Pengaruh Proses Intepretasi pada Sikap terhadap Produk
Gambar 8. Hasil minitab untuk uji asumsi Eε
i
= 0 Berdasarkan Gambar 8, dapat diketahui bahwa nilai p-value dari
Residual adalah 1,000 atau lebih besar dari 0,05. Sedangkan hipotesis yang diajukan dalam asumsi ini adalah:
H : μ error samadengan 0
H
1
:
μ error tidak samadengan 0 Dengan demikian uji asumsi ini sudah terpenuhi karena menerima
H
dan menolak
H
1
.
2. Asumsi homoskedastisitas
Asumsi-asumsi untuk analisis regresi memerlukan kondisi bahwa residu tetap konstan untuk semua nilai Y. Kondisi ini disebut
homoskedastisitas. Pengujian homoskedastisitas dapat dilakukan dengan menggunakan Scatterplot, seperti yang disajikan pada
Gambar 9 sebagai berikut:
Gambar 9. Scatterplot untuk uji asumsi Homokedastisitas
Residual Plots for Y One-Sample Z: RESI1
Test of mu = 0 vs not = 0 The assumed standard deviation = 1
Variable N
Mean StDev
SE Mean 95 CI
Z P
RESI1 100 -0.000
0.662 0.100 -0.196, 0.196
-0.00 1.000
4 . 0 0 3 . 7 5
3 . 5 0 3 . 2 5
3 . 0 0 2 . 7 5
2 . 5 0 2
1
- 1 - 2
F i t t e d V a l u e R
e s
id u
a l
V e r s u s F i t s
r e s p o n s e i s Y
73
Berdasarkan Scatterplot tersebut dapat disimpulkan bahwa tidak ada lagi keragaman di sekitar banyak nilai Y daripada di sekitar
sedikit nilai Y. Dengan demikian asumsi tersebut terpenuhi. 3.
Asumsi multikolinearitas Multikolinearitas terjadi ketika peubah bebas saling berkorelasi
atau benar-benar tidak independen dan memberikan informasi yang berlebihan. Pengujian multikolinearitas digunakan untuk
melihat adanya hubungan yang terjadi antara sesama prediktor. Semakin kuat hubungan antara sesama prediktor maka semakin
tidak independen. Sebaliknya semakin lemah hubungan antara sesama
prediktor maka
semakin independen.
Pengujian multikolinearitas diindikasikan dengan nilai VIF masing-masing
prediktor. Suatu data dikatakan terbebas dari persoalan multikolinearitas apabila nilai VIF prediktor tidak melebihi 10.
Berdasarkan Tabel 16 dapat diketahui bahwa masing-masing prediktor memiliki nilai VIF sebesar 1,620. Dengan demikian
dapat disimpulkan bahwa data terbebas dari persoalan multikolineritas karena nilai VIF tidak melebihi 10.
Tabel 16. Hasil uji asumsi Multikolinearitas
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. Collinearity
Statistic B
Std. Error
Beta Tolerance
VIF 1
Constant 1.733
.373 4.641
.000 X1
.216 .140
.184 1.544
.126 .617
1.620 X2
.265 .131
.241 2.019
.046 .617
1.620 Dependent Variable: Y
4. Asumsi normalitas sebaran
Asumsi normalitas sebaran menggambarkan sebaran data yang diperoleh dari hasil kuesioner yang disebarkan kepada konsumen
yaitu mahasiswa Institut Pertanian Bogor. Asumsi normalitas sebaran dapat diketahui melalui pengujian statistik maupun
pengujian normalitas yang dilakukan dengan histogram dan plot 74
normal. Berikut ini pengujian asumsi normalitas sebaran dengan menggunakan plot normal dan pengujian statistik:
2 1
- 1 - 2
9 9 . 9 9 9
9 5 9 0
8 0 7 0
6 0 5 0
4 0 3 0
2 0 1 0
5 1
0 . 1
R E S I 1 P
e rc
e n
t
M e a n - 2 . 6 7 3 4 2 E - 1 5
S t D e v 0 . 6 6 2 3
N 1 0 0
A D 0 . 4 4 6
P - V a l u e 0 . 2 7 8
P r o b a b i l i t y P l o t o f R E S I 1
N o r m a l
Gambar 10. P-Plot untuk uji asumsi Normalitas Sebaran Berdasarkan Gambar 10 tersebut, dapat disimpulkan bahwa asumsi
normalitas sebaran terpenuhi. Ini ditunjukkan dengan sebaran data hasil kuesioner yang berada di sekitar garis lurus Normal P-Plot
dan nilai p-value yang menunjukkan angka sebesar 0,278 atau lebih besar dari 0,05.
Setelah dilakukan
pengujian asumsi
klasik, langkah
selanjutnya adalah melakukan analisis regresi linier berganda, dimana sikap terhadap produk Y merupakan variabel dependen, dan
perceived Attractiveness terhadap endorser X
1
serta perceived Expertise terhadap endorser X
2
merupakan variabel independen. Adapun model regresi linier berganda dengan 2 variabel independen
yang digunakan dalam penelitian ini adalah sebagai berikut: Y
i
= β + β
1
x
1i
+ β
2
x
2i
+ … + β
p
x
pi
+ ε
i
………….6
Dimana: Y
= sikap terhadap produk X
1i
= perceived Attractiveness terhadap endorser X
2i
= perceived Expertise terhadap endorser β
, β
1
, β
2
= koefisien regresi linier berganda 75
Semua pengolahan data berikut analisis regresi linier berganda dilakukan dengan menggunakan bantuan program komputer yaitu
SPSS 15.0 for Windows Evaluation Version. Hasil pengolahan data tersebut adalah sebagai berikut:
Tabel 17. Hasil uji Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation
RATA2Y 100
1.00 4.60
3.1528 .71713
RATA2X1 100
1.77 4.62
3.2887 .61273
RATA2X2 100
1.00 4.32
2.6819 .65197
Tabel 17 tersebut menggambarkan bahwa rata-rata sikap dari 100 konsumen Y adalah 3,1528 dengan nilai minimum dan
maksimum secara berturut-turut adalah 1,00 dan 4,60 serta standar deviasi sebesar 0,71713. Adapun rata-rata dari proses intepretasi
responden terhadap dimensi attractiveness X
1
adalah 3,2887 dengan nilai minimum dan maksimum sebesar 1,77 dan 4,62 serta nilai standar
deviasi sebesar 0,61273, sedangkan rata-rata dari proses intepretasi responden terhadap dimensi expertise X
2
adalah 2,6819 dengan standar deviasi sebesar 0,65197 serta nilai minimum dan maksimum
sebesar 1,00 dan 4,32. Descriptive Statistic tidak menggambarkan korelasi antar
variabel. Oleh karena itu, untuk perhitungan korelasi antar variabel dilakukan dengan menggunakan rumus korelasi product moment
pearson dengan Sig.1-tailed. Perhitungan korelasi akan signifikan apabila nilai Signifikansi Sig.1-tailed 0,05 atau nilai probabilitas
lebih kecil dari pada taraf signifikansi yang digunakan yaitu 5 persen. Dengan demikian, berdasarkan Tabel 18 dapat diketahui bahwa
terdapat hubungan korelasi positif antara variabel sikap dengan variabel Source Credibility Scale, dengan penjelasan sebagai berikut:
76
a. Variabel sikap Y berkorelasi nyata dengan variabel persepsi Attractiveness terhadap endorser X
1
dengan Nilai Signifikansinya Sig.1-tailed adalah 0,000 dan nilai probabilitas sebesar 0,333.
b. Variabel sikap Y berkorelasi nyata dengan variabel persepsi Expertise terhadap endorser X
2
dengan Nilai Signifikansinya Sig.1-tailed adalah 0,000 dan nilai probabilitas sebesar 0,355.
Tabel 18. Hasil uji Correlations Variable sikap dengan Variable Source Credibility Scale
Y X1
X2 Y
Pearson Correlation 1
.333 .355
Sig. 1-tailed .000
.000 N
100 100
100 X1
Pearson Correlation .333
1 .619
Sig. 1-tailed .000
.000 N
100 100
100 X2
Pearson Correlation .355
.619 1
Sig. 1-tailed .000
.000 N
100 100
100 . Correlation is significant at the 0.01 level 1-tailed.
Tabel 19. Koefisien regresi linier berganda
Variabel Koefisien
Regresi Standar
Error Nilai
Probabilitas Sig.
95 Confidence Interval for B
Lower Bound
Upper Bound
Constant 1,733
0,373 0,000
0,992 2,474
X1 0,216
0,140 0,126
-0,062 0,493
X2 0,265
0,131 0,046
0,005 0,526
Dependent Variable: Y
Berdasarkan Tabel 19 maka diperoleh informasi tentang persamaan regresi linier berganda sebagai berikut:
Y
= 1,733 + 0,216 X
1
+ 0,265 X
2
77
Dimana: a. β
= Sikap konsumen bernilai 1,733 pada saat X
1
=0, dan X
2
=0 meningkat.
b. β
2
= 0,265. Dengan demikian apabila terjadi penambahan sebesar satu satuan pada perceived Expertise terhadap endorser X
2
dimana faktor-faktor yang lain tidak mengalami perubahan, maka akan
terjadi peningkatan variabel sikap responden
Y
terhadap produk sebesar 0,265 satuan nilai.
c. Nilai probabilitas Sig. X
1
adalah sebesar 0,126 sehingga
Y
tidak berpengaruh pada setiap perubahan X
1
. Berikut ini merupakan estimasi selang interval koefisien regresi pada
selang kepercayaan 95 a. β
1
berada pada selang 0
≤
β
1
≤
0,493, karena nilai persepsi β
1
tidak mungkin negatif seperti yang tergambar pada nilai
β
1
di Lower Bound.
b. β
2
berada pada selang 0,005
≤
β
2
≤
0,526. Langkah selanjutnya adalah menganalisis pengaruh variabel
proses intepretasi konsumen terhadap endorser pada variabel sikap konsumen terhadap produk. Analisis tersebut menggunakan uji F
untuk mengetahui pengaruh variabel independen secara bersama-sama dan uji T untuk mengetahui pengaruh variabel independen secara
parsial. Hasil analisis tersebut adalah sebagai berikut: Tabel 20. Hasil uji Anova
Model Sum of
Squares Df
Mean Square
F Sig.
1 Regression
7.483 2
3.742 8.357
.000 Residual
43.430 97
.448 Total
50.913 99
a. Predictors: Constant, X2, X1
b. Dependent Variable: Y
78
Hasil uji Anova seperti yang terlihat pada Tabel 20 menunjukkan bahwa nilai F
test
adalah 8,357 dengan nilai signifikansi sebesar 0,000 atau kurang dari alpha 0,05. Sedangkan nilai F
tabel
untuk df pembilang=2 dan df penyebut=97 adalah 3,090. Dengan demikian penelitian ini menolak H
dan menerima H
1
, dimana H
1
menyatakan bahwa ada hubungan antara perceived credibilities konsumen terhadap endorser SIMcard IM3, yaitu Adli Fairuz dengan
sikap yang ditunjukkan konsumen terhadap produk SIMcard IM3. Tabel 21. Model Summary regresi linier berganda
Model R
R Square Adjusted
R Square Std. Error of
the Estimate Durbin-
Watson 1
.383 .147
.129 .66913
1.810 a Predictors: Constant, X2, X1
b Dependent Variable: Y
Pada Model Summary regresi linier berganda Tabel 21 terdapat beberapa bilangan statistik yang secara sekaligus ditampilkan
secara bersamaan, yaitu harga koefisien R, koefisien R Square, koefisien Adjusted R Square, koefisien Standar Error of the Estimate,
dan koefisien Durbin Watson. Berikut ini merupakan intepretasi dari koefisien R dan R Square yang ditampilkan pada Model Summary,
yaitu: a. Koefisien R
Koefisien R berguna untuk mengetahui keeratan hubungan antara variabel independen X
1
Perceived attractiveness terhadap endorser dan X
2
Perceived expertise terhadap endorser secara simultan terhadap variabel dependen Y Sikap terhadap produk.
Berdasarkan Tabel 21 dapat diketahui bahwa harga koefisien R menunjukkan nilai sebesar 0,383. Hal ini menggambarkan bahwa
terdapat hubungan yang lemah Tabel 22 antara variabel
79
independen dalam hal ini proses intepretasi terhadap endorser dengan variabel sikap terhadap produk sebagai variabel dependen.
Tabel 22. Kriteria nilai korelasi Nilai R korelasi
Kriteria Hubungan Tidak ada hubungan
0 - 0,5 Korelasi lemah
0,5 - 0,8 Korelasi sedangcukup kuat
0,8 – 1 Korelasi kuat
1 Korelasi sempurna
b. Koefisien R Square Koefisien R Square berguna untuk mengetahui besarnya kontribusi
variabel independen X
1
dan X
2
secara bersama-sama dalam menjelaskan variabel dependen Y. Semakin besar nilai R Square
maka semakin menggambarkan ketepatan model yang diuji. Tabel 21 menunjukkan nilai R Square sebesar 0,147. Ini berarti bahwa
variabel independen X
1
dan X
2
secara bersama-sama menjelaskan variabel dependen Y sebesar 14,7 persen. Hubungan yang terjadi
antara endorser dengan produk merupakan hubungan yang tidak langsung. Oleh karena itu nilai 14,7 persen dianggap sudah cukup
untuk merepresentasikan pengaruh dari proses intepretasi terhadap keahlian dan keatraktifan dari endorser dalam pembentukan sikap
konsumen terhadap produk. Sedangkan sisanya yaitu sebesar 85,3 persen dijelaskan oleh variabel lain yang tidak diteliti dalam
penelitian ini. Pada uji T, hasil analisis menunjukkan bahwa variabel
perceived Expertise terhadap endorser berpengaruh nyata terhadap variabel sikap terhadap produk. Ini dibuktikan dengan nilai
signifikansi X
2
yang terlihat pada Tabel probability Lampiran 6. Adapun nilai signifikansi X
2
tersebut kurang dari alpha 0,05 yaitu 80
sebesar 0,046 dan t
stat
lebih besar dari t
tabel
1,984 yaitu sebesar 2,019. Berdasarkan hasil tersebut, dapat disimpulkan bahwa konsumen lebih
memperhatikan sisi keahlian dari endorser untuk mempengaruhi mereka dalam menentukan sikap terhadap produk dibandingkan sisi
keatraktifan dari endorser itu sendiri.