Metode Analisis Data

3.7. Metode Analisis Data

3.7.1. Uji Reliabilitas

Menurut Ghozali (2007:45), reliabilitas sebenarnya adalah alat untuk mengukur suatu kuesioner yang merupakan indikator dari suatu variabel atau konstruk. Suetu kuesioner, dapat dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu.

Pengukuran reliabilitas dapat dilakukan dengan dua cara yaitu:

1. Repeated measure atau pengukuran ulang : disini seseorang akan disodori pertanyaan yang sama dalam waktu yang berbeda, dan kemudian dilihat apakah ia tetap konsisten dengan jawabannya.

2. One shot atau pengukuran sekali saja : disini pengukurannya hanya sekali dan kemudian hasilnya dibandingkan dengan pertanyaan lain atau mengukur korelasi antar jawaban pertanyaan. SPSS memberikan fasilitas untuk mengukur reliabilitas dengan uji statistik Cronbach Alpha. Suatu variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha >0,60 .

3.7.2. Uji Validitas

Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut (Ghozali, 2007:49).

Untuk mengukur validitas, dapat dilakukan dengan tiga cara :

1. Melakukan korelasi antar skor butir pernyataan dengan total skor konstruk atau variabel.

2. Dengan melakukan korelasi bivariate antara msing-masing skor indicator dengan total skor konstruk.

3. Uji dengan Confirmatory Factor Analisis (CFA) Sedangkan dalam penelitian ini, uji validitas dilakukan dengan metode yang kedua.

3.7.3. Analisis Regresi Berganda Analisis regresi berganda digunakan untuk mengetahui seberapa besar

pengaruh antara daya tarik, kredibilitas, dan keahlian terhadap keputusan pembelian. Rumus yang digunakan dalam penelitian ini adalah:

Keputusan pembelian(Y ) = β1X1 + β2X2 + β3X3 + e Keterangan : X1 = daya tarik

X2 = kredibilitas

X3 = keahlian β = koefisien regresi

e = error

3.7.4 Uji Asumsi Klasik

Untuk meyakinkan bahwa persamaan garis regresi yang diperoleh adalah linear dan dapat dipergunakan valid untuk mencari peramalan, maka akan dilakukan uji asumsi klasik, yaitu dengan menggunakan uji normalitas, uji heterokedastisitas, uji multikolonieritas dan autokorelasi.

3.7.4.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah model regresi variabel penggangu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan

F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil (Ghozali, 2007:147).

Dalam penelitian ini digunakan analisis grafik. Hal ini dapat dilakukan dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Menurut Ghozali, dasar pengambilan keputusannya adalah :

1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.

2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogramnya tidak menunjukan pola distribusi normal, maka regresi tidak memenuhi asumsi normalitas.

Dalam penelitian ini digunakan uji statistik non parametri Kolmogorov- Smirnov. Uji K-S dilakukan dengan membuat hipotesis : H0 : data residual berdistribusi normal. HA : data residual tidak berdistribusi normal.

3.7.4.2 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual jawaban responden satu ke responden yang lain tetap disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas (Ghozali, 2007:125).

Adapun cara mendeteksi ada atau tidaknya heteroskedastisitas digunakan program SPSS dengan cara melihat grafik plot antara nilai prediksi variabel tersebut dengan residualnya. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot, dengan dasar analisis :

a). Jika ada pola tersebut seperti titik-titik yang ada membentuk pola tersebut yang teratur (bergelombang menyebar kemudian menyempit) maka mengindikasikan terjadi heteroskedastisitas.

b). Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 (nol) pada sumbu Y, maka tidak terjadi heteroskedastisitas.

3.7.4.3 Uji Multikolinieritas

Uji multikolinearitas digunakan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol (Ghozali, 2007:95).

Multikolinearitas dapat dilihat dari:

1. Nilai tolerance yang rendah dan lawannya

2. Variance Inflation Factor (VIF) Kedua ukuran ini menunjukkan setiap variabel independen manakah yang

dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiap variable independen menjadi variabel dependen dan diregras terhadap variabel independen lainnya.

Nilai tolerance yang rendah sama dengan VIF tinggi (VIF = 1/tolerance) dan adanya kolonieritas yang tinggi. Nilai cut off yang umum dipakai nilai tolerance 10% atau sama dengan nilai VIF > 10 artinya nilai tolerance tidak lebih kurang dari 10%, dan nilai VIF tidak lebih dari 10 (Ghozali, 2007:96).

3.7.5 Teknik Analisis Data

3.7.5.1 Analisis Koefisien Determinasi

Koefisien Determinasi pada intinya adalah mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah nol dan satu. Nilai koefisien determinasi yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas, nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali:2007).

2 R 2 = (r ) × 100% Keterangan:

R = Koefisien determinasi r = Koefisien korelasi

Menurut Ghozali, kelemahan dasar penggunaan koefisien determinasi ini adalah bias terhadap jumlah variabel independen yang dimasukkan kedalam model.

Setiap penambahan satu variabel independen, maka R 2 pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen.

Oleh karena itu dianjurkan untuk menggunakan nilai 2 adjusted R pada saat mengevaluasi mana model regresi yang terbaik.

3.7.5.2 Uji signifikasi parameter individual (Uji Statistik t)

Menurut Ghozali (2007:88) tujuan pengujian ini adalah untuk mengetahui seberapa jauh pengaruh veriabel panjelasan (independen) secara individual dalam menjelaskan variasi variabel dependen. Hipotesis nol (Ho) yang hendak diuji adalah

uji parameter koefisien regresi (b 1 ) sama dengan nol, atau :

Ho = b 1 =0 Artinya suatu variabel independen bukan merupakan penjelasan yang signifikan terhadap variabel dependen. Hipotesis alternatifnya (H A ) parameter suatu variabel lebih besar daripada nol, atau :

H A =b 1 >0 Artinya suatu variabel independen X 1 merupakan penjelasan yang signifikan terhadap variabel dependen Dengan α = 5% maka untuk menentukan apakah

pengaruhnya signifikan atau tidak dilakukan analisis melalui peluang alatnya (p) dengan kriteria sebagai berikut:

 p> 0,05 maka dikatakan non signifikan atau H 0 diterima

 0,05 > p> 0,01 maka dinyatakan signifikan atau H 0 ditolak  p < 0,01 maka dinyatakan sangat signifikan atau H 0 ditolak.

Cara melakukan uji t adalah sebagai berikut - Quick look : Bila jumlah degree of freedom (df) adalah 20 atau lebih dan derajat

kepercayaan sebesar 5 persen, maka Ho menyatakan β1 = 0 dapat ditolak, bila nilai positif lebih besar daripada 2 (dalam nilai absolut) dengan kata lain kita kepercayaan sebesar 5 persen, maka Ho menyatakan β1 = 0 dapat ditolak, bila nilai positif lebih besar daripada 2 (dalam nilai absolut) dengan kata lain kita

- Membandingkan nilai statistik t dengan titik kritis menurut tabel. Bila nilai statistik t hasil perhitungan lebih tinggi dibandingkan nilai t tabel, kita menerima hipotesis alternatif yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen.

3.7.5.3 Uji Signifikasi simultan (uji statistik F)

Menurut Ghozali (2007:88), uji F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat.

Kriteria pengambilan keputusan adalah sebagai berikut : - Quick look : Bila nilai F lebih besar dari 4 maka Ho dapat diambil pada derajat kepercayaan 5 persen, dengan kata lain kita menerima hipotesis alternatif yang menyatakan bahwa semua variabel independen secara serentak dan signifikan mempengaruhi variabel dependen

- Membandingkan F hasil perhitungan dengan F menurut tabel. Bila nilai F hitung lebih besar daripada nilai F tabel, maka Ho ditolak dan menerima HA.