Sedangkan nilai
sikap Ao
total, nilai
range diperoleh
dari:
[ ]
48 5
10 1
10 25
= −
sehingga diperoleh pembagian kelas sikap Ao total sebagai berikut: 10 - 58
= Sangat negatif 59 – 106
= Negatif 107 – 154
= Netral 155 – 202
= Positif 203 – 250
= Sangat positif
4.4.2 Analisis Deskriptif
Nazir 1988 menyatakan bahwa metode analisis deskriptif adalah suatu metode dalam meneliti sekelompok manusia, suatu objek, suatu set kondisi, suatu
sistem pemikiran ataupun suatu peristiwa pada masa sekarang. Tujuan penelitian deskriptif adalah untuk membuat deskripsi, gambaran atau lukisan secara
sistematis, faktual dan akurat mengenai fakta-fakta, sifat-sifat serat hubungan antar fenomena yang diselidiki.
Penelitian ini, data dan informasi dari kuisoner diolah dan disajikan dalam bentuk tabulasi deskriptif. Tabulasi deskriptif merupakan analisis yang digunakan
untuk mengetahui karakteristik konsumen dan proses pengambilan keputusan pembelian konsumen terhadap minuman lidah buaya Kavera.
4.4.3 Analisis Regresi Linier Berganda
Analisis regresi linier berganda digunakan untuk mengetahui faktor-faktor yang mempengaruhi keputusan pembelian minuman lidah buaya Kavera. Regresi
berganda dapat meramalkan bagaimana keadaan naik atau turunnya variabel
terikat Y dengan variabel-variabel bebas X sebagai faktor prediktor dinaikkan atau diturunkan nilainya. Model yang digunakan dalam penelitian ini adalah
model kuadrat terkecil biasa atau OLS ordinary least square. Model analisis regresi dapat digunakan jika jumlah variabel bebasnya minimal dua variabel.
Hasil analisis dapat menunjukkan korelasi antara variabel dependen Y dengan variabel-variabel bebas X yang telah ditentukan.
Volume pembelian minuman lidah buaya Kavera dalam satu bulan merupakan variabel dependen Y, sedangkan variebel bebas yang diduga
mempengaruhi keputusan pembelian minuman lidah buaya Kavera berjumlah delapan variabel, yaitu jenis kelamin, jumlah anggota keluarga, status perkawinan,
pekerjaan, pendidikan, kemudahan memperoleh, cara pembelian dan pengetahuan tentang Kavera. Masing-masing variabel bebas, dan volume pembelian minuman
lidah buaya Kavera yang memiliki hubungan akan menghasilkan nilai positif atau negatif. Hubungan X dan Y dikatakan positif apabila kenaikan X diikuti oleh
kenaikan Y, dan sebaliknya hubungan X dan Y dikatakan negatif jika kenaikan X tidak diikuti oleh kenaikan Y.
Model persamaan regresi linier berganda dapat menjelaskan berapa besarnya koefisien korelasi dan koefisien determinasi, sehingga dapat diketahui
besarnya hubungan antara variabel terikat dan variabel bebas. Untuk mengetahui seberapa besar pengaruh X terhadap Y, maka perlu ditentukan persamaan garis
regresi.
Bentuk persamaan garis regresi dalam penelitian ini adalah: Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
....... + β
8
X
8
+ e dimana:
Y = Volume pembelian Kavera dalam sebulan
α = intersep
β = koefisien yang akan diestimasi
X
1
= jenis kelamin D=0 untuk laki-laki; D=1 untuk perempuan X
2
= jumlah anggota keluarga orang X
3
= status perkawinan D=0 untuk belum menikah; D=1 untuk menikah X
4
= pekerjaan X
5
= pendidikan X
6
= kemudahan memperoleh D=0 untuk mudah memperoleh; D=1 untuk sulit memperoleh
X
7
= cara pembelian D=0 untuk mendadaktergantung situasi; D=1 untuk terencana
X
8
= pengetahuan tentang Kavera D=0 untuk tidak mengetahui manfaat; D=1 untuk mengetahui manfaat Kavera
e = error
Pengujian Hipotesis
Uji hipotesis berguna untuk memerikas atau menguji apakah koefisien regresi yang didapat signifikan atau berbeda nyata. Maksud dari signifikansi
adalah suatu nilai koefisien regresi yang secara statistik tidak sama dengan nol. Jika koefisien sama dengan nol, berarti dapat dikatakan bahwa tidak cukup bukti
untuk menyatakan variabel bebas mempunyai pengaruh terhadap variabel terikat. Pengujian hipotesis secara keseluruhan dilakukan untuk melihat pengaruh
variabel-variabel bebas secara bersama-sama terhadap variabel terikat. Pada pengujian ini beberapa kriteria pengujian statistik yang digunakan
untuk mengevaluasi apakah model yang digunakan sudah baik atau belum adalah koefisien determinasi, uji F dan uji t.
1. Koefisien Determinasi R-Sq
Koefisien determinasi R2 adalah nilai yang paling penting karena koefisien tersebut menggambarkan sebarapa jauh variabilitas Y dipengaruhi oleh
X. Semakin besar koefisien determinasi, maka model semakin baik.
2. Uji F
Uji F digunakan untuk melihat apakah variabel penjelas secara bersama- sama berpengaruh nyata atau tidak terhadap variabel dependen.
a. Hipotesa
H = βi = 0
H
1
= nilai βi yang tidak sama dengan nol b.
Uji Statistik Nilai F
hitung
diperoleh dengan rumus = 1
1
2 2
k n
R k
R −
− −
Dimana: R
2
= jumlah kuadrat regresi n
= jumlah sampel 1-R
2
= jumlah kuadrat sisa k
= jumlah parameter c.
Kriteria Uji Apabila: F
hitung
F
tabel
maka tolak H F
hitung
F
tabel
maka terima H d.
Kesimpulan
3. Uji t
Uji t merupakan suatu pengujian yang bertujuan untuk mengetahui apakah koefisien regresi signifikan atau tidak.
a. Hipotesa
H : bi = 0
H
1
: bi ≠ 0
b. Uji Statistik
t
hitung
=
i i
S β
β
dimana: βi = koefisien regresi suatu peubah bebas
Sβi = standar deviasi
c. Kriteria Uji
. Pengujian terhadap hipotesis ini mengikuti aturan pengujian yang telah
ditentukan. Pada α = 0,05 variabel bebas dinyatakan memiliki pengaruh nyata terhadap variabel terikat apabila nilai t
hitung
nilai t
tabel
tolak H . Sebaliknya α =
0,05 variabel bebas tidak berpengaruh nyata terhadap variabel terikat jika nilai t
hitung
nilai t
tabel
terima H .
Langkah berikutnya adalah mencari koefisien korelasi dengan membuat tabel frekuensi dari variabel X dan Y agar perhitungan lebih mudah karena data
yang diperoleh adalah data kelompok. Masing-masing data dimasukkan sesuai kelompok yang telah ditentukan. Hasil pertama yang diharapkan adalah nilai Y
sama dengan rata-rata dari nilai Y secara keseluruhan yang bisa disimbolkan dengan Y . Akan tetapi, jika nilai Y tidak sama dengan nilai Y maka terjadi
penyimpangan total yang harus dijelaskan. Penyimpangan yang terjelaskan
R
2
= Penyimpangan total
Pada regresi berganda dapat terjadi multikolinieritas antara variabel- variabel bebas yang diteliti. Multikolonieritas dapat dilihat dari nilai VIF
Variance Inflation factor yang dimiliki masing-masing variabel bebas. Apabila nilai VIF lebih besar dari 10 maka akan terjadi multikolinieritas dan sebaliknya
jika nilai VIF lebih kecil dari 10 maka tidak terjadi multikolinieritas.
Pada analisis regresi berganda juga perlu dilihat apakah terjadi otokorelasi antar data yang terdapat pada suatu variabel. Otokorelasi dapat diuji dengan
menggunakan uji Durbin Watson DW, dengan ketentuan apabila nilai DW 1,65 DW 2,5 berarti tidak ada autokorelasi.
4.4.4 Analisis Sikap Multiatribut Fishbein