LANDASAN TEORI
3.6 Metode Analisis Data .1 Analisis Deskriptif .1Analisis Deskriptif
Ghozali (2009:19) statistik deskriptif memberikan gambaran atau
deskriptif suatu data yang dilihat dari nilai rata-rata (mean), standar
deviasi, varian, maksimum, minimum, sum, range, dan skewness
(kemencengan distribusi). Dalampenelitian ini menggunakan SPSS dalam
menganalisis uji deskriptif.
Metode analisis deskriptif digunakan untuk mendeskripsikan
masing-masing indikator dalam setiap variabel agar lebih mudah dalam
memahaminya. Rumus yang digunakan adalah :
Keterangan:
n : nilai yang diperoleh Ν : jumlah total responden % : persentase
Untuk mengetahui distribusi masing-masing variabel yang
pengumpulan datanya dengan menggunakan kuisioner (angket), setiap
indikator dari data yang dikumpulkan terlebih dahulu diklasifikasikan dan
diberi skor, yaitu:
a. Jawaban Sangat Setuju (SS) diberi skor 5
b. Jawaban Setuju (S) diberi skor 4
c. Jawaban Ragu-Ragu (RR) diberi skor 3
d. Jawaban Tidak Setuju (TS) diberi skor 2
e. Jawaban Sangat Tidak Setuju (STS) diberi skor 1
Untuk menentukan kategori deskripsi presentase (DP) yang
diperoleh, maka dibuat tabel kategori yang disusun dengan perhitungan
sebagai berikut:
1. Menetapkan presentase maksimal yaitu (5/5) x 100% = 100%
2. Menetapkan presentase minimal yaitu (1/5) x 100% = 20%
3. Menetapkan rentang presentase
Rentangan % diperoleh dengan cara mengurangi % tertinggi
(100%) dengan % terendah (20%) yaitu 100% - 20% = 80%
4. Menetapkan interval kelas presentase
Interval % diperoleh dengan cara membagi rentangan % dengan
jenjang kriteria yaitu 80% : 5 = 16%
Dalam jenjang kriteria ini penulis mengelompokkan menjadi 5
kriteria yaitu sangat tinggi, tinggi, sedang, rendah, dan sangat
rendah.
Tabel 3.5
Jenjang Kriteria Penilaian Angket
No Interval Presentase Kriteria
1 85% < skor ≤ 100% Sangat tinggi 2 69% < skor ≤ 84% Tinggi 3 53% < skor ≤ 68% Sedang
4 37% < skor ≤ 52% Rendah
5 20% ≤ skor ≤ 36% Sangat rendah
3.6.2 Uji Asumsi Klasik 3.6.2.1Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah model
regresi, dependent variabel dan independent variabel keduanya
mempunyai distribusi normal ataukah tidak. Ada dua cara untuk
mendeteksi apakah normal atau tidak yaitu dengan analisis grafik
dan uji statistik. (Ghozali,2009:149). Uji normalis dengan grafik P
Plot dapat disimpulkan bahwa grafik histogram memberikan pola
yang kedua menggunakan grafik Kolmogorov-Smirnov. Penelitian
ini dibantu dengan menggunakan program SPSS.
3.6.2.2Uji Multikolonieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada
model regresi ditemukan adanya kolerasi antar variabel bebas
(Ghozali 2001). Multikolinieritas dapat dilihat dari (1) nilai tolerance
dan lawannya (2) variance inflation factor (VIF). Kedua ukuran ini
menunjukkan setiap variabel dependen lainnya. Tolerance
mengukur variabilitas variabel independen yang terpilih yang tidak
dijelaskan oleh variabel independen lainnya. Jadi nilai Tolerance
yang rendah sama dengan nilai VIF tinggi (karena VIF =
1/Tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan
adanya multikolinieritas adalah nilai Tolerance < 0,10 atau sama
dengan nilai VIF > 10 (Ghozali 2009:95).
3.6.2.3Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam
regresi terjadi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan yang lain. Jika variance dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut
Homoskesatisitas dan jika berbeda disebut Heteroskedastisitas. Uji
Glejser digunakan untuk meregres nilai absolute residul terhadap
variabel independen. Jika variabel independen signifikan secara
statistik mempengaruhi variabel independen, maka ada indikasi
terjadi Heteroskedastisitas (Ghozali 2009:129). Uji
Heteroskedastisitas pada penelitian ini dilakukan dengan bantuan
program SPSS.
3.6.3 Uji Regresi Berganda
Untuk mengukur hubungan yang terjadi antar variabel dapat
dilakukan dengan metode analisis regresi.Terdapat dua macam variabel
yang digunakan dalam analisis regresi yaitu variabel bebas (X) dan variabel
terikat (Y), dengan menggunakan analisis regresi dapat diukur perubahan
variabel terikat berdasarkan perubahan variabel bebas (Umar, 2002:305).
Dalam penelitian ini variabel bebas (X) lebih dari satu variabel
sehingga menggunakan metode analisis regresi linier berganda dengan
persamaan rumus sebagai berikut:
Keterangan:
Y = variabel loyalitas
a = bilangan konstanta
b1, b2, = koefisien regresi; diferensiasi produk, inovasi produk
X1 = variabel diferensiasi produk Y = a + b1X1 + b2X2 + e
X2 = variabel inovasi produk
e = variabel gangguan
(Umar, 2002:307)
3.6.4 Uji Hipotesis
3.6.4.1Uji Statistik t (uji parsial)
Uji statistik t pada dasarnya menunjukan seberapa jauh
pengaruh satu variabel penjelas/independent secara individual dalam
menerangkan variasi variabel dependent . Hipotesis nol (Ho) yang
hendak diuji adalah apakah suatu parameter (bi) sama dengan nol,
atau:
Ho : bi = 0
Artinya apakah suatu variabel independen bukan merupakan
penjelas yang signifikan terhadap variabel dependen. Hipotesis
alternatifnya (HA) para meter suatu variabel tidak sama dengan nol,
atau
HA : bi ≠ 0
Artinya, variabel tersebut merupakan penjelas yang signifikan
terhadap variabel dependen. (Ghozali, 2006: 88).
Cara melakukan uji t adalah sebagai berikut:
a. Quick look: bila jumlah degree of freedom (df) adalah 20
atau lebih, dan derajat kepercayaan 5%, maka Ho yang
(dalam nilai absolut). Dengan kata lain menerima Ha, yang
menyatakan bahwa suatu variabel independent secara
individual mempengaruhi variabel dependent.
b. Membandingkan nilai statistik t dengan titik kritis menurut
tabel. Apabila nilai statistik t hasil perhitungan lebih tinggi
dibandingkan nilai t tabel, maka menerima hipotesis
alternatif yang menyatakan bahwa suatu variabel independen
secara individual mempengaruhi variabel dependen
3.6.4.2 Uji Statistik F (uji simultan)
Uji Statistik F pada dasarnya menunjukan apakah semua
variabel independent atau bebas yang dimasukan dalam model
mempunyai pengaruh secara bersama-sama terhadap variabel
dependent/terikat (Ghozali, 2006: 88).
Untuk menguji hipotesis ini digunakan statistik F dengan
kriteria pengambilan keputusan sebagai berikut:
a. Quick look: bila nilai F lebih besar daripada 4 maka Ho
dapat ditolak pada derajat kepercayaan 5%. Dengan kata lain
menerima hipotesis alternatif, yang menyatakan bahwa
semua variabel independen secara serentak dan signifikan
b. Membandingkan nilai F hasil perhitungan dengan nilai F
menurut tabel. Bila nilai F hitung lebih besar daripada nilai
F, maka Ho ditolak dan menerima HA.
3.6.5 Uji Koefisien Diterminasi
3.6.5.1Koefisien Diterminasi Simultan (R2)
Koefisien determinasi (R2) pada intinya mengukur seberapaa
jauh kemampuan model dalam menerangkan variasi variabel
dependen. Nilai koefisien determinasi adalah antara nol dan satu.
Nilai R2 yang kecil berarti kemampuan variabel-variabel independen
dalam menjelaskan variasi variabel dependen amat terbatas. Nilai
yang mendekati satu berarti variabel-variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi variabel dependen. Kelemahan mendasar
penggunaan koefisien determinasi adalah bias terhadap jumlah
variabel independen yang dimasukkan kedalam model. Oleh karena
itu menggunakan nilai Adjusted R² karena nilai Adjusted R² dapat
naik atau turn apabila satu variabel independen ditambahkan
41