Analisis Deskriptif Metode Regresi Logistik

literatur, hasil penelitian sebelumnya serta situs-situs internet yang terkait dengan topik penelitian.

4.6 Metode Pengolahan Data

Data yang akan diperoleh dari penelitian ini adalah data kualitatif dan kuantitatif, selanjutnya dilakukan pengolahan data dengan langkah-langkah sebagai berikut : 1. Pengeditan, semua data yang diperoleh dilapang akan diedit. Tujuan dari pengeditan adalah untuk memilih semua data dan informasi yang diperoleh berdasarkan kerangka formulasi yang telah ditetapkan. 2. Tabulasi, langkah ini bertujuan untuk menyajikan data-data dalam bentuk tabel dan gambar untuk mempermudah penyajian dan interpretasi data-data tersebut. 3. Interpretasi bertujuan menghubungkan semua variabel-variabel yang telah ditetapkan dalam kerangka pemikiran yang akan digunakan dengan hasil penelitian yang diperoleh. Dalam penelitian ini yang akan dilakukan data dianalisis dan disajikan dalam dua bentuk, yaitu tabulasi deskriptif dan metode analisis regresi logistik.. Pengolahan data dilakukan menggunakan Microsoft Excel 2007 dan SPSS 17.0

4.6.1 Analisis Deskriptif

Analisis deskriptif merupakan suatu metode dalam meneliti status kelompok manusia, suatu objek, suatu set kondisi, suatu sistem pemikiran, ataupun suatu kelas peristiwa pada masa sekarang. Tujuannya adalah untuk membuat deskripsi, gambaran atau lukisan secara sistematis, faktual dan akurat, mengenai fakta-fakta, sifat-sifat serta hubungan antar fenomena yang diselidiki Nazir, 2003. Analisis deskriptif dilakukan dengan cara menggambarkan secara rinci data yang diperoleh dengan membuat tabulasi hasil jawaban responden dan kemudian dipersentasekan. Data yang di analisis dengan menggunakan tabulasi deskriptif adalah karakteristik responden, persepsi responden terhadap produk Oreo setalah adanya, dan sikap responden dalam mengkonsumsi produk Oreo setelah adanya isu melamin.

4.6.2 Metode Regresi Logistik

Analisis regresi logistik merupakan bagian dari analisis regresi. Regresi logistik adalah persamaan matematik yang menggambarkan hubungan antara variabel tak bebas dengan sejumlah variabel bebas. Pada model regresi logistik variabel tak bebasnya bersifat biner atau dikotomi yakni memiliki nilai yang diskontinyu 1 dan 0. Kleinbaum 1994 yang diacu dalam Rama 2008 menyatakan bahwa regresi logistik merupakan suatu pendekatan model matematika yang dapat digunakan untuk memaparkan hubungan antara peubah X dengan peubah respon biner Y. Regresi logistik merupakan suatu model dimana respon variabel terikat Y bersifat memihak kepada 1 dari 2 atau lebih pilihan yang ada. Model logit juga menggambarkan bagaimana peluang atau kemungkinan terpilihnya salah satu dari sejumlah pilihan yang tersedia. Variabel terikat Y dibuat dalam bentuk dummy 0,1,2,3,.... Nilai variabel tak bebas dari model logistik antara 0 dan 1, bentuk fungsi dari model logistik adalah : Ln [P 1-P] = α + βx + μ P adalah nilai peluang dari variabel tak bebas yang nilainya biner yaitu 0 dan 1, nilai P diperoleh dari : Y = Prob Y=1 = 1 1 μ βχ α + + − + e Sebaran peluang yang digunakan dalam fungsi logit adalah sebaran logistik, sehingga nilai harapan bersyarat Y jika diketahui X adalah : E Y │X = π X = 1 x g x g e e + dengan g X = Ln [ πX 1-πX] Dalam penelitian ini, konsumen dihadapkan pada pilihan persepsi baik dan sikap positif terhadap produk Oreo setelah adanya isu melamin atau persepsi buruk dan sikap negatif terhadap produk Oreo setelah adanya isu melamin. Keputusan ini dianggap sebagai variabel dependent tak bebas yang diduga dipengaruhi oleh sejumlah variabel independent bebas. Faktor-faktor yang mempengaruhi keputusan konsumen selalu membawa motivasi, persepsi, dan pilihan pribadi masing-masing. Engel et al,1994 menyatakan proses keputusan dibentuk oleh tiga faktor yaitu pengaruh lingkungan, perbedaan individu, dan pengaruh psikologis. Sedangkan Kotler 2000 membagi faktor-faktor tersebut ke dalam kategori budaya, sosial, pribadi, dan psikologis. Faktor pribadi atau karakteristik pribadi individu merupakan salah satu faktor yang mempengaruhi keputusan konsumen. Karakteristik tersebut meliputi usia, pekerjaan, pendidikan, pendapatan, status perkawinan, pekerjaan, dan lain-lain. Dalam Sumarwan 2003 perbedaan karakteristik menggambarkan ciri unik dari masing-masing individu. Perbedaan karakteristik ini akan mempengaruhi respon individu terhadap lingkungannya secara konsisten. Merujuk pada hal-hal tersebut maka salah satu faktor yang diduga mempengaruhi persepsi dan sikap konsumen terhadap produk Oreo setelah adanya isu melamin adalah karakteristik konsumen. Adapun beberapa karakteristik konsumen yang digunakan dalam penelitian ini adalah gender jenis kelamin, usia, dan uang saku perbulan. Variabel lain yang diduga dimasukkan ke dalam pengolahan analisis regresi logistik ini yaitu persepsi terhadap produk Oreo setelah adanya isu melamin, hal ini sesuai dengan teori Kotler 2000 yang menyatakan bahwa salah satu faktor yang mempengaruhi keputusansikap konsumen adalah persepsi. Variabel lainnya adalah tingkat pengetahuan keamanan pangan, dan tingkat pengetahuan terhadap produk Oreo yang merupakan faktor lingkungan yang mempengaruhi keputusan konsumen. Sedangkan faktor-faktor lain seperti faktor pengaruh psikologis dan pengaruh nilai produk tidak dimasukan karena disesuaikan dengan kondisi dilapangan. Hipotesa dari keenam variabel yang akan dianalisis adalah : 1. Genderjenis kelamin Analisis konsumen mempertimbangkan jenis kelamin laki-laki dan perempuan sebagai indikator variabel dalam hal memiliki persepsi dan sikap terhadap produk Oreo setelah adanya isu melamin. Jenis kelamin sangat berhubungan dengan selera dan kebiasaan, diduga jenis klamin perempuan akan lebih memiliki persepsi dan sikap yang baik terhadap produk Oreo setelah adanya isu melamin. Jenis kelamin dikategorikan menjadi laki-laki 0 dan perempuan 1. 2. Usia Perbedaan usia diduga akan memberikan pengaruh yang berbeda terhadap persepsi dan sikap konsumen terhadap produk Oreo setelah adanya isu melamin. Hal ini terkait dengan tingkat kepercayaan, pengetahuan, selera dan kesadaran nilai pembelian suatu produk. Usia berhubungan dengan tingkat pengetahuan seseorang, sehingga semakin bertambah usia, konsumen akan cenderung memiliki pengetahuan yang lebih banyak dibandingkan dengan usia yang lebih muda. Dengan demikian diduga bahwa usia yang lebih tua akan memiliki persepsi dan sikap yang baik terhadap produk Oreo setelah adanya isu melamin. Variabel usia tidak dikategorikan hal ini dikarenakan usia responden relatif berdekatan. 3. Uang saku Besarnya uang saku merupakan variabel yang diduga akan mempengaruhi persepsi dan sikap konsumen terhadap produk Oreo setelah adanya isu melamin. Semakin besar uang saku yang diterima konsumen maka akan mempermudah konsumen untuk mendapatkan informasi atau pengetahuan sehingga diduga konsumen dengan uang saku tinggi akan mempengaruhi persepsi dan sikap yang baik terhadap produk Oreo setelah adanya isu melamin. Variabel uang saku dikategorikan menjadi kurang dari Rp.500.000,- 0, antara 500.000-1.000.000 1, dan lebih besar Rp. 1000.000,- 2. Adapun yang mendasari pengelompokan uang saku responden adalah besarnya sebaran uang saku responden dimana sebagian besar responden memiliki uang saku yang kurang dari Rp.500.000,- , antara Rp. 500.000-1.000.000,- ,dan lebih besar dari Rp. .000.000,-. 4. Tingkat pengetahuan keamanan pangan Pengetahuan konsumen merupakan salah satu indikator pengukuran persepsi konsumen. Semakin banyak konsumen mengetahui mengenai keamanan pangan, maka akan cenderung untuk memiliki persepi dan sikap yang baik terhadap produk Oreo. Konsumen yang memiliki pengetahuan yang tinggi mengenai keamanan pangan tentu akan lebih peduli terhadap produk-produk yang mengandung zat-zat yang berbahaya bagi kesehatan sehingga akan mendorong konsumen untuk mencari kebenaran informasi mengenai isu melamin. Variabel tingkat pengetahuan keamanan pangan dikategorikan menjadi sedang 0, rendah 1, dan tinggi 2. 5. Tingkat pengetahuan terhadap produk Oreo. Pengetahuan konsumen merupakan salah satu indikator pengukuran persepsi konsumen. Semakin banyak konsumen memiliki pengetahuan mengenai produk Oreo, maka cenderung akan memiliki persepsi dan sikap yang positif terhadap produk Oreo setelah adanya isu melamin. Oleh karena itu sebelum melihat persepsi perlu diketahui tingkat pengetahuan responden. Tingkat pengetahuan responden terhadap produk Oreo akan mempengaruhi sikap responden terhadap produk Oreo. Konsumen yang mengetahui mengenai produk Oreo dan memahami kebenaran isu melamin yakni bahwa produk Oreo buatan dalam negeri bebas melamin akan bersikap positif terhadap produk Oreo setelah adanya isu melamin. Variabel tingkat pengetahuan terhadap produk Oreo dikategorikan menjadi sedang 0, rendah 1, dan tinggi 2. 7. Tingkat persepsi responden terhadap produk Oreo setelah adanya isu melamin Tingkat persepsi merupakan salah satu indikator pengukuran sikap responden. Semakin baik persepsi seseorang terhadap sesuatu maka cenderung akan memiliki sikap yang positif terhadap sesuatu tersebut. Konsumen yang memiliki persepsi yang baik terhadap produk Oreo setelah adanya isu melamin maka kemungkinan akan memiliki sikap yang positif terhadap produk Oreo setelah adanya isu melamin. Variabel tingkat persepsi terhadap produk Oreo setelah adanya isu melamin dikategorikan menjadi persepsi buruk 0 dan persepsi baik 1. Dengan demikian model logit untuk menentukan faktor-faktor yang mempengaruhi persepsi responden terhadap produk Oreo setelah adanya isu melamin dengan variabel tak bebas Y yang menjadi pilihan responden , yaitu persepsi baik 1 atau persepsi buruk 0. Dengan demikian model regresi logistik dalam penelitian ini adalah : πX = е β0+β1X1+β2X2+…+β6X6 1+ е β0+β1X1+β2X2+…+β6X6 Setelah ditransformasikan kedalam logit gx, model berubah menjadi : gX = In ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 1 X X π π = β 0 + β 1 X 1 + β 2 X 2 +…+ β 5 X 5 = β 0 + β 1 jenis kelamin + β 2 usia + β 3 uang saku + β 4 tingkat pengetahuan keamanan pangan + β 5 tingkat pengetahuan terhadap produk Oreo Dengan keterangan : X 1 = jenis kelamin = jenis kelamin responden 0=laki-laki, 1=perempuan X 2 = usia = usia responden X 3 = uang saku = uang saku yang diterima responden setiap bulannya 0=500.000, 1=500.000-1.000.000, 2=1.000.000 X 4 = tingkat pengetahuan keamanan pangan 0= sedang, 1=rendah, 2=tinggi X 5 = tingkat pengetahuan terhadap produk Oreo 0=sedang, 1= rendah, 2=tinggi Β = konstanta intersept Β 1 - β 6 = koefisien variabel bebas atau parameter yang akan diestimasi logits Sedangkan untuk model logit sikap terhadap produk Oreo setelah adanya isu melamin adalah sebagai berikut : πX = е β0+β1X1+β2X2+…+β7X7 1+ е β0+β1X1+β2X2+…+β7X7 Setelah ditransformasikan kedalam logit gx, model berubah menjadi : gX = In ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 1 X X π π = β 0 + β 1 X 1 + β 2 X 2 +…+ β 6 X 6 = β 0 + β 1 jenis kelamin + β 2 usia + β 3 uang saku + β 4 tingkat pengetahuan keamanan pangan + β 5 tingkat pengetahuan terhadap produk Oreo + β 6 tingkat persepsi tehadap produk Oreo. Dengan keterangan : X 1 = jenis kelamin = jenis kelamin responden 0=laki-laki, 1=perempuan X 2 = Usia = usia responden X 3 = uang saku = uang saku yang diterima responden setiap bulannya 0=500.000, 1=500.000-1.000.000, 2=1.000.000 X 4 = tingkat pengetahuan keamanan pangan 0= sedang, 1=rendah, 2=tinggi X 5 = tingkat pengetahuan terhadap produk Oreo 0=sedang, 1= rendah, 2=tinggi X 6 = tingkat persepsi 0=persepsi buruk, 1=persepsi baik Β = konstanta intersept Β 1 - β 6 = koefisien variabel bebas atau parameter yang akan diestimasi logits Dari keenam variabel diatas, terdapat lima data kategori yang termasuk data nominal dan ordinal yaitu jenis kelamin, uang saku, tingkat pengetahuan keamanan pangan, tingkat pengetahuan terhadap produk Oreo, dan tingkat persepsi terhadap produk Oreo setelah adanya isu melamin. Untuk variabel usia tidak dilakukan pengkategorian hal ini dikarenakan rentang usia responden relatif berdekatan. Variabel uang saku dikelompokkan menjadi Rp 500.000, Rp 500.000-1.000.000, dan Rp. 1.000.000 berdasar pada besarnya sebaran uang saku responden dimana sebagian besar responden memiliki uang saku yang kurang dari Rp.500.000,- , antara Rp. 500.000-1.000.000,- ,dan lebih besar dari Rp. .000.000,-. Pengkategorian variabel bebas selengkapnya dapat dilihat pada Tabel 10. Tabel 10. Peubah Penjelas Beserta Kategorinya Peubah Keterangan Kode 1 2 pengetahuan oreo Sedang 1 Rendah 1 Tinggi uang saku 500.000 1 500.000-1.000.000 1 1.000.000 pengetahuan pangan Sedang 1 Rendah 1 Tinggi jens kelamin laki-laki 1 Perempuan jenis persepsi persepsi buruk 1 persepsi baik Nilai Odds Ratio Ukuran yang sering digunakan untuk melihat hubungan antara peubah bebas dan peubah tidak bebas dalam model logistk adalah nilai odds ratio Ψ. Nilai odds ratio menunjukkan peluang Y=1 dan Y=0 yang dipengaruhi oleh variabel tak bebas tertentu. Nilai ini diperoleh dari perhitungan eksponensial dari koefisien estimasi atau exp β. Odds ratio Ψi = [Pxi 1-Pxi] atau exp β Hosmer dan Lameslow 1989 yang diacu dalam Astarina 2007. Metode Kemungkinan Maksimum Maximum Likelihood Estimate Pendugaan parameter logit dilakukan dengan menggunakan metode kemungkinan maksimum. Metode ini pada model logisik sama dengan metode yang digunakan pada pendugaan regresi biasa. Metode ini lebih umum digunakan dibandingkan metode lainnyaseperti metode kuadrat terkecil karena metode ini dapat digunakan untuk data berukuran besar dan kompleks. Rasio Odds digunakan untuk mempermudah interprestasi koefisien. Rasio odds adalah ukuran yang memperkirakan berapa besar kecenderungan peubah- peubah penjelas X terhadap peubah respon Y. Jika suatu peubah penjelas memilki tanda koefisien positif maka nilai odds rationya 1, sebaliknya jika tanda koefisiennya negatif maka nilai odds rationya 1 Hosmer dan Lameshow,1989 yang diacu dalam Astarina 2007. Interpretasi koefisien dari nilai odds ratio untuk peubah penjelas yang berskala nominal, X=1 memiliki kecenderungan untuk Y=1 sebesar Ψ kali dibandingkan dengan peubah X=0. Sedangkan jika peubah penjelasnya berskala kontinu, untuk Ψ lebih besar atau sama dengan satu, maka semakin besar nilai peubah X akan diikuti pula dengan semakin besarnya kecenderungan untuk Y=1. Pengujian Parameter Pengujuan terhadap parameter-parameter model regresi logistik dilakukan untuk memeriksa pengaruh dari peubah penjelas di dalam model. Ada beberapa cara yang dapat dilakukan yaitu menggunakan statistik uji-G dan wald test. Statistik uju-G adalah ratio kemungkinan maksimum yang digunakan untuk menguji peranan peubah penjelas di dalam model secara bersama-sama Hosmer dan Lameshow 1989 yang diacu dalam Astarina 2007. Nilai ini didapat dengan cara membandingkan nilai G hitung dengan nilai Chi-square. G hitung = 2 { nilai log likelihood – [n 1 Ln n 1 + n Ln n – n Ln n]} Dimana : G = nilai ratio likelihood logaritma tanpa variabel tak bebas n 1 = jumlah sampel yang termasuk dalam kategori PY=1 n = jumlah sampel yang termasuk dalam kategori PY=0 n = jumlah total sampel dengan hipotesis : H o = β o = β 2 = β 3 =…..= β p = 0 H 1 = Minimal ada satu nilai β i ≠ 0, dimana i=1,2,3,…,p Statstik G akan mengikuti sebaran X 2 dengan derajat bebas P, kaidah keputusan yang diambila adalah, jika G=X 2 pa maka hipotesis nol ditolak. Selain pengujian parameter secara bersama-sama, ada juga pengujian parameter β i secara parsial individu dilakukan dengan uji Wald dengan cara merasionalkan kesalahan β j dengan keslahan bakunya standard error. Hipotesa yang akan diuji adalah : H o = variabel ke I tidak berpengaruh terhadap persepsi dan sikap responden terhadap produk Oreo setelah adanya isu melamin β i =0 H o = variabel ke i berpengarh terhadap persepsi dan sikap terhadap produk Oreo setelah adanya isu melamin Β i ≠0 Model statistik uji Wald : W i = β i SE β i Dimana : β i = penduga β i SE β i = penduga galat baku β i Nilai kepercayaan yang digunakan pada analisis logit, untuk model persepsi dan sikap terhadap produk Oreo setelah adanya isu melamin menggunakan nilai kepercayaan 85 persen atau α=0,15. Pemilihan ini didasarkan pada tingkat kepercayaan yang lebih tinggi atau α yang lebih rendah, variabel yang signifikan sangat sedikit. Selain itu, untuk penelitian sosial ekonomi, seperti penelitian ini derajat kesalahan sebesar 15 persen masih dapat diterima, dengan pertimbangan banyak variabel lain diluar penelitian ini yang tidak bisa dikendalikan sehingga menimbulkan kesalahan-kesalahan pada hasil penelitian.

4.6.3 Skala Likert dan Rentang Skala