METODE PENELITIAN
F. Teknik Analisis Data
Teknik analisis data merupakan suatu cara yang digunakan untuk mengolah data hasil penelitian. Penelitian ini menggunakan teknik statistik karena data yang diambil peneliti merupakan data kuantitatif. Sedangkan teknik analisis data yang digunakan adalah teknik analisis regresi linear berganda. Arikunto (2006 295) menyatakan ”Regresi berganda (multiple regression) adalah suatu peluasan dari teknik regresi apabila terdapat lebih dari satu variabel bebas untuk mengadakan prediksi terhadap variabel terikat”. Sehingga regresi ganda merupakan analisis tentang hubungan antara satu dependent variable dengan dua atau lebih independent variable.
Ada pun beberapa persyaratan yang harus diuji kebenarannya sebelum melakukan analisis data adalah:
1. Uji Persyaratan Analisis a. Normalitas
Normalitas digunakan untuk mengetahui apakah data akan dianalisis berbentuk sebaran normal atau tidak. Dalam penelitian ini, data untuk setiap variabel diuji normalitasnya. Deteksi normalitas dapat diketahui dengan melihat penyebaran data pada sumbu diagonal pada suatu grafik. Menurut Santoso (2012) menetapkan dasar pengambilan keputusan yang digunakan sebagai berikut:
1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti garis diagonal, maka regresi tidak memenuhi asumsi normalitas.
b. Multikolinearitas
Multikolinieritas digunakan untuk menguji suatu model apakah terjadi hubungan yang sempurna atau hampir sempurna antara variabel bebas, sehingga sulit untuk memisahkan pengaruh antara variabel-variabel itu secara individu terhadap variabel terikat. Pengujian ini untuk mengetahui apakah antar variabel bebas dalam persamaan regresi tersebut tidak saling berkorelasi. Untuk
mendeteksi multikolinieritas adalah dengan melihat nilai tolerance dan nilai Variance Inflation Factor (VIF), di mana menurut Santoso (2012: 206) “Pedoman suatu model regresi yang mempunyai persoalan multikol adalah: koefisien korelasi antar-variabel independen haruslah lemah (di bawah 0,5), Jika korelasi kuat, terjadi problem multikplenaritas”.
c. Heteroskedastisitas
Heteroskedastisitas digunakan untuk mengetahui apakah variabel pengganggu dalam persamaan regresi mempunyai varian yang sama atau tidak. Untuk mengetahui terjadinya heteroskedastisitas yaitu dengan melihat ada tidaknya pola tertentu pada scatterplot yang menunjukkan hubungan antara Regression Studentised Residual dengan Regression Standardized Predicted Value. Menurut Santoso (2012) menetapkan dasar pengambilan keputusan berkaitan dengan gambar tersebut adalah:
1) Jika ada pola tertentu, seperti titik-titiknya yang membentuk suatu pola tertentu yang teratur (bergelombang, melebar kemudian menyempit) maka diindikasikan terdapat masalah heteroskedastisitas.
2) Jika tidak ada pola yang jelas, serta titik-titiknya menyebar di atas dan di bawah angka 0 pada sumbu Y, maka diindikasikan tidak terdapat masalah heterokedastisitas.
d. Autokorelasi
Autokorelasi digunakan untuk menguji suatu model apakah antara variabel pengganggu masing-masing variabel bebas saling mempengaruhi. Untuk mengetahui apakah pada model regresi mengandung autokorelasi dapat digunakan pendekatan D-W (Durbin Watson). Menurut Singgih Santoso (2012) kriteria autokorelasi ada 3, yaitu:
1) Nilai D-W di bawah -2 berarti diindikasikan ada autokorelasi positif. 2) Nilai D-W di antara -2 sampai +2 berarti diindikasikan tidak ada
autokorelasi.
3) Nilai D-W di atas +2 berarti diindikasikan ada autokorelasi negatif. e. Linearitas
Uji Linieritas digunakan untuk mendeteksi adanya hubungan linier antara variabel X dan Y yang bisa dilakukan yaitu :
1) Plot antara residu (e) versus Y-topi:
Jika plot yang bersangkutan menggambarkan suatu scatter diagram (diagram pencar) dalam arti tidak berpola maka dapat dikatakan tidak terjadi misspesifikasi pada fungsi regresi, Hal ini bararti bahwa hubungan antara variabal X dan Y adalah linier.
2) Plot antara variabel X dan Y
Jika plot menggambarkan garis lurus maka asumsi pertama ini telah terpenuhi.
3) Plot antara residu versus X
Jika plot menggambarkan diagram pencar maka ;inearitas ini sudah terpenuhi. (Siswandari, 2000)
2. Uji Hipotesis
a. Menghitung Pesamaan Garis Regresi Linier Ganda
Analisis Regresi Linear Berganda adalah hubungan secara linier antara dua atau lebih variabel independen (X1, X2,...Xn) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Persamaan regresi linear bergandanya dituliskan:
Y = a + b1X1 + b2X2 + b3X3 dan Keterangan :
Y = Loyalitas Merek.
X1 = Elemen Brand Characteristics (karakteristik merek),
X2 = Elemen Company Characteristics ( karakteristik perusahaan)
X3 = Elemen Cunsomer-Brand Characteristics (karakteristik pelanggan- merek)
a = Bilangan konstanta.
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
( Sudjana, 1992) b. Uji F
Dwi Priyatno (2008: 82) mengatakan Uji F digunakan untuk mengetahui variabel bebas secara bersama-sama mempunyai berpengaruh secara signifikan terhadap variabel terikat. Atau untuk mengetahui apakah model regresi dapat digunakan untuk memprediksi variabel terikat atau tidak. Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi. Tingkat signifikansi menggunakan a = 5% atau 0,05.
Hasil uji F dilihat dalam tabel ANOVA dalam kolom sig, jika probabilitas < 0,05, maka dapat dikatakan terdapat pengaruh yang signifikan secara bersama-sama variabel bebas terhadap variabel terikat dan model regresi bisa dipakai untuk memprediksi variabel terikat. Atau jika nilai signifikansi > 0,05 maka tidak terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas terhadap variabel terikat.
Uji F dalam penelitian ini menggunakan software SPSS 17, yaitu dengan melihat tabel ANOVA dalam kolom sig, jika probabilitas < 0,05, maka dapat dikatakan terdapat pengaruh yang signifikan secara bersama-sama variabel bebas (kepercayaan merek) terhadap variabel terikat (loyalitas merek) dan model regresi bisa dipakai untuk memprediksi variabel terikat. Atau jika nilai signifikansi > 0,05 maka tidak terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas (kepercayaan merek) terhadap variabel terikat (loyalitas merek)
c. Uji t
Uji t digunakan untuk menguji secara parsial masing-masing variabel. Uji t dalam penelitian ini menggunakan software SPSS 17, yaitu dengan melihat tabel coefficients pada kolom sig. Jika probabilitas nilai t atau signifikansi < 0,05, maka dapat dikatakan bahwa terdapat pengaruh secara parsial antara variabel bebas (kepercayaan merek) terhadap variabel terikat (loyalitas merek). Atau jika probabilitas nilai t atau signifikansi > 0,05, maka dapat dikatakan bahwa tidak terdapat pengaruh yang signifikan masing-masing variabel bebas terhadap variabel terikat.
d. Koefisien Determinasi (Adjusted R Square)
Uji ini bertujuan untuk menentukan proporsi atau presentase total variasi dalam variabel terikat yang diterangkan variabel bebas secara bersama-sama. Menggunakan Adjusted R Square karena dalam regresi ini menggunakan lebih dari dua variabel bebas.
Hasil perhitungan Adjusted R2 dapat dilihat pada output Model Summary. Pada kolom Adjusted R2 dapat diketahui berapa prosentase yang dapat dijelaskan oleh variabel-variabel bebas terhadap variabel terikat. Dan sisanya dipengaruhi atau dijelaskan oleh variabel-variabel lain yang tidak dimasukkan dalam model penelitian ini.
55 BAB IV