I. PENDAHULUAN
Penjualan adalah aktivitas atau bisnis menjual produk atau jasa. Dalam proses
suatu komoditas kepada pembeli untuk suatu harga tertentu. Setiap perusahaan
penjualan maupun kesetiaan pelanggan. Alat atau usaha yang dilakukan untuk
dapat dijelaskan sebagai berikut, yang pertama yaitu iklan. Menurut Boyd et al
barang dan jasa non pribadi yang dibayar oleh sponsor tertentu”. Perangkat
“suatu proses membantu dan membujuk satu atau lebih calon konsumen untuk
membeli barang atau jasa untuk bertindak sesuai ide tertentu dengan
Personal selling biasa dilakukan oleh seorang sales pada perusahaan tersebut.
(Something to be sold) plus Service”. Dalam buku yang sama juga dijabarkan
meliputi proses dalam penjualan yang dimulai dari langkah pertama sampai
yang dijual berguna di bidang aplikasi seperti genomik, proteomik, biologi sel,
perusahaan ini dalam menjual barang yaitu personal selling atau penjualan
Berdasarkan uraian di atas, penulis tertarik untuk melakukan analisis dengan judul
“Pengaruh Kunjungan Sales ke Customer terhadap Hasil Penjualan pada PT. Gaia
Science Indonesia”
3
1.2 Tujuan
Tujuan dari penulisan laporan kerja praktik ini adalah untuk membuat model
1.3 Manfaat
penjualan.
Kegiatan kerja praktik ini dilakukan dari tanggal 3 Januari 2019 sampai 9 Februari
2.1.1 Visi
Menuju bumi yang lebih hijau dan kualitas kehidupan yang lebih baik melalui
2.1.2Misi
solusi turnkey dan keunggulan layanan untuk kemajuan Sains untuk dunia yang
lebih baik
Gaia memiliki tim profesional dengan pengalaman kolektif & luas di Industri
penelitian, dan industri. Gaia diakui sebagai tim yang membawa teknologi
mutakhir dari mitra dan prinsipal kepada pelanggan kami yang berharga
5
Solusi Laboratorium Turnkey kepada pelanggan kami, kami juga terlibat dalam
ilmiah sebagai mitra dalam mempromosikan kemajuan ilmiah dan teknologi untuk
3.1 Penjualan
besar, maka laba yang dihasilkan perusahaan itu pun akan besar pula sehingga
biasanya tidak akan membeli produk organisasi dalam jumlah cukup. Karena itu
organisasi harus melakukan usaha penjualan dan promosi yang agresif”. Dari
uraian yang dikemukan di atas dapat diambil kesimpulan bahwa penjualan adalah
dapat dinikmati oleh konsumen. Selain itu dapat mengajak orang lain agar
bersedia membeli barang atau jasa yang ditawarkan oleh produsen atau
konsumen.
9
sampel produk, rabat, pertalian, premi langsung cair, pertunjukan dagang, tukar
dalam pemasaran suatu produk yang dilakukan oleh sebagian besar organisasi
c. Meningkatkan jumlah konsumen untuk produk yang telah dikenal secara luas.
10
terjangkau.
hubungan fungsional antara variabel respon dengan satu atau beberapa variabel
yi = f(xi) + 𝜀𝑖 ; i = 1,2,3,…,n
variansi (konstan). f(xi) disebut sebagai fungsi regresi atau kurva regresi
(Hardle,1994).
peubah bebas (X) dan peubah terikat (Y). Analisis regresi linier sederhana adalah
sebuah model regresi linier yang terdiri satu peubah bebas dan satu peubah terikat.
11
Secara umum model regresi linier untuk dua peubah dapat dirumuskan seperti
persamaan berikut:
Y= a + bX
Keterangan :
Y = Peubah terikat
X= Peubah bebas
Uji normalitas berguna pada tahap awal dalam metode pemilihan analisis data.
Jika data normal, maka digunakan statistik parametrik dan jika data tidak normal
digunakan statistik nonparametrik. Tujuan uji normalitas data ini adalah untuk
memiliki distribusi normal. Pengujian ini diperlukan karena untuk melakukan uji
Heteroskedasitas adalah variansi dari galat model regresi tidak konstan atau
variansi antar galat yang satu dengan galat yang lain berbeda. Dampak adanya
linier dan tidak bias, tetapi tidak lagi mempunyai variansi yang minimum dan
didasarkan pada distribusi t maupun F tidak bisa lagi dipercaya untuk evaluasi
Merupakan asumsi residual yang memiliki komponen atau nilai yang tidak
Untuk menguji asumsi nonautokorelasi digunakan uji Durbin Watson. Uji Durbin
autokorelasi pada nilai residual (selisih antara nilai duga dengan pengamatan
sebenarnya).
13
Asumsi yang digunakan dalam pengujian hipotesis analisis regresi adalah bahwa
nilai peubah terikat untuk setiap nilai peubah bebas diambil secara acak dari
1. Uji F
model menerangkan respon secara signifikan atau tidak. p-value juga dapat
nilai duga yang dihasilkan dari model regresi yang diperoleh. Semakin kecil p-
𝐻0 . Artinya berdasarkan nilai peluang yang ada, nilai p-value < α maka 𝐻0
Hipotesis ujinya :
1) 𝐻0 : 𝑏1 = 𝑏2 = 𝑏3 = 0
𝐻1 : 𝑏1 = 𝑏2 = 𝑏3 ≠ 0
2) Menentukan α = 5% (0.05)
4) Statistik Uji :
𝑅2 −(𝑘−1)
𝐹ℎ𝑖𝑡 = (1−𝑅2)
(Soeharno, 2006).
(𝑛−𝑘)
Dimana:
𝑅2 = Koefisien 𝑅2
14
n= Jumlah data
5) Dengan Kriteria:
-𝐻0 diterima jika nilai sign (probabilitas value) > α(0.05), tidak ada pengaruh
dependen.
-𝐻0 ditolak jika nilai sign (probabilitas value) < α(0.05), ada pengaruh yang
dependen.
2. Uji T
secara parsial.
Hipotesis ujinya:
1) 𝐻0 : 𝛽𝑗 = 0
𝐻1 : 𝛽𝑗 ≠ 0
2) Menentukan α = 5% (0.05)
4) Statistik Uji t :
𝑏𝑗 − 𝛽𝑗
𝑡=
𝑆(𝑏𝑗 )
Dengan:
5) Dengan Kriteria:
-𝐻0 diterima jika nilai sign (probabilitas value) > α(0.05), tidak ada pengaruh
dependen.
- 𝐻0 ditolak jika nilai sign (probabilitas value) < α(0.05), ada pengaruh yang
didefinisikan sebagai ukuran hubungan linier antara peubah bebas dan peubah
menggerombol di sekitar sebuah garis lurus dalam diagram pencar. Bila titik-titik
menggerombol mengikuti sebuah garis lurus dengan kemiringan positif, maka ada
korelasi positif yang tinggi antara kedua peubah. Akan tetapi, bila titik-titik
Koefisien korelasi disebut juga dengan koefisien korelasi pearson yaitu nilai yang
menunjukkan kuat atau tidaknya hubungan linier antara dua peubah. Koefisien
korelasi didefinisikan:
𝑟𝑥𝑦 = 𝑠𝑥𝑦 / 𝑠𝑥 𝑠𝑦
∑𝑛 ̅ ̅
𝑖=1(𝑋𝑖 − 𝑋 )(𝑌𝑖 − 𝑌 )
= 1
[∑𝑛 ̅ ̅ 2 𝑛 ̅ ̅ 22
𝑖=1(𝑋𝑖 − 𝑋 )(𝑌𝑖 − 𝑌 ) ∑𝑖=1(𝑋𝑖 − 𝑋 )(𝑌𝑖 − 𝑌 ) ]
Dengan pembakuan ini maka -1≤ 𝑟𝑥𝑦 ≤ 1 sehingga mudah menafsirkannya. Bila
hubungan linier antara X dan Y sempurna makka 𝑟𝑥𝑦 = ±1; +1 bila hubungan
tersebut searah -1 berlawanan arah. Tidak ada hubungan linier antara X dan Y
keragaman total nilai-nilai peubah terikat yang dapat dijelaskan oleh nilai-nilai
bermakna bahwa 0,36 atau 36% diantara keragaman total nilai-nilai Y dapat
4.1 Data
Setelah melaksanakan kerja praktik pada tanggal 3 Januari 2019 sampai dengan 8
Februari 2019 di PT. Gaia Science Indonesia diperoleh data kunjungan sales
beserta total hasil penjualan yang di klasifikasikan per area. Data-data tersebut
Tabel 1. Kunjungan Sales dan Hasil Pendapatan Penjualan PT. Gaia Science
4.2 Pembahasan
Dari data yang diperoleh memiliki satu peubah independen X (Kunjungan) dan
sederhana adalah hubungan secara linear antara satu variabel independen (X)
dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan
antara variabel independen dengan variabel dependen apakah positif atau negatif
Y=𝜷𝟎 + 𝜷𝟏 𝑿
Keterangan:
𝛽1 : Koefisien Regresi
19
𝐻0 : Tidak ada korelasi antara hasil pendapatan penjualan dengan kunjungan sales
1. Jika p-value < α maka data mendukung untuk menolak 𝐻0 yang artinya ada
2. Jika p-value > α maka data tidak mendukung untuk menolak 𝐻0 yang artinya
Berikut adalah hasil analisis korelasi antara hasil pendapatan penjualan dengan
Dari hasil output diatas diperoleh nilai p-value 0.015 dimana nilai ini kurang dari
taraf nyata (α) yakni 0.05 sehingga data mendukung untuk tolak 𝐻0 yang berarti
Dari hasil tersebut juga diperoleh nilai korelasi sebesar 0.946 yang berarti bahwa
memiliki hubungan yang kuat dimana hubungan tersebut adalah positif yang
penjualan) bertambah.
Hal tersebut juga dapat dilihat dari scatterplot antara hasil pendapatan penjualan
dengan kunjungan.
3.0000E+1 0
2.0000E+1 0
1 .0000E+1 0
0
0 1 00 200 300 400 500 600 700
Kunjungan
Berdasarkan scatterplot dapat dilihat dari titik-titik tersebut bahwa data ini
menyebar dan tidak membentuk pola tertentu serta dapat ditarik suatu garis lurus
Sebelum memproses hasil analisis regresi, data terlebih dahulu harus diperiksa
Wilayah kritik : jika nilai p-value kurang dari α maka tolak 𝐻0 . Jika nilai p-value
penjualan dan kunjungan adalah p-value=0.093 > α dan p-value = 0.070 > α maka
data tidak mendukung untuk tolak 𝐻0 , artinya data residual data menyebar normal
Untuk menguji apakah terjadi gejala heteroskedastisitas dapat dilihat dari grafik
residual versus fits. Dengan menggunakan minitab 18 diperoleh grafik versus fits
sebagai berikut:
Durbin-Watson Statistic
Uji autokorelasi digunakan untuk menguji apakah dalam sebuah model regresi ada
suatu model regresi ada korelasi antara kesalahan pengganggu pada periode t
berikut:
𝐻1 : ada autokorelasi
Keputusan Kriteria
Durbin Watson statistik dan Durbin Watson tabel. Hasil yang dilakukan
25
signifikansi 0,05 dan jumlah data (n)=5, serta k=1 (k adalah jumlah variabel X)
Berdasarkan tabel diatas yaitu nilai dw berada diantara dU dan 4-dU maka 𝐻0
diterima bahwa tidak ada korelasi atau galatnya terbukti saling bebas
Adapun output minitab beserta uji hipotesis yang dilakukan sebagai berikut:
Analysis of Variance
Uji Hipotesis:
Uji parsial dilakukan untuk mengetahui apakah konstanta dan setiap koefisien
regresi signifikan terhadap model yang dilakukan secara parsial atau secara
terpisah dengan menggunakan uji t. Adapun hasil yang diperoleh sebagai berikut:
Coefficients
Uji Parameter β0
terhadap model regresi. Adapun uji hipotesis yang dilakukan sebagai berikut :
27
Jadi, dapat disimpulkan bahwa konstanta tidak signifikan terhadap model regresi.
Uji Parameter β1
Uji parameter β1 untuk kunjungan sales dilakukan untuk melihat apakah ada
pengaruh antara hasil pendapatan penjualan dengan kunjungan sales. Adapun uji
Keputusan : berdasarkan output di atas diperoleh nilai P-Value < α (0,015 <
Artinya ada pengaruh antara hasil pendapatan penjualan dengan kunjungan sales.
28
Regression Equation
konstanta yang telah dihilangkan karena berdasarkan uji parsial tidak signifikan
sebagai berikut :
𝒀 = 𝟓𝟒𝟔𝟔𝟏𝟒𝟏𝟏 𝑿 + 𝜺
atau
Dari persamaan regresi linear sederhana di atas diperoleh nilai konstanta yang
tidak signifikan artinya, jika variabel hasil pendapatan penjualan dipengaruhi oleh
variabel bebasnya atau kunjungan bernilai nol, maka besarnya konsumsi pakan
bernilai 0.
diperkirakan variabel bebasnya naik sebesar satu satuan, maka nilai variabel
terikat diperkirakan bisa naik atau bisa turun dengan tanda koefisien variabel
bebasnya.
nilai asli hasil pendapatan penjualan dengan nilai duga yang dibentuk dari model
dugaan regresi linier sederhana yang didapat. Nilai duga hasil pendapatan
model regresi.
Tabel 4. Perbandingan nilai asli hasil pendapatan penjualan dengan nilai duga
Gambar 9. Grafik Perbandingan nilai asli hasil pendapatan penjualan dengan nilai
90,000,000,000
80,000,000,000
70,000,000,000
60,000,000,000
50,000,000,000
Nilai Asli
40,000,000,000
Nilai dugaan
30,000,000,000
20,000,000,000
10,000,000,000
0
1 2 3 4 5 6
Dari gambar grafik tersebut terlihat bahwa garis yang menggambarkan nilai asli
dan nilai duga dari hasil pendapatan penjualan berimpit, artinya model dugaan
pendapatan penjualan.
Model Summary
Dari output di atas diketahui bahwa nilai 𝑅2 𝑎𝑡𝑎𝑢 𝑅 − 𝑠𝑞 adalah 89.53% artinya
sedangkan sisanya 10,47% dijelaskan atau dipengaruhi oleh variabel lain atau
galat.
32
V. KESIMPULAN
Berdasarkan hasil analisis yang telah dilakukan terhadap data kunungan sales dan
hasil pendapatan penjualan per area pada tahun 2018 maka diperoleh kesimpulan
sebagai berikut:
1. Ada hubungan yang linier antara kunjungan sales dengan hasil pendapatan
2. Kunjungan sales dan hasil pendapatan penjualan memiliki hubungan yang kuat
bertambah.
3. Setelah dilakukan uji hipotesis ternyata konstanta (intersep) dari data hasil
4. Perbandingan nilai asli dan nilai duga dari hasil pendapatan penjualan berimpit,