MAKALAH

ANALISIS REGRESI BERGANDA

MENGGUNAKAN STATISTICAL ANALYSIS SYSTEM (SAS)

Dosen Pengampuh:
Djoni Hatidja, S.Si., M.Si.

Disusun Oleh:
Fabio F Manikome
211011030017

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM UNIVERSITAS SAM RATULANGI MANADO
2022
ANALISIS REGRESI BERGANDA TENTANG PENGARUH PROMOSI TERHADAP
KEPUTUSAN KONSUMEN MEMBELI PRODUK TERSEBUT

A. Data

Keputusan
Promosi Harga
konsumen (Y)
10 7 23
2 3 7
4 2 15
6 4 17
8 6 23
7 5 22
4 3 10
6 3 14
7 4 20
6 3 19

B. Pengujian Data dengan Statistical Analysis System (SAS)

1. Code
1) /* DATASET TUGAS2 */
2)
3) DATA TUGAS2;
4) INPUT X1 X2 Y;
5) CARDS;
6) 10 7 3
7) 2 3 7
8) 4 5 15
9) 6 4 17
10) 8 6 23
11) 7 5 22
12) 4 3 10
13) 6 3 14
14) 7 4 20
15) 6 3 19
16) RUN;
17)
18) /* MEMBERIKAN LABEL PADA VARIABEL*/
19) DATA TUGAS2;
20) SET TUGAS2;
21) LABEL Y ='Keputusan Konsumen'
22) X1='Promosi'
23) X2='Harga'
 24) ;
25) RUN;
26)
27) /* MENJALANKAN PROC TTEST */
28) PROC TTEST DATA=TUGAS2 ALPHA=0.05;
29) VAR Y X1 X2;
30) RUN;
31)
32) /* MENJALANKAN PROC REGRESI LINEAR */
33) PROC REG DATA=TUGAS2 ALPHA=0.05;
34) MODEL Y = X1 X2;
35) RUN;

2. Melihat Kenormalan Data Melalui Histogram dan Q-Q Plot

3. Analisis Regresi Berganda
 Tingkat Signifikan : 5% = 0.05
 Hipotesis:
Hipotesis nol (H0) : Variabel Promosi dan harga tidak berpengaruh signifikan
terhadap keputusan konsumen membeli deterjen merek “Slibaw”
Hipotesis alternatif (H1): Variabel promosi dan harga berpengaruh signifikan
terhadap keputusan konsumen membeli deterjen merek “Slibaw”
 Berikut adalah penjelasan dari setiap bagian output:
1) Analysis of Variance: Bagian ini memberikan informasi mengenai hasil
uji ANOVA yang digunakan untuk menguji signifikansi model. Dari
tabel tersebut, terlihat bahwa nilai F sebesar 17,90 dan p-value sebesar
0.0018, yang menunjukkan bahwa model tersebut signifikan secara
statistik.
2) Root MSE: Bagian ini menunjukkan nilai Root Mean Square Error
(RMSE) yang digunakan untuk mengukur tingkat akurasi model dalam
memprediksi nilai Y. Nilai RMSE dalam hal ini sebesar 2.52099.
3) R-Square dan Adj R-Sq: R-Square (atau Coefficient of Determination)
adalah nilai yang digunakan untuk mengukur seberapa besar variabilitas
pada Y dapat dijelaskan oleh variabel bebas X. Nilai R-Square dalam hal
ini sebesar 0.8364, yang menunjukkan bahwa 83.64% variabilitas pada
Berat Badan dapat dijelaskan oleh Jumlah Konsumsi Air dan Jumlah
Konsumsi Kalori. Sedangkan Adj R-Sq adalah nilai R-Square yang telah
disesuaikan dengan jumlah variabel bebas dan jumlah sampel. Nilai Adj
R-Sq dalam hal ini sebesar 0.7697.
4) Coeff Var: Coefficient of Variation adalah rasio standar deviasi dengan
mean pada variabel Y. Nilai Coeff Var dalam hal ini sebesar 14.82934.
5) Parameter Estimates: Bagian ini menunjukkan hasil estimasi parameter
untuk model regresi yang digunakan. Nilai intercept dalam hal ini sebesar
3.91873, yang menunjukkan bahwa apabila Jumlah promosi dan Jumlah
harga bernilai nol, maka Keputusan konsumennya akan berada pada
angka 3.91873. Selanjutnya, estimasi koefisien regresi untuk Jumlah
Konsumsi Air adalah 6.57648, yang menunjukkan bahwa jika Jumlah
Konsumsi Air meningkat satu satuan, maka Berat Badan akan meningkat
sebesar 6.57648 satuan. Estimasi koefisien regresi untuk Jumlah
Konsumsi Kalori adalah 0.01670, yang menunjukkan bahwa jika Jumlah
 Konsumsi Kalori meningkat satu satuan, maka Berat Badan akan
meningkat sebesar 0.01670 satuan.
 Kesimpulan:
Dengan demikian, dapat disimpulkan bahwa model regresi yang digunakan
signifikan secara statistik dan mampu menjelaskan sebagian besar variabilitas
pada Berat Badan dengan tingkat akurasi yang cukup baik. Selain itu, Jumlah
Konsumsi Air dan Jumlah Konsumsi Kalori memiliki pengaruh positif
terhadap Berat Badan. Namun, perlu diingat bahwa hasil ini tidak dapat
digeneralisasi secara langsung ke populasi yang lebih luas, karena hanya
didasarkan pada sampel yang terbatas.