Anda di halaman 1dari 14

1. REGRESI BERGANDA 2. ANALISIS JALUR

Analisis Kasus Untuk Memenuhi Tugas Mata Kuliah Statistika dan Ekonometrika

Oleh:

EDY SUROSO

120430140012

1. REGRESI BERGANDA 2. ANALISIS JALUR Analisis Kasus Untuk Memenuhi Tugas Mata Kuliah Statistika dan Ekonometrika

PROGRAM STUDI DOKTOR ILMU MANAJEMEN FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS PADJADJARAN

2014

  • 1. REGRESI BERGANDA

  • A. KASUS

Manajer Operasi perusahaan sandal kelom geulis merek “Sagitria” ingin mengetahui

apakah ada pengaruh antara biaya inovasi dan biaya quality control yang dianggarkan setiap tahun terhadap volume penjualan, oleh karena hal tersebut dilakukan penelitian dengan mengambil sampel data 15 tahun terakhir.

Tabel 1. Data Biaya Inovasi, Biaya Promosi dan Volume Penjualan

Tahun

Biaya Inovasi

Biaya QC

Omzet Penjualan

(juta rp)

(juta rp)

(ratusan juta rp)

1999

85

70

890

  • 2000 80

 

80

770

  • 2001 75

75

560

  • 2002 96

70

1100

  • 2003 84

80

900

  • 2004 78

82

870

  • 2005 89

83

1000

  • 2006 74

80

820

  • 2007 60

70

750

  • 2008 67

80

670

  • 2009 86

70

880

  • 2010 57

60

600

  • 2011 72

90

750

  • 2012 97

90

1120

  • 2013 64

60

670

Diminta :

  • a. Apakah biaya inovasi memiliki pengaruh positif terhadap volume penjualan?

  • b. Apakah biaya QC memiliki pengaruh positif terhadap volume penjualan?

  • B. ANALISIS

    • 1. Analisis Tabel Model Summary

 

Model Summary

 
   

Adjusted R

Std. Error of the

Model

R

R Square

Square

Estimate

1

.808 a

.653

.590

103.176

a. Predictors: (Constant), Biaya QC, Biaya Inovasi

 
  • a. R atau Multiple R = 0,808 : menunjukkan korelasi berganda antara biaya inovasi dan biaya QC terhadap volume penjualan adalah sebesar 0,808. ini berarti memiliki korelasi yang positif dan kuat.

  • b. R Square = 0,653 : koefisien determinasi sebesar 0,653 berarti bahwa variasi volume penjualan dapat dijelaskan oleh variasi biaya inovasi dan biaya QC sebesar 65,3% dengan kata lain biaya inovasi dan biaya QC mempengaruhi volume penjualan sebesar 65,3%.

  • c. Adjusted R Square = 0,590 merupakan koefisien determinasi yang telah dikoreksi dengan jumlah variable dan ukuran sampel sehingga dapat mengurangi unsure bias jika terjadi penambahan variable maupun penambahan ukuran sampel. Adjusted R Square sebesar 0,590 berarti bahwa variasi volume penjualan dapat dijelaskan oleh variasi biaya inovasi dan biaya QC sebesar 59% dengan kata lain biaya inovasi dan biaya QC mempengaruhi volume penjualan sebesar 59%.

  • d. Std. Error of the Estimate = 103.176 : merupakan penyimpangan antara nilai volume penjualan hasil persamaan regresi (prediksi) dengan nilai volume penjualan riil sebesar 103,176 juta rupiah.

    • 2. Analisis Tabel ANOVA

 

ANOVA b

Model

Sum of Squares

df

Mean Square

F

Sig.

1

Regression

220473.156

2

110236.578

10.355

.003 a

Residual

117098.273

11

10645.298

   

Total

337571.429

13

     
  • a. Predictors: (Constant), Biaya QC, Biaya Inovasi

 
  • b. Dependent Variable: Volume Penjualan

 
         
  • a. Sum of Squares Regression = 220.473,156 : menunjukkan jumlah kuadrat dari selisih antara nilai prediksi dengan nilai rata-rata prediksi ∑ ̂ ̅ 2

  • b. Sum of Squares Residual = 117.098,273 : menunjukkan jumlah kuadrat dari selisih antara nilai riil dengan nilai prediksi. ∑ ̂ 2

  • c. Sum of Squares Total = 337.571,429 : menunjukkan jumlah kuadrat dari selisih antara nilai riil dengan nilai rata-rata Y riil. ∑ ̅ 2

  • d. df Regression = 2 : degree of freedom regression menunjukkan jumlah variable dikurangi 1 ( k 1 ) yaitu ( 3 - 1 = 2)

  • e. df Residual = 11 : degree of freedom residual menunjukkan jumlah pengamatan dikurangi jumlah variable dikurangi 1 ( n k - 1 ) yaitu ( 15 3 1 = 11)

  • f. df total = 13 : degree of freedom total menunjukkan penjumlahan df regression dengan df residual

  • g. Mean square Regression = 110.236,578 : merupakan hasil pembagian dari sum squares regression dengan df regression

  • h. mean square residual = 10.645,298 : merupakan hasil pembagian dari sum squares residual denga df residual

  • i. F = 10,355 : nilai F hitung yang diperoleh dari pembagian mean square regression dengan mean square residual

  • j. Sig. = 0,003 : menunjukkan tingkat kesalahan atau probabilias sebesar 0,003 yang berarti lebih kecil dari 0,05 sehingga dapat disimpulkan bahwa variable bebas dalam hal ini biaya inovasi dan biaya QC secara simultan mampu menjelaskan perubahan variable dependent dalam hal in volume penjualan dengan kata lain model dicatakan cocok atau fit.

    • 3. Analisis Tabel Coeficients

 

Coefficients a

   

Standardized

   

Unstandardized Coefficients

Coefficients

Model

B

Std. Error

Beta

t

Sig.

1

(Constant)

-88.868

281.448

 

-.316

.758

Biaya Inovasi

10.303

 
  • 2.531 .002

.773

4.070

 

Biaya QC

1.658

 
  • 3.632 .457

.087

 

.657

a.

Dependent Variable: Volume Penjualan

     
   

persamaan regresi Y = - 88,868 + 10,303 X1 + 1,658 X2

  • a. Unstandardized Coefficients Constant (b 0 )= -88 ,868 : berarti jika biaya inovasi dan biaya QC sama dengan 0 maka volume penjualan akan sebesar 88,868 juta rupiah

  • b. Unstandardized Coefficients Biaya Inovasi (b 1 )= 10,303 : koefisien regresi variable biaya inovasi, jika biaya inovasi dinaikkan sebesar 1 juta rupiah maka volume penjualan akan meningkat sebesar 10,303 juta rupiah.

  • c. Unstandardized Coefficients Biaya QC (b 2 ) = 1,65 : oefisien regresi variable biaya QC, jika biaya QC dinaikkan sebesar 1 juta rupiah maka volume penjualan akan meningkat sebesar 1,658 juta rupiah.

  • d. Std. Error Constant = 281,448 : merupakan penyimpangan dari konstanta yang ada dalam model persamaan regresi.

  • e. Std. Error Biaya Inovasi = 2,531 : merupakan penyimpangan koefisien regresi variable biaya inovasi. semakin kecil penyimpanga koefisien regresi tersebut semakin berarti kontribusi variable tersebut terhadap variable dependennya.

  • f. Std. Error Biaya QC = merupakan penyimpangan koefisien regresi variable biaya QC. semakin kecil penyimpanga koefisien regresi tersebut semakin berarti kontribusi variable tersebut terhadap variable dependennya

  • g. Standardized Coeficient (Beta) Biaya Inovasi = 0,773 : merupakan kefisien jalur atau koefisien regresi tetapi semua variabelnya telah ditransformasi terlebih dahulu kedalam bentuk standardized

  • h. Standardized Coeficient (Beta) Biaya QC = 0,087 : merupakan kefisien jalur atau koefisien regresi tetapi semua variabelnya telah ditransformasi terlebih dahulu kedalam bentuk standardized

  • i. t-Constant = - 0,136 : digunakan untuk mengetahui apakah intercept tersebut signfikan atau tidak. namun nilai intercept biasanya tidak diuji

  • j. t-Biaya Inovasi = 4,070 : digunakan untuk mengetahui apakah variable biaya inovasi memiliki pengaruh signifikan terhadap volume penjualan secara manual yatu dibandingkan dengan t tabel (t 0.05;15-2 ) = 1,771 karena t hitung lebih besar dari pada t tabel maka biaya inovasi memiliki pengaruh yang signifikan terhadap volume penjualan

  • k. t-Biaya QC = 0,457 : digunakan untuk mengetahui apakah variable biaya QC memiliki pengaruh signifikan terhadap volume penjualan secara manual yatu dibandingkan dengan t tabel (t 0.05;15-2 ) = 1,771 karena t hitung lebih kecil dari pada t tabel maka biaya QC tidak berpengaruh secara signifikan terhadap volume penjualan

  • l. sig. (constant) = 0,758 menunjukkan besarnya tingkat kesalahan pada nilai t constant namun dalam analisis regresi tidak dianalisis

  • m. sig. biaya inovasi = 0,002 menunjukkan besarnya tingkat kesalahan pada nilai t biaya inovasi, karena nilai sig variable biaya inovasi lebih kecil dari 0,05 dan arah koefisien positif maka dapat disimpulkan variable biaya inovasi memiliki pengaruh positif terhadap volume penjualan

  • n. sig. biaya QC = 0,657 menunjukkan besarnya tingkat kesalahan pada nilai t biaya QC, karena nilai sig variable biaya QC lebih besar dari 0,05 maka dapat disimpulkan variable biaya QC tidak berpengaruh terhadap volume penjualan.

  • C. KESIMPULAN

  • a. Karena nilai t hitung (4,070) lebih besar dari t tabel (1,771) atau karena sig variable biaya inovasi (0,002) lebih kecil dari 0,05 dan arah koefisien positif maka dapat disimpulkan variable biaya inovasi memiliki pengaruh positif terhadap volume penjualan.

  • b. Karena nilai t hitung (0,457) lebih kecil dari t tabel (1,771) atau karena sig variable biaya QC (0,657) lebih besar dari 0,05 maka dapat disimpulkan variable QC tidak pengaruh terhadap volume penjualan.

  • 2. ANALISIS JALUR

A. KASUS

2. ANALISIS JALUR A. KASUS Diminta: 1. Apakah terdapat pengaruh GPA terhadap Academic? 2. Apakah terdapat

Diminta:

  • 1. Apakah terdapat pengaruh GPA terhadap Academic?

  • 2. Apakah terdapat pengaruh Height terhadap Attract?

  • 3. Apakah terdapat pengaruh Weight terhadap Attract?

  • 4. Apakah terdapat pengaruh Rating terhadap Attract?

  • 5. Apakah terdapat pengaruh Academic terhadap Attract?

  • 6. Apakah terdapat pengaruh Attract terhadap Academic?

B. ANALISIS

Berdasarkan Gambar Path Analisis pada Example 7 diperoleh 2 (dua) persamaan

structural sebagai berikut:

  • 1. Academic = β 1 GPA + β 2 Attract + ξ 1 Academic = 0,492GPA 0,006Attract + ξ 1

  • 2. Attract = β 1 Height + β 2 Weight + β 3 Rating + β 4 Academic + ξ 2

Attract = 0,003Height - 0,078Weight + 0,363Rating + 0,525Academic + ξ 2 Selanjutnya dilakukan perhitungan pengaruh secara proporsional sebagai berikut:

  • 1. Pengaruh GPA terhadap Academic

Hasil koefisien jalur ρAcademicGPA= 0,492

Hipotesis penelitian yang akan diuji dirumuskan berbentuk hiptesis statistik berikut:

Ho: ρAcademicGPA = 0 ; GPA tidak berpengaruh terhadap Academic

Ha: ρAcademicGPA > 0 ; GPA berpengaruh terhadap Academic Pada tabel Regression Weights: (Group number 1 - Default model) Pada kolom P didapat nilai *** atau 0,000 ternyata lebih kecil dari nilai probabilitas 0,05 atau 0,000 < 0,05 maka Ho ditolak dan Ha diterima artinya koefisien jalur adalah Signifikan. Jadi GPA berpengaruh sigifikan terhadap Academic.

  • 2. Pengaruh Height terhadap Attract

Hasil koefisien jalur ρAtractHeight= 0,003

Hipotesis penelitian yang akan diuji dirumuskan berbentuk hipotesis statistik berikut:

Ho: ρAttractHeight = 0 ; Height tidak berpengaruh terhadap Attract Ha: ρAttractHeight > 0 ; Height berpengaruh terhadap Attract

Pada tabel Regression Weights: (Group number 1 - Default model) Pada kolom P didapat nilai 0,960 ternyata lebih besar dari nilai probabilitas 0,05 atau 0,960 > 0,05 maka Ho diterima dan Ha ditolak artinya koefisien jalur adalah Tidak Signifikan. Jadi Height tidak berpengaruh terhadap Attract.

  • 3. Pengaruh Weight terhadap Attract

Hasil koefisien jalur ρAtractWeight= - 0,078

Hipotesis penelitian yang akan diuji dirumuskan berbentuk hipotesis statistik berikut:

Ho: ρAttractWeight = 0 ; Weight tidak berpengaruh terhadap Attract Ha: ρAttractWeight > 0 ; Weight berpengaruh terhadap Attract Pada tabel Regression Weights: (Group number 1 - Default model) Pada kolom P didapat nilai 0,186 ternyata lebih besar dari nilai probabilitas 0,05 atau 0,186 > 0,05 maka Ho diterima dan Ha ditolak artinya koefisien jalur adalah Tidak Signifikan. Jadi Weight tidak berpengaruh terhadap Attract.

  • 4. Pengaruh Rating terhadap Attract

Hasil koefisien jalur ρAtractRating= 0,363

Hipotesis penelitian yang akan diuji dirumuskan berbentuk hipotesis statistik berikut:

Ho: ρAttractRating = 0 ; Rating tidak berpengaruh terhadap Attract Ha: ρAttractRating > 0 ; Rating berpengaruh terhadap Attract Pada tabel Regression Weights: (Group number 1 - Default model) Pada kolom P didapat nilai *** atau 0,000 ternyata lebih kecil dari nilai probabilitas 0,05 atau 0,000 < 0,05 maka Ho ditolak dan Ha diterima artinya koefisien jalur adalah Signifikan. Jadi Rating berpengaruh signifikan terhadap Attract.

5.

Pengaruh Academic terhadap Attract

Hasil koefisien jalur ρAtractAcademic= 0,525

Hipotesis penelitian yang akan diuji dirumuskan berbentuk hipotesis statistik berikut:

Ho: ρAttractAcademic = 0 ; Academic tidak berpengaruh terhadap Attract Ha: ρAttractAcademic > 0 ; Academic berpengaruh terhadap Attract Pada tabel Regression Weights: (Group number 1 - Default model) Pada kolom P didapat nilai *** atau 0,000 ternyata lebih kecil dari nilai probabilitas 0,05 atau 0,000 < 0,05 maka Ho ditolak dan Ha diterima artinya koefisien jalur adalah Signifikan. Jadi Academic berpengaruh signifikan terhadap Attract.

  • 6. Pengaruh Attract terhadap Academic

Hasil koefisien jalur ρAcademicAtract= - 0,006

Hipotesis penelitian yang akan diuji dirumuskan berbentuk hipotesis statistik berikut:

Ho: ρAcademicAttract = 0 ; Attract tidak berpengaruh terhadap Academic Ha: ρAcademicAttract > 0 ; Attract berpengaruh terhadap Academic Pada tabel Regression Weights: (Group number 1 - Default model) Pada kolom P didapat nilai 0,969 ternyata lebih besar dari nilai probabilitas 0,05 atau 0,969 > 0,05 maka Ho diterima dan Ha ditolak artinya koefisien jalur adalah Tidak Signifikan. Jadi Attract tidak berpengaruh terhadap Academict.

C. KESIMPULAN

Kesimpulan kausalitas antar variabel sebagai berikut:

N0

Hubungan Kausal

ρ

P

Kesimpulan

1

GPA terhadap Academic

0,492

***

Signifikan

2

Height terhadap Attract

0,003

0.960

Tidak signifikan

3

Weight terhadap Attract

-0,078

0.186

Tidak Signifikan

4

Rating terhadap Attract

0.363

***

Signifikan

5

Academic terhadap Attract

0,525

***

Tidak Signifikan

6

Attract terhadap Academic

-0,006

0.969

Signifikan

Lampiran 1. Output SPSS 16

Regression

[DataSet1] E:\DIM Unpad\Statistik\regresi berganda.sav

Variables Entered/Removed b Variables Model Variables Entered Removed Method 1 Biaya QC, Biaya Inovasi a .
Variables Entered/Removed b
Variables
Model
Variables Entered
Removed
Method
1
Biaya QC, Biaya
Inovasi a
. Enter
a.
All requested variables entered.
b.
Dependent Variable: Volume Penjualan
Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the
Estimate
1
.825 a
.681
.628
98.784
a.
Predictors: (Constant), Biaya QC, Biaya Inovasi
ANOVA b
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
250235.061
2 125117.530
12.822
.001 a
Residual
117098.273
12
9758.189
Total
367333.333
14
a.
Predictors: (Constant), Biaya QC, Biaya Inovasi
b.
Dependent Variable: Volume Penjualan
Coefficients a
Standardized
Unstandardized Coefficients
Coefficients
Model
B
Std. Error
Beta
t
Sig.
1
(Constant)
-88.887
232.332
-.383
.709
Biaya Inovasi
10.303
2.406
.779
4.283
.001
Biaya QC
1.658
3.185
.095
.521
.612
a.
Dependent Variable: Volume Penjualan

Lampiran 2. Output Amos 21

Estimates (Group number 1 - Default model) Scalar Estimates (Group number 1 - Default model) Maximum Likelihood Estimates

Regression Weights: (Group number 1 - Default model)

 

Estimate

S.E.

C.R.

P

Label

academic <---

GPA

.023

.004

6.241

***

attract

<---

height

.000

.010

.050 .960

 

attract

<---

weight

-.002

.001 -1.321 .186

attract

<---

rating

.176

.027

6.444 ***

Attract

<---

academic

1.607

.349

4.599

***

academic <---

attract

-.002

.051

-.039 .969

 

Standardized Regression Weights: (Group number 1 - Default model)

 

Estimate

academic <---

GPA

.492

Attract

<---

height

.003

Attract

<---

weight

-.078

Attract

<---

rating

.363

Attract

<---

academic

.525

academic <---

attract

-.006

Means: (Group number 1 - Default model)

 

Estimate

S.E.

C.R.

P

Label

 

GPA

 

10.340

.241 42.832

***

height

.000

.201

.000 1.000

 

rating

2.650

.070 37.931

***

weight

94.130

1.336 70.436

***

Intercepts: (Group number 1 - Default model)

 
 

Estimate

S.E.

C.R.

P

Label

academic

-.112

.030 -3.696

***

Attract

-.054

.180

-.300 .764

 

Covariances: (Group number 1 - Default model)

 

Estimate

S.E.

C.R.

P

Label

GPA

<-->

rating

.526

.246

2.139 .032

 

height

<-->

rating

-.468

.205 -2.279 .023

GPA

<-->

weight

-6.710 4.676 -1.435 .151

GPA

<-->

height

1.819

.712

2.555 .011

height

<-->

weight

19.024 4.098

4.643

***

weight <-->

rating

-5.243

1.395 -3.759

***

error1

<-->

error2

-.004

.010

-.382 .702

 

Correlations: (Group number 1 - Default model)

 

Estimate

GPA

<-->

rating

.150

height

<-->

rating

-.160

GPA

<-->

weight

-.100

GPA

<-->

height

.180

height

<-->

weight

.340

weight <-->

rating

-.270

error1

<-->

error2

-.076

Variances: (Group number 1 - Default model)

 

Estimate

S.E.

C.R.

P

Label

GPA

12.122

1.189 10.198 ***

 

height

  • 8.428 .826 10.198 ***

weight

371.476 36.426 10.198 ***

rating

  • 1.015 .100 10.198 ***

error1

.019

.003

5.747 ***

error2

.143

.014

9.974 ***

Squared Multiple Correlations: (Group number 1 - Default model)

 

Estimate

attract

.402

academic

.236