laporan praktikum metstat 2
DESCRIPTION
isiny tugas doangTRANSCRIPT
-
Nama : Jefry Kristian
NIM : 14/369613/PA/16399
Prodi : Matematika
Dosen Pengampu : Dr. Herni Utami, M.Si.
Asisten Praktikum : Novitasari Linda C. (15437)
Ajeng Widi Pangesti (15443)
LAPORAN TUGAS PRAKTIKUM
METODE STATISTIKA II
KELAS B
Yogyakarta, 26 Maret 2015
Disusun oleh :
LABORATORIUM KOMPUTASI MATEMATIKA DAN STATISTIKA
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS GADJAH MADA
YOGYAKARTA
-
2015
BAB 1
PERMASALAHAN
1. Sebuah bioskop membagi 3 jadwal pertunjukan dan mengklasifikasikan jenis-jenis film yang diputar. Berikut data jumlah penonton.
Jenis Film
Jadwal Pertunjukkan
Siang (1) Sore (2) Malam (3)
Film Barat
(1)
69 75 90
67 79 91
65 73 92
Film Indonesia
(2)
67 78 70
68 78 75
67 76 72
Film India
(3)
60 70 61
60 71 64
65 70 62
Soal :
a) Adakah interaksi faktor jadwal pertunjukan dan jenis film? Gunakan tingkat
signifikansi 5%
b) Apakah terdapat pengaruh faktor jenis film dan faktor jadwal pertunjukan? Bila
ada, jenis film dan/atau jadwal pertunjukan manakah yang menyebabkan
perbedaan?
-
2. Diketahui data sebagai berikut:
Minggu ke- Jumlah Pengunjung Jumlah Pengunjung
Datang dan Berbelanja
1 36 30
2 37 34
3 40 36
4 37 33
5 39 35
6 36 34
7 41 37
8 39 36
9 39 36
10 41 39
Berapa jumlah pengunjung yang datang pada hari libur di toko Makmur Jaya jika jumlah
pengunjung yang datang dan berbelanja di toko tersebut pada hari libur di suatu bulan
berjumlah 100 orang?
-
BAB II
PEMBAHASAN
1. Pembahasan soal nomor 1
a. Uji normalitas
Output SPSS :
Tests of Normality
Kolmogorov-Smirnov(a) Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Data .131 27 .200(*) .908 27 .020
Hipotesis
H0 : Data jumlah penonton sebuah bioskop berdasarkan jenis-jenis film
berdistribusi normal.
H1 : Data jumlah penonton sebuah bioskop berdasarkan jenis-jenis film tidak
berdistribusi normal.
Tingkat signifikansi
=0,05
Statistik uji
P-value = 0,020
Daerah kritik
H0 ditolak jika P-value <
Kesimpulan
Karena P-value = 0,020 > maka H0 tidak ditolak. Artinya dapat disimpulkan
bahwa data jumlah penonton sebuah bioskop berdasarkan jenis-jenis film
berdistribusi normal.
Intepretasi
Output
Karena jumlah data < 50 maka cukup perhatikan kolom Shapiro-Wilk pada tabel
output SPSS nya. Nilai P-value dapat dilihat pada kolom Sig.. Dari tabel didapat
nilai pada kolom Sig. Adalah .302 artinya P-value = 0,020.
Uji Hipotesis
-
H0 : Data jumlah penonton sebuah bioskop berdasarkan jenis-jenis film
berdistribusi normal.
H1 : Data jumlah penonton sebuah bioskop berdasarkan jenis-jenis film tidak
berdistribusi normal.
Karena P-value > maka H0 yang bernilai benar, yaitu bahwa Data jumlah
penonton sebuah bioskop berdasarkan jenis-jenis film berdistribusi normal.
b. Uji Kesamaan Variansi
Output pada SPSS :
Levene's Test of Equality of Error Variances(a)
Dependent Variable: Data
F df1 df2 Sig.
1.962 8 18 .112
( ij)2 : variansi data dari jenis Film i dan jadwal Film j dengan i =1,2,3 dan j =1,2,3
Hipotesis
H0 : ( 11)2 = ( 12)2 = ( 13)2 =..= ( 33)2
(Semua pasang data memiliki variansi yang sama)
H1 : Tidak semua ( ij)2 sama dengan i=1,2,3 dan j = 1,2,3
(Tidak semua pasang data memiliki variansi yang sama)
Tingkat signifikansi
=0,05
Statistik uji
P-value = 0,112
Daerah kritik
H0 ditolak jika P-value <
Kesimpulan
Karena P-value = 0,112 > maka H0 tidak ditolak. Artinya dapat disimpulkan
bahwa semua pasang data memiliki variansi yang sama.
Intepretasi
Output
Perhatikan tabel output SPSS nya. Nilai P-value dapat dilihat pada kolom Sig..
Dari tabel didapat nilai pada kolom Sig. Adalah .112 artinya P-value = 0,112.
-
Uji Hipotesis
H0 : ( 11)2 = ( 12)2 = ( 13)2 =..= ( 33)2
(Semua pasang data memiliki variansi yang sama)
H1 : Tidak semua ( ij)2 sama dengan i=1,2,3 dan j = 1,2,3
(Tidak semua pasang data memiliki variansi yang sama)
Karena P-value > maka H0 yang bernilai benar, yaitu bahwa Semua pasang data
memiliki variansi yang sama.
c. Uji INTERAKSI
Hasil output pada SPSS :
Tests of Between-Subjects Effects
Dependent Variable: Data
Source Type III Sum of Squares df Mean Square F Sig.
Partial Eta Squared
Corrected Model 1955.333(a) 8 244.417 65.992 .000 .967
Intercept 138675.000 1 138675.000 37442.250 .000 1.000
Jadwal 544.222 2 272.111 73.470 .000 .891
Jenisfilm 779.556 2 389.778 105.240 .000 .921
Jadwal * Jenisfilm 631.556 4 157.889 42.630 .000 .905
Error 66.667 18 3.704
Total 140697.000 27
Corrected Total 2022.000 26
Hipotesis
H0 : Tidak ada interaksi antara faktor jadwal dan faktor jenis film dibioskop.
H1 : Ada interaksi antara faktor jadwal dan faktor jenis film dibioskop.
Tingkat signifikansi
=0,05
Statistik uji
P-value = 0,000
Daerah kritik
H0 ditolak jika P-value <
Kesimpulan
Karena P-value=0,000 < maka H0 ditolak. Artinya, H1 tidak ditolak yaitu dapat
disimpulkan bahwa Ada interaksi antara faktor jadwal dan faktor jenis film
dibioskop.
-
Karena Ho diterima maka tidak perlu dilakukan uji MCA
Intepretasi
Output
Perhatikan tabel output SPSS nya. Nilai P-value dapat dilihat pada kolom Sig..
Karena yang dicari antara interaksi antara faktor jadwal dan faktor jenis film maka
liatlah nilai sig dari Jadwal * Jenisfilm . Dari tabel didapat nilai pada kolom Sig.
adalah .000 artinya P-value = 0,000.
Uji Hipotesis
H0 : Tidak ada interaksi antara faktor jadwal dan faktor jenis film dibioskop.
H1 : Ada interaksi antara faktor jadwal dan faktor jenis film dibioskop.
Karena P-value < maka H1 yang bernilai benar, yaitu bahwa Ada interaksi antara
faktor jadwal dan faktor jenis film dibioskop.
Berdasarkan hasil uji INTERAKSI dapat disimpulkan bahwa ada interaksi
antara faktor jadwal dan jenis film. Sehingga no 1 a terjawab yaitu ada
interaksi antara faktor jadwal pertunjukan dan jenis filmnya.
Karena ada interaksi antara 2 faktor tersebut maka dilanjutkan ke uji ANAVA satu
arah untuk masing-masing faktor.
d. Uji ANAVA Faktor Jenis Film
Output pada SPSS :
ANOVA
Data
Sum of
Squares Df Mean Square F Sig.
Between Groups 779.556 2 389.778 7.529 .003
Within Groups 1242.444 24 51.769
Total 2022.000 26
Hipotesis
H0 : 1 = 2 = 3 = 4
(Semua rata-rata data dari jenis film sama)
H1 : tidak semua i sama dengan i=1,2,3,4
(Tidak semua rata-rata data dari jenis film sama)
-
Tingkat signifikansi
=0,05
Statistik uji
P-value = 0,003
Daerah kritik
H0 ditolak jika P-value <
Kesimpulan
Karena P-value=0,000 < maka H0 ditolak. Artinya, H1 tidak ditolak yaitu dapat
disimpulkan bahwa bahwa Tidak semua rata-rata data dari jenis film sama.
Intepretasi
Output
Perhatikan tabel output SPSS nya. Nilai P-value dapat dilihat pada kolom Sig..
Dari tabel didapat nilai pada kolom Sig. adalah .003 artinya P-value = 0,003
Uji Hipotesis
H0 : 1 = 2 = 3 = 4
(Semua rata-rata data dari jenis film sama)
H1 : tidak semua i sama dengan i=1,2,3,4
(Tidak semua rata-rata data dari jenis film sama)
Karena P-value < maka H1 yang bernilai benar, yaitu bahwa Tidak semua rata-
rata data dari jenis film sama.
Karena H0 ditolak maka perlu dilakukan uji MCA.
-
e. Uji MCA Faktor Jenis Film
Output pada SPSS
Hipotesis :
H0 : Tidak ada perbedaan yang signifikan antara ketiga jenis film
H1 : Ada perbedaan yang signifikan antara ketiga jenis film
Tabel Mean Difference
Jenis Film
P-Value Kesimpulan
Barat vs Indo 0.114 0.05 Tidak ada perbedaan signifikan antara jenis film Barat
dan Indonesia
Barat vs India 0.001 0.05 Ada perbedaan signifikan antara jenis film Barat dan
India
Indo vs India 0.036 0.05 Ada perbedaan signifikan antara jenis film Indonesia
dan India
Jenis Film Mean Difference Kesimpulan
Barat VS Indo 5.55556 Barat > Indo
Barat VS India 13.11111 Barat > Indo
Indo VS India 7.55556 Indo > India
Kesimpulan Barat>Indo>India
Jadi berdasarkan tabel diatas disimpulkan bahwa film India paling sedikit ditonton.
Tidak ada perbedaan yang signifikan antara film Barat dan Indonesia. Disini yang
membuat perbedaan signifikan adalah film India.
Intepretasi
-
Output
Perhatikan tabel output SPSS nya. Nilai P-value dapat dilihat pada kolom Sig..
Dari tabel terdapat banyak nilai pada kolom Sig. Cukup diperhatikan nilai Sig pada
perbandingan Barat vs Indo, Indo vs India, dan Barat vs India saja. Sehingga
didapat nilai nya berturut-turut adalah .114, .036, dan .001 artinya P-value A vs B
= 0,114, P-value B vs C = 0,036, dan P-value A vs C = 0,001.
Uji Hipotesis
H0 : tidak ada perbedaan signifikan
H1 : ada perbedaan signifikan
Pada kasus Barat vs Indo, P-value > , maka H0 tidak ditolak. Artinya tidak ada
perbedaan yang signifikan antara data film Barat dan Indonesia.
Pada kasus Indo vs India, P-value < , maka H0 ditolak. Yang bernilai benar adalah
H1, artinya ada perbedaan yang signifikan antara data film Indonesia dan India.
Pada kasus Barat vs India, P-value < , maka Ho ditolak. Yang bernilai benar
adalah H1, artinya ada perbedaan yang signifikan antara data film Barat dan India.
f. Uji ANAVA pada Faktor Jadwal Pertunjukan
Output pada SPSS :
ANOVA
Data
Sum of
Squares df Mean Square F Sig.
Between Groups 544.222 2 272.111 4.419 .023
Within Groups 1477.778 24 61.574
Total 2022.000 26
Hipotesis
H0 : 1 = 2 = 3 = 4
(Semua rata-rata data dari jadwal pertunjukan sama)
H1 : tidak semua i sama dengan i=1,2,3,4
(Tidak semua rata-rata data dari jadwal pertunjukan sama)
Tingkat signifikansi
=0,05
Statistik uji
-
P-value = 0,023
Daerah kritik
H0 ditolak jika P-value <
Kesimpulan
Karena P-value = 0,023 < maka H0 ditolak. Artinya, H1 tidak ditolak yaitu dapat
disimpulkan bahwa bahwa Tidak semua rata-rata data dari jadwal pertunjukan sama.
Intepretasi
Output
Perhatikan tabel output SPSS nya. Nilai P-value dapat dilihat pada kolom Sig..
Dari tabel didapat nilai pada kolom Sig. adalah .023 artinya P-value = 0,023
Uji Hipotesis
H0 : 1 = 2 = 3 = 4
(Semua rata-rata data dari jadwal pertunjukan sama)
H1 : tidak semua i sama dengan i=1,2,3,4
(Tidak semua rata-rata data dari jadwal pertunjukan sama)
Karena P-value < maka H1 yang bernilai benar, yaitu bahwa Tidak semua rata-
rata data dari jadwal pertunjukan sama.
Karena H0 ditolak maka perlu dilakukan uji MCA.
g. Uji MCA Jadwal Pertunjukan
Output pada SPSS :
Hipotesis :
H0 : Tidak ada perbedaan yang signifikan antara ketiga jadwal pertunjukan film.
-
H1 : Ada perbedaan yang signifikan antara ketiga jadwal pertunjukan film.
Tabel Mean Difference
Jadwal P-Value Kesimpulan
Siang vs Sore 0.021 0.05 Ada perbedaan signifikan antara jadwal siang dan sore.
Siang vs Malam 0.013 0.05 Ada perbedaan signifikan antara jadwal siang dan malam.
Sore vs Malam 0.835 0.05 Tidak ada perbedaan signifikan antara jadwal sore dan malam.
Jadwal Mean Difference Kesimpulan
Siang VS Sore -9.11111 Siang < Sore
Siang VS Malam -9.99998 Siang < Malam
Sore VS Malam -0.77778 Sore < Malam
Kesimpulan Siang
-
Berdasarkan uji anava satu arah dan MCA per faktor, pertanyaan nomor 1b terjawab, yaitu
terdapat pengaruh faktor jenis film dan jadwal pertunjukan. Jenis film yang menyebabkan
perbedaan adalah film India dan jadwal yang membuat perbedaan adalah jadwal siang.
2. Pembahasan soal nomor 2
Untuk mengerjakan soal ini ditentukan dahulu dua variabel, yaitu :
Variabel Dependen (Y) = Pengunjung datang dan berbelanja
Variabel Independen (X) = Pengunjung
a. Uji normalitas variabel Y (Pengunjung datang dan berbelanja)
Output SPSS :
Tests of Normality
Kolmogorov-Smirnov(a) Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Berbelanja .158 10 .200(*) .958 10 .767
Hipotesis
H0 : Data pengunjung yang datang dan berbelanja berdistribusi normal.
H1 : Data pengunjung yang datang dan berbelanja tidak berdistribusi normal.
Tingkat signifikansi
=0,05
Statistik uji
P-value = 0,767
Daerah kritik
H0 ditolak jika P-value <
Kesimpulan
Karena P-value = 0,767 > maka H0 tidak ditolak. Artinya dapat disimpulkan
bahwa Data pengunjung yang datang dan berbelanja berdistribusi normal.
Intepretasi
Output
Karena jumlah data < 50 maka cukup perhatikan kolom Shapiro-Wilk pada tabel
output SPSS nya. Nilai P-value dapat dilihat pada kolom Sig.. Dari tabel didapat
nilai pada kolom Sig. Adalah .767 artinya P-value = 0,767.
-
Uji Hipotesis
H0 : Data pengunjung yang datang dan berbelanja berdistribusi normal.
H1 : Data pengunjung yang datang dan berbelanja tidak berdistribusi normal.
Karena P-value > maka H0 yang bernilai benar, yaitu bahwa Data pengunjung
yang datang dan berbelanja berdistribusi normal.
b. Linearitas
Output pada SPSS :
Dari grafik diatas dapat dilihat bahwa hubungan pengunjung dan pengunjung yang datang
dan berbelanja adalah hubungan linear positif. Artinya semakin tinggi jumlah pengunjung maka
jumlah pengunjung yang berbelanja semakin tinggi pula.
Model Summary(b)
Model R R Square Adjusted R
Square Std. Error of the Estimate
1 .883(a) .780 .753 1.21845
Pengunjung
41.0040.0039.0038.0037.0036.00
Berb
ela
nja
40.00
38.00
36.00
34.00
32.00
30.00
R Sq Linear = 0.78
-
Dari table tertulis nilai R= 0.883, artinya besarnya hubungan atau korelasi antara
pengunjung dan pengunjung yang datang dan berbelanja sebesar 0.883. Nilai dari R square = 0.780
variansi dalam variable pengunjung yang datang dan berbelanja dapat dijelaskan oleh vaiabel
pengunjung sebesar 0.078. dan standar eror = 1.22851, artinya besarnya variansi dalam model
adalah 1.21845.
Karena Asumsi data berdistribusi normal dan linearitas terpenuhi, maka selanjutnya dapat
dilakukan uji regresi.
c. Uji Regresi
c.1 Uji Overall
Output SPSS :
ANOVA(b)
Model Sum of
Squares df Mean Square F Sig.
1 Regression 42.123 1 42.123 28.373 .001(a)
Residual
11.877 8 1.485
Total
54.000 9
Hipotesis :
H0 : 1 = 0
(Model regresi tidak layak)
H1 : 1 0
(Model regresi layak)
Tingkat Signifikansi
=0,05
Statistik Uji :
P-Value = 0.001
Daerah Kritik :
H0 ditolak jika P-value <
Kesimpulan :
Karena P-Value = 0.001 < 0.05 maka H0 ditolak, artinya model regresi layak
digunakan
-
Interpretasi
Output
Perhatikan tabel output SPSS nya. Nilai P-value dapat dilihat pada kolom Sig..
Dari tabel didapat nilai pada kolom Sig. Adalah .001 artinya P-value = 0,001.
Uji Hipotesis
H0 : 1 = 0
(Model regresi tidak layak)
H1 : 1 0
(Model regresi layak)
Karena P-value < maka H1 yang bernilai benar, yaitu bahwa Model regresi layak
digunakan.
c.2 Uji Parsial
Output SPSS :
Coefficients(a)
Model
Unstandardized
Coefficients
Standardized
Coefficients t Sig.
B Std. Error Beta B Std. Error
1 (Constant) -8.831 8.238 -1.072 .315
Pengunjung
1.138 .214 .883 5.327 .001
Hipotesis :
H0 : 0 = 0
(Konstanta tidak signifikan masuk model)
H1 : 0 0
(Konstanta signifikan masuk model)
Statistik Uji :
P-Value = 0.315
Daerah Kritik :
H0 ditolak jika P-value <
-
Kesimpulan :
Karena P-Value = 0.315 > 0.05 maka H0 tidak ditolak, jadi disimpulkan bahwa
konstanta tidak signifikan masuk model.
Interpretasi
Output
Perhatikan tabel output SPSS nya. Nilai P-value dapat dilihat pada kolom Sig.
dengan model (Constant). Dari tabel didapat nilai pada kolom Sig. Adalah .315
artinya P-value = 0,315.
Uji Hipotesis
H0 : 0 = 0
(Konstanta tidak signifikan masuk model)
H1 : 0 0
(Konstanta signifikan masuk model)
Karena P-value < maka H1 yang bernilai benar, yaitu bahwa Model regresi layak
digunakan.
Dari UJI PARSIAL disimpulkan bahwa konstanta tidak signifikan untuk masuk
model. Maka akan dilakukukan Uji Regresi ulang dengan tidak memasukkan
konstanta dalam perhitungan kemudian sebelumnya mengecek kembali table
summary untuk mengecek asumsi. Kemudian dilanjutkan dengan melakukan uji
Overall yang dilanjutkan dengan melakukan Uji Koefisien.
Tabel Model Summary(c,d) (dengan tidak memasukkan konstanta dalam perhitungan)
Model R
R
Square(a)
Adjusted R
Square
Std. Error of
the Estimate
1 .999(b) .999 .999 1.22851
Dari table tertulis nilai R= 0.999, artinya besarnya hubungan atau korelasi antara
pengunjung dan pengunjung yang datang dan berbelanja sebesar 0.999. Nilai dari R square
= 0.999 variansi dalam variable pengunjung yang datang dan berbelanja dapat dijelaskan
-
oleh vaiabel pengunjung sebesar 0.999. dan standar eror = 1.22851, artinya besarnya
variansi dalam model adalah 1.22851
Dari table diketahu nilai R= 0.999, artinya besarnya hubungan atau korelasi antara
pengunjung dan (pengunjung datang dan berbelanja) sebesar 0.999. selanjut nya
nilai dari R square = 0.999 variansi dalam variable (pengunjung datang dan
berbelanja) dapat diterangkan oleh vaiabel pengunjung sebesar 0.999. dan standar
eror = 1.22851, artinya besarnya variansi dalam model adalah 1.22851
d. Uji Regresi Ulang
d.1 Uji Overall
Output SPSS :
ANOVA(c,d)
Model Sum of
Squares df Mean Square F Sig.
1 Regression 12290.417 1 12290.417 8143.522 .000(a)
Residual
13.583 9 1.509
Total
12304.000(b)
10
Hipotesis :
H0 : 1 = 0
(Model regresi tidak layak)
H1 : 1 0
(Model regresi layak)
Tingkat Signifikansi
: 0.05
Statistik Uji :
P-Value = 0.000
Daerah Kritik :
H0 ditolak jika p-value <
Kesimpulan :
Karena P-Value = 0.000 < 0.05 maka H0 ditolak, sehingga yang digunakan adalah
H1, jadi disimpulkan model regresi layak.
-
Interpretasi
Output
Perhatikan tabel output SPSS nya. Nilai P-value dapat dilihat pada kolom Sig..
Dari tabel didapat nilai pada kolom Sig. Adalah .001 artinya P-value = 0,000.
Uji Hipotesis
H0 : 1 = 0
(Model regresi tidak layak)
H1 : 1 0
(Model regresi layak)
Karena P-value < maka H1 yang bernilai benar, yaitu bahwa Model regresi layak
digunakan.
Dari uji datas diketahui model (linear sederhana) layak digunakan. Selanjutnya
akan dilakukan uji koefisien dengan tidak memasukkan konstanta dalam
perhitungan untuk menentukan koefisien model yang akan digunakan.
e. Uji Koefisien X (Variabel pengunjung)
Output SPSS :
Coefficients(a,b)
Model
Unstandardized Coefficients
Standardized Coefficients t Sig.
B Std. Error Beta B Std. Error
1 Pengunjung .910 .010 .999 90.241 .000
Hipotesis :
H0 : i = 0
(Koefisien tidak signifikan masuk model)
H1 : i 0
(Koefisien signifikan masuk model)
Statistik Uji :
P-Value = 0.000
Daerah Kritik :
H0 ditolak jika p-value <
Kesimpulan :
-
Karena P-Value = 0.000 < 0.05 maka H0 ditolak, jadi disimpulkan bahwa pada
tingkat signifikansi 0.05 maka koefisien signifikan masuk model
Interpretasi
Output
Perhatikan tabel output SPSS nya. Nilai P-value dapat dilihat pada kolom Sig.
dengan model (Constant). Dari tabel didapat nilai pada kolom Sig. Adalah .315
artinya P-value = 0,315.
Uji Hipotesis
H0 : 0 = 0
(Konstanta tidak signifikan masuk model)
H1 : 0 0
(Konstanta signifikan masuk model)
Karena P-value < maka H1 yang bernilai benar, yaitu bahwa Model regresi layak
digunakan.
Dari table diketahui nilai B = 0.910 . Nilai B ini akan digunakans sebagai nilai
koefisien pengunjung dalam model
f. Model Regresi
Ppengunjung datang dan berbelanja = 0.910*pengunjung.
Interpretasi
Setiap penambahan satu satuan variable pengunjung, maka nilai pengunjung datang
dan belanja akan ditambah sebesar 0.910, jika variable lain diabaikan.
Maka, soal nomor 2 dapat dijawab dengan menggunakan model regresi ini.
Ppengunjung datang dan berbelanja = 0.910 pengunjung.
100 = 0,910*Pengunjung
Pengunjung = 100/0,910
Pengunjung = 109,89 110 orang.
-
Jadi, jumlah pengunjung yang datang pada hari libur di Toko Makmur Jaya jika
pengunjung yang datang dan berbelanja di toko tersebut pada hari libur di suatu
bulan sebanyak 100 orang adalah sejumlah 110 orang.
-
BAB III
KESIMPULAN
1. Persoalan nomor 1 diselesaikan dengan uji normalitas untuk mengecek kenormalan
distribusi data, dilanjutkan dengan uji kesamaan variansi untuk mengecek apakah ada
perbedaan variansi dari kelompok data yang ada, lalu diuji lagi dengan uji ANOVA 2 arah
untuk mengecek apakah ada interaksi antar faktornya dan jika ada apa faktor yang
membuat perbedaan, lalu dilajuntkan lagi dengan uji ANOVA 1 arah untuk masing-masing
faktor, dan diikuti oleh uji MCA setelah uji ANOVA per faktor tersebut. Uji ANOVA 2
arah untuk menjawab nomor 1a dan Uji anova 1 arah dan MCA untuk menjawab nomor
1b.
2. Persoalan nomor 2 diselesaikan dengan uji normalitas, uji linearitas, dan uji regresi. Uji
regresi dilakukan untuk menentukan model regresinya. Uji regresi diawali dengan uji
overall untuk menentukan apakah model regresi layak digunakan lalu dilanjutkan dengan
uji parsial untuk menentukan apakah konstanta signifikan masuk model. Karena setelah
diuji parsial konstanta tidak masuk model maka dilakukan uji regresi ulang dengan tidak
memasukkan nilai konstanta dalam perhitungan. Dari uji regresi ulang didapat nilai
koefisien yang menentukan jumlah pengunjung yang datang dan berbelanja. Persoalan
nomor 2 terjawab dengan memasukkan nilai pengunjung ke model regresinya.