Nazir (1999) menyatakan bahwa mean (rata-rata), yang sering digunakan adalah rata-rata hitung (arithmetic mean). Rata-rata hitung untuk data kuantitatif yang terdapat dalam sebuah sampel dihitung dengan jalan membagi jumlah nilai data oleh banyak data. Jika X1, X2, ……….Xn adalah n buah pengamatan, maka mean dicari dengan rumus:
N _
∑
fi x i x = i =1 (2.1) NDimana: = Nilai rata-rata variabel N = Jumlah observasi Xi = Skor skala pengukuran fi = Frekuensi
2.5.2 Simpangan Baku (Standar Deviasi)
Simpangan baku (standar deviasi) adalah suatu nilai yang menunjukan tingkat (derajat) variasi kelompok atau ukuran standar penyimpangan dari reratanya. Simbol standar deviasi populasi adalah σ. Pada prinsipnya perhitungan standar deviasi sama dengan perhitungan lain pada ukuran pemusatan dimana terdapat perbedaan formula
maupun cara perhitungan untuk data tunggal dan data berkelompok. Adapun rumus untuk menghitung standar deviasi untuk data berkelompok adalah sebagai berikut :
σ =
( )
∑
∑
−∑∑
f f xi f xi f 2 2 . .Dimana: σ = Standar deviasi f = Frekuensi
Xi = Skor skala pengukuran
2.5.3 Pengertian Regresi Linier
Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih. Dalam analisis regresi dikenal 2 jenis variabel yaitu:
1. Variabel Respon disebut juga variabel dependen yaitu variabel yang keberadaannya dipengaruhi oleh variabel lainnya.
2. Variabel Prediktor disebut juga dengan variabel independen yaitu variabel yang bebas karena tidak dipengaruhi oleh variabel lainnya.
Untuk mempelajari hubungan-hubungan antara variabel bebas maka regresi linier terdiri dari dua bentuk, yaitu:
1. Analisis regresi sederhana (simple analysis regression). 2. Analisis regresi berganda (multiple analysis regression).
Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas (independent variable) dan variabel tidak bebas (dependent variabel),
sedangkan analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya dua variabel bebas dengan satu variabel tidak bebas. Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel (dependent variable) jika nilai variabel yang lain yang berhubungan dengannya sudah ditentukan.
2.5.4 Analisis Regresi Linier Sederhana
Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan variabel bebas tunggal. Regresi linier sederhana hanya memiliki satu peubah yang dihubungkan dengan satu peubah tidak bebas.
2.5.5 Analisis Regresi Linier Berganda
Regresi linier berganda adalah analisis regresi yang menjelaskan hubungan antara peubah respon (dependent variabel) dengan faktor-faktor yang mempengaruhi lebih dari satu prediktor (independent variabel). Regresi linier berganda hampir sama dengan regresi linier sederhana, hanya saja pada regresi linier berganda variabel bebasnya lebih dari satu variabel penduga. Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas hubungan antara dua variabel atau lebih.
2.5.6 Populasi dan Sampel
Menurut Sugiyono (2003), bahwa populasi merupakan sekelompok entitas yang lengkap yang dapat berupa orang, kejadian atau benda yang mempunyai
karakteristik tertentu yang berada dalam suatu wilayah dan memenuhi syarat – syarat tertentu yang berkaitan dengan masalah penelitian.
2.5.7 Metode Pengumpulan Data
Jenis data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data primer adalah data yang didapatkan langsung dari responden dengan cara dari daftar pertanyaan atau kuesioner. Dengan menggunakan kuesioner, maka responden yang membaca daftar pertanyaan dan menjawabnya atas pertanyaan-pertanyaan yang diajukan. Data ini merupakan data yang utama atau pokok dari obyek yang diteliti. Hasil penelitian yang dicapai merupakan pengolahan dari data yang diterima ini. Sebelum dilakukan pengelolahan data, terlebih dahulu dilakukan uji validitas dan reliabilitas instrumen kuesioner. Data sekunder dalam penelitian ini digunakan untuk mengisi kebutuhan akan tujuan khusus pada beberapa hal, dan sebagai bagian terpadu dari sebuah penelitian yang besar. Prosedur penelitian meminta beberapa eksplorasi awal yang pernah dilakukan untuk mempelajari apakah hasil penelitian sebelumnya dapat memberi sumbangan bagi studi yang sedang dilakukan. Data dari sumber sekunder membantu memutuskan apa kebutuhan penelitian selanjutnya perlu dilakukan sekaligus menjadi sumber hipotesis. Penulis bertindak sebagai pemakai data. Sumber penting untuk mengumpulkan data sekunder adalah perpustakaan, baik berupa buku-buku literatur, jurnal, maupun data yang disimpan di CD-ROM, dimana data tersebut dapat ditampilkan dalam layar komputer lalu dicetak. Database dalam CD-ROM ini tidak hanya mencakup terbitan-terbitan berkala dari jurnal-jurnal penelitian, tetapi ada juga data statistik, indeks, abstrak, daftar bibliografi,
dan bahan-bahan sumber semuanya tersedia melalui beraneka ragam layanan yang dilanggani perusahaan , perpustakaan, dan individu.
2.5.8 Uji Validitas dan Reliabilitas Instrumen Penelitian
Uji kualitas data dalam penelitian dilakukan dengan menggunakan uji validitas dan reliabilitas instrumen merupakan uji yang digunakan untuk menguji layak atau tidak layaknya suatu instrumen penelitian dijadikan sebagai sumber data dalam suatu penelitian. Uji validitas dan reliabilitas data pada umumnya dilakukan terhadap 30 responden yang diambilan dari sampel penelitian.
2.5.9 Uji Validitas Instrumen Penelitian
Uji validitas dimaksudkan untuk menilai sejauh mana suatu alat ukur diyakini dapat dipakai sebagai alat untuk mengukur item-item pertanyaan/pernyataan kuesioner dalam penelitian. Teknik yang digunakan untuk mengikur validitas butir pertanyaan/pernyataan kuesioner adalah Korelasi Product Moment dari Karl Pearson (validitas isi/content validity) dengan cara mengkorelasikan masing-masing item pertanyaan/pernyataan kuesioner dan totalnya, selanjutnya membandingkan r tabel dengan r hitung.
Penentuan valid tidaknya pertanyaan/pernyataan kuesioner ditentukan melalui besarnya koefisien korelasi, yaitu: jika r hitung positif dan r hitung > r tabel, maka skor butir pertanyaan/pernyataan kuesioner valid dan sebaliknya, jika r hitung negative dan r hitung < r tabel, maka skor butir pertanyaan/pernyataan kuesioner tidak valid. Ghozali (2005) dan Sekaran (2002) menentukan: jika α r < α 5%, maka skor butir
pertanyaan/pernyataan kuesioner valid dan sebaliknya, jika α r > α 5%, maka skor butir pertanyaan/pernyataan kuesioner tidak valid.
2.5.10 Uji Reliabilitas Instrumen Penelitian
Uji reliabilitas digunakan untuk mengetahui instrumen penelitian yang dipakai dapat digunakan berkali-kali pada waktu yang berbeda. Pengujian dilakukan dengan menggunakan teknik cronbach alpha, dimana suatu instrumen dapat dikatakan reliabel bila memiliki koefisien keandalan atau alpha sebesar: (a) <0,6 tidak reliabel, (b) 0,6-0,7 acceptable, (c) 0,7-0,8 baik, dan (d) >0,8 sangat baik (Sekaran, 2002).
2.5.11 Metode Analisis Data
Setelah seluruh data yang diperoleh melalui kuisioner terkumpul, kemudian dilakukan tahapan penelitian selanjutnya yaitu metode analisa data dengan cara kualitatif dan kuantitatif, yaitu hasil survey berupa kuesioner dari responden diolah sesuai dengan metode yang digunakan. Adapun metode analisis dimaksud meliputi analisis statistik deskriptif dan analisis statistik inferensial. Urutan kedua metode analisis data yang akan digunakan dalam penelitian ini, diuraikan berikut.
2.5.12 Analisis Statistik Deskriptif
Data statistik yang diperoleh dalam penelitian perlu diringkas dengan baik dan teratur. Hal ini dimaksudkan untuk mendapatkan gambaran yang lebih jelas tentang sekumpulan data yang diperoleh baik mengenai sampel atau populasi.
2.5.13 Uji Asumsi Klasik
Suatu model regresi dikatakan tidak mengandung masalah apabila data yang digunakan dalam suatu penelitian terbebas dari asumsi klasik. Uji asumsi klasik dalam penelitian ini meliputi uji normalitas, uji heterokedastisitas dan uji multikolinieritas.
2.5.13.1 Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Pengujian normalitas dalam penelitian ini menggunakan pendekatan Kolmogorov-Smirnov Test. Suatu data dikatakan berdistribusi secara normal apabila nilai Asymp. Sig. (2-tailed) lebih besar dari α 5%.
2.5.13.2 Uji Heteroskedastis
Penyimpangan uji asumsi klasik ini adalah adanya gejala heteroskedastisitas, artinya varians variabel dalam model tidak sama. Konsekuensi dari adanya gejala heteroskedastis adalah penaksir yang diperoleh tidak efisien, baik dalam sampel besar maupun kecil walaupun penaksir diperoleh menggambarkan populasinya dalam arti tidak bias. Untuk mendeteksi ada tidaknya heteroskedastisitas dalam penelitian ini dilakukan dengan uji Glejser. Suatu data dikatakan terbebas dari penyimpangan heterokedastisitas apabila secara statistik variabel bebas tidak berpengaruh signifikan terhadap variabel terikat Absolut Ut (AbsUt).
2.5.13.3 Uji multikolinearitas
Pengujian asumsi ini untuk menunjukkan adanya hubungan linear antara variabel-variabel bebas dalam model regresi maupun untuk menunjukkan ada tidaknya derajat kolinearitas yang tinggi diantara variabel-variabel bebas. Jika antar variabel bebas berkorelasi dengan sempurna maka disebut multikolinearitasnya sempurna (perfect multicoliniarity), yang berarti model kuadrat terkecil tersebut tidak dapat digunakan. Indikator untuk mendeteksi ada tidaknya multikolinearitas adalah menguji asumsi tersebut dengan uji korelasi antar variabel independen dengan matriks korelasi.
Menurut Ghozali (2003), bahwa ada atau tidaknya multikolinearitas dapat diketahui dengan menganalisis nilai tolerance serta Variance Inflation Factor (VIF). Suatu variabel dikatakan terbebas dari asumsi multikolinearitas apabila nilai VIF >1,0 dan nilai tolerance <1,0. Nugroho (2005) membatasi nilai VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1.
2.5.14 Model Analisis Data
Model analisis data dalam penelitian ini ditransformasikan dari persamaan regresi linier berganda yang secara matematis diformulasikan sebagai berikut:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + βnXn ...(2.1)
Dimana:
Y = variabel terikat. β0 = Konstanta. β1…βn = koefisien regresi.
X1...Xn = variabel bebas.
2.5.15 Analisis Koefisien Korelasi (r) dan Koefisien Determinasi (R2)
Analisis koefisien korelasi (r) adalah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Analisis korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut independen.
Korelasi Pearson Product Moment (PPM) dikemukakan oleh Karl Pearson pada tahun 1900. Kegunaannya untuk mengetahui derajat hubungan dan kontribusi variabel bebas dengan variabel terikat. Adapun rumus yang digunakan untuk menghitung koefisien korelasi (r) dengan menggunakan metode Pearson Product Moment (PPM) adalah sebagai berikut
∑ ∑
−∑ ∑ ∑∑
−∑
− = } ) ( }{ ) ( { ) )( ( 2 2 2 2 Y Y n X X n Y X XY n rDimana:
r = . Nilai koefisien korelasi X = Variabel bebas
Y = Variabel terikat n = Jumlah data observasi
Jika koefisien korelasi diketemukan tidak sama dengan nol (0), maka terdapat hubungan antara dua variabel tersebut. Jika koefisien korelasi diketemukan +1, maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) positif. Pedoman untuk memberikan interpretasi terhadap nilai koefisien korelasi (Sugiyono, 2007) dapat ditunjukkan pada Tabel 2.1.
Tabel 2.1 Interpretasi Nilai Koefisien Korelasi (Sugiyono, 2007)
Rentang Nilai Koefisien Korelasi Tingkat Hubungan 0,80 – 1,000 0,60 – 0,799 0,40 – 0.599 0,20 – 0,399 0,00 – 0,199 Sangat Kuat Kuat Cukup Kuat Rendah Sangat Rendah
Analisis koefisien determinasi (R2) merupakan suatu analisis yang digunakan untuk mengetahui kekuatan variabel lain diluar variabel bebas yang diteliti didalam menjelaskan variabel terikat. Analisis koefisien determinasi dapat dilakukan secara simultan maupun secara parsial, yaitu dengan melakukan pengamatan pada indikator Adjusted R2 untuk menyatakan koefisien determinasi secara simultan dan indikator R2
untuk menyatakan koefisien determinasi parsial variabel independen terhadap variabel dependen.
2.5.16. Pengujian Hipótesis
2.5.16.1 Uji simultan (uji F-statistik)
Uji F-statistik digunakan untuk menguji besarnya pengaruh dari seluruh variabel independen secara bersama-sama atau simultan terhadap variabel dependen. Untuk pengujian dalam penelitian ini digunakan program SPSS 17.0. Untuk menentukan nilai F tabel, tingkat signifikansi yang digunakan sebesar 5 % dengan perumusan hipotesis statistik :
Ho : β1 = β2 = ... β5 = 0, artinya variabel bebas secara simultan (bersama-sama) tidak berpengaruh signifikan terhadap variabel terikat.
Ha : β1 = β2 = ... β5 ≠ 0, artinya variabel bebas secara simultan (bersama -sama) berpengaruh signifikan terhadap variabel terikat.
Dengan kaidah pengambilan keputusan adalah sebagai berikut:
a. Terima Ho, jika koefisien F hitung signifikan pada taraf lebih besar dari 5% (lihat taraf signifikansi pada output ANOVA).
b. Tolak Ho, jika koefisien F hitung signifikan pada taraf lebih kecil atau sama dengan 5% (lihat taraf signifikansi pada output ANOVA).
2.5.16.2 Uji parsial ( uji t )
Uji t digunakan untuk menguji koefisien regresi secara parsial dari variabel independennya. Untuk pengujian dalam penelitian ini digunakan program SPSS 17.0.
Untuk menentukan nilai t-statistik tabel, ditentukan dengan tingkat signifikansi 5 % dengan derajat kebebasan df = (n-k-1), dimana n adalah jumlah observasi dan k adalah jumlah variabel. Perumusan statistik yang digunakan:
Ho : β1 = β2 = ... β5 = 0, artinya variabel bebas secara parsial (sendiri-sendiri) tidak berpengaruh signifikan terhadap variabel terikat.
Ha : β1 = β2 = ... β5 ≠ 0 , artinya variabel bebas secara parsial (sendiri-sendiri) berpengaruh signifikan terhadap variabel terikat.
Dengan kaidah pengambilan keputusannya adalah sebagai berikut:
a. Terima Ho, jika koefisien t hitung signifikan pada taraf lebih besar dari 5% (lihat taraf signifikansi pada output Coefficient).
b. Tolak Ho, jika koefisien t hitung signifikan pada taraf lebih kecil atau sama dengan 5% (lihat taraf signifikansi pada output Coefficient).