Professional Documents
Culture Documents
Fajrin Permata Sari-Statistik Uas
Fajrin Permata Sari-Statistik Uas
MAT 21828 – C
1.
Forecasti
Bulan t Actual ng
1,200,000
1,000,000
800,000
Actual
600,000 Forecasting
400,000
200,000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27
b. Regresi Linier
Forecasti
Bulan t Actual ng
SUMMARY OUTPUT
Regression Statistics
0.9664938
Multiple R 7
R Square 0.9341104
Adjusted R 0.9315761
Square 9
Standard
Error 81107.341
Observations 28
ANOVA
Significanc
df SS MS F eF
2.4248E+1 368.599466
Regression 1 2 2.4248E+12 1 7.06E-17
1.7104E+1
Residual 26 1 6578400762
2.5958E+1
Total 27 2
Forecastin
t Actual g
1,000,00 898958.12
Januari 1 0 8
862527.36
Februari 2 900,000 7
826096.60
Maret 3 950,000 6
789665.84
April 4 800,000 6
753235.08
Mei 5 785,000 5
Juni 6 716804.32
775,000 4
680373.56
Juli 7 763,000 3
643942.80
Agustus 8 682,000 2
Septembe 607512.04
r 9 598,000 2
571081.28
Oktober 10 526,000 1
Novembe
r 11 463,000 534650.52
Desembe 498219.75
r 12 409,000 9
461788.99
Januari 13 362,000 8
425358.23
Februari 14 321,000 8
388927.47
Maret 15 285,000 7
352496.71
April 16 254,000 6
316065.95
Mei 17 227,000 5
279635.19
Juni 18 203,000 4
243204.43
Juli 19 182,000 3
206773.67
Agustus 20 147,000 3
Septembe 170342.91
r 21 132,000 2
Oktober 22 133912.15
120,000 1
Novembe 97481.390
r 23 108,000 3
Desembe 61050.629
r 24 98,000 4
24619.868
Januari 25 89,000 6
-
11810.892
Februari 26 81,000 2
-
Maret 27 73,000 48241.653
-
84672.413
April 28 67,000 8
1,200,...
1,000,...
800,...
600,... Actual
Forecasting
400,...
200,...
-
1 3 5 7 9 11 13 15 17 19
(200,...
Menggunakan LOG
Bulan t Log Actual
2018 Januari 1 6.00
Februari 2 5.95
Maret 3 5.98
April 4 5.90
Mei 5 5.89
Juni 6 5.89
Juli 7 5.88
Agustus 8 5.83
September 9 5.78
Oktober 10 5.72
November 11 5.67
Desember 12 5.61
2019 Januari 13 5.56
Februari 14 5.51
Maret 15 5.45
April 16 5.40
Mei 17 5.36
Juni 18 5.31
Juli 19 5.26
Agustus 20 5.17
September 21 5.12
Oktober 22 5.08
November 23 5.03
Desember 24 4.99
2020 Januari 25 4.95
Februari 26 4.91
Maret 27 4.86
April 28 4.83
SUMMARY OUTPUT
Regression Statistics
0.9942100
Multiple R 7
R Square 0.9884536
5
Adjusted R 0.9880095
Square 6
Standard 0.0425922
Error 7
Observations 28
ANOVA
Significanc
df SS MS F eF
4.0378179 2225.79457
Regression 1 5 4.037817952 5 1.01E-26
0.0471666
Residual 26 5 0.001814102
Total 27 4.0849846
Forecas
t Log Actual ting
3.15959
1 6.00 88
2 5.95 4.12168
596
3.62797
3 5.98 748
5.19720
4 5.90 789
5.37004
5 5.89 679
5.48711
6 5.89 739
5.62961
7 5.88 26
6.65441
8 5.83 279
7.85463
9 5.78 168
9.02609
10 5.72 253
10.1910
11 5.67 21
11.3234
12 5.61 21
12.4380
13 5.56 975
13.5357
14 5.51 178
14.6219
15 5.45 135
15.6734
16 5.40 371
16.6996
17 5.36 606
18 5.31 17.7200
382
18.7171
19 5.26 786
20.6674
20 5.17 054
21.6502
21 5.12 222
22.5205
22 5.08 359
23.4826
23 5.03 23
24.3698
24 4.99 624
25.2494
25 4.95 985
26.1095
26 4.91 58
27.0591
27 4.86 279
27.8422
28 4.83 975
25
20
15
Log Actual
Forecasting
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
c. Berapakah perkiraan keuntungan yang akan diperoleh pada bulan Mei dan Juni tahun 2020?
Mei (29) Y = 6.1423 - 0.0470t
Y = 6.1423 - 0.0470*29
4.7793
Anti Log Y30 60158.91571
2. Buatlah fungsi permintaan kain batik “BATIKKU” dengan model regresi linier berganda dengan model biasa dan model logaritma.
a. LINIER
SUMMARY OUTPUT
Regression Statistics
0.99624844
Multiple R 2
0.99251095
R Square 9
Adjusted R 0.99051388
Square 1
Standard 45.1557881
Error 1
Observations 20
ANOVA
Significan
df SS MS F ce F
496.9816
Regression 4 4053472.1 1013368 4 9.655E-16
2039.045
Residual 15 30585.678 2
Total 19 4084057.8
LOGARITMA
Periode Jumlah (Y) X1 X2 X3 X4
3.4
1 3.77 1 3.24 3.22 3.20
3.4
2 3.77 3 3.24 3.25 3.21
3.4
3 3.77 3 3.16 3.27 3.21
3.4
4 3.77 5 3.17 3.27 3.19
3.4
5 3.77 5 3.22 3.26 3.22
3.4
6 3.83 3 3.46 3.37 3.26
3.4
7 3.83 5 3.47 3.36 3.26
3.4
8 3.83 7 3.45 3.37 3.26
3.4
9 3.82 9 3.48 3.36 3.26
3.5
10 3.81 0 3.33 3.35 3.24
3.5
11 3.82 1 3.38 3.36 3.26
3.5
12 3.81 2 3.46 3.35 3.25
3.5
13 3.82 2 3.44 3.36 3.26
3.4
14 3.84 9 3.49 3.39 3.27
3.5
15 3.84 1 3.51 3.39 3.27
3.5
16 3.85 5 3.52 3.41 3.28
3.5
17 3.85 5 3.54 3.42 3.27
3.5
18 3.86 6 3.60 3.42 3.29
3.5
19 3.85 8 3.59 3.40 3.28
3.5
20 3.85 8 3.60 3.41 3.28
Jumla
h 76 70 68 67 65
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.995764051
R Square 0.991546045
Adjusted R
Square 0.989291657
Standard Error 0.003235509
Observations 20
ANOVA
Significanc
df SS MS F eF
0.004604 439.8293
Regression 4 0.0184174 4 7 2.394E-15
Residual 15 0.000157 1.047E-05
Total 19 0.0185745
Menghitung t tabel:
Variabel = 5 -1 = 4
Observasi = 20-4= 16 (2.11991)
Menghitung F tabel:
F=20-4=16 (3.01)
Y = 2246.796 - 0.146X1+0.154X2+0.640X3+1.645X4
F=496.98164
R= 0.9925
Uji t
Hipotesis
Uji t t hitung t tabel t hit dan t tabel
X1 memiliki hubungan dengan Y
X1 -2.6934863 -2.11991 t hit < t tabel
X2 memiliki hubungan dengan Y
X2 3.2895202 2.11991 t hit > t tabel
X3 3.7423454 2.11991 t hit > t tabel X3 memiliki hubungan dengan Y
X4 memiliki hubungan dengan Y
X4 3.2664247 2.11991 t hit > t tabel
Uji F
F hitung F tabel F hit dan F tabel Hipotesis
496.9816 3.01
F hit > F tabel Semua variabel bebas berhubungan dengan Y
LOGARITMA
Y = 1.919 - 0.056X1+0.075X2+0.211X3+0.348X4
F=439.82937.98164
R= 0.9915
Uji t
Hipotesis
Uji t t hitung t tabel t hit dan t tabel
X1 memiliki hubungan dengan Y
X1 -2.1212562 -2.11991 t hit < t tabel
X2 memiliki hubungan dengan Y
X2 3.258072 2.11991 t hit > t tabel
X3 memiliki hubungan dengan Y
X3 3.6311508 2.11991 t hit > t tabel
X4 memiliki hubungan dengan Y
X4 2.0999043 2.11991 t hit > t tabel
Uji F
F hitung F tabel F hit dan F tabel Hipotesis
439.82937
3.01
F hit > F tabel Semua variabel bebas berhubungan dengan Y
LOGARITMA
Uji R2
0 ≤ R2 ≤ 0
R2 = 0.9915
Artinya 99% variasi variebel tidak bebas diterankan oleh variabel-variabel bebas yang ada dalam persamaan.
d. Tentukan persamaan mana yang akan digunakan dan sebutkan alasannya mengapa model tersebut yang digunakan!
F
496.9816
Linear
439.82937
Log
Selain itu, hasil pengujian F dengan menggunakan metode linier memperoleh nilai yang lebih baik daripada menggunakan metode log.
f. Sebutkan variabel mana yang paling berpengaruh pada jumlah lembar kain batik “Batikku” yang terjual. Jelaskan cara untuk mengetahuinya!
Uji t t hitung
Jumlah (Y) 3.7681703
X3 3.7423454
Dilihat bahwa faktor yang paling pengaruh adalah X3 karena memiliki nilai t hitung paling tinggi.
g. Seandainya harga berubah menjadi sebagai berikut: X1 = 4000; X2 = 4000; X3 = 3000; dan X4 = 1500. Berapakah perkiraan tertinggi dan
terendah Batikku yang akanterjual?
Y = 2246.796 - 0.146X1+0.154X2+0.640X3+1.645X4
Y= 2246.796 – 0.146*4000+0.154*4000+0.640*3000+1.645*1500
Y= 6666.296
artinya jumlah batikku yang dihasilkan adalah 6666.296
3.
2016 2017
Harga Jumlah Harga Jumlah
No Jenis Barang (P0) (Q0) P0Q0 (P1) (Q1) P1Q0
2017 2018
Jumlah
No Jenis Barang P1Q1 P0Q1 Harga (P2) (Q2) P2Q0
1 Beras (kg)
10,141,547,200 9,170,548,000 10,050 1,734,460 12,600,288,000
No Jenis Barang P2Q2 P0Q2
120.730.805 .100
IL16 = χ 100 = 100
120.730.805 .100
126.843.462 .220
IL17 = χ 100 = 105.0630
120.730.805 .100
144.437.296 .565
IL18 = χ 100 = 119.6358
120.730.805 .100
b. Paasche
ΣP n Q n
IP= .100
ΣP 0 Q n
120.730.805 .100
IP16 = χ 100 = 100
120.730.805 .100
131.774 .154 .120
IP17 = χ 100 = 105.1347
125.338 .396.740
160.693.881 .560
IP18 = χ 100 = 120.6867
133.149.648 .115
c. Fisher
F=√ ILxIP
F 16 = √ 100 χ 100=100
F 17 = √ 105.0630 χ 105.1347=105.0989
F 18 = √ 119.6358 χ 120.6867=120.1601