BAB 4 HASIL PENELITIAN
4.1.5 Teknik Analisis Data
Teknik analisis data dalam penelitian ini menggunakan pendekatan kuantitatif karena menganilisis data yang berupa angka-angka dan kemudian menarik kesimpulan dari pengujian yang dilakukan, dengan rumus-rumus dibawah ini:
4.1.5.1 Uji Asumsi Klasik 4.1.5.1.1 Uji Normalitas
Uji normalitas berguna untuk menentukan data yang telah dikumpukan berdistribusi normal atau diambil dari populasi normal. Salah satu cara untuk melihat normalitas adalah secara visual yaitu melalui Normal P-P Plot, ketentuannya adalah jika titik-titik masih berada disekitar garis diagonal maka dapat dikatakan bahwa residual menyebar normal.
Model regresi yang baik ialah berdistribusi normal atau mendekati normal dengan nilai sig atau signifikansi > 0,05.
62
Dalam penelitian ini penulis menggunakan grafik yang pada dasarnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik yaitu :
1) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas.
2) Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Berikut ini hasil uji normalitas untuk menguji keselutuhan data variabel penelitian dengan menggunakan kolmogorov smirnov dan probability plot sebagai berikut :
Tabel 4.11
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parametersa Mean .0000000
Std. Deviation 2.98777477
Most Extreme Differences Absolute .134
Positive .081
Negative -.134
Kolmogorov-Smirnov Z 1.338
Asymp. Sig. (2-tailed) .056
a. Test distribution is Normal.
Sumber : Data Penelitian Diolah 2021
Berdasarkan data uji normalitas One-Sample-Kolmogorov- Smirnov Test diatas, menunjukkan bahwa nilai Asymp. Sig (2-tailed) sebesar 0,056. Nilai tersebut lebih besar dari nilai signifikasi dimana 0,056
63
> 0,05. Sehingga dapat disimpulkan data yang digunakan dalam penelitian ini berdistribusi normal.
Gambar 4.1 Gambar Probability Plot
Sumber : Data Penelitian Diolah 2021
Berdasarkan gambar uji probability plot di atas terlihat titik-titik menyebar dan mendekat disekitar garis diagonal sehingga dapat disimpulkan bahwa data berdistribusi normal.
4.1.5.1.2 Uji Multikolinearitas
Uji ini digunakan untuk menemukan apakah terdapat kolerasi diantara variabel bebas (independen). Model regresi yang baik seharusnya bebas multikolinearitas atau tidak terjadi korelasi diantara variabel independen. Uji multikolinearitas juga terdapat beberapa ketentuan, yaitu jika nilai tolerance (VIF) lebih besar dari 10, maka dapat disimpulkan tidak terjadi multikolinearitas pada data yang akan diolah. Untuk mengetahui uji ini dapat dilihat pada tabel berikut ini :
64
Tabel 4.12 Uji Multikolinearitas
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) .774 1.412 .548 .585
Brand Ambassador (X) .149 .038 .345 3.870 .000 .480 2.084
Brand Image (Z) .508 .089 .509 5.707 .000 .480 2.084
a. Dependent Variable: Keputusan Pembelian (Y)
Sumber : Data Penelitian Diolah 2021
Berdasarkan data tabel uji multikolonearitas diatas dapat dipahami bahwa kedua variabel independen yakni Brand Ambassador dan Brand Image memiliki nilai VIF sebesar 2,084. Nilai tersebut dapat diartikan dimana semua variabel bebas dalam penelitian ini pada nilai VIF 2,084 <
10. Sehingga dapat disimpulkan bahwa tidak terjadi multikolonearitas pada variabel penelitian ini.
4.1.5.1.3 Uji Heterokedastisitas
Heteroskedastisitas adalah adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Tujuan dilakukan uji heteroskedasitisitas adalah untuk mengetahui adanya penyimpangan dari syarat-syarat asumsi klasik pada model regresi, dimana dalam model regresi harus dipenuhi syarat adanya heteroskedastisitas.
Untuk mengetahui apakah model regresi dalam penelitian ini dikatakan bebas dari permaasalahan heterokedastisitas dapat menggunakan metode grafik scatter plot, sebagai berikut :
65
Gambar 4.2 Uji Heterokedastisitas
Sumber : Data Penelitian Diolah 2021
Berdasarkan gambar scatterplot uji heterokedastisitas diatas dapat dilihat bahwa titik-titik data menyebar diatas dan dibawah angka 0 pada sumbu Y dan titik-titik data juga tidak membentuk pola yang jelas, sehingga dapat disimpulkan tidak terjadi gejala heterokedastisitas.
4.1.4.2 Analisis Jalur
Menurut Ghozali (2009:99) analisa jalur bertujuan untuk menerangkan akibat langsung dan tak langsung seperangkat variabel, sebagai variabel penyebab, terhadap seperangkat variabel lainnya yang merupakan variabel akibat. Hasil pengujian analisis jalur dapat dilihat pada gambar dibawah ini:
Brand Ambassador
(X)
P1 0,721
Gambar 4.3
Brand Image (Z)
Substruktur 1 Diagram Jalur
66
Brand Ambassador
(X) P2 0,345
Keputusan Pembelian Brand Image
(Z)
(Y)
P3 0,509
Brand Ambassador
(X)
P2 0,345
Keputusan Pembelian
(Y)
Dari gambar 4.3 dapat diketahui bahwa apabila Brand Ambassador mengalami peningkatan 100% maka akan terjadi peningkatan Brand Image sebesar 72,1%.
Gambar 4.4
Substruktur 2 Diagram Jalur
Dari gambar 4.4 dapat diketahui bahwa Apabila Brand Ambassador mengalami peningkatan 100% maka akan terjadi peningkatan Keputusan Pembelian sebesar 34,5%. Sedangkan, apabila Brand Image mengalami peningkatan 100% maka akan terjadi peningkatan Keputusan Pembelian sebesar 50,9%.
Brand Image (Z)
e1 0,480
P1 0,721 P3 0,509 e2 0,370
Gambar 4.5 Diagram Jalur
67
Dari gambar 4.3 dapat diketahui bahwa nilai koefisien jalur P1 sebesar 0,721. Hal ini menunjukkan apabila Brand Ambassador mengalami peningkatan 100% maka akan terjadi peningkatan Brand Image sebesar 72,1%. Kemudian, nilai koefisien jalur P2 sebesar 0,345. Hal ini menunjukkan apabila Brand Ambassador mengalami peningkatan 100%
maka akan terjadi peningkatan Keputusan Pembelian sebesar 34,5%. Dan nilai koefisien jalur P3 sebesar 0,509. Hal ini menunjukkan apabila Brand Image mengalami peningkatan 100% maka akan terjadi peningkatan Keputusan Pembelian sebesar 50,9%.
Koefisien pengaruh langsung, tidak langsung variabel independen terhadap variabel dependen adalah sebagai berikut :
1. Pengaruh langsung variabel X terhadap variabel Y dapat dilihat dari nilai koefisien regresi x terhadap y yaitu P2 sebesar 0,345.
2. Pengaruh tidak langsung variabel X terhadap Y melalui Z dapat dilihat dari perkalian antara nilai koefisien regresi X terhadap Z dengan nilai koefisien regresi Z terhadap Y yaitu P1 x P3 = (0,721) x (0,509) =0,366.
3. Pengaruh total variabel X terhadap variabel Y dapat dilihat dari nilai pengaruh langsung + nilai pengaruh tidak langsung = 0,345 + 0,366 = 0,711.
Kriteria penarikan kesimpulan
1. Jika nilai koefisien pengaruh tidak langsung > pengaruh langsung (P1 x P3 > P2) maka variabel Z adalah variabel intervening, atau dengan kata lain pengaruh yang sebenarnya adalah tidak langsung.
68
2. Jika nilai koefisien pengaruh tidak langsung < pengaruh langsung (P1 x P3 < P2) maka variabel Z adalah bukan variabel intervening, atau dengan kata lain pengaruh yang sebenarnya adalah langsung.
Kemudian dapat diketahui nilai koefisien pengaruh tidak langsung
> pengaruh langsung (P1 x P3 > P2) yaitu 0,366 > 0,345 maka dengan kata lain koefisien pengaruh tidak langsung variabel independen terhadap variabel dependen jauh lebih besar dari pada koefisien pengaruh langsung nya. Maka variabel Z adalah variabel intervening, atau dengan kata lain pengaruh yang sebenarnya adalah tidak langsung.
4.1.4.3 Uji Hipotesis
4.1.4.3.1 Uji Parsial (Uji T) Substruktur 1
Uji t digunakan untuk mengetahui apakah variabel independen (X) berpengaruh secara signifikan terhadap variabel dependen (Y). Signifikan berarti pengaruh yang terjadi dapat berlaku untuk populasi (dapat digeneralisasikan). Hasil pengujian uji t dapat dilihat pada tabel dibawah ini:
Tabel 4.13 Uji T Substruktur 1
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
T Sig.
B Std. Error Beta
1 (Constant) .801 1.599
.721
.501 .618
Brand Ambassador (X) .311 .030 10.309 .000
a. Dependent Variable: Brand Image (Z)
Sumber : Data Penelitian Diolah 2021
69
4.1.4.3.1.1 Pengaruh Brand Ambassador Terhadap Brand Image Dari tabel 4.14 diperoleh hasil signifikan t pengaruh variabel Brand Ambassador (X) terhadap Brand Image (Z) sebesar thitung 10,309 > ttabel
1,984 (sig 0,000), dimana signifikan t lebih kecil dari α = 0,05. Hal tersebut berarti bahwa Brand Ambassador mempunyai pengaruh yang signifikan terhadap Brand Image pada sabun lifebouy di Kelurahan Gedung Johor.
4.1.4.3.1.2 Uji Koefisien Determinasi Substruktur 1
Menurut Ghozali (2009:149), koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai koefisien determinasi ditentukan dengan nilai R square sebagaimana dapat dilihat pada tabel dibawah ini :
Tabel 4.14
Hasil Pengujian Koefisien Determinasi
Model Summary
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 .721a .520 .515 3.42267
a. Predictors: (Constant), Brand Ambassador (X)
Sumber : Data Penelitian Diolah 2020
Berdasarkan hasil pengujian regresi koefisien determinasi terlihat bahwa nilai R square yang diperoleh dalam penelitian ini sebesar 0,520 atau 52,0%. Hal ini berarti bahwa 52,0% diberikan kepada variabel Brand Ambassador terhadap Brand Image, sedangkan sisanya sebesar 48,0%
dipengaruhi oleh variabel bebas lain yang tidak diikut sertakan dalam penelitian ini.
Untuk menganalisis seberapa besar pengaruh variabel lain terhadap struktur modal dapat diketahui dengan cara e1 = √1−�2 = √1−0,5202 =
70
0,480. Maka nilai koefisien jalur dengan variabel lain terhadap Keputusan Pembelian adalah sebesar 48,0%.
4.1.4.3.1 Uji Parsial (Uji T) Substruktur 2
Uji t digunakan untuk mengetahui apakah variabel independen (X) berpengaruh secara signifikan terhadap variabel dependen (Y). Signifikan berarti pengaruh yang terjadi dapat berlaku untuk populasi (dapat digeneralisasikan). Hasil pengujian uji t dapat dilihat pada tabel dibawah ini;
Tabel 4.15 Uji T Substruktur 2
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) .774 1.412 .548 .585
Brand Ambassador (X) .149 .038 .345 3.870 .000
Brand Image (Z) .508 .089 .509 5.707 .000
a. Dependent Variable: Keputusan Pembelian (Y)
Sumber : Data Penelitian Diolah 2021
4.1.4.3.1.1 Pengaruh Brand Ambassador Terhadap Keputusan Pembelian
Dari tabel 4.14 diperoleh hasil signifikan t pengaruh variabel Brand Ambassador (X) terhadap Keputusan Pembelian (Y) sebesar thitung 3,870 >
ttabel 1,984 (sig 0,000), dimana signifikan t lebih kecil dari α = 0,05. Hal tersebut berarti bahwa Brand Ambassador mempunyai pengaruh yang signifikan terhadap Keputusan Pembelian pada sabun antiseptik lifebouy di Kelurahan Gedung Johor.
71
4.1.4.3.1.2 Pengaruh Brand Image Terhadap Keputusan Pembelian
Dari tabel 4.14 diperoleh hasil signifikan t pengaruh variabel Brand Image (Z) terhadap Keputusan Pembelian (Y) sebesar thitung 5,707 > ttabel
1,984 (sig 0,000), dimana signifikan t lebih kecil dari α = 0,05. Hal tersebut berarti bahwa Brand Image mempunyai pengaruh yang signifikan terhadap Keputusan Pembelian pada sabun antiseptik lifebouy di Kelurahan Gedung Johor.
4.1.4.3.1.3 Uji Koefisien Determinasi Substruktur 2
Menurut Ghozali (2009:149), koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai koefisien determinasi ditentukan dengan nilai R square sebagaimana dapat dilihat pada tabel dibawah ini :
Tabel 4.16
Hasil Pengujian Koefisien Determinasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 .794a .630 .623 3.01842
a. Predictors: (Constant), Brand Image (Z), Brand Ambassador (X) b. Dependent Variable: Keputusan Pembelian (Y)
Sumber : Data Penelitian Diolah 2020
Berdasarkan hasil pengujian regresi koefisien determinasi terlihat bahwa nilai R square yang diperoleh dalam penelitian ini sebesar 0,630 atau 63,0%. Hal ini berarti bahwa 63,0% diberikan kepada variabel Brand Ambassador dan Brand Image secara bersama-sama terhadap Keputusan
72
Pembelian, sedangkan sisanya sebesar 37,0% dipengaruhi oleh variabel bebas lain yang tidak diikut sertakan dalam penelitian ini.
Untuk menganalisis seberapa besar pengaruh variabel lain terhadap struktur modal dapat diketahui dengan cara e1 = √1−�2 = √1−0,6302 = 0,370. Maka nilai koefisien jalur dengan variabel lain terhadap Keputusan Pembelian adalah sebesar 37,0%.