FAJRIN PERMATA SARI

MAT 21828 – C
1.
Forecasti
  Bulan t Actual ng

2018 Januari 1 1,000,000 #N/A

  Februari 2 900,000 #N/A

  Maret 3 950,000 950,000

  April 4 800,000 883,333

  Mei 5 785,000 845,000

  Juni 6 775,000 786,667

  Juli 7 763,000 774,333

  Agustus 8 682,000 740,000

Septemb
  er 9 598,000 681,000

  Oktober 10 526,000 602,000

Novembe
  r 11 463,000 529,000
Desembe
  r 12 409,000 466,000

2019 Januari 13 362,000 411,333

  Februari 14 321,000 364,000

  Maret 15 285,000 322,667

  April 16 254,000 286,667

  Mei 17 227,000 255,333

  Juni 18 203,000 228,000

  Juli 19 182,000 204,000

  Agustus 20 147,000 177,333

Septemb
  er 21 132,000 153,667

  Oktober 22 120,000 133,000

Novembe
  r 23 108,000 120,000
Desembe
  r 24 98,000 108,667

2020 Januari 25 89,000 98,333

  Februari 26 81,000 89,333

  Maret 27 73,000 81,000

  April 28 67,000 73,667

 a. Gambar Centered Moving Average

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

2018 Januari 1 1,000,000 #N/A

  Februari 2 900,000 #N/A

  Maret 3 950,000 950,000

  April 4 800,000 883,333

  Mei 5 785,000 845,000

  Juni 6 775,000 786,667

  Juli 7 763,000 774,333

  Agustus 8 682,000 740,000

Septemb
  er 9 598,000 681,000

  Oktober 10 526,000 602,000

Novembe
  r 11 463,000 529,000
Desembe
  r 12 409,000 466,000

2019 Januari 13 362,000 411,333

  Februari 14 321,000 364,000

  Maret 15 285,000 322,667

  April 16 254,000 286,667

  Mei 17 227,000 255,333

  Juni 18 203,000 228,000

  Juli 19 182,000 204,000

  Agustus 20 147,000 177,333

 Septemb
  er 21 132,000 153,667

  Oktober 22 120,000 133,000

Novembe
  r 23 108,000 120,000
Desembe
  r 24 98,000 108,667

2020 Januari 25 89,000 98,333

  Februari 26 81,000 89,333

  Maret 27 73,000 81,000

  April 28 67,000 73,667

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      

Coefficien Standard Lower Upper Lower Upper Upper

  ts Error t Stat P-value 95% 95% 95.0% 95.0% 95.0%
935388.88 31495.730 1.36619E- 100012 870648. 26.3351
Intercept 9 9 29.69891033 21 870648.5 9 5 1000129 1
-
36430.760 1897.5397 7.05685E- -
t 8 8 -19.1989444 17 -40331.2 32530.3 -40331.2 -32530.3 -2.3E-05

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      

Coefficien Standard Lower Upper Lower Upper Upper

  ts Error t Stat P-value 95% 95% 95.0% 95.0% 95.0%
6.1423098 5.87303E- 6.17630 6.10831 6.17630 26.3351
Intercept 7 0.0165395 371.3721799 50 6.108312 7 2 7 1
- 0.0009964 1.01018E- - -
t 0.0470115 6 -47.17832738 26 -0.04906 0.04496 0.04906 -0.04496 -2.3E-05

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

Juni (30) Y = 6.1423 - 0.0470t

Y = 6.1423 - 0.0470*30
4.7323
Anti Log Y30 53988.3432

2. Buatlah fungsi permintaan kain batik “BATIKKU” dengan model regresi linier berganda dengan model biasa dan model logaritma.
a. LINIER

Periode Jumlah (Y) X1 X2 X3 X4

1 5,852 2,560 1,725 1,652 1,583

2 5,943 2,662 1,725 1,776 1,627

3 5,852 2,688 1,438 1,859 1,605

4 5,835 2,816 1,495 1,859 1,556

5 5,943 2,816 1,671 1,838 1,649

6 6,753 2,688 2,864 2,346 1,828

7 6,807 2,816 2,944 2,272 1,832

8 6,735 2,944 2,846 2,333 1,824

9 6,663 3,072 3,019 2,272 1,812

10 6,483 3,174 1,750
 2,128 2,230

11 6,555 3,226 2,415 2,272 1,802

12 6,501 3,328 2,875 2,230 1,787

13 6,609 3,328 2,760 2,313 1,810

14 6,933 3,098 3,105 2,437 1,861

15 6,969 3,200 3,220 2,478 1,875

16 7,059 3,533 3,335 2,581 1,902

17 7,005 3,584 3,450 2,623 1,880

18 7,167 3,635 4,025 2,643 1,933

19 7,023 3,789 3,910 2,519 1,890

20 7,131 3,840 4,025 2,581 1,912

Jumlah 131,818 62,797 54,975 45,114 35,718

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      

Coefficient Standard Lower Upper Lower Upper

  s Error t Stat P-value 95% 95% 95.0% 95.0%
2246.79627 3.768170 0.001860 3517.68 975.905 3517.68
Intercept 1 596.25656 3 5 975.9055 7 5 7
-
- 2.693486 0.016675 - -
X1 0.14632827 0.0543267 3 1 0.2621229 0.03053 -0.26212 -0.03053
0.15399786 3.289520 0.004964 0.25378 0.05421 0.25378
X2 3 0.0468147 2 4 0.0542147 1 5 1
0.63955688 3.742345 0.001961 1.00381 0.27529 1.00381
X3 8 0.1708973 4 4 0.2752978 6 8 6
1.64488630 3.266424 0.005205 2.71822 0.57154 2.71822
X4 2 0.5035739 7 1 0.5715439 9 4 9

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      

Standard Upper Lower Upper

  Coefficients Error t Stat P-value Lower 95% 95% 95.0% 95.0%
2.70655
Intercept 1.919536229 0.3692407 5.198604 0.000108 1.1325183 4 1.132518 2.706554
-
2.121256 0.00026
X1 -0.055545 0.026185 2 0.050972 -0.1113569 7 -0.11136 0.000267
0.12396
X2 0.074941052 0.0230017 3.258072 0.005295 0.0259142 8 0.025914 0.123968
3.631150 0.002463
X3 0.210795378 0.0580519 8 2 0.0870606 0.33453 0.087061 0.33453
2.099904 0.053064 0.70056
X4 0.347669728 0.1655646 3 8 -0.0052228 2 -0.00522 0.700562
 b. Ujilah dengan uji t dan dan uji F pada kedua model regresi yang Saudara peroleh.
LINIER

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

c. Apa arti nilai R2 yang Saudara peroleh?

LINIER
Uji R2
0 ≤ R2 ≤ 0
R2 = 0.9925
Artinya 99% variasi variebel tidak bebas diterankan oleh variabel-variabel bebas yang ada dalam persamaan.

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!

Persamaan regresi yang digunakan dengan metode linier.

R2
 Linear 0.9925
Log 0.9915
2
R dapat dilihat bahwa dengan menggunakan metode linier diperoleh nilai yang lebih baik.

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.

e.Sebutkan arti dari koefisien regresi pilihan saudara?

 Nilai koefisien sebesar -47.178 apabila terjadi penurunan jumlah helai, maka jumlah akan mengalami kenaikan atau penurunan 47.178%.

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

1 Beras (kg) 6,800 1,253,760 8,525,568,000 7,520 1,348,610 9,428,275,200

2 Kacang(kg) 3,800 764,978 2,906,916,400 4,450 755,177 3,404,152,100

3 Jagung (kaleng) 2,550 578,934 1,476,281,700 2,950 601,847 1,707,855,300

4 Mentega(liter) 22,845 870,975 19,897,423,875 23,750 920,645 20,685,656,250

5 Telur (kg) 11,850 769,221 9,115,268,850 12,150 770,997 9,346,035,150

6 Gula (kg) 6,700 1,096,419 7,346,007,300 7,750 1,211,148 8,497,247,250

7 Garam (kg) 810 525,949 426,018,690 930 684,854 489,132,570

8 Minyak Goreng(kg) 20,250 683,710 13,845,127,500 21,700 709,093 14,836,507,000

9 Gas (kg) 72,605 787,717 57,192,192,785 74,200 806,645 58,448,601,400

  Jumlah 148,210 7,331,663 120,730,805,100 155,400 7,809,016 126,843,462,220

    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

2 Kacang(kg) 3,360,537,650 2,869,672,600 4,675 745,375 3,576,272,150

3 Jagung (kaleng) 1,775,448,650 1,534,709,850 3,125 624,759 1,809,168,750

4 Mentega(liter) 21,865,318,750 21,032,135,025 34,225 996,450 29,809,119,375

5 Telur (kg) 9,367,613,550 9,136,314,450 16,340 827,325 12,569,071,140

6 Gula (kg) 9,386,397,000 8,114,691,600 8,015 1,325,877 8,787,798,285

7 Garam (kg) 636,914,220 554,731,740 1,010 820,760 531,208,490

8 Minyak Goreng(kg) 15,387,318,100 14,359,133,250 22,380 734,476 15,301,429,800

9 Gas (kg) 59,853,059,000 58,566,460,225 75,475 825,573 59,452,940,575

  Jumlah 131,774,154,120 125,338,396,740 175,295 8,635,055 144,437,296,565

       
No Jenis Barang P2Q2 P0Q2

1 Beras (kg) 17,431,323,000 11,794,328,000

2 Kacang(kg) 3,484,628,125 2,832,425,000

3 Jagung (kaleng) 1,952,371,875 1,593,135,450

4 Mentega(liter) 34,103,501,250 22,763,900,250

5 Telur (kg)
 13,518,490,500 9,803,801,250

6 Gula (kg) 10,626,904,155 8,883,375,900

7 Garam (kg) 828,967,600 664,815,600

8 Minyak Goreng(kg) 16,437,572,880 14,873,139,000

9 Gas (kg) 62,310,122,175 59,940,727,665

  Jumlah 160,693,881,560 133,149,648,115

a. Laspeyres
∑ Pn x Q 0
IL = χ 100
∑ P 0 x Q0

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