MODUL VII  (deltha)  (alpha)  (betha)

Slides:



Advertisements
Presentasi serupa
REGRESI NON LINIER (TREND)
Advertisements

METODOLOGI PENELITIAN SESI 12 UJI KWALITAS DATA
REGRESI Bulek niyaFn.
Bab 10 Analisis Regresi dan Korelasi
Regresi Linier Fungsi : Jenis :
KORELASI DAN REGRESI LINEAR SEDERHANA
Regresi Analisis regresi adalah sebuah pendekatan yang digunakan untuk mendefinisikan hubungan matematis antara variabel output/dependen (y) dengan satu.
KORELASI & REGRESI LINIER
DISUSUN OLEH : IPHOV KUMALA SRIWANA
REGRESI.
ANALISIS REGRESI LINIER TIGA PREDIKTOR
Statistik Inferensial By Jappy P. FanggidaE, SE., M.Si., MBA.
Referensi T. Sunaryo : Ekonomi Manajerial EKMA4312 D. Salvatore : Managerial Economics Ed. 5 th Sumber-Sumber Lain Yang Relevan 2.
ANALISIS REGRESI SEDERHANA
ANALISIS KORELASI.
Menentukan Perilaku Biaya
oleh: Hutomo Atman Maulana, S.Pd. M.Si
FEB Univ. 17 Agustus 1945 Jakarta
ANALISIS REGRESI LINIER BERGANDA
Presented by Kelompok 7 Mirah Midadan Richard Pasolang Reski Tasik
Analisis Regresi Linier Berganda dan Uji t
KORELASI & REGRESI.
ANALISIS REGRESI DAN KORELASI LINIER
Analisis Korelasi dan Regresi linier
Analisis Korelasi & Regresi
Analisis Korelasi & Regresi
Denny Agustiawan JURUSAN TEKNIK INFORMATIKA STMIK ASIA MALANG
ANALISIS REGRESI.
STATISTIK TERAPAN Oleh : Dr. dr. Buraerah. H. Abd. Hakim, MSc
REGRESI LINEAR DALAM ANALISIS KUANTITATIF
Pertemuan ke 14.
STATISTIK II Pertemuan 10-11: Analisis Regresi dan Korelasi
STATISTIK II Pertemuan 14: Analisis Regresi dan Korelasi
Pertemuan ke 14.
EKONOMETRIKA Pertemuan 6 Model regresi fungsional Dosen Pengampu MK:
REGRESI LINIER BERGANDA
Analisis REGRESI.
ANALISIS REGRESI LINIER DUA PREDIKTOR
Program Studi Statistika Semester Ganjil 2012
ANALISIS REGRESI LINIER BERGANDA
REGRESI LOGIT ATAU REGRESI LOGISTIK.
VALIDITAS DAN REABILITAS REGRESI BERGANDA Nori Sahrun, S.Kom., M.Kom
created by Wasis A. Latief
Single and Multiple Regression
Analisis Regresi Asumsi dalam Analisis Regresi Membuat persamaan regresi Dosen: Febriyanto, SE, MM. www. Febriyanto79.wordpress.com U.
Korelasi Korelasi Product Moment digunakan untuk melukiskan hubungan antara 2 buah variabel yg sama-sama berjenis interval atau rasio. Rumus.
STATISTIKA-Regresi Linier Sederhana
Single and Multiple Regression
REGRESI.
BAB 6 MULTIKOLINIERITAS
ANALISIS REGRESI Sri Mulyati.
Pengantar Aplikasi Komputer II Analisis Regresi Linier Berganda
KONSEP PRODUKSI Juarini.
Pengantar Aplikasi Komputer II Analisis Regresi Linier Sederhana
Membuat persamaan regresi ganda Dosen: Febriyanto, SE, MM.
KORELASI & REGRESI LINIER
REGRESI DAN KORELASI DISUSUN OLEH : 1.AVERIO ALVAREZ ( ) 2.FRANS HENDRIKO MARPAUNG ( ) 3.CLAUDIA ELSHA ALVINCE ( ) 4.STEVEN.
REGRESI.
REGRESI LINIER BERGANDA
Single and Multiple Regression
ANALISIS REGRESI LINIER
Menentukan Perilaku Biaya
BAB VIII REGRESI &KORELASI BERGANDA
Lektion ACHT(#8) – analisis regresi
Korelasi dan Regresi Aria Gusti.
STATISTIK II Pertemuan 10-11: Analisis Regresi dan Korelasi
Teknik Regresi.
Oleh : Muhammad Fauzi Makki
1 ANALISIS REGRESI DAN KORELASI BERGANDA Bentuk persamaan regresi dengan dua variabel indenpenden adalah: Y = a + b 1 X 1 + b 2 X 2 Bentuk persaman regresi.
UJI REGRESI LINIER SEDERHANA Arkhiadi Benauli Tarigan
Transcript presentasi:

MODUL VII  (deltha)  (alpha)  (betha) MODEL PENGUKURAN PRODUKTIVITAS BERDASARKAN PENDEKATAN FUNGSI PRODUKSI COBB-DOUGLAS Fungsi produksi Cobb-Douglas merupakan salah satu bentuk fungsi produksi yang dapat dipergunakan dalam analisis produktivitas. Beberapa alasan praktis dalam menggunakan fungsi produksi Cobb-Douglas, yaitu : a. Bentuk fungsi produksi Cobb-Douglas bersifat sederhana dan mudah penerapannya b. Fungsi produksi Cobb-Douglas mampu menggambarkan keadaan skala hasil (return to scale), apakah sedang meningkat, tetap atau menurun c. Koefisien-koefisen fungsi Cobb-Douglas secara langsung menggambarkan elastisitas produksi dari setiap input yang dipergunakan dan dipertimbangkan untuk dikaji dalam fungsi produksi Cobb-Douglas itu d. Koefisien intersep dari fungsi Cobb-Douglas merupakan indeks efisiensi produksi yang secara langsung menggambarkan efisiensi penggunaan input dalam menghasilkan output dari sistem produksi yang sedang dikaji itu Bentuk umum dari fungsi Cobb-Douglas adalah sebagai berikut : Q = Lα Mβ Bentuk Transformasi Ln Qn = konstanta + L ln Ln + M ln Mn Bentuk asli Qn = e Constanta LnL MnM Dimana : Q L M  (deltha)  (alpha)  (betha) = output = Input jam kerja efektif (tenaga kerja) = Input jam kerja mesin efektif = Koefisien intersep (indeks efisiensi) = Elastisitas output dari input L = Elastisitas output dari input M http://www.mercubuana.ac.id

Bulan Q (pcs) L (jam) M (jam) ln Q ln L Ln M Jan 27.859 4605,277 independen (bebas). Pada hal ini Variabel dependen adalah data output produksi (Q) sedangkan variabel independen ada dua meliputi data jam kerja efektif (L) dan data jam kerja mesin efektif (M). Bentuk umum persamaan regresi linier berganda, adalah : Y = a + bxx1 b2x2 + ....+ bnxn Dimana : Y = variabel dependen a = konstanta b1 = perubahan nilai x1 = faktor 1 x2 = faktor 2 Regresi Liner Logaritma Regresi linier yang dipergunakan adalah regresi linier logaritma, dimana pendekatan logaritma yang dipergunakan adalah logaritma natural yang berbilangan dasar e = 2,71828, artinya data-data yang akan diolah dengan menggunakan regresi linier berganda logaritma natural, terlebih dahulu harus dikonversi ke dalam bentuk data logaritma natural (ln). Contoh : Tabel 1. Data Logaritma Natural untuk Data Output Produksi Periode 2005 http://www.mercubuana.ac.id Bulan Q (pcs) L (jam) M (jam) ln Q ln L Ln M Jan 27.859 4605,277 3287,532 10,2349114 15,34271338 15,00564769 Feb 35.001 4271,238 2963,261 10,4631319 15,26741427 14,90180091

kesalahan bakunya (standar error), dimana standar error ini dapat dipergunakan untuk menstandarkan nilai koefisien yang belum standar a. Kolom 2.1. (B) adalah kolom yang memuat nilai koefisien regresi yang dapat dipergunakan untuk menghitung persamaan regresi, besarnya nilai koefisien untuk variabel bebas L dan M adalah masing-masing 0,87 dan 0,36 b. Kolom 2.2 (standar error) adalah kolom yang memuat informasi yang mengenai besarnya nilai penyimpangan pada setiap nilai koefisien regresi, besarnya nilai penyimpangan pada nilai konstana adalah 1,83 ± 0,18 yaitu berkisar antara 1,65 sampai dengan 2,01 ; penyimpangan pada nilai koefisien L adalah 0,87 ±0,92 yaitu berkisar antar -0,05 sampai dengan 1,79 dan penyimpangan pada nilai koefisien M adalah 0,36 ±0,87 yaitu berkisar antara -0,51 sampai dengan 1,23 3. Kolom ketiga (standardized coefficients) adalah kolom yang memuat informasi mengenai nilai koefisien betha, yaitu nilai koefisien regresi yang sudah distandarkan. Koefisien ini dipergunakan ketika seluruh variabel yang dipergunakan sudah dalam bentuk standar. Perubahan variabel bebas kedalam bentuk yang standar akan mengakibatkan nilai koefisiennya lebih mudah untuk dibandingkan atau dipersamakan karena keduanya (variabel bebas dan koefisiennya) sudah dalam satu unit pengukuran yang lama. Adapun nilai koefisien regresi standar untuk variabel bebas L dan M adalah masing-masing 0,87 dan 0,36 4. Kolom keempat ( T-Test ) adalah kolom yang memuat informasi mengenai metode statistik yang dipergunakan untuk menguji Ho (tidak ada hubungan linier antara variabel bebas dan variabel tidak bebas) ketika tingkat signifikasinya adalah kecil (kurang dari 0,1) maka koefisiennya dapat dipertimbangkan signifikan. Dalam kolom ini ditampilkan nilai T hitung nilai konstanta adalah sebesar 20,56 sedangkan untuk nilai koefisien variabel bebas L dan M masing-masing 15,23 dan 7,5 5. Kolom kelima (signifikan) adalah kolom yang memuat informasi mengenai nilai probabilitas (P-value) dimana nilai P ini dapat dipergunakan untuk menguji Ho. Adapun nilai P yang terdapat http://www.mercubuana.ac.id