Perekonomian Indonesia! Klik disini
Salah Satu Mata Kuliah Wajib Bagi Jurusan Ekonomi Pembangunan FEBIS Unpatti.
This is default featured slide 2 title
Go to Blogger edit html and find these sentences.Now replace these sentences with your own descriptions.This theme is Bloggerized by Lasantha Bandara - Premiumbloggertemplates.com.
This is default featured slide 3 title
Go to Blogger edit html and find these sentences.Now replace these sentences with your own descriptions.This theme is Bloggerized by Lasantha Bandara - Premiumbloggertemplates.com.
This is default featured slide 4 title
Go to Blogger edit html and find these sentences.Now replace these sentences with your own descriptions.This theme is Bloggerized by Lasantha Bandara - Premiumbloggertemplates.com.
This is default featured slide 5 title
Go to Blogger edit html and find these sentences.Now replace these sentences with your own descriptions.This theme is Bloggerized by Lasantha Bandara - Premiumbloggertemplates.com.
24 Februari 2017
Materi Perekonomian Indonesia
Bab 1 sd Bab ...., Silahkan Klik dibawah ini:
1. SAP Perekonomian Indonesia
2. Perekonomian Indonesia (Bab 1)
3. ...............
4. .................
B. PERIODISASI DALAM PEREKONOMIAN INDONESIA
A. PEREKONOMIAN INDONESIA SEBAGAI ILMU BERDIRI SENDIRI
20 Februari 2017
Analisis Regresi Linear Sederhana (Simple Linear Regression)
- Hubungan antara Lamanya Kerusakan Mesin dengan Kualitas Produk yang dihasilkan
- Hubungan Jumlah Pekerja dengan Output yang diproduksi
- Hubungan antara suhu ruangan dengan Cacat Produksi yang dihasilkan.
Y = a + bX
Dimana :Y = Variabel Response atau Variabel Akibat (Dependent)
X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b = koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh Predictor.
Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini :
a = (Σy) (Σx²) – (Σx) (Σxy)
. n(Σx²) – (Σx)²
b = n(Σxy) – (Σx) (Σy)
. n(Σx²) – (Σx)²
Berikut ini adalah Langkah-langkah dalam melakukan Analisis Regresi Linear Sederhana :
- Tentukan Tujuan dari melakukan Analisis Regresi Linear Sederhana
- Identifikasikan Variabel Faktor Penyebab (Predictor) dan Variabel Akibat (Response)
- Lakukan Pengumpulan Data
- Hitung X², Y², XY dan total dari masing-masingnya
- Hitung a dan b berdasarkan rumus diatas.
- Buatkan Model Persamaan Regresi Linear Sederhana.
- Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat.
Contoh Kasus Analisis Regresi Linear Sederhana
Seorang Engineer ingin mempelajari Hubungan antara Suhu Ruangan dengan Jumlah Cacat yang diakibatkannya, sehingga dapat memprediksi atau meramalkan jumlah cacat produksi jika suhu ruangan tersebut tidak terkendali. Engineer tersebut kemudian mengambil data selama 30 hari terhadap rata-rata (mean) suhu ruangan dan Jumlah Cacat Produksi.Penyelesaian
Penyelesaiannya mengikuti Langkah-langkah dalam Analisis Regresi Linear Sederhana adalah sebagai berikut :Langkah 1 : Penentuan Tujuan
Tujuan : Memprediksi Jumlah Cacat Produksi jika suhu ruangan tidak terkendaliLangkah 2 : Identifikasikan Variabel Penyebab dan Akibat
Varibel Faktor Penyebab (X) : Suhu Ruangan,Variabel Akibat (Y) : Jumlah Cacat Produksi
Langkah 3 : Pengumpulan Data
Berikut ini adalah data yang berhasil dikumpulkan selama 30 hari (berbentuk tabel) :Tanggal | Rata-rata Suhu Ruangan | Jumlah Cacat |
1 | 24 | 10 |
2 | 22 | 5 |
3 | 21 | 6 |
4 | 20 | 3 |
5 | 22 | 6 |
6 | 19 | 4 |
7 | 20 | 5 |
8 | 23 | 9 |
9 | 24 | 11 |
10 | 25 | 13 |
11 | 21 | 7 |
12 | 20 | 4 |
13 | 20 | 6 |
14 | 19 | 3 |
15 | 25 | 12 |
16 | 27 | 13 |
17 | 28 | 16 |
18 | 25 | 12 |
19 | 26 | 14 |
20 | 24 | 12 |
21 | 27 | 16 |
22 | 23 | 9 |
23 | 24 | 13 |
24 | 23 | 11 |
25 | 22 | 7 |
26 | 21 | 5 |
27 | 26 | 12 |
28 | 25 | 11 |
29 | 26 | 13 |
30 | 27 | 14 |
Langkah 4 : Hitung X², Y², XY dan total dari masing-masingnya
Berikut ini adalah tabel yang telah dilakukan perhitungan X², Y², XY dan totalnya :Tanggal | Rata-rata Suhu Ruangan (X) | Jumlah Cacat (Y) | X2 | Y2 | XY |
1 | 24 | 10 | 576 | 100 | 240 |
2 | 22 | 5 | 484 | 25 | 110 |
3 | 21 | 6 | 441 | 36 | 126 |
4 | 20 | 3 | 400 | 9 | 60 |
5 | 22 | 6 | 484 | 36 | 132 |
6 | 19 | 4 | 361 | 16 | 76 |
7 | 20 | 5 | 400 | 25 | 100 |
8 | 23 | 9 | 529 | 81 | 207 |
9 | 24 | 11 | 576 | 121 | 264 |
10 | 25 | 13 | 625 | 169 | 325 |
11 | 21 | 7 | 441 | 49 | 147 |
12 | 20 | 4 | 400 | 16 | 80 |
13 | 20 | 6 | 400 | 36 | 120 |
14 | 19 | 3 | 361 | 9 | 57 |
15 | 25 | 12 | 625 | 144 | 300 |
16 | 27 | 13 | 729 | 169 | 351 |
17 | 28 | 16 | 784 | 256 | 448 |
18 | 25 | 12 | 625 | 144 | 300 |
19 | 26 | 14 | 676 | 196 | 364 |
20 | 24 | 12 | 576 | 144 | 288 |
21 | 27 | 16 | 729 | 256 | 432 |
22 | 23 | 9 | 529 | 81 | 207 |
23 | 24 | 13 | 576 | 169 | 312 |
24 | 23 | 11 | 529 | 121 | 253 |
25 | 22 | 7 | 484 | 49 | 154 |
26 | 21 | 5 | 441 | 25 | 105 |
27 | 26 | 12 | 676 | 144 | 312 |
28 | 25 | 11 | 625 | 121 | 275 |
29 | 26 | 13 | 676 | 169 | 338 |
30 | 27 | 14 | 729 | 196 | 378 |
Total (Σ) | 699 | 282 | 16487 | 3112 | 6861 |
Menghitung Konstanta (a) :
a = (Σy) (Σx²) – (Σx) (Σxy)
. n(Σx²) – (Σx)²
a = (282) (16.487) – (699) (6.861)
30 (16.487) – (699)²
a = -24,38
Menghitung Koefisien Regresi (b)
b = n(Σxy) – (Σx) (Σy)
. n(Σx²) – (Σx)²
b = 30 (6.861) – (699) (282)
. 30 (16.487) – (699)²
b = 1,45
Langkah 6 : Buat Model Persamaan Regresi
Y = a + bXY = -24,38 + 1,45X
Langkah 7 : Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat
I. Prediksikan Jumlah Cacat Produksi jika suhu dalam keadaan tinggi (Variabel X), contohnya : 30°CY = -24,38 + 1,45 (30)
Y = 19,12
Jadi Jika Suhu ruangan mencapai 30°C, maka akan diprediksikan akan terdapat 19,12 unit cacat yang dihasilkan oleh produksi.
II. Jika Cacat Produksi (Variabel Y) yang ditargetkan hanya boleh 4 unit, maka berapakah suhu ruangan yang diperlukan untuk mencapai target tersebut ?
4 = -24,38 + 1,45X
1,45X = 4 + 24,38
X = 28,38 / 1,45
X = 19,57
Jadi Prediksi Suhu Ruangan yang paling sesuai untuk mencapai target Cacat Produksi adalah sekitar 19,57°C
Regresi Linear Berganda
Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian sosial, terutama penelitian ekonomi. Program komputer yang paling banyak digunakan adalah SPSS (Statistical Package For Service Solutions).
- Koefisien determinasi
- Nilai t hitung dan signifikansi
- Persamaan regresi
- Jika besarnya biaya promosi meningkat sebesar 1 juta rupiah, maka profitabilitas meningkat sebesar 0,55 juta rupiah.
- Jika biaya promosi bernilai nol, maka profitabilitas akan bernilai 1,2 juta rupiah.
- Jika variabel motivasi meningkat dengan asumsi variabel kompensasi dan kepemimpinan tetap, maka kepuasan kerja juga akan meningkat
- Jika variabel kompensasi meningkat, dengan asumsi variabel motivasi dan kepemimpinan tetap, maka kepuasan kerja juga akan meningkat.
- Jika variabel kepemimpinan meningkat, dengan asumsi variabel motivasi dan kompensasi tetap, maka kepuasan kerja juga akan meningkat.
Bentuk-bentuk regresi yang juga sering digunakan dalam penelitian adalah regresi logistik atau regresi ordinal.
- Dalam uji regresi sederhana apakah perlu menginterpretasikan nilai F hitung?
- Kapan menggunakan uji satu arah dan kapan menggunakan uji dua arah?
- Apa bedanya korelasi dengan regresi?