Contoh Soal Regresi Linier Berganda dan Analisis Uji Asumsi Klasik Menggunakan SPSS
I.
Judul
“Pengaruh
Biaya Produksi, Biaya Distribusi dan Biaya Promosi Terhadap Tingkat Penjualan”
II.
Pertanyaan
“Apakah
terdapat pengaruh biaya produksi, biaya distribusi dan biaya promosi terhadap
tingkat penjualan ?”
III.
Hipotesis
“Diduga
terdapat pengaruh positif biaya produksi, biaya distribusi dan biaya promosi
terhadap tingkat penjualan”.
IV.
Kriteria Penerimaan Hipotesis
H0 :
Tidak terdapat pengaruh positif biaya produksi, biaya distribusi dan
biaya promosi terhadap tingkat penjualan
H1 :
Terdapat pengaruh positif biaya produksi, biaya distribusi dan
biaya promosi
terhadap tingkat penjualan
V.
Sampel
Adapun
sampel yaitu suatu perusahaan pengolahan makanan
VI.
Data yang Dikumpulkan
Adapun
data yang dikumpulkan berupa data time
series tahun 1996-2010.
Tahun
|
Tingkat
Penjualan
|
Biaya
Produksi
|
Biaya
Distribusi
|
Biaya
Promosi
|
1996
|
127,3
|
37,8
|
11,7
|
8,7
|
1997
|
122,5
|
38,1
|
10,9
|
8,3
|
1998
|
146,8
|
42,9
|
11,2
|
9
|
1999
|
159,2
|
45,2
|
14,8
|
9,6
|
2000
|
171,8
|
48,4
|
12,3
|
9,8
|
2001
|
176,6
|
49,2
|
16,8
|
9,2
|
2002
|
193,5
|
48,7
|
19,4
|
12
|
2003
|
189,3
|
48,3
|
20,5
|
12,7
|
2004
|
224,5
|
50,3
|
19,4
|
14
|
2005
|
239,1
|
55,8
|
20,2
|
17,3
|
2006
|
257,3
|
56,8
|
18,6
|
18,8
|
2007
|
269,2
|
55,9
|
21,8
|
21,5
|
2008
|
308,2
|
59,3
|
24,9
|
21,7
|
2009
|
358,8
|
62,9
|
24,3
|
25,9
|
2010
|
362,5
|
60,5
|
22,6
|
27,4
|
Keterangan :
Y =
Tingkat Penjualan
X1 =
Biaya Produksi
X2 =
Biaya Distribusi
X3 =
Biaya Promosi
VII.
Analisis Data
Persamaan
Regresi Linier
Y = a + b1X1 + b2X2 + b3X3 + e
1. Uji
Statistik
a. Korelasi
Correlations
|
|||||
Tingkat Penjualan
|
Biaya Produksi
|
Biaya Distribusi
|
Biaya Promosi
|
||
Pearson
Correlation
|
Tingkat
Penjualan
|
1,000
|
,955
|
,882
|
,983
|
Biaya Produksi
|
,955
|
1,000
|
,893
|
,918
|
|
Biaya
Distribusi
|
,882
|
,893
|
1,000
|
,853
|
|
Biaya
Promosi
|
,983
|
,918
|
,853
|
1,000
|
|
Sig.
(1-tailed)
|
Tingkat
Penjualan
|
.
|
,000
|
,000
|
,000
|
Biaya
Produksi
|
,000
|
.
|
,000
|
,000
|
|
Biaya
Distribusi
|
,000
|
,000
|
.
|
,000
|
|
Biaya
Promosi
|
,000
|
,000
|
,000
|
.
|
|
N
|
Tingkat
Penjualan
|
15
|
15
|
15
|
15
|
Biaya
Produksi
|
15
|
15
|
15
|
15
|
|
Biaya
Distribusi
|
15
|
15
|
15
|
15
|
|
Biaya
Promosi
|
15
|
15
|
15
|
15
|
Tabel ini menunjukkan Derajat Hubungan masing-masing
variabel independen dengan variabel dependen. Tabel ini menunjukkan ada atau
tidaknya hubungan Biaya Promosi, Biaya Distribusi dan Biaya Produksi dengan
Tingkat Penjualan.
Berdasarkan tabel, tingkat hubungan antara tingkat
penjualan dengan biaya produksi adalah sebesar 0,955 dan berdasarkan nilai sig
(0,000) yaitu lebih kecil dari α = 1 % (0,01), maka disimpulkan terdapat hubungan
yang sangat kuat antara keduanya. Dengan demikian keputusan yang diambil yaitu
menolak H0 dan menerima H1.
Berdasaran tabel, tingkat hubungan antara tingkat
penjualan dengan biaya distribusi adalah sebesar 0,882 dan berdasarkan nilai
sig (0,000) yaitu lebih kecil dari α = 1 % (0,01), maka disimpulkan terdapat
hubungan yang sangat kuat antara keduanya. Dengan demikian keputusan yang
diambil yaitu menolak H0 dan menerima H1.
Berdasaran tabel, tingkat hubungan antara tingkat
penjualan dengan biaya promosi adalah sebesar 0,983 dan berdasarkan nilai sig
(0,000) yaitu lebih kecil dari α = 1 % (0,01), maka disimpulkan terdapat
hubungan yang sangat kuat antara keduanya. Dengan demikian keputusan yang
diambil yaitu menolak H0 dan menerima H1.
b. Koefisien
Determinasi
Model Summary
|
|||||||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
Change Statistics
|
||||
R Square Change
|
F Change
|
df1
|
df2
|
Sig. F Change
|
|||||
1
|
,992a
|
,983
|
,979
|
11,26722
|
,983
|
218,339
|
3
|
11
|
,000
|
a.
Predictors: (Constant), Biaya Promosi, Biaya Distribusi, Biaya Produksi
|
Koefisien determinasi (R2) adalah suatu nilai
yang menunjukkan seberapa besar variasi dalam variabel terikat (Y) dapat
dijelaskan oleh semua variabel bebas (Xi) secara bersama-sama. Berdasarkan
model summary, diperoleh nilai R2 (R-Square) adalah 0,983. Dengan
demikian, sebesar 98,3 % variasi perubahan-perubahan dalam Tingkat Penjualan
dapat dijelaskan oleh Biaya Produksi, Biaya Distribusi dan Biaya Promosi.
Sisanya sebesar 1,7 %, dijelaskan oleh variabel lain yang tidak dimasukkan
dalam persamaan regresi.
c. Uji
F
ANOVAa
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
83154,523
|
3
|
27718,174
|
218,339
|
,000b
|
Residual
|
1396,453
|
11
|
126,950
|
|||
Total
|
84550,976
|
14
|
||||
a.
Dependent Variable: Tingkat Penjualan
|
||||||
b.
Predictors: (Constant), Biaya Promosi, Biaya Distribusi, Biaya Produksi
|
Uji F bertujuan untuk
mengukur signifikansi persamaan regresi yang telah diestimasi secara
keseluruhan. Berdasaran tabel, nilai sig F-hitung adalah (0,000) yaitu lebih
kecil dari α = 1 % (0,01). Maka dapat disimpulkan bahwa, secara bersama-sama,
Biaya Produksi, Biaya Distribusi dan Biaya Promosi berpengaruh sangat nyata
terhadap Tingkat Penjualan. Atau dapat disimpulkan juga bahwa persamaan regresi
dinyatakan baik (good of fit) dan
nilai prediksi mampu menggambarkan kondisi sesungguhnya.
d. Uji-t
Coefficientsa
|
|||||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
Correlations
|
||||
B
|
Std. Error
|
Beta
|
Zero-order
|
Partial
|
Part
|
||||
1
|
(Constant)
|
-66,233
|
35,553
|
-1,863
|
,089
|
||||
Biaya
Produksi
|
3,109
|
1,155
|
,310
|
2,691
|
,021
|
,955
|
,630
|
,104
|
|
Biaya
Distribusi
|
,572
|
1,427
|
,035
|
,401
|
,696
|
,882
|
,120
|
,016
|
|
Biaya
Promosi
|
7,894
|
1,176
|
,668
|
6,712
|
,000
|
,983
|
,897
|
,260
|
|
a.
Dependent Variable: Tingkat Penjualan
|
Untuk menguji tingkat
signifikansi pengaruh masing-masing variabel bebas Xi secara individu terhadap
variabel terikat Y digunakan Uji-t. Berdasarkan nilai sig pada tabel, dilakukan
pengujian pengaruh masing-masing Biaya Produksi, Biaya Distribusi dan Biaya
Promosi terhadap Tingkat Penjualan. Biaya Produksi berpengaruh nyata terhadap
Tingkat Penjualan, dengan nilai koefisien sebesar 3,109. Secara statistik dapat
dilihat dari nilai sig yang lebih kecil dari tingkat α = 5% (0,021 < 0,05).
Sebaliknya, Biaya Distribusi tidak berpengaruh nyata terhadap Tingkat Penjualan,
dengan nilai koefisien sebesar 0,572. Secara statistik dapat dilihat dari nilai
sig yang lebih besar dari tingkat α = 5% (0,696 > 0,05).
Kemudian, Biaya
Promosi berpengaruh sangat nyata terhadap Tingkat Penjualan, dengan nilai
koefisien sebesar 7,894. Secara statistik dapat dilihat dari nilai sig yang
lebih kecil dari tingkat α = 1% (0,000 < 0,01).
Berdasarkan tabel,
persamaan regresi setelah dilakukan estimasi dapat ditulis sebagai berikut :
Y = 66,233 + 3,109 X1 +0,572 X2 +
7,894 X3
Berdasarkan persamaan regresi maka dapat
diinterpretasikan bahwa ketika masing-masing variabel Biaya Produksi, Biaya
Distribusi dan Biaya Promosi sebesar nol maka Tingkat Penjualan akan ada sebesar
66,233. Ketika terjadi peningkatan Biaya Produksi sebesar satu satuan maka akan
menambah Tingkat Penjualan sebesar 3,109. Ketika terjadi peningkatan Biaya
Distribusi sebesar satu satuan akan menambah Tingkat Penjualan sebesar 0,572
dan ketika terjadi peningkatan Biaya Promosi sebesar satu satuan maka akan
menambah Tingkat Penjualan sebesar 7,894.
2. Uji
Asumsi Klasik
a.
Normalitas
Untuk menguji apakah di dalam model regresi variabel
pengganggu (residual) memiliki distribusi normal maka dapat dilakukan uji normalitas
data dengan analisis grafik dan analisis statistik.
1)
Analisa Grafik
Berdasarkan tampilan output chart di atas kita dapat
melihat grafik histogram maupun grafik plot. Dimana grafik histogram memberikan
pola distribusi mengikuti garis poligon yang artinya pola distribusi data
normal sehingga model regresi memenuhi asumsi normalitas. Sedangkan berdasarkan
grafik plot memberikan pola distribusi menyebar di sekitar garis diagonal dan
mengikuti arah garis diagonal tersebut maka hal ini menunjukkan pola distribusi
normal sehingga model regresi memenuhi asumsi normalitas.
2)
Analisa Statistik
Selain
menggunakan Analisis Grafik, dalam menguji apakah dalam model regresi variabel
residu memiliki distribusi normal atau tidak juga dapat dilakukan analisis dengan
Rumus Kolmogorov-Smirnov Test dengan dasar pengambilan keputusan : Data
berdistribusi normal, jika nilai sig (signifikansi) > α (1% atau 5%).
Tahun
|
Tingkat
Penjualan
|
Biaya
Produksi
|
Biaya
Distribusi
|
Biaya
Promosi
|
RES_1
|
1996
|
127,3
|
37,8
|
11,7
|
8,7
|
0,66134
|
1997
|
122,5
|
38,1
|
10,9
|
8,3
|
-1,45655
|
1998
|
146,8
|
42,9
|
11,2
|
9
|
2,22454
|
1999
|
159,2
|
45,2
|
14,8
|
9,6
|
0,68057
|
2000
|
171,8
|
48,4
|
12,3
|
9,8
|
3,18289
|
2001
|
176,6
|
49,2
|
16,8
|
9,2
|
7,65994
|
2002
|
193,5
|
48,7
|
19,4
|
12
|
2,526
|
2003
|
189,3
|
48,3
|
20,5
|
12,7
|
-6,58481
|
2004
|
224,5
|
50,3
|
19,4
|
14
|
12,76476
|
2005
|
239,1
|
55,8
|
20,2
|
17,3
|
-16,23951
|
2006
|
257,3
|
56,8
|
18,6
|
18,8
|
-12,07415
|
2007
|
269,2
|
55,9
|
21,8
|
21,5
|
-20,5182
|
2008
|
308,2
|
59,3
|
24,9
|
21,7
|
4,56148
|
2009
|
358,8
|
62,9
|
24,3
|
25,9
|
11,15975
|
2010
|
362,5
|
60,5
|
22,6
|
27,4
|
11,45193
|
One-Sample Kolmogorov-Smirnov Test
|
||
Unstandardized Residual
|
||
N
|
15
|
|
Normal Parametersa,b
|
Mean
|
0E-7
|
Std. Deviation
|
9,98732253
|
|
Most Extreme Differences
|
Absolute
|
,193
|
Positive
|
,101
|
|
Negative
|
-,193
|
|
Kolmogorov-Smirnov Z
|
,748
|
|
Asymp. Sig. (2-tailed)
|
,631
|
|
a. Test distribution is
Normal.
|
||
b. Calculated from data.
|
Berdasarkan uji
normalitas dengan Kolmogorov-Smirnov Test diperoleh nilai KSZ sebesar 0,784 dan
sig K-S Test sebesar 0,631 atau lebih besar dari 0,01 (α = 1%) maka dapat
disimpulkan bahwa residual data berdistribusi normal.
b.
Multikolinieritas
Uji Multikolinieritas digunakan untuk mengetahui ada atau
tidaknya penyimpangan asumsi klasik multikolinieritas yaitu adanya hubungan
linier antar variabel independen dalam model regresi. Model regresi yang baik
seharusnya tidak terjadi korelasi antar variabel independen.
Ada beberapa metode yang dapat digunakan dalam analisis
multikolinieritas diantaranya : 1) dengan melihat hubungan (korelasi) antar
variabel bebas; 2) dengan membandingkan nilai koefisien determinasi individual
(r2) dengan nilai koefisien determinasi secara serentak (R2);
dan 3) dengan melihat nilai Tolerance dan VIF.
1) Melihat
hubungan (korelasi) antar variabel bebas
Dasar pengambilan keputusan dengan cara ini yaitu apabila
korelasi antar variabel independen lebih besar dari 0,9 (>0,9) maka
dikatakan terjadi multikolinieritas.
Correlations
|
|||||
Tingkat Penjualan
|
Biaya Produksi
|
Biaya Distribusi
|
Biaya Promosi
|
||
Pearson
Correlation
|
Tingkat
Penjualan
|
1,000
|
,955
|
,882
|
,983
|
Biaya
Produksi
|
,955
|
1,000
|
,893
|
,918
|
|
Biaya
Distribusi
|
,882
|
,893
|
1,000
|
,853
|
|
Biaya
Promosi
|
,983
|
,918
|
,853
|
1,000
|
|
Sig.
(1-tailed)
|
Tingkat
Penjualan
|
.
|
,000
|
,000
|
,000
|
Biaya
Produksi
|
,000
|
.
|
,000
|
,000
|
|
Biaya
Distribusi
|
,000
|
,000
|
.
|
,000
|
|
Biaya
Promosi
|
,000
|
,000
|
,000
|
.
|
|
N
|
Tingkat
Penjualan
|
15
|
15
|
15
|
15
|
Biaya
Produksi
|
15
|
15
|
15
|
15
|
|
Biaya
Distribusi
|
15
|
15
|
15
|
15
|
|
Biaya Promosi
|
15
|
15
|
15
|
15
|
Berdasarkan tabel di atas dapat dilihat hubungan antar
masing-masing variabel independen. Diperoleh bahwa tidak terdapat
multikolinieritas antara variabel Biaya Produksi dan Biaya Distribusi dengan
nilai r sebesar 0,893 atau lebih kecil dari 0,90. Untuk variabel Biaya
Distribusi dan Biaya Promosi juga tidak terdapat multikolinieritas antar
keduanya yang terlihat dari nilai r sebesar 0,853 atau lebih kecil dari 0,90.
Sebaliknya, terjadi multikolinieritas antara variabel Biaya Promosi dengan
Biaya Produksi yang terlihat dari nilai r sebesar 0,918. Maka dapat disimpulkan
terdapat gejala multikolinieritas dalam persamaan regresi tersebut.
2) Membandingkan
nilai koefisien determinasi individual (r2) dengan nilai koefisien
determinasi secara serentak (R2)
Dalam metode ini cara yang dilakukan adalah dengan
meregresikan setiap variabel independen dengan variabel independen lainnya,
dengan tujuan untuk mengetahui nilai koefisien r2 untuk setiap
variabel yang diregresikan. Selanjutnya nilai r2 tersebut
dibandingkan dengan nilai koefisien determinasi R2. Kriteria
pengujian yaitu jika r2 > R2 maka terjadi
multikolinieritas.
Tabel koefisien determinasi serentak
Model Summary
|
|||||||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
Change Statistics
|
||||
R Square Change
|
F Change
|
df1
|
df2
|
Sig. F Change
|
|||||
1
|
,992a
|
,983
|
,979
|
11,26722
|
,983
|
218,339
|
3
|
11
|
,000
|
a.
Predictors: (Constant), Biaya Promosi, Biaya Distribusi, Biaya Produksi
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
,893a
|
,797
|
,782
|
2,22916
|
a.
Predictors: (Constant), Biaya Produksi
|
Tabel
r2 antara Biaya Produksi dan Biaya Distribusi
Tabel r2 antara Biaya Distribusi dan Biaya Promosi
Model
Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R
Square
|
Std. Error
of the Estimate
|
1
|
,853a
|
,728
|
,707
|
3,56105
|
a. Predictors: (Constant), Biaya Distribusi
|
Tabel r2 antara Biaya Promosi dan Biaya Produksi
Model
Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R
Square
|
Std. Error
of the Estimate
|
1
|
,918a
|
,843
|
,831
|
3,19179
|
a. Predictors: (Constant), Biaya Promosi
|
Berdasarkan tabel di
atas dapat diketahui bahwa nilai koefisien r2 yang diperoleh
seluruhnya bernilai lebih kecil dari pada nilai koefisien determinasi (R2).
Dengan demikian dapat disimpulkan bahwa tidak terjadi masalah multikolinieritas
pada model regresi.
3) Melihat
nilai Tolerance dan VIF
Coefficientsa
|
|||||||||||
Model
|
Unstandardized
Coefficients
|
Standardized
Coefficients
|
t
|
Sig.
|
Correlations
|
Collinearity
Statistics
|
|||||
B
|
Std. Error
|
Beta
|
Zero-order
|
Partial
|
Part
|
Tolerance
|
VIF
|
||||
1
|
(Constant)
|
-66,233
|
35,553
|
-1,863
|
,089
|
||||||
Biaya Produksi
|
3,109
|
1,155
|
,310
|
2,691
|
,021
|
,955
|
,630
|
,104
|
,113
|
8,862
|
|
Biaya Distribusi
|
,572
|
1,427
|
,035
|
,401
|
,696
|
,882
|
,120
|
,016
|
,196
|
5,111
|
|
Biaya Promosi
|
7,894
|
1,176
|
,668
|
6,712
|
,000
|
,983
|
,897
|
,260
|
,152
|
6,592
|
|
a. Dependent Variable: Tingkat Penjualan
|
Dari hasil di atas dapat diketahui bahwa nilai variance inflation factor (VIF) ketiga variabel yaitu Biaya
Produksi, Biaya Distribusi dan Biaya Promosi masing-masing adalah 8,862; 5,111;
dan 6,592 lebih kecil dari 10. Kemudian dari tabel juga dapat diketahui bahwa
nilai Tolerance ketiga variabel yaitu Biaya Produksi, Biaya Distribusi dan
Biaya Promosi masing-masing adalah 0,113; 0,196; dan 0,152 lebih kecil dari 1.
Maka mengacu pada dasar pengambilan keputusan dalam uji multikolinieritas dapat
disimpulkan bahwa tidak terjadi gejala multikolinieritas dalam model regresi.
Post a Comment for "Contoh Soal Regresi Linier Berganda dan Analisis Uji Asumsi Klasik Menggunakan SPSS"