Analisis Regresi dalam Bidang Akuntansi

Author

Surya Pratama Juwanda

Pendahuluan

Analisis regresi merupakan salah satu alat statistik yang banyak digunakan dalam bidang akuntansi untuk memahami hubungan antara variabel-variabel keuangan. Dalam tugas ini, kita akan menganalisis hubungan antara biaya pemasaran (marketing expenses) dan pendapatan perusahaan (revenue).

Data dan Metodologi

Dataset Simulasi

# Membuat dataset simulasi
set.seed(123)
bulan <- c("Jan", "Feb", "Mar", "Apr", "May", "Jun", 
           "Jul", "Aug", "Sep", "Oct", "Nov", "Dec")
biaya_pemasaran <- round(rnorm(12, mean = 5000, sd = 1500), 0)
pendapatan <- round(20000 + 2.5 * biaya_pemasaran + rnorm(12, mean = 0, sd = 3000), 0)

data_akuntansi <- data.frame(
  Bulan = bulan,
  Biaya_Pemasaran = biaya_pemasaran,
  Pendapatan = pendapatan
)

# Menampilkan data
head(data_akuntansi, 5)
  Bulan Biaya_Pemasaran Pendapatan
1   Jan            4159      31600
2   Feb            4655      31970
3   Mar            7338      36677
4   Apr            5106      38126
5   May            5194      34479

Statistik Deskriptif

summary(data_akuntansi[,2:3])
 Biaya_Pemasaran   Pendapatan   
 Min.   :3102    Min.   :26337  
 1st Qu.:4289    1st Qu.:31244  
 Median :5150    Median :32502  
 Mean   :5291    Mean   :32594  
 3rd Qu.:5977    3rd Qu.:34942  
 Max.   :7573    Max.   :38126

Analisis Regresi

Model Regresi Linear

model <- lm(Pendapatan ~ Biaya_Pemasaran, data = data_akuntansi)
summary(model)

Call:
lm(formula = Pendapatan ~ Biaya_Pemasaran, data = data_akuntansi)

Residuals:
    Min      1Q  Median      3Q     Max 
-3571.1 -1634.1  -131.7  1247.0  5854.8 

Coefficients:
                 Estimate Std. Error t value Pr(>|t|)    
(Intercept)     2.338e+04  3.444e+03   6.788 4.81e-05 ***
Biaya_Pemasaran 1.741e+00  6.313e-01   2.758   0.0202 *  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 2906 on 10 degrees of freedom
Multiple R-squared:  0.432, Adjusted R-squared:  0.3753 
F-statistic: 7.607 on 1 and 10 DF,  p-value: 0.0202

Interpretasi Hasil

  1. Persamaan Regresi: [ = 2.338034^{4} + 1.74 ]

  2. Koefisien Determinasi (R²): 0.432 artinya 43.2% variasi pendapatan dapat dijelaskan oleh biaya pemasaran.

  3. Uji Signifikansi:

    • p-value = 0.0202 (< 0.05) menunjukkan hubungan yang signifikan.

Visualisasi

library(ggplot2)

ggplot(data_akuntansi, aes(x = Biaya_Pemasaran, y = Pendapatan)) +
  geom_point(size = 3, color = "blue", alpha = 0.7) +
  geom_smooth(method = "lm", se = TRUE, color = "red", fill = "lightpink") +
  labs(title = "Hubungan Biaya Pemasaran dan Pendapatan Perusahaan",
       subtitle = "Analisis Regresi Linear Sederhana",
       x = "Biaya Pemasaran ($)",
       y = "Pendapatan ($)") +
  theme_minimal() +
  theme(plot.title = element_text(face = "bold", size = 14),
        plot.subtitle = element_text(color = "gray40")) +
  annotate("text", x = min(data_akuntansi$Biaya_Pemasaran), 
           y = max(data_akuntansi$Pendapatan),
           label = paste("Pendapatan =", round(coef(model)[1], 2), 
                        "+", round(coef(model)[2], 2), 
                        "* Biaya_Pemasaran\nR² =", 
                        round(summary(model)$r.squared, 3)),
           hjust = 0, vjust = 1, color = "darkgreen")

Diagnostik Model

par(mfrow = c(2, 2))
plot(model)

Kesimpulan

Berdasarkan analisis regresi linear:

  1. Terdapat hubungan positif yang signifikan antara biaya pemasaran dan pendapatan perusahaan.

  2. Setiap peningkatan $1 dalam biaya pemasaran berkaitan dengan peningkatan pendapatan sebesar $1.74.

  3. Model ini menjelaskan 43.2% variasi dalam pendapatan.