Nama Mata Kuliah : Aplikasi Analisis Kuantitatif

Nama : Pradnya Paramita

NIM : 1607532097
Hari/Jam : Jumat/12.30-15.00
Nama Dosen : I Gst Eka Damayanthi, S.E.,M.Si.

7.1. Hasil Olahan Data dengan menggunakan Program SPSS sebagai berikut :

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson

1 .994a .988 .986 3.861 2.453

a. Predictors: (Constant), GDP

b. Dependent Variable: Investasi

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 11911.863 1 11911.863 799.167 .000a

Residual 149.054 10 14.905

Total 12060.917 11

a. Predictors: (Constant), GDP

b. Dependent Variable: Investasi

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 4.817 2.703 1.782 .105

GDP .159 .006 .994 28.270 .000

a. Dependent Variable: Investasi

a. Persamaan Regresi dan Interpretasinya serta perkiraan besarnya Investasi jika
besarnya GDP $ 550 juta
o Hasil olahan data dengan SPSS menunjukkan besarnya koefisien determinasi
atau R square besarnya 0,988,Standar penyimpangan regresi atau standard error
of estimate besarnya 3,861. Disamping itu, konstanta besarnya 4,817 dan
koefisien regresi 0,159. Berdasarkan hasil tersebut dapat ditentukan persamaan
Regresinya :

Y = 4,817 + 0,159 X

Interpretasi : Ini berarti bahwa apabila persamaan regresi Y = 4,817 + 0,159

X digunakan untuk menaksir investasi berdasarkan GDP, maka simpangan yang
dibuat sekitar $ 3,861 juta.

o Besarnya investasi jika GDP sebesar $550 juta

Y = 4,817 + 0,159 X
Y = 4,817 + 0,159 (550)
Y = 92,267 juta
b. Pertumbuhan Investasi per tahun dengan menggunakan model Semi Log

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 4.817 2.703 1.782 .105

GDP .159 .006 .994 28.270 .000

a. Dependent Variable: Investasi

 In PJi = α + ßT + µ

Berdasarkan hasil olahan data SPSS dapat dibuat model regresi sebagai berikurt :
In PJi = 4,817 + 0,159 GDP
Sb = (2,703) (0,006)
t = (1,782) (28,270)

7.2 Hasil olahan data SPSS mengenai pengaruh jumlah kamar terhadap pemakaian listrik
(KWH) pada 10 sampel rumah kos di suatu kelurahan di wilayah Denpasar Selatan

Model Summary
Model R R Adjusted Std.Error of
Square R Square the Estimate
1 0,829a 0,687 0,648 92,447

a. Predictors : (Constant), Jumlah Kamar

Model Unstandardized Standardized

1 Coefficients Coefficients T Sig.
(Constant) 0,502 143,471 0,004 0,997
Jumlah
40,294 9,620 0,829 4,188 0,003
Kamar

a. Persamaan Regresi
Hasil olahan data dengan SPSS menunjukkan besarnya koefisien determinasi atau
R square besarnya 0,687, Standar penyimpangan regresi atau standard error of
estimate besarnya 92,447. Disamping itu, konstanta besarnya 0,502 dan koefisien
regresi 40,294. Berdasarkan hasil tersebut dapat ditentukan persamaan Regresinya :

Y = 0,502 + 40,294 X

b. Interpretasikan R kuadrat dan Std. Error of the Estimate

R kuadrat atau R square sebesar 0,687 mempunyai arti bahwa sekitar 68,7%
variasi pemakaian listrik (Y) disumbangkan oleh variasi dari variabel jumlah kamar
(X), sedangkan sisanya 31,3% oleh variabel lain di luar model.
Std Error of Estimate sebesar 92,447 hal ini berarti banyaknya kesalahan
dalam pemakaian listrik sebesar Rp 92,447.
c. Perkirakan pemakaian listrik jika jumlah kamar adalah 20 unit.
Y = 0,502 + 40,294 X
 Y = 0,502 + 40,294 (20)
Y = 0,502 + 805,88
Y = 806,382
Jadi, Perkirakan pemakaian listrik jika jumlah kamar adalah 20 unit sebesar Rp
806,382

7.3 Hasil olahan data SPSS dari hasil penjualan bulanan PT. Aji Mumpung pada tahun 2014
dan 2015.

Descriptives
Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

Penjualan_2014 12 1120 2620 1813.75 434.151

Penjualan_2015 12 2410 3191 2694.75 234.085

Valid N (listwise) 12

Jadi, rata-rata penjualan PT.Aji Mumpung tahun 2014 sebesar Rp 1813,75 juta dan
rata-rata penjualan PT.Aji Mumpung pada tahun 2015 sebesar Rp 2694,75 juta.

7.4 Hasil olahan data SPSS

SUMMARY OUTPUT
Regression Statistics
Multiple R 0,590
R Square 0,348
Standard Error 0,245
Observations 16

Dependent : LNKUANTITAS
Standard
Coefficients Error t Stat P-value
Intercept 7,380 0,792 9,323 0,000
LNHARGA -0,538 0,131 -2,374 0,016
a. Persamaan Regresi
ln KUANTITAS = 7,380 - 0,538 ln HARGAi
Sb = (0,792) (0,131)
t = (9,323) (2,374)
b. Berdasarkan koefisien regresinya, diketahui bahwa tingkat harga mempengaruhi
permintaan mangga. Oleh karena koefisien regresi negatif (-0,538) maka semakin
rendah tingkat harga semakin tinggi jumlah permintaan mangga.