43 BAB III
METODOLOGI PENELITIAN 3.1 Objek Penelitian
PT. Pelinda Sarana Sukses didirikan pada tahun 1977 dan merupakan salah satu perusahaan manufaktur pensil terbesar di Indonesia. Dengan pabriknya yang berlokasi di Tangerang, yang telah memiliki 580 staff pekerja, dan saat ini telah memproduksi lebih dari 3.600.000 gross pensil dan 70.000 gross crayon tiap tahunnya. Lebih dari 70% hasil produksi PT. Pelinda Sarana Sukses di ekspor hamper ke seluruh Negara di dunia.
PT. Pelinda juga menjual berbagai pernik peralatan tulis seperti wooden pencil, crayon oil pastel, colored pencil, aquarel pencil dan aquarel crayon di bawah merek KIKO. Seluruh produk PT. Pelinda Saran Sukses telah memenuhi standart international (ISO) yang dapat di lihat dari sertifikat EN71 dan (LHAMA) ASTM – D4236 yang di peroleh oleh perusahaan ini.
3.1.1 TEMPAT DAN WAKTU PENELITIAN
Penelitian ini dilaksanakan di Wilayah Jakarta Utara di kantor pusat PT. Pelinda Sarana Sukses, pada bulan Februari 2014 sampai dengan bulan Juli 2014,
3.1.2 JENIS DAN SUMBER DATA
Data Penelitian yang dikumpulkan meliputi data sekunder, sebagai berikut :
Data yang diperoleh secara langsung melalui data – data penjualan tahun 2003 s/d 2013.
44 3.2 Design Penelitian
Pada penelitian ini data sekunder yang di peroleh dari laporan penjualan tahun 2013 dan kemudian mengkalkulasi jumlah penjualan dari 10 tahun ke belakang, yakni dari tahun 2003 s/d 2013 sehingga data yang di hasilkan dapat akurat. Jenis penelitian ini adalah penelitian kausal (sebab- akibat), dimana penelitian kausal bertujuan untuk mengetahui hubungan sebab – akibat dari variable – variable yang di teliti untuk menjawab pertanyaan penelitian.Penelitian kausal bersifat ex post facto, artinya data dikumpulkan setelah semua kejadian yang dipersoalkan berlangsung (telah lalu). Penelitian mengambil satu atau lebih akibat (sebagai “dependent variables”) dan menguji data itu dengan menelusur kembali ke masa lampau untuk mencari sebab-sebab, saling hubungan dan maknanya.
Dalam penelitian ini, riset dirancang untuk mengetahui Pengaruh Manajemen Hubungan Pelanggan (CRM) dan jumlah armada penjual (salesman) serta kegiatan promosi terhadap peningkatan penjualan suatu produk.Dalam hal ini, peneliti akan mengumpulkan data – data customer dan total pembelian dari divisi marketing. Unit analisis yang digunakan dalam penelitian ini adalah tingkat individual, yaitu PT. Pelinda Sarana Sukses.
3.3 HIPOTESIS
Menurut sugiyono (2008:93) : “Hipotesis merupakan jawaban sementara terhadap rumusan masalah penelitian. Berdasarkan kerangka pemikiran
45 yang telah diuraikan diatas, maka diambil suatu hipotesis penelitian yang akan diuji dan dibuktikan kebenarannya, yaitu :
Hipotesis I :
1. Ho : Diduga Manajemen hubungan pelanggan tidak berpengaruh terhadap peningkatan penjualan perusahaan.
2. Ha : Diduga Manajemen hubungan pelanggan berpengaruh terhadap peningkatan penjualan perusahaan.
Hipotesis II :
1. Ho : Diduga jumlah armada penjual (salesman) tidak berpengaruh terhadap peningkatan penjualan perusahaan.
2. Ha : Diduga jumlah armada penjual (salesman) berpengaruh terhadap peningkatan penjualan perusahaan.
Hipotesis III :
1. Ho : Diduga kegiatan promosi tidak berpengaruh terhadap peningkatan penjualan perusahaan.
2. Ha : Diduga kegiatan promosi berpengaruh terhadap peningkatan penjualan perusahaan.
Hipotesis IV :
1. Ho : Diduga Manajemen hubungan pelanggan dan jumlah armada penjual (salesman) serta kegiatan promosi tidak berpengaruh terhadap peningkatan penjualan perusahaan.
46 2. Ha : Diduga Manajemen hubungan pelanggan dan jumlah armada penjual (salesman) serta kegiatan promosi berpengaruh terhadap peningkatan penjualan perusahaan.
3.4 Data penelitian dan Defenisi Operasional Variabel a. Data penelitian
Penelitian dilaksanakan pada bulan Februari 2014 s.d. Juli 2014. Menurut cara memperolehnya, penelitian ini termasuk ke dalam data sekunder. Data sekunder adalah data yang diperoleh secara langsung dari PT. Pelinda Sarana Sukses dengan mengumpulkan data penjulan dari seluruh customer dan jumlah salesman pada perusahaan.
b. Operasional variabel
Secara operasional variable perlu didefinisikan yang bertujuan untuk menjelaskan makna variable penelitian. Definisi operasional adalah unsur penelitian yang memberikan petunjuk bagimana variabel itu diukur.
Berdasarkan pokok permasalahan dan hipotesis, maka variabel yang dianalisis dapat dibedakan menjadi dua yaitu:
1. Variabel Bebas (Independent Variabel)
Variabel bebas yaitu variabel yang menjelaskan atau mempengaruhi variabel yang lain. Variabel ini sering disebut variabel penyebab karena jika variabel bebas ada bersama-sama dengan variabel lain yang tidak bebas, maka variabel yang tidak bebas akan berubah dalam variasinya.
47 Variabel bebas dalam penelitian ini adalah CRM, jumlah armada penjual dan kegiatan promosi penjualan (X). Variable armada penjual diukur dengan melihat jumlah armada penjual tiap tahunnya. Sedangkan Variabel promosi diukur dengan melihat promosi yang di lakukan tiap tahunnya dalam anggaran / biaya yang di keluarkan kegiatan promosi tersebut, seperti biaya – biaya : pameran, plant visit,dan special event.Sedangkan pada variable CRM diukur dengan melihat jumlah anggaran yang di keluarkan per tahun dalam rupiah yang di terima dari penjualan tiap tahun.
2. Variabel Terikat (Dependent Variabel )
Variabel terikat adalah variabel yang dijelaskan atau dipengaruhi oleh variabel bebas. Dalam penelitian ini variabel terikat adalah Tingkat Penerimaan perusahaan per tahun. Dimana variable ini mengukur tingkat penerimaan dalam rupiah yang di terima dari penjulan tiap tahun.
3.5. Analisis Data Analisis Data Sekunder
Analisis data sekunder merupakan analisis data survei yang telah tersedia. Analisis ini mencakup interpretasi, kesimpulan atau tambahan pengetahuan dalam bentuk lain. Semua itu ditunjukkan melalui hasil penelitian pertama secara menyeluruh. Analisis bentuk ini merupakan analisis ulang (re-analysis) dalam bentuk atau sudut pandang berbeda dari laporan pertama (Thomas 1996, 42). Hasil dari penelitian pertama itu disaring melalui pengertian peneliti kedua, tergantung dari konteks dan situasi sosialnya.
48 Dari data sekunder didapat dua manfaat yang menyertainya. Penelitian sekunder dapat menjadi alternatif untuk mendapat jawaban yang tidak didapat dari penelitian primer. Dari data sekunder peneliti juga mendapat manfaat dengan menjadikanya alat komparasi dengan data yang telah ada untuk mencari perbedaan dengan temuan yang baru. Data sekunder dapat diperoleh dari berbagai sumber yang mudah diakses, seperti perpustakaan. Bentuknya juga beragam, dari bentuk dokumentasi seperti surat, kontrak, dan memo. Peneliti juga bisa menggunakan jasa penyedia info dan CD ROM. Namun, yang perlu diperhatikan adalah terkadang data sekunder in bersifat subyektif dan memihak, tergantung penyedianya. Kent memaparkan bahwa setidaknya ada empat tipe berbeda dari data sekunder:
jurnal, artikel, buku dan koran yang dipublikasikan.
data statistik dari pemerintah atau sumber lain.
data dari rumah produksi, penelitian pasar / iklan.
data hasil dari operasional sehari-hari.
Keuntungan yang didapat dari penggunaan data sekunder antara lain: (1) peneliti baru mendapat info setelah penelitian usai sehingga data didapat menyeluruh, tidak setengah-setengah; (2) bukan hanya jadi alternatif sumber bahan, tetapi dapat juga menjadi sumber data utama; (3) data jenis ini dapat memberi data dengan kualitas lebih tinggi dengan mengusulkan hipotesis, formulasi masalah dan metode penelitian yang sebaiknya dilakukan; (4) data
sekunder telah melalui proses analisis yang baik.
49 perlu memerhatikan beberapa kelemahannya seperti: (1) data yang terkadang bias dan tidak sesuai dengan tujuan penelitian yang spesifik, (2) data terlampau luas sehingga bisa terjadi misinterpretasi, (3) biasanya tidak up to date sehingga kadang perlu analisis ulang dengan tambahan data tertentu, (4) data lama inilah yang terkadang dapat mengurangi validitasnya.
Kesimpulannya, penggunaan data sekunder dalam penelitian bisa menjadi pilihan. Selain kemudahan akses sehingga dapat menghemat waktu dan biaya, data jenis ini juga cukup memadai bagi penelitian oleh mahasiswa. Namun, yang perlu dijadikan catatan adalah bahwa data sekunder cenderung bias sehingga tidak akurat atau tidak sesuai dengan penelitian yang akan dilakukan. Tetapi, secara keseluruhan penggunaan data sekunder lebih banyak keuntungannya sehingga tak heran jika data ini banyak dipakai.
a.Uji Kualitas Data
Pada proses pengolahan hasil data penelitian, maka perlu dilakukan pengujian kualitas data sebelum diolah dan dianalisa. Ada dua konsep dalam mengukur kualitas data, yaitu: validitas dan reliabilitas. Artinya suatu penelitian akan menghasilkan kesimpulan yang bias jika datanya kurang reliable dan kurang valid. Sedangkan kualitas data penelitian ditentukan oleh kualitas instrument yang digunakan untuk mengumpulkan data.
Dalam penelitian ini, menggunakan uji asumsi klasik dalam pengolahan datanya. Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak berdasarkan OLS tidak memerlukan
50 persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dapat dipergunakan pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada data cross sectional.
Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan untuk menghitung nilai pada variabel tertentu. Misalnya nilai return saham yang dihitung dengan market model, atau market adjusted model. Perhitungan nilai return yang diharapkan dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi klasik.
Setidaknya ada lima uji asumsi klasik, yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada. Sebagai contoh, dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang tidak memenuhi persyaratan. Kemudian dilakukan perbaikan pada uji tersebut, dan setelah memenuhi persyaratan, dilakukan pengujian pada uji yang lain.
1) Uji Normalitas
Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel.
51 Hal ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada masing-masing variabel penelitian.
Pengertian normal secara sederhana dapat dianalogikan dengan sebuah kelas. Dalam kelas siswa yang bodoh sekali dan pandai sekali jumlahnya hanya sedikit dan sebagian besar berada pada kategori sedang atau rata-rata. Jika kelas tersebut bodoh semua maka tidak normal, atau sekolah luar biasa. Dan sebaliknya jika suatu kelas banyak yang pandai maka kelas tersebut tidak normal atau merupakan kelas unggulan. Pengamatan data yang normal akan memberikan nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga nilai rata-rata, modus dan median relatif dekat.
Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov. Tidak ada metode yang paling baik atau paling tepat. Tipsnya adalah bahwa pengujian dengan metode grafik sering menimbulkan perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan uji normalitas dengan uji statistik bebas dari keragu-raguan, meskipun tidak ada jaminan bahwa pengujian dengan uji statistik lebih baik dari pada pengujian dengan metode grafik.
Jika residual tidak normal tetapi dekat dengan nilai kritis (misalnya signifikansi Kolmogorov Smirnov sebesar 0,049) maka dapat dicoba dengan metode lain yang mungkin memberikan justifikasi normal. Tetapi jika jauh dari nilai normal, maka dapat dilakukan beberapa langkah yaitu: melakukan transformasi data, melakukan trimming data outliers atau menambah data observasi. Transformasi dapat dilakukan ke dalam bentuk Logaritma natural, akar
52 kuadrat, inverse, atau bentuk yang lain tergantung dari bentuk kurva normalnya, apakah condong ke kiri, ke kanan, mengumpul di tengah atau menyebar ke samping kanan dan kiri.
2) Uji Multikolinearitas
Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi (keterkaitan) yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel-variabel bebas terhadap variabel-variabel terikatnya menjadi terganggu. Sebagai ilustrasi, adalah model regresi dengan variabel bebasnya motivasi, kepemimpinan dan kepuasan kerja dengan variabel terikatnya adalah kinerja. Logika sederhananya adalah bahwa model tersebut untuk mencari pengaruh antara motivasi, kepemimpinan dan kepuasan kerja terhadap kinerja. Jadi tidak boleh ada korelasi yang tinggi antara motivasi dengan kepemimpinan, motivasi dengan kepuasan kerja atau antara kepemimpinan dengan kepuasan kerja.
Alat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan variance inflation factor (VIF), korelasi pearson antara variabel-variabel bebas, atau dengan melihat eigenvalues dan condition index (CI). Beberapa alternatif cara untuk mengatasi masalah multikolinearitas adalah sebagai berikut:
53 1. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi. 2. Menambah jumlah observasi.
3. Mentransformasikan data ke dalam bentuk lain, misalnya logaritma natural, akar kuadrat atau bentuk first difference delta.
4. Dalam tingkat lanjut dapat digunakan metode regresi bayessian yang masih jarang sekali digunakan.
3) Uji Heteroskedastisitas
Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas.
Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya). Model yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit. Uji statistik yang dapat digunakan adalah uji Glejser, uji Park atau uji White.
Beberapa alternatif solusi jika model menyalahi asumsi heteroskedastisitas adalah dengan mentransformasikan ke dalam bentuk logaritma, yang hanya dapat dilakukan jika semua data bernilai positif. Atau dapat
54 juga dilakukan dengan membagi semua variabel dengan variabel yang mengalami gangguan heteroskedastisitas.
4) Uji Autokorelasi
Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya. Sebagai contoh adalah pengaruh antara tingkat inflasi bulanan terhadap nilai tukar rupiah terhadap dollar. Data tingkat inflasi pada bulan tertentu, katakanlah bulan Februari, akan dipengaruhi oleh tingkat inflasi bulan Januari. Berarti terdapat gangguan autokorelasi pada model tersebut. Contoh lain, pengeluaran rutin dalam suatu rumah tangga. Ketika pada bulan Januari suatu keluarga mengeluarkan belanja bulanan yang relatif tinggi, maka tanpa ada pengaruh dari apapun, pengeluaran pada bulan Februari akan rendah.
Uji autokorelasi hanya dilakukan pada data time series (runtut waktu) dan tidak perlu dilakukan pada data cross section seperti pada kuesioner di mana pengukuran semua variabel dilakukan secara serempak pada saat yang bersamaan. Model regresi pada penelitian di Bursa Efek Indonesia di mana periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi.
Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, uji dengan Run Test dan jika data observasi di atas 100 data sebaiknya menggunakan uji Lagrange Multiplier. Beberapa cara untuk menanggulangi masalah autokorelasi adalah dengan mentransformasikan data atau bisa juga
55 dengan mengubah model regresi ke dalam bentuk persamaan beda umum (generalized difference equation). Selain itu juga dapat dilakukan dengan memasukkan variabel lag dari variabel terikatnya menjadi salah satu variabel bebas, sehingga data observasi menjadi berkurang satu.
5) Uji Linearitas
Uji linearitas dipergunakan untuk melihat apakah model yang dibangun mempunyai hubungan linear atau tidak. Uji ini jarang digunakan pada berbagai penelitian, karena biasanya model dibentuk berdasarkan telaah teoretis bahwa hubungan antara variabel bebas dengan variabel terikatnya adalah linear. Hubungan antar variabel yang secara teori bukan merupakan hubungan linear sebenarnya sudah tidak dapat dianalisis dengan regresi linear, misalnya masalah elastisitas.
Jika ada hubungan antara dua variabel yang belum diketahui apakah linear atau tidak, uji linearitas tidak dapat digunakan untuk memberikan adjustment bahwa hubungan tersebut bersifat linear atau tidak. Uji linearitas digunakan untuk mengkonfirmasikan apakah sifat linear antara dua variabel yang diidentifikasikan secara teori sesuai atau tidak dengan hasil observasi yang ada. Uji linearitas dapat menggunakan uji Durbin-Watson, Ramsey Test atau uji Lagrange Multiplier.
56 3.6 Pengujian Hipotesis
a. Analisis Regresi Linear Berganda
Hubungan linier dapat dinyatakan sebagai berikut :. Y’ = a + b1X1+ b2X2+b3X3
Keterangan:
Y‟ = Tingkat Penjualan (Variabel dependen/terikat) X1 = CRM (Variabel independen/bebas)
X2 = Armada Penjual (Variabel independen/bebas)
X3 = Promosi (Variabel independen/bebas)
a = Konstanta (nilai Y‟ apabila X1, X2….. = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
Koefisien regresi „b‟ adalah kontribusi besarnya perubahan nilai variabel bebas, semakin besar nilai koefisien regresi maka kontribusi perubahan semakin besar, demikian pula sebaliknya akan semakin lecil. Kontribusi perubahan variabel bebas (X) juga ditentukan oleh koefisien regresi positif atau negatif.
b. Uji Koefisien Determinasi
Untuk mengetahui seberapa besar variabel Y dipengruhi oleh Variabel X, maka dilakukan perhitungan dengan menggunakan analisa Koefisien
57 % 100 2 r Kd Keterangan: Kd : Koefisien Determinasi. r :Kuadrat regresi korelasi. (sumber Sugiyono. 2003; 216) Koefisien Determinasi Parsial
Langkah-langkah pengujian hipotesis yang dilakukan adalah sebagai berikut: a.Penetapan Hipotesis
Ho : β1 = β2 = 0, X1 dan X2 tidak berpengaruh secara simultan terhadap Y.
Ha : β1 ≠ β2 0, X1 dan X2 berpengaruh secara simultan terhadap Y.
b. Perhitungan SignifikansiSimultan (Uji Statistik F) :
Nilai F ini selanjutnya dibandingkan dengan harga F tabel, dimana nilai F tabel dapat dicari dengan menggunakan F tabel dengan dk pembilang = 2, dk penyebut = 12, dengan taraf kesalahan 5%. Cara lain untuk mencari nilai F tabel dengan menggunakan program Ms Excel dengan mengetik FINV(0.05,2,12) maka diperoleh nilai F tabel = 3,88.
58 Hasil Fhitung dibandingkan dengan Ftabel dengan kriteria :
1. Tolak Ho jika Fhitung > Ftabel pada alpha 5% untuk koefisien positif.
2. Terima Ho jika Fhitung < Ftabel pada alpha 5% untuk koefisien negatif.
Ternyata F hitung lebih besar daripada F tabel (25,44> 3,88). Dengan dimikian dapat dinyatakan bahwa H0 ditolak, yaituX1 dan X2 memiliki pengaruh yang
signifikan secara simultan terhadap Y.
d. Uji Signifikan Parameter Individual (Uji Statistik t)
Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel penjelas secara individual dalam menerangkan variasi variabel dependen. Ho yang hendak diuji adalah apakah suatu parameter (bi) sama dengan nol, atau Ho :bi = 0. Hal ini berarti variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen.
HA / hipotesis alternatifnya parameter suatu variabel tidak sama dengan nol, atau HA : bi ≠ 0. Hal ini berarti variabel tersebut merupakan variabel penjelas yang signifikan terhadap variabel dependen.
Rumus uji t yang digunakan adalah :
Nilai ini selanjutnya dibandingkan dengan nilai t tabel, dimana nilai t tabel dapatdilihat pada tabel t dengan dk = 15-1 = 14, taraf kesalahan = 5%. Cara
59 lain dengan menggunakan program Ms Excel, pada cell kosong ketik TINV(0.05,14). Maka didapat nilai t tabel sebesar 2,145.
Kriteria uji statistik t adalah sebagai berikut :
a. Jika thitung≥ ttabel (α=0,05) maka H0 ada di daerah penolakan, berarti Ha diterima artinya antara variabel X dan variabel Y terdapat hubungan.
b. Jika thitung≤ ttabel (α=0,05) maka Ho ada di daerah penerimaan, berarti Ha ditolak artinya antara variabel X dan variabel Y tidak ada hubungannya.
