Analisi Regresi Berganda Untuk Data
Primer Dengan SPSS
Salam
semuanya, pada postingan sebelumnya, mimin telah mencoba untuk menguraikan
tahap-tahap yang dilakukan dalam melakukan analisis regresi berganda untuk data
primer dengan alat bantu software SPSS disertai dengan penjelasan mengenai
output SPSS yang ada. Dan kali ini mimin akan mencoba untuk menguraikan
tahapan-tahapan yang dilakukan dalam melakukan analisis regresi berganda untuk
data primer dengan spss dan juga cara membaca output dari SPSS yang keluar.
Sebenarnya
tahap-tahap pengujian regresi berganda yang dilakukan antara data primer dan
sekunder hampir sama, hanya terjadi perbedaan pada uji validitas, uji reliabilitas dan uji autokorelasi.
Kali
ini data yang digunakan adalah data primer. Data primer merupakan data yang
kita kumpulkan langsung dari sumber data. Contoh data primer adalah wawancara
atau kuesioner. Dan kali ini mimin akan menggunakan data yang diambil dari
kuesioner dari sebuah penelitian dengan judul “Analisis Pengaruh Brand Image dan Harga Produk Terhadap
Keputusan Pembelian” dengan studi kasus pada pembelian produk deterjen
Rinso di Jakarta Utara. Responden dipilih dengan metode purposive sampling
dengan kriteria-kriteria tertentu yang ditentukan oleh penulis. Setelah
dilakukan pengumpulan data, terpilihlah 50 responden yang akhirnya dijadikan
sampel dalam penelitian kali ini (N = 50). Pengolahan data dilakukan dengan
alat bantu software SPSS.
Metode Analisis Data
Sebelum melakukan regresi terhadap data yang sudah
kita peroleh, maka kita perlu melakukan uji validitas dan reliabilitas data. Uji
validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner.
Suatu kuesioner dikatan saha atau valid jka pertanyaan pada suatu kuesioner
mampu mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut. Untuk melakukan uji validitas dapat dilakukan
uji signifikasi yaitu dengan membandingkan nilai r hitung (nilai corrected item total correlation pada
output Cronbach Alpha) dengan r tabel untuk degree
of freedom (df) = n-2, dengan alpha 0,05. Jika r hitung lebih besar
dari pada r tabel maka butir pertanyaan tersebut dapat dinyatakan valid. Sedangakan uji reliabilitas adalah sebuah
alat ukur untuk mengukur suatu kuesioner yang merupakan indikator dari variabel
atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika jawaban
seseorang terhadap pertanyaan yang diajukan adalah konsisten atau stabil dari
waktu ke waktu. Pengukuran reliabilitas dapat dilakukan dengan uji statistik Cronbach Alpha. Suatu variabel dikatakan
reliabel apabila memberikan nilai Cronbach
Alpha > 0.60.
Setelah itu maka
dilakukan serangkaian uji dasar
yang bernama uji dasar asumsi klasik. Uji dasar asumsi klasik
adalah pengujian yang dilakukan dengan tujuan untuk menunjukan bahwa hubungan
antara variabel dependen dan variabel independen bersifat linier serta tidak
terjadi masalah data tidak berdistribusi secara normal, multikolinieritas dan
heteroskedastisitas di antara variabel independen dalam regresi tersebut. Uji
autokorelasi dalam penelitian kali ini tidak digunakan karena data yang
digunakan adalah data primer.
Uji Normalitas
Uji
normalitas dimaksudkan untuk menguji apakah nilai residual yang telah
terstandarisasi pada model regresi berdistribusi normal atau tidak. Nilai
residual dikatakan berdistribusi normal jika nilai residual terstandarisasi
tersebut sebagian besar mendekati nilai rata-ratanya. Tidak terpenuhinya
normalitas pada umumnya disebabkan karena distribusi data tidak normal, karena
terdapat nilai ekstrem pada data yang diambil. Uji Normalitas digunakan untuk
menguji tingkat kenormalan variabel dependen dan variabel independen. Model
regresi yang baik adalah model regresi yang memiliki distribusi data normal
atau mendekati normal.
Adapun
untuk melakukan uji normalitas dapat dilakukan dengan beberapa metode, nah
untuk kali ini kita akan melakukan uji normalitas dengan metode grafik normal probability plot yang
membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi
kumulatif dari distribusi normal. Selain metode grafik normal probability plot, untuk melakukan uji normalitas juga dapat
dilakukan dengan uji One Sample
Kolmogorov Smirnov. Uji One Sample
Kolmogorov Smirnov digunakan untuk mengetahui distribusi
data, apakah mengikuti distribusi normal, poisson,
uniform, atau exponential. Dalam hal ini untuk mengetahui apakah disribusi
residual terdistribusi normal atau tidak. Residual berdistribusi normal jika
nilai signifikansi lebih dari 0,05.
Hipotesis
dengan menggunakan uji One Sample
Kolmogorov Smirnov adalah sebagai berikut.
Ho : Nilai residual berdistribusi
normal
Ha : Nilai residual tidak
berdistribusi normal
Dasar
pengambilan keputusan dilakukan dengan melihat angka probabilitas, dengan
aturan :
Probabilitas
Sig. > 0,05, maka Ho diterima.
Maka, nilai residual berdistribusi normal.
Probabilitas
Sig. < 0,05, maka Ho ditolak. Maka, nilai residual tidak
berdistribusi normal.
Uji Multikolinieritas
Uji
dasar asumsi klasik yang kedua adalah uji multikolinieritas. Uji
Multikolinieritas bertujuan untuk menguji apakah dalam model regresi yang
terbentuk ada korelasi yang tinggi atau sempurna di antara variabel bebas.
Multikolinieritas adalah hubungan liniear antar variabel independen di dalam
regresi berganda. Model regresi yang baik seharusnya tidak terjadi korelasi di
antara variabel independen.
Untuk
melakukan uji multikolinieritas dapat dilakukan dengan beberapa metode. Kali
ini penulis akan menggunakan uji multikolinieritas dengan menganalisis
perhitungan nilai Tolerance dan Variance Inflation Factor (VIF).
Nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/tolerance). Nilai cut off yang umum dipakai untuk menunjukan adanya multikolinieritas
adalah nilai tolerance < 0,10 atau sama dengan nilai VIF 10.
Uji Heteroskedastisitas
Uji
dasar asumsi klasik yang ketiga adalah uji heteroskedastisitas. Uji
heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi yang
terbentuk terjadi ketidaksamaan varian dari residual model regresi. Data yang
baik adalah data yang homoskedastisitas. Homoskedastisitas terjadi jika varian
variabel pada model regresi memiliki nilai yang sama atau konstan.
Heteroskesdastisitas berarti varian variabel gangguan yang tidak konstan.
Masalah heteroskedastisitas dengan demikian lebih sering muncul pada cross
section dari pada data time series. Jika varian dari residual suatu
pengamatan ke pengamatan lainnya tetap, maka disebut heteroskedastisitas.
Adapun
untuk mendeteksi ada tidaknya heteroskedastisitas pada kesempatan kali ini penulis
melakukanya dengan melihat grafik plot antara nilai prediksi variable dependent (ZPRED) dengan residualnya
(SRESID). Selain dengan melakukan analisis grafik, uji heteroskedastisitas kali
ini juga dilakukan dengan uji glejser, yaitu dengan mengusulkan untuk meregresi
nilai absolut residual terhadap variable independen.
Analisis
Regresi Berganda
Secara
umum analisis yang dilakukan dalam penelitian ini ditujukan untuk mengetahui
pengaruh dari beberapa variabel independen (variabel x) terhadap variabel independen
(y). Pada regresi berganda variabel independen yang diperhitungkan pengaruhnya
terhadap variabel dependen (variabel y) jumlahnya lebih dari satu. Regresi
berganda berarti variabel tergantung dipengaruhi oleh dua atau lebih variabel
bebas (X1,X2,X3,….Xn) .
Dalam
penelitian ini yang menjadi variabel dependen adalah Keputusan Pembelian (y),
sedangkan yang menjadi variabel independen adalah Brand Image (X1) dan Harga Produk (X2). Sehingga persamaan regresi
yang terbentuk adalah sebagai berikut:
Y = a + b1X1 +
b2X2 + e
Keterangan :
Y = Keputusan Pembelian
a = intersep
(konstanta)
b1 = koefisien regresi
variabel independen 1
b2 = koefisien regresi
variabel independen 2
X1 = Brand Image
X2 = Harga Produk
e
= Error
term.
a.
Analisi
Korelasi
Dalam
banyak kasus, banyak peneliti yang tidak terlalu memperdulikan hasil dari
analisis korelasi. Karena korelasi berarti hubungan antara variabel independen
dengan variabel dependen. Sedangkan fokus dalam analisis regresi berganda
adalah pengaruh dari variabel dependen terhadap variabel independen. Meskipun
demikian, penulis akan mencoba untuk melakukan analisis korelasi dalam
pembahasan kali ini. Analisis korelasi digunakan untuk mengetahui derajat
hubungan linier antara satu variabel dengan variabel lain. Suatu variabel
dikatakan memiliki hubungan dengan variabel lain jika perubahan satu variabel
diikuiti dengan variabel lain. Jika arah perubahanya searah maka kedua variabel
memiliki korelasi positif. Sebaliknya, jika perubahanya berlawanan arah, kedua
variabel tersebut memiliki korelasi negatif. Jika perubahan variabel tidak
diikuti oleh perubahan variabel lain maka dikatakan bahwa variabel-variabel
tersebut tidak saling berkorelasi.
Adapun
analisis korelasi yang penulis gunakan kali ini adalah korelasi Product Moment atau Pearson. Dan
kriteria pengukuran dalam kategori koefisien korelasi dapat dirangkum seperti
berikut :
Kriteria
Korelasi
Nilai
r (korelasi)
|
Kriteria
|
0,00
– 0,29
|
Korelasi
sangat lemah
|
0,30
– 0,49
|
Korelasi lemah
|
0,50
– 0,69
|
Korelasi cukup
|
0,70
– 0,79
|
Korelasi kuat
|
0,80
– 1,00
|
Korelasi
sangat kuat
|
b.
Adjusted
R2
Yang
selanjutnya kita lihat dalam analisi regresi berganda adalah nilai Koefesien determinasi (R2) yang
digunakan untuk mengukur seberapa baik garis regresi sesuai dengan data
aktualnya (goodness of fit). Koefisien determinasi ini mengukur
presentase total varian variabel dependen Y yang dijelaskan oleh variabel
independen di dalam garis regresi. Nilai R2 mempunyai interval
antara 0 sampai 1 (0 < R2 < 1). Semakin besar R2
(mendekati 1), semakin baik hasil untuk model regresi tersebut dan semakin
mendekati 0, maka variabel independen secara keseluruhan tidak dapat
menjelaskan variabel dependen. Kali nilai koefisien determinasi yang digunakan
adalah nilai koefisien determinasi yang telah disesuaikan (adjusted R2) karena nilai ini telah disesuaikan dengan
banyaknya variabel independen (X) yang masuk untuk menjelaskan variabel
dependen (Y).
c.
Uji
Simultan
Selanjutnya
yang kita lakukan adalah melakukan uji F dimana Uji F ini dilakukan untuk melihat pengaruh
variabel-variabel independen secara keseluruhan terdapat variabel dependen.
Pengujian ini dilakukan dengan membandingkan nilai F hitung dengan F tabel. Uji
F digunakan untuk menguji pengaruh secara simultan variabel bebas terhadap
variabel tergantungnya. Jika variabel bebas memiliki pengaruh secara simultan
terhadap variabel tergantung, maka model persamaan regresi masuk dalam kriteria
cocok atau fit. Sebaliknya, jika
tidak terdapat pengaruh secara simultan maka hal ini akan masuk dalam kategori
tidak cocok atau not fit.
Untuk
menyimpulkan apakah model masuk dalam kategori cocok (fit) atau tidak, kita harus membandingkan nilai F hitung dengan
nilai F tabel dengan derajat bebas : df: α, (k-1), (n,k), dimana k adalah
jumlah variabel dan n adalah jumlah pengamatan (ukuran sampel). Dasar
pengambilan keputusannya adalah jika nilai F hitung > F tabel, maka berarti
bahwa variabel independen secara simultan berpengaruh secara signifikan
terhadap variabel dependen, tetapi jika F hitung < F tabel, maka
berarti bahwa variabel independen secara simultan tidak berpengaruh terhadap
variabel dependen.
Selain
itu, kita juga dapat melihat nilai probabilitas dari F hitung. Apabila nilai
probabilitas < nilai alpha yang digunakan (biasanya 0,05), maka dapat
disimpulkan bahwa secara simultan/bersama-sama variabel independen berpengaruh
terhadap variabel dependen. Sebaliknya, jika nilai probabilitas > nilai
alpha yang digunakan, maka dapat disimpulkan bahwa secara simultan variabel
independen tidak berpengaruh terhadap variabel dependen.
d.
Uji
Parsial
Selanjutnya
adalah uji t. uji t (uji parsial) digunakan untuk melihat signifikasi dari
pengaruh independen secara individu terhadap variabel dependen dengan
menganggap variabel lain bersifat konstan. Nilai t hitung digunakan untuk
menguji apakah sebuah variabel bebas berpengaruh secara signifikan terhadap
variabel tergantung atau tidak.
Uji
t (uji parsial) dapat dilakukan dengan cara memperbandingkan t hitung dengan t
tabel. Adapun nilai t tabel diperoleh dengan df:α,(n,-k) dimana α adalah
tingkat signifikasi yang digunakan, n adalah jumlah pengamatan (ukuran sampel),
dan k adalah jumlah variabel independen. Dasar pengambilan keputusannya adalah
jika t hitung > t tabel, berarti H0 ditolak yang berarti bahwa
variabel Xi berpengaruh
signifikan terhadap variabel dependen, tetapi jika t hitung < t
tabel, maka H0 diterima yang berarti bahwa variabel Xi tidak berpengaruh
signifikan terhadap variabel dependen.
Selain
membandingkan nilai t tabel dengan t hitung, untuk mengetahui apakah variabel
independen berpengaruh signifikan terhadap variabel dependen juga dapat
dilakukan dengan melihat nilai probabilitas masing-masing variabel independen.
Apabila nilai probabilitas variabel independen lebih kecil dari tingkat
signifikasi yang digunakan, maka dapat disimpulkan bahwa terdapat pengaruh
signifikan variabel dependen terhadap variabel independen.
Analisis dan Pembahasan
Baiklah
mari kita lanjutkan dengan analisis dan pembahasan
Uji Validitas dan Reliabilitas Data
Uji Validitas Data
Uji Validitas Variabel Keputusan
Pembelian
Dalam
variabel Keputusan Pembelian terdapat 17 pertanyaan yang ditujukan untuk
mengukur Keputusan Pembelian yang dilakukan oleh konsumen. Dan berikut adalah
hasilnya :
Item-Total Statistics
|
||||
|
Scale Mean if Item Deleted
|
Scale Variance if Item Deleted
|
Corrected Item-Total Correlation
|
Cronbach's Alpha if Item Deleted
|
KP1
|
62.2941
|
76.972
|
.624
|
.935
|
KP2
|
62.5686
|
75.010
|
.691
|
.934
|
KP3
|
62.4902
|
76.455
|
.634
|
.934
|
KP4
|
62.3922
|
76.523
|
.585
|
.936
|
KP5
|
62.4510
|
74.733
|
.803
|
.931
|
KP6
|
62.2941
|
73.692
|
.796
|
.931
|
KP7
|
62.6471
|
77.233
|
.561
|
.936
|
KP8
|
62.6667
|
76.947
|
.603
|
.935
|
KP9
|
62.3529
|
75.273
|
.736
|
.932
|
KP10
|
62.4902
|
74.975
|
.789
|
.931
|
KP11
|
62.3333
|
75.627
|
.643
|
.934
|
KP12
|
62.4510
|
74.373
|
.717
|
.933
|
KP13
|
62.3922
|
74.843
|
.742
|
.932
|
KP14
|
62.5882
|
77.407
|
.485
|
.938
|
KP15
|
62.4706
|
75.054
|
.680
|
.933
|
KP16
|
62.6471
|
75.913
|
.667
|
.934
|
KP17
|
62.4314
|
76.970
|
.574
|
.936
|
Dari output SPSS diatas dapat dilihat nilai r hitung
dari masing-masing pertanyaan yang ada pada kuesioner tentang Keputusan
Pembelian. Nilai r tabel dengan df (degree
of freedom) = n-2 = 50-2 = 48 dengan tingkat alpha 5% (0,05) maka diperoleh
nilai 0,279. Perbandingan antara nilai r tabel dengan r hitung dari variabel Keputusan
Pembelian dapat dilihat sebagai berikut :
1. Pertanyaan
1, dengan nilai 0,624 > 0,279, kesimpulan valid.
2. Pertanyaan
2, dengan nilai 0,691 > 0,279, kesimpulan valid.
3. Pertanyaan
3, dengan nilai 0,634 > 0,279, kesimpulan valid.
4. Pertanyaan
4, dengan nilai 0,585 > 0,279, kesimpulan valid.
5. Pertanyaan
5, dengan nilai 0,803 > 0,279, kesimpulan valid.
6. Pertanyaan
6, dengan nilai 0,796 > 0,279, kesimpulan valid.
7. Pertanyaan
7, dengan nilai 0,561 > 0,279, kesimpulan valid.
8. Pertanyaan
8, dengan nilai 0,603 > 0,279, kesimpulan valid.
9. Pertanyaan
9, dengan nilai 0,736 > 0,279, kesimpulan valid.
10. Pertanyaan
10, dengan nilai 0,789 > 0,279, kesimpulan valid.
11. Pertanyaan
11, dengan nilai 0,643 > 0,279, kesimpulan valid.
12. Pertanyaan
12, dengan nilai 0,717 > 0,279, kesimpulan valid.
13. Pertanyaan
13, dengan nilai 0,742 > 0,279, kesimpulan valid.
14. Pertanyaan
14, dengan nilai 0,485 > 0,279, kesimpulan valid.
15. Pertanyaan
15, dengan nilai 0,680 > 0,279, kesimpulan valid.
16. Pertanyaan
16, dengan nilai 0,667 > 0,279, kesimpulan valid.
17. Pertanyaan
17, dengan nilai 0,574 > 0,279, kesimpulan valid.
Berdasarkan
hasil dari analisis diatas, maka dapat disimpulkan bahwa seluruh item
pertanyaan yang diajukan merupakan pertanyaan yang valid.
Uji Validitas Variabel Brand Image
Dalam
variabel Brand Image terdapat 12 pertanyaan yang ditujukan untuk mengukur
variabel brand image. Dan berikut adalah hasilnya :
Item-Total Statistics
|
||||
|
Scale Mean if Item Deleted
|
Scale Variance if Item Deleted
|
Corrected Item-Total Correlation
|
Cronbach's Alpha if Item Deleted
|
BI1
|
41.8039
|
33.161
|
.615
|
.846
|
BI2
|
41.8431
|
33.935
|
.569
|
.849
|
BI3
|
41.9020
|
33.170
|
.577
|
.842
|
BI4
|
42.0392
|
33.638
|
.545
|
.844
|
BI5
|
42.0588
|
32.896
|
.584
|
.841
|
BI6
|
41.8824
|
33.066
|
.553
|
.843
|
BI7
|
42.0000
|
34.480
|
.398
|
.853
|
BI8
|
42.1373
|
33.201
|
.517
|
.846
|
BI9
|
42.0196
|
32.540
|
.591
|
.840
|
BI10
|
41.9020
|
31.050
|
.688
|
.833
|
BI11
|
41.8039
|
33.041
|
.548
|
.843
|
BI12
|
41.8039
|
34.161
|
.480
|
.856
|
Dari output SPSS diatas dapat dilihat nilai r hitung
dari masing-masing pertanyaan yang ada pada kuesioner tentang brand image. Nilai
r tabel dengan df (degree of freedom)
= n-2 = 50-2 = 48 dengan tingkat alpha 5% (0,05) maka diperoleh nilai 0,279.
Perbandingan antara nilai r tabel dengan r hitung dari variabel brand image
dapat dilihat sebagai berikut:
1. Pertanyaan
1, dengan nilai 0,615 > 0,279, kesimpulan valid.
2. Pertanyaan
2, dengan nilai 0,569 > 0,279, kesimpulan valid.
3. Pertanyaan
3, dengan nilai 0,577 > 0,279, kesimpulan valid.
4. Pertanyaan
4, dengan nilai 0,545 > 0,279, kesimpulan valid.
5. Pertanyaan
5, dengan nilai 0,584 > 0,279, kesimpulan valid.
6. Pertanyaan
6, dengan nilai 0,553 > 0,279, kesimpulan valid.
7. Pertanyaan
7, dengan nilai 0,398 > 0,279, kesimpulan valid.
8. Pertanyaan
8, dengan nilai 0,517 > 0,279, kesimpulan valid.
9. Pertanyaan
9, dengan nilai 0,591 > 0,279, kesimpulan valid.
10. Pertanyaan
10, dengan nilai 0,688 > 0,279, kesimpulan valid.
11. Pertanyaan
11, dengan nilai 0,548 > 0,279, kesimpulan valid.
12. Pertanyaan
12, dengan nilai 0,480 > 0,279, kesimpulan valid.
Berdasarkan
hasil dari analisis diatas, maka dapat disimpulkan bahwa seluruh item
pertanyaan yang diajukan merupakan pertanyaan yang valid.
Uji Validitas Variabel Harga Produk
Dalam
variabel harga produk terdapat 7 pertanyaan yang ditujukan untuk mengukurnya. Dan
berikut adalah hasilnya :
Item-Total Statistics
|
||||
|
Scale Mean if Item Deleted
|
Scale Variance if Item Deleted
|
Corrected Item-Total Correlation
|
Cronbach's Alpha if Item Deleted
|
HP1
|
22.7059
|
13.172
|
.521
|
.792
|
HP2
|
22.5294
|
11.734
|
.655
|
.749
|
HP3
|
22.3529
|
11.473
|
.521
|
.780
|
HP4
|
22.6863
|
12.300
|
.634
|
.755
|
HP5
|
22.3333
|
12.347
|
.593
|
.762
|
HP6
|
22.3922
|
13.083
|
.541
|
.773
|
HP7
|
22.6471
|
13.713
|
.486
|
.797
|
Dari output SPSS diatas dapat dilihat nilai r hitung
dari masing-masing pertanyaan yang ada pada kuesioner tentang harga produk. Nilai
r tabel dengan df (degree of freedom)
= n-2 = 50-2 = 48 dengan tingkat alpha 5% (0,05) maka diperoleh nilai 0,279.
Perbandingan antara nilai r tabel dengan r hitung dari variabel harga produk
dapat dilihat sebagai berikut :
1. Pertanyaan
1, dengan nilai 0,521 > 0,279, kesimpulan valid.
2. Pertanyaan
2, dengan nilai 0,655 > 0,279, kesimpulan valid.
3. Pertanyaan
3, dengan nilai 0,521 > 0,279, kesimpulan valid.
4. Pertanyaan
4, dengan nilai 0,634 > 0,279, kesimpulan valid.
5. Pertanyaan
5, dengan nilai 0,593 > 0,279, kesimpulan valid.
6. Pertanyaan
6, dengan nilai 0,541 > 0,279, kesimpulan valid.
7. Pertanyaan
7, dengan nilai 0,486 > 0,279, kesimpulan valid.
Berdasarkan
hasil dari analisis diatas, maka dapat disimpulkan bahwa seluruh item
pertanyaan yang diajukan merupakan pertanyaan yang valid.
Uji Reliablitas
Uji Reliabilitas Variabel Keputusan
Pembelian
Reliability Statistics
|
|
Cronbach's Alpha
|
N of Items
|
.935
|
17
|
Berdasarkan
output diatas, dapat dilihat bahwa nilai cronbach
alpha dari kuesioner variabel Keputusan
Pembelian adalah sebesar 0,935 yang berarti lebih besar dari 0,60. Hal ini
menunjukan bahwa kuesioner yang digunakan dalam mengukur variabel Keputusan
Pembelian adalah kuesioner yang handal.
Uji Reliabilitas Variabel Brand
Image
Reliability Statistics
|
|
Cronbach's Alpha
|
N of Items
|
.836
|
12
|
Berdasarkan
output diatas, dapat dilihat bahwa nilai cronbach
alpha dari kuesioner variabel brand
image adalah sebesar 0,836 yang berarti lebih besar dari 0,60. Hal ini
menunjukan bahwa kuesioner yang digunakan dalam mengukur variabel brand image
adalah kuesioner yang handal.
Uji Reliabilitas Variabel Harga
Produk
Reliability Statistics
|
|
Cronbach's Alpha
|
N of Items
|
.779
|
7
|
Berdasarkan
output SPSS diatas, dapat dilihat bahwa nilai cronbach alpha dari
kuesioner variabel harga produk adalah sebesar 0,779 yang berarti lebih besar
dari 0,60. Hal ini menunjukan bahwa kuesioner yang digunakan dalam mengukur
variabel harga produk adalah kuesioner
yang handal.
Uji Dasar Asumsi Klasik
a.
Uji
Normalitas
Uji normalitas dalam
kali ini dilakukan dengan beberapa metode seperti berikut:
1) Grafik
normal probability plot
Dengan
melihat tampilan pada grafik normal P-Plot terlihat bahwa titik-titik menyebar
disekitar garis diagonal yang juga mengindikasikan bahwa data yang digunakan
merupakan data yang terdistribusi secara normal, sehingga analisis regresi
layak digunakan.
2) Uji
One Sample Kolmogorov Smirnov
One-Sample Kolmogorov-Smirnov Test
|
|||
|
|
Unstandardized Residual
|
|
N
|
50
|
||
Normal
Parametersa
|
Mean
|
.0000000
|
|
Std.
Deviation
|
3.64861507E3
|
||
Most
Extreme Differences
|
Absolute
|
.254
|
|
Positive
|
.254
|
||
Negative
|
-.074
|
||
Kolmogorov-Smirnov
Z
|
1.532
|
||
Asymp.
Sig. (2-tailed)
|
.110
|
||
a. Test
distribution is Normal.
|
|||
|
|||
Berdasarkan pada hasil output SPSS uji Kolmogrov Smirnov di atas, nilai Asym.Sig (2-tailed) sebesar 0,110,
nilai tersebut memenuhi ketentuan sig. (p) > 0,05 (level of signification). Hal ini berarti bahwa data residual
berdistribusi normal.
b.
Uji
Multikolinieritas
Coefficientsa
|
|||||
Model
|
Collinearity Statistics
|
||||
Tolerance
|
VIF
|
||||
1
|
(Constant)
|
|
|
||
BI
|
.384
|
3.387
|
|||
HP
|
.653
|
6.242
|
|||
|
|
|
|||
a. Dependent Variable: KP
|
|||||
Dari tabel output SPSS di atas, dapat
dilihat bahwa nilai VIF (Variance
Inflation Factor) masing-masing variabel independen adalah sebesar 3,387
untuk brand image (BI) dan 6,242 untuk harga produk (HP) yang berarti lebih
kecil dari 10, sehingga dapat disimpulkan bahwa model regresi yang terbentuk
terbebas dari masalah multikolinieritas.
c.
Uji
Heteroskedastisitas
1) Grafik
Plot
Dari grafik scatter plot terlihat bahwa titik-titik
menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada
sumbu Y, dengan demikian dapat disimpulkan bahwa model regresi yang terbentuk
dalam penelitian ini tidak mengalami masalah heteroskedastisitas.
2) Uji
Glejser
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
715.256
|
428.273
|
|
1.456
|
.241
|
BI
|
2.855
|
.414
|
.353
|
1.573
|
.335
|
|
HP
|
-.325
|
.954
|
-.056
|
-.234
|
.694
|
|
|
|
|
|
|
|
|
a.
Dependent Variable: RES2
|
|
|
|
|
Dasar pengambilan
keputusan pada uji glejser adalah sebagai berikut :
Jika nilai signifikasi
lebih besar dari 0,05, maka disilmpulkan tidak terjadi masalah
heteroskedastisitas.
Jika nilai signifikasi
lebih kecil dari 0,05, maka disilmpulkan terjadi masalah heteroskedastisitas.
Dengan melihat tabel output
SPSS di atas, dapat dilihat bahwa nilai signifikasi variabel brand image adalah
0,335 dan nilai signifikasi variabel harga produk sebesar 0,694 yang berarti
lebih besar dari nilai signifikasi 0,05 sehingga dapat disimpulkan bahwa data
yang digunakan terbebas dari masalah heteroskedastisitas.
Analisis
Regresi Berganda
a.
Analisis
Korelasi
Correlations
|
|||||||
|
|
BI
|
HP
|
KP
|
|||
BI
|
Pearson
Correlation
|
1
|
.303
|
.486**
|
|||
Sig.
(2-tailed)
|
|
.174
|
.000
|
||||
N
|
50
|
50
|
50
|
||||
HP
|
Pearson
Correlation
|
.303
|
1
|
.681
|
|||
Sig.
(2-tailed)
|
.174
|
|
.603
|
||||
N
|
50
|
50
|
50
|
||||
KP
|
Pearson
Correlation
|
.486**
|
.681
|
1
|
|||
Sig.
(2-tailed)
|
.000
|
.603
|
|
||||
N
|
50
|
50
|
50
|
||||
**.
Correlation is significant at the 0.01 level (2-tailed).
|
|
|
|||||
Dari tabel di atas,
maka dapat dijelaskan sebagai berikut:
Hubungan
atau korelasi antara brand image (X1) dengan keputusan pembelian (Y) adalah
sebesar 0,486 yang berarti korelasi lemah. Arah hubungan korelasi yang ada
adalah arah hubungan positif yang berarti pada saat brand image (X1) mengalami
kenaikan, maka keputusan pembelian (Y) mengalami kenaikan dan sebaliknya jika brand
image (X1) mengalami penurunan, keputusan pembelian (Y) mengalami penurunan.
Nilai signifikasi yang ada adalah 0,000 < 0,05 yang berarti korelasi yang
ada adalah korelasi yang signifikan.
Hubungan
atau korelasi harga produk (X2) dengan keputusan pembelian (Y) adalah sebesar
0,681 yang berarti korelasi cukup atau sedang. Arah hubungan korelasi yang ada
adalah arah hubungan positif yang berarti pada saat harga produk (X2) mengalami
kenaikan, maka keputusan pembelian (Y) mengalami kenaikan dan sebaliknya pada
waktu harga produk (X2) mengalami penurunan, maka keputusan pembelian (Y)
mengalami penurunan. Nilai signifikasi yang ada adalah 0,603 > 0,05 yang
berarti korelasi yang ada adalah korelasi yang tidak signifikan.
b.
Adjusted
R2
Berikut adalah nilai Adjusted R2 yang diperoleh
dari hasil pengolahan data pada kesempatan kali ini:
Model Summaryb
|
|||||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
Durbin-Watson
|
||
1
|
.594a
|
.352
|
.296
|
8.47626
|
2.132
|
||
a.
Predictors: (Constant), BI, HP
|
|
|
|||||
b.
Dependent Variable: KP
|
|
|
|||||
Dari tabel output SPSS
di atas dapat dilihat bahwa nilai Adjusted
R-Square dari model regresi yang terbentuk dalam penelitian ini adalah
sebesar 0,296 yang menunjukan bahwa kemampuan variabel independen (brand image
dan harga produk) dalam menjelaskan variabel dependen (keputusan pembelian)
adalah sebesar 29,6%, sisanya sebesar 70,4% dijelaskan oleh variabel lain yang
tidak termasuk dalam model.
c.
Uji
Simultan
Berikut adalah
hasil uji F (uji simultan) yang dilakukan pada kesempatan kali ini:
ANOVAb
|
|||||||
Model
|
Sum of Squares
|
Df
|
Mean Square
|
F
|
Sig.
|
||
1
|
Regression
|
1798.292
|
4
|
449.573
|
6.257
|
.000a
|
|
Residual
|
3304.960
|
46
|
71.847
|
|
|
||
Total
|
5103.252
|
50
|
|
|
|
||
a.
Predictors: (Constant), BI, HP
|
|
|
|
||||
b.
Dependent Variable: KP
|
|
|
|
|
|||
Dari
hasil output regresi di atas, dapat dilihat bahwa secara simultan variabel independen
memiliki pengaruh yang signifikan terhadap variabel independen. Hal ini dapat
dibuktikan dari nilai F hitung sebesar 6,257 sedangkan nilai F tabel adalah
dengan df : α,(k-1),(n-k) atau df : 0,05 (3-1), (50-4) adalah 3,20 yang berarti
bahwa F hitung > F tabel. Hal ini juga dapat dilihat dengan besarnya nilai probabilitas 0,000 yang
berarti lebih kecil dari pada tingkat signifikasi yang digunakan yaitu 0,05
atau 5 %, maka dapat disimpulkan bahwa model regresi dapat digunakan untuk
memprediksi nilai keputusan pembelian. Atau
dapat dikatakan bahwa variabel brand image (X1) dam harga produk (X2) secara
simultan berpengaruh secara signifikan terhadap variabel keputusan pembelian
(Y).
d.
Uji
Parsial
Uji
t yang dilakukan menggunakan uji dua sisi (two
tail test), dengan α = 5%, maka diperoleh t tabel sebagai berikut :
t tabel (t kritis)
= |α ; df = (n-k)|
= 5% ;
df = (50-2)
= 0,05 ; df = 48
= 1,677
Selain
membandingkan nilai t tabel dengan t hitung, untuk mengetahui apakah variabel
independen berpengaruh signifikan terhadap variabel dependen dalam penelitian
ini juga dilakukan dengan melihat nilai probabilitas masing-masing variabel
independen. Apabila nilai probabilitas variabel independen lebih kecil dari
tingkat signifikasi yang digunakan yaitu 5% atau 0,05, maka dapat disimpulkan
bahwa terdapat pengaruh signifikan variabel dependen terhadap variabel
independen.
Berikut
adalah hasil uji t (uji parsial) yang dilakukan dalam kesempatan kali ini:
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
21.126
|
14.028
|
|
1.506
|
.450
|
BI
|
.923
|
.192
|
.597
|
4.811
|
.000
|
|
HP
|
.232
|
.385
|
.075
|
5.235
|
.000
|
|
|
|
|
|
|
|
|
a.
Dependent Variable: KP
|
|
|
|
|
Dengan
membandingkan nilai t tabel dengan t hitung dan melihat nilai probabilitas
nilai probabilitas masing-masing variabel independen, maka dapat ditarik
kesimpulan:
1) Uji
parsial terhadap variabel brand image
Dengan melihat nilai t
hitung (t statistik) brand image sebesar 4,811 yang berarti lebih besar dari
nilai t tabel 1,677 dengan probabilitas 0,000 yang berarti lebih kecil dari
nilai α = 0,05, maka berarti bahwa variabel brand image mempunyai pengaruh signifikan
terhadap variabel keputusan pembelian.
2) Uji
parsial terhadap variabel harga produk
Dengan melihat nilai t
hitung (t statistik) harga produk sebesar 5,235 yang berarti lebih besar dari
nilai t tabel 1,677 dengan probabilitas 0,000 yang berarti lebih kecil dari
nilai α = 0,05, maka berarti bahwa variabel harga produk mempunyai pengaruh signifikan
terhadap variabel keputusan pembelian.
e.
Bentuk
Persamaan Regresi
Berdasarkan
penjelasan di atas, maka persamaan regresi yang terbentuk adalah:
Y = 21,126 + 0,923 BI + 0,232 HP.
Nilai
konstanta sebesar 21,126 menunjukan bahwa jika variabel independen yang terdiri
dari brand image dan harga produk bernilai 0, maka nilai dari keputusan
pembelian adalah 21,126.
Nilai
koefisien X1 atau brand
image adalah sebesar 0,923 menunjukan
bahwa jika variabel brand image mengalami kenaikan sebesar satu satuan,
maka akan menaikan nilai keputusan pembelian sebesar 0,923 satuan dengan asumsi
bahwa variabel lain konstan atau tetap.
Nilai
koefisien X2 atau harga
produk adalah sebesar 0,232 menunjukan
bahwa jika variabel harga produk mengalami kenaikan sebesar satu satuan, maka
akan menaikan nilai keputusan pembelian sebesar 0,232 satuan dengan asumsi
bahwa variabel lain konstan atau tetap.
Sekian
dulu untuk pembahasan mengenai analisis regresi berganda dengan data primer dan
pengolahan data dengan alat bantu software SPSS. Next time, mimin akan mencoba
untuk memposting tulisan lain tentang analisis data dengan judul yang berbeda
dan metode analisis yang berbeda serta dengan software yang berbeda.
Terima
Kasih………………
DAFTAR PUSTAKA
Ghozali, Imam. “Aplikasi Analisis Multivariat dengan Program IBM
SPSS”. Edisi 5 Cetakan V, Badan Penerbit Universitas Diponegoro, Semarang,
2011.
Indriantoro,
Nur & Bambang Supomo. “Metodologi Penelitian Bisnis untuk Akuntansi dan
Manajemen”. BPFE Yogyakarta, 2002.
Irawati, Susan. “Manajemen Keuangan, Cetakan Pertama”.
PT Pustaka, Bandung, 2006
Kasmir. “Analisa Laporan Keuangan”. Kharisma
Putra Utama, Jakarta, 2008.
Kasmir. “Pengantar Manajemen Keuangan”. Kencana,
Jakarta, 2010.
Siamat, Dahlan. “Manajemen Lembaga Keuangan”. LPFE UI,
Jakarta, 2005.
Sugiyono. “Metode
Penelitian Bisnis”. CV. Alfabeta, Bandung, 2003.
Suharyadi dan
Purwanto, “Statistika untuk Ekonomi dan
Keuangan Modern”. Penerbit Salemba 4, Jakarta, 2008.
Sulaiman, Wahid.
“Analisis Regresi Menggunakan SPSS Contoh
dan Pemecahanya”. Penerbit Andi, Yogyakarta, 2004.
Suliyanto, “Ekonometrika Terapan, Teori dan Aplikasi
dengan SPSS”, Penerbit Andi,
Yogyakarta, 2011.
Syahrial,
Dermawan. “Manajemen Keuangan”. Mitra
Wacana Media, Jakarta, 2007.
Werner, R.
Murhadi. “Analisis Saham Pendekatan
Fundamental”. Penerbit Indeks, Jakarta, 2009.
Widarjono, Agus.
“Analisis Multivariat Terapan”. Unit Penerbit dan Percetakan STIM YKPN,
2010.
Widarjono, Agus.
“Ekonometrika Pengantar dan Aplikasinya”. Ekonisia FE UII, Yogyakarta,
2009.
Anda Kebingungan Dan Kesulitan Menyelesaikan Skripsi, Tesis, Disertasi
BalasHapusKarena Pusing Mikirin Olah Data Analisis Statistika Dengan SPSS, AMOS
LISREL, EVIEWS, SMARTPLS, DEA
Serahkan Dan Percaya Kepada Kami.
Kami Siap Bantu Anda.
Olah Data Semarang (Timbul Widodo)
WA : +62 852-2774-6673
IG : olahdatasemarang
Olah Data Semarang
BalasHapusJasa Olah Data SPSS, AMOS, LISREL, Frontier 4.1
EVIEWS, SMARTPLS, STATA, DEAP 2.1, DLL
Contact Person WhatsApp
Klik Link Dibawah
Contact Person WhatsApp +6285227746673
Yang butuh spss 16,21,22,23,24 hubungi 082322576215
BalasHapusYang butuh spss 16,21,22,23,24 hubungi 082322576215
BalasHapusVideo Tutorial Uji Validitas dan Reliabilitas STATA 16 Lengkap
BalasHapus(Dilengkapi File Materi Dan Software STATA 16)
Merupakan Panduan Yang Lengkap Dan Detail
Klik Link Dibawah Untuk Mendapatkannya
https://bit.ly/UjiSTATA
JB Test (Jarque Bera Test) Normality Test With STATA 16
BalasHapusJarque–Bera test is a goodness-of-fit test of whether sample data
have the skewness and kurtosis matching a normal distribution
Who Needs to Click the Link Below
https://bit.ly/TesJB