3. Daya Tanggap (Responsiveness)
3.6 Metode Pengumpulan Data .1 Kuesioner (angket)
3.8.1 Statistik Deskriptif Variabel
Analisis ini dilakukan untuk mendapatkan gambaran deskriptif mengenai responden penelitian, khususnya dalam hubungannya dengan variabel-variabel penelitian yang digunakan dalam pengujian hipotesis. Analisis ini dugunakan untuk memberikan gambaran atau deskripsi empiris atas data yang dikumpulkan dalam penelitian. Menurut Ferdinand (2006) dalam Lucky Fibrianto (2001: 31) bahwa Metode analisis kuantitatif memiliki karakteristik sebagai berikut:
1. Uji hipotesis
2. Konsep dalam bentuk variabel yang unik 3. Ukuran ditentukan sebelum data collection 4. Data berupa angka dari pengukuran yang akurat 5. Teori bersifat kausal dan deduktif
6. Prosedur adalah standar dan bisa direplikasi
7. Analisis menggunakan statistik dan bisa dihubungkan dengan hipotesis
3.8.2 Uji Validitas dan Reliabiitas 3.8.2.1 Uji Validitas
Menurut Ghozali, 2001 (dalam Richa Widyaningtyas, 2010: 82) uji validitas (uji kesahihan) adalah suatu alat yang digunakan untuk mengukur sah/valid tidaknya suatu
kuesioner. Kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu mengungkapkan sesuatu yang akan diukur oleh kuesioner. Kriteria pengambilan keputusan untuk validitas adalah ditentukan apabila nilai r hitung yang dinyatakan dengan nilai Corrected Item Total Correation > r tabel pada df = n-2 dan = 0.05
maka indikator dikatakan valid/sahih.
1. Jika r hitung > r tabel dan bernilai positif, maka variabel tersebut valid.
2. Jika r hitung < r tabel, maka variabel tersebut tidak valid (DROP).
3.8.2.2 Uji Reliabilitas
Reliabilitas adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari suatu variabel. Suatu kuesioner dikatakan reliable atau handal jika jawaban pertanyaan
adalah konsisten atau stabil dari waktu ke waktu (Ghozali, 2005 (dalam Richa Widyaningtyas, 2010: 84). Pengukuran reliabilitas dalam penelitian ini dilakukan dengan cara one shot atau pengukuran sekali saja. Disini pengukuran hanya sekali dan kemudian hasilnya dibandingkan dengan pertanyaan lain atau mengukur reliabilitas dengan uji statistik Cronbach Alpha (a). Suatu variabel dikatakan reliable jika nilai Cronbach Alpha (a) > 0.6 (Ghozali, 2007, dalam Deddy Setyawan Wicaksono, 2010: 59).
Menurut Azwar (2001) dalam Lucky Fibrianto (2001:31) mengatakan bahwa reliabilitas merupakan penerjemahan dari kata reliability yang artinya keterpercayaan, keterandalan, konsistensi dan sebagainya. Hasil pengukuran dapat dipercaya bila dalam beberapa kali pelaksanaan pengukuran terhadap kelompok subyek yang sama diperoleh hasil yang relatif sama, selama aspek yang diukur tidak berubah. Reliabilitas instrumen adalah hasil pengukuran yang dapat dipercaya. Reliabilitas instrumen diperlukan untuk mendapatkan data sesuai dengan tujuan pengukuran. Untuk mencapai hal tersebut, dilakukan uji reliabilitas dengan menggunakan metode alpha Cronbach diukur berdasarkan skala alpha Cronbach 0 sampai 1. Jika skala itu dikelompok ke dalam lima kelas dengan range yang sama, maka ukuran kemantapan alpha dapat diinterprestasikan sebagai berikut:
1. Nilai alpha Cronbach 0,00 s.d. 0,20, berarti kurang reliabel 2. Nilai alpha Cronbach 0,21 s.d. 0,40, berarti agak reliabel 3. Nilai alpha Cronbach 0,42 s.d. 0,60, berarti cukup reliabel 4. Nilai alpha Cronbach 0,61 s.d. 0,80, berarti reliabel
5. Nilai alpha Cronbach 0,81 s.d. 1,00, berarti sangat reliabel (Triton, 2005)
3.8.3 Uji Asumsi Klasik 3.8.3.1 Uji Normalitas
Uji ini bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Kita dapat melihatnya dari normal probability plot yang membandingkan distribusi kumulatif dengan distribusi normal. Model regresi yang baik adalah model yang memiliki distribusi data normal atau mendekati normal (Ghozali, 2001: 74). Kriteria pengambilan keputusan adalah Jika penyebaran data pada grafik normal P-P Plot mengikuti garis normal (45 derajat), maka data berdistribusi normal.
Distribusi normal membentuk suatu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonalnya. Jika distribusi data normal, maka garis yang menggambarkan data sebenarnya akan mengikuti garis normalnya (Ghozali, 2005 (dalam Richa Widyaningtyas, et.al., 2010) bahwa dasar pengambilan keputusan untuk uji normalitas adalah:
a. Jika data menyebar disekitar garis-garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan distribusi normal, maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari diagonal atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
3.8.3.2 Uji Multikolinearitas
Uji multikolinieritas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen (Ghozali, 2001:57). Jika terjadi korelasi, maka dinamakan terdapat problem Multikolinieritas. Pengujian ada tidaknya gejala multikolinearitas dilakukan dengan memperhatikan nilai matriks korelasi yang dihasilkan pada saat pengolahan data serta nilai VIF (Variance Inflation Factor) dan Tolerance-nya. Nilai dari VIF antara 0 sampai dengan 10 menandakan tidak adanya gejala multikolinearitas. Sehingga dapat disimpulkan bahwa model regresi tersebut tidak terdapat problem multikolinieritas.
1. Jika tolerance > 10% dan VIF < 10% maka tidak terjadi Multikoleniaritas 2. Jika tolerance < 10% dan VIF > 10% maka terjadi Multikoniaritas
3.8.3.3 Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi, terjadi ketidaksamaan varians residual dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka
disebut Homoskedastisitas. Dan jika varians tersebut berbeda, maka tidak terjadi Heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas (Ghozali, et.al., 2001). Pengujian ada tidaknya gejala heteroskedastisitas memakai metode grafik dengan melihat ada tidaknya pola tertentu pada scatterplot dari variabel terikat, dimana jika tidak terdapat pola tertentu maka tidak terjadi heteroskedastisitas dan begitu pula sebaliknya (Ghozali, et.al., 2001).
Selain dari cara itu, metode yang digunakan untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel dependen, yaitu ZPRED dengan residual SRESID. Deteksi ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dengan sumbu Y yang telah diprediksi, dan sumbu X adalah residual yang telah di-studentized. Dasar analisisnya sebagai berikut:
1. Jika ada pola tertentu, seperti titik-titik yang membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali (2005: 69) dan (dalam Richa Widyaningtyas, et.al., 2010).
3.8.4 Pengujian Hipotesis
3.8.4.1 Uji Signifikan Parameter Individual (Uji Statistik t)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi variabel dependen. Langkah-langkah pengujiannya adalah sebagai berikut :
(1) Menentukan formasi H0 dan H1
H0 : β = 0 , berarti variabel X tidak berpengaruh terhadap variabel Y
H1 : β ≠ 0, berarti variabel X secara parsial berpengaruh positif atau negatif terhadap variabel Y
S
ˆi t
i (ˆ i) (ˆ
(2) Level of Significant apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama (simultan) terhadap variabel dependen atau terikat. Adapun tahap pengujiannya adalah sebagai berikut:
1) Menentukan nilai F hitung dengan rumus:
2) Dengan tingkat keyakinan atau α = 0,05 dan derajat kebebasan df = N-K akan diperoleh F tabel, kemudian membandingkan dengan nilai F hitung yang diperoleh untuk menentukan apakah pengaruhnya signifikan atau tidak.
(a) Bila F hitung > F tabel, maka H0 ditolak atau menerima H1, yang berarti terdapat pengaruh secara simultan.
(b) Bila F hitung < F tabel, maka H0 diterima atau menolak H1, yang berarti tidak terdapat pengaruh secara simultan.
3.8.4.3 Uji Signifikansi Simultan (Durbin-Watson Test)
3.8.4.4 Koefisien Determinasi (R2)
Koefisien determinasi terkoreksi atau disebut sebagai nilai Adjusted R Square (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu atau 0 <R2 < 1.
NilaiR2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang (crossection) relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi (Ghozali, et.al., 2001).