Upload
meezan-ardhanu-asagabaldan
View
222
Download
0
Embed Size (px)
Citation preview
8/19/2019 Statistik - Pak Boedi
1/27
1
APLIKASI PENGGUNAAN STATISTIK PARAMETRIK DALAM ANALISIS
HASIL PENELITIAN DI BIDANG PERIKANAN DAN KELAUTAN
Disusun untuk Memenuhi Nilai Tugas pada Mata Statistik
Dosen Pengampu : Dr. Ign. Boedi Hendrarto, M.Sc.
MEEZAN ARDHANU ASAGABALDAN
26010115410032
PROGRAM PASCA SARJANA
MAGISTER MANAJEMEN SUMBERDAYA PANTAI
UNIVERSITAS DIPONEGORO
SEMARANG
2015
8/19/2019 Statistik - Pak Boedi
2/27
2
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Allah SWT yang telah melimpahkan
rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan tugas statistika yang
berjudul “ Aplikasi Penggunaan Statistik Parametrik Dalam Analisis Hasil Penelitian
Di Bidang Perikanan Dan Kelautan” tepat waktu. Tugas ini merupakan salah satu
syarat akademik untuk dapat mengikuti ujian akhir semester mata kuliah Statisika.
Penulis menyadari bahwa penyusunan tugas ini tidak dapat terwujud tanpa
bantuan berbagai pihak, sehingga dalam kesempatan ini penulis ingin mengucapkan
terima kasih yang sebesar-besarnya kepada Bapak Dr. Ign. Boedi Hendrarto, M.Sc.
selaku dosen mata kuliah Statistika yang telah memberikan bimbingan dan arahan
kepada Penulis, serta kepada semua pihak yang telah membantu dalam penyelesaian
penulisan tugas ini.
Penulis menyadari bahwa tugas ini masih banyak kekurangan dan kelemahan,
baik dalam isi maupun sistematikanya. Oleh karena itu, penulis mengharapkan kritik
dan saran untuk menyempurnakan tugas ini. Akhir kata, penulis berharap semoga hasil
tugas ini dapat memberikan manfaat bagi penulis maupun pembaca.
Semarang, Januari 2016
Penulis
8/19/2019 Statistik - Pak Boedi
3/27
3
APLIKASI PENGGUNAAN STATISTIK PARAMETRIK
I. T-Test
Pokok Masalah : Adakah perbedaan panjang total secara statistik antara Induk Nila
Merah Jantan dan Betina? (Sumber : Dinas Kelautan dan Perikanan
Yogyakarta, Cangkringan)
Metode : mengambil sampel induk Nila Merah jantan dan betina masing –
masing 15 ekor, kemudian di ukur panjang total menggunakan
penggaris
Data Penelitian :
Tabel 1. Hasil pengamatan panjang total induk jantan Nila Merah dengan betina
No.Panjang Ikan (cm)
Jantan Betina
1 36 29
2 36 32
3 37 31
4 35 27
5 35 30
6 36 34
7 34 32
8 34 29
9 36 32
10 36 32
11 34 31
12 34 27
13 36 32
14 35 29
15 39 32
8/19/2019 Statistik - Pak Boedi
4/27
4
Analisis hasil :
Penentuan hipotesis
H0 : Tidak ada perbedaan signifikan panjang tubuh inguk ikan Nila merah antara
jantan dan betina
H1 : Ada perbedaan signifikan panjang tubuh induk ikan Nila Merah antara jantan
dan betina
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi α = 5%
Kriteria pengujian:
Ho diterima jika : ttabel < thitung < ttabel,
Ho ditolak jika : thitung < ttabel atau thitung > ttabel,
Jika berdasarkan probabilitas:
Ho diterima jika pvalue > 0,05
Ho ditolak jika pvalue < 0,05
Penggunaan Aplikasi SPSS
Langkah – langkah pengujian menggunakan Software SPSS :
1. Pengujian analisis statistik deskriptif
Tabel 1. Analisis Statistika Deskriptif Panjang Induk Nila Merah Jantan dan Betina
N Mean Std. Deviation Skewness Kurtosis
Statistic Statistic Statistic Statistic Std. Error Statistic Std. Error
Jantan 15 34.8667 .99043 -.210 .580 -1.118 1.121
Betina 15 30.6000 2.02837 -.493 .580 -.442 1.121
Valid N (listwise) 15
Jika Nilai skewness berada diantara -1,96 dan +1,96 maka dikatakan berdistribusi
normal. Nilai Skewness pada induk ikan Nila Jantan adalah -0,21 dan betina bernilai
0,493 sehingga dapat disimpulkan data ini terdistribusi normal sehingga bisa diuji T ( T
Test )
8/19/2019 Statistik - Pak Boedi
5/27
5
Gambar 1. Plot panjang induk Nila Merah Jantan dan Betina
2. Pengujian dengan menggunakan analisis T-Test
Tabel 2. Hasil analisis uji T independen
Berdasarkan hasil t-test diperoleh nilai p adalah 0.000. Nilai p < 0.05 sehingga, Ho
ditolak. Dengan demikian dapat dikatakan bahwa adanya perbedaan yang signifikan
antara panjang induk Nila Merah Jantan dengan betina.
Kesimpulan
Adanya perbedaan signifikan antara panjang tubuh induk ikan Nila Merah Jantan
dengan betina yang ada di DKP Yogyakarta
8/19/2019 Statistik - Pak Boedi
6/27
6
II. One Way ANOVA Test
Pokok Masalah : Metode apakah yang paling efektif dalam pemberian vaksin
Aeromonas hydrophila terhadap penyakit bercak merah Motile
Aeromonas Septicemia (MAS) pada ikan lele? (Sumber : Penelitian
Perikanan Universitas Gadjah Mada)
Metode : Cara pemberian : a. Injeksi, b. Oral, c. Rendam. Hasil Penelitian
dilakukan dengan melihat Survival Rate (SR) dari ikan Lele dari
lima kolam
Data Penelitian :
Tabel 3. Hasil penelitian Survival Rate (SR) pada ikan lele yang telah diberi vaksin
KolamSR (%)
Injeksi Oral Rendaman
1 80 60 30
2 70 60 20
3 90 50 10
4 80 50 30
5 70 60 20
Analisis hasil :
Penentuan hipotesis
H0 : Tidak ada perbedaan signifikan antara metode pemberian vaksin A. hydrophila
dengan hasil Survival Rate (SR) ikan lele
H1 : Ada perbedaan signifikan antara metode pemberian vaksin A. hydrophila
dengan hasil Survival Rate (SR) ikan lelePengujian menggunakan uji dua sisi dengan tingkat signifikansi α = 5%
Kriteria pengujian:
Jika berdasarkan probabilitas:
Ho diterima jika pvalue > 0,05
Ho ditolak jika pvalue < 0,05
8/19/2019 Statistik - Pak Boedi
7/27
7
Penggunaan Aplikasi SPSS
Langkah – langkah pengujian menggunakan Software SPSS :
1. Pengujian analisis statistik deskriptif
Tabel 4. Hasil analisis statistik deskriptif pada metode pemberian vaksin
Jika Nilai skewness berada diantara -1,96 dan +1,96 maka dikatakan berdistribusi
normal, sehingga dapat diuji lanjut. Pada hasil penelitian dapat dilihat bahwa data
berdistribusi normal
8/19/2019 Statistik - Pak Boedi
8/27
8
Gambar 2. Plot metode pemberian vaksin A. hydrophila pada ikan lele
2. Pengujian dengan menggunakan analisis One way ANOVA test
Tabel 5. Hasil analisis One way ANOVA test
Berdasarkan hasil One Way ANOVA Test diperoleh nilai p adalah 0.000. Nilai p < 0.05sehingga, Ho ditolak. Sehingga dapat dikatakan adanya pengaruh metode pemberian
vaksin terhadap SR ikan lele. Untuk mengetahui apakah ada perbedaan atar perlakuan,
maka diuji lanjut dengan Post Hoc Test.
8/19/2019 Statistik - Pak Boedi
9/27
9
3. Pengujian Post Hoc Test
Tabel 6. Hasil analisis Post Hoc Test dengan menggunakan Tukey HSD
Post Hoc Test merupakan uji lanjut untuk mengetahui apakah ada perbedaan signifikan
antar pelakuan dengan nilai p
8/19/2019 Statistik - Pak Boedi
10/27
10
III. Factorial ANOVA Test
Pokok Masalah : Pengaruh media dan komposisinya terhadap biomassa produksi
maggot sebagai pakan alami benih lele
Metode : Penelitian ini menggunakan Rancangan Acak Lengkap (RAL) pola
faktorial
Data Penelitian :
Tabel 7. Hasil biomassa maggot dengan media dan komposisi yang berbeda
Ulangan
Biomassa (gr)
Bungkil kelapa Dedak Palm Kernel Meal (PKM)
25% 50% 75% 25% 50% 75% 25% 50% 75%
1 10.5 14.5 25.5 50.3 60.4 70.4 100.2 120.4 140.2
2 15.2 13.5 27.5 52.4 63.5 75.2 103.2 125.2 137.4
3 10.4 13.3 30.3 55.3 64.2 73.4 102.4 117.2 138.5
4 12.3 13.7 28.5 60.4 65.2 72.3 103.2 118.3 139.2
5 13.4 15.1 27.4 54.2 63.2 71.2 101.5 119.7 140.3
Analisis hasil :
Penggunaan Aplikasi SPSS
Langkah – langkah pengujian menggunakan Software SPSS :
1. Pengujian analisis statistik deskriptif
Tabel 8. Hasil analisis statistik deskriptif
Jika Nila skewness berada diantara -1,96 dan +1,96 maka dikatakan berdistribusi
normal, sehingga dapat diuji lanjut. Pada hasil penelitian dapat dilihat bahwa data
berdistribusi normal
8/19/2019 Statistik - Pak Boedi
11/27
11
Gambar 3. Plot media dan komposisi untuk biomassa maggot
2. Pengujian Factorial ANOVA Test
Penentuan hipotesis
H0 : tidak adanya pengaruh antara ketiga media dan komposisinya terhadap
biomassa maggot sebagai pakan alami
H1 : adanya pengaruh yang signifikan antara media dan komposisinya terhadap
biomassa maggot sebagai pakan alami benih lele
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi α = 5%
Kriteria pengujian:
Jika berdasarkan probabilitas:
Ho diterima jika pvalue > 0,05
Ho ditolak jika pvalue < 0,05
8/19/2019 Statistik - Pak Boedi
12/27
12
Tabel 9. Analisis deskriptif dari berbagai perlakuan
Tabel 10. Hasil Factorial ANOVA test pada berbagai media dan komposisi terhadap
biomassa maggot
Berdasarkan hasil Factorial ANOVA Test diperoleh nilai p adalah 0.000. Nilai p < 0.05
sehingga, Ho ditolak. Sehingga dapat dikatakan adanya pengaruh media dan komposisi
terhadap biomassa maggot. Untuk mengetahui apakah ada perbedaan atar perlakuan,
maka diuji lanjut dengan Post Hoc Test.
8/19/2019 Statistik - Pak Boedi
13/27
13
3. Pengujian Post Hoc test
Tabel 11. Hasil analisis Post Hoc Test komposisi dengan menggunakan Tukey HSD
Tabel 12. Hasil analisis Post Hoc Test jenis media dengan menggunakan Tukey HSD
Post Hoc Test merupakan uji lanjut untuk mengetahui apakah ada perbedaan signifikan
antar pelakuan dengan nilai p
8/19/2019 Statistik - Pak Boedi
14/27
14
IV. Nested ANOVA Design Test
Pokok Masalah : Bagaimana kemelimpahan ubur – ubur mematikan yang tersebar di
Pantai Selatan dan Laut Jawa
Metode : Pengambilan sampel ada di dua lokasi yang berbeda (Pantai
Selatan dan Laut Jawa)
- Pengambilan sampel dilakukan secara random (acak) dengan
kuadran berukuran 1m x 1m
Data Penelitian :
Tabel 13. Hasil perhitungan kemelimpahan ubur – ubur mematikan pada pantai Selatandan Laut Jawa
Sampel
Lokasi pengambilan Sampel
Pantai Selatan Laut Jawa
Stasiun 1 Stasiun 2 Stasiun 3 Stasiun 1 Stasiun 2 Stasiun 3
1 135 156 122 96 82 67
2 180 135 132 92 75 65
3 150 125 119 85 77 724 160 187 130 75 79 73
5 155 142 135 73 82 71
Analisis hasil :
Penggunaan Aplikasi SPSS
Langkah – langkah pengujian menggunakan Software SPSS :
1. Pengujian analisis statistik deskriptif
Tabel 14. Hasil analisis statistik deskriptif
8/19/2019 Statistik - Pak Boedi
15/27
15
Jika Nila skewness berada diantara -1,96 dan +1,96 maka dikatakan berdistribusi
normal, sehingga dapat diuji lanjut. Pada hasil penelitian dapat dilihat bahwa data
berdistribusi normal
Gambar 4. Plot kemelimpahan ubur – ubur pada Pantai Selatan dan Laut Jawa
(VAR00001 = Lokasi; VAR00002 = Stasiun; VAR00003 = Jumlah ubur –
ubur)
2. Pengujian Nested ANOVA Design Test
Penentuan hipotesis
H0 : tidak adanya pengaruh yang signifikan antara lokasi terhadap kemelimpahan
ubur – ubur mematikan
H1 : Ada pengaruh signifikan yang signifikan antara lokasi terhadap kemelimpahanubur – ubur mematikan
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi α = 5%
Kriteria pengujian:
Jika berdasarkan probabilitas:
Ho diterima jika pvalue > 0,05
Ho ditolak jika pvalue < 0,05
8/19/2019 Statistik - Pak Boedi
16/27
16
Tabel 15. Hasil Analisis kemelimpahan ubur – ubur mematikan dengan menggunakan Nested ANOVA Design Test
Berdasarkan hasil Nested ANOVA Design Test diperoleh nilai p adalah 0.000. Nilai p <
0.05 sehingga, Ho ditolak.
Kesimpulan
Adanya pengaruh yang signifikan dari lokasi dan stasiun pengambilan sampel
terhadap kemelimpahan ubur – ubur mematikan di Pantai Selatan dan Laut Jawa
8/19/2019 Statistik - Pak Boedi
17/27
17
V. Randomized Block Design Test
Pokok Masalah : Pengaruh Jenis Alat Tangkap dan Lokasi penangkapan terhadap
hasil tangkapan Ikan Beronang
Metode : Digunakan tiga jenis alat tangkap yaitu jaring angkat, Trawl, dan
Pancing dan hasil tangkapan dicatat dan analisis dengan uji RBD
Data Penelitian :
Tabel 13. Hasil perhitungan kemelimpahan ubur – ubur mematikan pada pantai Selatandan Laut Jawa
LokasiHasil Tangkapan (ton)
Jaring angkat Trawl Pancing
Laut Jawa 1187 1295 321
Pantai Selatan 1043 1493 427
Laut arafuru 1153 1375 521
Laut Maluku 1095 1369 447
Analisis hasil :
Penggunaan Aplikasi SPSS
Langkah – langkah pengujian menggunakan Software SPSS :1. Pengujian Analisis Deskriptif
a. Masukkan data pada SPSS,
8/19/2019 Statistik - Pak Boedi
18/27
18
b. Melakukan uji statistik deskriptif untuk mengetahui apakah data tersebut
terdistribusi normal atau tidak. Dengan cara analyze -> descriptive statistic ->
Descriptives
Tabel 14. Hasil analisis Deskriptif
N Mean Std. Deviation Skewness Kurtosis
Statistic Statistic Statistic Statistic Std. Error Statistic Std. Error
Alat_tangkap 12 2.0000 .85280 .000 .637 -1.650 1.232
Hasil 12 977.1667 425.81213 -.542 .637 -1.483 1.232
Lokasi 12 2.5000 1.16775 .000 .637 -1.428 1.232
Valid N (listwise) 12
Jika Nila skewness berada diantara -1,96 dan +1,96 maka dikatakan berdistribusi
normal, sehingga dapat diuji lanjut. Pada hasil penelitian dapat dilihat bahwa data
berdistribusi normal
8/19/2019 Statistik - Pak Boedi
19/27
19
Gambar 5. Plot Jenis alat tangkap dan hasil tangkapan ikan Beronang
2. Pengujian Randomized Blocked Design
Penentuan hipotesis
Perlakuan
Ho : µ 1=µ 2=µ 3
Ha : jika minimal dua rata-rata berbeda. Jika Ho ditolak, maka jenis alat tangkap
berpengaruh terhadap hasil tangkap.
Blocking:
Ho : µ 1=µ 2=µ 3=µ 4
Ha : jika minimal dua rata-rata berbeda
Jika Ho ditolak, maka lokasi tangkap berpengaruh terhadap hasil tangkap.
Pengujian menggunakan uji dua sisi dengan tingkat signifikansi α = 5%
Kriteria pengujian:
Jika berdasarkan probabilitas:
Ho diterima jika pvalue > 0,05Ho ditolak jika pvalue < 0,05
8/19/2019 Statistik - Pak Boedi
20/27
20
Untuk menganalisis RBD caranya klik analyze -> general linear model ->
univariate
Masukkan hasil tangkapan ke dependent variable , sedangkan lokasi dan Alat
tangkap ke fi xed factors .
Kemudian klik model pada kotak dialog sebelah kanan atas, sehingga muncul kotak
dialog model sebagai berikut:
Kemudian masukkan “alat tangkap dan lokasi” ke box bagian kanan. Di bagian
“build term(s)” pilih “main effect”. Hilangkan tanda cek (√) di bagian “include
intercept in model”. Setelah selesai kemudian klik “continue” lalu “ok”
Maka akan didapat hasil berikut ini :
Tabel 15. Hasil Analisis RBD untuk hasil tangkaan Ikan Baronang
Dependent Variable:Hasil
Source Type III Sum of
Squares df Mean Square F Sig.
Model 1.341E7 6 2235103.000 318.436 .000
Alat_tangkap 1941784.667 2 970892.333 138.323 .000
Lokasi 10577.000 3 3525.667 .502 .695
Error 42114.000 6 7019.000
Total 1.345E7 12
a. R Squared = .997 (Adjusted R Squared = .994)
- Hasil analisis terlihat bahwa nilai p yang diperoleh untuk variabel alat tangkap
adalah 0,000. Nilai tersebut < 0,05 sehingga dapat disimpulkan bahwa ada
pengaruh signifikan antara alat tangkap yang digunakan dengan hasil tangkapan
ikan Baronang.
- Sementara itu, nilai sig yang diperoleh untuk variabel lokasi adalah 0,695. Nilai
tersebut > 0,05 sehingga dapat disimpulkan tidak ada pengaruh yang signifikan
antara lokasi penangkapan dengan hasil tangkapan tuna.
8/19/2019 Statistik - Pak Boedi
21/27
21
3. Pengujian Post Hoc
klik analyze -> general l inear model -> univari ate -> post hoc -> beri tanda cek
pada kolom tukey-> continue -> OK
Tabel 16. Hasil Post Hoc Test untuk variabel alat Tangkap
Hasil
Tukey HSD
(I) Alat_tangkap (J) Alat_tangkap Mean
Difference (I-J) Std. Error Sig.
95% Confidence Interval
Lower Bound Upper Bound
dimension2
1.00
dimension3
2.00 -263.5000* 59.24103 .010 -445.2678 -81.7322
3.00 690.5000* 59.24103 .000 508.7322 872.2678
2.00
dimension3
1.00 263.5000* 59.24103 .010 81.7322 445.2678
3.00 954.0000* 59.24103 .000 772.2322 1135.7678
3.00
dimension3
1.00 -690.5000* 59.24103 .000 -872.2678 -508.7322
2.00 -954.0000* 59.24103 .000 -1135.7678 -772.2322
Based on observed means.The error term is Mean Square(Error) = 7019.000.
*. The mean difference is significant at the 0.05 level.
Post Hoc Test merupakan uji lanjut untuk mengetahui apakah ada perbedaan signifikan
antar pelakuan dengan nilai p
8/19/2019 Statistik - Pak Boedi
22/27
22
VI. Spli t Plot in Time Test
Pokok Masalah : Laju pertumbuhan Benih Nila Merah pada Sistem bioflok dan
Kolam Biasa
Metode : Dibandingkan laju pertumbuhan (berat) benih Nila Merah antara
bioflok dengan kolam biasa, di lakukan sampling 2 mnggu sekali
Data Penelitian :
Tabel 17. Laju pertumbuhan benih Nila Merah
No.Data pertumbuhan berat benih Nila Merah (gr)
13 Feb 27 Feb 13 Maret 27 Maret perlakuan
1 0,21 1,99 5,07 8,04 Sistem bioflok2 0,26 1,57 2,08 8,44 Sistem bioflok
3 0,15 1,27 3,09 9,8 Sistem bioflok
4 0,07 1,58 4,75 7,76 Sistem bioflok
5 0,32 2,09 6,35 7,92 Sistem bioflok
6 0,15 0,49 2,27 5,96 Kolam Biasa
7 0,7 0,69 1,19 6,72 Kolam Biasa
8 0,21 0,42 2,02 7,92 Kolam Biasa
9 0,26 0,57 4,77 6,65 Kolam Biasa10 0,32 1,33 4,81 2,89 Kolam Biasa
Analisis hasil :
Penentuan hipotesis
H0 : Tidak ada perbedaan signifikan antara sistem bioflok dengan kolam biasa
terhadap laju pertumbuhan benih nila merah
H1 : Ada perbedaan signifikan antara sistem bioflok dengan kolam biasa terhadap
laju pertumbuhan benih nila merahPengujian menggunakan uji dua sisi dengan tingkat signifikansi α = 5%
Jika berdasarkan probabilitas:
Ho diterima jika pvalue > 0,05
Ho ditolak jika pvalue < 0,05
8/19/2019 Statistik - Pak Boedi
23/27
23
1. Pengujian analisis deskriptif
Tabel 18. Hasil analisis Deskriptif
Jika Nila skewness berada diantara -1,96 dan +1,96 maka dikatakan berdistribusi
normal, sehingga dapat diuji lanjut. Pada hasil penelitian dapat dilihat bahwa data
berdistribusi normal
2. Pengujian Split plot in Time
8/19/2019 Statistik - Pak Boedi
24/27
24
Hasil analisis terlihat bahwa nilai p yang diperoleh adalah 0,000. Nilai tersebut < 0,05
sehingga dapat disimpulkan bahwa ada pengaruh signifikan.
Kesimpulan
Adanya perbedaan yang signifikan antara laju pertumbuhan benih nila yang
menggunakan sistem bioflok dengan benih nila yang dipelihara di kolam biasa
8/19/2019 Statistik - Pak Boedi
25/27
25
VII. Regression Test
Pokok Masalah : Hubungan Panjang terhadap Berat Ikan Nila Merah Jantan
Metode : dilakukan sampling sebanyak 20 ekor ikan, kemudian di analisismenggunakan uji regresi
Data Penelitian :
Tabel 17. Hasil biomassa maggot dengan media dan komposisi yang berbeda
No.
Ikan Nila Merah Jantan
Panjang (cm) Berat (gr)
1 16.7 65.97
2 14 51.1
3 16 55.66
4 15 59.7
5 14.7 61.06
6 19 73.26
7 14.8 56.048 16 72.52
9 15 58.7
10 15.3 66.48
11 15.5 72.43
12 15.5 67.89
13 17.3 70.6
14 14.5 55.3
15 15.2 61.94
16 15 55.43
17 14.5 51.2
18 15 60.41
19 15 65.78
20 13.5 45.56
8/19/2019 Statistik - Pak Boedi
26/27
26
Analisis hasil :
Penggunaan Aplikasi SPSS
Untuk mengetahui hubungan antara panjang dan berat serta mengatahui
persamaannya maka dilakukan analisis regresi. Hasil analisis regresi menggunakan
aplikasi SPSS adalah sebagai berikut:
Masukkan data ke program SPSS
klik Analyze -> pilih Regression -> klik Linear
Pindahkan “berat” pada kolom “dependent” dan “panjang” pada kolom
“independent”
lalu klik Statistics, pada Regression Coeficient pilih Model fit, Estimates
dan Part and partial correlation. Klik continue lalu klik Plots, pilih DEPENDENT pada Scatter Y axis, pilih ADJPRED
pada Scatter X axis. Klik continue.
lalu klik save, pada Predicted Values pilih Unstandaridized dan
Standaridized begitu juga pada kolom Residuals. Klik continue. Lalu klik
OK
Maka didapat hasil sebagai berikut :
Tabel 18. Hasil Analisis Regresi
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 662.389 1 662.389 22.784 .000a
Residual 523.306 18 29.073
Total 1185.695 19
a. Predictors: (Constant), panjang
b. Dependent Variable: berat
Tabel 19. Hasil perhitungan R signifikan dan R 2 (koefisien determinasi)
Model Summaryb
Model R R Square Adjusted R SquareStd. Error of the
Estimated
im
en
s
i
o
n0
1 .747a .559 .534 5.39189
a. Predictors: (Constant), panjang
b. Dependent Variable: berat
Nilai R signifikan, karena mendekati 1, yaitu 0.747
8/19/2019 Statistik - Pak Boedi
27/27
Tabel 19. Nilai Koefisien regresi
Coefficientsa
Model
UnstandardizedCoefficients
StandardizedCoefficients t Sig.
Correlations
B Std. Error Beta Zero-order Partial Part
1(Constant) -13.594 15.747 -.863 .399
panjang 4.874 1.021 .747 4.773 .000 .747 .747 .747
a. Dependent Variable: berat
Karena tidak signifikan (0.399), maka tidak dapat digambar analisi regresinya