Store Loyalty di Supermarket
METODE PENELITIAN A. Tempat dan Waktu Penelitian
E. Teknik Analisis Data
Teknik analisis data merupakan suatu cara yang digunakan untuk mengolah data hasil penelitian. Dalam 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. Suharsimi 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 variabledengan dua atau lebih independent
variable.
Adapun beberapa persyaratan yang harus diuji kebenarannya sebelum melakukan analisis data adalah:
1. Uji Persyaratan Analisis a. 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 D-Watson). Menurut Singgih Santoso (2001) 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.
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
commit to user
41
persamaan regresi tersebut tidak saling berkorelasi. Untuk mendeteksi
multikolinieritas adalah dengan melihat nilai tolerance dan nilai Variance Inflation
Factor(VIF), di mana menurut Singgih Santoso (2001: 206) “Pedoman suatu model regresi yang mempunyai persoalan multikoliniearitas adalah mempunyai nilai VIF lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel lainnya”.
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 Singgih Santoso
(2001:210) menetapkan dasar pengambilan keputusan berkaitan dengan gambar tersebut adalah:
1. Jika ada pola tertentu, seperti titik-titiknya 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. 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 Singgih Santoso (2001) menetapkan dasar pengambilan keputusan yang digunakan sebagai berikut:
1) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
2) Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti garis diagonal, maka regresi tidak memenuhi asumsi normalitas.
e. Linearitas
Uji Linieritas digunakan untuk mendeteksi adanya hubungan linier antara variabel X dan Y yang bisa dilakukan, sebagai berikut :
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 mispesifikasi pada fungsi regresi, hal ini bararti bahwa hubungan antara variabal X dan Y adalah linier.
2) Plot antara variabel X versus Y
Jika plot menggambarkan garis lurus maka asumsi pertama ini telah terpenuhi.
3) Plot antara residu versus X
Jika plot menggambarkan diagram pencar maka linieritas ini sudah terpenuhi.
(Siswandari, 2000:28)
2. Uji Hipotesis a. Menghitung Pesamaan Garis Regresi Linear Ganda
Analisis Regresi Linear Berganda adalah hubungan secara linear 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
commit to user 43 Y = a + b1X1+ b2X2+ b3X3+ b4X4+ b5X5+ b6X6 Keterangan : Y = Store Loyalty X1 = Harga X2 = Kelengkapan Produk X3 = Keunikan X4 = Kenyamanan X5 = Service quality
X6 = Good place to shop
a = Bilangan konstanta
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
(Omar (1999))
b. Uji F
Duwi Priyatno (2008: 82) mengatakan bahwa 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.
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 (customer expectations) terhadap variabel terikat (store loyalty) 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
c. Uji t
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 (customer expectations) terhadap variabel terikat (store loyalty). 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 kolomAdjusted R2dapat diketahui berapa persentase 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.
commit to user 45 BAB IV