66
4.2.2 Analisis Regresi Logistik 4.2.2.1 Menguji ModelFit Overall Model Fit Test
Uji ini digunakan untuk menilai model yang telah dihipotesiskan telah fit atau tidak dengan data. Pengujian dilakukan dengan membandingkan nilai antara
-2 log likelihood pada awal block number = 0 dengan nilai -2 log likelihood pada akhir block number = 1. Nilai -2 log likelihood awal pada block number = 0,
dapat ditunjukkan melalui Tabel 4.9
Tabel 4.12 Nilai -2 Log Likelihood -2 LL awal
Block 0: Beginning Block
Iteration History
a,b,c
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1
110.247 .958
2 110.111
1.042 3
110.111 1.044
4 110.111
1.044 a. Constant is included in the model.
b. Initial -2 Log Likelihood:
110.111
c. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001
Sumber : Hasil Pengolahan SPSS 2015
Dari table 4.12 , terdapat 4 nilai dari -2 Log likelihood yang diberikan. Satu untuk model yang hanya memasukkan konstanta block 0 = beginning block
yaitu sebesar 110,111 Nilai dari -2 Log likelihood ini adalah signifikan dengan alpha 5 0,05 yang berarti hipotesis nol ditolak, yaitu model dikatakan fit
dengan data
67
Dari Tabel 4.13 dan Tabel 4.13 dapat dilihat bahwa -2 log likelihood awal pada block number = 0, yaitu model yang hanya memasukkan konstanta yang
dapat dilihat pada step 4, memperoleh nilai sebesar
110,111
. Kemudian pada tabel selanjutnya dapat dilihat Nilai -2 Log likelihood -2 LL akhir dengan
blocknumber = 1. Nilai -2 Log likelihood pada Tabel 4.12 mengalami perubahan sehingga menyebabkan Nilai -2 Log likelihood -2 LL akhir pada step
8menunjukkan nilai 36,931 yang dapat dilihat pada Tabel 4.13 Selisih antara nilai -2LL awal dengan nilai -2LL akhir adalah sebesar 73,18. Adanya pengurangan
nilai antara -2LL awal dengan nilai -2LL pada langkah berikutnya -2LL akhir menunjukkan bahwa model yang dihipotesiskan fit dengan data.
Tabel 4.13 Nilai -2 Log Likelihood -2 LL akhir
Block 1 : Method = Enter
Iteration History
a,b,c,d
Iteration -2 Log
likelihood Coefficients
Constant X1
X2 X3
X4 X5
X6 X7
Step 1 1 55.022 -12.269
.231 .138
.163 .228
-.068 -.002
.007 2
41.580 -19.206 .378
.263 .282
.385 -.195
-.016 -.027
3 37.745 -24.374
.498 .384
.379 .505
-.322 -.075
-.049 4
36.991 -27.451 .573
.472 .443
.567 -.394
-.169 -.045
5 36.932 -28.542
.600 .506
.468 .585
-.417 -.217
-.038 6
36.931 -28.660 .603
.510 .470
.587 -.419
-.222 -.037
7 36.931 -28.661
.603 .510
.470 .587
-.419 -.222
-.037 8
36.931 -28.661 .603
.510 .470
.587 -.419
-.222 -.037
a. Method: Enter b. Constant is included in the model.
c. Initial -2 Log Likelihood: 110.111 d. Estimation terminated at iteration number 8 because parameter estimates changed by less
than .001
Sumber : Hasil Pengolahan SPSS 2015
.
68
4.2.2.2 Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistik dilakukan dengan menggunakan goodness of fitness test yang diukur dengan nilai chi square pada
bagian bawah uji hosmer and lemeshow. Uji ini adalah untuk melihat apakah data empiris cocok atau tidak dengan model atau dengan kata lain diharapkan tidak ada
perbedaan antara data empiris dengan model. Menurut Sarwono 2013 : 158, untuk menguji kelayakan model regresi,
gunakan uji hipotesis berikut: H0 : Tidak ada perbedaan yang signifikan antara klasifikasi yang
diprediksi dan yang diamati. H1 : Ada perbedaan yang signifikan antara klasifikasi yang
diprediksi dan yang diamati. Dasar keputusannya adalah :
1. Jika probabilitas 0,05, H0 diterima.
2. Jika probabilitas 0,05, H0 ditolak.
Tabel 4.14
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 1.455
8 .993
Sumber : Hasil Pengolahan SPSS 2015
Tabel 4.14 menunjukkan hasil pengujian Hosmer and Lemeshow. Hasil pengujian statistik menunjukkan probabilitas signifikansi menunjukkan angka
0,993 nilai signifikansi yang diperoleh lebih besar dari 0.05 maka H0 diterima. Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya,
69
karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati, atau dapat dikatakan model mampu memprediksi nilai
observasinya.
Tabel 4.15
Contingency Table for Hosmer and Lemeshow Test
Y = .00 Y = 1.00
Total Observed
Expected Observed
Expected Step 1
1 10
9.830 .170
10 2
8 8.351
2 1.649
10 3
5 5.025
5 4.975
10 4
1 .989
9 9.011
10 5
1 .426
9 9.574
10 6
.200 10
9.800 10
7 .098
10 9.902
10 8
.052 10
9.948 10
9 .026
11 10.974
11 10
.004 5
4.996 5
Sumber : Hasil Pengolahan SPSS 2015
Dari Tabel 4.15, dapat dilihat bahwa dari langkah-langkah pengamatan untuk Minat pembelian ulang = 1,00 berminat maupun Minat membeli ulang =
0,00 Tidak berminat, nilai yang diamati Observed maupun nilai yang diprediksi Expected, tidak mempunyai perbedaan yang terlalu ekstrim. Ini
menunjukkan bahwa model regresi logistik yang digunakan dalam penelitian ini mampu memprediksi nilai observasinya.
70
4.2.2.3 Hasil Pengujian Hipotesis
Hasil pengujian hipotesis bertujuan untuk mengetahui apakah pengaruh dari variabel-variabel bebas terhadap opini audit. Pengujian dengan regresi
logistik ditunjukkan dalam tabel-tabel berikut ini.
Tabel 4.16 Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis
96 100.0
Missing Cases .0
Total 96
100.0 Unselected Cases
.0 Total
96 100.0
a. If weight is in effect, see classification table for the total number of cases.
Sumber : Hasil Pengolahan SPSS 2015
a. Jumlah sampel pengamatan sebanyak 96 responden, dan seluruh sampel
telah diperhitungkan kedalam pengujian hipotesis. b.
Tidak ada variabel dependen yang dikeluarkan dengan nilai dummy variabel. Untuk variabel dependen bernilai 0 untuk tidak berminat
berkunjung kembali dan bernilai 1 untuk berminat berkunjung kembali. c.
Metode yang digunakan untuk memasukkan data adalah metode enter dimana apabila menggunakan metode ini seluruh variabel bebas
independen disertakan dalam pengolahan analisis data untuk mengetahui variabel mana yang berpengaruh terhadap variabel dependen.
Selanjutnya variabilitas antara variabel dependen dengan variabel independen dapat dilihat pada Tabel 4.17 berikut ini:
71
Tabel 4.17 Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square 1
36.931
a
.533
.782
a. Estimation terminated at iteration number 8 because parameter estimates changed
by less than .001. Sumber : Hasil Pengolahan SPSS 2015
Berdasarkan Tabel 4.17 diatas, maka dapat dilihat bahwa hasil analisis regresi logistik secara keseluruhan menunjukkan nilai Cox Snell R Square
sebesar 0,533. Cox Snell R Square merupakan ukuran yang mencoba meniru ukuran seperti halnya R
2
pada OLS regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari satu, sehingga sulit untuk
diinterpretasikan. Nagelerke’s R square merupakan modifikasi dari koefisien Cox dan Snell.
Untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu. Hal ini dilakukan dengan cara membagi nilai Cox dan Snell’s R square dengan nilai
maksimumnya. Nilai Nagelerke R
2
dapat diinterpretasikan seperti nilai R
2
pada OLS regression. Dilihat dari hasil output pengolahan data nilai Nagelerke R
Square adalah sebesar 0.782 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen yaitu produk, harga, lokasi, promosi,
orang, bentuk fisik dan prosesadalah sebesar 78,2 , sisanya sebesar 21,8 dijelaskan oleh variabel-variabel lain diluar model.
72
4.2.2.4 Matriks klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan minat berkunjung kembali ke Kopi Baba
Dr. Mansyur Medan.
Tabel 4.18 Classification Table
a
Observed Predicted
Y Percentage
Correct 1
Step 1 Y
22 3
88.0 1
4 67
94.4 Overall Percentage
92.7 a.
The cut value is .500 Sumber : Hasil Pengolahan SPSS 2015
Tabel 4.18 menunjukkan hasil output Classification Table dimana kekuatan prediksi dari model regresi untuk memprediksi kemungkinan minat
berkunjung kembali ke Kopi Baba Dr. Mansyur Medan sebesar 92,7, hal ini berarti model dapat dikatakan baik dan dari perbandingan antara kedua nilai
mengidentifikasikan tidak terdapatnya masalah homoskedastisitas asumsi model logit.
73
4.2.2.5 Menguji Koefisien Regresi
Model regresi logistik yang digunakan dalam pengujian hipotesis adalah sebagai berikut:
Y = α + βX
1
+ βX
2
+ βX
3+
βX
4+
βX
5
+ βX
6
+ βX7+ e Dengan :
Y = Minat berkunjung kembali variabel dummy, 1 jika konsumen berminat berkunjung kembali, 0 jika tidak berminat berkunjung kembali.
β X
1
= Produk β X
2
= Harga β X
3
= Lokasi β X
4
= Promosi β X
5
= Orang β X
6
= Bentuk fisik β X
7
= Proses e = error
74
Tabel 4.19 Hasil Uji Koefisien Regresi
Variables in the Equation
B S.E.
Wald df
Sig. ExpB
Step 1
a
Produk .603
.168 12.891
1 .000
1.828 Harga
.510 .194
6.939 1
.008 1.666
Lokasi .470
.235 3.992
1 .046
1.601 Promosi
.587 .258
5.163 1
.023 1.799
Orang -.419
.338 1.533
1 .216
.658 Bentuk Fisik
-.222 .435
.261 1
.610 .801
Proses -.037
.244 .024
1 .878
.963 Constant
-28.661 6.702
18.290 1
.000 .000
a. Variables entered on step 1: Produk, Harga, Lokasi, Promosi, Orang,
Bentuk Fisik, Proses Sumber : Hasil Pengolahan SPSS 2015
Output variable in the equation menunjukkan nilai signifikansi berdasarkan Wald Statistic. Jika model signifikan, maka nilai sig. kurang dari
0,05. Kolom ExpB menunjukkan nilai odds ratio yang dihasilkan.Nilai odds ratio yang hanya mendekati 1,0 mengindikasikan bahwa variabel independen
tidak mempengaruhi variabel dependen. Dari tabel 4.19 dapat dilihat pengaruh variabel independen terhadap variabel dependen, yaitu :
1. Pengaruh Produk terhadap minat berkunjung kembali
Variabel produk memiliki nilai signifikan sebesar 0,000 yang lebih kecil dari 0,05 dan nilai odds ratio sebesar 1,828 yang lebih beasr dari 1,0. Hal
ini berarti variabel produk berpengaruh positif dan signifikan terhadap minat berkunjung kembali.
2. Pengaruh Harga terhadap minat berkunjung kembali
Variabel harga memiliki nilai signifikan sebesar 0,008 yang lebih kecil dari 0,05 dan nilai odds ratio sebesar 1,666 yang lebih beasr dari 1,0. Hal
75
ini berarti variabel harga berpengaruh positif dan signifikan terhadap minat berkunjung kembali.
3. Pengaruh Lokasi terhadap minat berkunjung kembali
Variabel Lokasi memiliki nilai signifikan sebesar 0,046 yang lebih kecil dari 0,05 dan nilai odds ratio sebesar 1,601 yang lebih besar dari 1,0. Hal
ini berarti variabel lokasi berpengaruh positif dan signifikan terhadap minat berkunjung kembali.
4. Pengaruh Promosi terhadap minat berkunjung kembali
Variabel promosi memiliki nilai signifikan sebesar 0,023 yang lebih kecil dari 0,05 dan nilai odds ratio sebesar 1,799 yang lebih besar dari 1,0. Hal
ini berarti variabel promosi berpengaruh positif dan signifikan terhadap minat berkunjung kembali.
5. Pengaruh Orang terhadap minat berkunjung kembali
Variabel orang memiliki nilai signifikan sebesar 0,216 yang lebih besar dari 0,05 dan nilai odds ratio sebesar 0,658 yang lebih kecil dari 1,0. Hal
ini berarti variabel orang berpengaruh negatif dan tidak signifikan terhadap minat berkunjung kembali
6. Pengaruh Bentuk Fisik terhadap minat berkunjung kembali
Variabel bentuk fisik memiliki nilai signifikan sebesar 0,610 yang lebih besar dari 0,05 dan nilai odds ratio sebesar 0,801 yang lebih kecil dari 1,0.
Hal ini berarti variabel bentuk fisik berpengaruh negatif dan tidak signifikan terhadap minat berkunjung kembali.
76
7. Pengaruh Variabel Proses terhadap minat berkunjung kembali
Variabel proses memiliki nilai signifikan sebesar 0,878 yang lebih besar dari 0,05 dan nilai odds ratio sebesar 0,963 yang lebih kecil dari 1,0. Hal
ini berarti variabel proses berpengaruh negatif dan tidak signifikan terhadap minat berkunjung kembali.
4.2.3 Pembahasan
Dari uraian diatas dapat disimpulkan bahwa berdasarkan nilai signifikansipada Output variables in the equationterlihat bahwaproduk, harga,
lokasi, dan promosi berpengaruh positif dan signifikan terhadap minat berkunjung kembali ke Kopi Baba Dr. Mansyur Medan. Sedangkan pada penelitian ini orang,
bentuk fisik, dan proses berpengaruh negatif dan tidak signifikan terhadap minat berkunjung kembali ke Kopi Baba Dr. Mansyur Medan. Hasil penelitian
menunjukkan bahwa variabel produk, harga, lokasi, promosi, orang , bentuk fisik dan prosesmenjelaskan bahwa 78,2 mempengaruhi minat berkunjung kembali,
sisanya sebesar 21,8 dijelaskan oleh variabel-variabel lain diluar model.
1. Pengaruh produk terhadap minat berkunjung kembali.
Berdasarkan deskripsi jawaban responden pada variabel produk butir pernyataan tiga dari kuesioner yang disebar dan dianalisis terdapat 57
responden atau sekitar 59,4 sangat setuju bahwa makanan yang ditawarkan kopi baba memiliki cita rasa yang baik. Berdasarkan hasil
analisa menunjukkan bahwa produk berpengaruh positif dan signifikanterhadap Minat berkunjung kembali ke Kopi Baba dapat dilihat
pada Output variables in the equation dengan nilai signifikansi sebesar
