BAB IV
ANALISA HASIL DAN PEMBAHASAN
A. Analisa Hipotesis
1.
Statistik Deskriptif Untuk Biaya Pemasaran Tahun 2002
dan
Penjualan Bersih Tahun 2003
Statistik deskriptif lebih berhubungan dengan pengumpulan dan
peringkasan data-data untuk menggambarkan keadaan data variabel biaya pemasaran dan variabel penjualan bersih yang sebenarnya secara statistik.
Data ini terdiri dari nilai data minimum, data maksimum, data mean dan data standar deviasi. Tabel 4.1
Descriptive Statistics N
Minimum
Penjualan Bersih
Maximum
Mean
Std. Deviation
30
2.73E+010
Biaya Pemasaran
3.15E+013
4.3751E+012
7.57053E+012
30
Valid N (listwise)
3.87E+009
1.51E+012
2.7694E+011
4.12223E+011
30
Sumber: Data Diolah (Tahun 2006)
Analisa dari statistik deskriptif yaitu : N adalah jumlah data yang
diolah dalam penelitian ini, dimana terdiri dari variabel penjualan bersih dan variabel biaya pemasaran dengan jumlah sebanyak 30 sampel. Mean merupakan nilai rata-rata, dalam analisa statistik deskriptif
diketahui bahwa rata-rata penjualan bersih dari ke-30 sampel data tersebut
adalah Rp.4,3751 triliun, standar deviasi Rp.7,57053 triliun, data
minimum Rp.27,300 milyar dan data maksimum Rp.31,500 triliun.
29
30
Sedangkan biaya pemasaran, rata-ratanya adalah Rp. 276,940 milyar, standar deviasi Rp. 412,223 milyar, data minimum Rp. 3,870 milyar dan data maksimum sebesar Rp. 1,510 triliun. 2.
Analisa Uji Normalitas Gambar 4.1
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Penjualan
0.0
0.2
0.4
0.6
0.8
1 0
Observed Cum Prob
Berdasarkan hasil output Normal P-Plot di atas memperlihatkan distribusi titik-titik data menyebar di sekitar garis diagonal, dan penyebaran titik-titik data searah dengan garis diagonal. Jadi data biaya pemasaran tahun 2002 dan penjualan bersih taljim 2003 yang digunakan untuk penelitian ini dapat dikatakan normal.
3. Analisa Regresi Sederhana Untuk Bjaya Pemasaran Tahun 3QO3 dan Penjualan Bersih Tahun 2003
Setelah menganalisa statistik deskriptif, (angkah selan^tnya
adalah melakukan pengukuran regresi untuk ^mengetahui apakafa ada
31
pengaruh antara 2 (dua) variabel terukur tersebut. Dalam analisa regresi
linier sederhana,
akan dikembangkan sebuah estimating equation
(persamaan regresi) yaitu sebuah formula matematika yang mencari nilai
variabel dependen dari nilai variabel independen yang diketahui. Dampak
dan penggunaan analisis regresi dapat diketahui serta memutuskan apakah naik dan menurunnya variabel dependen dipengaruhi oleh variabel independen.
Dalam analisa regresi, selain mengukur pengaruh juga dapat mengukur kekuatan dan arah hubungan antara variabel dependen dengan
variabel independen. Dalam penelitian ini variabel dependen diasumsikan
random (acak), yang berarti mempunyai probabilistik, sedangkan variabel
independen diasumsikan memiliki nilai tetap. Dalam analisa regresi ini penulis menguji ketepatan dan kehandalan panelitian melalui beberapa tahap, yaitu : ketepatan regresi (diukur dengan standar error dari
estimasi), dan kehandalan secara statistik masing-masing variabel bebas (t-test).
a.
Ketepatan Regresi
Standard error of estimate adalah Rp.4,44450 triliun (dengan menggunakan satuan yang dipakai adalah variabel dependen, yaitu
penjualan bersih). Pada analisa sebelumnya menunjukkan standar
deviasi untuk penjualan bersih sebesar Rp.7,57053 triliun, berarti sedikit lebih besar dari Standard error of estimate yang hanya
Rp.4,44450 triliun. Karena lebih kecil dari standar deviasi penjualan
32
.
bersih, maka dapat disimpulkan model regresi lebih bagus dalam
bertindak sebagai predictor penjualan bersih daripada rata-rata penjualan bersih itu sendiri.
b.
Uji Signifikansi Parameter Individual (t - test) Tabel 4.2
Coefficients
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
B
(Constant) Biaya Pemasaran
Std Error
2E+011
1E+012
15.001
2.002
Beta
.817
t
Siq.
.224
.824
7.493
.000
a. Dependent Variable: Penjualan Bersih Sumber : Data Diolah (Tahun 2006)
Uji signifikansi parameter individual (t - test ) untuk dapat
menginterprestasikan
koefisien
variabel
bebas
menggunakan
Unstandardized Coeficients atau Standardized Coeflcients. Berdasarkan tabel di atas hasil uji signifikansi parameter
individual (t-test), menunjukkan persamaan regresi linier sederhana Y=Rp.200.000.000.000 + 15,001X. Dimana Y merupakan penjualan bersih dan X adalah biaya pemasaran. Dengan suatu konstanta sebesar Rp.200.000.000.000 menyatakan bahwa jika tidak ada biaya pemasaran, maka penjualan bersih adalah Rp. 200.000.000.000.
Koefisien regresi 15,001 menyatakan bahwa setiap penambahan
(karena tanda +) Rp.l,- biaya pemasaran akan meningkatkan penjualan bersih sebesar Rp.l5,001. Angka 0,817 dalam tabel di atas
adalah angka standardized coefficient (beta) menunjukkan kolerasi
33
yang berarti terdapat hubungan yang sangat kuat antara biaya pemasaran dengan penjualan bersih.
Dari hasil tabel di atas angka Sig./ Significance sebesar 0,000. Dengan menggunakan hipotesis: Ho : Koefisien regresi tidak signifikan Ha : Koefisien regresi signifikan
Berdasarkan nilai probabilitas atau tingkat signifikansi, sebagai berikut:
Probabilitas > 0,05, Ho diterima Probabilitas < 0,05, Ho ditolak
Dari hasil output tabel uji t-test tersebut, angka sig. sebesar
0,000 < 0,05, maka Ho ditolak dan secara otomatis Ha diterima. Hal ini berarti koefisien regresi signifikan dan biaya pemasaran benarbenar berpengaruh terhadap penjualan bersih.
Dari tabel di atas angka pada kolom t sebesar 7,493. Dengan menggunakan hipotesis :
Ho : Koefisien regresi tidak signifikan Ha : Koefisien regresi signifikan
Berdasarkan membandingkan antara statistik hitung dengan statistik tabel, sebagai berikut:
Statistik t Hitung (t output) > Statistik t Tabel, Ho ditolak
Statistik t hitung (t output) < Statistik t Tabel, Ho diterima
34
Pada hasil tabel output terdapat t hitung sebesar 7,493,
sedangkan untuk statistik tabel diperoleh dengan tingkat signifikansi (a) 5% (diketahui dari input data di bagian option dengan memilih tingkat kepercayaan 95%), df atau derajat kebebasan sebanyak 28. Maka diperoleh angka 2,0484.
Dari hasil membandingkan statistik hitung dengan statistik
tabel, maka didapat statistik t hitung (7,493) > statistik t tabel (2,0484). Berdasarkan perbandingan tersebut dapat disimpulkan
bahwa Ho ditolak yang secara otomatis Ha diterima, berarti koefisien regresi signifikan dan biaya pemasaran benar-benar mempunyai pengaruh besar secara signifikan terhadap penjualan bersih.
4.
Statistik Deskriptif Untuk Biaya Pemasaran Tahun 2003 dan Penjualan Bersih Tahun 2004 Tabel 4.3
Descriptive Statistics N
Penjualan Bersih
Minimum
Maximum
30
3.40E+010
Biaya Pemasaran
4.43E+013
5.1641E+012
9.50629E+012
30
4.23E+009
Valid N (listwise)
1.82E+012
3.2533E+011
5.05232E+011
30
Mean
Std. Deviation
bumber : Data Diolah (Tahun 2006)
Analisis dari ststistik deskriptif yaitu : N merupakan
jumlah data sampel yang diolah dalam penelhian ini, terdiri dari variabel biaya pemasaran dan variabel penjualan bersih.
Mean atau rata-rata pada biaya pemasaran dari ke-30 sampel data
tersebut adalah Rp.325,330 milyar, standar deviasi sebesar Rp.505,232
I PERPVSTAKW!) 1MB ! F
35
milyar, data minimum Rp.4,230 milyar dan data maksimum Rp. 1,820
triliun. Untuk penjualan bersih mempunyai mean atau rata-rata sebesar Rp.5,1641 triliun, standar deviasi Rp.9,50629 triliun, sedangkan data minimum Rp.34 milyar dan data maksimum Rp.44,300 triliun. 5.
Analisa Uji Normalitas Gam bar 4.2
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Penjualan 1.0-
0.0
0.2
0.4
0.6
Observed Cum Prob
Berdasarkan hasil output Normal P-Plot di atas memperlihatkan
distribusi titik-titik data menyebar di sekhar garis diagonal, dan penyebaran titik-titik data searah dengan garis diagonal. Jadi data biaya pemasaran tahun 2003 dan penjualan bersih tahun 2004 yang digunakan untuk penelitian ini dapat dikatakan normal
36
6. Analisa Regresi Sederhana Untuk Biaya Pemasaran Tahun 2003 dan Penjualan Bersih Tahun 2004 a.
Ketepatan Regresi
Standard error ofestimate Rp.5,70343 triliun (dengan satuan yang
dipakai adalah variabel dependen penjualan bersih). Pada analisis sebelumnya, standar deviasi penjualan bersih Rp.9,50629 triliun yang
lebih besar dari Standard error ofestimate yang hanya Rp.5,70343 triliun. Karena lebih kecil dari standar deviasi penjualan bersih, maka model regresi lebih bagus dalam bertindak sebagai predictor penjualan bersih daripada rata-rata penjualan bersih itu sendiri.
b.
Uji Signifikansi Parameter Individual (t - test) Tabel 4.4 Coefficients
Model
1
Unstandardized
Standardized
Coefficients
Coefficients
B
(Constant) Biaya Pemasaran
Std Error
2E+011
1E+012
15.198
2.096
Beta
. t
.808
.176
.861
7.250
.000
Uji signifikansi parameter individual (t - test ) untuk dapat
menginterprestasikan
koefisien
variabel
bebas
Siq.
menggunakan
Unstandardized Coeflcients atau Standardized Coeficients. Berdasarkan tabel di atas hasil uji signifikansi parameter
individual (t-test), menunjukkan persamaan regresi linier sederhana Y=Rp.200.000.000.000 + 15,198X. Dimana Y merupakan penjualan bersih dan X adalah biaya pemasaraiL Dengan suatu konstanta
37
sebesar Rp.200.000.000.000 menyatakan bahwa jika tidak ada biaya pemasaran, maka penjualan bersih adalah Rp. 200.000.000.000.
Koefisien regresi 15,198 menyatakan bahwa setiap penambahan
(karena tanda +) Rp.l,- biaya pemasaran akan meningkatkan penjualan bersih sebesar Rp.15,198. Angka 0,808 dalam tabel di atas
adalah angka standardized coefficient (beta) menunjukkan kolerasi yang berarti terdapat hubungan yang sangat kuat antara biaya pemasaran dengan penjualan bersih.
Dari hasil tabel di atas angka Sig./ Significance sebesar 0,000. Dengan menggunakan hipotesis:
Ho : Koefisien regresi tidak signifikan Ha : Koefisien regresi signifikan
Berdasarkan nilai probabilitas atau tingkat signifikansi, sebagai berikut:
Probabilitas > 0,05, Ho diterima
Probabilitas < 0,05, Ho ditolak
Dari hasil output tabel uji t-test tersebut, angka sig. sebesar
0,000 < 0,05, maka Ho ditolak dan secara otomatis Ha diterima. Hal ini berarti koefisien regresi signifikan dan biaya pemasaran benarbenar berpengaruh terhadap penjualan bersih. Dari tabel di atas angka pada kolom t sebesar 7,250. Dengan menggunakan hipotesis:
Ho : Koefisien regresi tidak signifikan
38
Ha : Koefisien regresi signiiikan
Berdasarkan membandingkan antara statistik hitung dengan statistik tabel, sebagai berikut:
Statistik t Hitung (t output) > Statistik t Tabel, Ho ditolak Statistik t hitung (t output) < Statistik t Tabel, Ho diterima
Pada hasil tabel output terdapat t hitung sebesar 7,250, sedangkan untuk statistik tabel diperoleh dengan tingkat signifikansi (a) 5% (diketahui dari input data di bagian option dengan memilih
tingkat kepercayaan 95%), df atau derajat kebebasan sebanyak 28. Maka diperoleh angka 2,0484.
Dari hasil membandingkan statistik hitung dengan statistik
tabel, maka didapat statistik t hitung (7,250) > statistik t tabel
(2,0484). Berdasarkan perbandingan tersebut dapat disimpulkan
bahwa Ho ditolak yang secara otomatis Ha diterima, berarti koefisien regresi signifikan dan biaya pemasaran benar-benar mempunyai pengaruh besar secara signifikan terhadap penjualan bersih.
7. Statistik Deskriptif Untuk Biaya Pemasaran Tahun 2004 dan Penjualan Bersih Tahun 2005 Tabel 4.5
Descriptive Statistics N Penjualan Bersih
Minimum
Maximum
30
3.96E+010
Biaya Pemasaran
6.12E+013
6.1290E+012
1.24246E+013
30
Valid N (listwise)
4.27E+009
2.21E+012
3.8119E+011
30
6.09117E+011
Mean
Std. Deviation
Sumber: Data Diolah (Tahun 2006)
***?
PERPUSTAkAAJH UMB tuutuhannvft
39
Aralisis dari statistik deskriptif yaitu : N merupakan jumlah data
yang diolah dalam penelitian ini terdiri dari variabel biaya pemasaran dan variabel penjualan bersih.
Mean atau rata-rata pada biaya pemasaran dari ke-30 sampel data tersebut adalah Rp.381,190 milyar, standar deviasi sebesar Rp.609,117 milyar, data minimum Rp.4,270 milyar dan data maksimum Rp.2,210
triliun. Untuk penjualan bersih mempunyai mean atau rata-rata sebesar Rp.6,129 triliun, standar deviasi Rp.12,4246 triliun, sedangkan data minimum Rp.39,600 milyar dan data maksimum Rp.61,200 triliun. 8.
Analisa Uji Normatitas Gam bar 4.3
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Penjualan
00
0.2
0.4
0.6
0.8
1 0
Observed Cum Prob
Berdasarkan hasil output Normal P-Plot di atas memperlihatkan distribusi titik-titik data menyebar di sekitar garis diagonal, dan penyebaran titik-titik data tersebut searah dengan garis diagonal. Jadi data
40
biaya pemasaran tahun 2004 dan penjualan bersih tahun 2005 yang digunakan untuk penelitian ini dapat dikatakan normal.
9.
Analisa Regresi Sederhana Untuk Biaya Pemasaran Tahun 2004 dan Penjualan Bersih Tahun 2005 a.
Ketepatan Regresi
Standard error of estimate Rp.6,88972 triliun (dengan satuan yang
dipakai adalah variabel dependen penjualan bersih). Pada analisis sebelumnya, standar deviasi penjualan bersih Rp. 12,4246 triliun yang
lebih besar dari Standard error ofestimate yang hanya Rp.6,88972 triliun. Karena lebih kecil dari standar deviasi penjualan bersih, maka model
regresi lebih bagus dalam bertindak sebagai predictor penjualan bersih daripada rata-rata penjualan bersih itu sendiri. b.
Uji Signifikansi Parameter Individual (t - test) Tabel 4.6
Coefficients
Model
1
Un standardized
Standardized
Coefficients
Coefficients
B
(Constant) Biaya Pemasaran
Std Error
-4E+011
1E+012
17.104
2.100
Beta
t
.839
a. Dependent Variable: Penjualan Bersih
-.262
.795
8.143
.000
Uji signifikansi parameter individual atau t-test, untuk dapat menginterprestasikan koefisien variabel bebas dapat menggunakan Unstandardized Coefficients atau Standardized Coefficients.
Berdasarkan tabel di atas hasil uji signifikansi parameter
individual (t-test), menunjukkan persamaan regresi linier sederhana
41
Y=-Rp.400.000.000.000 + 17,104X. Dimana Y merupakan penjualan bersih dan X adalah biaya pemasaran. Dengan suatu konstanta sebesar -Rp.400.000.000.000 menyatakan bahwa jika tidak ada biaya pemasaran, maka penjualan bersih adalah -Rp.400.000.000.000. Koefisien regresi 17,104 menyatakan bahwa setiap penambahan
(karena tanda +) Rp.l,- biaya pemasaran akan meningkatkan penjualan bersih sebesar Rp.17,104. Angka 0,839 dalam tabel di atas
adalah angka standardized coefficient (beta) menunjukkan kolerasi yang berarti terdapat hubungan yang sangat kuat antara biaya pemasaran dengan penjualan bersih.
Dari hasil tabel di atas angka Sig7 Significance sebesar 0,000. Dengan menggunakan hipotesis : Ho : Koefisien regresi tidak signifikan Ha : Koefisien regresi signifikan
Berdasarkan nilai probabilitas atau tingkat signifikansi, sebagai berikut:
Probabilitas > 0,05, Ho diterima Probabilitas < 0,05, Ho ditolak
Dari hasil output tabel uji t-test tersebut, angka sig. sebesar
0,000 < 0,05, maka Ho ditolak dan secara otomatis Ha diterima. Hal ini berarti koefisien regresi signifikan dan biaya pemasaran benarbenar berpengaruh terhadap penjualan bersih.
42
Dari tabel di atas angka pada kolom t sebesar 8,143. Dengan menggunakan hipotesis:
Ho : Koefisien regresi tidak signifikan Ha : Koefisien regresi signifikan
Berdasarkan membandingkan antara statistik hitung dengan statistik tabel, sebagai berikut:
Statistik t Hitung (t output) > Statistik t Tabel, Ho ditolak
Statistik t hitung (t output) < Statistik t Tabel, Ho diterima Pada hasil tabel output terdapat t hitung sebesar 8,143,
sedangkan untuk statistik tabel diperoleh dengan tingkat signifikansi (a) 5% (diketahui dari input data di bagian option dengan memilih
tingkat kepercayaan 95%), df atau derajat kebebasan sebanyak 28. Maka diperoleh angka 2,0484.
Dari hasil membandingkan statistik hitung dengan statistik
tabel, maka didapat statistik t hitung (8,143) > statistik t tabel (2,0484). Berdasarkan perbandingan tersebut dapat disimpulkan
bahwa Ho ditolak yang secara otomatis Ha diterima, berarti koefisien regresi signifikan dan biaya pemasaran benar-benar mempunyai pengaruh besar secara signifikan terhadap penjualan bersih.
B. Keterbatasan Penelitian
Dalam
suatu penelitian selalu terdapat
beberapa keterbatasan.
Keterbatasan peneUtian ini sengaja dilakukan penulis guna menyederhanakan
43
permasalahan dan pembahasan, juga karena adanya keterbatasan waktu dan
kemampuan penulis. Beberapa keterbatasan yang menyebabkan penelitian ini masih belum sempurna adalah sebagai berikut:
1. Jumlah sampel yang diambil penulis hanya 30 perusahaan yang batas minimal, sehingga dianggap belum cukup mewakili populasi yang ada. 2. Perusahaan yang diikutsertakan penulis dalam penelitian ini hanya perusahaan bergerak dibidang manufaktur (Industri Dasar dan Kimia,
Aneka Industri,
dan
Industri
Barang
Konsumsi),
penulis tidak
mengikutsertakan perusahaan yang bergerak disektor keuangan, property, dan retail.
3. Periode penelitian yang diambil penulis hanya selama 3 (tiga) tahun, sedangkan untuk mengetahui trend pergerakan penjualan bersih paling
tidak hams dilakukan 5 (lima) tahun. Hal ini dilakukan penulis, karena kesulitan dalam pengumpulan data dan mengingat waktu yang terbatas. Beberapa keterbatasan di atas, mungkin dalam penelitian selanjutnya
dapat dikurangin seminal mungkin, agar hasil yang diperoleh bisa lebih akurat dan bermanfaat lagi.
