Tugas Statistika

DISUSUN OLEH:

Angelina Aprilia Sinaga (C1A022022)

Kelas: 3b

Dosen Pengampu:

Bambang Agoes H, Dr., S.E ., M.Sc

PROGRAM STUDI S1 EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS

BENGKULU

2023
13.9 An agent for a residential real estate company in a large city would like to be able to
predict the monthly rental cost for apartments, based on the size of an apartment, as defined
by square footageThe agent selects a sample of 25 apartments in a particular residential
neighborhood and gathers the following data (stored in Rent).

a. Construct a scatter plot

b. Use the least-squares method to determine the regression coefficients bo and b₁.
c. Interpret the meaning of bo and b, in this problem.
d. Predict the monthly rent for an apartment that has 1,000 square feet.
e. Why would it not be appropriate to use the model to predict the monthly rent for
apartments that have 500 square feet?
f. Your friends Jim and Jennifer are considering signing a lease for an apartment in this
residential neighborhood. They are trying to decide between two apartments, one with
1,000 square feet for a monthly rent of $1,275 and the other with 1,200 square feet for a
monthly rent of $1,425. Based on (a) through (d), which apartment do you think is a better
deal?

Jawaban :

Scatter Plot Sewa dan Ukuran Apartemen

1200

1000

800

600

400

200

0
0 200 400 600 800 1000
A.
B. Menggunakan metode kuadrat terkecil, kita dapat menentukan koefisien regresi bo dan b₁
dengan rumus berikut:
bo = (∑y)(∑x2)−(∑x)(∑xy) n(∑x2)−(∑x)2
b₁ = n(∑xy)−(∑x)(∑y) n(∑x2)−(∑x)2
Dengan memasukkan nilai-nilai dari data, kita mendapatkan:
bo = (15,275)(1,298,000)−(2,800)(114,900) 15(1,298,000)−(2,800)2 bo
= 306.5
b₁ = 15(114,900)−(2,800)(15,275) 15(1,298,000)−(2,800)2
b₁ = 0.85

C. ● b0 = Tidak ada interpretasi untuk b0.

● b₁ = koefisien kemiringan yang menunjukkan perubahan sewa bulanan rata-rata untuk
setiap kenaikan satu kaki persegi dalam luas apartemen. Dalam hal ini, b₁ bernilai positif,
yang berarti ada hubungan positif antara luas apartemen dan sewa bulanan. Semakin besar
apartemen, semakin tinggi sewa bulanannya atau dapat dikatakan untuk peningkatan ukuran
apartemen sebesar 1 kaki persegi, biaya sewa bulanan meningkat rata-rata sebesar $1,07.

D. Untuk memprediksi sewa bulanan untuk apartemen yang memiliki luas 1,000 kaki persegi,
kita dapat menggunakan persamaan regresi :
y = bo + b₁x y = 306.5
+ 0.85(1,000)
y = 1,156.5
Jadi, sewa bulanan yang diprediksi untuk apartemen yang memiliki luas 1,000 kaki persegi
adalah $1,156.5.

E. Tidak tepat untuk menggunakan model ini untuk memprediksi sewa bulanan untuk
apartemen yang memiliki luas 500 kaki persegi karena nilai tersebut berada di luar rentang
data yang digunakan untuk membuat model. Model regresi linear hanya valid untuk
melakukan interpolasi, yaitu memprediksi nilai-nilai di antara data yang ada, bukan
ekstrapolasi, yaitu memprediksi nilai-nilai di luar data yang ada. Jika kita menggunakan
model ini untuk memprediksi sewa bulanan untuk apartemen yang memiliki luas 500 kaki
persegi, kita akan mendapatkan hasil yang tidak masuk akal.

F. Untuk menentukan apartemen mana yang lebih menguntungkan, kita dapat

membandingkan sewa bulanan yang sebenarnya dengan sewa bulanan yang diprediksi oleh
model untuk masing-masing apartemen. Semakin kecil perbedaannya, semakin
menguntungkan apartemen tersebut. Untuk apartemen pertama, yang memiliki luas 1,000
kaki persegi dan sewa bulanan $1,275, perbedaannya adalah:
$1,275 - $1,156.5 = $118.5
Untuk apartemen kedua, yang memiliki luas 1,200 kaki persegi dan sewa bulanan $1,425,
perbedaannya adalah: $1,425 - $1,327.5 = $97.5
 Jadi, apartemen kedua lebih menguntungkan karena perbedaan antara sewa bulanan yang
sebenarnya dan yang diprediksi lebih kecil daripada apartemen pertama. Ini berarti apartemen
kedua lebih dekat dengan garis regresi dan lebih sesuai dengan pola data.

13.47 In Problem 13.9 on page 532, an agent for a real estate company wanted to predict the
monthly rent for apart- ments, based on the size of the apartment. The data are stored in Rent.
Use the results of that problem.

a. At the 0.05 level of significance, is there evidence of a linear relationship between the
size of the apartment and the monthly rent?

b. Construct a 95% confidence interval estimate of the population slope, B1 Jawaban :

A. Untuk menguji hipotesis bahwa tidak ada hubungan antara ukuran apartemen dan sewa
bulanan, kita dapat menggunakan uji t untuk kemiringan regresi. Hipotesis nol adalah:

Dan hipotesis alternatif adalah ;

di mana B1 adalah kemiringan regresi populasi. Tingkat signifikansi yang digunakan adalah α
= 0.05. Nilai statistic uji adalah :

di mana b1 adalah kemiringan regresi sampel, Sb1 adalah standar kesalahan kemiringan
regresi, dan B1 adalah nilai hipotesis 0. Dari output regresi kita dapat melihat bahwa :

Masukkan nilai kedalam rumus, maka :

nilai kritis untuk uji t dengan α = 0.05 dan 28 derajat kebebasan (n-2) adalah :
 Karena nilai statistic uji melebihi nilai kritis, kita dapat menolak hipotesis nol dan
menyimpulkan bahwa ada bhubungan yang signifikan antara ukuran apartemen dan sewa
bulanan pada tingkat signifikansi 0.05

B. Interval kepercayaan 95% untuk kemiringan regresi populasi adalah:

Dimana b1 adalah kemiringan regresi sampel, tα/2 adalah nilai kritis untuk uji t dengan α =
0.05 dan 28 derajat kebebasan dan Sb1 adalah standar kesalahan kemiringan regresi. Ketika
nilai-nilai dimasukkan kedalam rumus, maka :

Jadi, interval kepercayaan 95% untuk kemiringan regresi populasi adalah [4.505, 6.335].