HASIL DAN PEMBAHASAN
3. Pengujian Multikolinearitas
4.2.3.3 Uji Hipotesis Sub Struktur I a.Identifikasi determinan (R2a.Identifikasi determinan (R2
Koefisien determinan (R )
2
) pada intinya mengukur seberapa kemampuan model dalam menerangkan variabel terikat. Koefisien determinan berkisar antara 0 (nol) sampai dengan 1 (satu), (0 ≤ R 2≤1). Jika R2 semakin besar (mendekati satu), maka dapat dikatakan bahwa pengaruh variabel bebas (X1, X2,X3 ) adalah besar terhadap variabel terikat (Y1dan Y2). Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pengaruh variabel bebas yang diteliti terhadap variabel terikat. Sebaliknya,
jika R2 semakin mengecil (mendekati nol) maka dapat diaktakan bahwa pengaruh variabel bebas (X1, X2,X3) terhadap variabel terikat (Y1 dan Y2
Tabel 4.14
) semakin kecil. Hal ini berarti model yang digunakan tidak kuat untuk menerangkan pengaruh variabel bebas yang diterliti terhadap variabel terikat.
Identifikasi Determinan (R2) Variabel Bebas Terhadap Sikap Konsumen (Y1
Model Summary )
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .716a .513 .497 1.18758
a. Predictors: (Constant), rancangan, kualitas, fitur
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 20.00,2014) Tabel ini menunjukkan bahwa:
a. R=0,716, berarti bahwa hubungan antara kualitas (X1), fitur (X2), rancangan(X3), terhadap sikap Konsumen (Y1
b. Angka Adjusted R
) sebesar 71,6%, yang artinya kualitas, fitur, rancangan dan sikap konsumen sabun pencuci piring cair sunlight pada kelurahan tegal sari mandala II Medan memiliki hubungan yang sangat erat.
2
b. Uji F
atau determinan sebesar 0,497 berarti variabel bebas mampu menjelaskan variabel terikat yaitu, sikap konsumen sebesar 49,7% dan sisanya 50,3% dipengaruhi oleh variabel yang tidak diteliti.
Untuk menguji apakah hipotesis yang diajukan diterima atau ditolak digunakan statistik F (uji F). Jika Fhitung˂Ftabel, maka H0 diterima atau H0 ditolak, sedangkan jika Fhitung˃Ftabel, maka H0 ditolak atau H0 diterima.
Jika tingkat signifikansi dibawah 0.05 maka H0 ditolak dan Ha
Hasil pengujian:
diterima. Berdasarkan output dibawah ini terlihat bahwa:
1. Model Hipotesis yang digunakan adalah: H0
Ha:bi=0, artinya variabel bebas secara bersama-sama berpengaruh positif dan signifikan terhadap variabel terikat.
:bi=0, artinya variabel bebas secara bersama-sama tidak berpengaruh positif terhadap variabel terikat.
2. Ftabel
Dengan derajat pembilang (df1) = k-1=5-1= 4 dapat dilihat pada α = 0,05
Derajat penyebut (df2) = n-k =96-5= 91, Ftabel
Mencari F tabel dengan menggunakan Tabel ANOVA dari hasil pengolahan SPSS versi 20.00
0,05 (4,91)= 2,49
Tabel 4.15
Uji F Variabel X1, X2,X3, Terhadap Y ANOVA
1
Model
a
Sum of Squares Df Mean Square F Sig. 1
Regression 136.874 3 45.625 32.350 .000b
Residual 129.751 92 1.410
Total 266.625 95
a. Dependent Variable: sikap
b. Predictors: (Constant), rancangan, kualitas, fitur
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 20.00,2014) �ℎ�����=Mean Square Regression
������������������ =
45.625
1.410 = 32,350
Tabel diatas mengungkapkan bahwa nilai F hitung adalah 32,350 dengan tingkat signifikansi 0,000. Sedangkan F tabel pada tingkat kepercayaan 95% (α=0,05) adalah 2,49. Oleh karena itu pada kedua perhitungan yaitu Fhitung˃F tabel dan
tingkat signifikansinya (0,000) ˂α (0,05) dengan demikian maka H0 ditolak dan Ha
c. Uji T ( Uji Secara Parsial)
diterima. Hal ini menunjukkan bahwa pengaruh variabel independen (kualitas, fitur dan rancangan) secara serempak berpengaruh positif dan signifikan terhadap sikap konsumen sabun pencuci piring cair sunlight di kelurahan tegal sari mandala II Medan.
Nilai-nilai koefisien regresi dalam persamaan regresi merupakan hasil perhitungan berdasarkan sampel yang terpilih. Oleh karena itu, disamping uji F, dilakukan uji-t untuk masing-masing nilai koefisien regresi dalam persamaan regresi. Pengujian ini ditujukan untuk mengetahui pengaruhvariabel bebas terhadap variabel terikat secara parsial.
Variabel bebas dikatakan berpengaruh terhadap variabel terikat bisa dilihat dari probabilitas variabel bebas dibandingkan dengan tingkat kesalahannya (α). Jika probabilitas variabel bebas lebih besar dari tingkat kesalahannya (α) maka variabel bebas tersebut tidak berpengaruh, tetapi ji9ka probabilitas variabel bebas lebih kecil dari tingkat kesalahannya (α) maka variabel bebas tersebut berpengaruh terhadap variabel terikat. Model pengujiannya adalah:
H0 : b1
H
= 0, artinya variabel bebas terdiri dari kualitas,fitur, rancangan dan sikap secara parsial tidak tidak berpengaruh positif dan signifikan terhadap variabel terikat yaitu keputusan pembelian.
0 : bi≠0, artinya variabel bebas yang terdiri dari kualitas,fitur, rancangan dan sikap secara parsial berpengaruh positif dan signifikan
terhadap variabel terikat yaitu keputusan pembelian.Selanjutnya, nilai thitung akan dibandingkan dengan nilai ttabel
H
. Maka kriteria pengambilan keputusan: 0 diterima jika thitung˂t tabel
H
pada α = 5% 0 diterima jika thitung˃t tabel
Dapat dilihat:
pada α = 5%.
Derajat nilai thitung diperoleh dengan bantuan program SPSS 20.00 seperti terlihat pada tabel berikut ini: penyebut (df)= n-k =96-5 =91, ttabel
Tabel 4.16 0,05 (91)= 1,66
Uji T Variabel X1, X2,X3, Terhadap Y Coefficients
1
a
Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) .603 1.266 .477 .635 kualitas .252 .077 .323 3.259 .002 fitur .175 .104 .174 1.678 .097 rancangan .449 .104 .367 4.296 .000
a. Dependent Variable: sikap
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 20.00,2014) Pada tabel dapat diketahui bahwa nilai thitung untuk variabel kualitas (X1) adalah 3,259, untuk variabel fitur (X2) adalah 1,678, dan untuk variabel rancangan (X3
1. Variabel kualitas (X
) adalah 4,296 .Berdasarkan kriteria uji Hipotesis, maka dapat disimpulkan:
1
Nilai t hitung kualitas adalah 3,259 dan nilai t tabel bernilai 1,66 sehingga t
)
hitung˃ttabel (3,259˃1,66 ) sehingga dapat disimpulkan bahwa variabel kualitas berpengaruh positif dan signifikan (0,002<0,05), secara parsial terhadap sikap konsumen pada sabun pencuci piring sunlight.
Artinya jika ditingkatkan variabel kualitas sebesar satu satuan maka sikap konsumen akan meningkat sebesar 0,252 satuan.
2. Variabel fitur (X2
Nilai t hitung fitur adalah1,678 dan nilai t tabel bernilai 1,66 sehingga t
)
hitung˂ttabel
3. Variabel rancangan (X
(1,678>1,66) sehingga dapat disimpulkan bahwa variabel nilai fitur berpengaruh positif tetapi tidak signifikan (0,097˃0,05) secara parsial terhadap sikap konsumen pada sabun pencuci piring cair sunlight. Artinya jika ditingkatkan variabel fitur sebesar satu satuan maka sikap konsumen terhadap sabun pencuci piring cair sunlight tidak akan meningkat sebesar 0,175.
3
Nilai t hitung rancangan adalah 4,296 dan nilai t tabel bernilai 1,66 sehingga t
)
hitung˂ttabel
Model persamaan substruktur 1:
(4,296>1,66) sehingga dapat disimpulkan bahwa variabel rancangan berpengaruh positif dan signifikan (0,00<0,05), secara parsial terhadap sikap konsumen pada sabun pencuci piring cair sunlight. Artinya jika ditingkatkan variabel rancangan sebesar satu satuan maka sikap konsumen akan meningkat sebesar 0,449 satuan.
Sikap= PY1X1X1+ PY1X2X2+ PY1X3X3+PY1e
Sikap= 0,232 Kualitas+ 0,174 Rancangan+ 0,367 Fitur+0,487 e
1
d. Menghitung Nilai Koefisien Korelasi Substruktur 1 Tabel 4.17
Koefisien Korelasi Correlations
kualitas Fitur Rancangan
Kualitas Pearson Correlation 1 .671** .433** Sig. (2-tailed) .000 .000 N 96 96 96 Fitur Pearson Correlation .671**. 1 .512**. Sig. (2-tailed) .000 .000 N 96 96 96 rancangan Pearson Correlation .433**. .512**. 1 Sig. (2-tailed) .000 .000 N 96 96 96
**. Correlation is significant at the 0.01 level (2-tailed). a. Dependent Variable: sikap
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 20.00,2014)
Dari hasil perhitungan tabel diatas terlihat bahwa korelasi antar variabel bebas tidak ada yang sangat tinggi atau mendekati 1, yaitu:
1. Variabel kualitas memiliki korelasi yang positif terhadap variabel fitur dengan nilai korelasi sebesar 0,671.
2. Variabel fitur memiliki korelasi yang positif terhadap variabel rancangan dengan nilai korelasi sebesar 0,512.
3. Variabel rancangan memiliki korelasi yang positif terhadap variabel kualitas dengan nilai korelasi sebesar 0,433.
Sehingga dapat digambarkan korelasi dari tabel 4.17 kedalam gambar 4.5 sebagai berikut: R= 0,716, R2 e =0,513 , F hit=32,35 1 0,671 0,323 =0,487 0,433 0,174 0,512 0,376 Gambar 4.5 Koefisien Jalur I Tabel 4.18
Rangkuman Hasil Koefisien Jalur Substruktur 1 Dari Ke Standart Coefficient Beta T Hitung F Hitung Hasil Pengujian R2 e Kualitas Sikap (Y1) 0,323 3,259 32,35 H1 diterima 0,513 0,487 Fitur 0,174 1,678 H2 ditolak Rancangan 0,376 4,296 H3 diterima Kualitas, Fitur dan Rancangan - 0,477 H4 ditolak
Sumber: Hasil Data Penelitian,2014 (Diolah) 4.2.3.4Uji Asumsi Klasik Substruktur 2
Substruktur pertama yang akan diuji adalah hubungan antara variabel independen (kualitas, fitur, rancangan dan sikap) terhadap variabel dependen
Kualitas X1 Fitur X2 Rancangan X3 Sikap Y1
(keputusan pembelian). Pada gambar 4.6 ditampilkan kerangka persamaan pertama antara variabel independen dan variabel dependen sebagai berikut:
Gambar 4.6 Kerangka Substruktur 2 1.Uji Normalitas
a. Pendekatan HistogramSubstruktur 2
Pada gambar 4.7, disajikanhasil output SPSS dalam uji normalitas data dengan menggunakan pendekatan grafik.
Gambar 4.7 Histogram
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 20.00,2014) Kualitas (X1) Fitur (X2) Rancangan (X3) Keputusan pembelian (Y2) Sikap (Y1)
Interpretasi dari Gambar 4.7, menunjukkan bahwa grafik histogram menunjukkan pola distribusi normal.
b. Pendekatan GrafikP-PlotSubstruktur 2
Pada gambar 4.8, disajikan hasil output SPSS dalam uji normalitas data dengan menggunakan pendekatan grafikP-Plot.
Gambar 4.8
Normal P-P Plot of Regression standardized Residual
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 20.00,2014) Dari gambar 4.8 terlihat bahwa data-data titik menyebar dkisekitar garis diagonal danmengikuti arah garis diagonal. Oleh karena itu, berdasarkan gambar 4.8 tersebut dapat diambil kesimpulan bahwa telah memenuhi uji normalitas. Untuk memastikan bahwa apakah data disepanjang garis diagonal berdistribusi normal maka dilakukan uji kolmogorov Smirnov (1 Sample KS) dengan melihat data residual apakahberdistribusi normal (Syafrizal, dkk, 2012:105).
c. Pendekatan Kolmogorov-SmirnovSubstruktur 2
Uji Kolmogorov-Smirnov bertujuan untuk menentukan apakah distribusi data normal atau tidak melalui pengujian terhadap nilai residual dari data tersebut.
Menentukan kriteria 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 tidak mengalami gangguan distribusi normal.
Tabel 4.19
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 96
Normal Parametersa,b Mean 0E-7
Std. Deviation 1.66301250
Most Extreme Differences
Absolute .079
Positive .061
Negative -.079
Kolmogorov-Smirnov Z .778
Asymp. Sig. (2-tailed) .581
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 20.00,2014) Pengambilan Keputusan Pada tabel 4.18 terlihat bahwa Asymp. Sig (2-tailed) adalah 0,581 dan diatas nilai signifikan 5 % (0,05), dengan kata lain variabel residua l berdistribusi normal.
2. Uji Heteroskedastisitas
Uji heteroskedastisitas pada prinsipnya ingin menguji apakah sebuah grup mempunyai varians yang sama diantara anggota grup tersebut. Jika varians sama,
dan ini yang seharusnya terjadi maka dikatakan ada homoskedastisitas. Sedangkan jika varians tidak sama maka dikatakan terjadi heteroskedastisitas. Alat untuk menguji heteroskedatisitas bisa dibagi dua, yakni dengan alat analisis grafik atau dengan alat residual yang berupa statistik yang salah satunya adalah melalui uji Gejsser.
a. Pendekatan Grafik Substruktur 2
Melalui pendekatan grafik, hasil pengolahan dapat dilihat pada gambar dibawah ini:
Gambar 4.9 Scatterplot
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 20.00,2014) Pengambilan Keputusan:
Dari grafik Scatterplot yang disajikan dapat dilihat titik-titik menyebar secara acak, 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, sehingga model regresi dapat dipakai untuk memprediksi keputusan pembelian berdasarkan masukan variabel independennya.
b. Pendekatan Statistik Substruktur 2
Melalui pendekatan statistik yang dilakukan melalui uji Glejser. Hasil pengolahannya dapat dilihat pada tabel 4.20 berikut ini:
Tabel 4.20 Uji Glejser Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) ,117 1,181 ,099 ,921 Kualitas ,071 ,076 ,138 ,927 ,356 Fitur -,104 ,098 -,159 -1,058 ,293 rancangan ,130 ,107 ,162 1,215 ,228 Sikap -,037 ,097 -,057 -,386 ,701 a. Dependent Variable: absut
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 20.00,2014) Pengambilan keputusan:
Hasil tampilan output menunjukkan tidak satupun dari variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut Ut (absut). Hal ini terlihat dari propabilitas signifikansinya di atas tingkat kepercayaan 5%, jadi disimpulkan model regresi tidak mengarah adanya heterokedastisitas.
c. Pengujian Multikolinearitas Substruktur 2
Pengujian multikolinearitas berrujuan untuk menguji apakah dalanm model regresi ditemukan adanya korelasi antar variabel bebas. Istilah kolinearitas ganda (multicolinearity) diciptakan oleh Ragner Frish didalam bukunya: Statistical Confluence Analysis By Means Of Complete Regression Systems. Aslinya istilah itu berarti adanya hubungan linear yang sempurna atau eksak (perfect of exact) diantara variabel-variabel bebas dalam model regresi. Istilah
kolinearitas sendiri berarti hubungan linear tunggal (single linear relationship), sedangkan kolinearitas ganda (multicolinearity) menunjukkan adanya lebih dari satu hubungan linear yang sempurna. Hasil pengolahan dapat dilihat pada tabel berikut ini:
Tabel 4.21
Multikolinearitas Substruktur 2 Coefficientsa
Model Collinearity Statistics Tolerance VIF 1 (Constant) Kualitas .484 2.068 Fitur .475 2.104 Rancangan .602 1.660 Sikap .487 2.055
a. Dependent Variable: keputusanPembelian
Sumber: Hasil pengolahan data primer (kuesioner,SPSS,20,00,2014) Pada tabel 4.21 dapat dilihat bahwa nilai tolerancenya ˃0,1 dan nilai VIF˂5 maka tidak ditemukan masalah multikolinearitas dalam penelitian ini.
4.2.3.5 Analisis Regresi Linear Substruktur 2