TUGAS MATA KULIAH STATISTIK BISNIS

CHAPTER 13. KORELASI DAN REGRESI LINEAR

Nama Mahasiswa : Jhon K. Simarmata

NIM : 12030122413037
Kelas : BPS Batch IV
Mata Kuliah : Statistik Bisnis
Dosen Pengampu : Dr. Dwi Ratmono, SE., M.Si., Akt., CA

Tambahan soal:
Buatlah scatter diagram dan analisis korelasi Pearson serta interpretasikan output SPSS berupa
koefisien determinasi, nilai F dan nilai t / p-value!
Hubungan antara Jumlah Panggilan terhadap Klien (x) dan Penjualan (y) dapat digambarkan pada
Diagram Scatter seperti dibawah ini.

Diagram Scatter
140
120
100
Penjualan (y)

80
60
40
20
0
0 10 20 30 40 50 60
Jumlah Panggilan thd Klien (x)

Dari diagram scatter, secara kasat mata terlihat bahwa semakin tinggi jumlah panggilan terhadap
klien, maka akan semakin tinggi juga nilai penjualan.

MENGHITUNG KORELASI PEARSON

Jumlah
panggilan Penjualan
̅
x-𝒙 ̅
y-𝒚 ̅)(y - 𝒚
(x - 𝒙 ̅) ̅ )2
(x - 𝒙 ̅ )2
(y - 𝒚
thd klien (y)
(x)
14 24 -19,4 -37,1 719,74 376,36 1.376,41
12 14 -21,4 -47,1 1.007,94 457,96 2.218,41
20 28 -13,4 -33,1 443,54 179,56 1.095,61
16 30 -17,4 -31,1 541,14 302,76 967,21
46 80 12,6 18,9 238,14 158,76 357,21
23 30 -10,4 -31,1 323,44 108,16 967,21
48 90 14,6 28,9 421,94 213,16 835,21
50 85 16,6 23,9 396,74 275,56 571,21
55 120 21,6 58,9 1.272,24 466,56 3.469,21
50 110 16,6 48,9 811,74 275,56 2.391,21
334 611 0 0 6.176,60 2.814,40 14.248,90

∑(𝑥−𝑥̅ )2 2.814,40 ∑(𝑦−𝑦̅)2 14.248,90

Sx = √ 𝑛−1
=√ 9
= 17,68 Sy = √ 𝑛−1
=√ 9
= 39,79

∑(𝑥−𝑥̅ )(𝑦−𝑦̅) 6.176,60

r= (𝑛−1)𝑠𝑥 𝑠𝑦
= (9)(17,68)(39,79) = 0,9755 ; koefisien korelasi adalah positif 0,975

r2 = (0,9755)2 = 0,9516 ; koefisien determinasi adalah 0,951

Sebelum diinterpretasikan, nilai koefisien korelasi harus diuji dulu signifikansi dari koefisien korelasi
tersebut.

UJI SIGNIFIKANSI KOEFISIEN KORELASI

H0: ρ = 0
H1: ρ ≠ 0

Uji dua arah, hipotesis nol dapat ditolak pada nilai koefisien korelasi positif maupun negatif.

Pada uji ini digunakan uji t dengan level signifikan 0,05 dan derajat bebas n-2 = 8.

Dari tabel t didapatkan nilai tkritis adalah 2,306.

Daerah tolak H0 jika nilai thitung > 2,306 atau thitung < -2,306.

-2.306 2.306

Menghitung Nilai t-hitung:

𝑟 √𝑛−2 0,9755√8
t= = = 9,9149
𝑟√1−𝑟 2 √1−0,9516

Nilai t-hitung adalah 9,9149 berada pada area tolak H0. Oleh karena itu H0 ditolak pada level signifikan
0,05. Sebelumnya kita telah mendapatkan nilai koefisien korelasi = 0,975. Sehingga dapat disimpulkan
bahwa terdapat korelasi yang signifikan dan kuat antara jumlah panggilan terhadap klien dan
banyaknya penjualan.

MENENTUKAN PERSAMAAN REGRESI

Bentuk persamaan regresi:

𝑦̂ = a + bx

Dimana:

𝑦̂ = nilai estimasi y, dimana y adalah banyaknya penjualan

a = intersep. Nilai estimasi y ketika x = 0

b = slope/ kemiringan, atau rata-rata perubahan 𝑦̂ ketika x berubah sebanyak 1 unit.

x = variabel bebas, jumlah panggilan terhadap klien.

Menentukan nilai b:
𝑠 39,79
b = r(𝑠𝑦 ) = 0,9755 x (17,68) = 2,1954
𝑥
Menentukan nilai a:

a = 𝑦̅ - b𝑥̅ = 61,1 – (2,195)(33,4) = -12,201

Masukkan nilai b dan a ke dalam persamaan regresi:

𝑦̂ = a + bx

𝑦̂ = -12,201 + 2,195x

Dimana:

𝑦̂ = estimasi nilai penjualan (ribu $)

x = jumlah panggilan terhadap klien

UJI SIGNIFIKANSI DARI SLOPE

H0: 𝛽 ≤ 0
H1: 𝛽 > 0

Uji satu arah dengan level signifikan 0,05. Arah positif berdasarkan koefisien korelasi yang positif.

Pada uji ini menggunakan uji t dengan derajat bebas n-2 = 10-2 = 8

Dari tabel t didapatkan nilai tkritis adalah 1,860.

Daerah tolak H0 jika nilai thitung > 1,860.

Menghitung nilai t-hitung:

𝑏−0 2,1954 − 0
t= = = 12,5094
𝑠𝑏 0,1755

nilai sb = 0,1755 diperoleh dari output SPSS.

Dari penghitungan didapatkan nilai t-hitung = 12,5094 > t-kritis = 1,860 maka tolak H0 pada level
signifikan 0,05. Dapat disimpulkan bahwa slope/kemiringan besar dari nol atau terdapat pengaruh
jumlah panggilan terhadap penjualan.

TENTUKAN ESTIMASI PENJUALAN JIKA 40 PANGGILAN DILAKUKAN

Sebelumnya telah didapatkan persamaan regresi 𝑦̂ = -12,201 + 2,195x

Atau dapat ditulis:

Nilai Penjualan = -12,201 + 2,195(Jumlah Panggilan thd Klien)

Jika dimasukkan Jumlah panggilan sebesar 40 pada persamaan, maka:

Nilai Penjualan = -12,201 + (2,195)(40) = 75,599

Jika jumlah panggilan adalah 40, maka estimasi nilai penjualan adalah $75.599,00.
INTERPRETASI OUTPUT SPSS (koefisien determinasi, uji F, dan uji t)

Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 .975a .951 .945 9.31045

a. Predictors: (Constant), Jumlah Panggilan thd Klien

Koefisien Determinasi = 0,951 atau 95,1 persen menunjukkan bahwa 95,1 persen variasi dari nilai
penjualan dapat dijelaskan oleh variasi jumlah penggilan terhadap klien.

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 13555.425 1 13555.425 156.377 .000b

1 Residual 693.475 8 86.684

Total 14248.900 9

a. Dependent Variable: Penjualan

b. Predictors: (Constant), Jumlah Panggilan thd Klien

Nilai p-value =0,000 atau kurang dari 0,05, maka keputusannya adalah tolak H0 artinya persamaan yg
terbentuk berpengaruh signifikan terhadap jumlah penjualan. Interpretasi uji F ini akan lebih tepat
pada persamaan Regresi Linear Berganda.

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) -12.201 6.560 -1.860 .100

1
Jumlah Panggilan thd Klien 2.195 .176 .975 12.505 .000

a. Dependent Variable: Penjualan

Uji t pada persamaan regresi memberikan hasil p-value konstan = 0,10 dan nilai p-value variabel
“jumlah panggilan thd klien = 0,000. Maka dapat disimpulkan nilai konstan tidak berpengaruh
signifikan terhadap penjualan; sedangkan variabel jumlah panggilan thd klien berpengaruh siginifikan
pada penjualan pada level signifikan 0,05.