UJIAN TENGAH SEMESTER

FAKULTAS SOSIAL DAN HUMANIORA

UNIVERSITAS NURUL JADID
Mata Kuliah : Ekonometrika
Prodi / Semester : EKONOMI / V A
Nama / NIM : Noer Rohmat Fadilah / 1942400013

SOAL
1. Berikan contoh dari distribusi probabilitas gangguan.
2. Berikan contoh dari data outlier.
3. Apakah model classical normal linear bisa diterapkan untuk penghitungan dalam kehidupan
sehari hari ?
4. Mengapa data harus berdistribusi normal? dan apakah yang harus dilakukan ketika uji
kenormalan tidak terpenuhi disebabkan karena distribusi data yang dianalisis tidak normal?
5. Apa kelebihan dan kelemahan dalam menggunakan metode maximum likelihood tersebut?
6. apa yang dimaksud variabel bebas dan variabel terikat?
7. apa yang dimaksud persamaan regresi sederhana?
8. Bagaimana cara mengetahui simtem linier dan non linier ?
9. Pada kasus apa saja literasi linear dapat digunakan?
10. Hipotesis analisis regresi dua variabel, dijelaskan.

JAWABAN

1. Contoh distribusi probabilitas gangguan.

Banyaknya gangguan mesin A yang terjadi perhari diketahui berdistribusi poisson dengan rata-
rata 10 gangguan per hari. Banyaknya gangguan mesin B yang terjadi perhari diketahui
berdistribusi poisson dengan rata-rata 5 gangguan per hari. Probabilitas banyaknya gangguan
sebanyak 5 per hari adalah:

λ = λ1 + λ 2=10+5=15

−15 5
e (15)
P ( X=5 )= =0,0019 4
5!
2. Misalkan nilai ujian siswa dalam satu kelas yang berjumlah 40 siswa, sebanyak 39 siswa
mendapatkan nilai ujian dalam kisaran 70 sampai 80. Kemudian ada 1 siswa yang nilainya
sangat melenceng dari lainnya, yaitu mendapatkan nilai 30. Nah, tentunya 1 siswa tersebut
memiliki nilai ekstrem sehingga disebut sebagai pencilan.
Contoh Diagram ya seperti berikut:

CONTOH DATA OUTLIER

3. Model classical normal linear perhitungannya sangat bisa diterapkan dalam kehidupan sehari-
hari. Karena metode statistika ini digunakan untuk mengetahui sejauh mana ketergantungan atau
hubungan sebuah variabel tak bebas (regressand) dengan sebuah atau lebih variabel bebas
(regressor). Dalam kehidupan sehari-hari banyak permasalahan yang dapat dipecahkan dengan
model ini, salah satu contohnya adalah mengenai tingkat konsumsi yang diduga dipengaruhi oleh
pendapatan dan kekayaan. Dalam hal ini, tingkat konsumsi bertindak sebagai regressand
sedangkan pendapatan dan kekayaan bertindak sebagai regressor. Jadi model ini bisa
perhitungannya bisa diterapkan dalam kehidupan sehari-hari tetapi dalam konteks tertentu saja.
4. Data harus berdistribusi normal karena data yang berdistribusi normal tersebut memiliki sebaran
pola yang normal/terarah dan merupakan syarat untuk melakukan parametric-test dan ketika data
kita dinyatakan belum terdistribusi normal, maka parametric-test tidak dapat kita lakukan, alhasil
kita hanya dapat melakukan olah data dengan non–parametric-test.

Untuk memastikan secara nyata perlu dilakukan uji normalitas yaitu dengan cara :
 1. Berdasarkan Kemiringan / Kemencengan / Skewnes dan Kurtosis

Suatu data bila disajikan dalam bentuk kurva halus dapat berbentuk kurva yang miring ke kanan,
miring ke kiri atau simetris. Miring kekanan bila kurva mempunyai ekor (asymtut / menyinggung
sumbu X) yang memanjang ke sebelah kanan, demikian miring ke kiri sebaliknya, sedangkan
bila simetris berarti kondisi ke kanan dan kiri seimbang, biasanya nilai mean, median dan modus
berdekatan bahkan kadang sama. Kondisi kurva yang simetris tersebut sering disebut membentuk
kurva distribusi normal.

2. Metode Chi Square (Uji Goodness of fit Distribusi Normal)

Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi Normal, menggunakan
pendekatan penjumlahan penyimpangandata observasi tiap kelas dengan nilai yang diharapkan.
5. Kelebihan dan kelemahan dalam menggunakan metode maximum likelihood
Kelebihan : metode maximum likelihood merupakan metode yang memiliki akurasi paling
tinggi. Maximum likelihood memiliki keunggulan dengan cara mengevaluasi kuantitatif varian
maupun korelasi pola tanggapan spectral pada saat mengklasifikasi piksel yang tidak dikenal.
Kelemahan : yang pertama metode ini agak rumit. kedua, dengan mengansumsikan kenormalan
Ui penaksir ML dan OLS dari koefisien regresi B adalah identik, dan ini berlaku untuk regresi
sederhana maupun berganda.
6. Variabel bebas adalah variabel dalam suatu eksperimen yang dimanupulasi oleh peneliti.
Variable terikat adalah variabel yang tidak dimanipulasi oleh peneliti dan memberikan efek
yang sudah diduga oleh peneliti sejak awal.
7. Persamaan regresi sederhana adalah suatu kajian dari hubungan antara satu variabel, yaitu
variabel yang diterangkan (the explained variabel) dengan satu variabel lain, yaitu variabel
yang menerangkan (the explanatory).
8. Sistem linier adalah sistem dengan sifat khusus berupa linieritas. Artinya hubungan masukan dan
keluarannya bersifat linier. Jika digambar pada grafik hubungan itu berupa garis lurus. Namun
gambaran grafis berupa garis lurus hanya berlaku pada saat sistem berada pada kondisi mantap
(steady) dan bukan pada kondisi transisi (transien). Sistem linier juga merupakan suatu sistem
yang sifatnya memiliki suatu "ketetapan" atau bisa dibilang sebagai sistem yang fixed.
 Sedangkan sistem non linear merupakan suatu sistem yang sifatnya tidak tetap, mudah berubah,
sulit dikontrol, dan sulit diprediksi. Sistem semacam ini memiliki tingkat ke sensitifitas-an yang
sangat tinggi.
Perbedaan sistem linear dan non linear:
Hubungan Input-Output
Secara umum, x dianggap menjadi masukan dari sebuah persamaan dan y dianggap output.
Dalam kasus sistem linier, setiap peningkatan dalam x akan menyebabkan peningkatan y atau
penurunan y sesuai dengan nilai lereng. Sebaliknya, dalam sistem non linier, x mungkin tidak
selalu menyebabkan peningkatan pada y. Sebagai contoh, jika y = (5 – x)², nilai y mengalami
penurunan saat nilai x mendekati 5, tetapi meningkat sebaliknya.
Grafik
Dalam kasus sistem linier, grafik akan selalu garis. Sebaliknya, sistem non linier mungkin
terlihat seperti sebuah parabola jika derajat 2, x bentuk melengkung jika derajat 3, atau variasi
daripadanya melengkung. Sementara sistem linier selalu lurus, sistem non linier sering
menampilkan kurva.
9. Literasi linear sangat banyak membantu dalam kehidupan sehari-hari tentu banyak masalah yang
berkaitan dengan perhitungan, seperti dalam berdagang. Dalam berdagang seorang pedagang
pasti ingin mendapat keuntungan atau laba yang besar/maksimum, maka program linear dapat
digunakan untuk menghitung maksimum laba yang bisa diperoleh seorang pedagang. Dan juga
program linear banyak diterapkan dalam membantu menyelesaikan masalah ekonomi, industri,
militer, dan sosial.
10. egresi linier berganda merupakan suatu persamaan yang menggambarkanhubungan antara dua
atau lebih variabel bebas/ predictor (X1, X2,…Xn) dan satu variabel tak bebas/ response (Y).
Tujuan dari analisis regresi linier berganda adalah untuk memprediksi nilai variabel tak bebas/
response (Y) jika nilai variabel-variabel bebas/ predictor (X1, X2, ..., Xn) diketahui. Disamping
itu juga untuk mengetahui arah hubungan antara variabel tak bebas dengan variabel-variabel
bebas.