A. Analisa Hipotesis
1. Statistik Deskriptif Untuk Biaya Pemasaran Tahun 2002 dan Penjualan Bersih Tahun 2003
Statistik deskriptif lebih berhubungan dengan pengumpulan dan
peringkasan data-data untuk menggambarkan keadaan data variabel biaya
pemasaran dan variabel penjualan bersih yang sebenarnya secara statistik.
Data ini terdiri dari nilai data minimum, data maksimum, data mean dan
data standar deviasi.
Tabel 4.1 Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Penjualan Bersih Biaya Pemasaran Valid N (listwise) 30 30 30 2.73E+010 3.87E+009 3.15E+013 1.51E+012 4.3751E+012 2.7694E+011 7.57053E+012 4.12223E+011
Sumber: Data Diolah (Tahun 2006)
Analisa dari statistik deskriptif yaitu : N adalah jumlah data yang
diolah dalam penelitian ini, dimana terdiri dari variabel penjualan bersih
dan variabel biaya pemasaran dengan jumlah sebanyak 30 sampel.
Mean merupakan nilai rata-rata, dalam analisa statistik deskriptif diketahui bahwa rata-rata penjualan bersih dari ke-30 sampel data tersebut
adalah Rp.4,3751 triliun, standar deviasi Rp.7,57053 triliun, data
minimum Rp.27,300 milyar dan data maksimum Rp.31,500 triliun.
Sedangkan biaya pemasaran, rata-ratanya adalah Rp. 276,940 milyar,
standar deviasi Rp. 412,223 milyar, data minimum Rp. 3,870 milyar dan data maksimum sebesar Rp. 1,510 triliun.
2. Analisa Uji Normalitas
Gambar 4.1
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Penjualan
0.0 0.2 0.4 0.6 0.8 1 0
Observed Cum Prob
Berdasarkan hasil output Normal P-Plot di atas memperlihatkan distribusi titik-titik data menyebar di sekitar garis diagonal, dan penyebaran titik-titik data searah dengan garis diagonal. Jadi data biaya pemasaran tahun 2002 dan penjualan bersih taljim 2003 yang digunakan
untuk penelitian ini dapat dikatakan normal.
3. Analisa Regresi Sederhana Untuk Bjaya Pemasaran Tahun 3QO3 dan
Penjualan Bersih Tahun 2003
Setelah menganalisa statistik deskriptif, (angkah selan^tnya adalah melakukan pengukuran regresi untuk ^mengetahui apakafa ada
pengaruh antara 2 (dua) variabel terukur tersebut. Dalam analisa regresi
linier sederhana, akan dikembangkan sebuah estimating equation (persamaan regresi) yaitu sebuah formula matematika yang mencari nilai variabel dependen dari nilai variabel independen yang diketahui. Dampak dan penggunaan analisis regresi dapat diketahui serta memutuskan apakah naik dan menurunnya variabel dependen dipengaruhi oleh variabel
independen.
Dalam analisa regresi, selain mengukur pengaruh juga dapat mengukur kekuatan dan arah hubungan antara variabel dependen dengan variabel independen. Dalam penelitian ini variabel dependen diasumsikan random (acak), yang berarti mempunyai probabilistik, sedangkan variabel independen diasumsikan memiliki nilai tetap. Dalam analisa regresi ini penulis menguji ketepatan dan kehandalan panelitian melalui beberapa tahap, yaitu : ketepatan regresi (diukur dengan standar error dari estimasi), dan kehandalan secara statistik masing-masing variabel bebas
(t-test).
a. Ketepatan Regresi
Standard error ofestimate adalah Rp.4,44450 triliun (dengan menggunakan satuan yang dipakai adalah variabel dependen, yaitu penjualan bersih). Pada analisa sebelumnya menunjukkan standar
deviasi untuk penjualan bersih sebesar Rp.7,57053 triliun, berarti
sedikit lebih besar dari Standard error of estimate yang hanya
. bersih, maka dapat disimpulkan model regresi lebih bagus dalam
bertindak sebagai predictor penjualan bersih daripada rata-rata
penjualan bersih itu sendiri.
b. Uji Signifikansi Parameter Individual (t - test) Tabel 4.2 Coefficients Model 1 (Constant) Biaya Pemasaran Unstandardized Coefficients B 2E+011 15.001 Std Error 1E+012 2.002 Standardized Coefficients Beta .817 t .224 7.493 Siq. .824 .000
a. Dependent Variable: Penjualan Bersih
Sumber : Data Diolah (Tahun 2006)
Uji signifikansi parameter individual (t - test ) untuk dapat
menginterprestasikan koefisien variabel bebas menggunakan Unstandardized Coeficients atau Standardized Coeflcients.
Berdasarkan tabel di atas hasil uji signifikansi parameter
individual (t-test), menunjukkan persamaan regresi linier sederhana Y=Rp.200.000.000.000 + 15,001X. Dimana Y merupakan penjualan bersih dan X adalah biaya pemasaran. Dengan suatu konstanta sebesar Rp.200.000.000.000 menyatakan bahwa jika tidak ada biaya
pemasaran, maka penjualan bersih adalah Rp. 200.000.000.000.
Koefisien regresi 15,001 menyatakan bahwa setiap penambahan (karena tanda +) Rp.l,- biaya pemasaran akan meningkatkan penjualan bersih sebesar Rp.l5,001. Angka 0,817 dalam tabel di atas adalah angka standardized coefficient (beta) menunjukkan kolerasi
yang berarti terdapat hubungan yang sangat kuat antara biaya
pemasaran dengan penjualan bersih.
Dari hasil tabel di atas angka Sig./ Significance sebesar 0,000.
Dengan menggunakan hipotesis: Ho : Koefisien regresi tidak signifikan Ha : Koefisien regresi signifikan
Berdasarkan nilai probabilitas atau tingkat signifikansi, sebagai
berikut:
Probabilitas > 0,05, Ho diterima Probabilitas < 0,05, Ho ditolak
Dari hasil output tabel uji t-test tersebut, angka sig. sebesar 0,000 < 0,05, maka Ho ditolak dan secara otomatis Ha diterima. Hal ini berarti koefisien regresi signifikan dan biaya pemasaran benar-benar berpengaruh terhadap penjualan bersih.
Dari tabel di atas angka pada kolom t sebesar 7,493. Dengan
menggunakan hipotesis :
Ho : Koefisien regresi tidak signifikan
Ha : Koefisien regresi signifikan
Berdasarkan membandingkan antara statistik hitung dengan statistik
tabel, sebagai berikut:Statistik t Hitung (t output) > Statistik t Tabel, Ho ditolak Statistik t hitung (t output) < Statistik t Tabel, Ho diterima
Pada hasil tabel output terdapat t hitung sebesar 7,493,
sedangkan untuk statistik tabel diperoleh dengan tingkat signifikansi (a) 5% (diketahui dari input data di bagian option dengan memilih tingkat kepercayaan 95%), df atau derajat kebebasan sebanyak 28.
Maka diperoleh angka 2,0484.
Dari hasil membandingkan statistik hitung dengan statistik
tabel, maka didapat statistik t hitung (7,493) > statistik t tabel
(2,0484). Berdasarkan perbandingan tersebut dapat disimpulkan
bahwa Ho ditolak yang secara otomatis Ha diterima, berarti koefisien regresi signifikan dan biaya pemasaran benar-benar mempunyai
pengaruh besar secara signifikan terhadap penjualan bersih.
4. Statistik Deskriptif Untuk Biaya Pemasaran Tahun 2003 dan
Penjualan Bersih Tahun 2004
Tabel 4.3 Descriptive Statistics Penjualan Bersih Biaya Pemasaran Valid N (listwise) N 30 30 30 Minimum 3.40E+010 4.23E+009 Maximum 4.43E+013 1.82E+012 Mean 5.1641E+012 3.2533E+011 bumber : Data Diolah (Tahun 2006)
Std. Deviation 9.50629E+012 5.05232E+011
Analisis dari ststistik deskriptif yaitu : N merupakan jumlah data sampel yang diolah dalam penelhian ini, terdiri dari variabel
biaya pemasaran dan variabel penjualan bersih.
Mean atau rata-rata pada biaya pemasaran dari ke-30 sampel data tersebut adalah Rp.325,330 milyar, standar deviasi sebesar Rp.505,232
!
I PERPVSTAKW!) 1MB
I
Fmilyar, data minimum Rp.4,230 milyar dan data maksimum Rp. 1,820 triliun. Untuk penjualan bersih mempunyai mean atau rata-rata sebesar Rp.5,1641 triliun, standar deviasi Rp.9,50629 triliun, sedangkan data minimum Rp.34 milyar dan data maksimum Rp.44,300 triliun.
5. Analisa Uji Normalitas
Gam bar 4.2
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Penjualan
1.0-0.0 0.2 0.4 0.6 Observed Cum Prob
Berdasarkan hasil output Normal P-Plot di atas memperlihatkan distribusi titik-titik data menyebar di sekhar garis diagonal, dan penyebaran titik-titik data searah dengan garis diagonal. Jadi data biaya pemasaran tahun 2003 dan penjualan bersih tahun 2004 yang digunakan
6. Analisa Regresi Sederhana Untuk Biaya Pemasaran Tahun 2003 dan
Penjualan Bersih Tahun 2004 a. Ketepatan Regresi
Standard error ofestimate Rp.5,70343 triliun (dengan satuan yang dipakai adalah variabel dependen penjualan bersih). Pada analisis sebelumnya, standar deviasi penjualan bersih Rp.9,50629 triliun yang lebih besar dari Standard error ofestimate yang hanya Rp.5,70343 triliun. Karena lebih kecil dari standar deviasi penjualan bersih, maka model regresi lebih bagus dalam bertindak sebagai predictor penjualan bersih
daripada rata-rata penjualan bersih itu sendiri.
b. Uji Signifikansi Parameter Individual (t - test)
Model 1 (Constant) Biaya Pemasaran Tabel 4.4 Coefficients Unstandardized Coefficients B 2E+011 15.198 Std Error 1E+012 2.096 Standardized Coefficients Beta .808 . t .176 7.250 Siq. .861 .000
Uji signifikansi parameter individual (t - test ) untuk dapat menginterprestasikan koefisien variabel bebas menggunakan Unstandardized Coeflcients atau Standardized Coeficients.
Berdasarkan tabel di atas hasil uji signifikansi parameter
individual (t-test), menunjukkan persamaan regresi linier sederhana
Y=Rp.200.000.000.000 + 15,198X. Dimana Y merupakan penjualan bersih dan X adalah biaya pemasaraiL Dengan suatu konstanta
sebesar Rp.200.000.000.000 menyatakan bahwa jika tidak ada biaya
pemasaran, maka penjualan bersih adalah Rp. 200.000.000.000.
Koefisien regresi 15,198 menyatakan bahwa setiap penambahan (karena tanda +) Rp.l,- biaya pemasaran akan meningkatkan penjualan bersih sebesar Rp.15,198. Angka 0,808 dalam tabel di atas adalah angka standardized coefficient (beta) menunjukkan kolerasi yang berarti terdapat hubungan yang sangat kuat antara biaya
pemasaran dengan penjualan bersih.
Dari hasil tabel di atas angka Sig./ Significance sebesar 0,000.
Dengan menggunakan hipotesis: Ho : Koefisien regresi tidak signifikan Ha : Koefisien regresi signifikan
Berdasarkan nilai probabilitas atau tingkat signifikansi, sebagai
berikut:
Probabilitas > 0,05, Ho diterima Probabilitas < 0,05, Ho ditolak
Dari hasil output tabel uji t-test tersebut, angka sig. sebesar 0,000 < 0,05, maka Ho ditolak dan secara otomatis Ha diterima. Hal ini berarti koefisien regresi signifikan dan biaya pemasaran benar-benar berpengaruh terhadap penjualan bersih.
Dari tabel di atas angka pada kolom t sebesar 7,250. Dengan
menggunakan hipotesis:
Ha : Koefisien regresi signiiikan
Berdasarkan membandingkan antara statistik hitung dengan statistik
tabel, sebagai berikut:
Statistik t Hitung (t output) > Statistik t Tabel, Ho ditolak
Statistik t hitung (t output) < Statistik t Tabel, Ho diterima
Pada hasil tabel output terdapat t hitung sebesar 7,250, sedangkan untuk statistik tabel diperoleh dengan tingkat signifikansi (a) 5% (diketahui dari input data di bagian option dengan memilih tingkat kepercayaan 95%), df atau derajat kebebasan sebanyak 28.
Maka diperoleh angka 2,0484.
Dari hasil membandingkan statistik hitung dengan statistik tabel, maka didapat statistik t hitung (7,250) > statistik t tabel (2,0484). Berdasarkan perbandingan tersebut dapat disimpulkan bahwa Ho ditolak yang secara otomatis Ha diterima, berarti koefisien regresi signifikan dan biaya pemasaran benar-benar mempunyai pengaruh besar secara signifikan terhadap penjualan bersih.
7. Statistik Deskriptif Untuk Biaya Pemasaran Tahun 2004 dan
Penjualan Bersih Tahun 2005
Tabel 4.5 Descriptive Statistics Penjualan Bersih Biaya Pemasaran Valid N (listwise) N 30 30 30 Minimum 3.96E+010 4.27E+009
Sumber: Data Diolah (Tahun 2006)
Maximum 6.12E+013 2.21E+012 Mean 6.1290E+012 3.8119E+011 Std. Deviation 1.24246E+013 6.09117E+011 ***? PERPUSTAkAAJH UMB tuutuhannvft
Aralisis dari statistik deskriptif yaitu : N merupakan jumlah data yang diolah dalam penelitian ini terdiri dari variabel biaya pemasaran dan
variabel penjualan bersih.
Mean atau rata-rata pada biaya pemasaran dari ke-30 sampel data tersebut adalah Rp.381,190 milyar, standar deviasi sebesar Rp.609,117 milyar, data minimum Rp.4,270 milyar dan data maksimum Rp.2,210 triliun. Untuk penjualan bersih mempunyai mean atau rata-rata sebesar Rp.6,129 triliun, standar deviasi Rp.12,4246 triliun, sedangkan data minimum Rp.39,600 milyar dan data maksimum Rp.61,200 triliun.
8. Analisa Uji Normatitas
Gam bar 4.3
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Penjualan
00 0.2 0.4 0.6 0.8 1 0
Observed Cum Prob
Berdasarkan hasil output Normal P-Plot di atas memperlihatkan distribusi titik-titik data menyebar di sekitar garis diagonal, dan penyebaran titik-titik data tersebut searah dengan garis diagonal. Jadi data
biaya pemasaran tahun 2004 dan penjualan bersih tahun 2005 yang digunakan untuk penelitian ini dapat dikatakan normal.
9. Analisa Regresi Sederhana Untuk Biaya Pemasaran Tahun 2004 dan
Penjualan Bersih Tahun 2005 a. Ketepatan Regresi
Standard error ofestimate Rp.6,88972 triliun (dengan satuan yang
dipakai adalah variabel dependen penjualan bersih). Pada analisis sebelumnya, standar deviasi penjualan bersih Rp. 12,4246 triliun yang lebih besar dari Standard error ofestimate yang hanya Rp.6,88972 triliun. Karena lebih kecil dari standar deviasi penjualan bersih, maka model regresi lebih bagus dalam bertindak sebagai predictor penjualan bersih
daripada rata-rata penjualan bersih itu sendiri.
b. Uji Signifikansi Parameter Individual (t - test) Tabel 4.6 Coefficients Model 1 (Constant) Biaya Pemasaran Unstandardized Coefficients B -4E+011 17.104 Std Error 1E+012 2.100 Standardized Coefficients Beta .839 a. Dependent Variable: Penjualan Bersih
t -.262 8.143
.795 .000
Uji signifikansi parameter individual atau t-test, untuk dapat menginterprestasikan koefisien variabel bebas dapat menggunakan Unstandardized Coefficients atau Standardized Coefficients.
Berdasarkan tabel di atas hasil uji signifikansi parameter
Y=-Rp.400.000.000.000 + 17,104X. Dimana Y merupakan penjualan bersih dan X adalah biaya pemasaran. Dengan suatu konstanta sebesar -Rp.400.000.000.000 menyatakan bahwa jika tidak ada biaya
pemasaran, maka penjualan bersih adalah -Rp.400.000.000.000. Koefisien regresi 17,104 menyatakan bahwa setiap penambahan
(karena tanda +) Rp.l,- biaya pemasaran akan meningkatkan penjualan bersih sebesar Rp.17,104. Angka 0,839 dalam tabel di atas adalah angka standardized coefficient (beta) menunjukkan kolerasi
yang berarti terdapat hubungan yang sangat kuat antara biaya pemasaran dengan penjualan bersih.
Dari hasil tabel di atas angka Sig7 Significance sebesar 0,000.
Dengan menggunakan hipotesis : Ho : Koefisien regresi tidak signifikan Ha : Koefisien regresi signifikan
Berdasarkan nilai probabilitas atau tingkat signifikansi, sebagai
berikut:
Probabilitas > 0,05, Ho diterima Probabilitas < 0,05, Ho ditolak
Dari hasil output tabel uji t-test tersebut, angka sig. sebesar 0,000 < 0,05, maka Ho ditolak dan secara otomatis Ha diterima. Hal ini berarti koefisien regresi signifikan dan biaya pemasaran benar-benar berpengaruh terhadap penjualan bersih.
Dari tabel di atas angka pada kolom t sebesar 8,143. Dengan
menggunakan hipotesis:
Ho : Koefisien regresi tidak signifikan Ha : Koefisien regresi signifikan
Berdasarkan membandingkan antara statistik hitung dengan statistik
tabel, sebagai berikut:Statistik t Hitung (t output) > Statistik t Tabel, Ho ditolak Statistik t hitung (t output) < Statistik t Tabel, Ho diterima
Pada hasil tabel output terdapat t hitung sebesar 8,143, sedangkan untuk statistik tabel diperoleh dengan tingkat signifikansi (a) 5% (diketahui dari input data di bagian option dengan memilih tingkat kepercayaan 95%), df atau derajat kebebasan sebanyak 28.
Maka diperoleh angka 2,0484.
Dari hasil membandingkan statistik hitung dengan statistik tabel, maka didapat statistik t hitung (8,143) > statistik t tabel (2,0484). Berdasarkan perbandingan tersebut dapat disimpulkan
bahwa Ho ditolak yang secara otomatis Ha diterima, berarti koefisien
regresi signifikan dan biaya pemasaran benar-benar mempunyai pengaruh besar secara signifikan terhadap penjualan bersih.
B. Keterbatasan Penelitian
Dalam suatu penelitian selalu terdapat beberapa keterbatasan.
Keterbatasan peneUtian ini sengaja dilakukan penulis guna menyederhanakan
permasalahan dan pembahasan, juga karena adanya keterbatasan waktu dan
kemampuan penulis. Beberapa keterbatasan yang menyebabkan penelitian ini
masih belum sempurna adalah sebagai berikut:
1. Jumlah sampel yang diambil penulis hanya 30 perusahaan yang batas
minimal, sehingga dianggap belum cukup mewakili populasi yang ada.
2. Perusahaan yang diikutsertakan penulis dalam penelitian ini hanya
perusahaan bergerak dibidang manufaktur (Industri Dasar dan Kimia,