STEVANI On Social Media

Showing posts with label REGRESI. Show all posts
Showing posts with label REGRESI. Show all posts

Thursday, July 26, 2018

Pegujian Terhadap Koefisien Regresi

Pengujian Terhadap Koefisien Regresi
BACA JUGA : REGRESI DAN KORELASI, ILMU STATISTIKA
Langkah 1 : Membuat perumusan hipotesis
  • Ho = β =0, Artinya variabel independen tidak berpengaruh pada variabel dependen
  • Ho = β ≠ 0, Artinya variabel independen berpengaruh terhadap variabel dependen
Langkah 2 : Menentukan nilai kritis dengan memperhatikan derajat kebebasan menggunakan (degree of freedom), misalnya α = 1%
t (n - k, α/2)
t (8 - 2, 0,005)
t (6, 0,005)
= ±3,707 (lihat data pada tabel berikut!)
Penjualan (y)
Promosi (x)
XY
X”
Y”
64
61
84
70
88
92
72
77
20
16
34
23
27
32
18
22
1280
976
2856
1610
2376
2944
1296
1694
400
256
1156
529
729
1024
324
484
4096
3721
7056
4900
7744
8464
5184
5929
∑y = 608
∑x = 192
∑xy = 15032
∑x” = 4902
∑y” = 47094

Langkah 3 : Menentukan nilai t test = t hitung = t tabel
t test = (b - β)/Sb



Rumus Sb pada gambar berikut :

Langkah 4 : Membuat keputusan


Langkah 5 : Membuat keputusan

T test = 3,8 berada di daerah penolakan berarti variabel promosi (x) berpengaruh terhadap variabel penjualan (y).

Mohon maaf atas ketidakjelasan dalam penulisan rumus dan penyelesaian, karena fitur ini tidak mendukung penulisan bilangan berpangkat. Jika anda kurang memahaminya, silahkan bertanya dengan atau menulis komentar kalian di bawah!
Terima Kasih sudah mencari dan membaca ilmu !

Wednesday, July 25, 2018

Ilmu Statistika Bisnis || REGRESI dan KORELASI

Regresi pada mulanya digunakan oleh seorang ilmuan dari Inggris yaitu Sir Francis Dalton (1877) dengan melakukan sebuah penelitian tentang tinggi badan seorang anak dipengaruhi oleh rata-rata tinggi badan orang tua/ penduduk setempat. Regresi untuk melihat pengaruh/ hubungan antar suatu variabel dengan variabel lain jika variabel lain sudah diketahui.
Awalnya terdapat 
  • Variabel 1 = tinggi badan anak
  • Variabel 2 = tinggi badan rata-rata penduduk
Variabel X merupakan variabel bebas. Dan variabel Y merupakan variabel tidak bebas. Untuk mengestimasi salah satu variabel maka dengan catatan variabel lainnya sudah diketahui.
Analisis regresi sudah digunakan secara universal. Regresi asal kata "Regres" = menurun. Biasanya model yang digunakan adalah analisis regresi yaitu 
Y = a + bX + e
Dimana
Y = variabel dependen
a = intercept / potongan pada sumbu y
b = slope / garis kemiringan
X = variabel independen
e = eror = factor ketidakpercayaan
Rumus untuk menghitung nilai a dan b, sebagai berikut :
Contoh soal

Penjualan (y)
Promosi (x)
XY
X”
Y”
64
61
84
70
88
92
72
77
20
16
34
23
27
32
18
22
1280
976
2856
1610
2376
2944
1296
1694
400
256
1156
529
729
1024
324
484
4096
3721
7056
4900
7744
8464
5184
5929
y = 608
∑x  = 192
xy = 15032
x” = 4902
y” = 47094
Jika diketahui promosi pada tahun ke-9 adalah 25. Berapa besar penjualannya (y)...?
Penyelesaian
b = {n∑xy-(∑x)(∑y)}÷{n(∑x")-(∑x)"}
b = {8(15032)-(192)(608)}÷{8(4902)-(192)"}
b = 3520 ÷ 2352
b = 1,4965 
b = 1,5 (dibulatkan)
Mencari nilai a
Dimana
ý = ∑y/n = 608/8 = 76
X = ∑x/n = 192/8 = 24
a = ý - bx
a = 76 - 1,5 (24)
a = 40 (untuk lebih jelasnya lihat gambar)

Maka diperoleh model y = 40 + 1,5x
Jika promosi tahun ke-9 = 25 maka
y = 40 + 1,5(25)
y = 77,5
Maka penjualannya (y) = 77,5
Menghitung Kesalahan standar estimasi
Penyelesaian kesalahan standar estimasi pada gambar berikut :
BACA JUGA : PENGUJIAN TERHADAP KOEFISIEN REGRESI
Mohon maaf atas ketidakjelasan dalam penulisan dan penjabaran rumus karena fitur ini tidak mendukung penulisan bilangan berpangkat. Jika anda belum memahaminya silahkan bertanya!
Terima kasih sudah mencari dan membaca ilmu!