Uji Hipotesis

2. Uji Hipotesis

a. Menghitung Persamaan Garis Regresi Linier Ganda

Analisis Regresi Linear Berganda adalah hubungan secara linier antara dua atau lebih variabel independen (X1, X2,...Xn) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Persamaan regresi linear bergandanya dituliskan:

Y=a+b 1 X 1 +b 2 X 2 +b 3 X 3 +b 4 X 4

Keterangan : Y = Loyalitas Konsumen.

X 1 = Lokasi.

X 2 = Desain Fasilitas.

X 3 = Penampilan Karyawan.

X 4 = Produk yang dijual.

a = Bilangan konstanta.

b = Koefisien regresi (nilai peningkatan ataupun penurunan)

commit to user

Duwi Priyatno (2008: 82) mengatakan: Uji F digunakan untuk mengetahui variabel bebas secara bersama-sama

mempunyai berpengaruh secara signifikan terhadap variabel terikat. Atau untuk mengetahui apakah model regresi dapat digunakan untuk memprediksi variabel terikat atau tidak. Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi. Tingkat signifikansi menggunakan a = 5% atau 0,05.

Adapun langkah-langkah dari uji F adalah sebagai berikut :

1) Hipotesis

Ho : b 1 =b 2 =b 3 =b 4 =b 5 =b 6 =0

Berarti tidak ada pengaruh yang signifikan secara bersama-sama variabel independen (Tangible aspect) terhadap variabel dependen (Loyalitas Konsumen).

Ha : b 1 ≠b 2 ≠b 3 ≠b 4 ≠b 5 ≠b 6 >0

Berarti ada pengaruh yang signifikan secara bersama-sama variabel independen (Tangible aspect) terhadap variabel dependen (Loyalitas Konsumen).

2) Tingkat signifikasi ( )=5%

3) Rumus uji F

Keterangan: R 2 = Koefisien determinasi n

= Jumlah observasi k

= Jumlah variabel

4) Kriteria pengujian Ho diterima dan Ha ditolak apabila F hitung F tabel atau probabilitas nilai

F atau signifikan  0,05. Ho ditolak dan Ha diterima apabila F hitung  F t abel atau probabilitas nilai

F atau signifikansi  0,05.

commit to user

dengan melihat tabel ANOVA dalam kolom sig, jika probabilitas < 0,05, maka dapat dikatakan terdapat pengaruh yang signifikan secara bersama- sama variabel bebas (Tangible aspect) terhadap variabel terikat (Loyalitas Konsumen) dan model regresi bisa dipakai untuk memprediksi variabel terikat. Atau jika nilai signifikansi > 0,05 maka tidak terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas (Tangible aspect ) terhadap variabel terikat (Loyalitas Konsumen).

c. Uji t

Uji t digunakan untuk menguji secara parsial masing-masing variabel. Adapun langkah-langkah dari uji t adalah sebagai berikut :

1) Hipotesis

Ho : b 1 =b 2 =b 3 =b 4 =b 5 =b 6 =0

Berarti tidak ada pengaruh yang signifikan secara parsial variabel independen (Tangible aspect) terhadap variabel dependen (Loyalitas Konsumen).

Ha : b 1 ≠b 2 ≠b 3 ≠b 4 ≠b 5 ≠b 6 >0

Berarti ada pengaruh yang signifikan secara parsial variabel independen (Tangible aspect) terhadap variabel dependen (Loyalitas Konsumen).

2) Tingkat signifikasi ( ) = 5%

3) Rumus uji t

Keterangan:

= Koefisien regresi = Standar error koefisien regresi

4) Kriteria pengujian Ho diterima dan Ha ditolak apabila t hitung  t tabel atau probabilitas nilai t atau signifikan  0,05.

commit to user

Ho ditolak dan Ha diterima apabila t hitung  t tabel atau probabilitas nilai t atau signifikansi  0,05. Uji t dalam penelitian ini menggunakan software SPSS 17, yaitu dengan melihat tabel coefficients pada kolom sig. Jika probabilitas nilai t atau signifikansi < 0,05, maka dapat dikatakan bahwa terdapat pengaruh

secara parsial antara variabel bebas (Tangible aspect) terhadap variabel terikat (Loyalitas Konsumen). Atau jika probabilitas nilai t atau signifikansi > 0,05, maka dapat dikatakan bahwa tidak terdapat pengaruh yang signifikan masing-masing variabel bebas terhadap variabel terikat.

d. Koefisien Determinasi (Adjusted R Square)

Uji ini bertujuan untuk menentukan proporsi atau presentase total variasi dalam variabel terikat yang diterangkan variabel bebas secara bersama- sama. Menggunakan Adjusted R Square karena dalam regresi ini menggunakan lebih dari dua variabel bebas.

Hasil perhitungan Adjusted R 2 dapat dilihat pada output Model Summary . Pada kolom Adjusted R 2 dapat diketahui berapa prosentase yang dapat dijelaskan oleh variabel-variabel bebas terhadap variabel terikat. Dan sisanya dipengaruhi atau dijelaskan oleh variabel-variabel lain yang tidak dimasukkan dalam model penelitian ini.

commit to user