Tugas Penerapan Komputer

2.  Tabel berikut adalah hasil observasi terhadap sampel acak yang terdiri dari 8 desa di kota “Alfabet” mengenai pembelian mesin pertanian dan pengeluaran pemeliharan alat selama tahun 2010.

Desa	pembelian (juta rupiah)	Peng pemeliharaan (juta rupiah)
A	21	4
B	15	3
C	15	3.5
D	9	2
E	12	3
F	18	3.5
G	6	2.5
H	12	2.5

(a).  Dengan menggunakan least square error methods, tentukan persamaan regresi linear sederhana pengeluaran pemeliharaan terhadap pembelian.  Kemudian jelaskan arti koefisien yang terdapat dalam persamaan tersebut.

(b).  Lakukan uji t dan uji F dengan menggunakan α = 5%, bagaimana kesimpulan dari kedua pengujian koefisien regresi tersebut.

Jawab : 

Desa	Pembelian (juta Rupiah)	Pengeluaran (juta Rupiah
A	21	4
B	15	3
C	15	3,5
D	9	2
E	12	3
F	18	3,5
G	6	2,5
H	12	2,5
Total	108	24

Ok .. :)

 masih sama metodenya dengan yang sudah saya posting duluan ,,
yaitu menggunakan data Analysis Regresi linier sederhana dan melakukan uji t dan uji F, maka kesimpulannya bisa didapatkan dari hasil analisis yang di lakukan ,, 

1. Buka Aplikasi Ms. Exel 

2. bila Bahan Atau sampelnya sudah ada , maka Pilihlah Data pada Menu bar  dan Data Analysis 

seperti gambar di bawah ini 

gambar di atas adalah Data Analysis Regresi, akan tetapi terlebih dahulu dilakukan analisis Anova singgle factor untuk mengetahui Significant tidaknya Data yang ingin kita uji tersebut. 

berikut inilah penjelasan lebih lanjutnya :

Persamaan Regresi Linier dari Y terhadap X

Persamaan regresi linier dari Y terhadap X dirumuskan sebagai berikut:

Y = a + b*X

Keterangan:

Y = variabel terikat

X = variabel bebas

a = intersep

b = koefisien regresi/slop

Pada persamaan tersebut di atas, nilai a dan b dapat ditentukan dengan cara memasukkan nilai X dan Y pada aplikasi statistik misalnya pada statgraph atau exel namun disini saya menggunakan aplikasi statistik statgraph seperti gambar di atas dan berikut ini 

setelah gambarnya seperti ini lalu pilih Relate pada menu bar -> pilih simple Regression ,

Maka gambarnya akan seperti di bawah ini

gambar diatas menjelaskan bahwa pada variabel X adalah pembelian mesin dan Variabel Y Pengeluaran pemeliharaan . setelah itu lalu klik OK

inilah tampilan yang didapatkan setelah melakukan Cara di atas , memberi penjelasan uji lanjut pada hipotesys yang di lakukan 

Dependent variable: Pengeluaran Pemeliharaan ( Y)

Independent variable: Pembelian mesin        ( X )

-----------------------------------------------------------------------------

                               Standard          T

Parameter       Estimate         Error       Statistic        P-Value

-----------------------------------------------------------------------------

Intercept          1,375       0,368776        3,72856         0,0098

Slope            0,12037      0,0259149        4,64483         0,0035

-----------------------------------------------------------------------------

                           Analysis of Variance

-----------------------------------------------------------------------------

Source             Sum of Squares     Df  Mean Square    F-Ratio      P-Value

-----------------------------------------------------------------------------

Model                     2,34722      1      2,34722      21,57       0,0035

Residual                 0,652778      6     0,108796

-----------------------------------------------------------------------------

Total (Corr.)                 3,0      7

Correlation Coefficient = 0,884538    

R-squared = 78,2407 percent

Standard Error of Est. = 0,329843

The StatAdvisor

---------------

   Output menunjukkan hasil pas model linier untuk menggambarkan

hubungan antara pengeluaran ada Pemeliharaan dan mesin Pembelian .

Persamaan model pas adalah

Pengeluaran Pemeliharaan = 1,375 + 0,12037*Pembelian mesin

Karena nilai P pada tabel ANOVA kurang dari 0,01 , ada

hubungan yang signifikan secara statistik antara pengeluaran ada

Pemeliharaan dan Pembelian Mesin pada tingkat kepercayaan 99 % .

R- square Statistic menunjukkan bahwa model yang dipasang menunjukkan bahwa 78,2407 % dari variabilitas dalam pengeluaran ada pemeliharaan . koefisien korelasi sama dengan 0,884538 , menunjukkan cukup hubungan yang kuat antara variabel . Standard error dari estimasi menunjukkan standar deviasi residual menjadi 0,329843 .Nilai ini dapat digunakan untuk membangun batas prediksi baru pengamatan dengan memilih opsi Prakiraan dari menu teks .

Selain itu Data Analisis Anova singgle faktor juga menunjukkan perbedaan yang nyata pada hipotesis ini sebagai berikut :

Dengan menggunakan data analisis Anova singgle Factor maka didapatkan F tabel >F5% (significant)

Dari gambar diatas maka nilai r = 0,884538 nilai ini menunjukkan hubungan (correlation) sangat erat antara pengeluaran pemeliharaan dan pembelian mesin. Dan significant hubungan antara pengeluaran pemeliharaan dan pembelian mesin pada kepercayaan 99 %  ,,,,,,

Untuk lebih Jelasnya bisa di Download di sini Click                                             





Semoga Bermanfaat :)