1.1 Latar Belakang

Perkembangan zaman, khususnya pada bidang perekonomian berpengaruh terhadap banyaknya perusahaan yang berdiri di negara kita baik di bidang ekonomi, industri, perdagangan maupun bidang lainnya. Hal ini menyebabkan tingkat persaingan usaha menjadi tinggi. Untuk itu, setiap kegiatan usaha yang bergerak dalam bidang produksi barang atau jasa, perlu dikelola secara efisien dan efektif guna mencapai tujuan usahanya yaitu dapat berkembang dengan maju saat menghadapi masalah, salah satunya pemasaran. Untuk mengatasi ketatnya persaingan dalam pemasaran maka salah satu upaya yang dapat dilakukan oleh perusahaan adalah dengan menerapkan strategi promosi, dimana dalam penerapan strategi tersebut perusahaan berusaha untuk menerapkan promosi yang baik dan dapat diterima oleh konsumen, sehingga peningkatan penjualan dapat terus meningkat. Promosi merupakan kegiatan yang dilakukan oleh perusahaan dengan tujuan untuk menginformasikan,memberitahukan, membujuk, dan mempengaruhi konsumen dalam memilih atau membeli suatu produk yang ditawarkan oleh perusahaan. Sukses atau tidaknya suatu perusahaan yang beroperasi selalu dihadapkan dengan biaya, biaya yang dibutuhkan oleh perusahaan. Perusahaan harus memberikan produk yang menarik dan kualitasnya terjamin, menetapkan harga jual,dan melakukan kegiatan promosi guna mencapai tujuan yang diharapkan. Untuk mencapai hal tersebut, perusahaan harus mengarahkan kegiatan usahanya agar menghasilkan produk yang dapat memberikan kepuasan kepada konsumen dan keuntungan bagi perusahaan. Untuk mencapai maksud dan tujuan dari perusahaan tersebut, dibutuhkan beberapa strategi pemasaran dalam menunjang pencapaian tersebut diantaranya strategi bauran promosi yang salah satunya adalah promosi penjualan sebagai suatu strategi dalam memasarkan produk atau jasa yang akan ditawarkan atau dijual. Karena adanya strategi ini akan membawa pengaruh besar dalam penjualan di masa yang akan datang. Tanpa promosi, tentu akan berakibat semakin kecil volume penjualan yang dapat dicapai perusahaan bersangkutan. Promosi sebagian dari kegiatan pemasaran merupakan salah satu aspek yang dapat menunjang keberhasilan perusahaan dalam mempertahankan dan meningkatkan pangsa pasar.Sesuai dengan latar belakang permasalahan yang telah dikemukakan sebelumnya,maka dalam praktikum ini akan membahas mengenai salah satu analisis yaitu analisis regresi linier sederhana untuk mengetahui pengaruh biaya produksi terhadap volume penjualan pada suatu perusahaan.

1.2 Data Penelitian

Data biaya promosi dan data volume penjualan diambil dari data suatu perusahaan penjualan di suatu perusahaan. Dengan ini di dapat variabel dependen (Y) adalah volume penjualan dan variabel independen (X) adalah biaya promosi.

> library(knitr)
> No<- 1:20
> Biaya_Promosi<-c(12.000,13.500,12.275,12.600,14.850,15.200,15.750, 16.800,18.450,17.900,18.250,16.480,17.500,19.560,19.000,20.450,22.650,21.400,22.900,23.500)
> Volume_Penjualan<-c(56.000,62.430,60.850,61.300,65.825,66.354,65.260,68.798,70.470,65.200,68.000,64.200,65.300,69.562,68.750,70.256,72.351,70.287,73.564,75.642)
> Data_Penjualan<- data.frame(No,Biaya_Promosi,Volume_Penjualan)
> Data_Penjualan
   No Biaya_Promosi Volume_Penjualan
1   1        12.000           56.000
2   2        13.500           62.430
3   3        12.275           60.850
4   4        12.600           61.300
5   5        14.850           65.825
6   6        15.200           66.354
7   7        15.750           65.260
8   8        16.800           68.798
9   9        18.450           70.470
10 10        17.900           65.200
11 11        18.250           68.000
12 12        16.480           64.200
13 13        17.500           65.300
14 14        19.560           69.562
15 15        19.000           68.750
16 16        20.450           70.256
17 17        22.650           72.351
18 18        21.400           70.287
19 19        22.900           73.564
20 20        23.500           75.642
> kable(Data_Penjualan,caption = "Tabel Data Penjualan Tahun 2017")

2.1 Analisis Pendahuluan

Analisis yang digunakan untuk memvisualisasi hubungan linear antara variabel prediktor dan variabel respons yang ditunjukkan oleh diagram penca (scatterplot)

> scatterplot<- scatter.smooth(x= Biaya_Promosi,y= Volume_Penjualan, main= "Scatterplot Biaya Promosi terhadap Volume Penjualan", xlab = "Biaya Promosi (dalam Rupiah)", ylab="Volume Penjualan")

2.2 Statistika Deskriptif

Statistika deskriptif merupakan metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data untuk mendeskripsikan atau memberi gambaran objek sehingga memberikan informasi yang bermakna. Statistika deskriptif biasanya digunakan sebagai langkah awal merapikan data sebelum dilaksanakan analisis lebih lanjut sehingga tidak memberikan kesimpulan apapun tentang gugus data induknya. Terdapat berbagai bentuk deskriptif yang dapat dibuat dari data, dimulai dari bentuk visual seperti tabel, grafik, diagram. Selain itu, terdapat berbagai ukuran data seperti ukuran pemusatan dan ukuran penyebaran. Jadi, statistika deskriptif adalah statistika statistika yang menggunakan data pada suatu kelompok untuk menjelaskan atau menarik kesimpulan mengenai kelompok itu saja.

2.3 Statistika Inferensial

Selain statistika deskriptif, dalam pengertian sebagai ilmu, terdapat juga Statistika Inferensial. Statistika inferensial mencakup semua metode yang digunakan dalam penarikan kesimpulan atau generalisasi sifat-sifat sampel dengan menganalisis dan menginterpretasikan data menjadi sebuah kesimpulan. Sebelum menarik kesimpulan, dilakukan suatu dugaan yang diperoleh dari statistika deskriptif. Sifat statistik inferensial, yaitu: 1. Data yang dianalisis berasal dari sampel acak 2. Analisis yang didasarkan atas asumsi bahwa data memiliki sebaran tertentu 3. Sampel harus mempunyai jumlah tertentu dengan standar keterwakilannya

2.4 Regresi

Analisis regresi adalag suatu metode statistika yang dilakukan untuk pemeriksaan dan pemodelan hubungan antar variabel. Analisis ini terdiri dari dua komponen yang dihubungkan, yakni variabel respons dan satu atau beberapa variabel prediktor. Variabel respons sering disebut juga dengan variabel tidak bebas (dependen). Sedangkan variabel prediktor biasa disebut dengan variabel bebas (independen) atau variabel penjelas. Dalam persamaan regresi, hanya terdapat satu variabel respons.

2.5 Asumsi Regresi

3.1 Library

> # Library
> # install.packages("knitr")
> # install.packages("rmarkdown")
> # install.packages("prettydoc")
> # install.packages("equatiomatic")

3.2 Input Data

> X<-c(12.000,13.500,12.275,12.600,14.850,15.200,15.750, 16.800,18.450,17.900,18.250,16.480,17.500,19.560,19.000,20.450,22.650,21.400,22.900,23.500)
> Y<-c(56.000,62.430,60.850,61.300,65.825,66.354,65.260,68.798,70.470,65.200,68.000,64.200,65.300,69.562,68.750,70.256,72.351,70.287,73.564,75.642)
> Data_Penjualan<- data.frame(X,Y)
> Data_Penjualan
        X      Y
1  12.000 56.000
2  13.500 62.430
3  12.275 60.850
4  12.600 61.300
5  14.850 65.825
6  15.200 66.354
7  15.750 65.260
8  16.800 68.798
9  18.450 70.470
10 17.900 65.200
11 18.250 68.000
12 16.480 64.200
13 17.500 65.300
14 19.560 69.562
15 19.000 68.750
16 20.450 70.256
17 22.650 72.351
18 21.400 70.287
19 22.900 73.564
20 23.500 75.642

3.3 Analisis Regresi Linear Sederhana

> regresi<-lm(Y~X, data=Data_Penjualan)
> summary(regresi)

Call:
lm(formula = Y ~ X, data = Data_Penjualan)

Residuals:
    Min      1Q  Median      3Q     Max 
-4.1068 -1.1364  0.0744  0.6652  2.7131 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  45.1615     2.0322   22.22 1.55e-14 ***
X             1.2454     0.1136   10.96 2.13e-09 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.753 on 18 degrees of freedom
Multiple R-squared:  0.8697,    Adjusted R-squared:  0.8625 
F-statistic: 120.2 on 1 and 18 DF,  p-value: 2.134e-09

3.4 Uji Asumsi

> library(lmtest)
> bptest(regresi,studentize=FALSE, data= Data_Penjualan)

    Breusch-Pagan test

data:  regresi
BP = 2.7043, df = 1, p-value = 0.1001

> shapiro.test(regresi$residuals)

    Shapiro-Wilk normality test

data:  regresi$residuals
W = 0.95697, p-value = 0.4852

> install.packages("lmtest")
Error in contrib.url(repos, "source"): trying to use CRAN without setting a mirror
> library(lmtest)
> dwtest(regresi)

    Durbin-Watson test

data:  regresi
DW = 1.2412, p-value = 0.01959
alternative hypothesis: true autocorrelation is greater than 0

4.1 Analisis Regresi Linear Sederhana

> regresi<-lm(Y~X, data=Data_Penjualan)
> summary(regresi)

Call:
lm(formula = Y ~ X, data = Data_Penjualan)

Residuals:
    Min      1Q  Median      3Q     Max 
-4.1068 -1.1364  0.0744  0.6652  2.7131 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  45.1615     2.0322   22.22 1.55e-14 ***
X             1.2454     0.1136   10.96 2.13e-09 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.753 on 18 degrees of freedom
Multiple R-squared:  0.8697,    Adjusted R-squared:  0.8625 
F-statistic: 120.2 on 1 and 18 DF,  p-value: 2.134e-09

4.2 Pengujian Hipotesis dengan Uji F

Uji F bertujuan untuk mencari apakah variabel independen secara bersama – sama (stimultan) mempengaruhi variabel dependen. Uji F dilakukan untuk melihat pengaruh dari seluruh variabel bebas secara bersama-sama terhadap variabel terikat. Pada kasus ini, tingkatan yang digunakan sebesar 5% atau 0.05.Jika nilai signifikan F < 0.05 maka dapat diartikan bahwa variabel independent secara simultan mempengaruhi variabel dependen ataupun sebaliknya (Ghozali, 2016). Hipotesis: \[ H_0 =\beta_1 = \beta_2 = 0 \\(Terdapat \ pengaruh \ signifikan \ faktor \ promosi \ terhadap \ volume \ penjualan ) \\H_1 = Minimal\ terdapat\ salah\ satu\ \beta_i != 0, di\ mana\ i = 1,2 \\(Minimal\ terdapat\ 1\ faktor\ promosi\ terhadap\ volume\ penjualan) \] Taraf nyata \Alpha = 0.05 \F_hit = 120.2 \P-value = 2.134e-09 \Keputusan: \P-value (2.134e-09) < alpha = 0.05, maka tolak H0 \Kesimpulan: \Dengan taraf nyata 0,05 maka dapat disimpulkan bahwa minimal terdapat 1 faktor promosi terhadap volume penjualan

4.3 Pengujian Hipotesis dengan Uji t

Uji t digunakan untuk mengetahui apakah variabel independen (X) berpengaruh secara signifikan terhadap variabel dependen (Y). Signifikan berarti pengaruh yang terjadi dapat berlaku untuk populasi (dapat digeneralisasikan). Hipotesis: \[ H_0 = \beta_1 = 0 \\ (Biaya\ promosi\ tidak\ berpengaruh\ secara\ signifkan\ terhadap\ volume\ penjualan) \\H_1 = \beta_1 != 0 \\ (Biaya\ promosi\ berpengaruh\ secara\ signifkan\ terhadap\ volume\ penjualan) \] Taraf nyata \Alpha = 0.05 \t_hit = 10.96 \P-value = 2.13e-09 \Keputusan: \P-value_(2.13e-09) < alpha = 0.05, maka tolak H_0 \Kesimpulan: \Dengan taraf nyata 0,05 maka dapat disimpulkan bahwa biaya promosi berpengaruh secara signifikan terhadap volume penjualan

4.4 Uji Asumsi

> library(lmtest)
> bptest(regresi,studentize=FALSE, data= Data_Penjualan)

    Breusch-Pagan test

data:  regresi
BP = 2.7043, df = 1, p-value = 0.1001

> shapiro.test(regresi$residuals)

    Shapiro-Wilk normality test

data:  regresi$residuals
W = 0.95697, p-value = 0.4852

> install.packages("lmtest")
Error in contrib.url(repos, "source"): trying to use CRAN without setting a mirror
> library(lmtest)
> dwtest(regresi)

    Durbin-Watson test

data:  regresi
DW = 1.2412, p-value = 0.01959
alternative hypothesis: true autocorrelation is greater than 0

4.5 Pembentukan Model Regresi Linier Sederhana dan Pembahasannya

> summary(regresi)

Call:
lm(formula = Y ~ X, data = Data_Penjualan)

Residuals:
    Min      1Q  Median      3Q     Max 
-4.1068 -1.1364  0.0744  0.6652  2.7131 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  45.1615     2.0322   22.22 1.55e-14 ***
X             1.2454     0.1136   10.96 2.13e-09 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 1.753 on 18 degrees of freedom
Multiple R-squared:  0.8697,    Adjusted R-squared:  0.8625 
F-statistic: 120.2 on 1 and 18 DF,  p-value: 2.134e-09

Y = 45.1615 + 1.2454X_1 + ϵ Persamaan regresi diatas pada koef β_0 merupakan angka konstan yang mempunyai arti bahwa jika tidak ada biaya promosi (X) maka volume penjualan (Y) adalah sebesar 45.1615, dan makna pada koefisien X_1 (Biaya Promosi) = 1.2454 adalah setiap penambahan 1% biaya promosi (X), maka volume penjualan (Y) akan meningkat sebesar 1.2454

5.1 Kesimpulan

Kesimpulan dari penelitian ini adalah bahwa biaya promosi mempunyai hubungan yang positif dengan volume penjualan di suatu perusahaan, hal ini dibuktikan dengan hasil analisa data tahun 2017 dengan persamaan linear sederhana: Y = 45.1615 + 1.2454X_1. Selain itu, pada perhitungan p-value pada Uji F dan Uji T yang memberikan keputusan tolak H0, koefisien bernilai positif artinya terjadi hubungan positif antara harga dengan volume penjualan, semakin naik harga maka semakin meningkatkan volume penjualan.

5.2 Saran

Berdasarkan uraian hasil dan pembahasan di atas, maka saran yang dapat diberikan, yaitu perusahaan perlu memaksimalkan biaya promosi agar terjadi peningkatan volume penjualan.