TUGAS PRAKTIKUM ANALISA DATA

ANALISA REGRESI

Disusun oleh: Deni Arifianto (

Eny Fithri Rambe (Hari (

Indra Syahputra (Luta(

Wisni Fadillah (

PROGRAM PASCASARJANA AGROEKOTEKNOLOGI

FAKULTAS PERTANIAN

UNIVERSITAS SUMATERA UTARA

2014

Berikut data Penjualan suatu produk selama 24 bulan

No Y (Penjualan) X1 (Biaya produksi) X2 (Biaya promosi) X3 (Biaya distribusi)

1 10,250,000 6,272,000 1,248,000 1,856,000

2 12,542,000 6,542,000 1,023,000 1,956,000

3 13,864,000 6,975,000 1,128,000 2,145,000

4 14,585,000 7,126,000 1,358,000 1,845,000

5 16,278,000 7,540,000 1,024,000 1,855,000

6 18,750,000 6,923,000 1,245,000 2,045,000

7 18,852,000 7,256,000 1,352,000 2,546,000

8 19,864,000 6,826,000 1,458,000 1,786,000

9 18,652,000 8,256,000 1,653,000 1,934,000

10 20,245,000 8,024,600 1,345,000 1,756,000

11 22,453,000 8,740,000 1,362,000 1,560,000

12 20,457,000 8,245,000 1,625,000 2,275,000

13 22,862,000 8,563,000 1,546,000 2,063,000

14 23,721,000 8,753,000 1,512,000 1,768,000

15 24,675,000 8,932,000 1,724,000 1,932,000

16 26,578,000 9,026,000 1,702,000 2,285,000

17 26,972,000 8,932,000 1,423,000 2,382,000

18 27,342,000 9,256,000 1,562,000 2,063,000

19 25,345,000 8,864,000 1,832,000 1,935,000

20 25,986,000 8,536,000 1,956,000 1,892,000

21 26,754,000 9,154,000 2,215,000 2,027,000

22 27,685,000 9,635,000 2,045,000 2,085,000

23 28,150,000 9,456,000 2,352,000 2,296,000

24 28,463,000 9,876,000 2,254,000 2,442,000

1. Analisis regresi linier berganda

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) -1.810E7 4647401.551 -3.894 .001

Biaya Produksi (X1) 4.166 .643 .813 6.483 .000 .375 2.664

Biaya Promosi (X2) 1.921 1.844 .133 1.042 .310 .361 2.767

Biaya Distribusi (X3) 1.215 1.810 .055 .671 .510 .895 1.117

a. Dependent Variable: Penjualan(Y)

Dari table Coefficient dapat dijelaskan sebagai berikut :

Y’ = b0 + b1X1 + b2X2 + b3X3Y’ = -18098925Artinya jika biaya produksi, biaya promosi, dan biaya distribusi adalah 0, maka

penjualan nilainya negative sebesar -18098925.

Koefisien b1 = 4,166Artinya jika variable biaya promosi dan biaya distribusi nilainya tetap dan biaya

produksi ditingkatkan sebesar Rp.1, maka penjualan akan meningkat sebesar

Rp. 4,166.

Koefisien b2 = 1,921Artinya jika variable biaya produksi dan biaya distribusi nilainya tetap dan biaya

promosi ditingkatkan sebesar Rp.1, maka penjualan akan meningkat sebesar

Rp.1, makan penjualan akan meningkat sebesar Rp.1,921.

Koefisien b3 = 1,215Artinya jika variable biaya produksi dan biaya promosi nilanya tetap dan biaya

distribusi ditingkatkan sebesar Rp.1, maka penjualan akan meningkat sebesar

Rp.1,215.

2. Uji F Untuk mengetahui pengaruh variable independen (Y) secara serentak terhadap

variable dependen (X)

H0 : b1 = b2 = b3 = b4 = 0 artinya biaya produksi, biaya promosi, biaya distribusi

secara serentak tidak berpengaruh terhadap penjualan

H1 = b1 # b2 # b3 # b4 # 0 artinya biaya produksi, biaya promosi dan biaya

distribusi secara serentak berpengarauh terhadap penjualan.

ANOVAb

Model Sum of Squares dfMean

Square F Sig.

1 Regression 5.892E14 3 1.964E14 49.749 .000a

Residual 7.896E13 20 3.948E12

Total 6.682E14 23

a. Predictors: (Constant), Biaya Distribusi (X3), Biaya Produksi (X1), Biaya Promosi (X2)

b. Dependent Variable: Penjualan(Y)

Dari table Annova diperoleh nilai signifikansi sebesar 0.000

Siginifikansi > 0.05 jadi H0 diterima

Signifikansi < 0.05 jadi H0 ditolak

Kesimpulan signifikansi < 0.05 hipotesis nol ditolak artinya biaya produksi, biaya

promosi dan biaya distribusi secara serentak berpengaruh terhadap penjualan.

3. Uji t Untuk mengetahui pengaruh variable independen secara parsial terhadap

variable dependen apakah pengaruhnya signifikan atau tidak.

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.B Std. Error Beta

1 (Constant) -1.810E7 4647401.551 -3.894 .001

Biaya Produksi (X1) 4.166 .643 .813 6.483 .000

Biaya Promosi (X2) 1.921 1.844 .133 1.042 .310

Biaya Distribusi (X3) 1.215 1.810 .055 .671 .510

a. Dependent Variable: Penjualan(Y)

Pengujian b1 (Biaya produksi)H0 : b1 = 0    artinya biaya produksi tidak berpengaruh nyata terhadap penjualan

H1 : b1#0      artinya biaya produksi berpengaruh terhadap penjualan

Signifikansi > 0.05 jadi H0 diterima

Signifikansi ≤ 0.05 jadi H0 ditolak

Dari table Annova diperoleh nilai signifikan 0.000

Kesimpulan signifikansi < 0.05 hipotesis nol ditolak artinya biaya produksi

berpengaruh terhadap penjualan.

Pengujian b2 (Biaya promosi)H0 : b1 = 0    artinya biaya promosi tidak berpengaruh nyata terhadap penjualan

H1 : b1#0      artinya biaya promosi berpengaruh terhadap penjualan

Signifikansi > 0.05 jadi H0 diterima

Signifikansi ≤ 0.05 jadi H0 ditolak

Dari table Annova diperoleh nilai signifikan 0.310

Kesimpulan signifikansi 0.310 > 0.05 hipotesis nol diterima artinya biaya promosi

tidak berpengaruh terhadap penjualan.

Pengujian b3 (Biaya distribusi)H0 : b1 = 0    artinya biaya distribusi tidak berpengaruh nyata terhadap penjualan

H1 : b1#0      artinya biaya distribusi berpengaruh terhadap penjualan

Signifikansi > 0.05 jadi H0 diterima

Signifikansi ≤ 0.05 jadi H0 ditolak

Dari table Annova diperoleh nilai signifikan 0.510

Kesimpulan signifikansi 0.510 > 0.05 hipotesis nol diterima artinya biaya

distribusi tidak berpengaruh terhadap penjualan.

4. Analisis Koefisiensi Determinasi (R 2 ) Untuk mengetahui seberapa besar persentase pengaruh variable terhadap

independen seca a serentak terhadap variable dependen.

Model Summaryb

Model R R SquareAdjusted R

SquareStd. Error of the Estimate

Durbin-Watson

1 .939a .882 .864 1986910.536 1.663

a. Predictors: (Constant), Biaya Distribusi (X3), Biaya Produksi (X1), Biaya Promosi (X2)

b. Dependent Variable: Penjualan(Y)

Dari table diperoleh nilai R2 adjusted sebesar 0.864 artinya 86.4 % pengaruh

variabel independen terhadap variabel independen dan sisanya dipengaruhi oleh

faktor lain yang tidak diteliti.

UJI    ASUMSI

1. Uji Normalitas Untuk mengetahui apakah dsitribusi data pada tiap-tiap variable normal atau

tidak.Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic Df Sig. Statistic df Sig.

Penjualan(Y) .125 24 .200* .928 24 .089

Biaya Produksi (X1) .153 24 .150 .938 24 .144

Biaya Promosi (X2) .104 24 .200* .950 24 .273

Biaya Distribusi (X3) .121 24 .200* .968 24 .610

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

Dari table normalitas diperoleh bahwa :

1. Nilai signifikansi Penjualan (Y)    0.200> 0.05 artinya data berdistribusi

normal

2. Nilai signifikansi biaya produksi (X1) 0.150>0.05 artinya data berdistribusi

normal

3. Nilai signifikansi biaya promosi (X2) 0.200 > 0.05 artinya data berdistribusi

normal

4. Nilai signifikansi biaya distribusi (X3) 0.200 > 0.05 artinya data

berdistribusi normal.

Pengujian Normal Probability dapat dilihat di bawah ini

Dari gambar di atas dapat dilihat bahwa data menyebar disekitar garis

diagonal dan mengikuti arah diagonal, maka model regresi memenuhi

asumsi normalitas.

2. Uji Multikolinearits Keadaan dimana antara dua variable independen atau lebih pada model

terjadi hubungan linier sempurna atau mendekati sempurna. Model regresi

yang baik adalah tidak adanya masalah multikolinieritas

Untuk    menentukan ada tidaknya multikolinearitas adalah nilai Tolerance dan VIF. Nilai Tolerance lebih dari 0.1 dan VIP kurang dari 10 maka tidak terjadi multikolinearitas.

Coefficientsa

Model

Collinearity Statistics

Tolerance VIF

1 (Constant)

Biaya Produksi (X1) .375 2.664

Biaya Promosi (X2) .361 2.767

Biaya Distribusi (X3) .895 1.117

a. Dependent Variable: Penjualan(Y)

Dari table Coefficients diperoleh ketiga variable independen lebih dari 0.1 dan

VIF kurang dari 10. Kesimpulan tidak terjadi multikolinearitas.

3. Uji Heteroskedastisitas Adalah keadaan dimana terjadinya ketidaksamaan varian dari residual pada

model regresi. Regresi yang baik mensyaratkan tidak ada heteroisskedastas.

Untuk melihat ada tidaknya heteroskedastisitas adalah melihat pola titik – titik

pada scatterplots regresi.Jika pola di atas dan di bawah angko 0 pada sumbu

Y maka tidak terjadi heteroskedastisitas.

Dari Scatterplots di atas dilihat titik-titik menyebar dengan pola yang tidak jelas di atas dan di bawah angko 0 pada sumbu Y. Kesimpulannya tidak terjadi heteroskedastisitas.

4. Uji Autokorelasi (Uji Durbin-Watson)Keadaam dimana terjadinya korelasi dari residual untuk pengamatan satu dengan pengamatan yang lain. Model regresi yang baik mensyaratkan tidak ada masalah autokorelasi.

Model Summaryb

Model R R SquareAdjusted R

SquareStd. Error of the Estimate Durbin-Watson

1 .939a .882 .864 1986910.536 1.663

a. Predictors: (Constant), Biaya Distribusi (X3), Biaya Produksi (X1), Biaya Promosi (X2)

b. Dependent Variable: Penjualan(Y)H0 = Tidak terjadi autokorelasi jika dU<d<4-dUH1 = Terjadi autokorelasi jika d<dL atau d>4-dL

Nilai d (Durbin-Watson) dari table sebesar 1.663Nilai dL dan dU pada signifikan 0.05 n = 24, k=3 (table durbin-watson)dL = 1.101, dU = 1.656

4-dU = 4 -1.656 = 2.3444-dL = 4 - 1.101 = 2,899

Kesimpulan = dU<d<4-dU    (1.656 < 1.663 <2.344) maka H0 diterima artinya tidak terjadinya autokorelasi.