BAB I PENDAHULUAN
G. Teknik Analisa
Analisis data dalam penelitian ini menggunakan analisis data
kuantitatif. Analisis kuantitatif adalah analisis yang menggunakan alat analisis
bersifat kuantitatif, yaitu alat-alat analisis yang menggunakan model-model,
seperti model matematika (misalnya fungsi multivariate), model statistik, dan
ekonometrik.20 Hasil penelitian disajikan dalam bentuk angka-angka yang
kemudian dijelaskan dan diinterprestasikan dalam suatu uraian. Analisis yang
digunakan adalah:
1. Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk mendeteksi ada atau tidaknya
penyimpangan asumsi klasik atau persamaan regresi berganda yang
digunakan. Pengujian ini terdiri atas uji normalitas, uji multikolinearitas, uji
autokorelasi, dan uji heteroskedastisitas.
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribsui normal.
Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai
residual mengikuti distribusi secara normal atau tidak dapat dilihat dari
hasil Kolmogorov-Smirnov. Dikatakan memenuhi normalitas jika nilai
residual yang dihasilkan lebih besar dari 0.005.21
20
Ghozali, Aplikasi Analisis Multivariate Dengan Program IBM SPSS 21, (Semarang: Badan Penerbit Universitas Diponegoro, 2013), Edisi ke-7, h. 160.
21
b. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model
regresi yang terbentuk ada korelasi yang tinggi atau sempurna di antara
variabel bebas atau tidak. Jika dalam model regresi yang terbentuk
terdapat korelasi yang tinggi atau sempurna di antara variabel bebas
maka model regresi tersebut dinyatakan mengandung gejala
multikolinear.22
Uji multikolinearitas dapat dilakukan dengan melihat nilai TOL
(Tolerance) dan Variance Inflation Factor (VIF) dari masing-masing
variabel bebas terhadap variabel terikatnya. Jika nilai VIF tidak lebih dari
10, maka model dinyatakan tidak terdapat gejala multikolinear.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut heterskedastisitas dan jika berbeda
disebut heterokedastisitas atau tidak terjadi heteroskedastisitas.23 Model
rehresi yang baik adalah yang tidak terjadi heteroskedastisitas.
d. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pengganggu pada periode t-1 (sebelumnya). Autokorelasi
dapat dideteksi dengan menggunakan uji Durbin Watson dengan
22
Suliyanto, Ekonometrika Terapan:Teori dan Aplikasi dengan SPSS, (Yogyakarta: Andi, 2011), h. 81.
23
membandingkan nilai DW dengan nilai uji DW terendah (dL) dan uji
DW tertinggi (dU).24
1) Jika DW < dL artinya, adanya korelasi positif.
2) Jika dL < DW < dU artinya, tidak diketahui.
3) Jika dU < DW < 4-dU artinya, tidak ada autokorelasi.
4) Jika 4-dU < DW < 4-dL artinya, tidak diketahui.
5) Jika DW > 4-dL artinya, terdapat korelasi negative.
Nilai dU dan dL dapat diperoleh dari tabel statistik Durbin Watson
yang bergantung banyaknya observasi dan banyaknya variabel yang
menjelaskan.
2. Uji Hipotesis
a. Analisis Regresi Linear Berganda
Untuk menganalisa data peneliti menggunakan metode regresi
linear berganda. Analisis regresi linear berganda adalah pengembangan
analisis sederhana aplikasi yang terdiri dari dua atau lebih variabel
independen untuk menduga nilai dari variabel dependen. Analisis regresi
linear dapat digunakan untuk mengetahui bagaimana pengaruh variabel
bebas yaitu Biaya Produksi (X1) dan Biaya Promosi (X2) terhadap Omzet
Penjualan (Y) pada Rotte Bakery di jalan Bukit Barisan Pekanbaru.
Dalam penelitian ini digunakan model regresi linear berganda. Rumusnya
adalah sebagai berikut :25
24
Ghozali, Op. Cit., h. 111.
25
Iqbal Hasan, Analisis Data Penelitian dengan Statistik, (Jakarta: Bumi Aksara, 2010), h. 74.
Rumus : Y = a+b1X1+b2X2+ e Dimana : Y = Omzet Penjualan a = Konstanta X1 = Biaya Produksi X2 = Biaya Promosi
b1 dan b2 = Koefisien regresi variabel
e = Standar Eror
b. Uji Parsial (uji-t)
Untuk mengetahui seberapa besar pengaruh suatu variabel
independen secara individual dalam menerangkan variabel dependen.
Dengan menguji koefisien variabel independen atau uji parsial untuk
semua variabel independen. Uji ini membandingkan t hitung dengan t
tabel yaitu bila t hitung > t tabel berarti bahwa variabel bebas mampu
mempunyai pengaruh terhadap variabel terikat. Sebaliknya jika t hitung <
t tabel maka variabel bebas tidak mempunyai pengaruh terhadap variabel
terikat, dalam hal ini tingkat kepercayaan α sebesar 0,05 (5%).26
Jika t hitung > t tabel maka Ho ditolak dan Ha diterima.
Jika t hitung < t tabel maka Ho diterima dan Ha ditolak.
c. Uji Signifikan Simultan (uji-F)
Uji F dilakukan untuk mengetahui apakah variabel independen
secara bersama-sama (simultan) berpengaruh terhadap variabel
26
dependen, uji F dilakukan dengan membandingkan F hitung dan F tabel.
Pedoman yang digunakan untuk menerima atau menolak hipotesis yaitu:
Jika F hitung < F tabel maka Ho diterima dan Ha ditolak.
Jika F hitung > F tabel maka Ho ditolak dan Ha diterima.
d. Koefisien Korelasi (R)
Analisa ini digunakan untuk melihat keeratan hubungan antar
variabel. Koefisien korelasi bergerak antara 0,00 sampai 1,00 (disebut
korelasi positif) atau antara 0,00 sampai - 1,00 (disebut korelasi negatif).
Korelasi positif berarti kenaikan variabel pertama diikuti dengan
kenaikan skor variabel kedua. Sedangkan korelasi negatif adalah korelasi
dimana kenaikan skor variabel pertama diikuti dengan menurunnya skor
variabel kedua, atau sebaliknya.27
Kriteria derajat hubungan koefisien adalah hubungan sangat lemah
(0,00 – 0,20), hubungan lemah (0,21 – 0,40), hubungan sedang (0,41 –
0,60), hubungan kuat (0,61 – 0,80 ), hubungan sangat kuat (0,81 – 1,00).
Berikut rumus koefisien korelasi.
r
=
√Keterangan :
r = Koefisien korelasi
x= Devisi rata-rata variabel X
y= Devisi rata-rata variabel Y
n= Jumlah sampel
27
e. Koefisien Determinasi (R2)
Koefisien determinasi digunakan untuk mengetahui seberapa besar
hubungan dari beberapa variabel dalam pengertian yang lebih jelas.
Koefisien determinasi akan menjelaskan seberapa besar perubahan atau
variasi suatu variabel bisa dijelaskan oleh perubahan atau variasi pada
variabel yang lain. Dalam bahasa sehari-hari adalah kemampuan variabel
bebas untuk berkontribusi terhadap variabel tetapnya dalam satuan
persentase.
Nilai koefisien ini antara 0 dan 1, jika hasil lebih mendekati angka
0 berarti kemampuan variabel-variabel independen dalam menjelaskan
variasi variabel amat terbatas. Tapi jika hasil mendekati angka 1 berarti
variabel-variabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi variabel dependen.28
28