Analisis Kuantitatif
4.4 Analisis Kuantitatif
4.4.1 Pengujian Validitas dan Reliabilitas
1. Uji Validitas
Pengujian validitas dilakukan dengan menggunakan metode analisis korelasi. Perhitungan dilakukan dengan menggunakan program SPSS versi 22.0. Uji validitas dilakukan setiap butir soal, hasilnya dibandingkan dengan r tabel | df = n - k dengan nilai signifikan yang berada di bawah 0,05 menunjukkan sebagai item yang valid. Uji validitas digunakan untuk menguji sejauh mana ketepatan alat pengukur dapat menggunakan konsep atau kejadian yang diukur (Noor,2012:169). Pengujian validitas selengkapnya dapat dilihat pada tabel berikut :
Hasil Pengujian Validitas
No.
Indikator
r hitung r tabel Kesimpulan
Pelayanan (X 1 )
Indikator penelitian 1
0,1996 Valid
1. Indikator penelitian 2
0,1996 Valid Indikator penelitian 3
Harga (X 2 ) Indikator penelitian 1
0,1996 Valid
2. Indikator penelitian 2
0,1996 Valid Indikator penelitian 3
Promosi (X 3 )
Indikator penelitian 1
0,1996 Valid
3. Indikator penelitian 2
0,1996 Valid Indikator penelitian 3
Brand Image (X 4 )
Indikator penelitian 1
0,1996 Valid
4. Indikator penelitian 2
0,1996 Valid Indikator penelitian 3
0,1996 Valid Keputusan Pembelian Tiket Kereta Api (Y) Indikator penelitian 1
5. Indikator penelitian 2
0,1996 Valid Indikator penelitian 3
0,1996 Valid Sumber : Datar primer yang diolah, 2015
Dari tabel 4.21 dapat diperoleh bahwa semua indikator yang digunakan untuk mengukur variabel pelayanan, harga, promosi dan brand image terhadap keputusan pembelian tiket kereta api memiliki korelasi yang lebih besar dari r tabel untuk n = 100 - 5 = 95 yaitu 0,1996. Dari hasil semua tersebut dikatakan valid bila, r hitung >r tabel , sehingga dari semua indikator dapat dikatakan valid.
Pengujian reliabilitas dalam penelitian ini menggunakan Cronbach Alpha 0,7 (Noor,2012:168). Uji reliabilitas digunakan untuk menguji sejauh mana kehandalan alat ukur untuk dapat digunakan lagi pada penelitian yang sama. Hasil pengujian reliabilitas untuk masing - masing variabel pada tabel berikut ini :
Tabel 4.22 Hasil pengujian Reliabilitas
Koefisen
Nilai No
Variabel
Alpha
Kesimpulan (α) Batas
1. Pelayanan (X 1 )
0,7 Reliabel
2. Harga (X 2 )
0,7 Reliabel
3. Promosi (X 3 )
0,7 Reliabel
4. Brand Image (X 4 )
0,7 Reliabel
0,7 Reliabel Sumber : Datar primer yang diolah, 2015
5. Keputusan Pembelian (Y)
4.4.2 Uji Asumsi Klasik
1. Uji Autokorelasi
Uji autokorelasi adalah model untuk menguji apakah ada kesalahan observasi korelasi satu sama lain. Jika terjadi korelasi dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain.
Hasil pengujian autokorelasi dilakukan dengan uji Durbin Watson (Uji DW). Nilai Durbin Watson (DW) untuk n = 100 dan k = 4, diperoleh dl=1,596 dan du = 1,758 maka nilai DW yaitu 2,097 berada diantara du = 1,75 dan 4-du = 2,24. Sehingga dapat disimpulkan tidak ada autokorelasi positif maupun negatif.
Hasil Uji Autokorelasi
Tolak Ho bukti Daerah keragu-
Daerah keragu- Tolak Ho bukti autokorelasi
raguan
raguan autokorelasi
positif
positif
Menerima Ho atau Ho*
Atau kedua-duanya
2. Uji Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dengan menggunakan Scater Plot. Jika tidak terdapat hasil berupa titik - titik yang membentuk pola tertentu menunjukkan bahwa regresi tersebut bebas dari masalah heteroskedastisitas. Hasil perhitungan dengan SPSS versi 22.0 diperoleh sebagai berikut :
Hasil Uji Heteroskedastisitas
Gambar ini menunjukkan bahwa titik - titik tidak membentuk pola tertentu. Dengan demikian maka dapat dinyatakan bahwa model regresi tersebut bebas dari adanya gejala heteroskedastisitas.
3. Uji Multikolinieritas
Suatu variabel menunjukkan gejala multikolinearitas bisa dilihat dari nilai VIF (Variance Inflation Factor) yang tinggi pada variabel - variabel bebas suatu model regresi. Hasil pengujian VIF dari model regresi adalah sebagai berikut :
Hasil Uji Multikolinearitas
No. Variabel
Tidak ada gejala
1. Pelayanan (X 1 )
Multikolinearitas Tidak ada gejala
2. Harga (X 2 )
Multikolinearitas Tidak ada gejala
3. Promosi (X 3 )
Multikolinearitas Tidak ada gejala
4. Brand Image (X 4 ) 0.846
Multikolinearitas
Hasil pengujian menunjukkan bahwa semua variabel yang digunakan sebagai prediktor model regresi menunjukkan nilai VIF yang tidak jauh dari nilai 1 (nilai sangat jauh berada dibawah angka 10). Hal ini berarti bahwa variabel - variabel penelitian pada variabel pelayanan, harga, promosi dan brand image tidak terdapat gejala multikolinearitas dalam regresi.
4.4.3 Analisis Regresi Linier Berganda
Pengujian ini dilakukan untuk menganalisis pengaruh dari variabel bebas yakni pelayanan, harga, promosi, dan brand image terhadap variabel terikat yakni keputusan pembelian tiket kereta api. Analisis data dalam penelitian ini adalah dengan menggunakan aplikasi SPSS versi 22.0. Hasil perhitungan dari data penelitian ini adalah pada tabel berikut ini :
Hasil Analisis Regresi Linier Berganda
Coefficients a
Unstandardized
Standardized
Collinearity Statistics
B Beta
Tolerance VIF
,785 1,273 Brand Image
,846 1,182 a. Dependent Variable: Keputusan Pembelian
Sumber : Data primer yang diolah, 2015
Bentuk persamaan regresi linier berganda dari hasil estimasi yang diperoleh adalah sebagai berikut :
Y = 1,688 + 0,228 X1 + 0,181 X2 + 0,290 X3 + 0,167 X4 + μ
Hasil persamaan tersebut dapat dijelaskan sebagai berikut :
a. Konstanta sebesar 1,688 menyatakan bahwa jika variabel independen dianggap konstan, maka minat penumpang sebesar 1,688.
b. Nilai koefisien regresi pelayanan (X 1 ) bernilai 0,228 yang berarti bahwa jika variabel lain dianggap konstan, dan pelayanan dinaikan
1 satuan maka akan meningkatkan keputusan pembelian tiket kereta api (Y) sebesar 0,228. Koefisien bernilai positif artinya terjadi hubungan positif antara pelayanan dengan keputusan pembelian tiket kereta api, semakin naik pelayanan maka semakin naik tingkat keputusan pembelian tiket kereta api.
jika variabel lain dianggap konstan, dan harga dinaikan 1 satuan maka akan meningkatkan keputusan pembelian tiket kereta api (Y) sebesar 0,181. Koefisien bernilai positif artinya terjadi hubungan positif antara harga dengan keputusan pembelian tiket kereta api, semakin rendah harga tiket kereta api untuk menaikkan point variabel harga maka semakin naik tingkat keputusan pembelian tiket kereta api.
d. Nilai koefisien regresi promosi (X 3 ) bernilai 0,290 yang berarti bahwa, jika variabel lain dianggap konstan dan promosi dinaikan 1 satuan maka akan meningkatkan keputusan pembelian tiket kereta api (Y) sebesar 0,290. Koefisien bernilai positif artinya terjadi hubungan positif antara promosi dengan keputusan pembelian tiket kereta api, semakin naik promosi maka semakin naik tingkat keputusan pembelian tiket kereta api.
e. Nilai koefisien regresi brand image (X 4 ) bernilai 0,167 yang berarti bahwa jika variabel lain dianggap konstan, dan brand image dinaikan 1 satuan maka akan meningkatkan keputusan pembelian tiket kereta api (Y) sebesar 0,167. Koefisien bernilai positif artinya terjadi hubungan positif antara brand image dengan keputusan pembelian tiket kereta api, semakin naik brand image maka semakin naik tingkat keputusan pembelian tiket kereta api.
Dari hasil koefisien regresi berganda yang telah dijelaskan pada uraian di atas selanjutnya akan dilakukan pengujian hipotesis yang dilakukan secara parsial.
4.4.4 Pengujian Hipotesis
1. Uji t (Pengujian hipotesis secara parsial)
Uji t digunakan untuk mengetahui seberapa jauh pengaruh suatu variabel independen terhadap variabel dependen. Untuk dapat melihat Uji t digunakan untuk mengetahui seberapa jauh pengaruh suatu variabel independen terhadap variabel dependen. Untuk dapat melihat
H = 0, secara parsial tidak ada pengaruh yang signifikan antara pelayanan, harga, promosi, dan brand image terhadap keputusan pembelian tiket kereta api.
H ≠ 0 atau Ha, secara parsial ada pengaruh yang signifikan antara pelayanan, harga, promosi dan brand image terhadap keputusan pembelian tiket kereta api.
Berikut adalah hasil dari pengujian hipotesis ini adalah :
Tabel 4.25 Tabel Uji T
Coefficients a
Unstandardized
Standardized
Collinearity Statistics
B Beta
Tolerance VIF
,001 ,785 1,273 Brand Image
,033 ,846 1,182 a. Dependent Variable: Keputusan Pembelian
Sumber : Data primer yang diolah, 2015
a. Variabel Pelayanan (X 1 )
Hasil perhitungan statistik diperoleh nilai t hitung adalah 2,771 dengan batas signifikan α = 5%. Nilai t tabel dengan df = n - k - 1 =
100 - 4 - 1 = 95 dapat diperoleh sebesar t = (1,9853). Maka diperoleh t hitung (2,771) > t tabel (1,9853). Hal ini berarti bahwa Ho ditolak atau menerima Ha. Dengan demikian bahwa, pelayanan memiliki pengaruh positif terhadap keputusan pembelian tiket
0,178 yang menunjukkan angka lebih kecil dari 0,05.
Gambar 4.4 Kurva Uji t variabel pelayanan
0 1,985 2,771 Sumber : Output SPSS
b. Variabel Harga (X 2 )
Hasil perhitungan statistik diperoleh nilai t hitung adalah 2,399 dengan batas signifikan α = 5%. Nilai t tabel dengan df = n - k - 1 =
100 - 4 - 1 = 95 dapat diperoleh sebesar t = (1,9853). Maka diperoleh t hitung (2,399) > t tabel (1,9853). Hal ini berarti bahwa Ho ditolak atau menerima Ha. Dengan demikian bahwa, harga memiliki pengaruh positif terhadap keputusan pembelian tiket
kereta api, maka dapat dilihat dari signifikan untuk X 2 sebesar
0,007 yang menunjukkan angka lebih kecil dari 0,05.
Gambar 4.5 Kurva Uji t variabel harga
0 1,985 2,399 Sumber : Output SPSS
Hasil perhitungan statistik diperoleh nilai t hitung adalah 3,598 dengan batas signifikan α = 5%. Nilai t tabel dengan df = n - k - 1 = 100 - 4 - 1 = 95 dapat diperoleh sebesar t tabel = (1,9853). Maka diperoleh t hitung (3,598) > t tabel (1,9853). Hal ini berarti bahwa Ho ditolak atau menerima Ha. Dengan demikian bahwa, promosi memiliki pengaruh positif terhadap keputusan pembelian tiket
kereta api, maka dapat dilihat dari signifikan untuk X 3 sebesar
0,001 yang menunjukkan angka lebih kecil dari 0,05.
Gambar 4.6 Kurva Uji t variabel promosi
0 1,985 3,598 Sumber : Output SPSS
d. Variabel Brand Image (X 4 )
Hasil perhitungan statistik diperoleh nilai t hitung adalah 2,161 dengan batas signifikan α = 5%. Nilai t tabel dengan df = n - k - 1 = 100 - 4 - 1 = 95 dapat diperoleh sebesar t tabel = (1,9853). Maka diperoleh t hitung (2,161) > t tabel (1,9853). Hal ini berarti bahwa Ho ditolak atau menerima Ha. Dengan demikian bahwa, brand image memiliki pengaruh positif terhadap keputusan pembelian tiket
kereta api, maka dapat dilihat dari signifikan untuk X 4 sebesar
0,033 yang menunjukkan angka lebih kecil dari 0,05.
Kurva Uji t variabel brand image
0 1,985 2,161 Sumber : Output SPSS
2. Analisis Koefisien Determinasi (R 2 )
Pada olah data SPSS Versi 22.0 untuk analisis koefisien determinasi dapat dijelaskan pada tabel berikut ini :
Tabel 4.26
Hasil Uji Koefisien Determinasi
Model Summary b Adjusted Std. Error of Durbin-
Model
R Square
R Square
the Estimate Watson
a. Predictors: (Constant), Brand Image, Harga, Promosi, Pelayanan
b. Dependent Variable: Keputusan Pembelian
Sumber : Data primer yang diolah, 2015 Berdasarkan hasil perhitungan dapat diketahui bahwa koefisien
determinasi (Adjusted R Square) yang diperoleh sebesar 0,426. Hal ini berarti bahwa 43%, keputusan penumpang kereta api dipengaruhi oleh pelayanan, harga, promosi, dan brand image selebihnya 57% keputusan penumpang dipengaruhi oleh variabel lain yang tidak diteliti pada penelitian ini.
Uji F digunakan untuk menguji apakah semua variabel bebas yang dimasukkan ke dalam model mempunyai pengaruh secara bersama- sama terhadap variabel tersebut (Nazir,2003:423).
Cara menentukan drajat kebebasan F tabel (df1, df2), dimana: df1 = k –1=5–1=4 df2 = n – k – 1 = 100 – 5 – 1 = 95
Tabel. 4.27 Hsil Uji F (Uji Simultan)
ANOVA a
df F Sig.
a. Dependent Variable: Keputusan Pembelian
b. Predictors: (Constant), Brand Image, Harga, Promosi, Pelayanan Sumber : Data primer yang diolah, 2015
Berdasarkan hasil uji ANOVA atau F test pada Tabel 4.26 didapatkan F hitung sebesar 19,375 > F tabel sebesar 2,466 dengan probabilitas 0,000. Karena probabilitas jauh lebih kecil dari 0,05, maka model regresi dapat digunakan untuk memprediksi keputusan
pembelian (Y) atau dikatakan bahwa variabel Pelayanan X 1 , Harga X 2 , Promosi X 3 , dan Brand Image X 4 secara bersama- sama berpengaruh terhadap Keputusan Pembelian Tiket Kereta Api (Y).
Kurva Uji F
19,375 Sumber: Output SPSS