A.

UJI NORMALITAS DATA

Descriptive Statistics
N

Minimum

Maximum

Mean

Std. Deviation

Statistic

Statistic

Statistic

Statistic

Statistic

Skewness
Statistic

Kurtosis

Std. Error

Statistic

Std. Error

Waktu

40

10

80

38.63

15.607

.147

.374

.141

.733

jumlah pengiriman

40

80

155

107.62

18.010

.720

.374

.019

.733

Jarak

40

10

80

46.58

17.261

-.196

.374

-.613

.733

Frekuensi

40

10

6.75

1.765

.313

.374

-.848

.733

Valid N (listwise)

40

Tabel output di atas menunjukkan jumlah pengukuran (N), nilai minimum (Minimum), nilai
maksimum (Maximum), nilai rata-rata (Mean), standar deviasi (Std.), Skewness, dan Kurtosis
dari masing-masing variabel. Nilai skewness merupakan ukuran kesimetrisan histogram,
sedangkan kurtosismerupakan ukuran datar atau runcingnya histogram. Idealnya nilai skewness
dan kurtosis pada distribusi normal adalah nol. Oleh karena itu:

Jika nilai skewness positif maka distribusi data miring ke kiri distribusi normal (ada
frekuensi nilai yang tinggi di sebelah kiri titik tengah distribusi normal), sebaliknya
apabila skewness negatif maka distribusi data miring ke kanan distribusi normal (kiri
bagi kita yang melihatnya).

Jika nilai kurtosis positif maka distribusi data meruncing (ada satu nilai yang
mendominasi), sebaliknya apabila Kurtosis Negatif maka distribusi data melandai
(varians besar).

B. UJI NORMALITAS dengan NORMAL CURVE

Jarak berdistribusi normal

Jarak berdistribusi normal

Gambar di atas menunjukkan histogram untuk variabel Waktu memiliki distribusi miring ke
kiri distribusi normal karena nilainya skewness positif dan meruncing karena nilai kurtosis
positif.

Sebaliknya, histogram untuk variable Jenis Pengiriman memiliki distribusi miring ke kiri
distribusi normal karena nilainya skewness positif dan meruncing karena nilai kurtosis positif.

Histogram untuk variable Jarak memiliki distribusi miring ke kanan distribusi normal karena
memiliki nilai skewness negative dan melandai karena nilai kurtosis negatife

Histogram untuk variable Frekuensi memiliki distribusi data data miring ke kiri distribusi
normal karena nilai skewness positif dan melanda karena nilai kurtosis negarif.

C. PENGUJIAN NORMALITAS dengan KOLMOGOROV dan SMIRNOV

One-Sample Kolmogorov-Smirnov Test

waktu
N

jumlah pengiriman

jarak

Frekuensi

40

40

40

40

38.63

107.63

46.58

6.75

15.607

18.010

17.261

1.765

Absolute

.110

.164

.114

.165

Positive

.091

.164

.071

.165

Negative

-.110

-.080

-.114

-.136

Kolmogorov-Smirnov Z

.696

1.037

.719

1.041

Asymp. Sig. (2-tailed)

.717

.232

.680

.229

Normal Parametersa,,b

Mean
Std. Deviation

Most Extreme Differences

a. Test distribution is Normal.

b. Calculated from data.

Hasil pengujian normalitas dapat diketahui berdasarkan nilai Asymp.Sig.(2-tailed). waktu

sebesar 0,717 , jumlah pengiriman sebesar 0,232. , jarak 0,680, dan frekuensi 0,229 Dengan
demikinan dapat dikatakan bahwa data nilai tersebut berdistribusi normal.

D. UJI HOMOGENITAS

Case Processing Summary

Cases
Valid
N
waktu

Missing
Percent

40

100.0%

Total

Percent
0

.0%

Percent
40

100.0%

Descriptives
Statistic
waktu

Mean

38.63

95% Confidence Interval for

Mean

Lower Bound

33.63

Upper Bound

43.62

5% Trimmed Mean

38.33

Median

40.00

Variance
Std. Deviation

2.468

243.574
15.607

Minimum

10

Maximum

80

Range

70

Interquartile Range

19

Skewness

.147

.374

Kurtosis

.141

.733

waktu Stem-and-Leaf Plot

Frequency
2,00
3,00
2,00
2,00
4,00
4,00
7,00

Std. Error

Stem & Leaf

1.
1.
2.
2.
3.
3.
4.

00
555
00
55
0000
5555
0000000

6,00
4 . 555555
3,00
5 . 000
3,00
5 . 555
2,00
6 . 00
1,00
6. 5
1,00 Extremes (>=80)
Stem width:
10
Each leaf:
1 case(s)

E. UJI MULTIKOLINIERITAS

Regression
Variables Entered/Removed
Model
1

Variables Entered Variables Removed

frekuensi, jumlah
pengiriman, jarak

Method

. Enter
a

a. All requested variables entered.

Model Summary
Std. Error of the
Model

R Square
.941a

Adjusted R Square

.886

Estimate

.876

5.487

a. Predictors: (Constant), frekuensi, jumlah pengiriman, jarak

ANOVAb
Model
1

Sum of Squares

df

Mean Square

Regression

8415.436

2805.145

Residual

1083.939

36

30.109

Total

9499.375

39

Sig.
.000a

93.165

a. Predictors: (Constant), frekuensi, jumlah pengiriman, jarak

b. Dependent Variable: waktu

Coefficientsa
Standardized
Unstandardized Coefficients
Model
1

B
(Constant)
jumlah pengiriman
Jarak
Frekuensi

a. Dependent Variable: waktu

Std. Error
14.870

9.263

-.088

.051

.817
-.710

Coefficients
Beta

Collinearity Statistics
t

Sig.

Tolerance

VIF

1.605

.117

-.102

-1.733

.092

.914

1.094

.064

.904

12.821

.000

.638

1.569

.643

-.080

-1.105

.277

.599

1.668

F. UJI AUTOKOLERASI
Model Summaryb
Std. Error of the
Model

R Square
.941a

Adjusted R Square

.886

Estimate

.876

Durbin-Watson

5.487

1.590

a. Predictors: (Constant), frekuensi, jumlah pengiriman, jarak

b. Dependent Variable: waktu

G. PERHITUNGSN REGRESI GANDA DAN PARSIAL

ANOVAb
Model
1

Sum of Squares

df

Mean Square

Regression

8310.192

8310.192

Residual

1189.183

38

31.294

Total

9499.375

39

Sig.

265.550

.000a

a. Predictors: (Constant), jarak

b. Dependent Variable: waktu

Coefficientsa
Standardized
Unstandardized Coefficients
Model
1

B
(Constant)
jarak

a. Dependent Variable: waktu

Std. Error
-.763

2.574

.846

.052

Coefficients
Beta

Collinearity Statistics
t

.935

Sig.

Tolerance

-.296

.769

16.296

.000

1.000

VIF

1.000

Excluded Variablesb
Collinearity Statistics
Minimum
Model
1

Beta In

Sig.

Partial Correlation

Tolerance

VIF

Tolerance

jumlah pengiriman

-.086a

-1.504

.141

-.240

.972

1.029

.972

frekuensi

-.049a

-.683

.499

-.112

.638

1.568

.638

a. Predictors in the Model: (Constant), jarak

b. Dependent Variable: waktu

H. AMOS

Jml (jumlah) terhadap waktu yaitu nilai jml (jumlah) lebih kecil dari table yaitu sebesar -,09
sehingga tidak signifikan.
Jarak terhadap waktu yaitu nilai jarak lebih kecil dari table yaitu yaitu sebesar ,82 sehingga tidak
signifikan.
Frek (frekuensi) terhadap waktu yaitu nilai frek (frekuensi) dari table yaitu sebesar -,71 sehingga
tidak signifikan.

Variable yang memiliki kontribusi lemah yang memiliki koefisien rendah adalah frek (frekuensi)
sebesar -17,88, variable yang baik adalah 0,5.