Indah Putri Hendari

1910536034
STATISTIK MULTIVARIAT

LATIHAN

Berikut adalah data pengeluaran iklan (x) dan pendapatan (y) dalam ribuan dolar
untuk Four Seasons Restaurant

Advertising Expenditures Revenue

1 19
2 32
4 44
6 40
10 52
14 53
20 54

Hasil SPSS Regression

Descriptive Statistics
Mean Std. Deviation N

Revenue 42,0000 12,92285 7

Advertising Expenditures 8,1429 6,93851 7

Pada tabel deskriptive statistics ini menunjukkan informasi umum mengenai data
yang akan diolah seperti nilai rata-rata, standar deviasi dan jumlah dari data yang akan diolah
dari variabel (x)Pengeluaran Iklan dan variabel(y) Pendapatan.

Correlations

Revenue Advertising
Expenditures
Revenue 1,000 ,831
Pearson Correlation
Advertising Expenditures ,831 1,000
Revenue . ,010
Sig. (1-tailed)
Advertising Expenditures ,010 .
Revenue 7 7
N
Advertising Expenditures 7 7
 Variables Entered/Removeda

Model Variables Variables Method

Entered Remove
d
Advertising
1 . Enter
Expendituresb

a. Dependent Variable: Revenue

b. All requested variables entered.

Model Summaryb

Model R R Square Adjusted Std. Error of Change Statistics

R the R F Change
Square Estimate Square
Change
a
1 ,831 ,690 ,628 7,87753 ,690 11,147

Model Summaryb

Model Change Statistics

df1 df2 Sig. F Change
1 1a 5 ,021

a. Predictors: (Constant), Advertising Expenditures

b. Dependent Variable: Revenue
Intrepertasi:
Koefisien Determinasi
69,03% dari variabilitas dapat dijelaskan oleh hubungan linier antara pengeluaran iklan
dan pendapatan, dan sisanya sebesar 30,97% lagi adalah eror atau ada hal lain yang
mempengaruhi pengeluaran iklan dan pendapatan.
Koefisien Korelasi
Hubungan linear positif yang sangat kuat (0,831 atau 8,3084) terjadi antara Advertising
Expenditure dan Revenue, Peningkatan Advertising Expenditure terkait dengan peningkatan
Revenue (linier positif sangat kuat)

ANOVAa
Model Sum of Squares D Mean Square F Sig.
f

Regression 691,723 1 691,723 11,147 ,021b

1 Residual 310,277 5 62,055
Total 1002,000 6
a. Dependent Variable: Revenue
b. Predictors: (Constant), Advertising Expenditures

Hipotesis
H0 : β1≠0
Tidak dapat hubungan yang signifikan antara pengeluaran iklan dan pendapatan
H1 : β1=0
Terdapat hubungan yang signifikan antara pengeluaran iklan dan pendapatan

Uji F
Diketahui = 0,05
Pendekatan nilaiprob:
Tolak H0 jika nilai probabilitas ≤
Karena 0,021 <0,05
Maka tolah Ho, Terima H1 dengan demikian terdapat hubungan yang dignifikan antara
Pengeluaran iklan dan Pendapatan

Coefficientsa

Model Unstandardized Coefficients Standardize t

d
Coefficients
B Std. Error Beta
(Constant) 29,399 4,807 6,116
1
Advertising Expenditures 1,547 ,463 ,831 3,339

Persamaan regresi estimasi

b0 +b1x

b0 +b1x
= 29,399 + 1,547x

Coefficientsa

Model Sig. Correlations Collinearity

Statistics
Zero-order Partial Part Tolerance
(Constant) ,002
1
Advertising Expenditures ,021 ,831 ,831 ,831 1,000

Statistik Uji t
Diketahui = 0,05
Untuk b1
Tolak H0 jika nilai probabilitas (p-value) ≤
Karena 0,021 < 0,05
Maka tolak H0, Terima H1 Dengan demikian terdapat hubungan yang signifikan antara
Pengeluaran Iklan dan Pendapatan.
 Coefficientsa

Model Collinearity Statistics

VIF
(Constant)
1
Advertising Expenditures 1,000

a. Dependent Variable: Revenue

Collinearity Diagnosticsa
Model Dimension Eigenvalue Condition Index Variance Proportions

(Constant) Advertising
Expenditures
1 1,785 1,000 ,11 ,11
1
2 ,215 2,882 ,89 ,89

a. Dependent Variable: Revenue

Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N

Predicted Value 30,9466 60,3487 42,0000 10,73718 7

Std. Predicted Value -1,029 1,709 ,000 1,000 7
Standard Error of Predicted
3,099 6,250 4,090 1,079 7
Value
Adjusted Predicted Value 32,6801 71,1389 43,7447 13,55618 7
Residual -11,94659 8,41098 ,00000 7,19117 7
Std. Residual -1,517 1,068 ,000 ,913 7
Stud. Residual -1,838 1,195 -,084 1,126 7
Deleted Residual -17,55523 10,54371 -1,74465 11,34799 7
Stud. Deleted Residual -2,888 1,265 -,251 1,456 7
Mahal. Distance ,072 2,920 ,857 ,981 7
Cook's Distance ,001 1,490 ,367 ,569 7
Centered Leverage Value ,012 ,487 ,143 ,163 7
a. Dependent Variable: Revenue
Charts
 Dari scatterplot dapat dilihat bahwa adanya linear positif sangat kuat. Titik pada
bagian I dan III. Jika (x) Pengeluaran Iklan meningkat maka (y) Pendapatan juga akan
ikut meningkat.