KOEFISIEN KOLERASI (LEAST

SQUARE) IPproduksi 
 PQ t t
 100%
KURTOSIS (berkelompok)  PQ t o
n  XY   X .  Y
r 1
 f ( X   )4 IL  IP
(n  X  ( X ) )( n  Y  ( Y ) )
2 2 2 2 4  N ID 

4
2
KOEFISIEN KOLERASI INDEKS HARGA RELATIF
SEDERHANA
IF  IL.IP
DETERMINASI

aY  bXY  n Y

2
I t ,0 
Pt
 100% IW 
p t Qo Qt
 100%
r2  
Po P o Qo Qt
Y  n Y
2 2

KOEFISIEN KOLERASI I t ,0 
qt
 100% IME 
 P (Q t o  Qt )
 100%
qo  P (Q o o  Qt )
r  r2 INDEKS HARGA KUANTITAS TREND LINEAR
SEDERHANA
KOEFISIEN DETERMINASI
Kt
KP  R 2  ( KK ) 2 X 100% IK   100%
Ko Y
(n)(  XY )  ( X )(  Y ) a
KP 
 
(n)(  X 2 )  ( X ) 2 (n)(  Y 2 )  ( Y ) 2  INDEKS AGREGATIF TIDAK
n
TERIMBANG  XY
REGRESI LINEAR b
X2

I t ,0 
P t
 100% Ganjil, X = …, -3, -2, -1, 0, 1, 2, 3
X .Y  n X .Y
b P o
Genap, X = …, -5, -3, -1, 1, 3, 5
X 2  n. X 2

a Y bX


I t ,0 
q t
 100%
SKEWNESS
q o 
KURTOSIS (tdk berkelompok) X  Mo
INDEKS AGREGATIF Sk 
1
( X   ) 4 TERIMBANG s
4  N 4
 I t ,0 
 PQ t o
 100%

3( X  M d )
P Q Sk 
σ4 = alpha empat o o
s
N = banyaknya data
ILh arg a 
 PQ t o
 100%
MOMENT
observasi
P Q o o 
X = nilai data observasi ( X  X ) 3
M3 
μ = nilai rata-rata data IL produksi 
P Q o t
 100%
n
observasi P Q o o 
( X  X ) 2
M2 
σ = deviasi standar data
observasi IPh arg a 
 PQ t t
 100%
n

P Q
2
M
o t 1  33
M2