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 (jutarupiah)
|
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 metode yang di bawah ini 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 % ,,,,,,
semoga bermanffat buat semua pengunjung blog ini
0 komentar:
Posting Komentar