BAB VI KESIMPULAN, SARAN DAN KETERBATASAN
H. Teknik Pengujian Instrument
I. Teknik Analisis Data
⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ − ⎥⎦ ⎤ ⎢⎣ ⎡ −
∑
2 1 2 1 1 σ σb k k Keterangan : r11 = Reliabilitas instrumen k = Banyaknya butir pertanyaan
∑
2 bσ Jumlah varian butir
12 = Varian total
Kuesioner dikatakan reliabel apabila nilai Alpha lebih besar dari r kritis product moment.
I. Teknik Analisis Data
1. Asumsi Klasik Model Regresi Berganda
UJi asumsi klasik jenis ini diterapkan untuk analisis regresi berganda yang terdiri atas dua atau lebih variabel bebas/independent variable (X1, X2, X3, X4,…Xn), dimana akan diukur tingkat asosiasi (keeratan) hubungan/pengaruh antar variabel bebas tersebut melalui besaran koefisien korelasi (r). Dikatakan terjadi multikolinieritas, jika koefisien korelasi antar variabel bebas (X1 dan X2, X2 dan X3, X3 dan X4) lebih besar dari 0,60 (pendapat lain : 0,50 dan 0,90). Dikatakan tidak terjadi multikolinieritas jika koefisien korelasi antar variabel bebas lebih kecil atau sama dengan 0,60 (r ≤ 0,60).
Atau dalam menentukan ada tidaknya multikolinieritas dapat digunakan cara lain yaitu dengan:
1) Nilai tolerance adalah besarnya tingkat kesalahan yang dibenarkan secara statistik (α).
2) Nilai Variance inflation factor (VIF) adalah faktor inflasi penyimpangan baku kuadrat.
Nilai tolerance (α) dan nilai Variance inflation factor (VIF) dapat dicari dengan menggabungkan kedua nilai tersebut sebagai berikut:
1) Besar nilai tolerance (α) :
α = 1 / VIF.
2) Besar nilai Variance inflation factor (VIF): VIF = 1 / α
Variabel bebas mengalami multikolinieritas jika: α hitung < α dan VIF hitung > VIF.
Variabel bebas tidak mengalami multikolinieritas jika: α hitung > α
dan VIF hitung < VIF.
b) Uji Asumsi Klasik Heteroskedastisitas (Sunyoto, 2007:93-94)
Dalam persamaan regresi berganda perlu juga diuji mengenai sama atau tidak varians dari residual observasi yang satu dengan observasi yang lain. Jika residualnya mempunyai varians yang sama disebut terjadi homoskedastisitas dan jika variansnya tidak sama disebut terjadi heteroskedastisitas. Persamaan regresi yang baik jika tidak terjadi heteroskedastisitas.
Analisi uji asumsi heteroskedastisitas hasil aoutput SPSS melalui grafik scatterplot antara Z prediction (ZPRED) yang merupakan variabel bebas (sumbu X = Y hasil prediksi) dan nilai residualnya (SRESID) merupakan variabel terikat (sumbu Y = Y prediksi - Y riil).
Homoskedastisitas terjadi jika pada scatterplot titik-titik hasil pengolahan data antara ZPRED dan SRESID menyebar di bawah maupun di atas titik origin (angka 0) pada sumbu Y dan tidak mempunyai pola yang teratur.
Heteroskedastisitas terjadi jika pada scatterplot titik-titiknya mempunyai pola yang teratur baik menyempit, melebar maupun bergelombang-gelombang.
c) Uji Asumsi Klasik Normalitas (Sunyoto, 2007:95-102)
Selain uji asumsi klasik multikolinieritas dan heteroskedastisitas, uji asumsi klasik yang lain adalah uji normalitas, dimana akan menguji data variabel bebas (X) dan data variabel terikat (Y) pada persamaan regresi yang dihasilkan. Berdistribusi normal atau berdistribusi tidak normal.
Persamaan regresi dikatakan baik jika mempunyai data variabel bebas dan data variabel terikat berdistribusi mendekati normal atau normal sama sekali. Uji asumsi klasik normalitas dapat dilakukan dengan dua cara yaitu :
1) Cara Statistik
Dalam menguji data variabel bebas dan data variabel terikat berdistribusi normal atau tidak pada cara statistik ini melalui nilai kemiringan kurva (skewness = α3) atau nilai keruncingan kurva (kurtosis = α4) diperbandingan dengan nilai Z tabel.
Rumus nilai Z untuk kemiringan kurva (skewness): Z skewness = skewness / / N atau Zα3 = α3 / / N
Rumus nilai Z untuk keruncingan kurva ( kurtosis) : Z kurtosis = kurtosis / / N atau Zα4 = α4 / / N
Dimana N = banyak data. Ketentuan analisis:
a) Variabel bebas atau terikat berdistribusi normal jika Z hitung (Zα3 atau Zα4) < Z tabel.
Misal diketahui Z5% = 1,95 (Z tabel) lebih besar dari Z hitung atau dengan kata lain Z hitung lebih kecil dari Z tabel (1,96), dapat dituliskan Z hitung < 1,96.
b) Variabel bebas atau terikat berdistribusi tidak normal jika Z hitung (Zα3 atau Zα4) > Z tabel.
Misal nomor (a), dapat ditulis Z hitung > 1,96. 2) Cara Grafik Histogram dan Normal Probability Plots
Cara grafik histogram dalam menentukan suatu data berdistribusi normal atau tidak, cukup membandingkan antara data riil atau nyata dengan garis kurva yang terbentuk. Jika data riil terbentuk garis kurva cenderung tidak simetri terhadap mean (U), maka dapat dikatakan data berdistribusi tidak normal dan sebaliknya. Cara grafik histogram lebih sesuai untuk data yang relatif banyak, dan tidak cocok untuk banyak data yang sedikit, karena iterprestasinya dapat menyesatkan.
Cara normal probability plots lebih handal daripada cara grafik histogram, karena cara ini membandingakan data riil dengan data distribusi normal (otomatis oleh komputer) secara kumulatif. Suatu data dikatakan berdistribusi normal jika garis data riil mengikuti garis diagonal.
d) Uji Asumsi Klasik Autokorelasi (Sunyoto, 2007:104-105)
Persamaan regresi yang baik adalah yang tidak memiliki masalah autokorelasi, jika terjadi autokorelasi maka persamaan
tersebut menjadi tidak baik/tidak layak dipakai predikasi. Masalah autokorelasi baru timbul jika ada korelasi secara linier antara kesalahan pengganggu periode t (berada) dengan kesalahan pengganggu perode t-1 (sebelumnya).
Salah satu ukuran dalam menentukan ada tidaknya masalah autokorelasi dengan uji Durbin-Watson (DW) dengan ketentuan sebagai berikut:
1) Terjadi autokorelasi positif, jika nilai DW di bawah -2 (DW < -2) 2) Tidak terjadi autokorelasi, jika nilai DW berada diantara -2 dan +2
atau -2 ≤ +2
3) Terjadi autokorelasi negatif, jika nilai DW di atas +2 atau DW > +2
2. Analisis regresi linier berganda
Teknik analisis data yang akan digunakan dalam penelitian ini adalah analisis regresi linier berganda yang digunakan untuk mengukur pengaruh variabel bebas (indenpendent variabel) yang lebih dari satu variabel terhadap variabel terikat (dependent variabel). Dalam penelitian ini regresi linier berganda digunakan untuk mengukur pengaruh motivasi, pembelajaran, dan sikap konsumen terhadap keputusan pembelian ulang. Berikut ini merupakan persamaan regresi linier berganda :
Rumus : Y = a + b1X1 + b2X2 + b3X3
Dimana : a = Konstanta
Y = Keputusan pembelian ulang X1 = Motivasi konsumen X2 = Pembelajaran konsumen X3 = Sikap konsumen b1 = Koefisien regresi X1 b2 = Koefisien regresi X2 b3 = Koefisien regresi X3 3. Uji t
Uji ini digunakan untuk mengetahui apakah motivasi, pembelajaran, dan sikap konsumen secara parsial berpengaruh terhadap keputusan pembelian ulang.
Tahap-tahap untuk melakukan uji t adalah sebagai berikut: a. Merumuskan Hipotesis
Ho: Tidak ada pengaruh antara motivasi, pembelajaran, dan sikap konsumen secara parsial terhadap keputusan pemblian ulang. Ha: Ada pengaruh antara motivasi, pembelajaran, dan sikap konsumen
secara parsial terhadap keputusan pemblian ulang. b. Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan α = 5%
c. Menentukan t hitung dengan menggunakan SPSS atau rumus t hitung
(Priyatno, 2008:84)
t
hitung=
2 1 1 r k n r − − −keteragan:
r = Koefisien korelasi parsial k = Jumlah variabel independent n = Jumlah data atau kasus d. Menentukan t tabel
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-1 (n adalah jumlah sampel dan k adalah jumlah variabel independent).
e. Kriteria pengujian
Jika t hitung ≥ t tabel pada α 0,05 maka Ho ditolak dan Ha diterima. Artinya ada pengaruh antara motivasi, pembelajaran, dan sikap konsumen secara parsial terhadap keputusan pembelian ulang.
Jika t hitung < t tabel pada α 0,05 maka Ho diterima dan Ha ditolak. Artinya tidak ada pengaruh antara motivasi, pembelajaran, dan sikap konsumen secara parsial terhadap keputusan pembelian ulang.
4. Uji F
Uji ini digunakan untuk mengetahui apakah motivasi, pembelajaran, dan sikap konsumen secara bersama-sama atau simultan berpengaruh terhadap keputusan pembelian ulang, maka digunakan Uji F. Tahap-tahap untuk melakukan uji F adalah sebagai berikut:
a. Merumuskan Hipotesis
Ho: Tidak ada pengaruh antara motivasi, pembelajaran, dan sikap konsumen secara simultan terhadap keputusan pembelian ulang.
Ha: Ada pengaruh antara motivasi, pembelajaran, dan sikap konsumen secara simultan terhadap keputusan pembelian ulang.
b. Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan α = 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam penelitian).
c. Menentukan F hitung dengan menggunakan SPSS atau rumus F hitung
(Priyatno, 2008:81):
Keterangan:
R2 = Koefisien determinasi n = Jumlah data atau kasus k = Jumlah variabel independen d. Menentukan F tabel
df 1 = jumlah variabel-1 df 2 = n-k-1
Keterangan: n = jumlah sampel
k = jumlah variabel independen
df = degree of freedom/ derajad kebebasan e. Kriteria pengujuan
Jika F hitung ≥ F tabel pada α0,05 maka Hoditolak dan Haditerima. Artinya variabel motivasi, pembelajaran, dan sikap konsumen secara
Jika F hitung < F tabel pada α0,05 maka Ho diterima dan Ha ditolak. Artinya variabel motivasi, pembelajaran, dan sikap konsumen secara simultan tidak berpengaruh terhadap keputusan pembelian ulang.