Metode Analisis Data

3.7 Metode Analisis Data

Kegiatan menganalisis data dalam penelitian ini meliputi beberapa tahap dasar tahap tersebut di antaranya :

3.7.1 Analisis Deskriptif

Menurut Sugiyono (2010:206), “analisis deskriptif merupakan analisis statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan

atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi”.

Menurut Su giyono (2010:207) “statistik deskriptif dapat digunakan bila peneliti hanya ingin mendeskripsikan data sampel dan tidak ingin membuat kesimpulan yang berlaku untuk populasi dimana sampel tersebut diambil”. Menurut Sugiyono (2010:207) “secara teknis dapat diketahui bahwa dalam statistik deskriptif tidak

ada uji signifikansi, tidak ada taraf kesalahan, karena peneliti tidak bermaksud membuat generalisasi, sehingga tidak ada kesalahan generalisasi”. Menurut Ferdinand (2006:289) “jenis-jenis statistik deskriptif yang dapat disajikan dalam

laporan penelitian yakni; distribusi frekuensi, statistik rata-rata, dan angka indeks.

3.7.1.1 Distribusi Frekuensi

Menurut Ferdinand (2006:289) distribusi frekuensi merupakan, “statistik yang digunakan untuk menggambarkan distribusi frekuensi dari jawaban

responden atas berbagai item variabel yang diteliti”.

3.7.1.2 Statistik Rata-rata

Menurut Ferdinand (2006:290) statistik rata- rata merupakan, “statistik yang digunakan untuk menggambarkan rata-rata nilai dari sebuah variabel yang diteliti pada sekelompok responden tertentu”.

3.7.1.3 Angka Indeks

Menurut Ferdinand (2006:291), “angka indeks digunakan untuk mendapatkan gambaran mengenai derajad persepsi responden atas variabel yang

akan diteliti”. Menurut Sugiyono (2010:207) penyajian data statistik deskriptif dapat berupa; tabel, grafik, diagram lingkaran, pictogram, perhitungan modus,

median, mean (pengukuran tendensi sentral), perhitungan desil, presentil, perhitungan penyebaran data melalui perhitungan rata-rata dan standar deviasi serta perhitungan persentase.

3.7.2 Uji Alat Ukur

3.7.2.1 Uji Validitas

Menurut Sugiyono (2010:172), “uji validitas merupakan uji yang dilakukan untuk mengetahui hasil penelitian yang terdapat kesamaan antara data yang terkumpul dengan data yang sesungguhnya terjadi pada proyek yang Menurut Sugiyono (2010:172), “uji validitas merupakan uji yang dilakukan untuk mengetahui hasil penelitian yang terdapat kesamaan antara data yang terkumpul dengan data yang sesungguhnya terjadi pada proyek yang

variabelnya. Untuk mengetahui r tabel, maka harus ditentukan jenis pengujian, taraf siginifikansi dan angka df . Penelitian ini menggunakan taraf signifikansi sebesar 10% (0,1) dan menggunakan uji pihak kanan (one tail). Besarnya angka df dapat dihitung dengan rumus n – 2 (“jumlah sampel” – 2). Jika r hitung > r tabel dan bernilai positif, maka pertanyaan/pernyataan tersebut dinyatakan valid.

3.7.2.1 Uji Reliabilitas

Menurut Sugiyono (2010:172) reliabilitas menunjuk pada satu pengertian bahwa sesuatu penelitian yang reliabel, bila terdapat kesamaan data dalam waktu yang berbeda. Nunnally dalam Santoso (2001:42) mengungkapkan bahwa suatu konstruk atau variabel dikatakan reliabel jika memberikan nilai Cronbach Alpha ≥ 0,60.

3.7.3 Uji Asumsi Klasik

Gujarati dalam Rustandi (2013:65) mengemukakan bahwa “suatu model dinyatakan baik untuk alat prediksi apabila mempunyai sifat-sifat tak bias linier terbaik untuk suatu penaksir. Selain itu, suatu model dikatakan cukup baik dan dapat dipakai untuk memprediksi apabila telah lolos dari serangkaian uji

asumsi klasik yang melandasinya”. Uji ini adalah syarat untuk melakukan analisis regresi, uji asumsi klasik yang dilakukan dalam penelitian ini adalah uji

normalitas, uji heterokedatisitas, uji autokorelasi, dan uji multikolinieritas.

3.7.3.1 Uji Normalitas

Menurut Santoso (2012:230), “uji normalitas bertujuan untuk menguji apakah dalam model regresi, error yang dihasilkan mempunyai distribusi normal

atau tidak”. Menurut Santoso (2012:233), “deteksi normalitas dapat dilakukan dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik”. Dasar

pengambilan keputusannya adalah:

a. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.

b. Jika data menyebar jauh dari garis diagonalnya atau tidak mengikuti arah garis diagonalnya, maka model regresi tidak memenuhi asumsi normalitas.

3.7.3.2 Uji Heterokedastisitas

Menururut Santoso (20 12:238) “tujuan asumsi heteroskedastisitas adalah ingin mengetahui apakah dalam sebuah model regresi terdapat ketidaksamaan varians pada residual (error) dari satu pengamatan ke pengamatan lain. Jika varians berbeda, maka disebut sebagai heteroskedastisitas. Sebuah model regresi dikatakan dikatakan baik jika tidak terjadi heteroskedastisitas”. Model regresi yang bebas heterokedastisitas dapat dilihat melalui charts scatterplot. Menururut Santoso (2012:240) deteksi adanya heterokedastisitas adalah dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot, dimana sumbu X adalah Y yang telah diprediksi, dan sumbu X adalah residual. Model regresi yang dilakukan adalah dengan memasukkan variabel SRESID pada Menururut Santoso (20 12:238) “tujuan asumsi heteroskedastisitas adalah ingin mengetahui apakah dalam sebuah model regresi terdapat ketidaksamaan varians pada residual (error) dari satu pengamatan ke pengamatan lain. Jika varians berbeda, maka disebut sebagai heteroskedastisitas. Sebuah model regresi dikatakan dikatakan baik jika tidak terjadi heteroskedastisitas”. Model regresi yang bebas heterokedastisitas dapat dilihat melalui charts scatterplot. Menururut Santoso (2012:240) deteksi adanya heterokedastisitas adalah dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot, dimana sumbu X adalah Y yang telah diprediksi, dan sumbu X adalah residual. Model regresi yang dilakukan adalah dengan memasukkan variabel SRESID pada

a. Jika ada pola tertentu seperti titik-titik yang ada membentuk satu pola tertentu

yang teratur (bergelombang, melebar, kemudian menyempit), maka terjadi heteroskedastisitas.

b. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan dibawah

angka pada sumbu Y, maka tidak terjadi Heteroskedastisitas.

3.7.3.3 Uji Autokorelasi

Menurut Santoso (2012:241) uji autokorelasi bertujuan untuk “mengetahui apakah dalam sebuah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi ”. Menurut Santoso (2012:243) “deteksi adanya autokorelasi adalah melihat angka Durbin- Watson”. Secara umum, dapat diambil patokan antara lain:

a. Angka D-W dibawah -2 berarti ada autokorelasi positif

b. Angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi

c. Angka D-W diatas +2 berarti ada autokorelasi negatif.

3.7.3.4 Uji Multikolinearitas

Menurut Santoso (2012:234) “tujuan dari Uji Multikolinearitas adalah Menurut Santoso (2012:234) “tujuan dari Uji Multikolinearitas adalah

a. Mempunyai nilai VIF disekitar angka 1

b. Mempunyai angka Tolerance mendekati 1 Nb: Tolerance = 1/VIF atau bisa juga VIF= 1/Tolerance

3.7.4 Analsis Statistik Inferensial Parametrik

3.7.4.1 Analisis Regresi Berganda

Menurut santoso (2012:221) regresi Berganda bertujuan untuk “memprediksi besar variabel tergantung (dependent variable) menggunakan data

dari dua atau lebih variabel bebas (independent variable) yang sudah diketahui besarnya”. Menurut Santoso (2012: 221) analisis regresi berganda digunakan

untuk memprediksi besar variabel tergantung (dependent variabel) menggunakan data dari dua atau lebih variabel bebas (independent variabel) yang sudah diketahui besarnya. Untuk regresi yang variabel independennya terdiri atas dua atau lebih regresinya disebut juga regrasi berganda. Oleh karena variabel independen dalam penelitian ini mempunyai variabel yang lebih dari dua, maka regresinya disebut regresi berganda. Menurut Santoso (2012:224) untuk jumlah untuk memprediksi besar variabel tergantung (dependent variabel) menggunakan data dari dua atau lebih variabel bebas (independent variabel) yang sudah diketahui besarnya. Untuk regresi yang variabel independennya terdiri atas dua atau lebih regresinya disebut juga regrasi berganda. Oleh karena variabel independen dalam penelitian ini mempunyai variabel yang lebih dari dua, maka regresinya disebut regresi berganda. Menurut Santoso (2012:224) untuk jumlah

Persamaan regresi dalam penelitian ini adalah untuk mengetahui seberapa besar pengaruh variabel independen atau bebas yaitu Customer Satisfaction (X 1 ), Switching Cost (X 2 ), dan Trust In Brand (X 3 ), terhadap variabel

independen atau terikat yaitu Customer Retention (Y 1 ),

Persamaan umum regresi berganda menurut Sugiyono (2010:277) adalah:

Y=a+β 1 X 1 +β 2 X 2 +β 3 X 3

Keterangan: Y

= Customer Retention

a = Konstanta, merupakan nilai terkait yang dalam hal ini adalah Y pada

saat variabel bebasnya adalah 0 (X 1 ,X 2 ,X 3 = 0)

β 1 = Koefisien regresi berganda antar variabel bebas X 1 terhadap variabel terikat Y, bila variabel bebas X 2 , dan X 3 dianggap konstan

β 2 = Koefisien regresi berganda antar variabel bebas X 1 terhadap variabel terikat Y, bila variabel bebas X 1 , dan X 3 dianggap konstan

β 3 = Koefisien regresi berganda antar variabel bebas X 3 terhadap variabel terikat Y, bila variabel bebas X 1 dan X 2 dianggap konstan

X 1 = Customer Satisfaction

X 3 = Switching Cost

X 3 = Trust In Brand

Menurut Sugiyono (2010:277)“arti koefisien β adalah jika nilai β positif (+), hal tersebut menunjukkan hubungan yang searah antara variabel bebas

dengan variabel terikat. Dengan kata lain peningkatan atau penurunan besarnya variabel bebas akan diikuti oleh peningkatan atau penurunan besarnya variabel terikat. Sedangkan jika nilai β negatif (-) menurut Sugiyono (2010:277) “menunjukkan hubungan yang berlawanan antara variabel bebas dengan variabel terikat”. Dengan kata lain setiap peningkatan besarnya nilai variabel bebas akan

diikuti oleh penurunan besarnya nilai variabel terikat, dan sebaliknya.

3.7.4.2 Koefisien Determinasi

Menurut santoso (2012:224) Koefisien Determinasi digunakan untuk menunjukkan variasi dari variabel independen terhadap variabel dependen. Untuk penelitian yang menggunakan variabel independen lebih dari 2, maka nilai koefisien determinasi dapat diketahui dari angka Adjusted R Square . Semakin besar angka Adjusted R Square , maka akan semakin baik.