ANALISIS REGRESI PASCASARJANA MAGISTER MANAJEMEN UNIVERSITAS DARWAN ALI Pengertian Analisis regresi adalah salah satu jenis analisis parametrik yang dapat memberikan dasar untuk memprediksi serta menganalisis varian Tujuan analisis regresi 1. Menentukan persamaan garis regresi berdasarkan nilai konstanta dan koefisien regresi yang dihasilkan. 2. Mencari korelasi bersama-sama antara variabel bebas dan variabel terikat (nilai R). 3. Menguji signifikansi pengaruh simultan variabel bebas terhadap variabel terikat melalui uji F. 4. Menguji signifikansi pengaruh parsial variabel bebas terhadap variabel terikat melalui uji t. Macam-macam regresi Regresi sederhana adalah analisis regresi dengan menggunakan hanya satu variable bebas. Regresi berganda adalah analisis regresi dengan menggunakan dua atau lebih variable bebas Perhitungan regresi dengan SPSS Contoh Kasus : PT “KELUARGA SAKINAH” sebagai perusahaan properti pada awal tahun lalu telah mengeluarkan kebijakan kenaikan bonus para kepala kantor pemasaran untuk setiap unit properti yang berhasil dijual. Berikut data kenaikan bonus pada 7 kantor pemasaran dan jumlah unit properti yang terjual: No. Outlet 1 2 3 4 5 6 7 Kenaikan bonus (jutaan) (X) 15 11 29 18 22 27 13 Properti Terjual (Y) 74 72 93 81 97 101 83 Permasalahan:Apakah kenaikan bonus cukup efektif dalam memengaruhi jumlah property yang terjual pada masing-masing kantor pemasaran? Langkah analisa regresi dengan SPSS Klik program SPSS pilih SPSS for Windows Klik kotak variabel view kemudian masukan nama variabel pada kolom Nama dengan kolom Type pilih numeric. Klik dialog data view lalu masukan data sesuai dengan nama variabel. Klik menu analyze, pilih regression, dan pilih linier Isikan variabel yang akan analisis kedalam kotak Linier Regression. Didalam dialog Linier Regression pilih Statistic Kemudian klik Ok. Klik Bonus numeric Penjualan numeric Variables Entered/Removedb Model 1 Variables Entered BONUSa Variables Removed . Method Enter a. All requested variables entered. b. Dependent Variable: PENJUALA Model Summaryb Model 1 R ,861a Adjusted R Square ,690 R Square ,742 Std. Error of the Estimate 6,301 a. Predictors: (Constant), BONUS b. Dependent Variable: PENJUALA Coefficientsa Model 1 (Constant) BONUS Unstandardized Coeffic ients B Std. Error 58,785 7,530 1,404 ,370 a. Dependent Variable: PENJUALA Standardiz ed Coeffic ients Beta ,861 t 7,807 3,790 Sig. ,001 ,013 Interpretasi Hasil Analisis Persamaan Regresi Y = 58,785 + 1,404 X Artinya setiap penambahan X sebesar 1 satuan maka Y akan bertambah sebesar 1,404 X = 0 Y = 58,785 + 1,404 ( 0 ) = 58,785 X = 1 Y = 58,785 + 1,404 ( 1 ) = 60,189 X = 2 Y = 58,785 + 1,404 ( 2 ) = 61,513 Uji Hipotesis Uji t Nilai t hitung = 3,790 > t tabel = 2,447 atau Sig. = 0,013 < 0,05 Dapat disimpulkan menolak Ho yang artinya bahwa secara statistik Bonus berpengaruh terhadap penjualan property Uji Hipotesis Nilai Korelasi ( r ) Nilai r = 0,861 menunjukkan bahwa hubungan positif yang kuat antara variabel Bonus dengan Variabel Penjualan Nilai Koefisien Determinan ( R2 ) Nilai R2 = 0,742 menunjukkan pengaruh variabel Bonus terhadap variabel penjualan sebesar 74,2% Regresi Berganda Tahun 1997 1998 1999 2000 2001 2002 2003 2004 Quality Control Tenaga Omzet Penjualan (Puluhan Juta Marketing (Ratusan Juta Rupiah) (X2) Rupiah) (X1) (Y) 5 11 24 6 10 20 5 13 23 5 14 25 6 15 27 7 15 31 8 16 34 9 17 36 Permasalahan: Apakah strategi PT “ERA” untuk meningkatkan omset penjualan cukup efektif berdasarkan prediksi secara statistik? Model Summ aryb Model 1 R R Square ,967a ,934 Adjust ed R Square ,908 St d. Error of the Es timate 1,709 a. Predic tors: (Constant), Tenaga Marketing, Quality Control b. Dependent Variable: Omset Penjualan R = 0,967 menunjukan hubungan positif antara variabel Tenaga Marketing dan Quality Qontrol dengan Omset Penjualan. R Square = 0,930, menunjukkan 0,934 atau 93,4 persen variasi omset penjualan dipengaruhi oleh variabel tenaga Marketing dan Quality Control, dan sisanya oleh sebab-sebab lain. ANOVAb Model 1 Regres sion Residual Total Sum of Squares 207,394 14,606 222,000 df 2 5 7 Mean Square 103,697 2,921 F 35,499 Sig. ,001a a. Predic tors: (Constant), Tenaga Mark eting, Qualit y Control b. Dependent Variable: Omset Penjualan Coefficientsa Model 1 (Constant) Quality Control Tenaga Marketing Unstandardized Coeffic ients B Std. Error -2,108 3,759 1,788 ,619 1,312 ,386 a. Dependent Variable: Omset Penjualan Standardiz ed Coeffic ients Beta ,478 ,563 t -,561 2,887 3,400 Sig. ,599 ,034 ,019 Interpretasi • Pada ANOVA, nilai F = 35,499 dengan p = 0,001. Oleh karena p < 0,05; maka regresi dapat dipakai untuk memprediksi omset penjualan, atau secara bersama-sama variabel bebas Quality Control dan Tenaga Pemasaran berpengaruh terhadap Omset Penjualan pada taraf kepercayaan 95%. Interpretasi • X1: p = 0,034. Oleh karena p<0,05; maka Ho ditolak, atau Quality Control secara signifikan berpengaruh terhadap omset penjualan PT “ERA”. • X2: p = 0,019. Oleh karena p<0,05; maka Ho ditolak, atau tenaga marketing secara signifikan berpengaruh terhadap omset penjualan PT “ERA”. • Kesimpulan: Strategi PT “ ERA “ meningkatkan omset penjualan dengan meningkatkan biaya Quality Control dan menambah tenaga marketing profesional terbukti meyakinkan berdasarkan taraf kepercayaan statistik 95%. Interpretasi Berdasarkan Nilai B Constant dan B Quality Control dan B Tenaga Marketing, dapat dibuat persamaan regresi: Y = a + b1X1+b2X2 Y = -2,108 + 1,788 X1 + 1,312 X2 Keterangan: Y = Omset Penjualan X1 = Quality Control a = Konstanta X2 = Tenaga Marketing Interpretasi • Nilai Constant -2,108 menyatakan bahwa jika Quality Control dan Tenaga Pemasaran diabaikan, maka omset penjualan= -2,108 ratus juta rupiah. • Nilai koefisien Quality control 1,788 menyatakan bahwa jika setiap biaya Quality Control sepuluh juta rupiah, omset penjualan meningkat 1,788 ratus juta rupiah. • Nilai koefisien Tenaga Marketing 1,312 menyatakan bahwa setiap bertambah 1 tenaga marketing profesional, omset penjualan meningkat 1,312 ratus juta rupiah.