Metode analisis data yang digunakan dalam penelitian ini adalah analisis kuantitatif dengan menguji hipotesis. Menurut Kuncoro, (2009: 145) Data kuantitatif ialah data yang diukur dalam skalan numerik (angka). Data tersebut diperhitungkan dengan model statistic, sebelumnya data tersebut harus diklasifikasikan dalam kategori tertentu dengan menggunakan tabel-tabel
tertentu. Untuk mempermudah dalam mengolah dan menganalisis data, dalam penelitian ini menggunakan program IBM SPSS (Statistical Package for Social Science) versi 23.0 for windows. Adapun alat analisis yang digunakan yaitu uji validitas dan reabilitas.
Adapun alat analisis yang digunakan yaitu uji validitas dan reliabilitas.
1. Uji Coba Instrumen a. Uji Validitas
Validitas mengacu pada seberapa jauh suatu ukuran empiris cukup menggambarkan arti sebenarnya dari konsep yang tengah diteliti. Dengan kata lain, suatu instrument pengukuran yang valid mengukur apa yang seharusnya diukur, atau mengukur apa yang hendak kita ukur.
Menurut Ghozali (2016:52) uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dinyatakan valid ketika pertanyaann pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.
(∑ ) (∑ ∑ )
√[ ∑ (∑ ) ] [ ∑ (∑ ) ] Dimana:
r : koefisien korelasi product momen X : skor tiap pertanyaan/ item
Y : skor total
N : jumlah responden
Uji validitas digunakan untuk menghitung nilai korelasi (r) antara data pada masing-masing pertanyaan dengan skor total. Uji signifikasi dilakukan dengan membandingkan nilai rhitung dengan rtabel untuk degree of freedom (df) = n – 2, dimana hasilnya sebagai berikut:
- Jika rhitung > rtabel, maka butir pertanyaan tersebut valid. - Jika rhitung < rtabel, maka butir pertanyaan tersebut tidak valid.
b. Uji Reliabilitas
Reliabilitas adalah indikator tingkat keandalan atau kepercayaan terhadap suatu hasil pengukuran. Suatu pengukuran disebut reliable atau memiliki keandalan jika konsisten memberikan jawaban yang sama. Dalam hal penelitian, jika suatu pengukuran konsisten dari satu waktu ke waktu lainnya, maka pengukuran itu dapat diandalkan dan dapat dipercaya dalam derajat tertentu (Morrisan, 2015:99).
Jika pernyataan dalam kuesioner telah dinyatakan sah/valid, selanjutnya dilakukan uji reliabilitas data. Reliabilitas digunakan untuk mengukur variabel melalui suatu kuesioner yang dapat dipercaya. Suatu kuesioner dikatakan reliable jika jawaban terhadap pertanyaan adalah konsisten atau stabil dari waktu ke waktu walaupun diuji berkali-kali (Ghozali, 2016:47).
Untuk menghitung reliabilitas dapat dilakukan dengan menggunakan rumus Cronbach Alpha berikut ini:
( ) ( ∑ ) Dimana: : reliabilitas kuesioner
: banyaknya butir pertanyaan ∑ : jumlah variansi butir
: variansi total.
Instrumen untuk mengukur masing-masing variabel dikatakan reliable jika memenuhi batasan reliabilitas yang sudah ditentukan, yaitu: (Ghozali, 2016:48)
- Jika ralpha > 0,70, maka pernyataan reliable - Jika ralpha < 0,70, maka pernyataan tidak reliable
2. Uji Asumsi Klasik
Sebelum melakukan analisis regresi linier berganda, perlu dilakukan pengujian asumsi klasik terlebih dahulu, agar data sampel yang diolah benar-benar dapat mewakili populasi secara keseluruhan. Uji asumsi klasik dalam penelitian ini mencakup uji multikolinearitas, uji hetereokedastisitas dan uji normalitas. Uji asumsi tersebut secara lebih jelas diuraikan sebagai berikut:
a. Uji Multikolinearitas
Menurut Sudarmanto (2005:136-137) dalam (Rusman, 2015:59) uji asumsi tentang multikolinearitas ini dimaksudkan untuk membuktikan atau menguji ada tidaknya hubungan yang linear antara variable bebas (independen) satu dengan variable bebas (independen) lainnya. Pengujian dengan menggunakan analisis regresi linear berganda, maka terdapat dua atau lebih variable bebas atau variable independen yang diduga akan mempengaruhi variable terikatnya (dependen).
Cara untuk menentukan apakah model memiliki gejala multikolonieritas atau tidak, salah satunya dengan melihat nilai VIF dan Tolerance (Hengky, 2013:63) :
a) Jika nilai VIF < 10.00 dan nilai Tolerance > 0.1, maka tidak terjadi multikolonieritas.
b) Jika nilai VIF > 10.00 dan nilai Tolerance < 0.1, maka terjadi multikolonieritas.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan kepengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah tidak terjadi Heteroskedastisitas (Ghozali, 2016:134).
Berikut beberapa cara dalam mendeteksi adanya heterokedastisitas (Hengky, 2013: 66):
Jika terdapat pola tertentu pada grafik scatterplot seperti titik- titik yang membentuk pola teratur (bergelombang) maka terjadi heterokedastisitas. Jika tidak ada pola yang jelas dan titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y maka tidak terjadi heterokedastisitas.
b) Uji Glejser
Pada uji glejser ini suatu variabel mengalami heterokedastisitas jika nilai signifikannya < 0.05 dan jika variabel itu tidak mengalami heterokedastisitas nilai signifikannya > 0.05.
c. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil (Ghozali,2016). Nilai residual dikatakan berdistribusi normal jika nilai residual terstandarisasi tersebut sebagian besar mendekati nilai rata-ratanya. Untuk mendeteksi apakah nilai residual terstandarisasi berdistribusi normal atau tidak, maka dapat digunakan metode analisis grafik dan analisis statistik (Ghozali, 2016: 154):
a) Analisis Grafik. Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Pengujian normalitas dalam penelitian ini menggunakan diagram histogram dan grafik p-p plot untuk memprediksi apakah data berdistribusi normal atau tidak.
b) Analisis Statistik. Uji Normalitas dengan grafik dapat menyesatkan jika tidak hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh sebab
itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik. Salah satu uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametik Kolmogorov-Smirnov (K-S) pada alpha sebesar 5%. Jika nilai signifikan dari pengujian Kolmogorov-Smirnov lebih besar dari 0,05 berarti data normal, jika tidak maka data tidak berdistribusi normal.
3. Pengujian Hipotesis
a. Uji Koefisioen Determinasi (Uji R Square: R2)
Menurut Ghozali (2016:95) Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variabel-variabel dependen. Nilai koefisien determinasi adalah antara 0 dan 1. Nilai R² yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2016:95). Kelemahan mendasar penggunaan koefisien determinasi adalah bila terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka R² pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu, banyak peneliti menganjurkan untuk menggunakan nilai Adjusted R² pada saat mengevaluasi mana model regresi terbaik. Tidak seperti R², nilai Adjusted R² dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model (Ghozali, 2016: 95).
b. Uji Signifikansi Parameter Individual (Uji Parsial: Uji-t)
Uji t digunakan untuk menguji apakah setiap variabel (independen) secara masing-masing parsial atau individual memiliki pengaruh yang signifikan terhadap variabel terikat (dependen) pada tingkat signifikan 0.05 (5%) dengan menganggap variabel bebas bernilai konstan.
Pengujian dilakukan dengan uji t atau t-test yaitu membandingkan antara t hitung dengan t tabel. Uji ini dilakukan dengan:
a) Jika t tabel > t hitung, maka variabel independen tidak berpengaruh terhadap variabel dependen.
b) Jika t tabel < t hitung, maka variabel independen berpengaruh signifikan terhadap variabel dependen.
Pengujian juga dapat dilakukan dengan melalui pengamatan nilai signifikansi t pada tingkat ɑ yang digunakan (penelitian ini menggunakam tingkat ɑ sebesar 0.05 atau 5%). Analisis ini didasarkan pada perbandingan antara nilai signifikansi t dengan nilai signifikansi 0.05, dimana syarat-syaratnya adalah sebagai berikut :
a) Jika signifikansi t < 0.05 maka variabel independen berpengaruh signifikan terhadap variabel dependen (Ho ditolak, Ha diterima). b) Jika signifikansi t > 0.05 maka variabel independen tidak
berpengaruh signifikasi terhadap variabel dependen (Ho diterima, Ha ditolak).
c. Uji Signifikansi Simultan (Uji F)
Uji statistik F bertujuan menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen (Ghozali, 2016:96). Pengujian ini menggunakan uji F yaitu dengan membandingkan F hitung dengan F tabel. Uji ini dilakukan dengan cara :
a) Jika F hitung < F tabel, maka variabel-variabel independen secara simultan tidak berpengaruh terhadap variabel dependen.
b) Jika F hitung > F tabel, maka variabel-variabel independen secara simultan berpengaruh terhadap variabel dependen.
Adapun cara pengujian dalam uji F ini, yaitu dengan menggunakan suatu variabel yang disebut dengan tabel ANOVA (Analysis of Variance) dengan melihat nilai signifikan (Sig < 0.05 atau 5%). Jika nilai signifikan > 0.05 maka H1 ditolak sebaliknya jika nilai nilai F hitung digunakan formula berikut (Ghozali, 2016:160) :
( ) Keterangan : F = Nilai F hitung R2 = Koefisien Determinasi K = Jumlah Variabel
n = Jumlah pengamatan (ukuran sampel)
4. Analisis Regresi Linier Berganda
Analisis regresi linier berganda bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel dependen, bila dua atau lebih variabel independen sebagai faktor prediator dimanupalasi (Sugiyono, 2009:275). Metode ini untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel dependen. Teknik analisis data dalam penelitian ini menggunakan analisis regresi linier berganda. Yang digunakan untuk bersama-sama menghitung periklanan, promosi penjualan, penjualan perseorangan, hubungan masyarakat, dan pemasaran langsung. Model persamaan linier berganda adalah sebagai berikut:
Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + e Keterangan:
Y : Keputusan Penggunaan iB Hasanah card a : Koefisien Konstanta b1, b2, b3, b4,b5 : Koefisien Regresi X1 : Periklanan X2 : Promosi Penjualan X3 : Penjualan Perseorangan X4 : Hubungan Masyarakat X5 : Pemasaran Langsung