Resume W5 (Lanjutan): LATIHAN

• Melalui Analisis Regresi Linear Sederhana

Analisis Regresi Sederhana digunakan untuk melihat koefisien determinasi apabila variabel belum ditambah atau dikurangi dan data belum ditransformasi (diubah) maka dapat dilihat melalui R². Koefisien determinasi dapat dilihat dengan tujuan untuk mengetahui seberapa besar pengaruh variabel bebas terhadap variabel terikat. Nilai dalam R² dapat dijelaskan oleh model dan harus menghitung banyaknya variabel bebas yang ada didalam model. Karena R² tidak memiliki faktor koreksi sehingga jika didalam model, variabel bebas terus bertambah, maka nilainya akan terus semakin besar. Oleh karena itu, nilai R² berada dalam interval antara 0 dan 1 (0<R²<1) yang artinya akan semakin baik apabila nilai tersebut mendekati satu. Nilai R² yang mendekati 1 berarti variabel bebas memiliki kecocokan yang baik untuk menjelaskan variabel terikat, sedangkan nilai R² yang mendekati 0 berarti hubungan antara variabel bebas yang menjelaskan variebl terkait tidak memiliki kecocokan yang baik.

• Melalui Analisis Regresi Linear Berganda

Analisis Regresi Linear Berganda digunakan untuk melihat koefisien deteminasi melalui R² tetapi jika ada kesalahan dalam variabel bebas yang tidak sesuai untuk menjelaskan variabel terikat maka dapat dilihat melalui adjusted R² dengan syarat:

1. Jika variabel bebas telah ditambah atau dikurangi = apabila variabel bebas didalam prakteknya tidak sesuai dalam menjelaskan variabel terikat.
2. Jika variabel bebas sudah ditransformasi (diubah) = apabila variabel bebas yang utama tidak sesuai, maka akan dihilangkan dan diganti dengan variabel lainnya.

Adjusted R² berfungsi untuk mengukur seberapa besar tingkat keyakinan dan kesesuaian dalam penambahan variabel bebas yang tepat untuk menambah kekuatan model dalam memprediksi variabel terikat. Jika ingin menambah variabel yang lebih maka dapat digunakan adjusted R² untuk mengukur kesesuaiannya. Penambahan variabel bebas belum tentu meningkatkan nilai adjusted R², karena bisa saja ada variabel yang tidak sesuai untuk menjelaskan variabel terikat. Nilai Adjusted R² tidak pernah melebihi nilai R² karena bisa saja nilai tersebut akan turun jika variabel yang dimasukkan tidak sesuai. Jika model yang digunakan tidak memiliki kecocokan, maka adjusted R² akan menghasilkan nilai yang negatif.

1. PERSAMAAN REGRESI LINIER SEDERHANA

Y  = a + bX + e

Keterangan:

Y  = Nilai yang diramalkan

X  = Variabel bebas

a  = Konstansta

b  = Koefesien regresi 

e  = Nilai Residu

Ø  Contoh Kasus:

Seorang manajer pemasaran akan meneliti apakah terdapat pengaruh iklan terhadap penjualan pada perusahaan-perusahaan di Kota Tangerang, untuk kepentingan penelitian tersebut diambil 8 perusahaan  sejenis yang telah melakukan promosi.

Ø  Analisis Data

• Persamaan regresi
• Nilai Prediksi
• Koefesien determinasi
• Kesalahan baku estimasi
• Kesalahan baku koefesien regresinya
• Nilai F hitung
• Nilai t hitung
• Kesimpulan 

Ø  Pemecahan:

• Judul : Pengaruh biaya promosi terhadap penjualan perusahaan.
• Pertanyaan Penelitian: Apakah terdapat pengaruh positif biaya promosi terhadap penjualan perusahaan?
• Hipotesis: Terdapat pengaruh positif biaya promosi terhadap penjualan perusahaan.

Ø  Kriteria Penerimaan Hipotesis

H₀ : Tidak terdapat pengaruh positif biaya iklan terhadap penjualan perusahaan.

H₁ : Terdapat pengaruh positif biaya iklan terhadap penjualan perusahaan.

• H_o diterima Jika b ≤ 0, t hitung ≤ tabel
• H_a diterima Jika b > 0, t hitung > t tabel. 

Ø  Sampel yang digunakan: 8 Perusahaan

Ø  Data yang diperoleh

Ø  Tabel Persamaan Regresi:

Ø  Penyelesaian:

Persamaan Regresi dengan menggunakan persamaan regresi  linier  sederhana 

maka hasil persamaannya: 

2. NILAI PREDIKSI

3. KOEFISIEN DETERMINASI

4. KESALAHAN BAKU ESTIMASI

Digunakan untuk mengukur tingkat kesalahan dari model regresi yang dibentuk.

5. STANDAR ERROR KOEFISIEN REGRESI (KESALAHAN BAKU KOEFESIEN REGRESINYA)

Digunakan untuk mengukur besarnya tingkat kesalahan dari koefesien regresi:

6. UJI F

Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu menggambarkan kondisi sesungguhnya:

Ho: Diterima jika F_hitung £ F_tabel

Ha: Diterima jika F_hitung > F_tabel 

7. UJI T

Digunakan untuk mengatahui pengaruh variabel bebas terhadap variabel tergantung.

H_o: Diterima jika t _hitung £ t _tabel

H_a: Diterima jika t _hitung > t _tabel

8. KESIMPULAN DAN IMPLIKASI

• Kesimpulan: Terdapat pengaruh positif biaya periklanan terhadap volume penjualan.
• Implikasi: Sebaiknya perusahaan terus meningkatkan periklanan agar penjualan meningkat.

-----------------------------------------------------------------------------------------------------------------------

Sumber tambahan:

1. Suharyadi, Purwanto. S.K. 2009. "Statistika: Untuk Ekonomi dan Keuangan Modern, Edisi 2" Jakarta: Salemba Empat.