Teknik Analisis Data

E. Teknik Analisis Data

Teknik analisis data merupakan suatu cara yang digunakan untuk mengolah data hasil penelitian. Dalam penelitian ini menggunakan teknik statistik karena data yang diambil peneliti merupakan data kuantitatif. Sedangkan teknik analisis data yang digunakan adalah teknik analisis regresi linear berganda. Suharsimi Arikunto (2006: 295) menyatakan ”Regresi berganda (multiple regression) adalah suatu peluasan dari teknik regresi apabila terdapat lebih dari satu variabel bebas untuk mengadakan prediksi terhadap variabel terikat”. Sehingga regresi ganda merupakan analisis tentang hubungan antara satu dependent variable dengan dua atau lebih independent variable.

Adapun beberapa persyaratan yang harus diuji kebenarannya sebelum melakukan analisis data adalah:

1. Uji Persyaratan Analisis

a. Autokorelasi

Autokorelasi digunakan untuk menguji suatu model apakah antara variabel pengganggu masing-masing variabel bebas saling mempengaruhi. Untuk mengetahui apakah pada model regresi mengandung autokorelasi dapat digunakan pendekatan D- W (Durbin Watson). Menurut Singgih Santoso (2001) kriteria autokorelasi ada 3, yaitu:

1) Nilai D-W di bawah -2 berarti diindikasikan ada autokorelasi positif.

2) Nilai D-W di antara -2 sampai 2 berarti diindikasikan tidak ada autokorelasi.

3) Nilai D-W di atas 2 berarti diindikasikan ada autokorelasi negatif.

b. Multikolinearitas

Multikolinieritas digunakan untuk menguji suatu model apakah terjadi hubungan yang sempurna atau hampir sempurna antara variabel bebas, sehingga sulit untuk memisahkan pengaruh antara variabel-variabel itu secara individu terhadap Multikolinieritas digunakan untuk menguji suatu model apakah terjadi hubungan yang sempurna atau hampir sempurna antara variabel bebas, sehingga sulit untuk memisahkan pengaruh antara variabel-variabel itu secara individu terhadap

c. Heteroskedastisitas

Heteroskedastisitas digunakan untuk mengetahui apakah variabel pengganggu dalam persamaan regresi mempunyai varian yang sama atau tidak. Untuk mengetahui terjadinya heteroskedastisitas yaitu dengan melihat ada tidaknya pola tertentu pada scatterplot yang menunjukkan hubungan antara Regression Studentised Residual dengan Regression Standardized Predicted Value. Menurut Singgih Santoso (2001:210) menetapkan dasar pengambilan keputusan berkaitan dengan gambar tersebut adalah:

1. Jika ada pola tertentu, seperti titik-titiknya membentuk suatu pola tertentu yang teratur (bergelombang, melebar kemudian menyempit) maka diindikasikan terdapat masalah heteroskedastisitas.

2. Jika tidak ada pola yang jelas, serta titik-titiknya menyebar di atas dan di bawah angka 0 pada sumbu Y, maka diindikasikan tidak terdapat masalah heterokedastisitas.

d. Normalitas

Normalitas digunakan untuk mengetahui apakah data akan dianalisis berbentuk sebaran normal atau tidak. Dalam penelitian ini, data untuk setiap variabel diuji normalitasnya. Deteksi normalitas dapat diketahui dengan melihat penyebaran data pada sumbu diagonal pada suatu grafik. Menurut Singgih Santoso (2001) menetapkan dasar pengambilan keputusan yang digunakan sebagai berikut:

1) Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis

diagonal, maka model regresi memenuhi asumsi normalitas.

2) Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti garis

diagonal, maka regresi tidak memenuhi asumsi normalitas.

e. Linearitas

Uji Linieritas digunakan untuk mendeteksi adanya hubungan linier antara variabel X dan Y yang bisa dilakukan, sebagai berikut :

1) Plot antara residu (e) versus Y-topi Jika plot yang bersangkutan menggambarkan suatu scatter diagram (diagram pencar) dalam arti tidak berpola maka dapat dikatakan tidak terjadi mispesifikasi pada fungsi regresi, hal ini bararti bahwa hubungan antara variabal X dan Y adalah linier.

2) Plot antara variabel X versus Y Jika plot menggambarkan garis lurus maka asumsi pertama ini telah terpenuhi.

3) Plot antara residu versus X Jika plot menggambarkan diagram pencar maka linieritas ini sudah terpenuhi. (Siswandari, 2000:28)

2. Uji Hipotesis

a. Menghitung Pesamaan Garis Regresi Linear Ganda

Analisis Regresi Linear Berganda adalah hubungan secara linear antara dua atau lebih variabel independen (X1, X2,...Xn) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Persamaan regresi linear bergandanya dituliskan:

Y=a+b 1 X 1 +b 2 X 2 +b 3 X 3 +b 4 X 4 +b 5 X 5 +b 6 X 6 Keterangan : Y

= Store Loyalty

X 1 = Harga

X 2 = Kelengkapan Produk

X 3 = Keunikan

X 4 = Kenyamanan

X 5 = Service quality

X 6 = Good place to shop

a = Bilangan konstanta

b = Koefisien regresi (nilai peningkatan ataupun penurunan)

(Omar (1999))

b. Uji F

Duwi Priyatno (2008: 82) mengatakan bahwa uji F digunakan untuk mengetahui variabel bebas secara bersama-sama mempunyai berpengaruh secara signifikan terhadap variabel terikat. Atau untuk mengetahui apakah model regresi dapat digunakan untuk memprediksi variabel terikat atau tidak. Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi. Tingkat signifikansi menggunakan a = 5% atau 0,05.

Uji F dalam penelitian ini menggunakan software SPSS 17, yaitu dengan melihat tabel ANOVA dalam kolom sig, jika probabilitas < 0,05, maka dapat dikatakan terdapat pengaruh yang signifikan secara bersama-sama variabel bebas (customer expectations) terhadap variabel terikat (store loyalty) dan model regresi bisa dipakai untuk memprediksi variabel terikat. Atau jika nilai signifikansi > 0,05 maka tidak terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas (customer expectations) terhadap variabel terikat (store loyalty).

c. Uji t

Uji t dalam penelitian ini menggunakan software SPSS 17, yaitu dengan melihat tabel coefficients pada kolom sig. Jika probabilitas nilai t atau signifikansi <0,05, maka dapat dikatakan bahwa terdapat pengaruh secara parsial antara variabel bebas (customer expectations) terhadap variabel terikat (store loyalty). Atau jika probabilitas nilai t atau signifikansi >0,05, maka dapat dikatakan bahwa tidak terdapat pengaruh yang signifikan masing-masing variabel bebas terhadap variabel terikat.

d. Koefisien Determinasi ( Adjusted R Square)

Uji ini bertujuan untuk menentukan proporsi atau presentase total variasi dalam variabel terikat yang diterangkan variabel bebas secara bersama-sama. Menggunakan Adjusted R Square karena dalam regresi ini menggunakan lebih dari dua variabel bebas.

Hasil perhitungan Adjusted R 2 dapat dilihat pada output Model Summary. Pada kolom Adjusted R 2 dapat diketahui berapa persentase yang dapat dijelaskan oleh

variabel-variabel bebas terhadap variabel terikat. Dan sisanya dipengaruhi atau dijelaskan oleh variabel-variabel lain yang tidak dimasukkan dalam model penelitian ini.