c. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah variabel pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang
baik seharusnya tidak terjadi korelasi di antara variabel independen. Berikut ini disajikan cara mendeteksi multikolinieritas dengan menganalisis matriks korelasi
antar variabel dan perhitungan nilai.
Tabel 4.10 Uji Multikolinieritas
Coefficientsa
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error
Beta Tolerance
VIF B
Std. Error
1 Constant
4.511 3.286
1.373 .173
Ketidakpuasan Konsumen
.747 .123
.526 6.074
.000 .872
1.147 Kebutuhan
Mencar Variasi
.353 .152
.200 2.315
.023 .872
1.147
a Dependent Variable: PerpindahanMerek
Sumber : Hasil Pengolahan SPSS Juni 2014
Berdasarkan Tabel 4.10 dapat dilihat bahwa: 1.
Nilai VIF dari nilai Ketidakpuasan Konsumen dan Kebutuhan Mencari Variasi lebih kecil atau dibawah 5 VIF 5, ini berarti tidak terkena
multikolinieritas antara variabel independen dalam model regresi. 2.
Nilai Tolerance dari nilai Ketidakpuasan Konsumen dan Kebutuhan Mencari Variasi lebih besar dari 0,1 Tolerance 0,1, ini berarti tidak terdapat
multikolinieritas antar variabel independen dalam model regresi.
Universitas Sumatera Utara
4.2.3.2 Pengujian Koefisien Determinan R
2
Pengujian koefisien determinan R
2
digunakan untuk mengukur proporsi atau persentase kemampuan model dalam menerangkan variabel terikat. Koefisien
determinan berkisar antara nol sampai satu 0 ≤ R
2
≥ 1. Jika R
2
semakin besar mendekati satu, maka dapat dikatakan bahwa pengaruh bebas X adalah besar
terhadap variabel terikat Y. Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pangaruh variabel bebas terhadap terikat dan demikian
sebaliknya.
Tabel 4.11 Pengujian Koefisien Determinan R
2
Model Summaryb
Model R
R Square Adjusted R
Square Std. Error of
the Estimate 1
.626a .392
.379 2.94293
a Predictors: Constant, KebutuhanMencariVariasi, Ketidakpuasan b Dependent Variable: PerpindahanMerek
Sumber : Hasil Pengolahan SPSS Juni 2014
Berdasarkan Tabel 4.11 dapat dilihat bahwa: 1.
R = 0,626 berarti hubungan sub variabel Ketidakpuasan Konsumen dan Kebutuhan Mencari Variasi terhadap variabel terikat yaitu Perpindahan
Merek Y sebesar 62,6. Artinya hubungannya erat. 2.
Adjusted R Square sebesar 0,379 berarti 37,9 variabel Perpindahan Merek
dapat dijelaskan oleh variabel Ketidakpuasan Konsumen dan Kebutuhan Mencari Variasi. Sedangkan sisanya 62,1 dapat dijelaskan oleh variabel
lain yang tidak diteliti dalam penelitian ini.
Universitas Sumatera Utara
3. Standard Error of the Estimate
standar deviasi artinya menilai ukuran variasi dari nilai yang diprediksi. Dalam penelitian ini standar deviasinya
sebesar 2,94293. Semakin kecil standar deviasi berarti model semakin baik. 4.2.3.3 Uji Signifikan Secara Simultan F
Tabel 4.12 Hasil Uji Signifikansi Simultan Uji-F
ANOVAb
Model Sum of
Squares df
Mean Square F
Sig. 1
Regression 519.875
2 259.937
30.013 .000a
Residual 805.459
93 8.661
Total 1325.333
95 a Predictors: Constant, KebutuhanMencariVariasi, Ketidakpuasan
b Dependent Variable: PerpindahanMerek
Sumber : Hasil Pengolahan SPSS Juni 2014
Pada Tabel 4.12 dapat dilihat bahwa hasil perolehan F
hitung
pada kolom F yakni sebesar 30,013
dengan tingkat signifikansi = 0,000. Sedangkan F
tabel
pada tingkat kepercayaan 95
α = 0,05 adalah 2,72. Oleh karena pada kedua perhitungan yaitu F
hitung
F
tabel
dan tingkat siginifikansinya 0,000 0,05, menunjukkan bahwa pengaruh variabel independen Ketidakpuasan Konsumen
dan Kebutuhan Mencari Variasi secara serempak adalah signifikan terhadap
Perpindahan Merek. 4.2.3.4 Uji Signifikan Secara Parsial t
Pengujian ini dilakukan untuk mengetahui seberapa jauh pengaruh suatu variabel independen secara parsial individual terhadap variasi variabel
dependen.
Universitas Sumatera Utara
Tabel 4.13 Hasil Uji Signifikansi Parsial Uji-t
Coefficientsa
Model Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error
Beta B
Std. Error 1
Constant 4.511
3.286 1.373
.173 Ketidakpuasan
.747 .123
.526 6.074
.000 Kebutuhan
Mencari Variasi .353
.152 .200
2.315 .023
a Dependent Variable: PerpindahanMerek
Sumber : Hasil Pengolahan SPSS Juni 2014
Berdasarkan Tabel 4.13 dapat dilihat bahwa: 1.
Variabel Ketidakpuasan Konsumen X
1
Nilai T
hitung
variabel Ketidakpuasan Konsumen adalah 6,074 dan nilai T
tabel
1,664 maka T
hitung
T
tabel
6,074 1,664 sehingga dapat disimpulkan bahwa variabel Ketidakpuasan Konsumen berpengaruh positif dan signifikan 0,000
0,05 secara parsial terhadap Perpindahan Merek. Artinya jika ditingkatkan variabel Ketidakpuasan Konsumen sebesar satu satuan maka Perpindahan Merek
akan meningkat. 2.
Variabel Kebutuhan Mencari Variasi X
2
Nilai T
hitung
variabel Kebutuhan Mencari Variasi adalah 2,315 dan nilai T
tabel
1,664 maka T
hitung
T
tabel
2,315 1,664 sehingga dapat disimpulkan bahwa variabel Kebuthan Mencari Variasi berpengaruh positif dan siginfikan 0,023
0,05 secara parsial terhadap Perpindahan Merek. Artinya jika ditingkatkan variabel Kebutuhan Mencari Variasi sebesar satu satuan maka Perpindahan Merek
akan meningkat.
Universitas Sumatera Utara
4.2.3.5 Analisis Regresi Linear Berganda
Berdasarkan hasil pengolahan data yang ditunjukkan dalam Tabel 4.13, maka
diperoleh persamaan hasil regresi linear berganda sebagai berikut: Y = 4,511 + 0,747X
1
+ 0,353X
2
+ e
Berdasarkan persamaan tersebut dapat digambarkan sebagai berikut: 1.
Konstanta = 4,511, ini menunjukkan harga konstan, dimana jika variabel Ketidakpuasan Konsumen dan Kebutuhan Mencari Variasi adalah konstan,
maka Perpindahan Merek = 4,511. 2.
Koefisien X
1
= 0,747, ini menunjukkan bahwa apabila variabel Ketidakpuasan Konsumen ditingkatkan dan variabel Kebutuhan Mencari
Variasi adalah konstan, maka akan meningkatkan Perpindahan Merek sebesar 0,747 satuan.
3. Koefisien X
2
= 0,353, ini menunjukkan bahwa apabila variabel Kebutuhan Mencari Variasi ditingkatkan dan variabel Ketidakpuasan Konsumen adalah
konstan, maka akan meningkatkan Perpindahan Merek sebesar 0,353 satuan.
4.3 Pembahasan
Kategori