c. Adjusted R
2
adalah 0.650 sehingga dapat diinterpretasikan bahwa 65 variasi terbentuknya keunggulan bersaing mobilephone yang berbasis CDMA dapat
dijelaskan oleh variabel terikat : Kinerja Pemasaran. Sedangkan sisanya 100 - 65 = 35 dijelaskan oleh sebab-sebab lain diluar model. Standard Errof of the
Estimated SEE sebesar 2.283 menunjukkan ketepatan model dalam memprediksi variabel terikat.
d. Hasil analisis menunjukkan bahwa nilai R adalah 0.806 yang 0.5 berarti terdapat
hubungan antara variabel terikat Y1 secara bersama-sama terhadap variabel terikat Y2 adalah cukup kuat.
4.6.2. Uji Signifikansi Simultan Uji Statistik F
Untuk mengetahui apakah variabel terikat Y1 mempunyai pengaruh terhadap variabel terikat Y2 maka dilakukan uji Anova atau F-test dan diperoleh
hasil seperti pada Tabel 4.28.
Tabel 4.28. Hasil Aplikasi ANOVA
b
ANOVA
b
949,869 1
949,869 182,209
,000
a
510,881 98
5,213 1460,750
99 Regression
Residual Total
Model 1
Sum of Squares
df Mean Square
F Sig.
Predictors: Constant, Standardized Predicted Value a.
Dependent Variable: Kinerja Pemasaran b.
Dari hasil tersebut terlihat bahwa F hitung sebesar 182,209 dengan tingkat probabilitas 0.000 karena probabilitas jauh lebih kecil dari 0.05 maka model dapat
digunakan untuk memprediksi Keunggulan Bersaing KB atau dapat dikatakan keunggulan bersaing berpengaruh terhadap kinerja pemasaran.
4.6.3. Uji Signifikansi Parameter Individual Uji Statistik t
Untuk mengetahui apakah variabel terikat Y1 secara individu mempunyai pengaruh terhadap variabel terikat Y2 maka dilakukan uji statistik t dan diperoleh
hasil sebagaimana terlihat Tabel 4.29. Dari hasil tersebut terlihat bahwa nilai statistik t hitung t Tabel 1.985 dan
signifikan untuk variabel terikat Y1. Hal ini menunjukkan bahwa variabel terikat Y1 secara individual berpengaruh variabel terikat Y2.
4.6.4. Koefisien Beta
Untuk menginterpretasikan variabel terikat yang dimasukkan dalam model dihitung koefisien beta dengan hasil seperti pada Tabel 4.29.
Tabel 4.29. Hasil Aplikasi Paired Samples Test