Dokumen tersebut membahas tentang latihan korelasi dan regresi untuk mengetahui hubungan antar variabel. Data yang dianalisis meliputi jumlah tilang, mobil, motor, dan polisi serta penjualan dan biaya promosi di PT Cemerlang. Hasil analisis menunjukkan adanya korelasi antara beberapa variabel.

1. Latihan KorelasiLatihan Korelasi
 Anda cari apakah ada korelasi (hubungan) diantara variabel-Anda cari apakah ada korelasi (hubungan) diantara variabel-
variabel berikut (antara jumlah pelanggaran lalu lintas / tilang,variabel berikut (antara jumlah pelanggaran lalu lintas / tilang,
jumlah mobil, jumlah motor dan jumlah polisijumlah mobil, jumlah motor dan jumlah polisi
Daerah Tilang Mobil Motor Polisi
1 20 258 589 89
2 24 265 587 52
3 25 249 698 59
4 18 125 625 57
5 15 712 52
6 16 124 692 48
7 251 681 49
8 10 634 29
9 12 124 697 27
10 17 159 521 59

2. Hasil Output dengan ExcelHasil Output dengan Excel
Tilang Mobil Motor Polisi
Tilang 1
Mobil 0,852343 1
Motor -0,1952 -0,12667 1
Polisi 0,630598 0,499385 -0,40966 1
Correlations
1.000 .852* -.195 .631
. .015 .615 .069
9 7 9 9
.852* 1.000 -.127 .499
.015 . .765 .208
7 8 8 8
-.195 -.127 1.000 -.410
.615 .765 . .240
9 8 10 10
.631 .499 -.410 1.000
.069 .208 .240 .
9 8 10 10
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
TILANG
MOBIL
MOTOR
POLISI
TILANG MOBIL MOTOR POLISI
Correlation is significant at the 0.05 level (2-tailed).*.
Hasil Output dengan SPSSHasil Output dengan SPSS
Cara membaca Output :Cara membaca Output :
1.1. Cari nilai Signifikansi untukCari nilai Signifikansi untuk
mengetahui ada atau tidakmengetahui ada atau tidak
korelasi/hubungan antarkorelasi/hubungan antar
variabel.variabel.
2.2. Cari nilai kekuatan korelasiCari nilai kekuatan korelasi
(Pearson Correlation) untuk(Pearson Correlation) untuk
mengetahui kekuatanmengetahui kekuatan
hubungan antar variabel.hubungan antar variabel.

3. Jakarta 205 26
Tangerang 206 28
Bekasi 254 35
Bogor 246 31
Bandung 201 21
Semarang 291 49
Solo 234 30
Yogya 209 30
Surabaya 204 24
Purwokerto 216 31
Madiun 245 32
Tuban 286 47
Malang 312 54
Kudus 265 40
Pekalongan 322 42
Daerah Penjualan Biaya Promosi
 Apakah ada pengaruh biaya promosi terhadap hasil penjualanApakah ada pengaruh biaya promosi terhadap hasil penjualan
di PT. Cemerlang ?di PT. Cemerlang ?
Latihan RegresiLatihan Regresi

4. Hasil Output dengan menggunakan ExcelHasil Output dengan menggunakan Excel
SUMMARY OUTPUT
Regression Statistics
Multiple R 0,915890377
R Square 0,838855183
Adjusted R Square 0,826459428
Standard Error 17,12682668
Observations 15
ANOVA
df SS MS F Significance F
Regression 1 19850,3335 19850,3335 67,6727776 1,6454E-06
Residual 13 3813,266497 293,3281921
Total 14 23663,6
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
Intercept 111,5225216 16,98167405 6,567227781 1,8047E-05 74,83585232 148,2091909 74,83585232 148,2091909
X Variable 1 3,890696492 0,472955578 8,226346551 1,6454E-06 2,868938281 4,912454703 2,868938281 4,912454703
Cara membaca Output :Cara membaca Output :
1.1. CariCari nilai multiple R (koefisien korelasi)nilai multiple R (koefisien korelasi) untukuntuk
menentukan besarnya/kuatnya hubungan antar variabel.menentukan besarnya/kuatnya hubungan antar variabel.
2.2. CariCari koefisien determinasi (R square)koefisien determinasi (R square) untukuntuk
mengetahui berapa besar pengaruh variabel independenmengetahui berapa besar pengaruh variabel independen
terhadap variabel dependen.terhadap variabel dependen.
3.3. Tentukan apakahTentukan apakah model regresi dapat digunakanmodel regresi dapat digunakan untuk memprediksiuntuk memprediksi
variabel dependen atau tidak. (Dari tabel Anova)variabel dependen atau tidak. (Dari tabel Anova)
4.4. Buat persamaan matematis (dari Tabel Coefficients) : Y = a + b XBuat persamaan matematis (dari Tabel Coefficients) : Y = a + b X
TentukanTentukan konstantakonstanta dandan interceptintercept nya.nya.

5. Hasil Output dengan menggunakan SPSSHasil Output dengan menggunakan SPSS
Model Summary
.916a .839 .826 17.1268
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Predictors: (Constant), PROMOSIa.
ANOVAb
19850.334 1 19850.334 67.673 .000a
3813.266 13 293.328
23663.600 14
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), PROMOSIa.
Dependent Variable: SALESb.
Coefficientsa
111.523 16.982 6.567 .000
3.891 .473 .916 8.226 .000
(Constant)
PROMOSI
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardi
zed
Coefficien
ts
t Sig.
Dependent Variable: SALESa.
Cara membaca Output dariCara membaca Output dari
SPSS sama dengan caraSPSS sama dengan cara
membaca output dari Excel.membaca output dari Excel.

6. Hasil Output dengan menggunakan SPSSHasil Output dengan menggunakan SPSS
Model Summary
.916a .839 .826 17.1268
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Predictors: (Constant), PROMOSIa.
ANOVAb
19850.334 1 19850.334 67.673 .000a
3813.266 13 293.328
23663.600 14
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), PROMOSIa.
Dependent Variable: SALESb.
Coefficientsa
111.523 16.982 6.567 .000
3.891 .473 .916 8.226 .000
(Constant)
PROMOSI
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardi
zed
Coefficien
ts
t Sig.
Dependent Variable: SALESa.
Cara membaca Output dariCara membaca Output dari
SPSS sama dengan caraSPSS sama dengan cara
membaca output dari Excel.membaca output dari Excel.