3.10 Metode Analisis Data 3.10.1 Analisis Regresi Linier Berganda
Analisis regresi linier berganda digunakan untuk mengetahui berapa besar pengaruh harga, promosi dan green car terhadap variabel terikat yaitu persepsi
masyarakat. Model regresi berganda yang digunakan adalah:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ e
Dimana: Y
= Persepsi Masyarakat a
= Konstanta X
1
= Harga X
2
= Promosi X
3
= Konsep Green car b
1
,b
2
,b
3
= Koefisien regresi e
= Standard Error Hipotesis matematisnya adalah sebagai berikut :
δY 0 artinya, jika X
1
meningkat 1, maka Y akan mengalami penurunan δX
1
1, ceteris paribus δY
0 artinya jika X
2
meningkat 1, maka Y akan mengalami kenaikan δX
2
1, ceteris paribus δY
0 artinya jika X
3
meningkat 1, maka Y akan mengalami kenaikan δX
3
1, ceteris paribus
3.10.2 Pengujian Hipotesis Penelitian
1. Uji Signifikansi Simultan Uji F Uji F pada dasarnya menunjukkan apakah semua variabel bebas yang
dimasukkan dalam model mempunyai pengaruh secara bersama-sama
Universitas Sumatera Utara
terhadap variabel terikat. Dalam penelitian ini pengujian hipotesis secara simultan dimaksudkan untuk mengukur besarnya pengaruh variabel bebas
terhadap variabel terikatnya Hipotesis yang akan digunakan dalam penelitian ini adalah sebagai
berikut Ghozali 2010:64-65 : a. H
: b1 = b2 = b3 = b4 = 0,artinya secara bersama-sama tidak terdapat pengaruh yang positif dan signifikan terhadap variabel bebas terhadap
variabel terikat. b. H
a
: b1 ≠ b2 ≠ b3 ≠ b4 ≠ 0, artinya secara bersama-sama terdapat pengaruh
yang positif dan signifikan dari variabel bebas terhadap variabel terikat Dasar pengambilan keputusan:
a. Dengan membandingkan nilai F
hitung
degan F
tabel
. Apabila F
hitung
F
tabel
, maka H
ditolak dan H
1
diterima maka secara bersama-sama variabel independent
berpengaruh terhadap variabel dependent. Apabila F
hitung
F
tabel
, maka H diterima dan H
1
ditolak maka secara bersama-sama variabel independent
tidak berpengaruh terhadap variabel dependent. b. Dengan menggunakan angka probabilitas signifikan. Apabila probabilitas
signifikan 0,05, maka H ditolak dan H
1
diterima maka secara bersama- sama variabel independent berpengaruh terhadap variabel dependent.
Apabila probabilitas signifikansi 0,05, maka H diterima dan H
1
ditolak maka secara bersama-sama variabel independent tidak berpengaruh
terhadap variabel dependent.
Universitas Sumatera Utara
Jika F
hitung
F
tabel
signifikan, maka hipotesis ANOVA dapat diterima bahwa semua variabel bebas persepsi, harga, promosi dan green car
layak untuk menjelaskan varibel terikat persepsi yang dianalisis. 2. Uji Signifikasi Parsial Uji t
Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas atau bebas secara individual dalam menerangkan variasi variabel
terikat. Pengujian ini bertujuan untuk menguji pengaruh variabel bebas terhadap variabel terikat secara terpisah atau parsial.
Kriteria pengujiannya adalah Ghozali 2010:66-67 : a. H
: b1 = 0 Artinya harga, sebagai variabel bebas secara parsial tidak berpengaruh negatif dan signifikan terhadap variabel terikat.
H : b2 = 0 Artinya promosi, sebagai variabel bebas secara parsial tidak
berpengaruh positif dan signifikan terhadap variabel terikat. H
: b3 = 0 Artinya green car, sebagai variabel bebas secara parsial tidak berpengaruh positif dan signifikan terhadap variabel terikat.
b. H
a
: b1 ≠ 0 Artinya
harga, sebagai variabel bebas secara parsial berpengaruh negatif dan signifikan terhadap variabel terikat.
H
a
: b2 ≠ 0 Artinya promosi, sebagai variabel bebas secara parsial
berpengaruh positif dan signifikan terhadap variabel terikat. H
a
: b3 ≠ 0 Artinya green car, sebagai variabel bebas secara parsial
berpengaruh positif dan signifikan terhadap variabel terikat. Dasar pengambilan keputusan:
Universitas Sumatera Utara
a. Dengan membandingkan nilai t
hitung
dengan t
tabel
, jika t
hitung
t
tabel
maka H ditolak dan H
1
diterima artinya secara parsial variabel bebas berpengaruh positif dan signifikan terhadap variabel terikat
.
Apabila t
hitung
t
tabel
, maka H
diterima dan H
1
ditolak artinya secara parsial variabel bebas tidak berpengaruh positif dan signifikan terhadap variabel terikat
b. Dengan menggunakan angka probabilitas signifikansi. Apabila angka probabilitas signifikansi 0,05, maka H
ditolak dan H
1
diterima artinya secara parsial variabel bebas berpengaruh positif dan signifikan terhadap
variabel terikat. Apabila angka probabilitas signifikansi 0,05, maka H diterima dan H
1
ditolak artinya secara parsial variabel bebas tidak berpengaruh positif dan signifikan terhadap variabel terikat.
3. Uji Koefisien Determinan R
2
Koefisien determinan R
2
atau coefficient determination pada intinya mengukur seberapa kemampuan model dalam menerangkan variabel
terikat. Koefisien Determinan berkisar antara nol sampai dengan 1 0 R
2
1. Jika R
2
semakin besar mendekati satu, maka dapat dikatakan bahwa pengaruh variabel bebas persepsi, harga, promosi dan
green car adalah benar terhadap variabel terikat persepsi. Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pengaruh
variabel bebas yang diteliti terhadap variabel terikat. Sebaliknya, jika R
2
semakin mengecil mendekati nol maka dapat dikatakan bahwa pengaruh variabel bebas persepsi, harga, promosi dan green car terhadap variabel
terikat persepsi semakin kecil. Hal ini berarti model yang digunakan
Universitas Sumatera Utara
tidak kuat untuk menerangkan pengaruh variabel bebas yang diteliti terhadap variabel terikat Ghozali 2010:68.
3.10.3. Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis, terlebih dahulu akan dilakukan pengujian terjadinya penyimpangan terhadap asumsi klasik. Dalam asumsi klasik
terdapat beberapa pengujian yang harus dilakukan, yakni Uji Normalitas, Uji Linieritas, Uji Multikolinieritas, Uji Heteroskedastisitas Ghozali, 2006:45.
1. Uji Normalitas Uji normalitas digunakan untuk mengetahui apakah dalam model regresi
variabel dependen, variabel independen, atau keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah model regresi yang
berdistribusi normal. Uji normalitas dapat dilakukan dengan menggunakan uji Klomogorov-Smirnov Godness of Fit
Ghozali, 2006:45. Pengujian dilakukan untuk mengetahui apakah distribusi frekuensi hasil pengamatan sesuai dengan
Expected Normal Freguents distribusi. Dalam uji Klomogorov-Smirnov yang
diperbaiki adalah nilai signifikan sig dengan nilai χ pada taraf 5. Berikut ini
probabilitas untuk menentukan apakah distribusi tersebut normal atau tidak normal.
Kriteria pengambilan kesimpulan adalah : - Nilai sig probabilitas 0,05 maka distribusi tidak normal.
- Nilai sig probabilitas 0,05 maka distribusi normal.
Universitas Sumatera Utara
2. Uji Linieritas Uji linieritas bertujuan untuk mengetahui apakah dua variabel mempunyai
hubungan yang linier atau tidak secara signifikan. Uji ini biasanya digunakan sebagai persyaratan dalam analisis korelasi atau regresi linier. Pengujian dengan
menggunakan SPSS versi 18 Tesr for Linearity pada taraf signifikan 0,05. Dua variabel dikatakan mempunyai hubungan yang linier bila signifikan Linearity
kurang dari 0,05 atau nilai sig α=5 pada baris Deviation From Linearity.
Priyanto, 2010:73.
3. Uji Multikolinieritas Uji multikolinieritas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas independen. Jika ditemukan adanya multikolinieritas, maka koefisien regresi variabel tidak tentu dan
kesalahan menjadi tidak trhingga Ghozali, 2006. Salah satu metode untuk mendiagnosa adanya Multicollinearity adalah dengan menganalisis nilai Toleransi
dan lawannya Variance Inflation Factor VIF. Tolerance mengukur variabilitas lainnya. Nilai Tolerance yang rendah sama dengan nilai VIF tinggi, karena VIF =
1 Tolerance. Nilai Cutoff yang dipakai untuk menunjukkan adanya multikolinearitas adalah nilai Tolerance kurang dari 0,1 atau sama dengan nilai
VIF lebih dari 10 Ghozali, 2006. 4. Uji Heteroskedastisitas
Pengujian ini dilakukan untuk melihat apakah variabel pengganggu mempunyai varian yang sama atau tidak. Heteroskedastisitas mempunyai suatu
Universitas Sumatera Utara
keadaan bahwa varian dari residul suatu pengamatan yang lain berbeda. Heteroskedastisitas bertentangan dengan salah satu asumsi dasar regresi linear,
yaitu bahwa variasi residual sama untuk semua pengamatan atau disebut homokedastisitas Gujarati dalam Elmasari, 2010:53. Untuk mendeteksi ada atau
tidaknya heteroskedastisitas yaitu dengan melihat grafik Plot antara nilai prediksi variabel terikat dependen yaitu ZPRED dengan residualnya SRESID. Deteksi
ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tindakanya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED
dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual Y prediksi-Y sesungguhnya yang telah di-studentized.
Dasar analisisnya adalah sebagai berikut: a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b. Jika ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Universitas Sumatera Utara
BAB IV ANALISIS DAN PEMBAHASAN