Analisis Regresi Linear Berganda Untuk Mengetahui Pengaruh Biaya Penjualan dan Biaya Promosi terhadap keuntungan Perusahaan Periode Januari 2012 hingga Desember 2014
Lisa Asaliontin
15 Mei 2022
1 PENDAHULUAN
1.1 Latar Belakang
Pada era globalisasi sekarang ini tingkat persaingan dalam dunia usaha semakin tinggi dan hanya badan usaha yang memiliki kinerja atau performa yang baik yang akan bertahan, untuk itu perusahaan haruslah melalui perjuangan dan didukung dengan perencanaan yang matang dalam menghadapi berbagai masalah dan rintangan yang timbul, seperti masalah operasional, keuangan, maupun masalah pemasaran dari produk yang diproduksi Perusahaan merupakan salah satu sarana yang dapat menunjang program pemerintah di berbagai sektor perekonomian. Seiring dengan perkembangan dunia usaha yang semakin pesat ini akan membawa dampak persaingan perdagangan yang ketat, terutama pada perusahaan sejenis. Dengan demikian perusahaan dituntut bekerja lebih efisien supaya dapat tetap bertahan dalam bidangnya masing- masing. Tujuan perusahaan walaupun yang satu dengan yang lainnya belum tentu sama, tetapi pada umumnya tujuan perusahaan terutama adalah memperoleh laba yang sebesar-besarnya untuk menjaga kelangsungan hidup perusahaan (Sumarno, 2019).
Dunia usaha, baik produksi maupun jasa selalu dihadapkan dengan persaingan. Untuk mengatasi persaingan, perusahaan menempuh berbagai cara dan strategi untuk menyampaikan hasil produksinya dengan cepat, tepat, cermat, hemat dan memuaskan ke tangan konsumen. Strategi pemasaran juga disesuaikan dengan kemampuan dana perusahaan melalui bauran pemasaran yaitu faktor produk, harga distribusi dan promosi. Kegiatan pemasaran harus dilakukan sesuai dengan tujuan perusahaan memperoleh keuntungan yaitu salah satunya dengan mengadakan kegiatan promosi yang terarah, terencana dan terpadu.Suatu perusahaan atau badan usaha yang berorientasi pada sales selalu mempunyai tujuan akhir memperoleh laba. Keuntungan atau laba merupakan sesuatu yang sangat penting untuk kelangsungan hidup perusahaan. Makin tinggi laba yang diperoleh perusahaan maka makin kuat dan tangguh perusahaan tersebut dalam menghadapi persaingan di masa depan. Agar tujuan perusahaan untuk meningkatkan hasil penjualan tercapai maka perusahaan mempunyai cara-cara atau metode-metode yang digunakan sebagai pedoman terutama dalam bidang pemasaran.
Promosi sebagai salah satu komponen dari bauran pemasaran (marketing mix) memiliki peranan penting dalam mengkomunikasikan suatu produk, dan dapat menciptakan preferensi konsumen atau calon konsumen mengenai produk 3 yang diproduksi oleh perusahaan. Perusahaan perlu mempertimbangkan keefektifan dan keefisienan dari bauran promosi (promotion mix) yang digunakan. Bauran promosi yang digunakan oleh setiap perusahaan tidak sama, hal ini tergantung dari kondisi perusahaan. Dengan adanya promosi dan kebijakan harga dalam hal ini adalah potongan harga yang diberikan oleh perusahaan diharapkan penjualan akan dapat ditingkatkan. Oleh karena itu, perlu dilakukan analisis secara statistik untuk mengetahui pengaruh biaya penjualan dan biaya promosi terhadap keuntungan perusahaan.
1.2 Tinjauan Pustaka
1.2.1 Analisis Regresi Linear Berganda
Menurut Supranto (2004), Analisis yang memiliki variabel bebas lebih dari satu disebut analisis regresi berganda. Analisis regresi linier berganda memberikan kemudahan bagi pengguna untuk memasukkan lebih dari satu variabel bebas hingga k dimana banyaknya k kurang dari jumlah observasi (n). Sehingga model regresi linier berganda untuk populasi dapat ditunjukkan sebagai berikut: \[ Y=\beta_{0}+\beta_{1}X_{1}+\beta_{2}X_{2}+.......+\beta_{k}X_{k}+\varepsilon \] Yk = variabel dependen βk = parameter xk = variabel bebas εk = sisa untuk pengamatan ke-i dengan εk∼N(0,σ2)
Model regresi linier berganda untuk populasi di atas dapat ditaksir berdasarkan sebuah sampel acak yang berukuran k dengan model regresi linier berganda untuk sampel, yaitu : \[ \hat{Y}=b_{0}+b_{1}X_{1}+b_{2}X_{2}+.......+b_{k}X_{k} \]
1.2.2 Asumsi Klasik Analisis Regresi Linear
- Asumsi Normalitas
Asumsi normalitas residual adalah pengujian untuk mengetahui residual berdistribusi normal atau tidak. Model regresi yang baik apabila residual berdistribusi normal (Permatasari dkk., 2020).
- Asumsi Multikolinieritas
Asumsi ini bertujuan untuk untuk mengetahui antar variabel bebas memiliki korelasi atau tidak. Salah satu metode untuk mendeteksi multikolinieritas adalah harga Faktor Inflasi Varian (VIF). - Asumsi Homoskedastisitas
Asumsi homoskedastisitas adalah pengujian untuk mengetahui residual pada model regresi antara satu pengamatan dan pengamatan lain sama atau tidak. Homoskedastisitas terjadi apabila residual satu pengamatan dan pengamatan lain tetap.
- Asumsi Nonautokorelasi
Asumsi autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi.
1.3 Data
Berikut merupakan data Biaya Penjualan, Biaya Promosi dan Keuntungan Perusahaan periode Januari 2012 hingga Desember 2014. Biaya penjualan (Rupiah) sebagai variabel prediktor (X1), Biaya Promosi (Rupiah) sebagai variabel predictor (X2) dan Keuntungan (Rupiah) sebagai variabel respon (Y).
| No | Periode | Penjualan | Biaya Promosi | Keuntungan |
|---|---|---|---|---|
| 1 | 2012.01 | 1000000 | 55000 | 100000 |
| 2 | 2012.02 | 1150000 | 56000 | 110000 |
| 3 | 2012.03 | 1200000 | 60000 | 125000 |
| 4 | 2012.04 | 1275000 | 67000 | 131000 |
| 5 | 2012.05 | 1400000 | 70000 | 138000 |
| 6 | 2012.06 | 1500000 | 74000 | 150000 |
| 7 | 2012.07 | 1600000 | 80000 | 155000 |
| 8 | 2012.08 | 1700000 | 82000 | 167000 |
| 9 | 2012.09 | 1800000 | 93000 | 180000 |
| 10 | 2012.10 | 1900000 | 97000 | 195000 |
| 11 | 2012.11 | 2000000 | 100000 | 200000 |
| 12 | 2012.12 | 2100000 | 105000 | 225000 |
| 13 | 2013.01 | 2200000 | 110000 | 230000 |
| 14 | 2013.02 | 2300000 | 115000 | 240000 |
| 15 | 2013.03 | 2400000 | 120000 | 255000 |
| 16 | 2013.04 | 2500000 | 125000 | 264000 |
| 17 | 2013.05 | 2600000 | 130000 | 270000 |
| 18 | 2013.06 | 2700000 | 135000 | 270000 |
| 19 | 2013.07 | 2800000 | 140000 | 280000 |
| 20 | 2013.08 | 2900000 | 145000 | 290000 |
| 21 | 2013.09 | 3000000 | 150000 | 300000 |
| 22 | 2013.10 | 3100000 | 152000 | 315000 |
| 23 | 2013.11 | 3150000 | 160000 | 320000 |
| 24 | 2013.12 | 3250000 | 165000 | 329000 |
| 25 | 2014.01 | 3400000 | 170000 | 335000 |
| 26 | 2014.02 | 3500000 | 175000 | 350000 |
| 27 | 2014.03 | 3600000 | 179000 | 362000 |
| 28 | 2014.04 | 3700000 | 188000 | 375000 |
| 29 | 2014.05 | 3800000 | 190000 | 380000 |
| 30 | 2014.06 | 3850000 | 192000 | 400000 |
| 31 | 2014.07 | 3950000 | 200000 | 405000 |
| 32 | 2014.08 | 4100000 | 207000 | 415000 |
| 33 | 2014.09 | 4300000 | 211000 | 425000 |
| 34 | 2014.10 | 4350000 | 215000 | 430000 |
| 35 | 2014.11 | 4500000 | 219000 | 440000 |
| 36 | 2014.12 | 4600000 | 210000 | 450000 |
2 SOURCE CODE
2.1 Library yang Dibutuhkan
>
> # Library
> # install.packages("knitr")
> library(knitr)
> # install.packages("rmarkdown")
> library(rmarkdown)
> # install.packages("prettydoc")
> library(prettydoc)
> # install.packages("tseries")
> library(tseries)
> # install.packages("equatiomatic")
> library(equatiomatic)
> # install.package("car")
> library(car)
> # install.package("lmtest")
> library(lmtest)
> 2.2 Membangkitkan Data
> dataperusahaan=read.table("clipboard", header = T, sep ="\t")
> dataperusahaan
Periode Penjualan Biaya.Promosi Keuntungan
1 2012.01 1000000 55000 100000
2 2012.02 1150000 56000 110000
3 2012.03 1200000 60000 125000
4 2012.04 1275000 67000 131000
5 2012.05 1400000 70000 138000
6 2012.06 1500000 74000 150000
7 2012.07 1600000 80000 155000
8 2012.08 1700000 82000 167000
9 2012.09 1800000 93000 180000
10 2012.10 1900000 97000 195000
11 2012.11 2000000 100000 200000
12 2012.12 2100000 105000 225000
13 2013.01 2200000 110000 230000
14 2013.02 2300000 115000 240000
15 2013.03 2400000 120000 255000
16 2013.04 2500000 125000 264000
17 2013.05 2600000 130000 270000
18 2013.06 2700000 135000 270000
19 2013.07 2800000 140000 280000
20 2013.08 2900000 145000 290000
21 2013.09 3000000 150000 300000
22 2013.10 3100000 152000 315000
23 2013.11 3150000 160000 320000
24 2013.12 3250000 165000 329000
25 2014.01 3400000 170000 335000
26 2014.02 3500000 175000 350000
27 2014.03 3600000 179000 362000
28 2014.04 3700000 188000 375000
29 2014.05 3800000 190000 380000
30 2014.06 3850000 192000 400000
31 2014.07 3950000 200000 405000
32 2014.08 4100000 207000 415000
33 2014.09 4300000 211000 425000
34 2014.10 4350000 215000 430000
35 2014.11 4500000 219000 440000
36 2014.12 4600000 210000 450000
> str(dataperusahaan)
'data.frame': 36 obs. of 4 variables:
$ Periode : num 2012 2012 2012 2012 2012 ...
$ Penjualan : int 1000000 1150000 1200000 1275000 1400000 1500000 1600000 1700000 1800000 1900000 ...
$ Biaya.Promosi: int 55000 56000 60000 67000 70000 74000 80000 82000 93000 97000 ...
$ Keuntungan : int 100000 110000 125000 131000 138000 150000 155000 167000 180000 195000 ...
>
> #Penamaan Variabel
> Y = dataperusahaan$Keuntungan
> X1 = dataperusahaan$Penjualan
> X2 = dataperusahaan$Biaya.Promosi2.3 Analisis Regresi Linear Berganda
- Statistika Deskriptif
> #Cara Manual
> rata2_Y = sum(Y)/36
> rata2_Y
[1] 277944.4
> rata2_X1 = sum(X1)/36
> rata2_X1
[1] 2754861
> rata2_X2 = sum(X2)/36
> rata2_X2
[1] 137277.8
>
> #Cara Build In R
> rata_Y = mean(Y)
> rata_Y
[1] 277944.4
> rata_X1 = mean(X1)
> rata_X1
[1] 2754861
> rata_X2 = mean(X2)
> rata_X2
[1] 137277.8- Pendugaan Parameter
> regresi = lm(Y~X1+X2, data=dataperusahaan)
> summary(regresi)
Call:
lm(formula = Y ~ X1 + X2, data = dataperusahaan)
Residuals:
Min 1Q Median 3Q Max
-8620 -3467 -1538 3108 12379
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.959e+03 3.080e+03 0.636 0.529077
X1 6.068e-02 1.395e-02 4.351 0.000123 ***
X2 7.928e-01 2.870e-01 2.762 0.009312 **
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 6160 on 33 degrees of freedom
Multiple R-squared: 0.9968, Adjusted R-squared: 0.9966
F-statistic: 5127 on 2 and 33 DF, p-value: < 2.2e-16
>
> residual = residuals(regresi)2.4 Asumsi Klasik Analisis Regresi Linear
2.4.1 Asumsi Normalitas
> tseries::jarque.bera.test(residual)
Jarque Bera Test
data: residual
X-squared = 3.6137, df = 2, p-value = 0.1642
>
> plot(regresi, 2, main = "Gambar 1. Asumsi Normalitas dengan P-P Plot")
2.4.2 Asumsi Nonmultikolinieritas
> car::vif(regresi)
X1 X2
202.9126 202.9126 2.4.3 Asumsi Homoskedastisitas
> lmtest::bptest(regresi)
studentized Breusch-Pagan test
data: regresi
BP = 0.015339, df = 2, p-value = 0.99242.4.4 Asumsi Nonautokorelasi
> lmtest::dwtest(regresi)
Durbin-Watson test
data: regresi
DW = 0.98824, p-value = 0.0001629
alternative hypothesis: true autocorrelation is greater than 02.5 Plot
> h<-scatter.smooth(x=X1+X2, y=Y, main="Diagram Pencar variabel Keuntungan dengan variabel Penjualan dan Promosi)", xlab = "Nilai X(Rupiah+Rupiah)", ylab = "Nilai Y(Rupiah")
> h_X1<-scatter.smooth(x=X1, y=Y, main="Diagram Pencar antara Keuntungan dengan Penjualan", xlab = "Nilai X(Rupiah)", ylab = "Nilai Y(Rupiah") 
> h_X2<-scatter.smooth(x=X2, y=Y, main="Diagram Pencar antara Keuntungan dengan Biaya Promosi", xlab = "Nilai X(Rupiah)", ylab = "Nilai Y(Rupiah") 
> par(mfrow=c(2,2))
> plot(regresi)
3 HASIL DAN PEMBAHASAN
3.1 Analisis Regresi Linear Berganda
Berdasarkan Data yang digunakan, diperoleh nilai rataan:
1. Rata-rata Keuntungan
\[ \mu_{Y}= 277944.4 \] Berdasarkan hasil tersebut diketahui bahwa rata-rata keuntungan perusahaan berkisar antara Rp.277.944.4,- per bulan.
- Rata-rata Biaya Penjualan
\[ \mu_{X1}= 2754861 \] Berdasarkan hasil tersebut diketahui bahwa rata-rata biaya penjualan berkisar antara Rp.275.486.1,- per bulan.
- Rata-rata Biaya Promosi
\[ \mu_{X2}= 137277.8 \] Berdasarkan hasil tersebut diketahui bahwa rata-rata Biaya Promosi berkisar antara Rp.137.277.8,- per bulan.
3.1.1 Model Regresi Linear Berganda
Berdasarkan hasil perhitungan sebelumnya dapat dituliskan bahwa model regresi linear berganda data perusahaan adalah : \[
\hat{Y}=1959+0.06X_{1}+0.7X_{2}
\] Interpretasi model:
1. Kenaikan 1 Rupiah Biaya Penjualan dapat meningkatkan keuntungan perusahaan sebesar 0.06 Rupiah.
2. kenaikan 1 Rupiah biaya promosi dapat meningkatkan keuntungan perusahaan sebesar 0.7 Rupiah.
3.1.2 Uju Simultan
Hipotesis:
H0: Biaya penjualan dan biaya promosi tidak berpengaruh signifikan terhadap keuntungan perusahaan.
H1: Biaya penjualan dan biaya promosi berpengaruh signifikan terhadap keuntungan perusahaan.
Dengan statistik uji F, diperoleh : \[ F_{hitung}= 5127 ; P_{value}= 0.000 \] Karena P-value(0.000)< α (0.05),maka tolak Ho Dengan taraf nyata 5%, dapat disimpulkan bahwa Biaya penjualan dan biaya promosi berpengaruh signifikan terhadap keuntungan perusahaan.
3.1.3 Uji Parsial
untuk X1:
H0:Biaya penjualan tidak berpengaruh terhadap keuntungan perusahaan
H1:Biaya promosi berpengaruh terhadap keuntungan perusahaan
Dengan statistik uji t, diperoleh : \[
t_{hitung}= 4.351 ; P_{value}= 0.000123
\] Karena P-value(0.000123)< α (0.05),maka tolak Ho
Dengan taraf nyata 5%, dapat disimpulkan bahwa Biaya penjualan berpengaruh terhadap keuntungan perusahaan.
untuk X2: H0:Biaya promosi tidak berpengaruh terhadap keuntungan perusahaan H1:Biaya promosi berpengaruh terhadap keuntungan perusahaan
Dengan statistik uji t, diperoleh : \[ t_{hitung}= 2.762 ; P_{value}= 0.009312 \] Karena P-value(0.009312)< α (0.05),maka tolak Ho Dengan taraf nyata 5%, dapat disimpulkan bahwa biaya promosi berpengaruh terhadap keuntungan perusahaan.
3.1.4 Koefisien Determinasi
Dari perhitungan yang dilakukan didapatkan : \[ R^{2}= 0.9968 \] Biaya penjualan dan biaya promosi dapat menjelaskan hubungan terhadap keuntungan perusahaan sebesar 99.68%, sedangkan sisanya dipengaruhi oleh variabel lain di luar model.
3.2 Asumsi Klasik Analisis Regresi Linear
3.2.1 Asumsi Normalitas
Uji normalitas digunakan untuk menguji apakah variabel bebas dan variabel terikat dalam model regresi memiliki distribusi normal atau tidak.
Hipotesis
Ho: residual menyebar normal
H1: residual tidak menyebar normal
Dari uji normalitas didapatkan: \[
\chi^{2}= 3.6137 ; p_{value}=0.1642
\] Karena P-value(0.1642) > α (0.05),maka terima H0
Dengan taraf nyata 5%, dapat disimpulkan bahwa residual data perusahaan menyebar normal.
3.2.2 Asumsi Multikolinieritas
Tujuan pendeteksian asumsi nonmultikolinieritas adalah untuk mengetahui antar variabel bebas memiliki korelasi atau tidak.
Dari uji normalitas didapatkan: \[
X_{1}=202.9126 ; X_{2}=202.9126
\] dimana: \[
VIF_{j}= \frac{1}{1-R^{2}}=\frac{1}{1-0.9986}=312.5
\] Karena hasil pada kedua variabel sebesar 202.9126 < VIFj(312.5) yang berarti tidak ada multikolinieritas pada data perusahaan.
3.2.3 Asumsi Homoskedastisitas
Pengujian asumsi homoskedastisitas untuk mengetahui residual pada model regresi antara satu pengamatan dan pengamatan lain sama tau tidak.
Hipotesis:
H0: galat homogen
H1: galat tidak homogen
Dari uji homoskedastisitas didapatkan: \[
P_{value}=0.9924
\] Karena P-value(0.9924) > α (0.05),maka terima H0
Dengan taraf nyata 5%, dapat disimpulkan bahwa galat homogen.
3.2.4 Asumsi Nonautokorelasi
Pengujian asumsi non-autokorelasi untuk mengetahui residual pengamatan saling berkorelasi atau tidak.
Dari uji nonautokorelasi didapatkan: \[
P_{value}=0.1629
\] Karena P-value(0.1629) > α (0.05),maka terima H0
Dengan taraf nyata 5%, dapat disimpulkan bahwa tidak ada masalah autokorelasi.
3.2.5 Plot
- Residuals vs Fitted plot: untuk mengetahui ketepatan model. pada plot menunjukkan terbentuknya pola akibat adanya pengamatan yang terbatas sehingga skala pada X dapat dipertimbangkan kembali.
- Q-Q plot : untuk memeriksa normalitas .Plot menunjukkan residual berdistribusi normal.
- Scale-location plot : untuk memeriksa ketepatan model. pada plot dapat terlihat bahwa garis yang dihasilkan mendatar sehingga disimpulkan tidak ada masalah heteroskedastisitas.
- Resisual vs Leverage Plot: pada hasil menunjukkan amatan berpengaruh.
4 DAFTAR PUSTAKA
Basuki, A.T. and Prawoto, N., 2017. Analisis Regresi Dalam Penelitian Ekonomi dan Bisnis. PT Rajagrafindo Persada, Depok.
Permatasari, dkk. 2020. Pengaruh Etika Kerja Islam terhadap Loyalitas Karyawan Yayasan Nurul Hayat Surabaya. Jurnal Ekonomi Syariah Teori Dan Terapan. 7(5). pp: 852-860.
SUMARNO, R., 2019. ANALISA SALES PROMOTION TERHADAP TARGET PENJUALAN PADA PT. HOMECENTER INDONESIA (INFORMA) DIVISI LIVINGROOM (Doctoral dissertation, STIE MAHARDHIKA SURABAYA).
Supranto, J. 2004. Analisis Multivariat Arti dan Interpretasi. Rineka Cipta. Jakarta