Analisis Data Kuantitatif

3.5.2 Analisis Data Kuantitatif

Data kuantitatif adalah nilai data yang dinyatakan dalam skala numerik (Algifari, 2003).

3.5.2.1 Uji Validitas

Instrumen yang valid berarti alat ukur yang digunakan untuk mendapatkan data (mengukur) itu valid. Valid berarti instrumen tersebut dapat digunakan untuk mengukur apa yang seharusnya diukur. Pengujian validitas tiap butir digunakan analisis item, yaitu mengkorelasikan skor tiap butir dengan skor total yang merupakan jumlah tiap skor butir (Sugiyono, 1999). Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut (Ghozali, 2005).

3.5.2.2 Uji Reliabilitas

Instrumen yang reliabel adalah instrumen yang bila digunakan beberapa kali untuk mengukur obyek yang sama, akan menghasilkan data yang sama. Reliabilitas instrumen merupakan syarat untuk pengujian validitas instrumen. Oleh karena itu walaupun instrumen yang valid umumnya pasti reliabel, tetapi pengujian reliabilitas instrumen perlu dilakukan (Sugiyono, 1999)

3.5.2.3 Uji Asumsi Klasik

3.5.2.3.1 Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkolerasi, maka variabel-variabel ini tidak orthogonal. Untuk Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkolerasi, maka variabel-variabel ini tidak orthogonal. Untuk

1. 2 Nilai R yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang

tidak signifikan mempengaruhi variabel dependen.

2. Menganalisis matrik korelasi variabel-variabel independen.

3. Multikolonieritas dapat juga dilihat dari nilai tolerance dan lawannya, variance inflation factor (VIF). (Ghozali, 2005)

3.5.2.3.2 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Kebanyakan data crossection mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran (kecil, sedang dan besar) (Ghozali, 2005).

3.5.2.3.3 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi

3.5.2.4 Analisis Regresi Linier Berganda

Analisis regresi dilakukan bila hubungan dua variabel berupa hubungan kausal atau fungsional. Analisis regresi digunakan apabila ingin mengetahui bagaimana variabel dependen/kriteria dapat diprediksikan melalui variabel independen atau prediktor, secara individual.

Penelitian ini menggunakan analisis regresi ganda yang berguna untuk meramalkan bagaimana keadaan (naik turunnya) variabel dependen (kriterium), bila dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi (dinaik turunkan nilainya). Jadi, analisis regresi ganda akan dilakukan bila jumlah variabel independennya minimal dua (Sugiyono, 1999).

Persamaan regresi dalam penelitian ini adalah untuk mengetahui seberapa besar pengaruh variabel independen atau bebas yaitu Kualitas Produk (X 1 ), Kebersihan (X 2 ) dan Keamanan (X 3 ) terhadap Perpindahan Berbelanja dari Pasar Tradisional ke Pasar Modern di Kota Semarang (Y).

Rumus matematis dari regresi linier berganda yang digunakan dalam penelitian ini adalah:

Y=a+b 1 X 1 +b 2 X 2 +b 3 X 3 + e …………………………………………...... (3.2)

Keterangan:

Y = Perpindahan Berbelanja dari Pasar Tradisional ke Pasar Modern di Kota Semarang

a = constanta

b 1 = Koefisien regresi antara kualitas produk dengan Perpindahan Berbelanja dari Pasar Tradisional ke Pasar Modern di Kota Semarang

b 2 = Koefisien regresi antara Kebersihan dengan Perpindahan Berbelanja dari Pasar Tradisional ke Pasar Modern di Kota Semarang

b 3 = Koefisien regresi antara Kenyamanan dengan Perpindahan Berbelanja dari Pasar Tradisional ke Pasar Modern di Kota Semarang

X 1 = Variabel kualitas produk

X 2 = Variabel Kebersihan

X 3 = Variabel Kenyamanan

e = error disturbances

3.5.2.5 Goodness of Fit

Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of fitnya. Secara statistik, setidaknya ini dapat diukur dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of fitnya. Secara statistik, setidaknya ini dapat diukur dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah

3.5.2.5.1 Uji Parsial (Uji t)

Uji t yaitu suatu uji untuk mengetahui signifikansi pengaruh variabel bebas

secara parsial atau individual terhadap variabel terikat.

1. Merumuskan hipotetis statistik

a. H0 : βi = 0 Variabel independen secara parsial tidak berpengaruh positif terhadap

variabel dependen.

b. H1 : βi > 0 Variabel independen secara parsial berpengaruh positif terhadap

variabel dependen.

2. Mengukur taraf signifikansi

a. Probabilitas < 0,05 = H0 ditolak dan H1 diterima

b. Probabilitas > 0,05 = H0 diterima dan H1 ditolak

3.5.2.5.2 Uji Simultan (Uji F)

Uji F yaitu suatu uji untuk mengetahui pengaruh variabel bebas, yaitu Kualitas Produk (X 1 ), Kebersihan (X 2 ), dan Kenyamanan (X 3 ) secara simultan terhadap variabel terikat, yaitu Perpindahan Berbelanja (Y).

Tahapan pengujian hipotesis secara simultan dapat dilihat, sebagai berikut :

1. Merumuskan hipotesis statistik

a. H0 : β1 = β2 = β3= 0 Variabel independen yaitu kualitas produk, kebersihan dan kenyamanan

secara simultan tidak berpengaruh positif terhadap variabel dependen yaitu perpindahan berbelanja.

b. H1 : β1, β2, β3 > 0 Variabel independen yaitu kualitas produk, kebersihan dan kenyamanan

secara simultan berpengaruh positif terhadap variabel dependen yaitu perpindahan berbelanja.

2. Mengukur taraf signifikansi Pada tahap ini mempunyai kesamaan pada pengujian hipotesis secara simultan yaitu dengan menggunakan probabilitas sebesar 0,05 (5%) dengan kriteria sebagai berikut :

a. Probabilitas < 0,05 = H0 ditolak dan H1 diterima

b. Probabilitas > 0,05 = H0 diterima dan H1 ditolak

3.5.2.5.3 Koefisien Determinasi (R 2 )

Koefisien determinasi (R 2 ) persamaan regresi berguna untuk mengetahui besarnya persentase pengaruh semua variabel independen tehadap nilai variabel

dependen. Besarnya koefisien determinasi dari 0 sampai dengan 1. Semakin mendekati nol besarnya koefisien determinasi suatu persamaan regresi, maka semakin kecil pula pengaruh semua variabel independen terhadap nilai variabel dependen. Sebaliknya, semakin mendekat satu besarnya koefisien determinasi suatu persamaan regresi, maka semakin besar pula pengaruh semua variabel independen terhadap variabel dependen (Algifari, 2003).

2 Nilai adjusted R dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model. Dalam kenyataan nilai adjusted R 2 dapat bernilai

negatif, walaupun yang dikehendaki harus bernilai positif. Menurut Gujarati (2003) jika dalam uji empiris didapat nilai adjusted R 2 negatif, maka nilai adjusted

2 R 2 dianggap bernilai nol. Secara matematis jika nilai R = 1, maka Adjusted R =

2 2 R 2 = 1 sedangkan jika nilai R = 0, maka adjusted R = (1 – k)/(n – k). Jika k > 1, maka adjusted R 2 akan bernilai negatif (Ghozali, 2005).