Model Regresi Panel Data dan Aplikasi Eviews By Dr.

Endri

1. Pendahuluan Data panel adalah gabungan antara data runtut waktu (time series) dan data silang (cross section). Data runtut waktu biasanya meliputi satu objek/individu (misalnya harga saham, kurs mata uang, SBI, atau tingkat inflasi), tetapi meliputi beberapa periode (bisa harian, bulanan, kuartalan, atau tahunan). Data silang terdiri dari atas beberapa atau banyak objek, sering disebut responden (misalnya perusahaan) dengan beberapa jenis data (misalnya; laba, biaya iklan, laba ditahan, dan tingkat investasi) dalam suatu periode waktu tertentu. Ketika kita melakukan suatu observasi perilaku unit ekonomi seperti rumah tangga, perusahaan atau Negara, kita tidak hanya akan melakukan observasi terhadap unit-unit tersebut di dalam waktu yang bersamaan tetapi juga perilaku unit-unit tersebut pada berabagai periode waktu Regresi dengan menggunakan data panel disebut model regresi data panel. Ada beberapa keuntungan yang diperoleh dengan menggunakan data panel. Pertama, data

1

maka modelnya dituliskan dengan: Yit = α + β Xit + εit .1..N. di dalam mengestimasi persamaan (3) akan sangat tergantung dari asumsi yang kita buat tentang intersep. Ada beberapa kemungkinan yang akan muncul..2. yaitu: 3.2. Diasumsikan slope tetap tetapi intersep berbeda baik antar waktu maupun antar individu d. t = 1. Diasumsikan slope adalah tetap tetapi intersep berbeda antar individu c. Diasumsikan intersep dan slope berbeda antar individu e. koefisien slope dan variabel gangguannya. yaitu: a. sebelum membuat regresi kita harus menggabungkan data cross-section dengan data time series (pool data). Diasumsikan intersep dan slope adalah tetap sepanjang waktu dan individu (perusahaan) dan perbedaan intersep dan slope dijelaskan oleh variabel gangguan b... untuk data panel. terdapat beberapa teknik yang ditawarkan. Oleh karena itu. Diasumsikan intersep dan slope berbeda antar waktu dan antar individu Untuk mengestimasi parameter model dengan data panel. i = 1.….. Estimasi Regresi Data Panel Secara umum dengan menggunakan data panel kita akan menghasilkan intersep dan slope koefisien yang berbeda pada setiap perusahaan dan setiap periode waktu.Koefisien Tetap Antar Waktu dan Individu (Common Effect): Ordinary Least Square Teknik ini tidak ubahnya dengan membuat regresi dengan data cross section atau time series. Metode ini dikenal dengan estimasi Common Effect... Kemudian data gabungan ini diperlakukan sebagai suatu kesatuan pengamatan untuk mengestimasi model dengan metode OLS. Akan 2 . T di mana : N T = banyaknya observasi = banyaknya waktu (3) N x T = banyaknya data panel 3.Mengingat data panel merupakan gabungan dari data cross section dan data time series. Akan tetapi.

maka α dan β dapat diestimasi dengan model berikut menggunakan NxT pengamatan Yit = α + β Xit + εit .. Adanya variabel-variabel yang tidak semuanya masuk dalam persamaan model memungkinkan adanya intercept yang tidak konstan. 3..….N... Atau dengan kata lain. 4. dengan menggabungkan data. yaitu model dengan metode OLS (common). Atau dengan kata lain. maka kita tidak dapat melihat perbedaan baik antar individu maupun antar waktu. maka pada Model Efek Random.. t = 1.tetapi. perbedaam tersebut diakomodasi lewat error. intercept ini mungkin berubah untuk setiap individu dan waktu.Model Efek Random (Random Effect) Bila pada Model Efek Tetap. perbedaan antar-individu dan atau waktu dicerminkan lewat intercept. Diasumsikan bahwa perilaku data antar perusahaaan sama dalam berbagai kurun waktu Bila kita punya asumsi bahwa α dan β akan sama (konstan) untuk setiap data time series dan cross section.3. i = 1. apakah asumsi bahwa α dan β konstan realistis? 3.. Pemilihan Teknik Estimasi Regresi Data Panel Seperti diketahui terdapat tiga jenis teknik estimasi model regresi data panel.2. T Pertanyaanya. Teknik ini juga memperhitungkan bahwa error mungkin berkorelasi sepanjang time series dan cross section. Namun.Model Efek Tetap (Fixed Effect) Pada pembahasan sebelumnya kita mengasumsikan bahwa intersep maupun slope adalah sama baik antar waktu maupun antar perusahaan.2. asumsi ini jelas sangat jauh dari kenyataan sebenarnya. dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu. model Fixed Effect dan model Random Effect..2. Pemikiran inilah yang menjadi dasar pemikiran pembentukan model tersebut. Pertanyaan yang muncul adalah teknik mana yang sebaiknya dipilih untuk regresi data panel 3 .

Sekarang uji F kita gunakan untuk mengetahui apakah teknik regresi data panel dengan fixed effect lebih baik dari model regresi data panel tanpa variabel dummy dengan melihat residual sum of squares (RSS).815665 = -12.1.4. Uji Hausman Uji ini untuk memilih antara Fixed Effect atau Random Effect 5. Adapun uji F statistiknya adalah sbb: F= ( RSS1 ) − RSS 2 ) / m ( RSS 2 ) /( n − k ) Dimana RSS1 dan RSS1 merupakan residual sum of square teknik tanpa variabel dummy dan teknik fixed effect dengan variabel dummy F = (15.2. terdapat data tiga perusahaan (yaitu peru 4 .3. Uji Langrange Multiplier (LM) Uji ini digunakan untuk memilih antara OLS tanpa variabel dummy atau Random Effect 4.66.78280505 66. Aplikasi Eviews Untuk Data Panel Misalkan.64554/33 2.019561818 4. Setelah kita melakukan regresi dua model yaitu model dengan asumsi bahwa slope dan intersep sama dan model dengan asumsi bahwa slope sama tetapi beda intersep. Uji Statistik F Uji Statistik F digunakan untuk memilih antara metode OLS tanpa variabel dummy atau Fixed Effect. pertanyaan yang muncul adalah model mana yang lebih baik? Apakah penambahan dummy menyebabkan residual sum of squares menjadi menurun atau tidak? Keputusan apakah kita sebaiknya menambah variabel dummy untuk mengetahui bahwa intersep berbeda antar perusahaan dengan metode Fixed Effect dapat diuji dengan uji F statistik.64554)/2 = -25. Uji F Statistik disini merupakan uji perbedaan dua regresi sebagaimana uji Chow.01421 .

biaya iklan dan laba (anggaplah datanya dalam jutaan rupiah). yaitu 2001 hingga 2004. maka kita hanya memiliki tiga 5 .penjulan. Data ketiga perusahaan tersebut diambil selama kurun waktu empat tahun. Perusahaan A Tahun 2001 2002 2003 2004 Penjualan Biaya Iklan 525 575 560 550 25 50 75 60 Laba 55 57 58 50 Perusahaan B Tahun 2001 2002 2003 2004 Penjualan Biaya Iklan 475 510 500 498 35 45 50 50 Laba 68 70 75 72 Perusahaan C Tahun 2001 2002 2003 2004 Penjualan Biaya Iklan 510 525 560 550 32 49 54 52 Laba 60 64 70 68 Apabila kita hanya ingin menganalisis tahun 2001.

2 (File Data Panel Excel). maka jumlah keseluruhan observasi menjadi 36 3. terutama analisis regresi. Variabel yang menandai objek (yaitu perusahaan) harus diawali dengan garis bawah. kita dapat menggabungkannya menjadi satu kelompok obeservasi saja. sehingga perusahaan dengan garis bawah. Sebenarnya tidak ada perlakuan khusus dalam meng-input data seperti pada contoh Tabel 9. Kalau penjualan akan dilihat secara keseluruhan. Sebagai contoh. Apabila pada analisis regresi dengan data silang Anda hanya perlu membuat tiga variabel saja (yaitu penjualan. dan seterusnya. Hal ini akan berguna pada analisis nanti. anda pun harus memasukkan data dengan struktur yang benar. yaitu nama perusahaan. variabel “penjualan” dapat dirinci menjadi “penjulan_A”. cukup ditulis “penjualan” (dengan tanda tanya).Meng-input Data Panel Eviews dapat digunakan untuk menganalisis data panel.4. penjualan _B”. dan laba). biaya iklan. Agar dapat dianalisis dengan model yang benar. Cara meng-input data panel berbeda dengan cara meng-input data runtut waktu maupun data silang. Perhatikan bahwa kolom pertama diiisi dengan identi 6 .Apabila kita ingin menganalisis semua data di atas. maka pada data panel Anda perlu menambah satu variabel lagi. Karena ada tiga perusahaan dan masing-masing meliputi empat tahun. sehingga perusahaan dengan nama “A” harus ditulis “_A”.2 di atas (File Excel Data Panel). akan digunakan data pada Tabel 9.

Dalam kotak Pool:UNTITLED tertulis: Cross Section Identifiers: (Enter identifiers below this line) Dibawah teks diatas ditulis secara _A kemudian dibawah _B dan dibawahnya lagi _C lalu ditutup dengan memberi nama filenya dengan IKLAN Pada tampilan Gambar 9. sehingga periodenya pun berupa tahun. lalu klik Ok. Eviews mengijinkan Anda menggunakan berbagai jenis waktu. Di layar akan muncul tampilan seperti Gambar 9. frequency pilih Annual (karena memakai data tahunan) kemudian isi Start date: 2001 dan End Date: 2004 setelah itu OK Kliklah tombol objects. News Object. dan namai objek tersebut dengan mana “Iklan”. lalu pilih Pool.analisis berikutnya. Seperti data lainnya. tulislah nama perusahaan. Simpanlah data Anda tersebut dengan nama data panel. Kolom kedua periode. New. masing-masing diawali dengan 7 . Langkah Awal menjalan Eviews Untuk Data Panel Buka menu file.xls.3. Workfile kemudian dalam workfile structure type pilih Dated-regular frequency dan date spefication.3. yang dalam contoh di sini adalah data tahunan.

Misalnya Anda ingin menampilkan data penjualan perusahaan A.Kliklah Ok Bila data di MS Excel® Anda sudah benar. Penjualan? Iklan? Laba? sehingga tampak seperti berikut : 8 . Perhatikan bahwa jendela yang berisi nama variabel (berisi empat baris _A.5 berikut ini. Perhatikan nama-nama variabel (penjualan. Bila sudah terlanjur ditutup. _B. Dalam bekerja dengan data panel. Tiap nama variabel tadi ditambahi tanda ( _ ) diikuti dengan nama perusahaan. karena Anda bekerja dari jendela ini. bukalah dengan mengklik ikon iklan di jendela file kerja. Anda dapat menampilkan berdasarkan perusahaan. _C.Menampilkan Data Panel Anda dapat menampilkan data panel dengan berbagai bentuk. berdasarkan variabel.5. Namun apabila Anda memilih untuk menampilkan data kumulatif. Data penjualan _a. iklan. maka Anda harus menuliskan penjualan_a. dan laba_a adalah data milik perusahaan a. iklan_a. Anda sudah selesai menginput data. diakhiri dengan? Dengan dengan demikian. Anda dapat menuliskan penjualan ? Menampilkan Semua Data Untuk menampilkan suatu data. Anda harus menemukan nama variabelnya dengan lengkap. Untuk memiliki data individual. laba) masing-masing ada tiga (sebanyak perusahaan). Eviews akan mengimpor dengan benar juga. semua data dan sebagainya. Hasilnya akan tampak seperti Gambar 9. _D_. misalnya penjualan semua perusahaan. bila Anda akan menampilkan semua data penjualan. cara menulisnya adalah nama variabel. Anda harus menentukan data yang dipilih (untuk ditampilkan dan dianalisis). Di layar akan ditampilkan jendela untuk menentukan variabel apa saja yang harus ditampilkan. kliklah tombol sheet di sudut kanan atas. jangan ditutup. 3. Sampai di sini. apakah data individual atau data kumulatif.

yaitu: Cara 1 Sama dengan cara menampilkan semua data di atas. yaitu perusahaan A. Menampilkan Data Satu Objek Anda dapat menampilkan suatu objek saja. Cara 1 Sama dengan cara menampilkan semua data di atas. Menampilkan Data Satu Variabel Menampilkan data satu variabel dapat dilakukan dengan 3 cara. atau dengan cara biasa. sepeti tampak pada Gambar 9. Dalam contoh disini. yaitu dengan cara menampilkan data panel (ada dua cara). Untuk kembali ke tampilan jendela sebelumnya. hanya saja penulisan nama variabelnya harus lengkap (tidak diakhiri ?).7 berikut ini. sehingga dalam contoh ini Anda harus menuliskan : 9 .Di layar akan di tampilkan hasil seperti tampak pada Gambar 9. atau cukup dengan mengklik Define. misalnya Anda ingin menampilkan data satu perusahaan saja. yaitu dengn mengklik ikon variabel-variabel yang akan ditampilkan. Di sini ada dua cara.8 berikut ini. pilih Open. sehingga dalam contoh ini Anda harus menuliskan : Penjualan_a iklan_a laba_a Cara 2 Sama dengan cara menampilkan variabel seperti pada data runtut waktu atau data silang. lalu klik kanan. as Group Kedua cara tersebut akan menghasilkan tampilan yang sama. kliklah tombol view. hanya saja penulisan nama variabelnya saja yang disesuaikan. lalu pilih Cross Section Identifiers.

Dengan data panel.iklan_a iklan_a iklan_a Cara 2 Mirip dengan cara 1. tetapi Anda menuliskan iklan ? Cara 3 Mirip dengan cara menampilkan data seperti pada runtut waktu atau data silang. Anda dapat menjalankan analisis regresi dengan kemungkinan berikut ini : a. Cara ini sudah dibahas pada bab-bab sebelumnya. bahkan dengan variasi yang lebih banyak. Analisis Regresi Semua Data Seperti pada data silang.6. 10 . pada data panel juga dapat dilakukan analisis regresi. 3.

2.861894 Std.wfl dan jendela lembar kerja pada panel aktif.0049 0.174871 0.786449 6.180663 7. 3.083406 0.194936 t-Statistic 3.048078 447.E.7.1. Error 39. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Perhatikan tampilan tersebut mirip dengan tampilan analisis regresi pada data silang seperti yang sudah ditunjukkan pada bab-bab sebelumnya. ada tunda?). Pada jendela lembar kerja kedua. 0. 3.0655 0.12 berikut ini. isikan penjualan? dan iklan ?. kliklah tombol Estimate (Anda tidak dapat menggunakan menu Quick. Pada bingkai Dependent variable.165351 Mean dependent var S.076932 2.0786 -38. Dependent Variable: LABA? Method: Pooled Least Squares Date: 08/29/10 Time: 20:40 Sample: 2001 2004 Included observations: 4 Cross-sections included: 3 Total pool (balanced) observations: 12 Variable C PENJUALAN? IKLAN? R-squared Adjusted R-squared S.200566 0.028883 Prob. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 146. Dilayar akan muncul tampilan seperti Gambar 9. Jendela ini menjadi jendela kedua setelah tampilan nama-nama variabel.91667 7. Estimate. Pastikan Anda harus sudah membuka file data panel.73423 0.63710 0.212745 0. Hasilnya tampak seperti pada Gambar 9. Analisis Regresi Satu Objek 11 .699413 -2. Equation … seperti pada cara-cara sebelumnya). 4.D. Anda tidak perlu menuliskan c sebagai konstan seperti pada cara-cara sebelumnya.3304 63.6340 -0.329633 0. Pada bingkai Common coefficients.955705 7.096625 1. isikan laba? (lihat.

maka persamaannya dapat kita tuliskan sebagai berikut: lababt = β0 + β1 penjua1anbt + β2iklanbt + ebt (9.14. Misalnya kita akan menganalisis perusahaan b saja.2) Langkah-langkah untuk menganalisisnya adalah sebagai berikut: 1. Error 12 . KIik pada jendela dan panel. lalu tuliskan laba_b pada bingkai Dependent variable dan penjualan_b iklan_b pada Common coef-ficients.Anda dapat menganalisis regresi data satu objek (atau satu perusahaan) saja. Klik Ok. Informasi yang ditarnpilkan pada hasil analisis regresi tersebut sama dengan tampilan regresi yang sudah dibicarakan pada bab-bab sebelumnya. sehingga di Iayar ditarnpilkan seperti pada Gambar 9. 2. Dependent Variable: LABA_B Method: Pooled Least Squares Date: 08/29/10 Time: 20:39 Sample: 2001 2004 Included observations: 4 Cross-sections included: 3 Total pool (balanced) observations: 12 Variable Coefficient Std.

55 d=3.50) (-1. meskipun dengan koefisien regresor yang sama.4) di atas. Pendekatan Efek Tetap (Fixed Effect) Dalam menganalisis data runtut waktu. karena probabilitasnya melebihi 5% (yaitu 0. Contoh yang sudah dijalankan pada subbab D (3.68) (5.0.5. dan biaya ikian sebesar 81. Metode ini sering disebut dengan common effect. penjualan. Oleh karena itu diperlukan suatu model yang dapat menunjukkan perbedaan konstan antarobjek.1263).169 R = 0. Kondisi tiap objek saling berbeda. Hasil analisis regresi dianggap berlaku pada semua objek pada semua waktu.Apabila dari hasil analisis tersebut dituliskan persamaannya. menunjukkan kondisi yang sesungguhnya. koefisien variabel penjualan ternyata secara statistik tidak signifikan. kita dapat memakai asumsi berikut ini (di antaranya sudah disinggung di halaman 9.2) Pada contoh tersebut.49 iklanbt t (4.10): Konstan Sama Berbeda Sama Berbeda Berbeda Koefisien Regresor Sama Sama Berbeda Berbeda Berbeda Objek Sama Sama Sama Antar Individu Antar Individu Waktu Semua Waktu Semua Waktu Semua Waktu Semua Waktu Antar Waktu Teknik yang paling sederhana mengasumsikan bahwa data gabungan yang ada. 3.813 menunjukkan bahwa model rnampu menjelaskan hubungan antana laba.812 (9. Nilai koefisien determinan sebesar 0.08 penjualanbt + 0.3%. akan menjadi seperti berikut: lababt = 86.17) 2 F = 19. Kelemahan asumsi ini adalah ketidaksesuaian model dengan keadaan yang sesungguhnya. Model ini dikenal dengan model regresi 13 .99 . menggunakan asumsi ini. bahkan satu objek pada suatu waktu akan sangat berbeda dengan kondisi objek tersebut pada waktu yang lain.

digunakan variabel semu (dummy). tetap besarnya dan waktu ke waktu (time invariant) Untuk membedakan satu objek dengan objek lainnya. Demikian juga dengan koefisien regresinya.fixed effect (efek tetap). Efek tetap di sini maksudnya adalah bahwa satu objek. model ini sening juga disebut dengan 14 . memiliki konstan yang tetap besarnya untuk berbagai periode waktu. Oleh karena itu.

08374 11. Efek random digunakan untuk men 15 .50.76211 0.842966 3.490962 Mean dependent var S. 3.900069 0.118453 Prob.D.387614 0.012.05018 0.47) + 0.Cross-sections included: 3 Total pool (balanced) observations: 12 Variable C PENJUALAN? IKLAN? Fixed Effects (Cross) _A—C _B—C _C—C Coefficient -5.08.001309 Std.91667 7. diketahui bahwa konstan untuk objek (dalam hal ini perusahaan) A adalah -12. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 63.13 penjualanAt .587736 15. B adalah 11. dan C adalah 0. sehingga model tersebut masih kurang baik.9090 Dari tampilan di atas.6.8787 0.011751 -12. 0.884448 -0.59.0. Apabila ditulis dalam persamaan. Error 34.17.132287 -0. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.0 1iklanAt (9.387614) + (.498349 Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.385692 5.132 dan iklan -0.E.070199 0.31415 2.3) Hasil di atas juga menunjukkan bahwa nilai statistik t untuk kedua koefisien (penjualan dan iklan) masih terlalu rendah.786449 5. kita juga dapat menganalisis regresi data panel dengan efek random. Sedang konstan variabel penjualan adalah 0.099207 t-Statistic -0.64554 -27.1015 0. hasilnya adalah sebagai berikut: labaAt = (-5. untuk perusahaan A. Pendekatan Efek Random (Random Effect) Selain dengan metode efek tetap.085578 66.158226 1.58539 0.

yaitu: labait = βoi + β1penjualanit + β2iklanit + et (9. tetapi pilihan yang harus Anda pilih (dengan menekan klik) adalah pilihan Random effects.Tanpa menggunakan variabel semu. kita perlu menambah satu objek lagi..13). metode efek random menggunakan residual.5) Namun untuk menganalisis dengan metode efek random ini ada satu syarat. yang diduga memiliki hubungan antarwaktu dan antarobjek...n (9. objek data silang ada 3.1). dan variabel yang dianalisis juga ada 3. kecuali konstannya yang berbeda. langkah-langkahnya sama dengan metode efek tetap (seperti juga terlihat pada Gambar 9.4) Tidak seperti pada model efek tetap (β0 dianggap tetap). Persamaan yang digunakan mirip dengan persamaan (9.. 16 . katakanlah perusahaan D. Hasilnya akan tampak seperti pada Gambar 9.17 berikut ini. Dalam contoh kita. i = 1. pada model ini βo diasumsikan bersifat random. Untuk menganalisis dengan metode efek random. Datanya tetap meliputi tahun 2001 hingga 2004. yaitu objek data silang harus lebih besar daripada banyaknya koefisien. Agar dapat dianalisis oleh EViews. sehingga dapat dituliskan dalam persamaan: − β0 = Β 0 + ui .

695544 11.363744 0. dependent var Sum squared resid Durbin-Watson stat 9.9913 1. of regression F-statistic Prob(F-statistic) 0.072680 0.499708 Effects Specification Cross-section random S.3544 -9.71578 2.052919 11.102 Mean dependent var Durbin-Watson stat 61.2521 0. Error 35.139205 Hasil di atas menunjukkan tidak ada satu koefisienpun yang signifikan.D.D. Dalam analisis data 17 .81250 0.Dependent Variable: LABA? Method: Pooled EGLS (Cross-section random effects) Date: 08/29/10 Time: 21:27 Sample: 2001 2004 Included observations: 4 Cross-sections included: 4 Total pool (balanced) observations: 16 Swamy and Arora estimator of component variances Variable C PENJUALAN? IKLAN? Random Effects (Cross) _A--C _B--C _C--C _D--C Coefficient 11. / Rho Weighted Statistics R-squared Adjusted R-squared S. karena di sini Anda dibimbing untuk menggunakan program EViews untuk menganalisis data panel dengan metode regresi.479475 -4.960352 Prob.D.258023 3.030726 3. Abaikan saja dulu hasil tersebut.198551 0.98500 0.69209 0.9198 0.091308 Std. / Rho Idiosyncratic random S.802456 137.335789 1.380055 0.716011 0.44359 3.E.201582 Unweighted Statistics R-squared Sum squared resid -0.7424 0. 0.087110 0.095078 t-Statistic 0.245353 1191.265858 3.0802 Mean dependent var S.

lalu kliklah Residuals.20 berikut obs 2001 2002 RES-_A RES-_B RES-_C -5.63871433184497 9.08711010858*PENJUALAN_C + 0.4419167799339 0.sesungguhnya. yaitu dengan mengklik tombol View. juga berlaku di data panel ini.98500105 + 0.666987030441891 -9. lalu kliklah Representation. EViews akan menampilkan hasil residual seperti pada Gambar 9.98500105 + 0.00050847976939 11.09130801692*IKLAN_D Anda juga dapat menampilkan residual dari masing-masing perusahaan untuk masing-masing tahun. nilai uji statistik yang berlaku pada analisis regresi data silang. EViews akan menampilkan hasil estimasi persamaan seperti pada Gambar 9. Anda dapat menuliskan persamaan seperti pada contoh efek tetap.499708072 + 11.98500105 + 0. Caranya adalah dengan mengklik tombol View.34980460294161 18 .09130801692*IKLAN_C LABA_D = -4.08711010858*PENJUALAN_B + 0. Estimation Command: ===================== LS(CX=R) LABA? PENJUALAN? IKLAN? Estimation Equations: ===================== LABA_A = C(4) + C(1) + C(2)*PENJUALAN_A + C(3)*IKLAN_A LABA_B = C(5) + C(1) + C(2)*PENJUALAN_B + C(3)*IKLAN_B LABA_C = C(6) + C(1) + C(2)*PENJUALAN_C + C(3)*IKLAN_C LABA_D = C(7) + C(1) + C(2)*PENJUALAN_D + C(3)*IKLAN_D Substituted Coefficients: ===================== LABA_A = -9.695543567 + 11.09130801692*IKLAN_B LABA_C = 2.80809911403243 RES-_D -7.47998281041788 1. tetapi ada cara yang lebih praktis.08711010858*PENJUALAN_D + 0.19 berikut.10087772441379 -7.479475167 + 11.09130801692*IKLAN_A LABA_B = 11.71577647 + 11. Table.98500105 + 0.08711010858*PENJUALAN_A + 0.

35642234878142 -4.374041786618 12.8945438115837 -15.2003 2004 -9.0687640287418 4.30270522914108 3.61476312628233 14.309770223777357 19 .25048132498152 0.

Sign up to vote on this title
UsefulNot useful