Metode analisis data dalam penelitian ini menggunakan desain riset deskriptif. Kata deskriptif dibentuk dari kata kerja behasa inggris to describe yang berarti “menggambarkan”. Jadi riset desktiptif merupakan jenis riset yang tujuan utamanya adalaah menggambarkan sesuatu. Hal-hal yang bisa digambarkan dalam riset deskriptif meliputi karakteristik pelanggan, pelaku pembelian, motivasi membeli, sikap konsumen, tingkat kepuasan konsumen, dan sebagainya.
Riset deskriptif relatif paling banyak dilakukan dalam riset pemasaran, seperti untuk mengetahui ukuran potensi pasar, mengukur persepsi konsumen , menggambarkan pola perilaku konsumen, menentukan
lokasi distribusi, atau menegetahui kepuasan konsumen terhadap produk (Istijanto, 2005).
Pengukuran tingkat kepentingan atas unsur iklan, harga, e-service quality, terhadap repurchase intention dilakukan dengan menggunkan skala likert. Skala likert digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena sosial. Dalam penelitian, fenomena sosial ini telah ditetapkan secara spesifik oleh peneliti, yang selanjutnya disebut sebagai variabel penelitian. Dengan menggunakan skala likert, maka variabel yang akan diukur dijabarkan melalui sub variabel kemudian sub variabel dijabarkan lagi menjadi indikator-indikator yang dapat diukur. Kemudian indikator-indikator yang terukur ini dapat dijadikan titik tolak untuk menyusun item-item instrumen yang dapat berupa pertanyaan atau pernyataan yang perlu dijawab oleh responden. Instrumen ini akan menghasilkan total skor bagi tiap anggota sampel yang diwakili oleh setiap nilai skor seperti instrumen di bawah ini (Sugiyono, 2009 : 132)
Tabel 3.1 Skala Likert
Tanda Keterangan Bobot
SS Sangat Setuju 5
S Setuju 4
RR Ragu-Ragu 3
TS Tidak Setuju 2
STS Sangat Tidak Setuju 1
1. Uji Kualitas Data a. Uji Validitas
Validitas atau kesahihan adalah suatu indeks yang menunjukkan alat ukur tersebut benar-benar mengukur apa yang diukur. Validitas ini menyangkut akurasi instrumen. Untuk mengetahui apakah kuesioner yang disusun tersebut itu valid atau sahih, maka perlu diuji dengan uji korelasi anara skor (nilai) tiap-tiap butir pertanyaan dengan skor total kuesioner tersebut. (Noor, 2011:132)
Uji validitas dalam penelitian ini digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi alat ukurnya. Uji validitas digunakan untuk mengetahui valid atau tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut (Ghozali, 2011:52).
Uji validitas dilakukan dengan membandingkan nilai r hitung dengan nilai rtabel untuk degree of freedom (df) = n-2 dengan alpha 0,05. Jika rhitung lebih besar dari r tabel dan nilai r positif, maka butir atau pertanyaan tersebut dikatakan valid. Untuk hasil analisis dapat dilihat pada output uji reliabilitas pada bagian corrected item total correlation. Dalam pengambilan keputusan untuk menguji validitas indikatornya adalah:
2) Jika rhitung < rtabel maka butir atau variabel tersebut tidak valid.
b. Uji Realibilitas
Uji Reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk (Ghozali, 2011:47). Suatu kuesioner dikatakan reliable atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu.
Reliabilitas atau keterandalan ialah indeks yang menunjukkan sejauh mana suatu alat ukur dapat dipercaya atau diandalkan. Hal ini berarti menunjukan sejauh mana alat pengukur dikatakan konsisten , jika dilakukan pengukuran dua kali atau lebih terhadap gejala yang sama. (Noor, 2011:130) Adapun cara yang digunakan untuk menguji reliabilitas kuesioner dalam penelitian ini adalah mengukur reliabilitas dengan uji statistik Cronbach Alpha. Untuk mengetahui kuesioner tersebut sudah reliable akan dilakukan pengujian reliabilitas kuesioner dengan bantuan program computer SPSS 17. Kriteria penilaian uji reliabilitas adalah (Ghozali, 2011:48):
1) Apabila hasil koefisien Alpha lebih besar dari taraf signifikansi 70% atau 0,70 maka kuesioner tersebut reliable.
2) Apabila hasil koefisien Alpha lebih kecil dari taraf signifikansi 70% atau 0,70 maka kuesioner tersebut tidak reliable.
2.Uji Asumsi Klasik
Uji asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, uji heteroskedestisitas, dan uji multikolonieritas.
a. Uji Normalitas Data
Tujuan uji normalitas adalah untuk menguji apakah dalam model regresi, variabel independen, variabel dependen, atau keduanya mempunyai distribusi normal ataukah tidak. Model regresi yang baik adalah distribusi normal atau mendekati normal. Untuk menguji apakah distribusi data normal atau tidak, dilakukan dengan cara melihat Normal Probability Plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk suatu garis lurus diagonal dan ploting data akan dibandingkan dengan garis diagonal. Jika distribusi data normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya (Ghozali, 2011:161-162).
Pada prinsipnya deteksi normalitas dilakukan dengan melihat grafik normal probability plot. Dasar pengambilan keputusannya adalah sebagai berikut:
1) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukan pola distibusi normal, maka model regresi memenuhi asumsi normalitas.
2) Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram yang tidak menunjukan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas (Ghozali, 2011:163).
Selain menggunakan grafik normal probability plot deteksi normalitas juga dapat dilihat dengan uji Kolmogorov smirnov. Dasar pengambilan keputusannya adalah jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal.
b. Uji Multikolinieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen (Imam Ghozali, 2011: 105). Deteksi ada atau tidaknya multikolonieritas dalam model regresi adalah dilihat dari besaran VIF (Variance Inflation Factor) dan tolerance (TOL). Regresi bebas dari masalah multikolonieritas jika nilai VIF < 10 dan nilai TOL > 0,10 (Ghozali, 2011: 106).
c. Uji Heteroskedestisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual dari satu pengamatan ke-pengamatan yang lain. Jika variance dari residual satu pengamatan ke-pengamatan yang lain tetap, maka disebut homokedastisitas. Dan jika berbeda disebut dengan heterokesdesitas. Model regresi yang baik adalah yang Homokesdesitas atau tidak terjadi Heterokesdesitas (Ghozali, 2011:139).
Cara untuk mendeteksinya adalah dengan melihat grafik scaterplot antara nilai prediksi variabel terikat (z variabel), dengan residualnya (s residualnya):
1) Jika ada pola tertentu yang teratur, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit), maka mengidentifikasikan telah terjadi heterokesdastisitas.
2) Jika tidak ada pola yang jelas, serta titik-titiknya menyebar di atas dan dibawah angka nol (0) pada sumbu Y, maka tidak terjadi heterokesdastisitas (Ghozali, 2011:139).
Selain menggunakan grafik Scater Plot deteksi heteroskedastitsitas juga dapat dilihat dengan Uji Glejser. Dasar pengambilan keputusannya adalah sebagai berikut:
1) Tidak terjadi heteroskedastisitas, jika nilai t hitung lebih kecil dari t tabel dan nilai signifikansi lebih besar dari 0,05.
2) Terjadi heteroskedastisitas, jika nilai t hitung lebih besar dari t tabel dan nilai signifikansi lebih kecil dari 0,05.
3. Uji Hipotesis
a. Uji t (Uji parsial)
Uji t bertujuan untuk mengetahui pengaruh antara variabel indendepen dengan variabel dependen secara parsial. Untuk mengetahui apakah terdapat pengaruh yang signifikan dari variabel masing-masing independen yaitu : iklan (X1), harga (X2), e-service quality (X3) terhadap satu variabel dependen, yaitu repurchase intention (Y), maka nilai signifikan t dibandingkan dengan derajat kepercayannya. Apabila sig t lebih besar dari 0,05 maka Ho diterima. Demikian pula sebaliknya jika sig t lebih kecil dari 0,05 maka Ho ditolak. Bila Ho ditolak ini berarti ada hubungan yang signifikan antara variabel independen terhadap variabel dependen (Ghozali, 2011:101).
Dalam pengujian hipotesis yang menggunakan uji dua pihak ( two tails) ini berlaku ketentuan, bahwa bila harga t hitung, berada pada daerah penerimaan HO atau terletak diantara harga t tabel, maka HO diterima dan Ha di tolak. Dengan demikian bila harga t hitung lebih kecil atau sama dengan (≤) dari harga t tabel maka HO di terima. Harga t
hitung adalah harga mutlak, jadi tidak dilihat (+) atau (-) nya ( Sugiyono,2011).
Kriteria dalam uji parsial (Uji t) dapat dilihat sebagai berikut : a. Uji hipotesis dengan membandingkan thitung dengan ttabel
1) Apabila – thitung < - ttabel atau thitung > ttabel, maka Ho ditolak dan Ha diterima, artinya variabel independen secara parsial mempunyai pengaruh yang signifikan terhadap variabel dependen.
2) Apabila thitung ≤ ttabel atau – thitung ≥ - ttabel, maka Ho diterima dan Ha ditolak, artinya variabel independen secara parsial tidak mempunyai pengaruh yang signfikan terhadap variabel dependen.
b. Uji Hipotesis berdasarkan Signifikansi 1) Jika angka sig. > 0,05, maka Ho diterima, 2) Jika angka sig. <0,05, maka Ho ditolak,
b. Uji F (Uji Simultan)
Uji statistik F pada dasarnya menunjukan apakah semua variabel independen atau bebas yang dimasukan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat. Hipotesis nol (Ho) yang hendak diuji adalah apakah semua parameter dalam model sama dengan nol, atau (Ghozali, 2011:98) :
Artinya, apakah semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya (Ha) tidak semua parameter secara simultan sama dengan nol, atau:
Ha : b1 ≠ b2 ≠…..≠ bk ≠ 0
Artinya semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen.
Adapun prosedurnya sebgai berikut :
a) Jika niali signifikan lebih besar dari 0,05, maka Ho diterima atau Ha ditolak , ini berarti menyatakan bahwa semua variabel independen atau bebas tidak mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat.
b) Jika nilai signifikan lebih kecil dari 0,05, maka Ho ditolak atau Ha diterima, ini berarti menyatakan bahwa semua variabel independen atau bebas mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat.
4. Analisis Regresi Linear Berganda
Analisis regresi berganda digunakan oleh peneliti, bila peneliti bermaksud meramalkan Apakah keadaan (naik turunnya) variabel dependen, bila dua atau lebih variabel independen sebagai faktor predictor dimanipulasi
(dinaik turunkan nilainya). Jadi analisis regresi berganda akan dilakukan bila jumlah variabel independen minimal 2 (Sugiyono, 2009:227).
Rumus regresi linier berganda :
Sumber : (Sugiyono, 2009: 227) Dimana :
Y = Repurchase intention a = konstanta
b1 sataud b4 = koefisien regresi X1 = Iklan
X2 = Harga
X3 = E-Service Quality e = Standar Error
5. Koefisien Determinasi (Adjusted R2)
Koefisien determinasi bertujuan untuk mengukur seberapa jauh kemampuan model dapat menjelaskan variabel-variabel dependen. Pada pengujian hipotesis , hipotesis pertama koefisien determinasi dilihat dari besarnya nilai (Adjusted R2) untuk mengetahui seberapa jauh variabel bebas yaitu Iklan (X1), Harga (X2), E-service quality (X3), serta pengaruhnya terhadap terhadap satu variabel dependen, yaitu Repurchase intention (Y). Nilai (Adjusted R2) mempunyai interval antara 0 dan 1. Jika nilai Adjusted R2
bernilai besar (mendeteksi 1 ) berarti variabel bebas dapat memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen. Sedangkan jika (Adjusted R2) bernilai kecil berarti kemampuan variabel bebas dalam menjelaskan variabel dependen sangat terbatas. Secara umum koefisien determinasi untuk data silang (crossection) relative rendah karena adanya variasi yang besar antara masing-masing pengamatn, sedangkan untuk data runtun waktu (time series) biasanya mempunyai nilai koefisien s yang tinggi (Ghozali, 2011:97).