BAB III METODE PENELITIAN
J. Alat Analisis Data
rxy rxy rgg + = 1 2 Keterangan : rgg = koefisien reliabilitas
rxy = koefisien korelasi product moment (antara nilai item ganjil dan nilai item genap) dengan taraf nyata 5 %
Dengan taraf signifikansi (α) 5% apabila r gg > r tabel maka kuesioner sebagai alat ukur dinyatakan andal dan dapat dikatakan memenuhi syarat reliabilitas, yaitu:
a) Jika r positif dan nilai r hitung ≥ r tabel dengan taraf signifikasi 5%, maka butir daan variabel tersebut reliabel atau andal.
b) Jika r negatif, serta nilai r hitung < r tabel dengan taraf signifikasi 5%, maka butir dan variabel tersebut tidak reliabel atau tidak andal.
J. Alat Analisis Data
1. Analisis Presentase
Analisis ini digunakan untuk menganalisis jawaban dari pengunjung yang telah ditunjuk sebagai responden dan untuk menjawab masalah tentang karakteristik responden, antara lain: program studi, tahun angkatan, usia, pendapatan, status tempat tinggal, lama pemakaian.
Rumus analisis persentase (sugiyono. 1993:63) % 100 × = N nX P Dimana: P = jumlah persentase
nX = jumlah yang akan dianalisis
N = jumlah total
2. Uji Asumsi Klasik
a. Uji Multikolinieritas
Uji asumsi klasik jenis ini diterapkan untuk analisis regresi berganda yang terdiri atas dua atau lebih variabel bebas, dimana akan diukur tingkat pengaruh variabel bebas tersebut melalui besaran koefisien korelasi ( r ). Dikatakan terjadi multikolinieritas, jika koefisien korelasi antar variabel bebas (X1 dan X2, X2 dan X3, X3 dan X4) lebih besar dari 0,60 (r > 0.60). Dikatakan tidak terjadi multikolinieritas jika koefisien korelasi antar variabel bebas (X1 dan X2, X2 dan X3, X3 dan X4) lebih kecil atau sama dengan 0,60 ( r ≤ 0,60).
Cara lain dalam menentukan ada tidaknya multikolinieritas adalah dengan (Danang S, 2007: 89-90) :
1) Nilai tolerance (α) adalah besarnya tingkat kesalahan yang dibenarkan secara statitik.
2) Nilai variance inflation factor (VIF) adalah faktor inflasi penyimpangan baku kuadrat.
Nilai tolerance (α) dan variance inflation factor (VIF) dapat dicari dengan menggabungkan kedua nilai tersebut yaitu :
- besar nilai tolerance (α) : α = 1 / VIF
- besar Nilai variance inflation factor (VIF) : VIF = 1 / α
Ketentuan :
Variabel bebas mengalami multikolinieritas jika : α hitung < α dan VIF hitung > VIF.
Variabel bebas tidak mengalami multikolinieritas jika : α hitung > α
dan VIF hitung < VIF.
Cara mengatasi multikolinieritas yaitu :
a) Menghilangkan salah satu atau lebih variabel bebas yang mempunyai
koefisien korelasi tinggi atau menyebabkan multikolinieritas.
b) Jika tidak dihilangkan (nomor 1) hanya digunakan untuk membantu
memprediksi dan tidak untuk diinterpretasikan.
c) Mengurangi hubungan linier antar variabel bebas dengan
menggunakan logaritma natural (ln).
d) Menggunakan metode lain misalnya metode regresi Bayesian dan
b. Uji Heteroskedastisitas
Dalam persamaan regeresi berganda perlu juga diuji mengenai sama atau tidak varians dari residual observasi yang satu dengan observasi yang lain. Jika residualnya mempunyai varians yang sama disebut terjadi Homoskedastisitas dan jika variansnya tidak sama disebut terjadi Heteroskedastisitas. Persamaan regresi yang baik adalah persamaan yang tidak terjadi heteroskedastisitas
Analisis uji asumsi heteroskedastisitas hasil output SPSS melalui grafik scatterplot antara Z prediction (ZPRED) yang merupakan variabel
bebas (sumbu X = Y hasil prediksi) dan nilai residualnya (SRESID)
merupakan variabel terikat (sumbu Y = Yprediksi – Yriil).
Homoskedastisitas terjadi jika pada scatterplot titik-titik hasil
pengolahan data antara ZPRED dan SRESID menyebar di bawah maupun di atas titik origin (angka 0) pada sumbu Y dan tidak mempunyai pola yang teratur.
Heteroskedastisitas terjadi jika pada scatterplot titiknya mempunyai pola yang teratur baik menyempit, melebar maupun bergelombang-gelombang.
c. Uji Normalitas
Uji Normalitas digunakan untuk menguji data variabel bebas (X) dan
data variabel terikat (Y) pada persamaan regresi yang dihasilkan, berdistribusi normal atau tidak normal.
Persamaan regresi dikatakan baik jika mempunyai data variabel bebas dan data variabel terikat berdistribusi mendekati normal atau normal sama sekali. Ada dua cara untuk melakukan uji normalitas (Danang S, 2007:96-102) yaitu :
1) Cara Statistik
Cara statistik yang dipakai untuk menguji data variabel bebas dan variabel terikat berdistribusi normal atau tidak adalah melalui nilai
kemiringan kurva (skewness = α3) atau nilai keruncingan kurva
(kurtosis = α4) dibandingkan dengan nilai Z tabel. Rumus nilai Z untuk kemiringan kurva (skewness) : Z skewness = Skewness / √ 6 / N atau Zα3 = α3/ √ 6 / N Rumus nilai Z untuk keruncingan kurva (kurtosis) :
Z kurtosis = kurtosis / √ 24 / N atau Zα4 = α4/ √ 24 / N, dimana N = banyaknya data.
Ketentuan analisis yaitu :
a) Variabel bebas atau terikat berdistribusi normal jika Z hitung (Zα3 atau Zα4) < Z tabel.
b) Variabel bebas atau terikat berdistribusi tidak normal jika Z hitung (Zα3 atau Zα4) > Z tabel.
2) Cara Grafik Histogram dan Normal Probability Plots
Cara grafik histogram dalam menentukan suatu data berdistribusi normal atau tidak, cukup dengan membandingkan antara data riil (nyata) dengan garis kurva yang terbentuk, apakah mendekati normal atau memang normal sama sekali. Jika data riil membentuk garis
kurva cenderung tidak simetris terhadap mean (U), maka dapat
dikatakan data berdistribusi tidak normal. Jika data riil membentuk
garis kurva cenderung simetris terhadap mean (U), maka dapat
dikatakan data berdistribusi normal.
Cara normal probability plots lebih handal daripada cara grafik histogram, karena cara ini membandingkan data riil dengan data distribusi normal (otomatis oleh komputer) secara kumulatif. Suatu data dikatakan berdistribusi normal ketika garis data riil mengikuti garis diaogonal.
d. Uji Autokorelasi
Persamaan regresi yang baik adalah yang tidak memiliki masalah autokorelasi, jika terjadi autokorelasi maka persamaan tersebut menjadi tidak baik dan tidak layak dipakai prediksi. Masalah autokorelasi baru
timbul jika ada korelasi secara linier antara kesalahan pengganggu t (berada) dengan kesalahan pengganggu t-1( sebelumnya).
Salah satu ukuran dalam menentukan ada tidaknya masalah autokorelasi dengan uji Durbin-Watson (DW) dengan ketentuan sebagai berikut :
a) Jika d lebih kecil dari dL atau lebih besar dari (4-dL) maka hipotesis nol ditolak, yang berarti terdapat autokorelasi.
b) Jika d terletak antara dU dan (4-dU), maka hipotesis nol diterima,
yang berarti tidak ada autokorelasi.
c) Jika d terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak dapat menghasilkan kesimpulan yang pasti.
3. Analisis Regresi Linier Berganda
Untuk mencari pengaruh satisfaction, habitual behavior, commitment,
dan liking of the brand secara simultan terhadap loyalitas merek, teknik analisis data yang digunakan adalah teknik Analisis Regresi Linier Berganda dengan model sebagai berikut:
Keterangan: Y : Loyalitas merek a : Konstanta b1,b2,b3,b4 : Koefisien regresi X1 : Satisfaction X2 : Habitual behavior X3 : Commitment
X4 : Liking of the brand