Nama : Reka Rahmawati

NIM : 1530611018

PRODI : Akuntansi A ( semester 3)

Tugas!

Buatlah analisis regresi linear dengan beberapa variabel independent !

Variables Entered/Removeda

Model Variables Variables Method

Entered Removed
iklan koran, . Enter
1 b
penjualan

a. Dependent Variable: jumlah sales

b. All requested variables entered.

Model Summaryb

Model R R Square Adjusted R Std. Error of the Durbin-Watson

Square Estimate

1 .264a .069 .001 1.479 1.667

a. Predictors: (Constant), iklan koran, penjualan

b. Dependent Variable: jumlah sales

Keterangan :
Pada table model summary diatas diperoleh angka koefisien korelasi pearson 0.264 yang
menunjukkan tingkat hubungan yang rendah antara variable dependent dan variable
predictors.
R square R2 sebesar 0.069 atau 6,9%. Hal ini menunjukan bahwa persentase variable
predictors ( penjualan dan iklan Koran) terhadap variable dependent ( jumlah sales)
sebesar 6.9%.
Standard error of the estimate adalah suatu ukuran banyaknya kesalahan model regresi
dalam memprediksi. Dari hasil regresi di dapat nilai 1.479.
Nilai Durbin Watson 1.667
 ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 4.410 2 2.205 1.008 .378b

1 Residual 59.057 27 2.187

Total 63.467 29

a. Dependent Variable: jumlah sales

b. Predictors: (Constant), iklan koran, penjualan

Keterangan :
Dalam merumuskan hipotesis :
Ho tidak ada pengaruh secara signifikan antara variable dependent dan variable predictors
Ha terjadi adanya pengaruh secara signifikan antara variable dependent dan variable predictors.
Berdasarkan table f hitung sebesar 1.008
Ho diterima bila f hitumg < f table
Ho ditolak bila f hitung > f table
Nilai F hitung < F table
1.008 < 3.354 , Maka Ho diterima artinya ada pengaruh secara signifikan antara variable
dependent dan variable predictors.
(Keterangan : 3.354 didapat dari menggunakan tingkat keyakinan 95%, a = 5%
Df 1 (jumlah variable -1 ) = 2 , dan df 2 ( n-k-1) = 30 -2-1 = 27, dan dilihat dari table f)
Sign 0.378 > (0.05) sehingga Ho diterima, ini berarti bahwa adanya hubungan antara
variable predictor dan variable dependent.
 Coefficientsa

Model Unstandardized Coefficients Standardized t Sig. Collinearity Statistics

Coefficients

B Std. Error Beta Tolerance VIF

(Constant) 2.735 1.048 2.609 .015

1 penjualan -1.415E-005 .000 -.106 -.553 .585 .931 1.074

iklan koran .000 .000 .271 1.407 .171 .931 1.074

a. Dependent Variable: jumlah sales

Collinearity Diagnosticsa

Model Dimension Eigenvalue Condition Index Variance Proportions

(Constant) penjualan iklan koran

1 2.881 1.000 .01 .01 .01

1 2 .075 6.209 .00 .68 .58

3 .044 8.064 .99 .31 .40

a. Dependent Variable: jumlah sales

Keterangan :
Uji kolinearitas bertujuan untuk mengetahui apakah terjadi korelasi yang kuat
antarvariable dependent. Nilai VIF < 2, yaitu 1.074. hal ini menunjukkan tidak terjadi korelasi
antar variable dependent.
Hipotesis untuk koefisien penjualan :
Ho = tidak ada pengaruh yang signifikan pada jumlah penjualan
H1 = adanya pengaruh yang signifikan pada jumlah penjualan

Berdasarkan table diatas T hitung sebesar -553 nilai ini dimutlakkan dan baru
dibandingkan dengan t table. T hitung 0.553 < T table 2.051 sehingga Ho diterima.
Sehingga terjadi pengaruh jumlah yang tidak signifikan.
Sig (0.585) > 0.05 maka Ho diterima. Sehingga terdapat pengaruh jumlah
yang tidak signifikan.
Hipotesis untuk koefisien iklan koran :
Ho = tidak ada pengaruh yang signifikan pada jumlah iklan koran
H1 = adanya pengaruh yang signifikan pada jumlah iklan koran

Berdasarkan table diatas T hitung sebesar 1.407 < T table 2.051 sehingga Ho
diterima. Sehingga terjadi pengaruh jumlah yang tidak signifikan.
 Sig (0.171) > 0.05 maka Ho diterima. Sehingga terdapat pengaruh
jumlahiklan koran yang tidak signifikan.
Hipotesis untuk koefisien konstanta :
Ho = tidak ada pengaruh yang signifikan pada konstanta
H1 = adanya pengaruh yang signifikan pa da konstanta

Berdasarkan table diatas T hitung sebesar 2.609 > T table 2.051 sehingga Ho ditolak.
Sehingga terjadi pengaruh jumlah yang signifikan.
Sig (0.015) < 0.05 maka Ho ditolak. Sehingga terdapat pengaruh jumlah
yang signifikan.

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 2.32 4.09 3.47 .390 30

Residual -2.629 2.574 .000 1.427 30
Std. Predicted Value -2.946 1.604 .000 1.000 30
Std. Residual -1.777 1.741 .000 .965 30

a. Dependent Variable: jumlah sales

KETERANGAN :

N merupakan jumlah banyaknya data

Nilai minimum predicted values atau nilai prediksi data adalah 2.32 dan nilai maksimum
nya 4.09. nilai rata rata nya adalah 3,47. Nilai standar deviasinya 0.390
Nilai minimum dan maksimum dari residu data adalah -2.629 dan 2.574. dan
memperoleh nilai rata rata 0.000. standar deviasinya 1.427
Nilai minimum dan maksimum Std. predicted value (Nilai nilai prediksi yang
terstandarisasi) adalah -2.946 dan 1.604. dengan nilai rata rata 0.000. dan memiliki nilai
standar deviasi sebesar 1.000
Nilai minimum dan maksimum dari std residual ( nilai nilai residu yang terstandarisasi)
adalah -1.777 dan 1.741. yang memiliki nilai rata rata 0.000. dan memiliki nilai standar
deviasi sebesar 0.965