Uji Regresi: Contoh Soal Regresi Linier Berganda + Analisis - Bagian II

Baca pos sebelumnya di Bagian I: Uji Regresi: Contoh Soal Regresi Linier Berganda + Analisis - Bagian I. Di bagian I sudah saya jelaskan contoh soal regresi linier berganda dan langkah-langkah pengujiannya ke dalam SPSS. Di Bagian II, saya akan membahas output serta analisis dan interpretasinya.  

(Klik gambar untuk memperbesar)

Analisis:

Ø  Pada tabel Descriptives Statistics dapat dilihat bahwa tingkat penjualan rata-rata (dari nilai Mean) yang dipengaruhi oleh biaya produksi, biaya distribusi dan biaya promosi yang memiliki jumlah data 15 buah adalah 2.20E8 dengan standar deviasi 7.771E7.

Ø  Besarnya hubungan antar variabel Tingkat Penjualan (Y) dengan Biaya Produksi (X1) yang dilihat pada tabel Correlations dengan koefisien korelasi adalah sebesar 0.955, sedangkan variabel Tingkat Penjualan (Y) dengan Biaya Distribusi (X2) adalah sebessar 0.882, dan variabel Tingkat Penjualan (Y) dengan Biaya Promosi (X3) adalah sebsesar 0.983. Secara teori, karena korelasi antara Tingkat Penjualan (Y) dengan Biaya Promosi (X3) lebih besar daripada Biaya Produksi (X1) dan Biaya Distribusi (X2), maka dapat dikatakan bahwa variabel Biaya Promosi (X3) lebih berpengaruh terhadap Tingkat Penjualan perusahaan dibandingkan dengan Biaya Produksi (X1) dan Biaya Distribusi (X2).

Ø  Tingkat signifikansi koefisien korelasi satu sisi (Sig 1-tailed) dari output yang diukur dari probabilitas menghasilkan angka sebesar 0.000, 0.000 dan 0.000. Karena probabilitas berada jauh dibawah 0.05 maka korelasi di antara variabel Tingkat Penjualan dengan Biaya Produksi (X1), Biaya Distribusi (X2) dan Biaya Promosi (X3) adalah sangat nyata. Jika probabilitas berada diatas 0.05, maka koefisien korelasi variabel dependen dengan variabel independen dapat dikatakan tidak kuat.

[Bagi rekan-rekan yang ingin belajar analisis laporan keuangan, sedang melakukan penelitian akuntansi tentang analisis laporan keuangan, rekan2 bisa mendapatkan ebooknya disini: Buku Analisis Laporan Keuangan + Bonus Ebook Statistik. ]

Output ketiga dan keempat

(Klik gambar untuk memperbesar)

Analisis:

Ø  Tabel Variable Entered menunjukkan bahwa tidak ada variabel yang dikeluarkan (removed), atau dengan kata lain kedua variabel bebas dimasukkan dalam perhitungan regresi.

Ø  Angka Adjusted R Square pada tabel Model Summary adalah 0.979. Hal ini mengindikasikan bahwa 97.9% dari variasi Tingkat Penjualan dapat dijelaskan oleh variabel Biaya Produksi (X1), Biaya Distribusi (X2) dan Biaya Promosi (X3). Sedangkan sisanya (100% - 97.9%= 2.1%) dijelaskan oleh sebab-sebab lain yang tidak dijelaskan atau dimasukkan dalam kasus ini.

Perhatikan perbedaan antara R Square dengan Adjusted R Square!

Jika dalam suatu penelitian regresi, variabel independen yang digunakan lebih dari 2 variabel, maka Adjusted R Square digunakan untuk analisis. Jika variabel independen yang digunakan hanya 1 atau 2 variabel saja, maka R Square digunakan untuk analisis regresi.

Ø  Angka Standard Error of Estimate adalah sebesar 1.127E7 (angka yang dipakai adalah variabel dependen atau dalam hal ini adalah Tingkat Penjualan). Pada analisis sebelumnya, Standar Deviasi Tingkat Penjualan adalah pada tabel Descriptives Statistics adalah sebesar 7.771E7 (77.710.000.000), dimana standar deviasi memiliki nilai yang lebih besar daripada standard error of estimate yang hanya sebesar 1.127E7. Hal ini mengindikasikan bahwa model regresi lebih bagus bertindak sebagai prediktor Tingkat Penjualan daripada rata-rata Tingkat Penjualan itu sendiri.  

Output kelima dan keenam

Analisis: 

Ø  Dari uji ANOVA atau F test pada hasil output diatas dapat dilihat bahwa nilai F sebesar 218.339 dengan tingkat signifikansi 0.000. Karena probabilitas (0.000) berada dibawah 0.05, maka dapat dikatakan bahwa model regresi dapat digunakan untuk memprediksi variabel Tingkat Penjualan. Atau dapat dikatakan Biaya Produksi (X1), Biaya Distribusi (X2) dan Biaya Promosi (X3) bersama-sama berpengaruh terhadap Tingkat Penjualan.

Ø  Persamaan model regresi dalam kasus ini yang dapat dilihat pada tabel Coefficient dapat dirumuskan sebagai berikut:

Y= -6.623E7 + 3.109X1 + 0.572X2 + 7.894X3

Keterangan:

  Y:        Tingkat Penjualan

X1:        Biaya Produksi

X2:        Biaya Distribusi

X3:        Biaya Promosi

Ø  Nilai konstanta sebesar -6.623E7 menyatakan bahwa jika tidak ada Biaya Produksi, Biaya Distribusi dan Biaya Promosi dalam sebuah penjualan, maka Tingkat Penjualan akan berkurang sebesar Rp66.230.000.000

Ø  Koefisien regresi Biaya Produksi sebesar 3.109 menyatakan bahwa setiap penambahan (karena bertanda positif) Rp1 Biaya Produksi akan meningkatkan Tingkat Penjualan sebesar Rp3.109.

Ø  Koefisien regresi Biaya Distribusi sebesar 0.572 menyatakan bahwa setiap penambahan (karena bertanda positif) Rp1 Biaya Distribusi perusahaan akan meningkatkan Tingkat Penjualan sebesar Rp0.572.

Ø  Koefisien regresi Biaya Promosi sebesar 7.894 menyatakan bahwa setiap penambahan (karena bertanda positif) Rp1 Biaya Promosi perusahaan akan meningkatkan tingkat penjualan sebesar Rp7.894

Ø  uji t untuk menguji signifikansi konstanta dan variabel dependen. Hal ini dapat dilihat pada angka SIG (singkatan dari signifikansi atau besaran nilai probabilitas) pada tabel Coefficient. Pada tabel tersebut didapatkan angka SIG sebesar 0.089 dimana nilai ini berada dibawah 0.05. Maka, dapat dikatakan ketiga koefisien regresi tidak signifikan, atau dapat dikatakan Produksi, Biaya Distribusi dan Biaya Promosi tidak berpengaruh secara signifikan terhadap Tingkat Penjualan.

Bagi rekan-rekan yang ingin belajar analisis laporan keuangan, sedang melakukan penelitian akuntansi tentang analisis laporan keuangan, rekan2 bisa mendapatkan ebooknya disini: Buku Analisis Laporan Keuangan + Bonus Ebook Statistik.