7. Menentukan Transformasi Skala Akhir
Transformasi data interval diperoleh dengan jalan mengambil nilai negatif yang paling besar dan diubah menjadi = 1, yaitu:
[ | |]
Sa
2
= -2,44 + 3,44 = 1 Sa
3
= -1,449 + 3,44 = 1,99 Sa
4
= -0,383 + 3,44 = 3,06 Sa
5
= 0,931 + 3,44 = 4,37
Tabel 3.12 Rincian Hasil Perhitungan Secara Manual Skala
Skor Ordinal
Frekuensi Proporsi Proporsi
Kumulatif Nilai
Z Densitas
Scale Value
Nilai Hasil Penskalaan
2 1
0,02 0,02
-2,05 0,049
-2,44 1
3 6
0,12 0,14
-1,08 0,223
-1,449 1,99
4 22
0,44 0,58
0,20 0,391
-0,383 3,06
5 21
0,42 1
0,931 4,37
Jumlah 50
3.3 Pengolahan Data
berdasarkan kuesioner yang telah dibagikan kepada 50 orang responden, keseluruhannya memiliki Hp Android dan menjadi subjek penelitian. Seperti yang
telah dijelaskan sebelumnya, data yang diperoleh dalam penelitian ini akan dianalisis dengan menggunakan analisis regresi logistik.
3.4 Analisis Data
3.3.1 Tipe Data
Data variabel independen pada penelitian ini terdiri atas dua tipe data. Data variabel independen adalah X
1
, X
2
, X
3
, X
4
dan X
5
merupakan data ordinal. Data ini diperoleh berdasarkan pengukuran variabel-variabel indikator yang berupa item-item pertanyaan
Universitas Sumatera Utara
menggunakan skala likert. Akan tetapi data variabel dependen pada penelitian ini yang merupakan Y adalah tipe data nominal.
3.5 Menjelaskan Hasil Analisis Data Menggunakan SPSS
3.5.1 Model Regresi Logistik
Berdasarkan analisis data yang telah dilakukan dengan regresi logistik dengan pada SPSS 16.0 dan hasil output dapat dilihat pada lampiran 4.
Tabel 3.13 Nilai Koefisien Variabel Variabel
B X
1
1,012 X
2
-0,501 X
3
0,304 X
4
0,299 X
5
0,035 Konstanta
-11,295 Dari hasil analisis diperoleh nilai-nilai estimasi parameter untuk persamaan
regresi logistik pada penelitian ini. Persamaan logistik penelitian ini memiliki nilai konstanta -11,295. Selain itu, dari tabel juga dapat dilihat besar masing-masing
koefisien variabel independen persamaan logistik tersebut, yaitu: 1. Variabel X
1
= 1,012 Variabel harga X
1
berpengaruh secara positif dan signifikan terhadap kepemilikan Hp Android Y, artinya jika variabel hargaX
1
ditingkatkan sebesar 1 point maka kepemilikan Hp Android Y akan meningkat sebesar
1,012point.
2. Variabel X
2
= -0,501 Variabel fitur X
2
berpengaruh secara negatif dan tidak signifikan terhadap kepemilikan Hp Android Y, artinya jika variabel fitur X
2
ditingkatkan sebesar 1 point maka kepemilikan Hp AndroidY akan menurun sebesar
0,501point.
Universitas Sumatera Utara
3. Variabel X
3
= 0,304 Variabel desain X
3
berpengaruh secara positif dan signifikan terhadap kepemilikan Hp Android Y, artinya jika variabel desain X
3
ditingkatkan sebesar 1 point maka kepemilikan Hp Android Y akan meningkat sebesar
0,304point.
4. Variabel X
4
= 0,299 Variabel merek X
4
berpengaruh secara positif dan signifikan terhadap kepemilikan Hp Android Y, artinya jika variabel merek X
4
ditingkatkan sebesar 1 point maka kepemilikan Hp Android Y akan meningkat sebesar
0,299point.
5. Variabel X
5
= 0,035 Variabel iklan X
5
berpengaruh secara positif dan signifikan terhadap kepemilikan Hp Android Y, artinya jika variabel iklan X
5
ditingkatkan sebesar 1 point maka kepemilikan Hp Android Y akan meningkat sebesar
0,035point.
Berdasarkan nilai-nilai koefisien hasil analisis tersebut maka taksiran model regresi logistik yang diperoleh adalah:
Keterangan:
i
x p
= peluang sukses kepemilikan Hp Android = variabel harga
= variabel fitur = variabel Merek
= variabel Desain = variabel iklan
Universitas Sumatera Utara
3.5.2 Uji Signifikansi Parameter Model Awal
Sebelum membentuk model regresi logistik terlebih dahulu dilakukan uji signifikansi parameter. Uji yang pertama kali dilakukan adalah pengujian peranan parameter
didalam model secara keseluruhan overall yaitu dengan hipotesis sebagai berikut:
, :
k
H
Dengan
. ...,
, 2
, 1
n k
Secara simultan variabel independen tidak berpengaruh terhadap variabel dependen.
:
1
H
,
k
Dengan
. ...,
, 2
, 1
n k
Minimal ada satu variabel independen yang berpengaruh secara simultanterhadap varibel dependen.
Statistik uji yang digunakan adalah:
2 log
log 2
log 2
1 1
1
L L
l l
l l
G
Nilai
2
1
L L
tersebut mengikuti distribusi chi-square dengan derajat bebas banyaknya parameter dalam model
p df
. Keputusan .
2
Kriteria ujinya adalah H
terima jika
2 , p
G
dan
H tolak jika
2 , p
G
.uji diperoleh dengan
membandingkan nilai G dan dan .
2
Untuk melihat tingkat variasi data menggunakan Cox Snell R Square pada tabelModel Summary berikut:
Tabel 3.14Model Summary
Step -2 Log
likelihood Cox Snell
R Square Nagelkerke R
Square 1
34.820
a
.362 .531
a. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.
Hasil pada tabel model summary di atas dapat kita peroleh dengan menggunakan software SPSS 16.0, dari perhitungan tersebut maka diperoleh nilai
rasio kemungkinan sebesar 34,820 dapat dilihat pada tabel 3.14. Nilai chi- squaretabel =11,070dengan
p = 5.
Universitas Sumatera Utara
Dengan demikian dapat dilihat bahwa,
2 , p
G
yaitu 34,820
≥ 11,070 sehingga
H ditolak, ini berarti bahwa paling sedikit ada satu variabel independen yang berpengaruh secara simultanterhadap varibel dependen pada
. 05
,
Tabel
diatas menunjukkan koefisien determinasi regresi logistik yakni 0,531 sehingga dapat dikatakan variabel-variabel independen dalam penelitian ini sudah menjelaskan 53,1
terhadap variabel dependennya. Dan sisanya 46,9 dapat dijelaskan oleh variabel lain di luar model.
Tabel 3.15 Tabel Klasifikasi
Observed Predicted
Kepemilikan Hp Android
Percentage Correct
1 bulan 1 bulan Step 1 Kepemilik
an Hp Android
1 bulan 8
5 .61.5
1 bulan 2
35 94.6
Overall Percentage 86.0
a. The cut value is ,500 Pada tabel 3.15 memperlihatkan bahwa ketepatan prediksi dalam penelitian ini
adalah sebesar 86 untuk mengetahui koefisien dari parameter mana yang berarti tersebut, maka dilakukan uji secara individual. Uji ini dapat dilakukan dengan uji wald
dengan hipotesis sebagai berikut:
, :
k
H
Dengan
. ...,
, 2
, 1
n k
Tidak ada pengaruh variabel independen ke-
k
terhadap variabel dependen.
, :
1
k
H
Dengan
. ...,
, 2
, 1
n k
Ada pengaruh variabel independen ke-
k
terhadap variabel dependen.
Statistik Uji:
ˆ
ˆ
2 i
i i
SE W
dengan
n i
,..., 2
, 1
Universitas Sumatera Utara
Statistik Wald mengikuti distribusi normal sehingga untuk memperoleh keputusan pengujian, dibandingkan nilai W dengan nilai
2
Z H ditolak jika nilai
2
Z W
atau p-value
α.
Dengan menggunakan software SPSS 16.0 dapat kita peroleh nilai-nilai statistik uji wald sebagai berikut:
Tabel 3.16 Nilai Koefisien Variabel
B S.E.
Wald Df
Sig. ExpB
Step 1
a
X
1
1.012 .487
4.313 1
.038 2.752
X
2
-.501 .443
.1.278 1
.258 .606
X
3
.304 .198
2.343 1
.126 1.355
X
4
.299 .196
2.336 1
.126 1.349
X
5
.035 .159
.050 1
.824 1.036
Constant -11.295
3.711 9.264
1 .002
.000 a. Variables entered on step 1: X
1
, X
2
, X
3
, X
4
, X
5
.
Dengan
05 ,
dan
1
df
pada tabel chi-square diperoleh nilai chi- squaretabel = 3,841. Dari hasil uji statistik wald di tabel, nilai uji statistik wald pada
variabel X
2
, X
3
, X
4
, dan X
5
lebih kecil dari nilai chi-square tabel. Sedangkan untuk nilai uji statistik wald pada variabel X
1
lebih besar dari nilai chi-square tabel.Dari nilai uji statistik wald tersebut dapat disimpulkan bahwa
H ditolak, ini berarti bahwa variabel X
1
berpengaruh secara signifikan terhadap kepemilikan Hp Android Y pada mahasiswa F MIPA USU.
Setelah dilakukan uji signifikansi parameter pada tabel di atas maka model regresi logistik dapat dibentuk dengan menggunakan nilai taksiran persamaan
transformasi logistik yaitu sebagai berikut:
[ ]
Universitas Sumatera Utara
Persamaan menunjukkan bahwa nilai intersep = -11,295. Artinya: [
] = - 11,295 pada saat semua variabel berharga 0, yaitu pada saat variabel X
1
, X
3
, X
4
, dan X
5
tidak berpengaruh terhadap besarnya peluang kepemilikan Hp Android Y. Diperoleh
besaran [
] =
-11,295atau besarnya
probabilitas
295 ,
11 295
, 11
1
e e
x p
i
=
0,00001.
3.5.3 Uji Kecocokan Model
Uji kecocokan model ini dilakukan dengan mengunakan uji Hosmer-Lemeshow dengan hipotesis sebagai berikut:
atau H
:
Data empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit.
1
H
:
Data empiris tidak cocok atau tidak sesuai dengan model ada perbedaan antara model dengan data sehingga model dapat dikatakan fit.
Statistik Uji: ∑
̅ ̅
̅
Kriteria ujinya adalah H terima jika
2 2
, 2
g HL
atau P- value α dan
H tolak jika
2 2
, 2
g HL
atau P- value α.
Universitas Sumatera Utara
Tabel 3.17 Tabel Kontingensi untuk Uji Hosmer- Lemeshow
Kepemilikan Hp Android = 1 bulan
Kepemilikan Hp Android = 1 bulan
Total Observed Expected Observed Expected
Step 1 1 5
4.490 .510
5 2
3 3.121
2 1.879
5 3
1 2.210
4 2.790
5 4
1 1.201
4 3.799
5 5
1 .823
4 4.177
5 6
1 .574
4 4.426
5 7
1 .309
4 4.691
5 8
.151 5
4.849 5
9 .098
5 4.902
5 10
.024 5
4.976 5
Tabel 3.18 Uji Hosmer- Lemeshow
Step Chi-square
df Sig.
1 4.144
8 .844
Dari tabel 3.18chi-square diperoleh 592
, 12
2 2
,
g
dengan
8
g
kelompok. Nilai ini lebih besar dari
144 ,
4
2
HL
yang diperoleh dari uji Hosmer-Lemeshow
dengan perhitungan menggunakan SPSS 16.0. Jadi dapat disimpulkan bahwa H
terima 592
, 12
144 ,
4
atau 0,844 0,05 yang artinya tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit atau layak untuk digunakan.
3.6 Interpretasi Model Menggunakan Odds Rasio
Berdasarkan analisis data yang telah dilakukan dengan menggunakan rumus 2.8diperoleh nilai Odds Ratio seperti tabel 3.19 dan hasil output dengan
menggunakan SPSS 16.0 dapat dilihat pada lampiran 4.
Universitas Sumatera Utara
Tabel 3.19 Kontribusi Variabel X terhadap Variabel Y Variabel
i
B Exp
2,752 1,355
1,349 1,036
Konstan 0,000
Berdasarkan tabel 3.19 dapat disimpulkan sebagai berikut : a. Variabel Harga X
1
1
B Exp
=2,752 Dari nilai ini dapat disimpulkan bahwa jika variabel merekX
3
, variabel desain X
4
dan variabel iklan X
5
dianggap nol maka harga X
1
yang sesuai akan mempengaruhi mahasiswa di Fakultas MIPA USU untuk memiliki Hp
Android 2,752 kali lebih besar dibandingkan dengan harga yang tidak sesuai.
b. Variabel MerekX
3
3
B Exp
=1,355 Dari nilai ini dapat disimpulkan bahwa jika variabel harga X
1
, variabel desain X
4
dan variabel iklan X
5
dianggap nol maka merekX
3
yang terkenalakan mempengaruhi mahasiswa Fakltas MIPA USU untuk memiliki
Hp Android 1,355 kali lebih besar dibandingkan dengan merek yang tidak terkenal.
c. Variabel DesainX
4
4
B Exp
= 1,349 Dari nilai ini dapat disimpulkan bahwa jika variabel harga X
1
, variabel merek X
3
dan variabel iklan X
5
dianggap nol maka desainX
4
yang terkenal baik akan mempengaruhi mahasiswa Fakultas MIPA USU untuk
memiliki Hp Android tersebut 1,349 kali lebih besar dibandingkan dengan merek produk yang tidak terkenal baik.
d. Variabel Iklan X
5
5
B Exp
= 1,036 Dari nilai ini dapat disimpulkan bahwa jika variabel harga X
1
, variabel merek X
2
dan variabel desain X
4
dianggap nol maka iklan X
5
yang
Universitas Sumatera Utara
menarik dan baik akan mempengaruhi mahasiswa Fakultas MIPA USU untuk memiliki Hp Android tersebut 1,036 kali lebih besar dibandingkan dengan
iklan produk yang tidak menarik dan baik.
3.7 Mencari Persamaan Regresi Logistik Tanpa SPSS
