Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
1
UJI REGRESI LINIER SEDERHANA Arkhiadi Benauli Tarigan 157001025
2
Berikut adalah data Jumlah Penjualan Baju (Y dalam satuan) dihubungkan dengan variabel Biaya Pelayanan (X dalam puluhan ribu/satuan) dengan data pada tabel dibawah ini. No X (biaya pelayanan) Y (jumlah penjualan baju) XYX2X2 Y2Y2 TotalRataan 110131301001692311.5 212141681441962613 3 162081692562914.5 415182702253243316.5 516193042563613517.5 618203603244003819 720214204004414120.5 821234834415294422 923255755296254824 1024266245766765025 1126287286767845427 1228308407849005829 13303296090010246231 1432341088102411566633 1534361224115612967035 1636381368129614447437 1738401520144416007839 1840421680160017648241 1942441848176419368643 2044462024193621169045 Total5225652949302724843192251087543.5 Rataan26.1028.25841.10787.20899.8554.3527.18 s10.5610.35594.67576.01612.4520.9110.45
3
SUMMARY OUTPUT Regression Statistics Multiple R0.999109462 R Square0.998219718 Adjusted R Square0.998120813 Standard Error0.448714821 Observations20 Koefisien determinasi (R 2 ) Uji determinasi menunjukkan bahwa nilai (R Square) sebesar 0,998. artinya pengaruh biaya pelayanan (X) dihubungkan dengan variabel jumlah penjualan baju (Y dalam satu satuan) adalah sebesar 99,84%. Sisanya yaitu 0,16% disebabkan oleh hal-hal lain. Nilai R = 99% menunjukkan bahwa 99% proporsi keragaman nilai peubah jumlah penjualan baju (Y) dapat dijelaskan oleh nilai peubah biaya pelayanan (X) melalui hubungan linier. Koefisien korelasi (R) Nilai R = 0,999 (Multiple R) menunjukkan bahwa peubah biaya pelayanan (X) dan jumlah penjualan baju (Y) berkorelasi linier positif dan tinggi. jika nilai r mendekati +1 atau r mendekati -1 maka X dan Y memiliki korelasi linier yg tinggi jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier
4
Model Regresi Linier Sederhana Coefficients Standard Errort StatP-value Lower 95% Upper 95% Lower 95.0% Upper 95.0% Intercept2.6954429660.2734421839.8574511.11E-082.1209623.2699242.1209623.269924 X Variable 10.9791018020.009745923100.46273.33E-260.9586260.9995770.9586260.999577 Persamaan regresi bergandanya adalah: Ŷ = 2,69 + 0,98 X Setiap kenaikan 1 satuan biaya pelayanan (X) akan menaikkan jumlah penjualan baju (Y) sebesar 0,98. Jadi setiap kenaikan Rp. 10.000 biaya pelayanan (X) akan menaikkan jumlah penjualan baju (Y) sebesar 0,98.
5
Carilah nilai Y bila X = 5 Ŷ = 2,69 + 0,98 X Ŷ = 2,69 + 0,98 (5) Ŷ = 2,69 + 4,9 ANOVA dfSSMSFSignificance F Regression12032.125792032.12610092.763.33E-26 Residual183.6242098310.201345 Total192035.75 Uji F H0 : b1 = 0, Biaya Pelayanan tidak mempengaruhi Jumlah Penjualan Baju (tidak ada pengaruh antara X dan Y) H1 : b1 ≠ 0, Biaya Pelayanan mempengaruhi secara signifikan terhadap Jumlah Penjualan Baju (ada pengaruh antara X dan Y)
6
Kesimpulan: Jika nilai F hitung < F tabel maka tidak nyata (terima H0) Jika nilai F hitung > F tabel maka berpengaruh nyata (tolak H0) Uji F di atas menunjukkan bahwa nilai F hitung (10092.76) > F tabel (4,41) = H0 ditolak, H1 Diterima (berpengaruh nyata). Atau jika tidak punya F tabel lihatlah Significance F/P value. Uji F di atas menunjukkan bahwa nilai P value ( 3.33E-26 ) > 5% = H0 ditolak, H1 Diterima, nilai koefisien regresi signifikan (ada pengaruh nyata antara X dan Y). Hal tersebut menunjukkan bahwa secara bersama-sama (keseluruhan) terdapat pengaruh signifikan antara biaya pelayanan (X) terhadap jumlah penjualan baju (Y).
Presentasi serupa
