BAB 4 HASIL DAN PEMBAHASAN

Transkripsi

1 BAB 4 HASIL DAN PEMBAHASAN 4.1 Analisis Jalur Analisis jalur dalam penelitian ini digunakan dalam meneliti interaksi pengaruh secara langsung dan secara tidak langsung data bahan baku (X 1 ), data promosi (X 2 ), data harga(y), dan data penjualan produk roti(z). 4.2 Model Diagram Jalur Pengaruh antara variabel X 1, X 2, Y, dan Z dapat digambarkan dalam model diagram jalur sebagai berikut: Gambar 4.1 Model Diagram Jalur X 1, X 2, Y dan Z Keterangan : Z Y : penjualan roti : harga (variabel terikat) bagi X juga variabel bebas bagi Z

2 2 X 1 X 2 : bahan baku : promosi 4.3 Persiapan Data Pengambilan data dilakukan dengan menggunakan kuisioner online dengan jumlah responden 100 orang. Data kuisioner yang digunakan adalah data ordinal (Sangat tidak setuju, tidak setuju, netral, setuju, sangat setuju). Sebelum dapat digunakan dalam perhitungan, data hasil kuisioner diubah dengan metode Successive Interval dengan bantuan program Microsoft Excel Data hasil olahan ini nantinya merupakan data interval yang digunakan dalam perhitungan program. Oleh karena anallisis jalur mengisyaratkan skala pengukuran mininmal interval, maka peneliti harus menaikkan tingkat pengukuran ordinal menjadi interval. Salah satu metode konversi data yang digunakan untuk menaikkan tingkat pengukuran ordinal ke interval adalah Metode Successive Interval (MSI). Langkah-langkah metode Successive Interval (MSI) dapat dijelaskan sebagai berikut: Contoh Tabel 4.1 untuk pertanyaan item 1 (satu) variabel X dapat dijelaskan sebagai berikut:

3 3 Tabel 4.1 Penskalaan Ordinal ke Interval Penjelasan: a. Nomor item pertanyaan yang akan di MSI adalah item1 variabel X. b. Kategori skor jawaban responden dalam skala Ordinal (Likert) berkisar nilainya antara 1-5. c. Masing-masing skor jawaban dalam skala ordinal dihitung frekuensinya seperti berikut: Frekuensi skor jawaban 1 = 3 Frekuensi skor jawaban 2 = 3 Frekuensi skor jawaban 3 = 29 Frekuensi skor jawaban 4 = 43 Frekuensi skor jawaban 5 = 22 d. Menghitung proporsi untuk setiap frekuensi skor. P 1 = = P 2 = = P 3 = = 0.029

4 4 P 4 = = P 5 = = e. Menjumlahkan proporsi secara berurutan untuk setiap respon, sehingga diperoleh nilai proporsi kumulatif. Pk 1 = Pk 2 = Pk 3 = Pk 4 = Pk 5 = f. Menentukan nilai Z untuk setiap kategori dengan asumsi bahwa proporsi kumulatif dianggap mengikuti distribusi normmal baku. Nilai Z diperoleh dari Tabel Distribusi Normal Baku seperti berikut: g. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z tersebut ke dalam fungsi densitas normal baku sebagai berikut: f(z) = exp (- z2 ) sehingga diperoleh:

5 5 f(-1.881) = exp (- (-1.881)2 ) = f(-1.555) = exp (- (-1.555)2 ) = f(-0.385) = exp (- (-0.385)2 ) = f(0.772) = exp (- (0.772)2 ) = h. Menghitung SV (Scale Value) dengan rumus: SV = SV 1 =.... = SV 2 =.... SV 3 =.... SV 4 =.... = = = SV 5 =.... = i. Mengubah SV (Scale Value) terkecil (nilai negatif yang terbesar) menjadi sama dengan satu (1). SV terkecil = = 1 didapat dari ( = 1 ) = Y1 j. Mentransformasikan nilai skala dengan menggunakan rumus: Y = SV + SV min Y2 = ( =1.565)

6 6 Y3 = ( =2.402) Y4 = ( =3.441) Y5 = ( =2.801) 4.4 Eksekusi Program Langkah-langkah eksekusi program dijelaskan sebagai berikut : 1. Tampilan Menu Utama. 2. Import data ke dalam datagrid. 3. Klik tombol Analyze. 4. User dapat memilih tombol Korelasi, Regresi, F-Hitung, atau F-Tabel. 5. Tombol Exit digunakan ketika user ingin meninggalkan program Menu Utama Gambar 4.2 Menu Utama Di menu Utama pada Gambar 4.2 ada fungsi Import Data, Analyze (mode disabled), dan Exit. Tombol Analyze akan dienable ketika user sudah memasukkan data ke dalam tabel. Path Name nantinya akan berisi alamat dari file yang diimport ke dalam tabel. Data yang diimport adalah data hasil olahan kuisioner berupa data interval.

7 Import Data Gambar 4.3 Import Data Pada halaman import data, user akan diminta memasukkan path file Excel format 2007 yang sudah ditransformasi ke dalam data interval seperti pada Gambar 4.3. Sebelum memilih file yang diinginkan, terlebih dahulu harus mengetahui path dimana file hasil olahan yang digunakan sebagai input diletakkan. Dalam program ini file hasil olahan data ordinal ke interval dinamakan hasiltabulasiv2.xlsx.

8 8 Gambar Import Data Sukses Ketika data telah berhasil dimasukkan ke dalam datagrid pada C#, maka tampilan program akan seperti Gambar Variabel X 1 adalah bahan baku, variabel X 2 adalah promosi, variabel Y adalah harga, dan variabel Z adalah penjualan roti Analyze Gambar 4.4 Analyze Data Ketika tombol Analyze ditekan, akan muncul tombol Korelasi, Regresi, F- Hitung, dan F-Tabel yang dapat digunakan untuk perhitungan selanjutnya (Gambar 4.4).

9 Korelasi Gambar 4.5 Analisis Korelasi Ketika tombol korelasi ditekan, maka hasil perhitungan antar variabel-variabel. Variabel X 1 adalah bahan baku, variabel X 2 adalah promosi, variabel Y adalah harga, dan variabel Z adalah penjualan roti akan ditampilkan pada layar program (Gambar 4.5). Nilai hasil korelasi yang muncul di program dapat menerangkan bagaimana hubungan interaksi antara variabel X 1, X 2, Y dan Z.

10 Regresi Gambar 4.6 Analisis Regresi Ketika tombol Regresi dipilih, maka hasil regresi linear sederhana dan hasil regresi linear berganda antara variabel X 1 adalah bahan baku, variabel X 2 adalah promosi, variabel Y adalah harga, dan variabel Z adalah penjualan roti akan ditampilkan (Gambar 4.6).Nilai hasil regresi yang muncul di program dapat menerangkan bagaimana hubungan linear antara variabel X 1, X 2, Y dan Z.

11 F-Hitung Gambar 4.7 F Hitung Ketika tombol F-Hitung dipilih, maka program akan menampilkan nilai F-Hitung yang merupakan pengaruh Variabel X 1 adalah bahan baku, variabel X 2 adalah promosi, variabel Y adalah harga terhadap variabel Z adalah penjualan roti secara simultan (Gambar 4.7).

12 F-Tabel Gambar 4.8 Import F Table Tombol F-Tabel digunakan jika user ingin melihat secara manual nilai F-tabel. Nilai F-tabel terlebih dahulu di-import dari database table F yang telah dibuat sebelumnya (Gambar 4.8). Gambar 4.9 F Tabel

13 13 Jika F-Table sudah berhasil diimport, maka data F-Table akan dimasukkan ke dalam table F seperti Gambar Analisis Data dan Pembahasan Analisis data penelitian menggunakan rumus-rumus yang ada di bab sebelumnya (Bab 2), yaitu Analisis Korelasi, Analisis Regresi Linear, Analisis Regresi Linear Berganda dan fungsi F-Hitung Hasil analisis korelasi Analisis korelasi digunakan untuk mencari hubungan antara variabel antara variabel bahan baku (X 1 ), promosi (X 2 ), harga (Y) dan penjualan roti (Z) karena jika diantara variabel tidak mempunyai korelasi (tidak mempunyai hubungan) maka dapat dipastikan variabel tersebut tidak mungkin mempunyai pengaruh. Rumus 2.1 digunakan untuk menghitung nilai korelasi antar variabel. Hasil perhitungan program ditampilkan dalam tabel 4.2 berikut : Tabel 4.2 Hasil Analisis Korelasi No. Pengaruh Antar Variabel Nilai Hasil 1 Bahan Baku terhadap Harga Rendah 2 Promosi terhadap Harga Cukup Kuat 3 Bahan Baku terhadap Promosi Rendah 4 Bahan Baku terhadap Penjualan Rendah 5 Promosi terhadap Penjualan Sangat Rendah

14 14 6 Harga terhadap Penjualan Sangat Rendah Dari hasil yang diperoleh, diketahui bahwa: a. Nilai r = yang berarti hubungan antara variabel X 1 (bahan baku) terhadap variabel Y (harga) adalah Hal ini menunjukkan hubungan yang rendah antara variabel X 1 dan Y. Dengan menggunakan rumus koefisien determinasi (KP) X 1 dan Y dapat dijelaskan sebagai berikut : KP = r 2 x 100 % = (0.223) 2 x 100 % = % Artinya, sumbangan % variabel Y dijelaskan oleh variabel X 1. Sisanya sebesar % ditentukan oleh faktor lain yang tidak dijelaskan dalam penelitian ini. b. Nilai r = yang berarti hubungan antara variabel X 2 (promosi) terhadap variabel Y (harga) adalah Hal ini menunjukkan hubungan yang cukup kuat antara variabel X 1 dan Y. Dengan menggunakan rumus koefisien determinasi (KP) X 2 dan Y dapat dijelaskan sebagai berikut : KP = r 2 x 100 % = ( ) 2 x 100 % = % Artinya, sumbangan % variabel Y dijelaskan oleh variabel X 2. Sisanya sebesar % ditentukan oleh faktor lain yang tidak dijelaskan dalam penelitian ini. c. Nilai r = yang berarti hubungan antara variabel X 1 (bahan baku) terhadap variabel X 2 (promosi) adalah Hal ini menunjukkan hubungan yang rendah

15 15 antara variabel X 1 dan X 2. Dengan menggunakan rumus koefisien determinasi (KP) X 1 dan X 2 dapat dijelaskan sebagai berikut : KP = r 2 x 100 % = ( ) 2 x 100 % = % Artinya, sumbangan % variabel X 2 dijelaskan oleh variabel X 1. Sisanya sebesar % ditentukan oleh faktor lain yang tidak dijelaskan dalam penelitian ini. d. Nilai r = yang berarti hubungan antara variabel X 1 (bahan baku) terhadap variabel Z (penjualan) adalah Hal ini menunjukkan hubungan yang rendah antara variabel X 1 dan Z. Dengan menggunakan rumus koefisien determinasi (KP) X 2 dan Y dapat dijelaskan sebagai berikut : KP = r 2 x 100 % = ( ) 2 x 100 % = % Artinya, sumbangan % variabel Z dijelaskan oleh variabel X 1. Sisanya sebesar % ditentukan oleh faktor lain yang tidak dijelaskan dalam penelitian ini. e. Nilai r = yang berarti hubungan antara variabel X 2 (promosi) terhadap variabel Z (penjualan) adalah Hal ini menunjukkan hubungan yang sangat rendah antara variabel X 1 dan Y. Dengan menggunakan rumus koefisien determinasi (KP) X 2 dan Z dapat dijelaskan sebagai berikut : KP = r 2 x 100 % = ( ) 2 x 100 % = % Artinya, sumbangan % variabel Y dijelaskan oleh variabel X 2. Sisanya sebesar % ditentukan oleh faktor lain yang tidak dijelaskan dalam penelitian ini.

16 16 f. Nilai r = yang berarti hubungan antara variabel Y (harga) terhadap variabel Z(penjualan) adalah Hal ini menunjukkan hubungan yang sangat rendah antara variabel Y dan Z. Dengan menggunakan rumus koefisien determinasi (KP) X 2 dan Y dapat dijelaskan sebagai berikut : KP = r 2 x 100 % = (-0.125) 2 x 100 % = % Artinya, sumbangan % variabel Z dijelaskan oleh variabel Y. Sisanya sebesar % ditentukan oleh faktor lain yang tidak dijelaskan dalam penelitian ini Rangkuman hasil analisis regresi Dengan menggunakan rumus Analisis Regresi Linear (rumus 2.2) dan rumus Analisis Linear Berganda (Rumus 2.3) maka nilai hasil perhitungan ditampilkan dalam tabel 4.3 sebagai berikut : Tabel 4.3 Hasil Analisis Regresi No. Pengaruh Antar Variabel Persamaan Hasil 1 Bahan Baku terhadap Harga 2 Promosi terhadap Harga 3 Bahan Baku terhadap Penjualan 4 Promosi terhadap Penjualan Ŷ = a + b 1 X 1 Y = ( ) + ( ) x Ŷ = a + b 2 X 2 Y = ( ) + ( ) x = a + b 1 X 1 Z = ( ) + ( ) x = a + b 2 X 2 Z = ( ) + ( ) x

17 17 5 Bahan baku dan promosi secara simultan terhadap Ŷ = a + b 1 X 1 b 2 X 2 y = ( ) x1 + ( ) x2 harga 6 Bahan baku, dan promosi secara simultan terhadap = a + b 1 X 1 + b 2 X 2 Z = ( ) x1 + ( ) x2 penjualan 7 Harga terhadap Penjualan = a + b 2 Y Z = ( ) + ( ) x Koefisien variabel X 1 terhadap Y Dengan menggunakan rumus 2.2 persamaan model regresi sederhana memberikan gambaran bahwa setiap ada kenaikan nilai X, akan terjadi pengurangan sebesar X Koefisien variabel X 2 terhadap Y Dengan menggunakan rumus 2.2 persamaan model regresi sederhana memberikan gambaran bahwa setiap ada kenaikan nilai X, akan terjadi penambahan sebesar X.

18 Koefisien variabel X 1 Z Dengan menggunakan rumus 2.2 persamaan model regresi sederhana memberikan gambaran bahwa setiap ada kenaikan nilai X, akan terjadi pengurangan sebesar X Koefisien variabel X 2 terhadap Z Dengan menggunakan rumus 2.2 persamaan model regresi sederhana memberikan gambaran bahwa setiap ada kenaikan nilai X, akan terjadi penambahan sebesar X Koefisien variabel X 1 X 2 terhadap Y Dengan menggunakan rumus 2.2 persamaan model regresi sederhana memberikan gambaran bahwa setiap ada kenaikan nilai X 1, akan terjadi penambahan sebesar X 1 dan setiap kenaikan nilai X 2 maka akan terjadi pengurangan sebesar ( ) X Koefisien variabel X 1 X 2 terhadap Z Dengan menggunakan rumus 2.2 persamaan model regresi sederhana memberikan gambaran bahwa setiap ada kenaikan nilai X 1, akan terjadi penambahan sebesar X 1 dan setiap kenaikan nilai X 2 maka akan terjadi penambahan sebesar X 2.

19 Koefisien variabel X 1 terhadap Z Dengan menggunakan rumus 2.2 persamaan model regresi sederhana memberikan gambaran bahwa setiap ada kenaikan nilai X, akan terjadi pengurangan sebesar X Hasil Analisis F-Hitung Untuk menguji pengaruh secara keseluruhan antara variabel bebas (bahan baku, promosi, dan harga) terhadap penjualan roti, maka digunakan fungsi F-Hitung seperti dalam rumus 3.5. F tabel pada derajat bebas numerator 2 dan derajat bebas denominator 96 dengan nilai signifikansi (α) 0.05 % adalah Karena F-Hitung ( ) lebih kecil daripada F tabel (2.712), maka keputusan statistiknya adalah tidak terdapat cukup bukti sampel untuk menolak H 0 dan menolak H 1. Artinya variabel bahan baku, promosi, dan harga tidak memiliki pengaruh yang signifkan terhadap penjualan produk roti.

20