LAPORAN PRAKTIKUM

SATUAN OPERASI INDUSTRI

(2.Penyajian Data (Grafik) )

Oleh :

Nama : Muhammad Aldiansyah

NPM : 240110110104

Hari, Tanggal Praktikum : Rabu, 13 Maret 2012

Shift (waktu) : 1 (10.00 s/d 11.30 WIB)

Co. Ass : Novina Sagita

LABORATORIUM PASCA PANEN DAN TEKNOLOGI PROSES

TEKNIK DAN MANAJEMEN INDUSTRI PERTANIAN

FAKULTAS TEKNOLOGI INDUSTRI PERTANIAN

UNIVERSITAS PADJADJARAN

JATINANGOR

2013

Nilai :

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pada suatu proses tertentu tentunya akan diperoleh data yang dapat

menggambarkan kuantitas maupun kualitas dari hasil proses tersebut. Data

tersebut dapat berupa angka, kata-kata ataupun pencitraan. Untuk memperoleh

gambaran yang sistematis tentang hasil dari proses tersebut perlu adanya

penyajian data. Penyajian data dapat berupa tabel ataupun grafik.

Tabel merupakan kumpulan angka-angka yang disusun menurut kategori-

kategori. Misalnya berat badan menurut jenis kelamin, jumlah pegawai menurut

pendidikan, jumlah penjualan menurut jenis barang dan daerah penjualan, dan

lain-lain. Sedangkan grafik merupakan gambar-gambar yang menunjukkan secara

visual data berupa angka atau simbol-simbol yang biasanya dibuat berdasarkan

data dari tabel yang telah dibuat. (Riohartanto: 2011).

Dalam satuan operasi industri banyak ditemukan berbagai macam proses

seperti proses pengolahan, pengeringan dan pendinginan hasil pertanian dan

sebagainya yang tentunya memperoleh hasil yang kualitas maupun kuantitasnya

digambarkan dalam bentuk data. Oleh karena itu, dilakukanlah praktikum

mengenai penyajian data terutama dalam bentuk grafik ini agar dapat diterapkan

dalam teknik unit operasi dalam penanganan hasil pertanian.

1.2 Tujuan Percobaan

Tujuan diadakannya praktikum mengenai penyajian data (grafik) ini yaitu :

1) Mahasiswa dapat menampilkan data dan menerapkan penyajian grafik

2) Mahasiswa dapat menganalisis dan menerapkan penyajian grafik dalam teknik

unit operasi dalam penanganan hasil pertanian.

BAB II

TINJAUAN PUSTAKA

2.1 Grafik

Grafik data disebut juga diagram data, adalah penyajian data dalam bentuk

gambar-gambar. Grafik data biasanya berasal dari tabel dan grafik biasanya dibuat

bersama-sama, yaitu tabel dilengkapi dengan grafik. Grafik data sebenarnya

merupakan penyajian data secara visual dari data bersangkutan. Dengan grafik

dapat memberikan informasi dengan cepat yang dikandung dari sekelompok data

dalam bentuk yang ringkas. Diagram biasanya lebih menarik dibandingkan

penyajian data dengan menggunakan tabel. Hal ini bisa dimungkinkan karena

dengan diagram dapat ditambahkan manipulasi warna agar orang lain tertarik dan

mudah memahami apa yang disampaikan dalam grafik tersebut. Grafik data

dibedakan atas beberapa jenis, yaitu :

1) Grafik garis (line chart)

Grafik garis (line chart) adalah grafik berupa garis, diperoleh dari beberapa

ruas garis yang menghubungkan titik-titik pada bidang bilangan. Pada grafik

garis digunakan dua garis yang saling berpotongan. Pada garis horizontal

(sumbu-X) ditempatkan bilangan-bilangan yang sifatnya tetap, seperti tahun

dan ukuran-ukuran. Pada garis tegak (sumbu-Y) ditempatkan bilangan-

bilangan yang sifatnya berubah-ubah, seperti harga, biaya jumlah, dan Ada

berbagai bentuk grafik, antara lain :

a) Grafik garis tunggal (single line chart), yaitu grafik yang terdiri dari satu

garis untuk menggambarkan perkembangan (trend) dari suatu

karakteristik.

b) Grafik garis berganda (multiple line chart) Yaitu grafik yang terdiri dari

beberapa garis untuk menggambarkan beberapa hal/kejadian sekaligus.

2) Grafik Batangan (bar chart)

Grafik Batangan (bar chart) adalah grafik data berbentuk persegi panjang

yang lebarnya sama dan dilengkapi dengan skala atau ukuran sesuai dengan

data yang bersangkutan.  Setiap batang tidak boleh saling menempel atau

melekat antara satu dengan lainnya dan jarak antara setiap batang yang

berdekatan harus sama. Ada berbagai bentuk grafik batangan, antara lain:

a) Grafik batangan tunggal (single bar chart), Yaitu grafik yang terdiri dari

satu batangan untuk menggambarkan perkembangan (trend) dari suatu

karakteristik.

b) Grafik batangan berganda (multiple bar chart), Yaitu grafik yang terdiri

dari beberapa garis untuk menggambarkan beberapa hal/kejadian

sekaligus.

3) Grafik Lingkaran (pie chart)

Grafik Lingkaran (pie chart) adalah grafik yang menggambarkan

perbandingan nilai-nilai dari suatu karakteristik. Grafik data berupa lingkaran

yang telah dibagi menjadi juring-juring sesuai dengan data tersebut. Bagian-

bagian dari keseluruhan data tersebut dinyatakan dalam persen.

2.2 Regresi

Secara umum ada dua macam hubungan antara dua variabel atau lebih,

yaitu bentuk hubungan dan keeratan hubungan. Untuk mengetahui bentuk

hubungan digunakan analisis regresi. Untuk keeratan hubungan dapat diketahui

dengan analisis korelasi. Analisis regresi dipergunakan untuk menelaah hubungan

antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang

modelnya belum diketahui dengan sempurna, atau untuk mengetahui bagaimana

variasi dari beberapa variabel independen mempengaruhi variabel dependen

dalam suatu fenomena yang kompleks. Jika X1, X2, … , Xi adalah variabel-

variabel independen dan Y adalah variabel dependen, maka terdapat hubungan

fungsional antara X dan Y, di mana variasi dari X akan diiringi pula oleh variasi

dari Y. Secara matematika hubungan di atas dapat dijabarkan sebagai berikut: Y =

f(X1, X2, …, Xi, e), di mana : Y adalah variabel dependen, X adalah variabel

independen dan e adalah variabel residu (disturbance term).

Regresi merupakan cara untuk mengukur besarnya pengaruh variabel

bebas terhadap variabel tergantung dan memprediksi variabel tergantung dengan

menggunakan variabel bebas. Analisis regresi sebagai kajian terhadap hubungan

satu variabel yang disebut sebagai variabel yang diterangkan (the explained

variabel) dengan satu atau dua variabel yang menerangkan (the explanatory).

Tujuan digunakannya analisis regresi antara lain sebagai berikut.

a) Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan

pada nilai variabel bebas;

b) Menguji hipotesis karakteristik dependensi; dan

c) Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai

variabel bebas diluar jangkaun sample.

2.3 Jenis-jenis Regresi

Ada beberapa jenis persamaan regresi yang umum dan

sering digunakan digunakan antara lain sebagai berikut.

a. Regresi Linier

Terdapat dua macam regresi linier yaitu regresi linier

sederhana dan regresi linier berganda.

2.3.1 Regresi Linier Sederhana

Regresi sederhana, bertujuan untuk mempelajari hubungan

antara dua variabel. Model Regresi sederhana adalah y=a+bx ,

di mana, y adalah variabel tak bebas (terikat), X adalah variabel

bebas, a adalah penduga bagi intersep (α), b adalah penduga

bagi koefisien regresi (), dan α, adalah parameter yang

nilainya tidak diketahui sehingga diduga menggunakan statistik

sampel.

- Bentuk Umum Regresi Linier Sederhana :

Y = a + bX

Y : peubah takbebas X : peubah bebas

a : konstanta b : kemiringan

Nilai b dapat positif (+) dapat negartif (-)

b : positif b : negatif

Penetapan Persamaan Regresi Linier Sederhana

b=

n∑i=1

n

xi y i−(∑i=1

n

xi)(∑i=1

n

y i)n∑

i=1

n

xi2−(∑

i=1

n

x i)2

a= y−b x sehingga a=

∑i=1

n

y i

n−b

∑i=1

n

x i

n

n : banyak pasangan data

yi : nilai peubah takbebas Y ke-i

xi : nilai peubah bebas X ke-i

2.3.2 Regresi Linier Berganda

Analisis regresi ganda merupakan pengembangan dari

analisis regresi sederhana. Kegunaannya yaitu untuk

meramalkan nilai variabel terikat (Y) apabila variabel bebasnya

(X) dua atau lebih. Analisis regresi ganda adalah alat untuk

meramalkan nilai pengaruh dua variabel bebas atau lebih

terhadap satu variabel terikat (untuk membuktikan ada tidaknya

hubungan fungsional atau hubungan kausal antara dua atau

lebih variabel bebas X1, X2, …., Xi terhadap suatu variabel terikat

Y. Persamaan regresi ganda dirumuskan sebagai berikut :

1. Dua variabel bebas : Y=a+b1 X1+b2 X2

2. Tiga variabel bebas : Y=a+b1 X1+b2 X2+b3 X3

3. n variabel bebas : Y=a+b1 X1+b2 X2+ .. .. . ..+bn Xn

2.3.3 Regresi Eksponensial

Regresi eksponensial mnggunakan kurva untuk

menampilkan nilai data yag meningkat ataupun menurun pada

peningkatan nilai yang lebih tinggi. Untuk regresi eksponensial,

data yang digunakan seharusnya tidak memiliki nilai nol atau

negatif. Jenis regresi ini menggunakan persmaan sebagai berikut.

dimana c dan b adalah konstanta, dan e adalah dasar logaritma

alami.

2.3.4 Regresi Logaritma

Regresi logaritma menggunakan kurva best-fit untuk

menapilkan nilai data yang naik atau turun dengan cepat

sebelum pengaturan. Untuk regresi logaritma ini data dapat

bernilai positif dan negatif tetapi tidak boleh bernilai nol. Jenis

logaritma ini menggunakan persamaan sebagai berikut.

dimana c dan b adalah konstanta, dan ln adalah fngsi logaritma

alami.

2.3.5 Regresi Power

Regresi Power menggunakan garis kurva untuk

menampilkan nilai data yang membandingkan pengukuran

peningkatan dengan laju tertentu. Untuk regresi ini data tidak

dapat bernilai nol atau negatif. Jenis regresi ini menggunakan

persamaan sebagai berikut.

dimana c dan b adalah konstanta.

2.4 Nilai r

Nilai r terbesar adalah +1 dan r terkecil adalah –1. r = +1 menunjukkan

hubungan positif sempurna, sedangkan r = -1 menunjukkan hubungan negatip

sempurna.r tidak mempunyai satuan atau dimensi. Tanda + atau – hanya

menunjukkan arah hubungan. Intrepretasi nilai r adalah sebagai berikut:

                          

2.5 Koefisien Determinasi (R2 )

Koefisien determinasi (R2) merupakan ukuran kecocokan hasil estimasi

sebuah model regresi linier dengan data yang dimodelkan, atau biasa disebut

ukuran goodness of fit dari sebuah model regresi linier. Dengan lain perkataan, R2

menunjukkan seberapa dekat garis regresi yang diestimasi dengan data yang

sebenarnya atau seberapa besar proporsi variasi variabel respon yang dapat

dijelaskan oleh garis regresi. Ukuran ini dapat digunakan jika semua asumsi

terkait residual telah terpenuhi.  

Keselerasan model regresi dapat diterangkan dengan menggunakan nilai

R2, semakin besar nilai tersebut maka model semakin baik.Pada dasarnya, R2 tidak

pernah bernilai negatif, kecuali model regresi yang digunakan tanpa intersep. Jika

model regresi yang digunakan tanpa intersep, maka R2 tidak bermakna meskipun

bernilai positif.

Nilai R2 mempunyai beberapa karakteristik yaitu selalu positif, dan nilai

R2 maksimal sebesar 1. Jika Nilai R2 sebesar 1 akan mempunyai arti kesesuaian

yang sempurna. Maksudnya seluruh variasi dalam variabel Y dapat diterangkan

oleh model regresi. Sebaliknya jika R2 sama dengan 0, maka tidak ada hubungan

linier antara X dan Y. Pemeriksaan keberartian regresi dilakukan melalui

pengujian hipotesis nol, bahwa koefisien regresi b sama dengan nol (tidak berarti)

melawan hipotesis tandingan bahwa koefisien arah regresi tidak sama dengan nol.

Kelemahan mendasar dari R2 adalah nilainya yang selalu bertambah ketika

dilakukan penambahan variabel bebas ke dalam model, meskipun variabel

tersebut tidak begitu penting dalam menjelaskan variabel respon (tidak

signifikan). Untuk mengatasi hal ini digunakan R2 yang telah disesuaikan (R2 

Adjusted). Ukuran yang baru ini tidak terpengaruh oleh  penambahan variabel

bebas, kecuali jika variabel bebas tersebut signifikan.

BAB III

METODOLOGI PENGAMATAN DAN PENGUKURAN

3.1 Alat

Alat yang digunakan dalam praktikum ini yaitu :

1. Kalkulator scientific untuk menghitung regresi,

2. Alat tulis untuk mencatat hasil perhitungan

3. Penggaris dan pensil serta kertas milimeter blok untuk menggambar

grafik

2.6 Bahan

Adapun bahan yang dibutuhkan pada praktikum ini yaitu

1. Soal dalam bentuk tabel yang disajikan pada modul praktikum.

3.3 Prosedur Percobaan

Langkah-langkah yang dilakukan dalam praktikum ini yaitu

1) Menyediakan alat-alat yang dibutuhkan;

2) Menghapus/membersihkan memori yang ada pada kalkulator;

3) Mencari regresi baik linier, eksponensial, logaritma maupun power pada setiap

soal yang disajikan pada modul dengan menggunakan kalkulator;

4) Mengatur kalkulator ke mode regresi dan pilih regresi yang akan dicari apakah

linier, eksponensial, logaritma atau power dengan memilih menu pada

kalkulator;

5) Memasukkan data yang mana sumbu x dan yang mana sumbu y;

6) Menentukan nilai A, B, R, dan R2 dengan kalkulator berdasarkan data yang

telah ada;

7) Mencatat nilai A, B, R, dan R2 yang didapat dari perhitungan kalkulator; dan

8) Membuat grafik berdasarkan tabel yang disajikan pada soal dalam modul pada

kertas kertas milimeter blok.

BAB IV

HASIL PERCOBAAN

4.1 Perhitungan Regresi

Linier Eksponensial Logaritma Power

Soal 1 ABRR2

y

= 8,0153= -0,1381= -0,9121= 0,8319= -0,138x + 8,015

ABRR2

= 10,1619= -0,05242= -0,99443= 0,9889

----- ----

Soal 2 ABRR2

= -0,1311= 16,289= 0,9941= 0,9882

ABRR2

= 0,02655= 69,646= 0,9365= 0,877

ABRR2

= 1,67169= 0,3565= 0,92494= 0,8555

ABRR2

= 139,08= 1,7421= 0,996= 0,992

Soal 3 ABRR2

= 0,2998= 0,6775= 0,9919= 0,9839

ABRR2

= 0,935= 0,2602= 0,9863= 0,9728

ABRR2

= 0,7529= 1,8381= 0,9255= 0,8565

ABRR2

= 1,058= 0,7565= 0,9774= 0,9553

Soal 4 ABRR2

= -18,29= 10,771= 0,9693= 0,9395

ABRR2

= 1,0761= 0,5789= 0,96479= 0,93082

ABRR2

= -16,748= 35,324= 0,8842= 0,7818

ABRR2

= 0,8642= 2,1514= 0,9974= 0,9948

Tabel 1. Hasil Perhitungan Regresi dengan Menggunakan Kalkulator

4.2 Grafik dengan Regresi

1) Soal 1

0 10 20 30 40 50 60 70 800

2

4

6

8

10

12

f(x) = − 0.138090763236305 x + 8.01527618611047R² = 0.831974719675219

f(x) = 10.1618747598047 exp( − 0.0524190896482059 x )R² = 0.988884611676306

Grafik 1. Pengaruh Waktu terhadap Kadar Air dalam Pengeringan Kacang

Pengeringan KacangLinear (Pengeringan Kacang)Exponential (Pengeringan Kacang)

Waktu (menit)

Kad

ar A

ir (%

)

2) Soal 2

0 0.01 0.02 0.03 0.04 0.05 0.060

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

f(x) = 16.2891712431894 x − 0.131114303973954R² = 0.988240389652223

f(x) = 0.0265508317535755 exp( 69.6464965506291 x )R² = 0.877051535885772f(x) = 139.083055321811 x^1.74218803334048R² = 0.992035527258571

f(x) = 0.356472620036998 ln(x) + 1.67169386845884R² = 0.855514918706332

Grafik 2. Pengaruh Diameter Ayakan terhadap Fraksi Massa yang Lolos

Spray DrierLinear (Spray Drier)Exponential (Spray Drier)Power (Spray Drier)Logarithmic (Spray Drier)

Diameter Ayakan (inci)

Frak

si M

assa

yan

g L

olos

3) Soal 3

0 1 2 3 4 5 6 7 80

1

2

3

4

5

6

f(x) = 0.671404109589041 x + 0.299857305936073R² = 0.983948800136533

f(x) = 0.935054342123991 exp( 0.260206951964515 x )R² = 0.972970022913769f(x) = 1.05802223083298 x^0.756570229497261R² = 0.955428602430373f(x) = 1.83814859718118 ln(x) + 0.752956856931934R² = 0.856650785855396

Grafik 3. Pengaruh X terhadap Y

Grafik x terhadap y

Linear (Grafik x terhadap y)

Exponential (Grafik x terhadap y)

Power (Grafik x terhadap y)

Logarithmic (Grafik x terhadap y)

X

Y

4) Soal 4

0 1 2 3 4 5 6 7 8 90

10

20

30

40

50

60

70

80

90

f(x) = 10.7711037065284 x − 18.2935726874048R² = 0.939575458338311

f(x) = 1.07619654541265 exp( 0.578864878559197 x )R² = 0.930816914277996

f(x) = 0.864205384111016 x^2.15139256465004R² = 0.99478852306254

f(x) = 35.3244110342542 ln(x) − 16.7487330368045R² = 0.781884642126993

Grafik 4. Grafik Persamaan Fungsi y = axb

Grafik Percobaan

Linear (Grafik Percobaan)

Exponential (Grafik Percobaan)

Power (Grafik Percobaan)

Logarithmic (Grafik Percobaan)

X

Y

BAB V

PEMBAHASAN

5.1 Pembahasan

Pada praktikum kali ini, praktikan melakukan analisis dan penyajian data

dengan menggunakan grafik. Penyajian grafik ini dibantu dengan fungsi atau

regresi yang bertujuan agar dapat diketahui korelasi antara variabel x dan y.

Adapun regresi yang digunakan pada percobaan ini antara lain regresi atau fungsi

linier, eksponensial, logaritma dan regresi power.

Dari regresi-regresi di atas, dapat diperoleh nilai-nilai antara lain A yang

menunjukkan nilai konstanta, B menunjukkan kemiringan atau slove kurva serta

R2 yang menunjukkan korelasi liniear atau keakuratan data. Analisis grafik

diperlukan karena hasil regresi dari masing-masing grafik berbeda. Perlu

diketahui manakah fungsi grafik atau regresi yang paling cocok digunakan untuk

menyajikan data-data yang diolah.

Perhitungan regresi di lab dilakukan dengan menggunakan kalkulator yang

dimana hasilnya akan dibandingkan dengan regresi yang muncul saat membuat

grafik pada microsoft excel. Dari hasil regresi dengan perhitungan kalkulator dan

pembuatan grafik pada excel tidak ada perbedaan nilai yang berarti..Hanya saja

yang membedakan regresi pada microsoft excel menyesuaikan ruang chart area

sehingga angka-angkanya dibulatkan menjadi 3 atau 4 digit dibelakang koma.

Dari grafik1 diketahui hanya dua regresi yang dapat diterapkan pada

penyajian data ini yaitu regresi linier dan eksponensial saja. Pada grafik lainnya

dapat diterapkan keempat fungsi regresi. Dari hal ini dapat diketahui bahwa

regresi linier dapat digunakan untuk semua penyajian data dan juga dapat

dibuktikan sesuai teori bahwa fungsi exponential hanya dapat diterapkan dengan

syarat bahwa data yang disajikan tidak mengandung angka 0 pada sumbu y, dan

sebaliknya untuk regresi logaritma hanya dapat diterapkan jika data tidak

mengandung angka 0 pada sumbu x. Sedangkan regresi power hanya dapat

diterapkan jika kedua sumbu x dan y tidak memiliki angka nol (semua data

bernilai nol).

Jika diperhatikan pada grafik dengan R2 mendekati angka satu

menunjukkan korelasi linier yang semakin baik. Pada grafik 1 nilai R2 regresi

eksponensialnya lebih besar daripada regresi linier dan garis kurvanya pun lebih

selaras dengan kurva dari regresi eksponensial. Hal ini sekaligus membuktikan

pada penyajian data mengenai pengaruh waktu terhadap kadar air lebih cocok

menggunakan regresi eksponensial. Pada grafik 2 lebih cocok menggunakan

regresi power dibandingkan dengan regresi lainnya karena selain nilai R2 –nya

lebih besar dari regresi-regresi lainnya, garis kurvanya lebih selaras dengan garis

regresi power. Untuk grafik 3 lebih cocok menggunakan regresi linier, dan grafik

4 lebih cocok menggunakan regresi power.

Nilai R2 mempunyai beberapa karakteristik yaitu selalu positif, dan nilai

R2 maksimal sebesar 1. Jika Nilai R2 sebesar 1 akan mempunyai arti kesesuaian

yang sempurna. Maksudnya seluruh variasi dalam variabel Y dapat diterangkan

oleh model regresi. Sebaliknya jika R2 sama dengan 0, maka tidak ada hubungan

linier antara X dan Y. Pemeriksaan keberartian regresi dilakukan melalui

pengujian hipotesis nol, bahwa koefisien regresi b sama dengan nol (tidak berarti)

melawan hipotesis tandingan bahwa koefisien arah regresi tidak sama dengan nol

BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Dari penjelasan di atas dapat disimpulkan bahwa

1. Penyajian grafik membantu dalam peyajian data terutama dalam penyajian

informasi mengenai hasil yang diamati;

2. Ada beberapa jenis persamaan regresi yang umum dan

sering digunakan yaitu regresi

linear,eksponensial,logaritma,dan power

3. Semakin nilai R2 mendekati angka satu, maka kesesuaian korelasi linier

antara variabel x dan y semakin baik;

4. Fungsi grafik linier cocok untuk diterapkan pada semua jenis data;

5. Fungsi grafik logaritma hanya dapat diterapkan jika data tidak

mengandung nilai nol pada sumbu x, sedangkan fungsi exponential hanya

dapat diterapkan jika data tidak mengandung angka nol pada sumbu y; dan

6. Fungsi power tidak dapat diterapkan apabila data yang ada mengandung

angka nol, baik pada sumbu x maupun sumbu y.

6.2 Saran

Adapun saran yang dapat diberikan mengenai penyajian grafik ini yaitu

a) Sebelum memulai penyajian data,praktikan diharapkan selalu memperhatikan

data mana yang akan dijadikan sebagai sumbu x dan mana yang akan

dijadikan sebagai sumbu y;

b) Perlunya ketelitian oleh praktikan dalam memasukkan dan mengolah data

yang akan disajikan

c) Pengecekkan ulang sebaiknya dilakukan pada hasil perhitungan terutama

dalam mencari regresi.untuk menghasilkan data yang akurat.

DAFTAR PUSTAKA

Alauddin. Regresi dan Korelasi Linier Sederhana. Bandung, UIN.

Usman, H. dan R. Purnomo Setiady Akbar. 2000. Pengantar Statistika. Bumi

Aksara. Jakarta.

Hartanto, Rio. 2011. Penyajian Data Statistik. Tersedia:

http://riohartanto.blog.fisip.uns.ac.id/2011/12/09/penyajian-data-

statistik/. Diakses pada 15 Maret 2013 pukul 19.30 WIB.

Sarwono,Jonathan.2010.Regresi.Tersedia:

http://www.http://www.jonathansarwono.com/regresi/.

Diakses pada 15 Maret 2013 pukul 19.30 WIB.

Rudy Fisika. 2009. Jenis-jenis Grafik Bag.1. Tersedia:

http://aplikom-fisika.blogspot.com/2009/07/jenis-jenis-

grafik.html Diakses pada 15 Maret 2013 pukul 19.32 WIB.

http://blog.ub.ac.id/midori/2012/04/03/regresi-dan-

korelasi/ Diakses pada 15 Maret 2013 pukul 19.32 WIB.

LAMPIRAN

Gambar 1 Gambar 2

Gambar 3 Gambar 4

Gambar 5 Gambar 6