Metode Analisis Data METODOLOGI PENELITIAN
42
1 Nilai R² yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang
tidak mempengaruhi variabel dependen. 2 Menganalisis matrik korelasi variabel-variabel independen. Jika antar
variabel independen ada korelasi yang cukup tinggi umumnya di atas 0,90, maka hal ini merupakan indikasi adanya multikolinieritas.
3 Multikolinieritas dapat juga dilihat dari nilai Tolerance dan Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan setiap variabel
independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabel independen yang terpilih yang tidak
dijelaskan oleh variabel independen lainnya. Nilai Tolerance yang rendah sama nilai VIF tinggi karena VIF = 1 Tolerance. Nilai yang umum
dipakai untuk menunjukkan adanya multikolinieritas adalah nilai Tolerance 0,10 atau sama dengan nilai VIF 10. Setiap peneliti harus
menentukan tingkat kolinieritas yang masih dapat ditolerir. Misal nilai Tolerance = 0,10 sama dengan tingkat kolonieritas 0,95.
c. Uji heteroskedastisitas. Menurut Ghozali, 2006:105. Uji heteroskedastisitas bertujuan untuk
menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang
43
homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada cara untuk mendeteksi ada atau tidaknya heteroskedastisitas, jika ada pola tertentu,
seperti titik-titik yang ada membentuk pola tertentu dan teratur seperti bergelombang, melebar kemudian menyempit, maka mengindikasikan telah
terjadi heteroskedastisitas. Sedangkan jika tidak ada pola yang jelas dan titik- titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas. 3. Analisis Regresi Berganda.
Teknik analisis data yang digunakan dalam penelitian ini adalah teknik analisis regresi berganda, penelitian ini di rancang untuk meneliti variabel-
variabel yang mempengaruhi dari variabel bebas terhadap variabel terikat. Analisis ini dimaksudkan untuk mengetahui adakah pengaruh produk, harga,
distribusi, promosi terhadap keputusan pembelian. Perumusan model analisis yang digunakan dalam penelitian ini yaitu:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ € Keterangan:
Y = Variabel dependen yang diprediksikan keputusan pembelian. a = Konstanta.
b
1
= koefisien regresi produk. b
2
= koefisien regresi harga. b
3
= koefisien regresi distribusi. b
4
= koefisien regresi promosi.
44
X1 = produk. X2 = harga.
X3 = distribusi. X4 = promosi.
€ = standar eror. a. Uji Hipotesis.
1 Uji signifikan parameter individual parsial uji statistik t. Menurut Ghozali, 2006:84. Uji statistik t pada dasarnya
menunjukkan seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi variabel
dependen. Bila t hitung lebih besar dari t tabel atau nilai signifikan lebih kecil dari 5 a = 5 = 0,05 maka hal ini menunjukkan bahwa Ho
ditolak yang berarti bahwa terdapat pengaruh yang signifikan antara variabel bebas produk, harga, distribusi, promosi terhadap variabel
terikat keputusan pembelian secara parsial. 2 Uji signifikan simultan uji statistik F.
Menurut Ghozali, 2006:84. Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas mempunyai
pengaruh secara bersama-sama terhadap variabel dependen atau terikat. Bila nilai F hitung lebih besar dari F tabel atau tingkat signifikannya lebih
kecil dari 5 a = 5 = 0,05 maka hal ini menunjukkan bahwa Ho ditolak yang berarti bahwa terdapat pengaruh yang signifikan antara
45
variabel bebas produk, harga, distribusi, promosi terhadap variabel terikat keputusan pembelian secara simultan.
b. Koefisien Determinasi. Menurut Ghozali, 2006:83. Koefisien Determinasi R² pada intinya
mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu.
Nilai R Square yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel-variabel dependen amat terbatas. Pada penelitian
ini R Square yang digunakan adalah R Square yang sudah disesuaikan Adjusted Adjusted R² karena disesuaikan dengan jumlah variabel yang
digunakan dalam penelitian. Nilai Adjusted R² dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model.