LAPORAN PRAKTIKUM STATISTIKA INDUSTRI SA
LAPORAN PRAKTIKUM STATISTIKA INDUSTRI
Disusun Sebagai Salah Satu Syarat Kelulusan Mata Kuliah Praktikum Statistika Industri Jurusan Teknik Industri Fakultas Teknik Universitas Muhammadiyah Surakarta
Oleh : KELOMPOK 63
NILA KUSUMA DEWI
D 600 140 082
TAUFIQ MAHYUDIN
D 600 140 134
MATERI :
MODUL I
: PENARIKAN SAMPEL MODUL II : DISTRIBUSI PELUANG MODUL III : ESTIMASI PARAMETER MODUL IV : PENGUJIAN HIPOTESIS MODUL V
: REGRESI, KORELASI, DAN UJI ANOVA DENGAN SPSS JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH SURAKARTA
LAPORAN PRAKTIKUM STATISTIKA INDUSTRI
Disusun Sebagai Salah Satu Syarat Kelulusan Mata Kuliah Praktikum Statistika Industri Jurusan Teknik Industri Fakultas Teknik Universitas Muhammadiyah Surakarta
Oleh : KELOMPOK 63
NILA KUSUMA DEWI
D 600 140 082
TAUFIQ MAHYUDIN
D 600 140 134
MATERI :
MODUL I
: PENARIKAN SAMPEL
MODUL II : DISTRIBUSI PELUANG MODUL III : ESTIMASI PARAMETER MODUL IV : PENGUJIAN HIPOTESIS MODUL V : REGRESI, KORELASI, DAN UJI ANOVA DENGAN SPSS JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH SURAKARTA
LEMBAR PENGESAHAN
Laporan ini disusun sebagai salah satu syarat kelulusan Mata Kuliah Praktikum Statistika Industri Jurusan Teknik Industri Universitas Muhammadiyah Surakarta
Oleh:
Kelompok : 63 Nama
: NILA KUSUMA DEWI
D 600 140 082 TAUFIQ MAHYUDIN
D 600 140 134
Telah disahkan dan disetujui pada:
Hari : Tanggal
Koordinator Asisten
(Auliya Noor Rochman) (Alfara Dila Ika Arita)
Mengetahui,
Dosen Pengampu 1 Dosen Pengampu 2
(Dr. Hari Prasetyo) (Dr. Suranto)
KATA PENGANTAR
Assamu’alaikum Wr. Wb Puji syukur kehadirat Allah SWT yang telah melimpahkan rahmat-Nya,
sehingga kami dapat menyelesaikan laporan ini. Laporan ini disusun untuk memenuhi persyaratan mata kuliah praktikum statistika industri 2015 Jurusan Teknik Industri, Fakultas Teknik Universitas Muhammadiyah Surakarta.
Kami menyadari bahwa keberhasilan kami dalam menyelesaikan laporan ini bukan semata-mata atas jerih payah kami sendiri. Namun berkat bimbingan petunjuk, fasilitas, dan bantuan dari beberapa pihak. Maka terselesaikannya laporan ini kami mengucapkan terimakasih kepada :
1. Dr. Hari Prasetyo dan Dr. Suranto selaku dosen pengampu praktikum statistika industri 2015.
2. Ayah, ibu, kakak, adik, dan semua keluarga yang selalu mendoakan kami.
3. Alfara Dila Ika Arita selaku asisten penulis yang telah memberikan bimbingan, dan pengarahan selama mengikuti praktikum ini.
4. Asisten praktikum statistika industri 2015 yang telah membimbing dan memberikan pengarahan selama mengikuti praktikum ini.
5. Teman-teman dan semua pihak yang tidak bisa kami sebutkan satu persatu yang telah memberikan dorongan semangat sehingga kami dapat menyelesaikan laporan ini.
Besar harapan laporan praktikum statistika industri ini dapat bermanfaat bagi penulis dan semua pihak pada umumnya. Kami menyadari bahwa dalam penulisan ini kurang sempurna, untuk itu kami mohon maaf dan bersedia menerima kritik dan saran. Akhir kata, semoga laporan ini bermanfaat bagi kita semua. Wassalamu’alaikum Wr. Wb
Surakarta, Desember 2015
Penulis
PERSEMBAHAN
Laporan Praktikum statistika industri ini kami persembahkan untuk :
1. Allah SWT yang telah memberikan rahmat-Nya sehingga selama proses pengerjaan laporan ini tetap diberi kesehatan dan kelancaran.
2. Bapak, ibu, dan semua keluarga yang telah memberikan dukungan dan do’a sehingga dapat
menyelesaikan laporan ini.
3. Bapak dan ibu dosen yang telah membimbing dan memberi motivasi untuk menyelesaikannya.
4. Asisten praktikum statistika industri 2015 yang banyak membantu dalam pengerjaan laporan.
5. Teman-teman dan semua pihak yang telah memberikan dorongan dan semangat untuk menyelesaikan laporan ini.
6. Para fans yang telah mendukung dan men-support selama mengikuti praktikumstatistika tahun ini
7. Moodbosterku yang selalu ada untuk ku
MOTTO
“ Don’t stop till you get enough .” “Berjalan lah walau habis terang, ambil cahaya cinta
untuk terangi jalan mu.” “Terus berjuang, terus bermimpi untuk hidup yang lebih baik, untuk hidup yang lebih indah.” “Maka sesungguhnya setiap kesulitan ada
kemudahan.” Nothing is impossible. Anything can happen as long
as we believe .”
BAB I LANDASAN TEORI
A. PENARIKAN SAMPEL
Secara garis besar, metode penarikan sampel dibagi menjadi dua, yaitu Random Sampling dan Non Random Sampling. Salah satu metode Random Sampling adalah Teknik multistage random sampling. Teknik ini merupakan teknik penarikan acak bertingkat yang merupakan pengembangan dari acak klaster. Metode pengambilan sampel yang dilakukan bertingkat dalam dua tahap atau lebih. Metode Multistage Sampling dapat digunakan apabila populasi cukup homogen, jumlah populasi sangat besar, populasi menempati daerah yang sangat luas dan biaya penelitian kecil.
B. DISTRIBUSI PELUANG
Distribusi peluang merupakan tabel, grafik atau rumus yang memberikan nilai peluang dari sebuah peubah/variabel acak. Berdasarkan karakteristik peubah acaknya, distribusi peluang dapat dibedakan menjadi dua, yakni distribusi peluang diskrit dan kontinyu. Salah satu distribusi diskrit adalah distribusi poisson, dimana distribusi ini adalah distribusi yang menghasilkan nilai suatu peubah acak X, yaitu jumlah keluaran yang terjadi selama satu selang watu atau diantar suatu daerah. Sedangkan salah satu distribusi kontinue adalah distribusi eksponensial, yiatu distribusi yang memiliki pertalian yang erat dengan distribusi poisson.
C. ESTIMASI PARAMETER
Estimasi adalah penaksiran (pendugaan) dari nilai-nilai parameter populasi (misalkan rataan, standart deviasi, dan proporsi) berdasarkan data atau sampel yang telah ada. Misalnya, rataan (mean) sampel merupakan penduga bagi rataan p opulasi (μ). Estimasi juga memiliki beberapa sifat Estimasi adalah penaksiran (pendugaan) dari nilai-nilai parameter populasi (misalkan rataan, standart deviasi, dan proporsi) berdasarkan data atau sampel yang telah ada. Misalnya, rataan (mean) sampel merupakan penduga bagi rataan p opulasi (μ). Estimasi juga memiliki beberapa sifat
Didalam melakukan estimasi juga terdapat standart error yang merupakan besarnya maksimum kesalahan yang dapat terjadi dalam menduga nilai parameter populasi berdasarkan pengamatan sejumlah n sampe yang dipilih secara acak. Pada prinsipnya, semakin besar ukuran sampel yang diambil (n) semakin mendekati jumlah populasinya (N) maka semakin kecil kesa lahan dalam estimasi (ε). Besarnya n sangat ditentukan oleh derajat keyakinan(1- α) yang diinginkan oleh peneliti dalam menaksir parameter populasi
D. PENGUJIAN HIPOTESIS
Hipotesis statistik adalah suatu anggapan atau pernyataan, yang mungkin benar atau tidak, mengenai keadaan suatu populasi. Kebenaran dan ketidakbenaran suatu hipotesis tersebut daat diketahui dengan pasti jika seluruh populasi diamati (memeriksa seluruh populasi). Namun pengamatan keseluruhan populasi sering kali tidak efisien untuk dilakukan, sehingga hipotesis diuji melalui pengamatan terhadap suatu sampel. Konsekuensinya, keputusan yang dihasilkan mengandung unsur ketidakpastian yang ditunjukkan dari tingkat keyakinan (1- α) dari pengujian.
E. REGRESI, KORELASI DAN UJI ANOVA DENGAN SPSS
Regresi merupakan suatu bentuk analisis yang digunakan untuk mengetahui hubungan antara varibael independent (bebas) dengan variabel dependent (bergantung),sedangkan korelasi adalah bentuk analisis yang digunakan untuk mengetahui seberapa erat hubungan antar variabel. Kemudian Anova adalah suatu teknik analisis yang digunakan untuk menguji perbedaan dari tiga kelompok atau lebih berdasarkan satu variabel independent.
BAB II PENGUMPULAN, PENGOLAHAN, DAN ANALISA DATA
A. PENARIKAN SAMPEL
1. Rumusan Masalah
Pada penelitian Modul I ini peneliti mengambil judul penelitian “Tingkat Kepuasan Mahasiswa Teknik Mesin terhadap Kinerja Dosen Teknik Mesin Universitas Muhammadiyah Surakarta ”.
Dengan latar belakang, dosen merupakan seseorang yang bekerja sebagai pendidik profesional dan ilmuan dengan tugas utama mentransformasikan, mengembangkan, dan menyebar luaskan ilmu pengetahuan, teknologi, dan seni melalui pendidikan, penelitian, dan pengabdian kepada masyarakat. Tercapainya tujuan proses belajar mengajar dalam suatu perguruan tinggi tidak terlepas dari peranan dosen dan mahasiswa. Sehingga keaktifan para dosen dalam memberikan perkuliahan dan keaktifan mahasiswa dalam mengikuti proses belajar mengajar menjadi kunci utama suksesnya proses belajar mengajar. Alat ukur kesuksesan proses belajar mengajar bagi mahasiswa adalah berupa nilai akhir. Kualitas dosen memegang peranan penting disuatu perguruan tinggi yang ingin mencapai tujuan proses belajar mengajar yaitu menghasilkan lulusan (output) yang berkualitas. Penelitian yang akan dilakukan ini diharapkan mampu memberikan kontribusi bagi Mahasiswa Teknik Mesin Universitas Muhammadiyah Surakarta dengan rumusan masalah Bagaimana Tingkat Kepuasan Mahasiswa Teknik Mesin terhadap Kinerja Dosen Teknik Mesin Universitas Muhammadiyah Surakarta?
2. Penarikan Sampel
Ide dasar dari penarikan sampel adalah dengan mengobservasi beberapa elemen (anggota) dari suatu populasi yang diharapkan mampu memberikan informasi yang berguna mengenai karakteristik populasi. Agar peneliti mudah melakukan observasi maka dibuatlah kerangka penelitian berupa Lokasi, Waktu, Jumlah Sampel dan Metode yang akan di gunakan dengan rincian sebagai berikut: Tabel 2.1 Tabel Penarikan Sampel No Pertanyaan
Gedung H Jurusan
Objek penelitian yang akan
Teknik Mesin
diambil adalah Mahasiswa Teknik Mesin Universitas Muhammadiyah Surakarta
2. Waktu Pukul 13.00 – 14.00 WIB Karena pada jam tersebut tidak adanya jam perkuliahan bagi peneliti
3. Jumlah Sampel
60 Sampel
Dari 60 sampel Mahasiswa Universitas Muhammadiyah Surakarta mampu mewakili jumlah populasi yang ada
4. Metode Sampling Metode Multistage Teknik ini memudahkan
Random sampling
peneliti dikarenakan mampu mengambil sampel secara acak
dari keseluruhan populasi yang ada. Sehingga keuntungannya adalah dapat menghemat waktu dan biaya
3. Prosedur Pengambilan Sampel
Dalam melakukan penelitian tentang Tingkat Kepuasan Mahasiswa Teknik Mesin terhadap Kinerja Dosen Teknik Mesin Unversitass Muhammadiyah Surakarta, peneliti membuat Diagram Flowchart dan penjelasan mengenai Diagram Flowchart tersebut sebagai berikut:
a. Gambar Flowchart
Mulai
Menentukan Tema atau Topik
Menyusun Rumusan M asalah Berdasrkan Latar Belakang
Mempersiapkan Alat dan Baha n
Menentukan Objek, Lokasi, dan Waktu
Menentukan Metode Sampel dan Jumlah Sampel
Melakukan Penarikan Sampe l atau Obse rvasi
Mengolah dan Mengana lisis Hasil Observasi
Menarik Kesimpulan
Sela sai
Gambar 2.1 Diagram Flowchart Penelitian Gambar 2.1 Diagram Flowchart Penelitian
1) Menentukan Tema atau Topik Menentukan tema atau topik dari penelitian yang akan
dilakukan yaitu “Tingkat Kepuasan Mahasiswa Teknik Mesin terhadap Kinerja Dosen Teknik Mesin Universitas Muhammadiyah
Surakarta”.
2) Menentukan Rumusan Masalah berdasarkan Latar Belakang Masalah Dengan latar belakang masalah berupa pengertian dosen, tugas dosen serta hubungan mahasiswa dengan dosen, maka peneliti mengharapkan penelitian yang akan dilakukan ini dapat menjawab pertanyaan dari rumusan masalah berupa Bagaiaman Tingkat Kepuasan Mahasiswa Teknik Mesin terhadap Kinerja Dosen Teknik Mesin Universitas Muhammadiyah Surakarta?
3) Menentukan Objek, Lokasi dan Waktu Sebelum dilakukannya penelitian, peniliti menentukan terlebih dahulu hal-hal berupa :
1. Objek penelitian : Mahasiswa Teknik Mesin Universitas Muhammadiyah Surakarta
2. Lokasi : Gedung H Jurusan Teknik Mesin
3. Waktu : 13. 00 s/d 14.00 WIB
4) Menentukan Metode Sampling dan Jumlah Sampel Jumlah sampel yang diambil sebanyak 60 mahasiswa dari total keseluruhan populasi, dengan jumlah sampel tersebut diharapkan mampu mewakili jumlah keseluruhan Mahasiswa Teknik Mesin Universitas Muhammadiyah Surakarta dengan menggunakan metode multistage random sampling agar mampu menghemat waktu dan biaya.
5) Mempersiapkan Alat dan Bahan Alat dan bahan yang digunakan untuk penelitian seperti kertas, bolpoin, dan kamera (alat pendokumentasian)
6) Melakukan Penarikan Sampel atau Observasi Melakukan penarikan sampel atau pengamatan dengan menyebarkan kuisioner kepada responden sebanyak 60 sampel dari populasi yang ada.
7) Mengolah dan Menganalisis Hasil Observasi Setelah melakukan observasi kemudian mengolah dan menganalisis hasil observasi tersebut menggunakan metode multistage random sampling
8) Menarik Kesimpulan Mengambil kesimpulan dari analisi hasil observasi yang telah dilakukan mengenai Bagaimana Tingkat Kepuasan Mahasiswa Teknik Mesin terhadap Kinerja Dosen Teknik Mesin Universitas Muhammadiyah Surakarta
4. Kuisioner Penelitian Kinerja Dosen Teknik Mesin Dalam Kegiatan Perkuliahan
Tercapainya tujuan proses belajar mengajar dalam suatu perguruan tinggi tidak terlepas dari peranan dosen dan mahasiswa.. Kualitas dosen memegang peranan penting disuatu perguruan tinggi yang ingin mencapai tujuan proses belajar mengajar yaitu menghasilkan lulusan(output) yang berkualitas. Penelitian yang akan dilakukan ini diharapkan mampu memberikan kontribusi bagi mahasiswa Teknik Mesin Universitas Muhammadiyah Surakarta dengan menggunakan kuiesioner sebagai berikut: Nama Mahasiswa : Nim
Angkatan : Jenis Kelamin
*) beri tanda centang ( ) pada penilaian yang sesuai
Penilaian No Kriteria
Bagaimana kepuasan anda mengenai intonasi suara
1. dosen saat mengajar didalam kelas?
Bagaimana kepuasan anda mengenai metode yang
2 diguanakan dosen saat menyampaikan materi didalam kelas? Bagaimana kepuasana anda mengenai bahasa yang
3 disampaikan oleh dosen saat kegiatan PBM?
Bagaimana kepuasan anda tentang sikap dosen
4 dikelas ketika menjelaskan materi kuliah?
Bagaimana kepuasan anda tentang kerapian pakaian
5 dosen ketika mengajar dikelas?
Bagaimana menurut anda mengenai keaktifan dosen
6 ketika mengajar dikelas?
Bagaimana menurut anda mengenai materi yang
7 telah disampaikan oleh dosen kepada mahasiswa?
Bagaimana kepuasan anda mengenai dosen ketika
8 mengulangi materi saat ada mahasiswa yang belum faham? Bagaiman kepuasan anda tentang tugas yang telah
9 disampaikan oleh dosen?
Bagaimana kepuasan anda dengan nilai yang telah
10 diberikan oleh dosen selama mengikuti kuliah?
Ket :
1. Sangat Puas
3. Tidak Puas
2. Puas
4. Sangat Tidak Puas
Pertanyaan tambahan: Apa keluhan anda terhadap kinerja dosen selama kegiatan PBM?
a. Materi yang disampaikan
b. Metode penyampain
c. Ketepatan waktu
d. Suasana pengajaran
e. Jumlah kehadiran
f. Kejelasan penyampaian materi
g. Tidak ada keluhan
Nb : boleh pilih lebih dari satu jawaban
Kritik / Saran
5. Format Lembar Penelitian
Tabel 2.2 Lembar Penelitian
Tingkat Kepuasan No Nama
Angkatan
Jenis Kelamin
(1-4)
7 ….
60
B. DISTRIBUSI PELUANG
1. Objek Pengamatan Pada penelitian modul 2 ini peneliti melakukan penelitian selama 8 jam dalam sehari mulai pukul 13.00 hingga pukul 19.00 WIB dengan
mengambil objek pengamatan “Banyaknya jumlah pengunjung pengguna sepeda motor yang mengisi bahan bakar di SPBU Kert onatan Sukoharjo”. Peneliti memilih objek ini dikarenakan adanya keterbatasan waktu dan biaya sehingga dianggap objek penelitian ini yang mampu di jangkau oleh peneliti. Selain itu jumlah data yang diambil selama pengamatan pada hari sebelumnya dirasa mampu memenuhi kecukupan data yang diperlukan untuk dilanjutkan ke tahap analisis selanjutnya.
2. Tujuan Pengamatan Peneliti melakukan pengamatan tentang banyaknya jumlah pengunjung pengguna sepeda motor yang mengisi bahan bakar di SPBU Kertonatan Sukoharjo dengan tujuan penelitian sebagai berikut :
1. Mengetahui berapa banyak jumlah pengunjung pengguna sepeda motor yang mengisi bahan bakar di SPBU Kertonatan Sukoharjo.
2. Mengetahui waktu rata – rata kedatangan pengunjung pengguna sepeda motor yang mengisi bahan bakar
3. Menguji data waktu kedatangan pengunjung pengguna sepeda motor yang mengisi bahan bakar dengan distribusi poisson dan distribusi eksponensial
4. Menyajikan data dalam bentuk histogram bagi distribusi poisson dan distribusi eksponensial
3. Pelaksanaan Pengamatan Pengamatan banyaknya jumlah pengunjung pengguna sepeda motor yang mengisi bahan di SPBU Kertonatan Sukaharjo dilakukan pada :
- Hari, Tanggal
: Rabu, 25 November 2015
- Waktu
: 13.00 s/d 21.00 WIB
- Lokasi
: SPBU Kertonatan Sukoharjo
4. Hasil Pengamatan Berdasarkan hasil pengamatanyang telah dilakukan,penulis dapat menyajikan data dalam bentuk dua data yaitu data poisson dan data eksponensial sebagai berikut :
a. Data Poisson Data Poisson adalah data yang dapat digunakan untuk menghitung jumlah kedatangan. Oleh karena itu peneliti menyajikan data poisson ke dalam bentuk tabel sebagai berikut : Tabel 2.3 Data Poisson
Interval
Jumlah
No
Waktu
Kedatangan
1 13:00 - 13:10
2 13:10 - 13:20
3 13:20 - 13:30
4 13:30 - 13:40
5 13:40 - 13:50
6 13:50 - 14:00
7 14:00 - 14:10
8 14:10 - 14:20
9 14:20 - 14:30
10 14:30 - 14:40
11 14:40 - 14:50
12 14:50 - 15:00
13 15:00 - 15:10
26
14 15:10 - 15:20
40
15 15:20 - 15:30
26
16 15:30 - 15:40
31
17 15:40 - 15:50
38
18 15:50 - 16:00
43
19 16:00 - 16:10
34
20 16:10 - 16:20
40
21 16:20 - 16:30
23
22 16:30 - 16:40
24
23 16:40 - 16:50
19
24 16:50 : 17:00
10
25 17:10 - 17:10
13
26 17:10 - 17:20
16
27 17:20 - 17:30
12
28 17:30 - 17:40
21
29 17:40 - 17:50
19
30 17:50 - 18:00
28
31 18:00 - 18:10
25
32 18:10 - 18:20
27
33 18:20 - 18:30
24
34 18:30 - 18:40
26
35 18:40 - 18:50
33
36 18:50 - 19:00
22
37 19:00 - 19:10
22
38 19:10 - 19:20
27
39 19:20 - 19:30
16
40 19:30 - 19:40
27
41 19:40 - 19:50
29
42 19.50 - 20:00
31
43 20:00 - 20:10
b. Data Eksponensial Data eksponensial adalah data yang di dalamnya menghitung interval waktu antara data sebelum dan sesudahnya. Sehingga peneliti menyajikan data eksponensial dalam tabel sebagai berikut : Tabel 2.4 Data Eksponensial
Interval
Data Waktu
( Detik )
5. Uji Goodness Of Fit Uji ini dilakukan untuk menentukan apakah suatu populasi memiliki suatu distribusi teoritis tertentu. Uji ini didasarkan pada sejauh mana tingkat kedekatan atau kesesuaian yang ada antara frekuensi pengamatan dan frekuensi harapan. Penguji melakukan Uji Goodness Of Fit Poisson dan Uji Goodness Of Fit Eksponensial yang disajikan dalam bentuk tabel sebagai berikut :
a. Uji Goodness Of Fit Poisson. Tabel 2.5 Pengolahan Data Poisson
rata rata
27,53061224
standar deviasi
banyak kelas
interval kelas
5,7
lamda
0,036323202
Tabel 2.6 Teorema Limit Central 1 Poisson Interval
Frekuensi No
Hitungan
Kumulatif
Probabilitas Bawah
1 2 7.7 1 1 3.4747E-06 3.47467E-06 0.000170259
Tabel 2.7 Teorema Limit Central 2 Poisson Interval
Frekuensi No
Hitungan
Kumulatif
Probabilitas Bawah
Tabel 2.8 Chi-Square Poisson No
(Oi-Ei)^2 (Oi-Ei)^2 /Ei
Nilai Tabel
Total
Keterangan Rumus Tabel 2.9 Katerangan Rumus Poisson
Rumus
Keterangan
Rata – rata Rata – rata didapatkan dari jumlah kedatangan dibagi dengan banyaknya data, dengan rumus = average(data1;data2,...)
Standart Deviasi Standart deviasididapatkandenganruus =stdev(data1;data2...) Minimal
Minimal didapatkan dengan mengambil nilai terkecil dari data kedatangan pada tabel dengan rumus =min(data1;data2,...)
Maksimal Maksimal didapatkan dengan mengambil nilai terbesar dari data kedatangan pada tabel dengan rumus =max(data1;data2,...)
Banyak Kelas Pada data ini diasumsikan banyak kelas sebesar 10 Interval Kelas
Interval kelas didapatkan dengan nilai tertinggi dikurangi nilai terendah kemudian dibagi banyaknya kelas dengan rumus =(max- min)/banyak kelas
Batas Bawah Batas bawah didapatkan dengan mengambil nilai dari data dengan rumus=min
Batas Atas Batas atas didapatkan dengan batas bawah ditambah dengan interval kelasdengan rumus =batas bawah + interval kelas
Hitungan Kumulatif Hitungan kumulatif didapatkan dari rumus =frequency (data
kedatangan;batas atas)
Frekuensi Frekuensi adalah jumlah data yang terdapat pada setiap interval dengan rumus =hitungan kumulatif2 – hitungan kumulatif1
Komulatif Kumulatif Probabilitas didapatkan dengan rumus =poissondist(batas Probabilitas
atas;rata-rata(F4);true)
Probabilitas Probabilitas didapatkan dengan rumus =kumulatif probabilitas2 – kumulatif probabilitas1
Frekuensi Harapan
Frekuensi harapan didapatkan dengan rumus =
Kesimpulan : Dari data yang diolah didapatkan hasil sebesar 15.5367086 dan nilai hitung sebesar lebih besar dibanding dengan nilai tabel sebesar 11.07049769 sehingga dapat dikatakan bahwa data tersebut ditolak.
b. Uji Goodness Of Fit Eksponensial Tabel 2.10 Pengolahan Data Eksponensial
rata rata
standar deviasi
Minimum banyak kelas
interval kelas
Tabel 2.11 Teorema Limit Central 1 eksponensial Interval
Hitungan
No Frekuensi Bawah
Atas
Kumulatif
Tabel 2.12 Teorema Limit Central 2 eksponensial Interval
Frekuensi No
8,8E-12 Total
Tabel 2.13 Chi-Square Eksponensial No
(Oi-Ei)^2 /Ei Nilai Tabel
465,561209 Total
Tabel 2.14 Keterangan Rumus Eksponensial Rumus
Keterangan
Rata – rata Rata – rata didapatkan dari jumlah kedatangan dibagi dengan banyaknya data, dengan rumus = average(data1;data2,...)
Standart Deviasi Standart deviasididapatkandenganruus =stdev(data1;data2...) Minimal
Minimal didapatkan dengan mengambil nilai terkecil dari data kedatangan pada tabel dengan rumus =min(data1;data2,...)
Maksimal Maksimal didapatkan dengan mengambil nilai terbesar dari data kedatangan pada tabel dengan rumus =max(data1;data2,...)
Banyak Kelas Pada data ini diasumsikan banyak kelas sebesar 10 Interval Kelas
Interval kelas didapatkan dengan nilai tertinggi dikurangi nilai terendah kemudian dibagi banyaknya kelas dengan rumus =(max- min)/banyak kelas
Batas Bawah Batas bawah didapatkan dengan mengambil nilai dari data dengan rumus=min
Batas Atas Batas atas didapatkan dengan batas bawah ditambah dengan interval kelasdengan rumus =batas bawah + interval kelas
Hitungan Kumulatif Hitungan kumulatif didapatkan dari rumus =frequency (data
kedatangan;batas atas)
Frekuensi Frekuensi adalah jumlah data yang terdapat pada setiap interval dengan rumus =hitungan kumulatif2 – hitungan kumulatif1
Komulatif Kumulatif Probabilitas didapatkan dengan rumus =poissondist(batas Probabilitas
atas;rata-rata(F4);true)
Probabilitas Probabilitas didapatkan dengan rumus =kumulatif probabilitas2 – kumulatif probabilitas1
Frekuensi Harapan
Frekuensi harapan didapatkan dengan rumus =
Kesimpulan :
Dari data yang diolah didapatkan hasil nilai hitung sebesar 494,301141 dan nilai tabel sebesar 5,99146455, maka dapat disimpulkan bahwa data tersebut ditolak.
6. Analisa Uji Goodness Of Fit
a. Distribusi Poisson Pada penelitian ini Distribusi Poisson ini digunakan untuk menghitung probabilitas menurut satuan waktu. Dari hasil penelitian didapat nilai hitung sebesar 15.5367086 dan nilai tabel sebesar 11.07049769,sehingga dapat disimpulkan bahwa data ditolak. Kemudian dari distribusi ini di dapatkan bentuk histogram dengan frekuesi yang naik turun seperti gambar di bawah,namun perlu diketahui bahwa dari histogram saja data tidak dapat dikatakan data tersebut ditolak ataupun diterima ,walaupun keduanya memang berhubungan
Dari data yang diambil maka dapat dituliskan dalam bentuk histogram sebagai berikut :
Gambar 2.2 Histogram Distribusi Poisson Gambar 2.2 Histogram Distribusi Poisson
atkan bentuk histogram dengan frekuensi yang menurun seperti gambar di bawah. Namun perlu diketahui bahwa dari histogram saja data tidak dapat dikatakan data tersebut ditolak ataupun diterima ,walaupun keduanya memang berhubungan
Dari data yang diambil maka dapatdituliskan dalam bentuk histogram sebagai berikut :
Gambar 2.3 Histogram Distribusi Eksponensial
C. ESTIMASI PARAMETER
1. Data Pengamatan Kinerja Dosen Teknik Mesin dalam kegiatan Perkuliahan berdasarkan data yang di dapatkan dari kuisioner yang telah di bagikan kepada Mahasiswa Teknik Mesin Universitas Muhammadiyah Surakarta angkatan 2012, 2013, dan 2014, maka didapatkan hasil sebagai berikut : Tabel 2.15 Data Hasil Pengamatan
Tingkat No
1 Yudha Perdana
D200120025 Laki-Laki
2 Yudi Hermawan
D200120045 Laki-Laki
3 Yunika Cahyo
D200120087 Laki-Laki
4 Fauzan Said
D200120042 Laki-Laki
5 Budi Setyo W
D200120134 Laki-Laki
6 Rio
D200120050 Laki-Laki
7 `Satria Surya W
Laki-Laki
8 Sulaiman R
D200120021 Laki-Laki
9 Ha'mim Syafi'i
D200120048 Laki-Laki
10 Nizar Bayu P
D200120001 Laki-Laki
11 Hamba Allah
D200120115 Laki-Laki
12 Hamba Allah
D200120111 Laki-Laki
13 Hamba Allah
D200120089 Laki-Laki
14 Hamba Allah
D200120082 Laki-Laki
15 Wahyu H
D200130022 Laki-Laki
16 Yudi Hartanto
D200130035 Laki-Laki
17 Fahrijal M
D200130094 Laki-Laki
18 Irvan Ali
D200130086 Laki-Laki
19 Dafid
D200130142 Laki-Laki
20 G. Jodi
D200130156 Laki-Laki
21 Maulana
D200130008 Laki-Laki
22 Wibi
D200130049 Laki-Laki
23 Tutuko Keliru
D200130152 Laki-Laki
24 Andri Arianata
D200130109 Laki-Laki
25 Dani
D200130102 Laki-Laki
26 Wahid Zainuri
D200130115 Laki-Laki
27 Nanang P
D200130017 Laki-Laki
28 Fredy A
D200130024 Laki-Laki
29 Aziz
D200130164 Laki-Laki
30 Dimastya A.S
D200130096 Laki-Laki
31 Hamba Allah
D200130083 Laki-Laki
32 Hamba Allah
D200130192 Laki-Laki
33 Hamba Allah
D200130112 Laki-Laki
34 Hamba Allah
D200130045 Laki-Laki
35 Hamba Allah
D200130100 Laki-Laki
36 Jery Angga S
D200140077 Laki-Laki
37 M. Syarif
D200140168 Laki-Laki
38 Andi. P
D200140275 Laki-Laki
39 Taufiq .H
D200140211 Laki-Laki
40 Dafid
D200140187 Laki-Laki
41 Ari M
D200140266 Laki-Laki
42 Konde
D200140218 Laki-Laki
43 Yoga
D200140253 Laki-Laki
44 Faris Ap
D200140124 Laki-Laki
45 Ari Putra
D200140250 Laki-Laki
46 Wahyu Adi
D200140119 Laki-Laki
47 Saad
D200140128 Laki-Laki
48 Arifin
D200140144 Laki-Laki
49 Muchlisin
D200140242 Laki-Laki
50 Yulian P.M
D200140037 Laki-Laki
51 Muh. Ibnu
D200140214 Laki-Laki
52 Doni Erikiawan
D200140235 Laki-Laki
53 Alif Rian H
D200140288 Laki-Laki
54 Adi Pratama
D200140194 Laki-Laki
55 Mustain
D200140209 Laki-Laki
56 Vega
D200140188 Laki-Laki
57 Redik
D200140114 Laki-Laki
58 Faizal
D200140254 Laki-Laki
59 Faisal An
D200140255 Laki-Laki
60 Ahmad
D200140186 Laki-Laki
Data kuisioner mengenai tingkat kepuasan Mahasiswa Teknik Mesin Universitas Muhammadiyah terhadap kinerja dosen saat perkuliahan ini dilakukan dengan pengambilan sampel menggunakan metode sampling berupa Multistage Random Sampling yang di ambil berdasarkan proporsi dari jumlah mahasiswa perangkatan dengan jenis kelamin laki – laki saja yang digambarkan dalam diagram sebagai berikut:
Gambar 2.4 Diagram Proporsi Mahasiswa Teknik Mesin
Diagram diatas menggambarkan proporsi dari jumlah mahasiswa teknik mesin mahasiswa teknik mesin angkatan 2012, angkatan 2013, angkatan 2014. Dari masing – masing angkatan secara berurutan dapat diketahui bahwa proporsinya adalah 23%, 34% dan 43%. Sehingga dari jumlah mahasiswa angkatan 2012 sebanyak 131 mahasiswa diperlukan 14 responden, dari angkatan 2013 dengan jumlah mahasiswa sebanyak 196 Diagram diatas menggambarkan proporsi dari jumlah mahasiswa teknik mesin mahasiswa teknik mesin angkatan 2012, angkatan 2013, angkatan 2014. Dari masing – masing angkatan secara berurutan dapat diketahui bahwa proporsinya adalah 23%, 34% dan 43%. Sehingga dari jumlah mahasiswa angkatan 2012 sebanyak 131 mahasiswa diperlukan 14 responden, dari angkatan 2013 dengan jumlah mahasiswa sebanyak 196
2. Pengolahan Data
a. Estimasi Mean Sampel Tunggal Berdasarkan data kuisioner didapatkan dari 60 sampel diketahui bahwa rata – rata dari jumlah sampel menjawab puas dengan kinerja dosen saat perkuliahan. Kemudian peneliti mecoba menghitung estasi mean tunggal dengan menggunakan beberapa variabel sebagai berikut: Tabel 2.16 Hasil Pengolahan Estimasi Mean Sampel Tunggal
Variabel
Hasil Perhitungan
Confidence Level
Standar Deviasi
Jumlah Sampel (N)
Standar Eror
Rata – Rata
Batas Bawah
Batas Atas
Dari perhitungan di aas dapat disimpulkan bahwa berdasarkan estimasi mean tunggal didapatkan nilai rata – rata sebesar 2,622. Sehingga dari data hasil perhitungan memiliki interval 2,49475831< x < 2,74857503
Tabel 2.17 Keterangan Rumus dalam Perhitungan Estimasi Mean
Z /2 Z /2 didapatkan dengan menggunakan rumus =ABS(NORMSINV(1/2 ))
Standar Deviasi Standar deviasi didapatkan dengan menggunakan rumus =stdev(data1,data2,..)
Jumlah Sampel Jumlah sampel didapatkan dengan menggunakan rumus =((nilai Z /2(abs))/standar error)^2
Standar Eror Standar eror didapatkan dengan rumus (Z /2(abs)*standart deviasi/SQRT(jumlah sampel)
Rata – Rata Rata-rata didapatkan dengan menggunakan rumus =average(data1,data2,...)
Batas Bawah Batas Bawah didapatkan dengan menggunakan =rata-rata ((Z /2(abs)*standartdeviasi)/SQRT(jumlah sampel)),dimana SQRT merupakan rumus yang digunakan untuk mengakar kuadratkan sebuah persamaan
Batas Atas Batas Bawah didapatkan dengan menggunakan =rata-rata+((Z /2(abs)*standartdeviasi)/SQRT(jumlah sampel))
3. Analisis Data
a. Estimasi Mean sampel Tunggal Dari data perhitungan estimasi mean tunggal didapatkan hasil Z
/2 -1,959963985, Standar Deviasi 0,501554082, Jumlah Sampel (N)
60, Standar Eror 0,126908361, Rata – Rata 2,622, Batas Bawah 2,49475831 dan Batas Atas 2,74857503. Sehingga tingkat kepuasan mahasiswa teknik mesin terhadap kinerja dari dosen teknik mesin
Universitas Muhammadiyah Surakarta dapat digambarkan melalui histogram dibawah ini :
Gambar 2.5 Tingkat Kepuasan Mahasiswa
D. PENGUJIAN HIPOTESIS
1. Pengumpulan Data
a. Penjelasan populasi Pada pengamatan modul IV mengenai Pengujian Hipotesis, pengambilan data dilakukan dengan mengambil populasi sebanyak 134 peserta yang kemudian dilakukan pengukuran denyut jantung peserta sebelum dan sesudah melakukan praktikum statistika industri 2015.
b. Metode pengambilan sampel Metode yang digunakan untuk pengambilan data pada pengujian hipotesis mengenai denyut jantung peserta praktikum statistika industri 2015 ini adalah metode simple random sampling, dengan menggunakan alat berupa pulse meter, yang dilakukan sebelum dan sesudah peserta melakukan praktikum modul IV statitika industri 2015.
c. Penjelasan data BPS Pada pengamatan Modul IV ini pula peneliti mengambil data kedua berupa data yag diambil di Badan Pusat Statistika ( BPS ) Surakarta yaitu tentang Populasi Unggas Menurut Kabupaten / Kota di Jawa Tengah Tahun 2008 dengan jumlah sampel sebanyak 35 kabupaten / kota.
2. Data Berdasarkan pengambilan sampel berupa denyut jantung peserta praktikum statistika industri 2015 didapatkan data sebagai berikut : Tabel 2.18 Data Klaim 1 Denyut Jantung Peserta Praktikum
No Sampel
Nama
NIM
Denyut Jantung
NADYA Z. A
3 14 HESTI AMALIA
D600240073
4 69 AHMAD BAHTIAR
D600140053
5 63 GILANG ANSHORI
D600140125
6 49 ALVONA V
AWANG F
D600140052
A. MUZAKKI
D600140127 139
9 46 TOMMY DWI PUTRA
D600140097
10 69 AHMAD BAHTIAR
D600140053
11 57 FEBRINA A
D600140133
DUMAINA C
D600140038 101
13 52 NOFFA A R F
GALANG A.
D600140088
15 63 GILANG ANSHORI
D600140125
16 13 ADI REVALDI
M. FIRDAUS. Y
D600140035
18 12 MEGA JATI P
D600140051
19 17 AGUS SRI MURTOYO
22 86 ADAMAS AJI
D600140017
23 55 MAHARANI PUTRI
D600140001
24 33 KURNIA MAHARSI
D600140074 110
25 93 DWI ADITHIA
D600140039
26 28 ANUGERAH ASARI
D600140146
27 38 M. ARSYAD RIFA'I
D600140064
28 79 RUZIKA AZHAR
D600140015
29 96 ENGGAR P
D600140104
30 53 ELIZA ARROFI M
D600140056
Tabel 2.19 Data Klaim 2 Denyut Jantung Peserta Praktikum Denyut
No Sampel
Nama
NIM Jantung
DUMAINA C
D600140038
2 53 ELIZA ARROFI MAHARANI
4 25 DHANI IKHSAN R
D600140120
5 6 DWIMADA JAYASASONGKO
NUR MUHAMMAD MUFID
D600140112
8 4 MARETA AJI ARYANDI
D600140109
9 55 MAHARANI PUTRI
RISKY RIAN
D600140042
Tabel 2.20 Data Klaim 3 Denyut Jantung Peserta Praktikum Denyut Jantung
No Sampel
Nama
NIM
Sebelum Sesudah
1 23 NUGROHO FITRI U
2 22 AGUS MARYANTO
D600140023
3 88 MUKHLISINA HUDA D600140058
4 29 HENDRI SUSILO
D600140131
5 94 ADETYA P
7 30 BACHTIAR SETYO N D600140081
8 92 M. KURNIAWAN
D600140050
9 66 ARIS MUNANDAR
GALANG A.
D600140088
Tabel 2.21 Data Populasi Unggas Ayam Menurut Kabupaten/Kota di Jawa Tengah Tahun 2008
No Kabupaten/ Kota
Ayam Kampung
Ayam Pedaging
1 Kab. Cilacap
2 Kab. Banyumas
3 Kab. Purbalingga
4 Kab. Banjarnegara
5 Kab. Kebumen
6 Kab. Purworejo
7 Kab. Wonosobo
8 Kab. Magelang
9 Kab. Boyolali
10 Kab. Klaten
11 Kab. Sukoharjo
12 Kab. Wonogiri
13 Kab. Karanganyar
14 Kab. Sragen
15 Kb. Grobogan
16 Kab. Blora
17 Kab. Rembang
18 Kab. Pati
19 Kab. Kudus
20 Kab. Jepara
21 Kab. Demak
22 Kab. Semarang
23 Kab. Temanggung
24 Kab. Kendal
25 Kab. Batang
26 Kab. Pekalongan
27 Kab. Pemalang
28 Kab. Tegal
29 Kab. Brebes
30 Kota Magelang
31 Kota Surakarta
32 Kota Salatiga
33 Kota Semarang
34 Kota Pekalongan
35 Kota Tegal
3. Pengolahan Data
a. Klaim 1 ( denyut 30 sampel ) Pada Klaim ini peneliti memberikan klaim berupa denyut jantung peserta praktikum statistika industri 2015 sebelum praktikum adalah minimal sebesar 90 pulse/menit dengan mengambil 30 sampel yang kemudian diolah sebagai berikut :
1) Langkah 1
Menentukan hipotesis awal dan hiotesis alternatif H0 : μ = 90 H1 : μ < 90
2) Langkah 2 Menentukan besarnya taraf signifikan ( ) Taraf Signifikan ( )
3) Langkah 3 Menentukan kriteria pengujian Zkritis
4) Langkah 4 Menentukan nilai uji statistik Z hitung
Taraf Signifikan 0,05
Taraf Signifikan 0,01
0.421092774 Pvalue
Taraf Signifikan 0,05
Taraf Signifikan 0,01
5) Langkah 5 Membuat kesimpulan dari klaim. Berdasarkan pengolahan data dengan klaim berupa denyut jantung peserta praktikum statistika industri 2015 sebelum praktikum adalah minimal sebesar 90 pulse/menit, dapat disimpulkan bahwa klaim tersebut diterima.
b. Klaim 2 ( denyut 10 sampel ) Pada Klaim 2 ini peneliti memberikan klaim berupa denyut jantung peserta praktikum statistika industri 2015 setelah praktikum adalah lebih besar dari 70 pulse/menit dengan mengambil 10 sampel yang kemudian diolah sebagai berikut :
1) Langkah 1
Menentukan hipotesis awal dan hipotesis alternatif H0 : μ = 70 H1 : μ ≤ 70
2) Langkah 2 Menentukan besarnya taraf signifikan ( ) Taraf Signifikan ( )
3) Langkah 3 Menentukan kriteria pengujian T kritis
4) Langkah 4 Menentukan nilai uji statistik T hitung
Taraf Signifikan 0,05
Taraf Signifikan 0,01
1.204426742 Pvalue
Taraf Signifikan 0,05
Taraf Signifikan 0,01
3.28893E-14
3.28893E-14
5) Langkah 5 Membuat kesimpulan dari klaim. Berdasarkan pengolahan data dari klaim denyut jantung peserta praktikum statistika industri 2015 setelah praktikum adalah lebih besar dari 70 pulse/menit diatas dapat disimpulkan bahwa klaim tersebut diterima.
c. Klaim 3 ( denyut 10 sampel ) Pada Klaim 3 ini peneliti memberikan klaim berupa denyut jantung peserta praktikum statistika industri 2015 sebelum praktikum lebih tinggi dibanding dengan setelah praktikum dengan mengambil
10 yang kemudian diolah sebagai berikut :
1) Langkah 1
Menentukan hipotesis awal dan hipotesis alternatif H0 : μ1 = μ2 H1 : μ1 ≤ μ2
2) Langkah 2 Menentukan besarnya taraf signifikan ( ) Taraf Signifikan ( )
3) Langkah 3 Menentukan kriteria pengujian T kritis
4) Langkah 4 Menentukan nilai uji statistik T hitung
Taraf Signifikan 0,05
Taraf Signifikan 0,01
-0.224514981 P value
Taraf Signifikan 0,05
Taraf Signifikan 0,01
5) Langkah 5 Membuat kesimpulan dari klaim. Berdasarkan pengolahan data dari klaim denyut jantung peserta praktikum statistika industri 2015 sebelum praktikum lebih tinggi dibanding dengan setelah praktikum, dapat disimpulkan bahwa klaim tersebut diterima.
d. Klaim 4 (Populasi Unggas Menurut Kabupaten/Kota di Jawa Tengah Tahun 2008)
1) Langkah 1 H0 : µ1 = µ2 H1 : µ1 ≥ µ2
2) Langkah 2 Taraf Signifikan ( )
3) Langkah 3 Zkritis
4) Langkah 4 Z hitung
Taraf Signifikan 0,05
Taraf Signifikan 0,01
1,703879 Pvalue
Taraf Signifikan 0,05
Taraf Signifikan 0,01
5) Langkah 5 Membuat kesimpulan dari klaim. Berdasarkan pengolahan data dengan klaim populasi unggas ayam kampung lebih rendah dibandingkan dengan populasi ayam pedaging menurut kabupaten/kota di Jawa Tengah Tahun 2008 diatas dapat disimpulkan bahwa klaim tersebut ditolak.
4. Analisis Data
a. Analisis Klaim 1 Tabel 2.22 Analisis Klaim 1
Titik Kritis
Z – Hitung
P – Value
Berdasarkan tabel diatas dengan klaim denyut jantung peserta praktikum statistika industri 2015 sebelum praktikum adalah minimal sebesar 90 pulse/menit dapat diinformasikan bahwa nilai taraf signifikan 0,05 mempunyai titik kritis sebesar -1,64dengan nilai Z-Hitung sebesar 0,42109277 dan nilai P-Value sebesar 0,66315633. Sedangkan pada nilai taraf signifikan 0,01 mempunyai titik kritis - 2,325 juga di dapatkan nilai Z-hitung dan P-Value yang sama dengan taraf signifikan 0,05. Dapat kita ketahui bahwa nilai Zhitung lebih besar dari Zkritis dan Pvalue lebih besar dari nilai taraf signifikan sehingga dapat dikatakan bahwa klaim diterima.
H0
Z Hitung
Z Kritis
Gambar 2.6 Kurva Klaim 1 Taraf Signifikan 0,05
H0
Z Hitung
Z Kritis
Gambar 2.7 Kurva Klaim 1 Taraf Signifikan 0,01
b. Analisis Klaim 2 Tabel 2.23 Analisi Klaim 2
Titik Kritis
T – Hitung
P – Value
Berdasarkan tabel diatas dengan klaim denyut jantung peserta praktikum statistika industri 2015 setelah praktikum adalah lebih besar dari 70 pulse/menit dapat diinformasikan bahwa nilai taraf signifikan 0,05 mempunyai titik kritis sebesar -2,262 dengan nilai T- Hitung sebesar 1,204426742 dan nilai P-Value sebesar 0,885787659. Sedangkan pada nilai taraf signifikan 0,01 mempunyai titik kritis - 3,25 juga di dapatkan nilai T-hitung dan P-Value yang sama dengan taraf signifikan 0,05. Dapat kita ketahui bahwa nilai Thitung lebih besar dari Tkritis dan Pvalue lebih besar dari nilai taraf signifikan sehingga dapat dikatakan bahwa klaim diterima.
H0
T Hitung
T Kritis
Gambar 2.8 Kurva Klaim 2 Taraf Signifikan 0,05
H0
T Hitung
T Kritis
Gambar 2.9 Kurva Klaim 2 Taraf Signifikan 0,01
c. Analisis Klaim 3 Tabel 2.24 Analisi Klaim 3 Variabel
Titik Kritis -2.262
T – Hitung -0.224514981 -0.224514981 P – Value 0.5
Berdasarkan tabel diatas dengan klaim denyut jantung peserta praktikum statistika industri 2015 sebelum praktikum lebih tinggi dibanding dengan setelah praktikum dapat diinformasikan bahwa nilai taraf signifikan 0,05 mempunyai titik kritis sebesar -2,262 dan Berdasarkan tabel diatas dengan klaim denyut jantung peserta praktikum statistika industri 2015 sebelum praktikum lebih tinggi dibanding dengan setelah praktikum dapat diinformasikan bahwa nilai taraf signifikan 0,05 mempunyai titik kritis sebesar -2,262 dan
H0
T Hitung
T Kritis
Gambar 2.10 Kurva Klaim 3 Taraf Signifikan 0,05
H0
T Hitung
T Kritis
Gambar 2.11 Kurva Klaim 3 Taraf Signifikan 0,01 Gambar 2.11 Kurva Klaim 3 Taraf Signifikan 0,01
Nilai
Nilai
0.05 0.01 Titik Kritis
1.64 2.325 Z – Hitung
1,703879 P – Value
0,955798 Berdasarkan tabel diatas dengan klaim populasi unggas ayam
kampung lebih rendah dibandingkan dengan populasi ayam pedaging menurut kabupaten/kota di Jawa Tengah Tahun 2008 dapat diinformasikan bahwa nilai taraf signifikan 0,05 mempunyai titik kritis sebesar 1,64 dan taraf signifikan 0,01 mempunyai titik kritis sebesar 2,325 dengan nilai Z-Hitung sebesar 1,703879dan nilai P- Value sebesar 0,955798. Sedangkan pada nilai taraf signifikan 0,01 mempunyai titik kritis 2,325 juga di dapatkan nilai Z-hitung dan P- Value yang sama dengan taraf signifikan 0,05. Dapat kita ketahui bahwa nilai Thitung dan Pvalue lebih kecil dari nilai kritis sehingga dapat dikatakan bahwa klaim ditolak
H0
Z Hitung
Z Kritis
0 7.72052E-06
Gambar 2.12 Kurva Klaim 4 Taraf Signifikan 0,05
H0
Z Hitung
Z Kritis
0 7.72052E-06
Gambar 2.13 Kurva Klaim 4 Taraf Signifikan 0,01
5. Kesimpulan
a. Kesimpulan Klaim 1 Berdasarkan pengolahan data sebanyak 30 sampel dan dengan klaim berupa denyut jantung peserta praktikum statistika industri 2015 sebelum praktikum adalah minimal sebesar 90 pulse/menit dapat dinyatakan diterima.
b. Kesimpulan Klaim 2 Berdasarkan pengolahan data sebanyak 10 sampel dan dengan klaim berupa denyut jantung peserta praktikum statistika industri 2015 sebelum praktikum adalah minimal lebih besar dari 70 pulse/menit dapat dinyatakan diterima.
c. Kesimpulan Klaim 3 Berdasarkan pengolahan data sebanyak 10 sampel maka klaim berupa denyut jantung peserta praktikum statistika industri 2015 sebelum praktikum lebih tinggi dibanding dengan setelah praktikum dinyatakan diterima
d. Kesimpulan Klaim 4 Berdasarkan pengolahan data sebanyak 35 sampel dan dengan klaim berupa populasi unggas ayam pedaging menurut kabupaten/kota di Jawa Tengah Tahun 2008 dapat dinyatakan ditolak.
E. REGRESI, KORELASI DAN UJI ANOVA DENGAN SPSS
1. Regresi dan Korelasi Berdasarkan praktikum modul V ini maka peneliti melakukan uji regresi korelasi terhadap data berupa pengaruh populasi kambing dengan jumlah pemotongan hewan kambing menurut kabupaten / kota di Jawa tengah tahun 2008. Dengan uraian sebagai berikut :
a. Langkah-langkah
1) Membuka aplikasi SPSS, kemudian melakukan copy paste data populasi kambing dengan jumlah pemotongan kambing menurut kabupaten / kota di Jawa tengah tahun 2008 dari Ms. Excel pada data view.
2) Melakukan edit pada varibel view bagian name dengan populasi kambing dan jumlah pemotongan kambing.
3) Melakukan edit pada varibel view bagian decimals dengan 0
agar tidak ada tanda koma dibelakang angka.
4) Melakukan edit pada varibel view bagian measure dengan memilih scale karena data berupa angka tanpa pengkodean.
5) Melakukan uji regresi dengan memilih analyze, regression dan pilih linier. Dan memasukkan variabel dependent berupa jumlah pemotongan hewan ternak dan variabel independent berupa populasi hewan ternak
6) Melakukan uji korelasi dengan memilih analyze, correlations dan bivariate karena yang dibandingkan dua variabel. Kemudian memasukkan varibel berupa populasi dan jumlah pemotongan kambing. Memilih pearson pada correlation coefficients dan memilih two-tailed pada test of significance. Kemudian melakukan klik pada Ok
7) Menampilkan output dan melakukan export dengan memilih file kemudian export. Lalu memilih folder penyimpanan kemudian melakukan klik pada Ok.
8) Menunggu output ditampilkan 8) Menunggu output ditampilkan
1) Regresi
Variables Entered/Removed b Variables
a. All requested variables entered.
b. Dependent Variable: JUMLAH_PEMOTONGAN_KAMBING
Model Summary b Adjusted R
Std. Error of the Model
R Square
a. Predictors: (Constant), POPULASI_KAMBING
b. Dependent Variable: JUMLAH_PEMOTONGAN_KAMBING
ANOVA b
Sum of
Model
df Mean Square
F Sig.
Squares
Regression 1,402E9 a 1 1,402E9 8,093 ,008
1 Residual 5,718E9 33 1,733E8
Total
7,120E9 34
a. Predictors: (Constant), POPULASI_KAMBING
b. Dependent Variable: JUMLAH_PEMOTONGAN_KAMBING
Coefficients a
Coefficients t Sig.
B Std. Error
a. Dependent Variable: JUMLAH_PEMOTONGAN_KAMBING
Residuals Statistics a
Std.
Deviation N Predicted Value
Minimum Maximum Mean
35 Std. Predicted
Std. Residual
a. Dependent Variable: JUMLAH_PEMOTONGAN_KAMBING
2) Korelasi
Correlations JUMLAH_PEMOTON POPULASI_ GAN_KAMBING
KAMBING JUMLAH_PEMO Pearson
1 ** ,444 TONGAN_KAM Correlation
35 35 POPULASI_KAM Pearson
**. Correlation is significant at the 0.01 level (2-tailed).
Descriptive Statistics
Std.
N Minimum Maximum
Mean Deviation
KAMBING JUMLAH_P EMOTONG
16560,66 14471,291 AN_KAMBI
NG Valid N
(listwise) (listwise)
1) Regresi
a) Pada tabel Model Summary R-Square sebesar 0,197 atau 19,7%. Koefisien determinasi digunakan utuk mempengaruhi presentase pengaruh variabel independent (populasi kambing) terhadap perubahan variabel dependent (jumlah pemotongan kambing). Hasil pengolahan data tersebut diperoleh nilai koefisien determinasi sebesar 0,197 yang artinya besarnya populasi kambing terhadap peningkatan jumlah pemotongan kambing menurut kabupaten / kota di Jawa tengah tahun 2008 adalah 19,7%.
b) Pada tabel Anova - H0 : Tidak adanya pengaruh yang positif dan signifikan antara populasi kambing terhadap peningkatan jumlah pemotongan kambing menurut kabupaten / kota di Jawa tengah tahun 2008.
- H1 : Adanya pengaruh yang positif dan signifikan antara populasi kambing terhadap peningkatan jumlah pemotongan kambing menurut kabupaten / kota di Jawa tengah tahun 2008.
Fhitung yaitu sebesar 8,093. Sedangkan Ftabel yang dicari menggunakan MS.Excel dengan rumus =FINV(probabilitas,degree of freedom1,degree of fredom2 ) pada tingkat keyakinan 5% dan 1% dengan derajat kebebasabn 1 (df1) = 1 dan derajat kebebasan
2 (df2) = 33 yaitu sebesar 4,139252 dan 7,470801. Oleh karena itu Fhitung ( 8,093) lebih besar dari Ftabel (4,139252 dan 7,470801).
c) Pada tabel Coefficients Berdasarkan hasil dari pengolahan data yang ada, variabel populasi kambing dan jumlah pemotongan kambing menurut kabupaten / kota di Jawa tengah tahun 2008 dapat dibuat sebuah persamaan regresi Y= 9868,704 + 3,048X , dimana Y adalah variabel dependent (jumlah pemotongan kambing), X adalah variabel independent (populasi kambing), nilai 9868,704 merupakan nilai konstanta bagi persamaan regresi apabila tidak ada nilai trust maka nilai partisipasinya sebesar 9868,704, nilai 3,048 menyatakan bahwa setiap penambahan nilai trust, maka nilai partisipasinya bertambah sebesar 3,048.
2) Korelasi Dari tabel korelasi di atas menunjukkan bahwa nilai kedua variabel adalah 0,444. Identifikasi dari nilai korelasitersebut merujuk pada tabel 2.26 di bawah ini : Tabel 2.26 Interval Tigkat Hubungan
Sangat Rendah
Sangat Kuat
Sehingga dengan nilai kedua variable 0,444 maka dapat diindentifikasikan bahwa tingkat keeratan hubungan keduanya adalah sedang (Yohannes; 2011)
2. One Way ANOVA
a. Data Tabel 2.27 Data Pencahayaan terhadap Jumlah Produk Cacat
PENCAHAYAAN A PENCAHAYAAN B PENCAHAYAAN C PENCAHAYAAN D PENCAHAYAAN E Hari -1
8 6 4 8 7 Hari -2
7 5 8 5 5 Hari -3
4 5 7 6 7 Hari -4
4 7 6 6 6 Hari -5
b. Langkah-langkah
1) Membuka aplikasi SPSS, kemudian melakukan copy paste data pencahayaan terhadap jumlah produk cacat dari Ms.Excel
2) Melakukan edit pada varibel view bagian name dengan Data Pencahayaan dan Pencahayaan
3) Melakukan edit pada varibel view bagian decimals dengan 0
agar tidak ada tanda koma dibelakang angka.
4) Melakukan edit pada varibel view bagian measure dengan memilih ordinal karena data berupa pengkodean.
5) Melakukan edit pada bagian values pada pencahayaan, tekan kolom values-nya lalu tambahkan values dan label-nya. Dimana value yang diisi 1 berisi label pencahayaan A, value 2 berisi label pencahayaan B, dan seterusnya berturut-turut hingga value 5 berisi label pencahayaan E
6) Melakukan analisis one way anova denhan mengklik analyze pilih sub menu compare means lalu pilih One Way ANOVA.
7) Memilih menu post hoc. kemudian pada bagian equal varience
assumed kita pilih tukey lalu tekan continue
8) Memilih menu option, kemudian pada bagian statistics lakukan checklist pada homogeneity of varience test, sedangkan pada bagian missing values pilih exclude cases analysis by analysis. Tekan continue. ` 8) Memilih menu option, kemudian pada bagian statistics lakukan checklist pada homogeneity of varience test, sedangkan pada bagian missing values pilih exclude cases analysis by analysis. Tekan continue. `
Test of Homogeneity of Variances
DATA_PENCAHAYAAN Levene
DATA_PENCAHAYAAN
Sum of
Mean
F Sig. Between
Squares
df Square
Within Groups
Post Hoc Tests
Multiple Comparisons
DATA_PENCAHAYAAN Tukey HSD
Std. PENCAHAYAAN
Difference (I-J) Error Sig. PENCAHAYAAN A PENCAHAYAAN B
PENCAHAYAAN
PENCAHAYAAN C
PENCAHAYAAN D
-,200 ,867 ,999 PENCAHAYAAN B PENCAHAYAAN A
PENCAHAYAAN E
PENCAHAYAAN C
PENCAHAYAAN D
,200 ,867 ,999 PENCAHAYAAN C PENCAHAYAAN A
PENCAHAYAAN E
PENCAHAYAAN B
PENCAHAYAAN D
,400 ,867 ,990 PENCAHAYAAN D PENCAHAYAAN A
PENCAHAYAAN E
PENCAHAYAAN B
PENCAHAYAAN C