View
19.303
Download
19
Category
Preview:
Citation preview
BAB II
ANALISIS REGRESI
2.1 Pengumpulan Data
Perusahaan baru yang bergerak dibidang produksi, distribusi, pemasaran dan promosi
yaitu PT F-Gen dari produk Fish Finders. Fish Finders adalah sebuah produk yang
digunakan para pemancing untuk mendeteksi adanya ikan di perairan yang digunakan
sebagai area pemancingan. Manajer bidang pemasaran memiliki rencana pada tahun
2013 untuk promosi secara besar-besaran yaitu dengan menyebar sales untuk langsung
menyebarkan produk ke pasar dan strategi tersebut dapat terbilang baru diterapkan pada
persahaan tersebut. Dimana pada tahun lalu yaitu tahun 2012 manajer tersebut sudah
mulai menerapkannya. Oleh karena itu, manajer tersebut menggunakan jasa konsultan
untuk membatunya menganalisis apakah kebijakannya pada tahun 2012 tersebut
berpengaruh terhadap peningkatan produk. Manajer ingin menduga besarnya tingkat
penjualan dengan mengasumsikan jumlah jam promosi dan jumlah tenaga sales sebagai
faktor independen dari biaya promosi dan biaya promosi sebagai faktor independen dari
tingkat penjualan. Data tingkat penjualan sebelum diberlakukannya kebijakan manajer
dapat dilihat pada Tabel 2.1 sebagai berikut:
Tabel 2.1 Data tingkat penjualan sebelum kebijakan manajer diberlakukan
Bulan Tingkat penjualan (dalam unit)Januari 10Februari 8Maret 6April 8Mei 5Juni 8Juli 9
Agustus 7September 4Oktober 5
November 8Desember 6
Sedangkan data tingkat penjualan setelah diberlakukannya kebijakan manajer dapat
dilihat pada Tabel 2.2 sebagai berikut:
Tabel 2.2 Data tingkat penjualan setelah kebijakan manajer diberlakukan
BulanTingkat
penjualan(dalam unit)
Biaya promosi (dalam
puluhan ribu)
Jumlah jam promosi
(dalam jam)
Jumlah tenaga sales
(dalam orang)Januari 21 200 98 10Februari 19 195 95 9Maret 23 201 99 10April 18 192 91 12Mei 20 197 96 9Juni 18 189 90 10Juli 20 196 97 9
Agustus 24 203 101 10September 21 199 98 9Oktober 19 193 92 8
November 20 197 97 9Desember 19 198 97 9
2.2 Pengolahan Data
Berdasarkan hasil pengumpulan data, maka dapat dilakukan perhitungan atau
pengolahan data baik secara manual maupun komputerisasi.
2.2.1 Pengolahan Data Secara Manual
Pengolahan data yang dilakukan secara manual adalah regresi, baik itu regresi
sederhana maupun regresi berganda serta analisis korelasi dari kasus PT. F-Gen.
1. Analisis regresi adalah analisis mengenai hubungan antara suatu variabel (x) dengan
variabel lainnya (y) yang saling terikat, dimana yang satu disebut sebagai peubah
bebas dan yang lainnya adalah respon. Dan hubungan keduanya saling cocok dan
kadang berpola. Selain itu, bisa juga untuk menentukkan hubungan antara lebih dari
2 variabel. Analisis regresi terbagi menjadi dua yaitu:
a. Analisis Regresi Berganda
Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara
peubah respon (variabel dependen) dengan faktor-faktor yang mempengaruhi
lebih dari satu prediktor (variabel independen). Regresi linier berganda hampir
sama dengan regresi linier sederhana, hanya saja pada regresi linier berganda
variabel bebasnya lebih dari satu variabel penduga. Tujuan analisis regresi linier
berganda adalah untuk mengukur intensitas hubungan antara dua variabel atau
lebih dan membuat prediksi perkiraan nilai atas Y dan X. Model analisis berganda
dapat dilihat pada Persamaan 2.1 berikut ini:
Y = a + b1X1 + b2X2 +....+ bnXn ........................................................................(2.1)
Sebelum menentukan persamaan analisis regresi linier berganda, terlebih dahulu
mencari nilai A, B, C, D, E, dan F yang dapat dilihat pada Persamaan 2.2 sampai
dengan Persamaan 2.7 sebagai berikut:
A = n∑X1Y – (∑X1)(∑Y) ...............................................................................(2.2)
B = n∑X22 – (∑X2)2 .........................................................................................(2.3)
C = n∑X1X2 – (∑X1)(∑X2) .............................................................................(2.4)
D = n∑X2Y – (∑X2)(∑Y) ...............................................................................(2.5)
E = n∑X12 – (∑X1)2 .........................................................................................(2.6)
F = EB – C2 ....................................................................................................(2.7)
Setelah menentukan nilai A, B, C, D, E, dan F, selanjutnya menentukan nilai b1,
b2, dan nilai a dengan menggunakan Persamaan 2.8 sampai dengan Persamaan
2.10 sebagai berikut:
b1 = AB – CDF
...............................................................................................(2.8)
b2 = DE – ACF
..............................................................................................(2.9)
a = ∑Y – b1∑ X1 – b2∑ X2
n .......................................................................(2.10)
dengan: Y = variabel yang diramalkan (dependent variabel)X1, X2 = variabel yang diketahui (independent variable)a = besarnya nilai Y pada saat nilai X = 0b1, b2 = koefisien regresi
b. Analisis Regresi Sederhana
Analisis regresi linier sederhana adalah hubungan secara linear antara satu
variabel independen (X) dengan variabel dependen (Y). Anallisis ini digunakan
untuk mengetahui pengaruh dari variabel bebas terhadap variabel terikat atau
dengan kata lain untuk mengetahui seberapa jauh perubahan variabel bebas dalam
mempengaruhi variabel terikat. Dalam analisis regresi sederhana, pengaruh satu
variabel bebas terhadap variabel terikat dapat dibuat Persamaan 2.11 sebagai
berikut:
Y = a + bx ........................................................................................................(2.11)
Untuk mencari nilai-nilai a dan b dapat digunakan Persamaan 2.12 dan Persamaan
2.13 berikut ini:
b = n∑ XY - (∑ X ) (Y )
n∑ X2 - (∑ X )2 ............................................................................. (2.12)
a = ∑ Y - b∑ X
n ..........................................................................................(2.13)
dengan: Y = variabel yang diramalkan (dependent variable)X = variabel yang diketahui (independent variable)n = ukuran sampela = besarnya nilai Y pada saat nilai X = 0b = besarnya perubahan nilai Y apabila X bertambah satu satuan
2. Analisis Korelasi
Analisis korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan
hubungan antara dua variabel. Korelasi merupakan istilah yang digunakan untuk
mengukur kekuatan hubungan antar variabel. Jika koefisien korelasi berhubungan
dengan sampel yang digunakan, maka koefisien korelasi (diberi simbol r). Bentuk
atau jenis hubungan ada 4, yaitu korelasi positif, korelasi negatif, tidak ada korelasi,
dan korelasi sempurna. Untuk penjelasan mengenai bentuk korelasi adalah sebagai
berikut:
a. Korelasi positif adalah korelasi atau hubungan jika kenaikan variabel X diikuti
pula dengan kenaikan variabel Y dan sebaliknya penurunan variabel X diikuti
dengan penurunan variabel Y.
b. Korelasi negatif adalah korelasi atau hubungan jika kenaikan variabel X diikuti
dengan penurunan pada variabel Y atau penurunan variabel X diikuti dengan
kenaikan variabel Y.
c. Tidak ada korelasi jika kedua variabel tidak memperlihatkan adanya hubungan.
Ketika X naik Y naik tapi pada saat bersamaan Y juga bisa turun.
d. Korelasi sempurna adalah jenis korelasi di mana kenaikan atau penurunan
variabel X berbanding dengan kenaikan atau penurunan variabel Y.
Secara sistematis koefisien korelasi dapat diperoleh dengan menggunakan Persamaan
2.14 dan Persamaan 2.15. Adapun Persamaan tersebut adalah sebagai berikut:
r = n∑ X1 Y- ∑ X1∑ Y
√(n∑ X1
2- (∑X1 )2) (n∑Y2- (∑Y )2 )
............................................................(2.14)
r = n∑ X2 Y- ∑ X2∑ Y
√(n∑ X2
2- (∑X 2)2) (n∑Y2- (∑Y )2 )
............................................................(2.15)
dengan: r = koefisiensi korelasin = ukuran sampel
X1, X2, X, Y = variabel-variabel yang dikorelasikan
3. Analisis Regresi Linear Berganda dan Regresi Linear Sederhana
a. Regresi Linear Berganda
Data mentah untuk menghitung model persamaan regresi linear sederhana dapat
dilihat pada Tabel 2.3 berikut ini:
Tabel 2.3 Persamaan Regresi Linear Berganda
dengan: Y = Biaya promosiX1 = Jumlah jam promosiX2 = Jumlah tenaga sales
Setelah dilakukan pengujian regresi berganda seperti pada Tabel 2.3 di atas,
selanjutnya dilakukan perhitungan persamaan regresi berganda. Sebelum
menentukan persamaan regresi berganda, terlebih dahulu mencari nilai A, B, C,
Bulan Y X1 X2 X1Y X2Y X1X2 X12 X2
2 Y2
1 200 98 10 19600 2000 980 9604 100 400002 195 95 9 18525 1755 855 9025 81 380253 201 99 10 19899 2010 990 9801 100 404014 192 91 12 17472 2304 1092 8281 144 368645 197 96 9 18912 1773 864 9216 81 388096 189 90 10 17010 1890 900 8100 100 357217 196 97 9 19012 1764 873 9409 81 384168 203 101 10 20503 2030 1010 10201 100 412099 199 98 9 19502 1791 882 9604 81 3960110 193 92 8 17756 1544 736 8464 64 3724911 197 97 9 19109 1773 873 9409 81 3880912 198 97 9 19206 1782 873 9409 81 39204∑ 2360 1151 114 226506 22416 10928 110523 1094 464308
D, E, dan F. Untuk menentukan nilai A, B, C, D, E, dan F dapat digunakan
Persamaan 2.5 sampai dengan Persamaan 2.10 sebagai berikut:
A = 12 (226506) – (1151)(2360)
= 2718072 – 2716360
= 1712
B = 12(1094) – (114)2
= 132
C = 12(10928) – (1151)(114)
= -78
D = 12(22416) – (114)(2360)
= -48
E = 12 (110523) – (1151)2
= 1475
F = (1475)(132) – (-78)2
= 188616
Setelah menentukan nilai A, B, C, D, E, dan F, selanjutnya menentukan nilai b1,
b2, dan nilai a dengan menggunakan Persamaan 2.11 sampai dengan Persamaan
2.13 sebagai berikut:
b1 = (1712 ) (132 ) - (-78 )( -48)188616
= 1.1783
b2 = (-48) (1475 ) - (1712)( -78)188616
= 0,3326
a = (2360 ) - (1,178 ) (1151 ) -(0,333)( 114)12
= 80,4915
Setelah menghitung nilai-nilai dari persamaan a, b1, dan b2, selanjutnya
menentukan persamaan regresi berganda dengan menggunakan Persamaan 2.4
sebagai berikut ini:
Y = 80,4914 +1,1783 X1 + 0,3326 X2
Persamaan regresi di atas dapat diartikan yaitu sebagai berikut:
1) Nilai a = 80,4914
Arti dari nilai a dalam persamaan regresi berganda adalah tanpa adanya
jumlah jam promosi sebagai variabel X1 dan jumlah tenaga kerja sebagai
variabel X2, maka besarnya biaya promosi sebagai variabel Y yaitu sebesar
Rp 804.914,-.
2) Nilai b1 = 1,1783
Arti dari nilai b1 dalam persamaan regresi berganda adalah hubungan antara
jumlah jam promosi sebagai variabel X1 dengan biaya promosi sebagai
variabel Y. Jika jumlah jam promosi sebagai variabel X1 bernilai positif atau
setiap kenaikan jumlah jam promosi sebagai variabel X1 sebanyak 1 jam,
maka biaya promosi sebagai variabel Y akan meningkat sebesar Rp 11.783,-.
3) Nilai b2 = 0,3326
Arti dari nilai b2 dalam persamaan regresi berganda adalah hubungan antara
jumlah tenaga kerja sebagai variabel X2 dengan biaya promosi sebagai
variabel Y. Jika jumlah tenaga kerja sebagai variabel X2 bernilai positif atau
setiap kenaikan jumlah tenaga kerja sebagai variabel X2 sebanyak 1 orang,
maka biaya promosi sebagai variabel Y akan meningkat sebesar Rp 3.326,-.
b. Regresi Sederhana
Setelah menentukan persamaan dari analisis regresi berganda, selanjutnya adalah
menentukan persamaan regresi sederhana dari biaya promosi sebagai variabel X
dan tingkat penjualan sebagai variabel Y. Hasil uji dari regresi sederhana dapat
dilihat pada Tabel 2.4 sebagai berikut:
Tabel 2.4 Pengujian Regresi Linear Sederhana
Bulan Y X XY Y2 X2
1 21 200 4200 441 400002 19 195 3705 361 380253 23 201 4623 529 404014 18 192 3456 324 368645 20 197 3940 400 388096 18 189 3402 324 357217 20 196 3920 400 384168 24 203 4872 576 412099 21 199 4179 441 3960110 19 193 3667 361 3724911 20 197 3940 400 3880912 19 198 3762 361 39204∑ 242 2360 47666 4918 464308
dengan: X = tingkat produksi (dalam ribu karat)Y = keuntungan kotor setelah diberlakukannya kebijakan
Setelah dilakukan pengujian regresi sederhana seperti pada Tabel 2.4 di atas,
selanjutnya dilakukan perhitungan persamaan regresi sederhana. Untuk
menghitung nilai b dengan menggunakan Persamaan 2.2 sebagai berikut:
b = 12(47666)- (2360 ) (242)
12 (464308 ) - (2360)2
= 12(47666)- (242 ) (2360)12 (464308 ) - (5569600)
= 0,4160
Setelah menghitung nilai b, maka selanjutnya adalah menghitung nilai a dengan
menggunakan Persamaan 2.3 sebagai berikut:
a = (∑
i=1
n
Y) - b(∑i=1
n
X)
n
= (242) – 0,416(2360)12
= - 61,6527
Setelah menghitung nilai-nilai dari persamaan b dan a, selanjutnya menentukan
persamaan regresi sederhana dengan menggunakan model regresi liniear
sederhana, maka dapat dihitung nilai Y (keuntungan kotor) berdasarkan nilai X
(tingkat promosi) dengan Persamaan 2.1 sebagai berikut:
Y = - 61,6527 + 0,4160 X
Setelah didapatkan persamaan regresi sederhana, maka untuk penjelasan dari arti
persamaan regresi sederhana adalah sebagai berikut:
1) Nilai a
Nilai a yang diperoleh adalah sebesar -61,6527, maka yang akan terjadi adalah
tanpa adanya biaya promosi, maka tingkat penjualan adalah sebesar -61,6527
2) Nilai b
Nilai b yang diperoleh adlah sebesar 0,4160, maka yang akan terjadi adalah
hubungan antara biaya promosi dan tingkat penjualan, jika biaya promosi
mengalami kenaikan positif atau setiap kenaikan biaya promosi sebanyak Rp.
10.000,- maka tingkat penjualan juga akan meningkat sebesar 0,4160
c. Nilai Tingkat Penjualan
Perhitungan nilai tingkat penjualan pada PT. F-Gen dengan 100 jam promosi
sebagai variabel X1 dan 11 orang tenaga sales sebagai variabel X2 adalah sebagai
berikut:
1) Regresi Berganda
Perhitungan nilai penduga tingkat penjualan dengan menggunakan Persamaan
2.4 sebagai berikut:
Y = (80,4914) + (1,1783) X1 + ( 0,3326) X2
= 80,4914 + 1,1783 (100) + 0,3326 (11)
= 201,9768 x Rp. 10.000
= Rp. 2.019.768,-
Berdasarkan perhitungan di atas, dapat disimpulkan bahwa nilai penduga
tingkat penjualan untuk regresi berganda adalah sebesar Rp. 2.019.768,-
2) Regresi Sederhana
Perhitungan nilai penduga tingkat penjualan dengan menggunakan Persamaan
2.1 sebagai berikut:
Y = (-61,6527) + (0,4160) X
= (-61,6527) + (0,4160) (201,9768)
= 22,3759 ≈ 23 unit
Berdasarkan perhitungan di atas, dapat disimpulkan bahwa nilai penduga
tingkat penjualan untuk regresi sederhana adalah sebesar 22,3759 ≈ 23 unit.
4. Perbandingan Rata – rata Tingkat Penjualan Produk
Rata-rata tingkat penjualan produk sebagai variabel Y sebelum diberlakukan
kebijakan dari manajer dengan menggunakan Persamaan 2.15 adalah sebagai berikut:
Y = ∑ X
n .........................................................................................................(2.15)
= 8412
= 7 unit
Sedangkan setelah diberlakukan kebijakan dari manajer, rata-rata tingkat penjualan
produk dengan menggunakan Persamaan 2.16 adalah sebagai berikut:
Y = ∑ Y
N ..........................................................................................................(2.16)
= 24212
= 20,1666 unit ≈ 21 unit
Perhitungan peningkatan rata-rata tingkat penjualan produk dengan menggunakan
Persamaan 2.17 adalah sebagai berikut:
∆Y = Y sesudah - Y sebelum ..............................................................................(2.17)
= 21 – 7
= 14 unit
Berdasarkan perhitungan di atas, dapat disimpulkan bahwa peningkatan rata-rata
penuajalan produk sebannyak 14 unit
Persentase peningkatan rata-rata tingkat penjualan produk sebagai variabel Y dengan
menggunakan Persamaan 2.18 adalah sebagai berikut:
Y = (∆Y
Y1 × 100%) ...........................................................................................(2.18)
= 147
x 100 %
= 200 %
Berdasarkan perhitungan di atas, dapat disimpulkan bahwa terjadi peningkatan
penjualan produk setelah diberlakukan kebijakan manajer oleh PT. F-Gen adalah
sebesar 14 unit. Peningkatan dari tingkat penjualan setelah diberlakukannya
kebijakan manajer adalah sebesar 200%.
5. Perhitungan Analisis Korelasi
Dalam perhitungan analisis korelasi ini, akan menentukan hubungan linier dari
analisis regresi di atas. Adapun perhitungan korelasi tersebut adalah sebagai berikut:
a. Regresi Berganda
Adapun perhitungan analisis korelasi pada regresi berganda adalah sebagai
berikut:
1) Korelasi X1 dan Y
Untuk menghitung korelasi antara jumlah jam promosi sebagai variabel X1 dan
biaya promosi sebagai variabel Y dengan menggunakan Persamaan 2.14
sebagai berikut:
r = (12 ) (226506 ) - (1151 ) (2360 )
√(12 (110523 ) - (1151)2 )((12 ( 464308 ) -(2360)2 )
= 0,9737
Persentase pengaruh jam promosi (X1) terhadap biaya promosi (Y) adalah:
% r2 = r2 x 100%
% r2 = (0,9737)2 x 100%
= 94,8091%
Dari nilai r yang didapatkan, variabel bebas (X1) jumlah jam promosinya
memiliki pengaruh besar dan berbanding lurus terhadap (Y) biaya promosi.
Dimana dari hasil yang terlihat dapat dilihat bahwa ada korelasi positif yang
signifikan sebesar 94,8091% dan korelasi yang terjadi adalah korelasi positif
karena 0 < r < +1. Sehingga dapat disimpulkan bahwa, peningkatan jumlah jam
promosi akan meningkatkan pula biaya promosinya.
2) Korelasi X2 dan Y
Untuk menghitung korelasi antara jumlah tenaga sales sebagai variabel X2 dan
biaya promosi sebagai variabel Y dengan menggunakan Persamaan 2.15
sebagai berikut:
r = 12 (22416 ) - (114 )(2360 )
√(12 (1094 ) - (114 )2) (12 (464308 ) - (2360)²)
= -0,0913
Persentase pengaruh jam promosi (X1) terhadap biaya promosi (Y) adalah :
% = r2 x 100%
= (-0,0913)2 x 100%
= 0,83357 %
Dari nilai r yang didapatkan, variabel bebas (X2) jumlah tenaga kerja sales
memiliki pengaruh kecil dan negatif yang artinya berbanding terbalik terhadap
(Y) biaya promosi. Dimana dari hasil yang terlihat dapat dilihat bahwa ada
korelasi negatif sebesar 0,83357% yang korelasinya berada pada -1 < r < 0.
Sehingga dapat disimpulkan bahwa, peningkatan jumlah jumlah tenaga sales
akan menurunkan biaya promosi.
3) Korelasi X1 dan X2
Untuk menghitung korelasi antara jumlah jam promosi sebagai variabel X1 dan
jumlah tenaga sales sebagai variabel X2 dengan menggunakan Persamaan 2.16
sebagai berikut:
r = 12 (10928 ) - (1151) (114 )
√(12 (110523 ) - (1151)2 ) (12 (1094 ) - (114 )2 )
= -0,1768
Persentase pengaruh jam promosi (X1) terhadap biaya promosi (Y) adalah :
% = r2 x 100%
= (-0,1768)2 x 100%
= 3,1258%
Dari nilai r yang didapatkan, variabel bebas (X1) jumlah jam promosi memiliki
pengaruh kecil dan negatif yang artinya berbanding terbalik terhadap (X2) yaitu
jumlah tenaga sales. Dimana dari hasil yang terlihat dapat dilihat bahwa ada
korelasi negatif sebesar 3,1258% yang korelasinya berada pada -1 < r < 0.
Sehingga dapat disimpulkan bahwa, peningkatan jumlah jumlah jam promosi
akan menurunkan jumlah tenaga sales
b. Regresi Sederhana
Untuk menghitung korelasi antara biaya promosi sebagai variabel X dan tingkat
penjualan sebagai variabel Y dengan menggunakan Persamaan 2.17 sebagai
berikut:
r = 12 (47666 )- (242 ) (2360)
√(12 ( 4918 ) - (242 )2 ) (12 (464308 ) - (2360 )2 )
= 0,8959
Persentase pengaruh jam promosi (X1) terhadap biaya promosi (Y) adalah:
% = r2 x 100%
= (0,8959)2 x 100%
= 80,2637%
Nilai r yang diperoleh, menunjukkan bahwa variabel bebas (X) untuk tingkat
penjualan dengan variabel (Y) untuk biaya promosi karena 0 < r < +1, terjadi
korelasi positif antara variabel X dan Y. Dimana dari hasil yang terlihat dapat
dilihat bahwa ada korelasi positif sebesar 80,2637%.
2.2.2 Pengolahan Data Secara Komputerisasi
Pengolahan data secara komputerisasi dilakukan dengan menggunakan program SPSS
19 melalui beberapa tahapan atau langkah – langkah tertentu seperti dijelaskan sebagai
beerikut:
1. Langkah pertama yang dilakukan adalah dibuka program SPSS 19,
2. Pada bagian kiri bawah terdapat “Data View” dan “Variabel View”, maka diklik
“Variabel View”,
3. Pada kolom “Name”, baris pertama diketik “JJP”,
4. Pada kolom “Label”, baris pertama diketik “Jumlah Jam Promosi”,
5. Pada kolom “Name”, baris kedua diketik “JTS”,
6. Pada kolom “Label”, baris kedua diketik “Jumlah Tenaga Sales”,
7. Pada kolom “Name”, baris ketiga diketik “BP”,
8. Pada kolom “Label”, baris ketiga diketik “Biaya Promosi”,
9. Pada kolom “Name”, baris keempat diketik “TP”,
10. Pada kolom “Label”, baris keempat diketik “Tingkat Penjualan”,
11. Diklik “Data View”,
12. Dimasukkan nilai data yang ada pada tugas pendahuluan sesuai dengan “Name”
dan “Label” yang telah ditulis pada “Variabel View”,
13. Pada kolom “JJP” dimasukkan data “Jumlah Jam Promosi” pada tugas
pendahuluan,
14. Pada kolom “JTS” dimasukkan data “Jumlah Tenaga Sales” pada tugas
pendahuluan,
15. Pada kolom “BP” dimasukkan data “Biaya Promosi” pada tugas pendahuluan,
16. Pada kolom “TP” dimasukkan data “Tingkat Penjualan” pada tugas pendahuluan,
17. Analisis Regresi Berganda:
a. Diklik “Analyze”,
b. Diklik “Regression”,
c. Dipilih “Linier”,
d. Pada bagian “Dependent”, dimasukkan “Biaya Promosi (BP)”,
e. Pada bagian “Independent”, dimasukkan “Jumlah Jam Promosi (JJP)’ dan
“Jumlah Tenaga Sales (JTS)”,
f. Diklik “Statistics”,
g. Pada “Regression Coefficients”, diberi tanda () untuk Estimates, Model Fit,
Descriptive, Part and Partial Correlations, dan Collinearity Diagnostics,
h. Diklik “Continue”,
i. Diklik “Save”,
j. Pada “Residuals”, kemudian diberi tanda () untuk Unstandardized,
Standardized, dan Studentized Deleted,
k. Diklik “Continue”,
l. Diklik “Plots”,
m. Pada Y dimasukkan “SRESID”,
n. Pada X dimasukkan “ZPRED”,
o. Pada “Standardized Residual Plots” kemudian diberi tanda () untuk Normal
Probability Plots,
p. Diklik “Continue”,
q. Diklik “OK”,
r. Maka Output akan keluar,
s. Setelah Output akan keluar, dan
t. Kembali ke data.
18. Analisis Regresi Sederhana
a. Diklik “Analyze”,
b. Diklik “Regression”,
c. Dipilih “Linier”,
d. Data pada “Dependent” dikeluarkan,
e. Pada “Dependent” dimasukkan “Tingkat Penjualan (TP)”,
f. Data pada “Independent” dikeluarkan,
g. Dimasukkan “Biaya Promosi (BP)”,
h. Diklik ”OK”, dan
i. Setelah itu Output akan keluar.
2.3 Uji - uji
Setelah dilakukan pengumpulan data dan pengolahan data, selanjutnya dilakukan
analisa dan pembahasan berupa pengujian kelayakan ANOVA, konstanta regresi,
koefisien variabel, dan uji-t, pada analisis regresi berganda dan sederhana. Adapun
analisa dan pembahasannya adalah sebagai berikut:
2.3.1 Uji Regresi Berganda
Berdasarkan hasil pengumpulan dan pengolahan data, maka dilakukan pengujjian
pengaruh variabel jumlah jam kerja dan biaya bahan baku terhadap tingkat produksi
sebagai berikut:
1. Analysis of Variance (ANOVA)
Uji ANOVA terhadap hubungan antara Independent Variable dan Dependent
Variable dalam kasus ini adalah sebagai berikut:
a. Hipotesis
H0 : Variabel bebas (independent variable) tidak mempengaruhi variabel terikat
(dependent variable).
H1 : Variabel bebas (independent variable) mempengaruhi variabel terikat
(dependent variable).
b. Tingkat Signifikansi
Tingkat signifikansi yang digunakan adalah α = 0,05
c. Daerah Kritis
Fhitung > Ftabel, H0 ditolak
Fhitung < Ftabel, H0 diterima
Asymsig > , H0 diterima
Asymsig < , H0 ditolak
d. Statistik Uji
db1 = 2
db2 = 9
Ftabel = 4,26
Fhitung = 95,023
Sig = 0,000
e. Keputusan
95,023 > 4,26 maka H0 ditolak
0,000 < 0,05 maka H0 ditolak
f. Kesimpulan
Berdasarkan keputusan di atas, yaitu H0 ditolak. Jadi, dapat disimpulkan jumlah
jam promosi sebagai variabel X1 dan jumlah tenaga sales sebagai variabel X2
mempengaruhi biaya promosi sebagai variabel Y.
2. Konstanta Regresi
Uji dari konstanta regresi adalah untuk mengetahui apakah konstanta regresi tersebut
mempengaruhi signifikan terhadap biaya promosi atau tidak. Adapun uji konstanta
regresi tersebut adalah sebagai berikut:
a. Hipotesis
H0 : Konstanta regresi tidak mempengaruhi signifikan terhadap biaya promosi
H1 : Konstanta regresi mempengaruhi signifikan terhadap biaya promosi
b. Daerah Kritis
Asymsig > , H0 diterima
Asymsig < , H0 ditolak
c. Statistik Uji
Untuk statistik uji, tingkat signifikansi yang digunakan adalah = 0,05
Asymsig yang digunakan adalah sig = 0,000
d. Keputusan
0,000 < 0,05 maka H0 ditolak
e. Kesimpulan
Berdasarkan keputusan di atas, yaitu H0 ditolak. Jadi, dapat disimpulkan konstanta
regresi mempengaruhi signifikan terhadap biaya promosi.
3. Koefisien Variabel
Uji dari koefisien variabel untuk mengetahui apakah koefisien variabel tersebut
mempengaruhi signifikan biaya promosi atau tidak. Adapun uji koefisien variabel
tersebut adalah sebagai berikut:
a. Koefisien Variabel X1
Berikut adalah uji koefisien variabel jumlah jam promosi sebagai variabel X1
adalah sebagai berikut:
1) Hipotesis
H0 = Koefisien variabel jumlah jam promosi tidak mempengaruhi signifikan
biaya promosi
H1 = Koefisien variabel jumlah jam promosi mempengaruhi signifikan biaya
promosi
2) Daerah Kritis
Asymsig > , H0 diterima
Asymsig < , H0 ditolak
3) Statistik Uji
Untuk statistik uji, tingkat signifikansi yang digunakan adalah = 0,05
Asymsig yang digunakan adalah sig = 0,000
4) Keputusan
0,000 < 0,05 maka H0 ditolak
5) Kesimpulan
Berdasarkan keputusan di atas, yaitu H0 ditolak. Jadi dapat disimpulkan,
koefisien variabel jumlah jam promosi mempengaruhi signifikan biaya
promosi.
b. Koefisien Variabel X2
Berikut adalah uji koefisien variabel jumlah tenaga sales sebagai variabel X2
adalah sebagai berikut:
1) Hipotesis
H0 : Koefisien variabel jumlah tenaga sales tidak mempengaruhi signifikan
biaya promosi
H1 : Koefisien variabel jumlah tenaga sales mempengaruhi signifikan biaya
promosi
2) Daerah Kritis
Asymsig > , H0 diterima
Asymsig < , H0 ditolak
3) Statistik Uji
Untuk statistik uji, tingkat signifikansi yang digunakan adalah = 0,05
Asymsig yang digunakan adalah sig = 0,276
4) Keputusan
0,276 > 0,05 maka H0 diterima
5) Kesimpulan
Berdasarkan keputusan di atas, yaitu H0 diterima. Jadi dapat disimpulkan,
koefisien variabel jumlah tenaga sales tidak mempengaruhi signifikan biaya
promosi
4. Uji-t
Berikut adalah uji-t untuk jumlah jam promosi sebagai variabel X1 dan jumlah tenaga
sales sebagai variabel X2 adalah sebagai berikut:
a. Uji-t untuk Variabel X1
Berikut adalah uji-t untuk jumlah jam promosi sebagai variabel X1 adalah sebagai
berikut:
1) Hipotesis
H0 : Koefisien variabel jumlah jam promosi tidak berpengaruh terhadap biaya
promosi
H1 : Koefisien variabel jumlah jam promosi berpengaruh terhadap biaya
promosi
2) Tingkat Signifikansi
Tingkat signifikansi yang digunakan adalah ∝2
= 0,025
3) Daerah Kritis
thitung ˃ ttabel, H0 ditolak
thitung ˂ ttabel, H0 diterima
4) Statistik Uji
∝2
= 0,025
n = 12
k = 3
v = 9
ttabel = 2,262
thitung = 13,725
5) Keputusan
13,725 ˃ 2,262 maka H0 ditolak
6) Kesimpulan
Dari keputusan di atas, yaitu H0 ditolak. Jadi dapat disimpulkan, koefisien
variabel jumlah jam promosi berpengaruh terhadap biaya promosi.
b. Uji-t untuk Variabel X2
Berikut adalah uji-t untuk jumlah tenaga sales sebagai variabel X2 adalah sebagai
berikut:
1) Hipotesis
H0 : Koefisien variabel jumlah tenaga sales tidak berpengaruh terhadap biaya
promosi
H1 : Koefisien variabel jumlah tenaga sales berpengaruh terhadap biaya
promosi
2) Tingkat Signifikansi
Tingkat signifikansi yang digunakan adalah ∝2
= 0,025
3) Daerah Kritis
thitung ˃ ttabel, H0 ditolak
thitung ˂ ttabel, H0 diterima
4) Statistik Uji
∝2
= 0,025
n = 12
k = 3
v = 9
ttabel = 2,262
thitung = 1,159
5) Keputusan
1,159 ˂ 2,262 maka H0 diterima
6) Kesimpulan
Dari keputusan di atas, yaitu H0 diterima. Jadi dapat disimpulkan, koefisien
variabel jumlah tenaga sales tidak berpengaruh terhadap biaya promosi.
2.3.2 Uji Regresi Sederhana
Setelah dilakukan pengujian pengaruh jumlah jam promosi dan jumlah tenaga sales
terhadap biaya promosi. Maka selanjutnya dilakukan pengujian pengaruh biaya promosi
terhadap tingkat penjualan. Adapun pengujian tersebut adalah sebagai berikut:
1. Analysis Of Variance (ANOVA)
Uji ANOVA terhadap hubungan antara tingkat penjualan dengan biaya promosi
adalah sebagai berikut:
a. Hipotesis
H0 : Biaya promosi (variabel bebas) tidak mempengaruhi tingkat penjualan
(variabel terikat)
H1 : Biaya promosi (variabel bebas) mempengaruhi tingkat penjualan (variabel
terikat)
b. Tingkat Signifikansi
Tingkat signifikansi yang digunakan adalah = 0,05
c. Daerah Kritis
Fhitung > Ftabel, H0 ditolak
Fhitung < Ftabel, H0 diterima
Asymsig > , H0 diterima
Asymsig < , H0 ditolak
d. Statistik Uji
db1 = 1
db2 = 10
Ftabel= 4,96
Fhitung = 40,661
Sig = 0,000
e. Keputusan
40,661 > 4,96, maka H0 ditolak
0 < 0,05 maka H0 ditolak
f. Kesimpulan
Berdasarkan keputusan di atas, yaitu H0 ditolak. Jadi dapat disimpulkan, biaya
promosi (variabel bebas) mempengaruhi tingkat penjualan (variabel terikat)
2. Konstanta Regresi
Berikut adalah uji konstanta regresi terhadap tingkat penjualan adalah sebagai
berikut:
a. Hipotesis
H0 : Konstanta regresi tidak mempengaruhi signifikan terhadap tingkat penjualan
H1 : Konstanta regresi mempengaruhi signifikan terhadap tingkat penjualan
b. Daerah Kritis
Asymsig > , H0 diterima
Asymsig < , H0 ditolak
c. Statistik Uji
Untuk statistik uji, tingkat signifikansi yang digunakan adalah = 0,05
Asymsig yang digunakan adalah sig = 0,000
d. Keputusan
0 < 0,05 maka H0 ditolak
e. Kesimpulan
Dari keputusan di atas, yaitu H0 ditolak. Jadi dapat disimpulkan, konstanta regresi
mempengaruhi signifikan terhadap tingkat penjualan
3. Koefisien Variabel
Berikut adalah uji pada koefisien variabel terhadap tingkat penjualan adalah sebagai
berikut:
a. Hipotesis
H0 : Koefisien variabel biaya promosi tidak mempengaruhi signifikan tingkat
penjualan
H1 : Koefisien variabel biaya promosi mempengaruhi signifikan tingkat
penjualan
b. Daerah Kritis
Asymsig > , H0 diterima
Asymsig ˂ , H0 ditolak
c. Statistik Uji
Untuk statistik uji, tingkat signifikansi yang digunakan adalah = 0,05
Asymsig yang digunakan adalah sig = 0,000
d. Keputusan
0,000 ˂ 0,05 maka H0 ditolak
e. Kesimpulan
Berdasarkan keputusan di atas, yaitu H0 ditolak. Jadi dapat disimpulkan, koefisien
variabel biaya promosi mempengaruhi signifikan tingkat penjualan
4. Uji-t
Berikut adalah uji-t pada variabel biaya promosi terhadap tingkat penjualan adalah
sebagai berikut:
a. Hipotesis
H0 : Koefisien variabel biaya promosi tidak berpengaruh terhadap tingkat
penjualan
H1 : Koefisien variabel biaya promosi berpengaruh terhadap tingkat penjualan
b. Tingkat Signifikan
Tingkat signifikansi yang digunakan adalah ∝2
= 0,025
c. Daerah Kritis
thitung ˃ ttabel, H0 ditolak
thitung ˂ ttabel,H0 diterima
d. Statistik Uji
∝2
= 0,025
n = 12
k = 2
v = 10
ttabel = 2,228
thitung = 13,725
e. Kepututsan
13,725 > 2,228
f. Kesimpulan
Berdasarkan keputusan di atas, yaitu H0 ditolak. Jadi dapat disimpulkan, koefisien
variabel jumlah jam promosi berpengaruh terhadap biaya promosi.
2.4 Anallisa dan Pembahasan
Berdasarkan dari hasil pengujian data di atas, maka dilakukan analisis data berupa
analisis regresi berganda dan analisis regresi sederhana.
2.4.1 Analisis Regresi Berganda
Analisis linier berganda dilakukan dengan pengujian variabel jumlah jam promosi dan
jumlah tenaga saales terhadap biaya promosi, adalah sebagai berikut:
1. Kelayakan Model Regresi
Berdasarkan hasil pengolahan yang telah dilakukan, diperoleh nilai standard
deviation sebesar 3,98482 dan nilai standard error of the estimate sebesar 0,93676.
Dari hasil tersebut, diperoleh nilai standar deviation > standard error of the estimate,
yaitu 3,98482 > 0,93676, maka untuk model regresi berganda dapat dikatakan bahwa
model regresi untuk studi kasus ini adalah layak. Karena nilai standard error of the
estimate ˂ standard deviation, maka variabel bebas baik untuk dijadikan prediktor
variabel terikat. Hal ini dibuktikan dengan tingkat signifikasinya < 0,05.
2. Model Summary
Dari perhitungan secara komputerisasi menggunakan SPSS19 diperoleh nilai R
sebesar 0,977 yang menunjukan adanya korelasi antara biaya promosi dengan jumlah
tenaga sales dan jumlah jam promosi. Nilai R tersebut menunjukan adanya korelasi
yang tinggi/kuat antara biaya promosi dengan jumlah tenaga sales dan jumlah jam
promosi tersebut. Sedangkan dari perhitungan tersebut juga diperoleh nilai R Square
sebesar 0,955. Maka dapat dikatakan bahwa sekitar 9,330% dari biaya promosi
dipengaruhi oleh jumlah tenaga sales dan jumlah jam promosi dan sisanya yaitu
sekitar 9,330% dipengaruhi oleh hal lainnya.
3. Multikolinearitas
Multikolinearitas adalah kondisi terdapatnya hubungan linier atau kolerasi yang
tinggi antara masing-masing variabel bebas dalam model regresi. Multikolinearitas
biasanya terjadi ketika sebagian besar variabel bebas yang digunakan saling terkait
dalam suatu model regresi. Adanya multikolinearitas dalam regresi dapat diketahui
dengan beberapa cara. Salah satunya adalah dengan melihat paada nilai tolerance
dan VIF (Variance Inflation Factor). Jika nilai VIF (Variance Inflation Factor)
kurang dari 10 dengan nilai tolerance kurang dari 1, maka dapat disimpulkan bahwa
tidak terdapat multikolinearitas. Sementara itu, apabila nilai VIF (Variance Inflation
Factor) kurang dari 10, dengan nilai tolerance lebih dari 1, hal tersebut menunjukkan
adanya multikolinearitass pada persamaan regresi tersebut. Berdasarkan hasil
pengolahan data yang dilakukan secara komputerisasi, kemudian diperoleh nilai VIF
sebesar 1,032 dengan nilai tolerance sebesar 0,969. Hal ini menunjukkan bahwa nilai
VIF < 10, yaitu 1,032 < 10 dan nilai dari tolerance < 1 yaitu 0,9696 < 1, sehingga
dapat disimpulkan bahwa hasil yang diperoleh tidak terdapat multikolinearitas pada
regresi bergandan dan layak untuk digunakan.
4. Interprestasi Grafik
Interpretasi dari masing-masing grafik dari hasil perhitungan secara komputerisasi
yang telah dilakukan adalah sebagai berikut:
a. Normal Probability Plot
Berdasarkan grafik Normal P-P Plot of regression Standardized Residual, dapat
dilihat bahwa titik-titik pada grafik membentuk suatu pola yang tersebar dan
mendekati garis normal. Hal ini menunjukkan bahwa data berdistribusi normal
dan layak untuk digunakan.
b. Grafik Scatterplot
Berdasarkan grafik scatterplot dengan dependent variable biaya promosi
menunjukkan bahwa grafik yang diperoleh dari hasil perhitungan dengan
menggunakan SPSS19 terlihat bahwa polanya membentuk titik-titik yang
menyebar secara acak dan tidak membentuk suatu pola, baik kurva tertutup
maupun terbuka. Hal itu berarti tidak terjadi masalah heteroskedastisitas pada
model regresi, sehingga model regresi layak dipakai untuk prediksi
2.4.2 Analisis Regresi Sederhana
Setelah dilakukan pengujian pengaruh jumlah jam promosi dan jumlah tenaga sales
terhadap biaya promosi. Maka selanjutnya dilakukan pengujian pengaruh biaya promosi
terhadap tingkat penjualan. Adapun pengujian tersebut adalah sebagai berikut:
1. Kelayakan Model Regresi
Berdasarkan hasil pengolahan yang telah dilakukan, diperoleh nilai standard
deviation sebesar 3,98482 dan nilai standard error of the estimate sebesar 0,86227.
Dari hasil tersebut, diperoleh nilai standar deviation > standard error of the estimate,
yaitu 3,98482 > 0,86227, maka untuk model regresi sederhana dapat dikatakan
bahwa model regresi untuk studi kasus ini adalah layak. Karena nilai standard error
of the estimate ˂ standard deviation, maka variabel bebas baik untuk dijadikan
prediktor variabel terikat.
2. Model Summary
Dari perhitungan secara komputerisasi menggunakan SPSS diperoleh nilai R sebesar
0,896 yang menunjukan adanya korelasi antara tingkat penjualan dengan biaya
promosi. Nilai R tersebut menunjukan adanya korelasi yang tinggi/kuat antara
tingkat penjualan dengan biaya promosi. Sedangkan dari perhitungan tersebut juga
diperoleh nilai R Square sebesar 0,803. Maka dapat dikatakan bahwa sekitar 59,2%
dari tingkat penjualan dipengaruhi oleh biaya promosi dan sisanya yaitu sekitar
40,8% dipengaruhi oleh hal lainnya
3. Multikolinearitas
Multikolinearitas berarti antara variabel bebas yang satu dengan variabel bebas yang
lain dalam model regresi saling berkorelasi linear. Biasanya, korelasinya mendekati
sempurna (koefisien korelasinya tinggi atau bahkan satu). Untuk mendeteksi adanya
multikolinieritas dapat melihat besar VIF (Variance Inflation Factor). Pedoman
suatu model regresi yang bebas multikolinieritas adalah mempunyai nilai VIF yang
kurang dari 10. Pedoman suatu model regresi yang bebas multikolinieritas adalah
koefisien korelasi antar independen variable haruslah lemah. Jika korelasi kuat,
maka terjadi problem multikolinieritas.
Masalah multikolinearitas tidak teerjadi pada regresi linier sederhana, karena dalam
regresi sederhan hanya melibatkan satu variabel bebas saja. Berdasarkan hadil dari
pengolahan data secara komputerisasi, kemudian diperoleh nilai VIF dan tolerance
sebesar 1,000. Hal ini menunjukkan bahwa nilai VIF ssama dengan nilai tolerance,
sehingga dapat disimpulkan bahwa analisis regeresi linier sederhana layak untuk
digunakan.
4. Interprestasi Grafik
Interpretasi dari masing-masing grafik dari hasil perhitungan secara komputerisasi
yang telah dilakukan adalah sebagai berikut:
a. Normal Probability Plot
Berdasarkan grafik Normal P-P Plot of regression Standardized Residual, dapat
dilihat bahwa titik-titik pada grafik membentuk suatu pola yang tersebar dan
mendekati garis normal. Hal ini menunjukkan bahwa data berdistribusi normal
dan layak untuk digunakan.
b. Grafik Scatterplot
Berdasarkan grafik scatterplot dengan dependent variable tingkat penjualan
menunjukkan bahwa grafik yang diperoleh dari hasil perhitungan dengan
menggunakan SPSS terlihat bahwa polanya membentuk titik-titik yang menyebar
secara acak dan tidak membentuk suatu pola, baik kurva tertutup maupun terbuka.
Hal itu berarti tidak terjadi pmasalah heteroskedastisitas pada model regresi,
sehingga model regresi layak dipakai untuk prediksi
2.5 Kesimpulan
Adapun kesimpulan dari perhitungan dan analisis regresi dan korelasi di atas adalah
sebagai berikut:
1. Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui
pengaruh suatu variabel terhadap variabel lain. Regresi dibedakan menjadi dua,
yaitu regresi sederhana dan regresi berganda. Jika dalam persamaan regresi hanya
terdapat satu variabel bebas dan satu variabel terikat, maka disebut sebagai
persamaan regresi sederhana, sedangkan jika variabel bebasnya lebih dari satu,
maka disebut sebagai persamaan regresi berganda. Persamaan regresi berganda
dalam perhitungan di atas adalah Y = a + b1X1 + b2X2. Persamaan regresi sederhana
dalam perhitungan di atas adalah Y = a + bX. Berdasarkan perhitungan secara
manual rata-rata tingkat penjulan produk sebelum diberlakukan kebijakan manajer
adalah sebesar 7 unit dan rata-rata tingkat penjulan produk setelah diberlakukan
kebijakan manajer adalah sebesar 21 unit.
2. Korelasi adalah istilah statistik yang menyatakan derajat hubungan linier antara dua
variabel atau lebih. Analisis korelasi berusaha mengukur eratnya hubungan seperti
antara dua peubah dengan menggunakan suatu bilangan yang disebut koefisien
korelasi. Korelasi antara jumlah jam promosi dan biaya promosi adalah sebesar
0,9737 dan menunjukan hubungan linier positif yang cukup berarti antara variabel-
variabel tersebut. Korelasi antara jumlah tenaga sales dan biaya promosi adalah
sebesar 0,2863 dan menunjukan hubungan linier positif yang rendah/lemah tapi
pasti antara variabel-variabel tersebut. Korelasi antara jumlah jam promosi dan
jumlah tenaga sales adalah -0,0913 dan menunjukan hubungan linier negatif yang
sangat rendah antara variabel-variabel tersebut. Sedangkan korelasi antara biaya
promosi dan tingkat penjualan adalah sebesar -0,1768 dan menunjukan hubungan
linier positif yang tinggi antara variabel-variabel tersebut.
3. Berdasarkan perhitungan secara komputerisasi, untuk regresi berganda nilai
standar deviation > standard error of the estimate, yaitu 3,98482 > 0,93676, maka
dapat dikatakan bahwa model regresi untuk studi kasus ini adalah layak. Untuk
regresi sederhana nilai standar deviation > standard error of the estimate, yaitu
1,8507 > 0,86227, maka dapat dikatakan bahwa model regresi untuk studi kasus ini
adalah layak. Nilai R untuk regresi berganda sebesar 0,977 yang menunjukan
adanya korelasi yang tinggi/kuat antara biaya promosi dengan jumlah tenaga sales
dan jumlah jam promosi tersebut, sedangkan nilai R Square sebesar 0,955, maka
dapat dikatakan bahwa sekitar 50% dari biaya promosi dipengaruhi oleh jumlah
tenaga sales dan jumlah jam promosi dan sisanya yaitu sekitar 50% dipengaruhi
oleh hal lainnya. Sedangkan nilai R untuk regresi sederhana sebesar 0,896 yang
menunjukan adanya korelasi yang tinggi/kuat antara tingkat penjualan dengan biaya
promosi dan nilai R Square sebesar 0,803, maka dapat dikatakan bahwa sekitar
59,2% dari tingkat penjualan dipengaruhi oleh biaya promosi dan sisanya yaitu
sekitar 40,8% dipengaruhi oleh hal lainnya.
4. Berdasarkan perhitungan dan analisis di atas, maka kebijakan dengan melakukan
strategi promosi tersebut adalah efektif, karena berdasarkan perbandingan rata-rata
penjualan produk sebelum diberlakukannya kebijakan dan sesudah diberlakukannya
kebijakan mengalami peningkatan sebesar 14 unit dan persentase kenaikan tingkat
penjualan adalah sebesar 200%.
Recommended