64
yang berarti ke empat variabel mempunyai tingkat keterandalan yang tinggi dan sangat tinggi.
I. Teknik Analisis Data
Teknik analisis data digunakan untuk mengetahui makna hubungan antar variabel. Teknik analisis data merupakan satu-satunya alat yang dapat
dipertanggungjawabkan secara ilmiah untuk menghitung besarnya pengaruh antar variabel, untuk memprediksi besarnya pengaruh variabel bebas terhadap variabel
terikat, dan untuk menentukan rata-rata besarnya suatu variabel yang kita ukur.
Berikut ini disajikan alat-alat yang digunakan dalam analisis data:
1. Analisis Rata-rata Hitung Mean Mean merupakan teknik penjelasan kelompok yang didasarkan atas
nilai rata-rata dari kelompok tersebut. Dalam penelitian ini, peneliti menghitung skor rata-rata untuk setiap item pertanyaan. Tujuannya agar
peneliti dapat mengetahui item-item mana saja yang perlu ditinjau kembali. Analisis dilakukan pada masing-masing item pertanyaan. Rumus yang
digunakan adalah Sugiyono, 2010:49:
Me = mean rata-rata ∑ = epsilon baca jumlah
Xi = nilai x ke i sampai ke n N = sampel
65
a. Rata-rata hitung tentang sinetron Sinetron yang dimaksud di sini adalah frekuensi menonton
sinetron dan lamanya menonton sinetron dalam sehari. Langkah selanjutnya adalah menentukan skor dengan cara menghitung skor rata-
rata Mean untuk setiap item pertanyaan. Untuk mengetahui penilaian pengaruh sinetron terhadap gaya
hidup, dapat ditunjukkan dengan memasukkan nilai rata-rata yang diperoleh dengan interval di bawah ini dengan dasar Skala Likert:
Jadi interval untuk menilai rata-rata penilaian sinetron adalah:
Tabel III. 12 Interval Rata-rata Penilaian Responden Terhadap Variabel Sinetron
Interval Skor
Kategori
12,7 – 16
3 Tinggi
9,3 – 12,6
2 Sedang
6 – 9,2
1 Rendah
1 Menonton sinetron kategori tinggi Menonton sinetron yang tinggi dapat dilihat dari penilaian
responden dalam kuesioner yang dibagikan. Jawaban tinggi yang dimaksud adalah frekuensi menonton sinetron dari responden yang
tinggi yaitu ≥3 kali dalam sehari. Dan lama menonton sinetron yaitu
66
≥3 jam setiap hari. Hal ini menunjukkan bahwa seseorang menghabiskan banyak waktunya untuk menonton sinetron dalam
sehari, sehingga mengurangi aktivitas lain yang lebih bermanfaat. 2 Menonton sinetron kategori sedang
Menonton sinetron yang sedang artinya responden
memberikan penilaian yang sedang atau netral dalam kuesioner yang dibagikan. Jawaban yang netral artinya frekuensi menonton sinetron
yang cukup yaitu 2 −3 kali dalam sehari. Dan lama menonton sinetron
yang sedang yaitu 2 −3 jam setiap hari. Hal ini menunjukan bahwa
seseorang seimbang antara menonton sinetron dengan melakukan aktivitas yang lainnya.
3 Menonton sinetron kategori rendah Menonton
sinetron yang
rendah artinya
responden memberikan penilaian yang rendah dalam kuesioner yang dibagikan.
Jawaban yang rendah artinya frekuensi menonton sinetron yang rendah yaitu
≤2 kali setiap hari. Dan lama menonton sinetron yang rendah yaitu
≤2 jam setiap hari. b. Rata-rata hitung tentang iklan
Iklan yang dimaksud di sini adalah frekuensi menonton iklan dan tujuan menonton iklan. Langkah selanjutnya adalah menentukan skor
dengan cara menghitung skor rata-rata Mean untuk setiap item pertanyaan.
67
Untuk mengetahui penilaian pengaruh iklan terhadap gaya hidup, dapat ditunjukkan dengan memasukkan nilai rata-rata yang diperoleh
dengan interval di bawah ini dengan dasar Skala Likert:
Jadi interval untuk menilai rata-rata penilaian iklan adalah:
Tabel III. 13 Interval Rata-rata Penilaian Responden Terhadap Variabel Iklan
Interval Skor
Kategori
12 – 16
3 Tinggi
8 – 11
2 Netral
4 – 7
1 Rendah
1 Menonton iklan kategori tinggi Menonton iklan yang tinggi dapat dilihat dari penilaian
responden dalam kuesioner yang dibagikan. Jawaban yang tinggi artinya responden menonton iklan dengan frekuensi tinggi yaitu
seseorang tidak memindahkan chanel televisi pada saat ada iklan. Sedangkan tujuan responden menonton iklan yang tinggi adalah
responden mendapat manfaat dari iklan televisi tersebut. 2 Menonton iklan kategori netral
Menonton iklan yang netral artinya responden memberikan penilaian yang netral dalam kuesioner yang dibagikan. Jawaban yang
68
netral artinya responden menonton iklan dengan frekuensi sedang yaitu seseorang netral dalam menonton iklan televisi dengan
memindahkan chanel televisi. Sedangkan tujuan responden menonton iklan yang sedang yaitu responden masih mempertimbangkan secara
rasional tentang pemanfaatan iklan televisi. 3 Menonton iklan kategori rendah
Menonton iklan yang rendah artinya responden memberikan penilaian yang rendah dalam kuesioner yang dibagikan. Jawaban yang
rendah artinya responden langsung memindahkan chanel televisi pada saat ada iklan di televisi. Sedangkan tujuan menonton iklan yang
rendah yaitu responden menonton televisi bukan untuk menonton iklan melainkan menonton acara-acara yang menarik seperti: sinetron,
gosip, talk show, komedi, dan berita. a. Deskripsi data tentang lingkungan pergaulan
Lingkungan pergaulan ditandai oleh hubungan baik tidaknya mahasiswi dengan keluarga, teman, dan artis idola. Langkah selanjutnya
adalah menentukan skor dengan cara menghitung skor rata-rata Mean untuk setiap item pertanyaan.
Untuk mengetahui penilaian pengaruh lingkungan pergaulan terhadap gaya hidup, dapat ditunjukkan dengan memasukkan nilai rata-
rata yang diperoleh dengan interval di bawah ini dengan dasar Skala Likert:
69
Jadi interval untuk menilai rata-rata penilaian lingkungan pergaulan adalah:
Tabel III. 14 Interval Rata-rata Penilaian Responden Terhadap
Variabel Lingkungan Pergaulan Interval
Skor Kategori
31 – 38
3 Mendukung
24 – 30
2 Netral
17 – 23
1 Tidak Mendukung
1 Lingkungan pergaulan kategori mendukung Lingkungan pergaulan yang mendukung dapat dilihat dari
penilaian responden dalam kuesioner yang dibagikan. Jawaban yang mendukung artinya terjalinnya hubungan yang baik antara keluarga
dengan responden, hubungan baik teman pergaulan dengan responden, dan hubungan baik artis idola dengan responden.
2 Lingkungan pergaulan kategori netral Lingkungan pergaulan yang netral dapat di lihat dari
penilaian responden dalam kuesioner yang dibagikan. Jawaban yang netral artinya adanya jalinan hubungan yang baik dan kurang baik
antara keluarga dengan responden, teman pergaulan dengan
70
responden dan tidak sepenuhnya mengikuti perkembangan artis idolanya. Netral maksudnya tidak memihak kepada yang mendukung
atau tidak mendukung, atau terjalin kedua-duanya. 3 Lingkungan pergaulan kategori tidak mendukung
Lingkungan pergaulan yang tidak mendukung dapat di lihat dari penilaian responden dalam kuesioner yang dibagikan. Jawaban
yang tidak mendukung artinya hubungan yang kurang baik antara keluarga dengan responden, teman pergaulan dengan responden dan
tidak memiliki artis idola. Sikap keluarga yang kurang bersosialisasi terhadap anak, sikap teman pergaulan yang membeda-bedakan dalam
bergaul, dan tidak memiliki artis idola sebagai referensi dalam penggunaan produk gaya hidup.
b. Gaya hidup Gaya hidup ditandai dengan penggunaan produk-produk gaya
hidup seperti: ruang dan tempat, teknologi, fashion, dan pola konsumsi makanan dan minuman. Langkah selanjutnya adalah menentukan skor
dengan cara menghitung skor rata-rata Mean untuk setiap item pertanyaan.
Untuk mengetahui penilaian gaya hidup, dapat ditunjukkan dengan memasukkan nilai rata-rata yang diperoleh dengan interval di
bawah ini dengan dasar Skala Likert:
71
Jadi interval untuk menilai rata-rata penilaian gaya hidup adalah:
Tabel III. 15 Interval Rata-rata Penilaian Responden Terhadap
Variabel Gaya Hidup Interval
Skor Kategori
62 – 90
2 Mewah
34 – 61
1 Sederhana
1 Gaya hidup kategori mewah Gaya hidup mewah dapat di lihat dari penilaian responden
dalam kuesioner yang dibagikan. Jawaban yang mewah artinya seseorang
mengkonsumsi bukan
hanya menggunakan
atau menghabiskan barang dan jasa tetapi ada tujuan tersendiri yang
terkandung di dalamnya yaitu pola tindakan yang membedakan seseorang dengan orang lain pencitraan. Hal ini yang dinamakan
konsumerisme atau gaya hidup. 2 Gaya hidup kategori sederhana
Gaya hidup yang sederhana dapat di lihat dari penilaian responden dalam kuesioner yang dibagikan. Jawaban yang sederhana
artinya seseorang mengkonsumsi hanya untuk memenuhi kebutuhan rohani dan jasmaninya, tidak ada motivasi lain selain ia
72
mengkonsumsi barang dan jasa. Mereka berpendapat lebih baik membelanjakan uangnya untuk kepentingan yang bermanfaat
daripada menggunakan uangnya untuk membelanjakan produl-produk gaya hidup.
2. Uji Hipotesis a. Uji Prasyarat
Uji persyaratan analisis diperlukan guna mengetahui apakah analisis data untuk pengujian hipotesis dapat dilanjutkan atau tidak.
Beberapa teknik analisis data menuntut uji persyaratan analisis. Analisis varian mempersyaratkan bahwa data berasal dari populasi yang
berdistribusi normal dan linier. 1 Pengujian Normalitas
Uji normalitas digunakan untuk mengetahui apakah data yang terjaring berdistribusi normal atau tidak. Pengujian dilakukan dengan
menggunakan uji satu sampel dari Kolmogrov-Smirnov, yaitu tingkat kesesuaian antara distribusi harga satu sampel skor yang diobservasi
dengan distribusi teoritis tertentu. Dengan rumus sebagai berikut Sugiyono, 2004:150:
D = maksimum Keterangan:
D = Deviasi atau penyimpangan
Sn1 X = Distribusi frekuensi kumulatif teoritis
73
Sn2 X = Distribusi frekuensi yang diobservasi
Kriteria penerimaan: Jika nilai Kolmogorov- Smirnov lebih besar dari nilai
probabilitas ρ = 0,05 maka H diterima.
Jika nilai Kolmogorov- Smirnov lebih kecil dari nilai probabilitas ρ = 0,05 maka H
ditolak. Hipotesis:
H0 = berdistribusi normal
Ha = berdistribusi tidak normal
Kriteria pengujian hipotesis: Jika prob
≥ α maka H0 diterima Jika prob
≤ α maka H0 ditolak
Dengan kata lain bila probabilitas yang diperoleh melalui perhitungan lebih besar dari taraf signifikan 5, berarti sebaran data
variabel normal. Apabila probabilitas yang diperoleh melalui perhitungan lebih kecil dari taraf 5 berarti sebaran data variabel
tidak normal.
74
2 Uji Linieritas Uji linieritas dilakukan untuk mengetahui apakah masing-
masing variabel bebas mempunyai hubungan linier atau tidak dengan variabel terikatnya. Uji linieritas ini digunakan dengan analisis varians
dengan menggunakan rumus F. Rumus yang digunakan untuk mencari nilai F adalah sebagai berikut Sudjana, 1989:332
S S
G TG
F
2 2
Keterangan: F
= Bilangan untuk linieritas S
2 TG
= Varian tuna cocok S
2 G
= Varian kekeliruan Kriteria pengujian linieritasnya yaitu:
Jika nilai F
hitung
lebih kecil dari F
tabel
pada taraf signifikasi 5 dengan derajat kebebasan dk = k-2 dan n-k maka
hubungan variabel bebas dengan variabel terikat bersifat linear. Jika nilai F
hitung
lebih besar dari F
tabel
pada taraf signifikasi 5 dengan derajat kebebasan dk = k-2 dan n-k maka
hubungan variabel bebas dengan variabel terikat tidak bersifat linear.
75
b. Uji Asumsi Klasik Menurut, Sudrajat 1988 dalam bukunya, Priyanto, 1012:59,
Pengujian asumsi klasik dipergunakan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala
multikolinearitas, heteroskedastisitas, dan autokorelasi. Model regresi akan dapat dijadikan alat estimasi yang tidak bias jika telah memenuhi
persyaratan BLUE Best Linear Unbiased Estimator yakni tidak terdapat multikolinearitas, heteroskedastisitas, dan autokorelasi.
Jika terdapat heteroskedastisitas, maka varian tidak konstan sehingga dapat menyebabkan biasnya standar error. Jika terdapat
multikolinearitas, maka akan sulit untuk mengisolasi pengaruh-pengaruh individual dari variabel, sehingga tingkat signifikansi koefisien regresi
menjadi rendah. Dengan adanya autokorelasi mengakibatkan penaksir masih tetap bias dan masih tetap konsisten hanya saja menjadi tidak
efisien. Oleh karena itu, uji asumsi klasik perlu dilakukan. 1 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi
ditemukan adanya
korelasi anatara
variabel bebas
independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling
berkorelasi, maka variabel tersebut tidak memiliki korelasi sama dengan nol. Uji ini diterapkan untuk analisis regresi berganda yang
76
terdiri dari dua atau lebih variabel bebas, untuk mengukur pengaruh variabel bebas tersebut melalui besaran koefisien korelasi r.
Untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi penulis menggunakan rumus:
R
2 j
merupakan R
2
yang diperoleh dari regresi auxiliary antara variabel independen dengan variabel independen sisanya k-1.VIF
merupakan variance inflation factor. Jika R
2 j
mendekati 1 maka ada kolinearitas antar variabel independen, maka VIF akan naik dan
mendekati tak terhingga jika nilai R
2 j
= 1. Dengan demikian VIF bisa digunakan untuk mendeteksi masalah multikolinearitas dalam sebuah
regresi berganda.Jika nilai VIF semakin membesar maka diduga ada multikolinearitas.
Dasar pengambilan keputusan: Jika semakin kecil nilai Tolerance dan semakin besar nilai VIF
maka semakin mendekati terjadinya masalah multikolinearitas. Jika tolerance lebih dari 0,1 dan VIF kurang dari 10 maka tidak
terjadi multikolinearitas Pengujian multikoliniearitas data dalam penelitian ini
didasarkan pada 1 variance inflation factor VIF2 nilai tolerance dan lawannya dengan bantuan SPSS for Windows versi 16.
77
2 Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam
model regresi terjadi ketidaksamaan variance dan residual satu pengamatan ke pengamatan lain. Model regresi yang baik adalah yang
tidak terjadi heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas,
digunakan uji dengan metode korelasi Spearman adalah sebagai berikut:
= 1 – 6
Dimana d adalah perbedaan rank antara residual dengan
variabel independen x dan n adalah jumlah observasi. Metode deteksi heteroskedastisitas
dengan korelasi
Spearman. Pengujian
heteroskedastisitas pada penelitian ini menggunakan program SPSS for windows versi 16.
3 Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model
regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Jika terjadi korelasi
maka dinamakan autokorelasi. Untuk mendeteksi ada tidaknya
78
autokorelasi da pat diuji dengan jalan menghitung “ The Durbin-
Watson, d” dengan rumus sebagai berikut:
Keterangan: d
= statistik durbin watson e
= gangguan estimasi i
= observasi terakhir i-1
= observasi sebelumnya Untuk memperoleh kesimpulan apakah ada masalah
autokorelasi atau tidak, hasil hitungan statistik d harus dibandingkan dengan tabel statistik d. pemilihan angka tabel d harus memperhatikan
banyaknya parameter =k, dan jumlah observasi =n, pada tingkat signifikansi =α tertentu.Hipotesis yang dapat disimpulkan adalah:
H :
≤ 0 tidak ada autokorelasi positif H
A
: 0 ada autokorelasi positif Keputusan ada tidaknya autokorelasi adalah Kuncoro, 2007:
79
Bila nilai DW lebih besar daripada batas atas upper bound, U, maka koefisien autokorelasi sama dengan nol. Artinya, tidak
ada autokorelasi positif. Bila nilai DW lebih rendah daripada batas bawah lower bound,
L, maka koefisien autokorelasi lebih besar daripada nol. Artinya, ada autokorelasi positif.
Bila nilai DW terletak di antara batas atas dan batas bawah, maka koefisien autokorelasi tidak dapat disimpulkan.
Durbin-Watson telah berhasil mengembangkan uji statistik yang disebut uji statistik d, sehingga berhasil menurunkan nilai kritis
batas bawah d
L
dan batas atas d
U
sehingga jika nilai d terletak di luar nilai kritis maka ada tidaknya autokorelasi baik positif atau
negatif dapat diketahui. Penentuan ada tidaknya autokorelasi dapat dilihat dengan jelas
dalam gambar Statistik Durbin-Watson d di bawah ini: Autokorelasi Ragu-ragu Tidak Ada Ragu-ragu Autokorelasi
Positif Autokorelasi Negatif
O d
L
d
U
24 - d
u
4 - d
L
4
80
Tabel III.16 Uji Statistik Durbin-Watson
c. Analisis Regresi Berganda Analisis regresi berganda merupakan pengembangan dari
analisis regresi sederhana. Analisis regresi digunakan untuk melakukan prediksi, bagaimana perubahan nilai variabel dependen bila nilai variabel
independen dinaikan atau diturunkan nilainya dimanipulasi. Pada analisis ini, variabel independen X yang diperhitungkan jumlahnya lebih
dari 2. Analisis ini digunakan untuk meneliti pengaruh dari beberapa variabel independen X terhadap variabel dependen Y.
Untuk melihat apakah ada kontribusi variabel independen X terhadap variabel dependen Y yaitu dengan melihat hasil regresi berganda
pada output SPSS dengan melihat tabel Coefficients pada Kolom Standardized Coefficients yaitu dengan melihat nilai Beta
β.
Nilai Statistik d Hasil
0 d d
L
d
L
≤ d ≤ d
U
4 – d
L
d 4 4
– du ≤ d ≤ 4 – d
L
du d 4 -du Menolak hipotesis nol; ada autokorelasi positif
Daerah keragu-raguan; tidak autokorelasi positif Menolah hipotesis nol, tidak ada korelasi negatif
Daerah keragu-raguan; tidak ada keputusan Menolak hipotesis nol, tidak ada autokorelasi
positif dan negatif.
81
Penggunaan standardized coefficients beta dikarenakan unit ukuran variabel bebas tidak sama. Keuntungan penggunaan standardized
coefficients beta adalah mampu mengeliminasi perbedaan unit ukuran pada variabel bebas.
Dengan melakukan regresi dengan standardized variabel adalah agar dapat membandingkan secara langsung antar variabel independen,
dalam pengaruhnya masing-masing terhadap variabel dependen. Variabel independen mana yang berpengaruh lebih besar terhadap variabel
dependen dapat dilihat dari besar kecilnya masing-masing koefisien beta regressor.
Rumusan Hipotesis: 1 Sinetron
Ho = Sinetron tidak berkontribusi secara signifikan terhadap gaya hidup.
Ha = Sinetron berkontribusi secara signifikan terhadap gaya hidup. 2 Iklan
Ho = Iklan tidak berkontribusi secara signifikan terhadap gaya hidup Ha = Iklan berkontribusi secara signifikan terhadap gaya hidup.
3 Lingkungan Pergaulan Ho = Lingkungan Pergaulan tidak berkontribusi secara signifikan
terhadap gaya hidup.
82
Ha = Lingkungan Pergaulan berkontribusi secara signifikan terhadap gaya hidup.
4 Sinetron, Iklan, dan Lingkungan Pergaulan secara bersama-sama Ho = Sinetron, Iklan, dan Lingkungan Pergaulan secara bersama-sama
tidak berkontribusi secara signifikan terhadap gaya hidup Ha = Sinetron, Iklan, dan Lingkungan Pergaulan secara bersama-sama
berkontribusi secara signifikan terhadap gaya hidup.
Berdasarkan tabel pada taraf signifikansi 5, dengan db pembilang = k dan db penyebut = n-k-1, maka dapat disimpulkan sebagai berikut
Kriteria Pengujian Hipotesis: a Jika F
hitung
≤ F
tabel
, maka Ho diterima dan Ha ditolak b Jika F
hitung
≥ F
tabel
, maka Ho ditolak dan Ha diterima Atau bisa juga melihat signifikansinya, dengan melihat kolom Sig ρ:
a Jika Sig ≤ 0,05 , maka Ho ditolak dan Ha diterima
b Jika Sig ≥ 0,05 , maka Ho diterima dan Ha ditolak
d. Analisis Koefisien Determinasi Analisis
Adjusted R Square atau koefisien determinasi digunakan untuk mengetahui seberapa besar prosentase sumbangan
pengaruh variabel independen secara bersama-sama terhadap variabel dependen. Priyanto, 2012:55.
83
BAB IV GAMBARAN UMUM PENELITIAN