IV. HASIL DAN PEMBAHASAN
4.2. Hasil Pengolahan dan Analisis Data
4.2.6. Pengaruh Proses Intepretasi pada Sikap
Pada sub bab ini akan dipaparkan hasil dan intepretasi penelitian mengenai pengaruh dari proses intepretasi terhadap
perceived credibilities endorser pada sikap terhadap produk. Teknik yang digunakan untuk menganalisis pengaruh tersebut adalah dengan menggunakan analisis regresi linier berganda. Dalam analisis regresi linier berganda terdapat beberapa asumsi klasik yang harus diuji terlebih dahulu sebelum data diolah lebih lanjut. Uji asumsi klasik tersebut meliputi normalitas sebaran, E(εi) = 0, multikolinearitas, autokorelasi, dan homoskedastisitas (Myers, 1990). Sedangkan uji asumsi klasik yang digunakan dalam penelitian ini adalah sebagai berikut:
1. AsumsiE(εi) = 0
Uji asumsi ini mengasumsikan jika Xiadalah variabelnonrandom
dan diobservasi dengan negligible error, sedangkan εi adalah variabel randomdengan rata-rata nol, variance konstan, dan tidak berkorelasi dari satu observasi ke observasi lainnya. Pengujian asumsi ini dapat dilakukan dengan mengunakan program Minitab, dengan hasil sebagai berikut:
Gambar 8. Hasil minitab untuk uji asumsi E(εi) = 0
Berdasarkan Gambar 8, dapat diketahui bahwa nilai p-value dari Residual adalah 1,000 atau lebih besar dari 0,05. Sedangkan hipotesis yang diajukan dalam asumsi ini adalah:
H0: μ error samadengan 0
H1:μ error tidak samadengan 0
Dengan demikian uji asumsi ini sudah terpenuhi karena menerima H0dan menolakH1.
2. Asumsi homoskedastisitas
Asumsi-asumsi untuk analisis regresi memerlukan kondisi bahwa residu tetap konstan untuk semua nilai Y'. Kondisi ini disebut homoskedastisitas. Pengujian homoskedastisitas dapat dilakukan dengan menggunakan Scatterplot, seperti yang disajikan pada Gambar 9 sebagai berikut:
Gambar 9. Scatterplot untuk uji asumsi Homokedastisitas
Residual Plots for Y One-Sample Z: RESI1
Test of mu = 0 vs not = 0
The assumed standard deviation = 1
Variable N Mean StDev SE Mean 95% CI Z P
RESI1 100 -0.000 0.662 0.100 (-0.196, 0.196) -0.00 1.000 4 . 0 0 3 . 7 5 3 . 5 0 3 . 2 5 3 . 0 0 2 . 7 5 2 . 5 0 2 1 0 - 1 - 2 F i t t e d V a l u e R e s id u a l V e r s u s F i t s ( r e s p o n s e i s Y ) 73
Berdasarkan Scatterplot tersebut dapat disimpulkan bahwa tidak ada lagi keragaman di sekitar banyak nilai Y' daripada di sekitar sedikit nilai Y'. Dengan demikian asumsi tersebut terpenuhi. 3. Asumsi multikolinearitas
Multikolinearitas terjadi ketika peubah bebas saling berkorelasi atau benar-benar tidak independen dan memberikan informasi yang berlebihan. Pengujian multikolinearitas digunakan untuk melihat adanya hubungan yang terjadi antara sesama prediktor. Semakin kuat hubungan antara sesama prediktor maka semakin tidak independen. Sebaliknya semakin lemah hubungan antara sesama prediktor maka semakin independen. Pengujian multikolinearitas diindikasikan dengan nilai VIF masing-masing prediktor. Suatu data dikatakan terbebas dari persoalan multikolinearitas apabila nilai VIF prediktor tidak melebihi 10. Berdasarkan Tabel 16 dapat diketahui bahwa masing-masing prediktor memiliki nilai VIF sebesar 1,620. Dengan demikian dapat disimpulkan bahwa data terbebas dari persoalan multikolineritas karena nilai VIF tidak melebihi 10.
Tabel 16. Hasil uji asumsi Multikolinearitas
Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistic B Std.
Error Beta Tolerance VIF
1 (Constant) 1.733 .373 4.641 .000
X1 .216 .140 .184 1.544 .126 .617 1.620 X2 .265 .131 .241 2.019 .046 .617 1.620 Dependent Variable: Y
4. Asumsi normalitas sebaran
Asumsi normalitas sebaran menggambarkan sebaran data yang diperoleh dari hasil kuesioner yang disebarkan kepada konsumen yaitu mahasiswa Institut Pertanian Bogor. Asumsi normalitas sebaran dapat diketahui melalui pengujian statistik maupun pengujian normalitas yang dilakukan dengan histogram dan plot
normal. Berikut ini pengujian asumsi normalitas sebaran dengan menggunakan plot normal dan pengujian statistik:
2 1 0 - 1 - 2 9 9 . 9 9 9 9 5 9 0 8 0 7 0 6 0 5 0 4 0 3 0 2 0 1 0 5 1 0 . 1 R E S I 1 P e rc e n t M e a n - 2 . 6 7 3 4 2 E - 1 5 S t D e v 0 . 6 6 2 3 N 1 0 0 A D 0 . 4 4 6 P - V a l u e 0 . 2 7 8 P r o b a b i l i t y P l o t o f R E S I 1 N o r m a l
Gambar 10. P-Plot untuk uji asumsi Normalitas Sebaran
Berdasarkan Gambar 10 tersebut, dapat disimpulkan bahwa asumsi normalitas sebaran terpenuhi. Ini ditunjukkan dengan sebaran data hasil kuesioner yang berada di sekitar garis lurus Normal P-Plot dan nilai p-value yang menunjukkan angka sebesar 0,278 atau lebih besar dari 0,05.
Setelah dilakukan pengujian asumsi klasik, langkah selanjutnya adalah melakukan analisis regresi linier berganda, dimana sikap terhadap produk (Y) merupakan variabel dependen, dan
perceived Attractiveness terhadap endorser (X1) serta perceived
Expertise terhadap endorser (X2) merupakan variabel independen.
Adapun model regresi linier berganda dengan 2 variabel independen yang digunakan dalam penelitian ini adalah sebagai berikut:
Yi = β0 + β1x1i + β2x2i+ … + βpxpi+ εi………….(6) Dimana:
Y = sikap terhadap produk
X1i =perceived Attractivenessterhadapendorser
X2i =perceived Expertiseterhadapendorser
β0,β1,β2= koefisien regresi linier berganda
Semua pengolahan data berikut analisis regresi linier berganda dilakukan dengan menggunakan bantuan program komputer yaitu
SPSS 15.0 for Windows Evaluation Version. Hasil pengolahan data tersebut adalah sebagai berikut:
Tabel 17. Hasil ujiDescriptive Statistics
N Minimum Maximum Mean
Std. Deviation
RATA2Y 100 1.00 4.60 3.1528 .71713
RATA2X1 100 1.77 4.62 3.2887 .61273
RATA2X2 100 1.00 4.32 2.6819 .65197
Tabel 17 tersebut menggambarkan bahwa rata-rata sikap dari 100 konsumen (Y) adalah 3,1528 dengan nilai minimum dan maksimum secara berturut-turut adalah 1,00 dan 4,60 serta standar deviasi sebesar 0,71713. Adapun rata-rata dari proses intepretasi responden terhadap dimensi attractiveness (X1) adalah 3,2887 dengan
nilai minimum dan maksimum sebesar 1,77 dan 4,62 serta nilai standar deviasi sebesar 0,61273, sedangkan rata-rata dari proses intepretasi responden terhadap dimensi expertise (X2) adalah 2,6819 dengan
standar deviasi sebesar 0,65197 serta nilai minimum dan maksimum sebesar 1,00 dan 4,32.
Descriptive Statistic tidak menggambarkan korelasi antar variabel. Oleh karena itu, untuk perhitungan korelasi antar variabel dilakukan dengan menggunakan rumus korelasi product moment pearson dengan Sig.(1-tailed). Perhitungan korelasi akan signifikan apabila nilai Signifikansi (Sig.(1-tailed)) < 0,05 atau nilai probabilitas lebih kecil dari pada taraf signifikansi yang digunakan yaitu 5 persen. Dengan demikian, berdasarkan Tabel 18 dapat diketahui bahwa terdapat hubungan korelasi positif antara variabel sikap dengan variabelSource Credibility Scale, dengan penjelasan sebagai berikut:
a. Variabel sikap (Y) berkorelasi nyata dengan variabel persepsi
Attractivenessterhadap endorser (X1) dengan Nilai Signifikansinya
(Sig.(1-tailed)) adalah 0,000 dan nilai probabilitas sebesar 0,333. b. Variabel sikap (Y) berkorelasi nyata dengan variabel persepsi
Expertise terhadap endorser (X2) dengan Nilai Signifikansinya
(Sig.(1-tailed)) adalah 0,000 dan nilai probabilitas sebesar 0,355. Tabel 18. Hasil uji Correlations Variable sikap dengan Variable
Source Credibility Scale
Y X1 X2 Y Pearson Correlation 1 .333** .355** Sig. (1-tailed) .000 .000 N 100 100 100 X1 Pearson Correlation .333** 1 .619** Sig. (1-tailed) .000 .000 N 100 100 100 X2 Pearson Correlation .355** .619** 1 Sig. (1-tailed) .000 .000 N 100 100 100
**. Correlation is significant at the 0.01 level (1-tailed).
Tabel 19. Koefisien regresi linier berganda
Variabel Koefisien Regresi Standar Error Nilai Probabilitas (Sig.) 95% Confidence Interval for B Lower Bound Upper Bound Constant 1,733 0,373 0,000 0,992 2,474 X1 0,216 0,140 0,126 -0,062 0,493 X2 0,265 0,131 0,046 0,005 0,526 Dependent Variable: Y
Berdasarkan Tabel 19 maka diperoleh informasi tentang persamaan regresi linier berganda sebagai berikut:
Y= 1,733 + 0,216 X1+ 0,265 X2
Dimana:
a. β0 = Sikap konsumen bernilai 1,733 pada saat X1=0, dan X2=0
meningkat.
b. β2= 0,265. Dengan demikian apabila terjadi penambahan sebesar
satu satuan padaperceived Expertiseterhadapendorser(X2) dimana
faktor-faktor yang lain tidak mengalami perubahan, maka akan terjadi peningkatan variabel sikap responden (Y) terhadap produk sebesar 0,265 satuan nilai.
c. Nilai probabilitas (Sig.) X1 adalah sebesar 0,126 sehingga Y tidak
berpengaruh pada setiap perubahan X1.
Berikut ini merupakan estimasi selang interval koefisien regresi pada selang kepercayaan 95%
a. β1berada pada selang 0≤ β1≤ 0,493, karena nilai persepsi β1tidak
mungkin negatif seperti yang tergambar pada nilaiβ1diLower Bound.
b. β2berada pada selang 0,005≤ β2≤ 0,526.
Langkah selanjutnya adalah menganalisis pengaruh variabel proses intepretasi konsumen terhadap endorser pada variabel sikap konsumen terhadap produk. Analisis tersebut menggunakan uji F untuk mengetahui pengaruh variabel independen secara bersama-sama dan uji T untuk mengetahui pengaruh variabel independen secara parsial. Hasil analisis tersebut adalah sebagai berikut:
Tabel 20. Hasil uji Anova
Model Sum of Squares Df Mean Square F Sig. 1 Regression 7.483 2 3.742 8.357 .000 Residual 43.430 97 .448 Total 50.913 99 a. Predictors: (Constant), X2, X1 b. Dependent Variable: Y
Hasil uji Anova seperti yang terlihat pada Tabel 20 menunjukkan bahwa nilai Ftest adalah 8,357 dengan nilai signifikansi
sebesar 0,000 atau kurang dari alpha (0,05). Sedangkan nilai Ftabel
untuk df pembilang=2 dan df penyebut=97 adalah 3,090. Dengan demikian penelitian ini menolak H0 dan menerima H1, dimana H1
menyatakan bahwa ada hubungan antara perceived credibilities
konsumen terhadap endorser SIMcard IM3, yaitu Adli Fairuz dengan sikap yang ditunjukkan konsumen terhadap produkSIMcardIM3. Tabel 21. Model Summary regresi linier berganda
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .383 .147 .129 .66913 1.810 a Predictors: (Constant), X2, X1 b Dependent Variable: Y
Pada Model Summary regresi linier berganda (Tabel 21) terdapat beberapa bilangan statistik yang secara sekaligus ditampilkan secara bersamaan, yaitu harga koefisien R, koefisien R Square, koefisien Adjusted R Square, koefisien Standar Error of the Estimate, dan koefisien Durbin Watson. Berikut ini merupakan intepretasi dari koefisien R dan R Square yang ditampilkan pada Model Summary, yaitu:
a. Koefisien R
Koefisien R berguna untuk mengetahui keeratan hubungan antara variabel independen X1(Perceived attractiveness terhadap endorser)
dan X2 (Perceived expertise terhadap endorser) secara simultan
terhadap variabel dependen Y (Sikap terhadap produk). Berdasarkan Tabel 21 dapat diketahui bahwa harga koefisien R menunjukkan nilai sebesar 0,383. Hal ini menggambarkan bahwa terdapat hubungan yang lemah (Tabel 22) antara variabel 79
independen dalam hal ini proses intepretasi terhadap endorser
dengan variabel sikap terhadap produk sebagai variabel dependen. Tabel 22. Kriteria nilai korelasi
Nilai R (korelasi) Kriteria Hubungan
0 Tidak ada hubungan
0 - 0,5 Korelasi lemah
0,5 - 0,8 Korelasi sedang/cukup kuat
0,8–1 Korelasi kuat
1 Korelasi sempurna
b. Koefisien R Square
Koefisien R Square berguna untuk mengetahui besarnya kontribusi variabel independen (X1 dan X2) secara bersama-sama dalam
menjelaskan variabel dependen (Y). Semakin besar nilai R Square maka semakin menggambarkan ketepatan model yang diuji. Tabel 21 menunjukkan nilai R Square sebesar 0,147. Ini berarti bahwa variabel independen (X1 dan X2) secara bersama-sama menjelaskan
variabel dependen (Y) sebesar 14,7 persen. Hubungan yang terjadi antara endorser dengan produk merupakan hubungan yang tidak langsung. Oleh karena itu nilai 14,7 persen dianggap sudah cukup untuk merepresentasikan pengaruh dari proses intepretasi terhadap keahlian dan keatraktifan dari endorser dalam pembentukan sikap konsumen terhadap produk. Sedangkan sisanya yaitu sebesar 85,3 persen dijelaskan oleh variabel lain yang tidak diteliti dalam penelitian ini.
Pada uji T, hasil analisis menunjukkan bahwa variabel
perceived Expertise terhadap endorser berpengaruh nyata terhadap variabel sikap terhadap produk. Ini dibuktikan dengan nilai signifikansi X2 yang terlihat pada Tabel probability (Lampiran 6).
sebesar 0,046 dan tstat lebih besar dari ttabel(1,984) yaitu sebesar 2,019.
Berdasarkan hasil tersebut, dapat disimpulkan bahwa konsumen lebih memperhatikan sisi keahlian dari endorser untuk mempengaruhi mereka dalam menentukan sikap terhadap produk dibandingkan sisi keatraktifan dariendorseritu sendiri.