MAKALAH
Korelasi Koefisien
Diajukan
untuk memenuhi tugas dari Mata Kuliah Statistika
Disusun
oleh
Nama : Nisa Rahim
NPM : 09.110.0053
SEKOLAH
TINGGI ILMU EKONOMI (STIE)
“YASA
ANGGANA”
GARUT
2011
KATA
PENGANTAR
Puji syukur kami panjatkan kehadirat Allah SWT yang telah
memberikan rahmat serta karunia-Nya kepada kami sehingga kami berhasil
menyelesaikan Makalah ini yang alhamdulillah tepat pada waktunya yang berjudul
“Perhitungan Regresi Sederhana” untuk memenuhi salah satu tugas
dari mata kuliah Statistik.
Makalah ini berisikan tentang informasi Perhitungan Regresi Sederhana atau perbandingan hasil dari
perhitungan pada salah satu skripsi yang dilakukan oleh penyusun skripsi
tersebut dan perhitungan yang dilakukan dengan Micr. Excel.
Saya menyadari bahwa makalah ini masih jauh dari sempurna,
oleh karena itu kritik dan saran dari semua pihak yang bersifat membangun
selalu kami harapkan demi kesempurnaan makalah ini.
Akhir kata, saya sampaikan terima kasih kepada semua pihak
yang telah berperan serta dalam penyusunan makalah ini dari awal sampai akhir.
Semoga Allah SWT senantiasa meridhai segala usaha kita. Amin.
Garut,
8 November 2011
Penulis
DAFTAR ISI
KATA PENGANTAR ............................................................................................. i
DAFTAR ISI .......................................................................................................... ii
BAB I PENDAHULUAN ........................................................................................ 1
A.
Latar Belakang ............................................................................................ 1
B.
Perumusan Masalah .................................................................................... 1
C.
Maksud dan Tujuan...................................................................................... 1
BAB II LANDASAN TEORI .................................................................................. 2
BAB III PENGAMBILAN DAN PENGOLAHAN
DATA .................................... 9
A.
Pengambilan Data ....................................................................................... 9
B.
Pengolahan Data ......................................................................................... 9
BAB IV PENUTUP ................................................................................................. 12
A.
KESIMPULAN ............................................................................................ 12
B.
PENUTUP .................................................................................................... 12
DAFTAR ISI ........................................................................................................... 13
BAB I
PENDAHULUAN
A.
Latar Belakang Penulisan
Pengolahan data merupakan
bagian vital bagi setiap organisasi bisnis dan untuk setiap pengambilan
keputusan managemen yang sangat signifikan. Hasil dari pengolahan data tersebut
menjadi dasar bagi perencanaan jangka panjang perusahaan. Dalam area fungsional
keuangan, informasi dari data yang diambil
memberikan dasar dalam menentukan anggaran dan pengendalian biaya. Pada
bagian pemasaran, informasi tersebut dibutuhkan untuk merencanakan produk baru,
kompensasi tenaga penjual, dan beberapa keputusan penting lainnya
Seperti yang
kita ketahui, bahwa kegiatan menganalisis akan selalu ada pada kegiatan
sehari-hari hal tersebut yang melatarbelakangi penulis menyusun makalah ini
untuk menambah dan melatih pemahaman tentang pengolahan data mentah menjadi
informasi.
Maka dalam
hal ini, penulis melakukan pengujian terhadap suatu objek yaitu SKRIPSI yang di susun oleh Renni Andriani dengan
NPM. 03.110.0030 dan dengan judul Pengaruh Diferensiasi Produk Terhadap Volume
Penjualan Susu Segar.
B. Perumusan Masalah
Dari
uraian yang telah diberikan dalam latar belakang masalah, dapat dirumuskan
sebagai berikut:
·
Bagaimana mengolah data yang telah
diperoleh disekitar kita menjadi sebuah informasi?
·
Bagaimana mengaplikasikan teori
pada data di kehidupan nyata?
B.
Maksud dan Tujuan Penulisan
Adapun
tujuan dari penyusunan makalah ini adalh sebagi berikut:
·
Mengetahui cara mengolah data yang
diperoleh.
·
Mengetahui aplikasi teori yang
telah disampaikan di perkuliahan dengan
data pada kehidupan nyata.
BAB II
LANDASAN TEORI
ANALISIS
REGRESI
Analisis
regresi bertujuan untuk mengetahui seberapa besar pengaruh dari variabel
pengaruh (variabel independen) terhadap variabel terpengaruh (variabel
dependen).
Analisis
regresi digunakan sebagai alat untuk melihat hubungan fungsional antar variabel
untuk tujuan peramalan, di mana dalam model tersebut ada satu variabel dependen
(Y) dan variabel independen (X).
Contoh Kasus
Diketahui
data yang diperoleh dari 8 sampel adalah sebagai berikut:
No
|
X
|
Y
|
1
|
75
|
2,52
|
2
|
70
|
2,34
|
3
|
80
|
2,63
|
4
|
65
|
2,16
|
5
|
75
|
2,34
|
6
|
70
|
2,38
|
7
|
80
|
2,48
|
8
|
75
|
2,48
|
Langkah-langkah
untuk menghitung persamaan regresi
1.
Pilih menu tools dari menu utama, lalu pilih Data Analysis.... Maka tampak toolbox
berikut:
Gambar 6.1 Kotak Dialog Data Analysis
2.
Dari serangkaian alat statistik
tersebut, sesuai dengan kebutuhan pada kasus, pilih Regression, lalu tekan Ok.
Sehingga muncul tool box sebagai berikut:
Gambar 6.2 Kotak Dialog Regression
Langkah-langkah pengisian:
1.
Untuk Input Y Range
(variabel dependen) yang adalah data variabel
Y, Klik icon yang terletak di kanan kotak putih pada baris
Input Range, sehingga terlihat gambar seperti berikut
Gerakan pointer mouse ke sel yang
dituju, kemudian sorot range yang menjadi variabel Y tersebut, sehingga range
tersebut akan dikelilingi oleh garis putus-putus yang bergerak-gerak. Setelah itu tekan icon di kanan range atau
tekan enter untuk kembali ke tools box regression.
2.
Untuk Input X Range (input variabel independen) yang adalah data variabel X, dilakukan dengan cara yang sama seperti pada Input variabel Y.
3.
Pilihan Labels dan Constant Is Zero
untuk keseragaman tidak perlu ditandai.
4.
Pilihan Confidence Level untuk kerseagaman bisa ditandai dengan mengklik
kotak di kiri pilihan tersebut. Pilihan ini menandakan analsis yang digunakan
pada tingkat signifikansi 5%.
5.
Pengisian pilihan Output Options pilih Output Range untuk keseragaman output
akan ditempatkan pada woorksheet yang sama.
6.
Jika semua kolom sudah terisi
benar, Tekan Ok
7.
Hasil Output
8.
SUMMARY OUTPUT
|
|
|||||||
|
|
|||||||
Regression Statistics
|
||||||||
Multiple R
|
0,870891447
|
|||||||
R Square
|
0,758451913
|
|||||||
Adjusted R Square
|
0,718193899
|
|||||||
Standard Error
|
0,075923939
|
|||||||
Observations
|
8
|
|||||||
|
|
|||||||
ANOVA
|
|
|
|
|
|
|||
|
df
|
SS
|
MS
|
F
|
Significance F
|
|||
Regression
|
1
|
0,1086008
|
0,1086008
|
18,83977
|
0,00487
|
|||
Residual
|
6
|
0,0345866
|
0,0057644
|
|
|
|||
Total
|
7
|
0,1431875
|
|
|
|
|||
|
Coefficients
|
Standard Error
|
t Stat
|
P-value
|
Lower 95%
|
Upper 95%
|
Lower 95,0%
|
Upper 95,0%
|
Intercept
|
0,641333
|
0,409801
|
1,56498
|
0,16862
|
-0,3614
|
1,6441
|
-0,3614
|
1,6441
|
X Variable 1
|
0,024067
|
0,005544
|
4,34048
|
0,00487
|
0,01049
|
0,0376
|
0,0105
|
0,0376
|
ANALISIS HASIL
Berdasarkan
output di atas, akan dibahas mengenai:
1. Persamaan Regresi Sederhana
Persamaan regresi sederhana adalah
Y = a + bX
Persamaan
di atas diisi dari kolom Coeficients
dan baris Intercept serta X Variable 1. Dari output di atas maka
persamaan regresi sederhana didapat:
Y = 0,64 + 0,02 X
Persamaan
tersebut diartikan sebagai berikut:
·
Intercept atau konstanta sebesar
0,64.
Artinya tanpa pengaruh dari variabel X, maka variabel Y
sebesar 0,64.
·
Arah hubungan
Dari persamaan terlihat adanya tanda ‘+’ yang menggambarkan
hubungan positif yang berarti garis regresi yang tergambar bersifat miring ke kanan
atas.
·
Koefisien regresi 0,02
Nilai ini menunjukkan bahwa besarnya pertambahan variabel Y
dipengaruhi oleh variabel X sebesar 2%.
2. Menggambar Persamaan Regresi
Setelah
persamaan regresi ditemukan, langkah selanjutnya adalah menggambar persamaan regresi
dengan Excel yang bisa dilakukan dengan dua prosedur. Pertama adalah memplot
gambar hubungan variabel X dan Y. Kedua memberi garis dan persamaan regresi
pada gambar tersebut.
Berikut
ini adalah langkah-langkah untuk memplot hubungan variabel X dan Y.
1.
Pilih menu Insert pada menu utama Excel, lalu pilih menu Chart....
2.
Pada kolom Chart Type, pilih XY
(Scatter), kemudian pilih jenis scatter yang paling atas pada kolom subtype. Setelah tipe chart XY
(scatter) dipilih, tekan Next untuk masuk ke step 2.
3.
Pada step 2, untuk pilihan Data Range diisi dengan menyorot range
variabel X dan Y. Sedangkan pilihan Series
in harus dipilih Columns dengan memberikan tanda pada kolom bulat di kiri
pilihan Columns. Lalu tekan Next untuk pilihan step selanjutnya.
4.
Pengisian step 3
Titles:
Untuk Chart Titles
ketik : Persamaan Regresi
Kolom Value (X) axis
: Ketik Variabel X
Untuk Value (Y) axis
: ketik Variabel Y
Axes:
Secara default sudah aktif, tetapi jika belum tandai dengan
cara mengklik kotak sebelah kiri baik untuk value Y maupun value X. Axes ini
berfungsi untuk menampilkan nilai untuk masing-masing variabel.
Gridlines:
Untuk memperjelas gambar maka garis-garis ini dihilangkan.
Ini berarti kotak pilihan dikosongkan .
Legend:
Tidak perlu
Data Labels:
Tidak perlu ditampilkan
5.
Pengisian step 4, pilih alternatif
As object in, yang berarti gambar
akan ditempatkan pada worksheet tersebut.
Jika pengisian sudah selesai tekan Finish.
3.
Memberi Garis Persamaan Regresi
Setelah
scatter X dan Y dibuat, akan ditambah garis dan persamaan regresi dengan
langkah-langkah sebagai berikut
1.
Tempatkan pointer pada kumpulan
titik-titik dalam gambar tersebut, sehingga titik-titik tersebut berubah warna.
Kemudian pada menu utama di atas akan muncul menu Chart yang menggantikan menu Data.
2.
Pilih menu Chart tersebut dan pilih Add
trendline... pada menu tersebut. Maka tampak gambar berikut
Pada
pilihan Type, pilih alternatif Linier, sedangkan pada tab Option,
untuk kolom trendline name pilih Custom (buat sendiri) untuk keseragaman
ketik Regresi.
Kolom
Forecast pilihan diabaikan, artinya
biarkan nilainya 0.
Pada
tiga kotak terakhir, tandai kotak Display
Equation on Chart saja untuk menampilkan persamaan regresi pada chart. Dan
yang lainnya diabaikan.
Jika
sudah dianggap benar tekan Ok, sehingga muncul gambar berikut:
Output di atas
bisa dimodifikasi supaya tampilannya lebih bagus lagi.
4. Korelasi Sederhana dan Ukuran Lainnya
Korelasi Sederhana (r):
Korelasi
menggambarkan keeratan hubungan antara variabel X dan Y. Dalam Excel, untuk
mencari korelasi, bisa dengan melihat nilai pada baris Multiple R yang ada pada output yaitu sebesar 0,870891, atau dengan menggunakan fungsi CORREL, dengan rumus: =Correl(aray1;aray2). Korelasi sebesar
0,87 ini membuktikan bahwa hubungan antara variabel X dengan variabel Y sangat
erat.
Ukuran Lainnya:
·
Standar Error of Estimate (SE)
Dari baris Standar
error pada output didapat angka 0,075924.
hal ini menunjukkan variasi sebesar 0,075924 di sekeliling garis regresi. Pada
prinsipnya, standar error mempunyai pengertian yang sama denganstandar deviasi
dalam statistik deskriptif.
·
R Square (R2)
Dalam kolom R square
pada output Regression Statistics di
dapat angka 0,758452. Hal ini
berarti bahwa sekitar 75%, variasi
pada variabel Y bisa dijelaskan oleh variabel X, sedangkan sisanya 25% dapat
dijelaskan oleh variabel lainnya.
Untuk persamaan regresi sederhana, R square sudah dianggap
sudah mewakili determinasi. Namun untuk persamaan multi regresi, dianjurkan
untuk menggunakan Adjusted R Square.
5. Analisis Koefisien Regresi
Pengujian
koefisien regresi bertujuan untuk menguji signifikansi hubungan antara variabel
X dan Y. Pengujian dilakukan dengan
menggunakan uji t dengan langkah-langkah sebagai berikut
a.
Membuat hipotesis. Hipotesis untuk
pengujian t-tes di atas adalah:
H0 : b = 0 ; Artinya, tidak ada hubungan antara variabel X dengan variabel Y.
H1 : b ¹ 0 ; Artinya, terdapat hubungan antara variabel X dengan variabel Y.
b.
Menentukan ttabel dan thitung:
Dengan tingkat signifikansi a = 0,05, sedang degree of freedom (df) sebesar (n – 2) maka diperoleh ttabel
pada dua sisi sebesar 1,9432.
Pada Excel dengan menggunakan fungsi TINV dengan rumus: =TINV(prob;deg_ freedom)
Sedangkan thitung dapat dilihat pada output
komputer pada baris keterangan ‘t Stat’
variabel X1. Hasil yang diperoleh adalah sebesar +4,340.
c.
Pengambilan keputusan
Kaidah keputusan:
Dengan membandingkan ttabel dan thitung maka:
-
Jika thitung > dari
ttabel, maka H0 ditolak;
-
Jika thitung < dari
ttabel, maka H0 diterima.
Dalam hal ini jelas bahwa thitung > ttabel,
(4,340 > 1,9432), maka keputusan yang diambil adalah H0 ditolak,
artinya terdapat hubungan antara variabel X terhadap Variabel Y.
BAB
III
PENGAMBILAN
DAN PENGOLAHAN DATA
Dalam data yang
diambil dari skripsi dengan
Judul :
Pengaruh Diferensiasi Produk Terhadap Volume Penjualan Susu Segar
Nama Penyusun : Renni Andriani
NPM : 03.110.003
Terdapat tabel sebagai berikut :
No
|
X
|
Y
|
XY
|
X2
|
Y2
|
1
|
0.65
|
3.21
|
2.0865
|
0.4225
|
10.3041
|
2
|
0.66
|
2.84
|
1.8744
|
0.4356
|
8.0656
|
3
|
0.66
|
-8.9
|
-5.874
|
0.4356
|
79.21
|
4
|
0.68
|
-0.14
|
-0.0952
|
0.4624
|
0.0196
|
5
|
0.34
|
2.49
|
0.8466
|
0.1156
|
6.2001
|
6
|
0.69
|
8.37
|
5.7753
|
0.4761
|
70.0569
|
7
|
0.55
|
6.68
|
3.674
|
0.3025
|
44.6224
|
8
|
0.43
|
10.232
|
4.39976
|
0.1849
|
104.693824
|
9
|
0.38
|
4.91
|
1.8658
|
0.1444
|
24.1081
|
10
|
0.38
|
0.9
|
0.342
|
0.1444
|
0.81
|
Maka yang dilakukan adalah
Mengitung persamaan regresi
SUMMARY
OUTPUT
|
|||||||||||||||
Regression Statistics
|
|||||||||||||||
Multiple
R
|
0.870891
|
||||||||||||||
R
Square
|
0.758452
|
||||||||||||||
Adjusted
R Square
|
0.718194
|
||||||||||||||
Standard
Error
|
0.075924
|
||||||||||||||
Observations
|
8
|
||||||||||||||
ANOVA
|
|||||||||||||||
|
df
|
SS
|
MS
|
F
|
Significance F
|
||||||||||
Regression
|
1
|
0.108601
|
0.108601
|
18.83977
|
0.004872754
|
||||||||||
Residual
|
6
|
0.034587
|
0.005764
|
||||||||||||
Total
|
7
|
0.143188
|
|
|
|||||||||||
Coefficients
|
Standard Error
|
t Stat
|
P-value
|
Lower 95%
|
Upper 95%
|
Lower 95,0%
|
Upper 95,0%
|
||||||||
Intercept
|
0.64133
|
0.40980
|
1.56498
|
0.16862
|
-0.36142
|
1.64408
|
-0.36142
|
1.64408
|
|||||||
X
|
0.02407
|
0.00554
|
4.34048
|
0.00487
|
0.01050
|
0.03763
|
0.01050
|
0.03763
|
|||||||
pengujian koef
korelasi
|
|||
1. H0 : ρ=0, artinya tidak terdapat
hubungan
|
|||
2. H1 : ρ≠0, artinya terdapat Hubungan
|
|||
3.
Taraf Nyata α=5%
|
|||
|
4. wilayah Kritis
|
||
i
|
|||
-2.262157
|
2.262157
|
||
PENENTUAN UJI
SIGNIFIKAN KORELASI
|
|
korelasi
|
-0.244769906
|
ttabel
|
2.262157158
|
tHitung
|
-0.714033899
|
Artinya terdapat hubungan negatif
terhadap pengaruh diferensiasi produk terhadap volume penjualan susu
segar di KPGS CIKAJANG.
Dalam data yang
diambil dari skripsi dengan
Judul : Pengaruh
Diferensiasi Produk Terhadap Volume Penjualan Susu Segar
Nama Penyusun : Renni Andriani
NPM : 03.110.0030
Menunjukan
tHitung
|
3.2743
|
tTabel
|
2.306
|
Korelasi
|
0.76
|
Sedangkan dalam
perhitungan yang dilakukan dalam excel, menunjukan bahwa :
tHitung
|
-0.714033899
|
tTabel
|
2.262157158
|
Korelasi
|
-0.244769906
|
Jadi terdapat
perbedaan antara hasil perhitungan data.
BAB IV
PENUTUP
A.
Kesimpulan
Dari data diatas saya menyimpulkan bahwa data yang saya
peroleh dari narasumber, merupakan Artinya terdapat hubungan negatif pada Pengaruh diferensiasi produk terhadap
volume penjualan susu segar.
B.
Penutup
Saya
menyadari bahwa makalah ini masih jauh dari sempurna, oleh karena itu kritik
dan saran dari semua pihak yang bersifat membangun selalu kami harapkan demi
kesempurnaan makalah ini.
Akhir kata, saya sampaikan
terima kasih kepada semua pihak yang telah berperan serta dalam penyusunan
makalah ini dari awal sampai akhir.
DAFTAR PUSTAKA
·
Satria, Eri. 2011, Labkom STIE
YASA ANGGANA GARUT.
·
Andriani,
Renni. 2006. Pengaruh Diferensiasi Produk Terhadap Volume Penjualan Susu Segar.
STIE YASA ANGGANA GARUT
PENDAHULUAN
A.
Latar Belakang Penulisan
Pengolahan data merupakan
bagian vital bagi setiap organisasi bisnis dan untuk setiap pengambilan
keputusan managemen yang sangat signifikan. Hasil dari pengolahan data tersebut
menjadi dasar bagi perencanaan jangka panjang perusahaan. Dalam area fungsional
keuangan, informasi dari data yang diambil
memberikan dasar dalam menentukan anggaran dan pengendalian biaya. Pada
bagian pemasaran, informasi tersebut dibutuhkan untuk merencanakan produk baru,
kompensasi tenaga penjual, dan beberapa keputusan penting lainnya
Seperti yang
kita ketahui, bahwa kegiatan menganalisis akan selalu ada pada kegiatan
sehari-hari hal tersebut yang melatarbelakangi penulis menyusun makalah ini
untuk menambah dan melatih pemahaman tentang pengolahan data mentah menjadi
informasi.
Maka dalam
hal ini, penulis melakukan pengujian terhadap suatu objek yaitu SKRIPSI yang di susun oleh Renni Andriani dengan
NPM. 03.110.0030 dan dengan judul Pengaruh Diferensiasi Produk Terhadap Volume
Penjualan Susu Segar.
B. Perumusan Masalah
Dari
uraian yang telah diberikan dalam latar belakang masalah, dapat dirumuskan
sebagai berikut:
·
Bagaimana mengolah data yang telah
diperoleh disekitar kita menjadi sebuah informasi?
·
Bagaimana mengaplikasikan teori
pada data di kehidupan nyata?
B.
Maksud dan Tujuan Penulisan
Adapun
tujuan dari penyusunan makalah ini adalh sebagi berikut:
·
Mengetahui cara mengolah data yang
diperoleh.
·
Mengetahui aplikasi teori yang
telah disampaikan di perkuliahan dengan
data pada kehidupan nyata.
BAB II
LANDASAN TEORI
ANALISIS
REGRESI
Analisis
regresi bertujuan untuk mengetahui seberapa besar pengaruh dari variabel
pengaruh (variabel independen) terhadap variabel terpengaruh (variabel
dependen).
Analisis
regresi digunakan sebagai alat untuk melihat hubungan fungsional antar variabel
untuk tujuan peramalan, di mana dalam model tersebut ada satu variabel dependen
(Y) dan variabel independen (X).
Contoh Kasus
Diketahui
data yang diperoleh dari 8 sampel adalah sebagai berikut:
No
|
X
|
Y
|
1
|
75
|
2,52
|
2
|
70
|
2,34
|
3
|
80
|
2,63
|
4
|
65
|
2,16
|
5
|
75
|
2,34
|
6
|
70
|
2,38
|
7
|
80
|
2,48
|
8
|
75
|
2,48
|
Langkah-langkah
untuk menghitung persamaan regresi
1.
Pilih menu tools dari menu utama, lalu pilih Data Analysis.... Maka tampak toolbox
berikut:
Gambar 6.1 Kotak Dialog Data Analysis
2.
Dari serangkaian alat statistik
tersebut, sesuai dengan kebutuhan pada kasus, pilih Regression, lalu tekan Ok.
Sehingga muncul tool box sebagai berikut:
Gambar 6.2 Kotak Dialog Regression
Langkah-langkah pengisian:
1.
Untuk Input Y Range
(variabel dependen) yang adalah data variabel
Y, Klik icon yang terletak di kanan kotak putih pada baris
Input Range, sehingga terlihat gambar seperti berikut
Gerakan pointer mouse ke sel yang
dituju, kemudian sorot range yang menjadi variabel Y tersebut, sehingga range
tersebut akan dikelilingi oleh garis putus-putus yang bergerak-gerak. Setelah itu tekan icon di kanan range atau
tekan enter untuk kembali ke tools box regression.
2.
Untuk Input X Range (input variabel independen) yang adalah data variabel X, dilakukan dengan cara yang sama seperti pada Input variabel Y.
3.
Pilihan Labels dan Constant Is Zero
untuk keseragaman tidak perlu ditandai.
4.
Pilihan Confidence Level untuk kerseagaman bisa ditandai dengan mengklik
kotak di kiri pilihan tersebut. Pilihan ini menandakan analsis yang digunakan
pada tingkat signifikansi 5%.
5.
Pengisian pilihan Output Options pilih Output Range untuk keseragaman output
akan ditempatkan pada woorksheet yang sama.
6.
Jika semua kolom sudah terisi
benar, Tekan Ok
7.
Hasil Output
8.
SUMMARY OUTPUT
|
|
|||||||
|
|
|||||||
Regression Statistics
|
||||||||
Multiple R
|
0,870891447
|
|||||||
R Square
|
0,758451913
|
|||||||
Adjusted R Square
|
0,718193899
|
|||||||
Standard Error
|
0,075923939
|
|||||||
Observations
|
8
|
|||||||
|
|
|||||||
ANOVA
|
|
|
|
|
|
|||
|
df
|
SS
|
MS
|
F
|
Significance F
|
|||
Regression
|
1
|
0,1086008
|
0,1086008
|
18,83977
|
0,00487
|
|||
Residual
|
6
|
0,0345866
|
0,0057644
|
|
|
|||
Total
|
7
|
0,1431875
|
|
|
|
|||
|
Coefficients
|
Standard Error
|
t Stat
|
P-value
|
Lower 95%
|
Upper 95%
|
Lower 95,0%
|
Upper 95,0%
|
Intercept
|
0,641333
|
0,409801
|
1,56498
|
0,16862
|
-0,3614
|
1,6441
|
-0,3614
|
1,6441
|
X Variable 1
|
0,024067
|
0,005544
|
4,34048
|
0,00487
|
0,01049
|
0,0376
|
0,0105
|
0,0376
|
ANALISIS HASIL
Berdasarkan
output di atas, akan dibahas mengenai:
1. Persamaan Regresi Sederhana
Persamaan regresi sederhana adalah
Y = a + bX
Persamaan
di atas diisi dari kolom Coeficients
dan baris Intercept serta X Variable 1. Dari output di atas maka
persamaan regresi sederhana didapat:
Y = 0,64 + 0,02 X
Persamaan
tersebut diartikan sebagai berikut:
·
Intercept atau konstanta sebesar
0,64.
Artinya tanpa pengaruh dari variabel X, maka variabel Y
sebesar 0,64.
·
Arah hubungan
Dari persamaan terlihat adanya tanda ‘+’ yang menggambarkan
hubungan positif yang berarti garis regresi yang tergambar bersifat miring ke kanan
atas.
·
Koefisien regresi 0,02
Nilai ini menunjukkan bahwa besarnya pertambahan variabel Y
dipengaruhi oleh variabel X sebesar 2%.
2. Menggambar Persamaan Regresi
Setelah
persamaan regresi ditemukan, langkah selanjutnya adalah menggambar persamaan regresi
dengan Excel yang bisa dilakukan dengan dua prosedur. Pertama adalah memplot
gambar hubungan variabel X dan Y. Kedua memberi garis dan persamaan regresi
pada gambar tersebut.
Berikut
ini adalah langkah-langkah untuk memplot hubungan variabel X dan Y.
1.
Pilih menu Insert pada menu utama Excel, lalu pilih menu Chart....
2.
Pada kolom Chart Type, pilih XY
(Scatter), kemudian pilih jenis scatter yang paling atas pada kolom subtype. Setelah tipe chart XY
(scatter) dipilih, tekan Next untuk masuk ke step 2.
3.
Pada step 2, untuk pilihan Data Range diisi dengan menyorot range
variabel X dan Y. Sedangkan pilihan Series
in harus dipilih Columns dengan memberikan tanda pada kolom bulat di kiri
pilihan Columns. Lalu tekan Next untuk pilihan step selanjutnya.
4.
Pengisian step 3
Titles:
Untuk Chart Titles
ketik : Persamaan Regresi
Kolom Value (X) axis
: Ketik Variabel X
Untuk Value (Y) axis
: ketik Variabel Y
Axes:
Secara default sudah aktif, tetapi jika belum tandai dengan
cara mengklik kotak sebelah kiri baik untuk value Y maupun value X. Axes ini
berfungsi untuk menampilkan nilai untuk masing-masing variabel.
Gridlines:
Untuk memperjelas gambar maka garis-garis ini dihilangkan.
Ini berarti kotak pilihan dikosongkan .
Legend:
Tidak perlu
Data Labels:
Tidak perlu ditampilkan
5.
Pengisian step 4, pilih alternatif
As object in, yang berarti gambar
akan ditempatkan pada worksheet tersebut.
Jika pengisian sudah selesai tekan Finish.
3.
Memberi Garis Persamaan Regresi
Setelah
scatter X dan Y dibuat, akan ditambah garis dan persamaan regresi dengan
langkah-langkah sebagai berikut
1.
Tempatkan pointer pada kumpulan
titik-titik dalam gambar tersebut, sehingga titik-titik tersebut berubah warna.
Kemudian pada menu utama di atas akan muncul menu Chart yang menggantikan menu Data.
2.
Pilih menu Chart tersebut dan pilih Add
trendline... pada menu tersebut. Maka tampak gambar berikut
Pada
pilihan Type, pilih alternatif Linier, sedangkan pada tab Option,
untuk kolom trendline name pilih Custom (buat sendiri) untuk keseragaman
ketik Regresi.
Kolom
Forecast pilihan diabaikan, artinya
biarkan nilainya 0.
Pada
tiga kotak terakhir, tandai kotak Display
Equation on Chart saja untuk menampilkan persamaan regresi pada chart. Dan
yang lainnya diabaikan.
Jika
sudah dianggap benar tekan Ok, sehingga muncul gambar berikut:
Output di atas
bisa dimodifikasi supaya tampilannya lebih bagus lagi.
4. Korelasi Sederhana dan Ukuran Lainnya
Korelasi Sederhana (r):
Korelasi
menggambarkan keeratan hubungan antara variabel X dan Y. Dalam Excel, untuk
mencari korelasi, bisa dengan melihat nilai pada baris Multiple R yang ada pada output yaitu sebesar 0,870891, atau dengan menggunakan fungsi CORREL, dengan rumus: =Correl(aray1;aray2). Korelasi sebesar
0,87 ini membuktikan bahwa hubungan antara variabel X dengan variabel Y sangat
erat.
Ukuran Lainnya:
·
Standar Error of Estimate (SE)
Dari baris Standar
error pada output didapat angka 0,075924.
hal ini menunjukkan variasi sebesar 0,075924 di sekeliling garis regresi. Pada
prinsipnya, standar error mempunyai pengertian yang sama denganstandar deviasi
dalam statistik deskriptif.
·
R Square (R2)
Dalam kolom R square
pada output Regression Statistics di
dapat angka 0,758452. Hal ini
berarti bahwa sekitar 75%, variasi
pada variabel Y bisa dijelaskan oleh variabel X, sedangkan sisanya 25% dapat
dijelaskan oleh variabel lainnya.
Untuk persamaan regresi sederhana, R square sudah dianggap
sudah mewakili determinasi. Namun untuk persamaan multi regresi, dianjurkan
untuk menggunakan Adjusted R Square.
5. Analisis Koefisien Regresi
Pengujian
koefisien regresi bertujuan untuk menguji signifikansi hubungan antara variabel
X dan Y. Pengujian dilakukan dengan
menggunakan uji t dengan langkah-langkah sebagai berikut
a.
Membuat hipotesis. Hipotesis untuk
pengujian t-tes di atas adalah:
H0 : b = 0 ; Artinya, tidak ada hubungan antara variabel X dengan variabel Y.
H1 : b ¹ 0 ; Artinya, terdapat hubungan antara variabel X dengan variabel Y.
b.
Menentukan ttabel dan thitung:
Dengan tingkat signifikansi a = 0,05, sedang degree of freedom (df) sebesar (n – 2) maka diperoleh ttabel
pada dua sisi sebesar 1,9432.
Pada Excel dengan menggunakan fungsi TINV dengan rumus: =TINV(prob;deg_ freedom)
Sedangkan thitung dapat dilihat pada output
komputer pada baris keterangan ‘t Stat’
variabel X1. Hasil yang diperoleh adalah sebesar +4,340.
c.
Pengambilan keputusan
Kaidah keputusan:
Dengan membandingkan ttabel dan thitung maka:
-
Jika thitung > dari
ttabel, maka H0 ditolak;
-
Jika thitung < dari
ttabel, maka H0 diterima.
Dalam hal ini jelas bahwa thitung > ttabel,
(4,340 > 1,9432), maka keputusan yang diambil adalah H0 ditolak,
artinya terdapat hubungan antara variabel X terhadap Variabel Y.
BAB
III
PENGAMBILAN
DAN PENGOLAHAN DATA
Dalam data yang
diambil dari skripsi dengan
Judul :
Pengaruh Diferensiasi Produk Terhadap Volume Penjualan Susu Segar
Nama Penyusun : Renni Andriani
NPM : 03.110.003
Terdapat tabel sebagai berikut :
No
|
X
|
Y
|
XY
|
X2
|
Y2
|
1
|
0.65
|
3.21
|
2.0865
|
0.4225
|
10.3041
|
2
|
0.66
|
2.84
|
1.8744
|
0.4356
|
8.0656
|
3
|
0.66
|
-8.9
|
-5.874
|
0.4356
|
79.21
|
4
|
0.68
|
-0.14
|
-0.0952
|
0.4624
|
0.0196
|
5
|
0.34
|
2.49
|
0.8466
|
0.1156
|
6.2001
|
6
|
0.69
|
8.37
|
5.7753
|
0.4761
|
70.0569
|
7
|
0.55
|
6.68
|
3.674
|
0.3025
|
44.6224
|
8
|
0.43
|
10.232
|
4.39976
|
0.1849
|
104.693824
|
9
|
0.38
|
4.91
|
1.8658
|
0.1444
|
24.1081
|
10
|
0.38
|
0.9
|
0.342
|
0.1444
|
0.81
|
Maka yang dilakukan adalah
Mengitung persamaan regresi
SUMMARY
OUTPUT
|
|||||||||||||||
Regression Statistics
|
|||||||||||||||
Multiple
R
|
0.870891
|
||||||||||||||
R
Square
|
0.758452
|
||||||||||||||
Adjusted
R Square
|
0.718194
|
||||||||||||||
Standard
Error
|
0.075924
|
||||||||||||||
Observations
|
8
|
||||||||||||||
ANOVA
|
|||||||||||||||
|
df
|
SS
|
MS
|
F
|
Significance F
|
||||||||||
Regression
|
1
|
0.108601
|
0.108601
|
18.83977
|
0.004872754
|
||||||||||
Residual
|
6
|
0.034587
|
0.005764
|
||||||||||||
Total
|
7
|
0.143188
|
|
|
|||||||||||
Coefficients
|
Standard Error
|
t Stat
|
P-value
|
Lower 95%
|
Upper 95%
|
Lower 95,0%
|
Upper 95,0%
|
||||||||
Intercept
|
0.64133
|
0.40980
|
1.56498
|
0.16862
|
-0.36142
|
1.64408
|
-0.36142
|
1.64408
|
|||||||
X
|
0.02407
|
0.00554
|
4.34048
|
0.00487
|
0.01050
|
0.03763
|
0.01050
|
0.03763
|
|||||||
pengujian koef
korelasi
|
|||
1. H0 : ρ=0, artinya tidak terdapat
hubungan
|
|||
2. H1 : ρ≠0, artinya terdapat Hubungan
|
|||
3.
Taraf Nyata α=5%
|
|||
|
4. wilayah Kritis
|
||
i
|
|||
-2.262157
|
2.262157
|
||
PENENTUAN UJI
SIGNIFIKAN KORELASI
|
|
korelasi
|
-0.244769906
|
ttabel
|
2.262157158
|
tHitung
|
-0.714033899
|
Artinya terdapat hubungan negatif
terhadap pengaruh diferensiasi produk terhadap volume penjualan susu
segar di KPGS CIKAJANG.
Dalam data yang
diambil dari skripsi dengan
Judul : Pengaruh
Diferensiasi Produk Terhadap Volume Penjualan Susu Segar
Nama Penyusun : Renni Andriani
NPM : 03.110.0030
Menunjukan
tHitung
|
3.2743
|
tTabel
|
2.306
|
Korelasi
|
0.76
|
Sedangkan dalam
perhitungan yang dilakukan dalam excel, menunjukan bahwa :
tHitung
|
-0.714033899
|
tTabel
|
2.262157158
|
Korelasi
|
-0.244769906
|
Jadi terdapat
perbedaan antara hasil perhitungan data.
BAB IV
PENUTUP
A.
Kesimpulan
Dari data diatas saya menyimpulkan bahwa data yang saya
peroleh dari narasumber, merupakan Artinya terdapat hubungan negatif pada Pengaruh diferensiasi produk terhadap
volume penjualan susu segar.
B.
Penutup
Saya
menyadari bahwa makalah ini masih jauh dari sempurna, oleh karena itu kritik
dan saran dari semua pihak yang bersifat membangun selalu kami harapkan demi
kesempurnaan makalah ini.
Akhir kata, saya sampaikan
terima kasih kepada semua pihak yang telah berperan serta dalam penyusunan
makalah ini dari awal sampai akhir.
DAFTAR PUSTAKA
·
·
Andriani,
Renni. 2006. Pengaruh Diferensiasi Produk Terhadap Volume Penjualan Susu Segar.
STIE YASA ANGGANA GARUT