Data kulitas produk layanan Gojek (X1), promosi (X2) dan keputusan membeli layanan Gojek

(Y)

Kualitas Keputusan
Promosi
NO produk membeli X12 X22 Y22 X1Y X2Y X1X2
(X2)
(X1) (Y)
1 24 21 22 576 441 484 528 462 504
2 19 19 19 361 361 361 361 361 361
3 18 17 18 324 289 324 324 306 306
4 23 19 22 529 361 484 506 418 437
5 19 20 21 361 400 441 399 420 380
6 18 18 19 324 324 361 342 342 324
7 23 21 22 529 441 484 506 462 483
8 22 20 22 484 400 484 484 440 440
9 18 17 20 324 289 400 360 340 306
10 22 21 21 484 441 441 462 441 462
11 25 22 22 625 484 484 550 484 550
12 22 21 20 484 441 400 440 420 462
13 20 18 20 400 324 400 400 360 360
14 25 22 23 625 484 529 575 506 550
15 22 19 22 484 361 484 484 418 418
16 20 20 22 400 400 484 440 440 400
17 18 18 19 324 324 361 342 342 324
18 23 20 20 529 400 400 460 400 460
19 20 19 19 400 361 361 380 361 380
20 23 21 24 529 441 576 552 504 483
21 23 22 24 529 484 576 552 528 506
22 20 19 19 400 361 361 380 361 380
23 25 22 21 625 484 441 525 462 550
24 22 19 20 484 361 400 440 380 418
25 18 17 19 324 289 361 342 323 306
26 24 20 21 576 400 441 504 420 480
27 23 21 21 529 441 441 483 441 483
28 21 19 21 441 361 441 441 399 399
29 21 21 21 441 441 441 441 441 441
30 19 19 20 361 361 400 380 380 361
Jumla
640 592 624 13806 11750 13046 13383 12362 12714
h

Soal A Asumsi klasik

Pada pengujian asumsi klasik ini, terdapat empat uji yang harus diperiksa sebelum dilanjutkan
interpretasi model regresi.
Asumsi Multikolinearitas
Pengujian asumsi multikolinearitas dilakukan menggunakan nilai VIF. Apabila nilai VIF > 5
maka terjadi gejala multikolinearitas pada data atau terdapat korelasi antar variabel bebas pada
data.

Berdasarkan output di atas terlihat bahwa nilai VIF untuk variabel X1 dan X2 sama – sama
sebesar 3,245 dimana kurang dari 5. Kesimpulan yang diperoleh adalah tidak terjadi gejala
multikolinearitas serius pada data ini.

Asumsi normalitas
Pengujian normalitas pada data residual model regresi dilakukan menggunakan Uji Kolmogorov
– Smirnov pada software SPSS.
Hipotesis :
Ho : data residual berdistribusi normal
Ha : data residual tidak berdistribusi normal
Daerah penolakan : Ho ditolak jika nilai Sig. < α (0,05)
Keputusan :
Berdasarkan output di atas, diperoleh nilai Sig sebesar 0,200 > α (0,05) maka Ho gagal ditolak.
Kesimpulan :
Kesimpulan yang diperoleh adalah data residual berdistribusi normal. Maka asumsi normalitas
pada model regresi ini terpenuhi.

Asumsi homoskedastisitas
Pengujian homoskedasitisitas dilakukan menggunakan Uji Gletjser pada software SPSS.
Hipotesis :
Ho : Terdapat gejala homoskedastisitas
Ha : Terdapat gejala heteroskedastisitas
Daerah penolakan : Ho ditolak jika nilai Sig. < α (0,05)
Keputusan :
Berdasarkan output di atas, pada variabel X1 dan X2 diperoleh nilai Sig sebesar 0,789 dan 0,636
> α (0,05) maka Ho gagal ditolak.
Kesimpulan :
Kesimpulan yang diperoleh adalah terjadi gejala homoskedastisitas atau tidak terjadi masalah
heteroskedastisitas pada data.

Asumsi Autokorelasi
Pengujian autokorelasi pada data residual menggunakan Uji Durbin Watson yang tersedia pada
software SPSS.

Berdasarkan hasil uji durbin Watson, diperoleh nilai uji statistic pada kolom Durbin-
Watson (d) sebesar 2,306. Jumlah n sampel data sebesar 30; jumlah variabel independen (k) yang
digunakan sebanyak 2, nilai alfa yang digunakan sebesar 0,05, maka diperoleh nilai batas dL
1,2837 dan dU 1,5666 berdasarkan nilai tabel Durbin Watson. Tabel hipotesis yang digunakan
sebagai berikut.

Hipotesis Nol (H0) Keputusan Interval

Tidak ada Otokorelasi positif Tolak 0 < d < dL
Tidak ada Otokorelasi positif Tidak ada keputusan dL ≤ d ≤ dU
Tidak ada Otokorelasi negatif Tolak 4 - dL < d < 4
Tidak ada Otokorelasi negatif Tidak ada keputusan 4 - dU ≤ d ≤ 4 - dL
Tidak ada Otokorelasi positif Terima dU < d < 4 - dU
atau negatif
 Berdasarkan hasil di atas, nilai uji statistik (d) 2,306 berada di interval dU < d < 4 - dU atau
1,566 < 2,306 < 2,434. Maka kesimpulan yang diperoleh adalah tidak ada autokorelasi positif
atau negative pada data residual.

Soal B Analisis Regresi Berganda

Tabel berisi matriks korelasi antara variabel X1, X2, dan Y
∑ X 1=64 0
∑ X 2=592
∑ Y =624
∑ X 12 =13 806
∑ X 2 2=11750
∑ Y 2=13046
∑ X 1 Y =13 383
∑ X 2 Y =12362
∑ X 1 X 2=12 714
n ∑ X 1Y −( X 1 ) ( ∑ Y )
Korelasi antara X 1 dengan Y (r ¿¿ X 1Y )= ¿
2 2
√ (n ∑ X 1 −(∑ X 1 ) )( n∑ Y −(∑ Y ) )
2 2

30 (13 383 ) −( 64 0 ) ( 624 )

¿ 2 2
√( 30 ( 13806 )−( 64 0 ) )( 19 ( 13046 )−( 624 ) )
¿ 0 , 7031
n ∑ X 2Y −( X 2 ) ( ∑ Y )
Korelasi antara X 2 dengan Y (r ¿¿ X 2 Y )= ¿
2 2
√ (n ∑ X 2 −(∑ X 2 ) )( n ∑ Y −(∑ Y ) )
2 2

30 ( 12362 )−( 592 ) ( 624 )

¿ 2 2
√( 30 ( 11750 )−( 592 ) )(19 ( 13046 )−( 624 ) )
¿ 0,7188
n ∑ X 1 X 2−( X 1 ) ( ∑ X 2 )
Korelasi antara X 1 dengan X 2 ( r X 1 X 2 )=
2 2
√ ( n∑ X 1 −(∑ X 1) )(n ∑ X 2 −(∑ X 2) )
2 2
 30 ( 12714 )− ( 64 0 ) ( 592 )
¿ 2 2
√( 30 ( 13806 )−( 640 ) )(30 ( 11750 )−( 592 ) )
¿ 0,8318

Maka matriks korelasi antara adalah

Variabel X1 X2 Y
X1 1.000 0,8318 0,7031
X2 0,8318 1,000 0,7188
Y 0,7031 0,7188 1,000

Nilai rataan dan standard deviation variabel X1, X2, dan Y

Rata−rata X 1 ( x́ 1 )=
∑ X 1 = 64 0 =21 ,33
N 30

Rata−rata X 2 ( x́ 2 )=
∑ X 2 = 592 =19,73
N 30

Rata−rataY ( ý )=
∑ Y = 624 =20,8
N 30

∑ ( X 1−x́ 1) 2 =
standard deviation X 1 ( s1 ) =
√ N−1
2
√ 152,667
29
=2,29

standard deviation X 1 ( s1 ) =
√ ∑ ( X 2−x́ 2 )
N−1
2
=
√ 67,867
29
=1,53

( Y − ý )
standard deviation X 1 ( s1 ) =

Menghitung nilai b1, b2, dan a

√ ∑
N −1
=
66,8
29 √
=1,52

∑ X 1=630
∑ X 2=592
∑ Y =624
∑ X 12 =13806
∑ X 2 2=11750
∑ Y 2=13046
∑ X 1 Y =13383
∑ X 2 Y =12362
∑ X 1 X 2=12520
2
∑ x 12=13806− 64300 =152,667
2 5922
∑ x 2 =11750− 30
=¿ 67,867 ¿

2 624 2
∑ y =13046− =66,8
30
( 64 0 ) ( 624 )
∑ x 1 y =13383− 30
=7 1

( 592 )( 624 )
∑ x 2 y=12362− 30
=48,4

( 64 0 )( 592 )
∑ x 1 x 2=12 714− 30
=8 4,667

( 67,867 ) ( 7 1 )−(84,667)(48,4)
b 1= =0,2257
( 160 )( 67,867 ) −(84,667)2
( 160 ) ( 48,4 )−(84,667)(7 1)
b 2= =0,4316
( 160 )( 67,867 ) −(84,667)2
( 624 )− ( 64 0 ) (0,2257)−(592)(0 , 4316)
a= =7,468
30
Hasil persamaan regresi yang diperoleh :
Y =6,5512+ 0,2257 X 1+ 0 , 4316 X 2
Interpretasi nilai b1 dan b2 :
- Jika penilaian kualitas produk layanan Gojek naik 1 satuan, maka akan meningkatkan
keputusan mahasiswa untuk membeli layanan Gojek sebesar 0,2257
- Jika promosi layanan Gojek naik 1 satuan, maka akan meningkatkan keputusan mahasiswa
untuk membeli layanan Gojek sebesar 0,4316

Nilai koefisien determinasi

(b 1 × ∑ x 1 y ) +(b 2 × ∑ x 2 y ) ( 0,2257 )( 71 ) + ( 0 , 4316 )( 48,4 )
R 2= 2
= =0,5526 atau 55,26%
∑y 66,8