KATA PENGANTAR

Puji syukur penyusun panjatkan ke hadirat Tuhan Yang Maha Esa, karena telah melimpahkan
rahmat-Nya berupa kesempatan dan pengetahuan sehingga makalah ini bisa selesai pada
waktunya.

Terima kasih juga kami ucapkan kepada teman-teman yang telah berkontribusi dengan
memberikan ide-idenya sehingga makalah ini bisa disusun dengan baik dan rapi.

Penyusun berharap semoga makalah ini bisa menambah pengetahuan para pembaca. Namun
terlepas dari itu, penyusun memahami bahwa makalah ini masih jauh dari kata sempurna,
sehingga penyusun sangat mengharapkan kritik serta saran yang bersifat membangun demi
terciptanya makalah selanjutnya yang lebih baik lagi.

21 Februari 2019

Penyusun

i
DAFTAR ISI

ii
 BAB I

PENDAHULUAN

1. Latar Belakang

Ekonometrika merupakan salah satu alat analisis penting di bidang ekonomi. Dalam
analisis ekonometrika, ketersediaan data yang sesuai sangat mempengaruhi hasil analisis
yang diperlukan. Data untuk pekerjaan ekonometrika terdiri dari tiga jenis, yaitu data time
series atau runtun waktu, cross section, dan data panel. Data time series merupakan
sekumpulan observasi dalam rentang waktu tertentu. Data ini dikumpulkan dalam interval
waktu secara kontinu. Data cross section merupakan data yang dikumpulkan dalam kurun
waktu tertentu dari sampel. Data panel merupakan gabungan antara data time series dan data
cross section (Widarjono, 2007).

Ada beberapa keuntungan yang diperoleh dengan menggunakan data panel. Pertama, data
panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan
data yang lebih banyak sehingga akan menghasilkan degrees of freedom yang lebih besar.
Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi
masalah yang timbul ketika ada masalah penghilangan variabel. Kelemahannya adalah
model yang menggunakan kombinasi data ini menjadi lebih kompleks dibandingkan model
untuk jenis data lain. Hal ini disebabkan karena pada analisis data panel tidak hanya
menganalisis individu saja namun juga menganalisis waktu (Widarjono, 2007). Data panel
terdiri dari dua bentuk, yaitu data panel lengkap (complete panel data) dan data panel tidak
lengkap (incomplete panel data). Data panel tidak lengkap sering ditemui dalam banyak
kasus di bidang ekonomi. Jika setiap unit cross section mempunyai data runtun waktu yang
sama maka modelnya disebut model regresi data panel seimbang (balance panel) sedangkan
jika jumlah observasi runtun waktu dari unit cross section tidak sama atau karena adanya data
yang hilang dalam suatu unit individu maka disebut regresi data panel tidak seimbang
(unbalance panel) (Widarjono, 2007).

1
 Regresi merupakan metode estimasi utama di dalam ekonometrika. Secara umum analisis
regresi adalah studi mengenai ketergantungan satu variabel tak bebas dengan satu atau lebih
variabel bebas dengan tujuan untuk memperkirakan dan atau meramalkan nilai rata-rata dari
variabel tidak bebas apabila nilai variabel yang menerangkan sudah diketahui (Supranto,
2005). Terdapat beberapa metode estimasi parameter pada model regresi data panel tidak
lengkap. Beberapa diantaranya adalah Generalized Least Squares (GLS) dan Feasible
Generalized Least Squares (FGLS). Generalized Least Squares merupakan metode estimasi
parameter dengan variansi error yang ada pada model diketahui. GLS ini merupakan salah
satu bentuk estimasi least squares yang dibuat untuk mengatasi sifat heteroskedastisitas.
Sedangkan Feasible Generalized Least Squares merupakan metode estimasi parameter
dengan variansi error pada model tidak diketahui sehingga perlu dilakukan estimasi pada
komponen variansi error tersebut.

2. Perumusan Masalah sesuaikan dengan tujuan penulisan kecuali 4.5

3. Pembatasan Permasalahan

4. Tujuan Penulisan

Adapun tujuan dari penulisan tugas akhir ini adalah sebagai berikut:

4.1. Memberikan gambaran tentang model regresi data panel tidak lengkap (unbalanced
panel data regression model).

4.2. Untuk mencari estimasi parameter pada model regresi data panel tidak lengkap
(incomplete panel data regression model) menggunakan metode Feasible Generalized
Least Squares (FGLS) dengan komponen error satu arah yang merupakan model efek
random (random effect model). Kalau ada

4.3. Membentuk suatu model persamaan regresi data panel tidak lengkap kemudian menguji
parameter-parameternya secara statistika.

4.4. Memberikan contoh aplikasi metode FGLS untuk mencari pemecahan dari suatu
permasalahan. Kalau ada

2
4.5. Menyelasikan tugas terstruktur mata kuiah Ekonometrika

BAB 2

Pembahasan

A. MODEL REGRESI

Keilmuan sosial mempunyai karakteristik berupabanyaknya variabel-variabel

atau faktor-faktor yangsaling mempengaruhi satu sama lain. Kondisi yangdemikian ini
menyebabkan kesulitan dalam menentukansecara pasti faktor apa saja yang menyebabkan
faktortertentu. Sebagai contoh, apabila kita ingin mengetahuifaktor apa saja yang
mempengaruhi permintaan suatubarang tertentu (sebut saja barang X), maka
denganmengidentifikasi kemungkinan faktor-faktor yangmempengaruhinya, kita akan
mendapatkan banyak sekalifaktor-faktor itu seperti: harga barang tersebut, hargabarang
lain, mutu barang, pendapatan, anggaranpengeluaran, prediksi harga masa yang akan
datang,selera, trend yang berkembang, persepsi atas barangtersebut, kebutuhan, gengsi,
return usaha yang mungkindiperoleh, tingkat bunga bank, stabilisasi keamanan,tempat
penjualan barang tersebut, barang pengganti, dantentu masih banyak lagi faktor-faktor
lainnya yang sangatsulit untuk ditentukan secara mutlak, bahwa harga barangX tersebut
hanya ditentukan oleh faktor-faktor yang telahdijelaskan.Dari beragam faktor-faktor yang
disebutkan di atas,tentu mempunyai tingkat signifikansi yang berbeda.Beberapa faktor
mungkin mempunyai tingkat signifikansiyang tinggi, sementara yang lain mungkin
tingkatsignifikansinya rendah, atau biasa disebut tidak signifikan. Dalam kepentingan
untuk mengidentifikasibeberapa variabel saja, maka dibenarkan untuk mengabaikan
variabel-variabel yang lain. Cara yang dilakukan adalah membuat model, yang
menjelaskanvariabel-variabel yang hendak diteliti saja. Sedang untuk variabel-variabel
lain yang terkait tetapi tidak hendak diteliti, dapat diabaikan. Hal ini dibenarkan
dalamkeilmuan sosial (ekonomi), karena terlalu banyak faktor-faktor yang saling terkait
dan sangat sulit untuk diidentifikasi secara menyeluruh, sehingga perlu asumsiyang

3
 menganggap tidak adanya perubahan dari variabel-variabel yang disebut denganceteris
paribus.

Model dalam keilmuan ekonomi berfungsi sebagaipanduan analisis melalui

penyederhanaan dari realitasyang ada. Sehingga model sering diartikan refleksi darirealita
atau simplikasi dari kenyataan. Hal ini akansemakin jelas kalau kita runut dari bentuk
suatu modelyang memang berbentuk sangat sederhana. Penulisanmodel dalam
ekonometrika adalah merupakanpengembangan dari persamaan fungsi secara
matematis,karena pada hakikatnya sebuah fungsi adalah sebuahpersamaan yang
menggambarkan hubungan sebab akibatantara sebuah variabel dengan satu atau lebih
variabellain. Penulisan model dalam bentuk persamaan fungsitersebut dicontohkan dalam
persamaan berikut ini:

Persamaan Matematis

Y = a + b X ……….. (pers.1)

Persamaan Ekonometrika

Y = b0 + b1X + e ……….. (pers.2)

Munculnya e (error term) pada persamaan ekonometrika(pers.2) merupakan

suatu penegasan bahwa sebenarnya banyak sekali variabel-variabel bebas
yangmempengaruhi variabel terikat (Y). Karena dalam modeltersebut hanya ingin melihat
pengaruh satu variabel Xsaja, maka variabel-variabel yang lain dianggap bersifat tetap
atau ceteris paribus, yang dilambangkan dengan e.

B. Bentuk Model

Model persamaan fungsi seperti dicontohkan padapers.2 bertujuan untuk

mengetahui pengaruh variabelbebas terhadap variabel terikat. Oleh karena itu,persamaan

4
tersebut disebut juga sebagai persamaanregresi. Model Regresi mempunyai bermacam-
macambentuk model yang dapat dibedakan berdasarkan sebarandata yang terlihat dalam
scatterplott -nya. Setidaknya terdapat tiga jenis model yaitu: Model Regresi Linier,Model
Regresi Kuadratik, Model Regresi Kubik 

1. Model Regresi Linier

Kata “linier” dalam model ini menunjukkan linearitasdalam variabel maupun

lineraitas dalam data. Kata liniermenggambarkan arti bahwa sebaran data dalam

scatter  plot 

menunjukkan sebaran data yang mendekati bentuk garis lurus. Data semacam ini dapat
wujud apabilaperubahan pada variabel Y sebanding dengan perubahanvariabel X. Jika
sebaran datanya berkecenderunganmelengkung, maka cocoknya menggunakan
denganregresi kuadratik. Jika sebaran datanya kecenderungannyaseperti bentuk U atau
spiral regresinya menggunakanregresi kubik.Model linier sendiri dapat dibedakan
sebagai singlelinier maupun multiple linier. Disebut single linier apabilavariabel bebas
hanya berjumlah satu dengan batasanpangkat satu. Sedang multiple linier apabila
variabelbebas lebih dari satu variabel dengan batasan pangkat
satu. Untuk lebih jelasnya akan dicontohkan bentuk persamaan single linier (pers.3)
dan persamaan multiplelinier (pers.4) sebagai berikut:

Y = b0+ b1X + e ……….. (pers.3)

Y = b0+ b1X1+ b2X2+ …… + bnXn+ e ……….. (pers.4)

Misalkan dari pers.3 dianggap bahwa Y = Inflasi,dan X = bunga deposito (Budep)

pada periode tertentu,dan jika datanya telah diketahui, maka data akantergambar dalam
bentuk titik-titik yang merupakansebaran data dalam

scatter plot.

5
Dengan menggunakan data penelitian hubungan antara inflasi dan bunga deposito
antara Januari 2001 hingga Oktober 2002, makasebaran datanya tergambar sebagai
berikut:

Hubungan Suku Bunga terhadap Inflasi

Gambar 3

Sebaran data tersebut di atas (gambar 3)menunjukkan hubungan yang positif, yaitu
jika bungadeposito meningkat, maka inflasi juga meningkat. Begitupula jika bunga
deposito menurun, inflasi juga turun.Sedangkan contoh sebaran data yang
digambarkan dalam

scatter plot  di bawah ini (gambar 4), menunjukkan bahwahubungan antara variable
Afenegat (Afeksi negative) danLatribut (Atribut) mempunyai hubungan yang
negative.Jika atributnya berkurang, maka afeksi negatifnyameningkat. Begitu pula
sebaliknya. Dari scatter plot  kedua gambar tersebut (baik gambardi atas maupun di
bawah ini) menunjukkan bahwasebaran datanya menyebar memanjang lurus,
sehinggadapat diwakili dengan garis lurus. Oleh karena itu, keduascater plot tersebut
akan tepat digunakan regresi linier.

6
 Gambar 4

2. Notasi Model

Huruf Y memerankan fungsi sebagai variabeldependen atau variabel terikat. Y

sering juga disebutsebagai variabel gayut, variabel yang dipengaruhi, atauvariabel
endogin. Dengan alasan keseragaman, penulisanhuruf Y diletakkan disebelah kiri
tanda persamaan.Sedang variabel independen yang secara umumdisimbolkan dengan
huruf X diletakkan disebelah kanantanda persamaan.Huruf X menggambarkan
variabel bebas atauvariabel yang mempengaruhi. Oleh karena itu variabel
inimempunyai nama lain seperti variabel independen,variabel penduga, variabel
estimator, atau juga variabeleksogen. Peletakannya di sebelah kanan tanda
persamaanmenunjukkan perannya sebagai variabel yangmempengaruhi.Huruf b0
sering juga dituliskan dengan huruf a, α atau juga β0. Secara substansi penulisan itu
mempunyaiarti yang sama, yaitu menunjukkan konstanta atau intercept yang
merupakan sifat bawaan dari variabel Y.Konstanta ini mempunyai angka yang bersifat
tetap yangsekaligus menunjukkan titik potong garis regresi padasumbu Y. Jika
konstanta itu bertanda positif maka titik potongnya di sebelah atas titik origin (0),
sedang bilabertanda negatif titik potongnya di sebelah bawah titik origin. Nilai
konstanta ini merupakan nilai dari variabel Y ketika variabel X bernilai nol. Atau
dengan bahasa yang mudah, nilai konstanta merupakan sifat bawaan dari Y.Huruf
b1, b2, bn

7
merupakan parameter yangmenunjukkan slope atau kemiringan garis regresi.

Parameter ini sering juga dituliskan dengan bentuk b, atau β1, β2, βn.

Meskipun dituliskan dengan tanda yang berbeda, secara substansi parameter ini
menunjukkan betaatau koefisien korelasi yang sekaligus menunjukkantingkat
elastisitas dari variabel X tersebut. Nilai beta inimemungkinkan untuk bernilai positif
maupun negatif.Tanda positif menunjukkan hubungan yang searah antaravariabel X
dengan variabel Y. Artinya jika X mengalamipeningkatan maka Y juga mengalami
peningkatan.Sebaliknya jika X mengalami penurunan maka Y
punakan menurun. Arah hubungan seperti itu tidak terjadipada beta yang berangka
negatif. Karena jika tandanyanegatif arah hubungan X terhadap Y saling
berlawanan.Jika X meningkat maka Y menurun, sebaliknya jika Xmenurun maka nilai
statistik t meningkat.Demikian pula, karena nilai koefisien korelasi ini juga
menunjukkan tingkat elastisitas, maka dari besarnyanilai koefisien korelasi (b) tersebut
dapat ditentukan jeniselastisitasnya. Jika nilai b besarnya lebih dari satu (b>1)maka
disebut elastis. Artinya, jika variabel X mengalamiperubahan, maka variabel Y akan
mengalami perubahanyang lebih besar dari perubahan yang ada pada variabel
Xtersebut. Jika nilai b besarnya sama dengan angka satu(b=1) disebut uniter elastis.
Artinya, jika variabel Xmengalami perubahan, maka variabel Y akan
mengalamiperubahan yang sama besar dengan perubahan yang adapada variabel X
tersebut. Jika nilai b besarnya lebih kecildari angka satu (b<1) disebut inelastis.
Artinya, jikavariabel X mengalami perubahan, maka variabel Y akanmengalami
perubahan yang lebih kecil dari perubahanyang ada pada variabel X tersebut.Huruf e
merupakan kependekan dari error term atau kesalahan penggganggu.

Simbol error ini tidak  jarang dituliskan dalam huruf ε atau μ. Simbol inimerupakan
karakteristik dari ekonometrika yang tidak dapat dilepaskan dari unsur-unsur
stokhastik atau hal-halyang mengandung probabilita, karena hasil yang ditunjukkan
oleh model ekonometrika hanya bersifatperkiraan, dalam arti tidak menunjukkan
kebenaran yangmutlak. Oleh karena itu nama lain dari simbol ini tidak terlepas dari
sifat dasar itu seperti: disturbance error atau stochastic disturbance.

8
 Kesalahan pengganggu ini sendiri mempunyaibanyak sebab yang dapat
menimbulkannya seperti:

1) tidak seluruh variabel bebas yang mempunyaipotensi dalam mempengaruhi

variabel terikatdapat disebutkan dalam model.
2) kesalahan asumsi dalam menentukan teori yangdiwujudkan sebagai model.
3) ketidaklengkapan data yang dianalisis.
4) ketidaktepatan model yang digunakan.Misalnya, seharusnya digunakan
modelkuadratik tetapi justru yang digunakan adalahmodel linier, atau sebaliknya.

3. Spesifikasi Model dan Data

Secara spesifik model dalam ekonometrika dapatdibedakan menjadi: model

ekonomi (economic model) dan model statistic (statistical model).

1) Model Ekonomi

biasanya dituliskan dalam bentuk persamaan sebagaiberikut:

Y = b0+ b1X1+ b2X2

Tanda b = parameter, menunjukkan ketergantunganvariabel Y terhadap

variabel Xb0=intercept, menjelaskan nilai variabel terikat ketikamasing-masing
variabel bebasnya bernilai 0 (nol).

Model ini menggambarkan rata-rata hubungan sistemik antara variabel

Y, X1, X2. Dalam model ini nilai e tidak tertera, karena nilai e diasumsikan non
random. Dalamrealita, model ini tidak mampu menjelaskan variabel-variabel
ekonomi secara pas (clear), oleh karena itu membutuhkan regresi.

2) Model Statistik

Model ekonomi seperti yang dijelaskan di atas,mencerminkan nilai

harapan, maka dapat pula ditulis:E (Y) = b0+ b1X1+ b2X2

9
Karena nilai harapan, maka tentu tidak akan secara pastisesuai dengan realita. Oleh
karena itu akan muncul nilai random error term (e).

Nilai e sendiri merupakan selisihantara nilai kenyataan dan nilai harapan.

Secaramatematis dapat dituliskan sebagai berikut:

e = Y – E(Y) atau e = Y – Ŷ

Jadi, Y = Ŷ + e

Karena, Ŷ= E (Y) = b0+b1X1+ b2X2 maka Y = b0+ b1X1+ b2X2+ e tanda e pada

persamaan di atas mencerminkan distribusiprobabilitas. Atau dapat pula dianggap
sebagai penggantivariabel-variabel berpengaruh lain selain variabel yangdijelaskan
dalam model. Dalam teori ekonomi, emerupakan representasi dari asumsi ceteris
paribus. Pengakuan adanya variabel lain yang berpengaruh,meskipun tidak
disebutkan variabel apa, cukup ditulisdengan tanda e, maka model menjadi lebih
realistik. Agar terdapat gambaran yang jelas, maka nilai e harusdiasumsikan.
Asumsi-asumsinya adalah:

a. Nilai harapan e sama dengan 0 (nol).E(e) = 0, masing-masing random error

mempunyaidistribusi probabilitas = 0. Meskipun e bisa bernilaipositif atau
negatif, tetapi rata-rata e harus = 0.2.
b. Variance residual sama dengan standar deviasiVar (e) =σ2, artinya: masing-
masing random error mempunyai distribusi probabilitas variance yangsama
dengan standar deviasi (σ2). Asumsi inimenjelaskan bahwa residual
bersifathomoskedastik.
c. Kovarian ei dan ej mempunyai nilai nol.Cov (ei, ej) = 0. Nilai nol dalam
asumsi inimenjelaskan bahwa antara ei dan ej tidak adakorelasi serial atau tida
berkorelasi (autocorrelation).
d. Nilai random error mempunyai distribusi probabilitas yang normal. Karena
masing, masing observasi Y tergantung pada e,maka masing-masing Y juga
memiliki varian yangrandom. Dengan demikian, statistik Y menjadi
sebagaiberiku:

10
 1. Nilai harapan Y tergantung pada nilai masing-masing variabel penjelas dan
parameter-parameternya. Dengan menggunakan asumsi E(e) =0, maka rata-
rata perubahan nilai Y untuk setiapobservasi ditentukan oleh fungsi regresi.
E(Y) = b0 + b1X1 + b2X2
2. Variance distribusi probabilitas Y tidak dapatberubah setiap observasi.
Var(Y)= Var (e) =σ
3. Tidak ada kaitan langsung antara observasi satu dengan observasi lainnya
Cov (Yi, Yj) = Cov (ei, ej) = 04. Nilai Y secara normal terdistribusi di
sekitar rata-rata. Asumsi-asumsi di atas difokuskan pada
pembahasanvariabel terikat. Perlu adanya asumsi tambahanterhadap
variabel penjelas, yaitu:
a. Variabel independen tidak bersifat random, karenadengan jelas dapat
diketahui dari data.
b. Variabel independen tidak merupakan fungsi lineardari yang lain.
Asumsi ini penting agar tidak terjadi Redundancy yang menyebabkan
multikolinearitas.

C. MODEL REGRESI DENGAN DUA VARIABEL

1. Model regresi dengan dua variabel
Umumnya dituliskan dengan simbol berbeda berdasarkan sumberdata yang digunakan,
meskipun tetap dituliskan dalampersamaan fungsi regresi. Fungsi regresi
yangmenggunakan data populasi (FRP) umumnya menuliskansimbol konstanta dan
koefisien regresi dalam huruf besar,sebagai berikut:
Y = A + BX +ε……….. (pers.3.1)
Fungsi regresi yang menggunakan data sampel (FRS)umumnya menuliskan simbol
konstanta dan koefienregresi dengan huruf kecil, seperti contoh sebagai berikut:Y = a
+ bX + e ……….. (pers.3.2)Dimana:A atau a; merupakan konstanta atau intercept B
atau b; merupakan koefisien regresi, yang jugamenggambarkan tingkat elastisitas
variabelindependenY; merupakan variabel dependenX; merupakan variabel
independen yaitu satu variabel dependen dan satu variabel independen Notasi a dan b
merupakan perkiraan dari A dan B. Huruf a, b, disebut sebagai estimator atau statistik,

11
 sedangkannilainya disebut sebagai estimate atau nilai perkiraan. Meskipun penulisan
simbol konstanta dan koefisienregresinya agak berbeda, namun
penghitungannyamenggunakan metode yang sama, yaitu dapat dilakukandengan
metode kuadrat terkecil biasa (ordinary least square), atau dengan metode Maximum
Likelihood

2. Metode Kuadrat Terkecil Biasa (Ordinary LeastSquare) (OLS) Penghitungan

konstanta (a) dan koefisien regresi (b)dalam suatu fungsi regresi linier sederhana
denganmetode OLS dapat dilakukan dengan rumus-rumussebagai berikut:
Rumus Pertama (I)
Mencari nilai b

n ( Ʃxy ) −( Ʃx )( Ʃy )
b=
n ( Ʃx ²)( Ʃx ) ²

mencari nilai a:

Ʃy −b . Ʃx
a= n

 Rumus kedua (II)

Mencari nilai b:

Ʃxy
b = Ʃx ²

mencari nilai a:

12
nilai a: a = Y  − bX

Misalnya saja kita ingin meneliti pengaruh bunga deposito jangka waktu 1 bulan
(sebagai variabel X = Budep)terhadap terjadinya inflasi di Indonesia (sebagai
variabelY=Inflasi) pada kurun waktu Januari 2001 hinggaOktober 2002, yang
datanya tertera sebagai berikut:

Berdasarkan data yang tertera di atas, maka nilai a dan bdapat dicari
melalui penggunakan kedua rumus tersebut,baik itu rumus pertama ataupun
kedua. Seandainya kitaingin menggunakan rumus pertama, maka langkah
awalyang dapat dilakukan adalah mengadakan penghitungan-penghitungan atau
pengembangan data untuk disesuaikandengan komponen rumus, sehingga
nantinya dapat secaralangsung diaplikasikan ke dalam rumus. Pengembangan data
yang dimaksudkan adalah menentukan nilai X 12,
nilaiY², serta nilai XY. Hasil pengembangan data dapatdilihat pada tabel berikut

13
Setelah mendapatkan hitungan-hitungan hasilpengembangan data, maka angka-
angka tersebut dapat secara langsung dimasukkan ke dalam rumus I, sebagai
berikut: Mencari nilai b

n ( Ʃxy ) −( Ʃx )( Ʃy )
b=
n ( Ʃx ²)( Ʃx ) ²

22 ( 3.871 .398 )−( 324,22 ) ( 260,49 ) 85.170,86−84.456,067 714,6922

= = = =
22 ( 4.800 .525 )−( 324,22 ) 105.611,60−105.118,6081 492,9916
1.4497

dengan diketahuinya nilai b, maka nilai a juga dapatditentukan, karena rumus

pencarian a terkait dengan nilaib.Mencari nilai a:

mencari nilai a:

14
 Ʃy −b . Ʃx
a= n

260,49−1,4497( 324,22) 260,49−470,022

= = = -9,5241
22 22

Seperti telah dijelaskan di atas, bahwa nilai a dan b dapatpula dicari dengan
menggunakan rumus kedua. Demikianpula, agar dapat secara langsung
menggunakan rumus IIini, perlu menghitung dulu komponen-
komponenrumus.Langkah yang dapat dilakukan dicontohkansebagai berikut:

Mencari nilai b, menggunakan rumus kedua:

Ʃxy
b = Ʃx ²

Dari rumus di atas, kita perlu menemukan dulu nilai dari

∑xy atau ∑x² yang dapat dilakukan dengan rumus-rumus sebagai berikut:

∑x² = ∑X² − (∑X)² / n

∑y² = ∑Y² − (∑Y)² / n

∑xy = ∑XY −(∑X ∑Y )/ n

maka:

15
 324 , 22²
Ʃx² = 4800,53 - = 4800,53 – 4778,12 = 22.41
22

260 , 49²
Ʃy² = 3148,48 - =3148,48−3084,32=64,16
22

(324,22−260 , 49)
Ʃxy = 3871,40 - = 3871,40 – 3838,91 = 32,49
22

Dengan diketahuinya, nilai-nilai tersebut, maka nilaib dapat ditentukan, yaitu:

32,49
b= = 1,4498
22,41

Dengan diketahuinya nilai b, maka nilai a juga dapat dicari dengan rumus sebagai
berikut:

a = Y − bX 

= 11.8405 – (1.4498 x 14.7373)

= 11.8405 – 21.3661

a= -9.5256

Hasil pencarian nilai a dan b dengan menggunakanrumus I dan II didapati

angka yang cenderung sama. Padapenghitungan rumus I nilai a = –9,5241 dan b =
1,4497.Sedangkan hasil penghitungan dengan rumus II, nilaia = -9,5256 dan b =
1,4498. Tampak bahwa hingga duaangka di belakang koma tidak terdapat
perbedaan,sedangkan tiga angka di belakang koma mulai adaperbedaan.
Perbedaan ini sifatnya tidak tidak substansial,karena munculnya perbedaan itu
sendiri akibat dari

16
pembulatan. Dengan demikian dapat disimpulkan bahwa,mencari a dan b dengan
rumus I ataupun rumus II akanmenghasilkan nilai yang sama.

17