BAB III METODE PENELITIAN
3.4 Teknik Analisis dan Uji hipotesis
3.4.1 Uji Validitas
Uji validitas yang digunakan adalah validitas konstnuksi. Validitas ini untuk mengetahui apakah kuesioner dapat mengukur variabel yang diteliti secara tepat. Menurut Pabundu (2006:65), arti validitas adalah kebenaran dan keabsahan instrumen penelitian yang digunakan. Setiap penelitian selalu dipertanyakan mengenai validitas alat yang digunakan. Suatu alat pengukur dikatakan valid jika alat itu dipakai untuk mengukur sesuai dengan kegunaannya.
Ghozali, (2007;45), untuk mengetahui nilai korelasi faktor, digunakan rumus Product Moment Karl Pearson sebagai berikut:
Keterangan:
……(Pabundu, 2006 ; 66)
R = koefisien korelasi antara skor butir dengan skor total. X = skor pernyataan tiap butir.
Y = skor total. N = Jumlah responden
2 2
2
2
. .
Y Y N X X N Y X XY N R 3.4.2 Uji ReliabilitasUji ini untuk menunjukkan sejauh mana suatu alat pengukur dapat dipercaya atau diandalkan. Menurut Umar (2003 : 86), suatu pengukur bisa dikatakan reliabel sepanjang pengukur tersebut mencapai suatu hasil-hasil yang konsisten. Apabila suatu alat ukur yang berupa kuesioner dipakai dua
kali untuk mengukur gejala yang sama dan hasil pengukuran yang diperoleh relatif konsisten, maka alat pengukur tersebut reliabel, dengan kata lain, reliabel menunjukkan konsisten alat pengukur di dalam mengukur gejala yang sama.
Masing-masing variabel dalam penelitian ini dihitung dengan menggunakan alpha croanbach, untuk mengetahui reliabilitas skala pengukurannya. Rurnus yang digunakan adalah alpha sebagai berikut:
r11 = …. (Riduwan, 2007: 115)
Dimana :
= nilai reliabilitas
= jumlah varians skor tiap-tiap item pertanyaan = varians total
= jumlah item pertanyaan
Menurut Riduwan (2007 : 118), pengujian reliabilitas akan memenuhi syarat jika :
st si k k 1 1 11 r
si t s k1. Jika r11 positif, serta r11 > r tabel, maka pernyataan tersebut reliabel. 2. Jika r11 negatif, serta r11 < r tabel, maka pemyataan tersebut tidak reliabel
3.4.3 Teknik Analisis Data
Menurut Rambat (2006 : 238) rumus yang digunakan untuk regresi linier berganda dengan 4 prediktor adalah :
Keterangan :
Y = Keputusan pembelian konsumen
β0 = Konstanta persamaan regresi
β1,..., β4 = Koefisien regresi
X1,..,X4 = Skor dimensi produk, harga, promosi, dan lokasi e = Standar error
3.4.3.1 Uji asumsi klasik
Uji ini bertujuan untuk menguji apakah model analisis yang digunakan baik atau tidak didalam penelitian. Hasil analisis regresi dianggap valid jika hasil analisis tersebut memenuhi pengujian asumsi klasik dan tidak boleh dilanggar. Pengujian asumsi klasik yang digunakan antara lain uji asumsi linear berganda autokorelasi, uji asumsi linear berganda heterokedastisitas, dan uji asumsi linear berganda multikolinieritas. Jika salah satu dari ketiga asumsi tesebut dilanggar maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE (Best
Linear Unbiased Estimator ) sehingga pengambilan keputusan melalui
uji t dan uji F menjadi bias.
3.4.3.1.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variable dependen dan variabel independen, keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Pada prinsipnya normalitas dapat dideteksi
dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Hasil perhitungan normalitas data pada lampiran menunjukkan bahwa penyebaran plot berada di sekitar dan sepanjang garis 45° , dengan demikian menunjukkan bahwa data-data pada variabel penelitian berdistribusi normal. Lebih jelasnya penyebaran plot tersebut dapat dilihat pada gambar di bawah ini :
Gambar 3.1
(Sumber : Singgih Santoso, 2002)
3.4.3.1.2 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara korelasi pengganggu pada periode t dengan kesalahan pada periode t sebelumnya.
Pada penelitian yang menggunakan data urut waktu, kemungkinan terjadinya autokorelasi relatif besar. Untuk menguji apakah terjadi auto korelasi atau tidak dapat digunakan uji Durbin Watson. Yaitu dengan cara membandingkan nilai Durbin Watson dengan dL dan dU.
Deteksi adanya Autokorelasi adalah :
a. Apabila (4-dW) > dU
Ho diterima : jadi P = 0, berarti tidak ada autokorelasi pada model
b. Apabila (4-dW) < dL
Ho ditolak : jadi P = 0, berarti terdapat autokorelasi pada model
c. Apabila dL < (4-dW) < dU
Uji ini hasilnya tidak konklusif, sehingga tidak dapat ditentukan apakah ada autokorelasi atau tidak dalam model tersebut.
3.4.3.1.3 Uji Multikolineritas
Salah satu asumsi klasik adalah tidak terjadinya multikolinieritas di antara variabel-variabel bebas yang berada dalam satu model, artinya antara variable independen yang terdapat dalam model tidak memiliki hubungan yang sempurna (koefesien tinggi atau bahkan satu). Apabila hal ini terjadi berarti antara variable bebas itu sendiri saling berkorelasi, sehingga dalam hal ini sulit diketahui variable bebas mana yang mempengaruhi variabel terikat.
Salah satu cara untuk mendeteksi multikolinieritas dilakukan dengan mengorelasikan antar variable bebas dan apabila korelasinya tinggi yaitu lebih besar dari 0,8 maka antar variable bebas tersebut terjadi multikolinieritas. Untuk mendeteksi problem Multikolineritas dapat dilihat ciri-ciri sebagai berikut :
a. Koefisien determinasi berganda (R square) tinggi. b. Koefisien korelasi sederhana tinggi.
c. Nilai F hitung tinggi (signifikan)
d. Tak satupun atau sedikit sekali variable bebas yang signifikan.
Cara yang digunakan untuk mendeteksi problem multikolenieritas dilakukan dengan melihat besaran VIF (variance inflation factor). Pedoman suatu model regresi yang bebas multikolinieritas adalah : a. Mempunyai nilai VIF ≤ 10
1
VIF =
1-R²
b. Mempunyai angka tolerance mendekati 1
3.4.3.1.4 Uji Heteroskedastisitas
Maksud dari penyimpangan Heterokedastisitas adalah variable bebas adalah tidak konstan (berbeda) untuk setiap nilai tertentu variable bebas. Pada regresi linear nilai residual tidak boleh ada hubungan dengan veriabel bebas. Hal ini bisa diidentifikasi dengan menghitung korelasi rank sperman antara seluruh variable bebas.
Menurut Singgih Santoso (2002:301) deteksi adanya heteroskedastisitas adalah :
a. Bila probabilitas ≥ 0,05 berarti tidak terdapat heteroskedastisitas. b. Bila probabilitas < 0,05 berarti terdapat heteroskedastisitas.
3.4. Uji Hipotesis
Pengujian terhadap hipotesis penelitian ini dilakukan dengan uji simultan (uji f) dan uji parsial (uji t).
3.4.1 Uji Simultan
Uji simultan digunakan untuk menguji pengaruh variabel independent (Produk, harga, lokasi dan merk ) berpengaruh terhadap vaniabel dependent (Keputusan membeli) secara bersama-sama. Untuk membuktikan kebenaran pengaruh secara simultan dilakukan dengan uji F yang menyatakan ada tidaknya pengaruh dan variabel independent terhadap variabel dependent :
Uji f-statistik
Uji ini digunakan untuk menguji besarnya pengaruh dari seluruh variable bebas (X) secara bersama-sama atau simultan terhadap variable terikat (Y). a. Merumuskan Hipotesis untuk uji F :
Ho : b1=b2=b3=b4= 0
artinya tidak ada pengaruh secara simultan antara variable bebas dan variabel terikat.
H1 : b1≠b2≠b3≠b4≠0
artinya terdapat pengaruh secara simultan antara variable bebas dan variabel terikat.
b. Menghitung Level of significant (α) sebesar 5% dari derajat bebas (degree
of freedom)= n-k-1 dimana n = jumlah pengamatan, k = jumlah variable
bebas.
c. Menentukan Nilai F dapat dicari dengan rumus :
Dimana : (Sudjana, 2003 : 108)
R² = koefisien determinasi k = jumlah variable bebas n = jumlah sampel
d. Kriteria pengujian sebagai berikut :
1. Bila Fhit ≤ Ftab, maka Ho diterima dan H1 ditolak
berarti Produk (X1), Harga (X2), Merek (X3) dan Lokasi (X4), secara simultan tidak berpengaruh signifikan terhadap Keputusan Membeli Konsumen (Y)
2. Bila Fhit > Ftab, maka Ho ditolak dan H1 diterima
berarti Produk (X1), Harga (X2), Merek (X3) dan Lokasi (X4), secara Simultan berpengaruh signifikan terhadap Keputusan Membeli Konsumen (Y)
e. Daerah kritis Ho melalui kurva distribusi f Gambar 3.2 Kurva Distribusi F Daerah Penolakan Daerah Penerimaan H0 H0 Ftabel Sumber : Djarwanto, 2000 3.4.2 Uji Parsial
Uji parsial digunakan untuk menguji pengaruh variabel independent (Produk, harga, lokasi dan merk ) berpengaruh terhadap vaniabel dependent (Keputusan membeli) secara sendiri-sendiri. Untuk membuktikan kebenaran pengaruh secara parsial dilakukan dengan uji t yang menyatakan ada tidaknya pengaruh dan variabel independent terhadap variabel dependent :
Uji t statistik
Digunakan untuk mengetahui pengaruh masing-masing variabel bebas (X) secara parsial terhadap variabel terikat (Y).
a. Merumuskan Hipotesis untuk uji t :
Ho : b1 = 0, artinya tidak ada pengaruh secara parsial variable bebas terhadap variabel terikat.
H1 : b1≠0, artinya terdapat pengaruh secara parsial variable bebas terhadap variabel terikat.
b. Menghitung Level of significant (α) sebesar 5% dari derajat bebas
(degree of freedom)= n-k-1 dimana n = jumlah pengamatan, k =
jumlah variable bebas. c. Menentukan Nilai t hitung :
bi - (βi) thit = (Sudjana, 2003 : 111) Se (bi) Dimana : bj = koefisien regresi Se = standart eror
d. Kriteria pengujian sebagai berikut :
1. Bila thitung < ttabel, maka Ho diterima dan H1 ditolak berarti Produk (X1), Harga (X2), Merek (X3) dan Lokasi (X4) secara parsial tidak berpengaruh signifikan terhadap Keputusan Membeli Konsumen (Y)
2. Bila thitung ≥ ttabel, maka Ho ditolak dan H1 diterima berarti Produk (X1), Harga (X2), Merek (X3) dan Lokasi (X4) secara parsial berpengaruh signifikan terhadap Keputusan Membeli Konsumen (Y)
e. Daerah kritis Ho melalui kurva distribusi t
Gambar 3.3
Kurva Distribusi t
Daerah Penolakan Daerah Penolakan
H0 Daerah Penerimaan H0 H0 - α/2 ;n-k-l α/2 ;n-k-l Sumber : Djarwanto, 2000