Nama Kelompok :
Fisher (4)
Nama Anggota :
2. Analisis Regresi
Analisis regresi dipergunakan untuk mengetahui hubungan fungsional antara
peubah-peubah yang dinyatakan dalam bentuk persamaan matematik dan garis.
Persamaan matematik dan garis yang didapat disebut dengan persamaan regresi yang
dapat berbentuk garis lurus (linear) dan atau tidak lurus (non linear). Hubungan
fungsional terdiri dari dua jenis peubah yaitu peubah bebas (independent) dan peubah
tak bebas (dependent).
Secara kuantitatif, hubungan antara peubah bebas dan peubah tak bebas tersebut
dapat kita modelkan dalam suatu persamaan matematik, sehingga kita dapat menduga
nilai suatu peubah tak bebas bila diketahui nilai dari peubah bebasnya. Persamaan
matematik yang menggambarkan hubungan antara peubah bebas dan tak bebas sering
disebut persamaan regresi.
Regresi metode kuadrat terkecil merupakan regresi yang sering dipakai pada saat
data pada peubah respon merupakan numerik (kuantitatif). Namun pada data riil,
seringkali datadalam bentuk kategorik (kualitatif).Sehingga data tersebut tidak akan
cocok jika dianalisis menggunakan regresi sederhana atau regresi berganda biasa.
Maka, analisis regresi yang digunakan untuk peubah bebas kualitatif yaitu analisis
regresi dummy.
4. Skala Pengukuran
Penyelesaian :
Data di atas diuji dengan Analisis Regresi Linier Berganda Dummy dengan 5 variabel
prediktor dan 1 variabel respon. Pengujian ini menggunakan Software SPSS.
Hipotesis :
H0 : Terdapat pengaruh antara banyak outlet, banyak SPG, dan tingkat penghasilan pembeli
(kategori indeks 1, indeks 2, indeks 3) terhadap jumlah pembelian roti berbagai rasa di
Kota Jakarta Pusat
H1 : Tidak terdapat pengaruh antara banyak outlet, banyak SPG, dan tingkat penghasilan
pembeli (kategori indeks 1, indeks 2, indeks 3) terhadap jumlah pembelian roti berbagai
rasa di Kota Jakarta Pusat
Variables Entered/Removeda
Model
Variables Entered
Variables Removed
Method
1
Indeks3, Outlet, Indeks2, Indeks1, SPGb
.
Enter
Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
,875a
,766
,683
89,83689
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
370149,457
5
74029,891
9,173
,000b
Residual
112989,325
14
8070,666
Total
483138,783
19
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
106,571
53,399
1,996
,066
Outlet
24,842
19,818
,747
1,254
,231
SPG
4,499
26,099
,105
,172
,866
Indeks1
44,365
62,768
,124
,707
,491
Indeks2
60,786
57,932
,169
1,049
,312
Indeks3
13,687
60,331
,038
,227
,824
a. Dependent Variable: Pembelian
Persamaan regresi :
Interpretasi :
a. Koefisien Determinasi
Koefisien determinasi pada analisi kali ini sebesar ,875 yang berarti bawah
koefisien determinasi mendekati 1 dimana semakin tinggi nilai variabel bebas (banyak
outlet, banyak SPG, indeks 1, indeks 2, indeks 3) untuk menjelaskan keterkaitannya
dengan variabel terikat (Jumlah penjualan roti) atau sebesar 76,6% dari variabel terikat
dijelaskan oleh variabel bebasnya
a. Tabel Anova
Nilai signifikansi(0,000) < 0,05, maka terima H0 ( tolak H1)
Sehingga, dapat disimpulkan bahwa secara simultan terdapat pengaruh antara
banyak outlet, banyak spg, dan tingkat penghasilan pembeli (kategori indeks 1, indeks
2, indeks 3) terhadap jumlah pembelian roti berbagai rasa di Kota Jakarta Pusat
b. Persamaan Regresi
- a = 106,571
Nilai a = 106,571 berarti bahwa jika banyak outlet, banyak SPG, dan tingkat
penghasilan pembeli (kategori indeks 1, indeks 2, indeks 3) konstan (tetap) maka
jumlah penjualan roti akan sebesar 106,571
- b1 = 24,842
Nilai b1 = 24,842 berarti bahwa jika banyak outlet bertambah 1 maka jumlah
penjualan roti akan meningkat sebesar 24,842 (untuk variabel lain konstan)
- b2 = 4,499
Nilai b2 = 4,499 berarti bahwa jika banyak SPG bertambah 1 maka jumlah
penjualan roti akan meningkat sebesar 4,499 (untuk variabel lain konstan)
- b3 = 44,365
Nilai b3 = 44,365 berarti bahwa jika penghasilan pembeli dengan golongan
menengah kebawah bertambah 1 satuan maka jumlah penjualan roti akan meningkat
sebesar 44,365 (untuk variabel lain konstan)
- b4 = 60,786
Nilai b4 = 60,786 berarti bahwa jika penghasilan pembeli dengan golongan
menengah bertambah 1 satuan maka jumlah penjualan roti akan meningkat sebesar
60,786 (untuk variabel lain konstan)
- b5 = 13,687
Nilai b5 = 13,687 berarti bahwa jika penghasilan pembeli dengan golongan
kaya bertambah 1 satuan maka jumlah penjualan roti akan meningkat sebesar 13,687
(untuk variabel lain konstan)
1. Uji Normalisasi
a. Histogram
Interpretasi :
Dari tampilan histogram tersebut, terlihat bahwa grafik distribusi data membentuk
lonceng (bell shaped), tidak condong ke kanan maupun ke kiri. Maka grafik histogram
tersebut dikatakan normal.
b. P-P Plot
Interpretasi :
Dari tampilan P-P plot tersebut, terlihat bahwa data menyebar disekitar garis
diagonal/disekeliling garis lurus, serta tidak ada data yang letaknya jauh dari garis. Maka,
dapat dikatakan bahwa model regresi berdistribusi normal dan memenuhi syarat asumsi
normalitas.
Interpretasi :
Berdasarkan hasil uji normalitas Kolmogorov Smirnov, diketahui bahwa nilai
signifikansi 0,2 > 0,05. Maka dapat disimpulkan bahwa nilai residual data berdistribusi
normal.
2. Uji Multikolinearitas
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 106.571 53.399 1.996 .066
Outlet 24.842 19.818 .747 1.254 .231 .047 21.266
SPG 4.499 26.099 .105 .172 .866 .045 22.193
Indeks1 44.365 62.768 .124 .707 .491 .546 1.831
Indeks2 60.786 57.932 .169 1.049 .312 .641 1.559
Indeks3 13.687 60.331 .038 .227 .824 .591 1.691
a. Dependent Variable: Pembelian
Interpretasi :
Syarat tidak adanya Multikolinieritas :
1. Nilai tolerance > 0,10
Dari hasil uji tersebut, terlihat bahwa terdapat beberapa variabel yang memiliki nilai
tolerance > 0,10 (variabel indeks 1, indeks 2, dan indeks 3). Sedangkan variabel Outlet
dan SPG memiliki nilai tolerance < 0.10
Maka terdapat gejala multikolinieritas dalam model regresi.
3. Uji Heteroskedastisitas
a. Scatterplot
Interpretasi :
Dari tampilan scatterplot tersebut, terlihat bahwa tidak terdapat pola yang jelas
(bergelombang, melebar kemudian menyempit,dll). Selain itu, titik-titik menyebar diatas dan
dibawah angka 0 pada sumbu Y. Sehingga dapat dikatakan bahwa tidak terjadi
heteroskedastisitas.
b. Uji Glejser
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 35.185 33.159 1.061 .307
Outlet 1.391 12.306 .127 .113 .912 .047 21.266
SPG -.496 16.207 -.035 -.031 .976 .045 22.193
Indeks1 -8.770 38.977 -.074 -.225 .825 .546 1.831
Indeks2 9.000 35.974 .076 .250 .806 .641 1.559
Indeks3 43.911 37.463 .372 1.172 .261 .591 1.691
a. Dependent Variable: Abs_Res
Interpretasi :
Berdasarkan output Uji Glejser di atas, dapat diketahui nilai signifikansi (Sig.) untuk
masing-masing variabel yaitu:
1. Variabel Outlet sebesar 0.912
2. Variabel SPG sebesar 0.976
3. Variabel Indeks 1 sebesar 0.825
4. Variabel Indeks 2 sebesar 0.806
5. Variabel Indeks 3 sebesar 0.261
Karena nilai signifikansi seluruh variabel > 0.05 , maka dapat disimpulkan bahwa tidak
terdapat gejala heteroskedastisitas dalam model regresi.
LAMPIRAN
REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2 X3 X4 X5
/SCATTERPLOT=(*SRESID ,*ZPRED)
/RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID).
Regression
Descriptive Statistics
Correlations
Pembelian Outlet SPG Indeks1 Indeks2 Indeks3
Pearson Correlation Pembelian 1.000 .860 .851 .279 -.020 .078
Outlet .860 1.000 .975 .259 -.161 .161
SPG .851 .975 1.000 .295 -.151 .167
Indeks1 .279 .259 .295 1.000 -.333 -.333
Indeks2 -.020 -.161 -.151 -.333 1.000 -.333
Indeks3 .078 .161 .167 -.333 -.333 1.000
Sig. (1-tailed) Pembelian . .000 .000 .117 .466 .372
Outlet .000 . .000 .135 .249 .249
SPG .000 .000 . .104 .262 .241
Indeks1 .117 .135 .104 . .075 .075
Indeks2 .466 .249 .262 .075 . .075
Indeks3 .372 .249 .241 .075 .075 .
N Pembelian 20 20 20 20 20 20
Outlet 20 20 20 20 20 20
SPG 20 20 20 20 20 20
Indeks1 20 20 20 20 20 20
Indeks2 20 20 20 20 20 20
Indeks3 20 20 20 20 20 20
Variables Entered/Removeda
Model Summaryb
Mode R Adjusted R Std. Error of Durbin-
l R Square Square the Estimate Watson
1 .875a .766 .683 89.83689 2.370
a. Predictors: (Constant), Indeks3, Outlet, Indeks2, Indeks1, SPG
b. Dependent Variable: Pembelian
ANOVAa
Sum of Mean
Model Squares df Square F Sig.
1 Regression 370149.457 5 74029.891 9.173 .000b
Residual 112989.325 14 8070.666
Total 483138.783 19
a. Dependent Variable: Pembelian
b. Predictors: (Constant), Indeks3, Outlet, Indeks2, Indeks1, SPG
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 106.571 53.399 1.996 .066
Outlet 24.842 19.818 .747 1.254 .231 .047 21.266
SPG 4.499 26.099 .105 .172 .866 .045 22.193
Indeks1 44.365 62.768 .124 .707 .491 .546 1.831
Indeks2 60.786 57.932 .169 1.049 .312 .641 1.559
Indeks3 13.687 60.331 .038 .227 .824 .591 1.691
a. Dependent Variable: Pembelian
Collinearity Diagnosticsa
Condition Variance Proportions
Model Dimension Eigenvalue Index (Constant) Outlet SPG Indeks1 Indeks2 Indeks3
1 1 3.624 1.000 .01 .00 .00 .01 .01 .01
2 1.016 1.888 .00 .00 .00 .10 .34 .01
3 1.000 1.904 .00 .00 .00 .14 .02 .28
4 .228 3.983 .04 .01 .01 .44 .15 .37
5 .125 5.383 .75 .00 .00 .25 .45 .30
6 .006 25.022 .19 .99 .98 .07 .04 .04
a. Dependent Variable: Pembelian
Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
Predicted Value 185.5954 665.5707 374.204 139.57632 20
0
Std. Predicted Value -1.351 2.088 .000 1.000 20
Standard Error of 40.371 69.597 48.519 8.404 20
Predicted Value
Adjusted Predicted Value 173.3661 645.7133 369.781 137.97870 20
6
Residual -193.71167 173.08751 .00000 77.11554 20
Std. Residual -2.156 1.927 .000 .858 20
Stud. Residual -2.471 2.281 .020 1.002 20
Deleted Residual -254.32420 242.50018 4.42244 105.48373 20
Stud. Deleted Residual -3.170 2.772 .007 1.161 20
Mahal. Distance 2.887 10.453 4.750 2.133 20
Cook's Distance .000 .348 .060 .098 20
Centered Leverage Value .152 .550 .250 .112 20
a. Dependent Variable: Pembelian
Charts
REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2 X3 X4 X5
/SCATTERPLOT=(*SRESID ,*ZPRED)
/RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID)
/SAVE RESID.
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 35.185 33.159 1.061 .307
Outlet 1.391 12.306 .127 .113 .912 .047 21.266
SPG -.496 16.207 -.035 -.031 .976 .045 22.193
Indeks1 -8.770 38.977 -.074 -.225 .825 .546 1.831
Indeks2 9.000 35.974 .076 .250 .806 .641 1.559
Indeks3 43.911 37.463 .372 1.172 .261 .591 1.691
a. Dependent Variable: Abs_Res
NPAR TESTS
/K-S(NORMAL)=RES_1
/MISSING ANALYSIS.
NPar Tests
DAFTAR PUSTAKA
Roza Zelvia, Alva Yenica Nandavita, dan Hotman. 2017. Penerapan Analisis Regresi Dummy
Pada Data Kualitatif Kasus Ekonomi. Hukum dan Ekonomi Syariah, 15(1), 4.
Rizky Primadita Ayuwardani. 2018. Pengaruh Informasi Keuangan dan Non Keuangan
Terhadap Underpricing Harga Saham Pada Perusahaan yang Melakukan Initial Public
Offering. Nominal, 7(1), 6.