METODE PENELITIAN
2 Variabel terikat (Dependen) Perilaku
3.9. Metode Analisa
3.9.1. Analisis Logistic Regression
Pengujian untuk masalah pertama yaitu Pada Tingkat Pendapatan berapa pergeseran konsumen berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Marelan, Kota Medan. Diuji dengan menggunakan metode analisa Logistic regression, dimana analisa Logistic regression sebetulnya mirip dengan analisis diskriminan yaitu untuk menguji apakah probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya. Asumsi multivariate normal distribution tidak dapat dipenuhi karena variabel bebas merupakan campuran antara variabel continue (metric) dan kategorial (non metric ). Dalam hal ini dapat dianalisis dengan logistic regression karena tidak perlu asumsi normalitas data pada variabel bebasnya. Jadi Logistic regression umumnya dipakai jika asumsi multivariate normal distribution tidak terpenuhi. (Ghozali 2001)
3.9.2. Analisis Mann – Whitney U – Test
Untuk menjawab hipotesis masalah kedua yaitu Apakah ada perbedaan persepsi pergeseran konsumen dari retail tradisional ke retail modern di Kecamatan Medan Marelan, Kota Medan. Menggunakan Analisis Mann – Whitney U- Test, dimana pengujian ini digunakan untuk menguji signifikansi hipotesis komparatif dua sampel independent bila datanya berbentuk ordinal test .
Bila dalam suatu pengamatan data berbentuk interval. Maka perlu dirubah dulu ke dalam data interval. Sebenarnya dapat menggunakan t test untuk pengujiannya. Tetapi bila asumsi t – test tidak dipenuhi ( Misalnya data harus normall) maka tes ini tidak dapat digunakan. (Sugiyono 2003).
3.9.3. Analisis Uji Beda
Analisis Uji Beda ini juga digunakan untuk menjawab hipotesis kedua yaitu Apakah ada perbedaan persepsi pergeseran konsumen dari retail tradisional ke retail modern di Kecamatan Medan Marelan, dimana metode analalsis Uji Beda (t test) ini untuk mengetahui perbedaan rata-rata dua populasi/ kelompok data yang independen. Tujuan penggunaan metode analisis adalah untuk mengetahui adanya perbedaan persepsi konsumen terhadap retail tradisional dengan persepsi konsumen terhadap retail modern.
Rumus matematis dari t test yang digunakan dalam penelitian ini adalah:
�= ���− ��� ����2
���+���2 ���
dimana :
Xa = rata-rata kelompok persepsi konsumen terhadap retail tradisional Xb = rata-rata kelompok persepsi konsumen terhadap retail modern
Sa = standar deviasi kelompok persepsi konsumen terhadap retail tradisional Sb = standar deviasi kelompok persepsi konsumen terhadap retail modern na = jumlah sampel kelompok persepsi konsumen terhadap retail tradisional nb = jumlah sampel persepsi konsumen terhadap retail modern
3.9.4. Analisis Regresi Linier Berganda
Analisis regresi menguji hipotesa ketiga dan keempat yaitu Apakah ada pengaruh persepsi konsumen terhadap perilaku berbelanja di retail tradisional di Kecamatan Medan Marelan, Kota Medan dan Apakah ada pengaruh persepsi konsumen terhadap perilaku berbelanja retail modern di Kecamatan Medan Marelan, Kota Medan. Analisa regresi linier berganda ini dilakukan untuk melihat hubungan dua variabel berupa hubungan kausal atau fungsional. Analisis regresi digunakan apabila ingin mengetahui bagaimana variabel dependen/kriteria dapat diprediksikan melalui variabel independen atau prediktor, secara individual.Penelitian ini menggunakan analisis regresi ganda yang berguna untuk meramalkan bagaimana keadaan (naik turunnya) variabel dependen (kriterium), bila dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi (dinaik turunkan nilainya). Jadi, analisis regresi ganda akan dilakukan bila jumlah variabel independennya minimal dua (Sugiyono, 1999).
Persamaan regresi dalam penelitian ini adalah untuk mengetahui seberapa besar pengaruh variabel independen atau bebas yaitu harga (X1), kelengkapan produk (X2), layout (X3), suasana dan layanan (X4), lokasi (X5), promosi (X6), trend (X7), prestige (X8) dan pendapatan konsumen (X9) terhadap perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan (Y).
Fungsi matematis Y= f (x1,x2,x3,x4,x5,x6,x7,x8,x9) Fungsi ini ditransfer kedalam model :
Rumus matematis dari regresi linier berganda yang digunakan dalam penelitian ini adalah:
Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 + b7X7 + b8X8+ b9X9 + e
Keterangan:
Y = Perilaku berbelanja retail tradisional a = constanta
b1 = Koefisien regresi antara harga dengan perpindahan berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan
b2 = Koefisien regresi antara kelengkapan produk dengan perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan b3 = Koefisien regresi antara layout dengan perilaku berbelanja dari retail
tradisional ke retail modern di Kecamatan Medan Merelan
b4 = Koefisien regresi antara suasana dan layanan dengan perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan b5 = Koefisien regresi antara lokasi strategis dengan perilaku berbelanja dari
retail tradisional ke retail modern di Kecamatan Medan Merelan
b6 = Koefisien regresi antara promosi dengan perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan
b7 = Koefisien regresi antara trend dengan perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan
b8 = Koefisien regresi antara prestige konsumen dengan perilaku berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan b8 = Koefisien regresi antara pendapatan konsumen dengan perilaku
berbelanja dari retail tradisional ke retail modern di Kecamatan Medan Merelan
X2 = Kelengkapan produk X3 = Layout
X4 = Suasana dan layanan X5 = Lokasi
X6 = Promosi X7 = Trend
X8 = Prestige
X9 = Indikator pendapatan konsumen e = error disturbances
3.9.5. Uji Parsial (Uji t)
Uji t yaitu suatu uji untuk mengetahui signifikansi pengaruh variabel bebas secara parsial atau individual terhadap variabel terikat.
1. Merumuskan hipotetis statistik
a. H0 : βi = 0
Variabel independen secara parsial tidak berpengaruh positif terhadap variabel dependen.
b. H1 : βi > 0
Variabel independen secara parsial berpengaruh positif terhadap variabel dependen.
2. Mengukur taraf signifikansi
a. Probabilitas < 0,05 = H0 ditolak dan H1 diterima b. Probabilitas > 0,05 = H0 diterima dan H1 ditolak
3.9.6. Uji Simultan (Uji F)
Uji F yaitu suatu uji untuk mengetahui pengaruh variabel bebas, yaitu secara simultan terhadap variabel terikat, yaitu Perilaku Berbelanja (Y).
Tahapan pengujian hipotesis secara simultan dapat dilihat, sebagai berikut : harga (x1), kelengkapan (x2), layout (x3), suasana dan pelayanan (x4), lokasi (x5), promosi (x6), trend (x7), prestage (x8), pendapatan konsumen (x9).
1. Merumuskan hipotesis statistik
a. H0 : β1 = β2 = β3= 0
Variabel independen yaitu harga (x1), kelengkapan (x2), layout (x3), suasana dan pelayanan (x4), lokasi (x5), promosi (x6), trend (x7), prestage (x8), pendpatan konsumen (x9)secara simultan tidak berpengaruh positif terhadap variabel dependen yaitu perilaku berbelanja.
b. H1 : β1, β2, β3 > 0
Variabel independen yaitu harga (x1), kelengkapan (x2), layout (x3), suasana dan pelayanan (x4), lokasi (x5), promosi (x6), trend (x7), prestage (x8), pendpatan konsumen (x9) secara simultan berpengaruh positif terhadap variabel dependen yaitu perilaku berbelanja.
2. Mengukur taraf signifikansi
Pada tahap ini mempunyai kesamaan pada pengujian hipotesis secara simultan yaitu dengan menggunakan probabilitas sebesar 0,05 (5%) dengan kriteria sebagai berikut :
a. Probabilitas < 0,05 = H0 ditolak dan H1 diterima b. Probabilitas > 0,05 = H0 diterima dan H1 ditolak.
3.9.7. Koefisien Determinasi (R)2
Koefisien determinasi (R)2 persamaan regresi berguna untuk mengetahui besarnya persentase pengaruh semua variabel independen tehadap nilai variabel dependen. Besarnya koefisien determinasi dari 0 sampai dengan 1. Semakin mendekati nol besarnya koefisien determinasi suatu persamaan regresi, maka semakin kecil pula pengaruh semua variabel independen terhadap nilai variabel dependen. Sebaliknya, semakin mendekat satu besarnya koefisien determinasi suatu persamaan regresi, maka semakin besar pula pengaruh semua variabel independen terhadap variabel dependen (Algifari, 2003).
Nilai adjusted (R)2 dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model. Dalam kenyataan nilai adjusted (R)2 dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Menurut Gujarati (2003) jika dalam uji empiris didapat nilai adjusted (R)2 negatif, maka nilai adjusted (R)2 dianggap bernilai nol. Secara matematis jika nilai (R)2 = 1, maka Adjusted (R)2 = (R)2 = 1 sedangkan jika nilai (R)2 = 0, maka adjusted (R)2 = (1 – k)/(n – k). Jika k > 1,maka adjusted (R)2 akan bernilai negatif (Ghozali, 2005).
BAB IV