Devincent Jonathan 01011180140

Assignment Topic 13

Exercise 15.10
a.
Table 15.A
1. Ini menunjukkan distribusi variabel. Variabel Penjualan dan Jumlah Tenaga Penjual
hampir terdistribusi secara seragam karena rata-rata hampir mendekati rata-rata nilai
penjualan minimum dan maksimum. Hal ini menunjukkan bahwa kinerja tenaga
penjual dalam hal jumlah kuantitas yang terjual hampir sama.
2. Variabel Pendapatan per kapita sangat miring karena rata-rata jauh dari nilai
maksimum. Sebagian besar pendapatan Penjual adalah sekitar 20,1 ribu dolar AS,
tetapi beberapa karyawan berpenghasilan lebih dari rata-rata meskipun kinerja rata-
rata. Pengeluaran iklan terlihat merata antara 6 dan 15 ribu.
Tabel 15.B
1. Penjualan dan Jumlah Tenaga Penjualan sangat berkorelasi dengan koefisien korelasi
0,76. Jelas sekali bahwa total penjualan akan meningkat dengan no. Tenaga
penjualan. Populaton juga menunjukkan korelasi yang baik dengan penjualan.
2. Jika kita melihat korelasi dengan pendapatan yaitu 0,56, diharapkan kinerja Tenaga
Penjual akan tumbuh karena perusahaan lebih banyak berinvestasi pada mereka, Jika
perusahaan membayar tenaga penjual lebih dari rata-rata, maka kinerja mereka
tercermin dalam penjualan. Ini terlihat aneh bahwa Penjual dengan pendapatan lebih
banyak memberikan kontribusi yang kurang dari yang diharapkan dalam keseluruhan
penjualan.
3. Iklan. Pengeluaran juga menunjukkan korelasi yang baik dengan koefisien 0,68
Table 15.C
1. Tabel ini menunjukkan hasil one way anova, jika kita mengelompokkan tenaga
penjual tersebut menurut tingkat Pendidikannya. Variasi karena interaksi antar sampel
dilambangkan dengan Jumlah Kuadrat Antar Kelompok. Jika mean sampel dekat satu
sama lain, ini akan menjadi kecil. Ini kira-kira 50 berarti nilai rata-rata hampir sama
dengan yang lain. Karena derajat kebebasan adalah 4, berarti digunakan 5 sampel.
2. Variasi karena perbedaan dalam sampel individu adalah jumlah kuadrat dalam
kelompok. Setiap sampel dianggap independen, tidak ada interaksi antar sampel yang
 terlibat. Derajat kebebasan sama dengan jumlah derajat kebebasan individu untuk
setiap sampel.
3. Variabel F adalah rasio dua variabel chi-square independen dibagi dengan derajat
kebebasan masing-masing. Statistik uji F ditemukan dengan membagi varians antara
kelompok dengan varians dalam kelompok.
Table 15.D
1. Nilai R kuadrat adalah persentase variasi yang dijelaskan oleh data. Ini kurang dari
50% yang tidak cukup. Itu berarti hanya 43% variasi yang dijelaskan oleh data kami.
Variabel Target kami adalah Penjualan di sini.
2. Untuk memprediksi Penjualan secara akurat, kita perlu mengoptimalkan model kita.
Jika kita melihat nilai-p untuk semua variabel input yang dipertimbangkan, hanya 3
variabel yang terlihat signifikan dari 5.
3. Juga Adj R kuadrat tidak mendekati nilai kuadrat R. Ini berarti kita perlu menarik
beberapa variabel penting atau kita perlu mengoptimalkan menggunakan
hyperparameter yang lebih baik.
4. Model ini tidak dapat digunakan untuk memprediksi kecuali kita meningkatkan R
kuadrat menjadi 70%.
b.
- Penjual tidak sejalan dalam hal populasi dan jenis kota.
- Pengeluaran iklan tidak relatif terhadap populasi karena keduanya terlihat
proporsional.
- Tenaga penjualan yang dibayar lebih banyak terlihat kurang efisien dalam kinerja
penjualannya
- Variabel input tidak cukup untuk memprediksi Penjualan.
c.
Recommendations:
- Jumlah Tenaga Penjual harus proporsional dengan jenis area. Jika daerahnya
perkotaan, maka lebih banyak orang harus disejajarkan dan itu akan membantu
menarik lebih banyak pelanggan.
- Iklan. Pengeluaran tidak boleh terlalu tinggi untuk kota yang tidak terlalu ramai, tetapi
untuk kota dengan populasi tinggi. Ini akan membantu mengoptimalkan biaya.
- Tenaga penjualan harus dibayar atas kinerja mereka. Jumlah variabel harus lebih
tinggi untuk memotivasi karyawan agar tumbuh dengan cepat.
 - Untuk memprediksi penjualan di masa depan, kita perlu membawa lebih banyak
variabel. Variabel seperti latar belakang keuangan Penjual, pendidikan, dan wilayah
yang mereka layani akan sangat membantu.

CASE STUDY

1.
a. Model regresi harus didasarkan terutama pada pertimbangan teoritis daripada empiris atau
metodologis. Model regresi berganda sebenarnya, pernyataan teoritis tentang hubungan
kausal antara satu atau lebih dari satu variabel independen dan variabel dependen. Dapat
diamati bahwa analisis regresi melibatkan tiga tahap: Spesifikasi mode, estimasi parameter
model dan interpretasi parameter ini. Spesifikasi adalah tahap pertama dan paling kritis.
Estimasi dan interpretasi parameter tergantung pada spesifikasi model yang benar. Masalah
bisa muncul setiap kali kita salah menentukan model. Dua kesalahan spesifikasi tipe dasar.
Pertama, kita salah menentukan model dengan memasukkan dalam persamaan regresi
variabel independen yang secara teoritis tidak relevan. Dan kedua, kami salah menentukan
model dengan mengecualikan dari persamaan regresi variabel independen yang secara teoritis
relevan.
b. Menurut saya, model Timotius dapat dilihat sebagai metode terbaik untuk jenis penelitian
ini. Kami dapat menyatakan bahwa model konseptual dapat dilihat sebagai cara yang tepat
untuk menggambarkan konsep tertentu atau kombinasi konsep yang dapat digunakan oleh
individu untuk lebih memahami model subjek. Dalam studi kasus yang diberikan di sini, alat
dan standar deviasi variabel disajikan oleh Timothy bersama dengan hasil analisis regresi
berganda yang terutama dilakukan untuk mengevaluasi hipotesis.
2. Jika kita melihat analisis regresi sederhana dan analisis regresi berganda, kita akan
menemukan bahwa hanya ada satu variabel dependen tetapi dalam kasus di mana satu
variabel independen digunakan untuk memperkirakan nilai variabel dependen, itu dapat
dilihat sebagai regresi yang paling dasar. analisis. Analisis regresi berganda tidak lain adalah
bentuk rinci dan ekstensif dari analisis regresi sederhana dan ini terutama digunakan ketika
dua atau lebih variabel independen digunakan untuk memperkirakan variabel dependen.
Jumlah variabel independen terutama membedakan analisis regresi sederhana dan analisis
regresi berganda.
3. Untuk menguji hipotesis penelitian ada lebih dari satu variabel dalam kasus penelitian
Timotius. Regresi sederhana terutama adalah analisis regresi di mana satu variabel digunakan
untuk memprediksi perubahan variabel dependen lainnya. Tujuan utamanya adalah untuk
memprediksi nilai variabel dependen yang bergantung pada dua atau lebih variabel
independen. Akan ada persyaratan dari banyak responden agar dia dapat menggeneralisasikan
hasil pada mahasiswa. Ini akan memberikan hasil yang lebih baik dan lebih tepat dari statistik
dan analisis regresi.
4. Y= 2.21 + 0.088X1 + 0.39X2 + 0.275X3 + 0.071X4 + 0.109X5 + 0.146X6 + 0.137X7

X1: Suasana kerja

X2: Peluang kerja

X3: Karakteristik industry

X4: Excitement

X5: Sincerity

X6: Norma subjektif

5.
a. 0.365
b. 36.5%
c. 2.213
d. Not significant to the model
e. Hasil dari nilai tabel F tidak akan lebih tinggi dari 2
6.
a. Kasus ini adalah kasus dimana adanya 2 variabel independent yang memiliki korelasi atau
hubungan tinggi satu sama lain sehingga regresi mustahil di dapat.
b. Correlation Matrix dan Tolerance Value. Saya lebih memilih tolerance value karena
metode ini lebih efektif.
c. Caranya adalah dengan mengurangi variable independent yang digunakan.
d. Menurut saya, multicollinearity tidak terlalu menjadi masalah di kasus ini karena adanya
tabel korelasi independent variable.
7. Setuju
8. Proses melakukan agresi memungkinkan untuk menentukan faktor mana yang paling
penting, faktor mana yang dapat diabaikan, dan bagaimana faktor-faktor ini saling
mempengaruhi.
9.
a. Berikan persamaan model baru: ide-ide Song tentang efek moderasi gender pada hubungan
antara prestise dan daya tarik pemberi kerja
b. Berikan persamaan model baru: ide Song tentang efek moderasi gender pada hubungan
antara prestise dan ketertarikan pemberi kerja
10. Pernyataan yang diberikan menunjukkan bahwa pertimbangan teoritis di tempat
pertimbangan empiris atau metodologis harus menjadi dasar utama di mana spesifikasi model
regresi bergantung. Model regresi berganda dapat dilihat sebagai pernyataan teoritis yang
mencerminkan hubungan kasual yang ada antara satu atau lebih variabel independen dan
variabel independen terkait. Dapat dikatakan bahwa analisis regresi terdiri dari tiga tahapan
berbeda yang diberikan sebagai berikut:
1. Spesifikasi mode
2. Estimasi parameter model
3. Interpretasi parameter
Tahap yang paling penting adalah spesifikasi dan spesifikasi yang akurat akan menentukan
estimasi dan interpretasi parameter. Ketika ada model yang salah ditentukan, kami dapat
menghadapi beberapa jenis kesulitan.