Contoh Soal Regresi Berganda Dummy (Lebih Dari Dua Kriteria) + Analisis - Bagian II

Contoh Soal Regresi Berganda Dummy (Lebih Dari Dua Kriteria) + Analisis - Bagian II

Pada kesempatan ini Ekonomi akan mengulas tentang "" dengan judul artikel "Contoh Soal Regresi Berganda Dummy (Lebih Dari Dua Kriteria) + Analisis - Bagian II".

Tag :

Artikel Terkait Informasi Statistik Terbaru & Terlengkap

SmartPeople.ID - Jangan lupa membaca artikel sebelumnya, Anda bisa menemukan berbagai rekomendasi bisnis terbaik sesuai karakteristik dan hobi Anda di halaman > Rekomendasi Bisnis Terbaik dan Terlengkap.

Pada bagian I pos ini saya sudah memberikan contoh soal uji regresi berganda dummy lebih dari dua kriteria beserta langkah-langkah pengujian ke dalam software SPSS. Nada bisa baca lagi posnya disini: Contoh Soal Regresi Berganda Dummy (Lebih Dari Dua Kriteria) + Analisis - Bagian I. Pada bagian II pos ini saya akan membahas hasil / output dari uji regresi dummy. 


Analisis dan interpretasi:

Ø  Pada Output Model Summary terdapat angka Adjusted R Square sebesar 0.919, angka ini mengindikasikan bahwa korelasi atau hubungan antara pembelian konsumen dengan jumlah Outlet perusahaan, jumlah SPG yang dipekerjakan perusahaan dan Tingkat Penghasilan Konsumen adalah sangat kuat (karena diatas 0.5). Dengan juga dengan besar Adjusted R Square yang sebesar 91,9%.

Ø  Pada Output Anova atau F Test, didapatkan nilai F Hitung sebesar 43.989 dengan tingkat siginifikansi sebesar 0.000. Hal ini mengindikasikan bahwa model regresi dapat dipakai untuk memprediksi pemebelian konsumen karena nilai Sig berada dibawah/ lebih kecil dari 0.05.

Ø  Pada Ouput Coeffiecent (Koefisien Regresi) didapatkan persamaan regresi sebagai berikut:
Beli = 17.332 + 9.736 outlet + 43.110 SPG + 67.159 indeks1 + 106.81 indeks2 + 88.552 indeks3.

Analisis persamaan regresi:
Cara menafsir regresi untuk variabel independen Tingkat Penghasilan harus ditafsir dengan membandingkan dengan kategori dasar, yaitu Golongan Miskin yang berkode 0 0 0.

ü  Konstanta sebesar 17.332 mengindikasikan bahwa jika tidak ada outlet satupun Kota Malang, tidak ada satupun SPG di Kota Malang, dan pembeli roti semuanya dari golongan miskin (angka indeks 1,2,3 semuanya adalah 0), maka jumlah roti terbeli adalah 17.332 buah tau dibulatkan menjadi 17 roti.

ü  Koefisien Outlet 9.736 berarti setiap ada penambahan 1 buah outlet akan menaikkan pembelian roti sebanyak 9.736 buah.

ü  Koefisien SPG 43.119 mengindikasikan bahwa setiap ada penambahan 1 orang SPG akan menaikkan pembelian roti sebanyak 43.11 buah. 

Koefisien Regresi dari Tingkat Penghasilan Konsumen:

ü  Koefisien indeks1 67.159 berarti secara rata-rata, konsumen golongan menengah kebawah membeli roti PT Jaya 67.159 buah lebih banyak dibandingkan konsumen golongan miskin.
ü  Koefisien indeks2 106.181 berarti secara rata-rata konsumen golongan menengah membeli roti PT Jaya sebanyak 106.181 buah lebih banyak dibandingkan konsumen golongan miskin  
ü  Koefisien indeks3 88.552 berarti secara rata-rata konsumen golongan kaya membeli roti PT Jaya 88.552 buh lebih banyak dibandigkan konsumen golongan miskin.

Dari analisis koefisien regresi diatas dapat ditarik kesimpulan bahwa golongan menengah ternyata adalah pembeli roti PT Jaya yang paling banyak, bahkan lebih banyak dibandingkan golongan kaya. Dengan adanya analisis tersebut, maka manajer PT Jaya dapat memfokuskan promosi, outlet dan SPG pada tempat-tempat di Kota Malang yang memenuhi kriteria untuk golongan menengah.  

Uji t

Uji selanjutnya dalam analisis regresi dummy adalah uji t. Uji t digunakan untuk menguji signifikansi konstanta dan stiap variabel independen. Uji t dapat dilihat pada output Coefficient pada kolom atau nilai Sig, dengan hipotesis:

- H0 = Koefisien regresi tidak signifikan
- H1 = Koefisien regresi signifikan

Dasar pengambilan keputusan:
- Jika probabilitas > 0,05 --> H0 diterima
- Jika probabilitas < 0,05 --> H0 ditolak 

Analisis dan interpretasi:

ü  Variabel outlet, SPG, dan indeks1, indeks2 dan indeks3 memiliki angka signifikan dibawah 0.05. Karena itu ketiga variabel independen tersebut memang memengaruhi sales.
ü  Konstanta (angka 17.332) ternyata tidak signifikan (karena angka sig berada diatas 0.05) dan karenanya model regresi harus diulang menggunakan metoda lain selain metoda ENTER. Namun, dalam aplikasi praktis, uji signifikansi konstanta dapat diabaikan dan suatu mode regresi sudah dapat dianggap signifikan dan dapat digunakan untuk memprediksi variabel dependen seperti pada perhitungan dibawah ini.

Contoh prediksi variabel dependen

1.    Jika di tempat baru di Kota Malang akan dibuka outlet PT Jaya sebanyak 15 buah dan perusahaan merekrut SPG sebanyak 15 orang dan diasumsikan konumen golongan menengah yang akan membeli roti tersebut (dengan kode golongan menengah adalah 0 1 0), maka jumlah pembelian yang diperkirakan adalah:
beli = 17.332 + (9.736 * 15) + (43.110 * 15) + (67.159 * 0) + (106.182 * 1) + (88.552 * 0)
= 916204 roti
2.    Dan jika yang ditujukan adalah golongan miskin (dengan kode golongan miskin 0 0 0 ), maka jumlah roti yang terbeli diperkirakan:
beli = 17.332 + (9.736 * 15) + (43.110 * 15) + (67.159 * 0) + (106.182 * 0) + (88.552 * 0)
= 810022 roti
Jika ditarik kesimpulan, maka prediksi penjualan akan turun jika roti dijual di daerah miskin.


Selain sebagai media informasi tentang analisis ilmu ekonomi, pembelajaran akuntansi, dan berita ekonomi di indonesia, AdiGunawan.NET juga memberikan berbagai panduan memulai bisnis saham, mungkin Anda tertarik untuk mulai perdagangan saham atau investasi saham, selengkapnya silahkan buka daftar isi panduan saham dibawah ini :


Keyword : Statistik,

Untuk mendapat notifikasi artikel terbaru, masukkan e-mail anda disini :

Selanjutnya cek e-mail untuk verifikasi.
Tuliskan komentar anda dibawah ini.

Kategori Terpopuler

Artikel Terpopuler


Tampilkan Komentar
Sembunyikan Komentar
Tanggapan dan Saran