1 / 21

Regresi linier berganda

Regresi linier berganda. Ardiansyah Ansar 20090420064 Dewanggi Ira Veolita 20090420188 Fitria Thaha 20090420118 Muhammad Ramli Yoisangaji 20090420121 Virsia Fani Prasitha Devi 20090420003 Mohammad Alfian 20100420047. A. MODEL REGRESI BERGANDA.

bethan
Télécharger la présentation

Regresi linier berganda

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Regresi linier berganda Ardiansyah Ansar 20090420064 Dewanggi Ira Veolita 20090420188 Fitria Thaha 20090420118 Muhammad Ramli Yoisangaji 20090420121 Virsia Fani Prasitha Devi 20090420003 Mohammad Alfian 20100420047

  2. A. MODEL REGRESI BERGANDA Pada regresi linier sederhana hanya ada satu variable bebas. Pada regresi linier berganda terdapat lebih dari satu variable bebas (independent). Analisis regresi linier berganda akan sangat bermanfaat ketika melakukan penelitian yang memerlukan kajian berbagai macam variable yang bisa mempengaruhi satu variable lain. Adanya metode analisis regresi ini sangat menguntungkan bagi banyak pihak, baik di bidang sains, sosial, industri maupun bisnis.

  3. PersamaanRegresi Linier Berganda Y=b0 + bX1 + bX2 + …. + bnXn + e Dimana: Y = Variable tergantung b0 = konstanta Regresi/titik potong sumbu Y b1 b2 = koefisien regresi/pengaruh X1X2 = Variable bebas e = 0

  4. Contoh Seorang Manager pembelian suatu perusahaan ingin mengetahuipengaruh biaya promosi dan biaya distribusi terhadap penjualan, dengan data sebagai berikut :

  5. Berdasarkan data di atas : 1. Buatlah Persamaan regresi. 2. Ujilah hipotesis dengan menggunakan α = 5% : H1 : ada pengaruh biaya promosi dan biaya distribusi terhadap penjualan H2 : ada pengaruh biaya promosi terhadap penjualan H3 : ada pengaruh biaya distribusi terhadap penjualan Penyelesaian : Persamaan Regresi Jika dikerjakan dengan menggunakan SPSS maka hasilnya : coefficientsa a. Dependen variable : PENJUALAN

  6. Persamaanregresi : • Y = 883845.1 + 14.099 X1 + 2.136X2 • Keterangan : • Y = Penjualan • X1= BiayaPromosi • X2= BiayaDistribusi • Interpretasi : • Konstantasebesar 883845.1 menyatakanbahwa, jika variable independen (promosi) dianggapkonstan, maka rata-rata penjualansebesar Rp883845.1. • Koefisienregresipromosisebesar 14.099 menyatakanbahwa, setiappenambahanbiayapromosiRp 1 akanmeningkatkanpenjualansebesarRp 14.099. • Koefisienregresidistribusisebesar 2.136 menyatakanbahwa, setiappenambahanbiayadistribusisebesarRp 1 akanmeningkatkanpenjualansebesarRp 2.136.

  7. B. MENILAI GOODNESS of FIT SUATU MODEL Ketepatan fungsi regresi sample dalam menaksir nilai actual dapat diukur dari goodness of fit-nya. Secara statistic, setidaknya dapat diukur dari nilai koefisien determinasi, nilai statistic F dan statistic t. perhitungan statistic disebut signifikan apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana Ho ditolak), dan sebaliknya.

  8. 1. Koefisien Determinasi Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan modal dalam menerangkan variasi variable dependen. Nilai koefisien determinasi adalah antara nol sampai satu. Nilai R2 yang kecil berarti kemampuan variable variable independen dalam menjelaskan variasi variable dependen amat terbatas. Nilai yang mendekat satu berarti variable variable independen memberikan hamper semua informasi yang dibutuhkan untuk memmprediksi variasi variable dependen.

  9. Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variable independen yang dimasukkan kedalam model. Setiap tambahan satu variable independen, maka R2 pasti meningkat tidak peduli apakah variable tersebut berpngaruh secara signifikan terhadap variable dependen, Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai adjusted R2 pada saat mengevaluasi mana model regresi terbaik.

  10. contoh regresi diatas dikerjakan dengan SPSS maka nilai koefisien determinasi nya : Predictors : (Constant), DISTRIBU, PROMOSI Analisis : Berdasarkan output SPSS model summery besarnya adjusted R2 adalah 0,893, hal ini berarti 89,3% variasi penjualan dapat dijelaskan oleh variasi dari kedua variable indepen biaya promosi dan biaya distribusi. Standar Error of Estimate (SEE) Rp 1.030.527,73 makin kecil nilai SEE akan membuat modal regresi semakin tepat dalam memprediksi variable dependen Rumus standar Erorr (Syx).

  11. Rumus standar Erorr (Syx) Syx= Dimana Y= Y actual Y1= Y prediksi N= Jumlah/ Pasangan observasi K= Jumlah variable independen

  12. Uji Signifikansi Simultan (Uji Statistik F) Uji Statistik F pada dasarnya menujukan apakah semua variabel independent atau bebas yang di masukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat

  13. Langkah-langkah pengujian : 1. Menentukan H0 danH1 H0 : b1 = b2 =………….= bn = 0 Artinya, apakah semua variabel independen bukan merupakan penjelasan yang signifikan terhadap variabel dependen.  H1 : b1 ≠ b2 ≠ …………… ≠ bn ≠ 0 Artinya, semua variabel independent secara simultan merupakan penjalasan yang signifikan terhadap variabel dependen.

  14. 2. Menentukan daerah penerimaan H0 dan H1 dengan menggunakan distribusi F (ANOVA) Titik kritis dicari pada tabel F dengan nilai alfa tertentu dan df sebagai berikut : Numerator = k Denominator = n – k – 1

  15. 3. Menentukan nilai uji F – Ratio dengan rumus : Dimana : SSR= Sum of square regession SSE= Sum of square error

  16. 4. Kesimpulan : Jika contoh regresi diatas dikerjakan dengan SPSS untuk menguji apakah ada pengaruh biaya promosi dan biaya aistribusi terhadap penjualan, dengan menggunakan α= 5%, maka hasilnya : Analisis Berdasarkan output di atas, karena nilai sig 0,000 < α = 0,05 artinya signifikan berarti ada pengaruh biaya promosi dan biaya distribusi terhadap penjualan, sehingga model regresi dapat digunakan untuk memprediksi penjualan atau dapat dikatakan bahwa biaya promosi dan biaya distribusi secara bersama-sama berpengaruh terhadap penjualan.

  17. 3. Uji Signifikan parameter Individual (Uji statistik T) Uji statistic T pada dasarnya menunjukan seberapa jauh pengaruh satu variable penjelas atau endependen secara individual dalam menerangkan variasi variable dependen.

  18. Langkah- langkahpengujian : 1. MenentukanH0 dan H1 Ho: B1 = 0 Artinyaapakahsemua variable independenbukanmerupakanpenjelas yang signivikanterhadap variable dependen. H1:b1 ≠ 0 Artinya :variable tersebutmerupakpenjelas yang signivikanterhadapveriabledependen.

  19. 2. Menentukan daerah penerimaan H0 dan H1 dengan menggunakan distribusi t. titik kritis dicari pada table t dengan menggunakan nilai alfa tertentu dan df sebagai berikut : df = n-k-1 3. Menentukan nilai uji t hitung denegan rumus T = Dimana : B1= Sum of square regression Sb1= Sum of square Error

  20. 4. regresi diatas dikerjakan dengan SPSS untuk menguji hipotesis. H2 ada pengeruh biaya promosi terhadap penjualan H3 ada pengaruh biaya distribusi terhadap penjualan Dengan menggunakan α 5% maka hasilnya : Analisis: Uji t untuk biaya promosi H2= ada pengaruh biaya Promosi terhadap penjualan Nilai sig 0,002< α = 0,005 artinya signifikan berarti ada pengaruh biaya promosi. Uji t untuk biaya distribusi H3: ada pengaruh biaya distribusi terhadap penjualan Nilai sig 0,686 > α = 0,05 artinya tidak signifikan bearti tidak ada pengaruh biaya distribusi terhadap penjualan.

  21. Yah udahdech……… Mpesini j presentasidarikami…………. Mohon map kaloada yang g berkenan…….. End……..mentakritikdan saran ny yak>>>!!!!!!!!!!!! Hehehehehehehehe…………..

More Related