melakukan pembelian rumah.
Sumber : Hasil Pengolahan Data, 2013
3.7.2. Uji Reliabilitas Uji Reliabilitas adalah data untuk mengukur suatu kuesioner yang merupakan
indikator dari variabel atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke
waktu. Kehandalan yang menyangkut kekonsistenan jawaban jika diujikan berulang pada sampel yang berbeda. SPSS memberikan fasilitas untuk mengukur reliabilitas
dengan uji statistik Cronbach Alpha α. Suatu konstruk atau variabel dikatakan reliabel
jika memberikan nilai Cronbach Alpha 0,60 Ghozali, 2005.
Tabel 3.5 Hasil Uji Realibilitas X
1
-X
16
Croncbah Alpha N of Item
.731 16
Sumber : Hasil Pengolahan Data, 2013
Tabel 3. 6 Hasil Uji Realibilitas Keputusan pembelian
Croncbah Alpha N of Item
.829 5
Sumber : Hasil Pengolahan Data, 2013
Berdasarkan Tabel 3.5 dan Tabel 3.6 di atas dapat diketahui bahwa nilai croncbach alpha yang diperoleh memiliki nilai yang lebih besar dari 0,6 sehingga dapat
diputuskan bahwa seluruh pertanyaan yang digunakan telah reliabel.
3.8. Model Analisis Data
3.8.1. Statistik Deskriptif Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data
dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
Universitas Sumatera Utara Universitas Sumatera Utara
sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Penelitian yang dilakukan pada populasi jelas akan menggunakan
statistik deskriptif dalam analisisnya. Tetapi bila penelitian dilakukan pada sampel, maka analisisnya dapat menggunakan statistik deskriptif maupun inferensial. Termasuk
dalam statistik deskriptif antara lain adalah penyajian data melalui tabel, grafik, penyebaran data, perhitungan prosentase. Dalam statistik deskriptif juga dapat
dilakukan mencari kuatnya hubungan antara variabel melalui analisis korelasi, membuat perbandingan dengan membandingkan rata-rata data sampel atau populasi. Sugiyono,
2010 Namun penelitian ini tidak menggunakan statistik inferensial karena teknik
pengambilan sampel penelitian yaitu accidentalconvenience sampling yang merupakan non probability sampling. Pengambilan sampel non probability sampling memiliki
kekurangan yaitu bias dan tidak tentu sehingga tidak dapat digunakan untuk analisis inferensial. Menurut Sugiyono 2010, statistik inferensial adalah teknik statistik yang
digunakan untuk menganalisis data sampel dan hasilnya diberlakukan untuk populasi. Statistik ini cocok digunakan bila sampel diambil dari populasi yang jelas, dan teknik
pengambilan sampel dari populasi itu dilakukan secara random. 3.8.2. Model Analisis Data Analisis Faktor
Teknik analisis data yang digunakan adalah analisis faktor. Teknik analisis faktor adalah serangkaian prosedur yang digunakan untuk mengurangi dan meringkas
data tanpa kehilangan informasi yang penting Sugiono, 2006. Metode analisis faktor pertama kali digunakan oleh Charles Spearman untuk memecahkan psikologinya dalam
tulisannya pada American Journal of Psychology pada tahun 1904 mengenai dan pengukuran intelektual. Analisis faktor menganalisis sejumlah variabel dari suatu
pengukuran atau pengamatan yang dititik beratkan pada teori dan kenyataan yang
Universitas Sumatera Utara Universitas Sumatera Utara
sebenarnya dan menganalisis interkorelasi atau hubungan antar variabel untuk menetapkan apakah variasi-variasi yang tampak dalam variabel tersebut berdasarkan
sejumlah faktor dasar yang jumlahnya lebih sedikit dari jumlah variasi yang ada. Secara garis besar ada dua tipe analisa faktor, yaitu:
1. Analisis Komponen Utama Principle Component Analysis Merupakan teknik reduksi data yang bertujuan untuk membentuk suatu
kombinasi linier dari variabel awal dengan memperhitungkan sebanyak mungkin variabel-variabel awal yang mungkin.
2. Analisis Faktor Umum Merupakan model faktor yang digunakan untuk mengindentifikasi sejumlah
dimensi dalam data faktor yang tidak mudah dikenali. Berdasarkan dua tipe analisis faktor diatas, penelitian ini menggunakan Analisis
Komponen Utama Principle Component Analysis. Analisis komponen Utama merupakan salah satu analisis multivariat yang bertujuan mengkaji struktur matriks
ragam-ragam melalui linier variabel. Morrison, D.F.,1976; dan Gasperz.,V.,1992. Dari segi praktis, analisis komponen utama ini bertujuan untuk mengubah dari sebagian
besar variabel asli yang digunakan yang saling berkorelasi satu dengan yang lainnya menjadi satu set variabel baru yang lebih kecil dan bebas atau tidak berkorelasi lagi.
Jadi analisis komponen utama berguna untuk mereduksi data, sehingga lebih mudah untuk mengintrepretasikan data tersebut. Namun analisis komponen utama
merupakan analisis antara suatu proses penelitian yang besar atau suatu awalan dari analisis berikutnya, bukan merupakan analisis yang langsung berakhir. Misalnya,
komponen utama bisa merupakan masukan untuk regresi berganda atau analisis gerombol. Berdasarkan keterangan tersebut, peneliti akan melanjutkan hasil analisis
Universitas Sumatera Utara Universitas Sumatera Utara
faktor dengan regresi berganda untuk mengetahui faktor yang paling dominan memengaruhi keputusan pembelian rumah.
Berbagai langkah yang dilakukan dalam analisa faktor Santoso, 2003 yaitu: 1. Membuat matrik korelasi
Semua data yang masuk dan diolah akan menghasilkan matrik korelasi. Dengan adanya matrik korelasi dapat diidentifikasikan variabel-variabel tertentu yang tidak
mempunyai korelasi dengan variabel lain, sehingga dapat dikeluarkan dari analisis. Pada tahap ini juga diketahui variabel-variabel yang menimbulkan multikolinearitas
yaitu dua variabel dengan koefisien korelasi yang relatif tinggi dan variabel tersebut dijadikan satu atau dipilih salah satu untuk dianalisis lebih lanjut Barlett’s Test of
Sphericity. Kemudian digunakan uji Kaiser-Meyer-Olkin KMO untuk mengetahui kecukupan sampelnya. Analisis faktor dikatakan layak apabila besaran KMO nilainya
minimal 0,5. Besaran lainnya yang dilihat adalah nilai Measure of Sampling Adequency MSA. Besaran ini digunakan sebagai indikator untuk menentukan apakah analisis
faktor ini dapat dilanjutkan atau tidak dengan kriteria MSA
≥0,5 2. Menentukan jumlah faktor
Variabel disusun kembali berdasarkan pada pola korelasi hasil langkah pada butir 2, untuk menentukan jumlah faktor yang diperlukan untuk mewakili data.
Penentuan jumlah faktor dimana masing-masing faktor merupakan gabungan dari beberapa faktor yang saling berhubungan berkorelasi didasarkan atas besarnya eigen
value, percentage of variance dari setiap faktor yang muncul. Eigen value adalah penjumlahan variance nilai-nilai korelasi setiap faktor terhadap masing-masing variabel
yang membentuk faktor yang bersangkutan.
Universitas Sumatera Utara Universitas Sumatera Utara
Untuk menentukan berapa jumlah faktor yang dapat diterima secara empirik dapat dilakukan berdasarkan besarnya eigen value setiap faktor yang muncul. Semakin
besar eigen value setiap faktor semakin representative faktor tersebut untuk mewakili sekelompok variabel. Faktor-faktor yang dipilih faktor yang memiliki eigen value 1.
Demikian juga didasarkan pada percentage of variance suatu faktor dapat menjadi pertimbangan konsumen apabila memiliki nilai lebih besar dari 5, dan apabila
didasarkan pada commulative of variance ketentuannya adalah nilai minimum sebesar 60, maka faktor tersebut dapat digunakan dalam model.
3. Rotasi faktor Hasil penyederhanaan faktor dalam matrik faktor memperlihatkan hubungan
antar faktor dengan variabel individual, tetapi dalam faktor-faktor tersebut terdapat banyak variabel yang berkorelasi sehingga sulit diinterpretasikan. Dengan
menggunakan rotasi faktor matrik, matrik faktor ditransformasikan ke dalam matrik yang lebih sederhana sehingga mudah untuk diinterpretasikan. Dalam perilaku ini
digunakan rotasi varimax, karena menghasilkan hasil yang lebih baik. 4. Interpretasi faktor
Interpretasi faktor dapat dilakukan dengan mengelompokkan variabel-variabel yang mempunyai loading factor tertinggi di dalam faktor tersebut. Untuk
menginterpretasikan hasil penelitian ini, loading factor minimal 0,4 dan variabel yang mempunyai loading factor kurang dari 0,4 dikeluarkan dari model.
a. Perhitungan skor faktor Perhitungan skor faktor yang ada dasarnya dimaksudkan untuk mencari nilai
faktor yang dapat digunakan untuk menganalisis multivariate. b. Penyeleksian variabel pengganti
Universitas Sumatera Utara Universitas Sumatera Utara
Penyeleksian variabel pengganti adalah mencari salah satu variabel dalam setiap faktor sebagai wakil dari masing-masing faktor.
3.8.3. Model Analisis Data Regresi Linier Berganda Setelah melakukan penyeleksian variabel pengganti penelitian ini
melanjutkannya dengan analisis regresi liner berganda. Untuk menguji variabel bebas yang diperoleh nanti terhadap keputusan pembelian rumah di perumahan Bougenville.
Analisis regresi linier berganda dipergunakan karena variabel terikat yang dicari dipengaruhi oleh lebih dari satu variabel bebas atau variabel penjelas. Regresi linier
berganda menggunakan model persamaan sebagai berikut : Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ e Dimana :
Y = Keputusan Pembelian Rumah
X
1
, X
2
,….X
n
= Variabel bebas yang belum terbentuk a = Konstanta
b
1
, b
2
, b
3
, b
4
= Koefisien regres e = error term
1. Uji F Uji secara simultan Uji F ini dilakukan untuk mengetahui apakah variabel-variabel X
1
, X
2
, X
3
, X
4
,….X
n
secara bersama-sama memiliki pengaruh yang signifikan terhadap variabel terikat Y yaitu keputusan pembelian rumah. Untuk menguji apakah hipotesis yang
diajukan diterima atau ditolak.
Universitas Sumatera Utara Universitas Sumatera Utara
Penguji hipotesis yang digunakan dalam uji secara simultan adalah sebagai berikut:
H : b
1
, b
2
, b
3
, b
4
= 0 variabel bebas X
1
, X
2
, X
3
, X
4
,….X
n
, secara bersama-sama tidak berpengaruh tehadap keputusan pembelian rumah
H
1
: b
1
, b
2
, b
3
, b
4
≠ 0 variabel bebas X
1
, X
2
, X
3
, X
4
,….X
n
, secara bersama-sama berpengaruh tehadap keputusan pembelian rumah
Nilai F
hitung
akan dibandingkan dengan nilai F
tabel
. Kriteria pengambilan keputusan yaitu :
H diterima jika F
hitung
F
tabel
pada α = 5 H
ditolak H
1
diterima jika F
hitung
F
tabel
pada α = 5 2. Uji t Uji secara Parsial
Uji t dilakukan untuk mengetahui apakah pengaruh masing-masing variabel bebas bebas X
1
, X
2
, X
3
, X
4
,….X
n
terhadap variabel keputusan pembelian rumah Y di perumahan Bougenville.
Penguji hipotesis yang digunakan dalam uji secara parsial adalah sebagai berikut:
H : b
i
= 0 ; artinya X
1
, X
2
, X
3
, X
4
,….X
n,
tidak berpengaruh secara parsial terhadap keputusam pembelian rumah di perumahan Bougenville
H
1
: b
i
≠ 0 ; artinya X
1
, X
2
, X
3
, X
4
,….X
n
, berpengaruh secara parsial terhadap keputusan pembelian rumah di perumahan Bougenville.
Nilai t
hitung
akan dibandingkan dengan t
tabel
. Kriteria pengambilan keputusan yaitu : H
diterima jika t
tabel
≤ t
hitung
≤ t
tabel
pada α = 2,5 H
ditolak H
1
Diterima jika t
hitung
-t
tabel
atau t
hitung
t
tabel
pada α = 2,5
Universitas Sumatera Utara Universitas Sumatera Utara
3.9. Pengujian Asumsi Klasik
