TUGAS UJIAN AKHIR SMESTER
METODE KUANTITATIF DAN APLIKASI STATISTIK BISNIS
(KORELASI DAN REGRESI)
Oleh:
Amrillah
KATA
PENGANTAR
Puji
syukur kami panjatkan kehadirat Allah SWT, yang telah melimpahkan rahmat dan
hidayah-Nya, sehingga Tugas Ujian Akhir Smester Metode Kuantitatif dan Aplikasi
Statistik Bisnis ini dapat diselesaikan ”
Penulis
menyadari bahwa penyusunan tugas ini tidak terlepas dari bantuan dan bimbingan
bapak dosen pengampu yang memberikan sumbangan pemikiran, motivasi, dan
sebagainya baik secara langsung maupun tidak langsung.
Tugas
ini jauh dari kesempurnaan sehingga penulis mengharapkan kritik dan saran dari
dosen mata kuliah dan rekan-rekan untuk kesempurnaan penulisan makalah ini.
BAB
I
PENDAHULUAN
1.1
Korelasi
Analisis
korelasi digunakan untuk mengetahui derajat hubungan linier antara satu
variabel dengan variabel lain. Suatu variabel dikatakan memiliki hubungan
dengan variabel lain jika perubahan satu variabel diikuti dengan perubahan
variabel lain. Jika arah perubahannya searah maka kedua variabel memiliki
korelasi positif. Sebaliknya, jika perubahannya berlawanan arah, kedua variabel
tersebut memiliki korelasi negatif. Jika perubahan variabel tidak diikuti oleh
perubahan variabel yang lain maka dikatakan bahwa variabel-variabel tersebut
tidak saling berkorelasi. Besarnya perubahan suatu variabel yang diikuti dengan
perubahan variabel yang lain dinyatakan dalam bentuk koefisien korelasi.
Sifat-sifat koefisien
korelasi:
1.
Nilai koefisien korelasi bersifat
simetris.
2.
Besarnya koefisien korelasi antara -1
sampai dengan 1
3.
Koefisien korelasi hanya menggambarkan keeratan
hubungan antar variabel tetapi tidak menggambarkan kekuatan kausalitas
(sebab-akibat)
4.
Koefisien korelasi tidak terpengaruh
oleh nilai orijin dan nilai skala
5.
Koefisien korelasi hanya dapat digunakan
untuk menggambarkan keeratan hubungan yang bersifat linear, dan tidak mampu
menggambarkan hubungna yanb bersifat non-linear.
Dalam
kaitannya dengan analisis regresi, analisis korelasi biasanya digunakan untuk
menggambarkan tingkat ketepatan garis regresi (persamaan regresi) dengan nilai
riil variabel dependennya. Jika nilai yang diperoleh berdasarkan persamaan
regresi memiliki korelasi yang kuat dengan nilai riil variabel dependennya maka
dikatakan bahwa garis regresi (persamaan regresi) tersebut memiliki tingkat
ketepatan (goodness of fit) yang
tinggi.
Analisis
korelasi memiliki berbagai jenis. Penggunaannya harus sesuai dengan
karakteristik data yang akan dianalisis. Jika data memiliki skala pengukuran
interval atau rasio maka digukan analisis korelasi Product Moment (Pearson),
sedangkan jika data memiliki skala pengukuran ordinal maka digunakan korelasi Rank Spearman atau Kendall Tau. Jika datanya berupa data kategorial maka kita dapat
menggunakan analisis Chi Square yang
kemudian ditransformasikan ke Koefisien Kontigensi. Penjelasan korelasi Product Moment (Pearson) dan korelasi Rank
Spearmen adalah sebagai berikut:
a. Koefisien
korelasi bivariate/product moment Pearson
Mengukur
keeratan hubungan di antara hasil-hasil pengamatan dari populasi yang mempunyai
dua varian (bivariate). Perhitungan ini mensyaratkan bahwa populasi asal sampel
mempunyai dua varian dan berdistribusi normal. Korelasi Pearson banyak
digunakan untuk mengukur korelasi data interval atau rasio.
b. Korelasi
peringkat Spearman (Rank-Spearman) dan Kendall
Lebih
mengukur keeratan hubungan antara peringkat-peringkat dibandingkan hasil
pengamatan itu sendiri (seperti pada korelasi Pearson). Perhitungan korelasi
ini dapat digunakan untuk menghitung koefisien korelasi pada data ordinal dan
penggunaan asosiasi pada statistik non parametrik.
Adapun kategori koefisien korelasi dapat
dilihat pada Tabel 1 sebagai berikut (Suliyanto, 2011: 16):
Tabel 1. Kriteria
Koefisien Korelasi
|
Nilai r
|
Kriteria
|
|
0,00
– 0,29
|
Korelasi
sangat lemah
|
|
0,30
– 0,49
|
Korelasi
lemah
|
|
0,50
– 0,69
|
Korelasi
cukup
|
|
0,70
– 0,79
|
Korelasi
kuat
|
|
0,80
– 1,00
|
Korelasi
sangat kuat
|
Sumber:
Suliyanto (2011: 16)
1.2
Regresi
Dalam sejarah matematika regresi
dikembangkan pertama kali oleh Gauus seorang ahli matematika pada tahun
1809.Lalu Gilbert Raff menggunakan prinsip ini untuk bertrading saham pertama
kali. Konsep yang dipakai untuk menghitung inflasi harga kebutuhan harga pokok.
Regresi linier merupakan sebuah indikator teknikal untuk mengukur suatu trend
berdasarkan metode statistik. Analisis regresi merupakan salah satu analisis
yang bertujuan untuk mengetahui pengaruh suatu variabel terhadap variabel lain.
Dalam analisis regresi, variabel yang mempengaruhi disebut variabel independent
(variabel bebas) dan variabel yang dipengaruhi disebut variabel dependent
(variabel terikat). Jika dalam persamaan regresi hanya terdapat satu variabel
terikat,maka disebut sebagai regresi sederhana. Sedangkan jika variabel
bebasnya lebih dari satu, maka disebut sebagai persamaan regresi berganda.
Analisis korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan
hubungan tersebut. Dapat dibagi menjadi tiga kriteria, mempunyai hubungan
positif, mempunyai hubungan negatif dan tidak mempunyai hubungan. Analisis
regresi digunakan untuk mengetahui pengaruh dari variabel bebas terhadap
variable terikat. Dalam analisis regresi sederhana, pengaruh satu variabel
bebas dapat dibuat persamaan sebagai berikut:
1.2.1
Regresi Linear Sederhana
Untuk menentukan fomula
regresi linear sederhana digunakan formula sebagai berikut:
Dimana:
1.2.2
Regresi Linear Berganda
Jika pada regresi
sederhana hanya ada satu variabel dependen (Y) dan satu variabel independen
(X), maka pada kasus regresi berganda, terdapat satu variable dependen dan
lebih dari satu variabel independen. Dalam praktek bisnis, regresi berganda
justru lebih banyak digunakan, selain karena banyaknya variabel dalam bisnis
yang perlu dianalisis bersama, juga pada banyak kasus regresi berganda lebih
relevan digunakan.
Dalam banyak kasus yang
menggunakan regresi berganda, pada umumnya jumlah variabel dependen berkisar
dua sampai empat variabel. Walaupun secara teoritis dapat digunakan banyak
variabel bebas, namun penggunaan lebih dari tujuh variabel independen dianggap
akan tidak efektif. Regresi berganda didefinisikan sebagai berikut :
Dimana : Y = variabel terikat
X =variabel
bebas
a = konstanta, dan
b = koefisien korelasi
1.3 Rumusan Masalah
Berdasarkan pendahuluan di atas maka dapat dirumuskan
masalah sebagai berikut:
1. Apakah
terdapat korelasi positif beban kerja terhadap burnout Pustakawan di Kota
Mataram?
2. Apakah
terdapat korelasi positif antara rata-rata IPK mahasiswa S1 dengan angka
penilaian perusahaan penerima pekerja?
3. Apakah
tingkat pengangguran sipil berpengaruh terhadap Produk Domestik Bruto (PDB)
Rill Amerika Serikat?
4. Apakah
terdapat pengaruh positif secara parsial biaya periklanan, biaya promosi
penjualan, biaya personal selling, dan biaya publisitas terhadap volume
penjualan?
5. Apakah
terdapat pengaruh secara simultan biaya periklanan, biaya promosi penjualan,
biaya personal selling, dan biaya publisitas terhadap volume penjualan?
BAB
II
ANALISIS
DAN PEMBAHASAN
2.1
Korelasi Product Moment (Pearson)
2.1.1
Judul : Pengaruh
Beban Kerja Terhadap Burnout Pustakawan di Kota Mataram
2.1.2 Variabel:
Independen : Beban Kerja (X)
Dependen :
Burnout (Stres Kerja) (Y)
2.1.3
Data Penelitian:
Data
Penelitian dapat dilihat pada Tabel 1 di lampiran 1.
2.1.4 Analisis
Berikut akan
disajikan tabel hasil analisis menggunaka SPSS adalah sebagai berikut.
Tabel 2. Hasil Perhitungan
Korelasi Pearson Pengaruh Beban Kerja Terhadap Burnout Pustakawan di Kota
Mataram
|
Correlations
|
|||
|
|
|
BEBAN KERJA
|
BURNOUT
|
|
BEBAN
KERJA
|
Pearson
Correlation
|
1
|
.807**
|
|
Sig.
(1-tailed)
|
|
.000
|
|
|
N
|
15
|
15
|
|
|
BURNOUT
|
Pearson
Correlation
|
.807**
|
1
|
|
Sig. (1-tailed)
|
.000
|
|
|
|
N
|
15
|
15
|
|
|
**.
Correlation is significant at the 0.01 level (1-tailed).
|
|||
Sumber:
Romadhoni, 2014 (data diolah)
Pengujian Hipotesis
1.
Pertanyaan
Apakah
terdapat korelasi positif antara beban kerja dengan burnout Pustakawan di Kota
Mataram?
2.
Hipotesis
a.
H0 = Tidak terdapat korelasi
positif antara beban kerja dengan burnout Pustakawan di Kota Mataram.
b.
Ha = terdapat korelasi
positif antara beban kerja dengan burnout Pustakawan di Kota Mataram
3.
Kriteria Uji
a.
rhit ≤ rtab = 0,553 atau sig. > 0,05
artinya tidak ada korelasi
b.
rhit > rtab = 0,553 atau sig. <
0,05 artinya ada korelasi
4.
Analisis
rhit = 0,807, besarnya nilai
koefisien korelasi Produk Moment sebesar 0,807 lebih besar dari r tabel (0,553) memiliki arti bahwa terdapat korelasi
positif yang sangat kuat dan sangat signifikan (terdapat dua “**”) anatara
beban kerja dengan burnout Pustakawan di Kota Mataram. Kondisi ini juga
ditunjukkan oleh besarnya signifikansi sebesar 0,000 yang lebih besar dari
0,05.
Besarnya nilai r hitung 0,807 (berada
diantara rentang 0,80-1,00) berarti bahwa terdapat korelasi yang sangat kuat
antara beban kerja dengan burnout Pustakawan di Kota Mataram.
Koefisien korelasi sebesar 0,807
menunjukkan bahwa keeratan hubungan antara beban kerja dan burnout Pustakawan
di Kota Mataram sebesar 0,807 atau 80,7 %. Korelasi antara beban kerja dan
burnout bernilai positif berarti hubungan tersebut searah. Hal ini menunjukkan
bahwa peningkatan beban kerja akan diikuti oleh peningkatan burnout terhadap
Pustakawan di Kota Mataram.
5.
Kesimpulan
Terdapat
korelasi positif yang sangat kuat dan sangat signifikan antara beban kerja
dengan burnout Pustakawan di Kota Mataram yang ditunjukan oleh besarnya
besarnya r hitung lebih besar dari r tabel dan besarnya signifikansi (0,000)
lebih kecil dari 0,05.
2.2
Korelasi Rank Spearmen
2.2.1
Judul : Pengaruh
Rata-rata IPK Mahasiswa S1 Beberapa Perguruan Tinggi terhadap Angka Penilaian
Perusahaan Penerima Kerja di Amerika Serikat
2.2.2 Variabel:
Independen : Rata-rata IPK Mahasiswa S1 Perguruan Tinggi (X)
Dependen :
Angka Penilaian Perusahaan Penerima Kerja(Y)
2.2.3
Data Penelitian:
Adapun
data penelitian dapat dilihat pada tabel 2 di lampiran 1.
2.2.4. Analisis
Berikut disajikan data hasil olahan data
menggunakan SPSS untuk mempermudah melakukan analissi.
Tabel
3. Hasil Perhitungan Korelasi Rank Spearmen Pengaruh Rata-rata IPK Mahasiswa S1
Beberapa Perguruan Tinggi terhadap Angka Penilaian Perusahaan Penerima Kerja di
Amerika Serikat
|
Correlations
|
||||
|
|
|
|
IPK RATA-RATA
|
PERINGKAT CALON
|
|
Spearman's
rho
|
IPK
RATA-RATA
|
Correlation
Coefficient
|
1.000
|
.831**
|
|
Sig.
(1-tailed)
|
.
|
.000
|
||
|
N
|
15
|
15
|
||
|
PERINGKAT
CALON
|
Correlation
Coefficient
|
.831**
|
1.000
|
|
|
Sig.
(1-tailed)
|
.000
|
.
|
||
|
N
|
15
|
15
|
||
|
**.
Correlation is significant at the 0.01 level (1-tailed).
|
|
|
||
Sumber: Gujarati, 2007: 140 (data
diolah)
Pengujian Hipotesis
1.
Pertanyaan
Apakah terdapat korelasi positif antara
rata-rata IPK mahasiswa S1 dengan angka penilaian perusahaan penerima pekerja?
2.
Hipotesis
a.
H0= Tidak terdapat korelasi
positif antara rata-rata IPK mahasiswa S1 dengan angka penilaian perusahaan penerima pekerja.
b.
Ha= terdapat korelasi positif
antara rata-rata IPK mahasiswa S1 dengan angka penilaian perusahaan penerima pekerja.
3.
Kriteria Uji
a.
ρhit ≤ ρtab atau thit ≤ ttab
= 2,160 atau sig. > 0,05 artinya tidak ada korelasi
b.
ρhit > ρtab atau thit
> ttab = 2,160 atau sig. < 0,05 artinya ada korelasi
4.
Analisis
ρhit
= 0,831
, nilai t hitung yang
sebesar 5,386 lebih besar dari t tabel (2,160) memiliki arti
bahwa terdapat korelasi positif antara rata-rata IPK mahasiswa S1 dengan angka
penilaian perusahaan penerima pekerja.
ρhit = 0,831, besarnya nilai
koefisien korelasi Rank Spearman sebesar 0,831 (dengan tanda **) berarti terdapat
hubungan yang sangat kuat (nilai koefisen korelasi antara 0,80 – 1,00) dan sangat signifikan (dengan
tanda **) antara rata-rata IPK mahasiswa S1 dengan angka penilaian perusahaan penerima pekerja. Besarnya
keeratan hubungan tersebut sebesar 0,831 atau 83,1 persen.
5.
Kesimpulan
Terdapat
korelasi positif yang sangat kuat dan sangat signifikan antara beban kerja
dengan burnout Pustakawan di Kota Mataram yang ditunjukan oleh besarnya
besarnya r hitung lebih besar dari r tabel dan besarnya signifikansi (0,000)
lebih besar dari 0,05.
2.3
Regresi Sederhana
2.3.1
Judul : Pengaruh
Tingkat Pengangguran Sipil terhadap Produk Domestik Bruto (PDB) Riil di Amerika
Serikat
2.3.2 Variabel:
Independen : Tingkat Pengangguran Sipil (X)
Dependen :
Produk Domestik Bruto (PDB) Riil (Y)
2.3.3
Data Penelitian:
Adapun
data penelitian dapat dilihat pada tabel 3 di lampiran 1.
2.3.4
Analisis Regresi Sederhana
2.3.4.1
Perhitungan Manual
Untuk menentukan fomula
regresi linear sederhana digunakan formula sebagai berikut (Tabel bantuan
perhitungan dapat di lihat di Tabel 1 Lampiran 2):
Dimana:
2.3.4.2
Perhitungan SPSS
Adapun hasil perhitungan
regresi linear sederhana dengan menggunakan bantuan SPSS adalah sebagai
berikut:
Tabel 4. Tabel Hasil
Perhitungan Regresi Pengaruh Tingkat Pengangguran terhadap PDB Rill Amerika
Serikat Tahun
1985-1999
|
Coefficientsa
|
||||||
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
|
B
|
Std. Error
|
Beta
|
||||
|
1
|
(Constant)
|
11231.345
|
1038.187
|
|
10.818
|
.000
|
|
Tingkat
Pengangguran
|
-701.066
|
173.238
|
-.747
|
-4.047
|
.001
|
|
|
a.
Dependent Variable: PDB Rill
|
|
|
|
|
||
Sumber:
Gujarati, 2007: 141 (data diolah)
Tabel 5. Tabel Hasil
Perhitungan Regresi Pengaruh Tingkat Pengangguran terhadap PDB Rill Amerika
Serikat Tahun
1985-1999
|
Model Summary
|
||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
|
1
|
.747a
|
.557
|
.523
|
652.7504
|
|
a.
Predictors: (Constant), Tingkat Pengangguran
Sumber:
Gujarati, 2007: 141 (data diolah)
|
||||
Persamaan
Regresi:
|
Y =
|
11231,345
|
-
701,066 X
|
|
Se
|
1038.187
|
173.238
|
|
thit
|
10.818
|
- 4.047
|
|
Sig.
|
0,000
|
0,001
|
|
R2
|
0,557
|
|
Pengujian
Hipotesis:
1. Pertanyaan
Apakah
tingkat pengangguran sipil berpengaruh terhadap Produk Domestik Bruto (PDB)
Rill Amerika Serikat?
2. Hipotesis:
a.
H0: β = 0 = tingkat
pengangguran sipil tidak berpengaruh terhadap Produk Domestik Bruto (PDB) Riil
Amerika Serikat.
b.
Ha: β ≠ 0 = tingkat
pengangguran sipil berpengaruh terhadap Produk Domestik Bruto (PDB) Riil
Amerika Serikat.
3. Kriteria
Uji
a.
Taraf nyata, α = 5%
b.
- t tab (0,025; 13) = - 2,160
< thit < t tab (0,025; 13) = 2,160 atau sig. >
0,05 artinya tidak ada pengaruh (H0 diterima).
c.
thit < - t tab
(0,025; 13) = - 2,160 dan thit > t tab (0,025; 13)
= 2,160 atau sig. < 0,05 artinya ada pengaruh (Ha diterima).
4. Analisis
a.
Ujit Parsial (Uji t)
Berdsarkan hasil perhitungan SPSS 16.0
diperoleh nilai t hitung koefisien pengangguran sipil sebesar -4,047
lebih kecil dari t tabel (-2,160) maka dapat disimpulkan bahwa H0 ditolak
ini berarti Ha diterima yang artinya tingkat pengangguran sipil
berpengaruh terhadap Produk Domestik Bruto (PDB) Rill Amerika Serikat. Kondisi
ini juga ditunjukkan oleh besarnya signifikasi koefisien pengangguran sipil
sebesar 0,001 lebih kecil dari 0,05 memberikan arti bahwa terdapat pengaruh
yang positif dan signifikan antara tingkat pengangguran sipil terhadap Produk
Domestik Bruto (PDB) Riil Amerika Serikat.
b.
Interpretasi Konstanta dan Koefisien
Regresi
α = 11.231,345, besarnya intersep
regresi sebesar 11.231,345 memiliki arti bahwa, jika tingkat pengangguran
sebesar 0 persen maka besarnya Produk Domestik Bruto (PDB) Riil Amerika Serikat
sebesar US$ 11.231,341 Milyar.
b = -701,066, besarnya koefisien regresi
(tingkat pengangguran sipil) sebesar -701,066 memiliki arti bahwa, jika tingkat
pengangguran meningkat sebesar 1 satuan (persen) maka akan mengakibatkan
bersarnya Produk Domestik Bruto (PDB) Riil Amerika Serikat turun sebesar
701,066 satuan (US$ milyar).
c.
Interpretasi Koefisien Determinasi (R2)
R2 = 0,557, besarnya
koefisien determinasi sebesar 0,557 memiliki arti bahwa, 55,7 persen variasi
tingkat pengangguran sipil mampu menjelaskan variasi Produk Domestik Bruto
(PDB) Riil Amerika Serikat dan sisanya sebesar 44,3 persen dijelaskan oleh
variabel lain yang tidak dimasukkan dalam model.
5. Kesimpulan
Berdsarkan uji t dan
signifikansi di atas maka dapat disimpulkan bahwa, tingkat pengangguran sipil berpengaruh
terhadap Produk Domestik Bruto (PDB) Rill Amerika Serikat. Ini artinya Ha
diterima dan Ho ditolak.
2.4
Regresi Berganda (Eksponensial)
2.4.1
Judul Penelitian :
Analisis Pengaruh Biaya Promosi Terhadap Peningkatan Volume Penjualan Pada
Perusahaan Timbangan “SSS” Surakarta
2.4.2
Variabel:
Dependen : Volume Penjualan (Y)
Independen : Biaya Periklanan (X1)
Biaya Promosi Penjualan
(X2)
Biaya Personal Selling
(X3)
Biaya Publisitas (X4)
2.4.3 Data Penelitian:
Adapun
data penelitian dapat dilihat pada tabel 4 di lampiran 1.
2.4.4
Analisis Regresi Berganda (Eksponensial)
Adapun hasil
perhitungan regresi linear berganda (eksponensial) dengan menggunakan bantuan
SPSS adalah sebagai berikut:
Gambar
1. Hasil Kolom Kerja SPSS
Tabel 6. Hasil
Perhitungan Regresi Biaya Promosi (Periklanan, Promosi Penjualan, Personal
Selling, dan Publisitas), Serta Volume Penjualan Timbangan Periode Oktober 2007
– Desember 2008
|
Coefficientsa
|
||||||||||||
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
T
|
Sig.
|
||||||||
|
B
|
Std. Error
|
Beta
|
||||||||||
|
1
|
(Constant)
|
4.686
|
.968
|
|
4.841
|
.001
|
||||||
|
Ln
Periklanan
|
-.001
|
.230
|
.000
|
-.005
|
.996
|
|||||||
|
Ln
Promosi Penjualan
|
-.069
|
.095
|
-.131
|
-.723
|
.486
|
|||||||
|
Ln
Personal Selling
|
.335
|
.073
|
.928
|
4.602
|
.001
|
|||||||
|
Ln
Publisitas
|
-.027
|
.216
|
-.021
|
-.124
|
.904
|
|||||||
|
a.
Dependent Variable: Ln Volume Penjualan
Sumber:
Suryawan, 2009: 54 (data diolah)
|
|
|
|
|||||||||
Tabel 7. Hasil
Perhitungan Regresi Biaya Promosi (Periklanan, Promosi Penjualan, Personal
Selling, dan Publisitas), Serta Volume Penjualan Timbangan Periode Oktober
2007 – Desember 2008
ANOVAb
|
||||||||||||
|
Model
|
Sum of Squares
|
Df
|
Mean Square
|
F
|
Sig.
|
|||||||
|
1
|
Regression
|
.048
|
4
|
.012
|
7.536
|
.005a
|
||||||
|
Residual
|
.016
|
10
|
.002
|
|
|
|||||||
|
Total
|
.065
|
14
|
|
|
|
|||||||
|
a.
Predictors: (Constant), Ln Publisitas, Ln Promosi Penjualan, Ln Periklanan,
Ln Personal Selling
|
||||||||||||
|
b.
Dependent Variable: Ln Volume Penjualan
|
|
|
|
|||||||||
Sumber:
Suryawan, 2009: 54 (data diolah)
Tabel 8. Hasil
Perhitungan Regresi Biaya Promosi (Periklanan, Promosi Penjualan, Personal
Selling, dan Publisitas), Serta Volume Penjualan Timbangan Periode Oktober 2007
– Desember 2008
Model Summary
|
||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
|
1
|
.867a
|
.751
|
.651
|
.04008
|
|
a.
Predictors: (Constant), Ln Publisitas, Ln Promosi Penjualan, Ln Periklanan,
Ln Personal Selling
|
||||
Sumber:
Suryawan, 2009: 54 (data diolah)
Persamaan
Regresi
|
Y =
|
4,686
|
-
0,001 X1
|
-
0,069 X2
|
+
0,335 X3
|
-
0,027 X4
|
|
Se
|
0,968
|
0,230
|
0,095
|
0,073
|
0,216
|
|
thit
|
4,841
|
-0,005
|
-0,723
|
4,602
|
-0,124
|
|
Sig.
|
0,001
|
0,996
|
0,486
|
0,001
|
0,904
|
|
R2
|
0,751
|
F
|
7,536
|
Sig.
|
0,005
|
Pengujian
Hipotesis
1. Pertanyaan
a. Apakah
terdapat pengaruh positif secara parsial biaya periklanan, biaya promosi
penjualan, biaya personal selling, dan biaya publisitas terhadap volume
penjualan?
b. Apakah
terdapat pengaruh secara simultan biaya periklanan, biaya promosi penjualan,
biaya personal selling, dan biaya publisitas terhadap volume penjualan?
2. Hipotesis
Hipotesis
1
a. H0:
β = 0 = tidak terdapat pengaruh positif secara parsial biaya periklanan, biaya
promosi penjualan, biaya personal selling, dan biaya publisitas terhadap volume
penjualan.
b. Ha:
β > 0 = terdapat pengaruh positif secara parsial biaya periklanan, biaya
promosi penjualan, biaya personal selling, dan biaya publisitas terhadap volume
penjualan.
Hipotesis
2
a. H0:
β1 = β2 = β3 = β4 = 0 = tidak terdapat
pengaruh secara simultan biaya periklanan, biaya promosi penjualan, biaya
personal selling, dan biaya publisitas terhadap volume penjualan.
b. Ha:
βj ≠ 0 (j = 1, 2, 3, 4) = terdapat pengaruh secara simultan biaya
periklanan, biaya promosi penjualan, biaya personal selling, dan biaya
publisitas terhadap volume penjualan.
3. Kriteria
Uji
Uji Parsial (Uji t)
a. Taraf
nyata, α = 5%
b. thit
> ttab = 1,812 atau sig. ≤ 0,05 artinya ada pengaruh (Ha
diterima)
c. thit
≤ ttab = 1,812 atau sig. > 0,05 artinya tidak ada pengaruh (Ho
diterima)
Uji Simultas (Uji F)
a. Taraf
nyata, α = 5%
b. Fhit
> Ftab = 3,48 atau sig. ≤ 0,05 artinya ada pengaruh (Ha diterima)
c. Fhit
≤ Ftab = 3,48 atau sig. > 0,05 artinya tidak ada pengaruh (Ho
diterima)
4. Analisis
a. Uji
Parsial (Uji t)
Berdsarkan hasil perhitungan SPSS 16.0
diperoleh nilai t hitung koefisien biaya periklanan (X1) sebesar
-0,005 lebih kecil dari t tabel (1,812) maka dapat disimpulkan bahwa H0
diterima ini berarti Ha ditolak yang artinya biaya periklanan tidak
berpengaruh terhadap volume penjualan (Y). Kondisi ini juga ditunjukkan oleh
besarnya signifikasi koefisien biaya periklanan sebesar 0,996 lebih besar dari
0,05 memberikan arti bahwa tidak terdapat pengaruh yang positif antara biaya
periklanan terhadap volume penjualan.
Nilai t hitung koefisien biaya
promosi penjualan (X2) sebesar -0,723 lebih kecil dari t tabel
(1,812) maka dapat disimpulkan bahwa H0
diterima ini berarti Ha ditolak yang artinya biaya promosi penjualan
tidak berpengaruh terhadap volume penjualan (Y). Kondisi ini juga ditunjukkan oleh
besarnya signifikasi koefisien biaya promosi penjualan sebesar 0,486 lebih
besar dari 0,05 memberikan arti bahwa tidak terdapat pengaruh yang positif
antara biaya promosi penjualan terhadap volume penjualan.
Nilai t hitung koefisien
biaya personal selling (X3) sebesar 4,602 lebih besar dari t tabel
(1,812), maka dapat disimpulkan bahwa H0
ditolak ini berarti Ha diterima yang artinya biaya personal selling
berpengaruh positif terhadap volume penjualan (Y). Kondisi ini juga ditunjukkan
oleh besarnya signifikasi koefisien biaya personal selling sebesar 0,001 lebih
kecil dari 0,05 memberikan arti bahwa terdapat pengaruh yang positif antara
biaya personal selling terhadap volume penjualan.
Nilai t hitung koefisien
biaya publisitas (X4) sebesar -0,124 lebih kecil dari t tabel
(1,812) maka dapat disimpulkan bahwa H0
diterima ini berarti Ha ditolak yang artinya biaya publisitas tidak
berpengaruh terhadap volume penjualan (Y). Kondisi ini juga ditunjukkan oleh
besarnya signifikasi koefisien biaya publisitas sebesar 0,904 lebih besar dari
0,05 memberikan arti bahwa tidak terdapat pengaruh yang positif antara biaya publisitas
terhadap volume penjualan.
b. Uji
Simultas (Uji F)
Berdasarkan hasil perhitungan SPSS 16.0
diperoleh nilai F hitung sebesar 7,536 lebih besar dari F tabel
(3,48) maka dapat disimpulkan bahwa H0
ditolak ini berarti Ha diterima yang artinya biaya periklanan, biaya
promosi penjualan, biaya personal selling, biaya publisitas secara serempak
berpengaruh terhadap volume penjualan (Y). Kondisi ini juga ditunjukkan oleh
besarnya signifikasi sebesar 0,005 lebih kecil dari 0,05.
c. Interpretasi
Konstanta dan Koefisien Regresi
α = 4,686, besarnya intersep regresi
sebesar 4,686 memiliki arti bahwa, besarnya volume penjualan sebesar 4,686
persen apabila biaya periklanan, biaya promosi penjualan, biaya personal
selling dan biaya publisitas sama dengan 0 persen (X1=X2=X3=X4=0).
b1 = -0,001, besarnya
koefisien regresi biaya periklanan sebesar -0,001 memiliki arti bahwa, jika
biaya periklanan bertambah sebesar 1 persen maka volume penjualan akan turun
sebesar 0,001 persen dengan asumsi variabel lain konstan.
b2 = -0,069, besarnya
koefisien regresi biaya promosi penjualan sebesar -0,069 memiliki arti bahwa,
jika biaya promosi penjualan bertambah sebesar 1 persen maka volume penjualan
akan turun sebesar 0,069 persen dengan asumsi variabel lain konstan.
b3 = 0,335, besarnya
koefisien regresi biaya personal selling sebesar 0,335 memiliki arti bahwa,
jika biaya personal selling bertambah sebesar 1 persen maka volume penjualan
akan turun sebesar 0,335 persen dengan asumsi variabel lain konstan.
b4 = - 0,027, besarnya
koefisien regresi biaya publisitas sebesar -0,027 memiliki arti bahwa, jika
biaya publisitas bertambah sebesar 1 persen maka volume penjualan akan turun
sebesar 0,027 persen dengan asumsi variabel lain konstan.
d. Interpretasi
Koefisien Determinasi (R2)
R2 = 0,751,
besarnya koefisien determinasi sebesar 0,751
memiliki arti bahwa, 75,1 persen variasi naik turunnya volume penjualan mampu
dijelaskan oleh variasi biaya periklanan, biaya promosi penjualan, biaya
personal selling, dan biaya publisitas. Sisanya sebesar 24,9 persen dijelaskan
oleh variabel lain yang tidak dimasukkan dalam model
5. Kesimpulan
Berdsarkan
uji t dan signifikansi di atas maka dapat disimpulkan bahwa, hanya variabel biaya personal selling yang
berpengaruh positif dan signifikan terhadap volume penjualan. Sedangkan biaya
periklanan, biaya promosi penjualan, dan biaya publisitas tidak berpengaruh
signifikan terhadap biaya volume penjualan.
PENUTUP
Simpulan
Adapun simpulan dari
penelitian ini adalah sebagai berikut:
1.
Terdapat korelasi positif yang sangat
kuat dan sangat signifikan antara beban kerja dengan burnout Pustakawan di Kota
Mataram yang ditunjukan oleh besarnya besarnya r hitung lebih besar dari r
tabel dan besarnya signifikansi (0,000) lebih kecil dari 0,05.
2.
Terdapat korelasi positif yang sangat
kuat dan sangat signifikan antara beban kerja dengan burnout Pustakawan di Kota
Mataram yang ditunjukan oleh besarnya besarnya r hitung lebih besar dari r
tabel dan besarnya signifikansi (0,000) lebih besar dari 0,05.
3.
Berdsarkan uji t dan signifikansi di
atas maka dapat disimpulkan bahwa,
tingkat pengangguran sipil berpengaruh terhadap Produk Domestik Bruto
(PDB) Rill Amerika Serikat. Ini artinya Ha diterima dan Ho
ditolak.
4. Berdsarkan
uji t dan signifikansi di atas maka dapat disimpulkan bahwa, hanya variabel biaya personal selling yang
berpengaruh positif dan signifikan terhadap volume penjualan. Sedangkan biaya
periklanan, biaya promosi penjualan, dan biaya publisitas tidak berpengaruh
signifikan terhadap biaya volume penjualan.
DAFTAR
PUSTAKA
Gujarati,
Damodar N. 2007. Dasar-dasar Ekonometrika. Terjemahan
Erlangga. Jakarta
Romadhoni,
Lalu Ciptadi. 2014. Pengaruh Beban
Kerja, Lingkungan Kerja, Dan Dukungan Sosial Terhadap Burnout Pustakawan di Kota Mataram. Tesis: Universitas Mataram.
Suliyanto.
2011. Ekonometrika Terapan: Teori dan Aplikasi. Andi. Yogyakarta
Suryawan,
Indra. 2009. Analisis Pengaruh Biaya Promosi Terhadap Volume Penjualan Pada
Perusahaan Timbangan “SSS” Surakarta. Skripsi:
Fakultas Ekonomi Universitas Sebelas Maret Surakarta.
Wirawan,
Nata. 2014. Statistika Ekonomi dan
Bisnis: Statistika Inferensia. Keraras Emas. Denpasar.
Lampiran
1
Tabel
1. Data Penelitian Beban Kerja dan Burnout Pustakawan di Kota Mataram
|
NO
|
BEBAN KERJA (X)
|
BURNOUT (Y)
|
|
1
|
3,30
|
3,64
|
|
2
|
3,20
|
3,50
|
|
3
|
2,80
|
2,86
|
|
4
|
3,10
|
3,36
|
|
5
|
3,60
|
3,73
|
|
6
|
4,20
|
3,86
|
|
7
|
3,50
|
3,41
|
|
8
|
2,90
|
3,50
|
|
9
|
3,90
|
3,77
|
|
10
|
3,70
|
3,68
|
|
11
|
3,80
|
3,59
|
|
12
|
3,20
|
3,45
|
|
13
|
3,40
|
3,41
|
|
14
|
2,90
|
2,86
|
|
15
|
3,10
|
3,14
|
Sumber: Romadhoni, 2014 (data diolah)
Tabel
2. Rata-rata IPK Mahasiswa S1 Beberapa Perguruan Tinggi dan Angka Penilaian
Perusahaan Penerima Kerja di Amerika Serikat
|
NO
|
RATA-RATA IPK (X)
|
PERINGKAT CALON (Y)
|
|
1
|
3,60
|
4,50
|
|
2
|
3,57
|
4,40
|
|
3
|
3,50
|
4,50
|
|
4
|
3,50
|
4,10
|
|
5
|
3,40
|
4,10
|
|
6
|
3,40
|
3,90
|
|
7
|
3,50
|
4,10
|
|
8
|
3,30
|
3,70
|
|
9
|
3,40
|
3,50
|
|
10
|
3,39
|
3,20
|
|
11
|
3,28
|
3,60
|
|
12
|
3,34
|
4,00
|
|
13
|
3,31
|
3,50
|
|
14
|
3,20
|
3,20
|
|
15
|
3.26
|
3,33
|
Sumber: Gujarati (2007: 140)
Tabel
3. Produk Domestik Bruto (PDB) Riil dan Tingkat Pengangguran Sipil, Amerika
Serikat Tahun 1985-1999
|
TAHUN
|
Tingkat Pengangguran (X)
|
PDB Rill (Y)
|
|
1985
|
7,20
|
5717,10
|
|
1986
|
7,00
|
5912,40
|
|
1987
|
6,20
|
6113,30
|
|
1988
|
5,50
|
6368,40
|
|
1989
|
5,30
|
6591,80
|
|
1990
|
5,60
|
6707,90
|
|
1991
|
6,80
|
6676,40
|
|
1992
|
7,50
|
6880,00
|
|
1993
|
6,90
|
7062,60
|
|
1994
|
6,10
|
7347,70
|
|
1995
|
5,60
|
7543,80
|
|
1996
|
5,40
|
7813,20
|
|
1997
|
4,90
|
8159,50
|
|
1998
|
4,50
|
8515,70
|
|
1999
|
4,20
|
8875,80
|
Sumber: Gujarati (2007: 141)
Catatan:
Produk Domestik Bruto Riil (US$ milyar)
Tingkat
pengangguran sipil (%)
Tabel
4. Biaya Promosi (Periklanan, Promosi Penjualan, Personal Selling, dan
Publisitas), Serta Volume Penjualan Timbangan Periode Oktober 2007 – Desember
2008
|
NO
|
Periklanan (X1)
|
Promosi Penjualan (X2)
|
Personal Selling (X3)
|
Publisitas (X4)
|
Volume Penjualan (Y)
|
|
1
|
2076
|
2192
|
1160
|
1573
|
238883
|
|
2
|
2189
|
2657
|
1199
|
1000
|
243315
|
|
3
|
2217
|
1673
|
1201
|
1106
|
246825
|
|
4
|
2148
|
1660
|
1159
|
1020
|
257985
|
|
5
|
2186
|
1682
|
1261
|
1004
|
238950
|
|
6
|
2849
|
1671
|
1977
|
1225
|
269134
|
|
7
|
2896
|
1386
|
1382
|
1321
|
277256
|
|
8
|
1992
|
1126
|
1006
|
1151
|
290565
|
|
9
|
2043
|
1343
|
2213
|
1240
|
293209
|
|
10
|
2173
|
1862
|
2822
|
1391
|
332336
|
|
11
|
2289
|
2786
|
2982
|
1206
|
324731
|
|
12
|
2433
|
2910
|
2345
|
1166
|
331661
|
|
13
|
2571
|
2985
|
2812
|
1220
|
339019
|
|
14
|
2526
|
2009
|
2401
|
1202
|
367628
|
|
15
|
2520
|
2106
|
3685
|
1263
|
369731
|
Sumber:
Suryawan (2009: 54)
Lampiran 2
Tabel
1. Tabel Kerja Perhitungan Intersep dan Koefisien Regresi Pengaruh Tingkat
Pengangguran terhadap PDB Rill Amerika Serikat Tahun 1985-1999
|
No
|
Tingkat
Pengangguran (Xi)
|
PDB Riil(Yi)
|
XiYi
|
Xi2
|
|
1
|
7,20
|
5717,10
|
41163,12
|
51,84
|
|
2
|
7,00
|
5912,40
|
41386,80
|
49,00
|
|
3
|
6,20
|
6113,30
|
37902,46
|
38,44
|
|
4
|
5,50
|
6368,40
|
35026,20
|
30,25
|
|
5
|
5,30
|
6591,80
|
34936,54
|
28,09
|
|
6
|
5,60
|
6707,90
|
37564,24
|
31,36
|
|
7
|
6,80
|
6676,40
|
45399,52
|
46,24
|
|
8
|
7,50
|
6880,00
|
51600,00
|
56,25
|
|
9
|
6,90
|
7062,60
|
48731,94
|
47,61
|
|
10
|
6,10
|
7347,70
|
44820,97
|
37,21
|
|
11
|
5,60
|
7543,80
|
42245,28
|
31,36
|
|
12
|
5,40
|
7813,20
|
42191,28
|
29,16
|
|
13
|
4,90
|
8159,50
|
39981,55
|
24,01
|
|
14
|
4,50
|
8515,70
|
38320,65
|
20,25
|
|
15
|
4,20
|
8875,80
|
37278,36
|
17,64
|
|
Total
|
88,70
|
106285,60
|
618548,91
|
538,71
|
|
Rata-rata
|
5,91
|
7085,71
|
|
|
 |
7867,69
|
|
|
|
Sumber:
Gujarati, 2007: 141 (data diolah)
