Pengaruh Jumlah Kantor Cabang Pembantu, Jumlah Marketing terhadap Pendaftar Tabungan Umroh di Beberapa Kota Besar Jawa

KCP Marketing Tabungan

Kota X1.Y X2.Y X1.X2 X1^2 X2^2 Y^2 Y-Ybar (Y-Ybar)^2
(X1) (X2) Umroh (Y)
JAKARTA 159 26 205 32595 5330 4134 25281 676 42025 -41.40 1713.96
TANGERANG 164 28 206 33784 5768 4592 26896 784 42436 -40.40 1632.16
BEKASI 198 35 254 50292 8890 6930 39204 1225 64516 7.60 57.76
BOGOR 184 31 246 45264 7626 5704 33856 961 60516 -0.40 0.16
BANDUNG 150 21 201 30150 4221 3150 22500 441 40401 -45.40 2061.16
SEMARANG 208 49 291 60528 14259 10192 43264 2401 84681 44.60 1989.16
SOLO 184 30 234 43056 7020 5520 33856 900 54756 -12.40 153.76
YOGYA 154 30 209 32186 6270 4620 23716 900 43681 -37.40 1398.76
SURABAYA 149 24 204 30396 4896 3576 22201 576 41616 -42.40 1797.76
PURWOKERTO 175 31 216 37800 6696 5425 30625 961 46656 -30.40 924.16
MADIUN 192 32 245 47040 7840 6144 36864 1024 60025 -1.40 1.96
TUBAN 201 47 286 57486 13442 9447 40401 2209 81796 39.60 1568.16
MALANG 248 54 312 77376 16848 13392 61504 2916 97344 65.60 4303.36
KUDUS 166 40 265 43990 10600 6640 27556 1600 70225 18.60 345.96
PEKALONGAN 287 42 322 92414 13524 12054 82369 1764 103684 75.60 5715.36
∑ 2819 520 3696 714357 133230 101520 550093 19338 934358 0.00 23663.60
Xbar 187.93 34.67 246.40 47623.80 8882.00 6768.00 36672.87 1289.20 62290.53

1. Buatlah hipotesis hubungan variabel diatas ! (parsial & simultan)

2. Tentukan fungsi regresinya !
3. Dengan sig. alfa 5%, ujilah hipotesis secara persial ( Uji -T) dan Simultan variabel X terhadap Y diatas !
4. Tentukan Korelasi Berganda dari hubungan antar variabel tersebut !

1. Hipotesis hubungan variabel

a. Parsial
 Ho : B1 = 0 (Tidak ada pengaruh variabel X1 terhadap Y)
Ha : B1 ≠ 0 (Ada pengaruh variabel X1 terhadap Y)
Ho : B2 = 0 (Tidak ada pengaruh variabel X2 terhadap Y)
Ha : B2 ≠ 0 (Ada pengaruh variabel X2 terhadap Y)
b. Simultan
Ho : B1 = B2 = 0 ( Tidak Ada pengaruh variabel X terhadap Y )
Ha : minimal ada Bj ≠ 0, j = 1,2 (minimal ada pengaruh variabel X terhadap Y)

2. Fungsi Regresi
Y = 64.6385774 + 0.535102362 X1 + 2.342245733 X2

3. Parsial
sig. alfa = 5% = 0.05 t tabel = ta/2 = 2.1448 - ta < to < ta
X1, t hitung = 5.297 t hitung > t tabel (5.297 > 2.1448) Ho ditolak, berarti ada pengaruh variabel X1 terhadap Y
X2, t hitung = 5.892 t hitung > t tabel (5.297 > 2.1448) Ho ditolak, berarti ada pengaruh variabel X2 terhadap Y

Simultan df1 = k = 2 df2 = n - k -1 = 15 - 2 -1 = 12

Fa (2)(12) = 3.89 Karena Fo = 118.294 > Fa (2)(12) = 3.89 Ho ditolak, berarti minimal ada satu pengaruh variabel X terhadap Y

4. Korelasi Berganda ditunjukkan dalam multiple R atau R^2 yang menyatakan koefisien korelasi berganda regresi X1 dan X2 terhadap Y
Jadi, korelasi bergandanya (R^2) adalah 0.975565222
SUMMARY OUTPUT

Regression Statistics
Multiple R 0.9755652221
R Square 0.9517275025
Adjusted R Square 0.9436820862
Standard Error 9.7566262631
Observations 15

ANOVA
df SS MS F Significance F
Regression 2 22521.29892755 11260.6494637732 118.29437687 1.26531487537923E-08
Residual 12 1142.301072454 95.1917560378
Total 14 23663.6

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0%
Intercept 64.638577399 13.1119907835 4.9297302345 0.0003480517 36.0700036577 93.207151141 36.070003658
X Variable 1 0.5351023618 0.1010188462 5.297054775 0.00018925 0.3150012036 0.75520352 0.3150012036
X Variable 2 2.3422457329 0.3975478513 5.8917328443 7.346256E-05 1.476063374 3.2084280919 1.476063374

RESIDUAL OUTPUT PROBABILITY OUTPUT

Observation Predicted Y Residuals Standard Residuals Percentile Y
1 210.61824198 -5.6182419801 -0.621976772 3.3333333333 201
2 217.97824525 -11.9782452549 -1.3260714552 10 204
3 252.56744569 1.4325543137 0.158593295 16.6666666667 205
4 235.70702969 10.2929703105 1.1395003047 23.3333333333 206
5 194.09109206 6.9089079407 0.7648620822 30 209
6 290.70990957 0.2900904346 0.0321149414 36.6666666667 216
7 233.36478396 0.6352160435 0.0703226429 43.3333333333 234
8 217.3117131 -8.3117131029 -0.9201619482 50 245
9 200.5827269 3.4172731037 0.3783148717 56.6666666667 246
10 230.89110843 -14.8911084334 -1.6485447918 63.3333333333 254
11 242.33009432 2.6699056833 0.2955763252 70 265
12 282.27970157 3.720298433 0.4118617921 76.6666666667 286
13 323.8252327 -11.8252327017 -1.3091319474 83.3333333333 291
14 247.15539877 17.8446012261 1.975516097 90 312
15 316.58727602 5.412723984 0.5992245623 96.6666666667 322
 X Variable 1 Residual Plot
20
10

Residuals
0
140 160 180 200 220 240 260 280 300
-10
-20
X Variable 1

X Variable 2 Residual Plot

20
10
Residuals

0
15 20 25 30 35 40 45 50 55 60
-10
-20
X Variable 2
Upper 95.0%
93.207151141
0.75520352
3.2084280919 X Variable 1 Line Fit Plot
400
300
200 Y
Predicted Y
Y

100
0
140 160 180 200 220 240 260 280 300
X Variable 1
 300
200 Y
Predicted Y

Y
100
0
140 160 180 200 220 240 260 280 300
X Variable 1

X Variable 2 Line Fit Plot

400
300
200 Y
Predicted Y

Y
100
0
15 20 25 30 35 40 45 50 55 60
X Variable 2

Normal Probability Plot

400
300
200
Y

100
0
0 20 40 60 80 100 120
Sample Percentile
 Seorang manajer pemasaran sebuah produk ingin mengetahui apakah promosi dan bunga
tabungan berpengaruh pada jumlah penabung

Tingakat
Jumlah
Intensitas Bunga
Bulan nasabah baru X1.Y X2.Y X1.X2 X1^2
Promosi (X1) Tabungan
per bulan (Y)
(X2)

1 23 10 7 230 161 70 100

2 7 2 3 14 21 6 4
3 15 4 2 60 30 8 16
4 17 6 4 102 68 24 36
5 23 8 6 184 138 48 64
6 22 7 5 154 110 35 49
7 10 4 3 40 30 12 16
8 14 6 3 84 42 18 36
9 20 7 4 140 80 28 49
10 19 6 3 114 57 18 36
∑ 170 60 40 1122 737 267 406
Xbar 17.00 10.91 7.27 74.80 49.13 17.80 27.07

1. buatlah hipotesis hubungan variabel diatas ! (parsial & simultan)

2. tentukan fungsi regresinya !
3. dengan sig. alfa 5%, ujilah hipotesis secara persial ( Uji -T) dan Simultan variabel X terhadap Y diatas !
4. Tentukan Korelasi Berganda dari hubungan antar variabel tersebut !

1. Hipotesis hubungan variabel

a. Parsial
Ho : B1 = 0 (Tidak ada pengaruh variabel X1 terhadap Y)
Ha : B1 ≠ 0 (Ada pengaruh variabel X1 terhadap Y)
Ho : B2 = 0 (Tidak ada pengaruh variabel X2 terhadap Y)
Ha : B2 ≠ 0 (Ada pengaruh variabel X2 terhadap Y)
b. Simultan
Ho : B1 = B2 = 0 ( Tidak Ada pengaruh variabel X terhadap Y )
Ha : minimal ada Bj ≠ 0, j = 1,2 (minimal ada pengaruh variabel X terhadap Y)

2. Fungsi Regresi
Y = 3.918727915 + 2.491166078 X1 - 0.466431095 X2

3. Parsial
 sig. alfa = 5% = 0.05 t tabel = ta/2 = 2.26622 - ta < to < ta
X1, t hitung = 3.544164993 t hitung > t tabel (3.544 > 2.1448) Ho ditolak, berarti ada pengaru
X2, t hitung = - 0.458913856 t hitung < t tabel (- 0.4589 > 2.1448) Ho diterima, berarti tidak ada p

Simultan df1 = k = 2 df2 = n - k -1 = 10 - 2 -1 = 7

Fa (2)(7) = 4.74 Karena Fo = 17.899 > Fa (2)(12) = 4.74 Ho ditolak, berarti minimal ad

4. Korelasi Berganda ditunjukkan dalam multiple R atau R^2 yang menyatakan koefisien korelasi berganda regresi X
Jadi, korelasi bergandanya (R^2) adalah 0.91457232
kah promosi dan bunga
ng

X2^2 Y^2

49 529 SUMMARY OUTPUT

9 49
4 225 Regression Statistics
16 289 Multiple R
36 529 R Square
25 484 Adjusted R Square
9 100 Standard Error
9 196 Observations
16 400
9 361 ANOVA
182 3162
12.13 210.80 Regression
Residual
Total

terhadap Y diatas !
Intercept
X Variable 1
X Variable 2

RESIDUAL OUTPUT

Observation
1
2
3
4
5
6
7
- ta < to < ta 8
Ho ditolak, berarti ada pengaruh variabel X1 terhadap Y 9
Ho diterima, berarti tidak ada pengaruh variabel X2 terhadap Y 10

Ho ditolak, berarti minimal ada satu pengaruh variabel X terhadap Y

ien korelasi berganda regresi X1 dan X2 terhadap Y

Regression Statistics
0.9145723195
0.8364425275
0.7897118211
2.5209871227
10

df SS MS F Significance F
2 227.5123674912 113.7561837456 17.899206 0.0017694829
7 44.4876325088 6.3553760727
9 272

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%

3.9187279152 2.417767267 1.6208044375 0.1490907 -1.798383199 9.6358390294
2.4911660777 0.702892242 3.5441649926 0.0094171 0.829090036 4.1532421195
-0.4664310954 1.0163805027 -0.4589138557 0.6602056 -2.869789081 1.9369268902

PROBABILITY OUTPUT

Predicted Y Residuals Standard Residuals Percentile Y

25.5653710247 -2.5653710247 -1.1538564779 5 7
7.5017667845 -0.5017667845 -0.2256854268 15 10
12.9505300353 2.0494699647 0.9218137152 25 14
17 0 0 35 15
21.0494699647 1.9505300353 0.8773123634 45 17
19.0247349823 2.9752650177 1.338219221 55 19
12.4840989399 -2.4840989399 -1.1173017961 65 20
17.4664310954 -3.4664310954 -1.5591366458 75 22
19.4911660777 0.5088339223 0.2288640948 85 23
17.4664310954 1.5335689046 0.6897709524 95 23

Normal Probability Plot

25
20
15
10

Y
5
0
0 10 20 30 40 50 60 70 80
Sample Percentile
 X Variable 1 Residual Plot
4
3
2
1
Residuals

0
-1 1 2 3 4 5 6 7 8 9 10 11
-2
-3
-4
X Variable 1

X Variable 2 Residual Plot

4
3
2
1
Residuals

Lower 95.0% Upper 95.0%

0
-1.798383199 9.6358390294 -1 1 2 3 4 5 6 7 8
0.829090036 4.1532421195 -2
-2.869789081 1.9369268902 -3
-4
X Variable 2

X Variable 1 Line Fit Plot

30
25
20
15 Y
Predicted Y
Y

10
5
0
1 2 3 4 5 6 7 8 9 10 11
X Variable 1
 10
5
0
1 2 3 4 5 6 7 8 9 10 11
X Variable 1

X Variable 2 Line Fit Plot

robability Plot 30
25
20
15 Y
Predicted Y

Y
10
5
0
1 2 3 4 5 6 7 8
40 50 60 70 80 90 100 X Variable 2
Sample Percentile
t

9 10 11

7 8

Y
Predicted Y

1
1

Y
Predicted Y
Pengaruh Harga Barang dan Pendapatan Seseorang Terhadap Permintaan Akan M

Permintaan Harga
Pendapatan
Responden Minyak Minyak X1.Y X2.Y X1.X2
(@juta)
(Kg/Bulan) (@liter)
1 3 8000 10 24000 30 80000
2 4 7000 10 28000 40 70000
3 5 7000 8 35000 40 56000
4 6 7000 5 42000 30 35000
5 6 6000 4 36000 24 24000
6 7 6000 3 42000 21 18000
7 8 6000 2 48000 16 12000
8 9 6000 2 54000 18 12000
9 10 5000 1 50000 10 5000
10 10 5000 1 50000 10 5000
11 3 9000 10 27000 30 90000
12 4 8000 9 32000 36 72000
Σ 75 80000 65 468000 305 479000
X bar 6.25 6666.6666667 5.4166666667 39000 25.416667 39916.667

Keterangan :
Y = Permintaan akan minyak
X1 = Harga Minyak
X2 = Pendapatan

1. Hipotesis hubungan variabel

a. Parsial
Ho : B1 = 0 (Tidak ada pengaruh variabel X1 terhadap Y)
Ha : B1 ≠ 0 (Ada pengaruh variabel X1 terhadap Y)
Ho : B2 = 0 (Tidak ada pengaruh variabel X2 terhadap Y)
Ha : B2 ≠ 0 (Ada pengaruh variabel X2 terhadap Y)
b. Simultan
Ho : B1 = B2 = 0 ( Tidak Ada pengaruh variabel X terhadap Y )
Ha : minimal ada Bj ≠ 0, j = 1,2 (minimal ada pengaruh variabel X terhadap Y)

2. Fungsi Regresi
Y = 12.77527888 - 0.00058204 X1 - 0.48830515 X2

3. Parsial
sig. alfa = 5% = 0.05 t tabel = ta/2 = 2.2010 - ta < to < ta
X1, t hitung = - 1.485723558 t hitung > t tabel (- 1.4457 > - 2.2010) Ho diterima, berarti tidak ad
 X2, t hitung = - 3.775518515 t hitung > t tabel (- 3.7755 < - 2.2010) Ho ditolak, berarti ada peng

Simultan df1 = k = 2 df2 = n - k -1 = 12 - 2 -1 = 9

Fa (2)(9) = 4.26 Karena Fo = 73.212 > Fa (2)(9) = 4.26 Ho ditolak, berarti minimal

4. Korelasi Berganda ditunjukkan dalam multiple R atau R^2 yang menyatakan koefisien korelasi berganda regresi X
Jadi, korelasi bergandanya (R^2) adalah 0.97061534
Permintaan Akan Minyak

X1^2 X2^2 Y^2 Y-Ybar (Y-Ybar)^2

64000000 100 9 -3.25 10.5625 SUMMARY OUTPUT

49000000 100 16 -2.25 5.0625
49000000 64 25 -1.25 1.5625 Regression Statistics
49000000 25 36 -0.25 0.0625 Multiple R 0.9706153353
36000000 16 36 -0.25 0.0625 R Square 0.9420941291
36000000 9 49 0.75 0.5625 Adjusted R Square 0.9292261578
36000000 4 64 1.75 3.0625 Standard Error 0.6818030974
36000000 4 81 2.75 7.5625 Observations 12
25000000 1 100 3.75 14.0625
25000000 1 100 3.75 14.0625 ANOVA
81000000 100 9 -3.25 10.5625 df
64000000 81 16 -2.25 5.0625 Regression 2
550000000 505 541 0 72.25 Residual 9
45833333 42.083333 45.083333 Total 11

Coefficients
Intercept 12.775278877
X Variable 1 -0.000582044
X Variable 2 -0.488305146

RESIDUAL OUTPUT

Observation Predicted Y
1 3.2358762145
2 3.8179201151
3 4.7945304066
4 6.2594458438
5 7.3297948902
6 7.818100036
7 8.3064051817
8 8.3064051817
9 9.3767542281
- ta < to < ta 10 9.3767542281
Ho diterima, berarti tidak ada pengaruh variabel X1 terhadap Y 11 2.6538323138
Ho ditolak, berarti ada pengaruh variabel X2 terhadap Y 12 3.7241813602

Ho ditolak, berarti minimal ada satu pengaruh variabel X terhadap Y

korelasi berganda regresi X1 dan X2 terhadap Y

 SS MS F Significance F
68.0663008276 34.0331504138 73.21232744 2.70552586283535E-06
4.1836991724 0.4648554636
72.25

Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0%
2.010081759 6.3556016168 0.000131999 8.2281580284 17.322399726 8.2281580284
0.0003917579 -1.4857235578 0.171515899 -0.0014682618 0.000304174 -0.001468262
0.1293345917 -3.7755185153 0.004379104 -0.7808803188 -0.195729973 -0.780880319

PROBABILITY OUTPUT

Residuals Standard Residuals Percentile Y

-0.2358762145 -0.3824725464 4.1666666667 3
0.1820798849 0.2952419656 12.5 3
0.2054695934 0.3331683051 20.8333333333 4
-0.2594458438 -0.4206906269 29.1666666667 4
-1.3297948902 -2.1562582687 37.5 5
-0.818100036 -1.3265466578 45.8333333333 6
-0.3064051817 -0.4968350469 54.1666666667 6
0.6935948183 1.1246618355 62.5 7
0.6232457719 1.010591076 70.8333333333 8
0.6232457719 1.010591076 79.1666666667 9
0.3461676862 0.561309824 87.5 10
0.2758186398 0.4472390645 95.8333333333 10
 X Variable 1 Residual Plot
1
0.5

Residuals
0
-0.54500 5000 5500 6000 6500 7000 7500 8000 8500 9000 9500
-1
-1.5
X Variable 1

X Variable 2 Residual Plot

1
0.5
Residuals

0
-0.5 0 2 4 6 8 10 12
-1
-1.5
X Variable 2
Upper 95.0%
17.322399726
0.000304174
-0.195729973 X Variable 1 Line Fit Plot
12
10
8
6 Y
Predicted Y
Y

4
2
0
4000 5000 6000 7000 8000 9000 10000
X Variable 1

X Variable 2 Line Fit Plot

12
10
8
6 Y
Predicted Y
Y

4
2
0
0 2 4 6 8 10 12
X Variable 2
 6 Y
Predicted Y

Y
4
2
0
0 2 4 6 8 10 12
X Variable 2

Normal Probability Plot

12
10
8
6
Y 4
2
0
0 20 40 60 80 100 120
Sample Percentile