1

I. PENDAHULUAN

1.1 Latar Belakang dan Masalah

Penjualan adalah aktivitas atau bisnis menjual produk atau jasa. Dalam proses

penjualan, penjual atau penyedia barang dan jasa memberikan kepemilikan

suatu komoditas kepada pembeli untuk suatu harga tertentu. Setiap perusahaan

memiliki strategi berbeda dalam melakukan usahanya untuk meningkatkan hasil

penjualan maupun kesetiaan pelanggan. Alat atau usaha yang dilakukan untuk

mengadakan komunikasi, memberikan informasi, meyakinkan dan

memperkenalkan produk baru yang dilakukan oleh perusahaan dengan berbagai

cara dikenal dengan istilah bauran promosi.

Menurut Kotler ( 2001:112 ) definisi dari bauran komunikasi pemasaran (bauran

promosi) adalah “perpaduan khusus antara iklan, penjualan personal, promosi

penjualan dan hubungan masyarakat yang digunakan perusahaan untuk meraih

tujuan iklan dan pemasarannya”. Dari masing-masing perangkat bauran promosi

dapat dijelaskan sebagai berikut, yang pertama yaitu iklan. Menurut Boyd et al

(2000 : 65 ) iklan (Advertising) adalah “Bentuk presentasi, promosi, gagasan,

barang dan jasa non pribadi yang dibayar oleh sponsor tertentu”. Perangkat

bauran promosi yang selanjutnya yaitu penjualan perorangan.

 2

Menurut Boyd et al (2000:65 ) (personal selling) penjualan perorangan adalah

“suatu proses membantu dan membujuk satu atau lebih calon konsumen untuk

membeli barang atau jasa untuk bertindak sesuai ide tertentu dengan

menggunakan presentasi oral (komunikasi tatap muka)”.

Personal selling biasa dilakukan oleh seorang sales pada perusahaan tersebut.

Dalam bukunya Sihite (1996:86) menyebutkan bahwa “Sales adalah Merchandise

(Something to be sold) plus Service”. Dalam buku yang sama juga dijabarkan

mengenai Salesmanship yaitu kecakapan seorang Sales dalam menjual yang

meliputi proses dalam penjualan yang dimulai dari langkah pertama sampai

dengan terlaksananya suatu penjualan.

PT. Gaia Science Indonesia merupakan perusahaan yang memasok peralatan

ilmiah dan laboratorium ke universitas, lembaga penelitian, dan industri. Produk

yang dijual berguna di bidang aplikasi seperti genomik, proteomik, biologi sel,

penelitian hewan, sintesis organik, nanoteknologi, penelitian energi bersih,

analisis lingkungan, pencitraan, dan di bidang pendidikan. Salah satu strategi

perusahaan ini dalam menjual barang yaitu personal selling atau penjualan

perseorangan dengan melakukan kunjungan sales person ke customer.

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

Regresi dugaan serta mengetahui seberapa besar pengaruh kunjungan sales ke

customer terhadap hasil penjualan pada PT. Gaia Science Indonesia.

1.3 Manfaat

Manfaat dari laporan kerja praktik ini adalah sebagai berikut:

1. Mengetahui seberapa besar pengaruh kunjungan sales terhadap hasil

penjualan.

2. Memperoleh pengalaman dan pengetahuan baru tentang dunia kerja.

3. Meningkatkan keterampilan dalam hal mengumpulkan, mengolah,

menyajikan, dan menganalisis data.

4. Mampu menerapkan disiplin dan tanggung jawab terhadap tugas yang

diberikan serta dapat bersosialisasi kepada para pegawai.

1.4 Waktu dan Tempat Kerja Praktik

Kegiatan kerja praktik ini dilakukan dari tanggal 3 Januari 2019 sampai 9 Februari

2019 di PT. Gaia Science Indonesia.

 4

II. GAMBARAN UMUM INSTANSI

2.1 Visi dan Misi PT. Gaia Science Indonesia

2.1.1 Visi

Menuju bumi yang lebih hijau dan kualitas kehidupan yang lebih baik melalui

promosi sains dan teknologi.

2.1.2Misi

Untuk mendukung komunitas ilmiah dengan menyediakan teknologi canggih

solusi turnkey dan keunggulan layanan untuk kemajuan Sains untuk dunia yang

lebih baik

2.2 Tentang Gaia Science

Gaia memiliki tim profesional dengan pengalaman kolektif & luas di Industri

Ilmiah. Pemasok peralatan ilmiah dan laboratorium ke universitas, lembaga

penelitian, dan industri. Gaia diakui sebagai tim yang membawa teknologi

mutakhir dari mitra dan prinsipal kepada pelanggan kami yang berharga
 5

Produk kami digunakan di bidang aplikasi seperti genomik, proteomik, biologi

sel, penelitian hewan, sintesis organik, nanoteknologi, penelitian energi bersih,

analisis lingkungan, pencitraan, dan di bidang pendidikan. Selain memberikan

Solusi Laboratorium Turnkey kepada pelanggan kami, kami juga terlibat dalam

desain dan pembuatan produk-produk bioteknologi seperti laboratorium bergerak,

laboratorium modular BSL-3, tabel pemangkasan jaringan, tabel necropsy dan

lain-lain dengan mitra internasional.

Gambar 1. Cabang Gaia Science

Gambar 2. Sejarah Perkembangan PT. Gaia Science dari 2009-2018

 6

2.3 Tujuan Gaia Science

Tujuan Gaia Science adalah Menjembatani produk laboratorium mutakhir dengan

komunitas ilmiah dan memberikan keunggulan layanan. Gaia melihat komunitas

ilmiah sebagai mitra dalam mempromosikan kemajuan ilmiah dan teknologi untuk

dunia dan kualitas hidup yang lebih baik untuk semua.

2.4 Struktur Organisasi PT. Gaia Science Indonesia

Gambar 3. Struktur Organisasi PT. Gaia Science Indonesia

 7

Gambar 4. Nilai-nilai PT. Gaia Science Indonesia

 8

III. TINJAUAN PUSTAKA

3.1 Penjualan

Penjualan merupakan salah satu indikator paling penting dalam sebuah

perusahaan, karena penjualanlah yang dapat menghasilkan laba untuk sebuah

perusahaan. Bila tingkat penjualan yang dihasilkan oleh perusahaan tersebut

besar, maka laba yang dihasilkan perusahaan itu pun akan besar pula sehingga

perusahaan bertahan dalam persaingan bisnis dan dapat mengembangkan

usahanya. Mereka harus dapat meningkatkan keunggulan kompetitif, karena hal

ini sangat diperlukan di dalam menghadapi persaingan usaha, untuk itu

perusahaan harus dapat menciptakan produk yang berkualitas tinggi. Menurut

Kotler (2002) “Konsep penjualan menyatakan bahwa konsumen jika diabaikan

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

kegiatan bidang pemasaran dalam menjual barang produksinya kepada konsumen

yang dilaksanakan perusahaan dalam menyampaikan barang produksinya agar

dapat dinikmati oleh konsumen. Selain itu dapat mengajak orang lain agar

bersedia membeli barang atau jasa yang ditawarkan oleh produsen atau

konsumen.
 9

3.1.2 Promosi Penjualan

Menurut Boyd et al (2000) promosi penjualan (Selles promotion) adalah “insentif

yang dirancang untuk mendorong pembelian atau penjualan sebuah produk

biasanya untuk jangka pendek, (misalnya, kupon, sayembara, perlombaan ,

sampel produk, rabat, pertalian, premi langsung cair, pertunjukan dagang, tukar

tambah dan pameran). Promosi penjualan merupakan kegiatan yang penting

dalam pemasaran suatu produk yang dilakukan oleh sebagian besar organisasi

termasuk produsen, pengecer dan organisasi lainnya. Promosi penjualan

merupakan unsur kunci dalam kampanye pemasaran”.

Menurut Alma (2008) tujuan penggunaan sales promotion:

a. Menarik para pembeli baru

b. Memberi hadiah kepada langganan lama

c. Menyuruh pembeli agar mengulangi pembeliannya

d. Mencegah konsumen lari ke merek lain

e. Meningkatkan loyalitas konsumen

f. Meningkatkan volume penjualan dalam jangka pendek.

Menurut Machfoedz (2005) Suatu perusahaan menggunakan promosi penjualan

untuk berbagai alasan, adapun tujuan dari promosi penjualan adalah:

a. Mengidentifikasikan dan menarik konsumen baru.

b. Memperkenalkan produk baru.

c. Meningkatkan jumlah konsumen untuk produk yang telah dikenal secara luas.
 10

d. Mendorong penggunaan yang lebih banyak diantara konsumen yang telah

terjangkau.

e. Menginformasikan kepada konsumen tentang peningkatan kualitas produk.

f. Mengajak konsumen untuk mendatangi toko tempat penjualan produk.

g. Menstabilkan pola penjualan yang berfluktuasi.

h. Meningkatkan persediaan bagi perantara.

i. Mengimbangi upaya pemasaran pihak pesaing.

3.2 Analisis Regresi

Analisis regresi adalah suatu metode analisis data yang menggambarkan

hubungan fungsional antara variabel respon dengan satu atau beberapa variabel

prediktor. Misalkan X adalah variabel prediktor dan Y adalah variabel respon

untuk n data pengamatan berpasangan {( , )} , maka hubungan antara variabel

prediktor dan variabel respon tersebut dapat dinyatakan sebagai berikut:

yi = f(xi) + 𝜀𝑖 ; i = 1,2,3,…,n

Dengan adalah galat yang diasumsikan independen, menyebar normal, dan

variansi (konstan). f(xi) disebut sebagai fungsi regresi atau kurva regresi

(Hardle,1994).

3.3 Analisis Regresi Linear Sederhana

Regresi linier sederhana digunakan untuk menunjukkan analisis yang melibatkan

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

a= Konstanta (nilai Y apabila X=0)

X= Peubah bebas

b = Koefisien regresi (Steel dan Torie. 1993).

3.4 Uji Asumsi Analisis Regresi Linear Sederhana

3.4.1 Uji Normalitas

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

mengetahui apakah dalam model regresi variabel pengganggu atau residual

memiliki distribusi normal. Pengujian ini diperlukan karena untuk melakukan uji

t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal

(Drapper dan Smith, 1992).

 12

3.4.2 Uji Heteroskedasitas

Heteroskedasitas adalah variansi dari galat model regresi tidak konstan atau

variansi antar galat yang satu dengan galat yang lain berbeda. Dampak adanya

heteroskedasitas dalam model regresi adalah walaupun estimator MKT masih

linier dan tidak bias, tetapi tidak lagi mempunyai variansi yang minimum dan

menyebabkan perhitungan standard error metode MKT tidak bisa dipercaya

kebenarannya. Selain itu interval estimasi maupun pengujian hipotesis yang

didasarkan pada distribusi t maupun F tidak bisa lagi dipercaya untuk evaluasi

hasil regresi (Widarjono, 2007).

3.4.3 Uji Non Autokorelasi

Merupakan asumsi residual yang memiliki komponen atau nilai yang tidak

berkorelasi berdasarkan waktu (urutan waktu) pada himpunan data it sendiri.

Untuk menguji asumsi nonautokorelasi digunakan uji Durbin Watson. Uji Durbin

Watson adalah sebuah test yang digunakan untuk mendeteksi terjadinya

autokorelasi pada nilai residual (selisih antara nilai duga dengan pengamatan

sebenarnya).
 13

3.5 Pengujian Hipotesis dalam Analisis Regresi

Asumsi yang digunakan dalam pengujian hipotesis analisis regresi adalah bahwa

nilai peubah terikat untuk setiap nilai peubah bebas diambil secara acak dari

populasi yang berdistribusi normal. Uji yang digunakan adalah:

1. Uji F

Uji F digunakan untuk menguji secara bersamaan apakah parameter dalam

model menerangkan respon secara signifikan atau tidak. p-value juga dapat

digunakan untuk menolak atau menerima hipotesis, p-value it sendiri adalah

nilai duga yang dihasilkan dari model regresi yang diperoleh. Semakin kecil p-

value, semakin kecil peluang membuat kesalahan yang diakibatkan menolak

𝐻0 . Artinya berdasarkan nilai peluang yang ada, nilai p-value < α maka 𝐻0

ditolak pada tingkat α tertentu.

Hipotesis ujinya :

1) 𝐻0 : 𝑏1 = 𝑏2 = 𝑏3 = 0

𝐻1 : 𝑏1 = 𝑏2 = 𝑏3 ≠ 0

2) Menentukan α = 5% (0.05)

3) Daerah kritik, 𝐻0 ditolak jika 𝐹ℎ𝑖𝑡 > 𝐹𝑡𝑎𝑏

4) Statistik Uji :

𝑅2 −(𝑘−1)
𝐹ℎ𝑖𝑡 = (1−𝑅2)
(Soeharno, 2006).
(𝑛−𝑘)

Dimana:

k-1=(df1), n-k=(df2) : Derajat Bebas

𝑅2 = Koefisien 𝑅2
 14

n= Jumlah data

k= Banyaknya kelompok (dependen dan independen).

5) Dengan Kriteria:

-𝐻0 diterima jika nilai sign (probabilitas value) > α(0.05), tidak ada pengaruh

yang signifikan secara simultan variable independen mempengaruhi variable

dependen.

-𝐻0 ditolak jika nilai sign (probabilitas value) < α(0.05), ada pengaruh yang

signifikan secara simultan variable independen mempengaruhi variable

dependen.

2. Uji T

Uji T digunakan untuk menguji pengaruh koefisien regresi terhadap respon

secara parsial.

Hipotesis ujinya:

1) 𝐻0 : 𝛽𝑗 = 0

𝐻1 : 𝛽𝑗 ≠ 0

2) Menentukan α = 5% (0.05)

3) Daerah kritik, 𝐻0 ditolak jika 𝑡ℎ𝑖𝑡 > 𝑡𝑡𝑎𝑏

4) Statistik Uji t :

𝑏𝑗 − 𝛽𝑗
𝑡=
𝑆(𝑏𝑗 )

Dengan:

b = koefisien ke-j yang diduga

 15

𝛽𝑗 = parameter regresi ke-j yang dipotensikan

𝑆(𝑏𝑗 ) = sisaan baku penduga parameter regresi ke-j.

5) Dengan Kriteria:

-𝐻0 diterima jika nilai sign (probabilitas value) > α(0.05), tidak ada pengaruh

yang signifikan secara simultan variable independen mempengaruhi variable

dependen.

- 𝐻0 ditolak jika nilai sign (probabilitas value) < α(0.05), ada pengaruh yang

signifikan secara simultan variable independen mempengaruhi variable

dependen. (Draper and Smith, 1992).

3.6 Analisis Korelasi

Analisis Korelasi mengukur kekuatan hubungan antara dua peubah melalui

sebuah bilangan yang disebut koefisien korelasi. Koefisien korelasi linier

didefinisikan sebagai ukuran hubungan linier antara peubah bebas dan peubah

terikat dan dilambangkan dengan r, yang mengukur sejauh mana titik-titik

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

menggerombol mengikuti sebuah garis lurus dengan kemiringan negative maka

terdapat korelasi nrgative yang tinggi (Walpole, 1992).

 16

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 ) ]

𝑛 ∑𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − (∑𝑛𝑖=1 𝑋𝑖 )(∑𝑛𝑖=1 𝑌𝑖 )

=
√[𝑛 ∑𝑛𝑖=1 𝑋𝑖2 − (∑𝑛𝑖=1 𝑋𝑖 )2 ] [𝑛 ∑𝑛𝑖=1 𝑌𝑖2 − (∑𝑛𝑖=1 𝑌𝑖 )2 ]

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

ditandai 𝑟𝑥𝑦 = 0 (Sembiring, 1995).

3.7 Koefisien Determinasi

𝑅2 yang biasanya disebut koefisien determinasi yang menyatakan proporsi

keragaman total nilai-nilai peubah terikat yang dapat dijelaskan oleh nilai-nilai

peubah bebas melalui hubungan liniernya. Suatu korelasi sebesar 𝑅2 = 0,6

bermakna bahwa 0,36 atau 36% diantara keragaman total nilai-nilai Y dapat

dijelaskan oleh hubungan liniernya dengan nilai-nilai X (Walpole, 1992).

 17

IV. HASIL DAN PEMBAHASAN

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

akan diolah dengan metode regresi linear sederhana menggunakan software

minitab 18. Data selengkapnya disajikan dalam tabel di bawah ini:

Tabel 1. Kunjungan Sales dan Hasil Pendapatan Penjualan PT. Gaia Science

Indonesia pada Tahun 2018

Area Kunjungan Hasil Pendapatan Penjualan

(kali) (Rp)
Sumatera 81 2,627,852,940
DKI Jakarta 673 31,434,616,182
Jawa Barat 486 33,648,247,471
Jawa Tengah & Jawa Timur 102 7,678,105,888
Luar Pulau Jawa & Sumatera 123 2,681,953,251
TOTAL 1465 78,070,775,732
 18

4.2 Pembahasan

Dari data yang diperoleh memiliki satu peubah independen X (Kunjungan) dan

satu peubah dependen Y (Hasil Pendapatan Penjualan). Maka analisis yang

digunakan adalah analisis regresi linier sederhana. Analisis regresi linear

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

dan untuk memprediksi nilai variabel independen mengalami kenaikan atau

penurunan. Rumus regresi linear sederhana sebagai berikut:

Y=𝜷𝟎 + 𝜷𝟏 𝑿

Keterangan:

Y : Variabel dependen (Hasil Pendapatan Penjualan)

X : Variabel Independen (Kunjungan)

𝛽0 : Konstanta (Nilai Y apabila X=0)

𝛽1 : Koefisien Regresi
 19

4.3 Analisis Korelasi

Di analisis korelasi, sebelum menghitung nilai korelasi antara variabel y (hasil

pendapatan penjualan) dengan variabel x ( kunjungan sales) maka terlebih dahulu

membuat hipotesis dan kriteria penarikan kesimpulan yakni sebagai berikut:

𝐻0 : Tidak ada korelasi antara hasil pendapatan penjualan dengan kunjungan sales

𝐻1 : Ada korelasi antara hasil pendapatan penjualan dengan kunjungan sales

Dengan kriteria pengambilan keputusan sebagai berikut:

1. Jika p-value < α maka data mendukung untuk menolak 𝐻0 yang artinya ada

korelasi antara hasil pendapatan penjualan dengan kunjungan.

2. Jika p-value > α maka data tidak mendukung untuk menolak 𝐻0 yang artinya

tidak ada korelasi antara hasil pendapatan penjualan dengan kunjungan.

Berikut adalah hasil analisis korelasi antara hasil pendapatan penjualan dengan

kunjungan menggunakan software minitab 18.

Correlation: Kunjungan, Hasil Pendapatan Penjualan

Correlations

Pearson correlation 0.946

P-value 0.015
 20

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

ada hubungan antara hasil pendapatan penjualan dengan kunjungan.

Dari hasil tersebut juga diperoleh nilai korelasi sebesar 0.946 yang berarti bahwa

antara variabel y (hasil pendapatan penjualan) dengan variabel x (kunjungan)

memiliki hubungan yang kuat dimana hubungan tersebut adalah positif yang

berarti jika variabel x (kunjungan) bertambah maka variabel y (hasil pendapatan

penjualan) bertambah.

Hal tersebut juga dapat dilihat dari scatterplot antara hasil pendapatan penjualan

dengan kunjungan.

Scatterplot of Hasil Pendapatan Penjualan vs Kunjungan

4.0000E+1 0
Hasil Pendapatan Penjualan

3.0000E+1 0

2.0000E+1 0

1 .0000E+1 0

0
0 1 00 200 300 400 500 600 700
Kunjungan

Gambar 5 Scatterplot Of Hasil Pendapatan Penjualan vs Kunjungan

 21

Berdasarkan scatterplot dapat dilihat dari titik-titik tersebut bahwa data ini

menyebar dan tidak membentuk pola tertentu serta dapat ditarik suatu garis lurus

yang menggambarkan bahwa keduanya memiliki hubungan atau korelasi dan

memiliki ragam yang sama atau homogen.

4.4 Uji Asumsi

Sebelum memproses hasil analisis regresi, data terlebih dahulu harus diperiksa

apakah memenuhi asumsi-asumsi pada analisis regresi dibawah ini:

4.4.1 Uji Normalitas

Gambar 6. Probability Plot of Kunjungan

 22

Gambar 7. Probability Plot of Hasil Pendapatan Penjualan

Adapun uji hipotesis sebagai berikut:

𝐻0 : residual data menyebar normal

𝐻1 : residual data tidak menyebar normal

Taraf signifikan = α = 5% = 0.05

Wilayah kritik : jika nilai p-value kurang dari α maka tolak 𝐻0 . Jika nilai p-value

lebih dari α maka data tidak mendukung untuk tolak 𝐻0 .

Keputusan : karena nilai p-value dari Probability Plot of hasil pendapatan

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

dan asumsi normalitas terpenuhi.

 23

4.4.2 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi

terjadi ketidaksamaan ragam dari satu pengamatan ke pengamatan yang lain.

Untuk menguji apakah terjadi gejala heteroskedastisitas dapat dilihat dari grafik

residual versus fits. Dengan menggunakan minitab 18 diperoleh grafik versus fits

sebagai berikut:

Gambar 8. Residual Versus Fits

Berdasarkan plot di atas terlihat bahwa penyebaran niai-nilai residual terhadap

nilai-nilai prediksi tidak membentuk suatu pola, sehingga dapat disimpulkan

bahwa tidak terjadi heteroskedastisitas.

 24

4.4.3 Uji Non -Autokorelasi

Durbin-Watson Statistic

Durbin-Watson Statistic = 2.25300

Uji autokorelasi digunakan untuk menguji apakah dalam sebuah model regresi ada

korelasi antar anggota sampel. Untuk mendiagnosis adanya autokorelasi dalam

sebuah model regresi dilakukan pengujian dengan uji Durbin Watson.

Uji autokorelasi menggunakan Durbin Watson bertujuan menguji apakah dalam

suatu model regresi ada korelasi antara kesalahan pengganggu pada periode t

dengan kesalahan pada periode t-1 (sebelumnya). Adapun hipotesisnya sebagai

berikut:

𝐻0 : tidak ada autokorelasi

𝐻1 : ada autokorelasi

Tabel 2. Keputusan Durbin Watson

Keputusan Kriteria

𝐻0 ditolak 0 < dw < dL

Tidak ada keputusan dL ≤ dw ≤ dU

𝐻0 diterima dU < dw < 4-dU

Tidak ada keputusan 4-dU ≤ dw ≤ 4-dL

Untuk menguji autokorelasi dengan Durbin Watson dapan membandingkan nilai

Durbin Watson statistik dan Durbin Watson tabel. Hasil yang dilakukan
 25

menunjukkan angka DW-test sebesar 2,253 sedangkan dari tabel DW dengan

signifikansi 0,05 dan jumlah data (n)=5, serta k=1 (k adalah jumlah variabel X)

diperoleh dL sebesar 0,520 dan dU sebesar 1,441 (lihat tabel).

Tabel 3. Hasil Uji Autokorelasi Durbin Watson

dL dU 4-dU 4-dL dw Keputusan

0,52 1,441 2,559 3,480 2,253 𝐻0 diterima

Berdasarkan tabel diatas yaitu nilai dw berada diantara dU dan 4-dU maka 𝐻0

diterima bahwa tidak ada korelasi atau galatnya terbukti saling bebas

(independen). Jadi asumsi nonautokorelasi terpenuhi.

4.5. Uji Simultan Model Regresi

Uji simultan dilakukan untuk mengetahui pengaruh variabel-variabel bebas secara

bersama-sama terhadap suatu variabel terikat dengan menggunakan uji F.

Adapun output minitab beserta uji hipotesis yang dilakukan sebagai berikut:

Analysis of Variance

Source DF Adj SS Adj MS F-Value P-Value

Regression 1 8.72380E+20 8.72380E+20 25.66 0.015
Kunjungan 1 8.72380E+20 8.72380E+20 25.66 0.015
Error 3 1.02002E+20 3.40006E+19
Total 4 9.74382E+20
 26

Uji Hipotesis:

H0: β0=β1 = 0 (model tidak signifikan)

H1: β0=β1≠ 0 (model signifikan)

Tingkat signifikansi α = 0,05

Daerah kritis : tolak H0 jika P-Value <α

Keputusan : berdasarkan output di atas diperoleh nilai p-value < α

(0,015 < 0,05) maka tolak H0.

Jadi, dapat disimpulkan bahwa model signifikan.

4.6 Uji Parsial

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

Term Coef SE Coef T-Value P-Value VIF

Constant -401638272 4098453910 -0.10 0.928
Kunjungan 54661411 107921243 5.07 0.015 1.00

 Uji Parameter β0

Uji parameter β0dilakukan untuk mengetahui apakah konstanta signifikan

terhadap model regresi. Adapun uji hipotesis yang dilakukan sebagai berikut :
 27

H0: β0 = 0 (Konstanta tidak signifikan terhadap model regresi).

H1: β0 ≠ 0 (Konstanta signifikan terhadap model regresi).

Tingkat signifikansi α = 0,05

Daerah kritis : tolak H0 P-Value < α

Keputusan : berdasarkan output di atas diperoleh nilai P-Value > α

(0,928 > 0,05), maka terima H0.

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

hipotesis yang dilakukan sebagai berikut :

H0: β1 = 0 (Koefisien regresi tidak signifikan terhadap model)

H1 : β1 ≠ 0 (Koefisien regresi signifikan terhadap model)

Tingkat signifikansi α = 0,05

Daerah kritis : tolak H0 P-Value < α

Keputusan : berdasarkan output di atas diperoleh nilai P-Value < α (0,015 <

0,05), maka tolak H0.

Jadi, dapat disimpulkan bahwa koefisien regresi signifikan terhadap model.

Artinya ada pengaruh antara hasil pendapatan penjualan dengan kunjungan sales.
 28

4.7. Hasil Analisis Regresi

Regression Equation

Hasil Pendapatan Penjualan = -401638272 + 54661411 Kunjungan

Berdasarkan output di atas diperoleh persamaan regresi linear sederhana dengan

konstanta yang telah dihilangkan karena berdasarkan uji parsial tidak signifikan

sebagai berikut :

𝒀 = 𝟓𝟒𝟔𝟔𝟏𝟒𝟏𝟏 𝑿 + 𝜺

atau

Hasil Pendapatan Penjualan = 𝟓𝟒𝟔𝟔𝟏𝟒𝟏𝟏 Kunjungan + 𝜺

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.

Nilai koefisien regresi pada variabel bebasnya menggambarkan, apabila

diperkirakan variabel bebasnya naik sebesar satu satuan, maka nilai variabel

terikat diperkirakan bisa naik atau bisa turun dengan tanda koefisien variabel

bebasnya.

Koefisien regresi untuk variabel bebas kunjungan bernilai positif, menunjukkan

adanya hubungan yang searah antara hasil pendapatan penjualan dengan

 29

kunjungan. Koefisien regresi bobot badan sebesar 54661411 mengandung arti

untuk setiap pertambahan kunjungan sebesar satu satuan akan menyebabkan

meningkatnya hasil pendapatan penjualan sebesar Rp. 54.661.411.

4.8 Verifikasi Model

Berdasarkan hasil analisis dan pembahasan, peneliti mencoba membandingkan

nilai asli hasil pendapatan penjualan dengan nilai duga yang dibentuk dari model

dugaan regresi linier sederhana yang didapat. Nilai duga hasil pendapatan

penjualan diperoleh dengan mensubstitusikan nilai X yaitu kunjungan kedalam

model regresi.

Tabel 4. Perbandingan nilai asli hasil pendapatan penjualan dengan nilai duga

hasil pendapatan penjualan

Nilai Asli Nilai dugaan error

2,627,852,940 4,427,574,291 1,799,721,351
31,434,616,182 36,787,129,603 5,352,513,421
33,648,247,471 26,565,445,746 (7,082,801,725)
7,678,105,888 5,575,463,922 (2,102,641,966)
2,681,953,251 6,723,353,553 4,041,400,302
78,070,775,732 80,078,967,115 2,008,191,383
 30

Gambar 9. Grafik Perbandingan nilai asli hasil pendapatan penjualan dengan nilai

duga hasil pendapatan penjualan

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

regresi yang digunakan dengan koefisien kunjungan sales mempengaruhi hasil

pendapatan penjualan.

4.9 Koefisien Determinasi

Koefisien Determinasi menyatakan proporsi keragaman total nilai-nilai peubah Y

yang dapat dijelaskan oleh nilai-nilai peubah X melalui hubungan liniernya.

Koefisien determinasi digunakan untuk menjelaskan kebaikan dari model regresi

terhadap variabel terikat. Adapun hasil yang diperoleh sebagai berikut :

 31

Model Summary

S R-sq R-sq(adj) R-sq(pred)

5831007067 89.53% 86.04% 55.66%

Dari output di atas diketahui bahwa nilai 𝑅2 𝑎𝑡𝑎𝑢 𝑅 − 𝑠𝑞 adalah 89.53% artinya

kunjungan sales dapat mempengaruhi hasil pendapatan penjualan sebesar 89,53%

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

penjualan per area.

2. Kunjungan sales dan hasil pendapatan penjualan memiliki hubungan yang kuat

dimana hubungan tersebut adalah positif, yang berarti semakin banyak

melakukan kunjungan sales ke customer maka hasil pendapatan penjualan akan

bertambah.

3. Setelah dilakukan uji hipotesis ternyata konstanta (intersep) dari data hasil

pendapatan penjualan dengan kunjungan tidak ada. Sehingga model regresi

yang sesuai untuk data tersebut adalah:Hasil Pendapatan Penjualan (Y) =

54661411 Kunjungan (X)

4. Perbandingan nilai asli dan nilai duga dari hasil pendapatan penjualan berimpit,

artinya model dugaan regresi yang digunakan dengan koefisien kunjungan

mempengaruhi hasil pendapatan penjualan.

5. Dilihat dari koefisien determinasi (R-Sq), kenaikan hasil pendapatan penjualan

dipengaruhi oleh kunjungan sales ke customer sebesar 89,53%.