BAB VI PENYAJIAN DATA DAN ANALISIS
C. Analisis dan Pengujian Hipotesis
dapat disimpulkan bahwasanya semua variabel dinyatakan reliabel.
3. Distribusi angket dan instrument
Tabel 4.3 Distribusi Angket
No Valiabel Indikator No Soal Jumlah
Item 1. Pengaruh Bauran
Pemasaran Jasa Pendidikan
Price 1,2,3,4,5,6,7,8,9,10 10
Place 1,2,3,4,5,6,7,8,9,10 10 2. Pengambilan
keputusan
Pengenalan Masalah
1,2 2
Pencarian informasi
3,4 2
Evaluasi alternatif
5 1
Keputusan pembelian
6,7,8,9,10 5
Perilaku pasca pembelian
Jumlah 30 30
Sumber:diolah dari koesioner penelitian
Jumlah 1140 100 Sumber:diolah dari hasil analisisi deskriptif
Berdasarkan tabel 4.4 dapat disimpulkan bahwa bauran pemasaran price dengan kategori sangat tidak setuju sebanyak 5 dengan persentase 0%, bauran pemasaran price dengan kategori tidak setuju sebanyak 30 dengan persentase 3%, bauran pemasaran price dengan kategori ragu-ragu sebanyak 141 dengan persentase 12%, bauran pemasaran price dengan kategori setuju sebanyak 457 dengan persentase 40%, bauran pemasaran price dengan kategori sangat setuju sebanyak 507 dengan persentase 45%.
b) Place
Adapun hasil deskriptif analysis dari variabel place (X2) adalah sebagai berikut:
Tabel 4.5
Rincian Bauran Pemasaran Place
Tingkatan Frekwensi Persentase
Sangat Tidak Setuju 7 0
Tidak Setuju 31 3
Ragu-ragu 136 12
Setuju 407 36
Sangat setuju 559 49
Jumlah 1140 100
Sumber:diolah dari hasil analisisi deskriptif
Berdasarkan tabel 4.5 dapat disimpulkan bahwa bauran pemasaran place dengan kategori sangat tidak setuju sebanyak 7 dengan persentase 0%, bauran pemasaran place dengan kategori tidak setuju sebanyak 31 dengan persentase 3%, bauran pemasaran
place dengan kategori ragu-ragu sebanyak 136 dengan persentase 12%, bauran pemasaran place dengan kategori setuju sebanyak 407 dengan persentase 36%, bauran pemasaran place dengan kategori sangat setuju sebanyak 559 dengan persentase 49%.
c) Pengambilan keputusan bermukim
Adapun hasil deskriptif analysis dari variabel pengambilan keputusan bermukim (Y) adalah sebagai berikut:
Tabel 4.6
Rincian Pengambilan Keputusan Bermukim Tingkatan Frekwensi Persentase
Sangat Tidak Setuju 22 2
Tidak Setuju 40 3
Ragu-ragu 117 10
Setuju 441 39
Sangat setuju 520 46
Jumlah 1140 100
Sumber:diolah dari hasil analisisi deskriptif
Berdasarkan tabel 4.6 dapat disimpulkan bahwa pengambilan keputusan bermukim dengan kategori sangat tidak setuju sebanyak 22 dengan persentase 2%, pengambilan keputusan bermukim dengan kategori tidak setuju sebanyak 40 dengan persentase 3%, pengambilan keputusan bermukim dengan kategori ragu-ragu sebanyak 117 dengan persentase 10%, pengambilan keputusan bermukim dengan kategori setuju sebanyak 441 dengan persentase 39%, pengambilan keputusan bermukim dengan kategori sangat setuju sebanyak 520 dengan persentase 46%.
2. Analisis infrensial
Ananlisis inferensial dilakukan untuk menjawab rumusan masalah nomor 4 dengan menggunakan analisis regresi linier berganda. Sebelum melakukan pengujian hipotesis, maka perlu dilakukan uji prasyarat terhadap hasil data penelitian. Terdapat empat uji prasyarat yang perlu dilakukan yaitu:
a) Uji Normalitas
Uji normalitas dilakukan untuk nengetahui nilai residual dari suatu data berdistribusi normal atau tidak. Uji normalitas ini termasuk uji prasyarat sebelum melakukan uji hipotesis. Model regresi yang baik yaitu memilki residual yang berdistribusi normal atau data menyebar pada garis diagonal dan mengikuti garis diagonal. Berdasarkan hasil perhitungan dengan bantuan SPSS terkait data bauran pemasaran jasa pendidikan price dan place terhadap pengambilan keputusan bermukim di Pondok Pesantren Mahasiswa Enterpreneur Nurul Islam 2 Jember dapat lihat pada gambar 4.1:
Berdasarkan gambar 4.1 diketahui bahwa data ploting (titik-titik) yang menggambarkan data sesungguhnya mengikuti garis diagonal, maka data tersebut berdistribusi normal. Sehingga asumsi pernyataan normalitas pada regresi ini sudah terpenuhi.
b) Multikolinieritas
Uji multikolinieritas merupakan uji yang digunakan untuk melihat apakah terjadi korelasi yang kuat antara variabel independen atau tidak pada model regresi penelitian ini. Dasar pengambilan keputusan bermukim pada uji multikolinieritas dalam model regresi jika nilai tolerance > 0,100 dan nilai VIF < 10,00.
Berdasarkan hasil perhitungan SPSS terkait bauran pemasaran jasa pendidikan price dan place terhadap pengambilan
Gambar 4.1 Uji Normalitas Bauran Pemasaran Jasa Pendidikan Price dan Place Terhadap Pengambilan Keputusan
keputusan bermukim dapat dilihat pada tabel 4.7.
Tabel 4.7 Uji Multikolinieritas
Model
Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant)
8.414 3.115 2.701 .008
PRICE .282 .110 .283 2.559 .012 .355 2.816
PLACE .509 .119 .474 4.292 .000 .355 2.816
Sumber: Hasil Output SPSS
Dari tabel 4.7 menunjukkan bahwa nilai tolerance pada variabel price dan place 0,355 > dari 0,100 dan nilai VIP pada variabel price dan place 2,816 < 10,00 hal tersebut menandakan bahwa tidak terjadi multikolenieritas pada regresi ini atau tidak ada gangguan multikolinieritas pada penelitian ini.
c) Heteroskedastisitas
Uji heterokedastisitas digunakan untuk melihat apakah terjadi ketidaksamaan variansi dari residual yang dilakukan oleh satu pengamat dengan pemangat lain. Tidak terjadi apabila tidak ada pola yang jelas (bergelombang, melebar kemudian menyempit) pada gambar scatterplots, serta titik-titik menyebar di atas dan bawah angka 0 pada sumbu Y.
Berdasarkan hasil perhitungan dengan bantuan SPSS, diperoleh scatterplots variabel independen terhadap pengambilan keputusan bermukim yang dapat lihat pada gambar dibawah ini.
Berdasarkan gambar 4.2 diketahui bahwa gambar scatterplots menunjukkan bahwa tidak terdapat pola yang jelas, serta titik-titik menyebar di atas dan bawah angka 0 pada sumbu Y, maka dapat disimpulkan bahwa tidak ada gejala heterokedastisitas pada penelitian ini.
d) Autokorelasi
Uji autokorelasi merupakan uji dilakukan untuk menguji apakah dalam model regresi linier terdapat korelasi antara pengganggu pada periode t dengan kesalahan pengganggu pada t-1
Gambar 4.2 Uji Heterokedastisitas
(sebelumnya). Tidak ada gejala autokorelasi jika du < d < 4-du.
Nilai du dicari pada distribusi nilai tabel Durbin Watson berdasarkan K (jumlah variabel) dan N (Banyaknya sampel) dengan signifikansi 5%, secara lengkap tabel durbin Watson bisa dilihat pada lampiran 10.
Berdasarkan bantuan SPP maka diketahui nilai Durbin Watson seperti tabel 4.8.
Tabel 4.8 Uji Autokorelasi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .721a .519 .511 4.016 1.933
a. Predictors: (Constant), PLACE, PRICE b. Dependent Variable: KEPUTUSAN
Berdasarkan gambar 4.8 diketahui bahwa d=1,933, du berdasarkan tabel Durbin Watson=1,7303. Tidak ada gejala autokorelasi jika du < d < 4-du berarti dapat disimpulkan pada data ini tidak terdapat autokorelasi karena 1,7303 < 1,933 < 2,2697.
3. Uji Hipotesis
a) Regresi linier berganda
Analisis regresi ganda adalah pengembangan dari analisis regresi sederhana. Kegunaannya yaitu untuk meramalkan nilai variabel terikat (Y) apabila variabel bebas minimal dua atau lebih, hal tersebut dapat dilihat dari persamaan regresinya dirumuskan:
Y= a + b1X1 + b2X2.
Untuk lebih memudahkan pembaca, peneliti mencantumkan lampiran hasil output analisis regresi linier berganda pada lampiran ke-6 secara langkap. Secara singkat peneliti cantumkan pula output regresi linier berganda pada tabel 4.9.
Tabel 4.9
Hasil Uji Regresi Linier Berganda
Model
Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Consta
nt) 8.414 3.115 2.701 .008
PRICE .282 .110 .283 2.559 .012 .355 2.816
PLACE .509 .119 .474 4.292 .000 .355 2.816
Sumber: Hasil Output SPSS
Dari hasil tabel 4.9 diketahui bahwasanya persamaan regresi Y= 8,414 + 0,282 X1 + 0,509 X2, persamaan regresi tabel 4.9 memperlihatkan hubungan antara variabel independent dengan variabel dependen secara parsial, dari persamaan tersebut dapat disimbulkan:
1) Nilai constanta adalah 8,414, artinya jika tidak terjadi perubahan variabel bauran pemasaran price dan place (nilai X1 dan X2 adalah 0) maka pengambilan keputusan bermukim di PPME Nuris 2 Jember sebesar 8,414 satuan.
2) Nilai koefisien regresi price adalah 0,282, artinya jika variabel X1 price meningkat 1% dengan asumsi variabel place dan konstanta (a) adalah 0, maka pengambilan keputusan bermukim
di PPME Nuris 2 Jember meningkat sebesar 28,2%. Hal tersebut menunjukkan bahwa variabel price yang ditetapkan berkontribusi positif bagi pengambilan keputusan bermukim di PPME Nuris 2 Jember.
3) Nilai koefesien regresi place adalah 0,509 artinya jika variabel place (X2) meningkat sebesar 1% dengan asumsi variabel price (X1) dan konstanta (a) 0, maka pengambilan keputusan bermukim di PPME Nuris 2 Jember meningkat sebesar 50,9%
hal tersebut menunjukkan bahwa kualitas place yang diberikan berkontribusi positif, sehingga semakin besar kualitas place maka semakin melambung pula pengambilan keputusan bermukim.
b) Uji Parsial
Uji parsial ini bisa disebut juga sebagai uji T, uji parsial merupakan uji yang dilakukan untuk mengetahui apakah variabel X berpengaruh terhadap variabel Y secara parsial. Dasar pengambilan keputusan bermukim untuk uji T ini adalah jika nilai sig < 0,05 maka artinya variabel independen (X) secara parsial berpengaruh terhadap variabel dependen. Pengambilan keputusan bermukim juga dapat menggunakan nilai t_hitung dan t_tabel yakni dikatakan variabel X berpengaruh secara parsial jika nilai t_hitung > t_tabel. Nilai T_ tabel bisa dilihat pada lampiran 8.
Melalui bantuan SPSS, ditemukan hasil uji pasrsial yang
peneliti jelaskan seperti tabel 4.10.
Tabel 4.10
Hasil Perhitungan Uji Parsial
Model
Unstandardized Coefficients
Standardized Coefficients
T Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Consta
nt) 8.414 3.115 2.701 .008
PRICE .282 .110 .283 2.559 .012 .355 2.816
PLACE .509 .119 .474 4.292 .000 .355 2.816
Sumber: Hasil Output SPSS
Diketahui bahwasanya nilai Sig X1 (Price) adalah 0,012 <
0,05. Sedangkan nilai Sig X2 (Place) adalah 0,000 < 0,05.
Perhitungan menggunakan rumus t_hitung > t_tabel dengan pencarian t_tabel = (a/2;n-k-1) = (0,05/2;114-2-1) = (0,025;111) = t_tabel 1.983, maka X1 yakni 2,559 > 1,983 dan nilai X2 yakni 4,292 > 1,983. Dari hasil tabel 4.10 dapat disimpulkan bahwa variabel X1 dan X2 berpengaruh secara parsial terhadap variabel Y.
c) Uji Simultan
Uji simultan merupakan uji yang dilakukan untuk mengetahui pengaruh variabel X berpengaruh terhadap variabel Y secara bersamaan. Dasar pengambilan keputusan bermukim untuk uji ini adalah apabila nilai sig < 0,05 maka artinya variabel independen (X) secara simultan berpengaruh terhadap variabel Y.
Berlaku juga untuk pengambilan keputusan bermukim
menggunakan F_hitung > F_tabel. Tabel F_tabel bisa dilihat pada lampiran 9.
Melalui bantuan SPSS, ditemukan hasil uji simultan yang peneliti jelaskan seperti tabel 4.11.
Tabel 4.11 Hasil Uji Simultan
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 1935.326 2 967.663 59.996 .000a
Residual 1790.297 111 16.129
Total 3725.623 113
a. Predictors: (Constant), PLACE, PRICE b. Dependent Variable: KEPUTUSAN
Dari hasil output SPSS tabel 4.11, dapat diketahui bahwa nilai sig sebesar 0,00 menandakan bahwa < 0,05 dan nilai F_hitung dengan F_tabel yaitu (k;n-k) = (2;114-2) = (2;112) = 3,07. Maka F_hitung 59,996 > F-tabel 3,07 yang menyatakan bahwa variabel independen X1 dan X2 (price dan place) berpengaruh secara simultan terhadap variabel dependen Y (pengambilan keputusan bermukim).