BAB IV.HASIL DAN PEMBAHASAN
4.2 Hasil Penelitian
4.2.3 Pengujian Substruktur II
Substruktur II ini adalah menganalisis mengenai pengaruh bauran pemasaran terhadap keputusan pembelian produk Levi’s pada Levi’s Store Medan Fair Plaza. Adapun variabel yang diteliti pada substruktur I ini adalah produk (X1), harga (X2), lokasi (X3), promosi (X4), dan keputusan pembelian (Y2).
4.2.3.1 Uji Asumsi Klasik a. Uji Normalitas
Uji asumsi klasik dilakukan sebelum melakukan analisis regresi, agar dapat diperkirakan yang tidak bias dan efesiensi maka dilakukan pengujian asumsi klasik yang harus dipenuhi, yang pertama adalah uji normalitas. Ada dua cara untuk mendeteksi apakah data berdistribusi normal atau tidak, yaitu dengan pendekatan grafik dan pendekatan Kolmogrov-Smirnov.
1. Pendekatan Grafik
Salah satu cara untuk melihat normalitas adalah dengan melihat grafik histogram dan grafik normal plot yang membandingkan antara dua observasi dengan distribusi yang mendekati distribusi normal.
Sumber : Hasil Pengolahan SPSS (Juli 2014)
Gambar 4.5 Grafik Histogram Uji Normalitas
Sumber : Hasil Pengolahan SPSS (Juli 2014)
Berdasarkan Gambar 4.5 dapat diketahui bahwa hubungan dari variabel produk, harga, lokasi, dan promosi terhadap keputusan pembelian adalah berdistribusi normal, hal ini ditunjukkan oleh gambar histogram yang tidak terlihat menceng ke kiri maupun ke kanan. Sedangkan pada Gambar 4.6 data berdistribusi normal dapat dilihat pada
scatterplot, terlihat titik-titik yang mengikuti garis diagonal. 2. Pendekatan Kolmogrov-Smirnov
Uji normalitas dengan grafik bisa saja terlihat berdistribusi normal, padahal secara statistik tidak berdistribusi normal. Berikut ini pengujian normalitas yang berdasarkan dengan uji statistik non-parametrik Kolmogrov-Smirnov (K-S) untuk memastikan apakah data benar berdistribusi normal.
Tabel 4.20
One-Sample Kolmogrov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 93
Normal Parametersa,b Mean 0E-7
Std. Deviation 1.76237992 Most Extreme Differences Absolute .102 Positive .045 Negative -.102 Kolmogorov-Smirnov Z .986
Asymp. Sig. (2-tailed) .285
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil Pengolahan SPSS (Juli 2014)
Berdasarkan Tabel 4.20 terlihat bahwa nilai Asymp. Sig. (2-tailed) adalah 0.285, dan diatas nilai signifikan (0.05), dengan kata lain variabel residual berdistribusi normal. Nilai Kolmogrov-Smirnov Z yakni 0.986 lebih kecil dari 1,97 berarti tidak ada perbedaan antara distribusi teoritik dan distribusi empirik atau dengan kata lain data dikatakan
b. Uji Heteroskedastisitas
Uji heteroskedastisitas ini bertujuan untuk menguji apakah didalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, yaitu: 1. Metode Grafik
Dasar analisis adalah tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas, sedangkan jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur, maka mengindikasikan telah terjadi heteroskedastisitas.
Berdasarkan Gambar 4.7 dapat terlihat dari grafik ScatterPlot yang disajikan, terlihat titik-titik menyebar secara acak tidak membentuk suatu pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi keputusan pembelian, berdasarkan masukan variabel independennya.
2. Uji Glejser
Uji Glejser dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolut residualnya, jika nilai signifikansi antara variabel independen dengan absolut residual lebih dari 0.05 maka tidak terjadi masalah heteroskedastisitas.
Tabel 4.21 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .682 1.420 .480 .632 PRODUK -.070 .079 -.133 -.891 .376 HARGA .076 .091 .125 .836 .405 LOKASI -.057 .074 -.127 -.776 .440 PROMOSI .114 .104 .168 1.102 .274
a. Dependent Variable: ABSUT2
Sumber : Hasil Pengolahan SPSS (Juli 2014)
Berdasarkan Tabel 4.21 terlihat jelas menunjukkan tidak satupun variabel independen yang signifikan mempengaruhi variabel dependen absolut Ut (asbUt). Hal ini terlihat dari probabilitas signifikansinya diatas tingkat kepercayaan 5%, jadi disimpulkan model regresi tidak memengaruhi heteroskedastisitas.
c. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah variabel pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak ditemukan adanya korelasi di antara variabel independen.
Tabel 4.22 Uji Multikolinearitas
Coefficientsa
Model Collinearity Statistics Tolerance VIF 1 (Constant) PRODUK .496 2.015 HARGA .493 2.030 LOKASI .413 2.422 PROMOSI .476 2.102
Sumber : Hasil Pengolahan SPSS (Juli 2014)
Berdasarkan Tabel 4.22 dapat dilihat bahwa nilai VIF dari variabel produk, harga, lokasi, dan promosi lebih kecil atau dibawah 5 (VIF < 5), ini berarti tidak terkena multikolinearitas antara variabel independen dalam model regresi. Nilai Tolerance dari variabel produk, harga, lokasi, dan promosi lebih besar dari 0.1 (Tolerance > 0.1), ini berarti tidak terdapat multikolienaritas antar variabel independen dalam model regresi. 4.2.3.2 Pengujian Koefisien Determinan (R2)
Pengujian koefisien determinan (R2) digunakan untuk mengukur proporsi atau persentase kemampuan model dalam menerangkan variabel terikat. Koefisien determinan berkisar antara nol sampai satu (0 ≤ R 2 ≥ 1). Jika R2 semakin besar (mendekati satu), maka dapat dikatakan bahwa pengaruh variabel independen (X) terhadap variabel dependen (Y) adalah besar. Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pengaruh variabel independen terhadap variabel dependen dan demikian sebaliknya.
Tabel 4.23
Pengujian Koefisien Determinan (R2) Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .709a .502 .480 1.80199 1.742
a. Predictors: (Constant), PROMOSI, PRODUK, HARGA, LOKASI b. Dependent Variable: KEPUTUSAN
Sumber : Hasil Pengolahan SPSS (Juli 2014)
Berdasarkan Tabel 4.23 dapat dilihat bahwa:
a. R=0.709 berarti hubungan variabel produk, harga, lokasi, dan promosi terhadap variabel dependen keputusan pembelian (Y2) sebesar 70.9%, yang berarti hubungannya erat.
b. Adjusted R Square sebesar 0.480 berarti 48.0% variabel keputusan pembelian dapat dijelaskan oleh variabel produk, harga, lokasi, dan promosi. Sedangkan sisanya sebesar 52.0% dapat dijelaskan oleh variabel lain yang tidak diteliti dalam penelitian ini.
c. Standard Error of Estimate (standar deviasi) artinya menilai ukuran variasi dari nilai yang diprediksi. Dalam penelitian ini standar deviasinya adalah 1.80199, yang mana semakin kecil standar deviasi berarti model semakin baik.
4.2.3.3 Pengujian Autokorelasi
Untuk menguji apakah terdapat autokorelasi atau tidak dalam model regresi bisa membandingkan nilai Durbin-Watson (DW). Jika nilai DW berada pada 1<DW<3, maka tidak terjadi autokorelasi pada model regresi berganda. Pada Tabel 4.23 terlihat bahwa nilai DW sebesar. Berarti nilai DW berada pada 1<DW(1.742)<3 maka tidak terjadi autokorelasi pada model regresi berganda.
4.2.3.4 Pengujian Ketepatan Predictor
Untuk menguji ketepatan prediktor (variabel eksogen) yang digunakan untuk memprediksi variabel endogen dapat digunakan dengan membandingkan angka standar deviasi dan angka standard error of estimate. Jika angka standard error of estimate < angka standar deviasi maka predictor yang dipakai layak/benar.
Tabel 4.24 Statistik Deskriptif Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
PRODUK 93 13.00 24.00 20.2043 2.25330 HARGA 93 12.00 25.00 20.7419 1.95550 LOKASI 93 14.00 29.00 23.1828 2.63730 PROMOSI 93 8.00 19.00 15.5699 1.74703 KEPUTUSAN 93 12.00 25.00 19.6774 2.49853 Valid N (listwise) 93
Sumber : Hasil Pengolahan SPSS (Juli 2014)
Berdasarkan Tabel 4.24 Dapat dilihat nilai standar deviasi variabel produk (2.25330), harga (1.95550), lokasi (2.63730), promosi (1.74703) diatas angka standard error of estimate (1.80199), maka predictor yang dipakai layar/benar.
4.2.3.5 Pengujian Signifikansi SImultan (Uji-F)
Uji F dilakukan untuk melihat apakah variabel bebas yang terdiri dari produk, harga, lokasi, dan promosi yang dimasukkan dalam model yang mempunyai pengaruh secara bersama-sama terhadap variabel dependen yakni keputusan pembelian. Model hipotesis yang digunakan adalah:
H0 : b1,b2,b3,b4,= 0, artinya variabel bebas yang terdiri dariproduk, harga, lokasi, dan promosi secara serentak tidak berpengaruh positif dan signifikan terhadap keputusan pembelian.
Ha : b1,b2,b3,b4,≠ 0, artinya variabel bebas yang terdiri produk, harga, lokasi, dan promosi secara serentak berpengaruh positif dan signifikan terhadap keputusan pembelian.
Ftabel dapat dilihat pada α = 0,5
Dengan derajat pembilang = k-1= 5-1=4
Derajat penyebut = n-k = 93-4 = 89, Ftabel 0.05 (4, 89) = 2.47 Tabel 4.25
Hasil Uji-F Substurktur II ANOVAa
Model Sum of
Squares
df Mean Square F Sig.
1
Regression 288.572 4 72.143 22.217 .000b
Residual 285.750 88 3.247
Total 574.323 92
a. Dependent Variable: KEPUTUSAN
b. Predictors: (Constant), PROMOSI, PRODUK, HARGA, LOKASI
Sumber : Hasil Pengolahan SPSS (Juli 2014)
Pada Tabel 4.25 dapat dilihat bahwa nilai Fhitung (22.217) > Ftabel (2.47), maka model regresi dinyatakan layak. Nilai signifikan 0,000 < 0,05, maka model regresi dinyatakan layak. Hal ini menunjukkan bahwa variabel bebas yang terdiri dari produk, harga, lokasi, dan promosi secara serentak berpengaruh positif dan signifikan terhadap variabel terikat yaitu keputusan pembelian produk Levi’s pada Levi’s Store Medan Fair Plaza.
4.2.3.6 Pengujian Signifikansi Parsial (Uji-t)
Pengujian ini dilakukan untuk mengetahui seberapa besar pengaruh suatu variabel independen (bebas) secara parsial (masing-masing) terhadap variabel terikat, dan mengetahui variabel bebas mana yang berpengaruh paling dominan. Dengan kriteria pengambilan keputusan:
Ha diterima jika t-hitung > t-tabel pada α = 5%
Nilai Ttabeldapat dilihat pada α = 5% yang diperoleh dari n-k n = jumlah sampel yaitu 93 responden
k = jumlah variabel yang digunakan yaitu 5 maka nilai Ttabel 5% (88) adalah 1.662
Hasil pengujian hipotesis secara parsial dapat dilihat pada Tabel 4.26 berikut: Tabel 4.26
Hasil Uji t Substruktur II Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .849 2.137 .397 .692 PRODUK .250 .118 .225 2.109 .038 HARGA .117 .137 .092 .855 .395 LOKASI .160 .111 .169 1.447 .151 PROMOSI .491 .156 .343 3.147 .002
a. Dependent Variable: KEPUTUSAN
Sumber : Hasil Pengolahan SPSS (Juli 2014)
Berdasarkan Tabel 4.26 maka model persamaan substrukturnya sebagai berikut: Y2 = ρ Y2X1X1 + ρ Y2X2X2 + ρ Y2X3X3 + ρ Y2X4X4 + ρY2e2
Keputusan = 0.225Produk + 0.092Harga + 0.169Lokasi + 0.343Promosi + 0.52e2
Dengan demikian pengaruh setiap variabel secara parsial sebagai berikut:
a. Variabel produk berpengaruh secara positif dan signifikan terhadap keputusan pembelian produk Levi’s pada Levi’s Store Medan Fair Plaza. Hal ini terlihat dari nilai signifikan (0.038 < 0.05) dan nilai thitung (2.109) > ttabel (1.662) artinya apabila variabel produk ditingkatkan sebesar satu satuan, maka keputusan pembelian akan meningkat sebesar 0.225 satuan. Dalam hal ini, H0 ditolak dan Ha diterima.
b. Variabel harga berpengaruh secara positif tetapi tidak signifikan terhadap keputusan pembelian produk Levi’s pada Levi’s Store Medan Fair Plaza. Hal ini terlihat dari nilai signifikan (0.395 > 0.05) dan nilai thitung (0.855) < ttabel (1.662) artinya apabila variabel harga ditingkatkan sebesar satu satuan, maka keputusan pembelian tidak akan meningkat sebesar 0.092 satuan. Dalam hal ini, H0 diterima dan Ha ditolak.
c. Variabel lokasi berpengaruh secara positif tetapi tidak signifikan terhadap keputusan pembelian produk Levi’s pada Levi’s Store Medan Fair Plaza. Hal ini terlihat dari nilai signifikan (0.151 < 0.05) dan nilai thitung (1.447) > ttabel (1.662) artinya apabila variabel lokasi ditingkatkan sebesar satu satuan, maka keputusan pembelian tidak akan meningkat sebesar 0.169 satuan. Dalam hal ini, H0 ditolak dan Ha diterima.
d. Variabel promosi berpengaruh secara positif dan signifikan terhadap keputusan pembelian produk Levi’s pada Levi’s Store Medan Fair Plaza. Hal ini terlihat dari nilai signifikan (0.002 < 0.05) dan nilai thitung (3.147) > ttabel (1.662) artinya apabila variabel promosi ditingkatkan sebesar satu satuan, maka keputusan pembelian akan meningkat sebesar 0.343 satuan. Dalam hal ini, H0 ditolak dan Ha diterima.
4.2.3.7 Pengujian Koefisien Korelasi
Korelasi ditujukan untuk pasangan pengamatan data rasio yang menunjukkan hubungan yang linear. Koefisien korelasi adalah suatu angka indeks yang melukiskan hubungan antara dua rangkaian data yang dihubungkan. Dengan kata lain, koefisien korelasi adalah ukuran atau indeks dari hubungan antara dua variabel. Koefisien korelasi besarnya antara -1 sampai +1. Tanda positif dan negatif menunjukkan arti atau arah dari hubungan korelasi tersebut.
Korelasi positif nilainya berada antara 0 sampai +1, nilai tersebut menjelaskan bahwa apabila suatu variabel naik maka akan menyebabkan kenaikan pada variabel yang lainnya san sebaliknya. Korelasi negatif nilainya berada antara -1 sampai 0, nilai tersebut menjelaskan bahwa apabila suatu variabel naik maka yang lainnya akan turun dan sebaliknya.
Tabel 4.27 Korelasi Correlations
PRODUK HARGA LOKASI PROMOSI
PRODUK Pearson Correlation 1 .641** .621** .567** Sig. (2-tailed) .000 .000 .000 N 93 93 93 93 HARGA Pearson Correlation .641** 1 .625** .568** Sig. (2-tailed) .000 .000 .000 N 93 93 93 93 LOKASI Pearson Correlation .621** .625** 1 .694** Sig. (2-tailed) .000 .000 .000 N 93 93 93 93 PROMOSI Pearson Correlation .567** .568** .694** 1 Sig. (2-tailed) .000 .000 .000 N 93 93 93 93
**. Correlation is significant at the 0.01 level (2-tailed).
Sumber : Hasil Pengolahan SPSS (Juli 2014)
Dari Tabel 4.27 Dapat dilihat bahwa:
1. Produk memiliki hubungan yang erat dan signifikan terhadap harga dengan nilai 0.641.
2. Produk memiliki hubungan yang erat dan signifikan terhadap lokasi dengan nilai 0.621.
3. Produk memiliki hubungan yang erat dan signifikan terhadap promosi dengan nilai 0.567.
5. Harga memiliki hubungan yang erat dan signifikan terhadap promosi dengan nilai 0.568.
6. Lokasi memiliki hubungan yang erat dan signifikan terhadap promosi dengan nilai 0.694.
Koefisien Jalur Substruktur II
Gambar 4.8
Analisis Jalur Substruktur II
Berdasarkan Gambar 4.8, maka dapat disimpulkan hasil rangkuman koefisien jalur substruktur II sebagai berikut:
Dari Ke Standard Coefficient Beta t Hitung F Hitung Hasil Pengujian Adj. R2 e X1 Y2 0.225 2.109 22.217 H0 ditolak 0.480 0.520 X2 0.092 0.855 H0 diterima X3 0.169 1.447 H0 diterima X4 0.343 3.147 H0 ditolak
Sumber : Hasil Pengolahan SPSS (Juli 2014)
Produk (X1) Harga (X2) Lokasi (X3) Promosi (X4) 0.641 0.625 0.621 0.568 0.694 0.567 Keputusan Pembelian (Y2) 0.225 0.092 0.169 0.343 R=0.709; Adj. R2=0.480; Fhitung=22.217 e=0.520