MENGHITUNG REGRESI KORELASI

Nama : M. RIZKY HERISKA P.

NIM : A1B117132

1) Menghitung Parameter Regresi

a) Rata-rata bergerak
Metode rata –rata bergerak dapat dicari dengan menggunakan rumus :
Y = (𝑝𝑑)𝑛...................................... (3)
Ket: pd = Penjumlahan, N = Banyaknya data

Tabel 3. Data jumlah penduduk untuk metode rata-rata bergerak

Contoh perhitungan untuk tahun 2007 :

b) Metode exponential smoothing

Tabel 4. Data jumlah penduduk untuk metode exponential smooting
 Asumsi:
Ke 1 = 0, 2
Ke 2 = 0, 3
Ke 3 = 0, 5
Contoh perhitungan untuk tahun 2007 :
Y = (6.915, 95×0, 2) + (7.116, 18×0, 3) + (7.211, 59×0,5)
Y2007 = 7.123,84

c) Linier Sederhana
Tabel 5. Data jumlah penduduk untuk metode regresi linier
 Setelah dilakukan perbandingan antar metode didapatkan hasil sebagai berikut :
Tabel 6. Perbandingan hasil hitung metode

Setelah dilakukan perbandingan antar metode, diambil kesimpulan bahwa metode regresi
linier lebih akurat dibandingkan metode yang lain, dapat dilihat dari hasil estimsi berbagai
metode, metode regresi linier paling mendekati nilai aktual.

2) Menghitung nilai t

Langkah-langkah yang perlu dilakukan dalam uji-t pada regresi linier adalah :

1. Menentukan Hipotesis

H0:β = 0; variabel X tidak berpengaruh signifikan/nyata terhadapY

H1:β ≠ 0; variabel X berpengaruh signifikan/nyata terhadap Y

2. Menentukan tingkat signifikansi (α)

Tingkat signifikansi, α yang sering digunakan adalah α = 5% (α = 0,05)

3. Menghitung nilai t hitung menggunakan rumus :

r √n−2
√ 1−r 2
 4. Menentukan daerah penolakan H0 (daerah kritis)
Bentuk pengujian dua arah, sehingga menggunakan uji-t dua arah :
 H0 akan ditolak jika thit> ttab atau -(thit) < -(ttab), berarti H1 diterima.
 H0 akan diterima jika -(thit) < ttab< thit, berarti H1 ditolak.
5. Menentukan t table (mempergunakan table Uji-t)
Tabel Uji-t untuk β = 5% dan derajat kebebasan (df) = n – k ; (n=jumlah sampel/
pengukuran, k adalahjumlah variabel (variabel bebas + variabel terikat).
6. Kriteria Pengujian nilai t hitung dan t tabel
Bila nilai thit < ttab, maka H0 diterima, H1ditolak. Bila nilai thit> ttab, maka H0 ditolak,
H1diterima
7. Kesimpulan hasil uji signifikansi

Contoh penerapan Uji-t.

Diketahui Koefisien Determinasi (r2) = 0,90, Koefisien Korelasi (r) =0,95, Jumlah data n=10

Hipotesis yang diasumsikan/diajukan :

 H0:=0; variabel X tidak berpengaruh signifikan terhadap Y

 H1:0; variable X berpengaruh signifikan terhadap Y

Tingkat signifikansi () = 5%

Nilai t hitung,

r √n−2 0,95 √10−2

= = 8,497
√ 1−r 2 √1−0,90
Derajat kebebasan, df = n –k = 10 –2 = 8
Dengan menggunakan tabel Uji -t untuk taraf signifikan  = 5% = 0,05 dan df = 8, maka
diperoleh nilai t pada table, yaitu: ttab = 2,306.
Membandingkan thit dengan ttab:thit > ttab > 8,497 > 2,306
Kesimpulan : Nilai thit> ttab, sehingga dikatakan bahwa, ada pengaruh nyata (signifikan) variable
predictor X terhadap variable response Y dengan taraf signifikan 5%.
3) Menghitung nilai R square
Perhitungan Korelasi Sederhana :
Uji hipotesis :
 Ho: Tidak ada hubungan yang signifikan hasil penjualan dan ukuran rak
 Ha: Ada hubungan yang signifikan antara hasil penjualan dan ukuran rak

Tabel pembantu korelasi (1)

X1 Y X.Y      X.X          Y.Y

5 160 800 25 25600
5 111 555 25 12321
5 140 700 25 19600
5 190 950 25 36100
5 187 935 25 34969
5 260 1300 25 67600
5 230 1150 25 52900
5 155 775 25 24025
5 155 775 25 24025
10 260 2600 100 67600
10 139 1390 100 19321
10 310 3100 100 96100
10 122 1220 100 14884
10 120 1200 100 14400
10 210 2100 100 44100
10 120 1200 100 14400
15 320 4800 225 102400
15 190 2850 225 36100
15 201 3015 225 40401
15 280 4200 225 78400
15 177 2655 225 31329
15 212 3180 225 44944
15 238 3570 225 56644
20 293 5860 400 85849
20 267 5340 400 71289
20 197 3940 400 38809
20 330 6600 400 108900
20 211 4220 400 44521
20 273 5460 400 74529
20 162 3240 400 26244
360 6220 79680 5300 1408304
Rtabel = Df = n – 1 = 30 – 1 = 29

α   = 0.05, maka Rtabel = 0.301

DPK:

Rhitung  > Rtabel = Ho tolak

Rhitung  < Rtabel = Ha terima

Keputusan : Rhitung (0.467) > Rtabel(0.301), jadi Ho tolak

(r)hitungan Regresi Berganda

Uji Hipotesis:

Ho: Tidak ada pengaruh yang signifikan dari ukuran rak dan lokasi terhadap hasil penjualan.

Ha: Ada pengaruh yang signifikan dari ukuran rak dan lokasi terhadap hasil penjualan.

Tabel pembantu Regresi (2)

Rumus persamaan R hitung regresi berganda :

Fhitung  > Ftabel =Ho tolak

Fhitung  < Ftabel =Ha terima

Keputusan :

Fhitung ) > Ftabel(3.35), jadi Ho tolak

Kesimpulannya ada pengaruh yang signifikan dari ukuran rak dan lokasi terhadap hasil penjualan.

Koefisien Determinasi :
 4) Menghitung nilai F

Uji F untuk parameter Total Solid (TS) Biogas Limbah Cair Tapioka dengan Starter Biodekstran

Hari ke- (%)

Perlakuan ∑
1 18 35

P1 0.1137 0.10509 0.03918 0.2580

P2 0.1142 0.09430 0.19935 0.4078

P3 0.0853 0.09316 0.03018 0.2086

∑ 0.3132 0.2926 0.2687 0.8744

nrow 3

nkolom 3

ntotal 9

2 2
0,07844 0,764
FK = ¿total = = =0,085
n 9 9

JKTotal = [0,11372 + 0,105092 + 0,11422 + 0,094302 + 0,199352 + 0,08532 + 0,093162 +

0,030182] – FK

= 0.104044 – 0.085 = 0.019044

0 ,2580 2+ 0 , 40782 +0 , 20862

JK Perlakuan = −FK
r

0,276409584
= −0,085=0,0071
3

JKGalat = JKTotal – JKPerlakuan = 0.019044 – 0.0071 = 0.0119

KR Perlakuan =

KR Galat =
Fhitung =

Tabel ANAVA (sidik ragam)

Sumber Ragam Db JK KR F hitung F tabel (5%)

Perlakuan 2 0.0071 0.003568 1.798 5.14

Galat 6 0.0119 0.001985

Total 8 0.019044

Kesimpulan: F hitung < F tabel = Ho diterima, Ha ditolak.

Artinya, parameter Total Solid (TS) tidak berpengaruh nyata terhadap produktivitas biogas
limbah cair tapioka.

Berikut tabel distribusi F untuk soal contoh 1. Bisa diamati cara mencari f tabelnya.