3.5. Pengelolaan dan Analisa Data
3.5.2 Analisis Regresi Linier Berganda
Analisis regresi linier berganda digunakan untuk penelitian yang akan melihat hubungan antara lebih dari satu variabel independent yang mempengaruhi suatu variabel dependent. Koefisien determinasi atau R Square (R2), nilai ini digunakan untuk melihat seberapa jauh model yang terbentuk dapat menerangkan kondisi yang sebenarnya. Dapat
diartikan juga sebagai ukuran ketepatan atau kecocokan garis regresi yang diperoleh dari hasil pendugaan terhadap data hasil observasi.
Hal ini diinterpretasikan sebagai proporsi (presentase) dari keragaman Y yang diterangkan oleh model regresi untuk mengukur besar sumbangan dari variabel bebas X terhadap keragaman varabel tidak bebas Y. Adapun yang dinamakan dengan Adjusted R Square, yaitu sebagai R2 yang disesuaikan. Nilai ini menyatakan bahwa
Adjusted R Square adalah sebuah statistik yang berusaha mengoreksi R2 untuk lebih mendekati ketepatan model dalam populasi. Model regresi linier berganda dikatakan layak dipakai untuk penelitian, jika sebagian besar variabel dependent dijelaskan oleh variabel independent yang digunakan dalam model. Nilai R2 dikatakan baik jika diatas 0,5, nilai R2 berkisar antara 0 sampai 1.
Pada penelitian ini, analisis regresi linier berganda digunakan sebanyak empat kali. Analisis pertama variabel dependent yang dimaksud adalah Brand Image (Ybi), sedang variabel-variabel independentnya (Xwom) adalah : Talker, Topics, Tools, Talking part dan Tarcking.
Rumus analisis regresi linier berganda untuk lima variabel independent yaitu :
Ŷbi = a + bbi1Xwom1 + bbi2Xwom2 + bbi3Xwom3 + bbi4Xwom4 + bbi5Xwom5…(6) Dimana:
Ybi = Brand Image Xwom1 = Talker Xwom2 = Topics Xwom3 = Tools
Xwom4 = Talking Part Xwom5 = Tracking
a, bbi1-5 = Koefisien regresi
Analisis regresi linier berganda kedua terdiri atas variabel
variabel independentnya sama dengan diatas. Rumus analisis regresi linier berganda untuk lima variabel independent yaitu :
Ŷkk = a + bkk1Xwom1 + bkk2Xwom2 + bkk3Xwom3 + bkk4Xwom4 + bkk5Xwom5.(7) Dimana:
Ykk = Proses keputusan kunjungan Xwom1 = Talker
Xwom2 = Topics Xwom3 = Tools
Xwom4 = Talking Part Xwom5 = Tracking
a, bkk1-5 = Koefisien regresi
Analisis regresi linier berganda ketiga terdiri atas variabel dependent yakni Proses keputusan kunjungan (Ykk) dan variabel- variabel independentnya (Xbi) adalah gaya hidup, manfaat, geografis, harga dan pesaing. Rumus analisis regresi linier berganda untuk lima variabel independent yaitu :
Ŷkk = a + bkk1Xbi1 + bkk2Xbi2 + bkk3Xbi3 + bkk4Xbi4 + bkk5Xbi5…(8) Dimana:
Ykk = Proses keputusan kunjungan Xbi1 = Gaya Hidup
Xbi2 = Manfaat Xbi3 = Geografis Xbi4 = Harga Xbi5 = Pesaing
a, bkk1-5 = Koefisien regresi
Analisis regresi linier berganda keempat terdiri atas variabel dependent yakni Proses keputusan kunjungan (Ykk) dan variabel- variabel independentnya adalah Word of mouth (Xwom) dan Brand Image (Xbi). Rumus analisis regresi linier berganda untuk dua variabel independent yaitu :
Ŷkk = a + bkk1Xwom + bkk2Xbi ……….(9) Dimana:
Ykk = Proses keputusan kunjungan Xwom = Word of Mouth
Xbi = Brand Image a, bkk1-2 = Koefisien regresi
3.5.3 Uji F dan Uji t
Mengetahui apakah suatu persamaan regresi yang dihasilkan baik untuk mengestimasi nilai variabel dependen, maka perlu dilakukan uji simultan (uji F) dan uji parsial (uji t). Uji simultan bertujuan untuk mengetahui apakah semua peubah independen mempunyai pengaruh yang sama terhadap variabel dependen. Pengujian terhadap pengaruh peubah independen secara bersama-sama (simultan) terhadap perubahan nilai peubah dependen dilakukan melalui pengujian terhadap besarnya perubahan nilai peubah dependen yang dapat dijelaskan oleh perubahan nilai semua peubah independen.
Uji F dinyatakan memiliki pengaruh secara simultan jika F hitung lebih besar dari F tabel dan signifikan F kurang dari sama dengan alpha yang ditetapkan adalah sebesar 5 persen. Sedangkan uji t dinyatakan memiliki pengaruh secara parsial adalah jika t hitung lebih besar dari t tabel dan signifikan t hitung kurang dari sama dengan alpha.
3.5.4 Uji Hipotesis
Kriteria pengujian untuk melihat pengaruh variabel independent terhadap variabel dependent secara simultan dan secara parsial adalah sebagai berikut:
1. Uji secara simultan
Ho : Semua variabel independent tidak mempunyai pengaruh yang signifikan terhadap variabel dependent.
H1 : Semua variabel independent mempunyai pengaruh yang signifikan terhadap variabel dependent.
Kriteria pengujian
Dengan level of significance ( = 0,05 Degree of freedom = (k-1)(n-k)
H1 diterima, jika F hitung > F tabel, atau Sig ≤ 2. Uji secara parsial
Ho : Semua variabel independent tidak mempunyai pengaruh yang signifikan terhadap variabel dependent.
H1 : Semua variabel independent mempunyai pengaruh yang signifikan terhadap variabel dependent.
Kriteria pengujian
Dengan level of significance ( = 0,05 Degree of freedom = (n-k)
Ho diterima, jika t hitung ≤ t tabel, atau Sig > H1 diterima, jika t hitung > t tabel, atau Sig ≤
3.5.5 Analisis Korelasi Kanonikal
Analisis ini merupakan suatu analisis atau teknik yang digunakan untuk menentukan tingkat hubungan antara dua kelompok variabel yang masing-masing terdiri dari beberapa variabel. Metode ini cocok digunakan apabila ada dua atau lebih kriteria variabel terikat dan banyak digunakan variabel bebas. Analisis kanonikal merupakan lanjutan dari regresi berganda yang berfokus pada hubungan antara dua kelompok variabel berskala interval (Kuncoro, 2003).
Uji korelasi Kanonikal adalah teknik statistik yang digunakan untuk mengidentifikasi hubungan antara dua gugus peubah. Dalam penelitian, gugus peubah dependen (Y) adalah brand image Kebun Raya Bogor yang diwakili dengan gaya hidup (Y1), manfaat (Y2), geografis (Y3), harga (Y4) dan pesaing (Y5). Peubah independennya (X) adalah unsur-unsur word of mouth, yaitu Talker (X1), Topics (X2), Tools (X3), Taking Part (X4) dan Tracking (X5). Analisis ini dilakukan untuk mencari unsur word of mouth apa yang berhubungan dengan brand image Kebun Raya Bogor.
Prinsip dari metode ini adalah membentuk suatu kombinasi linear dari setiap gugus peubah (dependen dan independen) sedemikian sehingga korelasi di antara kedua gugus peubah tersebut menjadi maksimum. Nilai korelasi Kanonikal didapat dari operasi aritmatika
matriks korelasi kedua himpunan peubah (variat Kanonikal). Kekuatan korelasi antara peubah yang tergabung dalam variat kanonikal yang sama dinyatakan dalam varians bersama (shared variance), sedangkan hubungan antara variat kanonikal yang berbeda dinyatakan dalam indeks redundansi (redundancy index).
Interpretasi koefisien variat kanonikal, mencakup tiga besaran, bobot kanonikal (canonical weights), muatan kanonikal (canonical loadings) dan muatan-silang kanonikal (canonical cross-loadings). Analisis dilengkapi dengan uji sensitivitas peubah. Peubah yang diduga tidak memberi pengaruh dihapus dan nilai besaran hasil analisis dibandingkan. Uji sensitivitas peubah bertujuan menguji kestabilan fungsi linear yang dihasilkan.
Terdapat dua kolom vektor X = (x1, … , xn)’ dan Y = (y1, … , ym)’ dari random peubah, lalu dapat ditentukan kovariansi silang ∑xy = cov (X,Y) menjadi n x m matriks, (i, j) entry adalah kovariansi cov(xi,yj). Dalam prakteknya, akan diperkirakan kovarian matriks didasarkan pada data contoh dari X dan Y (yaitu dari sepasang matriks data). Analisis Canonical correlation mencari vektor a dan b seperti bahwa peubah acak sebuah a'X dan b'Y memaksimalkan korelasi ρ = cor (α’X, b’Y).
Peubah acak U = a'X dan V = b'Y adalah pasangan pertama peubah Kanonik. Kemudian salah satu vektor berusaha memaksimalkan korelasi sama, tunduk pada batasan yang akan berkorelasi dengan pasangan peubah kanonik pertama, sehingga memberikan pasangan kedua peubah kanonik. Prosedur ini dapat dilanjutkan sampai dengan min {m, n} kali.
IV. HASIL DAN PEMBAHASAN