BAB III METODOLOGI PENELITIAN
3.5. Uji Validitas dan Reliabilitas
3.5.2 Uji Reliabilitas
Menurut Priyatno (2013:30), Suatu alat pengukur dikatakan reliabel bila alat itu dalam mengukur suatu gejala pada waktu yang berlainan senantiasa menunjukkan hasil yang sama. Jadi alat yang reliabel secara konsisten memberi hasil ukuran yang sama. Metode uji reliabilitas yang sering digunakan adalah Cronbach’s Alpha.Menurut Sekaran dalam Priyatno (2013:30) pengambilan keputusan untuk uji reliabilitas sebagai berikut:
1. Cronbach’s alpha< 0,6 = reliabilitas buruk. 2. Cronbach’s alpha 0,6-0,79 = reliabilitas diterima. 3. Cronbach’s alpha 0,8 = reliabilitas baik.
Tabel 3.3
Variabel Nilai Reliabilitas N Of Items Keterangan Variabel Kualitas Produk 0.858 8 Reliabel
Variabel Harga 0.847 6 Reliabel
Variabel Kepuasan Pelanggan 0.869 8 Reliabel Variabel Kesetiaan Pelanggan 0.856 6 Reliabel Sumber : Hasil Penelitian, 2017(Data Diolah)
3.6 Teknik Analisis Data 3.6.1 Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis, terlebih dahulu akan dilakukan pengujian terjadinya penyimpangan terhadap asumsi klasik. Dalam asumsi klasik terdapat beberapa pengujian yang harus dilakukan, yakni Uji Normalitas, Uji Multikolonieritas serta Uji Heterosdastisitas.
3.6.1.1. Uji Normalitas
Menurut Sugiyono (2008:271), uji Normalitas adalah pengujian tentang kenormalan distribusi data. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yakni dengan analisis grafik dan uji statistik lewat program SPSS sebagai berikut:
1. Analisis Grafik
Menurut Ghozali (2013: 160-164), salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Jika distribusi data residual normal, maka grafik histogram memberikan pola distribusi yang tidak melenceng ke kiri dan ke kanan
(skewness). Cara lainnya dapat juga dilakukan dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
2. Analisis Statistik
Menurut Ghozali (2013: 160-164), Selain menggunakan grafik histogram, untuk mengetahui apakah data berdistribusi normal atau mendekati normal bisa juga dilakukan dengan uji statistic non parametric kolmogorov-Smirnov, yaitu dengan menggunakan table kolmogorov-Smirnov Test.
Menurut Priyatno (2013: 38), kriteria pengujian dalam metode One Sample Kolmogrov Smirnov yaitu:
- Jika nilai signifikan > 0,05 , maka data berdistribusi normal. - Jika nilai signifikan< 0,05 , maka data tidak berdistribusi normal.
3.6.1.2. Uji Multikolinieritas
Menurut Ghozali (2013:105), Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.
Menurut Ghozali dalam Priyatno (2013 : 56), cara untuk mengetahui ada atau tidaknya gejala multikolinearitas antara lain dengan melihat Variance
Inflation Factor (VIF) dan Tolerance, apabila VIF kurang dari 10 dan Tolerance lebih dari 0,1, maka dinyatakan tidak terjadi multikolinearitas.
3.6.1.3. Uji Heteroskedastisitas
Menurut Priyatno (2013: 62), heteroskedastisitas adalah keadaan dimana terjadi ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Model regresi yang baik adalah tidak terjadi masalah heteroskedastisitas. Ada beberapa metode yang bisa digunakan untuk uji heteroskedastisitas yaitu: 1. Uji Glejser
Menurut Ghozali dalam Priyatno (2013 : 62), uji glejser ini dilakukan dengan meregresikan variabel-variabel bebas terhadap nilai absolute residual. Sebagai pengertian dasar, residual adalah selisih antara nilai observasi dengan nilai prediksi, dan absolut adalah nilai mutlaknya. Jika nilai signifikansi antara variabel independen dengan residual lebih dari 0,05 maka tidak terjadi heterokedastisitas.
2. Metode Grafik
Menurut Priyatno (2013 : 69), uji heteroskedastisitas dengan metode grafik, yaitu dengan melihat pola titik-titik pada scatterplot regresi. Jika titik-titik menyebar dengan pola yang tidak jelas di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.6.2Analisis Jalur ( Path Analysis)
Menurut Ghozali (2011:249), untuk menguji pengaruh variabel intervening digunakan metode analisis jalur (Path Analysis). Analisis jalur merupakan
perluasan dari analisis regresi linear berganda, atau analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas antar variabel(model causal) yang telah ditetapkan sebelumnya. Analisis jalur sendiri tidak dapat menentukan hubungan sebab-akibat dan juga tidak dapat digunakan sebagai subtitusi bagi peneliti untuk melihat hubungan kausalitas antar variabel.
Dalam analisis model jalur (path), harus terlebih dahulu dibuat model jalur untuk menguji ada tidaknya peran mediasi. Model jalur merupakan suatu diagram yang menghubungkan antara variabel bebas, perantara dan tergantung (Sarwono, 2007: 4). Dalam analisis jalur, pola hubungan ditunjukkan dengan menggunakan anak panah,dimana anak panah tunggal menunjukan hubungan sebab akibat antara variabel exogenous dan endogenus. Untuk mengukur ada tidaknya pengaruh mediasi atau intervening menggunakan perbandingan koefisien jalur.
Koefisien jalur sendiri menurut Sarwono (2007: 4) adalah koefisien regresi standar yang menunjukan pengaruh langsung suatu variabel bebas dan variabel tergantung dalam suatu model. Koefisien jalur dihitung dengan membuat dua persamaan struktural yaitu persamaan regresi yang menunjukan hubungan yang dihipotesiskan (Ghozali 2011:251). Dibawah ini merupakan model jalur yang dibuat berdasarkan variabel yang terdapat dalam penelitian ini, yaitu sebagai berikut:
Gambar 3.1. Model Analisis Jalur ( Path Analysis )
Persamaan strukturalnya adalah sebagai berikut: Z = b1X1+ b2X2+ e2 Y = b3X1+ b4X1+ b5Z+ e1 Keterangan: X1 = Kualitas Produk X2 = Harga Z = Kepuasan pelanggan Y = Kesetiaan Pelanggan b1 = Koefisien jalur X1ke Z b2 = Koefisien jalur X2ke Z b3 = Koefisien jalur X1ke Y b4 = Koefisien jalur X2ke Y b5 = Koefisien jalur Z ke Y e1 = error struktur 1 e2 = error struktur 2 Kualitas produk (X1) Harga (X2) Kepuasan pelanggan (Z) Kesetiaan pelanggan (Y) e2 b2 b 4 b 5 e 1 b1 b3
Interpretasi dari analisis jalur diatas adalah sebagai berikut:
a. Pengaruh dari X1 (Kualitas Produk) ke Y(Kesetiaan Pelanggan) Pengaruh langsung = b3
Pengaruh tidak langsung melalui Z= b1 x b5 Total pengaruh koefisien jalur = b3+(b1 x b5)
b. Pengaruh dari X2 (Harga) ke Y(Kesetiaan Pelanggan) Pengaruh langsung = b4
Pengaruh tidak langsung melalui Z= b2 x b5 Total pengaruh koefisien jalur = b4+(b2 x b5)
c. Pengaruh dari Z(Kepuasan Konsumen) ke Y(KesetiaanPelanggan) Pengaruh langsung = b5
Dalam penentuan terdapat atau tidaknya efek mediasi atau intervening dalam model, dapat dilihat dari kriteria seperti dibawah ini yaitu:
1. Jika nilai pengaruh total koefisien jalur > nilai pengaruh langsungnya, maka terdapat hubungan intervening/mediasi
2. Jika nilai pengaruh total koefisien jalur <nilai pengaruh langsungnya, maka tidak terdapat hubungan intervening/mediasi