3.1 Jenis Penelitian
Jenis penelitian ini dapat dikategorikan sebagai jenis penelitian kuantitatif, dimana data yang digunakan merupakan data dengan kategori interval dengan metode pengukuran menggunakan skala likert. Penelitian ini pada dasarnya merupakan studi kasus mengenai Kebijakan Publik Melalui Instruksi Presiden No.10 Tahun 2005 Tentang Penghematan Energi Pengaruhnya Terhadap Sikap Perilaku Masyarakat (Suatu tinjauan dari sudut pemasaran sosial).
3.2 Gambaran Populasi dan Sampel Penelitian
Obyek yang dijadikan populasi dalam penelitian ini pada dasarnya termasuk dalam populasi dengan jumlah tak terhingga. Hal ini demikian karena terkait obyek penelitian yang diambil yakni seluruh konsumen pengguna energi yang tidak mungkin dibatasi/dihitung dalam angka yang pasti dan akurat. Kemudian ruang lingkup obyek populasi yang diambil dalam penelitian ini dibagi menjadi tiga kategori responden dengan lokasi pengambilan responden di sekitar Universitas Petra, Ubaya, Gedung Graha Pena Surabaya. Berikut pembagian Responden berdasarkan ruang lingkup populasi yang akan diambil :
Tabel 3.1. Ruang Lingkup Populasi Penelitian
Kategori Responden Keterangan
Mahasiswa Mahasiswa Petra, Ubaya dsb Kalangan Pebisnis
Kalangan Pegawai kantor, Dosen Profesional
Kalangan Usahawan, Pedagang Pegawai Kantin
Sopir
Cleaning Service Satpam
Dari tabel di atas dapat diketahui spesifikasi populasi penelitian ini. Obyek penelitian yang pertama adalah mahasiswa Petra, Ubaya, dsb. Obyek ini diambil berdasarkan letak kampus yang berdekatan sehingga memudahkan peneliti pengambilan sampel. Kemudian populasi penelitian kedua adalah kategori profesional artinya orang yang bekerja dalam bidang tertentu dan mempunyai keahlian. Terdiri dari kalangan intelektual seperti pebisnis, pegawai kantor, dosen, pedagang serta usahawan. Populasi penelitian ketiga adalah kategori masyarakat umum, artinya orang-orang berpendidikan rendah serta berpenghasilan menengah kebawah (termasuk kelompok kebanyakan). Terdiri dari Pegawai kantin, sopir, cleaning service, satpam, dll. Kemudian dari populasi diatas, selanjutnya akan ditentukan jumlah sampel yang akan digunakan dalam penelitian ini. Jumlah sampel yang diambil dalam penelitian ini diambil dengan menggunakan teknik penentuan sampel yang dikemukakan oleh Suharjo (2002), dimana sebuah sampel dapat diambil dari populasi dengan jumlah tak hingga dengan rumus :
n =
(
)
2(
)
2 2 / 1 d P P Zα − Dimana :n = Jumlah Sampel yang diambil
P = Proporsi seorang konsumen secara umum setuju bahwa kebijakan publik tentang Penghematan Energi Inpres No. 10/2005 berpengaruh terhadap perilaku konsumen.
d = Tingkat kesalahan (error) didalam penentuan jumlah sampel (5%).
Nilai P diatas pada dasarnya dapat diperoleh melalui survey pendahuluan dengan menyebarkan kuisioner dengan item pertanyan khusus yang menanyakan jawaban responden secara umum terhadap hipotesis penelitian yang diajukan. Namun dapat juga nilai P diatas ditulis dengan proporsi 0.5, yang artinya jawaban responden terhadap hipotesis yang diajukan diasumsikan proporsional antara mereka yang setuju dan mereka yang tidak setuju.
n =
(
)
2(
)
2 2 / 1 d P P Zα − =( )
(
)
(
)
2 2 05 . 0 5 . 0 1 5 . 0 96 . 1 −= 384,16 Responden (Dibulatkan 400 Responden) 3.3 Teknik dan Prosedur Pengambilan Sampel
Teknik pengambilan sampel yang digunakan dalam penelitian ini adalah
Non Probability Sampling yang artinya setiap unsur dalam populasi tidak memiliki kesempatan atau peluang yang sama untuk dipilih sebagai sampel, bahkan probabilitas anggota populasi tertentu untuk terpilih tidak diketahui. Kemudian prosedur pengambilan sampel yang digunakan dalam penelitian ini adalah Accidental Sampling (Haphazard atau Convenience Sampling). Prosedur pengambilan sampel yang peneliti gunakan ini pada dasarnya bertujuan untuk memudahkan pngambilan sampel yang akan digunakan dalam penelitian ini. Hal ini demikian karena pada dasarnya Accidental Sampling
merupakan prosedur pengambilan sampel yang memilih sampel dari orang atau unit yang paling mudah dijumpai atau diakses, misalnya mahasiswa yang kebetulan ada di kampus atau remaja yang sedang berjalan-jalan dipusat perbelanjaan. (Fandy Tjiptono, 2001).
3.4Sumber Data
Jenis dan sumber data yang diperoleh dalam penelitian ini terdiri dari : 1. Data Primer
Didapat melalui evaluasi jawaban dari responden dengan menggunakan daftar pertanyaan (questioner) sebagai instrumennya.
2. Data Sekunder
Data yang diperoleh dari internet, dari Inpres No. 10 Tahun 2005 dan kutipam surat kabar.
3.5. Definisi Operasional Variabel
Variabel-variabel dalam penelitian ini adalah variabel eksogenus (variabel penyebab) dan variabel endogenus (variabel akibat) yang biasa digunakan dalam teknik analisis Structural Equation Modeling (SEM). Adapun variabel penyebab dalam penelitian ini terdiri dari: Kebijakan Publik Inpres No.10/2005 sedangkan variabel akibat (endogenus) adalah sikap konsumen.
Adapun definisi operasional dan pengukuran variabel dari variabel-variabel tersebut diatas adalah sebagai berikut :
a. Kebijakan Publik
Kebijakan publik adalah suatu usulan arah tindakan atau kebijakan yang diajukan oleh seseorang, kelompok atau pemerintah guna mengatasi hambatan atau untuk memanfaatkan kesempatan pada suatu lingkungan tertentu dalam rangka mencapai suatu tujuan atau merealisasi suatu sasaran. Melalui Inpres No. 10/2005, Pemerintah berusaha mengatasi masalah BBM dengan menghimbau masyarakat melakukan penghematan energi. Kebijakan publik ini mengukur berdasarkan faktor regulasi, edukasi konsumen, dan insentif.
- Regulasi merupakan sarana perangkat hukum berupa peraturan perundang-undangan, dalam penelitian ini Inpres No. 10/2005 digunakan sebagai acuan. Sedangkan indikator-indikator dari regulasi adalah sebagai berikut :
1. Penghematan energi tidak menghambat aktivitas ekonomi tetapi hanya mengurangi kenyamanan.
2. Dikeluarkannya instruksi Presiden tersebut merupakan langkah tepat yang dilakukan pemerintah sebagai solusi jangka pendek mengatasi kelangkaan BBM dan listrik.
3. Kebijakan penghematan energi tersebut benar-benar mampu mengurangi penggunaan energi.
4. Pemerintah telah mensosialisasikan Inpres No. 10/2005 tentang Penghematan Energi dengan tepat.
- Pemerintah dapat mendukung tercapainya perilaku konsumen yang diharapkan melalui edukasi konsumen. Edukasi konsumen adalah nilai edukasi baik dalam pemahaman ekonomis mengenai uang dan dalam pemahaman moral terhadap tanggung jawab sosial dan lingkungan. Sehingga konsumen dapat memahami kebijakan-kebijakan yang ada, konsumen juga dapat lebih mengerti tentang tindakan yang harus dilakukan setelah menerima informasi dari media (http://www.norden.org/nicemail/issues/four/classification.htm). Sedangkan untuk indikator-indikator yang menjelaskan tentang edukasi konsumen dijelaskan sebagai berikut :
1. Penghematan energi lebih rasional untuk dilakukan daripada mempertahankan konsumsi dengan konsekuensi terjadinya kenaikan harga pada masa mendatang.
2. Aparat pemerintah bisa menjadi contoh dalam melakukan pengehematan energi.
3. Kalangan pengusaha swata sudah menggunakan mesin seoptimal mungkin pada kegiatan produksi guna menghemat energi.
- Pemerintah juga memberikan insentif untuk mendukung masyarakat. Baik insentif yang dinikmati secara langsung maupun tidak langsung. Dengan penghematan energi yang masyarakat lakukan, maka masyarakat didaerah lain dapat menikmati subsidi yang telah disediakan oleh pemerintah. Sedangkan indikator-indikator dari insentif adalah sebagai berikut :
1. Banyak masyarakat menikmati dana subsidi BBM di bidang sosial dan pendidikan.
2. Pemerintah telah menyalurkan subsidi pendidikan dan kesehatan pada masyarakat yang membutuhkan.
3. Pemerintah menggunakan dana subsidi BBM untuk membantu rakyat miskin.
Skala pengukuran variabel ini menggunakan skala interval dan diukur menggunakan instrumen yang dikembangkan oleh Suhartono (Ventura,
Vol. 6. No. 3. Desember 2003), terdiri dari 5 butir pertanyaan dengan penilaian sebagai berikut :
Penilaian untuk Keyakinan (Believe)
Sangat tidak yakin Sangat yakin
1 _____ 2 ______ _____ 3 ______ ______ 4 _____ 5 Penilaian untuk Evaluasi (Evaluation)
Sangat tidak setuju Sangat setuju
1 _____ 2 ______ _____ 3 ______ ______ 4 _____ 5
b. Sikap
Menurut Schiffman dan Kanuk (2000,235), sikap didefinisikan sebagai : “in a consumer behaviour context, an attitude is learned predispotition to behave in a consistently favorable way with respect to given object.”
Dalam konteks perilaku konsumen, sikap didefinisikan sebagai suatu kecenderungan untuk bertindak yang diperoleh dari hasil belajar dengan cara konsisten, yang menunjukkan rasa suka atau tidak suka terhadap suatu objek. Indikator dari sikap ini dijelaskan dari pertanyaan di bawah ini :
1. Anda telah mengurangi pemakaian lampu pada jam 6 – 10 malam dan mematikan lampu apabila tidak lagi diperlukan.
2. Anda menghemat penggunaan alat-alat yang menggunakan energi listrik, mematikan alat-alat elektronik bila sudah tidak digunakan. 3. Anda menggunakan kendaraan bermotor seperlunya dalam membatasi
konsumsi BBM.
4. Anda mengurangi penggunaan elpiji/minyak tanah untuk memasak. Skala pengukuran variabel ini menggunakan skala interval dan diukur
Vol. 6. No. 3. Desember 2003), terdiri dari 5 butir pertanyaan dengan penilaian sebagai berikut :
Sangat tidak setuju Sangat setuju
1 _____ 2 ______ _____ 3 ______ ______ 4 _____ 5
3.6 Prosedur Pengumpulan Data
Yaitu suatu metode pengumpulan data yang diperoleh langsung dari obyek penelitian dalam hal ini konsumen pengguna energi dengan jalan sebagai berikut:
1. Wawancara yaitu mengadakan tanya jawab secara langsung dengan pihak yang terkait dengan penelitian ini.
2. Observasi yaitu cara pengumpulan data dengan mengadakan pengamatan langsung terhadap obyek penelitian, terutama yang berkaitan dengan perilaku konsumen.
3. Dokumenter yaitu cara pengumpulan data dengan mengadakan pencatatan data-data yang diperoleh dari obyek penelitian yang berhubungan dengan perilaku konsumen.
4. Kuisioner yaitu pengumpulan data dengan jalan membagikan daftar pertanyaan untuk dijawab oleh responden yang telah ditentukan.
3.7 Teknik Analisis dan Uji Hipotesis 3.7.1 Uji Kesesuaian Model & Uji Statistik
Dalam analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model (Hair et al., 1995; Joreskog & Sorbom, 1989; Long, 1983; Tabachnick & Fiddel, 1996). Umumnya terhadap berbagai jenis fit index yang akan digunakan untuk mengukur derajat kesesuaian antara model yang dihipotesakan dengan data yang disajikan. Peneliti diharapkan untuk melakukan pengujian dengan menggunakan beberapa fit indeks untuk mengukur “kebenaran” model yang diajukannya. Dalam analisis ini menggunakan bantuan program paket LISREL. Berikut disajikan beberapa indeks kesesuaian dan cut-off valuenya
untuk digunakan dalam menguji apakah sebuah model dapat diterima atau ditolak.
1. X2-Chi Square Statistic
Alat uji paling fundamental untuk mengukur overal fit adalah
likehood ratio Chi-Square Statistic. Chi-Square Statistic ini bersifat sangat sensitif terhadap besarnya sampel yang digunakan. Karena itu bila jumlah sampel adalah cukup besar yaitu lebih dari 200 sampel, maka statistik chi-square ini harus didampingi oleh alat uji lainnya (Hair et al., 1995; Tabachnick & Fidel, 1996). Model yang diuji akan dipandang baik atau memuaskan bila nilai chi-squarenya rendah. Semakin kecil nilai X2 = 0, berarti benar-benar tidak ada perbedaan, Ho diterima) dan diterima berdasarkan probabilitas dengan cut-off value
sebesar p > 0.05 atau p > 0.10 (Hulland et al, 1996).
2. RMSEA – The Root Mean Square Error of Approxiamation
RMSEA adalah sebuah indeks yang dapat digunakan untuk mengkompensasi chi-square statistik dalam sampel yang besar (Baumgarter & Homburg, 1996). Nilai RMSEA menunjukkan goodness of fit yang dapat diharapkan bila model diestimasi dalam populasi (Hair et al. 1995). Nilai RMSEA yang lebih kecil atau sama dengan 0.08 merupakan indeks untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan degrees of freedom.
3. GFI-Goodness of Fit Index
Indeks kesesuaian (fit index) ini akan menghitung proporsi tertimbang dari varians dalam matrik kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan (Bentler, 1983; Tanaka & Huba, 1989).
GFI adalah sebuah ukuran non statistical yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1.0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah “better fit”.
4. AGFI – Adjusted Goodness of Fit Indeks
Tanaka & Huba (1989) menyatakan bahwa GFI adalah analog dari R2 dalam regresi berganda. Fit indeks ini dapat di adjust terhadap
degree of freedom yang tersedia untuk menguji diterima atau tidaknya model (Arbuckle, 1999).
Indeks ini diperoleh dengan rumus sebagai berikut : AGFI = 1 – (1 – GFI)
d db
Tingkat penerimaan yang direkomendasikan adalah bila AHFI mempunyai nilai sama dengan atau lebih besar dari 0.90 (Hair et al, 1995; Hulland et al., 1996). Perlu diketahui bahwa baik GFI maupun AGFI adalah kriteria yang memperhitungkan proporsi tertimbang dari varians sebuah matriks.
5. CMIN/DF
The Minimum Sampel Discrepancy Function (CMIN) dibagi dengan degree of freedomnya akan menghasilkan indeks CMIN/DF, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indicator untuk mengukur tingkat fitnya sebuah model. Dalam hal ini CMIN/DF tidak lain adalah statistik chi-square, X2 dibagi DFnya sehingga disebut chi square relatif. Nilai Chi-Square kurang dari 2.0 atau bahkan kadang kurang dari 3.0 adalah indicator dari acceptable fit antara model dan data (Arbuckle, 1997).
6. TLI – Tucker Lewis Index
Adalah sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap sebuah baseline model (Baumgartner & Homburg, 1996). Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan lebih besar sama dengan 0.95 (Hair dkk, 1995) dan nilai yang sangat mendekati 1 menunjukkan average good fit (Arbuckle, 1997).
7. CFI – Comparative Fit of Index
Besaran indeks ini adalah pada rentang nilai sebesar 0-1, dimana semakin mendekati 1, mengindikasikan tingkat fit yang paling tinggi a very good fit (Arbuckle, 1997). Nilai yang direkomendasikan adalah CFI > 0.95. Keunggulan dari indeks ini besarnya tidak dipengaruhi oleh
ukuran sampel karena itu sangat baik untuk mengukur tingkat penerimaan sebuah model (Hulland et al., 1996; Tanaka, 1993). Indeks CFI adalah identik dengan Relative Noncentrality Index (RNI) dari McDonald dan Marsh (1990), yang diperoleh dari rumus :
CFI = RNI = 1 - h h d C d C − −
Dimana C adalah diskrepansi dari model yang dievaluasi dan d adalah
degree of freedomny, sementara Ch dan dh adalah diskrepansi dan degree
of freedomnya dari baseline model yang dijadikan pembimbing.
1.7.2 Teknik Analisis
Teknik analisis yang digunakan dalam penelitian ini adalah
Structural Equation Modeling (SEM) oleh beberapa pakar juga disebut
Path Analysis (Diagram Jalur) melalui jawaban yang diperoleh dari responden sesuai dengan nilai variabel yang telah ditetapkan.
Analisis jalur (path analysis) dikembangkan oleh Sewal Wright dengan tujuan menerangkan akibat langsung dan tidak langsung seperangkat variabel sebagai variabel penyebab, terhadap seperangkat variabel lainnya yang merupakan variabel akibat, yang secara matematis analisis jalur mengikuti pola Structural Equation Modeling (SEM) (Sitepu, 1994). Asumsi-asumsi dalam analisis Path (Dillon and Goldstein, 1984):
1. Model analitis Path menggunakan asumsi bahwa hubungan-hubungan antar variabel merupakan hubungan linear dan bersifat aditif. Model-model kurvilinear dan multiplikatif tidak termasuk dalam Model-model Path. 2. Semua istilah error (residual) diasumsikan tidak saling berkorelasi satu
dengan lainnya.
3. Hanya model-model rekursif yang diperhatikan, dalam arti hanya satu jalur (path) aliran sebab-akibat dalam sistem yang dipelajari. Dengan demikian sebab-akibat yang bersifat resiprokal atau timbal-balik antar variabel tidak diperhatikan atau dicegah (prohibited).
4. Model-model analisis path berasumsi bahwa variabel endogenus minimal terukur dalam skala interval.
5. Variabel yang terukur atau teramati (observed) diasumsikan terukur tanpa ada kesalahan.
6. Model diasumsikan benar dalam arti seluruh hal yang menentukan secara sebab-akibat sudah disertakan dalam model. Jika hal-hal lain yang menentukan sebab-akibat dari variabel-variabel endogenus tidak disertakan, diasumsikan bahwa mereka saling bebas dengan yang sudah ada dalam model.
Tahap-tahap analisis Path menurut Miller (1991, pages: 284): 1. Mengembangkan sebuah skema atau model sebab-akibat. 2. Menetapkan sebuah pola hubungan antar variabel dalam sekuen
tertentu.
3. Menggambarkan sebuah diagram jalur (path).
4. Menghitung koefisien jalur (path) untuk model dasar. 5. Menguji kesesuaian (goodness of fit) dengan model dasar. 6. Menginterpretasi hasil analisis.
Sebelum analisis jalur dilakukan terlebih dahulu digambarkan secara diagramatik struktur hubungan kausal (diagram jalur) variabel penyebab dengan variabel terikat yang bentuknya ditentukan oleh proposisi teoritik yang berasal dari kerangka pikir penelitian dan hipotesis yang diajukan dalam penelitian ini.
Berdasarkan hubungan antara variabel secara teoritik tersebut, maka gambar diagram jalur adalah sebagai berikut :
Kebijakan Pemerintah
Instruksi Presiden No. 10 Tahun 2005 Tentang Penghematan Energi
Gambar 3.1. Diagram Jalur
Dari gambar diatas dapat dibuat persamaan struktural hubungan langsung antar variabel sebagai berikut :
A = B0 + (BBELREGUL×BelieveRegulation) + (BCUSTED× Believe Consumer Education)+
(BINCENT × Believe Incentive) + (BEVAREL × Evaluation Regulation) + (BECUST × Evaluation Consumer Education) + (BEINCEN×Evaluation Incentive)+ e2
Dimana rumusan untuk menghitung pengaruh tersebut adalah sebagai berikut :
BBELREGUL = Regulation sebagai faktor pembentuk Believe berpengaruh terhadap Attitude Attitude toward the behaviour Believe Regulation Consumer Education Incentive Evaluation e3 e1 e2 BEINCEN BECUST BEVAREL BINCENT BCUSTED BBELREGUL
BCUSTED = Consumer Education sebagai faktor pembentuk Believe
berpengaruh terhadap Attitude
BINCENT = Incentive sebagai faktor pembentuk Believe berpengaruh terhadap
Attitude
BEVAREL = Regulation sebagai faktor pembentuk Evaluation berpengaruh
terhadap Attitude
BECUST = Consumer Education sebagai faktor pembentuk Evaluation
berpengaruh terhadap Attitude
BEINCEN = Incentive sebagai faktor pembentuk Evaluation berpengaruh
terhadap Attitude
Berdasarkan diagram jalur diatas, maka hipotesis statistiknya adalah sebagai berikut :
1. Ho : BBELREGUL = 0 (Regulation sebagai faktor pembentuk Believe tidak
berpengaruh terhadap Attitude)
Hi : BBELREGUL 0 (Regulation sebagai faktor pembentuk Believe berpengaruh
terhadap Attitude)
2. Ho : BCUSTED = 0 (Consumer Education sebagai faktor pembentuk Believe
tidak berpengaruh terhadap Attitude)
Hi : BCUSTED 0 (Consumer Education sebagai faktor pembentuk Believe
berpengaruh terhadap Attitude)
3. Ho : BINCENT = 0 (Incentive sebagai faktor pembentuk Believe tidak
berpengaruh terhadap Attitude)
Hi : BINCENT 0 (Incentive sebagai faktor pembentuk Believe berpengaruh
terhadap Attitude)
4. Ho : BEVAREL = 0 (Regulation sebagai faktor pembentuk Evaluation tidak
berpengaruh terhadap Attitude)
Hi : BEVAREL 0 (Regulation sebagai faktor pembentuk Evaluation
berpengaruh terhadap Attitude)
5. Ho : BECUST = 0 (Consumer Education sebagai faktor pembentuk
Hi : BECUST 0 (Consumer Education sebagai faktor pembentuk
Evaluation berpengaruh terhadap Attitude)
6. Ho : BEINCEN = 0 (Incentive sebagai faktor pembentuk Evaluation tidak
berpengaruh terhadap Attitude)
Hi : BEINCEN 0 (Incentive sebagai faktor pembentuk Evaluation
berpengaruh terhadap Attitude)
1.7.3 Uji Hipotesis
Uji hipotesis yang digunakan dalam penelitian ini adalah Trimming Theory
(Sitepu, 1994:9). Teori pengujian trimming adalah metode pengujian dengan memfokuskan pada pengujian proporsi hipotetik yang terdapat dalam penelitian. Kemudian sebelum menarik kesimpulan mengenai hubungan kausal yang digambarkan oleh diagram jalur, terlebih dahulu akan dilakukan pengujian kebermaknaan (test of significance) setiap koefisien jalur yang telah kita hitung.
Kemudian untuk menguji signifikansi koefisien jalur (Bi) yang
menyatakan pengaruh langsung maupun tidak langsung dari masing-masing variabel eksogenus (variabel penyebab) terhadap variabel endogenus (variabel akibat) dengan menggunakan Theory trimming dapat dijelaskan langkah kerja pengujiannya sebagai berikut :
1. Hipotesis statistik (hipotesis operasional) yang akan diuji : Ho : Bi = 0
Hi : Bi 0, i = 1, 2, 3,…………k
2. Statistik uji
a. Dengan t hitung sebesar : t hitung = ) ( i i B Se B
sumber : pedoman penyusunan usulan penelitian dan skripsi 2001, hal L-21 Dimana :
i = 1, 2, 3,……….k Bi = Koefisien Jalur Se = Standard error
b. Daerah kritis Ho melalui kurva distribusi t :
Sumber : pedoman penyusunan usulan penelitian dan skripsi 2001, hal L-21
Gambar 3.2. Kurva Distribusi t
Kriteria pengujian :
Ho diterima, jika – t tabel t hitung t tabel
Ho ditolak, jika t hitung < -t tabel atau t hitung > t tabel c. Dengan kaidah pengujian :
1. Apabila –t tabel < atau t hitung > t tabel, maka Ho ditolak dan Hi diterima, artinya ada pengaruh langsung atau tidak langsung antara variabel eksogenus terhadap variabel endogenus.
2. Apabila –t tabel t hitung atau t hitung t tabel, maka Ho diterima dan Hi ditolak, artinya tidak ada pengaruh langsung atau tidak langsung antara variabel eksogenus terhadap variabel endogenus.
Daerah Penolakan Ho Daerah Penolakan Ho Daerah Penerimaan Ho -t tab t tab
