VI. METODE PENELITIAN
6.6 Teknik Analisis Data
Menurut Sekaran & Bougie (2017) apabila data yang diperlukan telah terkumpul melalui sampel penelian, maka tahap berikutnya adalah proses analisis data untuk menguji
hipotesis penelitian. Analisis yang digunakan dalam penelitian ini yaitu pendekatan kuantitatif yang bertujuan untuk mengidentifikasi masalah-masalah penelitian. Adapun penelitian ini bertujuan untuk menguji pengaruh antara destination image, memorable tourism experience, dan revisit intention menggunakan regresi sederhana dan regresi berganda.
Regresi berganda adalah analisis yang menggunakan lebih dari satu variabel independen untuk menjelaskan varians dari variabel dependen pada suatu penelitian (Sekaran & Bougie, 2017). Penelitian ini memiliki empat hipotesis di mana satu hipotesis menggunakan regresi sederhana dan dua hipotesis menggunakan regresi berganda serta hipotesis selanjutnya menggunakan regresi berganda dan uji sobel. Regresi sederhana pada hipotesis pertama bertujuan untuk menganalisis pengaruh destination image terhadap memorable tourism experience yang secara formulatif disajikan dalam bentuk persamaan sebagaimana menurut Sugiama (2014) sebagai berikut:
Y=a+b1X
Sedangkan hipotesis selanjutnya menggunakan analisis regresi berganda dan uji sobel yang bertujuan untuk menganalisis apakah memorable tourism experience dapat memediasi pengaruh dari destination image terhadap revisit intention. Persamaan regresi berganda untuk hipotesis keempat
secara formulatif disajikan dalam bentuk persamaan sebagaimana menurut Sugiama (2014) sebagai berikut:
Z=a+b2X+b3Y Keterangan:
Y : Memorable Tourism Experience Z : Revisit Intention
X : Destination Image a : Konstanta
b : Koefisien peningkatan variabel dependen jika ada peningkatan satu satuan variabel independen.
Kemudian, langkah selanjutnya terkait hipotesis keempat dilakukan melalui prosedur yang dikembangkan oleh Sobel yang dikenal dengan uji sobel. Formula sobel dikemukakan oleh Preacher & Hayes (2004) dinyatakan sebagai berikut:
Sab = √𝑏2𝑠𝑎 2+ 𝑎2𝑠𝑏 2+ 𝑠𝑎 2𝑠𝑏 2 Keterangan:
Sab = Besar standar eror pengaruh tidak langsung a = Koefisien regresi variabel independen terhadap
variabel intervening
b = Koefisien regresi variabel intervening terhadap variabel dependen
Sa = Standar eror koefisien a Sb = Standar eror koefisien b
Kusumastuti & Kumalasari (2017) menjelaskan bahwa dalam mengukur tingkat signifikansi pengaruh tidak langsung, maka perlu untuk dilakukan perhitungan nilai t dari koefisien sebagaimana yang diformulasikan oleh Peacher & Haynes (2004). Adapun formulasi perhitungan dinyatakan sebagai berikut:
t = ab Sab Keterangan:
t : Nilai t hitung
Sab : Besar standar error pengaruh tidak langsung a : Koefisien regresi variabel independen terhadap variabel intervening
b : Koefisien regresi variabel intervening terhadap variabel independen
Kemudian, Kusumawati & Kumalasari (2017) menyatakan bahwa untuk menguji signifikansi pengaruh tidak langsung maka perlu menentukan thitung dari koefisien ab dengan menggunakan perhitungan ab dibagi Sab sebagaimana diformulasikan oleh Preacher & Hayes (2004). Pengolahan data untuk menganalisis regresi berganda peneliti menggunakan statistic program of social science (SPSS) versi 25.
Berikutnya, agar model regresi berganda yang digunakan dapat menunjukkan persamaan hubungan yang valid best linier unbiased estimator (BLUE), maka model tersebut harus memenuhi asumsi-asumsi dasar klasik ordinary least square (OLS). Adapun pengujian asumsi klasik meliputi uji normalitas, uji multikolinieritas, uji heterokedastisitas (Ghozali, 2013).
Pengolahan data pada pengujian tersebut menggunakan SPSS versi 25. Selanjutnya akan dijelaskan setiap elemen uji asumsi klasik
a. Uji normalitas
Menurut Sekaran & Bougie (2017) uji normalitas dilakukan untuk mengetahui apakah masing-masing variabel berdistribusi normal atau tidak (Sekaran &
Bougie, 2017). Penelitian ini menggunakan teknik uji komologrov-smirnov yang berguna untuk menguji normalitas dengan melihat angka signifikansi. Adapun kriteria pengujian normalitas yaitu apabila angka signifikansi (Sig.) ≥ 0,05 maka dapat diartikan bahwa data berdistribusi normal dan sebaliknya apabila angka signifikansi (Sig.) < 0,05 maka dapat diartikan bahwa data tidak berdistribusi normal.
b. Uji multikolinieritas
Menurut Sekaran & Bougie (2017) uji multikolinieritas dilakukan untuk menguji apakah dua atau lebih variabel bebas saling berkorelasi pada model regresi.
Multikolinieritas dapat diidentifikasi melalui tolerance value dan varians inflating factor (VIF). Ukuran tersebut menunjukkan tingkat variabel bebas dapat dijelaskan oleh variabel bebas lainnya, selain itu nilai cut off yang umum dalam penelitian ini yaitu toleransi sebesar 0,10 di mana nilai tersebut sama dengan VIF 10 (Sekaran &
Bougie, 2017). Apabila diketahui nilai VIF di bawah 10 atau tolerance value di atas 0,10 maka dapat disimpulkan bahwa model terbebas dari multikolinieritas.
c. Uji heterokedastisitas
Menurut Ghozali (2013) uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi berganda terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain, jika berbeda maka disebut heterokedastisitas. Uji Glejser dilakukan dalam pengujian ini dengan cara meregresi nilai absolute residual dari model yang diestimasi terhadap variabel bebas. Namun apabila tidak ada satupun variabel independen yang berpengaruh signifikan terhadap nilai absolute residual atau jika nilai signifikansinya di atas
5% maka dapat dikatakan bahwa terjadi heteroskedastisitas.
d. Uji Hipotesis
Sekaran dan Bougie (2017) menjelaskan bahwa pengujian hipotesis dilakukan untuk menentukan secara akurat apakah hipotesis nol (H0) dapat ditolak dan digantikan oleh hipotesis alternatif (HA). Adapun hipotesis statistik dalam penelitian ini meliputi:
1. Pengaruh dari destination image (X) terhadap memorable tourism experience (Y)
• H0:b1≤ 0 destination image tidak berpengaruh terhadap memorable tourism experience
• HA:b1> 0 destination image berpengaruh positif dan signifikan terhadap memorable tourism experience 2. Pengaruh destination image (X) terhadap revisit intention
(Z)
• H0:b2≤ 0 destination image tidak berpengaruh terhadap revisit intention
• HA:b2> 0 destination image berpengaruh positif dan signifikan terhadap revisit intention
3. Pengaruh memorable tourism experience (Y) terhadap revisit intention (Z)
• H0:b3≤ 0 memorable tourism experience tidak berpengaruh terhadap revisit intention
• HA:b3> 0 memorable tourism experience berpengaruh positif dan signifikan terhadap revisit intention 4. Pengaruh destination image (X) terhadap revisit intention
(Z) yang dimediasi memorable tourism experience (Y)
• H0: b1 b3≤ 0 memorable tourism experience tidak memediasi pengaruh destination image terhadap revisit intention
• HA: b1 b3> 0 memorable tourism experience memediasi pengaruh destination image terhadap revisit intention
Dengan demikian, dasar kriteria penentuan penerimaan H0 atau HA dalam pengambilan keputusan untuk menginterpretasikan hasil uji t pada hipotesis satu, dua, dan tiga yaitu dengan membandingkan antara thitung dan ttabel dengan degree of freedom (df) = n-k (n merupakan jumlah sampel dan k merupakan jumlah variabel) dan tingkat signifikansi sebesar 5% (0,05). Selain itu, hasil uji t dapat diinterpretasikan melalui perbandingan signifikansi dengan taraf kesalahan sebesar 0,05.
Sugiyono (2017) mengemukakan kriteria dalam uji t sebagai berikut:
a. Variabel bebas ditanyatakan tidak berpengaruh terhadap variabel terikat jika hasil thitung < ttabel atau nilai signifikansi > 0,05. Hal tersebut menunjukkan bahwa H0 gagal ditolak dan HA ditolak.
b. Variabel bebas dinyatakan berpengaruh terhadap variabel terikat jika hasil thitung > ttabel atau signifikansi<
0,05. Hal tersebut menunjukkan bahwa H0 ditolak dan HA diterima.
Kusumawati & Kumalasari (2017) juga menambahkan bahwa untuk mengetahui apakah variabel mediasi mampu memediasi pengaruh variabel bebas terhadap variabel terikat adalah dengan menggunakan uji sobel, dengan kondisi yaitu nilai thitung lebih besar dari ttabel uji sobel atau p value < 0,05.
VII. LOKASI DAN WAKTU PENELITIAN