Nama : Muhaimin As’adi M.

Ranahedy
NIM : D031171313
Departemen : Teknik Perkapalan
Kelas :A

Menentukan ukuran utama kapal rancangan dengan menggunakan metode statistika. Adapun
data sebagai berikut.

Nama LOA LBP B H DWT T V L/B L/H B/T H/T

Kintamani 79,56 73,67 13,25 6,4 2671 5,15 11,5 5,56 11,49 2,57 1,24

Prasetia 81 73,5 13,2 6,61 2968 5,5 12,5 5,57 11,12 2,4 1,20

Caraka 98 92 16,5 7,8 3000 5 14,32 5,58 11,79 3,30 1,56

Jaya Niaga
III-4
Karisma 88,63 81,5 13 6,5 3052 5,29 - 6,27 12,54 2,46 1,23

Lintas 85,32 78,8 13,6 6 3100 4,73 13 5,80 13,13 2,86 1,27
Barito
Bahtera 79,52 74,8 12,6 6,48 3147 5,48 10 5,94 11,54 2,30 1,18
Kalimantan
Gani Safari 98 92 16,5 7,8 3148 5 - 5,58 11,79 3,30 1,56

Multi 91 84 14,7 7,6 3180 5 12 5,71 11,05 2,94 1,52

Spirit
Caraka 98 92,63 16,5 7,8 3200 5,4 14,32 5,61 11,88 3,06 1,44
Jaya Niaga
III-7
Danau 83,5 78 13 7,65 3258 5,62 13,4 6 10,20 2,31 1,36
Sentani
Sumber : BKI Register www.bki.co.id
Metode Regresi Linier
 Pertama, memilih satu ukuran utama yang ada. Adapun ukuran utama yang saya pilih
adalah sarat. Sehingga saya memilih x adalah DWT dan y adalah T(sarat).
x y
Nama
(DWT) (T)
Kintamani 2671 5,15
Prasetia 2968 5,5
Caraka Jaya Niaga III-4 3000 5
Karisma 3052 5,29
Lintas Barito 3100 4,73
Bahtera Kalimantan 3147 5,48
Gani Safari 3148 5
Multi Spirit 3180 5
Caraka Jaya Niaga III-7 3200 5,4
Danau Sentani 3258 5,62

 Kemudian mencari nilai x2 dan xy. Adapun data yang diperoleh data sebagai berikut.
x y
xy x2
(DWT) (T)
2671 5,15 13755,65 7134241
2968 5,5 15983 8444836
3000 5 15000 9000000
3052 5,29 16145,08 9314704
3100 4,73 14663 9610000
3147 5,48 17245,56 9903609
3148 5 15740 9909904
3180 5 15900 10112400
3200 5,4 17280 10240000
3258 5,62 18309,96 10614564
∑x= 30.724 ∑y= 52,17 ∑xy= 160.363 ∑x = 94.648.446
2

 Selanjutnya dari data di atas dibuatkan plot data sebagai berikut.

Grafik DWT - T
5,7
5,6
5,5
5,4
5,3
5,2
5,1
5
4,9
4,8
4,7
4,6
2500 2600 2700 2800 2900 3000 3100 3200 3300
 Lalu mencari nilai a dan b pada persamaan y = a+bx , dimana persamaan berikut
merupakan persamaan linier
Untuk nilai b , di mana n = 10

𝑛 ∑ 𝑥𝑦−(∑ 𝑥)(∑ 𝑦)
b= 𝑛 ∑ 𝑥 2 −(𝑥)2
10∗160.363−(30.724∗52,17)
b= 10∗94.648.446−(30.724)2
b = 0,0003 , sehingga didapatkan nilai b = 0,0003

Untuk nilai a

∑𝑦 𝑏 ∑𝑥
a= −
𝑛 𝑛
52,17 0,0003 (30.724)
a= −
10 10
a = 4,28878 , sehingga nilai a = 4,28878

Maka didapatkan nilai y’(T) untuk setiap DWT dengan men-subtitusikan nilai b, nilai
a, dan nilai DWT ke persamaan y’ = a+b(DWT) sehingga nilai y’ untuk setiap DWT
adalah sebagai berikut.

T = a+bx
T = 4,28878+0,0003(DWT)
Sehingga diperoleh data sebagai berikut.
x y
xy x2 y’
(DWT) (T)
2671 5,15 13755,65 7134241 5,09573034
2968 5,5 15983 8444836 5,18545901
3000 5 15000 9000000 5,19512675
3052 5,29 16145,08 9314704 5,21083682
3100 4,73 14663 9610000 5,22533842
3147 5,48 17245,56 9903609 5,23953791
3148 5 15740 9909904 5,23984003
3180 5 15900 10112400 5,24950776
3200 5,4 17280 10240000 5,2555501
3258 5,62 18309,96 10614564 5,27307287
∑x= ∑y= ∑xy= ∑x2 =
∑y’= 52,17
30.724 52,17 160.363 94.648.446
 Grafik Perbandingan DWT – T
95

90

85

80

75

70
2500 2600 2700 2800 2900 3000 3100 3200 3300

 Selanjutnya untuk nilai e = y – y’

Sehingga nilai masing-masing e untuk setiap DWT ddiperoleh sebagai berikut.

x y
xy x2 y’ e= y-y’ e2= (y-y’)2
(DWT) (T)
2671 5,15 13755,65 7134241 5,09573034 0,0542697 0,0029452
2968 5,5 15983 8444836 5,18545901 0,314541 0,098936
3000 5 15000 9000000 5,19512675 -0,1951267 0,0380744
3052 5,29 16145,08 9314704 5,21083682 0,0791632 0,0062668
3100 4,73 14663 9610000 5,22533842 -0,4953384 0,2453602
3147 5,48 17245,56 9903609 5,23953791 0,2404621 0,057822
3148 5 15740 9909904 5,23984003 -0,23984 0,0575232
3180 5 15900 10112400 5,24950776 -0,2495078 0,0622541
3200 5,4 17280 10240000 5,2555501 0,1444499 0,0208658
3258 5,62 18309,96 10614564 5,27307287 0,3469271 0,1203584
∑x= ∑y= ∑xy= ∑x2 = ∑y’= ∑e= ∑e2 =
30.724 52,17 160.363 94.648.446 52,17 -8,882E-16 0,7104062

∑ 𝑒2
Untuk nilai MSE = n = banyak data.
𝑛

0,71040622
MSE= 10

MSE= 0,07104
Metode Regresi Non-Linier dengan Eksponensial
 Pertama , memilih satu ukuran utama yang ada. Adapun ukuran utama yang saya
pilih adalah sarat. Sehingga saya memilih x adalah DWT dan y adalah T(sarat).
x y
Nama
(DWT) (T)
Kintamani 2671 5,15
Prasetia 2968 5,5
Caraka Jaya Niaga III-4 3000 5
Karisma 3052 5,29
Lintas Barito 3100 4,73
Bahtera Kalimantan 3147 5,48
Gani Safari 3148 5
Multi Spirit 3180 5
Caraka Jaya Niaga III-7 3200 5,4
Danau Sentani 3258 5,62

 Kemudian mencari nilai x2 dan xy. Adapun data yang diperoleh data sebagai berikut.
x y
xy x2 ln y x.ln y
(DWT) (T)
2671 5,15 13755,65 7134241 1,638996715 4377,76
2968 5,5 15983 8444836 1,704748092 5059,692
3000 5 15000 9000000 1,609437912 4828,314
3052 5,29 16145,08 9314704 1,665818246 5084,077
3100 4,73 14663 9610000 1,553925203 4817,168
3147 5,48 17245,56 9903609 1,701105101 5353,378
3148 5 15740 9909904 1,609437912 5066,511
3180 5 15900 10112400 1,609437912 5118,013
3200 5,4 17280 10240000 1,686398954 5396,477
3258 5,62 18309,96 10614564 1,726331664 5624,389
∑x= ∑y= ∑xy= ∑x2 = ∑ ln y= ∑x ln y=
30.724 52,17 160.363 94.648.446 16,505638 50725,8

 Selanjutnya dari data di atas dibuatkan plot data sebagai berikut.

Grafik DWT - T
5,8

5,6

5,4

5,2

4,8

4,6
2500 2600 2700 2800 2900 3000 3100 3200 3300
 Pola data menunjukkan persamaan garis eksponesial sehingga digunakan persamaan
yaitu y’ = ea+bx
Untuk nilai b dapat dicari dengan persamaan berikut
𝑛 ∑ 𝑥 𝑙𝑛 𝑦−(∑ 𝑥)(∑ ln 𝑦)
b= 𝑛 ∑ 𝑥 2 −(𝑥)2
n adalah banyaknya data yang digunakan, jumlah data yang digunakan 10, maka n = 10

𝑛 ∑ 𝑥 𝑙𝑛 𝑦−(∑ 𝑥)(∑ ln 𝑦)
b= 𝑛 ∑ 𝑥 2 −(𝑥)2

10∗50725,8−(30.724∗50725,8)
b= 10∗94.648.446−(30.724)2

b = 5,498E-05 , sehingga didapatkan nilai b = 5,498E-05

Untuk nilai a dapat dicari dengan persamaan berikut.
∑ ln 𝑦 𝑏 ∑𝑥
a= −
𝑛 𝑛
50725,8 0,0003 (30.724)
a= −
10 10

a = 1,4816437, sehingga nilai a = 1,4816437

Untuk nilai y’ = ea+bx , di mana diperoleh dalam tabel nilai T = ea+b(DWT)
Sehingga data yang diperoleh sebagai berikut.
T = e 1,4816437+ 5,498E-05 (DWT)
Sehingga diperoleh data sebagai berikut.
x y y’
xy x2 ln y x.ln y
(DWT) (T) (T)
2671 5,15 13755,65 7134241 1,638996715 4377,76 5,096198
2968 5,5 15983 8444836 1,704748092 5059,692 5,180097
3000 5 15000 9000000 1,609437912 4828,314 5,189219
3052 5,29 16145,08 9314704 1,665818246 5084,077 5,204076
3100 4,73 14663 9610000 1,553925203 4817,168 5,217828
3147 5,48 17245,56 9903609 1,701105101 5353,378 5,231329
3148 5 15740 9909904 1,609437912 5066,511 5,231616
3180 5 15900 10112400 1,609437912 5118,013 5,240829
3200 5,4 17280 10240000 1,686398954 5396,477 5,246595
3258 5,62 18309,96 10614564 1,726331664 5624,389 5,263352
∑x= ∑y= ∑xy= ∑x2 = ∑ ln y= ∑x ln y= ∑y’=
30.724 52,17 160.363 94.648.446 16,505638 50725,8 52,1011
 Grafik DWT – T

GRAFIK DWT-T
5,8
5,6
5,4
5,2
5
4,8
4,6
2500 2600 2700 2800 2900 3000 3100 3200 3300

 Selajutnya untuk nilai e = y - y’. Sehingga diperolehlah nilai e untuk setiap DWT.

x y
e e2 y’
(DWT) (T)
2671 5,15 0,0029452 0,002894609 5,096198
2968 5,5 0,098936 0,102337625 5,180097
3000 5 0,0380744 0,035803879 5,189219
3052 5,29 0,0062668 0,007382918 5,204076
3100 4,73 0,2453602 0,237976116 5,217828
3147 5,48 0,057822 0,061837496 5,231329
3148 5 0,0575232 0,053646048 5,231616
3180 5
0,0622541 0,057998385 5,240829
3200 5,4 0,0208658 0,023533245 5,246595
3258 5,62 0,1203584 0,127197996 5,263352
∑x= ∑y= ∑e = ∑e2= ∑y’=
30.724 52,17 0,7104062 0,710608317 52,1011

∑ 𝑒2
Untuk nilai MSE = , n = jumlah data
𝑛

∑ 𝑒2
MSE = 𝑛
0,710608317
MSE = 10

MSE = 0,07106
Mencari Nilai R2
Untuk mencari nilai R2 dapat dihitung dengan menggunakan persamaan sebagai
berikut.
∑(y′ −Ῡ)2
R2 = ∑(y−Ῡ)2

Adapun terlebih dahulu untuk mendapatkan nilai R2 kita harus mendapatkan nilai yrata-
rata (Ῡ). Untuk mencari nilai yrata-rata (Ῡ) dengan persamaan sebagai berikut.

∑𝑦
Ῡ= n = banyak data.
𝑛

∑𝑦
Ῡ= 𝑛
52,17
Ῡ= 10
Ῡ= 5,217
Metode Regresi Linier
y
y’ y'-Ῡ y-Ῡ (y'-Ῡ)^2 (y-Ῡ)^2
(T)
5,15 5,09573034 -0,1213 -0,067 0,0147063 0,004489
5,5 5,18545901 -0,0315 0,283 0,0009948 0,080089
5 5,19512675 -0,0219 -0,217 0,0004784 0,047089
5,29 5,21083682 -0,0062 0,073 3,798E-05 0,005329
4,73 5,22533842 0,00834 -0,487 6,953E-05 0,237169
5,48 5,23953791 0,02254 0,263 0,000508 0,069169
5 5,23984003 0,02284 -0,217 0,0005217 0,047089
5 5,24950776 0,03251 -0,217 0,0010568 0,047089
5,4 5,2555501 0,03855 0,183 0,0014861 0,033489
5,62 5,27307287 0,05607 0,403 0,0031442 0,162409
∑y= ∑y’= ∑y'-Ῡ= ∑y-Ῡ= ∑(y'-Ῡ)2= ∑(y-Ῡ)2=
52,17 52,17 -3E-15 -4E-15 0,0230038 0,73341
 Metode Regresi Non-Linier (Eksponensial)
y
y’ y'-Ῡ y-Ῡ (y'-Ῡ)2 (y-Ῡ)2
(T)
5,15 5,096198 -0,12080157 -0,067 0,01459302 0,004489
5,5 5,180097 -0,03690252 0,283 0,0013618 0,080089
5 5,189219 -0,02778087 -0,217 0,00077178 0,047089
5,29 5,204076 -0,01292391 0,073 0,00016703 0,005329
4,73 5,217828 0,000827957 -0,487 6,8551E-07 0,237169
5,48 5,231329 0,014328539 0,263 0,00020531 0,069169
5 5,231616 0,014616165 -0,217 0,00021363 0,047089
5
5,240829 0,023828539 -0,217 0,0005678 0,047089
5,4 5,246595 0,029594508 0,183 0,00087583 0,033489
5,62 5,263352 0,04635172 0,403 0,00214848 0,162409
∑y= ∑y’= ∑ y'-Ῡ = ∑ y-Ῡ = ∑(y'-Ῡ)2= ∑(y-Ῡ)2=
52,17 52,1011 -0,06886145 -3,6E-15 0,02090536 0,73341

 Selanjutnya menghitung koefisien determinansi atau nilai R2 untuk metode regresi

linier dan non-linier
 Nilai R2 untuk metode regresi linier
∑(y′ −Ῡ)2
Untuk nilai R2 = ∑(y−Ῡ)2
∑(y′ −Ῡ)2
Maka nilai R2 = ∑(y−Ῡ)2
2 0,0230038
R = 0,73341
R2= 0,03137
 Nilai R2 untuk metode regresi non-linier
∑(y′ −Ῡ)2
Untuk nilai R2 =
∑(y−Ῡ)2
∑(y′ −Ῡ)2
Maka nilai R2 = ∑(y−Ῡ)2
0,0230038
R2 = 0,73341
R2= 0,0285043
 Menghitung Nilai F
 Adapun data-data yang diperoleh dari dari metode regresi linier sebagai berikut.
x y
xy x2 y’ e= y-y’ e2= (y-y’)2
(DWT) (T)
2671 5,15 13755,65 7134241 5,09573034 0,0542697 0,0029452
2968 5,5 15983 8444836 5,18545901 0,314541 0,098936
3000 5 15000 9000000 5,19512675 -0,1951267 0,0380744
3052 5,29 16145,08 9314704 5,21083682 0,0791632 0,0062668
3100 4,73 14663 9610000 5,22533842 -0,4953384 0,2453602
3147 5,48 17245,56 9903609 5,23953791 0,2404621 0,057822
3148 5 15740 9909904 5,23984003 -0,23984 0,0575232
3180 5 15900 10112400 5,24950776 -0,2495078 0,0622541
3200 5,4 17280 10240000 5,2555501 0,1444499 0,0208658
3258 5,62 18309,96 10614564 5,27307287 0,3469271 0,1203584
∑x= ∑y= ∑xy= ∑x =
2
∑y’= ∑e= ∑e2 =
30.724 52,17 160.363 94.648.446 52,17 -8,882E-16 0,7104062

y’ y'-Ῡ y-Ῡ (y'-Ῡ)2 (y-Ῡ)2 (y'-Ῡ)2/(k-1) (y-y')2/(n-k)

5,09573034 -0,1213 -0,067 0,0147063 0,004489 0,014706331 0,00036815
5,18545901 -0,0315 0,283 0,0009948 0,080089 0,000994834 0,012367004
5,19512675 -0,0219 -0,217 0,0004784 0,047089 0,000478439 0,004759306
5,21083682 -0,0062 0,073 3,798E-05 0,005329 3,79848E-05 0,000783351
5,22533842 0,00834 -0,487 6,953E-05 0,237169 6,95293E-05 0,030670019
5,23953791 0,02254 0,263 0,000508 0,069169 0,000507957 0,007227752
5,23984003 0,02284 -0,217 0,0005217 0,047089 0,000521667 0,007190405
5,24950776 0,03251 -0,217 0,0010568 0,047089 0,001056755 0,007781765
5,2555501 0,03855 0,183 0,0014861 0,033489 0,00148611 0,002608222
5,27307287 0,05607 0,403 0,0031442 0,162409 0,003144167 0,015044804
∑y’= ∑y'-Ῡ= ∑y-Ῡ= ∑(y'-Ῡ)2= ∑(y-Ῡ)2= ∑(y'-Ῡ)2/(k-1)= ∑(y-y')2/(n-k)=
52,17 -3E-15 -4E-15 0,0230038 0,73341 0,023003773 0,088800778

a b MSE Ῡ R2
4,28878 0,0003 0,07104 5,217 0,03137

2
∑(y′ −Ῡ) /(𝑘−1)
Untuk nilai Fhitung = , n = jumlah data = 10. k = jumlah parameter/koefisien = 2 ,
∑(y−y′ )2 /(𝑛−𝑘)
di mana persamaan yang digunakan dalam metode regresi linear yaitu y’ = 4,28878+0,0003(x).
Sehingga (k-1) = 1 dan (n-k) = 8.
2
∑(y′−Ῡ) /(𝑘−1)
Fhitung =
∑(y−y′ )2 /(𝑛−𝑘)
0,0230038
Fhitung =
0,088800778

Fhitung = 0,2590492
  Adapun data-data yang diperoleh dari dari metode regresi non-linier(eksponensial)
sebagai berikut.
x y
xy x2 ln y x.ln y e= y-y’ e2=(y-y’)2
(DWT) (T)
2671 5,15 13755,65 7134241 1,638996715 4377,76 0,0029452 0,002894609
2968 5,5 15983 8444836 1,704748092 5059,692 0,098936 0,102337625
3000 5 15000 9000000 1,609437912 4828,314 0,0380744 0,035803879
3052 5,29 16145,08 9314704 1,665818246 5084,077 0,0062668 0,007382918
3100 4,73 14663 9610000 1,553925203 4817,168 0,2453602 0,237976116
3147 5,48 17245,56 9903609 1,701105101 5353,378 0,057822 0,061837496
3148 5 15740 9909904 1,609437912 5066,511 0,0575232 0,053646048
3180 5 15900 10112400 1,609437912 5118,013 0,0622541 0,057998385
3200 5,4 17280 10240000 1,686398954 5396,477 0,0208658 0,023533245
3258 5,62 18309,96 10614564 1,726331664 5624,389 0,1203584 0,127197996
∑x= ∑y= ∑xy= ∑x =
2
∑ ln y= ∑x ln y= ∑e = ∑e2=
30.724 52,17 160.363 94.648.446 16,505638 50725,8 0,7104062 0,71060831

y’
y'-Ῡ y-Ῡ (y'-Ῡ)2 (y-Ῡ)2 (y'-Ῡ)2/(k-1) (y-y')2/(n-k)
(T)
5,096198 -0,12080157 -0,067 0,01459302 0,004489 0,014593019 0,000361826
5,180097 -0,03690252 0,283 0,0013618 0,080089 0,001361796 0,012792203
5,189219 -0,02778087 -0,217 0,00077178 0,047089 0,000771777 0,004475485
5,204076 -0,01292391 0,073 0,00016703 0,005329 0,000167027 0,000922865
5,217828 0,000827957 -0,487 6,8551E-07 0,237169 6,85514E-07 0,029747015
5,231329 0,014328539 0,263 0,00020531 0,069169 0,000205307 0,007729687
5,231616 0,014616165 -0,217 0,00021363 0,047089 0,000213632 0,006705756
5,240829 0,023828539 -0,217 0,0005678 0,047089 0,000567799 0,007249798
5,246595 0,029594508 0,183 0,00087583 0,033489 0,000875835 0,002941656
5,263352 0,04635172 0,403 0,00214848 0,162409 0,002148482 0,015899749
∑y’= ∑ y'-Ῡ = ∑ y-Ῡ = ∑(y'-Ῡ) =2
∑(y-Ῡ) =
2
∑(y'-Ῡ) /(k-1)=
2
∑(y-y')2/(n-k)=
52,1011 -0,06886145 -3,6E-15 0,02090536 0,73341 0,020905361 0,08882604

a b MSE Ῡ R2
1,4816437 5,498E-05 0,07106 5,217 0,0285043
 2
∑(y′ −Ῡ) /(𝑘−1)
Untuk nilai Fhitung = ∑(y−y′ )2 /(𝑛−𝑘) ,

n = jumlah data = 10. k = jumlah parameter/koefisien = 2 ,di mana persamaan yang

digunakan dalam metode regresi linear yaitu y’= e 1,4816437+ 5,498E-05 (x). Sehingga (k-1) =
1 dan (n-k) = 8.
2
∑(y′ −Ῡ) /(𝑘−1)
Fhitung = ∑(y−y′ )2 /(𝑛−𝑘)

0,02090536
Fhitung = 0,08882604

Fhitung = 0,2353517

 Untuk nilai Ftabel

Derajat Bebas Derajat Bebas Untuk Pembilang (df1) atau (k-1)
Untuk
Penyebut
1 2 3 4 5 6 7 8
(df2)
atau (n-k)
161 200 216 225 230 234 237 239
1
4052 4999 5403 5625 5764 5859 5928 5981
18.51 19 19.16 19.25 19.3 19.33 19.36 19.37
2
98.49 99.01 99.17 99.25 99.3 99.33 99.34 99.36
10.13 9.55 9.28 9.12 9.01 8.94 8.88 8.84
3
34.12 30.81 29.46 28.71 28.24 27.91 27.67 27.49
7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04
4
21.2 18 16.69 15.98 15.52 15.21 14.98 14.8
6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82
5
16.26 13.27 12.06 11.39 10.97 10.67 10.45 10.27
5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15
6
13.74 10.92 9.78 9.15 8.75 8.47 8.26 8.1
5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73
7
12.25 9.55 8.45 7.85 7.46 7.19 7 6.84
5.32 4.46 4.07 3.84 3.69 3.58 3.5 3.44
8
11.26 8.65 7.59 7.01 6.63 6.37 6.19 6.03
Ket :
k =2
(k-1) atau df1 =1
(n-k) atau df2 =8
Jadi, nilai Ftabel adalah 5.32 atau 11.26. sedangkan yang diambil di antara kedua nilai
tersebut adalah yang memiliki niai derajat tingkatan kepercayaan yang rendah yaitu 5.32

Fhitung Ftabel
Fhitung linier = 0,2590492 Df 1 =1
Fhitung eksponensial = 0,2353517 Df 2 = 2
Nilai kritis = 5,32
Uji Signifikansi T
 Untuk metode regresi linier diperoleh data sebagai berikut.
 x xi-xrata-rata (xi-xrata-rata)2
2671 -401,4 161121,96
2968 -104,4 10899,36
3000 -72,4 5241,76
3052 -20,4 416,16
3100 27,6 761,76
3147 74,6 5565,16
3148 75,6 5715,36
3180 107,6 11577,76
3200 127,6 16281,76
3258 185,6 34447,36
∑ x= 30724 ∑ xi-xrata-rata=-9,09495E-13 ∑(xi-xrata-rata)2=252028,4
Xrata-rata =3072,4
Xrata-rata2 =
9439642

∑(𝑦−𝑦 ′ )^2
Untuk σe = √ , n = 10
𝑛−2

0,7104062
σe = √
10−2

0,7104062
σe = √
8

σe = 0,297994594

1 Xrata−rata2
Untuk SEA = σe√𝑛 + ∑(xi−xrata−rata)2 , n = 10

1 Xrata−rata2
SEA = σe√𝑛 + ∑(xi−xrata−rata)2

1 9439642
SEA = 0,297994594 √ +
10 252028,4

SEA = 1,826166573
 1
Untuk SEB = σe√∑(xi−xrata−rata)2

1
SEB = σe√∑(xi−xrata−rata)2

1
SEB = 0,297994594 √252028,4

SEB = 0,000593586

𝑎−(𝛼)
Untuk ahitung = , a = 4,2887765
𝑆𝐸𝐴
𝑎−(𝛼)
ahitung =
𝑆𝐸𝐴
4,2887765−0
ahitung =
1,826166573

ahitung = 2,3485133

𝑏−(𝛽)
Untuk bhitung = , b = 0,00030212
𝑆𝐸𝐵
𝑏−(𝛽)
bhitung =
𝑆𝐸𝐵
0,00030212−0
bhitung =
0,000593586

bhitung = 0,5089688

Sehingga diperoleh.
ahitung bhitung
Fhitung
2,3485133 0,5089688 0,2590492

 Untuk metode regresi non-linier(eksponensial) diperoleh data sebagai berikut.

x xi-xrata-rata (xi-xrata-rata)2
2671 -401,4 161121,96
2968 -104,4 10899,36
3000 -72,4 5241,76
3052 -20,4 416,16
3100 27,6 761,76
3147 74,6 5565,16
3148 75,6 5715,36
3180 107,6 11577,76
 3200 127,6 16281,76
3258 185,6 34447,36
∑ x= 30724 ∑ xi-xrata-rata=-9,09495E-13 ∑(xi-xrata-rata)2=252028,4
Xrata-rata =3072,4
Xrata-rata2 =
9439642

∑(𝑦−𝑦 ′ )^2
Untuk σe = √ , n = 10
𝑛−2

0,7104062
σe = √
10−2

0,7104062
σe = √
8

σe = 0,297994594

1 Xrata−rata2
Untuk SEA = σe√𝑛 + ∑(xi−xrata−rata)2 , n = 10

1 Xrata−rata2
SEA = σe√𝑛 + ∑(xi−xrata−rata)2

1 9439642
SEA = 0,297994594 √10 + 252028,4

SEA = 1,826166573

1
Untuk SEB = σe√∑(xi−xrata−rata)2

1
SEB = σe√∑(xi−xrata−rata)2

1
SEB = 0,297994594 √
252028,4

SEB = 0,000593586
𝑎−(𝛼)
Untuk ahitung = , a = 1,481643653
𝑆𝐸𝐴
𝑎−(𝛼)
ahitung =
𝑆𝐸𝐴
1,481643653−0
ahitung =
1,826166573

ahitung = 0,81134
 𝑏−(𝛽)
Untuk bhitung = , b = 5,49799E-05
𝑆𝐸𝐵
𝑏−(𝛽)
bhitung =
𝑆𝐸𝐵
5,49799E−05−0
bhitung =
0,000593586

bhitung = 0,092623

Sehingga diperoleh

ahitung bhitung Fhitung

0,81134 0,092623 0,2353517

Ttabel

df/p 0,1 0,005 0,025 0,01 0,005

1 3,078 6,314 12,706 31,821 63,657
2 1,886 2,920 4,303 6,965 9,925
3 1,638 2,353 3,182 4,541 5,841
4 1,533 2,132 2,776 3,747 4,604
5 1,476 2,015 2,571 3,365 4,032
6 1,44 1,943 2,447 3,143 3,707
7 1,415 1,895 2,365 2,998 3,499
8 1,397 1,860 2,306 2,896 3,355
Ket :
k =2
df =8
p = 0,025
Jadi, nilai p adalah 0,025 karena yang diambil di antara kelima
nilai tersebut adalah yang memiliki niai derajat tingkatan berada
di tengah-tengah. Sehingga nilai Ttabel yaitu 2,365
Hasil Akhir
LINEAR EKSPONENSIAL
𝒂 + 𝒃𝒙 𝒆𝐚+𝐛𝐱
Y’
52,17 52,1011
∑𝒆𝟐
𝑴𝑺𝑬 =
MSE 𝒏
0,07104 0,07106
∑(𝐲 ′ − ȳ)𝟐
𝐑𝟐 =
R2 ∑(𝐲 − ȳ)𝟐
0,03137 0,0285043
∑(𝐲 ′ − ȳ)𝟐 /(𝐤 − 𝟏)
𝐅=
F hitung ∑(𝐲 − 𝐲′)𝟐 /(𝐧 − 𝐤)
Uji F
0,2590492 0,2353517
F tabel 5,32 5,32
𝐚 − (𝛂)
𝐚𝐡𝐢𝐭𝐮𝐧𝐠 =
a 𝐒𝐞𝐚
2,3485133 0,81134
HITUNG
Uji T 𝐛 − (𝛃)
𝐛𝐡𝐢𝐭𝐮𝐧𝐠 =
b 𝐒𝐞𝐛
0,5089688 0,092623
T tabel 2,365 2,365