BAB I

PENDAHULUAN

1.1 Latar Belakang

Indomaret merupakan jaringan minimarket yang menyediakan kebutuhan
pokok dan kebutuhan sehari-hari dengan luas tanah/bangunan kurang dari 200 m2
dan ditempatkan dilokasi yang strategis yaitu bisa ditemukan di daerah perumahan
dan pinggiran jalan raya. Dikelola oleh PT Indomarco Prismatama, cikal bakal
pembukaan Indomaret di Kalimantan dan toko pertama dibuka di Ancol, Jakarta
Utara.
Tahun 1997 perusahaan mengembangkan bisnis gerai waralaba pertama di
Indonesia, setelah Indomaret teruji dengan lebih dari 230 gerai. Pada Mei 2003
Indomaret meraih penghargaan “Perusahaan Waralaba 2003″ dari Presiden
Megawati Soekarnoputri. Hingga 2014 Indomaret mencapai 10.600 gerai. Dari
total itu 60% gerai adalah milik sendiri dan sisanya 40% gerai waralaba milik
masyarakat, yang tersebar di kota-kota di Jabodetabek, Sumatera, Jawa, Madura,
Bali, Lombok, Kalimantan dan Sulawesi. Di DKI Jakarta terdapat sekitar 488
gerai.
Indomaret berencana mengembangkan usahanya dengan cara membuka
gerai baru yang lebih strategis sehingga pemanfaatan lahan yang terbatas di tiap
daerah menjadi lebih maksimal. Indomaret menambahkan kriteria-kriteria untuk
lokasi gerai barunya seperti jarak antara gerai Indomaret yang satu dan lainnya
tidak boleh berdekatan, jarak gerai Indomaret dengan jalan utama tidak boleh
terlalu jauh, lokasi gerai Indomaret harus disesuaikan dengan tingkat kepadatan
penduduk.
Saat ini di Indomaret mempunyai sistem penjualan yang sudah didukung
database, tapi sistem penjualannya tidak bisa memprediksi nominal pembelian
perhari sehingga pemilik dan karyawan indomaret harus menghitung pendapatan,
rugi/laba secara berkala. Jika pemilik indomaret dapat memprediksi nominal
pembelian perhari maka pemilik indomaret dapat memprediksi pendapatan tiap
hari. Oleh karena itu, Ilmu Statistik dengan metode Analisis Regresi dan Korelasi

1
 2

sangat dibutuhkan untuk dapat memprediksi pendapatan tiap hari dengan

menghitung pengunjung dan pembeli setiap hari.
Berdasarkan latar belakang tersebut, maka penulis ingin menjelaskan
bahwa dalam makalah ini akan dibahas mengenai “Analisis Regresi dan
Korelasi Antara Pengunjung Dan Pembeli Terhadap Nominal Pembelian di
Indomaret Kedungmundu Semarang dengan Metode Kuadrat Terkecil”.

1.2 Rumusan Masalah

Bagaimana mengimplementasikan Analisis Regresi dan Korelasi agar
dapat memprediksi nominal pembelian perhari dari data di Indomaret
Kedungmundu Semarang?

1.3 Tujuan
Untuk mengetahui dan menentukan persamaan Regresi Linier Berganda
dan Korelasi antara pengunjung dan pembeli terhadap nominal pembelian di
Indomaret Kedungmundu Semarang.

1.4 Manfaat
Manfaat dari makalah ini adalah:
1. Bagi pihak Indomaret
Makalah ini diharapkan agar dapat membantu pihak manajemen
Indomaret dapat lebih cepat mengetahui pendapatan setiap hari dan bisa
memprediksi nominal pembelian perhari.
2. Bagi pihak Mahasiswa
Makalah ini bermanfaat agar mahasiswa dapat menyelesaikan
tugas mata kuliah Kapita Selekta Terapan dan dapat menambah
pengetahuan tentang ilmu statistika.
3. Bagi pihak Kampus
Untuk menambah bahan bacaan pustaka kampus tentang terapan
ilmu statistika untuk menganalisis regresi dan korelasi antara pengunjung
dan pembeli terhadap nominal total pembelian perhari di Indomaret.
 BAB II
TINJAUAN PUSTAKA

2.1 Pengertian Statistik dan Statistika

(Somantri, 2006) menyatakan statistik diartikan sebagai kumpulan fakta yang
berbentuk angka-angka yang disusun dalam bentuk daftar atau tabel yang
menggambarkan suatu persoalan.
Sedangkan menurut (Furqon, 1999) istilah statistik digunakan untuk
menunjukkan ukuran-ukuran, angka, grafik atau tabel sebagai hasil dari statistika.
Istilah Statistik juga digunakan untuk menunjukkan ukuran-ukuran yang langsung
diperoleh dari data sampel untuk menaksir parameter populasinya.
Berdasarkan beberapa pengertian statistik di atas, dapat kami simpulkan
bahwa statistik memiliki dua pengertian. Dalam arti sempit, statistik adalah kumpulan
fakta yang berbentuk angka-angka (baik disajikan dalam bentuk tabel maupun tidak)
yang menggambarkan suatu persoalan. Dalam arti luas, statistik adalah kumpulan
cara dan aturan mengenai pengumpulan, pengolahan, penyajian, penganalisaan, dan
interpretasi data untuk mengambil kesimpulan.
Statistika adalah bagian dari matematika yang secara khusus
membicarakan cara-cara pengumpulan, analisis dan penafsiran data. Dengan kata
lain, istilah statistika di sini digunakan untuk menunjukan tubuh pengetahuan
tentang cara-cara penarikan sampel (pengumpulan data), serta analisis dan
penafsiran data (Furqon, 1999).
Sedangkan (Somantri, 2006) juga menyatakan hal yang sama bahwa
“statistika dapat diartikan sebagai Ilmu pengetahuan yang mempelajari tentang
bagaimana cara kita mengumpulkan, mengolah, menganalisis dan
menginterpetasikan data sehingga dapat disajikan lebih baik”.
Jadi, statistika adalah ilmu pengetahuan yang mempelajari tentang cara
dan aturan pengumpulan, pengolahan, penganalisaan, penarikan kesimpulan dan
pengambilan keputusan berdasarkan data dan analisis yang dilakukan.

2.2 Analisis Korelasi Berganda

Analisis korelasi berganda digunakan untuk mengetahui derajat atau
kekuatan hubungan antara variabel X dan Y.

3
 4

Korelasi yang digunakan adalah korelasi ganda dengan rumus:

JK(reg)
𝑅2 = ....................................................... (1)
ΣY2

Dimana :
R2 = Koefisien korelasi ganda
JK(reg) = Jumlah kuadrat regresi dalam bentuk deviasi
ΣY2 = Jumlah kuadrat total korelasi dalam bentuk deviasi
Dari nilai koefisien korelasi (R) yang diperoleh didapat hubungan – 1 < R
< 1 sedangkan harga untuk masing-masing nilai R adalah sebagai berikut :
1. Apabila R = 1, atinya terdapat hubungan antara variabel X dan Y semua
positif sempurna.
2. Apabila R = –1, artinya terdapat hubungan antara variabel X dan Y negatif
sempurna.
3. Apabila R = 0, artinya tidak terdapat hubungan antara X dan Y.
4. Apabila nilai R berada diantara –1 dan 1, maka tanda negatif (–) menyatakan
adanya korelasi tak langsung atau korelasi negatif dan tanda positfi (+)
menyatakan adanya korelasi langsung atau korelasi positif (Sudjana, 2005).
Interprestasi terhadap kuatnya hubungan korelasi berpedoman pada
pendapat (Sugiyono, 2008) sebagai berikut:
Tabel 2.1 Pedoman untuk memberikan Interpretasi Koefisien Korelasi
(Sugiyono, 2008)

Interval Koefisien Tingkat Hubungan

0,00 – 0,19 Sangat Rendah

0,20 – 0,39 Rendah

0,40 – 0,59 Sedang

0,60 – 0,79 Kuat

0,80 – 1,00 Sangat Kuat

2.2.1 Analisis Koefisien Determinasi

Koefisien determinasi digunakan untuk melihat persentase (%) besarnya
kontribusi (pengaruh) variabel X1, X2, terhadap variabel Y.
 5

Rumus koefisien determinasi yang digunakan :

Kd = r2 x 100%

Dimana :
Kd = Koefisien determinasi

R2 = Kuadrat korelasi ganda

Nilai dari hasil pengurangan 100% dengan nilai determinasi merupakan

nilai sisa yang mengindikasikan besarnya faktor lain yang ikut mempengaruhi
variabel dependen.

2.3 Analisis Regresi

Ada beberapa definisi regresi yang dapat dijabarkan yaitu :
1. Analisis regresi merupakan suatu teknik untuk membangun sebuah
persamaan garis lurus dan menggunakan persamaan tersebut untuk
membuat perkiraan (Mason J, 2006).
2. Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam
bentuk persamaan matematik yang menyatakan hubungan fungsional antar
variabel-variabel (Sudjana,2005).
Jadi, analisis regresi adalah adalah salah satu metode untuk menentukan
hubungan sebab-akibat antara satu variabel dengan variabel yang lain.
2.3.1 Persamaan Regresi
Model analisis regresi merupakan suatu model yang parameternya linier
(biasanya fungsinya berbentuk garis lurus). Dan secara kuantitatif dapat
digunakan untuk menganalisis pangaruh suatu variabel terhadap variabel lainnya.
Analisis regresi menyangkut studi tentang hubungan antara suatu variabel Y yang
disebut variabel respon atau variabel dependen yaitu variabel yang keberadaannya
dipengaruhi oleh variabel lainnya. Dan variabel X merupakan variabel predictor
atau variabel independen yaitu variabel bebas atau variabel yang tidak
dipengaruhi variabel lainnya (Sugiyono, 2008).
Sifat hubungan antara variabel dalam persamaan regresi merupakan
hubungan sebab akibat. Oleh karena itu, sebelum menggunakan persamaan regresi
dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu dilakukan
 6

penganalisisan data untuk mengetahui apakah variabel – variabel tersebut

berkolerasi. Sehingga membentuk sebuah pola garis lurus seperti gambar 2.1
berikut ini:

Gambar 2.1 Pola garis lurus (Sugiyono, 2008)

Antara variabel babas (X) dan variabel terikat (Y) membentuk pola sebuah
garis yang lurus, dan dalam aplikasinya jika nilai X meningkat maka nilai Y juga
akan meningkat, jika nilai X mengalami penurunan maka nilai Y juga akan
mengalami penurunan. Untuk mengetahui hubungan-hubungan antara variabel
bebas maka regresi linier terdiri dari dua bentuk, yaitu analisis regesi linier
sederhana (simple analisis regresi) dan analisis regresi linier berganda (multi
analisis regresi).
2.3.2 Analisis Regresi Linier Berganda
Jika dalam regresi linier sederhana hanya memiliki dua variabel saja yaitu
satu variabel terikat (Y) dan satu variabel bebas (X) dengan satu predictor (a).
Pada regresi linier berganda terdapat lebih dari dua variabel, satu variabel
terikat, dan lebih dari satu untuk variabel bebas.
Analisis regresi berganda ini digunakan untuk memprediksi berubahnya
nilai variabel tertentu bila variabel lain berubah. Dikatakan regresi berganda,
karena jumlah variabel bebas (independen) sebagai prediktor lebih dari satu, maka
digunakan persamaan regresi linier berganda dengan rumus, sebagai berikut :
ŷ= 𝛼0+𝛼1𝑥1+ … +𝛼𝑘𝑥𝑘 ........................................................ (2)
Dimana :
ŷ = variabel tidak bebas (dependen)
𝛼0 ,…,𝛼𝑘 = koefisien regresi
𝑥1 ,…,𝑥𝑘 = variabel bebas (independen)
 7

Koefisien-koefisien 𝛼0,… , dapat dihitung dengan menggunakan

persamaan:
Σ𝑦1=𝛼𝑜𝑛+𝛼1Σ𝑥1𝑖+𝛼2Σ𝑥2𝑖+…+𝛼𝑘Σ𝑥𝑘𝑖
Σ𝑥1𝑖𝑦𝑖=𝛼0Σ𝑥1𝑖+𝛼1(Σ𝑥1𝑖)2+𝛼2Σ𝑥1𝑖𝑥2𝑖+⋯+𝛼𝑘Σ𝑥1𝑖𝑥𝑘𝑖
Σ𝑥2𝑖𝑦𝑖=𝛼0Σ𝑥2𝑖+𝛼1Σ𝑥1𝑖𝑥2𝑖+𝛼2(Σ𝑥2𝑖)2+⋯+𝛼𝑘Σ𝑥2𝑖𝑥𝑘𝑖
Σ𝑥𝑘𝑖𝑦𝑖=𝛼0Σ𝑥𝑘𝑖+𝛼1Σ𝑥1𝑖𝑥𝑘𝑖+𝛼2Σ𝑥2𝑖𝑥𝑘𝑖+…+𝛼𝑘Σ(𝑥𝑘𝑖)
Tujuan analisis regresi linier adalah untuk mengukur intensitas hubungan
antara dua variabel atau lebih dan memuat prediksi/ perkiraan nilai Y dan nilai X.
bentuk umum persamaan regresi linier berganda yang mencakup dua atau lebih
variabel.
2.3.3 Uji Regresi Linier Berganda
Pengujian hipotesa bagi koefisien-koefisien regresi linier berganda dapat
dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu
dilakukan untuk mengetahui apakah variabel – variabel bebas secara bersamaan
memiliki pengaruh terhadap variabel tak bebas. Langkah – langkah pengujiannya
sebagai berikut (J. Supranto,2009):
1. Menentukan Hipotesis
H0 : b1 = b2 = b3 = ... = bk = 0 (X1,X2,....,Xk tidak mempengaruhi Y)
H1 : minimal ada satu parameter koefisien regresi yang tidak sama dengan
nol atau mempengaruhi Y.
2. Menentukan taraf nyata 𝛼 dan nilai Ftabel dengan derajat kebebasan v1 = k
dan v2 = n-k-l.
3. Menentukan kriteria pengujian
H0 diterima bila Fhitung ≤ Ftabel
4. Menentukan nilai statistik F dengan rumus
JKreg/k
𝐹 = JKres/(n−k−1)

Dengan :
JKreg = Jumlah kuadrat regresi
JKres = Jumlah kuadrat residu (sisa)
(n-k-1) = Derajat kebebasan
JKreg = 𝑏1Σ𝑦1𝑥1𝑖+𝑏2Σ𝑦2𝑥2𝑖+...+𝑏𝑘Σ𝑦𝑖𝑥𝑘𝑖
 8

Dengan :
x1i = X1i – X1
x2i = X2i – X2
xki = Xki – Xk
JKreg = Σ (Y1 – Y1)2
5. Membuat kesimpulan apakah H0 diterima atau ditolak.
2.3.4 Uji Koefisien Regresi secaraParsial (Uji T)
Uji t digunakan untuk mengetahui apakah variabel independen secara
parsial berpengaruh terhadap variabel dependen.Kemudian digunakan pengujian
dengan menggunakan uji t dengan huruf signifikan 5% adapun rumusnya sebagai
berikut:
𝛽1
𝑇𝑖 =
√𝑅𝐽𝐾𝑟𝑒𝑠𝑖𝑑𝑢 𝑥 𝐶𝑖𝑖
Dimana:
RJKresidu= Rata-rata jumlah kuadrat residu
B = Koefisien regresi ke i
Cii = Nilai matrix invers ke ii
Setelah pengujian dilakukan, maka hasil perhitungan untuk masing-masing
hipotesis thitung dibandingkan dengan ttabel , dengan kriteria sebagai berikut :
1. Bilai t hitung < t tabel , maka Ho ditolak
2. Bilai t hitung ≥ t tabel , maka Ho diterima

2.4 Metode Kuadrat Terkecil Untuk Regresi Linier

Garis regresi yang digunakan untuk melukiskan hubungan antara X dan Y
yang umumnya berasal dari data sampel. dinamakan dengan garis regresi
(estimated regressionline). Garis tersebut menunjukan rata-rata hubungan antara
variabel X dan Y. Metode Kuadrat terkecil adalah metode terbaik untuk memperoleh
persamaan linier, untuk menggambarkan diagram pencaran data. Garis regresi yang
didasarkan metode kuadrat terkecil, menunjukan penyimpangan tiap nilai garis
regresi, sama dengan rata-rata hitungnya. Penyimpangan itu dapat ditunjukan dengan
(Sudjana,2006):
1. Jumlah penyimpangan dari tiap-tiap nilai dari garis regresinya adalah nol,
kecuali kalau ada kekeliruan dalam pembulatan angka desimal.
 9

2. Jumlah deviasi kuadrat tiap-tiap data terhadap garis regresi paling kecil
Σ(Y−Yx ) < Σ(Y − nilai garis lurus yang lain)2 = 0.
Karena dugaan garis regresi hanya merupakan dugaan semata-mata, akan
kita gunakan simbol untuk menunjukan nilai dugaan persamaan linier :
Yx= a+bx ................................................................................... (3)
=

Yang menunjukkan bahwa :

Yx = Nilai variabel Y pada garis lurus berdasarkan skala vertikal atau Y aksis
(juga disebut variabel dependent jika Y tergantung pada nilai X).
X = Nilai variabel X pada garis lurus berdasarkan skala horizontal atau X aksis
(juga disebut variabel independent Y).
a= Koefisien Y1 (tingginya ordinat dari titik nol sampai perpotongan antara
garis lurus dan Y aksis), yang sama dengan nilai Y jika X = 0.
b = Kemiringan garis lurus, menunjukkan rata-rata perubahan variabel Y perunit.
Bila persamaan tersebut diterapkan untuk nilai X tertentu akan kita peroleh Y x,
yang merupakan dugaan atau ramalan nilai untuk variabel tak bebas.
Nilai dan pada persamaan tersebut kita dapatkan dari data sempel, dimana
kedua nilai tersebut merupakan taksiran koefisien regresinya (estimated
regression coefficient) (Sudjana, 2006).
Dua persamaan normal garis lurus dengan metode kuadrat terkecil adalah :
Σ𝑌=𝑛𝑎+𝑏Σ𝑋 .................................................................................................... (4)
Σ(𝑋𝑌) =𝑎Σ(𝑋𝑌)+𝑏Σ𝑋2 ..................................................................................... (5)
Penyelesaian kedua persamaan secara simultan akan didapat konstanta a
dan b yang disebut koefisien regresi.
Σ X2 Σ Y − Σ X Σ (XY)
𝑎=
n Σ𝑋 2 −(ΣX) 2

n Σ (XY)− Σ X Σ Y
𝑏=
n Σ𝑋 2 −(ΣX) 2

Kita ketahui bahwa 𝑥=Σ 𝑋/𝑛 dan 𝑌=Σ 𝑌/𝑛 maka perumusan 𝑎 dan 𝑏
tersebut diatas dapat diringkas menjadi :
𝑎 = 𝑌−𝑏𝑥
Σ XY − nXY
𝑏=
Σ𝑋 2 − nX 2
 10

2.5 Pengenalan Program SPSS

SPSS merupakan salah satu sekian banyak software statistika yang telah
dikenal luas dikalangan penggunaannya. SPSS sebagai sebuah tools mempunyai
banyak kelebihan, terutama untuk aplikasi di bidang ilmu social. Selain analisis
statistika, manajemen data (seleksi kasus, penajaman file, pembuatan data
turunan) dan dokumentasi data juga merupakan fitur-fitur dari software dasar
SPSS. Berikut merupakan tampilan layar SPSS ada 2 yaitu Data View dan
Variabel View yang ditunjukkan dibawah ini:

Gambar 2.2 Tampilan layar SPPS

 BAB III
METODE PENELITIAN

3.1 Studi Literatur

Jenis penelitian yang digunakan adalah studi literatur. Studi literatur adalah
mencari referensi teori yang relefan dengan kasus atau permasalahan yang
ditemukan.
Studi kepustakaan dilakukan oleh setiap peneliti dengan tujuan utama yaitu
mencari dasar pijakan / fondasi utnuk memperoleh dan membangun landasan teori,
kerangka berpikir, dan menentukandugaan sementara atau disebut juga dengan
hipotesis penelitian. Sehingga para peneliti dapat menggelompokkan,
mengalokasikan mengorganisasikan, dan menggunakan variasi pustaka dalam
bidangnya. Dengan melakukan studi kepustakaan, para peneliti mempunyai
pendalaman yang lebih luas dan mendalam terhadap masalah yang hendak diteliti.
Dalam hal ini, penulis melakukan studi literatur setelah menentukan topik
penelitian dan ditetapkannya rumusan permasalahan, kemudian terjun ke lapangan
untuk mengumpulkan data yang diperlukan.

3.2 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan adalah metode survey, yaitu
teknik pengumpulan data primer yang diperoleh secara langsung di lokasi
Indomaret Kedungmundu Semarang. Adapun sumber data diperoleh dengan
metode wawancara untuk meminta ijin kepada Kepala Indomaret Kedungmundu
Semarang untuk melakukan survey di lapangan.

3.3 Prosedur Pengambilan Data

Gambar 3.1 Prosedur Pengambilan Data

11
 12

Dari gambar 3.1, dapat dijelaskan langkah demi langkah sebagai berikut:

1. Dari data yang di dapat, kemudian dikelompok menjadi data-data yang

diperlukan yaitu data banyak pengunjung, banyak pembeli, dan nominal
pembelian perhari selama 30 hari pada tanggal 01 – 30 Maret 2015.
2. Setelah itu, dilakukan pengelompokkan variabel yaitu untuk X1
(pengunjung), X2 (pembeli), dan Y (nominal pembelian) yang akan
digunakan untuk melakukan perhitungan. Kemudian menjadi sebuah
dataset yang siap untuk dilakukan perhitungan menggunakan Analisis
Regresi dan Korelasi.

3.4 Prosedur Penyelesaian

Gambar 3.2 Prosedur Penyelesaian

Dari gambar 3.2, dapat dijelaskan langkah demi langkah sebagai berikut:
1. Seperti yang sudah dijelaskan diatas dari data yang ada, dilakukan
pemrosesan data yang diantaranya menentukan variabel dan melakukan
perhitungan.
2. Setelah dilakukan pemrosesan data, kemudian menentukan nominal
pembelian perhari dengan menggunakan metode kuadrat terkecil
3. Berdasarkan perhitungan dengan range perhari yang telah ditentukan,
maka didapat output yang menghasilkan nilai yang didapat dalam
penentuan persamaannya untuk memprediksi nominal pembelian perhari.
 13

3.5 Penarikan Kesimpulan dan Saran

Guna memperjelas suatu hasil penalaran ilmiah maka penulis memberikan
penarikan kesimpulan dan saran. Penarikan kesimpulan dimaksudkan untuk
menjelaskan apakah hipotesis yang diajukan dapat diterima atau ditolak
berdasarkan data yang sudah diolah. Sedangkan saran dimaksudkan untuk
memberi masukan terhadap penelitian tersebut.
 BAB IV
HASIL DAN PEMBAHASAN

4.1 Data
Berikut ini adalah data yang diambil dengan hasil survey yaitu menghitung
pengunjung, pembeli, dan nominal pembelian tiap hari selama 30 hari.
Tabel 4.1 Data
Hari Nominal Pembelian dalam
Pengunjung (X1) Pembeli (X2)
Ke- jutaan (Y)
1 41 27 0.62105
2 55 33 1.3685
3 39 20 0.571505
4 48 23 0.35005
5 41 28 0.4011
6 27 19 0.2733
7 21 19 0.6564
8 28 19 1.09535
9 32 22 0.54125
10 37 25 0.48
11 27 18 0.33355
12 30 22 0.7113
13 28 21 1.03259
14 45 31 0.6864
15 36 22 1.099825
16 51 30 0.50175
17 36 27 0.44755
18 44 32 0.47465
19 39 29 0.4851
20 30 20 0.3369
21 39 23 0.4482

14
 15

22 41 34 0.56665
23 37 26 0.52965
24 42 27 0.53925
25 45 34 0.481
26 35 23 0.34285
27 45 35 0.70285
28 51 31 0.76075
29 48 33 0.64903
30 40 24 1.055125
Total 1158 777 18.543475

4.2 Menentukan Koefisien Korelasi Linier Berganda

Analisis ini digunakan untuk mengukur keeratan hubungan antara 3
variabel yaitu variabel bebas variabel X1 (pengunjung), X2 (pembeli) dan variabel
tidak bebas Y (nominal pembelian). Koefisien korelasi berganda dirumuskan :

𝑟𝑦12 + 𝑟𝑦22 − 2𝑟𝑦1 𝑟𝑦2 𝑟𝑦1.2

𝑅𝑦1.2 = √
1 − 𝑟1.2 2

Keterangan:
- 𝑟𝑦1 : koefisien korelasi linier variabel y dan 𝑥1
- 𝑟𝑦2 : koefisien korelasi linier variabel y dan 𝑥2
- 𝑟1.2 : koefisien korelasi linier variabel 𝑥1 dan 𝑥2
Dimana:
nΣ𝑥1 y−(Σy)(Σ𝑥1 )
𝑟𝑦1 =
√{𝑛 ∑ 𝑦 2 −(∑ 𝑦)2 } {𝑛 ∑ 𝑥12 −(∑ 𝑥1 )2 }
nΣ𝑥2 y − (Σy)(Σ𝑥2 )
𝑟𝑦2 =
√{𝑛 ∑ 𝑦 2 − (∑ 𝑦)2 } {𝑛 ∑ 𝑥22 − (∑ 𝑥2 )2 }

nΣ𝑥1 𝑥2 − (Σ𝑥1 )(Σ𝑥2 )

𝑟𝑦1.2 =
√{𝑛 ∑ 𝑥12 − (∑ 𝑥1 )2 } {𝑛 ∑ 𝑥22 − (∑ 𝑥2 )2 }
 16

4.2.1 Uji Pearson Korelasi

Uji pearson korelasi dilakukan untuk mengetahui derajat hubungan antara

variabel-variabel yakni variabel X1 (pengunjung) dan Y (nominal pembelian),
variabel X2 (pembeli) dan Y (nominal pembelian), dan variabel X1 (pengunjung)
dan X2 (pembeli). Hasil uji pearson korelasi dapat dilihat pada tabel 4.3 berikut
ini:
Tabel 4.2 Uji Pearson Korelasi

Berdasarkan nilai signifikansi, atas pengujian hipotesis :

1. H0 = Tidak ada hubungan (korelasi) antara dua variabel.
2. H1 = Ada hubungan (korelasi) antara dua variabel.
Dasar pengambilan keputusan berdasarkan probabilitas menggunakan
kriteria :
1. Jika probabilitas > 0,05 (atau 0,01), maka H0 diterima.
2. Jika probabilitas < 0,05 (atau 0,01), maka H0 ditolak.
Berdasarkan tabel diatas, perhitungan korelasi pearson menggunakan data
X1 (pengunjung), X2 (pembeli), dan Y (nominal pembelian) dapat di tafsirkan
sebagai berikut :
a. Korelasi X1 dan Y memiliki nilai 0,143 atau 14,3% yang dapat
dikategorikan memiliki hubungan yang lemah dan berdasarkan uji
signifikansi hasilnya menunjukkan nilai 0,450 yang artinya asosiasi kedua
variabel adalah tidak signifikan.
b. Korelasi X2 dan Y memiliki nilai 0,092 atau 9,2% yang dapat
dikategorikan memiliki hubungan yang lemah dan berdasarkan uji
 17

signifikansi hasilnya menunjukkan nilai 0,630 yang artinya asosiasi kedua

variabel adalah tidak signifikan.
c. Korelasi X1 dan X2 memiliki nilai 0,807 atau 80,7% yang dapat
dikategorikan memiliki hubungan yang sangat kuat dan berdasarkan uji
signifikansi hasilnya menunjukkan nilai 0,000 yang artinya asosiasi kedua
variabel adalah signifikan.
4.2.2 Uji Koefisien Determinasi (R)
Uji koefisien determinasi dilakukan untuk mengetahui derajat hubungan
koefisien korelasi linier 3 variabel 1, 2, . Hasil uji koefisien determinasi dapat
dilihat pada tabel 4.4 berikut ini:
Tabel 4.3 Uji Koefisien Determinasi

Berdasarkan table diatas angka R adalah hasil nilai koefisien linier korelasi
3 variabel 𝑟𝑥1,2,𝑦 adalah 0.149 atau 14,9% bermakna bahwa hubungannya sangat
rendah karena nilai R mendekati 0.

4.3 Menentukan Persamaan Regresi Linier Berganda

Analisis ini dimaksudkan untuk mengetahui adanya pengaruh antara
variabel X1 (pengunjung), X2 (pembeli) dan variabel Y (nominal pembelian).
Secara umum, data hasil pengamatan Y dipengaruhi oleh variabel bebas X1, dan
X2, sehingga rumus dari regresi linier berganda adalah :
𝑌=𝑎+𝑏𝑥1+𝑐𝑥2

Dengan menggunakan program SPSS v22, maka diperoleh koefisien-

koefisiennya sebagai berikut:
Tabel 4.4 Persamaan Regresi Linier Berganda
 18

Dari tabel di atas didapat a = 0.459, b = 0.006, c = - 0.003 sehingga dapat

diketahui persamaan regresinya adalah Y = 0.459 + 0.006 X1 - 0.003 X2.
Persamaan diatas mempunyai arti bahwa jika X1 (pengunjung)
dipersepsikan lebih baik dari X2, maka nilai Y akan bertambah sebesar 0,006. Jika
X2 (pembeli) dipersepsikan lebih baik dari X1, maka nilai Y (nominal pembelian)
akan berkurang sebesar - 0,003. Sedangkan untuk standart error untuk constant =
0.262, X1 = 0.010, X2 = 0.016.
Sebagai contoh misalkan banyaknya pengunjung 60 orang dan banyaknya
pembeli 50 orang maka dapat diperkirakan jumlah nominal pembelian adalah Y =
0.459 + 0.006 (60) - 0.003 (50) = 0,669 atau dalam jutaan adalah Rp. 669.000,00.

4.4 Uji Hipotesis Keseluruhan (Uji F)

Untuk mengetahui apakah variabel X1 (pengunjung) dan X2 (pembeli)
mempunyai pengaruh terhadap variabel Y (nominal pembelian), maka kita akan
menguji dengan statistik Uji F.
Pengujian hipotesis
𝐻𝑜∶ 𝛽1,2= Tidak terdapat pengaruh pengunjung dan pembeli terhadap nominal
pembelian.
𝐻𝑜∶ 𝛽1,2≠ Terdapat pengaruh pengunjung dan pembeli terhadap nominal
pembelian.
Dengan menggunakan SPSS v22, maka hasilnya dapat diperoleh sebagai berikut :

Tabel 4.5 Uji F

Kemudian diuji dengan menggunakan uji keseluruhan (uji F), dengan taraf
signifikan 5% dengan rumus sebagai berikut :
JKreg/k
𝐹=
JKres/(n − k − 1)
 19

Sehingga nilai statistik uji keseluruhan (uji F) adalah :

0.046/2
𝐹=
2.029/(30 − 2 − 1)
0.023
𝐹=
0.0751481481

= 0.3060620998 𝑎𝑡𝑎𝑢 0.306

Kriteria:
Jika F hitung < F tabel, maka Ho diterima
Jika F hitung ≥ F tabel, maka H1 ditolak

Dari daftar distribusi F dengan dk pembilang = 2, dk penyebut = 27

dengan taraf signifikan = 0,05, sehingga diperoleh nilai F tabel = 3,35. Karena F
hitung (0,306) < F table (3,35) maka Ho diterima yang artinya tidak dapat
pengaruh antara variable pengunjung dan pembeli terhadap variabel nominal
pembelian dengan taraf signifikansi sebesar 0,739 atau 73,9%.

4.5 Uji Hipotesis Individual (Uji t)

Untuk mengetahui variabel mana saja yang sesungguhnya mempunyai
pengaruh terhadap variabel Y (nominal pembelian) maka perlu kita menguji X1
(pengunjung) dan X2 (pembeli). Nilai T hitung dibandingkan dengan T tabel pada
macam-macam tingkat kesalahan taraf signifikan.
Tabel 4.6 Uji t

Hipotesis:
H0 : bi = 0 dimana i = 1,2,....,k (variabel bebas (X1 dan X2) tidak
mempengaruhi variabel dependen (Y)).
Hi : bi ≠ 0dimana i = 1,2,....,k (minimal ada satu parameter koefisien regresi yang
tidak sama dengan nol atau mempengaruhi variabel dependen (Y).
 20

Pengambilan keputusan:
Jika T hitung ≤ T tabel atau probabilitas maka Ho diterima
Jika T hitung > T tabel atau probabilitas maka H1 ditolak
4.5.1 Uji t Pada Constant
Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk
Constant yaitu 1,751, pada T tabel dengan db 27 dan taraf signifikan 0,05
diperoleh 1,703, karena T hitung > T tabel maka Ho ditolak dan H1 diterima yang
dapat diartikan bahwa hasil constanta pada regresi benar-benar tidak bernilai 0
yang dapat diartikan bahwa nilai constanta berpengaruh terhadap variabel
dependen (Y).
4.5.2 Uji t Pada Variabel X1 (Pengunjung)
Nilai t hitung untuk X1 (pengunjung) sebesar 0,617 dengan mengambil
taraf signifikansi:
a. Tingkat signifikansi 5% jadi interval keyakinan 95% diperoleh t tabel
dengan db 27 diperoleh nilai = 1,703 yang artinya H0 diterima dan H1
ditolak atau dengan kata lain X1 (pengunjung) tidak berpengaruh terhadap
Y (nominal pembelian).
b. Tingkat signifikansi 20% jadi interval keyakinan 80% diperoleh t tabel
dengan db 27 diperoleh nilai = 0,855 yang artinya H0 diterima dan H1 ditolak
atau dengan kata lain X1 (pengunjung) tidak berpengaruh terhadap Y
(nominal pembelian).
c. Tingkat signifikansi 30% jadi interval keyakinan 70% diperoleh t tabel
dengan db 27 diperoleh nilai = 0,531 yang artinya H0 ditolak dan H1
diterima atau dengan kata lain X1 (pengunjung) berpengaruh terhadap Y
(nominal pembelian).
4.5.3 Uji t Pada Variabel X2 (Pembeli)

Nilai t hitung untuk X2 (pembeli) sebesar -0,213 dengan mengambil taraf

signifikansi :
a. Tingkat signifikansi 5% jadi interval keyakinan 95% diperoleh t tabel
dengan db 27 diperoleh nilai = -1,703 yang artinya H0 diterima dan H1
ditolak atau dengan kata lain X2 (pembeli) tidak berpengaruh terhadap Y
(nominal pembelian).
 21

b. Tingkat signifikansi 20% jadi interval keyakinan 80% diperoleh t tabel

dengan db 27 diperoleh nilai = 0,855 yang artinya H0 diterima dan H1
ditolak atau dengan kata lain X2 (pembeli) tidak berpengaruh terhadap Y
(nominal pembelian).
c. Tingkat signifikansi 40% jadi interval keyakinan 60% diperoleh t tabel
dengan db 27 diperoleh nilai = -0,256 yang artinya H0 diterima dan H1
ditolak atau dengan kata lain X2 (pembeli) tidak berpengaruh terhadap Y
(nominal pembelian).
d. Tingkat signifikansi 45% jadi interval keyakinan 55% diperoleh t tabel
dengan db 27 diperoleh nilai = -0,127 yang artinya H0 ditolak dan H1
diterima atau dengan kata lain X2 (pembeli) berpengaruh terhadap Y
(nominal pembelian).
 BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan

Berdasarkan hasil penelitian dan pembahasan diatas, maka dapat diambil

kesimpulan sebagai berikut :
1. Hasil persamaan regresi linier berganda diperoleh Y = 0.459 + 0.006 X1 -
0.003 X2. Dalam persamaan ini dapat membantu pihak manajemen
Indomaret Kedungmundu Semarang untuk memprediksi pendapat nominal
pembelian perhari dengan memasukan banyaknya nilai X1 (pengunjung)
dan banyaknya nilai X2 (pembeli).
2. Hasil pengujian hipotesis uji keseluruhan (uji f) bahwa pengunjung dan
pembeli sama-sama tidak berpengaruh terhadap nominal pembelian di
Indomaret Kedungmundu Semarang. Pengaruh ini dapat dijelaskan
besarnya tingkat signifikan sebesar 0,739 atau sekitar 73,9%. Hasil
pengujian hipotesis individual (uji t) bahwa pengunjung dan pembeli
sebetulnya mempunyai pengaruh namun sangat kecil yaitu pada taraf
signifikan sebesar 30% atau dengan interval keyakinan sebesar 70%.
Sedangkan pengujian pada variabel pembeli akan berpengaruh terhadap
variabel nominal pembelian pada taraf signifikan sebesar 45% dan interval
keyakinan sebesar 55%.
5.2 Saran
Saran untuk penelitian selanjutnya adalah :
1. Dengan hasil proses statistik ini bisa dikembangkan lagi dengan variabel
yang berbeda tapi dengan metode yang sama, agar mendapatkan hasil
akurasi yang baik.
2. Menggunakan metode lain dengan variabel yang sama untuk memprediksi
nominal pembelian perhari di Indomaret Kedungmundu Semarang.

22
 DAFTAR PUSTAKA
Furqon. 1999. Statistika Terapan Untuk Penelitian. Bandung: ALFABETA.
J. Supranto. 2009. Statistik Teori dan Aplikasi Edisi ketujuh Jilid 2: Jakarta:
Penerbit Erlangga.
Mason, J. 2006. Qualitative Research. London: Sage Publications London.
Reni Sri Muljayanti. 2011. Analisis Pengaruh Lokasi, Harga, Promosi
Dan Customer Service Terhaap Citra Minimarket Indomaret Di
Wilayah Bintaro Permai Jakarta Selatan, Skripsi, Program Studi
Manajemen, Fakultas Ekonomi Dan Bisnis, Jakarta : Universitas Islam
Negeri Syarif Hidyatullah.
Pasaribu, Amudi. 1975. Pengantar Statistik Gahlia Indonesia : Jakarta
Sudjana, Nana. 2005. Metode Statistika. Bandung : Tarsito.
Sudjana, Nana. 2005. Penilaian Hasil Proses Belajar Mengajar
Cetakan ketujuh. Bandung : PT Remaja Rosdakarya.
Sudjana, Nana. 2006. Teknik Analisis Regresi dan Korelasi. Bandung: Tarsito.
Sudjana, Nana. 2009. Penilaian Hasil Proses Belajar Mengajar, Bandung :
Remaj Rosdakarya.
Sugiyono. 2006. Statistika Untuk Penelitian. Cetakan Ketujuh. Bandung: CV.
Alfabeta.
Sugiyono. 2008. Statistika untuk Penelitian. Bandung: Alfabeta
Sutrisno Hadi. 2007. Analisis Regresi. Yogyakarta: Andi Ofset.
Widyantini. 2005. Statistika. Yogyakarta : PPPG Matematika.
Yuliana Rahmani. 2012. Pengaruh Kualitas Pelayanan Dan Suasana Toko Terhadap
Loyalitas Peanggan Pada Indomaret Cabang Kopo Sayati Bandung,
Skripsi, Program Studi Manajemen, Fakultas Ekonomi, Bandung:
Universitas Pasundan.
http://knowledgesforfuture.blogspot.com/2012/12/cara-memasukkan-dan-
mengolah-data.html diakses tanggal 03 Desember 2012.
http://id.wikipedia.org/wiki/Indomaret diakses tanggal 26 Maret 2015.

23
 DAFTAR ISI
ABSTRAK
DAFTAR ISI .......................................................................................................... i
DAFTAR TABEL ................................................................................................. ii
DAFTAR GAMBAR ............................................................................................ iii
BAB I PENDAHULUAN ...................................................................................... 1
1.1 Latar Belakang .................................................................................................. 1
1.2 Rumusan Masalah ............................................................................................. 2
1.3 Tujuan ............................................................................................................... 2
1.4 Manfaat ............................................................................................................. 2
BAB II TINJAUAN PUSTAKA........................................................................... 3
2.1 Pengertian Statistik dan Statistika ..................................................................... 3
2.2 Analisis Korelasi Berganda ............................................................................... 3
2.3 Analisis Regresi ................................................................................................ 5
2.4 Metode Kuadrat Terkecil Untuk Regresi Linier ............................................... 8
2.5 Pengenalan Program SPSS .............................................................................. 10
BAB III METODE PENELITIAN .................................................................... 11
3.1 Studi Literatur ................................................................................................. 11
3.2 Metode Pengumpulan Data ............................................................................. 11
3.3 Prosedur Pengambilan Data ............................................................................ 11
3.4 Prosedur Penyelesaian..................................................................................... 12
3.5 Penarikan Kesimpulan dan Saran.................................................................... 13
BAB IV HASIL DAN PEMBAHASAN ............................................................ 14
4.1 Data ................................................................................................................. 14
4.2 Menentukan Koefisien Korelasi Linier Berganda........................................... 15
4.3 Menentukan Persamaan Regresi Linier Berganda .......................................... 17
4.4 Uji Hipotesis Keseluruhan (Uji F) ................................................................. 18
4.5 Uji Hipotesis Individual (Uji t) ....................................................................... 19
BAB V KESIMPULAN DAN SARAN .............................................................. 22
5.1 Kesimpulan ..................................................................................................... 22
5.2 Saran ................................................................................................................ 22
DAFTAR PUSTAKA .......................................................................................... 23

i
 DAFTAR TABEL

Tabel 2.1 Interpretasi Koefisien Korelasi ............................................................. 4

Tabel 4.1 Data ....................................................................................................... 14
Tabel 4.2 Uji Pearson Korelasi ............................................................................. 16
Tabel 4.3 Uji Koefisien Determinasi .................................................................... 17
Tabel 4.4 Persamaan Regresi Linier Berganda ..................................................... 17
Tabel 4.5 Uji F ...................................................................................................... 18
Tabel 4.6 Uji T ...................................................................................................... 19

ii
 DAFTAR GAMBAR
Gambar 2.1 Pola garis lurus ................................................................................. 6
Gambar 2.2 Tampilan layar SPPS......................................................................... 10
Gambar 3.1 Prosedur Pengambilan Data .............................................................. 11
Gambar 3.2 Prosedur Penyelesaian ....................................................................... 12

iii