Uploaded by User48949

ANALISIS REGRESI

advertisement
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.
Download