ANALISIS PENGARUH BAURAN PEMASARAN TERHADAP VOLUME PENJUALAN AIR MINUM AQUA UKURAN 19 LITER KEMASAN GALON PADA

PT. TIRTA INVESTAMA Tbk. Oleh : Sylviana Rachmawati

NO TAHUN BULAN DISTRIBUSI (X1) HARGA (X2) PROMOSI (X3) PRODUK (X4) VOLUME PENJUALAN (Y)

1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12.

1998 1999 2000 2001 2002 2003

01-06 07-12 01-06 07-12 01-06 07-12 01-06 07-12 01-06 07-12 01-06 07-12

903360.0 892800.0 858000.0 903120.0 900480.0 910440.0 890640.0 906000.0 868800.0 864000.0 945600.0 864500.0

28500.0 28500.0 28500.0 30500.0 30500.0 30500.0 30500.0 32000.0 32000.0 32000.0 34500.0 34500.0

1846.0 2252.0 2250.0 1846.0 1956.0 2645.0 2565.0 2768.0 2768.0 1846.0 2045.0 2768.0

128.0 134.0 135.0 139.0 139.0 139.0 142.0 148.0 148.0 155.0 150.0 154.0

676000.0 874820.0 828040.0 589240.0 804875.0 812055.0 802032.0 610845.0 584455.0 661042.0 464004.0 554801.0

Tabel 1. Data PT. Tirta Investama Tbk

ANALISIS DATA Oleh : Eka Sri Wulandari 1. UJI ASUMSI KLASIK Analisis regresi linear berganda memerlukan beberapa asumsi agar model tersebut layak dipergunakan. Asumsi yang dipergunakan dalam penelitian ini adalah uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi. Untuk menganalisis pengaruh bauran pemasaran terhadap volume penjualan air minum Aqua ukuran 19 liter kemasan galon pada PT. Tirta Investama, Tbk dengan menggunakan software SPSS, pertama-tama masukkan data seperti pada tabel berikut :

Gambar 1. Input data pada software SPSS

a) Uji multikolinearitas Uji multikolinearitas dilakukan dengan menggunakan nilai variance inflation factor (VIF). Model dinyatakan terbebas dari gangguan multikolinearitas jika mempunyai nilai VIF di bawah 10 atau tolerance di atas 0,1. Berikut adalah uji Multikolinearitas dalam penelitian ini:

Gambar 2. Uji multikolinearitas Tabel di atas memberikan semua nilai VIF di bawah 10 atau nilai tolerance di atas 0,1. Berarti tidak terdapat gejala multikolinearitas pada model dalam penelitian ini. b) Uji Autokorelasi Berikut adalah nilai Durbin-Watson pada model dalam penelitian ini:

Gambar 3. Uji Autokorelasi Adapun nilai dU untuk 5 buah variabel dengan 24 data pada taraf 5% adalah sebesar 1,813. Tampak bahwa 0 < dW < dU yang masuk pada kategori non autokorelasi. Untuk memperkuat hasil tersebut digunakan uji Run, di mana gangguan autokorelasi terjadi jika signifikansi di bawah 0,05. Berikut adalah uji autokorelasi dengan Run test:

Gambar 4. Uji Autokorelasi dengan Run test Tampak bahwa signifikansi adalah sebesar 0,130 > 0,05 yang menunjukkan bahwa tidak terjadi gangguan autokorelasi pada model penelitian.

c) Uji Heterokedastisitas Uji Heteroskedastisitas dilakukan dengan memplotkan grafik antara SRESID dengan ZPRED di mana gangguan heteroskedastisitas akan tampak dengan adanya pola tertentu pada grafik. Berikut adalah uji heteroskedastisitas pada keempat model dalam penelitian ini:

Gambar 5. Grafik Heterokedastisitas Tampak pada diagram di atas bahwa model penelitian tidak mempunyai gangguan heteroskedastisitas karena tidak ada pola tertentu pada grafik. Titik-titik pada grafik relatif menyebar baik di atas sumbu nol maupun di bawah sumbu nol.

d) Uji Normalitas Uji normalitas data dipergunakan untuk menentukan apakah data terdistribusi secara normal atau tidak. Uji normalitas yang dipergunakan adalah plot grafik di mana asumsi normalitas terpenuhi jika titik-titik pada grafik mendekati sumbu diagonalnya.

Gambar 6. Grafik Uji Normalitas

Gambar menunjukkan bahwa titik-titik pada grafik telah mendekati atau hampir berhimpit dengan sumbu diagonal atau membentuk sudut 45 derajad dengan garis mendatar. Interpretasinya adalah bahwa nilai residual pada model penelitian telah terdistribusi secara normal. Untuk memperkuat hasil pengujian tersebut dipergunakan uji KolmogorovSmirnov yaitu sebagai berikut:

Gambar 7. Uji Kolmogorov-Smirnov Tampak bahwa nilai signifikansi adalah sebesar 0,597 > 0,05 yang menunjukkan bahwa nilai residual telah terdistribusi secara normal.

2. ANALISIS REGRESI LINIER BERGANDA