MAKALAH STATISTIKA KOMPUTASI

MENGANALIS PAJAK AKTUAL YANG TIDAK TERBAYARKAN DENGAN

ANALISIS REGRESI MENGGUNAKAN STATISTICAL ANALYSIS SYSTEM
(SAS)

Disusun Oleh :
Feliks Samuel Raintung (211011030037)

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

PROGRAM STUDI MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SAM RATULANGI
MANADO
2023
Analisis Regresi Untuk Menentukan Hubungan Antara Jam Kerja Pegawai Dengan Jam Kerja
Mesin Dan Komputer Terhadap Pajak Aktual Yang Tidak Terbayarkan

A. Data
Bulan Jam Kerja Pegawai (X1) Jam Kerja Mesin/ PC Pajak Aktual yang tidak dibayar (Y)
Januari 45 16 29
Februari 42 14 24
Maret 44 15 27
April 45 13 25
Mei 43 13 26
Juni 46 14 28
Juli 44 16 30
Agustus 45 16 28
September 44 15 28
Oktober 43 15 27
B. Penyelesaian Menggunakan SAS
Coding:

/* DATASET TUGAS2 */

DATA TUGAS2;
INPUT X1 X2 Y;
CARDS;
45 16 29
42 14 24
44 15 27
45 13 25
43 13 26
46 14 28
44 16 30

44 16 30
45 16 28
44 15 28
43 15 27

;
RUN;

/* MEMBERIKAN LABEL PADA VARIABEL*/

DATA TUGAS2;
SET TUGAS2;
LABEL Y ='Pajak Aktual Yang Tidak Dibayar'
X1='Jam Kerja Pegawai'
X2='Jam Kerja Mesin atau PC'
 ;
RUN;

/* MENJALANKAN PROC TTEST */

PROC TTEST DATA=TUGAS2 ALPHA=0.05;
VAR Y X1 X2;
RUN;

/* MENJALANKAN PROC REGRESI LINEAR */

PROC REG DATA=TUGAS2 ALPHA=0.05;
MODEL Y = X1 X2;
RUN;

Output:
• Kenormalan Data melalui Q-Q plot dan Histogram

Histogram Data Y
Distribusi Data Y (Q-Q Plot)

Histogram Data X1
Distribusi Data X1 (Q-Q Plot)

Histogram Data X2
 Distribusi Data X2

• Uji Hipotesis dan Uji-t

1) X1 Terhadap Y
- Hipotesis:
H0 : B1 ≠ 0, Artinya variabel X1 tidak berpengaruh signifikan terhadap variabel Y
H1 : B1 ≠ 0, Artinya variabel X1 berpengaruh signifikan terhadap variabel Y

- Nilai α atau nilai signifikan.

α = 5% = 0,05

- Nilai ttabel
ttabel = tα/2. (df) = t0,025 (9) = 2,262

- Nilai thitung
 Berdasarkan hasil output SAS didapat 116,48

- Kesimpulan
Karena nilai thitung > ttabel, maka tolak H0 dan terima H1 yang berarti variabel X1
berpengaruh terhadap Variabel Y

2) X2 Terhadap Y
- Hipotesis:
H0 : B1 ≠ 0, Artinya variabel X2 tidak berpengaruh signifikan terhadap variabel Y
H1 : B1 ≠ 0, Artinya variabel X2 berpengaruh signifikan terhadap variabel Y

- Nilai α atau nilai signifikan.

α = 5% = 0,05

- Nilai ttabel
ttabel = tα/2. (df) = t0,025 (9) = 2,262

- Nilai thitung

Berdasarkan hasil output SAS, nilai thitung adalah 40,09

- Kesimpulan
Karena nilai thitung > ttabel, maka tolak H0 dan terima H1 yang berarti variabel X2
berpengaruh terhadap Variabel Y
• Analisis Regresi Berganda

Interpretasi:
1) Menentukan Hipotesis
𝐻0 ∶ 𝛽1 = 𝛽2 = 0 artinya variabel X1 dan X2 tidak berpengaruh terhadap variabel Y
𝐻1 ∶ 𝛽1 ≠ 𝛽2 ≠ 0 artinya variabel X1 dan X2 berpengaruh terhadap variabel Y
2) Tingkat Signifikan: α = 0,05
3) Output SAS:
- 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 9.41 dan p-value sebesar 0.0104, yang menunjukkan bahwa
model tersebut signifikan secara statistik.
 - 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 0,7289 atau
menunjukkan 72,89% dapat dijelaskan oleh variabel x1 dan x2 dan sebanyak 27,11%
dijelaskan oleh variabel lainnya.

- Coeff Var: Coefficient of Variation adalah rasio standar deviasi dengan mean pada
variabel Y. Nilai Coeff Var dalam hal ini sebesar 3,936.

- Persamaan Regresi Berganda (2 Variabel yang mempengaruhi)

Yi = α + βx1 + βx2

Dalam output SAS ditunjukkan oleh parameter, yang dimana:

Yi = -13,8196 + 0,5636x1 + 1,099x2
Artinya setiap ketambahan 1 jam kerja pegawai akan mengakibatkan bertambahnya
0,5636 Pajak Aktual yang tidak dibayarkan. Dan jika ketambahan 1 jam kerja mesin
atau PC maka akan menambah 1,0099 pajak aktual yang tidak dibayarkan.

C. Kesimpulan
Dari output SAS didapatkan persamaan regresi Yi = -13,8196 + 0,5636X1 + 1,099X2 dan
Koefisien Determinasi yang besarnya 0,7289 atau data Y dapat dipengaruhi oleh data X1
dan X2 sebesar 72,89%. 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.