TUGAS

MATA KULIAH METODE RISET BISNIS KUANTIATIF DAN KUALITATIF

Dosen : Prof. Dr. Ir. Bambang Juanda, MS

Nama : Andi Susanto

Nik : K1601221001
Kelas : DMB 19

DOKTOR MANAJEMEN BISNIS

SEKOLAH BISNIS
INSTITUT PERTANIAN BOGOR
BOGOR
2022
 1

TUGAS 1

1. Berikut ini adalah data permintaan produk detergen baru selama 30 minggu
terakhir setelah dipasarkan pertama kali, beserta faktor-faktor yang
diperkirakan mempengaruhinya.

Demand Harga Harga Biaya Iklan Pendapatan

Minggu (unit) ($) Kompetitor ($) ($) ($)
1 1290 137 94 814 42498
2 1177 147 81 896 41399
3 1155 149 89 852 39905
4 1299 117 92 854 34871
5 1166 135 86 810 34239
6 1186 143 79 768 44452
7 1293 113 91 978 30367
8 1322 111 82 821 37757
9 1338 109 81 843 40130
10 1160 129 82 849 31264
11 1293 124 91 797 34610
12 1413 117 76 988 41033
13 1299 106 90 914 30674
14 1238 135 88 913 31578
15 1467 117 99 867 41201
16 1089 147 76 785 30247
17 1203 124 83 817 33177
18 1474 103 98 846 37330
19 1235 140 78 768 44671
20 1367 115 83 856 37950
21 1310 119 76 771 43478
22 1331 138 100 947 36053
23 1293 122 90 831 35333
24 1437 105 86 905 44304
25 1165 145 96 996 30925
26 1328 138 97 929 36867
27 1515 116 97 1000 41799
28 1223 148 84 951 40684
29 1293 134 88 848 43637
30 1215 127 87 891 30468

a. Definisi Variabel
Variabel bebas (independen) : harga (P), harga kompetitor (Pr), biaya iklan
(advertise) dan pendapatan (income)
Variabel tidak bebas (dependen) : demand (D)

b. Hipotesis dibuat berdasarkan teori ekonomi.

Hipotesis pertama dibuat dengan berdasarkan teori bahwa jumlah permintaan
berkorelasi negative dengan harga, atau dengan kata lain Ketika terjadi kenaikan
 2

harga deterjen maka jumlah permintaan di pasar akan menurun sebaliknya Ketika
terjadi penurunan harga deterjen maka permintaan akan naik, hipotesisnya adalah
sebagai berikut :
Hipotesis 1 : Hubungan negatif antara harga dengan jumlah permintaan
Ho : β1 = 0
H1 : β1 ≠ 0

Hipotesis Kedua dibuat dengan berdasarkan teori bahwa jumlah permintaan

berkorelasi positif dengan harga barang lain atau dalam hal ini harga barang dari
pesaing, atau dengan kata lain Ketika terjadi kenaikan harga deterjen dari pesaing
maka jumlah permintaan di pasar akan naik, sebaliknya Ketika terjadi penurunan
harga deterjen dari pesaing maka permintaan akan turun, hipotesisnya adalah
sebagai berikut :
Hipotesis 2 : Hubungan positif antara kenaikan harga kompetitor dengan
jumlah permintaan
Ho : β2 = 0
H1 : β2 ≠ 0

Hipotesis Ketiga dibuat dengan berdasarkan teori bahwa jumlah permintaan

berkorelasi positif dengan selera atau preferensi atau dalam hal ini biaya iklan,
dengan kata lain Ketika terjadi kenaikan preferensi konsumen terhadap deterjen
yang diproduksi atau dalam hal ini juga preferensi berkorelasi positif dnegan
preferensi maka jumlah permintaan di pasar akan naik, sebaliknya Ketika terjadi
penurunan biaya iklan maka permintaan akan turun, hipotesisnya adalah sebagai
berikut :
Hipotesis 3 : hubungan positif antara biaya iklan dengan jumlah permintaan
Ho : β3 = 0
H1 : β3 ≠ 0

Hipotesis keempat dibuat dengan berdasarkan teori bahwa jumlah permintaan

berkorelasi positif dengan pendapatan, dengan kata lain Ketika terjadi pendapatan
maka jumlah permintaan di pasar akan naik, sebaliknya Ketika terjadi penurunan
biaya iklan maka permintaan akan turun, hipotesisnya adalah sebagai berikut :
Hipotesis 4 : Hubungan positif antara pendapatan penduduk dengan jumlah
permintaan
Ho : β4 = 0
H1 : β4 ≠ 0

c. Buatlah dugaan model permintaan dengan metode OLS

 3

Source SS df MS Number of obs = 30

F(5, 24) = 51.49
Model 291363.592 5 58272.7183 Prob > F = 0.0000
Residual 27159.2084 24 1131.63368 R-squared = 0.9147
Adj R-squared = 0.8970
Total 318522.8 29 10983.5448 Root MSE = 33.64

Demand Coef. Std. Err. t P>|t| [95% Conf. Interval]

P -5.03264 .4393547 -11.45 0.000 -5.939423 -4.125856

Pr 4.743503 .9696136 4.89 0.000 2.742319 6.744687
Advertise .2774435 .104598 2.65 0.014 .0615638 .4933232
Income .0106579 .0013158 8.10 0.000 .0079421 .0133736
T 1.309092 .7533593 1.74 0.095 -.2457651 2.863949
_cons 850.0416 134.7807 6.31 0.000 571.8678 1128.215

d. Model Regresi :
Dt = 850,04 – 5,03 X2 + 4,74 X3 + 0,328 X4 + 0,01 X5 + e

Dari table output stata dapat dijelaskan bahwa Nilai R-squared = 0,9147
artinya model regresi di atas dapat menjelaskan 91,47% keragaman Y yang berarti
semua variabel independen dapat menjelaskan variabel dependen sebesar 91,47%.
sedangkan sisanya yaitu 8,53% dipengaruhi oleh variabel lain diluar model regresi.

e. Deskripsikan atau interpretasikan tiap simbol yang ada pada model tersebut
Berdasarkan hasil pengolahan data dengan stata dan dugaan model yang
dibentuk maka:
- Koefisien regresi = 850,04
- Jika terjadi kenaikan harga detergen sebesar 1 USD, maka jumlah permintaan
detergen akan turun sebanyak 5 unit.
- Jika harga deterjen dari kompetitor naik sebesar 1 USD, maka jumlah
permintaan detergen akan bertambah 5 unit
- Jika perusahaan meningkatkan biaya iklan sebesar 1 USD, maka jumlah
permintaan detergen bertambah 0,3 unit
- Jika pendapatan penduduk meningkat 1 USD maka jumlah permintaan detergen
meningkat 0,01 unit.
- Jika jangka waktu iklan bertambah 1 minggu, maka jumlah permintaan detergen
naik 1 unit
f. Pengujian Hipotesis
Hipotesis 1 : Terima H1
Hipotesis 2 : Terima H1
Hipotesis 3 : Terima H1
Hipotesis 4 : Terima H1
Hipotesis 5 : Terima H1

g. Variabel yang memberikan pengaruh signifikan (t- test atau p-value)

Variabel independen memberikan pengaruh signifikan pada selang
kepercayaan 95% jika memiliki nilai p-value < 0,05. Berdasarkan hasil pengujian
(t-test) maka ada 4 variabel/faktor yang memberikan pengaruh signifikan terhadap
permintaan detergen yang baru dilaunching yaitu harga, harga kompetitor, biaya
 4

iklan dan pendapatan. Variabel jangka waktu iklan tidak memberikan pengaruh
signifikan terhadap jumlah permintaan.

2. Pengaruh Pengalaman Kerja dan Tingkat Pendidikan terhadap Gaji

Karyawan Gaji(ribuRp) Pengalaman(Th) Pendidikan
1 3390 2 SD
2 3182 2 SD
3 4916 5 SD
4 4164 3 SD
5 5047 6 SD
6 4285 4 SD
7 6565 8 SD
8 7524 10 SD
9 4865 5 SD
10 3620 3 SD
11 9620 7 SL
12 10942 8 SL
13 7777 5 SL
14 8735 6 SL
15 9428 7 SL
16 4588 2 SL
17 6537 4 SL
18 11684 9 SL
19 10573 8 SL
20 7874 5 SL
21 7147 2 PT
22 14610 7 PT
23 17776 9 PT
24 18756 10 PT
25 20098 11 PT
26 13124 6 PT
27 11075 5 PT
28 15851 8 PT
29 6896 2 PT
30 9884 4 PT

a. Devinisi Variabel
- Variabel bebas (independen) :
pengalaman kerja (X2)
dummy tingkat pendidikan sekolah lanjutan (X3)
dummy tingkat pendidikan perguruan tinggi (X4)
interaksi tingkat pendidikan sekolah lanjutan dengan pengalaman kerja
(X4)
interaksi tingkat pendidikan perguruan tinggi dengan pengalaman kerja
(X5)

- Variabel tidak bebas (dependen) : gaji

 5

b. Hipotesis :
Hipotesis 1 : Pengalaman kerja akan berkorelasi positif dan mempengaruhi
gaji (semakin tinggi pengalaman maka semakin tinggi gaji yang diperoleh dan
sebaliknya semakin rendah pengalaman maka gaji semakin kecil)
Ho : β2 = 0
H1 : β2 ≠ 0
Hipotesis 2 : Tingkat Pendidikan mempengaruhi gaji dengan asumsi korelasi
positif, semakin tinggi tingkat pendidikan maka semakin tinggi gaji yang diperoleh
dan sebaliknya semakin rendah pendidikan maka gaji semakin kecil)
Ho : β3 = 0
H1 : β3 ≠ 0

c. Dugaan Model
Source SS df MS Number of obs = 30
F(5, 24) = 2995.24
Model 642465562 5 128493112 Prob > F = 0.0000
Residual 1029579.29 24 42899.1372 R-squared = 0.9984
Adj R-squared = 0.9981
Total 643495141 29 22189487.6 Root MSE = 207.12

Gaji Coef. Std. Err. t P>|t| [95% Conf. Interval]

Penglmn 524.4253 26.38967 19.87 0.000 469.9597 578.8909

D_SL 380.9843 252.2974 1.51 0.144 -139.732 901.7007
D_PT 1792.72 209.9112 8.54 0.000 1359.485 2225.956
ThxD_SL 484.7972 41.77671 11.60 0.000 398.5743 571.0201
ThxD_PT 958.453 34.21933 28.01 0.000 887.8278 1029.078
_cons 2238.558 142.6019 15.70 0.000 1944.243 2532.874

Dugaan
.
model regresi :
Y = 2238,558 + 524,4253 X2 + 380,9842 X3 + 1792,72 X4 + 484.7972 X5 +
958,453 X6 + ε

Dari table output stata dapat dijelaskan bahwa Nilai R-squared = 0,9984
artinya model regresi di atas dapat menjelaskan 99,84% keragaman Y, yang berarti
semua variabel independen dapat menjelaskan variabel dependen sebesar 99,84%.
sedangkan sisanya yaitu 0,16% dipengaruhi oleh variabel lain diluar model regresi.

h. Deskripsikan atau interpretasikan tiap simbol yang ada pada model tersebut.
Berdasarkan hasil pengolahan data dengan stata dan dugaan model yang
dibentuk maka:
- Koefisien regresi = 2238,558, artinya rata-rata gaji lulusan SD yang belum
memiliki pengalaman sebesar Rp. 2.238.558.
- Rata-rata kenaikan gaji karyawan jika pengalamannya berbeda setiap 1 tahun
adalah sebesar Rp. 524.425.
- Rata-rata perbedaan gaji lulusan sekolah lanjutan dengan lulusan SD jika
pengalamannya sama sebesar Rp 380.984.
- Rata-rata perbedaan gaji lulusan Perguruan tinggi dengan lulusan SD jika
pengalamannya sama sebesar Rp 1.792.720
- Rata-rata perbedaan gaji karyawan dengan lulusan sekolah lanjutan (SL) jika
pengalamannya berbeda dengan rentang pengalaman 2 tahun sampai dengan 9
tahun adalah Rp. 484.797.
 6

- Rata-rata perbedaan gaji karyawan dengan lulusan perguruan tinggi (PT) jika
pengalamannya berbeda dengan rentang pengalaman 2 tahun sampai dengan 11
tahun adalah Rp. 958.453.

i. Pengujian Hipotesis
Hipotesis 1 : Terima H1
Hipotesis 2 : Terima H1

j. Variabel yang memberikan pengaruh signifikan (t- test atau p-value)

Variabel independen memberikan pengaruh signifikan pada selang
kepercayaan 95% jika memiliki nilai p-value < 0,05. Berdasarkan hasil pengujian
(t-test) maka ada 4 variabel/faktor yang memberikan pengaruh signifikan terhadap
gaji karyawan yaitu :
- pengalaman kerja (X2)
- dummy tingkat pendidikan perguruan tinggi (X4)
- interaksi tingkat pendidikan sekolah lanjutan dengan pengalaman kerja (X4)
- interansi tingkat pendidikan perguruan tinggi dengan pengalaman kerja (X5)

Ada 1 variabel yang tidak signifikan memberikan pengaruh kepada gaji yaitu
dummy tingkat pendidikan sekolah lanjutan (X3) dengan nilai p-value / t-test
sebesar 0,144 (> 0,05).

3. Pengaruh Ukuran dan Lokasi terhadap Nilai Rumah

Rumah Nilai(xRp100000) Ukuran(m2) Lokasi
1 3869 21 1
2 3845 21 1
3 3846 21 1
4 4605 45 1
5 4618 45 1
6 4598 45 1
7 5287 70 1
8 5403 70 1
9 5319 70 1
10 5943 90 1
11 5936 90 1
12 5911 90 1
13 6809 120 1
14 6782 120 1
15 6816 120 1
16 3496 21 0
17 3464 21 0
18 3519 21 0
19 4010 45 0
20 3995 45 0
21 3971 45 0
22 4504 70 0
23 4429 70 0
24 4489 70 0
 7

Rumah Nilai(xRp100000) Ukuran(m2) Lokasi

25 4877 90 0
26 4867 90 0
27 4852 90 0
28 5436 120 0
29 5531 120 0
30 5474 120 0

a. Devinisi Variabel
- Variabel bebas (independen) : ukuran (X2), lingkungan (X3), interaksi ukuran
rumah dengan lingkungan (X4)
- Variabel tidak bebas (dependen) : Nilai

b. Hipotesis :
Hipotesis 1 : ukuran mempengaruhi harga rumah
Ho : β2 = 0 (ukuran tidak mempengaruhi nilai rumah)
H1 : β2 ≠ 0 (ukuran mempengaruhi nilai rumah)

Hipotesis 2 : Lokasi mempengaruhi harga rumah

Ho : β3 = 0 (lokasi tidak mempengaruhi nilai rumah)
H1 : β3 ≠ 0 (lokasi mempengaruhi nilai rumah)
Hipotesis 3 : Interaksi antara ukuran dan lokasi mempengaruhi nilai rumah
Ho : β4 = 0 (Interaksi antara ukuran dan lokasi tidak mempengaruhi nilai
rumah)
H1 : β4 ≠ 0 (Interaksi antara ukuran dan lokasi mempengaruhi nilai rumah)

a. Hasil Analisis regresi menggunakan Stata

Source SS df MS Number of obs = 30
F(3, 26) = 10288.78
Model 28112612.6 3 9370870.85 Prob > F = 0.0000
Residual 23680.4162 26 910.785239 R-squared = 0.9992
Adj R-squared = 0.9991
Total 28136293 29 970216.999 Root MSE = 30.179

Nilai_Rumah Coef. Std. Err. t P>|t| [95% Conf. Interval]

Ukuran 19.95848 .2264039 88.15 0.000 19.4931 20.42386

Lok 170.2348 24.74585 6.88 0.000 119.369 221.1006
UkxLok 9.749015 .3201834 30.45 0.000 9.090869 10.40716
_cons 3079.807 17.49796 176.01 0.000 3043.839 3115.774

b. Model Dugaan
P = 3.079,807 + 19,96 X2 + 170, 23 X3 + 9,75 X4 + ε

Dari table output stata dapat dijelaskan bahwa Nilai R-squared = 0,9992
artinya model regresi di atas dapat menjelaskan 99,92% keragaman Y, yang berarti
semua variabel independen dapat menjelaskan variabel dependen sebesar 99,92%.
sedangkan sisanya yaitu 0,08% dipengaruhi oleh variabel lain diluar model regresi.
 8

c. Deskripsi dan Interpretasi

Berdasarkan hasil pengolahan data dengan stata dan dugaan model yang
dibentuk maka:
- Koefisien regresi = 3.079,807, artinya rata-rata nilai rumah ukuran paling kecil
sebesar Rp 307.980.700.
- Rata-rata perbedaan nilai rumah di lingkungan “biasa” setiap 1m2 perbedaan
luas sebesar Rp. 1.995.848.
- Rata-rata perbedaan nilai rumah di lingkungan “baik” setiap 1m2 perbedaan
luas sebesar Rp. 974.901
- Ada perbedaan nilai rumah sebesar Rp 17.023.480 antara lingkungan “biasa”
dan “baik” untuk ukuran rumah yang sama.

k. Pengujian Hipotesis
Hipotesis 1 : Terima H1
Hipotesis 2 : Terima H1

l. Variabel yang memberikan pengaruh signifikan (t- test atau p-value)

Variabel independen memberikan pengaruh signifikan pada selang
kepercayaan 95% jika memiliki nilai p-value < 0,05. Berdasarkan hasil pengujian
(t-test) maka dengan tingkat kepercayaan 95% ukuran, kondisi lingkungan dan
interaksi antara ukuran dan lokasi berpengaruh signifikan terhadap nilai rumah.