analisis regresi dan korelasi sederhana
TRANSCRIPT
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