Library:
> # install.packages("knitr")
> # install.packages("rmarkdown")
> # install.packages("prettydoc")
> # install.packages("equatiomatic")1 BAB I PENDAHULUAN
1.1 Latar Belakang
Dalam pemasaran suatu produk, iklan merupakan salah satu komponen penting untuk menaikkan pendapatan perusahaan. Dalam sebuah perusahaan pada umumnya marketing memegang peran penting untuk melakukan komunikasi terpadu yang bertujuan memberi informasi dari pihak perusahaan kepada konsumen.Iklan juga bisa memberi dampak yang signifikan terhadap pendapatan perusahaan. Salah satu marketing yang dapat dilakukan adalah memasang iklan, baik itu di media sosial, baliho, radio, surat kabar, dan lain sebagainya.
Iklan dapat membantu meningkatkan kesadaran merek di kalangan konsumen. Jika konsumen sudah merasa akrab dengan merek perusahaan,maka konsumen lebih condong untuk memilih produk atau layanan dari perusahaan tersebut. Ini dapat menghasilkan peningkatan penjualan dan pendapatan perusahaan.Iklan yang menarik dan persuasif juga dapat mendorong konsumen untuk melakukan pembelian.Melalui iklan yang konsisten dan menarik, perusahaan dapat memperkuat loyalitas pelanggan. Dengan mempertahankan pelanggan dan membangun hubungan jangka panjang, perusahaan dapat memastikan pendapatan yang stabil dari penjualan berulang. Untuk lebih jauh mengetahui tentang hubungan antara iklan dengan pendapatan perusahaan maka dapat dilakukan uji regresi linear sederhana untuk mengatasi permasalahan tersebut.
2 BAB II TINJAUAN PUSTAKA
2.1 Analisis Regresi Linear Sederhana
Uji regresi dapat digunakan untuk mengestimasi dan mengkuantifikasi nilai dampak satu variabel (independen/independen/prediktor) terhadap variabel lain (independen/dependen/respons). Analisis regresi disebut regresi sederhana jika hanya ada satu variabel independen. Analisis regresi disebut sebagai regresi linier berganda jika terdapat beberapa variabel bebas.
Hasil akhir seringkali dihitung menggunakan uji analisis/regresi saat menghasilkan publikasi ilmiah/penelitian. Hasil perhitungan analisis/uji regresi yang akan dituangkan dalam kesimpulan penelitian akan menunjukkan efektif atau tidaknya penelitian tersebut. Banyak perhitungan statistik, termasuk uji signifikansi (uji-t, uji-F), ANOVA, dan penentuan hipotesis yang dapat digunakan dalam analisis uji regresi. Hasil uji analisis regresi disajikan dalam bentuk persamaan regresi.
Persamaan regresi linier sederhana merupakan model persamaan yang menggambarkan hubungan antara variabel prediktor (X) dengan variabel respon (Y).Umumnya hubungan tersebut digambarkan dengan garis lurus seperti pada grafik berikut ini :
Persamaan regresi linier sederhana dapat dituliskan sebagai berikut :
Besarnya konstanta a dan b dapat ditentukan menggunakan persamaan :
n = jumlah data
2.2 Uji Asumsi Klasik
Koefisien-koefisien regresi linier merupakan nilai duga dari parameter model regresi.Parameter regresi diduga menggunakan teknik perhitungan yang disebut Ordinary Least Square (OLS). Bila kita menduga sesuatu pastinya tidak luput dari kesalahan.Tetapi dengan OLS, kesalahan pendugaan dijamin yang terkecil (dan merupakan yang terbaik) asal memenuhi beberapa asumsi. Asumsi-asumsi tersebut biasanya disebut asumsi klasik regresi linier.
Untuk mengetahui apakah koefisien regresi yang kita dapatkan telah benar, maka kita perlu melakukan pengujian terhadap kemungkinan adanya pelanggaran asumsi klasik tersebut. Langkah awal dalam pengujian asumsi klasik adalah mendapatkan data residual. Pengujian asumsi klasik menggunakan data residual, bukan data pengamatan, kecuali uji asumsi multikolinieritas. Tetapi biasanya dalam menggunakan software statistika kita tidak diminta untuk mencari data residual terlebih dahulu. Hal ini disebabkan karena pada umumnya software secara otomatis melakukan uji asumsi klasik tanpa harus mencari data residual terlebih dahulu.
Uji normalitas merupakan uji yang dapat digunakan untuk menguji apakah data berdistribusi normal atau tidak. Shapiro dan Wilk dalam Razali dan Wah (2011) menyampaikan bahwa uji Shapiro-Wilk yang pada umumnya penggunaannya terbatas untuk sampel yang kurang dari 50 agar menghasilkan keputusan yang akurat.
Uji linieritas digunakan untuk mengetahui apakah dua variabel mempunyai hubungan yang linier atau tidak secara signifikan. Uji linieritas merupakan prosedur yang digunakan untuk mengetahui status linier atau tidaknya suatu distribusi dan penelitian. Hasil yang diperoleh melalui uji linieritas akan menentukan teknik-teknik analisa yang digunakan. Apabila dari hasil uji linieritas didapatkan kesimpulan bahwa distribusi data penelitian dikategorikan linier maka data penelitian dapat digunakan dengan metoda-metoda yang ditentukan (misalnya analisa regresi linier). Demikian pula sebaliknya apabila ternyata ditemukan tidak linier maka distribusi data harus dianalisis dengan metode lain.
3 BAB III SOURCE CODE
3.0.1 Data
Sebuah perusahaan ingin mengetahui bagaimana pengaruh besarnya iklan terhadap jumlah pendapatan yang diterima. Perusahaan tersebut memiliki data biaya iklan dan pendapatan seperti yang ditunjukkan tabel berikut (dalam satuan juta rupiah).
| Biaya Iklan | Pendapatan |
|---|---|
| 15 | 65 |
| 13 | 61 |
| 14 | 60 |
| 15 | 63 |
| 13 | 59 |
| 14 | 62 |
| 12 | 56 |
| 14 | 62 |
| 13 | 60 |
| 12 | 61 |
3.0.2 Langkah-langkah pengerjaan
Buatlah data tersebut pada excel
Kemudian import ke dalam r studio dengan langkah seperti berikut :
Import dataset, kemudian pilih from Excel
Pilih browse untuk mencari file
Setelah dipilih, kemudian klik import.
Alternatif lain bisa menggunakan syntax pada r studio, lalu dilanjutkan dengan pengujian regresi.
komstat <- read_excel("KULIAH/komstat.xlsx")
View(komstat)
RegresiSederhana <- lm(Pendapatan~Biaya,komstat)
summary(RegresiSederhana)3.0.3 Pengujian Asumsi
3.0.3.1 Asumsi Normalitas (Shapiro-Wilk)
{> shapiro.test(komstat$Biaya)}
3.0.3.2 Asumsi Linearitas
> library(car)
> avPlots(RegresiSederhana)
4 HASIL DAN PEMBAHASAN
4.1 Analisis Regresi Sederhana
4.1.0.1 X terhadap Y
Hipotesis
H0: Tidak terdapat hubungan linear antara X dengan Y
H1: Terdapat hubungan linear antara X dengan Y
Statistik Uji
P-value = 0.00715
Keputusan
Karena P-value (0.00715) < α (0.05), maka Tolak H0
Interpretasi
Dapat disimpulkan secara parsial bahwa kemampuan biaya (X) berpengaruh secara signifikan terhadap pendapatan (Y).
4.1.0.2 Interpretasi
Persamaan Regresi
Y=-1.311 + 3.584X1
Koefisien determinasinya sebesar 0.6162, maka dapat disimpulkan bahwa variasi dari variabel pendapatan mampu menjelaskan 61.62% variasi dari variabel biaya. Sedangkan, 38.38% lainnya dipengaruhi oleh variabel lain yang berada diluar model.
F-hitung diperoleh 12.84 dengan p-value 0.00715.Dengan alpha = 5% , dapat disimpulkan bahwa secara serempak variabel pendapatan berpengaruh signifikan dengan variabel biaya.
Intrepretasi Beta0 = -1.311
Jika biaya bernilai konstan, maka pendapatan sebesar -1.311
Intrepretasi Beta1 = 3.584
Jika biaya bernilai konstan, maka untuk setiap kenaikan kemampuan biaya (X) sebanyak 1 satuan akan menaikkan pendapatan (Y) sebesar 3.584.
4.2 Uji Normalitas (Shapiro-Wilk)
Hipotesis
H0: Sampel berasal dari populasi berdistribusi normal
H1: Sampel tidak berasal dari populasi berdistribusi normal
α = 0.05
Statistik Uji
W = 0.90657
P-value = 0.2582
Keputusan
Karena P-value (0.2582) > α (0.05), maka Gagal Tolak H0
Interpretasi
Dapat disimpulkan bahwa sampel berasal dari populasi yang berdistribusi normal.
4.3 Uji Linearitas
Dikarenakan plot data yang tersebar berada disekitar garis, maka dapat disimpulkan bahwa data memenuhi asumsi ols yaitu asumsi linearitas.Maka data dapat dikatakan linear.
5 BAB V PENUTUP
5.1 KESIMPULAN
Pendugaan parameter regresi dan pengujian asumsi dapat dicari atau dihitung dengan software Rstudio atau juga dapat dihitung dengan manual.
Uji asumsi dapat menggunakan uji asumsi normalitas, uji asumsi multikolinieritas, uji asumsi homoskedastisitas, dan uji autokorelasi. Untuk uji normalitas dapat menggunakan uji saphiro wilk. Dari diatas didapatkan bahwa gagal tolak H0 yang berarti sampel berasal dari populasi yang menyebar normal.
Uji asumsi klasik linearitas juga dapat dilakukan.Dari plot yang sudah dibuat dapat disimpulkan bahwa data memenuhi asumsi ols yaitu asumsi linearitas.Maka data dapat dikatakan linear.
6 DAFTAR PUSTAKA
Kurniawan, D. (2014) Linear regression, Academia.edu. Available at: https://www.academia.edu/8331286/LINEAR_REGRESSION (Accessed: 29 May 2023).
YULIARA, I.M. (2016) Regresi Linier Sederhana , https://simdos.unud.ac.id/uploads/file_pendidikan_1_dir/3218126438990fa0771ddb555f70be42.pdf. Available at: https://simdos.unud.ac.id/uploads/file_pendidikan_1_dir/3218126438990fa0771ddb555f70be42.pdf (Accessed: 29 May 2023).