Metode Analisis Data

A. PENDAHULUAN B.BAGIAN ISI

3.5 Metode Analisis Data

= 2 2 2 ) ( ) ( σ Keterangan : σ2

= Varian tiap butir X = Jumlah skor butir

N = Jumlah responden ( Arikunto, 2002 : 171 )

Hasil analisis reliabilitas dapat di lihat pada lampiran 3 di peroleh nilai r11 untuk angket lokasi sebesar 0,6784, angket harga sebesar 0,7523 dan angket keputusan berbelanja sebesar 0,7607. Nilai r₁₁ tersebut lebih besar daripada rtabel yang berarti secara nyata ketiga angket tersebut reliabel.

3.5 Metode Analisis Data

Metode analisis data adalah suatu metode yang di gunakan untuk mengolah hasil penelitian guna memperoleh suatu kesimpulan. Adapun metode analisis data yang di gunakan sebagai berikut:

3.5.1 Metode analisis deskriptif persentase

Metode analisis deskriptif persentase ini digunakan untuk mengkaji variabel – variabel yang ada dalam penelitian. Dengan demikian dapat diketahui persentase lokasi dan harga terhadap keputusan berbelanja. Untuk mengukur variabel lokasi, variabel harga dan variabel keputusan berbelanja. Untuk mengukur variabel lokasi, variabel harga dan variabel

keputusan berbelanja dilakukan dengan memberikan skor dari jawaban angket yang diisi oleh responden dengan ketentuan sebagai berikut :

A. Untuk jawaban a di beri skor 4 B. Untuk jawaban b di beri skor 3 C. Untuk jawaban c di beri skor 2 D. Untuk jawaban d di beri skor 1 Dengan kategori jawaban:

a. Sangat baik b. Baik c. Cukup d. Kurang baik

Perhitungan indeks prosentase dapat dihitung dengan menggunakan rumus sebagai berikut :

% 100 % x N n = Keterangan :

n = Nilai yang diperoleh N = Jumlah seluruh nilai % = Persentase yang di peroleh ( Ali, 1984 : 184 )

3.5.2 Teknik Analisis Regresi Berganda

Mengacu pada tujuan dan hipotesis penelitian maka model analisis yang di gunakan adalah analisis regresi linier berganda. Penggunaan model analisis ini dengan alasan untuk mengetahui hubungan antara

variabel bebas dengan variabel terikat, yaitu lokasi (X1), harga (X2) terhadap keputusan berbelanja (Y) selain itu juga ingin mengetahui sejauh mana besarnya pengaruh antara variabel-variabel bebas dengan variabel terikatnya baik secara bersama-sama maupun secara parsial. Spesifikasi yang di gunakan dalam penelitian ini adalah:

Y = a + b₁x₁ + b₂x₂ + e Keterangan :

Y = variabel keputusan berbelanja BB1 = koefisien regresi lokasi

BB2 = koefisien regresi harga X1 = lokasi

X₂ = harga

a = bilangan konstanta

e = variabel gangguan (Algifari, 2000 : 85)

Untuk mengetahui apakah suatu persamaan regresi yang di hasilkan baik untuk mengestimasi nilai variabel dependen di perlukan pembuktian terhadap kebenaran hipotesis. Pembuktian kebenaran hipotesis di lakukan dengan dua cara pengujian, yaitu:

a. Uji simultan

Untuk membuktikan kebenaran hipotesis di gunakan uji F yaitu untuk mengetahui sejauh mana variabel-variabel bebas yang di gunakan mampu menjelaskan variabel terikat. Nilai F_hitung dapat ditentukan dengan formula:

Freg =

( )

) 1 ( ) 1 2 2 R m m n R − − − Keterangan : r² = koefisien determinasi n = banyaknya sampel m = banyaknya variabel

Apabila dari hasil perhitungan Fhitung > Ftabel maka Ho ditolak, Sehingga dapat dikatakan bahwa variabel bebas darimodel regresidapat menerangkan variabel terikat secara serentak. Sebalinya, jika Fhitung < Ftabel maka Ho diterima dengan demikian dapat dikatakan bahwa variabel bebas model regresi linier berganda tidak mampu menjelaskan variabel terikatnya.

Besarnya persentase pengaruh semua variabel independen terhadap nilai variabel dependen dapat diketahui dari besarnya koefisien determinasi (R²) persamaan regresi.. Besarnya koefisien determinasi dari 0 sampai dengan 1. Semakin mendekati 0 (nol) besarnya koefisien determinasi suatu persamaan regresi, maka semakin kecil pula pengaruh semua variabel independen terhadap nilai variabel dependen. Sebaliknya semakin mendekati 1 (satu) besarnya koefisien determinasi maka semakin besar pula pengaruh semua variabel independen terhadap variabel dependen.

b. Uji t (Uji Parsial)

Untuk menguji pemaknaan koefisien regresi parsial digunakan uji t. Nilai t hitung dapat ditentukan dengan formula :

t = 2 1 2 r n r − − Keterangan : r : koefisien korelasi

n : banyaknya sampel ( Alghifari, 2000:57 )

Apabila thitung maka Ho ditolak dengan demikian variabel bebas dapat menerangkan variabel terikat yang ada dalam model. Sebaliknya apabila t_hitung < t_tabel maka Ho diterima. Dengan demikian variabel bebas tidak dapat menjelaskan variabel terikatnya atau dengan kata lain tidak ada pengaruh diantara 2 variabel yang diuji.

Selain melakukan pembuktian dengan uji F dan uji t, perlu juga dicari besarnya koefisien determinasi (r²) parsialnya untuk masing-masing variabel bebas. Koefisien determinasi adalah satu dikurangi rasio antara besarnya deviasi nilai Y observasi dari rata-ratanya. Atau secara matematis dapat ditulis sebagai berikut :

r² =

∑^∑

− − − ) ( ) ˆ ( 1 Y Y Y Y Keterangan :

r² : besarnya koefisien determinasi Y : nilai variabel Y

Yˆ : nilai estimasi Y

Menghitung r² digunakan untuk mengetahui sejauh mana sumbangan dari masing-masing variabel bebas. Jika variabel lainnya konstan terhadap variabel terikat. Semakin besar nilai r² maka semakin besar variasi sumbangannya terhadap variabel terikat.

3.5.3 Uji Asumsi

Evaluasi ekonometri dimaksudkan untuk mengetahui apakah model regresi linier beranda yang digunakan unutk menganalisis dalam penelitian ini memenuhi asumsi klasik atau tidak.

a. Uji Multikoleniaritas

Salah satu asumsi klasik adalah terjadinya Multikoleniaritas diantara variabel – variabel bebas yang berada dalam satu model, artinya antar variabel independen yang terdapat dalam model memiliki hubungan yang sempurna atau mendekati sempurna (koefisiennya tinggi atau bahkan satu). Menurut Algifari ( 2000 : 87 ), apabila hal ini terjadi berarti antara variabel bebas itu sendiri saling berkorelasi, sehingga dalam hal ini sulit diketahui variabel bebas mana yang mempengaruhi variabel terikat. Salah satu cara untuk mendeteksi kolinieritas ini dilakukan dengan meregresikan antara variabel bebas dan apabila korelasinya signifikan maka antara variabel bebas terjadi multikoleniaritas.

b. Uji Heteroskedastisitas

Uji Heteroskedastisitas digunakan untuk mengetahui apakah terjadinya penyimpangan model karena variance gangguan berbeda antara satu observasi ke observasi lain. Diagnosis adanya heteroskedastisitas secara kuantitatif dalam suatu regresi dapat dilakukan dengan Sperman Rank Correlation, dimana data dari masing – masing variabel diubah menjadi bentuk jenjang yaitu dari nilai terendah sampai nilai tertinggi kemudian meregresikan antara variabel – variabel bebas dengan variabel gangguannya. Korelasi ranking sperman (r_s ) dapat dihitung dengan formula :

rs = 1-6

( )

⎟^⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ −

∑

2 2 2 1 N N d Keterangan:

d1 : selisih rangking standar deviasi (s) dan rangking nilai mutlak error (e) nilai e = Y – Y

N : banyaknya sampel

Setelah itu dihitung koefisiensi korelasinya dan dilakukan pengujian t pada tiap-tiap variabel. Apabila t hitung lebih besar maka dikatakan tidak ada perbedaan yang signifikan atau dapat diartikan tidak terjadi heteroskedastisitas dalam model. Apabila kondisi sebaliknya maka model yang digunakan menjadi heteroskedatisitas.

Nilai t hitung dapat ditentukan dengan formula

t =

2 1 2 s s r N r − −

c. Uji otokorelasi

Uji otokorelasi digunakan untuk mengetahui apakah terjadi korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu (data time series) atau ruang (data cross section). Beberapa faktor yang menyebabkan adanya otokorelasi adalah tidak dimasukkannya variabel bebas yang lain, misalnya pada suatu model regresi yang seharusnya model tersebut terdiri dari empat variabel bebas dan satu variabel terikat, dalam pembuatan model hanya memasukkan tiga variabel bebas. Untuk mendiaknosis adanya otokorelasi dalam suatu model regresi dilakukan melalui pengujian terhadap nilai uji Durbin Watson (Uji DW).

Tabel 4. Durbin Watson Test

Hasil perhitungan Klasifikasi Kurang dari 1.08 1,08 – 1,66 1,66 – 2,34 2,34 – 2,92 Lebih dari 2,92 Ada otokorelasi Tanpa kesimpulan Tidak ada otokorelasi Tanpa kesimpulan Ada otokorelasi (Algifari, 2000 : 89)