Jurnal Erna2
Jurnal Erna2
Erna Hayati
Fakultas Ekonomi Universitas Islam Lamongan
ABSTRAKSI
Kepuasan pelanggan adalah salah satu kunci keberhasilan suatu usaha. Demikian juga
pada pusat perbelanjaan, kepuasan pelanggan adalah satu hal yang selalu diutamakan. Ada
berbagai faktor yang mempengaruhi frekuensi kedatangan pelanggan di suatu pusat pebelanjaan,
beberapa diantaranya adalah kenyamanan area berbelanja, kelengkapan fasilitas dan harga
produk. Untuk mengukur frekuensi kedatangan pelanggan di pusat perbelanjaan, maka digunakan
skala sering (1) dan jarang (0). Untuk mengetahui apakah ada pengaruh variabel kenyamanan
area berbelanja, kelengkapan fasilitas dan harga produk terhadap frekuensi kedatangan
pelanggan di pusat perbelanjaan “X”, dimana variabel frekuensi kedatangan pelanggan berupa
data kategori yang terdiri dari 2 kategori (biner), maka metode statistika yang digunakan adalah
analisis regresi logistik biner. Setelah dilakukan analisis regresi logistik biner, diperoleh
kesimpulan bahwa hanya variabel kenyamanan area berbelanja dan kelengkapan fasilitas yang
berpengaruh signifikan terhadap frekuensi kedatangan pelanggan, sedangkan harga produk tidak
berpengaruh signifikan. Sehingga model logit yang diperoleh adalah sebagai berikut:
1
/2
-∞ 0 ∞
x
Gambar 2.1 Gambar fungsi Logistik
Sehingga distribusi errornya mempunyai disusun suatu model yang terdiri dari banyak
mean sama dengan nol dan varians variabel prediktor dengan skala pengukuran
( x) (1 ( x) , yang mengikuti data yang berbeda. Model dengan banyak
variabel prediktor ini disebut dengan model
distribusi binomial.
regresi logistik multiple. Model regresi
Model regresi logistik pada
logistik multiple dengan k variabel prediktor
persamaan (2.3) adalah model univariate
adalah :
karena banyaknya variabel prediktor hanya
satu. Pada regresi logistik ini dapat juga
exp ( o 1x1 k xk )
( x) ....................(2.5)
1 exp ( o 1 x1 k xk )
dimana k adalah banyaknya variabel maka dengan cara transformasi logit pada
prediktor. model univariate, dan didapatkan bentuk
Apabila model pada persamaan (2.5) logit :
ditransformasikan dengan transformasi logit,
g(x) = β0 + β1x1 + ... + βkxk ....................(2.6)
n n
: G = -2 Ln
..............(2.10)
n
ˆ 1 ˆ
i 1
i
yi
i
(1 yi )
Dimana :
I I
no = (1 y); ni yi dan n = no + n1
i 1 i 1
Statistik uji G ini mengikuti distribusi kriteria penolakan (tolak Ho) jika nilai
Chi-Square (χ2 ) dengan derajat bebas G lebih besar dari χ2α, v.
v (banyaknya parameter dalam 2.4 Interpretasi Koefisien Parameter
model), karena itu untuk memperoleh Interpretasi koefisien parameter
keputusan pengujian nilai G ini dari suatu model adalah inferensi dan
dibandingkan dengan nilai χ2α, v . pengambilan kesimpulan berdasarkan pada
koefisien parameter. Koefisien - Variabel Prediktor yang dikotomus.
menggambarkan slope atau perubahan pada Variabel prediktor x dikategorikan
variabel respon perunit untuk setiap kedalam dua kategori yang dinyatakan
perubahan variabel prediktor. Interpretasi dengan kode 0 dan 1. dalam hal ini kategori
koefisien parameter ini menyangkut dua hal, pertama dibandingkan terhadap kategori
yaitu : kedua berdasarkan nilai Odds ratio (ψ) yang
1. Perkiraan mengenai hubungan menyatakan kategori pertama berpengaruh ψ
fungsional antara variabel respon kali dari kategori kedua terhadap variabel
dengan variabel prediktor. respon. Karena itu ada dua nilai π(x) dan dua
2. Menentukan pengaruh dari setiap nilai 1- π(x). Nilai-nilai ini dapat dinyatakan
unit perubahan variabel prediktor pada tabel 2.2 berikut ini.
terhadap variabel respon.
Tabel 2.2 Nilai-nilai dalam model regresi logistik dengan variabel predikor yang dikotomus.
X=1 X=0
o 1
Y=1 e e o
(1) (0)
1 e o 1 1 e o
Y=0 1 1
1 (1) 1 (0)
1 e o 1 1 e o
Odds ratio didefinisikan sebagai :
(1) /1 (1)
Ψ=
(0) /1 (0)
....................(2.11)
(1)1 (0)
(0)1 (1)
= ....................(2.12)
e 0 1
= ...................(2.13)
e 0
= e 1
....................(2.14)
Log odds ratio adalah :
(1) /1 (1)
Ln ψ = ln
(0) /1 (0)
....................(2.15)
= ln [π(x)/1-π(x)] – ln [π(x)/1-π(x)]
= g(1)-g(0) ....................(2.16)
yang disebut perbedaan logit.
Sehingga Odds ratio untuk model regresi logistik adalah :
1
Ψ= e
Dengan log odds rationya adalah :
ln (ψ) = ln (eβ1) = β1
Mulai
Studi Literatur
Merumuskan Masalah
Tujuan Penelitian
Mengidentifikasi Variabel
Perbaikan Kuesioner
Survei Pendahuluan
Tidak
Validitas
Reliabilitas
Ya
Survei
Analisis Data
Interpretasi
Kesimpulan
Tabel 4.2 Hasil regresi logistik antara variabel kenyamanan area berbelanja itu sendiri
dengan frekuensi kedatangan pelanggan
Variabel B S.E Wald df Sig.
Kenyamanan 1,113 0,309 12,983 1 0,000
Constant -7,023 1,938 13,133 1 0,000
Dari Tabel 4.2 didapatkan nilai uji frekuensi kedatangan pelanggan atau tidak,
Wald sebesar 12,983 yang lebih besar dari maka dilakukan uji parsial dengan hipotesa :
= 3,841 sehingga tolak Ho, yang Ho : β = 0, artinya variabel
berarti bahwa faktor kenyamanan area kelengkapan fasilitas tidak berpengaruh
berbelanja itu sendiri memiliki pengaruh terhadap frekuensi kedatangan
terhadap frekuensi kedatangan pelanggan di pelanggan
pusat perbelanjaan „X‟. H1 : β ≠ 0, artinya variabel kelengkapan
fasilitas berpengaruh terhadap
b. Pengaruh Kelengkapan Fasilitas frekuensi kedatangan pelanggan
terhadap Frekuensi Kedatangan Hasil dari analisis regresi logistik
Pelanggan antara variabel kelengkapan fasilitas dengan
Untuk mengetahui apakah variabel frekuensi kedatangan pelanggan dapat
kelengkapan fasilitas berpengaruh terhadap dilihat pada Tabel 4.3
Tabel 4.3 Hasil regresi logistik antara variabel kelengkapan fasilitas dengan frekuensi
kedatangan pelanggan
Variabel B S.E Wald df Sig.
Fasilitas 2,008 0,561 12,807 1 0,000
Constant -13,874 3,855 12,954 1 0,000
Dari Tabel 4.3 didapatkan nilai uji frekuensi kedatangan pelanggan atau tidak,
Wald sebesar 12,807 yang lebih besar dari maka dilakukan uji parsial dengan hipotesa :
= 3,841 sehingga tolak Ho, yang Ho: β = 0, artinya variabel variabel harga
berarti bahwa variabel kelengkapan fasilitas produk tidak berpengaruh terhadap
memiliki pengaruh yang besar terhadap frekuensi kedatangan pelanggan
frekuensi kedatangan pelanggan di pusat H1 : β ≠ 0, artinya variabel harga
perbelanjaan „X‟. produk berpengaruh terhadap frekuensi
c. Pengaruh Harga Produk terhadap kedatangan pelanggan
Frekuensi Kedatangan Pelanggan Hasil dari analisis regresi logistik
Untuk mengetahui apakah variabel antara variabel harga produk dengan
harga produk berpengaruh terhadap frekuensi kedatangan pelanggan dapat
dilihat pada Tabel 4.4
Tabel 4.4 Hasil regresi logistik antara variabel harga produk dengan frekuensi
kedatangan pelanggan
Variabel B S.E Wald df Sig.
Harga 0,631 0,237 7,121 1 0,008
Constant -4,835 1,809 7,139 1 0,008
Dari Tabel 4.4 didapatkan nilai uji Analisis regresi logistik multiple
Wald sebesar 7,121 yang lebih besar dari (bersama) digunakan untuk menentukan
= 3,841 sehingga tolak Ho, yang variabel prediktor yang berpengaruh
berarti bahwa variabel harga produk terhadap frekuensi kedatangan pelanggan
memiliki pengaruh yang besar terhadap secara bersama-sama. Caranya adalah
frekuensi kedatangan pelanggan di pusat dengan membuat regresi logistik yang
perbelanjaan „X‟. memasukkan semua variabel prediktor
Setelah dilakukan analisis regresi terhadap frekuensi kedatangan pelanggan.
logistik secara univariate terhadap semua Metode yang digunakan untuk menyeleksi
variabel prediktor, maka langkah selanjutnya model dalam penelitian ini adalah metode
adalah melakukan analisis regresi logistik Forward yaitu memasukkan satu persatu
secara multiple dengan memasukkan semua variabel prediktor yang berpengaruh
variabel prediktor.
(signifikan) terhadap frekuensi kedatangan kenyamanan area berbelanja, karena nilai
pelanggan. score dari variabel kenyamanan area
Langkah-langkah pembentukan berbelanja sebesar 8,791 lebih besar
model dengan menggunakan metode daripada nilai score dari variabel harga
Forward adalah sebagai berikut: produk yang hanya sebesar 2,507. Jika di uji
Step 1 secara parsial, maka variabel kenyamanan
Pada tahapan pertama ini, variabel area berbelanja ini memiliki nilai Wald
predictor yang masuk terlebih dahulu adalah sebesar 5,371, dimana nilai ini lebih besar
variabel kelengkapan fasilitas. Hal ini bisa daripada nilai = 3,841, sehingga tolak
dilihat dari nilai score kelengkapan fasilitas H0 yang artinya bahwa variabel kenyamanan
yang paling besar dibandingkan dua variabel area berbelanja berpengaruh terhadap
yang lain yaitu sebesar 27,438. Ketika di uji frekuensi kedatangan pelanggan. Untuk
secara parsial, nilai Wald dari variabel variabel harga produk tidak dimasukkan di
kelengkapan fasilitas sebesar 12,807, dalam model, karena nilai score yang kecil
dimana nilai ini lebih besar daripada nilai dan tidak signifikan berpengaruh terhadap
= 3,841, sehingga tolak H0 yang frekuensi kedatangan pelanggan.
artinya bahwa variabel kelengkapan fasilitas
berpengaruh terhadap frekuensi kedatangan Dan model terakhir yang
pelanggan. didapatkan setelah variabel yang tidak
berpengaruh terhadap frekuensi kedatangan
Step 2 pelanggan tidak diikutkan dalam model
Pada tahapan kedua, variabel yang adalah sebagai berikut:
masuk berikutnya adalah variabel
Tabel 4.5 Model akhir regresi logistik multiple terhadap frekuensi kedatangan pelanggan
Variabel B S.E Wald df Sig.
Nyaman 1,475 0,636 5,371 1 0,020
Fasilitas 2,652 0,944 7,897 1 0,005
Constant -28,068 9,881 8,070 1 0,005
Dari tabel 4.5 sehingga didapatkan model frekuensi kedatangan pelanggan di pusat
logit dari model terakhir ini adalah sebagai perbelanjaan „X‟ adalah sebagai berikut.
berikut : Hipotesis :
gˆ ( x) = -28,068 + 1,475 * Nyaman + 2,652 H0 : Model sesuai (tidak terdapat
*Fasilitas perbedaan yang signifikan antara
Dari model akhir ini didapatkan bahwa hasil pengamatan dengan
variabel yang berpengaruh terhadap kemungkinan hasil prediksi
frekuensi kedatangan pelanggan di pusat model)
perbelanjaan „X‟ adalah variabel H 1 : Model tidak sesuai (terdapat
kenyamanan area berbelanja dan perbedaan yang signifikan antara
kelengkapan fasilitas. hasil pengamatan dengan
4.3 Uji Kesesuaian Model kemungkinan hasil prediksi
Uji kesesuaian model dilakukan untuk model)
menguji apakah model sudah sesuai, dalam Taraf signifikan:
artian tidak ada perbedaan antara hasil α = 0,05
observasi dengan kemungkinan hasil Daerah kritis:
prediksi model. Hasil uji kesesuaian model Tolak H0 jika P_value < α
pada data faktor-faktor yang mempengaruhi Statistik uji :
Tabel 4.6 Hasil uji kesesuaian model
Chi-Kuadrat df Sig.
Hosmer and Lemeshow Test 1,607 7 0,978
Tabel 4.6 menunjukkan bahwa dengan 1,607. Dengan P-value sebesar 0,978 dapat
derajat bebas sebesar 7, didapatkan nilai chi- diambil keputusan gagal tolak H0 karena
kuadrat untuk uji kesesuaian model sebesar 0,978 > α (0,05) sehingga dapat ditarik
kesimpulan bahwa model sesuai. Hal itu pelanggan. Tabel ini menggambarkan
berarti tidak terdapat perbedaan yang seberapa tepat model yang diperoleh dapat
signifikan antara hasil pengamatan dengan memprediksi variabel respon (frekuensi
kemungkinan hasil prediksi model. kedatangan pelanggan) dan dapat pula
4.4 Ketepatan Klasifikasi Model dilihat pada Tabel 4.7.
Dari hasil regresi multiple terdapat
tabel klasifikasi untuk frekuensi kedatangan
Tabel 4.7 Tabel klasifikasi untuk frekuensi kedatangan pelanggan
Prediksi Percent
Jarang Sering correct
Jarang 25 2 92,6%
Observed
Sering 2 21 91,3%
Overall 92,0%
Dari Tabel 4.7 terlihat bahwa, dari 27 4.5 Interpretasi Koefisien Parameter
responden yang jarang datang ke pusat Setelah didapatkan model terbaik
perbelanjaan „X‟, ada 25 responden maka langkah selanjutnya adalah melakukan
diprediksi dengan benar oleh model. Dan interpretasi dari koefisien parameter. Untuk
dari 23 responden yang sering datang ke model regresi logistik dengan variabel
pusat perbelanjaan „X‟, ada sebanyak 21 prediktor yang berskala kategori, maka odds
rasionya dinyatakan dengan e . Nilai
responden yang diprediksi dengan benar
oleh model. Untuk kolom yang lain adalah
odds ratio untuk masing-masing variabel
kesalahan klasifikasi, sehingga secara
prediktor pada model akhir dapat dilihat
keseluruhan ada sebesar 46 dari 50
pada Tabel 4.8.
responden dapat diprediksi dengan tepat
oleh model yaitu sebesar 92%.
Tabel 4. 8 Odds ratio untuk model akhir
Variabel B Exp(B)
Nyaman 1,475 4,369
Fasilitas 2,652 14,186
Interpretasi dari odds ratio untuk masing– Berdasarkan hasil analisis data dan
masing variabel prediktor adalah : pembahasan diperoleh kesimpulan sebagai
a. Variabel kenyamanan area berbelanja berikut :
Jika factor kelengkapan fasilitas adalah 1. Dari hasil analisis regresi logistik
konstan, maka odds frekuensi secara univariate didapatkan bahwa
pelanggan yang sering datang ke pusat faktor yang berpengaruh terhadap
perbelanjaan „X‟ akan naik sebesar frekuensi kedatangan pelanggan di
4,369 kali dari frekuensi pelanggan pusat perbelanjaan „X‟ adalah
yang jarang datang untuk setiap variabel kenyamanan area
kenaikan terhadap persepsi berbelanja, kelengkapan fasilitas
kenyamanan area berbelanja. dan harga produk. Namun dengan
b. Variabel Kelengkapan Fasilitas menggunakan analisis regresi
Jika factor kenyamanan area berbelanja logistik serentak diperoleh model
dianggap konstan, maka odds frekuensi akhir yang hanya ada dua variabel
pelanggan yang datang ke pusat yang berpengaruh terhadap
perbelanjaan „X‟ akan naik 14,186 kali frekuensi kedatangan pelanggan
dari pelanggan yang jarang datang yaitu variabel variabel kenyamanan
untuk setiap kenaikan persepsi area berbelanja dan kelengkapan
kelengkapan fasilitas. fasilitas.
2. Bentuk logit dari model akhir
adalah :
KESIMPULAN DAN SARAN gˆ ( x) = -28,068 + 1,475 *
5.1 Kesimpulan Nyaman + 2,652 *Fasilitas
5.2 Saran Agresti, Alan. (1990), Categorical Data
Sesuai dengan hasil analisa Analysis, John Wiley and Sons, Inc,
mengenai faktor-faktor yang berpengaruh New York.
terhadap frekuensi kedatangan pelanggan Lenny, S. (2000), Pengaruh Waktu Temupuh
maka saran yang dapat disampaikan kepada dan Luasan Terhadap Frekuensi
pusat perbelanjaan‟X‟ adalah agar lebih Kunjungan Orang ke Pusat
meningkatkan lagi kenyamanan area Perbelanjaan, Universitas Kristen
berbelanja dan kelengkapan fasilitas, serta Petra, Surabaya.
lebih memperhitungkan kembali harga Singgih,S. dan F.Tjiptono.(2001), Riset
produk-produk yang dijual agar lebih Pemasaran Konsep dan Aplikasi
terjangkau oleh pelanggan. dengan SPSS, Elex Media
Komputindo, Jakarta.
DAFTAR PUSTAKA
LAMPIRAN
Lampiran A. Uji Validitas dan Reliabilitas
Lampiran A.1 UJi Validitas
Item-Total Statistics
Cronbach's
Scale Mean if Scale Variance if Corrected Item- Alpha if Item
Item Deleted Item Deleted Total Correlation Deleted
Kenyamanan Area 14.06 6.017 .466 .483
Berbelanja
Kelengkapan Fasilitas 13.42 5.881 .559 .350
Harga Produk 12.88 7.455 .300 .706
Reliability Statistics
Cronbach's
Alpha N of Items
.627 3
Lampiran B.3 Regresi Logistik Pengaruh Harga Produk terhadap Frekuensi Kedatangan
Pelanggan
Dependent Variable
Encoding
Original
Value Internal Value
Jarang 0
Sering 1
Classification Tablea,b
Predicted
Observed Frekuensi Kedatangan Percentage
Jarang Sering Correct
Step 0 Frekuensi Kedatangan Jarang 27 0 100.0
Sering 23 0 .0
Overall Percentage 54.0
a. Constant is included in the model.
b. The cut value is .500
Model Summary
Cox & Snell R Nagelkerke R
Step -2 Log likelihood Square Square
1 32.539a .518 .692
2 21.789b .611 .816
a. Estimation terminated at iteration number 6 because parameter
estimates changed by less than .001.
b. Estimation terminated at iteration number 8 because parameter
estimates changed by less than .001.
Classification Tablea
Predicted
Frekuensi Kedatangan Percentage
Observed Jarang Sering Correct
Step 1 Frekuensi Kedatangan Jarang 22 5 81.5
Sering 1 22 95.7
Overall Percentage 88.0
Step 2 Frekuensi Kedatangan Jarang 25 2 92.6
Sering 2 21 91.3
Overall Percentage 92.0
a. The cut value is .500
Casewise List
Observed Temporary Variable
Frekuensi Predicted
Case Selected Statusa Kedatangan Predicted Group Resid ZResid
1 S S 1.000 S .000 .011
2 S J .008 J -.008 -.092
3 S J .000 J .000 -.012
4 S S .908 S .092 .318
5 S S .753 S .247 .572
6 S S .993 S .007 .084
7 S J .002 J -.002 -.044
8 S J .000 J .000 -.001
9 S S .694 S .306 .664
10 S J .035 J -.035 -.191
11 S S .998 S .002 .047
12 S J .001 J .000 -.024
13 S S .977 S .023 .152
14 S J .008 J -.008 -.092
15 S S .881 S .119 .368
16 S J .002 J -.002 -.044
17 S S .694 S .306 .664
18 S S .881 S .119 .368
19 S S .999 S .001 .022
20 S J .138 J -.138 -.400
21 S J .342 J -.342 -.721
22 S J .138 J -.138 -.400
23 S J .000 J .000 -.012
24 S J .001 J .000 -.024
25 S J .003 J -.003 -.051
26 S J** .881 S -.881 -2.715
27 S S .960 S .040 .204
28 S S .881 S .119 .368
29 S S .999 S .001 .022
30 S J .342 J -.342 -.721
31 S J .411 J -.411 -.836
32 S J .003 J -.003 -.051
33 S S .628 S .372 .770
34 S J .000 J .000 -.012
35 S S .991 S .009 .098
36 S J** .628 S -.628 -1.299
37 S J .002 J -.002 -.044
38 S J .000 J .000 -.006
39 S S** .342 J .658 1.387
40 S J .138 J -.138 -.400
41 S J .008 J -.008 -.092
42 S S** .106 J .894 2.900
43 S S .998 S .002 .047
44 S J .342 J -.342 -.721
45 S S .999 S .001 .022
46 S J .000 J .000 -.012
47 S S .908 S .092 .318
48 S S .999 S .001 .022
49 S S .977 S .023 .152
50 S J .000 J .000 -.003
a. S = Selected, U = Unselected cases, and ** = Misclassified cases.
Lampiran D. Kuesioner
Pertanyaan 1:
Seberapa sering Bapak/Ibu/Saudara mengunjungi pusat perbelanjaan „X‟ dalam seminggu?
1. > 2 kali (sering)
2. 1 kali (jarang)
Pertanyaan 2:
Berikan skor untuk setiap atribut berikut yang menunjukkan tingkat persepsi Bapak/Ibu/ Saudara
terhadap pusat perbelanjaan „X‟!
Atribut Skor
Kenyamanan area Sangat Tidak 1 2 3 4 5 6 7 8 9 10 Sangat Nyaman
berbelanja Nyaman
Kelengkapan fasilitas Sangat Tidak 1 2 3 4 5 6 7 8 9 10 Sangat Lengkap
Lengkap
Harga Produk Sangat Tidak 1 2 3 4 5 6 7 8 9 10 Sangat
Terjangkau Terjangkau
Lampiran E. Data
N0. Responden Nyaman Fasilitas Harga Frekuensi Kedatangan
1 9 9 8 1
2 5 6 8 0
3 4 5 5 0
4 8 7 9 1
5 9 6 8 1
6 8 8 9 1
7 4 6 8 0
8 3 4 9 0
9 7 7 8 1
10 6 6 7 0
11 7 9 9 1
12 5 5 8 0
13 9 7 9 1
14 5 6 5 0
15 6 8 9 1
16 4 6 7 0
17 7 7 8 1
18 6 8 9 1
19 8 9 6 1
20 7 6 8 0
21 6 7 9 0
22 7 6 8 0
23 4 5 6 0
24 5 5 6 0
25 6 5 4 0
26 6 8 9 0
27 5 9 8 1
28 6 8 9 1
29 8 9 8 1
30 6 7 7 0
31 8 6 6 0
32 6 5 8 0
33 5 8 8 1
34 4 5 6 0
35 6 9 7 1
36 5 8 6 0
37 4 6 5 0
38 5 4 8 0
39 6 7 9 1
40 7 6 5 0
41 5 6 7 0
42 5 7 9 1
43 7 9 5 1
44 6 7 7 0
45 8 9 9 1
46 4 5 6 0
47 8 7 8 1
48 8 9 6 1
49 9 7 5 1
50 4 4 4 0