METODE PENELITIAN
HASIL PENELITIAN DAN PEMBAHASAN
2. Analisis Deskriptif Variabel
4.2.2 Uji Asumsi Klasik a.Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Ada dua cara untuk melihat apakah residual berdistribusi normal atau tidak, yaitu menggunakan analisis grafik dan uji statistik.
1. Pada grafik histogram, dikatakan variabel berdistribusi normal jika berbentuk lonceng yang tidak menceng ke kiri atau ke kanan. Hasil pengujian dapat dilihat pada gambar grafik berikut:
Sumber: Hasil penelitian, 2014 (data diolah)
Gambar 4.1 Histogram
Pada grafik histogram pada Gambar 4.1 terlihat bahwa variabel berdistribusi normal. Hal ini ditunjukkan oleh distribuis data tersebut tidak miring ke kiri atau ke kanan dan membentuk pola lonceng.
2. Apabila plot dari keduanya berbentuk linear, maka berindikasi bahwa residual menyebar normal. Bila pola titik-titik yang terletak selain di ujung-ujung plot masih berbentuk linear, meskipun ujung-ujung plot agak
menyimpang dari garis lurus, dapat dikatakan bahwa sebaran data adalah normal. Berikut adalah hasil Normal P – Plot of Regresson Standardized Residual :
Sumber: Hasil Penelitian, 2014 (data diolah)
Gambar 4.2
Normal P – Plot of Regresson Standardized Residual
Pada Gambar 4.2 tersebut dapat diluhat bahwa titik-titik menyebar disekitar garis diagonal dan mengikut arah garis diagonal, hal ini berarti data berdistribusi normal. Untuk lebih memastikan, dapat dilakuka uji Kolmogorov Smirnov, dengan melihat data residual apakah berdistribusi normal, dengan keputusan:
1. Jika nilai Asymp.Sig (2-tailed) > 0,05 maka tidak mengalami gangguan distribusi normal.
2. Jika nilai Asymp.Sig (2-tailed) < 0,05 maka mengalami gangguan distribusi normal.
Tabel 4.9 Analisis Statistik
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 97
Normal Parametersa,b Mean .0000000
Std. Deviation 1.89969499
Most Extreme Differences Absolute .065
Positive .046
Negatif -.065
Kolmogorov-Smirnov Z .640
Asymp. Sig. (2-tailed) .807
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Penelitian, 2014 (data diolah)
Berdasarkan Tabel 4.9 diketahui bahwa nilai Asymp. Sig. (2-tailed) adalah 0,807 dan diatas nilai signifikan (0,05), dengan kata lain variabel residual berdistribusi normal.
b. Uji Heteroskedastisitas
Prinsip pengujian Heteroskedastisitas adalah untuk melihat apakah adanya gangguan yang ada pada suatu penelitian. Metode untuk menguji penelitian untuk mencari keberadaan heteroskedastisitas dapat dilakukan dengan metode grafik dan statistik, yang menggunakan uji Glejser.
1. Pendekatan Grafik
Sumber: Hasil Penelitian, 2014 (data diolah)
Gambar 4.3
Hasil Uji Heteroskedastisitas
Dari grafik scatterplot yang disajikan pada Gambar 4.3, dapat dilihat titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi.
2. Pendekatan Statistik
Pendekatan statistik dilakukan dengan uji Glejser. Berikut adalah hasil dari pengolahannya:
Tabel 4.10 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 4.312 1.539 2.801 .006 PRODUK -.154 .087 -.212 -1.775 .079 HARGA .033 .075 .056 .440 .661 LOKASI .061 .062 .116 .985 .327 TANGGAP -.087 .080 -.113 -1.081 .282 KEP.PEMB -.058 .064 -.118 -.897 .372
a. Dependent Variabel: absut
Sumber: Hasil Penelitian, 2014 (data diolah)
Jika variabel independen signifikan secara statistik mempengaruhi variabel independen, maka ada indikasi terjadi heteroskedastisitas. Dari Tabel 4.10, dapat dilihat signifikansi variabel bebas lebih besar dari 0,05 maka tidak mengalami gangguan heteroskedastisitas.
c. Uji Multikolinearitas
Pengujian ini bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Multikolinearitas berarti adanya hubungan yang sempuran, diantara beberapa atau semua variabel yang menjelaskan dari model regresi. Hasil pengujian dapat dilihat sebagai berikut:
Tabel 4.11
Hasil Uji Multikolinearitas
Collinearity Statistiks Tolerance VIF .774 1.292 .860 1.163 .722 1.385 .937 1.067
Dasar untuk melihat suatu model yang tidak terkena multikolinearitas adalah dengan melihat besar Variance Inflation Faktor (VIF) dan tingkat tolerancenya. Jika VIF > 5 dan Tolerance < 0,1, maka terkena multikolinearitas, tetapi jika VIF < 5 dan tolerance > 0,1, maka tidak terdapat masalah multikolinearitas dalam penelitian ini. Berdasarkan Tabel 4.11, semua nilai VIF adalah lebih kecil daripada 5 dan tolerancenya lebih besar daripada 0,1, maka dari itu, dapat disimpulkan bahwa tidak terdapat masalah multikolinearitas dalam penelitian ini.
4.2.3 Analisis Regresi Linier Berganda
Analisis regresi berganda digunakan untuk mengetahui pengaruh antara variabel bebas (produk, harga, lokasi dan ketanggapan layanan) terhadap variabel terikat (keputusan pembelian) yang dilakukan pada 97 responden di Warung Ucok Durian Wahid Hasyim Medan.
Tabel 4.12 Variabels Entered/Removed Model Variabels Entered Variabels Removed Method dimension0 1 TANGGAP, LOKASI, HARGA, PRODUKa . Enter
a. All requested variabels entered. b. Dependent Variabel: KEP.PEMB
Sumber: Hasil Penelitian, 2014 (data diolah)
Pada Tabel 4.12 dapat dilihat bahwa seluruh variabel independen dimasukka dalam analisis ini, atau dengan kata lain tidak ada variabel independen yang tidak digunakan, atau yang disebut dengan metode enter.
Tabel 4.13 Coefficients Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 1.221 2.501 .488 .627 PRODUK .394 .135 .266 2.927 .004 HARGA .614 .103 .514 5.958 .000 LOKASI -.006 .102 -.005 -.056 .956 TANGGAP .134 .130 .085 1.031 .305
Sumber: Hasil Penelitian, 2014 (data diolah)
Berdasarkan hasil pengolahan data pada Tabel 4.13, dapat dirumuskan model persamaan regresi berganda sebagai berikut:
Y= a + b1X1 + b2X2 + b3X3 + b4X4 + e
Y= 1,221 + 0,394X1 + 0,614X2 + (-0,006)X3 + 0,134X4 + e Dimana :
Y = keputusan pembelian a = konstanta
b1 = koefisien regresi dari variabel X1 (produk) b2 = koefisien regresi dari variabel X2 (harga) b3 = koefisien regresi dari variabel X3 (lokasi)
b4 = koefisian regresi dari variabel X4 (Ketanggapan Layanan) X1 = Produk
X2 = Harga X3 = Lokasi
e = Variabel pengganggu
Berdasarkan persamaan tersebut dapat diuraikan sebagai berikut:
a. Konstanta (a) = 1,221. Ini menunjukkan tingkat konstan, dimana jika variabel produk(X1), harga(X2), lokasi(X3) dan ketanggapan layanan(X4) adalah 0, maka keputusan pembelian(Y) Warung Ucok Durian Wahid Hasyim Medan akan tetap ada sebesar 1,221, dengan asumsi variabel lain tetap.
b. Koefisien b1X1 = 0,394. Ini menunjukkan bahwa variabel produk(X1) berpengaruh secara positif terhadap keputusan pembelian, atau dengan kata lain, jika variabel produk ditingkatkan sebesar satu satuan, maka keputusan pembelian Warung Ucok Durian Wahid Hasyim Medan akan meningkat sebesar 0,394 satuan, dengan asumsi variabel lain tetap.
c. Koefisien b2X2 = 0,614. Ini menunjukkan bahwa variabel harga(X2) berpengaruh secara positif terhadap keputusan pembelian, atau dengan kata lain, jika variabel harga ditingkatkan sebesar satu satuan, maka keputusan pembelian Warung Ucok Durian Wahid Hasyim Medan akan meningkat sebesar 0,614 satuan, dengan asumsi variabel lain tetap.
d. Koefisien b3X3 = -0,006. Ini menunjukkan bahwa variabel lokasi(X3) berpengaruh secara negatif terhadap keputusan pembelian, atau dengan kata lain, jika variabel lokasi ditingkatkan sebesar satu satuan, maka keputusan pembelian Warung Ucok Durian Wahid Hasyim Medan akan menurun sebesar 0,006 satuan, dengan asumsi variabel lain tetap.
e. Koefisien b4X4 = 0,134. Ini menunjukkan bahwa variabel ketanggapan layanan(X4) berpengaruh secara positif terhadap keputusan pembelian, atau dengan kata lain, jika variabel ketanggapan layanan ditingkatkan sebesar satu satuan, maka keputusan pembelian Warung Ucok Durian Wahid Hasyim Medan akan meningkat sebesar 0,134 satuan, dengan asumsi variabel lain tetap.
4.2.4Pengujian Hipotesis