SISTEM PEMELIHARAAN ASET

ANALISIS REGRESI, ANALISIS KORELASI, MOVING AVERAGE,

Laporan Pengerjaan Tugas
Laporan ini dibuat untuk memenuhi salah satu syarat pemenuhan nilai akademik
Program Studi D-IV Manajemen Aset

Oleh:
Aditia Ramdhan Alkuasar
(NIM: 135244031)

POLITEKNIK NEGERI BANDUNG

2016

Data historis pemeliharan mesin

Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember

Jam Mesin
(X)
450
500
500
400
350
300
250
200
350
380
550
600

Biaya (Y)
550.000
460.000
580.000
520.000
500.000
450.000
350.000
340.000
480.000
500.000
680.000
700.000

X2
202.500
250.000
250.000
160.000
122.500
90.000
62.500
40.000
122.500
144.400
302.500
360.000

Y2
302.500.000.000
211.600.000.000
336.400.000.000
270.400.000.000
250.000.000.000
202.500.000.000
122.500.000.000
115.600.000.000
230.400.000.000
250.000.000.000
462.400.000.000
490.000.000.000

4.830

6.110.000

2.106.900

3.244.300.000.000

Total

1.1.1. Analisis Regresi

1. Regresi Linear Sederhana
- Koefisien a
a = [(y) (x) (x) (xy)]
n(x) (x)
a = [(6.110.000) (2.106.900) (4.830) (2.593.000.000)]
12 (2.106.900) (4.830)
a = 178.601,26

Koefisien b
b = n(xy) (x) (y)
n(x) (x)
b = 12 (2.593.000.000) (4.830) (6.110.000)
12 (2.106.900) (4.830)
b = 821,28

XY
247.500.000
230.000.000
290.000.000
208.000.000
175.000.000
135.000.000
87.500.000
68.000.000
168.000.000
190.000.000
374.000.000
420.000.000
2.593.000.00
0

2. Model Persamaan Regresi

Y= a + bx
Y= 178.601,26 + 821,28x
1.

Prakiraan (Analisis Regresi)

Prakiraan jumlah Penggunaan Mesin selama 5000 jam dalam satu tahun
Y= 178.601,26 + 821,28 ( 5000)
Y= 4.285.001,26

1.1.2 Analisis Korelasi

b = n(xy) (x) (y)
n(x) (x)
b = 12 (2.593.000.000) (4.830) (6.110.000)
12 (2.106.900) (4.830)
r = nxy (x) (y)

{nx (x)} x {ny2 (y)2}

= 12 (2.593.000.000) (4.830) (6.110.000)

{12(2.106.900) (4.830)} x {12(3.244.300.000.000) (6.110.000)2}

r = 0,907
R

Kriteria Hubungan

Tidak ada Korelasi

0 0.5

Korelasi Lemah

0.5 0.8

Korelasi sedang

0.8 1

Korelasi Kuat / erat

Korelasi Sempurna
Hasil dari analisis korelasi menunjukan hubungan antara variabel x ( jumlah Jam Mesin

bekerja) dan variabel y (Biaya Pemeliharaan Mesin) dapat dikategorikan Korelasi kuat karena

berada di atas 0,9 (0,907). Hal ini menunjukkan bahwa jumlah jam mesin bekerja dapat
mempengaruhi Biaya Pemelihataan Mesin.

2.1 MOVING AVERAGE

1. Contoh Kasus
2. Contoh Data dan Penyelesaian Prakiraan Menggunakan Moving Average

Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Total

Jam Mesin
(X)
450
500
500
400
350
300
250
200
350
380
550
600
4.830

Prakiraan
jam Mesin
483.3
466.7
416.7
350
300
250
266.7
310
426.7

Biaya (Y)
550000
460000
580000
520000
500000
450000
350000
340000
480000
500000
680000
700000
6.110.000

Prakiraan
Biaya
530000
520000
533333.3
490000
433333.3
380000
390000
440000
553333.3