METODE KUANTITATIF DAN APLIKASI STATISTIK BISNIS

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.

Mataram, November 2014

Penulis

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.         H_a = terdapat korelasi positif antara beban kerja dengan burnout Pustakawan di Kota Mataram

3.        Kriteria Uji

a.         r_hit  ≤ r_tab = 0,553 atau sig. > 0,05 artinya tidak ada korelasi

b.         r_hit  > r_tab = 0,553 atau sig. < 0,05 artinya ada korelasi

4.        Analisis

r_hit = 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.         H_a= terdapat korelasi positif antara rata-rata IPK mahasiswa S1 dengan angka penilaian  perusahaan penerima pekerja.

3.        Kriteria Uji

a.         ρ_hit  ≤ ρ_tab atau t_hit ≤ t_tab = 2,160 atau sig. > 0,05 artinya tidak ada korelasi

b.         ρ_hit  > ρ_tab atau t_hit > t_tab = 2,160 atau sig. < 0,05 artinya ada korelasi

4.        Analisis

ρ_hit = 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.

ρ_hit = 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.        H_a: 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 < t_hit < t _{tab (0,025; 13)} = 2,160 atau sig. > 0,05 artinya tidak ada pengaruh (H₀ diterima).

c.         t_hit < - t _{tab (0,025; 13)} = - 2,160 dan t_hit > t _{tab (0,025; 13)} = 2,160 atau sig. < 0,05 artinya ada pengaruh (H_a 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 H_a 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 H_a diterima dan H_o 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.      H_a: 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.      H_a: β_j ≠ 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.      t_hit > t_tab = 1,812 atau sig. ≤ 0,05 artinya ada pengaruh (H_a diterima)

c.       t_hit ≤ t_tab = 1,812 atau sig. > 0,05 artinya tidak ada pengaruh (H_o diterima)

Uji Simultas (Uji F)

a.      Taraf nyata, α = 5%

b.     F_hit > F_tab = 3,48 atau sig. ≤ 0,05 artinya ada pengaruh (Ha diterima)

c.      F_hit ≤ F_tab = 3,48 atau sig. > 0,05 artinya tidak ada pengaruh (H_o 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 H_a 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 H_a 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 H_a 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 H_a 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 H_a 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 H_a diterima dan H_o 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)