endang mulyana blogspot: 2015

Tugas Softskill Metode Penelitian

Diposting oleh Unknown |

Nama           : Endang Mulyana
Kelas           : 3ID08
Kelompok   : 4 (Empat)
Tugas Metode Penelitian dapat dilihat disini

PENELITIAN UNTUK MENGETAHUI PERBEDAAN RATA-RATA PRODUKSI DAN OUTLET TAS DI PT. TOP BAG

Diposting oleh Unknown |

PENELITIAN UNTUK MENGETAHUI PERBEDAAN RATA-RATA PRODUKSI DAN OUTLET TAS DI PT. TOP BAG

BAB I

PENDAHULUAN

1.1 1.1 Latar Belakang

Perusahaan melakukan suatu pengamatan mengenai berbagai faktor yang hendak diteliti pada perusahaan tersebut. Hasil yang diperoleh dari pengamatan oleh perusahaan berupa data populasi dan tersebut memiliki keragaman rata-rata. Berdasarkan pada faktor-faktor yang diteliti, terdapat satu faktor yang memiliki pengaruh lebih besar dari faktor-faktor lain, dari pengamatan tersebut dapat diketahui apakah faktor tersebut berpengaruh secara signifikan atau tidak.

Perusahaan mencari cara untuk mengetahui apakah rata-rata dari setiap populasi data yang dipengaruhi oleh faktor tersebut sama atau tidak, oleh karena itu digunakan metode anova satu arah untuk memecahkan masalah ini. Anova satu arah adalah suatu analisis yang digunakan untuk menguji perbedaan tiga atau lebih rata-rata populasi yang telah ditentukan secara acak dengan satu faktor yang berpengaruh. Tujuan penggunaan anova satu arah ini adalah untuk menguji hipotesis dari rata-rata populasi dan faktor yang memengaruhinya.

Perusahaan menerapkan anova satu arah yang akan dikaitkan dengan studi kasus pada PT. TOP BAG yang memroduksi berbagai jenis tas. Permasalahan yang akan dibahas yaitu apakah rata-rata dari setiap populasi data yang dipengaruhi oleh faktor yang diteliti sama atau tidak. Tujuan penggunaan anova satu arah ini adalah untuk menguji hipotesis dari rata-rata populasi dan faktor yang memengaruhinya. Perusahaan beranggapan dengan mengetahui rata-rata hasil produksi di setiap pabrik, perusahaan akan mendapat persamaan data dari setiap populasi hasil produksi sehingga perusahan dapat menyetarakan hasil produksi di setiap pabrik. Perusahaan juga menerapkan anova satu arah pada jumlah outlet di beberapa daerah. Perusahaan beranggapan dengan mengetahui rata-rata jumlah outlet tersebut perusahaan dapat menyetarakan jumlah outlet di setiap daerahnya.

1.2 Perumusan Masalah

Perumusan masalah pada laporan ini antara lain bagaimana menentukan ada tidaknya perbedaan rata-rata hasil produksi di enam pabrik berbeda dan bagaimana menentukan ada tidaknya perbedaan rata-rata jumlah tiap cabang outlet di 6 daerah pada PT. TOP BAG.

1.3 1.3 Pembatasan Masalah

Perusahaan menentukan pembatasan masalah dengan tujuan memudahkan dalam pemecahan masalah. Pembatasan masalah yang ditentukan perusahaan adalah sebagai berikut.

1. Jumlah sampel yang digunakan hanya 60 data untuk studi kasus anova satu arah dengan sampel sama banyak dan 50 data untuk studi kasus anova satu arah dengan sampel tidak sama banyak.

2. Taraf nyata yang digunakan hanya sebesar 5%.

3. Pengujian data hanya dilakukan dengan test of normality dan test of homogeneity of variance.

4. Pengolahan data hanya menggunakan perhitungan manual dengan anova satu arah dan pengolahan software dengan SPSS 16.0.

1.4 1.4 Tujuan Penulisan

Perusahaan menetapkan tujuan penulisan untuk memudahkan perusahaan dalam mengetahui hasil penelitian. Tujuan penulisan yang ditetapkan perusahaan sebagai berikut.

1. Mengetahui ada tidaknya perbedaan rata-rata hasil produksi tas.

2. Mengetahui ada tidaknya perbedaan rata-rata jumlah cabang outlet.

BAB II

LANDASAN TEORI

2.1 Pengertian Hipotesis

Hipotesis berasal dari bahasa Yunani, yaitu hupo dan thesis. Hupo berarti lemah, kurang, atau di bawah dan thesis berarti proporsi, teori, atau pernyataan yang disajikan sebagai bukti. Hipotesis dapat diartikan sebagai suatu pernyataan yang masih lemah kebenarannya dan perlu dibuktikan dugaan yang sifatnya masih sementara. Pengujian hipotesis adalah suatu prosedur yang akan menghasilkan suatu keputusan, yaitu diterima atau ditolaknya hipotesis itu (Hasan,2001).

2.2 Analisis Varians (Anova)

Anova atau distribusi F dikembangkan oleh R.A Fisher tahun 1920-an. Nama distribusi F diberikan sebagai penghormatan kepadanya. Anova digunakan untuk pengujian hipotesis mengenai persamaan tiga atau lebih rata-rata populasi meliputi analisis varians satu arah dan analisis varians dua arah (Hasan,2001).

Anova merupakan bagian dari metode analisis statistika yang tergolong analisis komparatif lebih dari dua rata-rata dan suatu metode untuk menguraikan keragaman. Total data menjadi komponen-komponen yang mengukur berbagai sumber keragaman (Riduwan, 2008).

Analisis ragam akan memperoleh dua komponen. Komponen pertama yaitu komponen mengukur keragaman yang disebabkan oleh alat percobaan dan komponen mengukur keragaman yang disebabkan oleh pecobaan ditambah keragaman yang disebakan oleh perbedaan varitas (Walpole, 1993).

Analisis varians digunakan untuk menguji perbedaan rata-rata hitung jika kelompok sampel yang diuji lebih dari dua yang berasal dari populasi yang berbeda. Anova juga dapat digunakan untuk dua populasi, dengan demikian anova dapat dipandang sebagai teknik t-tes yang diperluas. Hasil perhitungan uji analisis varians dinyatakan dengan nilai F (Nurgiyantoro, 2002).

2.3 Asumsi dan Kriteria Anova

Ada beberapa asumsi dan kriteria yang harus dimiliki oleh data agar dapat diolah dengan metoda anova. Asumsi dasar yang harus terpenuhi dalam analisis varian adalah (Hasan,2001).

1. Kenormalan

Distribusi data harus normal. Data berdistribusi normal dapat ditempuh dengan cara memperbanyak jumlah sampel dalam kelompok.

2. Kesamaaan variansi

Kelompok berasal dari popolasi yang sama dengan variansi yang sama pula, jika banyaknya sampel sama pada setiap kelompok, maka kesamaan variansinya dapat diabaikan. Kesamaan variansi populasi diperlukan jika sampel tiap kelompok tidak sama.

3. Pengamatan bebas

Sampel diambil secara acak (random), sehingga setiap pengamatan merupakan informasi yang bebas. Anova lebih akurat digunakan untuk sejumlah sampel yang sama pada setiap kelompoknya, misalnya masing masing variabel setiap kelompok jumlah sampel atau responden nya sama sama 250 orang. Anova (Analysis of variances) digunakan untuk melakukan analisis komparasi multivariabel. Teknik analisis komparatif dengan menggunakan tes “t” yakni dengan mencari perbedaan yang signifikan dari dua buah mean hanya efektif bila jumlah variabelnya dua. Distribusi F memiliki beberapa ciri, yaitu sebagai berikut.

a. Apabila derajat bebas pembilang dan penyebut lebih besar daripada dua maka kurva dari disribusi F tersebut merupakan kurva bermodus tunggal dan condong ke kanan.

b. Apabila derajat bebas pembilang dan penyebut bertambah, distribusi F cenderung berbentuk normal.

c. Skala distribusi F mulai dari 0 sampai ~. F tidak dapat bernilai negatif

d. Untuk nilai probabilitas yang sama seperti 1% (1% dibawah kurva distribusi F), nilai kritis F untuk daerah yang lebih rendah (sisi kiri) adalah berbalikan dengan nilai kritis F untuk daerah yang lebih tinggi (sisi kanan).

2.4 Anova Satu Arah

Model anova satu arah digunakan untuk pengujian perbedaan antara k rata-rata sampel apabila subyek-subyek ditentukan secara random pada setiap beberapa grup atau kelompok perlakuan. Persamaan model satu arah yang dimaksud adalah sebagai berikut (Subiyakto, 1993).

2.3 Asumsi dan Kriteria Anova

Ada beberapa asumsi dan kriteria yang harus dimiliki oleh data agar dapat diolah dengan metoda anova. Asumsi dasar yang harus terpenuhi dalam analisis varian adalah (Hasan,2001).

1. Kenormalan

Distribusi data harus normal. Data berdistribusi normal dapat ditempuh dengan cara memperbanyak jumlah sampel dalam kelompok.

2. Kesamaaan variansi

3. Pengamatan bebas

a. Apabila derajat bebas pembilang dan penyebut lebih besar daripada dua maka kurva dari disribusi F tersebut merupakan kurva bermodus tunggal dan condong ke kanan.

b. Apabila derajat bebas pembilang dan penyebut bertambah, distribusi F cenderung berbentuk normal.

c. Skala distribusi F mulai dari 0 sampai ~. F tidak dapat bernilai negatif

2.4 Anova Satu Arah

Keterangan :

µ = Rata-rata keseluruhan dari semua k populasi klasifikasi

α_k= Efek klasifikasi dalam k kelompok

e_jk= Kesalahan random yang tergabung dalam proses sampling.

2.5 Pengujian Hipotesis dengan Teknik Anova

Pengujian hipotesis beda tiga rata-rata atau lebih dengan teknik ANOVA dapat dibedakan atas tiga jenis, yaitu pengujian klasifikasi satu arah, pengujian klasifikasi dua arah dengan interaksi, dan pengujian dua arah tanpa interaksi. Pengujian klasifikasi satu arah merupakan pengujian hipotesis beda tiga rata-rata atau lebih dengan satu faktor yang berpengaruh. Langkah-langkah pengujian klasifikasi satu arah ialah sebagai berikut (Hasan,2001).

1. Menentukan formulasi hipotesis

Formulasi hipotesis terdiri dari dua, yaitu H₀ diterima dan H₀ ditolak. Berikut adalah formulasinya.

2. Menentukan taraf nyata (α) beserta F tabel

Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan hasil hipotesis terhadap nilai parameter populasinya. Taraf nyata (α) ditentukan dengan derajat pembilang (V₁) dan derajat penyebut (V₂).(V₁) = k -1 dan (V₁)= k(n – 1).Fa(V₁).(V₂) = ...

3. Menentukan kriteria pengujian

Kriteria pengujian ada dua. Berikut adalah kriteria pengujian hipotesis.

- H₀diterima apabila F₀≤Fa(V₁).(V₂)

- H₀ditolak apabila F₀>Fa(V₁).(V₂)

4. Membuat analisis varians dalam bentuk tabel anova

Tabel anova dibuat untuk mengetahui nilai F₀. Tabel anova untuk ukuran data sama dan ukuran data tidak sama berbeda. Berikut adalah tabel anova satu arah.

a. Ukuran Data Sama

Keterangan:

JKT = Jumlah Kuadrat Total

= Pengamatan ke-j dari populasi ke-i

= Total semua pengamatan

JKK = Jumlah Kuadrat Kolom

JKE = Jumlah Kuadrat Galat

nk = Banyaknya anggota secara keseluruhan

= Total semua pengamatan dalam contoh dari populasi ke-i

n = Banyaknya pengamatan / anggota baris

b. Ukuran Data Tidak Sama

5. Membuat kesimpulan

Menyimpulkan H₀ diterima atau ditolak dengan membandingkan antara langkah 4 yaitu, hasil dari pengujian analisis dengan kriteria pada pengujian pada langkah ke-3. H₀ diterima apabila nilai F₀hasil dari perhitungan lebih kecil dibandingkan dengan F₀ pada tabel.

BAB III

PEMBAHASAN

3.1 Studi Kasus

Studi kasus dilakukan di PT. TOP BAG. Studi kasus tersebut akan diselesaikan menggunakan metode anova satu arah. Berikut adalah studi kasus yang akan dibahas. PT. TOP BAG merupakan perusahaan yang memproduksi berbagai jenis tas, salah satu produk tas yang dihasilkan yaitu tas laptop. Perusahaan tersebut memiliki 6 pabrik cabang di suatu daerah yang digunakan sebagai tempat produksi tas. PT. TOP BAG ingin mengetahui rata-rata hasil produksi tas laptop di setiap pabrik setiap bulannya. Perusahaan melakukan pengamatan selama 10 bulan dan data-data yang diperoleh tersebut kemudian dituangkan ke dalam tabel data pengamatan.

Pengujian dilakukan dengan menggunakan taraf nyata sebesar 5%. Perusahaan melakukan pengujian untuk mengetahui apakah rata-rata hasil produksi di setiap pabrik setiap bulannya sama atau tidak.

3.2 Pengujian Data

Data pada tabel pengamatan diuji terlebih dahulu sebelum diolah. Pengujian dilakukan untuk mengetahui apakah data tersebut sudah signifikan atau belum. Data yang sudah sesuai dengan kriteria selanjutnya diolah menggunakan metode perhitungan manual dan pengolahan software SPSS 16.0. Cara pengujiannya yaitu dengan menggunakan software SPSS 16.0. Berikut ini adalah tahap pengujian data tersebut.

Tahap pertama dalam pengujian data sampel sama banyak adalah memilih variable view kemudian mengisi kolom name dengan variabel pabrik dan hasil produksi. Kolom decimals diisi dengan angka 0, seperti pada gambar.

Langkah selanjutnya setelah memilih dan mengisi variable view dengan variabel-variabel yang ditentukan yaitu memilih value labels kemudian mengisi kolom value dengan angka 1 dengan label berupa pabrik 1, begitupun seterusnya sampai 6 dengan label berupa pabrik 6, seperti pada gambar.

Tahap berikutnya adalah dengan memilih data view kemudian memasukkan data sesuai pengamatan dimana setiap pabrik terdiri dari 10 data, sehingga data keseluruhan sebanyak 60 data. Tahap selanjutnya adalah memilih analyze kemudian memilih descriptive statistics dan memilih explore. Tampilan kotak dialog explore akan muncul.

Muncul kotak dialog explore plots seperti pada gambar, kemudian memilih factor levels together pada bagian boxplots, kemudian memilih stem and leaf pada bagian descriptive, dan memilih normality plotswith tests. Tahap terakhir memilih untransformed pada bagian spread vs level with levene test. Pilih continue.

Gambar diatas adalah gambar dari Output Tests of Normality yang menjelaskan pengujian data terhadap jumlah sampel sama banyak. Kolom Kolmogorov-Smirnov menjelaskan bahwa derajat kebebasan atau degree of freedom yang didapat sebesar 10 dan nilai signifikan yang didapat sebesar 0,200. Nilai signifikan yang didapat lebih besar dari taraf nyata yaitu 0,05 sehingga H₀diterima dan berarti nilai uji statistik sebesar 0,185 berada diluar nilai kritisnya. Kesimpulan yang didapat dari pengujian data menggunakan Kolmogorov-Smirnov bahwa populasi data menyebar secara normal atau berdistribusi normal. Kolom Shapiro-Wilk menjelaskan bahwa derajat kebebasan atau degree of freedom yang didapat sebesar 10 dan nilai signifikan yang didapat sebesar 0,749. Nilai signifikan yang didapat lebih besar dari taraf nyata yaitu 0,05 sehingga H₀diterima dan berarti nilai uji statistik sebesar 0,957 berada diluar nilai kritisnya. Kesimpulan yang didapat dari pengujian data menggunakan Shapiro-Wilk bahwa populasi data menyebar secara normal atau berdistribusi normal. Perbedaan pengujian data Kolmogorov-Smirnov dengan Shapiro-Wilk terletak dari kestabilan nilai signifikan yang didapat dan keakuratan data yang dihasilkan. Pemilihan metode pengujian data Kolmogorov-Smirnov dirasa lebih sesuai untuk jumlah sampel sama atau lebih dari 50 buah dilihat dari kestabilan nilai signifikan yang dihasilkan serta keakuratannya. Pengujian data menggunakan Shapiro-Wilk biasanya sering digunakan pada jumlah sampel data kurang dari 50 karena lebih akurat.

Nilai signifikan untuk pabrik 1 sampai pabrik 6 lebih besar daripada 0,05 sehingga data bahan baku di keenam pabrik tersebut bersifat normal dan bisa dilanjutkan ke tahap pengolahan data.

Output Test of Homogeneity of Variance menjelaskan pengujian data sesuai dengan kehomogenan dari ragam populasi data. Berdasarkan rata-ratanya didapat nilai signifikan sebesar 0,898. Nilai signifikan yang didapat lebih besar dari taraf nyata yaitu 0,05 sehingga data yang digunakan homogen. Berdasarkan median atau nilai tengahnya didapat nilai signifikan sebesar 0,915. Nilai signifikan yang didapat lebih besar dari taraf nyata yaitu 0,05 sehingga data yang digunakan homogen. Berdasarkan median dan with adjusted df didapat nilai signifikan sebesar 0,914. Nilai signifikan yang didapat lebih besar dari taraf nyata yaitu 0,05 sehingga data yang digunakan homogen. Berdasarkan trimmed mean didapat nilai signifikan sebesar 0,879. Nilai signifikan yang didapat lebih besar dari taraf nyata yaitu 0,05 sehingga data yang digunakan homogen. Nilai signifikan hasil produksi lebih besar daripada 0,05 berarti varians kelompok-kelompok yang dibandingkan tidak berbeda, artinya homogen. Data tersebut dapat diolah lebih lanjut.

3.3 Perhitungan Manual

Perhitungan manual menggunakan metode anova satu arah. Ada dua jenis data yang dihitung, yaitu data jumlah sampel sama banyak dan data jumlah sampel tidak sama banyak. Berikut adalah perhitungan manualnya. Perhitungan dilakukan untuk mengetahui sama atau tidaknya rata-rata hasil produksi di 6 pabrik pada wilayah yang berbeda. Berikut adalah tahapannya.

a. Menentukan formulasi hipotesis

Formulasi hipotesis dilakukan untuk memberikan ketentuan dari H₀ dan H_1.Formulasi hipotesis dibuat dengan menentukan H₀ sebagai hipotesis yang diuji dan H₁ sebagai hipotesis alternatif atau hipotesis tandingan. Formulasi hipotesis yang dimaksud adalah sebagai berikut.

1) H₀ : rata-rata hasil produksi di setiap pabrik sama

2) H₁ : sekurang-kurangnya ada satu rata-rata hasil produksi yang tidak sama

b. Taraf nyata α = 0,05 (α=5%) dan nilai F-tabel

Taraf nyata yang ditetapkan yaitu 0,05 yang berarti tingkat signifikansi yang diizinkan sebesar 0,05 atau 5% dan nilai F tabel digunakan sebagai pembanding nantinya dengan nilai F hitung. Langkahnya sebagai berikut.

V₁ = 6-1 V₂ = 6(10-1)

= 5 = 54

c. Kriteria pengujian

Kriteria pengujian digunakan sebagai acuan dalam hal menerima atau menolak hipotesis uji atau hipotesis nol (H₀) dengan syarat yang didasarkan atas besarnya F₀ atau F hitung terhadap nilai F tabel yang dalam hal ini besarnya 2,394. Berikut langkah pengujian nya.

1) H₀diterima apabila F₀≤ 2,394

2) H₀ditolak apabila F₀>2,394

d. Analisis varians

Analisis varians dilakukan guna mendapatkan nilai uji statistik berupa nilai F hitung (F₀) yang nantinya nilai tersebut akan dibandingkan dengan nilai F tabel yang didapatkan sebelumnya sebelum penarikan kesimpulan. Berikut langkah-langkahnya.

e. Kesimpulan

Karena F₀= 0,236 ≤ 2,394 maka hipotesis H₀ diterima. Kesimpulannya adalah rata-rata hasil produksi di 6 pabrik tersebut sama setiap bulannya.

3.4 Pengolahan Software

Pengolahan software dilakukan dengan menggunakan aplikasi SPSS 16.0. Pengolahan software anova satu arah dilakukan terhadap jumlah sampel sama banyak.Pengolahan software jumlah sampel sama banyak dilakukan sesuai dengan jumlah sampel yang sama seperti pada pengujian data. Tahap pertama adalah mengganti variabel pada value labels. Memasukkan value yang terdapat di sheet variable view dengan angka 1 hingga 6 dan label secara berurutan mulai dari Pabrik 1 hingga Pabrik 6. Nilai value dan keterangan pada label dimasukkan secara satu persatu dengan memilih add. Langkah selanjutnya yaitu memilih Ok jika data yang dimasukkan sudah selesai, seperti pada gambar.

Tahap berikutnya adalah dengan memilih data view kemudian memasukkan data sesuai pengamatan. Data yang dimasukkan adalah data sampel sama banyak berjumlah 60 data, seperti pada gambar.

Data telah selesai dimasukkan dalam data view. Tahap selanjutnya adalah memilih analyze kemudian memilih compare means dan memilih One-Way ANOVA untuk melakukan pengolahan data. Muncul kotak dialog One-Way ANOVA. Memasukkan variabel hasil_produksi pada kotak dependent list dan variabel pabrik dalam kotak factor. Tahap selanjutnya adalah memilih Post Hoc. Muncul kotak dialog One-Way ANOVA : Post Hoc Multiple Comparisons. Memilih Bonferroni dan Tukey pada equal variances assumed, kemudian memilih continue. Tahap selanjutnya adalah memilih options pada kotak dialog One-Way ANOVA dan muncul kotak One-Way ANOVA : Options. Memilih descriptive dan memilih exclude cases analysis by analysis. Selanjutnya memilih continue.

Tahap pengolahan software anova satu arah dengan jumlah sampel sama banyak telah selesai dilakukan. Hasil pengolahan data dapat dilihat melalui output berikut pada gambar.

3.5 Analisis Perhitungan Manual

Perhitungan dilakukan dengan menggunakan sampel sama banyak. Data tersebut diolah menggunakan metode anova satu arah. Berikut ini adalah analisa hasil dari perhitungan tersebut.

Pertama yaitu menentukan formulasi hipotesis dengan H₀ sebagai hipotesis yang diuji serta H₁ sebagai hipotesis alternatifnya. H₀ adalah rata-rata hasil produksi di setiap pabrik sama dan H₁ nya adalah sekurang-kurangnya ada satu rata-rata yang tidak sama. Berikutnya yaitu menentukan taraf nyata (α) dan nilai F tabel, dan didapatkan nilai F tabel dari perhitungan yang dilakukan sebesar F_0,05(5;54) = 2,394 dengan taraf nyata nya 0,05. Taraf nyata merupakan nilai signifikansi yang diizinkan yang dalam hal ini sebesar 0,05 dengan nilai F tabelnya yaitu 2,394. Kriteria pengujian yang dibuat yaitu H₀diterima apabila F₀lebih kecil daripada 2,394 dan H₀ ditolak apabila F₀lebih besar daripada 2,394.

Analisis varians dihitung dan didapatkan berbagai sumber keragaman atau sumber varians seperti ragam dari kolom (JKK atau RK), error (JKE) , dan ragam total. Diketahui bahwa rata-rata kolom (JKK) sebesar 29880 maksudnya adalah rata-rata kuadrat dari kolom yaitu sebesar 29880. Derajat kebebasan untuk rata-rata kolom sebesar 5, artinya banyaknya pengamatan hasil produksi di setiap pabrik yang bebas dari total pengamatan keseluruhan yaitu sebesar 5. Jumlah kuadrat kesalahan atau error (JKE) sebesar 1368180 maksudnya adalah kesalahan dari hasil perhitungan rata-rata kuadrat sebesar 1368180. Derajat kebebasan untuk rata-rata kesalahan sebesar 54, artinya besarnya nilai yang bebas dari jumlah kuadrat kesalahan yaitu 54. Jumlah kuadrat total (JKT) sebesar 1398060. JKT didapat dari penjumlahan JKK dan JKE dan nilai derajat bebas totalnya yaitu 59 yang didapat dari penjumlahan derajat bebas dari JKK dan JKE. Nilai rata-rata kuadrat kolom sebesar 5976 yang didapat dari pembagian antara JKK dengan derajat kebebasannya. Nilai rata-rata kuadrat error sebesar 25336,7 yang didapat dari pembagian antara JKE dengan derajat kebebasannya. Hasil F₀ dari perhitungan sebesar 0,236. F₀ hitung lebih kecil daripada F₀ tabel yaitu 2,324. Kesimpulan yang dapat dibuat adalah H₀ diterima, sehingga rata-rata hasil produksi di enam pabrik tersebut sama.

3.6 Analisis Pengolahan Software

Hasil dari pengolahan data dengan pengolahan software dianalisisis guna mengetahui maksud dari hasil yang didapatkan melalui cara tersebut. Berikut adalah analisis pengolahan software untuk sampel sama banyak.

Output Descriptives menjelaskan bahwa dari 10 data pada pabrik pertama memiliki nilai rata-rata sebesar 3573,00 unit dan simpangan baku sebesar 154,564 yang berarti data yang menyimpang dari nilai rata-rata sebesar 154,564. Standar kesalahan dari rata-rata sebesar 48,877 dapat diketahui melalui nilai Std. Error. Diketahui dari kolom 95% Confidence Interval for Mean bahwa batas data terbawah sebesar 3462,43 dan batas data teratas sebesar 3683,57 yang berarti data tersebut dapat dipercaya dengan tingkat kepercayaan 95%. Data hasil produksi terkecil yaitu 3360 dan data terbesar yaitu 3840. Berdasarkan output tabel anova diketahui bahwa jumlah kuadrat kelompok sebesar 29880,000. Derajat kebebasannya sebesar 5, artinya banyaknya pengamatan hasil produksi yang bebas dari total pengamatan keseluruhan yaitu 5. Jumlah kuadrat kesalahan sebesar 1368180,000 dengan derajat kebebasan 54, artinya banyaknya pengamatan hasil produksi yang bebas dari total pengamatan keseluruhan yaitu 54. Nilai rata-rata kuadrat kelompok yaitu 5976,000 dan nilai rata-rata kuadrat kesalahan 25336,667 . F₀ sebesar 0,236. F₀ hasil software lebih kecil daripada F₀ pada tabel, sehingga H₀ diterima, maka rata-rata hasil produksi keenam pabrik tersebut sama. Nilai signifikansi nya sebesar 0,945 dimana lebih besar dari 0,05 yang mendukung juga sebagai syarat agar H₀ diterima.

Membandingkan dua pengujian yaitu uji Tukey dan Bonferroni dengan objek variabel terikat yaitu hasil produksi. Variabel i dengan pabrik 1 dan variabel j dengan pabrik 2 terdapat perbandingan rata-rata sebesar 63,000 dan kedua tes uji tersebut memliki nilai yang sama begitu pula dengan nilai standar error sebesar 71,185, nilai signifikansi sebesar 0,949 dengan uji Tukey, sedangkan dengan uji Bonferroni sebesar 1,000 terdapat sedikit perbedaan nilai dari masing-masing tipe pengujian, disini terlihat nilai signifikansi pada uji Tukey cenderung berubah-ubah dan tidak stabil namun pada uji Bonferroni cenderung stabil pada angka 1,000. Batas bawah untuk uji Tukey sebesar -147.32 dan uji Bonferroni sebesar -155.64. Batas atas untuk uji Tukey sebesar 273,32 dan uji Bonferroni sebesar 281,64. Perbedaan terlihat pada uji Tukey dan Bonferroni, sehingga dari hasil yang didapat , uji Bonferroni lah yang lebih akurat disebabkan nilainya yang cenderung stabil dibandigkan uji Tukey. Tabel Homogeneous dari hasil produksi menunjukkan tidak terlihat perbedaan rata-rata yang signifikan dari keenam pabrik tersebut dengan taraf nyata yang diizinkan yaitu 0,05 dan menggunakan rata-rata harmonik ukuran sampelnya sebesar 10,000.

BAB IV

PENUTUP

4.1 Kesimpulan

Berdasarkan tujuan penulisan dan penyelesaian studi kasus, dapat dibuat kesimpulan. Berikut adalah kesimpulan dari laporan ini.

1. F₀= 0,236 ≤ 2,394 maka hipotesis H₀ diterima. Kesimpulannya adalah rata-rata hasil produksi di 6 pabrik tersebut sama setiap bulannya.

2. F₀= 0,27 ≤ F_0,05(5;44)= 2,434, maka hipotesis H₀ diterima. Kesimpulannya adalah rata-rata jumlah tiap cabang outlet di 6 daerah tersebut adalah sama.

4.2 Saran

Saran yang diberikan yaitu pengetahuan dan ilmu yang cukup mengenai materi yang bersangkutan, pemilihan studi kasus di bidang industri hendaknya mengangkat masalah yang sederhana namun relevan dengan kehidupan sehari-hari atau kehidupan sekitar, dan ketelitian juga diperlukan pada saat pengolahan data, baik perhitungan manual maupun pengolahan software agar kesalahan yang terjadi dapat diminimalisir.

DAFTAR PUSTAKA

Hasan,M.Iqbal. 2001. Pokok-Pokok Materi Statistik 2 (Statistik Inferensif). Jakarta: Bumi Aksara

Nurgiyantoro,dkk.2002. Statistik Terapan Untuk Penelitian ilmu-ilmu Sosial. Yogyakarta: Gajah Mada University Press.

Riduwan. 2008. Dasar-Dasar Statistika. Bandung: Alfabeta.

Subiyakto, Haryono. 1993. Statistika 2. Jakarta : Universitas Gunadarma.

Walpole, E.Ronald. 1993. Pengantar Statistika Edisi ke-3. Jakarta: Gramedia Pustaka Utama.

endang mulyana blogspot

Mengenai Saya

Tugas Softskill Metode Penelitian

PENELITIAN UNTUK MENGETAHUI PERBEDAAN RATA-RATA PRODUKSI DAN OUTLET TAS DI PT. TOP BAG

PENELITIAN UNTUK MENGETAHUI PERBEDAAN RATA-RATA PRODUKSI DAN OUTLET TAS DI PT. TOP BAG