BAB 4

HASIL DAN PEMBAHASAN

4.1 Analisis Jalur

Analisis jalur dalam penelitian ini digunakan dalam meneliti interaksi pengaruh

secara langsung dan secara tidak langsung data bahan baku (X1), data promosi (X2), data

harga(Y), dan data penjualan produk roti(Z).

4.2 Model Diagram Jalur

Pengaruh antara variabel X1, X2, Y, dan Z dapat digambarkan dalam model

diagram jalur sebagai berikut:

Gambar 4.1 Model Diagram Jalur X1, X2, Y dan Z 

Keterangan :

Z : penjualan roti

Y : harga (variabel terikat) bagi X juga variabel bebas bagi Z

2

X1 : bahan baku

X2 : promosi

4.3 Persiapan Data

Pengambilan data dilakukan dengan menggunakan kuisioner online dengan

jumlah responden 100 orang. Data kuisioner yang digunakan adalah data ordinal

(Sangat tidak setuju, tidak setuju, netral, setuju, sangat setuju). Sebelum dapat

digunakan dalam perhitungan, data hasil kuisioner diubah dengan metode Successive

Interval dengan bantuan program Microsoft Excel 2007. Data hasil olahan ini nantinya

merupakan data interval yang digunakan dalam perhitungan program.

Oleh karena anallisis jalur mengisyaratkan skala pengukuran mininmal interval,

maka peneliti harus menaikkan tingkat pengukuran ordinal menjadi interval. Salah satu

metode konversi data yang digunakan untuk menaikkan tingkat pengukuran ordinal ke

interval adalah Metode Successive Interval (MSI).

Langkah-langkah metode Successive Interval (MSI) dapat dijelaskan sebagai

berikut:

• Contoh Tabel 4.1 untuk pertanyaan item 1 (satu) variabel X dapat

dijelaskan sebagai berikut:

3

Tabel 4.1 Penskalaan Ordinal ke Interval 

Penjelasan:

a. Nomor item pertanyaan yang akan di MSI adalah item1 variabel X.

b. Kategori skor jawaban responden dalam skala Ordinal (Likert)

berkisar nilainya antara 1-5.

c. Masing-masing skor jawaban dalam skala ordinal dihitung

frekuensinya seperti berikut:

Frekuensi skor jawaban 1 = 3

Frekuensi skor jawaban 2 = 3

Frekuensi skor jawaban 3 = 29

Frekuensi skor jawaban 4 = 43

Frekuensi skor jawaban 5 = 22

d. Menghitung proporsi untuk setiap frekuensi skor.

P1 = = 0.030

P2 = = 0.030

P3 = = 0.029

4

P4 = = 0.043

P5 = = 0.022

e. Menjumlahkan proporsi secara berurutan untuk setiap respon,

sehingga diperoleh nilai proporsi kumulatif.

Pk1 = 0.030

Pk2 = 0.060

Pk3 = 0.350

Pk4 = 0.780

Pk5 = 1.000

f. Menentukan nilai Z untuk setiap kategori dengan asumsi bahwa

proporsi kumulatif dianggap mengikuti distribusi normmal baku.

Nilai Z diperoleh dari Tabel Distribusi Normal Baku seperti berikut:

g. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara

memasukkan nilai Z tersebut ke dalam fungsi densitas normal baku

sebagai berikut:

f(z) = √

exp (-  z2)

sehingga diperoleh:

5

f(-1.881) = √

exp (-  (-1.881)2) = 0.068041951

f(-1.555) = √

exp (-  (-1.555)2) = 0.119122965

f(-0.385) = √

exp (-  (-0.385)2) = 0.370399004

f(0.772) = √

exp (-  (0.772)2) = 0.296093584

h. Menghitung SV (Scale Value) dengan rumus:

SV =                     

SV1 = . .

. . = -2.268.

SV2 = . .. .

= -1.703.

SV3 = . .

. . = -0.866.

SV4 = . .

. . = 0.173.

SV5 = . .

. . = -0.467.

i. Mengubah SV (Scale Value) terkecil (nilai negatif yang terbesar)

menjadi sama dengan satu (1).

SV terkecil = -2.268 = 1 didapat dari (-2.268+3.268 = 1 ) = Y1

j. Mentransformasikan nilai skala dengan menggunakan rumus:

Y = SV + |SV min|

Y2 = (-1.703 + 3.268 =1.565)

6

Y3 = (-0.866 + 3.268 =2.402)

Y4 = (0.173 + 3.268 =3.441)

Y5 = (-0.467 + 3.268 =2.801)

4.4 Eksekusi Program

Langkah-langkah eksekusi program dijelaskan sebagai berikut :

1. Tampilan Menu Utama.

2. Import data ke dalam datagrid.

3. Klik tombol Analyze.

4. User dapat memilih tombol Korelasi, Regresi, F-Hitung, atau F-Tabel.

5. Tombol Exit digunakan ketika user ingin meninggalkan program.

4.4.2 Menu Utama

Gambar 4.2 Menu Utama 

Di menu Utama pada Gambar 4.2 ada fungsi Import Data, Analyze (mode

disabled), dan Exit. Tombol Analyze akan dienable ketika user sudah memasukkan data

ke dalam tabel. Path Name nantinya akan berisi alamat dari file yang diimport ke dalam

tabel. Data yang diimport adalah data hasil olahan kuisioner berupa data interval.

7

4.4.3 Import Data

Gambar 4.3 Import Data 

Pada halaman import data, user akan diminta memasukkan path file Excel format

2007 yang sudah ditransformasi ke dalam data interval seperti pada Gambar 4.3.

Sebelum memilih file yang diinginkan, terlebih dahulu harus mengetahui path dimana

file hasil olahan yang digunakan sebagai input diletakkan. Dalam program ini file hasil

olahan data ordinal ke interval dinamakan hasiltabulasiv2.xlsx.

8

Gambar 4.3.1 Import Data Sukses 

Ketika data telah berhasil dimasukkan ke dalam dataGrid pada C#, maka

tampilan program akan seperti Gambar 4.3.1. Variabel X1 adalah bahan baku,

variabel X2 adalah promosi, variabel Y adalah harga, dan variabel Z adalah

penjualan roti.

4.4.4 Analyze

Gambar 4.4 Analyze Data 

Ketika tombol Analyze ditekan, akan muncul tombol Korelasi, Regresi, F-

Hitung, dan F-Tabel yang dapat digunakan untuk perhitungan selanjutnya (Gambar 4.4).

9

4.4.5 Korelasi

Gambar 4.5 Analisis Korelasi 

Ketika tombol korelasi ditekan, maka hasil perhitungan antar variabel-variabel.

Variabel X1 adalah bahan baku, variabel X2 adalah promosi, variabel Y adalah harga,

dan variabel Z adalah penjualan roti akan ditampilkan pada layar program (Gambar

4.5). Nilai hasil korelasi yang muncul di program dapat menerangkan bagaimana

hubungan interaksi antara variabel X1, X2, Y dan Z.

10

4.4.6 Regresi

Gambar 4.6 Analisis Regresi 

Ketika tombol Regresi dipilih, maka hasil regresi linear sederhana dan hasil

regresi linear berganda antara variabel X1 adalah bahan baku, variabel X2 adalah

promosi, variabel Y adalah harga, dan variabel Z adalah penjualan roti akan ditampilkan

(Gambar 4.6).Nilai hasil regresi yang muncul di program dapat menerangkan bagaimana

hubungan linear antara variabel X1, X2, Y dan Z.

11

4.4.7 F-Hitung

Gambar 4.7 F‐Hitung 

Ketika tombol F-Hitung dipilih, maka program akan menampilkan nilai F-Hitung

yang merupakan pengaruh Variabel X1 adalah bahan baku, variabel X2 adalah promosi,

variabel Y adalah harga terhadap variabel Z adalah penjualan roti secara simultan

(Gambar 4.7).

12

4.4.8 F-Tabel

Gambar 4.8 Import F­Table  

Tombol F-Tabel digunakan jika user ingin melihat secara manual nilai F-tabel.

Nilai F-tabel terlebih dahulu di-import dari database table F yang telah dibuat

sebelumnya (Gambar 4.8).

Gambar 4.9 F‐Tabel 

13

Jika F-Table sudah berhasil diimport, maka data F-Table akan

dimasukkan ke dalam table F seperti Gambar 4.9.

4.5 Analisis Data dan Pembahasan

Analisis data penelitian menggunakan rumus-rumus yang ada di bab

sebelumnya (Bab 2), yaitu Analisis Korelasi, Analisis Regresi Linear, Analisis

Regresi Linear Berganda dan fungsi F-Hitung.

4.5.1 Hasil analisis korelasi

Analisis korelasi digunakan untuk mencari hubungan antara variabel antara

variabel bahan baku (X1), promosi (X2), harga (Y) dan penjualan roti (Z) karena jika

diantara variabel tidak mempunyai korelasi (tidak mempunyai hubungan) maka dapat

dipastikan variabel tersebut tidak mungkin mempunyai pengaruh. Rumus 2.1 digunakan

untuk menghitung nilai korelasi antar variabel. Hasil perhitungan program ditampilkan

dalam tabel 4.2 berikut :

Tabel 4.2 Hasil Analisis Korelasi 

No. Pengaruh Antar Variabel Nilai Hasil

1 Bahan Baku terhadap Harga 0.22348828066064 Rendah

2 Promosi terhadap Harga 0.473975166098626 Cukup Kuat

3 Bahan Baku terhadap Promosi 0.285861540139332 Rendah

4 Bahan Baku terhadap Penjualan 0.201350617105678 Rendah

5 Promosi terhadap Penjualan 0.0367314483264511 Sangat Rendah

14

6 Harga terhadap Penjualan -0.12507558973464 Sangat Rendah

Dari hasil yang diperoleh, diketahui bahwa:

a. Nilai r = 0.223 yang berarti hubungan antara variabel X1 (bahan baku) terhadap

variabel Y (harga) adalah 0.223. Hal ini menunjukkan hubungan yang rendah antara

variabel X1 dan Y. Dengan menggunakan rumus 2.1.1 koefisien determinasi (KP) X1

dan Y dapat dijelaskan sebagai berikut :

KP = r2 x 100 % = (0.223)2 x 100 % = 4.9729 %

Artinya, sumbangan 4.9729 % variabel Y dijelaskan oleh variabel X1. Sisanya

sebesar 95.0271% ditentukan oleh faktor lain yang tidak dijelaskan dalam penelitian

ini.

b. Nilai r = 0.4740 yang berarti hubungan antara variabel X2 (promosi) terhadap

variabel Y (harga) adalah 0. 4740. Hal ini menunjukkan hubungan yang cukup kuat

antara variabel X1 dan Y. Dengan menggunakan rumus 2.1.1 koefisien determinasi

(KP) X2 dan Y dapat dijelaskan sebagai berikut :

KP = r2 x 100 % = (0. 4740)2 x 100 % = 22.4676 %

Artinya, sumbangan 22.4676 % variabel Y dijelaskan oleh variabel X2. Sisanya

sebesar 77.5324% ditentukan oleh faktor lain yang tidak dijelaskan dalam penelitian

ini.

c. Nilai r = 0.2859 yang berarti hubungan antara variabel X1 (bahan baku) terhadap

variabel X2 (promosi) adalah 0. 2859. Hal ini menunjukkan hubungan yang rendah

15

antara variabel X1 dan X2. Dengan menggunakan rumus 2.1.1 koefisien determinasi

(KP) X1 dan X2 dapat dijelaskan sebagai berikut :

KP = r2 x 100 % = (0. 2859)2 x 100 % = 8.1739 %

Artinya, sumbangan 8.1739 % variabel X2 dijelaskan oleh variabel X1. Sisanya

sebesar 91.8261 % ditentukan oleh faktor lain yang tidak dijelaskan dalam penelitian

ini.

d. Nilai r = 0.2014 yang berarti hubungan antara variabel X1 (bahan baku) terhadap

variabel Z (penjualan) adalah 0. 2014. Hal ini menunjukkan hubungan yang rendah

antara variabel X1 dan Z. Dengan menggunakan rumus 2.1.1 koefisien determinasi

(KP) X2 dan Y dapat dijelaskan sebagai berikut :

KP = r2 x 100 % = (0. 2014)2 x 100 % = 4.0562 %

Artinya, sumbangan 4.0562 % variabel Z dijelaskan oleh variabel X1. Sisanya sebesar

95.9438% ditentukan oleh faktor lain yang tidak dijelaskan dalam penelitian ini.

e. Nilai r = 0.0367 yang berarti hubungan antara variabel X2 (promosi) terhadap

variabel Z (penjualan) adalah 0. 0367. Hal ini menunjukkan hubungan yang sangat

rendah antara variabel X1 dan Y. Dengan menggunakan rumus 2.1.1 koefisien

determinasi (KP) X2 dan Z dapat dijelaskan sebagai berikut :

KP = r2 x 100 % = (0. 0367)2 x 100 % = 0.1347 %

Artinya, sumbangan 0.1347 % variabel Y dijelaskan oleh variabel X2. Sisanya

sebesar 99.8653 % ditentukan oleh faktor lain yang tidak dijelaskan dalam penelitian

ini.

16

f. Nilai r = -0.125 yang berarti hubungan antara variabel Y (harga) terhadap variabel

Z(penjualan) adalah -0.125. Hal ini menunjukkan hubungan yang sangat rendah

antara variabel Y dan Z. Dengan menggunakan rumus 2.1.1 koefisien determinasi

(KP) X2 dan Y dapat dijelaskan sebagai berikut :

KP = r2 x 100 % = (-0.125)2 x 100 % = 1.5625 %

Artinya, sumbangan 1.5625 % variabel Z dijelaskan oleh variabel Y. Sisanya sebesar

98.4375% ditentukan oleh faktor lain yang tidak dijelaskan dalam penelitian ini.

4.5.2 Rangkuman hasil analisis regresi

Dengan menggunakan rumus Analisis Regresi Linear (rumus 2.2) dan rumus

Analisis Linear Berganda (Rumus 2.3) maka nilai hasil perhitungan ditampilkan dalam

tabel 4.3 sebagai berikut :

Tabel 4.3 Hasil Analisis Regresi 

No. Pengaruh Antar

Variabel Persamaan Hasil

1 Bahan Baku terhadap

Harga

Ŷ = a + b1 X1 Y = ( 2.70445972034886 ) + ( -

0.0118510612539331 ) x

2 Promosi terhadap

Harga

Ŷ = a + b2 X2 Y = ( 2.70428462275158 ) + (

0.54872732179911 ) x

3 Bahan Baku

terhadap Penjualan

� = a + b1 X1 Z = ( 3.66400214965456 ) + ( -

0.0185277185023863 ) x

4 Promosi terhadap

Penjualan

� = a + b2 X2 Z = ( 3.66382705205728 ) + (

0.0847240403879915 ) x

17

5 Bahan baku dan

promosi secara

simultan terhadap

harga

Ŷ = a + b1 X1 – b2 X2 y = 7.2384667974389+

(0.0460182115944431 ) x1 + (-

1.64662516786373) x2

6 Bahan baku, dan

promosi secara

simultan terhadap

penjualan

� = a + b1 X1 + b2 X2 Z = 8.19800922674459+

(0.137139821737111 ) x1 + (-

2.26796987477326) x2

7 Harga terhadap

Penjualan

� = a + b2 Y Z = ( 4.20225142919548 ) + ( -

0.214289654130956 ) x

4.5.2.1 Koefisien variabel X1 terhadap Y

Dengan menggunakan rumus 2.2 persamaan model regresi sederhana

memberikan gambaran bahwa setiap ada kenaikan nilai X, akan terjadi pengurangan

sebesar 0.0118510612539331 X.

4.5.2.2 Koefisien variabel X2 terhadap Y

Dengan menggunakan rumus 2.2 persamaan model regresi sederhana

memberikan gambaran bahwa setiap ada kenaikan nilai X, akan terjadi penambahan

sebesar 0.54872732179911 X.

18

4.5.2.3 Koefisien variabel X1 Z

Dengan menggunakan rumus 2.2 persamaan model regresi sederhana

memberikan gambaran bahwa setiap ada kenaikan nilai X, akan terjadi pengurangan

sebesar -0.0185277185023863 X.

4.5.2.4 Koefisien variabel X2 terhadap Z

Dengan menggunakan rumus 2.2 persamaan model regresi sederhana

memberikan gambaran bahwa setiap ada kenaikan nilai X, akan terjadi penambahan

sebesar 0.0847240403879915 X.

4.5.2.5 Koefisien variabel X1 X2 terhadap Y

Dengan menggunakan rumus 2.2 persamaan model regresi sederhana

memberikan gambaran bahwa setiap ada kenaikan nilai X1, akan terjadi penambahan

sebesar 0.0460182115944431 X1 dan setiap kenaikan nilai X2 maka akan terjadi

pengurangan sebesar (-1.64662516786373) X2.

4.5.2.6 Koefisien variabel X1 X2 terhadap Z

Dengan menggunakan rumus 2.2 persamaan model regresi sederhana

memberikan gambaran bahwa setiap ada kenaikan nilai X1, akan terjadi penambahan

sebesar 0.137139821737111 X1 dan setiap kenaikan nilai X2 maka akan terjadi

penambahan sebesar 2.26796987477326 X2.

19

4.5.2.7 Koefisien variabel X1 terhadap Z

Dengan menggunakan rumus 2.2 persamaan model regresi sederhana

memberikan gambaran bahwa setiap ada kenaikan nilai X, akan terjadi pengurangan

sebesar -0.214289654130956 X.

4.5.3 Hasil Analisis F-Hitung

Untuk menguji pengaruh secara keseluruhan antara variabel bebas (bahan baku,

promosi, dan harga) terhadap penjualan roti, maka digunakan fungsi F-Hitung seperti

dalam rumus 3.5. F tabel pada derajat bebas numerator 2 dan derajat bebas denominator

96 dengan nilai signifikansi (α) 0.05 % adalah 2.712. Karena F-Hitung

(0.339001539439417) lebih kecil daripada F—tabel (2.712), maka keputusan

statistiknya adalah tidak terdapat cukup bukti sampel untuk menolak H0 dan menolak

H1. Artinya variabel bahan baku, promosi, dan harga tidak memiliki pengaruh yang

signifkan terhadap penjualan produk roti.