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 | | ||
Tabel30. 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 Enteredadalah 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 Enteradalah semua variable yang ada dimasukan dalam hubungan perhitungan analisis.
Pada tabelModel 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 Squaresebesar 0,690menunjukan 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 dfsebesar 1 yang diperoleh dari jumlah variable independent (k) yang digunakan yaitu kenaikan gaji (X). Sum of Square Residual (SSE) sebesar 198,533 dan dfsebesar 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 sebesar6 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 Regressionsebagai df pembilang yatitu 1 dan df Residualsebagai 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 tabelα 5% (6,61) dan mempunyai nilai lebih kecil dibandingkan nilai F tabel α1% (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 konstantaatau 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 terjualakan meningkat sebanyak 1,404unit. 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 dfsebesar N-k-1 = 5dengan 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 probabilitassebesar 0,01atau p kurang dari 0,05 maka Ho ditolak. Berdasarkan uji t dan uji signifikansi atau probabilitasmaka diperoleh Ho ditolak sehingga pada taraf kepercayaan sebesar 95% kenaikan bonus berpengaruh terhadap jumlah properti yang terjualsecara signifikan pada taraf kepercayaan 95%.