METODE ANALITIK PARAMETRIK

1. Statistik Parametrik
Parametrik yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau
distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata
lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi
asumsi normalitas. Pada umumnya, jika data tidak menyebar normal, maka data
seharusnya dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya
dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga
bisa dikerjakan dengan statistik parametrik. 
Contoh metode statistik parametrik :
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson
d. Perancangan percobaan (one or two-way anova parametrik), dll.

Ciri-ciri statistik parametrik :

a. Data dengan skala interval dan rasio

b. Data menyebar/berdistribusi normal

Keunggulan dan kelemahan statistik parametric

Keunggulan :

1) Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak
diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan
kuat.
2) Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal
serta memiliki varian yang homogen.

Kelemahan :

1) Populasi harus memiliki varian yang sama.

2) Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
3) Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus
normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek
yang ditimbulkan
2. Regresi Linear Berganda
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau
lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini
untuk mengetahui arah hubungan antara variabel independen dengan variabel
dependen apakah masing-masing variabel independen berhubungan positif atau
negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel
independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya
berskala interval atau rasio.

0
 Persamaan regresi linear berganda sebagai berikut:

Y’ = a + b1X1+ b2X2+…..+ bnXn

Keterangan:

Y’                   =   Variabel dependen (nilai yang diprediksikan)

X1 dan X2       =   Variabel independen

a=   Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)

b =    Koefisien regresi (nilai peningkatan ataupun penurunan)

3. Contoh soal
Sebuah Perusahaan meminta anda untuk membuat analisa dan model untuk
peramalan penjualan produk, dimana variabelnya adalah jumlah biaya pemasaran dan
jumlah sales yang bekerja pada perusahaan tersebut. Data perusahaan selama 2001
sampai dengan tahun 2012 adalah sebagaimana terlampir. Dengan menggunakan data
diatas anda diminta untuk membuat/menghitung :
1) Deskriptif data tersebut (average, varians, std deviasi, Diagram )
2) Hitunglah Model Persamaan Regresi Y = a0 + a1X1+a2X2
3) Hitunglah Koefisien Korelasi parsial (rx1y, rx2y dan rx1x2)
4) Hitunglah Korelasi Ganda (R ) dan Koefisien determinasi (R2 )
5) Hitunglah Nilai F
6) Buatkanlah Analisa dari hasil no 1 s/d 5

( Tabel soal dan tabel jawaban terlampir )

JAWABAN

Deskriptif data

Tabel pembantu X1

Tahun Nilai X1 (X1-X̅) (X1-X̅)2

2001 2,5 -1,625 2.640625

2002 2,5 -1,625 2.640625

2003 2,75 -1,375 1.890625

2004 3 -1,125 1.265625

2005 3,5 -0,625 0.390625

2006 4,5 0,375 0.140625

2007 4 -0,125 0.015625

1
 2008 5 0,875 0.765625

2009 5,25 1,125 1.265625

2010 5,25 1,125 1.265625

2011 5,5 1,375 1.890625

2012 5,75 1,625 2.640625

Ʃ 49,5 0 16.8125

Average : X̅1 = ƩX1 = 49,5 = 4,125

n 12

Varian : S2 = Ʃ(X1-X̅)2 = 16,8125 = 1,401

n 12

std deviasi :S = √S2 = √ 1,401 = 1,184

Tabel pembantu X2

Tahun Nilai X2 (X2-X̅) (X2-X̅)2

2001 25 -37.41666667 1400.006944

2002 35 -27.41666667 751.6736111

2003 40 -22.41666667 502.5069444

2004 45 -17.41666667 303.3402778

2005 55 -7.416666667 55.00694444

2006 59 -3.416666667 11.67361111

2
 2007 65 2.583333333 6.673611111

2008 72 9.583333333 91.84027778

2009 78 15.58333333 242.8402778

2010 85 22.58333333 510.0069444

2011 92 -56.91666667 3239.506944

2012 98 35.58333333 1266.173611

Ʃ 749 -86.5 8381.25

Average : X̅2 = ƩX2 = 749 = 62,417

n 12

Varian : S2 = Ʃ(X2-X̅)2 = 8381.25 = 698,4375

n 12

std deviasi :S = √S2 = √ 698,4375 = 26,427

Tabel pembantu Y

Tahun Nilai Y (X1-X̅) (X1-X̅)2

2001 37 -22.66666667 513.7777778

2002 27 -32.66666667 1067.111111

2003 42 -17.66666667 312.1111111

2004 42 -17.66666667 312.1111111

2005 52 -7.666666667 58.77777778

2006 57 -2.666666667 7.111111111

2007 62 2.333333333 5.444444444

2008 62 2.333333333 5.444444444

2009 72 12.33333333 152.1111111

3
 2010 82 22.33333333 498.7777778

2011 87 27.33333333 747.1111111

2012 87 27.33333333 747.1111111

Ʃ 716 -7 4427

Average : Y̅ = ƩY = 716 = 59,666

n 12

Varian : S2 = Ʃ(Y-Y̅)2 = 4427 = 368,9

n 12

std deviasi :S = √S2 = √ 368,9 = 19,206

Diagram

100

90

80

70

60

50
Biaya pemasaran xRp 1 jt
40 Jumlah sales
Penjualan xRp1jt
30

20

10

0
01 02 Penjualan xRp1jt
20 20 03 0 4 5
20 20 00 00
6
07 Biaya pemasaran xRp 1 jt
2 2 20 08 09 0
20 20 1
01
1
12
20 2 20

Menghitung model persamaan regresi Y= a0 + a1 X1 + a2X2

4
tabel pembantu:

Tahun X1 X2 Y X1.X2 X1.Y X2.Y X12 X22 Y2

2001 2,5 25 37 62,5 92.5 925 6,25 625 1369

2002 2,5 35 27 87,5 67.5 945 6,25 1225 729

2003 2,75 40 42 110 115.5 1680 7,56 1600 1764

2004 3 45 42 135 126 1890 9 2025 1764

2005 3,5 55 52 192,5 182 2860 12,25 3025 2704

2006 4,5 59 57 265,5 256.5 3363 20,25 3481 3249

2007 4 65 62 260 248 4030 16 4225 3844

2008 5 72 62 360 310 4464 25 5184 3844

2009 5,25 78 72 409,5 378 5616 27,56 6084 5184

2010 5,25 85 82 446,25 430.5 6970 27,56 7225 6724

2011 5,5 92 87 506 478.5 8004 30,25 8464 7569

2012 5,75 98 87 563,5 500.25 8526 33,06 9604 7569

Ʃ 49,5 749 716 3398,25 3185.25 49273 220,99 52767 46313

Menghitug koefisien regresi di cari dengan menyelesaikan persamaan:

ao(n) + a1(ƩX1) + a2(ƩX2) = ƩY

ao(ƩX1) + a1(ƩX12) + a2(ƩX1.X2) = ƩX1.Y

ao(ƩX2) + a1(ƩX1.X2) + a2(ƩX22) = ƩX2.Y

Mencari a2

Menyederhanakan persamaan 1 dan 2, persamaan 1 dan 3 untuk menghilangkan a0

ao(12) + a1(49,5) + a2(749) = 716 dikalikan 49,5

ao(49,5) + a1(220,99) + a2(3398,25) = 3185,25 dikalikan 12

ao(594) + a1(2450,25) + a2(37075,5) = 35442

ao(594) + a1(2651,88) + a2(40779) = 38223 -

a1(-201,63) + a2(-3703,5) = -2781 (4)

5
(1) ao(12) + a1(49,5) + a2(749) = 716 dikalikan 749

(3) ao(749) + a1(3398,25) + a2(52767) = 49273 dikalikan 12

ao(8988) + a1(37075,5) + a2(561001) = 536284

ao(8988) + a1(40779) + a2(633204) = 591276 -

a1(-3703,5) + a2(-72203) = -54992 (5)

Menyederhanakan persamaan 4 dan 5 untuk menghilangkan a1

(4) a1(-201,63) + a2(-3703,5) = -2781 dikalikan -3703,5

(5) a1(-3703,5) + a2(-72203) = -54992 dikalikan -201,63

a1(746736,705) + a2(13715912,25) = 10299433,5

a1(746736,705) + a2(14558290,89) = 11088036,96 -

a2(-842378,64) = -788603,46

a2 = -788603,46

-842378,64

a2 = 0,936

Mencari a1

Hasil a2 dimasukan dalam persamaan 4/5

a1(-201,63) + a2(-3703,5) = -2781

a1(-201,63) + (0,936)(-3703,5) = -2781

a1(-201,63) + (-3466,5) = -2781

a1(-201,63) = -3127,5 + 3466,5

a1 = -339

-201,63

a1 = 1,7

6
Mencari a0

Hasil a1 dan a2, dimasukan dalam persamaan 1/2

ao(12) + a1(49,5) + a2(749) = 716

ao(12) + (1,7)(49,5) + (0,936)(749) = 716

ao(12) + (84,15) + (701,064) = 716

ao(12) + (785,2) = 716

ao(12) = 716 – 785,2

ao = -69,2 -

12

a0 = -5,7

Sehingga persamaan regresi linier berganda di atas adalah :

Y = -5,7 + 1,681 X1 + 0,936 X2

Penjualan = -5,7 + 3,241 biaya pemasaran + 0,668 jumlah sales

3. koefisien kolerasi parsial dari data tabel diatas adalah

rX1.Y = n(ƩX1Y) - (ƩX1)(ƩY)

√{n.ƩX12 – (ƩX1)2}{ n.ƩY2 – (ƩY)2}

= 12(3185,25) - (49,5)(716)

√{12(221) – (49,5)2} {12(46313) – (716)2}

= 38,223 – 35,442

√{2652 – 2450,25} {555756 - 512656}

= 2781 = 2781 = 2781 = 0,943

√{201,75} {43100} √8695425 2948,8

7
rX2.Y = n(ƩX2Y) - (ƩX2)(ƩY)

√{n.ƩX22 – (ƩX2)2}{ n.ƩY2 – (ƩY)2}

= 12(49273) - (749)(716)

√{12(52767) – (749)2} {12(46313) – (716)2}

= 591276 - 536284

√{633204 – 561001} {555756 - 512656}

= 54992 = 54992 = 54992 = 0,986

√{72203} {43100} √3111949300 55784.8483

rX1.X2 = n(ƩX1.X2) - (ƩX1)(ƩX2)

√{n.ƩX12 – (ƩX1)2}{ n.ƩX22 – (ƩX2)2}

= 12(3398,25) - (49,5)(749)

√{12(220,99) – (49,5)2} {12(52767) – (749)2}

= 40779 – 37075,5

√{2651,88 – 2450,25} {633204 - 561001}

= 3703,5 = 3703,5 = 3703,5 = 0,971

√{201,63} {72203} √14558290,89 3815,533

4. kolelasi ganda(R) dan koefisien determinasi(R2)

R = √ r2X1.Y + r2X2.Y – 2(rX1.Y)(rX2.Y)(X1.X2)

1 – r2 X1.X2

= √ 0,889 + 0,972 – 2(0,943)(0,986)(0,971)

1 – 0,943

= √ 1,861 – 1,807 = √0.054 = √0,947 = 0,947

8
 0,057 0,057

R2 = 0,9472

= 0,896

5. menentukan nilai Fhitung

F = R2 / k

1-R2 / n-k-1

F = 0,896 / 2

1-0,896 / 12-2-1

F = 0,896 / 2 = 0,448 = 448

0,104 / 9 0,001

Menentukan Ftabel

F1 = k-1

= 2-1 = 1

F2 = n-k

= 12 – 2 = 10

Titik Ftabel (1,10) = 4,96

6. Analisis dari data diatas adalah

Ha : adanya pengaruh antara nilai penjualan dengan biaya pemasaran dan jumlah
karyawan.

Ho : tidak adanya pengaruh antara nilai penjualan dengan biaya pemasaran dan jumlah
karyawan.

9
Fhitung > Ftabel

480 > 4,96

F Hitung > F Tabel maka, Ha ditolak berhubungan tapi tidak signifikan.

Semakin banyak jumlah sales maka semakin besar jumlah penjualannya.

4. Lampiran
Tabel Soal

Y : Penjualan x Rp 1 juta
(Angka Baris Dibawah
Biaya Pemasaran Sesuai Dengan NIM
xRp1jt  Jumlah Sales Terakhir)
N
o TAHUN X1 X2 7

1 2001 2.5 25 37

2 2002 2.5 35 27

3 2003 2.75 40 42

4 2004 3 45 42

5 2005 3.5 55 52

6 2006 4.5 59 57

7 2007 4 65 62

8 2008 5 72 62

9 2009 5.25 78 72

10 2010 5.25 85 82

11 2011 5.5 92 87

12 2012 5.75 98 87

JUMLA
13 H 49.5 749 716

Tabel Jawaban
10
X1Y X2Y X1X2 X1-µ (X1-µ)2 X2-µ

2.64062
92.5 925 62.5 -1.625 5 -37.41666667

2.64062
67.5 945 87.5 -1.625 5 -27.41666667

1.89062
115.5 1680 110 -1.375 5 -22.41666667

1.26562
126 1890 135 -1.125 5 -17.41666667

0.39062
182 2860 192.5 -0.625 5 -7.416666667

0.14062
256.5 3363 265.5 0.375 5 -3.416666667

0.01562
248 4030 260 -0.125 5 2.583333333

0.76562
310 4464 360 0.875 5 9.583333333

1.26562
378 5616 409.5 1.125 5 15.58333333

1.26562
430.5 6970 446.25 1.125 5 22.58333333

1.89062
478.5 8004 506 1.375 5 -56.91666667

2.64062
500.25 8526 563.5 1.625 5 35.58333333

3185.2 3398.2
5 49273 5 0 16.8125 -86.5

(X2-µ)2 (y-ybar) (y-ybar)2 x1^2 x2^2 y^2

1400.00694 - 513.777777 6.25 625 1369

11
 22.6666666
4 7 8

-
751.673611 32.6666666 1067.11111
1 7 1 6.25 1225 729

-
502.506944 17.6666666 312.111111
4 7 1 7.5625 1600 1764

-
303.340277 17.6666666 312.111111
8 7 1 9 2025 1764

-
55.0069444 7.66666666 58.7777777
4 7 8 12.25 3025 2704

-
11.6736111 2.66666666 7.11111111
1 7 1 20.25 3481 3249

6.67361111 2.33333333 5.44444444

1 3 4 16 4225 3844

91.8402777 2.33333333 5.44444444

8 3 4 25 5184 3844

242.840277 12.3333333 152.111111 27.562

8 3 1 5 6084 5184

510.006944 22.3333333 498.777777 27.562

4 3 8 5 7225 6724

3239.50694 27.3333333 747.111111

4 3 1 30.25 8464 7569

1266.17361 27.3333333 747.111111 33.062

1 3 1 5 9604 7569

8381.25 -7 4427 221 52767 46313

12