Professional Documents
Culture Documents
DISAMPAIKAN PADA
KULIAH UMUM
TANGGAL, JANUARI 2008
i = 1, 2, 3 ….. N
X1, X2, X3 = adalah variabel kontrol
εi = adalah komponen sisaan yang tidak diketahui (acak)
α dan β adalah parameter yang nilainya tidak diketahui
sehingga perlu diperkirakan dengan statistik sampel
Model sampel untuk regresi linier sederhana :
Yi =a + bXi
Y = Variabel tak bebas
X = Variabel Bebas
a = penduga bagi intercep (α)
B = Penduga bagi koefisien regresi (β)
Dengan menggunakan metode Kuadrat terkecil (Least
Square Method) diperoleh :
b = n (Σxy)-(Σx) (Σy)
n (Σx²)-(Σx)²
a = Σy-b(Σx)
n
Contoh :
Data perusahaan MJ biaya iklan dan volume penjualan
perusahaan diperoleh :
3 12 9 144 36
4 11 16 121 44
5 13 25 169 65
6 12 36 144 72
7 13 49 169 91
8 14 64 196 112
9 16 81 256 144
a = 91 - 0,6429(42) = 9,1426
7
Maka diperoleh persamaan regresi antara biaya iklan dan
volume penjualan :
Ŷ = 9,1426 + 0,6429 X
Artinya setiap penambahan biaya iklan satu juta rupiah
akan menambah volume penjualan sebesar 0,6429 ribu
unit.
B1 = AB – CD
F
B2 = DE – AC
F
A = ΣY – b₁ΣX₁ – b₂ΣX₂
n
Sebuah penelitian dilakukan untuk mengetahui hubungan
antara pendapatan rumah tangga (X1), Jumlah Anggota
Keluarga X2 dengan Pengeluaran rumah tangga (Y).
Tahapan penyelesaiannya sbb:
Y X1 X2 (X1)² (X2)² X1Y X2Y X1X2 Y²
1 3 2 9 4 3 2 6 1
3 5 7 25 49 15 21 35 9
2 6 4 36 16 12 8 24 4
4 10 6 100 36 40 24 60 16
1 2 2 4 4 2 2 4 1
4 8 8 64 64 32 32 64 16
Se = √Σ(Y-Ŷ)
n-3
Atau Se = √ΣY² - aΣY - b₁ΣX₁Y - ΣX₂Y
n-3
ANALISIS KEERATAN HUBUNGAN
Koefisien Korelasi Pearson, digunakan untuk mengetahui
tingkat (derajat) keeratan hubungan linier antara dua atau lebih
variabel yang minimal berskala ukur interval
10 7
20 21
30 23
40 34
50 36
60 53
Dari tabel tersebut dapat dihitung nilai-nilai :
∑xi=210; ∑yi=174; ∑xiyi=7520; ∑xi²=9100; ∑yi²=6280
R = ______6(7520)-(210)(174)______ = 0,98
√(6(9100)-(210)²√(6(6280)-(174)²)
Atas dasar dari perhitungan tersebut diperoleh
kesimpulan bahwa hubungan antara pendapatan
dan pengeluaran keluarga tersebut sangat erat dan
cenderung sempurna.
PENGUJIAN HIPOTESIS
KOEFISIEN KORELASI
Pengujian Hipotesis koefisien korelasi ada 2.
Jenis pertama berkaitan dengan pengujian koefisien korelasi
populasi sama dengan 0 (Ho:ρ=0).
Jenis kedua berkenaan dengan pengujian besarnya koefisien
korelasi populasi sama dengan suatu nilai tertentu (Ho:ρ=ρo)
Pengujian yang digunakan untuk menghitung Ho :ρ=0 lawan
Ha:ρ≠0 adalah dengan uji t
t hitung = r √(n-2)
√(1-r²) Keputusan pengujian sbb :
Bila t hitung adalah
≤tα/₂ (n-2)/2(n-2) maka Ho diterima
> tα/₂ (n-2)/2(n-2) maka Ho ditolak
Contoh :
Dari hasil terdahulu dapat dilakukan pengujian apakah benar
ada korelasi antara pendapatan dan pengeluaran keluarga./
Bila digunakan α=0,05, maka dapat ditetapkan hipotesis
pengujian sebagai berikut :
Ho:ρ = 0 Ha:ρ ≠ 0 α= 0,05
t hitung = 0,973√(6-2) = 8,43
√ (1- 0,973²)
Nilai Kritis t (0,025;4) = 2,78
t hitung (8,43) > t tabel (2,78)
Nilai t hitung > t tabel, maka Ho ditolak
90
80
70
60
50
yt (aktual)
40 Ýt (Hasil ramalan)
30
20
10
0
1 3 5 7 9 1 1 1 3 1 5 1 7 1 9 21 23 25 27 2 9
PEMULUSAN EKSPONENSIAL (PE)
Model ini juga sering digunakan selain metode Moving
Average (MA). Metode ini terkadang lebih efisien
dibandingkan dengan MA dalam kaitannya dengan
kemapuannya untuk menghitung sebuah nilai
pemulusan untuk setiap pengukuran respons.
Contoh : Diketahui α=0,1 dan α=0,5. dengan data yang
sama lakukan metode pemulusan eksponensial
dengan metode pemulusan rata-rata bergerak dan
ditentukan S1 = 71,0 kemudian dihitung sebagai
berikut :
S2 = (0,1) (70) + (1-0,1) (71,0) = 79,9
S3 = (0,1) (69) + (1-0.1) (70,9) = 70,7
t Yt St St t Yt St St
(α=0,1) (α =0,5) (α=0,1) (α =0,5)
1 71 71,0 71,0 16 78 73,0 76,1
2 70 70,9 70,5 17 86 74,3 81,1
3 69 70,7 69,8 18 82 75,1 81,6
4 68 70,4 68,9 19 75 75,1 78,3
5 64 69,8 66,5 20 73 74,9 75,7
6 65 69,3 65,8 21 72 74,6 73,4
7 72 69,6 68,9 22 73 74,4 73,5
8 78 70,4 73,5 23 72 74,2 72,8
9 75 70,9 74,3 24 77 74,5 74,9
10 75 71,3 74,7 25 83 75,4 79,0
11 75 71,7 74,9 26 81 76,0 80,0
12 70 71,5 72,5 27 81 76,5 80,5
13 75 71,9 73,8 28 85 77,4 82,8
14 75 72,2 74,4 29 85 78,2 83,9
15 74 72,4 74,2 30 84 78,8 84,0
100
90
80
70
60
50 Aktual
St (α=0,1)
40 St (α=0,5)
30
20
10
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
PENGGUNAAN METODE PEMULUSAN UNTUK
PROYEKSI DIMASA YANG AKAN DATANG
Formula umum dari metode rata-rata bergerak untuk
keperluan memproyeksikan suatu nilai pada waktu ke t
sebagai berikut :
Yt = Yt-1 + Yt-2 + ….. + Yt-k
k
Yt = Nilai ramalan pada periode ke t
Yt-k = Data dari periode sebelum periode ke t
K = Jumlah periode waktu untuk dirata-ratakan
Contoh : PT Berkah, dari pencatatan penjualan tekstil
diperoleh data sebagai berikut (dalam ribuan)
Tahun Kuartal Penj Tahun Kuartal Penj Tahun Kuartal Penj
(Y) (Y) (Y)
II 30 II 46 II 54
IV 24 IV 62 IV 72
II 30 II 46 HASIL II 57,5
1994 140
1995 148
1996 157
1997 160
1998 169
0
Th 1994 Th 1995 Th 1996 Th 1997 Th 1998
METODE TREND SEMI AVERAGE
Tahun Y Total Average X
1993 140 -1
1994 148 445 445/3= 0
1995 157 148,3 1
1996 157 2
1997 160 486 486/3= 3
1998 169 162 4
Nilai a = 148,3
Nilai b = (162 – 148,33)/3 = 4,5567
Sehingga Y = a + bX atau Y = 148,3 + 4,5567X
Untuk Tahun 1999 Y = 148,3 + 4,5567 (5) = 171,11
Metode Trend Moment
Tahun Y X XY X²
1994 140 0 0 0
1995 148 1 148 1
1996 157 2 314 4
1997 160 3 480 9
1998 169 4 676 16
Jumlah 774 10 1.618 30
Total 1 67.000.000
1993 1 2 2 0
1994 2 5 4 1
1995 3 6 6 0
1996 4 8 8 0
1997 5 10 10 0
1998 6 12 12 0 0,000 0,167
MAE 0,167
1999 7 14 14 0 0,000 0,150 0,000