Statitika 2

Tugas 1. Soal ANOVA 2IA07

Pusat riset otomotif  ingin mengetahui apakah dari  3 jenis sepeda motor yang diteliti  menempuh jarak yang berbeda untuk setiap 1 liter bensin yang dikonsumsi.   Secara random dipilih 5 sepeda motor untuk masing-masing jenis sepeda motor dan diperoleh data sebagaimana ditunjukkan pada Tabel 1.  Jika diuji pada tingkat signifikansi 5 %,  apakah terdapat perbedaan dari rata-rata jarak tempuh untuk setiap konsumsi 1 liter bensin?

Tabel 1.  Jarak yang ditempuh (km)  untuk  setiap liter bensin

Motor “ Awet”	Motor “Bagus”	Motor “Cihui”
35.6	33.6	43.0
40.2	30.4	40.5
33.3	35.3	43.4
31.7	29.3	35.6
37.2	35.0	33.0

 Jawaban :

X = rata-rata

X ”awet” = 35,6                 n=5       

X ”Bagus”= 32,72              n=5                               X “total“ = 35,807                      c =3

X ”Cihui” = 39,1                 n=5                                                                                  n=15

SSA = 5 (35,6-35,807)² + 5 (32,72-35,807)²+ 5 (39,1-35,807)² = 102,015

SSW = (35,6-35,6)² + (40,2-35,6)² +(33,3 -35,6)² +……+(33-39,1)² = 159,048

MSA = 102,0815 / (3-1) = 51,04075

MSW = 159,04 / (15-3) = 13,254

F = 51,04075 / 13,254 = 3,8509695

         

Html 5

kali ini saya akan mengulas sedikit mengenai HTML5

• Pengertian

adalah sebuah bahasa markah untuk menstrukturkan dan menampilkan isi dari Waring Wera Wanua, sebuah teknologi inti dari Internet. HTML5 adalah revisi kelima dari HTML (yang pertama kali diciptakan pada tahun 1990 dan versi keempatnya, HTML4, pada tahun 1997^[1]) dan hingga bulan Juni 2011 masih dalam pengembangan. Tujuan utama pengembangan HTML5 adalah untuk memperbaiki teknologi HTML agar mendukung teknologi multimedia terbaru, mudah dibaca oleh manusia dan juga mudah dimengerti oleh mesin. 

          HTML5 merupakan salah satu karya Konsortium Waring Wera Wanua (World Wide Web Consortium, W3C) untuk mendefinisikan sebuah bahasa markah tunggal yang dapat ditulis dengan cara HTML ataupun XHTML. HTML5 merupakan jawaban atas pengembangan HTML 4.01 dan XHTML 1.1 yang selama ini berjalan terpisah, dan diimplementasikan secara berbeda-beda oleh banyak perangkat lunak pembuat web.

• Tujuan dibuatnya HTML5

1. Fitur baru harus didasarkan pada HTML, CSS, DOM, dan JavaScript
2. Mengurangi kebutuhan untuk plugin eksternal ( Seperti Flash )
3. Penanagan kesalahan yang lebih baik
4. Lebih markup untuk menggantikan scripting
5. HTML5 merupakan perangkat mandiri
6. Proses pembangunan dapat terlihat untuk umum

• Fitur-fitur yangterdapat didalam HTML5

1. Unsur kanvas untuk menggambar
2. Video dan elemen audio untuk media pemutaran
3. Dukungan yang lebih baik untuk penyimpanan secara offline
4. Elemen konten yang lebih spesifik, seperti artikel, footer, header, nav, section
5. Bentuk kontrol form seperti kalender, tanggal, waktu, email, url, search.

  Saat ini sudah ada beberapa beberapa browser sudah mendukung HTML5 diantaranya seperti safari, chrome, firefox, dan opera.


sumber :
- http://id.wikipedia.org/wiki/HTML5 
- http://mkr-site.blogspot.com/2012/07/apa-itu-html5-dan-kelebihannya.html

REGRESI LINIER SEDERHANA

• Pengertiannya:

     Regresi merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur ada atau tidaknya korelasi antarvariabel. Jika kita memiliki dua buah variabel atau lebih maka sudah selayaknya apabila kita ingin mempelajari bagaimana variabel-variabel itu berhubungan atau dapat diramalkan

    Analisa regresi linier sederhana adalah hubungan secara linear antara satu variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.. Data yang digunakan biasanya berskala interval atau rasio.

• Contoh aplikasi perhitunganya dapat menggunakan perhitungan fungsi pada MS. Excel, atau menggunakan Software Statistik (dalam contoh ini digunakan SPSS)

 Rumus regresi linear sederhana :

Y' = a + bX 

Keterangan:

      Y'   = Variabel dependen (nilai yang diprediksikan)

      X    = Variabel independen

      a    = Konstanta (nilai Y’ apabila X = 0)

             b   = Koefisien regresi (nilai peningkatan ataupun penurunan)

Contoh Kasus 1 :

Pertanyaan: 1. Tentukan nilai a dan b ! 2. Buatkan persamaan garis regresinya ! 3. Berapa perkiraan omzet penjualan dari seorang marketing yang memiliki pengalaman kerjanya 3,5 tahun?

Penyelesaian:

tabel penolong regresiregresi linier sederhana

Dijawab:

  1. nilai a = 3,25 dan b = 1,25      

  2. Persamaan regresi liniernya adalah

Y = a + bX

= 3,25 + 1,25X

  1. Nilai duga Y , jika X = 3,5     

Y = a + bX

= 3,25 + 1,25X

= 3,25 + 1,25 (3,5)

= 7,625

Contoh kasus 2:

Seorang mahasiswa bernama Hermawan ingin meneliti tentang pengaruh biaya promosi terhadap volume penjualan pada perusahaan jual beli motor. Dengan ini di dapat variabel dependen (Y) adalah volume penjualan dan variabel independen (X) adalah biaya promosi. Dengan ini Hermawan menganalisis dengan bantuan program SPSS dengan alat analisis regresi linear sederhana. Data-data yang di dapat ditabulasikan sebagai berikut:

                     Tabel. Tabulasi Data Penelitian (Data Fiktif)

No	Biaya Promosi	Volume Penjualan
1	12,000	56,000
2	13,500	62,430
3	12,750	60,850
4	12,600	61,300
5	14,850	65,825
6	15,200	66,354
7	15,750	65,260
8	16,800	68,798
9	18,450	70,470
10	17,900	65,200
11	18,250	68,000
12	16,480	64,200
13	17,500	65,300
14	19,560	69,562
15	19,000	68,750
16	20,450	70,256
17	22,650	72,351
18	21,400	70,287
19	22,900	73,564
20	23,500	75,642

Langkah-langkah pada program SPSS

• Masuk program SPSS
• Klik variable view pada SPSS data editor
• Pada kolom Name ketik y, kolom Name pada baris kedua ketik x.
• Pada kolom Label, untuk kolom pada baris pertama ketik Volume Penjualan, untuk kolom pada baris kedua ketik Biaya Promosi.
• Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
• Buka data view pada SPSS data editor, maka didapat kolom variabel y dan x. 
• Ketikkan data sesuai dengan variabelnya
• Klik Analyze  - Regression - Linear
• Klik variabel Volume Penjualan dan masukkan ke kotak Dependent, kemudian klik variabel Biaya Promosi dan masukkan ke kotak Independent.
• Klik Statistics, klik Casewise diagnostics, klik All cases. Klik Continue
• Klik OK, maka hasil output yang didapat pada kolom Coefficients dan Casewise Diagnostics adalah sebagai berikut:

              Tabel. Hasil Analisis Regresi Linear Sederhana

Persamaan regresinya sebagai berikut:

Y’ = a + bX

Y’ =  -28764,7 + 0,691X

Angka-angka ini dapat diartikan sebagai berikut:

- Konstanta sebesar -28764,7; artinya jika biaya promosi (X) nilainya adalah 0, maka volume penjulan (Y’) nilainya negatif yaitu sebesar -28764,7.

-  Koefisien regresi variabel harga (X) sebesar 0,691; artinya jika harga mengalami kenaikan Rp.1, maka volume penjualan (Y’) akan mengalami peningkatan sebesar Rp.0,691. Koefisien bernilai positif artinya terjadi hubungan positif antara harga dengan volume penjualan, semakin naik harga maka semakin meningkatkan volume penjualan.  

Nilai volume penjualan yang diprediksi (Y’) dapat dilihat pada tabel Casewise Diagnostics (kolom Predicted Value). Sedangkan Residual (unstandardized residual) adalah selisih antara Volume Penjualan dengan Predicted Value, dan Std. Residual (standardized residual) adalah nilai residual yang telah terstandarisasi (nilai semakin mendekati 0 maka model regresi semakin baik dalam melakukan prediksi, sebaliknya semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik model regresi dalam melakukan prediksi).

SUMBER :  - http://id.wikipedia.org/wiki/Regresi_Linier_Sederhana

                  - http://duwiconsultant.blogspot.com/2011/11/analisis-regresi-linier-sederhana.html

                    -