Modul 3

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
JAWA TIMUR
LAPORAN RESMI
MODUL III
STATISTIK INFERENSI
I. Pendahuluan
A. Latar Belakang
Statistika inferensial mencakup semua metode yang berhubungan dengan
analisis sebagian data atau juga sering disebut dengan sampel untuk kemudian
sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan data
induknya. Dalam statistika inferensial diadakan pendugaan parameter, membuat
hipotesis, serta melakukan pengujian hipotesis tersebut sehingga sampai pada
kesimpulan yang berlaku umum. Metode ini disebut juga statistika induktif,
karena kesimpulan yang ditarik didasarkan pada informasi dari sebagian data saja.
Pengambilan kesimpulan dari statistika inferensial yang hanya didasarkan pada
sebagian data saja sebagian data saja menyebabkan sifat tak pasti, memungkinkan
terjadi kesalahan dalam pengambilan keputusan, sehingga pengetahuan
mengenai teori peluang mutlak diperlukan dalam melakukan metode-metode
statistika inferensial. Statistik inferensial digunakan dalam proses mengambil
keputusan dalam menghadapi ketidakpastian dan perubahan. Contoh
ketidakpastian adalah kuat tekan beton dalam suatu pengujian tidak sama,
walaupun dibuat dengan material yang sama. Dengan adanya kenyataan tersebut,
maka metode statitsik digunakan untuk menganalisis data dari suatu proses
LABORATORIUM OPTIMASI DAN STATISTIK INDUSTRI

MODUL III (STATISTIK INFERENSI)
RABU / MEJA 12
pembuatan beton tersebut sehingga diperoleh kualitas yang lebih baik. Statistik
inferensial telah menghasilkan banyak metode analitis yang digunakan untuk
menganalisis data. Dengan perkataan lain statistik inferensial tidak hanya
mengumpulan data, tetapi juga mengambil kesimpulan dari suatu sistem saintifik.
T- test atau uji t adalah uji statistik yang digunakan untuk menguji
kebenaran atau kepalsuan hipotesis nol. Uji t pertama kali dikembangkan oleh
William Seely Gosset pada tahun 1915. Uji t dapat dibagi menjadi 2 , yaitu uji t
yang digunakan untuk pengujian hipotesis 1 sampel dan uji t yang digunakan
untuk pengujian hipotesis 2 sempel. Bila duhubungkan dengan kebebasan
(independency) sampel yang digunakan (khusus bagi uji t dengan 2 sampel), maka
uji t dibagi lagi menjadi 2, yaitu uji t untuk sampel bebas (independent) dan uji t
untuk sampel berpasangan (paired). Uji t - test dependent adalah pengujian yang
mana tidak adanya perbedaan yang signifikan antara nilai variabel dari dua sampel
yang berpasangan atau berkolerasi. Fungsi dari t-test dependent adalahuntuk
membandingkan rata-rata dua grup yang saling berpasangan. Sampel berpasangan
dapat diartikan sebagai sebuah sampel dengan subjek yang sama namun
mengalami 2 perlakuan atau pengukuran yang berbeda, yaitu pengukuran sebelum
dan sesudah dilakukan sebuah perlakuan. Syarat jenis uji t – test dependent
adalah: (a) data berdistribusi normal; (b) kedua kelompok data adalah dependen
(saling berhubungan/berpasangan); dan (c) jenis data yang digunakan adalah
numeric dan kategorik (dua kelompok).
Analisis Varians merupakan sebuah teknik analisis inferensial yang
digunakan untuk menguji perbedaan rata-rata skor. Analysis Of Variance
disingkat dengan Anova, sedangkan dalam Bahasa Indonesia disingkat dengan

MODUL 3 (STATISTIK INFERENSI)
RABU / MEJA 12
Anova dan memiliki beberapa kegunaan salah-satunya adalah untuk menentukan
apakah rata-rata nilai dari dua atau lebih sampel berbeda signifikan apakah tidak
(Yusri, 2019). Beberapa asumsi dasar yang mesti dipenuhi pada uji analisis
varians adalah data sampel yang digunakan berdistribusi normal atau dianggap
normal, populasi tersebut memiliki varian yang homogen, sampel tidak
berhubungan satu dengan lain (independen), sehingga uji analisis varians tidak
bisa digunakan untuk sampel berpasangan (paired). Analysis Of Variance (Anova)
terbagi dalam dua jenis, yaitu: analisis varians satu jalur (one way ANOVA) dan
analisis varians dua jalur (two way ANOVA). One way ANOVA digunakan untuk
menguji hipotesis komparatif rata-rata k sampel, bila pada setiap sampel hanya
terdiri atas satu kategori. Sedang two way ANOVA digunakan untuk menguji
hipotesis komparatif rata-rata k sampel bila peneliti melakukan kategorisasi
terhadap sampel (Ilhamzen, 2013).
Dalam pemecahan masalah pada seorang petani sayuran dan PT Mau
Sukses terkait dengan pengaruh pupuk terhadap produksi sayuran dan perbedaan
rata-rata terhadap nilai tes yang diujikan pada masing-masing Gender
menggunakan analisa statistika inferensi. Penggunaan software Minitab 16
dilakukan untuk mengolah data permasalahan yang ada.
B. Rumusan Masalah
Rumusan masalah yang digunakan dalam praktikum dan penyusunan
laporan ini adalah :
"Bagaimana mengetahui perbedaan rata-rata dan sampel yang saling
berhubungan yang mempunyai varians populasi?"

RABU / MEJA 12
C. Tujuan Praktikum
Adapun tujuan dari praktikum adalah :
1. Menguji 2 sampel yang berpasangan, apakah mempunyai rata-rata dua
sampel yang secara nyata berhubungan atau tidak
2. Menguji rata-rata dua buah atau lebih sampel, serta menguji apakah dua
buah sampel mempunyai varians populasi sama atau tidak
3. Mengetahui dan memahami uji statistik dengan menggunakan Anova,
yaitu ANOVA satu arah dan ANOVA dua arah.
4. Mengetahui kesesuaian data dengan asumsi-asumsi statistik parametric
dan dapat memahami cara menguji hipotesis melalui studi kasus paired
sample t-test
D. Batasan Masalah
Batasan masalah yang digunakan dalam praktikum dan penyusunan
laporan ini adalah :
1. Pengolahan data hanya bersifat penggambaran kondisi suatu data.
2. Jumlah data yang dianalisis ataupun diolah disesuaikan dengan banyak
data yang diambil
3. Menguji rasio paired T dan one way ANOVA
E. Asumsi-asumsi
Asumsi-asumsi yang digunakan dalam praktikum dan penyusunan laporan
ini adalah :
1. Populasi yang akan diuji berdistribusi normal
2. Varians dari populasi tersebut adalah sama.

RABU / MEJA 12
F. Manfaat Praktikum
Dalam praktikum statistika industri ini dalam hal memecahkan persoalan
statistika deskriptif dan statistika frekuensi mempunyai beberapa manfaat anatara
lain :
1. Mahasiswa dapat memberikan gambaran tentang suatu data dengan
menggunakan uji paired sample t-test dan one way ANOVA
2. Mahasiswa dapat menghitung 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 dan P𝑣𝑎𝑙𝑢𝑒 yang didapat
3. Mahasiswa dapat menganalisa kasus menggunakan uji paired sample t test
4. Mahasiswa dapat mengtahui ada tidak perbedaan data berdasarkan dua
perlakuan variabel independent
II. Tinjauan Pustaka
A. Statistik Inferensi
Statistik inferensial adalah teknik analisis data yang digunakan untuk
menentukan sejauh mana kesamaan antara hasil yang diperoleh dari suatu sampel
dengan hasil yang akan didapat pada populasi secara keseluruhan. Jadi statistik
inferensial membantu peneliti untuk mencari tahu apakah hasil yang diperoleh
dari suatu sampel dapat digeneralisasi pada populasi. Sejalan dengan pengertian
statistik inferensial menurut Creswell, Muhammad Nisfiannoor berpendapat
bahwa statistik inferensial adalah metode yang berhubungan dengan analisis data
pada sampel untuk digunakan untuk penggeneralisasian pada populasi.
Penggunaan statistik inferensial didasarkan pada peluang (probability) dan sampel
yang dipilih secara acak (random). Konsep statistik inferensial yaitu;

RABU / MEJA 12
1. Standard Error
Peluang setiap sampel sangat identik dengan populasinya sangat kecil
(nill) meskipun inferensi populasi didapat dari informasi sampel.Penerapan
random sampling tidak menjamin karakteristik sampel sama persis dengan
populasi. Variasi prediksi antara mean disebut sampling error. Sampling error ini
tidak bisa dihindari dan ini bukan kesalahan peneliti. Yang menjadi persoalah
adalah apakah error tersebut semata-mata hasil sampling error atau merupakan
perbedaan yang bermakna yang akan pula ditemukan pada papulasi yang lebih
besar.
Ciri standard error adalah bahwa error yang terjadi bisaanya berdistribusi
normal yang besarnya berbeda-bedadan error tersebut cenderung membentuk
kurva normal yang menyerupai lonceng.
Faktor utama yang mempengaruhi standard error adalah jumlah sampel.
Semakin banyak sampelnya, semakin kecil standard errornya. Ini menunjukkan
bahwasampel penelitian semakin akurat bila banyak sampelnya.
Faktor utama yang mempengaruhi standard error adalah jumlah sampel.
Semakin banyak sampelnya, semakin kecil standard error meannya yang berarti
bahwa semakin kecil standard error-nya, semakin akurat mean sampel untuk
dijadikan estimator untuk mean populasinya.
2. Pengujian Hipotesis
Pengujian hipotesis adalah proses pengambilan keputusan dimana peneliti
mengevaluasi hasil penelitian terhadap apa yang ingin dicapai sebelumnya.
Misalnya, kita ingin menerapkan program baru dalam pelajaran membaca. Pada
rencana penelitian dikemukanan hipotesis penelitian yang memprediksi perbedaan

RABU / MEJA 12
skor siswa yang menjalni program baru tadi dengan proglam lama, dan hipotesis
nol (0), yang memprediksikan skor kedua kelompok tidak akan berbeda. Setelah
data dihitung mean dan standar deviasinya dan hasilnya menunjukkan skor siswa
dengan program baru lebih tinggi (berbeda secara signifikan) daripada siswa yang
mengikuti program lama, maka hipotesis penelitian diterima dan hipotesis nol
ditolak. Yang berarti bahwa program baru tersebut efektif untuk diterapkan pada
program membaca. Intinya, pengujian hipotesis adalah proses evaluasi hipotesis
nol, apakah diterima tau ditolak
3. Uji Signifikansi
Uji signifikasi adalah cara mengetahui adanya perbedaan antara dua skor.
Signifikansi merujuk pada tingkat statistik dari probabilitas dimana dengannya
kita bisa menolak hipotesis nol. Uji signifikansi dilakukan dengan menentukan
tingkat probabilitas praseleksi yang dikenal dengan tingkat signifikansi (α).
Tingkat probailitas ini dijadikan dasar untuk menolak atau tidak menolak
hipotesis nol. Standar yang digunakan umumnya 0,05 kesempatan (5 dari 100).
Adapula yang menggunakan 0.01. Semakin kecil nilai probabilitasnya, semakin
kecil pula kemungkinan temuan tersebut diperoleh karena disebabkan oleh
peluang
 Jenis-jenis Statistik Inferensi
Terdapat dua jenis statistik inferensial :
1. Statistik Parametrik yaitu teknik yang didasarkan pada asumsi bahwa data
yang diambil mempunyai distribusi normal dan menggunakan data interval
dan rasio.

RABU / MEJA 12
 Uji-t
Uji-t digunakan untuk menentukan apakah 2 kelompok skor memiliki
perbedaan yang signifikan di tingkat probabilitas pilihan. Contohnya, Uji-t
dapat digunakan untuk membandingkan skor membaca pada laki-laki dan
skor membaca pada perempuan di sekolah A.
 Analisis Varians (ANOVA)
Dalam Educational Research (2008), Cresswell mengartikan ANOVA
sebagai teknik statistik yang digunakan untuk perbedaan yang ada pada
lebih dari dua kelompok data. Adapun jenis analisis varians, yakni:
ANOVA sederhana (satu arah) digunakan untuk menentukan apakah skor
dari dua kelompok atau lebih memiliki perbedaan secara signifikan pada tingkat
probabilitasnya. Misalnya, pengukuran prestasi siswa berdasarkan tingkat
ekonominya (tinggi, sedang, dan rendah), dimana tingkat ekonomi sebagai
variabel kelompok dan tingkat ekonomi sebagai variabel dependennya.
Multi comparison adalahpengujian yang melibatkan perhitungan bentuk
istimewa dari uji-t. Setiap kali uji signifikansi dilakukan, tingkat probabilitasnya
kita terima. Misalnya, kita setuju kalau hasil yang akan didapatakan muncul hanya
5 kali kesempatan pada setiap 100 sampel. Hasil tersebut dikatakan bermakna dan
bukan sekedar karena peluang semata.
 ANOVA Multifaktor
Seperti pembahasan kelompok sebelumnya, desain factorial digunakan
untuk meneliti dua variabel bebas atau lebih serta hubungan di antara variabel
tersebut, maka ANOVA multifaktor adalah jenis analisis statistik yang paling
sesuai. Hasilan alisisnya adalah rasioF terpisah untuk setiap variabel bebas dan

RABU / MEJA 12
satu rasio F untuk interaksi. Misalnya, kita ingin mengetahui apakah gender dan
tingkat ekonomi (tinggi, sedang, dan rendah) mempengaruhi prestasi mahasiswa.
ANOVA multifaktor memungkinkan kita untuk menghitung kedua variabel bebas
(gender dan tingkat ekonomi) dan variabel terikat (prestasi; IPK, skor bahasa, skor
matematika, dsb)
 Analysis of Covariance (ANCOVA)
Analisis ini model ANOVA yang digunakan dengan cara berbeda dimana
variabel bebas dihitung dengan memperhatikan rancangan penelitian. Bila
penelitian memiliki 2 variabel bebas atau lebih, maka uji jenis inilah yang cocok
digunakan melalui dua cara yakni: (1) sebagai teknik pengendalian variabel luar
(extraneous variable) serta sebagai alat untuk meningkatkan kekuatan uji statistik.
ANCOVA bisa digunakan pada penelitian kausal komparatif maupun penelitian
ekperimental yang melibatkan kelompok yang sudah ada dan kelompok yang
dibentuk secara acak, dan (2) ANCOVA digunakan untuk memperkuat uji
statistic dengan memperkecil varians dalam kelompok (error). Kekuatan yang
dimaksudkan adalah kemampuan uji signifikansi untuk mengenali temuan riset
sebenarnya, yang memungkinkan penguji menolak hipotesis 0 (nol) yang salah
 Regresi Jamak
Regresi jamak digunakan pada data berbentuk rasio dan interval. Regresi
jamak menggabungkan variabel yang diketahui secara terpisah untuk
memprediksi (misalnya, hubungan antara) criteria dalam persamaan (rumus)
prediksi atau dikenal dengan Multiple Regression Equation. Regresi jamak
merupakan prosedur analisis untuk penelitian eksperimental, kausal komparatif,
dan korelasional karena teknik ini tidak hanya untuk menentukan apakah ada

RABU / MEJA 12
hubungan antar variable tetapi juga untuk mengetahui besar (kuatnya) hubungan
tersebut. Salah satu jenis regresi jamak adalah step-wise analysis yang
memungkinakn kita memasukkan atau mengeluarkan variabel utama (predicator)
ke dalam persamaan regresi tahap demi tahap. Regresi jamak juda menjadi dasar
analisis jalur yang bertujuan untuk mengidentifikasi tingkat interaksi variabel
utama satu sama lain dan berkontribusi pada variabel terikat.
 Korelasi
Menurut Cohen, dkk., Teknik korelasi digunakan untuk mengetahui tiga
hal pada dua variabel atau dua set data. Pertama, “Apakah ada hubungan antara
dua variabel atau set data”. Bila jawabannya “ya”, maka dua hal berikutnya perlu
kita cari yakni; “Bagaimana arah hubugan tersebut”; dan “Apa yang menjadi
ukurannya?” Hubungan yang dimaksudkan adalah kencenderungan dua variabel
atau set data berbeda secara konsisten. Dalam Solusi Mudah dan Cepat
Menguasai SPSS 17.0 unruk Pengolahan Data Statistik (Wahana Komputer,
2009) dikatakan analisis korelasi dilakukan untuk menunjukkan keeratan
hubungan kausal antara variabel-variabel. Jenis-jenis analisis korelasi, yaitu:
Korelasi sederhana, yaitu , korelasi parsial, dan uji distance.
2. Statistik Non-parametrik
Statistik nonparametrik adalah jenis statistik inferensial yang tidak
mengharuskan data berdistribusi normal dan jenis data yang digunakan adalah
data nominal dan ordinal.
a. Chi Square
Chi Square adalah suatu ukuran menyangkut perbedaan yang terdapat di
antara frekuensi pengamatan dengan frekuensi teoritis/frekuensi harapan yang

RABU / MEJA 12
dinyatakan dengan simbol
b. Uji T untuk Dua Sampel Berpasangan
T-test dependent atau sering diistilakan dengan Paired Sampel t-Test,
adalah jenis uji statistika yang bertujuan untuk membandingkan rata-rata dua grup
yang saling berpasangan. Sampel berpasangan dapat diartikan sebagai sebuah
sampel dengan subjek yang sama namun mengalami 2 perlakuan atau pengukuran
yang berbeda, yaitu pengukuran sebelum dan sesudah dilakukan sebuah
treatment.(Sugiyono, 2010)
Menurut Prof. Dr. Sugiyono (2009), definisi dari t test dependent adalah
pengujian yang mana tidak adanya perbedaan yang signifikan antara nilai variabel
dari dua sampel yang berpasangan atau berkolerasi. Sampel berpasangan dapat
berupa :
1. Satu sampel yang diukur dua kali misalnya sebelum sampel diberi iklan
dan sesudah diberi iklan. Yang diukur selanjutnya adalah apakah setelah
diberi iklan anggota sampel yang membeli barang lebih banyak daripada
anggota sampel sebelum diberi iklan atau tidak.
2. Dua sampel berpasangan diukur bersama, misalnya sampel yang satu
diberi iklan, sampel yang lain tidak. Yang diukur selanjutnya adalah
apakah anggota sampel yang diberi iklan memberi barang lebih banyak
atau tidak dari pada yang tidak diberi iklan.
 Fungsi dari Uji T-test dependent
Fungsi dari t-test dependent adalah untuk membandingkan rata-rata dua
grup yang saling berpasangan. Sampel berpasangan dapat diartikan sebagai
sebuah sampel dengan subjek yang sama namun mengalami 2 perlakuan atau

RABU / MEJA 12
pengukuran yang berbeda, yaitu pengukuran sebelum dan sesudah dilakukan
sebuah perlakuan. Selain itu untuk menguji efektifitas suatu perlakuan terhadap
suatu besaran variabel yang ingin ditentukan, misalnya untuk mengetahui
efektifitas metode penyuluhan terhadap peningkatan pengetahuan dari responden.(
Ridwan, 2009)
 Syarat – syarat penggunaan uji t – test dependent, terdiri dari :
1. Uji komparasi antar dua nilai pengamatan berpasangan, misalnya: sebelum
dan sesudah
2. Digunakan pada uji parametrik dimana syaratnya sebagai berikut:
a. satu sampel (setiap elemen mempunyai 2 nilai pengamatan)
b. merupakan data kuantitatif (rasio-interval)
c. Data berdistribusi normal (di populasi terdapat distribusi difference
= d yang berdistribusi normal dengan mean μd=0 dan variance=1)
(Sugiyono, 2010)
 Jenis Hipotesis pada Uji T - Test Dependent
1. Uji dua arah. Pada hipotesis awal tidak terdapat perbedaan yang signifikan
antara rata-rata 1 dan rata-rata 2, sedangkan pada hipotesis alternatif
sebaliknya yaitu terdapat perbedaan rata-rata 1 dan rata-rata 2.
2. Uji satu arah dimana pada hipotesis awal kelompok atau sampel 1
memiliki rata-rata sama dengan atau lebih besar dengan rata-rata
kelompok 2. sedangakan hipotesis alternatif rata-rata kelompok 1 lebih
kecil dibandingkan dengan rata-rata kelompok 2.
3. Uji satu arah ini kebalikan pada hipotesis kedua, dimana pada hipotesis
awal kelompok atau sampel 1 memiliki rata-rata sama dengan atau lebih

RABU / MEJA 12
kecil dengan rata-rata kelompok 2. sedangakan hipotesis alternatif rata-rata
kelompok 1 lebih besar dibandingkan dengan rata-rata kelompok 2.
Hipotesis awal ditolak, bila:
|t hitung| > t tabel ( terdapat perbedaan / Ha)
atau:
Hipotesis awal diterima, bila:
|t hitung| <= t tabel (tidak terdapat perbedaan / Ho)
 Langkah Menggunakan Uji T – Test Dependent
Menurut Ratih (2014), Langkah-langkah pengujian signifikansi (hipotesis)
dalam Pengujian Perbedaan Rata‐rata Dua kelompok berpasangan:
1. Tetapkan H0 dan H1
2. Tetapkan titik kritis (tingkat kepercayaan 95 %) atau (tingkat kepercayaan
99 %) yang terdapat pada tabel “t”.
3. Tentukan daerah kritis, dengan db = n -1.
4. Tentukan t hitung dengan menggunakan rumus.
5. Lakukan uji signifikansi dengan membandingkan besarnya “ t” hitung
dengan “t” tabel.
C. One Way ANOVA dan Two Way ANOVA
Analisis of variance atau ANOVA merupakan salah satu teknik analisis
multivariate yang berfungsi untuk membedakan rata-rata lebih dari dua kelompok
data dengan cara membandingkan variansinya. Sedangkan menurut Teguh
Wahyono dalam bukunya, “25 Metode Anlisis dengan menggunakan SPSS 17”
One Way ANOVA merupakan prosedur yang digunakan untuk menghasilkan
analisis variansi satu arah untuk variabel dependen dengan tipe data kuantitatif

RABU / MEJA 12
dengan sebuah variabel independen sebagai variabel faktor.
Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher (Bapak
Statistika Modern). Dalam praktek, analisis varians dapat merupakan uji hipotesis
(lebih sering dipakai) maupun pendugaan (estimasi khususnya di bidang genetika
terapan). Analisis varian dapat dilakukan untuk menganalisis data yang berasal
dari berbagai macam jenis dan desain penelitian.
Sebelum menguji dengan ANOVA, data harus berdistribusi normal dan
mempunyai varians yang sama. Data yang digunakan pada One Way ANOVA
untuk nilai variabel pada faktor harus integer sedangkan variabel dependen harus
berupa data kuantitatif (tingkat pengukuran interval).Asumsi yang digunakan pada
One Way ANOVA, yaitu setiap kelompok pada sampel acak independen dari
populasi yang normal dan bervarian homogen. Dari output uji Anova akan
diperoleh nilai F hitung. Jika nilai F hitung tidak signifikan, berarti rata-rata
variabel dependen pada tingkat faktor yang ditentukan identik. Jika F hitung
signifikan berarti terdapat perbedaan rata-rata variabel dependen pada tingkat
faktor yang telah ditentukan.
Jika kita menggunakan two way ANOVA kita bisa menguji main effect dan
juga interaction effect dari masing-masing variable independent terhadap variable
dependen. Main effect merupakan pengaruh langsung salah satu variable
independen terhadap variable depenen dengan membandingkan rata-rata skor
pada masing-masing kategori variabel dependen. Sedangkan interaction effect
memberikan gambaran kepada peneliti apakah pengaruh sebuah variable
independen terhadap variabel dependen berlaku untuk variabel dependen lainnya
atau tidak.

RABU / MEJA 12
III. Pengumpulan Data
A. Identifikasi Variabel
1. Variabel Terikat
Variabel terikat adalah variabel yang perubahannya dipengaruhi
olehvariabel lain, dalam hal ini variabel terikatnya adalah hasil produksi pupuk
dan hasil tes.
2. Variabel bebas
Variabel bebas adalah variabel yang mempengaruhi variabel terikat.
Adapunvariabel yang berpengaruhi dalam hal ini adalah jenis pupuk dan jenis
gender
B. Soal Laporan Resmi
1. Uji Paired Sample T-Test
Seorang petani sayuran sedang melakukan penelitian tentang pengaruh
pupuk terhadap produksi sayuran yang ditanamnya. Maka dilakukan penelitian
dengan menggunakan empat macam pupuk yaitu: pupuk Urea, pupuk Kompos,
pupuk Kandang, dan pupuk Hijau dan diperoleh data (dalam kg/Ha) sebagai
berikut.
Tabel 3.1 Soal Uji Paired Sample T-Test
Data hasil Jumlah Produksi berdasarkan perbedaan Pupuk

Pengamatan Pupuk Urea Pupuk Kompos Pupuk Kandang Pupuk Hijau
1 91 96 95 92
2 90 94 94 90
3 100 95 90 91
4 105 95 92 97
5 98 105 95 96
6 97 97 101 90
7 95 103 99 100
8 90 105 98 102
9 91 104 95 100
10 91 104 93 96
11 99 98 92 97

RABU / MEJA 12
Data Pengamatan Pupuk Urea Pupuk Kompos Pupuk Kandang Pupuk Hijau
12 100 97 100 100
13 102 100 102 95
14 96 103 97 94
15 95 100 96 94
16 95 101 101 90
17 90 98 97 96
18 101 105 96 96
19 100 103 97 97
20 92 100 102 100
Pertanyaan :
a. Apakah ada perbedaan jumlah produksi sayuran karena menggunakan
pupuk Urea vs menggunakan pupuk Kompos?
b. Apakah ada perbedaan jumlah produksi sayuran menggunakan pupuk
Kompos vs menggunakan pupuk Kandang?
c. Apakah ada perbedaan jumlah produksi sayuran kerena menggunakan
pupuk Kandang vs menggunakan pupuk Hijau?
2. Uji One Way ANOVA
PT. Mau Sukses sedang melakukan seleksi penerimaan pegawai baru
terdapat 4 jenis seleksi yang akan di ujikan dan pihak perusahaan ingin
mengetahui apakah terdapat perbedaan rata-rata yang nyata ingin mengetahui
apakah terdapat perbedaan rata-rata yang nyata antar variabel Gender, untuk
mendapatkan nilai tes yang diujikan.
Tabel 3.2 Soal Uji One Way ANOVA
Gender Tes Tulis Tes Kesehatan Tes Wawancara

Male 70 80 80
Male 80 80 85
Female 75 80 85
Female 85 86 90
Female 87 80 88
Female 78 80 95
Male 75 75 80
Male 80 88 90
Female 80 80 88
Male 78 82 85

RABU / MEJA 12
Female 76 80 86
Female 81 78 81
Female 88 87 87
Male 78 80 78
Female 80 87 77
Female 76 80 78
Male 80 78 80
Male 72 79 80
Female 86 80 80
Male 84 80 80
Pertanyaan :
a. Apakah terdapat perbedaan rata-rata yang nyata antar variabel Gender
untuk mendapatkan nilai Tes Tulis?
b. Apakah terdapat perbedaan rata-rata yang nyata antar variabel Gender
untuk mendapatkan nilai Tes Kesehatan?
c. Apakah terdapat perbedaan rata-rata yang nyata antar variabel Gender
untuk mendapatkan nilai Tes Wawancara?
C. Tabel Pengumpulan Data
Tabel 3.3 Soal Uji Paired Sample T-Testsetelah dikurangi 5.
Data hasil Jumlah Produksi berdasarkan perbedaan Pupuk

pengamatan Pupuk Urea Pupuk Kompos Pupuk Kandang Pupuk Hijau
1 86 91 90 87
2 85 89 89 85
3 95 90 85 86
4 100 90 87 92
5 93 100 90 91
6 92 92 96 85
7 90 98 94 95
8 85 100 93 97
9 86 99 90 95
10 86 99 88 91
11 94 93 87 92
12 95 92 95 95
13 97 95 97 90
14 91 98 92 89
15 90 95 91 89
16 90 96 96 85
17 85 93 92 91

RABU / MEJA 12
Data
Pupuk Urea Pupuk Kompos Pupuk Kandang Pupuk HIjau
pengamatan
18 96 100 91 91
19 95 98 92 92
20 87 95 97 95
2. Uji One Way ANOVA
Tabel 3.4 Soal Uji One Way ANOVAsetelah ditambah 5.

Male 75 85 85
Male 85 85 90
Female 80 85 90
Female 90 91 95
Female 92 85 93
Female 83 85 100
Male 80 80 85
Male 85 93 95
Female 85 85 93
Male 83 87 90
Female 81 85 91
Female 86 83 86
Female 93 92 92
Male 83 85 83
Female 85 92 82
Female 81 85 83
Male 85 83 85
Male 77 84 85
Female 91 85 85
Male 89 85 85
IV. Pengolahan Data
A. Perhitungan Manual
a. Uji Paired Sample T-Test Variabel Jumlah Produksi Pupuk Urea dan
Pupuk Kompos.
Tabel 3.5 Jumlah Produksi Pupuk Urea dan Pupuk Kompos.
No. Pupuk Urea Pupuk Kompos

1. 86 91
2. 85 89
3. 95 90

RABU / MEJA 12
No. Pupuk Urea Pupuk Kompos
4. 100 90
5. 93 100
6. 92 92
7. 90 98
8. 85 100
9. 86 99
10. 86 99
11. 94 93
12. 95 92
13. 97 95
14. 91 98
15. 90 95
16. 90 96
17. 85 93
18. 96 100
19. 95 98
20. 87 95
 Mean Jumlah Produksi Pupuk Urea
Mean Pupuk Urea =

 x = (86+85+⋯+87)= 90,90
n 20
Mean Jumlah Produksi Pupuk Kompos
Mean Pupuk Kompos =

 x = (91+89+⋯+95)= 95,15
n 20
 Standar Deviasi Jumlah Produksi Pupuk Urea
̅̅̅2
∑(𝑥𝑖−𝑥)
SD =√ 𝑛−1
∑(86−90,90)̅2 +(85−90,90)2 +⋯..+(87−90,90)2

=√ = 4,62
20−1
Standar Deviasi Jumlah Produksi Pupuk Kompos
̅̅̅2
SD =√ 𝑛−1
∑(91−95,15)̅2 +(89−95,15)̅2 +⋯..+(95−95,15)2

=√ = 3,72
20−1

RABU / MEJA 12
 SE Mean Jumlah Produksi Pupuk Urea
𝑆𝐷 4,62
𝑆𝐸 = = = 1,03
√𝑁 √20
SE Mean Jumlah Produksi Pupuk Kompos
𝑆𝐷 3,72
𝑆𝐸 = = = 0,83
√𝑁 √20
 Varians gabungan antara keduanya
(𝑛1−1)𝑆𝐷12 + (𝑛2−1)𝑆𝐷2²
Sp2 = (𝑛1+𝑛2)−2
(20−1)4,622 + (20−1)3,72²
= (20+20)−2
= 17,5914
Sp = √17,5914
= 4,19
 T-Hitung
Ẋ1− Ẋ2
T-hitung = 1 1
√𝑠𝑝 [ + ]
𝑛1 𝑛2
90,90−95,15
= 1 1
= -21,25
√4,19[ + ]
20 20
b. Uji Paired Sample T-Test Variabel Jumlah Produksi Pupuk Kompos dan
Pupuk Kandang.
Tabel 3.6 Jumlah Produksi Pupuk Kompos dan Pupuk Kandang.
No. Pupuk Kompos Pupuk Kandang

1. 91 90
2. 89 89
3. 90 85
4. 90 87
5. 100 90
6. 92 96
7. 98 94
8. 100 93

RABU / MEJA 12
No. Pupuk Kompos Pupuk Kandang
9. 99 90
10. 99 88
11. 93 87
12. 92 95
13. 95 97
14. 98 92
15. 95 91
16. 96 96
17. 93 92
18. 100 91
19. 98 92
20. 95 97
 Mean Jumlah Produksi Pupuk Kompos
Mean Pupuk Urea =

 x = (91+89+⋯+95)= 95,15
n 20
Mean Jumlah Produksi Pupuk Kandang
Mean Pupuk Kompos =

 x = (90+89+⋯+97)= 91,6
n 20
 Standar Deviasi Jumlah Produksi Pupuk Kompos
̅̅̅2
SD =√ 𝑛−1
∑(91−95,15)̅2 +(89−95,15)2 +⋯..+(95−95,15)2

=√ = 3,717
20−1
Standar Deviasi Jumlah Produksi Pupuk Kandang
̅̅̅2
SD =√ 𝑛−1
∑(90−91,6)2 +(89−91,6)̅2 +⋯..+(97−91,6)2

=√ = 3,485
20−1
 SE Mean Jumlah Produksi Pupuk Kompos
𝑆𝐷 3,717
𝑆𝐸 = = = 0,831
√𝑁 √20

RABU / MEJA 12
SE Mean Jumlah Produksi Pupuk Kandang
𝑆𝐷 3,485
𝑆𝐸 = = = 0,779
√𝑁 √20
(𝑛1−1)𝑆𝐷12 + (𝑛2−1)𝑆𝐷2²
Sp2 = (𝑛1+𝑛2)−2
(20−1)3,7172 + (20−1)3,485²
= (20+20)−2
= 12,98
Sp = √12,98
= 3,60
 T-Hitung
Ẋ1− Ẋ2
T-hitung = 1 1
√𝑠𝑝 [ + ]
𝑛1 𝑛2
95,15−91,60
= 1 1
= 18,68
√3,60 [ + ]
20 20
c. Uji Paired Sample T-Test Variabel Jumlah Produksi Pupuk Kandang dan
Pupuk Hijau.
Tabel 3.7 Jumlah Produksi Pupuk Kandang dan Pupuk Hijau.
No. Pupuk Kandang Pupuk Hijau

1. 90 87
2. 89 85
3. 85 86
4. 87 92
5. 90 91
6. 96 85
7. 94 95
8. 93 97
9. 90 95
10. 88 91
11. 87 92
12. 95 95
13. 97 90
14. 92 89

RABU / MEJA 12
No Pupuk Kandang Pupuk Hijau
15. 91 89
16. 96 85
17. 92 91
18. 91 91
19. 92 92
20. 97 95
 Mean Jumlah Produksi Pupuk Kandang
Mean Pupuk Urea =

 x = (90+89+⋯+97)= 91,60
n 20
Mean Jumlah Produksi Pupuk Hijau
Mean Pupuk Kompos =

 x = (87+85+⋯+95)= 90,65
n 20
 Standar Deviasi Jumlah Produksi Pupuk Kandang
̅̅̅2
SD =√ 𝑛−1
∑(90−91,60)̅2 +(89−91,60)2 +⋯..+(97−91,60)2

=√ = 3,485
20−1
Standar Deviasi Jumlah Produksi Pupuk Hijau
̅̅̅2
SD =√ 𝑛−1
∑(87−90,65)2 +(87−90,65)̅2 +⋯..+(95−90,65)2

=√ = 3,689
20−1
 SE Mean Jumlah Produksi Pupuk Kandang
𝑆𝐷 3,485
𝑆𝐸 = = = 0,779
√𝑁 √20
SE Mean Jumlah Produksi Pupuk Hijau
𝑆𝐷 3,689
𝑆𝐸 = = = 0,825
√𝑁 √20

RABU / MEJA 12
(𝑛1−1)𝑆𝐷12 + (𝑛2−1)𝑆𝐷2²
Sp2 = (𝑛1+𝑛2)−2
(20−1)3,4852 + (20−1)3,689²
= (20+20)−2
= 12,88
Sp = √12,88
= 3,59
 T-Hitung
Ẋ1− Ẋ2
T-hitung = 1 1
√𝑠𝑝 [ + ]
𝑛1 𝑛2
91,60−90,65
= 1 1
= 5
√3,59 [ + ]
20 20
2. One Way ANOVA
a. Gender dan Tes Tulis
Tabel 3.8 Data Gender dan Tes Tulis
Gender Tes Tulis

Male 75
Male 85
Female 80
Female 90
Female 92
Female 83
Male 80
Male 85
Female 85
Male 83
Female 81
Female 86
Female 93
Male 83
Female 85
Female 81
Male 85
Male 77
Female 91
Male 89

RABU / MEJA 12
Tabel 3.9 Penggolongan Data Gender dan Tes Tulis
Gender Tes Tes Gender Tes Tes

Male Tulis Tulis2 Female Tulis Tulis2
1 75 5625 2 80 6400
1 85 7225 2 90 8100
1 80 6400 2 92 8464
1 85 7225 2 83 6889
1 83 6889 2 85 7225
1 83 6889 2 81 6561
1 85 7225 2 86 7396
1 77 5929 2 93 8649
1 89 7921 2 85 7225
2 81 6561
2 91 8281
Σx Σx2 Σx Σx2
Total Total
742 550564 947 896809
Nb : 1 = Male, 2 = Female
 Mean Male =
 x = (75+85+⋯+89)= 82,4
n 9
Mean Female =
 x = (80+90+⋯+91)= 86,09
n 11
 Standar Deviasi Male
̅̅̅2
SD =√ 𝑛−1
∑(75−82,4)̅2 +(85−82,4)2 +⋯..+(89−82,4)2

=√ = 4,39
9−1
Standar Deviasi Female
̅̅̅2
SD =√ 𝑛−1
∑(80−86,09)2 +(90−86,90)̅2 +⋯..+(91−86,90)2

=√ = 4,72
11−1
 SE Mean Male
𝑆𝐷 4,39
𝑆𝐸 = = = 1,46
√𝑁 √9

RABU / MEJA 12
SE Mean Female
𝑆𝐷 4,72
𝑆𝐸 = = = 1,42
√𝑁 √11
 Fhitung :
Tabel 3.10 Tabel Fhitung Gender dan Tes Tulis
Sumber Variasi Dk JK KT F
Rata – rata 1 Ry R = Ry / 1
Antar Kelompok k–1 Ay A = Ay / (k – 1) A/D
Dalam Kelompok  n - 1
i
Dy D = Dy /  n - 1
i
Total n i Y 2 - -
Keterangan :
(ΣXFemale+ΣXMale)²
Ry = 𝜂
(ΣXFemale)² (ΣXMale)²
Ay = + - Ry
𝜂 Female 𝜂 Male
Ey² = (ΣXFemale)² + (ΣXMale)²
Dy = ƩY²-Ry-Ay
Maka :
Ʃ Female = 947
Ʃ Male = 742
(947+742)2
Ry = = 142636,1
20
(947)2 (742)2
Ay = + – 142636,1 = 65,77
11 9
∑y2 = 9472+7422= 896809 + 550564 = 1447373
Dy = 1447373– 142636,61 – 65,77 = 1304670,62
antar kelompok −495526,82

Fhitung= dalam kelompok = = -6,97
71018,65

RABU / MEJA 12
Tabel 3.12 Data Fhitung Gender dan Tes Tulis
Rata – rata 1 142636,1 142636,1 65,77
Antar Kelompok 1 65,77 65,77
Dalam Kelompok 18 1304670,62 72481,7 72481,7
Total 20 1447373 - 9,1
b. Gender dan Tes Kesehatan
Tabel 3.13 Data Gender dan Tes Kesehatan
Gender Tes Kesehatan

Male 85
Male 85
Female 85
Female 91
Female 85
Female 85
Male 80
Male 93
Female 85
Male 87
Female 85
Female 83
Female 92
Male 85
Female 92
Female 85
Male 83
Male 84
Female 85
Male 85
Tabel 3.14 Penggolongan Data Gender dan Tes Kesehatan

Male Kesehatan Kesehatan2 Female Kesehatan Kesehatan2
1 85 7225 2 85 7225
1 85 7225 2 91 8281
1 80 6400 2 85 7225
1 93 8649 2 85 7225
1 87 7569 2 85 7225
1 85 7225 2 85 7225
1 83 6889 2 83 6889
1 84 7056 2 92 8464
1 85 7225 2 92 8464
2 85 7225
2 85 7225
Σx Σx2 Σx Σx2
Total Total
767 588289 953 908209

RABU / MEJA 12
 Mean Male =
 x = (85+85+⋯+85) = 85,2
n 9
Mean Female =
 x = (85+91+⋯+85)= 86,63
n 11
̅̅̅2
SD =√ 𝑛−1
∑(85−85,2)̅2 +(85−85,2)2 +⋯..+(85−85,2)2

=√ = 3,49
9−1
̅̅̅2
SD =√ 𝑛−1
∑(85−86,63)2 +(91−86,63)̅2 +⋯..+(85−86,63)2

=√ = 3,29
11−1
 SE MeanMale
𝑆𝐷 3,49
𝑆𝐸 = = = 1,16
√𝑁 √9
SE MeanFemale
𝑆𝐷 3,29
𝑆𝐸 = = = 0,99
√𝑁 √11
 Fhitung :
Tabel 3.15 Tabel Fhitung Gender dan Tes Kesehatan
Antar Kelompok k-1 Ay A = Ay / (k – 1) A/D
Dalam Kelompok Ʃ (𝑛𝑖 −1) Dy D = Dy /  n - 1

i
Total
Ʃ 𝑛𝑖 Y 2 - -
Keterangan :

RABU / MEJA 12
Ry = 𝜂
Ay = + - Ry
Ey² = ΣXFemale² + ΣXMale²
Dy = ƩY²-Ry-Ay
Maka :
Ʃ Female = 953
Ʃ Male = 767
(953+767)2
Ry = = 147920
20
(953)2 (767)2
Ay = + – 147920 = 9,9
11 9
∑y2 = 9532+7672 = 1496498
Dy = 1496498 – 147920 – 9,9 = 1348568,1
antar kelompok 9,9

Fhitung= dalam kelompok = 74920,5 = 1,321
Tabel 3.16 Data Fhitung Gender dan Tes Kesehatan
Rata – rata 1 147920 147920 9,9
Antar Kelompok 1 9,9 9,9
Dalam Kelompok 18 1348568,1 74920,5 74920,5
Total 20 1496498 - 1,321
c. Gender dan Tes Wawancara
Tabel 3.17 Data Gender dan Tes Wawancara
Gender Tes Wawancara

Male 85
Male 90
Female 90
Female 95
Female 93
Female 100
Male 85
Male 95

RABU / MEJA 12
Gender Tes Wawancara
Female 93
Male 90
Female 91
Female 86
Female 92
Male 83
Female 82
Female 83
Male 85
Male 85
Female 85
Male 85
Tabel 3.18 Penggolongan Data Gender dan Tes Wawancara

Male Wawancara Wawancara2 Female Wawancara Wawancara2
1 85 7225 2 90 8100
1 90 8100 2 95 9025
1 85 7225 2 93 8649
1 95 9025 2 100 10000
1 90 8100 2 93 8649
1 83 6889 2 91 8281
1 85 7225 2 86 7396
1 85 7225 2 92 8464
1 85 7225 2 82 6724
2 83 6889
2 85 7225
Σx Σx2 Σx Σx2
Total Total
783 613089 990 980100
 Mean Male =
 x = (85+90+⋯+85) = 87
n 9
Mean Female =
 x = (90+95+⋯+85)= 90
n 11
̅̅̅2
SD =√ 𝑛−1
∑(85−87)̅2 +(90−87)2 +⋯..+(85−87)2

=√ = 3,841
9−1

RABU / MEJA 12
̅̅̅2
SD =√ 𝑛−1
∑(90−90)2 +(95−90)̅2 +⋯..+(85−90)2

=√ = 5,495
11−1
 SE MeanMale
𝑆𝐷 3,841
𝑆𝐸 = = = 1,28
√𝑁 √9
SE MeanFemale
𝑆𝐷 5,495
𝑆𝐸 = = = 1,66
√𝑁 √11
 Fhitung :
Tabel 3.19 Tabel Fhitung Gender dan Tes Wawancara
Antar Kelompok k–1 Ay A = Ay / (k – 1) A/D
Dalam Kelompok  n - 1
i
Dy D = Dy /  n - 1
i
Total n i Y 2 - -
Keterangan :
Ry = 𝜂
Ay = + - Ry
Ey² = ΣXFemale² + ΣXMale²
Dy = ƩY²-Ry-Ay
Maka :
Ʃ Female = 990

RABU / MEJA 12
Ʃ Male = 783
(990+783)2
Ry = = 157176,5
20
(990)2 (783)2
Ay = + – 157176,5 = 44,5
11 9
∑y2 = 9902+7832 = 1593189
Dy = 1593189 – 157176,5 – 44,5 = 1435968
antar kelompok 44,5

Fhitung= dalam kelompok = 79776 = 5,58
Tabel 3.20 Data Fhitung Gender dan Tes Wawancara
Rata – rata 1 157176,5 157176,5
Antar Kelompok 1
44,5
44,5 44,5
Dalam Kelompok 18 1435968 79776 79776
Total 20 1593189 - 5,58
B. Print Out dan Analisa Output
a. Jumlah Produksi Pupuk Urea dan Pupuk Kompos.
Gambar 3.1 Uji Paired Sample T-TestHasil Produksi Pupuk Urea dan Pupuk
Kompos
Analisa :
Hipotesa :
H0 = Tidak ada perbedaan hasil produksi Pupuk Urea vs Pupuk Kompos

RABU / MEJA 12
H1 = Ada perbedaan hasil produksi Pupuk Urea vs Pupuk Kompos
Parameter :
t hitung ≤ t value = H0 diterima
t hitung > t table = H0 ditolak
P_value ≥ 0,05 = H0 diterima
P_value < 0,05 = H0 ditolak
Perhitungan tabel
Ttabel = df = ( n-k ) = 40–2 = 38
Ttabel = 100% - (1/2 α)
Ttabel = 1 - 0,025
Ttabel = 0,975
𝑋−𝑋1 𝑌−𝑌1
Interpolasi = =
𝑋2 −𝑋1 𝑌2 −𝑌1
38−30 𝑌−2,01
= =
40 −30 2,02 −2,01
ttabel (0,975,38) =2,019
Luas ½ α Luas ½ α
Daerah
Daerah Penerimaan Ho Daerah
Penolakan Ho Penolakan Ho
-3,01 -2,019 2,019
Gambar 3.2 Kurva Paired Sample T-Test Pupuk Urea dan Pupuk Kompos.
Kesimpulan:
Karena t hitung ≤ t table yaitu -3,01≤ -2,019 maka H0 ditolak, dan P_value
≤0,05 yaitu 0,007≤ 0,05 maka H0 ditolak, yang berarti adanyaperbedaan

RABU / MEJA 12
hasil produksi Pupuk Urea vs Pupuk Kompos.
b. Jumlah Produksi Pupuk Kompos dan Pupuk Kandang.
Gambar 3.3 Uji Paired Sample T-Test Hasil Produksi Pupuk Kompos dan
Kandang.
Analisa :
Hipotesa :
H0 = Tidak ada perbedaan hasil produksi Pupuk Kompos dan Kandang
H1 = Ada perbedaan hasil produksi Pupuk Kompos dan Kandang
Parameter :
Perhitungan tabel
Ttabel = df = ( n-k ) = 40–2 = 38
Ttabel = 100% - (1/2 α)
Ttabel = 1 - 0,025
Ttabel = 0,975
Interpolasi = =
𝑋2 −𝑋1 𝑌2 −𝑌1

RABU / MEJA 12
38−30 𝑌−2,01
= =
40 −30 2,02 −2,01
ttabel (0,975,38) =2,019
Daerah
Daerah Penerimaan Ho Daerah
-2,019 2,019 3,51
Gambar 3.4 Kurva Paired Sample T-Test Pupuk Kompos dan Pupuk
Kandang.
Kesimpulan:
Karena t hitung ≥ t table yaitu 3,51≥2,019 maka H0 ditolak, dan P_value
≤ 0,05 yaitu 0,002≤ 0,05 maka H0 ditolak, yang berarti adanyaperbedaan
hasil produksi Pupuk Kompos vs Pupuk Kandang.
c. Jumlah Produksi Pupuk Kandang dan Pupuk Hijau.
Gambar 3.5 Uji Paired Sample T-Test Hasil Produksi Pupuk Kompos dan
Kandang.
Analisa :
Hipotesa :

RABU / MEJA 12
H0 = Tidak ada perbedaan hasil produksi Pupuk Kompos dan Kandang
H1 = Ada perbedaan hasil produksi Pupuk Kompos dan Kandang
Parameter :
Perhitungan tabel
Ttabel = df = ( n-k ) = 40–2 = 38
Ttabel = 100% - (1/2 α)
Ttabel = 1 - 0,025
Ttabel = 0,975
Interpolasi = =
𝑋2 −𝑋1 𝑌2 −𝑌1
38−30 𝑌−2,01
= =
40 −30 2,02 −2,01
ttabel (0,975,38) =2,019
Daerah
Daerah Daerah
Penerimaan Ho
-2,019 0,90 2,019
Gambar 3.6 Kurva Paired Sample T-Test Pupuk Kandang dan Pupuk Hijau.
Kesimpulan:

RABU / MEJA 12
Karena t hitung ≤ t table yaitu 0,90 ≤ 2,019 maka H0 diterima, dan
P_value≥ 0,05 yaitu 0,377≥ 0,05 maka H0 diterima, yang berarti tidak
adanya perbedaan hasil produksi Pupuk Kandang vs Pupuk Hijau.
2. One Way ANOVA
a. Gender dan Tes Tulis
Gambar 3.7 Uji One Way ANOVA Gender dan tes tulis
Analisa :

RABU / MEJA 12
DF Pembilang = 1
DF Penyebut = 18
F-tabel = 4,41 = (Daftar I)
Hipotesa :
Ho = Tidak ada pengaruh antara gender terhadap tes tulis
H1 = Ada pengaruh antara gender terhadap tes tulis
Parameter :
F hitung ≤ F tabel = Ho diterima
F hitung > F tabel = Ho ditolak
P_value ≥ 0,05 = Ho diterima
P_value < 0,05 = Ho ditolak
Daftar i
Daerah
Daerah Daerah
Penerimaan Ho
-4,41 3,41 4,41
Gambar 3.8 Grafik Uji One Way Anova Gender dan Tes Tulis
Kesimpulan
Karena Fhitung < Ftabel yaitu 3,41<4,41 dan P_value > 0,05 yaitu
0,093>0,05 sehingga Ho diterima. Maka tidak ada pengaruh antara gender
terhadap tes tulis.

RABU / MEJA 12
b. Gender dan Tes Kesehatan
Gambar 3.9 Uji One Way ANOVA Gender dan Tinggi Kesehatan
Analisa :
DF Pembilang = 1
DF Penyebut = 18

RABU / MEJA 12
Hipotesa :
Ho = Tidak ada pengaruh antara gender terhadap tes kesehatan
H1 = Ada pengaruh antara gender terhadap tes kesehatan
Parameter :
Daftar i
Luas ½ α
Luas ½ α
Daerah Daerah Daerah

Penolakan Ho Penerimaan Ho Penolakan Ho
-4,41 0,86 4,41
Gambar 3.10 Grafik Uji One Way Anova Gender dan Tes Kesehatan
Kesimpulan
Karena Fhitung < Ftabel yaitu 0,86<4,41 dan P_value > 0,05 yaitu 0,365
>0,05 sehingga Ho diterima. Maka tidak ada pengaruh antara gender
terhadap tes kesehatan.

RABU / MEJA 12
c. Gender dan Tes Wawancara
Gambar 3.11 Uji One Way ANOVA Gender dan Tinggi Wawancara
Analisa :
DF Pembilang = 1
DF Penyebut = 18
Hipotesa :
Ho = Tidak ada pengaruh antara gender terhadap tes wawancara
H1 = Ada pengaruh antara gender terhadap tes wawancara

RABU / MEJA 12
Parameter :
Daftar i
Daerah
Daerah Daerah
Penerimaan Ho
-4,41 1,91 4,41
Gambar 3.12 Grafik Uji One Way Anova Gender dan Tes Wawancara
Kesimpulan
Karena Fhitung < Ftabel yaitu 01,91<4,41 dan P_value > 0,05 yaitu 0,184
>0,05 sehingga Ho diterima. Maka tidak ada pengaruh antara gender
terhadap tes wawancara.
V. Kesimpulan dan Saran
A. Kesimpulan
 Paired Sample T-test
Untuk Paired Sample T-test hasil produksi Pupuk Urea vs Pupuk
Komposdidapatkan t hitung ≤ t table yaitu -3,01 ≤ -2,019 maka H0 ditolak, dan
P_value ≤ 0,05 yaitu 0,007 ≤ 0,05 maka H0 ditolak, yang berarti adanyaperbedaan
hasil produksi Pupuk Urea vs Pupuk Kompos. Sedangkan untuk Paired Sample T-

RABU / MEJA 12
test hasil produksi Pupuk Kompos vs Pupuk Kandang didapatkan t hitung ≥ t
table yaitu 3,51≥2,019 maka H0 ditolak, dan P_value ≤ 0,05 yaitu 0,002≤ 0,05
maka H0 ditolak, yang berarti adanyaperbedaan hasil produksi Pupuk Kompos vs
Pupuk Kandang. Sedangkan untuk Paired Sample T-test hasil produksi Pupuk
Kandang vs Pupuk Hijau didapatkan t hitung ≤ t table yaitu 0,90 ≤ 2,019 maka
H0 diterima, dan P_value≥ 0,05 yaitu 0,377≥ 0,05 maka H0 diterima, yang
berarti tidak adanyaperbedaan hasil produksi Pupuk Kandang vs Pupuk Hijau.
 One Way ANOVA
Untuk One Way ANOVA gender dan tes tulis didapatkan Fhitung < Ftabel
yaitu 3,41<4,41 dan P_value > 0,05 yaitu 0,093 >0,05 sehingga Ho diterima.
Maka tidak ada pengaruh antara gender terhadap tes tulis. Sedangkan untuk One
Way ANOVA gender dan tes kesehatan didapatkan Fhitung < Ftabel yaitu
0,86<4,41 dan P_value > 0,05 yaitu 0,365 >0,05 sehingga Ho diterima. Maka
tidak ada pengaruh antara gender terhadap tes kesehatan. Sedangkan untuk One
Way ANOVA gender dan tes wawancara didapatkan Fhitung < Ftabel yaitu
01,91<4,41 dan P_value > 0,05 yaitu 0,184 >0,05 sehingga Ho diterima. Maka
tidak ada pengaruh antara gender terhadap tes wawancara.
B. Saran
Adapun saran pada laporan ini antara lain :
1. Untuk pengambilan data pada modul ini diharapkan agar lebih teliti dan
tepat dalam membaca data yang tersedia.

RABU / MEJA 12
2. Penggunaan bahasa dan ejaan pada modul ini agar kedepannya lebih
disempurnakan.
3. Data yang diberikan pada modul ini agar lebih bervariasi kedepannya.
DAFTAR PUSTAKA
Anonim. 2017. "Pengertian Statistik Secara Umum". :
http://rocketmanajemen.com/definisi-statistik/ yang diakses pada tanggal
08 Februari 2018 pukul 06.15 WIB
Anonim. 2018. "Statistik Inferensial". :
https://www.academia.edu/10405577/makalah_t_test_dependent yang
diakses pada tanggal 9 Maret 2018
Boediono, Dr, Wayan Kaester, dr, Ir. MM. 2013. “Teori dan Aplikasi Statistika
dan Probabilicat”, Penerbit Pt. Remaja Rosdakarya. Bandung
Sholihah, Ina. 2014. "t test dependent". :
https://www.academia.edu/10405577/makalah_t_test_dependent yang
Nasrul, Setiawan.2013. “Uji t Perbedaan Rata‐rata Dua kelompok berpasangan

(dependent) parametrik” (online),
(http://statistikceria.blogspot.com/2013/12/Pengujian-Perbedaan-Rata-
rata-Dua-kelompok-berpasangan-dependent-parametrik.html, diakses
tanggal 7 Maret 2018)
Naulita, Ira. 2014. "Statistik Anova". :
https://www.academia.edu/10723274/Makalah_Statistik_ANOVA yang

RABU / MEJA 12
Spiegel, Murray R. dan Larry J. Stephens. Statistik. Edisi Ketiga. (Terjemahan
oleh Wiwit Kastawan ST, MT, M.Sc dan Irzam Harmein, ST). Erlangga.
Jakarta. 2014
Walpole, Ronald. 2013. "Pengantar Statistika". Jakarta : PT Gramedia Pustaka

RABU / MEJA 12

Modul 3

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Modul 3

Загружено:

Авторское право:

Доступные форматы

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

PROGRAM STUDI TEKNIK INDUSTRI

Statistika inferensial mencakup semua metode yang berhubungan dengan

sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan data

induknya. Dalam statistika inferensial diadakan pendugaan parameter, membuat

hipotesis, serta melakukan pengujian hipotesis tersebut sehingga sampai pada

Pengambilan kesimpulan dari statistika inferensial yang hanya didasarkan pada

terjadi kesalahan dalam pengambilan keputusan, sehingga pengetahuan

mengenai teori peluang mutlak diperlukan dalam melakukan metode-metode

statistika inferensial. Statistik inferensial digunakan dalam proses mengambil

keputusan dalam menghadapi ketidakpastian dan perubahan. Contoh

LABORATORIUM OPTIMASI DAN STATISTIK INDUSTRI

inferensial telah menghasilkan banyak metode analitis yang digunakan untuk

menganalisis data. Dengan perkataan lain statistik inferensial tidak hanya

untuk pengujian hipotesis 2 sempel. Bila duhubungkan dengan kebebasan

yang berpasangan atau berkolerasi. Fungsi dari t-test dependent adalahuntuk

membandingkan rata-rata dua grup yang saling berpasangan. Sampel berpasangan

mengalami 2 perlakuan atau pengukuran yang berbeda, yaitu pengukuran sebelum

(saling berhubungan/berpasangan); dan (c) jenis data yang digunakan adalah

numeric dan kategorik (dua kelompok).

Analisis Varians merupakan sebuah teknik analisis inferensial yang

digunakan untuk menguji perbedaan rata-rata skor. Analysis Of Variance

disingkat dengan Anova, sedangkan dalam Bahasa Indonesia disingkat dengan

LABORATORIUM OPTIMASI DAN STATISTIK INDUSTRI

normal, populasi tersebut memiliki varian yang homogen, sampel tidak

bisa digunakan untuk sampel berpasangan (paired). Analysis Of Variance (Anova)

hipotesis komparatif rata-rata k sampel bila peneliti melakukan kategorisasi

terhadap sampel (Ilhamzen, 2013).

Dalam pemecahan masalah pada seorang petani sayuran dan PT Mau

rata-rata terhadap nilai tes yang diujikan pada masing-masing Gender

menggunakan analisa statistika inferensi. Penggunaan software Minitab 16

dilakukan untuk mengolah data permasalahan yang ada.

Rumusan masalah yang digunakan dalam praktikum dan penyusunan

laporan ini adalah :

"Bagaimana mengetahui perbedaan rata-rata dan sampel yang saling

berhubungan yang mempunyai varians populasi?"

LABORATORIUM OPTIMASI DAN STATISTIK INDUSTRI

Adapun tujuan dari praktikum adalah :

1. Menguji 2 sampel yang berpasangan, apakah mempunyai rata-rata dua

sampel yang secara nyata berhubungan atau tidak

buah sampel mempunyai varians populasi sama atau tidak

3. Mengetahui dan memahami uji statistik dengan menggunakan Anova,

yaitu ANOVA satu arah dan ANOVA dua arah.

4. Mengetahui kesesuaian data dengan asumsi-asumsi statistik parametric

Batasan masalah yang digunakan dalam praktikum dan penyusunan

laporan ini adalah :

1. Pengolahan data hanya bersifat penggambaran kondisi suatu data.

2. Jumlah data yang dianalisis ataupun diolah disesuaikan dengan banyak

data yang diambil

3. Menguji rasio paired T dan one way ANOVA

Asumsi-asumsi yang digunakan dalam praktikum dan penyusunan laporan

1. Populasi yang akan diuji berdistribusi normal

2. Varians dari populasi tersebut adalah sama.

LABORATORIUM OPTIMASI DAN STATISTIK INDUSTRI

Dalam praktikum statistika industri ini dalam hal memecahkan persoalan

statistika deskriptif dan statistika frekuensi mempunyai beberapa manfaat anatara

1. Mahasiswa dapat memberikan gambaran tentang suatu data dengan

menggunakan uji paired sample t-test dan one way ANOVA

2. Mahasiswa dapat menghitung 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 dan P𝑣𝑎𝑙𝑢𝑒 yang didapat

3. Mahasiswa dapat menganalisa kasus menggunakan uji paired sample t test

4. Mahasiswa dapat mengtahui ada tidak perbedaan data berdasarkan dua

perlakuan variabel independent

II. Tinjauan Pustaka