“ STATISTIKA EKONOMI ”
Disusun Oleh:
FAKULTAS EKONOMI
SEKOLAH TINGGI ILMU EKONOMI SWADAYA
TAHUN 2018
1
BAB 1 STATISTIKA
Statistik adalah suatu kumpulan angka yang tersusun lebih dari satu angka.
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.
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.
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.
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.
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:
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
2k > n = 25 > 20
= 32 > 20
875−160
=
5
= 143
Interval
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
Histogram Poligon
6
Kurva Ogive
25
20
15
10
0
231,5 375,5 519,5 663,5 807,5
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:
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
2k > n = 25 > 19
= 32 > 19
Interval Kelas
392−157
=
5
= 47
8
Interval
157 + 47 = 204
205 + 47 = 252
253 + 47 = 300
301 + 47 = 348
349 + 47 = 396
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
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
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.
∑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
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.
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.
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 )
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
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 -
D1 = [1(n+1)]/10 1n/10
D2 = [2(n+1)]/10 2n/10
…. D9= [9(n+1)]/10 9n/10
Persentil adalah ukuran letak yang membagi 100 bagian yang sama.
P1 sebesar 1%,
P2 sampai 2%
P99 sampai 99%
P1 = [1(n+1)]/100 1n/100
P2 = [2(n+1)]/100 2n/100
…. P99 = [99(n+1)]/100 99n/100
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.
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
Deviasi Rata – Rata adalah rata-rata hitung dari nilai mutlak deviasi antara nilai data
pengamatan dengan rata-rata hitungnya.
Rumus :
∑|𝒙− 𝒙
̅|
MD =
𝒏
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
∑ ( 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
Contoh
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
∑|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
Angka Indeks adalah sebuah angka yang menggambarkan perubahan relatif terhadap harga,
kuantitas atau nilai yang dibandingkan dengan 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
22
Rumus :
𝐾𝑡
IK = x 100%
𝐾𝑜
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
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
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
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
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
3. Formula Fisher
IF = √𝐼𝐿 𝑋 𝐼𝑃
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
Rumus :
∑ 𝐻𝑡 ( 𝐾𝑜+𝐾𝑡 )
IME = x 100%
∑ 𝐻𝑜 ( 𝐾𝑜+ 𝐾𝑡 )
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
27
Contoh Soal
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
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 -
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.
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).
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
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
( ∑ 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 )
305,5−306
=
160
= - 0,003
Y = a + bX + c𝑋 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
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 )
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 )
153.744−163.592
=
36.464,64−143
−9.848
=
36.321,64
= - 0,27
Y = a + bX + c𝑋 2
40
-TUGAS MINGGU KELIMA PERTEMUAN-
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
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
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
Probabilitas artinya kemungkinan suatu peristiwa akan terjadi atau peluang suatu kejadian.
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 ) :
Peristiwa ( event ) :
Kumpulan dari satu atau lebih hasil yang terjadi pada sebuah percobaan atau kegiatan.
Pendekatan Probabilitas :
1. Pendekatan Klasik
Rumus :
43
2. Pendekatan Relatif
Adalah Probabilitas suatu kejadian tidak dianggap sama, tergantung dari berapa banyak suatu
kejadian terjadi.
Rumus :
3. Pendekatan Subjektif
Adalah Probabilitas suatu kejadian didasarkan pada penilaian pribadi yang dinyatakan dalam
suatu derajat kepercayaan.
Hukum Penjumlahan
P (AB) = 0
= P (A) + P (B)
Hukum Perkalian
44
Kejadian Bersyarat P (B | A)
P (B | A) = P (AB) / P (A)
Diagram Pohon adalah suatu diagram berbentuk pohon yang membantu mempermudah
mengetahui probabilitas suatu peristiwa.
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 )
Factorial (berapa banyak cara yang mungkin dalam mengatur sesuatu dalam
kelompok).
Factorial = n!
Contoh : 4! = 4 x 3 x 2 x 1
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).
6!
Contoh : 6𝐶3 =
3 ! ( 6−3 )!
6!
=
3! 3!
6𝑋5𝑋4𝑋3!
=
3! 3!
120
= = 20
6
Contoh Soal
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.
𝒏 ( ∑ 𝒙𝒚 )−( ∑ 𝒙 )( ∑ 𝒚)
r =
√[𝒏 ( ∑ 𝒙𝟐 )−( ∑ 𝒙)𝟐 ][𝒏 (∑ 𝒚𝟐 )−(∑ 𝒚)𝟐 ]
Dimana :
Hubungan Keeratan
𝟐
KP = 𝒓 x 100%
Contoh
r = 0,98
KP = ( 0,98 )2 x 100%
= 0,9604
47
Contoh Soal
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
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
a. Perumusan Hipotesis
Harus nol
𝑯𝟎 : P = 0
𝑯𝟏 : P ≠ 0
𝒂 𝟓%
𝜶 = 5% → 𝟐 = = 0,025
𝟐
df = n – k
=6–2
=4
c. Terhitung
t = 3,78
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.
49
parameternya yang diharapkan berlaku untuk populasi berdasarkan data sampelnya.Variabel
tak bebasVariabel bebas.
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-
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
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
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
Rumus :
Y = a + b1 X1 + b2 X2
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
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:
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 :
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
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
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
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
= –0,014
38−(0,008) 30−(−0,014)26
a =
5
38−0,24−(−0,364)
=
5
38,124
=
5
= 7,62
57
-TUGAS MINGGU KETUJUH PERTEMUAN-
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
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
−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