UJIAN AKHIR SEMESTER

STATISTIKA

Dosen :

Dr. Efri Sandi, M.T.

Disusun Oleh :

Williams Rojky Zuerin (1513621047) – Kelas C

Program Studi Pendidikan Vokasional Teknik Elektronika

Fakultas Teknik

Universitas Negeri Jakarta

2023
Seorang periset ingin mengetahui hubungan antara harga Harnphone dengan jumlah produk
yang terjual. Di bawah ini merupakan data hasil riset mengenai harga handphone per unit dan
jumlah produk yang terjual yang terjual dari sebuah pabrikan elektronik dalam lima (5) tahun
terakhir.
Kita perlu menggunakan metode kuadrat terkecil untuk menemukan persamaan regresi.
Persamaan regresi akan menghubungkan harga handphone dengan jumlah produk yang
terjual.

Mari kita mulai dengan menyusun tabel dengan data yang diberikan:
Tahun Harga (Juta Rupiah) Jumlah Terjual (Unit)
2017 4 60
2018 5 50
2019 6 45
2020 7 30
2021 8 25

a. Untuk menyusun persamaan regresi dengan metode kuadrat terkecil, kita perlu
menggunakan rumus:

𝑏 = (∑[𝑥. 𝑦] − 𝑛. 𝑥̅ [𝑥] × 𝑥̅ [𝑦])(∑[𝑥 2 ] − 𝑛. 𝑥̅ [𝑥]2 )

𝑎 = 𝑥̅ (𝑦) − 𝑏. 𝑥̅ (𝑥)

Di mana:
- b adalah koefisien regresi (slope)
- a adalah konstanta (intercept)
- Σ adalah simbol sigma untuk menjumlahkan semua elemen
- n adalah jumlah data

Mari kita hitung nilai-nilai yang diperlukan:

Σ(x) = 4 + 5 + 6 + 7 + 8 = 30
Σ(y) = 60 + 50 + 45 + 30 + 25 = 210
Σ(x . y) = (4 . 60) + (5 . 50) + (6 . 45) + (7 . 30) + (8 . 25)
= 120 + 250 + 270 + 210 + 200 = 1050
Σ(x2) = (42) + (52) + (62) + (72) + (82) = 16 + 25 + 36 + 49 + 64 = 190
n=5
Σ(x) 30
𝑥̅ (𝑥) = = =6
𝑛 5
Σ(y) 210
𝑥̅ (y) = = = 42
𝑛 5

Sekarang, kita dapat menghitung nilai b dan a:

(∑[𝑥.𝑦]−𝑛.𝑥̅ [𝑥].𝑥̅ [𝑦])
b= (∑[𝑥 2 ]−𝑛.𝑥̅ [𝑥]2 )

(1050−5.6.42)
= (190−5.62 )

(1050−1260)
= (190−180)

−210
= 10

= -21

a = 𝑥̅ (y) – b. 𝑥̅ (x)
= 42 - (-21).6
= 42 + 126
= 168

Jadi, persamaan regresi adalah:

jumlah_terjual = -21.harga + 168

b. Interpretasi koefisien regresi:

- Koefisien regresi (slope) adalah -21. Ini menunjukkan bahwa setiap kenaikan harga sebesar
1 juta Rupiah akan mengurangi jumlah produk yang terjual sebanyak 21 unit.

c. Untuk menghitung koefisien korelasi (r) dan koefisien determinan (r2), kita perlu
menggunakan rumus-rumus berikut:
∑([𝑥−𝑥̅ {𝑥}].[𝑦−𝑥̅ {𝑦}])
r=
√∑(𝑥−𝑥̅ [𝑥])2 .∑(𝑦−𝑥̅ [𝑦])2

r2 = r.r

Mari kita hitung nilai-nilai yang diperlukan:

Σ((x - 𝑥̅ (x)) . (y - 𝑥̅ (y))) = ((4 - 6) . (60 - 42)) + ((5 - 6) . (50 - 42)) + ((6 - 6) . (45 - 42)) + ((7
- 6) . (30 - 42)) + ((8 - 6) . (25 - 42))
= (-2 . 18) + (-1 . 8) + (0 . 3) + (1 . -12) + (2 . -17)
= -36 - 8 + 0 - 12 - 34
= -90
Σ(x - 𝑥̅ (x)2) = ((4 - 6) 2) + ((5 - 6) 2) + ((6 - 6) 2) + ((7 - 6) 2) + ((8 - 6) 2)
=2+1+0+1+4
=8
Σ(y - 𝑥̅ (y)) 2 = ((60 - 42) 2) + ((50 - 42) 2) + ((45 - 42) 2) + ((30 - 42) 2) + ((25 - 42) 2)
= 324 + 64 + 9 + 144 + 289
= 830

Sekarang, kita dapat menghitung nilai r dan r2:

∑((x − 𝑥̅ (x)).(y − 𝑥̅ (y)))
r=
2 2
√(Σ(x − 𝑥̅ (x)) ∗ Σ(y − 𝑥̅ (y)) )

−90
=
√(8 ∗.830)

= -0.477

r2 = r . r
= (-0.477) . (-0.477)
= 0.228

Koefisien korelasi (r) adalah sekitar -0.477, yang menunjukkan hubungan negatif antara
harga handphone dan jumlah produk yang terjual. Ini berarti semakin tinggi harga, semakin
rendah jumlah produk yang terjual.

Koefisien determinan (r2) adalah sekitar 0.228. Ini berarti sekitar 22.8% variabilitas jumlah
produk yang terjual dapat dijelaskan oleh variabilitas harga handphone. Sisanya, sekitar
77.2% variabilitas tidak dapat dijelaskan oleh model regresi ini.

d. Untuk menaksir jumlah produk yang terjual dengan harga per unit handphone sebesar Rp
6,4 juta, kita cukup substitusikan nilai harga ke dalam persamaan regresi:
jumlah_terjual = -21 . harga + 168
= -21 . 6.4 + 168
= -134.4 + 168
= 33.6

Jadi, taksiran jumlah produk yang terjual dengan harga per unit handphone Rp 6,4 juta adalah
sekitar 33.6 unit.

e. Untuk menghitung kesalahan baku dari dugaan, kita perlu menggunakan rumus berikut:

Σ(y − ŷ)2
kesalahan_baku = √ (n − 2)

Di mana:
- ŷ adalah nilai yang diprediksi oleh persamaan regresi

Mari kita hitung nilai-nilai yang diperlukan:

ŷ = -21 . harga + 168 (menggunakan harga sebesar 6.4 juta)

= -21 . 6.4 + 168
= -134.4 + 168
= 33.6

Σ(y - ŷ)2 = ((60 - 33.6) 2) + ((50 - 33.6) 2) + ((45 - 33.6) 2) + ((30 - 33.6) 2) + ((25 - 33.6) 2)
= (26.42) + (16.42) + (11.42) + (3.62) + (8.62)
= 694.56 + 268.96 + 129.96 + 12.96 + 73.96
= 1179.
n=5
Sekarang, kita dapat menghitung kesalahan baku dari dugaan:
 Σ(y − ŷ)2
kesalahan_baku = √ (n − 2)

1179.4
=√ 3

≈ √393.1333
≈ 19.83

Kesalahan baku dari dugaan adalah sekitar 19.83 unit.

Interpretasi: Kesalahan baku dari dugaan merupakan ukuran sejauh mana dugaan kita dapat
diverifikasi oleh data aktual. Dalam kasus ini, kesalahan baku adalah sekitar 19.83 unit, yang
berarti dugaan kita dapat memiliki selisih sekitar 19.83 unit dari data aktual jumlah produk
yang terjual.