BAB I

PENDAHULUAN

1.1 Latar Belakang

Keputusan pembelian merupakan suatu keputusan sebagai pemilikan suatu

tindakandari dua atau lebih pilihan alternatif. Setiap orang pasti pernah

mempertimbangkan sesuatuhal sebelum melakukan keputusan pembelian. Apakah

produk yang akan dibeli sudah sesuai dengan kebutuhannya atau keinginannya?.

Kemudian produk yang akan dibeli tersebut apakah sudah sesuai dengan kondisi

dirinya?, seperti biaya yang dibutuhkan untuk mendapatkan suatu produk yang

diinginkan. Namun kadang orang tidak mempertimbangkan sesuatu hal sebelum

melakukan pembelian. Hal ini karena orang hanya tertarik pada bentuk fisik

(penampilan luar) dari produk tersebut.

Sebelum membeli, konsumen terlebih dahulu akan melakukan beberapa

alternative pilihan, apakah akan membeli atau tidak. Jika konsumen kemudian

memutuskan salah satunya, maka konsumen sudah melakukan keputusannya. Untuk

memahami pembuatankeputusan pembelian konsumen, terlebih dahulu harus dipahami

sifat-sifat keterlibatan konsumen dengan produk atau jasa. Memahami tingkat

keterlibatan konsumen terhadap produk atau jasa berarti pemasar berusaha

mengidentifikasi hal-hal yang menyebabkan seseorang merasa harus terlibat atau tidak

dalam pembelian suatu produk atau jasa. Tingkat keterlibatan konsumen dalam suatu

pembelian juga bisa dipengaruhi oleh stimulus (rangsangan) yang termasuk dalam

bauran pemasaran (marketing mix).

1
 Banyak faktor yang dapat mempengaruhi keputusan pembelian konsumen

terhadapsuatu produk, seperti produk, harga, promosi dan distribusi atau yang dikenal

dengan bauran pemasaran. Bauran pemasaran adalah proses penggabungan dalam

strategi pemasaran yang disesuaikan dengan kondisi masing-masing perusahaan yang

terstandarisasi dengan produk, harga yang rendah, promosi dan saluran distribusi.

Pada PT. Smart Vision Surabaya sebagai pemasar produk proyektor

Microvisionyang bertempat di Hitech Mall lantai dasar A1 no.3 Surabaya mengalami

penurunan penjualan yang cukup signifikan akibat persaingan produk yang terjadi

beberapa saat ini. Hal ini dikarenakan maraknya merk proyektor yang sudah terkenal

seperti Sony, BenQ, Panasonic, Vivitek, NEC dan lain sebagainya.

Selain itu untuk melakukan perluasan wilayah pemasaran di dalam negeri

dirasakan cukup sulit, karena melambungnya harga produk yang dihasilkan. Oleh

karena itu perusahaan harus merubah kebijaksanaan terutama dalam hal kebijakan harga

serta melakukan promosi penjualannya. Hal ini sangat berpengaruh terhadap keputusan

pembelian konsumen.

1.2 Rumusan masalah

Berdasarkan uraian di atas maka,dapat dirumuskan sebagai berikut:

“Seberapa besar pengaruh produk, harga, promosi, dan distribusi terhadap

keputusan pembelian proyektor pada PT. Smart Vision Surabaya?”

1.3 Tujuan Penelitian

Berdasarkan rumusan masalah diatas, maka tujuan penelitian ini adalah

mengetahui seberapa besar pengaruh produk, harga, promosi dan distribusi terhadap

2
keputusan pembelian proyektor pada PT. Smart Vision Surabaya dengan menggunakan

analisis regresi linier.

3
 BAB II

LANDASAN TEORI

2.1 Analisis Regresi

Regresi merupakan sebuah alat yang dapat berguna untuk meramalkan sesuatu

di masa depan berdasarkan informasi masa lalu dan sekarang guna memperkecil

kesalahan di masa yang akan datang. Secara umum ada dua macam hubungan antara

dua variabel atau lebih, yaitu bentuk hubungan dan keeratan hubungan. Untuk

mengetahui bentuk hubungan digunakan analisis regresi. Untuk keeratan hubungan

dapat diketahui dengan analisis korelasi. Analisis regresi dipergunakan untuk menelaah

hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan

yang modelnya belum diketahui dengan sempurna, atau untuk mengetahui bagaimana

variasi dari beberapa variabel bebas(prediktor X atau independent variable)

mempengaruhi variabel terikat (respon Y atau dependent variable) dalam suatu

fenomena yang kompleks. Jika X1, X2, … , Xi adalah variabel-variabel independen dan

Y adalah variabel dependen, maka terdapat hubungan fungsional antara X dan Y, di

mana variasi dari X akan diiringi pula oleh variasi dari Y. Secara matematika hubungan

di atas dapat dijabarkan sebagai berikut.

Y = f(X1, X2, …, Xi, e)

di mana Y adalah variabel terikat, X adalah variabel bebas dan e adalah variabel

residual (disturbance term). (Walpole, 1995)

Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang dapat

dilaksanakan dalam analisis regresi, diantaranya adalah sebagai berikut.

1. Mengadakan estimasi terhadap parameter berdasarkan data empiris.

4
2. Menguji berapa besar variasi variabel terikat dapat diterangkan oleh variasi variabel

bebas.

3. Menguji apakah estimasi parameter tersebut signifikan atau tidak.

4. Melihat apakah tanda dan magnitud dari estimasi parameter cocok dengan teori.

(Nazir, 1983)

2.2 Hubungan Fungsional Antara Variabel

Untuk analisis regresi akan dibedakan dua jenis variabel ialah variabel bebas

atau variabel predictor dan variabel tak bebas atau variabel respon. Variabel yang

mudah didapat atau tersedia sering dapat digolongkan kedalam variabel bebas

sedangkan variabel yang terjadi karena variabel bebas itu merupakan variabel tak bebas.

Untuk keprluan analisis variabel bebas akan dinyatakan dengan 𝑋1 , 𝑋2 , … 𝑋𝑘 (𝑘 ≥ 1)

sedangkan variabel tak bebas akan dinyatakan dengan Y.

Kita tahu bahwa statistika bermaksud menyimpulkan populasi yang pada

umumnya dengan menggunakan hasil analisis data sampel. Khusus mengenai regresi,

kita pun akan berusaha menentukan hubungan fungsional yang diharapkan berlaku

untuk populasi berdasarkan data sampel yang diambil dari populasi yang bersangkutan.

Hubungan fungsional ini akan dituliskan dalam bentuk persamaan matematik disebut

persamaan regresi yang akan bergantung pada parameter-parameter. Persamaan regresi

untuk populasi secara umum dapat dituliskan dalam bentuk

𝜇𝑦 , 𝑥1 , 𝑥2 , … 𝑥𝑘 = 𝑓(𝑋1 , 𝑋2 , … 𝑋𝑘 𝜃1 , 𝜃2 … 𝜃𝑚

Parameter-parameter yang ada dalam regresi itu sebuah contoh regresi yang

sederhana untuk populasi dengan sebuah variabel bebas ialah yang dikenal denagan

regresi linear sederhana dengan model:

5
 𝜇𝑦 . 𝑥 = 𝜃1 + 𝜃2 𝑋

Regresi berdasarkan sampel adalah

𝑌̂ = 𝑎 + 𝑏𝑋

Dengan simbul 𝑌̂ supaya dibaca Y topi

Model regresi populasi pengkat dua atau parabola untuk sebuah variabel bebas

dengan parameter 𝜃1 , 𝜃2 , 𝑑𝑎𝑛𝜃3 adalah

𝜇𝑦 .𝑥𝑥2 = 𝜃1 +𝜃2 𝑋 + 𝜃3 𝑋 2

Untuk mempelajari hubugan – hubungan antara variabel bebas maka regresi

linier terdiri dari dua bentuk, yaitu:

1. Analisis regresi sederhana (simple analysis regresi)

2. Analisis regresi berganda (Multiple analysis regresi).

2.3 Metoda Kuadrat Terkecil Untuk Regresi Linier

Variabel tak Variabel bebas

bebas (Y) (X)

𝑦1 𝑥1

𝑦2 𝑥2

. .

. .

. .

𝑦𝑛 𝑥𝑛

Tabel 2.1 Variabel X dan Y

Disini didapat pasangan antara X dan Y dan n, seperti biasa, menyatakan ukuran

sampel. Koofesien-koofisien regresi a dan b untuk regresi linier, ternyata dapat dihitung

dengan rumus:

6
 (∑ 𝑌𝑖 )(∑ 𝑋12 ) − (∑ 𝑋𝑖 ) (∑ 𝑋𝑖 𝑌𝑖 )
𝑎=
𝑛 ∑ 𝑋𝑖2 − (∑ 𝑋𝑖 )2

𝑛 ∑ 𝑋𝑖 𝑌𝑖 − (∑ 𝑋𝑖 ) (∑ 𝑌𝑖 )
𝑏=
𝑛 ∑ 𝑋𝑖2 − ( ∑ 𝑋𝑖 )2

Jika terlebih dahulu di hitung koefisien b, maka koefisien a dapat pula ditentukan oleh

rumus:

𝑎 = 𝑌̅ − 𝑏𝑋̅

Dengan 𝑋̅ dan 𝑌̅ masing-masing rata-rata untuk variabel-variabel X dan Y

Dengan menggunakan data hasil penelitian maka koefisien-koefisiennya dihitung dari

rumus:

(∑ 𝑋𝑖 )( ∑ 𝑌𝑖2 ) − ( ∑ 𝑦𝑖 )( ∑ 𝑋𝑖 𝑌𝑖 )
𝑐=
𝑛 ∑ 𝑌𝑖2 − (∑ 𝑌𝑖 )2

𝑛 ∑ 𝑋𝑖 𝑌𝑖 − ( ∑ 𝑋𝑖 )( ∑ 𝑌𝑖 )
𝑑=
𝑛 ∑ 𝑌𝑖2 − (∑ 𝑌𝑖 )2

2.4 Berbagai Varians Sehubungan Dengan Regresi Linier Sederhana

Untuk setiap harga X yang diberikan variabel tak bebas Y indenpenden dan

berdistribusi normal dengan rata-rata (𝜃1 + 𝜃2 𝑋) dan𝜎𝑌2 . 𝑥 varians . varian 𝜎𝑌2 . 𝑥

dimisalkan sma untuk setiap X dan karenanya dapat dinyatakan oleh 𝜎𝜖2 yang biasa pula

dinamakan varians kekeliruan taksiran sedangkan 𝜎𝑌 .𝑋 dikenal dengan kekeliruan baku

taksiran.

Berpegang asumsi diatas, maka varians ditaksiran oleh rata-rata kuadrat penyimpangan

sekitar regresi atau disebut juga rata-rata kuadrat rresidu, dinyatakan oleh varians 𝑠𝑒2

yang rumusnya berbentuk

𝑠𝑌2 .𝑋 = 𝑠𝑒2 = ∑(𝑌𝑖 − 𝑌̂𝑖 )2 /(𝑛 − 2)

7
Dengan Y = variabel takbebas hasil pengamatan 𝑌̂= didapat dari regresi berdasarkan

sampel , dan n= ukuran normal

𝑛−1
𝑠𝑌2 .𝑋 = ( ) (𝑠𝑌2 − 𝑏 2 𝑠𝑥2 )
𝑛−2

Dengan 𝑠𝑌2 dan 𝑠𝑋2 masing-masing menyatakan varians untuk variabel-variabel Y dan X.

Setelah kita berhasil menghitung 𝑠𝑒2 maka varians-varians lainnya untuk regresi linier

sederhana dapat ditentukan ialah: varians koefisien regresi b

𝑠𝑏2 = 𝑠𝑌2 .𝑋 / ∑(𝑋𝑖 − 𝑋)

Varians koefisien regresi a

1 𝑋̅ 2
𝑠𝑎2 = 𝑠𝑌2 .𝑋 . { + }
̅̅̅2
𝑛 ∑(𝑋𝑖 − 𝑋)

Varians ramalan rata-rata Y untuk 𝑋0 yang diketahui

1 (𝑋0 − ̅̅̅
𝑋)2
𝑠𝑌2̂ = 𝑠𝑌2 .𝑋 .{ + }
𝑛 ∑(𝑋𝑖 − ̅̅̅
𝑋)2

Varians ramalan individu Y untuk 𝑋0 yang diketahui

̅̅̅2
1 (𝑋0 − 𝑋)
𝑠𝑌2̂ = 𝑠𝑌2 .𝑋 . {1 + + }
𝑛 ∑(𝑋𝑖 − ̅̅̅
𝑋)2

(∑ 𝑋 ) 2
Untuk rumus-rumus diatas, ∑(𝑋𝑖 − ̅̅̅
𝑋)2 dapat pula diganti oleh {∑ 𝑋𝑖2 − 𝑛𝑖 } yang

biasanya perhitungan untuk memperolehnya lebih mudah.

2.5 Menguji Hipotesis Sehubungan Dengan Regresi Linier Sederhana

Dalam penelitian seing ingin mengetahui apakah koefisien-koefisien regresi

linier populasi, 𝜃1 dan 𝜃2 mempunyai harga tertentu yang dihipoteisiskan ataukah tidak.

Dengan demikian perlu diadakan pengujian terhadap hipotesis nol 𝐻0 : 𝜃1 = 𝜃10 dan

8
𝐻0 : 𝜃2 = 𝜃20 dengan 𝜃10 dan 𝜃20 harga-harga yang diketahui. Pertam-tama akan

ditinjau mengenai pengujian hipotesis nol:

𝐻0 : 𝜃2 = 𝜃20 , melewan salah satu alternatif

𝐻1 : 𝜃2 ≠ 𝜃20 , atau mungkin

𝐻1 : 𝜃2 < 𝜃20 , atau

𝐻1 : 𝜃2 > 𝜃20

Dengan asumsi-asumsi seperi dijelaskan siatas maka untuk pengujiannya digunakan

statistic

𝑏 − 𝜃20
𝑡=
𝑠𝑏

Dengan dk untuk distribusi t diambil (n-2). Criteria pengujian seperti biasa

ditentukan oleh bentuk alternative 𝐻1 . Untuk alternative 𝐻1 : 𝜃2 ≠ 𝜃20 misalnya, maka

tolak hipotesis 𝐻0 jika 𝑡 ≥ 𝑡1 − 1⁄2 𝛼 atau 𝑡̅ ≥ 𝑡1 − 1⁄2 𝛼 dengan distribusi t yang

mempunyai dk = (n-2) dan menyatakan taraf nyata pengujian.

Uji indenpenden antara X dan Y tepatnya pengujian 𝐻0 : 𝜃2 = 𝜃20 dapat pula

ditempuh dengan menggunakan analisis varians untuk ini jumlah kuadrat-kuarat semua

nilai individu Y, ialah ∑ 𝑌 2 di pecah menjadi tiga bagian sumber varians berbentuk:

∑ 𝑌𝑖2 = (∑ 𝑌𝑖 )2/𝑛 + 𝑏 ∑(𝑋𝑖 − 𝑋̅)(𝑌𝑖 − 𝑌̅) + ∑( 𝑌𝑖 − 𝑌̅𝑖 )2

Dengan kata-kata semua sumber variasi ini biasanya dituliskan dalam bentuk :

Jumlah kuadrat-kuadrat total = jumlah kuadrat-kuadrat karena regresi (a)

+ jumlah kuadrat – kuadrat karena regresi (𝑎|𝑏)

+jumlah kuadrat-kuadrat residu

Hubungan diatas dapat dituliskan sebagai:

9
 (∑ 𝑌𝑖 )2
∑ 𝑌𝑖2 = + 𝐽𝐾(𝑏|𝑎) + 𝐽𝐾(𝑅𝑒𝑠)
𝑛

Dengan JK berarti jumlah kuadrat-kuadrat

Tiap jumlah kuadrat-kuadrat (JK) mempunyai derajat kebebasan masing-masing

yakni: n untuk∑ 𝑌 2 1 untuk JK (a), 1 untuk JK(𝑏|𝑎) dan (n – 2) untuk JK (Res). Jika

tiap JK dibagi oleh dk-nya masing-masing maka diperoleh kuadrat tengah di singkat KT

untuk tiap sumber variasi.

2.6 Regresi Linier Berganda

Ialah banyaknya data pengamatan yang terjadi sebagai akibat lebih dari 2

variavel.

Secara umum, data hasil pengamatan y bias terjadi akibat variable bebas x1, x2,…..,xk

dan nodel regresi linier ganda atas x1, x2,…..,xk ditentukan :

𝑦̅ = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 + … … . +𝑎𝑘 𝑥𝑘

Dimana :

a0, a1, a2,….., +ak = Koefisien – Koefisien berdasarkan hasil pengamatan.

Regresi Linier ganda dengan 2 variabel bebas :

𝑦̂ = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 … … ….

Sehingga ada 3 persamaan dengan 3 variabel yang terbentuk.

∑𝑦𝑖 = 𝑎0 𝑛 + 𝑎1 ∑𝑥1𝑖 + 𝑎2 ∑𝑥2𝑖

∑𝑦𝑖 𝑥1𝑖 = 𝑎0 ∑𝑥1𝑖 + 𝑎1 ∑𝑥1 2 𝑖 + 𝑎2 ∑𝑥2𝑖

∑𝑦𝑖 𝑥2𝑖 = 𝑎0 ∑𝑥2𝑖 + 𝑎1 ∑𝑥1 2 𝑖 + 𝑎2 ∑𝑥2𝑖

Regresi linier ganda dengan 3 variabel bebas :

𝑦̂ = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑎3 𝑥3 ………….

∑𝑦𝑖 = 𝑎0 𝑛 + 𝑎1 ∑𝑥1𝑖 + 𝑎2 ∑𝑥2𝑖 + 𝑎3 ∑𝑥3𝑖

10
∑𝑦𝑖 𝑥1𝑖 = 𝑎0 ∑𝑥1𝑖 + 𝑎1 ∑𝑥1 2 𝑖 + 𝑎2 ∑𝑥1𝑖 𝑥2𝑖 + 𝑎3 ∑𝑥1𝑖 𝑥3𝑖

∑𝑦𝑖 𝑥2𝑖 = 𝑎0 ∑𝑥2𝑖 + 𝑎1 ∑𝑥1𝑖 𝑥2𝑖 + 𝑎2 ∑𝑥2 2 𝑖 + 𝑎3 ∑𝑥2𝑖 𝑥3𝑖

∑𝑦𝑖 𝑥3𝑖 = 𝑎0 ∑𝑥3𝑖 + 𝑎1 ∑𝑥1𝑖 𝑥3𝑖 + 𝑎2 ∑𝑥2𝑖 𝑥3𝑖 + 𝑎3 ∑𝑥3 2 𝑖

𝑥1 = 𝑥1 − 𝑥̅1

𝑥2 = 𝑥2 − 𝑥̅2

𝑥3 = 𝑥3 − 𝑥̅3

Sehingga menjadi :

𝑦 = 𝑎1 𝑥1 + 𝑎2 𝑥2

𝑦 = 𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑎3 𝑥3

Dimana:

𝑎1 = ∑𝑦𝑖 𝑥1𝑖 = 𝑎1 ∑𝑥1 2 𝑖 + 𝑎2 ∑𝑥1𝑖 𝑥2𝑖

𝑎2 = ∑𝑦𝑖 𝑥2𝑖 = 𝑎1 ∑𝑥1𝑖 𝑥2𝑖 + 𝑎2 ∑𝑥2 2 𝑖

Koefisien 𝑎1 , 𝑎2 , 𝑎3 didapat dari :

𝑎1 = ∑𝑦𝑖 𝑥1𝑖 = 𝑎1 ∑𝑥1 2 𝑖 + 𝑎2 ∑𝑥1𝑖 𝑥2𝑖 +𝑎3 ∑𝑥1𝑖 𝑥3𝑖

𝑎2 = ∑𝑦𝑖 𝑥2𝑖 = 𝑎1 ∑𝑥1𝑖 𝑥2𝑖 + 𝑎2 ∑𝑥2 2 𝑖+𝑎3 ∑𝑥2𝑖 𝑥3𝑖

𝑎3 = ∑𝑦𝑖 𝑥3𝑖 = 𝑎1 ∑𝑥1𝑖 𝑥3𝑖 + 𝑎2 ∑𝑥2𝑖 𝑥3𝑖 + 𝑎3 ∑𝑥3 2 𝑖

Regresi linier ganda y atas 𝑥1 dan 𝑥2 adalah dengan rumus :

𝑦̂ = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2

Dimana 𝑎0 , 𝑎1 , 𝑎2 didapat dari :

𝑎0 = 𝑦̅ − 𝑎1 𝑥̅1 − 𝑎2 𝑥̅2
2
(∑𝑥2𝑖 )(∑𝑥1𝑖 𝑦𝑖 ) − ∑(𝑥1𝑖 𝑥2𝑖 )(∑𝑥2𝑖 𝑦𝑖 )
𝑎1 = 2 )(∑𝑥 2 ) 2
(∑𝑥1𝑖 2𝑖 − ∑(𝑥1𝑖 𝑥2𝑖 )

2
(∑𝑥1𝑖 )(∑𝑥2𝑖 𝑦𝑖 ) − ∑(𝑥1𝑖 𝑥2𝑖 )(∑𝑥1𝑖 𝑦𝑖 )
𝑎2 = 2 )(∑𝑥 2 ) 2
(∑𝑥1𝑖 2𝑖 − ∑(𝑥1𝑖 𝑥2𝑖 )

11
2.7 Korelasi

Korelasi adalah Analisis yang digunakan untuk mengukur tinggi rendahnya

derajat hubungan antar variabel yang di teliti atau keeratan antar variabel. Tinggi

rendahnya derajat keeratan tersebut dapat dilihat dari koefisien korelasinya.

Derajat hubungan antara variabel-variabelStatistik yang mengandung

tingkathubungan atau kerjasama di antara duavariabel.Pearson correlation adalah

statistik bivariat yang mengandung tingkat hubungan linear diantara dua variabel

kuantitatif.Korelasi mengukur derajat hubungan antara2 atau lebih variabel.Hubungan

antara 2 Variabel (Misal X dan Y)dapat linear, non-linear, positif atau negatif.

2.8 Korelasi Dalam Regresi Linier

Jika garis regresi yang terbaik untuk sekumpulan data berbentuk linier, maka

derajat hubungannya akan dinyatakan dengan r dan biasa dinamakan Koefisien

Korelasi. Apabila Y dan X berbentuk regresi linier maka diperoleh :

2
∑(𝑌𝑖 − 𝑌̅)2 − ∑(𝑌𝑖 − 𝑌̂𝑖 )2
𝑟 =
∑(𝑌𝑖 − 𝑌̅)2

𝑟 2 dinamakan Koefisien determinasi. √1 − 𝑟 2 dinamakan koefisien alienasi atau

koefisien perenggangan. Harga 1 − 𝑟 2 dinamakan koefisien non determinasi. Akan

berlaku 0 ≤ 𝑟 2 ≤ 1 sehingga koefisien korelasi didapat hubungan −1 ≤ 𝑟 ≤ +1.

Harga r = -1 menyatakan adanya hubungan linier sempurna tak langsung antara

X dan Y. Harga r = +1 menyatakan adanya hubungan linier sempurna langsung antara X

dan Y. Harga r lainnya bergerak antara -1 dan +1 dengan tanda negative menyatakan

korelasi tak langsung dan tanda positive menyatakan korelasi langsung. Untuk r = 0 ,

maka hendaknya ini ditafsirkan bahwa tidak terdapat hubungan linier antara variable X

dan Y.

12
Untuk keperluan perhitungan koefisien korelasi r berdasarkan data (𝑋𝑖 , 𝑌𝑖 ) berukuran n

dapat digunakan rumus :

𝑛∑𝑋𝑖 𝑌 − (∑𝑋𝑖 )(∑𝑌𝑖 )

𝑟=
√{𝑛∑𝑋𝑖2 − (∑𝑋𝑖 )2 }{𝑛∑𝑌𝑖2 − (∑𝑌𝑖 )2 }

Bentuk Lain :

𝑟 = √1 − 𝑆𝑦2 . 𝑥 /𝑆𝑦2

Jika persamaan regresi linier Y atas X telah ditentukan dan sudah didapat koefisien arah

b, maka koefisien determinasi 𝑟 2 dapat ditentukan oleh rumus :

𝑏{𝑛∑𝑋𝑖 𝑌𝑖 − (∑𝑋𝑖 )(∑𝑌𝑖 )}

𝑟2 =
𝑛∑𝑌𝑖2 − (∑𝑌𝑖 )2

Dari rumus diatas dapat diturunkan rumus koefisien korelasi

𝑟 = 𝑏 𝑠𝑥 /𝑠𝑦

Dengan 𝑠𝑥 simpangan baku X dan 𝑠𝑦 simpangan baku Y. JIka 𝑏1 koefisien arah regresi

Y atas X dan 𝑏2 koefisien arah regresi X atas Y untuk data yang sama, maka

𝑟 2 = 𝑏1 𝑏2

Rumus ini menyatakan bahwa koefisien korelasi r adalah rata-rata ukur daripada

koefisien-koefisien arah 𝑏1 𝑑𝑎𝑛 𝑏2.

13
2.9 Marketing

Marketing atau Pemasaran merupakan Suatu proses kegiatan menyeluruh dan

terpadu serta terencana, Yang dilakukan oleh institusi untuk menjalankan usaha guna

memenuhi kebutuhan pasar dengan cara membuat produk, Menetapakan harga,

Mengkomunikasikan, Dan mendistribusikan melalui kegiatan pertukaran untuk

memuaskan konsumen dan perusahaan.

Unsur pokok dalam kegiatan marketing (pemasaran):

1. Pemasar

Adalah organisasi perusahaan atau perorangan yang mempunyai tujuan tertentu

bagi organisasi maupun pribadinya. Tujuan pemasar seperti keuntungan, survive,

pangsa pasar, kesetiaan pelangga, kesejahteraan, dan sebagainya yang harus dipenuhi.

Pemasar dapat merupakan:

 Produsen (umumnya berioritas terhadap keuntungan)

 Organisasi (belum tentu berioritas terhadap keuntungan)

2. Pemerintah (berioritasi terhadap kesejahteraan umum)

3. Barang dan Jasa

4. Pasar

Adalah konsumen pribadi atau organisasi perusahaan yang mempunyai

kebutuhan dan keinginan konsumen.

5. Proses pertukaran

Pertukaran adalah kegiatan dua pihak yang masing-masing memrlukan sesuatu

milik pihak yang lain sebagai usaha untuk pemenuhan kebutuhan dan keinginan

masing-masing.

14
 Dengan adanya pemasaran konsumen tidak perlu lagi memenuhi kebutuhan

pribadi secara sendiri-sendiri dengan melakukan pertukaran antara konsumen dengan

pelaku pemasaran sehingga akan ada banyak waktu konsumen untuk kegiatan yang

dikuasai atau disukai.

Fungsi-Fungsi Pemasaran :

1. Fungsi Pertukaran

Dengan pemasaran pembeli dapat membeli produk dari produsen baik dengan

menukar uang dengan produk maupun pertukaran produk dengan produk (barter) untuk

dipakai sendiri atau untuk dijual kembali.

2. Fungsi Distribusi Fisik

Distribusi fisik suatu produk dilakukan dengan cara mengangkut serta

menyimpan produk. Produk diangkut dari produsen mendekati kebutuhan konsumen

dengan banyak cara baik melalui air, darat, udara, dsb. Penyimpanan produk

mengedepankan menjaga pasokan produk agar tidak kekurangan saat dibutuhkan.

3. Fungsi Perantara

Untuk menyampaikan produk dari tangan produsen ke tangan konsumen dapat

dilakukan pelalui perantara pemasaran yang menghubungkan aktivitas pertukaran

dengan distribusi fisik. Aktivitas fungsi perantara antara lain seperti pengurangan

resiko, pembiayaan, pencarian informasi serta standarisasi / penggolongan produk.

Strategi Pemasaran adalah sebuah proses yang dapat memungkinkan organisasi

untuk memusatkan sumber daya yang terbatas pada peluang terbesar untuk

meningkatkan penjualan dan mencapai keunggulan kompetitif yang berkelanjutan.

Strategi Pemasaran mencakup semua kegiatan dasar dan jangka panjang di bidang

pemasaran yang berhubungan dengan analisis situasi awal strategis perusahaan dan

15
perumusan, evaluasi dan pemilihan strategi yang berorientasi pasar dan karena itu

berkontribusi pada tujuan perusahaan dan tujuan pemasaran.

Konsep pemasaran yang dapat diidentifikasi setidaknya adalah:

a. Pendekatan berorientasi pengalaman (experiential oriented approach)

b. Pendekatan berorientasi konsumen (customer oriented approach)

c. Pendekatan berorientasi pasar (market oriented approach)

d. Pendekatan filosofis

e. Pendekatan institusional

f. Pendekatan teoritis

Bauran Pemasaran

Bauran pemasaran adalah empat komponen dalam pemasaran yang terdiri dari 4P yakni

 Product (produk)

 Price (harga)

 Place (tempat, termasuk juga distribusi)

 Promotion (promosi

Karena pemasaran bukanlah ilmu pasti seperti keuangan, teori bauran pemasaran juga

terus berkembang. Dalam perkembangannya, dikenal juga istilah 7P dimana 3P yang

selanjutnya adalah People (Orang), Physical Evidence (Bukti Fisik), Process (Proses).

2.10 Peneliti Terdahulu

Dalam menyelesaikan makalah ini, menggunakan jurnal Ilmu dan Riset

Manajemen yang berjudul “PENGARUH PRODUK, HARGA, PROMOSI DAN

DISTRIBUSI TERHADAP KEPUTUSAN PEMBELIAN KONSUMEN PADA

16
PRODUK PROJECTOR MICROVISION” yang dibuat oleh Doni Hariadi dan Soebari

Martoatmodjo.

Abstrak

Pada penulisan ini bertujuan untuk mengetahui signifikansi pengaruh faktor-

faktor marketing mix yang terdiri dari produk, harga, promosi dan distribusi baik secara

simultan maupun parsial terhadapkeputusan pembelian proyektor pada PT. Smart

Vision Surabaya. Adapun gambaran dari populasiyang teliti adalah seluruh konsumen

yang membeli produk proyektor Microvision Pada PT. SmartVision Surabaya sebagai

pemasar yang bertempat di Hitech Mall lantai dasar A1 no.3 Surabayadengan jumlah

sampel yang diambil sebanyak 90 orang untuk dijadikan responden. Teknik

analisisyang digunakan adalah analisa regresi berganda guna mengetahui besarnya

koefisien regresi sertamenunjukkan besarnya pengaruh produk, harga, promosi dan

distribusi baik secara simultanmaupun parsial terhadap keputusan pembelian proyektor

pada PT. Smart Vision Surabaya. Dari ujistatistik yang dilakukan juga dapat

disimpulkan bahwa variabel yang berpengaruh dominanterhadap keputusan konsumen

membeli proyektor Microvision pada PT. Smart Vision Surabayaadalah variabel produk

karena mempunyai koefisien determinasi partialnya paling besar yaitusebesar 15,21 %

dibandingkan variabel lainnya.

17
 BAB III

ANALISA DAN PENGOLAHAN DATA

3.1 Data Pengamatan

X1 X2 X3 X4 Y
1 0 0 0 0 0
2 3 11 10 6 0
3 8 43 51 53 27
4 51 35 24 27 55
5 28 1 5 4 8

Tabel 3.1 Data Pengamatan

Variabel Bebas (X) dan Variabel Terikat (Y)

X1 = Produk

X2 = Harga

X3 = Promosi

X4 = Distribusi

Y = Keputusan Membeli

𝑋1 2 𝑋2 2 𝑋3 2 𝑋4 2 𝑋1 𝑌 𝑋2 𝑌 𝑋3 𝑌 𝑋4 𝑌
1 0 0 0 0 0 0 0 0
2 9 121 100 36 0 0 0 0
3 64 1849 2601 2809 216 1161 1377 1431
4 2601 1225 576 729 2805 1925 1320 1485
5 784 1 25 16 224 8 40 32
∑ 3458 3196 3302 3590 3245 3094 2737 2948

Tabel 3.2 Hasil Perhitungan X dan Y

𝑋1 𝑋2 𝑋1 𝑋3 𝑋1 𝑋4 𝑋2 𝑋3 𝑋2 𝑋4 𝑋3 𝑋4

18
 1 0 0 0 0 0 0
2 33 30 18 110 66 60
3 344 408 424 2193 2279 2703
4 1785 1224 1377 840 945 648
5 28 140 112 5 4 20
∑ 2190 1802 1931 3148 3294 3431

Tabel 3.3 Hasil Perhitungan Antar Variabel Bebas

∑𝑦 = 𝑎0 𝑛 + 𝑎1 ∑𝑥1 + 𝑎2 ∑𝑥2 + 𝑎3 ∑𝑥3 + 𝑎4 ∑𝑥4

90 = 5𝑎0 + 90𝑎1 + 90𝑎2 + 90𝑎3 + 90𝑎4 ……………………………….. 1
∑𝑦𝑥1 = 𝑎0 ∑𝑥1 + 𝑎1 ∑𝑥1 2 + 𝑎2 ∑𝑥1 𝑥2 + 𝑎3 ∑𝑥1 𝑥3 + 𝑎4 ∑𝑥1 𝑥4
3245 = 90𝑎0 + 3458𝑎1 + 2190𝑎2 + 1802𝑎3 + 1931𝑎4 ………………... 2
∑𝑦𝑥2 = 𝑎0 ∑𝑥2 + 𝑎1 ∑𝑥1 𝑥2 + 𝑎2 ∑𝑥2 2 + 𝑎3 ∑𝑥2 𝑥3 + 𝑎4 ∑𝑥2 𝑥4
3094 = 90𝑎0 + 2190𝑎1 + 3196𝑎2 + 3148𝑎3 + 3294𝑎4 ……………….. 3
∑𝑦𝑥3 = 𝑎0 ∑𝑥3 + 𝑎1 ∑𝑥1 𝑥3 + 𝑎2 ∑𝑥2 𝑥3 + 𝑎3 ∑𝑥3 2 + 𝑎4 ∑𝑥3 𝑥4
2737 = 90𝑎0 + 1803𝑎1 + 3148𝑎2 + 3302𝑎3 + 3431𝑎4 ……………….. 4
∑𝑦𝑥4 = 𝑎0 ∑𝑥4 + 𝑎1 ∑𝑥1 𝑥4 + 𝑎2 ∑𝑥2 𝑥4 + 𝑎3 ∑𝑥3 𝑥4 + 𝑎4 ∑𝑥4 2
2948 = 90𝑎0 + 1931𝑎1 + 3294𝑎2 + 3431𝑎3 + 3590𝑎4 ……………….. 5

3.2 Mencari nilai – nilai koefisien regresi dengan cara eliminasi

Persamaan 1 dan 2
90 = 5𝑎0 + 90𝑎1 + 90𝑎2 + 90𝑎3 + 90𝑎4
3245 = 90𝑎0 + 3458𝑎1 + 2190𝑎2 + 1802𝑎3 + 1931𝑎4 -
−1625 = −1831𝑎1 − 570𝑎2 − 182𝑎3 − 311𝑎4 6

Persamaan 3 dan 4
3094 = 90𝑎0 + 2190𝑎1 + 3196𝑎2 + 3148𝑎3 + 3294𝑎4
2737 = 90𝑎0 + 1803𝑎1 + 3148𝑎2 + 3302𝑎3 + 3431𝑎4 -
357 = 387𝑎1 + 48𝑎2 − 154𝑎3 − 137𝑎4 7

Persamaan 6 dan 7

19
−1625 = −1831𝑎1 − 570𝑎2 − 182𝑎3 − 311𝑎4
357 = 387𝑎1 + 48𝑎2 − 154𝑎3 − 137𝑎4 +
20915 = 22061𝑎1 − 16086𝑎3 − 15503𝑎4 12

Persamaan 2 dan 3
3245 = 90𝑎0 + 3458𝑎1 + 2190𝑎2 + 1802𝑎3 + 1931𝑎4
3094 = 90𝑎0 + 2190𝑎1 + 3196𝑎2 + 3148𝑎3 + 3294𝑎4 -
151 = 1268𝑎1 − 1006𝑎2 − 1346𝑎3 − 1363𝑎4 8

Persamaan 4 dan 5
2737 = 90𝑎0 + 1803𝑎1 + 3148𝑎2 + 3302𝑎3 + 3431𝑎4
2948 = 90𝑎0 + 1931𝑎1 + 3294𝑎2 + 3431𝑎3 + 3590𝑎4 -
−211 = 128𝑎1 − 146𝑎2 − 129𝑎3 − 159𝑎4 9

Persamaan 1 dan 3
90 = 5𝑎0 + 90𝑎1 + 90𝑎2 + 90𝑎3 + 90𝑎4
3094 = 90𝑎0 + 2190𝑎1 + 3196𝑎2 + 3148𝑎3 + 3294𝑎4 -
−1474 = −570𝑎1 − 1576𝑎2 − 1528𝑎3 − 1674𝑎4 10

Persamaan 3 dan 5
3094 = 90𝑎0 + 2190𝑎1 + 3196𝑎2 + 3148𝑎3 + 3294𝑎4
2948 = 90𝑎0 + 1931𝑎1 + 3294𝑎2 + 3431𝑎3 + 3590𝑎4 -
146 = 259𝑎1 − 98𝑎2 − 283𝑎3 − 296𝑎4 11

Persamaan 8 dan 9
151 = 1268𝑎1 − 1006𝑎2 − 1346𝑎3 − 1363𝑎4
−211 = 128𝑎1 − 146𝑎2 − 129𝑎3 − 159𝑎4 -
234312 = 313896𝑎1 − 66742𝑎3 − 39044𝑎4 13

Persamaan 10 dan 11

20
−1474 = −570𝑎1 − 1576𝑎2 − 1528𝑎3 − 1674𝑎4
146 = 259𝑎1 − 98𝑎2 − 283𝑎3 − 296𝑎4 -
−374548 = −464044𝑎1 + 296264𝑎3 + 302444𝑎4 14

Persamaan 10 dan 7
−1474 = −570𝑎1 − 1576𝑎2 − 1528𝑎3 − 1674𝑎4
357 = 387𝑎1 + 48𝑎2 − 154𝑎3 − 137𝑎4 +
61485 = 72819𝑎1 − 39506𝑎3 − 37033𝑎4 15

Persamaan 12 dan 15
20915 = 22061𝑎1 − 16086𝑎3 − 15503𝑎4
61485 = 72819𝑎1 − 39506𝑎3 − 37033𝑎4 -
−1,8𝐸 + 08 = (−3,12𝐸 + 08𝑎1 ) + (1,7𝐸 + 07𝑎3 ) 16

Persamaan 13 dan 14
234312 = 313896𝑎1 − 66742𝑎3 − 39044𝑎4
−374548 = −464044𝑎1 + 296264𝑎3 + 302444𝑎4 +
5,6𝐸 + 10 = (7,68𝐸 + 10𝑎1 ) − (8,62𝐸 + 09𝑎3 ) 17

Persamaan 16 dan 17
−1,8𝐸 + 08 = (−3,12𝐸 + 08𝑎1 ) + (1,7𝐸 + 07𝑎3 )
5,6𝐸 + 10 = (7,68𝐸 + 10𝑎1 ) − (8,62𝐸 + 09𝑎3 ) +
−6𝐸 + 17 = −1,4𝐸 + 18𝑎1
𝑎1 = 0,426

Substitusikan 𝑎1 ke persamaan 16
−178656760 = (−3,12𝐸 + 08(0,426)) + (16748680𝑎3 )
−178656760 = (−133018136,6) + (16748680𝑎3 )
−45638623,4 = 16748680𝑎3
𝑎3 = −2,725

Substitusikan 𝑎1 dan 𝑎3 ke persamaan 12

21
20915 = 22061(0,426) − 16086(−2,725) − 15503𝑎4
20915 = 9407,663431 + 43832,88092 − 15503𝑎4
−32325,54435 = 15503𝑎4
𝑎4 = 2,085

Substitusikan 𝑎1 , 𝑎3 , dan 𝑎4 ke persamaan 6

−1625 = −1838(0,426) − 570𝑎2 − 182(−2,725) − 311(2,085)
−1625 = −783,79 − 570𝑎2 + 495,933 − 648,4709
−688,668213 = −570𝑎2
𝑎2 = 1,208

Mencari nilai 𝑎0
90 = 5𝑎0 + 90(0,426) + 90(1,208) + 90(−2,725) + 90(2,085)
90 = 5𝑎0 + 38,38 + 108,72 − 245,25 + 187,65
90 = 5𝑎0 + 89,46
0,54 = 5𝑎0
𝑎0 = 0,108

Persamaan Regresi berganda adalah

𝑦̂ = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑎3 𝑥3 + 𝑎4 𝑥4
𝑦̂ = 0,108 + 0,426𝑥1 + 1,208𝑥2 − 2,725𝑥3 + 2,085𝑥4

3.3 Kesalahan Peramalan

𝑆𝑆𝐸 𝑆𝑆𝐸 = 𝑆𝑆𝑟 − 𝑎𝑖 𝑆𝑆𝑥𝑖𝑦𝑖

𝑆2 =
𝑛−2

(∑𝑦)2 (∑𝑥𝑖 ∑𝑦𝑖 )

𝑆𝑆𝑟 = ∑𝑦 2 − 𝑆𝑆𝑥𝑦 = ∑𝑥𝑖 𝑦𝑖 −
𝑛 𝑛

X1 X2 X3 X4 Y 𝑋1 𝑌 𝑋2 𝑌 𝑋3 𝑌 𝑋4 𝑌

22
 0 0 0 0 0 0 0 0 0
3 11 10 6 0 0 0 0 0
8 43 51 53 27 216 1161 1377 1431
51 35 24 27 55 2805 1925 1320 1485
28 1 5 4 8 224 8 40 32
∑ 3245 3094 2737 2948

Tabel 3.4 Hasil Perhitungan X dengan Y

(∑𝑥1 ∑𝑦)
𝑆𝑆𝑥1𝑦 = ∑𝑥1 𝑦 −
𝑛
90 𝑥 90
= 3245 −
5
= 1625

(∑𝑥2 ∑𝑦)
𝑆𝑆𝑥2𝑦 = ∑𝑥2 𝑦 −
𝑛
90 𝑥 90
= 3094 −
5
= 1474

(∑𝑥3 ∑𝑦)
𝑆𝑆𝑥3𝑦 = ∑𝑥3 𝑦 −
𝑛
90 𝑥 90
= 2737 −
5
= 1117

(∑𝑥4 ∑𝑦)
𝑆𝑆𝑥4𝑦 = ∑𝑥4 𝑦 −
𝑛
90 𝑥 90
= 2948 −
5
= 1328

(∑𝑦)2
2
𝑆𝑆𝑟 = ∑𝑦 −
𝑛

23
 8100
= 3818 −
5
= 2198

𝑆𝑆𝐸 = 𝑆𝑆𝑟 − 𝑎1 𝑆𝑆𝑥1𝑦 − 𝑎2 𝑆𝑆𝑥2𝑦 − 𝑎3 𝑆𝑆𝑥3𝑦 − 𝑎4 𝑆𝑆𝑥4𝑦

= 2198 − (0,426 𝑥 1625) − (1,208 𝑥 1474) − (−2,725 𝑥 1117)
− (2,085 𝑥 1328)
= 2198 − 692,25 − 1780,592 + 3043,83 − 2768,88
= 0,103

0,103
𝑆2 =
3
= 0,034333
𝑆 = 0,185293 dari hasil perhitungan tersebut, kesalahan peramalannya adalah

0,185293

3.4 Indeks Determinasi

𝑆𝑆𝑟 − 𝑆𝑆𝐸
𝑅2 =
𝑆𝑆𝑟
2198 − 0,103
=
2198
= 0,999953
𝑅 = 0,999976 Menunjukkan suatu korelasi yang sangat tinggi

Artinya menunjukkan adanya hubungan antara produk, harga, promosi dan distribusi

terhadap keputusan membeli yang sangat baik.

BAB IV

24
 KESIMPULAN

4.1 Kesimpulan

Hasil pengujian secara regresi linier berganda menunjukkan pengaruh variable

bauran pemasaran yang terdiri dari produk, harga, promosi, dan tempat terhadap

keputusan konsumen membeli proyektor Microvision pada PT. Smart Vision Surabaya

sangat berpengaruh.

Hasil ini diperoleh kesalahan peramalan sebesar 0,185293 dan diperoleh indeks

determinasi (𝑅 2 ) sebesar 0,999953 atau 99,99 % yang menunjukkan bahwa hubungan

antara variable bebas yang terdiri dari produk, harga, promosi, dan distribusi terhadap

variable keputusan pembelian secara bersama-sama memiliki hubungan yang sangat

kuat.

4.2 Saran

Mengingat pengaruh variable bauran pemasaran terhadap keputusan konsumen

membeli proyektor Microvision yang kuat. Hendaknya perusahaan harus

memperhatikan kualitas produk, harga, strategi promosi dan distribusi untuk

meningkatkan kepercayaan konsumen untuk membeli Proyektor Microvision PT. Smart

Vision Surabaya

DAFTAR PUSTAKA

Irianto, Agus. 2004: Statistik Konsep Dasar & Aplikasinya, Ed. 1 Kencana.

Sudjana. 1996: Metoda Statistika, Ed. 6. Tarsito, Bandung.

Supranto, J. 2009: Teori Dan Aplikasi. Erlangga

Ir. Rr. Rochmoeljati, MMT. Buku Ajar Statistik Industri II. UPN Veteran Jatim

25
 Grafik Linier

PT. Smart Vision Surabaya

60.00

50.00

40.00
Y

30.00

20.00

10.00

0.00

0.00 10.00 20.00 30.00 40.00 50.00 60.00

Grafik Y terhadap X

26