(MIK 712)
MODUL SESI 14
STUDENT’S PROJECT
(Review Materi 8 – 13)
DISUSUN OLEH
MIEKE NURMALASARI, M.Si, M.Sc
1. Pendahuluan
December Week 1 11
December Week 2 14
December Week 3 17
December Week 4 15
Januari Week 1 12
Januari Week 2 11
Januari Week 3 9
Januari Week 4 9
February Week 1 12
February Week 2 8
February Week 3 13
February Week 4 11
March Week 1 15
March Week 2 17
March Week 3 14
March Week 4 19
JAWAB:
1. Contoh OR dan RR
Pada tabel dibawah ini. bahwa dari 200 pasien. resiko pada pasien kanker usus dengan
kemoterapi yang mual menggunakan obat baru 90 pasien dan yang tidak mual dengan
menggunakan obat baru 110 pasien. Sementara itu resiko pada pasien kanker usus dengan
kemoterapi yang mual dengan menggunakan obat standar 60 pasien dan yang tidak mual
menggunakan obat standar yaitu 140. Hitunglah besarnya faktor risiko (RR dan OR) yang
besarnya masing -masing adalah
= 1.90
Kesimpulan OR :
Berdasarkan hasil nilai OR diatas yaitu sebesar 1,90 yang artinya bahwa risiko
mual pada pasien dengan kemoterapi yang menggunakan obat baru 1,92 kali lebih
Nilai RR
= = 1.5
· RR =1, artinya resiko sama pada kedua kelompok dan tidak ada hubungan antara
faktor resiko dengan kejadian penyakit.
· RR > 1, artinya resiko penyakit lebih tinggi pada kelompok terpapar (kelompok
intervensi) dibandingkan dengan resiko kelompok tidak terpapar (kelompok kontrol).
· RR < 1, artinya resiko lebih rendah pada kelompok terpapar dan menunjukkan bahwa
faktor paparan (intervensi) merupakan proteksi
Kesimpulan RR:
Berdasarkan perhitungan diatas, maka dengan RR sebesar 1,5 artinya resiko mual pada
pasien kanker usus dengan kemoterapi yang menggunakan obat baru 1,5 kali lebih tinggi
dibandingkan resiko mual pada pasien kanker usus dengan kemoterapi yang menggunakan
obat standar.
Seorang peneliti ingin mengetahui bagaimana pengaruh kualitas pelayanan publik terhadap
kepuasan pengguna (masyarakat). Kualitas pelayanan publik diteliti melaluji variabel Daya
Tanggap (X1) dan Empati (X2). Kepuasan penggunana layanan (Y) sebagai variabel
dependent adalah variabel dummy dimana dimana jika responden menjawab puas maka kita
beri skor 1 dan jika menjawab tidak puas kita beri skor 0.
No X1 X2 Y
1 36 45 1
2 34 39 0
3 30 38 0
4 32 38 1
5 36 45 1
6 33 42 0
7 36 45 1
8 36 45 1
9 31 36 0
10 31 37 0
11 36 45 1
12 33 41 0
13 32 40 0
14 33 39 0
15 34 42 1
16 34 42 0
17 32 39 0
18 34 42 1
19 33 40 0
20 34 40 0
Karakteristik masing-masing variabel adalah sebagai berikut.
X1 Daya tanggap
Measurement level: Scale
Format: F4 Column Width: 8 Alignment: Right
X2 Empati
Measurement level: Scale
Y kepuasan pengguna
Value Label 0 tidak puas 1 puas
Berdasarkan hasil uji kelayakan model regresi tersebut diperoleh nilai signifikansi sebesar
0.016 Dimana nilai P value 0,016 < 0,05 yang artinya bahwa model regresi layak untuk
diprediksi.
Kesimpulan: Model Regresi layak di prediksi.
Uji Autokorelasi
Hipotesis:
➢ H0 : Tidak terjadi autokorelasi
➢ H1 : terjadi autokorelasi
Dari output SPSS lihat tabel model summary yang mengandung nilai Durbin Watson.
dL = 0,7580
dU= 1,6044
Keputusan:
➢ dU < d < 4 –dU
➢ 1,6044< 1,708< (4-1,6044= 2,3956)
➢ 1,6044< 1,708< 2,3956 maka Ho diterima (tidak terjadi autokorelasi)
Kesimpulan : Tidak terjadi Autokorelasi.
•
•
• 𝑌= + 2333,32
Yang artinya pada tahun 2020 diprediksi pasien yang berkunjung sebanyak 20.633,32
orang
Data Ramalan
NO TAHUN PASIEN (Y) X XY X² Error |Error| Error² (A-F)/F
(18300+212,12 X)
1 2009 15000 -9 -135000 81 16390,91 -126,45 126,45 15988,66 -0,085
2 2010 16800 -7 -117600 49 16815,15 -1,38 1,38 1,89726 -0,001
3 2011 17000 -5 -85000 25 17239,39 -21,76 21,76 473,6319 -0,014
4 2012 19000 -3 -57000 9 17663,64 121,49 121,49 14759,24 0,076
5 2013 18000 -1 -18000 1 18087,88 -7,99 7,99 63,82381 -0,005
6 2014 18500 0 0 0 18300,00 18,18 18,18 330,5785 0,011
7 2015 18800 1 18800 1 18512,12 26,17 26,17 684,9107 0,016
8 2016 19000 3 57000 9 18936,36 5,79 5,79 33,46766 0,003
9 2017 22000 5 110000 25 19360,61 239,94 239,94 57573,56 0,136
10 2018 19000 7 133000 49 19784,85 -71,35 71,35 5090,803 -0,040
11 2019 18200 9 163800 81 20209,09 -182,64 182,64 33359,06 -0,099
JUMLAH 201300 0 70000 330 201300 0 823,14 128359,6 -0,17643
MAD MAPE MSE
74,83095 -0,01604 11669,06
• 6711,56
• 7941,632
Maka dapat kita simpulkan bahawa model Moving Average 3 tahunan memberikan nilai
peramalan yang lebih baik dibandingkan 2 model lainnya. Dilihat dari nilai MSE, MAPE dan
MAD nya yang paling kecil
A. Daftar Pustaka
1. Robert, David, Time Series Analysis and Its Application, 1st edition,
Springer, 2000.
2. Sugiarto, Harijono. Peramalan Bisnis. 2000
3. Asra A, Rudiansyah. Statistika Terapan. Edisi kedua. 2014
4. https://e-journal.unair.ac.id/JBK/article/view/5834