MENGENAL REGRESI LINEAR BERGANDA SEDERHANA DENGAN MINITAB 16
Regresi, sederhananya untuk melihat hubungan. Regresi berganda berarti melihat hubungan antara lebih dari 1 faktor input. Secara matematis, regresi ganda dirumuskan dengan:
Y = a +b1x1 + b2x2 + … + bKxK + E
Sehingga nantinya kita bisa memutuskan apakah kedua faktor input untuk menghasilkan suatu response atau produk berkait erat keduanya atau tidak, dan apakah masing-masing input nya memberikan kontribusi pengaruh yang sama.
Misalkan, saya manajer pemasaran PT Rokok ABC ingin mengamati hubungan antara HARGA JUAL, BIAYA IKLAN dengan VOLUME PENJUALAN produknya. Untuk itu diamati secara random data tentang harga jual dan volume penjualan selama 10 minggu sbb :
HARGA (RIBUAN RP) | IKLAN (RATUSAN RIBU RP) | VOLUME (RIBUAN UNIT) |
1,3 | 9 | 10 |
2 | 7 | 6 |
1,7 | 5 | 5 |
1,5 | 14 | 12 |
1,6 | 15 | 10 |
1,2 | 12 | 15 |
1,6 | 6 | 5 |
1,4 | 10 | 12 |
1 | 15 | 17 |
1,1 | 21 | 20 |
Pertanyaan : (a). Adakah hubungan antara Harga Jual, Biaya Iklan dan Volume Penjualan ?; (b) Bagaimana Pengaruh Harga Jual, Biaya Iklan terhadap Volume Penjualan ?
Namun untuk lebih memudahkan perhitungan kita sebaiknya menggunakan software statistik. Jika menggunakan SPSS caranya sebenarnya sama saja dengan cara menghitung regresi linier sederhana. Oleh karena itu, pada postingan ini saya akan menggunakan software MINITAB versi 16.
Langkah 1
Masukkan data dalam minitab worksheet
Langkah 2
Analisa regresi dengan menekan menu regresi
Langkah 3
Masukkan Response "Volume Penjualan" dan input predictor nya "Biaya Iklan dan Hrga jual"
Langkah 4
Tekan "Graph" untuk melihat ke empat jenis tampilan grafik.
Juga tekan "RESULT" untuk melihat tampilan hasil apa yang kita ingin dapatkan.
Langkah 5
Hasil output statistiknya sbb:
Tampilan ke 4 Grafik sbb:
Kesimpulan:
Pertanyaan :
(a). Adakah hubungan antara Harga Jual, Biaya Iklan dan Volume Penjualan ?;
Jawab:
(b) Bagaimana Pengaruh Harga Jual, Biaya Iklan terhadap Volume Penjualan ?
Jawab:
Kedua faktor yaitu Harga jual dan biaya iklan mempunyai nilai "p" lebih kecil dari 0,05, maka keduanya ikut berkontribusi menghasilkan volume penjualan. Nilai 0,05 ialah batas maksimumdari sebuah nilai p hasil analisa. Gampangnya, kalo p hasil analisa sangat kecil dibawah angka 0,05 maka ini berarti signifikan berpengaruh.
Ya ada, sebesar 91% dari nilai R-sq. Nilai ini masuk dalam kategori hungungan pengaruh yang sangat kuat.
Comments