Januari sampai Mei serta Agustus sampai September tingkat hunian kamar dalam keadaan midlevel dan pada bulan Juni, Juli, Oktober tingkat hunian
kamar menurun kepada tingkat low season.
3.9. Teknik Analisis
Dalam menganalisis besarnya pengaruh variabel-variabel bebas terhadap variabel terikat di gunakan model ekonometrika dengan meregresikan variabel-
variabel yang ada dengan menggunakan metode Ordinary Least Square OLS. Fungsi yang digunakan dalam penelitian ini adalah :
Y = f X
1,
X
2
,X
3,
X
4
Kemudian fungsi tersebut di transformasikan kedalam model persamaan regresi linear berganda multiple reggression sebagai berikut :
..............................................................1
Y = β + β
1
X
1
+ β
2
X
2
+µ ....................................................2 dimana:
Y
1
β :
Laba Perusahaan
β :
Koefisien regresi variabel terikat
1,
β
2
X : Koefisien regresi variabel bebas
1
X :
Biaya Pemasaran
2 :
µ : Terms error
Omzet Penjualan
3.9.1. Analisis Deskriptif
Metode analisis deskriptif merupakan kegiatan menyimpulkan data mentah dalam jumlah yang besar sehingga hasilnya dapat ditafsirkan.
Mengelompokkan atau memisahkan komponen atau bagian yang relevan dari keseluruhan data, juga merupakan salah satu bentuk analisis untuk
menjadikan data mudah dikelolah.
Universitas Sumatera Utara
Histogram adalah suatu alat yang sangat berguna untuk menggambarkan data yang dihubungkan dengan suatu nilai tertentu.
Histogram mentabulasi distribusi frekuensi data tersebut. Histogram memisahkan khususnya jarak antara nilai minimum dengan nilai maksimum
dari serangkaian data itu ke dalam interval-interval yang sama dan kemudian mentabulasi jumlah observasi yang masuk ke dalam masing-
masing interval. Median adalah nilai tengah apabila data diatur urut dari nilai yang
terkecil ke nilai yang terbesar untuk data yang jumlahnya ganjil. Untuk data yang jumlahnya genap median adalah rata-rata dua nilai pengamatan yang
ada ditengah. Kemencengan Skewness adalah sebuah statistik yang memberikan informasi yang sangat berguna tentang kesimetrian sebuah
distribusi probabilitas. Sarwoko 2005:261-263 Data yang diperoleh dari perusahaan yang di survei tidak memiliki
satuan waktu yang sama, misal pada variabel laba perusahaan dihitung per tahun. Sedangkan variabel biaya pemasaran dihitung per bulan. Sementara
omzet penjualan dihitung per hari. Untuk itu peneliti menyatukan data ketiga variabel tersebut kedalam data bulanan dengan bantuan statistik
deskriptif.
3.9.2. Uji Asumsi Klasik
Istilah klasik dalam ekonometrika digunakan untuk menunjukan serangkaian asumsi-asumsi dasar yang dibutuhkan untuk menjaga agar OLS
Universitas Sumatera Utara
dapat menghasilkan estimator yang paling baik pada model-model regresi. “Apabila salah satu atau beberapa asumsi tidak dipenuhi maka barangkali
OLS bukan merupakan teknik pendugaan yang lebih baik daripada teknik pendugaan lainnya”. Sarwoko 2005:33.
Beberapa masalah sering muncul pada saat analisis regresi digunakan untuk mengestimasi suatu model dengan sejumlah data. Masalah
tersebut dalam buku ekonometrika termasuk dalam pengujian asumsi klasik yaitu ada tidaknya masalah heterokedastisitas, autokorelasi, dan
multikolinearitas. Terjadinya penyimpangan terhadap asumsi klasik tersebut diatas akan menyebabkan uji statistik uji t-stat dan f-stat yang dilakukan
menjadi tidak valid dan secara statistik akan mengacaukan kesimpulan yang diperoleh.
3.9.2.1. Uji Normalitas
“Tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki
distribusi normal. Uji normalitas bertujuan untuk menguji apakah variabel independen dan variabel dependen berdistribusi normal”
Ghozali, 2005:110. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.
Untuk melihat normalitas data dapat dilakukan dengan melihat histogram atau pola distribusi data normal. Normalitas dapat
dideteksi dengan melihat penyebaran data titik pada sumbu
Universitas Sumatera Utara
diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Jika data menyebar disekitar garis diagonal dan
mengikuti arah garis diagonal atau grafik histogramnya menunjukan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas.
3.9.2.2. Uji Multikolinearitas
Multikolineritas adalah suatu pelonggran terhadap asumsi bahwa tidak adanya hubungan sempurna antar variabel independen
dalam sebuah peramaan regresi. Suatu model regresi dikatakan terkena multikolinearitas bila terjadi hubungan linear yang sempurna
atau pasti di antara beberapa atau semua varibel bebas dari suatu model regresi. Akibatnya akan kesulitan untuk dapat melihat
pengaruh variabel independent terhadap variabel dependennya. Untuk mendeteksi adanya multikolinearitas dapat dengan
membandingkan nilai koefisien determinasi parsial r2 dengan nilai koefisien determinasi majemuk R2, jika r2 lebih kecil dari nilai R2
maka tidak terdapat multikolinearitas. Cara lain untuk mengetahui ada tidaknya multikolinearitas yaitu dengan menggunakan korelasi
antar variabel dimana apabila kurang dari 0.85 maka tidak terdapat multikolinearitas dan sebaliknya apabila hubungan variabel di atas
0.85 maka terdapat multikolinieritas.
Universitas Sumatera Utara
3.9.2.3. Uji Autokorelasi
Autokorelasi adalah adanya korelasi antar anggota serangkaian observasi yang diurutkan menurut waktu seperti dalam
data runtut waktu atau time series atau ruang seperti dalam data lintas sektoral atau cross section. Intisari otokorelasi adalah bahwa
error term pada satu periode waktu secara sistematik tergantung kepada error term pada periode-periode waktu yang lain. Pengujian
terhadap gejala autokorelasi dapat dilakukan dengan uji Durbin- Watson atau dengan uji LM Test yang dikembangkan oleh Bruesch-
godfrey, dimana uji LM Test bisa dikatakan sebagai uji autokorelasi yang paling akurat, apalagi jika sampel yang digunakan dalam
jumlah yang besar misalnya diatas 100. Uji ini dilakukan dengan memasukkan lagnya, dari hasil uji autokorelasi Serial Correlation,
dalam penelitian ini pengujian autokorelasi dilakukan dengan uji hipotesis nol Ho yang mengatakan bahwa tidak ada autokorelasi,
dengan pedoman : •
Apabila X2 hitung obs R-Squared X2 tabel, maka menolak hipotesis nol Ho yang mengatakan adanya autokorelasi.
• Apabila X2 hitung obs R-Squared X2 tabel, maka menerima
hipotesis nol Ho yang mengatakan bahwa tidak ada autokorelasi.
Universitas Sumatera Utara
3.9.2.4. Uji Heteroskedasitisitas
Heteroskedastisitas adalah keadaan dimana faktor gangguan tidak memiliki varian yang sama. Salah satu asumsi yang pentintg
dari model regresi linear klasik adalah varian residual bersifat homoskedastik atau bersifat konstan. Asumsi ini tidak selalu
realistis. Apabila terjadi penggolangan asumsi klasik, maka varian residual tidak lagi bersifat konstan dan apabila model mengandung
heteroskedastistas diestimasi dengan OLS, varian estimator tidak lagi minimum, kendatipun estimator itu sendiri tidak bias. Pengujian
terhadap gejala heteroskedastisitas dapat dilakukan dengan melakukan White Test, yaitu dengan cara meregresi residual kuadrat
Ui2 dengan variabel bebas, variabel bebas kuadrat dan perkalian variabel bebas. Pedoman dalam penggunaan model white test adalah
jika nilai Chi-Square hitung n. R2 lebih besar dari nilai X2 kritis dengan derajat kepercayaan tertentu α maka ada
heteroskedasitisitas dan sebaliknya jika Chi-Square hitung lebih kecil dari nilai X2 menunjukan tidak adanya heterokedasitisitas.
3.9.3. Uji Hipotesis
