TEAM BARU DIVISI PELATIHAN

Reporter : Ibrahim Muhammad

Sabtu,5 Februari 2016 merupakan sejarah baru bagi Stastistical Training Center,bertepatan pada pelatihan ke-40 ini STC merekrut beberapa pegawai baru,yaitu Hamzah Abdurrahman(Mahasiswa jurusan MANAJEMEN FEB UB), Rodiyan Afifi (Mahasiswa jurusan AKUNTANSI FEB UB),dan Robi(Mahasiswa jurusan ADMINISTRASI PUBLIK FIA UB). Pelatihan ke-40 ini menjadi hari pertama bagi mereka untuk unjuk diri untuk berkreasi dan berinovasi sebagai bagian baru dari STC

Hasil pelatihan ke-40 ini terbilang cukup memuaskan,pelatihan yang kembali digelar di LBB BSC BEST yang merupakan mitra dari STC ini kembali mendapat respon positif dari para peserta,pada gelaran kali ini peserta mendapatkan beragam fasilitas yang diberikan STC. Selain materi yang diberikan oleh trainer, STC memberikan video tutorial dan rekaman materi yang disampaikan oleh trainer dalam bentuk flashdisk gratis kepada masing masing peserta.

Setelah terbentuknya Tim baru STC ini menjadi salah satu resolusi STC tahun 2016 untuk menjadi salah satu pioneer dalam bidang pelatihan statistika terapan di Indonesia,kedepanya STC akan terus berinovasi dan berkreasi agar selalu memuaskan klien di setiap eventnya.tentunya dukungan,kritik,saran diharapkan selalu ada dari setiap klien STC.

PELATIHAN ANGKATAN KE-39, KERJASAMA STC MALANG DENGAN HMJ AKUTASI UNDIKSHA SINGARAJA BALI

Reporter : Ibrahim Muhammad

Sabtu,27 Februari 2016 STC kembali menggelar yang kali ini bekerja sama dengan HMJA (Himpunan Mahasiswa Jurusan Akuntansi) Universitas Pendidikan Ganesha Singaraja Bali. Kerjasama yang telah direncanakan sejak lama oleh kedua pihak akhirnya terlaksana pada tanggal 27 & 28 Februari 2016 di Aula FEB UNDIKSHA. Materi yang disampaikan adalah : tips mendesain kuisioner yang efektif, analisis regresi, model mediasi dan model moderasi.

Pada hari pertama pelatihan dihadiri oleh 32 peserta yang terdiri dari 28 mahasiswa dan 5 dosen. Sekitar pukul 09.30 WITA trainer STC bapak Arif Kamar Bafadal, tiba di lokasi pelatihan. Acara dimulai dengan sambutan dari bapak Dr. Aswan selaku Dekan Fakultas Ekonimi dan Bisnis UNDIKHSA dan Dr. Ananta sebagai Ketua Jurusana Akuntansi.

Pukul 09.52 WITA bapak Arif memulai pelatihan,suasana pelatihan peserta tampak antusias sejak awal, peserta yang difasilitasi software pendukung membuat praktek dalam pelatihan menjadi sangat aplikatif. Trainer pun tidak jarang terlihat ke belakang untuk membantu peserta yang kurang memahami materi praktik yang di tampilkan di slide sehingga peserta mendapatkan pemahaman materi yang maksimal.

Tepat pukul 13.00 WITA peserta break untuk makan siang dan istirahat. Pemateri melanjutkan sesi kedua pada pukul 13.30 WITA. Waktu yang semakin siang tidak membuat peserta mengantuk dan tidak bersemangat. Di sesi kedua ini Peserta lebih banyak melakukan tanya jawab dengan pemateri.

Pelatihan hari pertama berakhir pada pukul 15.55 WITA,tanggapan dari peserta sangat positif, bahkan beberapa peserta ada yang langsung menemui pemateri langsung secara individu agar bisa mendapatkan pemahaman yang lebih.

Hari kedua pelatihan kondisinya tidak jauh berbeda dengan hari pertama.peserta pada hari kedua berjumlah 30 mahasiswa jurusan Akuntansi UNDIKHSA, namun kali ini didominasi mahasiswa tahun pertama atau kedua sehingga pemateri harus cukup lama menjelaskan beberapa materi yang belum banyak diketahui peserta.

Acara dimulai pada pukul 08.00 WITA suasana pelatihan hampir sama seperti hari pertama. Sengaja acara dimulai lebih pagi karena menyesuaiakan dengan karakteristik peserta yang belum banyak tahu materi sehingga pemateri harus lebih banyak memberikan penjelasan konsep-konsep dasar kepada peserta. Pukul 12.30 WITA acara break sejenak untuk makan siang dan istirahat.

Acara dilanjutkan pada pukul 13.00 WITA dan berakhir pukul 16.00 WITA. Di akhir acara beberapa peserta memberikan kesan positif terhadap kegiatan pelatihan. Mereka menyampaikan ”Sangat bagus, seharusnya kegiatan seperti ini banyak di adakan oleh jurusan atau himpunan” ucap salah seorang peserta pelatihan. ”Pemateri yang berpengalaman dan materi yang berkualitas” ujar salah seorang mahasiswa yang menjadi peserta pelatihan.

Setelah acara usai bapak Kajur Akuntansi, Dr. Ananta memberikan cindera mata kepada STC malang.

 

ORIENTASI TENTANG STC DAN TMI BAGI MAHASISWA DI MALANG

Hari Ahad, 21 Pebruari 2016, STC Malang bekerjasama dengan lembaga The Medina Institute (TMI) mengundang sejumlah mahasiswa untuk mempresentasikan beberapa peluang kerjasama di kedua pihak. Dari STC Malang langsung dipandu oleh pak Arif Kamar Bafadal, sedangkan dari TMI dihadiri oleh direktur TMI yang juga dosen FIA UB, bapak Ainul Hayat.

Sebanyak 13 mahasiswa menghadiri undangan dari 40 orang yang diundang. Mereka berasal di Universitas Brawijaya (UB), Universitas Negeri Malang (UM), Uniersitas Islam Negeri Malang (UIN Malang) dan Univerisitas Muhammadiyah Malang (UMM).

Seluruh penjelasan yang sampaikan pihak STC dan TMI disimak serius oleh mereka yang hadir. Pada sesi tanya jawab, beberapa yang hadir menyampaikan pertanyaan yang menjurus pada informasi lanjutan seputar kegiatan teknis yang harus dilakukan, berapa besar take home pay yang akan didapatkan dan produk-produk pelatihan.

Kota Malang, sebagai kota pendidikan dengan jumlah perguruan tinggi (negeri dan swasta) yang lebih dari 100 adalah potensi luar biasa untuk mengadakan pelatihan dengan peserta dari kalangan mahasiswa. STC dan TMI membuka kesempatan yang seluas-luasnya bagi mahasiswa yang bersedia bergabung pada divisi pelatihan dan divisi marketing. Seluruh aktifitas yang melibatkan mahasiswa sebagai tenaga part timer ini dirancang bisa optimal tanpa mengganggu aktifitas utama di perkuliahan.

Semoga barokah dan bermanfaat.

Reporter : Arif Kamar Bafadal

Training SEM Angkatan ke-38

Sabtu ,13 Februari 2016 STC(Stastitical Training Center) kembali menggelar pelatihan ke-38 yang kali ini bekerja sama dengan LBB BEST di Jl.Cengger ayam no.35.Pelatihan kali ini membahas tentang permodelan SEM-Amos tingkat dasar.Pelatihan STC dihadiri oleh 7 peserta dari berbagai macam profesi dan daerah.

Pada sesi pertama pelatihan,Trainer memperkenalkan dasar dasar metode SEM serta memberikan beberapa contoh dasar yang aplikatif ,peserta cukup antusias mendengarkan materi yang disampaikan oleh trainer,trainer pun memantau satu persatu peserta sehingga setiap peserta sangat memahami materi yang disampaikan oleh trainer.sesi pertama berlangsung hingga pukul 11.50 dilanjutkan istirahat,shalat,dan makan hingga pukul 12.50.

Tepat pada pukul 12.50 sesi kedua pelatihan dimulai.Pada sesi kedua lebih banyak pada praktek permodelan SEM,STC sendiri memfasilitasi peserta dengan memberikan setiap peserta flashdisk gratis yang berisi aplikasi,materi,dan video untuk mengikuti materi hingga akhir dan dapat digunakan untuk belajar mandiri setelah selesai pelatihan.STC juga memfasilitasi peserta dengan beberapa snack dan beverage agar peserta tidak mengantuk pada saat pelatihan berlangsung.Sesi kedua berakhir tepat pada pukul 17.00

Pada akhir acara STC memberikan sertifikat kepada setiap peserta.Cukup banyak tanggapan positif dari peserta pada pelaksanaan pelatihan kali ini,meskipun masih ada kekurangan yang ada namun peserta cukup puas dengan keseluruhan acara.

Reporter : Ibrahim Muhammad

TIKUS WISTAR SEBAGAI HEWAN UJI

• Mengolah data pada bidang medis, kadangkala bertemu dengan data dari eksperimen dan menggunakan tikus sebagai hewan uji. Tikus ini dikondisikan agar mengalami keadaan tertentu dan kemudian diberikan beberapa perlakuan. Masa pemulihan akan menjadi salah satu hal yang menarik dan akan diproyeksikan ke usia manusia. Berikut ini adalah potongan informasi yang berkaitan dengan tikus wistar.

  Peneliti biomedis menggunakan tikus sebagai model eksperimen sering menghadapi berbagai pertanyaan seperti “apa hubungan antara usia tikus dan manusia?”, “kapan hewan-hewan ini dianggap dewasa atau tua?” Atau “berapa umur tikus pada tahun manusia?”. Hanya beberapa hasil penelitian yang telah berusaha untuk menjawab pertanyaan-pertanyaan ini.

  Pertanyaan-pertanyaan ini bisa dijawab dengan berbagai cara. Sebagian besar peneliti biasanya menghubungkan usia manusia dan tikus hanya dengan menghubungkan masa hidup mereka, akan tetapi ada yang tidak dapat diterima, karena untuk pekerjaan penelitian yang spesifik, kadang menggunakan fase perkembangan tertentu dari tahapan kehidupan tikus.Dengan demikian, orang harus mempertimbangkan fase yang berbeda dari kehidupan mereka untuk memiliki hubungan yang akurat.

  Tikus laboratorium hidup sekitar 2 hingga 3,5 tahun (rata-rata 3 tahun), sedangkan harapan hidup di seluruh dunia manusia adalah 80 tahun, dengan variasi di negara-negara sesuai dengan kondisi sosial ekonomi mereka.Oleh karena itu, mengambil masa hidup mereka bersama-sama, dapat dihitung sebagai berikut :

  (80 × 365) ÷ (3 × 365) = 26,7 hari manusia = 1 hari tikus; dan
  365 ÷ 26,7 = 13,8 hari tikus = 1 tahun manusia.
  Dengan demikian, satu tahun manusia hampir sama dengan dua minggu tikus (13,8 hari tikus) saat dihubungkan dengan masa hidupnya.

  Namun, sementara mempertimbangkan berbagai fase kehidupan tikus, termasuk fase usia penyapihan, bisa dengan mudah melihat bahwa tikus memiliki masa kanak-kanak yang singkat dan lebih cepat jika dibandingkan dengan manusia. Tikus berkembang dengan cepat selama masa bayi dan menjadi dewasa secara seksual sekitar usia 6 minggu. Manusia, di sisi lain, berkembang secara perlahan dan baru mencapai pubertas sampai sekitar usia 11-12 tahun.

  Dengan demikian,hal ini menunjukkan bahwa meskipun tikus merupakan elemen yang sangat diperlukan penelitian biomedis, mereka bukan bentuk miniatur manusia. Perbedaan dalam anatomi, fisiologi, pengembangan dan fenomena biologis harus dipertimbangkan ketika menganalisis hasil dari setiap penelitian pada tikus ketika usia merupakan faktor penting.

  Perhatian khusus harus diambil jika bermaksud untuk menghasilkan korelasi dengan kehidupan manusia. Hal ini penting bagi peneliti untuk memahami bahwa usia relatif berbeda tergantung pada tahap kehidupan. Oleh karena itu, kita harus menentukan umur yang relevan dalam penyelidikan dan faktor-faktor apa yang sedang dianalisis. Untuk ini, perhatian khusus diperlukan untuk memverifikasi fase dalam beberapa hari dari hewan dan korelasinya dengan berapa tahun usia di manusia.

  Berikut hubungan usia tikus dengan usia manusia menurut Sengupta (2013):
  6 bulan = 18 tahun
  12 bulan = 30 tahun
  18 bulan = 45 tahun
  24 bulan = 60 tahun
  30 bulan = 75 tahun
  36 bulan = 90 tahun
  42 bulan = 105 tahun
  45 bulan = 113 tahun
  48 bulan = 120 tahun

  Semoga bermanfaat.

  Malang, Sabtu 6 Pebruari 2016

  Sumber :
  Sengupta P. The Laboratory Rat: Relating Its Age With Human’s. International Journal of Preventive Medicine. 2013;4(6):624-30.

  ================================================
  Informasi training dan ebook:
  Hubungi bapak Khasanudin di nomor 0817-0487-726 (HP/WA)

  Kantor, Jl. Soekarno Hatta Kav. 1F Malang
  Satu atap dengan ruko Toko Buku Islam Khalifa (STC di lantai 2).
  Buka setiap hari jam 08.00-17.00.
  Facebook STC :
  https://www.facebook.com/stc.malang.7

  

KOEFISIEN DETERMINASI PADA REGRESI LOGISTIK

Koefisien determinasi disimbolkan dengan R kuadrat (R^2) adalah besarnya kontribusi model dalam menjelaskan keragaman (variasi) nilai pada variabel dependen. Koefisien deteminasi yang semakin tinggi akan menjadi potret bahwa nilai residu pada model semakin kecil.

Dalam setiap pemodelan, akan selalu ada koefisien determinasi termasuk dalam analisis regresi logistik yang bernama Cox & Snell R Square (disimbolkan R^2CS) dan Nagelkerke R Square (disimbolkan R^2N). Bagaimana kedua nilai ini dihitung? Perhatikan beberapa bagian output hasil perhitungan analisis regresi logistik dari SPSS pada Gambar 1. Dalam postingan kali ini tidak disertakan data praktikum karena isi materi bisa berlaku pada data apapun. Pada contoh perhitungan, data yang dianalisis berjumlah 50 sampel (n=50).

1. LOGLIKELIHOOD

Untuk menghitung kedua koefisien determinasi ini, mari mengenal terlebih dahulu bagian yang disebut dengan -2LLnew (juga disebut -2LL1) dan -2LLbaseline (juga disebut -2LLo).

Pada Gambar 1A adalah output yang disebut dengan block 0 (beginning block) atau hasil pada kondisi baseline yaitu perhitungan loglikehood model sebelum menambahkan konstribusi variabel bebas ke dalam model. Diperoleh nilai -2LLbaseline = 68.994 atau nilai LLbaseline = 68.994/(-2) = -34,497.

Kemudian di Gambar 1B adalah output yang disebut dengan block 1 (method = enter) atau hasil pada kondisi new yaitu perhitungan loglikehood model sesudah menambahkan konstribusi variabel bebas ke dalam model. Diperoleh nilai -2LLnew = 31.593 atau nilai LLnew = 31.593/(-2) = -15,7965.

1. Koefisien Determinasi Cox & Snell

Rumus untuk menghitung Cox & Snell R Square ditampilkan pada Gambar 2A, yaitu 1 – exp(-2/n(LLnew – LLbaseline)).

Hasil -2/n(LLnew – LLbaseline) = -(2/50)( -15,7965 – (-34,497)) = -0.748. Selanjutnya R^2CS = 1 – e^(-0,748) = 0,527 di-interpretasikan bahwa kontribusi model dalam menjelaskan variasi nilai variabel dependen sebesar 52,7%.

Ekspresi e^(-0,748) bisa dilakukan pada Excel dengan ketik “=exp(-0.748)” enter, maka akan dihasilkan nilai 0,473.

1. Koefisien Determinasi Nagelkerke

Rumus untuk menghitung Nagelkerke R Square ditampilkan pada Gambar 2B, yaitu R^2CS/(1 – exp((2LLbaseline)/n).

Harga 2LLbaseline/n = -68,994/50 = -1,380, maka R2N didapatkan dari 0,527/(1 – e^-1,380) = 0,704, diinterpretasikan bahwa kontribusi model dalam menjelaskan variasi nilai variabel dependen sebesar 70,4%.

Sumber :

Field, Andy. 2009. Discovering Statistics Using SPSS. Sage Publication. New Delhi. (ebook tersedia). Hal. 269.

Semoga bermanfaat

Informasi training dan ebook:
Hubungi bapak Khasanudin di nomor 0817-0487-726 (HP/WA)

Kantor, Jl. Soekarno Hatta Kav. 1F Malang
Satu atap dengan ruko Toko Buku Islam Khalifa (STC di lantai 2).
Buka setiap hari jam 08.00-17.00.
Facebook STC :
https://www.facebook.com/stc.malang.7

 

TRAINING DI PEBRUARI 2016

Rabu, 17 Pebruari 2016, Belajar Mudah Aplikasi Analisis Regresi Logistik Binomial dan Multinomial menggunakan SPSS.
Tempat : Kantor STC Malang.

Aplikasi regresi pada variabel dependen yang bersifat nominal akan menitikberatkan pada prediksi probabilitas di masing-masing kategori. Model dengan variabel dependen yang mengandung dua kategori akan menggunakan analisis regresi logistik binomial sedangkan jika lebih dari dua kategori akan menggunakan analisis regresi multinomial. Mengenal secara mudah konsep odd rasio, reference category, outcome category, Hosmer and Lemeshow test akan dibahas tuntas dalam pelatihan ini.

Informasi training dan ebook:
Hubungi bapak Khasanudin di nomor 0817-0487-726 (HP/WA)

Kantor, Jl. Soekarno Hatta Kav. 1F Malang
Satu atap dengan ruko Toko Buku Islam Khalifa (STC di lantai 2).
Buka setiap hari jam 08.00-17.00.
Facebook STC :
https://www.facebook.com/stc.malang.7

TRAINING DI PEBRUARI 2016

Pelatihan Pemodelan SEM Tingkat Dasar menggunakan software AMOS.

Sabtu, 13 Pebruari 2016,

Tempat : Kantor STC Malang.

SEM (Structural Equation Modeling) merupakan model analisa sebab akibat yang dapat menampilkan model secara komprehensip bersamaan dengan kemampuan untuk mengkonfirmasi dimensi atau faktor dari sebuah konsep yang diujikan melalui indikator-indikator empiris. AnalisaSEM merupakan kombinasi dari analisa faktor (Confirmatory Factor Analysis), analisa jalur (Path Analysis) dan analisa regresi. Kemampuannya yang dapat menganalisa model yang rumit menjadikan SEM banyak digunakan diberbagai bidang aplikasi. Umumnya analisa SEM digunakan untuk menguji sebuah konsep teoritis/melakukan confirmasi terhadap sebuah konsep teoritis.

Informasi training dan ebook:
Hubungi bapak Khasanudin di nomor 0817-0487-726 (HP/WA)

Kantor, Jl. Soekarno Hatta Kav. 1F Malang
Satu atap dengan ruko Toko Buku Islam Khalifa (STC di lantai 2).
Buka setiap hari jam 08.00-17.00.

Facebook STC :

https://www.facebook.com/stc.malang.7

 

MENGHITUNG PELUANG KEJUJURAN

Ada empat orang mahasiswa satu kos-kosan yang kebetulan telat ikut ujian semester karena bangun kesiangan. Kemudian mereka menyusun strategi untuk kompak memberi alasan yang sama agar si dosen berbaik hati memberi ujian susulan.Mhs A : Pak, maaf kami telat ikut ujian semester.

Mhs B : Iya Pak. Kami berempat naik angkot yang sama dan ban angkotnya meletus.

Mhs C : Iya kami kasihan sama supirnya. Jadinya kami bantu dia pasang ban baru.

Mhs D : Oleh karena itu kami mohon kebaikan hati bapak agar kami dapat mengikuti ujian susulan.

Sang dosen berpikir sejenak dan akhirnya memperbolehkan mereka ikut ujian susulan.

Keesokan hari ujian susulan dilaksanakan, tapi keempat mahasiswa diminta mengerjakan ujian di empat ruangan yang berbeda.

“Ah, mungkin biar tidak menyontek,” pikir para mahasiswa. Ternyata ujiannya cuma ada 2 soal. Dengan ketentuan mereka baru diperbolehkan melihat dan mengerjakan soal kedua setelah selesai mengerjakan soal pertama.

Soal 1 sangat mudah dgn bobot nilai 10. Keempat mahasiswa mengerjakan dengan senyum-senyum.

Giliran membaca soal kedua dengan bobot nilai 90. Keringat dingin pun mulai bercucuran.

Di soal kedua tertulis:
“Kemarin, ban angkot sebelah mana yang meletus..??”

*Catatan : kalo ada yang beda, semua tidak lulus.

Catatan tambahan :

Yang seperti ini pasti bermanfaat, minimal sebagai obat anti ngantuk …..!

KONSTANTA DALAM PERSAMAAN

Apa sebenarnya fungsi atau peran konstanta dalam sebuah persamaan? Agar mudah, mari kita kenali lewat model linier sederhana antara X dan Y yang dinyatakan dengan persamaan :

Y = β0 + β1X + ε1

Data praktikum yang digunakan adalah sebagai berikut :

X Y
1; 7;
2; 10;
2; 13;
3; 12;
4; 14;
4; 12;
5; 17;
6; 21;
6; 15;
7; 24;
7; 27;
8; 25;
9; 29;
9; 32;
10; 36;

A. GARIS LURUS

Perhatikan scatterplot yang ada dalam Gambar 1, yang memberikan gambaran hubungan X dan Y. Kemudian diminta membuat sebuah garis lurus dimulai dari titik (0,0) dan paling dekat dengan seluruh titik dalam gambar, maka salah satu garis yang mungkin akan dibuat akan seperti pada Gambar 2. Persamaan regresi yang sesuai dengan garis tersebut adalah

Y = β1X + ε2

Lalu bagaimana jika garis lurus yang dibuat tidak harus dimulai (melewati) titik (0,0) akan tetapi tetap harus dekat dengan seluruh titik yang ada? Maka akan ada banyak pilihan garis, dan satu diantaranya akan memiliki kedekatan yang paling tinggi. Dalam materi analisis regresi kedekatan ini akan dihitung melalui nilai residual. Bentuk garis-garis tersebut dua diantaranya tampil dalam Gambar 3. Tampak bahwa kedekatan garis ke seluruh titik pada Gambar 3 adalah lebih baik dibandingkan dengan Gambar 2.

Pada penjelasan sederhana ini, dapat dimengerti bahwa keberadaan konstanta dalam sebuah persamaan adalah untuk meningkatkan ketepatan garis.

B. ANALISIS REGRESI

Akan dilakukan analisis regresi sederhana menggunakan SPSS pada kondisi ada dan tidak ada dengan konstanta. Default proses dalam SPSS adalah ada konstanta, sehingga jika konstanta tidak ada dalam persamaan, dalam menu analisis regresi harus me-nonaktif-kan adanya konstanta pada opsi “include constant in equation”. Persamaan regresi dengan konstanta adalah sebagai berikut :

Y = 3,099 + 2,982 X

Sedangkan hasil running tanpa konstanta

Y = 3.433 X

Pada kedua analisis regresi disimpan nilai residual, dan dihitung nilai kuadrat residualnya. Berikut ini adalah nilai residual dan kuadrat residual dari persamaan dengan dan tanpa konstanta.

X Y e1 e2 e1^2 e2^2
1; 7; 0.919; 3.567; 0.844; 12.727
2; 10; 0.937; 3.135; 0.878; 9.827
2; 13; 3.937; 6.135; 15.498; 37.636
3; 12; -0.045; 1.702; 0.002; 2.898
4; 14; -1.028; 0.270; 1.056; 0.073
4; 12; -3.028; -1.730; 9.165; 2.994
5; 17; -1;955; -0.163; 1.010; 0.027
6; 21; 0;835; 0.405; 0.000; 0.164
6; 15; -5.992; -5.596; 35.900; 31.309
7; 24; 0.026; -0.028; 0.001; 0.001
7; 27; 3.026; 2.972; 9.158; 8.833
8; 25; -1.956; -2.461; 3.825; 6.055
9; 29; -0.938; -1.893; 0.880; 3.584
9; 32; 2.062; 1.107; 4.252; 1.225
10; 36; 3.080; 1.674; 9.486; 2.803

Penjumlahan kuadrat residual hasil analisis regresi dengan konstanta adalah 91,96 (jumlah e1^2), sedangkan pada hasil tanpa konstanta adalah 120,15 (jumlah e2^2). Jumlah kuadrat residual dari persamaan dengan konstanta lebih kecil dibandingkan dengan tanpa konstanta. Sekarang menjadi bertambah jelas bahwa keberadaan konstanta dalam sebuah persamaan menjadi penting.

Kemudian interpretasi apa yang tepat untuk konstanta ini, karena hasil taksiran nilai konstanta bisa positif atau negatif. Secara matematis, konstanta diinterpretasikan sebagai nilai Y pada kondisi X bernilai nol. Permasalahannya adalah aplikasi regresi tidak selalu bertemu kondisi yang di salah satu kemungkinan pengamatannta mengandung nilai X yang bernilai nol. Jika dipaksakan menjadi sebuah interpretasi yang tidak logis.

C. KASUS DAN INTERPRETASI KONSTANTA

Kasus pertama, model regresi antara jumlah jam kerja lembur (X) dengan upah harian yang diterima like emotikon. Andaikan persamaan regresi yang diperoleh adalah sebagai berikut :

Y = 50.000 + 10.000 X

Konstanta sebesar 50.000 diinterpretasikan sebagai jumlah upah yang akan diterima jika pada hari itu karyawan tidak bekerja lembur (X=0). Interpretasi terhadap konstanta pada kasus semacam ini adalah logis, karena kondisi X=0 terjadi.

Kasus kedua, model regresi antara jumlah karyawan (X) dengan jumlah unit barang yang diproduksi like emotikon. Andaikan persamaan regresi yang diperoleh adalah sebagai berikut :

Y = 10 + 5 X

Konstanta sebesar 10 jika diinterpretasikan seperti pada kasus pertama yaitu jumlah unit barang yang dihasilkan adalah 10 jika pada tempat usaha tersebut tidak memiliki karyawan (X=0). Tentu saja interpretasi ini menjadi tidak logis. Bagaimana bisa memproduksi barang jika tidak ada satupun karyawan yang bekerja. Jadi, dalam kasus variabel X tidak mungkin untuk bernilai nol, maka interpretasi terhadap konstanta tidak diperlukan. Keberadaan konstanta dalam persamaan regresi adalah untuk meningkatkan ketepatan persamaan regresi.

Semoga bermanfaat
Malang, Kamis 21 Januari 2016

==================================================
Informasi training dan ebook:
Hubungi bapak Khasanudin di nomor 0817-0487-726 (HP/WA)

Kantor, Jl. Soekarno Hatta Kav. 1F Malang
Satu atap dengan ruko Toko Buku Islam Khalifa (STC di lantai 2).
Buka setiap hari jam 08.00-17.00.

Facebook STC :
https://www.facebook.com/stc.malang.7