dan sopan untuk pria kemeja dan celana panjang bahan, untuk
wanita kemeja dan rok bahan (tidak diperkenankan menggunakan yang
berbahan jeans atau kaos).
f. Menggunakan sepatu tertutup.
2. Praktikan harus hadir 15 menit sebelum praktikum dimulai dan toleransi
keterlambatan adalab 10 menit setelah praktikum dimulai, lebih dari 10 menit
praktikan tidak dapat mengikuti praktikum pada hari itu.
3. Ketika memasuki laboratorium, praktikan :
a. Harus tenang, tertib dan sopan.
b. Dilarang membawa makanan, minuman, rokok dan barang-barang lain yang
tidak diperlukan pada saat praktikum.
c. Untuk pria, kemeja harus dimasukkan ke dalam celana panjang (rapi).
d. Tas, jaket dan lain-lain dimasukkan ke dalam locker.
e. Dilarang mengaktifkan Hand phone.
4. Selama praktikum berlangsung, praktikan :
a. Dilarang meninggalkan laboratorium tanpa seizin asisten atau penanggung
jawab praktikum pada hari tersebut.
b. Harus dapat menjaga keselamatan diri, alat-alat dan kebersihan laboratorium.
c. Dilarang membuang sampah sembarangan di dalam laboratorium selama
praktikum berlangsung.
d. Sebelum meninggalkan laboratorium komputer yang telah digunakan harus
dimatikan kembali (shut down).
5. Praktikan harus mengganti alat-alat yang rusak / hilang selama praktikiim
berlangsung dengan alat yang sama, sebelum melanjutkan praktikum selanjutnya.
6. Setelah praktikum selesai dan disetujui asisten, praktikan:
a. Melaporkan kelengkapan alat-alat yang digunakan pada asisten yang
bersangkutan.
b. Harus meminta paraf / tanda tangan pada asisten pada kartu tanda praktikum.
7. Bagi praktikan yang berhalangan karena sakit dapat menunjukkan surat keterangan
dokter dan surat dan orang tua paling lambat pada saat praktikum berlangsung
(diwakilkan). Melampaui waktu tersebut praktikan dinyatakan GAGAL 1 KALI.
Batas maksimum untuk tidak hadir praktikum (absen) sebanyak dua kali dan wajib
mengulang di praktikum pengulangan.
8. Praktikan yang tidak hadir / gagal :
a. Diwajibkan mengulang pada praktikum pengulangan, dengan maksimal
pengulangan 2 (dua kali), dan bila lebih dan dua kali pengulangan dinyatakan
TIDAK LULUS.
b. Diwajibkan membayar denda sebesar Rp. 5.000,- untuk setiap nomor percobaan
(modul) ke Bank DKI.
9. Tata tertib ini dilaksanakan dengan penuh kesadaran.
TATA CARA
1. Setiap tugas praktikum dikerjakan oleh masing-masing praktikan pada tiap
minggunya.
2. Laporan pendahuluan dapat dilihat di mading Jurusan Teknik Industri (Kampus E
Gedung 4 Lt. 1). Laporan pendahuluan diketik manual dan apabila ada praktikan
yang laporannya sama persis, baik dari segi jawaban, jenis ketikan dan lain-lain,
akan clikenakan sanksi dengan sanksi terberat dinyatakan GAGAL !!!.
3. Laporan akhir diketik komputer dengan huruf arial, spasi 1.5, kertas A4 dan
dikumpulkan 1 minggu setelah tugas diberikan (setelah praktikum). Keterlambatan
penyerahan tugas akan menimbulkan sanksi berupa pengurangan nilai bagi tugas
tersebut.
4. Karena penilaian tugas meliputi kebenaran tugas, kelengkapan dan kerapihan tugas
serta apabila tugas tersebut tidak memenuhi persyaratan, tugas akan dikembalikan
untuk diperbaiki dan dikumpulkan pada praktikum berikutnya (dengan kondisi nilai
tugas telah dikurangi).
Bobot penilaian
a. Laporan pendahuluan (LP) = 20% (perorangan)
b. Laporan akhir mingguan = 20% (perorangan)
c. Laporan akhir bendel / soft cover = 30% (kelompok)
d. Ujian (persentasi) = 30% (perorangan)
5. Tugas-tugas / laporan-laporan STATISTIKA II TIDAK BOLEH SAMA dengan
praktikan yang lain. Apabila ditemukan adanya tugas yang sama, maka tugas
praktikan yang bersangkutan tidak akan dinilai untuk kemudian dinyatakan
GAGAL!!!.
6. Pada akhir modul setiap praktikum diwajibkan membuat risalah praktikum semua
modul dan dijilid soft cover yang dikumpulkan secara berkelompok.
7. Jika praktikan tidak mengumpulkan / tidak mengerjakan salah satu dari tugas-tugas
yang diberikan pada hari yang telah ditentukan, maka praktikan dianggap
GAGAL!!!.
8. Diadakan persentasi akhir setelah menyerahkan laporan akhir soft cover.
9. Praktikan dapat diberikan peringatan, dikeluarkan ataupun digagalkan jika
melanggar tata tertib dan tata cara praktikum STATISTIKA II ini.
10. SELESAI.
Depok, Maret 2003
Penyusun
DAFTAR ISI
Halaman
Kata Pengantar......................................................................................................... i
Tata Terrtib dan Tata Cara Praktikum Statistika II................................................. ii
Daftar Isi.................................................................................................................. vi
Daftar Tabel............................................................................................................. viii
Daftar Gambar......................................................................................................... ix
Modul I. REGRESI........................................................................................... I-1
1.1 Tujuan....................................................................................... I-1
1.2 Landasan Teori ........................................................................ I-1
1.2.1 Regresi Linear.............................................................. I-1
1.2.2 Regresi Berganda......................................................... I-2
1.3 Tugas Pendahuluan................................................................... I-3
1.4 Pengolahan Data....................................................................... I-6
Modul II. KORELASI........................................................................................ II-1
II.1 Tujuan....................................................................................... II-1
II.2 Landasan Teori......................................................................... II-1
II.2.1 Korelasi Linear............................................................. II-1
II.2.2 Korelasi Ganda............................................................. II-2
II.3 Tugas Pendahuluan................................................................... II-3
II.4 Pengolahan Data....................................................................... II-5
Modul III. CHI-SQUARE.................................................................................... III-1
III.1 Tujuan....................................................................................... III-1
III.2 Landasan Teori......................................................................... III-1
III.2.1 Uji Kebaikan Suai........................................................ III-1
III.2.2 Uji Kebebasan Suai...................................................... III-2
III.2.3 Pengujian Beberapa Proporsi....................................... III-3
III.3 Tugas Pendahuluan................................................................... III-4
III.4 Pengolahan Data....................................................................... III-6
Modul IV. ANOVA 1 ARAH.............................................................................. IV-1
A. Teori.......................................................................................... IV-1
B. Aplikasi Perhitungan Manual Pada Tugas Pendahuluan......... IV-3
C. Pengolahan Data dengan Software........................................... IV-6
Modul V. ANOVA 2 ARAH.............................................................................. V-1
A. Teori.......................................................................................... V-1
B. Aplikasi Perhitungan Manual Pada Tugas Pendahuluan......... V-3
C. Pengolahan Data dengan Software........................................... V-7
DAFTAR PUSTAKA
LAMPIRAN
DAFTAR TABEL
Halaman
Tabel 1.3.1 Data Jumlah Kalori/hari dan Berat Badan Mahasiswa...................... I-3
Tabel 1.3.2 Data Peringkat Kimia, Nilai Ujian, Fekuensi Membolos
Mahasiswa IKIP Jakarta.................................................................... I-5
Tabel 2.3.1 Tabel Jumlah Jam Belajar dengan Nilai yang Diperoleh.................. II-3
Tabel 2.3.2 Tabel Jumlah Bahan Baku dengan Jumlah Produk Jadi.................... II-4
Tabel 3.3.1 Tabel Status Perkawinan dengan Konsumsi Minuman Beralkohol.. III-4
Tabel 3.3.2 Tabel Jenis Kelamin dengan Umur Pengunjung............................... III-5
Tabel 4.1 Analisis Ragam Klasifikasi Satu Arah.............................................. IV-2
Tabel 4.2 Lamanya Hilang Rasa Sakit............................................................... IV-3
Tabel 4.3 Analisis Ragam Bagi Data Kiasifikasi Satu Arab............................. IV-4
Tabel 4.4 Banyaknya Mobil yang Cacat............................................................ IV-5
Tabel 4.5 Analisis Ragam Bagi Data Kiasifikasi Satu Arab............................. IV-6
Tabel 5.1 Analisis Ragam Klasifikasi Dua Arah............................................... V-3
Tabel 5.2 Hasil Gandum dalam Kilogram/petak............................................... V-4
Tabel 5.3 Analisis Ragam Bagi Data Klasifikasi Dua Arah.............................. V-5
Tabel 5.4 Daftar Nilai Akhir Mahasiswa........................................................... V-5
Tabel 5.5 Analisis Ragam Bagi Data Klasifikasi Dua Arah.............................. V-7
DAFTAR GAMBAR
Halaman
Gambar 1.2.1 Garis Regresi................................................................................... I-2
Gambar 4.1 Kriteria dan Level........................................................................... IV-2
Gambar 5.1 Kriteria dan Level........................................................................... V-2
MODUL I
REGRESI
I.1 Tujuan
Dari praktikum ini praktikan diharapkan :
1. Dapat menjelaskan pentingnya analisis hubungan.
2. Dapat memahami dan menerapkan regresi.
3. Dapat menggunakan teknik ramalan dan melakukan analisis regresi.
4. Dapat melatih kemampuan mahasiswa/mahasiswi untuk mengatasi permasalahan
industri yang berhubungan dengan regresi.
5. Dapat mengembangkan keterampilan mahasiswa/mahasiswi dalam
menggunakan dan menganalisa dengan SPPS Ver. 10.0
1.2 Landasan Teori
Dalam landasan teori ini yang dibahas mengenai regresi yaitu regresi linier dan
regresi berganda. Kedua regresi ini memiliki perbedaan antara satu dengan yang
lainnya.
1.2.1 Regresi Linier
Persamaan regresi adalah persamaan matematik yang memungkinkan untuk
meramalkan nilai-nilai suatu peubah tak bebas dari nilai-nilai satu atau lebih peubah
bebas.
Regresi diterapkan pada semua jenis peramalan, dan tidak harus berimplikasi
suatu regresi mendekati nilai tengah populasi (Wallpole, 1996).
Bila diberikan data contoh [(xi, yi); I = 1,2 … n], maka nilai dugaan kuadrat
terkecil bagi parameter dalam garis regresi, yaitu :
ŷ = a + bx (1)
dapat diperoleh dari rumus :
(2)

dan
(3)
Dimana : a = Intersep / perpotongan dengan sumbu tegak
b = Kemiringan
y = Nilai ramalan yang dihasilkan garis regresi
1.2.2 Regresi Berganda
Berbeda dengan regresi linier maka regresi berganda lebih kompleks (sulit)
untuk mencari persamaan regresi. Dengan melambangkan nilai dugaannya dengan
b0, b1, ….., br, maka didapat penulisan persamaan dalam bentuk.
ŷ = b0+b1 x1+b2 x2+…+br xr (4)
dengan dua peubah bebas, persamaannya menjadi :
ŷ = b0+b1 x1I +b2 x2I + ei (5)
= a + bx y
Gambar 1.2.1 Garis Regresi
Σ
n
i =1
xi yi -
Σ
n
i =1
yi
( ) ( ) Σ
n
i =1
xi
x
2
i -
( ) Σ
i =1
yi
n
Σ
n
i =1
2
b =
y a = - b x
Nilai dugaan kuadrat terkecil b0, b1, dan b2 dapat diperoleh dengan
memecahkan persamaan linier stimultan.
Sistem persamaan linier tersebut dapat diselesaikan untuk mendapatkan b1 dan
b2 dengan berbagai cara yang tersedia, antara lain dengan kaidah Cramer dan
kemudian b0 dapat diperolah dari persamaan pertama dengan mengamati bahwa:
(9)
1.3 Tugas Pendahuluan
Tugas pendahuluan ini dibuat agar praktikan dapat mengerti dalam
mengerjakan soal-soal mengenai regresi.
1. Berikut ini data mengenai jumlah kalori/hari yang dikonsumsi oleh mahasiswa
dan berat badan mahasiswa yang bersangkutan.
n b0 + b1 x1 i + b2 x2i = yi (6)
b0 x1i + b1 x1i
2
+ b2 x1i, x2 i = x1i yi (7)
b0 x2 i + b1 x1i x2i +b2 x
2
2i = x2i yi (8)
Σ
n
i =1
Σ
n
i =1
Σ
n
i =1
Σ
n
i =1
Σ
n
i =1
Σ
n
i =1
Σ
n
i =1
Σ
n
i =1
Σ
n
i =1
Σ
n
i =1
Σ
n
i =1
b0 = y -b1 x1 - b2 x2
Tabel 1.3.1 Data Jumlah kalori/hari dan berat badan mahasiswa
Nama Berat Badan Jumlah Kalori yang dikonsumsi
Ivan
Mely
Rosa
Setia
Mayone
Lady
Anita
Wanto
Heri
Danu
89
48
56
72
54
42
60
85
63
74
530
300
358
510
302
300
387
527
415
512
Tentukan persamaan garis regresinya!
Jawab :
x = jumlah kalori yang dikonsumsi, y = berat badan

2. Berikut ini data mengenai pringkat kimia, nilai ujian dan frekuensi membolos
dari kuliah kimia oleh mahasiswa IKIP jakarta.
Σ
n
i =1
xi yi -
Σ
n
i =1
yi
( ) ( ) Σ
n
i =1
xi
x
2
i -
( ) Σ
i =1
yi
n
Σ
n
i =1
2
b =
y
10 (279.292) - (4141) (643)
10 (180.233) - (4141)
2
b =
130.257
874.469
b =
b = 0,149
a = y - b . x
a = 64,3 - (0,149) . (414,1)
jadi persamaan regresinya :
= 2,608 + 0,149 .x
Σ
10
i =1
Σ
10
i =1
xi = 4141, yi = 643, xi yi = 279.292
x
2
i = 180.233 x = 414,1 y = 64,3
Tabel 1.2.3 Data peringkat kimia, nilai ujian &
frekuensi membolos mahasiswa IKIP Jakarta
Siswa Peringkat Kimia Nilai Ujian Frekuensi Membolos
1
2
3
4
5
6
7
8
9
10
11
12
85
74
76
90
85
87
94
98
81
91
76
74
65
50
55
70
65
70
55
70
55
70
50
55
1
7
5
2
6
3
2
5
4
3
1
4
Tentukan persamaan regresinya!
Jawab :
x1 = Nilai ujian
x2 = Frekuensi membolos
y = Peringkat kimia

Σ
12
i =1
x1 i = 725
Σ
12
i =1
x2 i = 43
Σ
12
i =1
x1 i . x2 = 2540
Σ
12
i =1
x
2
1 i = 44.475
Σ
12
i =1
x
2
2 i = 195
Σ
12
i =1
yi = 1011
Σ
12
i =1
x1 i yi = 61.685
Σ
12
i =1
x2 i yi = 3581
Dengan memasukkan nilai-nilai ini kedalam persamaan linier diatas, kita
memperoleh :
12 b0 + 725 b1 + 43 b2 =1011
725 b0 + 44,475 b1 + 2540 b2 =61.685
43 b0 + 2540 b1 +195 b2 =3581
Dengan menyelesaikan sistem persamaan linier ini, kita memperoleh b0 =
27.547, b1 = 0,922, dan b2 = 0,284. Dengan demikian persamaan regresinya adalah :
ŷ = 25.547 + 0,922 x1 + 0,284 x2
1.4 Pengolahan Data
Dalam pengujian data regresi dengan menggunakan software maka diperlukan
software penunjang, yaitu program SPSS. Pada pelaksanaan praktikum di Laboraturium
Teknik Industri Dasar digunakan program SPSS Versi 10.00.
Dalam pengujian kasus regresi dengan menggunakan program SPSS Versi 10.00,
penyelesaian untuk pemecahan suatu masalah adalah sebagai berikut :
1. Memasukan data SPSS
Langkah-langkahnya :
a. Membuka lembar kerja baru
Dari menu utama file, pilih new, lalu ketik data
b. Menamai variabel dan property yang diperlukan
Klik tab sheet variable view yang ada dibagian kiri bawah, setelah itu, akan
tampak dilayar kotak SPSS data editor dengan urutan name, tipe, width, dan
lain-lain.
2. Mengisi data
Hal yang diperlukan dalam pengisian variabel name adalah “tidak boleh ada spasi
dalam pengisiannya”.
3. Pengolahan data dengan SPSS
Langkah-langkahnya :
a. Pilih menu analyze, kemudian pilih submenu regression
b. Kemudian lakukan pengisian terhadap
 Kolom dependent atau variabel tergantung
 Kolom independent atau variabel bebas
 Kolom case labels atau keterangan pada kasus
 Kolom method, untuk keseragaman pilih default yang ada yaitu
enter
 Kolom options
Pilih stepping method criteria dengan uji F
Pilih include constant in equation
Pilih missing value yaitu exclude cases listwise
Klik continue untuk melanjutkan
 Kolom statistic
Pilih regression coefficient dengan klik estimate, desriptive, dan model fit
Pilih residual, klik pada casewise diagnostics dan pilih all casses
Klik continue untuk melanjutkan
 Tekan O.K.
Untuk menghasilkan output dan menganalisa, maka kita dapat menggunakan
contoh soal dari tugas pendahuluan diatas.
Regression
Descriptive Statistics
64,30 15,456 10
414,10 98,571 10
BRTBDN
JMLKAL
Mean Std. Deviation N
Correlations
1,000 ,950
,950 1,000
. ,000
,000 .
10 10
10 10
BRTBDN
JMLKAL
BRTBDN
JMLKAL
BRTBDN
JMLKAL
Pearson Correlation
Sig. (1-tailed)
N
BRTBDN JMLKAL
Variables Entered/Removed
b
JMLKAL
a
. Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entered.
a.
Dependent Variable: BRTBDN
b.
Model Summary
b
,950
a
,903 ,891 5,114
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Predictors: (Constant), JMLKAL
a.
Dependent Variable: BRTBDN
b.
ANOVA
b
1940,846 1 1940,846 74,201 ,000
a
209,254 8 26,157
2150,100 9
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), JMLKAL
a.
Dependent Variable: BRTBDN
b.
Coefficients
a
2,608 7,342 ,355 ,732
,149 ,017 ,950 8,614 ,000
(Constant)
JMLKAL
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: BRTBDN
a.
Casewise Diagnostics
a
1,453 89 81,57 7,43
,137 48 47,30 ,70
,011 56 55,94 ,06
-1,288 72 78,59 -6,59
1,251 54 47,60 6,40
-1,037 42 47,30 -5,30
-,051 60 60,26 -,26
,759 85 81,12 3,88
-,280 63 64,43 -1,43
-,955 74 78,88 -4,88
Case Number
1
2
3
4
5
6
7
8
9
10
Std. Residual BRTBDN
Predicted
Value Residual
Dependent Variable: BRTBDN
a.
Residuals Statistics
a
47,30 81,57 64,30 14,685 10
-6,59 7,43 ,00 4,822 10
-1,158 1,176 ,000 1,000 10
-1,288 1,453 ,000 ,943 10
Predicted Value
Residual
Std. Predicted Value
Std. Residual
Minimum Maximum Mean Std. Deviation N
Dependent Variable: BRTBDN
a.
Dari hasil output merupakan contoh soal untuk regresi linier, maka kita dapat
menganalisanya sebagai berikut :
 Rata-rata berat badan tiap mahasiswa sebesar 64,30 kg dengan standar
deviasi 15,46
 Rata-rata jumlah kalori mahasiswa sebesar 414.10 kalori dengan standar
deviasi 98.57
 Besar hubungan antara berat badan dengan jumlah kalori tiap
mahasiswa yang dihitung dengan koefisien adalah 0.950. hal ini menunjukan
hubungan yang sangat erat ( mendekati + 1 ) diantara berat badan dengan
jumlah kalori.
 Angka R Square adalah 0.903. R Square dapatdisebut koefisien
determinasi, yang dalam hal ini berarti 90.30% berat badan dapat dijelaskan oleh
variabel jumlah kalori.
 Standar error of estimate adalah 5.11
 Dari uji ANOVA, didapat F hitung adalah 74.201 dengan tingkat
signifikansi 0.00000. oleh karena probabilitas (0.000) jauh lebih kecil dari 0.05,
maka model regresi dapat dipakai untuk memprediksikan berat badan
 Tabel selanjutnya menggambarkan persamaan regresi :
Y = 2.608 + 0.149X
Dimana :
 Y = berat badan
 X = jumlah kalori
 Konstanta sebesar 2.608
 Koefisien regresi sebesar 0.149

Hipotesis
Ho = Koefisien regresi tidak signifikan
H1 = Koefisian regresi signifikan
Pengambilan keputusan
A. Dengan membandingkan statistik hitung dengan statistik tabel
Jika statistik t hitung < statistik t tabel, maka Ho diterima
Jika statistik t hitung >statistik t tabel, maka Ho ditolak
 Statistik t hitung
Dari tabel output diatas terlihat bahwa t hitung adalah 8.614
 Statistik tabel
• Tingkat signifikansi = 5 %
• Df = jumlah data –2 =10-2 = 8
• Uji dilakukan dua sisi
Keputusan
• Oleh karena statistik hitung > statistik tabel, maka Ho ditolak
B. Berdasarkan probabilitas
Jika probabilitas >0.05, maka Ho diterima
Jika probabilitas <0.05, maka Ho ditolak
Keputusan
• Terlihat bahwa pada kolom significance adalah 0.000, atau probabilitas
jauh dibawah 0.05, maka Ho ditolak atau berat badan benar-benar berpengaruh
secara signifikan terhadap jumlah kalori.
• Untuk mencari regresi linier berganda cara memasukan data ke SPSS
sama saja, yang berbeda hanya datanya saja dan outputnya juga hampir sama
tidak berbeda jauh dari output regresi linier.
MODUL II
KORELASI
II.1 Tujuan
Dari praktikum ini praktikan diharapkan :
1. Dapat menghitung.koefisien korelasi
2. Dapat menjelaskan pentingnya analisis hubungan
3. Dapat melatih kemampuan mahasiswa/i untuk mengatasi permasalahan industri
yang berhubungan dergan kolerasi
4. Dapat mengembangkan keterampilan mahasiswa/i dalam menggunakan dan
menganalisa dengan program SPSS Ver. 10.0
II.2 Landasan Teori
Dalam landasan teori ini yang dibahas mengenai kolerasi yaitu kolerasi
linier dan kolerasi berganda.
II.2.1 Kolerasi Linier
Sampai saat ini dianggap bahwa peubah bebas X dikendalikan, jadi bukan
suatu peubah acak. Sebetulnya dalam hal ini, X sering disebut peubah
matematika, yang dalam proses pengambilan terak tanpa galat yang berarti.
Kita ingin memandang permasalaban mengukur hubungan antara kedua
peubah X dan Y. Dalam suatu kasus, bila X adalah umur suatu mobil bekas dan Y
nilai jual mobil tersebut, maka kita membayangkan nilai-nilai X yang kecil
berpadanan dengan nilai-nilai Y yang besar. Analiis kolerasi mencoba mengukur
kekuatan hubungan antara dua peubah demikian melalui sebuah bilangan yang
disebut koefisien kolerasi.
Didefinisikan koefisien kolerasi linier sebagai huhungan linier antara dua
peubah acak X dan Y, dan dilambangkan dengan r. Jadi, r mengukur sejauh mana
titik menggerombol sekitar sebuah garis lurus. Oleh karena itu dengan membuat
diagram pencar bagi n pengamatan [(Xi, Yi), I = 1,2........, n] dan contoh acak,
dapat ditarik kesimpulan tertentu mengenai r. Bila titik-titik menggerombol
mengikuti sebuah garis lurus dengan kemiringan positif, maka ada kolerasi positif
yang tinggi kedua peubah. Akan tetapi, bila titik-titik menggerombol mengikuti
sebuah garis lurus dengan kemiringan negatif, maka antara kedua peubah itu
terdapat kolerasi negatif yang tinggi. Kolerasi antara kedua peubah semakin
menurun secara numerik dengan semakin memancarnya atau menjauhnya titik-
titik dan suatu garis lurus.
Ukuran korelasi linier antara dua peubah yang paling banyak digunakan
adalah yang disebut koefisien korelasi momen hasil kali pearson atau ringkasnya
koefisien contoh.
Menurut Robert F. Walpole dalam bukunya Pengantar Statistika, 1996,
koefisien korelasi, ukuran hubungan linier antara dua peubah x dan y diduga
dengan koefisien korelasi contoh r, yaitu :
r =
Sy
Sx
b
yi i y n xi i x n
yi xi y xi n
n
i
n
i
n
i
n
i
n
i
n
i
n
i
·
1
1
]
1

¸

,
_

¸
¸

1
1
]
1

¸

,
_

¸
¸

,
_

¸
¸

,
_

¸
¸
∑ ∑ ∑ ∑
∑ ∑ ∑
· · · ·
· · ·
1
2
1
2
1
2
1
2
1 1 1
1
(1)
Dapat disimpulkan bahwa r nilainya pasti antara 0 dan 1. Alcibatnya r
mungkin mengambil nilai dari -1 sampai +1. Nilai r = 1 semua titik contoh
terletak pada satu garis iurus yang mempunyai kemiringan positif. Jadi, hubungan
linier sempurna terdapat antara nilai-nilai x dari y dalam contoh, bila r = + 1 atau
r = - 1. Bila r mendekati + 1 atau -1, hubungan antara kedua peubah itu kuat dan
terdapat korelasi yang tinggi aniara keduanya. Akan tetapi, bila r mendekari nol
hubungan linier antara x dan y sangat lemah atau mungkin tidak ada sama sekali.
II.2.2 Korelasi Ganda
Koefisien deterininasi berganda contoh diberikan oleh definisi berikut.
Definisi koefisien deterimnasi berganda untuk contoh acak.
{(x1i, x21, y1); i = 1, 2, .............., n)} (2)
Koefisien determinasi berganda contoh yang dilambangkan dengan R
2
y.
12, didefinisikan sebagai berikut :
R
2
y, 12 = 1 -
y S n
JKG
2
) 1 ( −
(3)
Sedangkan dalam hal ini:
JKG = (n – 1) (S
2
y – b
2
S
2
x) (4)
Koefisien korelasi berganda contoh, yang dilambangkan dengan R
2
y . 12,
didefinisikan sebagai akar positif dan koefisien deterininasi bergandanya.
II.3 Tugas Pendahuluan
Tugas pendahuluan ini dibuat agar praktikan dapat mengerti dalam
mengerjakan soal-soal mengenai korelasi.
1 Jumlah jam belajar / minggu (x) 10 15 12 20 16 22
Nilai yang diperoleh (y) 98 81 84 74 80 80
Tentukan koefisien korelasinya!
Jawab :
Tabel 2.3.1 Tabel jumlah jam belajar dengan nilai yang diperoleh
No xi yi xi . yi x
2
i y
2
i
1
2
3
4
5
6
10
15
12
20
16
22
98
81
84
74
80
80
920
1215
1008
1480
1280
1760
100
225
144
400
256
484
8464
6561
7056
5476
6400
6400
95 491 7663 1609 40.357
r =
1
1
]
1

¸

,
_

¸
¸

1
1
]
1

¸

,
_

¸
¸

,
_

¸
¸

,
_

¸
¸
∑ ∑ ∑ ∑
∑ ∑ ∑
· · · ·
· · ·
n
i
n
i
n
i
n
i
n
i
n
i
n
i
yi i y n xi i x n
yi xi yi xi n
1
2
1
2
1
2
1
2
1 1 1
.
r =
[ ] [ ]
2 2
) 491 ( ) 357 . 40 .( 6 . ) 95 ( ) 1609 ( . 6
) 491 ( . ) 95 ( ) 7663 ( . ) 6 (
− −

r = - 0,82
r
2
= 0,67
Jadi koefisien korelasi sebesar - 0,82, hal ini berarti hubungan korelasi lemah
karena nilai koefisien mendekati nhlai - 1.
2. PT. NIKE yang memproduksi sepatu ingin meneliti huhungan antara variabel
jumlah bahan baku dan variabel jumlah produk jadi. Berikut ini adalah data
mengenai jumlah bahan baku dan jumlah produk jadi dalam 5 bulan.
Tabel 2.3.2 Tabel jumlah bahan baku dengan jumlah produk jadi
Bulan ke Jumlah bahan baku Jumlah produk jadi
1
2
3
4
5
20
30
25
36
42
7
7
6
9
10
Tentukan koefesien korelasinya !
Bulan ke xi yi x
2
i y
2
i x
2
i xi . yi y
2
i
1
2
3
4
5
20
30
25
36
42
4
7
6
9
10
400
900
625
1296
1764
16
49
36
81
100
80
210
150
324
420
153 36 4985 1609 1184
r =
1
1
]
1

¸

,
_

¸
¸

1
1
]
1

¸

,
_

¸
¸

,
_

¸
¸

,
_

¸
¸
∑ ∑ ∑ ∑
∑ ∑ ∑
· · · ·
· · ·
n
i
n
i
n
i
n
i
n
i
n
i
n
i
yi i y n xi i x n
yi xi yi xi n
1
2
1
2
1
2
1
2
1 1 1
.
r =
[ ] [ ]
2 2
) 36 ( ) 282 ).( 5 ( . ) 153 ( ) 4985 ( . ) 5 (
) 36 ( . ) 183 ( ) 1184 ( . ) 5 (
− −

r = 0,99
Jadi koefisien korelasinya sebesar 0,99, hal ini berarti ada hubungan korelasi
yang kuat karena mendekati nilai koefisien + 1.
II.4 Pengolahan Data
Dalam pengolahan data korelasi dengan menggunakan software maka
diperlukan software penunjang, yaitu program SPSS. Pada pelaksanaan
praktikum di laboratoriun Teknik Industri Dasar digunakan program SPSS Versi
10.00.
Dalam pengujian kasus korelasi dengan menggunakan progran SPSS
Versi 10.00, penyelesaian untuk pemecahan suatu masalah adalah sebagai berikut
:
1. Memasukkan data ke SPSS
Langkah-langkahnya :
 Membuka lembar kerja baru
Dan menu utama file, pilih new, lalu klik data
 Menamai vaniabel dan property yang diperlukan
Kilk tab sheet variabel view yang ada di bagian kiri bawah. Setelah itu,
akan tampak SPSS data editor dengan urutan name, type, width, dan lain-
lain.
2. Mengisi data
Hal yang perlu diperhatikan dalam pengisian vaniabel name adalah “tidak
boleh ada spasi dalam pengisiannya”
3. Pengolahan data dengan SPSS
Langkah-langkahnya:
 Pilih menu analyze, lalu pilih submenu correlate
 Kemudian lakukan pengisian terhadap:
• Kolom variabel
• Kolom correlation coefisients, pilih pearson
• Kolom test of significance, pilih two- tailed
• Kolom flag significant correlations
• Kolom options
Pilih statistics
Pilih missing values, pilih exclude cases pairwise
 Tekan kontinu, lalu O.K
Untuk menghitung basil output dan SPSS maka kita dapat menggunakan
contoh soal dan korelasi linier . Untuk memasukkan data pada korelasi berganda
sama dengan korelasi linier dan begitu juga outputnya tidak berbeda jauh.
Correlations
Correlations
1 ,991**
. ,001
5 5
,991** 1
,001 .
5 5
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
JMLBHNBK
JMLPROD
JMLBHNBK JMLPROD
Correlation is significant at the 0.01 level (2-tailed).
**.
Dari output SPSS maka kita dapat menganalisanya :
 Berkenaan dengan besaran angka. Angka korelasi berkisar pada 0 (tidak ada
korelasi sama sekali) dan 1 (korelasi sempuma). Sebenamya tidak ada ketentuan
yang tepat mengenai apakah angka korelasi tertentu menunjukkan tingkat korelasi
yang tinggi atau lemah. Namun, dapat dijadikan pedoman sederhana, bahwa
angka korelasi di atas 0.5 menunjukkan korelasi yang cukup kuat, sedang di
bawah 0.5 korelasi lemah.
 Selain besar korelasi, tanda korelasi juga berpengaruh pada penafsiran hasil.
Tanda negatif pada output menunjukkkan adanya arah yang berlawanan,
sedangkan tanda positif menunjukkan arah yang sama.
Hipotesis
H
0
= Ada hubungan (korelasi) antara dua vaniabel
H
1
= Tidak ada hubungan (korelasi) antara dua variabel
Pengambilan Keputusan
A. Berdasarkan probabilitas
Jika probabilitas > 0.05, maka Ho diterima
Jika probabilitas < 0.05, maka Ho ditolak
Keputusan:
Terlihat bahwa antara jumlah bahan baku dengan jumlah produk jadi berkorelasi
secara signifikan karena probabilitas 0.99 lebih besar dan 0.05.
B. Berdasarkan tanda ** yang diberikan SPSS
Signifikan tidaknya korelasi dua variabel dapat dilihat dan adanya tanda **
pada pasangan data yang dikorelasikan.
Dari output yang dihasilkan terlihat variabel jumlah bahan baku dengan
variabel jumlah produk jadi terdapat tanda hingga dapat disimpulkan antara kedua
variabel tersebut berkorelasi secara signifikan.
MODUL III
CHI-SQUARE (KHI-KUADRAT)
III.1 Tujuan
Dari praktikum ini praktikan diharapkan :
1. Dapat membandingkan antara frekuensi-frekuensi harapan dengan frekuensi-
frekuensi teramati.
2. Dapat mengetahui data sebuah sampel yang diambil menunjang hipotesis yang
menyatakan bahwa populasi asal sampel tersebut mengikuti suatu distribusi yang telah
ditetapkan.
3. Dapat melatih kemampuan mahasiswa/mahasiswi untuk mengatasi masalah
industri yang berhubungan dengan chi-square.
4. Dapat mengembangkan keterampilan mahasiswa/mahasiswi dalam
menggunakan dan menganalisa dengan program SPSS 10.00
III.2 Landasan Teori
Sebaran chi-square (chi-kuadrat) adalah sebaran yang dimiliki oleh
suatu statistik bila ragam contoh acak berukuran n ditarik dari populasi normal
dengan ragam σ
2
. Sebaran chi-kuadrat dirumuskan:
(1)
III.2.1 Uji Kebaikan Suai
Uji kebaikan suai adalah uji yang didasarkan pada seberapa baik
kesesuaian antara frekuensi yang teramati dalam data contoh dengan frekuensi
harapan yang didasarkan pada sebaran yang dihipotesiskan. Untuk menentukan
apakah suatu populasi mempunyai sebaran teoritik tertentu. (Wallpole, 1996).
x
2
=
(n - 1) S
2
2
σ
Uji kebaikan suai dirumuskan :
(2)
Lambang OI dan ei masing-masing menyatakan frekuensi yang teramati
dan frekuensi harapan bagi sel ke-I, sedangkan nilai x
2
merupakan sebuah nilai
bagi peubah acak x
2
yang sebaran penarikan contohnya sangat menghampiri
sebaran chi-kuadrat.
Bila frekuensi yang teramati sangat dekat dengan frekuensi harapannya
nilai x
2
akan kecil. Hal ini menujukkan adanya kesesuaian yang baik, bila
frekuensi yang teramati berbeda cukup besar dari frekuensi harapannya nilai x
2
akan besar sehingga kesesuaiannya akan buruk. Kesesuaian yang baik akan
membawa pada penerimaan Ho, sedangkan kesesuaian yang buruk akan
membawa pada penolakan Ho.
Untuk taraf nyata α nilai kritiknya x
2
α dapat diperoleh pada tabel.
Dengan demikian wilayah kritiknya adalah x
2
> x
2
α. Kriteria keputusan ini tidak
untuk digunakan pada frekuensi harapan yang kurang dari 5. Persyaratan ini
mengakibatkan penggabungan sel yang berdekatan sehingga mengakibatkan
berkurangnya derajat bebas. Banyaknya derajat bebas dalam uji kebebasan suai
yang didasarkan pada sebaran chi-kuadrat adalah sama dengan banyaknya sel
dikurangi dengan banyaknya besaran yang diperoleh dari data pengamatan
(contoh) yang digunakan dalam perhitungan frekuensi harapannya.
III.2.2 Uji Kebebasan Suai
Prosedur uji chi-kuadrat dapat pula digunakan untuk menguji hipotesis
kebebasan antara 2 peubah. Uji kebebasan suai dirumuskan :
Σ
k
i =1
x
2
=
(Oi - ei)
2
ei
Σ
k
i =1
x
2
=
(Oi - ei)
2
ei
(3)
dengan :
V = (r - 1) (c - 1) derajat bebas
Bila x
2
= x
2
α tolak hipotesis o bahwa kedua penggolongan itu bebas
pada taraf nyata α, bila selainnya terima Ho (Wallpole, 1996).
III.2.3 Pengujian Beberapa Proporsi
Statistik chi-kuadrat untuk uji kebebasan dapat juga diterapkan untuk
menguji apakah k populasi binom memiliki parameter yang sama. Uji ini
merupakan selisih antara dua proporsi menjadi selisih antara k proporsi. Jadi kita
berkepentingan untuk menguji hipotesis Ho=P1-P2=…=Pk.
Lawan alternatifnya bahwa populasi proporsi itu tidak semuanya sama,
yang ekuivalen dengan pengujian bahwa terjadinya keberhasilan atau kegagalan
tidak tergantung pada populasi yang diambil contohnya.
Untuk melakukan uji ini pertama kita harus mengambil contoh acak
bebas yang berukuran masing-masing n1, n2 …, nk bentuk tabel kontingensi
sama dengan 2 x k.
Frekuensi harapan dihitung seperti cara yang telah diterangkan di atas,
kemudian bersama-sama dengan yang teramati dimasukan kedalam rumus untuk
uji kebebasan yaitu :
(4)
dengan :
V= (2-1) (k-1) derajat bebas
Dengan mengambil wilayah kritik diekor bagian kanan yang berbentuk
x
2
> x
2
α maka Ho dapat disimpulkan.
Σ
k
i =1
x
2
=
(Oi - ei)
2
ei
Perlu diingat bahwa statistik yang kita gunakan sebagai dasar
pengambilan keputusan, hanya dihampiri sebaran chi-kuadrat, nilai chi kuadrat
hitung bergantung pada frekuensi sel sebaran chi yang kontinue menghampiri
sebaran contoh bagi x
2
dengan sangat baik, asal V>1.
Dalam tabel kontingensi 2 x 2 dengan 1 derajat bebas, biasanya
digunakan koreksi Yate bagi kekontinuan. Rumus yang terkoreksi adalah :
(5)
Bila frekuensi harapannya besar, nilai yang terkoreksi maupun yang
tidak terkoreksi hampir sama. Bila f harapan antara 5 da 10 koreksi Yate harus
diterapkan. Bila f < 5 maka harus diterapkan uji pasti Fishe-Irwin. Untuk
menghindari uji ini kita harus mengambil contoh.
III.3 Tugas Pendahuluan
Tugas pendahuluan ini dibuat agar praktikan dapat mengerti dalam
mengerjakan soal-soal mengenai chi-square.
1. Survei dilakukan untuk mencari informasi tentang pola minum-minuman
beralkohol dengan status perkawinan seseorang dari 21 orang.
Responden yang diambil secara acak diketahui bahwa :
Tabel 3.3.1 Tabel status perkawinan dengan konsumsi minuman beralkohol
Bukan peminum Peminum ringan Peminum berat Total
Belum menikah
Menikah
Bercerai
2
2
3
2
3
1
4
2
2
8
7
6
Total 7 6 8 21
Dari data tersebut apakah ada keterkaitan antara status perkawinan dengan
konsumsi minuman beralkohol?
Jawab :
Σ
i =1
x
2
(corrected)=
( Oi - ei -0,5)
2
ei
¦ ¦
Diketahui : Ho = P1 = P2 + P3 (tidak ada keterkaitan)
H1 = P1 ≠ P2 ≠ P3 (ada keterkaitan)
α = 0,05 V = (3 - 1) , (3 - 1) = 4
wilayah kritik : x
2
> 9,488
Bukan peminum Peminum ringan Peminum berat Total
Belum menikah
Menikah
Bercerai
2 (2,67)
2 (2,34)
3(2)
2(2,28)
3(2)
1(1,72)
4(3,05)
2(2,67)
2(2,28)
8
7
6
Total 7 6 8 21
Kesimpulan : Terima Ho karena 2,057 < 9,488 sehingga tidak ada keterkaitan
antara status perkawinan dengan konsumsi minuman beralkohol.
2. Pengunjung salon “CANTIK” pada tanggal 10 januari 2002 yang dikategorikan
berdasarkan jenis kelamin dan umur pengunjung.
Tabel 3.3.2 Tabel jenis kelamin dengan umur pengunjung
e1 = = 2,67 e4 = = 2,34 e7 = = 2
e2 = = 2,28 e5 = = 2 e8 = = 1,72
e3 = = 3,05 e6 = = 2,67 e9 = = 2,28
7
8
6.7
21
7.7
21
8.6
21
6.7
21
6.6
21
8.8
21
8.7
21
6.8
21
x
2
=
(2 -2,67)
2
2,67
+
(2 - 2,28)
2
2,28
(4 - 3,05)
2
3,05
+
(2 - 2,34)
2
2,34
+
(3 - 2)
2
2
+
(2 - 2,67)
2
2,67
+ +
(3 - 2)
2
2
+
(1 - 1,72)
2
1,72
+
(2 - 2,28)
2
2,28
(fo - fe)
2
fe
x
2
=
x
2
= 2,057
Umur
Jenis kelamin
Pria Wanita
<30
30 atau>
4
3
3
2
Ujilah hipotesis bahwa jenis kelamin dan umur pengunjung adalah independent
pada tingkat signifikansi α = 0,01
Jawab :
Ho : µ1 = µ2 (tidak independen)
H1 : µ1 ≠ µ2 (independen)
α = 0,01 V = ( 2 - 1 ) . ( 2 – 1 ) = 1
Wilayah kritik = x
2
= ± 6,63 ⇨x
2
< - 6,63
x
2
> 6,63
Umur
Jenis kelamin
Total
Pria Wanita
< 30
30 atau >
4 (4,08)
3 (2,92)
3 (2,92)
2 (2,08)
7
5
Total 7 5 12
e1 = = 4,08 e3 = = 2,92
7.7
12
7.5
12
e2 = = 2,92 e4 = = 2,08
7.5
12
5.5
12
x
2
=
(fo - fe)
2
fe
(4 -4,08)
2
4,08
+
(3 - 2,92)
2
2,92
+
(2 - 2,08)
2
2,08
+ x
2
=
(3 - 2,92)
2
2,92
x
2
= ,02 . 10
-3
=0,00902
Kesimpulan : Terima Ho karena 0,0092 < 6,63 sehingga antara jenis kelamin
dan umur pengunjung bersifattidak independen.
III.4 Pengolahan Data
Dalam pengujian data chi-square dengan menggunakan software maka
diperlukan software penunjang, yaitu program SPSS. Pada pelaksanaan
praktikum di Laboraturium Teknik Industri Dasar digunakan program SPSS
Versi 10.00.
Dalam pengujian kasus chi-square dengan menggunakan program SPSS
Versi 10.00, penyelesaian untuk pemecahan suatu masalah adalah sebagai
berikut
1. Memasukkan data ke SPSS
Langkah-langkahnya :
 Membuka lembar kerja baru
Dari menu utama file, pilih new, lalu klik data
 Menamai variabel view yang ada dibagian kiri
bawah. Setelah itu akan tampil SPSS data editor dengan urutan name, type,
width dan lain-lain.
2. Mengisi data
Hal yang diperlukan dalam pengisian variabel name adalah “tidak boleh
ada spasi dalam pengisiannya”
3. Pengolahan data
Langkah-langkahnya :
 Pilih analyze, lalu pilih menu statistics kemudian
pilih submenu nonparametric test
 Kemudian lakukan pengisian terhadap
• Kolom test variabel list
• Kolom expected range, lalu pilih get from data
• Kolom expected value, lalu pilih all categories
equal
 Setelah pengisian lalu kontinue dan tekan O.K.
NPar Tests
Chi-Square Test
Frequencies
JNSKEL
7 6,0 1,0
5 6,0 -1,0
12
pria
wanita
Total
Observed N Expected N Residual
UMUR
7 6,0 1,0
5 6,0 -1,0
12
<30
30 atau >
Total
Observed N Expected N Residual
Test Statistics
,333 ,333
1 1
,564 ,564
Chi-Square
a
df
Asymp. Sig.
JNSKEL UMUR
0 cells (,0%) have expected frequencies less than
5. The minimum expected cell frequency is 6,0.
a.
Hipotesis
Ho = Tidak independen
H1 = Independen
Pengambilan Keputusan
A. Berdasarkan perbandingan chi-square uji dan tabel
Jika chi-square hitung < chi-square tabel, maka Ho diterima
Jika chi-square hitung > chi-square tabel, maka Ho ditolak
 Chi-square hitung pada output SPSS adalah 0.333
 Oleh karena chi-square hitung < chi square tabel
mqkq Ho diterima (0.333<6.63)
B. Berdasarkan Probabilitas
Jika probabilitas >0.05, maka Ho diterima
Jika probabilitas <0.05, maka Ho ditolak
Keputusan :
Terlihat bahwa pada kolom asyimp. Sig adalah 0,564 atau probabilitas
diatas 0.05 maka Ho diterima. Sehingga antara jenis kelamin dan umur
bersifat tidak independent.
MODUL IV
ANOVA SATU ARAH
Tujuan dan pelaksanaan praktikum ANOVA 1 arah, yakni :
1. Untuk mengetahui dan memahami uji statistik dengan menggunakan ANOVA,
terutama ANOVA 1 arah,
2. Untuk mengetahui persoalan dan masalah-masalah yang berkaitan dengan uji
ANOVA 1 arah dalam kehidupan sehari-hari.
3. Agar dapat menyelesaikan persoalan uji ANOVA 1 arah dan menarik kesimpulan
yang sesuai dengan persoalan yang diujikan..
A. Teori
Analisis ragam (Analysis of Variance) atau yang lebih dikenal dengan istilah
ANOVA adalah suatu teknik untuk menguji kesamaan beberapa rata-rata secara
sekaligus. Uji yang dipergunakan dalam ANOVA adalah uji F karena dipakai untuk
pengujian lebih dan 2 sampel.
Anova dapat digolongkan kedalam beberapa kriteria, yaitu :
1. Klasifikasi 1 arah
ANOVA klasifikasi 1 arah merupakan ANOVA yang didasarkan pada pengamatan
1 kriteria.
2. Klasifikasi 2 arah
ANOVA kiasifikasi 2 arah merupakan ANOVA yang didasarkan pada pengamatan
2 kritenia.
3. Klasifikasi banyak arah
ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan
banyak kriteria.
Pada pembahasan kali ini, dititikberatkan pada pengujian ANOVA 1 arah yaitu
pengujian ANOVA yang didasarkan pada pengamatan 1 kriteria. Setiap kriteria dalam
pengujian ANOVA mempunyai level.
Contoh :
Gambar 4.1 Kriteria dan Level
Asumsi pengujian ANOVA :
1. Populasi yang akan diuji berdistribusi normal
2. Varians/ragam dan populasi yang diuji sama
3. Sampel tidak berhubungan satu dengan yang lain
Tujuan dan pengujian ANOVA ini adalah untuk mengetahui apakah ada
pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan. Inisal,
seorang manajer produksi menguji apakah ada pengaruh kebisingan yang ditimbulkan
oleh mesin-mesin produksi di pabrik pada hasil perakitan sebuah komponen yang
cukup kecil dan sehuah sirkuit yang memerlukan konsentrasi yang tinggi dan seorang
operator rakit.
Dalam pengujian ANOVA ini, dipergunakan rumus hitung sebagai berikut:
Tabel 4.1 Analisis Ragam Kiasifikasi Satu Arah
Sumber
Keragaman
Jumlah
Kuadrat
Derajat
Bebas
Kuadrat
Tengah
F hitung
Sudut Pemotongan
30
0
45
0
Kriteria
Level
Nilai tengah
kolom
JKK k – 1 s
1
2
=
1 − k
JKK
2
2
2
1
s
s
Galat
(Error)
JKG k (n-1) s
1
2
=
) 1 ( − n k
JKG
Total HKT nk – 1
Sumber: Walpole, Ronald E. (199)
Dimana :
nk
T
x JKT
n
j
ij
k
i
..
2
2
1 1
− ·
∑ ∑
· ·
JKG = JKT – JKK
nk
T
n
T
JKK
k
i
i 2
2
1
..
− ·

·
B. Aplikasi Perhitungan Manual Pada Tugas Pendahuluan
1. Dari 5 tablet sakit kepala yang diberikan kepada 25 orang dicatat berapa lama
tablet-tablet itu dapat mengurangi rasa sakit. Ke-25 orang itu dibagi secara acak
ke dalam 5 grup dan masing-masing grup diberi satu jenis tablet.
Tabel 4.2
Lamanya Hilang Rasa Sakit
Tablet
A B C D E
5 9 3 2 7
4 7 5 3 6
8 8 2 4 9
6 6 3 1 4
5 9 7 4 7
Total
Nilai
Tengah
28
5.2
39
7.8
20
4.0
14
2.8
33
6.6
132
5.28
Lakukan analisis ragam, dan ujilah hipotesis pada taraf nyata 0.05 bahwa nilai
tengah lamanya tablet itu mengurangi rasa sakit adalah sama untuk kelima
tablet sakit kepala itu!
Penyelesaian :
1. H0 = nilai tengah lamanya tablet itu mengurangi rasa sakit adalah sama
2. H1 = sekurang-kurangnya dua nilai tengah tidak sama x = 0.05
3. α = 0.05
4. Wilayah kritik = f : 2.87
5. Perhitungan :
25
132
5
33 ... 39 26
137040 696960 834
25
132
7 ... 4 5
2 3 3 2
2
2 2 2

+ + +
·
· − ·
− + + + ·
JKK
JKT
JKT
JKK = 776400 – 696960 = 79440
JKG = 137040 – 79440 = 47600
Hasilnya dan perhitungan lainnya :
Tabel 4.3 Analisis Ragam bagi Data Klasifikasi Satu Arah
Sumber
Keragaman
Jumlah
Kuadrat
Derajat
Bebas
Kuadrat
Tengah
F hitung
Nilai tengah
kolom
79440 4 19860
6.90
Galat
(Error)
57600 20 2880
Total 137040 24
6. Keputusan: Tolak H
0
, dan simpulkan bahwa nilai tengah lamanya obat itu
dapat mengurangi rasa sakit tidak sama untuk kelima merek tablet sakit
kepala tersebut.
2. Ada yang mengatakan bahwa mobil mahal dirakit lebih berhati-hati
dibandingkan dengan mobil murah. Untuk menyelidiki apakah pendapat ini
beralasan, diambil tiga tipe mobil: mobil mewah besar A, sedan berukuran
sedang B, dan sedan subkompak hatchback C, untuk diselidiki berapa
banyaknya bagian yang cacat. Semua mobil itu diproduksi oleh pabrik yang
sama. Data banyaknya yang cacat dan beberapa mobil bagi ketiga tipe itu dapat
dilihat:
Tabel 4.4 Banyaknya Mobil Yang Cacat
Mobil
A B C
4 5 8
7 1 6
6 3 8
6 5 9
3 5
4
Total 23 21 36 80
Lakukan analisis ragam, dan ujilah hipotesis pada taraf nyata 0.05 bahwa rata-rata
banyaknya bagian yang cacat adalah sama untuk ketiga tipe mobil tersebut!
Penyelesaian :
1. H0 = rata-rata banyaknya bagian yang cacat adalah sama untuk ketiga tipe
mobil
2. H1 = sekurang-kurangnya dua nilai tengah tidak sama
3. α = 0,05
4. Wilayah kritik = f : 3.89
5. Perhitungan :
050 . 27 283 . 38 333 . 65
283 . 38
15
80
5
36
6
21
4
23
333 . 35
15
80
5 ... 7 4
2 2 2 2
2
2 2 2
· − ·
·
+ + + ·
·
− + + + ·
JKG
JKK
JKK
JKT
JKT
Hasilnya dan perhitungan lainnya :
Tabel 4.5
Analisis Ragam bagi Data Kiasifikasi Satu Arah
Sumber
Keragaman
Jumlah
Kuadrat
Derajat
Bebas
Kuadrat
Tengah
F hitung
Nilai tengah
kolom
38.283 2 19.142
8.49
Galat
(Error)
27.050 12 2.254
Total 65.333 14
6. Keputusan: Tolak H0, dan simpulkan bahwa rata-rata banyaknya bagian yang
cacat untuk ketiga model itu tidak sama.
C. Pengolahan Data dengan Software
Dalam pengujian data ANOVA 1 arah dengan menggunakan software maka
diperlukan software penunjang, yaitu program SPSS. Pada pelaksanaan praktikum di
Laboratorium Teknik Industri Dasar digunakan program SPSS ver. 10.0.
Dalam pengujian kasus ANOVA 1 arah dengan menggunakan program SPSS
ver 10.0 penyelesaian untuk pemecahan suatu masalah adalah sebagai berikut :
1. Memasukan data ke SPSS
Langkah-langkahnya :
a. Membuka lembar kerja baru
Dari menu utama File, pilih News lalu klik Data
b. Menamai variabel dan properti yang diperlukan
Klik tab sheet Variable View yang ada di bagian kiri bawah atau dapat juga
dilakukan dari menu View, lalu pilih Variable.
Setelah itu, akan tampak Kotak Dialog SPSS Editor dengan urutan Name, Type,
Width, dan seterusnya.
2. Mengisi data
Hal yang perlu diperhatikan dalam pengisian variabel Name adalah “tidak boleh
ada spasi dalam pengisiannya”.
3. Pengolahan data dengan SPSS
Langkah-langkahnya :
a. Pilih Analyze ------ Compare Means ------ One Way Anova
b. Kemudian lakukan pengisian terhadap :
- Kolom Dependent List
- Kolom Factor
- Kolom Option :
• Statistics
Pilih Descriptive dan Homogeneity of variance
• Missing Values
Pilih Exclude cases analysis by analysis
• Setelah pengisian5 tekan Continue
- Kolom Post-Hoc
• Equal Variances Assumed
Pilih Bonferroni
• Setelah pengisian, tekan Continue
- Setelah pengisian selesai, tekan OK
4. Kasus pengolahan data pada SPSS
Soal sama dengan soal Aplikasi manual pada bagian B.1 dan B.2.
Oneway
Des cr ipti ves
LAMANYA
5 5 ,6 0 1, 517 , 678 3,7 2 7, 48 4 8
5 7 ,8 0 1 ,304 , 58 3 6, 18 9, 42 6 9
5 4 ,0 0 2, 000 , 894 1, 52 6, 48 2 7
5 2,8 0 1 ,304 , 58 3 1, 18 4, 42 1 4
5 6 ,6 0 1, 817 , 81 2 4, 34 8, 86 4 9
25 5, 36 2, 343 , 469 4, 39 6, 33 1 9
A
B
C
D
E
Total
N Mea n Std. De viatio nStd. Er r o r Lower Boun dUppe r Bo und
95% Co nf iden ce Inter va l f or
Me an
Min imum Maximum
Test of Homogeneity of Variances
LAMANYA
,400 4 20 ,806
Levene
Statistic df1 df2 Sig.
ANOVA
LAMANYA
79,760 4 19,940 7,669 ,001
52,000 20 2,600
131,760 24
Between Groups
Within Groups
Total
Sum of
Squares df Mean Square F Sig.
Post Hoc Tests
Multiple Compar isons
Dependent Variable: LAMANYA
-2,20 1,020 ,236 -5,25 ,85
1,60 1,020 ,533 -1,45 4,65
2,80 1,020 ,082 -,25 5,85
-1,00 1,020 ,861 -4,05 2,05
2,20 1,020 ,236 -,85 5,25
3,80* 1,020 ,010 ,75 6,85
5,00* 1,020 ,001 1,95 8,05
1,20 1,020 ,764 -1,85 4,25
-1,60 1,020 ,533 -4,65 1,45
-3,80* 1,020 ,010 -6,85 -,75
1,20 1,020 ,764 -1,85 4,25
-2,60 1,020 ,119 -5,65 ,45
-2,80 1,020 ,082 -5,85 ,25
-5,00* 1,020 ,001 -8,05 -1,95
-1,20 1,020 ,764 -4,25 1,85
-3,80* 1,020 ,010 -6,85 -,75
1,00 1,020 ,861 -2,05 4,05
-1,20 1,020 ,764 -4,25 1,85
2,60 1,020 ,119 -,45 5,65
3,80* 1,020 ,010 ,75 6,85
-2,20 1,020 ,433 -5,42 1,02
1,60 1,020 1,000 -1,62 4,82
2,80 1,020 ,125 -,42 6,02
-1,00 1,020 1,000 -4,22 2,22
2,20 1,020 ,433 -1,02 5,42
3,80* 1,020 ,013 ,58 7,02
5,00* 1,020 ,001 1,78 8,22
1,20 1,020 1,000 -2,02 4,42
-1,60 1,020 1,000 -4,82 1,62
-3,80* 1,020 ,013 -7,02 -,58
1,20 1,020 1,000 -2,02 4,42
-2,60 1,020 ,191 -5,82 ,62
-2,80 1,020 ,125 -6,02 ,42
-5,00* 1,020 ,001 -8,22 -1,78
-1,20 1,020 1,000 -4,42 2,02
-3,80* 1,020 ,013 -7,02 -,58
1,00 1,020 1,000 -2,22 4,22
-1,20 1,020 1,000 -4,42 2,02
2,60 1,020 ,191 -,62 5,82
3,80* 1,020 ,013 ,58 7,02
(J) TABLET
B
C
D
E
A
C
D
E
A
B
D
E
A
B
C
E
A
B
C
D
B
C
D
E
A
C
D
E
A
B
D
E
A
B
C
E
A
B
C
D
(I) TABLET
A
B
C
D
E
A
B
C
D
E
Tukey HSD
Bonferroni
Mean
Difference
(I-J) Std. Error Sig. Lower Bound Upper Bound
95% Confidence Interval
The mean difference is significant at the .05 level.
*.
Oneway
Descriptives
CACAT
4 5,75 1,258 ,629 3,75 7,75 4 7
6 3,50 1,517 ,619 1,91 5,09 1 5
5 7,20 1,643 ,735 5,16 9,24 5 9
15 5,33 2,160 ,558 4,14 6,53 1 9
A
B
C
Total
N Mean Std. Deviation Std. Error Lower Bound Upper Bound
95% Confidence Interval for
Mean
Minimum Maximum
Test of Homogeneity of Variances
CACAT
,479 2 12 ,631
Levene
Statistic df1 df2 Sig.
ANOVA
CACAT
38,283 2 19,142 8,492 ,005
27,050 12 2,254
65,333 14
Between Groups
Within Groups
Total
Sum of
Squares df Mean Square F Sig.
Post Hoc Tests
Multiple Comparisons
Dependent Variable: CACAT
Bonferroni
2,25 ,969 ,116 -,44 4,94
-1,45 1,007 ,527 -4,25 1,35
-2,25 ,969 ,116 -4,94 ,44
-3,70* ,909 ,005 -6,23 -1,17
1,45 1,007 ,527 -1,35 4,25
3,70* ,909 ,005 1,17 6,23
(J) MOBIL
B
C
A
C
A
B
(I) MOBIL
A
B
C
Mean
Difference
(I-J) Std. Error Sig. Lower Bound Upper Bound
95% Confidence Interval
The mean difference is significant at the .05 level.
*.
ANALISA :
C.1. Soal Pertama
1. Descriptives
Pada bagian ini terlihat ringkasan statistik dan kelima sampel.
2. Test of Homogeneity of Variances
Tes ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA, yaitu
apakah kelima sampel mempunyai varians yang sama
Hipotesis:
H
0
= Kelima varians sampel adalah sama
H
1
= Kelima varians sampel adalah tidak sama.
Keputusan:
Jika signifikan lebih besar dari 0.05 maka H
0
diterima
Jika signifikan lebih kecil dan 0,05 maka H
0
ditolak
Berdasarkan pada hasil yang diperoleh pada test of homogeneity of variances,
dimana dihasilkan bahwa tingkat signifikan yang dihasilkan lebih besar dari 0.05
maka dapat disimpulkan hahwa kelima varians sampel adalah sama.
3. Anova
Setelah kelima varians terbukti sama, baru dilakukan uji ANOVA untuk menguji
apakah kelima sampel mempunyai rata-rata yang sama.
Hipotesis :
H
0
= Kelima rata-rata sampel adalah sama
H
1
= Kelima rata-rata sampel adalah tidak sama.
Keputusan :
• Jika f hitung lebih besar dari f tabel maka H
0
ditolak
• Jika f hitung lebih kecil dari f tabel maka H
0
diterima
• Jika signifikan lebih besar dari 0.05 maka H
0
diterima
• Jika signifikan lebih kecil dari 0.05 maka H
0
ditolak
Berdasarkan pada hasil yang diperoleh pada uji ANOVA, dimana dihasilkan bahwa
tingkat signifikan yang dihasilkan lebih kecil dari 0.05 dan f hitung yang dihasilkan
(6,896) lebih besar dan f tabel (2.87) maka dapat disimpulkan bahwa kelima rata-
rata sampel adalah tidak sama.
4. Pos Hoc Test
Setelah diketahui bahwa ada perbedaan yang signifikan diantara kelima kelompok
sampel, maka yang akan dibahas adalah kelompok mana saja yang berbeda dan
mana yang tidak berbeda?
Perbedaan antara kelompok yang satu dengan yang lainnya dapat diketahui dan ada
tidaknya. tanda bintang (*). Misalnya, pada hasil output diatas diketahui bahwa B
tidak memiliki perbedaan yang signifikan dengan A dan E tetapi memiliki
perbedaan yang signifikan dengan C dan D.
C.2. Soal Kedua
1. Descriptives
Pada bagian ini terlihat ringkasan statistik dan ketiga sampel.
2. Test of Homogeneity of Variances
Tes ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA, yaitu
apakah ketiga sampel mempunyai varians yang sama
Hipotesis :
H
0
= Ketiga varians sampel adalah sama
H
1
= Ketiga varians sampel adalah tidak sama.
Keputusan :
• Jika signifikan lebih besar dari 0.05 maka H
0
diterima
• Jika signifikan lebih kecil dan 0.05 maka H
0
ditolak
Berdasarkan pada hasil yang diperoleh pada test of homogeneity of variances,
dimana dihasilkan bahwa tingkat signifikan yang dihasilkan lebih besar dan 0.05
maka dapat disimpulkan bahwa ketiga varians sampel adalah sama.
3. Anova
Setelah kelima varians terbukti sama, baru dilakukan uji ANOVA untuk menguji
apakah kelima sampel mempunyai rata-rata yang sama.
Hipotesis :
H
0
= Kelima rata-rata sampel adalah sama
H
1
= Kelima rata-rata sampel adalah tidak sama.
Keputusan :
• Jika f hitung lebih besar dari f tabel maka H
0
ditolak
• Jika f hitung lebih kecil dari f tabel maka H
0
diterima
• Jika signifikan lebih besar dan 0.05 maka H
0
diterima
• Jika signifikan lebih kecil dan 0,05 maka H
0
ditolak
Berdasarkan pada hasil yang diperoleh pada uji ANOVA, dimana dihasilkan bahwa
tingkat signifikan yang dihasilkan lebih kecil dan 0.05 dan f hitung yang dihasilkan
(8.492) Iebih besar dan f tabel (3,89) maka dapat disimpulkan bahwa kelima rata-
rata sampel adalah tidak sama.
4. Pos Hoc Test
Setelah diketahui bahwa ada perbedaan yang signifikan diantara kelima kelompok
sampel, maka yang akan dibahas adalah kelompok mana saja yang berbeda dan
mana yang tidak berbeda?
Perbedaan antara kelonipok yangsatu dengan yang lainnya dapat diketahui dan ada
tidaknya tanda bintang (*). Misalnya, pada hasil output diatas diketahui bahwa B
tidak memiliki perbedaan yang signifikan dengan A tetapi memiliki perbedaan
yang signifikan dengan C.
MODUL V
ANOVA DUA ARAH
Tujuan dan pelaksanaan praktikum ANOVA 2 arah, yakni :
1. Untuk mengetahui dan memahami uji statistik dengan menggunakan ANOVA,
terutama ANOVA 2 arah,
2. Untuk mengetahui persoalan dan masalah-masalah yang berkaitan dengan uji
ANOVA 2 arah dalam kehidupan sehari-hari.
3. Agar dapat menyelesaikan persoalan uji ANOVA 2 arah dan menarik kesimpulan
yang sesuai dengan persoalan yang diujikan.
A. Teori
Analisis ragam (Analysis of Variance) atau yang lebih dikenal dengan istilah
ANOVA adalah suatu teknik untuk menguji kesamaan beberapa rata-rata secara
sekaligus. Uji yang dipergunakan dalam ANOVA adalah uji F karena dipakai untuk
pengujian lebih dari 2 sampel.
Anova dapat digolongkan kedalam beberapa kritenia, yaitu :
1. Klasifikasi 1 arah
ANOVA kiasifikasi 1 arah merupakan ANOVA yang didasarkan pada pengamatan
1 kriteria.
2. Klasifikasi 2 arah
ANOVA klasifikasi 2 arah merupakan ANOVA yang didasarkan pada pengamatan
2 kriteria.
3. Klasifikasi banyak arah
ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan
banyak kriteria.
Pada pembahasan. kali ini, dititikberatkan pada pengujian ANOVA 2 arah yaitu
pengujian ANOVA yang didasarkan pada pengamatan 2 kriteria. Setiap kriteria dalam
pengujian ANOVA mempunyal level.
Contoh :
Gambar 5.1 Kriteria dan Level
Asumsi pengujian ANOVA:
1. Populasi yang akan diuji berdistribusi normal
2. Varians/ragam dan populasi yang diuji sama
3. Sampel tidak berhubungan satu dengan yang lain
Tujuan dan pengujian ANOVA 2 arah ini adalah untuk mengetahui apakah ada
pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan. Misal,
seorang manajer teknik menguji apakah ada pengaruh antara jenis pelumas yang
dipergunakan pada roda pendorong dengan kecepatan roda pendorong terhadap hasil
penganyaman sebuah karung plastik pada mesin circular.
Dalam pengujian ANOVA ini, dipergunakan rumus hitung sebagai berikut:
Tipe Pemotongan
Terputus Kontinu
Kriteria
Level Level
Tabel 5.1 Analisis Ragam Klasifikasi Dua Arah
Sumber
Keragaman
Jumlah
Kuadrat
Derajat
Bebas
Kuadrat
Tengah
F hitung
Nilai tengah
baris
JKB r – 1 s
1
2
=
1 − r
JKB
2
3
2
1
1
s
s
f ·
Nilai tengah
kolom
JKK k – 1 s
2
2
=
1 − c
JKK
2
3
2
1
2
s
s
f ·
Galat
(Error)
JKG (r – 1) (c – 1)
s
3
2
=
) 1 ( ) 1 ( − − c r
JKG
Total JKT rc – 1
Sumber: Walpole, Ronald E. (1995)
Dimana:
Dimana :
rc
T
x JKT
c
j
ij
r
i
..
2
1
2
1
− ·
∑ ∑
· ·
JKG = JKT – JKB - JKK
rc
T
c
T
JKB
r
i
i 2
2
1
..
− ·

·
rc
T
r
j T
JKK
c
j
2
1
2
..
.
− ·

·
B. Aplikasi Perhitungan Manual Pada Tugas Pendahuluan
1. Data berikut ini adalah nilai akhir yang dicapai oleh 4 mahasiswa dalam mata
kuliah kalkulus, manajemen, fisika, dan agama.
Tabel 5.2 Daftar Nilai Akhir Mahasiswa
Mhs
Mata Kuliah Total
Kalkulus Ekonomi Fisika Agama
1 68 94 91 86 339
2 83 81 77 87 328
3 72 73 73 66 284
4 55 68 63 61 247
Total 278 316 304 300 1198
Lakukan analisis ragam, dan gunakan taraf nyata 0.05 untuk menguji hipotesis
bahwa :
a. Keempat mata kuliah itu mempunyai tingkat kesulitan yang sama!
b. Keempat mahasiswa itu mempunyai kemampuan yang sama!
Penyelesaian :
1. H0’ = Keempat mata kuliah itu mempunyal tingkat kesulitan yang sama
H0” = Keempat mahasiswa itu mempunyai kemampuan yang sama
2. H
1
’ = sekurang-kurangnya satu tidak sama
H
1
” = sekurang-kurangnya satu tidak sama
3. α = 0.05
4. Wilayah kritik = f
1
: 3.86, dan f
2
: 3.86
5. Perhitungan:
25 . 1342
16
1198
4
247 284 328 339
75 . 1921
16
1198
61 ... 83 68
2 2 2 2 2
2
2 3 2
·

+ + +
·
·
− + + + ·
JKB
JKB
JKT
JKT
75 . 390 75 . 188 25 . 1342 75 . 1921
75 . 188
16
1198
4
300 304 316 278
2 2 2 2 2
· − − ·
·

+ + +
·
JKG
JKK
JKK
Hasilnya dan perhitungan lainnya :
Tabel 5.3 Analisis Ragam bagi Data Klasifikasi Dua Arah
Sumber
Keragaman
Jumlah
Kuadrat
Derajat
Bebas
Kuadrat
Tengah
F hitung
Nilai tengah
baris
1342.25 3 447.42 f
1
= 10.3
Nilai tengah
kolom
188.75 3 62.92
f
2
= 1.45 Galat
(Error)
390.75 9 43.42
Total 1921.75 15
6. Keputusan :
a. Tolak H
0
’, dan simpulkan bahwa keempat mata kuliah mempunyai
kesulitan yang tidak sama.
b. Terima H
0
”, dan simpulkan bahwa keempat mahasiswa itu mempunyai
kemampuan yang sama.
C. Pengolahan Data dengan Software
Dalam pengujian data ANOVA 2 arah dengan menggunakan software maka
diperlukan software penunjang, yaitu program SPSS. Pada pelaksanaan praktikum di
Laboratorium Teknik Industri Dasar digunakan program SPSS ver. 10.0.
Dalam pengujian kasus ANOVA 2 arab dengan menggunakan program SPSS
ver 10.0, penyelesaian untuk pemecahan suatu masalah adalah sebagai berikut:
1. Memasukan data ke SPSS
Langkah-langkahnya :
a. Membuka lembar kerja baru
Dan menu utama File, pilih New, lalu klik Data.
b. Menamai variabel dan properti yang diperlukan
Klik tab sheet Variable View yang ada di bagian kiri bawah atau dapat juga
dilakukan dan menu View, lalu pilih Variable.
Setelah itu, akan tampak Kotak Dialog SPSS Editor dengan urutan Name, Type,
Width, dan seterusnya.
2. Mengisi data
Hal yang perlu diperhatikan dalam pengisian variabel Name adalah “tidak boleh
ada spasi dalam pengisiannya”.
3. Pengolahan data dengan SPSS
Langkah-langkahnya :
a. Pilih Analyze ------ General Linear Model ------ Univariate
b. Kemudian lakukan pengisian terhadap :
- Kolom Dependent Variable
- Kolom Factor(s)
• Masukkan yang termasuk Fixed Factor(s)
• Masukkan yang termasuk Random Factor(s)
• Setelah pengisian, tekan Continue
- Setelah pengisian selesai, tekan OK
4. Kasus pengolahan data pada SPSS
Soal sama dengan soal Aplikasi manual pada bagian B.1
Univariate Analysis of Variance
Between-Subjects Factors
KALKULUS 4
EKONOMI 4
FISIKA 4
AGAMA 4
4
4
4
4
1,00
2,00
3,00
4,00
MTKUL
1
2
3
4
MHS
Value Label N
Tests of Between-Subjects Effects
Dependent Variable: NILAI
89700,250 1 89700,250 200,485 ,001
1342,250 3 447,417
a
188,750 3 62,917 1,449 ,292
390,750 9 43,417
b
1342,250 3 447,417 10,305 ,003
390,750 9 43,417
b
390,750 9 43,417 . .
,000 0 .
c
Source
Hypothesis
Error
Intercept
Hypothesis
Error
MTKUL
Hypothesis
Error
MHS
Hypothesis
Error
MTKUL *
MHS
Type III Sum
of Squares df Mean Square F Sig.
MS(MHS)
a.
MS(MTKUL * MHS)
b.
MS(Error)
c.
ANALISA :
C.1. Soal
Test of Between-Subjects Effects adalah tes ini bertujuan untuk menguji:
1. Uji ANOVA 1 Faktor
Uji ini berguna untuk melihat apakah ada perbedaan yang nyata antara hasil
diantara jenis pupuk dan varietas gandum.
Hipotesis :
H
0
= Keempat rata-rata sampel adalah sama
H
1
= Keempat rata-rata sampel adalah tidak sama.
Keputusan :
• Jika f hitung lebih besar dan f tabel maka H
0
ditolak
• Jika f hitung lebih kecil dan f tabel maka H
0
diterima
• Jika signifikan lebih besar dan 0.05 maka H
0
diterima
• Jika signifikan lebih kecil dan 0.05 maka H
0
ditolak
a. Perbedaan rata-rata hasil berdasarkan kelompok gandum berdasarkan pada hasil
yang diperoleh, dimana dihasilkan bahwa tingkat signifikan yang dihasilkan
lebib kecil dan 0.05 dan f hitung yang dihasilkan (9.22) lebih besar dan f tabel
(4.76) maka tolak H
0
dan dapat disimpulkan bahwa keempat rata-rata sampel
adalah tidak sama.
b. Perbedaan rata-rata hasil berdasarkan kelompok pupuk
Berdasarkan pada hasil yang diperoleh, dimana dihasilkan bahwa tingkat
signifikan yang dihasilkan lebih besar dari 0.05 dan f hitung yang dihasilkan
(1.56) lebih kecil dan f tabel (5.14) maka terima H
0
dan dapat disimpulkan
bahwa keempat rata-rata sampel adalah sama.
2. Uji ANOVA Interaksi 2 Faktor
Uji ini berguna untuk melihat apakah ada interaksi terhadap hasil diantara jenis
pupuk dan varietas gandum.
Hipotesis :
H
0
= Keempat rata-rata sampel adalah sama
H
1
= Keempat rata-rata sampel adalah tidak sama.
Keputusan :
• Jika f hitung lebih besar dari f tabel maka H
0
ditolak
• Jika f hitung lebih kecil dari f tabel maka H
0
diterima
• Jika signifikan lebih besar dari 0.05 maka H
0
diterima
• Jika signifikan lebih kecil dari 0.05 maka H
0
ditolak
Berdasarkan pada hasil yang diperoleh, dihasilkan bahwa f hitung dan
signifikannya tidak ada maka tidak ada interaksi.
DAFTAR PUSTAKA
Walpole, Ronald E. 1995. Pengantar Statistika Edisi ke-3. Penerbit: PT. Gramedia
Pustaka Utama. Jakarta
Santoso, Singgih. 2002. SPSS Versi 10 Mengolah Data Statistik Secara Profesional.
Penerbit: PT. Elex Media Komputindo Kelompok Gramedia. Jakarta

TATA TERTIB DAN TATA CARA PRAKTIKUM STATISTIKA II (DUA)

Demi kelancaran jalannya praktikum STATISTIKA II, praktikan diwajibkan memenuhi tata tertib dan tata cara seperti yang tertera di bawah ini : TATA TERTIB 1. Praktikan dapat mengikuti praktikum bila memenuhi syarat-syarat sebagai berikut : a. Terdaftar pada KRS. b. Membawa kartu tanda praktikum. c. Membawa laporan pendahuluan yang diketik manual d. Membawa laporan akhir (laporan praktikum terdahulu) ketik komputer. e. Berpakaian rapi dan sopan untuk pria kemeja dan celana panjang bahan, untuk wanita kemeja dan rok bahan (tidak diperkenankan menggunakan yang berbahan jeans atau kaos). f. Menggunakan sepatu tertutup. 2. Praktikan harus hadir 15 menit sebelum praktikum dimulai dan toleransi keterlambatan adalab 10 menit setelah praktikum dimulai, lebih dari 10 menit praktikan tidak dapat mengikuti praktikum pada hari itu. 3. Ketika memasuki laboratorium, praktikan : a. Harus tenang, tertib dan sopan. b. Dilarang membawa makanan, minuman, rokok dan barang-barang lain yang tidak diperlukan pada saat praktikum. c. Untuk pria, kemeja harus dimasukkan ke dalam celana panjang (rapi). d. Tas, jaket dan lain-lain dimasukkan ke dalam locker. e. Dilarang mengaktifkan Hand phone.

4. Selama praktikum berlangsung, praktikan : a. Dilarang meninggalkan laboratorium tanpa seizin asisten atau penanggung jawab praktikum pada hari tersebut. b. Harus dapat menjaga keselamatan diri, alat-alat dan kebersihan laboratorium. c. Dilarang membuang sampah sembarangan di dalam laboratorium selama praktikum berlangsung. d. Sebelum meninggalkan laboratorium komputer yang telah digunakan harus dimatikan kembali (shut down). 5. Praktikan harus mengganti alat-alat yang rusak / hilang selama praktikiim berlangsung dengan alat yang sama, sebelum melanjutkan praktikum selanjutnya. 6. Setelah praktikum selesai dan disetujui asisten, praktikan: a. Melaporkan kelengkapan alat-alat yang digunakan pada asisten yang bersangkutan. b. Harus meminta paraf / tanda tangan pada asisten pada kartu tanda praktikum. 7. Bagi praktikan yang berhalangan karena sakit dapat menunjukkan surat keterangan dokter dan surat dan orang tua paling lambat pada saat praktikum berlangsung (diwakilkan). Melampaui waktu tersebut praktikan dinyatakan GAGAL 1 KALI. Batas maksimum untuk tidak hadir praktikum (absen) sebanyak dua kali dan wajib mengulang di praktikum pengulangan. 8. Praktikan yang tidak hadir / gagal : a. Diwajibkan mengulang pada praktikum pengulangan, dengan maksimal pengulangan 2 (dua kali), dan bila lebih dan dua kali pengulangan dinyatakan TIDAK LULUS. b. Diwajibkan membayar denda sebesar Rp. 5.000,- untuk setiap nomor percobaan (modul) ke Bank DKI. 9. Tata tertib ini dilaksanakan dengan penuh kesadaran.

TATA CARA 1. kelengkapan dan kerapihan tugas serta apabila tugas tersebut tidak memenuhi persyaratan. Ujian (persentasi) = 20% (perorangan) = 20% (perorangan) = 30% (kelompok) = 30% (perorangan) 5. Laporan akhir diketik komputer dengan huruf arial. . kertas A4 dan dikumpulkan 1 minggu setelah tugas diberikan (setelah praktikum).5. maka praktikan dianggap GAGAL!!!. Laporan akhir bendel / soft cover d. 7. spasi 1. Apabila ditemukan adanya tugas yang sama. maka tugas praktikan yang bersangkutan tidak akan dinilai untuk kemudian dinyatakan GAGAL!!!. Laporan akhir mingguan c. Bobot penilaian a. 3. 2. Jika praktikan tidak mengumpulkan / tidak mengerjakan salah satu dari tugas-tugas yang diberikan pada hari yang telah ditentukan. Laporan pendahuluan diketik manual dan apabila ada praktikan yang laporannya sama persis. Pada akhir modul setiap praktikum diwajibkan membuat risalah praktikum semua modul dan dijilid soft cover yang dikumpulkan secara berkelompok. 1). Karena penilaian tugas meliputi kebenaran tugas. 6. baik dari segi jawaban. tugas akan dikembalikan untuk diperbaiki dan dikumpulkan pada praktikum berikutnya (dengan kondisi nilai tugas telah dikurangi). Setiap tugas praktikum dikerjakan oleh masing-masing praktikan pada tiap minggunya. Keterlambatan penyerahan tugas akan menimbulkan sanksi berupa pengurangan nilai bagi tugas tersebut. Laporan pendahuluan dapat dilihat di mading Jurusan Teknik Industri (Kampus E Gedung 4 Lt. Laporan pendahuluan (LP) b. 4. jenis ketikan dan lain-lain. akan clikenakan sanksi dengan sanksi terberat dinyatakan GAGAL !!!. Tugas-tugas / laporan-laporan STATISTIKA II TIDAK BOLEH SAMA dengan praktikan yang lain.

9. Praktikan dapat diberikan peringatan. 10. Maret 2003 Penyusun . SELESAI. Depok. dikeluarkan ataupun digagalkan jika melanggar tata tertib dan tata cara praktikum STATISTIKA II ini.8. Diadakan persentasi akhir setelah menyerahkan laporan akhir soft cover.

.....3 1............. III-1 III.....1 1................................... Daftar Isi................................2...........2.........................................................2 Landasan Teori..........................2 Korelasi Ganda.............................................................................................................................................................................................................................................................. KORELASI................................... II..........................................................2.....1 1............................................................. 1................................................2 Landasan Teori............ II........................ Daftar Tabel................................1 Tujuan..........2........................ Daftar Gambar.....2 1.. II....................................................................................... Regresi Berganda...........................................1 Tujuan....................................................4 Pengolahan Data................... Modul I.......................................... Landasan Teori .. i ii vi viii ix I-1 I-1 I-1 I-1 I-2 I-3 I-6 II-1 II-1 II-1 II-1 II-2 II-3 II-5 Tugas Pendahuluan................................3 Tugas Pendahuluan................................................................................................. II...............................1 Uji Kebaikan Suai.......................... REGRESI......................................2 Uji Kebebasan Suai.................................. Modul III....2....... Regresi Linear.................................................................................................................................................................................................. Pengolahan Data.................... III-1 III.................................................................................................... III-2 .................................................................................................................. 1....... CHI-SQUARE..............2 Tujuan.......................... III-1 III..... Tata Terrtib dan Tata Cara Praktikum Statistika II............ II..............DAFTAR ISI Halaman Kata Pengantar..........................4 Modul II........1 Korelasi Linear.............................................2. III-1 III. II......................

. III-6 Modul IV........ III-3 III.......................................................................................................................... IV-6 V-1 V-1 V-3 V-7 Teori.......................................III.................. B.......... B. III-4 III......................................2....4 Pengolahan Data................................................... Pengolahan Data dengan Software........ IV-1 Aplikasi Perhitungan Manual Pada Tugas Pendahuluan.......... DAFTAR PUSTAKA LAMPIRAN ... ANOVA 2 ARAH.............................................. C................... A..................................................3 Tugas Pendahuluan........3 Pengujian Beberapa Proporsi...... C................. Modul V.......................... ANOVA 1 ARAH.... IV-1 A................. Teori............................................................................... IV-3 Pengolahan Data dengan Software............ Aplikasi Perhitungan Manual Pada Tugas Pendahuluan.................................

............. III-5 Tabel 4................................3........................................4 Tabel 5....1 Tabel 4...........3....... Daftar Nilai Akhir Mahasiswa.......1 Data Jumlah Kalori/hari dan Berat Badan Mahasiswa..........................1 Tabel Status Perkawinan dengan Konsumsi Minuman Beralkohol.........5 Tabel 5.... IV-6 Analisis Ragam Klasifikasi Dua Arah.....................4 Tabel 4............. IV-2 Lamanya Hilang Rasa Sakit....................DAFTAR TABEL Halaman Tabel 1.......... I-5 II-3 II-4 I-3 Tabel 3.... Nilai Ujian................. IV-5 Analisis Ragam Bagi Data Kiasifikasi Satu Arab.............3 Tabel 5....................................................... Tabel 2.....3................................. IV-4 Banyaknya Mobil yang Cacat..1 Tabel 5..............................5 Analisis Ragam Klasifikasi Satu Arah....................... IV-3 Analisis Ragam Bagi Data Kiasifikasi Satu Arab................3.........1 Tabel Jumlah Jam Belajar dengan Nilai yang Diperoleh..2 Tabel 5...........3..2 Tabel Jenis Kelamin dengan Umur Pengunjung.......3 Tabel 4..........2 Tabel 4...............2 Tabel Jumlah Bahan Baku dengan Jumlah Produk Jadi. Analisis Ragam Bagi Data Klasifikasi Dua Arah.....3....... Tabel 2......... V-3 V-4 V-5 V-5 V-7 ................ Tabel 1................................................ Hasil Gandum dalam Kilogram/petak.....2 Data Peringkat Kimia...... Analisis Ragam Bagi Data Klasifikasi Dua Arah......................................... III-4 Tabel 3...... Fekuensi Membolos Mahasiswa IKIP Jakarta...........

..................................................................................................1 Gambar 5.................2....1 Kriteria dan Level..........DAFTAR GAMBAR Halaman Gambar 1.. I-2 V-2 Kriteria dan Level...........................................................1 Garis Regresi........ IV-2 ......... Gambar 4...............................

1. dan tidak harus berimplikasi suatu regresi mendekati nilai tengah populasi (Wallpole. Kedua regresi ini memiliki perbedaan antara satu dengan yang lainnya.1 Tujuan Dari praktikum ini praktikan diharapkan : 1. 4.0 1. 10.MODUL I REGRESI I. Dapat mengembangkan keterampilan mahasiswa/mahasiswi dalam menggunakan dan menganalisa dengan SPPS Ver. Dapat menjelaskan pentingnya analisis hubungan.2 Landasan Teori Dalam landasan teori ini yang dibahas mengenai regresi yaitu regresi linier dan regresi berganda. Dapat menggunakan teknik ramalan dan melakukan analisis regresi. Regresi diterapkan pada semua jenis peramalan. 5. 3. 2. . Dapat melatih kemampuan mahasiswa/mahasiswi untuk mengatasi permasalahan industri yang berhubungan dengan regresi.1 Regresi Linier Persamaan regresi adalah persamaan matematik yang memungkinkan untuk meramalkan nilai-nilai suatu peubah tak bebas dari nilai-nilai satu atau lebih peubah bebas. 1996).2. Dapat memahami dan menerapkan regresi.

persamaannya menjadi : ŷ = b0+b1 x1I +b2 x2I + ei (5) (4) .2 … n].y = a + bx Gambar 1.b x (3) Dimana : a = Intersep / perpotongan dengan sumbu tegak b = Kemiringan y = Nilai ramalan yang dihasilkan garis regresi 1.2.2. I = 1. Dengan melambangkan nilai dugaannya dengan b0.. ŷ = b0+b1 x1+b2 x2+…+br xr dengan dua peubah bebas. maka didapat penulisan persamaan dalam bentuk.1 Garis Regresi Bila diberikan data contoh [(xi. br. yaitu : ŷ = a + bx dapat diperoleh dari rumus : (1) b= Σ n i =1 xi yi n 2 Σxii =1 (Σ )(Σ ) (Σ ) n xi n n yi i =1 i =1 2 (2) yi i =1 dan a =y.2 Regresi Berganda Berbeda dengan regresi linier maka regresi berganda lebih kompleks (sulit) untuk mencari persamaan regresi. …. maka nilai dugaan kuadrat terkecil bagi parameter dalam garis regresi.. b1. yi).

Σ yi b0 Σ x1i + b1 Σ x1i + b2 Σ x1i. . Berikut ini data mengenai jumlah kalori/hari yang dikonsumsi oleh mahasiswa dan berat badan mahasiswa yang bersangkutan.b2 x2 (9) 1. b1. antara lain dengan kaidah Cramer dan kemudian b0 dapat diperolah dari persamaan pertama dengan mengamati bahwa: b0 = y -b1 x1 . x2 i = Σ x1i yi b0 Σ x2 i + b1 Σ x1i x2i +b2 Σ x 2i = Σ x2i yi n n n n b0 + b1 n Σ i =1 x1 i + b2 n Σ i =1 2 x2i = n (6) (7) (8) i =1 n i =1 n i =1 n i =1 i =1 n n 2 i =1 i =1 i =1 i =1 Sistem persamaan linier tersebut dapat diselesaikan untuk mendapatkan b1 dan b2 dengan berbagai cara yang tersedia.Nilai dugaan kuadrat terkecil b0. dan b2 dapat diperoleh dengan memecahkan persamaan linier stimultan.3 Tugas Pendahuluan Tugas pendahuluan ini dibuat agar praktikan dapat mengerti dalam mengerjakan soal-soal mengenai regresi. 1.

3.1 Data Jumlah kalori/hari dan berat badan mahasiswa Nama Berat Badan Jumlah Kalori yang dikonsumsi Ivan 89 530 Mely 48 300 Rosa 56 358 Setia 72 510 Mayone 54 302 Lady 42 300 Anita 60 387 Wanto 85 527 Heri 63 415 Danu 74 512 Tentukan persamaan garis regresinya! Jawab : x = jumlah kalori yang dikonsumsi.Tabel 1. y = berat badan .

608 + 0. (414.x 2.292 Σ i =1 x2 i = 180.3 . Berikut ini data mengenai pringkat kimia.1) jadi persamaan regresinya : y = 2.x a = 64.(0.(4141) (643) 10 (180.(4141)2 130.233 x = 414. nilai ujian dan frekuensi membolos dari kuliah kimia oleh mahasiswa IKIP jakarta.469 b= b = 0.257 874.Σ 10 i =1 10 xi = 4141.292) .149) . .149 a=y -b.149 .1 y = 64.3 b= Σ n i =1 xi yi - Σ n i =1 x2 i - (Σ )(Σ ) (Σ ) n xi n n yi i =1 i =1 2 yi i =1 b= 10 (279. xi yi = 279.233) . yi = 643.

2.3 Data peringkat kimia.685 Σ x2 i yi = 3581 12 i =1 .Tabel 1.475 Σ 12 i =1 12 x2 i = 43 x2 2 i = 195 Σ x1 i . nilai ujian & frekuensi membolos mahasiswa IKIP Jakarta Siswa 1 2 3 4 5 6 7 8 9 10 11 12 Peringkat Kimia 85 74 76 90 85 87 94 98 81 91 76 Nilai Ujian 65 50 55 70 65 70 55 70 55 70 50 55 Frekuensi Membolos 1 7 5 2 6 3 2 5 4 3 1 4 74 Tentukan persamaan regresinya! Jawab : x1 = Nilai ujian x2 = Frekuensi membolos y = Peringkat kimia Σ 12 i =1 12 x1 i = 725 x2 1 i = 44. x2 = 2540 12 i =1 Σ i =1 Σ i =1 Σ yi = 1011 12 i =1 Σ 12 i =1 x1 i yi = 61.

2.00.547 + 0. yaitu program SPSS. width. penyelesaian untuk pemecahan suatu masalah adalah sebagai berikut : 1. Dengan demikian persamaan regresinya adalah : ŷ = 25.Dengan memasukkan nilai-nilai ini kedalam persamaan linier diatas.4 Pengolahan Data Dalam pengujian data regresi dengan menggunakan software maka diperlukan software penunjang. tipe. Dalam pengujian kasus regresi dengan menggunakan program SPSS Versi 10.475 b1 + 2540 b2 =61.284 x2 1. dan lain-lain. Pada pelaksanaan praktikum di Laboraturium Teknik Industri Dasar digunakan program SPSS Versi 10.284. b.685 Dengan menyelesaikan sistem persamaan linier ini.547. Membuka lembar kerja baru Dari menu utama file. kita memperoleh b0 = 27. dan b2 = 0. Memasukan data SPSS Langkah-langkahnya : a. b1 = 0. pilih new. lalu ketik data Menamai variabel dan property yang diperlukan Klik tab sheet variable view yang ada dibagian kiri bawah. .922 x1 + 0. Mengisi data Hal yang diperlukan dalam pengisian variabel name adalah “tidak boleh ada spasi dalam pengisiannya”. kita memperoleh : 12 b0 + 725 b1 + 43 b2 43 b0 + 2540 b1 +195 b2 =1011 =3581 725 b0 + 44. setelah itu.922.00. akan tampak dilayar kotak SPSS data editor dengan urutan name.

untuk keseragaman pilih default yang ada yaitu Kolom options enter  Pilih stepping method criteria dengan uji F Pilih include constant in equation Pilih missing value yaitu exclude cases listwise Klik continue untuk melanjutkan  Kolom statistic Pilih regression coefficient dengan klik estimate.456 98. Kolom dependent atau variabel tergantung Kolom independent atau variabel bebas Kolom case labels atau keterangan pada kasus Kolom method. Pilih menu analyze. dan model fit Pilih residual.571 N 10 10 . Deviation 15.K. maka kita dapat menggunakan contoh soal dari tugas pendahuluan diatas. kemudian pilih submenu regression Kemudian lakukan pengisian terhadap     b. klik pada casewise diagnostics dan pilih all casses Klik continue untuk melanjutkan  Tekan O.30 414.10 Std.3. Pengolahan data dengan SPSS Langkah-langkahnya : a. Untuk menghasilkan output dan menganalisa. desriptive. Regression Descriptive Statistics BRTBDN JMLKAL Mean 64.

846 26.201 Sig.000a a.017 Standardized Coefficients Beta . JMLKAL b.732 .891 Std. b.342 .950 1. Predictors: (Constant).000 . .950 .157 F 74.950 a . Error of the Estimate 5.355 8.149 . . Error 2. Dependent Variable: BRTBDN b Model Summary Model 1 R R Square . Dependent Variable: BRTBDN . Method Enter a. Dependent Variable: BRTBDN b ANO VA Model 1 Regression Residual Total Sum of Squares 1940.100 df 1 8 9 Mean Square 1940. All requested variables entered. (1-tailed) N BRTBDN JMLKAL BRTBDN JMLKAL BRTBDN JMLKAL BRTBDN 1.903 Adjusted R Square .000 .000 . 10 10 b Variables Entered/Removed Model 1 Variables Entered JMLKALa Variables Removed .000 10 10 JMLKAL .608 7. Dependent Variable: BRTBDN Coefficientsa Unstandardized Coefficients B Std. .614 (Constant) JMLKAL Sig.114 a.254 2150. Predictors: (Constant).000 a.950 Model 1 t .Correlations Pearson Correlation Sig. JMLKAL b.846 209.

43 1. Predicted Value Std.453 .57 7.822 1.30 55.943 N 10 10 10 10 a. maka kita dapat menganalisanya sebagai berikut :  Rata-rata berat badan tiap mahasiswa sebesar 64.12 64.453 Mean 64.137 .26 3.011 -1. Dependent Variable: BRTBDN Dari hasil output merupakan contoh soal untuk regresi linier.88 Residual 7.950.46  deviasi 98.88 -1. Residual Minimum 47.288 1.57  mahasiswa yang dihitung dengan koefisien adalah 0.037 -.000 .94 78.251 -1.59 6.59 47.176 1.26 81. hal ini menunjukan hubungan yang sangat erat ( mendekati + 1 ) diantara berat badan dengan jumlah kalori.30 .000 .288 Maximum 81.43 .60 47.70 .40 -5.158 -1.30 60.685 4.30 -.759 -. Deviation 14.280 -.051 .43 78.000 Std.06 -6.59 -1. Dependent Variable: BRTBDN Residuals Statisticsa Predicted Value Residual Std.10 kalori dengan standar Besar hubungan antara berat badan dengan jumlah kalori tiap deviasi 15.00 .a Casewise Diagnostics Case Number 1 2 3 4 5 6 7 8 9 10 Std.955 BRTBDN 89 48 56 72 54 42 60 85 63 74 Predicted Value 81.88 a. Residual 1. .30 kg dengan standar Rata-rata jumlah kalori mahasiswa sebesar 414.30 -6.57 47.43 -4.

maka Ho diterima Jika statistik t hitung >statistik t tabel.30% berat badan dapat dijelaskan oleh variabel jumlah kalori. Dengan membandingkan statistik hitung dengan statistik tabel Jika statistik t hitung < statistik t tabel. didapat F hitung adalah 74.05.11 Dari uji ANOVA.00000.149 Tabel selanjutnya menggambarkan persamaan regresi : Y = 2. R Square dapatdisebut koefisien determinasi.   Standar error of estimate adalah 5.201 dengan tingkat signifikansi 0. maka model regresi dapat dipakai untuk memprediksikan berat badan  Dimana :      Hipotesis Ho = Koefisien regresi tidak signifikan H1 = Koefisian regresi signifikan Pengambilan keputusan A.608 + 0.608 Koefisien regresi sebesar 0. maka Ho ditolak  Statistik t hitung Statistik tabel • • Tingkat signifikansi = 5 % Df = jumlah data –2 =10-2 = 8 Dari tabel output diatas terlihat bahwa t hitung adalah 8.903. Angka R Square adalah 0. yang dalam hal ini berarti 90.000) jauh lebih kecil dari 0.149X .614  Y = berat badan X = jumlah kalori Konstanta sebesar 2. oleh karena probabilitas (0.

Berdasarkan probabilitas Jika probabilitas >0. maka Ho ditolak Keputusan • Terlihat bahwa pada kolom significance adalah 0. atau probabilitas jauh dibawah 0. . maka Ho ditolak atau berat badan benar-benar berpengaruh secara signifikan terhadap jumlah kalori. maka Ho diterima Jika probabilitas <0.000.• • Uji dilakukan dua sisi Oleh karena statistik hitung > statistik tabel.05. maka Ho ditolak Keputusan B.05. yang berbeda hanya datanya saja dan outputnya juga hampir sama tidak berbeda jauh dari output regresi linier. • Untuk mencari regresi linier berganda cara memasukan data ke SPSS sama saja.05.

Analiis kolerasi mencoba mengukur kekuatan hubungan antara dua peubah demikian melalui sebuah bilangan yang disebut koefisien kolerasi. Kita ingin memandang permasalaban mengukur hubungan antara kedua peubah X dan Y. II. Dapat menghitung.1 Kolerasi Linier Sampai saat ini dianggap bahwa peubah bebas X dikendalikan. X sering disebut peubah matematika. . Dapat menjelaskan pentingnya analisis hubungan 3. Dapat melatih kemampuan mahasiswa/i untuk mengatasi permasalahan industri yang berhubungan dergan kolerasi 4. Sebetulnya dalam hal ini. jadi bukan suatu peubah acak.0 II.MODUL II KORELASI II. 10.koefisien korelasi 2. bila X adalah umur suatu mobil bekas dan Y nilai jual mobil tersebut.2.2 Landasan Teori Dalam landasan teori ini yang dibahas mengenai kolerasi yaitu kolerasi linier dan kolerasi berganda.1 Tujuan Dari praktikum ini praktikan diharapkan : 1. Dalam suatu kasus. maka kita membayangkan nilai-nilai X yang kecil berpadanan dengan nilai-nilai Y yang besar. yang dalam proses pengambilan terak tanpa galat yang berarti. Dapat mengembangkan keterampilan mahasiswa/i dalam menggunakan dan menganalisa dengan program SPSS Ver.

Jadi. Menurut Robert F. dan dilambangkan dengan r. hubungan linier sempurna terdapat antara nilai-nilai x dari y dalam contoh.2. Jadi. Alcibatnya r mungkin mengambil nilai dari -1 sampai +1. dapat ditarik kesimpulan tertentu mengenai r. yaitu : n  n  n  n∑ xi y1 ∑ xi   ∑ yi  Sx i =1  i =1   i =1  =b Sy  n 2  n 2   n 2  n 2  n∑ x i −  ∑ xi   n∑ y i −  ∑ yi    i =1    i =1  i =1    i =1    r= (1) Dapat disimpulkan bahwa r nilainya pasti antara 0 dan 1. Yi). n] dan contoh acak.1. Bila r mendekati + 1 atau -1.. r mengukur sejauh mana titik menggerombol sekitar sebuah garis lurus. Bila titik-titik menggerombol mengikuti sebuah garis lurus dengan kemiringan positif... Akan tetapi. I = 1... koefisien korelasi. maka antara kedua peubah itu terdapat kolerasi negatif yang tinggi. Nilai r = 1 semua titik contoh terletak pada satu garis iurus yang mempunyai kemiringan positif. maka ada kolerasi positif yang tinggi kedua peubah.. 1996.. Oleh karena itu dengan membuat diagram pencar bagi n pengamatan [(Xi. Ukuran korelasi linier antara dua peubah yang paling banyak digunakan adalah yang disebut koefisien korelasi momen hasil kali pearson atau ringkasnya koefisien contoh. Walpole dalam bukunya Pengantar Statistika. hubungan antara kedua peubah itu kuat dan . bila titik-titik menggerombol mengikuti sebuah garis lurus dengan kemiringan negatif. bila r = + 1 atau r = .Didefinisikan koefisien kolerasi linier sebagai huhungan linier antara dua peubah acak X dan Y. ukuran hubungan linier antara dua peubah x dan y diduga dengan koefisien korelasi contoh r. Kolerasi antara kedua peubah semakin menurun secara numerik dengan semakin memancarnya atau menjauhnya titiktitik dan suatu garis lurus..

2. {(x1i.3 Tugas Pendahuluan Tugas pendahuluan ini dibuat agar praktikan dapat mengerti dalam mengerjakan soal-soal mengenai korelasi.terdapat korelasi yang tinggi aniara keduanya.. y1). Definisi koefisien deterimnasi berganda untuk contoh acak.. 1 Jumlah jam belajar / minggu (x) Nilai yang diperoleh (y) Tentukan koefisien korelasinya! Jawab : Tabel 2... n)} 12. .. 12. JKG (n − 1) S 2 y (3) (2) Koefisien determinasi berganda contoh yang dilambangkan dengan R2 y....2 Korelasi Ganda Koefisien deterininasi berganda contoh diberikan oleh definisi berikut. ... 12 = 1 Sedangkan dalam hal ini: JKG = (n – 1) (S2y – b2 S2x) didefinisikan sebagai akar positif dan koefisien deterininasi bergandanya. yang dilambangkan dengan R2 y .1 Tabel jumlah jam belajar dengan nilai yang diperoleh No 1 2 3 4 5 6 xi 10 15 12 20 16 22 yi 98 81 84 74 80 80 xi . II. 2. II.3.. bila r mendekari nol hubungan linier antara x dan y sangat lemah atau mungkin tidak ada sama sekali. yi 920 1215 1008 1480 1280 1760 x2i 100 225 144 400 256 484 y2i 8464 6561 7056 5476 6400 6400 10 98 15 81 12 84 20 74 16 80 22 80 (4) Koefisien korelasi berganda contoh.. Akan tetapi. x21.. didefinisikan sebagai berikut : R2 y. i = 1..

95 491 7663 1609 40.357 .

82. n∑ y i −  ∑ yi    i =1    i =1  i =1    i =1     r = [6 . yi y2i 80 210 150 324 420 1184 .(1609) − (95) ] .357) − (491) ] 2 2 (6) . 2.3. Berikut ini adalah data mengenai jumlah bahan baku dan jumlah produk jadi dalam 5 bulan.67 Jadi koefisien korelasi sebesar .2 Tabel jumlah bahan baku dengan jumlah produk jadi Bulan ke 1 2 3 4 5 Jumlah bahan baku 20 30 25 36 42 Jumlah produk jadi 7 7 6 9 10 Tentukan koefesien korelasinya ! Bulan ke 1 2 3 4 5 xi 20 30 25 36 42 153 yi 4 7 6 9 10 36 x2i 400 900 625 1296 1764 4985 y2i x2i 16 49 36 81 100 1609 xi . hal ini berarti hubungan korelasi lemah karena nilai koefisien mendekati nhlai .(40.0.1. (7663) − (95) . NIKE yang memproduksi sepatu ingin meneliti huhungan antara variabel jumlah bahan baku dan variabel jumlah produk jadi.82 r2 = 0.0. PT.[6.r = n  n  n  n∑ xi yi ∑ xi   ∑ yi  i =1  i =1   i =1   n 2  n 2   n 2  n 2  n∑ x i −  ∑ xi   . Tabel 2. (491) r = .

pilih new. width. Setelah itu. Memasukkan data ke SPSS Langkah-langkahnya :  Membuka lembar kerja baru Dan menu utama file. (1184) − (183) . hal ini berarti ada hubungan korelasi yang kuat karena mendekati nilai koefisien + 1. yaitu program SPSS.(4985) − (153) ] . n∑ y i −  ∑ yi    i =1    i =1  i =1    i =1     r = [(5) . akan tampak SPSS data editor dengan urutan name.4 Pengolahan Data Dalam pengolahan data korelasi dengan menggunakan software maka diperlukan software penunjang. (36) r = 0. penyelesaian untuk pemecahan suatu masalah adalah sebagai berikut : 1. II.99 Jadi koefisien korelasinya sebesar 0. Mengisi data . Dalam pengujian kasus korelasi dengan menggunakan progran SPSS Versi 10.(282) − (36) ] 2 2 (5) . 2. type.[(5).99. lalu klik data  Menamai vaniabel dan property yang diperlukan Kilk tab sheet variabel view yang ada di bagian kiri bawah.00.00. dan lainlain.r = n  n  n  n∑ xi yi ∑ xi   ∑ yi  i =1  i =1   i =1   n 2  n 2   n 2  n 2  n∑ x i −  ∑ xi   . Pada pelaksanaan praktikum di laboratoriun Teknik Industri Dasar digunakan program SPSS Versi 10.

. lalu O. Correlation is significant at the 0.01 level (2-tailed). pilih two.991** . Correlations Correlations JMLBHNBK Pearson Correlation Sig.tailed Kolom flag significant correlations Kolom options Pilih statistics Pilih missing values.001 5 5 . (2-tailed) N Pearson Correlation Sig. Pengolahan data dengan SPSS Langkah-langkahnya:  Pilih menu analyze. . 5 5 JMLPROD **. (2-tailed) N JMLBHNBK JMLPROD 1 .K Untuk menghitung basil output dan SPSS maka kita dapat menggunakan contoh soal dan korelasi linier . lalu pilih submenu correlate Kemudian lakukan pengisian terhadap: Kolom variabel Kolom correlation coefisients.001 . pilih exclude cases pairwise   • • • • • Tekan kontinu.991** 1 . Untuk memasukkan data pada korelasi berganda sama dengan korelasi linier dan begitu juga outputnya tidak berbeda jauh.Hal yang perlu diperhatikan dalam pengisian vaniabel name adalah “tidak boleh ada spasi dalam pengisiannya” 3. pilih pearson Kolom test of significance.

 Selain besar korelasi. . Tanda negatif pada output menunjukkkan adanya arah yang berlawanan. Berdasarkan tanda ** yang diberikan SPSS Signifikan tidaknya korelasi dua variabel dapat dilihat dan adanya tanda ** pada pasangan data yang dikorelasikan. B.5 korelasi lemah.05. maka Ho diterima Jika probabilitas < 0. Hipotesis H0 = Ada hubungan (korelasi) antara dua vaniabel H1 = Tidak ada hubungan (korelasi) antara dua variabel Pengambilan Keputusan A. Berdasarkan probabilitas Jika probabilitas > 0. sedang di bawah 0. Dari output yang dihasilkan terlihat variabel jumlah bahan baku dengan variabel jumlah produk jadi terdapat tanda hingga dapat disimpulkan antara kedua variabel tersebut berkorelasi secara signifikan. sedangkan tanda positif menunjukkan arah yang sama. maka Ho ditolak Keputusan: Terlihat bahwa antara jumlah bahan baku dengan jumlah produk jadi berkorelasi secara signifikan karena probabilitas 0.5 menunjukkan korelasi yang cukup kuat.Dari output SPSS maka kita dapat menganalisanya :  Berkenaan dengan besaran angka. Namun. Sebenamya tidak ada ketentuan yang tepat mengenai apakah angka korelasi tertentu menunjukkan tingkat korelasi yang tinggi atau lemah.99 lebih besar dan 0.05. tanda korelasi juga berpengaruh pada penafsiran hasil.05. dapat dijadikan pedoman sederhana. bahwa angka korelasi di atas 0. Angka korelasi berkisar pada 0 (tidak ada korelasi sama sekali) dan 1 (korelasi sempuma).

2. menggunakan dan menganalisa dengan program SPSS 10. (Wallpole. 1996).MODUL III CHI-SQUARE (KHI-KUADRAT) III.2 Landasan Teori Sebaran chi-square (chi-kuadrat) adalah sebaran yang dimiliki oleh suatu statistik bila ragam contoh acak berukuran n ditarik dari populasi normal dengan ragam σ2.00 III. Untuk menentukan apakah suatu populasi mempunyai sebaran teoritik tertentu. 4. 3. Sebaran chi-kuadrat dirumuskan: (n .1 Uji Kebaikan Suai Uji kebaikan suai adalah uji yang didasarkan pada seberapa baik kesesuaian antara frekuensi yang teramati dalam data contoh dengan frekuensi harapan yang didasarkan pada sebaran yang dihipotesiskan. menyatakan bahwa populasi asal sampel tersebut mengikuti suatu distribusi yang telah ditetapkan. Dapat melatih kemampuan mahasiswa/mahasiswi untuk mengatasi masalah Dapat mengembangkan keterampilan mahasiswa/mahasiswi dalam industri yang berhubungan dengan chi-square. .1) S2 σ2 x2 = (1) III.2. Dapat membandingkan antara frekuensi-frekuensi harapan dengan frekuensiDapat mengetahui data sebuah sampel yang diambil menunjang hipotesis yang frekuensi teramati.1 Tujuan Dari praktikum ini praktikan diharapkan : 1.

bila frekuensi yang teramati berbeda cukup besar dari frekuensi harapannya nilai x2 akan besar sehingga kesesuaiannya akan buruk. sedangkan nilai x2 merupakan sebuah nilai bagi peubah acak x2 yang sebaran penarikan contohnya sangat menghampiri sebaran chi-kuadrat. Persyaratan ini mengakibatkan penggabungan sel yang berdekatan sehingga mengakibatkan berkurangnya derajat bebas.2 Uji Kebebasan Suai Prosedur uji chi-kuadrat dapat pula digunakan untuk menguji hipotesis kebebasan antara 2 peubah. Banyaknya derajat bebas dalam uji kebebasan suai yang didasarkan pada sebaran chi-kuadrat adalah sama dengan banyaknya sel dikurangi dengan banyaknya besaran yang diperoleh dari data pengamatan (contoh) yang digunakan dalam perhitungan frekuensi harapannya. Kesesuaian yang baik akan membawa pada penerimaan Ho. Hal ini menujukkan adanya kesesuaian yang baik. Bila frekuensi yang teramati sangat dekat dengan frekuensi harapannya nilai x2 akan kecil. Untuk taraf nyata α nilai kritiknya x2 α dapat diperoleh pada tabel.Uji kebaikan suai dirumuskan : x2 = Σ k i =1 (Oi . Uji kebebasan suai dirumuskan : x2 = Σ k i =1 (Oi . Kriteria keputusan ini tidak untuk digunakan pada frekuensi harapan yang kurang dari 5.2.ei)2 ei (2) Lambang OI dan ei masing-masing menyatakan frekuensi yang teramati dan frekuensi harapan bagi sel ke-I. III.ei)2 ei . sedangkan kesesuaian yang buruk akan membawa pada penolakan Ho. Dengan demikian wilayah kritiknya adalah x2 > x2 α.

Lawan alternatifnya bahwa populasi proporsi itu tidak semuanya sama.(3) dengan : V = (r . Uji ini merupakan selisih antara dua proporsi menjadi selisih antara k proporsi. bila selainnya terima Ho (Wallpole. 1996). III.1) derajat bebas Bila x2 = x2 α tolak hipotesis o bahwa kedua penggolongan itu bebas pada taraf nyata α.2. Frekuensi harapan dihitung seperti cara yang telah diterangkan di atas. n2 …. yang ekuivalen dengan pengujian bahwa terjadinya keberhasilan atau kegagalan tidak tergantung pada populasi yang diambil contohnya. . Untuk melakukan uji ini pertama kita harus mengambil contoh acak bebas yang berukuran masing-masing n1.ei)2 ei (4) dengan : V= (2-1) (k-1) derajat bebas Dengan mengambil wilayah kritik diekor bagian kanan yang berbentuk x2 > x2 α maka Ho dapat disimpulkan.3 Pengujian Beberapa Proporsi Statistik chi-kuadrat untuk uji kebebasan dapat juga diterapkan untuk menguji apakah k populasi binom memiliki parameter yang sama. Jadi kita berkepentingan untuk menguji hipotesis Ho=P1-P2=…=Pk.1) (c . nk bentuk tabel kontingensi sama dengan 2 x k. kemudian bersama-sama dengan yang teramati dimasukan kedalam rumus untuk uji kebebasan yaitu : x2 = Σ k i =1 (Oi .

1 Tabel status perkawinan dengan konsumsi minuman beralkohol Belum menikah Menikah Bercerai Total Bukan peminum 2 2 3 7 Peminum ringan 2 3 1 6 Peminum berat 4 2 2 8 Total 8 7 6 21 beralkohol dengan status perkawinan seseorang dari 21 orang.ei | -0. nilai chi kuadrat hitung bergantung pada frekuensi sel sebaran chi yang kontinue menghampiri sebaran contoh bagi x2 dengan sangat baik. Bila f harapan antara 5 da 10 koreksi Yate harus diterapkan.3. Untuk menghindari uji ini kita harus mengambil contoh. Survei dilakukan untuk mencari informasi tentang pola minum-minuman Responden yang diambil secara acak diketahui bahwa : Tabel 3. Rumus yang terkoreksi adalah : x2 (corrected)= Σ i =1 ( | Oi .5)2 ei (5) Bila frekuensi harapannya besar.Perlu diingat bahwa statistik yang kita gunakan sebagai dasar pengambilan keputusan. hanya dihampiri sebaran chi-kuadrat. Dari data tersebut apakah ada keterkaitan antara status perkawinan dengan konsumsi minuman beralkohol? Jawab : . biasanya digunakan koreksi Yate bagi kekontinuan. III. Bila f < 5 maka harus diterapkan uji pasti Fishe-Irwin. nilai yang terkoreksi maupun yang tidak terkoreksi hampir sama. Dalam tabel kontingensi 2 x 2 dengan 1 derajat bebas. 1.3 Tugas Pendahuluan Tugas pendahuluan ini dibuat agar praktikan dapat mengerti dalam mengerjakan soal-soal mengenai chi-square. asal V>1.

05 21 e4 = e5 = e6 = 7.2)2 (1 .1.3.67 (3 .34)2 (3 .67) 2 (2.488 sehingga tidak ada keterkaitan antara status perkawinan dengan konsumsi minuman beralkohol.05) 2(2.67 8 e2 = e3 = 8. Pengunjung salon “CANTIK” pada tanggal 10 januari 2002 yang dikategorikan Tabel 3. (3 .2 Tabel jenis kelamin dengan umur pengunjung berdasarkan jenis kelamin dan umur pengunjung.fe)2 fe (2 -2.2.2.2.28)2 (4 .28) 3(2) 1(1.28 21 8.8 = 2.3.1) = 4 6.6 = 2.8 = 3. 2.67 2.72)2 (2 .1) .67 21 e7 = e8 = e9 = 6.72 2.72 21 6.7 =2 21 V = (3 . .28 3.67) 2(2.28 21 Belum menikah Menikah Bercerai Total x2 = x2 = Bukan peminum 2 (2.7 = 2.7 =2 21 8.057 < 9.05 wilayah kritik : x2 > 9.057 Kesimpulan : Terima Ho karena 2.28 x2 = 2.28) 8 Total 8 7 6 21 (fo .05 2.488 e1 = 7 = 2.34 2 2.72) 6 Peminum berat 4(3.05)2 (2 .7 = 2.28)2 + + 2 1.6 = 1.2)2 (2 .Diketahui : Ho = P1 = P2 + P3 (tidak ada keterkaitan) H1 = P1 ≠ P2 ≠ P3 (ada keterkaitan) α = 0.67)2 (2 .34) 3(2) 7 Peminum ringan 2(2.67)2 + + + + + + 2.34 21 6.2.

5 = 2.01 V=(2-1).2.fe)2 fe e3 = e4 = 7.92 12 5.08 x2 = .92 2.92) 7 Wanita 3 (2.01 Jawab : Ho : µ1 = µ2 (tidak independen) H1 : µ1 ≠ µ2 (independen) α = 0.08)2 + + + 4. 10-3=0.(2–1)=1 Wilayah kritik = x 2 = ± 6.92)2 (3 .2.5 = 2.5 = 2.92 12 (fo .08 2.7 = 4.08)2 (3 .2.92)2 (2 .63 ⇨x2 < .08) 3 (2.08 12 x2 = x2 = (4 -4.Umur <30 Jenis kelamin Pria 4 Wanita 3 30 atau> 3 2 Ujilah hipotesis bahwa jenis kelamin dan umur pengunjung adalah independent pada tingkat signifikansi α = 0.00902 .63 x2 > 6.6.63 Umur < 30 30 atau > Total Jenis kelamin Pria 4 (4.08) 5 Total 7 5 12 e1 = e2 = 7.02 .92 2.92) 2 (2.08 12 7.

Setelah itu akan tampil SPSS data editor dengan urutan name.Kesimpulan : Terima Ho karena 0. 2.0092 < 6. Mengisi data .00. III. type.63 sehingga antara jenis kelamin dan umur pengunjung bersifattidak independen. Pada pelaksanaan praktikum di Laboraturium Teknik Industri Dasar digunakan program SPSS Versi 10. yaitu program SPSS.4 Pengolahan Data Dalam pengujian data chi-square dengan menggunakan software maka diperlukan software penunjang. lalu klik data  Menamai variabel view yang ada dibagian kiri bawah. pilih new. Dalam pengujian kasus chi-square dengan menggunakan program SPSS Versi 10. Memasukkan data ke SPSS Langkah-langkahnya :  Membuka lembar kerja baru Dari menu utama file.00. penyelesaian untuk pemecahan suatu masalah adalah sebagai berikut 1. width dan lain-lain.

K. lalu pilih menu statistics kemudian pilih submenu nonparametric test  • • • Kemudian lakukan pengisian terhadap Kolom test variabel list Kolom expected range. Pengolahan data Langkah-langkahnya :  Pilih analyze. lalu pilih all categories equal  Setelah pengisian lalu kontinue dan tekan O. lalu pilih get from data Kolom expected value.Hal yang diperlukan dalam pengisian variabel name adalah “tidak boleh ada spasi dalam pengisiannya” 3. NPar Tests Chi-Square Test Frequencies .

0 6.333<6. Berdasarkan perbandingan chi-square uji dan tabel Jika chi-square hitung < chi-square tabel.0 Test Statistics Chi-Squarea df Asymp. maka Ho ditolak   Chi-square hitung pada output SPSS adalah 0.564 UMUR . Sig.333 1 . maka Ho diterima Jika chi-square hitung > chi-square tabel.0%) have expected frequencies less than 5.333 Oleh karena chi-square hitung < chi square tabel mqkq Ho diterima (0.63) .0 -1.0 Residual 1.0.0 -1.JNSKEL pria wanita Total Observed N 7 5 12 Expected N 6. Hipotesis Ho = Tidak independen H1 = Independen Pengambilan Keputusan A.0 6. JNSKEL .0 Residual 1. The minimum expected cell frequency is 6. 0 cells (.0 UMUR <30 30 atau > Total Observed N 7 5 12 Expected N 6.564 a.333 1 .

05.B. MODUL IV ANOVA SATU ARAH .05. Sehingga antara jenis kelamin dan umur bersifat tidak independent. maka Ho diterima Jika probabilitas <0.05 maka Ho diterima.564 atau probabilitas diatas 0. Sig adalah 0. maka Ho ditolak Keputusan : Terlihat bahwa pada kolom asyimp. Berdasarkan Probabilitas Jika probabilitas >0.

Teori Analisis ragam (Analysis of Variance) atau yang lebih dikenal dengan istilah ANOVA adalah suatu teknik untuk menguji kesamaan beberapa rata-rata secara sekaligus. 3. 2. Untuk mengetahui dan memahami uji statistik dengan menggunakan ANOVA. Agar dapat menyelesaikan persoalan uji ANOVA 1 arah dan menarik kesimpulan yang sesuai dengan persoalan yang diujikan. Uji yang dipergunakan dalam ANOVA adalah uji F karena dipakai untuk pengujian lebih dan 2 sampel. Klasifikasi 2 arah ANOVA kiasifikasi 2 arah merupakan ANOVA yang didasarkan pada pengamatan 2 kritenia. Anova dapat digolongkan kedalam beberapa kriteria. . Klasifikasi banyak arah ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan banyak kriteria. dititikberatkan pada pengujian ANOVA 1 arah yaitu pengujian ANOVA yang didasarkan pada pengamatan 1 kriteria. Klasifikasi 1 arah ANOVA klasifikasi 1 arah merupakan ANOVA yang didasarkan pada pengamatan 1 kriteria. yaitu : 1. terutama ANOVA 1 arah.. yakni : 1. 3. Setiap kriteria dalam pengujian ANOVA mempunyai level. Pada pembahasan kali ini. 2. Untuk mengetahui persoalan dan masalah-masalah yang berkaitan dengan uji ANOVA 1 arah dalam kehidupan sehari-hari.Tujuan dan pelaksanaan praktikum ANOVA 1 arah. A.

1 Kriteria dan Level Asumsi pengujian ANOVA : 1. seorang manajer produksi menguji apakah ada pengaruh kebisingan yang ditimbulkan oleh mesin-mesin produksi di pabrik pada hasil perakitan sebuah komponen yang cukup kecil dan sehuah sirkuit yang memerlukan konsentrasi yang tinggi dan seorang operator rakit. Sampel tidak berhubungan satu dengan yang lain Tujuan dan pengujian ANOVA ini adalah untuk mengetahui apakah ada pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan. Varians/ragam dan populasi yang diuji sama 3.Contoh : Kriteria Sudut Pemotongan 300 450 Level Gambar 4. Populasi yang akan diuji berdistribusi normal 2. dipergunakan rumus hitung sebagai berikut: Tabel 4. Inisal. Dalam pengujian ANOVA ini.1 Analisis Ragam Kiasifikasi Satu Arah Sumber Keragaman Jumlah Kuadrat Derajat Bebas Kuadrat Tengah F hitung .

Ronald E.2 Lamanya Hilang Rasa Sakit A B Tablet C D E .2 nk B. Tabel 4. Ke-25 orang itu dibagi secara acak ke dalam 5 grup dan masing-masing grup diberi satu jenis tablet. (199) Dimana : JKT = ∑ i =1 k k JKK k −1 JKG s12 = k (n − 1) s12 = s1 2 s2 2 ∑ xij − j =1 2 i n 2 T 2 .. Aplikasi Perhitungan Manual Pada Tugas Pendahuluan 1. nk JKG = JKT – JKK JKK = ∑T i =1 n − T . Dari 5 tablet sakit kepala yang diberikan kepada 25 orang dicatat berapa lama tablet-tablet itu dapat mengurangi rasa sakit.Nilai tengah kolom Galat JKK k–1 k (n-1) nk – 1 JKG (Error) Total HKT Sumber: Walpole..

α = 0. H0 = nilai tengah lamanya tablet itu mengurangi rasa sakit adalah sama 2.2 28 39 9 7 8 6 9 20 7.28 Lakukan analisis ragam.6 5.3 Analisis Ragam bagi Data Klasifikasi Satu Arah . H1 = sekurang-kurangnya dua nilai tengah tidak sama x = 0.0 2 3 4 1 4 33 2. dan ujilah hipotesis pada taraf nyata 0. Perhitungan : 132 2 25 JKT = 834 − 696960 = 137040 JKT = 52 + 4 2 + .87 5.05 bahwa nilai tengah lamanya tablet itu mengurangi rasa sakit adalah sama untuk kelima tablet sakit kepala itu! Penyelesaian : 1. + 7 2 − JKK = 26 2 + 393 + .05 3. + 333 132 2 − 5 25 JKK = 776400 – 696960 = 79440 JKG = 137040 – 79440 = 47600 Hasilnya dan perhitungan lainnya : Tabel 4.8 3 5 2 3 7 14 4....8 7 6 9 4 7 132 6.05 4. Wilayah kritik = f : 2..5 4 8 6 5 Total Nilai Tengah 5.

4 Banyaknya Mobil Yang Cacat A 4 7 6 6 Total 23 Mobil B 5 1 3 5 3 4 21 C 8 6 8 9 5 36 80 .90 2880 6. Semua mobil itu diproduksi oleh pabrik yang sama. Untuk menyelidiki apakah pendapat ini beralasan. Data banyaknya yang cacat dan beberapa mobil bagi ketiga tipe itu dapat dilihat: Tabel 4. Keputusan: Tolak H0. dan simpulkan bahwa nilai tengah lamanya obat itu dapat mengurangi rasa sakit tidak sama untuk kelima merek tablet sakit kepala tersebut. dan sedan subkompak hatchback C.Sumber Keragaman Nilai tengah kolom Galat (Error) Total Jumlah Kuadrat 79440 57600 137040 Derajat Bebas 4 20 24 Kuadrat Tengah 19860 F hitung 6. 2. diambil tiga tipe mobil: mobil mewah besar A. untuk diselidiki berapa banyaknya bagian yang cacat. Ada yang mengatakan bahwa mobil mahal dirakit lebih berhati-hati dibandingkan dengan mobil murah. sedan berukuran sedang B.

α = 0. dan ujilah hipotesis pada taraf nyata 0..89 5.283 JKK = JKG = 65 . + 52 − JKT = 35 .Lakukan analisis ragam.05 bahwa rata-rata banyaknya bagian yang cacat adalah sama untuk ketiga tipe mobil tersebut! Penyelesaian : 1. Wilayah kritik = f : 3.. Perhitungan : JKT = 4 2 + 7 2 + .05 4. H0 = rata-rata banyaknya bagian yang cacat adalah sama untuk ketiga tipe mobil 2.333 23 2 21 2 36 2 80 2 + + + 4 6 5 15 JKK = 38 .050 80 2 15 . H1 = sekurang-kurangnya dua nilai tengah tidak sama 3.333 − 38 .283 = 27 .

0 penyelesaian untuk pemecahan suatu masalah adalah sebagai berikut : 1. yaitu program SPSS. pilih News lalu klik Data b. akan tampak Kotak Dialog SPSS Editor dengan urutan Name.49 2. Width. lalu pilih Variable.050 65. C. 10.5 Analisis Ragam bagi Data Kiasifikasi Satu Arah Sumber Keragaman Nilai tengah kolom Galat (Error) Total Jumlah Kuadrat 38. Setelah itu.333 Derajat Bebas 2 12 14 Kuadrat Tengah 19. Memasukan data ke SPSS Langkah-langkahnya : a. .142 8.254 F hitung 6.283 27.Hasilnya dan perhitungan lainnya : Tabel 4. Dalam pengujian kasus ANOVA 1 arah dengan menggunakan program SPSS ver 10. dan seterusnya. Type. dan simpulkan bahwa rata-rata banyaknya bagian yang cacat untuk ketiga model itu tidak sama. Membuka lembar kerja baru Dari menu utama File.0. Menamai variabel dan properti yang diperlukan Klik tab sheet Variable View yang ada di bagian kiri bawah atau dapat juga dilakukan dari menu View. Pada pelaksanaan praktikum di Laboratorium Teknik Industri Dasar digunakan program SPSS ver. Keputusan: Tolak H0. Pengolahan Data dengan Software Dalam pengujian data ANOVA 1 arah dengan menggunakan software maka diperlukan software penunjang.

Kasus pengolahan data pada SPSS Soal sama dengan soal Aplikasi manual pada bagian B. tekan Continue Setelah pengisian selesai.1 dan B. Mengisi data Hal yang perlu diperhatikan dalam pengisian variabel Name adalah “tidak boleh ada spasi dalam pengisiannya”.2. Pengolahan data dengan SPSS Langkah-langkahnya : a. Oneway .One Way Anova b. 3.Compare Means -----. Pilih Analyze -----. tekan OK 4. Kemudian lakukan pengisian terhadap : Kolom Dependent List Kolom Factor Kolom Option : • • • Statistics Missing Values Setelah pengisian5 tekan Continue Pilih Descriptive dan Homogeneity of variance Pilih Exclude cases analysis by analysis Kolom Post-Hoc Pilih Bonferroni • • Equal Variances Assumed Setelah pengisian.2.

D es c r iptiv es LA M A N Y A 9 5 % C o n fid e n ce In te rv a l fo r Mean Lo w e r B o u n dUp p e r B o u n d M in im u m M a x im u m 3,7 2 7 ,4 8 4 8 6 ,1 8 9 ,4 2 6 9 1 ,5 2 6 ,4 8 2 7 1 ,1 8 4 ,4 2 1 4 4 ,34 8 ,8 6 4 9 4 ,39 6 ,33 1 9

N A B C D E To ta l 5 5 5 5 5 25

M e a n S td . D e via tio nS td . E rro r 5 ,6 0 1 ,5 1 7 ,6 7 8 7 ,8 0 1 ,30 4 ,5 8 3 4 ,0 0 2,0 0 0 ,8 9 4 2,8 0 1 ,30 4 ,5 8 3 6 ,6 0 1 ,8 1 7 ,8 1 2 5 ,36 2,34 3 ,4 6 9

Test of Homogeneity of Variances LAMANYA Levene Statistic ,400 df1 4 df2 20 Sig. ,806

ANO VA LAMANYA Sum of Squares 79,760 52,000 131,760 df 4 20 24 Mean Square 19,940 2,600 F 7,669 Sig. ,001

Between Groups Within Groups Total

Post Hoc Tests

M u ltiple C om par is on s D e p e n d e nt Va ria b le: LAMAN YA Me a n D iffe re n ce (I) TABLET (J) TABLET (I-J) Std . Erro r Tu ke y HS D A B -2,20 1 ,0 20 C 1 ,6 0 1 ,0 20 D 2,8 0 1 ,0 20 E -1 ,0 0 1 ,0 20 B A 2,20 1 ,0 20 C 3,8 0* 1 ,0 20 D 5 ,0 0* 1 ,0 20 E 1 ,20 1 ,0 20 C A -1 ,6 0 1 ,0 20 B -3,8 0* 1 ,0 20 D 1 ,20 1 ,0 20 E -2,6 0 1 ,0 20 D A -2,8 0 1 ,0 20 B -5 ,0 0 * 1 ,0 20 C -1 ,20 1 ,0 20 E -3,8 0* 1 ,0 20 E A 1 ,0 0 1 ,0 20 B -1 ,20 1 ,0 20 C 2,6 0 1 ,0 20 D 3,8 0* 1 ,0 20 Bo n fe rro ni A B -2,20 1 ,0 20 C 1 ,6 0 1 ,0 20 D 2,8 0 1 ,0 20 E -1 ,0 0 1 ,0 20 B A 2,20 1 ,0 20 C 3,8 0* 1 ,0 20 D 5 ,0 0* 1 ,0 20 E 1 ,20 1 ,0 20 C A -1 ,6 0 1 ,0 20 B -3,8 0* 1 ,0 20 D 1 ,20 1 ,0 20 E -2,6 0 1 ,0 20 D A -2,8 0 1 ,0 20 B -5 ,0 0 * 1 ,0 20 C -1 ,20 1 ,0 20 E -3,8 0* 1 ,0 20 E A 1 ,0 0 1 ,0 20 B -1 ,20 1 ,0 20 C 2,6 0 1 ,0 20 D 3,8 0* 1 ,0 20 *. Th e me a n d iffe re n ce is sig n ifica n t a t th e .0 5 le ve l.

Sig . ,236 ,5 33 ,0 8 2 ,8 6 1 ,236 ,0 1 0 ,0 0 1 ,7 6 4 ,5 33 ,0 1 0 ,7 6 4 ,1 1 9 ,0 8 2 ,0 0 1 ,7 6 4 ,0 1 0 ,8 6 1 ,7 6 4 ,1 1 9 ,0 1 0 ,4 33 1 ,0 0 0 ,1 25 1 ,0 0 0 ,4 33 ,0 1 3 ,0 0 1 1 ,0 0 0 1 ,0 0 0 ,0 1 3 1 ,0 0 0 ,1 9 1 ,1 25 ,0 0 1 1 ,0 0 0 ,0 1 3 1 ,0 0 0 1 ,0 0 0 ,1 9 1 ,0 1 3

9 5 % C o n fid e n ce In te rva l Lo w e r Bo u n d Up p e r Bo u n d -5 ,25 ,8 5 -1 ,4 5 4 ,6 5 -,25 5 ,8 5 -4 ,0 5 2,0 5 -,8 5 5 ,25 ,7 5 6 ,8 5 1 ,9 5 8 ,0 5 -1 ,8 5 4 ,25 -4 ,6 5 1 ,4 5 -6 ,8 5 -,7 5 -1 ,8 5 4 ,25 -5 ,6 5 ,4 5 -5 ,8 5 ,25 -8 ,0 5 -1 ,9 5 -4 ,25 1 ,8 5 -6 ,8 5 -,7 5 -2,0 5 4 ,0 5 -4 ,25 1 ,8 5 -,4 5 5 ,6 5 ,7 5 6 ,8 5 -5 ,4 2 1 ,02 -1 ,6 2 4 ,82 -,4 2 6 ,02 -4 ,22 2,22 -1 ,0 2 5 ,42 ,5 8 7 ,02 1 ,7 8 8 ,22 -2,0 2 4 ,42 -4 ,8 2 1 ,62 -7 ,0 2 -,5 8 -2,0 2 4 ,42 -5 ,8 2 ,62 -6 ,0 2 ,42 -8 ,22 -1 ,7 8 -4 ,4 2 2,0 2 -7 ,0 2 -,5 8 -2,22 4 ,22 -4 ,4 2 2,0 2 -,6 2 5 ,82 ,5 8 7 ,02

Oneway
Descriptives CACAT 95% Confidence Interval for Mean Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum 5,75 1,258 ,629 3,75 7,75 4 3,50 1,517 ,619 1,91 5,09 1 7,20 1,643 ,735 5,16 9,24 5 5,33 2,160 ,558 4,14 6,53 1

N A B C Total 4 6 5 15

Maximum 7 5 9 9

Test of Homogeneity of Variances CACAT Levene Statistic ,479 df1 2 df2 12 Sig. ,631

ANO VA CACAT Sum of Squares 38,283 27,050 65,333 df 2 12 14 Mean Square 19,142 2,254 F 8,492 Sig. ,005

Between Groups Within Groups Total

Post Hoc Tests
Multiple Comparisons Dependent Variable: CACAT Bonferroni Mean Difference (I-J) Std. Error 2,25 ,969 -1,45 1,007 -2,25 ,969 -3,70* ,909 1,45 1,007 3,70* ,909

(I) MOBIL A B C

(J) MOBIL B C A C A B

Sig. ,116 ,527 ,116 ,005 ,527 ,005

95% Confidence Interval Lower Bound Upper Bound -,44 4,94 -4,25 1,35 -4,94 ,44 -6,23 -1,17 -1,35 4,25 1,17 6,23

*. The mean difference is significant at the .05 level.

05 maka H0 ditolak Berdasarkan pada hasil yang diperoleh pada test of homogeneity of variances. Soal Pertama 1. Test of Homogeneity of Variances Tes ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA.1. dimana dihasilkan bahwa tingkat signifikan yang dihasilkan lebih besar dari 0. 3.ANALISA : C. baru dilakukan uji ANOVA untuk menguji apakah kelima sampel mempunyai rata-rata yang sama.05 maka H0 ditolak . Anova Setelah kelima varians terbukti sama. 2. Descriptives Pada bagian ini terlihat ringkasan statistik dan kelima sampel.05 maka H0 diterima Jika signifikan lebih kecil dari 0. yaitu apakah kelima sampel mempunyai varians yang sama Hipotesis: H0 = Kelima varians sampel adalah sama H1 = Kelima varians sampel adalah tidak sama.05 maka dapat disimpulkan hahwa kelima varians sampel adalah sama.05 maka H0 diterima Jika signifikan lebih kecil dan 0. Hipotesis : H0 = Kelima rata-rata sampel adalah sama H1 = Kelima rata-rata sampel adalah tidak sama. Keputusan : • • • • Jika f hitung lebih besar dari f tabel maka H0 ditolak Jika f hitung lebih kecil dari f tabel maka H0 diterima Jika signifikan lebih besar dari 0. Keputusan: Jika signifikan lebih besar dari 0.

2.2. Descriptives Pada bagian ini terlihat ringkasan statistik dan ketiga sampel. Anova . pada hasil output diatas diketahui bahwa B tidak memiliki perbedaan yang signifikan dengan A dan E tetapi memiliki perbedaan yang signifikan dengan C dan D.05 maka H0 diterima Jika signifikan lebih kecil dan 0. 4. yaitu apakah ketiga sampel mempunyai varians yang sama Hipotesis : H0 = Ketiga varians sampel adalah sama H1 = Ketiga varians sampel adalah tidak sama.05 maka dapat disimpulkan bahwa ketiga varians sampel adalah sama. dimana dihasilkan bahwa tingkat signifikan yang dihasilkan lebih besar dan 0.896) lebih besar dan f tabel (2.05 maka H0 ditolak Berdasarkan pada hasil yang diperoleh pada test of homogeneity of variances.87) maka dapat disimpulkan bahwa kelima ratarata sampel adalah tidak sama. maka yang akan dibahas adalah kelompok mana saja yang berbeda dan mana yang tidak berbeda? Perbedaan antara kelompok yang satu dengan yang lainnya dapat diketahui dan ada tidaknya. Keputusan : • • Jika signifikan lebih besar dari 0. Test of Homogeneity of Variances Tes ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA. Soal Kedua 1. dimana dihasilkan bahwa tingkat signifikan yang dihasilkan lebih kecil dari 0.05 dan f hitung yang dihasilkan (6. Pos Hoc Test Setelah diketahui bahwa ada perbedaan yang signifikan diantara kelima kelompok sampel.Berdasarkan pada hasil yang diperoleh pada uji ANOVA. C. 3. Misalnya. tanda bintang (*).

05 dan f hitung yang dihasilkan (8. Pos Hoc Test Setelah diketahui bahwa ada perbedaan yang signifikan diantara kelima kelompok sampel. Hipotesis : H0 = Kelima rata-rata sampel adalah sama H1 = Kelima rata-rata sampel adalah tidak sama.Setelah kelima varians terbukti sama. baru dilakukan uji ANOVA untuk menguji apakah kelima sampel mempunyai rata-rata yang sama. Misalnya.492) Iebih besar dan f tabel (3. maka yang akan dibahas adalah kelompok mana saja yang berbeda dan mana yang tidak berbeda? Perbedaan antara kelonipok yangsatu dengan yang lainnya dapat diketahui dan ada tidaknya tanda bintang (*).05 maka H0 diterima Jika signifikan lebih kecil dan 0. 4. MODUL V . Keputusan : • • • • Jika f hitung lebih besar dari f tabel maka H0 ditolak Jika f hitung lebih kecil dari f tabel maka H0 diterima Jika signifikan lebih besar dan 0. pada hasil output diatas diketahui bahwa B tidak memiliki perbedaan yang signifikan dengan A tetapi memiliki perbedaan yang signifikan dengan C. dimana dihasilkan bahwa tingkat signifikan yang dihasilkan lebih kecil dan 0.89) maka dapat disimpulkan bahwa kelima ratarata sampel adalah tidak sama.05 maka H0 ditolak Berdasarkan pada hasil yang diperoleh pada uji ANOVA.

Teori Analisis ragam (Analysis of Variance) atau yang lebih dikenal dengan istilah ANOVA adalah suatu teknik untuk menguji kesamaan beberapa rata-rata secara sekaligus. Anova dapat digolongkan kedalam beberapa kritenia. Untuk mengetahui dan memahami uji statistik dengan menggunakan ANOVA. 3. 2.ANOVA DUA ARAH Tujuan dan pelaksanaan praktikum ANOVA 2 arah. Untuk mengetahui persoalan dan masalah-masalah yang berkaitan dengan uji ANOVA 2 arah dalam kehidupan sehari-hari. 2. . Klasifikasi banyak arah ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan banyak kriteria. Agar dapat menyelesaikan persoalan uji ANOVA 2 arah dan menarik kesimpulan yang sesuai dengan persoalan yang diujikan. A. Klasifikasi 1 arah ANOVA kiasifikasi 1 arah merupakan ANOVA yang didasarkan pada pengamatan 1 kriteria. 3. yaitu : 1. terutama ANOVA 2 arah. yakni : 1. Klasifikasi 2 arah ANOVA klasifikasi 2 arah merupakan ANOVA yang didasarkan pada pengamatan 2 kriteria. Uji yang dipergunakan dalam ANOVA adalah uji F karena dipakai untuk pengujian lebih dari 2 sampel.

1 Kriteria dan Level Asumsi pengujian ANOVA: 1.Pada pembahasan. Contoh : Kriteria Tipe Pemotongan Terputus Kontinu Level Level Gambar 5. Misal. dititikberatkan pada pengujian ANOVA 2 arah yaitu pengujian ANOVA yang didasarkan pada pengamatan 2 kriteria. Populasi yang akan diuji berdistribusi normal 2. kali ini. Sampel tidak berhubungan satu dengan yang lain Tujuan dan pengujian ANOVA 2 arah ini adalah untuk mengetahui apakah ada pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan. Varians/ragam dan populasi yang diuji sama 3. dipergunakan rumus hitung sebagai berikut: . Setiap kriteria dalam pengujian ANOVA mempunyal level. seorang manajer teknik menguji apakah ada pengaruh antara jenis pelumas yang dipergunakan pada roda pendorong dengan kecepatan roda pendorong terhadap hasil penganyaman sebuah karung plastik pada mesin circular. Dalam pengujian ANOVA ini.

fisika.JKK JKB = ∑ Ti i =1 c c − 2 T .Tabel 5.2 Daftar Nilai Akhir Mahasiswa . Aplikasi Perhitungan Manual Pada Tugas Pendahuluan 1. rc JKG = JKT – JKB . Tabel 5..2 rc T . Ronald E. (1995) Dimana: Dimana : JKT = ∑ i =1 r r ∑ xij − 2 j =1 2 c T 2 . dan agama.1 Analisis Ragam Klasifikasi Dua Arah Sumber Keragaman Nilai tengah baris Nilai tengah kolom Galat (Error) JKG JKT (r – 1) (c – 1) rc – 1 Jumlah Kuadrat JKB JKK Derajat Bebas r–1 k–1 Kuadrat Tengah JKB s12 = r −1 s22 = JKK c −1 f2 = s1 2 s3 2 F hitung f1 = s1 2 s3 2 s32 = JKG (r − 1) (c − 1) Total Sumber: Walpole.2 rc JKK = ∑T . Data berikut ini adalah nilai akhir yang dicapai oleh 4 mahasiswa dalam mata kuliah kalkulus. j j =1 r − B... manajemen.

H1’ = sekurang-kurangnya satu tidak sama H1” = sekurang-kurangnya satu tidak sama 3. Keempat mahasiswa itu mempunyai kemampuan yang sama! Penyelesaian : 1.75 JKK = 1198 2 16 . Keempat mata kuliah itu mempunyai tingkat kesulitan yang sama! b. H0’ = Keempat mata kuliah itu mempunyal tingkat kesulitan yang sama H0” = Keempat mahasiswa itu mempunyai kemampuan yang sama 2.86 5..25 − 188.05 untuk menguji hipotesis bahwa : a.75 JKG = 1921.75 339 2 + 328 2 + 284 2 + 247 2 1198 2 − 4 16 JKB = 1342 . α = 0. dan f2 : 3. Wilayah kritik = f1 : 3.25 JKB = 278 2 + 316 2 + 304 2 + 300 2 1198 2 − 4 16 JKK = 188.Mhs 1 2 3 4 Total Kalkulus 68 83 72 55 278 Mata Kuliah Ekonomi Fisika 94 91 81 77 73 73 68 63 316 304 Total Agama 86 87 66 61 300 339 328 284 247 1198 Lakukan analisis ragam.05 4.75 − 1342 .86..75 = 390. Perhitungan: JKT = 682 + 833 + . + 612 − JKT = 1921. dan gunakan taraf nyata 0.

75 Derajat Bebas 3 3 9 15 Kuadrat Tengah 447.Hasilnya dan perhitungan lainnya : Tabel 5. penyelesaian untuk pemecahan suatu masalah adalah sebagai berikut: 1. Pengolahan Data dengan Software Dalam pengujian data ANOVA 2 arah dengan menggunakan software maka diperlukan software penunjang.3 6.45 F hitung f1 = 10.0. b. Keputusan : a. 10. Dalam pengujian kasus ANOVA 2 arab dengan menggunakan program SPSS ver 10. C. Membuka lembar kerja baru Dan menu utama File. yaitu program SPSS. pilih New.75 390.75 1921. Tolak H0’. dan simpulkan bahwa keempat mata kuliah mempunyai kesulitan yang tidak sama.3 Analisis Ragam bagi Data Klasifikasi Dua Arah Sumber Keragaman Nilai tengah baris Nilai tengah kolom Galat (Error) Total Jumlah Kuadrat 1342. Pada pelaksanaan praktikum di Laboratorium Teknik Industri Dasar digunakan program SPSS ver.92 43.42 f2 = 1.0. dan simpulkan bahwa keempat mahasiswa itu mempunyai kemampuan yang sama. lalu klik Data. . Memasukan data ke SPSS Langkah-langkahnya : a.25 188.42 62. Terima H0”.

3. akan tampak Kotak Dialog SPSS Editor dengan urutan Name. Menamai variabel dan properti yang diperlukan Klik tab sheet Variable View yang ada di bagian kiri bawah atau dapat juga dilakukan dan menu View. Kasus pengolahan data pada SPSS Soal sama dengan soal Aplikasi manual pada bagian B. Kemudian lakukan pengisian terhadap : Kolom Dependent Variable Kolom Factor(s) • • • Masukkan yang termasuk Fixed Factor(s) Masukkan yang termasuk Random Factor(s) Setelah pengisian. 2. Setelah itu. tekan OK 4. Pengolahan data dengan SPSS Langkah-langkahnya : a. Width.1 Univariate Analysis of Variance . tekan Continue Setelah pengisian selesai. dan seterusnya.General Linear Model -----.b.Univariate b. lalu pilih Variable. Pilih Analyze -----. Type. Mengisi data Hal yang perlu diperhatikan dalam pengisian variabel Name adalah “tidak boleh ada spasi dalam pengisiannya”.

750 390.001 .917 43.417 .00 1 2 3 4 Value Label KALKULUS EKONOMI FISIKA AGAMA N 4 4 4 4 4 4 4 4 MHS Tests of Between-Subjects Effects Dependent Variable: NILAI Source Intercept MTKUL MHS MTKUL * MHS Type III Sum of Squares 89700. MS(MHS) b.305 .00 3.250 447.417 43. .250 390.449 10.750 1342.750 .00 2.292 . Hypothesis Error Hypothesis Error Hypothesis Error Hypothesis Error a. MS(Error) .485 1.003 .250 1342. MS(MTKUL * MHS) c.417 a 62.c F 200. Sig.Between-Subjects Factors MTKUL 1.250 188.00 4.417 b 447.750 390.000 df 1 3 3 9 3 9 9 0 Mean Square 89700.417 b 43.

05 maka H0 ditolak a. 2.ANALISA : C. Uji ANOVA 1 Faktor Uji ini berguna untuk melihat apakah ada perbedaan yang nyata antara hasil diantara jenis pupuk dan varietas gandum.05 dan f hitung yang dihasilkan (9.05 maka H0 diterima Jika signifikan lebih kecil dan 0. Keputusan : • • • • Jika f hitung lebih besar dan f tabel maka H0 ditolak Jika f hitung lebih kecil dan f tabel maka H0 diterima Jika signifikan lebih besar dan 0.14) maka terima H0 dan dapat disimpulkan bahwa keempat rata-rata sampel adalah sama.56) lebih kecil dan f tabel (5. Hipotesis : H0 = Keempat rata-rata sampel adalah sama H1 = Keempat rata-rata sampel adalah tidak sama. Soal Test of Between-Subjects Effects adalah tes ini bertujuan untuk menguji: 1. Uji ANOVA Interaksi 2 Faktor Uji ini berguna untuk melihat apakah ada interaksi terhadap hasil diantara jenis pupuk dan varietas gandum. dimana dihasilkan bahwa tingkat signifikan yang dihasilkan lebib kecil dan 0. b. Perbedaan rata-rata hasil berdasarkan kelompok pupuk Berdasarkan pada hasil yang diperoleh. dimana dihasilkan bahwa tingkat signifikan yang dihasilkan lebih besar dari 0.22) lebih besar dan f tabel (4.1.76) maka tolak H0 dan dapat disimpulkan bahwa keempat rata-rata sampel adalah tidak sama. Perbedaan rata-rata hasil berdasarkan kelompok gandum berdasarkan pada hasil yang diperoleh. Hipotesis : H0 = Keempat rata-rata sampel adalah sama .05 dan f hitung yang dihasilkan (1.

Keputusan : • • • • Jika f hitung lebih besar dari f tabel maka H0 ditolak Jika f hitung lebih kecil dari f tabel maka H0 diterima Jika signifikan lebih besar dari 0. dihasilkan bahwa f hitung dan signifikannya tidak ada maka tidak ada interaksi. DAFTAR PUSTAKA .05 maka H0 ditolak Berdasarkan pada hasil yang diperoleh.H1 = Keempat rata-rata sampel adalah tidak sama.05 maka H0 diterima Jika signifikan lebih kecil dari 0.

Penerbit: PT. Ronald E.Walpole. Penerbit: PT. 2002. Singgih. SPSS Versi 10 Mengolah Data Statistik Secara Profesional. Pengantar Statistika Edisi ke-3. Jakarta Santoso. Gramedia Pustaka Utama. Jakarta . Elex Media Komputindo Kelompok Gramedia. 1995.

Sign up to vote on this title
UsefulNot useful