Nama : Ineke Puspita Surya

NIM : C1 B015041

Pada tabel 6-9 ditampilkan data variabel X (biaya iklan mingguan) dan Y ( Penjualan dalam
ribuan rupiah

a. Apakah terdapat hubungan signifikan antara biaya iklan dengan penjualan ?

Jawab :
Pearson correlation of Yt and Xt = 0,848
Artinya terdapat hubungan positif atau searah yang signifikan antara biaya iklan dengan
penjualan dengan tingkat korelasi sebesar 0,848

b. Tulislah persamaan prediksinya

Jawab :

Yt = 828 + 10,8 Xt
Bi sebesar10,8 menunjukan bahwa jika biaya iklan naik 1 satuan maka penjualan akan naik
sebesar 10,8

c. Tentukan nilai ramalan penjualan jika biaya iklan Rp 500.000

Jawab :

Yt = 828 + 10,8 Xt
= 828 + 10.8 (500.000)
= 828 + 5.400.000
= 5.400.828
Jadi nilai ramalan penjualan jika biaya iklan yang dikeluarkan sebesar Rp 500.000 adalah Rp
5.400.828

d. Berapa presentase variasi penjualan yang dapat dijelaskan dengan persamaan

tersebut ?
e. Tentukan nilai SSR, SSE, dan SST.
Jawab :
 SSR = 92432, menunjukkan jumlah kuadrat dari selisih antara nilai prediksi dengan nilai rata – rata
prediksi, diperoleh dengan formula ∑(Ẏ-Ῡ) ²

Nilai SSE sebesar 36121, menunjukan perbedaan antara Y sebenarnya dengan Y perkiraan atau Ẏ
dikuadratkan dan kemudian dijumlahkan. SSE = ∑(Y- Ẏ) ²

Nilai SST sebesar 128552, menunjukkan jumlah kuadrat penyimpangan Y dari nilai rata – ratanya.
SST = ∑(Y- Ῡ) ²

Interpretasi lain :
1. Kesalahan standar koefisien regresi (standard error of regression coefficient atau SE Coef)
pada Biaya iklan sebesar 2,384. Semakin rendah kesalahan baku koefisien regresi maka
semakin berperan variabel tersebut dalam model.
2. Nilai t sebesar 4,52 > t tabel yg sebesar 2,306 maka dapat disimpulkan bahwa biaya iklan memiliki
pengaruh positif terhadap penjualan. Sedangkan pada X2, didapat nilai t hitung (4,52) > nilai t tabel
((2,306) yang dapat disimpulkan bahwa biiaya iklan terdapat pengaruh positif terhadap penjualan
3. Kesalahan standar estimasi sebesar 67,1945. Kesalahan standar estimasi ini menunjukkan
bahwa nilai – nilai Y turun sekitar 67,1945 dari garis regresi
4. Angka p-value (P) sebesar 0,002. menunjukan titik kesalahan yang terjadi jika nilai F hitung
sebesar10,235 (20,47 : 2). Dengan tingkat kesalahan atau probabilitas sebesar 0,002 yeng
berarti lebih kecil dari 0,05.
5. Koefisien determinasi (r2 atau R-sq) sebesar 71,9 %
71,9 % penjualan dipengaruhi oleh biaya iklan dan sisanya ( 28,1 %) dipengaruhi oleh variabel yang
tidak diteliti
6. Koefisien determinasi yang disesuaikan atau R-sq (adj) sebesar 0,684 berarti variasi penjualan dapat
dijelaskan oleh variasi harga dan pendapatan sebesar 68,4 %
7. Nilai Df Regression sebesar 1, karena hal ini menunjukkan jumlah variabel tergantung
8. Nilai Df Residual sebesar 8. Hal ini karena jumlah yang diamati (n) dikurangi jumlah variabel (k)
9. Df total sebesar 9 merupakan penjumlahan antara df regression dan df residual
10. Nilai F dalam tabel ANOVA menguji hipotesis apakah persamaan regresi tersebut signifikan tau
tidak, nilai F hitung (20,47 : 2) 10,235 > 5,318. Dapat disimpulkan bahwa regresi tersebut signifikan
5%
 Y X1 X2 Dimana :
54 211 125 Y = Penjualan
56 200 122
X1 = Kunjungan Website
45 256 142
56 250 130 X2 = Kunjungan ke gerai
58 234 125
41 256 100
40 245 114
40 250 117
41 300 121
45 225 123

Hasil Interpretasi :

a. Y = 74,3 - 0,341 X1(Harga) + 0,265 X2(Pendapatan)

Yang artinya jika harga dan pendapatan sebesar 0 maka penjualan akan menjadi sebesar 74,3.
Sedangkan jika harga naik sebesar 1, maka penjualan akan turun sebesar -0,341 (Coef X1) .
Kemudian jika pendapatan naik sebesar 1, maka penjualan akan naik sebesar 0.265 (Coef X2)
b. Kesalahan standar koefisien regresi (standard error of regression coefficient atau SE Coef)
sebesar 0,7475 merupakan penyimpangan standar estimasi dari nilai koefisien regresi (X₁).
Sedangakan pada X₂, SE Coefnya sebesar 0.6454.
c. Nilai t digunakan untuk menguji apakah variabel tersebut berpengaruh secara signifikan
terhadap variabel tergantumg atau tidak.pada hasil Minitab didapatkan nilai t hitung pada X1
sebesar -0,46 > -t tabel sebesar -2,365 maka dapat disimpulkan bahwa harga memiliki
pengruh positif terhadap penjualan. Sedangkan pada X2, didapat nilai t hitung 0,91 < nilai t
tabel 2,365 yang dapat disimpulkan bahwa pendapatan memiliki pengaruh positif terhadap
penjualan
d. Intersep (Coef Constant) = 74,31. Nilai ini merupakan intersep Y (b0).
e. Kesalahan standar estimasi sebesar 2,8609 Kesalahan standar estimasi ini menunjukkan
bahwa nilai – nilai Y turun sekitar 2,8609 dari garis regresi
f. Angka p-value (P) untuk sebesar 0,664. Nilai ini merupakan titik kesalahan yang terjadi jika
nilai F hitung sebesar 0,43. Dengan tingkst kesalahan atau probabilitas sebesar 0,664 yeng
bersrti lebih besar dari 0,05. Artinya tidak signifikan.
g. Koefisien determinasi (r2 atau R-sq) sebesar 11%
11 % perubahan dari kemudian sisanya ( 89 %) dipengaruhi oleh variabel yang tidak diteliti
h. Koefisien determinasi yang disesuaikan atau R-sq (adj) sebesar 0,0%bererti variasi penjualan
dapat dijelaskan oleh variasi kunjungan website dan gerai sebesar 100%
i. Nilai SSR sebesar 7,107, Sum of Squares Regression merupakan nilai yang menunjukkan
jumlah kuadrat dari selisih antara nilai prediksi dengan nilai rata – rata prediksi, diperoleh
dengan formula ∑(Ẏ-Ῡ) ²
j. Nilai SSE sebesar 57,293 Ẏ dikuadratkan dan kemudian dijumlahkan. SSE = ∑(Y- Ẏ) ²
k. Nilai SST sebesar 64,400, Sum of Squares Total yakni nilai yang menunjukkan jumlah
kuadrat penyimpangan Y dari nilai rata – ratanya. SST = ∑(Y- Ῡ) ²
l. Nilai Df Regression sebesar 2, karena hal ini menunjukkan jumlah variabel tergantung
Nilai Df Residual sebesar 7. Hal ini karena jumlah yang diamati (n) dikurangi jumlah variabel
(k)
Df total sebesar 9 merupakan penjumalan antara df regression dan df residual
m. Nilai F dalam tabel ANOVA menguji hipotesis apakah persamaan regresi tersebut signifikan
atau tidak, nilai F hitung 0,43 < 4,737. Dapat disimpulkan bahwa regresi tersebut tidak
signifikan.