Wedding

Setiap perbedaan selalu melengkapi hidup yang dijalani setiap orang, dan itu MUTLAK (AwR)

King of card's women

:-)

PIN BB

aswar59engineer http://4swar.blogspot.com/

La ilaha illaallah mulai dari bayi sehat olehnya

My sister

Ade kesayanganku cantik

You are my inspiration

Debat film sesat wahyu complicated lagi sedih oleh oleh khas jogja apapun pilihannya tetap satu hati are you sure you click www.yobt.com hahahaha gadis bugil kurang lebih 20 gadis bugil salah itu bukan gadis bugil kok kamu ngetik sendiri fb yogi lagi sedih fb group bodoh fb gagal paham ini laptop ini

Pengorbanan demi kebahagiaan teman. . tl lc k & t s z . . . .... ...

s jalan jalan bersama kamu dengan harapan untuk membuatku bahagia alay alay alay exception sekali mengapakah itu apa aku harus berkata tidak semuanya pengunjung hanya sia-sia jangan tertipu semua yang kamu lakuin privasi ada hasilnya serius lol koma apa sih maumu kenapa aku harus berkorban syakieb hahahahaha

Sahabatkah dirimu??????

Kau begitu baik dan begitu mengasyikkan, itu karena saat aku dalam keadaan yang baik, tapi sekarang, dimankah dirimu??? Disaat aku mulai memerlukan bantuan bahkan batng hidungmu tak kelihatam
N?????

ANALISIS REGRESI DAN KORELASI

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, ... X_n) 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

4, 502   ditolak

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

14, 52   ditolak

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.