FAKULTAS PERTANIAN

UNIVERSITAS JAMBI
TUGAS SEMESTER GANJIL 2022/2023

Nama : Dimas Saskara

NIM : D1B021197
Kelas : E AGRIBISNIS
Mata Kuliah : STATISTIKA
Dosen Pengampu : Ir. Arsyad Lubis,M.Si.

Petunjuk - Bacalah soal dengan hati-hati sebelum menjawabnya

- Kerjakan yang mudah lebih dahulu

1. Berikut ini disajikan hasil pengukuran terhadap variable X dan variable Y

Variabel No Responden

1 2 3 4 5 6 7 8 9 10 11 12 13 14

X 3 14 12 2 13 1 8 10 4 7 5 11 6 9

Y 4 12 13 1 14 2 6 11 3 8 7 10 5 9

Jawab :

NO X Y XY X2 Y2
1 3 4 12 9 16
2 14 12 168 196 144
3 12 13 156 144 169
4 2 1 2 4 1
5 13 14 182 169 196
6 1 2 2 1 4
7 8 6 48 64 36
8 10 11 110 100 121
9 4 3 12 16 9
10 7 8 56 49 64
11 5 7 35 25 49
12 11 10 110 121 100
13 6 5 30 36 25
14 9 9 81 81 81
Σ 105 105 1004 1015 1015
X 7,5
Y 7,5
 Maka :
( ΣX ) . ( ΣY )
( ΣXY )−
n
β=
( Σ X ) −¿ ¿ ¿
2

(105) .(105)
(1004)−
14
¿
(1015)−¿ ¿ ¿

α =Y −β X =7,5−0,952 ( 7,5 )

¿ 7,5−7,14=0,36

Y = α + βX

= 0,36+ 0,952X
Jadi, setiap ada pertambahan Variabel x sebesar 1% maka akan terjadi penambahan
variabel Y sebesar 0,952

2. Hasil pengumpulan data penerimaan usahatani (Y) dengan biaya usahatani padi sawah
(X) adalah sebagai berikut.
Diketahui:

(åX) = 150 2 (åY)=31 2 (åXY) = 970

(åX )=4750 (åY )=199

Ditanya: Hitung koefisien a dan b dari model Y = a + bX

(ΣY ) 31
Jawab: Y = = =1,55
n 20
( ΣX ) 150
X= = =7,5
n 20

( ΣX ) . ( ΣY )
( ΣXY )−
n
β=
( Σ X ) −¿ ¿ ¿
2

(150).(31)
(970)−
20
¿
(4750)−¿ ¿ ¿

α =Y −β X =1,55−0,203448 ( 7,5 )

¿ 1,55−1,52586=0,02414

Maka : Y = α + βX

= 0,02414 + 0,203448X
 Jadi, setiap ada pertambahan Variabel x sebesar 1% maka akan terjadi penambahan
variabel Y sebesar 0,203448.

Komputer Out-Put dengan SPSS adalah sbb;

Model Summaryb

Std. Error
Adjusted of the
Model R R Square R Square Estimate
1 .970a .941 .922 .3651
a. Predictors: (Constant), USIA
b. Dependent Variable: LAMA_RWT

Jawab : Tabel diatas menjelaskan besarnya nilai hubungan (R) yaitu sebesar 0,970 dan
besarnya presantase pengaruh variable bebas terhadap variabel terikat yang disebut koefisien
determinasi yang merupakan hasil dari penguadratan R. Dari output tersebut diperoleh
koefisien determinasi (R Square) sebesar 0,941 yang mengandung pengertian bahwa pengaruh
variabel bebas (Usia) terhadap variabel terikat (lama perawatan) adalah sebesar 94,1%
sedangkan sisanya yakni 5,9% dipengaruhi oleh faktor-faktor lain diluar variabel X.

ANOVAb

Sum of Mean
Model Squares df Square F Sig.
1 Regression 6.400 1 6.400 48.000 .006a
Residual .400 3 .133
Total 6.800 4
a. Predictors: (Constant), USIA
b. Dependent Variable: LAMA_RWT

Jawab : Pada bagian ini untuk menjelaskan apakah ada pengaruh yang nyata (signifikan)
variabel Usia (X) terhadap variabel Lama Rawat (Y). Dari output tersebut terlihat bahwa F
hitung = 48.000 dengan tingkat signifikansi/Probabilitas 0,006 < 0,05 maka model regresi
dapat dipakai untuk memprediksi variabel Lama Rawat atau dengan kata lain ada pengaruh
variabel Usia (X) terhadap variabel Lama Rawat (Y).

Coefficientsa

Standardi
zed
Unstandardized Coefficien 95% Confidence
Coefficients ts Interval for B
Lower Upper
Model B Std. Error Beta t Sig. Bound Bound
1 (Constant) 1.400 .712 1.967 .144 -.865 3.665
USIA .160 .023 .970 6.928 .006 .087 .233
a. Dependent Variable: LAMA_RWT

Jawab : Pada table Coefficients, pada kolom B pada Constant (a) adalah 1.400. Sedang nilai
Usia (b) adalah 0,160. Sehingga persamaan/model regresinya dapat ditulis :
 Y = a + Bx
= 1.400 + 0,160X
Adapun membaca persamaan regresi diatas :
 Nilai kostanta positif sebesar 1.400 menunjukan pengaruh positif variabel independen
(Usia). Bila variabel independen naik atau berpengaruh dalam satuan, maka variabel
hasil belajar akan naik atau dipenuhi.
 Koefisien regresi X sebesar 0,160 menyatakan bahwa jika Usia (X) mengalami
kenaikan satu satuan, maka Lama Perawatan (Y) akan mengalami peningkatan sebesar
0,160 atau 16%.