TUGAS STATIKA TEKNIK

PENGARUH ANTARA JARAK DAN JUGA BIAYA OPERASIONAL

BIS ANTAR LINTAS PROVINSI DENGAN UJI ANNOVA

Di susun oleh :
1. Muhammad ersa purnama P.S (197023128)
2. Dedi rahmad sultani (207023184)
3. Rico ramatullah (207023185)
4. Aldi pratama (207023187)

PROGRAM STUDI TEKNIK MESIN

FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS BALIKPAPAN
2022
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Statistik sudah dikenal sangat luas dan dapat diaplikasikan dalam beberapa
bidang ilmu pengetahuan. Statsitik merupakan suatu sajian data, terutama kualitatif
dan dapat lebih sederhana bentukannya sehingga mudah untuk dipahami.
Dalam statistik, analisis varians (ANOVA) adalah kumpulan model
statistik, dan prosedur yang terkait, di mana diamati varian dalam suatu variabel
tertentu dipartisi ke dalam komponen yang timbul dari berbagai sumber
variasi. Dalam bentuknya yang paling sederhana ANOVA memberikan uji statistik
apakah atau tidak berarti dari beberapa kelompok semua sama, dan karenanya
generalizes t-test untuk lebih dari dua kelompok. ANOVA sangat membantu
karena mereka memiliki keuntungan lebih dari uji t dua-sample. Melakukan dua-
sample t-tes beberapa akan mengakibatkan peningkatan kesempatan melakukan
sebuah tipe I kesalahan . Untuk alasan ini, ANOVA berguna dalam
membandingkan dua, tiga atau lebih data.
Sering kali dalam melakukan suatu penelitian kita menghadapi banyak rata-
rata (lebih dari dua rata-rata). Apabila kita mengambil langkah pengujian perbedaan
rata-rata tersebut satu persatu (dengan t test) akan maka akan memakan banyak
waktu dan tenaga. Di samping itu, kita akan menghadapi risiko salah yang besar.
Untuk itu, telah ditemukan cara analisis yang mengandung kesalahan lebih kecil da
dapat menghemat waktu serta tenaga yaitu dengan ANOVA (Analisys of
variances). Secara umum, analisis varians menguji dua varians (atau ragam)
berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah
varians antar contoh (among samples) dan varians kedua adalah varians di dalam
masing-masing contoh (within samples). Dengan ide semacam ini, analisis varians
dengan dua contoh akan memberikan hasil yang sama dengan uji-t untuk dua rata-
rata (mean). Analisis of variance atau ANOVA merupakan salah satu teknik
analisis multivariate yang berfungsi untuk membedakan rerata lebih dari dua
kelompok data dengan cara membandingkan variansinya. Analisis varian termasuk
dalam kategori statistik parametrik. Sebagai alat statistika parametrik, maka untuk
dapat menggunakan rumus ANOVA harus terlebih dahulu perlu dilakukan uji
asumsi meliputi normalitas, heterokedastisitas, dan random sampling. Analisis
varian dapat dilakukan untuk menganalisis data yang berasal dari berbagai macam
jenis dan desain penelitian. Analisis varian banyak membantu kita utamanya dalam
penelitian-penelitian yang banyak melibatkan pengujian komparatif yaitu menguji
variabel terikat dengan cara membandingkannya pada kelompok-kelompok sampel
independen yang diamati. Selain itu analisis varian saat ini banyak juga banyak
dimanfaatkan dalam penelitian survey dan penelitian eksperimen.
Selain itu, terdapat juga model regresi linier. Model ini berguna untuk mengetahui
hubungan antara kedua variabel. Model regresi linear merupakan model yang
paling umum untukmenggambarkan hubungan antara dua variabel yaitu variabel
dependen denganvariabel independen. Aplikasinya sangat banyak ditemui dalam
berbagai bidang.Dalam bidang sosial ekonomi, maupun bidang-bidang lainyya,
seringkita ingin mengetahui bagaimana hubungan pengaruh dari variabel yang
satuterhadap variabel lainnya. Misalnya, bagaimana pengaruh pendapatan
terhadapkonsumsi suatu barang, juga dapat dikembangkan lagi misalnya
bagaimana pengaruh pendapatan dan harga terhadap konsumsi,
bagaimana pengaruh hargaterhadap hasil penjualan, dan sebagainya.

1.2 Rumusan Masalah

1. Apa yang dimaksud dengan Uji Anova?
2. Bagaimana hasil analisis uji Anova dan uji regeresi linier?
3. Bagaimana pengaruh besarnya jarak terhadap biaya dengan tingkat
keyakinan 98%?

1.3 Tujuan
1. Mengetahui uji Anova
2. Mengetahui hasil analisis dengan menggunakan uji Anova dan uji regresi
linier
3. Mengetahui pengaruh besarnya jarak terhadap biaya dengan tingkat
keykainan 98%
 BAB II
TINJAUAN PUSTAKA
2.1 Pengertian Uji Analisis Anova
Sering kali kita menghadapi banyak rata-rata (lebih dari dua rata-rata).
apabila kita mengambil langkah pengujian perbedaan rata-rata tersebut satu persatu
(dengan t test) akan memakan waktu, tenaga yang banyak. di samping itu, kita akan
menghadapi risiko salah yang besar. untuk itu, telah ditemikan cara analisis yang
mengandung kesalahan lebih kecil dan dapat menghemat waktu serta tenaga yaitu
dengan ANOVA (Analisys of variances).
Uji Anova adalah bentuk khusus dari analisis statistik yang banyak
digunakan dalam penelitian eksperimen. metode analisis ini dikembangkan oleh
R.A Fisher. Uji Anova juga adalah bentuk uji hipotesis statistik dimana kita
mengambil kesimpulan berdasarkan data atau kelompok statistik inferentif.
Hipotesis nol dari uji Anova adalah bahwa data adalah simple random dari populasi
yang sama sehingga memiliki ekspektasi mean dan varians yang sama. Sebagai
contoh penelitian perbedaan perlakuan terhadap sampel pasien yang sama.
Hipotesis nol nya adalah semua perlakuan akan memiliki efek yang sama
(Marpaung, et al : 2017).
Seperti halnya Uji T, dalam uji Anova pun Anda harus menghitung statistik
uji (dalam hal ini adalah F- rasio) untuk menguji pernyataan bahwa apakah
kelompok yang dibandingkan memiliki kesamaan atau tidak. Bahasa statistik
hipotesis uji Anova dapat dituliskan sebagai berikut: H0 : M1 = M2 = M3 = 0 ,
biasanya dengan harapan bahwa Anda akan dapat menolak H0 untuk memberikan
bukti bahwa hipotesis alternatif (H1 : Tidak H0) . Untuk menguji H0, Anda
mengambil sampel secara acak kelompok peserta/sampel/responden dan
menetapkan ukuran-ukuran (variabel dependen). Kemudian melihat apakah
ukuran-ukuran tersebut berbeda berarti untuk berbagai kondisi. Jika berbeda maka
Anda akan dituntun untuk menolak H0. Seperti pada uji statistik yang lain, kita
menolak H0 ketika mendapati statistik uji yang diukur melalui F-statistik yang
melebihi F tabel dengan tingkat kepercayaan tertentu. Cara lain dapat dilakukan
dengnan melihat p-value (nilai probabilitas) yang mana lebih rendah dari 5%,
misalnya kita menggunakan tingkat kepercayaan 95%.
 Ghozali (2006) menjelaskan beberapa asumsi yang harus dipenuhi untuk
dapat menggunakan uji statistik ANOVA di dalam bukunya yang berjudul
“Aplikasi Analisis Multivariate dengan Program SPSS (Stastistical Packages for
the Social Sciences) Cetakan IV”, yaitu:
a. Homogeneity of Variance
Variabel dependen harus memiliki varian yang sama dalam setiap kategori
variabel independen. Jika terdapat lebih dari satu variabel independen, maka
harus homogeneity of variance di dalam cell yang dibentuk oleh variabel
independen kategorikal. SPSS memberikan test ini dengan nama Levene’s
test of homogeneity of variance. Jika nilai Levene test signifikan
(probabilitas < 0,05) maka hipotesis nol akan ditolak bahwa grup memiliki
variance yang berbeda dan hal ini menyalahi asumsi. Jadi, yang dikehendaki
adalah tidak dapat menolak hipotesis nol atau hasil Levene test tidak
signifikan (probabilitas > 0,05). Walaupun asumsi variance sama ini
dilanggar, Box (dalam Ghozali, 2006) menyatakan bahwa ANOVA masih
tetap dapat digunakan oleh karena ANOVA robust (tahan) untuk
penyimpangan yang kecil dan moderat dari homogeneity of variance.
Perhitungan kasarnya rasio terbesar ke terkecil dari grup variance harus tiga
atau kurang dari tiga (< 3)
b. Random Sampling
Untuk tujuan uji signifikansi, maka subjek di dalam setiap grup harus
diambil secara random.
c. Multivariate Normality
Untuk uji signifikansi, maka variabel harus mengikuti distribusi normal
multivariate. Variabel dependen terdistribusi secara normal dalam setiap
kategori variabel independen. ANOVA masih tetap robust walaupun
terdapat penyimpangan asumsi multivariate normality. SPSS memberikan
uji Boxplot Test of The Normality Assumption. Ghozali (2006) juga
menjelaskan bahwa analysis of variance yang digunakan untuk
membandingkan nilai rata-rata tiga atau lebih sampel yang tidak
berhubungan pada dasarnya adalah menggunakan F Test, yaitu estimate
 between groups variance (atau mean-squares) dibandingkan dengan
estimate within groups variance.
Anova satu arah dapat pula digunakan untuk menganalisis variable
terikat berskala ordinal yaitu dengan kruskal-walles. Kruskal-walles
menggunakan asumsi bahwa masing-masing sampel diambil dari populasi
yang sama dan distribusinya ditaksir melalui distribusi chisquare dengan
dk= k – 1. Anova dapat pula diterapkan untuk sampel yang sama dengan
pengukuran ulang.(Agus irianto,2004:246).
Asumsi dalam anova :
1. Sampel diambil dari distribusi normal, sehingga sampel juga
berdistribusi normal. Kenornalam ini dapat diatas dengan memperbesar
jumlah sampel.
2. Masing-masing kelompok mempunyai variable yang sama.
3. Sampel diambil secara acak.
Anova pengembangan atau penjabaran lebih lanjut dari uji-t ( 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 )
.Uji-t atau uji-z hanya dapat melihat perbandingan dua kelompok data saja.
Sedangkan anova satu jalur lebih dari dua kelompok data. Contoh: Perbedaan
prestasi belajar statistika antara mahasiswa tugas belajar (𝑋1), izin belajar
(𝑋2) dan umum (𝑋3).
Anova lebih dikenal dengan uji-F (Fisher Test), sedangkan arti variasi
atau varian itu asalnya dari pengertian konsep “Mean Square” atau kuadrat
rerata (KR).
Rumusnya :
𝐽𝐾
𝐾𝑅 = 𝑑𝑏

Dimana: 𝐽𝐾 = jumlah kuadrat (some of square)

𝑑𝑏 = derajat bebas (degree of freedom)

Menghitung nilai Anova atau F ( 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ) dengan rumus :

𝑉 𝐾𝑅 𝐽𝐾 : 𝑑𝑏 𝑣𝑎𝑟𝑖𝑎𝑛 𝑎𝑛𝑡𝑎𝑟 𝑔𝑟𝑜𝑢𝑝
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑉𝐴 = 𝐾𝑅𝐴 = 𝐽𝐾𝐴: 𝑑𝑏𝐴 = 𝑣𝑎𝑟𝑖𝑎𝑛 𝑎𝑛𝑡𝑎𝑟 𝑔𝑟𝑜𝑢𝑝
𝐷 𝐷 𝐷 𝐷

Varian dalam group dapat juga disebut Varian Kesalahan (Varian Galat).
 Dapat dirumuskan :
(∑𝑋𝐴𝑖 )2 (∑𝑋𝜏 )2
𝐽𝐾𝐴 = ∑ − untuk 𝑑𝑏𝐴 = 𝐴 − 1
𝑛𝐴𝑖 𝑁

(∑𝑋𝐴𝑖 )2
𝐽𝐾𝐷 = (∑𝑋𝜏 )2 − ∑ untuk 𝑑𝑏𝐷 = 𝑁 − 𝐴
𝑛𝐴𝑖

(∑𝑋𝜏 )2
Dimana: = sebagai faktor koreksi
𝑁

N = Jumlah keseluruhan sampel (jumlah kasus dalam

penelitian).
A = Jumlah keseluruhan group sampel.

2.2 Langkah-Langkah Uji Anova Satu Arah

Prosedur Uji Anova Satu Arah:
1. Sebelum anova dihitung, asumsikan bahwa data dipilih secara
random,berdistribusi normal, dan variannya homogeny
2. Buatlah hipotesis (𝐻𝑎 dan 𝐻0 ) dalam bentuk kalimat.
3. Buatlah hipotesis (𝐻𝑎 dan 𝐻0 )dalam bentuk statistik.
4. Buatlah daftar statistik induk.
5. Hitunglah jumlah kuadrat antar group (𝐽𝐾𝐴 ) dengan rumus :
(∑𝑋𝐴𝑖 )2 (∑𝑋𝜏 )2 (∑𝑋𝐴1 )2 (∑𝑋𝐴2 )2 (∑𝑋𝐴3 )2 (∑𝑋𝜏 )2
𝐽𝐾𝐴 = ∑ − =( + + )−
𝑛𝐴𝑖 𝑁 𝑛𝐴1 𝑛𝐴2 𝑛𝐴3 𝑁

6. Hitunglah derajat bebas antar group dengan rumus : 𝑑𝑏𝐴 = 𝐴 − 1

𝐽𝐾
7. Hitunglah kudrat rerata antar group (𝐾𝑅𝐴 ) dengan rumus : 𝐾𝑅𝐴 = 𝑑𝑏𝐴
𝐴

8. Hitunglah jumlah kuadrat dalam antar group (𝐽𝐾𝐷 ) dengan rumus :

(∑𝑋𝐴𝑖 )2
𝐽𝐾𝐷 = (∑𝑋𝜏 )2 − ∑ 𝑛𝐴𝑖

(∑𝑋𝐴1 )2 (∑𝑋𝐴2 )2 (∑𝑋𝐴3 )2

= ∑𝑋 2𝐴1 += ∑𝑋 2𝐴2 += ∑𝑋 2𝐴3 − ( + + )
𝑛𝐴1 𝑛𝐴2 𝑛𝐴3

9. Hitunglah derajat bebas dalam group dengan rumus : 𝑑𝑏𝐷 = 𝑁 − 𝐴

10. Hitunglah kuadrat rerata dalam antar group (𝐾𝑅𝐷 ) dengan rumus : 𝐾𝑅𝐷 =
𝐽𝐾𝐷
𝑑𝑏𝐷
𝐾𝑅
11. Carilah 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dengan rumus : 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝐾𝑅𝐴
𝐷

12. Tentukan taraf signifikansinya, misalnya α = 0,05 atau α = 0,01

13. Cari 𝐹𝑡𝑎𝑏𝑒𝑙 dengan rumus : 𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐹(1−𝛼)(𝑑𝑏𝐴,𝑑𝑏𝐷)
 14. Buat Tabel Ringkasan Anova
15. Tentukan kriteria pengujian : jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ≥𝐹𝑡𝑎𝑏𝑒𝑙 , maka tolak 𝐻0 berarti
signifikan dan konsultasikan antara 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dengan 𝐹𝑡𝑎𝑏𝑒𝑙 kemudian
bandingkan
16. Buat kesimpulan

2.3 Regresi Linier Sederhana

Para ilmuwan, seperti psikolog dan sosiolog selalu berkepentinganterhadap
persoalan peramalan. Pengertian persamaan regresi yaitu merupakan persamaan
matematika yang memungkinkan untuk meramalkan suatu variabelterikat dari
nilai-nilai atau lebih dari satu variabel bebas. Istilah ini berasal darikajian yang
dilakukan oleh Sir Francis Galton yang membandingkan tinggi badan anak laki -
laki dengan ayah yang tinggi. Setelah beberapa generasi berikutnya terdapat
kecenderungan mundur (regressed ) mendekati nilai tengah populasi.Terdapat dua
macam regresi, Pertama adalah regresi linier sederhana biasa disebut regresi linier,
Kedua adalah regresi linier ganda/jamak (multiplelinier regression) atau disebut
linier ganda. Untuk regresi linier sederhana, satuvariabel dipandang sebagai
variasinya dipengaruhi (dependent) oleh variabellainnnya. Variabel yang
mempengaruhi ini disebut sebagai variabel bebas(independent variable) dan
variabel yang dipengaruhi disebut variabel tak bebas atau variabel
terikat/tergantung (dependet variable).
Contohnya, sikap terhadap keluarga berencana, mungkin dapatdipertimbangkan
sebagai variabel bebas (Y). Di sisi lain, penyuluh keluarga berencana
dapat dipandang sebagai variabel bebas (X). Contoh yang lain dapatdilihat pada
hasil panen. Hasil panen dapat dipandang sebagai variabel terikat(Y). Sedangkan,
pemupukan dipandang sebagai variabel bebas (X).Penentuan mana variabel bebas
dan mana variabel terikat,
dalam beberapa hal tampaknya tidak mudah. Studi yang cermat, diskusi yang
seksama, berbagai pertimbangan, kewajaran masalah penelitian, dan pengalaman
peneliti membantu mempermudah penentuan variabel.

ANALISIS REGRESI SEDERHANA

Terdapat beberapa tugas berkenaan dalam analisis regresi, antara lain :
 1. Mencari korelasi antara variabel bebas dan variabel terikat
2. Menguji apakah korelasi tersebut signifikan
3. Mencari persamaan garis regresinya
Rumus dari model regresi sederhana ini yaitu :
Yi = a + bX
Dengan

Y : Variabel dependen (nilai yang diprediksikan)

a : konstanta

b : koefisien regresi (nilai peningkatan atau penurunan)

X : Variabel independen

Selanjutnya, koefisien-koefisien regresi a dan b untuk regresi linier dapat dihitung

dengan rumus sebagai berikut :

Berdasarkan rumus regresi diatas, dapat dihitung nilai koefisien a atau b terlebih
dahulu, maka selanjutnya koefisien a dapat dihitung dari koefisien b.
 BAB III
PEMBAHASAN
Uji Anova
Fungsi dari uji Anova yaitu untuk membandingkan rata-rata populasi untuk
mengetahui perbedaan yang signifikan antara dua atau lebih dari suatu kelompok
data.

Contoh Kasus
Pemerintah terkait dan pihak persatuan Armada Bis akan melakukan/merencanakan
peninjauan ulang biaya angkut armada Bis antar lintas provinsi Untuk itu tim
peninjau mencoba melihat hubungan antara jarak dari rute dan biaya operasional
yang harus ditanggung pihak armada Bis, data berikut merupakan data yang saat
ini dilayani oleh Armada Bis, sebagai berikut :

NO A B A2 B2
1 1211 1802 1466521 3247204
2 1345 2405 1809025 5784025
3 1422 2005 2022084 4020025
4 1687 2511 2845969 6305121
5 1849 2332 3418801 5438224
6 2026 2330 4104676 5428900
7 2400 3090 5760000 9548100
8 2468 3590 6091024 12888100
9 2699 3372 7284601 11370384
10 3083 3555 9504889 12638025
11 3200 4692 10240000 22014864
12 3266 4690 10666756 21996100
13 3477 4703 12089529 22118209
14 4804 6400 23078416 40960000
15 4533 6059 20548089 36711481
Jumlah 39470 53536 120930380 220468762
A+B 93006 A2+B2 341399142

2. Dari data diatas, dapat ditentukan nilai H0 dan H1 terlebih dahulu sebagai
berikut:
 H0 : tidak ada pengaruh yang signifikan antara jarak dan biaya operasional
armada bis lintas provinsi (F hitung ≤ F tabel)
H1 : ada pengaruh yang signifikan antara jarak dan biaya operasional armada
bis lintas provinsi (F hitung ≥ F tabel)

3. Menentukan nilai F hitung

• Jumlah Kuadrat Total (JKT)
(𝐴+𝐵)2
JKT = ∑A2+B2 - ∑ 𝑁
(93006)2
JKT = 341399142 - 30

JKT = 341399142 – 288337201

JKT = 53061941

• Jumlah Kuadrat Kolom (JKK)

𝐴2 𝐵2 394702 535362 (𝐴+𝐵)2
JKK = + = + -∑
𝑛 𝑛 15 15 𝑁

JKK = 103858727 + 191073553 – 288337201

JKK = 6595079

• Jumlah Kuadrat Galat (JKG)

JKG = JKT – JKK
JKG = 53061941 - 6595079
JKG = 46466862

• Kuadrat Tengah Kolom

𝐽𝐾𝐾
KTK = 𝑘−1
6595079
KTK = 2−1

KTK = 6595079
• Kuadrat Tengah Galat (KTG)
𝐽𝐾𝐺
KTG = 𝑁−𝑘
46466862
KTG = 30−2

KTG = 1659530,79
 • F hitung
𝐾𝑇𝐾
F hitung = 𝐾𝑇𝐺
6595079
F hitung = 1659530,79

F hitung = 3,97

Tabel analisis Anova

SK JK Db Kuadrat F hitung
Tengah
Kolom (K) JKK = 2-1 = 1 KTK = 3,97
6595079 6595079
Galat (G) JKG = 30 – 2 = 28 KTG =
46466862 1659530,79
Total (T) JKT = 30 -1 = 29
53061941

F tabel dengan α 0,05, dengan db 1 = 1 dan db 2 = 28 adalah sebesar 4,20

Karena nilai F hitung ada di daerah penerimaan (F hitung ≤ F tabel), maka H0
diterima dan H1 ditolak.

3. Model Regresi
NO X Y XY X2
1 1211 1802 2182222 1466521
2 1345 2405 3234725 1809025
3 1422 2005 2851110 2022084
4 1687 2511 4236057 2845969
5 1849 2332 4311868 3418801
6 2026 2330 4720580 4104676
7 2400 3090 7416000 5760000
8 2468 3590 8860120 6091024
9 2699 3372 9101028 7284601
10 3083 3555 10960065 9504889
11 3200 4692 15014400 10240000
 12 3266 4690 15317540 10666756
13 3477 4703 16352331 12089529
14 4804 6400 30745600 23078416
15 4533 6059 27465447 20548089
Jumlah 39470 53536 162769093 120930380

∑X = 39470
∑Y = 53536
∑XY = 162769093
∑X2 = 120930380
Model Regresi :
Yi = a + bX

(∑𝑋)2
SXX = ∑X2 - 𝑁
(39470)2
SXX = 120930380 - 15
SXX = 120930380 – 103858727
SXX = 17071653

(∑𝑋)(∑𝑌)
SXY = ∑XY - 𝑁
(39470)(53536)
SXY = 162769093 - 15
SXY = 162769093 – 140871061
SXY = 21898032
𝑆𝑋𝑌
b = 𝑆𝑋𝑋
21898032
b = 17071653 = 1,28

1
a = 𝑛 (∑Y – bi ∑X)
1
a = 15 (53536 – 1,28 x 39470)
a = 200,96

sehingga model regresinya menjadi:

Yi = 200,96 + 1,28Xi

Pada model regresi ini, diketahui antara jarak dan biaya bis saling berpengaruh. Hal
tersebut dapat dilihat pada nilai persamaan regresinya, dengan nilai b bernilai
positif.

4. Diagram Scarter/diagram pencar

 Y
7000

6000

5000

4000

3000

2000

1000

0
0 1000 2000 3000 4000 5000 6000

5. SK 100(1 – α)% untuk a dan b adalah

𝑏−𝑡0,01 𝑆 𝑏+𝑡0,01 𝑆
<β < 𝐽𝑋𝑋
√ 𝐽𝑋𝑋 √

𝑆𝑆𝐸
S2 = 𝑛−2
SSE = JYY – b JXY
(∑𝑌)2
JYY = ∑Y2 - 𝑁
(53536)2
JYY = 220468762 - 15
JYY = 29395209

(∑𝑋)(∑𝑌)
JXY = ∑XY - 15
(39470)(53536)
JXY= 162769093 - 15
JXY = 21898032

(∑𝑋)2
JXX = ∑X2 - 𝑛
(39470)2
JXX = 120930380 - 15
JXX = 17071653

SSE = JYY – b JXY

SSE = 29395209 – 1,28 x 21898032
SSE = 1365728
𝑆𝑆𝐸 1365728
S2 = 𝑛−2 = = 105056
15−2
S = √105056 = 324,12

Selang Kepercayaan
𝑏−𝑡0,01 𝑆 𝑏+𝑡0,01 𝑆
<β <
√𝐽𝑋𝑋 √𝐽𝑋𝑋
1,28−3,012 𝑥 324,12 1,28+3,012 𝑥 324,12
<β <
√17071653 √17071653
-0,236 < β < 0,236

Kesimpulan dari data tersebut yaitu, terdapat pengaruh antara jarak terhadap biaya
dan saling kontinue karena nilai b zang didapatkan positif. Jika nilai b positif maka
smakin bertambahnya nilai x, maka nilai y juga akan mengikuti