B. Analisis Data
5. Uji Asumsi Klasik
a. Uji Multikolinieritas
Seperti yang telah dijelaskan pada bab sebelumnya uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi anntar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkolerasi, mak variabel-variabel ini tidak ortogonal. Variabel ortogonal
adalah variabel independen sama dengan nol (Ghozali, 2013: 105).
Tabel 4. 6 Hasil Uji Multikolonieritas
Coefficient Correlationsa Model Public relatio n Plac e Prod uck Prom otion Proc ess Pysical eviden ce Price Peop le Pow er Produc tivity and quality 1 Correl ations Public relation 1.000 -.002 -.103 -.021 -.085 -.192 -.170 -.120 -.252 .042 Place -.002 1.00 0 -.035 -.033 -.168 -.252 .022 -.101 .078 -.289 Product -.103 -.035 1.00 0 -.054 -.163 .011 -.055 -.140 -.030 -.156 Promotion -.021 -.033 -.054 1.000 .103 -.243 -.262 -.118 .034 -.233 Process -.085 -.168 -.163 .103 1.00 0 -.028 -.109 -.121 .004 -.294 Physical evidence -.192 -.252 .011 -.243 -.028 1.000 .051 -.150 -.321 .161 Price -.170 .022 -.055 -.262 -.109 .051 1.00 0 .048 -.413 -.124 People -.120 -.101 -.140 -.118 -.121 -.150 .048 1.00 0 -.022 -.267 Power -.252 .078 -.030 .034 .004 -.321 -.413 -.022 1.00 0 -.097 Productivit y and quality .042 -.289 -.156 -.233 -.294 .161 -.124 -.267 -.097 1.000 Covari ances Public relation .007 - 1.22 2E-5 .000 .000 .000 -.001 -.001 .000 -.002 .000
Place - 1.222E -5 .004 .000 .000 .000 -.001 .000 .000 .000 -.002 Product .000 .000 .004 .000 .000 6.011E -5 .000 .000 .000 -.001 Promotion .000 .000 .000 .005 .001 -.001 -.002 .000 .000 -.002 Process .000 .000 .000 .001 .005 .000 .000 .000 2.62 8E-5 -.002 Physical evidence -.001 -.001 6.01 1E-5 -.001 .000 .007 .000 -.001 -.002 .001 Price -.001 .000 .000 -.002 .000 .000 .007 .000 -.003 -.001 People .000 .000 .000 .000 .000 -.001 .000 .007 .000 -.002 Power -.002 .000 .000 .000 2.62 8E-5 -.002 -.003 .000 .007 .000 Productivit y and quality .000 -.002 -.001 -.002 -.002 .001 -.001 -.002 .000 .011 a. Dependent Variable: Keputusan menabung
Sumber: Data diolah dengan SPSS 16
Tabel 4. 7 Hasil Uji Multikolonieritas
Coefficientsa Model Unstandardized Coefficients Standardiz ed Coefficien ts t Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF 1 (Constant) 1.006 1.767 .570 .570 Product .030 .067 .033 .451 .653 .446 2.240 Place .045 .067 .052 .675 .501 .395 2.529 Process .016 .073 .017 .216 .830 .356 2.807
Productivity and quality .066 .105 .062 .627 .531 .236 4.231 People .182 .085 .183 2.151 .033 .321 3.111 Promotion -.234 .073 -.257 -3.213 .002 .364 2.750 Physical evidence .428 .084 .417 5.092 .000 .345 2.895 Price .254 .084 .272 3.010 .003 .284 3.516 Power .012 .084 .013 .144 .886 .274 3.651 Public relation .144 .081 .144 1.776 .078 .353 2.832 a. Dependent Variable: Keputusan
menabung
Sumber: Data diolah dengan SPSS 16
Melihat hasil besaran korelasi antar variabel independen tampak hanya variabel Physical evidence yang mempunyai korelasi cukup tinggi dengan variabel Power dengan tingkat korelasi sebesar -0.321 atau sekitar 32,1%. Oleh karena itu korelasi ini masih dibawah 95%, maka dapat dikatakan tidak terjadi multikolonieritas yang serius.
Hasil perhitungan nilai Tolerance juga menunjukkan tidak ada variabel independen yang memiliki nilai Tolerance kurang dari 0.10 yang berarti tidak ada korelasi antar variabel indipenden yang nilainnya lebih dari 95%. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukkan hal yang sama tidak ada satu variabel independen yang memiliki nilai VIF lebih dari 10. Karena cuttof yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai Tolerance <0.10 atau sama dengan nilai VIF >10, setiap peneliti harus menentukan tingkat
kolonieritas yang masih dapat di tolerir (Ghozali, 2013: 106). Jadi dapat disimpulkan dari hasil uji diatas bahwa tidak ada multikolonieritas antar variabel independen dalam model regresi.
b. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadiketidaksamaan variance dari residual satu pengamatan ke pengamatan 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 yang Homoskedastisitas atau tidak terjadi Heteroskesdatisitas. Kebanyakan data crossection
mengandung situasi heteroskesdatisitas karena data ini menghimpun data yang mewakili berbagai ukuran (kecil, sedang dan besar).
Ada beberapa uji statistik yang dapat digunakan untuk mendeteksi ada tidaknya Heteroskedastisitas, peneliti mmengambil Uji Glejser yang sering digunakan dalam menguji ada tidaknya Heteroskedastisitas.
Uji Glejser mengusulkan untuk meregres nilai absolut residual terhadap variabel independen (Gujarati 2013 dalam Ghozali, 2013: 142). Regresi variabel Keputusan Mahasiswa untuk Menabung sebagai variabel dependen dan variabel Product, Place, Process, Productivity and quality, People, Promotion,
Physical evidence, Price, Power, Public Relation sebagai variabel independen dan moderating sehingga persamaan regresi menjadi: Abs Keputusan mahasiswa untuk Menabung = b0 + b1 Product + b2 Place + b3 Process + b4 Productivity and quality + b5 People
+ b6 Promotion + b7 Physical evidence + b8 Price + b9 Power +
b7 Public relation
Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi Heteroskedastisitas. Hasil tampilan output SPSS dengan menunjukkan bahwa tidak ada satupun variabel independen yang signifikan secara ststistik mempengaruhi variabel dependen nilai absolut Keputusan Mahasiswa untuk Menabung. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5%. Uji Glejser memiliki dasar pengambilan keputusan sebagai berikut:
1) Jika nilai signifikansi variabel independen < 0.05, maka terjadi Heterokedastisitas.
2) Jika nilai signifikansi variabel independen > 0.05, maka tidak terjadi Heterokedastisitas.
Jadi dapat disimpulkan model regresi pada penelitian ini tidak mengandung adanya Heteroskedastisitas.
Tabel 4. 8 Hasil Uji Heterokedastisitas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .514 .874 .588 .557 Product -.010 .033 -.039 -.312 .755 Place .004 .033 .014 .106 .916 Process .002 .036 .007 .050 .961 Productivity and quality -.014 .052 -.048 -.276 .783 People -.018 .042 -.063 -.422 .674 Promotion .059 .036 .229 1.638 .104 Physical evidence -.047 .042 -.162 -1.126 .262 Price .023 .042 .088 .555 .580 Power .037 .042 .142 .882 .379 Public relation -.049 .040 -.174 -1.225 .223 a. Dependent Variable: Ln_U2i
Sumber: Data diolah dengan SPSS 16
c. Uji Normalitas
Seperti yang telah dijelaskan sebelumnya 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. Ada dua cara untuk mendeteksi apakah residual berdistribuasi normal atau
tidak yaitu dengan analisis grafik dan uji statistik (Ghozali, 2013: 160).
1) 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. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil.
Gambar 4. 1 Hasil Uji Normalitas
Sumber: Data diolah dengan SPSS 16
Dengan melihat tampilan grafik dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang seimbang tidak jauh berbeda antara kiri dan kanan dan normal. Grafik ini menunjukkan bahwa model regresi tidak menyalahi
asumsi normalitas, maka model regresi memenuhi asumsi normalitas.
2) Analisis Statistik
Uji normalitas dengan grafik dapat mmenyesatkan kalau tidak hati-hati secara visual kelihatan normal, pada hal secara statistik bisa sebalinya. Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik. Uji statistik dapat digunakan untuk menguji normalitas residual adalah uji statistik Non-parametrik Komolgorov-Smimov (K-S). Uji K- S dilakukan dengan pembuatan hipotesis:
H0 : Data residual berdistribusi normal HA : Data residual tidak berdistribusi normal
Tabel 4. 9 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 145
Normal Parametersa Mean .0000000 Std. Deviation 2.20801048 Most Extreme Differences Absolute .085 Positive .085 Negative -.050 Kolmogorov-Smirnov Z 1.022
Asymp. Sig. (2-tailed) .247
a. Test distribution is Normal.
Besarnya nilai Kolmogorov-Smirnov adalah 1.022 dan signifikan pada 0.247 lebih dari 0.05 yaitu memenuhi asumsi klasik normalitas residual, hal ini berarti HA ditolak yang berarti data residual terdistribusi normal.
d. Uji Lineritas
Secara umum Uji linieritas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan yang linier secara signifikan atau tidak. Data yang baik seharusnya terdapat hubungan yang linier antara variabel dependen dengan variabel independen. Apabila Uji Linier diuji dengan Uji Durbin Watson, uji ini biasanya dilakukan untuk melihat ada tidaknya autokorelasi dalam suatu model regresi.
Tabel 4. 10 Hasil Uji Durbin Watson
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .849a .721 .676 2.255 2.005
a. Predictors: (Constant), Z_, Place, X1_, Promotion, X3_, Physical evidence, Price, People, Power, X4_, X6_, X2_, X8_, Public relation, Product, X9_, Process, X7_, X5_, Productivity and quality
b. Dependent Variable: Keputusan menabung Sumber: Data diolah dengan SPSS 16
Hail output uji Durbin Watson nilai DW sebesar 2.005, nilai ini kita bandingkan dengan nilai signifikansi 5%, jumlah sampel 145 (ɑ) dan jumlah variabel independen 9 dan
batas bawah (dl) 2.406 maka dapat disimpulkan bahwa tidak terdapat autokorelasi.
6. Uji Statistik
a. Uji Koefisien Determinasi (R2)
Koefisien determinasi adalah kemampuan seluruh variabel bebas dalam menjelaskan variabel terikat. Koefisien Determinasi
Adjustend R Square sebesar 0.666 atau sebesar 66,6% yang berarti bahwa kemampuan variabel X1, X2, X3, X4, X5, X6, X7, X8, X9 dan z dalam menjelaskan variabel y, adalah sebesar 66,6%. Sedang sisa sebesar 33,4% dijelaskan oleh variabel lain diluar dari variabel penelitian ini.
Tabel 4. 11 Hasil Uji Regresi Persamaan Satu
Model Summary
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .830a .689 .666 2.289
a. Predictors: (Constant), Public relation, Place, Product, Promotion, Process, Physical evidence, Price, People, Power, Productivity and quality
Sumber: Data diolah dengan SPSS 16
R sebesar 0.830 memiliki arti bahwa kolerasi berganda adalah sedang. Tingkat error yang dihasilkan dalam persamaan regresi dari hasil penelitian ini adalah 0.334 atau 33,4%.
b. Uji Signnifikansi Simultan (Uji Statitistik F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat.
Tabel 4. 12 Hasil Uji Signifikansi Simultan (Uji Statistik F)
S u m b e r :
Data diolah dengan SPSS 16
Dari uji ANOVA atau F test didapat nilai F hitung sebesar 29.708 dengan probabilitas 0.000. karena probabilitas jauh lebih kecil dari 0.05, maka model regresi dapat digunakan untuk memprediksi Keputusan Mahasiswa untuk Menabung atau dapat dikatakan bahwa Product, Place, Process, Productivity and quality, People, Promotion, Physical evidence, Price, Power, Public Relation secara bersama-sama berpengaruh terhadap Keputusan Mahasiswa untuk Menabung di Perbankan Syariah.
ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression 1556.466 10 155.647 29.708 .000a
Residual 702.045 134 5.239 Total 2258.510 144
a. Predictors: (Constant), Public relation, Place, Product, Promotion, Process, Physical evidence, Price, People, Power, Productivity and quality
c. Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen.
Tabel 4. 13 Hasil Uji Statistik t Persamaan Satu
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 1.006 1.767 .570 .570 Product .030 .067 .033 .451 .653 Place .045 .067 .052 .675 .501 Process .016 .073 .017 .216 .830 Productivity and quality .066 .105 .062 .627 .531 People .182 .085 .183 2.151 .033 Promotion -.234 .073 -.257 -3.213 .002 Physical evidence .428 .084 .417 5.092 .000 Price .254 .084 .272 3.010 .003 Power .012 .084 .013 .144 .886 Public relation .144 .081 .144 1.776 .078 a. Dependent Variable: Keputusan menabung
Sumber: Data diolah dengan SPSS 16
Dari kesembilan variabel independen yang dimasukkan kedalam model regresi variabel Product, Place, Process, Productivity and quality, Power, Public Relation tidak signifikan hal ini dapat dilihat dari probabilitas signifikansi untuk Produck
Productivity and quality sebesar 0.531, Power sebesar 0.886, dan
Public relation sebesar 0.078 dan keenamnya jauh diatas 0.05. Sedangkan variabel People, Promotion, Physical evidence, dan Price signifikan pada 0.05. dari sini dapat disimpulkan bahwa variabel Keputusan Mahasiswa untuk Menabung di Perbankan Syariah dipengaruhi oleh People, Promotion, Physical evidence, dan Price dengan persamaan matematis:
Keputusan Mahasiswa untuk menabung = 1.006 + 0.030 Product
+ 0.045 Place + 0.016 Process + 0.066 Productivity and quality + 0.182 People– 0.234 Promotion +0.428 Pysical evidence + 0.254
Price + 0.012 Power +0.144 Public relation
2) Konstanta sebesar 1.006 menyatakan bahwa jika variabel independen dianggap konstan, maka rata-rata Keputusan Mahasiswa untuk Menabung di Perbankan Syariah sebesar 1.006.
3) Koefisien regresi People sebesar 0.182 menyatakan apabila terjadi kenaikan sebesar 1000, maka akan terjadi peningkatan keputusan Mahasiswa untuk Menabung di Perbankan Syariah sebesar 182.
4) Koefisien regresi Promotion sebesar 0.234 menyatakan apabila terjadi kenaikan sebesar 1000, maka akan terjadi peningkatan keputusan Mahasiswa untuk Menabung di Perbankan Syariah sebesar 234.
5) Koefisien regresi Physical evidence sebesar 0.428 menyatakan apabila terjadi kenaikan sebesar 1000, maka akan terjadi peningkatan keputusan Mahasiswa untuk Menabung di Perbankan Syariah sebesar 428.
6) Koefisien regresi Price sebesar 0.254 menyatakan apabila terjadi kenaikan sebesar 1000, maka akan terjadi peningkatan Keputusan Mahasiswa untuk Menabung di Perbankan Syariah sebesar 254.
7) Demikian sebaliknya apabila Koefisien regresi Product
sebesar 0.030, Place sebesar 0.045, Process sebesar 0.016,
Productivity and quality sebesar 0.066, Power sebesar 0.012, dan Public relation sebesar 0.144 jika setiap masing-masing terjadi kenaikan sebesar 1000 maka hanya akan terjadi peningkatan Keputusan Mahasiswa untuk Menabung di perbankan Syariah dengan tingkat Product sebesar 30, Place
sebesar 45, Process sebesar 16, Productivity and quality
sebesar 66, Power sebesar 12, dan Public relation sebesar 14,4 .