BAB III METODE PENELITIAN
H. Teknik Pengumpulan Data
I. Uji Kualitas Instrumen
Uji validitas menunjukkan sejauh mana alat pengukur itu mengukur apa yang akan diukur. Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melaksanakan fungsi ukur. Untuk mengetahui validitas, maka teknik yang digunakan dalam penelitian ini adalah metode korelasi Product Moment Pearson. Teknik ini dilakukan dengan cara mengkorelasikan masing-masing item pernyataan dengan skor total atau keseluruhan. Hasil korelasi harus signifikan berdasarkan ukuran statistik tertentu. Kuesioner sebagai alat ukur dapat dikatakan valid apabila rhitung lebih besar dari rtabel pada taraf signifikansi (α) = 5%. Rumus korelasi Product Moment Pearson (Sugiyono, 2005:109) adalah sebagai berikut. rxy = Y)²} ( Y² {N X)²} ( X² {N Y) ( X) ( XY N Σ − Σ Σ − Σ Σ Σ − Σ dimana:
rxy = koefisien korelasi product moment (r hitung) X = nilai dari tiap butir
Y = nilai total butir
2. Uji Reliabilitas
Uji reliabilitas adalah tingkat kebebasan dari variabel random error sehingga menghasilkan hasil yang konsisten. Instrumen yang reliabel adalah instrumen yang digunakan untuk mengukur obyek yang sama, akan menghasilkan data yang sama. Dalam penelitian ini uji reliabilitas dengan
menggunakan Cronbach’s Alpha. Menurut Indriantoro dan Supomo
(2002:61), suatu alat ukur disebut reliabel apabila memiliki nilai Cronbach Alpha sama dengan atau lebih besar dari 0,6. Rumus Alpha digunakan untuk mencari reliabilitas instrumen yang skornya bukan 1 dan 0, misalnya angket atau dan skala bertingkat (rating scale).
Rumus Alpha (Arikunto, 2002:89):
r11 = ⎡⎣⎢
(
−)
⎥⎤⎦⎣⎡⎢⎢ −Σ 2 ⎤⎦⎥⎥ 1 2 b 1 1 k k σ σ Keterangan: r11 = reliabilitas instrumenk = banyaknya butir pertanyaan atau banyaknya soal
∑σb2 = jumlah varians butir
J. Analisis Data dan Uji Hipotesis 1. Analisis Regresi Berganda
Penelitian ini menggunakan alat analisis Regresi Berganda dengan menggunakan SPSS Versi 15. Analisis ini digunakan untuk mengetahui pengaruh product, price, place, promotion, people, process, physical evidence (variabel bebas) terhadap keputusan konsumen untuk menginap di Hotel Inna Garuda (variabel terikat), yaitu dengan menggunakan model sebagai berikut:
Y = a + b1x1 + b2x2 + b3x3 + b4x4 + b5x5 + b6x6 + b7x7 + e
Dimana :
a = Konstanta
b0 = Koefisien Regresi variabel independen
Y = Keputusan Konsumen dalam Menggunakan Jasa Hotel x1 = Product x2 = Price x3 = Place x4 = Promotion x5 = Personal traits x6 = Process x7 = Physical evidence
e = Suatu kesalahan berdistribusi normal dengan rata-rata 0, untuk tujuan perhitungan e diasumsikan 0
2. Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk menguji apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan representatif. Ada empat pengujian dalam uji asumsi klasik, yaitu:
a. Uji Multikolinieritas
Uji multikolinieritas dimaksudkan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas (Ghozali, 2001:57). Apabila terjadi korelasi antara variabel bebas, maka terdapat problem multikoliniearitas pada model regresi tersebut. Deteksi adanya multikoliniearitas dengan melihat besaran VIF (variance inflation factor) dan Tolerance. Model regresi yang bebas multikoliniearitas adalah mempunyai nilai VIF di sekitar angka 1, mempunyai angka tolerance mendekati 1, dan besaran korelasi antar variabel bebas. Pedoman suatu model regresi yang bebas multikoliniearitas adalah koefisien korelasi antar variabel bebas haruslah lemah di bawah 0,05. Jika korelasi kuat maka terjadi problem multikoliniearitas.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas ditujukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas (Ghozali, 2001:69). Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Cara untuk
mendeteksi ada atau tidaknya heteroskedastisitas dapat diketahui dengan melihat ada tidaknya pola tertentu pada 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). Dasar analisis dari uji heteroskedastisitas melalui grafik plot adalah sebagai berikut:
1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
2) Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
c. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya memiliki distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data akan dibandingkan dengan garis diagonal. Jika distribusi data adalah normal, maka garis yang menghubungkan data sesungguhnya akan mengikuti garis diagonalnya (Ghozali, 2001:83). Deteksi normalitas dapat dilakukan dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik. Dasar pengambilan keputusan dari uji normalitas adalah:
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 arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
d. Uji Autokorelasi
Persamaan regresi yang baik adalah yang tidak memiliki masalah autokorelasi, jika terjadi autokorelasi persamaan tersebut menjadi tidak baik / tidak layak dipakai prediksi. Masalah autokorelasi baru timbul jika ada korelasi secara linier antara kesalahan pengganggu periode t (berada) dengan kesalahan pengganggu periode t-1 (sebelumnya).
Salah satu ukuran dalam menentukan ada tidaknya autokorelasi dengan uji Durbin - Watson (DW) , dengan ketentuan sebagai berikut: a) Terjadi autokorelasi positif, jika nilai DW dibawah – 2(DW < -2) b) Tidak terjadi autokorelasi, jika nilai DW berada diantara -2 dan +2
atau -2 = DW = +2
c) Terjadi autokorelasi negatif jika nilai DW di atas + 2 atau DW > +2 .
3. Uji Hipotesis Simultan (Uji F)
Uji F ini akan dilakukan untuk melihat ada tidaknya pengaruh variabel-variabel bebas (product, price, place, promotion, people, process, physical evidence) terhadap variabel terikat (keputusan konsumen untuk menginap di Hotel Inna Garuda) secara simultan. Langkah-langkahnya adalah sebagai berikut:
a. Merumuskan hipotesis
Ho1: product, price, place, promotion, people, process, physical evidence secara simultan tidak berpengaruh terhadap keputusan konsumen untuk menginap di Hotel Inna Garuda.
Ha1: product, price, place, promotion, people, process, physical evidence secara simultan berpengaruh terhadap keputusan konsumen untuk menginap di Hotel Inna Garuda.
b. Menentukan nilai kritis F (Ftabel) dengan tingkat signifikansi α sebesar
0,05 dan derajat bebasnya (df) = n-k-1. c. Menghitung nilai Fhitung dengan rumus:
F =
(
1 R²) (
n k 1)
K / R² − − − Dimana: R² = koefisien determinasik = jumlah variabel bebas
d. Ketentuan kriteria pengujian yang digunakan dalam pengujian Fhitung
adalah sebagai berikut:
1) Jika Fhitung > Ftabel, maka Ho1 ditolak dan Ha1 diterima, artinya product, price, place, promotion, people, process, physical evidence secara simultan berpengaruh terhadap keputusan konsumen untuk menginap di Hotel Inna Garuda.
2) Jika Fhitung ≤ Ftabel, maka Ho1 diterima dan Ha1 ditolak, artinya product, price, place, promotion, people, process, physical evidence secara simultan tidak berpengaruh terhadap keputusan konsumen untuk menginap di Hotel Inna Garuda.
4. Uji Hipotesis Parsial (Uji t)
Uji t ini akan dilakukan untuk melihat ada tidaknya pengaruh variabel-variabel bebas (product, price, place, promotion, people, process, physical evidence) terhadap variabel terikat (keputusan konsumen untuk menginap di Hotel Inna Garuda) secara parsial. Langkah-langkahnya adalah sebagai berikut:
a. Merumuskan hipotesis
Ho2: product, price, place, promotion, people, process, physical evidence secara parsial tidak berpengaruh terhadap keputusan konsumen untuk menginap di Hotel Inna Garuda.
Ha2: product, price, place, promotion, people, process, physical evidence secara parsial berpengaruh terhadap keputusan konsumen untuk menginap di Hotel Inna Garuda.
b. Menentukan nilai kritis t (ttabel) dengan tingkat signifikansi α sebesar 0,05 dan derajat bebasnya (df) = n-k-1.
c. Menghitung nilai thitung dengan rumus:
r² 1 2 n r t − − = Dimana: r = koefisien korelasi n = jumlah sampel
d. Ketentuan kriteria pengujian yang digunakan dalam pengujian thitung
adalah sebagai berikut:
1) Jika −ttabel > thitung > ttabel, maka Ho2 ditolak dan Ha2 diterima, artinya product, price, place, promotion, people, process, physical evidence secara parsial berpengaruh terhadap keputusan konsumen untuk menginap di Hotel Inna Garuda.
2) Jika −ttabel ≤ thitung ≤ ttabel, maka Ho2 diterima dan Ha2 ditolak, artinya product, price, place, promotion, people, process, physical evidence secara parsial tidak berpengaruh terhadap keputusan konsumen untuk menginap di Hotel Inna Garuda.
5. Koefisien Determinasi (R²)
Koefisien determinasi ganda (R Square atau R²) digunakan untuk
mengukur sumbangan dari variabel bebas (product, price, place,
promotion, people, process, physical evidence) yang diteliti terhadap variabel terikat (keputusan konsumen untuk menginap di Hotel Inna
Garuda). Besarnya koefisien determinasi ganda (R²) berada diantara 0 dan 1 atau 0 < R² < 1. Semakin besar R² yang diperoleh dari hasil perhitungan (mendekati satu), maka dapat dikatakan bahwa sumbangan dari variabel bebas terhadap variabel terikat semakin besar. Sebaliknya jika R² semakin kecil (mendekati nol), maka dapat dikatakan bahwa sumbangan dari variabel bebas (product, price, place, promotion, people, process, physical evidence) terhadap variabel terikat (keputusan konsumen untuk menginap di Hotel Inna Garuda) semakin kecil. Adapun rumus koefisien determinasi ganda adalah sebagai berikut (Sugiyono, 2005:170):
R² = SSt SSe SSe SSr = − = − Σ − Σ 1 Y)² (Y Y)² (Y
Dimana: SSr = Jumlah kuadrat regresi SSe = Jumlah kuadrat kesalahan SSt = Jumlah kuadrat total
53
