BAB III METODOLOGI PENELITIAN
D. Teknik Analisis Data
1. Uji Validitas dan Reliabilitas
a. Uji Validitas
Menurut (Bhuono, 2005:66), Uji validitas digunakan untuk
mengetahui kelayakan butir-butir suatu daftar (struktur) pertanyaan
dalam mendefinisikan suatu variabel. Daftar pertanyaan ini pada
umumnya mendukung suatu variabel tertentu. Validitas adalah ukuran
untuk menunjukkan tingkat kevaliditasan suatu instrumen, suatu
instrumen dikatakan valid apa bila mampu mengukur apa yang diukur.
Uji Validitas dilakukan dengan membandingkan nilai rhitung
dengan rtabel, Dengan membandingkan nilai rhitung dari hasil output
(Corrected Item- Total Correlation) dengan rtabel, jika rhitung lebih besar
dari rtabel maka butir pertanyaan tersebut adalah valid, tetapi jika rhitung
lebih kecil dari pada rtabel maka butir pertanyaan tersebut tidak valid
(Ghozali, 2011:54).
b. Uji Reliabilitas
Setelah menentukan validitas instrumen penelitian tahap
selanjutnya adalah mengukur realibilitas data dari instrumen penelitian.
Reliabilitas adalah alat ukur untuk mengukur suatu kuesioner yang
merupakan indikator dari variabel atau konstruk. Uji reliabilitas ini
digunakan untuk menguji konsistensi data dalam jangka waktu tertentu,
yaitu untuk mengetahui sejauh mana pengukuran yang digunakan dapat
alpha nya memiliki nilai lebih besar 0,70 yang berarti bahwa instrumen tersebut dapat dipergunakan sebagai pengumpul data yng handal yaitu
hasil pengukuran relatif koefisien jika dilakukan pengukuran ulang. Uji
realibilitas ini bertujuan untuk melihat konsistensi (Ghozali, 2011:48).
2. Pengujian Persyaratan Analisis (Uji Asumsi Klasik)
Pengujian persyaratan analisis digunakan sebagai persyaratan dalam
penggunaan model analisis regresi linier berganda. Suatu model regresi
harus dipenuhi syarat-syarat bahwa data berdistribusi normal, tidak terjadi
multikolinieritas dan heteroskedastisitas. Jika tidak ditemukan permasalahan
maka dilanjutkan dengan pengujian hipotesis dengan analisis regresi. Dalam
regresi linier, untuk memastikan agar model tersebut BLUE (Best Linear
Unbiased Estimator) dilakukan pengujian sebagai berikut: a. Pengujian Normalitas Data
Uji normalitas data bertujuan mengetahui distribusi data dalam
variabel yang akan digunakan dalam penelitian. Data yang baik dan layak
digunakan dalam penelitian adalah yang memiliki distribusi normal.
normalitas data dapat dilihat dengan beberapa cara, diantaranya yakni
dengan melihat kurva normal P - plot. Suatu variabel dikatakan normal
jika gambar distribusi dengan titik-titik data yang menyebar di sekitar
garis diagonal dan penyebaran titik-titik data searah mengikuti garis
diagonal. Tekhnik lain yang dapat digunakan untuk menguji hubungan
Menurut Ghozali (2011:147) uji normalitas bertujuan apakah
dalam model regresi variabel dependen (terikat) dan variabel independen
(bebas) mempunyai kontribusi atau tidak. Penelitian yang menggunakan
metode yang lebih handal untuk menguji data mempunyai distribusi
normal atau tidak yaitu dengan melihat normal probability plot. Model
regresi yang baik adalah data distribusi normal atau mendekati normal,
untuk mendeteksi normalitas dapat dilakukan dengan melihat penyebaran
data (titik) pada sumbu diagonal grafik. Terdapat dua cara untuk
mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan
analisis grafik dan uji statistik (uji Kolmogorov – Smirnov), adapun
penjelasan mengenai uji normalitas data adalah sebagai berikut (Ghozali,
2011:147).
1) Uji Normalitas Secara Grafik
Salah satu cara termudah untuk melihat normalitas residual
adalah dengan melihat grafik histogram yang membandingkan antara
data observasi dengan distribusi yang mendeteksi distribusi normal.
Namun demikian hanya dengan melihat histogram hal ini dapat
menyesatkan khususnya untuk jumlah sampel yang kecil. Metode
yang lebih handal adalah dengan melihat normal probability plot yang
membandingkan distribusi kumulatif dari distribusi normal. Distribusi
normal akan membentuk suatu garis lurus diagonal dan ploting data
residual akan dibandingkan dengan garis diagonal (Ghozali,
2) Uji Normalitas Secara Statistik
Uji normalitas secara grafik dapat menyesatkan kalau tidak
hati-hati secara visual kelihatan normal, padahal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji statistik (Ghozali, 2011:163).
b. Pengujian Multikolinearitas
Menurut Ghozali (2011:106), menyatakan bahwa Uji
multikolonieritas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas (independen). Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel
independen. Jika variabel independen saling berkorelasi, maka
variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel-variabel
independen yang nilai korelasi antar sesama variabel independen sama
dengan nol. Untuk mendeteksi ada atau tidaknya multikolonieritas di
dalam model regresi adalah sebagai berikut:
1) Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris
sangat tinggi, tetapi secara individual variabel-variabel independen
banyak yang tidak signifikan mempengaruhi variabel dependen.
2) Menganalisis matrik korelasi variabel-variabel independen. Jika antar
variabel independen ada korelasi yang cukup tinggi (umumnya diatas
0,90), maka hal ini merupakan indikasi adanya multikolonieritas.
Tidak adanya korelasi yang tinggi antar variabel independen tidak
berarti bebas dari multikolonieritas. Multikolonieritas dapat
disebabkan karena adanya efek kombinasi dua atau lebih variabel
3) Multikolonieritas dapat juga dilihat dari: (1) Nilai tolerance dan
lawannya; (2) Variance inflation factor (VIF). Kedua ukuran ini
menunjukkan setiap variabel independen manakah yang dijelaskan
oleh variabel independen lainnya. Dalam pengertian sederhana setiap
variabel independen menjadi variabel dependen (terikat) dan
diregresikan terhadap variabel independen lainnya. Tolerance
mengukur variabilitas variabel independen yang terpilih yang tidak
dijelaskan oleh varibel independen lainnya. Jadi nilai tolerance yang
rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/Tolerance).
Nilai cut off yang umum dipakai untuk menunjukkan adanya
multikolonieritas adalah nilai tolerance < 10 atau sama dengan nilai
VIF > 10 (Ghazali, 2011:106).
c. Pengujian Heteroskedastisitas
Menurut Ghozali (2011:139), Uji Heteroskedastisitas bertujuan
menguji apakah dalam model regresi terjadi ketidaksamaan variance dari
residual satu pengamatan ke pengamatan lain tetap, maka disebut
Homoskesdatisitas dan jika berbeda disebut Heteroskedastisitas. Model
regresi yang baik adalah yang Homoskesdatisitas atau tidak terjadi
Heteroskedastisitas. Kebanyakan data crossection mengandung situasi
Heteroskedastisitas karena data ini menghimpun data yang mewakili
berbagai ukuran (kecil, sedang dan besar). Ada beberapa cara untuk
untuk melihat Grafik Plot antara nilai prediksi variabel terikat (dependen)
yaitu ZPRED dengan residualnya SRESID. Deteksi ada atau tidaknya
Heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola
tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana
sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual (Y
prediksi – Y sesungguhnya) yang telah di-studentized. Dasar Analisis:
1) Jika ada pola tertentu, seperti titik-titik yang ada 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 diatas dan
dibawah angka 0 pada sumbu Y, maka tidak terjadi
Heteroskedastisitas.
3. Pengujian Hipotesis
a. Uji t (Pengujian Secara Parsial)
Untuk mengetahui apakah variabel independen secara parsial
(individual) mempunyai pengaruh yang signifikan terhadap variabel
dependen. Uji statistik t pada dasarnya menunjukkan seberapa jauh
pengaruh satu variabel individu independen secara individu dalam
menerangkan variabel dependen (Ghozali, 2011:101). Apabila sig t lebih
besar dari 0,05 maka Ho diterima. Demikian pula sebaliknya jika sig t
hubungan yang signifikan antara variabel independen terhadap variabel
dependen (Ghozali, 2011:101).
Dalam penelitian ini menggunakan uji signifikan dua arah atau
two tailed test, yaitu suatu uji yang mempunyai dua daerah penolakan Ho yaitu terletak di ujung sebelah kanan dan kiri. Dalam pengujian dua arah,
biasa digunakan untuk tanda sama dengan (=) pada hipotesis nol dan
tanda tidak sama dengan (≠) pada hipotesis alternatif. Tanda (=) dan (≠) ini tidak menunjukan satu arah, sehingga pengujian dilakukan untuk dua
arah (Suharyadi dan Purwanto, 2009:88 - 89).
Menurut Suharyadi dan Purwanto (2009:191) dalam menentukan
kriteria dalam uji parsial (Uji t) two tailed test dapat dilihat sebagai
berikut:
1) Uji Hipotesis dengan membandingkan thitung dengan ttabel
Apabila thitung < -ttabel atau thitung > ttabel, maka Ho ditolak dan Ha
diterima, artinya variabel independen secara parsial mempunyai
pengaruh yang signifikan terhadap variabel dependen.
2) Uji Hipotesis berdasarkan Signifikansi
a) Jika angka sig. > 0,05, maka Ho diterima.
b) Jika angka sig. < 0,05, maka Ho ditolak.
b. Uji F (Pengujian Secara Simultan)
Model regresi linier berganda diatas, untuk membuktikan apakah
terhadap variabel dependen, maka dilakukan uji F. Uji F dilakukan
dengan tujuan untuk menguji keseluruhan variabel independen, yaitu:
atribut produk, citra merek dan sikap konsumen terhadap satu variabel
dependen, yaitu keputusan pembelian. Secara bebas dengan signifikan
sebesar 0,05, dapat disimpulkan (Ghozali, 2011:98).
Apabila Fhitung > Ftabel, maka Ho ditolak dan Ha diterima, yang
berarti variabel independen mempunyai pengaruh yang signifikan
terhadap variabel dependen dengan menggunakan tingkat signifikan
sebesar 0,05 jika nilai Fhitung > Ftabel maka secara bersama-sama seluruh
variabel independen mempengaruhi variabel dependen. Selain itu, dapat
juga dengan melihat nilai probabilitas. Jika nilai probabilitas lebih kecil
daripada 0,05 (untuk tingkat signifikansi = 0,05), maka variabel
independen secara bersama-sama berpengaruh terhadap variabel
dependen. Sedangkan jika nilai probabilitas lebih besar daripada 0,05
maka variabel independen secara serentak tidak berpengaruh terhadap
variabel dependen.
4. Koefisien Persamaan Regresi Linier Berganda
Untuk menguji hipotesis tentang kekuatan variabel independen
terhadap variabel dependen, dalam penelitian ini digunakan analisis regresi
Y= a + b1X1+ b2X2 + b3 X3 + ei Keterangan: Y = Keputusan Pembelian a = Konstanta X1 = Atribut Produk X2 = Citra Merek X3 = Sikap Konsumen E = Error
5. Koefisien Determinasi (Adjusted R2)
Koefisien determinasi (Adjusted R2) bertujuan untuk mengetahui
seberapa besar kemampuan variabel independen menjelaskan variabel
dependen. Dalam output SPSS, koefisien determinasi terletak pada tabel
Model Summaryb dan tertulis Adjusted R Square. Nilai R2 sebesar 1, berarti
pengaruh variabel dependen seluruhnya dapat dijelaskan oleh variabel
independen dan tidak ada faktor lain yang menyebabkan pengaruh variabel
dependen. Jika nilai Adjusted R2 berkisar antara 0 sampai dengan 1, berarti
semakin kuat kemampuan variabel independen dapat menjelaskan pengaruh
variabel dependen (Ghozali, 2011:97).