KURVA NORMAL

SKOR TURUNAN
PRROBABILITAS
PREDIKSI
KORELASI
 KURVA NORMAL
Kurva Normal merupakan model
teoritis sejenis frekwensi poligon
yang benar-benar simetris dan mulus.

 Teori yang mendasari Statistik

Inferensial

 Kurva Normal dikombinasikan

dengan Standar Deviasi dapat
digunakan untuk membangun
pernyataan deskriptif yang tepat
tentang distribusi empiris.
KARAKTERISTIK KURVA NORMAL
1.Kurva berbentuk lonceng (genta)
2.Kurva berbentuk simetris terhadap
mean nya (m)
3.Kurva normal berbentuk asimptotis.
Kedua ekor kurva memanjang tak
berbatas dan pernah memotong sumbu
horizontal
4.Kurva normal memiliki 1 puncak
5.Luas daerah di bawah kurva adalah
1; ½ di sisi kanan nilai tengah dan ½ di
sisi kiri. Total=1
m
 DAERAH KURVA NORMAL
Ruangan yang dibatasi daerah
kurva dengan absisnya disebut
daerah kurva normal. Luas daerah
kurva normal biasa dinyatakan
dalam persen atau proporsi.
Dengan kata lain luas daerah kurva
normal adalah 100% dan apabila
dinyatakan dalam dengan proporsi
maka luas daerah kurve normal
adalah 1 (satu).
 KURVA NORMAL STANDAR ( KURVA NORMAL BAKU)
Kurva nomal baku adalah kurva
normal yang mana nilai rata-
ratanya sama dengan nol (µ= 0)
dan simpangan bakunya adalah 1
(ꭤ = 1 ). Dalam kurva normal nilai
umum rata-rata sama degan x
dan nilai simpangan baku 1𝑆 2𝑆 3𝑆
dengan kata lain dalam kurva
normal umum nilai rata-ratanya
tidak sama dengan nol (µ ≠0) dan  Nilai Z Nilai Standar Konversi Nilai asli ke Standar
nilai simpangan bakunya tidak Deviasi
sama dengan 1 (ꭤ ≠ 1)  Nilai Z  untuk menemukan prosentase wilayah total
di bawah kurva normal
 JENIS-JENIS DISTRIBUSI NORMAL
10
9
8
7
6
Distribusi kurva
5 normal dengan m
4 (m) sama dan 
3 (simpangan baku)
2
berbeda
1
0
m

Mesokurtic Platykurtic Leptokurtic

Distribusi kurva normal
dengan m (rata-rata)
berbeda dan 
(simpangan baku) sama
 Distribusi kurva
normal dengan m
(rata-rata) dan 
(simpangan baku)
berbeda

85 850
 SAMPLE SPACE
: KUMPULAN
DARI SEMUA
KEMUNGKINAN
HASIL SEMUA
PERCOBAAN
(EXPERIMENT)
EVENTS :
MERUPAKAN NILAI
KEMUNGKINAN PROBALITAS 0 –
DARI SUATU 1
TINDAKAN

PROBABILITAS

EXPERIMENT :
SUATU JIKA
TINDAKAN PROBABILITIAS
YANG 0 BERARTI
MENGHASILKAN TIDAK TERJADI
EVENT

JIKA
PROBABILITIAS
1 BERARTI
AKAN TERJADI
 PENDEKATAN PERHITUNGAN
PROBABILITAS
𝑋
P(A) =
𝑁

P (A) = Probabilitas Kejadian

X = Peristiwa yang dimaksud
N = Banyaknya peristiwa yang mungkin
CONTOH :
Jika kita melempar sebuah mata uang satu kali, maka tentukan mana
yang disebut experiment, event, dan sample space?

○ Probabilitas muncul sisi gambar (G) pada percobaan melempar koin

yang memiliki dua sisi, yaitu sisi angka d(A) an sisi gambar (G) adalah
a 1 1
P(G)   
a  b 1 1 2

Probabilitas muncul sisi gambar pada satu pelemparan koin adalah ½.

Atau dapat juga ditulis 0,5 atau 50%.
 ATURAN PEMBAGIAN
Peristiwa independen
DAN PERKALIAN
(Independent Events): peristiwa yang satu tidak berhubungan dengan peristiwa yang lain

○Probabilitas dua peristiwa, misalnya A dan B, yang independen satu sama lain dapat ditentukan
dengan formula:

P(A  B) = P(A) . P(B)

P(A  B): probabilitas A dan B

○Probabilitas tiga peristiwa, misalnya A, B, dan C yang independen satu sama lain dapat
ditentukan dengan formula:

P(A  B  C) = P(A) . P(B) . P(C)

P(A  B  C): probabilitas A dan B dan C

Peristiwa dependen
(Dependent Events). Dua atau lebih peristiwa dikatakan bersifat
dependen jika terjadinya suatu peristiwa akan mempengaruhi terjadinya
peristiwa yang lain.

Contoh: Penjualan akan meningkat jika perekonomian membaik.

Peristiwa penjualan meningkat dan perekonomian membaik adalah dua
peristiwa yang dependen. Penjualan meningkat akan terjadi jika
perekonomian membaik terjadi. Penjualan dipengaruhi oleh kondisi
perekonomian.
Probabilitas dua peristiwa, misalnya A dan B, terjadi di mana A dan B
merupakan dua peristiwa yang dependen adalah

P(A  B) = P(A) . P(B/A)

P(A  B): probabilitas A dan B
P(A): probabilitas A
P(B/A): probabilitas B dengan syarat sebelumnya terjadi A
Probabilitas tiga peristiwa, misalnya A, B, dan C terjadi di mana A, B, dan
C merupakan tiga peristiwa yang dependen adalah
P(AB C) = P(A) . P(B/A) . P(C/AB)
P(A  B  C): probabilitas A dan B dan C
P(A): probabilitas A
P(B/A): probabilitas B dengan syarat sebelumnya terjadi A
P(C/AB): probabilitas C dengan syarat sebelumnya terjadi A dan B
 Probabilitas Bersyarat (Conditional probability)
Probabilitas yang terjadinya dipengaruhi oleh kejadian sebelumnya.
Untuk peristiwa yang independen, probabilitas terjadinya peristiwa B dgn syarat peristiwa
A terjadi terlebih dahulu, adalah probabilitas peristiwa B itu sendiri
P(B/A) = P(B)
◦Contoh :
Berapa probabilitas muncul sisi gambar (G) pada sebuah koin yang dilempar satu kali
dengan syarat muncul sisi angka (A) pada pelemparan sebelumnya?
P(G/A) = P(G)
◦ Misalnya A dan B adalah dua peristiwa yang saling dependen.
Besarnya probabilitas terjadinya peristiwa B dengan syarat peristiwa
A terjadi terlebih dahulu adalah

P(A  B)
P(B/A) 
P(A)
◦ Misalnya A dan B adalah dua peristiwa yang saling dependen.
Besarnya probabilitas terjadinya peristiwa A dengan syarat peristiwa
B terjadi terlebih dahulu adalah

P(A  B)
P(A/B) 
P(B)
Contoh:
Enam puluh lima persen karyawan perusahaan ABC membaca koran, 45% membaca
tabloid, dan 30% membaca keduanya. Berapa probabilitas terpilih seorang karyawan
yang membaca tabloid dengan syarat dia juga membaca koran?

Jawab:
Misalnya K adalah karyawan menbaca koran dan T adalah karyawan membaca tabloid.

P(K  T) 30%
P(T/K)    0,4615
P(K) 65%
 SKOR TURUNAN
Skor yang diperoleh dengan Contoh :
mengambil skor mentah dan Ekuivalen usia dan tingkat
kelas, peringkat persentil, dan
mengubahnya menjadi skor
skor standar.
yang lebih berguna untuk
beberapa jenis standar dasar.
 EKUIVALEN DAN TINGKAT KELAS

Skor rata-rata pada tes aritmatika awal tahun untuk semua siswa
kelas delapan di negara bagian tertentu adalah 62 dari 100 yang
mungkin. Siswa yang mendapat skor 62 akan memiliki nilai yang
setara dengan 8,0 pada tingkat Tes terlepas dari penempatan nilai
p mereka yang sebenarnya.
 PERINGKAT PERSENTIL
Peringkat persentil mengacu pada persentase skor individu pada
skor mentah yang diberikan. Peringkat persentil kadang-kadang
disebut sebagai persentil, Peringkat persentil mudah dihitung.
Rumus sederhana untuk mengonversi skor mentah ke peringkat
persentil (PR) adalah sebagai berikut:

𝑵𝑼𝑴𝑩𝑬𝑹 𝑶𝑭 𝑺𝑻𝑼𝑫𝑬𝑵𝑻 𝑩𝑬𝑳𝑳𝑶𝑾 𝑺𝑪𝑶𝑹𝑬 −𝑨𝑳𝑳 𝑺𝑻𝑼𝑫𝑬𝑵𝑻 𝑨𝑳𝑳 𝑺𝑪𝑶𝑹𝑬

PR = X 100
𝑻𝑶𝑻𝑨𝑳𝑳 𝑵𝑼𝑴𝑩𝑬𝑹 𝑰𝑵 𝑮𝑹𝑶𝑼𝑷
Total 100 siswa mengikuti ujian, dan 18 dari mereka menerima skor mentah di atas
85, sementara dua siswa menerima skor 85. Delapan siswa, kemudian, memiliki skor
di bawah 85. Apa peringkat persentil dari dua siswa yang menerima skor 85?

𝑁𝑈𝑀𝐵𝐸𝑅 𝑂𝐹 𝑆𝑇𝑈𝐷𝐸𝑁𝑇 𝐵𝐸𝐿𝐿𝑂𝑊 𝑆𝐶𝑂𝑅𝐸+ 𝐴𝐿𝐿 𝑆𝑇𝑈𝐷𝐸𝑁𝑇 𝐴𝐿𝐿 𝑆𝐶𝑂𝑅𝐸

PR = X 100
𝑇𝑂𝑇𝐴𝐿𝐿 𝑁𝑈𝑀𝐵𝐸𝑅 𝐼𝑁 𝐺𝑅𝑂𝑈𝑃

80+2
PR = X 100
100

= 82
Peringkat persentil dari kedua siswa ini adalah 82.
 SKOR STANDAR

Skor standar memberikan cara lain untuk menunjukkan

bagaimana seseorang membandingkan dengan individu lain dalam
suatu kelompok. Skor standar menunjukkan seberapa jauh skor
mentah yang diberikan adalah dari titik referensi.
Misal pada skor Z
 CONTOH SOAL PENGGUNAAN TABEL Z
1. Hitung P (X<1,25)
Penyelesaian :
Pada tabel, carilah angka 1,2 pada kolom paling kiri. Selanjutnya, carilah angka 0,05 pada
baris paling atas. Sel para pertemuan kolom dan baris tersebut adalah 0,8944.

Dengan demikian, P (X<1,25) adalah 0,8944

CONTOH KASUS MENGGUNAKAN RUMUS Z

2. Rata-rata produktivitas padi di Aceh tahun 2009 adalah 6 ton per ha, dengan simpangan
baku (s) 0,9 ton. Jika luas sawah di Aceh 100.000 ha dan produktivitas padi berdistribusi
normal (data tentatif), tentukan
Berapa luas sawah yang produktivitasnya lebih dari 8 ton ?

Jawab :
1. tung nilai z dari nilai x = 8 ton dengan rumus :

𝑥− ഥ𝑥 8 −6 2
Z= = = = 2,22
𝑆 0,9 0,9

2. Hitung luas di bawah kurva normal pada z = 2,22. Caranya buka Tabel Z dan lihat sel pada
perpotongan baris 2,20 dan kolom 0,02. Hasilnya adalah angka 0,98679 dan bila dijadikan
persen menjadi 98,679%. Angka ini menunjukkan bahwa luas di bawah kurva normal baku dari
titik 2,22 ke kiri kurva adalah sebesar 98,679%.
Karena luas seluruh di bawah kurva normal adalah 100%, maka luas dari titik 2,22 ke kanan kurva
adalah 100% – 98,679% = 1,321% (arsir warna hitam pada gambar). Oleh karena itu, luas sawah
yang produktivitasnya lebih dari 8 ton adalah 1,321%, yaitu (1,321/100) x 100.000 ha = 1321 ha.
 Defenisi : Mengkaji hubungan 2 variabel atau lebih.
A.Korelasi Linear Sederhana
Mengkaji korelasi antara satu variabel X , satu
variabel Y.
KORELASI Korelasi yang terjadi antara dua pariabel dapat berupa:korelasi
positif,korelasi negatif,tidak ada korelasi dan korelasi
sempurna.
Analisis korelasi dapat dilakukan melalui beberapa cara yaitu
diagram pencar,kofesien korelasi serta segresi.
1. DIAGRAM PENCAR
 2. KOEFISIEN KORELASI (r)

○Adalah angka yang menunjukkan No Nilai korelasi (r) Tingkat

tinggi atau rendahnya hubungan antara Hubungan
2 variabel. 1 0,00 - 0,199 Sangat lemah
○Nilai korelasi: -1≤ r ≥ + 1 2 0,20 - 0,399 Lemah
3 0,40 - 0,599 Cukup
○Jika nilai r = +1 (korelasi variabel
4 0,60 - 0,799 Kuat
sempurna dan searah)
5 0,80 - 0,100 Sangat kuat
○r = - 1 (korelasi variabel terbalik dan
berlawanan arah)
 TEKNIK KORELASI
(MENGHITUNG EFISIEN)
○1. Korelasi Produc Moment (Pearson)
 Perkalian skor simpangan.

 Simpangan baku dan kovarian.

 Perhitungan dengan skor asli.
 No X Y X = X - 𝑋ത 𝑥2 y = Y - 𝑌ത 𝑦2 xy

1 10 9 4,2 17,64 3 9 12,6

2 2 1 -3,8 14,44 -5 25 19

3 3 2 -2.8 7,84 -4 16 11,2

4 7 8 1,2 1,44 2 4 2,4

5 8 8 2,2 4,84 2 4 4,4

6 4 4 -1,8 3,24 -2 4 3,6

7 5 6 -0.8 0,64 0 0 0

8 6 5 0,2 0,04 -1 1 -0,2

9 9 10 3,2 10,24 4 16 12,8

10 3 6 -2,8 7,84 0 0 0

11 8 7 2,2 4,84 1 1 2,2

12 4 3 -1,8 3,24 -3 9 5,4

13 2 4 -3,8 14,44 -2 4 7,6

14 10 10 4,2 17,64 4 16 16,8

15 6 7 0,2 0,04 1 1 0,2

Jumlah 87 90 0,00 108,40 0,00 110,00 98

Menghitung koefisien korelasi
melalui Perkalian skor
σ 𝒙𝒚 𝟗𝟖
simpangan ( menghitung r=
(σ 𝒙)𝟐 +(σ 𝒚) 𝟐
=
(𝟏𝟎𝟖,𝟒𝟎)(𝟏𝟏𝟎)
= 0,897
koefisien korelasi mengunakan
hasil perkalian antara kedua
variabel X dengan Variabel Y
pada skor simpangan (xy)
 𝑆𝑥𝑦 σ 𝑥𝑦 σ𝑥 2
r= 𝑆𝑥𝑦 = 𝑆𝑥 = 𝑆𝑦 =
𝑆𝑥 𝑆𝑦 𝑁 𝑁
Menghitung koefisien σ𝑦 2
korelasi melalui 𝑁

simpangan baku
108 110
kovarian 𝑆𝑥 =
15
= 2,68 𝑆𝑦 =
15
maka

𝑆𝑥𝑦 6,53
r= = = 0,898
𝑆𝑥 𝑆𝑦 2,68 𝑥 2,27
Menghitung
koefisien korelasi
dengan skor asli.
𝑵 σ 𝑿𝒀 −(σ 𝑿)(σ 𝒀)
r=
𝑵 σ 𝑿𝟐 − σ 𝑿 𝟐 𝑵 σ 𝒀𝟐 − σ 𝒀 𝟐
 15×620− 87 90
r=
15×613 − 87 2 15×650 − 90 2
9300−7830
r=
9195−7569 9750−8100
𝑁 σ 𝑋𝑌 −(σ 𝑋)(σ 𝑌) 1461
r= r=
𝑁 σ 𝑋2− σ𝑋 2 𝑁 σ 𝑌2− σ𝑌 2 1626 1650
1461
r=
1637,96

r=0,891
 Koefisien determinasi memberikan gambaran
berapa persen sumbangan variabel(X) terhadap
Koefisien variabel (Y)

Determinasi(koefisien Besarnya koefisien determinasi adalah

penentu) 0≤ 𝑟 2 ≤ 1

KD= (𝑟)2 × 100%

Dari contoh diatas jika kita misalkan variabel X adalah motivasi belajar
dan variabel Y prestasi belajar kita dapat menentukan hubungan kedua
variabel tersebut dengan menghitung koefisien determinasinya.

r=0,897
KD= (0,897)2 × 100%
= 0,80 × 100 %
= 80%
Dengan demikian dapat dikatakan 80% variansi prestasi dapat dijelaskan oleh motivasi
belajar dan 20% sisanya dijelakan variabel lainnyadiluar motivasi belajar yang dinamakan
koefisien aliansi.
2. Korelasi Linear Berganda ( Hubungan yang terjadi
antara variabel terikat (Y) dengan dua atau lebih
variabel bebas (𝑿𝟏, 𝑿𝟐 ,…, 𝑿𝒏 )
Keeratan hubungan dapat dinyatakan dengan :
koefisien korelalasi Linear berganda.

Koefisien Determinasi Berganda.

Koefisien korelasi parsial.
 Contoh
Seorang peneliti ingin mengetahui apakah ada hubungan positif antara
pengeluaran, pendapatan,dan banyaknya anggota keluarga. Untuk
keperluan tersebut diambil sampel sebanyak 7 rumah tangga. Datanya
adalah sebagai berikut:

Rumah Tangga
Y 3 5 6 7 4 6 9
𝑋1 4 8 9 10 7 7 11
𝑋2 5 3 2 3 2 4 5

Keterangan: Y= Pengeluaran perbulan (ratusan ribu rupiah)

𝑋1 =Pendapatan perbulan(ratusan ribu rupiah.
𝑋2 = Jumlah anggota keluarga (orang)
 Menghitung korelasi
melalui koefisien korelasi berganda.
Y 𝑿𝟏 𝑿𝟐 𝒀𝟐 𝑿𝟏 𝟐 𝑿𝟐 𝟐 𝑿𝟏 Y 𝑿𝟐 Y 𝑿𝟏 𝑿𝟐

3 5 4 9 25 16 15 12 20
5 8 3 25 64 9 40 15 24
6 9 2 36 81 4 54 12 18
7 10 3 49 100 9 70 21 30
4 7 2 16 49 4 28 8 14
6 7 4 36 49 16 42 24 28
9 11 5 81 121 25 99 45 55

40 57 23 252 489 83 348 137 189

Tahap 1
n σ 𝑋1 Y − σ 𝑌 σ 𝑋1
r𝑌1 =
2
𝑛 σ 𝑌 2 − σ 𝑌)2 (𝑛 σ 𝑋1 −(σ 𝑋1 )2
7 348 −(40)(57)
=
7 252 −(40)2 (7 489 −(57)2 )
156
=
168,93
= 0,92
Tahap 2
n σ 𝑋2 Y − σ 𝑌 σ 𝑋2
r𝑌2 =
2
𝑛 σ 𝑌 2 − σ 𝑌)2 (𝑛 σ 𝑋2 −(σ 𝑋2 )2
7(137)−(40)(23)
=
7 252 −(40)2 (7 83 −(23)2 )
39
=
92,35
= 0,42
Tahap 3
n σ 𝑋1 𝑋2 − σ 𝑋1 σ 𝑋2
𝑟12 =
2
𝑛 σ 𝑋1 2 − σ 𝑋1 )2 (𝑛 σ 𝑋2 −(σ 𝑋2 )2
7(189)−(57)(23)
=
7 489 −(57)2 (7 83 −(23)2 )
12
=
95,12
= 0,13
Tahap 4
𝑟𝑌12 +𝑟𝑌22 −2𝑟𝑌1 𝑟𝑌2 𝑟12
𝑟𝑌12 =
1−𝑟12 2
(0,92)2 +(0,42)2 −2 0,92 0,42 (0,13)
=
1−(0,13)2
= 0,94
= 0,97
 1.Regresi Linear
a. Regresi linear dari Y terhadap X
ANALISIS Y = a + bX

REGRESI b. Regresi Linear dari X terhadap Y

X = a + bY
(PREDIKSI) (σ 𝑌) σ 𝑋 2 −(σ 𝑋)( σ 𝑋𝑌)
a=
𝑛 (σ 𝑋 2) −(σ 𝑋 2 )

𝑛 (σ 𝑋𝑌)−(σ 𝑋 σ 𝑌)
b=
𝑛 (σ 𝑋 2 )−(σ 𝑋 2 )

a=𝑌ത − 𝑏. 𝑋ത
Contoh
Hubungan antara variabel X dan Variabel Y

X 1 2 3 4 5 6
Y 6 4 3 5 4 2

Buatlah persamaan garis regresinya dan tentukan nilai duga Y, jika X -8.
Penyelesaian:
X Y 𝑿𝟐 𝒀𝟐 XY
1 6 1 36 6
2 4 4 25 8
3 3 9 9 9
4 5 16 25 20
5 4 25 16 20
6 2 36 4 12
21 24 91 106 75
 𝒏 (σ 𝑿𝒀)−(σ 𝑿 σ 𝒀)
○b=
𝒏 (σ 𝑿𝟐 )−(σ 𝑿𝟐 )
𝟔 𝟕𝟓 −(𝟐𝟏)(𝟐𝟒)
=
𝟔 𝟗𝟏 −(𝟐𝟏)𝟐
−𝟓𝟒
=
𝟏𝟎𝟓
= -0,5
ഥ -b.𝑿
a= 𝒀 ഥ
𝟐𝟒 𝟐𝟏
= -(-0,5)
𝟔 𝟔
= 5,75
○
Maka Persamaannya garis regresinya:
Y’=5,75-0,5X
Jika Nilai X=8 maka
Y’=5,75-0,5(8)
=1,75
 Bentuk umum persaman regresi linear berganda dapat dituliskan sebagai
berikut:
Y= a + 𝑏1 𝑋1 + 𝑏2 𝑋2 +𝑏3 𝑋3 + ⋯ + 𝑏𝑘 𝑋𝑘
Jika Y (variabel terikat) dihubungkan dengan 2 variabel bebas (𝑋1 𝑋2 )
maka pessamaan regresinyaadalah:

REGRESI Y=a + 𝑏1 𝑋1 + 𝑏2 𝑋2
Keterangan:
Y =Variabel terikat
LINEAR 𝑋1 𝑋2
a,𝑏1 , 𝑏2
= Variabel bebas
= Koefisien regresi linear berganda
BERGANDA a
𝑏1
=Nilai Y, apabila 𝑋1 = 𝑋2 = 0
=Besarnya kenaikan/turunan Y dalam satuan,jika
𝑋1 naik /turun satu satuan dan 𝑋2 konstan.
𝑏2 = Besarnya kenaikan/turunan Y dalam satuan,jika
𝑋2 naik /turun satu satuan dan 𝑋1 konstan.
+ atau− = arah hubungan Y dan𝑋1 𝑎𝑡𝑎𝑢 𝑋2
Contoh
Berikut ini data mengenai indeks pasar, tingkat suku bunga, dan return saham sebuah
perusahaan di Bursa Efek Jakarta selama kurun waktu 1996 sampai 2000.

Tahun 𝑿𝟏 𝑿𝟐 Y
1996 24,48 16,69 -70,53
1997 1,42 16,28 -12,12
1998 -31,45 21,84 -31,03
1999 32,61 22,35 152,5
2000 -9,13 13,80 -59,4

Pertanyaan:
Buatlah persamaan regresi berganda dan tentukan nilai Y jika𝑋1=25 𝑑𝑎𝑛 𝑋2 = 24
 ○Nilai a, 𝑏1 𝑑𝑎𝑛 𝑏2 dapat ditentukan dengan rumus:
σ 𝑥2 2 σ 𝑥1 𝑦 −(σ 𝑥2 𝑦) σ 𝑥1 𝑥2
𝑏1 = σ 𝑥1 2 σ 𝑥2 2 − σ 𝑥1 𝑥2 )2
Penyelesaian:
Memakai metode kuadrat terkecil σ 𝑥1 2 σ 𝑥2 𝑦 −(σ 𝑥1 𝑦) σ 𝑥1 𝑥2
𝑏2 = σ 𝑥1 2 σ 𝑥2 2 − σ 𝑥1 𝑥2 )2

σ 𝑌−𝑏1 σ 𝑋1 −𝑏2 σ 𝑋1
A=
𝑛

𝑿𝟏 𝑿𝟐 Y 𝑿𝟏 𝟐 𝑿𝟐 𝟐 𝒀𝟐 𝑿𝟏 𝑿𝟐 𝑿𝟏 Y 𝑿𝟐 Y
24.48 16,69 -70,53 599,27 278,556 4974,48 408,57 -1726,57 -1177,15
1,42 16,28 -12,12 2,0164 265,038 146,894 23,1176 -17,2104 -197,314
-31,45 21,84 -31,03 989,103 476,986 962,861 -686,868 975,8935 -677,695
32,61 22,35 152,5 1063,41 499,523 23256,3 728,834 4973,025 3408,38
-9,13 13,8 -59,4 83,3569 190,44 3528,36 -125,994 542,322 -819,72
17,93 90,96 -20,58 2737,16 1710,54 32868,8 347,66 4747,46 536,5
○Di mana:
2 2 (σ 𝑋1 )2
෍ 𝑋1 = ෍ 𝑋1 −
𝑛
2 2 (σ 𝑋2 )2
෍ 𝑋2 = ෍ 𝑋2 −
𝑛
σ 2
( 𝑌)
෍ 𝑦2 = ෍ 𝑌2 −
𝑛
(σ 𝑋 )(σ 𝑌)
1
σ 𝑥1 y = σ 𝑥1 Y −
(σ 𝑋2𝑛)(σ 𝑌)
σ 𝑥2 y = σ 𝑥2 Y −
(σ𝑛𝑋1 )(σ 𝑋2 )
σ 𝑥1 𝑥2 = σ 𝑋1 𝑋2 −
𝑛
selanjutnya: 2
( σ 𝑋 1 )
෍ 𝑋1 2 = ෍ 𝑋1 2 −
𝑛

○ =2672,863
 2 2 (σ 𝑋1 )2
෍ 𝑋1 = ෍ 𝑋1 −
𝑛
90,962
= 1710,54- 5
= 55,7956
(σ 𝑋1 )(σ 𝑋2 )
σ 𝑥1 𝑥2 = σ 𝑋1 𝑋2 −
𝑛
17,93 (90,960
=347,66- 5
= 21,4774
(σ 𝑋1 )(σ 𝑌)
σ 𝑥1 y = σ 𝑥1 Y −
𝑛
(17,93)(−20,58)
= 4747,46-
5
=4821,259
(σ 𝑋2 )(σ 𝑌)
σ 𝑥2 y = σ 𝑥2 Y −
𝑛
90,96 (−20,58)
=536,5- 5
=910,891
2 2
(σ 𝑌)2
෍𝑦 = ෍𝑌 −
𝑛
=32784,093
 σ 𝑥2 2 σ 𝑥1 𝑦 −(σ 𝑥2 𝑦) σ 𝑥1 𝑥2
𝑏1 = σ 𝑥1 2 σ 𝑥2 2 − σ 𝑥1 𝑥2 )2

55,7956 4821,259 −(910,891)(21,4774)

=
2672,863 55,7956 −(21,4774)2

= 1,677

σ 𝑥1 2 σ 𝑥2 𝑦 −(σ 𝑥1 𝑦) σ 𝑥1 𝑥2
𝑏2 = σ 𝑥1 2 σ 𝑥2 2 − σ 𝑥1 𝑥2 )2

2672,863 910,891 −(4821,259)(21,4774)

=
2672,863 55,7956 −21,47742

= 15,679
 σ 𝑌−𝑏1 σ 𝑋1 −𝑏2 σ 𝑋1
a= 𝑛

−20,58− 1,677 17,93 −(15,679)(15,679)(90,96)

= 5
= -295,36

Sehingga didapatlah persamaan regresinya:

Y= -295,36+1,677𝑋1 +15,679𝑋2

Nilai duga Y jika 𝑋1=25 𝑋2 =24 adalah:

Y= -295,36+1,677(25)+15,679(24)
= 122,861.
 56

THANK YOU