BAB III METODE PENELITIAN
D. Metode Analisis Data
Setelah data hasil kuesioner didapat, data harus dianalisis terlebih dahulu agar bisa digunakan dan dijadikan dasar dari pengambilan keputusan. Data dalam penelitian ini diolah dengan perangkat lunak komputer yang bernama SPSS (Statistical Package for Social Science) 22 for Windows.
1. Uji Kualitas Data a. Uji Validitas
Uji validitas digunakan untuk mengukur atau valid atau tidaknya suatu kuesioner. suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan suatu yang diukur oleh kuesioner tersebut (Ghozali, 2012:52).
Teknik yang digunakan untuk mengukur validitas butir pernyataan kuesioner dalam penelitian ini menggunakan Correlation Product
44 Moment dari Karl Pearson dengan cara mengkorelasikan masing-masing item pernyataan kuesioner dan totalnya. Cara menentukannya
dengan membandingkan nilai sig 2 tailed dengan nilai α (0,05) :
1) Jika nilai sig 2 tailed< 0,05 maka pernyataan tersebut dinyatakan valid
2) Jika nilai sig 2 tailed ≥ 0,05 maka pernyataan tersebut dinyatakan
tidak valid
b. Uji Reliabilitas
Uji reliabilitas merupakan alat untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu (Ghozali, 2012:47).
Dalam pengujian ini, peneliti mengukur reliabelnya suatu variabel dengan cara melihat Cronbach’s Alpha dengan signifikansi yang digunakan lebih besar dari 0,7. Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach’s Alpha > 0,7 (Ghozali, 2012:48).
Uji validitas dan reliabilitas dalam penelitian ini dilakukan dengan mengambil hasil dari pengisian kuesioner terhadap 30 responden pertama, dan kemudian diproses dengan software SPSS 22.
45
2. Uji Asumsi Klasik
Model regresi berganda dapat dikatakan sebagai model yang baik jika model tersebut memenuhi asumsi normalitas data yang terbebas dari asumsi klasik statistik, baik itu normalitas, multikolinearitas dan heteroskedastisitas.
a. Uji Normalitas Data
Menurut Ghozali (2012:147) uji normalitas bertujuan untuk melihat apakah dalam model regresi variabel dependen (terikat) dan variabel independen (bebas) mempunyai kontribusi atau tidak. Penelitian yang menggunakan metode yang lebih handal untuk menguji data mempunyai distribusi normal atau tidak; yaitu dengan melihat Normal Probability plot.
Model regresi yang baik adalah data distribusi normal atau mendekati normal, untuk mendeteksi normal dapat dilakukan dengan melihat penyebaran data (titik) pada sumbu diagonal grafik.
b. Uji Multikolinieritas
Menurut Ghozali (2012:105), uji multikolineritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang memiliki nilai korelasi antar
46 sesama variabel independen sama dengan nol. Dapat juga dilihat dari nilai tolerance dan Variate Inflation Factor (VIF), nilai toleransi yang besarannya di atas 0,1 dan nilai VIF dibawah 10 menunjukkan bahwa tidak ada multikolinearitas pada variabel independennya (Ghozali 2012:105).
c. Uji Heteroskedastisitas
Menurut Ghozali (2012:139), uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan 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 yang homokedastisitas atau tidak terjadi heterokedastisitas. Kita dapat melihat dari grafik scatterplot antara prediksi variabel dependen dengan residualnya. Dasar membentuk pola tertentu atau teratur maka mengidentifikasi telah terjadi heteroskedastisitas. Sebaliknya apabila titik – titik yang ada menyebar di atas dan di bawah angka sumbu Y, maka tidak terjadi heteroskedastisitas (Ghozali, 2012:139).
3. Uji Hipotesis
a. Uji F (Uji Simultan)
Menurut Ghozali (2012:98), uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama – sama
47 terhadap variabel dependen atau terikat. Hasil F test ini pada output spss dapat dilihat pada ANOVA (Analysis of Variance). Hasil uji F menunjukkan variabel independen secara bersama-sama berpengaruh terhadap variabel dependen jika p-value (pada kolom sig.) lebih kecil dari level of significant yang ditentukan, atau F hitung (pada kolom F) lebih besar dari F tabel. Sedangkan F tabel dihitung dengan cara df = K – 1 dan df2 = n – k adalah jumlah variabel dependen dan independen. Hipotesis yang digunakan adalah :
H0 : b1 : b2 : b3 = 0 Berarti tidak terdapat pengaruh yang signifikan antara variabel independen dengan variabel dependen.
Ha: b1 : b2 : b3 ≠ 0 Berarti terdapat pengaruh yang signifikan antara variabel independen dengan variabel dependen.
b. Uji t (Uji Parsial)
Uji parsial atau t-test bertujuan untuk mengetahui besarnya pengaruh masing – masing variabel independen secara individual (parsial) terhadap variabel dependen. Hasil uji ini pada output spss dapat dilihat pada tabel coefficients. Nilai dari uji t dapat dilihat dari p-value (pada kolom sig.) pada masing-masing variabel independen, dapat dinyatakan suatu variabel independen secara parsial mempengaruhi variabel dependen jika p-value lebih kecil dari level of significant yang ditentukan (0,05) dan df = N – 2 (Ghozali, 2012:99).
48 Dalam penelitian ini menggunakan uji signifikan dua arah atau two tailed test, yaitu suatu uji yang mempunyai dua daerah penolakan H0 yaitu terletak di ujung sebelah kanan dan kiri. Dalam pengujian dua arah, biasa digunakan untuk tanda sama dengan (=) pada hipotesis nol dan tanda tidak
sama dengan (≠) pada hipotesis alternatif. Tanda (=) dan (≠) ini tidak
menunjukkan satu arah, sehingga pengujian dilakukan dua arah (Suharyadi dan Purwanto S.K., 2009:88). Kriteria dalam uji parsial (Uji t) dapat dilihat sebagai berikut :
1) Uji hipotesis dengan membandingkan t hitung dengan t tabel
a) Apabila -t hitung< -t tabel atau t hitung> t tabel, maka H0 ditolak dan Ha
diterima, artinya variabel independen secara parsial mempunyai pengaruh yang signifikan terhadap variabel dependen.
b) Apabila -t hitung≥ -t tabel atau t hitung ≤ t tabel, maka H0 diterima dan Ha
ditolak, artinya variabel independen secara parsial tidk mempunyai pengaruh yang signifikan terhadap variabel dependen.
2) Uji hipotesis berdasarkan signifikansi a) Jika angka sig. > 0,05, maka H0 diterima b) Jika angka sig. < 0,05, maka H0 ditolak
4. Analisis Regresi Linier Berganda
Analisis regresi pada dasarnya adalah studi mengenai ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen
49 (variabel penjelas atau bebas), dengan tujuan untuk mengestimasi dan/atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui (Gujarati, 2003 dalam Ghozali , 2012:95). Formulasi untuk regresi linier berganda adalah sebagai berikut : Y = a + β1X1+ β2X2 + β3X3+ e Dimana : Y = Kepuasan Konsumen a = Konstanta β1,β 2,β 3 = Koefisien Regresi X1 = Experiential Marketing X2 = Emotional Branding X3 = Service Quality e = Standar Eror
5. Koefisien Determinasi (Adjusted R2)
Menurut Ghozali (2012:97), koefisien determinasi (Adjusted R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Hal ini berarti nilai koefisien determinasi menunjukkan persentase pengaruh keseluruhan variabel independen (Experiential Marketing, Emotional Branding, dan Service Quality) terhadap nilai variabel dependen (Kepuasan Konsumen). Jika pengaruh tidak mencapai 100% maka kekurangannya dijelaskan oleh variabel lain. Besarnya koefisien determinasi adalah sampai dengan 1 (satu). Semakin
50 terhadap nilai variabel dependen. Sedangkan apabila koefisien determinasi mendekati satu, maka semakin besar pengaruh seluruh variabel independen terhadap variabel dependen dan sebaliknya.
51
