Nama Anggota:

• Agil Bagus Putra Perkasa (2502121906)

• Depi Nugraha Sofyan (2502125273)

• Dwi Rahayu (2502122732)

• Galang Sukma Wahid (2502125053)

• I Wayan Joni (2502122833)

Mata Kuliah : Statistika Jurusan : S1 Teknik Industri

Tugas Kelompok ke-4

Minggu 9
1. Berdasarkan data sampel (x,y) berikut:
x 2 6 9 13 20
y 7 18 9 26 23

a. Buatlah model persamaan regresinya

b. Hitung perkiraan nilai Y untuk X = 27
c. Hitung koefisien determinasi (R2). Apa interpretasi koefisien determinasi ini?
d. Berapa koefisien korelasi (r)? Apa maknanya ?
Jawab :
a. Persamaan Regresi
n y x xy x2 y2
1 7 2 14 4 49
2 18 6 108 36 324
3 9 9 81 81 81
4 26 13 338 169 676
5 23 20 460 400 529
83 50 991 690 1659
y = a + bx + ε
Dimana
𝑛(∑ 𝑥𝑦) − (∑ 𝑥)(∑ 𝑦)
𝑏=
𝑛(∑ 𝑥 2 ) − (∑ 𝑥)2
5(991) − (50) − (83)
=
5(690) − (50)2

STAT6174 – Probability Theory and Applied Statistics

 4955 − 4150
=
3450 − 2500
805
= = 0,847
950
∑ 𝑦 − 𝑏(∑ 𝑥)
𝑎=
𝑛
83 − 0,847(50)
=
5
83 − 42,35 40,65
= = = 8,13
5 5
Maka, y = 8,13 + 0,847x + e

b. Perkiraan nilai Y untuk X = 27

𝑦 = 8,13 + 0,847(27) = 8,13 + 22,869 = 30,999

c. Koefisien Determinasi
(𝑛)(∑ 𝑥𝑦) − (∑ 𝑥)(∑ 𝑦)2
𝑅2 =
(𝑛(∑ 𝑥 2 ) − (∑ 𝑥)2 ) (𝑛(∑ 𝑦 2 ) − (∑ 𝑦)2 )
(5(991) − (50)(83))2
𝑅2 =
(5(690) − (50)2 (5(1659) − (83)2 )
(4955 − 4150)2
=
(3450 − 2500)(8259 − 6889)
(805)2 648025
= = = 0,485
(950)(1406) 133570
Interferensi :
R2 = 0,485 artinya pengaruh X terhadap naik turunnya Y adalah sebesar 48,50% sisanya
51,5% disebabkan oleh faktor lain yang tidak dimasukkan ke dalam model.

STAT6174 – Probability Theory and Applied Statistics

 d. Koefisien Korelasi
𝑛 ∑ 𝑥𝑦 − ∑ 𝑥. ∑ 𝑦
𝑟=
√𝑛 ∑ 𝑥2 − (∑ 𝑥)2 − √𝑛 ∑ 𝑦 2 − (∑ 𝑦)2

5(991) − (50)(83)
=
√5(690) − (50)2 − √5(1659) − (83)2
4953 − 4150
=
√3450 − 2500 − √8259 − 6889
805
=
√950 − √1406
805
=
30,822 − 37,496
805
= = −120,617
−6,674

2. Ada anggapan bahwa IPK dan penghasilan bulanan karyawan berkorelasi. Data berikut
adalah hasil survey terhadap enam karyawan PT “JM”, (gaji dalam ratusan ribu rupiah)

IPK 2,6 3,4 3,6 3,1 3,5 2,8

Gaji 43 46 40 45 48 34

a. Buatlah persamaan regresi linier gaji atas IPK; hitung perkiraan gaji bila IPK = 3,8.
b. Apakah korelasinya positif? (Hitung koefisien korelasinya)
Jawab:
a. Persamaan Regresi
IPK (x) Gaji (y) (𝑥 − 𝑥̅ ) (𝑦 − 𝑦̅) (𝑥 − 𝑥̅ )(𝑦 − 𝑦̅) (𝑥 − 𝑥̅ )2 (𝑦 − 𝑦̅)2
2,6 43 -0,567 0,333 -0,1888 0,3251 0,1109
3,4 46 -0,233 3,333 0,7766 0,0543 11,1089
3,6 40 -0,433 -2,667 -1,1548 0,1875 7,1129
3,1 45 -0,067 2,333 -0,1563 0,0045 5,4429
3,5 48 -0,333 5,333 1,7759 0,1109 24,4409
2,8 34 -0,367 -8,667 3,1088 0,1347 75,1169
𝑥̅ = 3,167 𝑦̅ = 42,667 ∑ = 4,1614 ∑ = 0,8134 ∑ = 123,3334

STAT6174 – Probability Theory and Applied Statistics

 ∑𝑛𝑖=1(𝑥 − 𝑥̅ )(𝑦 − 𝑦̅) 4,1614
𝛽1 = = = 5,116
∑𝑛𝑖=0(𝑥 − 𝑥̅ )2 0,8134
𝛽0 = 𝑦̅ − 𝛽1 𝑥̅ = 42,667 − 5,116(3,167) = 26,465
Hasilnya, Persamaan Regresi sebagai berikut
𝑦 = 𝛽0 + 𝛽1 𝑥
𝑦 = 26,465 + 5,116𝑥
Asumsi gaji jika IPK 3,8:
𝑦 = 26,465 + 5,116(3,8) = 45,9
Jadi, apabila IPK 3,8 maka perkiraan gaji yang didapat sebesar Rp 4.590.000,-
b. Menghitung Koefisien Relasi (r)
∑𝑛𝑖=1(𝑥 − 𝑥̅ )(𝑦 − 𝑦̅)
𝑟𝑥𝑦 =
√[∑𝑛𝑖=1(𝑥 − 𝑥̅ )2 ][∑𝑛𝑖=1(𝑦 − 𝑦̅)2 ]
4,1614
𝑟𝑥𝑦 = = 0,415
√(0,8134)(123,3334)
Jadi, korelasi antara gaji dan IPK positif tetapi hubungan antara keduanya kurang kuat
karena koefisien korelasi mendekati nol.

3. Dua additives diujicobakan pada mobil penumpang untuk menentukan apakah

memberikan efek pada jarak (miles) per galon. Hasil uji coba pada 6 mobil penumpang
tergambar pada data berikut ini:
Mobil Additive A Additive B
1 20,12 18,05
2 23,56 21,77
3 24,77 22,57
4 18,55 14,98
5 19,15 17,06
6 24,23 21,15

Gunakan α = 0,05 dan Uji Jumlah Peringkat Wilcoxon untuk menunjukkan apakah ada
perbedaan rata-rata jarak yang ditempuh mobil menurut kedua additives tersebut.

Jawab:

STAT6174 – Probability Theory and Applied Statistics

CARA 1
Hipotesis:
H0 : θ1 = θ2 (tidak ada perbedaan nilai rata-rata jarak additive A dengan additive B)
H1 : θ1 ≠ θ2 (ada perbedaan nilai rata-rata jarak additive A dengan additive B)

Additive Data Urutan Rank

B 14.98 1 1
B 17.06 2 2
B 18.05 3 3
A 18.55 4 4
A 19.15 5 5
A 20.12 6 6
B 21.15 7 7
B 21.77 8 8
B 22.57 9 9
A 23.56 10 10
A 24.23 11 11
A 24.77 12 12

S1 = 4+5+6+10+11+12 = 48
n1 = 6
6(6+1)
U1 = 48 - = 27
2

S2 = 1+2+3+7+8+9 = 30
n2 = 6
6(6+1)
U2 = 30 - =9
2

U = min(27,9) = 9
Daerah penolakan : Tolak H0 jika U ≤ Uα,n1,n2
Tolak H0 jika U ≤ U5%,6,6
U5%,6,6 = 5
Keputusan: Gagal tolak H0, karena nilai U sebesar 9 > 5.
Kesimpulan: tidak ada perbedaan nilai rata-rata jarak additive A dengan additive B.

STAT6174 – Probability Theory and Applied Statistics

CARA 2
Hipotesis
Rata - rata selisih 2.435
Mobil Additive A Additive B Selisih Rank Tanda
1 20.12 18.05 2.07 2 -
2 23.56 21.77 1.79 1 -
3 24.77 22.57 2.2 4 -
4 18.55 14.98 3.57 6 +
5 19.15 17.06 2.09 3 -
6 24.23 21.15 3.08 5 +

W(+) = 6+5 = 11
W(-) = 2+1+4+3 = 10
W = min(10,11)

Daerah penolakan: Tolak H0 jika W ≤ Wα,n

Tolak H0 jika W ≤ W 0.05,6
W 0.05,6 = 0
Keputusan : gagal tolak H0, karena statistic uji 10 > 0
Kesimpulan : median dari data tersebut sebesar 1,8

STAT6174 – Probability Theory and Applied Statistics