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
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
ordinal
dihitung
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) = f(-1.555) = f(-0.385) = f(0.772) =
√
√
√
√
exp (- (-1.881)2) = 0.068041951 exp (- (-1.555)2) = 0.119122965 exp (- (-0.385)2) = 0.370399004 exp (- (0.772)2) = 0.296093584
h. Menghitung SV (Scale Value) dengan rumus:
SV =
SV1 =
SV2 =
SV3 =
SV4 =
SV5 =
.
. .
= -2.268.
.
.
. .
.
.
. .
.
.
. .
.
.
. .
.
= -1.703. = -0.866. = 0.173. = -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, FHitung, 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
Sangat Rendah
0.0367314483264511
14 Harga terhadap Penjualan
6
-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 Pengaruh Antar No.
Persamaan
Hasil
Variabel 1
Bahan Baku terhadap
Ŷ = a + b1 X1
Harga 2
Promosi terhadap
0.0118510612539331 ) x Ŷ = a + b2 X2
Harga 3
Bahan Baku
Promosi terhadap Penjualan
Y = ( 2.70428462275158 ) + ( 0.54872732179911 ) x
= a + b1 X1
terhadap Penjualan 4
Y = ( 2.70445972034886 ) + ( -
Z = ( 3.66400214965456 ) + ( 0.0185277185023863 ) x
= a + b2 X2
Z = ( 3.66382705205728 ) + ( 0.0847240403879915 ) x
17 5
Bahan baku dan
Ŷ = a + b1 X1 – b2 X2
y = 7.2384667974389+
promosi secara
(0.0460182115944431 ) x1 + (-
simultan terhadap
1.64662516786373) x2
harga 6
Bahan baku, dan
= a + b1 X1 + b2 X2
Z = 8.19800922674459+
promosi secara
(0.137139821737111 ) x1 + (-
simultan terhadap
2.26796987477326) x2
penjualan 7
Harga terhadap
= a + b2 Y
Penjualan
4.5.2.1
Z = ( 4.20225142919548 ) + ( 0.214289654130956 ) x
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.
