Soal 11-1

x2 =
x1 = X1 X2 y=Y-
Y X1 X2 − 𝑥̅1 − 𝑥̅2 𝑌̅ x1 y x2 y x1 x2 Y2 x12 x22
7 3 4 -1.5 -0.9 0.5 -0.75 -0.45 1.35 0.25 2.25 0.81
8 4 5 -0.5 0.1 1.5 -0.75 0.15 -0.05 2.25 0.25 0.01
4 2 3 -2.5 -1.9 -2.5 6.25 4.75 4.75 6.25 6.25 3.61
10 6 7 1.5 2.1 3.5 5.25 7.35 3.15 12.25 2.25 4.41
8 4 6 -0.5 1.1 1.5 -0.75 1.65 -0.55 2.25 0.25 1.21
5 3 5 -1.5 0.1 -1.5 2.25 -0.15 -0.15 2.25 2.25 0.01
7 4 4 -0.5 -0.9 0.5 -0.25 -0.45 0.45 0.25 0.25 0.81
8 5 6 0.5 1.1 1.5 0.75 1.65 0.55 2.25 0.25 1.21
3 6 4 1.5 -0.9 -3.5 -5.25 3.15 -1.35 12.25 2.25 0.81
5 8 5 3.5 0.1 -1.5 -5.25 -0.15 0.35 2.25 12.25 0.01
65 45 49

6.5 4.5 4.9

Dari table diketahui bahwa

∑𝑌 65
∑Y = 65 → 𝑌̅= = = 6.5
𝑛 10

̅̅̅1= 𝑋1 = 45 = 4.5
∑X1 = 45→ 𝑋 𝑛 10

̅̅̅2= 𝑋2 = 49 = 4.9
∑X2 = 49 → 𝑋 𝑛 10

∑x1y = 1.5 ∑x12 = 28.5

∑x2y = 17.5 ∑x22 = 12.9

∑x1x2 = 8.5 ∑y2 = 42.5

Jawab :

A) Laporan analisis regresi

(∑𝑥1 𝑦)(∑𝑥22 )−(∑𝑥1 𝑥2 ) (∑𝑥2 𝑦) (1.5)(12.9)−(8.5)(17.5) −129.4

b1 = (∑𝑥12 )(∑𝑥22 )− (∑𝑥1 𝑥2 )2
= (28.5)(12.9)−(8.5)
= 359.15 = -0.360

(∑𝑥2 𝑦)(∑𝑥12 )−(∑𝑥1 𝑥2 ) (∑𝑥1 𝑦) (17.5)(28.5)−(8.5)(1.5) 486

b2 = (∑𝑥12 )(∑𝑥22 )− (∑𝑥1 𝑥2 )2
= (28.5)(12.9)−(8.5)
= 358.15 = 1.353

b0 = 𝑌̅- b1𝑥̅ 1 – b2𝑥̅ 1 = 6.5 – (-0.360)(4.5) - 1.353(4.9) = 6.5 –(-1.62) – 6.629 = 1.491

𝑌̂ = b0 + b1X1 + b2X2 = 1.491 – 0.360X1 + 1.353X2

 Perhitungannilai Sb0, Sb1, dan Sb2 :

∑𝑦 2 − 𝑏1 ∑𝑦𝑥1 − 𝑏2 ∑𝑦𝑥2 42.5−(−0.360 )(1.5)−(1.353 )(17.5)

SY.12 = √ =√ = √19,363
𝑛−3 10−3

S2y.12 = 19.363
2 2
1 X 1 Σ𝑥22 + X 2 Σ𝑥12 − 2 X 1 X 2 Σ𝑥1 𝑥2 2
Var(b0) = [ + ] 𝑆𝑌.12
𝑛 Σ𝑥12 Σ𝑥22 −( Σ𝑥1 𝑥2 )²

2 (12,9)+ (4,9)2 (28,5)− 2 (4,5)(4)(8,5)

Var(b0) = [ 101 + (4,5) (28,5)(12,9)− (8,5)²
] 19.363

= [ 2 101 + 201,225+684,285−306
295,4
] 19.963

Var(b0) = [101 + 2,164 ] 19.967 = 45,19

Sb0 = √Var(b0)

= √45,19

= 6,722

(Σ𝑥2 2
2 )(𝑆𝑌.12 )
Sb1 = √Var(𝑏1 ) = √
(Σ𝑥2 2
1 )(Σ𝑥2 ) − ( Σ𝑥1 𝑥2 )²

(12,9)(19,963)
=√
(28,5)(12,9)− (8,5)

257,522
= √(367,65)−
8,5

= 0,717
 (Σ𝑥2 2
1 )(𝑆𝑌.12 )
Sb2 = √Var(𝑏2 ) = √
(Σ𝑥2 2
1 )(Σ𝑥2 ) − ( Σ𝑥1 𝑥2 )²

(28,5)(19,963)
=√
(28,5)(12,9)− 8,5

568,945
=
359,45

= 1,584


Menghitung besarnya R2

b1 Σx1 y + b2 Σx2 y
R2 =
Σy²

− 0,360 (1,5) +1,353 (17,5)

R2 =
42,5

−0,54+23,67
=
42,5

= 0,544
1,5 1,5
ry1 = = = 0,0431
√(28,5)(42,5) √1211,25

17,5 17,5 17,5

ry2 = = = = 0,747
√(12,9)(42,5) √548,25 23,41

8,5 8,5 8,5

r12 = = = = 0,443
√(28,4)(12,9) √367,65 19,17

0,0431−(0,747)(0,443) 0,0431−0,330 −0,286

ry1.2 = = = = - 0,481
√1−(0,747)2 √1−(0,443)² √0,442 √0,804 0,594

r2y1.2 = 0,231

(0,747)− (0,431)(0,443) 0,747−0,190 0,557

r2y2.1 = = = = 0,689
√1−(0,431)2 √1−(0,443)² √0,815 √0,804 0,808

r2y.21 = 0,474
B) pengujian pengaruh harga per kg barang A dan pendapatan konsumen secara
serempak terhadap kuantitas barang yang diminta

dari laporan ringkas hasil regresi, dapat di ketahui bahwa

𝑌̂ = 1.491 – 0.360X1 + 1.353X2 R2 = 0,544

b1 = -0.360 b2 = 1.353 sb1= 0,171 sb2 = 1,584

1. Rumusan Hipotesis

H0 : β1 = β2 = 0 (pendapatan dan pengaruh harga secara serempak tidak berpengaruhi

terhadap kuantitas barang yang diminta )

H1 : paling sedikit salah satu βj ≠ 0 ( j = 1,2) (salah satu dari pendapatan dan harga per kg
atau keduanya berpengaruh nyata terhadap kuantitas permintaan barang)

2. taraf nyata, α = 5% = 0,05

3. statistik uji dan daerah kritis
𝑅 2 /2
Statistic uji : f0 = (1−𝑅2 )/(𝑛−3)

Daerah kritis. Titik/nilai kritis adalah f0,05 (2,7) = 4,74 Maka daerah kritisnya adalah F >
F0,05(2,7) = 4,74

4. menghitung nilai statistic uji

n = 10, R2 = 0,544

𝑅 2 /2
F0 = (1−𝑅2 )/(𝑛−3)

(0,544)/2
= = 4,18
(1−0,544)/7

5. simpulan/putusan

Oleh karena statistic uji jatuh pada daerah penerimaan H0 ( F0 = 4,18 < F0,05(2,7) = 4,74),
maka H0 diterima sebaliknya H1 di tolak. Ini berarti bahwa harga per kg dan pendapatan
konsumen tidak berpengaruh terhadap kuantitas permintaan barang pada tingkat keyakinan
95%

C) pengujian pengaruh pendapatan dan harga per kg secara parsial terhadap kuantitas
permintaan

(c.1) pengujian pengaruh pendapatan terhadap kuantitas permintaan

1. Rumusan Hipotesis
 H0 : β1 = 0 (pendapatan konsumen tidak berpengaruh terhadap nilai penjualan)
H1 :β1<0 (pendapatan konsumen berpengaruh positif dannyata terhadap nilai
penjualan)
2. Taraf nyata, α = 5%
3. Statistik uji dan daerah kritis
𝑏1 − 𝛽10
Statistik uji : t1 = 𝑆𝑏1

Daerah kritis. Titik/nilai kritisnya adalah t(α ; n – 3) = t(0,05 ;7)= 1,895 (Uji sisi kanan)
Maka daerah kritisnya adalah t >t(0,05 ; 7) = 1,895
4. Menghitung nilai statistik uji
b1 = -0.360, β1 = 0, 𝑆𝑏1 = 0,171
𝑏1 − 𝛽10
t1 = 𝑆𝑏1

−0.360− 0
t1 = 0,171

= -2,105
5. Simpulan
Oleh karena statistic uji jatuh pada daerah penerimaan H0 ( t1 = -2,105 < 1,895), maka
H0 diterima sebaliknya H1 di tolak. Ini berarti bahwa pendapatan konsumen tidak
berpengaruh terhadap kuantitas permintaan barang pada tingkat keyakinan 95%

(c-2) pengujian pengaruh harga per kg terhadap kuantitas permintaan

1. Rumusan Hipotesis
H0 : β1 = 0 (harga per kg tidak berpengaruh terhadap nilai penjualan)
H1 :β1>0 (harga per kg berpengaruh negative dan nyata terhadap nilai penjualan)
2. Taraf nyata, α = 5%
3. Statistik uji dan daerah kritis
𝑏1 − 𝛽10
Statistik uji : t1 = 𝑆𝑏1

Daerah kritis. Titik/nilai kritisnya adalah t(α ; n – 3) = t(0,05 ; 7)= 1,895 (Uji sisi kanan)
Maka daerah kritisnya adalah t >t(0,05 ; 7) = 1,895
4. Menghitung nilai statistik uji
b2 = 1.353, β2 = 0, 𝑆𝑏2 = 1,584
𝑏1 − 𝛽10
t1 = 𝑆𝑏1

1.353− 0
t1 = 1,584

= 0,854
 5. Simpulan
Oleh karena statistic uji jatuh pada daerah penerimaan H0 ( t1 = 0,854 < 1,895), maka
H0 diterima sebaliknya H1 di tolak. Ini berarti bahwa harga per kg tidak berpengaruh
terhadap kuantitas permintaan barang pada tingkat keyakinan 95%

C) Iterprestasi terhadap b1 dan b2

 b1 = -0.360 artinya bila pendapatan konsumen naik sebesar seribu rupiah, maka
kuantitas permintaan terhadap barang tersebut secara rata-rata turun sebesar 0.360
ribu kg (360 kg), jika harga per kg nya tetap
 b2 = 1.353 artinya bila harga per kg naik sebesar seribu rupiah, maka kuantitas
permintaan terhadap barang tersebut secara rata-rata naik sebesar 1.353 ribu kg
(1353kg), jika pendapatannya tetap

e) Interval keyakinan 95%, bagi β1 dan β2

a. Interval keyakinan 95% bagi b1

(1 – α ) = 95% α = 5%, α/2 = 2,5% = 0,025

V =df = n – (k +1) = n- 3 = 10 – 3 = 7

t(α/2 ; df) = t(0,025 ; 7) = 2,365

P(b1- t(0,025 ; 7)𝑆𝑏1 <β1<b1 + t(0,025 ; 5) 𝑆𝑏1 ) = (1 – α)

P{-0.360 – (2,365)(0,171) <β1< -0.360 + (2,365)(0,171) = 0,95

P(0,764>b1>0,044)

Jadi, besarnya koefisien regresi parsial populasi b1 berkisar antara 0,044 hingga 0,764,
dengan tingkat keyakinan 95%

a. Interval keyakinan 95% bagi b2

(1 – α ) = 95% α = 5%, α/2 = 2,5% = 0,025

V =df = n – (k +1) = n- 3 = 10 – 3 = 7
t(α/2 ; df) = t(0,025 ; 7) = 2,365

P(b2- t(0,025 ; 7)𝑆𝑏2 <β2<b2 + t(0,025 ; 5) 𝑆𝑏2 ) = (1 – α)

P{1.353– (2,365)( 1,584) <β1< 1.353+ (2,365)( 1,584) = 0,95

P(-2,393>b2>5,099)

Jadi, besarnya koefisien regresi parsial populasi b2 berkisar antara -2,393 hingga 5,099 ,
dengan tingkat keyakinan 95%
Lampiran

Variables Entered/Removed(b)

Variables Variables
Model Entered Removed Method
1 X2, X1(a) . Enter
a All requested variables entered.
b Dependent Variable: Y

Model Summary

Adjusted R Std. Error of

Model R R Square Square the Estimate
1 .814(a) .662 .565 1.43256
a Predictors: (Constant), X2, X1

ANOVA(b)

Sum of
Model Squares df Mean Square F Sig.
1 Regression 28.134 2 14.067 6.855 .022(a)
Residual 14.366 7 2.052
Total 42.500 9
a Predictors: (Constant), X2, X1
b Dependent Variable: Y

Coeffi cientsa

Unstandardized St andardiz ed
Coeffic ient s Coeffic ient s
Model B St d. Error Beta t Sig.
1 (Const ant) .410 2.042 .201 .847
X1 -.438 .299 -.359 -1. 463 .187
X2 1.645 .445 .906 3.697 .008
a. Dependent Variable: Y

Soal 11-2
Diketahui :

X1 2 3,5 4 5 3 4 2 2,5

X2 1 2 2,5 3 1,5 2,5 1,2 1

Y 6 10 10 12 8 9 7 5

X1 = biaya promosi per tahun (ratus juta rupiah)

X2 = insentif per tahun (ratus juta rupiah)

Y = nilai penjualan (miliyar rupiah)

Jawab :

(a) Model Regresi Populasi

Tabel 1.1 Perhitungan Unsur – Unsur Model Regresi Populasi

x1 = X1 - x2 = X2 - y = Y-
Y X1 X2 X 1 X2 Y y2 x1y x2y 𝑥12 𝑥22 x1x2
6 2 1 -1,2 -0,8 -2,4 5,76 2,88 1,92 1,44 0,64 0,96

10 3,5 2 0,3 0,2 1,6 2,56 0,48 0,32 0,09 0,04 0,06

10 4 2,5 0,8 0,7 1,6 2,56 1,28 1,12 0,64 0,49 0,56

12 5 3 1,8 1,2 3,6 12,96 6,48 4,32 3,24 1,44 2,16

8 3 1,5 -0,2 -0,8 -0,4 0,16 0,08 0,32 0,04 0,64 0,16

9 4 2,5 0,8 0,8 0,6 0,36 0,48 0,48 0,64 0,64 0,64

7 2 1,2 -1,2 -0,6 -1,4 1,96 1,68 0,84 1,44 0,36 0,72

5 2,5 1 -0,7 -0,8 -3,4 11,56 2,38 2,72 0,49 0,64 0,56

67 26 14,7 37,88 15,74 12,04 8,02 4,89 5,82

Dari tabel 1.1 diatas, dapat diketahui bahwa,

n=8

𝛴𝑌 67
𝚺Y = 67  Y = 𝑛
=
8
= 8,4

𝛴𝑋1 26
𝚺X1 = 26  X 1 = 𝑛
= 8
= 3,2

𝛴𝑋2 14,7
𝚺X2 = 26  X 2 = 𝑛
= 8
= 1,8

Dari baris terakhir tabel 1.1 diketahui bahwa :

𝚺x1y = 15,74 𝚺x2y = 12,04 𝛴𝑥12 = 8,02

𝛴𝑥22 = 4,89 𝚺x1x2 = 5,82 𝚺y2 = 37,88

Maka b1,

(𝛴𝑥1 𝑦)(𝛴𝑥22 ) − (𝛴𝑥1 𝑥2 ) (𝛴𝑥2 𝑦)

b1 =
(𝛴𝑥12 ) (𝛴𝑥22 ) − (𝛴𝑥1 𝑥2 )²

(15,74)(4,89)−(5,82)(12,04)
= = 1,2902
(8,02)(4,89)−(5,82)²

Maka b2,

(𝛴𝑥2 𝑦)(𝛴𝑥12 ) − (𝛴𝑥1 𝑥2 ) (𝛴𝑥1 𝑦)

b2 =
(𝛴𝑥12 ) (𝛴𝑥22 ) − (𝛴𝑥1 𝑥2 )²

(12,04)(8,02)−(5,82)(15,74)
= = 0,9288
(8,02)(4,89)−(5,82)²

Maka b0,

b0 = Y - b1 X 1 – b2 X 2

= 8,4 - 1,2902(3,2) - 0,9288(1,8)

= 2,5996

Akhirnnya bidang regresi sampel/model regresi sampel, yang merupakan penduga bagi
bidang regresi populasi/model regresi populasi dapat disusun sebagai berikut :
^
Y = b0 + b1X1 + b2X2

^
Y = 2,5996 + 1,2902X1 + 0,9288X2

Perhitungan nilai Sb0, Sb1, dan Sb2 :

Σy²− b1 Σx1 y −b2 Σx2 y

SY.12 = √
n−3

37,88−1,2902(15,74)−0,9288(12,04)
SY.12 = √ = √1,2779
8−3

𝑺𝟐𝒀.𝟏𝟐 = 1,2779

2 2
2 2
1 X 1 Σ𝑥2 + X 2 Σ𝑥1 − 2 X 1 X 2 Σ 𝑥1 𝑥2
Var(b0) = [ + ] 𝑆2𝑌.12
𝑛 Σ𝑥12 Σ𝑥22 −( Σ 𝑥1 𝑥2 )²

1 (3,2)2 (4,89) +(1,8)2 (8,02)−2(3,2)(1,8)(5,82)

Var(b0) = [ + ](1,2779)
8 (8,02)(4,89)−(5,82)²

= 2,1843

 Nilai Sb0

Sb0 = √Var(𝑏0 )

Sb0 = √2,1843

= 1,4779
  Nilai Sb1

(Σ𝑥2 2
2 ) (𝑆𝑌.12 )
Sb1 = √Var(𝑏1 ) = √
(Σ𝑥2 2
1 )(Σ𝑥2 ) − ( Σ 𝑥1 𝑥2 )²

(4,89) (1,2779) 6,2489

=√ =√ = 1,0812
(8,02)(4,89)−(5,82)² 5,3454

 Nilai Sb2

(Σ𝑥2 2
1 ) (𝑆𝑌.12 )
Sb2 = √Var(𝑏2 ) = √
(Σ𝑥2 2
1 )(Σ𝑥2 ) − ( Σ 𝑥1 𝑥2 )²

(8,02) (1,2779) 10,2487

=√ =√ = 1,3846
(8,02)(4,89)−(5,82)² 5,3454

Nilai R2 :

b1 Σx1 y + b2 Σx2 y
R2 =
Σy²

1,2902(15,74)+ 0,9288(12,04)
= = 0,8313
37,88

Diketahui :

b1 = 1,2902 b2 = 0,9288 Sb1 = 1,0812 Sb2 = 1,3846

R2 = 0,8313
(b) Uji pengaruh serempak biaya promosi dan besarnya insentif yang dikeluarkan
terhadap nilai penjualan

1. Rumusan Hipotesis
H0 : β1 = β2 = 0 (biaya promosi dan besarnya intensif yang dikeluarkan secara
serempak tidak berpengaruh terhadap nilai penjualan)
H1 : paling sedikit salah satu βj ≠ 0 (j = 1, 2). Paling sedikit salah satu dari biaya
promosi dan besarnya intensif berpengaruh terhadap nilai penjualan
2. Taraf nyata, α = 5%
3. Statistik uji dan daerah kritis
𝑅2 / 2
Statistik uji : F0 =
(1−𝑅 2 )/(𝑛−3)

Daerah kritis. Titik/nilai kritisnya adalah Fα (V1, V2) = F0,05(2,5) = 5,79

Maka daerah kritisnya adalah F > F0.05(2,5) = 5,79
4. Menghitung nilai statistik uji
n = 8, R2 = 0,8313
𝑅2 / 2 (0,8313)/ 2
F0 = =
(1−𝑅 2 )/(𝑛−3) (1−0,8313)/(5)
0,41565
= = 12,319
0,03374
5. Simpulan
Oleh karena statistik uji jatuh pada daerah penolakan H0 atau F0 = 12,319 > F0.05(2,5)
= 5,79 maka H0 ditolak. Sebaliknya H1 diterima. Ini berarti bahwa biaya promosi dan
besarnya intensif secara serempak berpengaruh nyata terhadap nilai penjualan.

(c) Uji biaya promosi tidak berpengaruh terhadap nilai penjualan

1. Rumusan Hipotesis
H0 : β1 = 0 (biaya promosi tidak berpengaruh terhadap nilai penjualan)
H1 : β1 < 0 (biaya promosi berpengaruh negatif dan nyata terhadap nilai penjualan)
2. Taraf nyata, α = 5%
3. Statistik uji dan daerah kritis
𝑏1 − 𝛽10
Statistik uji : t1 =
𝑆𝑏1
 Daerah kritis. Titik/nilai kritisnya adalah t(α ; n – 3) = t(0,05 ; 5) = 2,015 (Uji sisi kanan)
Maka daerah kritisnya adalah t < t(0,05 ; 5) = 2,015
4. Menghitung nilai statistik uji
b1 = 1,2902, β1 = 0, 𝑆𝑏1 = 1,0812
𝑏1 − 𝛽10
t1 =
𝑆𝑏1
1,2902 − 0
t1 =
1,0812

= 1,1933
5. Simpulan
Oleh karena statistik uji jatuh pada daerah penolakan H0 (t1= 1,1933 < t(0,05 ; 5) =
2,015), maka H1 diterima. Ini berarti biaya promosi berpengaruh negatif dan nyata
terhadap nilai penjualan

(d) Uji besarnya intensif tidak berpengaruh terhadap nilai penjualan

1. Rumusan Hipotesis
H0 : β2 = 0 (besarnya intensif tidak berpengaruh terhadap nilai penjualan)
H1 : β2 < 0 (besarnya intensif berpengaruh negatif dan nyata terhadap nilai penjualan)
2. Taraf nyata, α = 5%
3. Statistik uji dan daerah kritis
𝑏2 − 𝛽10
Statistik uji : t2 =
𝑆𝑏2

Daerah kritis. Titik/nilai kritisnya adalah t(α ; n – 3) = t(0,05 ; 5) = 2,015 (Uji sisi kanan)
Maka daerah kritisnya adalah t < t(0,05 ; 5) = 2,015
4. Menghitung nilai statistik uji
b2 = 0,9288, β2 = 0, Sb2 = 1,3846
𝑏2 − 𝛽10
t2 =
𝑆𝑏2

0,9288− 0
t2 =
1,3846

= 0,670
 5. Simpulan
Oleh karena statistik uji jatuh pada daerah penolakan H0 (t2= 0,670 < t(0,05 ; 5) = 2,015),
maka H1 diterima. Ini berarti besarnya intensif berpengaruh negatif dan nyata
terhadap nilai penjualan

(e) Nilai penjualan (Y), bila X1 = 4,5 dan X2 = 1,6

Ŷ= 2,5996 + 1,2902X1 + 0,9288X2
Ŷ = 2,5996 + 1,2902(4,5)+ 0,9288(1,6)
= 9,8915

Jadi, nilai penjualan satu perusahaan yang memiliki biaya promosi sebesar Rp 4,5 ratus juta
dengan jumlah pengeluaran insentif sebesar Rp 1,6 ratus juta ditaksir sebesar Rp 9,8915 ratus
juta.

(f) Interval keyakinan 95%, bagi β1 dan β2

a. Interval keyakinan 95% bagi β1

(1 – α ) = 95% α = 5%, α/2 = 2,5% = 0,025
V =df = n – (k +1) = n- 3 = 8 – 3 = 5
t(α/2 ; df) = t(0,025 ; 5) = 2,571
P(b1 - t(0,025 ; 5) 𝑆𝑏1 < β1 < b1 + t(0,025 ; 5) 𝑆𝑏1 ) = (1 – α)
P{1,2902 – (2,571)(1,0812) < β1 < 1,2902 + (2,571)(1,0812)} = 0,95
P(-1,4895 < β1 < 4,0699) = 0,95
Jadi, besarnya koefisien regresi parsial populasi β1, berkisar antara -1,4895 hingga 4,0699,
dengan tingkat keyakinan 95%

b. Interval keyakinan 95% bagi β2

(1 – α ) = 95% α = 5%, α/2 = 2,5% = 0,025

V =df = n – (k +1) = n- 3 = 8 – 3 = 5
t(α/2 ; df) = t(0,025 ; 5) = 2,571
P(b2 - t(0,025 ; 5) 𝑆𝑏2 < β2 < b2 + t(0,025 ; 5) 𝑆𝑏2 ) = (1 – α)
P{0,9288 - (2,571)(1,3846) < β2 < 0,9288 + (2,571)(1,3846)} = 0,95
P(-2,631 < β2 < 4,4886) = 0,95
Jadi, besarnya keofisien regresi parsial populasi β2, berkisar antara -2,631 hingga 4,4886
dengan tingkat keyakinan 95%
Lampiran

Variables Entered/Removedb

Variables Variables
Model Entered Removed Method
1 INSENTIF,
BY. a . Enter
PROMOSI
a. All requested variables entered.
b. Dependent Variable: PENJUALAN

Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 .937a .879 .830 .95839
a. Predictors: (Constant), INSENTIF, BY.PROMOSI

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regres sion 33.282 2 16.641 18.118 .005a
Residual 4.593 5 .919
Total 37.875 7
a. Predic tors : (Const ant), INSENTIF, BY. PROMOSI
b. Dependent Variable: PENJUALAN

Coeffi cientsa

Unstandardized St andardiz ed
Coeffic ient s Coeffic ient s
Model B St d. Error Beta t Sig.
1 (Const ant) 3.404 1.466 2.321 .068
BY.PROMOSI -.273 1.465 -.126 -.187 .859
INSENTIF 3.189 2.026 1.059 1.574 .176
a. Dependent Variable: PENJUALAN