Cara Membaca Hasil Coefficient di SPSS IBM 23

 

Gambar : Hasil Output SPSS IBM 23

MEMBACA HASIL COEFFICIENT

Ditulis oleh : Dimas Purbo Wicaksono Fenda Putra, S.E.

Berikut adalah hasil pengujiannya.

Gambar : Hasil Output SPSS IBM 23

Interpretasi Output :

Hasil dari Coefficient digunakan untuk mengetahui persamaan regresi dan pengaruh antara variabel independen terhadap variabel dependen secara parsial atau sendiri-sendiri. Hasil dari Coefficient juga bisa digunakan untuk meramalkan naik turunnya variabel dependen terhadap variabel independen. Sebagai contoh di tutorial ini, bila pada bulan ke 37 biaya produksi (X3) ditingkatkan menjadi Rp.20.000.000 maka akan dapat diramalkan tingkat penjualan pada bulan ke 37. Sebelum melakukan peramalan, kita buat terlebih dahulu persamaan regresinya :

Y’= b₀ + b₁X₁ + b₂X₂ + b₃X₃

Keterangan :

Y’ = variabel dependen yang diramalkan

b₀ = konstanta

b₁, b₂, b₃ = koefisien regresi

X₁, X₂, X₃ = variabel independen

Y’ = 4631750,848 + 1,611X₁ + 4,377X₂ – 1,758X₃

Analisis :

Konstanta b₀ = 4631750.848

Artinya, bila Biaya Produksi (X1), Biaya Promosi (X2), dan Biaya Distribusi (X3) nilainya adalah 0, maka untuk penjualan bernilai positif (atau nilainya meningkat).

Koefisien b₁ = 1,611

Artinya, bila Biaya Promosi (X2), dan Biaya Distribusi (X3) nilainya tetap dan Biaya Produksi (X1) ditingkatkan sebesar Rp.1, maka Penjualan (Y) akan meningkat sebesar Rp.1,611.

Koefisien b₂ = 4,377

Artinya, bila Biaya Produksi (X1), dan Biaya Distribusi (X3) nilainya tetap dan Biaya Promosi (X2) ditingkatkan sebesar Rp.1, maka Penjualan (Y) akan meningkat sebesar Rp.4,377.

Koefisien b₃ = -1,758

Artinya, bila Biaya Produksi (X1), dan Biaya Promosi (X2) nilainya tetap dan Biaya Distribusi (X3) ditingkatkan sebesar Rp.1, maka Penjualan (Y) akan menurun sebesar Rp.1,758

Bila Biaya Produksi (X1) pada bulan ke 37 ditingkatkan menjadi Rp.20.000.000 dan Biaya Promosi (X2) serta Biaya Distribusi (X3) penjualannya sama dengan bulan ke 36 maka penjualan pada bulan ke 37 adalah :

Y’ = 4631750.848 + 1,611.20.000.000 + 4,377.3.210.000 - 1.758.3.442.000 = 4631750,848 + 32220000 + 14050170 – 6051036 = Rp.44.850.884,848

Kesimpulan : Penjualan pada bulan ke 37 akan meningkat sebesar Rp.44.850.884,848

Hasil dari Coefficient juga dapat digunakan untuk melihat ada atau tidaknya gelaja multikolinearitas pada data. Untuk mendeteksinya dapat dilihat dari nilai Torelance dan VIF. Bila semakin kecil nilai Tolerance dan semakin besar nilai VIF maka semakin besar peluang data terjangkit masalah multikolinearitas.Dalam penelitian biasanya menggunakan tingkat perbandingan 0,1 atau 10. Bila nilai tolerance dari variabel independen lebih besar dari 0,1 dan nilai VIF kurang dari 10 maka dapat ditarik kesimpulan, model regresi tidak terjangkit masalah multikolinearitas begitu juga sebaliknya.

Dari hasil pada tabel Coefficient dapat dilihat bahwa nilai tolerance dari semua variabel independen lebih besar dari 0,1 yaitu (Biaya Produksi/X1 sebesar 0,113 > 0,1), (Biaya Promosi/X2 sebesar 0,119 > 0,1), dan (Biaya Distribusi/X3 sebesar 0,340 > 0,1). Sedangkan untuk nilai VIF dari semua variabel independen nilainya lebih kecil dari 10 yaitu (Biaya Produksi/X1 sebesar 8,837 < 10), (Biaya Promosi/X2 sebesar 8,429 < 10), dan (Biaya Distribusi/X3 sebesar 2,938 < 10).

Selain menggunakan nilai Tolerance dan VIF, untuk melihat ada atau tidaknya masalah multikolinearitas juga bisa menggunakan nilai Eigenvalue dan Condition Index pada tabel Collinearity Diagnostics.

Informasi ekonometrika secara lengkap, silakan kunjungi channel youtube saya di : Dimas Channel

Note : Silakan bagi teman-teman yang ingin meng-copy artikel ini. Mohon sertakan sumber aslinya. Terima Kasih :-)