BAB III

LANGKA LANGKA PENGOLAHAN DAN ANALISIS DATA

3.1 Pengertian Pengolahan dan Analisis Data

Pengolahan data adalah proses mengatur, menyusun, mengklasifikasikan,

mengkodekan, mengedit, dan mentransformasi data menjadi bentuk yang lebih mudah
untuk dianalisis. Pengolahan data bertujuan untuk membersihkan data dari kesalahan,
inkonsistensi, atau kekurangan yang dapat mengganggu analisis data. Pengolahan data
juga bertujuan untuk menyederhanakan data agar lebih efisien dalam penyimpanan dan
penggunaan.

Analisis data adalah proses mengeksplorasi, menginterpretasi, dan menarik

kesimpulan dari data dengan menggunakan metode statistik, matematik, logik, atau
teknik lainnya. Analisis data bertujuan untuk menemukan pola, hubungan, tren, atau
makna yang tersembunyi dalam data. Analisis data juga bertujuan untuk menguji
hipotesis, menjawab pertanyaan penelitian, atau mendukung pengambilan keputusan.

3.2 Langkah-langkah Pengolahan Data Kuesioner

1. Penyusunana Data

1) Pengumpulan Data

Pengumpulan data merupakan tahap awal dalam proses pengolahan data kuesioner.
Data dapat dikumpulkan melalui survei atau kuesioner online, wawancara tatap
muka, atau melalui pengamatan langsung.
Contoh:
Peneliti menyebarkan kuesioner kepada 100 pelanggan yang datang ke restoran
tersebut. Kuesioner berisi pertanyaan-pertanyaan tentang kualitas produk, pelayanan,
fasilitas, harga, dan keseluruhan kepuasan pelanggan. Skala yang digunakan adalah
skala Likert 1-5, di mana 1 berarti sangat tidak puas dan 5 berarti sangat puas.
2) Verifikasi Data

Pada tahap ini, penting untuk memastikan bahwa data yang diperoleh lengkap dan
tidak ada informasi yang hilang atau tidak valid. Jika terdapat data yang tidak
lengkap, perlu dilakukan pendataan ulang atau pengklasifikasian.
 Contoh:
Jika terdapat kuesioner yang tidak diisi dengan lengkap, peneliti harus
menghubungi responden kembali atau melakukan wawancara tambahan.
2. Pemeriksaan Data

1) Pengecekan Kesalahan Input

Setelah data terkumpul, pemeriksaan kesalahan input menjadi tahap selanjutnya.

Hal ini meliputi pemeriksaan apakah terdapat typo, angka atau karakter yang salah,
atau data yang tidak masuk akal.
Contoh:
Pada pertanyaan tentang umur responden, menerapkan aturan validasi untuk
memastikan bahwa umur yang dimasukkan berada dalam rentang yang masuk akal
(misalnya, 18-99 tahun).
2) Pemeriksaan Outliers

Outliers adalah nilai yang berada jauh di luar dari sebagian besar data. Pemeriksaan
outliers penting untuk memastikan bahwa data tidak terpengaruh oleh nilai-nilai
ekstrim.
Contoh:

Dalam penelitian tentang pengeluaran rumah tangga, jika sebagian besar keluarga
mengeluarkan antara 1000 hingga 5000 USD, namun terdapat satu keluarga yang
mengeluarkan 100.000 USD, data ini mungkin merupakan outlier dan perlu
dipertimbangkan untuk dihilangkan atau diverifikasi.

3. Klasifikasi dan Kategorisasi Data

1) Pengelompokan Data

Data sering kali perlu dikelompokkan atau dikelompokkan berdasarkan kriteria

tertentu untuk memudahkan analisis. Hal ini dapat dilakukan dengan membuat
kategori atau interval.
Contoh:

Dalam penelitian tentang preferensi novel, responden dapat dikelompokkan ke

dalam kategori berdasarkan genre novel favorit mereka.
2) Skala Pengukuran

Memastikan bahwa skala pengukuran kuesioner sesuai dengan tujuan penelitian

adalah langkah penting. Data bisa bersifat nominal, ordinal, interval, atau rasio.

Contoh:

Dalam penelitian tingkat kepuasan pelanggan, skala

pengukuran bisa menggunakan skala ordinal (sangat tidak puas,
tidak puas, puas, sangat puas).
4. Analisis Data

1) Statistik Deskriptif

Pada tahap ini, data dapat dijelaskan secara statistik menggunakan mean,
median, modus, deviasi standar, dll., untuk memberikan gambaran tentang
distribusi dan karakteristik data.

Contoh:

Dalam penelitian kepuasan pelanggan, rata-rata skor kepuasan pelanggan

dapat dihitung dan dijelaskan.
2) Analisis Korelasi dan Regresi

Jika relevan, korelasi antara variabel-variabel dalam data dapat diuji untuk
melihat hubungan antara mereka. Jika ada variabel yang saling
mempengaruhi, analisis regresi dapat digunakan.
Contoh:

Dalam penelitian pengaruh harga terhadap keputusan pembelian, analisis

regresi dapat digunakan untuk menentukan apakah harga mempengaruhi
keputusan pembelian.
5. Interpretasi Hasil

1) Membuat Laporan

Hasil analisis data perlu disajikan dalam bentuk laporan yang jelas dan
sistematis. Laporan harus mencakup metodologi, temuan utama, dan
interpretasi.
Contoh:

Dalam laporan mengenai kepuasan pelanggan, peneliti dapat

 menyimpulkan bahwa sebagian besar pelanggan puas dengan pelayanan
restoran berdasarkan skor rata-rata yang tinggi.
2) Rekomendasi

Berdasarkan hasil analisis, rekomendasi dapat diberikan untuk

meningkatkan atau mengoptimalkan proses atau situasi yang diteliti.
Contoh:

Berdasarkan penelitian, restoran dapat mempertimbangkan meningkatkan

pelatihan staf untuk memastikan pelayanan yang lebih baik kepada
pelanggan.

3.3 Langkah-langkah Analisis Data Kuesioner

1. Pengumpulan Data

Sebelum memulai analisis data, pastikan data kuesioner telah terkumpul

dengan baik. Pastikan bahwa setiap responden telah mengisi kuesioner
dengan benar dan tidak ada data yang hilang atau tidak lengkap.
2. Pemeriksaan dan Pembersihan Data (Data Cleaning)

Setelah data terkumpul, langkah pertama adalah memeriksa data untuk

memastikan bahwa tidak ada kesalahan atau nilai yang tidak masuk akal.
Hal ini termasuk pemeriksaan outlier, missing values, dan data yang tidak
konsisten.
Contoh:

Jika kuesioner meminta usia responden, pastikan tidak ada nilai yang
tidak mungkin seperti usia negatif atau usia yang sangat tinggi.
3. Transformasi Data (Jika Diperlukan)

Pada tahap ini, data dapat diubah atau dimodifikasi untuk mempermudah
analisis. Ini termasuk menghitung rata-rata, menghitung persentase, atau
melakukan transformasi statistik lainnya.
Contoh:

Jika kuesioner mengandung pertanyaan tentang pendapatan, Anda

dapat mengelompokkan responden berdasarkan kisaran pendapatan,
misalnya: rendah, sedang, tinggi.
4. Pemilihan Metode Analisis

Pilih metode analisis yang sesuai dengan jenis data dan tujuan penelitian.
Beberapa metode umum termasuk analisis deskriptif, analisis komparatif,
analisis regresi, dan analisis faktor.
Contoh:

Jika Anda ingin membandingkan rata-rata skor kepuasan antara dua

kelompok responden, Anda dapat menggunakan uji t (t-test) untuk
perbandingan dua kelompok independen.
5. Analisis Deskriptif

Analisis deskriptif digunakan untuk memberikan gambaran umum

tentang

distribusi data. Ini mencakup perhitungan statistik seperti rata-rata, median,

modus, deviasi standar, dan visualisasi seperti grafik dan diagram.
Contoh:

Jika Anda ingin mengetahui rata-rata usia responden dalam kuesioner,

Anda dapat menghitung rata-rata dan deviasi standar dari data usia.
6. Analisis Inferensial

Analisis inferensial digunakan untuk membuat inferensi atau kesimpulan

tentang populasi berdasarkan sampel data. Ini termasuk uji hipotesis,
analisis regresi, dan analisis varians.
Contoh:

Jika Anda ingin mengetahui apakah ada perbedaan signifikan antara dua
kelompok, Anda dapat melakukan uji t untuk membandingkan rata-rata.
7. Interpretasi Hasil

Setelah analisis selesai, hasil harus diinterpretasikan dengan cermat.

Jelaskan temuan utama, apakah ada hubungan atau perbedaan yang
signifikan, dan apa implikasinya terhadap tujuan penelitian.
Contoh:
Jika analisis menunjukkan bahwa ada perbedaan signifikan dalam kepuasan
antara dua kelompok responden, interpretasikan apakah hal ini memiliki
implikasi implikasi praktis atau strategis.
 BAB V
TEKNIK PENGOLAHAN DATA

4.1 Uji Validitas

Validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan
dan kecermatan suatu alat ukur dalam melakukam fungsi ukurannya (Azwar 1986).
Selain itu validitas adalah suatu ukuran yang menunjukkan bahwa variabel yang
diukur memang benar-benar variabel yang hendak diteliti oleh peneliti (Cooper dan
Schindler, dalam Zulganef, 2006).

Sedangkan menurut Sugiharto dan Sitinjak (2006), validitas berhubungan

dengan suatu peubah mengukur apa yang seharusnya diukur. Validitas dalam
penelitian menyatakan derajat ketepatan alat ukur penelitian terhadap isi sebenarnya
yang diukur. Uji validitas adalah uji yang digunakan untuk menunjukkan sejauh
mana alat ukur yang digunakan dalam suatu mengukur apa yang diukur. Ghozali
(2009) menyatakan bahwa uji validitas digunakan untuk mengukur sah, atau valid
tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada
kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner
tersebut.

Suatu tes dapat dikatakan memiliki validitas yang tinggi jika tes tersebut
menjalankan fungsi ukurnya, atau memberikan hasil ukur yang tepat dan akurat
sesuai dengan maksud dikenakannya tes tersebut. Suatu tes menghasilkan data yang
tidak relevan dengan tujuan diadakannya pengukuran dikatakan sebagai tes yang
memiliki validitas rendah.

Sisi lain dari pengertian validitas adalah aspek kecermatan pengukuran. Suatu
alat ukur yang valid dapat menjalankan fungsi ukurnya dengan tepat, juga memiliki
kecermatan tinggi. Arti kecermatan disini adalah dapat mendeteksi perbedaan-
perbedaan kecil yang ada pada atribut yang diukurnya.
 Dalam pengujian validitas terhadap kuesioner, dibedakan menjadi 2, yaitu
validitas faktor dan validitas item. Validitas faktor diukur bila item yang disusun
menggunakan lebih dari satu faktor (antara faktor satu dengan yang lain ada
kesamaan). Pengukuran validitas faktor ini dengan cara mengkorelasikan antara
skor faktor (penjumlahan item dalam satu faktor) dengan skor total faktor (total
keseluruhan faktor).

Validitas item ditunjukkan dengan adanya korelasi atau dukungan terhadap item
total (skor total), perhitungan dilakukan dengan cara mengkorelasikan antara skor
item dengan skor total item. Bila kita menggunakan lebih dari satu faktor berarti
pengujian validitas item dengan cara mengkorelasikan antara skor item dengan skor
faktor, kemudian dilanjutkan mengkorelasikan antara skor item dengan skor total
faktor (penjumlahan dari beberapa faktor).

Dari hasil perhitungan korelasi akan didapat suatu koefisien korelasi yang
digunakan untuk mengukur tingkat validitas suatu item dan untuk menentukan
apakah suatu item layak digunakan atau tidak. Dalam penentuan layak atau
tidaknya suatu item yang akan digunakan, biasanya dilakukan uji signifikansi
koefisien korelasi pada taraf signifikansi 0,05, artinya suatu item dianggap valid
jika berkorelasi signifikan terhadap skor total.

Untuk melakukan uji validitas ini menggunakan program SPSS. Teknik

pengujian yang sering digunakan para peneliti untuk uji validitas adalah
menggunakan korelasi Bivariate Pearson (Produk Momen Pearson). Analisis ini
dengan cara mengkorelasikan masing-masing skor item dengan skor total. Skor
total adalah penjumlahan dari keseluruhan item. Item-item pertanyaan yang
berkorelasi signifikan dengan skor total menunjukkan item-item tersebut mampu
memberikan dukungan dalam mengungkap apa yang ingin diungkap à Valid. Jika r
hitung ≥ r tabel (uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item
pertanyaan berkorelasi signifikan terhadap skor total (dinyatakan valid).
Langkah-langkah dalam pengujian validitas ini yaitu :
1. Buat skor total masing-masing variabel (Tabel perhitungan skor)

2. Klik Analyze -> Correlate -> Bivariate (Gambar/Output SPSS)

3. Masukan seluruh item variabel x ke Variabels

4. Cek list Pearson ; Two Tailed ; Flag

5. Klik Ok

Tabel rangkuman hasil uji validitas dari variabel tersebut dapat dilihat sebagai
berikut :

Dari tabel diatas dapat dijelaskan bahwa nilai r hitung > r tabel berdasarkan uji
signifikan 0.05, artinya bahwa item-item tersebut diatas valid

Rumus Korelasi Product Moment :

Keterangan :
4.2 Uji Reliabilitas
Reliabilitas berasal dari kata reliability. Pengertian dari reliability (rliabilitas)
adalah keajegan pengukuran (Walizer, 1987). Sugiharto dan Situnjak (2006)
menyatakan bahwa reliabilitas menunjuk pada suatu pengertian bahwa instrumen
yang digunakan dalam penelitian untuk memperoleh informasi yang digunakan
dapat dipercaya sebagai alat pengumpulan data dan mampu mengungkap informasi
yang sebenarnya dilapangan. Ghozali (2009) menyatakan bahwa reliabilitas adalah
alat untuk mengukur suatu kuesioner yang merupakan indikator dari peubah atau
konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang
terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. Reliabilitas
suatu test merujuk pada derajat stabilitas, konsistensi, daya prediksi, dan akurasi.
Pengukuran yang memiliki reliabilitas yang tinggi adalah pengukuran yang dapat
menghasilkan data yang reliabel

Menurut Masri Singarimbun, realibilitas adalah indeks yang menunjukkan

sejauh mana suatu alat ukur dapat dipercaya atau dapat diandalkan. Bila suatu alat
pengukur dipakai dua kali – untuk mengukur gejala yang sama dan hasil
pengukuran yang diperoleh relative konsisten, maka alat pengukur tersebut reliable.
Dengan kata lain, realibitas menunjukkan konsistensi suatu alat pengukur di dalam
pengukur gejala yang sama.

Menurut Sumadi Suryabrata (2004: 28) reliabilitas menunjukkan sejauhmana

hasil pengukuran dengan alat tersebut dapat dipercaya. Hasil pengukuran harus
reliabel dalam artian harus memiliki tingkat konsistensi dan kemantapan.

Reliabilitas, atau keandalan, adalah konsistensi dari serangkaian pengukuran

atau serangkaian alat ukur. Hal tersebut bisa berupa pengukuran dari alat ukur yang
sama (tes dengan tes ulang) akan memberikan hasil yang sama, atau untuk
pengukuran yang lebih subjektif, apakah dua orang penilai memberikan skor yang
mirip (reliabilitas antar penilai). Reliabilitas tidak sama dengan validitas. Artinya
pengukuran yang dapat diandalkan akan mengukur secara konsisten, tapi belum
tentu mengukur apa yang seharusnya diukur. Dalam penelitian, reliabilitas adalah
sejauh mana pengukuran dari suatu tes tetap konsisten setelah dilakukan berulang-
ulang terhadap subjek dan dalam kondisi yang sama. Penelitian dianggap dapat
diandalkan bila memberikan hasil yang konsisten untuk pengukuran yang sama.
Tidak bisa diandalkan bila pengukuran yang berulang itu memberikan hasil yang
berbeda-beda.

Tinggi rendahnya reliabilitas, secara empirik ditunjukan oleh suatu angka yang
disebut nilai koefisien reliabilitas. Reliabilitas yang tinggi ditunjukan dengan nilai
rxx mendekati angka 1. Kesepakatan secara umum reliabilitas yang dianggap sudah
cukup memuaskan jika ≥ 0.700.

Pengujian reliabilitas instrumen dengan menggunakan rumus Alpha Cronbach

karena instrumen penelitian ini berbentuk angket dan skala bertingkat. Rumus
Alpha Cronbach sevagai berikut :

Keterangan :
 Jika nilai alpha > 0.7 artinya reliabilitas mencukupi (sufficient reliability) sementara
jika alpha > 0.80 ini mensugestikan seluruh item reliabel dan seluruh tes secara
konsisten memiliki reliabilitas yang kuat. Atau, ada pula yang memaknakannya
sebagai berikut:

Jika alpha > 0.90 maka reliabilitas sempurna. Jika alpha antara 0.70 – 0.90 maka
reliabilitas tinggi. Jika alpha 0.50 – 0.70 maka reliabilitas moderat. Jika alpha <
0.50 maka reliabilitas rendah. Jika alpha rendah, kemungkinan satu atau beberapa
item tidak reliabel.

Langkah pengujian reliabilitas dengan SPSS :

1. Klik Analyze -> Scale -> Reliability Analys

2. Masukan seluruh item variabel X ke Items

 3.Pastikan pada model terpilih Alpha

4. Klik Ok

Nilai Cronbach Alpha sebesar 0.981 yang menunjukan bahwa ke-11 pernyataan
cukup reliabel

4.3 Pengertian Sensitivitas

Analisis sensitivitas, juga disebut sebagai what-if anaysis, adalah alat
matematika yang digunakan dalam pemodelan ilmiah dan keuangan untuk
mempelajari bagaimana ketidakpastian dalam suatu model memengaruhi
ketidakpastian keseluruhan model itu.
Ini adalah cara untuk menentukan nilai yang berbeda untuk variabel independen
yang dapat dilakukan untuk mempengaruhi variabel dependen tertentu, dengan
serangkaian asumsi tertentu.
Anda dapat menggunakan analisis sensitivitas ketika ada batasan yang
bergantung pada variabel input dan ketika Anda ingin menjawab pertanyaan
seperti:
a) Apakah hasil penelitian akan berubah jika kita menggunakan asumsi lain?
b) Seberapa yakin kita dengan asumsi ini?
Anda dapat menggunakan analisis sensitivitas untuk mempelajari bagaimana
perubahan tertentu akan mempengaruhi Anda. Misalnya, jika Anda ingin
mengetahui apakah perubahan tingkat bunga akan mempengaruhi harga obligasi
jika tingkat bunga meningkat sebesar 2%. Anda dapat mengubahnya menjadi
pernyataan “bagaimana jika”:
“Apa yang terjadi dengan biaya obligasi jika tingkat bunga naik 2%?”

1. Metode untuk menerapkan analisis sensitivitas :

Berikut adalah dua metode yang digunakan untuk analisis sensitivitas:
1. Metode langsung
Dalam metode langsung, Anda akan mengganti angka yang berbeda menjadi
asumsi dalam model. Misalnya, asumsi pertumbuhan pendapatan Anda
adalah 20% dari tahun ke tahun, maka rumus pendapatannya adalah:
(Pendapatan tahun lalu) x (1 + 20%)
Dengan menggunakan metode langsung, kami mengganti angka yang
berbeda untuk menggantikan tingkat pertumbuhan untuk melihat jumlah
pendapatan yang dihasilkan.

2. Metode tidak langsung

Dalam metode tidak langsung, Anda akan memasukkan perubahan persen ke
dalam rumus alih-alih mengubah nilai asumsi secara langsung. Misalnya,
jika asumsi pertumbuhan pendapatan Anda adalah 20% dari tahun ke tahun
dan kita tahu bahwa rumus pendapatan adalah:
(Pendapatan tahun lalu) x (1 + 20%)
Alih-alih mengubah 20% ke angka lain, kami mengubah rumus menjadi:
(Pendapatan tahun lalu) x (1 + (20% + X)), di mana X adalah nilai di area
analisis sensitivitas model.

2. Perbedaan analisis sensitivitas dan analisis skenario :

 Analisis sensitivitas dapat memprediksi hasil dari suatu peristiwa yang
diberikan rentang variabel tertentu, dan seorang analis dapat menggunakan
informasi ini untuk memahami bagaimana perubahan dalam satu variabel
mempengaruhi variabel atau hasil lainnya. Analisis sensitivitas dapat
mengisolasi variabel tertentu dan menunjukkan kisaran hasil.
Namun, analisis skenario menentukan apa yang akan terjadi selama situasi
tertentu, seperti perubahan peraturan industri atau kehancuran pasar saham.
Seorang analis dapat menggunakan informasi khusus untuk skenario tertentu
untuk mengubah variabel dalam model, memberikan pemahaman tentang
hasil untuk situasi kehidupan nyata tertentu.

3. Manfaat analisis sensitivitas

Ada beberapa manfaat menggunakan analisis sensitivitas. Penting untuk
diingat bahwa analisis sensitivitas menggunakan serangkaian hasil
berdasarkan asumsi dan variabel yang kemudian, berdasarkan data historis.
Karena itu, what-if anaysis adalah model dengan ruang untuk kesalahan dan
mungkin tidak sepenuhnya akurat, tetapi merupakan alat yang berharga dan
banyak digunakan.
Manfaat utama menggunakan what-if anaysis adalah:
1. Pengambilan keputusan yang lebih baik: Analisis sensitivitas memberi
pembuat keputusan berbagai hasil untuk membantu mereka membuat
keputusan bisnis yang lebih baik.

2. Prediksi yang lebih andal: Ini memberikan studi mendalam tentang

variabel yang membuat prediksi dan model lebih andal.

3. Menyoroti area untuk perbaikan: Analisis sensitivitas membantu

pengambil keputusan mengidentifikasi di mana harus melakukan perbaikan
di masa depan.

4. Memberikan tingkat kredibilitas yang lebih tinggi: Analisis sensitivitas

menambahkan kredibilitas pada model keuangan dengan mengujinya di
berbagai kemungkinan.

4. Kegunaan what-if anaysis :

 Ada beberapa kegunaan untuk what-if anaysis di banyak karir dan
industri. Berbagai situasi memerlukan penggunaan analisis sensitivitas
untuk meramalkan, memprediksi, mengidentifikasi area perbaikan atau
membuat penyesuaian.

Berikut adalah beberapa aplikasi umum dari analisis sensitivitas:

1. Memahami bagaimana variabel input berhubungan dengan
variabel output Membuat hipotesis untuk menguji skenario
tertentu
2. Membuat rekomendasi Mengkomunikasikan data dan hasil
3. Mengidentifikasi titik impas, nilai kritis, dan perubahan strategi
yang optimal Pengujian kelayakan untuk solusi ideal
4. Memperkirakan kebutuhan untuk variabel output dan input
Mengukur parameter
5. Membuat asumsi untuk memungkinkan pengambilan keputusan
Menilai jumlah risiko untuk skenario atau strategi
Mengidentifikasi variabel sensitif
6. Mengembangkan rekomendasi

5. Contoh analisis sensitivitas :

Berikut adalah dua contoh hipotetis ketika what-if anaysis dapat digunakan:

Contoh 1
Peter menjual ransel di kios di mal. Dia tahu kesibukan kembali ke sekolah
akan dimulai pada bulan Agustus, dan dia ingin menentukan apakah
peningkatan lalu lintas pelanggan di mal akan meningkatkan pendapatan
penjualannya dan, jika ya, berapa banyak.
Harga rata-rata tas ransel yang dijual Peter adalah 40.000. Bulan lalu, selama
kesibukan kembali ke sekolah, dia menjual 250 tas ransel, menghasilkan
penjualan 10.000.000. Setelah menggunakan program perangkat lunak
spreadsheet, Peter menemukan bahwa ketika lalu lintas pelanggan di mal
meningkat sebesar 20%, ada peningkatan 14% dalam penjualannya.

Sekarang Peter mengetahui informasi ini, dia dapat menggunakannya untuk

memprediksi berapa banyak pendapatan penjualannya akan meningkat atau
menurun. Jika lalu lintas pelanggan meningkat menjadi 40%, penjualannya
harus meningkat sebesar 28%. Jika lalu lintas pelanggan turun 10%, maka
penjualannya harus turun 7%.
Contoh 2
Jane adalah manajer penjualan dan ingin lebih memahami bagaimana
peningkatan pembeli pada hari libur mempengaruhi total penjualan untuk
departemennya. Menggunakan data dari penjualan liburan tahun lalu, Jane
mengetahui bahwa total penjualan hari libur merupakan fungsi dari volume
transaksi dan harga. Dia menentukan bahwa ketika pembeli liburan
meningkat 10%, maka penjualan meningkat 5%.
Jane dapat membangun model keuangan dan menggunakan laporan what-if
anaysis menggunakan informasi ini. Berdasarkan hal ini, Jane sekarang
memahami bahwa jika peningkatan pembeli liburan adalah 50%, total
penjualan harus meningkat sebesar 25%.