regresi linier berganda 20090420003

Click here to load reader

Post on 15-Jan-2016

74 views

Category:

Documents

6 download

Embed Size (px)

DESCRIPTION

sdas

TRANSCRIPT

  • Ardiansyah Ansar20090420064Dewanggi Ira Veolita20090420188Fitria Thaha20090420118Muhammad Ramli Yoisangaji20090420121Virsia Fani Prasitha Devi20090420003Mohammad Alfian20100420047

  • 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 + eDimana: Y = Variable tergantungb0 = konstanta Regresi/titik potong sumbu Yb1 b2 = koefisien regresi/pengaruhX1X2 = Variable bebase = 0

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

    Tahun PenjualanBiaya PromosiBiaya Distribusi16000000200000700000027000000300000800000038000000500000800000041000000060000090000005100000005000009000000611000000600000900000071300000070000080000008140000007000009000000914000000800000100000010150000008000001100000

  • Berdasarkan data di atas : 1. Buatlah Persamaan regresi.2. Ujilah hipotesis dengan menggunakan = 5% : H1 : ada pengaruh biaya promosi dan biaya distribusi terhadap penjualan H2 : ada pengaruh biaya promosi terhadap penjualan H3 : ada pengaruh biaya distribusi terhadap penjualanPenyelesaian : Persamaan Regresi Jika dikerjakan dengan menggunakan SPSS maka hasilnya :coefficientsaa. Dependen variable : PENJUALAN

    ModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1 (constant)883845.13306543.267.797PROMOSI14.0992.868.8954.916.002DISTRIBUSI2.1365.059.077.422.686

  • 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 : 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).

    ModelRR squareAjusted R SquareStd. Error of the estimate1.958a.917.8931030527.73

  • Rumus standar Erorr (Syx)Syx=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 H1H0 : b1 = b2 =.= bn = 0Artinya, apakah semua variabel independen bukan merupakan penjelasan yang signifikan terhadap variabel dependen.H1 : b1 b2 bn 0Artinya, 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

  • 4. Kesimpulan :Jika contoh regresi diatas dikerjakan dengan SPSS untuk menguji apakah ada pengaruh biaya promosi dan biaya aistribusi terhadap penjualan, dengan menggunakan = 5%, maka hasilnya :

    AnalisisBerdasarkan output di atas, karena nilai sig 0,000 < = 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.

    ModelSum of squaresdfMean squareFsigRegresion ResidualTotal 8.22E+137.43E+128.96E+132794.108E+131.062E+1238.685.000a

  • 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-13. Menentukan nilai uji t hitung denegan rumus T =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 5% maka hasilnya : Analisis:Uji t untuk biaya promosiH2= ada pengaruh biaya Promosi terhadap penjualanNilai sig 0,002< = 0,005 artinya signifikan berarti ada pengaruh biaya promosi.Uji t untuk biaya distribusiH3: ada pengaruh biaya distribusi terhadap penjualanNilai sig 0,686 > = 0,05 artinya tidak signifikan bearti tidak ada pengaruh biaya distribusi terhadap penjualan.

    ModelUnstandardized coefisientsStandardizedCoefisientstSigBStd.ErrorBeta1 (Constant)883845.13306543.267.797Promosi14.0992.868.8954.916.002Distibu2.1365.059.077.422.686

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

    *

View more