Jawaban
Soal nomor 1
Misalnya :
Tapi tidak semua masalah statistic tersebut harus diselesaikan dengan statistic yang
sederhana cukup kita menggunakan statistic univariat atau bivariat.
Data yang digunakan adalah Produk Domestrik Bruto (PDB) yang diduga
dipengaruhi oleh Konsumsi Masyarakat dan Investasi Tahun 2000-2015
a. Jenis data menurut waktu yang saya gunakan adalah jenis data berkala atau time series
data. Data ini diambil secara kontinu dari waktu ke waktu yaitu tahun 2000 hingga 2015
untuk mengetahui perkembangan dari objek yang diteliti.
b. Jenis data dari skala pengukuran kwantitatif adalah data yang kontinu atau numerik.
Seluruh variabel yang saya gunakan yaitu PDB,Konsumsi, dan investasi berjenis data
numerik dan Tahun adalah variabel keterangan(string)
c. Hasil Regresi :
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 57965013.138 14759404.136 3.927 .002
Konsumsi -7.134 2.963 -.773 -2.408 .032 .039 25.777
Investasi 7.361 11.620 .203 .633 .537 .039 25.777
a. Dependent Variable: Produk_Domestik_Bruto
• Persamaan Regresi
Pada kasus yang dianalisis diatas menggunakan uji regresi linear berganda, maka
bentuk persamaan regresinya adalah :
𝒀 = 𝒃𝟏 𝑿𝟏 + 𝒃𝟐 𝑿 𝟐 + 𝒂
PDB = 57965013 -7.134*Konsumsi + 7.361*Investasi
• Hipotesis
H0 = Koefisien regresi tidak berpengaruh signifikan terhadap PDB
H1 = Koefisien regresi berpengaruh signifikan terhadap PDB
• nilai a (konstanta) = 57965013, artinya PDB akan bernilai tetap atau konstan
sebesar 57965013 apabila tidak dipengaruhi oleh Konsumsi dan Investasi
• nilai b1(konsumsi) = -7.134, artinya konsumsi memiliki pengaruh negative
terhadap PDB. Setiap kenaiakan satu satuan konsumsi masyarakat, maka PDB
akan semakin turun sebesar 7.134.
• nilai b2(investasi) = 7.361, artinya setiap keniakan satu satuan investasi maka
PDB akan semakin naik sebesar 7.361.
e. Uji F
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 1145380703370 2 5726903516851 118.442 .000b
309.500 54.800
Residual 6285757072096 13 4835197747766
0.080 .160
Total 1208238274091 15
269.500
a. Dependent Variable: Produk_Domestik_Bruto
b. Predictors: (Constant), Investasi, Konsumsi
Hipotesis
H0 = Model tidak layak digunakan(tidak Terdapat variabel independent yang
signifikan terhadap PDB)
H1 = Model layak digunakan(Terdapat variabel independent yang signifikan
terhadap PDB)
• Kesimpulan
Dikarenakan nilai probabilitas/sig <0.05 maka H0 ditolak atau H1 diterima,
disimpulkan Model layak digunakan(Terdapat variabel independent yang
signifikan terhadap PDB)
Tujuan Uji F adalah langkah pertama yang dilakukan dalam analisis regresi yaitu untuk
melihat secara overall atau keseluruhan apakah terdapat variabel independent yang
signifikan terhadap variabel dependen. Apabila disimpulkan dari Uji F adlaah H1.
Artinya terdapat minimal 1 variabel independent yang signifikan terhadap variabel
dependen(model layak digunakan).
f. Nilai R Square
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .974a .948 .940 2198908.308 1.435
a. Predictors: (Constant), Investasi, Konsumsi
b. Dependent Variable: Produk_Domestik_Bruto
• Nilai R Square adalah 0.948, artinya sebesar 94.8 % variabel PDB dipengaruhi
oleh variabel konsumsi dan investasi. Sedangkan sisanya 4.2% dipengaruhi oleh
factor selain konsumsi dan investas
Correlations
Produk_Domesti
k_Bruto Konsumsi Investasi
Pearson Correlation Produk_Domestik_Bruto 1.000 -.973 .962
Konsumsi -.973 1.000 -.980
Investasi .962 -.980 1.000
Sig. (1-tailed) Produk_Domestik_Bruto . .000 .000
Konsumsi .000 . .000
Investasi .000 .000 .
N Produk_Domestik_Bruto 16 16 16
Konsumsi 16 16 16
Investasi 16 16 16
• Nilai korelasi antara X1 dan X2 sebesar -0.980 hal ini berarti hubungan korelasi
antara konsumsi dan invesitas sangat kuat yang mengindikasikan adanya
multikolinearitas yaitu terdapat korelasi antar variabel independent.
g. Uji Prasayarat dan Asumsi
• Linearitas :
Hasil uji linieritas dapat dilihat dari deviation from liniearity. Dapat diketahui bahwa nilai
deviation from linearity adalah 0,00. Hal ini berarti 0,00 < 0,05, sehingga uji liniearitas
diterima.
• Multikolinearitas
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 57965013.138 14759404.136 3.927 .002
Konsumsi -7.134 2.963 -.773 -2.408 .032 .039 25.777
Investasi 7.361 11.620 .203 .633 .537 .039 25.777
a. Dependent Variable: Produk_Domestik_Bruto
Nilai Tolerance adalah 0.039 dan VIF 25.777. Hal ini berarti nilai VIF yang melebihi 10
mengindikasikan terjadinya multikolinearitas, sehingga uji no multikolinearitas ditolak.
• Normalitas Residual
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Unstandardized Residual .148 16 .200* .938 16 .320
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Dikarenakan data yang kita miliki kurang dari 50, maka uji normalitas yang sesuai adalah
Saphiro Wilk Normality test. Diperoleh nilaio sig sebesar 0.320 yang artinya H0 diterima,
disimpulkan residual berdistribusi normal. Uji Normalitas residual terpenuhi.
• No Autokorelasi
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .974a .948 .940 2198908.308 1.435
a. Predictors: (Constant), Investasi, Konsumsi
b. Dependent Variable: Produk_Domestik_Bruto
nilai DW = 1.435
nilai dU = 1.5386
Nilai DW tidak berada di antara dU dan 4-dU sehingga disimpulkan terdapat autokorelasi.
Disimpulkan asumsi no autokorelasi tidak terpenuhi
• Uji Heteroskedastisitas
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 5669636.043 9910857.105 .572 .577
Konsumsi -.634 1.990 -.425 -.319 .755
Investasi -4.277 7.803 -.730 -.548 .593
a. Dependent Variable: abs_res
Melalui uji glejser di atas, diketahui nilai sig dari variabel konsumsi dan investasi > 0.05,
sehingga disimpulkan tidak terjadi heteroskedastisitas. Sehingga asumsi
homoskedastisitas terpenuhi.
h. Perlu dilakukan uji autokorelasi pada data ini. Dikarenakan data yang digunakan ber
jenis time series atau menggunakan deret waktu yang diamati setiap tahunnya. Indikasi
autokorelasi terjadi apabila terdapat korelasi pada error pada rentetan waktu yang terjadi.
Sehingga pada analisis ini sangat diperlukan uji autokorelasi.
Kesimpulan :
Berdasarkan uji linearitas dan 4 uji asumsi klasik di atas, terdapat beberapa asumsi atau
persyaratan yang tidak memenuhi asumsi seperti multikolinearitas dan autokorelasi. Hal
ini akan berdampak pada forecasting populasi nantinya. Sehingga saran yang diperlukan
adalah melakukan penanganan terhadap asumsi yang tidak terpenuhi tersebut seperti
melakukan transformasi data.
Soal nomor 3
Jumlah penjualan (Y) dalam puluhan unit 50 150 250 350 450
Jumlah promosi (X) dalam jutaan rupiah 500 1000 1500 2000 2500