commit to user
38
3. 5 Metode Analisis Data a.
Uji Asumsi Klasik
Metode analisis yang digunakan dalam penelitian ini mengunakan uji asumsi klasik. Uji asumsi klasik merupakan suatu uji untuk mengetahui kelayakan dari
model yang diregresi apakah telah memenuhi asumsi klasik yang meliputi multikolinieritas, autokorelasi, heteroskedastisitas, dan normalitas Gujarati, 2006.
1 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel bebas independen. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam
model regresi, dapat dilihat dari nilai VIF Variance Inflation Factor. Apabila nilai VIF Variance Inflation Factor tidak lebih dari 10, maka tidak
terjadi multikolinier Ghozali, 2009.
2 Uji Heteroskedastisitas
Gejala heteroskedastisitas terjadi sebagai akibat dari variasi residual yang tidak sama untuk semua pengamatan. Pada bagian ini, cara mendeteksi
ada tidaknya gejala heteroskedastisitas dilakukan dengan uji Park. Model regresi linier yang digunakan dalam penelitian ini diregresikan untuk
commit to user
39
mendapatkan residualnya. Nilai residual dilogaritma, kemudian diregresikan dengan semua variabel independen. Apabila nilai probabilitassignifikan
semua variabel independen p0,05 artinya tidak signifikan, maka dapat dikatakan bahwa tidak terjadi heteroskedastisitas Ghozali, 2009.
3 Uji Autokorelasi
Pengujian autokorelasi dimaksudkan untuk mengetahui apakah terjadi korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu
time series atau secara ruang cross sectional. Hal ini mempunyai arti bahwa hasil suatu tahun tertentu dipengaruhi tahun sebelumnya atau tahun
berikutnya. Terdapat korelasi atas data cross section apabila data di suatu tempat dipengaruhi atau mempengaruhi di tempat lain. Untuk mendeteksi ada
atau tidaknya autokorelasi ini dapat dilakukan dengan menggunakan uji statistik Durbin–Watson dw.
Adapun dasar pengambilan keputusan dalam uji Durbin–Watson ini dilakukan dengan ketentuan Gujarati 2006, sebagai berikut:
a. Bila angka dw dL, berarti ada autokorelasi positif. b. Bila angka dw terletak antara dL
≤ dw ≤ du, berarti tidak ada kesimpulan.
c. Bila angka dw terletak antara du ≤ dw ≤ 4 - du, berarti tidak ada
autokorelasi korelasi positif maupun negatif.
commit to user
40
d. Bila angka dw terletak antara 4 - du ≤ dw ≤ dL, berarti tidak ada
kesimpulan. e. Bila angka dw 4 - dL, berarti ada autokorelasi negatif.
4 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Salah satu cara
untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan uji statistik non-parametrik Kolmogorov-Smirnov K-S. Apabila
angka signifikansi semua variabel independen p0,05 artinya tidak signifikan, maka data berdistribusi normal Ghozali,2009.
b. Uji Regresi Bertingkat Hierarchical Regression
Hierachical Regression Analysis adalah metode statistik yang dilakukan bertujuan untuk menjelaskan hubungan antar-variabel yang bersifat berjenjang
Harsono, 2002. Untuk hierachical regression, nilai variabel laten ditentukan berdasarkan nilai komposit dari indikan-indikan yang digunakan untuk mengukurnya.
Untuk menguji apakah variabel-variabel independen mempengaruhi variabel dependen maka penelitian ini menggunakan Three Stage Multiple Regression
Analysis, yang terdiri dari: a.
Tahap pertama, analisis regresi berganda. Analisis ini digunakan untuk mencari pengaruh langsung direct effect variabel price discount, free
commit to user
41
sample, bonus pack, dan in-store display pada purchase intention product trial.
b. Tahap kedua, menambah variabel independen Brand Awareness pada
regresi pertama untuk direct effect c.
Tahap ketiga, menggunakan Moderated Regression Analysis MRA, yaitu memasukkan interaksi price discount, free sample, bonus pack,
dan in-store display yang dimoderasi Brand Awareness pada purchase intention product trial.
Model analisisnya sebagai berikut:
PI = fPD, FS, BP, ID………………………............ 1 PI = fPD, FS, BP, ID + BA ………..…………….. 2
PI = fPD, FS, BP, ID + BA + BAPD…………. 3 PI = fPD, FS, BP, ID + BA + BAFS…………. 4
PI = fPD, FS, BP, ID + BA + BABP…………. 5 PI = fPD, FS, BP, ID + BA + BAID…………… 6
Keterangan: PI
= purchase intention niat pembelian
PD = price discount potongan harga
commit to user
42
FS = free sample contoh gratis
BP = bonus pack kemasan bonus
ID = in-store display tampilan dalam toko
BA = brand awareness kesadaran merk
commit to user
43
BAB IV ANALISIS DATA DAN PEMBAHASAN