TUGAS 1

STATISTIKA MULTIVARIAT

Diajukan untuk Memenuhi Tugas Mata Kuliah Statistika

Multivariat dari Dosen Rachmat Hidayat, Dr., Drs., M.Pd

Disusun oleh:

Andi Sedana Yasa 0119123011

Reguler B1

PROGRAM STUDI
AKUNTANSI FAKULTAS
EKONOMI UNIVERSITAS
WIDYATAMA 2020/2021
1. Analisis Regresi Sederhana
a. Persamaan Garis Regresi Linear Sederhana

Stand
Coefficie ard P- Lower Upper Lower Upper
  nts Error t Stat value 95% 95% 95,0% 95,0%
- -
8,17128 8,1921 0,9974 0,3570 11,874 28,216 11,874 28,216
Intercept 285 57 52 56 2 77 2 77
Pengelua
ran Iklan 0,09704 0,0138 7,0279 0,0004 0,0632 0,1308 0,0632 0,1308
(juta) 26 08 37 14 55 3 55 3
Berdasarkan hasil diatas, persamaan regresi linier sederhana dapat disusun
sebagai berikut:
Y = a + bX
Y= 8,171 + 0,097X
a) Nilai konstanta sebesar 8,171, hal ini menunjukan apabila variabel
Pengeluaran Iklan , jika dianggap konstan (0), maka Volume Penjualan
adalah 8,171.
b) Koefisien regresi variabel Pengeluaran Iklan (x) sebesar 0,097. Hal ini
berarti setiap kenaikan Pengeluaran Iklan sebesar 1% akan menaikkan
Volume Penjualan sebesar 0,097.
b. Nilai Prediksi Volume Penjualan Jika Pengeluaran Iklan 800 Juta
Y = a + bX
Y= 8,171 + 0,097X
Y = 8,171 + 0,097 (800)
Y= 8,171 + 77,6
Y= 85,771
Sehingga nilai prediksi Volume Penjualan jika pengeluaran iklan 800 juta
yaitu sebesar 85,771

c. Standar Error Of Estimate

Regression Statistics
Multiple R 0,94428857
R Square 0,8916809
Adjusted R
Square 0,87362772
Standard Error 11,2527786
Observations 8
 d. Dengan interval keyakinan 95%, berapa nilai interval estimasi

Stand
Coefficie ard P- Lower Upper Lower Upper
  nts Error t Stat value 95% 95% 95,0% 95,0%
- -
8,17128 8,1921 0,9974 0,3570 11,874 28,216 11,874 28,216
Intercept 285 57 52 56 2 77 2 77
Pengelua
ran Iklan 0,09704 0,0138 7,0279 0,0004 0,0632 0,1308 0,0632 0,1308
(juta) 26 08 37 14 55 3 55 3

Berdasarkan tabel diatas, dapat diketahui bahwa Pengeluaran Iklan

mempunyai nilai thitung = 7,028 > ttabel = 2,447 dengan tingkat signifikan
sebesar 0,000 < 0,05, maka H0 ditolak dan H1 diterima. Sehingga Pengeluaran
Iklan berpengaruh terhadap Volume Penjualan.

e. koefisien determinasi (R2)

Regression Statistics
Multiple R 0,94428857
R Square 0,8916809
Adjusted R
Square 0,87362772
Standard Error 11,2527786
Observations 8

Berdasarkan tabel di atas dapat dilihat jika hasil koefisien determinasinya

adalah 0,892. Berarti variabel Pengeluaran Iklan terhadap Volume Penjualan
memberikan pengaruh sebesar 89,2%. Kemudian ada sisa sebesar 10,8%
dipengaruhi dari faktor selain Pengeluaran Iklan.

f. Koefisien Korelasi Antara Pengeluaran Iklan Dan Volume Penjualan

Volume
Penjualan
  Pengeluaran Iklan (juta) (juta Unit)
Pengeluaran Iklan (juta) 1
 Volume Penjualan (juta Unit) 0,944288569 1

Dari hasil analisis korelasi didapatkan koefisien korelasi antara

Pengeluaran Iklan dengan Volume Penjualan adalah 0,944. Hal ini menunjukkan

hubungan yang ‘sangat kuat’ antara Pengeluaran Iklan dengan Volume Penjualan.

g. Korelasi (α = 1)

Berdasarkan hasil uji hipotesis variabel Pengeluaran Iklan dengan

Volume Penjualan diperoleh koefisien korelasi r = 0,944; p = 0,000 (p < 0,10),

maka hipotesis dalam penelitian ini adalah Ha diterima. Dari hasil tersebut dapat

disimpulkan bahwa terdapat Hubungan yang positif dan signifikan antara

Pengeluaran Iklan dengan Volume Penjualan , artinya semakin tinggi

Pengeluaran Iklan maka semakin tinggi pula Volume Penjualan pada individu

tersebut. Demikian sebaliknya, semakin rendah Pengeluaran Iklan yang dimiliki

maka semakin rendah pula Volume Penjualan -nya.

2. Analisis Regresi Berganda
a. Koefisien Regresi B0, B1, B2, Dan B3! Kemudian Tuliskan Model
Regresinya
P-
Coefficient Standard t valu Lower Upper Lower Upper
  s Error Stat e 95% 95% 95,0% 95,0%
100,9 100,9
Intercept 139,87 18,35 7,62 0,00 7 178,78 7 178,78
Harga (Juta) -13,24 3,31 -4,00 0,00 -20,25 -6,22 -20,25 -6,22
Pengeluaran
Iklan (juta) 4,95 1,49 3,31 0,00 1,78 8,11 1,78 8,11
Dsikon 8,13 3,68 2,21 0,04 0,33 15,93 0,33 15,93
Berdasarkan hasil diatas, persamaan koefisien regresi linier berganda dapat
disusun sebagai berikut:

Y= 139,87 – 13,24X1 + 4,95X2 + 8,13X3

b. Besar Standard Error Of Coeffisient b0, b1, b2, dan b3

P-
Coefficient Standard t valu Lower Upper Lower Upper
  s Error Stat e 95% 95% 95,0% 95,0%
100,9 100,9
Intercept 139,87 18,35 7,62 0,00 7 178,78 7 178,78
Harga (Juta) -13,24 3,31 -4,00 0,00 -20,25 -6,22 -20,25 -6,22
Pengeluaran
Iklan (juta) 4,95 1,49 3,31 0,00 1,78 8,11 1,78 8,11
Dsikon 8,13 3,68 2,21 0,04 0,33 15,93 0,33 15,93
Berdasarkan hasil tabel diatas, didapatkan Standard Error Of Coeffisient
pada regresi berganda sebagai berikut:

18,35 + 3,31X1 + 1,49X2 + 3,68X3

c. Koefisien Determinasi Dan Koefisien Determinasi

Regression Statistics
Multiple R 0,826817758
R Square 0,683627605
Adjusted R
Square 0,624307781
 Standard Error 4,642532354
Observations 20

d. Uji F Simultan

Uji F digunakan untuk menunjukkan apakah variabel independen secara

keseluruhan atau simultan mempunyai pengaruh terhadap variabel dependen yang
diuji pada tingkat 0,05 (Ghozali, 2013).
ANOVA
Significanc
  df SS MS F eF
Regression 3 745,162 248,387 11,524 0,000
Residual 16 344,850 21,553
Total 19 1090,012      
Berdasarkan hasil diatas, menunjukan nilai Fhitung 11,524 > 3,24 Ftabel
dan signifikan untuk Harga, Pengeluaran Iklan dan Diskon adalah 0,000 atau
kurang dari 0,05. Jadi model regresi Harga, Pengeluaran Iklan dan Diskon, secara
simultan berpengaruh terhadap Penjualan.

e. Hipotesis
H0 : b1, b2 = 0 (Harga, Pengeluaran Iklan dan Diskon secara parsial tidak
berpengaruh positif dan signifikan terhadap Penjualan).
H1 : b1, b2 ≠ 0 (Harga, Pengeluaran Iklan dan Diskon secara parsial berpengaruh
positif dan signifikan terhadap Penjualan).

f. Uji t
P-
Coefficien Standard t valu Lower Upper Lower Upper
  ts Error Stat e 95% 95% 95,0% 95,0%
7,62 0,00 100,97 178,77 100,97 178,77
Intercept 139,874 18,351 2 0 0 7 0 7
-
Harga 3,99 0,00 - -
(Juta) -13,235 3,311 8 1 20,253 -6,218 20,253 -6,218
Pengeluara
n Iklan 3,31 0,00
(juta) 4,945 1,494 1 4 1,779 8,112 1,779 8,112
 2,21 0,04
Dsikon 8,129 3,679 0 2 0,330 15,928 0,330 15,928

Berdasarkan tabel diatas, dapat diketahui bahwa Harga mempunyai nilai

thitung = -3,998 < ttabel = 2,12, maka H0 ditolak dan H1 diterima. Sehingga
Harga berpengaruh negatif terhadap Penjualan.

Pengeluaran Iklan mempunyai nilai thitung = 3,311 > ttabel = 2,12, maka H0
ditolak dan H2 diterima. Sehingga Pengeluaran Iklan berpengaruh terhadap
Penjualan.

Diskon mempunyai nilai thitung = 2,210 > ttabel = 2,12, maka H0 ditolak
dan H3 diterima. Sehingga Diskon berpengaruh terhadap Penjualan.

g. Uji dengan p-value

Berdasarkan tabel diatas, dapat diketahui bahwa Harga mempunyai nilai p-
value dengan tingkat signifikan sebesar 0,001 < 0,05, maka H0 ditolak dan H1
diterima. Sehingga Harga berpengaruh terhadap Penjualan.

Pengeluaran Iklan mempunyai nilai p-value dengan tingkat signifikan sebesar

0,004 < 0,05, maka H0 ditolak dan H2 diterima. Sehingga Pengeluaran Iklan
berpengaruh terhadap Penjualan.

Diskon mempunyai nilai p-value dengan tingkat signifikan sebesar 0,042 <
0,05, maka H0 ditolak dan H3 diterima. Sehingga Diskon berpengaruh terhadap
Penjualan.

a. residual (uji Asumsi Klasik)

Multikolinearitas

NO Variabel Tolerance VIF Keterangan

1. Harga 0.319 3.133 Tidak terjadi Multikolinearitas
2. Pengeluaran Iklan 0.986 1.015 Tidak terjadi Multikolinearitas
3. Diskon 0,322 3,108 Tidak terjadi Multikolinearitas
 Heteroskedasatisitas

NO Variabel Sig. CUT OFF Keterangan

1. Harga 0,999 >0,05 Tidak terjadi heteroskedastisitas
2. Pengeluaran Iklan 0,675 >0,05 Tidak terjadi heteroskedastisitas
3. Diskon 0,760 >0,05 Tidak terjadi heteroskedastisitas

Autokorelasi
du < d < 4 – du Keterangan

1,676 < 1,726 < 2,324 Tidak ada gejala autokorelasi

3. Analisis Regresi Linear Berganda

b. koefisien regresi b0, b1, b2, dan b3! Kemudian tuliskan model regresinya

Coefficient Standar P- Lower Upper Lower Upper

  s d Error t Stat value 95% 95% 95,0% 95,0%
Intercept 15,478 2,152 7,194 0,000 10,790 20,166 10,790 20,166
Iklan 7,623 2,928 2,604 0,023 1,244 14,003 1,244 14,003
Sales 1,244 0,279 4,458 0,001 0,636 1,852 0,636 1,852
Lokasi 2,721 1,118 2,434 0,031 0,285 5,157 0,285 5,157

Berdasarkan hasil diatas, persamaan regresi linier berganda dapat disusun

sebagai berikut:

Y= 15,478 + 7,623X1 + 1,244X2 + 2,721X3 + e

c. Uji F Simultan

Uji F digunakan untuk menunjukkan apakah variabel independen secara

keseluruhan atau simultan mempunyai pengaruh terhadap variabel dependen yang
diuji pada tingkat 0,05 (Ghozali, 2013).

ANOVA
Significance
  df SS MS F F
Regression 3 1472,46 490,82 157,17 0,00
 Residual 12 37,47 3,12
Total 15 1509,94      

Berdasarkan hasil diatas, menunjukan nilai Fhitung 157,17 > 3,49 Ftabel
dan signifikan untuk Iklan, Sales, dan Lokasi adalah 0,000 atau kurang dari 0,05.
Jadi model regresi Iklan, Sales, dan Lokasi, secara simultan berpengaruh terhadap
Penjualan Motor.
d. Uji t

Coefficient Standar P- Lower Upper Lower Upper

  s d Error t Stat value 95% 95% 95,0% 95,0%
Intercept 15,478 2,152 7,194 0,000 10,790 20,166 10,790 20,166
Iklan 7,623 2,928 2,604 0,023 1,244 14,003 1,244 14,003
Sales 1,244 0,279 4,458 0,001 0,636 1,852 0,636 1,852
Lokasi 2,721 1,118 2,434 0,031 0,285 5,157 0,285 5,157

Berdasarkan tabel diatas, dapat diketahui bahwa Iklan mempunyai nilai

thitung = 2,604 > ttabel = 2,179 dengan tingkat signifikan sebesar 0,023 < 0,05,
maka H0 ditolak dan H1 diterima. Sehingga Iklan berpengaruh terhadap
Penjualan Motor.
Sales mempunyai nilai thitung = 4,458 > ttabel = 2,179 dengan tingkat
signifikan sebesar 0,001 < 0,05, maka H0 ditolak dan H2 diterima. Sehingga
Sales berpengaruh terhadap Penjualan Motor.
Lokasi mempunyai nilai thitung = 2,434 > ttabel = 2,179 dengan tingkat
signifikan sebesar 0,031 < 0,05, maka H0 ditolak dan H3 diterima. Sehingga
Lokasi berpengaruh terhadap Penjualan Motor.

e. Interpretasikan atau artikan koefisien regresi b0, b1, b2, dan b3

a) Nilai konstanta sebesar 15,478, hal ini menunjukan apabila variabel Iklan,
Sales dan Lokasi, jika dianggap konstan (0), maka Penjualan Motor adalah
15,478.
b) Koefisien regresi variabel Iklan (x1) sebesar 7,623. Hal ini berarti setiap
kenaikan Iklan sebesar 1 satuan akan menaikkan Penjualan Motor sebesar
7,623 satuan.
c) Koefisien regresi variabel Sales (x2) sebesar 1,244. Hal ini berarti setiap
kenaikan Sales sebesar 1 satuan akan menaikkan Penjualan Motor sebesar
1,244 satuan.
d) Koefisien regresi variabel Lokasi (x3) sebesar 2,721. Hal ini berarti setiap
kenaikan Lokasi sebesar 1 satuan akan menaikan Penjualan Motor sebesar
2,721 satuan.

f. residual (uji Asumsi Klasik)

Multikolinearitas

NO Variabel Tolerance VIF Keterangan

1. Pengeluaran Iklan 0.464 2.153 Tidak terjadi Multikolinearitas
2. Sales Penjualan 0.321 3.116 Tidak terjadi Multikolinearitas
3. Lokasi 0,593 1,688 Tidak terjadi Multikolinearitas

Heteroskedasatisitas

NO Variabel Sig. CUT OFF Keterangan

1. Pengeluaran Iklan 0,271 >0,05 Tidak terjadi heteroskedastisitas
2. Sales Penjualan 0,087 >0,05 Tidak terjadi heteroskedastisitas
3. Lokasi 0,107 >0,05 Tidak terjadi heteroskedastisitas

Autokorelasi
du < d < 4 – du Keterangan

1,727 < 1,766 < 2,273 Tidak ada gejala autokorelasi