STATISTIKA MULTIVARIAT
Disusun oleh:
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
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
Regression Statistics
Multiple R 0,94428857
R Square 0,8916809
Adjusted R
Square 0,87362772
Standard Error 11,2527786
Observations 8
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)
maka hipotesis dalam penelitian ini adalah Ha diterima. Dari hasil tersebut dapat
Pengeluaran Iklan maka semakin tinggi pula Volume Penjualan pada individu
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
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
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.
Diskon mempunyai nilai p-value dengan tingkat signifikan sebesar 0,042 <
0,05, maka H0 ditolak dan H3 diterima. Sehingga Diskon berpengaruh terhadap
Penjualan.
Multikolinearitas
Autokorelasi
du < d < 4 – du Keterangan
b. koefisien regresi b0, b1, b2, dan b3! Kemudian tuliskan model regresinya
c. Uji F Simultan
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
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.
Multikolinearitas
Heteroskedasatisitas
Autokorelasi
du < d < 4 – du Keterangan