Reliabilitas alat ukur dalam bentuk skala dapat dicari dengan menggunakan teknik alpha cronbach berikut:
r
11
= k 1-
∑
2
....................................................... 3 k-1
1 2
Keterangan :
r
11
= Reabilitas
instrumen K
= Banyaknya butir pertanyaan ∑
2
= Jumlah ragam butir
1 2
= jumlah ragam total Mencari ragam digunakn rumus sebagai berikut :
∑X
2 2
= ∑X
2
- n ................................................................ 4
n Keterangan : n = Jumlah responden
X = Nilai skor yang dipilih Suatu alat dikatakan memiliki reliabilitas yang baik, apabila alat
ukur tersebut digunakan berkali-kali oleh peneliti yang sama maupun berbeda. Model yang digunakan untuk menguji reliabilitas pada
penelitian ini adalah dengan menggunakan bantuan sofware SPSS 15.0 for windows
. Jika nilai alpha tersebut lebih besar dari 0.60 maka pertanyaan pada kuesioner tersebut reliabel. Hasil Perhitungan analisis
reliabilitas kuesioner selengkapnya dapat dilihat pada Lampiran 1.
3.3.5 Pengolahan dan Analisis Data
Data yang diperoleh akan dianalisis sesuai dengan tujuan yang akan diteliti. Pengolahan data menggunakan program Minitab14, program
Microsoft Excel dan Statistic versi 8. Selain itu, penelitian ini juga
menggunakan metode analisis kuantitatif dengan menggunakan pendekatan konsep-konsep manajemen pemasaran yang ada.
1. Consumer Decision Model CDM
Model dengan enam variabel yang saling berhubungan, antara lain: pesan iklan F, finding information, pengenalan merek B, brand
recognition, kepercayaan konsumen C, confidence, sikap konsumen A, attitude, niat beli I, intention dan pembelian nyata P, purchase
dianalisis dengan menggunakan regresi linear baik yang sederhana maupun berganda. Regresi liner digunakan untuk melihat hubungan
antara variabel satu dengan yang lainnya. Analisis yang dilakukan dalam penelitian ini mencakup semua variabel, yaitu sampai terjadinya
proses pembelian nyata. Pada penelitian ini variabel pesan iklan F diinterpretasikan
sebagai informasi yang dilihat melalui social media. Untuk mengetahui efektivitas social media dengan menggunakan CDM
digunakan analisis bentuk hubungan dan analisis keeratan hubungan. Pengaruh langsung variabel independen terhadap variabel dependen
ditelusuri dengan analisis regresi. Analisis regresi yang digunakan memperhatikan prinsip parsimony, yaitu semakin sederhana suatu
model semakin bagus model tersebut dan dengan pertimbangan efisiensi dan kemudahan pemahaman model tersebut dari sisi
pengguna Durianto, 2003. Model populasi yang digunakan adalah: Yi
= α + βXi + i ………………………………………
5 Dimana:
Yi = variabel dependen βi = koefisien regresi
Xi = variabel independen = error term
α
= intersep model Pada persamaan tersebut akan dianalisis persamaan regresi
sederhana antara variabel informasi yang dilihat di social media F dengan pengenalan merek B, informasi yang dilihat di social media
dengan kepercayaan konsumen C, informasi yang dilihat di social media
F dengan sikap konsumen A. Pada ketiga pesan tersebut, variabel informasi yang dilihat di social media F menjadi variabel
independen dan variabel B, C, dan A menjadi variabel dependen. Persamaan regresi berikutnya adalah persamaan regresi antara variabel
pengenalan merek B dengan kepercayaan konsumen C, pengenalan merek B dengan sikap konsumen A, dimana variabel B sebagai
Ʃ variabel independen dan variabel C dan A sebagai variabel dependen.
Persamaan berikutnya yang akan dianalisis adalah persamaan regresi sederhana antara variabel niat beli I dengan kepercayaan konsumen
C, niat beli I dengan sikap konsumen A, dan niat beli I dengan pembelian nyata P. Pada persamaan ini, variabel niat beli I sebagai
variabel dependen dan variabel C, A, dan P menjadi variabel independen.
Pembentukan model dan pengujian signifikan variabel independen terhadap variabel dependen dilakukan melalui pendekatan OLS
method Ordinary Least Square Method. Prinsip metode ini
meminimumkan selisih kuadrat antara Y observasi dengan Y dugaan. Model sampel untuk regresi linear sederhana adalah:
Ŷ = a + bX
i
……………………………………………….. 6
Dimana: a = penduga bagi intersep
α b = penduga bagi koefisien regresi
β dengan menggunakan OLS, nilai a dan b diperoleh dari:
n ∑XiYi –
ƩXiƩYi b =
……………………………… 7 n
ƩXi
2
– ƩXi
2
Yi – b ƩXi
a = …………………………………………. 8
n Analisis uji nilai parameter regresi, apakah sama dengan nilai
tertentu digunakan uji t. hipotesisi nol dan hipotesisi tandingannya ditentukan sebagai berikut:
H
01
: βi = 0
variabel independen tidak memiliki pengaruh signifikan terhadap variabel dependen
H
21
: βi ≠ 0
variabel independen memiliki pengaruh signifikan terhadap variabel dependen
Setiap nilai koefisien regresi dapat dihitung nilai t-nya, sebagai berikut:
β
k
- β
k
t = …………………………………………………..9
Ŝ
βk
Hasil yang diperoleh dibandingkan dengan t
tabel
. Bila, nilai t
hitung
lebih besar daripada nilai t
tabel
, berarti pengaruh variabel independen terhadap variabel dependen signifikan. Dalam penelitian ini digunakan
alat bantu Minitab 14. Kriteria signifikasi dilihat dari perbandingan nilai signifikan yang diperoleh dengan
α. Jika nilai signifikansi lebih kecil daripada nilai
α yang digunakan, dinyatakan sebagai pengaruh variabel independen terhadap variabel dependen hasilnya signifikan dan
jika yang terjadi sebaliknya maka hasilnya tidak signifikan. Nilai α
yang digunakan dalam penelitian ini adalah sebesar 5. Analisis
regresi berganda digunakan untuk menguji hubungan
antara variabel informasi melalui social media F dan pengenalan merek B terhadap Sikap konsumen A. Variabel informasi melalui
social media F dan pengenalan merek B terhadap kepercayaan
konsumen C, dimana informasi melalui social media dan pengenalan merek sebagai variabel independen sedangkan kepercayaan merek C
dan sikap konsumen A sebagai variabel dependen. Persamaan berikutnya yang dianalisis adalah kepercayaan konsumen C, sikap
konsumen A, dan niat beli konsumen I, dimana niat beli konsumen bertindak sebagai variabel dependen sedangkan variabel kepercayaan
C dan sikap konsumen A bertindak sebagai variabel independen. Persamaan dalam model regresi linear berganda yang menunjukkan
hubungan antara variabel dependen Y dengan variabel independennya Xi adalah sebagai berikut:
Ŷ = a + b
1
X
1
+ b
2
X
2
…………………………………… 10
Dimana: Ŷ
= variabel dependen a
= konstanta
b
1
dan b
2
= koefisien
regresi variabel independen
X
1
dan X
2
= variabel
independen
Algifari dalam
Sari 2010 menyatakan bahwa persamaan regresi yang diperoleh dalam suatu proses perhitungan tidak selalu baik untuk
mengestimasi nilai variabel dependen. Untuk mengetahui apakah suatu persamaan regresi yang dihasilkan baik untuk mengestimasi nilai
variabel dependen, maka perlu dilakukan uji simultan uji f dan uji parsial uji t.
Uji simultan bertujuan untuk mengetahui apakah semua variabel dependen mempunyai pengaruh yang sama terhadap variabel dependen.
Pengujian terhadap pengaruh variabel independen secara bersama-sama simultan terhadap perubahan nilai variabel dependen dilakukan
melalui pengujian terhadap besarnya perubahan nilai variabel dependen yang dapat dijelaskan oleh perubahan nilai semua variabel independen.
Langkah pertama dalam melakukan uji simultan adalah menentukan perumusan hipotesisi. Hipotesis nol dan hipotesis tandingannya
ditentukan sebagai berikut: H
02
: βi = 0
X
1
dan X
2
secara bersama-sama tidak memiliki pengaruh signifikan terhadap Y
H
a2
: βi ≠ 0
X
1
dan X
2
secara bersama-sama memiliki pengaruh signifikan terhadap Y
Kemudian menentukan nilai f
hitung
dengan menggunakan rumus: R
2
k – 1 F =
……………………………… 11 1
– R
2
n – 3 Dimana:
R
2
= Koefisien
determinasi k
= jumlah
variabel n
= jumlah
sampel Pengambilan keputusan dilakukan berdasarkan perbandingan
antara nilai F
hitung
dengan nilai F
tabel
sesuai dengan tingkat signifikansi yang digunakan. Jika F
hitung
lebih kecil dari F
tabel
atau p-value lebih besar dibandingkan dengan nilai
α yang digunakan. Maka keputusan adalah menerima daerah peneriman hipotesis nol H
, artinya secara statistika dapat dibuktikan bahwa semua variabel independen X
1
dan
X
2
tidak berpengaruh terhadap variabel dependen, sedangkan jika F
hitung
lebih besar dari F
tabel
atau p-value lebih kecil dibandingkan dengan nilai
α yang digunakan, maka keputusannya adalah menolak hipotesis nol H
dan menerima hipotesis tandingannya Ha. Artinya bahwa secara statistik data yang digunakan membuktikan bahwa semua
variabel independen X
1
dan X
2
berpengaruh terhadap variabel dependen.
Uji parsial bertujuan untuk memastikan apakah variabel independen yang terdapat dalam persamaan tersebut secara individu
berpengaruh terhadap nilai variabel dependen. Caranya dengan melakukan pengujian terhadap koefisien regresi setiap variabel
independen. Langkah pertama dalam menentukan perumusan hipotesis. Hipotesis nol dan hipotesis tandingannya ditentukan sebagai berikut:
H
03
: βi = 0 X
1
tidak memiliki pengaruh signifikan terhadap Y H
a3
: βi ≠ 0 X
1
memiliki pengaruh signifikan terhadap Y H
04
: βi = 0 X
2
tidak memiliki pengaruh signifikan terhadap Y H
a4
: βi ≠ 0 X
2
memiliki pengaruh signifikan terhadap Y Langkah selanjutnya adalah menghitung nilai t untuk setiap
koefisien regresi dengan menggunakan rumus 9 yang telah disebutkan di atas. Hasil t
hitung
yang diperoleh dibandingkan dengan t
tabel.
Jika t
hitung
suatu koefisiensi regresi lebih kecil daripada t
tabel
atau p-value lebih besar dibandingkan dengan nilai
α yang digunakan, maka keputusannya adalah menerima Ho. Artinya koefisien regresi variabel independen,
yaitu X
1
dan X
2
tersebut tidak berpengaruh terhadap nilai variabel dependen Y. Jika pada pengujian terhadap suatu koefisien regresi
memiliki t
hitung
lebih besar daripada t
tabel
atau p-value lebih kecil dibandingkan dengan nilai
α yang digunakan, maka keputusannya adalah menolak Ho dan menerima Ha. Artinya koefiensi regresi
variabel independen X
1
dan X
2
berpengaruh terhadap variabel dependen Y.
Pernyataan variabel independen yang paling berpengaruh terhadap variabel dependen dapat diketahui dengan menggunakan analisis regresi
dengan metode stepwise. Regresi stepwise melibatkan dua jenis proses, yaitu: forward selection dan backward elimination. Teknik ini
dilakukan melalui beberapa tahapan. Pada masing-masing tahapan, akan diputuskan variabel mana yang merupakan predictor terbaik untuk
dimasukan ke dalam model. Variabel ditentukan berdasarkan uji-F, variabel ditambahkan ke dalam model selama ini p-value-nya kurang
dari nilai kritik α. Kemudian variabel dengan nilai p-value lebih dari
nilai kritik α akan dihilangkan. Proses ini dilakukan terus-menerus
hingga tidak ada lagi variabel yang memenuhi kriteria untuk ditambahkan atau dihilangkan.
Analisis signifikansi peran variabel antara dapat diketahui dari nilai koefisien determinasi. Koefisien determinasi menunjukan besarnya
sumbangan variabel independen terhadap variabel dependen. Bila variabel tersebut memiliki koefisien determinasi lebih besar daripada
koefiensi determinasi kedua variabel lainnya, maka variabel tersebut berkedudukan sebagai variabel antara.
2. Analisis Korelasi Kanonika
