Tabel 3.4 Uji Reliabilitas
Reliability Statistics
Cronbachs Alpha
Cronbachs Alpha Based on
Standardized Items
N of Items .822
.853 12
Sumber: Hasil Penelitian, 2015 data diolah
Pada 12 pernyataan dengan tingkat signifikansi 5 diketahui bahwa koefisien alpha Cronbachs Alpha adalah sebesar 0,822, ini berarti 0,822 0,60 dan 0,822
0,80 sehingga dapat dinyatakan bahwa kuesioner tersebut telah reliabel dan dapat disebarkan kepada responden untuk dijadikan sebagai instrumen penelitian.
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
penelitianberupa identitas responden dan deskriptif variabel sehingga diperolehgambaran mengenai suatu keadaan.
3.10.2 Analisis Regresi Logistik
Regresi Logistik kadang disebut model logistik atau model logit digunakan untuk menjelaskan hubungan antara variable respon yang berupa data
dikotomibiner dengan variable bebas yang berupa data berskala interval dan atau kategorik Hosmer dan Lemeshow, 1989. Variabel yang dikotomibiner adalah
Universitas Sumatera Utara
variable 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 variable dependenterikat yang kategori dan variable independenbebas 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 dummy0 dan 1, sehingga residualnya, tidak memerlukan ketiga pengujian tersebut.
Regresi logistik merupakan regresi non linear dimana model yang ditentukan akan mengikuti pola kurva seperti gambar 3.1
Gambar 3.1 Model regresi logistik
Universitas Sumatera Utara
Model yang digunakan pada regresi logistik adalah :
Log P 1 – p = β
+ β
1
x
1
+ β
2
x
2
+ …… + βkXk
Dimana : P
: Kemungkinan bahwa Y = 1 X
1,
x
2,
x
3
: Variabel Independen β
: Koefisien Regresi Regresi logistik akan membentuk variable predictor atau respon p1-p
yang merupakan kombinasi linear dari variable independen. Nilai variable 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 variable prediktor meningkat sebesar 1 unit.
Universitas Sumatera Utara
3.10.3 Uji Hipotesis
