Metode Analisis Data TINJAUAN PUSTAKA
64
konstruk-konstruk pertanyaan yang merupakan dimensi suatu variabel dan disusun dalam bentuk kuesioner. Instrumen dikatakan reliabel atau
handal jika jawaban seseorang terhadap pertanyaan adalah konsisten atau stabil dari waktu kewaktu.Uji reliabilitas digunakan untuk
mengukur bahwa variabel yang digunakan benar-benar bebas dari kesalahan sehingga menghasilkan hasil yang konstan meskipun diuji
beberapa kali. Perhitungan reliabilitas dilakukan dengan menggunakan uji statistik
Cronbach Alpha . Suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha0,60
Nunnally dalam Ghozali, 2005 2. Uji Asumsi Klasik
Uji asumsi klasik merupakan tahapaon awal yang digunakan sebelum analisis linier berganda Ghozali, 2011: 105. Ketika asumsi tidak
terpenuhi, biasanya peneliti menggunakan berbagai solusi agar asumsinya dapat terpenuhi atau beralih ke metode yang lebih advance agar asumsinya
dapat terselesaikan. Uji asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, uji multikolonieritas, dan uji heteroskedastisitas.
1. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali, 2006:160. Ada dua cara yang sering digunakan untuk
menguji normalitas residual, yaitu dengan analisis grafik normal P- Plot regresi dan uji One Sample Kolmogorov-Smirnov.
65
Uji normalitas dilakukan dengan melihat normal probability plot P – Plot yang membandingkan distribusi kumulatif dari distribusi
normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal.
Jika menyebar sekitar garis dan mengikuti garis diagonal, maka residual pada model regresi tersebut terdistribusi secara normal
Priyatno, 2013:50. Sedangkan untuk uji normalitas penelitian ini juga menggunakan
uji non-parameterik Kolmogorov-smirnov K-S untuk mengetahui signfikansi data terdistribusi normal. Yaitu dengan cara melihat nilai
signifikansi residual Asym.Sig 2-tailed. Jika signifikansi lebih dari 0,05, maka residual terdistribusi secara normal Priyatno, 2013:53.
2. Uji multikoloniearitas Multikolonieritas adalah keadaan dimana antara dua variabel
independen atau lebih pada model regresi terjadi hubungan linier yang sempurna atau mendekati sempurna. Uji multikoloniearitas
bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel independent Ghozali, 2011:171. Jika variabel independent saling berkorelasi,
maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independent yang nilai korelasi antar sesama variabel
66
independent sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut:
1 Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel
independent banyak yang tidak signifikan mempengaruhi variabel dependent.
2 Menganalisis matriks korelasi variabel-variabel independent. Jika antar variabel ada korelasi yang cukup tinggi umumnya di
atas 0.90, maka hal ini merupakan indikasi adanya multikolinieritas. Tidak adanya korelasi yang tinggi antar
variabel independent tidak berarti bebas dari multikolinieritas. Multikolinieritas dapat disebabkan karena adanya efek
kombinasi dua atau lebih variabel independent. 3 Multikolinieritas dapat juga dilihat dari 1 nilai tolerance dan
lawannya 2 variance inflation factor VIF. Kedua ukuran ini menunjukkan setiap variabel independent manakah yang
dijelaskan oleh variabel independent lainnya. Dalam pengertian sederhana setiap variabel
independent menjadi variabel
dependent terikat dan diregres terhadap variabel independent lainnya. Tolerance mengukur variabilitas variabel independent
yang terpilih jika dijelaskan oleh variabel independent lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi
karena VIF = 1tolerance. Nilai cut off yang umum dipakai
67
untuk menunjukkan adanya multikolinieritas adalah nilai tolerance 0.10 atau sama dengan nilai VIF 10. Setiap
peneliti harus menentukan tingkat kolinieritas yang masih dapat ditolerir. Sebagai misal nilai tolerance = 0.10 sama
dengan tingkat kolinieritas 0.95. Walaupun multikolinieritas dapat dideteksi dengan nilai tolerance dan VIF, tetapi kita
masih tetap tidak mengetahui variabel-variabel independent mana sajakah yang saling berkolerasi.
3. Uji heterokedastisitas Uji heterokedastisitas bertujuan menguji apakah dalam model
regresi terjadi ketidaksamaan variance
dari residual satu pengamatan ke pengamatan yang lain Jika variance dari residual
satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas.
Ghozali, 2011:138 Model regresi yang baik adalah yang homokedastisitas atau
tidak terjadi heterokedastisitas. Kebanyakan data crossection mengandung situasi heterokedastisitas karena data ini menghimpun
data yang mewakili berbagai ukuran kecil, sedang, besar. Terdapat beberapa cara atau metode untuk mendeteksi ada atau
tidaknya heterokedastisitas, yaitu : Spearman’s Rho Testing, Glejser Testing, dan grafik regresi.
68
1. Uji Glejser Uji glejser ini dilakukan dengan meregresikan variabel-
variabel bebas terhadap nilai absolute residual. Residual adalah selisih antara nilai observasi dengan nilai prediksi, dan absolute
adalah nilai mutlaknya. Jika nilai signifikansi antara variabel independen dengan residual 0,05, maka tidak terjadi
heterokedastisitas Ghozali, 2006 dalam Duwi Priyatno, 2013:62.
2. Grafik Regresi Scatterplot Grafik plot antara nilai prediksi variabel terikat dependent
yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heterokedastisitas 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 analisis jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar
kemudian menyempit, maka mengindikasikan telah terjadi heterokedastisitas dan jika tidak ada pola yang jelas, serta titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas.
69
3. Uji Hipotesis a. Uji t
Uji statistik pada dasarnya menunjukan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam
menerangkan variasi variabel dependen dan digunakan untuk
mengetahui ada atau tidaknya pengaruh masing-masing variabel independen secara individual terhadap variabel dependen yang diuji
pada tingkat signifikansi 0,05 Ghozali, 2009:84. Menurut Duwi Priyatno 2013: 120 juga menjelaskan kriteria
pengujiannya adalah Ho diterima jika –t tabel ≤ t hitung ≤t tabel dan Ho ditolak jika –t hitung – t tabel atau t hitung t tabel. Dan dasar
pengambilan keputusan yang digunakan dalam uji statistik t adalah sebagai berikut:
1 H
o
: β = 0 Jika nilai probabilitas lebih besar dari 0,05, maka H
diterima atau H
a
ditolak, ini berarti menyatakan bahwa variabel independen atau bebas tidak mempunyai pengaruh secara individual terhadap
variabel dependen atau terikat. 2 Ha : β ≠ 0
Jika nilai probabilitas lebih kecil dari 0,05, maka H ditolak
atau H
a
diterima, ini berarti menyatakan bahwa variabel independen atau bebas mempunyai pengaruh secara individual
terhadap variabel dependen atau terikat.
70
b. Uji F Uji Simultan Uji statistik F menunjukkan apakah semua variabel independen
atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat. Uji
statistik F digunakan untuk mengetahui pengaruh semua variabel independen yang dimasukkan dalam model regresi secara bersama-
sama terhadap variabel dependen yang diuji pada tingkat signifikan 0,05 Ghozali, 2009:84.
Menurut Duwi Priyatno 2013: 122, dasar pengambilan keputusan adalah sebagai berikut:
1 H
o
: β
1,2,3,4,5
= 0 Jika nilai probabilitas lebih besar dari 0,05, maka H
diterima atau H
a
ditolak, ini berarti menyatakan bahwa semua variabel independen atau bebas tidak mempunyai pengaruh secara bersama-
sama terhadap variabel dependen atau terikat. 2 Ha : β
1,2,3,4,5
≠ 0 Jika nilai probabilitas lebih kecil dari 0,05, maka H
ditolak atau H
a
diterima, ini berarti menyatakan bahwa semua variabel independen atau bebas mempunyai pengaruh secara bersama-sama
terhadap variabel dependen atau terikat. 4. Uji Regresi Linear Berganda
Dari beberapa jurnal penelitian terdahulu yang mempunyai tema hampir sama dengan penelitian ini, sebagian besar penelitian tersebut
71
menggunakan analisis regresi linier berganda, maka alasan inilah yang membuat peneliti juga memakai analisis regresi linier berganda. Menurut
Dwi Priyatno 2013:116 Analisis regresi linier berganda adalah alat analisis yang dapat digunakan untuk meramalkan nilai pengaruh dua
variabel bebas atau lebih terhadap satu variabel terikat. Yang bertujuan untuk membuktikan ada tidaknya hubungan fungsional atau hubungan
kausal antara dua atau lebih variabel bebas. variabel independen dan variabel dependen yaitu antara produk X
1
, harga X
2
, budaya X
3
, sosial X
4
dan keputusan pembelian Y Nugroho, 2005:43 Analisis regresi linier berganda adalah suatu analisis yang digunakan
untuk mengetahui pengaruh dua atau lebih variabel bebas X
1,2,3,4,….,n
terhadap variabel terikat Y Sunyoto, 2012:137 dengan menggunakan program SPSS 17 for windows.
Model ini digunakan karena penulis ingin mengetahui tentang produk X
1
, harga X
2
, budaya X
3
, sosial X
4
terhadap keputusan pembelian Stevigrow Sweetener.
Rumus Regresi Linier Berganda :
Bhuono Agung Nugroho, 2005:43 Keterangan :
Y = Variabel Dependen
a = Konstanta
b
1
= Koefisien Regresi produk
Y = a + b
1
x
1
+ b
2
x
2
+ b
3
x
3
+ b
4
x
4
+ e
72
X
1
= Produk b
2
= Koefisien regresi Harga X
2
= Harga b
3
= Koefisien regresi Budaya X
3
= Budaya b
4
= Koefisien regresi Sosial X
4
= Sosial e
= Standar eror
5. Koefisien Determinasi R
2
Koefisien determinasi R
2
bertujuan untuk mengetahui seberapa besar kemampuan variabel independent produk, harga, budaya dan sosial
menjelaskan variabel dependent keputusan pembelian. Nilai koefisien determinasi adalah antara nol dan satu. Nilai yang mendekati satu berarti
variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen Ghozali, 2011:97.
Kelemahan mendasar dalam penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independent yang dimasukkan kedalam
model. Setiap tambahan satu variabel independent, maka R
2
pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara
signifikan terhadap variabel dependent. Oleh karena itu, banyak peneliti yang menganjurkan untuk menggunakan nilai Adjusted R
2
pada saat mengevaluasi mana model regresi yang terbaik. Tidak seperti nilai R
2
,
73
nilai Adjusted R
2
dapat naik atau turun apabila satu variabel independent ditambahkan ke dalam model Ghozali, 2005: 83.
Dalam kenyataan nilai adjusted R
2
dapat bernilai negatif, walaupun yang dikehendaki harus bernilai positif. Menurut Gujarati dalam Ghozali,
2005: 83, jika dalam uji empiris didapat nilai adjusted R
2
negatif, maka nilainya dianggap nol.
Menurut Nachrowi dan Usman 2006: 108, mengatakan bahwa untuk melihat besarnya pengaruh variabel bebas terhadap variabel terikat, salah
satu indikator yang dapat digunakan adalah nilai beta Standardized Coefficient yang terdapat pada tabel ‘coefficient’, angka ini dapat
menunjukan besarnya pengaruh variabel bebas terhadap variabel terikat.