HASIL PENELITIAN DAN PEMBAHASAN

Mellisa Paendong 391

3. HASIL PENELITIAN DAN PEMBAHASAN

Uji Validitas dan Reliabilitas Dari output dibawah didapat X1.1= 0,000 X1.2= 0,003, X1.3=0,000, X1.4=0,007. X2.1= 0,000, X2.2= 0,000, X2.3= 0,001, X2.4= 0,000, X2.5= 0,000, X2.6= 0,000. Y1= 0,000, Y2= 0,007, Y3= 0,000, Y4= 0,000, Y5= 0,000, Y6= 0,000 Karena nilai seluruh indikator 0,05, berarti indikator X1, X2, dan Y dinyatakan valid. Tabel 4.1 Uji Validitas dan Reliabilitas Variabel Pernyataan Sig Status Cronbach Alpha Status Kebutuhan X 1 X 1.1 0,000 Valid 0,672 Reliabel X 1.2 0,003 Valid Reliabel X 1.3 0,000 Valid Reliabel X 1.4 0,007 Valid Reliabel X 1.5 0,000 Valid Reliabel X 1.6 0,000 Valid Reliabel Gaya HidupX 2 X 2.1 0,000 Valid 0,624 Reliabel X 2.2 0,000 Valid Reliabel X 2.3 0,001 Valid Reliabel X 2.4 0,000 Valid Reliabel X 2.5 0,000 Valid Reliabel X 2.6 0,000 Valid Reliabel Keputusan Pembelian Y Y 1.1 0,000 Valid 0,722 Reliabel Y 1.2 0,007 Valid Reliabel Y 1.3 0,000 Valid Reliabel Y 1.4 0,000 Valid Reliabel Y 1.5 0,000 Valid Reliabel Y 1.6 0,000 Valid Reliabel Sumber: Hasil Olahan Data, 2016 UJI ASUMSI KLASIK Uji Asumsi Klasik Normalitas Gambar 4.1 Normal P-P Plot of Regression Standardized Residual Sumber: Hasil Olahan Data, 2016 Mellisa Paendong 392 Gambar diatas menunjukkan bahwa grafik Normal P-P of Regression Standardized Residual menggambarkan penyebaran data di sekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal grafik tersebut, maka model regresi yang digunakan dalam penelitian ini memenuhi asumsi normalitas. Uji Heteroskesdastis Gambar 4.2 Grafik Uji Heterokedastisitas Sumber: Hasil Olahan Data, 2016 Gambar 4.2 diatas grafik Scatterplot yang ditampilkan untuk uji heterokesdastisitas menampakkan titik-titik yang menyebar secara acak dan tidak ada pola yang jelas terbentuk serta dalam penyebaran titik-titik tersebut menyebar dibawah dan diatas angka 0 pada sumbu Y. Hal tersebut mengidentifikasikan tidak terjadinya heterokesdastisitas pada model regresi, sehingga model regresi layak dipakai untuk memprediksi variabel Keputusan PembelianY Uji Multikolinearitas Tabel 4.2 Uji Multikolineraritas Model Collinearity Statistics Tolerance VIF Constant Kebutuhan .943 1.060 Gaya Hidup .943 1.060 Sumber: Hasil Olahan Data, 2016 Berdasarkan hasil diatasdapat dilihat pada output coefficient model, dikatakan tidak terjadi gejala multikolinearitas jika nilai VIF 10. Hasil perhitungan menghasilkan nilai VIF untuk Kebutuhan X 1 dan Gaya HidupX 2 dibawah angka 10maka dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas dalam model regresi tersebut. Mellisa Paendong 393 Analisa Regresi Linier Berganda Berdasarkan hasil perhitungan dengan menggunakan bantuan program SPSS seperti pada tabel dibawah maka dapat dilihat bahwa model regresi yang diperoleh adalah: Tabel 4.3 Regresi Linier Berganda Model Unstandardized Coefficients B Std. Error 1 Constant 3.947 2.656 Kebutuhan .264 .089 Gaya Hidup .556 .094 Sumber: Hasil Olahan Data, 2016 Persamaan regresi Y = 3,947 + 0,264 X 1 + 0.556 X 2 menggambarkan bahwa variabel bebas independen Kebutuhan X 1 dan Gaya HidupX 2 dalammodel regresi tersebut dapat dinyatakan jika satu variabel independen berubah sebesar 1 satu dan lainnya konstan, maka perubahan variabel terikat dependen Keputusan PembelianY adalah sebesar nilai koefisien b dari nilai variabel independen tersebut. Konstanta  sebesar 3,947 memberikan pengertian bahwa jika Kebutuhan X 1 dan Gaya HidupX 2 secara serempak atau bersama-sama tidak mengalami perubahan atau sama dengan nol0 maka besarnya Keputusan PembelianY sebesar 3,947 satuan. Jika nilai b 1 yang merupakan koefisien regresi dari Kebutuhan X 1 sebesar 0,264 artinya mempunyai pengaruh positif terhadap variabel dependen Y mempunyai arti bahwa jika variabel Kebutuhan X 1 bertambah 1 satuan, maka Keputusan PembelianYjuga akan mengalami kenaikkan sebesar 0,264 satuan dengan asumsi variabel lain tetap atau konstan. Jika nilai b 2 yang merupakan koefisien regresi dari Gaya HidupX 2 sebesar 0.556 yang artinya mempunyai pengaruh positif terhadap variabel dependen Y mempunyai arti bahwa jika variabel Gaya Hidup X 2 bertambah 1 satuan, maka Keputusan PembelianY akan mengalami kenaikkan sebesar 0.556 satuan dengan asumsi variabel lain tetap atau konstan. Koefisien Korelasi R dan Koefisien Determinasi R 2 Tabel 4.4 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .617 a .381 .367 1.77305 Sumber: Hasil Olahan Data SPSS 20, 2016 Mellisa Paendong 394 Berdasarkan hasil perhitungan dengan menggunakan bantuan program SPSS 20 seperti yang ada pada tabel diatas dapat dilihat bahwa nilai R yangdihasilkan adalah sebesar 0.617 artinya mempunyai kuat. Nilai R square adalah 0,367 atau 36,7 Artinya pengaruh semua variable bebas : Kebutuhan X1 dan Gaya Hidup X2 terhadap variable independent Keputusan Pembelian adalah sebesar 36,7 dan sisanya sebesar 63,3 di pengaruhi variabel lain Pembahasan Pengaruh Kebutuhan terhadap Keputusan Pembelian Kebutuhan adalah keinginan manusia akan suatu barang atau jasa yang diharapkan dapat memberikan kepuasaan jasmani ataupun rohani, dimana kebutuhan manusia bersifat nyata dan tidak nyata. Hasil penelitian menunjukkan bahwa kebutuhan berpengaruh positif dan signifikan terhadap keputusan pembelian. artinya setiap terjadi peningkatan kebutuhan maka akan meningkatkan keputusan pembelian secara signfikan. Kebuhan merupakan hal mendasarkan yang harus dipenuhi terlebih dahulu sehingga orang-orang yang membutuhkan suatu barang atau jasa akan melakukan keputusan pembelian Pengaruh Gaya Hidup terhadap Keputusan Pembelian Gaya hidup adalah pola hidup seseorang di dunia yang iekspresikan dalam aktivitas, minat, dan opininya. Hasil penelitian menujukkan bahwa gaya hidup berpengaruh positif dan signifikan terhadap keputusan pembelian. Artinya setiap terjadi peningkatan gaya hidup akan meningkatkan keputusan pembelian konsumen. Hal itu terjadi karena perubahan zaman yang semakin modern sehingga orang-orang berlomba untuk mengikuti trend gaya hidup.

4. PENUTUP