Pelatihan Konsep Dasar Dan Aplikasi SPSS Mahasiswa Semester VII Unimas Tahun 2016

Dr. H. Chamdan Purnama, S.E., M.M.

Kategori : Abdimas

PELATIHAN

ANALISIS STATISTIK DENGAN SPSS

KONSEP DASAR DAN APLIKASI

Oleh

Dr. H. Chamdan Purnama, S.E., M.M.

Universitas Mayjen Sungkono

Fakultas Ekonomi

Mojokerto

2016

REGRESI LINIER BERGANDA

Instrumen merupakan salah satu penentu keberhasilan penelitian. Instrumen berfungsi sebagai alat bantu dalam mengumpulkan data yang diperlukan. Bentuk instrumen berkaitan dengan metode pengumpulan data, misal metode wawancara yang instrumennya pedoman wawancara. Metode angket atau kuesioner, instrumennya berupa angket atau kuesioner. Metode tes, instrumennya adalah soal tes, tetapi metode observasi, instrumennya bernama chek-list. Suatu instrumen penelitian dikatakan baik apabila memenuhi syarat valid dan reliabel. Instrumen yang valid/sahih adalah instrumen yang mampu mengukur apa yang diinginkan oleh peneliti dan dapat mengungkap data dari variabel yang diteliti secara tepat. Reliabel adalah mampu menunjukkan kestabilan dan kekonsistenan di dalam mengukur konsep.

Oleh karena itu sebelum instrumen digunakan, perlu dilakukan validasi dan reliabilitas instrumen agar instrumen yang digunakan.

Validitas

Menurut Sekaran (2011:207), validitas adalah seberapa baik suatu instrumen yang digunakan untuk mengukur suatu konsep tertentu. Dengan kata lain, validitas berguna untuk menunjukkan instrumen yang digunakan dalam mengukur suatu atribut apakah betul-betul mengukur atribut yang dimaksud, sehingga diketahui instrumen itu berguna atau tidak. cara mengukur validitas menggunakan konsistensi internal (internal consistency) yaitu dengan metode korelasi product moment pearson. Jika hasil koreksi antara masing-masing pernyataan dengan hasil skor total menunjukkan hasil r hitung yang lebih besar dari r tabel maka pernyataan tersebut dikatakan valid.

Validitas instrumen bisa jug diuji dengan cara menghitung korelasi pearson dari skor tiap item pertanyaan dengan skor totalnya (Malhotra, 2005:270). Apabila setiap item berkorelasi dengan skor total lebih besar dari 0,40 maka pernyataan tersebut dikatakan valid.

2. Reliabilitas

Sekaran (2011:204), “Kemampuan dari suatu instrumen menunjukkan kestabilan dan kekonsistenan di dalam mengukur konsep”. Hal itu berarti: pertama, bila mengukur suatu objek berkali-kali dengan instrumen yang sama haruslah diperoleh hasil yang sama pula; kedua, reliabilitas dapat berarti skor responden yang diperoleh benar-benar merupakan skor yang sebenarnya; ketiga, realibitas diartikan sebagai seberapa banyak kesalahan pengukuran dalam instrumen pengukuran. Cara mengukur reliabitas menggunakan koefisien cronbach alfa yang menunjukkan seberapa tepat item pernyataan berhubungan positif dengan item pernyataan yang lain dan bila koefisien cronbach alfa bernilai lebih besar dari r tabel maka instrumen tersebut dapat diterima.

LANGKAH LANGKAH

REGRESI LINIER BERGANDA

Regresi linier berganda biasanya digunakan bagi penelitian yang ingin melihat hasil analisis dengan menggunakan variabel bebas lebih dari satu. Artinya variabel bebas (X) yang diteliti dapat berupa dua variabel (X1, X2), tiga variabel (X1, X2 dan X3) ataupun empat variabel (X1, X2, X3 dan X4) bahkan lebih tetapi hanya menggunakan variabel terikat hanya satu (Y1). Penggunaan regresi linier berganda umumnya dilakukan untuk mengukur pengaruh lebih dari satu variable bebas terhadap variable terikat. Pada ilmu ekonomi jurusan manajemen ritel seperti untuk mengetahui pengaruh store atmosfer dan kualitas layanan terhadap minat beli di Indomaret. Pada jurusan MSDM untuk mengetahui pengaruh motivasi dan disiplin terhadap kinerja pegawai. Sedangkan pada pemasaran untuk mengetahui kualitas produk, kepuasan dan kualitas layanan terhadap loyalitas pelanggan. Sedangkan pada jurusan keuangan maupun akuntansi seperti untuk mengetahui pengaruh price earning ratio (PER) dan return on equity (ROE) terhadap kinerja keuangan perusahaan. Penggunakan regresi linier berganda juga dapat dilakukan pada psikologi seperti untuk mengetahui pengaruh cara belajar dan minat baca terhadap prestasi siswa di sekolah.

Sebelum lebih jauh membahas regresi linier berganda, maka dilakukan uji validitas, uji reliabilitas, uji regresi linier berganda, dan uji asumsi klasik seperti normalitas, mulkolinieritas, heterokedastisitas, autokorelasi). Uji normalitas biasanya digunakan bagi ilmu psikologi. Sedangkan pada ilmu ekonomi terutama jurusan keuangan atau akuntansi biasanya uji normalitas seringkali untuk mengolah data historical data seperti data laporan keuangan beberapa tahun sehingga tidak diperlukan uji validitas maupun reliabilitas.

Guna mempermudah memahami regresi linier berganda, maka penulis membuat contoh penelitian dengan judul “Pengaruh citra merk dan kepuasan konsumen terhadap kepercayaan konsumen di Carrefour Mojokerto”. Pada contoh ini jumlah sample adalah sebanyak 30 responden.

Data hasil rekapitulasi kuesioner disiapkan sesuai dengan masing-masing variable dalam bentuk microsof excel dan copy.

Kemudian buka SPSS dan arahkan kursor pada pojok kiri atas dan klik ‘paste”, serti tampak pada di bawah ini.

Klik “variable view” pada pojok kiri bawah dan tampak seperti tampak dibawah ini.

Kemudian ketik sesuai variable masing-masing seperi X1.1, X1.2, X1.3 jawaban dari kuesioner disiapkan sesuai dengan masing-masing variable yang telah di copy.

Kemudian klik “Data View” seperti tampak di bawah ini.

Kemudian pilih menu “Analyze” dan arahkan kursor ke “correlate” dan arahkan pilih “bivariate”seperti tampak di bawah ini.

Kemudian seperti tampak di bawah ini.

Kemudian blok X1.1, X1.2, X1.3 dan X1.4 seperti tampak di bawah ini.

Kemudian klik “tanda panah arah ke kanan” seperti tampak di bawah ini.

Kemudian tampak hasil output uji validitas seperti tampak di bawah ini.

Interpretasi

Berdasarkan hasil olah SPSS, maka diperoleh output uji validitas yang dapat dinterperasi sebagai berikut:

Pada tabel correlation yang menunjukkan data adalah valid yaitu pada tabel paling kanan (TOTAL) pearson correlation sebesar X1.1 sebesar 0,802** dengan nilai nilai Sig. (2-tailed) sebesar 0,000 (**), artinya pada variabel X1.1 menunjukkan bahwa X1.1 adalah valid, sebab pada X1.1. nilai sig (2-tailed) sebesar 0,000 (sig.<0,05). Begitu juga untuk variabel yang lain seperti X1.2, X1.3 maupun X1.4. Atau dengan melihat tanda ** pada nilai pearson correlation menunjukkan bahwa bahwa data valid. Dengan demikian maka data kuesioner adalah valid, namun apabila data kuesioner setelah diolah dengan SPSS memperoleh nilai Sig (2-tailed) > 0,05 berarti data kuesioner tidak valid. Apabila data kuesioner tidak valid maka harus dibuat ulang kuesioner lagi dan diolah lagi supaya menjadi valid. Artinya kalau data belum valid tidak dapat dioleh lebih lanjut. Sebagai gambaran jika dalam suatu kuesioner kualitas produk (X1) terdapat tiga indikator yaitu (X1.1), (X1.2), (X1.3) dan (X1.4) ternyata salah satu dari misal (X1.4) diperoleh nilai sig (2-tailed) > 0,05 berarti X1.4 tidak valid maka kuesionernya yang dipakai adalah X1.1, X1.2, dan X1.3 sedangkan X1.4 tidak dipakai (dihapus).

Sedangkan pada variable X2 sama perlakuannya dan dapat diikuti seperti dibawah ini

Kemudian pada variable X2 dan dilakukan sama seperti pada variable X1, dimana data rekapitulasi kuesioner dalam bentuk microsof excel dicopy dari baris 4 dan kolom J (X2.1), K(X2.2), L(X2.3) dan M (TOTAL).

Kemudian buka SPSS dan arahkan kursor pada bagian kiri atas dan klik “paste”, seperti tampak di bawah ini.

Kemudian ketik “X2.1, X2.2, X2.3 dan TOTAL” dan klik “data view”.

Kemudian klik “data view” tampak seperti di bawah ini.

Kemudian pilih menu “Analyze” dan pilih “correlate” dan klik “bivariate” tampak seperti di bawah ini.

Hasil mengklik “bivariate” adalah tampak seperti di bawah ini.

Kemudian blok “X2.1, X2.2, X2.3 dan TOTAL” tampak seperti di bawah ini.

Kemudian blok “X2.1, X2.2, X2.3 dan TOTAL” dan kilik “tanda panah kearah kanan” sehingga “X2.1, X2.2, X2.3 dan TOTAL” sudah ke kotak Variables tampak seperti di bawah ini.

Kemudian klik “ok” tampak seperti di bawah ini.

Interpretasi

Berdasarkan hasil olah SPSS, maka diperoleh output uji validitas yang dapat dinterperasi sebagai berikut:

Pada tabel correlation yang menunjukkan data adalah valid yaitu pada tabel paling kanan (TOTAL) nilai pearson correlation sebesar X2.1 sebesar 0,881** dengan nilai nilai Sig. (2-tailed), artinya pada variabel X2.1 menunjukkan bahwa X2.1 adalah valid, sebab pada X2.1. nilai sig (2-tailed) sebesar 0,000 (sig.<0,05). Begitu juga untuk variabel yang lain seperti X2.2 maupun X2.3. Dengan demikian maka data kuesioner adalah valid, namun apabila data kuesioner setelah diolah dengan SPSS memperoleh nilai Sig (2-tailed) > 0,05 berarti data kuesioner tidak valid. Cara mudah untuk menentukan valid tidaknya data adalah dengan melihat nilai pearson correlation missal 0,881** berarti tanda bintang 2 adalah valid yaitu nilai sig (2-tailed) 0,000. Sedangkan apabila tanda bintang hanya satu missal 0,0542* berarti valid dengan nilai sig (2-tailed) antara < 0,000 dan < 0,05. Apabila data kuesioner tidak valid maka harus dibuat ulang kuesioner lagi dan diolah lagi supaya menjadi valid. Artinya kalau data belum valid tidak dapat dioleh lebih lanjut. Sebagai gambaran jika dalam suatu kuesioner brand name (X2) terdapat tiga indikator yaitu (X2.1), (X2.2) dan (X2.3) ternyata salah satu dari misal (X2.3) diperoleh nilai sig (2-tailed) > 0,05 berarti X2.3 tidak valid maka kuesionernya yang dipakai adalah X2.1 dan X2.2, sedangkan X2.3 tidak dipakai (dihapus).

Sedangakn perlakuan untuk variable terikat Y pada prinsipnya sama dengan variable bebas, dengan tahapan sebagai berikut:

Kemudian disiapkan data Y (variable terikat) dan langkah-langkah seperti pada variable bebas X1 dan X2 dan data dalam bentuk excel di copy dan buka SPSS dan kursor diarahkan pada baris 1 dan kolom A dan klik “paste” tampak seperti di bawah ini..

Kemudian klik “variable view” dan tampak seperti di bawah ini..

Kemudian ketik “Y1.1, Y1.2, Y1.3, Y1.4 dan TOTAL” dan tampak seperti di bawah ini..

Kemudian klik “Data View” dan tampak seperti di bawah ini..

Kemudian pilih menu “Analyze’ dan pilih “correlate” dan klik”bivariate” tampak seperti di bawah ini..

Kemudian tampak seperti di bawah ini..

Kemudian blok “Y1.1, Y1.2, Y1.3, Y1.4 dan TOTAL” tampak seperti di bawah ini.

Kemudian blok “Y1.1, Y1.2, Y1.3, Y1.4, Y1.5 dan TOTAL” dan klik “tanda panah arah kekanan” sehingga “Y1.1, Y1.2, Y1.3, Y1.4, Y1.5 dan TOTAL” menjadi kotak sebelah kanan, tampak seperti di bawah ini..

Kemudian klik “ok” dan hasil output uji validitas tampak seperti di bawah ini..

Interpretasi

Berdasarkan hasil olah SPSS, maka diperoleh output uji validitas yang dapat dinterperasi sebagai berikut:

Pada tabel correlation yang menunjukkan data adalah valid yaitu pada tabel paling kanan (TOTAL) sebesar Y1.1 sebesar 0,772** dengan nilai nilai Sig. (2-tailed), artinya pada variabel Y1.1 menunjukkan bahwa Y1.1 adalah valid, sebab pada Y1.1. nilai sig (2-tailed) sebesar 0,000 (sig.<0,05). Hal ini berlaku juga untuk variabel yang lain seperti Y1.2, Y1.3, Y1.4 maupun Y2.5. Dengan demikian maka data kuesioner adalah valid, namun apabila data kuesioner setelah diolah dengan SPSS memperoleh nilai Sig (2-tailed) > 0,05 berarti data kuesioner tidak valid. Apabila data kuesioner tidak valid maka harus dibuat ulang kuesioner lagi dan diolah lagi supaya menjadi valid. Artinya kalau data belum valid tidak dapat dioleh lebih lanjut. Sebagai gambaran jika dalam suatu kuesioner loyalitas merek (Y1) terdapat tiga indikator yaitu (Y1.1), (Y1.2), (Y1.3), (Y1.4) dan (Y1.5) ternyata salah satu dari misal (Y1.5) diperoleh nilai sig (2-tailed) > 0,05 berarti Y1.5 tidak valid maka kuesionernya yang dipakai adalah (Y1.1), (Y1.2), (Y1.3), dan (Y1.4), sedangkan Y1.5 tidak dipakai (dihapus).

Uji Reliabilitas

Uji reliabilitas dilakukan dengan tujuan untuk melengkapi data menjadi reliable sehingga dapat diolah lebih lanjut. Pada pirnsipnya uji reliabilitas hampir sama dengan uji validitas namun ada perbedaan. Pada uji validitas data rekapitulasi kuesioner dalam bentuk microsof excel mulai dari masing-masing variabel “bradn name” yang memiliki empat (4) pertayaan yaitu X1.1,X1.2, X1.3 dan X1.4 serta TOTAL dicopy. Sedangkan pada uji reliabilitas yang dicopy data rekapitulasi kuesioner dalam bentuk microsof excel mulai dari masing-masing variabel “bradn name” yang memiliki empat (4) pertayaan yaitu X1.1,X1.2, X1.3 dan X1.4 (TOTAL) ditidak diikutsertakan), seperti tampak dibawah ini.

Hasil reliabilitas merupakan syarat suatu data penelitian untuk dapat diolah setelah memenuhi syarat pertama yaitu validitas. Apabila ditemukan data penelitian sudah valid namun ternyata saat diuji reliabilitas ternyata hasilnya tidak reliable maka data penelitian tersebut tidak dapat diolah.

Adapun langkah selanjutnya adalah sebagai berikut:

Setelah data variabel brand name (X1) dicopy dalam bentuk excel, lalu buka SPSS dan kemudian letakkan kursor pada pada joko kiri atas dan klik “paste” dan hasilnya seperti tampak di bawah ini.

Kemudian klik “variable view” seperti tampak di bawah ini.

Kemudian klik “data view” seperti tampak di bawah ini.

Kemudian pilih menu “Analyze”, pilih “scale’ dan pilih “Reliability analyze”seperti tampak di bawah ini.

Hasil mengklik “Reliability analyze”seperti tampak di bawah ini.

Kemudian blok X1.1, X1.2, X1.3 dab X1.4 dan arahkan kursor ke “tanda panah kea rah kanan” seperti tampak di bawah ini.

Kemudian hasil blok berpindah dari kolom sebelah kiri ke kolom items (sebelah kanan) seperti tampak di bawah ini.

Kemudian klik “statistic”seperti tampak di bawah ini.

Kemudian pada “descriptives for” yang berisi “item, scale dan scale if item delected” dan ketiga kotak tersebut diklik (Tanda cawing), dan kemudian lkik “continue”seperti tampak di bawah ini.

Kemudian klik “ok”seperti tampak di bawah ini.

Hasil uji reliabilitas seperti tampak di bawah ini.

Interpretasi:

Hasil uji reliabilitas (output SPSS) berupa 5 (lima) tabel yang meliputi (1) Case Processing Summary, (2) Reliability Statistics, (3) Item Statistics, (4) Item-Total Statistics, dan (5) Scale Statistics. Secara umum untuk menentukan data tersebut reliable adalah dengan melihat hasil table ke dua yaitu Reliability Statistics diimana nilai Cronbach's Alpha harus lebih besar dari 0,6 (>0,6). Sedangkan table yang lain diabaikan. Artinya dengan melihat nilai Cronbach's Alpha apabila lebih besar dari 0,6 menunjukkan bahwa variable kualitas produk adalah reliable. Dan sebaliknya bila kurang dari nilai 0,6 berarti tidak reliable. Pada penggunakan disiplin ilmu spikologi biasanya ada tambahan yang harus dilihat yaitu table (2) Reliability Statistics dan table (4) Item-Total Statistics, artinya masing-masing table harus menunjukkan lebh besar dari 0,6. Apabila hanya table Reliability Statistics diperoleh nilai Cronbach's Alpha lebih besar dari 0,6 tetapi pada table (4) Item-Total Statistics terdapat nilai misal Y1.3 pada kolom kelima nilai Cronbach's Alpha if Item Deleted kurang dari 0,6 berarti tidak reliable, sehingga perlu dibuang indikator Y1.3. dan seterusnya

Sedangkan pada variable X2 (kualitas produk) dilakukan uji reliabitas dengan langkah-langkah sebegai berikut:

Data hasil rekapitulasi kuesioner pada variabel (X2) yaitu kualitas produk di copy dalam bentuk microsof excel mulai dari baris 3 dan kolom B, C dan D, seperti tampak di bawah ini

Kemudian buka SPSS dan arahkan kursor ke bagian kiri atas dan klik “paste” seperti tampak di bawah ini.

Kemudian klik “variabel view” kemudian ketik pada baris 1 hingga baris 4 dengan X2.1, X2.2, dan X2.3 seperti tampak di bawah ini.

Kemudian klik “data view” seperti tampak di bawah ini.

Kemudian buka menu “analyze” pilih “scale” dan arahkan kursor ke“reliability analyze”seperti tampak di bawah ini.

Kemudian arahkan kursor ke“reliability analyze”seperti tampak di bawah ini.

Kemudian blok X2.1, X2.2 dan X2.3 dan arahkan kursor ke “tanda anak panah ke kanan”seperti tampak di bawah ini.

Kemudian X2.1, X2.2 dan X2.3 sudah berpindah dari kolom kiri ke kotak kanan (item) dan arahkan kursor kotak kanan bawah “statistic” seperti seperti tampak di bawah ini.

Kemudian hasil mengklik kotak kanan bawah “statistic” seperti tampak di bawah ini.

Kemudian arahkan kursor ke “descriptives for” yang beri kotak “item, scale dan scale if item delected” dan beri tanda cawang pada ke tiga kotak tersebut serta klik “continue”seperti tampak di bawah ini.

Kemudian klik “ok” seperti tampak di bawah ini.

Kemudian hasil uji reliabilitas variabel kualitas produk seperti tampak di bawah ini.

Interpretasi:

Berdasarkan hasil olah SPSS, maka diperoleh output uji reliabilitas sebagai berikut:

Hasil uji reliabilitas (output SPSS) pada variable brand name (X2) berupa 5 (lima) tabel yang meliputi (1) Case Processing Summary, (2) Reliability Statistics, (3) Item Statistics, (4) Item-Total Statistics, dan (5) Scale Statistics. Secara umum untuk menentukan data tersebut reliable adalah dengan melihat hasil table ke dua yaitu Reliability Statistics dimana nilai Cronbach's Alpha sebesar 0,821 (>0,6). Berarti variable brand name adalah reliable. Sedangkan table yang lain diabaikan. Artinya dengan melihat nilai Cronbach's Alpha apabila lebih besar dari 0,6 menunjukkan bahwa variable kualitas produk adalah reliable. Dan sebaliknya bila kurang dari nilai 0,6 berarti tidak reliable. Pada penggunakan disiplin ilmu spikologi biasanya ada tambahan yang harus dilihat yaitu table (2) Reliability Statistics dan table (4) Item-Total Statistics, artinya masing-masing table harus menunjukkan lebh besar dari 0,6. Apabila hanya table Reliability Statistics diperoleh nilai Cronbach's Alpha lebih besar dari 0,6 tetapi pada table (4) Item-Total Statistics terdapat nilai misal 1.3 pada kolom kelima nilai Cronbach's Alpha if Item Deleted kurang dari 0,6 berarti tidak reliable, sehingga perlu dibuang indikator X2.3. dan seterusnya

Sedangkan pada variable terikat yaitu loyalitas merek (Y) dilakukan uji relibilitas. Hal ini bertujuan mengcek data penelitian apakah sudah reliable atau belum. Adapun langkah-langkah yang dilakukan adalah sebegai berikut:

Langkah pertama adalah hasil rekapitulasi dari variable loyalitas merek dengan tampilan microsof excel, seperti tampak di bawah ini.

Kemudian blok baris 3-32 dan kolom B –G dan copy serta buka SPSS dan arahkan kursor pada pojok kiri atas dan klik “paste”, seperti tampak di bawah ini.

Kemudian klik “variable view” pada pojok kiri bawah ke kedua, seperti tampak di bawah ini.

Kemudian ketik pada baris pertama hingga baris keempat dengan Y1.1, Y1.2, Y1.3, Y1.4 , Y11.5 dan TOTAL, seperti tampak di bawah ini.

Kemudian klik data view”, seperti tampak di bawah ini.

Kemudian buka menu “analyze’ dan pilih “scale” dan pilih “reliability analyze”, seperti tampak di bawah ini.

Kemudian klik “reliability analyze”, seperti tampak di bawah ini.

Kemudian blok “Y1.1, Y1.2, Y1.3, Y1.4 dan Y1.5 ”, seperti tampak di bawah ini.

Kemudian arahkan kursor ke “tanda pana arah ke kanan” sehingga posisi “Y1.1, Y1.2, Y1.3 dan Y1.4 ” berpindah dari kotak kiri ke kotak kanan, lalu klik “statistic” seperti tampak di bawah ini.

Kemudian hasil mengklik “statistic”, seperti tampak di bawah ini.

Kemudian pada “descriptives for“ yang meliputi 3 kotak “item, scale dan scale if item delected”, dan beri tanda cawang pada ke tiga kotak tersebut dan klik “continue” seperti tampak di bawah ini.

Kemudian tampak hasil mengklik “continue” dan lalu klik “ok“seperti tampak di bawah ini.

Kemudian tampak hasil uji reliabilitas pada variabel loyalitas merek (Y1) seperti tampak di bawah ini.

Interpretasi

Berdasarkan hasil olah SPSS, maka diperoleh output uji reliabilitas sebagai berikut:

Hasil uji reliabilitas (output SPSS) variable loyalitas merek (Y1) berupa 5 (lima) tabel yang meliputi (1) Case Processing Summary, (2) Reliability Statistics, (3) Item Statistics, (4) Item-Total Statistics, dan (5) Scale Statistics. Secara umum untuk menentukan data tersebut reliable adalah dengan melihat hasil table ke dua yaitu Reliability Statistics diimana nilai Cronbach's Alpha sebesar 0848 (>0,6), artinya variable loyalitas merek adalah reliable. Sedangkan table yang lain diabaikan. Artinya dengan melihat nilai Cronbach's Alpha apabila lebih besar dari 0,6 menunjukkan bahwa variable kualitas produk adalah reliable. Dan sebaliknya bila kurang dari nilai 0,6 berarti tidak reliable. Pada penggunakan disiplin ilmu spikologi biasanya ada tambahan yang harus dilihat yaitu table (2) Reliability Statistics dan table (4) Item-Total Statistics, artinya masing-masing table harus menunjukkan lebh besar dari 0,6. Apabila hanya table Reliability Statistics diperoleh nilai Cronbach's Alpha lebih besar dari 0,6 tetapi pada table (4) Item-Total Statistics terdapat nilai misal Y1.3 pada kolom kelima nilai Cronbach's Alpha if Item Deleted kurang dari 0,6 berarti tidak reliable, sehingga perlu dibuang indikator Y1.3. dan seterusnya

Kemudian seteleh memperoleh data hasil rekapitulasi variabel bebas yang meliputi X1 dan X2 serta variabel terikat Y1 semuanya adalah valid dan reliabel, maka dilanjutkan dengan menguji regresi linier berganda.

Dalam mengolah data penelitian dengan menggunakan regresi linier berganda adalah nilai rata-rata dari masing-masing variable baik bebas maupun terikat. Pada contoh ini variable bebas meliputi brand name (X1) dan kualitas porduk (X2) serta variable terikat yaitu loyalitas merek (Y1).

Adapun langkah yang dilakukan adalah:

Hasil rekapitulasi kuesioner masing-masing variable dalam bentuk excel dimana terdapat nilai rata-rata dari variable dan kemudian dicopy. Pada contoh ini adalah untuk variable brand nama (X1), Kualitas produk (X2) dan Loyalitas merek (Y1). Kemudian rata-rata pada masing-masing variable di copy. Jadi mula-mula hasil rekapitulasi dalam bentuk excel ditampilkan masing-masing variabel, seperti tampak dibawah ini.

Kemudian buka SPSS dan letakkan kursor pada kolom pertama untuk copy rata-rata variabel X1 lalu klik “paste”. Langkah ini dilanjutkan untuk kolom kedua dengan X2 dan kolom ketiga dengan Y1, hasilnya seperti tampak dibawah ini.

Kemudian klik “variable view” seperti tampak dibawah ini.

Kemudian nomor 1 pada kolom name diketik ”X1”, nomor 2 ketik “X2” dan nomor 3 ketik “Y1” seperti tampak dibawah ini.

Kemudian klik “data view” seperti tampak dibawah ini.

Kemudian pilih menu “analyze” pilih “regression” dan pilih ”linier” kemudian klik seperti tampak dibawah ini.

Kemudian tampak kotak ”linier regression” seperti tampak dibawah ini.

Kemudian pindahkan variable bebas (X1 dan X2) ke “independent” dengan cara memblok keduanya dan klik “tanda panah“ maka X1 dan X2 akan berpindah dan berada di “independent” seperti tampak dibawah ini.

Kemudian pindahkan variable terikat (Y1) ke “dependent” dengan cara memblok Y1 dan klik “tanda panah “ maka Y1 akan berpindah dan berada di “dependent” seperti tampak dibawah ini.

Kemudian klik “statistic” pada kiri bawah seperti tampak dibawah ini.

Kemudian pada bagian kiri atas terdapat “regression coeficient” dan beri tanda cawang pada kotak “estimates” dan juga bagian kotak lain seperti “model fit”, “R square change”, “descriptives’, “part and partial correlations” serta pada bagian bawah “Residual” dan pilih “Durbin Watson” untuk diberi tanda cawang tan pada kiri bawah, seperti tampak dibawah ini.

Kemudian klik continue” seperti tampak dibawah ini.

Kemudian klik kolom “Plot” seperti tampak dibawah ini.

Kemudian pada “Standarized Residuals Plot” dan beri tanda cawang pada kotak Produce all partial plots” dan klik kolom “continue” seperti tampak dibawah ini.

Kemudian klik “ok” seperti tampak dibawah ini.

Kemudian hasil uji regresi linier berganda dengan variabel bebas brand name (X1) dan kualitas produk (X2) serta variabel terikat loyalitas merek (Y1), seperti tampak dibawah ini.

Interpretasi

Berdasarkan hasil output SPSS uji regresi linier sederhana maka akan muncul

1. Descriptive Statistics

Pada table pertama menunjukkan bahwa terdapat empat kolom dimana kolom pertama berisi variable bebas dan terikat, kolom kedua beriasi mean, kolom ketiga berisi standar deviasi dan kolom keempat berisi N jumlah sample berjumlah 30.. Pada table ini hanya menggambarkan variable bebas maupun variable terikat saja secara deskripsi.

2. Correlations

Pada tabel 2 yaitu correlations menunjukkan bahwa hubungan antara variabel bebas (X1) dan (X2) dengan variabel terikat (Y), artinya bila nilai Sig.(t-tailed) memiliki nilai kurang dari 0,05 (< 0,05) berarti ada hubungan antara variabel bebas dengan variabel terikat. Pada kasus ini variabel bebas kualitas produk (X1) dan brand name (X2) memiliki Pearson Correlation sebesar 0,619 dengan Sig. (t-tailed) 0,340 (> 0,05) berarti tidak terdapat hubungan antara kualitas produk, brand name dengan loyalitas merek.

3. Variables Entered/Removed

Pada tabel 3 yaitu Variables Entered/Removed(b) menunjukkan bahwa variabel bebas adalah X1 dan X2 dan variabel terikat (dependent) Y1.

4. Model Summary

Koefisien Korelasi (R)

Untuk mengetahui apakah terdapat hubungan erat atau positif antara kualitas produk (X1) dan brand name (X2) dengan loyalitas merek (Y), maka dihitung besarnya koefisien korelasi (R). Pda contoh ini nilai koefisien korelasi (R) sebesar 0,137, berarti variabel bebas kualitas produk (X1) dan brand name (X2) tidak mempunyai hubungan positif dengan loyalitas merek (Y).

Koefisien Determinasi Berganda (R2)

Pada Tabeldi atas, menunjukkan bahwa nilai koefisien determinasi (R2) yaitu sebesar 0,019 atau 1,9%. Hal ini menunjukkan kontribusi kualitas produk (X1) dan brand name (X2), dengan loyalitas merek adalah sebesar 1,9% sedangkan sisanya sebesar 99,1% dipengaruhi oleh faktor-faktor lain di luar kedua variabel bebas yang diteliti oleh penulis.

5. ANOVA

Uji statistik F digunakan untuk mengetahui tingkat signifikansi pengaruh variabel-variabel independen secara simultan terhadap variabel dependen. Dari hasil uji statistik F pada tabel ANOVA (b) diketahui bahwa nilai F hitung statistik adalah 0,452 dengan probabilitas 0,639. Dengan demikian, hipotesis nol yang menyatakan bahwa secara simultan tidak ada pengaruh variabel independen terhadap variabel dependen diterima dan hipotesis alternatif yang menyatakan secara simultan ada pengaruh variabel independen terhadap variabel dependen ditolak. Nilai probabilitas (sig,) sebesar 0,639 (>0,05) menunjukkan bahwa secara simultan tidak ada pengaruh variabel independen terhadap variabel dependen. Padahal apabila menurut teori, hal ini bertentangan. Jadi dapat dismpulkan bahwa yang menjadi faktor penyebab tidak berpengaruh disebabkan karena responden mengisi kuesioner asal-asalan atau tanpa ada pengarahan dari peneliti.

UJI ASUMSI KLASIK

Menurut Algifari (2000:83) model regresi yang diperoleh dari metode kuadrat terkecil biasa merupakan model regresi yang menghasilkan estimator linier tidak bias yang terbaik. Evaluasi ini dimaksudkan untuk apakah penggunaan model regresi liniear berganda (Multiple Regression Linier) dalam menganalisis telah memenuhi asumsi klasik. Model regresi linier berganda akan lebih tepat digunakan dan menghasilkan perhitungan yang lebih akurat.

Evaluasi ini dimaksudkan untuk apakah penggunaan model regresi liniear berganda (Multiple Regression Linier) dalam menganalisis telah memenuhi asumsi klasik. Model regresi linier berganda akan lebih tepat digunakan dan menghasilkan perhitungan yang lebih akurat, apabila beberapa asumsi berikut dapat terpenuhi, yaitu:

1. Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik.

Pada prinsipnya uji asumsi klasik merupakan bagian hasil uji regresi linier berganda. Artinya disaat melakukan uji regresi linier berganda maka uji asumsi klasik juga dapat dihasilkan. Lebih jelasnya dapat dilakukan sebagai berikut:

Nilai rata-rata variabel baik variabel bebas yang meliputi kualitas produk (X1) dan brand name (X2) maupun variabel terikat (Y1) dalam bentuk Excel di copy.

Kemudian buka SPSS dan letakkan kursor pada pojok kiri atas lalu klik “paste”, seperti tampak pada .

Kemudian klik “variabel view”, seperti tampak dibawah ini.

Kemudian ketik pada baris ke 1 dengan “X1”, baris ke 2 dengan “X2’ dan baris ke 3 dengan “Y1”, seperti tampak dibawah ini.

Kemudian klik “Data view” seperti tampak dibawah ini.

Kemudian pilih menu “analyze” dan arahkan kursor ke “Nonparametrix Test” lalu pilih “1. sample K-S” seperti tampak dibawah ini.

Kemudian lepaskan kursor dan seperti tampak dibawah ini.

Kemudian blok “X1, X2 dan Y1” dan kursor arahkan ke “tanda panah kanan” seperti tampak dibawah ini.

Kemudian X1, X2 dan Y1 berpindah ke kota kiri (test Variable List) dan klik “ok”seperti tampak dibawah ini.

Kemudian hasil uji normalitas seperti tampak dibawah ini.

Interprretasi:

Nilai Asym Sig menunjukkan nilai lebih besar dari 0,05 mengindikasikan bahwa ketiga variabel adalah normal sehingga layak untuk diuji lebih lanjut. Apabila nilai Asym Sig kurang dari 0,05 berarti data variabel tersebut tidak normal. Maka perlu dilakukan uji lagi dengan uji lanjutan seperti Kruskal-Wallis. Pada contoh ini tidak dibahas sebab nanti akan dibahas pada buku ke dua yang akan terbit kemudian. Selain itu uji normalitas biasanya dilakukan untuk bidang keuangan bila menggunakan statistik, sedangkan bila manajemen ada sebagian yang menggunakan tapi ada yang tiadk menggunakan.

2. Multikolinearitas

Menurut Algifari (2000:84), pengujian terhadap multikolinearitas dilakukan untuk mengetahui apakah antara variabel bebas yang terdapat dalam model memiliki hubungan yang sempurna atau mendekati sempurna. Analisis ini perlu dilakukan sebab apabila hal ini terjadi maka akan sulit untuk diketahui variabel bebas yang mempengaruhi variabel tidak bebasnya. Selain itu pengujian terhadap multikolinearitas dilakukan untuk mengetahui apakah antara variabel bebas yang terdapat dalam model memiliki hubungan yang sempurna atau mendekati sempurna (Algifari, 2000:84). Analisis ini perlu dilakukan sebab apabila hal ini terjadi maka akan sulit untuk diketahui variabel bebas yang mempengaruhi variabel tidak bebasnya. Untuk mendeteksi adanya multikolinearitas dapat dilihat dari Variance Inflation Factor (VIF). Untuk itu, maka pengujian multikolinearitas dapat dilakukan dengan melihat nilai Variance Inflation Factor (VIF) yang terdapat pada tabel Coeficients(α), kolom Collinearity Statistics. Selain itu, dapat juga dilihat dari nilai Tolerance-nya pada kolom yang sama. Batas untuk Tolerance adalah 0.01 dan batas untuk nilai VIF harus kurang dari 10. Adapun nilai VIF meliputi:

Tolerance value < 0.01 atau VIF > 10 = terjadi multikolinearitas.
Tolerance value > 0.01 atau VIF < 10 = tidak terjadi multikolinearitas

Pada uji multikolinieritas dengan menggunakan SPSS dapat dilakukan disaat melakukan uji regresi linier berganda. Untuk mempersingkat langkah-langkah tersebut maka penulis langsung ke langkah 11 (pada uji regresi linier berganda), yaitu:

Kemudian pada bagian kiri atas terdapat “regression coeficient” dan beri tanda cawang pada kotak “estimates” dan juga bagian kotak lain seperti “model fit”, “R square change”, “descriptives’, “part and partial correlations”, serta “colinierity diagnostic” seperti tampak dibawah ini.

Kemudian klik “continue” seperti tampak dibawah ini.

Interpretasi:

Berdasarkan hasil uji mutikonieritas menunjukkan bahwa pada tabel “cofficiens a” pada kolom paling kanan menunjukkan bahwa untuk variabel X1 sebesar 1,545 dan X2 sebesar 1.545. Artinya persamaan ini tidak terjadi multikonilieritas sebab nilai VIF sebesar 1.545 (>0,01 dan < 10).

Heteroskedastisitas

Menurut Algifari (2000:85-86), heteroskedastisitas terjadi karena adanya varians variabel dalam model tidak sama (konstan) yang berdampak penaksir (estimation) yang diperoleh tidak efisien, baik dalam sampel kecil maupun dalam sampel besar, walaupun penaksir yang diperoleh menggambarkan populasinya (tidak bias) dan bertambahnya sampel yang digunakan akan mendekati nilai sebenarnya (konsisten). Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisits dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskesdatisitas atau tidak terjadi Heteroskesdatisitas.

Dalam praktek untuk memudahkan ada tidaknya homokedatisitas, maka untuk memperpendek langkah-langkah, penulis mengacu pada poin 11 (regresi linier berganda).

Kemudian klik “ok”, seperti tampak dibawah ini.

Interpretasi:

Berdasarkan untuk menentukan apakah model regresi linier berganda agar tidak terjadi heterokedastisitas dapat dilakukan dengan melihat sebaran dari titik-titik harus menyebar (bukan mengumpul menjadi satu). Pada contoh di atas tidak terjadi heterokedasrisitas.

Autokorelasi

Menurut Ghozali (2007:93), pengujian autokorelasi dimaksudkan untuk mengetahui apakah terjadi korelasi antar anggota sampel yang diurutkan menurut waktu. Terjadinya korelasi di antara data-data pengamatan atau dengan perkataan lain munculnya suatu data dipengaruhi oleh data sebelumnya. Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi, salah satunya uji Durbin-Watson (DW test). Di mana jika nilai DW hitung terletak di antara nilai dw tabel (dU < d < 4-dU) maka tidak terjadi autokorelasi.

Adapun langkah dasar analisis

2). Kemudian klik “ok”, seperti tampak dibawah ini.

Implementasi

Berdasarkan hasil output uji asumsi klasik pada uji autokorelasi diperoleh nilai Durbin-Watson sebesar 1.562.

Model Summary

Model

R Square

Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

.799(a)

.639

.275

.612

1.562

Dari hasil uji DW untuk VAIC dan ROA menunjukkan hasil 2,420. Nilai dl = 0,824 dan du = 1,320. Karena 1,320 < 2,420 < 4-1,320, maka dapat disimpulkan bahwa tidak terjadi autokorelasi.

Untuk melihat ada tidaknya auto korelasi dalam penelitian ini, dilakukan pengujian dengan metode Durbin Watson yaitu dengan melihat angka Durbin Watson dalam hasil perhitungan Tabel 4.7 dimana angka Durbin Watson sebesar 1,920.

DAFTAR PUSTAKA

Algifari, 2000, Analisis Regresi Teori, Kasus dan Solusi, Edisi 2, Yogyakarta: BPFE.

Ghozali, I., 2006, Aplikasi Analisis Multivariate Dengan Program SPSS, Edisi Ketujuh, Semarang: BP Universitas Diponegoro.

Kuncoro, M., 2003, Metode Riset untuk Bisnis dan Ekonomi. Jakarta: Erlangga.

Malhotra, N.K, 2005, Riset Pemasaran: Pendekatan Terapan, Jakarta: Indeks Kelompok Gramedia.

Sekaran, U., 2011, Research Methods for Business. Singapore: John Wiley & Sons, Inc.

Stanton, W.J., Michael, .JE., and Bruce, J.W., 1991.Fundamentals of Marketing, New York: MC Graw-Hill International Edition, Ninth Edition.

Sugiyono, 2005, Statistika untuk Penelitian, Bandung: Alfabeta.

Umar, H, 2003, Riset Akuntansi, Gramedia: Jakarta.