BAB III METODE 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 linier berganda. Suharsimi Arikunto (2006: 295)
menyatakan ”Regresi ganda (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.
Adapun beberapa persyaratan yang harus diuji kebenarannya sebelum melakukan analisis data adalah:
commit to user
33
1. Uji Persyaratan Analisis
a. Normalitas
Uji 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 (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 rah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
b. Multikolinieritas
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 Singgih 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 multikolinieritas”.
c. 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.
commit to user
d. 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 scatterplotyang menunjukkan hubungan antara Regression Studentised Residualdengan Regression Standardized Predicted Value. Menurut Singgih Santoso (2012) 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.
e. Linieritas
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 berarti bahwa hubungan antara variabel 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)
2. Uji Hipotesis a. Menghitung Persamaan Garis Regresi Linier Ganda
Analisis Regresi Linier Berganda adalah hubungan secara linier antara dua atau lebih variabel independen (X1, X2,...Xn) dengan variabel dependen (Y). Analisis ini
commit to user
35
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 linier bergandanya dituliskan:
Y = a + b1X1+ b2X2+ b3X3
Ketrangan :
Y = Loyalitas pelanggan. X1 = Elemen biaya prosedural. X2 = Elemen biaya finansial. X3 = Elemen biaya relasional. a = Bilangan konstanta.
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
(Sudjana, 1992) b. Uji F
Uji F digunakan untuk mengetahui variabel bebas secara bersama-sama mempunyai berpengaruh secara signifikan terhadap variabel terikat. Tingkat signifikansi menggunakan a = 5% atau 0,05 (Dwi Priyatno, 2008:82).
Rumus uji F
Keterangan:
R2 = Koefisien determinasi
n = Jumlah observasi k = Jumlah variabel
commit to user
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.
c. Uji t
Uji t digunakan untuk menguji secara parsial masing-masing variabel. Hasil uji t dapat dilihat pada tabel coefficients pada kolom sig (significance). Jika probabilitas nilai t atau signifikansi < 0,05, maka dapat dikatakan bahwa terdapat pengaruh yang signifikan masing-masing antara variabel bebas terhadap variabel terikat. 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. Rumus t hitung pada analisis regresi adalah :
i i hitung Sb b t Keterangan :
bi = koefisien masing-masing variabel independent dengan i = 1, 2, 3, 4 sbi = standar error variabel i
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 Squarekarena 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.
commit to user
37