Anda di halaman 1dari 11

Nama: Novika Briliany Paramitha

NIM : C1B016003
TAKE HOME UAS TEKNIK PROYEKSI BISNIS
FAKULTAS EKONOMI DAN BISNIS, 2019
SOAL UAS TEKNIK PROYEKSI BISNIS SEMESTER GENAP 2018/2019
KETENTUAN :
1. Soal nomor 3 dan 4 dikerjakan dengan menggunakan Aplikasi Minitab.
2. Lembar jawaban disimpan dengan format PDF, cantumkan NAMA dan NIM di sebelah
kanan atas.
3. Lampirkan hasil output analisis minitabnya.
4. Lembar jawaban dan lampiran output dikirimkan melalui email :
retnokurniasih.feb.unsoed@gmail.com paling lambat Senin, 15 Juli 2019 pukul 15.00
WIB.
5. Subject email *)wajib diisi : UAS TPB 2019_NAMA _NIM
Jawablah pertanyaan berikut dengan benar !
1. Jelaskan perbedaan kedua konsep berikut: (10 poin)
a. Antara analisis korelasi dengan regresi.
Analisis korelasi merupakan salah satu teknik statistik yang digunakan untuk
menganalisis hubungan antara dua variabel atau lebih yang bersifat kuantitatif. Analisis
korelasi hanya untuk mengetahui hubungan saja tanpa memperhatikan ada tidaknya
hubungan kausal dan derajatnya sama antara satu variabel dengan variabel lainnya,
perubahan satu variabel diikuti perubahan variabel yang lain.
Analisis regresi merupakan studi ketergantungan satu atau lebih variabel bebas
terhadap variabel tidak bebas. Dengan maksud untuk meramalkan nilai variabel tidak
bebas.
b. Antara koefisien korelasi dengan koefisien determinasi.
Koefesien korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua
variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi
menunjukkan kekuatan (strength) hubungan linear dan arah hubungan dua variabel
acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai hubungan
searah. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula.
Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel mempunyai hubungan
terbalik. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan menjadi rendah
(dan sebaliknya).
Koefesien diterminasi dengan simbol r2 merupakan proporsi variabilitas dalam suatu
Nama: Novika Briliany Paramitha
NIM : C1B016003
TAKE HOME UAS TEKNIK PROYEKSI BISNIS
FAKULTAS EKONOMI DAN BISNIS, 2019
data yang dihitung didasarkan pada model statistik. Definisi berikutnya menyebutkan
bahwa r2merupakan rasio variabilitas nilai-nilai yang dibuat model dengan variabilitas
nilai data asli. Secara umum r2 digunakan sebagai informasi mengenai
kecocokan suatu model. Dalam regresi r2 ini dijadikan sebagai pengukuran seberapa
baik garis regresi mendekati nilai data asli yang dibuat model. Jika r2 sama dengan 1,
maka angka tersebut menunjukkan garis regresi cocok dengan data secara sempurna.

2. Jelaskan macam-macam uji asumsi klasik! Apa yang menyebabkan uji asumsi klasik tersebut
tidak lolos? Bagaimana langkah-langkah untuk menyelesaikan permasalahan uji asumsi klasik
yang tidak lolos ! (20 poin)
Jawab:
a) Uji Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah model regresi linier penelitian ini
terdapat korelasi antara kesalahan pengganggu pada periode sekarang dengan kesalahan
pengganggu pada sebelumnya.
b) Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah model regresi dalam penelitian
terjadi kesamaan atau ketidaksamaan variance. Diharapkan tidak terjadi kesamaan variance
dengan acuan apabila titik-titik dalam gambar scatterplot terletak menyebar dan tidak
berpola.
c) Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk menguji apakah dalam model regresi penelitian
ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik apabila tidak
ditemukannya korelasi antara variabel bebas.
d) Uji linearitas
Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang
linear atau tidak secara signifikan. Uji ini biasanya digunakan sebagai prasyarat dalam
analisis korelasi atau regresi linear.
e) Uji Normalitas
Nama: Novika Briliany Paramitha
NIM : C1B016003
TAKE HOME UAS TEKNIK PROYEKSI BISNIS
FAKULTAS EKONOMI DAN BISNIS, 2019
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran
data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut berdistribusi
normal ataukah tidak.
Yang menjebabkan uji asumsi klasik tidak lolos adalah
a. Terdapat korelasi variabel yang ada di dalam model prediksi dengan perubahan
waktu
b. Ditemukan adanya korelasi antar variabel bebas
c. Dua variabel mempunyai hubungan yang linear yang signifikan
d. Terjadi kesamaan varians
e. Sebaran data yang diuji tidak normal.
Cara mengatasi permasalahan uji asumsi klasik yang tidak lolos:
1. Mengkuadratkan data
2. Melakukan log n(ln)
3. Mengakarkan data
4. Menggunakan (1/X)

3. Analisislah data dengan Regresi Sederhana dan Regresi Berganda menggunakan data yang
Anda olah sendiri! (Setiap mahasiswa harus memiliki data yang berbeda.). Jelaskan interpretasi
hasil analisis tersebut secara lengkap! (35 poin)
Jawab:
Sebuah penelitian dilakukan untuk mengetahui apakah terdapat pengaruh harga jual (X1), promosi
(X2) terhadap penjualan (Y) pada car free day (CFD) Gor Satria Purwokerto.
Berikut data penjualan dan harga jual pada tahun 2018
Minggu Y X1
1 100 13
2 60 20
3 80 17
4 120 15
5 100 16
6 150 12
7 75 16
8 120 14
Nama: Novika Briliany Paramitha
NIM : C1B016003
TAKE HOME UAS TEKNIK PROYEKSI BISNIS
FAKULTAS EKONOMI DAN BISNIS, 2019
9 170 10
10 200 11
Jumlah 1175 144

Output Regresi Sederhana

Interpretasi:
a) Koefisien Harga Jual (Coef Harga Jual) = (-13,1) Nilai b1 ini menunjukkan perubahan Y
(Penjualan) jika X (Harga Jual) meningkat sebesar 1 unit. Jika harga jual naik sebesar Rp
1,00 maka penjualan turun sebesar 13,1 unit.
b) Kesalahan standar koefisien regresi (standard error of regression coefficient, di output tertulis
SE Coef) = 2,339 merupakan penyimpangan standar estimasi dari nilai koefisien regresi.
c) Nilai t hitung (T) = -5,60. Nilai t hitung digunakan untuk menguji apakah koefisien regresi
populasi βi secara signifikan berbeda dengan nol.
d) Intersep (Coef Constan) = 306,24. Nilai ini merupakan intersep Y (b 0). Oleh karena itu,
persamaan regresi secara lengkap adalah Ŷ = 306,24 – 13,1 X
e) Kesalahan standar estimasi (Standar error of estimate, S) = 21,2343, menunjukkan bahwa
nilai-nilai Y turun sekitar 21,2343 unit dari garis regresi.
f) Angka p-value (P) untuk X = 0,001 adalah probabilitas memperoleh nilai t sebesar
|t| = |-5,60| > t tabel atau koefisien X (0,001) < alfa (0,05). Maka dapat disimpulkan bahwa
harga jual berpengaruh terhadap secara signifikan terhadap penjualan.
Nama: Novika Briliany Paramitha
NIM : C1B016003
TAKE HOME UAS TEKNIK PROYEKSI BISNIS
FAKULTAS EKONOMI DAN BISNIS, 2019
g) Koefisien determinasi (R-sq) = 79,7%, artinya garis regresi yang fit menjelaskan sebesar
79,7% harga jual mempengaruhi penjualan, sisanya dipengaruhi oleh variabel lain yang tidak
diteliti.
h) Koefisien determinasi yang disesuaikan atau R-Sq (adj) = 77,2% adalah yang disesuaikan
dengan derajat kebebasan yang sesuai.
i) Analisis varians dan rasio F (F hitung). Nilai rasio F (31,39 > F tabel) dalam tabel ANOVA
menunjukkan bahwa secara simultan harga jual berpengaruh signifikan terhadap penjualan.
Berikut data harga jual, promosi, dan penjualan pada tahun 2018
Minggu Y X1 X2
1 100 13 14
2 60 20 8
3 80 17 9
4 120 15 15
5 100 16 13
6 150 12 12
7 75 16 9
8 120 14 11
9 170 10 12
10 200 11 15
Jumlah 1175 144 115
Nama: Novika Briliany Paramitha
NIM : C1B016003
TAKE HOME UAS TEKNIK PROYEKSI BISNIS
FAKULTAS EKONOMI DAN BISNIS, 2019
Output Regresi Linier Berganda

Interpretasi:
a) Koefisien regresi untuk harga jual (X1) adalah -11,7 dan untuk promosi (X2) adalah sebesar
+2,68. Jadi, persamaan regresi yang fit adalah Ŷ = 254 – 11,7 X1 + 2,68 X2. Menunjukkan
perubahan penjualan (Y), ketika harga jual (X1) dan promosi (X2) nol (0) maka penjualannya
sebesar 254. Hubungan penjualan dan harga jual negatif (-), jika harga nya naik Rp1, promosi
tetap maka terjadi penurunan penjualan sebesar 11,7 unit. Sedangkan hubungan penjualan
dengan promosi positif (+), jika promosi naik sebesar Rp1 dengan asumsi harga jual tetap,
maka terjadi kenaikan penjualan sebesar 2,68 unit.
b) Nilai t hitung (T) harga jual -3,71 < t tabel 2,365 dengan p-value 0,008 maka harga jual tidak
terdapat pengaruh dan bersifat negatif terhadap penjualan, nilai t hitung (T) promosi 0,71 <
t tabel 2,365 dengan p-value 0,500 maka promosi tidak berpengaruh terhadap penjualan.
c) Koefisien determinasi (R-Sq) = 81,1%. Artinya, garis regresi yang fit menjelaskan sebesar
81,1% penjualan dipengaruhi oleh harga jual dan promosi, sisanya dipengaruhi oleh variabel
lain yang tidak diteliti.
d) Koefisien determinasi yang disesuaikan atau R-Sq (adj) 75,6%. R-Sq (adj) adalah yang
Nama: Novika Briliany Paramitha
NIM : C1B016003
TAKE HOME UAS TEKNIK PROYEKSI BISNIS
FAKULTAS EKONOMI DAN BISNIS, 2019
disesuaikan dengan derajat kebebasan yang sesuai f. Analisis varians dan rasio F (Fhitung).
Nilai rasio F (14,98 > F tabel 4,74) dalam tabel anova menjelaskan bahwa secara simultan
harga jual dan promosi berpengaruh signifikan terhadap penjualan.

4. Seorang analis akan menganalisis peramalan indeks harga saham sektor pertambangan untuk
periode berikutnya dengan menggunakan Metode Box Jenkins. Model ARIMA (p, d, q) yang
digunakan adalah ARIMA (1,1,0) atau ARIMA (0,1,1). Berikut adalah tabel harga penutupan
selama 65 hari untuk indeks pertambangan.
Tabel. Indeks Harga Sektor Pertambangan Harian
t Indeks t Indeks T Indeks T Indeks t Indeks
1 222.34 14 223.56 27 241.14 40 251.80 53 258.62
2 222.24 15 223.07 28 241.48 41 251.07 54 259.25
3 221.17 16 225.36 29 246.74 42 248.05 55 261.49
4 218.88 17 227.60 30 248.73 43 249.76 56 264.95
5 220.05 18 226.82 31 248.83 44 251.66 57 268.21
6 219.61 19 229.69 32 248.78 45 253.41 58 272.16
7 216.40 20 229.30 33 249.61 46 252.04 59 272.79
8 217.33 21 228.96 34 249.9 47 248.78 60 275.03
9 219.69 22 229.99 35 246.45 48 247.76 61 278.49
10 219.32 23 233.05 36 247.57 49 249.27 62 281.75
11 218.25 24 235.00 37 247.76 50 247.95 63 285.7
12 220.30 25 236.17 38 247.81 51 251.41 64 286.33
13 222.54 26 238.31 39 250.68 52 254.67 65 288.57
*) data dapat dilihat di tabel 9-7 pada file kumpulan tabel data buku TPB (MS.Excel)
Pertanyaan : (35 poin)
a. Buatlah plot datanya!
Nama: Novika Briliany Paramitha
NIM : C1B016003
TAKE HOME UAS TEKNIK PROYEKSI BISNIS
FAKULTAS EKONOMI DAN BISNIS, 2019
Scatterplot of Indeks vs t
290

280

270

260
Indeks

250

240

230

220

210
0 10 20 30 40 50 60 70
t

Pola data asli indeks


b. Buatlah korelogram autokolerasi sampelnya!

Autocorrelation Function for Indeks


(with 5% significance limits for the autocorrelations)

1.0
0.8
0.6
0.4
Autocorrelation

0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0

1 2 3 4 5 6 7 8 9 10
Lag

Korelogram ACF Sampel Variabel Indeks


Nama: Novika Briliany Paramitha
NIM : C1B016003
TAKE HOME UAS TEKNIK PROYEKSI BISNIS
FAKULTAS EKONOMI DAN BISNIS, 2019

Autocorrelation Function for div4


(with 5% significance limits for the autocorrelations)

1.0
0.8
0.6
0.4
Autocorrelation

0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0

1 2 3 4 5 6 7 8 9 10
Lag

Korelogram ACF Dif4_indeks


c. Buatlah korelogram autokolerasi parsial sampelnya!

Autocorrelation Function for div1


(with 5% significance limits for the autocorrelations)

1.0
0.8
0.6
0.4
Autocorrelation

0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0

1 2 3 4 5 6 7 8 9 10
Lag

Korelogram PACF Dif1_Indeks

d. Manakah model ARIMA yang paling tepat dan mengapa memilih model tersebut!\
Nama: Novika Briliany Paramitha
NIM : C1B016003
TAKE HOME UAS TEKNIK PROYEKSI BISNIS
FAKULTAS EKONOMI DAN BISNIS, 2019

Model ARIMA (0,1,1)

Model ARIMA (1,1,0)


Nama: Novika Briliany Paramitha
NIM : C1B016003
TAKE HOME UAS TEKNIK PROYEKSI BISNIS
FAKULTAS EKONOMI DAN BISNIS, 2019
Interpretasi ARIMA:
ARIMA (0,1,1) ARIMA (1,1,0)
Mean Square: 3,538 Mean Square: 3,536
Dilihat dari mean square, terlihat bahwa ARIMA (1,1,0) memiliki nilai paling kecil, ini lah
yang sebaiknya dipilih karena maean square adalah rerata kuadrat skor simpangannya yang
menunjukkan variansi suatu distribusi yang diamati, jadi model ARIMA yang dipilih adalah
ARIMA (1,1,0)
Atau dengan Φ = 0,741 dan Φ1 = 0,284 maka hasil ramalan periode ke 66 adalah 289,967
Y66 = Y65 + 0,741 + 0,284 (Y65-Y64)
= 288,57 + 0,741 + 0,284 (288,57 – 286,33) = 289,95
Dengan perhitungan diatas, 289,95 mendekati 289,948 maka memilih model ARIMA (1,1,0)

e. Tentukan ramalan untuk 4 periode berikutnya ! (t = 66, 67, 68, 69)


NIM Ganjil meramal untuk t 66 dan t 68
Jawab: