Total 97 100% Sumber : Hasil Pengolahan SPSS (Desember 2014)
4.2.4 Analisis Statistik Hipotesis II
H2 : Gaya hidup, merek, dan kelompok referensi diduga mempunyai pengaruh positif terhadap loyalitas produk iPad dikalangan mahasiswa/i Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara.
4.2.4.1. Uji Asumsi Klasik a. Uji Normalitas
Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogorov-Smirnov. 1. Pendekatan Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal.
Sumber : Hasil Pengolahan SPSS (Desember 2014)
Gambar 4.8 Grafik Histogram Uji Normalitas
Sumber : Hasil Pengolahan SPSS (Desember 2014) Gambar 4.9 Grafik Normal P-P Plot Uji Normalitas
Berdasarkan Gambar 4.8 dapat diketahui bahwa hubungan dari variabel Gaya Hidup, Merek, dan Kelompok Referensi terhadap Loyalitas Pelanggan adalah berdistribusi normal, hal ini ditunjukkan oleh gambar yang tidak terlihat melenceng ke kiri ataupun ke kanan. Sedangkan pada gambar 4.9 data berdistribusi normal dapat dilihat pada scatterplot, terlihat titik yang mengikuti data di sepanjang garis diagonal.
2. Pendekatan Kolmogorov-Smirnov
Berikut ini pengujian normalitas yang berdasarkan dengan uji statistik non-parametik Kolmogorov-Smirnov (K-S) untuk memastikan apakah data benar berdistribusi normal.
Tabel 4.16
One-Sample Kolmogrov-Smirnov Test
Unstandardiz ed Residual
N 97
Normal Parametersa,b Mean .0000000
Std. Deviation 1.42778418 Most Extreme Differences Absolute .102 Positive .102 Negative -.048 Kolmogorov-Smirnov Z 1.003
Asymp. Sig. (2-tailed) .267
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Pengolahan SPSS (Desember 2014)
Berdasarkan Tabel 4.16 terlihat bahwa nilai Asymp.Sig. (2-tailed) adalah 0,267, dan di atas nilai signifikan 5% (0,05), dengan kata lain variabel residual
b. Uji Heteroskedastisitas
Uji heteroskedastisitas ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari suatu variabel pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Terdapat beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas:
1. Metode Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Berdasarkan Gambar 4.10 dapat terlihat dari grafik Scatterplot yang disajikan, terlihat titik-titik menyebar secara acak tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi loyalitas pelanggan, berdasarkan masukan variabel independannya.
2. Uji Glejser
Uji Glejser dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolut residualnya. Jika nilai signifikansi antara variabel independen dengan absolut residual lebih dari 0,05 maka tidak terjadi masalah heteroskedastisitas. Tabel 4.17 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .777 1.132 .687 .494 GayaHidup .065 .037 .278 1.727 .088 Merek -.027 .050 -.096 -.535 .594 KelompokRef erensi -.060 .055 -.184 -1.091 .278
a. Dependent Variable: absut
Sumber : Hasil Pengolahan SPSS (Desember 2014)
Berdasarkan Tabel 4.17 terlihat jelas menunjukkan tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen
absolut Ut (absUt). Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%, jadi disimpulkan model regresi tidak mempengaruhi heteroskedastisitas.
c. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah variabel pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Berikut ini disajikan cara mendeteksi multikolinieritas dengan menganalisis matriks korelasi antar variabel dan perhitungan nilai.
Tabel 4.18 Uji Multikolinieritas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 2.010 1.767 1.138 .258 GayaHidup .198 .058 .463 3.388 .001 .399 2.503 Merek .099 .079 .193 1.265 .209 .321 3.111 KelompokRefer ensi -.054 .086 -.091 -.636 .526 .365 2.743
a. Dependent Variable: LoyalitasPelanggan
Sumber : Hasil Pengolahan SPSS (Desember 2014)
Berdasarkan Tabel 4.18 dapat dilihat bahwa :
1. Nilai VIF dari nilai Gaya Hidup, Merek, dan Kelompok Referensi lebih kecil atau dibawah 5 (VIF < 5), ini berarti tidak terkena multikolinieritas antara
2. Nilai Tolerance dari Gaya Hidup, Merek, dan Kelompok Referensi lebih besar dari 0,1 (Tolerance > 0,1), ini berarti tidak terdapat multikolinieritas antar variabel independen dalam model regresi.
4.2.4.2 Pengujian Koefisien Determinan (R2)
Pengujian koefisien determinan (R2) digunakan untuk mengukur proporsi atau persentase kemampuan model dalam menerangkan variabel terikat. Koefisien determinan berkisar antara nol sampai satu (0 ≤ R 2 ≥ 1). Jika R2
semakin besar (mendekati satu), maka dapat dikatakan bahwa pengaruh bebas (X) adalah besar terhadap variabel terikat (Y). Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pangaruh variabel bebas terhadap terikat dan demikian sebaliknya.
Tabel 4.19
Pengujian Koefisien Determinan (R2)
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .554a .306 .284 1.45063
a. Predictors: (Constant), GrupReferensi, GayaHidup, Merek b. Dependent Variable: LoyalitasPelanggan
Sumber : Hasil Pengolahan SPSS (Desember 2014) Berdasarkan Tabel 4.15 dapat dilihat bahwa :
1. R = 0,554 berarti hubungan sub variabel Gaya Hidup, Merek, dan Kelompok Referensi terhadap variabel terikat yaitu Loyalitas Pelanggan (Y) sebesar 55,4%. Artinya hubungannya cukup erat.
2. Adjusted R Square sebesar 0,284 berarti 28,4% variabel Loyalitas Pelanggan dapat dijelaskan oleh variabel Gaya Hidup, Merek, dan Kelompok
Referensi. Sedangkan sisanya 71,6% dapat dijelaskan oleh variabel lain yang tidak diteliti dalam penelitian ini.
3. Standard Error of the Estimate (standar deviasi) artinya menilai ukuran variasi dari nilai yang diprediksi. Dalam penelitian ini standar deviasinya sebesar 1,45063. Semakin kecil standar deviasi berarti model semakin baik. 4.2.4.3 Uji Signifikan Simultan (F)
Tabel 4.20
Hasil Uji Signifikansi Simultan (Uji-F) ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 86.462 3 28.821 13.696 .000a
Residual 195.702 93 2.104
Total 282.165 96
a. Predictors: (Constant), KelompokReferensi, GayaHidup, Merek b. Dependent Variable: LoyalitasPelanggan
Sumber : Hasil Pengolahan SPSS (Desember 2014)
Pada Tabel 4.20 dapat dilihat bahwa hasil perolehan Fhitung pada kolom F yakni sebesar 13,696 dengan tingkat signifikansi = 0,000. Sedangkan Ftabel pada tingkat kepercayaan 95% (α = 0,05) adalah 2,72. Oleh karena pada kedua perhitungan yaitu Fhitung> Ftabel dan tingkat siginifikansinya (0,000 < 0,05), menunjukkan bahwa pengaruh variabel independen (Gaya Hidup, Merek, dan Kelompok Referensi) secara serempak adalah signifikan terhadap Loyalitas Pelanggan.
4.2.4.4 Uji Signifikan Secara Parsial (t)
Pengujian ini dilakukan untuk mengetahui seberapa jauh pengaruh suatu variabel independen secara parsial (individual) terhadap variasi variabel dependen.
Tabel 4.21
Hasil Uji Signifikansi Parsial (Uji-t) Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 4,654 2,242 2,076 ,041 GayaHidup ,304 ,105 ,281 2,896 ,005 Merek ,223 ,087 ,262 2,559 ,012 GrupReferensi ,206 ,079 ,272 2,617 ,011
a. Dependent Variable: LoyalitasPelanggan Sumber : Hasil Pengolahan SPSS (Desember 2014)
Berdasarkan Tabel 4.17 dapat dilihat bahwa : 1. Variabel Gaya Hidup (X1)
Nilai Thitung variabel Gaya Hidup adalah 2,896 dan nilai Ttabel1,664 maka Thitung > Ttabel (2,896> 1,664) sehingga dapat disimpulkan bahwa variabel Gaya Hidup berpengaruh positif dan signifikan (0,005< 0,05) secara parsial terhadap Loyalitas Pelanggan. Artinya jika ditingkatkan variabel Gaya Hidup sebesar satu satuan maka Loyalitas Pelanggan akan meningkatsebesar 0,304 satuan.
2. Variabel Merek (X2)
Nilai Thitung variabel Merek adalah 2,558 dan nilai Ttabel 1,664 maka Thitung > T (2,558< 1,664) sehingga dapat disimpulkan bahwa variabel
Merekberpengaruh positif dan signifikan (0,012<0,05) secara parsial terhadap Loyalitas Pelanggan. Artinya jika ditingkatkan variabel Merek sebesar satu satuan maka Loyalitas Pelanggan akan meningkat sebesar 0,223 satuan.
3. Variabel Kelompok Referensi (X3)
Nilai Thitung variabel Kelompok Referensi adalah 2,617 dan nilai Ttabel 1,664 maka Thitung > Ttabel (2,617 > 1,664) sehingga dapat disimpulkan bahwa variabel Kelompok Referensi berpengaruh positif dan signifikan (0,011< 0,05) secara parsial terhadap Loyalitas Pelanggan. Artinya jika ditingkatkan variabel Kelompok Referensi sebesar satu satuan maka Loyalitas Pelanggan akan meningkat sebesar 0,206 satuan.
4.2.4.5 Analisis Regresi Linear Berganda
Berdasarkan hasil pengolahan data yang ditunjukkan dalam Tabel 4.21, maka diperoleh persamaan hasil regresi linear berganda sebagai berikut:
Y = 4,654 + 0,304X1 + 0,223X2+ 0,206X3+e
Berdasarkan persamaan tersebut dapat digambarkan sebagai berikut:
1. Konstanta = 4,654, ini menunjukkan harga konstan, dimana jika variabel Gaya Hidup, Merek, dan Kelompok Referensi adalah konstan, maka Loyalitas Pelanggan = 4,654.
2. Koefisien X1 = 0,304, ini menunjukkan bahwa apabila variabel Gaya Hidup ditingkatkan dan variabel Merek dan Kelompok Referensi adalah konstan, maka akan meningkatkan Loyalitas Pelanggan sebesar 0,304 satuan.
3. Koefisien X2 = 0,223, ini menunjukkan bahwa apabila variabel Merek ditingkatkan dan variabel Gaya Hidup dan Kelompok Referensi adalah
konstan, maka akan meningkatkan Loyalitas Pelanggan sebesar 0,223 satuan.
4. Koefisien X3 = 0,206, menunjukkan bahwa apabila variabel Kelompok Referensi ditingkatkan dan variabel Gaya Hidup dan Merek adalah konstan, maka meningkatkan Loyalitas Pelanggan sebesar 0,206 satuan.
4.3 Pembahasan
4.3.1 Gaya Hidup, Merek, dan Kelompok Referensi diduga Mempunyai