reliabilitas dalam penelitian ini menggunakan bantuan software SPSS Statistic and Service Solution 16.0 for windows. Suatu data dikatakan valid atau tidak valid
dengan kriteria pengujian validitas kuesioner sebagai berikut : a. Jika r hitung
≥ r tabel, maka pernyataan dinyatakan valid. b. Jika r hitung r tabel, maka pernyataan dinyatakan tidak valid.
2. Uji Reliabilitas Uji reliabilitas digunakan untuk melihat apakah alat ukur yang digunakan
menunjukkan konsistensi di dalam mengukur gejala yang sama. Pertanyaan yang telah dinyatakan valid dalam uji validitas, maka akan ditentukan reliabilitasnya
dengan kriteria sebagai berikut: a. Jika r
alpha
positif atau dari r
tabel
maka pertanyaan reliable. b. Jika r
alpha
negatif atau dari r
tabel
maka pertanyaan tidak reliable.
3.10 Teknik Analisis Data
Penelitian ini menggunakan metode analisis data yaitu:
3.10.1 Analisis Deskriptif
Analisis deskriptif dalam penelitian ini bertujuan untuk merumuskan, mengelompokkan, menginterpretasikan, dan menganalisis hasil penelitian berupa
identitas responden dan deskriptif variabel sehingga diperoleh gambararan mengenai
suatu keadaan.
3.10.2 Analisis Regresi Logistik
Regresi Logistik kadang disebut model logistik atau model logit digunakan untuk menjelaskan hubungan antara varibel respon yang berupa data dikotomibiner
Universitas Sumatera Utara
dengan variabel bebas yang berupa data berskala interval dan atau kategorik Hosmer dan Lemeshow, 1989. Variabel yang dikotomibiner adalah variabel yang hanya
mempunyai dua kategori saja, yaitu kategori yang menyatakan kejadian sukses Y=1 dan kategori yang menyatakan kejadian gagal Y=0
Regresi logistik adalah bagian dari analisis regresi yang digunakan untuk menganalisis variabel dependen terikat yang kategori dan variabel independen bebas
bersifat kategori, kontinu, atau gabungan dari keduanya. Regresi logistik juga digunakan secara luas pada bidang pemasaran seperti kecendrungan pelanggan untuk membeli suatu
produk atau berhenti berlangganan. Regresi logistik tidak memerlukan asumsi normalitas, heteroskedastisitas, dan
autokolerasi, dikarenakan variable terikat yang terdapat pada regresi logistik merupakan variable dummy 0 dan 1, sehingga residualnya, tidak memerlukan ketiga pengujian
tersebut. Regresi logistik merupakan regresi non linear dimana model yang ditentan akan
mengikuti pola kurva seperti gambar 3.1
Sumber: Situmorang 2014 Gambar 3.1 Model regresi logistik
Model yang digunakan pada regresi logistik adalah :
Log P 1 – p = β
+ β
1
x
1
+ β
2
x
2
+ …… + βkXk
Dimana :
Universitas Sumatera Utara
P : Kemungkinan bahwa Y = 1
X
1,
x
2,
x
3
: Variabel Independen β
: Koefisien Regresi Regresi logistik akan membentuk variabel predictor atau respon p1-p yang
merupakan kombinasi linear dari variabel independen. Nilai variabel predictor ini kemudian ditransformasikan menjai probabilitas dengan fungsi logit.
Regresi logistik juga menghasilkan rasio peluang odds ratios terkait dengan nilai setiap prediktor. Peluang odds dari suatu kejadian diartikan sebagai probabilitas hasil yang
muncul yang dibagi dengan probabilitas suatu kejadian tidak terjadi. Secara umum, rasio peluang odds ratios merupakan sekumpulan peluang yang dibagi oleh peluang lainnya.
Rasio peluang bagi prediktor diartikan sebagai jumlah relatif dimana peluang hasil meningkat rasio peluang 1 atau turun rasio peluang 1 ketika nilai variabel predictor meningkat
sebesar 1 unit.
3.10.3 Uji Hipotesis