Kelompok 12
Adhitiya Surya Pratama (06201002)
Aulia Rengganis (06201008)
Ezra Carolin Daudry Karapang (06201012)
1. Bagaimana statistika deskriptif dari data iklan koran, iklan tv dan iklan radio terhadap
penjualan kopi?
2. Bagaiman analisis korelasi antara iklan koran, iklan tv dan iklan radio
3. Bagaimana model regresi liner berganda melalui pendekatan matriks dari iklan koran,
iklan tv dan iklan radio terhadap penjualan kopi?
4. Bagaimana pengujian parameter regresi linier berganda dari iklan koran, tv dan radio
terhadap penjualan kopi?
5. Bagaimana pengujian asumsi residual IIDN (identik, independent, berdistribusi normal)
dari data iklan koran, tv dan radio terhadap segi penjualan kopi?
1.3. Tujuan Penelitian
1. Mengetahui statistika deskriptif dari data iklan koran, iklan tv dan iklan radio terhadap penjualan kopi?
2. Mengetahui analisis korelasi antara iklan koran, tv dan radio terhadap penjualan kopi?
3. Mengetahui model regresi liner berganda melalui pendekatan matriks dari iklan koran, iklan tv dan iklan
radio terhadap penjualan kopi?
4. Mengetahui pengujian parameter regresi linier berganda dari iklan koran, tv dan radio terhadap
penjualan kopi?
5. Mengetahui pengujian asumsi residual IIDN (identik, independent, berdistribusi normal) dari data iklan
koran, tv dan radio terhadap segi penjualan kopi?
Statistik deskriptif atau statistik deduktif adalah bagian dari statistik mempelajari cara
pengumpulan data dan penyajian data sehingga muda dipahami. Statistik deskriptif hanya
berhubungan dengan hal menguraikan atau memberikan keterangan-keterangan mengenai
suatu data atau keadaan atau fenomena. Dengan kata statistik deskriptif berfungsi menerangkan
keadaan, gejala, atau persoalan. Penarikan kesimpulan pada statistik deskriptif (jika ada) hanya
ditujukan pada kumpulan data yang ada (Hasan 2001: 7).
a. Rata-rata (mean)
Mean merupakan rata-rata dari sekumpulan data yang kita miliki. Dengan menggunakan rumus yang
sederhana yaitu dengan menjumlahkan nilai dari seluruh data yang dimiliki dan membaginya dengan
jumlah data tersebut.
X1+X2+⋯+Xn
Xrata-rata = (2.1)
n
Median adalah nilai tengah dari sebuah data. Sekumpulan data kita bisa mengurutkan data tersebut dari nilai
terkecil hingga terbesar. Jika kita memiliki jumlah data ganjil, maka nilai tengah data tersebut akan langsung
menjadi median. Namun bila kita memiliki data genap, kita perlu menemukan nilai rata-rata dari nilai tengah data
tersebut.
Varians merupakan ukuran seberapa jauh menyebar dari nilai rata-ratanya. Semakin kecil nilai varians, semakin
dekat sebaran data dengan rata-rata. Semakin besar nilai varian, semakin besar sebaran data terhadap nilai
rata-ratanya.
1. Data sampel
𝑛
𝑋𝑖−𝑋𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 2
𝑆2 = 𝑖=𝑙
𝑛−1
2. Data Populasi
𝑛 2
𝑖=𝑙 𝑋𝑖 − 𝜇𝑥
𝜎2 =
𝑁
e. Standar Devisiasi
Standar deviasi merupakan ukuran lain dari sebaran data terhadap rata-ratanya. Bila anda menggunakan
varians, maka nilai yang anda dapatkan sangatlah besar. Nilai ini tidak mampu menggambarkan bagaimana
sebaran data yang sebenarnya terhadap rata-rata.
2
(𝑋 − 𝑋𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎)
𝑆=
𝑛−1
2. Data Kelompok
2
𝑓 𝑋−𝑋
𝑆=
𝑛−1
Dimana n = 𝑓
2.2 Analisis Korelasi
Uji hipotesis juga bisa dilakukan pada analisis korelasi. Uji ini digunakan untuk membuktikan
apakah antar variabel memiliki hubungan korelasi yang signifikan atau tidak.
H0 : r=0
(tidak terdapat hubungan korelasi yang signifikan antara variabel x dan y)
H1 : r\= 0
(t terdapat hubungan korelasi yang signifikan antara variabel x dan y)
Layaknya uji hipotesis lain, bila nilai p-value lebih kecil dari alpha, maka H0 ditolak dan H1 diterima. Begitu juga
sebaliknya.
Hipotesis
H0 : βj = 0
H1 : βj ≠ 0 , j=1,2,...,p
Menentukan tingkat signifikansi
Tingkat signifikansi yang digunakan adalah α=0,05
Statistik Uji
Daerah Penolakan H0 ditolak jika |thitung| ≥ tα/2 (n-p-1) atau p-value < α
Kesimpulan
Jika H0 ditolak, maka dapat disimpulkan bahwa telah terjadi heteroskedastisitas.
b. Uji Residual Independen
Uji residual independen digunakan untuk melihat apakah komponen error berkorelasi dengan urutan waktu,
urutan ruang, atau korelasi pada komponen error itu sendiri. Apabila terjadi korelasi pada residual itu artinya
bahwa residual terjadi autokorelasi. Salah satu cara untuk mendeteksi adanya autokorelasi adalah dengan
melakukan Uji Durbin Watson. Adapun Hipotesis Uji Durbin Watson adalah sebagai berikut.
Hipotesis
Statistik Uji
Daerah Penolakan H0
H0 ditolak jika 0 < dhitung < dL atau 4-dL < dhitung < 4
Kesimpulan
Jika H0 ditolak, maka dapat disimpulkan bahwa telah terjadi autokorelasi yang artinya bahwa residual tidak
independen.
c. Residual Berdistribusi Normal
Salah satu uji yang dapat menguji residual berdistribusi normal adalah dengan menggunakan Uji Kolmogorov-
Smirnov. Hipotesis dari Uji Kolmogorov-Smirnov adalah
Hipotesis
Statistik Uji
D = Supx |S (x) – F0 (x)|
Daerah Penolakan H0
H0 ditolak jika D > Dq (1-α) atau p-value < α
Kesimpulan
Jika H0 ditolak, maka dapat disimpulkan bahwa residual tidak berdistribusi normal
BAB 3
METODOLOGI PENELITIAN
3.1 Sumber Data
Data yang digunakan kali ini adalah data penjualan kopi janji jiwa. Data yang diperoleh dari website syukak yang
disusun oleh Timbul Widodo dan di upload pada tahun 2016.
Variabel penelitian yang digunakan untuk menganalisis data pada praktikum kali ini adalah sebagai berikut.
Tabel 3.3
Y X1 X2 X3
215.36 20.98 27.9 13.23
295.15 22.41 32.28 13.44
254.26 22.38 29.49 15.26
452.62 23.21 39.17 18.45
330.92 23.25 34.25 19.58
320.14 23.45 33.63 12.03
254.25 24.86 29.38 13.87
235.26 24.88 29.19 15.69
302.21 25 32.82 16.35
312.25 25.12 33.34 12.88
222,32 25.87 29.14 18.97
265.99 25.89 32.09 12.05
300.12 26.23 32.33 12.23
265.21 26.23 30.22 15.87
354.25 26.25 35.42 13.67
323.45 28.94 33.72 18.29
362.02 29.8 35.84 15.26
423 32.26 37.12 13.56
400.23 32.79 36.1 18.78
412.6 33.45 36.85 13.02
423.22 33.98 37.44 16.59
400.25 34.55 36.15 14.23
366.25 34.76 35.92 15.26
435.23 35.99 38.2 15.78
430.22 36.21 37.91 13.33
352.16 36.25 34.79 12.89
365.21 36.87 35.91 12.45
415.25 36.99 36.96 19.25
415.25 40.12 38.98 14.32
330.330 28.22 30.332 15.15
3.4 Langkah Analisis
Adapun Langkah-langkah analisis yang digunakan pada penelitian kali ini yaitu sebagai berikut :
1. Mengumpulkan data
2. Melakukan analisis statistika deskriftif
3. Melakukan analisis korelasi
4. Menganalisis model regresi linier berganda melalui pendekatan matriks
5. Melakukan pengujian parameter dan regresi linier berganda dengan uji serentak dan uji parsial
6. Melakukan pengujian asumsi residual IIDN
7. Melakukan interprestasi dat
8. Menarik kesimpulan
3.5 Diagram Alir
MULAI
MENGUMPULKAN KESIMPULAN
DATA
ANALISIS
KORELASI
BAB 4
ANALISIS DAN
PEMBAHASAN DATA
4.1. Statistika Deskriptif
Perhitungan statistik deskriptif dilakukan untuk melihat data yang kita lihat dari nilai standar deviasi,
mean, median, nilai minimum dan maksimum. Berikut adalah hasil minitab statistika deskriptif dari data
yang diperoleh.
Tabel 4.1 dapat diketahui bahwa rata-rata penjualan kopi yaitu 345.3 dengan standard deviasi 67.6,
dimana nilai minimumnya 352.2 dan maksimumnya 452.6. Rata-rata iklan koran sebesar 29.24 dengan
standar deviasi 5.55 dimana nilai minimum 27.23 dan nilai maksimum 40.12. Rata-rata iklan tv 34.096
dengan standar deviasi 3.269 dimana nilai minumumnya 34.520 dan nilai maksimumnya 39.170. Rata-
rata 15.058 dengan standar deviasi 2.328 dimana nilai minimum 14.753 dan maksimum 19.580.
4.2. Analisis Korelasi
Analisis dilakukan untuk melihat apakah ada hubungan linier antara penjualan kopi dengan iklan
koran, iklan tv dan iklan radio. Untuk mengetahui pola hubungan linier antara variabel-variabel
tersebut, maka kita membuat scatterplot. Berikut adalah hasil scatterplot::
Gambar 4.2 menunjukan bahwa antara penjualan kopi (Y) dengan iklan koran (X1) memiliki hubungan linier
berbanding lurus. Antara penjualan kopi (Y) dengan iklan tv (X2) memiliki hubungan linier berbanding lurus.
Kemudian antara penjualan kopi (Y) dengan iklan radio (X3) berbanding lurus.
Table 4.2 Hasil Uji Korelasi Penjualan kopi dan ketiga variabel predictor
pada level signifikan 0.05, didapatkan tolak H0 karena P-value < α, artinya terdapat hubungan linier yang signifikan
antara variable respon dengan ketiga varibel prediktornya. Dimana nilai korelasi antara variabel Y dengan variabel X1
sebesar 0.772 yang dapat dikatakan bahwa hubungan linier berbanding lurus namun lemah karena mendekati nilai nol
(0). Nilai korelasi antara variabel Y dengan variabel X2 sebesar 0.960 yang dapat dikatakan bahwa hubungan linier
berbanding terbalik namun lemah karena mendekati nilai nol (0). Nilai korelasi antara variabel Y dengan variabel X3
sebesar 0.252 sehingga dapat dikatakan bahwa hubungan linier berbanding terbalik namun cukup kuat karena
mendekati 1.
4.3 Model Regresi Linier Berganda
Kegunaan Analisis Regresi Linear Berganda Analisis Regresi Linear Berganda digunakan untuk mengukur
pengaruh antara lebih dari satuvariabel prediktor (variabel bebas) terhadap variabel terikat.
Rumus:
Y = a + b1X1+b2X2+…+bnXn
Y = variabel terikat
a = konstanta
b1,b2 = koefisien regresi
X1, X2 = variabel bebas
βo -358.3
β1 1.256
β2 18.47
β3 2.26
Berdasarkan table diatas dapat diketahui nilai dari masing-masing βi sehingga dapat diturunkan menjad model
regresi Y = -358.3 + 1.256 X1+ 18.47 X2 + 2.26 X3. Artinya setiap berkurangnya satu-satuan setiap penjualan kopi
mengakibatkan nilai harga kopi naik sebesar 1.256 dan akan naik lagi sebesar 18.47 jika ditambahkan satu-satuan
jumlah penjualan kopi,dan akan naik sebesar 2.26 jika ditambahakn pendapatan penjualan kopi.
4.4. Pengujian Terhadap Parameter
Source DF SS MS F P
Regressions 3 2138051 712684 355.13 0.000
Residual 115 230786 2007
Error
Berdasarkan tabel diatas dapat diketahui bahwa penjualan kopi dengan pelanggan, penjual, dan pendapatan dari
penjualan kopi signifikan terhadap model karena nilai p-value(0.000) < a (0.05) dan nilai Fhitung (355,13) > Ftabel(2.760767).
Sehingga dapat diambil keputusan tolak H0, artinya terdapat minimal ada salah satu nilai parameter yang signifikan
terhadap model.
2. Uji Parsial
Uji ini digunakan untuk mengetahui harga penjualan kopi di kedai janji jiwa dan ketiga variable prediktornya
berpengaruh secra signifikan terhadap model dengan menguji masing-masing variable secara terpisah. Berikut
adalah hasil uji parsial :
Predictor T Ttabel P-
Value
Berdasarkan table 4.4 dapat diketahui bahwa harga minuman kopi di kedai janji jiwa memiliki nilai p-value
(0.000) < α (0.05) dan nilai 𝑇ℎ𝑖𝑡𝑢𝑛𝑔 (-358.3) < 𝑇𝑡𝑎𝑏𝑒𝑙 (-8.42). Sehingga keputusan gagal tolak Ho, artinya tidak ada
hubungan yang signifikan antara harga minuman kopi di kedai janji jiwa terhadap model. Dapat diketahui bahwa
pembeli memiliki nilai p-value (0.179) > α (0.05) namun nilai 𝑇ℎ𝑖𝑡𝑢𝑛𝑔 (1.256) > 𝑇𝑡𝑎𝑏𝑒𝑙 (1.38). Sehingga keputusan gagal
tolak Ho artinya tidak terdapat hubungan yang signifikan antara pembeli terhadap model. Dapat diketahui
bahwa jumlah penjualan minuman kopi memiliki p-value (0.000) < α (0,05) dan nilai 𝑇ℎ𝑖𝑡𝑢𝑛𝑔 (18.47) > 𝑇𝑡𝑎𝑏𝑒𝑙 (11.32).
Sehingga keputusan tolak Ho artinya terdapat hubungan yang signifikan antara jumlah penjualan terhadap
model. Dapat diketahui bahwa pendapatan memiliki p-value (0.180) > α (0.05) dan nilai 𝑇ℎ𝑖𝑡𝑢𝑛𝑔 (2.26) > 𝑇𝑡𝑎𝑏𝑒𝑙 (1.38) .
Sehingga keputusan gagal tolak Ho artinya tidak terdapat hubungan yang signifikan antara pendapatan
terhadap model.
4.5. Pengujian Identik IIDN ( Identik, Independent dan Distribusi Normal )
Berikut adalah hasil hasil pemeriksaan asumsi IIDN :
a. Residual Identik
Pengujian asumsi residual identik menggunakan plot residual vs fits dari model regresi antara penjualan kopi
dengan promosi iklan koran, tv dan radio.
Gambar 4.3
Gambar 4.3 Secara visual dapat dilihat dapat dilihat plot residual vs fits cenderung membentuk garis suatu pola. Bentuk
plot ini menjukan bahwa residual data analisis belum memenuhi keidentikan. Namun pada laporan kali ini diasumsikan
bahwa residual data identik.
b. Residual Independen
Pengujian asumsi residual independent menggunakan plot residual vs order dari model regresi antara penjualan
kopi dengan promosi iklan koran, tv dan radio.
Gambar 4.4
Gambar 4.4 secara visual dapat dilihat residual vs order tidak membentuk suatu pola tertentuk maka dapat
dikatakan bahwa residual independent.
c.Residual Berdistribusi Normal
Pengujian distribusi normal untuk residual dapat menggunakan uji normalitas sebagai berikut :
Gambar 4.5 menunjukan plot mendekati garis lurus (garis normal) dan nilai Pvalue (0.150) > a(0.05) sehingga keputusan
tolah H0, artinya residual berdistribusi normal.
BAB 5
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil analisis yang didapatkan pada pengukuran statistika deskriptif dari data iklan Koran, iklan TV, dan
iklan radio terhadap penjualan kopi, maka dapat disimpulkan sebagai berikut.
1. Dari hasil pengamatan diketahui statistika deskriptif data hasil pengamatan dapat diketahui bahwa
rata-rata penjualan kopi yaitu 345.3 dengan standard deviasi 67.6, dimana nilai minimumnya 352.2 dan
maksimumnya 452.6. Rata-rata iklan koran sebesar 29.24 dengan standar deviasi 5.55 dimana nilai
minimum 27.23 dan nilai maksimum 40.12. Rata-rata iklan tv 34.096 dengan standar deviasi 3.269 dimana
nilai minumumnya 34.520 dan nilai maksimumnya 39.170. Rata-rata iklan radio 15.058 dengan standar
deviasi 2.328 dimana nilai minimum 14.753 dan maksimum 19.580.
2. Data pengukuran statistika deskriptif dari data iklan Koran, iklan TV, dan iklan radio terhadap penjualan
kopi telah dilakukan dengan Analisi Korelasi. Scatterplot Gambar 4.2 menunjukan bahwa antara
penjualan kopi (Y) dengan iklan koran (X1) memiliki hubungan linier berbanding lurus. Antara penjualan
kopi (Y) dengan iklan tv (X2) memiliki hubungan linier berbanding lurus. Kemudian antara penjualan kopi
(Y) dengan iklan radio (X3) berbanding lurus.
3. Data pengukuran menggunakan Analisis Regresi Linear Berganda. Berdasarkan tabel diatas dapat
diketahui nilai dari masing-masing βi sehingga dapat diturunkan menjadi model regresi Y = 0,4157
+0,3238 X1+ 0,4452 X2 +0,5504 X3. ( Setiap bertambahnya satu-satuan setiap penjualan kopi
mengakibatkan nilai harga kopi naik sebesar 0,3238 dan akan naik lagi sebesar 0,4452 jika ditambahkan
satu-satuan jumlah penjualan kopi,dan akan naik sebesar 0,5504 jika ditambahakan pendapatan
penjualan kopi )
4. Hasil dari pengujian parameter dengan uji serentak diatas dapat diketahui bahwa penjualan kopi dengan
pelanggan, penjual, dan pendapatan dari penjualan kopi signifikan terhadap model karena nilai p-value(0.000) < a
(0.05) dan nilai Fhitung (355,13) > Ftabel(2.760767). kemudian hasil dari pengujian parameter parsial dapat
diketahui bahwa harga minuman kopi di kedai janji jiwa memiliki nilai p-value (0.000) < α (0.05) dan nilai 𝑇ℎ𝑖𝑡𝑢𝑛𝑔-)
> (358.3𝑇𝑡𝑎𝑏𝑒𝑙 .(8.42-) Sehingga keputusan gagal tolak Ho, artinya tidak ada hubungan yang signifikan antara
harga minuman kopi di kedai janji jiwa terhadap model. Dapat diketahui bahwa pembeli memiliki nilai p-value
(0.179) > α (0.05) namun nilai 𝑇ℎ𝑖𝑡𝑢𝑛𝑔 < (1.256) 𝑇𝑡𝑎𝑏𝑒𝑙 .(1.38) Sehingga keputusan gagal tolak Ho artinya tidak terdapat
hubungan yang signifikan antara pembeli terhadap model. Dapat diketahui bahwa jumlah penjualan minuman
kopi memiliki p-value (0.000) < α (0,05) dan nilai 𝑇ℎ𝑖𝑡𝑢𝑛𝑔 < (18.47) 𝑇𝑡𝑎𝑏𝑒𝑙 .(11.32) Sehingga keputusan tolak Ho artinya
terdapat hubungan yang signifikan antara jumlah penjualan terhadap model. Dapat diketahui bahwa
pendapatan memiliki p-value (0.180) > α (0.05) dan nilai 𝑇ℎ𝑖𝑡𝑢𝑛𝑔 < (2.26) 𝑇𝑡𝑎𝑏𝑒𝑙 . (1.38) Sehingga keputusan gagal tolak
Ho artinya tidak terdapat hubungan yang signifikan antara pendapatan terhadap model.
5. Pada Pengujian Identik IIDN ( Identik, Independent dan Distribusi Normal ). Pemeriksaan asumsi IIDN pada Residual
Identik. Pengujian asumsi residual identik menggunakan plot residual vs fits dari model regresi antara penjualan
kopi dengan promosi iklan koran, tv dan radio. Hasil data yang didapatkan secara visual dapat dilihat dapat
dilihat plot residual vs fits cenderung membentuk garis suatu pola. Bentuk plot ini menjukan bahwa residual data
analisis belum memenuhi keidentikan. Namun pada laporan kali ini diasumsikan bahwa residual data identik.
Kemudian, pada Residual Independen pengujian asumsi residual independent menggunakan plot residual vs
order dari model regresi antara penjualan kopi dengan promosi iklan koran, tv dan radio. Secara visual dapat
dilihat residual vs order tidak membentuk suatu pola tertentuk maka dapat dikatakan bahwa residual
independent. Dan Uji normalitas menunjukan plot mendekati garis lurus (garis normal) dan nilai Pvalue (0.150) >
a(0.05) sehingga keputusan tolah H0, artinya residual berdistribusi normal.
5.2. Saran
https://youtu.be/ozvQYsaUWJM