PenerapanModel Regresi Logistik Terhadap Kepemilikan Hp Android Pada Mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam USU

(1)

PENERAPAN MODEL REGRESI LOGISTIK TERHADAP KEPEMILIKAN HP ANDROID PADA MAHASISWA FAKULTAS MATEMATIKA

DAN ILMU PENGETAHUAN ALAM USU

SKRIPSI

MARIA ULFA 120823004

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

(2)

PENERAPAN MODEL REGRESI LOGISTIK TERHADAP KEPEMILIKAN HP ANDROID PADA MAHASISWA FAKULTAS MATEMATIKA

DAN ILMU PENGETAHUAN ALAM USU

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains

MARIA ULFA 120823004

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2014

(3)

PERSETUJUAN

Judul : PenerapanModel Regresi Logistik Terhadap Kepemilikan Hp Android Pada Mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam USU

Kategori : Skripsi

Nama : Maria Ulfa

Nomor induk mahasiswa : 120823004

Program studi : Sarjana (S1) Matematika

Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

Disetujui di

Medan, Oktober2014

Komisi Pembimbing :

Pembimbing 2, Pembimbing 1,

Dr. Pasukat Sembiring, M.Si Dr. Mardiningsih, M.Si NIP. 19531113 198503 1 002 NIP.19630405 198811 2 001

Disetujui oleh

Departemen Matematika FMIPA USU Ketua,

Prof. Dr. Tulus,M.Si. NIP.196209011988031002

(4)

PERNYATAAN

PENERAPAN MODEL REGRESI LOGISTIK TERHADAP KEPEMILIKAN HP ANDROID PADA MAHASISWA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM USU

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri.Kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Oktober2014

MARIA ULFA 120823004

(5)

PENGHARGAAN

Assalamu’alaikum Warahmatullahi Wabarakatuh

Puji dan syukur Penulis panjatkan kepada Allah SWT atas segala berkah, rahmat dan karunia yang dilimpahkan-Nya sehingga Penulis dapat menyelesaikan penyusunan skripsi ini dengan judulPenerapan Model Regresi Logistik Terhadap Kepemilikan Hp Android Pada Mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam USU.

Terimakasih Penulis sampaikan kepada kepada IbuDr. Mardiningsih,M.Si selaku pembimbing 1 dan BapakDr. Pasukat Sembiring, M.Si pembimbing 2 yang telah meluangkan waktunya selama penyusunan skripsi ini. Terima kasih kepada Prof. Dr. Tulus, M. Si, Dekan dan Pembantu Dekan FMIPA USU, seluruh staff dan Dosen Matematika FMIPA USU, pegawai FMIPA USU serta kepada Ayahanda tercinta Seni Wira Arzaini (Alm) dan Ibunda tercinta Siti Ramlah Hsb serta rekan-rekan kuliah yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Allah SWT membalasnya.

Medan, Oktober2014

Penulis,

(6)

ABSTRAK

Peningkatan jumlah penduduk yang disertai dengan pertumbuhan ekonomi masyarakat dan perkembangan Ilmu Pengetahuan dan Teknologi (IPTEK) yang sangat maju pesat, telah mendorong tingkat kepemilikan gadget canggih khususnya Hp atau telepon seluler yang dari tahun ke tahun semakin meningkat di kalangan masyarakat. Dalam penelitian ini penerapan Model Regresi Logistik digunakan untuk mengidentifikasi faktor-faktor yang mempengaruhi kepemilikan Hp Android pada mahasiswa Fakultas MIPA USU. Data tersebut dianalisis dengan menggunakan Metode Regresi Logistik karena variabel respon dari data tersebut berupa data kategori. Diperoleh Model Regresi Logistik yang terbentuk adalah sebagai berikut:

[ ]

Persamaan menunjukkan bahwa nilai intersep = -11,295. Artinya: [

] = -11,295 pada saat semua variabel berharga 0, yaitu pada saat variabel X1, X3, X4, dan

X5 tidak berpengaruh terhadap besarnya peluang kepemilikan Hp Android (Y).

Diperoleh besaran [

] = -11,295 atau besarnya probabilitas

) 295 , 11 (

1 )

( _

  

e e x

p i = 0,00001.

(7)

ABSTRACT

The increase of population coupled with economic growth of society and the development of Science and Technology highly advanced rapidly, have pushed the ownership rate gadgets especially Hp or cell phone that from year to year increasing among society. In this researches, Logistic Regression Model is used to identify the factors that influence android phone ownership in student faculty of mathematics and natural science. The data were analyzed using Logistic Regression method for the variable response of data in the form of categorical data. Thus, Logistic Regression models were formed are as follows:

[

] Equation shows that the intercept = -11,295. Means: [

] = -11,295, when all the variables is 0, is at the moment the X1, X3, X4, and X5 variables no effect on the

android phone ownership opportunities. Magnitude obtained [

] = -11,295or the magnitude of the probability

(8)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak v

Abstract vi

Daftar isi vii

Daftar tabel ix

BAB 1 PENDAHULUAN

1.1. Latar Belakang 1

1.2. Rumusan Masalah 2

1.3. Batasan Masalah 3

1.4. Tujuan Penelitian 3

1.5. Manfaat Penelitian 3

1.6. Tinjauan Pustaka 4

1.7. Metodologi Penelitian 7

BAB 2 LANDASAN TEORI

2.1. Gambaran Fakultas FMIPA USU 9

2.2 Pengertian Android 10

2.3 Defenisi Operasional Variabel Penelitian 10

2.4 Data 11

2.4.1 Data Menurut Sifatnya 11

2.4.2 Skala Pengukuran Data 11

2.4.3 Skala Untuk Instrumen 13

2.4.4 Mengubah Data Ordinal ke Data Interval dengan 14 Metode Suksesif Interval (MSI)

2.5 Tahapan Penelitian 15

2.6 Analisis Data 16

2.4.1 Uji Validitas 16

2.4.2 Uji Reliabilitas 16

2.5. Regresi Logistik 17

2.5.1 Model Regresi Logistik 17

2.5.2 Uji Signifikansi Parameter 18

2.5.3 Uji Kecocokan Model 20

2.5.4 Odds Rasio 21

BAB 3 PEMBAHASAN

3.1. Pengolahan Data 23

3.1.1. Tabulasi Hasil Kuesioner 23

3.1.2. Nilai Total Skor Variabel Hasil Penelitian 23 3.1.3. Uji Instrumen Kuesioner Menggunakan Uji Validitas 23

(9)

3.2. Transformasi Data Ordinal Menjadi Data Interval 29

3.3. Pengolahan Data 32

3.4. Analisis Data 32

3.4.1 Tipe Data 32

3.5. Menjelaskan Hasil Analisis Dengan Menggunakan SPSS 33

3.5.1 Model Regresi Logistik 33

3.5.2 Uji Signifikansi Parameter Model Awal 35

3.5.3 Uji Kecocokan Model 38

3.6. Interpretasi Model Menggunakan Odds Rasio 39 3.7. Mencari Persamaan Regresi Logistik Tanpa SPSS 41 BAB IV KESIMPULAN DAN SARAN

4.1. Kesimpulan 46

4.2. Saran 47

DAFTAR PUSTAKA LAMPIRAN

(10)

DAFTAR TABEL

Halaman

1. Tabel 3.1 Uji Validitas Harga 24

2. Tabel 3.2 Uji Validitas Fitur 25

3. Tabel 3.3 Uji Validitas Merek 25

4. Tabel 3.4 Uji Validitas Desain 26

5. Tabel 3.5 Uji Validitas Iklan 26

6. Tabel 3.6 Uji Reliabilitas Harga 27

7. Tabel 3.7 Uji Reliabilitas Fitur 27

8. Tabel 3.8 Uji Reliabilitas Desain 28

9. Tabel 3.9 Uji Reliabilitas Merek 28

10.Tabel 3.10 Uji Reliabilitas Iklan 29

11.Tabel 3.11 Skor Jawaban Ordinal 30

12.Tabel 3.12 Rincian Hasil Perhitungan Secara Manual 32

13.Tabel 3.13 Nilai Koefisien Variabel 33

14. Tabel 3.14 Model Summary 35

15. Tabel 3.15 Model Klasifikasi 36

16. Tabel 3.16 Nilai Koefisien Variabel 37

17. Tabel 3.17 Tabel Kontingensi Untuk Uji Hoshmer-Lemeshow 39

18. Tabel 3.18 Uji Hoshmer-Lemeshow 39

19. Tabel 3.19 Kontribusi Variabel X Terhadap Variabel Y 40

20. Tabel 3.20 Data Variabel Y dan X 41

21. Tabel 3.21 Tabel Kontingensi 42

22. Tabel 3.22 Nilai Peluang 42

23. Tabel 3.23 Nilai Y 42

(11)

ABSTRAK

[ ]

Persamaan menunjukkan bahwa nilai intersep = -11,295. Artinya: [

] = -11,295 pada saat semua variabel berharga 0, yaitu pada saat variabel X1, X3, X4, dan

X5 tidak berpengaruh terhadap besarnya peluang kepemilikan Hp Android (Y).

Diperoleh besaran [

] = -11,295 atau besarnya probabilitas

) 295 , 11 (

1 )

( _

  

e e x

p i = 0,00001.

(12)

ABSTRACT

[

] Equation shows that the intercept = -11,295. Means: [

] = -11,295, when all the variables is 0, is at the moment the X1, X3, X4, and X5 variables no effect on the

android phone ownership opportunities. Magnitude obtained [

] = -11,295or the magnitude of the probability

(13)

BAB I

PENDAHULUAN

1.1 Latar Belakang

Menurut sebuah riset yang dilakukan oleh GfK Asia, penjualan smartphone di wilayah Asia Tenggara mengalami kenaikan hingga 61%. Lebih jauh lagi, para konsumen dari Singapura, Malaysia, Vietnam, Thailand, Indonesia, Kamboja dan Filipina telah menghabiskan lebih dari US 10.8 miliar atau 127.98 triliun rupiah untuk membeli 41.5 juta smartphone. Dari deretan negara-negara tersebut Indonesia berada di urutan nomor satu sebagai negara yang paling komsumtif dalam pembelian perangkat mobile

(Republica.co.id).

Peningkatan jumlah penduduk yang disertai dengan pertumbuhan ekonomi masyarakat dan perkembangan Ilmu Pengetahuan dan Teknologi (IPTEK) yang sangat maju pesat telah mendorong tingkat kepemilikan gadget canggih khususnya Hp atau telepon seluler yang dari tahun ke tahun semakin meningkat di kalangan masyarakat. Saat ini yang menjadi trend bagi kebanyakan masyarakat dari berbagai kalangan adalah Hp Android. Hampir setiap orang memiliki Hp Android, tidak terkecuali bagi mahasiswa di Fakultas Matematika dan Ilmu Pengetahuan Alam USU.

Android adalah sistem operasi berbasis linux yang dirancnang untuk perangkat seluler layar sentuh seperti telepon pintar dan komputer tablet. Saat ini Hp Android menjadi salah satu kebutuhan penting tak terkecuali bagi mahasiswa. Karena akan mempermudah untuk memenuhi kebutuhan dalam kegiatan perkuliahan. Fungsinya yang menyerupai komputer mini, namun pengguna tidak lagi direpotkan membawa mouse ataupun keyboard. Mahasiswa dapat dengan mudah mengakses internet untuk keperluan belajar, seperti untuk mencari referensi buku, tugas kuliah dan keperluan lainnya.

(14)

Analisis regresi dapat digunakan untuk mengetahui pengaruh dan mengukur hubungan antara variabel dependen dan variabel independen. Pada penelitian ini, variabel dependen model regresinya yaitu kepemilikan Hp Android pada mahasiswa FMIPA USU. Sedangkan untuk variabel independenrnya terdiri dari harga, fitur, merek, desain, dan iklan. Model regresi yang diterapkan pada saat variabel dependennya bersifat kualitatif adalah model regresi logistik. Model regresi logistik merupakan salah satu pendekatan model matematis yang digunakan untuk menganalisis hubungan satu atau beberapa variabel dependen kategori (Hastono, S.P, 2008).

Model regresi logistik yang variabel dependen kategorinya mempunyai dua nilai variasi disebut model regresi logistik biner. Sedangkan yang memiliki lebih dari dua variasi disebut model regresi logistik polykotomous. Dalam penelitian ini akan dilakukan uji kecocokan pada model regresi logistik. Jika terdapat kurang cocoknya model maka akan memberikan kesimpulan yang salah terhadap hasil data penelitian. Uji kecocokan diperlukan untuk mengetahui apakah model statistik sudah layak digunakan. Terdapat beberapa uji kecocokan untuk model regresi logistik, salah satunya adalah uji Hosmer dan Lemeshow.

Berdasarkan uraian di atas penulis tertarik untuk mengetahui “Penerapan

Model Regresi Logistik Terhadap Kepemilikan Hp Android Pada Mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam USU”

1.2 Rumusan Masalah

Memiliki Hp Android bagi mahasiswa saat ini dirasa penting, karena Hp Android dapat membantu dan mempermudah mahasiswa dalam mengakses internet guna mememenuhi kebutuhan dalam proses belajar. Masalah kepemilikan Hp Android adalah masalah yang variabel dependen kategorinya bersifat kualitatif dan mempunyai dua nilai variasi. Regresi logistik merupakan model regresi yang digunakan untuk menganalisis hubungan satu atau beberapa variabel independen dengan sebuah variabel dependen kategori yang bersifat biner dan kualitatif. Oleh karena itu, regresi

(15)

logistik adalah metode yang sesuai untuk digunakan dalam penelitian kepemilikan Hp ini.

1.3 Batasan Masalah

Melihat luasnya cakupan permasalahan yang berhubungan dengan penelitian ini, maka batasan masalah dalam penelitian ini adalah:

1. Variabel independen X yang digunakan dalam penelitian ini adalah harga (X1),

merek (X2), fitur (X3), desain (X4) dan iklan (X5).

2. Responden pada penelitian ini adalah mahasiswa FMIPA USU.

3. Metode analisis yang digunakan untuk menentukan model hubungan antara variabel independen X dan variabel dependen Y dalam penelitian ini adalah dengan pendekatan statistik, yaitu dengan regresi logistik.

1.4 Tujuan Penelitian

Menerapkan model regresi logistik terhadap kepemilikan Hp Android pada mahasiswa FMIPA USU.

1.5 Manfaat Penelitian

Hasil penelitian ini diharapkan dapat memberikan manfaat sebagai berikut:

1. Sebagai tambahan informasi pada produsen dan memberikan gambaran tentang faktor-faktor yang berpengaruh terhadap kepemilikan Hp Android. 2. Mengetahui penerapan model regresi logistik terhadap kepemilikan Hp

Android pada mahasiswa FMIPA USU.

3. Memberikan manfaat bagi mahasiswa dalam rangka menambah ilmu pengetahuan dan wawasan tentang Analisis Regresi Logistik serta dapat dijadikan sebagai referensi bagi peneliti selanjutnya.

(16)

1.6 Tinjauan Pustaka

Pengertian teknologi sebenarnya dari bahasa prancis yaitu “la teqnique” yang berarti

semua proses yang dilaksanakan dalam upaya untuk mewujudkan sesuatu secara rasional (http:/www.aingindra.com/pengertian-teknologi). Android adalah sistem operasi berbasis linux yang dirancang untuk perangkat seluler layar sentuh seperti telepon pintar dan komputer tablet.

Analisis regresi logistik adalah salah satu pendekatan model matematis yang digunakan untuk menganalisis hubungan satu atau beberapa variabel independen dengan sebuah variabel dependen kategori yang bersifat dikotom/binary. Variabel kategori yang dikotomi adalah variabel yang mempunyai dua nilai variasi, misalnya sukses atau tidak sukses. (S.P. Hastono, 2008 :167)

Regresi logistik berbeda dengan regresi linier pada penggunaan jenis variabel dependennya. Pada regresi linier menggunakan variabel dependen numerik sedangkan pada regresi logistik menggunakan variabel dependen kategorik yang bersifat dikotomi. (Yasril, 2008)

Banyak topik penelitian yang menuntut variabel dependen berupa pilihan nominal seperti terjadi atau tidak terjadi, memilih atau tidak memilih, sukses atau gagal. Regresi dengan variabel dependen bernilai nominal tersebut dapat dilakukan dengan menggunakan variabel dependen berupa nilai 1 atau 0. (Suharjo, 2008)

Regresi logistik merupakan model regresi yang digunakan bila variabel responnya bersifat kualitatif (Hosmer dan Lemeshow, 1989) model regresi logistik sederhana yaitu model regresi logistik untuk satu variabel Independen X dengan variabel dependen Y yang bersifat dikotomi. Nilai variabel Y = 1 menyatakan adanya suatu karakteristik dan Y = 0 menyatakan tidak adanya suatu karakteristik.

Adapun bentuk umum model regresi logistik adalah:

∑

(17)

Keterangan:

= peluang sukses = intersep

parameter-parameter regresi

variabel ke- dari variabel independen bilangan natural (2,7183)

Model ini merupakan model peluang suatu kejadian yang dipengaruhi oleh faktor–faktor . Persamaan ini bersifat nonlinier dalam parameter. Tidak seperti pada regresi linier dengan metode Ordinary Least Squares atau kuadrat terkecil, regresi logistik tidak mengasumsikan hubungan linier antara variabel dependen dengan variabel independen. Akan tetapi, variabel independen memiliki hubungan linear dengan logit variabel dependen. Selanjutnya, untuk menjadikan model tersebut linier proses yang dinamakan logit transformation perlu dilakukan seperti berikut ini:

| | ∑ (1.2) Keterangan:

= peluang sukses = intersep

parameter-parameter regresi

variabel ke- dari variabel independen

Sebelum membentuk model regresi logistik terlebih dahulu dilakukan uji signifikansi parameter. Uji yang pertama dilakukan adalah pengujian peranan parameter di dalam model secara keseluruhan atau uji signifikansi secara overall. Menurut Hosmer-Lemeshow, (1989) suatu statistik uji rasio likelihood G adalah fungsi dari dan yang berdistribusi (Chi-square) dengan derajat bebas yang didefenisikan sebagai berikut:

(18)

Keterangan:

nilai maksimum fungsi kemungkinan untuk model di bawah H0

nilai maksimum fungsi kemungkinan untuk model di bawah H1

= nilai maksimum fungsi log kemungkinan untuk model di bawah H0

= nilai maksimum fungsi log kemungkinan untuk model di bawah H1

Uji Wald Chi-square digunakan untuk menguji signifikansi parameter model secara terpisah. Didefenisikan dengan:

[_̂ ̂ ] dengan i = 1,2,...,n (1.5) Keterangan:

̂ = Nilai dari estimasi parameter regresi untuk variabel ke-i

( ̂) = Nilai standard error untuk variabel ke-i n = variabel bebas yang digunakan

Uji kecocokan model digunakan untuk mengevaluasi cocok tidaknya model dengan data, nilai observasi yang diperoleh sama atau mendekati dengan yang diharapkan dalam model. Alat yang digunakan untuk menguji kecocokan dalam regresi logistik adalah uji Hosmer dan Lemeshow, mengikuti distribusi Chi-square

dengan dimana adalah banyaknya kelompok, dengan rumus sebagai berikut :

∑ _̅ _̅ ̅ (1.6)

Keterangan :

= total sampel kelompok

= Jumlah sampel kejadian sukses pada kelompok ̅ = rata-rata taksiran probabilitas kelompok

(19)

ke-Dalam regresi logistik juga ada rasio peluang (odds ratio) yang digunakan untuk melihat asosiasi antara variabel independen dengan variabel dependen dan juga untuk menginterpretasikan regresi logistik. Peluang (odds) dari suatu kejadian diartikan sebagai probabilitas hasil yang muncul dibagi dengan probabilitas suatu kejadian yang tidak terjadi. Secara umum rasio peluang merupakan sekumpulan peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi independen diartikan sebagai jumlah relatif dimana peluang hasil meningkat (rasio peluang > 1) atau turun (rasio peluang < 1) ketika nilai variabel independen meningkat sebesar 1 unit. Untuk menentukan odds ratio rumusnya sebagai berikut:

) 0 ( 1 ) 0 ( ) 1 ( 1 ) 1 ( ) 0 ( 1 ) 0 ( ) 1 ( 1 ) 1 ( p p p p p p p p        (1.7) Keterangan: 1

p : Peluang kejadian kelompok pertama. 0

p : Peluang kejadian kelompok kedua.

1.7 Metodologi Penelitian

Metode penelitian adalah salah satu cara yang terdiri dari langkah-langkah atau urutan kegiatan yang berfungsi sebagai pedoman umum yang digunakan untuk melaksanakan penelitian sehingga apa yang menjadi tujuan dari penelitian itu terwujud. Penulis melakukan beberapa langkah-langkah untuk menyelesaikan penelitian antara lain :

1. Pengambilan sampel dilakukan sebagai berikut :

a. Dalam penelitian ini metode pengambilan sampel yang digunakan adalah sampling kemudahan (Convenience Sampling), yaitu responden yang terpilih adalah yang sesuai dengan teori penelitian dan dianggap cocok sebagai sumber data. Jumlah sampel yang diambil sebanyak 50 responden dengan pertimbangan penentuan ukuran sampel tersebut dapat memberikan ragam sampel yang stabil sebagai penduga (lebih dari 30) (Sugiarto, 2001).

(20)

b. Menentukan variabel-variabel yang akan diteliti yaitu kepemilikan Hp Android (Y), harga (X1), fitur (X2), merek (X3), desain (X4), dan iklan

(X5).

c. Merancang kuesioner.

d. Melakukan survey dan mengumpulkan data primer pada mahasiswa FMIPA USU.

2. Mengubah data ordinal ke data interval dengan menggunakan Metode Suksesif Interval (MSI).

3. Perumusan model regresi logistik dengan membuat persamaan logistik berganda.

4. Menerapkan model regresi logistik pada data sampel yang diperoleh, yaitu : a. Menguji signifikansi parameter yang diperoleh dari hasil penaksiran b. Menerapkan uji kecocokan model regresi logistik dengan uji Hosmer dan

Lemeshow.

5. Membuat kesimpulan dan interpretasi denga rasio odds yang sudah diuji kecocokannya.

(21)

BAB 2

LANDASAN TEORI

2.1 Gambaran umum Fakultas MIPA USU

Pendirian fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) mulai dirintis sejak tahun 1959 melalui berbagai pembahasan dalam sidang pimpinan USU yang ketika itu disebut Rapat Presidium dan Asesor dengan nama Fakultas Ilmu Pasti dan Ilmu Alam (FIPIA). Rencana pendirian FIPIA USU pernah terhenti karena adanya pergolakan di USU, namun akhirnya mendapat persetujuan dari menteri dengan Surat Keputusan Nomor 9638/Sekret/BUP/1965. Peresmian berdirinya FIPIA USU ditandai dengan dibukanya tiga jurusan yaitu: Jurusan Matematika, Fisika dan Kimia. Pada tahun 1969, FIPIA USU membuka Jurusan Farmasi pada tahun 1969 dan pada tahun 1981 membuka Program Diploma-3 Pendidikan Ahli Kimia Analis (PAKA) melalui Surat Keputusan Rektor USU Nomor: 3491/PT05/SK/C/1981. Pada tahun 1974 FIPIA USU berubah nama menjadi Fakultas Ilmu Pasti dan Ilmu Pengetahuan Alam USU, namun beberapa tahun kemudian yaitu pada tahun 1982 kembali merubah nama dengan Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) USU. Pada tahun 1985 FMIPA USU dipercayakan Pemerintah Republik Indonesia untuk menyelenggarakan Program Diploma-3 Kependidikan meliputi Program Studi : Matematika, Fisika, Kimia dan Biologi. Program ini dimaksudkan untuk pengadaan guru-guru dalam bidang eksakta akan ditempatkan di daerah dan seluruh mahasiswanya memperoleh beasiswa. Peringatan Dies Natalis FMIPA diperingati setiap tahunnya pada tanggal 25 Agustus yaitu pada saat pelantikan pertama sekali pimpinan FIPIA. Jurusan Farmasi berubah status menjadi Fakultas Farmasi berdasarkan SK Rektor Nomor 1050/J05/SK/KP/2006 tanggal 8 Agustus 2006.

(22)

2.2 Pengertian Android

Android adalah sistem operasi berbasis linux yang dirancang untuk perangkat seluler layar sentuh seperti telepon pintar dan komputer tablet. Hp Android memiliki fungsi yang menyerupai kompuer mini, namun pengguna tidak lagi direpotkan membawa mouse ataupun keyboard. Layaknya sebuah handphone masa kini dimana ponsel Android memiliki bentuk yang simpel. Hp Android bentuknya sangat sederhana namun memiliki kemampuan yang sangat banyak. Diantaranya:

1. Telepon. 2. SMS. 3. Video Call. 4. Browsing. 5. Dll.

Pada Hp Android terdapat berbagai fitur yang bisa digunakan. Sesuai dengan pengertian fitur yang merupakan aspek-aspek keistimewaan, karakteristik, layanan khusus, ragam keuntungan yang dibawa dalam suatu produk terpapar kepada pelanggan/sosial/umum.

2.3 Defenisi Operasional Variabel Penelitian

Untuk memudahkan gambaran yang jelas dan memudahkan pelaksanaan penelitian, maka variabel-variabel yang akan diteliti adalah sebagai berikut:

a. Variabel independen (bebas) adalah variabel yang mempengaruhi atau menjadi sebab timbulnya variabel terikat. Dalam penelitian ini yang menjadi variabel independen X adalah harga (X1), fitur (X2), merek (X3), desain (X4), dan iklan

(X5).

b. Variabel dependen (terikat) adalah variabel yang dipengaruhi atau menjadi akibat karena adanya perubahan variabel independen. Dalam penelitian ini yang menjadi variabel terikat adalah kepemilikan Hp Android (Y).

(23)

2.4 Data

Pengertian data menurut Webster New World Dictionary, data adalah things known or assumed, yang berarti bahwa data itu adalah sesuatu yang diketahui atau dianggap. Diketahui artinya yang sudah terjadi merupakan fakta (bukti). Data dapat memberikan gambaran tentang suatu keadaan atau persoalan.

Data bisa juga didefenisikan sekumpulan informasi atau nilai yang diperoleh dari pengamatan (observasi) suatu objek, data dapat berupa angka dan dapat pula merupakan angka atau sifat. Beberapa macam data antara lain: data populasi dan sampel, data observasi, data primer dan data sekunder.

Pada dasarnya kegunaan data (setelah diolah dan dianalisis) ialah sebagai dasar yang objektif di dalam proses pembuatan keputusan-keputusan dalam rangka untuk memecahkan persoalan oleh pengambilan keputusan. Keputusan yang baik hanya bisa dieroleh dari pengambilan keputusan yang objektif, dan didasarkan atas data yang baik.

Data yang baik adalah data yang bisa dipercaya kebenarannya (reliable), tepat waktu dan mencakup ruang lingkup yang luas atau bisa memberikan gambaran tentang suatu masalah secara menyeluruh merupakan data relevan.

Riset akan menghasilkan data. Ada tiga peringkat data yaitu data mentah, hasil pengumpulan, data hasil pengolahan berupa jumlah, rata-rata, dan data hasil analisis berupa kesimpulan. Yang terakhir ini mempunyai peringkat tertinggi sebab langsung dapat dipergunakan untuk menyusun saran atau usul untuk dapat keputusan.

2.4.1 Data Menurut Sifatnya

Menurut sifatnya, data dapat dibagi dua:

a. Data kualitatif yaitu data yang tidak berbentuk angka, misalnya: kuesioner pertanyaan tentang suasana kerja gaya kepemimpnan dan sebagainya.

(24)

b. Data kuantitatif yaitu data yang berbentuk angka, misalnya: harga suatu produk, besar pendapatan, dan sebagainya.

2.4.2 Skala Pengukuran Data

Skala merupakan suatu prosedur pemberian angka atau simbol lain kepada sejumlah ciri dari suatu objek agar dapat menyatakan karakteristik angka pada ciri tersebut. Skala pengukuran oleh S.S Steven (1976) terbagi atas 4 bagian yaitu:

a. Skala Nominal: skal nominal tingatan pengukuran yang paling sederhana. Dasar penggolongan ini agar kategori yang tidak tumpang tindih (mutually exclutive) dan tuntas (exhaustive). Angka yang ditunjuk untuk suatu kategori tidak merefleksikan bagaimana kedudukan kategori tersebut terhadap kategori lainnya, tetapi hanyalah sekedar label atau kode sehingga skala yang diterapkan pada data yang hanya dibagi ke dalam kelompok-kelompok tertentu dan pengelompokan tersebut hanya dilakukan untuk tujuan identifikasi.

b. Skala Ordinal: skala ini memungkinkan peneliti untuk mengurutkan respondennya dari tingkatan paling rendah ke tingkatan paling tinggi menurut atribut tertentu. Skala yang diterapkan pada data yang dapat dibagi dalam berbagai kelompok dan kita bisa membuat peringkat diantara kelompok tersebut.

c. Skala Interval: seperti hal ukuran ordinal, ukuran interval adalah mengurutkan orang atau objek berdasarkan suatu atribut. Interval atau jarak yang sama pada skala interval dipandang sebagai mewakili interval atau jarak yang sama pula pada objek yang diukur. Skala yang diterapkan pada data yang dapat dirangking dan dengan peringkat tersebut kita bisa mengetahui perbedaan diantara peringkat-peringkat tersebut dan kita bisa menghitung besarnya perbedaan itu. Namun harus diperhaikan bahwa dalam skala ini perbandingan rasio yang ada tidak diperhitungkan.

(25)

d. Skala Rasio: suatu bentuk interval yang jaraknya (interval) tidak dinyatakan sebagai perbedaan nilai antar responden, tetapi antara seorang dengan nilai absolute, karena ada titik 0 maka perbandingan rasio dapat ditentukan.

2.4.3 Skala untuk Instrumen (Skala Sikap)

Bentuk-bentuk model skala sikap sering digunakan dalam penelitian ada 5 macam yaitu:

a. Skala Likert

Digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena sosial (Situmorang et al, 2010). Pada penelitian ini responden memilih salah satu dari jawaban yang diberi skor tertentu. Skor responden kemudian dijumlahkan dan jumlah ini merupakan total skor. Skala likert digunakan tergantung kebutuhan.

b. Skala Gutman

Digunakan untuk mengukur dimensi saja dari suatu variabel multidimensi. Skala gutman dilakukan jika peneliti ingin mendapatkan jawaban tegas terhadap suatu permasalahan yang ditanyakan.

c. Skala Diferensial Semantik

Berisikan serangkaian bipolar (dua kutub). Skala ini digunakan untuk mengukur sikap, hanya bentuknya bukan pilihan ganda atau checklist, tetapi tersusun dalam satu garis kontinum yang jawaban positifnya terletak di bagian kiri dan jawaban negatif terletak di bagian kanan atau sebaliknya.

d. Rating Scale

Merupakan data mentah yang didapat berupa angka kemudian ditafsirkan dalam pengertian kualitatif.

(26)

e. Skala Thurtone

Skala ini meminta responden untuk memilih jawaban pertanyaan yang ia setujui dari beberapa pertanyaan yang menyajikan pandangan-pandangan yang berbeda-beda. Pada umumnya setiap item mempunyai asosiasi antara 1 sampai 10 tetapi nilai-nilainya tidak diketahui oleh responden.

2.4.4 Mengubah Data Ordinal ke Data Interval Dengan Metode Suksesif Interval (MSI)

Metode suksesif interval merupakan proses mengubah data ordinal menjadi data interval. Mengapa data ordinal harus diubah dalam bentuk interval? Data ordinal sebenarnya adalah data kualitatif atau bukan angka sebenarnya. Data ordinal menggunakan angka sebagai simbol data kualitatif. Dalam contoh di bawah ini misalnya:

- Angka 1 mewakili “sangat tidak setuju” - Angka 2 mewakili “tidak setuju” - Angka 3 mewakili “netral” - Angka 4 mewakili “setuju”

- Angka 5 mewakili “sangat setuju”

Proses mengubah data berskala ordinal menjadi data berskala interval, mempunyai beberapa ahapan yang harus dilakukan, yaitu:

a. Menghitung frekuensi b. Menghitung proporsi

c. Menghitung proporsi kumulatif d. Menghitung nilai z

e. Menghitung nilai densitas fungsi z f. Menghitung scale value

(27)

2.5 Tahapan Penelitian

Studi Pendahuluan: - Identifikasi/penentuan lokasi studi - Identifikasi data

- Identifikasi pustaka

- Identifikasi alat bantu (perangkat lunak)

Latar Belakang dan Rumusan Masalah

Tujuan Penelitian

Pengumpulan Data dengan Menggunakan Kuesioner

Tabulasi Data

Uji Validitas dan Reliabilitas

Transformasi Data Ordinal ke Data Interval

Uji Statistika dengan Menggunakan Model Regresi Logistik

(28)

2.6 Analisis Data 2.6.1 Uji Validitas

Uji validitas adalah uji yang dilakukan untuk mengetahui apakah sebuah pertanyaan-pertanyaan tersebut valid atau tidak. Untuk mengetahui hal tersebut perlu dilakukan perbandingan antara r_hit dengan r_tab. Apabila r_hit >r_tabmaka item-item pertanyaan tersebut dinyatakan valid.













_





_







_







_





  2 2 2 2 Y Y n X X n Y X XY n rxy (2.1) Keterangan: xy

r : Koefisien korelasi pearson

n : Banyaknya responden

X : Skor yang yang diperoleh subjek dari seluruh item

Y : Skor total yang diperoleh dari seluruh item

 : Jumlah skor dalam distribusi X Y

 : Jumlah skor dalam distribusi Y

 : Jumlah kuadrat dalam skor distribusi X

 : Jumlah kuadrat dalam skor distribusi Y

2.6.2 Uji Reliabilitas

Uji reliabilitas adalah uji yang dilakukan untuk mengetahui apakah sebuah pertanyaan atau pernyataan sudah reliabel atau belum. Menurut Ghozali (2005), suatu variabel dikatakan reliabel jika memberikan nilai Alpha Cronbach > 0,60. Rumus yang digunakan untuk menghitung nilai Alpha Cronbabach adalah sebagai berikut:

               





₂

2 1 1 _t b k k r   (2.2)

(29)

Keterangan:

r

: Koefisien reabilitas instrumen (cronbach alpha)

k

: Jumlah item pertanyaan yang di uji



 : Jumlah varians skor tiap- tiap item pertanyaan

2 t



: Varians total

2.7 Regresi Logistik

Regresi logistik adalah suatu model matematik yang digunakan untuk mempelajari hubungan antara satu atau beberapa variabel independen dengan satu variabel dependen yang bersifat dikotomus (binary). Variabel yang bersifat dikotomus adalah variabel yang hanya memiliki dua nilai, misalnya hidup/mati, sakit/sehat, merokok/tidak merokok dan sebagainya.

Pada regresi logistik, variabel independen yang digunakan dapat berupa variabel katagorik maupun numerik. Namun sebaiknya menggnakan variabel katagorik agar lebih mudah dalam menginterpretasikan hasil analisisnya. Bila salah satu atau beberapa variabel independen merupakan variabel dengan skala nominal dengan 3 atau lebih kategori, maka harus dibuat dummy variable yang menggambarkan kategori dari variabel tersebut dengan referrence group-nya salah satu dari kategori tersebut.

Regresi logistik merupakan regresi yang digunakan bila dependennya bersifat kualitatf (Hosmer dan Lemeshow, 1989) model regresi logistik sederhana yaitu model regresi logistik untuk satu variabel independen X dengan variabel dependen Y yang bersifat dikotomi. Nilai variabel Y = 1 menyatakan adanya suatu karakteristik dan Y = 0 menyatakan tidak adanya suatu karakteristik.

2.7.1 Model Regresi Logistik

Adapun bentuk umum dari model regresi logistik adalah: ∑

(30)

Keterangan:

= Peluang sukses = intersep

parameter-parameter regresi

pengamatan variabel ke- dari variabel independen bilangan natural (2,7183)

Selanjutnya, untuk menjadikan model tersebut linier proses yang dinamakan logit transformation perlu dilakukan seperti berikut ini:

| | ∑ (2.4)

Keterangan:

= Peluang sukses = intersep

parameter-parameter regresi

pengamatan variabel ke- dari variabel independen

2.7.2 Uji Signifikansi Parameter

H0 : (tidak ada perbedaan antara model dengan data

sehingga model dapat dikatakan baik)

H1 : paling sedikit koefisien (ada perbedaan antara model dengan data

(31)

Menurut Hosmer-Lemeshow, (1989) suatu statistik uji rasio likelihood G adalah fungsi dari dan yang berdistribusi (Chi-square) dengan derajat bebas

yang didefenisikan sebagai:

[ ] (2.5) keterangan:

nilai maksimum fungsi kemungkinan untuk model di bawah H0

nilai maksimum fungsi kemungkinan untuk model di bawah H1

= nilai maksimum fungsi log kemungkinan untuk model di bawah H0

= nilai maksimum fungsi log kemungkinan untuk model di bawah H1

Nilai tersebut mengikuti distribusi Chi-square dengan . Jika menggunakan taraf nyata sebesar , maka kriteria ujinya adalah tolak H0 jika

atau , dan terima dalam hal lainnya.

Uji signifikansi parameter secara terpisah dilakukan dengan menggunakan

Wald Chi-square dengan rumusan hipotesis sebagai berikut:

0 :

0 i



H



0 :

1 i



H



atau

:

H

Koefisien logistik tidak signifikan terhadap model (tidak ada perbedaan antara model dengan koefisien sehingga model dapat dikatakan baik).

H Koefisien logistik signifikan terhadap model (ada perbedaan antara model dengan koefisien sehingga model tidak dapat dikatakan baik).

Uji Wald Chi-square digunakan untuk menguji signifikansi parameter model secara terpisah. Didefeinisikan dengan:

(32)

Keterangan:

̂ = Nilai dari estimasi parameter regresi untuk variabel ke-i

( ̂) = Nilai standard error untuk variabel ke=i i = variabel bebas yang digunakan

Statistik uji mendekati distribusi Chi-square dengan derajat bebas 1. H0

nya adalah ̂ , untuk setiap yang berarti bahwa variabel independen ke- tidak signifikan terhadap model. H0 ditolak jika

2.7.3 Uji kecocokan Model

Uji Hosmer dan Lemeshow yang ditulis dengan uji ̂, dihitung berdasarkan taksiran probabilitas (Hosmer danLemeshow, 1989). Pada uji ini sampel dimasukkan ke sejumlah kelompok dengan tiap-tiap kelompok memuat sampel pengamatan, dengan adalah jumlah sampel. Jumlah kelompok sekitar 10. Idealnya, kelompok pertama memuat sampel yang memiliki taksiran probabilitas sukses terkecilyang diperoleh dari model taksiran. Kelompok kedua memuat sampel yang memiliki taksiran probabilitas sukses terkecil kedua, dan seterusnya, dengan rumus sebagai berikut:

∑ _̅ _̅ ̅ (2.7)

Keterangan:

= total sampel kelompok

(33)

̅ = rata-rata taksiran probabilitas kelompok

ke-Untuk menguji kecocokan model, bandingkan nilai Chi-square pada tabel Chi-square dengan . Jika maka H0 ditolak.

2.7.4 Odds _Rasio

Regresi logistik juga menghasilkan rasio peluang (odds ratio) terkait dengan nilai setiap independen. Peluang dari suatu kejadian diartikan sebagai probabilitas hasil yang muncul yang dibagi dengan probabilitas suatu kejadian yang tidak terjadi. Secara umum rasio peluang merupakan sekumpulan peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi independen diartikan sebagai jumlah relatif dimana peluang hasil meningkat (rasio peluang > 1) atau turun (rasio peluang < 1) ketika nilai variabel independen meningkat sebesar 1 unit. Untuk menentukan odds ratio

rumusnya sebagai berikut:

) 0 ( 1 ) 0 ( ) 1 ( 1 ) 1 ( ) 0 ( 1 ) 0 ( ) 1 ( 1 ) 1 ( p p p p p p p p        (2.8)

Odds ratio didefinisikan sebagai perbandingan dari nilai variabel sukses terhadap variabel bernilai gagal. Dengan kata lain odds rasio menjelaskan seberapa besar pengaruh variabel sukses dibanding variabel gagal terhadap suatu eksperimen atau observasi. Pada kasus penelitian dengan regresi logistik, nilai ini dapat dilihat dari nilai Exp(B)pada hasil analisis data atau _ei _dengan

 _{adalah estimasi}

parameter variabel independen pertama, kedua, dan seterusnya. Hasil tersebut akan menunjukkan pengaruh setiap variabel-variabel independen terhadap variabel dependennya.

(34)

BAB 3

PEMBAHASAN

3.1 Pengolahan Data

3.1.1 Tabulasi Hasil Kuesioner

Untuk melakukan analisis pada penelitian ini data pengamatan hasil survey terhadap masing-masing variabel independen yaitu harga (X1), fitur (X2), merek (X3), desain

(X4), iklan (X5) dan variabel dependen kepemilikan Hp Android (Y) ditabulasi dengan

menggunakan skala likert. Pemberian skor dari setiap pertanyaan dilakukan dengan cara sangat setuju diberi skor 5, setuju diberi skor 4, cukup setuju diberi skor 3, tidak setuju diberi skor 2, dan sangat tidak setuju diberi skor 1. Hasil tabulasi kuesioner dapat dilihat pada Lampiran 1.

3.1.2 Nilai Total Skor Variabel Hasil Penelitian

Setelah data pengamatan hasil survey ditabulasi, langkah selanjutnya adalah mengumpulkan data yang sudah ditabulasi dalam bentuk nilai total skor masing-masing variabel independen X1, X2, X3, X4 dan X5 serta variabel dependen Y. Bentuk

total nilai skor tersebut dapat dilihat pada Lampiran 2.

3.1.3 Uji Instrumen Kuesioner Menggunakan Uji Validitas













_



_







_





_







 n XY X Y

(35)

Keterangan:

r : Koefisien korelasi pearson

n : Banyaknya responden

X : Skor yang yang diperoleh subjek dari seluruh item

Y : Skor total yang diperoleh dari seluruh item

 : Jumlah skor dalam distribusi X Y

 : Jumlah skor dalam distribusi Y

 : Jumlah kuadrat dalam skor distribusi X

 : Jumlah kuadrat dalam skor distribusi Y

a. Variabel Harga (X1)

berdasarkan kuesioner yang ada, maka jumlah butir pertayaan berjumlah 3 butir, pengujian validitas dilakukan pada 50 responden. Setelah dilakukan uji validitas dengan bantuan program SPSS 16 diperoleh hasil sebagai berikut:

Tabel 3.1 Uji Validitas Harga

No.Item r-Korelasi r-Tabel Kesimpulan

1. 0,615 0,278 Valid

2. 0,615 0,278 Valid

3. 0,623 0,278 Valid

Berdasarkan hasil uji validitas dari tabel 3.1, terlihat bahwa seluruh butir item pertanyaan dinyatakan valid karena nilai r korelasinya lebih besar dari 0.278 (r-tabel).

b. Variabel Fitur (X2)

(36)

Tabel 3.2 Uji Validitas Fitur

No.Item r-Korelasi r-Tabel Kesimpulan

1. 0,611 0,278 Valid

2. 0,640 0,278 Valid

3. 0,669 0,278 Valid

Berdasarkan hasil uji validitas dari tabel 3.2, terlihat bahwa seluruh butir item pertanyaan dinyatakan valid karena nilai r korelasinya lebih besar dari 0.278 (r-tabel).

c. Variabel Merek (X3)

berdasarkan kuesioner yang ada, maka jumlah butir pertayaan berjumlah 4 butir, pengujian validitas dilakukan pada 50 responden. Setelah dilakukan uji validitas dengan bantuan program SPSS 16 diperoleh hasil sebagai berikut:

Tabel 3.3 Uji Validitas Merek

No.Item r-Korelasi r-Tabel Kesimpulan

1. 0,645 0,278 Valid

2. 0,778 0,278 Valid

3. 0,712 0,278 Valid

4. 0.383 0.278 Valid

Berdasarkan hasil uji validitas dari tabel 3.3, terlihat bahwa seluruh butir item pertanyaan dinyatakan valid karena nilai r korelasinya lebih besar dari 0.278 (r-tabel).

c. Variabel Desain (X4)

(37)

Tabel 3.4 Uji Validitas Desain

No.Item r-Korelasi r-Tabel Kesimpulan

1. 0,769 0,278 Valid

2. 0,542 0,278 Valid

3. 0,701 0,278 Valid

4. 0.586 0.278 Valid

Berdasarkan hasil uji validitas dari tabel 3.4, terlihat bahwa seluruh butir item pertanyaan dinyatakan valid karena nilai r korelasinya lebih besar dari 0.278 (r-tabel).

c. Variabel Iklan (X5)

Tabel 3.5 Uji Validitas Iklan

No.Item r-Korelasi r-Tabel Kesimpulan

1. 0,558 0,278 Valid

2. 0,633 0,278 Valid

3. 0,720 0,278 Valid

4. 0.637 0.278 Valid

Berdasarkan hasil uji validitas dari tabel 3.5, terlihat bahwa seluruh butir item pertanyaan dinyatakan valid karena nilai r korelasinya lebih besar dari 0.278 (r-tabel).

3.1.4 Uji Instrumen Kuesioner Menggunakan Uji Reliabilitas

(38)

    

  

      







₂

1 _t

k k r

 

(3.2)

Keterangan:

r

: Koefisien reabilitas instrumen (cronbach alpha)

k

: Jumlahitem pertanyaan yang di uji



 : Jumlah variansskor tiap- tiap item pertanyaan

2 t



: Varianstotal

Untuk lebih mudah melakukan uji reliabilitas dalam penelitian ini dapat dilakukan dengan bantuan program SPSS.16. Berikut adalah hasil perhitungan Alpha Cronbach dari variabel-variabel bebas berdasarkan item-item pertanyaan.

a. Variabel Harga (X1)

Tabel 3.6 Uji Reliabilitas Harga

No. Item Alpha Cronbach Kesimpulan

1 0.703 Reliabel

2 0.676 Reliabel

3 0.688 Reliabel

Berdasarkan tabel 3.6 terlihat bahwa seluruh butir item pertanyaan reliabilitas karena item-item pertanyaan tersebut memberikan nilai Cronbach Alpha > 0.60. dengan demikian variabel Harga (X1) adalah reliabel.

b. Variabel Fitur (X2)

Tabel 3.7 Uji Reliabilitas Fitur

No. Item Alpha Cronbach Kesimpulan

1 0.749 Reliabel

(39)

Berdasarkan tabel 3.7 terlihat bahwa seluruh butir item pertanyaan reliabilitas karena item-item pertanyaan tersebut memberikan nilai Cronbach Alpha > 0.60. dengan demikian variabel Harga (X2) adalah reliabel.

c. Variabel Merek (X3)

Tabel 3.8 Uji Reliabilitas Desain

No. Item Alpha Cronbach Kesimpulan

1 0.743 Reliabel

2 0.674 Reliabel

3 0.702 Reliabel

4. 0.867 Reliabel

Berdasarkan tabel 3.8 terlihat bahwa seluruh butir item pertanyaan reliabilitas karena item-item pertanyaan tersebut memberikan nilai Cronbach Alpha > 0.60. dengan demikian variabel Harga (X3) adalah reliabel.

d. Variabel Desain (X4)

Tabel 3.9 Uji Reliabilitas Merek

No. Item Alpha Cronbach Kesimpulan

1 0.721 Reliabel

2 0.813 Reliabel

3 0.741 Reliabel

4. 0.805 Reliabel

Berdasarkan tabel 3.9 terlihat bahwa seluruh butir item pertanyaan reliabilitas karena item-item pertanyaan tersebut memberikan nilai Cronbach Alpha > 0.60. dengan demikian variabel Harga (X4) adalah reliabel.

(40)

e. Variabel Iklan (X5)

Tabel 3.10 Uji Reliabilitas Iklan

No. Item Alpha Cronbach Kesimpulan

1 0.787 Reliabel

2 0.760 Reliabel

3 0.704 Reliabel

4. 0.757 Reliabel

Berdasarkan tabel 3.10 terlihat bahwa seluruh butir item pertanyaan reliabilitas karena item-item pertanyaan tersebut memberikan nilai Cronbach Alpha > 0.60. dengan demikian variabel Harga (X5) adalah reliabel.

3.2 Transformasi Data Ordinal Menjadi Data Interval

pada penelitian ini instrumen penelitiannya berupa kuesioner yang memiliki jawaban skala likert yang berupa data ordinal. Perlu dilakukan transformasi data ordinal ke data interval dengan menggunakan MSI (Method of Successive Interval). Berikut ini akan dilakukan perhitungan manual MSI untuk variabel harga dengan mengambil satu item pertanyaan. Langkah-langkahnya adalah:

1. Menghitung Frekuensi

Frekuensi merupakan banyaknya tanggapan responden dalam memilih jawaban dengan data ordinal 1 s/d 5 dengan jumlah responden 50 orang. Frekuensi dari tanggapan responden pada 1 item pertanyaan dapat dilihat pada tabel 3.11 berikut:

(41)

Tabel 3.11 Skor Jawaban Ordinal Variabel

Harga

Kategori Skor Jawaban Ordinal

Frekuensi

Butir soal/item 1

1 0

2 1

3 6

4 22

5 21

Jumlah 50

2. Menentukan Proporsi

Proporsi dieroleh dari hasil perbandingan antara jumlah frekuensi perpoin dengan total frekuensi, sehingga diperoleh proporsi sebagai berikut:

3. Menentukan Proporsi Kumulatif

Proporsi kumulatif diperoleh dengan menjumlahkan secara berurutan untuk setiap nilai, sehingga nilai diperoleh sebagai berikut:

(42)

4. Menentukan Nilai Z

Nilai proporsi kumulatif dianggap mengikuti distribusi normal baku dengan melihat tabel berdistribusi normal kumulatif. Maka dapat ditentukan nilai Z untuk setiap kategori sebagai berikut:

disesuaikan dengan Tabel Z diperoleh: 2,05 disesuaikan dengan Tabel Z diperoleh: 1,08 disesuaikan dengan Tabel Z diperoleh: 0,20

disesuaikan dengan Tabel Z diperoleh: ∞

5. Menentukan Densitas

Nilai densitas diperoleh dari tabel Koordinat Kurve Normal Baku untuk nilai:

6. Menentukan Scale Value (Skala Nilai)

Rumus:

(43)

7. Menentukan Transformasi (Skala Akhir)

Transformasi data interval diperoleh dengan jalan mengambil nilai negatif yang paling besar dan diubah menjadi = 1, yaitu:

[ | |] Sa2 = (-2,44 + 3,44) = 1

Sa3 = (-1,449 + 3,44) = 1,99

Sa4 = (-0,383 + 3,44) = 3,06

Sa5 = (0,931 + 3,44) = 4,37

Tabel 3.12 Rincian Hasil Perhitungan Secara Manual Skala

Skor Ordinal

Frekuensi Proporsi Proporsi Kumulatif

Nilai

Z Densitas

Scale Value

Nilai Hasil Penskalaan

2 1 0,02 0,02 -2,05 0,049 -2,44 1

3 6 0,12 0,14 -1,08 0,223 -1,449 1,99

4 22 0,44 0,58 0,20 0,391 -0,383 3,06

5 21 0,42 1  0 0,931 4,37

Jumlah 50

3.3 Pengolahan Data

berdasarkan kuesioner yang telah dibagikan kepada 50 orang responden, keseluruhannya memiliki Hp Android dan menjadi subjek penelitian. Seperti yang telah dijelaskan sebelumnya, data yang diperoleh dalam penelitian ini akan dianalisis dengan menggunakan analisis regresi logistik.

3.4 Analisis Data 3.3.1 Tipe Data

Data variabel independen pada penelitian ini terdiri atas dua tipe data. Data variabel independen adalah X1, X2, X3, X4 dan X5 merupakan data ordinal. Data ini diperoleh

(44)

menggunakan skala likert. Akan tetapi data variabel dependen pada penelitian ini yang merupakan Y adalah tipe data nominal.

3.5 Menjelaskan Hasil Analisis Data Menggunakan SPSS 3.5.1 Model Regresi Logistik

Berdasarkan analisis data yang telah dilakukan dengan regresi logistik dengan pada SPSS 16.0 dan hasil output dapat dilihat pada lampiran 4.

Tabel 3.13 Nilai Koefisien Variabel

Variabel B

X1 1,012

X2 -0,501

X3 0,304

X4 0,299

X5 0,035

Konstanta -11,295

Dari hasil analisis diperoleh nilai-nilai estimasi parameter untuk persamaan regresi logistik pada penelitian ini. Persamaan logistik penelitian ini memiliki nilai konstanta -11,295. Selain itu, dari tabel juga dapat dilihat besar masing-masing koefisien variabel independen persamaan logistik tersebut, yaitu:

1. Variabel X1 ( = 1,012)

Variabel harga (X1) berpengaruh secara positif dan signifikan terhadap

kepemilikan Hp Android (Y), artinya jika variabel harga(X1) ditingkatkan

sebesar 1 point maka kepemilikan Hp Android (Y) akan meningkat sebesar 1,012point.

2. Variabel X2( = -0,501)

Variabel fitur (X2) berpengaruh secara negatif dan tidak signifikan terhadap

kepemilikan Hp Android (Y), artinya jika variabel fitur (X2) ditingkatkan

sebesar 1 point maka kepemilikan Hp Android(Y) akan menurun sebesar 0,501point.

(45)

3. Variabel X3( = 0,304)

Variabel desain (X3) berpengaruh secara positif dan signifikan terhadap

kepemilikan Hp Android (Y), artinya jika variabel desain (X3) ditingkatkan

sebesar 1 point maka kepemilikan Hp Android (Y) akan meningkat sebesar 0,304point.

4. Variabel X4( = 0,299)

Variabel merek (X4) berpengaruh secara positif dan signifikan terhadap

kepemilikan Hp Android (Y), artinya jika variabel merek (X4) ditingkatkan

sebesar 1 point maka kepemilikan Hp Android (Y) akan meningkat sebesar 0,299point.

5. Variabel X5( = 0,035)

Variabel iklan (X5) berpengaruh secara positif dan signifikan terhadap

kepemilikan Hp Android (Y), artinya jika variabel iklan (X5) ditingkatkan

sebesar 1 point maka kepemilikan Hp Android (Y) akan meningkat sebesar 0,035point.

Berdasarkan nilai-nilai koefisien hasil analisis tersebut maka taksiran model regresi logistik yang diperoleh adalah:

Keterangan: )

(x_i

p _{= peluang sukses kepemilikan Hp Android}

= variabel harga = variabel fitur = variabel Merek = variabel Desain

(46)

3.5.2Uji Signifikansi Parameter Model Awal

Sebelum membentuk model regresi logistik terlebih dahulu dilakukan uji signifikansi parameter. Uji yang pertama kali dilakukan adalah pengujian peranan parameter didalam model secara keseluruhan (overall) yaitu dengan hipotesis sebagai berikut:

,

0 :

0 k



H



Dengan k 1,2,...,n.(Secara simultan variabel independen tidak berpengaruh terhadap variabel dependen).

H _k 0,Dengan k 1,2,...,n.(Minimal ada satu variabel independen yang berpengaruh secara simultanterhadap varibel dependen).

Statistik uji yang digunakan adalah:



log( ) log( )



2( ) 2

log

2 0 1 0 1

1 0 L L l l l l

G _    

      

Nilai2(L₀L₁)tersebut mengikuti distribusi chi-square dengan derajat bebas banyaknya parameter dalam model df p. Keputusan 2. Kriteria ujinya adalah H₀

terima jika G_2_,_p dan H₀ tolak jikaG_2_,_p.uji diperoleh dengan membandingkan nilai G dan dan 2.

Untuk melihat tingkat variasi data menggunakan Cox & Snell R Square pada tabelModel Summary berikut:

Tabel 3.14Model Summary

Step

-2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 34.820a .362 .531

a. Estimation terminated at iteration number 6 because parameter estimates changed by less than ,001.

Hasil pada tabel model summary di atas dapat kita peroleh dengan menggunakan software SPSS 16.0, dari perhitungan tersebut maka diperoleh nilai rasio kemungkinan sebesar 34,820 (dapat dilihat pada tabel 3.14). Nilai

(47)

chi-Dengan demikian dapat dilihat bahwa, G_2_,_pyaitu 34,820 ≥ 11,070 sehingga H₀ ditolak, ini berarti bahwa paling sedikit ada satu variabel independen yang berpengaruh secara simultanterhadap varibel dependen pada  0,05. Tabel diatas menunjukkan koefisien determinasi regresi logistik yakni 0,531 sehingga dapat dikatakan variabel-variabel independen dalam penelitian ini sudah menjelaskan 53,1% terhadap variabel dependennya. Dan sisanya 46,9% dapat dijelaskan oleh variabel lain di luar model.

Tabel 3.15 Tabel Klasifikasi

Observed

Predicted Kepemilikan Hp

Android _Percentage Correct <1 bulan >1 bulan

Step 1 Kepemilik an Hp Android

<1 bulan 8 5 .61.5

>1 bulan ₂ ₃₅ _94.6

Overall Percentage 86.0

a. The cut value is ,500

Pada tabel 3.15 memperlihatkan bahwa ketepatan prediksi dalam penelitian ini adalah sebesar 86% untuk mengetahui koefisien dari parameter mana yang berarti tersebut, maka dilakukan uji secara individual. Uji ini dapat dilakukan dengan uji wald dengan hipotesis sebagai berikut:

,

0 :

0 k



H



Dengan k 1,2,...,n.(Tidak ada pengaruh variabel independen ke-k

terhadap variabel dependen).

,

0 :

1 k



H



Dengan k 1,2,...,n.(Ada pengaruh variabel independen ke-k

terhadap variabel dependen).

Statistik Uji:          ) ˆ ( ˆ 2 i i i SE W  

(48)

Statistik Wald mengikuti distribusi normal sehingga untuk memperoleh keputusan pengujian, dibandingkan nilai W dengan nilai Z__/₂ (H₀ ditolak jika nilai

2 /



W  atau p-value < α).

Dengan menggunakan software SPSS 16.0 dapat kita peroleh nilai-nilai statistik uji wald sebagai berikut:

Tabel 3.16 Nilai Koefisien Variabel

B S.E. Wald Df Sig. Exp(B)

Step 1a X1 1.012 .487 4.313 1 .038 2.752

X2 -.501 .443 .1.278 1 .258 .606

X3 .304 .198 2.343 1 .126 1.355

X4 .299 .196 2.336 1 .126 1.349

X5 .035 .159 .050 1 .824 1.036

Constant -11.295 3.711 9.264 1 .002 .000 a. Variable(s) entered on step 1: X1, X2, X3, X4, X5.

Dengan  0,05dan df 1 pada tabel chi-square diperoleh nilai chi-squaretabel = 3,841. Dari hasil uji statistik wald di tabel, nilai uji statistik wald pada variabel X2, X3, X4, dan X5 lebih kecil dari nilai chi-square tabel. Sedangkan untuk

nilai uji statistik wald pada variabel X1 lebih besar dari nilai chi-square tabel.Dari

nilai uji statistik wald tersebut dapat disimpulkan bahwa H₀ ditolak, ini berarti bahwa variabel X1 berpengaruh secara signifikan terhadap kepemilikan Hp Android (Y) pada

mahasiswa F MIPA USU.

Setelah dilakukan uji signifikansi parameter pada tabel di atas maka model regresi logistik dapat dibentuk dengan menggunakan nilai taksiran persamaan transformasi logistik yaitu sebagai berikut:

(49)

Persamaan menunjukkan bahwa nilai intersep = -11,295. Artinya: [

] = -11,295 pada saat semua variabel berharga 0, yaitu pada saat variabel X1, X3, X4, dan

X5 tidak berpengaruh terhadap besarnya peluang kepemilikan Hp Android (Y).

Diperoleh besaran [

] = -11,295atau besarnya probabilitas

) 295 , 11 (

1 )

( _

  

e e x

p i = 0,00001.

3.5.3 Uji Kecocokan Model

Uji kecocokan model ini dilakukan dengan mengunakan uji Hosmer-Lemeshow dengan hipotesis sebagai berikut:

atau 0

H : _{Data empiris cocok atau sesuai dengan model (tidak ada perbedaan antara}

model dengan data sehingga model dapat dikatakan fit). 1

H : _{Data empiris tidak cocok atau tidak sesuai dengan model (ada perbedaan}

antara model dengan data sehingga model dapat dikatakan fit).

Statistik Uji:

∑ _̅ _̅ ̅

Kriteria ujinya adalah H₀ terima jika _HL2 ₍2__,_g_₂₎ atau P-value > α dan H₀ tolak jika_HL2 ₍2__,_g_₂₎atau P-value < α.

(50)

Tabel 3.17 Tabel Kontingensi untuk Uji Hosmer- Lemeshow

Kepemilikan Hp Android = <1 bulan

Kepemilikan Hp Android = >1 bulan

Total Observed Expected Observed Expected

Step 1 1 5 4.490 0 .510 5

2 3 3.121 2 1.879 5

3 1 2.210 4 2.790 5

4 1 1.201 4 3.799 5

5 1 .823 4 4.177 5

6 1 .574 4 4.426 5

7 1 .309 4 4.691 5

8 0 .151 5 4.849 5

9 0 .098 5 4.902 5

10 0 .024 5 4.976 5

Tabel 3.18 Uji Hosmer- Lemeshow

Step Chi-square df Sig.

1 4.144 8 .844

Dari tabel 3.18chi-square diperoleh ₍2_,g₂₎ 12,592dengang 8kelompok. Nilai ini lebih besar dari _HL2 4,144yang diperoleh dari uji Hosmer-Lemeshow dengan perhitungan menggunakan SPSS 16.0. Jadi dapat disimpulkan bahwa H₀

terima (4,14412,592 atau 0,844> 0,05) yang artinya tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit atau layak untuk digunakan.

3.6 Interpretasi Model Menggunakan Odds Rasio

Berdasarkan analisis data yang telah dilakukan dengan menggunakan rumus (2.8)diperoleh nilai Odds Ratio seperti tabel 3.19 dan hasil output dengan menggunakan SPSS 16.0 dapat dilihat pada lampiran 4.

(51)

Tabel 3.19 Kontribusi Variabel X terhadap Variabel Y Variabel Exp(B_i)

2,752 1,355 1,349 1,036

Konstan 0,000

Berdasarkan tabel 3.19 dapat disimpulkan sebagai berikut : a. Variabel Harga (X1) (Exp(B1)=2,752)

Dari nilai ini dapat disimpulkan bahwa jika variabel merek(X3), variabel desain (X4) dan variabel iklan (X5) dianggap nol maka harga (X1) yang sesuai akan

mempengaruhi mahasiswa di Fakultas MIPA USU untuk memiliki Hp Android 2,752 kali lebih besar dibandingkan dengan harga yang tidak sesuai.

b. Variabel Merek(X3) (Exp(B₃)=1,355)

Dari nilai ini dapat disimpulkan bahwa jika variabel harga (X1), variabel desain (X4) dan variabel iklan (X5) dianggap nol maka merek(X3) yang

terkenalakan mempengaruhi mahasiswa Fakltas MIPA USU untuk memiliki Hp Android 1,355 kali lebih besar dibandingkan dengan merek yang tidak terkenal.

c. Variabel Desain(X4)(Exp(B4)= 1,349)

Dari nilai ini dapat disimpulkan bahwa jika variabel harga (X1), variabel merek (X3) dan variabel iklan (X5) dianggap nol maka desain(X4) yang

terkenal baik akan mempengaruhi mahasiswa Fakultas MIPA USU untuk memiliki Hp Android tersebut 1,349 kali lebih besar dibandingkan dengan merek produk yang tidak terkenal baik.

d. Variabel Iklan (X5) (Exp(B₅)= 1,036)

Dari nilai ini dapat disimpulkan bahwa jika variabel harga (X1), variabel merek (X2) dan variabel desain (X4) dianggap nol maka iklan (X5) yang

(52)

menarik dan baik akan mempengaruhi mahasiswa Fakultas MIPA USU untuk memiliki Hp Android tersebut 1,036 kali lebih besar dibandingkan dengan iklan produk yang tidak menarik dan baik.

3.7 Mencari Persamaan Regresi Logistik Tanpa SPSS

Misalnya suatu penelitian tentang harga produk terhadap kepemilikan Hp Android pada mahasiswa FMIPA USU, dengan pengambilan sampel sebanyak 20 responden. Dengan variabel dependennya bersifat nominal yaitu bernilai 0 jika kepemilikan < 1 bulan dan bernilai 1 jika kepemilikan > 1 bulan. Sedangkan variabel independennya bersifat interval. Data yang diperoleh sebagai berikut:

Tabel 3.20 Data Variabel Y dan X

No Kepemilikan Hp (Y) Skor Variabel X

1 1 4,35

2 1 4,35

3 1 3,04

4 0 4,35

5 1 1,97

6 1 3,04

7 1 4,35

8 0 1,97

9 0 1,97

10 1 4,35

11 0 3,04

12 0 4,35

13 0 3,04

14 1 3,04

15 1 4,35

16 0 3,04

17 1 3,04

18 1 3,04

19 1 1,97

20 1 3,04

Untuk menyelesaikan estimasi persamaan regresi logistiknya dilakukan langkah-langkah sebagai berikut:

(53)

Pertama, buat tabel kontingensi sebagai berikut:

Tabel 3.21Kontingensi

Nilai Y

1 0 Total

1,97 2 2 4

3,04 6 3 9

4,35 5 2 7

Total 13 7 20

Kedua, dari tabel 3.21 tersebut dapat diketahui nilai peluang kejadian, yaitu sebagai berikut:

Tabel 3.22 Nilai Peluang

Nilai Y

1 0 Total

1,97 0,5 0,5 1

3,04 0,67 0,33 1

4,35 0,71 0,29 1

Total 1,88 1,12 3

Ketiga, dari tabel 3.22 tersebut, kemudian untuk melengkapi tabel nilai Y dengan nilai peluang dan selanjutnya dicari















p

1 ln

. Sehingga tabel selengkapanya adalah sebagai berikut:

Tabel 3.23 Nilai Y

No X p 1 p

p p



_p

Y

p

















1 ln

1 4,35 0,71 0,29 2,45 0,9

2 4,35 0,71 0,29 2,45 0,9

3 3,04 0,67 0,33 2,03 0,71

4 4,35 0,29 0,71 0,40 -0,91

5 1,97 0,5 0,5 1 0

6 3,04 0,67 0,33 2,03 0,71

7 4,35 0,71 0,29 2,45 0,9

(54)

No X p 1 p

p p



_p

Y

p

















1 ln

9 1,97 0,5 0,5 1 0

10 4,35 0,71 0,29 2,45 0,9

11 3,04 0,33 0,67 0,49 -0,71

12 4,35 0,29 0,71 0,40 -0,91

13 3,04 0,33 0,67 0,49 -0,71

14 3,04 0,67 0,33 2,03 0,71

15 4,35 0,71 0,29 2,45 0,9

16 3,04 0,33 0,67 0,49 -0,71

17 3,04 0,67 0,33 2,03 0,71

18 3,04 0,67 0,33 2,03 0,71

19 1,97 0,5 0,5 1 0

20 3,04 0,67 0,33 2,03 0,71

Nilai dari















p

1 ln

tersebut akan dinyatakan dengan nilai Y untuk dapat mengestimasi parameter logistik dengan menggunakan regresi linier sederhana.

Keempat, dapat dicari dengan mudah estimasi parameter regresi logistik dengan menggunakan perumusan regresi linier sederhana, yaitu dengan mencari

1 0,

 dengan rumus sebagai berikut:

x b y  0 



      _n i i n i i X X Y Y X X 1 2 1 1 ) ( ) )( ( 

(55)

Tabel 3.24 Nilai Taksiran Parameter

No X Y (X X) (Y_i Y) (XX)(YY) 2 )

(X X (Y_i Y)2

1 4,35 0,9 1,07 0,66 0,71 1,15 0,44

2 4,35 0,9 1,07 0,66 0,71 1,15 0,44

3 3,04 0,71 -0,24 0,47 -0,11 0,06 0,22

4 4,35 -0,91 1,07 -1,15 -1,23 1,15 1,32

5 1,97 0 -1,31 -0,24 0,31 1,72 0,06

6 3,04 0,71 -0,24 0,47 -0,11 0,06 0,22

7 4,35 0,9 1,07 0,66 0,71 1,15 0,44

8 1,97 0 -1,31 -0,24 0,31 1,72 0,06

9 1,97 0 -1,31 -0,24 0,31 1,72 0,06

10 4,35 0,9 1,07 0,66 0,71 1,15 0,44

11 3,04 -0,71 -0,24 -0,95 0,23 0,06 0,90

12 4,35 -0,91 1,07 -1,15 -1,23 1,15 1,32

13 3,04 -0,71 -0,24 -0,95 0,23 0,06 0,90

14 3,04 0,71 -0,24 0,47 -0,11 0,06 0,22

15 4,35 0,9 1,07 0,66 0,71 1,15 0,44

16 3,04 -0,71 -0,24 -0,95 0,23 0,06 0,90

17 3,04 0,71 -0,24 0,47 -0,11 0,06 0,22

18 3,04 0,71 -0,24 0,47 -0,11 0,06 0,22

19 1,97 0 -1,31 -0,24 0,31 1,72 0,06

20 3,04 0,71 -0,24 0,47 -0,11 0,06 0,22

Total 65,68 4,81 0,08 0,01 2,34 15,43 9,09

28 , 3 20 68 , 65 _ 

X 0,24

20 81 , 4 _  Y Maka:



      _n i n i X X Y Y X X 1 2 1 1 ) ( ) )( (  15 , 0 15,43 2,34

1  

 x b y  0  ) 28 , 3 )( 15 , 0 ( 24 , 0

0  

 50 , 0 24 , 0

0  



26 , 0 0  

(56)

Dari perumusan X x p x p 1 0 ) ( 1 ) (

ln _ 

  

 

 , diperoleh hasil persamaannya yaitu sebagai

berikut:

Dengan menggunakan rumus diatas, maka dapat diestimasi kemungkinan terjadinya kepemilikan Hp Android terhadap variabel independennya adalah harga. Prosesnya adalah dengan menggunakan persamaan pembentuk peluang. Berdasarkan hasil di atas persamaan peluang adalah:

) ( 15 , 0 26 , 0 ( ) ( 15 , 0 26 , 0 (

1 )

(

_X X

e

x

p

_ _

 





Jika nilai X adalah 1,97 maka peluangnya adalah:

)) 97 , 1 ( 15 , 0 26 , 0 ( )) 97 , 1 ( 15 , 0 26 , 0 (

1 )

(

_ _  





e

x

p

) 04 , 0 ( ) 04 , 0 (

1 )

(

e

x

p





04 , 1 1 04 , 1 ) (   x p 509 , 0 04 , 2 04 , 1 )

(x  

p Sehingga, X x p x p 1 0 ) ( 1 ) (

ln _ 

     

(57)

BAB 4

KESIMPULAN DAN SARAN

4.1Kesimpulan

Berdasarkan penelitian yang telah dilakukan dengan menggunakan analisis regresi logistik yang melibatkan 50 mahasiswa Fakultas MIPA USU, maka dapat diambil kesimpulan sebagai berikut:

1. Dari 5 variabel independen yang diuraikan menjadi18 item pertanyaan terdapat 4 variabel independen yang berpengaruh positif dan signifikan terhadap kepemilikan Hp Android pada mahasiswa. Variabel tersebut adalah harga (X1),

merek (X3), desain (X4) dan iklan (X5). Sedangkan variabel yang tidak

berpengaruh positif dan signifikan terhadap kepemilikan Hp Android adalah fitur (X2).

2. Model regresi logistik untuk memprediksi kepemilikan Hp Android pada mahasiswa adalah:

[ ] Persamaan menunjukkan bahwa nilai intersep = -11,295. Artinya: [

] = -11,295 pada saat semua variabel berharga 0, yaitu pada saat variabel X1, X3,

X4 dan X5 tidak berpengaruh terhadap terjadinya peluang kepemilikan Hp

Android. Diperoleh besaran [

] = -11,295 atau besarnya probabilitas

) 295 , 11 (

1 )

( _

  

e e x

p _i = _0,00001.

3. Berdasarkan hasil analisis data diketahui bahwa pengaruh terbesar ada pada variabel harga, yaitu sebesar 2,752. Dapat disimpulkan bahwa faktor harga yang terdapat pada produk paling mempengaruhi kepemilikan Hp Android.

(58)

4.2Saran

1. Pada penelitian ini hanya membatasi pada lima variabel independen dan masih banyak faktor lain yang dapat diteliti untuk melihat besar pengaruhnya terhadap kepemilikan Hp Android pada mahasiswa.

2. Bagi kalangan mahasiswa perlu dipertimbangkan pada saat ingin membeli perangkat mobile berjenis Android bukan hanya berupa harga yang sesuai, tetapi juga fitur-fitur yang terdapat didalamnya, merek dan iklan yang dibuat oleh produsen untuk menarik minat konsumen.

3. Tingkat kekonsumtifan masyarakat yang terlalu tinggi dalam pembelian perangkat mobile seharusnya tidak perlu terjadi bila setiap orang membeli dengan memikirkan terlebih dahulu kebutuhannya akan barang tersebut.

(59)

DAFTAR PUSTAKA

Ghozali, Iman. 2005. Aplikasi Analisis Multivariate dengan Program SPSS, Edisi Ketiga, Badan Penerbit Universitas Diponegoro.

Hasan, Iqbal, M.Ir. 2002. Pokok – pokok Materi Statistika (Statistika Deskriptif),

Bumi Aksara, Jakarta.

Hosmer, D.W., Lemeshow. 1989. Applied Regression Logistic, Jhon Wiley & Sons, Inc, New York.

Hastono, S.P. 2008. Statistika Kesehatan. Jakarta : Rajawali Pers.

Situmorang, Helmi, Syafrizal, dkk. 2010. Analisis Data untuk Riset Manajemen dan Bisnis. Medan : USU Press.

Sudjana, 1992. Metoda Statistika. Edisi ke – 6. Bandung : Tarsito.

Sugiarto, et all. 2001. Teknik Sampling, PT. Gramedia Pustaka Utama, Jakarta.

Suharjo, Bambang, 2008. Analisis Regresi Terapan dengan SPSS, Graha Ilmu, Yogyakarta.

Yasril, 2009. Analisis Multivariat, Mitra Cendikia, Yogyakarta. http://www.aingindra.com/pengertian-teknologi (23 Februari 2014)

(1)

Variabel Merek (X3)

NO Pert 1 Pert 2 Pert 3 Pert 4 Total

Skor

1 4,55 4,46 4,42 3,32 16,76

2 2,94 4,46 4,42 3,32 15,14

3 2,94 3,02 3,09 2,06 11,11

4 2,94 4,46 4,42 3,32 15,14

5 2,94 4,46 4,42 3,32 15,14

6 2,94 3,02 4,42 1,00 11,38

7 2,94 3,02 4,42 3,32 13,70

8 2,94 4,46 4,42 1,00 12,82

9 4,55 4,46 4,42 3,32 16,76

10 2,94 4,46 3,09 3,32 13,81

11 4,55 4,46 4,42 3,32 16,76

12 4,55 4,46 4,42 3,32 16,76

13 4,55 3,02 3,09 3,32 13,98

14 2,94 3,02 3,09 3,32 12,37

15 2,94 3,02 3,09 3,32 12,37

16 2,94 3,02 4,42 3,32 13,70

17 2,94 4,46 4,42 2,06 13,88

18 4,55 4,46 4,42 3,32 16,76

19 1,51 1,75 3,09 2,06 8,41

20 2,94 3,02 3,09 3,32 12,37

21 4,55 4,46 4,42 3,32 16,76

22 2,94 3,02 3,09 3,32 12,37

23 1,00 1,75 1,97 2,06 6,78

24 1,00 1,00 1,00 2,06 5,06

25 2,94 3,02 3,09 2,06 11,11

26 2,94 3,02 1,97 2,06 9,99

27 2,94 3,02 1,97 2,06 9,99

28 2,94 3,02 3,09 3,32 12,37

29 2,94 3,02 3,09 3,32 12,37

30 2,94 3,02 3,09 2,06 11,11

31 2,94 3,02 3,09 3,32 12,37

32 2,94 4,46 4,42 3,32 15,14

33 2,94 4,46 4,42 3,32 15,14

34 2,94 3,02 1,97 1,00 8,92

35 2,94 4,46 4,42 2,06 13,88

36 4,55 4,46 4,42 2,06 15,50

37 4,55 4,46 4,42 2,06 15,50

38 2,94 3,02 3,09 2,06 11,11

39 2,94 3,02 3,09 2,06 11,11

40 2,94 1,75 3,09 1,00 8,78

41 2,94 3,02 3,09 1,00 10,05

dst ... ... ... ... ...

(2)

Variabel Desain (X4)

NO Pert 1 Pert 2 Pert 3 Pert 4 Total

Skor

1 3,48 2,35 3,31 4,15 13,30

2 3,48 2,35 3,31 1,81 10,95

3 3,48 1,00 3,31 4,15 11,95

4 3,48 2,35 2,23 2,83 10,89

5 4,94 3,72 4,54 4,15 17,36

6 4,94 2,35 4,54 4,15 15,99

7 2,13 1,00 2,23 1,81 7,17

8 2,13 2,35 3,31 1,00 8,80

9 3,48 3,72 4,54 2,83 14,57

10 3,48 3,72 4,54 2,83 14,57

11 4,94 3,72 4,54 4,15 17,36

12 3,48 3,72 4,54 2,83 14,57

13 3,48 2,35 3,31 4,15 13,30

14 4,94 2,35 4,54 2,83 14,67

15 3,48 3,72 4,54 4,15 15,89

16 4,94 3,72 3,31 4,15 16,13

17 3,48 2,35 4,54 4,15 14,52

18 3,48 1,00 3,31 2,83 10,62

19 3,48 2,35 3,31 2,83 11,98

20 3,48 2,35 3,31 2,83 11,98

21 3,48 2,35 3,31 1,81 10,95

22 3,48 2,35 3,31 2,83 11,98

23 2,13 2,35 2,23 1,00 7,72

24 1,00 2,35 1,00 1,00 5,35

25 3,48 2,35 2,23 2,83 10,89

26 3,48 2,35 2,23 2,83 10,89

27 3,48 2,35 2,23 2,83 10,89

28 3,48 3,72 4,54 2,83 14,57

29 4,94 3,72 4,54 4,15 17,36

30 3,48 2,35 3,31 2,83 11,98

31 3,48 2,35 3,31 2,83 11,98

32 3,48 3,72 4,54 2,83 14,57

33 3,48 3,72 4,54 2,83 14,57

34 3,48 3,72 4,54 2,83 14,57

35 3,48 3,72 4,54 2,83 14,57

36 4,94 3,72 4,54 4,15 17,36

37 3,48 2,35 3,31 2,83 11,98

38 2,13 2,35 3,31 1,81 9,61

39 2,13 1,00 2,23 1,81 7,17

40 2,13 2,35 3,31 1,00 8,80

41 3,48 1,00 3,31 1,81 9,60

dst ... ... ... ... ...

(3)

Variabel Iklan (X5)

NO Pert 1 Pert 2 Pert 3 Pert 4 Total

Skor

1 2,52 2,52 3,23 3,17 11,45

2 2,52 2,52 3,23 3,17 11,45

3 2,52 2,52 3,23 3,17 11,45

4 2,52 2,52 3,23 3,17 11,45

5 4,01 4,07 3,23 3,17 14,49

6 4,01 4,07 4,53 4,38 16,98

7 4,01 4,07 3,23 3,17 14,49

8 4,01 2,52 2,12 2,12 10,76

9 2,52 1,00 3,23 2,12 8,87

10 4,01 4,07 3,23 3,17 14,49

11 4,01 2,52 3,23 3,17 12,94

12 4,01 4,07 3,23 3,17 14,49

13 2,52 2,52 2,12 2,12 9,27

14 2,52 2,52 3,23 3,17 11,45

15 2,52 2,52 2,12 2,12 9,27

16 4,01 2,52 3,23 3,17 12,94

17 2,52 2,52 2,12 3,17 10,33

18 2,52 2,52 3,23 2,12 10,39

19 2,52 1,00 2,12 2,12 7,75

20 2,52 2,52 2,12 2,12 9,27

21 2,52 2,52 3,23 3,17 11,45

22 2,52 2,52 2,12 2,12 9,27

23 2,52 2,52 4,53 4,38 13,94

24 2,52 2,52 4,53 4,38 13,94

25 4,01 2,52 3,23 2,12 11,88

26 2,52 2,52 3,23 3,17 11,45

27 2,52 2,52 3,23 3,17 11,45

28 4,01 4,07 4,53 4,38 16,98

29 2,52 2,52 1,00 2,12 8,16

30 2,52 2,52 2,12 2,12 9,27

31 2,52 2,52 2,12 2,12 9,27

32 2,52 2,52 2,12 2,12 9,27

33 2,52 2,52 2,12 2,12 9,27

34 2,52 2,52 2,12 2,12 9,27

35 2,52 2,52 2,12 1,00 8,15

36 2,52 2,52 2,12 2,12 9,27

37 2,52 2,52 2,12 2,12 9,27

38 1,00 1,00 2,12 2,12 6,23

39 1,00 1,00 1,00 1,00 4,00

40 2,52 1,00 1,00 2,12 6,64

41 1,00 1,00 1,00 1,00 4,00

dst ... ... ... ... ...

(4)

LAMPIRAN 6

KUESIONER PENELITIAN

Analisis Regresi Logistik Terhadap Kepemilikan HP Android Pada Mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam USU.

Isilah data pribadi berikut secara lengkap, berilah tanda silang (X) pada pilihan jawaban anda yang sesuai kriteria.

Keterangan :

SS : Sangat Setuju

S : Setuju

CS : Cukup Setuju

TS : Tidak Setuju

STS : Sangat Tidak Setuju

Data Responden

1. No. Responden :

2. Nama :

3. Jenis Kelamin :

4. Jurusan :

5. Merek android apa yang saat ini anda miliki ?

(contoh : Samsung Galaxy, Sony Experia, LG, dan lainnya sebutkan)

Harga (X1)

1. Harga dari masing-masing produk yang ditawarkan sesuai dengan kualitasnya

SS S CS TS STS

2. Harga yang ditawarkan terjangkau bagi mahasiswa

SS S CS TS STS

(5)

SS S CS TS STS Fitur (X2)

4. Menyediakan berbagai macam aplikasi yang dapat diunduh pada playstore

SS S CS TS STS

5. Memiliki fitur-fitur yang canggih

SS S CS TS STS

6. Mudah untuk dimengerti dan dipahami

SS S CS TS STS

Merek (X3)

7. Anda bangga dengan merek android yang anda miliki

SS S CS TS STS

8. Merek yang anda gunakan saat ini sesuai dengan kebutuhan

SS S CS TS STS

9. Merek yang anda gunakan saat ini sesuai dengan trend pasar saat ini

SS S CS TS STS

10.Faktor harga jadi pertimbangan dalam pemilihan merek

SS S CS TS STS

Desain (X4)

11.Memiliki bentuk yang bervariasi

(6)

12.Model yang sangat trendy/keren

SS S CS TS STS

13.Sangat mudah untuk disimpan dan dibawa

SS S CS TS STS

14.Warna yang menarik

SS S CS TS STS

Iklan (X5)

15. Informasi yang ditayangkan dalam iklan HP Android dapat diterima dengan baik

SS S CS TS STS

16.Iklan yang ditayangkan dapat dipercaya, jujur dan meyakinkan

SS S CS TS STS

17.Saya selalu terpengaruh dengan iklan HP Android di tv

SS S CS TS STS

18.Saya tertarik untuk membeli setelah melihat iklan yang ditayangkan di tv

SS S CS TS STS

Kepemilikan Hp (Y) <1 bulan ≥1 bulan