ELearning BSLC
Mirellie Setiawan
2001590386
ELearning Probabilitas
“ Ambil sejumlah sampel (n 1), diperiksa dan dicacat jumlah produk cacat yang tidak
memenuhi spesifikasi (d 1), lalu dibuat keputusan, apakah lot : diterima atau ditolak.
Jika tidak diketahui keputusan apa yg akan diambil ( Ragu-ragu ), maka ambil
sampel ke-2 berukuran n 2 dan dicek kembali keputusannya, apakah lot : diterima atau
ditolak, dengan syarat apabila : d1 + d 2 c 2 lot diterima
d 1 + d 2 ≥ r 2 lot ditolak ( atau : d 1 + d 2 > c 2 )
dimana : d : jumlah cacat
c : angka penerimaan
Jadi, keputusan dalam Sampling Ganda ada 3 yaitu : Terima, Tolak, dan Ragu-ragu
Ragu-ragu terjadi pada saat jumlah cacat (d 1) berada diantara : c 1 < d 1 < r 1
Diketahui : N = 10.000
p‟ = 0,02
c1 = 1 r1 = 4 n 1 = 60 1 = n * p = 60 * 0,02 = 1,2
c2 = 4 r2 = 5 n 2 = 60 2 = n * p = 60 * 0,02 =
ELearning BSLC
Mirellie Setiawan
2001590386
ELearning Probabilitas
1,2
atau :
Pa I = P ( d 1 ≤ c 1 ) I = P ( d 1 ≤ 1 ) I = 0,662 ( dimana : 1 = 1,2 )
d1 = 2 : Pa II = P ( d 1 = 2 ; 1 ) * P ( d 2 ≤ 2 ; 2 )
Pa II = P ( d 1 = 2 ; 1,2 ) * P ( d 2 ≤ 2 ; 1,2 )
Pa II = 0,217 * 0,879 = 0,1907
d1 = 3 : Pa II = P ( d 1 = 3 ; 1 ) * P ( d 2 ≤ 1 ; 2 )
Pa II = P ( d 1 = 3 ; 1,2 ) * P ( d 2 ≤ 1 ; 1,2 )
Pa II = 0,087 * 0,662 = 0,0576
+
Pa II = 0,2483
4}
atau :
d1 = 2 : Pa II = P ( d 1 = 2 ) I * P ( d 2 ≤ 2 ) II
Pa II = 0,217 * 0,879 = 0,1907
d1 = 3 : Pa II = P ( d 1 = 3 ) I * P ( d 2 ≤ 1 ) II
Pa II = 0,087 * 0,662 = 0,0576
+
Pa II = 0,2483
atau :
Pa II = P ( d 1 = 2 ) I * P ( d 2 ≤ 2 ) II + P ( d 1 = 3 ) I * P ( d 2 ≤ 1 ) II
= { 0,217 * 0,879 } + { 0,087 * 0,662 }
= 0,1907 + 0,0576 dimana :
= 0,2483 I 1 = 1,2
II 2 = 1,2
Mirellie Setiawan
2001590386
ELearning Probabilitas
= 0,9103
2. Diketahui pemeriksaan 1 lot produk yang berisi 9.000 unit. Rata-rata cacat dalam
sampel = 3 %. Jika telah ditentukan bhw rencana sampling yg digunakan adalah sbb :
n 1 = 50 c1 = 1 r1 = 5
n 2 = 60 c2 = 6 r2 = 7
Maka, tentukan :
a. Tent. probabilitas penerimaan lot pada sampel pertama !
b. Tent. probabilitas penerimaan lot pada sampel kedua !
c. Tent. total probabilitas penerimaan lot berdasarkan rencana sampling tsb. !
Jawab :
Diketahui : N = 9.000 p‟ = 0,03
c1 = 1 r1 = 5 n 1 = 50 1 = n * p = 50 * 0,03 = 1,5
c2 = 6 r2 = 7 n 2 = 60 2 = n * p = 60 * 0,03 =
1,8
Pa II = P ( d 1 = 2 ) I * P ( d 2 ≤ 4 ) II + P ( d 1 = 3 ) I * P ( d 2 ≤ 3 ) II +
P ( d 1 = 4 ) I * P ( d 2 ≤ 2 ) II
= { 0,251 * 0,964 } + { 0,126 * 0,892 } + { 0,047 * 0,731 }
= 0,2420 + 0,1124 + 0,0344
= 0,3888 dimana : I 1 = 1,5
II 2 = 1,8
ELearning BSLC
Mirellie Setiawan
2001590386
ELearning Probabilitas
d 1 c1 c 1 < d 1 < r1 d 1 r1
d 1 + d2 c2 c 2 < d 1 + d 2 < r2 d 1 + d2 ≥ r2
ELearning BSLC
Mirellie Setiawan
2001590386
ELearning Probabilitas
d 1 + d 2 + d 3 c3 d 1 + d 2 + d 3 ≥ r3
TERIMA LOT c 3 < d 1 + d 2 + d 3 < r3 TOLAK LOT
Contoh Soal :
Diketahui rencana sampling yang digunakan dalam pemeriksaan produk adalah sbb :
n 1 = 50 c1 = 0 r1 = 3 p‟ = 0,05
n 2 = 60 c2 = 1 r2 = 3
n 2 = 80 c3 = 2 r3 = 3
Maka, tentukan total probabilitas penerimaan lot berdasarkan rencana sampling tsb. !
Jawab :
Diketahui : p‟ = 0,05
c1 = 0 r1 = 3 n 1 = 50 1 = n 1 * p‟ = 50 * 0,05 = 2,5
c2 = 1 r2 = 3 n 2 = 60 2 = n 2 * p‟ = 60 * 0,05 = 3,0
c3 = 2 r3 = 3 n 2 = 80 3 = n 3 * p‟ = 80 * 0,05 = 4,0
Pa II = P ( d 1 = 1 ) I * P ( d 2 ≤ 0 ) II dimana : I 1 = 2,5
= { 0,205 * 0,050 } II 1 = 3,0
= 0,01025
Ragu-ragu Sampel 2 R II : { 2 }
ELearning BSLC
Mirellie Setiawan
2001590386
ELearning Probabilitas
po 100 po n n.po Pa
ELearning BSLC
Mirellie Setiawan
2001590386
0,01 1,0 100 1 0,9197 Dari tabel Kualitas
0,02 2,0 100 2 0,6767 Proses diatas, dapat
0,03 3,0 100 3 0,4232 dibentuk grafik
0,04 4,0 100 4 0,2381 Kurva OC sbb
0,05 5,0 100 5 0,1247
0,06 6,0 100 6 0,0620
0,07 7,0 100 7 0,0296
0,08 8,0 100 8 0,0138
0,09 9,0 100 9 0,0062
0,10 10,0 100 10 0,0028
Jika ada 100 lot, maka kemungkinan lot yang diterima adalah 100 lot * 0,6767 = 67,67
lot
68 lot.
Kurva OC untuk Rencana Sampling Penerimaan Ganda :
Dalam pembuatan Kurva OC dalam suatu Rencana Sampling Ganda akan
membentuk 3 buah garis dalam kurva, yaitu :
1. Garis yang menggambarkan probabilitas penerimaan sampel pertama ( Pa I )
2. Garis yang menggambarkan probabilitas penerimaan sampel kedua ( Pa II )
3. Garis yang menggambarkan probabilitas penerimaan sampel gabungan ( Pa TOTAL )
Contoh :
Diketahui data mengenai Rencana Sampling Penerimaan Ganda sbb :
N = 9000 p‟ = 0,03
c1 = 1 r1 = 5 n 1 = 50 1 = n * p = 50 * 0,03 = 1,5
c2 = 6 r2 = 7 n 2 = 60 2 = n * p = 60 * 0,03 = 1,8
Pa II = P ( d 1 = 2 ) I * P ( d 2 ≤ 4 ) II + P ( d 1 = 3 ) I * P ( d 2 ≤ 3 ) II + P ( d 1 = 4 ) I * P ( d 2 ≤ 2 )
II
= { 0,251 * 0,964 } + { 0,126 * 0,892 } + { 0,047 * 0,731 }
= 0,2420 + 0,1124 + 0,0344
= 0,3888
ELearning BSLC
Mirellie Setiawan
2001590386
= 0,558 + 0,3888
= 0,9468
Jika disusun dalam suatu tabel Kualitas Proses, diperoleh nilai Pa untuk tiap po sbb :
po 100 po n1 n 1 . po n2 n 2 . po Pa I Pa II Pa TOTAL
0,01 1,0 50 0,5 60 0,6 0,9098 0,0899 0,9997
0,02 2,0 50 1 60 1,2 0,7358 0,2552 0,9910
0,03 3,0 50 1,5 60 1,8 0,5578 0,3881 0,9460
0,04 4,0 50 2 60 2,4 0,4060 0,4366 0,8426
0,05 5,0 50 2,5 60 3 0,2873 0,4040 0,6913
0,06 6,0 50 3 60 3,6 0,1991 0,3246 0,5237
0,07 7,0 50 3,5 60 4,2 0,1359 0,2341 0,3700
0,08 8,0 50 4 60 4,8 0,0916 0,1551 0,2467
0,09 9,0 50 4,5 60 5,4 0,0611 0,0960 0,1571
0,10 10,0 50 5 60 6 0,0404 0,0561 0,0965
INDIFFERENCE QUALITY LEVEL ( IQL )
IQL : tingkat kualitas di antara AQL dan LQL.
Biasanya IQL berada pada tingkat kualitas dengan Pa = 0,5
Pa
1
0,5
p‟
AQL IQL LQL
ELearning BSLC
Mirellie Setiawan
2001590386
AVERAGE OUTGOING QUALITY ( AOQ )
AOQ : merupakan alat untuk mengevaluasi rencana sampling
AOQ : harga rata-rata kualitas output ( harga rata-rata dari persentase yg tidak memenuhi
syarat sesudah lot ditolak, diperiksa 100 %, dan yang tidak memenuhi syarat
disingkirkan )
AOQ : kualitas yang keluar dari suatu inspeksi dengan asumsi setiap lot yang ditolak,
diperiksa, dikembalikan dengan 100 % produk baik untuk diterima konsumen.
AOQ = p‟ * Pa
Kurva AOQ : berapa besar rata-rata kualitas setelah lot yang ditolak, diperiksa 100%,
dan yang tidak memenuhi syarat dipisahkan.
Contoh :
Pengiriman 15 lot berukuran N = 5000 dikirim dari produsen ke konsumen. Dalam 15 lot
tsb terdapat 2 % defective. Rencana sampling penerimaan yang digunakan adalah n = 100
dan c = 2. Dari kurva OC diketahui nilai Pa untuk cacat 2 % adalah 0,6767. Jadi lot yang
diterima oleh konsumen adalah 15 * 0,6767 = 10,1505 10 lot. 5 lot akan ditolak dan
dikembalikan ke produsen. 5 lot tersebut akan diperiksa 100 % dan kembali ke konsumen
dengan persen cacat 0 %.
Gambaran dari persoalan diatas adalah sbb :
15 lot 10 lot diterima
p‟ = 0,02 N = 5000 p‟ = 0,02
Produsen n = 100 Konsumen
c =2
5 lot ditolak
Jadi, berdasarkan ilustrasi diatas, % cacat yang sesungguhnya diterima konsumen adalah :
74.500 1000
1000
% Cacat ( AOQ ) = * 100 = 1,34 % ; atau :
74.500
Mirellie Setiawan
2001590386
Contoh Pembuatan Kurva AOQ :
Diketahui Rencana Sampling Penerimaan Tunggal yang akan digunakan sbb :
N = 5000 c=2
n = 100 p‟ = 0,02
Jika dalam tabel Kualitas Proses sebelumnya ditambahkan kolom nilai AOQ untuk tiap
po ( dimana : AOQ = p‟ * Pa atau 100po * Pa ), maka akan diperoleh nilai AOQ sbb :
po 100 po n n.po Pa AOQ (%)
0,01 1,0 100 1 0,9197 0,9197
0,02 2,0 100 2 0,6767 1,3534
0,03 3,0 100 3 0,4232 1,2696
0,04 4,0 100 4 0,2381 0,9524
0,05 5,0 100 5 0,1247 0,6233
0,06 6,0 100 6 0,0620 0,3718
0,07 7,0 100 7 0,0296 0,2075
0,08 8,0 100 8 0,0138 0,1100
0,09 9,0 100 9 0,0062 0,0561
0,10 10,0 100 10 0,0028 0,0277
AOQL ( Average Outgoing Quality Limit ) : harga max. dari AOQ sebagai fungsi dari p‟
AOQL = max AOQ = 1,3534 % ( untuk contoh soal diatas )
AVERAGE SAMPLE NUMBER ( ASN ) ( Rata-rata jumlah sampel )
ASN : perbandingan rata-rata jumlah yg diperiksa per lot oleh konsumen untuk sampling
tunggal, ganda, dan jamak.
ASN digunakan untuk pemeriksaan sampel TIDAK 100%
Rumus perhitungan nilai ASN untuk jenis sampling :
a. Sampling Tunggal : ASN = n
b.
b. Sampling Ganda : ASN = n 1 + n 2 ( 1 – P 1 )
Dimana : P1 = probabilitas kesimpulan pada sampel ke-1
P1 = Prob. Penerimaan sampel 1 + Prob. Penolakan sampel 1
P1 = P ( d 1 c 1 ; ) + P( d 1 r 1 ; )
Contoh Soal :
1. Diketahui Rencana Sampling Penerimaan Tunggal yang akan digunakan sbb :
N = 1000 c=1
ELearning BSLC
Mirellie Setiawan
2001590386
n = 20 p‟ = 5 % = 0,05
Jika diasumsikan pemeriksaan sampel diatas tidak dilakukan 100%, maka nilai ASN
untuk persoalan diatas adalah :
ASN = n = 20
2. Diketahui Rencana Sampling Penerimaan Ganda yang akan digunakan sbb :
N = 9000 p‟ = 0,03
c1 = 1 r1 = 5 n 1 = 50 1 = n * p = 50 * 0,03 = 1,5
c2 = 6 r2 = 7 n 2 = 60 2 = n * p = 60 * 0,03 = 1,8
Jika diasumsikan pemeriksaan sampel diatas tidak dilakukan 100%, maka nilai ASN
untuk persoalan diatas adalah :
P1 = P ( d 1 c 1 ; ) + P ( d 1 r 1 ; ) = P ( d 1 c 1 ) I + P ( d 1 r 1) I
= P ( d 1 1 ; 1,5) + P ( d 1 5 ; 1,5) = P ( d 1 1 ) I + P ( d 1 5) I
= 0,558 + ( 1 – 0,982 ) = 0,558 + ( 1 – 0,982 )
= 0,576
ASN = n 1 + n 2 ( 1 – P 1 )
= 50 + 60 ( 1 – 0,576 )
= 75,44
Contoh Soal :
1. Diketahui Rencana Sampling Penerimaan Tunggal yang akan digunakan sbb :
N = 1000 c=1
n = 20 p‟ = 5 % = 0,05 = n . p = 20 * 0,05 = 1
ELearning BSLC
Mirellie Setiawan
2001590386
Jika diasumsikan pemeriksaan sampel diatas dilakukan 100%, maka nilai ATI untuk
persoalan diatas adalah :
Pa = P ( d ≤ c ; ) = P ( d ≤ 1 ; ) = 0,736
ATI = n + ( 1 – Pa ) ( N – n )
= 20 + ( 1 – 0,736 ) ( 1000 – 20 )
= 278,72
ATI 279
ELearning BSLC
Mirellie Setiawan
2001590386
SAMPLING PENERIMAAN ATRIBUT ( MIL–STD–105D / ABC–STD–105 )
Sampling Penerimaan Atribut : suatu rencana sampling untuk inspeksi lot per lot.
Sistem ini dipilih karena pertimbangan :
1. Sistem AQL tidak mensyaratkan inspeksi 100% untuk lot yang ditolak.
2. Kemudahan dimengerti dan dilaksanakan :
a. Sistem AQL tidak memerlukan perhitungan yang rumit ada tabel
b. Adanya pengertian : Mutu Lot = Nilai AQL yang digunakan
( adanya jaminan bhw lot yg diterima oleh sampling dianggap mutunya = AQL )
3. Adanya jaminan bahwa lot yang ditolak berkisar 10% – 12% ( asal produsen
membuat barang sesuai dengan standar yang ditetapkan ).
ELearning BSLC
Mirellie Setiawan
2001590386
c : Angka Penerimaan
r : Angka Penolakan
Contoh Soal :
1. Diketahui rencana Sampling Tunggal dengan menggunakan tabel ABC – STD untuk
GIL II, N = 1000, AQL = 1 %, dan p = 12,5 % !
a. Tentukan rencana samplingnya ( Normal, Ketat, dan Longgar ) !
b. Hitung probabilitas penerimaan lot untuk kondisi inspeksi Longgar !
c. Hitung probabilitas lot inspeksi Longgar ditolak !
d. Hitung probabilitas bahwa lot inspeksi Longgar diterima tetapi pindah ke Normal
Jawab :
Diketahui : Sampling Tunggal dengan tabel ABC – STD :
General Inspection Level II ( GIL II )
N = 1000 Kode J
AQL = 1 %
p‟ = 12,5 %
a. Rencana Sampling Penerimaan :
n c r
Normal 80 2 3 10
Ketat 80 1 2 10
Longgar 32 1 3 4
ELearning BSLC
Mirellie Setiawan
2001590386
Diketahui : Sampling Ganda dengan tabel ABC – STD :
General Inspection Level I ( GIL I )
N = 20000 Kode K
AQL = 1,5 %
p‟ = 12,5 %
a. Rencana Sampling Penerimaan :
n1 c1 r1 n2 c2 r2
Normal 80 2 5 80 6 7
Ketat 80 1 4 80 4 5
Longgar 32 0 4 32 3 6
Pa I = P ( d 1 ≤ c 1 ) I = P ( d 1 ≤ 0 ) I = 0,018
Pa II = P ( d 1 = 1 ) I * P ( d 2 ≤ 2 ) II + P ( d 1 = 2 ) I * P ( d 2 ≤ 1 ) II +
P ( d 1 = 3 ) I * P ( d 2 ≤ 0 ) II
= ( 0,073 * 0,238 ) + ( 0,147 * 0,091 ) + ( 0,195 * 0,018 )
= 0,034261
Pa TOTAL = Pa I + Pa II
= 0,018 + 0,034261
= 0,052261
c. Probabilitas lot inspeksi Longgar ditolak ( Pa TOTAL‟ ) :
Pa I‟ = P ( d 1 ≥ r 1 ) I = P ( d 1 ≥ 4 ) I = 1 – 0,433 = 0,567
Pa II‟ = P ( d 1 = 1 ) I * P ( d 2 ≥ 5 ) II + P ( d 1 = 2 ) I * P ( d 2 ≥ 4 ) II +
P ( d 1 = 3 ) I * P ( d 2 ≥ 3 ) II
= (0,073 * (1 – 0,628)) + (0,147 * (1 – 0, 433)) + (0,195 * (1 – 0,238))
= 0,259095
Pa TOTAL‟ = Pa I‟ + Pa II‟
= 0,567 + 0,259095
= 0,826095
d. Probabilitas bahwa lot inspeksi Longgar diterima tetapi pindah ke Normal ( Pa” ) :
Keputusan Ragu-ragu ada pada sampel ke-2
syarat : c 2 < d 1 + d 2 < r 2
3 < d1 + d2 < 6 4 ≤ d1 + d2 ≤ 5
ELearning BSLC
Mirellie Setiawan
2001590386
Pa” = P ( d 1 = 1 ) I * P ( 3 ≤ d 2 ≤ 4 ) II + P ( d 1 = 2 ) I * P ( 2 ≤ d 2 ≤ 3 ) II +
P ( d 1 = 3 ) I * P ( 1 ≤ d 2 ≤ 2 ) II
= ( 0,073 * ( 0,628 – 0,238 ) ) + ( 0,147 * ( 0,433 – 0, 091 )
) + ( 0,195 * ( 0,238 – 0,018 ) )
= 0,12164
ELearning BSLC
Mirellie Setiawan
2001590386
LINEAR BERGANDA
Berikut adalah data tentang tingkat kehadiran di kelas dan skor IQ mahasiswa yang diperkirakan
mempengaruhi nilai akhir yang diperoleh!
Kehadiran di kelas (%) Skor IQ Nilai akhir
1. 60 110 65
2. 70 120 70
3. 75 115 75
4. 80 130 75
5. 80 110 80
6. 90 120 80
7. 95 120 85
8. 95 125 95
9. 100 110 90
10. 100 120 98
Lakukan analisis regresi linier berganda dengan menjawab pertanyaan-pertanyaan dibawah ini:
1. Buatlah persamaan regresi linier berganda.
2. Variabel apa yang memberikan pengaruh lebih besar terhadap nilai akhir mahasiswa! Jelaskan
mengapa?
3. Berapa nilai koefisien determinasinya? Apa artinya?
Kehadiran di kelas (%) => X1
Skor IQ => X2
Nilai akhir => Y
X1 X2 Y X12 x22 y2 x1x2 x1y x2y
1 60 110 65 3600 12100 4225 6600 3900 7150
2 70 120 70 4900 14400 4900 8400 4900 8400
3 75 115 75 5625 13225 5625 8625 5625 8625
4 80 130 75 6400 16900 5625 10400 6000 9750
5 80 110 80 6400 12100 6400 8800 6400 8800
6 90 120 80 8100 14400 6400 10800 7200 9600
7 95 120 85 9025 14400 7225 11400 8075 10200
8 95 125 95 9025 15625 9025 11875 9025 11875
9 100 110 90 10000 12100 8100 11000 9000 9900
10 100 120 98 10000 14400 9604 12000 9800 11760
∑ 845 1180 813 73075 139650 67129 99900 69925 96060
n=10
∑X1 = 845 ∑X2 = 1180 ∑Y = 813
∑X12 = 73075 ∑X22 = 139650 ∑Y2 = 67129
ELearning BSLC
Mirellie Setiawan
2001590386
∑X1 X2 = 99900 ∑X1 Y = 69925 ∑X2Y = 96060
(i) 10a + 845b1 + 1180b2 = 813
(ii) 845a + 73075b1 + 99900b2 = 69925
(iii) 1180a + 99900b1 + 139650b2 = 96060
Persamaan (i) dikali 118 dikedua ruas =>
ELearning BSLC
Mirellie Setiawan
2001590386
enurut kajian literatur permintaan suatu produk
ditentukan oleh harga barang dan pendapatan
seseorang. Hasil pengamatan terhadap 12 sampel
atas permintaan suatu barang dalam hal ini gula
diperoleh data harga minyak goreng dan
pendapatan konsumen :
Langkah-langkah penyelesaiannya:
> Variabel bebas dan variabel tak bebas
regresi
sehingga
Khusus untuk parameter b1 data adalah dalam ribuan, sehingga hasil tersebut harus dibagi dengan 1000,
diperoleh b1 = -0,000582 = -0,001.
Jadi persamaan Regresi Linear Berganda dengan dua variabel bebas adalah :
ELearning BSLC
Mirellie Setiawan
2001590386
Nilai b2 = - 0,488 artinya jika pendapatan konsumen mengalami kenaikan sebesar satu rupiah maka akan
terjadi penurunan permintaan gula sebesar 0,488 satuan dimana harga gula dianggap tetap.
> Menghitung Koefisien Determinasi
Artinya sekitar 94,21% variasi variabel bebas harga minyak goreng X1 dan pendapatan konsumen X2 dapat
menjelaskan variasi variabel tak bebas permintaan minyak goreng Y.
Note :
b1 yang digunakan -0,582 dan pengali -32 seharusnya -32000 sehingga perkalian keduanya akan memiliki
hasil yang sama yaitu (-0,00582 x -32000) = (-0,582 x 32).
Artinya terjadi hubungan yang sangat kuat antara variabel bebas harga minyak goreng X1 dan pendapatan
konsumen X2 dengan variabel tak bebas permintaan minyak goreng Y.
Jadi standart error persamaan regresi adalah 0,6818, hal ini menunjukkan penyimpangan data-data terhadap
garis persamaan regresi linear berganda yang terbentuk. Nilainya cukup kecil.
dimana
ELearning BSLC
Mirellie Setiawan
2001590386
. Diperoleh output sebagai berikut :
Summary diperoleh nilai koefisien determinasi Rsquared = 0,942 yang berarti sekitar 94,2% variasi
sampel harga minyak dan pendapatan dapat menjelaskan variasi variabel permintaan minyak goreng. Nilai
ini merupakan nilai yang tinggi dan
mencerminkan terjadinya hubungan
kuat antara variabel bebas X1 dan
X2 dan variabel tak bebas Y.
Mirellie Setiawan
2001590386
digunakan dengan Rsquared. Jika kita ingin menggeneralisasikannya ke populasi dan responden yang
dipilih acak maka kita gunakan Adjusted Rsquare dan jika sampel tidak acak kita gunakan
sebaiknyaRsquared. Nilai keduanya akan mendekati nilai yang sama jika sampel yang diambil berukuran
besar.
Pada kolom Coefficients diperoleh nilai koefisien/parameter regresi linear berganda a = 12,775, b1 = -0,001
dan b2 = -0,488. Sehingga persamaan regresi yang diperoleh adalah :
Dan untuk uji-t diambil dari kolom t dan sig. pada variabel X1 dan X2. Tabel ini berguna untuk pengujian
parameter secara parsial, apakah variabel bebas secara terpisah berpengaruh signifikan terhadap variabel tak
bebas.
a. Uji parameter b1
Hipotesis Uji :
Ho : b1 = 0
Ha : b1 ≠ 0
Taraf Signifikansi :
Pilih nilai = 5%
Daerah Kritis :
Dengan nilai signifikansi 5% dan derajat bebas df = n-2 = 12-2 = 10, maka diperoleh t-tabel = 2,228.
Statistik Uji :
Diperoleh t-hitung = -1,486 dan nilai p-value = 0,172
Keputusan :
Nilai t-hitung = -1,486 > t-tabel = -2,228 atau nilai p-value = 0,172 > 0,05.
Jadi Ho diterima dan Ha ditolak.
Kesimpulan :
Dengan signifikansi 5% ternyata harga minyak goreng tidak berpengaruh terhadap permintaan minyak goreng
tersebut. Hal ini minyak goreng adalah kebutuhan pokok yang sangat dibutuhkan oleh semua orang dalam
memenuhi kebutuhan makanannya. Berapapun harganya permintaan akan minyak gorengpun tetap ada.
b. Uji parameter b2
Hipotesis Uji :
Ho : b2 = 0
Ha : b2 ≠ 0
Taraf Signifikansi :
Pilih nilai = 5%
Daerah Kritis :
Dengan nilai signifikansi 5% dan derajat bebas df = n-2 = 12-2 = 10, maka diperoleh t-tabel = 2,228.
Statistik Uji :
Diperoleh t-hitung = -3,776 dan nilai p-value = 0,172
ELearning BSLC
Mirellie Setiawan
2001590386
Keputusan :
Nilai t-hitung = -3,776 < t-tabel = -2,228 atau nilai p-value = 0,004 < 0,05.
Jadi Ho ditolak dan Ha diterima.
Kesimpulan :
Dengan signifikansi 5% ternyata pendapatan konsumen berpengaruh terhadap permintaan minyak goreng
tersebut.
Tabel ANOVA di atas adalah salah satu untuk menguji ketepatan model. Apakah variabel bebas secara
bersama-sama mempengaruhi variabel tak bebas. Kita menggunakan uji F.
Hipotesis Uji :
Ho : b1 = b2 = 0
Ha : Terdapat bi ≠ 0 dengan i = 1 dan 2
Taraf Signifikansi :
Pilih nilai = 5%
Daerah Kritis :
Dengan nilai signifikansi 5%, derajat bebas pembilang dk = 2 dan derajat bebas penyebut df = n-k-1 = 12-2-
1 = 9, maka diperoleh F-tabel =19,39.
Statistik Uji :
Diperoleh F-hitung = 73,312 dan nilai p-value = 0,000
Keputusan :
Nilai t-hitung = 73,312 > F-tabel = 19,39 atau nilai p-value = 0,000 < 0,05.
Jadi Ho ditolak dan Ha diterima.
Kesimpulan :
Dengan signifikansi 5% harga minyak goreng dan pendapatan konsumen secara bersama-sama berpengaruh
terhadap permintaan minyak goreng.
Internal Revenue Service mencoba mengestimasi pajak aktual yang tak terbayar tiap bulan di divisi
Auditing. Dua faktor yang mempengaruhinya adalah jumlah jam kerja pegawai dan jumlah jam kerja mesin
(komputer). Untuk menganalisis seberapa besar kedua faktor itu mempengaruhi besarnya pajak aktual tak
terbayar tiap bulan, dilakukan pencatatan selama 10 bulan dengan data ditunjukkan pada tabel berikut.
Cari persamaan regresi linier bergandanya!
1.Diketahui suatu penelitian terhadap hubungan antara nilai biaya periklanan dengan tingkat penjualan dari
sebuah koperasi adalah sebagai berikut : (dalam ribuan rupiah)
ELearning BSLC
Mirellie Setiawan
2001590386
54 49 d. Dengan tingkat signifikasi 10%, ujilah hipotesis yang
menyatakan bahwa hubungan antara biaya periklanan
dan tingkat penjualan sedikitnya 40%!
Jawab :
Langkah 3 :
Menentukan koefisien a dan koefisien b
b = n ∑XY – ∑X.∑Y
n ∑X2 – (∑X2)
= 5 (12195) –(260)(234)
5 (13530) – (260)2
= 2,7
a = ∑Y – b ∑X
n
= {(234) – 2,7 (260)} / 5
= -93,6
Langkah 4:
Menentukan persamaan regresi linier sederhana
Y = a + b (X)
Maka persamaan regresi dalam soal ini adalah :
Y = -93,6 + 2,7 (X)
b. Menentukan besarnya koefisien korelasi dan koefisien determinasi
Koefisien korelasi :
r = n (∑XY) – (∑X) (∑Y)
[ n (∑X2) – (∑X2)]1/2 [ n (∑Y2) – (∑Y)2]1/2
= 5(12195) – (260) (234)
[ 5 (13530) – (260)2] 1/2 [ 5 (11078) – (234)2]1/2
= 0,76
c. Menentukan besarnya kesalahan standar estimasi
Se = ∑Y2 – a ∑Y – b ∑XY)
n-2
= √( 11078 - (-93,6) (234) – (2,7) (1915))
5 -2
= 4,24
ELearning BSLC
Mirellie Setiawan
2001590386
d. Pengujian Hipotesis
1. Tentukan Ho dan Ha
Ho : β ≥ 0,4
Ha : β <>
3. Tingkat signifikan
alpha = 0,1
4. Wilayah kritis t ()
db = n – 2
= 5-2
=3
t (0,1 ; 3) = 1,638
5. Nilai hitung
Sb = Se / √ ((∑X2) – ((∑X)2 / n)
= 4,24 / √(13530 – (260)2 / 5) = 1,342
t hitung = b – β / Sb
= 2,7 - 0,4 / 1,342 = 1,714
7. Kesimpulan :
Pendapat yang menyatakan bahwa hubungan biaya periklanan dengan tingkat penjualan lebih kecil (<) dari
0,4 adalah benar, dimana biaya mempengaruhi tingkat penjualan sebesar 57.76%
ELearning BSLC
Mirellie Setiawan
2001590386
dimana :
Y' = Tinggi pohon mahoni yang diprediksi
X = Diameter batang pohon mahoni
R2 = 0,8862 = 0,785
artinya sekitar 78,5% variasi dari variabel diameter batang pohon mahoni dapat menjelaskan variasi dari
variabel tinggi pohon mahoni.
(cukup tinggi)
Jadi besarnya standar error estimate persamaan regresi adalah 6,6364. Hal ini menunjukkan penyimpangan
data-data terhadap garis regresi, atau bagaimana penyimpangan data yang menyebar disekitar garis regresi.
(cukup kecil).
> Keputusan
nilai t-hitung = 4,6805 > t-tabel = 2,447 sehingga Ho ditolak dan Ha diterima.
ELearning BSLC
Mirellie Setiawan
2001590386
> Kesimpulan
Dengan tingkat signifikansi 5% cukup menjelaskan bahwa ada pengaruh diameter batang pohon mahoni
terhadap tinggi pohon mahoni.
ANALISIS VARIANSI
Faktor A terdiri atas 3 faktor, demikian pula pada Faktor B, sehingga analisis varians Faktorial dengan
rancangan dasar RAL Pola Faktorial (3 x 3). Persamaan matematis sebagai berikut:
Keterangan:
ELearning BSLC
Mirellie Setiawan
2001590386
Derajat Bebas (db)
Derajat bebas total (dbt) = (a x b x r) – 1 = (3*3*5) – 1 = 45 – 1 = 44
Derajat bebas perlakuan (dbp) = (ab-1) = (3*3-1) = 8
Derajat bebas faktor A (dba) = a – 1 = 3 – 1 = 2
Derajat bebas faktor B (dbb) = b – 1 = 3 – 1 = 2
Derajat bebas interaksi faktor AB (dba*b) = (a-1)(b-1) = (3-1)*(3-1) = 4
Derajat bebas galat (dbg) = dbt – dbp = 44 – 8 = 36
Faktor Koreksi (FK)
Jumlah Kuadrat (JK)
Jumlah Kuadrat Total (JKT)
ELearning BSLC
Mirellie Setiawan
2001590386
Jumlah Kuadrat Interaksi A*B (JKA*B)
Jumlah Kuadrat Galat (JKG) Kuadrat Tengah Perlakuan (KTP) Kuadrat Tengah Interaksi
Faktor AB (KTA*B)
Tabel ANOVA
Interpretasi
1. Secara umum, perlakuan (dalam hal ini) penambahan asam askorbat atau lamanya penyimpanan
menunjukkan pengaruh yang nyata dilihat dari nilai F-hit P > dari nilai F-tabel 1% (p<0,01);
2. Faktor A (level penambahan asam askorbat) mempengaruhi nilai TBA (p<0,01)
ELearning BSLC
Mirellie Setiawan
2001590386
3. Faktor B (lama penyimpanan) mempengaruhi nilai TBA (p<0,01)
4. Terdapat interaksi antara level asam askorbat (Faktor A) dengan lama penyimpanan (Faktor B)
terhadap nilai TBA (p<0,01).
ELearning BSLC
Mirellie Setiawan
2001590386