BAB II
ANALISIS REGRESI DAN KORELASI
2.1 Pengumpulan Data
Clean
and Cool Corp adalah sebuah perusahaan di Indonesia yang
bergerak di bidang produksi, distribusi, pemasaran dan promosi dari produk The Car Washer – sebuah produk pembersih
mobil. Pada tahun 2011, manajer bidang pemasaran membuat kebijakan yaitu
melakukan strategi promosi baru yaitu personal selling dengan maksud meningkatkan
tingkat penjualan produk dibanding tahun sebelumnya. Tahun ini manajer memiliki
rencana untuk tetap melakukan strategi promosi tersebut.
Untuk menganalisis apakah kebijakan yang dibuat manajer, tahun lalu tersebut
berpengaruh terhadap peningkatan penjualan produk, manajer menggunakan jasa
konsultan untuk menganalisis pola tersebut. Ia ingin menduga besarnya tingkat
penjualan yang seharusnya didapatkan oleh perusahan setiap bulannya dengan
mengasumsikan jumlah jam promosi dan jumlah tenaga sales sebagai faktor
independen dari biaya promosi dan biaya promosi sebagai faktor independen dari
tingkat penjualan.
Dengan membuat model
regresinya untuk Regresi untuk Regresi Sederhana dan Regresi Berganda, maka
akan ditentukan nilai penduga untuk tingkat penjualan jika terdapat 150 jam
untuk promosi dan 9 orang tenaga sales. Data tingkat penjualan sebelum
kebijakan manajer diberlakukan disajikan pada Tabel 2.1 berikut ini:
Tabel 2.1 Data
Tingkat Penjualan Sebelum Kebijakan Manajer Diberlakukan
BULAN
|
Tingkat Penjualan (unit)
|
Januari
|
7
|
Februari
|
4
|
Maret
|
5
|
April
|
4
|
Mei
|
3
|
Sumber:
Pengolahan Data
Lanjutan Tabel 2.1 Data Tingkat Penjualan Sebelum Kebijakan Manajer Diberlakukan
BULAN
|
Tingkat Penjualan (unit)
|
Juni
|
8
|
Juli
|
5
|
Agustus
|
9
|
September
|
6
|
Oktober
|
5
|
November
|
2
|
Desember
|
6
|
Sumber:
Pengolahan Data
Data
tingkat penjualan setelah kebijakan manager setelah diberlakukan disajikan pada
Tabel 2.2 berikut ini:
Tabel 2.2 Data
Tingkat Penjualan Setelah Kebijakan Manager Setelah Diberlakukan
Bulan
|
Tingkat Penjualan (unit)
|
Biaya Promosi (puluhan ribuan)
|
Jumlah Jam Promosi (jam)
|
Jumlah Tenaga Sales (orang)
|
|
|
Januari
|
10
|
90
|
130
|
9
|
|
Februari
|
12
|
135
|
128
|
9
|
|
Maret
|
9
|
92
|
128
|
10
|
|
Sumber:
Pengolahan Data
Lanjutan Tabel 2.2 Data Tingkat Penjualan Setelah Kebijakan Manager Setelah
Diberlakukan
Bulan
|
Tingkat Penjualan (unit)
|
Biaya Promosi (puluhan ribuan)
|
Jumlah Jam Promosi (jam)
|
Jumlah Tenaga Sales (orang)
|
|
|
|
|
|
April
|
13
|
100
|
144
|
8
|
Mei
|
15
|
196
|
160
|
7
|
Juni
|
20
|
180
|
160
|
10
|
Juli
|
8
|
74
|
120
|
5
|
Agustus
|
11
|
86
|
115
|
8
|
September
|
13
|
99
|
155
|
7
|
Oktober
|
15
|
106
|
164
|
6
|
November
|
14
|
109
|
130
|
9
|
Desember
|
10
|
93
|
144
|
4
|
Sumber:
Pengolahan Data
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 merupakan analisis regresi berganda dan data analisis
regresi sederhana serta analisis korelasi dari kasus Clean and Cool Corp.
1.
Analisis Regresi
Analisis regresi merupakan salah satu analisis yang bertujuan untuk
mengetahui pengaruh suatu variabel terhadap variabel
yang lain.
Dalam analisis regresi, variabel yang mempengaruhi disebut Independent Variable (variabel bebas) dan variabel yang dipengaruhi
disebut Dependent Variable (variabel
terikat). Jika dalam persamaan regresi hanya terdapat satu variabel bebas dan
satu variabel terikat, makaregresiini disebut sebagai persamaan
regresi sederhana, sedangkan jika variabel bebasnya lebih dari satu, makaregresiini disebut sebagai persamaan
regresi berganda.
a.
Analisis Regresi Linear Berganda
Regresi linear berganda adalah regresi dimana variabel
terikatnya (Y) dihubungkan atau dijelaskan lebih dari satu variabel, mungkin
dua, tiga, dan seterusnya variabel bebas (X1, X2, X3,
... Xn) namun masih menunjukkan diagram hubungan yang linear.
Penambahan variabel bebas ini diharapkan dapat lebih menjelaskan karakteristik
hubungan yang ada walaupun masih saja ada variabel yang terabaikan (Ir. M.
Iqbal Hasan, M.M, 2001, h. 269).
Pada regresi linear berganda, cara menghitung nilai-nilai
konstan menurut Bowen dan Starr adalah sebagai berikut:
1. Mula-mula dihitung: , , , Y, Y, , , , dan
2.
Kemudian
dengan jumlah yang baru dihitung dan n (jumlah data), dihitung dengan Rumus
(2.1) hingga (2.6) berikut ini:
A = ……..............................................(2.1)
B
= …..........................................................(2.2)
C
= ……..........................................(2.3)
D
= .....................................................(2.4)
E = ...............................................................(2.5)
F
= EB – C2..................................................................................(2.6)
dengan: n
= Jumlah data
X1 = Variabel bebas
ke-1
X2 =
Variabel bebas ke-2
Y = Variabel
terikat
3. Kemudian dihitung nilai-nilai b1,
b2, dan a dari nilai-nilai A, B, C, D, E, dan F dengan Rumus (2.7),
(2.8), dan (2.9) berikut ini:
b1
= ………………………………….....………........(2.7)
c = …………………………………………….........(2.8)
a = ………………………….........(2.9)
dengan : Y
= Variabel terikat
X1
= Variabel bebas ke-1
X2
= Variabel bebas ke-2
4. Menghitung persamaan regresinya dengan Rumus
(2.10) berikut ini:
Y = ……………………………………….....(2.10)
dengan
: Y
= Variabel terikat
X1 = Variabel bebas ke-1
X2 =
Variabel bebas ke-2
2.
Analisis Korelasi
Analisis korelasi (r): Analisis ini digunakan untuk mengukur
tinggi rendahnya derajat hubungan
antar variabel yang diteliti. Tingkat hubungan tersebut dapat dibagi menjadi
tiga kriteria, yaitu mempunyai hubungan positif, mempunyai hubungan negatif dan
tidak mempunyai hubungan. Tinggi rendahnya derajat hubungan tersebut dapat dilihat dari
koefisien korelasinya. Koefisien korelasi yang mendekati angka +1 berarti
terjadi hubungan positif yang kuat atau erat, jika mendekati angka –1 berarti
terjadi hubungan negatif yangkuatatau erat. Sedangkan koefisien
korelasi mendekati angka 0 (nol) berarti hubungan kedua variabel adalah lemah
atau tidak erat. Dengan demikian nilai koefisien korelasi adalah –1 ≤ r ≤ +1.
Untuk koefisien korelasi sama dengan –1 atau+1 berarti hubungan kedua variabel
adalah sangat erat dan hal ini sangat jarang terjadi dalam data riil.
Untuk mencari nilai koefisen korelasi (r) dapat diperoleh dengan
menggunakan Persamaan 2.11 rumus sebagai berikut:
r = ......................................(2.11)
dengan
: r = koefisien
korelasi
n =
Jumlah data
X
= Variabel bebas
Y = Variabel terikat
3.
Analisis Regresi Linear Breganda dan
Regresi Linear Sederhana
a.
Analisis Regresi Berganda
Data untuk
menghitung model persamaan regresi berganda dapat dilihat pada Tabel 2.3
berikut ini:
Tabel 2.3 Model Persamaan Regresi Berganda
Bulan
|
Y
|
X1
|
X2
|
YX1
|
Y
X2
|
X1
X2
|
X12
|
X22
|
Y2
|
1
|
90
|
130
|
9
|
11700
|
810
|
1170
|
16900
|
81
|
8100
|
2
|
135
|
128
|
9
|
17280
|
1215
|
1152
|
16384
|
81
|
18225
|
3
|
92
|
128
|
10
|
11776
|
920
|
1280
|
16384
|
100
|
8464
|
4
|
100
|
144
|
8
|
14400
|
800
|
1152
|
20736
|
64
|
10000
|
5
|
196
|
160
|
7
|
31360
|
1372
|
1120
|
25600
|
49
|
38416
|
6
|
180
|
160
|
10
|
28800
|
1800
|
1600
|
25600
|
100
|
32400
|
7
|
74
|
120
|
5
|
8880
|
370
|
600
|
14400
|
25
|
5476
|
8
|
86
|
115
|
8
|
9890
|
688
|
920
|
13225
|
64
|
7396
|
9
|
99
|
155
|
7
|
15345
|
693
|
1085
|
24025
|
49
|
9801
|
10
|
106
|
164
|
6
|
17384
|
636
|
984
|
26896
|
36
|
11236
|
11
|
109
|
130
|
9
|
14170
|
981
|
1170
|
16900
|
81
|
11881
|
12
|
93
|
144
|
4
|
13392
|
372
|
576
|
20736
|
16
|
8649
|
Jumlah
|
1360
|
1678
|
92
|
194377
|
10657
|
12809
|
237786
|
746
|
170044
|
Sumber:
Pengolahan Data
Koefisien regresinya dihitung sebagai
berikut :
n = 12
A = n ∑X1 Y – (∑X1)
(∑Y)
= 12(194377) – (1678) (1360)
= 50444
B = n ∑X22 – (∑X2)2
= 12(746) – (92)2
= 488
C = n∑X1X2 – (∑X1)
(∑X2)
=
12(12809) – (1678) (92)
= -668
D = n∑
X2 Y - (∑X2) (∑Y)
=
12(10657) – (92) (1360)
= 2764
E = n ∑X12 – (∑X1)2
= 12 (237786) – (1678)2
= 37748
F = EB – C2
= (37748) (488) – (-668)2
= 17974800
Lalu
menghitung nilai b1 dan b2 sebagai berikut:
b1
=
=
= 1,4722
b2
=
=
= 7,6791
α
=
=
= -151,4072
Dari
nilai koefisien yang di dapat, maka Persamaan regresi linear berganda adalah:
Y = α + b1 + b2
= -151,4072 + 1,4722X1 +
7,6791X2
b.
Analisis Regresi Linear Sederhana
Data untuk
menghitung model persamaan regresi berganda dapat dilihat pada Tabel 2.4
berikut ini:
Tabel
2.3 Model Persamaan Regresi
Sederhana
Bulan
|
Y
|
X
|
XY
|
Y2
|
X2
|
1
|
10
|
90
|
900
|
100
|
8100
|
2
|
12
|
135
|
1620
|
144
|
18225
|
3
|
9
|
92
|
828
|
81
|
8464
|
4
|
13
|
100
|
1300
|
169
|
10000
|
5
|
15
|
196
|
2940
|
225
|
38416
|
6
|
20
|
180
|
3600
|
400
|
32400
|
7
|
8
|
74
|
592
|
64
|
5476
|
8
|
11
|
86
|
946
|
121
|
7396
|
9
|
13
|
99
|
1287
|
169
|
9801
|
10
|
15
|
106
|
1590
|
225
|
11236
|
11
|
14
|
109
|
1526
|
196
|
11881
|
12
|
10
|
93
|
930
|
100
|
8649
|
Jumlah
|
150
|
1360
|
18059
|
1994
|
170044
|
Sumber:
Pengolahan Data
Koefisien regresinya
dihiitung sebagai berikut:
b =
=
= 0,0665
α =
=
= 142,4566
Dari
nilai koefisien yang didapat, maka persamaan regresi linear sederhananya
menjadi:
Y = α +
bX, dengan x adalah Biaya Promosi yang baru,
Y = 142,456 + X
1.
Nilai penduga Tingkat Penjualan
Jika
:
Jumlah
Jam Promosi = 150 jam
Tenaga
sales = 9 orang
Dengan menggunakan rumus regresi berganda,
maka :
(Y pada formulasi ini menunjukkan Biaya
Promosi)
Y
= α + b1X1 + b2X2
Y
= -151,4072 + 1,4772X1 + 7,6791X2
Y
= -151,4072 + 1,4772(150) + 7,6791(9)
Y
= 138,5399
jika
biaya promosi pada tingkat penjualan sebesar Rp. 10.000,- maka:
Y = 138,
5399 x Rp.10000
Y = Rp.
1.385.399
sehingga
total biaya promosi penjualan adalah Rp. 1.385.399
Dengan menggunakan
rumus regresi sederhana, maka :
(Y
pada formulasi ini menunjukkan tingkat penjualan)
Y
= α + bX
Y
=+ X
Y
=+ (138,5399)
Y
= 151,6695 unit
Adapun
perhitungan rata-rata penjualan perusahaan sebelum kebijakan diberlakukan
adalah:
=
=
5,333 unit
Adapun perhitungan rata-rata penjualan
perusahaan sesudah kebijakan diberlakukan adalah:
=
=
= 12,5 unit
Dari hasil perhitungan diatas maka
didapatkan nilai rata-rata penjualan perusahaan sebelumnya adalah 5,333 unit
dan rata-rata penjualan perusahaan sesudahnya adalah 12,5 unit.
Adapun perhitungan peningkatan penjualan
rata-rata perusahaan adalah sebagai berikut:
= rata-rata penjualan
perusahaan sebelumnya - rata-rata penjualan perusahaan sesudahnya
= 12.5 -5,333
= 7,167 unit
Jadi berdasarkan perhitungan diatas
didapatkan jumlah rata-rata penjualan perusahaan setelah diberlakukan kebijakan
sebesar 7,167 unit.
2. Korelasi
antar model regresi
a. Regresi
Sederhana
Adapun perhitungan korelasi X dan Y adalah
sebagai berikut:
Dari
perhitungan diatas didapatkan nilai r sebesar 0,7696 sehingga dapat disimpulkan
terdapat hubungan antara X dan Y, yang berarti jika nilai X naik maka nilai Y
juga akan ikut naik. Karena apabila nilai r semakin mendekati 1 maka semakin
kuat hubungannya.
b.
Regresi berganda
Adapun
perhitungan korelasi X1 dan Yadalah sebagai berikut:
= 0,00015
Dari
perhitungan diatas didapatkan nilai r sebesar 0,00015, sehingga dapat
disimpulkan variabel X1 (Jumlah Jam Promosi) terhadap variabel Y (Biaya
Promosi) mempunyai interpretasi yang sangat rendah.
Adapun
perhitungan Korelasi X2 dan Y adalah sebagai berikut:
r
Dari perhitungan diatas
nilai r yang diperoleh yaitu 0,2863 sehingga dapat disimpulkan bahwa variabel X2
(jumlah tenaga sales) berpengaruh kecil terhadap variable Y (Biaya Promosi).
Adapun perhitungan korelasi X1 dan
X2 adalah sebagai berikut:
= - 3,6262
Dari perhitungan diatas didapatkan nilai
r sebesar -3,6262, sehingga dapat disimpulkan bahwa variabel X1 (Jumlah
Jam Promosi) berpengaruh kecil terhadap X2 (jumlah tenaga sales).
2.2.2 Pengolahan Data Secara Komputerisasi
Dalam pengolahan data secara
kompeterisasi dengan menggunakan SPSS 19 dilakukan melalui beberapa tahapan
atau langkah-langkah, antara lain:
1. Dibuka
program SPSS, kemudian diklik “variable
view”
2. Diketik
”JJP” pada kolom “Name” di baris
ke-1, diketik “Jumlah Jam Promosi” pada label
di baris ke-1.
3. Diketik
“JTS” pada kolom “Name” di baris ke-2, diketik “Jumlah Tenaga Sales” pada “label “di baris ke-2.
4. Diketik
“BP” pada kolom “Name” dibaris ke-3,
diketik “Biaya Promosi” pada “label”
di baris ke-3.
5. Diketik
“TP” pada kolom “Name” dibaris ke-4,
diketik “Tingkat Penjualan” pada “label”
di baris ke-4.
6. Diklik
“Data view”, masukkan data yang ada
sesuai kolom yang terdapat pada “Data
view”. Misalnya, data JJP (Jumlah Jam Promosi) dimasuTPan kedalam kolom JJP
dan seterusnya.
7. UJi
Analisis Regresi Berganda
a. Dipilih
“analyze” pada tool bars kemudian diklik “regresion”
dan dklik ” linear”. Ini untuk uji
regresi berganda.
b. Diklik
“BP (Biaya Promosi)” kemudian diklik tanda panah yang dibagian “dependent” agar data terpindah.
c. Diklik
“JJP (Jumlah Jam Promosi)” dan “JTS (Jumlah Tenaga Sales)” kemudian diklik
tanda panah dibagian “independent”
agar data terpindah.
d. Diklik
“statistic” dan diklik (sampai muncul
centang) pada bagian “estimates”, “model fit”, “descriptives”, “part and
partial corelations”, dan “collinearity
diagnotics”. Kemudian diklik “continue”.
e. Diklik
“save” dan pada bagian “residuals”, diklik (sampai muncul centang)
“standardized”, “unstandardized”, “stvdentized”,
”deleted” dan “stvdenfized deleted”. Kemudian diklik “continue”.
f. Diklik
“plots”, lalu Diklik “SDResid” kemudian diklik tanda panah
yang dibagian “y” agar data
terpindah. Diklik “Zpred” kemudian
diklik tanda panah yang dibagian “x”
agar data terpindah, kemudian diklik “Next”.
g. Diklik
“Zpred” kemudian diklik tanda panah
yang dibagian “y” agar data
terpindah. Diklik “dependent”
kemudian diklik tanda panah yang dibagian “x”
agar data terpindah, dan pada bagian “standardized”,
diklik (sampai muncul centang) “normal
probabilit plot”. Kemudian diklik “continue”.
h. Setelah
semua data terpindah maka diklik “OK”
dan output data akan keluar.
8. UJi
Analisis Regresi Sederhana
a.
Dipilih “analyze” pada tool bars
kemudian diklik “regresion” dan
diklik ” linear”. Ini untuk uji
regresi sederhana.
b.
Diklik “TP” kemudian diklik tanda panah
yang dibagian “dependent” agar data
terpindah.
c.
Diklik “BP” kemudian diklik tanda panah
dibagian “independent” agar data
terpindah.
d.
Setelah semua data terpindah maka diklik
“OK” dan output data akan keluar.
2.3
Analisa dan
Pembahasan
Berdasarkan
hasil perhitungan dana pengolahan data, maka dilakukan analisa data yaitu
pengujian kelayakan model regresi, model summary,
ANOVA, konstanta regresi, koefisien variabel, uji T, uji asumsi
multikolinearitas, regresi stepwise
dan interprestasi grafik.
2.3.1
Analisa Regresi
Berganda
Dari hasil pengumpulan dan pengolahan
data, maka dilakukan pengujian pengaruh jumlah jam promosi dan jumlah tenaga
sales (variabel bebas) terhadap biaya promosi (variabel terikat) sebagai
berikut:
1. Kelayakan
Model Regresi
Dari hasil pengolahan data
diperoleh nilai standard deviation untuk
biaya promosi adalah 38,03188 dan nilai standard
error of estimate adalah 29,72678. Karena standard deviation 38,03188 standard
error of estimate 29,72678. Dengan demikian model regresinya dikatakan
layak.
2. Model
summary
Dari pengolahan data secara
komputerisasi nilai R yang didapat menunjukkan korelasi yang kuat antara
variabel bebas dan variabel terikat dengan nilai R sebesar 0,707. Korelasi antar variabel tersebut yaitu korelasi
positif dengan interpretasi yang kuat karena nilai yang di dapat diatas 0,5.
Nilai R square yang diperoleh sebesar
0,5 yang menunjukan bahwa jumlah tenaga sales dan jumlah jam promosi memiliki
pengaruh sebesar 50% terhadap biaya promosi, sedangkan 50% sisanya dpengaruhi
oleh faktor-faktor lainnya seperti biaya perawatan mesin, biaya upah karyawan
dan lain-lain.
3. ANOVA
Uji ANOVA terhadap hubungan
variabel babas dan variabel terikat dalam kasus ini sebagai berikut:
a. Hipotesis
Variabel bebas tidak mempengaruhi variabel terikat.
Variabel bebas mempengaruhi variabel terikat.
b. Tingkat
Signifikansi
0,05
c. Daerah
Kritis
ditolak
diterima
Asymsig
, diterima
Asymsig, ditolak
d. Statistik
Uji
Sig 0,044
e. Keputusan
0,044 0,05 atau Asymsig, ditolak
f. Kesimpulan
Berdasarkan hasil yang didapat
dapat disimpulkan bahwa variabel bebas yaitu jumlah jam promosi dan jumlah
tenaga sales mempengaruhi variabel terikat yaitu biaya promosi
4. Konstanta
Regresi
Pengujian untuk mengetahui pengaruh
dari konstanta regresi terhadap Biaya Promosinya adalah sebagai berikut:
a. Hipotesis
Konstanta regresi tidak mempengaruhi variabel terikat.
Konstanta regresi mempengaruhi variabel terikat.
b. Daerah
Kritis
Asymsig
, diterima
Asymsig, ditolak
c. Statiistik
uji
0,05
Sig 0,122
d. Keputusan
0,122 0,05
Asymsig , maka diterima
e. Kesimpulan
Dari hasil yang diperoleh maka
dapat disimpulkan bahwa konstanta regresi tidak mempengaruhi biaya produksi.
5. Koefisien
Variabel
Pengujian untuk mengetahui pengaruh
dari konstanta regresi terhadap biaya promosi adalah sebagai berikut:
1. Koefisien
Variabel untuk Jumlah Jam Promosi
Koefisien Variabel untuk jumlah jam promosi dapat di uji sebagai
berikut:
a. Hipotesis
Koefisien variabel jumlah jam promosi tidak mempengaruhi
biaya promosi
Koefisien variabel jumlah jam promosi mempengaruhi biaya
promosi
b. Daerah
Kritis
Asymsig
, diterima
Asymsig, ditolak
c. Statiistik
uji
0,05
Sig 0,023
d. Keputusan
0,023 0,05
Asymsig , maka ditolak
e. Kesimpulan
Dari hasil yang diperoleh maka
dapat disimpulkan bahwa Koefisien variabel jumlah jam promosi
mempengaruhi biaya promosi
2. Koefisiwn
Variabel untuk Jumlah Tenaga Sales
Koefisiwn Variabel untuk jumlah tenaga sales dapat diuji Sebagai
berikut:
a. Hipotesis
Koefisien variabel jumlah tenaga sales tidak
mempengaruhi biaya promosi
Koefisien variabel jumlah tenaga sales
mempengaruhi biaya promosi
b. Daerah
Kritis
Asymsig
, diterima
Asymsig, ditolak
c. Statiistik
uji
0,05
Sig 0,138
d. Keputusan
0,138 0,05
Asymsig , maka diterima
e. Kesimpulan
Dari hasil yang diperoleh maka
dapat disimpulkan bahwa Koefisien variabel jumlah tenaga sales tidak
mempengaruhi biaya promosi
6. Uji
T
Untuk mengetahui pengaruh ntata
antara variabel bebas terhadap variabel terikat maka dilakukan uji T sebagai
berikut:
1. Uji
T Jumlah Jam Promosi
Uji T Jumlah Jam Promosi dapat dilakukan sebagai
berikut:
a. Hipotesis
jumlah jam promosi berpengaruh nyata terhadap
biaya promosi
jumlah jam promosi tidak berpengaruh nyata
terhadap biaya promosi
b. Tingkat
Signifikansi
0,025
c. Daerah
Kritis
ditolak
diterima
d. Statiistik
uji
0,025
n 12
k 3
v 9
2,262
2,744
e. Keputusan
2,2744 2,262 atau
maka ditolak
Kesimpulan
Dari hasil yang diperoleh maka
dapat disimpulkan bahwa jumlah jam promosi tidak berpengaruh
nyata terhadap biaya promosi
2. Uji
T untuk Jumlah Tenaga Sales
Uji T untuk jumlah tenaga sales dapat diuji sebagai
berikut:
a. Hipotesis
jumlah tenaga sales berpengaruh nyata terhadap
biaya promosi
jumlah tenaga sales tidak berpengaruh nyata
terhadap biaya promosi
b. Tingkat
Signifikansi
0,025
c. Daerah
Kritis
ditolak
diterima
d. Statiistik
uji
0,025
n 12
k 3
v 9
2,262
1,627
e. Keputusan
1,627 2,262 atau
maka diterima
f. Kesimpulan
Dari hasil yang diperoleh maka
dapat disimpulkan bahwa jumlah tenaga sales berpengaruh nyata
terhadap biaya promosi.
7. Uji
Multikolinearitas
Multikolinearitas adalah kondisi
terdapatnya hubungan linear atau korelasi yang tinggi antar masing-masing
variabel bebas dalam model regresi. Multikolinearitas terjadi karena sebagian
besar variabel yang digunakan saling terkait dalam suatu model regresi. Oleh
karena itu masalah multikolinearitas
tidak ditemukan pada regresi linear sederhana yang hanya melibatkan satu
variabel bebas. Uji multikolinearitas terhadap nilai regresi dalam percobaan
ini didapat dari perbandingan nilai Variance
Inflation Factor (VIF) sebesar 1,025 sedangkan nilai Colinearity Statistics Tolerance sebesar 0,976. Nilai regresi tolerance yang didapat dari hasil
pengolahan data dengan program SPSS 19. Sehingga tidak terdapat
multikolinearitas antara jumlah jam promosi dengan jumlah tenaga sales karena VIF
lebih besar dari nilai Colinearity
Statistics Tolerance.
8. Regresi
Stepwise
Metode regresi Stepwise adalah metode yang hanya digunakan untuk mencari variabel
mana yang lebih dominan. Karena analisis korelasi antara jumlah jam promosi
dengan jumlah tenaga sales kuat. Sehingga pengaruh jumlah jam promosi dan
jumlah tenaga sales (variabel bebas) terhadap biaya promosi (variabel terikat)
dominan.
9. Interpretasi
Grafik
a. Data
Normal P-P Plot of Regression
Standardized Residual.
Grafik menunjukkan bahwa terdapat data
yang error. Dimana data hasil
perhitungan yang berbentuk titik-titik dengan pola yang tersebar. Titik yang
tidak berada di gris normal merupakan data error.
Semakin jauh titik tersebut dari garis normal maka nilai errornya semakin besar. Titik dan garis menunjukkan hubungan searah
dan data distribusi normal sehingga layak digunakan.
b. Scatterplot (Regression Studentized
Delete Residu)
Scatterplot
dengan
variabel terikat biaya promosi yang membandingkan antara biaya produksi dengan Regression Standardized predicted value menunjukkan
bahwa grafik yang diperoleh dari hasil ouBPut
setelah melakukan pengolahan data secara komputerisasi dengan menggunakan software SPSS terlihat bahwa polanya
membentuk titik-titik yang tersebar. Ini menunjukkan bahwa data layak untuk
digunakan.
c. Scatterplot (regression Studentized
Predicted)
Berdasarkan grafik Scatterplot yang menunjukkan hubungan
antara Biaya Promosi dan Regression Standardized Predicted Value dapat
dilihat bahwa tidak ada hubungan tertentu antara biaya promosi dengan Regression Standardized Predicted Value. Karena titik-titik pada grafik
menyebar dan membentuk pola yang tidak teratur karena tidak membentuk pola
diagonal sehingga tidak layak digunakan.
2.3
Analisis Regresi
Sederhana
Dari hasil pengumpulan dan pengolahan
data, maka dilakukan pengujian pengaruh Biaya Promosi (variabel bebas) terhadap
Tingkat Penjualan (variabel terikat) sebagai berikut:
1. Kelayakan
Model Regresi
Dari hasil pengolahan data
diperoleh nilai standard deviation untuk
Tingkat Penjualan adalah 3,2891 dan nilai standard
error of estimate adalah 2,20259. Karena
standard deviation 3,2891 standard
error of estimate 2,20259. Dengan demikian model regresinya dikatakan
layak.
2. Model
summary
Dari pengolahan data secara
komputerisasi nilai R yang didapat menunjukkan korelasi yang kuat antara
variabel bebas dan variabel terikat dengan nilai R sebesar 0,770. Korelasi antar variabel tersebut yaitu korelasi
positif dengan interpretasi yang kuat karena nilai yang di dapat diatas 0,5.
Nilai R square yang diperoleh sebesar
0,592 yang menunjukan bahwa biaya promosi pengaruh sebesar 59,20% terhadap tingkat
penjualan, sedangkan 40,80% sisanya dpengaruhi oleh faktor-faktor lainnya
seperti biaya perawatan mesin, biaya upah karyawan dan lain-lain.
3. ANOVA
Uji ANOVA terhadap hubungan
variabel babas dan variabel terikat dalam kasus ini sebagai berikut:
a. Hipotesis
Variabel bebas tidak mempengaruhi variabel terikat.
Variabel bebas mempengaruhi variabel terikat.
b. Tingkat
Signifikansi
0,05
c. Daerah
Kritis
ditolak
diterima
Asymsig
, diterima
Asymsig, ditolak
d. Statistik
Uji
Sig 0,003
e. Keputusan
0,003 0,05 atau Asymsig, ditolak
f. Kesimpulan
Berdasarkan hasil yang didapat
dapat disimpulkan bahwa variabel bebas yaitu biaya Promosi mempengaruhi
variabel terikat yaitu tingkat penjualan.
4. Konstanta
Regresi
Pengujian untuk mengetahui pengaruh
dari konstanta regresi terhadap tingkat penjualannya adalah sebagai berikut:
a. Hipotesis
Konstanta regresi tidak mempengaruhi variabel terikat.
Konstanta regresi mempengaruhi variabel terikat.
b. Daerah
Kritis
Asymsig
, diterima
Asymsig, ditolak
c. Statiistik
uji
0,05
Sig 0,038
d. Keputusan
0,038 0,05
Asymsig , maka ditolak
e. Kesimpulan
Dari hasil yang diperoleh maka
dapat disimpulkan bahwa konstanta regresi mempengaruhi variabel terikat yaitu tingkat
penjualan.
5. Koefisien
Variabel
Pengujian untuk mengetahui pengaruh
dari konstanta regresi terhadap tingkat penjualan adalah sebagai berikut:
a. Hipotesis
Koefisien variabel biaya promosi tidak mempengaruhi tingkat
penjualan
Koefisien variabel biaya promosi mempengaruhi tingkat penjualan
b.
Daerah Kritis
Asymsig , diterima
Asymsig, ditolak
c.
Statiistik uji
0,05
Sig 0,003
d.
Keputusan
0,003
0,05
Asymsig , maka ditolak
e.
Kesimpulan
Dari
hasil yang diperoleh maka dapat disimpulkan bahwa Koefisien
variabel biaya promosi mempengaruhi tingkat penjualan
6. Uji
T
Untuk mengetahui pengaruh ntata
antara variabel bebas terhadap variabel terikat maka dilakukan uji T sebagai
berikut:
a. Hipotesis
biaya promosi berpengaruh nyata terhadap tingkat
penjualan
biaya promosi tidak berpengaruh nyata terhadap
tingkat penjualan
b. Tingkat
Signifikansi
0,025
c. Daerah
Kritis
ditolak
diterima
d. Statiistik
uji
0,025
n 12
k 2
v 10
2,228
3,812
e. Keputusan
3,812 2,228 atau
maka ditolak
Kesimpulan
Dari hasil yang diperoleh maka
dapat disimpulkan bahwa biaya promosi tidak berpengaruh nyata
terhadap tingkat penjualan
7. Uji
Multikolinearitas
Multikolinearitas adalah kondisi
terdapatnya hubungan linear atau korelasi yang tinggi antar masing-masing
variabel bebas dalam model regresi. Multikolinearitas terjadi karena sebagian
besar variabel yang digunakan saling terkait dalam suatu model regresi. Uji
multikolinearitas terhadap nilai regresi dalam percobaan ini didapat dari
perbandingan nilai Variance Inflation
Factor (VIF) sebesar 1,000 sedangkan nilai Colinearity Statistics Tolerance sebesar 1,000. Nilai regresi tolerance yang didapat dari hasil
pengolahan data dengan program SPSS 19. Karena nilai VIF dari nilai Colinearity Statistics Tolerance sama
maka terdapat multikolinearitas antara biaya promosi dengan tingkat penjualan.
8. Interpretasi
Grafik
a. Data
Normal P-P Plot of Regression
Standardized Residual.
Grafik menunjukkan bahwa terdapat
data yang error. Dimana data hasil
perhitungan yang berbentuk titik-titik dengan pola yang tersebar. Titik yang
tidak berada di garis normal merupakan data error.
Semakin jauh titik tersebut dari garis normal maka nilai errornya semakin besar. Titik dan garis menunjukkan hubungan searah
dan data distribusi normal sehingga layak digunakan.
b. Scatterplot (Regression Studentized
Delete Residu)
Scatterplot
dengan
variabel terikat biaya promosi yang membandingkan antara biaya produksi dengan Regression Standardized predicted value menunjukkan
bahwa grafik yang diperoleh dari hasil output
setelah melakukan pengolahan data secara komputerisasi dengan menggunakan software SPSS terlihat bahwa polanya
membentuk titik-titik yang tersebar sehingga menunjukkan bahwa data layak untuk
digunakan.
c. Scatterplot (regression Studentized
Predicted)
Berdasarkan
grafik Scatterplot yang menunjukkan
hubungan antara Biaya Promosi dan Regression
Standardized Predicted Value dapat
dilihat bahwa tidak ada hubungan tertentu antara biaya promosi dengan Regression Standardized Predicted Value. Karena titik-titik pada grafik
menyebar dan membentuk pola yang tidak teratur karena tidak membentuk pola
diagonal sehingga tidak layak digunakan.
2.4 Kesimpulan
Adapun kesimpulan yang diperoleh dari
praktikum ini adalah:
1.
Analisis regresi merupakan salah satu analisis yang bertujuan
untuk mengetahui pengaruh suatu variabel terhadap variabel
yang lain.
Dalam analisis regresi, variabel yang mempengaruhi disebut Independent Variable (variabel bebas) dan variabel yang dipengaruhi
disebut Dependent Variable (variabel
terikat).
2.
Nilai penduga yang diperoleh dari dari uji regresi berganda dengan variabel X1(jumlah
jam promosi) dan variabel X2 (jumlah tenaga sales) dengan
nila Y sebesar Rp. 1.385.399.
3. Berdasarkan
hasil pengolahan data yang telah dilakukan, dalam analisis regeresi berganda
diperoleh nilai standard deviation untuk
biaya promosi adalah 38,03188 dan nilai standard
error of estimate adalah 29,72678. Karena standard deviation 38,03188 standard
error of estimate 29,72678. Dengan demikian model regresinya dikatakan
layak. Sedangkan untuk model regresi sederhana diperoleh nilai standard deviation untuk Tingkat
Penjualan adalah 3,2891 dan nilai standard
error of estimate adalah 2,20259. Karena
standard deviation 3,2891 standard
error of estimate 2,20259. Dengan demikian model regresinya dikatakan
layak.