Analisis Deskriptif Teknik Analisis Data

4 Baik B apabila skor variabel 3,40 sd 4,19 yang menunjukkan sikap terhadap produk baik. 5 Sangat Baik SB apabila skor variabel 4,20 sd 5,00 yang menujukkan sikap terhadap produk sangat baik. Dengan rentang skala 0,8 maka skor sikap terhadap harga dapat dikelompok sebagai berikut : 1 Sangat buruk SBr apabila skor variabel 1,00 sd 1,79 yang menunjukkan sikap terhadap harga sangat buruk. 2 Buruk Br apabila skor variabel 1,80 sd 2,59 yang menunjukkan sikap terhadap harga buruk. 3 Cukup C apabila skor variabel 2,60 sd 3,39 yang menunjukkan sikap terhadap harga cukup. 4 Baik B apabila skor variabel 3,40 sd 4,19 yang menunjukkan sikap terhadap harga baik. 5 Sangat Baik SB apabila skor variabel 4,20 sd 5,00 yang menujukkan sikap terhadap harga sangat baik. Dengan rentang skala 0,8 maka skor sikap terhadap tempat dapat dikelompok sebagai berikut : 1 Sangat buruk SBr apabila skor variabel 1,00 sd 1,79 yang menunjukkan sikap terhadap tempat sangat buruk. 2 Buruk Br apabila skor variabel 1,80 sd 2,59 yang menunjukkan sikap terhadap tempat buruk. 3 Cukup C apabila skor variabel 2,60 sd 3,39 yang menunjukkan sikap terhadap tempat cukup. 4 Baik B apabila skor variabel 3,40 sd 4,19 yang menunjukkan sikap terhadap tempat baik. 5 Sangat Baik SB apabila skor variabel 4,20 sd 5,00 yang menujukkan sikap terhadap tempat sangat baik. Dengan rentang skala 0,8 maka skor sikap terhadap promosi dapat dikelompok sebagai berikut : 1 Sangat buruk SBr apabila skor variabel 1,00 sd 1,79 yang menunjukkan sikap terhadap promosi sangat buruk. 2 Buruk Br apabila skor variabel 1,80 sd 2,59 yang menunjukkan sikap terhadap promosi buruk. 3 Cukup C apabila skor variabel 2,60 sd 3,39 yang menunjukkan sikap terhadap promosi cukup. 4 Baik B apabila skor variabel 3,40 sd 4,19 yang menunjukkan sikap terhadap promosi baik. 5 Sangat Baik SB apabila skor variabel 4,20 sd 5,00 yang menujukkan sikap terhadap promosi sangat baik. Sementara dengan rentang skala 0,8 maka skor kepuasan konsumen dapat dikelompok sebagai berikut : 1 Sangat buruk SBr apabila skor variabel 1,00 sd 1,79 yang menunjukkan kepuasan konsumen sangat buruk. 2 Buruk Br apabila skor variabel 1,80 sd 2,59 yang menunjukkan kepuasan konsumen buruk. 3 Cukup C apabila skor variabel 2,60 sd 3,39 yang menunjukkan kepuasan konsumen cukup. 4 Baik B apabila skor variabel 3,40 sd 4,19 yang menunjukkan kepuasan konsumen baik. 5 Sangat Baik SB apabila skor variabel 4,20 sd 5,00 yang menujukkan kepuasan konsumen sangat baik. Dengan rentang skala 0,8 maka skor loyalitas konsumen dapat dikelompok sebagai berikut : 1 Sangat buruk SBr apabila skor variabel 1,00 sd 1,79 yang menunjukkan loyalitas konsumen sangat buruk. 2 Buruk Br apabila skor variabel 1,80 sd 2,59 yang menunjukkan loyalitas konsumen buruk. 3 Cukup C apabila skor variabel 2,60 sd 3,39 yang menunjukkan loyalitas konsumen cukup. 4 Baik B apabila skor variabel 3,40 sd 4,19 yang menunjukkan loyalitas konsumen baik. 5 Sangat Baik SB apabila skor variabel 4,20 sd 5,00 yang menujukkan loyalitas konsumen sangat baik.

2. Analisis Regresi Linier Berganda

Menurut Siregar 2013:405 regresi berganda merupakan pengembangan dari regresi linier sederhana, yaitu sama – sama alat yang dapat digunakan untuk melakukan prediksi permintaan di masa yang akan datang, berdasarkan data masa lalu atau untuk mengetahui pengaruh satu atau lebih variabel bebas terhadap suatu variabel terikat. Perbedaan penerapan metode ini hanya terletak pada jumlah variabel bebas yang digunakan. Penerapan metode regresi berganda jumlah variabel bebas yang digunakan lebih dari satu yang memengaruhi satu variabel terikat. Rumus regresi linier berganda : Keterangan : Y = Variabel terikat = Variabel bebas pertama = Variabel bebas kedua = Variabel bebas ketiga = Variabel bebas ke-n a dan serta = konstanta

3. Uji Asumsi Klasik

Model regresi linear dapat disebut sebagai model yang baik jika memenuhi asumsi klasik. Oleh karena itu, uji asumsi klasik sangat diperlukan sebelum melakukan analisis regresi Sarjono dan Julianita 2011:53. Uji asumsi klasik terdiri atas :

c. Uji Normalitas

Menurut Sarjono dan Julianita 2011:53 uji normalitas bertujuan untuk mengetahui normal atau tidaknya suatu distribusi data. Pada dasarnya, uji normalitas adalah membandingkan antara data yang kita miliki dan data berdistribusi normal yang memiliki mean dan standar devisiasi yang sama dengan data kita. Uji normalitas menjadi hal yang penting karena salah satu syarat pengujian uji parametrik aadalah data harus memiliki distribusi normal. Pengujian normalitas yang biasanya digunakan adalah teknik Kolmogorov-Smirnov. Untuk menentukan normal tidaknya suatu data, lihatlah nilai Sig. di bagian dalam tabel Test of Normality. Kriteria pengujian adalah sebagai berikut : 1 Angka signifikasi uji Kolmogorov-Smirnov Sig. 0,05 menunjukkan data berdistribusi normal. 2 Angka signifikasi uji Kolmogorov-Smirnov Sig. 0,05 menunjukkan data tidak berdistribusi normal.

d. Uji Heterokedatisitas

Menurut Wijaya 2009:124 dalam Sarjono dan Julianita 2011:66 heterokedatisitas menunjukkan bahwa varians variabel tidak sama untuk semua pengamatanobservasi. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homokedatisitas. Model regresi yang baik adalah terjadi homokedatisitas dalam model, atau dengan perkataan lain tidak terjadi heterokedasitisitas. Uji heterokedasitisitas yang paling sering digunakan adalah uji scatterplot. Suatu regresi dapat disimpulkan tidak terjadi heterokedasitisitas apabila hasil dari uji scatterplot titik – titiknya menyebar secara acak, baik di bagian atas atas angka nol atau di bagian bawah angka nol dari sumbu vertikal atau sumbu Y.

e. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk mengetahui apakah hubungan di antara variabel bebas memiliki masalah multikolinieritas atau tidak Sarjono dan Julianita, 2011:70. Multikolinieritas adalah korelasi yang sangat tinggi atau sangat rendah yang terjadi pada hubungan di antara variabel bebas. Uji multikolinieritas perlu dilakukan jika jumlah variabel independen lebih dari satu. Ada beberapa cara mendeteksi ada tidaknya multikolinieritas yaitu : 1 Nilai yang dihasilkan oleh suatu estimasi model regresi empiris yang sangat tinggi, tetapi secara individual variabel