LAPORAN AKHIR
LAPORAN AKHIR
PRAKTIKUM STATISTIK
PRAKTIKUM STATISTIK
Diajukan untuk Melengkapi Tugas Mata Kuliah Diajukan untuk Melengkapi Tugas Mata KuliahPraktikum Statistik Praktikum Statistik
Pada Program Studi Teknik Industri Pada Program Studi Teknik Industri
Disusun Oleh : Disusun Oleh : Kelompok 4 Kelompok 4
Rudini
Rudini Mulya Mulya (41610010035(41610010035)) Dessy
Dessy Diardito Diardito Miranda Miranda (41610010040(41610010040)) Ihsan
Ihsan Maulana Maulana (41610010010))(41610010010 Yoel
Yoel Octavianus Octavianus (41610010043))(41610010043
PROGRAM STUDI TEKNIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
FAKULTAS TEKNIK
UNIVERSITAS MERCU BUANA
UNIVERSITAS MERCU BUANA
JAKARTA
JAKARTA
2012
2012
Diperiksa dan disetujui oleh : Diperiksa dan disetujui oleh :
Asisten Praktikum Asisten Praktikum
LAPORAN PRAKTIKUM LAPORAN PRAKTIKUM REGRESI SEDERHANA REGRESI SEDERHANA BAB I BAB I PENDAHULUAN PENDAHULUAN 1.1
1.1 Latar BelakangLatar Belakang
Analisa regresi digunakan untuk melihat pengaruh variabel prediktor terhadap variabel Analisa regresi digunakan untuk melihat pengaruh variabel prediktor terhadap variabel respon dengan terlebih dahulu melihat pola hubungan variabel tersebut. Hal ini dapat respon dengan terlebih dahulu melihat pola hubungan variabel tersebut. Hal ini dapat dilakukan melalui dua pendekatan yaitu pendekatan parametrik dan pendekatan dilakukan melalui dua pendekatan yaitu pendekatan parametrik dan pendekatan nonparametrik. Pendekatan yang paling umum dan seringkali digunakan adalah pendekatan nonparametrik. Pendekatan yang paling umum dan seringkali digunakan adalah pendekatan parametrik. Pendekat
parametrik. Pendekatan parametran parametr ik mengasumsikan beik mengasumsikan bentuk model sudntuk model sudah diteah ditentukan. Apabilantukan. Apabila tidak ada informasi apapun tentang bentuk dari fungsi regresi, maka pendekatan yang tidak ada informasi apapun tentang bentuk dari fungsi regresi, maka pendekatan yang digunakan adalah pendekatan nonparametrik
digunakan adalah pendekatan nonparametrik (Hardle, 1994).(Hardle, 1994). Karena pendekatanKarena pendekatan nonparametrik tidak tergantung pada asumsi bentuk kurva tertentu, sehingga memberikan nonparametrik tidak tergantung pada asumsi bentuk kurva tertentu, sehingga memberikan fleksibilitas yang lebih besar.
fleksibilitas yang lebih besar.
Ada beberapa teknik estimasi dalam regresi nonparametrik antara lain estimator Ada beberapa teknik estimasi dalam regresi nonparametrik antara lain estimator regressogram, estimator Spline, estimator kernel
regressogram, estimator Spline, estimator kernel (Eubank, 1999(Eubank, 1999), dan estimator wavelet yang), dan estimator wavelet yang merupakan pengembangan dari estimator deret Fourier dan estimator kernel
merupakan pengembangan dari estimator deret Fourier dan estimator kernel (Welastiningsih,(Welastiningsih, 2005).
2005). Pendekatan estimator SplinPendekatan estimator Spline e ada bermacam-macam antara lain ada bermacam-macam antara lain Spline original, Spline original, SplineSpline type M, Spline relaxed, dan Spline terbobot
type M, Spline relaxed, dan Spline terbobot (Budiantara dkk, 2006)(Budiantara dkk, 2006). Pendekatan Spline. Pendekatan Spline mempunyai suatu b
mempunyai suatu basis fungsi. Basis fungsi yasis fungsi. Basis fungsi yang dipakai ang dipakai antara lain antara lain truncated power basistruncated power basis dan
B-dan B- splinespline basis (Eubank, 1999).basis (Eubank, 1999).
1.2
1.2 Tujuan PraktikumTujuan Praktikum
1.
1. Menaksir model regresi.Menaksir model regresi. 2.
2. Menguji signifikansi parameter dari persamaan regresi.Menguji signifikansi parameter dari persamaan regresi. 3.
BAB II BAB II
LANDASAN TEORI LANDASAN TEORI
2.1 Konsep
2.1 Konsep Dasar Analisis RegresiDasar Analisis Regresi
Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
paling mungmungkin kin terjadi terjadi dimasa dimasa yang yang akan akan datang datang berdasarkan berdasarkan informasi informasi yang yang sekarangsekarang dimiliki agar memperkecil kesalahan. Analisis regresi dapat juga diartikan sebagai usaha dimiliki agar memperkecil kesalahan. Analisis regresi dapat juga diartikan sebagai usaha memprediksi
memprediksi perubahan. Perubperubahan. Perubahan nilai ahan nilai suatu vsuatu variabel dapat ariabel dapat disebabkan kdisebabkan karena adanyaarena adanya perubahan
perubahan pada pada variabel-variabel variabel-variabel lain lain yang yang mempengaruhinya. mempengaruhinya. Misalnya, Misalnya, volume volume pupuk pupuk terhadap hasil panen padi, karena adanya perubahan volume pupuk maka produksi padi terhadap hasil panen padi, karena adanya perubahan volume pupuk maka produksi padi dengan sendirinya ak
dengan sendirinya akan berubah. an berubah. Dalam fenomena alam banyak Dalam fenomena alam banyak sekali sekali kejadian yang salingkejadian yang saling berkaitan
berkaitan sehingga sehingga perubahan perubahan pada pada variabel variabel lain lain berakibat berakibat pada pada perubahan perubahan variabel variabel lainnya.lainnya. Teknik yang digunakan untuk mengan
Teknik yang digunakan untuk menganalisis ini adaalisis ini adalah analisis regresi.lah analisis regresi. Analisis
Analisis regresi regresi (regression (regression analysis) analysis) merupakan merupakan suatu suatu teknik teknik untuk untuk membangunmembangun persamaan
persamaan dan dan menggmenggunakan unakan persamaan persamaan tersebut tersebut untuk untuk membuat membuat perkiraan perkiraan (prediction).(prediction). Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Karena merupakan Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Karena merupakan prediksi,
prediksi, maka maka nilai nilai prediksi prediksi tidak tidak selalu selalu tetap tetap dengan dengan nilai nilai riilnya, riilnya, semakin semakin kecil kecil tingkattingkat penyimpangan
penyimpangan antara antara nilai nilai prediksi prediksi dengan dengan nilai nilai riilnya, riilnya, maka maka semakin semakin tepat tepat persamaanpersamaan regresinya. Sehingga dapat didefinisikan bahwa: analisis regresi adalah metode statistik yang regresinya. Sehingga dapat didefinisikan bahwa: analisis regresi adalah metode statistik yang digunakan untuk menentukan kemungkinan hubungan antara variabel-variabel.
digunakan untuk menentukan kemungkinan hubungan antara variabel-variabel. 2.2 Persamaan Regresi
2.2 Persamaan Regresi
Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel dependen disebut persamaan regresi estimasi, yaitu suatu formula matematis yang dependen disebut persamaan regresi estimasi, yaitu suatu formula matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu variabel lain yang nilainya
diketahui dengan satu variabel lain yang nilainya belum diketahui.belum diketahui.
Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab akibat
akibat (causal relationship). Oleh (causal relationship). Oleh karena itu, sebelum karena itu, sebelum menggunakan menggunakan persamaan maka perlupersamaan maka perlu diyakini terlebih dahulu secara teoritis atau perkiraan sebelumnya, dua atau lebih variabel diyakini terlebih dahulu secara teoritis atau perkiraan sebelumnya, dua atau lebih variabel memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi nilai variabel memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi nilai variabel lain
lain disebut vdisebut variabel bebas ariabel bebas (independent variabel), sedangkan (independent variabel), sedangkan variabel yvariabel yang ang nilainyanilainya dipengaruhi oleh nilai variabel lain dise
2.3 Persamaan Regresi Sederhana 2.3 Persamaan Regresi Sederhana
Regresi linier sederhana yaitu suatu prosedur untuk mendapatkan hubungan Regresi linier sederhana yaitu suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk p
matematis dalam bentuk persamaan antar variabel ersamaan antar variabel bebas tunggal denbebas tunggal dengan variabel gan variabel tidak bebastidak bebas tunggal.
tunggal. Regresi linier Regresi linier sederhana hanya sederhana hanya memiliki satu memiliki satu peubah peubah X X yang yang dihubungkan dihubungkan dengandengan satu peubah tidak bebas Y.
satu peubah tidak bebas Y.
Bentuk umum dari persamaan regresi linier u
Bentuk umum dari persamaan regresi linier untuk populasi adalah:ntuk populasi adalah:
.. ++ Dengan θ1 dan θ2 merupakan parameter
Dengan θ1 dan θ2 merupakan parameter -parameter yang ada dalam regresi tersebut.-parameter yang ada dalam regresi tersebut. Jika
Jika θ1 θ1 dan dan θ2 θ2 ditaksir ditaksir oleh oleh b0 b0 dan dan b1, b1, maka maka regresi regresi sederhana sederhana untuk untuk sampel sampel adalahadalah sebagai berikut: sebagai berikut: Y= a+bx+e Y= a+bx+e Keterangan: Keterangan:
Y= merupakan variabel bergantung (dependent variable) Y= merupakan variabel bergantung (dependent variable) X= sebagai variabel bebas
X= sebagai variabel bebas (independent variable)(independent variable) a= sebagai konstanta regresi
a= sebagai konstanta regresi
b= slope atau kemiringan garis regresi b= slope atau kemiringan garis regresi
e= error e= error
BAB III BAB III PENGUMPULA
PENGUMPULAN DAN N DAN PENGOLAHAN DATAPENGOLAHAN DATA
3.1 pengumpulan data 3.1 pengumpulan data
3.1.1 statistik Diskriptif 3.1.1 statistik Diskriptif
Pada suatu perguruan tinggi mempunyai mahasiswa yang cukup banyak, mahasiswa Pada suatu perguruan tinggi mempunyai mahasiswa yang cukup banyak, mahasiswa tersebut terdiri dari beberapa jurusan dan angkatan, dari kumpulan mahasiswa tersebut akan tersebut terdiri dari beberapa jurusan dan angkatan, dari kumpulan mahasiswa tersebut akan dilakukan pengukuran data Tinggi dan Berat badan berdasarkan Umur dan angkatan yang dilakukan pengukuran data Tinggi dan Berat badan berdasarkan Umur dan angkatan yang diwakili oleh 100 mahasiwa, adapun hasil pengukuranya adalah sebagai berikut
diwakili oleh 100 mahasiwa, adapun hasil pengukuranya adalah sebagai berikut ::
No
No Nama Nama Usia Usia Berat Berat Badan Badan Tinggi Tinggi BadanBadan (Tahun)
(Tahun) (Kg) (Kg) (Cm)(Cm) 1
1 Fery Fery Prabowo Prabowo 20 20 50 50 176176 2
2 Dodi Dodi Indaryana Indaryana 26 26 56 56 168168 3
3 Hery Hery Kuswanto Kuswanto 19 19 55 55 170170 4
4 Nurul Nurul Fathia Fathia 20 20 60 60 160160 5
5 Eka Eka Bayu Bayu Saputra Saputra 19 19 50 50 176176 6
6 Nanda Nanda Pratama Pratama 19 19 53 53 175175 7
7 Rocky Rocky Himawan Himawan 19 19 72 72 182182 8
8 Dhika Dhika Prasetyo Prasetyo 20 20 77 77 175175 9
9 Lutfy Lutfy Januari Januari E. E. P. P. 18 18 59 59 176176 10
10 Indra Indra Nugraha Nugraha 19 19 55 55 175175 11
11 Firman Firman Hermawan Hermawan 19 19 59 59 165165 12
12 Joko Joko Akhiriyanto Akhiriyanto 19 19 56 56 168168 13
13 Panji Panji Kusuma Kusuma Yudha Yudha 19 19 75 75 175175 14
14 Arip Arip Mustakim Mustakim 19 19 59 59 176176 15
15 Abdul Abdul Rahman Rahman 20 20 48 48 168168 16
16 M. M. Aditya Aditya 19 19 75 75 170170 17
17 Yanuar Yanuar Ardiansyah Ardiansyah 19 19 71 71 177177 18
18 Endah Endah Woro Woro Wardani Wardani 19 19 47 47 162162 19
19 Wiyoga Wiyoga Nur Nur Alamsyah Alamsyah 18 18 54 54 160160 20
20 Angga Angga Sodikin Sodikin 19 19 58 58 173173 21
21 Anton Anton Nimus Nimus 20 20 52 52 165165 22
22 Ahmad Ahmad Mathuri Mathuri 19 19 45 45 168168 23
23 Irfan Irfan Widiarto Widiarto 19 19 90 90 170170 24
24 Eko Eko Setiawan Setiawan 19 19 60 60 169169 25
25 Anton Anton Giardhi Giardhi Bramanto Bramanto 19 19 55 55 165165 26
26 Wahyu Wahyu Sugar Sugar Ibrahim Ibrahim 21 21 54 54 165165 27
28
28 M. M. Syawal Syawal Setiawan Setiawan 20 20 95 95 173173 29
29 Soerja Soerja Julianto Julianto 20 20 58 58 175175 30
30 Diah Diah Utami Utami 19 19 45 45 160160 31
31 Kukuh Kukuh W W Dias Dias Utami Utami 19 19 49 49 160160 32
32 Al Al Bayhaki Bayhaki 19 19 46 46 173173 33
33 Rambu Rambu Naha Naha Tarap Tarap 19 19 49 49 158158 34
34 Dwi Dwi Endartanto Endartanto 19 19 69 69 166166 35
35 Martin Martin 19 19 60 60 170170
36
36 M. M. Arif Arif Maulana Maulana 20 20 62 62 173173 37
37 Fachturrizki Fachturrizki Ramadhan Ramadhan 20 20 75 75 175175 38
38 Febriana PurwandariFebriana Purwandari 22 22 80 80 170170 39
39 Sidik Dwi SaputraSidik Dwi Saputra 19 19 55 55 170170 40
40 Andy IrawanAndy Irawan 19 19 60 60 169169 41 41 RafliRafli 19 19 55 55 166166 42 42 NovianNovian 19 19 50 50 168168 43 43 Firmansyah Firmansyah 20 20 75 75 165165 44
44 Novrian Novrian Riyadi Riyadi 18 18 57 57 173173 45
45 Adizty Adizty Suparno Suparno 18 18 53 53 160160 46
46 Dini Dini Maulina Maulina 17 17 45 45 155155 47
47 M. M. Yusuf Yusuf 19 19 63 63 160160 48
48 Amalda Amalda Zulkarnaen Zulkarnaen 18 18 68 68 168168 49
49 Fortunatus Fortunatus Pake Pake 17 17 62 62 162162 50 50 Zamaludin Zamaludin 17 17 55 55 170170 51 51 M. M. Kasroniyanto Kasroniyanto 20 20 50 50 169169 52 52 Azis Azis M. M. A. A. 18 18 79 79 175175 53 53 Isma Isma 18 18 50 50 170170 54
54 Ezra Ezra Lisfiani Lisfiani 17 17 40 40 160160 55
55 Fauzan Fauzan Septia Septia M. M. 18 18 50 50 180180 56
56 Yoel Yoel OctavianuOctavianus s 18 18 50 50 173173 57
57 M. M. Radityo Radityo R. R. 17 17 60 60 175175 58
58 Herlian Herlian Saputra Saputra 18 18 100 100 180180 59
59 Ihsan Ihsan Maulana Maulana 19 19 60 60 175175 60
60 Nur Nur Muhammad Muhammad 18 18 80 80 173173 61
61 Wisnu Wisnu Sudaryanto Sudaryanto 17 17 65 65 172172 62
62 Denny Denny PermanPermana a 18 18 57 57 172172 63
63 Dessy Dessy Diardito Diardito Miranda Miranda 17 17 57 57 176176 64
64 M. M. Wahyu Wahyu S. S. 18 18 50 50 164164 65
65 Aron Aron Mangatas Mangatas 18 18 65 65 175175 66
66 Stefany Stefany S. S. 18 18 69 69 170170 67
67 AliftiAliftia a S. S. 18 18 57 57 172172 68
68 Yodi Yodi Ramadhoni Ramadhoni 19 19 73 73 170170 69
69 Herman Herman Santoso Santoso 20 20 55 55 168168 70
70 Aziz Aziz Kurniawan Kurniawan 19 19 48 48 169169 71
72
72 Arie Arie Yones Yones 18 18 60 60 170170 73
73 Rudini Rudini Mulya Mulya 20 20 57 57 169169 74
74 Faisal Faisal Umar Umar N. N. 18 18 65 65 170170 75
75 Ikhwan Ikhwan H. H. 17 17 54 54 175175 76
76 Ryan Ryan Nurhuda Nurhuda 18 18 57 57 171171 77
77 Agus Agus Raif Raif 20 20 50 50 160160 78
78 Adhitama Adhitama Febrianto Febrianto 19 19 60 60 162162 79
79 Andri Andri Muliyawan Muliyawan 23 23 60 60 173173 80
80 Iwan Iwan Sutiyono Sutiyono 20 20 55 55 160160 81
81 Eko Eko Suriyanto Suriyanto 20 20 55 55 170170 82
82 Dede Dede PermanPermana a 20 20 49 49 175175 83
83 Achmad Achmad Adnan Adnan Kasogi Kasogi 19 19 58 58 168168 84
84 Panji Panji Aryo Aryo Priyadi Priyadi 20 20 55 55 160160 85
85 Steven Steven Miky Miky Pangkey Pangkey 22 22 48 48 165165 86
86 Ibnu Ibnu Malik Malik 20 20 50 50 168168 87
87 Chandra Chandra Adi Adi Putra Putra 20 20 55 55 173173 88
88 Yovan Yovan ArifiArifin n 20 20 50 50 176176 89
89 Ricky Ricky Reza Reza Adhavi Adhavi 20 20 49 49 167167 90
90 Ria Ria Qori'ah Qori'ah 20 20 53 53 155155 91
91 Anisah Anisah H H 20 20 50 50 165165 92
92 Ian Ian Danarko Danarko 21 21 60 60 172172 93
93 Heri Heri Nurmansyah Nurmansyah 22 22 60 60 170170 94
94 Irwan Irwan Yosia Yosia 22 22 55 55 171171 95
95 Lucyana Lucyana 21 21 48 48 170170
96
96 Eka Eka Rachmatillah Rachmatillah 22 22 60 60 169169 97 97 Wawan Wawan 22 22 64 64 170170 98 98 Baskoro Baskoro 22 22 65 65 169169 99 99 Bagus Bagus 20 20 68 68 169169 100
BAB IV BAB IV
PEMBAHASAN DAN ANALISA PEMBAHASAN DAN ANALISA
4.1 Mendiskripsikan suatu Data 4.1 Mendiskripsikan suatu Data
Untuk mendeskripsikan data yang tercantum pada permasalahan, pada kesempatan Untuk mendeskripsikan data yang tercantum pada permasalahan, pada kesempatan kali ini kami akan menggunakan program SPSS.
kali ini kami akan menggunakan program SPSS. Cara penginsertan data sebagai berikut: Cara penginsertan data sebagai berikut:
Klik Klik Variable ViewVariable View di pojok kiri bawahdi pojok kiri bawah
Pada kolomPada kolom BeratBerat isikan sesuai dengan nama variabelnya, variabel pertamaisikan sesuai dengan nama variabelnya, variabel pertama
diberi nama berat dan variabel kedua d
diberi nama berat dan variabel kedua diberi nama tinggi.iberi nama tinggi.
Klik Klik Analyze, Regression, LinearAnalyze, Regression, Linear
Pindahkan variabel salinitas sebagai variabel bebas ke kolomPindahkan variabel salinitas sebagai variabel bebas ke kolom independentindependent, dan, dan
variabel produksi sebagai variabel tergantung ke kolom
variabel produksi sebagai variabel tergantung ke kolom dependentdependent..
Klik menuKlik menu Statistics,Statistics, tandaitandai Estimates, Convidence Intervals, Model fit,Estimates, Convidence Intervals, Model fit, dandan
Descriptives,
Klik Klik OptionsOptions
Pada pilihanPada pilihan Missing Values,Missing Values, pilih pilih Replace with MeanReplace with Mean
Maka akan menghasilkan OUTPUT seperti ini: Maka akan menghasilkan OUTPUT seperti ini:
REGRESSION REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING MEANSUB
/MISSING MEANSUB
/STATISTICS COEFF OUTS CI(95) R ANOVA
/STATISTICS COEFF OUTS CI(95) R ANOVA CHANGE ZPPCHANGE ZPP /CRITERIA=PI
/CRITERIA=PIN(.05) N(.05) POUT(.10)POUT(.10) /NOORIGIN /NOORIGIN /DEPENDENT Berat /DEPENDENT Berat /METHOD=ENTER Tinggi /METHOD=ENTER Tinggi /RESIDUALS DURBIN. /RESIDUALS DURBIN.
Regression
Regression
[DataSet0] [DataSet0] Descriptive Statistics Descriptive Statistics MeanMean Std. Deviation Std. Deviation NN Berat Berat 58.67 58.67 10.797 10.797 100100 Tinggi Tinggi 169.44 169.44 5.819 5.819 100100 Correlations Correlations Berat Tinggi Berat Tinggi Pearson
Pearson Correlation Correlation Berat Berat 1.000 1.000 .336.336 Tinggi
Tinggi .336 .336 1.0001.000 Sig.
Sig. (1-tailed) (1-tailed) Berat Berat . . .000.000 Tinggi Tinggi .000 .000 .. N N Berat Berat 100 100 100100 Tinggi Tinggi 100 100 100100 Variables Entered/Removed Variables Entered/Removedbb Model
Model Variables Variables Entered Entered Variables Variables Removed Removed MethodMethod
1 Tinggi
1 Tinggiaa . Enter . Enter
a. All requested variables entered. a. All requested variables entered.
Variables Entered/Removed Variables Entered/Removedbb Model
Model Variables Variables Entered Entered Variables Variables Removed Removed MethodMethod
1 Tinggi
1 Tinggiaa . Enter . Enter
a. All requested variables entered. a. All requested variables entered. b. Dependent Variable: Berat b. Dependent Variable: Berat
ANOVA ANOVAbb Model
Model Sum Sum of of Squares Squares df df Mean Mean Square Square F F Sig.Sig. 1 1 Regression Regression 1303.532 1303.532 1 1 1303.532 1303.532 12.479 12.479 .001.001aa Residual Residual 10236.578 10236.578 98 98 104.455104.455 Total Total 11540.110 11540.110 9999
a. Predictors: (Constant), Tinggi a. Predictors: (Constant), Tinggi b. Dependent Variable: Berat b. Dependent Variable: Berat
Residuals Statistics Residuals Statisticsaa Minimum
Minimum Maximum Maximum Mean Mean Std. Std. Deviation Deviation NN Predicted
Predicted Value Value 49.67 49.67 69.62 69.62 58.67 58.67 3.629 3.629 100100 Residual
Residual -15.643 -15.643 34.745 34.745 .000 .000 10.169 10.169 100100
Std.
Std. Predicted Predicted Value Value -2.481 -2.481 3.018 3.018 .000 .000 1.000 1.000 100100 Std.
Std. Residual Residual -1.531 -1.531 3.400 3.400 .000 .000 .995 .995 100100 a. Dependent Variable: Berat
4.2 Pembahasan 4.2 Pembahasan
Berdasarkan hasil pengolahan data
Berdasarkan hasil pengolahan data menggunmenggunakan SPSS 17.0 sehingga menghasilkanakan SPSS 17.0 sehingga menghasilkan data di atas, maka terdapat beberapa pertanyaan mengenai hasil pengolahan data tersebut. data di atas, maka terdapat beberapa pertanyaan mengenai hasil pengolahan data tersebut. Berilut pertanyaanya:
Berilut pertanyaanya: 1.
1. Berapa korelasi total dan parsial masing-masing variabel?Berapa korelasi total dan parsial masing-masing variabel? Jawab:
Jawab: a)
a) Korelasi Korelasi total total (R) (R) = = 0,3360,336 b)
b) Kolrelasi Kolrelasi parsial parsial tinggi tinggi = = 0,3360,336 Variabel: Variabel: Konstanta a = -46,983 Konstanta a = -46,983 b = 0,624 b = 0,624 2.
2. Buat persamaan untuk rumus regresinya?Buat persamaan untuk rumus regresinya? Jawab: Jawab: == ++ == −−46,46,983983 + 0,624+ 0,624 3.
3. Dari kedua variabel, mana yang lebih mempengaruhi?Dari kedua variabel, mana yang lebih mempengaruhi? Jawab:
Jawab: a)
a) Korelasi parsial tinggi = 0,336 (terKorelasi parsial tinggi = 0,336 (termasuk korelasi positif sedang)masuk korelasi positif sedang) Maka, dapat diambil
Maka, dapat diambil kesimpulan dari kesimpulan dari variabel yang lebih mvariabel yang lebih mempengaruhi beratempengaruhi berat badan adalah tinggi.
4.
4. Jika diketahui tinggi si A adalaJika diketahui tinggi si A adalah 170 cm dan umur 20 tahun, berapakah berat si Ah 170 cm dan umur 20 tahun, berapakah berat si A tersebut? tersebut? Jawab: Jawab: :: = 170= 170 = = 2020ℎℎ == −−46,98346,983 = 0,336= 0,336 ::…… ?? :: == ++ == −−4646,9,98383 ++ ((0,30,33636 × 170× 170)) + (0+ (0 × 20× 20)) = = −−4646,9,98383 ++ 5757,1,122 = 10,137= 10,137 →→ 1010 5.
5. Buat kesimpulan!Buat kesimpulan!
Kesimpulannya adalah berdasrkan korelasi total yang diperoleh = 0,336 termasuk Kesimpulannya adalah berdasrkan korelasi total yang diperoleh = 0,336 termasuk korelasi positif sedang. Artinya tinggi dan umur mempengaruhi berat badan sebesar korelasi positif sedang. Artinya tinggi dan umur mempengaruhi berat badan sebesar positif sedang yaitu dengan menggun
BAB V BAB V KESIMPULAN KESIMPULAN
Adapun kesimpulan yang dapat ditarik dari laporan kami kali ini yaitu : Adapun kesimpulan yang dapat ditarik dari laporan kami kali ini yaitu :
1.
1. SPSS adalah salah satu program yang dapat membantu para statistikawan dalamSPSS adalah salah satu program yang dapat membantu para statistikawan dalam menyelesaikan dan membahas permasalan statistika. SPSS dapat mempermudah menyelesaikan dan membahas permasalan statistika. SPSS dapat mempermudah penyajian
penyajian dan dan interprestasi interprestasi suatu suatu data data statistika. statistika. Penyajian Penyajian data data dengan dengan SPSSSPSS dilengkapi dengan histogram, pie chart, box plot, dan analisis dari data tersebut. dilengkapi dengan histogram, pie chart, box plot, dan analisis dari data tersebut.
2.
2. Dengan menggunakan program SPSS tersebut, kita dapat menyelesaikanDengan menggunakan program SPSS tersebut, kita dapat menyelesaikan permasalahan
permasalahan statistika statistika yang yang berbentuk berbentuk regresi regresi seperti seperti contoh contoh di di atas.atas.
3.
3. Dari contoh permasalahan di atas, didapatkan output SPSS regresinya sebesar 0,891,Dari contoh permasalahan di atas, didapatkan output SPSS regresinya sebesar 0,891, hal ini menunjukkan bahwa salinitas berpengaruh kuat pada produktivitas tambaknya hal ini menunjukkan bahwa salinitas berpengaruh kuat pada produktivitas tambaknya ..
4.
4. Dari output SPSS juga, kita dapat menentukan persamaannya, yaituDari output SPSS juga, kita dapat menentukan persamaannya, yaitu Y = 39,471+0,102x.
