multikolinieritas, dan heterokesdastisitas diantara variabel – variabel bebas dalam model regresi pada suatu penelitian.
1. Autokorelasi
Uji autokorelasi dilakukan untuk menguji apakah dalam sebuah
model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-
1
sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Pengujian autokorelasi dapat dilihat melalui angka Durbin-Watson pada tabel 4.10 berikut ini melalui program statistik SPSS 11.5.
Tabel 4.10
DurbinWatson
Model Durbin-
Watson 1
2.108
Sumber : olah data lampiran 4
Berdasarkan tabel 4.10 diatas, dapat dilihat bahwa angka Durbin- Watson sebesar +2.108 atau berada diantara -4 sampai dengan +4. Hal
ini berarti model regresi tersebut tidak terdapat masalah autokorelasi.
2. Multikolinieritas
Uji multikolinearitas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar independent variabel. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara
independent variabel atau tidak terjadi multikolinearitas. Pengujian multikolinearitas ini dapat dilihat pada tabel 4.11 berikut ini :
Tabel 4.11 Nilai Statistik Kolinearitas
Statistik Kolinearitas Variabel
Tolerance VIF
Harga 0.905 1.105
Produk 0.972 1.028
Pelayanan 0.888 1.127
Sumber : data olah lampiran 4
Berdasarkan tabel 4.11 diatas, terlihat untuk semua variabel independent memiliki angka VIF tidak lebih besar dari 10. Demikian
juga nilai TOLERANCE mendekati dari angka 1.00. Dengan demikian dapat disimpulkan model regresi tersebut tidak terjadi
multikolinearitas.
3. Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam
sebuah model regresi, terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual
dari satu pengamatan ke pengamatan yang lain berbeda, disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi
heteroskedastisitas. Hasil pengujian heteroskedastisitas dapat dilihat pada scatterplot gambar 4.1 berikut :
Gambar 4.1
Gambar Scatterplot
Scatterplot Dependent Variable: keputusan
Regression Standardized Predicted Value
2 1
-1 -2
-3 -4
R e
g re
s s
io n
St u
d e
n ti
z e
d R
e s
id u
a l
3 2
1
-1 -2
-3
Sumber : lampiran 4
Dari gambar 4.1 terlihat titik-titik menyebar secara acak, tidak membentuk sebuah pola tertentu yang jelas, serta tersebar baik diatas
maupun dibawah angka 0 pada sumbu Y. hal ini berarti tidak terjadi heteroskedastisitas pada model regresi yang akan digunakan dalam
pengujian hipotesis.
4. Uji Normalitas
Tujuan dari dilakukannya uji normalitas adalah untuk mengetahui apakah dalam model regresi, variabel terikat dan
variabel bebas keduanya mempunyai distribusi normal atau tidak. Dalam uji normalitas model regresi yang baik adalah
memiliki distribusi data normal atau mendekati normal. Data yang berdistribusi normal dalam suatu model regresi dapat dilihat dari
grafik normal P-P plot, dimana bila titik-titik yang menyebar di sekitar garis diagonal serta penyebarannya mengikuti arah garis
diagonal, maka data tersebut dikatakan normal. Berikut grafik normal P – Plot normalitas data atas penelitian faktor – faktor yang
mempengaruhi konsumen dalam membeli sepeda motor Kawasaki pada PT. Surapita Unitrans, menggunakan program SPSS 11.5 :
Gambar 4.2
Gambar P - Plot Normalitas data
Normal P-P Plot of Regression Standardized Residual Dependent Variable: keputusan
Observed Cum Prob
1.00 .75
.50 .25
0.00
Exp e
ct e
d C
u m
Pro b
1.00 .75
.50 .25
0.00
Sumber : data olah lampiran 4
4.3.4. Koefisien Korelasi dan Determinasi
Koefisien korelasi R menunjukkan seberapa erat hubungan antara variabel bebas harga,produk,pelayanan dengan variabel tak bebas
keputusan konsumen sedangkan koefisien determinasi R square digunakan untuk mengukur jauh kemampuan model dalam menerangkan
variasi variabel tak bebas Y yaitu variabel keputusan konsumen.
Berikut perhitungan koefisien korelasi dan koefisien determinasi menggunakan SPSS 11.5 for windows.
Tabel 4.12 Nilai Koefisien Korelasi dan Determinasi
Model Summary
Change Statistic Mode
l
R R Square
Adjusted R Square
Std. Error of the Estimate
R Square Change
Sig. F Change Durbin-
Watson
1 .718
a
.514 .484
1.01313 .484
.002 2.108
a.Predictors: Constant, pelayanan, produk, harga b.Dependent Variable: keputusan
Sumber : lampiran 4
Besarnya nilai koefisien korelasi R pada tabel 4.12 diatas adalah 0.617. Nilai tersebut menunjukkan bahwa hubungan variabel bebas harga,
produk, pelayanan dengan variabel terikat keputusan konsumen adalah erat yaitu sebesar 0.617. Sedangkan besarnya nilai koefisien determinasi
R square diperoleh nilai 0.574 yang berarti, bahwa sebesar 57,4 keputusan konsumen dapat dijelaskan oleh variabel harga, produk,
pelayanan. Sedangkan sisanya 42,6 dipengaruhi oleh variabel lain diluar model yang diteliti.
4.3.5 Uji Hipotesis
Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi berganda. Analisis ini digunakan untuk mengetahui apakah
variabel independen harga, produk,pelayanan berpengaruh terhadap keputusan pelanggan. Dari hasil perhitungan analisis regresi dengan
bantuan program SPSS11.5 for windows diperoleh hasil sebagai berikut :
Tabel 4.13 Tabel Regresi Berganda
Coefficients
Unstandardized Coefficients
Standardized Coefficients
Collinearity Statistic
Mode B
Std. Error
Beta t
Sig
.
Tolerance VIF
1 Constant
harga produk
pelayanan 5.533
-.116 .083
.222 1.432
.077 .105
.066 -.183
.092 .410
3.865 -1.505
.787 3.350
.
000 .138
.434 .001
.905 .972
.888 1.105
1.028 1.127
a.Dependent Variable: keputusan
Sumber : lampiran 4 Dengan demikian model regresi linier berganda untuk faktor –
faktor yang mempengaruhi keputusan konsumen dalam membeli sepeda motor Kawasaki pada PT. Surapita Unitrans, cabang Sidoarjo :
Keterangan :
1. Nilai konstanta 5,533, menyatakan jika variabel independen dianggap konstan, maka variabel dependen naik sebesar 5,533.
2. Nilai koefisien b
1
koefisien harga sebesar -0.116 bernilai negatif artinya setiap peningkatan harga sebesar satu satuan, maka akan diikuti
dengan penurunan keputusan konsumen atas pembelian sebesar 0,116, dengan asumsi variabel lain konstan.
3. Nilai koefisien b
2
koefisien produk sebesar 0.083 bernilai positif artinya setiap peningkatan produk sebesar satu satuan, maka akan
diikuti dengan peningkatan keputusan konsumen atas pembelian sebesar 0.083, dengan asumsi variabel lain konstan.
Keputusan konsumen Y = 5.533 - 0.116X
1
+ 0.0830X
2
+ 0.222X
3
+ ε
4. Nilai koefisien b
3
koefisien pelayanan sebesar 0.222 bernilai positif artinya setiap peningkatan pelayanan sebesar satu satuan, maka akan
diikuti dengan peningkatan keputusan konsumen atas pembelian sebesar 0,222, dengan asumsi variabel lain konstan.
5. e ε menunjukkan faktor pengganggu di luar model yang diteliti.
4.3.5.1 Uji F Uji Simultan
Uji F digunakan untuk mengetahui signifikansi dari model regresi yang digunakan. Cara yang digunakan adalah dengan membandingkan
F
hitung
dan F
tabe
l, pada taraf signifikansi α = 0,05. Hasil uji F dapat
ditunjukkan pada tabel 4.14 sebagai berikut : Tabel 4.14
Uji F Anova
ANOVA
b
13.391 3
4.464 4.349
.002
a
63.639 62
1.026 77.030
65 Regression
Residual Total
Model 1
Sum of Squares
df Mean Square
F Sig.
Predictors: Constant, pelayanan, produk, harga a.
Dependent Variable: keputusan b.
Sumber : Lampiran 4
Dari hasil regresi pada tabel 4.14 diatas, dapat diketahui mengenai nilai F hitung adalah sebesar 4,349 4,35 dengan tingkat signifikansi
sebesar 0.002. Hal ini dapat diartikan bahwa model yang digunakan dalam penelitian ini adalah signifikan, karena signifikansinya 0,05.
Pengujian secara simultan pengaruh variabel independen harga,produk,pelayanan terhadap keputusan konsumen dalam membeli
sepeda motor Kawasaki pada PT. Surapita Unitrans, dari uji ANOVA atau F test, didapat F
hitung
sebesar 4,35 dengan tingkat signifikansi 0,002. Sedangkan F
tabel
α2,k,n-k-1,
pada taraf signifikan 0,05 dengan df 3 ; 62 adalah sebesar 2,75 dikarenakan F
hitung
F
tabel
4,35 2,75 maka Ho ditolak, atau dengan ketentuan sebagai berikut :
1. F
hitung
F
tabel
= 4,35 2,75 2. H
1
: b
1
= b
2
= b
3
≠ 0, variabel harga, produk dan pelayanan berpengaruh terhadap keputusan konsumen.
3. Gambar kurva atas kriteria pengujian : Gambar 4.3
Kurva daerah penerimaan dan penolakan Ho
Ho ditolak jika F
hitung
F
tabel
Ho diterima jika F
hitung
F
tabel
Karena F
hitung
F
tabel
maka Ho ditolak dan H
1
diterima yang berarti secara simultan variabel Harga X
1
, Produk X
2
, dan Pelayanan
Daerah Penolakan Ho Daerah Penerimaan Ho
F table = 2.75 F hit = 4,35
X
3
berpengaruh signifikan terhadap Kepuasan Konsumen Ysebagai variabel terikat.
Berdasarkan output SPSS 11.5 for windows atau berdasarkan gambar diatas, diperoleh kesimpulan variabel independent harga, produk,
dan pelayanan memiliki pengaruh secara simultan dan signifikan terhadap keputusan konsumen dalam membeli sepeda motor Kawasaki pada PT.
Surapita Unitrans, cabang Sidoarjo.
4.3.5.2 Uji t Uji Parsial
Pengujian ini dimaksudkan untuk mengetahui signifikansi dan pengaruh variabel independen terhadap variabel dependen secara
individual. Pengujian nilai t dilakukan dengan dua sisi yang digunakan untuk menguji hipotesis. Pengujian pertama yaitu perbandingan nilai
signifikansi antara nilai signifikan hitung dengan nilai signifikan yang diberlakukan dalam penelitian ini yaitu 0,05 dan pengujian kedua yaitu
perbandingan nilai t
hitung
dengan nilai t
tabel
. Hasil pengujian diperoleh dari tes signifikansi dengan program SPSS for windows 11.5. Adapun hasil uji t
dapat dilihat dalam tabel 4.15 sebagai berikut :
Tabel 4.15 Uji T Uji Parsial
Coefficients
Unstandardized Coefficients
Standardized Coefficients
Collinearity Statistic
Mode B
Std. Error
Beta t
Sig
.
Tolerance VIF
1 Constant
harga produk
pelayanan 5.533
-.116 .083
.222 1.432
.077 .105
.066 -.183
.092 .410
3.865 -1.505
.787 3.350
.
000 .138
.434 .001
.905 .972
.888 1.105
1.028 1.127
a.Dependent Variable: keputusan
Sumber : lampiran 4
Maka dapat dijabarkan hasil pengujian secara parsial variabel independen terhadap variabel dependen sebagai berikut :
1. Uji Parsial antara variabel harga X