Microsoft Office
By Nardiman
Pertemuan Ke 1 daiman286@gmail.com
Powerpoint Templates
MY_PROFIL
Handphone : 081266157175
Email : daiman286@gmail.com
UTS : 40%
include : Tugas
Kuis
Presentasi
UAS : 60%
include : Tugas
Kuis
Presentasi
NOTE : ATTITUDE NO 1
PENGERTIAN, RUANG LINGKUP DAN
KEGIATAN STATISTIK
PENGERTIAN
kumpulan angka yang dihasilkan
dari pengukuran atau perhitungan
yang disebut data
(Budiarto)
PERTANYAAN MENDASAR
Bank Data
Alat quality kontrol
Alat analisis
Akuntansi (Accounting)
Perusahaan akuntan publik seringkali menggunakan
prosedur pengambilan sampel (contoh) yang memenuhi
kaidah-kaidah statistik ketika melakukan audit terhadap
kliennya.
Keuangan (Finance)
Penasehat keuangan menggunakan berbagai jenis
informasi statistik, termasuk price-earnings ratio dan hasil
dividen, untuk membantu dalam memberikan rekomentasi
investasi.
CONTOH PENGGUNAAN STATISTIKA
Pemasaran (Marketing)
Pengambilan sampel masyarakat sebagai calon konsumen
untuk diminta pendapat tentang produk yang akan
diluncurkan oleh suatu perusahaan seringkali
menggunakan kaidah statistik.
Ekonomi
Para ahli ekonomi menggunakan prosedur statistik dalam
melakukan peramalan tentang kondisi perekonomian pada
masa yang akan datang.
TUJUAN STATISTIK
Statistik
Hampir di
setiap
Bidang
pertanian kesehatan
industri
ekonomi
psikologi Manajeme
n
STATISTIK MANAJEMEN
Statistika Deskriptif
Statistika
Statistika Parametrik
Statistika Inferensial
Statistika Nonparametrik
PENJELASAN
a. Statistik Diskriptif
Kegiatan statistik yang dilakukan meliputi
pengumpulan data, pengolahan data, penyajian data,
dan penyimpulan data untuk mencari gambaran
tentang ; ciri – ciri, bentuk, karakter, pada
penduduk, masyarakat, organisasi berdasarkan data
yang diperoleh
b. Statistik Inferensial
Merupakan Statistik yang menaksir secara umum
suatu populasi dengan menggunakan sampel,
termasuk didalamnya teori penaksiran dan teori uji.
Kegiatan statistik ini mulai pengumpulan data
sampai dengan uji hypotesis.
c. Statistika Parametrik: statistika untuk menganalisa
data yang diambil dari populasi berdistribusi normal
d. Statistika Nonparametrik: statistika untuk
menganalisa data dari populasi yang bebas distribusi
Hubungan
masalah Penelitian dan
statistik…??????
?
hipotesis
menentukan sampel
mengumpulkan sampel
perlu
statistika
menyajikan data
menganalisa data
membuat kesimpulan
IKHTISAR PEMBAGIAN DATA
Data
Internal Eksternal
SYARAT DATA BAIK
1. Data harus obyektif, sesuai dengan keadaan sebenarnya
(as it is).
2. Data harus bisa mewakili (representative).
3. Kesalahan baku (standard error) harus kecil.
Suatu perkiraan (estimate) dikatakan baik (memiliki
tingkat ketelitian tinggi) jika kesalahan bakunya kecil.
Syarat (2) & (3) sering disebut sebagai syarat data yang
dapat diandalkan (reliable).
4. Harus tepat waktu (up to date).
5. Harus relevan, yaitu data yang dikumpulkan harus ada
hubungannya dengan masalah yang akan dipecahkan.
Pertemuan Ke 2
DATA & VARIABEL
a. Kualitatif
Berupa label/nama-nama yang digunakan
untuk mengidentifikasikan atribut suatu elemen
Skala pengukuran: Nominal atau Ordinal
Data bisa berupa numeric atau nonnumeric
Misalnya prestasi siswa sangat meningkat,
biaya sekolah sangat mahal, penyaluran BOS
sangat lancar, dsb.
JENIS DATA MENURUT SIFATNYA
b. Kuantitatif
Mengindikasikan seberapa banyak (how
many/diskret atau how much/kontinu)
Data selalu numeric
Skala pengukuran: Interval dan Rasio
Misalnya rata-rata nilai matematika siswa 80,
biaya SPP perbulan Rp 100.000,-, 99% siswa
dinyatakan tamat dan lulus, dan sebagainya.
JENIS DATA MENURUT
SUMBERNYA
a. Data Internal
yaitu data yang menggambarkan keadaan/kegiatan di
dalam suatu organisasi.
Di dalam suatu sekolah, misalnya data guru, data
keuangan, data siswa, data prestasi siswa, dan
sebagainya.
b. Data Eksternal
yaitu data yang menggambarkan keadaan/kegiatan di
luar suatu organisasi.
Bagi suatu sekolah, misalnya tingkat daya beli
masyarakat, perkembangan biaya sekolah, permintaan
(demand), dan sebagainya.
JENIS DATA MENURUT WAKTU
PENGUMPULANNYA
a. Cross-sectional Data
yaitu data yang dikumpulkan pada waktu tertentu yang
sama atau hampir sama
Contoh: Jumlah mahasiswa UPI yptk 2016/2017,
Jumlah perusahaan go public tahun 2016
b. Data Sekunder
yaitu data yang diperoleh dalam bentuk yang sudah jadi,
sudah dikumpulkan dan diolah oleh pihak lain, biasanya
sudah dalam bentuk publikasi.
Misalnya, suatu perusahaan memperoleh data penduduk
dari BPS, data perbankan dari BI, dll.
DEFINISI
Distribusi Frekuensi?
Pertemuan Ke 3
KELEBIHAN DAN KEKURANGAN
Kelebihan
1. Dapat mengetahui gambaran secara lebih mudah
Kekurangan
5. Batas atas kelas pertama adalah batas bawah kelas ditambah lebar kelas, yaitu
sebesar
- 9,5 + 13 = 22,5
- 8,5 + 13 = 21,5
- 7,5 + 13 = 20,5
6. Limit atas kelas pertama adalah sebesar
- 22,5 - 0,5 = 22
- 21,5 - 0,5 = 21
- 20,5 – 0,5 = 20
JAWAB (LANJUTAN)
Alternatif 1 Alternatif 2 Alternatif 3
8-20 9-21 10-22
21-33 22-34 23-35
34-46 35-47 36-48
47-59 48-60 49-61
60-72 61-73 62-74
73-85 74-86 75-87
86-98 87-99 88-100
Histogram dan Poligon Frekuensi Nilai Ujian Akhir Mata Kuliah Statistika
23
25
Histogram
20
Frekuensi
Poligon Frekuensi
15 12
8
10 6
4 4
5 3
Frekuensi
Interval Kelas Batas Kelas Nilai Tengah Frekuensi
Relatif (%)
9-21 8,5-21,5 15 3 5
22-34 21,5-34,5 28 4 6,67
35-47 34,5-47,5 41 4 6,67
48-60 47,5-60,5 54 8 13,33
61-73 60,5-73,5 67 12 20
74-86 73,5-86,5 80 23 38,33
87-99 86,5-99,5 93 6 10
Jumlah 60 100
DISTRIBUSI FREKUENSI KUMULATIF KURANG DARI
Distribusi Frekuensi Kumulatif Kurang Dari Untuk Nilai Ujian Akhir Mata Kuliah Statistika
Ogif Frekuensi Kumulatif Kurang Dari Untuk Nilai Ujian Akhir Mata Kuliah Statistika
60 60
54
50
Frekuensi Kumulatif
40
31
30
20 19
6
11
10 7
3
0 8,5 34,5 60,5 86,5
21,5 47,5 73,5 99,5 Nilai
DISTRIBUSI FREKUENSI KUMULATIF LEBIH DARI
Distribusi Frekuensi Kumulatif Lebih Dari Untuk Nilai Ujian Akhir Mata Kuliah Statistika
Ogif Frekuensi Kumulatif Lebih Dari Untuk Nilai Ujian Akhir Mata Kuliah Statistika
60
60 57
53
50 49
Frekuensi Kumulatif
41
40
29
30
20
10 6
40
30
20
10
PENGERTIAN
Merupakan ukuran yang dapat mewakili data secara
keseluruhan. Artinya, jika keseluruhan nilai yang ada dalam
data tersebut diurutkan besarnya dan selanjutnya
dimasukkan nilai rata-rata ke dalamnya, nilai rata-rata
tersebut memiliki kecenderungan terletak di urutan paling
tengah.
Pertemuan Ke 4
PLUS MINUS RATA-RATA HITUNG, MEDIAN DAN MODUS
Rata-rata hitung
X i
X i 1
contoh : 5 8 4 7 9
_ 5+8+4+7+9
X = ----------------------- = 6,6
5
JENIS-JENIS UKURAN NILAI PUSAT
Contoh :
Berat badan 100 orang mahasiswa universitas UPI YPTK tahun 1997.
* Metode Coding
Sering digunakan apabila jumlah nilai-nilai dalam data yang berupa
bilangan-bilangan besar.
fX 3955
X 65,92
f 60
RATA-RATA HITUNG (LANJUTAN)
2. Dengan Memakai Kode (U)
Interval Kelas Nilai Tengah U Frekuensi fU
(X)
9-21 15 -3 3 -9
22-34 28 -2 4 -8
35-47 41 -1 4 -4
48-60 54 0 8 0
61-73 67 1 12 12
74-86 80 2 23 46
87-99 93 3 6 18
Σf = 60 ΣfU = 55
fU 55
X X0 c 54 13 65,92
f 60
MEDIAN UKURAN PEMUSATAN
Median adalah nilai yang berada di tengah, yang
membagi dua jumlah data sama banyak
(setelah data diurut).
Contoh : data : 9 5 7 8 4 5
1. Sort data : 4 5 5 7 8 9
2. Posisi median = (6+1)/2 = 3,5
3. Nilai median pada posisi 3,5 adalah 6
MEDIAN UKURAN PEMUSATAN
(n / 2) F
Md B .i
fm
Md : Nilai Median
B : Tepi batas bawah kelas median
F : frekuensi kumulatif sebelum kelas median
fm : frekuensi pada kelas median
i : interval kelas median
CARA PENGHITUNGAN MEDIAN
Jawab :
Mo = 6,7 dan 8
Jawab :
Mo = tidak ada
Modus Ukuran Pemusatan
d1
Mo B .i
d1 d 2
MO = NILAI MODUS
B = TEPI BATAS BAWAH KELAS MODUS
D1= BEDA FREKUENSI ANTARA KELAS MODUS DG KELAS SEBELUMNYA
D2 = BEDA FREKUENSI ANTARA KELAS MODUS DG KELAS SESUDAHNYA
I = INTERVAL KELAS MODUS
MODUS UKURAN PEMUSATAN
Pertemuan Ke 5
KUARTIL (LANJUTAN)
50%
25%
, , ,
Q1 Q2 Q3
75%
Contoh :
Interval Nilai Frekuensi Q1 membagi data menjadi 25 %
Kelas Tengah Q2 membagi data menjadi 50 %
(X) Q3 membagi data menjadi 75 %
9-21 15 3
22-34 28 4
35-47 41 4
Sehingga :
48-60 54 8
61-73 67 12
Q1 terletak pada 48-60
74-86 80 23
87-99 93 6 Q2 terletak pada 61-73
Σf = 60 Q3 terletak pada 74-86
KUARTIL (LANJUTAN)
1.60
Untuk Q1, maka : - 11
Q1 47,5 13 4 54
8
2. Desil
Kelompok data yang sudah diurutkan (membesar atau
mengecil) dibagi sepuluh bagian yang sama besar.
DESIL (LANJUTAN)
Contoh :
Interval Nilai Frekuensi D3 membagi data 30%
Kelas Tengah
(X) D7 membagi data 70%
9-21 15 3
22-34 28 4
35-47
48-60
41
54
4
8
Sehingga :
61-73 67 12
74-86 80 23
87-99 93 6
D3 berada pada 48-60
Σf = 60
D7 berada pada 74-86
DESIL (LANJUTAN)
3.60
- 11
D3 47,5 13 10 58,875
8
7.60
- 31
D 7 73,5 13 10 79,72
23
KUARTIL, DESIL, PERSENTIL (LANJUTAN)
3. Persentil
Untuk data tidak berkelompok
in 1
Pi nilai ke - , i 1,2,3,...,99
100
Untuk data berkelompok
in
-F
Pi L 0 c 100 , i 1,2,3,...,99
f
PERSENTIL (LANJUTAN)
Contoh :
Tentukan persentil ke-65 dari data :
6,5,8,7,9,4,5,8,4,7,8,5,8,4,5.
Jawab:
n = 15
data terurut : 4,4,4,5,5,5,5,6,7,7,8,8,8,8,9.
Contoh :
Interval Nilai Frekuensi P50 membagi data 50%
Kelas Tengah
(X) P70 membagi data 70%
9-21 15 3
22-34 28 4
35-47
48-60
41
54
4
8
Sehingga :
61-73 67 12
74-86 80 23
87-99 93 6
P50 berada pada 61-73
Σf = 60
P70 berada pada 74-86
PERSENTIL (LANJUTAN)
50.60
- 19
P50 60,5 13 100 72,42
12
70.60
- 31
P70 73,5 13 100 79,72
23
KONSEP UKURAN DISPERSI
PENGUKURAN DISPERSI, KEMIRINGAN, DAN KERUNCINGAN DATA
DISPERSI DATA
Dispersi/ variasi/ keragaman data: ukuran penyebaran suatu kelompok data terhadap
pusat data.
Ukuran Dispersi yang akan dipelajari:
Jangkauan (Range)
Simpangan rata – rata (mean deviation)
Variansi (variance) Dispersi multak
Standar Deviasi (Standard Deviation)
Simpangan Kuartil (quartile deviation)
Koefisien variasi (coeficient of variation) Dispersi relatif
Pertemuan Ke 6
HOMOGEN DAN HETEROGEN DATA
I. 50,50,50,50,50
II. 30,40,50,60,70
III. 20,30,50,70,80
X 50
KEMIRINGAN DATA
Rumus Bowley
SR
X = rata – rata hitung
n = Σf = jumlah frekuensi
n
2
VARIANSI/ VARIANCE (s )
• Variansi adalah rata – rata kuadrat selisih atau
kuadrat simpangan dari semua nilai data
terhadap rata – rata hitung.
2
s = simbol untuk sample
2
= simbol untuk populasi
Rumus untuk data tidak berkelompok
X X
2
S
2
n 1
Untuk data berkelompok
f X X
2
S
2
n 1
STANDAR DEVIASI/ STANDARD DEVIATION (S)
Standar deviasi: akar pangkat dua dari variansi
Rumus:
Untuk data tidak berkelompok
X X
2
S
2
n 1
Untuk data berkelompok
f X X
2
S
2
n 1
CONTOH SOAL
Data tidak berkelompok
Diketahui sebuah data berikut:
20, 50, 30, 70, 80
Tentukanlah:
a. Range (r)
c. Variansi
d. Standar Deviasi
Jawab:
a. Range (r) = nilai terbesar – nilai terkecil = 80 – 20 =
60
X X
b. Simpangan Rata – rata (SR): SR
n
20 50 30 70 80
X 50
5
n=5
20 50 50 50 30 50 70 50 80 50
SR
5
30 0 20 20 30 100
SR 20
5 5
2
(
Variansi )s
X X
2
S
2
n 1
(20 50) 2
(50 50) 2
(30 50) 2
(70 50) 2
(80 50) 2
S2
5 1
900 0 400 400 900 2600
S2 650
4 4
S S 2
f X X
Variansi 2
S
2
n 1
f X X
2
Standar Deviasi S
2
n 1
Untuk memudahkan mencari jawaban, maka dibuat tabel
sesuai dengan keperluan jawaban
Nilai
Modal f Tengah X X f X X ( X X )2 f ( X X )2
(X)
112 - 120 4 116 24,525 98,100 601,476 2405,902
121 - 129 5 125 15,525 77,625 241,026 1205,128
130 - 138 8 134 6,525 52,200 42,576 340,605
139 - 147 12 143 2,475 29,700 6,126 73,507
148 -156 5 152 11,475 57,375 131,676 658,378
157 -165 4 161 20,475 81,900 419,226 1676,902
166 - 174 2 170 29,475 58,950 868,776 1737,551
Jumlah 40 455,850 8097,974
MAKA DAPAT DIJAWAB:
Q3 Q1 (Q3 Q1 ) / 2
KVQ atau KVQ
Q3 Q1 Med
NILAI BAKU
Nilai baku atau skor baku adalah hasil transformasi
antara nilai rata – rata hitung dengan standar deviasi
Rumus:
X1 X Nilai i = 1, 2, 3, …, n
Zi
S
CONTOH SOAL UNTUK KOEFISIEN VARIASI
DAN SIMPANGAN BAKU
Koefisien Variasi
Ada dua jenis bola lampu. Lampu jenis A secara rata –
rata mampu menyala selama 1500 jam dengan
simpangan baku (standar deviasi) S1 = 275 jam,
sedangkan lampu jenis B secara rata – rata dapat
menyala selama 1.750 jam dengan simpangan baku S2
= 300 jam. Lampu mana yang kualitasnya paling baik?
Jawab: S1 275
KV *100% *100% 18,3%
Lampu jenis A: 1 X 1 1500
S2 300
KV2
Lampu jenis B: *100% *100% 17,1%
X2 1750
Nilai rata – rata ujian akhir semester mata kuliah
Statistika dengan 45 mahasiswa adalah 78 dan
simpangan baku/standar deviasi (S) = 10. Sedangkan
untuk mata kuliah Bahasa Inggris di Kelas itu
mempunyai nilai rata – rata 84 dan simpangan bakunya
(S) = 18. Bila dikelas itu, Desi mendapat nilai UAS untuk
kalkulus adalah 86 dan untuk bahasa Inggris adalah 92,
bagaimana posisi/ prestasi Desi di kelas itu?
Jawab
Untuk mengetahui posisi/ prestasi Desi, maka harus
dicari nilai baku (Z) dari kedua mata kuliah tersebut.
X X
Z
S
dengan nilai X adalah nilai UAS yang diperoleh Desi
Untuk Mata Kuliah Statistika
X = 86 S = 10
Maka: X 78
86 78
Z 0,8
10
Untuk Mata Kuliah Bahasa Inggris
X = 92 S = 18
Maka: X 84
92 84
Z 0, 4
18
Karena nilai baku (Z) untuk mata kuliah Statistika lebih
besar dari B. Inggris, maka posisi Desi lebih baik
pada mata kuliah Statistika dari pada B. Inggris
Rumus tersebut dipakai untuk data tidak
berkelompok maupun data berkelompok.
Bila α = 0 atau mendekati nol, maka
dikatakan distribusi data simetri.
Bila α bertanda negatif, maka dikatakan
distribusi data miring ke kiri.
Bila α bertanda positif, maka dikatakan
distribusi data miring ke kanan.
Semakin besar α, maka distribusi data akan
semakin miring atau tidak simetri
KASUS
Contoh
Harga elektronik turun 5%, harga beras naik 7%, dll
Pertemuan Ke 8 110
ANGKA INDEKS
Contoh
Jumlah produksi barang A yang dihasilkan oleh PT. BonBon
selama tahun 2005 dan 2006 masing-masing adalah 150 ton
dan 225 ton. Hitunglah indeks produksi tahun 2005 dan
2006.
111
ANGKA INDEKS
Jawaban
Indeks produksi tahun 2005 adalah
Produksi tahun 2005 = 150 ton
Produksi tahun 2006 = 225 ton
112
ANGKA INDEKS
Jenis (Penggunaan)
1. Indeks Harga (Price Index)
Mengukur perubahan harga barang
Misalnya : Indeks harga konsumen
Indeks harga perdagangan besar
Indeks harga yang dibayar dan diterima petani
2. Indeks Tertimbang
Indeks tertimbang memasukkan faktor yang mempengaruhi naik-turunnya angka indeks
a. Metode Agregat Sederhana Tertimbang
b. Metode Laspeyres
c. Metode Paasche
d. Metode Drobisch
e. Metode Irving Fisher
f. Metode Marshall – Edgeworth
g. Metode Walsh
114
INDEKS HARGA RELATIF SEDERHANA
Konsep
Indeks harga relatif sederhana (simple relative price index)
ialah indeks yang terdiri dari satu macam barang saja, baik
untuk indeks produksi maupun indeks harga (misalnya
indeks produksi beras, indeks produksi karet, indeks produksi
ikan, indeks harga beras, indeks harga karet, indeks harga
ikan, dsb).
115
INDEKS HARGA RELATIF SEDERHANA
Bermanfaat dalam memahami dan menginterpretasikan perubahan kondisi ekonomi
dan bisnis dari waktu ke waktu.
Harga relatif menunjukkan bagaimana harga per unit untuk komoditas tertentu saat
ini dibandingkan dengan harga per unit komoditas yang sama pada tahun dasar.
Harga relatif memperlihatkan harga per unit pada setiap periode waktu sebagai
persentase dari harga per unit pada tahun dasar.
Periode dasar merupakan waktu/titik awal (starting point) yang telah ditentukan.
116
INDEKS AGREGATIF
Konsep
Indeks agregatif merupakan indeks yang terdiri dari
beberapa barang (kelompok barang), misalnya indeks harga
9 macam bahan pokok, indeks impor Indonesia, indeks
ekspor Indonesia, indeks harga bahan makanan, indeks
biaya hidup, indeks hasil penjualan suatu perusahaan (lebih
dari satu barang yang dijual), dll.
117
INDEKS HARGA RELATIF SEDERHANA
Rumus
Pt qt
I t ,0 100 % I t ,0 100 %
Po qo
Konsep
Digunakan untuk melihat perkembangan kuantitas barang dan jasa dengan
dibandingkan dengan tahun dasar
Rumus
Kt
IK 100 %
Ko
IK = indeks kuantitas pada waktu t dengan waktu dasar 0
Kt = kuantitas pada waktu t
K0 = kuantitas pada waktu 0
119
INDEKS HARGA DAN KUANTITAS RELATIF SEDERHANA
Contoh 1
Bulan Harga Kuantitas Indeks
Harga Kuantitas
Januari 3500 50 100 100
Februari 3800 52 109 104
Maret 3400 56 97 112
April 4000 49 114 98
Mei 4200 51 120 102
Juni 3900 48 111 96
3800 52
100% 109 100% 104
3500 50
120
INDEKS HARGA RELATIF SEDERHANA
Contoh 2
Berikut adalah biaya iklan melalui surat kabar dan televisi
pada tahun 1992 dan 1997 yang telah dikeluarkan oleh
Besco. Dengan menggunakan tahun dasar 1992, hitung
indeks harga pada tahun 1997 untuk biaya iklan melalui surat
kabar dan televisi.
1992 1997
Surat kabar $14,794 $29,412
Televisi $11,469 $23,904
121
INDEKS HARGA RELATIF SEDERHANA
Jawaban 2
Indeks harga relatif sederhana adalah
Televisi Surat kabar
Pt Pt
I t ,0 100% I t ,0 100%
Po Po
23,904 29,412
I 1997 100% I 1997 100%
11,469 14,794
I 1997 208 I 1997 199
Kenaikan biaya iklan melalui televisi lebih besar dibandingkan melalui
surat kabar.
122
INDEKS HARGA RELATIF SEDERHANA
Contoh 3
Data rata-rata perdagangan beberapa hasil pertanian di Jakarta dari
tahun 1992 – 1997 disajikan dalam tabel berikut. Hitunglah indeks
harga beras pada tahun 1995, 1996, dan 1997 dengan waktu dasar
tahun 1992.
Jenis Pertanian 1992 1993 1994 1995 1996 1997
Beras 66.368 67.337 81.522 100.209 101.382 111.183
Jagung Kuning 34.877 39.829 45.850 50.000 62.740 66.208
Kacang Kedelai 110.505 116.458 121.542 115.052 114.800 125.733
Kacang Hijau 111.528 111.063 127.108 128.750 163.042 192.771
Kacang Tanah 161.243 198.271 209.542 200.000 228.792 223.250
Ketela Pohon 15.433 13.853 20.538 26.944 26.079 24.311
Ketela Rambat 22.033 22.273 29.831 36.698 35.688 35.131
Kentang 46.984 55.110 85.183 82.404 93.713 121.920
123
INDEKS HARGA RELATIF SEDERHANA
Jawaban 3
Tahun 1995
P95 100209
I 95 / 92 100% 100% 150,99%
P92 66368
Tahun 1996
P96 101382
I 96 / 92 100% 100% 152,67%
P92 66368
Tahun 1997
P97 111183
I 97 / 92 100% 100% 167,52%
P92 66368
124
INDEKS HARGA RELATIF SEDERHANA
125
BEBEBAPA HAL PENTING TENTANG INDEKS HARGA
Pemilihan Tahun Dasar
◦ Tahun dasar sebaiknya tidak jauh jaraknya dari periode saat ini
(current period).
◦ Penentuan tahun dasar sebaiknya dilakukan
penyesuaian/pembaruan secara teratur.
Perubahan Kualitas
◦ Asumsi dasar Indeks Harga : harga dihitung untuk komoditas
yang sama pada setiap periode.
◦ Perbaikan kualitas secara substansial akan berakibat
meningkatnya harga sebuah produk.
126
BEBEBAPA HAL PENTING TENTANG INDEKS HARGA
Pemilihan Komoditas
◦ Jika banyaknya kelompok komoditas sangat besar, maka cukup dipilih
kelompok yang dianggap mewakili (secara purposive).
127
SOAL INDEKS PRODUKSI RELATIF SEDERHANA
Tabel dibawah ini menyajikan data produksi Tanaman Bahan Makanan menurut
jenis, dari tahun 1993-1998. Hitunglah indeks produksi kacang tanah tahun 1996,
1997, dan 1998 dengan waktu dasar adalah tahun 1993.
128
INDEKS AGREGATIF TIDAK TERTIMBANG
Konsep
Indeks agregatif tidak tertimbang digunakan untuk unit-unit
yang mempunyai satuan yang sama.
129
INDEKS AGREGATIF TIDAK TERTIMBANG
Kelemahan
1. Satuan atau unit harga barang sangat mempengaruhi
indeks harga
2. Tidak memperhitungkan kepentingan relatif barang-
barang yang tercakup dalam pembuatan indeks
130
INDEKS AGREGATIF TIDAK TERTIMBANG
Rumus
I t ,0
P
t
100% I t ,0
q t
100%
Po qo
Contoh
Data yang menyajikan pengeluaran rumah tangga untuk tahun 2000-
2004. Hitunglah indeks harga tak tertimbang untuk tahun 2002
dengan waktu dasar tahun 2000.
Bulan 2000 2001 2002 2003 2004
Januari 3500 3800 4100 4200 3850
Februari 3800 3450 4120 4250 3800
Maret 3400 3600 3950 4150 3900
April 4000 3900 3890 4050 3950
Mei 4200 4100 3950 3900 4000
Juni 3900 3950 4000 4100 3990
Jumlah 22800 22800 24010 24650 23490
Indeks Harga 100 100 105 108 103
132
INDEKS AGREGATIF TIDAK TERTIMBANG
Jawaban
Tahun 2002
P02 24010
I 02 / 00 100% 100% 105%
P00 22800
2000 2001
Daging sapi (per kg) 20 30
134
INDEKS AGREGATIF TERTIMBANG
Konsep
Indeks agregatif tertimbang adalah indeks yang dalam
pembuatannya telah dipertimbangkan faktor-faktor yang akan
mempengaruhi naik turunnya angka indeks tersebut
IPh arg a
PQ
t t
100% IPproduksi
PQ
t t
100%
P Q
o t PQ
t o
IME
P (Q t o Qt )
100%
P (Q o o Qt )
138
INDEKS AGREGATIF TERTIMBANG
Contoh
Data pembelian beras dalam beberapa bulan untuk tahun
2005 dan 2006. Tentukan indeks agregatif terimbang.
Bulan Tahun 2005 Tahun 2006
Harga Kuantitas Harga Kuantitas
Januari 3500 15 3950 20
Februari 3800 16 4000 19
Maret 3400 20 4150 22
April 4000 25 4250 25
Mei 4200 22 3850 20
Juni 3900 20 3960 23
139
INDEKS AGREGATIF TERTIMBANG
Tahun 2005 Tahun 2006
Bulan Harga Kuantitas Harga Kuantitas Po.Qo Pt.Qo Po.Qt Pt.Qt
Po Qo Pt Qt
Januari 3500 15 3950 20 52500 59250 70000 79000
Februari 3800 16 4000 19 60800 64000 72200 76000
Maret 3400 20 4150 22 68000 83000 74800 91300
April 4000 25 4250 25 100000 106250 100000 106250
Mei 4200 22 3850 20 92400 84700 84000 77000
Juni 3900 20 3960 23 78000 79200 89700 91080
Jumlah 22800 118 24160 129 451700 476400 490700 520630
141
DATA BERKALA
Konsep
Data Berkala adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan
perkembangan suatu kegiatan.
Contoh
Perkembangan Produksi, Harga, Penduduk, dll
Manfaat
Sebagai dasar pembuatan garis trend.
Garis trend digunakan untuk membuat ramalan yang diperlukan untuk daar perumusan
perencanaan.
Pertemuan Ke 11
142
ANALISIS DATA BERKALA
143
ANALISIS DATA BERKALA
Manfaat
Untuk mengetahui perkembangan suatu atau beberapa
kejadian serta hubungan atau pengaruh terhadap kejadian
lainnya.
Contoh
Apakah kenaikan biaya iklan akan diikuti dengan kenaikan
penerimaan penjualan
144
ANALISIS DATA BERKALA
Manfaat
Untuk mengetahui kondisi masa mendatang.
145
KLASIFIKASI ANALISIS DATA BERKALA
1. Gerakan Trend Jangka Panjang (Trend)
Simbol : T
146
GERAKAN TREND JANGKA PANJANG (T)
Suatu gerakan yang menunjukkan arah perkembangan
secara umum (kecenderungan menaik/ menurun)
Y = f(X) Y = f(X)
Waktu Waktu
Trend Turun Trend Naik 147
GERAKAN/ VARIASI SIKLUS (C)
Gerakan/ variasi jangka panjang di sekitar garis trend (berlaku
untuk data tahunan)
Gerakan siklus dapat terulang setelah jangka waktu tertentu
(setiap 3 tahun, 5 tahun, atau lebih) dan dapat terulang dalam
jangka waktu yang samaY = f(X)
Waktu
Trend Siklis 148
GERAKAN/ VARIASI MUSIMAN (S)
Gerakan yang mempunyai pola tetap dari waktu ke waktu
Pada umumnya gerakan musiman terjadi pada data bulanan yang
dikumpulkan dari tahun ke tahun, tapi juga berlaku bagi data harian,
mingguan, atau satuan waktu yang lebih kecil lagi
Y = f(X)
Waktu
Trend Musiman
149
GERAKAN/ VARIASI ACAK (I)
Gerakan/ variasi yang sifatnya sporadis, misalnya naik turunnya
produksi akibat banjir yang datangnya tidak tentu.
Y = f(X) Y = f(X)
Waktu Waktu
Trend Acak Naik Trend Acak Mendatar 150
HUBUNGAN KLASIFIKASI ANALISIS DATA BERKALA
Y=T×C×S×I
Y=T+C+S+I
151
TREND
Konsep
Suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang
diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup
rata (smooth).
Y Y
152
METODE TREND
153
METODE TANGAN BEBAS
• Konsep
Metode tangan bebas merupakan cara paling mudah, tetapi
sifatnya sangat subjektif.
Maksudnya, jika ada lebih dari satu orang menarik garis trend
dengan cara ini akan diperoleh garis trend lebih dari satu orang.
155
METODE TANGAN BEBAS
Y
Rumus
• persamaan
Yn linear
•
y y1 x x1
Yi•
y 2 y1 x 2 x1
Y2
•
Y1
• Rumus
persamaan
trend
•
X1 X2 X3 X4 Xi Xn X Y a bX
156
METODE TANGAN BEBAS
Contoh Tahun X PDB (Y)
Produk Domestik Bruto (PDB) 1992 0 10164,9
atas dasar harga konstan 1993 1 11169,2
tahun 1983 (milyar rupiah). 1994 2 12054,6
Pertemuan Ke 12
157
METODE TANGAN BEBAS
Jawaban
•
1992 1993 1994 1995 1996 1997 1998 1999 2000 tahun
158
METODE TANGAN BEBAS
Jawaban
Diambil tahun 1992 sebagai titik asal (0, 10164,9) dan tahun
1999 sebagai titik akhir (7, 14850,1)
Y = a + bx
(0, 10164,9) 10164,9 = a + b(0)
(7, 14850,1) 14850,1 = a + b(7)
159
METODE TANGAN BEBAS
Jawaban
Jawaban
Persamaan garis linear adalah
Y a bX
Y 10164 ,9 669 ,3 X
162
METODE RATA-RATA SEMI
X 6
X1, X 2 , X 3 , X 4 , X 5 , X 6
1, 2, 3, 4, 5, 6
Y1 Y2
2 titik absis
5 titik absis 163
METODE RATA-RATA SEMI
X 8
X1, X 2 , X 3 , X 4 , X 5 , X 6 , X 7 , X 8
1, 2, 3, 4, 5, 6, 7, 8
Y1 Y2
2,5 titik absis
6,5 titik absis 164
METODE RATA-RATA SEMI
Data ganjil
X 7
X1, X 2 , X3, X5 X6, X7
X4
1, 2, 3, 5, 6, 7,
Y1 Y2
X 4 dihapus
2 titik absis
6 titik absis 165
METODE RATA-RATA SEMI
Contoh
Produk Domestik Bruto Tahun X PDB (Y)
Jawaban
Y a bX
a 1,5 X 11428,5 5,5a 62856,75
a 5,5 X 13846,2 1,5a 20769,3
4
a 42087,45
a 10521,8625
b 604,425
Y 10521,8625 604,425 X
168
METODE RATA-RATA SEMI
Jawaban
Y 10521,8625 604,425 X
mencari nilai b
PDB2000 X 8 Y2 Y1
b
Y 10521,8625 604,4258 X 2 X1
Y 15357,23 13846,2 11428,5
b
5,5 1,5
PDB2001 X 9
2417,7
Y 10521,8625 604,4259 b
4
Y 15961,65 b 604,425
169
METODE RATA-RATA BERGERAK
Konsep
Rata-rata bergerak digunakan untuk memuluskan fluktuasi
yang terjadi dalam data tersebut. Proses pemulusan ini
disebut pemulusan data berkala.
170
METODE RATA-RATA BERGERAK
Rumus
Data berkala sebanyak n: Y1, Y2, …, Yi, …, Yn, maka rata-
rata bergerak n waktu (tahun, bulan, minggu, hari)
merupakan urutan rata-rata hitung, yaitu
171
METODE RATA-RATA BERGERAK
• Apabila rata-rata bergerak dibuat dari data tahunan atau
bulanan sebanyak n waktu, maka rata-rata bergerak disebut
rata-rata bergerak tahunan atau bulan dengan orde n
(banyaknya data untuk menghitung rata-rata bergerak).
172
METODE RATA-RATA BERGERAK
Tahun Penjualan
Contoh 1989 50,0
Data penjualan 1990 36,5
1991 43,0
suatu perusahaan
1992 44,5
disajikan dalam tabel 1993 38,9
berikut. Buatlah rata- 1994 38,1
rata bergerak 4 1995 32,6
1996 38,7
tahun dan 5 tahun.
1997 41,7
Buatlah kurvanya 1998 41,1
dalam satu grafik. 1999 33,8
173
METODE RATA-RATA BERGERAK
Jawaban
Tahun Y Rata-rata Bergerak 4 tahun
1989 50,0
1990 36,5 43,5
1991 43,0 40,7
1992 44,5 41,1
1993 38,9 38,5
1994 38,1 37,1
1995 32,6 37,8
1996 38,7 38,5
1997 41,7 38,8
1998 41,1
1999 33,8
174
METODE RATA-RATA BERGERAK
60
50
40
30 Asli
4 tahun
20 5 tahun
10
176
METODE RATA-RATA BERGERAK
177
SOAL METODE RATA-RATA BERGERAK
178
METODE KUADRAT TERKECIL
• Konsep
Metode kuadrat terkecil untuk mencari garis trend
dimaksudkan suatu perkiraan atau taksiran mengenai nilai a
dan b dari persamaan Y = a + bX yang didasarkan atas data
hasil observasi sedemikian rupa sehingga dihasilkan jumlah
kesalahan kuadrat terkecil (minimum)
179
METODE KUADRAT TERKECIL
Rumus (Cara I)
Garis trend dapat dinyatakan dengan
X i 0
1
a Yi 1
n Y Yi ; rata rata Y
n
b
X i Yi
1
X X i ; rata rata X
i
2
X n
Y a bX 180
METODE KUADRAT TERKECIL
181
METODE KUADRAT TERKECIL
Jawaban 1
Tahun X Y XY X2
1992 -7 10164,9 -71154,3 49
1993 -5 11169,2 -55846,0 25
1994 -3 12054,6 -36163,8 9
1995 -1 12325,4 -12325,4 1
1996 1 12842,2 12842,2 1
1997 3 13511,5 40534,5 9
1998 5 14180,8 70904,0 25
1999 7 14850,1 103950,7 49
Jumlah 0 101098,7 52741,9 168
182
METODE KUADRAT TERKECIL
Jawaban 1
1
a Yi Y a bX
n
Y 12637 ,34 313 ,94 X
a 101098,7 12637,34
1
8
• Untuk tahun 2000, X = 9
b
XY i i
Y = 12637,34 + 313,94(9)
X
2 Y = 12637,34+2825,46
i
Y = 15462,8
52741,9 (Rp15.462,8 milyar)
b 313,94
168
183
METODE KUADRAT TERKECIL
• Contoh
Data penjualan suatu Tahun Penjualan
1989 50,0
perusahaan disajikan
1990 36,5
dalam tabel berikut.
1991 43,0
Buatlah persamaan
1992 44,5
garis trend dengan
1993 38,9
menggunakan metode 1994 38,1
kuadrat terkecil. 1995 32,6
Berapa ramalan hasil 1996 38,7
penjualan tahun 1997 41,7
2000? 1998 41,1
1999 33,8
184
METODE KUADRAT TERKECIL
Tahun X Y XY X2
Jawaban 2 1989 -5 50,0 -250 25
1990 -4 36,5 -146 16
1991 -3 43,0 -129 9
1992 -2 44,5 -89 4
1993 -1 38,9 -38,9 1
1994 0 38,1 0 0
1995 1 32,6 32,6 1
1996 2 38,7 77,4 4
1997 3 41,7 125,1 9
1998 4 41,1 164,4 16
1999 5 33,8 169 25
Jumlah 0 438,9 -84,4 110
185
METODE KUADRAT TERKECIL
Jawaban 2
1
a Yi
n Y a bX
a 438,9 39,9
1 Y 39 ,9 0,77 X
11
• Untuk tahun 2000, X = 6
b
XY i i
Y = 39,9 – 0,77(6)
Y = 39,9 – 4,62
X
2
i Y = 35,28
84,4 (Rp35,28 milyar)
b 0,77 Terjadi penurunan 0,77
110 (Rp770,000)
186
METODE KUADRAT TERKECIL
a Y bX
n X i Yi X i Yi 1
Y Yi ; rata rata Y
b
n X i X i
2
n
2
1
X X i ; rata rata X
n
Y a bX
187
METODE KUADRAT TERKECIL
• Contoh 3
Produk Domestik Bruto Tahun PDB (Y)
(PDB) atas dasar harga
konstan tahun 1983 1992 10164,9
188
METODE KUADRAT TERKECIL
Jawaban 3
Tahun X Y XY X2
1992 1 10164,9 10164,9 1
1993 2 11169,2 22338,4 4
1994 3 12054,6 36163,8 9
1995 4 12325,4 49301,6 16
1996 5 12842,2 64211,0 25
1997 6 13511,5 81069,0 36
1998 7 14180,8 99265,6 49
1999 8 14850,1 118800,8 64
Jumlah 36 101098,7 481315,1 204 189
METODE KUADRAT TERKECIL
Jawaban 3
a Y bX
X X i 36 4,5 a 12637,34 627,884,5
1 1
n 8
a 9811,88
Y Yi 101098,7 12637,34
1 1
n 8
Y a bX
n X i Yi X i Yi Y 9811,88 627,88 X
b
n X i X i
2 2
Untuk tahun 2000, X = 9
b
8481315,1 36101098,7 Y= 9811,88 + 627,88(9)
8204 362 Y = 15462,8
b 627,879 (Rp15,462,8 milyar) 190
SOAL METODE KUADRAT TERKECIL
191
ATRIBUT
Besterfield (1998) karakteristik kualitas yang sesuai dengan spesifikasi atau tidak sesuai dengan
spesifikasi.
Atribut : - goresan
- kesalahan
- warna
- bagian yang hilang
Peta ATRIBUT hanya mempunyai 2 nilai : YA dan TIDAK seperti : sesuai atau tidak sesuai, bagus
atau jelek, terlambat atau tepat waktu
Pertemuan Ke 13
PERBEDAAN PETA KONTROL VARIABEL DAN ATRIBUT
np-chart
(banyaknya ketidaksesuain)
Peta
Control Atribut
c-chart
(ketidaksesuain dlm unit
Distribusi Poisson Yg diinspeksi)
u-chart
(bila ukuran sampel
bervariasi)
LANGKAH-LANGKAH PETA PENGENDALI STATISTIK DATA ATRIBUT
(BESTERFIELD, 1998)
1. Menentukan sasaran yg akan dicapai
2. Menentukan banyaknya sampel dan banyknya observasi
3. Mengumpulkan data
4. Menentukan garis pusat an batas pengendali
5. Merevisi garis pusat dan batas2 pengendali
PETA PENGENDALI PROPORSI KESALAHAN (P-CHART) DAN BANYAKNYA
KESALAHAN (NP-CHART) DLM SAMPEL
Kegunaan :
Untuk mengetahui apakah cacat produk yang dihasilkan
masih dalam batas yg disyaratkan.
SAMPEL KONSTAN
Utk mengetahui kesalahan atau cacat pada sampel untuk setiap kali
observasi :
x
P
n
Dimana :
p = proporsi kesalahan di setiap sempel
x = banyaknya produk yg salah tiap sampel
n = banyaknya sampel yg diambil dalam inspeksi
Center line
g g
pi xi
p i 1
i 1
g n.g
Dimana :
p = garis pusat peta pengendali proporsi kesalahan
pi = proporsi kesalahan stp sampel/sub kelmpk dlm tp
observasi
n = banyaknya sampel yg diambil tiap observasi
g = banyaknya observasi yg dilakukan
PETA KONTROL P 3 SIGMA
p(1 p) p(1 p)
BPAp p 3 BPBp p 3
n n
p(1 p) p(1 p)
BPAp p BPBp p
n n
np n p
Dimana :
n p = grs pusat utk peta pengendali banyaknya
kesalahan
xi = bnyknya kesalhan dlm stp sampel atau tp observasi
g = banyaknya observasi yg dilakukan
PETA CONTROL NP 3 SIGMA
Standar deviasi
_ np n p(1 p)
BPA np n p 3 (n p(1 p)
BPB np n p 3 (n p(1 p)
PETA CONTROL NP 1 SIGMA
25 50 4 0.08
jumlah 1250 90
90
p 0.072
garis pusat 1250
0.072 (1 0.072 )
p 0.072 3 0.182
50
BPA
0.072 (1 0.072 )
p 0.072 3 0.038 0
50
BPB
Out of statistic control
p-chart
0.25
0.2
proporsi
Series1
0.15
Series2
0.1 Series3
0.05
0
1 3 5 7 9 11 13 15 17 19 21 23 25
observasi
Dilakukan revisi
90 10
Garis pusat : p 0.067
1250 50
0.067 (1 0.067 )
p 0.067 3 0.173
BPA 50
0.067 (1 0.067 )
BPB p 0.067 3 0.039 0
50
p-chart revisi
0.2
0.18
0.16
0.14 p
0.12
BPA
0.1
BPB
0.08
0.06 CL
0.04
0.02
0
1 3 5 7 9 11 13 15 17 19 21 23
Garis pusat np = 90/25 = 3,6
np-chart
12
10
8 x
jml cacat
BPA
6
BPB
4 CL
2
0
1 3 5 7 9 11 13 15 17 19 21 23 25
observasi
Dilakukan revisi :
Garis pusat np = (90-10)/(25-
1) = 3.33 dan
p = (90-10)/(1250-50) = 0.067
BPA
np 3.33 3 3.33(1 0.067) 8.618
BPB
np 3.33 3 3.33(1 0.067) 1.96 0
np-chart revisi
10
8
x
jmlh cacat
6 BPA
4 BPB
CL
2
0
1 3 5 7 9 11 13 15 17 19 21 23
observasi
UNTUK BANYAKNYA SAMPEL BERVARIASI
Menggunakan c-chart
Garis pusat (center line) :
Garis pusat g
ci
cc i 1
Dimana : g
c = garis pusat
ci = banyaknya kesalahan setiap unit sebagai sampel tiap
observasi
g =banyaknya observasi yg dilakukan
PETA CONTROL C 3 SIGMA
BPA
c c 3 c
BPB
c c 3 c
PETA CONTROL C (6 SIGMA)
BPA
c c6 c
BPB
c c 6 c
CONTOH SOAL
Bayangkan PT ABC adalah sebuah perusahaan jasa yng beroperasi
dlm bidang transportasi taksi. Pada saat ini perusahaan sedang
mengoperasikan 500 Armada taksi . PT ABC ingin memantau proses
pelayanan taksi melalui mengendalikan banyaknya keluahan dari
pengguna taksi yg diterima setiap hari. Untuk itu, melalui
pengumpulan data banyaknya keluhan selama 20 periode
pengamatan.
nomor banyaknya keluhan
pengematan pengguna taksi
1 12
2 8
3 10
4 7 BUATLAH PETA CONTROL C DENGAN 3
5 9 SIGMA ??????????
6 11
7 10
8 12
9 13
10 12
11 11
12 14
13 10
14 9
15 10
16 12
17 11
18 10
19 8
20 9
MENGGUNAKAN PETA PENGENDALI U (U-CHART)
ci
ui Dimana n adalah banyaknya sampel utk setiap kali
observasi
n
PETA CONTROL U 3 SIGMA UTK SAMPEL VARIANSI
Garis pusat Dimana
g u =grs pusat
ci ci = bnyknya
u i 1
kesalahan pd stp unit
ng
sebagai sampel tiap
u
BPA u u 3 observasi
N g = bnyknya
observasi yg
dilakukan
u
BPB u u 3 n = ukuran sampel
N
PETA CONTROL U 3 SIGMA UTK SAMPEL
KONSTAN
Dimana
Garis pusat
g u =grs pusat
ci ci = bnyknya
u i 1
kesalahan pd stp unit
ng
sebagai sampel tiap
BPA u u 3 u observasi
g = bnyknya
observasi yg
BPB u u 3 u dilakukan
n = ukuran sampel
CONTOH SOAL
Pertemuan Ke 14
PENGERTIAN REGRESI
Analisis regresi merupakan studi ketergantungan satu atau
lebih variabel bebas terhadap variabel tidak bebas. Dengan
maksud untuk meramalkan nilai variabel tidak bebas.
CONTOH PENERAPAN ANALISIS
1. Analisis Regresi antara tinggi orang tua terhadap tinggi anaknya (Gultom).
2. Analisis Regresi antara pendapatan terhadap konsumsi rumah tangga.
3. Analisis Regresi antara harga terhadap penjualan barang.
4. Analisis Regresi antara tingkat upah terhadap tingkat pengangguran.
5. Analisis Regresi antara tingkat suku bunga bank terhadap harga saham
6. Analisis regresi antara biaya periklanan terhadap volume penjualan
perusahaan.
KETERGANTUNGAN STATISTIK VS.
FUNGSIONAL
Hubungan kausal (ketergantungan statistik)
Konsumsi dengan pendapatan
Masa kerja dengan produktifitas
Iklan dengan penjualan
Hubungan fungsional/Identitas
Likuditas dengan aktiva lancar
Produktivitas dengan hasil produksi
Upah karyawan dengan jam kerja
PERBEDAAN MENDASAR ANTARA KORELASI
DAN REGRESI ?
Korelasi hanya Regresi menunjukkan
menunjukkan hubungan pengaruh.
sekedar hubungan. Dalam regresi
Dalam korelasi terdapat istilah
variabel tidak ada tergantung dan
istilah tergantung variabel bebas.
dan variabel bebas.
ISTILAH DAN NOTASI VARIABEL
DALAM REGRESI ?
Y X
Varaibel tergantung Varaibel bebas (Independent
(Dependent Variable) Variable)
Variabel yang dijelaskan Variabel yang menjelaskan
(Explained Variable) (Explanatory Variable)
Variabel yang diramalkan Variabel peramal (Predictor)
(Predictand) Variabel yang meregresi
Variabel yang diregresi (Regressor)
(Regressand) Variabel perangsang atau
Variabel Tanggapan kendali (Stimulus or control
(Response) variable)
PERSAMAAN REGRESI
Persamaan Regresi
linier Sederhana:
n( XY ) ( X )( Y )
Y = a + bX + b
n( X 2 ) ( X ) 2
Y = Nilai yang diramalkan
a = Konstansta
b = Koefesien regresi
a
Y b( X )
X = Variabel bebas
n
= Nilai Residu
CONTOH KASUS:
Ho diterima Jika
b ≤ 0, t hitung ≤ tabel
Ha diterima Jika
b > 0, t hitung > t tabel.
5. Sampel
8 perusahaan
6. Data Yang dikumpulkan
Penjualan (Y) 64 61 84 70 88 92 72 77
Promosi (X) 20 16 34 23 27 32 18 22
7. ANALISIS DATA
Untuk analisis data diperlukan, perhitungan:
1. Persamaan regresi
2. Nilai Prediksi
3. Koefesien determinasi
4. Kesalahan baku estimasi
5. Kesalahan baku koefesien regresinya
6. Nilai F hitung
7. Nilai t hitung
8. Kesimpulan
PERSAMAAN REGRESI
Y X XY X2 Y2
64 20 1280 400 4096
61 16 976 256 3721
84 34 2856 1156 7056
70 23 1610 529 4900
88 27 2376 729 7744
92 32 2944 1024 8464
72 18 1296 324 5184
77 22 1694 484 5929
608 192 15032 4902 47094
n( XY ) ( X )( Y )
b
n( X 2 ) ( X ) 2
a
Y b( X )
n
(608) 1,497(192)
a 40,082
8
Y= 40,082 + 1,497X+e
NILAI PREDIKSI
Berapa besarnya penjualan jika promosi sebesar 20?
40,082 + (1,497*20)= 70,022
Berapa besarnya penjualan jika promosi sebesar 16?
40,082 + (1,497*16)=64,034
Berapa besarnya penjualan jika promosi sebesar 34?
40,082 + (1,497*34)= 90,98
Berapa besarnya penjualan jika promosi sebesar 23?
40,082 + (1,497*23)= 74,513
Berapa besarnya penjualan jika promosi sebesar 27?
40,082 + (1,497*27)=80,501
Berapa besarnya penjualan jika promosi sebesar 32?
40,082 + (1,497*32)= 87,986
Dan seterusnya…………………….!!!
No Y X XY X2 Y2 Ypred (Y-Ypred)2 (Y-Yrata)2
R2 1
(Y Yˆ ) 2
R 1
2 (227 ,497 )
0,743
(Y Y ) 2
(886 )
P (1 R 2
) 1(1 0,743)
Radj R2 Radj 0,743 0,70
N P 1 8 11
KESALAHAN BAKU ESTIMASI
Se
(Y Yˆ ) 2
Se
(227 ,467 )
6,1576
nk 82
STANDAR ERROR KOEFESIEN
REGRESI
Digunakan untuk mengukur besarnya tingkat kesalahan dari koefesien regresi:
Se 6,1576
Sb Sb1 0,359
( X ) 2
(192) 2
X
2
(4902)
n 8
UJI F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu menggambarkan kondisi
sesungguhnya:
bj 1,497
Thitung t hitung 4,167
Sbj 0,359
IMPLIKASI
Sebaiknya perusahaan terus meningkatkan periklanan agar
penjualan meningkat.
TUGAS:
Carilah persamaan regresi dari data
berikut:
X 3 4 5 6 7 8 9
Y 12 11 13 12 13 14 16
LATAR BELAKANG MUNCULNYA ANALISIS REGRESI BERGANDA
Contoh:
Besarnya konsumsi tidak hanya dipengaruhi oleh pendapatan saja
tetapi juga dipengaruhi oleh jumlah anggota keluarga, tingkat
pendidikan serta variabel lainnya.
Pertemuan Ke 15
PERBEDAAN DENGAN REGRESI SEDERHANA
Regresi sederhana hanya Regresi berganda terdiri dua
terdiri satu variabel bebas. variabel atau lebih variabel
bebas.
Y = a+bX+ Y = a+b1X1+ b2X2+ ….+bnXn+
UJI ASUMSI KLASIK
UJI NORMALITAS
NON-HETEROSKEDASTISITAS
NON-MULTIKOLINIERITAS
NON-AUTOKORELASI
PERSAMAAN REGRESI
Hipitesis 1.
Untuk menguji hipotesis: Harga memiliki pengaruh negatif
terhadap konsumsi buah Duren, digunakan kriteria sebagai berikut:
Ho : bj≥ 0 : Tidak terdapat pengaruh negatif harga terhadap
konsumsi buah Duren.
Ha : bi < Terdapat pengaruh negatif harga terhadap konsumsi buah
Duren.
Kriteria:
Ho diterima Jika thitung ≥ -t tabel
Ha diterima Jika thitung < -t tabel
4. KRITERIA PENERIMAAN HIPOTESIS 2
Hipitesis 2.
Untuk menguji hipotesis: Pendapatan memiliki pengaruh positif terhadap konsumsi buah
Duren, digunakan kriteria sebagai berikut:
Ho : bj≤ 0 : Tidak terdapat pengaruh positif pendapatan terhadap konsumsi buah Duren.
Ha : bi > Terdapat pengaruh positif pendapatan terhadap konsumsi buah Duren. .
Kriteria:
Ho diterima Jika thitung ≤ t tabel
Ha diterima Jika thitung > t tabel
4. KRITERIA PENERIMAAN HIPOTESIS 3
Hipitesis 3.
Untuk menguji hipotesis, Variabel pendapatan memiliki pengaruh yang paling besar terhadap
konsumsi buah Duren
Kriteria:
• Hipotesis Ditolak Jika:
Elastisitas () Pendapatan ≤ Elastisitas () Harga
• Hipotesis Diterima Jika:
Elastisitas () Pendapatan > Elastisitas () Harga
Uji ketepatan model.
Untuk melakukan uji ketepatan model (goodness of fit) digunakan uji F
Kriteria:
Model persamaan regresi dinyatakan baik (good of fit), jika F hitung > F tabel
Model persamaan regresi dinyatakan jelek (bad of fit)Jika F hitung ≤ F tabel
5. Sampel
10 Keluarga
6. Data Yang dikumpulkan
X1 2 3 5 4 6 2 3 4 5 6
X2 3 4 6 5 7 6 4 5 4 3
Y 5 8 8 9 9 13 6 9 4 3
7. ANALISIS DATA
Untuk analisis data diperlukan, perhitungan:
1. Persamaan regresi
2. Nilai Prediksi
3. Koefesien determinasi
4. Kesalahan baku estimasi
5. Kesalahan baku koefesien regresinya
6. Nilai F hitung
7. Nilai t hitung
8. Kesimpulan
PERSAMAAN REGRESI
Y = 2,5529 -1,0921X1+1,9608X2+
MAKNA PERSAMAAN REGRESI YANG TERBENTUK
(9,776 )
R2 1
(Y Yˆ ) 2
R 1
2
0,875
(78,4)
(Y Y ) 2
P (1 R 2
) 2(1 0,875)
Radj R2 Radj 0,875 0,840
N P 1 10 2 1
KESALAHAN BAKU ESTIMASI
Se
(Y Yˆ ) 2
Se
(9,776 )
1,1818
nk 10 3
STANDAR ERROR KOEFESIEN REGRESI
Digunakan untuk mengukur besarnya tingkat kesalahan dari koefesien regresi:
(1,1818) 2
Sa (5796) 1,626
Se2 3060
Sb ( Kii)
Det[ A]
(1,1818) 2
Sb1 (161) 0,271
3060
(1,1818) 2
Sb2 (200) 0,302
3060
UJI T
1,092
tX1 4,029
bj 0,271
t hitung
Sbj
1,961
tX 2 6,490
0,302
Pengujian Hipotesis 1:
• thitung X1 (-4,029) < dari - ttabel (1,89), maka Ha diterima, Terdapat pengaruh negatif
harga terhadap konsumsi buah Duren.
Pengujian Hipotesis 2:
thitung X1 (6,490) > dari t tabel (1,89), maka Ha diterima, Terdapat pengaruh positif
pendapatan terhadap konsumsi buah Duren.
Hipotesis 3:
Untuk menguji variabel yang paling berpengaruh, digunakan uji elastisitas atau uji koefesien
beta.
Uji elastisitas:
4
1 1,0921 0,590
Xi 7,4
i
Y 4,7
2 1,9608 1,245
7,4
Uji Koefesien beta:
Beta X1 =-0,552
Beta X2 =0,889
Kesimpulan: Karena 2>1 atau Beta(X2) > Beta (X1) pendapatan (X2)
lebih berpengaruh terhadap konsumsi dibandingkan harga (X2)
UJI F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu menggambarkan kondisi
sesungguhnya:
Karena F hitung (24,567) > dari F tabel (4,74) maka maka persamaan regresi dinyatakan Baik
(good of fit).
KESIMPULAN DAN IMPLIKASI
KESIMPULAN
1. Terdapat pengaruh negatif harga terhadap konsumsi buah duren.
2. Terdapat pengaruh positif pendapatan terhadap konsumsi buah Duren.
3. Pendapatan memiliki pengaruh yang lebih besar dibanding harga terhadap konsumsi buah
duren
IMPLIKASI
Sebaiknya pemasar buah Duren mempertimbangkan harga dan pendapatan, akan tetapi
lebih mempertimbangkan pendapatan masyarakat dibandingkan harga buah duren dalam
merancang strategi pemasarannya.