• Tidak ada hasil yang ditemukan

tugas ke 6 regresi korelasi

N/A
N/A
Protected

Academic year: 2017

Membagikan "tugas ke 6 regresi korelasi"

Copied!
3
0
0

Teks penuh

(1)

NAMA : BAIQ MARFUATUN

NIM : 04610256

PT EMITE MALANG TAHUN 1996 – 2006

(dalam ribuan)

No. Tahun Penjualan

Pulsa (Y) Tingkat KepemilikanHP Mahasiswa (X)

1 1996 18 4

2 1997 19 5

3 1998 16 7

4 1999 17 6

5 2000 18 7

6 2001 19 8

7 2002 21 9

8 2003 20 10

9 2004 22 11

10 2005 23 12

11 2006 22 14

[image:1.595.137.459.190.394.2]

REGRESI SEDERHANA

Tabel lanjutan agar lebih mudah dalam penyelesaiannya:

No. Tahun Penjualan (Y) TKM, HP(X)

X2 Y2 XY

1 1996 18 4 16 324 72

2 1997 19 5 25 361 95

3 1998 16 7 49 256 112

4 1999 17 6 36 289 102

5 2000 18 7 49 324 126

6 2001 19 8 64 361 152

7 2002 21 9 81 441 189

8 2003 20 10 100 400 200

9 2004 22 11 121 484 242

10 2005 23 12 144 529 276

(2)

Jumla

h 11 215 93 881 4253 1874

Dari tabel di atas maka dapat kita cari koefisien regresinya adalah sebagai berikut:

B = [ N ΣXY – ((ΣX) (ΣY)) ] [ N ΣX2 – ((ΣX)2 ] B = [ 11(1874) – ((93) (215) ]

[ 11(881) – (93)2 ]

B = 20614- 19995 9691 - 8649

B = 619

1042

B = 0,59

A = [ΣY] – B [ΣX] N N

A = 215– (0,59) (93) 11 11

A = 19,55 – 4,99 A = 14,56

Maka persamaan regresinya adalah: Y’ = A + BX

Y’ = 14,56 + 0,59X

Misalkan, perusahaan ini meramalkan penjualannya untuk tahun 2007 dengan X yang sudah ditentukan, misalkan X = 15 (15000 pembeli, mahasiswa)

Y’ = 14,56 + 0,59 (15) Y’ = 14,56 + 8,85 Y’ = 23,41

Y’ = 23,41 dibulatkan menjadi 23 Jadi ramalan penjualan untuk tahun 2007 adalah sebesar 23.000 unit (23 dikalikan 1000).

KOEFISIEN KORELASI

(3)

r = [11(1874) – (215) (93)]_______ {11(881) – (932(11(4253)) – ((215)2}1/2

r = 20614 – 19995 (9691) - (8649)(46783) – (46225)1/2

r = 20614 - 19995 (1042)(558)1/2

r = 304__ 762,52

r = 0,3987 dibulatkan menjadi 0.4

Gambar

Tabel lanjutan agar lebih mudah dalam penyelesaiannya:

Referensi

Dokumen terkait

Berikut adalah data Volume Penjualan (juta unit) Mobil dihubungkan dengan variabel biaya promosi ( X 1 dalam juta rupiah/tahun) dan variabel biaya penambahan asesoris ( X 2

Jika pada regresi sederhana hanya ada satu variabel dependen (Y) dan satu variabel independen (X), maka pada kasus regresi berganda, terdapat satu variabel dependen dan lebih dari

Hal ini untuk menunjukkan bahwa variasi dalam variabel tak bebas (Y) tidak semata-mata disebabkan oleh bervariasinya variabel bebas (X), bisa saja variasi dalam variabel tak

Kejadian tsb dapat dinyatakan dengan “perubahan nilai variabel” (Misal : jika X   = variabel harga, maka naik-turunnya harga dapat dinyatakan dengan perubahan nilai X . Jika Y 

 Persamaan regresi adalah persamaan matematika yang memungkinkan kita meramalkan nilai-nilai variabel terikat (Y) dari nilai-nilai satu atau lebih variabel

Analisis Regresi Linier Sederhana Suatu persamaan garis lurus yang menyatakan hubungan antara sebuah variabel bebas X dan sebuah variabel tidak bebas Y, dan digunakan untuk

Dengan demikian, dapat disimpulkan bahwa usia masyarakat RT 02 RW 20 Cilangkap Tapos X tidak memiliki pengaruh yang signifikan terhadap pemahaman asuransi kesehatan Y, karena nilai

Regresi Linier Sederhana Contoh soal : Data disajikan dalam bentuk tabel dimana X merupakan umur mobil sedangkan Y adalah harga mobil tersebut sebagaimana terlihat dibawah ini: