Laporan Akhir Praktikum Statistika untuk
LAPORAN AKHIR PRAKTIKUM STATISTIKA UNTUK KETEKNIKAN
Oleh : DESMARDANA DAMAR WAHYUNI 1411112002
AGRICULTURAL MANAGEMENT AND GEOGRAPHIC INFORMATION SYSTEM LABORATORY
PROGRAM STUDI TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN UNIVERSITAS ANDALAS PADANG 2016
LAPORAN AKHIR PRAKTIKUM STATISTIKA UNTUK KETEKNIKAN
Oleh : DESMARDANA DAMAR WAHYUNI 1411112002
SHIFT III
AGRICULTURAL MANAGEMENT AND GEOGRAPHIC INFORMATION SYSTEM LABORATORY
PROGRAM STUDI TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN UNIVERSITAS ANDALAS PADANG
LEMBAR PENGESAHAN LAPORAN AKHIR PRAKTIKUM
Matakuliah Praktikum
: Statistika Untuk Keteknikan
Tempat Praktikum : Agricultural Management and Geographic
Information System Laboratory
Periode Praktikum
1 Sri Riski Adriani
33AMGIS2015
2 Yudi Prawira
34AMGIS2015
3 Mardianita Sulistya Aditami
35AMGIS2015
4 Wais Fajri
36AMGIS2015
5 Ilhami Fandra
37AMGIS2015
6 Wulanda Putri
7 Shinta Suryani
8 Yustika Sari Hasibuan
9 Melodi Naibaho
Padang, Mei 2016
Mengetahui,
Dosen Penanggungjawab Praktikum Koordinator Praktikum
Putri Wulandari Zainal, S. TP, M. Si
Fauzan Ramadhana Uthami
NIP. 19871007 201504 2 002 No. Reg 32AMGIS2015
BORANG KENDALI PRAKTIKUM STATISTIKA UNTUK KETEKNIKAN
Nama
: Desmardana Damar Wahyuni
NAMA ASISTEN
PERBAIKAN
TTD
1 Wulanda Putri 1311111001
2 Wulandari 1311112006
3 Melodi Naibaho 1311111043
4 Shinta Suryani 1311111025
5 Yustika Sari Hasibuan 1311111029
KATA PENGANTAR
Segenap puji dan rasa syukur penulis perbaharui pada Allah SWT, atas segala rahmat dan karunia yang dilimpahkan-Nya pada penulis, khususnya dalam menyelesaikan Laporan Akhir Praktikum Statistika untuk Keteknikan.
Laporan ini penulis susun berdasarkan data-data yang diperoleh saat melakukan studi kasus saat pelaksanaan praktikum di Agricultural Management and Geographic Information System Laboratory. Atas selesainya laporan akhir praktikum ini penulis mengucapkan terima kasih kepada semua pihak yang terlibat dalam praktikum.
Penulis menyadari masih banyak kekurangan yang terdapat pada laporan akhir praktikum ini. Oleh karena itu, penulis harapkan adanya perbaikan dan penyempurnaan pada saat praktikum periode berikutnya. Semoga laporan akhir praktikum ini bermanfaat bagi pembaca.
Padang, Mei 2016
Penulis
BAB I PENDAHULUAN
1.1 Latar Belakang
Statistik digunakan pada awal jaman Masehi untuk melakukan perhitungan pajak, perang, hasil pertanian, dan bahkan pertandingan atletik. Karena kegunaannya, tidak tertutup kemungkinan bahwa statistik dapat merubah perindustrian dan teknologi ke arah yang semakin maju. Hal tersebut memacu manusia untuk mengikuti perkembangan-perkembangan yang terjadi didalam era globalisasi ini. Di Indonesia, statistika mulai berkembang sekitar tahun 1950-an. Awalnya statistika hanya dikaitkan dengan suatu metoda bagaimana orang menyajikan data dan angka tentang situasi dan perkembangan perekonomian, masalah kependudukan negara dan data ketenaga-kerjaan yang ada di negara.
Perkembangan jaman yang semakin modern menuntut penggunaan statistika tidak hanya digunakan dalam bidang pemerintahan saja. Statistika dapat dipakai dalam bidang perdagangan, pendidikan, bisnis, ekonomi, kedokteran, dan lain sebagainya. Karena begitu luasnya cakupan penggunaan statistika dalam kehidupan, maka perlu adanya dukungan pembelajaran untuk memantapkan pemahaman manusia mengenai statistika. Dengan adanya pemahaman tentang statistika di lingkungan masyarakat, diharapkan hal tersebut dapat menunjang perkembangan negara ini. Untuk itu, statistika perlu dijadikan sebagai mata kuliah wajib di perguruan tinggi.
Statistika untuk Keteknikan sebagai salah satu mata kuliah wajib bagi mahasiswa semester IV Program Studi Teknik Pertanian, Fakultas Teknologi Pertanian, Universitas Andalas diharapkan mampu memberi pemahaman kepada mahasiswa tentang statistika dan aplikasinya di kehidupan sehari-hari. Mata kuliah ini terdiri dari 3 SKS. Pada pelaksanaannya, 2 SKS digunakan untuk pertemuan di kelas dengan materi-materi statistik dan 1 SKS untuk praktikum. Praktikum ini perlu dilaksanakan untuk menambah pemahaman mahasiswa mengenai aplikasi dari statistik. Selain untuk memperdalam materi yang telah diajarkan dosen di kelas, praktikum ini juga melatih mahasiswa untuk dapat menginterpretasikan output dari analisis yang dilakukan. Serta melatih keterampilan mahasiswa dalam menyelesaikan permasalahan yang berhubungan dengan Teknik Pertanian dengan menggunakan software (SPSS) .
1.2 Tujuan
Adapun tujuan dari pelaksanaan praktikum Statistika untuk Keteknikan ini adalah setelah mengikuti praktikum ini, praktikan akan dapat menjelaskan tentang statistik deskriptif, analisis regresi, statistik inferensia, teknik analisis ragam, statistik nonparametrik, validasi dan reabilitas serta teknik analisis ragam klasifikasi dua arah. Praktikan akan dapat menginterpretasikan output dari analisis yang dilakukan. Praktikan akan terlatih kemampuannya untuk menyelesaikan permasalahan di bidang Teknik Pertanian, berhubungan dengan materi yang di praktikumkan. Praktikan akan berkembang keterampilannya dalam menggunakan dan menganalisa data dengan SPSS.
1.3 Manfaat
Adapun manfaat dari praktikum Statistika untuk Keteknikan ini adalah setelah mengikuti praktikum ini, praktikan mampu menjelaskan tentang statistik deskriptif, analisis regresi, statistik inferensia, teknik analisis ragam, statistik nonparametrik, validasi dan reabilitas serta teknik analisis ragam klasifikasi dua arah. Praktikan mampu menginterpretasikan output dari analisis yang dilakukan. Kemampuan praktikan terlatih untuk menyelesaikan permasalahan di bidang Teknik Pertanian, berhubungan dengan materi yang di praktikumkan. Keterampilan praktikan berkembang dalam menggunakan dan menganalisa data dengan SPSS.
BAB II PELAKSANAAN PRAKTIKUM
2.1 Statistik Deskriptif (Terlampir)
2.2 Analisis Regresi (Terlampir)
2.3 Statistik Inferensia (Terlampir)
2.4 Teknik Analisis Ragam (Terlampir)
2.5 Statistik Nonparametrik, Validasi dan Reliabilitas (Terlampir)
2.6 Teknik Analisis Ragam Klasifikasi Dua Arah (Terlampir)
BAB III STUDI KASUS
3.1 Statistik Deskriptif
Tabel 1. Analisis statistik (frekuensi) tentang nilai pelajaran biologi
Sumber: Isparjadi. 1988. Statistik Pendidikan (Bab II, hal 22-26). Depdikbud Dikti
PPLPTK. Jakarta.
3.2 Analisis Regresi
Tabel 2. Biaya iklan yang dikeluarkan untuk distribusi mobil
Sumber: Tim Lab. Statistik. 2011. Statistika Komputer. FK UNSYIAH Kuala Darussalam. Banda Aceh.
3.3 Statistik Inferensia
3.3.1 One sample T Test
Tabel 3. Berat kambing sesudah diberi ransum yang di campur bahan x,
uji rata-rata bisa tidak berbeda nyata dengan 1.4 (selang kepercayaan 95 ).
No
Sesudah (Kwintal)
Sumber : Tim Lab. Statistik. 2011. Statistika Komputer. FK UNSYIAH Kuala
Darussalam. Banda Aceh.
3.3.2 Independent Sample T Test
Tabel 4. Nilai hasil belajar PPKN siswa SD Megen 2 Raja Basa dengan
menggunakan dua macam metode pembelajaran.
Metoda Pembelajaran
1 6 7 Metoda A
2 7 9 Metoda A
3 5 7 Metoda A
4 6 8 Metoda A
5 7 6 Metoda A
6 8 7 Metoda B
7 6 8 Metoda B
8 6 7 Metoda B
9 7 9 Metoda B
10 7 Metoda B
Sumber : Isparjadi. 1988. Statistik Pendidikan (Bab IV, hal 98-123). Depdikbud Dikti
PPLPTK. Jakarta.
3.3.3 Paired Sample T Test
Tabel 5. Pengaruh diit (mengurangi makanan dengan maksud supaya
berat badan berkurang) terhadap berat sebelum dan sesudahnya.
Pasien
Berat Sebelum diit (Kg)
Berat Sesudah diit (Kg)
Sumber : Susanto, Eko. 2008. Statistik. KCI, Universitas Lampung. Lampung.
3.4 Teknik Analisis Ragam
3.4.1 Rancangan Acak Lengkap 1 Arah dengan Ulangan Sama
Tabel 6. Rata-rata penurunan susut berat pemeraman (gr) alpokat
Pemeraman
Nilai rata-rata susut berat ()
Hari ke
0 ppm 1000 ppm 2000 ppm 3000 ppm 4000 ppm
Sumber : Lubis, Ade Rahman. 2013. Kajian Penggunaan Kalsium Karbida (CaC 2 )
Terhadap Mutu Fisik dan Lama Pemeraman Buah Alpokat (Persea americana Miller), Skripsi. FATETA UNAND. Padang.
3.4.2 Rancangan Acak Lengkap 1 Arah dengan Ulangan Tidak Sama
Tabel 7. Pengaruh waktu belajar terhadap skor nilai mahasiswa
Sumber : Tim Lab. Statistik. 2011. Statistika Komputer. FK UNSYIAH Kuala
Darussalam. Banda Aceh.
3.4.3 Rancangan Acak Kelompok 1 Arah
Tabel 8. Perubahan Suhu pada dinding kompor terhadap waktu pembakaran
biomassa Dinding Tabung
Suhu Dinding Kompor Biomassa
Rata-rata
0 Luar 0 ( C) ( C) Depan Waktu
I II III
dinding dinding
(menit) dalam luar dalam luar dalam luar dalam
Sumber : Saputra, I. T. 2012. Rancang Bangun dan Uji Kinerja Biomassa Berbahan Bakar Limbah
Organik Kering Pertanian untuk Skala Rumah Tangga. FATETA UNAND. Padang.
3.5 Statistik Nonparametrik, Validasi dan Reliabilitas
3.5.1 Nonparametrik
Tabel 9. Data hasil pengujian ranking syrup markisa
Kode Sampel
Sumber : staff.uny.ac.idsitesdefaultfilespendidikandr…labsheet-pmp-00.pdf
Keterangan :
1 = Paling Tidak Asam
2 = Tidak Asam
3 = Asam
4 = Paling Asam
3.5.2 Validasi dan Reabilitas
Tabel 10. Suhu di setiap titik pengukuran saat pengukusan gabah selama 10 menit
Suhu di titik pengukuran (C)
Sumber : Spetriani. 2011. Kajian Teknologi Proses Pengolahan Beras Pratanak (Parboiling Rice)
pada Gabah Varietas Situ Bagendit, Skripsi. FTP IPB. Bogor.
3.6 Teknik Analisis Ragam Klasifikasi Dua Arah
3.6.1 Rancangan Acak Lengkap 2 Arah
Tabel 11. Data kekerasan
Kekerasan (Pa)
Perlakuan
Hari ke-
Larutan Gula 25 68365.181 60297.239 52229.299 59447.983 Larutan Gula 45 82802.548 78556.263 65817.410 60297.240 Larutan Gula 70 76857.749 72611.465 68365.181 65058.153
Sumber : Putra, W. E. S. 2012. Kajian Karakteristik Perbandingan Mutu Buah Nanas
Terolah Minimal. FATETA, UNAND. Padang.
3.6.2 Rancangan Acak Kelompok 2 Arah
Tabel 12. Pengaruh berbagai perlakuan terhadap tinggi tanaman jagung,
kacang tanah dan buncis
Tinggi Tanaman
Sumber : Hendra. 2012. Statistika Komputer. Program Studi Agroteknologi, Fakultas
Pertanian, Universitas Syiah Kuala Darussalam. Banda Aceh.
BAB IV HASIL DAN PEMBAHASAN
4.1 Statistik Deskriptif
Statistics
Nilai_Biologi N
Std. Error of Mean
Std. Deviation
Std. Error of Skewness
Std. Error of Kurtosis
Berdasarkan tabel statistics Nilai_Biologi di atas, didapat hasil bahwa ada
10 data yang valid dan data yang hilang sebanyak 0 data. Mean atau rata-rata bernilai 58.80 dan standar error mean 1.718. Untuk nilai tengah atau median diperoleh nilai 57.50, standar deviasi 5.432, variance diperoleh sebesar 29.511 dan skewness 0. 183 dan standard error of skewness diperoleh sebesar 0.687. Untuk kurtosis atau nilai tertinggi diperoleh nilai -1.922 dan standard error of kurtosis yaitu 1.334. Pembagian antara skewness dengan standard error of skewness didapatkan hasil sebesar 0.27 dan pembagian antara kurtosis dengan standard error of kurtosis didapatkan hasil sebesar -1.44, dapat dikatakan bahwa kedua hasil tersebut dapat dikatakan berada diantara nilai -2 sampai 2. Sehingga dapat dikatakan bahwa data terdistribusi normal. Untuk nilai percentiles 25 adalah 10 data yang valid dan data yang hilang sebanyak 0 data. Mean atau rata-rata bernilai 58.80 dan standar error mean 1.718. Untuk nilai tengah atau median diperoleh nilai 57.50, standar deviasi 5.432, variance diperoleh sebesar 29.511 dan skewness 0. 183 dan standard error of skewness diperoleh sebesar 0.687. Untuk kurtosis atau nilai tertinggi diperoleh nilai -1.922 dan standard error of kurtosis yaitu 1.334. Pembagian antara skewness dengan standard error of skewness didapatkan hasil sebesar 0.27 dan pembagian antara kurtosis dengan standard error of kurtosis didapatkan hasil sebesar -1.44, dapat dikatakan bahwa kedua hasil tersebut dapat dikatakan berada diantara nilai -2 sampai 2. Sehingga dapat dikatakan bahwa data terdistribusi normal. Untuk nilai percentiles 25 adalah
Nilai_Biologi
Cumulative
Frequency Percent Valid Percent
Berdasarkan tabel nilai biologi diatas, diperoleh bahwa total frekuensi data adalah 10. Hasil juga menyatakan bahwa percent bernilai 100 dengan valid percent juga bernilai 100 dan cumulative percent berjumlah 100. Jadi, dari data diatas dapat disimpulkan bahwa data yang diolah sudah benar atau valid.
Berdasarkan grafik histogram diatas dapat disimpulkan bahwa, hubungan antara nilai biologi dengan frekuensi data membentuk gunung atau lonceng, sehingga dapat dikatakan bahwa data terdistribusi normal, dengan nilai mean sebesar 58.8, nilai standard deviasi sebesar 5.432 dari 10 jumlah data.
4.2 Analisis Regresi
Hipotesis : H0 : Tidak ada pengaruh antara biaya iklan yang dikeluarkan dengan distribusi
mobil. H1 : Ada pengaruh antara biaya iklan yang dikeluarkan dengan distribusi mobil.
Variables EnteredRemoved b
1 Iklan a . Enter
a. All requested variables entered.
b. Dependent Variable: Distribusi
Berdasarkan tabel Variables EnteredRemoved, metode yang digunakan adalah metode enter, dengan yang menjadi variabelnya “Iklan”. Seluruh variabel menggunakan metode enter dan yang menjadi Dependent Variables adalah Distribusi.
Model Summary b Adjusted R
Std. Error of
Model
R
R Square
Square
the Estimate
a. Predictors: (Constant), Iklan
b. Dependent Variable: Distribusi
Berdasarkan tabel Model Summary diperoleh model data 1 dengan nilai R atau nilai koefisien berganda yaitu 0.735 , nilai R square yang yaitu 0.541 dimana data ini menggambarkan kontribusi nilai x terhadap nilai y sehingga didapatkan data dengan persen 100. Nilai adjusted R square 0.484 dan standard error of the estimate yaitu 386.343. Dimana distribusi sebagai dependent variable dan iklan sebagai variable constant.
ANOVA b Sum of
Model
Squares
df Mean Square
F Sig.
a. Predictors: (Constant), Iklan
b. Dependent Variable: Distribusi
Berdasarkan tabel ANOVA diperoleh signifikan sebesar 0.015 yang berarti bahwa nilai ini kecil daripada 0.05 sehingga H0 ditolak dan H1 diterima, jadi pada Berdasarkan tabel ANOVA diperoleh signifikan sebesar 0.015 yang berarti bahwa nilai ini kecil daripada 0.05 sehingga H0 ditolak dan H1 diterima, jadi pada
Coefficients a
B Std. Error
Beta
t Sig.
a. Dependent Variable: Distribusi
Berdasarkan tabel Coefficients diperoleh data model konstan signifikan sebesar 0.000 dan kecil dari 0.05 sehingga pada uji ini dapat disimpulkan bahwa ada pengaruh antara biaya iklan yang dikeluarkan dengan distribusi mobil. Nilai T hitung konstan yang diperoleh yaitu 7.151 dan nilai t hitung iklan sebesar 3.070.
Casewise Diagnostics a
Case Number Std. Residual
Distribusi Predicted Value Residual
2 -.508
4 -1.449
Berdasarkan tabel Casewise Diagnostics diatas, tertera bahwa setiap data memiliki nilai standar residual yang tidak sama dan 5 data bernilai negative. Jika nilai standar yang diperoleh mendekati 0 maka data tersebut memprediksi dengan baik sehingga ada pengaruh antara biaya iklan yang dikeluarkan dengan distribusi mobil. Nilai variable dependent atau distribusi juga memiliki data yang berbeda.
Residuals Statistics a Minimum Maximum Mean Std. Deviation
N
Predicted Value
Std. Predicted Value
Std. Residual
a. Dependent Variable: Distribusi
Berdasar tabel diatas hasil prediksi minimum yaitu 1294.46 dan nilai maksimum 2496.15. Nilai rata-rata 1630.00 dan standar deviasi yaitu 395.378 dan banyak data ada 10. Untuk nilai residual memiliki nilai minimum -559.771 nilai maksimum 596.292, nilai standar deviasi 364.248 dengan banyak data 10. Untuk standard predicted value memiliki nilai minimum -0.849, nilai maksimum 2.191, nilai standar deviasi 1.000 dengan banyak data 10. Untuk standard residual memiliki nilai minimum -1.449, nilai maksimum 1.543, nilai standar deviasi 0.943dengan banyak data 10.
4.3 Statistik Inferensia
4.3.1 One Sample T Test
Hipotesis : H0 : Tidak ada perbedaan nyata berat dengan nilai 1.4 H1 : Ada perbedaan nyata berat dengan nilai 1.4
One-Sample Statistics
Std. Error
N
Mean
Std. Deviation
Mean
Berat Sesudah (Kwintal)
Berdasarkan tabel One-Sample Statistics diuji berat sesudah sebanyak 10 data. Hasil rata-rata yang diperoleh sebesar 1.450, standard deviation sebesar 0.2068 dan standard error of mean sebesar 0.0654.
One-Sample Test
Test Value = 1.4
95 Confidence Interval of the
df tailed) Difference Lower
Upper
Berat Sesudah
Berdasarkan tabel One-Sample Test, untuk nilai significant 2 tailed diperoleh 0.464, yang berarti nilai ini lebih besar dari 0.05 (Signifikan besar dari 0.05), sehingga H0 diterima atau tidak ada perbedaan nyata berat dengan nilai 1.4. untuk t hitung diperoleh nilai 0.764 sedangkan t tabel bernilai 1.83311 (t tabel lebih besar daripada t hitung), sehingga H0 diterima atau tidak ada perbedaan nyata berat dengan nilai 1.4. Jadi, dari kedua uji ini menghasikan kesimpulan yang sama yaitu tidak ada perbedaan nyata berat dengan nilai 1.4.
4.3.2 Independent Sample T Test
Hipotesis: H0 : Tidak ada perbedaan nilai antara metoda A dan metoda B H1 : Ada perbedaan nilai antara metoda A dan metoda B
Group Statistics
Metoda Pembelajar
Std. Error
Std. Deviation
Mean
Nilai 1 Metoda A
Metoda B
Nilai 2 Metoda A
Metoda B
Berdasarkan tabel Groups Statistics diatas, pada nilai 1 metoda A data yang diolah sebanyak 5 data dengan nilai rata-rata 6.20 dan standard deviation sebesar 0.837 sedangkan standard error mean bernilai 0.374. Pada nilai 1 metoda B data yang diolah sebanyak 5 data dengan nilai rata-rata 6.80 dan standard deviation sebesar 0.837 sedangkan standard error mean bernilai 0.374. Pada nilai 2 metoda
A data yang diolah sebanyak 5 data dengan nilai rata-rata 7.40 dan standard deviation sebesar 1.140 sedangkan standard error mean bernilai 0.510. Pada nilai
2 metoda B data yang diolah sebanyak 5 data dengan nilai rata-rata 7.60 dan standard deviation sebesar 0.894 sedangkan standard error mean bernilai 0.400.
Independent Samples Test
Levene's Test for
Equality of
Variances
t-test for Equality of Means
95 Confidence Std.
Interval of the
Mean
Error Difference
Sig. (2- Differenc Differenc
F Sig.
t
df tailed)
e e Lower Upper
Nilai Equal variances
1 assumed Equal variances
not assumed
Nilai Equal variances
2 assumed Equal variances
not assumed
Berdasarkan tabel Independent Sample Test, untuk nilai 1 diperoleh signifikan sebesar 1.000 (lebih besar dari 0.05), sehingga H0 diterima atau tidak ada perbedaan nilai antara metoda A dan metoda B. Untuk uji F nilai 1 diperoleh hasil f hitung 0.000 sedangkan f tabel bernilai 3.44 (f hitung lebih kecil dari f tabel), sehingga H0 diterima atau tidak ada perbedaan nilai antara metoda A dan metoda B. Untuk uji T nilai 1 diperoleh hasil t hitung -1.134 sedangkan t tabel 1.85955 (t tabel lebih besar dari t hitung), sehingga H0 diterima atau tidak ada perbedaan nilai antara metoda A dan metoda B. Berdasarkan ketiga uji ini mendapatkan kesimpulan yang sama yaitu tidak ada perbedaan nilai antara metoda A dan metoda B.
Berdasarkan tabel Independent Sample Test, untuk nilai 2 diperoleh signifikan sebesar 0.621 (lebih besar dari 0.05), sehingga H0 diterima atau tidak ada perbedaan nilai antara metoda A dan metoda B. Untuk uji F nilai 2 diperoleh hasil f hitung 0.264 sedangkan f tabel bernilai 3.44 (f hitung lebih kecil dari f Berdasarkan tabel Independent Sample Test, untuk nilai 2 diperoleh signifikan sebesar 0.621 (lebih besar dari 0.05), sehingga H0 diterima atau tidak ada perbedaan nilai antara metoda A dan metoda B. Untuk uji F nilai 2 diperoleh hasil f hitung 0.264 sedangkan f tabel bernilai 3.44 (f hitung lebih kecil dari f
4.3.3 Paired Sample T Test
Hipotesis : H0 : Tidak ada perbedaan berat sebelum diit dengan berat setelah diit H1 : Ada perbedaan berat sebelum diit dengan berat setelah diit
Paired Samples Statistics
Std. Error
Mean
N
Std. Deviation
Mean
Pair 1 Berat Sebelum Diit
(Kg) Berat Setelah Diit
Berdasarkan tabel Paired Samples Statistics diatas, diperoleh nilai rata-rata berat sebelum diit sebesar 84.470 dengan jumlah data 10. Standard deviation sebesar 9.1626, standard error mean sebesar 2.8975. Sedangkan untuk nilai rata- rata berat setelah diit sebesar 82.340 dengan jumlah data 10. Standard deviation sebesar 8.4338, standard error mean sebesar 2.6670.
Paired Samples Correlations
Berat Sebelum Diit (Kg)
Berat Setelah Diit (Kg)
Berdasarkan tabel Paired Sample Correlations diatas, dengan jumlah 10 data diperoleh nilai correlation berat sebelum diit dan berat sesudah diit sebesar 0.998 dan nilai signifikan sebesar 0.000 yang berarti lebih kecil dari 0.05, sehingga H0 ditolak dan H1 diterima atau ada perbedaan berat sebelum diit dengan berat setelah diit.
Paired Samples Test
Paired Differences
95 Confidence Interval of the
Deviati Error
Sig. (2-
Mean on
Mean Lower Upper
t
df tailed)
Pair Berat
1 Sebelum Diit
(Kg) - Berat
Setelah Diit (Kg)
Berdasarkan tabel Paired Samples Test diatas, diperoleh niai rata-rata berat sebelum diit dan berat sesudah diit sebesar 2.1300, standard deviation sebesar 0.9569, dan standard error mean sebesar 0.3026. Untuk nilai signifikan didapat sebesar 0.000 (signifikan kecil dari 0.05), sehingga H0 ditolak dan H0 diterima atau ada perbedaan berat sebelum diit dengan berat setelah diit. Sedangkan untuk uji T diperoleh hasil t hitung sebesar 7.039 sedangkan t tabel 1.8331 (t tabel lebih kecil dari t hitung), sehingga H0 ditolak dan H1 diterima atau dapat simpulkan bahwa ada perbedaan berat sebelum diit dengan berat setelah diit.
4.4 Teknik Analisis Ragam
4.4.1 Rancangan Acak Lengkap 1 Arah dengan Ulangan Sama
Hipotesis : H0 : Tidak ada perbedaan susut berat terhadap perlakuan yang diberikan H1 : Ada perbedaan susut berat terhadap perlakuan yang diberikan
Descriptives
Susut_Berat
95 Confidence Interval
for Mean
Minimu Maximu
Berdasarkan tabel Descriptive diatas, setiap hari memiliki jumlah data sebanyak 5 dengan nilai mean masing-masing hari tertera didalam tabel diatas, begitu juga dengan standar deviasi dan standar eror.
Test of Homogeneity of Variances
Susut_Berat
Levene Statistic
Berdasarkan tabel Test of Homogeneity of Variances diatas, diperoleh nilai signifikan sebesar 0.058 (signifikan besar dari 0.05), sehingga H0 diterima atau tidak ada perbedaan susut berat terhadap perlakuan yang diberikan.
ANOVA
Susut_Berat
Sum of Squares
df Mean Square
F Sig.
Between Groups
Within Groups
Berdasarkan tabel ANOVA diatas, diperoleh nilai f hitung between groups sebesar 294.257 sedangkan f tabel sebesar 4.50 (f hitung lebih besar dari f tabel), sehingga H0 ditolak dan H1 diterima dan dapat disimpulkan ada perbedaan susut berat terhadap perlakuan yang diberikan. Sedangkan untuk uji signifikan diperoleh nilai signifikan sebesar 0.000 (signifikan kecil dari 0.05), sehingga H0 ditolak dan H1 diterima dan dapat disimpulkan ada perbedaan susut berat terhadap perlakuan yang diberikan.
Post Hoc Tests Homogeneous Subsets
Susut_Berat
Duncan
Hari_Pe
Subset for alpha = 0.05
Means for groups in homogeneous subsets are displayed.
Uji Duncan dilakukan untuk menguji apakah data yang diperoleh sama atau berbeda. Berdasarkan tabel susut berat diatas dapat diketahui bahwa uji yang dilakukan berada pada subset yang berbeda jadi terdapat perbedaan antara susut berat.
4.4.2 Rancangan Acak Lengkap 1 Arah dengan Ulangan Tidak Sama
Hipotesis : H0 : Tidak ada pengaruh waktu belajar terhadap nilai mahasiswa H1 : Ada pengaruh waktu belajar terhadap nilai mahasiswa
Descriptives
Nilai Siswa
95 Confidence Interval
for Mean
Minimum Maximum
Berdasarkan tabel Descriptive diatas, setiap waktu memiliki jumlah data yang berbeda, untuknilai mean masing-masing hari tertera didalam tabel diatas, begitu juga dengan standar deviasi dan standar eror, beserta nilai maksimum dan minimumnya.
Test of Homogeneity of Variances
Nilai Siswa
Levene Statistic
df1
df2
Sig.
Berdasarkan tabel Test of Homogeneity of Variances diatas, diperoleh nilai signifikan sebesar 0.194 (signifikan besar dari 0.05), sehingga H0 diterima atau ada pengaruh waktu belajar terhadap nilai mahasiswa.
ANOVA
Nilai Siswa
Sum of Squares
df Mean Square
F Sig.
Between Groups
Within Groups
Berdasarkan tabel ANOVA diatas, diperoleh nilai f hitung between groups sebesar 11. 479 sedangkan f tabel sebesar 8.68 (f hitung lebih besar dari f tabel), sehingga H0 ditolak dan H1 diterima dan dapat disimpulkan ada pengaruh waktu belajar terhadap nilai mahasiswa. Sedangkan untuk uji signifikan diperoleh nilai signifikan sebesar 0.000 (signifikan kecil dari 0.05), sehingga H0 ditolak dan H1 diterima dan dapat disimpulkan ada pengaruh waktu belajar terhadap nilai mahasiswa.
Post Hoc Tests Homogeneous Subsets
Nilai Siswa
Duncan Waktu
Subset for alpha = 0.05
Means for groups in homogeneous subsets are displayed.
Uji Duncan dilakukan untuk menguji apakah data yang diperoleh sama atau berbeda. Berdasarkan tabel nilai siswa diatas dapat diketahui bahwa nilai siswa belajar malam dan sore homogen, dan nilai belajar siswa siang dan pagi homogen, sedangkan nilai belajar malam, sore dan nilai belajar siang pagi heterogen.
4.4.3 Rancangan Acak Kelompok 1 Arah
Hipotesis :
1. Perlakuan H0 : Tidak ada hubungan antara perlakuan yang diberikan terhadap suhu kompor H1 : Ada hubungan antara perlakuan yang diberikan terhadap suhu kompor
2. Kelompok H0 : Tidak ada hubungan antara faktor dengan kelompok H1 : Ada hubungan antara faktor dengan kelompok
Between-Subjects Factors
Value Label
N
Waktu (menit)
dinding dalam depan
2 dinding luar depan
3 dinding dalam
4 dinding luar samping
Berdasarkan tabel Between-Subjects Factor diatas, diperoleh hasil bahwa analisa dilakukan melibatkan 4 kelompok data, dengan 7 perlakuan waktu yang diberikan, masing-masing data yang diolah berjumlah 4 data setiap waktunya.
Tests of Between-Subjects Effects
Dependent Variable:Suhu dinding kompor Biomassa (0 C)
Type III Sum
Source
of Squares
df Mean Square
F Sig.
Corrected Model a 6451.179 9 716.798
Corrected Total
a. R Squared = .873 (Adjusted R Squared = .810)
Berdasarkan tabel Tests of Between-Subject Effects diatas, untuk perlakuan diperoleh nilai f hitung sebesar 14.323 sedangkan f tabel sebesar 3.82 (f hitung lebih besar dari f tabel), sehingga H0 ditolak dan H1 diterima dan dapat disimpulkan bahwa ada hubungan antara perlakuan yang diberikan terhadap suhu kompor. Sedangkan untuk uji signifikan diperoleh nilai signifikan sebesar 0.000 (signifikan kecil dari 0.05), sehingga H0 ditolak dan H1 diterima dan dapat disimpulkan bahwa ada hubungan antara perlakuan yang diberikan terhadap suhu kompor.
Berdasarkan tabel Tests of Between-Subject Effects diatas, untuk Kelompok diperoleh nilai f hitung sebesar 12.666 sedangkan f tabel sebesar 8.62 (f hitung lebih besar dari f tabel), sehingga H0 ditolak dan H1 diterima dan dapat disimpulkan bahwa ada hubungan antara faktor dengan kelompok. Sedangkan untuk uji signifikan diperoleh nilai signifikan sebesar 0.000 (signifikan kecil dari 0.05), sehingga H0 ditolak dan H1 diterima dan dapat disimpulkan bahwa ada hubungan antara faktor dengan kelompok.
Post Hoc Tests Waktu (menit)
Suhu dinding kompor Biomassa (0 C)
Duncan
Subset
Waktu (menit)
Means for groups in homogeneous subsets are displayed.
Based on observed means. The error term is Mean Square(Error) = 52.052.
Berdasarkan tabel diatas, untuk uji Duncan diperoleh bahwa perlakuan memiliki subset yang berbeda, berarti terdapat perbedaan antara tiap perlakuan yang dilakukan. Perlakuan 0 menit benar-benar heterogen. Sedangkan perlakuan 5 menit homogen dengan perlakuan 10 menit dan 15 menit, perlakuan 15 menit homogen dengan perlakuan 20 menit dan 30 menit, perlakuan 20 menit homogen dengan perlakuan 30 menit dan 25 menit.
4.5 Statistik Nonparametrik, Validasi dan Reliabilitas
4.5.1 Nonparametrik
Hipotesis H0 : Tidak ada perbedaan sampel terhadap rasa H1 : Ada perbedaan sampel terhadap rasa
Kruskal-Wallis Test
Ranks
Kode_Sampel
N
Mean Rank
Rasa Sampel 512
Berdasarkan tabel Ranks diatas, diperoleh bahwa sampel 735 memiliki ranking tertinggi dan sampel 429 memiliki ranking terendah. Dari hasil tersebut dapat disimpulkan bahwa sampel 735 banyak memiliki varian rasa yang asam. Sedangkan untuk sampel 429 memiliki banyak varian rasa yang paling tidak asam.
Test Statistics a,b Rasa
Asymp. Sig.
a. Kruskal Wallis Test
b. Grouping Variable: Kode_Sampel
Berdasarkan tabel Test Statistisc diatas, diperoleh data bahwa untuk pengujian chi square didapatkan nilai chi square sebesar 32.439 dengan nilai df 3 sedangkan chi square tabel sebesar 7.81473 sehingga chi square hitung besar dari chi square table, sehingga H0 ditolak dan H1 diterima, maka disimpulkan bahwa Ada perbedaan sampel terhadap rasa.
4.5.2 Validasi dan Reliabilitas
Hipotesis H0 : Tidak ada perbedaan suhu dititik pengukuran selama pengukusan gabah H1 : Ada perbedaan suhu dititik pengukuran selama pengukusan gabah
Case Processing Summary
Excluded a 0
Total
a. Listwise deletion based on all variables in the procedure.
Berdasarkan tabel Case Processing Summary diatas, diperoleh bahwa nilai exclude yang didapatkan 0 berarti tidak terdapat data yang dikeluarkan dan semua data bisa diuji dan dari semua data yang diuji semuanya valid dengan nilai 100.
Reliability Statistics
Cronbach's Alpha
Part 1 Value
.783 N of Items a 5
Part 2 Value
.871 N of Items b 5
Total N of Items
Correlation Between Forms
Spearman-Brown
Equal Length
Coefficient
Unequal Length
Guttman Split-Half Coefficient
a. The items are: No.1, No.2, No.3, No.4, No.5.
b. The items are: No.6, No.7, No.8, No.9, No.10.
Item-Total Statistics
Cronbach's
Scale Mean if Scale Variance if Corrected Item- Alpha if Item
Item Deleted
Item Deleted Total Correlation
Berdasarkan tabel Item-Total Statictics diatas, pada Corrected Item-Total Correlation terdapat 1 koefisien bernilai negative maka dapat dikatakan bahwa data No. 10 tidak valid, dan data No.1 sampai dengan data No.9 bernilai positif dan dapat dikatakan bahwa data tersebut valid. Sedangkan untuk reabilitas, data No.1, No.10 dapat dikatakan kurang baik karena bernilai kecil dari 0.6. untuk data No.3 dan No.7 masih dapat diterima karena nilai berkisar 0.7 dan untuk data No.2, No.4, No.5, No.6, No.8, dan No.9 tergolong baik dan dapat diolah secara maksimal.
4.6 Teknik Analisis Ragam Klasifikasi Dua Arah
4.6.1 Rancangan Acak Lengkap 2 Arah
Hipotesis :
1. Perlakuan HO : Tidak ada pengaruh perlakuan terhadap kekerasan. H1 : Ada pengaruh perlakuan terhadap kekerasan.
2. Hari HO : Tidak ada pengaruh hari penyimpanan terhadap kekerasan. H1 : Ada pengaruh hari penyimpanan terhadap kekerasan.
3. PerlakuanHari HO : Tidak ada hubungan antara perlakuan dan hari penyimpanan. H1 : Ada hubungan antara perlakuan dan hari penyimpanan.
Between-Subjects Factors
Value Label
2 Larutan Gula
3 Larutan Gula
4 Larutan Gula
Hari_Penyimpanan 1
Hari ke-1
2 Hari ke-2
Berdasarkan tabel Between-Subjects Factors diatas, diperoleh hasil bahwa jumlah data sebanyak 6 data untuk masing-masing perlakuan. Untuk hari penyimpanan 1 memiliki data sebanyak 12 data dan untuk hari penyimpanan 2 memiliki data sebanyak 12 data.
Tests of Between-Subjects Effects
Dependent Variable:Kekerasan
Type III Sum
Source
of Squares
df Mean Square
F Sig.
Corrected Model a 6.869E8 7 9.813E7
1 1.056E11 1.404E3 .000
Hari_Penyimpanan
Hari_Penyimpanan Error
Corrected Total
1.890E9
a. R Squared = .363 (Adjusted R Squared = .085)
Berdasarkan tabel Tests of Between-Subject Effects diatas, untuk perlakuan diperoleh nilai f hitung sebesar 2.555 sedangkan f tabel sebesar 8.64 (f hitung lebih kecil dari f tabel), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan bahwa tidak ada pengaruh perlakuan terhadap kekerasan. Sedangkan untuk uji signifikan diperoleh nilai signifikan sebesar 0.092 (signifikan besar dari 0.05), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan bahwa tidak ada pengaruh perlakuan terhadap kekerasan.
Berdasarkan tabel Tests of Between-Subject Effects diatas, untuk hari penyimpanan diperoleh nilai f hitung sebesar 1.103 sedangkan f tabel sebesar 4.26 (f hitung lebih kecil dari f tabel), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan bahwa tidak ada pengaruh hari penyimpanan terhadap kekerasan. Sedangkan untuk uji signifikan diperoleh nilai signifikan sebesar 0.309 (signifikan besar dari 0.05), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan bahwa tidak ada pengaruh hari penyimpanan terhadap kekerasan.
Berdasarkan tabel Tests of Between-Subject Effects diatas, untuk hubungan perlakuan dan hari penyimpanan diperoleh nilai f hitung sebesar 0.121 sedangkan
f tabel sebesar 8.64 (f hitung lebih kecil dari f tabel), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan bahwa tidak ada hubungan antara perlakuan dan f tabel sebesar 8.64 (f hitung lebih kecil dari f tabel), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan bahwa tidak ada hubungan antara perlakuan dan
Post Hoc Perlakuan Homogeneous
Larutan Gula 70
6 6.43203E4 6.43203E4
Larutan Gula 25
6 6.65251E4 6.65251E4
Larutan Gula 45
Means for groups in homogeneous subsets are displayed.
Based on observed means. The error term is Mean Square(Error) = 75221401.919.
Berdasarkan tabel uji Duncan diatas, dapat digunakan untuk menunjukkan kehomogenan data perlakuan terhadap kekerasan. Dari tabel tersebut diperoleh hasil perlakuan kontrol homogen dengan larutan gula 70 dan larutan gula 25 . Sedangkan perlakuan larutan gula 70 homogen dengan larutan gula 25 dan larutan gula 45 . Untuk data yang benar-benar heterogen yaitu perlakuan kontrol dan perlakuan larutan gula 45 .
4.6.2 Rancangan Acak Kelompok 2 Arah
Hipotesis :
1. Perlakuan H0 : Tidak ada pengaruh perlakuan terhadap nilai pengukuran tinggi tanaman H1 : Ada pengaruh perlakuan terhadap nilai pengukuran tinggi tanaman
2. Komoditi H0 : Tidak ada pengaruh komoditi terhadap nilai pengukuran tinggi tanaman H1 : Ada pengaruh komoditi terhadap nilai pengukuran tinggi tanaman
3. Tinggi Tanaman H0 : Tidak ada pengaruh tinggi tanaman terhadap nilai pengukuran H1 : Ada pengaruh tinggi tanaman terhadap nilai pengukuran
4. KomoditiPerlakuan H0 : Tidak ada hubungan antara komoditi dan perlakuan H1 : Ada hubungan antara komoditi dan perlakuan
Between-Subjects Factors
Value Label
Tinggi_Tanaman 1
Tinggi
Tanaman 1
2 Tinggi
Tanaman 2
3 Tinggi
Tanaman 3
Berdasarkan tabel between subjects factors diketahui bahwa jumlah data sebanyak 9 untuk masing-masing analisis, 3 perlakuan, 3 komoditi dan 3 tinggi tanaman.
Tests of Between-Subjects Effects
Dependent Variable:Nilai_Pengukuran
Type III Sum
Source
of Squares
df Mean Square
F Sig.
Corrected Model
Tinggi_Tanaman
Perlakuan Error
Corrected Total
a. R Squared = .497 (Adjusted R Squared = .183)
Berdasarkan tabel Tests of Between-Subject Effects diatas, untuk perlakuan diperoleh nilai f hitung sebesar 5.270 sedangkan f tabel sebesar 3.35 (f hitung lebih besar dari f tabel), sehingga H0 ditolak dan H1 diterima dan dapat disimpulkan bahwa ada pengaruh perlakuan terhadap nilai pengukuran tinggi tanaman. Sedangkan untuk uji signifikan diperoleh nilai signifikan sebesar 0.017 (signifikan kecil dari 0.05), sehingga H0 ditolak dan H1 diterima dan dapat disimpulkan bahwa bahwa ada pengaruh perlakuan terhadap nilai pengukuran tinggi tanaman.
Berdasarkan tabel Tests of Between-Subject Effects diatas, untuk komoditi diperoleh nilai f hitung sebesar 0.526 sedangkan f tabel sebesar 3.35 (f hitung kecil dari f tabel), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan Berdasarkan tabel Tests of Between-Subject Effects diatas, untuk komoditi diperoleh nilai f hitung sebesar 0.526 sedangkan f tabel sebesar 3.35 (f hitung kecil dari f tabel), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan
Berdasarkan tabel Tests of Between-Subject Effects diatas, untuk tinggi tanaman diperoleh nilai f hitung sebesar 1.674 sedangkan f tabel sebesar 3.35 (f hitung kecil dari f tabel), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan bahwa tidak ada pengaruh tinggi tanaman terhadap nilai pengukuran. Sedangkan untuk uji signifikan diperoleh nilai signifikan sebesar 0. 219 (signifikan besar dari 0.05), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan bahwa bahwa tidak ada pengaruh tinggi tanaman terhadap nilai pengukuran.
Berdasarkan tabel Tests of Between-Subject Effects diatas, untuk hubungan komoditi dan perlakuan diperoleh nilai f hitung sebesar 0.218 sedangkan f tabel sebesar 5.75 (f hitung kecil dari f tabel), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan bahwa tidak ada hubungan antara komoditi dan perlakuan. Sedangkan untuk uji signifikan diperoleh nilai signifikan sebesar 0.924 (signifikan besar dari 0.05), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan bahwa bahwa tidak ada hubungan antara komoditi dan perlakuan.
Post Hoc Tests Komoditi Homogeneous Subsets
Nilai_Pengukuran
Kacang Tanah
Means for groups in homogeneous subsets are displayed.
Based on observed means. The error term is Mean Square(Error) = 119.349.
Berdasarkan tabel uji Duncan diatas, dapat digunakan untuk menunjukkan kehomogenan data komoditi terhadap nilai pengukuran. Dari tabel tersebut diperoleh bahwa komoditi memiliki subset yang sama berarti terdapat persamaan nilai pengukuran antara tiap komoditi.
Perlakuan Homogeneous Subsets
Nilai_Pengukuran
Means for groups in homogeneous subsets are displayed.
Based on observed means. The error term is Mean Square(Error) = 119.349.
Berdasarkan tabel uji Duncan diatas, dapat digunakan untuk menunjukkan kehomogenan data perlakuan terhadap nilai pengukuran. Dari tabel tersebut diperoleh hasil perlakuan TOP0 homogen dengan perlakuan TOP1. Sedangkan perlakuan TOP1 homogen dengan perlakuan TOP2. Untuk data yang benar-benar heterogen yaitu perlakuan TOP0 dan perlakuan TOP2.
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Adapun kesimpulan yang didapat setelah mengikuti Praktikum Statistika untuk Keteknikan ini adalah, sebagai berikut :
1. Pada analisis One Sample T Test memiliki ciri bahwa terdapat pembanding
atau literature dari percobaan sebelumnya.
2. Analisis Independent Samples T Test digunakan untuk mengetahui apakah
terdapat perbedaan antara perlakuan yang diujikan.
3. Analisi Paired Sample T Test dilakukan untuk mengetahui apakah ada
pengaruh objek sebelum perlakuan dan sesudah perlakuan.
4. Analisis regresi dilakukan untuk mengetahui pengaruh suatu perlakuan
terhadap perlakuan lain.
5. Perbedaan anova 1 arah dan anova 2 arah adalah anova 1 arah hanya
dipengaruhi oleh 1 faktor saja sedangkan anova 2 arah dipengaruhi oleh 2 faktor.
6. Uji non parametric, validasi dan reliabilitas digunakan untuk menentukan uji
tingkat kepuasan.
7. Dalam interpretasi output dimulai dengan membuat hipotesis mengenai data
yang diuji.
8. Pengambilan keputusan membutuhkan tabel T, tabel F dan tabel chi square.
9. Jika F tabel ≤ F hitung maka Ho diterima dan H1 ditolak, dan jika F tabel ≥ F hitung
maka H1 diterima dan H0 ditolak.
10. Jika T tabel ≤ T hitung maka Ho diterima dan H1 ditolak, dan jika T tabel ≥ T hitung maka H1 diterima dan H0 ditolak.
11. Jika nilai Chi-Square hitung ≤ Chi-Square tabel maka Ho diterima dan H1
ditolak, dan Chi-Square hitung ≥ Chi-Square tabel maka H1 diterima dan H0 ditolak.
12. Untuk uji validasi, jika keofisien positif dan R hitung ≥R tabel maka data valid, namun jika keofisien negatif dan R hitung ≤R tabel maka data tidak valid.
13. Unutuk uji reabilitas, jika Corrected Item-Total Correlation bernilai ≤ 0.6 maka data kurang baik, jika 0.7 data dapat diterima, jika ≥ 0.8 data baik.
14. Jika signifikan > dari 0.05 maka Ho diterima dan begitu sebaliknya.
5.2 Saran
Adapun saran untuk Praktikum Statistika untuk Keteknikan pada periode selanjutnya yaitu praktikan mengerjakan serta memahami tugas manual yang diberikan oleh asisten. Praktikan diharapkan lebih fokus saat asisten atau dosen menginterpretasikan output. Praktikan diharapkan mencatat penjelasan yang disampaikan oleh asisten atau dosen. Praktikan disaran untuk memahami materi sebelum memulai praktikum. Praktikan disaran untuk bertanya jika terkendala dalam pelaksanaan praktikum. Praktikan disaran untuk aktif saat praktikum berlangsung. Praktikan disaran untuk mematuhi aturan dan ketentuan praktikum. Asisten disaran untuk bersabar dalam menghadapi praktikan yang terkendala saat praktikum berlangsung.
DAFTAR PUSTAKA
Agus, Purwoto. 2007. Panduan Laboratorium Statistik Inferensial. Gramedia
Widiasarana Indonesia. Jakarta. Ariadi, Septi. 2009. Bahan Ajar Mata Kuliah Statistik Inferensial. Universitas
Airlangga. Surabaya. Arif, Pratisto. 2009. Statistik menjadi Mudah dengan SPSS. Erlangga. Jakarta. Arikunto, Suharsimi. 2006. Prosedur Penelitian Suatu Pendekatan Praktik.
Rineka Cipta. Jakarta. Dajan, Anto. 1982. Pengantar Metode Statistik Jilid I. LP3ES. Jakarta. Daniel, W. W. 2000. Statistik Nonparametrik Terapan. Gramedia. Jakarta. Djarwanto. 1991. Statistik Nonparametrik, Edisi 2. BPFE. Yogyakarta. Ghozali, Imam. 2014. Statistik Nonparametrik. Universitas Diponegoro.
Yogyakarta. Hadi, S. 2002. Statistik, Jilid 2. Andi Offset. Yogyakarta. Hasan, Iqbal. 2010. Pokok-pokok Materi Statistik 2 (Statistik Inferensial). Bumi
Aksara. Jakarta. Hendra. 2012. Statistika Komputer. Program Studi Agroteknologi, Fakultas
Pertanian, Universitas Syiah Kuala Darussalam. Banda Aceh. Iqbal, Hasab. 2004. Analisa Data Penelitian dengan Statistik. Bumi Aksara.
Jakarta. Isparjadi. 1988. Statistik Pendidikan (Bab II, hal 22-26). Depdikbud Dikti
PPLPTK. Jakarta. Isparjadi. 1988. Statistik Pendidikan (Bab IV, hal 98-123). Depdikbud Dikti
PPLPTK. Jakarta. Koster, Wayan. 2001. Statistika, Teori dan Aplikasi. Gramedia. Jakarta. Kustituanto, Bambang. 1994. Statistika I, Seri Diktat Kuliah. Gunadarma. Jakarta.
Lubis, Ade Rahman. 2013. Kajian Penggunaan Kalsium Karbida (CaC 2 )
Terhadap Mutu Fisik dan Lama Pemeraman Buah Alpokat (Persea americana Miller), Skripsi. FATETA UNAND. Padang.
Putra, W. E. S. 2012. Kajian Karakteristik Perbandingan Mutu Buah Nanas
Terolah Minimal, Skripsi. FATETA, UNAND. Padang. Riduwan. 2010. Dasar-dasar Statistika. Alfabeta. Bandung. Santoso, Singgih. 2010. Statistik Parametrik. Gramedia. Jakarta. Saputra, I. T. 2012. Rancang Bangun dan Uji Kinerja Biomassa Berbahan Bakar
Limbah Organik Kering Pertanian untuk Skala Rumah Tangga, Skripsi. FATETA UNAND. Padang.
Spetriani. 2011. Kajian Teknologi Proses Pengolahan Beras Pratanak
(Parboiling Rice) pada Gabah Varietas Situ Bagendit, Skripsi. FTP IPB. Bogor.
Sudjana. 1992. Statistika untuk Ekonomi dan Terapan. Tarsito. Bandung. Sugiyono. 2003. Statistika untuk Penelitian. Alfabeta. Bandung. Sugiyono. 2009. Statistik Nonparametrik untuk Penelitian. Alfabeta. Bandung. Sukata, Agus. 2002. Analisis Ragam. Gramedia. Jakarta. Susanto, Eko. 2008. Statistik. KCI, Universitas Lampung. Lampung. Tim Lab. Statistik. 2011. Statistika Komputer. FK UNSYIAH Kuala Darussalam.
Banda Aceh. Walpole, R. E., R. H. Myers. 1995. Ilmu Peluang dan Statistika untuk Insinyur
dan Ilmuwan, Edisi ke-4. ITB. Bandung. Walpole, Ronald E. 1992. Pengantar Statistika. Gramedia. Jakarta.
LAMPIRAN
1. Statistik Deskriptif
Adapun langkah-langkah untuk menganalisis frekuensi data, yaitu :
1. Tampilkan program SPSS.
2. Pada SPSS Data Editor, Klik Variable View.
3. Pada kolom Name ketik “Nilai”, sedangkan pada Label ketik Nilai_Biologi.
Untuk Type Data, pastikan Numeric. Pada kolom Measure pilih Scale. Untuk kolom lainnya dapat diabaikan.
4. Masuk ke halaman Data View dengan meng-klik Data View.
5. Isikan data pada Data View.
6. Selanjutnya klik Analyze, Descriptive Statistics, Frequencies, seperti gambar
berikut :
7. Maka akan tampil kotak dialog sebagai berikut :
8. Pindahkan variable Nilai_Biologi[Nilai] ke kotak Variable (s), kemudian klik
tab Statistics, maka akan muncul kotak dialog sebagai berikut :
9. Pada kotak dialog Frequencies Statistics, beri tanda centang pada pilihan-
pilihan Percentile Values (Quartiles), Central Tendency (Mean, Median, Mode, Sum), Dispersion (Std. deviation, Variance, Range, Minimum, Maximum, S.E. mean), dan Distribution (Skewness, Kurtosis). Kemudian klik Continue.
10. Klik tab Charts, sehingga tampil kotak dialog sebagai berikut :
11. Pada Chart Type, pilih Histograms dan beri centang pada With normal curve. Kemudian klik Continue.
12. Klik OK.
13. Interpretasikan output yang didapat.
2. Analisis Regresi
Adapun langkah-langkah untuk analisis regresi linear sederhana, yaitu :
1. Buka program SPSS, klik Type in data, lalu OK.
2. Klik Variable View, masukkan data dengan ketentuan, baris 1 diisi dengan
Iklan dan baris 2 diisi dengan Distribusi.
3. Klik Data View dan masukkan data yang akan diolah.
4. Klik Analyze, Regression, dan klik Linear
5. Masukkan Distribusi ke Dependent, dan Iklan ke Independent.
6. Lalu klik Statistics, pada Regression Coefficient pilih Estimates dan Model fit.
Kemudian pada Residuals pilih Casewise diagnostics dan All cases. Lalu klik Continue dan OK.
7. Interpretasikan output yang didapat.
3. Statistik Inferensia
3.1 One Sample T Test
Adapun langkah-langkah analisis One Sample T Test yaitu :
1. Buka program SPSS, klik Type in data, lalu OK.
2. Klik tab sheet Variable View pada SPSS Data Editor. Namai variable dengan
cara mengisi kolom Name, ketik “BS” sedangkan pada Label ketik Berat Sesudah (Kwintal). Untuk Type data pastikan Numeric. Pada kolom Measure pilih Scale. Untuk kolom lainnya bisa diabaikan.
3. Berikutnya, pilih tab sheet Data View dan masukkan data pada Data View
ini.
4. Selanjutnya klik Analyze, Compare Means, One-Sample T Test.
5. Maka akan muncul kotak dialog seperti berikut :
6. Masukkan Berat Sesudah (Kwintal) [BS] ke kotak Test Variable (s),
kemudian isi nilai Test Value dengan 1.4. Lalu klik OK.
7. Interpretasikan output yang didapat.
3.2 Independent Sample T Test
Adapun langkah-langkah analisis Independent Sample T Test yaitu :
1. Buka program SPSS, klik Type in data, lalu OK.
2. Klik tab sheet Variable View pada SPSS Data Editor. Namai variable dengan
cara mengisi kolom Name 1 dengan Nilai_1 (Label Nilai 1), kolom Name 2 dengan Nilai_2 (Label Nilai 2), kolom Name 3 dengan Metoda (Label Metoda Pembelajaran), untuk Value Metoda isikan sesuai data. Untuk Type data pastikan Numeric. Pada kolom Measure pilih Scale. Untuk kolom lainnya bisa diabaikan.
3. Selanjutnya, klik tab sheet Data View. Masukkan data yang akan diolah.
Untuk variable Metoda, isikan dengan menekan angka 1 untuk Metoda A dan angka 2 untuk Metoda B.
4. Hasilnya seperti yang terlihat pada gambar :
5. Selanjutnya klik Analyze, Compare Means, Independent-Samples T Test.
6. Maka kotak dialog akan tampil sebagai berikut
7. Masukkan Nilai 1 [Nilai_1] dan Nilai 2 [Nilai_2] ke kotak Test Variable (s)
dan Metoda ke Grouping Variable.
8. Kemudian klik tab Define Groups. Pada Use specified values isikan Group 1
dengan 1 dan Group 2 dengan 2, lalu Continue dan klik OK.
9. Interpretasikan output yang didapat.
3.3 Paired Sample T Test
Adapun langkah-langkah analisis Paired Sample T Test yaitu :
1. Buka program SPSS, klik Type in data, lalu OK.
2. Klik tab sheet Variable View pada SPSS Data Editor. Namai variable dengan
cara mengisi kolom Name, ketik “BB” (Label Berat Sebelum Diit (Kg)), dan “BS” (Label Berat Setelah Diit (Kg)). Untuk Type data pastikan Numeric. Pada kolom Measure pilih Scale. Untuk kolom lainnya bisa diabaikan.
3. Masukkan semua data yang akan diolah.
4. Setelah itu, pilih Analyze, Compare Means, Paired-Samples T Test.
5. Maka akan muncul kotak dialog seperti berikut: