1. Hubungan antara biaya iklan dan penjualan mobil suzuki Escudo.

Penjualan, sebagai variabel dependen, dinyatakan sebagai nilai (dalam jutaan

rupiah) dari produk yang terjual kepada konsumen. Promosi adalah kegiatan
pemasaran untuk memperkenalkan produk kepada konsumen. Promosi paling
sering dilakukan melalui iklan. Semakin baik iklan yang disampaikan (baik
frekuensi, area, media, maupun kualitas) maka akan semakin menarik banyak
konsumen untuk membeli produk. Hal ini akan menyebabkan peningkatan
besarnya penjualan produk. Semakin baik iklan yang dilakukan tentu
diperlukan biaya yang semakin besar.
Hipotesis formal: “Terdapat hubungan positif yang signifikan antara
biaya iklan dengan penjualan suatu produk”.

2. Data yang digunakan dalam analisis:

Periode Biaya Iklan (jutaan rupiah) Penjualan (jutaan rupiah)
Triwulan I 2000 2408160 46400000
Triwulan II 2000 4475250 124000000
Triwulan III 2000 4176000 80800000
Triwulan IV 2000 7531000 209600000
Triwulan I 2001 9643000 70400000
Triwulan II 2001 1780000 169000000
Triwulan III 2001 2480000 147800000
Triwulan IV 2001 2105000 251000000
Triwulan I 2002 3005000 105600000
Triwulan II 2002 3604000 144800000
Triwulan III 2002 4307000 182600000
Triwulan IV 2002 7967500 228000000
Triwulan I 2003 7885000 101600000
Triwulan II 2003 8970000 192200000
Triwulan III 2003 10765000 160000000
Triwulan IV 2003 8495160 181400000
Triwulan I 2004 14922750 324000000
Triwulan II 2004 14166000 630000000
Triwulan III 2004 19506000 571200000
Triwulan IV 2004 24012000 870000000
Sumber : Internal PT. Indomobil Niaga Internasional

1
3. Ukuran central tendency (mean & median) dan ukuran dispersion (standar
deviasi & range)

Statistics

Biaya Iklan Penjualan

N Valid 20 20
Missing 0 0
Mean 8110191,00 239520000,00
Median 7708000,00 175200000,00
Std. Deviation 6097354,000 211164205,499
Range 22232000 823600000

4. Frequency distribution

Biaya Iklan

Cumulative
Frequency Percent Valid Percent Percent
Valid 1780000 1 5,0 5,0 5,0
2105000 1 5,0 5,0 10,0
2408160 1 5,0 5,0 15,0
2480000 1 5,0 5,0 20,0
3005000 1 5,0 5,0 25,0
3604000 1 5,0 5,0 30,0
4176000 1 5,0 5,0 35,0
4307000 1 5,0 5,0 40,0
4475250 1 5,0 5,0 45,0
7531000 1 5,0 5,0 50,0
7885000 1 5,0 5,0 55,0
7967500 1 5,0 5,0 60,0
8495160 1 5,0 5,0 65,0
8970000 1 5,0 5,0 70,0
9643000 1 5,0 5,0 75,0
10765000 1 5,0 5,0 80,0
14166000 1 5,0 5,0 85,0
14922750 1 5,0 5,0 90,0
19506000 1 5,0 5,0 95,0
24012000 1 5,0 5,0 100,0
Total 20 100,0 100,0

2
 Penjualan

Cumulative
Frequency Percent Valid Percent Percent
Valid 46400000 1 5,0 5,0 5,0
70400000 1 5,0 5,0 10,0
80800000 1 5,0 5,0 15,0
101600000 1 5,0 5,0 20,0
105600000 1 5,0 5,0 25,0
124000000 1 5,0 5,0 30,0
144800000 1 5,0 5,0 35,0
147800000 1 5,0 5,0 40,0
160000000 1 5,0 5,0 45,0
169000000 1 5,0 5,0 50,0
181400000 1 5,0 5,0 55,0
182600000 1 5,0 5,0 60,0
192200000 1 5,0 5,0 65,0
209600000 1 5,0 5,0 70,0
228000000 1 5,0 5,0 75,0
251000000 1 5,0 5,0 80,0
324000000 1 5,0 5,0 85,0
571200000 1 5,0 5,0 90,0
630000000 1 5,0 5,0 95,0
870000000 1 5,0 5,0 100,0
Total 20 100,0 100,0

5. Penjelasan pola sebaran data

Data kedua variabel menunjukkan kecenderungan peningkatan dari periode
ke periode meskipun tidak pasti (adakalanya menurun) dan sama-sama
memiliki bentuk sebaran miring ke kanan (mean lebih besar dari median).
Standar deviasi dan range cukup besar menandakan bahwa penyebaran nilai
data cukup besar. Data biaya iklan menunjukkan fenomena outlier pada
periode triwulan IV 2004. Adapun data penjualan menunjukkan fenomena
outlier pada periode triwulan II, III, dan IV tahun 2004. Meskipun begitu
data-data tersebut sama sekali tidak mengubah kecenderungan trend kenaikan
data yang terjadi dari satu periode ke periode berikutnya.

3
6. Grafik hubungan antara biaya iklan dengan penjualan

1,000,000,000

800,000,000

600,000,000
Penjualan

400,000,000

200,000,000

0 5,000,000 10,000,000 15,000,000 20,000,000 25,000,000

Biaya Iklan

Berdasarkan grafik tersebut (secara kasar) terlihat arah hubungan antara biaya
iklan dengan penjualan yaitu positif.

7. Penjelasan (non-technical terms) tentang data dan grafik

Baik biaya iklan maupun penjualan mengalami kecenderungan peningkatan

mulai dari triwulan I (2000) hingga triwulan IV (2004) meskipun tidak pasti
(kadang-kadang menurun). Rata-rata biaya iklan selama rentang tersebut
adalah sekitar 8 triliun rupiah, sedangkan rata-rata penjualan adalah sekitar
240 triliun rupiah. Hingga triwulan III (2004) perubahan biaya iklan cukup
wajar, baru pada triwulan IV (2004) biaya iklan naik secara signifikan. Hal
yang hampir sama terjadi pada penjualan, hanya saja kenaikan yang
signifikan sudah dimulai sejak triwulan II (2004). Pola grafik masih belum

4
 terlalu jelas hanya saja beberapa titik menunjukkan bahwa tingginya biaya
iklan menyebabkan tingginya penjualan.
8. Nilai sample covariance dan correlation coefficient

Correlations

Biaya Iklan Penjualan

Biaya Iklan Pearson Correlation 1 ,843**
Sig. (2-tailed) ,000
Sum of Squares and
706376790256580,00 20628740881600000
Cross-products
Covariance 37177725802977,890 1085723204294736,0
N 20 20
Penjualan Pearson Correlation ,843** 1
Sig. (2-tailed) ,000
Sum of Squares and
20628740881600000 847216112000000000
Cross-products
Covariance 1085723204294736,0 44590321684210530
N 20 20
**. Correlation is significant at the 0.01 level (2-tailed).

Nilai sample covariance = 1085723204294736

9. Nilai correlation coefficient = 0,843

10. Pengujian hipotesis

H0 : tidak terdapat hubungan antara biaya iklan dengan penjualan
Ha : terdapat hubungan antara biaya iklan dengan penjualan
Kriteria pengujian
H0 diterima apabila signifikansi korelasi (Sig.) > 0,05
H0 ditolak apabila signifikansi korelasi (Sig.) < 0,05
Hasil dan kesimpulan
Nilai signifikansi sebesar 0,000 (< 0,05) maka H 0 ditolak, artinya terdapat
hubungan antara biaya iklan dengan penjualan.

5
11. Analisis Simple Linear Regression antara biaya iklan dengan penjualan

Model Summaryb

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 ,843a ,711 ,695 116614927
a. Predictors: (Constant), Biaya Iklan
b. Dependent Variable: Penjualan

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 6E+017 1 6,024E+017 44,300 ,000a
Residual 2E+017 18 1,360E+016
Total 8E+017 19
a. Predictors: (Constant), Biaya Iklan
b. Dependent Variable: Penjualan

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 2673276,06 44116261,822 ,061 ,952
Biaya Iklan 29,204 4,388 ,843 6,656 ,000
a. Dependent Variable: Penjualan

Persamaan regresi yang diperoleh adalah sebagai berikut:

y = 2673276,06 + 29,204 x
a. b1 = 2673276,06
standar error = 44116261,822
b. b2 = 29,204
standar error = 4,388
c. r2 = 0,711

12. Pengujian statistik

a. Signifikansi model regresi diketahui dengan uji F
H0 : model regresi tidak signifikan
Ha : model regresi signifikan

6
 Kriteria pengujian
H0 diterima apabila signifikansi uji F (Sig.) > 0,05
H0 ditolak apabila signifikansi uji F (Sig.) < 0,05
Hasil dan kesimpulan
Nilai signifikansi sebesar 0,000 (< 0,05) maka H0 ditolak, artinya model
regresi signifikan.
b. Signifikansi koefisien regresi (slope) diketahui dengan uji t
H0 : arah hubungan tidak positif dan tidak signifikan (b2 = 0)
Ha : arah hubungan positif dan signifikan (b2 > 0)
Kriteria pengujian
H0 diterima apabila signifikansi uji t (Sig.) > 0,05 (atau t negatif)
H0 ditolak apabila signifikansi uji t (Sig.) < 0,05 (dan t positif)
Hasil dan kesimpulan
Nilai t positif dan nilai signifikansi sebesar 0,000 (< 0,05) maka H 0
ditolak, artinya arah hubungan positif dan signifikan.

13. Interpretasi hasil analisis regresi (bahasa teknis):

Persamaan regresi menyatakan bentuk hubungan linier antara x dan y. b 1
adalah nilai konstanta regresi yang menyatakan nilai y apabila x = 0. Jadi
apabila x = 0 maka y = 2673276,06. b1 positif (umumnya) menunjukkan
bahwa rata-rata nilai y lebih besar dari pada rata-rata nilai x. Adapun b 2
adalah nilai koefisien regresi (slope) yang menyatakan kenaikan (jika
tandanya positif) atau penurunan (jika tandanya negatif) nilai y setiap satu
satuan x. Misal apabila x = 1 maka y naik sebesar 29,204 sehingga y =
2673276,06 + 29,204. Berdasarkan uji F model regresi signifikan, artinya
persamaan regresi menyatakan hubungan x dan y secara akurat. Berdasarkan
uji t koefisien regresi (slope) positif signifikan, artinya arah hubungan antara
x dan y positif (berbanding lurus). Berdasarkan nilai r2 diketahui bahwa
besarnya variansi y yang dapat dijelaskan dengan model regresi (dengan
prediktor x) adalah sebesar 0,711 atau 71,1%.

7
 Interpretasi hasil analisis regresi (bahasa non-teknis):
Dengan persamaan regresi kita dapat memprediksi dengan cukup akurat nilai
penjualan berdasarkan besarnya biaya iklan. Misalkan biaya iklan suatu
periode adalah sebesar 1 triliun maka nilai penjualan pada periode tersebut
adalah sebesar 31877276,06 (dalam jutaan rupiah). Oleh karena prediksinya
termasuk akurat maka menunjukkan bahwa biaya iklan berhubungan dengan
penjualan dimana semakin besar biaya iklan maka semakin besar penjualan.
Besarnya kontribusi biaya iklan terhadap perubahan penjualan adalah 71,1%,
sisanya disebabkan oleh faktor lain.

14. Plot hubungan error terms dengan prediksi nilai penjualan

Scatterplot

Dependent Variable: Penjualan

3
Regression Standardized Predicted

1
Value

-1

-2 -1 0 1 2

Regression Studentized Residual

15. Dua masalah utama dalam analisis regresi yaitu heteroskedastisitas dan
ketidaknormalan error. Kedua masalah tersebut umumnya terjadi karena
adanya komponen variasi yang tidak wajar misalnya keberadaan outlier atau
rentangan skala nilai data yang terlalu besar. Hal ini dapat diatasi dengan

8
 melakukan transformasi log linier yaitu mengkonversi data dalam bentuk
aslinya ke bentuk logaritma (umumnya dengan basis bilangan natural e =
2,71828….).

16. Apabila analisa diperluas ke dalam multiple regression maka dua variabel
yang akan ditambahkan (sebagai variabel independen) adalah biaya distribusi
dan harga produk. Keduanya juga termasuk dalam 4 aspek bauran pemasaran,
yang tentunya juga berhubungan dengan penjualan. Apabila biaya distribusi
tinggi (tentunya dengan strategi yang tepat untuk mendekatkan produk ke
konsumen) maka semakin banyak konsumen yang dengan mudah
mendapatkan produk sehingga besarnya penjualan juga akan tinggi. Adapun
mengenai harga, jelas diketahui bahwa masyarakat Indonesia khususnya
(dunia umumnya) mayoritas mempertimbangkan harga ketika membeli suatu
produk. Konsumen tentu lebih memilih produk (merk) dengan harga yang
murah (lebih murah dibandingkan merk lain). Apabila perusahaan
memutuskan untuk menurunkan harga produk maka penjualan cenderung
akan meningkat.

17. Dijawab di nomor 20

18. Analisis linear trend penjualan (y) dan waktu (t)

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -29570526,316 70147763,921 -,422 ,678
Waktu 25627669,173 5855822,192 ,718 4,376 ,000
a. Dependent Variable: Penjualan

Persamaan regresi yang diperoleh:

y = –29570526,316 + 25627669,173 t

9
19. Uji t menunjukkan bahwa slope (b2) signifikan. Dengan demikian untuk t > 0
(periode triwulan I 2000 dst), penjualan akan meningkat (b 2 positif) dengan
peningkatan sebesar b2 yaitu 25627669,173 (dalam jutaan rupiah) per
periode.

20. Peramalan y untuk 5 periode ke depan

Waktu (t) Penjualan (y)
1 46400000
2 124000000
3 80800000
4 209600000
5 70400000
6 169000000
7 147800000
8 251000000
9 105600000
10 144800000
11 182600000
12 228000000
13 101600000
14 192200000
15 160000000
16 181400000
17 324000000
18 630000000
19 571200000
20 870000000
21 508610526
22 534238195
23 559865865
24 585493534
25 611121203

10
 Trend Forecast

Penjualan (y) dalam jutaan rupiah

1.000.000.000
900.000.000
800.000.000
700.000.000
600.000.000
500.000.000
400.000.000
300.000.000
200.000.000
100.000.000
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26

Waktu (t)

21. Peramalan (dalam hal ini berdasarkan trend) pada dasarnya adalah metode
perkiraan data (dalam hal ini penjualan) yang akan datang berdasarkan
kecenderungan pola perubahan data yang sudah terjadi dari satu periode
waktu (dalam hal ini tahun) ke periode waktu berikutnya. Konsepnya, waktu
diperlakukan sebagai suatu peubah atau variabel yang terkait langsung
dengan penjualan. Penjualan berubah seiring dengan perubahan waktu.
Dengan demikian waktu berperan sebagai variabel independen dan penjualan
berperan sebagai variabel dependen. Kesimpulannya, apabila waktu dapat
digunakan untuk meramalkan besarnya penjualan maka itu berarti waktu
(variabel independen) berhubungan dengan penjualan (variabel dependen).

22. Dari analisa data yang diolah pada project ini, tentang pengaruh biaya iklan
terhadap penjualan mobil suzuki escudo pada periode tahun 2000 – 2004,
dapat disimpulkan bahwa biaya iklan berhubungan dengan penjualan dimana
semakin besar biaya iklan maka semakin besar penjualan. Besarnya
kontribusi biaya iklan terhadap perubahan penjualan adalah 71,1%.
Dari analisa ini ada manfaat yang dapat diambil, penjualan adalah hasil dari
proses pemasaran,maka untuk meningkatkan penjualan, pemasaran juga
harus ditingkatkan, dan dari 4 bauran pemasaran, promosi memiliki pengaruh
yang paling besar terhadap penjualan.

11