Ardiansyah Ansar 20090420064Dewanggi Ira Veolita 20090420188Fitria Thaha 20090420118Muhammad Ramli Yoisangaji 20090420121Virsia Fani Prasitha Devi 20090420003Mohammad Alfian 20100420047

A. MODEL REGRESI BERGANDA

Pada regresi linier sederhana hanya ada satu

variable bebas. Pada regresi linier berganda terdapat lebih dari satu variable bebas (independent). Analisis regresi linier berganda akan sangat bermanfaat ketika melakukan penelitian yang memerlukan kajian berbagai macam variable yang bisa mempengaruhi satu variable lain. Adanya metode analisis regresi ini sangat menguntungkan bagi banyak pihak, baik di bidang sains, sosial, industri maupun bisnis.

Persamaan Regresi Linier Berganda

Y=b0 + bX1 + bX2 + …. + bnXn + e

Dimana: Y = Variable tergantungb0 = konstanta Regresi/titik potong sumbu Y

b1 b2 = koefisien regresi/pengaruh

X1X2 = Variable bebas

e = 0

Contoh Seorang Manager pembelian suatu perusahaan ingin mengetahuipengaruh biaya promosi dan biaya distribusi terhadap penjualan, dengan data sebagai berikut :

Tahun Penjualan Biaya Promosi Biaya Distribusi

1 6000000200000 7000000

2 7000000300000 8000000

3 8000000500000 8000000

4 10000000600000 9000000

5 10000000500000 9000000

6 11000000 600000 9000000

7 13000000 700000 8000000

8 14000000 700000 9000000

9 14000000 800000 1000000

10 15000000 800000 1100000

Berdasarkan data di atas : 1. Buatlah Persamaan regresi.2. Ujilah hipotesis dengan menggunakan α = 5% : H1 : ada pengaruh biaya promosi dan biaya distribusi terhadap penjualan H2 : ada pengaruh biaya promosi terhadap penjualan H3 : ada pengaruh biaya distribusi terhadap penjualan

Penyelesaian : Persamaan Regresi Jika dikerjakan dengan menggunakan SPSS maka hasilnya :

ModelUnstandardized Coefficients

Standardized Coefficients

t Sig.B

Std. Error

Beta

1 (constant) 883845.1 3306543 .267 .797

PROMOSI 14.099 2.868 .895 4.916 .002

DISTRIBUSI 2.136 5.059 .077 .422 .686

coefficientsa

a. Dependen variable : PENJUALAN

Persamaan regresi :Y = 883845.1 + 14.099 X1 + 2.136X2Keterangan :Y = PenjualanX1= Biaya PromosiX2= Biaya Distribusi

Interpretasi :•Konstanta sebesar 883845.1 menyatakan bahwa, jika variable independen (promosi) dianggap konstan, maka rata-rata penjualan sebesar Rp883845.1.•Koefisien regresi promosi sebesar 14.099 menyatakan bahwa, setiap penambahan biaya promosi Rp 1 akan meningkatkan penjualan sebesar Rp 14.099.•Koefisien regresi distribusi sebesar 2.136 menyatakan bahwa, setiap penambahan biaya distribusi sebesar Rp 1 akan meningkatkan penjualan sebesar Rp 2.136.

B. MENILAI GOODNESS of FIT SUATU MODEL

Ketepatan fungsi regresi sample dalam menaksir nilai actual dapat diukur dari goodness of fit-nya. Secara statistic, setidaknya dapat diukur dari nilai koefisien determinasi, nilai statistic F dan statistic t. perhitungan statistic disebut signifikan apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana Ho ditolak), dan sebaliknya.

1. Koefisien Determinasi Koefisien determinasi pada intinya

mengukur seberapa jauh kemampuan modal dalam menerangkan variasi variable dependen. Nilai koefisien determinasi adalah antara nol sampai satu. Nilai R2 yang kecil berarti kemampuan variable variable independen dalam menjelaskan variasi variable dependen amat terbatas. Nilai yang mendekat satu berarti variable variable independen memberikan hamper semua informasi yang dibutuhkan untuk memmprediksi variasi variable dependen.

Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variable independen yang dimasukkan kedalam model. Setiap tambahan satu variable independen, maka R2 pasti meningkat tidak peduli apakah variable tersebut berpngaruh secara signifikan terhadap variable dependen, Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai adjusted R2 pada saat mengevaluasi mana model regresi terbaik.

contoh regresi diatas dikerjakan dengan SPSS maka nilai koefisien determinasi nya :

Model R R square Ajusted R

Square

Std. Error of

the estimate

1 .958a .917 .893 1030527.73

Predictors : (Constant), DISTRIBU, PROMOSIAnalisis :Berdasarkan output SPSS model summery besarnya adjusted R2 adalah 0,893, hal ini berarti 89,3% variasi penjualan dapat dijelaskan oleh variasi dari kedua variable indepen biaya promosi dan biaya distribusi. Standar Error of Estimate (SEE) Rp 1.030.527,73 makin kecil nilai SEE akan membuat modal regresi semakin tepat dalam memprediksi variable dependen Rumus standar Erorr (Syx).

Rumus standar Erorr (Syx)

Syx=

kn

YY

1

1

Dimana Y= Y actualY1= Y prediksi N= Jumlah/ Pasangan observasiK= Jumlah variable independen

Uji Signifikansi Simultan (Uji Statistik F)

Uji Statistik F pada dasarnya menujukan apakah semua variabel independent atau bebas yang di masukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat

Langkah-langkah pengujian :1. Menentukan H0 dan H1

H0 : b1 = b2 =………….= bn = 0

Artinya, apakah semua variabel independen bukan merupakan penjelasan yang signifikan terhadap variabel dependen. H1 : b1 ≠ b2 ≠ …………… ≠ bn ≠ 0

Artinya, semua variabel independent secara simultan merupakan penjalasan yang signifikan terhadap variabel dependen.

2. Menentukan daerah penerimaan H0 dan H1 dengan menggunakan distribusi F (ANOVA)Titik kritis dicari pada tabel F dengan nilai alfa tertentu dan df sebagai berikut :Numerator = kDenominator = n – k – 1

3. Menentukan nilai uji F – Ratio dengan rumus :

Dimana :SSR= Sum of square regessionSSE= Sum of square error

)1(

knSSEkSSR

F

4. Kesimpulan :Jika contoh regresi diatas dikerjakan dengan SPSS untuk menguji

apakah ada pengaruh biaya promosi dan biaya aistribusi terhadap penjualan, dengan menggunakan α= 5%, maka hasilnya :

Model Sum of

squares

df Mean

square

F sig

1. Regresion

2. Residual

3. Total

8.22E+13

7.43E+12

8.96E+13

2

7

9

4.108E+13

1.062E+12

38.685 .000a

AnalisisBerdasarkan output di atas, karena nilai sig 0,000 < α = 0,05 artinya signifikan berarti ada pengaruh biaya promosi dan biaya distribusi terhadap penjualan, sehingga model regresi dapat digunakan untuk memprediksi penjualan atau dapat dikatakan bahwa biaya promosi dan biaya distribusi secara bersama-sama berpengaruh terhadap penjualan.

3. Uji Signifikan parameter Individual (Uji statistik T)

Uji statistic T pada dasarnya menunjukan seberapa jauh pengaruh satu variable penjelas atau endependen secara individual dalam menerangkan variasi variable dependen.

Langkah- langkah pengujian :

1. Menentukan H0 dan H1Ho: B1 = 0Artinya apakah semua variable independen bukan merupakan penjelas yang signivikan terhadap variable dependen. H1:b1 ≠ 0 Artinya :variable tersebut merupak penjelas yang signivikan terhadap veriable dependen.

2. Menentukan daerah penerimaan H0 dan H1 dengan menggunakan distribusi t. titik kritis dicari pada table t dengan menggunakan nilai alfa tertentu dan df sebagai berikut : df = n-k-1

3. Menentukan nilai uji t hitung denegan rumus

1SbbiT =

Dimana :B1= Sum of square regressionSb1= Sum of square Error

4. regresi diatas dikerjakan dengan SPSS untuk menguji hipotesis.

H2 ada pengeruh biaya promosi terhadap penjualan H3 ada pengaruh biaya distribusi terhadap penjualanDengan menggunakan α 5% maka hasilnya :

Model Unstandardized coefisients Standardized

Coefisients

t Sig

B Std.Error Beta

1 (Constant) 883845.1 3306543 .267 .797

Promosi 14.099 2.868 .895 4.916 .002

Distibu 2.136 5.059 .077 .422 .686Analisis:Uji t untuk biaya promosiH2= ada pengaruh biaya Promosi terhadap penjualanNilai sig 0,002< α = 0,005 artinya signifikan berarti ada pengaruh biaya promosi.Uji t untuk biaya distribusiH3: ada pengaruh biaya distribusi terhadap penjualanNilai sig 0,686 > α = 0,05 artinya tidak signifikan bearti tidak ada pengaruh biaya distribusi terhadap penjualan.

Yah udah dech………Mpe sini j presentasi dari kami………….Mohon map kalo ada yang g berkenan……..End……..menta kritik dan saran ny yak>>>!!!!!!!!!!!!Hehehehehehehehe…………..