Pengujian Terhadap Penyimpangan Asumsi Klasik

BAB III OBJEK DAN METODE PENELITIAN

3.2 Metode Penelitian

3.2.6 Pengujian Terhadap Penyimpangan Asumsi Klasik

lain waktu. Uji reliabilitas dilakukan terhadap item pernyataan dalam kuesioner yang telah dinyatakan valid.

Uji reliabilitas dalam penelitian ini penulis menggunakan Alpha Cronbach. Pemberian interpretasi terhadap reliabilitas variabel dapat dikatakan reliable (reliable) jika koefisien variabelnya lebih dari 0,6 yang dirumuskan sebagai berikut:

𝑟_𝑖= [ 𝑘

(𝑘 − 1)] [1 −∑_𝑎𝑏2 𝑎1² ] Keterangan:

𝑟_𝑖 = Reliabilitas instrumen k = Banyaknya butir pertanyaan

∑_𝑎𝑏2 = Jumlah variasi soal 𝑎1² = Variabel total

89 3.2.6.1 Uji Normalitas

Uji kenormalan distribusi dilakukan untuk mengetahui apakah sampel yang dianalisis telah mewakili populasi atau belum. Dengan diketahuinya kenormalan distribusi akan dapat dilakukan analisis lebih lanjut. Pada penelitian dimana data yang tersedia memiliki distribusi normal, akan mampu menghasilkan persamaan regresi yang dapat menjelaskan variabel terikat secara lebih tepat.

Metode pengujian normal tidaknya distribusi data dilakukan dengan melihat nilai signifikansi variabel, jika signifikan > 0,05 maka menunjukan distribusi data normal. Selain itu, Model regresi baik jika memiliki distribusi data normal atau mendekati normal. Untuk menguji apakah distribusi data normal atau tidak, salah satu caranya adalah dengan melihat histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal.

3.2.6.2 Uji Multikolinearitas

Uji Multikoloneritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas. Jika variabel bebas saling berkorekasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel bebas yang nilai korelasi antar sesama variabel bebas sama dengan nol. Model regresi yang baik seharusnya adalah yang tidak terjadi korelasi diantara variabel-variabel bebas. Cara untuk mendeteksi adanya multikolonearitas adalah dengan cara melihat tabel VIF (Variance Inflation Factor). Jika nilai VIF lebih dari 10 maka ada indikasi adanya multikolonearitas

yang sebenarnya perlu dihindari. Rumus yang digunakan untuk memperoleh nilai VIF adalah:

𝑉𝐼𝐹 = 1 𝑇𝑜𝑙𝑒𝑟𝑎𝑛𝑐𝑒

3.2.6.3 Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi kesalahan atau ketidaksamaan variance dari residual pada model yang sedang diamati dari satu observasi ke observasi lain. Jika variance dari satu observasi ke observasi lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. (Ghazali, 2013:105).

Cara untuk mendeteksi adanya heteroskedastisitas yaitu dengan melihat grafik plot antara nilai prediksi variabel terikat (ZPRED) dengan residualnya (SRESID). Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang telah di studentized. Dengan dasar analisis sebagai berikut:

a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu dan teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan terjadinya heteroskedastisitas.

b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

91 3.2.6.4 Analisis Regresi Linear Berganda

Analisis regresi linear berganda digunakan oleh peneliti, bila peneliti bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel dependen (kriterium), bila dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi (dinaik turunkan nilainya). Jadi analisis regresi berganda akan dilakukan bila jumlah variabel independennya minimal 2 (Sugiyono 2018:307).

Penelitian ini, penulis menggunakan persamaan regresi linear berganda karena variabel bebas dalam penelitian lebih dari satu. Adapun persamaan regresi linear berganda menurut Sugiyono (2018:308) dapat dirumuskan sebagai berikut:

Y = α + 𝑏₁𝑥₁+ 𝑏₂𝑥₂ Keterangan :

Y = Kepuasan konsumen α = Konstanta

b1,b2 = Koefisien regresi variabel independen X1 = Service quality

X2 = Brand trust

Dalam penelitian ini, variabel terikat (dependen variabel) adalah kepuasan konsumen, dan variabel bebas (independen variabel) yaitu service quality dan brand trust.

3.2.6.5 Analisis Koefisien Korelasi dan Determinasi 1. Analisis Koefisien Korelasi

Analisis koefisien korelasi digunakan untuk mengetahui arah dan kuatnya hubungan antar dua variabel atau lebih. Arah diyatakan dalam bentuk hubungan positif atau negatif, sedangkan kuat atau lemahnya hubungan dinyatakan dalam besarnya koefisien korelasi (Sugiyono, 2017:286).

Dalam penelitian ini, analisis koefisien korelasi digunakan untuk mengetahui kuat hubungan antara variabel-variabel independen, yaitu service quality dan brand trust, baik secara parsial mapun secara simultan terhadap kepuasan pelanggan.

Koefisien korelasi (r) menunjukkan derajat korelasi antara variabel independen dan variabel dependen. Nilai koefisien korelasi harus terdapat dalam batas-batas -1 hingga +1 (-1< r ≤ +1) yang menghasilkan beberapa kemungkinan, antara lain sebagai berikut:

a. Tanda positif menunjukkan adanya korelasi positif dalam variabel- variabel yang diuji, yang berarti setiap kenaikan dan penurunan nilai- nilai X akan diakui dengan kenaikan dan penurunan Y. Jika = +1 atau mendekati 1, maka menunjukkan adanya pengaruh positif antara variabel-variabel yang diuji sangat kuat.

b. Tanda negatif adanya korelasi negatif antara variabel-variabel yang diuji, yang berarti setiap kenaikan nilai-nilai X akan diikuti dengan penurunan nilai Y dan sebaliknya. Jika r = -1 atau mendekati -1,

menunjukkan adanya pengaruh negatif dan korelasi variabel-variabel yang diuji lemah.

c. Jika r = 0 atau mendekati 0, maka menunjukkan korelasi yang lemah atau tidak ada korelasi sama sekali antara variabel-variabel yang diteliti dan diuji.

Tabel 3.3

Interprestasi Koefisien Korelasi

Interval Koefisien Koefisien Korelasi

0,00-0,199 Sangat Rendah

0,20-0,399 Rendah

0,40-0,599 Sedang

0,60-0,799 Tinggi

0,80-1,000 Sangat Tinggi

Sumber: Sugiyono (2017:184)

Tanda (+) dan (-) yang terdapat dalam koefisien korelasi menunjukkan adanya arah hubungan antara variabel tersebut. Tanda (-) menunjukkan hubungan yang berlawanan arah, yang artinya jika satu variabel naik, maka yang lainnya turun. Sedangkan tanda (+) menunjukkan hubungan yang searah, yang artinya jika suatu variabel naik, maka yang lainnya naik.

2. Koefisien Determinasi

Analisis koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.

Nilai koefisien determinasi adalah antara nol dan 1 (satu). Nilai R2 yang

kecil berarti kemampuan variabel-variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk mempredisksi variasi variabel dependen.

Dalam penelitian ini, analisis koefisien determinasi digunakan untuk mengetahui seberapa besar kemampuan variabel independen menerangkan variasi variabel dependen. Untuk mengetahui nilai dari koefisien determinasi, maka penulis menggunakan rumus sebagai berikut:

Kd = 𝑅² x 100%

Keterangan:

Kd = Koefisien Determinasi 𝑅² = Koefisien Korelasi

Dalam dokumen analisis service quality dan brand trust terhadap (Halaman 106-112)