Estimasi Parameter Menggunakan Metode Weight Least Square

5. Kesimpulan: Karena H ditolak, maka dapat disimpulkan bahwa adanya gejala heteroskedastisitas dalam data tersebut.

3.5.4 Estimasi Parameter Menggunakan Metode Weight Least Square

Tabel 3.12 Data transformasi Untuk Pendugaan Model Regresi Menggunakan Metode Weight Least Square Dalam Jutaan Rupiah No X 1 = X 1 s i X 2 = X 2 s i X 3 = X 3 s i Y = Ys i 1 57.1566 17.6913 13.1551 192.488 2 -26.158 -7.4834 -5.6984 -84.103 3 19.2849 5.03475 4.04578 65.9912 4 66.4148 21.7464 14.1058 233.921 5 15.2063 3.86441 3.07896 53.9761 6 6.42302 2.19323 1.20105 23.055 7 19.2795 7.68014 4.7506 76.6035 8 -7.3351 -3.1132 -1.9287 -28.748 9 3.94054 1.51981 1.09677 17.5875 10 -3.4361 -1.2439 -1.0653 -14.723 11 -4.7043 -1.5405 -1.557 -21.31 12 -2.7244 -1.0625 -1.0479 -13.12 13 13.0002 5.45875 4.75722 67.5657 14 5.63633 2.17747 2.32084 32.1513 15 5.28295 1.97347 2.39261 31.654 Jlh 167.268 54.8963 39.6074 632.989 ˆ = 1 y X X X T T  Universitas Sumatera Utara                                                                3 2 1 1 2 3 3 2 3 1 3 3 2 2 2 2 1 2 3 1 2 1 2 1 1 3 2 1 3 2 1 ˆ ˆ ˆ ˆ Y X Y X Y X Y X X X X X X X X X X X X X X X X X X X X X n                                             99 . 7744 10984 6 . 34149 989 . 632 683 . 497 765 . 701 81 . 2181 6074 . 39 765 . 701 45 . 1001 13 . 3106 8963 . 54 81 . 2181 13 . 3106 49 . 9717 268 . 167 6074 . 39 8963 . 54 268 . 167 15 ˆ ˆ ˆ ˆ 1 3 2 1                             1834 . 0897 . 0122 . 0205 . 0897 . 1624 . 0317 . 004 . 0122 . 0317 . 0129 . 0044 . 0205 . 004 . 0.0044 0.08644 1 X X T                                                  99 . 7744 10984 6 . 34149 989 . 632 1834 . 0897 . 0122 . 0205 . 0897 . 1624 . 0317 . 004 . 0122 . 0317 . 0129 . 0044 . 0205 . 004 . 0.0044 0.08644 ˆ ˆ ˆ ˆ 3 2 1                                179 . 7 962 . 3 601 . 044 . 2 ˆ ˆ ˆ ˆ 3 2 1     Sehingga didapat 3 2 1 179 . 7 962 . 3 601 . 044 . 2 ˆ X X X Y     Ini berarti bahwa besarnya nilai ˆY akan dipengaruhi oleh nilai parameter 044 . 2 ˆ   601 . ˆ 1   , 962 . 3 ˆ 2   dan 179 . 7 ˆ 3   . Dari regresi ini, jika tidak ada biaya produksi, biaya distribusi dan biaya promosi, maka tingkat penjualan sebesar 2.044juta rupiah. Universitas Sumatera Utara Sedangkan jika besarnya biaya produksi meningkat sebesar 1 juta rupiah, maka tingkat penjualan meningkat sebesar 0.601 juta rupiah. Dan jika besarnya biaya distribusi meningkat sebesar 1 juta rupiah maka tingkat penjualan meningkat sebesar 03.962 juta rupiah. Kemudian jika biaya promosi meningkat sebesar 1 juta rupiah, maka tingkat penjualan meningkat sebesar 7.179 juta rupiah. Dari ketiga variabel diatas dapat dilihat bahwa yang paling berpengaruh terhadap tingkat penjualan adalah biaya promosi. . Tabel 3.13 Perhitungan Koefisien Determinasi pada WLS Menggunakan Excel No X 1 X 2 X 3 Y Yˆ 2 Y Y  2 ˆ Y Y  1 57.157 17.691 13.155 192.488 200.916 22586.577 25190.925 2 -26.158 -7.483 -5.698 -84.103 -84.229 15952.202 15984.210 3 19.285 5.035 4.046 65.991 62.622 566.055 417.095 4 66.415 21.746 14.106 233.921 229.369 36757.307 35032.589 5 15.206 3.864 3.079 53.976 48.594 138.694 40.895 6 6.423 2.193 1.201 23.055 23.214 366.503 360.423 7 19.280 7.680 4.751 76.603 78.160 1183.649 1293.154 8 -7.335 -3.113 -1.929 -28.748 -28.544 5033.513 5004.546 9 3.941 1.520 1.097 17.587 18.306 605.739 570.870 10 -3.436 -1.244 -1.065 -14.723 -12.597 3240.183 3002.591 11 -4.704 -1.540 -1.557 -21.310 -18.064 4033.425 3631.656 12 -2.724 -1.062 -1.048 -13.120 -11.325 3060.227 2864.855 13 13.000 5.459 4.757 67.566 65.634 643.458 549.181 14 5.636 2.177 2.321 32.151 30.719 100.962 131.806 15 5.283 1.973 2.393 31.654 30.213 111.202 143.664 Jlh 167.268 54.896 39.607 632.989 632.989 94379.695 94218.461 Universitas Sumatera Utara          2 2 2 ˆ Y Y Y Y R 695 . 94379 461 . 94218 2  R R 2 = 0.998

3.5.5 Uji Grafik pada Metode Weight Least Square