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%.