inesyahana asrifa eksekutif39a uts

Nama : Inesyahana Asrifa MID TESTKelas : Eksekutif 39A STATISTIC FOR BUSINESS DECISIONNo. Reg : 39E15020

1. Berdasarkan data nilai ujian 80 mahasiswa yang mengikuti kuliah statistik, makaa. Distribusi frekwensi

Grade Distribusi Frekwensi Frekwensi

D 31-40 8C 41-50 10B- 51-60 14B 61-70 16

B+ 71-80 14A- 81-90 10A 91-100 8

b. Berdasarkan tabel diatas, maka jumlah mahasiswa yang tidak lulus (C&D) adalah 18 orang

c. Histogram Nilai Ujian Statistik

31-40 41-50 51-60 61-70 71-80 81-90 91-100D C B- B B+ A- A

8

10

14

16

14

10

8

Nilai Ujian Statistik

Dari histogram di atas, dapat dilihat bahwa nilai ujian statistik menggambarkan sebaran distribusi normal. Pada distribusi normal ditunjukan hubungan ordinat pada rata rata dengan berbagai ordinat pada berbagai jarak simpangan baku yang dihitung dari rata rata.

1 | P a g e

Max 100Min 32R 68K 1 + 3,3 log 80 7,2Pembulatan 7I (100-32)/7,2 9,4Pembulatan 10


2. Persamaan regresi untuk produksi tanaman padi yang dihasilkan oleh 40 petani.

LINIER

Variables Entered/Removeda

Model Variables

Entered

Variables

Removed

Method

1Pupuk, Tenaga,

Bibitb. Enter

a. Dependent Variable: Produksi

b. All requested variables entered.

Model Summary

Model R R Square Adjusted R

Square

Std. Error of the

Estimate

1 ,896a ,802 ,786 349,78498

a. Predictors: (Constant), Pupuk, Tenaga, Bibit

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 17845539,728 3 5948513,243 48,619 ,000b

Residual 4404583,247 36 122349,535

Total 22250122,975 39


b. Predictors: (Constant), Pupuk, Tenaga, Bibit

Coefficientsa

Model Unstandardized Coefficients Standardized

Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 550,799 547,524 1,006 ,321

Tenaga ,009 ,003 ,234 2,572 ,014

Bibit ,050 ,011 ,503 4,386 ,000

Pupuk ,003 ,001 ,285 2,501 ,017

2 | P a g e



A. Fungsi produksi dalam bentuk linier dan bentuk logaritma

Persamaan Regresi (Linier):

Y = 550,799 + 0,009X1 + 49,795X2 + 3,204X3

(1,006) (2,572) (4,386) (2,501)

R2 = 0,802

F = 48,619

LOGARITMA

Variables Entered/Removeda

Model Variables

Entered

Variables

Removed

Method

1

LNPupuk,

LNTenaga,

LNBibitb

. Enter

a. Dependent Variable: LNProduksi

b. All requested variables entered.

Model Summary

Model R R Square Adjusted R

Square

Std. Error of the

Estimate

1 ,909a ,826 ,811 ,07409

a. Predictors: (Constant), LNPupuk, LNTenaga, LNBibit

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression ,937 3 ,312 56,886 ,000b

Residual ,198 36 ,005

Total 1,134 39


b. Predictors: (Constant), LNPupuk, LNTenaga, LNBibit

3 | P a g e


Coefficientsa

Model Unstandardized Coefficients Standardized

Coefficients

t Sig.

B Std. Error Beta

1

(Constant) 4,057 ,417 9,729 ,000

LNTenaga ,066 ,020 ,275 3,239 ,003

LNBibit ,742 ,142 ,539 5,231 ,000

LNPupuk ,120 ,053 ,232 2,272 ,029


Persamaan Regresi (Logaritma):

Y = 4,057 + 0,066X1 + 0,742X2 + 0,120X3

(9,729) (3,239) (5,231) (0,029)

R2 = 0,826

F = 56,866

Dari dua persamaan regresi diatas, linier dan logaritma, diketahui bahwa R2 dalam fungsi logaritma

lebih besar dibandingkan dengan fungsi linier, maka saya memilih menggunakan fungsi produksi

menggunakan model logaritma.

B. t Test α = 0,05df = 40 – 4= 36tα/2 = 2,028

t Test X1

H0 : b1 = 0.Ha : b1 ≠ 0Kesimpulan :th > tα/2 = 3,239 > 2,028, maka H0 ditolak, jadi Ha diterima dan b1 ≠ 0, artinya variabel X1 (Tenaga kerja) mempunyai hubungan dengan Y (jumlah produksi).

t Test X2

H0 : b2 = 0Ha : b2 ≠ 0Kesimpulan :th ˃ tα/2 = 5,231 ˃ 2,028, maka H0 ditolak, jadi Ha diterima dan b1 ≠ 0, artinya variabel X2 (Bibit) mempunyai hubungan dengan Y (jumlah produksi).

4 | P a g e


t Test X3

H0 : b3 = 0Ha : b3 ≠ 0Kesimpulan :th ˃ tα/2 = 2,272˃ 2,028, maka H0 ditolak, jadi Ha diterima dan b1 ≠ 0, artinya variabel X3 (Pupuk) mempunyai hubungan dengan Y (jumlah produksi).

F Test

H0 : b1 = b2 = b3 = b4 = 0Ha : b1 ≠ b2 ≠ b3 ≠ b4 ≠ 0Kesimpulan :Fhitung > Ftabel = 56,866 > 2,65, maka H0 ditolak, jadi Ha diterima dan b1 ≠ b2 ≠ b3 ≠ b4 ≠ 0, artinya persamaan boleh digunakan.

C. R2 = 0,802Artinya, 80% variasi variabel dependen (Jumlah Produksi) diterangkan oleh variabel – variabel Independen (tenaga kerja, bibit, pupuk). Dengan kata lain, dari 100 peristiwa, 80 kali jumlah produksi berubah maka tenaga kerja, bibit, dan pupuk ikut berubah.

D. Perkiraan hasil produksi dengan penggunaan:- Bibit : 65 kg- Pupuk : 130 kg- Tenaga Kerja : 30.000 Mandays

Dengan,

Y = 4,057 + 0,066X1 + 0,742X2 + 0,120X3

(9,729) (3,239) (5,231) (0,029)

R2 = 0,826

F = 56,866

Maka,

Produksi = 4,057 + (0.066 x 30.000) + (0,742 x 65) + (0,12 x130)

= 2047.887

Jadi, dengan menggunakan 65 kg bibit, 130 kg pupuk, dan 30,000 mandays, maka perkiraan perolehan hasil produksinya adalah 2047,887 kg.

5 | P a g e

inesyahana asrifa eksekutif39a uts

Documents