1.

Seorang manajer perusahaan mengatakan bahwa saldo rata-rata pada kartu kredit mereka
adalah $500. Apakah menurut Anda pernyataan ini dapat dibenarkan? Gunakan uji-t satu
sampel untuk menarik kesimpulan Anda.

Ya, saldo rata-rata pada kartu kredit mereka adalah $500. Oleh karena itu, pernyataan
tersebut beralasan. Disimpulkan berdasarkan uji t satu sampel.

Penjelasan :
Hipotesis Nol: Saldo rata-rata kartu kredit adalah $500
Hipotesis Alternatif: Saldo rata-rata kartu kredit bukan $500

Uji-t: Dua Sampel Dengan Asumsi Varians

Tidak Sama

Keseimbangan
Berarti 520.015
Perbedaan 211378.2253
Pengamatan 400
Rata-rata yang
Dihipotesiskan 500
df 399
t Statistik 0.870673781
P(T<=t) satu sisi 0.192227914
t Satu sisi yang kritis 1.648681534
P(T<=t) dua sisi 0.384455827
t Dua sisi yang kritis 1.965927296

Karena nilai P dari uji satu sisi lebih besar dari tingkat signifikansi kami 0,05, hipotesis
nol tidak dapat ditolak yaitu saldo rata-rata kartu kredit adalah $500.

2. Apakah ada perbedaan antara laki-laki dan perempuan dalam hal keseimbangan rata-rata?
Gunakan uji-t dua sampel untuk menarik kesimpulan Anda.
Tidak ada perbedaan yang signifikan antara pria dan wanita dalam hal keseimbangan
rata-rata.
Penjelasan :
Hipotesis Nol: Rata-rata saldo kartu kredit pria dan wanita tidak ada perbedaan.
Hipotesis Alternatif: Rata-rata saldo kartu kredit pria dan wanita berbeda.

t-Test: Two-Sample Assuming Unequal Variances

Men Women
Mean 509.8031088 529.5362
Variance 213554.5652 210187.1
Observations 193 207
Hypothesized Mean Difference 0
df 396
t Stat -0.42838443
P(T<=t) one-tail 0.334302083
t Critical one-tail 1.648710601
P(T<=t) two-tail 0.668604165
t Critical two-tail 1.965972608

Tidak dapat menolak hipotesis nol µ1 sama dengan µ2

Oleh karena itu, rata-rata keseimbangan antara laki-laki dan perempuan tidak
mempunyai perbedaan yang signifikan yaitu sama.

3. Apakah ada perbedaan antara pelajar dan non pelajar dalam hal rata-rata saldo? Gunakan
uji-t dua sampel untuk menarik kesimpulan Anda.

Ya, ada perbedaan yang signifikan antara Pelajar dan Non Pelajar dalam hal saldo
rata-rata.
Penjelasan :
Hipotesis Nol : Rata-rata saldo kartu kredit Pelajar dan Non Pelajar tidak ada perbedaan.
Hipotesis Alternatif: Rata-rata saldo kartu kredit Pelajar dan Non Pelajar berbeda.
Karena nilai P dari uji dua sisi kurang dari tingkat signifikansi kami 0,05, hipotesis nol dapat
ditolak yaitu rata-rata saldo kartu kredit berbeda untuk pelajar dan non pelajar.

4. Secara umum diasumsikan bahwa jika jumlah kartu kredit lebih banyak maka saldo pada
kartu akan lebih banyak. Berdasarkan kumpulan data ini, apakah menurut Anda hal tersebut
benar? Hitung koefisien korelasi dan tunjukkan plot sebar untuk mendukung jawaban Anda.
Tidak, ini tidak benar. Tidak ada Korelasi di antara mereka. Koefisien korelasi sangat
kecil .

Koefisien korelasi:
Cards Balance
Cards 1
Balance 0.086456 1

Koefisien korelasi hampir sama dengan nol, yang berarti tidak ada hubungan antara jumlah
kartu dan saldo kartu.
Plot sebar:
Nilainya jatuh tersebar dan tidak mengikuti garis tren, korelasinya sangat kecil.

5. Periksa apakah variabel demografi berikut mempengaruhi keseimbangan: (a) usia, (b)
tahun pendidikan, (c) status perkawinan. Untuk umur dan tahun pendidikan, gunakan plot
sebar untuk menggambarkan hubungannya dengan keseimbangan dan menghitung koefisien
korelasinya. Untuk hubungan antara status perkawinan dan keseimbangan, gunakan uji-t dua
sampel untuk menarik kesimpulan Anda
Variabel demografi umur, lama pendidikan, status bela diri tidak mempunyai
pengaruh terhadap saldo kredit.
5a & 5b
Koefisien korelasi:
Age Education Balance
Age 1
Education 0.003619 1
Balance 0.001835 -0.00806 1

Koefisien korelasi hampir sama dengan nol yang berarti tidak ada hubungan antara
umur dan pendidikan terhadap saldo kredit.

Plot sebar:
Jelas bahwa tren tersebut tidak menunjukkan korelasi, sehingga saldo kredit tidak
bergantung pada variabel-variabel ini.

5c.
Hipotesis Nol: Rata-rata saldo kartu kredit untuk Single dan Menikah adalah sama.
Hipotesis Alternatif: Rata-rata saldo kartu kredit untuk lajang dan menikah berbeda.

t-Test: Two-Sample Assuming Unequal Variances

Single Married
Mean 523.2903226 517.9429
Variance 221735.0385 205696.7
Observations 155 245
Hypothesized Mean Difference
0
df 319
t Stat 0.112233601
P(T<=t) one-tail0.455354389
t Critical one-tail
1.649644319
P(T<=t) two-tail0.910708777
t Critical two-tail
1.967428387

Nilai P semakin besar sehingga hipotesis nol sehingga tidak dapat ditolak yang berarti
tidak ada perubahan signifikan yang disebabkan karena status perkawinan
6 . Masalah etnis pemegang kartu tidak menjadi masalah sejauh menyangkut keseimbangan.”
Lakukan analisis varians (ANOVA) dan diskusikan apakah pernyataan tersebut didukung
oleh data atau tidak
Hipotesis Nol: Etnisitas pemegang kartu tidak menjadi masalah sejauh keseimbangannya
sama
Hipotesis Alternatif: Etnisitas pemegang kartu merupakan hal yang seimbang

Berdasarkan ANOVA terlihat nilai P lebih besar dari 0,05. Jadi Etnisitas tidak berpengaruh
terhadap keseimbangan.

Anova: Single Factor

SUMMARY
Groups Count Sum Average Variance
African American 99 52569 531 235839.2
Asian 102 52256 512.3137 231748.3
Caucasian 199 103181 518.4975 190922.4

ANOVA
Source of Variation SS df MS F P-value F crit
Between Groups 18454.20047 2 9227.1 0.043443 0.957492 3.018452
Within Groups 84321457.71 397 212396.6

Total 84339911.91 399

7. Prinsip umum yang sering diikuti oleh perusahaan kartu kredit adalah menetapkan batas
kredit yang lebih tinggi kepada orang-orang dengan peringkat kredit yang lebih tinggi.
Apakah data menunjukkan bahwa prinsip ini diikuti?
Ya, prinsip ini diikuti.

Koefisien korelasi:
 Limit Rating
Limit 1
Rating 0.99688 1

Ini memiliki kesepakatan yang bagus.

Plot sebar:

Perusahaan kartu kredit yang sering mengikuti adalah menetapkan batas kredit yang
lebih tinggi kepada orang-orang dengan peringkat kredit yang lebih tinggi, hal ini
berlaku dalam kasus kami. Hal ini dibenarkan berdasarkan korelasinya.

8. Jalankan regresi linier sederhana terhadap saldo batas kredit. (Di sini batas kreditnya
adalah X dan saldonya adalah Y). Laporkan koefisien dan R-kuadratnya. Tampilkan plot
sebar.

Regresi linier sederhana :

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.861697
R Square 0.742522
Adjusted R Square 0.741875
Standard Error 233.585
Observations 400

ANOVA
df SS MS F Significance F
Regression 1 62624255 62624255 1147.764 2.5E-119
Residual 398 21715657 54561.95
Total 399 84339912

Coefficients
Standard Error t Stat P-value Lower 95%Upper 95%Lower 95.0%
Upper 95.0%
Intercept -292.79 26.68341 -10.9728 1.18E-24 -345.249 -240.332 -345.249 -240.332
Credit Limit 0.171637 0.005066 33.87867 2.5E-119 0.161677 0.181597 0.161677 0.181597

Plot sebar:

Batas kredit merupakan prediktor yang signifikan. Memiliki korelasi yang layak yaitu R 2 =
0,74
9. Jalankan regresi linier sederhana saldo (Y) terhadap credit rating (X). Laporkan koefisien
dan R-kuadrat. Tampilkan plot sebar
Regresi linier sederhana :
SUMMARY OUTPUT

Regression Statistics
Multiple R 0.863625161
R Square 0.745848418
Adjusted R Square 0.745209846
Standard Error 232.0713048
Observations 400

ANOVA
df SS MS F Significance F
Regression 1 62904789.88 62904790 1167.994581 1.8989E-120
Residual 398 21435122.03 53857.09
Total 399 84339911.91

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0%Upper 95.0%
Intercept -390.8463418 29.06851463 -13.4457 3.07318E-34 -447.993365 -333.6993186 -447.993365 -333.699
Credit Rating(X) 2.566240327 0.075089102 34.17594 1.8989E-120 2.418619483 2.713861171 2.418619483 2.713861

Plot sebar:

Ya, peringkat kredit mempengaruhi saldo kredit. Ini memiliki korelasi yang baik.

10. Perhatikan temuan Anda pada pertanyaan 8-9. Diskusikan mekanisme bisnis untuk
menambah atau mengurangi saldo kartu kredit. Cobalah untuk mengukur jawaban Anda.
  Jelas bahwa peringkat kartu kredit dan batas kredit mempunyai pengaruh yang
signifikan terhadap saldo kartu kredit. Keduanya memiliki korelasi yang baik.
Keduanya merupakan prediktor signifikan terhadap saldo kartu kredit. Saldo tinggi
bagi mereka yang memiliki peringkat kredit dan batas kredit tinggi. Peringkat dan
batas merupakan prediktor keseimbangan yang signifikan.

 Peringkat yang lebih tinggi dan saldo orang dengan batas kredit yang lebih tinggi
dapat ditingkatkan, sedangkan saldo orang dengan peringkat yang lebih rendah dan
batas kredit yang lebih rendah harus diturunkan. (berdasarkan analisis ini)

11. Batas kredit diberikan sebagai jumlah gabungan untuk seluruh kartu kredit yang dimiliki
pemegang kartu. Jalankan regresi linier berganda Saldo (Y) pada Limit dan Kartu sebagai dua
variabel X. Laporkan koefisiennya. Diskusikan pengaruh terhadap saldo (a) peningkatan
batas kredit pada jumlah kartu yang sama dan (b) peningkatan jumlah kartu tanpa mengubah
total batas kredit.
Regresi Linier Berganda:
SUMMARY OUTPUT

Regression Statistics
Multiple R 0.865188295
R Square 0.748550786
Adjusted R Square 0.74728404
Standard Error 231.1247525
Observations 400

ANOVA
df SS MS F Significance F
Regression 2 63132707.37 31566354 590.9238 9.8E-120
Residual 397 21207204.54 53418.65
Total 399 84339911.91

Coefficients Standard Error t Stat P-value Lower 95%Upper 95%Lower 95.0%

Upper 95.0%
Intercept -369.0359554 36.16414657 -10.2045 7.23E-22 -440.133 -297.939 -440.133 -297.939
Credit Limit 0.171479037 0.005013136 34.20594 2E-120 0.161623 0.181335 0.161623 0.181335
Cards 26.03375427 8.438363509 3.085166 0.002177 9.444291 42.62322 9.444291 42.62322

Batas kredit dan jumlah kartu merupakan prediktor signifikan terhadap saldo kredit,
keduanya memiliki dampak yang lebih besar terhadap saldo.
Koefisien korelasi = 0,865 dan R-square = 0,748
Peningkatan satu unit ($) batas kredit dengan kartu yang sama akan meningkatkan saldo
sebesar 0,17. (Batas kredit diukur pada skala yang lebih luas dibandingkan dengan kartu yang
memiliki kesalahan standar 34,2).
Penambahan satu kartu akan menambah saldo sebesar 26,03. Yaitu penambahan kartu akan
menambah saldo
12. Jalankan persamaan regresi linier sederhana dengan Pendapatan sebagai X dan Saldo
sebagai Y. Laporkan koefisiennya. Apakah koefisien Pendapatan berbeda nyata dari nol? Apa
yang dikatakan di sini mengenai pengaruh pendapatan terhadap keseimbangan?

Balance(y) y = 6.0484x + 246.51

R² = 0.215
2500

2000
SUMMARY OUTPUT
1500
Regression Statistics
Multiple R 0.463656457
1000
R Square 0.21497731
Adjusted R Square 0.213004891
500
Standard Error 407.8647195
Observations 400
0
0 50 100 150 200
ANOVA
df SS MS F Significance F
Regression 1 18131167.4 18131167 108.9917152 1.03089E-22
Residual 398 66208744.51 166353.6
Total 399 84339911.91

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept 246.5147506 33.19934735 7.425289 6.90344E-13 181.2467485 311.7827527 181.2467485 311.7827527
Income 6.048363409 0.579350163 10.43991 1.03089E-22 4.909394402 7.187332415 4.909394402 7.187332415

Penghasilan Saldo (y)

Penghasilan 1
Saldo (y) 0.46365645 1
7

Koefisien korelasi kedua variabel =0,46

Berdasarkan koefisien regresi pendapatan sebesar 6,048 .Ya; itu jauh dari nol, dibutuhkan
nilai dari 4,90 hingga 7,18. Menambah satu unit pendapatan akan meningkatkan saldo 6,04
lebih dan merupakan prediktor yang signifikan. Berdasarkan skala, jika dilihat t - stat maka
standar errornya 10,4 jauh dari nol.

13.Berdasarkan persamaan yang diperoleh pada pertanyaan 12, berapa perkiraan saldo
seseorang yang berpenghasilan USD 100k per tahun?
 Balance(y)
2500

2000

1500
f(x) = 6.04836340853157 x + 246.514750591403
R² = 0.214977310132406
1000

500

0
0 20 40 60 80 100 120 140 160 180 200

Berdasarkan kuation diperoleh Y = 6,0484 (X)+246,51

X= Pendapatan
Y = 6,0484(100) + 246,51
Perkiraan saldo untuk seseorang dengan pendapatan USD 100k per tahun= $851,35.

14.Berdasarkan dataset, gali hubungan antara saldo kartu kredit (Y) dan (a) Pendapatan (b)
Usia (c) Pendidikan (c) Limit, dan (d) Rating sebagai variabel X? Perkirakan model regresi
linier berganda dan laporkan signifikansi statistik dari masing-masing variabel ini.

Model regresi berganda:

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.936702578
R Square 0.87741172
Adjusted R Square
0.875856031
Standard Error
161.9917647
Observations 400

ANOVA
df SS MS F Significance F
Regression 5 74000827.17 14800165.43 564.0020686 4.5908E-177
Residual 394 10339084.74 26241.33183
Total 399 84339911.91

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%Lower 95.0%
Upper 95.0%
Intercept -473.2514026 55.10833546 -8.587655545 2.08837E-16 -581.5945666 -364.908 -581.595 -364.908
Income -7.608832003 0.381931562 -19.92197755 1.37077E-61 -8.359710677 -6.85795 -8.35971 -6.85795
Limit 0.07901642 0.044791005 1.764113581 0.078487737 -0.009042839 0.167076 -0.00904 0.167076
Rating 2.773843725 0.667079559 4.158190261 3.93909E-05 1.462363177 4.085324 1.462363 4.085324
Age -0.860030445 0.478700493 -1.796594023 0.073165937 -1.801157147 0.081096 -1.80116 0.081096
Education 1.967791521 2.605290902 0.755305874 0.450516748 -3.154218733 7.089802 -3.15422 7.089802

Income Limit Rating Age Education Balance

Income 1
Limit 0.792088 1
Rating 0.791378 0.99688 1
Age 0.175338 0.100888 0.103165 1
Education -0.02769 -0.02355 -0.03014 0.003619 1
Balance 0.463656 0.861697 0.863625 0.001835 -0.00806 1
SUMMARY OUTPUT

Regression Statistics
Multiple R 0.93547739
R Square 0.875117948
Adjusted R Square 0.874488819
Standard Error 162.8813393
Observations 400

ANOVA
df SS MS F Significance F
Regression 2 73807370.62 36903685.31 1390.999823 4.5212E-180
Residual 397 10532541.29 26530.33071
Total 399 84339911.91

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept -534.8121502 21.60269845 -24.75672896 1.66359E-82 -577.2821357 -492.3421648 -577.282136 -492.3421648
Income -7.672124366 0.378462026 -20.2718472 3.1071E-63 -8.416164597 -6.928084134 -8.4161646 -6.928084134
Rating 3.949264832 0.086209035 45.81033566 1.4482E-160 3.77978154 4.118748125 3.77978154 4.118748125

Penjelasan :
 Berdasarkan analisis regresi berganda terlihat jelas bahwa pendapatan dan peringkat
merupakan dua prediktor yang signifikan secara statistik berdasarkan nilai p.
 Semua variabel ini, yaitu pendapatan, pendidikan, usia, limit, dan peringkat, bersama-
sama berkontribusi terhadap 87,7% variasi saldo kartu kredit.
 Namun untuk memahami apakah variabel-variabel ini juga berkontribusi atau hanya
sebagian saja yang berkontribusi terhadap variasi keseimbangan, analisis dengan nilai
P yang dapat diterima tetap dipertahankan.
 Jadi mempertahankan X dengan nilai p yang rendah yaitu Katakanlah hanya dengan
pendapatan dan peringkat , analisis regresi dilakukan lagi.
 Dalam regresi ini, analisis dengan kedua variabel tersebut menunjukkan 87,5% variasi
saldo kartu kredit.
 Nilai r-kuadratnya hampir sama dengan sebelumnya.
 Berdasarkan hal tersebut jelas bahwa Pendapatan dan Peringkat merupakan dua
prediktor yang signifikan .
 Juga melihat kesalahan (sisa) dan pola dipelajari.
 Pada pemfokusan sisa pendapatan terlihat bahwa nilai lebih banyak berada pada sisi
negatif dan khususnya lebih banyak kelompok pendapatan rendah dan garis
kesesuaiannya juga tidak linier.
 Residual rating menunjukkan sisi positif untuk rating yang lebih rendah dan lebih
tinggi dimana hal tersebut menunjukkan rating negatif untuk rating tipikal lainnya,
dimana garis peringkat fitnya layak.
Catatan Penutup,
 Pendapatan dan peringkat merupakan dua variabel penting yang
berkontribusi terhadap perubahan keseimbangan, sedangkan batas, usia dan
pendidikan bukan merupakan variabel signifikan terhadap keseimbangan.