likelihood ini adalah signifikan dengan alpha 5 0,05 yang berarti hipotesis
nol ditolak, yaitu model dikatakan fit dengan data. Tabel 4.10
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 67.517
1.583 2
64.248 2.051
3 64.156
2.148 4
64.155 2.152
5 64.155
2.152 a. Constant is included in the model.
b. Initial -2 Log Likelihood: 64,155 c. Estimation terminated at iteration number 5
because parameter estimates changed by less than ,001.
Tabel 4.11 Nilai -2 Log Likelihood -2 LL akhir
Block 1: Method = Enter Iteration History
a,b,c,d
Iteration -2 Log
likelihood Coefficients
Constant Harga
Lokasi Promosi
Gaya_Hid up
Step 1 1
48.365 -4.639
.001 .068
.028 .382
2 35.667
-8.047 .016
.116 .005
.675 3
32.510 -10.165
.047 .131
-.061 .932
4 32.054
-11.035 .078
.125 -.114
1.078 5
32.037 -11.214
.087 .122
-.129 1.112
6 32.037
-11.222 .088
.122 -.129
1.114 7
32.037 -11.222
.088 .122
-.129 1.114
a. Method: Enter b. Constant is included in the model.
c. Initial -2 Log Likelihood: 64,155
Universitas Sumatera Utara
Iteration History
a,b,c,d
Iteration -2 Log
likelihood Coefficients
Constant Harga
Lokasi Promosi
Gaya_Hid up
Step 1 1
48.365 -4.639
.001 .068
.028 .382
2 35.667
-8.047 .016
.116 .005
.675 3
32.510 -10.165
.047 .131
-.061 .932
4 32.054
-11.035 .078
.125 -.114
1.078 5
32.037 -11.214
.087 .122
-.129 1.112
6 32.037
-11.222 .088
.122 -.129
1.114 7
32.037 -11.222
.088 .122
-.129 1.114
a. Method: Enter b. Constant is included in the model.
c. Initial -2 Log Likelihood: 64,155 d. Estimation terminated at iteration number 7 because parameter estimates
changed by less than ,001.
Dari Tabel 4.10 dan Tabel 4.11 dapat dilihat bahwa -2 log likelihood awal pada block number = 0, yaitu model yang hanya memasukkan konstanta yang
dapat dilihat pada step 5, memperoleh nilai sebesar 64,155. Kemudian pada tabel selanjutnya dapat dilihat Nilai -2 Log Likelihood -2 LL akhir dengan
block number = 1. Nilai -2 log likelihood pada Tabel 4.13 mengalami perubahan sehingga menyebabkan Nilai -2 Log Likelihood -2 LL akhir pada
step 7 menunjukkan nilai 32,037 yang dapat dilihat pada Tabel 4.14. Selisih antara nilai -2LL awal dengan nilai -2LL akhir adalah sebesar
32,118. Adanya pengurangan nilai antara -2LL awal initial -2LL function dengan nilai -2LL pada langkah berikutnya -2LL akhir menunjukkan bahwa
model yang dihipotesiskan fit dengan data.
4.2.2.2 Menguji Kelayakan Model Regresi
Universitas Sumatera Utara
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.
Tabel 4.12 Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 5.174
8 .739
Sumber: Data primer 2013 diolah Tabel 4.12 menunjukkan hasil pengujian Hosmer and Lemeshow. Hasil
pengujian statistik menunjukkan probabilitas signifikansi menunjukkan angka 0,739 nilai signifikansi yang diperoleh lebih besar dari 0.05 maka Ho tidak
dapat ditolak diterima. Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada perbedaan yang nyata antara
klasifikasi yang diprediksi dengan klasifikasi yang diamati, atau dapat dikatakan model mampu memprediksi nilai observasinya.
Tabel 4.13 Contingency Table for Hosmer and Lemeshow Test
Minat_Pembelian_Ulan g = 0,00 Tidak
Berminat Minat_Pembelian_Ulang
= 1,00 Berminat Total
Universitas Sumatera Utara
Observed Expected
Observed Expected
Step 1 1 6
6.903 4
3.097 10
2 2
1.408 8
8.592 10
3 2
.608 8
9.392 10
4 .388
10 9.612
10 5
.209 9
8.791 9
6 .187
10 9.813
10 7
.151 10
9.849 10
8 .092
9 8.908
9 9
.042 10
9.958 10
10 .011
8 7.989
8 Sumber: Data primer 2013 diolah
Dari Tabel 4.13, dapat dilihat bahwa dari langkah-langkah pengamatan untuk Minat Pembelian Ulang = 1,00 Berminat maupun Minat Pembelian
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.
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 4.14 Ikhtisar Pengolahan Data
Case Processing Summary
Unweighted Cases
a
N Percent
Selected Cases Included in Analysis
96 100.0
Universitas Sumatera Utara
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.
Berdasarkan Tabel 4.14 diatas kita dapat diambil analisis sebagai berikut : a.
jumlah sampel pengamatan sebanyak 96 sampel, 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 dan bernilai 1 untuk berminat,
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 4.15 berikut ini.
Tabel 4.15 Model Summary
Step -2 Log
likelihood Cox Snell R
Square Nagelkerke R
Square 1
32.037
a
.284 .583
Universitas Sumatera Utara
Model Summary
Step -2 Log
likelihood Cox Snell R
Square Nagelkerke R
Square 1
32.037
a
.284 .583
a. Estimation terminated at iteration number 7 because parameter estimates changed by less than ,001.
Berdasarkan Tabel 4.15 diatas, maka dapat dilihat bahwa hasil analisis regresi logistik secara keseluruhan menunjukkan nilai Cox Snell R Square
sebesar 0,284. 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 0.583 yang berarti variabilitas variabel
dependen yang dapat dijelaskan oleh variabel independen yaitu harga, lokasi, promosi dan gaya hidup adalah sebesar 58,3 , sisanya sebesar 41,7
dijelaskan oleh variabel-variabel lain diluar model.
Matriks Klasifikasi
Universitas Sumatera Utara
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan minat pembelian ulang pada SOGO
