bab 4 hasil dan pembahasan - thesis.binus.ac.idthesis.binus.ac.id/doc/bab4/2012-1-00650-stif bab...
TRANSCRIPT
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.