Home » » Laporan Statistika Analisis Regresi Sederhana

Laporan Statistika Analisis Regresi Sederhana

Written By Arifin Budi Purnomo on Kamis, 06 Februari 2014 | 19.30.00

LAPORAN HASIL PRAKTIKUM
MATA KULIAH STATISTIKA DASAR



 





Oleh :
Arifin Budi Purnomo
NIM A1C012025






KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN
UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS PERTANIAN
PURWOKERTO

2013




VI.  ANALISIS REGRESI SEDERHANA
A.    Tujuan
Melatih mahasiswa agar dapat menampilkan data penelitian dalam berbagai bentuk, sesuai dengan tujuan yang diinginkan.

B.     Soal
PT. Sakinah sebagai perusahaan properti pada awal tahun lalu telah mengeluarkan kebijakan kenaikan bonus pada kepala kantor pemasaran untuk setiap unit properti yang berhasil dijual. Berikut data kenaikan bonus pada 7 kantor pemasaran dan jumlah unit properti yang terjual:

Tabel 28. Kenaikan Bonus Dan Properti Terjual
No Outlet
Kenaikan Bonus (jutaan)
Properti yang Terjual
X
Y
1
18
77
2
14
75
3
32
96
4
21
84
5
25
100
6
30
104
7
16
86
Sumber: Output SPSS
Dari data tersebut, apakah kenaikan bonus cukup efektif dalam mempengaruhi jumlah properti yang terjual pada masing-masing kantor pemasaran?

C.    Output SPSS
Tabel 29. Variabel Entered/Removed
Model
Variables Entered
Variables Removed
Method
s1
Kenaikan Bonus (jutaan) Xa
.
Enter
Sumber: Output SPSS

Tabel 30. Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.861a
.742
.690
6.301
Sumber: Output SPSS
Tabel 31. Anova
Model
Sum of Squares
Df
Mean Square
F
Sig.
1
Regression
570.324
1
570.324
14.363
.013a
Residual
198.533
5
39.707


Total
768.857
6



Sumber: Output SPSS



Tabel 32. Coefficients
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
57.574
8.591

6.701
.001
Kenaikan Bonus (jutaan) X
1.404
.370
.861
3.790
.013
Sumber: Output SPSS





D.    INTERPRETASI
Pada tabel Variable Entered/Removed, Variable Entered adalah variable yang digunakan dalam perhitungan analisis. Variable Removed adalah variable yang tidak digunakan dalam perhitungan analisis. Titik (.) adalah tidak ada satupun variabel yang tidak digunakan dalam perhitungan analisis. Method Enter adalah semua variable yang ada dimasukan dalam hubungan perhitungan analisis.
Pada tabel Model Summary, R.Square (koefisien determinasi) sebesar 0,742 merupakan hasil bagi antara Sum of Square Regression (SSR) dengan Sum of Square Total (SST). R.square sebesar 0,742 artinya 74,2% jumlah properti yang terjual (Y) dipengaruhi oleh variable kenaikan bonus (X), sedangkan sisanya sebesar 25,8% dipengaruhi oleh faktor - faktor lain diluar model yang digunakan. Adjusted R Square sebesar 0,690 menunjukan bahwa 69,0% variasi jumlah properti yang terjual (Y) dapat dijelaskan oleh variasi dari variable independent yaitu kenaikan bonus (X), sedangkan sisanya sebesar 31% menjelaskan faktor - faktor lain yang tidak diteliti. Standard Error of the Estimate (SEE) sebesar 6,301, makin kecil nilai SEE akan membuat model regresi semakin tepat dalam memprediksi variable dependent.
Pada tabel Annova, Sum of Square Regression (SSR) sebesar 570,324 dan df sebesar 1 yang diperoleh dari jumlah variable independent (k) yang digunakan yaitu kenaikan gaji (X). Sum of Square Residual (SSE) sebesar 198,533 dan df sebesar 5 yang diperoleh dari jumlah data dikurangi jumlah variable dikurangi 1 (N-k-1) = (7-1-1) = 5. Sum of Suare Total (SST) sebesar 768,857 dan df sebesar 6 diperoleh dari jumlah data dikurangi 1 (N-1) = 7–1 = 6. Mean Square Regression sebesar 570,324 merupakan hasil bagi antara SSR dengan df Regression. Mean Square Residual sebesar 39,707 merupakan hasil bagi antara SSE dengan df Residual.
F hitung sebesar 14,363 merupaka hasil bagi antara Mean Square Regression dengan Mean Square Residual. Nilai F tabel dengan df Regression sebagai df pembilang yatitu 1 dan df Residual sebagai df penyebut yaitu 5 diperoleh nilai F tabel dengan α 5% dan α 1% yaitu s ebesar 6,61 dan 16,26.
F hitung sebesar 14,363 mempunyai nilai lebih besar dibandingkan nilai F tabel α 5% (6,61) dan mempunyai nilai lebih kecil dibandingkan nilai F tabel α 1% (16,26)  sehingga Ho ditolak artinya model regresi dapat dipakai untuk memprediksi jumlah properti yang terjual. Nilai signifikansi 0,013 kurang dari 0,05 maka Ho ditolak artinya model regresi dapat dipakai untuk memprediksi jumlah properti yang terjual.
Pada tabel coefficients, persamaan regresi linier sederhana Y = a + bx. Y merupakan jumlah properti yang terjual, a merupakan konstanta atau intersep, dan b adalah kenaikan gaji. Jadi persamaan regresi linier sederhana diatas Y = 57,574 + 1,404x. Konstanta sebesar 57,574 artinya bahwa jika jumlah variabel kenaikan bonus diabaikan, maka jumlah properti yang terjual  adalah sebesar 57,574 juta. Kenaikan bonus (X) sebesar 1,404 artinya setiap penambahan  satu juta rupiah kenaikan bonus, maka jumlah properti yang terjual akan meningkat sebanyak 1,404 unit. Standar Error merupakan kesalahan persamaan regresi untuk konstanta yaitu sebesar 8,591 dan untuk kenaikan bonus (X) sebesar 0,370.
Nilai t hitung untuk kenaikan gaji (X) sebesar 3,790 dan t table dengan df sebesar N-k-1 = 5 dengan α 5% / 2= 0,025 diperoleh  nilai t table 2,571. Oleh karena t hitung lebih besar dari t table makan Ho ditolak dan nilai signifikansi atau probabilitas sebesar 0,01 atau p kurang dari 0,05 maka Ho ditolak. Berdasarkan uji t dan uji signifikansi atau probabilitas maka diperoleh Ho ditolak sehingga pada taraf kepercayaan sebesar 95% kenaikan bonus berpengaruh terhadap jumlah properti yang terjual secara signifikan pada taraf kepercayaan 95%.
Share this article :

1 komentar:

Budayakan Berkomentar dengan Baik dan Sopan :)

 
Support : Your Link | Your Link | Your Link
Copyright © 2013. Arifin Budi Purnomo Blog - All Rights Reserved
Template Created by Creating Website Published by Mas Template
Proudly powered by Blogger