HASIL PENELITIAN DAN PEMBAHASAN
C. Analisis dan Olah Statistik
4. Uji Asumsi Klasik a. Uji Normalitas
Tujuan dilakukanya uji normalitas adalah untuk menguji apakah dalam model regresi, residuel memliki distribusi normal. Cara yang dilakukan untuk melihat normalitas menggunakan probability plot, dan uji Kolmogorov-smornov (K-S). Dalam normal probability plot, jika distribusi data residual normal maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
Sumber: Data Diolah (Output SPSS 21), 2018
Hasil pengujian tersebut menunjukkan bahwa titik-titik berada tidak jauh dari garis diagonal.Hal ini berarti bahwa model regresi tersebut sudah berdistribusi normal.
70 b. Uji autokorelasi
Uji autokorelasi digunakan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan-kesalahan pengganggu pada periode sebelumnya.
Tabel 4.19 Hasil Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson 1 .708a .501 .488 1.9817 1.736
a. Predictors: (Constant), Kualitas Pelayanan, Display produk, Harga, Promosi, Hedonic Shoping Value
b. Dependent Variable: Impulse buying
Sumber: Data Diolah (Output SPSS 21), 2017
Nilai DW sebesar 1.736 pada tingkat signifikan 0.05, jumlah sampel (n) 200 dan jumlah variabel independen 5 (K=5), memberikan nilai dU (batas atas) 1,7519 dan nilai Dl (batas bawah) 1,8193. Oleh karena itu, nilai DW hitung < dU sehingga dapat disimpulkan bahwa terjadi masalah autokorelasi
c. Uji Multikolinearitas
Untuk menguji multikolinearitas dengan cara melihat nilai VIF masing-masing variabel independen, jika nilai VIF < 10, maka dapat disimpulkan data bebas dari gejala multikolineraritas.
71
Tabel 4.20 Hasil Uji Multikolinearitas
Coefficientsa
Sumber: Data Diolah (Output SPSS 21), 2017
Berdasarkan tabel di atas, hasil analisis menunjukkan bahwa VIF tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1. Maka dapat sisimpulkan bahwa model regresi linear berganda terbebas dari asumsi klasik dan dapat digunakan dalam penelitian.
d. Uji Heterokedasitas
Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heterokedasitas. Pada penelitian ini menggunakan uji glejser. Heterokedasitas dapat diketahui dari probabilitas signifikannya diatas tingkat kepercayaan 5%. Jadi, dapat disimpulkan model regresi tidak mengandung adanya heterokedasitas. Adapun hasil uji heterokedasitas adalah sebagai berikut:
Model Collinearity Statistics Tolerance VIF 1 (Constant) x1 .928 1.045 x2 .877 1.140 x3 .939 1.065 x4 .598 1.673 x5 .664 1.506 a.Dependent Variable:y Y
72
Gambar 4.21 Heteroskedastisitas
Sumber: Data Diolah (Output SPSS 21), 2017
Berdasarkan grafik diatas, hasil analisisnya sebagai berikut:
1. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0. 2. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja.
3. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4. Penyebaran titik-titik data tidak berpola.
Dari hasil analisis di atas dapat disimpulkan bahwa tidak terjadi heteroskedastisitas.
73 3) Pengujian Hipotesis
a. Uji F (Simultan)
Pengujian Simultan merupakan pengujian secara bersama-sama koefisien orientasi kewirausahaan dan inovasi produk terhadap kinerja perusauaan. Jika nilai Fhitung > Ftabel maka variabel bebas (X) berpengaruh terhadap variabel terikat (Y). Jika nilai Fhitung < Ftabel maka variabel bebas (X) tidak berpengaruh terhadap variabel terikat (Y). Jika nilai Sig < 0,05 maka variabel bebas (X) berpengaruh signifikan terhadap variabel terikat (Y). Jika nilai Sig.> 0,05 maka variabel bebas (X) tidak berpengaruh signifikan terhadap variabel terikat (Y).
Tabel 4.24 Hasil Uji F
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression 234.594 5 46.919 38.905 .000b
Residual 233.961 194 1.209
Total 468.555 199
a. Dependent Variable: Impulse Buying
b. Predictors: (Constant), Kualitas Pelayanan,Display Produk,Harga, Promosi, Hedonic Shoping Value.
Sumber: Data Diolah (Output SPSS 21), 2017
Dari uji ANOVA atau uji F di dapat nilai Fhitung sebesar 38.905 lebih besar F tabel yaitu 2,42 atau Fhitung 38.905 dengan > 2,42. Dengan probabilitas 0.000. Karena nilai probabilitas jauh lebih kecil dari 0,05 maka model regresi dapat digunakan untuk memprediksi Impulse Buying (Y) dapat dikatakan 5 variabel bebas kualitas pelayanan (X1), Display Produk (X2), Harga (X3), Promosi
74
(X4) dan Hedonic Impulse Buying (Y) secara bersama-sama berpengaruh terhadap
Impulse Buying (Y).
b. Uji t (Parsial)
Uji parsial atau disebut juga uji t dalam analisis regresi linear berganda bertujuan untuk mengetahui apakah variabel bebas (X) secara parsial (sendiri-sendiri/masing-masing variabel) berpengaruh signifikan terhadap variabel terikat (Y). Jika nilai thitung > ttabel maka variabel bebas (X) berpengaruh terhadap variabel terikat (Y). Jika nilai thitung < ttabel maka variabel bebas (X) tidak berpengaruh terhadap variabel terikat (Y). Jika nilai Sig< 0,05 maka variabel bebas (X) berpengaruh signifikan terhadap variabel terikat (Y). Jika nilai Sig> 0,05 maka variabel bebas (X) tidak berpengaruh signifikan terhadap variabel terikat (Y).
Nilai ttabel dapat dilihat pada tabel statistik untuk signifikan 0,05 dengan df = n-k. Dimana k = jumlah variabel (bebas + terikat) dan n = jumlah observasi/sampel pembentuk regresi. Jadi df = 200- 5 = 195. Hasil diperoleh untuk
ttabel sebesar 0,674.
Tabel 4.23 Hasil Uji t
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 8.903 1.234 7.125 .000 Kualitas Pelayanan (x1) -.177 .052 -.176 -3.399 .001 Display Produk (x2) -.169 .050 -.184 -3.405 .001 Harga (x3) .201 .050 .210 4.012 .000 Promosi (x4) .365 .068 .354 5.387 .000
75 a. Dependent Variable: Impulse Buying (y)
Sumber: Data diolah (SPSS 21)
Berdasarkan Tabel 4.23 hasil output SPSS di atas kita dapat melihat dimana nilai thitung variabel X1 lebih besar dari nilai ttabel (3.399>0,674) dengan tingkat signifikan dibawah 0,05 yaitu 0,001, thitung untuk variabel (X2) lebih besar dari pada nilai ttabel (3.405>0,674) dengan tingkat kesalahan dibawah 0,05 yaitu 0,001. variabel (X3) lebih besar dari pada nilai ttabel (4.012>0,674) dengan tingkat kesalahan dibawah 0,05 yaitu 0,000 variabel (X4) lebih besar dari pada nilai ttabel (5.387>0,674) dengan tingkat kesalahan dibawah 0,05 yaitu 0,000 dan untuk variabel (X5) lebih besar dari pada nilai ttabel (7.618>0,674) dengan tingkat kesalahan dibawah 0,05 yaitu 0,000. Berdasarkan cara pengambilan keputusan uji parsial dalam analisis regresi pada Tabel 4.13 dapat disimpulkan sebagai berikut:
1. Kualitas Pelayanan (X1) secara parsial berpengaruh terhadap Impulse
Buying (Y).
2. Display Produk (X2) secara parsial berpengaruh terhadap Impulse Buying (Y).
3. Harga (X3) secara parsial berpengaruh terhadap Impulse Buying (Y). 4. Promosi (X4) secara parsial berpengaruh terhadap Impulse Buying (Y). 5. Hedonic Shoping Value (X5) secara parsial berpengaruh terhadap Impulse
Buying (Y).
b. Koefisien Determinasi (R2)
Koefisien Determinasi (R2) mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai koefisien determinasi adalah antara 0-1. Nilai R2 yang kecil berarti kemampuan
variabel-76
variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memperediksi variasi variabel dependen.
Tabel 4.25 Hasil Penguji Koefisien Determinasi
Model Summary
Model R R Square Adjusted R Square Std. Error of the
Estimate
1 .708a .501 .488 1.9817
a. Predictors: (Constant), Kualitas Pelayanan, Display Produk, Harga, Promosi, Hedonic Shopping Value
b. Dependent Variabel: Impulse Buying
Sumber: Data Diolah (Output SPSS 21), 2017
Berdasarkan Tabel 4.25 Besarnya R Square adalah 0,501 , hal ini berarti 50,1% variabel, sedangkan sisanya (100% -50,1% = 49,9%) dijelaskan oleh sebab-sebab yang lain diluar model yang dapat menjelaskan variabel impuls
buying.
D. Pembahasan
Berdasarkan hasil analisis di atas, maka dilakukan pembahasan yang memberikan beberapa informasi secara rinci tentang hasil penelitian serta pengaruh masing-masing variabel terhadap variabel lainnya. Variabel independen dalam penelitian ini yaitu kualitas pelayanan (X1), Display Produk (X2), Harga (X3), Promosi(X4) dan Hedonic Impulse Buying (X5) sedangkan variabel dependennya adalah Impulse Buying (Y). Pengujian hipotesis antar variabel
77
independen dan variabel dependen dilakukan melalui hasil analisis SPSS 21. Selanjutnya dilakukan pembahasan terhadap masing-masing hipotesis sebagai berikut:
7. Pengaruh kualitas pelayanan, display produk, harga, promosi, dan