Metode Analisis Data - METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN

D. Metode Analisis Data

Metode analisis yang digunakan dalam penelitian ini adalah dengan menggunakan riset kausal. Riset kausal merupakan riset yang memiliki tujuan utama membuktikan hubungan sebab akibat atau hubungan mempengaruhi dan dipengaruhi dari variabel-variabel yang diteliti (Istijanto, 2009:31).

Pengukuran yang dilakukan dalam penelitian ini menggunakan skala Likert. Skala ini meminta responden untuk menunjukkan tingkat persetujuan atau ketidak setujuannya terhadap serangkai pernyataan tentang suatu obyek. Skala Likert banyak digunakan dalam riset-riset pemasaran yang menggunakan metode survei dan dapat dikategorikan sebagai skala interval (Istijanto, 2009:90)

Tabel 3.1 Skala Likert

Sangat setuju Setuju Ragu ^Tidak Setuju

Sangat Tidak Setuju

5 4 3 2 1

1. Uji Validitas dan Reliabilitas a. Uji Validitas

Suatu alat ukur dikatakan valid apabila dapat menjawab secara cermat tentang variabel yang diukur. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Pengujian valliditas ini menggunakan Pearson Correlation yaitu dengan cara menghitung korelasi antar skor masing-masing butir pertanyaan dengan total skor. Jika korelasi antara skor masing-masing butir pertanyaan dengan total skor mempunyai tingkat signifikansi di bawah 0,05 maka butir pertanyaan tersebut dinyatakan valid dan sebaliknya (Ghozali, 2005 : 45).

b. Uji Reliabilitas

Instrumen dikatakan reliabel apabila terdapat kesamaan data dalam waktu yang berbeda. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. Uji reliabilitas digunakan untuk mengukur bahwa variabel yang digunakan benar-benar bebas dari kesalahan sehingga menghasilkan hasil yang konsisten meskipun diuji berkali-kali. Uji reliabilitas ini menggunakan program SPSS Ver 17.0 dengan uji statistik Cronbach Alpha ( ). Suatu konstruksi atau Variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha ( ) > 0,60.(Ghazali, 2005:42).

2. Uji Asumsi Klasik

a. Uji Multikolonieritas

Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi adalah sebagai berikut:

1) Nilai R² yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak mempengaruhi variabel dependen.

2) Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi (umumnya diatas 0,90), maka hal ini merupakan indikasi adanya multikolonieritas. Jika dibawah 0,90, maka tidak adanya multikolonieritas.

3) Multikolonieritas dapat juga dilihat dari nilai Tolerance dan

Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai Tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/Tolerance). Nilai 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 ditolerir. Misal nilai Tolerance = 0,10 sama dengan tingkat kolonieritas 0,95 (Ghozali, 2005:91).

b. 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 homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Kebanyakan data crossection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran, yaitu kecil, sedang, dan besar.

Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, dengan melihat Grafik Plot antara nilai prediksi variabel terikat (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 Y yang telah diprediksi dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang telah di studentized. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur seperti bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heterokedastisitas. Sedangkan jika tidak ada pola yang jelas dan titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas (Ghozali, 2005:105).

c. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu 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 berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang 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 satu 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, 2005:110).

a. Analisis Regresi Linear Berganda 1. Regresi Linear Berganda

Teknik analisis data yang digunakan dalam penelitian ini adalah teknik analisis regresi berganda (Multiple Regresion),

penelitian ini dirancang untuk meneliti variabel-variabel yang mempengaruhi dari variabel bebas terhadap variabel terikat.

Analisis ini dimaksudkan untuk mengetahui adakah pengaruh kualitas produk, harga dan promosi terhadap keputusan pembelian.

Perumusan model analisis yang digunakan dalam penelitian ini yaitu:

Dimana:

Y = Variabel dependen yang diprediksikan (terikat) a = konstanta

b1 = koefisien regresi kualitas produk b2 = koefisien regresi harga

b3 = koefisien regresi promosi X1= kualitas produk

X2= harga X3= promosi

= standar error

2. Koefisien Determinasi

Koefisien determinasi (R²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. pada penelitian ini RSquare yang digunakan adalah RSquare yang

sudah disesuaikan atau Adjusted R Square (Adjusted R²) karena disesuaikan dengan jumlah variabel yang digunakan dalam penelitian. Nilai Adjusted R² dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model (Ghozali, 2005:83).

b. Uji Hipotesis

a. Uji signifikan parameter individual (uji statistik t)

Uji t digunakan untuk menganalisis pengaruh variabel eksogen terhadap variabel endogen secara parsial. Bila t hitung lebih besar atau lebih kecil dari t tabel atau nilai signifikan lebih kecil dari 5% ( = 5% = 0,05) maka Ho ditolak H1 diterima yang berarti bahwa terdapat pengaruh yang signifikan variabel eksogen terhadap variabel endogen.

Untuk menghitung t hitung digunakan rumus sebagai berikut: t hitung = sb bi Keterangan : bi = koefisien variabel ke i sb = kesalahan standar

sb adalah kesalahan standar error dari koefisien regresi dengan rumus matematis sebagai berikut:

sb =

( )

n x x se 2 3 −

se adalah standar error sampel yang dirumuskan sebagai berikut: se = 2 2 − n e

b. Uji signifikansi simultan (uji statistik F)

Uji F dilakukan untuk melihat kemaknaan dari hasil model regresi tersebut. Bila nilai F hitung lebih besar dari F tabel atau tingkat signifikannya lebih kecil dari 5% ( = 5% = 0,05) maka hal ini menunjukkan bahwa Ho ditolak dan Ho ditolak yang berarti bahwa terdapat peengaruh yang signifikan antara variabel eksogen (kualitas produk, harga, dan promosi) terhadap variabel-variabel endogen (keputusan pembelian). Untuk menghitung F hitung

digunakan rumus sebagai berikut: F =

(

)

(

₁

)

2 / 1 2 / − − −R n k R Keterangan : R² = Koefisien Determinasi

n = Jumlah pengamatan atau sampel K-1 = Jumlah variabel eksogen

Dalam dokumen Pengaruh kualitas produk, harga dan promosi terhadap keputusan pembalian handphone esia: studi kasus pada Mahasiswa UIN Syarif Hidayatullah Jakarta (Halaman 56-65)