TUGAS

“ STATISTIKA EKONOMI ”

Disusun Oleh:

NAMA : Nabilla Rizkyana

NIM : 18530040
PROGDI : Akuntansi
DOSEN : Bpk. Ir. Sabar Napitupulu, SE. MM. M.AK

FAKULTAS EKONOMI
SEKOLAH TINGGI ILMU EKONOMI SWADAYA
TAHUN 2018

1
 BAB 1 STATISTIKA

Statistika adalah ilmu mengumpulkan, menata, menyajikan, menganalisis, dan

menginterprestasikan data menjadi informasi untuk membantu pengambilan keputusan yang
efektif

Statistik adalah suatu kumpulan angka yang tersusun lebih dari satu angka.

Jenis – jenis statistik

1. Statistika deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan

penyajian suatu gugus data sehingga memberikan informasi yang berguna.
Materi :
- Penyajian data
- Ukuran pemusatan
- Ukuran penyebaran
- Angka indeks
- Deret berkala dan peramalan
2. Statistika Induktif adalah mencangkup metode yang berkaitan dengan analisis
sebagian data (data dari sampel) yang kemudian digunakan untuk melakukan
peramalan atau penaksiran kesimpulan (generalisasi) mengenai data secara
keseluruhan (populasi).
Materi :
- Probabilitas dan teori keputusan
- Metode sampling
- Teori pendugaan
- Pengujian hipotesa
- Regresi dan korelasi
- Statistika nonparametrik

Populasi dan Sample

Populasi adalah sebuah kumpulan dari semua kemungkinan orang – orang, benda – benda
dan ukuran lain dari objek yang menjadi perhatian

Sample adalah suatu bagian dari populasi tertentu yang menjadi perhatian.

Jenis – jenis data

1. Data Kualitatif adalah data dari penjelasan kata verbal tidak dapat dianalisis dalam
bentuk bilangan atau angka. Contoh seperti; jenis kelamin, warna kesayangan, asal
suku, dll.
2. Data Kuantitatif adalah jenis data yang dapat diukur (measurable) atau dihitung
secara langsung sebagai variabel angka atau bilangan. Variabel dalam ilmu statistika
adalah atribut, karakteristik, atau pengukuran yang mendeskripsikan suatu kasus atau
objek penelitian. Data Kuantitatif dibagi menjadi 2, yaitu :

2
 - Data Diskret adalah data hasil menghitung, sedangkan data kontinu merupakan
data hasil mengukur. Contoh seperti; jumlah mobil, jumlah staf, jumlah TV, dll.
- Data Kontinu adalah data yang didapat dari hasil pengukuran. Contoh seperti;
berat badan, jarak kota, luas rumah, dll.

Sumber Data Statistika

1. Data Primer ( data mentah ) : data yang diperoleh dari wawancara langsung,
wawancara tidak langsung, dan pengisian kuesioner.
2. Data Sekunder ( data sudah jadi ) : data yang diperoleh dari BPS, Bank Indonesia,
World Bank, IMF, FAO, dll.

Skala Pengukuran ada 4, yaitu:

1. Skala Nominal adalah skala pengukuran paling sederhana atau tingkatannya paling
rendah di dalam suatu penelitian. Angka yang diberikan hanya label, simbol,
lambang, atau nama pada sebuah kategori sehingga akan mempermudah
pengelompokan data menurut kategorinya. Contohnya pria = 1, wanita = 2 dan waria
= 3.
2. Skala Ordinal adalah skala pengukuran yang sudah menyatakan peringkat antar
tingkatan. Contohnya ranking 1, 2, dan 3. Ranking 1 menunjukkan lebih tinggi dari
ranking 2 dan 3.
3. Skala Interval adalah skala pengukuran yang bisa digunakan untuk menyatakan
peringkat untuk antar tingkatan. Angka mengandung sifat ordinal dan mempunyai
jarak atau interval. Contohnya saham sangat prospektif dengan harga saham Rp736-
878, saham prospektif Rp592-735.
4. Skala Rasio adalah skala pengukuran yang ditujukan pada hasil pengukuran yang
bisa dibedakan, diurutkan, memiliki jarak tertentu, dan bisa dibandingkan. Angka
yang mempunyai sifat nominal, ordinal dan interval serta mempunyai nilai absolut
dari objek yang diukur. Contohnya bunga BCA 7% dan bunga Mandiri 14%, maka
bunga Mandiri 2 kali bunga BCA.

3
 BAB II PENYAJIAN DATA

Tujuan : Untuk menyajikan data mentah yang diperoleh dari populasi atau sampel menjadi
data yang tertata dengan baik, sehingga bermakna informasi bagi pengambilan keputusan
manajerial.

Langkah-langkah dalam Statistik Deskriptif:

a. Memahami masalah dan jawaban yang diperlukan.

b. Mengumpulkan data yang sesuai dengan masalah dan tujuan.
c. Menata data mentah ke dalam distribusi frekuensi.
d. Menyajikan data distribusi secara grafik.
e. Menarik kesimpulan mengenai permasalahan.

Distribusi Frekuensi adalah pengelompokan data ke dalam beberapa kategori yang

menunjukkan banyaknya data dalam setiap kategori. Setiap data tidak dapat dimasukkan ke
dalam dua atau lebih kategori

Langkah-langkah Distribusi Frekuensi:

a. Mengumpulkan data.
b. Mengurutkan data dari terkecil ke terbesar atau sebaliknya.
c. Membuat kategori kelas.
Jumlah kelas k = 1 + 3,322 log n
di mana 2k>n; di mana k= jumlah kelas; n = jumlah data
d. Membuat interval kelas.
Interval kelas = (nilai tertinggi – nilai terendah)/jumlah kelas
e. Melakukan penghitungan atau penturusan setiap kelasnya.

Frekuensi Relatif adalah frekuensi relatif setiap kelas dibandingkan dengan frekuensi
totalnya.

Definisi penyajian data adalah membuat distribusi frekuensi dalam bentuk sajian gambar
baik grafik poligon, histogram atau ogif. Ada beberapa istilah penting dalam penyajian
data:

 Batas Kelas: nilai terendah dan tertinggi pada suatu kelas.

 Nilai Tengah Kelas: nilai yang letaknya di tengah kelas.

Contoh Kategori Kelas

160, 285, 300, 360, 370, 405, 410, 450, 500, 500, 500, 525, 550, 550, 550, 575, 600, 650,
700, 875.

n ( jumlah data ) : 20

4
k = 1 + 3,322 log 20

= 1 + 3,322 ( 1,301 )

= 1 + 4,189

= 5,189 ( dibulatkan menjadi 5 )

2k > n = 25 > 20

= 32 > 20

Contoh Interval Kelas

( 𝑛𝑖𝑙𝑎𝑖 𝑡𝑒𝑡𝑖𝑛𝑔𝑔𝑖−𝑛𝑖𝑙𝑎𝑖 𝑡𝑒𝑟𝑒𝑛𝑑𝑎ℎ )

IK =
𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑙𝑎𝑠

875−160
=
5

= 143

Interval

160 + 143 = 303

304 + 143 = 447

448 + 143 = 591

592 + 143 = 735

736 + 143 = 879

Nilai Tengah ( Xtanyes )

160 + 303
= 231,5
2

304 + 447
= 375,5
2

448 + 591
= 519,5
2

592 + 735
= 663,5
2

5
736 + 879
= 807,5
2

Jadi,

Frekuensi Frekuensi
X.tanyes ( Nilai
Interval Frekuensi Relatif Kurang Relatif Lebih
Tengah )
dari dari
160 – 303 3 231,5 0 20
304 – 447 4 375,5 3 17
448 – 591 9 519,5 7 13
592 – 735 3 663,5 16 4
736 - 879 1 807,5 19 1
20 20 0

Grafik Histogram dan Poligon

Grafik Histogram dan Poligon

10
9
8
7
6
5
4
3
2
1
0
231,5 375,5 519,5 663,5 807,5

Histogram Poligon

6
Kurva Ogive

25

20

15

10

0
231,5 375,5 519,5 663,5 807,5

Frekuensi Relatif Kurang dari Frekuensi Relatif Lebih dari

-TUGAS MINGGU PERTAMA PERTEMUAN-

Latihan Soal

1. Jelaskan pentingnya statistika dalam kehidupan sehari-hari, dan siapa saja yang sering
menggunakan statistika?

Jawab:

Statistika membantu dalam mengambil keputusan yang tepat, alat untuk mengendalikan
kualitas dan memungkinkan untuk mengetahui peluang suatu kejadian di masa mendatang.

Statistika sering digunakan oleh ekonom, pimpinan perusahaan baik dalam bidang keuangan,
manajemen, akuntansi, dan bidang lainnya.

2. Jelaskan perbedaan statistika deskriptif dan statistika induktif? Berikan contoh dari
kasus sehari-hari yang Anda temui!

Jawab:

a. Statistik deskriptif adalah statistik yang digunakan untuk menggambarkan atau

mengdeskripsikan data menjadi informasi yang berguna untuk pengambilan
keputusan. Contoh statistik deskriptif adalah pembuatan distribusi frekuensi, diagram,
ukuran pemusatan dan penyebaran.

7
 b. Statistik induktif adalah statistik untuk menganalisis dan menginterprestasikan data
menjadi suatu kesimpulan dari populasi dengan menggunakan sampel. Contoh teori
probabilitas, pengujian statistik, regresi, korelasi, dan lain-lain.

3. Jelaskan perbedaan antara populasi dan sampel! Berikan contoh dalam kehidupan
ekonomi dan bisnis yang ada di sekeliling Anda!

Jawab:

Populasi adalah keseluruhan anggota dalam suatu objek, sedang sampel adalah bagian dari
populasi. Contoh tentang perusahaan di pasar saham. Seluruh perusahaan adalah populasi,
sedangkan perusahaan sektor perbankan adalah sampel. Pada industri mobil, maka seluruh
perusahaan adalah populasi, sedangkan Astra dan Indomobil adalah sampel.

Kategori Mobil

157, 174, 198, 202, 215, 237, 242, 247, 249, 253, 255, 268, 278, 283, 286, 297, 336, 345, 392

n ( jumlah data ) = 19

k = 1 + 3,322 log 19

= 1 + 3,322 ( 1,279 )

= 1 + 4,249

= 5,249 ( dibulatkan menjadi 5 )

2k > n = 25 > 19

= 32 > 19

Interval Kelas

( 𝑛𝑖𝑙𝑎𝑖 𝑡𝑒𝑡𝑖𝑛𝑔𝑔𝑖−𝑛𝑖𝑙𝑎𝑖 𝑡𝑒𝑟𝑒𝑛𝑑𝑎ℎ )

IK =
𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑙𝑎𝑠

392−157
=
5

= 47

8
Interval

157 + 47 = 204

205 + 47 = 252

253 + 47 = 300

301 + 47 = 348

349 + 47 = 396

Nilai Tengah ( Xtanyes )

157 + 204
= 180,5
2

205 + 252
= 228,5
2

253 + 300
= 276,5
2

301 + 348
= 324,5
2

349 + 396
= 372,5
2

Jadi,

Frekuensi Frekuensi
X.tanyes ( Nilai
Interval Frekuensi Relatif Kurang Relatif Lebih
Tengah )
dari dari
157 – 204 4 180,5 0 19
205 – 252 5 228,5 4 15
253 – 300 7 276,5 9 10
301 – 348 2 324,5 16 3
349 – 396 1 372,5 18 1
19 19 0

9
Grafik Histogram dan Poligon

Grafik Histogram dan Poligon

8

0
180,5 228,5 276,5 324,5 372,5

Histogram Poligon

KURVA OGIVE

20
18
16
14
12
10
8
6
4
2
0
180,5 228,5 276,5 324,5 372,5

Frekuensi Relatif Kurang dari Frekuensi Relatif Lebih dari

10
 BAB III UKURAN PEMUSATAN

Ukuran pemusatan adalah nilai tunggal yang mewakili suatu kumpulan data dan
menunjukkan karakteristik dari data. Ukuran pemusatan menunjukkan pusat dari nilai data.

Rata – rata hitung

 Rata – rata hitung populasi

∑𝑥
𝜇=
𝑛
 Rata – rata hitung sampel

∑𝑥
𝑥̅ =
𝑛

Rata – rata hitung tertimbang adalah rata-rata dengan bobot atau kepentingan dari setiap
data berbeda. Besar dan kecilnya bobot tergantung pada alasan ekonomi dan teknisnya.

Rumus

Xw = ( w1X1 + w2X2 + … + wn Xn)/( w1 + w2 + … + wn)

Rata – rata hitung data berkelompok

1. Data berkelompok adalah data yang sudah dibuat distribusi frekuensinya.

2. Rumus nilai tengah = ∑ 𝑓. 𝑥/𝑛

Interval Nilai Tengah Jumlah Frekuensi (f) f.X

(X)
160-303 231,5 2 463,0
304-447 375,5 5 1.877,5
448-591 519,5 9 4.675,5
592-735 663,5 3 1.990,5
736-878 807,0 1 807,0

Jumlah n = 20 ∑ 𝒇𝒙 = 9.813,5
𝑥
Nilai Rata-rata ( ∑ 𝑓 ) 490,7
𝑛
Data Tunggal Data Berkelompok

∑ ×1 𝑓 . 𝑥𝑖
𝑥̅ = =
𝑛 𝑛

11
Rata – rata hitung data berkelompok

1. Setiap kelompok baik dalam bentuk skala interval maupun rasio mempunyai rata-rata
hitung.
2. Semua nilai data harus dimasukkan ke dalam perhitungan rata-rata hitung.
3. Satu kelompok baik kelas maupun satu kesatuan dalam populasi dan sampel hanya
mempunyai satu rata-rata hitung.
4. Rata-rata hitung untuk membandingkan karakteristik dua atau lebih populasi atau
sampel.

Sifat rata – rata hitung

1. Rata-rata hitung sebagai satu-satunya ukuran pemusatan, maka jumlah deviasi setiap
nilai terhadap rata-rata hitungnya selalu sama dengan nol.
2. Rata-rata hitung sebagai titik keseimbangan dari keseluruhan data, maka letaknya
berada di tengah data.
3. Rata-rata hitung nilainya sangat dipengaruhi oleh nilai ekstrim yaitu nilai yang sangat
besar atau sangat kecil.
4. Bagi data dan sekelompok data yang sifatnya terbuka (lebih dari atau kurang dari)
tidak mempunyai rata-rata hitung.

Median adalah nilai yang letaknya berada di tengah data dimana data tersebut sudah
diurutkan dari terkecil sampai terbesar atau sebaliknya.

Median data tidak berkelompok :

a. Letak median = (n+1)/2,

b. Data ganjil, median terletak di tengah,
c. Median untuk data genap adalah rata-rata dari dua data yang terletak di tengah.

Rumus Median Data Berkelompok :

1
𝑛 −𝑓𝑚
2
Me = Tb + C
𝑓𝑠

Me : Median
Tb : Tepi kelas bawah
C : Interval
N : Jumlah frekuensi
Fm : Jumlah frekuensi kelas median
Fs : Jumlah frekuensi sebelum kelas median

12
Contoh

Interval F
160 – 303 3
304 – 447 4 K1
448 – 591 9 K2
592 – 735 3 K3
736 – 878 1

10 − 9
Me = 447,5 + 143
7
1
= 447,5 + 143
7
= 467,9 ( 𝑥̅ )

Modus adalah nilai yang (paling) sering muncul.

Rumus Modus Data Berkelompok :

𝑑1
𝑀𝑜 = 𝑇𝑏 + 𝐶
𝑑1 + 𝑑2
Mo : Modus
𝑑1 : Frekuensi sebelum modus
𝑑2 : Frekuensi sesudah modus

Contoh

𝑑1 = 4
𝑑2 = 3

4
Mo = 447,5 + 143
4+3
4
= 447,5 + 143
7
= 447,5 + 81,7
= 529,2

- Ukuran Letak = Kuartil -

Kuartil adalah ukuran letak yang membagi 4 bagian yang sama. K1 sampai 25% data, K2
sampai 50% dan K3 sampai 75%.

13
Rumus Kuartil :
1
𝑛 −𝑓𝑘1
4
𝐾1 = Tb + C
𝑓𝑠𝑘
1
2
𝑛 −𝑓𝑘2
𝐾2 = Tb + C
𝑓𝑠𝑘

3
𝑛 −𝑓𝑘3
4
𝐾3 = Tb + C
𝑓𝑠𝑘

K : Kuartil
Tb : Tepi kelas bawah
C : Interval
N : Jumlah frekuensi
Fk : Jumlah frekuensi sebelum kelas kuartil
Fsk : Kelas kuartil

Contoh
5−3
𝐾1 = 303,5 + 143
4

286
= 303,5 +
4

= 147,3
10 − 9
𝐾2 = 447,5 + 143
7
1
= 447,5 + 143
7
= 467,9

15−16
𝐾3 = 591,5 + 143
3

−1
= 591,5 +
3

= 591,5 + - 47,6

= 543,9

14
- Contoh soal –

Interval F 𝒙𝒊 f . 𝒙𝒊
40 – 44 2 42 84
45 – 49 ( 𝑲𝟏 ) 4 47 188
50 – 54 8 52 416
55 – 59 ( Me/𝑲𝟐 ) 15 57 855
60 – 64 10 62 620
65 – 69 ( 𝑲𝟑 ) 6 67 402
70 - 74 3 72 216
48 2.781

𝑓 .𝒙𝒊
𝑥̅ =
𝑓

2.781
=
48

= 57,93
1
. 48−2
4
𝐾1 = 44,5 + 5
4

50
= 44,5 +
4

= 57
24 − 14
𝐾2 /Me = 54,5 + 5
15
50
= 54,5 +
15
= 57,8

8
Mo = 54,5 + 5
8 + 10
8
= 54,5 + 5
18
40
= 54,5 +
18
= 56,7
3
. 48−39
4
𝐾3 = 64,5 + 5
6

= 64,5 + 5 (-0,5)

= 64,5 – 2,5

= 62

15
- Ukuran Letak = Desil -

Desil adalah ukuran letak yang membagi 10 bagian yang sama.

D1 sebesar 10%
D2 sampai 20%
D9 sampai 90%

Rumus Letak Desil :

Data Tidak Berkelompok Data berkelompok

D1 = [1(n+1)]/10 1n/10
D2 = [2(n+1)]/10 2n/10
…. D9= [9(n+1)]/10 9n/10

- Ukuran Letak = Persentil -

Persentil adalah ukuran letak yang membagi 100 bagian yang sama.
P1 sebesar 1%,
P2 sampai 2%
P99 sampai 99%

Rumus Letak Persentil :

Data Tidak Berkelompok Data berkelompok

P1 = [1(n+1)]/100 1n/100
P2 = [2(n+1)]/100 2n/100
…. P99 = [99(n+1)]/100 99n/100

BAB IV UKURAN PENYEBARAN

Ukuran Penyebaran adalah suatu ukuran baik parameter atau statistik untuk mengetahui
seberapa besar penyimpangan data dengan nilai rata-rata hitungnya.Atau ukuran penyebaran
membantu mengetahui sejauh mana suatu nilai menyebar dari nilai tengahnya, semakin kecil
semakin besar.

Penggunaan ukuran penyebaran :

 Rata-rata bunga bank 11,43% per tahun, namun kisaran bunga antar bank dari 7,5% -
12,75%
 Rata-rata inflasi Indonesia 1995-2001 sebesar 18,2% dengan kisaran antara 6% -
78%

16
  Harga rata-rata saham Rp 470 per lembar, namun kisaran saham sangat besar dari Rp
50 – Rp 62.500 per lembar

Range adalah nilai terbesar dikurang nilai terkecil.

Deviasi Rata – Rata adalah rata-rata hitung dari nilai mutlak deviasi antara nilai data
pengamatan dengan rata-rata hitungnya.

Rumus :

∑|𝒙− 𝒙
̅|
MD =
𝒏

MD : Deviasi rata – rata

X : Nilai setiap data pengamatan
𝑥̅ : Nilai rata – rata hitung dari seluruh nilai pengamatan
N : Jumlah frekuensi
II : Lambang nilai mutlak
∑ : Lambang penjumlahan

Contoh
∑ ×1
𝑥̅ =
𝑛

26,2
=
8

= 3, 27

|𝒙 − 𝒙
̅| ( 𝒙 − 𝝁 )𝟐
7,5 4,2 17,64 (4,2 x 4,2 )
8,2 4,9 24,01
7,8 4,5 20,25
4,9 1,6 2,56
-13,7 17,0 289,00
4,8 1,5 2,25
3,5 0,2 0,04
3,2 -0,1 0,01
26,2 77,5 355,76

77,5
MD =
8

= 9,6

17
Varians adalah rata-rata hitung dari deviasi kuadrat setiap data terhadap rata-rata hitungnya.

Rumus :

∑ ( 𝒙 − 𝝁 )𝟐
𝝈𝟐 =
𝒏

𝜎2 : Varians populasi ( merupakan huruf Yunani, dibaca tho )

X : Nilai setiap data
𝜇 : Nilai rata – rata hitung dalam populasi
N : Jumlah total data / pengamatan dalam populasi
∑ : Simbol operasi penjumlahan

Contoh diambil dari data deviasi

∑ ( 𝑥 − 𝜇 )2
𝜎2 =
𝑛

355,76
=
8

= 44,47

Standar Deviasi adalah akar kuadrat dari varians dan menunjukkan standar penyimpangan
data terhadap nilai rata-ratanya.

Rumus :

∑ ( 𝒙− 𝝁 )𝟐
𝝈 = √
𝒏

𝜎 : Varians populasi ( merupakan huruf Yunani, dibaca tho )

√ : Akar
X : Nilai setiap data
𝜇 : Nilai rata – rata hitung dalam populasi
N : Jumlah total data / pengamatan dalam populasi
∑ : Simbol operasi penjumlahan

Contoh

Jika varians = 44,47, maka standar deviasinya adalah:

𝜎 = √44,47

18
 = 6,7

Contoh Soal

Interval F 𝒙𝒊 ̅
𝒇. 𝒙 |𝒙 − 𝒙 ̅| 𝒇𝒊 |𝒙 − 𝒙̅ | |𝒙 − 𝒙̅ |𝟐
40 – 44 2 42 84 15,9 31,8 252,81
45 – 49 4 47 188 10,9 43,6 118,81
50 – 54 8 52 416 5,9 47,2 34,81
55 – 59 15 57 855 0,9 13,5 0,81
60 – 64 10 62 620 4,1 41 16,81
65 – 69 6 67 402 9,1 54,6 82,81
70 - 74 3 72 216 14,1 42,3 198,81
48 2.781 60,9 274 705,67

𝑓 .𝒙𝒊
̅
𝒙 =
𝑓

2.781
=
48

= 57,9

∑|𝑥− 𝑥̅ |
MD =
𝑛
274
=
48

= 5,7

∑ ( 𝑥 − 𝜇 )2
𝝈𝟐 =
𝑛

705,67
=
48

= 14,7

𝝈 = √14,7

= 3,83

19
 -TUGAS MINGGU KEDUA PERTEMUAN-

Hitung
a. 𝑥̅ , Me, Mo, 𝐾1 , 𝐾3
b. Range, MD, 𝜎 2 , 𝜎

Interval F 𝒙𝒊 ̅
𝒇. 𝒙 |𝒙 − 𝒙 ̅| 𝒇𝒊 |𝒙 − 𝒙̅ | |𝒙 − 𝒙̅ |𝟐
100 – 119 5 109,5 547,5 51,2 256 2.621,44
120 – 139 ( 𝑲𝟏 ) 7 129,5 906,5 31,2 218,4 973,44
140 – 159 9 149,5 1.345,5 11,2 100,8 125,44
160 – 179 ( 𝑲𝟏 , Me, 16 169,5 2.712 8,8 140,8 77,44
Mo )
180 – 199 ( 𝑲𝟑 ) 10 189,5 1.895 28,8 288 829,44
200 – 219 3 209,5 628,5 48,8 146,4 2.381,44
50 8.035 1.150,4 7.008,64

𝑓 .𝒙𝒊
a. ̅
𝒙 =
𝑓

8.035
=
50

= 160.7
1
𝑛 −𝑓𝑚
2
Me = Tb + C
𝑓𝑠

1
. 50−21
2
= 159,5 + 20
16

( 25−21 )
= 159,5 + 20
16
80
= 159,5 +
16
= 159,5 + 5
= 164,5

𝑑1
Mo = Tb + C
𝑑1 +𝑑2
9
= 159,5 + 20
9+10
180
= 159,5 +
19
= 159,5 + 9,4
= 168,9

20
 1
𝑛 −𝑓𝑘1
4
𝑲𝟏 = Tb + C
𝑓𝑠𝑘

1
. 50−5
4
= 119,5 + 20
7

12,5 − 5
= 119,5 + 20
7

7,5
= 119,5 + 20
7

150
= 119,5 +
7

= 119,5 + 21,4

= 140,9

3
𝑛 −𝑓𝑘3
4
𝑲𝟑 = Tb + C
𝑓𝑠𝑘

3
. 50−37
4
= 179,5 + 20
10

37,5− 37
= 179,5 + 20
10

0,5
= 179,5 + 20
10

10
= 179,5 +
10

= 179,5 + 1

= 180,5

b. Range = nilai tertinggi – nilai terendah

= 219 – 100
= 119

∑|𝑥− 𝑥̅ |
MD =
𝑛
1.150,4
=
50
= 23,008

21
 ∑ ( 𝑥 − 𝜇 )2
𝝈𝟐 =
𝑛

7.008,64
=
50

= 140,17

𝝈 = √140,17

= 11,83

BAB V ANGKA INDEKS

Angka Indeks adalah sebuah angka yang menggambarkan perubahan relatif terhadap harga,
kuantitas atau nilai yang dibandingkan dengan tahun dasar.

Pemilihan Tahun Dasar :

 Tahun yang dipilih sebagai tahun dasar menunjukkan kondisi perekonomian yang
stabil
 Tahun dasar diusahakan tidak terlalu jauh dengan tahun yang dibandingkan, sehingga
perbandingannya masih bermakna

Angka Indeks Relatif Sederhana atau dikenal juga dengan unweighted index adalah
indeks yang tanpa memperhitungkan bobot setiap barang dan jasa.

Angka Indeks Harga Relatif Sederhana adalah menunjukkan perkembangan harga relatif
suatu barang dan jasa pada tahun berjalan dengan tahun dasar, tanpa memberikan bobot
terhadap kepentingan barang dan jasa.

Rumus :

𝐻𝑡
IH = x 100%
𝐻𝑜

Ht : Harga tahun terakhir

Ho : Harga tahun dasar

Angka Indeks Kuantitas Relatif Sederhana adalah menunjukkan perkembangan kuantitas

barang dan jasa dibandingkan dengan tahun atau periode dasarnya. Indeks kuantitas
sederhana dihitung tanpa memberikan bobot pada setiap komoditas, karena dianggap masih
mempunyai kepentingan yang sama.

22
Rumus :

𝐾𝑡
IK = x 100%
𝐾𝑜

Kt : Kuantitas jumlah akhir

Ko : Kuantitas jumlah awal

Angka Indeks Nilai Relatif Sederhana adalah menunjukkan perkembangan nilai (harga
dikalikan dengan kuantitas) suatu barang dan jasa pada suatu periode dengan periode atau
tahun dasarnya.

Rumus :

𝐻𝑡 𝐾𝑡
IN = x 100%
𝐻𝑜 𝐾𝑜

Ht : Harga tahun terakhir

Ho : Harga tahun dasar
Kt : Kuantitas jumlah akhir
Ko : Kuantitas jumlah awal

Angka Indeks Agregat Sederhana, angka indeks ini menekankan agregasi yaitu barang dan
jasa lebih dari satu.

Angka Indeks Harga Agregat Sederhana adalah angka indeks yang menunjukkan
perbandingan antara jumlah harga kelompok barang dan jasa pada periode tertentu dengan
periode dasarnya.

Rumus :

∑ 𝐻𝑡
IHA = x 100%
∑ 𝐻𝑜

Ht : Harga tahun terakhir

Ho : Harga tahun dasar
∑ : Lambang penjumlahan

Angka Indeks Kuantitas Agregat Sederhana adalah angka indeks yang menunjukkan
perbandingan antara jumlah kuantitas kelompok barang dan jasa pada periode tertentu dengan
periode dasarnya.

Rumus :

∑ 𝐾𝑡
IKA = x 100%
∑ 𝐾𝑜

23
Kt : Kuantitas jumlah akhir
Ko : Kuantitas jumlah awal
∑ : Lambang penjumlahan

Angka Indeks Nilai Agregat Sederhana adalah indeks nilai agregat relatif sederhana
menunjukkan perkembangan nilai (harga dikalikan dengan kuantitas) sekelompok barang dan
jasa pada suatu periode dengan periode atau tahun dasarnya.

Rumus :

∑ 𝐻𝑡 𝐾𝑡
INA = x 100%
∑ 𝐻𝑜 𝐾𝑜

Ht : Harga tahun terakhir

Ho : Harga tahun dasar
Kt : Kuantitas jumlah akhir
Ko : Kuantitas jumlah awal
∑ : Lambang penjumlahan

Contoh Soal

2016 2017
Jenis Barang Ht Kt Ho Ko
Ho Ht Ko Kt
Sepeda Motor 4 12 12 20 240 48
Rumah 6 20 15 30 600 90
Sepeda 10 5 20 25 125 200
Mobil 5 8 10 20 160 50
25 45 57 95 1.125 388

Tentukan :

- IH, IHA
- IK, IKA
- IN, INA

Jawab :
𝐻𝑡
𝑰𝑯𝑺𝒑𝒎 = x 100%
𝐻𝑜
12
= x 100%
4

=3

∑ 𝐻𝑡
IHA = x 100%
∑ 𝐻𝑜

24
 45
= x 100%
25

= 1,8
𝐾𝑡
𝑰𝑲𝑺𝒑𝒎 = x 100%
𝐾𝑜
20
= x 100%
12

= 1,6

∑ 𝐾𝑡
IKA = x 100%
∑ 𝐾𝑜

95
= x 100%
57

= 1,6
𝐻𝑡 𝐾𝑡
𝑰𝑵𝑺𝒑𝒎 = x 100%
𝐻𝑜 𝐾𝑜
240
= x 100%
48

=5

∑ 𝐻𝑡 𝐾𝑡
INA = x 100%
∑ 𝐻𝑜 𝐾𝑜

1.125
= x 100%
388

= 2,8

Angka Indeks Tertimbang adalah indeks tertimbang memberikan bobot yang berbeda
terhadap setiap komponen.

Mengapa harus diberikan bobot yang berbeda? Karena pada dasarnya setiap barang dan
jasa mempunyai tingkat utilitas (manfaat dan kepentingan) yang berbeda.

1. Formula Laspayres

Menentukan sebuah indeks tertimbang dengan menggunakan bobot sebagai penimbang

adalah periode dasar.

Rumus :

∑ 𝐻𝑡 𝐾𝑜
IL = x 100%
∑ 𝐻𝑜 𝐾𝑜

25
Ht : Harga tahun terakhir
Ho : Harga tahun dasar
Ko : Kuantitas jumlah awal
∑ : Lambang penjumlahan

2. Formula Paasche

Menggunakan bobot tahun berjalan dan bukan tahun dasar sebagai bobot.

Rumus :

∑ 𝐻𝑡 𝐾𝑡
IP = x 100%
∑ 𝐻𝑜 𝐾𝑡

Ht : Harga tahun terakhir

Ho : Harga tahun dasar
Kt : Kuantitas jumlah akhir
∑ : Lambang penjumlahan

3. Formula Fisher

- Fisher mencoba memperbaiki formula Laspeyres dan Paasche.

- Indeks Fisher merupakan akar dari perkalian kedua indeks.
- Indeks Fisher menjadi lebih sempurna dibandingkan kedua indeks yang lain baik
Laspeyres maupun Paasche.
Rumus :

IF = √𝐼𝐿 𝑋 𝐼𝑃

IL : Angka indeks Laspeyres

IP : Angka Indeks Paasche
√ : Akar

4. Formula Drobisch

 Digunakan apabila nilai Indeks Laspeyres dan Indeks Paasche berbeda terlalu jauh.
Indeks Drobisch juga merupakan jalan tengah selain Indeks Fisher.
 Indeks Drobisch merupakan nilai rata-rata dari kedua indeks.

Rumus :
1
ID = (IL + IP )
2

IL : Angka indeks Laspeyres

IP : Angka Indeks Paasche
26
 5. Formula Marshal-Edgeworth

Formula Marshal-Edgeworth relatif berbeda dengan konsep Laspeyres dan Paasche.

Menggunakan bobot berupa jumlah kuantitas pada tahun t dengan kuantitas pada tahun
dasar. Pembobotan ini diharapkan akan mendapatkan nilai yang lebih baik.

Rumus :

∑ 𝐻𝑡 ( 𝐾𝑜+𝐾𝑡 )
IME = x 100%
∑ 𝐻𝑜 ( 𝐾𝑜+ 𝐾𝑡 )

Ht : Harga tahun terakhir

Ho : Harga tahun dasar
Kt : Kuantitas jumlah akhir
Ko : Kuantitas jumlah awal
∑ : Lambang penjumlahan

6. Formula Wals

Menggunakan pembobotan berupa akar dari perkalian kuantitas tahun berjalan dengan
kuantitas tahun dasar.

Rumus :

∑ 𝐻𝑡 √𝐾𝑜 . 𝐾𝑡
IW = x 100%
∑ 𝐻𝑜 √𝐾𝑜 . 𝐾𝑡

Ht : Harga tahun terakhir

Ho : Harga tahun dasar
Kt : Kuantitas jumlah akhir
Ko : Kuantitas jumlah awal
∑ : Lambang penjumlahan
√ : Akar

27
Contoh Soal

Tentukan IL, IP, IF, IME, IW

Diketahui data sebagai berikut

Jenis Ho Ko Ht Kt Ht Kt Ho Ko Ht Ko Ho Kt Ko Kt
Barang
Beras 12 2 77 6 462 24 154 72 12
Jagung 62 9 50 8 400 558 450 496 72
Kedelai 57 9 40 6 240 573 360 342 54
K. Hijau 28 5 90 3 270 140 450 84 15
K. Tanah 33 8 100 6 600 264 800 198 48
Ket. Pohon 43 5 50 7 350 215 250 301 35
Ket. 51 2 80 8 640 102 160 408 16
Rambat
Kentang 19 5 50 5 250 95 250 95 25
Jumlah 305 45 537 49 3.212 1.911 2.874 1.996 277

Jawab :

∑ 𝐻𝑡 𝐾𝑜
IL = x 100%
∑ 𝐻𝑜 𝐾𝑜

2.874
= x 100%
1.911
= 1,5

∑ 𝐻𝑡 𝐾𝑡
IP = x 100%
∑ 𝐻𝑜 𝐾𝑡

3.212
= x 100%
1.996
= 1,6

IF = √𝐼𝐿 𝑋 𝐼𝑃

= √1,5 𝑋 1,6
= 1,5

∑ 𝐻𝑡 ( 𝐾𝑜+𝐾𝑡 )
IME = x 100%
∑ 𝐻𝑜 ( 𝐾𝑜+ 𝐾𝑡 )

537 ( 45+49 )
= x 100%
305 ( 45+49 )
537 ( 94 )
= x 100%
305 ( 94 )

28
 50.478
= x 100%
28.670
= 1,76

∑ 𝐻𝑡 √𝐾𝑜 . 𝐾𝑡
IW = x 100%
∑ 𝐻𝑜 √𝐾𝑜 . 𝐾𝑡

537 √2.205
= x 100%
305 √2.205

537 . 46,9
= x 100%
305 . 46,9

25.185,3
= x 100%
14.304,3

= 1,76

-TUGAS MINGGU KETIGA PERTEMUAN-

Ditanya : IL, IP, IF, ID, IME, IW

Diketahui data sbb

2010 2011
Jenis Ht Kt Ho Ko Ht Ko Ho Kt Ko Kt
Ho Ht Ko Kt
Anak 20 46 35 50 2.300 700 1.610 1.000 1.750
Olahraga 60 90 65 80 7.200 3.900 5.850 4.800 5.200
Dewasa 80 120 120 200 24.000 9.600 14.400 16.000 24.000
Wanita 60 120 70 150 18.000 4.200 8.400 9.000 10.500
Jumlah 220 376 290 480 51.500 18.400 30.260 30.800 41.450

Jawab :

∑ 𝐻𝑡 𝐾𝑜
IL = x 100%
∑ 𝐻𝑜 𝐾𝑜

30.260
= x 100%
18.400
= 1,64

∑ 𝐻𝑡 𝐾𝑡
IP = x 100%
∑ 𝐻𝑜 𝐾𝑡

51.500
= x 100%
30.800

29
 = 1,67

IF = √𝐼𝐿 𝑋 𝐼𝑃

= √1,64 𝑋 1,67
= √2,7388
= 1,65

1
ID = (IL + IP )
2

1,64+1,67
=
2

3,31
=
2

= 1,65

∑ 𝐻𝑡 ( 𝐾𝑜+𝐾𝑡 )
IME = x 100%
∑ 𝐻𝑜 ( 𝐾𝑜+ 𝐾𝑡 )

376 ( 290+480 )
= x 100%
220 ( 290+480 )
376 ( 770 )
= x 100%
220 ( 770 )
289.520
= x 100%
169.400
= 1,70

∑ 𝐻𝑡 √𝐾𝑜 . 𝐾𝑡
IW = x 100%
∑ 𝐻𝑜 √𝐾𝑜 . 𝐾𝑡

376 √41.450
= x 100%
220 √41.450

376 . 203,5
= x 100%
220 . 203,5
76.516
= x 100%
44.770
= 1,70

30
 - UTS DAN TUGAS MINGGU KEEMPAT PERTEMUAN -

Rentang Nilai Frekuensi X.ten f.x

40 – 49 10 44,5 445
50 – 59 (𝑲𝟏 ) 16 54,5 872
60 – 69 20 64,5 1.290
70 – 79 (𝑲𝟐 ) 25 74,5 1.862,5
80 – 89 18 84,5 1.521
90 – 99 (𝑲𝟑 ) 15 94,5 1.417,5
100 – 109 6 104,5 627
∑ 110 521,5 8.035

𝑓 .𝒙𝒊
̅
1) 𝒙 =
𝑓

8.035
=
110

= 73,04
1
𝑛 −𝑓𝑚
2
Me = Tb + C
𝑓𝑠

1
. 110−46
2
= 69,5 + 10
25

( 55−46 )
= 69,5 + 10
25
9
= 69,5 + 10
25
= 69,5 + 3,6
= 73,1

𝑑1
Mo = Tb + C
𝑑1 +𝑑2
20
= 69,5 + 10
20+18
20
= 69,5 + 10
38
= 69,5 + 5,26
= 74,76

1
𝑛 −𝑓𝑘1
4
𝑲𝟏 = Tb + C
𝑓𝑠𝑘

31
 1
. 110−10
4
= 49,5 + 10
16

27,5 − 10
= 49,5 + 10
16

17,5
= 49,5 + 10
16

= 49,5 + 10,9

= 60,4

3
𝑛 −𝑓𝑘3
4
𝑲𝟑 = Tb + C
𝑓𝑠𝑘
3
. 110−89
4
= 89,5 + 10
15

82,5− 89
= 89,5 + 10
15

= 89,5 + 10 . (-0,43)

= 85,17

2) Kelas
10, 15, 24, 24, 25, 28, 35, 35, 35, 35, 35, 36, 36, 37, 42, 42, 43, 43, 44, 44, 46, 48, 48,
48, 54, 58, 59, 62, 69, 69, 73, 96, 97, 98
n = 34
k = 1 + 3,322 log n
= 1 + 3,322 log 34
= 1 + 3,322 . 1,53
= 1 + 5,08
= 6,08
Jika 2 > n = 26 > 34
k

98 − 10
Interval= = 14,6 → 15
6

32
Kelas Interval F 𝒙𝒊 ̅
𝒇. 𝒙 |𝒙 − 𝒙 ̅| 𝒇𝒊 |𝒙 − 𝒙̅ | |𝒙 − 𝒙̅ |𝟐
10 – 25 5 17,5 87,5 30,1 150,5 906,01
26 – 41 9 33,5 301,5 14,1 126,9 198,81
42 – 57 Me/Mo 11 49,5 544,5 1,9 20,9 3,61
58 – 73 6 65,5 393 17,9 107,4 320,41
74 – 89 0 81,5 0 33,9 0 1.149,21
90 – 105 3 97,5 292,5 49,9 149,7 2.490,01
∑ 34 345 1.619 147,8 555,4 5.068,06

𝑓 .𝒙𝒊
̅
𝒙 =
𝑓
1.619
=
34
= 47,6

1
𝑛 −𝑓𝑚
2
Me = Tb + C
𝑓𝑠
1
. 34−14
2
= 41,5 + 15
11
( 17−14 )
= 41,5 + 15
11
= 41,5 + 15 . 0,27
= 45,59

𝑑1
Mo = Tb + C
𝑑1 +𝑑2
9
= 41,5 + 15
9+6
9
= 41,5 + 15
15
= 41,5 + 9
= 50,5
∑ ( 𝑥 − 𝜇 )2
𝝈𝟐 =
𝑛
555,4
=
34

= 16,33

𝝈 = √16,33

= 4,04

1
𝑛 −𝑓𝑘1
4
𝑲𝟏 = Tb + C
𝑓𝑠𝑘

33
 1
. 34−5
4
= 25,5 + 15
9

= 25,5 + 15 . 0,38

= 31,3

3
𝑛 −𝑓𝑘3
4
𝑲𝟑 = Tb + C
𝑓𝑠𝑘
3
. 34−25
4
= 57,5 + 15
6

= 57,5 + 15 . 0,083

= 57,5 + 1,249

= 58,74

2018 2019
Jenis Mobil Bobot QoQn PoPn QoPn PoQn PnQn
Po Qo Pn Qn
Toyota 40 12 15 13 20 300 156 195 240 260
Kijang
Isuzu 20 10 14 10 15 210 100 140 150 150
Panther
Carnival 10 9 13 12 20 260 108 156 180 240
Honda Civic 10 8 12 10 10 120 80 120 80 100
Suzuki Carry 10 7 11 9 15 165 63 99 105 135
Xenia 5 6 10 8 10 100 48 80 60 80
Karimun 5 5 9 7 8 72 35 63 40 56
∑ 100 57 84 69 98 1.227 590 853 855 1.021

∑ 𝐻𝑡 𝐾𝑜
3) IL = x 100%
∑ 𝐻𝑜 𝐾𝑜

853
= x 100%
590
= 1,44

∑ 𝐻𝑡 𝐾𝑡
IP = x 100%
∑ 𝐻𝑜 𝐾𝑡

1.227
= x 100%
855
= 1,435

IF = √𝐼𝐿 𝑋 𝐼𝑃

34
 = √1,44 𝑋 1,435
= √2,0664
= 1,43

1
ID = (IL + IP )
2

1,44+1,435
=
2

2,875
=
2

= 1,43

∑ 𝐻𝑡 ( 𝐾𝑜+𝐾𝑡 )
IME = x 100%
∑ 𝐻𝑜 ( 𝐾𝑜+ 𝐾𝑡 )

84 ( 69+98 )
= x 100%
57 ( 69+98 )
84 ( 167 )
= x 100%
57 ( 167 )
14.028
= x 100%
9.519
= 1,473

∑ 𝐻𝑡 √𝐾𝑜 . 𝐾𝑡
IW = x 100%
∑ 𝐻𝑜 √𝐾𝑜 . 𝐾𝑡

84 √1.021
= x 100%
57 √1.021

84 . 31,953
= x 100%
57 . 31,953
2.684,052
= x 100%
1.821,321
= 1,473

35
 BAB VI Deret Berkala dan Peramalan
Data deret berkala adalah sekumpulan data yang dicatat dalam suatu periode tertentu.

Peramalan kondisi mendatang bermanfaat untuk perencanaan produksi, pemasaran,

keuangan dan bidang lainnya.

Komponen Data Berkala :

A. Trend

Adalah suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang diperoleh
dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup rata (smooth).

Metode Analisis Trend :

1. Metode Semi Rata – Rata

- Membagi data menjadi 2 bagian
- Menghitung rata-rata kelompok. Kelompok 1 (K1) dan kelompok 2 (K2)
- Menghitung perubahan trend dengan rumus :
( 𝐾2 − 𝐾1 )
b=
( 𝑇𝑎ℎ𝑢𝑛 𝐷𝑎𝑠𝑎𝑟 𝐾2 −𝑇𝑎ℎ𝑢𝑛 𝐷𝑎𝑠𝑎𝑟 𝐾1 )
- Merumuskan persamaan trend Y = a + bX

2. Metode Kuadrat Terkecil

Adalah menentukan garis trend yang mempunyai jumlah terkecil dari kuadrat selisih data asli
dengan data pada garis trendnya.

Rumus :

Y = a + bX

∑𝒚
a =
𝒏

∑ 𝒚𝒙
b =
∑ 𝒙𝟐

Y’ : Data berkala / taksiran nilai trend

Y : Nilai variabel Y pada suatu waktu tertentu
a : Perpotongan antara garis trend dengan sumbu tegak (Y)
b : Kemiringan (slope) garis trend
x : Periode waktu deret berkala
n : Banyaknya variabel Y pada suatu waktu tertentu

36
Contoh

Tahun Y X 𝒙. 𝒚 𝒙𝟐
1997 5,0 -2 -10,0 4
1998 5,6 -1 -5,6 1
1999 6,1 0 0 0
2000 6,7 1 6,7 1
2001 7,2 2 14,4 4
∑ 30,6 5,5 10

Dit :
Nilai a =
Nilai b =
Jadi persamaan trend Y =

Jawab

n=5
∑𝑦
a =
𝑛
30,6
=
5
= 6,12

∑ 𝒙𝒚
b =
∑ 𝒙𝟐
5,5
=
10
= 0,55

Y = a + bX
= 6,12 + 0,55 𝑥

3. Metode Kuadratis

Untuk jangka waktu pendek, kemungkinan trend tidak bersifat linear. Metode kuadratis
adalah contoh metode nonlinear.

Rumus :

Y = a + bX + c𝑿𝟐

Koefisien a, b, dan c dicari dengan rumus sebagai berikut :

( ∑ 𝒚 )( ∑ 𝒙𝟒 )−(∑ 𝒙𝟐 𝒚)( ∑ 𝒙𝟐 )
a =
𝒏 (∑ 𝒙𝟒 )−(∑ 𝒙𝟐 )

37
 ∑ 𝒚𝒙
b =
∑ 𝒙𝟐

𝒏 ( ∑ 𝒙𝟐 𝒚)−(∑ 𝒙𝟐 )(∑ 𝒚)
c =
𝒏 (∑ 𝒙𝟒 )−(∑ 𝒙𝟐 )

Contoh

Tahun Y X 𝒙. 𝒚 𝒙𝟐 𝒙𝟐 𝒚 𝒙𝟒
1997 5,0 -2 -10,0 4 20 16
1998 5,6 -1 -5,6 1 5,6 1
1999 6,1 0 0 0 0 0
2000 6,7 1 6,7 1 6,7 1
2001 7,2 2 14,4 4 28,8 16
∑ 30,6 5,5 10 61,1 34

Dit :

( ∑ 𝑦 )( ∑ 𝑥 4 )−(∑ 𝑥 2 𝑦)( ∑ 𝑥 2 )
a = =
𝑛 (∑ 𝑥 4 )−(∑ 𝑥 2 )
∑ 𝑦𝑥
b = =
∑ 𝑥2
𝑛 ( ∑ 𝑥 2 𝑦)−(∑ 𝑥 2 )(∑ 𝑦)
c = =
𝑛 (∑ 𝑥 4 )−(∑ 𝑥 2 )
Jadi persamaan kuadratisnya adalah Y =

Jawab

( ∑ 𝑦 )( ∑ 𝑥 4 )−(∑ 𝑥 2 𝑦)( ∑ 𝑥 2 )
a =
𝑛 (∑ 𝑥 4 )−(∑ 𝑥 2 )

30,6 ( 34 )−61,1 ( 10 )
=
5 ( 34 )−10

1.040,4 − 611
=
170 − 10

429,4
=
160

= 2,68

∑ 𝑥𝑦
b =
∑ 𝑥2
5,5
=
10
= 0,55
38
 𝑛 ( ∑ 𝑥 2 𝑦)−(∑ 𝑥 2 )(∑ 𝑦)
c =
𝑛 (∑ 𝑥 4 )−(∑ 𝑥 2 )

5 ( 61,1 )−10 ( 30,6 )

=
5 ( 34 )−10

305,5−306
=
160

= - 0,003

Y = a + bX + c𝑋 2

= 2,68 + 0,55 𝑥 – 0,003 𝑥 2

Contoh Soal

Bulan Y X 𝒙. 𝒚 𝒙𝟐 𝒙𝟐 𝒚 𝒙𝟒
Januari 88 -5,5 -484 30,25 2.662 915,06
Februari 82 -4,5 -369 20,25 1.660,5 410,06
Maret 106 -3,5 -371 12,25 1.298,5 150,06
April 98 -2,5 -245 6,25 612,5 39,06
Mei 112 -1,5 -168 2,25 252 5,06
Juni 92 -0,5 -46 0,25 23 0,06
Juli 102 0,5 51 0,25 25,5 0,06
Agustus 96 1,5 144 2,25 216 5,06
September 105 2,5 262,5 6,25 656,25 39,06
Oktober 85 3,5 297,5 12,25 1.041,25 150,06
November 102 4,5 459 20,25 2.065,5 410,06
Desember 76 5,5 418 30,25 2.299 915,06
∑ 1.144 -51 143 12.812 3.038,72
Dit : Carilah persamaan y dengan metode kuadrat terkecil dan metode kuadratis.

Jawab

- Metode Kuadrat Terkecil -

n = 12

∑𝑦
a =
𝑛
1.144
=
12
= 95,3

∑ 𝒙𝒚
b =
∑ 𝒙𝟐

39
 −51
=
143
= - 0,35

Y = a + bX
= 95,3 - 0,35 𝑥

- Metode Kuadratis -

( ∑ 𝑦 )( ∑ 𝑥 4 )−(∑ 𝑥 2 𝑦)( ∑ 𝑥 2 )
a =
𝑛 (∑ 𝑥 4 )−(∑ 𝑥 2 )

1.144 ( 3.038,72 )−12.812 ( 143 )

=
12 ( 3.038,72 )−143

3.476.295,68 − 1.832.116
=
36.464,64 − 143

1.644.179,68
=
36.321,64

= 45,26

∑ 𝒙𝒚
b =
∑ 𝒙𝟐
−51
=
143
= - 0,35

𝑛 ( ∑ 𝑥 2 𝑦)−(∑ 𝑥 2 )(∑ 𝑦)
c =
𝑛 (∑ 𝑥 4 )−(∑ 𝑥 2 )

12 ( 12.812 )−143 ( 1.144 )

=
12 ( 3.038,72 )−143

153.744−163.592
=
36.464,64−143

−9.848
=
36.321,64

= - 0,27

Y = a + bX + c𝑋 2

= 45,26 – 0,35 𝑥 – 0,27 𝑥 2

40
 -TUGAS MINGGU KELIMA PERTEMUAN-

1) Diketahui Data Sbb.

Nilai X Nilai X
Tahun Y Rata - Rata
Tahun 2011 Tahun 2014
2010 10 -1 -4
𝑲𝟏 2011 12 12 0 -3
2012 14 1 -2

2013 15 2 -1
𝑲𝟐 2014 18 17,67 3 0
2015 20 4 1

Dit : Cari persamaan Y dengan metode semi rata – rata dengan tahun dasar 2011, dan 2014

Jawab

Y = a + bX b = (𝐾2 − 𝐾1 )/ 𝑇ℎ𝑛 𝐷𝑎𝑠𝑎𝑟 2 −

𝑇ℎ𝑛 𝐷𝑎𝑠𝑎𝑟 1
Y th 2011 = 12 + 1,89 𝑥 = (17,67 – 12) / 2014 – 2011
Y th 2014 = 17,67 + 1,89 𝑥 = 1,89

2) Diketahui Data Sbb.

Tahun Y X 𝒙. 𝒚 𝒙𝟐 𝒙𝟐 𝒚 𝒙𝟒
2010 5 -4 -20 16 80 256
2011 8 -3 -24 9 72 81
2012 10 -2 -20 4 40 16
2013 10 -1 -10 1 10 1
2014 12 0 0 0 0 0
2015 16 1 16 1 16 1
2016 14 2 28 4 56 16
2017 12 3 36 9 108 81
2018 10 4 40 16 160 256
∑ 97 46 60 542 708

Dit : Cari persamaan Y dengan cara metode kuadrat terkecil dan metode kuadratis

Jawab

- Metode Kuadrat Terkecil -

n =9

41
 ∑𝑦
a =
𝑛
97
=
9
= 10,7

∑ 𝒙𝒚
b =
∑ 𝒙𝟐
46
=
60
= 0,76

Y = a + bX
= 10,7 + 0,76 𝑥

- Metode Kuadratis -

( ∑ 𝑦 )( ∑ 𝑥 4 )−(∑ 𝑥 2 𝑦)( ∑ 𝑥 2 )
a =
𝑛 (∑ 𝑥 4 )−(∑ 𝑥 2 )

97 ( 708 )−542 ( 60 )
=
9 ( 708 )−60

68.676 − 32.520
=
6.372 − 60

36.156
=
6.312

= 5,72

∑ 𝑥𝑦
b =
∑ 𝑥2
46
=
60
= 0,76

𝑛 ( ∑ 𝑥 2 𝑦)−(∑ 𝑥 2 )(∑ 𝑦)
c =
𝑛 (∑ 𝑥 4 )−(∑ 𝑥 2 )

9 ( 542 )−60 ( 97 )
=
9 ( 708 )−60

4.878−5.820
=
6.372−60

−942
=
6.312

= - 0,14

42
Y = a + bX + c𝑋 2

= 5,72 + 0,76 𝑥 – 0,14 𝑥 2

BAB VII Konsep Dasar Probabilitas

Probabilitas artinya kemungkinan suatu peristiwa akan terjadi atau peluang suatu kejadian.

Manfaat mengetahui probabilitas adalah membantu pengambilan keputusan yang tepat,

karena kehidupan di dunia tidak ada kepastian, dan informasi yang tidak sempurna.

Probabilitas :

Suatu ukuran tentang kemungkinan suatu peristiwa (event) akan terjadi di masa mendatang.
Probabilitas dinyatakan antara 0 sampai 1 atau dalam persentase.

Percobaan :

Pengamatan terhadap beberapa aktivitas atau proses yang memungkinkan timbulnya paling
sedikit dua peristiwa tanpa memperhatikan peristiwa mana yang akan terjadi.

Hasil ( outcome ) :

Suatu hasil dari sebuah percobaan.

Peristiwa ( event ) :

Kumpulan dari satu atau lebih hasil yang terjadi pada sebuah percobaan atau kegiatan.

Pendekatan Probabilitas :

1. Pendekatan Klasik

Adalah setiap peristiwa mempunyai kesempatan yang sama untuk terjadi.

Rumus :

𝑱𝒖𝒎𝒍𝒂𝒉 𝒌𝒆𝒎𝒖𝒏𝒈𝒌𝒊𝒏𝒂𝒏 𝒉𝒂𝒔𝒊𝒍

Probabilitas Suatu Peristiwa =
𝑱𝒖𝒎𝒍𝒂𝒉 𝒕𝒐𝒕𝒂𝒍 𝒌𝒆𝒎𝒖𝒏𝒈𝒌𝒊𝒏𝒂𝒏 𝒉𝒂𝒔𝒊𝒍

43
 2. Pendekatan Relatif

Adalah Probabilitas suatu kejadian tidak dianggap sama, tergantung dari berapa banyak suatu
kejadian terjadi.

Rumus :

𝑱𝒖𝒎𝒍𝒂𝒉 𝒑𝒆𝒓𝒊𝒔𝒕𝒊𝒘𝒂 𝒚𝒂𝒏𝒈 𝒕𝒆𝒓𝒋𝒂𝒅𝒊

Probabilitas Suatu Peristiwa =
𝑱𝒖𝒎𝒍𝒂𝒉 𝒕𝒐𝒕𝒂𝒍 𝒑𝒆𝒓𝒄𝒐𝒃𝒂𝒂𝒏

3. Pendekatan Subjektif

Adalah Probabilitas suatu kejadian didasarkan pada penilaian pribadi yang dinyatakan dalam
suatu derajat kepercayaan.

Konsep Dasar Hukum Probabilitas

 Hukum Penjumlahan

P ( A atau B ) = P (A) + P (B)

Contoh : P (A) = 0,35 , P (B) 0,40 dan P (C) 0,25

Maka P ( A atau C ) = 0,35 + 0,25 = 0,60

 Peristiwa atau Kejadian Bersama

P ( A atau B ) = P (A) + P (B) – P (AB)

Apabila P (AB) = 0,2

Maka P ( A atau B ) = 0,35 + 0,40 – 0,2 = 0,55

 Peristiwa Saling Lepas

P (AB) = 0

Maka P ( A atau B ) = P (A) + P (B) + 0

= P (A) + P (B)

 Hukum Perkalian

P ( A dan B ) = P (A) x P (B)

Apabila P (A) 0,35 dan P (B) 0,25

Maka P ( A dan B ) = 0,35 X 0,25 = 0,0875

44
  Kejadian Bersyarat P (B | A)

P (B | A) = P (AB) / P (A)

 Peristiwa Pelengkap ( Complementary Event )

P (A) + P (B) = 1 atau P (A) = 1 – P (B)

Diagram Pohon adalah suatu diagram berbentuk pohon yang membantu mempermudah
mengetahui probabilitas suatu peristiwa.

Teorema Bayes adalah merupakan probabilitas bersyarat-suatu kejadian terjadi setelah

kejadian lain ada.

Rumus :

𝑷(𝑨𝒊) 𝑿 𝑷 (𝑩|𝑨𝒊)
P (Ai | B) =
𝑷 ( 𝑨 𝟏 ) 𝑿 𝑷 ( 𝑩 | 𝑨 𝟏 ) + 𝑷 ( 𝑨 𝟐 ) 𝑿 𝑷 ( 𝑩 | 𝑨 𝟐 ) + … + 𝑷 ( 𝑨 𝒊 ) 𝑿 𝑷 ( 𝑩 |𝑨 𝑰 )

Beberapa Prinsip Menghitung

 Factorial (berapa banyak cara yang mungkin dalam mengatur sesuatu dalam
kelompok).

Factorial = n!

Contoh : 4! = 4 x 3 x 2 x 1

 Permutasi (sejumlah kemungkinan susunan jika terdapat satu kelompok objek).

Permutasi nPr = n!/ (n-r)!

4!
Contoh : 4𝑃2 =
( 4−2 )!

4!
=
2!

= 12
5!
5𝑃4 =
( 5−4 )!

5!
=
1

45
 = 120

 Kombinasi (berapa cara sesuatu diambil dari keseluruhan objek tanpa memperhatikan
urutannya).

Kombinasi nCr = n!/r! (n-r)!

6!
Contoh : 6𝐶3 =
3 ! ( 6−3 )!

6!
=
3! 3!

6𝑋5𝑋4𝑋3!
=
3! 3!

120
= = 20
6

Contoh Soal

Dik : Dalam sebuah pesta ada 100 bersalaman. Berapa kombinasinya ?

Jawab :
𝑛!
Combinasi nCr =
𝑟 ! ( 𝑛−𝑟 )!

100 !
100𝐶2 =
2 ! ( 100−2 )!

100 !
=
2 ! 98 !

100 𝑋 99 𝑋 98 !
=
2 ! 98 !

9.900
=
2

= 4.950

46
 BAB XV Analisis Regresi dan Korelasi Linear

Analisis Korelasi adalah suatu teknik statistika yang digunakan untuk mengukur keeratan
hubungan atau korelasi antara dua variabel.

Rumus Koefisien Korelasi :

𝒏 ( ∑ 𝒙𝒚 )−( ∑ 𝒙 )( ∑ 𝒚)
r =
√[𝒏 ( ∑ 𝒙𝟐 )−( ∑ 𝒙)𝟐 ][𝒏 (∑ 𝒚𝟐 )−(∑ 𝒚)𝟐 ]

Dimana :

r : Nilai koefisien korelasi

ΣX : Jumlah pengamatan variabel X
ΣY : Jumlah pengamatan variabel Y
ΣXY : Jumlah hasil perkalian variabel X dan Y
(ΣX2) : Jumlah kuadrat dari pengamatan variabel X
(ΣX)2 : Jumlah kuadrat dari jumlah pengamatan variabel X
(ΣY2) : Jumlah kuadrat dari pengamatan variabel Y
(ΣY)2 : Jumlah kuadrat dari jumlah pengamatan variabel Y
n : Jumlah pasangan pengamatan Y dan X

Hubungan Keeratan

𝟐
KP = 𝒓 x 100%

r = Keeratan hubungan x dan y

Contoh

r = 0,98

KP = ( 0,98 )2 x 100%

= 0,9604

96 % = Hub. Keeratan x dan y

4% = Hub. Akibat factor lain

47
Contoh Soal

Dik Data Sbb.

x y x.y 𝒙𝟐 𝒚𝟐
4 3 12 16 9
6 5 30 36 25
7 8 56 49 64
8 10 80 64 100
2 4 8 4 16
3 6 18 9 36
30 36 204 178 250
6 ( 240 )−30.36
r =
√[6 ( 178)−( 250)][6 (250)−1.296]

1.224−1.080
=
√168 . 204

144
=
√34.272

144
=
185,12

= 0,77

KP = ( 0,77 )2 x 100%

= 0,5929

59,29 % = Hub. Keeratan x dan y

40,71 % = Hub. Akibat factor lain

Rumus Uji t untuk Uji Korelasi

𝒓 √𝒏−𝟐 𝒓
t = atau t =
𝟏− 𝒓𝟐 𝟐
√𝟏− 𝒓
𝒏−𝟐

Dimana :

t : Nilai t-hitung
r : Nilai koefisien korelasi
n : Jumlah data pengamatan

48
Contoh Pengujian Hipotesis

0,77 √6−2
t =
1− 0,5929

1,54
=
0,4071

= 3,78

Langkah Pengujian Hipotesis

a. Perumusan Hipotesis

Harus nol
𝑯𝟎 : P = 0
𝑯𝟏 : P ≠ 0

b. Alfa ( Tingkat Signifikan )

𝒂 𝟓%
𝜶 = 5% → 𝟐 = = 0,025
𝟐

df = n – k
=6–2
=4

t = 2,766 ( daerah keputusan )

c. Terhitung

t = 3,78

d. Menentukan Daerah Keputusan ( 2,766 )

e. Menentukan Keputusan

Nilai terhitung ternyata terletak pada daerah menolak 𝐻0 dan menerima 𝐻1 menunjukkan
bahwa terdapat cukup bukti dan hubungan antara tingkat variable x dan variable y
bersifat kuat.

Persamaan regresi adalah persamaan matematika yang menyatakan hubungan fungsional

antara variabel-variabel. Hubungan fungsional tersebut tergantung pada parameter-

49
parameternya yang diharapkan berlaku untuk populasi berdasarkan data sampelnya.Variabel
tak bebasVariabel bebas.

Rumus Persamaan Regresi

y = a + bx ( positif )

y = a – bx ( negatif )

𝒏 ( ∑ 𝒙𝒚)− (∑ 𝒙)(∑ 𝒚)
b =
𝒏 ( ∑ 𝒙𝟐 )−( ∑ 𝒙)𝟐

( ∑ 𝒚) 𝒃 ( ∑ 𝒙) ∑ 𝒚 −𝒃 ∑ 𝒙
a = - atau a =
𝒏 𝒃 𝒏

Contoh
6 . 204 − 30 . 36
b =
6 . 178 −900

1.224 − 1.080
=
1.068 −900

= 0,85

36 − 0,85 . 30
a =
6

36 − 25,5
=
6

10,5
=
6

= 1,75

y = a + bx
= 1,75 + 0,85x

50
 -TUGAS MINGGU KEENAM PERTEMUAN-

1. Carilah Nilai dari

a) 10 !
b) 10𝑃4
c) 50𝐶10

Jawab :

a) 10! = 10 x 9 x 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1
= 3.628.800
𝑛!
b) 10𝑃4 =
( 𝑛−𝑟 )!
10 !
=
( 10−4) !
10 !
=
6!
10 × 9 × 8 × 7 × 6 !
=
6!
= 5.040

𝑛!
c) 50𝐶10 =
𝑟 ! ( 𝑛−𝑟 )!
50 !
=
10 ! ( 50−10) !
50 !
=
10 ! 40 !
50 ×49 × 48 × 47 × 46 × 45 × 44 × 43 × 42 × 41 × 40 !
=
10 ! 40 !
37.276.043.023.296.000
=
3.628.800
= 10.272.278.170

2. Dik Data Sbb.

Perusahaan Permintaan y Harga x x.y 𝒙𝟐 𝒚𝟐

A 29 45 1.305 2.025 841
B 36 35 1.260 1.225 1.296
C 86 15 1.290 225 7.396
D 6 155 930 24.025 36
E 13 95 1.235 9.025 169
∑ 170 345 6.020 36.525 9.738

a) Carilah nilai r, KP, dan Ujilah t

b) Carilah nilai y = a + bx

51
Jawab :
𝒏 ( ∑ 𝒙𝒚 )−( ∑ 𝒙 )( ∑ 𝒚)
a) r =
√[𝒏 ( ∑ 𝒙𝟐 )−( ∑ 𝒙)𝟐 ][𝒏 (∑ 𝒚𝟐 )−(∑ 𝒚)𝟐 ]
5 ( 6.020 )−345 ( 170 )
=
√[5 ( 36.525)−(119.025)][5 (9.738)−28.900]
30.100−58.650
=
√182.625−(119.025) . 5 (9.738 )−(28.900)
−28.550
=
√63.600 ×19.790
−28.550
=
√1.258.644.000
−28.550
=
35.447,37
= -0,8047

KP = 𝑟 2 x 100%
= ( −0,8047)2 x 100%
= 0,6475

64,75 % = Hub. Keeratan x dan y

35,25 % = Hub. Akibat factor lain

𝑟 √𝑛−2
t =
1− 𝑟 2
−0,8047 √5−2
=
1− 0,6475
−0,8047 √3
=
0,3525
−0,8047 ×1,7320
=
0,3525
= -3,9538

𝑛 ( ∑ 𝑥𝑦)− (∑ 𝑥)(∑ 𝑦)
b) b =
𝑛 ( ∑ 𝑥 2 )−( ∑ 𝑥)2
5 ( 6.020 )− 345 ( 170 )
=
5 (36.525 )−119.025
30.100 − 58.650
=
182.625−119.025
−28.550
=
63.600
= -0,44

∑ 𝑦 −𝑏 ∑ 𝑥
a =
𝑛

52
 170− ( −0,44 )345
=
5
170− ( −151,8 )
=
5
321,8
=
5
= 64,36

Y = a + bx
= 64,36 – 0,44x

BAB XVI Analisis Regresi dan Korelasi Berganda

Rumus :

Bentuk persamaan regresi dengan dua variable independen adalah :

Y = a + b1 X1 + b2 X2

Bentuk persamaan regresi dengan tiga variabel independen adalah :

Y = a + b X1 + b2 X2 + b3 X3

Bentuk umum persamaan regresi untuk k variabel indenden dapat dirumuskan sebagai
berikut:
Y = a + b1 X1 + b2 X2 + b3X3 + … + bk Xk

Persamaan untuk mendapatkan koefisien regresi

Prinsip metode ordinary least square (OLS) adalah meminimumkan jumlah kuadrat
deviasi disekitar garis regresi. Nilai koefisien regresi a, b1, dan b2 dapat dipecahkan secara
simultan dari tiga persamaan berikut:

Y = na + b1X1 + b2X2 …………….……. (a)

X1Y = aX1 + b1X12 + b2X1 X2 ……….…………. (b)
X2Y = aX2 + b1X1 X2 + b2X22…………………. (c)

53
Contoh Soal

𝑛 ∑ 𝑥1 ∑ 𝑥2 𝑎 ∑𝑦
|∑ 𝑥1 ∑ 𝑥1 ∑ 𝑥1 𝑥2 | |𝑏1 | = |∑ 𝑥1 𝑦|
2

∑ 𝑥2 ∑ 𝑥2 𝑥1 ∑ 𝑥2 2 𝑏2 ∑ 𝑥2 𝑦

Dik :

∑ 𝑦 = 68 ; ∑ 𝑥1 = 63 ; ∑ 𝑥2 = 46 ; ∑ 𝑥1 𝑦 = 409 ; ∑ 𝑥2 𝑦 = 239 ; ∑ 𝑥1 2 = 405 ; ∑ 𝑥2 2 =

324 ; ∑ 𝑥1 𝑥2 = 317

n = 10

10 63 46 𝑎 68
𝑏
|63 405 317| | 1 | = |409|
46 317 324 𝑏2 239

Determinasi

Det ( A )

10 63 46 10 63
|63 405 317 63 405|
46 317 324 46 317
= 10 × 405 × 324 + 63 × 317 × 46 + 46 × 63 × 317 – 46 × 405 × 46 – 317 × 317 × 10
– 324 × 63 × 63
= 1.706

Det ( B )
68 63 46 68 63
|409 405 317 409 405|
239 317 324 239 317
= 68 × 405 × 324 × + 63 × 317 × 239 + 46 × 409 × 317 – 239 × 405 × 46 – 317 × 317 × 68
– 324 × 406 × 63
= 25.737

Det ( C )

10 68 46 10 68
|63 409 317 63 409|
46 239 324 46 239
= 10 × 409 × 324 + 68 × 317 × 239 + 46 × 63 × 239 – 46 × 409 × 46 – 239 × 317 × 10
– 324 × 63 × 68
= –1.732

54
Det ( D )

10 63 68 10 63
|63 405 409 63 405 |
46 317 239 406 317
= 10 × 405 × 239 + 63 × 409 × 406 + 68 × 63 × 317 – 46 × 405 × 68 – 317 × 409 × 10
– 239 × 63 × 63
= –701

𝐷𝑒𝑡 𝐵 25.737
Nilai a = = = 15,08
𝐷𝑒𝑡 𝐴 1.706

𝐷𝑒𝑡 𝐶 −1.732
b = = = –1,02
𝐷𝑒𝑡 𝐴 1.706

𝐷𝑒𝑡 𝐷 −701
c = = = –0,41
𝐷𝑒𝑡 𝐴 1.706

Sehingga y = … + … 𝑥1 + … 𝑥2

y = 15,08 – 1,02 𝑥1 – 0,41 𝑥2

Berapa y jika 𝑥1 = 100, 𝑥2 = 50

y = 15,08 – 1,02 (100) – 0,41 (50)

= 15,08 – 120 – 20,5
= -125,42

Penyelesaian Cara Pendek Sehingga

A = n (∑ 𝒙𝟏 𝒚) - ∑ 𝒙𝟏 ∑ 𝒚 𝑨𝑩−𝑪𝑫
𝒃𝟏 =
B = n (∑ 𝒙𝟐 )𝟐 - (∑ 𝒙𝟐 )𝟐 𝑭
C = n (∑ 𝒙𝟏 𝒙𝟐 ) - ∑ 𝒙𝟏 ∑ 𝒙𝟐 𝑫𝑬−𝑨𝑪
𝒃𝟐 =
D = n (∑ 𝒙𝟐 𝒚) - ∑ 𝒙𝟐 ∑ 𝒚 𝑭
E = n (∑ 𝒙𝟏 )𝟐 - (∑ 𝒙𝟏 )𝟐
∑ 𝒚 − 𝒃𝟏 ∑ 𝒙𝟏 − 𝒃𝟐 ∑ 𝒙𝟐
F = EB - 𝑪𝟐 a =
𝒏

55
Contoh Soal

Dik Data Sbb

y 𝒙𝟏 𝒙𝟐 𝒙𝟏 𝒚 𝒙𝟐 𝒚 𝒙𝟏 𝒙𝟐
4 3 2 12 8 6
5 8 10 40 50 80
8 4 6 32 48 24
9 10 4 90 36 40
12 5 4 60 48 20
∑ 38 30 26 234 190 170

Tentukan persamaan regresi berganda dan berapa y, jika 𝑥1 = 150, 𝑥2 = 250

Jawab :

N =5

A = 5 (234) – 30 (38)
= 1.170 – 1.140
= 30

B = 5 (676) – 676
= 3.380 – 676
=2.704

C = 5 (170) – 30 . 26
= 850 – 780
= 70

D = 5 (190) – 26 . 38
= 950 – 988
= –38
E = 3.600 × 2.704 – 4.900
= 9.729.500

30 (2.704)−70 (−38)
𝑏1 =
9.729.500

81.120−(−2.660)
=
9.729.500

56
 83.780
=
9.729.500

= 0,0088

−38 (3.600)−30 (70)

𝑏2 =
9.729.500
−136.800−2.100
=
9.729.500
−138.900
=
9.729.500

= –0,014

38−(0,008) 30−(−0,014)26
a =
5

38−0,24−(−0,364)
=
5
38,124
=
5

= 7,62

Y = 7,62 + 0,008 𝑥1 – 0,014 𝑥2

= 7,62 + 0,008 (150) – 0,014 (250)
= 7,62 + 1,2 – 3,5
= 5,32

57
 -TUGAS MINGGU KETUJUH PERTEMUAN-

Dik Data Sbb.

y 𝒙𝟏 𝒙𝟐 𝒙𝟏 𝒚 𝒙𝟐 𝒚 𝒙𝟏 𝒙𝟐
2 3 8 6 16 24
4 5 6 20 24 30
6 4 10 24 60 40
8 5 3 40 24 15
10 6 2 60 20 12
12 5 4 60 48 20
∑ 42 28 33 210 192 141

Dit : Tentukan regresi berganda

Jawab :

n =6

A = n (∑ 𝑥1 𝑦) - ∑ 𝑥1 ∑ 𝑦
= 6 (210) – 28 (42)
= 1.260 – 1.176
= 84

B = n (∑ 𝑥2 )2 - (∑ 𝑥2 )2
= 6 (1.089) – 1.089
= 6.534 – 1.089
= 5.445

C = n (∑ 𝑥1 𝑥2 ) - ∑ 𝑥1 ∑ 𝑥2
= 6 (141) – 28 (33)
= 846 – 924
= –78

D = n (∑ 𝑥2 𝑦) - ∑ 𝑥2 ∑ 𝑦
= 6 (192) – 33 (42)
= 1.152 – 1.386
= –234

E = n (∑ 𝑥1 )2 - (∑ 𝑥1 )2
= 6 (784) – 784
= 4.704 – 784
= 3.920

58
F = EB - 𝐶 2
= 3.920 (5.445) – 6.084
= 21.338.316

𝐴𝐵−𝐶𝐷
𝑏1 =
𝐹

84 (5.445)−(−78) (−234)
=
21.338.316
457.380−18.252
=
21.338.316
439.128
=
21.338.316

= 0,020

𝐷𝐸−𝐴𝐶
𝑏2 =
𝐹

−234 (3.920)−84 (−78)

=
21.338.316

−917.280−(−6.552)
=
21.338.316
−910.728
=
21.338.316

= –0,0420

∑ 𝑦 − 𝑏1 ∑ 𝑥1 − 𝑏2 ∑ 𝑥2
a =
𝑛

42 −(0,020) 28−(−0,042) 33
=
6

42 −0,56−(−1,386)
=
6
42,826
=
6

= 7,137

59
Y = a + 𝑏1 𝑥1 + 𝑏2 𝑥2
= 7,137 + 0,020 𝑥1 – 0,0420 𝑥2

60