Pengaruh Ranking Alexa terhadap Pendapatan PopAds dengan Uji Regresi

Daftar Isi

1. Pendahuluan
2. Model Regresi
3. Uji Asumsi Klasik
4. Analisis Regresi Linear Sederhana
5. Interpretasi
6. Artikel Terkait

Pendahuluan

Banyak sekali pertanyaan berapa pendapatan iklan yang dipasang pada sebuah blog. Jarang sekali blogger memberikan jawaban yang lugas dan jelas, biasanya berbias dan tidak terus terang. Kami sudah mencoba menjawab pertanyaan itu secara jelas, bahkan dengan screen shot pendapatan iklan blog ini. Tentunya itu tidak mewakili blog yang lain, karena setiap blog dan provider iklan mempunyai karakteristik yang berbeda.

Kali ini kami akan mencoba memberikan uji statistik, yaitu mencoba melihat pengaruh antara rangking Alexa terhadap pendapatan iklan PopAds, terutama di blog ini saja. Kami akan mencoba memberikan analisis statistik tentang pengaruh tinggi rendahnya rangking Alexa terhadap pendapatan iklan dari PopAds yang merupakan jenis iklan Pop Under. 

Model Regresi

Model regresi merupakan regresi linear sederhana, karena hanya menggunakan 1 buah variabel bebas dan tentu saja 1 buah variabel terikat. Variabel bebas adalah Rangking Alexa. Rangking Alexa adalah rangking yang diberikan oleh Situs Alexa.com yang merupakan rangking tingkat kunjungan yang diperoleh suatu website relatif terhadap website yang lain. Website yang paling ramai dikunjungi saat ini adalah Google.com sehingga mendapatkan Ranking 1. Rangking 2 ditempati oleh Youtube.com dan setiap saat bisa berubah. Rangking ditentukan oleh banyaknya pengunjung dan lama pengunjung tersebut berada di situs tersebut. Beberapa artikel tentang Alexa telah kami tuliskan di blog ini.

Variabel terikat adalah pendapatan iklan dari PopAds. PopAds adalah salah satu provider iklan Pop Under yang cukup populer di Indonesia, dan merupakan salah satu alternatif dari Google Adsense (GA). Banyak yang menggunakan PopAds karena tidak disetujui mendaftar GA atau telah dibanned.  

Uji Asumsi Klasik

Uji asumsi klasik yang dipergunakan adalah uji normalitas, uji autokorelasi dan uji heteroskedastisitas. Uji multikolinearitas tidak dipergunakan dalam analisis ini karena merupakan regresi linear sederhana. Data merupakan data time series menggunakan 90 data atau hari dari tanggal 24 Februari 2021 sampai dengan 24 Mei 2021. Grafik ranking Alexa yang tersedia memang hanya 90 hari terakhir, jadi digunakan data itu saja.

Karena merupakan time series, maka ada kecenderungan data mengalami gangguan autokorelasi, tetapi cenderung tidak mengalami gangguan heteroskedastisitas karena biasanya data time series tidak berfluktuasi secara ekstrem. Demikian juga gangguan normalitas jarang terjadi, tetapi bukan berarti bebas dari gangguan normalitas.

Uji Autokorelasi dengan Durbin-Watson

Hasil uji autokorelasi memberikan nilai 0,706 seperti pada tabel di atas. Silahkan dilihat atau dibandingkan dengan Tabel Durbin-Watson seperti pada artikel di sini. Nilai DW terletak antara 0 < 0,706 < dL (1,635) atau dinyatakan mengalami gangguan autokorelasi positif. Model time series memang cenderung mengalami masalah autokorelasi.

Upaya perbaikan dapat dilakukan dengan trial and error. Transformasi rangking Alexa dengan logaritma natural (Ln) tidak memberikan hasil, silahkan dicoba. Juga transformasi Lag tidak memberikan hasil yang optimal. Maka digunakan metode transformasi Difference delta. Sederhana saja konsepnya. Data kita transformasikan menjadi perubahan. Sebagai contoh, jika hari ini datanya 10, hari kemarin adalah 6 maka yang kita masukkan adalah (10-6) = 4. Demikian seterusnya. Sehingga bisa saja konsepnya menjadi pengaruh antara perubahan rangking Alexa terhadap perubahan pendapatan PopAds. Ini hanya modifikasi saja yang diharapkan dapat mengobati masalah autokorelasi pada model. 

Uji Autokorelasi Model Transformasi

Tampak bahwa nilai DW telah meningkat drastis menjadi 2,137 dan silahkan dibandingkan dengan Tabel DW, dengan catatan, datanya menjadi berkurang 1 menjadi 89 saja. Untuk memperkuat hasil pengujian tersebut, dilakukan pengujian autokorelasi dengan run test yang memberikan hasil sebagai berikut:

Uji Autokorelasi dengan Run Test

Nilai Signifikansi sebesar 0,750 > 0,05 yang menunjukkan bahwa model tidak mengalami gangguan autokorelasi setelah ditransformasikan. Pengujian normalitas memberikan hasil sebagai berikut:

Uji Normalitas dengan Histogram

Uji Normalitas dengan Normal P Plot

Uji Normalitas dengan Kolmogorov-Smirnov

Tidak ada gangguan normalitas pada model penelitian. Yang diuji normalitas yang mana ya? Model pertama atau model transformasi? Banyak yang sering menanyakan hal ini. Jawabannya sederhana, kita punya rumah, rusak, lalu kita perbaiki, nah, kita mau tinggal di mana? rumah yang rusak? atau yang sudah kita perbaiki? Sederhana saja. Seperti kehidupan kita sehari-hari. Buat apa repot-repot kalau toh akhirnya kita buang.

Uji heteroskedastisitas memberikan hasil sebagai berikut:

Uji Heteroskedastisitas dengan Scatteplot

Uji Heteroskedastisitas dengan Spearman Rho

Tidak ada gangguan heteroskedastisitas pada model penelitian. Pengujian heteroskedastisitas dengan metode Spearman Rho memperkuat hasil pengujian dengan Scatterplot. Berarti model sudah memenuhi semua uji asumsi klasik yang diperlukan.

Analisis Regresi Linear Sederhana

Setelah diperoleh model yang bebas dari gangguan yang ada, maka diperoleh hasil uji F sebagai berikut:

Goodness of Fit Model

Tampak jelas bahwa F hitung < F tabel atau Signifikansi sebesar 0,251 > 0,05 yang menunjukkan bahwa model tidak fit. Dapat dikatakan bahwa rangking Alexa tidak berpengaruh terhadap pendapatan iklan PopAds. Anda boleh saja melihat nilai R hitung, koefisien determinasi atau pun T hitung. Semuanya akan selaras dengan hasil ini.

Interpretasi 

Hasil analisis menunjukkan bahwa tidak ada pengaruh signifikan antara rangking Alexa terhadap pendapatan iklan PopAds di blog ini. Tentunya ini tidak berlaku keseluruhan untuk seluruh blog atau website yang ada di dunia. Beberapa hal yang dapat kita bahas di sini adalah sebagai berikut:

1. Rangking Alexa ditentukan oleh dua faktor utama, yaitu kunjungan dan waktu berada di website tersebut. Jadi jika ada pengunjung yang tidak melakukan klik, maka tidak akan memicu tampilnya iklan PopAds.
2. Bounce Rate blog ini relatif tinggi, di atas 70% bahkan pernah di atas 80% yang berarti banyak pengunjung yang tidak melakukan klik sehingga tidak memicu munculnya iklan PopAds.
3. Adanya rate iklan di PopAds, di mana semakin tinggi berarti semakin tinggi pula pendapatan yang diperoleh. Kadang 0,2 tetapi kadang bisa juga mencapai 0,53. Berarti meskipun iklan sering muncul tetapi jika rate-nya rendah, maka pendapatan juga rendah, demikian sebaliknya. Rate ini ditentukan oleh publisher

Dari hasil di atas maka untuk mendapatkan hasil yang lebih terarah, disarankan untuk memodifikasi model dengan saran sebagai berikut:

1. Memasukkan variabel rate, karena variabel ini menentukan tinggi rendahnya pendapatan iklan PopAds. Datanya tersedia
2. Memasukkan variabel bounce rate. Tetapi ini agak sulit karena kadang dalam beberapa hari atau beberapa minggu tidak berubah. Jadi dari data yang ada bisa dimodifikasi menjadi dua kelompok, bounce rate tinggi dan rendah, lalu diberikan kode dummy

Artikel Terkait

1. Berapa pendapatan blogger pemula?
2. PopAds, alternatif iklan selain Google Adsense
3. Ranking Alexa anjlok dratis
4. Lanjutan: Ranking Alexa anjlok drastis

Catatan: Bagi yang ingin mendapatkan data mentahnya dalam SPSS Versi 23 silahkan download melalu G Drive di sini.

Share: