Analisis Regresi Linier Berganda pada Pemasaran Kopi Luwak

Khairunisa Cahya Anggraini

Mei 2022

Library:

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

1 PENDAHULUAN

1.1 Latar Belakang

Sektor pertanian merupakan sektor yang unggul dan menjadi mata pencaharian sebagian besar penduduk di Indonesia. Salah satu subsektor pertanian yaitu perkebunan. Kopi merupakan salah satu komoditas unggulan perkebunan yang mempunyai peranan penting dalam perekonomian. Permintaan kopi Indonesia terus meningkat dari waktu ke waktu.Kopi luwak merupakan salah satu upaya meningkatkan nilai tambah komoditas kopi. Perusahaan perlu memanfaatkan sumber daya dengan optimal untuk pengembangan dan desain produk yang baik mutunya dalam persaingan bisnis.Persaingan bisnis yang semakin ketat membuat pemasaran produk sesuai dengan target produksi menjadi sangat penting. Selain itu, jumlah permintaan pasar dan jumlah stok dari produk juga harus berbanding lurus. Strategi pemasaran yang tepat dan faktor-faktor yang mempengaruhinya perlu diketahui untuk mengoptimalkan suatu perusahaan.

1.2 Strategi Pemasaran

Strategi adalah keseluruhan konsep bagaimana sebuah perusahaan mengatur dirinya sendiri dan semua kegiatan dengan tujuan agar bisnis yang dijalankan berhasil, melakukan persaingan, dan melakukan imbal hasil kepada pemegang saham (Charles, 2010:9). Strategi pemasaran merupakan suatu sistem keseluruhan dari kegiatan usaha melalui perencanaan, penentuan harga, mempromosikan, dan mendistribusikan barang dan jasa yang memuaskan dan memenuhi kebutuhan pembeli (Swasta, 2008:5) Strategi pemasaran memberikan arah dalam kaitannya dengan segmentasi pasar, identifikasi pasar sasaran, positioning dan bauran pemasaran yang terdiri dari empat elemen yaitu produk, harga, promosi, dan tempat.

1.3 Statistika Deskriptif

Statistika deskriptif merupakan jenis analisis statistik yang populer untuk menyajikan data. Statistika deskriptif biasanya digunakan sebagai langkah awal merapikan data sebelum dilaksanakan analisis lebih lanjut. Statistika deskriptif dapat juga berdiri sebagai analisis sendiri yang bisa menyajikan data dan memberikan berbagai informasi mengenai data. Terdapat berbagai bentuk deskriptif yang bisa dibuat dari berbagai data. Dimulai dari bentuk visual seperti tabel dan grafik, atau juga berbagai ukuran data seperti ukuran pemusatan, ukuran nilai tempat, dan ukuran penyebaran.Setiap deskripsi data harus mengandung informasi yang dapat membantu memperkirakan kondisi data populasi atau membuat keputusan untuk tindak lanjut.

1.4 Analisis Regresi

Analisis regresi merupakan analisis terhadap dua data atau variabel lebih yang selanjutnya dipelajari bagaimana cara-cara variabel itu berhubungan. Hubungan yang didapat pada umumnya dinyatakan dalam bentuk persamaan matematik yang menyatakan hubungan fungsional antara variabel-variabel. Dalam analisis regresi, dikenal dua jenis variabel yaitu variabel respon dan variabel prediktor. Analisis regresi dibedakan menjadi dua bentuk bergantung pada banyaknya variabel prediktor atau variabel bebas (X). Jika variabel bebas hanya satu, maka analisis regresi tersebut disebut analisis regresi linier sederhana. Tetapi jika variabel bebas yang berhubungan dengan satu variabel terikat lebih dari satu, maka analisis regresi disebut analisis regresi linier berganda.

1.5 Regresi Linier Berganda

Analisis regresi linier berganda digunakan untuk memprediksi berubahnya nilai variabel tertentu bila variabel lain berubah. Pengukuran variabel yang melibatkan lebih dari satu variabel bebas digunakan analisis regresi linier berganda. Persamaan linier berganda adalah sebagai berikut: \[ Y_i = b_0 + b_1X_1 + b_2X_2 + b_nX_n + \epsilon_i \] dimana: Y = variabel terikat b_0, …,b_n = koefisien regresi X1, …, Xn = variabel bebas epsilon_i = galat

Analisis regresi linier berganda dapat menganalisis dengan menggunakan beberapa variabel bebas (X) sehingga prediksi yang didapatkan lebih akurat dibandingkan regresi linier sederhana. Model regresi berganda dibangun atas beberapa asumsi klasik. Uji asumsi klasik digunakan untuk memastikan bahwa data yang digunakan berdistribusi normal dan dalam model tidak mengandung multikolinieritas, heteroskedastisitas, autokorelasi. Uji asumsi klasik hanya dilakukan pada analisis regresi linier berganda.

1.5.1 Uji Normalitas

Uji normalitas dilakukan untuk mengetahui apakah nilai residual terdistribusi secara normal atau tidak. Model regresi yang baik adalah yang memiliki nilai residual yang terdistribusi secara normal. Pada umumnya data yang terdapat lebih dari 30 (n > 30), maka dapat diasumsikan berdistribusi normal. Namun, hal tersebut tidak menutup kemungkinan bahwa data yang kurang dari 30 (n < 30) juga berdistribusi normal. Pengujian asumsi normalitas dapat dilakukan dengan berbagai cara yaitu melalui uji Saphiro-Wilk, Anderson-Darling dan Kolmogorov-Smirnov.

1.5.2 Uji Multikolinieritas

Uji multikolinearitas dilakukan untuk mengetahui apakah terjadi hubungan linear yang sempurna atau mendekati antar variabel independen dalam model regresi. Suatu model regresi dikatakan mengalami multikolinearitas jika ada fungsi linear yang sempurna pada beberapa atau semua independen variabel dalam fungsi linear. Multikoliniearitas dapat dilihat dari nilai Variance Inflation Factor (VIF) dan Tolerance nya. Jika nilai VIF < 10 dan Tolerance > 0,1 maka dinyatakan tidak terjadi multikolinearitas.

1.5.3 Uji Heterokedastisitas

Uji heteroskedastisitas dilakukan untuk mengetahui apakah terjadi ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Terdapat beberapa uji statistik yang digunakan dalam pendeteksian heteroskedastistias, diantaranya uji park dan uji breush pagan godfrey

1.5.4 Uji Autokorelasi

Uji autokorelasi dilakukan untuk mengetahui apakah ada korelasi antara residual pada periode t dengan residual pada periode sebelumnya (t-1). Model regresi yang baik adalah yang tidak adanya autokorelasi. Uji autokorelasi dapat dilakukan dengan pengujian Durbin Watson (DW) dengan kriteria pengambilan keputusannya: - 1,65 < DW < 2,35, artinya tidak terjadi autokorelasi - 1,21 < DW < 1,65 atau 2,35 < DW < 2,79 artinya tidak dapat disimpulkan - DW < 1,21 atau DW > 2,79 artinya terjadi autokorelasi

1.6 Data

Data yang digunakan dalam laporan ini adalah data penelitian di Desa Way Kabupaten Lampung Barat. Data terdiri dari permintaan pasar, stok kopi dan harga kopi dalam satuan rupiah selama 8 tahun. Data dikPermintaan pasar merupakan variabel X1, stok merupakan variabel X2, dan harga merupakan variabel terikat Y. Stok kopi yang dihasilkan dan harga jualnya di pasar beragam. Pada tahun ke-5 sampai ke-8, permintaan pasar tidak terpenuhi karena stok yang dimiliki kurang dari jumlah permintaan pasar karena luwak yang tersedia semakin langka.

2 SOURCE CODE

2.1 Library yang Dibutuhkan

> # library(tseries)
> # library(lmtest)
> # library(car)

Source code ini digunakan untuk mengaktifkan packages yang dibutuhkan dalam analisis regresi berganda maupun uji asumsi klasik.

2.2 Import Data

> DataKopi <- read.csv("C:\Users\Acer\Downloads\Data Kopi dan Permintaan Pasar.csv")
+ DataKopi
Error: '\U' used without hex digits in character string starting ""C:\U"

Source code ini digunakan untuk mengakses file csv yang berisi data yang akan digunakan dalam analisis regresi berganda.

2.3 Analisis Regresi Berganda

> reg_kopi <- lm(Y~X1+X2,data=DataKopi)
Error in is.data.frame(data): object 'DataKopi' not found
> summary(reg_kopi)
Error in summary(reg_kopi): object 'reg_kopi' not found

Source code ini digunakan untuk melakukan analisis regresi dengan fungsi lm(…) yang disimpan pada “reg_kopi” yang terdiri atas Y sebagai variabel respons dan X1+X2 sebagai variabel prediktor serta data yang digunakan berasal dari DataKopi dan menyajikan hasil analisis regresi “reg_kopi” secara lengkap.

2.4 Uji Normalitas

> sisa<-residuals(reg_kopi)
Error in residuals(reg_kopi): object 'reg_kopi' not found
> library(tseries)
> jarque.bera.test(sisa)
Error in NCOL(x): object 'sisa' not found
> shapiro.test(sisa)
Error in stopifnot(is.numeric(x)): object 'sisa' not found

Source code ini digunakan untuk untuk melakukan uji normalitas galat pada vektor “sisa” dengan uji jarque bera dan shapiro wilk.

2.5 Uji Multikolinieritas

> library(car)
> vif(reg_kopi)
Error in vif(reg_kopi): object 'reg_kopi' not found

Source code ini digunakan untuk melakukan uji multikolinieritas pada “reg_kopi” dengan mencari hubungan antar kedua variabel prediktor.

2.6 Uji Heterokesdastisitas

> library(lmtest)
> bptest(reg_kopi)
Error in bptest(reg_kopi): object 'reg_kopi' not found

Source code ini digunakan untuk melakukan uji heterokesdastisitas ragam galat pada “reg_kopi”.

2.7 Uji Autokorelasi

> library(lmtest)
> dwtest(reg_kopi)
Error in dwtest(reg_kopi): object 'reg_kopi' not found

Source code ini digunakan untuk melakukan uji autokorelasi ragam galat pada “reg_kopi”.

2.8 Plot

> par(mfrow = c(2,2))
> plot(reg_kopi)
Error in plot(reg_kopi): object 'reg_kopi' not found

Source code ini digunakan untuk menyajikan plot “reg_kopi” sebagai pemeriksaan sisaan

3 HASIL DAN PEMBAHASAN

3.1 Pendugaan Parameter Regresi

Uji X1 terhadap Y
Hipotesis
H0 : Tidak terdapat hubungan linier antara X1 dengan Y
H1 : Terdapat hubungan linier antara X1 dengan Y

P-value = 0.0371
Karena P-value < α (0,05), maka gagal tolak H0
Dengan taraf nyata 5%, didapat cukup bukti bahwa tidak terdapat hubungan antara X1 dengan Y secara parsial.

Uji X2 terhadap Y
Hipotesis
H0 : Tidak terdapat hubungan linier antara X2 dengan Y
H1 : Terdapat hubungan linier antara X2 dengan Y

P-value = 0.0360
Karena P-value < α (0,05), maka gagal tolak H0
Dengan taraf nyata 5%, didapat cukup bukti bahwa tidak terdapat hubungan antara X1 dengan Y secara parsial.

3.2 Uji Asumsi

3.2.1 Uji Asumsi Normalitas

Hipotesis
H0 : Pengamatan menyebar normal
H1 : Pengamatan tidak menyebar normal

Berdasarkan Jarque Bera Test, P-value = 0.344 Karena P-value > α (0,05), maka gagal tolak H0 Berdasarkan Shapiro-Wilk Normality Test, P-value = 0.05872 Karena P-value > α (0,05), maka gagal tolak H0 Dengan taraf nyata 5%, didapat cukup bukti bahwa tidak terdapat pelanggaran asumsi normalitas galat

3.2.2 Uji Asumsi Multikolinieritas

X1 = 1.085845 X2 = 1.085485 karena X1, X2 dan X3 < 10, maka memenuhi asumsi multikolinearitas

3.2.3 Uji Asumsi Heterokesdastisitas

Hipotesis H0 : Varians galat bersifat homoskedastisitas
H1 : Varians galat bersifat heteroskedastisitas

Berdasarkan Breusch-Pagan Test, P-value = 0.7425 Karena P-value > α (0,05), maka gagal tolak H0 Dengan taraf nyata 5%, didapat cukup bukti bahwa varians galat dari data tersebut bersifat homoskedastisitas

3.2.4 Uji Asumsi Autokorelasi

DW = 1.1106 karena DW berada pada daerah inconclusive maka tidak terdapat kesimpulan.

3.3 Plot

  • Plot 1: tidak terbentuk pola tertentu, maka asumsi linieritas terpenuhi
  • Plot 2: tidak terlihat adanya pelanggaran normalitas karena sebaran plot mendekati model atau membentuk garis lurus
  • Plot 3: penyebaran data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali, penyebaran data tidak berpola, dan tidak hanya mengumpul di atas atau bawah saja, maka plot tersebut tidak terdapat gejala heteroskedastisitas
  • Plot 4: terdapat titik yang diberi warning karena masih sedikit di atas jarak Cook

3.4 Model Regresi Final

Y = 79,51 + 0,000524X1 + 0,000561X2 Dari persamaan regresi tersebut, model regresi linier berganda terkait strategi pemasaran kopi luwak, faktor yang mempengaruhi harga kopi luwak adalah jumlah permintaan pasar dan stok kopi luwak. Permintaan pasar dan stok merupakan variabel terbaik yang menjelaskan harga kopi luwak. Maka, strategi yang tepat untuk dapat menentukan harga yang tepat adalah dengan memperhatikan jumlah permintaan pasar dan stok kopi luwak yang tersedia. Jika harga cenderung meningkat maka jumlah permintaan pasar menurun. Jumlah permintaan pasar yang menurun, akan mendekati jumlah stok kopi luwak yang tersedia.

4 DAFTAR PUSTAKA

Aprianti. 2017. Strategi Pemasaran Kopi Luwak dengan Menggunakan Regresi Linier Berganda. Skripsi. Lampung: Universitas Islam Negeri Raden Intan Lampung.

Mardiatmoko, Gun. 2020. Pentingnya Uji Asumsi Klasik Pada Analisis Regresi Linier Berganda. Jurnal Ilmu Matematika dan Terapan, 14(3), 335.

Martias, Lilih Deva. 2021. Statistika Deskriptif Sebagai Kumpulan Informasi. Jurnal Ilmu Perpustakaan dan Informasi, 16(1), 43.

Rusdi, Moh. 2019. Strategi Pemasaran Untuk Meningkatkan Volume Penjualan Pada Perusahaan Genting. Jurnal Studi Manajemen dan Bisnis, 6(2), 50.