Yang menentukan pembelian barang,

Nama : Ni Wayan Novi Budiasni /114081028

Kode :A

1. PERSAMAAN REGRESI

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 3,919 2,418 1,621 ,149

pendapatan 2,491 ,703 1,024 3,544 ,009

jml.ag -,466 1,016 -,133 -,459 ,660

a. Dependent Variable: pemb.brg

ANALISIS :
Tabel coefficientsa menggambarkan persamaan regresi :
Y = 3,919 +2,491 X1 -0,466 X2+e
Dimana :
Y = Pembelian barang
X1 = Pendapatan
X2 = Jumlah Anggota
a. Konstanta sebesar 3,919 menyatakan bahwa jika tidak ada pendapatan atau
jumlah anggota maka pembelian barang 3,919 (dibulatkan 4) buah.
b. Koefisien regresi X1 sebesar 2,491 menyatakan bahwa setiap penambahan
(karena tanda +) Rp.1 pendapatan akan meningkatkan pembelian barang
sebesar Rp.2,491
c. Koefisien regresi X2 sebesar -0,466 manyatakan bahwa setiap pengurangan
(karena tanda -) 1 orang anggota keluarga akan mengurangi pembelian barang
sebesar Rp.0,466
d. Uji t untuk menguji signifikansi konstanta dan variabel
dependen(pendapatan).Terlihat pada angka SIG (signifikansi) atau besaran
nilai probabilitas 0,009 yang lebih kecil dari 0.025 Maka dapat dikatakan
kedua koefisien regresi signifikan, atau pendapatan dan jumlah anggota
keluarga benar-benar berpengaruh secara signifikan terhadap pembelian
barang.
 2. KOEFISIEN DETERMINASI

Descriptive Statistics

Mean Std. Deviation N

pemb.brg 17,00 5,497 10

pendapatan 6,00 2,261 10
jml.ag 4,00 1,563 10

Variables Entered/Removedb

Variables Variables
Model Entered Removed Method

1 jml.ag, . Enter
pendapatan

a. All requested variables entered.

b. Dependent Variable: pemb.brg

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate
a
1 ,915 ,836 ,790 2,521

a. Predictors: (Constant), jml.ag, pendapatan

b. Dependent Variable: pemb.brg

ANALISIS :
Untuk koefisien determinasi dapat diketahui melalui tabel model summaryb
- Tabel VARIABLES ENTERED menunjukkan bahwa tidak ada variabel yang
dikeluarkan (removed), atau dengan kata lain kedua variabel bebas dimasukkan dalam
perhitungan regresi.
- Angka R Square adalah 0,836. Hal ini, berarti 83,6 % dari variasi pembelian barang
bisa dijelaskan oleh variabel pendapatan dan jumlah anggota keluarga. Sedangkan
sisanya (100%-83,6%=16,4%) dijelaskan oleh sebab-sebab yang lain.
- Standard error of Estimate adalah 2,521 atau 2,521 buah ( atau 3 buah dibulatkan)
(satuan yang dipakai adalah variabel dependen, atau dalam hal ini adalah pembelian
barang). Perhatikan pada analisis sebelumnya, bahwa standar deviasi pembelian
barang adalah 5,497 buah/ 5 buah (dibulatkan) , yang jauh lebih besar dari standard
error of estimate yang hanya 3 buah (2,521 buah). Karena lebih kecil dari standar
deviasi pembelian barang , maka model regresi lebih bagus dalam bertindak sebagai
prediktor pembelian barang daripada rata-rata pembelian barang itu sendiri.
 3. KORELASI BERGANDA DAN PARSIAL

Descriptive Statistics

Mean Std. Deviation N

pemb.brg 17,00 5,497 10

pendapatan 6,00 2,261 10
jml.ag 4,00 1,563 10

Correlations

pemb.brg pendapatan jml.ag

Pearson Correlation pemb.brg 1,000 ,912 ,737

pendapatan ,912 1,000 ,849

jml.ag ,737 ,849 1,000

Sig. (1-tailed) pemb.brg . ,000 ,008
pendapatan ,000 . ,001
jml.ag ,008 ,001 .
N pemb.brg 10 10 10

pendapatan 10 10 10

jml.ag 10 10 10

- Jumlah anggota keluarga sebanyak 4,00 orang dengan standar deviasi 1,563
- Besar hubungan antar variabel pembelian barang dengan pendapatan yang hitung
dengan koefisien adalah 0,912, sedangkan variabel pembelian barang dengan jumlah
anggota adalah 0,737.Secara teoritis, karena korelasi antara pembelian barang dan
pendapatan lebih besar, maka variabel pendapatan lebih berpengaruh terhadap
pembelian barang dibandingkan variabel jumlah anggota.
- Terjadi korelasi yang cukup kuat antara variabel pendapatan dengan jumlah
anggota ,yaitu 0,849. Hal ini menandakan adanya multikolonieritas, atau korelasi
diantara variabel bebas.
- Tingkat signifikansi koefisiensi korelasi atau sisi dari output (diukur dari probabilitas)
menghasilkan angka 0,008 yang lebih kecil dari 0,05,maka korelasi diantara variabel
pembelian barang dengan pendapatan dan jumlah anggota sangat nyata.
 4. PENGARUH SIMULTAN DAN PENGARUH PARSIAL

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 227,512 2 113,756 17,899 ,002a

Residual 44,488 7 6,355

Total 272,000 9

a. Predictors: (Constant), jml.ag, pendapatan

b. Dependent Variable: pemb.brg

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 3,919 2,418 1,621 ,149

pendapatan 2,491 ,703 1,024 3,544 ,009

jml.ag -,466 1,016 -,133 -,459 ,660

a. Dependent Variable: pemb.brg

ANALISIS :
a. Pengaruh simultan , dapat diketahui dari tabel ANOVAb
- Daru uji ANOVA atau F test, didapat F hitung adalah 17,899 dengan tingkat
signifikansi 0,002. Karena probabilitas (0,002) jauh lebih kecil dari 0,05, maka model
regresi bisa dipakai untuk memprediksi pembelian barang. Atau bisa dikatakan,
pendapatan dan jumlah anggota yang dimiliki secara bersama-sama ( simultan)
berpengaruh terhadap pembelian barang.
- B .pengaruh Parsial, dapat diketahui dari tabel COEFFICIENTSa
Berdasarkan signifikansi yang diperoleh dari output dari variabel pendapatan sebesar
0,009 <0,05 maka pendapatan berpengaruh pembelian barang.. Untuk variabel jumlah
anggota yang jumlah signifikansinya sebesar 0,660 >0,05 maka jumlah anggota
dikatakan tidak berpengaruh secara nyata terhadap pembelian barang.
 5. ASUMSI KLASIK

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) 3,919 2,418 1,621 ,149

pendapatan 2,491 ,703 1,024 3,544 ,009 ,280 3,576

jml.ag -,466 1,016 -,133 -,459 ,660 ,280 3,576

a. Dependent Variable: pemb.brg

Angka VIF diatas (3,576) jauh dari angka 1, juga angka tolerance 0,280 masih
dibawah 1. Hal ini menunjukkan dugaan adanya multikolinieritas .

Terlihat tidak memperlihatkan sebuah pola tertentu,naik ke kanan atas atau sebagainya
. Hal ini menunjukkan regresi bebas dari Heteroskedastisitas.
Histigram menunjukkan distribusi normal , menunjukkan model regresi yang
memenuhi asumsi normalitas, karena membentuk berupa dot. Dan asumsi
multikolinieritas yang masih belum terpenuhi.