MEREK PADA LOYALITAS PELANGGAN
SKRIPSI
KATHRIN ULITA TURNIP
080803055
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEREK PADA LOYALITAS PELANGGAN
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
KATHRIN ULITA TURNIP 080803055
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : FAKTOR-FAKTOR YANG MEMPENGARUHI
KOMUNITAS MEREK PADA LOYALITAS PELANGGAN
Kategori : SKRIPSI
Nama : KATHRIN ULITA TURNIP
Nomor Induk Mahasiswa : 080803055
Program Studi : SARJANA (S1) MATEMATIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Disetujui di Medan, Mei 2015
Komisi Pembimbing :
Pembimbing II Pembimbing I
Drs. Pengarapen Bangun, M.Si Drs. Ujian Sinulingga, M.Si NIP. 195608151985031005 NIP. 195603031984031004
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU
PERNYATAAN
FAKTOR-FAKTOR YANG MEMPENGARUHI KOMUNITAS MEREK PADA LOYALITAS PELANGGAN
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Mei 2015
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pengasih, dengan anugerah dan kasih setia-Nya sehingga skripsi ini dapat diselesaikan.
Ucapan terima kasih saya sampaikan kepada:
1. Bapak Dr. Sutarman, M.Sc selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.
2. Bapak Prof. Dr. Tulus, M.Si dan Ibu Dra. Mardiningsih, M.Si selaku ketua dan sekretaris Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara yang telah memberikan kesempatan kepada penulis untuk menyelesaikan studi di Departemen Matematika.
3. Bapak Drs. Ujian Sinulingga, M.Si dan Drs. Pengarapen Bangun, M.Si selaku pembimbing dalam penyelesaian skripsi ini yang telah memberikan bimbingan dan kepercayaan kepada saya untuk menyempurnakan skripsi ini.
4. Kedua orangtua saya tercinta yang telah memberikan dukungan, doa dan dana, juga untuk saudara-saudaraku yang terkasih atas perhatian dan doanya sehingga penulis dapat menyelesaikan pendidikan S-1.
5. Teman-teman komunitas Minerva Rider Community (MRC) Region Medan yang telah membantu dan meluangkan waktunya demi terselesaikan skripsi ini.
6. Sahabat dan teman-teman stambuk 2008 yang telah memberikan masukan serta dorongan kepada penulis untuk tetap semangat mengerjakan skripsi ini.
FAKTOR-FAKTOR YANG MEMPENGARUHI KOMUNITAS MEREK PADA LOYALITAS PELANGGAN
ABSTRAK
Persaingan yang semakin ketat dalam pasar sepeda motor di Indonesia, produsen sepeda motor harus mencari strategi yang tetap dalam memasarkan produk dan mempertahankan loyalitas pelanggan. Faktor-faktor yang mempengaruhi komunitas antara lain legitimasi, loyalitas merek oposisi, merayakan sejarah merek, berbagi cerita merek, integrasi dan mempertahankan anggota, membantu dalam penggunaan merek. Perumusan masalah dalam penelitian yang berjudul “Faktor-Faktor Yang Mempengaruhi Komunitas Merek Pada Loyalitas Pelanggan” ini adalah untuk mengetahui faktor-faktor yang mempengaruhi komunitas merek pada loyalitas pelanggan pengguna Minerva di Medan dengan menentukan persamaan penduga yang sesuai terhadap loyalitas pelanggan. Untuk mendapatkan persamaan regresi tersebut penulis menggunakan metode stepwise forward, yaitu: metode yang mencari kesimpulan dengan memasukkan peubah satu demi satu sampai diperoleh persamaan regresi yang memuaskan. Penduga yang diperoleh adalah ̂ =13,054−0,493 +0,808 . Dengan menyatakan loyalitas Pelanggan, menyatakan loyalitas merek oposisi, menyatakan berbagi cerita merek. Dan persentase variasi (koefisien determinasi) yang dijelaskan oleh penduga yang diperoleh cukup baik digunakan sebagai besar loyalitas merek pengguna Minerva di Medan.
FACTORS THAT INFLUENCING BRAND COMMUNITY IN COSTUMER LOYALTY IN MEDAN
ABSTRACT
The raising of straight competition in the Indonesia’s motorcycle market, motorcycle market have to looking fixed strategic into marketing and maintain loyality of costumer. Factors in the community that influence legitimacy, oppositional brand loyalty, celebrating the history of the brand community, sharing brand stories, integrating and retaining members, assisting in the use of the brand. Formulation of the problem in this research with the title “Factors That Influence Brand Community In Costumer Loyalty In Medan” was to recognize effect of brand community to costumer loyalty. In the order to obtain the equations regression author use Stepwise Forward Method, that is: A method in searching the conclution inserting variable step by step until obtaining the satisfied equation. The estimator is ̂ =13,054−0,493 +0,808 . Y was assert brand loyalty, is oppositional brand loyalty and is sharing brand stories. Coefficient determination explain the estimator obvious quite good in the use as the big Minerva’s costumer brand loyalty in Medan.
DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Penghargaan iii
Abstrak iv
Abstract v
Daftar Isi vi
Daftar Tabel viii
Bab 1 Pendahuluan
1.1 Latar Belakang 1
1.2 Perumusan Masalah 4
1.3 Batasan Masalah 4
1.4 Tinjauan Pustaka 5
1.5 Tujuan Penelitian 9
1.6 Kontribusi Penelitian 9
1.7 Metodologi Penelitian 9
Bab 2 Landasan Teori
2.1 Loyalitas Pelanggan 12
2.2 Kuesioner 13
2.3 Method of Successive Interval (MSI) 13
2.4 Uji Validitas dan Reliabilitas 14
2.4.1 Uji Validitas 14
2.4.2 Uji Reliabilitas 15
2.5 Uji Multikolinearitas 16
2.6 Uji Heterokedastisitas 17
2.7 Uji Autokorelasi 19
2.8 Analisis Regresi Linier 19
2.9 Analisis Regresi Linier Ganda 20
2.10Model Regresi Linier dengan Pendekatan Matriks 22
2.11Metode Regresi Stepwise Forward 23
2.11.1 Membentuk Matriks Koefisien Korelasi 24 2.11.2 Membentuk Regresi Pertama (Regresi Linier Sederhana) 24 2.11.3 Seleksi Variabel Kedua Diregresikan 26 2.11.4 Membentuk Regresi Kedua (Regresi Linier Ganda) 26 2.11.5 Seleksi Variabel Ketiga Diregresikan 27
2.11.6 Membentuk Persamaan Regresi Ketiga 27
2.11.7 Pembentukan Persamaan Penduga 28
Bab 3 Pembahasan
3.1 Deskripsi Obyek Penelitian 30
3.1.1 Profil Komunitas Minerva Rider Community 30
3.1.2 Gambaran Umum Responden 31
3.1.2.1Deskripsi Responden Berdasarkan Umur 31 3.1.2.2Deskripsi Responden Berdasarkan Pendidikan
Terakhir 31
3.1.2.3Deskripsi Responden Berdasarkan Pekerjaan 32
3.1.3 Gambaran Umum Variabel Penelitian 32
3.2 Uji Validitas dan Reliabilitas 33
3.2.1 Uji Validitas 33
3.2.2 Uji Reliabilitas 35
3.3 Konversi Data Ordinal menjadi Data Interval 36
3.4 Uji Multikolinearitas 39
3.5 Uji Heterokedastisitas 40
3.6 Uji Autokorelasi 42
3.7 Analisis Regresi Linier 42
3.7.1 Membentuk Matriks Koefisien Korelasi 44
3.7.2 Membentuk Persamaan Regresi Pertama 44
3.7.3 Menghitung Harga Parsial Korelasi Variabel Sisa Pertama 46 3.7.4 Membentuk Persamaan Regresi antara dengan , 47 3.7.5 Menghitung Harga Parsial Korelasi Variabel Sisa Kedua 50 3.7.6 Membentuk Persamaan Regresi antara dengan , , 51
3.7.7 Penduga 52
3.7.8 Analisa Residu 52
Bab 4 Kesimpulan dan Saran
4.1 Kesimpulan 57
4.2 Saran 57
Daftar Pustaka
Lampiran A. Kuesioner Penelitian ix
Lampiran B. Gambaran Umum Responden xii
Lampiran C. Data Hasil Penyebaran Kuesioner xiv
Lampiran D. Penolong Perhitungan Korelasi Skor Item 1 Variabel dan
Total Skor Item Variabel xviii
Lampiran E. Penolong Perhitungan Korelasi Variabel dan xix Lampiran F. Penolong Perhitungan Korelasi Spearman Variabel
dan Residu (e) xxi
Lampiran G. Penolong Perhitungan Durbin-Watson xxii
Lampiran H. Tabel Koefisien Korelasi Sederhana (r) (1–40) xxiii Lampiran I. Tabel Titik Persentase Distribusi t (1–40) xxiv
DAFTAR TABEL
Tabel 2.1 Penilaian Jawaban Kuesioner 13
Tabel 2.2 Tingkat Keandalan Cronbach’s Alpha 16
Tabel 2.3 Bentuk Pengolahan Data 20
Tabel 2.4 Analisa Variansi Untuk Uji Keberartian Regresi 25
Tabel 2.5 Analisa Residu 29
Tabel 2.6 Rank Spearman 29
Tabel 3.1 Deskripsi Responden Berdasarkan Umur 32
Tabel 3.2 Deskripsi Responden Berdasarkan Pendidikan Terakhir 33 Tabel 3.3 Deskripsi Responden Berdasarkan Pekerjaan 34
Tabel 3.4 Hasil Pengujian Validitas 36
Tabel 3.5 Hasil Pengujian Reliabilitas 38
Tabel 3.6 Perhitungan Transformasi Data Ordinal Variabel Y 38 Tabel 3.7 Hasil Transformasi Data Ordinal Dengan MSI 41
Tabel 3.8 Hasil Uji Multikolinearitas 42
Tabel 3.9 Hasil Uji Heterokedastisitas 43
Tabel 3.10 Data Hasil Pengolahan 45
Tabel 3.11 Analisa Variansi Untuk Uji Keberartian Regresi dengan 48 Tabel 3.12 Harga Parsial Korelasi Variabel Sisa Pertama 49 Tabel 3.13 Analisa Variansi Untuk Uji Keberartian Regresi dengan , 51 Tabel 3.14 Harga Parsial Korelasi Variabel Sisa Kedua 52 Tabel 3.15 Persamaan Regresi antara dengan , , 53 Tabel 3.16 Analisa Variansi untuk Uji Keberartian Regresi
dengan , , 53
FAKTOR-FAKTOR YANG MEMPENGARUHI KOMUNITAS MEREK PADA LOYALITAS PELANGGAN
ABSTRAK
Persaingan yang semakin ketat dalam pasar sepeda motor di Indonesia, produsen sepeda motor harus mencari strategi yang tetap dalam memasarkan produk dan mempertahankan loyalitas pelanggan. Faktor-faktor yang mempengaruhi komunitas antara lain legitimasi, loyalitas merek oposisi, merayakan sejarah merek, berbagi cerita merek, integrasi dan mempertahankan anggota, membantu dalam penggunaan merek. Perumusan masalah dalam penelitian yang berjudul “Faktor-Faktor Yang Mempengaruhi Komunitas Merek Pada Loyalitas Pelanggan” ini adalah untuk mengetahui faktor-faktor yang mempengaruhi komunitas merek pada loyalitas pelanggan pengguna Minerva di Medan dengan menentukan persamaan penduga yang sesuai terhadap loyalitas pelanggan. Untuk mendapatkan persamaan regresi tersebut penulis menggunakan metode stepwise forward, yaitu: metode yang mencari kesimpulan dengan memasukkan peubah satu demi satu sampai diperoleh persamaan regresi yang memuaskan. Penduga yang diperoleh adalah ̂ =13,054−0,493 +0,808 . Dengan menyatakan loyalitas Pelanggan, menyatakan loyalitas merek oposisi, menyatakan berbagi cerita merek. Dan persentase variasi (koefisien determinasi) yang dijelaskan oleh penduga yang diperoleh cukup baik digunakan sebagai besar loyalitas merek pengguna Minerva di Medan.
FACTORS THAT INFLUENCING BRAND COMMUNITY IN COSTUMER LOYALTY IN MEDAN
ABSTRACT
The raising of straight competition in the Indonesia’s motorcycle market, motorcycle market have to looking fixed strategic into marketing and maintain loyality of costumer. Factors in the community that influence legitimacy, oppositional brand loyalty, celebrating the history of the brand community, sharing brand stories, integrating and retaining members, assisting in the use of the brand. Formulation of the problem in this research with the title “Factors That Influence Brand Community In Costumer Loyalty In Medan” was to recognize effect of brand community to costumer loyalty. In the order to obtain the equations regression author use Stepwise Forward Method, that is: A method in searching the conclution inserting variable step by step until obtaining the satisfied equation. The estimator is ̂ =13,054−0,493 +0,808 . Y was assert brand loyalty, is oppositional brand loyalty and is sharing brand stories. Coefficient determination explain the estimator obvious quite good in the use as the big Minerva’s costumer brand loyalty in Medan.
BAB I
PENDAHULUAN
1.1Latar Belakang
Sepeda motor menjadi alat transportasi yang paling sering dijumpai. Efisiensi dan
mobilitas menjadi pertimbangan utama. Saat ini sepeda motor menjadi pilihan
utama bagi sebagian masyarakat Indonesia dibandingkan kendaraan beroda empat.
Kini Indonesia sudah menjadi negara terbesar ketiga dalam pasar sepeda motor
dunia. Penjualan sepeda motor di Indonesia pada Januari - Mei 2014 menurut
Asosiasi Industri Sepeda Motor Indonesia (AISI) mencapai 3.462.684 unit.
Persaingan yang semakin ketat di dalam pasar sepeda motor di Indonesia,
produsen harus mencari strategi yang tepat dalam memasarkan produk dan
mempertahankan loyalitas pelanggan. Karena mencari pelanggan baru
membutuhkan biaya lima kali lebih besar dibandingkan biaya untuk
mempertahankan loyalitas pelanggan. Salah satu cara yang dapat dilakukan oleh
produsen untuk mempertahankan loyalitas pelanggan dengan menaungi
komunitas.
Loyalitas pelanggan (loyalitas merek) merupakan suatu ukuran keterkaitan
pelanggan kepada suatu merek. Ukuran ini mampu memberikan gambaran tentang
mungkin tidaknya seorang pelanggan beralih ke merek, terutama jika pada merek
tersebut didapati adanya perubahan, baik menyangkut harga ataupun atribut lain.
Minneapolis, menjelaskan konsep komunitas merek sebagai suatu bentuk
komunitas yang terspesialisasi, tidak berbasis pada ikatan secara geografis, namun
lebih didasarkan pada seperangkat struktur hubungan sosial di antara penggemar
merek tertentu. Dalam komunitas terdapat enam komponen penting yang
mempengaruhi loyalitas pelanggan, yaitu:
1. Legitimasi (Legitimacy)
Legitimasi adalah proses dimana anggota komunitas membedakan antara
anggota komunitas dengan yang bukan anggota komunitas, atau memiliki hak
yang berbeda. Dalam konteks ini merek dibuktikan atau ditunjukkan oleh “yang benar-benar mengetahui merek” dibandingkan dengan “alasan yang salah” memakai merek. Yang membedakan antara anggota komunitas yang benar-benar memiliki kepercayaan pada merek dan mereka yang hanya
kebetulan memiliki produk merek tersebut adalah kepeduliannya terhadap
merek tersebut.
2. Loyalitas merek oposisi (Oppositional brand loyalty)
Loyalitas merek oposisi adalah proses sosial yang terlibat dalam
melanggengkan kesadaran dari jenisnya. Melalui oposisi dalam kompetisi
merek, anggota komunitas merek mendapat aspek pengalaman yang penting
dalam komunitasnya, serta komponen penting pada arti merek tersebut
sehingga berfungsi untuk menggambarkan anggota komunitas dan bukan
anggota komunitas.
3. Merayakan sejarah merek (Celebrating the history of the brand community)
Menanamkan sejarah dalam komunitas dan melestarikan budaya adalah
penting. Adanya konsistensi yang jelas ini adalah suatu hal yang luar biasa.
Misalnya adanya perayaan tanggal berdirinya suatu komunitas merek.
Apresiasi dalam sejarah merek seringkali berbeda pada anggota yang
benar-benar menyukai merek dengan yang hanya kebetulan memiliki merek tersebut.
Hal ini ditunjukkan dengan suatu keahlian, status keanggotaan, dan komitmen
4. Berbagi cerita merek (Sharing brand stories)
Berbagi cerita pengalaman menggunakan produk merek adalah hal penting
untuk menciptakan dan menjaga komunitas. Berbagi cerita merek adalah
proses penting karena memperkuat kesadaran jenis antara anggota merek dan
memberikan kontribusi pada komunitas. Cerita berdasarkan pengalaman akan
menimbulkan hubungan kedekatan dan rasa solidaritas antar anggota. Dengan
berbagi komentar dengan anggota komunitas lainnya, maka salah satu anggota
akan merasa lebih aman didalamnya, dimana banyak anggota yang juga
merasakan pengalaman yang sama. Hal ini juga membantu melestarikan
warisan sehingga merek tetap hidup dari budaya dan komunitas mereka.
5. Integrasi dan mempertahankan anggota (Integrating and retaining members)
Tingkah laku konsisten dengan tujuan dianggap sebagai tanggung jawab dasar
keanggotaan komunitas. Untuk memastikan jangka panjang hidup perlu untuk
mempertahankan anggota lama dan mengintegrasikan yang baru. Dalam
komunitas tradisional ada kehadiran sosial moral yang sadar. Komunitas
secara formal dan informal mengenali batas-batas apa yang benar dan salah,
tepat dan pantas. Sementara ada lebih (atau kurang) variabilitas daripada yang
resmi digambarkan oleh anggota masyarakat, ada perasaan di antara anggota
masyarakat bahwa seperti kesadaran sosial.
6. Membantu penggunaan merek (Assisting in the use of the brand)
Tanggung jawab moral meliputi pencarian dan membantu anggota lain dalam
penggunaan merek. Meskipun terbatas dalam cakupan, bantuan ini merupakan
komponen penting dari komunitas. Bantuan yang diberikan adalah sesuatu
yang mereka lakukan tanpa berpikir, hanya bertindak dari rasa tanggung jawab
yang mereka rasakan terhadap anggota komunitas. Salah satu contohnya
adalah dengan membantu anggota lainnya memperbaiki produk atau
memecahkan masalah, khususnya yang melibatkan pengetahuan yang
Minerva Rider Community (MRC) Medan merupakan merupakan
komunitas penggemar sepeda motor Minerva dari berbagai produk keluaran PT.
Motors Nasional Berjaya yang berdiri pada tanggal 20 April 2008 dengan slogan “Ride With Pride“, yang artinya lebih mengutamakan safety riding dan menaati setiap rambu lalu lintas. Minerva Rider Community (MRC) saat ini sudah berada
di 38 kota yang tersebar diseluruh Indonesia yang beranggotakan sampai saat ini
telah mencapai 1800-an anggota lebih yang berpusat di Jakarta.
Untuk melihat ketepatan strategi dalam mempertahankan loyalitas
pelanggan, maka penulis memilih judul : “Faktor-Faktor yang Mempengaruhi Komunitas Merek pada Loyalitas Pelanggan”.
1.2Perumusan Masalah
Adapun permasalahan dalam tulisan ini adalah untuk mengetahui faktor-faktor
yang mempengaruhi komunitas merek pada loyalitas pelanggan pengguna
Minerva di Medan dengan menentukan persamaan penduga yang sesuai.
1.3Batasan Masalah
Agar pembahasan permasalahan tidak menyimpang dari pokok permasalahan,
penulis membatasi masalah sebagai berikut:
1. Data yang digunakan adalah data dari penyebaran kuesioner kepada anggota
komunitas Minerva Rider Community Medan yang menggunakan motor
Minerva.
2. Dari beberapa faktor yang mempengaruhi loyalitas pelanggan dianggap sama,
seperti:
a. Nilai (harga dan kualitas)
b. Citra (baik dari kepribadian dan reputasi dari merek)
d. Pelayanan
e. Garansi dan jaminan yag diberikan merek
1.4Tinjauan Pustaka
Dalam menyelesaikan skripsi ini penulis menggunakan beberapa buku panduan
antara lain:
1. Rangkuti, F. Riset Pemasaran. Jakarta: PT. Gramedia Pustaka Utama 1997
Tujuan kuesioner adalah memperoleh informasi yang relevan dengan tujuan
survei, memperoleh informasi dengan tingkat keandalan dan tingkat
keabsahan setinggi mungkin. Penyebaran kuesioner untuk mengukur persepsi
responden digunakan Skala Likert. Pertanyaan dalam kuesioner dibuat
menggunakan skala 1-5 untuk mewakili pendapat dari responden. Nilai untuk
skala tersebut adalah:
Penilaian Informasi Skor Jawaban Responden Sangat Setuju
Setuju Ragu-ragu Tidak Setuju
Sangat Tidak Setuju
5 4 3 2 1
2. Situmorang, Syafrizal Helmi,dkk. Analisis Data Penelitian. Edisi Pertama.
Medan: USU Press 2008
Validitas menunjukkan sejauh mana suatu alat pengukur dapat mengukur apa
yang ingin diukur. Cara menguji validitas dengan menghitung korelasi antara
masing-masing pernyataan dengan skor total dengan menggunakan rumus
korelasi Pearson Product Moment.
� = � ∑ − ∑ ∑
Keterangan: � = Koefisien korelasi
= Skor responden untuk tiap item
= Total skor tiap responden dari seluruh item
n = Jumlah responden
Reliabilitas adalah indeks yang menunjukkan sejauh mana suatu alat
pengukur dapat dipercaya atau dapat diandalkan. Cara menguji reabilitas
dengan menggunakan rumus Cronbach’s Alpha.
= ( �
� − ) −
∑
Keterangan: ∑ = Jumlah varians skor tiap-tiap item
= Varians total
k = Jumlah item
3. http://dwikurniawan13.wordpress.com
Method of Successive Interval adalah metode penskalaan untuk menaikkan
skala pengukuran ordinal ke skala pengukuran interval. Proses
pentransformasian data ordinal menjadi data interval dalam penelitian ini
menggunakan bantuan program komputer yaitu Microsoft Office Excel 2007
(Add-Ins).
SV= Daerah di bawah batas atas Kepadatan pada batas bawah –Daerah di bawah batas bawah–Kepadatan pada batas atas Transformed Scale Value: SV = – (Min data – Min SV)
4. Hasan, M. Iqbal. Pokok-Pokok Materi Statistik. Edisi Kedua. Jakarta: PT
Bumi Aksara 2002
Multikolinearitas berarti antara variabel bebas yang satu dengan variabel
bebas yang lain dalam model regresi saling berkorelasi linear. Adanya
multikolinearitas dalam regresi dapat diketahui dengan menganalisis koefisien
…
�
� �
��
� �
��
… …
… � �
��
)
Keterangan: �� = Koefisien korelasi variabel � dan
Heterokedastisitas berarti variansi (varians) variabel tidak sama untuk
semua pengamatan. Adanya heterokedastisitas dalam regresi dapat diketahui
dengan menggunakan uji koefisien korelasi Spearman.
� = − 6 � − �∑
Keterangan: d = Selisih antara rangking variabel dan ranking nilai mutlak
error
n = Jumlah sampel
Autokorelasi berarti terdapatnya korelasi antar anggota sampel atau data
pengamatan yang diurutkan berdasarkan waktu, sehingga munculnya suatu
datum dipengaruhi oleh datum sebelumnya. Adanya autokorelasi dalam
regresi dapat diketahui dengan menggunakan uji Durbin-Watson.
=∑ =�=∑ =�− −
= Keterangan: = Nilai residu periode t
− = Nilai residu periode t-1
5. Drafer, Smith. Analisis Regresi Terapan. Edisi Kedua. Jakarta: Gramedia
Pustaka Utama 1992
Prosedur seleksi regresi bertatar (stepwise) berusaha mencapai kesimpulan
dengan menyusupkan peubah satu demi satu sampai diperoleh persamaan
regresi yang memuaskan. Urutan penyisipannya ditentukan dengan
menggunakan koefisien parsial sebagai ukuran pentingnya peubah yang masih
6. Supranto, J. Ekonometrik. Buku Dua. Bogor: Ghalia Indonesia 2005
Koefisien determinasi R2 merupakan koefisien penentu yang mempunyai
kegunaan yakni sebagai ukuran kecocokan/ketepatan (goodness of fit) bagi
garis regresi linier untuk pendekatan suatu kelompok data yang berhubungan
dengan kelompok-kelompok data lainnya secara linier, makin besar nilai R2
makin baik.
Pengujian berdasarkan koefisien korelasi Rank Spearman, awalnya dilakukan
pengurutan rank menaik atau menurun dari dua karakteristik yang berbeda
-beda. Kemudian ditentukan koefisien korelasi Rank Spearman sebagai
berikut:
� = − 6 ∑
� � −
Keterangan: d = Selisih dua rank ke-j dari dua karakteristik yang berbeda.
n = Banyaknya data observasi
Uji yang digunakan adalah rumus:
� = � √� −
√ − �
Bila tuji < tα (n - 2) maka varian (ej) = varian (ek) berarti model yang digunakan adalah cocok.
7. Hamang, Abdul. Metode Statistik. Graha Ilmu 2005
Koefisien determinasi berganda ( . ) menunjukkan proporsi keragaman
total nilai-nilai peubah Y yang dapat diterangkan oleh model yang digunakan:
. = − � −
= ∑( − ̂
�
=
̂ merupakan nilai ramalan bagi yang diperoleh dengan cara memasukkan
1.5Tujuan Penelitian
Tujuan penelitian ini adalah untuk mendapatkan faktor-faktor yang paling
mempengaruhi komunitas merek (legitimasi, loyalitas merek oposisi, merayakan
sejarah merek, berbagi cerita merek, integrasi dan mempertahankan anggota,
membantu dalam penggunaan merek) pada loyalitas pelanggan dengan
menentukan persamaan regresi berganda untuk loyalitas pelanggan di komunitas
Minerva Rider Community Medan.
1.6Kontribusi Penelitian
1. Sebagai refrensi bagi penelitian selanjutnya dan memberikan sumbangan
terhadap pengembangan ilmu pengetahuan.
2. Sebagai bahan pertimbangan bagi komunitas Minerva Rider Community
dalam mempertahankan loyalitas.
1.7Metodologi Penelitian
Untuk mendapatkan persamaan regresi linier ganda yang digunakan sebagai
penduga loyalitas pelanggan, adapun langkah-langkah yang dilakukan sebagai
berikut:
Langkah 1. Pengumpulan data yang diperoleh dari pengisian kuesioner oleh
anggota komunitas.
Langkah 2. Menguji data yang diperoleh dari kuesioner.
i. Uji validitas, untuk menguji validitas digunakan rumus korelasi
Pearson Product Moment.
ii. Uji reliabilitas, untuk menguji reliabilitas digunakan rumus Cronbach’s Alpha.
Langkah 3. Konversi data ordinal menjadi data interval menggunakan Method
Langkah 4. Melakukan beberapa pengujian agar memenuhi syarat dalam
menentukan persamaan penduga.
i. Uji normalitas, tidak dilakukan uji normalitas karena
sebelumnya telah dilakukan transformasi data menggunakan
Method of Succesive Interval (MSI).
ii. Uji multikolinearitas, untuk menguji multikolinearitas dengan
menentukan matriks korelasi antara variabel-varibel bebas.
iii. Uji heterokedastisitas, untuk menguji heterokedastisitas dengan
dilakukan uji korelasi Rank Spearman.
iv. Uji autokorelasi, untuk menguji autokorelasi dengan dilakukan
uji Durbin-Watson.
Langkah 5. Melakukan pengolahan data menggunakan metode stepwise
forward
i. Menetukan matriks korelasi antara variabel terikat (Y) terhadap
variabel bebas (X).
ii. Memilih variabel pertama yang diregresikan, yaitu variabel
yang mempunyai harga mutlak koefisien korelasi terbesar
terhadap variabel terikat (Y).
iii. Membentuk regresi pertama, yaitu regresi sederhana untuk
variabel terpilih pada (ii). Keberartian regresi diuji dengan
hipotesa:
H0 : Regresi tidak berarti
H1 : Regresi berarti (signifikan)
Bila H0 diterima maka proses diberhentikan dan diakhiri,
sebaliknya bila H1 diterima maka variabel yang diregresikan
tetap di dalam model.
iv. Memilih variabel kedua yang diregresikan. Bila pada (iii)
diterima H1 maka dilakukan pemilihan variabel kedua yang
diregresikan. Variabel yang terpilih adalah variabel sisa (di luar
v. Membentuk regresi kedua, yaitu regresi ganda untuk variabel
terpilih pada (ii) dan (iv). Keberartian regresi diuji dengan
hipotesa:
H0 : Regresi ganda tidak berarti
H1 : Regresi ganda berarti (signifikan)
Kemudian diuji keberartian koefisien regresi dengan rumus:
Fuji=(s bb ) 2
Sedangkan, Ftabel = F(1, n - p)
Bila tidak signifikan maka proses diberhentikan sebaliknya bila
signifikan maka seluruh variabel tetap.
vi. Membentuk penduga bila proses pemasukan variabel terhadap
regresi telah selesai, maka ditetapkan persamaan regresi yang
menjadi penduga linier yang diinginkan adalah persamaan
regresi yang diperoleh terakhir.
BAB II
LANDASAN TEORI
1.1Loyalitas Pelanggan
Menurut Griffin (2002:4) “loyalty is defined as non random purchase expressed over time by some decision making unit”. Berdasarkan defenisi tersebut dapat dijelaskan bahwa loyalitas lebih mengacu pada wujud perilaku dari unit-unit
pengambilan keputusan untuk melakukan pembelian secara terus menerus
terhadap barang dan jasa suatu perusahaan yang dipilih (Ratih, 2005:129).
Dengan meningkatkan loyalitas konsumen maka akan memberikan
manfaat bagi perusahaan, setidaknya dalam beberapa hal berikut:
1. Menurunkan biaya pemasaran, bahwa biaya untuk menarik pelanggan baru
jauh lebih besar bila dibandingkan dengan mempertahankan pelanggan yang
ada.
2. Menurunkan biaya transaksi, seperti biaya negosiasi kontrak, pemrosesan
pesanan, pembuatuan account baru dan biaya lain-lain.
3. Menurunkan biaya turn over konsumen, karena tingkat kehilangan konsumen
rendah.
4. Menaikkan penjualan yang akan memperbesar pangsa pasar perusahaan.
5. Word of mouth yang bertambah, dengan asumsi bahwa pelanggan yang setia
berarti puas terhadap produk yang ditawarkan.
6. Menurunkan biaya kegagalan, seperti biaya penggantian atas produk yang
1.2Kuesioner
Kuesioner merupakan suatu daftar pertanyaan yang akan ditanyakan kepada
responden (obyek penelitian) terdiri dari baris-baris dan kolom-kolom untuk diisi
dengan jawaban-jawaban yang ditanyakan. Tujuan kuesioner adalah memperoleh
informasi yang relevan dengan tujuan survei, memperoleh informasi dengan
tingkat keandalan dan tingkat keabsahan setinggi mungkin (Rangkuti, 1997).
Dengan melakukan penyebaran kuesioner untuk mengukur persepsi responden
digunakan Skala Likert. Skala Likert adalah suatu skala psikometrik yang umum
digunakan dalam kuesioner, dimana tingkat ukuran ordinal yang banyak
digunakan dalam penelitian sosial terutama mengukur pendapat, sikap atau
persepsi seseorang. Skala ini meminta responden menunjukkan tingkat
persetujuan atau ketidaksetujuannya terhadap serangkaian pernyataan tentang suatu obyek mulai dari “sangat setuju” sampai dengan “sangat tidak setuju”. Pertanyaan dalam kuesioner dibuat dengan menggunakan skala 1 -5 untuk
mewakili pendapat dari responden.
Tabel 2.1 Penilaian Jawaban Kuesioner Penilaian Informasi Skor Jawaban Responden
Sangat Setuju 5
Setuju 4
Ragu-ragu 3
Tidak Setuju 2
Sangat Tidak Setuju 1
1.3Method of Successive Interval (MSI)
Method of successive interval adalah metode penskalaan untuk menaikkan skala
pengukuran ordinal ke skala pengukuran interval. Melakukan manipulasi data
dengan cara menaikkan skala ordinal menjadi skala interval bertujuan untuk tidak
melanggar kelaziman (data interval/ratio), juga untuk mengubah syarat distribusi
transformasi menggunakan model ini tidak perlu melakukan uji normalitas
(http://dwikurniawan13.wordpress.com).
Langkah-langkah method of successive interval dapat dilakukan dengan
cara sebagai berikut:
1. Perhatikan nilai jawaban dari setiap pertanyaan dalam kuesioner.
2. Untuk setiap pertanyaan tersebut, lakukan perhitungan banyak responden yang
menjawab skor 1, 2, 3, 4, 5 = frekuensi (f).
3. Setiap frekuensi dibagi dengan banyak n responden dan hasil adalah proporsi
(p).
4. Kemudian hitung proporsi kumulatif (pk).
5. Dengan menggunakan tabel normal, hitung nilai distribusi normal (Z) untuk
setiap proporsi kumulatif yang diperoleh.
= √ �
(− )
, −∞< < +∞
6. Tentukan nilai densitas normal (fd) yang sesuai dengan nilai Z.
7. Tentukan nilai interval (scale value) untuk setiap skor jawaban.
8. Sesuaikan nilai skala ordinal ke interval, yaitu scale value (SV) yang nilainya
terkecil (harga negatif yang terbesar) diubah menjadi sama dengan jawaban
responden yang terkecil melalui transformasi berikut:
Transformed Scale Value : SV = – (Min data – Min SV)
1.4Uji Validitas dan Reliabilitas 2.4.1 Uji Validitas
Validitas menunjukkan sejauh mana alat ukur yang telah disusun dapat digunakan
untuk mengukur apa yang hendak diukur secara tepat. Alat ukur yang mampu
mengukur apa yang ingin di ukur secara tepat disebut valid, berarti memiliki
validitas tinggi. Sebaliknya alat ukur yang tidak valid berarti memiliki validitas
pernyataan dengan skor total dengan menggunakan rumus teknik korelasi Pearson
Product Moment ( Situmorang, 2007).
Uji hipotesa:
H0 : Item/variabel tidak valid
H1 : Item/variabel valid
� = � ∑ − ∑ ∑
√[{� ∑ − ∑ }{� ∑ − ∑ }]
Keterangan: � = Koefisien korelasi
= Skor responden untuk tiap item
= Total skor tiap responden dari seluruh item
n = Jumlah responden
Dasar pengambilan keputusan:
a) Jika rhitung > r0,05(n –2) dan positif, maka H0 ditolak H1 diterima atau item/variabel tersebut valid.
b) Jika rhitung < r0,05(n –2) dan negatif, maka H0 diterima H1 ditolak atau item/variabel tersebut tidak valid.
c) Jika rhitung > r0,05(n –2) dan negatif, maka H0 diterima H1 ditolak atau item/variabel tersebut tidak valid.
2.4.2 Uji Reliabilitas
Reliabilitas adalah indeks yang menunjukkann sejauh mana suatu alat ukur dapat
dipercaya atau dapat diandalkan. Bila suatu alat ukur dipakai dua kali untuk
mengukur gejala yang sama dan hasil pengukuran yang diperoleh relatif
konsisten, maka alat ukur tersebut reliabel. Untuk menghitung reliabilitas alat
Nilai tingkat keandalan Cronbach’s Alpha dapat ditunjukkan pada tabel
berikut ini:
Tabel 2.2 Tingkat Keandalan Cronbach’s Alpha NilaiCronbach’s Alpha Tingkat Keandalan
α ≥ 0,9 0,7 ≤ α < 0,9 0,6 ≤ α < 0,7 0,5 ≤ α < 0,6
α ≤ 0,5
Sangat Andal Andal
Dapat Diterima Miskin
Tidak Dapat Diterima
Uji hipotesa:
H0 : Variabel tidak reliabel
H1 : Variabel reliabel
= ( �
� − ) 1−
∑
Keterangan: ∑ = Jumlah varians skor tiap-tiap item
=∑ −
(∑ � �
�
= Skor responden item i (i = 1, 2, 3, ..., n)
n = Jumlah Responden
= Varians total
k = Jumlah item
Dasar pengambilan keputusan:
a) Jika nilai α ≥ 0,6, maka H0 ditolak H1 diterima atau variabel reliabel. b) Jika nilai α < 0,6, maka H0 diterima H1 ditolak atau variabel tidak reliabel.
1.5Uji Multikolinearitas
Multikolinearitas berarti antara variabel bebas yang satu dengan variabel bebas
yang lain dalam model regresi saling berkorelasi linear. Biasanya, korelasinya
satu). Adanya multikolinearitas dalam regresi dapat diketahui dengan
menganalisis koefisien korelasi antara variabel bebas (Hasan, 2002).
…
�
� �
��
� �
��
… …
… � �
��
)
Uji hipotesa:
H0 : Tidak terdapat multikolinearitas antar variabel bebas
H1 : Terdapat multikolinearitas antar variabel bebas
�� = ∑ �− ̅� − ̅
√∑ �− ̅� ∑ − ̅
Keterangan: �� = koefisien korelasi antara � dan
� = Skor responden untuk � = Skor responden untuk
Dasar pengambilan keputusan:
a) Jika nilai �� < 0,5, maka H0 diterima H1 ditolak atau tidak terdapat
multikolinearitas antar variabel bebas.
b) Jika nilai �� > 0,5, maka H0 ditolak H1 diterima atau terdapat
multikolinearitas antar variabel bebas.
1.6Uji Heterokedastisitas
Heterokedastisitas berarti variasi (varians) variabel tidak sama untuk semua
pengamatan. Pada heterokedastisitas, kesalahan yang terjadi tidak random (acak)
tetapi menunjukkan hubungan yang sistematis sesuai dengan besarnya satu atau
lebih variabel bebas. Adanya heterokedastisitas dalam regresi dapat diketahui
Uji hipotesa:
H0 : Tidak terdapat heterokedastisitas
H1 : Terdapat heterokedastisitas
� = − 6 ∑
� − �
Keterangan: d = Selisih antara rangking variabel dan ranking nilai mutlak error | |
n = Jumlah sampel
Apabila nilai-nilai dari tiap variabel (X dan Y) ada yang sama maka
lebih dahulu dicari nilai tengah urutan nilai-nilai yang sama tersebut. Rumus �
menjadi:
� =∑ � + ∑ � − ∑
√∑ � . ∑ �
� =� − �� − ∑� − ��
� =� − �� − ∑� − ��
Keterangan: � = Jumlah variabel X yang urutannya sama
� = Jumlah variabel Y yang urutannya sama
Pengujian hipotesis dilakukan dengan menggunakan distribusi t.
� =� √� −
√ − �
Dasar pengambilan keputusan:
a) Jika � ≤ �� �− , maka H0 diterima H1 ditolak atau tidak terdapat
heterokedastisitas.
b) Jika � > �� �− , maka H0 ditolak H1 diterima atau terdapat
1.7Uji Autokorelasi
Autokorelasi berarti terdapatnya korelasi antar anggota sampel atau data
pengamatan yang diurutkan berdasarkan waktu, sehingga munculnya suatu datum
dipengaruhi oleh datum sebelumnya. Autokorelasi muncul pada regresi yang
menggunakan data berskala (time series). Adanya autokorelasi dalam regresi
dapat diketahui dengan menggunakan uji Durbin-Watson (Hasan, 2002).
Uji hipotesa:
H0 : Tidak terdapat autokorelasi
H1 : Terdapat autokorelasi
=∑ =�=∑ =�− −
=
Keterangan: = nilai residu periode t
− = nilai residu periode t-1
Dasar pengambilan keputusan:
a) Jika 0 < d < dL, maka terjadi autokorelasi positif
b) Jika dL ≤ d ≤ dU atau (4 – dU) ≤ d ≤ (4 – dL), maka hasil tidak dapat disimpulkan
c) Jika 4 – dL < 0, maka terjadi autokorelasi negatif d) Jika dU < d < (4 – dU), maka tidak terjadi autokorelasi
1.8Analisis Regresi Linier
Analisis regresi berkenaan dengan studi ketergantungan dari suatu variabel yang
disebut variabel tidak bebas (dependent variable), pada satu atau lebih variabel
yaitu variabel yang menerangkan, dengan tujuan untuk memperkirakan dan atau
menerangkan sudah diketahui. Variabel yang menerangkan sering disebut variabel
bebas (independent variable) atau explanatory variable (Supranto, 2005:36).
1.9 Analisis Regresi Linier Ganda
Regresi linear berganda adalah regresi di mana variabel terikatnya (Y)
dihubungkan/dijelaskan lebih dari satu variabel, mungkin dua, tiga dan seterusnya
variabel bebas ( , , , … , ) namun masih menunjukkan diagram hubungan
yang linier (Hasan, 2002).
Bentuk umum persamaan regresi linier berganda:
= + + + + + �
keterangan: = Variabel tak bebas
= Variabel bebas ke-k dan pengamatan ke-i
k = 1, 2, 3, ..., j
i = 1, 2, 3, ..., n
� = konstanta yang merupakan intersep (titik potong) antara garis dengan sumbu tegak Y
�k = Parameter atau koefisien regresi yang akan ditaksir
� = Suatu bagian kesalahan taksiran untuk pengamatan ke-i
Bentuk data yang akan diolah dari hasil pengamatan adalah sebagai
berikut:
Tabel 2.3 Bentuk Pengolahan Data No
Observasi
Variabel Tak Bebas (Y)
Variabel Bebas
…
1 …
2 …
3 …
…
Untuk memperkirakan parameter b0, b1, b2, ..., bk ditentukan dengan
menggunakan metode kuadrat terkecil biasa, sehingga ∑ � = minimum (terkecil).
Hal ini diperoleh dengan jalan menurunkan secara parsial terhadap b0, b1, b2, ..., bk
dan samakan dengan nol (Supranto, 2005).
Dirumuskan sebagai berikut:
∑ � =
Sehingga diperoleh persamaan normal sebagai berikut:
1.10 Model Regresi Linier Dengan Pendekatan Matriks
Seperti pada persamaan (1) akan lebih sederhana dengan menggunakan matriks
= + �
Dimana:
= [
�
] , = [
… …
� �
…
… �
] , = [ ] , � = [
�
]
Maka untuk mendapatkan penaksiran kuadrat terkecil bagi b yang
minimum
∑� � = �′�
= = − ′ −
= ′ − ′ − ′ ′ ′+ ′ ′
Berdasarkan sifat dari transpose matriks yaitu ′= ′ ′ dan karena ′ ′ adalah suatu skalar (bilangan nyata = real number) maka sama dengan transposenya ′ .
Sehingga persamaan (2) menjadi:
∑ � = ′ − ′ ′ − ′ ′ + ′ ′
�
=
∑ � = ′ − ′ ′ + ′ ′
�
=
Dengan penurunan terhadap ′ secara parsial:
� ∑� �
=
� ′ = − ′ + ′
Kemudian disamakan dengan nol, maka diperoleh ′ = ′ (persamaan normal) ...(3)
Bentuk penulisan persamaan (3) dalam matriks adalah:
[
� ∑
∑ ∑ ∑∑ …… ∑∑
∑ ∑ ∑ … ∑
∑ ∑ ∑ … ∑ ][ ]
=
[
… … …
� � � … � ][
∑ ∑ ∑
∑ �] ....(4)
Koefisien regresi b0, b1, b2, ..., bk adalah:
[ ]
=
[
� ∑
∑ ∑ ∑∑ …… ∑∑
∑ ∑ ∑ … ∑
∑ ∑ ∑ … ∑ ]
−
[ ∑ ∑ ∑
∑ �]
...(5)
1.11 Metode Regresi Stepwise Forward
Metode forward adalah langkah maju dimana memasukkan variabel bebas satu
demi satu menurut urutan besar pengaruhnya terhadap model, dan berhenti bila
semua yang memenuhi syarat telah masuk. Urutan penyisipannya ditentukan
dengan menggunakan koefisien korelasi sebagai ukuran perlunya variabel bebas
yang masih di luar persamaan untuk dimasukkan ke dalam persamaan, dan
tidak dipersoalkan apakah korelasi positif atau negatif karena yang diperhatikan
hanyalah eratnya hubungan antara variabel bebas dengan sedangkan arah
2.11.1 Membentuk Matriks Koefisien Korelasi
Koefisien korelasi yang dicari adalah koefisien korelasi linier sederhana antara Y
dengan Xi (Sembiring, 1995):
� = ∑( − ̅ ( − ̅�
√∑( − ̅ ∑( − ̅�
Dengan: ̅ = ∑
� , j = 1, 2, 3, ..., n
�
̅ = ∑� , i = 1, 2, 3, ..., k
Bentuk matriks koefisien korelasi linier sederhana antara Y dan Xi:
� = [ � �
� ]
2.11.2 Membentuk Regresi Pertama (Regresi Linier Sederhana)
Variabel pertama yang diregresikan adalah variabel yang mempunyai harga
mutlak koefisien korelasi yang terbesar antara Y dengan Xi, misalkan Xh. Dari
variabel ini dibuat persamaan regresi linier = + ℎ ℎ
= [
ℎ ℎ
ℎ�
] ′ − = [ � ∑ ℎ
∑ ℎ ∑ ℎ]
−
= [
�
] ′ = [ ∑
∑ ℎ ]
= ′ − . ′ = [ ]
Perhitungan untuk membuat anava sebagai berikut:
SSR = ′ ′ − �′ = ∑ ∑ − ∑�
SST = ′ − ′
� = ∑ −
∑ �
Dimana: SSR = Sum Square Regresion (Jumlah Kuadrat Regresi)
SST = Sum Square Total (Jumlah Kuadrat Total)
= [
… … … …
… ]
n x n
J = Matriks berordo n x n dengan semua nilai adalah 1
SSE = SST – SSR
MSR =p− MSE = E
n−p
SSE = Sum Square Error (Jumlah Kuadrat Kesalahan)
MSE = Mean Square Error (Rata-Rata Kuadrat Kesalahan)
Sehingga didapat harga standart error dari b, dengan rumus
= � ′ − = √
Tabel 2.4 Analisa Variansi Untuk Uji Keberartian Regresi Sumber Variansi df SS MS Fhitung
Regresi p -1 SSR MSR
MSR/MSE
Residu n - p SSE MSE
Total SST
Uji Hipotesa:
H0 : Regresi antara Y dengan Xh tidak signifikan
H1 : Regresi antara Y dengan Xh signifikan
Keputusan:
2.11.3 Seleksi Variabel Kedua Diregresikan
Cara menyeleksi variabel yang kedua diregresikan adalah memilih parsial korelasi
variabel sisa yang terbesar. Untuk menghitung harga masing-masing korelasi
parsial dengan rumus (Sudjana, 2005):
� ℎ = � ℎ− � �ℎ
√( − � ( − �ℎ
Keterangan: merupakan variabel sisa
2.11.4 Membentuk Regresi Kedua (Regresi Linier Ganda)
Dengan memilih korelasi parsial variabel sisa terbesar untuk variabel tersebut
masuk dalam regresi, persamaan regresi kedua dibuat = + ℎ ℎ+
dengan cara sebagai berikut:
= [
ℎ ℎ
ℎ� �
] ′ − = [
� ∑ ℎ ∑
∑ ℎ ∑ ℎ ∑ ℎ
∑ ∑ ℎ ∑
]
−
= [
�
] ′ = [
∑
∑ ℎ
∑ ]
= ′ − . ′ = [
ℎ]
Uji keberartian regresi dengan tabel anava sama dengan langkah kedua
yaitu dengan menggunakan tabel 2.3. Selanjutnya diperiksa apakah koefisien
regresi bk signifikan, dengan hipotesa:
H0 : bk = 0
H1 : bk≠ 0 Fhitung=
Keputusan:
a) Bila Fhitung < F(1 ; n - p ; 0,05), terima H0 artinya bk dianggap sama dengan nol, maka proses diberhentikan dan persamaan yang terbaik = 0+ ℎ ℎ.
b) Bila Fhitung ≥ F(1 ; n - p ; 0,05), tolak H0 artinya bk dianggap tidak sama dengan nol, maka variabel tetap di dalam penduga.
2.11.5 Seleksi Variabel Ketiga Diregresikan
Dipilih kembali harga korelasi parsial variabel sisa terbesar. Menghitung harga
masing-masing parsial korelasi variabel sisa dengan rumus (Sudjana, 2005):
� ℎ =
� ℎ − � �ℎ √( − � ( − �ℎ
Keterangan: merupakan variabel sisa
2.11.6 Membentuk Persamaan Regresi Ketiga
Dengan memilih korelasi parsial terbesar, persamaan regresi dibuat = +
ℎ ℎ+ + , dengan cara sebagai berikut:
= [ ℎ ℎ
ℎ� � �
] = [
� ]
′ − = [
� ∑ ℎ ∑ ℎ ∑ ℎ
∑ ∑
∑ ℎ ∑ ℎ
∑ ∑ ℎ
∑ ∑ ℎ
∑ ∑
∑ ∑ ]
−
′ = [
∑ ∑ ℎ ∑
∑ ]
2.11.7 Pembentukan Persamaan Penduga
Persamaan penduga ̂ = + dimana Xi adalah semua variabel X yang masuk
kedalam penduga (faktor penduga) dan bi adalah koefisien regresi untuk Xi.
2.11.8 Pertimbangan Terhadap Penduga
Sebagai pembahasan suatu penduga, untuk menanggapi kecocokan penduga yang
diperoleh ada dua hal yang dipertimbangkan yakni:
a. Pertimbangan berdasarkan R2
Koefisien determinasi ganda (R2) mengukur tingkat ketepatan/kecocokan
(goodness of fit) dari regresi linier ganda. Suatu penduga sangat baik
digunakan apabila persentase variabel yang dijelaskan sangat besar atau bila
R2→ 1
b. Analisa residu
Suatu regresi adalah berarti dan model regresinya cocok (sesuai berdasarkan
nilai observasi) apabila asumsi dibawah ini dipenuhi:
≈ N , � berarti residu (ej) mengikuti distribusi normal dengan mean (e) = 0 dan varian (σ2) = konstanta
Asumsi ini dibuktikan dengan analisis residu. Untuk langkah ini pertama
dihitung residu (sisa) dari penduga, yaitu selisih dari respon observasi terhadap
hasil keluaran oleh penduga berdasarkan prediktor observasi.
Tabel 2.5 Analisa Residu
No. Observasi Respon Penduga Residu 1
Keadaan ini dibuktikan dengan uji statistika dengan menggunakan uji korelasi Rank Spearman (Spearman’s Rank Correlation Test), ditunjukkan dengan tabel berikut:
Tabel 2.6 Rank Spearman No.
Uji Hipotesa:
H0 : Varian ( ) = Varian ( ) = �
H1 : Varian ( ) ≠ Varian ( ) ≠ �
Koefisien korelasi Rank Spearman (rs):
Dimana: = Perbedaan rank yang diberikan oleh dua karakter yang berbeda
n = jumlah responden
Untuk sampel besar (n > 10) diuji dengan menggunakan Uji t dengan rumus:
t =� √� − √ − � Keputusan:
a) Jika � ≤ �� �− , maka H0 diterima
b) Jika � > �� �− , maka H0 ditolak
Bila H0 diterima maka varian ( ) = varian ( ) = � atau varian seluruh
BAB III
PEMBAHASAN
1.12 Deskripsi Obyek Penelitian
3.1.1 Profil Komunitas Minerva Rider Community
Minerva Rider Community (MRC) merupakan merupakan komunitas penggemar
sepeda motor Minerva dari berbagai produk keluaran PT. Motors Nasional Berjaya yang berdiri pada tanggal 20 April 2008 dengan slogan “Ride With Pride“, yang artinya lebih mengutamakan safety riding dan menaati setiap rambu lalu lintas. Minerva Rider Community (MRC) saat ini sudah berada di 38 kota
yang tersebar diseluruh Indonesia yang beranggotakan sampai saat ini telah
mencapai 1800-an anggota lebih yang berpusat di Jakarta.
Termasuk kota Medan yang sudah berdiri sejak tanggal 16 Februari 2009
yang sampai saat ini sudah beranggotakan 65 anggota. Awal mula terbentuknya
MRC Region Medan bukanlah tanpa hambatan, hambatan-hambatan tersebut
datang dari interen MRC sendiri, dimana pada awalnya MRC Region Medan
hanya memiliki tiga anggota saja, sehingga tidak cukup untuk memenuhi syarat
dalam pembentukan region kota yang dimana jumlah minimal anggota/member
untuk membentuk satu region harus minimal delapan anggota. Namun untuk
melakukann sosialisasi, hanya dalam kurun waktu kurang lebih satu bulan
anggota sendiri bertambah menjadi 16 orang dan langsung di bentuk
Adapun visi dan misi Minerva Riders Community (MRC) adalah:
1. Menjadikan para bikers bangga dalam mengendarai sepeda motor merek
Minerva sebagai tunggangan berkualitas bagi para bikers dan pengakses
internet yang membeli motor merk Minerva.
2. Melaksanakan Kegiatan-kegiatan sosial yang bermanfaat bagi masyarakat.
3. Menjadikan wadah untuk pada pengguna Minerva untuk saling sharing atau
berbagi cerita dalam suka duka menggunakan sepeda motor Minerva
4. Menjaga tali silaturahmi Internal maupun eksternal seperti komunitas / club
motor lainnya.
3.1.2 Gambaran Umum Responden
Pada penelitian ini, responden yang diambil sebagai sampel adalah anggota
komunitas Minerva Rider Community dan menggunakan motor Minerva.
Pengambilan sampel dalam penelitian ini menggunakan metode sensus karena
jumlah anggota komunitas yang terbatas. Sehingga responden yang digunakan
sebagai obyek penelitian sebanyak 40 orang. Berdasarkan data dari 40 responden
yang tergabung dalam komunitas, melalui daftar pertanyaan didapat kondisi
responden tentang umur, pendidikan terakhir dan pekerjaan. Gambaran umum
responden dapat dilihat dalam Lampiran B.
3.1.2.1 Deskripsi Responden Berdasarkan Umur
Berdasarkan hasil penelitian, diperoleh gambaran tentang umur dari responden
yang dapat dilihat pada tabel 3.1 sebagai berikut:
Tabel 3.1 Deskripsi Responden Berdasarkan Umur Umur Jumlah Persentase
21 tahun 22 – 31 tahun
31 tahun
11 24 5
27,5% 60% 12,5%
Total 40 100%
Tabel 3.1 menunjukkan umur responden didominasi oleh responden
dengan umur 21 tahun hingga 31 tahun sebesar 60%, diikuti responden dengan
umur kurang dari 21 tahun sebesar 27,5% dan responden dengan umur lebih dari
32 tahun sebesar 12,5%.
3.1.2.2 Deskripsi Responden Berdasarkan Pendidikan Terakhir
Berdasarkan hasil penelitian, diperoleh gambaran tentang pendidikan terakhir
yang dapat dilihat pada tabel 3.2 sebagai berikut:
Tabel 3.2 Deskripsi Responden Berdasarkan Pendidikan Terakhir Pendidikan Jumlah Persentase
SD/Sederajat SMP/Sederajat SMA/Sederajat Akademi/D3 Strata
- 2 15
8 15
0% 5% 37,5%
20% 37,5%
Total 40 100%
Sumber: Data primer yang diolah
Tabel 3.2 menunjukkan responden yang pendidikan terakhir
SMA/sederajat memiliki jumlah yang sama dengan pendidikan terakhir sarjana
S1,S2,S3 sebesar 37,5%, diikuti responden dengan pendidikan terakhir
Akademi/D3 sebesar 20% dan responden dengan pendidikan terakhir
SMP/sederajat sebesar 5%.
3.1.2.3 Deskripsi Responden Berdasarkan Pekerjaan
Berdasarkan hasil penelitian, diperoleh gambaran tentang pekerjaan yang dapat
Tabel 3.3 Deskripsi Responden Berdasarkan Pekerjaan Pekerjaan Jumlah Persentase
Pelajar/Mahasiswa Pegawai Swasta Pegawai Negeri
15 22 3
37,5% 55% 7,5%
Total 40 100%
Sumber: Data primer yang diolah
Tabel 3.3 menunjukkan pekerjaan responden didominasi oleh responden
sebagai pegawai swasta sebesar 55%, diikuti responden sebagai pelajar/
mahasiswa sebesar 37,5% dan responden sebagai pegawai negeri sebesar 7,5%.
3.1.3 Gambaran Umum Variabel Penelitian
Data yang digunakan adalah data dari penyebaran kuesioner kepada anggota
komunitas Minerva Rider Community yang menggunakan motor Minerva. Data
hasil jawaban responden dari penyebaran kuesioner dapat dilihat dalam Lampiran
C.
Data variabel yang digunakan dalam penelitian dimisalkan sebagai
berikut:
1. Variabel terikat, yaitu :
= Loyalitas Pelanggan
2. Variabel bebas, yaitu:
= Legitimasi
= Loyalitas merek oposisi
= Merayakan sejarah merek
= Berbagi cerita merek
= Integrasi dan mempertahankan anggota
1.13 Uji Validitas dan Reliabilitas 3.2.1 Uji Validitas
Uji validitas akan menguji item masing-masing variabel yang digunakan dalam
penelitian ini, dimana keseluruhan variabel memuat 19 pertanyaan yang harus
dijawab oleh responden. Validitas dilakukan dengan cara mengkorelasikan setiap
skor item dengan total skor seluruh item pada satu variabel.
Asumsi
H0 : Item/pertanyaan tidak valid
H1 : Item/pertanyaan valid
Misalkan: a = Skor pertanyaan 1 variabel
= Total skor pertanyaan pada variabel
Dari tabel penolong perhitungan korelasi skor item 1 variabel dan total
skor item variabel yang dapat dilihat dalam Lampiran D. diperoleh:
� = � ∑ − ∑ ∑
√[{� ∑ − ∑ }{� ∑ − ∑ }]
� = 40 1454 − 167 342
√[{40 715 – 167 2}{40 2976 – 342 2}]=0,861
Untuk perhitungan nilai koefisien korelasi item 2 variabel dan item
pada variabel lainnya menggunakan SPSS for Windows 16, sehingga hasil yang
Tabel 3.4 Hasil Pengujian Validitas No. Indikator rhitung rtabel
r0,05(38)
Keterangan 1 Legitimasi ( )
Pertanyaan 1 Pertanyaan 2
0,861 2 Loyalitas merek
oposisi ( ) Pertanyaan 1 Pertanyaan 2 Pertanyaan 3
0,767 3 Merayakan sejarah
merek ( ) Pertanyaan 1 Pertanyaan 2 Pertanyaan 3
0,883 4 Berbagi cerita merek
( )
Pertanyaan 1 Pertanyaan 2 Pertanyaan 1 Pertanyaan 2 Pertanyaan 3
0,740 6 Membantukan dalam
penggunaan merek ( )
Pertanyaan 1 Pertanyaan 2
Pertanyaan 1 Pertanyaan 2 Pertanyaan 3 Pertanyaan 4
0,592
Sumber: Perhitungan menggunakan SPSS
Tabel 3.4 menunjukkan bahwa item yang digunakan untuk mengukur
variabel-variabel dalam penelitian ini mempunyai koefisien yang lebih besar dari
3.2.2 Uji Reliabilitas
Uji reliabilitas adalah tingkat kestabilan suatu alat pengukur dalam mengukur
suatu gejala/kejadian. Semakin tinggi reliabilitas suatu alat pengukur, semakin
stabil pula alat pengukur tersebut. Suatu konstruk dikatakan reliabel jika
memberikan nilai Cronbach’s Alpha > 0,60.
Asumsi
H0 : Item dalam variabel tidak reliabel
H1 : Item dalam variabel reliabel
Reliabilitas untuk variabel :
=(8
2 + 102 + 92 + 72 + 92 + … + 72 + 82 + 92 + 102 + 82 - 3422
40 40
=2976 – 2924,140 =1,2975
=(3
2 + 52 + 52 + 32 + 42 + … + 32 + 42 + 42 + 52 + 42 - 1672
40 40
=715 – 697,22540 =0,444375
=(5
2 + 52 + 42 + 42 + 52 + … + 42 + 42 + 52 + 52 + 42 - 1752
40 40
=783 – 765,62540 =0,434375
= (k – 1k ) −∑
Untuk perhitungan nilai Cronbach Alpha variabel lainnya menggunakan
Software SPSS for Windows 16, sehingga hasil yang diperoleh:
Tabel 3.5 Hasil Uji Reliabilitas
Variabel Alpha Keterangan
Legitimasi ( ) 0,645 Reliabel
Loyalitas merek oposisi ( ) 0,716 Reliabel Merayakan sejarah merek ( ) 0,696 Reliabel Berbagi cerita merek ( ) 0,720 Reliabel Integrasi dan mempertahankan
anggota ( ) 0,629 Reliabel
Membantu dalam penggunaan
merek ( ) 0,699 Reliabel
Loyalitas Merek ( ) 0,609 Reliabel
Sumber: Perhitungan menggunakan SPSS
Tabel 3.5 menunjukkan bahwa semua variabel mempunyai Cronbach’s
Alpha lebih besar dari 0,60 sehingga H1 diterima. Dengan kata lain, semua
item/pertanyaan pengukur masing-masing variabel dari kuesioner adalah reliabel
sehingga untuk selanjutnya item-item pada masing-masing variabel tersebut layak
digunakan sebagai alat ukur.
1.14 Konversi Data Ordinal Menjadi Data Interval
Melakukan manipulasi data yang diperoleh dari kuesioner dengan menaikkan
skala ordinal menjadi skala interval bertujuan untuk mengubah syarat distribusi
normal agar dapat dipenuhi ketika menggunakan statistika parametrik.
Konversi data ordinal menjadi data interval pada item satu variabel Y:
Tabel 3.6 Perhitungan Transformasi Data Ordinal Variabel Y
No. Kategori Frekuensi Proporsi Proporsi
Kumulatif Z
Densitas {f(z)}
Hasil Penskalaan
.
1 2 0,050 0,050 -1,645 0,103 1,000
2 2 0,050 0,100 -1,282 0,175 1,616
3 17 0,425 0,525 0,063 0,398 2,538
4 18 0,450 0,975 1,960 0,058 3,817
5 1 0,025 1,000 - 0,000 5,400
Penjelasan :
a) Pemilih jawaban atau kategori dan frekuensi dibuat dari hasil kuesioner
b) Masing-masing frekuensi dari setiap kategori dijumlahkan
c) Menghitung proporsi untuk setiap frekuensi skor
P1 = 402 = 0,05 P4 = 1840 = 0,450 P2 = 402 = 0,05 P5 = 401 = 0,025 P3 = 1740 = 0,425
d) Menjumlahkan proporsi secara berurutan untuk setiap respon, sehingga
diperoleh nilai proporsi kumulatif.
Pk1 = 0,05
Pk2 = 0,05 + 0,05 = 0,1
Pk3 = 0,05 + 0,05 + 0,425 = 0,525
Pk4 = 0,05 + 0,05 + 0,425 + 0,45 = 0,975
Pk5 = 0,05 + 0,05 + 0,425 + 0,45 + 0,025 = 1,000
e) Menentukan nilai Z untuk setiap kategori, dengan asumsi bahwa proporsi
kumulatif dianggap mengikuti normal baku. Nilai Z diperoleh dari Tabel
Distribusi Normal Baku.
Proporsi
Kumulatif Z
0,050 - 1,645
0,100 -1,282
0,525 0,063
0,975 1,960
1,000 -
f) Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara
memasukkan nilai Z tersebut ke dalam fungsi densitas normal baku sebagai
berikut :
� =
Sehingga diperoleh :
f -1,645 = 1
√2π exp( -1
2 -1,645 2) = 0,103 f -1,282 = 1
√2π exp( -1
2 -1,282 2) = 0,175 f 0,063 = 1
√2π exp( -1
2 0,063 2) = 0,398 f 1,960 = 1
√2π exp( -1
2 1,960 2) = 0,058
g) Menghitung SV (Scale Value) dengan rumus :
�� = Daerah di bawah batas atas - Daerah di bawah batas bawahKepadatan pada batas bawah - Kepadatan pada batas atas
Sehingga diperoleh :
SV1 = 0,000 - 0,1030,050 - 0,000 = -2,062
SV2 = 0,103 - 0,1750,100 - 0,050 = -1,446
SV3 = 0,175 - 0,3980,525 - 0,100 = -0,524
SV4 = 0,975 – 0,5250,398 - 0,058 = 0,755
SV5 = 1,000 – 0,9750,058 - 0,000 = 2,338
h) Mengubah Scale Value (SV) terkecil (nilai negatif yang terbesar) menjadi
sama dengan satu (1)
Nilai SV terkecil = -2,062 diubah menjadi 1. Untuk mengubah nilai SV
terkecil, nilai SV terkecil dijumlah dengan 3,062 (-2,062 + 3,062 = 1).
Sehingga nilai = 1.
i) Mentransformasikan nilai skala dengan menggunakan rumus :
Sehingga diperoleh : Y1 = (-2,062 + 3,062) = 1 Y2 = -1,446 + 3,062 = 1,616 Y3 = -0,524 + 3,062 = 2,538 Y4 = 0,755 + 3,062 = 3,817 Y5 = 2,338 + 3,062 = 5,40
Untuk transformasi item variabel lainnya menggunakan Microsoft Excel
2007 (Add-Ins), sehingga hasil yang diperoleh:
Tabel 3.7 Hasil Transformasi Data Ordinal Dengan MSI
Variabel Pertanyaan Kategori
1 2 3 4 5
1 - - 1,000 2,313 3,662
2 - - 1,000 2,231 3,593
1 - - 1,000 2,401 3,813
2 - - 1,000 2,504 4,121
3 - - 1,000 2,455 3,861
1 - - 1,000 2,172 3,569
2 1,000 2,368 3,733
3 - - 1,000 2,609 4,201
1 - - 1,000 2,271 3,542
2 - - 1,000 2,513 4,096
1 - - 1,000 2,827 4,463
2 - - 1,000 2,387 3,809
3 - - 1,000 2,686 4,222
1 - - - 1,000 2,610
2 - - - 1,000 2,604
1 1,000 1,616 2,538 3,817 5,400
2 - 1,000 2,237 3,476 4,811
3 1,000 1,676 3,112 4,671 -
4 - 1,000 2,130 3,372 4,738
Sumber: Perhitungan menggunakan Excel
1.15 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi
seharusnya tidak terjadi di antara variabel bebas. Dalam penelitian ini gejala
multikolinearitas dilihat dari nilai korelasi antara variabel bebas.
Asumsi
H0 : Tidak adanya multikolinearitas antar variabel bebas
H1 : Adanya multikolinearitas antar variabel bebas
Dari tabel penolong perhitungan korelasi variabel dan yang dapat
dilihat dalam Lampiran E. diperoleh:
�x = ∑ − ̅ − ̅
√∑ − ̅ ∑ − ̅
� = 20,1362
√ 91,9581 170,7173 =0,1607
Untuk perhitungan nilai koefisien korelasi antara variabel lainnya
menggunakan SPSS for Windows 16. Sehingga hasil yang diperoleh:
Tabel 3.8 Hasil Uji Multikolinearitas
1 0,161 0,311 0,234 -0,051 0,010
0,161 1 0,143 0,250 0,078 0,048
0,311 0,143 1 0,363 0,079 0,293
0,234 0,250 0,363 1 0,283 0,301
-0,051 0,078 0,079 0,283 1 0,167
0,010 0,048 0,293 0,301 0,167 1
Sumber: Perhitungan menggunakan SPSS
Tabel 3.8 menunjukkan bahwa tidak satupun nilai korelasi antara variabel
bebas lebih dari 0,5 maka H0 diterima. Dengan kata lain tidak ada
1.16 Uji Heterokedastisitas
Uji heterokedastisitas dilakukan untuk menguji apakah model regresi terjadi
ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain.
Pengujian heterokedastisitas dilakukan dengan uji korelasi Rank Spearman.
Asumsi
H0 : Tidak adanya heterokedastisitas
H1 : Adanya heterokedastisitas
Dari tabel penolong perhitungan korelasi Spearman variabel dan residu
(e) yang dapat dilihat dalam Lampiran F. diperoleh:
∑ = ∑t3n- t= 4403- 4+33- 3 40 +
113- 11
40 + 23- 2
40 + 73- 7
40 +
113- 11
40 =255,5
∑ � = ∑
t3- t
n = 23- 2
40 =0,5
∑ =n3n- n− ∑ =40
3- 40
40 −255,5= 5074,5
∑ = n3n- n− ∑ � = 40
3- 40
40 −0,5= 5329,5
� =∑ + ∑ − ∑
2 √∑ . ∑ =
5074,5 + 5329,5 - 9826,5
2 √ 5074,5 5329,5 =0,0555
� = � √1n - 2
− � = 0,0555√
40 - 2
1 - 0,05552 = 0,3427
ttabel = tα (n – 2) = t0,05(38) = 1,6866
t0 < ttabel, berdasarkan kondisi ini tidak terdapat hubungan yang nyata antara variabel dengan nilai residu (e) sehingga tidak adanya heterokedastisitas.
Untuk perhitungan nilai korelasi antara nilai residu (e) dengan lainnya