BAB II TINJAUAN PUSTAKA
3.6 Metode Analisis Data
Metode analisis data adalah suatu metode yang digunakan mengolah hasil penelitian guna memperoleh suatu kesimpulan. Dalam penelitian ini metode analisis data yang digunakan adalah sebagai berikut :
3.6.1.Analisis Deskriptif
Menjelaskan dan menjabarkan mengenai hasil perhitungan dari analisis kualitatif serta menggambarkan secara jelas kondisi yang ada dalam objek. Metode ini digunakan untuk mengetahui dan menganalisis data mengenai kualitas pelayanan, citra, keputusan pembelian dan kepuasan konsumen yang membeli produk susu di KUD Mekar Ungaran.
Analisis ini dilakukan dengan memberi skor pada jawaban angket yang telah diisi oleh responden. Hasil penjumlahan masing-masing butir pernyataan kemudian dikonsultasikan dengan tabel kategori tiap variabel. Kategori variabel kualitas pelayanan koperasi, citra koperasi, keputusan pembelian , dan kepuasan konsumen dikelompokkan menjadi 4 (empat) yaitu sangat baik, baik, kurang baik, dan tidak baik. Kategori setiap variabel disajikan dalam bentuk tabel kategori.
Langkah menentukan tabel kategori menurut Tarmudji (1992:23) adalah sebagai berikut:
1. Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil. 2. Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k=4
3. Menentukan lebar setiap kelas (i) i =
4. Menghitung sisa kekurangan bilangan dengan rumus: (k . i) jumlah bilangan. Sisa kekurangan bilangan sebaiknya jangan ditambahkan pada satu sisi saja, tetapi sebaiknya pada 2(dua) sisi, yaitu kanan dan kiri.
3.6.1.1. Kategori Variabel Kepuasan Konsumen
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 6 × 4 = 24
Data terkecil : 6 × 1 = 6
Jadi jangkauannya adalah 24 6 = 18. Berarti dari nilai 6 sampai dengan 24 terdapat 19 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 75 = 5
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 5) 19 = 1
Tabel 3.2 Kategori Variabel Kepuasan Konsumen
No Skor Kriteria
1 21 25 Sangat Baik
2 16 20 Baik
3 11 15 Kurang Baik
4 6 10 Tidak Baik
a. Kategori Indikator Konfirmasi Harapan
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 2 × 4 = 8
Data terkecil : 2 × 1 = 2
Jadi jangkauannya adalah 8 2 = 6. Berarti dari nilai 2 sampai dengan 8 terdapat 7 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 75 = 2
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 2) 7 = 1
Tabel 3.3 Kategori Indikator Konfirmasi Harapan
No Skor Kriteria
1 8 9 Sangat Baik
2 6 7 Baik
3 4 5 Kurang Baik 4 2 3 Tidak Baik Sumber: Data diolah 2013
b. Kategori Indikator Minat Pembelian Ulang
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 2 × 4 = 8
Data terkecil : 2 × 1 = 2
Jadi jangkauannya adalah 8 2 = 6. Berarti dari nilai 2 sampai dengan 8 terdapat 7 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 75 = 2
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 2) 7 = 1
Tabel 3.4 Kategori Indikator Minat Pembelian Ulang
No Skor Kriteria
1 8 9 Sangat Baik
2 6 7 Baik
3 4 5 Kurang Baik 4 2 3 Tidak Baik Sumber: Data diolah 2013
c. Kategori Indikator Kesediaan Merekomendasikan
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 2 × 4 = 8
Data terkecil : 2 × 1 = 2
Jadi jangkauannya adalah 8 2 = 6. Berarti dari nilai 2 sampai dengan 8 terdapat 7 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 75 = 2
(k . i) – jumlah bilangan =(4 × 2) 7 = 1
Tabel 3.5 Kategori Indikator Kesediaan Merekomendasikan
No Skor Kriteria
1 8 9 Sangat Baik
2 6 7 Baik
3 4 5 Kurang Baik 4 2 3 Tidak Baik Sumber: Data diolah 2013
3.6.1.2. Kategori Variabel Kualitas Pelayanan Koperasi
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 14 × 4 = 56
Data terkecil : 14 × 1 = 14
Jadi jangkauannya adalah 56 14 = 42. Berarti dari nilai 14 sampai dengan 56 terdapat 43 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = = 11
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 11) – 43 = 1
Tabel 3.6 Kategori Variabel Kualitas Pelayanan Koperasi
No Skor Kriteria
1 47 57 Sangat Baik
2 36 46 Baik
3 25 35 Kurang Baik
4 14 24 Tidak Baik
a. Kategori Indikator Bukti Fisik
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 4 × 4 = 16
Data terkecil : 4 × 1 = 4
Jadi jangkauannya adalah 16 4 = 12. Berarti dari nilai 4 sampai dengan 16 terdapat 13 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i =
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 4) 13 = 3
Tabel 3.7 Kategori Indikator Bukti Fisik
No Skor Kriteria
1 15 18 Sangat Baik
2 11 14 Baik
3 7 10 Kurang Baik
4 3 6 Tidak Baik
Sumber: Data diolah 2013 b. Kategori Indikator Keandalan
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 2 × 4 = 8
Data terkecil : 2 × 1 = 2
Jadi jangkauannya adalah 8 2 = 6. Berarti dari nilai 2 sampai dengan 8 terdapat 7 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 75 = 2
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 2) 7 = 1
Tabel 3.8 Kategori Indikator Keandalan
No Skor Kriteria
1 8 9 Sangat Baik
2 6 7 Baik
3 4 5 Kurang Baik 4 2 3 Tidak Baik Sumber: Data diolah 2013
c. Kategori Indikator Daya Tanggap
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 2 × 4 = 8
Data terkecil : 2 × 1 = 2
Jadi jangkauannya adalah 8 2 = 6. Berarti dari nilai 2 sampai dengan 8 terdapat 7 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 75 = 2
(k . i) – jumlah bilangan = (4 × 2) 7 = 1
Tabel 3.9 Kategori Indikator Daya Tanggap
No Skor Kriteria
1 8 9 Sangat Baik
2 6 7 Baik
3 4 5 Kurang Baik 4 2 3 Tidak Baik Sumber: Data diolah 2013
d. Kategori Indikator Jaminan
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 3 × 4 = 12
Data terkecil : 3 × 1 = 3
Jadi jangkauannya adalah 12 3 = 9. Berarti dari nilai 3 sampai dengan 12 terdapat 10 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 5 = 3
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 3) 12 = 2
Tabel 3.10 Kategori Indikator Jaminan
No Skor Kriteria
1 11 13 Sangat Baik
2 8 10 Baik
3 5 7 Kurang Baik
4 2 4 Tidak Baik
e. Kategori Indikator Empati
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 3 × 4 = 12
Data terkecil : 3 × 1 = 3
Jadi jangkauannya adalah 12 3 = 9. Berarti dari nilai 3 sampai dengan 12 terdapat 10 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 5 = 3
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 3) 12 = 2
Tabel 3.11 Kategori Indikator Empati
No Skor Kriteria
1 11 13 Sangat Baik
2 8 10 Baik
3 5 7 Kurang Baik
4 2 4 Tidak Baik
Sumber: Data diolah 2013
3.6.1.3. Kategori Variabel Citra Koperasi
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 11 × 4 = 44
Jadi jangkauannya adalah 44 11 = 33. Berarti dari nilai 11 sampai dengan 44 terdapat 34 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = = 9
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 9) – 34 = 2
Tabel 3.12 Kategori Variabel Citra Koperasi
No Skor Kriteria
1 37 45 Sangat Baik
2 28 36 Baik
3 19 27 Kurang Baik
4 10 18 Tidak Baik
Sumber: Data diolah 2013 a. Kategori Indikator Kualitas Manajemen
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 3 × 4 = 12
Data terkecil : 3 × 1 = 3
Jadi jangkauannya adalah 12 3 = 9. Berarti dari nilai 3 sampai dengan 12 terdapat 10 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i = 5 = 3
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 3) 12 = 2
Tabel 3.13 Kategori Indikator Kualitas Manajemen
No Skor Kriteria
1 11 13 Sangat Baik
2 8 10 Baik
3 5 7 Kurang Baik
4 2 4 Tidak Baik
Sumber: Data diolah 2013
b. Kategori Indikator Perhatian terhadap Lingkungan dan Bahan Mentah 1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil
Data terbesar : 3 × 4 = 12 Data terkecil : 3 × 1 = 3
Jadi jangkauannya adalah 12 3 = 9. Berarti dari nilai 3 sampai dengan 12 terdapat 10 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 5 = 3
4.Menghitung sisa kekurangan bilangan dengan rumus :
Tabel 3.14 Kategori Indikator Perhatian terhadap Lingkungan dan Bahan Mentah No Skor Kriteria 1 11 13 Sangat Baik 2 8 10 Baik 3 5 7 Kurang Baik 4 2 4 Tidak Baik
Sumber: Data diolah 2013 c. Kategori Indikator Kesan Baik dari Karyawan
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 3 × 4 = 12
Data terkecil : 3 × 1 = 3
Jadi jangkauannya adalah 12 3 = 9. Berarti dari nilai 3 sampai dengan 12 terdapat 10 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 5 = 3
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 3) 12 = 2
Tabel 3.15 Kategori Indikator Kesan Baik dari Karyawan
No Skor Kriteria
1 11 13 Sangat Baik
2 8 10 Baik
3 5 7 Kurang Baik
4 2 4 Tidak Baik
d. Kategori Indikator Inovasi
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 2 × 4 = 8
Data terkecil : 2 × 1 = 2
Jadi jangkauannya adalah 8 2 = 6. Berarti dari nilai 2 sampai dengan 8 terdapat 7 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 75 = 2
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 2) 7 = 1
Tabel 3.16 Kategori Indikator Inovasi
No Skor Kriteria
1 8 9 Sangat Baik
2 6 7 Baik
3 4 5 Kurang Baik 4 2 3 Tidak Baik Sumber: Data diolah 2013
3.6.1.4. Kategori Variabel Keputusan Pembelian
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 11 × 4 = 44
Jadi jangkauannya adalah 44 11 = 33. Berarti dari nilai 11 sampai dengan 44 terdapat 34 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = = 9
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 9) – 34 = 2
Tabel 3.17 Kategori Variabel Keputusan Pembelian
No Skor Kriteria
1 37 45 Sangat Baik
2 28 36 Baik
3 19 27 Kurang Baik
4 10 18 Tidak Baik
Sumber: Data diolah 2013 a. Kategori Indikator Pengenalan Kebutuhan
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 3 × 4 = 12
Data terkecil : 3 × 1 = 3
Jadi jangkauannya adalah 12 3 = 9. Berarti dari nilai 3 sampai dengan 12 terdapat 10 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i = 5 = 3
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 3) 12 = 2
Tabel 3.18 Kategori Indikator Pengenalan Kebutuhan
No Skor Kriteria
1 11 13 Sangat Baik
2 8 10 Baik
3 5 7 Kurang Baik
4 2 4 Tidak Baik
Sumber: Data diolah 2013 b. Kategori Indikator Pencarian Informasi
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 3 × 4 = 12
Data terkecil : 3 × 1 = 3
Jadi jangkauannya adalah 12 3 = 9. Berarti dari nilai 2 sampai dengan 16 terdapat 10 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 5 = 3
4.Menghitung sisa kekurangan bilangan dengan rumus :
Tabel 3.19 Kategori Indikator Pencarian Informasi No Skor Kriteria 1 11 13 Sangat Baik 2 8 10 Baik 3 5 7 Kurang Baik 4 2 4 Tidak Baik
Sumber: Data diolah 2013 c. Kategori Indikator Evaluasi Alternatif
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 2 × 4 = 8
Data terkecil : 2 × 1 = 2
Jadi jangkauannya adalah 8 2 = 6. Berarti dari nilai 2 sampai dengan 8 terdapat 7 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 75 = 2
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 2) 7 = 1
Tabel 3.20 Kategori Indikator Evaluasi Alternatif
No Skor Kriteria
1 8 9 Sangat Baik
2 6 7 Baik
3 4 5 Kurang Baik 4 2 3 Tidak Baik Sumber: Data diolah 2013
d. Kategori Indikator Keputusan Membeli
1.Menentukan jangkauan, yaitu data terbesar dikurangi data terkecil Data terbesar : 3 × 4 = 12
Data terkecil : 3 × 1 = 3
Jadi jangkauannya adalah 12 3 = 9. Berarti dari nilai 3 sampai dengan 12 terdapat 10 bilangan.
2.Menentukan cacah kelas yang diperlukan yaitu 4(empat), jadi k = 4 3.Menentukan lebar setiap kelas (i)
i =
i = 5 = 3
4.Menghitung sisa kekurangan bilangan dengan rumus :
(k . i) – jumlah bilangan =(4 × 3) 12 = 2
Tabel 3.21 Kategori Indikator Keputusan Membeli
No Skor Kriteria
1 11 13 Sangat Baik
2 8 10 Baik
3 5 7 Kurang Baik
4 2 4 Tidak Baik
Sumber: Data diolah 2013
3.6.2.Uji Asumsi Klasik 1. Uji Multikolinieritas
Uji multikolinieritas dimaksudkan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Apabila terjadi korelasi antara variabel bebas, maka terdapat problem multikolinieritas pada
model regresi tersebut (Ghozali, 2011:105),. Ada tidaknya problem
multikolinieritas didalam model regresi dapat dideteksi melalui hal-hal sebagai berikut :
a. Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi sacara individual variabel-variabel bebas banyak yang tidak signifikan mempengaruhi variabel tertentu.
b. Menganalisis matrik korelasi variabel-variabel bebas. Jika antar variabel bebas ada korelasi yang cukup tinggi (umumnya diatas 0,90), maka hal ini merupakan indikasi adanya multikolinieritas.
c. Multikolineritas juga dapat dilihat dari nilai tolerance dan variance inflation factor (VIF). Jika VIF lebih dari 10 maka terjadi multikolinieritas.
2. Uji Heteroskedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lain. Untuk menjelaskan untuk mendeteksi ada tidaknya heteroskedastisitas dilakukan dengan cara melihat grafik Plot antara nilai prediksi variabel terikat (Zpred) dengan residualnya (Sresia). Apabila tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 (nol) pada sumbu Y, maka dapat disimpulkan tidak terjadi (bebas) heteroskedastisitas dalam data (Ghozali , 2011:139)
3. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya memiliki distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Deteksi normalitas dapat dilakukan dengan melihat penyebaran data (titik-titik) pada sumbu diagonal dari grafik. Dasar pengambilan keputusan dari uji normalitas (Ghozali, 2011:160) :
a. Jika data menyebar disekitar garis diagonal dan mngikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari garis diagonal dan/atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
3.6.3.Analisis Jalur
Untuk menguji pengaruh variabel intervening digunakan metode analisis jalur (Path Analysis). Analisis jalur merupakan perluasan dari analisis regresi linier berganda, atau analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas antar variabel (model causal) yang telah ditetapkan sebelumnya berdasarkan teori (Ghozali, 2011:249).
Persamaan dalam model ini terdiri dari dua tahap, yaitu:
1. Persamaan pertama:
Keterangan:
P : Variabel intervening (Keputusan Pembelian)
b1 : Koefisien Regresi
X1 : Kualitas pelayanan
X2 : Citra Koperasi
e1 : Variance variabel keputusan pembelian yang tidak dijelaskan oleh kualitas pelayanan dan citra.
2. Persamaan kedua: Y = b1X1 + b2 X2 + b3P + e2 Keterangan: Y : Kepuasan konsumen b1, b2 : Koefisien regresi X1 : Kualitas pelayanan X2 : Citra Koperasi
e2 : Variance variabel kepuasan konsumen yang tidak dijelaskan oleh kualitas pelayanan, citra, dan keputusan pembelian.
\
Gambar 3.1: Analisis jalur
Persamaan regresi : P = b1X1 + b2 X2 + e1 Y = b1 X1 + b2 X2 +b3P+ e2 Total effect
Total effect Kualitas Pelayanan = (p5)+(p1) (p3)
Total effect Citra Koperasi = (p4)+(p2) (p3)
Total effect Kepuasan Konsumen = (p3)
3.6.4.Pengujian Hipotesis 1. Uji Parsial (Uji t)
Uji parsial digunakan untuk menguji kemaknaan koefisien parsial atau masing-masing variabel independen terhadap variabel dependen. Uji parsial ini menggunakan distribusi t. Caranya dengan menggunakan alat bantu statistik SPSS dengan cara membandingkan antara nilai signifikan hitung dengan
Citra Koperasi Keputusan Pembelian Kepuasan Konsumen 1 e 2 e Kualitas Pelayanan p5 p1 p3 p4 p2
signifikan α = 5%. Apabila perhitungan signifikan hitung ≤ α (5%), maka Ho
ditolak dan Ha diterima, artinya variabel independen berpengaruh terhadap variabel dependen.
2. Uji Simultan (Uji F)
Uji ini dilakukan untuk mengetahui apakah semua variabel independen mempunyai pengaruh yang sama terhadap variabel dependen. Hipotesis untuk uji F, hipotesis nol (Ho) diterima dan Hipotesis alternatif (Ha) ditolak maka: artinya tidak ada pengaruh antara variabel bebas (X1, dan X2) secara bersama-sama terhadap variabel terikat (Y).
Hipotesis alternatif (Ha) diterima dan Hipotesis nol (Ho) ditolak maka: artinya ada pengaruh antara variabel bebas (X1, dan X2) secara bersama-sama terhadap variabel terikat (Y).
Kriteria Pengujian dengan SPSS:
a. Apabila probabilitas > taraf signifikan (5%), maka Ho diterima dan Ha ditolak.
b. Apabila probabilitas < taraf signifikan (5%), maka Ho ditolak dan Ha diterima.
67