NAMA : MARSELINA TEKU

NIM : 062160101

KELAS : MANAJEMEN IVB

TUGAS : STATISTIK BISNIS

U
UJJII SSIIG
GNNIIFFIIK
KAAN
NSSII
Untuk menguji hipotesis bahwa b adalah signifikan secara statistik (bahwa iklan 
mempengaruhi penjualan secara positip), pertama perlu dihitung galat baku (simpangan) dari b  S 

 b 

(n-k)
k) disebut sebagai derajad kebebasan (degrees of fredom – dk).
). Karena dalam analisis regresi
sederhana kita mengestimasi dua parameter
paramete ( dan )maka maka nilai k adalah 2 sehingga dk adalah n -
2.

Ho : Pengeluaran Iklan (X) tidak berpengaruh secara positif dan signifikan terhadap
Penerimaan Penjualan (Y).

Ha : Pengeluaran Iklan (X) berpengaruh secara positif dan signifikan terhadap

Penerimaan Penjualan (Y)

Dengan nilai kepercayaan pujian α = 0,05 dan derajat nilai kebebasan (n - 2).

Jika t > t α/2 maka ho ditolak dan ha diterima

Jika t < α/2 maka ho diterima dan ha ditolak

 UJI SIGNIFIKASI

, ,

N =( ) ( )
1 5 40 192,677 -152,677 23,310 36
2 8 42 307,416 -265,416 70,445 9
3 10 44 383,912 -339,912 145,540 1
4 12 46 460,408 -414,408 171,733 1
5 14 48 536,904 -488,904 239,027 9
6 16 50 613,4 -563,4 317,419 25
7 18 52 689,896 -637,896 406,911 49
8 10 54 383,912 -329,912 108,841 1
9 12 56 460,408 -404,408 163,545 1
10 5 58 192,677 -134,677 18,137 36
11 8 60 307,416 -247,416 61,214 9
12 10 62 383,912 -321,912 103,627 1
13 12 66 460,408 -394,408 155,557 1
14 14 68 536,904 -468,904 219,870 9
15 20 70 766,392 -696,392 484,961 81
2,853,137 268

∑ ²=∑ ( )² , , 137

( )² = 496

∑( )² , ,
S = ( ) ∑(
= ( )( )
= 484,823
)²
 UJI SIGNIFIKASI

²= ( )² , ,

( )² = 268

∑( )² , ,
S = ( ) ∑(
= ( )( )
= 484,823
)²

Berikutnya menghitung nilai statistik t (t statistic) atau rasio t. Semakin yakin bahwa nilai b
yang benar (tetapi tidak diketahui) yang kita cari adalah tidak sama dengan nol (terdapat
hubungan yang signifikan antara iklan dan penjualan)

UJI SIGNIFIKASI

Perhitungan : t-Statistic

,
t= = ,
= 0,078

Derajat Bebas = (n-k) = (15-2) = 13

Critical Value at 5% level = 2,160

 -2,160 2,160 0,078

Coefficient of determination –R2

R Square
(R2) sering disebut dengan koefisien determinasi diartikan sebagai seberapa besar
kemampuan variabel bebas dalam menjelaskan varians dari variabel terikatnya. Nilai R2
terletak antara 0-1 dan kecocokan model dikatakan lebih baik kalau R2 semakin mendekati 1

Total variation= Explained variation + unixplained variation

∑( Y)2 =∑( )+∑( )²

N ( )² ( )² ( )²
1 5 40 -9,5333 90,878 38,842 -10,6388 113,1840 1,2227
2 10 44 -5,5333 30,614 42,7170 -6,816 46,4578 1,6460
3 15 43 -6,5333 42,680 41,5399 -7,9931 63,8898 2,1318
4 10 60 10,467 109,558 58,7170 9,184 84,3458 1,6460
5 10 53 3,467 12,020 51,7170 2,184 4,3458 1,6460
6 15 42 -17,5333 307,406 40,3628 -8,9981 80,9658 2,1318
7 20 42 -17,5333 307,406 38,8942 9,1702 48,0925 2,6804
8 5 40 -9,5333 90,878 33,6462 -10,6388 113,1840 1,2227
9 12 35 -24,5333 601,868 58,5753 15,8868 152,3904 1,8327
10 14 60 10,467 109,558 68,7879 9,0423 81,7631 2,0297
11 8 70 20,467 418,898 58,5753 19,2549 370,7511 1,4691
12 5 65 15,467 239,288 68,7879 14,3612 206,2440 1,2258
13 15 55 5,467 29,888 63,8942 3,8298 14,6673 1,2258
14 20 53 3,467 12,202 51,3628 1,8298 3,3481 2,6804
15 10 41 8,5333 72,812 39,7170 9,753 95,1210 1,646
 Analisis korelasi melihat keeratan hubungan antara dua variabel. Korelasi tidak
dapat menunjukkan hubungan sebab-akibat.
sebab

Tingkat keeratan hubungan (atau lazim disebut koefisien korelasi dan

diberi simbol r)) memiliki harga yang berkisar dari –1 sampai +1. Jika r mendekati angka 1
atau –11 maka dapat dikatakan bahwa kedua variabel itu memiliki hubungan yang erat,
sedangkan jika r mendekati 0, maka keeratan hubungannya lemah. Harga ––1 menunjukkan
adanya hubungan yang sempurna namun bersifat terbalik (negatif), sedangkan hubungan +1
menunjukkan hubungan sempurna yang positif.

r= ² r=

ANALISIS KOEFISIEN KORELASI PEARSON

n X iYi   X i  Yi
r
n X   X   n Y   Y  
1
2
i
2
i
2
i
2
 r= ² r = √0,37 = 0,60

ANALISIS KOEFISIEN KORELASI PEARSON

n X iYi   X i  Yi
r
n X   X   n Y   Y  
1
2
i
2
i
2
i
2

N X² Y²
1 11 40 121 1.600 440
2 12 41 144 1.681 492
3 13 42 169 1.764 546
4 14 43 196 1.849 602
5 15 44 225 1.936 660
6 16 45 256 2.025 720
7 17 46 289 2.116 782
8 18 47 324 2.209 846
9 19 48 361 2.304 912
10 20 49 400 2.401 980
11 21 50 441 2.500 1.050
12 25 51 625 2.601 1.275
13 26 52 676 2.704 1.352
14 28 53 784 2.809 1.484
15 30 54 900 2.916 1.620
∑ 185 705 5.911 33.415 13.765

ANALISIS KOEFISIEN KORELASI PEARSON

n X iYi   X i  Yi
r
n X   X   n Y   Y  
1
2
i
2
i
2
i
2

( . ) (` )( )
r=
{( ) ( ) } {( . ) ( )²}
 ( . ) ( . )
r=
{( . ) ( . )} {( . ) ( . )}

( . ) ( . )
r= = r = 0,60
{( . ) ( . )} { . . }

.
= =0,60 r = 0,37
. ,