Uji instrument penelitian adalah uji yang digunakan untuk menguji instrument penelitian dengan harapan akan mendapatkan data atau informasi yang akurat. Dan uji yang digunakan peneliti adalah sebagai:
1. Uji instrument a. Uji validitas
Validitas merupakan suau indeks yang menunjukkan alat ukur tersebut benar-benar mengukur apa yang diukur. Validitas ini menyangkut akurasi instrument. Untuk mengetahui apakah kuesioner yang disusun tersebut itu valid/shahih, maka perlu diuji dengan uji korelasi antara skor (nilai) tiap butir pertanyaan dengan skor total kuesioner tersebut (Noor, 2011:132). Uji validitas dari peneliti ini untuk mengungkapkan korelasi antara butir pertanyaan dengan kuesionernya. Cara menentukan korelasi antara score butir pertanyaan dengan total skore, signifikan atau tidaknya penelitian ini dapat dilihat dari kolom atau baris total score, jika pada kolom atau baris tersebut masing-masin total pertanyaan menghasilkan tanda bintang, berarti data tersebut signifikan.
b. Uji Reabilitas
Reabilitas menurut Noor (2011:130) adalah indeks yang menunjukkan sejauh mana suatu alat ukur dapat dipercaya atau diandalkan. Hal ini berarti menunjukkan sejauh mana alat pengukur dikatakan konsisten, jika dilakukan pengukuran dua kali atau lebih terhadap gejala yang sama.
Menurut Bawono (2006:64) prinsipnya uji reliabilitas digunakan untuk menguji data yang kita peroleh sebagai misal hasil dari jawaban kuesioner yang kita bagikan. Suatu kuesioner dikatakan reliable atau handal jika jawaban seseorang terhadap pertanyaan adalah konsisten atau stabil dari waktu kewaktu. Teknik yang digunakan dalam pengukuran reliabilitas ini adalah teknik cronbach alpha. Suatu variabel dikatakan reliable jika nilai cronbach alpha lebih besar dari 0,6.
2. Uji asumsi klasik
Uji asumsi klasik berguna untuk menguji layak atau tidaknya model analisis regresi yang digunakan dalam penelitian. Uji ini meliputi: a. Uji multikolonieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut:
1) Manganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi (umumnya diatas 0,90), maka hal ini merupakan indikasi adanya multikolinieritas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikoliniertitas. Multikolinieritas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
2) Multikolinieritas dapat juga dilihat dari (1) nilai tolerance dan lawannya (2) variance inflation factor (VIP). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance
≤ 0.10 atau sama dengan nilai VIF ≥ 10 (Ghozali, 2013: 205-106). b. Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak (Ghozali, 2013:160). Pada penelitian ini, untuk mendeteksi apakah residual berdistribusi normal atau tidak dengan cara sebagai berikut:
1. Analisis Grafik
Analisis grafik adalah cara termudah untuk melihat normalitas
membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya (Ghozali:160-163)
2. Uji Statistik Kolmogorov-Smirnov
Untuk mendeteksi normalitas data dapat juga dilakukan dengan uji Kolmogorov-Smirnov. Caranya adalah menentukan terlebiih dahulu hipotesis pengujian yaitu (Ghozali: 2013)
Hipotesis Nol (Ho) : data terdistribusi secara normal Hipotesis Alternatif (HA) : data tidak terdistribusi secara normal
Dasar analisisnya jika nilai signifikansi > 0,05, maka nilai residual berdistribusi normal, dan jika nilai signifikansi < 0,05,
maka nilai residual tidak berdistribusi normal.
(www.spssindonesia.com)
c. Uji heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas sedangkan jika berbeda disebut dengan Heteroskedastisitas (Ghozali, 2013:139). Pada penelitian ini, cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah sebagai berikut:
1) Grafik plot
Melihat grafik plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah sumbu Y yang telah diprediksi, dan sumbu X adalah residual (Y prediksi-Y sesungguhnya) yang telah
di-studentized.
Dasar analisis:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur ) bergelombang, melebar kemudian
menyemput), maka mengindikasikan telah terjadi
heteroskedastisitas.
b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas (Ghozali, 2013: 139-141).
3. Uji Statistik
Uji statistic ini digunakan untuk melihat tingkat ketepatan atau keakuratan dari suatu fungsi atau persamaan untuk menaksir data yang dianalisa. Nilai ketepatan atau keaktualan ini dapat diukur dari goodness
of fit nya. Uji statistic ini dapat dilihat dari nilai hitung. F hitung dan nilai
koefisien determinasinya. Berkaitan apakah uji statistic ini dikatakan lolos atau tidak, tergantung dari tingkat signiifikansi dari perhitungannya. Jika hasilnya berada di daerah kritis atau yang menolak Ho akan dikatakan bahwa uji statistiknya lolos dan layak unutk uji selanjutnya. Hal ini juga berlaku sebaliknya jika berada di daerah yang menerima Ho.
Uji statistic terdiri dari:
a. Koefisien Determinasi (R2)
Koefisien determinasi (R2) menunjukkan sejauh mana tingkat hubungan antara variabel dependen (Y) dengan variabel independen
(X1,2,3) atau sejauh mana kontribusi variabel independen (X1,2,3)
mempengaruhi variabel dependen (Y) (Bawono, 2006:92).
Menurut Ghozali (2013:97), koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Ciri-ciri nilai R2 adalah:
1) Besarnya nilai koefisien determinasi terletak antara 0 sampai dengan 1, jadi nilai R2terletak antara 0 ≤ R2 ≤ 1.
2) Nilai nol menunjukkan tidak adanya hubungan antara variabel independen dengan variabel dependen.
3) Sedangkan nilai 1 menunjukkan adanya hubungan yang sempurna antara variabel independen dengan variabel dependen.
4) Menghitung koefisien determinasi (R2) untuk menilai besarnya sumbangan atau kontribusi variabel independen terhadap nilai variabel dependen (Bawono, 2006: 92-94).
b. Uji signifikansi Simultan (Uji F)
Uji F atau dapat dikatakab uji secara serentak dapat dilakukan dengan tujuan untuk mengetahui seberapa jauh semua variabel (X1,2,3)
atau independen secara bersama-sama dapat mempengaruhi variabel Y atau dependen (Bawono, 2006:91). Uji ini dilakukan dengan cara melihat besarnya sig, jika nilai sig. lebih kecil dari 0.05 berarti variabel independen bersama-sama mempengaruhi variabel dependen secara signifikan.
c. Uji Parsial (Uji t)
Uji parsial atau dapat juga disebut uji secara individu digunakan untuk melihat tingkat signifikansi variabel independen mempengaruhi variabel dependen secara independen atau sendiri- sendiri. Pengujian ini dilakukan secara parsial atau individu dengan menggunakan uji t statistic untuk masing-masing variabel bebas
dengan tingkat kepercayaan tertentu (Bawono, 2006:89). Signifikansi koefisien parsial ini memliki distribusi t dengan derajat kebebasan n-k- 1 dan signifikan pada a = 0.05.
4. Uji Persamaan Regresi Linier Berganda
Regresi linier berganda digunakan untuk menganalisa data yang bersifat multivariate. Analisis ini digunakan untuk meramalkan nilai variabel dependen (Y) dengan variabel independen yang lebih dari satu (Bawono, 2006:85).
Analisis regresi dalam penelitian ini menggunakan dua benuk model. Moel pertama untuk menguji variabel-variabel indepenen terhadap variabel dependen tanpa memasukkan variabel moderasi. Sedangkan untuk model kedua menguji variabel-variabel independen terhadap dependen dengan memasukkan variabel moderasi. Ada tiga cara untuk menguji regresi dengan variabel moderasinya antara lain dengan uji interaksi, uji selisih mutlak, dan uji residual. Pengujian variabel moderasi pada penelitian ini menggunakan metode Moderated Regression Analysis (MRA). MRA merupakan aplikasi khusus regresi linier berganda dimana dalam persamaan regresinya mengandung unsure interaksi (perkalian dua atua lebih variabel independen) dengan rumus sebagai berikut (Ghozali, 2013:225):
Model I: + +e1 Model II: + +e2 Keterangan: Y = Keputusan α = konstanta koefisisen variabel X1, X2, X3 X1 =Advertising X2 = personal selling X3 = direct marketing Z = Religiusitas e1, e2 = residual (eror) 5. Uji Moderasi
Untuk menguji hubungan antara variabel independen, variabel dependen, variabel control dan variabel moderating penulis menggunakan analisis regresi berganda. Analisis regresi berganda digunakan unutk menguji hubungan antara variabel independen dan variabel dependen yang dalam hubungan tersebut terdapat factor yang memperkuat dan memperlemah (variabel moderasi).
Uji moderasi yang digunakan adalah Moderated Regression Analysis (MRA). MRA berbeda dengan analisis sub kelompok, karena menggunakan pendekatan analitik yang mempertahankan intregritas sampel dan memberikan dasar untuk mengontrol pengaruh variabel moderator. Untuk menggunakan MRA dengan satu variabel predictor (X) maka kita harus membandingkan tiga persamaan regresi untuk menentukan jenis variabel moderator. Berikut persamaan regresinya (Ghozali, 2013:229): Persamaan Regresi: Keterangan:
Y : Keputusan e1, e2 : residual (error)
Z : Religiusitas X1 : advertising X2 : personal selling X3 : direct marketing α : konstanta β1, β2, β3 : koefisien variabel X1, X2, X3