Analisis Berdasarkan SPSS - LAPORAN AKHIR PRAKTIKUM REGRESI SEDERHANA MODUL I

ANOVA^a

a. Dependent Variable: Y b. Predictors: (Constant), X

Jika nilai signifikansi 0,00 < 0,05 maka ada pengaruh variabel X dengan variabel Y. Begitupula sebaliknya. Jika nilai signifikansi 0,00 > 0,05 maka tidak ada pengaruh variabel X dengan variabel Y. Dikarenakan nilai signifikansinya 0,011 < 0,05, maka dapat disimpulkan bahwa adanya pengaruh antara variabel X dengan variabel Y.

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan praktikum yang telah di lakukan dapat di simpulkan bahwa:

1. Analisis regresi adalah salah satu metode untuk menetukan hubungan sebab-akibat antara satu variabel dengan variabel-variabel lain.

2. Analisis regresi linier sederhana adalah sebuah metode pendekatan untuk permodelan antara satu variabel dependen dan satu variabel independent.

3. Berdasarkan banyaknya data yang telah di lakukan di dapatkan hasil F hitung= (−47,71 ≤ F tabel= 4,03. Maka dapat disimpulkan bahwa produktivitas (y) tidak terpengaruh oleh motivasi (x).

4. Perhitungan analisis regresi bias diselesaikan secara manual tetapi lebih mudah menggunakan program SPSS.

5.2 Saran

Analisis regresi linier sederhana dapat dihitung dengan cara manual, tetapi butuh ketelitian dan kecermatan agar tidak terjadi kesalahan. Untuk memeperkecil resiko kesalahan dalam mengolah data, dapat dihitung menggunakan program SPSS. Data yang diolah menggunakan program SPSS dapat di jadikan pembanding dari hasil pengolahan data analisis secara manual. Dalam hal ini disarankan untuk pengolahan data dibuat menggunakan program aplikasi SPSS.

BAB VI

DAFTAR PUSTAKA

Qudratullah, Farhan. 2012. Analisis Regresi Terapan. Universitas Negeri Yogyakarta: Yogyakarta.

R.K. Sembiring. 1995. Analisis Regresi. Institut Teknologi Bandung (ITB):

Bandung.

LAMPIRAN

Tabel F

LAPORAN AKHIR PRAKTIKUM KORELASI LINEAR SEDERHANA

MODUL II

Disusun oleh : Kelompok 11

1. MUHAMMAD ARDI (2070031001) 2. ADAM SAIFUL ISLAM (2070031020) 3. DIMAS NIHE (2070031008) 4. MUHAMAD IQBAL (2070031003) 5. DZAKI RAIFUDIN (2070031018) 6. SONYA DIALNALDO SAPUTRA (2070031011) 7. NUR FITRI AMIEN (1970032018)

FAKULTAS TEKNIK INDUSTRI UNIVERSITAS KRISNADWIPAYANA

2021

LEMBAR PENGESAHAN

Laporan ini disusun sebagai salah satu syarat kelulusan Laporan Akhir Praktikum Statitiska Modul 2 “Korelasi Linear Sederhana” Jurusan Teknik Industri Fakultas Teknik Universitas Krisnadwipayana.

KELOMPOK 11

NAMA NIM

1. MUHAMMAD ARDI (2070031001)

2. ADAM SAIFUL ISLAM (2070031020)

3. DIMAS NIHE (2070031008)

4. MUHAMAD IQBAL (2070031003)

5. DZAKI RAIFUDIN (2070031018)

6. SONYA DIALNALDO SAPUTRA (2070031011)

7. NUR FITRI AMIEN (1970032018)

Jakarta, 12 Desember 2021

Menyetujui, Mengetahui,

KALAB Teknik Industri Asisten Laboratorium

Aries Abbas, S.T, M.M, MT Amallia Aindina Fitri

NIDN 03290565505 NIM 1970031040

KATA PENGANTAR

Alhamdulillahirabbil’alamin, Puji syukur bagi Allah SWT. Atas berkat, rahmat dan karunianya, sehingga penulis dapat menyelesaikan tugas pembuatan laporan Praktikum Statisika Industri

Laporan ini dibuat untuk memenuhi salah satu praktikum mata kuliah Satistika Industri, Teknik Industri Fakultas Teknik Universitas Krisnadwipayana.

Di dalam penulisan laporan ini penulis merasa masih banyak kekurangan dan juga tidak terlepas dari segala kesalahan, oleh sebab itu penulis mengharapkan kritik dan saran dari pembaca yang berisi membangun, sehingga laporan ini dapat bermanfaat bagi penulis dan pembacanya

Jakarta, 12 Desember 2021

Penulis

iii

DAFTAR ISI

LEMBAR PENGESAHAN ... I KATA PENGANTAR ... II DAFTAR ISI ... III BAB I ... 1 1.1. Maksud dan Tujuan ... 1 1.2. Latar Belakang Masalah ... 1 1.3. Perumusan Masalah ... 2 1.4 Pembatasan Masalah ... 2 1.5. Sistematika Pembahasan ... 3 BAB II ... 4 2.1. Pengetian Korelasi ... 4 2.2. Macam-macam Korelasi ... 4 2.2.1. Korelasi Sederhana ... 5 2.2.1.1. Tabel Pearson Correlation ... 6 2.2.2. Korelasi Parsial ... 7 2.2.3. Korelasi Ganda ... 8 2.3. Bentuk Analisis Korelasi ... 8 2.3.1. Korelasi Positif ... 8 2.3.2. Korelasi Negatif ... 9 2.3.3. Tidak Ada Korelasi ... 9 2.3.4. Korelasi Sempurna ... 10 BAB III ... 11 3.1. Pengumpulan Data Variable ... 11 3.1.1. Tabel Data Variable ... 11

3.2. Pengolahan Data ... 12

3.2.1. Tabel Pengolahan Data ... 12 3.2.1. Menghitung Koefisien Korelasi ... 14 3.2.2. Menghitung Koefisien Determinasi ... 14 3.2.3. Menghitung uji T dengan taraf 5% ... 14 3.2.4. Perumusan Hipotesis ... 15 3.2.5. Melakukan uji hipotesis T ... 16 Grafik 3.2.5.1. Grafik Hipotesis ... 17 3.2.6. Melakukan perthitungan korelasi linear sederhana menggunakan software SPSS ... 17

Gambar 3.2.6.1. Aplikasi IBM SPSS ... 18 Gambar 3.2.6.2. Sheet Variable View ... 18 Gambar 3.2.6.3. Input Variable ... 19 Gambar 3.2.6.4. Input Data Sampel ... 19 Gambar 3.2.6.5. Correlate - Bivariate ... 20 Gambar 3.2.6.6. Move Variable ... 20 Gambar 3.2.6.7. Output ... 21

BAB IV ... 23 4.1. Analisis Berdasarkan Data ... 23 4.2. Analisis Berdasarkan SPSS ... 24 BAB V ... 25 5.1. Kesimpulan ... 25 5.2. Saran ... 26 BAB VI ... 27 LAMPIRAN ... 28

BAB I

PENDAHULUAN

1.1. Maksud dan Tujuan

1. Mahasiswa dapat mengetahui seberapa besar pengaruh variable X terhadap variable Y

2. Mahasiswa dapat melakukan perhitungan analisis korelasi linear sederhana 3. Mahasiswa dapat melakukan perbandingan antara perhitungan manual

𝑇_{ℎ𝑖𝑡𝑢𝑛𝑔} dengan 𝑇_{𝑡𝑎𝑏𝑒𝑙}

4. Mahasiswa dapat memahami cara perhitungan korelasi dengan aplikasi SPSS

1.2. Latar Belakang Masalah

Korelasi adalah istilah statistik yang menyatakan derajat hubungan linear antara dua variabel atau lebih. Hubungan antara dua variabel di dalam teknik korelasi bukanlah dalam arti hubungan sebab akibat (timbal balik), melainkan hanya merupakan hubungan searah saja. Misalnya tinggi badan menyebabkan berat badan bertambah tetapi berat badan bertambah belum tentu menyebabkan tinggi badan bertambah pula. Sehingga dalam korelasi dikenal penyebab dan akibatnya.

Data penyebab atau yang mempengaruhi disebut variabel bebas, disebut juga dengan independen yang biasa dilambangkan dengan huruf X atau X1 X2 X3,... Xn. Sedangkan data akibat atau yang dipengaruhi disebut variabel terikat, disebut juga dependen yang biasa dilambangkan dengan huruf Y.

Analisis Korelasi betujuan untuk mengetahui keeratan hubungan (kuat-lemahnya) hubungan antara variabel bebas X dengan variabel terikat Y, tanpa melihat bentuk hubungannya, apakah linear atau tidak linear. Kuat-lemahnya hubungan antara dua variabel dilihat dari koefisisen korelasinya.

2 1.3. Perumusan Masalah

1. Apakah tujuan dilakukannya perhitungan korelasi ? 2. Seberapa kuat variable X mempengaruhi variable Y ? 3. Mengapa perlu adanya pengujian hipotesis ?

4. Bagaimana hubungan yang terjadi antara 𝑇_{ℎ𝑖𝑡𝑢𝑛𝑔} dengan 𝑇_{𝑡𝑎𝑏𝑒𝑙} ? 1.4. Pembatasan Masalah

Dalam suatu pekerjaan terdapat berbagai macam posisi atau bagian, yang dimana antara satu dengan lainnya memiliki hubungan. Hubungan antar kedua atau lebih kejadian ini biasa disebut korelasi. Hubungan antar kejadian tersebut diubah kedalam bentuk variable untuk memudahkan dalam mencari kedekatan hubungan antar kejadian tersebut apakah hubungan tersebut KECIL, KUAT, atau LEMAH.

Perhitungan Korelaso merupakan metode atau cara guna mengetahui ada atau tidaknya hubungan linier antar variabel. Jika pada nantinya ditemukan hubungan, maka perubahan-perubahan yang terjadi pada salah satu variabel (X) akan menyebabkan terjadinya perubahan pada variabel yang lain (Y)

BAB II

LANDASAN TEORI

2.1. Pengetian Korelasi

Secara umum, korelasi adalah cara untuk mencari suatu hubungan antara dua variabel. Korelasi merupakan salah satu bentuk dan ukuran yang memiliki beberapa variabel dalam hubungan yang menggunakan kata dari korelasi positif, sehingga terjadi perubahan meningkat pada sebuah benda.

Pada konteks teknik analisis, korelasi biasa digunakan untuk mencari hubungan diantara dua variabel yang memiliki sifat kuantitatif.

Sedangkan, menurut teori probabilitas dan statistika, korelasi juga disebut sebagai koefisien korelasi, yakni nilai yang menunjukkan kekuatan dan arah hubungan linier antara dua peubah acak.

Ada pula statistik korelasi yang merupakan metode untuk mengetahui ada dan tidaknya hubungan linear antara variabel. Jika ditemukan hubungan, maka perubahan yang terjadi pada salah satu variabel (X) akan menyebabkan terjadinya perubahan pada variabel lain (Y).

Intinya, korelasi adalah teknik menganalisis statistik untuk mencari hubungan dari dua variabel. Hubungan dua variabel itu bisa terjadi karena adanya hubungan sebab akibat atau hanya kebetulan.

Dua variabel bisa disebut berkorelasi, bila perubahan pada variable yang lain ke arah yang sama (korelasi positif) atau berlawanan (korelasi negatif) secara teratur. Korelasi sendiri terbagi menjadi tiga, yakni korelasi sederhana, parsial dan ganda.

2.2. Macam-macam Korelasi

Korelasi juga terbagi menjadi 3 macam, yakni korelasi sederhana, korelasi parsial, dan korelasi ganda. Berikut, penjelasan masing-masing korelasi.

5 2.2.1. Korelasi Sederhana

Korelasi sederhana adalah salah satu teknik statistik yang digunakan untuk mengukur kekuatan hubungan antara dua variabel dan mencari tahu bentuk hubungan antara keduanya yang bersifat kuantitatif.

Kekuatan hubungan antara dua variabel yang dimaksud adalah 2 variabel itu memiliki hubungan yang lemah, erat atau tidak erat. Sedangkan, bentuk hubungan yang itu maksudnya antara dua variabel memiliki bentuk korelasi linear positif atau linear negatif yang mencakup teknik-teknik dari pengukuran asosiasi.

Ada 2 teknik pengukuran asosiasi yang paling populer meliputi korelasi pearson product moment dan korelasi rank spearman. Korelasi pearson product moment adalah korelasi yang digunakan untuk data kontinu dan data diskrit.

Teknik pengukuran asosiasi ini sangat cocok digunakan untuk statistik parametrik. Karena, data berjumlah besar dan memiliki ukuran parameter, seperti mean dan standar deviasi populasi.

Sedangkan, korelasi rank spearman digunakan untuk data diskrit dan kontinu yang statistik nonparametrik. Koefisien korelasi rank spearman lebih cocok digunakan untuk statistik nonparametrik.

Statistik non parametrik adalah statistik yang digunakan ketika data tidak memiliki informasi parameter, data tidak berdistribusi normal atau data diukur dalam bentuk ranking.

Berbeda dengan korelasi pearson, teknik pengukuran asosiasi ini tidak membutuhkan asumsi normalitas. Sehingga, korelasi rank spearman lebih cocok digunakan untuk data dengan sampel kecil.

Korelasi rank spearman mencari hubungan dengan menghitung ranking data terlebih dahulu. Artinya, korelasi dihitung berdasarkan orde data. Anda bisa menggunakannya ketika menemui data kategori, seperti kategori

pekerjaan, tingkat pendidikan, kelompok usia dan contoh kategori data lainnya.

Dengan demikian korelasi sederhana dapat digunakan untuk statistik parametrik dengan jumlah besaran dari ukuran parameter pada populasi.

Kegunaan analisis korelasi sederhana untuk mengetahui derajat hubungan antara variabel bebas X (independent) dengan variabel terikat Y (dependent)

Rumus Korelasi Sederhana :

𝑟 =

𝑛 (𝛴𝑋𝑌)−(𝛴𝑋)(𝛴𝑌)

√[𝑛(𝛴𝑋2)−(𝛴𝑋)2][𝑛(𝛴𝑌2)−(𝛴𝑌)2]

Koefisien korelasi sederhana dilambangkan (r) adalah suatu ukuran arah dan kekuatan hubungan linier antara dua variabel bebas (X) dan variabel terikat (Y), dengan ketentuan nilai r berkisar dari harga (-1≤ r ≤ +1). Apabila nilai r = -1 artinya korelasinya negatif sempurna (menyatakan arah hubungan antara X dan Y adalah negatif dan sangat kuat), r = 0 artinya tidak ada korelasi, r = 1 berarti korelasinya sangat kuat dengan arah yang posotif.

Sedangkan arti harga r akan dikonsultasikan dengan tabel sebagai berikut : 2.2.1.1. Tabel Pearson Correlation

Besar kecilnya sumbangan nilai variable X terhadap Y dapat ditentukan koefisien determinasi sebagai berikut :

koefisien determinasi : 𝑟² r = nilai koefisien korelasi

Pengujian signifikansi berfungsi apabila penelitian ingin mencari makna dari hubungan variabel X terhadap Y, maka hasil korelasi tersebut diuji signifikansi

sebagai berikut : Hipotesis :

H0 = Variable X berhubungan secara signifikan dengan variable Y H1 = Variabel X tidak berhubungan secara signifikan dengan variable Y Dasar Pengambilan Keputusan :

1. Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas sig atau (0,05 ≤ sig), maka H0 diterima dan H1 ditolak, artinya tidak signifikan.

2. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas sig atau (0,05 ≥ sig), maka H0 ditolak dan H1 diterima, artinya signifikan.

2.2.2. Korelasi Parsial

Korelasi parsial merupakan suatu metode yang digunakan untuk mengukur keeratan hubungan antara dua variabel bebas dan variabel tak bebas. Caranya, mengontrol salah satu variabel bebas untuk melihat korelasi natural antara variabel yang tidak terkontrol.

Analisis korelasi parsial ini akan melibatkan dua variabel. Satu variabel yang dianggap berpengaruh akan dikendalikan atau dibuat tetap sebagai variabel kontrol. Sehingga, korelasi parsial ini nantinya bisa digunakan untuk melakukan kontrol dari salah satu variabel dengan mudah.

8 2.2.3. Korelasi Ganda

Korelasi ganda adalah bentuk korelasi yang biasanya digunakan untuk melihat hubungan antara 3 atau lebih variabel (dua atau lebih variabel independen dan satu variabel dependen). Korelasi ganda ini berkaitan dengan interkorelasi variabel independen, seperti korelasinya dengan variabel dependen.

Oleh karena itu, korelasi ganda ini juga merupakan nilai yang bisa menentukan kuat atau tidaknya pengaruh hubungan antara variabel secara bersama-sama. Korelasi ganda merupakan korelasi yang terdiri dari 2 atau lebih variabel bebas (X1, X2, … Xn) dan satu variabel terikat (Y). Apabila, perumusan masalahnya terdiri dari 3 masalah, maka hubungan antar masing-masing variabel dilakukan dengan perhitungan korelasi sederhana.

Korelasi ganda juga memiliki koefisien dengan besar kecilnya antara hubungan variabel yang akan dinyatakan dalam bilangan yang disimbolkan 1 – 0 dan +1.

Korelasi -1 adalah negatif sempurna, yakni ada hubungan di antara dua variabel atau lebih tapi arahnya terbalik. Sedangkan, +1 adalah korelasi positif sempurna, yakni adanya sebuah hubungan di antara dua variabel atau lebih.

Lalu, korelasi 0 dianggap tidak memiliki hubungan antara 2 variabel atau lebih yang diuji, sehingga bisa dikatakan tidak ada hubungan sama sekali.

2.3. Bentuk Analisis Korelasi

Setelah melakukan analisis korelasi, maka akan menemukan hasil atau bentuk korelasi, antara lain:

2.3.1. Korelasi Positif

Korelasi positif adalah perubahan nilai yang diikuti pada nilai variabel secara teratur pada arah yang sama, sehingga mengalami kenaikan. Bentuk korelasi ini juga diartikan sebagai perubahan nilai koefisien pada pasangan data dari variabel.

Korelasi positif juga merupakan hubungan antara variabel X dan variabel Y yang bisa menggambarkan hubungan sebab akibat. Jika variabel X mengalami penambahan nilai maka akan diikuti penambahan nilai variabel Y.

Contoh Korelasi Positif :

Apabila dilakukan penambahan jumlah pupuk (X), maka produksi jagung akan semakin meningkat (Y).

2.3.2. Korelasi Negatif

Korelasi negatif adalah perubahan nilai yang diikuti pada nilai variabel secara teratur, tetapi memiliki arah yang berlawanan dengan kenaikan variabel yang tidak teratur.

Nilai koefisien dalam korelasi negatif ini menunjukkan beberapa pasangan data memiliki linear negatif yang cukup kuat. Artinya, korelasi negatif ini berbanding terbalik dengan korelasi positif. Korelasi negatif adalah hubungan antara variabel X dan variabel Y. Jika nilai variabel X meningkat, maka nilai variabel Y akan menurun.

Contoh Korelasi Negatif :

Jika harga barang elektronik naik (X) maka permintaan terhadap barang tersebut akan menurun (Y).

2.3.3. Tidak Ada Korelasi

Variabel yang tidak berkorelasi terjadi bila kenaikan nilai diikuti dengan penurunan data yang berlawanan atau tidak saling berhubungan. Dalam bentuk korelasi ini, nilai koefisien memiliki pasangan data dengan korelasi yang lemah.

Maksudnya, hasil analisis korelasi dari dua variabel (X dan Y) tidak menunjukkan adanya hubungan linear. Maka, hal ini bisa disebut sebagai tidak ada korelasi.

Contoh:

Wanita itu memiliki rambut yang panjang (X) dengan badan yang tinggi semampai (Y).

Kedua variabel itu tidak dapat dihitung hubungannya atau tidak ada korelasinya sama sekali, maka disebut hasil analisis tidak berkorelasi.

2.3.4. Korelasi Sempurna

Korelasi sempurna bisa terjadi bila kenaikan atau penurunan variabel X selalu sebanding dengan kenaikan atau penurunan variabel Y. Umumnya, jumlah hubungan antara variabel bebas dan variabel tidak bebas bisa diukur dengan koefisien korelasinya.

Bila digambarkan menggunakan diagram titik atau pencar, titik berderet yang menunjukkan korelasi sempurna akan membentuk satu garis lurus yang hampir tidak ada pencaran.

Besarnya hubungan antara variabel bebas dan variabel tidak bebas biasanya diukur dengan koefisien korelasi. Nilai koefisien korelasi berada antara -1 hingga +1.

Jika, koefisien korelasi bernilai 0, berarti tidak ada hubungan antara kedua variabel tersebut. Bila, koefisien korelasi bernilai negatif, berarti hubungan antara kedua variabel itu negatif atau saling berbanding terbalik.

Jika, koefisien korelasi bernilai positif, berarti hubungan antara kedua variabel itu positif atau saling berbanding lurus.

Berikut ini, beberapa contoh kasus yang memiliki korelasi.

• Hubungan antara kenaikan harga BBM (X) dengan harga kebutuhan pokok (Y).

• Hubungan usia pernikahan (X) dengan jumlah anak yang dilahirkan (Y).

• Hubungan tingkat pendidikan ibu (X) dengan tingkat kesehatan atau gizi bayi (Y).

• Hubungan tingkat pendidikan (X) dengan tingkat pendapatan (Y).

BAB III

PENGUMPULAN DAN PENGOLAHAN DATA

3.1. Pengumpulan Data Variable

3.1.1. Tabel Data Variable

Responden Motivasi Produktifitas

1 41 77

3.2.1. Tabel Pengolahan Data

NO X Y 𝑋² 𝑌² XY

14 3.2.1. Menghitung Koefisien Korelasi

𝑟 =

𝑛 (𝛴𝑋𝑌)−(𝛴𝑋)(𝛴𝑌)

√[𝑛(𝛴𝑋2)−(𝛴𝑋)2][𝑛(𝛴𝑌2)−(𝛴𝑌)2]

𝑟 =

52 (173462)−(2622)(3435)

√[52(134204)−(2622)²][52(231327)−(3435)²]

r =

52 (173462)−(2622)(3435)

3.2.2. Menghitung Koefisien Determinasi Koefisien determinasi = 𝑟²

= 0,087²

15 Dengan derajat bebas :

Df = n – k = 52 – 1

= 51 (𝑏𝑖𝑠𝑎 𝑑𝑖𝑗𝑎𝑑𝑖𝑘𝑎𝑛 𝑢𝑛𝑡𝑢𝑘 𝑇_{𝑡𝑎𝑏𝑒𝑙} 𝑘𝑜𝑙𝑜𝑚) Dari data diatas mendapakan :

▪ Titik Probability dua arah : 0,025

▪ Titik df : 50

Diantara pertemuan titik tersebut diperoleh 𝑇_{𝑡𝑎𝑏𝑒𝑙} = 2,007

3.2.4. Perumusan Hipotesis

Hipotesis yang diuji adalah koefisien korelasi sama dengan nol.

Korelasi pada sampel dilambangkan r

𝐻

₀

∶ r = 0 =

Hipotesis ditolak

𝐻

₁

∶ r ≠ 0 =

Hipotesis diterima Kesimpulan :

𝐻

₁

∶ 0,087 ≠ 0 =

Hipotesis diterima

Dari hasil perhitungan mencari koefisien korelasi mendapatkan nilai r = 0,087 yang berarti nilai r ≠ 0.

Jadi, dapat disimpulkan bahwa Hipotesa diterima menandakan ada hubungan yang nyata antara variable X dan variable Y

3.2.5. Melakukan uji hipotesis T

Jika 𝑇_{ℎ𝑖𝑡𝑢𝑛𝑔} ≤ 𝑇_{𝑡𝑎𝑏𝑙𝑒} maka 𝐻₀ ditolak Jika 𝑇_{ℎ𝑖𝑡𝑢𝑛𝑔} > 𝑇_{𝑡𝑎𝑏𝑙𝑒} maka 𝐻₀ diterima Keterangan :

Setelah melakukan pengujian data dengan mencari 𝑇_{ℎ𝑖𝑡𝑢𝑛𝑔} mendapatkan hasil 0,66

Sedangkan untuk penentuan 𝑇_{𝑡𝑎𝑏𝑙𝑒} berdasarkan titik df dan pr di peroleh 2,007

𝑇ℎ𝑖𝑡𝑢𝑛𝑔 = 0,66 ≤ 𝑇_{𝑡𝑎𝑏𝑙𝑒} = 2,007 maka 𝐻₀ ditolak

Hipotesa ditolak menandakan terdapat hubungan yang kuat antara variable X dan variable Y.

Grafik 3.2.5.1. Grafik Hipotesis

3.2.6. Melakukan perthitungan korelasi linear sederhana menggunakan software SPSS

1. Buka aplikasi IBM SPSS , biasanya aplikasi terdapat di menu Windows. Setelah muncul tampilan dibawah, klik close (pojok kanan bawah)

-2,007 T. Tabel

2,007 T. Tabel 0,66

T. Hitung 0

Gambar 3.2.6.1. Aplikasi IBM SPSS

2. Berikut tampilan IBM SPSS, langsung posisikan pada Sheet Variable View

Gambar 3.2.6.2. Sheet Variable View

3. Pada sheet variable isi pada kolom Name, Variable yang kita gunakan yaitu X dan Y. Kemudian ubah bagian measure menjadi scale. Seperti gambar di bawah ini

Gambar 3.2.6.3. Input Variable

4. Selanjutnya posisikan sheet pada Data View, kemudian pindahkan data pengamatan di baris dan kolom tersebut

Gambar 3.2.6.4. Input Data Sampel

5. Pada bagian tab bar, klik Analyze – Correlate – Bivariate

Gambar 3.2.6.5. Correlate - Bivariate

6. Pindahkan Variable X dan Y dengan mengklik tanda panah, terakhir klik ok

Gambar 3.2.6.6. Move Variable

7. Berikut adalah hasil akhir dari perhitungan dengan aplikasi SPSS

Gambar 3.2.6.7. Output

Correlations

Motivasi Produktifitas

Motivasi Pearson Correlation 1 .085

Sig. (2-tailed) .549

N 52 52

Produktifitas Pearson Correlation .085 1

Sig. (2-tailed) .549

N 52 52

GET

FILE='C:\Users\sfcga\Desktop\APP\Untitled1.sav'.

DATASET NAME DataSet1 WINDOW=FRONT.

CORRELATIONS /VARIABLES=X Y

/PRINT=TWOTAIL NOSIG /MISSING=PAIRWISE.

• Dari table di atas diketahui bahwa nilai Signifikasi sebesar 0,549 Berdasarkan dasar pengambilan keputusan yaitu : Jika Nilai Signifikasi > 0,05 maka tidak berkorelasi Maka data pada tabel tersebut tidak berkorelasi

• Sedangkan untuk nilai Pearson Correlation nya sebesar 0,085 Berdasarkan pedoman derajat berhubungan yaitu : Nilai Pearson Correlation 0,00 s/d 0,20 = Tidak Berkorelasi Maka data pada tabel tersebut tidak berkorelasi / sangat rendah.

BAB IV ANALISIS

4.1. Analisis Berdasarkan Data

Berdasarkan hasil dari perhitungan dengan cara manual, didapatkan hasil :

• Koefisien Korelasi (r) : 0,087

• Koefisien Determinasi : 0,007

• T hitung : 0,66

• T table : 2,007

a. Pada pengujian koefisien korelasi sama dengan nol didapat nilai r tidak sama dengan nol. Dengan persamaan :

𝐻

₁

: r = 0,087 ≠ 0 = Hipotesa Diterima

Yang berarti Hipotesa diterima menandakan adanya hubungan yang nyata antara variable X dan Variable Y.

Sedangkan berdasarkan analisis perhitungan dengan membandingan nilai 𝑇

_{ℎ𝑖𝑡𝑢𝑛𝑔} dan

𝑇

_{𝑡𝑎𝑏𝑒𝑙}. Didapatkan nilai

𝑇

_{ℎ𝑖𝑡𝑢𝑛𝑔}

lebih kecil daripada

𝑇

_{𝑡𝑎𝑏𝑒𝑙}. Dengan persamaan :

𝑇

_{ℎ𝑖𝑡𝑢𝑛𝑔}

= 0,66 ≤ 𝑇

_{𝑡𝑎𝑏𝑒𝑙}

maka 𝐻

₀

ditolak

Menyatakan Hipotesa ditolak, yang menandakan terdapat

hubungan yang kuat antara variable X dan variable Y

24 4.2. Analisis Berdasarkan SPSS

Correlations

X Y

X Pearson Correlation 1 .085

Sig. (2-tailed) .549

N 52 52

Y Pearson Correlation .085 1

Sig. (2-tailed) .549

N 52 52

• Dari table di atas diketahui bahwa nilai Signifikasi sebesar 0,549 Berdasarkan dasar pengambilan keputusan yaitu :

Jika Nilai Signifikasi > 0,05 maka tidak berkorelasi Maka data pada tabel tersebut tidak berkorelasi

• Sedangkan untuk nilai Pearson Correlation nya sebesar 0,085 Berdasarkan pedoman derajat berhubungan yaitu :

Nilai Pearson Correlation 0,00 s/d 0,20 = Tidak Berkorelasi Maka data pada tabel tersebut tidak berkorelasi / sangat rendah

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Korelasi Sederhana, merupakan suatu teknik statistik yang dipergunakan untuk mengukur kekuatan hubungan antara 2 variabel dan juga untuk dapat mengetahui bentuk di antara keduanya dengan hasil bersifat kuantitatif.

Kuatnya hubungan yang dimaksud antara 2 variabel ini adalah apakah hubungan tersebut lemah, erat atau tak erat. Sedangkan bentuk hubungannya apa berbentuk korelasi linier positif atau negatif.

Berdasarkan hasil pengolahan data yang dilakukan, dengan melakukan perhitungan nilai r diperoleh hasil r = 0,087 . Setelah diuji pada korelasi sama dengan nol ditemukan bahwa hipotesis diterima karena tidak sama dengan nol.

Ini menandakan ada hubungan yang nyata antara variable X dan Variable Y.

Sedangkan setelah dilakukan uji dengan membandingkan antara nilai 𝑇_{ℎ𝑖𝑡𝑢𝑛𝑔} = 0,66 dengan 𝑇_{𝑡𝑎𝑏𝑒𝑙}= 2,007 , 𝐻₀ ditolak . Ini menandakan terdapat hubungan yang kuat antara variable X dengan variable Y

Kemudian dilakukan uji dengan table SPSS mendapat nilai signifikasi 0,549. Berdasarkan pengambilan keputusan. Jika Nilai Signifikasi > 0,05 maka tidak berkorelasi, maka data pada tabel tersebut tidak berkorelasi

Kemudian dilakukan uji dengan table SPSS mendapat nilai pearson Correlation 0,085. Berdasarkan pedoman derajat berhubungan yaitu Nilai Pearson Correlation 0,00 s/d 0,20 = Tidak Berkorelasi. Maka data pada tabel tersebut tidak berkorelasi / sangat rendah.

26 5.2. Saran

Korelasi bertujuan untuk memperkirakan hubungan antar 2 atau lebih kejadian. Jadi, kita bisa mengetahui seberapa kuat variable X mempengaruhi variable Y apakah kuat, sedang, atau lemah. Oleh karena itu diharapkan lebih berhati- hati dalam melakukan perhitungan nilai r dan yang lainnya. Karena jika kurang teliti bisa mempengaruhi nilai selanjutnya, berakibat pada salahnya menyatakan hubungan yang terjadi antar variable tersebut.

Disarankan menggunakan kalkulator dalam perhitungan, karena nilai yang yang dihitung bernilai decimal. Menggunakan kalkulator dalam perhitungan bisa lebih efisien dan lebih akurat dalam perhitungan.

BAB VI

DAFTAR PUSTAKA

https://penerbitdeepublish.com/pengertian-korelasi/

https://docplayer.info/30216877-Bab-2-landasan-teori-1-analisis-korelasi-adalah-metode-statstika-yang-digunakan-untuk-menentukan.html

https://dokumen.tips/education/makalah-korelasi-sederhana.html

https://teknikelektronika.com/pengertian-analisis-korelasi-sederhana-rumus-pearson/

https://www.statmat.net/analisis-korelasi/

LAMPIRAN

LAPORAN AKHIR PRAKTIKUM QUALITY CONTROL

MODUL III

Disusun oleh : Kelompok 11

FAKULTAS TEKNIK INDUSTRI UNIVERSITAS KRISNADWIPAYANA

2021

LEMBAR PENGESAHAN

Laporan Praktikum Statistik ini disusun sebagai tugas akhir menyelesaikan Praktikum Statistika Industri Modul III ‘Quality Control’ Jurusan Teknik Industri Fakultas Teknik Universitas Krisnadwipayana.

Kelompok 11

1. MUHAMMAD ARDI (2070031001)

2. ADAM SAIFUL ISLAM (2070031020)

3. DIMAS NIHE (2070031008)

4. MUHAMAD IQBAL (2070031003)

5. DZAKI RAIFUDIN (2070031018)

6. SONYA DIALNALDO SAPUTRA (2070031011)

7. NUR FITRI AMIEN (1970032018)

Dengan ini telah diperiksa untuk DITERIMA/DITOLAK

Bekasi, 12 Desember 2021

Menyetujui, Asisten laboraturium

Statistika Industri

Bagas Ade Maulana NIM. 1970031048

KATA PENGANTAR

Puji syukur kita panjatkan kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya sehingga kami “Kelompok 11” dapat menyelesaikan tugas yang berjudul “Laporan Akhir Praktikum Quality Control Modul III” ini tepat pada waktunya.

Adapun tujuan dari penulisan dari makalah ini adalah untuk memenuhi tugas pada mata kuliah Statistik. Selain itu, makalah ini juga bertujuan untuk menambah wawasan tentang Quality Control pada para pembaca dan juga bagi penulis.

Dalam dokumen LAPORAN AKHIR PRAKTIKUM REGRESI SEDERHANA MODUL I (Halaman 28-102)