Tugas Pendahuluan Analisis Regresi dan Korelasi

Packaging Corp, adalah sebuah perusahaan di Indonesia yang bergerak di bidang produksi,
distribusi, pemasaran dan promosi dari produk Food Packaging sebuah produk pengemasan
makanan. Pada tahun 2015, manajer bidang pemasaran membuat kebijakan yaitu melakukan
strategi promosi baru yaitu personal selling dengan maksud meningkatkan tingkat penjualan
produk dibanding tahun sebelumnya. Tahun ini manajer memiliki rencana untuk tetap
melakukan strategi promosi tersebut.
Untuk menganalisis apakah kebijakan yang dibuat manajer, tahun lalu tersebut berpengaruh
terhadap peningkatan penjualan produk, manajer menggunakan jasa konsultan untuk
menganalisis pola tersebut. Ia ingin menduga besarnya tingkat penjualan yang seharusnya
didapatkan oleh perusahan setiap bulannya dengan mengasumsikan jumlah jam promosi dan
jumlah tenaga sales sebagai faktor independen dari biaya promosi dan biaya promosi sebagai
faktor independen dari tingkat penjualan.
Buatlah Model Regresi untuk Regresi Sederhana dan Regresi Berganda! Berapakah nilai
penduga untuk tingkat penjualan jika terdapat 130 jam untuk promosi dan 10 orang tenaga
sales? Bandingkanlah dengan rata-rata tingkat penjualan produk sebelum diberlakukannya
kebijakan dari manajer! Lakukan juga Analisis Korelasi terhadap Model Regresi tersebut!
Pertanyaaan:
1. Jelaskan apa yang dimaksud dengan Analisis Regresi dan rumus terkait!
2. Jelaskan apa yang dimaksud dengan Analisis Korelasi, koefisien, dan rumus terkait!
3. Sebutkan dan jelaskan faktor faktor yang mempengaruhi tingkat penjualan selain halhal yang diasumsikan di atas!

Data tingkat penjualan sebelum kebijakan manajer diberlakukan

BULAN
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember

Tingkat Penjualan ( dalam unit)

10
9
8
9
7
10
8
11
9
7
10
8

Data tingkat penjualan setelah kebijakan manager setelah diberlakukan

Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus

20
17
14
18
19
22
16
19

Biaya Promosi
(dalam
puluhan
ribuan)
100
145
102
110
130
190
84
96

September
Oktober
November
Desember

15
18
19
17

109
116
119
103

Bulan

Tingkat
Penjualan
(dalam unit)

Jumlah Jam
Promosi
(dalam jam)

Jumlah Tenaga
Sales ( dalam
orang)

135
133
133
149
165
165
125
120

10
10
11
9
8
11
6
9

160
169
135
149

8
7
10
5

Jawaban:
1. Analisis Regresi adalah salah satu analisis terhadap suatu alat ukur yang digunakan untuk
menggambarkan ada atau tidak adanya korelasi antarvariabel, yaitu antara variabel yang
mempengaruhi atau variabel bebas (Independent Variable) dan variabel yang dipengaruhi
atau variabel terikat (Dependent Variable). Jika dalam persamaan regresi hanya terdapat
satu variabel bebas dan satu variabel terikat, maka disebut sebagai persamaan regresi
sederhana, sedangkan jika variabel bebasnya lebih dari satu, maka disebut sebagai
persamaan regresi berganda.
Adapun analisis regresi berganda adalah analisis regresi yang memiliki variabel bebas
lebih dari satu. Regresi berganda seringkali digunakan untuk mengatasi permasalahan
analisis regresi yang melibatkan hubungan dari dua atau lebih variabel bebas. Pada suatu
kasus menggunakan perhitungan rumus regresi berganda karena variabel X terdiri dari
tiga variabel yaitu X1, X2, X3 sebagai variabel bebas dan Y sebagai variabel terikat.
Adapun rumus regresi berganda adalah sebagai berikut:
Y = 0 + 1 X 1+ 2 X 2 ++ n X n +
dengan:

Y = variabel terikat (Dependent Variabel)

X = variabel bebas (Independent Variabel)

= koefisien regresi
= residual

Sedangkan Analisis Regresi sederhana digunakan untuk mengetahui pengaruh dari satu
variabel bebas terhadap satu variabel terikat, dengan kata lain untuk mengetahui seberapa
jauh perubahan variabel bebas dalam mempengaruhi variabel terikat.
Persamaan Analisis Regresi sederhana adalah sebagai berikut:
Y=a+bX
dengan:

Y = variabel terikat (Dependent Variabel)

X = variabel bebas (Independent Variabel)
a = konstanta
b = koefisien regresi

2. Analisis Korelasi adalah suatu analisis untuk mengetahui tingkat keeratan hubungan
antara dua variabel. Analisis Korelasi menyatakan hubungan antara dua atau lebih peubah
atau asosiasi, bila dua peubah tidak berhubungan, korelasi 0, bila sempurna akan korelasi

1 (koliner). Tingkat hubugan tersebut dapat dibagi menjadi tiga kriteria, yaitu memiliki
hubungan positif, mempunyai hubungan negatif, dan tidak mempunyai hubungan.
Koefisien Korelasi adalah suatu ukuran arah dan kekuatan linier antara dua variabel
teracak. Pengukuran korelasi bivariat dapat dibedakan menjadi pengukuran secara linier
(termasuk parsial) dan secara berganda (multiple). Yang dimaksud pengukuran korelasi
secara linier adalah pengukuran atau perhitungan korelasi yang hanya melibatkan satu
variabel (X) dan satu variabel terikat (Y).
Rumus yang terkait adalah sebagai berikut:
n

r =

Xi
i=1

Yi

- ( xi ) ( yi )

[ n x - ( x ) ][ n y - ( y ) ]
2
i

dengan:

2
i

Rxy = Koefisien korelasi

N = Jumlah pengamatan
xi = Jumlah dari pengamatan nilai X
xi = Jumlah dari pengamatan nilai Y

3. Faktor-faktor yang mempengaruhi tingkat penjualan adalah:

a. Kualitas barang atau produk
Turunnya kualitas barang atau produk dapat mempengaruhi tingkat penjualan. Jika
produk yang diperdagangkan mutunya menurun dapat menyebabkan pembeli yang
sudah menjadi pelanggan dapat merasa kecewa, sehingga mereka dapat berpaling ke
produk lain yang mutunya lebih baik.
b. Selera konsumen
Selera konsumen tidaklah tetap dan dapat saja berubah setiap saat, bilamana barang
yang kita jual berubah, maka tingkat penjualan akan menurun.
c. Servis terhadap pelanggan
Servis merupakan hal penting dalam usaha mempelancarkan penjualan terhadap usaha
dimana tingkat persaingan semakin tajam. Dengan adanya servis yang baik terhadap
para pelanggan sehingga dapat meningkatkan volume penjualan.
d.

Persaingan menurunkan harga jual

Potongan harga dapat diberikan dengan tujuan agar penjualan dan keuntungan
perusahaan dapat ditingkatkan dari sebelumnya. Potongan harga tersebut diberikan
kepada pihak tertentu dengan syarat-syarat tertentu pula.

4. Regresi berganda dapat dilihat pada Tabel berikut ini:

Tabel Pengujian Regresi Berganda
Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Jumlah
dengan:

X1

X2

X1Y

X 2Y

X1X2

100
145
102
110
130
190
84
96

135
133
133
149
165
165
125
120

10
10
11
9
8
11
6
9

109
116
119
103
1404

160
169
135
149
1738

8
7
10
5
104

13500
19285
13566
16390
21450
31350
10500
11520
17440
19604
16065
15347
206017

1000
1450
1122
990
1040
2090
504
864
872
812
1190
515
12449

1350
1330
1463
1341
1320
1815
750
1080
1280
1183
1350
745
15007

X 12
18225
17689
17689
22201
27225
27225
15625
14400
25600
28561
18225
22201
254866

X 22
100
100
121
81
64
121
36
81
64
49
100
25
942

Y = biaya promosi
X1 = jumlah jam promosi
X2 = jumlah sales

Perhitungan persamaan regresi berganda :

Dari data pada tabel tersebut, maka dapat dihitung koefisien regresinya sebagai
berikut:
A = n X 1 Y- ( X 1) ( Y )

= 12(206017) (1738)(1404)
= 2472204 2440152
= 32052
2

B = n X 22 - ( X2 )

= 12(254866) (10816)
= 488
C = n X1 X2 - ( X1 )( X2)

Y2
10000
21025
10404
12100
16900
36100
7056
9216
11881
13456
14161
10609
172908

= 12(15007) (1738)(104)
= 180084 180752
= -668
D = n X 2 Y- ( X 2 ) ( Y )

= 12(12449) (104)(1404)
= 149388 146016
= 3372
2

E = n X12 - ( X1 )

= 12(254866) (3020644)
= 37748
F = EB- C2
= (37748)(488) (-668)2
= 17974800
b1 =

ABCD
F

32052 ( 488 ) ( -668 )( 3372)

17974800

15641376 ( -2252496 )
17974800

= 0,996
b2 =

DEAC
F

( 3372 )( 37748 ) ( 32052 ) ( -668 )

17974800

127286256 ( -21410736 )
17974800

= 8,273
a =

Y - b1 X 1 - b 2 X 2
n

1404 ( 0,996 )( 1738) ( 8,273 )(104 )

12

1404 1730,175 860,343

12

= -98,877
Dari nilai koefisien regresi yang telah diperoleh, maka dapat ditentukan persamaan
regresi linear berganda sebagai berikut:
Y = a + b1 X1 + b2 X2
= -98,877 + 0,996X1 + 8,273X2
5. Regresi sederhana dapat dilihat pada Tabel berikut ini:
Tabel Pengujian Regresi Sederhana
Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
Septembe
r
Oktober
November
Desember
Jumlah
dengan:

(Y)
20
17
14
18
19
22
16
19

(X)
100
145
102
110
130
190
84
96

XY
2000
2465
1428
1980
2470
4180
1344
1824

Y
400
289
196
324
361
484
256
361

X
10000
21025
10404
12100
16900
36100
7056
9216

15
18
19
17
214

109
116
119
103
1404

1635
2088
2261
1751
25426

225
324
361
289
3870

11881
13456
14161
10609
172908

Y = tingkat penjualan
X = biaya promosi

Perhitungan Persamaan Regresi Sederhana:

Dari data pada tabel tersebut, maka dapat dihitung koefisien regresinya sebagai
berikut:

b=

b=

n Xi Y i -

( X i )( Yi )
2
2
n X - ( X)
12 ( 25426 ) - ( 1404 ) ( 214 )
2
12 ( 172908 ) - ( 1404 )

b = 0,044907407 0,045

Setelah menghitung nilai b, maka selanjutnya adalah menghitung nilai a

dengan menggunakan Persamaan di bawah ini:

Y i - b Xi

a=

a=

214 ( 0,045 ) ( 1404 )

12

a = 12,579

Dari nilai koefisien regresi yang telah diperoleh, maka dapat ditentukan persamaan
regresi linear sederhana sebagai berikut:
Y = a + bX
Y = 12,579 + 0,045 X
6. Nilai Penduga Tingkat Penjualan
Perhitungan Nilai Penduga tingkat penjualan pada Packaging Corp dengan 130 jam
promosi (X1) dan 10 orang tenaga sales (X2) adalah sebagai berikut:
a. Regresi berganda
Perhitungan Nilai Penduga tingkat penjualan dengan menggunakan persamaan sebagai
berikut:
Y = a + b1X1 + b2X2
Y = -98,877 + 0,996X1 + 8,273X2
Y = -98,877 + 0,996 (130) + 8,273 (10)
Y = 113,2635

= Rp 1.132.635,00
b. Regresi sederhana
Perhitungan Nilai Penduga tingkat penjualan dengan menggunakan persamaan sebagai
berikut:
Y = a + bX
Y = 12,579 + (0,045)X
Y = 12,579 + (0,045)(113,2635)
Y = 17,665 18 unit
c. Perbandingan rata-rata tingkat penjualan produk
Rata-rata tingkat penjualan produk sebelum diberlakukan kebijakan manajer yaitu:
Y=

106
12

Y = 8,833 9 unit
Adapun setelah kebijakan dari manajer diberlakukan, rata-rata tingkat penjualan
produk yaitu:
Y=

214
12

Y = 17,833 18 unit

Perhitungan peningkatan rata-rata tingkat penjualan produk sebesar:

17,833 - 8,833 = 9 unit
Berdasarkan perhitungan di atas terlihat bahwa terjadi peningkatan penjualan produk
setelah kebijakan manajer diberlakukan oleh perusahaan tersebut yaitu sebanyak 9
unit.
7. Analisis Korelasi Terhadap Model Regresi
a. Regresi berganda
1) Korelasi X1 dan Y

Untuk menghitung korelasi antara jumlah jam promosi (X 1) dan biaya promosi
(Y) menggunakan persamaan sebagai berikut:

r=

n X1 Y -

( X 1) ( Y )

( n ( X

) - ( X1 ) ) ( n Y2 - ( Y ) )

2
1

r=

12( 206017 ) ( 1738) ( 1404)

12( 254866 ) - ( 3020644 ) (12 (172908 ) - ( 1971216 )

r=

2472204 - 2440152
( 3058392 - 3020644 ) ( 2074896 - 1971216 )

r=

32052
37748 103680

r=

32052
1956856320

r = 0,512
Dari perhitungan tersebut diperoleh nilai r adalah 0,512. Nilai r bernilai positif,
menunjukan hubungan linier yang baik antara jumlah jam promosi (X 1) dan biaya
promosi (Y). Apabila jumlah jam promosi (X1) bertambah, maka biaya promosi
(Y) juga akan ikut bertambah. Karena nilai r 2 = 0,262, maka dapat dikatakan
bahwa sekitar 26,2% dari variansi dalam nilai Y disebabkan oleh hubungan linier
dengan X1 atau dipengaruhi oleh jumlah jam promosi, dan 73,8% dipengaruhi
oleh hal lainnya.
2) Korelasi X2 dan Y
Untuk menghitung korelasi antara jumlah tenaga sales (X 2) dan biaya promosi (Y)
menggunakan persamaan sebagai berikut:

r=

n X2 Y -

( X2) ( Y )

( n ( X

) - ( X 2) ) ( n Y 2 - ( Y ) )

2
2

12( 12449 ) (104 )(1404 )

r = 12( 942) - (10816 ) (12 172908 - ( 1971216 )

r=

149388- 146016
( 11304 - 10816 ) ( 2074896 - 1971216 )

r=

3372
488 103680

3372
r = 7113,075
r = 0,474
Dari perhitungan tersebut diperoleh nilai r adalah 0,474. Nilai r bernilai positif,
menunjukan hubungan linier yang kurang sempurna antara jumlah tenaga sales
(X2) dan biaya promosi (Y). Apabila jumlah tenaga sales (X 2) bertambah, maka
biaya promosi (Y) juga akan ikut bertambah. Karena nilai r 2 = 0,22, maka dapat
dikatakan bahwa sekitar 22,5% dari variansi dalam nilai Y disebabkan oleh
hubungan linier dengan X2 atau dipengaruhi oleh jumlah tenaga sales dan 77,5%
dipengaruhi oleh hal lainnya.
3) Korelasi X1 dan X2
Untuk menghitung korelasi antara jumlah jam promosi (X1) dan jumlah tenaga
sales (X2) menggunakan persamaan sebagai berikut:
n X1 X 2 - ( X1 )( X2 )
r=

( n ( X

2
1

) - ( X1 ) )( n X22 - ( X2)

12( 15007 ) ( 1738 )(104 )

r = 12 ( 254866 ) - ( 3020644 ) (12 942 ) - (10816 )
180084 - 180752
r = ( 3058392 - 3020644 ) ( 11304 - 10816 )

r=

668
37748 488

r=

668
4291,972

r = -0,156
Dari perhitungan tersebut diperoleh nilai r adalah -0,156. Nilai r yang diperoleh
bernilai negatif, hal tersebut menunjukan bahwa ada korelasi negatif yang kurang
sempurna antara X1 dan X2 yaitu jumlah jam promosi dan jumlah tenaga sales.
b. Regresi Sederhana
Untuk menghitung korelasi antara biaya promosi (X) dan tingkat penjualan (Y)
menggunakan persamaan sebagai berikut:
n XY -

r=

( X )( Y )

(n ( X ) - ( X ) )(n Y - ( Y ) )
2

r=

12( 25426 ) ( 1404 )( 214)

(12( 172908 )- ( 1971216 ) (12 ( 3870 ) - ( 45796 )

r=

305112 - 300456
( 2074896 - 1971216 ) ( 46440 - 45796 )

r=

4656
103680 644

r=

4656
8171,286

r = 0,570

Dari perhitungan tersebut diperoleh nilai r adalah 0,570. Nilai r bernilai positif,
menunjukan hubungan linier yang baik antara biaya promosi (X) dan tingkat penjualan
(Y). Apabila biaya promosi (X) meningkat, maka tingkat penjualan (Y) juga akan ikut
meningkat. Karena nilai r2 = 0,325, maka dapat dikatakan bahwa sekitar 32,5% dari
variansi dalam nilai Y disebabkan oleh hubungan linier dengan X atau dipengaruhi
oleh biaya promosi dan 67,5% dipengaruhi oleh hal lainnya.