45
4.2.2 Analisis Regresi Logistik
4.2.2.1 Menguji Model Fit Overall model fit test
Uji ini digunakan untuk menilai model yang telah dihipotesiskan telah fit atau tidak dengan data. Pengujian dilakukan
dengan membandingkan nilai antara -2 log likelihood pada awal block number = 0 dengan nilai -2 log likelihood pada akhir block
number = 1. Nilai -2 log likelihood awal pada block number = 0,
dapat ditunjukkan melalui Tabel 4.5 berikut:
Tabel 4.5 Nilai-2 Log Likehood -2 LL Awal
Block 0: Beginning Block Iteration History
a,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1
78,257 1,259
2 77,627
1,468 3
77,625 1,482
4 77,625
1,482 a. Constant is included in the model.
b. Initial -2 Log Likelihood: 77,625 c. Estimation terminated at iteration number 4 because parameter
estimates changed by less than ,001. Sumber: Hasil Pengolahan SPSS April 2015
Dari tabel diatas, terdapat 4 nilai dari -2 Log likelihood yang diberikan. Satu untuk model yang hanya memasukkan konstanta
block 0 = beginning block yaitu sebesar 77,625 Nilai dari -2 Log likelihood
ini adalah signifikan dengan alpha 5 0,05 yang berarti hipotesis nol ditolak, yaitu model dikatakan fit dengan data.
46
Tabel 4.6 Nilai -2 Log Likelihood -2 LL akhir
Block 1 : Method = Enter Iteration History
a,b,c,d
Iteration -2 Log
likelihood Coefficients
Constant Ketidakpuasan
Konsumen Kebutuhan
Mencari Variasi
Step 1 1
62,011 -3,706
,162 ,169
2 54,732
-7,003 ,311
,280 3
53,425 -9,038
,408 ,345
4 53,354
-9,636 ,437
,363 5
53,354 -9,677
,439 ,365
6 53,354
-9,677 ,439
,365 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 77,625
d. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.
Sumber: Hasil Pengolahan SPSS April 2015 Dari Tabel 4.5 dan Tabel 4.6 dapat dilihat bahwa -2 log
likelihood awal pada block number = 0, yaitu model yang hanya
memasukkan konstanta yang dapat dilihat pada step 3, memperoleh nilai sebesar 77,625. Kemudian pada tabel selanjutnya dapat dilihat
Nilai -2 Log likelihood -2 LL akhir dengan blocknumber = 1. Nilai - 2 Log likelihood pada Tabel 4.7 mengalami perubahan sehingga
menyebabkan Nilai -2 Log likelihood -2 LL akhir pada step 4 menunjukkan nilai 53,354 yang dapat dilihat pada Tabel 4.6. Selisih
antara nilai -2LL awal dengan nilai -2LL akhir adalah sebesar 24,271. Adanya pengurangan nilai antara -2LL awal dengan nilai -
47 2LL pada langkah berikutnya -2LL akhir menunjukkan bahwa
model yang dihipotesiskan fit dengan data.
4.2.2.2 Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan goodness of fitness test yang diukur dengan
nilai chi square pada bagian bawah uji hosmer and lemeshow. Uji ini adalah untuk melihat apakah data empiris cocok atau tidak dengan
model atau dengan kata lain diharapkan tidak ada perbedaan antara data empiris dengan model.
Menurut Sarwono 2013, untuk menguji kelayakan model regresi, gunakan uji hipotesis berikut:
H0 : Tidak ada perbedaan yang signifikan antara klasifikasi yang diprediksi dan yang diamati.
H1 : Ada perbedaan yang signifikan antara klasifikasi yang diprediksi dan yang diamati.
Dasar keputusannya adalah : 1.
Jika probabilitas 0,05, H0 diterima. 2.
Jika probabilitas 0,05, H0 ditolak.
Tabel 4.7 Hosmer and Lemeshow Test
Step Chi-square
Df Sig.
1 2,358
8 ,968
Sumber: Hasil Pengolahan SPSS April 2015
48 Tabel 4.7 menunjukkan hasil pengujian Hosmer and
Lemeshow . Hasil pengujian statistik menunjukkan probabilitas
signifikansi menunjukkan angka 0,968 nilai signifikansi yang diperoleh lebih besar dari 0.05 maka H0 diterima. Hal ini berarti
model regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang
diprediksi dengan klasifikasi yang diamati, atau dapat dikatakan model mampu memprediksi nilai observasinya.
Tabel 4.8 Contingency Table for Hosmer and Lemeshow Test
Keputusan Perpindahan Merek
= Tidak Keputusan
Perpindahan Merek = Ya
Total Observed Expected Observed Expected
Step 1 1 5
5,667 3
2,333 8
2 4
3,419 4
4,581 8
3 3
2,311 5
5,689 8
4 2
1,369 6
6,631 8
5 1
1,015 7
6,985 8
6 ,455
7 6,545
7 7
,279 7
6,721 7
8 ,314
10 9,686
10 9
,119 7
6,881 7
10 ,053
10 9,947
10 Sumber: Hasil Pengolahan SPSS April 2015
Dari Tabel 4.8 dapat dilihat bahwa dari langkah-langkah pengamatan untuk Keputusan Perpindahan Merek = 1 Ya maupun
Keputusan Perpindahan Merek = 0 Tidak, nilai yang diamati
49 Observed maupun nilai yang diprediksi Expected, tidak
mempunyai perbedaan yang terlalu ekstrim. Ini menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini mampu
memprediksi nilai observasinya.
4.2.2.3 Hasil Pengujian Hipotesis
Hasil pengujian hipotesis bertujuan untuk mengetahui apakah pengaruh dari variabel-variabel bebas terhadap opini audit.
Pengujian dengan regresi logistik ditunjukkan dalam tabel-tabel berikut ini.
Tabel 4.9 Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis
81 100,0
Missing Cases ,0
Total 81
100,0 Unselected Cases
,0 Total
81 100,0
a. If weight is in effect, see classification table for the total number of cases
Sumber : Hasil Pengolahan SPSS April 2015
a. Jumlah sampel pengamatan sebanyak 81 responden, dan seluruh
sampel telah diperhitungkan kedalam pengujian hipotesis. b.
Tidak ada variabel dependen yang dikeluarkan dengan nilai dummy variabel. Untuk variabel dependen bernilai 0 untuk tidak berpindah
merek dan bernilai 1 untuk berpindah merek. c.
Metode yang digunakan untuk memasukkan data adalah metode enter
dimana apabila menggunakan metode ini seluruh variabel
50 bebas independen disertakan dalam pengolahan analisis data
untuk mengetahui variabel mana yang berpengaruh terhadap variabel dependen.
Selanjutnya variabilitas antara variabel dependen dengan variabel independen dapat dilihat pada Tabel berikut ini.
Tabel 4.10 Model Summary
Step -2 Log
likelihood Cox Snell R
Square Nagelkerke R
Square 1
53,354
a
,259 ,420
a. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.
Sumber : Hasil Pengolahan SPSS April 2015
Berdasarkan Tabel 4.10 diatas, maka dapat dilihat bahwa hasil analisis regresi logistik secara keseluruhan menunjukkan nilai Cox Snell R
Square sebesar 0,259. Cox Snell R Square merupakan ukuran yang
mencoba meniru ukuran seperti halnya R
2
pada OLS regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum
kurang dari satu, sehingga sulit untuk diinterpretasikan. Nagelerke’s R square
merupakan modifikasi dari koefisien Cox dan Snell
. Untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu. Hal ini dilakukan dengan cara membagi nilai
Cox dan Snell’s R square dengan nilai maksimumnya. Nilai Nagelerke
R
2
dapat diinterpretasikan seperti nilai R
2
pada OLS regression. Dilihat dari hasil output pengolahan data nilai Nagelerke R Square
adalah sebesar 0.420 yang berarti variabilitas variabel dependen yang
51 dapat dijelaskan oleh variabel independen yaitu ketidakpuasan
konsumen dan kebutuhan mencari variasi adalah sebesar 42, sisanya sebesar 58 dijelaskan oleh variabel-variabel lain diluar model.
4.2.2.4 Matriks Klarifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan keputusan
perpindahan merek dari smartphone Blackberry pada mahasiswa Program Studi Manajemen Fakultas Ekonomi dan Bisnis Universitas
Sumatera Utara.
Tabel 4.11 Classification Table
a
Observed Predicted
Keputusan Perpindahan
Merek Percentage
Correct Tidak
Ya Step 1
Keputusan Perpindahan Merek Tidak
6 9
40,0 Ya
4 62
93,9 Overall Percentage
84,0 a. The cut value is ,500
Sumber: Hasil Pengolahan SPSS April 2015
Tabel 4.11 menunjukkan hasil output Classification Table dimana kekuatan prediksi dari model regresi untuk memprediksi
kemungkinan keputusan untuk berpindah merek dari smartphone Blackberrysebesar 84,0, halini berarti model dapat dikatakan baik
52 dan dari perbandingan antara kedua nilai mengidentifikasikan tidak
terdapatnya masalah homoskedastisitas asumsi model logit.
4.2.2.5 Menguji Koefisien Regresi
Model regresi logistik yang digunakan dalam pengujian hipotesis adalah sebagai berikut :
Y = α + βX
1
+ βX
2
+ ε
Dimana: Y : Ketidakpuasan konsumen variabel dummy, 1 jika ya berpindah
merek, 0 jika tidak berpindah merek α : Konstanta
β : Koefisien regresi X
1
: Ketidakpuasan Konsumen X
2
: Kebutuhan Mencari Variasi
ε : Standart error
53 Dari hasil analisis diperoleh nilai-nilai koefisien untuk
persamaan regresi logistik pada penelitian ini. Persamaan logistik penelitian ini memiliki nilai konstanta sebesar -9,677 Selain itu, dari
tabel juga dapat dilihat besar masing-masing koefisien variabel bebas persamaan logistik tersebut, yaitu :
1. Variabel Ketidapuasan Konsumen B1 = 0,439 Dari nilai ini dapat disimpulkan bahwa jika variabel iklan
ditingkatkan dan variabel Ketidapuasan Konsumendianggap konstan maka akan meningkatkan keputusan perpindahan merek
dari smartphone Blackberry pada mahasiswa Program Studi Manajemen Fakultas Ekonomi dan Bisnis Universitas Sumatera
Utara sebesar 0, 439. 2. Variabel Kebutuhan Mencari Variasi B2 = 0,365
Dari nilai ini dapat disimpulkan bahwa jika variabel tagline ditingkatkan dan variabel iklan dianggap konstan maka akan
meningkatkan keputusan perpindahan merek dari smartphone
Tabel 4.12 Hasil Uji Koefisien Regresi
Variables in the Equation
B S.E.
Wald df Sig. ExpB Step 1
a
Ketidapuasan Konsumen ,439
,185 5,633
1 ,018 1,551
Kebutuhan Mencari Variasi ,365
,160 5,226
1 ,022 1,440
Constant -9,677 2,857 11,470
1 ,001 ,000
a. Variables entered on step 1: Ketidapuasan Konsumen, Kebutuhan Mencari
Variasi. Sumber : Hasil Pengolahan SPSS April 2015
54 Blackberry pada mahasiswa Program Studi Manajemen Fakultas
Ekonomi dan Bisnis Universitas Sumatera Utara sebesar 0,365. Output variables in the equation menunjukkan nilai
signifikansi berdasarkan Wald Statistic, jika model signifikan, aka nilai sig. adalah kurang dari 0,05. Dari tabel diatas dapat dilihat
besaran nilai sig. untuk masing-masing variabel yang menunjukkan hubungannya dengan keputusan perpindahan merek, yaitu :
1. Pengaruh Ketidakpuasan Konsumen Terhadap Keputusan Perpindahan Merek.
Variabel Ketidakpuasan Konsumen memiliki nilai koefisien sebesar 0,439 dengan tingkat signifikansi sebesar 0,018 yang
lebih kecil dari 0,05. Hal ini berarti besar kecilnya variabel ketidakpuasan konsumen berpengaruh terhadap keputusan
perpindahan merek. 2. Pengaruh Kebutuhan Mencari Variasi Terhadap Keputusan
Perpindahan Merek. Variabel kebutuhan mencari variasi memiliki nilai koefisien
sebesar 0,365 dengan tingkat signifikansi sebesar 0,022 yang lebih kecil dari 0,05. Hal ini berarti besar kecilnya variabel
kebutuhan mencari variasi berpengaruh terhadap keputusan perpindahan merek.
55
4.3 Pembahasan