BAB IV HASIL DAN PEMBAHASAN
3.6 Metode Analisis Data
Data yang telah dikumpulkan, diolah dan dianlisis terlebih dahulu agar mempermudah dalam melakukan pengambilan keputusan. Adapun analisis-analisis yang digunakan adalah sebagai berikut :
3.6.1 Analisis Kuantitatif
Analisis data kuantitatif adalah bentuk analisa yang menggunakan angka-angka dan perhitungan dengan metode statistik, maka data tersebut harus diklasifikasikan dalam kategori tertentu dengan menggunakan tabel-tabel tertentu, untuk mempermudah dalam menganalisis data menggunakan program SPSS 21.0 for windows. Adapun alat analisis yang digunakan yaitu uji validitas dan reliabilitas.
3.6.2 Uji Reliabilitas dan Uji Validitas 3.6.2.1 Uji Reliabilitas
Uji reliabiltas adalah suatu indeks yang menunjukkan sejauh mana hasil suatu penelitian pengukur dapat dipercaya (Ghozali, 2006). Hasil pengukuran dapat dipercaya atau reliabel hanya apabila dalam beberapa kali pelaksanaan pengukuran terhadap kelompok subyek yang sama, selama aspek yang diukur dalam dari subjek memang belum berubah. Reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan
alat pengukuran konstruk atau variabel. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang, terhadap pertanyaan adalah konsisten atau stabil dari waktu ke waktu (Ghozali, 2001).
Uji reliabilitas adalah tingkat kestabilan suatu alat pengukur dalam mengukur suatu gejala/kejadian. Semakin tinggi reliabilitas suatu alat pengukur, semakin stabil pula alat pengukur tersebut. Dalam melakukan perhitungan Alpha, digunakan alat bantu program komputer yaitu
SPSS for Windows 21 dengan menggunakan model Alpha. Sedangkan dalam pengambilan keputusan reliabilitas, suatu instrumen dikatakan reliabel jika nilaiCronbach Alphalebih besar dari 0,6 (Ghozali, 2001).
3.6.2.2 Uji Validitas
Valid berarti insrumen yang digunakan dapat mengukur apa yang hendak diukur (Ferdinand, 2006). Validitas yang digunakan dalam penelitian ini (content validity) menggambarkan kesesuaian sebuah pengukur data dengan apa yang akan diukur (Ferdinand, 2006). Biasanya digunakan dengan menghitung korelasi antara setiap skor butir instrumen dengan skor total (Sugiyono, 2004).
Uji validitas dalam penelitian ini digunakan untuk menguji kevalidan kuesioner. Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi alat ukurnya (Ghozali, 2006). Uji validitas kuesioner dilakukan dengan tujuan untuk mengetahui kehandalan kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur
oleh kuesioner tersebut (Ghozali, 2006). Uji validitas kuesioner menggunakan program statistic SPSS 21.0. Uji validitas dapat dilihat di Output SPSS pada table Uji Reliabilitas dengan memperbandingkan besarnya angka rhitungdan rtabel. rhitung dapat dilihat pada kolom Correlation (Ghozali, 2006).
3.6.3 Uji Asumsi Klasik
Uji ini dilakukan untuk mengetahui bahwa data yang diolah adalah sah (tidak terdapat penyimpangan), Pengujian asumsi klasik dilakukan dengan melakukan uji multikolonieritas, uji heteroskedastisitas, dan uji normalitas.
3.6.3.1 Uji Multikolonieritas
Uji Multikolinearitas bertujuan untuk menguji dalam model regresi ditemukan adanya korelasi antar variabel-variabel bebas (Ghozali, 2006). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Hasil uji multikolinearitas tentang jawaban responden menunjukkan nilai VIF (Variance Inflation Factor) dan angka TOLERANCE. Nilai VIF dan angka TOLERANCE yang dihasilkan harus memenuhi syarat bebas multikolinearitas yaitu mempunyai nilai VIF < 10 dan mempunyai angka TOLERANCE > 0.10, syarat bahwa koefisien korelasi antar variabel haruslah lemah (dibawah 0,5) juga telah terpenuhi.
3.6.3.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah homokedastisitas atau tidak terjadi heteroskedastisitas (Ghozali, 2006). Deteksi ada tidaknya problem heteroskedastisitas adalah dengan media grafik, apabila grafik membentuk pola khusus maka model terdapat heteroskedastisitas (Ghozali, 2006).
Cara mendeteksinya adalah dengan cara melihat grafik plot antar nilai prediksi variabel terikat (ZPRED) dengan residualnya (ZRESID). Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antar ZRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual yang telah distandardized analisisnya.
Dasar pengambilan keputusan :
a. Jika ada pola tertentu, seperti titik-titik (point-point) yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka telah terjadi Heteroskedastisitas.
b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi Heteroskedastisitas.
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik (Ghozali, 2006).
Untuk menguji suatu data berdistribusi normal atau tidak, dapat diketahui dengan menggunakan grafik normal plot (Ghozali, 2005). Pada grafik normal plot, dengan asumsi :
a. Apabila data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b. Apabila data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi uji asumsi normalitas.
3.6.4 Uji Analisis Linear Berganda
Dalam upaya menjawab permasalahan dalam penelitian ini maka digunakan analisis regresi linear berganda (Multiple Regression). Analisis regresi pada dasarnya adalah studi mengenai ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas/bebas), dengan tujuan untuk mengestimasi dan/atau
memprediksi rata-rata populasi atau nilai- nilai variabel dependen berdasarkan nilai variabel independen yang diketahui (Ghozali, 2006). Untuk regresi yang variabel independennya terdiri atas dua atau lebih, regresinya disebut juga regresi berganda.
Analisis Regresi Liner Berganda digunakan untuk menganalisa pengaruh beberapa variabel bebas atau independen variabel (X) terhadap satu variabel tidak bebas atau dependen variabel (Y) secara bersama-sama. Y1= 1+ 1X1+ 2X2+ e1 ... (1)
Y2= + 3Y1+ e2 ... (2) Dimana:
Y2 = Minat mereferensikan atauwords of mouth positive
Y1 = Nilai Pelanggan = Konstanta
1 = koefisien regresi untuk kualitas layanan inti 2 = koefisien regresi untuk kualitas layanan periferal 2 = koefisien regresi untuk harga
4 = koefisien regresi untuk nilai pelanggan X1 = kualitas layanan inti
X2 = kualitas layanan periferal X2 = harga
e1 = error1 e2 = error2 e3 = error3
3.6.5 Uji Goodness of Fit
Ketetapan fungsi regresi sampel dalam menaksir nilai aktual dapat dinilai dengan-nya. secara statistik setidaknya ini dapat diukur dari nilai koefisien determinasi, Goodness of Fit nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana Ho ditolak), sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah dimana Ho diterima (Imam Ghozali, 2006).
3.6.6 Koefisien Determinasi (R2)
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen atau tidak bebas. Nilai koefisien determinasi adalah antara nol (0) dan satu (1). Nilai R2 yang kecil berarti kemampuan variabel-variabel independen (bebas) 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. Secara umum koefisien determinasi untuk data silang (crosssection) relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi (Ghozali, 2005).
Banyak peneliti menganjurkan untuk menggunakan nilai Adjusted R2
Tidak seperti R2 nilai Adjusted R2 dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model (Ghozali, 2005). Dalam kenyataan nilai Adjusted R2 dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Jika dalam uji empiris didapat nilai
Adjusted R2 negatif, maka nilai Adjusted dianggap bernilai 0. Secara matematis jika nilai R2= 1, maka Adjusted R2= R2= 1. Sedangkan jika nilai R2= 0, maka Adjusted R2 = (1 k)/(n k). Jika k > 1, maka
Adjusted R2 akan bernilai negatif. Dalam penelitian ini, untuk mengolah data digunakan alat bantu SPSS (Statistical Package for Social Science).