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.