Pengaruh Bentuk Produk, Iklan Dan Harga Terhadap Tingkat Pemakaian Produk Sabun Lifeboy Dikalangan Mahasiswa D3 Statistika FMIPA USU

PENGARUH BENTUK PRODUK, IKLAN DAN HARGA TERHADAP TINGKAT PEMAKAIAN PRODUK SABUN LIFEBOY DIKALANGAN

MAHASISWA D3 STATISTIKA FMIPA USU

TUGAS AKHIR

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh gelar Ahli Madya

DINDA FARADINA 062407156

PROGRAM STUDI DIII STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2009

PERSETUJUAN

Judul : PENGARUH BENTUK PRODUK, IKLAN DAN HARGA TERHADAP TINGKAT PEMAKAIAN PRODUK SABUN LIFEBOY DIKALANGAN MAHASISWA D3 STATISTIKA FMIPA USU

Kategori : TUGAS AKHIR

Nama : DINDA FARADINA

Nomor Induk Mahasiswa : 062407156

Program Studi : DIPLOMA III STATISTIKA Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juni 2010

Diketahui / Desetujui Oleh :

Departemen Matematika FMIPA USU

Ketua, Dosen Pembimbing

Dr.Saib Suwilo,M.Sc Drs.Open Darnius, M.Sc NIP : 19640109 198803 1 004 NIP : 19641014 199103 1

004

PERNYATAAN

PENGARUH BENTUK PRODUK, IKLAN DAN HARGA TERHADAP TINGKAT PEMAKAIAN DIKALANGAN MAHASISWA D3 STATISTIKA

FMIPA USU

TUGAS AKHIR

Saya mengakui bahwa tugas akhir ini adalah hasil kerja saya sendiri,kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, 6 Juni 2010

NIM : 062407156 DINDA FARADINA

PENGHARGAAN

Puji dan syukur Penulis panjatkan kepada Tuhan Yang Maha Esa yang telah melimpahkan rahmat dan karunia-Nya kepada Penulis sehingga dapat menyelesaikan tugas akhir ini.

Ucapan terimakasih Penulis sampaikan kepada bapak Drs.Open Darnius, M.Sc, yang telah membimbing dan memberikan kepercayaan kepada Penulis sehingga tugas akhir ini dapat diselesaikan dalam waktu yang telah ditetapkan.Ucapan terimakasih juga ditujukan kepada ketua dan sekretaris departemen matematika, Dr.Saib Suwilo ,M.Sc dan Drs.Henry Rani Sitepu ,M.Si ,dekan dan pembantu dekan ,semua dosen dan pegawai departemen matematika di Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Sumatera Utara serta tak lupa pula Penulis ucapkan terimakasih kepada ayah,ibu, keluarga tercinta dan teman - teman yang telah memberikan bantuan,dorongan dan dukungan sehingga tugas akhir ini dapat diselesaikan.Semoga Tuhan Yang Maha Esa membalasnya.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Daftar Isi v

Daftar gambar vii

Bab 1 Pendahuluan 1

1.1Latar Belakang 1

1.2Identifikasi Masalah 2

1.3Batasan masalah 3

1.4Manfaat dan tujuan 3

1.5Lokasi dan waktu 4

1.6Metodologi penelitian 4

1.7Sistematika Penulisan 8

Bab 2 Tinjauan Teoritis 10

2.1 Data 10

2.1.1 Menurut sifat 10

2.1.2 Menurut sumber 11

2.1.3 Menurut jenis 12

2.2 Metode pengambilan sampel 12

2.2.1 Probability sampling 13

2.2.2 Non probability sampling 14

2.3 Analisis Regresi 15

2.3.1 Analisis Regresi Linier Sederhana 16

2.3.2 Analisis Regresi Linier Berganda 17

2.4 Analisis Korelasi 19

2.5 Model Regresi logistik 20

Bab 3 Analisa dan Evaluasi 23

3.1 Data yang diperoleh 23

3.2 Penentuan dan Pengkodean untuk nama variabel 23

3.3 Persamaan Regresi Dummy 24

3.4 pengujian kelinieran Regresi atas Variabel Dummy 28

3.5 Pengujian Koefisien Regresi atas Variabel Dummy 30

Bab 4 Implementasi Sistem 33

4.1Pengertian Implementasi Sistem 33

4.2Statistik danKomputer 33

4.3SPSS dan Komputer 34

4.4Mengoperasikan SPSS 35

Bab 5 Kesimpulan dan Saran 41 5.1.Kesimpulan 41 5.2.Saran 42

Daftar Pustaka

Lampiran

DAFTAR GAMBAR

Halaman

Gambar 4.1 Tampilan membuka program SPSS 35

Gambar 4.2 Tampilan Jendela Data View Dalam SPSS 36

Gambar 4.3 Tampilan Jendela Variable View Dalam SPSS 37

Gambar 4.4 Tampilan Jendela Pengisian Variabel View Dalam SPSS 38

Gambar 4.5 Tampilan Jendela Pengisian Data View Dalam SPSS 39

Gambar 4.6 Tampilan Jendela Pemilihan Linear Regresion 39

Gambar 4.7 Tampilan Jendela Pengisian Linear Regresion Statistic 40

ABSTRAK

Tugas akhir ini membahas tentang pengaruh yang diberikan oleh harga barang, bentuk produk dan media iklan terhadap pemakaian produk yang diteliti dikalangan mahasiswa FMIPA USU terutama D3 Statistika. Judul ini diangkat karena pada saat sekarang ini banyak kita lihat dalam satu produk memiliki variasi bentuk dengan harga yang bervariasi pula. Apalagi media untuk mempromosikanny juga makin banyak, contohnya dari media cetak dapat dipromosikan melalui surat kabar, majalah, poster dan lain sebagainya. Sedangkan dengan media elektronik bsa melalui radio, apalagi televisi yang sudah mencapai kepelosok negeri. Dengan menggunakan Regresi Linier Berganda dan cara pengambilan sampel yang sesuai penulis mencoba melihat seberapa besar pengaruh yang diberikan.

Tugas akhir ini terdiri dari 5 BAB, yaitu Pendahuluan, Tinjauan Teoritis, Analisa dan Evaluasi, Implementasi sistem dan Kesimpulan dan saran. Melalui proses itu semua penulis mendapat fakta bahwa harga, bentuk produk dan iklan berpengaruh terhadap tingkat pemakaian produk dikalangan Mahasiswa FMIPA USU terutama Mahasiswa D3 Statistika.

ABSTRAK

Tugas akhir ini membahas tentang pengaruh yang diberikan oleh harga barang, bentuk produk dan media iklan terhadap pemakaian produk yang diteliti dikalangan mahasiswa FMIPA USU terutama D3 Statistika. Judul ini diangkat karena pada saat sekarang ini banyak kita lihat dalam satu produk memiliki variasi bentuk dengan harga yang bervariasi pula. Apalagi media untuk mempromosikanny juga makin banyak, contohnya dari media cetak dapat dipromosikan melalui surat kabar, majalah, poster dan lain sebagainya. Sedangkan dengan media elektronik bsa melalui radio, apalagi televisi yang sudah mencapai kepelosok negeri. Dengan menggunakan Regresi Linier Berganda dan cara pengambilan sampel yang sesuai penulis mencoba melihat seberapa besar pengaruh yang diberikan.

Tugas akhir ini terdiri dari 5 BAB, yaitu Pendahuluan, Tinjauan Teoritis, Analisa dan Evaluasi, Implementasi sistem dan Kesimpulan dan saran. Melalui proses itu semua penulis mendapat fakta bahwa harga, bentuk produk dan iklan berpengaruh terhadap tingkat pemakaian produk dikalangan Mahasiswa FMIPA USU terutama Mahasiswa D3 Statistika.

BAB I

PENDAHULUAN

1.1. Latar Belakang

Pada saat ini persaingan dalam dunia bisnis begitu ketat, bersaing untuk menciptakan produk yang benar – benar dibutuhkan konsumen. Apalagi konsumen pada saat ini semakin selektif dalam memilih produk yang akan digunakannya. Perusahaan memperkenalkan produknya dengan menggunakan media atau perusahaan yang menjual ruang dan waktu untuk iklan, seperti media cetak: surat kabar, majalah; media elektronik: televisi, radio; dan media luar ruang: papan reklame, poster, spanduk dan lain – lain. Dalam hal ini bisa dibilang iklan memegang peranan penting dalam pemasaran, karena iklan berhubungan langsung dalam memperkenalkan produk kepada konsumen. Para pembuat iklan dituntut untuk lebih kreatif lagi, jangan sampai pesan yang ingin disampaikan tidak didapatkan konsumen. Pemberian kesan – kesan yang baik dan dapat diingat para konsumen sehingga muncul keinginan konsumen untuk menggunakan produk.

Tak ketinggalan bentuk produk dibuat beragam, untuk memberikan pilihan pada konsumen. Jadi produk yang digunakan tidak monoton. Harga yang ditawarkan disesuaikan dengan konsumen yang ditargetkan. Apabila konsumen

yang ditargetkan adalah yang berpenghasilan menengah kebawah, harga yang ditawarkan relatif murah dan terjangkau.

Berdasarkan uraian diatas, maka penulis tertarik untuk menganalisa apakah benar pengaruh bentuk produk, iklan dan harga dapat mempengaruhi keinginan konsumen dalam menggunakan produk tersebut, salah satu contoh produk sabun lifeboy. Dalam promosinya, sabun lifeboy memberi pesan kesehatan dan moral. Dengan menggunakan bintang – bintang yang dikenal dan dapat dipercaya masyarakat. Sabun lifeboy memiliki dua pilihan cair dan padat, harga yang ditawarkan pun bervariasi. Maka dari itu, penulis memilih judul: “ Pengaruh Bentuk Produk, Iklan dan Harga Terhadap Tingkat Pemakaian Produk Sabun Lifeboy Dikalangan Mahasiswa FMIPA USU “

1.2.Identifikasi Masalah

Dalam promosinya, sabun lifeboy menggunakan bintang – bintang yang dikenal dan dipercaya masyarakat dengan pesan – pesan yang berguna dan menjadi panutan. Serta bentuk sabun dalam bentuk cair dan batangan. Strategi seperti ini digunakan untuk menarik konsumen menggunakan produk.

Sesuai dengan uraian yang telah ada pada latar belakang dalam tulisan ini, maka masalah yang timbul apakah memang benar ada pengaruh harga yang merupakan variabel bebas ( independent variabel ), bentuk produk dan iklan yang merupakan variabel dummy ( dummy variable ) terhadap tingkat pemakaian produk sabun lifeboy yang merupakan variabel tak bebas ( dependent variable ) dikalangan mahasiswa FMIPA USU.

1.3.Batasan Masalah

Agar peneliti tidak menyimpang dari tujuan yang diinginkan, maka penulis membuat batasan masalah. Adapun batasan masalahnya, yaitu:

a. Hal yang diamati sebagai faktor yang mempengaruhi tingkat pemakaian produk sabun lifeboy hanyalah bentuk produk, iklan, dan harga dan hanya dikalangan mahasiswa FMIPA USU D3 Statistika yang selalu memakai sabun lifeboy.

b. Tingkat pemakaian yang diuji adalah dalam satuan bulan

1.4.Manfaat dan Tujuan

Manfaat dari tulisan ini adalah sebagai bahan evaluasi dalam meneliti dan mengetahui pengaruh bentuk produk, iklan, dan harga terhadap tingkat pemakaian produk sabun lifeboy dikalangan mahasiswa FMIPA USU, dan bagi penulis penelitian ini merupakan wujud dari pada penerapan ilmu yang telah didapat selama dalam perkuliahan, khususnya dalam bidang statistik dengan menggunakan analisis regresi atas variabel dummy ( dummy variable ).

Tujuan dari tulisan adalah:

a. Untuk mengetahui gambaran bagaimana sebenarnya bentuk produk baik dalam bentuk batangan maupun cair, iklan media elektronik maupun media cetak, dan harga terhadap tingkat pemakaian produk sabun lifeboy dikalangan mahasiswa FMIPA USU.

b. Menambah wawasan dan melatih dalam bidang statistik yang berhubungan dengan analisis regresi atas variabel dummy ( dummy variable ).

1.5.Lokasi dan waktu penelitian

Penelitian atau pengumpulan data mengenai pengaruh bentuk produk, iklan, dan harga terhadap tingkat pemakaian produk sabun lifeboy diperoleh dari mahasiswa dengan membagikan kuisioner pada awal bulan Mei tahun 2009.

1.6.Metodologi Penelitian 1.6.1.Metode Pengumpulan Data

Metode pengumpulan data dapat dibedakan berdasarkan sumbernya, yaitu:

1. Data primer yaitu data yang langsung dikumpulkan oleh orang yang berkepentingan atau yang menggunakan data tersebut. Data yang diperoleh seperti hasil wawancara atau hasil pengisian kuisioner yang biasa dilakukan peneliti. Dalam metode pengumpulan data primer, peneliti melakukan sendiri dilapangan maupuun dilaboratorium. Pelaksananya dapat berupa survey atau percobaan ( eksperimen ).

2. Data sekunder yaitu data yang tidak secara langsung dikumpulkan oleh orang yang berkepentingan dengan data tersebut. Data sekunder pada umumnya digunakanoleh peneliti untuk memberikan gambaran tambahan, gambaran pelengkap atau diproses lebih lanjut. Data sekunder didapat dari hasil penelitian dari beberapa sumber seperti BPS, mass media, lembaga pemerintah atau swasta dan sebagainya.

Data yang diperoleh untuk penulisan ini merupakan data primer yang didapat dari membagikan kuisioner pada mahasiswa FMIPA USU pada awal bulan Mei 2009.

1.6.2.Metode Pengolahan Data 1. Penentuan variabel

Menentukan variabel pada kelompok data seperti:

a.Variabel bebas atau independent variable yaitu sebagai Xi

b.Variabel dummy atau dummy variable yaitu sebagai Di

c.Variabel tak bebas atau dependent variable yaitu sebagai Yi

2. Menentukan atau mencari persamaan regresi variabel dummy dengan persamaan:

3. Mengasumsikan E( ui ) = 0, dari regresi atas variabel dummy

Dengan mengasumsikan E( ui ) = 0, kita dapat memperoleh regresi sebagai

berikut:

Rata – rata tingkat pemakaian sabun lifeboy dari bentuk cair dan iklan media elektronik

Rata –rata tingkat pemakaian sabun lifeboy dari bentuk batangan dan iklan media elektronik

Rata – rata tingkat pemakaian sabun lifeboy dari bentuk cair dan iklan media cetak

Rata – rata tingkat pemakaian sabun lifeboy dari bentuk batangan dan iklan media cetak

4. Uji kelinieran regresi

Pengujian ini dilakukan untuk menguji kelinieran koefisien – koefisien regresi yang didapat danseberapa besar kontribusinya.

Perumusan hipotesa:

H0 = Tidak ada kelinieran harga dari bentuk produk baik bentuk sabun

lifeboy biasa/batangan maupun sabun lifeboy cair terhadap tingkat pemakaian sabun lifeboy dikalangan mahasiswa FMIPA USU.

H1 = ada kelinieran harga dari bentuk produk baik bentuk sabun lifeboy

biasa/batangan maupun sabun lifeboy cair terhadap tingkat pemakaian sabun lifeboy dikalangan mahasiswa FMIPA USU.

Dengan uji F, yaitu:

Tolak H0 jika Fhit > Ftabel

Terima H0 jika Fhit < Ftabel

5. Pengujian koefisien regresi atas variabel dummy

Setelah mendapat kelinieran regresi di atas, maka kita perlu mengetahui apakah intercept diferensial α1dan α2 secara individual terkait ( signifikan

Perumusan hipotesa: H0= β1 = 0

H1= β1≠ 0

Dengan : Tolak H0 jika thit > ttabel

Terima H0 jika thit < ttabel

Dimana :

1.7.Sistematika Penulisan

Seluruh penulisan dari Tugas Akhir inidisusun dari beberapa babyang setiap bab tersebut berisikan sub bab, disusun guna memudahkan pembacauntuk mengerti dan memahami isi penulisan ini. Adapun sistematika penulisannya sebagai berikut:

BAB 1 : PENDAHULUAN

Bab ini menjelaskan tentang latar belakang, identifikasi masalah, batasan masalah, manfaat dan tujuan penelitian, dan sistematika penulisan.

BAB 2 : TINJAUAN TEORITIS

Bab ini menjelaskan tentang teori – teori yang menyangkut pengertian dan penyelesaian permasalahan atau landasan penulisan bab – bab berikutnya.

BAB 3 : ANALISA DAN EVALUASI

Bab ini menguraikan pembahasan mengenai pengolahan dan analisa yang terdapat pada landasan teori.

BAB 4 : IMPLEMENTASI SISTEM

Bab ini menerangkan pemakaian sistem yang telah dirancang dan melakukan pengujian program.

BAB 5 : KESIMPULAN

Bab ini menerangkan kesimpulan dan saran yang merupakan jawaban atas permasalahan serta saran berupa pernyataan atau jalan keluar mengatasi permasalahan yang timbul.

DAFTAR PUSTAKA LAMPIRAN

BAB 2

TINJAUAN TEORITIS

2.1.Data

Data adalah suatu bahan mentah yang jka diolah dengan baik melalui berbagai analisis dapat melahirkan berbagai informasi.

2.1.1.Menurut sifatnya

Menurut sifatnya, data dibagi atas dua bagian yaitu: a. Data kualitatif

Data kualitatif adalah data yang dikategorikan menurut lukisan kualitas objek yang dipelajari.

b. Data kuantitatif

Data kuantitatif adalah data yang memiliki harga yang berubah – ubah atau bersifat variabel.

2.1.2.Menurut sumbernya

Menurut sumbernya data dibagi menjadi: a. Data Intern

Data intern adalah data yang diperoleh atau bersumber dari dalam suatu instansi ( lembaga/organisasi ).

b. Data Ekstern

Data ekstern adalah data yang diperoleh atau bersumber dari luar instansi/ instansi yang lain.

Data ekstern dapat dibagi menjadi: 1. Data primer

Data primer adalah data yang langsung dikumpulkan oleh orang yang berkepentingan atau yang menggunaklan data tersebut. Data yang diperoleh seperti hasil wawancara atau pengisian kuisioner yang biasa dilakukan peneliti. Dalam metode pengumpulan data primer, peneliti/observer melakukan sendiri penelitian/observasi di lapangan maupun di laboratorium. Pelaksanaannya dapat berupa survey atau percobaan ( eksperimen ).

2. Data Sekunder

Data sekunder adalah data yang tidak secara langsung dikumpulkan oleh orang yang berkepentingan dengan data tersebut. Data sekunder pada umumnya digunakan oleh peneliti untuk memberikan gambaran tambahan, gambaran pelengkap atau diproses lebih lanjut. Data sekunder didapat dari hasil penelitian lembaga/instansi seperti BPS, Mass Media, Lembaga Pemerintahan atau swasta dan sebagainya.

Yang menjadi perhatian dalam penggunaan data sekunder adlah sumber data, batasan konsep yang digunakan, serta tingkat ketelitian dalam pengumpulan data.

2.1.3.Menurut jenisnya

Menurut jenisnya, data terdiri dari dua bagian, yaitu: a. Data Kontinu

Data kontinu merupakan data yang diperoleh dari hasil pengukuran b. Data Diskrit

Data diskrit merupakan data yang diperoleh dari hasil perhitungan.

2.2.Metode Pengambilan Sampel

Berdasarkan informasi yang diperoleh dari sampel, dimungkinkan untuk melakukan eksplorasi lebih lanjut tentang karakteristik dari populasi yang menjadi tujuan observasi.

Secara garis besar, metode penarikan sampel dapat dipilah menjadi dua, yaitu pemilihan sampel dari populasi secara acak ( random atau probability

sampling ) dan pemilihan sampel dari populasi secara tidak acak ( non random

atau non probability sampling ).

2.2.1.Probability Sampling ( metode acak )

Dalam probability sampling, sampel yang terpilih tidak didasarkan semata – mata pada keinginan si peneliti, sehingga setiap anggota populasi memiliki kesempatan yang sama ( acak ) untuk terpilih sebagai sampel. Dengan demikian diharapkan sampel yang terpilih dapat digunakan untuk menduga karakteristik populasi secara objektif.

Yang termasuk dalam metode probability sampling antara lain: a. Acak Sederhana ( simple random sampling )

Sampel yang diambil secara acak, yaitu setiap anggota populasi mempunyai kesempatan yang sama untuk dipilih menjadi anggota sampel. Cara umum yang dipakai adalah dengan menggunakan tabel random atau juga dengan cara pengundian.

b. Acak Sistematis ( systematic random sampling )

Metode pengambilan sampel acak sistematis adalah metode untuk mengambil sampel secara sistematis dengan interval (jarak) tertentu dari suatu kerangka sampel yang telah diurutkan.

c. Acak Terstratifikasi ( stratified random sampling )

Metode pengambilan sampel acak terstratifikasi ( stratified random sampling ) adalah metode pemilihan sampel dengan cara membagi populasi kedalam kelompok – kelompok yang homogen yang disebut strata, dan kemudian sampel diambil secara acak dari setiap strata tersebut. d. Sampel Berkelompok ( cluster sampling )

Metode pengambilan sampel berkelompok ( cluster sampling ) adalah metode yang digunakan untuk memilih sampel yang berupa kelompok dari beberapa kelompok ( groups atau cluster ) dimana setiap kelompok terdiri atas beberapa unit yang lebih kecil ( elements ). Jumlah elemen dari masing – masing kelompok ( size of the cluster ) bisa sama maupun berbeda.

2.2.2.Non Probability Sampling ( metode tak acak )

Metode tak acak ( non probability sampling ) bisa dibilang kebalikan dari metode acak ( random sampling ). Metode ini tidak memberikan peluang yang sama pada tiap anggota populasi. Metode ini dikembangkan untuk menjawab kesulitan yang ditimbulkan dalam menerapkan metode acak.

Metode ini terbagi menjadi beberapa bagian, antara lain: a. Sampling Kemudahan ( convenience sampling )

Pada pengambilan sampel dengan cara ini, sampel diambil berdasarkan pada ketersediaan elemen dan kemudahan untuk mendapatkannya. Dengan kata lain sampel diambil/terpilih karena sampel tersebut ada pada tempat dan waktu yang tepat.

b. Sampling Pertimbangan ( judgment sampling )

Dengan teknik ini, sampel diambil berdasarkan pada kriteria – kriteria yang telah dirumuskan terlebih dahulu oleh peneliti.

c. Quota Sampling

Untuk teknik sampling ini biasanya digunakan data dari populasi yang berkaitan dengan demografi ( kependudukan ). Pada dasarnya, quota sampling ini sama dengan judgment sampling, dapat dikatakan sebagai judgment sampling dua tahap.dimana tahap pertama merumuskan kategori kontrol dari populasi. Tahap kedua adalah bagaimana sampel diambil.

d. Snowball Sampling

Teknik sampling ini tepat digunakan bila populasinya sangat spesifik. Cara pengambilan sampel dengan teknik ini dilakukan secara berantai, mulai dari ukuran sampel yang kecil, makin lama semakin besar.

2.3.Analisa Regresi

Metode analisi yang telah dibicarakan hingga sekarang adalah analisi terhadap data mengenai sebuah karakteristik atau atribut ( data kualitatif ) dan mengenai sebuah variabel, diskrit ataupun kontinu ( data kuantotatif ). Tetapi sebagai mana disadari, banyak persoalan yang meliputi lebih dari sebuah variabel.

Bila kita mempumyai data yang terdiri atas dua atau lebih variabel, perlu dipelajari bagaimana variabel – variabel itu berhubungan. Hubungan yang didapat pada umumnya dinyatakan dalam bentuk persamaan matematik yang menyatakan hubungan fungsional antara variabel – variabel. Studi yang menyangkut masalah ini yang dikenal dengan analisis regresi.

2.3.1.Regresi Linier Sederhana

Regresi linier sederhana adalah regresi yang melibatkan hubungan antara satu variabel tak bebas dengan satu variabel bebas. Variabel tak bebas adalah variabel yang nilainya selalu bergantung dengan nilai variabel lain, sedangkan variabel bebas adalah variabel yang nilainya tidak bergantung pada variabel lain.

Model matematis dalam menjelaskan hubungan antara variabel dalam analisis regresi menggunakan persamaan regresi. Persamaan regresi adalah suatu

persamaan matematis yang mendefenisikan hubungan antara dua variabel. Persamaan regresi digunakan untuk membuat taksiran mengenai variabel tak bebas yabg disebut dengan persamaan regresi estimasi.

Bentuk umum persamaan regresi linier sederhana yang menunjukkan hubungan antara dua variabel, yaitu variabel X sebagai variabel bebas dan variabel Y sebagai variabel tak bebas. Adalah:

Dimana:

Yi adalah variable tak bebas ke-i

Xi adalah variable bebas ke-i

β0 adalah intercept ( konstanta ) yang merupakan titik potong kurva terhadap

sumbu Y

β1 adalah kemiringan ( slope ) kurva linier

εi adalah kesalahan ( error ) pada pengamatan ke-i

2.3.2.Regresi Linier Ganda

Regresi linier berganda adalah analisis regresi yang melibatkan hubungan dari dua atau lebih variable bebas. Secara umum, data hasil pengamatan Y bisa terjadi karena akibat variable – variable bebas X1, X2,…….., Xk. hubungan lebih dari dua

variable bila dinyatakan dalam bentuk persamaan adalah:

Dimana:

Yi adalah variable tak bebas ke-i

β0 adalah intercept ( konstanta ) yang merupakan titik potong kurva terhadap

sumbu Y

β1 adalah kemiringan ( slope ) kurva linier

εi adalah kesalahan ( error ) pada

Dengan b1, b2, b3 adlah koefisien yang ditentukan berdasarkan data hasil

pengamatan.

2.3.3.uji Regresi Linier Ganda

Uji regresi linier ganda perlu dilakukan karena untuk mengetahui apakah sekelompok variable bebas secara bersamaan mempunyai pengaruh terhadap variable tak bebas. Pada dasarnya pengujian hipotesa tentang parameter koefisien regresi secara keseluruhan atau penguji persamaan regresi menggunakan statistic F yang dirumuskan sebagai berikut :

Dengan :

F = statistic F yang menyebar mengikuti distribusi F dengan derajat bebas V1 = k dan V2 = n – k – 1

JKreg = Jumlah Kuadrat Regresi = b1∑x1iyi + b2∑x2iyi + …. + bk∑xkiyi

dengan derajat kebebasan (dk) = k

JKres = Jumlah kuadrat residu (sisa) = ∑(Y 1 – Ŷ1)2 dengan derjat kebebasan

(dk) = (n – k – 1 ) Persamaan penduganya adalah: Ŷ = b0 + b1X1 + b2X2 + … + bkXk

Langkah – langkah yang dibutuhkan untuk pengujian hipotesa ini adalah sebagai berikut:

1. H0: β0= β1= … = βk = 0

H1 : minimal satu parameter koefisien regresi yang ≠ 0

2. Pilih taraf nyata α yang diinginkan

3. Hitung statistik Fhit dengan menggunakan salah satu dari formula di atas

4. Keputusan : tolak H0 jika Fhit > Ftabel : k : n – k – 1 Terima H0 jika Fhit < Ftabel : k : n – k – 1

Dimana b0, b1,….., bkmerupakan penduga bagi parameter β0, β1, … βk

2.4.Analisa Korelasi

Analisa korelasi adalah metode statistika yang digunakan untuk mengetahui seberapa besar/kuat hubungan antara variabel – variabel itu terjadi. Dengan kata lain, perlu ditentukan derajat hubungan antara variabel – variabel.

Berdasarkan regresi linier ganda Ŷ = b 0 + b1X1 + b2X2 + … + bkXk maka

nilai R dapat ditentukan terlebih dahulu mencari nilai R2 (koefisien determinasi) yang digunakan untuk mengukur proporsi keragaman total dalam variabel total dalam variabel tak bebas Y yang dapat dijelaskan atau diterangkan oleh variabel – variabel penjelas yang ada dalam model persamaan regresi secara bersama.

Nilai R2 dapat ditentukan dengan rumus :

Dengan:

JKreg = jumlah kuadrat regresi

2.5.Model Regresi Logistik 2.5.1.Pengertian Regresi Logistik

Analisa regresi logistik adalah analisis yang digunakan untuk melihat hubungan antara variabel tak bebas berupa variabel respon yang bersifat kategori (kualitatif) dan variabel – variabel bebas berubah variabel kualitatif (nominal atau ordinal) maupun variabel kuantitatif (interval atau rasio).

Variabel bebas dalam regresi logistik adalah variabel yang bertipe kualitatif maupun kuantitatif. Untuk variabel bebas bertipe kualitatif digunakan dalam variabel dummy, sedangkan untuk ariabel tak bebas dalam model regresi logistik berbentuk dikotomus (biner atau dua kategori) maupun polykotomus (banyak kategori).

Dengan rumus : P(Y = 1| X = xi) π(xi)

Maka P(Y = 0| X = xi) = 1- л(xi). dari hal tersebut, ekspektasi dari yi adalah

E(yi)P(Y = yi| X = xi)

= 1л(xi) + 0(1- л(xi)

= л(xi)

Untuk model logistik :

Dengan logit, g(xi) = β0 + β1xi, maka untuk model regresi logistik dengan variabel

Dan logitnya adalah : g(Xi) = β0+ β1X1+ …..+βpXpi

Sehingga:

Variabel bebas (X) dalam regresi logistik yang bertipe kualitatif maka digunakan variabel dummy ( dummy variable ).

Dengan rumus : Y = α0+ α1Di+ βXi

Dimana :

Y = varisbel tak bebas (dependent variabel) bersifat kuantitatif xi = variabel bebas (independent variable) bersifat kuantitatif

D1 = variabel dummy (Dummy variable) bersifat kualitatif

Dengan mengasumsikan bahwa unsur gangguan (disturbance) memenuhi asumsi yang biasa dari model regresi linier klasik:

Dengan:

E( Yi| D1= 0 ) = α

Dan

BAB 3

ANALISA DAN EVALUASI

3.1 Data yang diperoleh

Data yang digunakan merupakan data pengaruh harga, bentuk produk, dan iklan dengan tingkat pemakaian produk sabun lifeboy dikalangan mahasiswa FMIPA USU khususnya D3 statistika.

Untuk melihat data yang diperoleh terdapat pada lampiran tabel 3.1.1

3.2 Penentuan dan Pengkodean untuk Nama Variabel

a. tingkat/ jumlah pemakaian sabun lifeboy ( Yi ) sebagai variabel tak bebas atau

dependent variable.

b. Harga ( Xi ) sebagai variabel bebas atau independent variable.

c. bentuk kemasan ( D1 ) sebagai variabel dummy dengan:

biasa/ batangan = 1 cair = 0

d.iklan ( D2 ) sebagai variabel dummy dengan:

media cetak = 1 media elektronik = 0

untuk melihat data yang telah dikodekan nama variabelnya terdapat pada lampiran tabel 3.2.1.

3.3 Menentukan atau Mencari Persamaan Regresi Dummy 3.3.1 Persamaan regresi dummy

Dengan persamaan : Ŷ = α0+ α1D1+ α2D2+ βXi

Ŷ = α0+ α1bentuk produk + α2iklan + βharga

Untuk melihat nilai – nilai dalam pencarian persamaan regresi dummy, terdapat lampiran tabel 3.3.1.

Dengan keterangan sebagai berikut : Yi = tingkat/jumlah pemakaian

Xi = harga

D1 = bentuk produk

D2 = iklan

n = banyak data

dari tabel 3.3.1 diperoleh nilai – nilai sebagai berikut : n = 36 ∑YiD1 = 50

∑Yi = 56 ∑YiD2 = 8

∑Xi = 142.550 ∑YiXi = 187.150

∑D1 = 30 ∑D12 = 30

∑D2 = 5 ∑D22 = 8

∑X12 = 1,084,252,500 ∑D1D2 = 3

Dari data di atas didapat :

∑Yi = nα0+ α1∑D1+ α2∑D2+ β∑Xi

∑YiDi = α0∑D1+ α1∑D12+ α2∑D1D2+ β∑D1Xi

∑YiD2 = α0∑D2+ α1∑D1D2+ α2∑D22+ β∑D2Xi

∑YiXi = α0∑Xi+ α0∑D1Xi+ α0∑D2Xi+ β∑X12

Dapat disubstitusi nilai – nilai yang bersesuaian, sehingga diperoleh persamaan : 56 = 36α0+ 30 α1 + 5α2 + 142,550β

50 = 30α0+ 30α1+ 3α2+ 68050β

8 = 5α0+ 3α1 + 5α2 + 30,400β

187,150=142,550α0+ 68050α1+ 30,400α2+ 1,084,252,500β

Setelah persamaan di atas diselesaikan, maka didapat koefisien : α0 = 2.2045033

α1 = -0.326252826

α2 = 0.21634885

β = -0.000102815

dengan demikian persamaan regresi atas variable dummy Ŷ = α0+ α1D1+ α2D2+ βXi

Ŷ = 2.2045033- 0.326252826D1 + 0.21634885D2 + -0.000102815β

Dimana :

Yi dan Xi = tingkat pemakaian dan harga

D1 = 1 jika bentuk biasa

= 0 jika bentuk cair D2 = 1 jika media cetak

3.3.2 Pengasumsian E(ui) = 0, dari Regresi

Dengan mengasumsikan E(ui) = 0, kita dapat memperoleh regresi sebagai

berikut :

Rata – rata tingkat pemakaian sabun lifeboy dari bentuk cair dan iklan media elektronik

E(Yi | D1 = 0, D2 = 0, Xi) = α0+ βXi

Rata – rata tingkat pemakaian sabun lifeboy dari bentuk biasa dan iklan media elektronik

E(Yi | D1 = 1, D2 = 0, Xi) = (α0+ α1) + βXi

Rata – rata tingkat pemakaian sabun lifeboy dari bentuk cair dan iklan media cetak

E(Yi | D1 = 0, D2 = 1, Xi) = (α0+ α2) + βXi

Rata – rata tingkat pemakaian sabun lifeboy dari bentuk biasa dan iklan media cetak

E(Yi | D1 = 1, D2 = 1, Xi) = (α0+α1+ α2) + βXi

Untuk melihat hasil data pengasumsian regresi atas variable dummy, terdapat pada lampiran table 3.3.2 dan terdapat rata – rata tingkat pemakaian sabun lifeboy terhadap harga dari bentuk produk dan iklan

1. Rata – rata tingkat pemakaian sabun lifeboy dari bentuk cair dan iklan media elektronik adalah 6.47

2. Rata – rata tingkat pemakaian sabun lifeboy dari bentuk biasa dan iklan media elektronik adalah 5.29

3. Rata – rata tingkat pemakaian sabun lifeboy dari bentuk cair dan iklan media cetak adalah 7.24

4. Rata – rata tingkat pemakaian sabun lifeboy dari bentuk biasa dan iklan media cetak adalah 6.07

3.4 Pengujian Kelinieran Regresi atas Variable Dummy

Sebelum regresi yang diperoleh digunakan untuk membuat kesimpulan, terlebih dahulu perlu diperiksa kelinieran dan keberartiannya. Pemeriksaan ini ditempuh melalui pengujian hipotesis.

Menguji keberartian regresi atas variable dummy ini dimaksudkan untuk meyakinkan apakah regresi ( berbentuk linier ) yang didapat berdasarkan penelitian ada artinya untuk membuat kesimpulan mengenai hubungan peubah.

Untuk itu dua jumlah kuadrat – kuadrat JK untuk regresi atau ditulis dengan JK(Reg) dan untuk sisaan dengan JK(Res), yang secara umum menggunakan rumus :

JKreg= α1∑yid1+ α2∑yid2+ β∑yixi

JKres = ∑(Yi – Ŷi)2 atau JK(S) = ∑yi2 - JKreg

Dari table 3.5.1 diperoleh nilai – nilai sebagai berikut : n = 36 ∑Yi2 = 8.8896

∑yid1 = 3.3328 α1 = -0.326252826

∑yid2 = 0.2224 α2 = 0.21634885

Dapat kita substitusikan nilai – nilai yang berkesesuaian, sehingga diperoleh : JKreg = α1∑yid1+ α2∑yid2+ β∑yixi

=( -0.326252826)( 3.3328 ) + (0.21634885)( 0.2224) + (-0.000102815)( -34,594.4452 )

= 2.519059396

JKres = ∑(Yi – Ŷi)2 atau JK(S) = ∑yi2 - JKreg

= 8.8896 – 2.519059396 = 6.370540604

Jadi Fhitung dapat dicari dengan :

= 4.217847223 = 4.218

Dari tabel distribusi F duga dk pembilang = 3, dk penyebut = 34 dan α = 5% (0.05) didapat Ftab = 2.85. karena Fhit (4.218) < Ftab (2.88) maka H0 diterima.

3.6 Pengujian Koefisien Regresi atas Variabel Dummy

Setelah menguji kelinieran di atas, maka kita telah perlu mengetahui apakah intercept diferensial α1 dan α2, secara individual terkait ( signifikan ) secara

statistic.

Dengan pengujian koefisien regresi atas variable dummy perumusan hipotesa yang dipakai adalah:

H0= β1 = 0

H1= β1≠ 0

Dengan tolak H0 jika thit > t tab

Terima H0 jika thit < ttab

Dimana:

Dari perhitungan sebelumnya, maka diperoleh harga – harga koefisien: JKreg = 2.519059396

∑Yi2 = 8.8896

Dari hasil perhitungan diperoleh nilai koefisien determinasi sebesar 0.283371512 sekitar 28.3% harga dari bentuk kemasan dan iklan yang mempengaruhi tingkat pemakaian produk sabun Lifeboy dikalangan mahasiswa dan 71.7% dipengaruhi faktor – faktor lain.

Dari analisis diperoleh:

Dari hasil perhitungan diperoleh thit = 3.6667 dan ttab = 2.03.0 jadi thit > ttab H0

ditolak maka korelasi antara harga, bentuk produk dan iklan terhadap tingkat pemakaian sabun Lifeboy signifikan.

BAB 4

IMPLEMENTASI SISTEM

4.1.Pengertian

Implementasi sistem adalah prosedur yang dilakukan untuk menyelasaikan desain sistem yang ada dalam desain sistem yang disetujui, menginstal dan memulai sistem baru atau sistem yang diperbaiki.

Tahapan implementasi merupakan tahapan penerapan hasil desain tertulis kedalam programming. Dalm pengolahan data pada karya tulis ini penulis menggunakan perangkat lunak (software) sebagai implementasi sistem yaitu SPSS 15.0 for windows dalam masalah memperoleh hasil perhitungan.

4.2.Statistik dan Komputer

Komputer berasal dari kata “computare” dalam bahasa yunani yang berarti menghitung (membandingkan dengan kata ‘to compute’ dalam bahasa inggris). Dengan demikian, computer memang dibuat untuk melakukan pengolahan data yang didasarkan pada operasi matematika ( x,/,+,-) dan operasi logika (<,>,=). Perkembangan teknologi komputerpun pada intinya berusaha untuk semakin mendaya gunakan kemampuan untuk perhitungan, dengan mempebaiki kinerja ‘otak’ komputer atau CPU (Central Processing Unit), dari mulai teknologi XT sampai teknologi Pentium IV.

Dalam pengolahan data, komputer mempunyai tiga keunggulan utama dibandingkan manusia yaitu : kecepatan, ketepatan, dan keandalan yang membuat komputer sangat dibutuhkan dalam pengolahan data statistik. Komputer juga memiliki daya tahan kerja yang tinggi.

4.3.SPSS dan komputer statistik

Saat ini banyak beredar berbagai paket program komputer statistik. Dari berbagai software khusus statistik yang beredar sekarang, SPSS adalah yang paling populer dan paling banyak digunakan.

SPSS sebagai software statistk, pertama kali dibuat tahun 1968 oleh tiga mahasiswa Stanfort University yang dioperasikan pada komputer mainframe. Pada tahun 1984, SPSS pertama kali muncul dengan versi PC (dapat dipakai untuk komputer dekstop) dengan nama SPSS/ PC+ dan sejalan dengan mulai populernya sistem operasi windows, SPS pada tahun 1992 juga mengeluarkan versi windows.

Hal ini membuat SPSS yang ditujukan bagi pengolahan data statistik untuk ilmu sosial (SPSS saat itu adalah singkatan dari Statistical Package for the Social Sciens), sekarang diperluas untuk malayani berbagai jenis user seperti untuk proses produksi, riset ilmu – ilmu sains dan lainnya. Sehingga sekarang SPSS singkatan dari Statistical Product and Service Solution.

4.4.Mengoperasikan SPSS

Secara umum ada tiga tahapan yang harus dilakukan dengan mengoperasikan SPSS supaya hasil yang diperoleh berdaya guna yaitu :

1. Tahapan penyiapan data

Mencakup pemasukan (in put) data dan menyimpan data. 2. Tahapan proses analisa data

3. Tahapan analisis hasil

Adapun langkah – langkah pengolaha data dengan menggunakan program SPSS adalah:

1. Aktifkan program SPSS pada windows dengan pereintah : Start – program dan pilih SPSS for windows

Gambar 4.1 Membuka Program SPSS

2. Memasukkan data Langkah – langkah : 2.1buka lembar kerja baru

dari File, pilih New. Lalu klik Data. Sekarang SPSS siap membuat variabel baru yang diperlukan.

Gambar 4.2 Tampilan jendela data view dalam SPSS

2.2Mendefenisikan variabel dan property yang diperlukan.

Langkah berikutnya adalah membuat nama untuk setiap variabel baru, jenis data label dan sebagainya.

Untuk itu klik tab sheet Variabel view dapat juga diambil dari menu View lalu sub menu Variabel atau langsung tekan CTRL+T. tampak dilayar

2.3Pengisian

Pengisian variable tingkat pemakaian (Y), harga (X), bentuk produk (D1) dan iklan (D2). Tempatkan pointer pada baris dan kolom yang

akan diisikan, klik ganda lalu lakukan pengisian pada variable view dalam SPSS.

Name : Ketik nama variable pada kolom name, Y pada baris pertama dilanjutkan X, D1 dan D2.

Type : memilih type data yang diinginkan, numeric. Width : untuk keseragaman ketik 8.

Decimals : karena data tidak ada bentuk decimal, maka ketik 0. Label : ketik nama masing – masing variable.

Values : untuk mengisi penjelasan nama (label) pada variable. Untuk tingkat pemakaian dan harga ketik none. Pada bentuk kemasan ketik 0 untuk bentuk cair dan 1 untuk bentuk biasa. Pada iklan ketik 0 media elektronik dan 1 untuk media cetak.

Missing : untuk penjelasan data yang rusak/hilang. Pilih none. Coloums : untuk menentukan lebar coloum. Ketik 8.

Align : untuk menentukan letak pengisian data pada kolom, rata kanan, kiri atau tengah. Ketik right.

Gambar 4.4 Tampilan pengisian variable view

klik data view untuk memasukkan data yang telah didapat sesuai dengan variabelnya.

3.Pengolahan Data

Setaelah data selesai dimasukkan, dari menu utama SPSS pilih Analyze,kemudian pilih Regression lalu pilih sub menu Linier.

Gambr 4.6 Tampilan pemilihan Linier Regresi

Pindahkan variable tingkat pemakaian pada variable terikat (dependent), variable harga, bentuk produk dan iklan pada variable bebas (independent).

Kemudian klik Statistics pada kotak dialog, aktifkan estimate, model fit dan casewise diagnostic all cases, klik continue untuk meneruskan lalu klik OK.

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Penelitian ini dilakukan untuk melihat upaya memperkenalkan produk kepada konsumen dimana dengan memikat hati konsumen melalui pemberian kesan – kesan baik yang mampu diingat dan dirasakan oleh konsumen melalui promosi baik dalam bentuk produk, iklan dan harga.

Berdasarkan hasil pengolahan data, maka dapat disimpulkan beberapa hal sebagai berikut :

1. Adanya pengaruh harga, bentuk produk dan harga terhadap tingkat pemakaian produk sabun lifeboy di kalangan mahasiswa FMIPA usu khususnya mahasiswa D3 Statistika, karena Fhit > Ftab = 4.218 < 2.88 atau

H0 ditolak dengan resiko kekeliruan 5%.

2. Signifikannya variable harga dari bentuk produk dan iklan terhadap tingkat pemakaian sabun lifeboy dikalangan Mahasiswa FMIPA USU khususnya mahasiswa D3 Statistika karena thit > ttab. Maka tolak H0.

3. Dari pengasumsian E(µi) diatas diperoleh rata – rata tingkat pemakaian

sabun lifeboy terhadap harga dari bentuk produk dan iklan

5. 1. Rata – rata tingkat pemakaian sabun lifeboy dari bentuk cair dan iklan media elektronik adalah 6.47

2.Rata – rata tingkat pemakaian sabun lifeboy dari bentuk biasa dan iklan media elektronik adalah 5.29

3.Rata – rata tingkat pemakaian sabun lifeboy dari bentuk cair dan iklan media cetak adalah 7.24

4.Rata – rata tingkat pemakaian sabun lifeboy dari bentuk biasa dan iklan media cetak adalah 6.07

5.2 Saran

Beberapa saran yang dapat dimasukkan penulis

1. Dalam mempromosikan suatu produk, hendaklah memberikan kesan – kesan yang lebih dapat diingat dan dirasakan oleh konsumen.

2. Pembuatan iklan dalam media cetak lebih ditingkatkan, lebih kreatif, hanya dalam satu halaman dapat memberikan gambaran keseluruhan. 3. Perusahaan menjaga kualitas produk guna tidak ada penyesalan dari

konsumen setelah menggunakan produk yang nantinya akan mempengaruhi tingkat penjualan produk.

DAFTAR PUSTAKA

Agung I Gustingurah 2003, Analisis Hubungan Kausal Berdasarkan Data Kategorik, Jakarta, Grapindo Persada.

Gurajati Damodar, Zain Sumarno, 1978, Ekonometrika Dasar, Bandung, Erlangga.

Sudjana, 1992, Metode Statistika, Edisi Keenam, Bandung, Tarsito.

Sugiarto, Siagian Dergipson, dkk,2001, Teknik Sampling, Jakarta, Gramedia Pustaka Utama.

Tabel 3.1 Data yang akan diolah

No Nama Tingkat/Jumlah Pemakaian

Harga Bentuk Produk

iklan

1 Ryan wahyudi 2 2500 biasa Elektronik

2 Siska 2 2500 biasa Elektronik

3 Novelysa Samosir 2 2500 biasa Elektronik

4 Maria S.W.S. 1 2250 biasa Elektronik

5 Trigustina 2 2500 biasa Elektronik

6 Andi Dwi Anugrah 2 2000 biasa Elektronik 7 Panji A. Simamora 1 2500 biasa Elektronik

8 James 2 2300 biasa Elektronik

9 Siti mahanum 2 1500 biasa Elektronik

10 Fauziah 1 12000 cair Elektronik

11 Dwi Mandarini 2 2200 biasa Elektronik 12 Edyan Syahput ra 1 2000 biasa Elektronik 13 Azizah Hanum 1 12500 cair Elektronik

14 Rahmawati 1 12000 cair Elektronik

15 Dwi Prasetyo 2 2000 biasa Cetak

16 Erlinda 2 1700 biasa Elektronik

17 Panji Setiawan 2 1700 biasa Cetak

18 Marianti Rosanna 1 12000 cair Cetak

19 Irda Amelia 1 13000 cair Cetak

20 Miqqial Bulqiah 1 2500 biasa Elektronik 21 Yunda Pamularsih 2 2300 biasa Elektronik

22 Yuliana 2 2500 biasa Elektronik

23 Fitria S.Hutabarat 1 2500 biasa Elektronik

24 Maria Ulfa 1 2300 biasa Elektronik

25 Yuni Masdayani 2 2300 biasa Elektronik 26 Herri Junianto 1 2500 biasa Elektronik 27 Dicky Siregar 1 1500 biasa Elektronik

28 Johannes H. 2 2500 biasa Elektronik

29 Dhimas Novandi T. 2 2400 biasa Elektronik 30 Subakat Malik 1 2400 biasa Elektronik

31 Mhd. Fadli 2 2500 biasa Elektronik

32 Patar Lumban B. 2 2500 biasa Elektronik 33 Chanro Simarmata 1 3000 biasa Elektronik 34 Firdaus Sinuraya 2 2500 biasa Elektronik 35 Ella Christy Sari G. 1 13000 cair Elektronik 36 Supratiwi Khairuna 2 1700 biasa Cetak

Tabel 3.2 Data yang telah dikodekan

No Yi Xi D1 D2

1 2 2500 1 0

2 2 2500 1 0

3 2 2500 1 0

4 1 2250 1 0

5 2 2500 1 0

6 2 2000 1 0

7 1 2500 1 0

8 2 2300 1 0

9 2 1500 1 0

10 1 12000 0 0

11 2 2200 1 0

12 1 2000 1 0

13 1 12500 0 0

14 1 12000 0 0

15 2 2000 1 1

16 2 1700 1 0

17 2 1700 1 1

18 1 12000 0 1

19 1 13000 0 1

20 1 2500 1 0

21 2 2300 1 0

22 2 2500 1 0

23 1 2500 1 0

24 1 2300 1 0

25 2 2300 1 0

26 1 2500 1 0

27 1 1500 1 0

28 2 2500 1 0

29 2 2400 1 0

30 1 2400 1 0

31 2 2500 1 0

32 2 2500 1 0

33 1 3000 1 0

34 2 2500 1 0

35 1 13000 0 0

Tabel 3.3.2 Data Hasil Pengasumsian Regresi atas Variabel

Dummy

α0+βXi (α0+α1)+βXi (α0+α2)+βXi (α0+α1+α2)+βXi

1.94746580 1.62121297 2.16381465 1.83756182

1.94746580 1.62121297 2.16381465 1.83756182

1.94746580 1.62121297 2.16381465 1.83756182

1.97316955 1.64691672 2.18951840 1.86326557

1.94746580 1.62121297 2.16381465 1.83756182

1.94746580 1.62121297 2.16381465 1.83756182

1.99887330 1.67262047 2.21522215 1.88896932

1.96802880 1.64177597 2.18437765 1.85812482

2.05028080 1.72402797 2.26662965 1.94037682

0.97072330 0.64447047 1.18707215 0.86081932

1.97831030 1.65205747 2.19465915 1.86840632

1.99887330 1.67262047 2.21522215 1.88896932

0.91931580 0.59306297 1.13566465 0.80941182

0.97072330 0.64447047 1.18707215 0.86081932

1.99887330 1.67262047 2.21522215 1.88896932

2.02971780 1.70346497 2.24606665 1.91981382

2.02971780 1.70346497 2.24606665 1.91981382

0.97072330 0.64447047 1.18707215 0.86081932

0.86790830 0.54165547 1.08425715 0.75800432

1.94746580 1.62121297 2.16381465 1.83756182

1.96802880 1.64177597 2.18437765 1.85812482

1.94746580 1.62121297 2.16381465 1.83756182

1.94746580 1.62121297 2.16381465 1.83756182

1.96802880 1.64177597 2.18437765 1.85812482

1.96802880 1.64177597 2.18437765 1.85812482

1.94746580 1.62121297 2.16381465 1.83756182

2.05028080 1.72402797 2.26662965 1.94037682

1.94746580 1.62121297 2.16381465 1.83756182

1.95774730 1.63149447 2.17409615 1.84784332

1.95774730 1.63149447 2.17409615 1.84784332

1.94746580 1.62121297 2.16381465 1.83756182

1.94746580 1.62121297 2.16381465 1.83756182

1.89605830 1.56980547 2.11240715 1.78615432

1.94746580 1.62121297 2.16381465 1.83756182

0.86790830 0.54165547 1.08425715 0.75800432

2.02971780 1.70346497 2.24606665 1.91981382

Variables Entered/Removed(b)

Model

Variables Entered

Variables

Removed Method

1

iklan, harga, bentuk_pro duk(a)

. Enter

a All requested variables entered. b Dependent Variable: tingkt_pmakaian

Model Summary(b)

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 ,532(a) ,283 ,216 ,446

a Predictors: (Constant), iklan, harga, bentuk_produk b Dependent Variable: tingkt_pmakaian

ANOVA(b)

Model

Sum of

Squares df Mean Square F Sig.

1 Regression 2,517 3 ,839 4,214 ,013(a)

Residual _{6,371 32 ,199}

Total 8,889 35

a Predictors: (Constant), iklan, harga, bentuk_produk b Dependent Variable: tingkt_pmakaian

Coefficients(a)

Model

Unstandardized Coefficients

Standardized

Coefficients t Sig.

B Std. Error Beta B Std. Error

1 (Constant) _{2,205 2,649 ,832 ,412}

harga ,000 ,000 -,786 -,487 ,629

bentuk_produk _{-,326 2,167 -,245 -,151 ,881}

iklan ,216 ,231 ,151 ,935 ,357

DAFTAR PUSTAKA

Agung I Gustingurah 2003, Analisis Hubungan Kausal Berdasarkan Data Kategorik, Jakarta, Grapindo Persada.

Gurajati Damodar, Zain Sumarno, 1978, Ekonometrika Dasar, Bandung, Erlangga.

Sudjana, 1992, Metode Statistika, Edisi Keenam, Bandung, Tarsito.

Sugiarto, Siagian Dergipson, dkk,2001, Teknik Sampling, Jakarta, Gramedia Pustaka Utama.

Tabel 3.1 Data yang akan diolah

No Nama Tingkat/Jumlah

Pemakaian

Harga Bentuk Produk

iklan

1 Ryan wahyudi 2 2500 biasa Elektronik

2 Siska 2 2500 biasa Elektronik

3 Novelysa Samosir 2 2500 biasa Elektronik

4 Maria S.W.S. 1 2250 biasa Elektronik

5 Trigustina 2 2500 biasa Elektronik

6 Andi Dwi Anugrah 2 2000 biasa Elektronik

7 Panji A. Simamora 1 2500 biasa Elektronik

8 James 2 2300 biasa Elektronik

9 Siti mahanum 2 1500 biasa Elektronik

10 Fauziah 1 12000 cair Elektronik

11 Dwi Mandarini 2 2200 biasa Elektronik

12 Edyan Syahput ra 1 2000 biasa Elektronik

13 Azizah Hanum 1 12500 cair Elektronik

14 Rahmawati 1 12000 cair Elektronik

15 Dwi Prasetyo 2 2000 biasa Cetak

16 Erlinda 2 1700 biasa Elektronik

17 Panji Setiawan 2 1700 biasa Cetak

18 Marianti Rosanna 1 12000 cair Cetak

19 Irda Amelia 1 13000 cair Cetak

20 Miqqial Bulqiah 1 2500 biasa Elektronik

21 Yunda Pamularsih 2 2300 biasa Elektronik

22 Yuliana 2 2500 biasa Elektronik

23 Fitria S.Hutabarat 1 2500 biasa Elektronik

24 Maria Ulfa 1 2300 biasa Elektronik

25 Yuni Masdayani 2 2300 biasa Elektronik

26 Herri Junianto 1 2500 biasa Elektronik

27 Dicky Siregar 1 1500 biasa Elektronik

28 Johannes H. 2 2500 biasa Elektronik

29 Dhimas Novandi T. 2 2400 biasa Elektronik

30 Subakat Malik 1 2400 biasa Elektronik

31 Mhd. Fadli 2 2500 biasa Elektronik

32 Patar Lumban B. 2 2500 biasa Elektronik

33 Chanro Simarmata 1 3000 biasa Elektronik

34 Firdaus Sinuraya 2 2500 biasa Elektronik

35 Ella Christy Sari G. 1 13000 cair Elektronik

36 Supratiwi Khairuna 2 1700 biasa Cetak

Tabel 3.2 Data yang telah dikodekan

No Yi Xi D1 D2

1 2 2500 1 0

2 2 2500 1 0

3 2 2500 1 0

4 1 2250 1 0

5 2 2500 1 0

6 2 2000 1 0

7 1 2500 1 0

8 2 2300 1 0

9 2 1500 1 0

10 1 12000 0 0

11 2 2200 1 0

12 1 2000 1 0

13 1 12500 0 0

14 1 12000 0 0

15 2 2000 1 1

16 2 1700 1 0

17 2 1700 1 1

18 1 12000 0 1

19 1 13000 0 1

20 1 2500 1 0

21 2 2300 1 0

22 2 2500 1 0

23 1 2500 1 0

24 1 2300 1 0

25 2 2300 1 0

26 1 2500 1 0

27 1 1500 1 0

28 2 2500 1 0

29 2 2400 1 0

30 1 2400 1 0

31 2 2500 1 0

32 2 2500 1 0

33 1 3000 1 0

34 2 2500 1 0

35 1 13000 0 0

Tabel 3.3.2 Data Hasil Pengasumsian Regresi atas Variabel

Dummy

α0+βXi (α0+α1)+βXi (α0+α2)+βXi (α0+α1+α2)+βXi 1.94746580 1.62121297 2.16381465 1.83756182 1.94746580 1.62121297 2.16381465 1.83756182 1.94746580 1.62121297 2.16381465 1.83756182 1.97316955 1.64691672 2.18951840 1.86326557 1.94746580 1.62121297 2.16381465 1.83756182 1.94746580 1.62121297 2.16381465 1.83756182 1.99887330 1.67262047 2.21522215 1.88896932 1.96802880 1.64177597 2.18437765 1.85812482 2.05028080 1.72402797 2.26662965 1.94037682 0.97072330 0.64447047 1.18707215 0.86081932 1.97831030 1.65205747 2.19465915 1.86840632 1.99887330 1.67262047 2.21522215 1.88896932 0.91931580 0.59306297 1.13566465 0.80941182 0.97072330 0.64447047 1.18707215 0.86081932 1.99887330 1.67262047 2.21522215 1.88896932 2.02971780 1.70346497 2.24606665 1.91981382 2.02971780 1.70346497 2.24606665 1.91981382 0.97072330 0.64447047 1.18707215 0.86081932 0.86790830 0.54165547 1.08425715 0.75800432 1.94746580 1.62121297 2.16381465 1.83756182 1.96802880 1.64177597 2.18437765 1.85812482 1.94746580 1.62121297 2.16381465 1.83756182 1.94746580 1.62121297 2.16381465 1.83756182 1.96802880 1.64177597 2.18437765 1.85812482 1.96802880 1.64177597 2.18437765 1.85812482 1.94746580 1.62121297 2.16381465 1.83756182 2.05028080 1.72402797 2.26662965 1.94037682 1.94746580 1.62121297 2.16381465 1.83756182 1.95774730 1.63149447 2.17409615 1.84784332 1.95774730 1.63149447 2.17409615 1.84784332 1.94746580 1.62121297 2.16381465 1.83756182 1.94746580 1.62121297 2.16381465 1.83756182 1.89605830 1.56980547 2.11240715 1.78615432 1.94746580 1.62121297 2.16381465 1.83756182 0.86790830 0.54165547 1.08425715 0.75800432 2.02971780 1.70346497 2.24606665 1.91981382 64.70584055 52.96073881 72.49439915 60.74929741

Variables Entered/Removed(b)

Model

Variables Entered

Variables

Removed Method 1

iklan, harga, bentuk_pro duk(a)

. Enter a All requested variables entered.

b Dependent Variable: tingkt_pmakaian

Model Summary(b)

Model R R Square

Adjusted R Square

Std. Error of the Estimate 1 ,532(a) ,283 ,216 ,446 a Predictors: (Constant), iklan, harga, bentuk_produk

b Dependent Variable: tingkt_pmakaian

ANOVA(b)

Model

Sum of

Squares df Mean Square F Sig. 1 Regression 2,517 3 ,839 4,214 ,013(a)

Residual _{6,371 32 ,199} Total 8,889 35 a Predictors: (Constant), iklan, harga, bentuk_produk

b Dependent Variable: tingkt_pmakaian

Coefficients(a)

Model

Unstandardized Coefficients

Standardized

Coefficients t Sig. B Std. Error Beta B Std. Error 1 (Constant) _{2,205 2,649 ,832 ,412}

harga ,000 ,000 -,786 -,487 ,629 bentuk_produk _{-,326 2,167 -,245 -,151 ,881} iklan ,216 ,231 ,151 ,935 ,357 a Dependent Variable: tingkt_pmakaian