PRAKTIKUM PENERAPAN KOMPUTER 1. TINGKAT PENJUALAN PRODUK DENGAN MENGGUNAKAN KEMASAN BERBEDA BULAN HASIL PENJUALAN DALAM JUTA Kemasan A Kemasan B Kemasan C Januari 55 65 20 Februari 55 65 35 Maret 45 65 35 April 55 75 35 Mei 55 65 45 Juni 45 55 45 Juli 45 65 45 Agustus 55 65 40 September 55 65 35 Oktober 45 75 35 Pertanyaan : Analis data diatas dengan Anova Anova: Single Factor SUMMARY Groups Count Sum Average Variance Kemasan A 10 510 51 26,66666667 Kemasan B 10 660 66 32,22222222 Kemasan C 10 370 37 56,66666667 ANOVA Source of Variation SS df MS F P-value F crit Between Groups 4206,666667 2 2103,333333 54,60576923 3,24731E-10 3,354130829 Within Groups 1040 27 38,51851852 Total 5246,666667 29 jadi Ftabel > F5% significant , berarti ada perbedaan yang nyata antara kemasan A, kemasan B, dan kemasan C 2. Tabel berikut adalah hasil observasi terhadap sampel acak yang terdiri dari 8 desa di kota “Alfabet” mengenai pembelian mesin pertanian dan pengeluaran pemeliharan alat selama tahun 2010. Desa pembelian (juta rupiah) Peng pemeliharaan (juta rupiah) A 21 4 B 15 3 C 15 3.5 D 9 2 E 12 3 F 18 3.5 G 6 2.5 H 12 2.5 (a). Dengan menggunakan least square error methods, tentukan persamaan regresi linear sederhana pengeluaran pemeliharaan terhadap pembelian. Kemudian jelaskan arti koefisien yang terdapat dalam persamaan tersebut. (b). Lakukan uji t dan uji F dengan menggunakan α = 5%, bagaimana kesimpulan dari kedua pengujian koefisien regresi tersebut. Desa pembelian (Juta rupiah ) penggeluaran (juta rupiah) SUMMARY OUTPUT A 21 4 B 15 3 Regression Statistics C 15 3,5 Multiple R 0,884537963 D 9 2 R Square 0,782407407 E 12 3 Adjusted R Square 0,746141975 F 18 3,5 Standard Error 0,329842836 G 6 2,5 Observations 8 H 12 2,5 total 108 24 ANOVA df SS MS F Significance F Regression 1 2,347222222 2,347222222 21,57446809 0,003522655 Anova: Single Factor Residual 6 0,652777778 0,108796296 Total 7 3 SUMMARY Groups Count Sum Average Variance Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0% pembelian (Juta rupiah ) 8 108 13,5 23,14285714 Intercept 1,375 0,368775501 3,728555707 0,009753286 0,472638857 2,277361143 0,472638857 2,277361143 penggeluaran (juta rupiah) 8 24 3 0,428571429 pembelian (Juta rupiah ) 0,12037037 0,025914901 4,644832407 0,003522655 0,056958893 0,183781848 0,056958893 0,183781848 ANOVA Source of Variation SS df MS F P-value F crit Between Groups 441 1 441 37,41818182 2,66404E-05 4,600109908 Within Groups 165 14 11,78571429 Total 606 15 Fhit >ftabel (significant ) ada perbedaan yang nyata antara pembelian mesin pertanian dengan pengeluaran pemeliharaan alat selama 2010 Regression Analysis - Linear model: Y = a + b*X ----------------------------------------------------------------------------- Dependent variable: Col_2 Col_2 Sumbu Y Independent variable: Col_1 Col_1 sumbu X ----------------------------------------------------------------------------- Standard T Parameter Estimate Error Statistic P-Value ----------------------------------------------------------------------------- Intercept 1,375 0,368776 3,72856 0,0098 Slope 0,12037 0,0259149 4,64483 0,0035 ----------------------------------------------------------------------------- Analysis of Variance ----------------------------------------------------------------------------- Source Sum of Squares Df Mean Square F-Ratio P-Value ----------------------------------------------------------------------------- Model 2,34722 1 2,34722 21,57 0,0035 Residual 0,652778 6 0,108796 ----------------------------------------------------------------------------- Total (Corr.) 3,0 7 Correlation Coefficient = 0,884538 R-squared = 78,2407 percent Standard Error of Est. = 0,329843 The StatAdvisor --------------- The output shows the results of fitting a linear model to describe the relationship between Col_2 and Col_1. The equation of the fitted model is Col_2 = 1,375 + 0,12037*Col_1 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between Col_2 and Col_1 at the 99% confidence level. The R-Squared statistic indicates that the model as fitted explains 78,2407% of the variability in Col_2. The correlation coefficient equals 0,884538, indicating a moderately strong relationship between the variables. The standard error of the estimate shows the standard deviation of the residuals to be 0,329843. This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu.