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
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).
Keterangan :
µ = Rata-rata keseluruhan dari semua k populasi
klasifikasi
αk = Efek klasifikasi dalam k kelompok
ejk = 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.
-
H0 diterima apabila F0 ≤ Fa(V1).(V2)
-
H0 ditolak 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
= Total
semua pengamatanJKK = Jumlah Kuadrat Kolom
JKE =
Jumlah Kuadrat Galat
nk =
Banyaknya anggota secara keseluruhan
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
F0 hasil 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 H0 diterima 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 H0
diterima 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 H1. 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) H0 diterima
apabila F0≤ 2,394
2)
H0 ditolak 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 F0,05(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 H0 diterima apabila F0 lebih kecil daripada 2,394
dan H0 ditolak apabila F0 lebih 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 ≤ F0,05(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.