You are on page 1of 69

BAB I PENDAHULUAN 1.1.

Latar Belakang

Dalam melakukan pengolahan dan analisa data sering terjadi kesulitan, maka diperlukan adanya pemahaman dan pengetahuan tentang adanya teknik-teknik pengambilan data yang terdiri dari beberapa tahapan yang bertujuan untuk mendapatkan data yang akurat. Selain itu kita juga harus mengetahui hubungan antara data yang satu dengan data yang lainnya agar data tersebut bisa diinterpretasikan dan analisis secara sempurna. Statistika terdiri dari seni dan ilmu tentang pengumpulan, penyajian, analisis dan interprestasi data maupun mengambil kesimpulan (generalisasi) yang masuk akal sehubungan dengan fenomena yang dipelajari/diselidiki. Statistika mempunyai peranan yang sangat penting dalam langkah-langkah pokok metode ilmiah pada tingkat pengumpulan informasi, misalnya statistika memberi petunjuk kepada para peneliti bagaimana cara yang wajar dan baik untuk mengumpulan data yang informative termasuk penentuan macam dan banyak data/sample sedemikian hingga kesimpulan yang ditarik dari analisis data dapat dinyatakan denagn tingkat ketepatan (presisi) yang diinginkan. Setelah data terkumpul masih banyak lagi metode meringkaskan informasi yang terkandung di dalam data, memusatkan perhatian pada segisegi pokok saja serta mengabaikan hal-hal yang peluangnya kecil dan kurang penting. Penalaran statistika memberikan kriterian untuk menentukan kesimpulan-kesimpulan mana yang benar-benar didukung oleh data dan mana yang tidak. Dalam semua bidang ilmu dimana inferensi ditarik dari analisis data, dapat tidaknya dipercaya juga sangat tergantung pada penggunaan metode statistika dalam langkah pengumpulan data. Dalam ilmu statistic ada beberapa teknik pengambilan data baik secara manual maupun dengan menggunakan software yang dilanjutkan dengan cara-cara pengolahan data sehingga akan mempermudah langkah kita dalam melakukan pengambilan data. Cara manual kini semakin ditinggalkan walau tetap dipakai sebagai acuan dasar. Munculnya software Statistic program for Social Sciene(SPSS) sangat membantu dalam menganalisis data statistic dengan cepat dan akurat. Software SPSS(Statistical Package for the Social) itu sendiri, pertama kali dibuat pada tahun1968 oleh Norman H.Nie, pada awalnya SPSS masih menggunakan bahasa dengan basis DOS versi 5.0. Namun seiring perkembangan dan kebutuhan pemakaian, SPSS terus berkembang dan bertambah maju baik dari segi fungsional maupun dari display. Pada praktikum kali ini SPSS dipergunakan dalam pengolahan dan analisis data.

1.2.

Perumusan Masalah

Adapun permasalahan yang dihadapi oleh praktikan dalam praktikum ini anatara lain sebagai berikut : 1. Bagaimana cara pengambilan data yang baik dan benar ?

1

2. Bagaimana cara menginterpretasikan pengolahan data statistic ?

dan

menganalisa

3. Bagaimana cara menginterprestasikan dan menyimpulkan normalitas data ? 4. Bagaimana cara melakukan pengujian regresi linear yang benar ?

1.3.

Tujuan Praktikum

Tujuan dari praktikum Exploration And Data Analysis ini adalah : 1. Praktikan dapat mengerti dan memahami teknik pengambilan data untuk memperoleh data penelitian. 2. Praktikan mampu menginterpretasikan dan menganalisa pengolahan data statistic deskriptif. 3. Praktikan mampu menginterpretasikan dan menyimpulkan normalitas data. 4. Praktikan mampu menginterpretasikan regresi linear berdasar uji yang dilakukan.

1.4.

Manfaat Praktikum

Manfaat yang dapat diperoleh dari praktikum Exploration and Data Analysis ini adalah : 1. Praktikan mampu melakukan pengambilan data dengan benar, berdasarkan peralatan yang tersedia. 2. Praktikan mampu inferensia. memahami konsep statistika deskriptif dan

3. Praktikan mampu menyajikan data baik dalam bentuk grafis dan numeris. 4. Praktikan bisa melakukan pengukuran serta mengiterpretasikan dan menarik kesimpulan hasil pengolahan data dalam bentuk statistic deskriptif.

1.5.

Batasan dan Asumsi

Batasan : 1. Lama pemanggangan 20 menit. 2. Suhu pemanggangan 170 derajat Celcius. 3. Jenis alat pemanggangan adalah Super Bake 2. 4. Jumlah kue minimal 20 buah dalam setiap pemanggangan.

2

5. Metode pengambilan data yang digunakan yaitu meliputi observasi. 6. Lokasi praktikum yaitu di Laboratorium Decision Support System (DSS) Program Studi Teknik Industri UIN Sunan Kalijaga Yogyakarta. 7. Jenis data yang diambil yaitu meliputi jenis tepung yang digunakan, tinggi dan berat kue. Asumsi : 1. Faktor udara dalam penimbangan diabaikan 2. Semua alat yang digunakan dianggap sudah memenuhi standar.

3

BAB II TINJAUAN PUSTAKA

Statistik adalah metode ilmiah untuk menyusun, meringkas, menyajikan dan menganalisa data, sehingga dapat ditarik suatu kesimpulan yang benar dan dapat dibuat keputusan yang masuk akal berdasarkan data tersebut. Ada dua macam statistika, yaitu statistika deskriptif dan statistika inferensia. Statistika deskriptif adalah statistic yang menggambarkan kegiatan berupa pengumpulan data, penyusunan data, dan penyajian data dalam bentuk table, grafik, ataupun diagram, agar memberikan gambaran yang teratur, ringkas dan jelas mengenai suatu keadaan atau peristiwa.

Penyajian data kategori deskriptif ada yang berbentuk grafis dan numerik. Untuk deskriptif grafis ada bernagai macam jenis, yaitu ; Histogram, Pie Chart, Poligon, Ogive, Diagram batang daun (Steam and Leaf). Sedangkan untuk deskriptif numeric ada beberapa bentuk yaitu ; Central Tredency (seperti : Mean, Modus, Median), Dispersion (seperti : Range, Standart Deviasi), Fratile (seperti : Kuartil, Desil, Persentil), Skewnwss, dan Kurtosis. Statistika inferensia adalah statistic yang berhubungan dengan penarikan kesimpulan yang bersifat umum dari data yang telah disusun dan diolah.

Salah satu bentuk statistic inferensia adalah untuk uji normalitas. Uji normalitas ini untuk mengetahui apakah suatu variable normal atau tidak. Normal disini dalam arti mempunyai distribusi data yang normal. Normal atau tidaknya berdasar patokan distribusi normal dari data dengan mean dan standar deviasi yang sama. Data yang mempunyai distribusi yang normal merupakan salah satu syarat dilakukannya parametric-test. Untuk data yang tidak mempunyai distribusi normal tentu saja analisisnya harus menggunakan non parametric-test.Dalam statistik inferensia ini akan banyak berbicara mengenai peubah acak.

Peubah Acak Peubah acak merupakan suatu fungsi yang memetakan ruang ruang kejadian (daerah fungsi) keruang bilangan riil (wilayah fungsi). fungsi peubah acak merupakan suatu langkah dalam statistka untuk mengkualifikasikan kejadian kejadian alam. sebaran peluang dari peubah acak mengikuti sebaran peluang setiap kejadian. jika terdapat beberapa kejadian dipetakan ke bilangan yang sama maka peluang dari nilai peubah acak tesebut adalah total peluang dari kejadian -kejadian tersebut.

Nilai Harapan dan Ragam Peubah Acak Nilai Harapan merupakan suatu nilai yang mengukur pemusatan peubah acak berdasarkan sebaran peluang dari peubah acak tesebut. dengan kata lain

4

nilai harapan juga dapat dikataka sebagai rataan terboboti dari nilai - nilai peubah acak dengan peluang kejadiannya. Ragam peubah acak merupakan ukuran penyebaran dari peubah acak, yang didefenisikan sebagai nilai harapan dari kuadrat simpangan nilai peubah acak dengan nilai harapannya.

Regresi linear sederhana yaitu hanya terdapat satu peubah acak bebas x dan satu peubah acak terikat y. Bentuk akhir dari analisis regresi adalah persamaan regresi linear dengan bentuk : Y = α + b X. Regresi linier digunakan untuk membentuk model hubungan antara variabel bebas dengan variabel respon. Dari namanya saja udah kelihatan, bahwa model hubungan yang dimaksud adalah model hubungan linier. Contoh: Ingin dicari model regresi antara “biaya iklan” dengan “penjualan”. Variabel bebas/prediktor adalah biaya iklan dan variabel respon adalah penjualan. Jadi ingin dicari bagaimanakah model hubungan antara 2 variabel tsb, sehingga bisa diketahui berapakah nilai penjualan yang akan diperoleh bila perusahaan mengeluarkan biaya iklan sebesar X rupiah. Analisis regresi setidak-tidaknya memiliki 3 kegunaan, yaitu untuk tujuan deskripsi dari fenomena data atau kasus yang sedang diteliti, untuk tujuan kontrol, serta untuk tujuan prediksi. Regresi mampu mendeskripsikan fenomena data melalui terbentuknya suatu model hubungan yang bersifatnya numerik. Regresi juga dapat digunakan untuk melakukan pengendalian (kontrol) terhadap suatu kasus atau hal-hal yang sedang diamati melalui penggunaan model regresi yang diperoleh. Selain itu, model regresi juga dapat dimanfaatkan untuk melakukan prediksi untuk variabel terikat. Namun yang perlu diingat, prediksi di dalam konsep regresi hanya boleh dilakukan di dalam rentang data dari variabel-variabel bebas yang digunakan untuk membentuk model regresi tersebut. Misal, suatu model regresi diperoleh dengan mempergunakan data variabel bebas yang memiliki rentang antara 5 s.d. 25, maka prediksi hanya boleh dilakukan bila suatu nilai yang digunakan sebagai input untuk variabel X berada di dalam rentang tersebut. Konsep ini disebut sebagai interpolasi. Data untuk variabel independen X pada regresi linier bisa merupakan data pengamatan yang tidak ditetapkan sebelumnya oleh peneliti (obsevational data) maupun data yang telah ditetapkan (dikontrol) oleh peneliti sebelumnya (experimental or fixed data). Perbedaannya adalah bahwa dengan menggunakan fixed data, informasi yang diperoleh lebih kuat dalam menjelaskan hubungan sebab akibat antara variabel X dan variabel Y. Sedangkan, pada observational data, informasi yang diperoleh belum tentu merupakan hubungan sebab-akibat. Untuk fixed data, peneliti sebelumnya telah memiliki beberapa nilai variabel X yang ingin diteliti. Sedangkan, pada observational data, variabel X yang diamati bisa berapa saja, tergantung keadaan di lapangan. Biasanya, fixed data diperoleh dari percobaan laboratorium, dan observational data diperoleh dengan menggunakan kuesioner. Interpretasi Output 1. Koefisien determinasi Koefisien determinasi mencerminkan seberapa besar kemampuan variabel bebas dalam menjelaskan varians variabel terikatnya. Mempunyai nilai antara 0 – 1 di mana nilai yang mendekati 1 berarti semakin tinggi kemampuan variabel bebas dalam menjelaskan varians variabel terikatnya. 2. Nilai t hitung dan signifikansi

5

3.

Nilai t hitung > t tabel berarti ada pengaruh yang signifikan antara variabel bebas terhadap variabel terikat, atau bisa juga dengan signifikansi di bawah 0,05 untuk penelitian sosial, dan untuk penelitian bursa kadang-kadang digunakan toleransi sampai dengan 0,10. Persamaan regresi Sebagai ilustrasi variabel bebas: Biaya promosi dan variabel terikat: Profitabilitas (dalam juta rupiah) dan hasil analisisnya Y = 1,2 + 0,55 X. Berarti interpretasinya: 1. Jika besarnya biaya promosi meningkat sebesar 1 juta rupiah, maka profitabilitas meningkat sebesar 0,55 juta rupiah. 2. Jika biaya promosi bernilai nol, maka profitabilitas akan bernilai 1,2 juta rupiah..

Pertanyaan-pertanyaan yang sering muncul 1. Dalam uji regresi sederhana apakah perlu menginterpretasikan nilai F hitung? Uji F adalah uji kelayakan model (goodness of fit) yang harus dilakukan dalam analisis regresi linear. Untuk analisis regresi linear sederhana Uji F boleh dipergunakan atau tidak, karena uji F akan sama hasilnya dengan uji t. 2. Kapan menggunakan uji dua arah dan kapan menggunakan uji dua arah? Penentuan arah adalah berdasarkan masalah penelitian, tujuan penelitian dan perumusan hipotesis. Jika hipotesis sudah menentukan arahnya, maka sebaiknya digunakan uji satu arah, tetapi jika hipotesis belum menentukan arah, maka sebaiknya menggunakan uji dua arah. Penentuan arah pada hipotesis berdasarkan tinjauan literatur. Contoh hipotesis dua arah: Terdapat pengaruh antara kepuasan terhadap kinerja. Contoh hipotesis satu arah: Terdapat pengaruh positif antara kepuasan terhadap kinerja. Nilai t tabel juga berbeda antara satu arah dan dua arah. Jika menggunakan signifikansi, maka signifikansi hasil output dibagi dua terlebih dahulu, baru dibandingkan dengan 5%. 3. Apa bedanya korelasi dengan regresi? Korelasi adalah hubungan dan regresi adalah pengaruh. Korelasi bisa berlaku bolak-balik, sebagai contoh A berhubungan dengan B demikian juga B berhubungan dengan A. Untuk regresi tidak bisa dibalik, artinya A berpengaruh terhadap B, tetapi tidak boleh dikatakan B berpengaruh terhadap A. Dalam kehidupan sehari-hari kedua istilah itu (hubungan dan pengaruh) sering dipergunakan secara rancu, tetapi dalam ilmu statistik sangat berbeda. A berhubungan dengan B belum tentu A berpengaruh terhadap B. Tetapi jika A berpengaruh terhadap B maka pasti A juga berhubungan dengan B. (Dalam analisis lanjut sebenarnya juga ada pengaruh yang bolak-balik yang disebut dengan recursive, yang tidak dapat dianalisis dengan analisis regresi tetapi menggunakan structural equation modelling). Uji Asumsi Klasik Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dapat dipergunakan pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada data cross sectional.

6

Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan untuk menghitung nilai pada variabel tertentu. Misalnya nilai return saham yang dihitung dengan market model, atau market adjusted model. Perhitungan nilai return yang diharapkan dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi klasik. Setidaknya ada lima uji asumsi klasik, yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada. Sebagai contoh, dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang tidak memenuhi persyaratan. Kemudian dilakukan perbaikan pada uji tersebut, dan setelah memenuhi persyaratan, dilakukan pengujian pada uji yang lain. Uji Normalitas Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel. Hal ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada masingmasing variabel penelitian. Pengertian normal secara sederhana dapat dianalogikan dengan sebuah kelas. Dalam kelas siswa yang bodoh sekali dan pandai sekali jumlahnya hanya sedikit dan sebagian besar berada pada kategori sedang atau rata-rata. Jika kelas tersebut bodoh semua maka tidak normal, atau sekolah luar biasa. Dan sebaliknya jika suatu kelas banyak yang pandai maka kelas tersebut tidak normal atau merupakan kelas unggulan. Pengamatan data yang normal akan memberikan nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga nilai rata-rata, modus dan median relatif dekat. Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov. Tidak ada metode yang paling baik atau paling tepat. Tipsnya adalah bahwa pengujian dengan metode grafik sering menimbulkan perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan uji normalitas dengan uji statistik bebas dari keragu-raguan, meskipun tidak ada jaminan bahwa pengujian dengan uji statistik lebih baik dari pada pengujian dengan metode grafik. Jika residual tidak normal tetapi dekat dengan nilai kritis (misalnya signifikansi Kolmogorov Smirnov sebesar 0,049) maka dapat dicoba dengan metode lain yang mungkin memberikan justifikasi normal. Tetapi jika jauh dari nilai normal, maka dapat dilakukan beberapa langkah yaitu: melakukan transformasi data, melakukan trimming data outliers atau menambah data observasi. Transformasi dapat dilakukan ke dalam bentuk Logaritma natural, akar kuadrat, inverse, atau bentuk yang lain tergantung dari bentuk kurva normalnya, apakah condong ke kiri, ke kanan, mengumpul di tengah atau menyebar ke samping kanan dan kiri. Tujuan dari dilakukannya uji normalitas tentu saja untuk mengetahui apakah suatu variabel itu normal atau tidak. Normal disini dalam arti mempunyai distribusi data yang normal. Normal atau tidaknya berdasarkan patokan distribusi normal dari data dengan mean dan standart deviasi yang sama. Jadi uji normalitas pada dasarnya melakukan perbandingan antara data yang kita miliki dengan data

7

berdistribusi normal yang memiliki mean dan standart deviasi yang sama dengan data kita. Data yang berdistribusi normal berarti mempunyai sebaran yang normal pula. Dengan profil data semacam ini maka data tersebut dianggap bias mewakili populasi. Uji normalitas dengan Skewness dan Kurtosis memberikan kelebihan tersendiri, yaitu bahwa akan diketahui grafik normalitas menceng ke kanan atau ke kiri, terlalu datar atau mengumpul di tengah. Oleh karena itu, uji normalitas dengan Skewness dan Kurtosis juga sering disebut dengan ukuran kemencengan data. Pengujian dengan SPSS dilakukan dengan menu Analyze, lalu klik Descriptive Statistics, pilih menu Descriptives. Data yang akan diuji normalitasnya dipindah dari kotak kiri ke kanan, lalu tekan Options. Klik pada Distribution yaitu Skewness dan Kurtosis, tekan Continue, lalu tekan OK. Pada output akan tampak nilai Statistic Skewness dan Statistic Kurtosis. Lalu hitunglah Zskew dengan persamaan Statistik : (akar(6/N)) dengan N adalah jumlah observasi. Persamaan yang sama juga dipakai untuk menghitung Zkurt. Misalnya nilai statistic skewness adalah 0,5 dan statistic kurtosis adalah 0,9; dan jumlah data adalah 100, maka nilai Zskew adalah sebesar 2,041 dan nliai Zkurt adalah sebesar 3,674. Nilai tersebut kemudian dibandingkan dengan + 1,96 pada signifikansi 0,05 dan sebesar + 2,58 pada signifikansi 0,01. Jadi tampak bahwa Zskew (2,041 > 1,96 dan Zkurt (3,674) > 1,96. Syarat data yang normal adalah nilai Zskew dan Zkurt < + 1,96 (signifikansi 0,05). Jadi data di atas dinyatakan tidak normal karena Zkurt tidak memenuhi persyaratan, baik pada signifikansi 0,05 maupun signifikansi 0,01. Kelebihan dari uji Skewness dan Kurtosis adalah bahwa kita dapat mengetahui kemencengan data, di mana data yang normal akan menyerupai bentuk lonceng. Kemungkinan yang ada adalah menceng ke kiri, jika nilai Zskew positif dan di atas 1,96; atau menceng ke kanan jika Zskew bernilai negatif dan di bawah 1,96. Berdasarkan nilai Kurtosis maka dapat ditentukan bahwa data mempunyai nilai puncak yang terlalu tinggi jika Zkurt bernilai positif dan di atas 1,96; jika nilai puncak tidak ada atau data relatif datar maka nilai Zkurt adalah negatif dan di bawah 1,96. Uji Autokorelasi Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya. Sebagai contoh adalah pengaruh antara tingkat inflasi bulanan terhadap nilai tukar rupiah terhadap dollar. Data tingkat inflasi pada bulan tertentu, katakanlah bulan Februari, akan dipengaruhi oleh tingkat inflasi bulan Januari. Berarti terdapat gangguan autokorelasi pada model tersebut. Contoh lain, pengeluaran rutin dalam suatu rumah tangga. Ketika pada bulan Januari suatu keluarga mengeluarkan belanja bulanan yang relatif tinggi, maka tanpa ada pengaruh dari apapun, pengeluaran pada bulan Februari akan rendah. Uji autokorelasi hanya dilakukan pada data time series (runtut waktu) dan tidak perlu dilakukan pada data cross section seperti pada kuesioner di mana pengukuran semua variabel dilakukan secara serempak pada saat yang bersamaan. Model regresi pada penelitian di Bursa Efek Indonesia di mana periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi. Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, uji dengan Run Test dan jika data observasi di atas 100 data sebaiknya

8

menggunakan uji Lagrange Multiplier. Beberapa cara untuk menanggulangi masalah autokorelasi adalah dengan mentransformasikan data atau bisa juga dengan mengubah model regresi ke dalam bentuk persamaan beda umum (generalized difference equation). Selain itu juga dapat dilakukan dengan memasukkan variabel lag dari variabel terikatnya menjadi salah satu variabel bebas, sehingga data observasi menjadi berkurang 1. Uji Linearitas Uji linearitas dipergunakan untuk melihat apakah model yang dibangun mempunyai hubungan linear atau tidak. Uji ini jarang digunakan pada berbagai penelitian, karena biasanya model dibentuk berdasarkan telaah teoretis bahwa hubungan antara variabel bebas dengan variabel terikatnya adalah linear. Hubungan antar variabel yang secara teori bukan merupakan hubungan linear sebenarnya sudah tidak dapat dianalisis dengan regresi linear, misalnya masalah elastisitas. Jika ada hubungan antara dua variabel yang belum diketahui apakah linear atau tidak, uji linearitas tidak dapat digunakan untuk memberikan adjustment bahwa hubungan tersebut bersifat linear atau tidak. Uji linearitas digunakan untuk mengkonfirmasikan apakah sifat linear antara dua variabel yang diidentifikasikan secara teori sesuai atau tidak dengan hasil observasi yang ada. Uji linearitas dapat menggunakan uji Durbin-Watson, Ramsey Test atau uji Lagrange Multiplier. UJi Hipotesis Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu: tingkat signifikansi atau probabilitas (α) dan tingkat kepercayaan atau confidence interval. Didasarkan tingkat signifikansi pada umumnya orang menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan tingkat signifikansi adalah probabilitas melakukan kesalahan tipe I, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud dengan tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai sample akan mewakili nilai populasi dimana sample berasal. Dalam melakukan uji hipotesis terdapat dua hipotesis, yaitu: • H0 (hipotessis nol) dan H1 (hipotesis alternatif) Contoh uji hipotesis misalnya rata-rata produktivitas pegawai sama dengan 10 (μ x= 10), maka bunyi hipotesisnya ialah: • H0: Rata-rata produktivitas pegawai sama dengan 10 • H1: Rata-rata produktivitas pegawai tidak sama dengan 10 Hipotesis statistiknya: • H0: μ x= 10 • H1: μ x > 10 Untuk uji satu sisi (one tailed) atau • H1: μ x < 10 • H1: μ x ≠ 10 Untuk uji dua sisi (two tailed) Beberapa hal yang harus diperhatikan dalam uji hipotesis ialah; • Untuk pengujian hipotesis kita menggunakan data sample. • Dalam pengujian akan menghasilkan dua kemungkinan, yaitu pengujian signifikan secara statistik jika kita menolak H0 dan pengujian tidak signifikan secara statistik jika kita menerima H0.

9

Jika kita menggunakan nilai t, maka jika nilai t yang semakin besar atau menjauhi 0, kita akan cenderung menolak H0; sebaliknya jika nila t semakin kecil atau mendekati 0 kita akan cenderung menerima H0.

10

BAB III METODOLOGI PENELITIAN

3.1.

Data yang digunakan 1. Jenis tepung yang dipakai adalah tepung segitiga biru, tepung kereta kencana dan tepung biasa. 2. Berat roti bolu hasil penimbangan. 3. Tinggi roti Bolu hasil pengukuran

3.2.

Waktu dan tempat Praktikum

Praktikum ini dilaksanakan pada hari kamis, 28 oktober 2010 di Decision Support System Laboratory.

3.3.

Metode Pengumpulan Data 1. Observasi Yaitu melakukan pengamatan secara langsung dengan cara praktikum pembuatan kue bolu. 2. Study Pustaka Yaitu dengan mempelajari tema praktikum ini berdasarkan sumbersumber referensi yang berkaitan dengan modul Eksploration and Data Analysis ini.

3.4.

Diagram Alir Flow Chart

11

3.5.

Prosedur Praktikum

Peralatan yang digunakan adalah : 1. Peralatan masak ( kompor, Panci Teflon, Mixer, sendok Baskom, dll) 2. Timbangan Roti 3. Pemanggang Roti 4. Observation sheet

Bahan yang dibutuhkan adalah : 1. Tepung terigu 200 gram. 2. Tepung maizena 3. Gula pasir 120 gram 4. Telur 5 butir.

12

5. Meses 6. Vanili 0.25 sendok makan 7. Ovalet 0.5 sendok makan. 8. Mentega 120 gram

3.6.

Pelaksanaan praktikum

Pelaksanaan praktikum dilakukan dengan langkah-langkah sebagai berikut : 1. Pertama-tama kita setting terlebih dahulu oven dengan lama pemanggangan 20 menit dan suhu pemanggangan 170 derajad Celcius. Dimana jenis alat pemanggangannya adalah Super Bake 2. 2. Panaskan Teflon pada kompor listrik dan kita cairkan menteganya. 3. Kemudian kita buat adonan kue yang terdiri dari tepung terigu, baking powder. 4. Kemudian kita kocok telur, gula, menggunakan mixer selama 5 menit. ceam of tar-tar dengan

5. Kita campurkan adonan kue dan mentega cair kemudian kita kocok campuran tersebut dengan menggunakan mixer selama 5 menit. 6. Setelah seluruh adonan merata, tuangkan adonan tersebut ke dalam cetakan kue yang telah di alasi kertas Cup. Bagi adonan tersebut sebanyak minimal 20 buah cetakan 7. Setelah itu kita panggang adonan kue tersebut selama 20 menit. 8. Setelah di penggang, kita dinginkan terlebih dahulu, kemudian setiap kue kita timbang dan kita ukur tinggiya. 9. Catat semua hasil penimbangan dan pengukuran tinggi kuenya.

13

BAB IV PENGOLAHAN DATA

4.1.

Pengumpulan Data

Data berat kue dan tinggi kue ini diambil dari hasil praktikum pembuatan kue dengan suhu pemanggangan 170 derajad Celcius dan lama pemanggangan 20 menit. Adapun data berat dan tinggi kue hasil pemanggangan terlampir.

4.2.

Pengolahan Data 4.2.1. Statistik Deskriptif numeris

a. Dengan menggunakan MS. Excell
4.2.1.1. Tabel statistik berat kue dari tepung segitiga biru

Berat Tepung segitiga biru

Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count Largest(1) Smallest(1) Confidence Level(95.0%)

46.2055 0.845467539 45.8365 #N/A 4.782686639 22.87409148 1.063533564 1.055723058 19.475 39.187 58.662 1478.576 32 58.662 39.187 1.724342407

14

Dari table diatas dapat diketahui bahwa nilai meannya 46.2055, standart error-nya 0.84547, Mediannya 45.8365, Mode-nya tidak ada, standart deviasinya 4.7827, nilai kurtosisnya 1.06353, nilai skewnessnya 1.0557, range datanya 19.457, berat minimumnya 39.187, berat maksimumnya 58.662, jumlah seluruh berat kue 1478.576, dan nilai confidence level(95%)-nya 1.72434. 4.2.1.2.
biru Tabel statistik tinggi kue dari tepung segitiga

Tinggi tepung segitiga biru Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count Largest(1) Smallest(1) Confidence Level(95.0%) 5.76328125 0.086784694 5.575 6.2 0.490928366 0.24101066 -0.533682247 0.710664389 1.78 5.17 6.95 184.425 32 6.95 5.17 0.17699855

Dari table diatas dapat diketahui bahwa nilai meannya 5.763, standart error-nya 0.0867, Mediannya 5.575, Mode-nya 6.2 , standart deviasinya 0.4909, nilai kurtosisnya -0.5337, nila skewnessnya 0.71066, range datanya 1.78, tinggi minimumnya 5.17, tinggi maksimumnya 6.95, jumlah seluruh tinggi kue 184.425, dan nilai confidence level(95%)-nya 0.17699. 4.2.1.3.
kencana Tabel statistik berat kue dari tepung kereta

Berat tepung Kereta kencana 49.5756388 9 0.82544038 3 49.685 #N/A 4.95264229

Mean Standard Error Median Mode Standard Deviation

15

Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count Largest(1) Smallest(1) Confidence Level(95.0%)

7 24.5286657 2 0.50131034 5 0.39611519 5 21.746 36.4 58.146 1784.723 36 58.146 36.4 1.67573305 5

Dari table diatas dapat diketahui bahwa nilai meannya 49.575, standart error-nya 0.825, Mediannya 49.685, Mode-nya tidak ada, standart deviasinya 4.952, nilai kurtosisnya 0.501, nilai skewnessnya -0.396, range datanya 21.746, berat minimumnya 36.4, berat maksimumnya 58.146, jumlah seluruh berat kue 1784.723, dan nilai confidence level(95%)-nya 1.67757. 4.2.1.4.
kencana Tabel statistik tinggi kue dari tepung kereta

Tinggi tepung kereta kencana Mean 5.519166667 Standard Error 0.057363191 Median 5.565 Mode 5.27 Standard Deviation 0.344179148 Sample Variance 0.118459286 Kurtosis 4.369162255 Skewness -1.377749392 Range 1.88 Minimum 4.24 Maximum 6.12 Sum 198.69 Count 36 Largest(1) 6.12 Smallest(1) 4.24 Confidence Level(95.0%) 0.116453469 Dari table diatas dapat diketahui bahwa nilai meannya 5.519, standart error-nya 0.0573, Mediannya 5.565,

16

Mode-nya 5.27 , standart deviasinya 0.344, nilai kurtosisnya 4.369, nila skewnessnya -1.3777, range datanya 1.88, tinggi minimumnya 4.24, tinggi maksimumnya 6.12, jumlah seluruh tinggi kue 198.69, dan nilai confidence level(95%)-nya 0.116. 4.2.1.5. Tabel statistik berat kue dari tepung biasa Berat tepung biasa 43.884277 78 0.5398363 65 43.695 42.4 3.2390181 9 10.491238 83 3.3594747 55 1.2679457 87 17.313 38.2 55.513 1579.834 36 55.513 38.2 1.0959260 78

Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count Largest(1) Smallest(1) Confidence Level(95.0%)

Dari table diatas dapat diketahui bahwa nilai meannya 49.575, standart error-nya 0.825, Mediannya 49.685, Mode-nya tidak ada, standart deviasinya 4.952, nilai kurtosisnya 0.501, nilai skewnessnya -0.396, range datanya 21.746, berat minimumnya 36.4, berat maksimumnya 58.146, jumlah seluruh berat kue 1784.723, dan nilai confidence level(95%)-nya 1.67757. 4.2.1.6. Tabel statistik tinggi kue dari tepung biasa

17

Tinggi tepung biasa Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count Largest(1) Smallest(1) Confidence Level(95.0%) 4.631388889 0.043241942 4.65 4.68 0.25945165 0.067315159 -1.00426293 0.261763138 0.94 4.23 5.17 166.73 36 5.17 4.23 0.087785808

18

Dari table diatas dapat diketahui bahwa nilai meannya 4.631, standart error-nya 0.0432, Mediannya 4.65, Mode-nya 4.68 , standart deviasinya 0.259, nilai kurtosisnya -1.004, nila skewnessnya 0.2617, range datanya 0.94, tinggi minimumnya 4.23, tinggi maksimumnya 5.17, jumlah seluruh tinggi kue 166.73, dan nilai confidence level(95%)-nya 0.0878.

b. Dengan menggunakan SPSS 17.0
4.2.1.7. Tabel statistik berat kue dengan tepung segitiga biru

Statistics Berat kue dari tepung segitiga biru N Valid Missing Mean Std. Error of Mean Median Mode Std. Deviation Variance Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis Range Minimum Maximum Sum Percentile 95 s 32 0 46.2055 .84547 45.8365 39.19a 4.78269 22.874 1.056 .414 1.064 .809 19.48 39.19 58.66 1478.58 57.6649

a. Multiple modes exist. The smallest value is shown Dari tabel statistic berat kue dari tepung segitiga biru diatas dapat diketahui bahwa nilai mean-nya 46.2055, standart error-nya 0.845, Mediannya 45.8365 Mode-nya 39.19, standart deviasinya 4.782, nilai kurtosisnya 1.064, nilai standart error kurtosisnya 0.809, nilai skewnessnya 1.056, nilai standart error skewnessnyanya 0.414, range datanya 19.48, berat minimumnya 39.19, berat maksimumnya 58.66, jumlah seluruh berat kue 1478.58, dan nilai confidence level(95%)-nya 57.6649.
4.2.1.8.Tabel Frekuensi Berat Tepung Segitiga Biru

Frekuensi berat kue dari tepung segitiga biru

19

Valid

39.19 39.78 40.48 41.12 41.23 41.94 42.81 42.82 42.86 43 43.78 44.35 44.82 45.3 45.4 45.68 45.99 46.07 46.11 46.18 46.35 46.37 47.34 47.42 49.05 49.35 49.46 50.37 51.65 56.53 57.13 58.66 Total

Freque ncy 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 32

Perce nt 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 100

Valid Perce nt 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 100

Cumulat ive Percent 3.1 6.3 9.4 12.5 15.6 18.8 21.9 25 28.1 31.3 34.4 37.5 40.6 43.8 46.9 50 53.1 56.3 59.4 62.5 65.6 68.8 71.9 75 78.1 81.3 84.4 87.5 90.6 93.8 96.9 100

Dari table frekuensi berat kue di atas, nilai data pada baris pertama memiliki frekuensi 1 dengan valid persen 3.1 dan persen kumulatif sebesar 3.1. pada baris kedua memiliki frekuensi 1 dengan valid persen 3.1 dan persen kumulatif sebesar 6.3. Pada baris ketiga memiliki frekuensi 1 dengan valid persen 3.1 dan persen kumulatif 9.4. pada baris ke-30 memiliki frekuensi 1 dengan valid persen 3.1

20

dan persen kumulatif sebesar 93.8. pada baris terakhir memiliki frekuensi 1 dengan valid persen 3.1 dan persen kumulatif sebesar 100.
4.2.1.9. Tabel segitiga biru. statistic tinggi kue dengan tepung

Statistics Tinggi kue dari Tepung segitiga biru N Valid Missing 32 0 5.7633 .08678 5.5750 6.20 .49093 .241 .711 .414 -.534 .809 1.78 5.17 6.95 184.42 6.7615

Mean Std. Error of Mean Median Mode Std. Deviation Variance Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis Range Minimum Maximum Sum Percentile 95 s Dari tabel statistic tinggi kue dari tepung segitiga biru diatas dapat diketahui bahwa nilai mean-nya 5.7633, standart error-nya 0.08678 Mediannya 5.575, Mode-nya 6.20, standart deviasinya 0.4909, nilai kurtosisnya -0.534, nilai standart error kurtosisnya 0.809, nilai skewnessnya 0.711, nilai standart error skewnessnyanya 0.414, range datanya 1.78, berat minimumnya 5.17, berat maksimumnya 6.95, jumlah seluruh berat kue 184.42, dan nilai confidence level(95%)-nya 6.7615.

4.2.1.10.Tabel Frekuensi tinggi Tepung Segitiga Biru

Frekuensi tinggi kue dari tepung segitiga biru Valid Cumulat Freque Perce Perce ive ncy nt nt Percent Valid 5.17 1 3.1 3.1 3.1 5.18 5.19 1 1 3.1 3.1 3.1 3.1 6.3 9.4

21

5.27 5.28 5.3 5.35 5.36 5.39 5.4 5.43 5.43 5.45 5.5 5.54 5.55 5.6 5.63 5.74 5.82 5.98 6 6.16 6.2 6.25 6.26 6.5 6.66 6.95 Total

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 3 1 1 2 1 1 32

3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 9.4 3.1 3.1 6.3 3.1 3.1 100

3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 3.1 9.4 3.1 3.1 6.3 3.1 3.1 100

12.5 15.6 18.8 21.9 25 28.1 31.3 34.4 37.5 40.6 43.8 46.9 50 53.1 56.3 59.4 62.5 65.6 68.8 71.9 81.3 84.4 87.5 93.8 96.9 100

Dari table frekuensi tinggi kue di atas, nilai data pada baris pertama memiliki frekuensi 1 dengan valid persen 3.1 dan persen kumulatif sebesar 3.1. pada baris kedua memiliki frekuensi 1 dengan valid persen 3.1 dan persen kumulatif sebesar 6.3. Pada baris ketiga memiliki frekuensi 1 dengan valid persen 3.1 dan persen kumulatif 9.4. pada baris ke-30 memiliki frekuensi 1 dengan valid persen 3.1 dan persen kumulatif sebesar 93.8. pada baris terakhir memiliki frekuensi 1 dengan valid persen 3.1 dan persen kumulatif sebesar 100. 4.2.1.11.
kereta kencana Tabel statistic berat kue dari tepung

22

Statistics Berat roti dari tepung kereta kencana N Valid Missing Mean Std. Error of Mean Median Mode Std. Deviation Variance Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis Range Minimum Maximum Sum Percentile 95 s 36 0 49.5756 .82544 49.6850 36.40a 4.95264 24.529 -.396 .393 .501 .768 21.75 36.40 58.15 1784.72 57.9709

a. Multiple modes exist. The smallest value is shown Dari tabel statistic berat kue dari tepung kereta kencana diatas dapat diketahui bahwa nilai mean-nya 49.5756, standart error-nya 0.82544, Mediannya 49.6850, Mode-nya 36.40, standart deviasinya 4.9526, nilai kurtosisnya 0.501, nilai standart error kurtosisnya 0.768, nilai skewnessnya -0.396, nilai standart error skewnessnyanya 0.393, range datanya 21.75, berat minimumnya 36.40, berat maksimumnya 58.15, jumlah seluruh berat kue 1784.72 dan nilai confidence level(95%)-nya 57.9709.
4.2.1.12.Tabel Frekuensi tinggi Tepung Kereta Kencana

23

Frekuensi berat kue dari tepung kereta kencana Frequenc y Percent Valid 36.40 39.00 43.49 44.11 44.15 44.63 45.14 46.47 46.83 47.06 47.27 47.87 47.97 48.34 48.73 49.32 49.51 49.68 49.69 49.86 50.20 50.20 50.53 50.95 50.97 51.35 52.79 53.05 53.46 54.09 55.84 56.25 56.37 57.05 57.94 58.15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 Valid Percent 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 Cumulative Percent 2.8 5.6 8.3 11.1 13.9 16.7 19.4 22.2 25.0 27.8 30.6 33.3 36.1 38.9 41.7 44.4 47.2 50.0 52.8 55.6 58.3 61.1 63.9 66.7 69.4 72.2 75.0 77.8 80.6 83.3 86.1 88.9 91.7 94.4 97.2 100.0

Total 36 100.0 100.0 Dari table frekuensi berat kue di atas, nilai data pada baris pertama memiliki frekuensi 1 dengan valid persen 2.8

24

dan persen kumulatif sebesar 2.8. pada baris kedua memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 5.6. Pada baris ketiga memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif 8.3. pada baris ke-30 memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 83.3. pada baris terakhir memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 100.
4.2.1.13. Tabel statistic tinggi kue dengan tepung kereta kencana.

Statistics Tinggi kue dari tepung kereta kencana N Valid Missing 36 0 5.5192 .05736 5.5650 5.27 .34418 .118 -1.378 .393 4.369 .768 1.88 4.24 6.12 198.69 6.0945

Mean Std. Error of Mean Median Mode Std. Deviation Variance Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis Range Minimum Maximum Sum Percentile 95 s Dari tabel statistic tinggi kue dari tepung kereta kencana diatas dapat diketahui bahwa nilai mean-nya 5.5192, standart error-nya 0.057, Mediannya 5.565, Mode-nya 5.27, standart deviasinya 0.34418, nilai kurtosisnya 4.369, nilai standart error kurtosisnya 0.768, nilai skewnessnya -1.378, nilai standart error skewnessnyanya 0.393, range datanya 1.88, tinggi minimumnya 4.24, tiggi maksimumnya 6.12, jumlah seluruh tiggi kue 198.69 dan nilai confidence level(95%)-nya 6.0945.
4.2.1.14.Tabel Frekuensi tinggi Tepung Kereta Kencana

25

Frekuensi Tinggi kue dari tepung kereta kencana Frequenc Valid y Percent Percent Valid 4.24 4.94 5.09 5.21 5.26 5.27 5.34 5.36 5.37 5.43 5.47 5.53 5.55 5.56 5.57 5.59 5.62 5.64 5.67 5.68 5.69 5.74 5.75 5.82 5.83 5.87 6.09 6.12 1 1 1 1 1 4 1 1 1 1 1 1 1 2 1 1 1 3 1 1 1 1 1 1 1 3 1 1 2.8 2.8 2.8 2.8 2.8 11.1 2.8 2.8 2.8 2.8 2.8 2.8 2.8 5.6 2.8 2.8 2.8 8.3 2.8 2.8 2.8 2.8 2.8 2.8 2.8 8.3 2.8 2.8 2.8 2.8 2.8 2.8 2.8 11.1 2.8 2.8 2.8 2.8 2.8 2.8 2.8 5.6 2.8 2.8 2.8 8.3 2.8 2.8 2.8 2.8 2.8 2.8 2.8 8.3 2.8 2.8 Cumulative Percent 2.8 5.6 8.3 11.1 13.9 25.0 27.8 30.6 33.3 36.1 38.9 41.7 44.4 50.0 52.8 55.6 58.3 66.7 69.4 72.2 75.0 77.8 80.6 83.3 86.1 94.4 97.2 100.0

Total 36 100.0 100.0 Dari table frekuensi tiggi kue di atas, nilai data pada baris pertama memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 2.8. pada baris kedua memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 5.6. Pada baris ketiga memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif 8.3. pada baris ke-30 memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 80.6. pada baris terakhir memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 100.
4.2.1.15. Tabel statistic berat kue dengan tepung biasa.

26

Statistics Berat kue dari tepung biasa N Valid Missing Mean Std. Error of Mean Median Mode Std. Deviation Variance Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis Range Minimum Maximum Sum Percentile 95 s 36 0 43.8843 .53984 43.6950 42.40 3.23902 10.491 1.268 .393 3.359 .768 17.31 38.20 55.51 1579.83 49.1269

Dari tabel statistic berat kue dari tepung biasa diatas dapat diketahui bahwa nilai mean-nya 43.8843, standart error-nya 0. 53984, Mediannya 43.695, Mode-nya = 42.4, standart deviasinya 3.23902, nilai kurtosisnya 3.359, nilai standart error kurtosisnya 0. 768, nilai skewnessnya 1.268, nilai standart error skewnessnyanya 0.393, range datanya 17.31, berat minimumnya 38.20, berat maksimumnya 55.51, jumlah seluruh berat kue 1579.83 dan nilai confidence level(95%)-nya 49.1269.

27

4.2.1.16.Tabel Frekuensi berat Tepung biasa

Frekuensi berat kue dari tepung Biasa Frequenc Valid y Percent Percent Valid 38.20 1 39.50 1 40.00 1 40.70 1 40.80 1 41.16 1 41.30 1 41.60 1 41.70 1 41.82 1 42.00 1 42.20 1 42.29 1 42.32 1 42.40 2 42.54 1 43.62 1 43.77 1 43.84 1 43.85 1 44.00 1 44.09 1 44.17 1 44.88 1 45.50 1 46.15 1 46.20 1 46.55 1 46.71 1 47.10 1 47.39 1 47.70 1 47.90 1 48.00 1 55.51 1 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 5.6 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 5.6 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 2.8 Cumulative Percent 2.8 5.6 8.3 11.1 13.9 16.7 19.4 22.2 25.0 27.8 30.6 33.3 36.1 38.9 44.4 47.2 50.0 52.8 55.6 58.3 61.1 63.9 66.7 69.4 72.2 75.0 77.8 80.6 83.3 86.1 88.9 91.7 94.4 97.2 100.0

Total 36 100.0 100.0 Dari table frekuensi berat kue dari tepung biasa di atas, nilai data pada baris pertama memiliki frekuensi 1 dengan

28

valid persen 2.8 dan persen kumulatif sebesar 2.8. pada baris kedua memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 5.6. Pada baris ketiga memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif 8.3. pada baris ke-30 memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 83.3. pada baris terakhir memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 100.
4.2.1.17. biasa. Tabel statistic tinggi kue dengan tepung

Statistics Tinggi kue dari tepung biasa N Valid Missing Mean Std. Error of Mean Median Mode Std. Deviation Variance Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis Range Minimum Maximum Sum Percentile 95 s 36 0 4.6314 .04324 4.6500 4.33a .25945 .067 .262 .393 -1.004 .768 .94 4.23 5.17 166.73 5.0850

a. Multiple modes exist. The smallest value is shown Dari tabel statistic tinggi kue dari tepung biasa diatas dapat diketahui bahwa nilai mean-nya 4.6314, standart error-nya 0.4324, Mediannya 4.65, Mode-nya 4.33, standart deviasinya 0.25945, nilai kurtosisnya -1.004, nilai standart error kurtosisnya 0.768, nilai skewnessnya 0.262, nilai standart error skewnessnyanya 0.393, range datanya 0.94, tinggi minimumnya 4.23, tinggi maksimumnya 5.17, jumlah seluruh tiggi kue 166.73 dan nilai confidence level(95%)-nya 5.0850.
4.2.1.18.Tabel Frekuensi tinggi Tepung biasa

29

Frekuensi tinggi kue dari tepung biasa Frequenc Valid y Percent Percent Valid 4.23 4.29 4.31 4.32 4.33 4.34 4.39 4.42 4.43 4.44 4.53 4.60 4.61 4.64 4.66 4.68 4.73 4.77 4.78 4.83 4.84 4.85 4.90 4.91 4.96 4.97 5.07 5.17 1 1 1 1 2 2 1 1 2 2 1 1 1 1 2 2 1 1 2 1 1 1 1 1 1 1 2 1 2.8 2.8 2.8 2.8 5.6 5.6 2.8 2.8 5.6 5.6 2.8 2.8 2.8 2.8 5.6 5.6 2.8 2.8 5.6 2.8 2.8 2.8 2.8 2.8 2.8 2.8 5.6 2.8 2.8 2.8 2.8 2.8 5.6 5.6 2.8 2.8 5.6 5.6 2.8 2.8 2.8 2.8 5.6 5.6 2.8 2.8 5.6 2.8 2.8 2.8 2.8 2.8 2.8 2.8 5.6 2.8 Cumulative Percent 2.8 5.6 8.3 11.1 16.7 22.2 25.0 27.8 33.3 38.9 41.7 44.4 47.2 50.0 55.6 61.1 63.9 66.7 72.2 75.0 77.8 80.6 83.3 86.1 88.9 91.7 97.2 100.0

Total 36 100.0 100.0 Dari table frekuensi tiggi kue dari tepung biasa di atas, nilai data pada baris pertama memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 2.8. pada baris kedua memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 5.6. Pada baris ketiga memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif 8.3. pada baris ke-30 memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 83.3. pada baris terakhir memiliki frekuensi 1 dengan valid persen 2.8 dan persen kumulatif sebesar 100.

30

4.2.2.

Statistik Deskriptif Grafis

a. Dengan menggunakan MS Excell.

4.2.2.1 Grafik Diagram batang berat kue menggunakan tepung segitiga biru

dengan

Dari grafik diatas dapat dilihat kue pertama mempunyai berat 44.354 gram dan kue terakhir mempunyai berat 41.233 gram. Dimana kue paling berat adalah kue ke-24 dengan bobot 58.662 gram, dan kue yang paling kecil adalah kue ke-4 dengan berat 39.187 gram.

4.2.2.2 Grafik Diagram batang tinggi kue menggunakan tepung segitiga biru

Dari grafik diatas dapat dilihat kue pertama mempunyai tinggi 5,4 cm dan kue terakhir mempunyai tinggi 5.55 cm. Dimana kue paling tinggi adalah kue ke-24 dengan tinggi 6.96 cm, dan kue yang paling kecil adalah kue ke-12 dengan tinggi 5.17 cm.

31

4.2.2.3 Grafik Diagram batang berat kue menggunakan tepung kereta kencana.

dengan

Dari grafik diatas dapat dilihat kue pertama mempunyai berat 50.201 gram dan kue terakhir mempunyai berat 47.063 gram. Dimana kue paling berat adalah kue ke-35 dengan bobot 58.146 gram, dan kue yang paling kecil adalah kue ke-27 dengan berat 36.4 gram.

4.2.2.4 Grafik Diagram batang tinggi kue dengan menggunakan tepung kereta kencana.

Dari grafik diatas dapat dilihat kue pertama mempunyai tinggi 5,75 cm dan kue terakhir mempunyai tinggi 5.43 cm. Dimana kue paling tinggi adalah kue ke-35 dengan tinggi 6.12 cm, dan kue yang paling kecil adalah kue ke-28 dengan tinggi 4.24 cm.

32

4.2.2.5 Grafik Diagram batang berat kue menggunakan tepung biasa.

dengan

Dari grafik diatas dapat dilihat kue pertama mempunyai berat 46.548 gram dan kue terakhir mempunyai berat 47.7 gram. Dimana kue paling berat adalah kue ke-8 dengan bobot 55.513 gram, dan kue yang paling kecil adalah kue ke-19 dengan berat 38.2 gram.

4.2.2.6 Grafik Diagram batang menggunakan tepung biasa

tinggi

kue

dengan

Dari grafik diatas dapat dilihat kue pertama mempunyai tinggi 4.91 cm dan kue terakhir mempunyai tinggi 4.42 cm. Dimana kue paling tinggi adalah kue ke-17 dengan tinggi 5.17 cm, dan kue yang paling kecil adalah kue ke-23 dengan tinggi 4.23 cm.

33

4.2.2.7 Grafik Diagram Scatter berat kue dengan tepung segitiga biru.

Dari grafik diatas dapat dilihat kue pertama mempunyai berat 44.354 gram dan kue terakhir mempunyai berat 41.233 gram. Dimana kue paling berat adalah kue ke-24 dengan berat 58.662 gram, dan kue yang paling ringan adalah kue ke- 4 dengan bobot 39.187 gram. .

4.2.2.8 Grafik Diagram Scatter tinggi kue dengan tepung segitiga biru.

Dari grafik diatas dapat dilihat kue pertama mempunyai tinggi 5,4 cm dan kue terakhir mempunyai tinggi 5.55 cm. Dimana kue paling tinggi adalah kue ke-24 dengan tinggi 6.96 cm, dan kue yang paling kecil adalah kue ke-12 dengan tinggi 5.17 cm.

34

4.2.2.9 Grafik Diagram Scatter berat kue dengan tepung Kereta kencana.

Dari grafik diatas dapat dilihat kue pertama mempunyai berat 50.201 gram dan kue terakhir mempunyai berat 47.063 gram. Dimana kue paling berat adalah kue ke-35 dengan bobot 58.146 gram, dan kue yang paling kecil adalah kue ke-27 dengan berat 36.4 gram.

4.2.2.10 Grafik Diagram Scatter tinggi kue dengan tepung kereta kencana

35

Dari grafik diatas dapat dilihat kue pertama mempunyai tinggi 5,75 cm dan kue terakhir mempunyai tinggi 5.43 cm. Dimana kue paling tinggi adalah kue ke-35 dengan tinggi 6.12 cm, dan kue yang paling kecil adalah kue ke-28 dengan tinggi 4.24 cm.

4.2.2.11 Grafik Diagram Scatter berat kue dengan tepung Biasa

Dari grafik diatas dapat dilihat kue pertama mempunyai berat 46.548 gram dan kue terakhir mempunyai berat 47.7 gram. Dimana kue paling berat adalah kue ke-8 dengan bobot 55.513 gram, dan kue yang paling kecil adalah kue ke-19 dengan berat 38.2 gram.

36

4.2.2.12 Grafik Diagram Scatter tinggi kue dengan tepung Biasa

Dari grafik diatas dapat dilihat kue pertama mempunyai tinggi 4.91 cm dan kue terakhir mempunyai tinggi 4.42 cm. Dimana kue paling tinggi adalah kue ke-17 dengan tinggi 5.17 cm, dan kue yang paling kecil adalah kue ke-23 dengan tinggi 4.23 cm.

37

b. Dengan menggunakan SPSS 17.0

4.2.2.1 Grafik Histogram Berat kue dengan tepung segitiga biru

Berdasarkan grafik histogram di atas, dapat dilihat pola data berbentuk kurva normal/ berbentuk seperti lonceng, sehingga distribusi tersebut sudah bisa dikatakan normal atau mendekati normal. Data yang tidak sesuai dengan pola parabola terdapat pada rentang berat 45.0047.50 gram.

38

4.2.2.2 Grafik Histogram Tinggi menggunakan tepung segitiga biru

kue

dengan

Berdasarkan grafik histogram di atas, dapat dilihat pola data berbentuk kurva normal/ berbentuk seperti lonceng, sehingga distribusi tersebut sudah bisa dikatakan normal atau mendekati normal. Data yang tidak sesuai dengan pola parabola terdapat pada rentang tinggi 5.255.50 cm.

39

4.2.2.3 Grafik Histogram Berat kue dengan tepung kereta kencana

Berdasarkan grafik histogram di atas, dapat dilihat pola data berbentuk kurva normal/ berbentuk seperti lonceng, sehingga distribusi tersebut sudah bisa dikatakan normal atau mendekati normal. Data yang tidak sesuai dengan pola parabola terdapat pada rentang berat 47.5050.00 gram.

40

4.2.2.4 Grafik Histogram Tinggi menggunakan tepung kereta kencana.

kue

dengan

Berdasarkan grafik histogram di atas, dapat dilihat pola data berbentuk kurva normal/ berbentuk seperti lonceng, sehingga distribusi tersebut sudah bisa dikatakan normal atau mendekati normal. Data yang tidak sesuai dengan pola parabola terdapat pada rentang tinggi 5.505.75 cm.

41

4.2.2.5 Grafik Histogram Berat kue dengan tepung biasa

Berdasarkan grafik histogram di atas, dapat dilihat pola data berbentuk kurva normal/ berbentuk seperti lonceng, sehingga distribusi tersebut sudah bisa dikatakan normal atau mendekati normal. Data yang tidak sesuai dengan pola parabola terdapat pada rentang berat 42.5044.75 gram.

42

4.2.2.6 Grafik Histogram menggunakan tepung biasa.

Tinggi

kue

dengan

Berdasarkan grafik histogram di atas, dapat dilihat pola data berbentuk kurva normal/ berbentuk seperti lonceng, sehingga distribusi tersebut sudah bisa dikatakan normal atau mendekati normal. Data yang tidak sesuai dengan pola parabola terdapat pada rentang tinggi 4.30-4.40 cm.

DOT PLOT

Normal Q-Q Plot of BeratSB

2

1

Expected Normal

0

-1

-2 35 40 45 50 55 60

Observed Value

43

4.2.2.7 Grafik dot plot berat kue dengan tepung segitiga biru.

Dari diagram diatas Nampak bahwa penyebaran datanya mengumpul pada garis normalitasdan hanya terdapat 3 data yang cukup jauh dari garis normalitas. Jadi data diatas dapat dikatakan berdistribusi normal.

Normal Q-Q Plot of TinggiSB

2

1

Expected Normal

0

-1

-2 4.5 5.0 5.5 6.0 6.5 7.0

Observed Value

4.2.2.8 Grafik dot plot tingg kue dengan tepung segitiga biru.

Dari diagram diatas Nampak bahwa penyebaran datanya mengumpul pada garis normalitasdan hanya terdapat 1 data yang cukup jauh dari garis normalitas. Jadi data diatas dapat dikatakan berdistribusi normal.

44

N o rm a l Q -Q P lo t o f B e ra tC K

2

1

Expected Normal

0

-1

-2 35 40 45 50 55 60

O b s e r v e d V a lu e

4.2.2.9 Grafik dot plot berat kue dengan tepung segitiga kereta kencana

Dari diagram diatas Nampak bahwa penyebaran datanya mengumpul pada garis normalitasdan hanya terdapat 1 data yang cukup jauh dari garis normalitas. Jadi data diatas dapat dikatakan berdistribusi normal.

N orm al Q-Q Plot of TinggiCK

2

1

Expected Normal

0

-1

-2 4.0 4.5 5.0 5.5 6.0 6.5

O bserved V alue

45

4.2.2.10 Grafik dot plot tinggi kue dengan tepung segitiga kereta kencana.

Dari diagram diatas Nampak bahwa penyebaran datanya mengumpul pada garis normalitasdan hanya terdapat 1 data yang cukup jauh dari garis normalitas. Jadi data diatas dapat dikatakan berdistribusi normal.

N orm al Q -Q P lo t of B eratB

2

1

Expected Normal

0

-1

-2 35 40 45 50 55 60

O b served V alue

4.2.2.11 Grafik Box plot berat kue dengan tepung biasa

Dari diagram diatas Nampak bahwa penyebaran datanya mengumpul pada garis normalitasdan hanya terdapat 1 data yang cukup jauh dari garis normalitas. Jadi data diatas dapat dikatakan berdistribusi normal.

46

N o rm a l Q -Q P lo t o f T in g g iB

2

1

Expected Normal

0

-1

-2 4 .0 4.2 4.4 4 .6 4 .8 5 .0 5 .2

O b se rve d V a lu e

4.2.2.12 Grafik dot plot berat kue dengan tepung biasa

Dari diagram diatas Nampak bahwa penyebaran datanya mengumpul pada garis normalitas dan tidak terdapat data yang jauh dari garis normalitas. Jadi data diatas dapat dikatakan berdistribusi normal.

47

BOX PLOT
60.00

24 21 18

55.00

50.00

45.00

40.00

35.00 BeratSB

4.2.2.13 Grafik Box plot berat kue dengan tepung segitiga biru.

Dari diagram box plot diatas dapat diketahui bahwa terdapat tiga data dengan tanda outlier. Yaitu data ke 18, 21 dan 24.
7.00

6.50

6.00

5.50

5.00 TinggiSB

4.2.2.14 Grafik Box tepung segitiga biru.

plot

tinggi

kue

dengan

48

Dari diagram box plot diatas dapat diketahui bahwa tidak terdapat data yang keluar ( outlier).

60 .00

55 .00

50 .00

45 .00

40 .00

27 35 .00 B era tC K

4.2.2.15 Grafik Box plot berat kue dengan tepung kereta kencana.

Dari diagram box plot diatas dapat diketahui bahwa yang terdapat satu data dengan tanda outlier. Yaitu data ke 27.

49

6.50

6.00

5.50

5.00

4.50 28

4.00 TinggiCK

4.2.2.16 Grafik Box tepung kereta kencana.

plot

tinggi

kue

dengan

Dari diagram box plot diatas dapat diketahui bahwa yang terdapat satu data dengan tanda outlier. Yaitu data ke 28.

8 55.00

50.00

45.00

40.00

B eratB

50

4.2.2.17 Grafik Box plot berat kue dengan tepung biasa.

Dari diagram box plot diatas dapat diketahui bahwa yang terdapat tsatu data dengan tanda outlier. Yaitu data ke 8.

5.20

5.00

4.80

4.60

4.40

4.20 TinggiB

4.2.2.18

Grafik Box plot berat kue dengan tepung biasa.

Dari diagram box plot diatas dapat diketahui bahwa tidak terdapat data dengan tanda outlier.

51

STEAM AND LEAF PLOT.
4.2.2.19 Steam and leaf plot berat kue dengan tepung segitiga biru,

Berat kue dari tepung segitiga biru Stem-and-Leaf Plot Frequency Stem & Leaf 2,00 3 . 99 11,00 4 . 01112223344 14,00 4 . 55556666677999 2,00 5 . 01 3,00 Extremes (>=57) Stem width: Each leaf: 10,00 1 case(s)

Dari data berat kue diatas diketahui bahwa pada baris pertama terdapat 2 data yang bernilai 39. pada baris kedua terdapat 1 data yang bernilai 40 sebanyak 3 data bernilai 41, 42 dan masing-masing 2 data yang bernilai 43 dan 44. Pada baris ketiga terdapat 4 data yang bernilai 45, 5 data yang bernilai 46, 2 data yang bernilai 47 dan 3 data yang bernilai 49. Pada baris keempat terdapat 1 data yang bernilai 50 dan 51. Terdapat 3 data yang lebih besar dari 57 ( Nilai ekstrim ).

4.2.2.20

Steam and leaf plot tinggi kue dengan tepung segitiga biru,

Tinggi kue dari tepung segitiga biru Stem-and-Leaf Plot Frequency Stem & Leaf 3,00 6,00 7,00 3,00 2,00 2,00 5,00 2,00 1,00 1,00 5 5 5 5 5 6 6 6 6 6 . . . . . . . . . . 111 223333 4444555 667 89 01 22222 55 6 9

Stem width: Each leaf:

1,00 1 case(s)

Dari data berat kue diatas diketahui bahwa pada baris pertama terdapat 3 data yang bernilai 5,1. pada baris kedua terdapat 2 data yang bernilai 5,2 sebanyak 4 data bernilai 5,3. Pada baris ketiga terdapat 4 data yang bernilai 5,4, 3 data yang bernilai 5,5. Pada baris keempat terdapat 2 data yang bernilai 5,6 dan 1 data yang bernilai 5,7. Pada

52

baris kelima terdapat 1 data yang bernilai 5,8 dan 5,9. Pada baris keenam terdapat 1 data yang bernilai 6,0 dan 6,1. Pada baris ketujuh terdapat 5 data yang bernilai 6.2. Pada baris ke delapan terdapat 2 data yang bernilai 6,5. Pada baris kesembilan terdapat 1 data yang bernilai 6,6. Dan pada baris ke sepuluh terdapat 1 data yang bernilai 6,9. Tidak terdapat nilai ekstrim.

53

4.2.2.21

Steam and leaf plot berat kue dengan tepung kereta kencana.

Berat kue dari tepung kereta kencana Stem-and-Leaf Plot Frequency Stem & Leaf 1,00 Extremes (=<36) 1,00 3. 8 4,00 4 . 3444 14,00 4 . 56677778899999 10,00 5 . 0000012334 6,00 5 . 566778 Stem width: Each leaf: 10,00 1 case(s)

Dari data berat kue diatas diketahui bahwa pada baris pertama terdapat 1 data yang bernilai 38. pada baris kedua terdapat 1 data yang bernilai 43 sebanyak 3 data bernilai 44. Pada baris ketiga terdapat 1 data yang bernilai 45, 2 data yang bernilai 46, 4 data yang bernilai 47, 2 data yang bernilai 48 dan 5 data yang bernilai 49. Pada baris keempat terdapat 5 data yang bernilai 50, 1 data yang bernilai 51 dan 58, dua data yang bernilai 56 dan 57. Terdapat 1 nilai ekstrim yang lebih kecil dari 36.
4.2.2.22 Steam and leaf plot tinggi kue dengan tepung kereta kencana,

Tinggi kue dari tepung kereta kencana Stem-andLeaf Plot Frequency Stem & Leaf 1,00 Extremes (=<4,2) 1,00 4. 9 12,00 5 . 022222233344 20,00 5 . 55555566666667788888 2,00 6 . 01 Stem width: Each leaf: 1,00 1 case(s)

Dari frekuensi diagram leaf steam diatas pada baris pertama terdapat 1 nili ekstrim yang lebih kecil dari 4,2. Pada baris kedua terdapat 1 data yang bernilai 4,9. Pada baris ketiga terdapat 1 data yang bernilai 5,0; 6 data yang bernilai 5,2; 3 data yang bernilai 5,3; 2 data yang bernilai 5,4. Pada baris ke empat terdapat 6 data yang bernilai 5,5; 7 data yang bernilai 5,6; 2 data yang bernilai 5,7; dan 5 data yang bernilai 5,8. Dan pada baris ke lima terdapat 1 data yang bernilai 6,0 dan 6,1.
4.2.2.23 Steam and leaf plot berat kue dengan tepung biasa.

Berat kue dari tepung biasa Stem-and-Leaf Plot

54

Frequency

Stem & Leaf

1,00 38 . 2 1,00 39 . 5 3,00 40 . 077 5,00 41 . 12678 7,00 42 . 0223445 4,00 43 . 6788 4,00 44 . 0018 1,00 45 . 5 4,00 46 . 1257 4,00 47 . 1379 1,00 48 . 0 1,00 Extremes (>=55,5) Stem width: Each leaf: 1,00 1 case(s)

Dari diagram leaf stem diatas dapat diketahui bahwa pada baris pertama terdapat 1 data yang bernilai 38,2. Pada baris kedua terdapat 1 data yang bernilai 39,5. Pada baris ketiga terdapat 1 data yang bernilai 40,0 dan 2 data yang bernilai 40,7. Pada baris keempat terdapat 1 data yang bernilai 41.1; 41.2; 41.6; 41.7; dan 41.8. Pada baris kelima terdapat 1 data yang bernilai 42.0; 42.3; 42.5 dan 2 data yang bernilai 42.2; 42.4. Pada baris keenam terdapat 1 data yang bernilai 43.6; 43.7 dan 1 data yang bernilai 43.8. Pada baris ketujuh terdapat 2 data yang bernilai 44.0 dan 2 data yang bernilai 44.1 dan 44.8. pada baris ke delapan terdapat 1 data yang bernilai 45.5. pada baris kesembilan terdapat 1 data yang bernilai 46.1; 46.2; 46.5; 46.7. Pada baris kesepuluh terdapat 1 data yang bernilai 47.1; 47.3; 47.7; 47.9. Pad baris kedua belas terdapat 1 data yang bernilai 48.0. dan pada baris ke tiga belas terdapat nilai ekstrim yang bernilai lebih dari 55.5.
4.2.2.24 Steam and leaf plot tinggi kue dengan tepung biasa

Tinggi kue dari tepung biasa Stem-and-Leaf Plot Frequency Stem & Leaf 2,00 7,00 5,00 1,00 7,00 4,00 3,00 4,00 2,00 1,00 42 . 43 . 44 . 45 . 46 . 47 . 48 . 49 . 50 . 51 . 39 1233449 23344 3 0146688 3788 345 0167 77 7

Stem width: Each leaf:

,10 1 case(s)

55

Dari diagram leaf steam diatas dapat diketahui bahwa pad baris ke-1 terdapat 1 data yang bernilai 42.3 dan 42.9. Pada baris ke-2 terdapat 1 data yang bernilai 43.1; 43.2; 43.9 dan terdapat 2 data yang bernilai 43.3 dan 43.4. Pada baris ke-3 terdapat 1 data yang bernilai 44.2 dan 2 data yang bernilai 44.3; 44.4. Pada baris ke-4 terdapat 1 data yang bernilai 45.3. Pada baris ke-5 terdapat 1 data yang bernilai 46.0; 46.1; 46.4 dan terdapat 2 data yang bernilai 46.6; 46.8. Pada baris ke-6 terdapat 1 data yang bernilai 47.3; 47.7 dan 2 data yang bernilai 47.8. Pada baris ke-7 terdapat 1 data yang bernilai 48.3; 48.4; 48.5. Pada baris ke-8 terdapat 1 data yang bernilai 49.0; 49.1; 49.6; 49.7. Pada baris ke-9 terdapat 2 data yang bernilai 50.7. dan pada baris ke-10 terdapat 1 data yang bernilai 51.7.

56

4.2.3.

Uji Normalitas. Tests of Normality Kolmogorov-Smirnov(a) Statistic df Sig. Shapiro-Wilk Statistic df 32 32 32 32 32 32

Sig. ,014 ,010 ,289 ,001 ,007 ,211

BeratS ,174 32 ,015 ,914 B TinggiS ,169 32 ,020 ,908 B BeratC ,091 32 ,200(*) ,961 K TinggiC ,157 32 ,043 ,854 K BeratB ,141 32 ,108 ,902 TinggiB ,142 32 ,101 ,956 * This is a lower bound of the true significance. a Lilliefors Significance Correction Hipotesis HO HI : Data berdistribusi normal. : Data tidak berdistribusi normal.

Dasar pengambilan keputusan : HO berdasarkan nilai probabilitas atau signifikansi. • • Jika signifikansi > 0.05 maka HO diterima. Jika signifikansi < 0.05 maka HO ditolak

Berdasarkan table diatas, dapat diketahui bahwa nilai signifikansi pada variable berat kue dengan tepung segitiga biru adalah : 0.015 (Kolmogorov-Smirnov) dan 0.014 (Shapiro-Wilk). Sedangkan untuk variable tinggi kue dengan tepung segitiga biru adalah : 0.02 (Kolmogorov-Smirnov) dan 0.010 (Shapiro-Wilk). Berdasarkan table diatas, dapat diketahui bahwa nilai signifikansi pada variable berat kue dengan tepung kereta kencana adalah : 0.20 (Kolmogorov-Smirnov) dan 0.289 (Shapiro-Wilk). Sedangkan untuk variable tinggi kue dengan tepung kereta kencana adalah : 0.043 (Kolmogorov-Smirnov) dan 0.001 (Shapiro-Wilk). Berdasarkan table diatas, dapat diketahui bahwa nilai signifikansi pada variable berat kue dengan tepung biasa adalah : 0.0108 (Kolmogorov-Smirnov) dan 0.007 (Shapiro-Wilk). Sedangkan untuk variable tinggi kue dengan tepung biasa adalah : 0.101 (Kolmogorov-Smirnov) dan 0.211 (Shapiro-Wilk).

57

4.2.4.

Regresi Linear

Tabel statistic deskriptif Descriptive Statistics Mean Tepun g Tinggi Berat 2,0385 5,2870 46,5686 Std. Deviation ,81160 ,61254 4,95017 N 104 104 104

Dari table statistic deskriptif diatas, diperoleh variable berat yang menunjukan jumlah sample sebanyak 104. Nilai mean berat kue diperoleh sebesar 46.5686 dan nilai mean tinggi kue diperoleh sebesar 5.2870 dengan jumlah smapel sebanyak 104.

58

Correlations Tepung Pearson Correlation Sig. (1-tailed) Tepun g Tinggi Berat Tepun g Tinggi Berat Tepun g Tinggi Berat 1,000 -,759 -,205 . ,000 ,018 104 104 104 Tinggi -,759 1,000 ,577 ,000 . ,000 104 104 104 Berat -,205 ,577 1,000 ,018 ,000 . 104 104 104

N

Hipotesis HO HI : Jenis tepung berhubungan dengan berat dan tinggi kue. : Jenis tepung tidak berhubungan dengan berat dan tinggi kue.

Dasar pengambilan keputusan : HO berdasarkan nilai probabilitas atau signifikansi. • • Jika signifikansi > 0.05 maka HO diterima. Jika signifikansi < 0.05 maka HO ditolak

Dari tebel diatas dapat diketahui bahwa hubungan antara jenis tepung dengan berat kue memiliki nilai pearson correlation sebesar -0.205, dengan nilai signifikansi 0.018. Hubungan antara jenis tepung dengan tinggi kue memiliki nilai pearson comparison sebesar -0.759, dengan nilai signifikansi sebesar 0.00. Dan hubungan antara tinggi kue dengan berat kue memiliki nilai pearson correlation sebesar 0.577, dengan nilai signifikansi 0.00. Kesimpulan : • • • Antara jenis tepung dengan tinggi tepung tidak berhubungan ( HO ditolak ) Antara jenis tepung dengan berat tepung tidak berhubungan ( HO ditolak ) Antara berat tepung dengan tinggi tepung tidal berhubungan ( HO ditolak ) Variables Entered/Removed(b)

59

Variable Variable s Mod s Remove el Entered d Method 1 Berat, . Enter Tinggi(a) a All requested variables entered. b Dependent Variable: Tepung Dari table diatas dapat diketahui bahwa dalam penghitungan regresi linearnya variable independent yang dimasukan adalah berat kue dan tinggi kue. Sedangkan variable dependen yang di masukkan dalam perhitungan adalah jenis tepung. Model Summary(b) Adjusted Std. Error Mod R R of the el R Square Square Estimate 1 ,810(a) ,656 ,650 ,48048 a Predictors: (Constant), Berat, Tinggi b Dependent Variable: Tepung Dari table model summary diatas dapat diketahui bahwa estimasi standart error dari hubungan antara jenis tepung dengan berat kue dan tinggi tepung adalah 0.48048.

ANOVA(b) Mod el 1 Sum of Squares df Mean Square 22,265 ,231 F 96,443 Sig. ,000(a)

Regressio 44,529 2 n Residual 23,317 101 Total 67,846 103 a Predictors: (Constant), Berat, Tinggi b Dependent Variable: Tepung Hipotesis HO HI

: Jenis tepung berhubungan dengan berat dan tinggi kue. : Jenis tepung tidak berhubungan dengan berat dan tinggi kue.

Dasar pengambilan keputusan : HO berdasarkan nilai probabilitas atau signifikansi. • • Jika signifikansi > 0.05 maka HO diterima. Jika signifikansi < 0.05 maka HO ditolak

60

Coefficients(a) Mod el Unstandardized Coefficients Std. Error Standardiz ed Coefficient s Beta -,960 ,348

t B 12,584 -13,434 4,876

1

B (Consta 6,101 ,485 nt) Tinggi -1,271 ,095 Berat ,057 ,012 a Dependent Variable: Tepung Hipotesis HO HI

Sig. Std. Error ,000 ,000 ,000

: Jenis tepung berhubungan dengan berat dan tinggi kue. : Jenis tepung tidak berhubungan dengan berat dan tinggi kue.

Dasar pengambilan keputusan : HO berdasarkan nilai probabilitas atau signifikansi. • • Jika signifikansi > 0.05 maka HO diterima. Jika signifikansi < 0.05 maka HO ditolak

61

BAB V ANALISA DAN INTERPRETASI

5.1.

Tepung Segitiga Biru

5.1.1. Statistik Deskriptif Numeris Dari hasil pengolahan data statistic deskriptif numeris mengenai berat kue dari tepung segitiga biru dengan menggunakan MS Excel dan SPSS 17.0 didapatkan hasil yang sama yaitu : nilai mean-nya 46.2055, standart error-nya 0.84547, Mediannya 45.83.65, Mode-nya tidak ada, standart deviasinya 4.7827, nilai kurtosisnya 1.06353, nilai skewnessnya 1.0557, range datanya 19.457, berat minimumnya 39.187, berat maksimumnya 58.662, jumlah seluruh berat kue 1478.576, dan nilai confidence level(95%)-nya 1.72434.

Dari hasil pengolahan data statistic deskriptif numeris mengenai tinggi kue dari tepung segitiga biru dengan menggunakan MS Excel dan SPSS 17.0 didapatkan hasil yang sama yaitu : nilai mean-nya 5.763, standart error-nya 0.0867, Mediannya 5.575, Mode-nya 6.2 , standart deviasinya 0.4909, nilai kurtosisnya -0.5337, nila skewnessnya 0.71066, range datanya 1.78, tinggi minimumnya 5.17, tinggi maksimumnya 6.95, jumlah seluruh tinggi kue 184.425, dan nilai confidence level(95%)-nya 0.17699.

5.1.2. Statistik Deskriptif Grafis Dari grafik berat kue dari tepung segitiga biru dapat dilihat bahwa kue pertama mempunyai berat 44.354 gram dan kue terakhir mempunyai berat 41.233 gram. Dimana kue paling berat adalah kue ke-24 dengan bobot 58.662 gram, dan kue yang paling kecil adalah kue ke-4 dengan berat 39.187 gram. Dari histogram, diagram dot plot dan diagram Box plot berat kue dari tepung segitiga biru diatas didapatkan bahwa pola datanya berdistribusi normal. Data yang terlalu ekstrim ada 3 data yaitu data ke 18, 21 dan 24.

Dari grafik diatas tinggi kue dari tepung segitiga biru dapat dilihat bahwa kue pertama mempunyai tinggi 5,4 cm dan kue terakhir mempunyai tinggi 5.55 cm. Dimana kue paling tinggi adalah kue ke-24 dengan tinggi 6.96 cm, dan kue yang paling kecil adalah kue ke-12 dengan tinggi 5.17 cm. Dari histogram, diagram dot plot dan diagram Box plot tinggi kue dari tepung segitiga biru diatas didapatkan bahwa pola datanya berdistribusi normal. Data yang terlalu ekstrim ada 3 data yaitu data ke 18, 21 dan 24.

62

5.1.3. Uji Normalitas Hipotesis HO HI : Data berdistribusi normal. : Data tidak berdistribusi normal.

Dasar pengambilan keputusan : HO berdasarkan nilai probabilitas atau signifikansi. • • Jika signifikansi > 0.05 maka HO diterima. Jika signifikansi < 0.05 maka HO ditolak

Berdasarkan table normalitas diatas, dapat diketahui bahwa nilai signifikansi pada variable berat kue dengan tepung segitiga biru adalah : 0.015 (Kolmogorov-Smirnov) dan 0.014 (Shapiro-Wilk). Sedangkan untuk variable tinggi kue dengan tepung segitiga biru adalah : 0.02 (Kolmogorov-Smirnov) dan 0.010 (Shapiro-Wilk).

5.2.

Tepung Kereta Kencana

5.2.1. Statistik Deskriptif Numeris Dari hasil pengolahan data statistic deskriptif numeris mengenai berat kue dari tepung kereta kencana dengan menggunakan MS Excel dan SPSS 17.0 didapatkan hasil yang sama yaitu : nilai mean-nya 49.575, standart error-nya 0.825, Mediannya 49.685, Mode-nya tidak ada, standart deviasinya 4.952, nilai kurtosisnya 0.501, nilai skewnessnya -0.396, range datanya 21.746, berat minimumnya 36.4, berat maksimumnya 58.146, jumlah seluruh berat kue 1784.723, dan nilai confidence level(95%)-nya 1.67757.

Dari hasil pengolahan data statistic deskriptif numeris mengenai tinggi kue dari tepung biasa dengan menggunakan MS Excel dan SPSS 17.0 didapatkan hasil yang sama yaitu : nilai mean-nya 5.519, standart error-nya 0.0573, Mediannya 5.565, Mode-nya 5.27 , standart deviasinya 0.344, nilai kurtosisnya 4.369, nila skewnessnya -1.3777, range datanya 1.88, tinggi minimumnya 4.24, tinggi maksimumnya 6.12, jumlah seluruh tinggi kue 198.69, dan nilai confidence level(95%)nya 0.116.

5.2.2. Statistik Deskriptif Grafis

63

Dari grafik berat kue dari tepung kereta kencana dapat dilihat bahwa kue pertama mempunyai berat 50.201 gram dan kue terakhir mempunyai berat 47.063 gram. Dimana kue paling berat adalah kue ke-35 dengan bobot 58.146 gram, dan kue yang paling kecil adalah kue ke-27 dengan berat 36.4 gram. Dari grafik tinggi kue dari tepung kereta kencana dapat dilihat bahwa kue pertama mempunyai tinggi 5,75 cm dan kue terakhir mempunyai tinggi 5.43 cm. Dimana kue paling tinggi adalah kue ke-35 dengan tinggi 6.12 cm, dan kue yang paling kecil adalah kue ke-28 dengan tinggi 4.24 cm.

5.2.3. Uji Normalitas Hipotesis HO HI : Data berdistribusi normal. : Data tidak berdistribusi normal.

Dasar pengambilan keputusan : HO berdasarkan nilai probabilitas atau signifikansi. • • Jika signifikansi > 0.05 maka HO diterima. Jika signifikansi < 0.05 maka HO ditolak

Berdasarkan table normalitas diatas, dapat diketahui bahwa nilai signifikansi pada variable berat kue dengan tepung kereta kencana adalah : 0.20 (Kolmogorov-Smirnov) dan 0.289 (Shapiro-Wilk). Sedangkan untuk variable tinggi kue dengan tepung kereta kencana adalah : 0.043 (Kolmogorov-Smirnov) dan 0.001 (Shapiro-Wilk).

5.3.

Tepung Biasa

5.31. Statistik Deskriptif Numeris Dari hasil pengolahan data statistic deskriptif numeris mengenai berat kue dari tepung biasa dengan menggunakan MS Excel dan SPSS 17.0 didapatkan hasil yang sama yaitu : nilai mean-nya 49.575, standart error-nya 0.825, Mediannya 49.685, Mode-nya tidak ada, standart deviasinya 4.952, nilai kurtosisnya 0.501, nilai skewnessnya -0.396, range datanya 21.746, berat minimumnya 36.4, berat maksimumnya 58.146, jumlah seluruh berat kue 1784.723, dan nilai confidence level(95%)-nya 1.67757. Dari hasil pengolahan data statistic deskriptif numeris mengenai tinggi kue dari tepung biasa dengan menggunakan MS Excel dan SPSS 17.0 didapatkan hasil yang sama yaitu : nilai mean-nya 4.631, standart

64

error-nya 0.0432, Mediannya 4.65, Mode-nya 4.68 , standart deviasinya 0.259, nilai kurtosisnya -1.004, nila skewnessnya 0.2617, range datanya 0.94, tinggi minimumnya 4.23, tinggi maksimumnya 5.17, jumlah seluruh tinggi kue 166.73, dan nilai confidence level(95%)-nya 0.0878.

5.3.2. Statistik Deskriptif Grafis Dari grafik berat kue dari tepung biasa dapat dilihat bahwa kue pertama mempunyai berat 46.548 gram dan kue terakhir mempunyai berat 47.7 gram. Dimana kue paling berat adalah kue ke-8 dengan bobot 55.513 gram, dan kue yang paling kecil adalah kue ke-19 dengan berat 38.2 gram. Dari grafik tinggi kue dari tepung biasa dapat dilihat kue pertama mempunyai tinggi 4.91 cm dan kue terakhir mempunyai tinggi 4.42 cm. Dimana kue paling tinggi adalah kue ke-17 dengan tinggi 5.17 cm, dan kue yang paling kecil adalah kue ke-23 dengan tinggi 4.23 cm.

5.3.3. Uji Normalitas Hipotesis HO HI : Data berdistribusi normal. : Data tidak berdistribusi normal.

Dasar pengambilan keputusan : HO berdasarkan nilai probabilitas atau signifikansi. • • Jika signifikansi > 0.05 maka HO diterima. Jika signifikansi < 0.05 maka HO ditolak

Berdasarkan table diatas, dapat diketahui bahwa nilai signifikansi pada variable berat kue dengan tepung biasa adalah : 0.0108 (KolmogorovSmirnov) dan 0.007 (Shapiro-Wilk). Sedangkan untuk variable tinggi kue dengan tepung biasa adalah : 0.101 (Kolmogorov-Smirnov) dan 0.211 (Shapiro-Wilk).

5.4.

Regresi Linear

Uji Correlation : Hipotesis HO : Jenis tepung berhubungan dengan berat dan tinggi kue.

65

HI

: Jenis tepung tidak berhubungan dengan berat dan tinggi kue.

Dasar pengambilan keputusan : HO berdasarkan nilai probabilitas atau signifikansi. • • Jika signifikansi > 0.05 maka HO diterima. Jika signifikansi < 0.05 maka HO ditolak

Dari tebel correlation diatas dapat diketahui bahwa hubungan antara jenis tepung dengan berat kue memiliki nilai pearson correlation sebesar -0.205, dengan nilai signifikansi 0.018. Hubungan antara jenis tepung dengan tinggi kue memiliki nilai pearson comparison sebesar -0.759, dengan nilai signifikansi sebesar 0.00. Dan hubungan antara tinggi kue dengan berat kue memiliki nilai pearson correlation sebesar 0.577, dengan nilai signifikansi 0.00. Kesimpulan : • Antara jenis tepung dengan tinggi tepung tidak berhubungan ( HO ditolak ) • Antara jenis tepung dengan berat tepung tidak berhubungan ( HO ditolak ) • Antara berat tepung dengan tinggi tepung tidal berhubungan ( HO ditolak )

Uji ANOVA : Hipotesis HO HI : Jenis tepung berhubungan dengan berat dan tinggi kue. : Jenis tepung tidak berhubungan dengan berat dan tinggi kue.

Dasar pengambilan keputusan : HO berdasarkan nilai probabilitas atau signifikansi. • • Jika signifikansi > 0.05 maka HO diterima. Jika signifikansi < 0.05 maka HO ditolak

Berdasarkan table ANOVA diatas didapatkan nilai signifikansi sebesar 0.00 jadi kesimpulannya HO ditolak. Berarti antara jenis tepung dengan berat kue dan tinggi kue tidak memiliki hubungan.

66

Uji Coeficient : Hipotesis HO HI : Jenis tepung berhubungan dengan berat dan tinggi kue. : Jenis tepung tidak berhubungan dengan berat dan tinggi kue.

Dasar pengambilan keputusan : HO berdasarkan nilai probabilitas atau signifikansi. • • Jika signifikansi > 0.05 maka HO diterima. Jika signifikansi < 0.05 maka HO ditolak

Berdasarkan table coefficients diatas didapatkan nilai signifikansi hubungan antara jenis tepung dengan berat kue adalah sebesar 0.00 jadi kesimpulannya HO ditolak. Berarti antara jenis tepung dengan berat kue tidak memiliki hubungan. Nilai signifikansi hubungan antara jenis tepung dengan tinggi kue adalah sebesar 0.00 jadi kesimpulannya HO ditolak. Berarti antara jenis tepung dengan tinggi kue tidak memiliki hubungan.

67

BAB VI KESIMPULAN DAN SARAN

6.1.

Kesimpulan 1. Data yang diperoleh dari hasil praktikum ini rata-rata berdistribusi normal. Karena dari hasil pengolahan data menggunakan MS Excel dan SPSS 17.0 didapatkan distribusi data yang normal. 2. Dari data hasil praktikum diatas didapatkan bahwa jenis tepung tidak berpengaruh terhadap berat kue dan tinggi kue yang akan dihasilkan. Karena berat kue setelah pemanggangan tidak jauh beda dengan berat kue sebelum pemanggangan. Berarti untuk berat kue tergantung banyak sedikitnya adonan yang kita masukkan ke adonan. 3. Sebenarnya factor yang lebih berpengaruh terhadap tinggat pengembangan kue adalah lamanya pengocokan telur. Semakin lama telur dikocok, maka semakin bagus tingkat pengembangan kuenya. Karena dalam pengocokan telur tersebut kita dapatkan telur itu sudah Nampak putih, maka nantinya kue yang akan dihasilkan kemungkinan akan mengembang dengan baik.

6.2.

Saran 1. Dalam praktikum pengambilan data sebaiknya apabila variabel yang dibandingkan itu sudah dibedakan antara kelompok 1 dengan kelompok lain, maka variabel lainnya harus sama. Misalkan pada praktikum kemarin antara kelompok 1 dengan kelompok lain apabial variabel yang di perbandingkan adalah jenis tepung maka variabel lain seperti lama pengocokan telur harus sama. Sehingga kita benar-benar dapat mengetahui pengaruh jenis tepung terhadap berat kue dan tinggi kue. 2. Sebaiknya untuk standarisasi kue, sebelum adonan kue tersebut di panggang ketika kita tuangkan adonan kue ke dalam cetakan sebaiknya kita samakan antara satu dengan lainya misalkan dengan cara di samakan beratnya menggunakan timbangan. Sehingga nanti kita benar-benar bisa mengetahui tingkat pengembangan kue dari tepung yang berbeda setelah dipanggang.

68

DAFTAR PUSTAKA

• • • •

Aisyah, Liana. Statistik Terapan Pendidikan. Yogyakarta. UIN Sunan Kalijaga. 2007 Santoso, Singgih. SPSS Mengolah Data Secara Profesional. Jakarta. Elexmedia Komputindo. 2002 Farihah, Tutik. Praktikum Statistik Industri. Yogyakarta. UIN Sunan Kalijaga. 2008 Walpole, Ronald & Raimond H Myers. Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuan. Bandung. Penerbit ITB, 1995.

69