BAB IPENDAHULUAN

1.1 Tinjauan Tentang Promosi dan Penerimaan Perusahaan

1. Promosi

Pengertian promosi

Pada hakikatnya promosi adalah suatu bentuk komunikasi pemasaran.

Yang dimaksud dengan komunikasi pemasaran adalah aktivitas pemasaran yang

berusaha menyebarkan informasi, mempengaruhi, membujuk, dan

mengingatkan pasar sasaran atas perusahaan dan produknya agar bersedia

menerima, membeli, dan loyal pada produk yang ditawarkan perusahan yang

bersangkutan. (Tjiptono, 2002:219).

Fungsi promosi:

a. Informing (Memberikan Informasi)

Promosi membuat konsumen sadar akan produk-produk baru, mendidik

mereka tentang berbagai fitur dan manfaat merek, serta memfasilitasi

penciptaan citra sebuah perusahaan yang menghasilkan produk atau jasa.

Promosi menampilkan peran informasi bernilai lainnya, baik untuk merek

yang diiklankan maupun konsumennya, dengan mengajarkan manfaat-

manfaat baru dari merek yang telah ada.

b. Persuading (Membujuk)

Media promosi atau iklan yang baik akan mampu mempersuasi

pelanggan untuk mencoba produk dan jasa yang ditawarkan. Terkadang

persuasi berbentuk mempengaruhi permintaan primer, yakni menciptakan

permintaan bagi keseluruhan kategori produk. Lebih sering, promosi

berupaya untuk membangun permintaan sekunder, permingtaan bagi merek

perusahaan yang spesifik.

c. Reminding (Mengingatkan)

Iklan menjaga agar merek perusahaan tetap segar dalam ingatan para

konsumen. Saat kebutuhan muncul, yang berhubungan dengan produk dan

jasa yang diiklankan, dampak promosi di masa lalu memungkinkan merek

pengiklan hadir di benak konsumen. Periklanan lebih jauh didemonstrasikan

untuk mempengaruhi pengalihan merek dengan mengingatkan para

1

konsumen yang akhir-akhir ini belum membeli merek yang tersedia dan

mengandung atribut-atribut yang menguntungkan.

d. Adding Value (Menambah nilai)

Terdapat tiga cara mendasar dimana perusahaan bisa memberi nilai

tambah bagi penawaran-penawaran mereka, inovasi, penyempurnaan

kualitas, atau mengubah persepsi konsumen. Ketiga komponen nilai tambah

tersebut benar-benar independen. Promosi yang efektif menyebabkan merek

dipandang lebih elegan, lebih bergaya, lebih bergengsi, dan bisa lebih unggul

dari tawaran pesaing.

e. Assisting (Mendampingi upaya-upaya lain dari perusahaan)

Periklanan merupakan salah satu alat promosi. Promosi membantu

perwakilan penjualan. Iklan mengawasi proses penjualan produk-produk

perusahaan dan memberikan pendahuluan yang bernilai bagi wiraniaga

sebelum melakukan kontak personal dengan para pelanggan yang prospektif.

Upaya, waktu, dan biaya periklanan dapat dihemat karena lebih sedikit waktu

yang diperlukan untuk memberi informasi kepada prospek tentang

keistimewaan dan keunggulan produk jasa. Terlebih lagi, iklan melegitimasi

atau membuat apa yang dinyatakan klaim oleh perwakilan penjual lebih

kredibel.

Tujuan promosi di antaranya adalah:

a. Menyebarkan informasi produk kepada target pasar potensial

b. Untuk mendapatkan kenaikan penjualan dan profit

c. Untuk mendapatkan pelanggan baru dan menjaga kesetiaan pelanggan

d. Untuk menjaga kestabilan penjualan ketika terjadi lesu pasar

e. Membedakan serta mengunggulkan produk dibanding produk pesaing

f. Membentuk citra produk di mata konsumen sesuai dengan yang

diinginkan.

2. Penerimaan Perusahaan

Penerimaan adalah sesuatu yang sangat penting dalam setiap perusahaan.

Tanpa ada  penerimaan mustahil akan didapat penghasilan atau earnings.

Penerimaan adalah penghasilan yang timbul dari aktivitas perusahaan yang biasa

dikenal atau disebut penjualan, penghasilan jasa (fees), bunga, dividen,royalti dan

sewa. Menurut Niswonger (1992:22), Pengertian Penerimaan adalah jumlah

2

yang ditagih kepada pelanggan atas barangataupun jasa yang diberikan kepada

mereka. Pada buku yang sama, Niswonger (1992:56) juga menjelaskan pengertian

penerimaan sebagai berikut: Penerimaan atau revenue merupakan kenaikan

kotor atau gross dalam modal pemilik yang dihasilkan dari penjualan barang

dagangan, pelaksanaan jasa kepada pelanggan atau klien, penyewa harta,

peminjam uang, dan semua kegiatan usaha serta profesi yang bertujuan untuk

memperoleh penghasilan. Penerimaan adalah jumlah uang yang diperoleh dari

penjualan sejumlah output atau dengan kata lain merupakan segala pendapatan

yang diperoleh oleh perusahaan hasil dari penjualan hasil produksinya.Hasil total

penerimaan dapat diperoleh dengan mengalikan jumlah satuan barang yang dijual

dengan harga barang yang bersangkutan atau TR = Q x P

Pada model ini, hubungan antara penerimaan dan promosi perusahaan

disusun dalam sebuah fungsi. Hubungan keduanya tercerimin pada sebuah fungsi

sebagai berikut ini :

Rev = f (Adv), Dimana Rev merupakan penerimaan selama periode tertentu,

sedangkan Adv mewakili promosi (biaya promosi). Dari fungsi tersebut

disimpulkan bahwa biaya promosi merupakan fungsi dari penerimaan.

1.2 Tujuan

Mengaplikasikan hubungan korelasi dan regresi (linier dan non-linier) dengan

menggunakan program SPSS 17.

Menginterpretasikan output data yang didapatkan dari program SPSS 17.

3

BAB II

METODE

2.1 Korelasi

Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik

pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi

merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat

yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian

banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat

populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank

Spearman. Selain kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti

Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.

Sifat penting dari analasis korelasi adalah :

1. Koefisien korelasi bernilai antara -1 dan +1, Jika dua variabel tidak memiliki

korelasi maka nilai koefisien korelasi adalah 0 (nol). Jika terdapat korelasi yang

sempurna antara dua variabel maka nilai koefisien korelasi adalah 1. Koefisien

korelasi positif berarti perubahan variabel satu searah dengan peruabahan variabel

dua. Jika korelasi negatif maka bila variabel satu bernilai tinggi maka variabel

kedua memiliki kecenderungan kuat untuk bernilai rendah.

2. Korelasi dua variabel bersifat simetrik. Artinya korelasi X dengan Y akan sama

dengan korelasi Y dengan X.

3. Koefisien korelasi hanya menunjukkan tingkat hubungan antar dua variabel tetapi

tidak menunjukkan hubungan kausal (sebab-akibat) diantara dua variabel tersebut.

Hipotesis statistic dalam analisis korelasi adalah:

H0 : ρ = 0 (tidak ada hubungan antara dua variable)

Ha : ρ ≠ 0 (ada hubungan antara dua variable)

Uji Statistiknya menggunakan T hitung

1. Apabila T-hit > T-tabel, maka terima Ha tolak Ho

2. Apabila T-hit < T-tabel, maka tolak Ha terima Ho

4

Langkah-langkah aplikasi korelasi dalam SPSS

1. Input data dari Excel ke SPSS, Pindahkan data yang ada di kolom penerimaan iklan

(X) dan penerimaan (Y) saja, dengan cara di blok, kemudian di copy.

2. Kemudian buka sheet variable view untuk merubah nama variable, rubah type

variabel menjadi numeric dengan width = 8 dan decimals = 2

3. Pindah ke sheet data view, click analyse » Correlate » Bivariate

4. Masukkan iklan dan penerimaan ke variables

5. OK

Langkah-langkah aplikasi normalitas dalam SPSS

1. Input data dari Excel ke SPSS, Pindahkan data yang ada di kolom penerimaan iklan

(X) dan penerimaan (Y) saja, dengan cara di blok, kemudian di copy.

2. Kemudian buka sheet variable view untuk merubah nama variable, rubah type

variabel menjadi numeric dengan width = 8 dan decimals = 2

3. Pindah ke sheet data view, click Analyse » Descriptive statistics » Explore

4. Pindahkan semua variabel dalam kolom Dependent List

5. Click Plots » Normality Plots with Test » Continue

2.2 Regresi

Persamaan regresi :Persamaan matematik yang memungkinkan peramalan nilai suatu

peubah takbebas (dependent variable) dari nilai peubah bebas (independent variable.

Langkah-langkah aplikasi regresi dalam SPSS :

1. Input data dari Excel ke SPSS, Pindahkan data yang ada di kolom penerimaan iklan

(X) dan penerimaan (Y) saja, dengan cara di blok, kemudian di copy.

2. Kemudian buka sheet variable view untuk merubah nama variable, rubah type

variabel menjadi numeric dengan width = 8 dan decimals = 2

5

3. Pindah ke sheet data view, click analyse » Regretion » Linear

4. Pindahkan penerimaan pada dependent dan iklan pada independent

OK

Regresi Linear :

REV = α + β.ADV

Pengujian statistik secara parsial mendasarkan pada hipotesis :

Uji Konstanta Intersep H0 : ß0 = 0

H1 : ß0 ≠ 0

Uji Koeff. X H0 : ß1 = 0

H1 : ß1 ≠ 0

Pengujian statistik model secara keseluruhan dilakukan dengan uji-F.

Uji F mendasarkan pada dua hipotesis, yaitu :

H0 : Semua koefisien variabel bebas adalah 0 (nol)

H1 : Tidak seperti tersebut di atas

Regresi NonLinear :

Digunakan untuk mengetahui tingkat elastisitas suatu variable

Dalam regresi 2 ini menggunakan persamaan :

Y = A + X B

Dalam OLS, hanya dapat diproses dalam bentuk linear maka persamaan tersebut

harus kita jadikan bentuk linear terlebih dahulu menjadi:

lnRev = α + β.lnADV

Langkah-langkah aplikasi regresi No linear dalam SPSS :

1. Jadikan semua data di excell dalam mentuk ln , rumusnya (=ln(data)), seletah itu

pindah data ke SPSS

2. Pindah ke sheet data view, click analyse » Regretion » Linear

3. Pindahkan penerimaan pada dependent dan iklan pada independent

4. OK

6

Tujuan regresi :

1. Mengestimasi atau menduga suatu hubungan antara variabel – variabel ekonomi,

misalnya Y = f(x).

2. Melakukan peramalan atau prediksi nilai variabel terikat (tidak bebas) atau

dependent variable berdasarkan nilai variabel terkait (variabel independen/bebas).

7

BAB III

HASIL DAN PEMBAHASAN

3.1 Uji Korelasi

Correlations

Adv Rev

Adv Pearson Correlation 1 .989**

Sig. (2-tailed) .000

N 20 20

Rev Pearson Correlation .989** 1

Sig. (2-tailed) .000

N 20 20

**. Correlation is significant at the 0.01 level (2-tailed).

Tabel 1. Uji Korelasi

Berdasarkan data tersebut diatas dapat disimpulkan bahwa nilai korelasi antara

Advertaising Cost dengan Revenue adalah 0,989. Dimana nilai signifikansinya sebesar

0,01 yang dapat diintepretasikan bahwa data tersebut diatas termasuk ke dalam kategori

signifikan. Hubungan antara kedua variabel diatas termasuk dalam kategori Korelasi

sangat kuat dan nyata. Nilai yang ditunjukkan dalam koefisien diatas termasuk dalam

kategori positif sehingga memiliki hubungan searah antara kedua variabel diatas.

3.2 Uji Normality

8

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

adv .107 20 .200* .963 20 .595

rev .090 20 .200* .960 20 .536

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

Tabel 2. Uji Normality

Kemudian untuk data normality menunjukkan bahwa signifikan dari ADV sebesar

0,595 jika dilihat dengan kriteria ketentuan signifikan data tersebut bahwa > 0,05 hal ini

menunjukkan bahwa terdistribusi secara normal dengan terima H0, hal ini juga berlaku

pada data signifikan REV sebesar 0,536 > 0,05.

Dari hasil data diatas kita dapat mengintepretasikan tingkat ke normalan suatu data,

ada dua cara untuk mengintepretasikan yaitu melalui uji Kolmogrorov-Smirnov dan uji

Shapiro-Wilk. Syarat data dikatakan normal untuk Uji Kolmogrorov-Smirnov apabila

tingkat signifikansi lebih besar dari 0,05 atau lebih besar dari 5 % maka sampel berasal

dari populasi yang berdistribusi normal. Berlaku juga sebaliknya, apabila tingkat

signifikansi kurang dari 0,05 atau lebih besar dari 5 % maka sampel bukan berasal dari

populasi yang berdistribusi normal

Dari hasil data di atas menunjukkan bahwa signifikan dari ADV sebesar 0,595 jika

dilihat dengan kriteria ketentua signifikan data tersebut bahwa > 0,05 hal ini

menunjukkan bahwa terdistribusi secara normal dengan terima H0, hal ini juga berlaku

pada data signifikan REV sebesar 0,536 > 0,05.

Gambar 1. Distribusi Data Normal

9

3.3 Uji Regresi

3.3.1 Uji Regresi Linear

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of

the Estimate

1 .989a .979 .978 17.57575

a. Predictors: (Constant), adv

Tabel 3. Model Summary

Data tersebut menunjukkan angka R2 sebesar 97,9% hal ini berarti variabel

REV dapat diterangkan dan dipengaruhi variabel ADV sebesar 97,9% sedangkan yang

2,1% dijelaskan diluar model.

ANOVAb

Model

Sum of

Squares df Mean Square F Sig.

1 Regression 259593.422 1 259593.422 840.361 .000a

Residual 5560.328 18 308.907

Total 265153.750 19

a. Predictors: (Constant), adv

b. Dependent Variable: rev

Tabel 4. Uji F

Uji F berkaitan erat dengan penerimaan H0 atau penolakan terhadap Ha, atau

sebaliknya. Hipotesis :

H0 = tidak ada hubungan antara Revenue (Penerimaan) dengan Advertising Cost

(Biaya Promosi)

Ha = ada hubungan antara Revenue (Penerimaan) dengan Advertising Cost (Biaya

Promosi)

Dimana memiliki syarat, jika :

nilai koefisien signifikansi lebih besar dari 0,05 atau lebih besar dari 5 % maka

menerima H0

10

nilai koefisien signifikansi kurang dari 0,05 atau lebih kecil dari 5 % maka

menerima Ha

Data tersebut adalah melihat data dari uji F yaitu sebesar 840,361 dengan

tingkat kesalahan 0,000 hal ini berarti bahwa signifikan 0,000 < 0,05 yang berarti

terima H1.

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.B Std. Error Beta

1 (Constant) 9.416 19.370 .486 .633

Adv 3.829 .132 .989 28.989 .000

a. Dependent Variable: rev

Tabel 5. Uji t

Uji t ini hampir sama dengan uji F, pada uji t ini lebih menekankan pada

signifikan satu tidaknya suatu koefisien dalam suatu variabel.

Dimana memiliki syarat, jika :

nilai koefisien signifikansi lebih besar dari 0,05 atau lebih besar dari 5

% maka tidak signifikan

nilai koefisien signifikansi kurang dari 0,05 atau lebih kecil dari 5 %

maka signifikan

Berdasarkan data diatas maka dapat diintepretasikan bahwa nilai

koefisien signifikansi konstanta sebesar 0,633 sehingga tidak signifikan

sedangkan untuk koefisien signifikansi advertisingnya sebesar 0,00 sehingga

dapat dikatakan signifikan.

Jika dimasukkan kedalam kedalam persamaan regresi linier maka :

Y = ∝0+β 1 x1;

Revenue = 0,9416 + 3,829ADV (Advertising)

Maka setiap kenaikan 1% ADV akan menyebabakan kenaikan sebesar 3,829 REV.

11

3.3.2 Uji Regresi Non Linear

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of

the Estimate

1 .985a .969 .968 .03926

a. Predictors: (Constant), lnADV

Tabel 6. Model Summary

Data tersebut menunjukkan angka R2 sebesar 98,5% hal ini berarti

variabelREV dapat diterangkan dan dipengruhi variabel ADV sebrsar 98,5%

sedangkan yang 1,5% dijelaskan diluar model.

12

ANOVAb

Model

Sum of

Squares df Mean Square F Sig.

1 Regression .881 1 .881 571.334 .000a

Residual .028 18 .002

Total .908 19

a. Predictors: (Constant), lnADV

b. Dependent Variable: lnREV

Tabel 7. Uji F

Uji F berkaitan erat dengan penerimaan H0 atau penolakan terhadap Ha, atau

sebaliknya. Hipotesis :

H0 = tidak ada hubungan antara Revenue (Penerimaan) dengan

Advertising Cost (Biaya Promosi)

H1 = ada hubungan antara Revenue (Penerimaan) dengan Advertising

Cost (Biaya Promosi)

Dimana memiliki syarat, jika :

nilai koefisien signifikansi lebih besar dari 0,05 atau lebih besar dari 5

% maka menerima H0

nilai koefisien signifikansi kurang dari 0,05 atau lebih kecil dari 5 %

maka menerima H1

Data tersebut adalah melihat data dari uji F yaitu sebesar 571,334 dengan

tingkat kesalahan 0,000 hal ini berarti bahwa signifikan 0,000 < 0,05 yang berarti

terima H1.

13

Coefficientsa

Model

Unstandardized

Coefficients

Standardized

Coefficients

t Sig.B Std. Error Beta

1 (Constant) 1.479 .202 7.321 .000

lnADV .976 .041 .985 23.903 .000

a. Dependent Variable: lnREV

Tabel 8. Uji t

Uji t ini hampir sama dengan uji F, pada uji t ini lebih menekankan pada

signifikan satu tidaknya suatu koefisien dalam suatu variabel.

Dimana memiliki syarat, jika :

nilai koefisien signifikansi lebih besar dari 0,05 atau lebih besar dari 5

% maka tidak signifikan

nilai koefisien signifikansi kurang dari 0,05 atau lebih kecil dari 5 %

maka signifikan

Berdasarkan data diatas maka dapat diintepretasikan bahwa nilai koefisien

signifikansi konstanta sebesar 0,00 sehingga signifikan sedangkan untuk

koefisien signifikansi advertisingnya sebesar 0,00 sehingga dapat dikatakan

signifikan.

Jika dimasukkan kedalam kedalam persamaan regresi linier lnY = ln∝0+β 1 lnx 1;

Ln(REV)=ln1,479 +0,976 lnADV,

Ln(REV) =ln e 1,479 +lnADV0,976

REV= e1,479 +ADV0,976

maka ADV memiliki elastisitas 0,976 terhadap REV

14

BAB IV

KESIMPULAN

Dalam analisis korelasi dan regresi sederhana, dilakukan berbagai uji terhadap

suatu data antara lain uji korelasi, normality, R square, F dan uji t. Dalam berbagai uji

diatas dihasilkan suatu hasil :

1. Dalam uji Korelasi menyatakan bahwa adanya hubungan searah antara revenue

dengan advertising cost dan bersifat sangat kuat.

2. Dalam uji Normality menyatakan bahwa data-data tersebut termasuk dalam kategori

normal karena koefisien signifikansinya lebih dari 0,05 atau 5 %

3. Dalam uji R sequre, F dan t untuk regresi linier termasuk dalam 97,9%, menerima

H0 dan signifikan variabel koefisiennya dan tidak koefisien konstanta

4. Dalam uji R sequre, F dan t untuk regresi non linier termasuk dalam 98.5%,

menerima H0 dan signifikan semua koefisiennya

15

DAFTAR PUSTAKA

Anonymous.2011.ArtikelKorelasi.Melalui.http://www.jonathansarwono.info/korelasi/

korelasi.htm

Kotler, Philip, Gary Amstrong. 2001. Dasar-Dasar Pemasaran Edisi Kesembilan Jilid 1.

Terjemahan oleh Alexander Sindoro, 2004. PT Indeks. Jakarta.

Tciptono, Fandy. 2002. Strategi Pemasaran. Yogyakarta: Penerbit ANDI.

Wibowo, H dan M. Sinaga. 1997. Teori Akuntansi Jilid 1 Edisi 2. Penerbit Erlangga. Jakarta.

16

LAMPIRAN

Correlations

Correlations

ADV REV

ADV Pearson Correlation 1 .989**

Sig. (2-tailed) .000

N 20 20

REV Pearson Correlation .989** 1

Sig. (2-tailed) .000

N 20 20

**. Correlation is significant at the 0.01 level (2-tailed).

Explore

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

REV 20 100.0% 0 .0% 20 100.0%

17

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

REV .090 20 .200* .960 20 .536

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

18

Regression

Model Summary

Model R R Square Adjusted R Square

Std. Error of the

Estimate

1 .989a .979 .978 17.57575

a. Predictors: (Constant), ADV

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 259593.422 1 259593.422 840.361 .000a

Residual 5560.328 18 308.907

Total 265153.750 19

a. Predictors: (Constant), ADV

b. Dependent Variable: REV

19

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.B Std. Error Beta

1 (Constant) 9.416 19.370 .486 .633

ADV 3.829 .132 .989 28.989 .000

a. Dependent Variable: REV

20