regresi dan korelasi
Johan Badra Kasih
04610144
SKB
Sebuah perusahaan “ SANTAI ” bergerak pada bidang penjualan kayu di mana
perusahaan ini mempunyai data penjualan dan dan data eksteren perusahaan berupa
tingkat banyaknya kontraktor dalam pembuatan perumahan.
PT SANTAI MALANG
Tahun 2005
Dalam ribuan
No
tahun
Penjualan
1
1997
12.00
Tingkatbanyaknya
bangunan perumahan (X)
4.00
2
1998
14.00
5.00
3
1999
12.00
6..00
4
2000
13.00
8..00
5
2001
15.00
2..00
6
2002
14.00
4..00
7
2003
12.00
5..00
8
2004
14.00
7.00
9
2005
15.00
8.00
10
2006
16.00
9.00
Dari table di atas maka table lanjutan agar lebih mudah yaitu sbb :
No
tahun
Penjualan
1
1997
12.00
Tingkat
bangunan
(X)
4.00
2
1998
14.00
3
1999
4
Y^2
XY
16
144
48
5.00
25
196
70
12.00
6.00
36
144
72
2000
13.00
8.00
64
169
104
5
2001
15.00
2.00
4
225
30
6
2002
14.00
4.00
16
196
56
7
2003
12.00
5.00
25
144
60
8
2004
14.00
7.00
49
196
98
9
2005
15.00
8.00
64
225
120
10
2006
16.00
9.00
81
256
144
137
58
380
1895
802
Jumlah 10.00
banyaknya X^2
perumahan
Dari table diatas maka koefisien regresinya :
B=
B=
{N XY ( X )(Y )}
N X X
2
2
{10(802) (58)(138)}
{10(380) 582 }
B=
8020 8004
3800 3364
B=
16
436
B = 0,0367
A=
137
58
(0,0367)
10
10
A = 13,7- 0,213
A = 13,5
Jadi persamaan regresinya :
Y ' = A+BX
Maka : Y ' = 9,33+0.0367X
Jika perusahaan ingin meramalkan penjualan untuk tahun berikutnya maka di
dalam menentukan Nilai X. misalnya perusahaan dalam meramalkan penjualan untuk
2007 dengan X yang sudah ditentukan contoh X = 8 (8000 kayu)
Maka :
Y'
Y'
Y'
Y'
= 9,33+0.0367X
= 9,33 + 0,0367(8)
= 9,33 + 0,2936
= 9,6236
Jadi dibulatkan Y ' = 10. maka ramalan penjualan untuk tahun 2008 adalah sebesar 10000
unit
Dari pembahasan ini missal hasil lebih optimal maka adapun persamaan formula
yang digunakan Seperti rumus di bawah ini :
{N.(XY)}{( . XY })
r=
1
2 2 2) 2 2
{ .(XN )}{X}{N. Y }{ Y)}
{10(802)} {137)}.(58)
r=
1
{10.{(380)}{58) } (10(1895)(137)
2
2
2
(8020) (137).(58)
r=
1
10(380) (3364)}{10(1895) (18769)
2
(8020) (7946)
r=
{(3800)} {(3346)}(18950) (18769)
1
2
74
r=
(454)(181)
1
2
74
r=
(82174)
1
2
74
r = 286,67
r = 0,258 dibulatkan 0,3
Maka nilai koefisien dari nilai jumlah r (korelasi) adalah
KP = r 2
KP = 0,36 2
KP = 0,126
Jadi penjulan kayu ditentukan oleh Tingkat banyaknya bangunan perumahan sebesar
13% selebihnya 53% ditentukan variabel lain
04610144
SKB
Sebuah perusahaan “ SANTAI ” bergerak pada bidang penjualan kayu di mana
perusahaan ini mempunyai data penjualan dan dan data eksteren perusahaan berupa
tingkat banyaknya kontraktor dalam pembuatan perumahan.
PT SANTAI MALANG
Tahun 2005
Dalam ribuan
No
tahun
Penjualan
1
1997
12.00
Tingkatbanyaknya
bangunan perumahan (X)
4.00
2
1998
14.00
5.00
3
1999
12.00
6..00
4
2000
13.00
8..00
5
2001
15.00
2..00
6
2002
14.00
4..00
7
2003
12.00
5..00
8
2004
14.00
7.00
9
2005
15.00
8.00
10
2006
16.00
9.00
Dari table di atas maka table lanjutan agar lebih mudah yaitu sbb :
No
tahun
Penjualan
1
1997
12.00
Tingkat
bangunan
(X)
4.00
2
1998
14.00
3
1999
4
Y^2
XY
16
144
48
5.00
25
196
70
12.00
6.00
36
144
72
2000
13.00
8.00
64
169
104
5
2001
15.00
2.00
4
225
30
6
2002
14.00
4.00
16
196
56
7
2003
12.00
5.00
25
144
60
8
2004
14.00
7.00
49
196
98
9
2005
15.00
8.00
64
225
120
10
2006
16.00
9.00
81
256
144
137
58
380
1895
802
Jumlah 10.00
banyaknya X^2
perumahan
Dari table diatas maka koefisien regresinya :
B=
B=
{N XY ( X )(Y )}
N X X
2
2
{10(802) (58)(138)}
{10(380) 582 }
B=
8020 8004
3800 3364
B=
16
436
B = 0,0367
A=
137
58
(0,0367)
10
10
A = 13,7- 0,213
A = 13,5
Jadi persamaan regresinya :
Y ' = A+BX
Maka : Y ' = 9,33+0.0367X
Jika perusahaan ingin meramalkan penjualan untuk tahun berikutnya maka di
dalam menentukan Nilai X. misalnya perusahaan dalam meramalkan penjualan untuk
2007 dengan X yang sudah ditentukan contoh X = 8 (8000 kayu)
Maka :
Y'
Y'
Y'
Y'
= 9,33+0.0367X
= 9,33 + 0,0367(8)
= 9,33 + 0,2936
= 9,6236
Jadi dibulatkan Y ' = 10. maka ramalan penjualan untuk tahun 2008 adalah sebesar 10000
unit
Dari pembahasan ini missal hasil lebih optimal maka adapun persamaan formula
yang digunakan Seperti rumus di bawah ini :
{N.(XY)}{( . XY })
r=
1
2 2 2) 2 2
{ .(XN )}{X}{N. Y }{ Y)}
{10(802)} {137)}.(58)
r=
1
{10.{(380)}{58) } (10(1895)(137)
2
2
2
(8020) (137).(58)
r=
1
10(380) (3364)}{10(1895) (18769)
2
(8020) (7946)
r=
{(3800)} {(3346)}(18950) (18769)
1
2
74
r=
(454)(181)
1
2
74
r=
(82174)
1
2
74
r = 286,67
r = 0,258 dibulatkan 0,3
Maka nilai koefisien dari nilai jumlah r (korelasi) adalah
KP = r 2
KP = 0,36 2
KP = 0,126
Jadi penjulan kayu ditentukan oleh Tingkat banyaknya bangunan perumahan sebesar
13% selebihnya 53% ditentukan variabel lain