46 Sebaliknya, jika nilai Cronbach Alpha dari suatu variabel lebih kecil dari
0,6 maka butir pertanyaan tersebut tidak reliable Ghozali, 2009:46.
3. Analisa Koefisien Korelasi
Analisa statistik ini bertujuan untuk mengetahui ada atau tidak adanya hubungan antara 2 dua varibel, yaitu variabel bebas dan variabel
terikat.Dalam hal ini yang akan dicari adalah hubungan tayangan iklan ditelevisi dan harga tarif sebagai variabel bebas dan tindakan brand
switching sebagai
varibel terikat.Koefisien
korelasi bertujuan
untuk mengetahui sejauh mana hubungan antara kedua variabel independent dan
dependent.
Tabel 3.1 Pedoman Untuk Memberikan Koefisien Korelasi
Internal Koefisien Tingkat Hubungan
0.00 – 0.199
0.20 – 0.399
0.40 – 0599
0.60 – 0.799
0.80 – 1.000
Sangat Rendah Rendah
Sedang Kuat
Sangat Kuat Sumber : Sugiyono, 2005
4. Uji Asumsi Klasik
a. Uji Normalitas Data Uji Normalitas bertujuan menguji apakah dalam model regresi
dependen variabel, independen variabel ataupun keduanya mempunyai distribusi yang normal atau tidak. Salah satu cara untuk melihat data
yang telah memenuhi uji Normalitas adalah dengan menggunakan
47 normal probability plot yang membandingkan distribusi kumulatif dari
distribusi normal. Tujuan dari uji normalitas ini adalah untuk menguji apakah model
regresi mempunyai distribusi normal atau tidak. Model regresi yang baik adalah bila distribusi errornya normal atau mendekati normal. Terdapat
dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik Ghozali, 2009: 27-32.
1 Analisis Grafik Metode yang digunakan dalam analisis grafik adalah dengan
melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Deteksi normalitas dapat dilakukan
dengan: 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 diagonal dan atau tidak
mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
2 Analisis Statistik Selain itu penelitian uji normalitas dapat juga menggunakan uji
Kolmogrov Smirnovdengan bantuan program SPSS. Dalam penelitian ini,
uji yang dilakukan untuk menentukan normalitas dengan menggunakan statistik Kolmogorov
– Smirnov Ghozali, 2009:30. Hal ini dapat dilihat sebagai berikut:
48 a Dengan membandingkan K-S
hitung
dengan K-S
tabel
: 1 Jika K-S K-S tabel, H
o
ditolak. 2 Jika K-S K-S tabel, H
o
diterima. b Dengan melihat angka probabilitas, dengan ketentuan :
1 Probabilitas 0,05, maka H
o
ditolak. 2 Probabilitas 0,05, maka H
o
diterima.
b. Uji Multikolinieritas Uji multikolinearitas digunakan untuk mengetahui apakah ada
hubungan atau korelasi diantara variabel independen. Multikolinearitas menyatakan
hubungan antar sesama variabel independen. Dalam
penelitian ini uji multikolinearitas digunakan untuk menguji apakah ada korelasi atau hubungan diantara variabel citra, kepercayaan dan kepuasan
terhadap loyalitas merek. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen
saling berkorelasi, maka variabel-variabel ini tidak orthogonal, variabel orthogonal adalah variabel independen yang memiliki nilai korelasi antar
sesama variabel independen sama dengan nol. Multikolinearitas dapat dilihat dari nilai tolerance dan lawannya Variance Inflation Factor
VIF. Nilai cut off yang umum dipakai untuk menunjukan adanya nilai multikolinearitas adalah nilai tolerance 0,10 atau sama dengan nilai
VIF 10 Ghozali, 2009: 96.
49
c. Uji Autokolerasi
Uji autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi linier ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pada periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu satu sama
lainnya. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering
ditemukan pada data rentet waktu time series karena “gangguan” pada
seorang individu kelompok cenderung mempengaruhi “gangguan” pada individu kelompok yang sama pada periode berikutnya. Pada data
crossection silang waktu, masalah autokorelasi relatif jarang terjadi karena “gangguan” pada observasi yang berbeda berasal dari individu
kelompok yang berbeda.Model regresi yang baik adalah regresi yang bebas dari autokorelasi Ghozali, 2009:99. Adanya autokorelasi dapat
mengakibatkan: 1 Varians sampel tidak dapat menggambarkan varians populasi.
2 Model regresi yang dihasilkan tidak dapat digunakan untuk menduga nilai variabel terikat dari nilai variabel bebas tertentu.
3 Varians dari koefisiennya menjadi tidak minim lagi, sehingga koefisien estimasi yang diperoleh kurang akurat. Uji t tidak berlaku
lagi, jika uji t tersebut tetap digunakan, maka kesimpulan yang diperoleh salah.
50 Autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lainya. Untuk mendeteksi ada atau tidaknya autokorelasi dalam suatu penelitian. Uji durbin Watson hanya digunakan
untuk autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan
tidak ada variabel lagi di antara variabel independen hipotesis yang akan diuji adalah Ghozali, 2009:100:
H
o
: tidak ada autokorelasi r = 0 H
a
: ada autokorelas i r ≠ 0
Tabel 3.2 Pengambilan Keputusan Ada Tidaknya Autokorelasi
Dw kesimpulan
Kurang dari 1,10 1,10 dan 1,54
1,55 dan 2,46 2,46 dan 2,90
Lebih dari 2,91 Ada autokorelasi
Tanpa kesimpulan Tidak ada autokorelasi
Tanpa kesimpulan Ada autokorelasi
Sumber: Algifari, 2000
d. Uji Heteroskedastisitas
Uji heteroksiditas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
satu pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika
berbeda disebut heteroksiditas. Model regresi yang baik adalah yang homoskedastisitas
atau jika
terjadi heteroskedastisitas
Ghozali, 2009:125.
51 Pada saat mendeteksi ada tidaknya heteroskedastisitas dapat
ditentukan dengan melihat grafik Plot antara nilai prediksi variabel terikat
ZPRED dengan
residual SRESID.
Jika grafik
plot menunjukkan suatu pola titik yang bergelombang atau melebar kemudian
menyempit, maka
dapat disimpulkan
bahwa telah
terjadi heteroskedastisitas. Namun, jika tidak ada pola yang jelas, serat titik-titik
menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2009:125.
5. Uji Analisis Regresi Linear Berganda
a. Persamaan Regresi Linier Berganda Model regresi berganda bertujuan untuk memprediksi besar
variabel dependen dengan menggunakan data variabel independen yang sudah diketahui besarnya Santoso, 2002:163. Model regresi berganda
umumnya digunakan untuk menguji pengaruh dua atau lebih variabel independen terhadap variabel dependen dengan skala pengukuran ordinal
dalam suatu persamaan linier Indriantoro dan Bambang, 2002:211. Variabel independen terdiri dari kualitas produk, promosi, desain, dan
citra perusahaansedangkanvariabel
dependennya adalah
keputusan pembelian. Rumus persamaan regresi yang digunakan adalah sebagai
berikut:
Y = a + b
1
x
1
+ b
2
x
2
+ b
3
x
3
+ b
4
x
4
+ e
52 Dimana:
Y : Variabel Terikat keputusan pembelian
a : Konstanta
b
1
-b
3
: Koefisien regresi yang menunjukkan angka peningkatan atau penurunan
variabel dependen
yang didasarkan
pada hubungan nilai variabel independen
X
1
:Variabel bebas kualitas produk X
2
:Variabelbebas citra perusahaan X
3
: Variabelbebas promosi X
4
: Variabel bebas desain e
: Standar error
b. Koefisien Determinasi Adjusted R² Menurut Ghozali 2009:87 menyatakan Uji koefisien determinasi
bertujuan untuk melihat seberapa besar kemampuan variabel bebas menjelaskan variabel terikat yang dilihat melalui adjusted R
². Adjusted R
² ini digunakan karena variabel bebas dalam penelitian ini lebih dari dua.Nilainya terletak antara 0 dan 1. Jika hasil yang diperoleh 0,5,
maka model yang digunakan dianggap cukup handal dalam membuat estimasi.Semakin besar angka Adjusted R² maka semakin baik model
yang digunakan untuk menjelaskan hubungan variabel bebas terhadap variabel terikatnya.Jika R
² semakin kecil berarti semakin lemah model tersebut untuk menjelaskan variabilitas dari variabel terikatnya.
53
6. Pengujian Hipotesis
