Latihan soal dan studi Kasus

Contoh soal 1
1. Ingin diketahui seberapa kuat hubungan antara besarnya pendapatan seseorang dengan
pengeluaran (konsumsi) per bulan. Data dari 6 orang yang diwawancarai diperoleh data
sebagai berikut:
X (pendapatan) : 800 900 700 600 700 800 (ribuan)
Y (konsumsi) : 300 300 200 100 200 200 (ribuan)
Untuk menghitung koefisien korelasi maka disusun tabel bantu sebagai berikut:
Tabel . Tabel Bantu Analisis Korelasi Product Moment
n X Y X2 Y2 XY
1 800 300 640.000 90.000 240.000
2 900 300 810.000 90.000 270.000
3 700 200 490.000 40.000 140.000
4 600 100 360.000 10.000 60.000
5 700 200 490.000 40.000 140.000
6 800 200 640.000 40.000 160.000
 4.500 1.300 3.430.000 310.000 1.010.000

Berdasarkan tabel bantu tersebut diperoleh nilai-nilai:

X = 4.500
Y = 1.300
X2 = 3.430.000
Y2 = 310.000
XY = 1.010.000
n=6
Untuk menghitung koefisien korelasi, maka nilai-nilai tersebut dimasukkan dalam rumus
koefisien korelasi sebagai berikut.
6 (1 .010 . 000 )−( 4 . 500)(1 .300 )
r = √6 .(3 . 430 . 000)−(4 . 500 )2 √6 .(310 . 000)−(1 .300 )2
 6 . 060. 000−5 .850 . 000
= √20 . 580 .000−20 . 250. 000 √ 1. 860 . 000−1 . 690. 000
210 . 000
= √330 . 000 √ 170. 000
210 . 000
= 574 , 4563 x 412,3106
210.000
= 236.854,4
= 0,886621
Jadi diperoleh nilai koefisien korelasi ( r ) sebesar 0,886621 karena nilainya positif dan
mendekati 1 berarti hubungan konsumsi dan pendapatan kuat dan searah (positif), artinya
peningkatan pendapatan seseorang akan diikuti dengan peningkatan pengeluaran (konsumsi).

Uji Hipotesis Hubungan (Uji Signifikan)

Pengujian hipotesis hubungan digunakan uji statistik yang disebut Uji t (t-student).
Parameter yang diuji yaitu korelasi dinotasikan dengan  (lihat bab Estimasi Parameter). Uji
hipotesis hubungan pada dasarnya adalah menguji signifikansi koefisien korelasi, apakah
besar kecilnya hubungan yang diperoleh itu kebetulan saja atau memang ada hubungan yang
sesungguhnya.
Rumus Uji t untuk uji hubungan adalah:

r 2 √ n−2
t = √ 1-r2
Selain menggunakan Uji t, pengujian hipotesis hubungan dapat menggunakan kriteria nilai
korelasi tabel (rtabel) yaitu dengan cara membandingkan nilai koefisien korelasi (r hitung) dengan
nilai rtabel.
Jika rhitung > rtabel maka hubungan antar variabel signifikan
Jika rhitung  rtabel maka hubungan antar variabel tidak signifikan
Contoh soal 2
2. Misalkan menggunakan data sebelumnya yaitu hubungan antara pendapatan dan
konsumsi. Diajukan hipotesis yang menyatakan “ada hubungan yang signifikan antara
pendapatan dengan konsumsi”.
Penyelesaian:
1. Rumusan hipotesis:
Ho :  = 0 Tidak ada hubungan yang signifikan antara pendapatan dengan konsumsi
Ha :   0 Ada hubungan yang signifikan antara pendapatan dengan konsumsi
Taraf  = 0,05 selanjutnya dapat dicari nilai t tabel pada  = 0,05 (uji 2 pihak /2 = 0,025)
derajat bebas = n – 2 = 6 – 2 = 5 yaitu sebesar 2,776451
Kriteria pengujian:
Ho ditolak jika thitung > ttabel atau probabilitas < 0,05
Ho diterima jika thitung  ttabel atau probabilitas  0,05
Uji statistik (Uji t)

r 2 √ n−2
Menghitung nilai t dengan rumus: t = √ 1-r2
(0,886621 )2 √6−2
t = √ 1-(0,886621 )2
0 , 786096 x 2
= √1−0 , 786096
1 ,572193
= √ 0 ,213904
1 , 572193
= 0 , 462497
= 3,39936
Jadi diperoleh nilai thitung sebesar 3,39936.
Kesimpulan
Karena thitung (3,39936) > ttabel (2,776451) maka Ho ditolak, artinya hubungan kedua
variabel signifikan, atau pendapatan memiliki hubungan yang signifikan dengan
konsumsi. Dengan demikian hipotesis yang menyatakan “ada hubungan yang signifikan
antara konsumsi dengan pendapatan” diterima.
 Pengujian koefisien korelasi dapat juga dilakukan dengan cara membandingkan
nilai koefisien korelasi dengan nilai korelasi tabel atau r tabel, sehingga perlu dicari nilai
rtabel pada taraf  = 0,05 dan n = 6 yaitu diperoleh r tabel = 0,811 (lihat tabel r). Karena nilai
rhitung (0,886621) > rtabel (0,811) maka Ho ditolak, artinya pendapatan memiliki hubungan
signifikan dengan konsumsi.

Contoh soal 3
2. Menggunakan data pada contoh korelasi Product Moment dengan menambah variabel jumlah
anak, sehingga akan dihitung hubungan antara pendapatan (X1) dan jumlah anak (X2) dengan
konsumsi (Y), dengan data sebagai berikut:.

n X1 (ribuan) X2 Y (ribuan)
1 800 3 300
2 900 3 300
3 700 2 200
4 600 1 100
5 700 1 200
6 800 1 200
7 900 1 250
8 1000 3 300
9 900 3 300
10 1100 3 350

Untuk mencari nilai koefisien korelasi berganda perlu disusun tabel bantu sebagai
berikut:
 Tabel . Tabel Bantu Analisis Korelasi Berganda
n X1 X2 Y X12 X12 Y2 X1Y X2Y X1X2
1 800 3 300 640000 9 90000 24000 900 2400
0
2 900 3 300 810000 9 90000 27000 900 2700
0
3 700 2 200 490000 4 40000 14000 400 1400
0
4 600 1 100 360000 1 10000 60000 100 600
5 700 1 200 490000 1 40000 14000 200 700
0
6 800 1 200 640000 1 40000 16000 200 800
0
7 900 1 250 810000 1 62500 22500 250 900
0
8 1000 3 300 100000 9 90000 30000 900 3000
0 0
9 900 3 300 810000 9 90000 27000 900 2700
0
10 1100 3 350 121000 9 122500 38500 1050 3300
0 0
 8400 21 2500 726000 53 675000 21900 5800 18500
0 00

Untuk menghitung koefisien korelasi berganda, maka terlebih dahulu dihitung koefisien
korelasi antar variabel.
10(2 .190 . 000 )−(8 . 400 )(2 .500 )
rx1y = √10 (7 . 260 . 000)−(8400 )2 10 (675. 000 )−(2. 500)2 = 0,891
10(5800 )−(21 )(2. 500 )
rx2y = √10 (53 )−(21)2 10 (675 . 000)−(2 .500 )2 = 0,824
 10(18 . 500)−(8400 )(21)
rx1x2 = √10 (7260000 )−(8400 )2 10 (53 )−(21)2 = 0,638
Selanjutnya dari nilai koefisien korelasi antar variabel dapat dihitung koefisien korelasi
berganda:

√
r +r −2( r x1y )( r x 2 y )(r x 1 x 2 )
x 1y2 x2 y2
1−r 2
Rx1x2y = x1x2

√
2 2
0 ,891 +0 , 824 −2(0 , 891 )(0 ,824 )( 0 ,638 )
= 1−(0 , 638 )2

= √ 0 ,794 +0 , 679−0 . 936819

1−0 , 407

= √ 0 ,536
0 ,593
= 0,951
Hasil perhitungan diperoleh koefisien korelasi berganda ( R ) sebesar 0,951 karena
nilainya mendekati 1 berarti terdapat hubungan yang sangat kuat antara pendapatan dan
jumlah anak dengan konsumsi.
Koefisien Determinasi (R2)
Koefisien determinasi merupakan ukuran kesesuaian (goodnes of fit) garis regresi
linier berganda terhadap suatu data (dibahas pada bab selanjutnya), atau dapat digunakan
untuk mengukur besarnya kontribusi variabel bebas (X) terhadap variasi perubahan
variabel terikat (Y). Nilai koefisien determinasi terletak antara 0  R2  1, dan biasanya
dinyatakan dalam persentase. Nilai R2 semakin mendekati 1 menunjukkan semakin besar
kontribusi variabel bebas (X) terhadap variasi perubahan variabel terikat (Y). Misalnya
mengambil contoh sebelumnya dimana diperoleh nilai R = 0,951 maka R 2 = 0,9512 =
0,90440 artinya seluruh variabel bebas yaitu pendapatan dan jumlah anak memberikan
kontribusi sebesar 90,44% terhadap variasi konsumsi. Sisanya sebesar 9,56% merupakan
kontribusi variabel lain.
Uji Signifikan Koefisien Korelasi Berganda (Uji Hipotesis)
Pengujian signifikansi koefisien korelasi ganda dilakukan dengan Uji F (Anova)
yang rumusnya sebagai berikut:
 R2 /(k )
2
F = (1−R )/(n−k−1 )
Keterangan:
R2 = Koefisien determinasi
k = Jumlah variabel bebas
n = Jumlah kasus
Contoh soal 4
3. Misalkan pada contoh sebelumnya diajukan hipotesis yang menyatakan “ada hubungan yang
signifikan antara pendapatan dan jumlah anak dengan konsumsi”.
Penyelesaian:
a. Rumusan hipotesis:
Ho :  = 0 Tidak ada hubungan yang signifikan antara pendapatan dan jumlah dengan
konsumsi
Ha :   0 Ada hubungan yang signifikan antara pendapatan dan jumlah anak dengan
konsumsi
b. Taraf  = 0,05 selanjutnya dapat dicari nilai F tabel pada  = 0,05 derajat bebas = n – k
- 1 = 10 – 2 - 1 = 7, diperoleh Ftabel = 4,74.
c. Kriteria pengujian:
Ho ditolak jika Fhitung > Ftabel atau probabilitas < 0,05
Ho diterima jika Fhitung  Ftabel atau probabilitas  0,05
d. Uji statistik (Uji F)
R2 /(k )
2
F = (1−R )/(n−k−1 )
0 , 9512 /2
2
= (1−0 ,951 )/(10−2−1 )
0 , 90440/2
= 0 , 095599/7
0 , 45221
= 0 , 01365
= 33,1113
 e. Kesimpulan
Nilai Fhitung sebesar 33,1113 dibandingkan dengan nilai F tabel. Karena Fhitung (33,1113) >
ttabel (4,74) maka Ho ditolak, artinya ada hubungan yang signifikan antara pendapatan
dan jumlah dengan konsumsi.

Contoh soal 4
4. Seorang mahasiswa melakukan survai untuk meneliti apakah ada korelasi antara nilai
statistik dengan nilai ekonometrik, untuk kepentingan penelitian tersebut diambil 10
mahasiswa yang telah menempuh mata kuliah statistik dan ekonometrik. (Sumber: Suliyanto
Undip)
Pemecahan
A. Judul Hubungan antara kemampuan mahasiwa dalam memahami ilmu statistika dan
ilmu ekonometrika.
B. Pertanyaan Penelitian
 Apakah terdapat korelasi positif antara kemampuan mahasiswa dalam memahami
ilmu statistika dan ilmu ekonometrika ?
C. Hipotesis
 Terdapat korelasi positif kemampuan mahasiwa dalam memahami ilmu staistika
dan ilmu ekonometrika
D. Kriteria pengujian
Ho : Tidak terdapat korelasi positif antara kemampuan mahasiswa dalam memahami
ilmu statistika dan ilmu ekonometrika.
Ha : Terdapat korelasi positif antara kemampuan mahasiswa dalam memahami ilmu
statistika dan ilmu ekonometrika.
Ho diterima Jika
rhitung ≤ rtabel(a, n-2) atau
t hitung ≤ ttabel (a, n-2)
Ha diterima Jika
rhitung > rtabel(a, n-2) atau
thitung > ttabel (a, n-2)
Data Yang dikumpulkan
Hasil perhitungan:

6 ∑ d 2i
ρ xy=1−
n (n2 −1)
6 x7
ρ xy=1− =0 , 96
10(100−1 )
• Dengan Kriteria r htung:
• rhitung (0,96) > r tabel (0,738)
• Dengan Kriteria t hitung:
 xy n  2 0 , 96 √10−2
t t= =9 , 697
(1  r )
2
√(1−0 , 92)

Kesimpulan
 Karena rhitung > dari rtabel maka Ha diterima.
 Karena t hitung > dari t tabel maka Ha diterima.
Kesimpulan:
Terdapat korelasi positif antara kemampuan mahasiswa dalam memahami ilmu statistika
dan ilmu ekonometrika.

Contoh soal 5
5.Hasil penelitian tentang hubungan antara biaya iklan dengan volume penjualanan pada suatu
perusahaan tersaji dalan table berikut. Tentukan koefisien korelasinya? dalam Rp 1000,-.
(Sumber:shohibul Munir Un. Mercu Buana)

Tabel . Prosedur penentuan koefisien korelasi pengeluaran biaya iklan dan volume penjualan .
Biaya Iklan Volume Penjualan
(X) (Y) X2 Y2 XY
1 2 3 4 5
5 40 25 1600 200
7 50 49 2.500 350
10 60 100 3.600 600
12 65 144 4.225 780
15 70 225 4.900 1.050
20 80 400 6.400 1.600
25 92 625 8.464 2.300
30 100 900 10.000 3.000
X = 124 Y = 557 2.468 41.689 9.880
N=8

8 ( 9 .880 )−( 124 )( 557 )

→r=
√ 8 ( 2. . 468 ) −( 124 )2 √ 8 ( 41 . 689 )−( 557 )2
9 . 972
r= =0 , 989
√ 4368 x √23 . 263

7.Sebutkan perbedaan statistik parametrik dan non-parasimetrik!

Statistik parametrik:
- Data harus berasal dari populasi yang terdistribusi normal,
- Populasi harus memiliki keragaman sama, artinya jika dua atau beberapa kelompok data
digunakan
Statistik nonparametrik:
- Tidak mengasumsikan data menyebar normal,
- Data bersifat independen, kecuali data berpasangan,
- Skala pengukuran dapat bersifat kategorik maupun ordinal, tergantung variabel yang
digunakan,

8.Tentukan Ho dan Ha dari pernyataan-pernyataan berikut serta tentukan jenis hipotesisnya

(apakah termasuk hipotesis minimum, maksimum, ataukah hipotesis sama)!
a. Sebuah perusahaan alat olahraga mengembangkan jenis batang pancing sintesis yang
dikatakan mempunyai kekuatan dengan nilai tengah tidak kurang dari 10 kg.
jawaban
Ho = Sebuah perusahaan alat olahraga mengembangkan jenis batang pancing sintesis yang
dikatakan mempunyai kekuatan dengan nilai tengah melebihi 10 kg.
Ha = Sebuah perusahaan alat olahraga mengembangkan jenis batang pancing sintesis yang
dikatakan mempunyai kekuatan dengan nilai tengah kurang dari 10 kg.
Karena Ho : μo = 10 kg dan Ha : μo < 10 kg
Jadi, hipotesis ini termasuk hipotesis minimum.
b. Bu Tumini, seorang penjual pukis manis menyatakan bahwa rata-rata gula pasir yang
digunakannya setiap hari berkisar tidak lebih dari 3 kg .
Jawaban
Ho = Bu Tumini, seorang penjual pukis manis menyatakan bahwa rata-rata gula pasir yang
digunakannya setiap hari berkisar tidak lebih dari 3 kg.
Ha = Bu Tumini, seorang penjual pukis manis menyatakan bahwa rata-rata gula pasir yang
digunakannya setiap hari berkisar lebih dari 3 kg.
Karena Ho : μo = 3 kg dan Ha : μo > 3 kg
Jadi, hipotesis ini termasuk hipotesis maksimum.

c. Pak Dedi menyatakan bahwa PKM GT-AI dari Fakultas Ilmu Pendidikan Universitas Negeri
Malang yang telah terkumpul sebanyak374 PKM.
Jawaban
Ho = Pak Dedi menyatakan bahwa PKM GT-AI dari Fakultas Ilmu Pendidikan Universitas
Negeri Malang yang telah terkumpul sebanyak374 PKM.
Ha = Pak Dedi menyatakan bahwa PKM GT-AI dari Fakultas Ilmu Pendidikan Universitas
Negeri Malang yang telah terkumpul kurang dari 374 PKM.
ATAU
Ha = Pak Dedi menyatakan bahwa PKM GT-AI dari Fakultas Ilmu Pendidikan Universitas
Negeri Malang yang telah terkumpul lebih dari 374 PKM.
Karena Ho : μo = 374 dan Ha : μo < 374
Jadi, hipotesis ini termasuk hipotesis maksimum.
d. Pak Dekan FIP menyatakan bahwa rata-rata penulisan PKM-GT oleh mahasiswa FIP tidak
melebihi 200 PKM.
Jawaban
Ho = Pak Dekan FIP menyatakan bahwa rata-rata penulisan PKM-GT oleh mahasiswa FIP
kurang dari 200 PKM.
Ha = Pak Dekan FIP menyatakan bahwa rata-rata penulisan PKM-GT oleh mahasiswa FIP
melebihi 200 PKM.
Karena Ho : μo = 200 dan Ha : μo ≠ 200
Jadi, hipotesis ini termasuk hipotesis sama.

Data Ganjil X = Koding

Tahun y x xy x2
2000 200 -2 -400 4
2001 300 -1 -300 1 Data Genap
2002 400 0 0 0 Tahun y x xy x2 95 -15
2003 500 1 500 1 2000 200 -5 -1000 25 96 -13
2004 600 2 1200 4 2001 300 -3 -900 9 97 -11
Jumlah 2000 0 1000 10 2002 400 -1 -400 1 1998 -9
2003 500 1 500 1 1999 -7
a= 400 2004 600 3 1800 9 2006 7
b= 100 2005 500 5 2500 25 2007 9
2500 2500 70 2008 11
Y = 400 + 100 X 2009 13
Penjualan pada tahun 2020? X=18 Y = 2200 a= 416.6667 2010 15
Penjualan pada tahun 1995? X= -7 Y= -300 b= 35.71429 2011 17
2012 19
Y = 417 + 36 (X) 2013 21
Genap 2a+1 35 Penjualan pada tahun 2020? X= 35 Y= 1677 1677 2014 23
Ganjil 18 Tahun yg ditanyakan - tahun yg di tengah Penjualan pada tahun 1995? X= -15 Y=-123 -123 2015 25
2016 27
2017 29
2018 31
2019 33
2020 35
 Trend Linier - Metode Least Square Y= a + bx Regresi
X = Variabel bebas
Ada 2 jenis: Untuk Data Ganjil dan ada yg Genap
Trend Linier
X = Koding
Y= Penjualan
Data Ganjil Data Genap
Tahun y x xy x2 Tahun y x xy x2
1 2000 200 -2 -400 4 1 2000 200 -5 -1000 25
2 2001 300 -1 -300 1 2 2001 300 -3 -900 9
Tahun Dasar 3 2002 400 0 0 0 3 2002 400 -1 -400 1
4 2003 500 1 500 1 4 2003 500 1 500 1
5 2004 600 2 1200 4 5 2004 600 3 1800 9
Jumlah 2000 0 1000 10 6 2005 300 5 1500 25
Jumlah 2300 1500 70
a= 400 1995 -15
b= 100 a= 383.3333 1996 -13
Y= 400 + 100 X b= 21.42857 1997 -11
1998 -9
Penjualan pada tahun 2010? X= 8 Y= 1200 Y = 383 + 21 (X) 1999 -7
Penjualan pada tahun 1995? X= -7 Y= -300 2000 -5
Penjualan pada tahun 2010? X = 15 Y= 698 698 2001 -3
Data Ganjil mencari nilai X, tahun yg ditanyakan - tahun dasar 8 -7 Penjualan pada tahun 1995? X = -15 Y= 68 68 2002 -1
Data Genap mencari nilai X dg rumus 2a + 1 2003 1
a adalah tahun yg ditanyakan - tahun dasar 2004 3
15 Data Ganjil tahun 2025 X= 23 2005 5

Trend Linier - Metode Least Square Y= a + bx Regresi

X = Variabel bebas
Ada 2 jenis: Untuk Data Ganjil dan Data Genap
Trend Linier
X = Koding
Y= Penjualan
Data Ganjil
Tahun y x xy x2 Data Genap
1 2000 200 -2 -400 4 Tahun y x xy x2
2 2001 300 -1 -300 1 1 2000 200 -7 -1400 49
Tahun Dasar 3 2002 400 0 0 0 2 2001 300 -5 -1500 25
4 2003 500 1 500 1 3 2002 400 -3 -1200 9
5 2004 600 2 1200 4 4 2003 500 -1 -500 1
Jumlah 2000 0 1000 10 5 2004 600 1 600 1
6 2005 400 3 1200 9
a= 400 7 2006 500 5 2500 25
b= 100 8 2007 300 7 2100 49
Y = 400 + 100 (x) Jumlah 3200 0 1800 168

Penjualan pada tahun 2015? X= 13 Y= 1700 a= 400

Penjualan pada tahun 1997? X= -5 Y= -100 b= 10.71429
Y= 400 + 11 (X)
Data Ganjil Cara menentukan nilai X adalah data yg ditanyakan - data pada tahun dasar 13 -5
Penjualan pada tahun 2015? X= 23 Y= 653
Data Genap 2a+1 a= data yg ditanyakan - data thun dasar 23 -13 Penjualan pada tahun 1997? X= -13 Y= 257
Tahun Dasar 3 2002 400 0 0 0 2 2001 300 -7 -2100 49
4 2003 500 1 500 1 3 2002 400 -5 -2000 25
5 2004 600 2 1200 4 4 2003 500 -3 -1500 9
Jumlah 2000 0 1000 10 5 2004 600 -1 -600 1
6 2005 400 1 400 1
a= 400 7 2006 300 3 900 9
b= 100 8 2007 500 5 2500 25
Y = 400 + 100 (X) 9 2008 700 7 4900 49
10 2009 500 9 4500 81
Penjualan pada tahun 2017? X= 15 Y= 1900 Jumlah 4400 0 5200 330
Penjualan pada tahun 1990? X= -12 Y= -800
a= 440 Penjualan pada tahun 2017? X= 25 Y=
Data Ganjil Utk mencari nilai X adalah tahun yang ditanyakan - tahun dasar b= 15.75758 Penjualan pada tahun 1990? X= -29 Y=
2017 X= 15 Y= 440 + 16 X
1990 X= -12
Data Genap Utk mencari nilai X dengan rumus 2a+1
a= tahun yang ditanyakan - tahun dasar (x=1)
2017 X= 25
1990 X= -29

Data Ganjil Data Genap

X x
1 2000 -5 1 2000 -9
2 2001 -4 2 2001 -7
3 2002 -3 3 2002 -5
4 2003 -2 4 2003 -3
5 2004 -1 5 2004 -1
6 2005 0 6 2005 1
7 2006 1 7 2006 3 a= 2100-2005
8 2007 2 8 2007 5
9 2008 3 9 2008 7 2a+1
10 2009 4 10 2009 9 1911
11 2010 5
Brp nilai X pada tahun 2100? X=191 a= 95
Brp nilai X pada tahun 2100? 1999 -11 191
1700 -609
Soal Least Square

Data PT ABC TAHUN 1995-2006

NO TAHUN PENJUALAN (Y)

1 1996 15.000
2 1997 16.000
3 1998 17.000
4 1999 17.500
5 2000 18.000
6 2001 18.500
7 2002 18.500
8 2003 19.000
9 2004 19.250
10 2005 19.500
11 2006 19.750
JUMLAH 11 198.000

1. ANALISIS MENGGUNAKAN METODE LEAST SQUARE

PT ABC (Ganjil)

PENJUALAN PREDIKSI
NO TAHUN X^2 XY
(Y) (X)
1 1996 15.000 -5 25 -75.000
2 1997 16.000 -4 16 -64.000
3 1998 17.000 -3 9 -51.000
4 1999 17.500 -2 4 -35.000
5 2000 18.000 -1 1 -18.000
6 2001 18.500 0 0 0
7 2002 18.500 1 1 18.500
8 2003 19.000 2 4 38.000
9 2004 19.250 3 9 57.750
10 2005 19.500 4 16 78.000
11 2006 19.750 5 25 98.750
JUMLAH 11 198.000 0 110 48.000

2. Mencari nilai a dan b

a = 198.000 /11 = 18.000

b = 48.000 /110 = 436.36

maka persamaan least squarenya adalah

Y’ = a + bX

Y’ = 18.000 + 436.36X

Maka ramalan penjualan untuk tahun 2007 :

Y (2007) = 18.000 + 436.36 (6)

Y (2007) = 18.000 + 2,618.18

Y (2007) = 20618.18 dibulatkan menjadi 20.619 unit

Ramalan penjualan tahun sebelumnya misalkan tahun 1995 adalah

Y (1995) = 18.000 + 436.36 (-6)

Y (1995) = 18.000 + (-2,618.18)

Y (1995) = 15.381,82 dibulatkan menjadi 15.382 unit

PT ABC (Genap)

PENJUALAN PREDIKSI
NO TAHUN X^2 XY
(Y) (X)
1 1997 16250 -9 81 -146250
2 1998 17200 -7 49 -120400
3 1999 18050 -5 25 -90250
4 2000 18800 -3 9 -56400
5 2001 19450 -1 1 -19450
6 2002 20000 1 1 20000
7 2003 20450 3 9 61350
8 2004 20800 5 25 10400
9 2005 21050 7 49 147350
10 2006 21250 9 81 191250
JUMLAH 10 193300 0 330 91200

2. Mencari nilai a dan b

a = 193300/10 = 19330

b = 91200/330 = 276.36

maka persamaan least squarenya adalah

Y’ = a + bX

Y’ = 19330 + 276.36X

Maka ramalan penjualan untuk tahun 2007 :

Y (2007) = 19330 + 276.36 (6)

Y (2007) = 19330 + 3040

Y (2007) = 22370 jadi ramalan penjualan menjadi 20.619 unit

Ramalan penjualan tahun sebelumnya misalkan tahun 1995 adalah

Y (1995) = 18.000 + 436.36 (-13)

Y (1995) = 18.000 + (-3592.73)

Y (1995) = 15737,82 dibulatkan menjadi 15.738 unit