Oleh :
DESMARDANA DAMAR WAHYUNI 1411112002
AGRICULTURAL MANAGEMENT AND GEOGRAPHIC INFORMATION SYSTEM LABORATORY PROGRAM STUDI TEKNIK PERTANIAN
FAKULTAS TEKNOLOGI PERTANIAN UNIVERSITAS ANDALAS
Oleh :
DESMARDANA DAMAR WAHYUNI 1411112002
SHIFT III
AGRICULTURAL MANAGEMENT AND GEOGRAPHIC INFORMATION SYSTEM LABORATORY PROGRAM STUDI TEKNIK PERTANIAN
FAKULTAS TEKNOLOGI PERTANIAN UNIVERSITAS ANDALAS
Matakuliah Praktikum : Statistika Untuk Keteknikan
Tempat Praktikum : Agricultural Management and Geographic Information System Laboratory
Periode Praktikum : 2016/2017
No Nama No. Reg / No. BP TTD
1 Sri Riski Adriani 33/AMGIS/2015
2 Yudi Prawira 34/AMGIS/2015
3 Mardianita Sulistya Aditami 35/AMGIS/2015
4 Wais Fajri 36/AMGIS/2015
5 Ilhami Fandra 37/AMGIS/2015
6 Wulanda Putri 1311111001
7 Shinta Suryani 1311111025
8 Yustika Sari Hasibuan 1311111029
9 Melodi Naibaho 1311111043
10 Wulandari 1311112006
Padang, Mei 2016
Mengetahui,
Dosen Penanggungjawab Praktikum Koordinator Praktikum
Putri Wulandari Zainal, S. TP, M. Si Fauzan Ramadhana Uthami
Nama : Desmardana Damar Wahyuni
No. BP : 1411112002
NO NAMA ASISTEN PERBAIKAN TTD
1 Wulanda Putri
1311111001
2 Wulandari
1311112006
3 Melodi Naibaho
1311111043
4 Shinta Suryani 1311111025
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
LEMBAR PENGESAHAN BORANG KENDALI
KATA PENGANTAR ... i
DAFTAR ISI ... ii
DAFTAR TABEL ... iv
DAFTAR LAMPIRAN ... v
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Tujuan ... 2
1.3 Manfaat ... 2
BAB II PELAKSANAAN PRAKTIKUM ... 3
2.1 Statistik Deskriptif ... 3
2.2 Analisis Regresi ... 10
2.3 Statistik Inferensia ... 17
2.4 Teknik Analisis Ragam ... 24
2.5 Statistik Nonparametrik, Validasi dan Reliabilitas ... 31
2.6 Teknik Analisis Ragam Klasifikasi Dua Arah ... 38
BAB III STUDI KASUS ... 45
3.1 Statistik Deskriptif ... 45
3.2 Analisis Regresi ... 45
3.3 Statistik Inferensia ... 46
3.4 Teknik Analisis Ragam ... 47
3.5 Statistik Nonparametrik, Validasi dan Reliabilitas ... 50
3.6 Teknik Analisis Ragam Klasifikasi Dua Arah ... 51
BAB IV HASIL DAN PEMBAHASAN ... 53
4.1 Statistik Deskriptif ... 53
4.2 Analisis Regresi ... 55
4.3 Statistik Inferensia ... 59
4.4 Teknik Analisis Ragam ... 64
5.1 Kesimpulan ... 81 5.2 Saran ... 82
Tabel Halaman
1. Analisis statistik (frekuensi) tentang nilai pelajaran biologi ... 45
2. Biaya iklan yang dikeluarkan untuk distribusi mobil ... 45
3. Berat kambing sesudah diberi ransum yang di campur bahan x ... 46
4. Nilai hasil belajar PPKN siswa SD Megen 2 Raja Basa ... 46
5. Pengaruh diit terhadap berat sebelum dan sesudahnya ... 47
6. Rata-rata penurunan susut berat pemeraman (gr) alpokat ... 47
7. Pengaruh waktu belajar terhadap skor nilai mahasiswa... 48
8. Perubahan Suhu dinding kompor terhadap waktu pembakaran biomassa ... 49
9. Data hasil pengujian ranking syrup markisa ... 50
10. Suhu di setiap titik pengukuran saat pengukusan gabah selama 10 menit... 51
11. Data kekerasan ... 51
1. Analisis Deskriptif ... 85
2. Analisis Regresi ... 89
3. Statistik Inferensia. ... 92
3.1One Sample T Test ... 92
3.2Independent Sample T Test ... 94
3.3Paired Sample T Test ... 97
4. Teknik Analisis Ragam ... 100
4.1Rancangan Acak Lengkap 1 Arah dengan Ulangan Sama... 100
4.2Rancangan Acak Lengkap 1 Arah dengan Ulangan Tidak Sama ... 104
4.3Rancangan Acak Kelompok 1 Arah ... 107
5. Statistik Nonparametrik, Validasi dan Reliabilitas ... 111
5.1Nonparametrik... 111
5.2Validasi dan Reliabilitas ... 115
6. Teknik Analisis Ragam Klasifikasi Dua Arah ... 118
6.1Rancangan Acak Lengkap 2 Arah ... 118
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.
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
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)
BAB III STUDI KASUS 3.1 Statistik Deskriptif
Tabel 1. Analisis statistik (frekuensi) tentang nilai pelajaran biologi
No Nilai
1 65
2 64
3 57
4 58
5 52
6 53
7 54
8 55
9 64
10 66
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
No Iklan Distribusi
1 4500 2000
2 8000 2300
3 1000 2000
4 2000 1000
5 5000 2500
6 300 1500
7 800 1500
8 900 1000
9 1000 1200
10 1000 1300
Sumber: Tim Lab. Statistik. 2011. Statistika Komputer. FK UNSYIAH Kuala
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)
1 1.8
2 1.3
3 1.5
4 1.4
5 1.6
6 1.3
7 1.6
8 1.3
9 1.1
10 1.6
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.
No Nilai 1 Nilai 2 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 7 Metoda B
Sumber : Isparjadi. 1988. Statistik Pendidikan (Bab IV, hal 98-123). Depdikbud Dikti
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)
1 78.3 77.4
2 84.7 83.2
3 77.4 75.7
4 95.6 92.4
5 82.0 80.2
6 69.4 68.1
7 79.7 76.9
8 85.6 83.9
9 92.8 90.4
10 99.2 95.2
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
1 0.43 0.39 0.31 0.27 0.42
2 0.82 0.91 1.07 0.81 0.98
3 1.52 1.54 1.79 1.36 1.70
4 2.87 2.71 2.55 2.29 2.82
5 3.40 3.35 3.17 3.39 3.82
6 4.22 4.27 4.68 4.75 4.96
Sumber : Lubis, Ade Rahman. 2013. Kajian Penggunaan Kalsium Karbida (CaC2)
Terhadap Mutu Fisik dan Lama Pemeraman Buah Alpokat (Persea
3.4.2 Rancangan Acak Lengkap 1 Arah dengan Ulangan Tidak Sama
Tabel 7. Pengaruh waktu belajar terhadap skor nilai mahasiswa
No Nilai Waktu
1 67 Pagi
2 56 Pagi
3 78 Pagi
4 67 Pagi
5 60 Pagi
6 56 Siang
7 57 Siang
8 65 Siang
9 60 Siang
10 62 Siang
11 45 Sore
12 56 Sore
13 47 Sore
14 48 Sore
15 46 Malam
16 50 Malam
17 46 Malam
18 48 Malam
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
Luar (0C) (0C)
Depan Waktu I I II II III III dinding dinding
(menit) dalam luar dalam luar dalam luar dalam luar
0 25 26 25 26 25 26 25 26
5 42 37 38 33 46 35 42 35
10 50 36 54 46 52 38 52 40
15 50 45 56 46 56 47 54 46
20 70 53 66 45 68 46 68 48
25 84 56 82 51 80 49 82 52
30 78 52 74 47 73 45 75 48
Samping 0 25 26 25 26 25 26 25 26
5 42 30 45 34 45 38 44 34
10 47 32 52 41 57 44 52 39
15 41 38 64 43 60 45 55 42
20 75 45 60 41 75 43 70 43
25 82 47 76 43 85 45 81 45
30 77 44 73 42 75 43 75 43
Sumber : Saputra, I. T. 2012. Rancang Bangun dan Uji Kinerja Biomassa Berbahan Bakar Limbah
Organik Kering Pertanian untuk Skala Rumah Tangga. FATETA UNAND.
3.5 Statistik Nonparametrik, Validasi dan Reliabilitas 3.5.1 Nonparametrik
Tabel 9. Data hasil pengujian ranking syrup markisa
Panelis Kode Sampel
512 735 429 381
1 4 2 1 3
2 3 4 1 2
3 3 4 1 2
4 2 4 3 1
5 2 4 1 3
6 4 3 1 2
7 2 4 3 1
8 3 4 1 2
9 2 4 1 3
10 3 4 1 2
11 3 4 1 2
12 2 4 1 3
13 1 4 3 2
14 3 4 1 2
Sumber : staff.uny.ac.id/sites/default/files/pendidikan/dr…/labsheet-pmp-00.pdf
Keterangan :
1 = Paling Tidak Asam 2 = Tidak Asam
3.5.2 Validasi dan Reabilitas
Tabel 10. Suhu di setiap titik pengukuran saat pengukusan gabah selama 10 menit
Menit Suhu di titik pengukuran (C)
1 2 3 4 5 6 7 8 9 10
0 48.15 49.55 49.60 49.15 51.75 53.05 48.90 47.75 47.80 75.05 1 48.20 49.75 49.75 49.30 51.90 78.35 69.55 47.80 47.70 75.00 2 48.30 73.50 49.90 49.45 58.05 82.90 69.85 48.00 56.70 74.95 3 48.35 74.30 50.00 49.50 76.50 88.45 70.40 70.75 72.30 74.90 4 48.40 74.35 50.20 49.50 76.70 91.60 71.25 72.80 72.35 74.90 5 48.55 74.45 58.30 49.60 76.80 92.50 71.85 72.75 72.10 74.85 6 48.90 74.40 72.20 49.70 76.85 94.00 72.30 72.75 71.85 74.70 7 51.15 74.40 74.80 49.75 76.90 94.45 72.80 72.65 71.40 74.70 8 56.05 74.30 74.80 49.85 76.55 94.75 73.20 72.10 69.80 74.25 9 60.15 74.15 74.60 49.95 76.00 94.85 73.30 71.25 68.40 73.75 10 62.25 73.95 74.35 50.10 75.55 95.55 73.60 70.60 67.35 73.35 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
Perlakuan
Kekerasan (Pa) Hari ke-
1 2 3 4
Kontrol 63694.267 59023.354 56475.583 55201.698
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
3.6.2 Rancangan Acak Kelompok 2 Arah
Tabel 12. Pengaruh berbagai perlakuan terhadap tinggi tanaman jagung, kacang tanah dan buncis
Komoditi Perlakuan Tinggi Tanaman
1 2 3
Jagung TOP0 77.67 86.33 49.83
TOP1 62.33 87.50 75.33
TOP2 94.33 85.83 88.67
Kacang TOP0 56.83 82.33 80.17
Tanah TOP1 70.08 92.17 85.67
TOP2 95.00 91.83 88.33
Buncis TOP0 85.50 76.17 66.50
TOP1 95.83 90.67 71.00
TOP2 92.83 86.00 88.83
Sumber : Hendra. 2012. Statistika Komputer. Program Studi Agroteknologi, Fakultas
BAB IV HASIL DAN PEMBAHASAN 4.1 Statistik Deskriptif
Statistics
Nilai_Biologi
N Valid 10
Missing 0
Mean 58.80
Std. Error of Mean 1.718
Median 57.50
Mode 64
Std. Deviation 5.432
Variance 29.511
Skewness .183
Std. Error of Skewness .687
Kurtosis -1.922
Std. Error of Kurtosis 1.334
Range 14
Minimum 52
Maximum 66
Sum 588
Percentiles 25 53.75
50 57.50
75 64.25
sebesar 53.75, untuk nilai percentiles 50 adalah sebesar 57.50, dan untuk nilai percentiles 75 adalah sebesar 64.25. Data tertinggi atau maximum yaitu 66 dan minimum 52 sehingga jumlah data keseluruhan bernilai 588.
Nilai_Biologi
Frequency Percent Valid Percent
Cumulative Percent
Valid 52 1 10.0 10.0 10.0
53 1 10.0 10.0 20.0
54 1 10.0 10.0 30.0
55 1 10.0 10.0 40.0
57 1 10.0 10.0 50.0
58 1 10.0 10.0 60.0
64 2 20.0 20.0 80.0
65 1 10.0 10.0 90.0
66 1 10.0 10.0 100.0
Total 10 100.0 100.0
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 Entered/Removedb
Model
Variables Entered
Variables
Removed Method
1 Iklana . Enter
Berdasarkan tabel Variables Entered/Removed, metode yang digunakan adalah metode enter, dengan yang menjadi variabelnya “Iklan”. Seluruh variabel menggunakan metode enter dan yang menjadi Dependent Variables adalah Distribusi.
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 .735a .541 .484 386.343
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.
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 1406911.192 1 1406911.192 9.426 .015a
Residual 1194088.808 8 149261.101
Total 2601000.000 9
a. Predictors: (Constant), Iklan
b. Dependent Variable: Distribusi
uji ini dapat disimpulkan bahwa ada pengaruh antara biaya iklan yang dikeluarkan dengan distribusi mobil. Sedangkan untuk nilai f hitung diperoleh hasil sebesar 9.426 dan nilai f tabel sebesar 5.12 (f hitung lebih besar daripada f tabel), sehingga H0 ditolak dan H1 diterima, jadi pada uji ini dapat disimpulkan bahwa ada pengaruh antara biaya iklan yang dikeluarkan dengan distribusi mobil. Jadi, berdasarkan uji signifikan dan uji f dapat disimpulkan bahwa ada pengaruh antara biaya iklan yang dikeluarkan dengan distribusi mobil.
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 1247.645 174.460 7.151 .000
Iklan .156 .051 .735 3.070 .015
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 Diagnosticsa
Case
Number Std. Residual Distribusi Predicted Value Residual
1 .130 2000 1949.93 50.070
2 -.508 2300 2496.15 -196.152
3 1.543 2000 1403.71 596.292
4 -1.449 1000 1559.77 -559.771
6 .532 1500 1294.46 205.536
7 .330 1500 1372.50 127.505
8 -1.005 1000 1388.10 -388.102
9 -.527 1200 1403.71 -203.708
10 -.268 1300 1403.71 -103.708
a. Dependent Variable: Distribusi
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 Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 1294.46 2496.15 1630.00 395.378 10
Residual -559.771 596.292 .000 364.248 10
Std. Predicted Value -.849 2.191 .000 1.000 10
Std. Residual -1.449 1.543 .000 .943 10
a. Dependent Variable: Distribusi
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
N Mean Std. Deviation
Std. Error Mean
Berat Sesudah (Kwintal) 10 1.450 .2068 .0654
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
t df
Sig. (2-tailed)
Mean Difference
95% Confidence Interval of the
Difference
Lower Upper
Berat Sesudah
(Kwintal) .764 9 .464 .0500 -.098 .198
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
an N Mean Std. Deviation
Std. Error Mean
Nilai 1 Metoda A 5 6.20 .837 .374
Metoda B 5 6.80 .837 .374
Nilai 2 Metoda A 5 7.40 1.140 .510
Metoda B 5 7.60 .894 .400
Independent Samples Test
Levene's Test for
Equality of
Variances t-test for Equality of Means
F Sig. t df
Sig. (2-tailed) Mean Differenc e Std. Error Differenc e 95% Confidence
Interval of the
Difference
Lower Upper
Nilai
1
Equal variances
assumed .000 1.000 -1.134 8 .290 -.600 .529 -1.820 .620
Equal variances
not assumed -1.134 8.000 .290 -.600 .529 -1.820 .620
Nilai
2
Equal variances
assumed .264 .621 -.309 8 .766 -.200 .648 -1.694 1.294
Equal variances
not assumed -.309 7.571 .766 -.200 .648 -1.709 1.309
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.
tabel), sehingga H0 diterima atau tidak ada perbedaan nilai antara metoda A dan metoda B. Untuk uji T nilai 2 diperoleh hasil t hitung -0.309 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.
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
Mean N Std. Deviation
Std. Error Mean
Pair 1 Berat Sebelum Diit
(Kg) 84.470 10 9.1626 2.8975
Berat Setelah Diit
(Kg) 82.340 10 8.4338 2.6670
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
N Correlation Sig.
Pair 1 Berat Sebelum 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
t df
Sig. (2-tailed) Mean Std. Deviati on Std. Error Mean 95% Confidence Interval of the
Difference
Lower Upper
Pair 1
Berat
Sebelum Diit (Kg) - Berat Setelah Diit (Kg)
2.130
0 .9569 .3026 1.4455 2.8145 7.039 9 .000
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
N Mean
Std. Deviation
Std. Error
95% Confidence Interval for Mean Minimu m Maximu m Lower Bound Upper Bound
Hari 1 5 .3640 .07057 .03156 .2764 .4516 .27 .43
Hari 2 5 .9180 .10986 .04913 .7816 1.0544 .81 1.07
Hari 3 5 1.5820 .16739 .07486 1.3742 1.7898 1.36 1.79
Hari 4 5 2.6480 .23478 .10500 2.3565 2.9395 2.29 2.87
Hari 5 5 3.4260 .23902 .10689 3.1292 3.7228 3.17 3.82
Hari 6 5 4.5760 .31973 .14299 4.1790 4.9730 4.22 4.96
Total 30 2.2523 1.49347 .27267 1.6947 2.8100 .27 4.96
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 df1 df2 Sig.
2.512 5 24 .058
ANOVA
Susut_Berat
Sum of
Squares df Mean Square F Sig.
Between Groups 63.645 5 12.729 294.257 .000
Within Groups 1.038 24 .043
Total 64.684 29
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
meraman N
Subset for alpha = 0.05
1 2 3 4 5 6
Hari 1 5 .3640
Hari 2 5 .9180
Hari 3 5 1.5820
Hari 4 5 2.6480
Hari 5 5 3.4260
Hari 6 5 4.5760
Sig. 1.000 1.000 1.000 1.000 1.000 1.000
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
N Mean
Std. Deviation
Std. Error
95% Confidence Interval for Mean
Minimum Maximum Lower
Bound
Upper Bound
Pagi 5 65.60 8.385 3.750 55.19 76.01 56 78
Siang 5 60.00 3.674 1.643 55.44 64.56 56 65
Sore 4 49.00 4.830 2.415 41.31 56.69 45 56
Malam 4 47.50 1.915 .957 44.45 50.55 46 50
Total 18 56.33 9.204 2.169 51.76 60.91 45 78
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 1023.800 3 341.267 11.479 .000
Within Groups 416.200 14 29.729
Total 1440.000 17
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
Belajar N
Subset for alpha = 0.05
1 2
Malam 4 47.50
Sore 4 49.00
Siang 5 60.00
Pagi 5 65.60
Sig. .688 .148
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) 1 0 menit 4
2 5 menit 4
3 10 menit 4
4 15 menit 4
5 20 menit 4
6 25 menit 4
7 30 menit 4
Kelompok 1
dinding dalam depan 7
2 dinding luar depan 7
3 dinding dalam
samping 7
4 dinding luar samping 7
Tests of Between-Subjects Effects
Dependent Variable:Suhu dinding kompor Biomassa (0 C)
Source
Type III Sum
of Squares df Mean Square F Sig.
Corrected Model 6451.179a 9 716.798 13.771 .000
Intercept 66738.893 1 66738.893 1.282E3 .000
Perlakuan 4473.357 6 745.560 14.323 .000
Kelompok 1977.821 3 659.274 12.666 .000
Error 936.929 18 52.052
Total 74127.000 28
Corrected Total 7388.107 27
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.
Post Hoc Tests Waktu (menit)
Suhu dinding kompor Biomassa (0 C)
Duncan
Waktu
(menit) N
Subset
1 2 3 4
0 menit 4 25.50
5 menit 4 38.75
10 menit 4 45.75
15 menit 4 49.25 49.25
20 menit 4 57.25 57.25
30 menit 4 60.25 60.25
25 menit 4 65.00
Sig. 1.000 .066 .055 .167
Means for groups in homogeneous subsets are displayed. Based on observed means.
The error term is Mean Square(Error) = 52.052.
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 14 30.50
Sampel 735 14 46.50
Sampel 429 14 13.50
Sampel 381 14 23.50
Total 56
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 Statisticsa,b
Rasa
Chi-Square 32.439
Df 3
Asymp. Sig. .000
a. Kruskal Wallis Test
Berdasarkan tabel Test Statistisc diatas, diperoleh data bahwa untuk pengujian chisquare didapatkan nilai chisquare 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
N %
Cases Valid 11 100.0
Excludeda 0 .0
Total 11 100.0
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 5a
Part 2 Value .871
N of Items 5b
Total N of Items 10
Correlation Between Forms .887
Spearman-Brown Coefficient
Equal Length .940
Unequal Length .940
Guttman Split-Half Coefficient .934
Item-Total Statistics
Scale Mean if Item Deleted
Scale Variance if Item Deleted
Corrected Item-Total Correlation
Cronbach's Alpha if Item
Deleted
No.1 613.6182 4276.800 .474 .916
No.2 595.5591 3527.571 .852 .895
No.3 603.6136 3542.580 .647 .911
No.4 615.6727 4598.364 .870 .924
No.5 594.9727 3355.301 .940 .888
No.6 577.9818 3172.389 .913 .890
No.7 595.5682 3897.123 .778 .902
No.8 599.9136 3330.464 .901 .891
No.9 600.0455 3497.890 .902 .891
No.10 590.7136 4676.990 -.593 .927
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. Perlakuan*Hari
HO : Tidak ada hubungan antara perlakuan dan hari penyimpanan. H1 : Ada hubungan antara perlakuan dan hari penyimpanan.
Between-Subjects Factors
Value Label N
Perlakuan 1 Kontrol 6
2 Larutan Gula
25 % 6
3 Larutan Gula
45 % 6
4 Larutan Gula
70 % 6
Hari_Penyimpanan 1 Hari ke-1 12
2 Hari ke-2 12
Tests of Between-Subjects Effects
Dependent Variable:Kekerasan
Source
Type III Sum
of Squares df Mean Square F Sig.
Corrected Model 6.869E8a 7 9.813E7 1.304 .310
Intercept 1.056E11 1 1.056E11 1.404E3 .000
Perlakuan 5.766E8 3 1.922E8 2.555 .092
Hari_Penyimpanan 8.298E7 1 8.298E7 1.103 .309
Perlakuan *
Hari_Penyimpanan 2.729E7 3 9097570.317 .121 .946
Error 1.204E9 16 7.522E7
Total 1.075E11 24
Corrected Total 1.890E9 23
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.
hari penyimpanan. Sedangkan untuk uji signifikan diperoleh nilai signifikan sebesar 0.946 (signifikan besar dari 0.05), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan bahwa tidak ada hubungan antara perlakuan dan hari penyimpanan. Post Hoc Perlakuan Homogeneous Kekerasan Duncan
Perlakuan N
Subset
1 2
Kontrol
6 6.05096E4
Larutan Gula 70 %
6 6.43203E4 6.43203E4
Larutan Gula 25 %
6 6.65251E4 6.65251E4
Larutan Gula 45 %
6 7.39553E4
Sig. .272 .086
Means for groups in homogeneous subsets are displayed. Based on observed means.
The error term is Mean Square(Error) = 75221401.919.
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. Komoditi*Perlakuan
H0 : Tidak ada hubungan antara komoditi dan perlakuan H1 : Ada hubungan antara komoditi dan perlakuan
Between-Subjects Factors
Value Label N
Komoditi 1 Jagung 9
2 Kacang
Tanah 9
3 Buncis 9
Perlakuan 1 TOP0 9
2 TOP1 9
3 TOP2 9
Tinggi_Tanaman 1 Tinggi
Tanaman 1 9
2 Tinggi
Tanaman 2 9
3 Tinggi
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
Source
Type III Sum
of Squares df Mean Square F Sig.
Corrected Model 1887.146a 10 188.715 1.581 .200
Intercept 179839.877 1 179839.877 1.507E3 .000
Komoditi 125.440 2 62.720 .526 .601
Perlakuan 1257.926 2 628.963 5.270 .017
Tinggi_Tanaman 399.510 2 199.755 1.674 .219
Komoditi *
Perlakuan 104.270 4 26.068 .218 .924
Error 1909.592 16 119.349
Total 183636.614 27
Corrected Total 3796.738 26
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.
bahwa tidak ada pengaruh komoditi terhadap nilai pengukuran tinggi tanaman. Sedangkan untuk uji signifikan diperoleh nilai signifikan sebesar 0. 601 (signifikan besar dari 0.05), sehingga H1 ditolak dan H0 diterima dan dapat disimpulkan bahwa bahwa tidak ada pengaruh komoditi terhadap nilai pengukuran tinggi tanaman.
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
Duncan
Komoditi N
Subset 1
Jagung 9 78.6467
Kacang Tanah 9 82.4900
Buncis 9 83.7033
Sig. .366
Means for groups in homogeneous subsets are displayed. Based on observed means.
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
Duncan
Perlakuan N
Subset
1 2
TOP0 9 73.4811
TOP1 9 81.1756 81.1756
TOP2 9 90.1833
Sig. .155 .099
Means for groups in homogeneous subsets are displayed.
Based on observed means.
The error term is Mean Square(Error) = 119.349.
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 Ftabel ≤ Fhitung maka Ho diterima dan H1 ditolak, dan jika Ftabel ≥ Fhitung
maka H1 diterima dan H0 ditolak.
10. Jika Ttabel ≤ Thitung maka Ho diterima dan H1 ditolak, dan jika Ttabel ≥ Thitung
maka H1 diterima dan H0 ditolak.
11. Jika nilaiChi-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 Rhitung ≥ Rtabel maka data valid,
namun jika keofisien negatif dan Rhitung ≤ Rtabel maka data tidak valid.
5.2 Saran
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 (CaC2)
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.
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.
LAMPIRAN 1. Statistik Deskriptif
Adapun langkah-langkah untuk menganalisis frekuensi data, yaitu :
1. Tampilkan program SPSS.
2. Pada SPSS Data Editor, Klik Variable View.
4. Masuk ke halaman Data View dengan meng-klik Data View.
6. Selanjutnya klik Analyze, Descriptive Statistics, Frequencies, seperti gambar berikut :
7. Maka akan tampil 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 :
12. Klik OK.
13. Interpretasikan output yang didapat.
2. Analisis Regresi
Adapun langkah-langkah untuk analisis regresi linear sederhana, yaitu :
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.
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.
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.
3. Berikutnya, pilih tab sheet Data View dan masukkan data pada Data View ini.
4. Selanjutnya klik Analyze, Compare Means, One-Sample T Test.
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.
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.
5. Selanjutnya klik Analyze, Compare Means, Independent-Samples T Test.
6. Maka kotak dialog akan tampil sebagai berikut
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
3. Masukkan semua data yang akan diolah.
5. Maka akan muncul kotak dialog seperti berikut:
6. Masukkan variable Berat Sebelum Diit dan Berat Sesudah Diit ke kotak Paired Variables. Lalu OK.
4. Teknik Analisis Ragam
4.1 Rancangan Acak Lengkap 1 Arah dengan Ulangan Sama
Langkah-langkah analisis :
1. Buka SPSS, pilih Type in data, klik OK sehingga muncul Data Editor
2. Klik Commands window Variable View pada bagian bawah, isi Name, Type, dan Decimals.
a. Baris 1 kolom Name, isikan nama variable dengan Hari_Pemeraman b. Baris 2 kolom Name, isikan nama variable dengan Perlakuan
c. Baris 3 kolom Name, isikan nama variable dengan Susut_Berat
3. Klik Value, pada variable Hari_Pemeraman, isikan : a. Value 1, Label Hari 1
4. Klik Value, pada variable Perlakuan, isikan : a. Value 1, Label 0 ppm
b. Value 2, Label 1000 ppm c. Value 3, Label 2000 ppm d. Value 4, Label 3000 ppm e. Value 5, Label 4000 ppm
6. Pilih Analyze, Compare Means, klik One-Way ANOVA
7. Masukkan variable Hari_Pemeraman kedalam kolom Factor, dan Susut_Berat ke kolom Dependent List, kemudian pilih Options.
9. Untuk melakukan uji lanjut, maka pilih Post Hoc.
10. Kemudian centang Duncan, kemudian Continue, setelah selesai maka klik OK.
4.2 Rancangan Acak Lengkap 1 Arah dengan Ulangan Tidak Sama
Langkah-langkah analisis :
1. Buka SPSS, pilih Type in data, klik OK sehingga muncul Data Editor.
2. Klik Commands window Variable View pada bagian bawah, isi Name, Type, dan Decimals.
a. Baris 1 kolom Name, isikan nama variable dengan Waktu b. Baris 2 kolom Name, isikan nama variable dengan Nilai
3. Klik Value, pada variable Waktu, isikan : a. Value 1, Label Pagi
4. Klik Commands window Data View pada bagian bawah, masukkan data sesuai dengan nama variable dan jumlahnya.
6. Masukkan variable Waktu Belajar kedalam kolom Factor, dan Nilai Siswa ke kolom Dependent List, kemudian pilih Options.
7. Centang pilihan Descriptive dan Homogenety of Variance Test, kemudian klik Continue.
8. Untuk melakukan uji lanjut, maka pilih Post Hoc, kemudian centang Duncan, klik Continue, setelah selesai maka klik Ok.
4.3 Rancangan Acak Kelompok 1 Arah
Langkah-langkah analisis :
1. Buka SPSS, pilih Type in data, klik ok sehingga muncul Data Editor.
2. Klik Commands window Variable View pada bagian bawah, isi Name, Type, dan Decimals.
a. Baris 1 kolom Name, isikan nama variable dengan Perlakuan b. Baris 2 kolom Name, isikan nama variable dengan Kelompok c. Baris 3 kolom Name, isikan nama variable dengan Suhu
3. Klik Value, pada variable Perlakuan, isikan : a. Value 1, Label 0 menit
4. Klik Value, pada variable Kelompok, isikan : a. Value 1, Label dinding dalam depan b. Value 2, Label dinding luar depan c. Value 3, Label dinding dalam samping d. Value 4, Label dinding luar samping
6. Pilih Analyze, General Linear Model, klik Univariate
7. Masukkan variable Waktu (menit) [Perlakuan] dan Kelompok kedalam kolom Fixed Factor, dan Suhu_dinding ke kolom Dependent Variable.
9. Pilih Model, klik Custom, kemudian pindahkan variable Perlakuan dan Kelompok dari kolom Factors & Convariates ke kolom Model, dan pilih Type Main effects, kemudian klik Continue.
10. Untuk melakukan uji lanjut, maka pilih Post Hoc.
11. Pindahkan variable Perlakuan dari kolom Factors ke Post Hoc Tests for, kemudian centang Duncan, kemudian Continue, setelah selesai maka klik Ok.
5 Statistik Nonparametrik, Validasi dan Reliabilitas 5.2 Nonparametrik
Langkah-langkah analisis :
1. Buka SPSS, pilih Type in data, klik OK sehingga muncul Data Editor.
2. Klik Commands window Variable View pada bagian bawah, isi Name, Type, dan Decimals.
a. Klik baris 1 kolom Name, isikan nama variable dengan Kode_Sampel b. Klik baris 2 kolom Name, isikan nama variable dengan Rasa
3. Klik Value, pada variable Kode_Sampel dan Rasa isikan: a. Variable Kode_Sampel
b. Variable Rasa
1. Value 1, Label Paling Tidak Asam 2. Value 2, Label Tidak Asam
3. Value 3, Label Asam
5. Masukkan data pada Data View.
6. Klik Analyze, Nonparametric Test, K Independent Samples.
8. Masukkan variable Rasa ke Test Variable List dan variable Kode_Sampel ke kotak Grouping Variable. Test Type yang dipilih adalah Kruskal-Walls H. Tanda (? ?) untuk Grouping variable muncul, karena batas grouping belum diisi.
10. Klik OK.
11. Interpretasikan output yang didapat.
5.3 Validasi dan Reliabilitas
Langkah-langkah analisis :
2. Klik Commands window Variable View pada bagian bawah, isi Name, Type, dan Decimals. Isikan Name No.1 sampai dengan No.10
3. Masukkan data pada Data View.
5. Pindahkan semua item (No.1 sampai dengan No.10) dengan cara mengklik pada item No.1 kemudian tekan control A, dan pindahkan semua item ke kotak Items. Pada Model pilih Split-half.
6. Klik tab Statistics. Pada kotak Reliability Analysis, pilih Scale if item deleted, kemudian klik Continue, lalu Ok.
6 Teknik Analisis Ragam Klasifikasi Dua Arah 6.2 Rancangan Acak Lengkap 2 Arah
Langkah-langkah analisis :
1. Buka SPSS, pilih Type in data, klik OK sehingga muncul Data Editor.
2. Klik Commands window Variable View pada bagian bawah, isi Name, Type, dan Decimals.
3. Klik Value, pada variable Perlakuan, isikan : a. Value 1, Label Kontrol
b. Value 2, Label Larutan Gula 25 % c. Value 3, Label Larutan Gula 45 % d. Value 4, Label Larutan Gula 70 %
4. Klik Value, pada variable Hari, isikan : a. Value 1, Label Hari ke-1
5. Klik Commands window Data View pada bagian bawah, masukkan data sesuai dengan nama variable dan jumlahnya.
6. Pilih Analyze, General Linear Model, klik Univariate.
7. Maka akan muncul tampilan berikut:
9. Pilih Model, klik Custom, kemudian pindahkan variable Perlakuan, Hari, dan Perlakuan*Hari dari kolom Factors & Convariates ke kolom Model, pilih Type Interaction, kemudian klik Continue.
10. Untuk melakukan uji lanjut, maka pilih Post Hoc, pindahkan variable Perlakuan dan Hari dari kolom Factor (s) ke Post Hoc Test for, kemudian centang Duncan, dan klik Continue, setelah selesai maka klik OK.
6.3 Rancangan Acak Kelompok 2 Arah
Langkah-langkah analisis :
1. Buka SPSS, pilih Type in data, klik OK sehingga muncul Data Editor.
2. Klik Commands window Variable View pada bagian bawah, isi Name, Type, dan Decimals.
a. Baris 1 kolom Name, isikan nama variable dengan Komoditi b. Baris 2 kolom Name, isikan nama variable dengan Perlakuan c. Baris 3 kolom Name, isikan nama variable dengan Tinggi_Tanaman d. Baris 4 kolom Name, isikan nama variable dengan Nilai_Pengukuran
3. Klik Value, pada variable Komoditi, isikan : a. Value 1, Label Jagung
4. Klik Value, pada variable Perlakuan, isikan : a. Value 1, Label TOP0
b. Value 2, Label TOP1 c. Value 3, Label TOP2
5. Klik Value, pada variable Tinggi_Tanaman, isikan : a. Value 1, Label Tinggi Tanaman 1
6. Klik Commands window Data View pada bagian bawah, masukkan data sesuai dengan nama variable dan jumlahnya.
7. Pilih Analyze, General Linear Model, klik Univariate.
9. Masukkan variable Komoditi, Perlakuan dan Tinggi_Tanaman kedalam kolom Fixed Factor, dan Nilai_Pengukuran ke kolom Dependent Variable.
10. Kemudian pilih Option dan klik Continue.
12. Untuk melakukan uji lanjut, maka pilih Post Hoc, pindahkan variable Komoditi dan Perlakuan dari kolom Factor (s) ke Post Hoc Test for, kemudian centang Duncan, dan klik Continue, setelah selesai maka klik OK.
