Untuk mengetahui korelasi secara parsial dari Keputusan Pembelian dan Faktor situasional secara parsial dengan Keputusan menonton dihitung korelasi
parsial. 1. Hubungan Lokasi dengan Keputusan menonton pada saat Faktor
situasional Tidak mengalami perubahan Hasil perhitungan dengan perhitungan SPSS 18 for windows sebagai
berikut:
Tabel 4.48 Korelasi Parsial Lokasi dengan Keputusan menonton
pada saat Faktor situasional Tidak mengalami perubahan
Correlations
Control Variabels Y Keputusan
menonton X1
Lokasi X2
Faktor situasional Y Keputusan
menonton Correlation
1.000 .399
Significance 2-tailed .
.000 Df
97 X1 Lokasi
Correlation .399
1.000 Significance 2-tailed
.000 .
Df 97
Nilai korelasi yang diperoleh antara Lokasi dengan Keputusan menonton pada saat Faktor situasional tidak mengalami perubahan sebesar 0,399 masuk
dalam kategori tidak kuat. Artinya antara Lokasi dengan Keputusan menonton pada saat Faktor situasional tidak mengalami perubahan terjadi hubungan positif
yang tidak terlalu kuat, jika Lokasi semakin baik akan diikuti dengan Keputusan menonton yang menjadi semakin tinggi.
Koefisiensi Determinasi KD parsial X
2
terhadap Y diperoleh menggunakan rumus berikut :
Kd = r
2
x 100 Kd = 0,399
2
x 100
Kd = 0,1592 x 100 Kd= 15,92
Besar pengaruh Lokasi dengan Keputusan menonton pada saat Faktor situasional tidak berubah adalah 15,92.
2. Pengaruh Faktor situasional Terhadap Keputusan menonton pada saat Lokasi Tidak mengalami perubahan
Hasil perhitungan dengan perhitungan SPSS 18 for windows sebagai berikut:
Tabel 4.49 Korelasi Parsial Faktor situasional dengan Keputusan menonton
pada saat Lokasi tidak mengalami perubahan
Correlations
Control Variabels Y Keputusan
menonton X2 Faktor
situasional X1 Lokasi
Y Keputusan menonton
Correlation 1.000
.632 Significance 2-tailed
. .000
Df 97
X2 Faktor situasional
Correlation .632
1.000 Significance 2-tailed
.000 .
Df 97
Nilai korelasi yang diperoleh antara Faktor situasional dengan Keputusan menonton pada saat Lokasi tidak mengalami perubahan sebesar 0,632 masuk
dalam kategori kuat. Artinya antara Faktor situasional dengan Keputusan menonton pada saat Faktor situasional tidak mengalami perubahan terjadi
hubungan positif yang kuat, jika Faktor situasional semakin baik akan diikuti dengan Keputusan menonton yang menjadi semakin tinggi.
Koefisiensi Determinasi KD parsial X2 terhadap Y diperoleh menggunakan rumus berikut :
Kd = r
2
x 100 Kd = 0,632
2
x 100 Kd = 0,3994 x 100
Kd= 39,94 Besar pengaruh Faktor situasional dengan Keputusan menonton pada saat
Lokasi tidak berubah 39,94.
4.4.1.1 Analisis Korelasi Ganda dan Koefisien Determinasi
Untuk mengetahui korelasi ganda dan besarnya pengaruh secara bersama- sama Lokasi dan faktor situasional terhadap keputusan menonton dapat dilihat
nilai korelasi dan koefisien determinasi R
2
. Tabel berikut merupakan hasil perhitungan koefisien determinasi untuk persamaan regresi yang diperoleh dengan
SPSS 18 for windows sebagai berikut :
Tabel 4.50 Tabel Hasil Perhitungan Koefisien Determinasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate 1
.787
a
.619 .612
.37990 a. Predictors: Constant, X2 Faktor situasional, X1 Lokasi
b. Dependent Variabel: Y Keputusan menonton
Sumber : Lampiran Output SPSS
Diperoleh besarnya korelasi ganda antara Lokasi dan Faktor situasional dengan Keputusan menonton sebesar 0,787. Nilai korelasi yang diperoleh sebesar
0,787 masuk dalam kategori kuat. Artinya antara Lokasi dan Faktor situasional dengan Keputusan menonton terjadi hubungan yang sejalan.
Dari hasil analisis data dapat diketahui, pada tabel model summary besarnya R-square R
2
atau koefisien determinasi adalah 0,619. Hal ini berarti 61,9 perubahan keputusan menonton dipengaruhi dapat dijelaskan oleh Lokasi
dan Faktor situasional sedangkan 38,1 lainnya dijelasakan oleh faktor lain yang tidak termasuk dalam variabel yang diteliti dalam penelitian ini seperti variabel
harga, kualitas pelayanan, produk, dan promosi. Hasil perhitungan koefisien regresi diperoleh pada tabel berikut, untuk
Tabel selengkapnya dapat dilihat pada lampiran
Tabel 4.51 Data untuk perhitungan analisis Regresi X dan Y
No X
1
X
2
Y
2 1
X
2 2
X
2
Y
X
1
X
2
X
1
Y X
2
Y
1
3.318 3.048
2.663
11.007 9.289
7.089 10.112
8.833 8.115
2
1.226 2.912
3.000
1.502 8.477
9.001 3.569
3.678 8.735
3
3.427 3.210
3.363
11.741 10.303
11.310 10.998
11.524 10.795
4
3.356 3.169
3.058
11.264 10.044
9.349 10.636
10.262 9.690
5
3.318 3.178
3.144
11.007 10.102
9.885 10.545
10.431 9.993
6
3.621 2.549
3.108
13.112 6.497
9.662 9.230
11.256 7.923
7
3.147 2.851
2.771
9.905 8.129
7.678 8.973
8.721 7.901
8
3.218 3.641
3.359
10.353 13.258
11.286 11.716
10.809 12.232
9
2.170 2.883
2.769
4.709 8.311
7.669 6.256
6.010 7.984
10
3.237 1.876
2.389
10.481 3.518
5.708 6.072
7.734 4.481
11
2.834 2.717
1.752
8.032 7.382
3.070 7.700
4.966 4.761
12
1.000 1.751
1.101
1.000 3.065
1.211 1.751
1.101 1.927
13
2.733 2.926
2.871
7.471 8.563
8.245 7.999
7.849 8.403
14
2.458 2.018
2.061
6.040 4.074
4.248 4.961
5.065 4.160
15
1.336 1.487
2.135
1.785 2.212
4.559 1.987
2.853 3.176
16
3.335 3.030
2.991
11.123 9.179
8.948 10.104
9.976 9.062
17
2.627 2.871
2.213
6.902 8.242
4.897 7.542
5.814 6.353
18
1.000 1.000
1.383
1.000 1.000
1.911 1.000
1.383 1.383
19
3.216 2.549
2.963
10.344 6.497
8.779 8.198
9.529 7.552
20
3.048 3.030
2.301
9.288 9.178
5.294 9.233
7.012 6.971
21
2.537 3.983
2.301
6.438 15.862
5.294 10.106
5.838 9.164
22
2.132 2.856
2.563
4.544 8.155
6.567 6.087
5.462 7.318
23
2.971 2.918
2.896
8.829 8.512
8.385 8.669
8.604 8.448
24
1.613 1.000
1.535
2.602 1.000
2.355 1.613
2.475 1.535
25
2.538 3.639
3.387
6.442 13.242
11.474 9.236
8.597 12.326
….
…….. ………
………..
………. …………. ……….
………… …………. …………. 100
3.246 3.173
3.252
10.535 10.068
10.573 10.299
10.554 10.317
∑ 302.150
300.330 299.452 946.883
945.723 933.505 926.924 926.195
929.024
Diperoleh nilai-nilai sebagai berikut:
1
X
302.150
2
X
300.330
Y
299.452
2 1
X
946.883
2 2
X
945.723
2
Y
933.505
1
X Y
926.195
2
X Y
929.024
1 2
X X
926.924
Menggunakan nilai tersebut di atas selanjutnya dapat dilakukan perhitungan koefisien regresi sebagai berikut :
Y
na + b
1
1
X
+ b
2
2
X
1
X Y
a
1
X
+b
1
2 1
X
+ b
2
1 2
X X
2
X Y
a
2
X
+b
1
1 2
X X
+b
2
2 2
X
