45
3.10 Teknis Analisis
a. Metode analisis deskriptif
Metode analisis deskriptif merupakan metode penganalisaan yang dilakukan dengan cara menentukan data, mengelompokkan data dan
menginterpretasikan data sehingga dapat memberikan gambaran masalah yang dihadapi Sumarni, 2005:102. Data diperoleh dari data
primer berupa kuesioner yang telah diisi oleh sejumlah responden penelitian.
b. Uji Asumsi Klasik
Sebelum melakukan analisis regresi, agar dapat perkiraan yang tidak bias dan efisiensi maka dilakukan pengujian asumsi klasik yang harus
dipenuhi, yaitu: 1
Uji Normalitas Uji Normalitas bertujuan untuk mengetahui apakah distribusi sebuah
data mengikuti atau mendekati distribusi normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal. Uji
normalitas dilakukan dengan menggunakan pendekatan Kolmograv Smirnov, dengan menggunakan tingkat signifikansi 5 maka nilai
Asymp. Sig. 2 tailed diatas nilai signifikan 5 artinya variabel residual berdistribusi normal Ginting dan Situmorang, 2008:62.
2 Uji Heteroskedastisitas
Adanya varians variabel independen adalah konstan untuk setiap nilai tertentu variabel independent homokedastisitas. Model regresi yang
46 baik adalah tidak terjadi heteroskedastisitas. Heteroskedastisitas diuji
dengan menggunakan uji Glejser dengan pengambilan keputusan jika variabel independen signifikan secara statistik mempengaruhi variabel
dependen, maka ada nilai indikasi terjadinya heteroskedastisitas. Jika probabilitas signifikannya diatas tingkat kepercayaan 5 dapat
disimpulkan model regresi tidak mengarah adanya heteroskedastisitas. 3
Uji Multikolinearitas Artinya variabel independen yang satu dengan yang lain dalam model
regresi berganda tidak saling berhubungan secara sempurna. Untuk mengetahui ada tidaknya gejala multikolinearitas dapat dilihat dari
besarnya nilai Tolerance dan VIF Variance Inflation Factor melalui program SPSS. Tolerance mengukur variabilitas variabel terpilih yang
tidak dijelaskan oleh variable independen lainnya. Nilai umum yang biasa dipakai adalah nilai Tolerance1 atau nilai VIF 5, maka tidak
terjadi multikolinearitas Ginting dan Situmorang, 2008:104.
c. Metode analisis Regresi Berganda
Analisis Regresi Linear Berganda yaitu regresi yang memiliki satu variabel dependen dan lebih dari satu variabel independen
Sugiyono,2005:211. Untuk memperoleh hasil analisi data, peneliti menggunakan program SPSS 16.0.
Model persamaannya dapat digambarkan sebagai berikut: Y= a + b
1
X
1
+ b
2
X
2
+ e
47 Keterangan
Y = Keputusan pembelian a = Konstanta
X
1
= Shopping Motives X
2
= Store Attributes b
1,2
= Koefisien regresi e = Standar error
d. Uji Hipotesis
1 Uji Signifikan Simultan Uji-F
Uji-F digunakan untuk menunjukkan apakah semua variabel bebas X yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama terhadap variabel terikat Y H
: b
i
= 0 Artinya secara bersama-sama tidak terdapat pengaruh yang positif
dan signifikan dari variabel bebas yaitu berupa Shopping Motives X
1
dan Store Attributes X
2
terhadap Keputusan pembelian Y . H
a
: b
i
= 0 Artinya secara bersama-sama terdapat pengaruh yang positif dan
signifikan dari variabel bebas yaitu berupa Shopping Motives X
1
dan Store Attributes X
2
terhadap Keputusan pembelian Y .
Kinerja pengambilan keputusan: H
diterima jika F
hitung
F
tabel
pada α = 5
H
a
diterima jika F
hitung
F
tabel
pada α = 5
48 2
Uji Signifikan Parsial Uji-t Uji-t menentukan seberapa besar pengaruh variabel bebas X
secara parsial terhadap variabel terikat Y H
: b
i
= 0 Artinya secara parsial tidak terdapat pengaruh yang positif dan
signifikan dari veriabel bebas yaitu berupa Shopping Motives X
1
dan Store Attributes X
2
terhadap Keputusan pembelian Y . H
a
: b
i
= 0 Artinya secara parsial terdapat pengaruh yang positif dan
signifikan dari variabel bebas yaitu berupa Shopping Motives X
1
dan Store Attributes X
2
terhadap Keputusan pembelian Y .
Kriteris pengambilan keputusan : H
diterima jika t
hitung
F
tabel
pada α = 5
H
a
diterima jika t
hitung
F
tabel
pada α = 5
3 Koefisien Determinasi R
2
Koefisien Determinasi R
2
pada intinya mengukur seberapa besar kemampuan model dalam menerangkan variabel terikat. Jika R
2
semakin besar nilainya mendekati satu, maka dapat dikatakan bahwa pengaruh variabel bebas Shopping Motives X
1
dan Store Attributes X
2
adalah kuat terhadap variabel terikat Keputusan pembelian Y. Hal ini berarti model yang digunakan semakin kuat
untuk menerangkan pengaruh variabel bebas yang diteliti terhadap variabel terikat. Sebaliknya jika R
2
semakin kecil nilainya
49 mendekati nol, maka dapat dikatakan pengaruh variabel bebas
Shopping Motives X
1
dan Store Attributes X
2
terhadap variabel terikat Keputusan pembelian Y semakin kecil. Hal ini berarti
model yang digunakan tidak kuat untuk menerangkan pengaruh variabel bebas yang diteliti terhadap variabel terikat.
50
BAB IV HASIL DAN PEMBAHASAN