A.

UJI NORMALITAS
1. Pastikan data excel berupa data mentah yang sudah siap diimport ke SPSS
2. Masukkan data excel ke SPSS
3. Edit Variable View: kategori di kolom “NAME” semua di copy paste ke kolom “LABEL” dan
“MEASURE” diganti “SCALE” semua ”Measure” di
Variableview diganti
“scale” semua

Cara Uji Normality

1. Klik “Analyze” ------> klik “Descriptive Statistics” ----> klik “explore”

2. Pindah kategori “(A1-7, B1-7, C1-7)” ke “dependent list” dan masukkan “jenis kelamin” ke
“factor List”
3. Klik “Statistik” klik “descriptives” klik “continue” klik “OK”

4. Klik “Plot” klik “Normality plots with tesis” dan “Histogram”

5. Melihat hasil klik sebelah kiri output data “Test of normality”

 Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Jeniskelamin Statistic df Sig. Statistic df Sig.
A1 laki-laki .284 24 .000 .710 24 .000
perempuan .349 30 .000 .724 30 .000
A2 laki-laki .262 24 .000 .792 24 .000
perempuan .273 30 .000 .785 30 .000
A3 laki-laki .250 24 .000 .813 24 .000
perempuan .302 30 .000 .730 30 .000
A4 laki-laki .203 24 .011 .893 24 .015
perempuan .245 30 .000 .871 30 .002
A5 laki-laki .333 24 .000 .773 24 .000
perempuan .208 30 .002 .848 30 .001
A6 laki-laki .271 24 .000 .840 24 .001
perempuan .233 30 .000 .835 30 .000
A7 laki-laki .336 24 .000 .737 24 .000
perempuan .243 30 .000 .828 30 .000
B1 laki-laki .270 24 .000 .792 24 .000
perempuan .286 30 .000 .801 30 .000
B2 laki-laki .271 24 .000 .840 24 .001
perempuan .235 30 .000 .829 30 .000
B3 laki-laki .238 24 .001 .889 24 .013
perempuan .221 30 .001 .846 30 .001
B4 laki-laki .226 24 .003 .855 24 .003
perempuan .250 30 .000 .845 30 .000
B5 laki-laki .208 24 .009 .875 24 .007
perempuan .230 30 .000 .849 30 .001
B6 laki-laki .343 24 .000 .717 24 .000
perempuan .321 30 .000 .766 30 .000
B7 laki-laki .264 24 .000 .784 24 .000
perempuan .248 30 .000 .853 30 .001
C1 laki-laki .273 24 .000 .826 24 .001
perempuan .218 30 .001 .847 30 .001
C2 laki-laki .267 24 .000 .819 24 .001
perempuan .233 30 .000 .849 30 .001
C3 laki-laki .292 24 .000 .808 24 .000
perempuan .273 30 .000 .783 30 .000
C4 laki-laki .267 24 .000 .829 24 .001

Dari hasil tes normality kita menganalisa dari data “shapiro wilk” karena data responden lebih dari
30. Melihat sinifikansi (sig) data menunjukkan semua indikator ini signifikan karena nilai signifikansi
dibawah 0.05. “Shapiro wilk” ini lebih baik dari “kolmogorov-sminov”.

B. VALIDASI DAN REALIBILITAS DATA

1. Validitas data dapat dilakukan dengan dua hal yang ditentukan dari jumlah responden data, yaitu
1) Menggunakan “Variable Bivariate” jika data kurang dari 100.
2) Menggunakan “Faktor analyzis” jika data di atas 100.
Pada latihan ini kita akan menggunakan “Bivariate” karena data kurang dari 100, berikut langkah-
langkahnya:
1) Validitas Untuk masing-masing Variabel (Kualitas produk, brand image, dan minat beli)
dengan meng-klik “transform” ---> klik “compute variable”
2) isi “target variable” dengan indikator 1 variable “kualitasproduk” penulisan tanpan spasi,
kemudian isi “numeric expresion” dengan kode-kode indikator (A1-7) dengan dijumlahkan
dan dibagi 7 untuk mencari rata-rata, klik “OK” lihat gambar di bawah:

3) Ulangi langkah tersebut untuk variable lainnya (brand image dan minat beli), maka akan
muncul di “tybe&label” label untuk masing-masing variable.
4) Kemudian klik “analyze” klik “correlate”

5) Masukkan label ke kolom variables masing-masing kategori pertama kategori “A1-7” dan
nama variable “kualitasproduk” klik “person, two-tailed, flag significant correlation”
klik “OK”

Hasil:
Correlations
A1 A2 A3 A4 A5 A6 A7 KualitasProduk
A1 Pearson Correlation 1 .772** .392** .348** .618** .512** .409** .797**
Sig. (2-tailed) .000 .003 .010 .000 .000 .002 .000
N 54 54 54 54 54 54 54 54
A2 Pearson Correlation .772** 1 .533** .452** .453** .451** .462** .808**
Sig. (2-tailed) .000 .000 .001 .001 .001 .000 .000
N 54 54 54 54 54 54 54 54
A3 Pearson Correlation .392** .533** 1 .203 .323* .501** .379** .655**
Sig. (2-tailed) .003 .000 .141 .017 .000 .005 .000
N 54 54 54 54 54 54 54 54
A4 Pearson Correlation .348** .452** .203 1 .199 .170 .453** .588**
Sig. (2-tailed) .010 .001 .141 .149 .219 .001 .000
N 54 54 54 54 54 54 54 54
A5 Pearson Correlation .618** .453** .323* .199 1 .644** .421** .733**
Sig. (2-tailed) .000 .001 .017 .149 .000 .002 .000
N 54 54 54 54 54 54 54 54
A6 Pearson Correlation .512** .451** .501** .170 .644** Tanda1 bintang.392 ** .734**
Sig. (2-tailed) .000 .001 .000 .219 .000 dua ini adalah .003 .000
N 54 54 54 54 54 output54 dari 54 54
A7 Pearson Correlation .409** .462** .379** .453** .421** .392 ** 1 .698**
“flag sicnificant
Sig. (2-tailed) .002 .000 .005 .001 .002 .003 .000
N 54 54 54 54 54
correlation”
54 54 54
KualitasProduk Pearson Correlation .797** .808** .655** .588** .733** .734** .698** 1
Sig. (2-tailed) .000 .000 .000 .000 .000 .000 .000
N 54 54 54 54 54 54 54 54
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
 Yang harus dibaca adalah baris yang paling bawah yaitu kolom “kualitas produk”. Kualitas
produk dinyatakan valid karena signifikannya dibawah 0,01 (lihat ** ).
6) Lanjutkan uji validasi untuk variable lain “brandimage” dan “MinatBeli” dengan cara yang
sama seperti di atas. Hasil menunjukkan valiable “brandimage” dan “MinatBeli” adalah
valid.

2. Realibilitas
1) Klik “analyze” klik “scale” klik “Reliability Analysis”

2) Klik “statistics” kemudian pilih di “Descriptives for” (item, scale, scale if item deleted),
kemudian di “inter-item” pilih (correlations, covariances), “sumaries” dan “anova table”
tidak perlu dipilih. Klik “continue”---> klik “OK”

Hasil output :
Item A
Reliability Statistics
Cronbach's
Jumlah item
Alpha Based on
Cronbach's Standardized
Alpha Items N of Items
.832 .842 7
 Dari hasil output yang kita butuhkan adalah tabel “Reliability Statistics” dan yang kita cari
adalah “Cronbach’s Alpha”. Berdasarkan teori batas minimal cronbach’s alpha 0,7 atau
0,8. Hasil menjelaskan bahwa variable kualitas produk dikatakan reliable atau kosisten di
dalam mengukur sebuah fenomena.
Lakukan langkah serupa pada item B dan C, hasilnya sebagai berikut:

Item B Item C

C. UJI REGRESI DAN PENGUJIAN HIPOTESA

Ho : kualitas produk dan brand image tidak berpengaruh terhadap minat beli konsumen secara
signifikan.
Kualitas produk tidak berpengaruh terhadap brand image secara signifikan.
H1 : Kualitas produk berpengaruh terhadap minat beli konsumen secara signifikan.
H2: brand image berpengaruh terhadap minat beli konsumen secara signifikan.
H3: Kualitas produk berpengaruh terhadap brand image secara signifikan.

Note: di SPSS sulit untuk menghitung indirect effect, perlu aplikasi tambahan di luar SPSS. Jadi bisa
menggunakan PLS untuk menghitung mediasi atau indirect effect-nya.
Sebagai contoh kita akan menghitung H1 dan H2
1. Regresi
1) Klik “Analyze”-----> klik “Regression” ------> klik “Linear”
2) Dependent isi “MinatBeli”, kolom “Independent(s)” isi “kualitasProduk” dan
“BrandImage” .
Selanjutnya klik “statistics” centang semua kecuali “covariance matrix” klik “continue”.

3) Klil “Plot” pilih “histogram” dan “normal probibility plot”

4) Klik “save” pilih sesuai pilihan pada gambar di bawah ini, lalu klik “continue”
 5) Klik “option” tidak ada perubahan klik “continue” ----> klik “OK”

6) Hasil

Nilai Adjusted R Square 0.847 atau 84,7% menunjukkan bahwa pengaruh BrandImage dan
KualitasProduk terhadap MinatBeli sebesar 0.847 sisanya dipengaruhi oleh faktor lain.

Jadi dari tabel “ANOVA” kita bisa mengetahui normalitas data itu seperti apa. Berdasrkan teori
dengan melihat nilai residual, pendapat pertama lebih dari 3, pendapat kedua di bawah dari -3. Data
dinyatakan normal karena nilai residual 3.071 lebih dari 3.
 Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 2.4863 4.9119 4.0159 .57908 54
Std. Predicted Value -2.641 1.547 .000 1.000 54
Standard Error of Predicted .034 .140 .055 .019 54
Value
Adjusted Predicted Value 2.3953 4.9058 4.0175 .58179 54
Residual -.58683 .51371 .00000 .24070 54
Std. Residual -2.392 2.094 .000 .981 54
Stud. Residual -2.601 2.271 -.003 1.021 54
Deleted Residual -.69396 .60471 -.00164 .26177 54
Stud. Deleted Residual -2.765 2.372 -.003 1.043 54
Mahal. Distance .023 16.351 1.963 2.590 54
Cook's Distance .000 .412 .031 .082 54
Centered Leverage Value .000 .309 .037 .049 54
a. Dependent Variable: MinatBeli

Dari tabel di atas “residual statistic” juga dapat dilihat normalitas data. Standar residual (std.
Residual) minumum -2.392 jadi data tergolong normal berdasarkan teori bahwa dibawah -3 data itu
normal.

Grafik plot menunjukkan jika titik-titik plot berada disekitaran garis maka menunjukkan bahwa data
tersebut normal

Pada variable kualitas produk memiliki t-hitung 5.341 dengan signifikansi 0.000 dibawah 1%
artinya bahwa kualitas produk berpengaruh secara signifikan terhadap minta beli konsumen (H1 dite
rima, Ho ditolak). Pada variable Brand Image t-hitungnya 5.434 dan signifikansinya 0.000 dibawah
1% artinya juga brand image memiliki pengaruh secara signifikan terhadap minat beli konsumen
(H2 diterima, Ho ditolak)
2. Hipotesa
Ho : kualitas produk dan brand image tidak berpengaruh terhadap minat beli konsumen secara
signifikan. (ditolak)
Kualitas produk tidak berpengaruh terhadap brand image secara signifikan.
H1 : Kualitas produk berpengaruh terhadap minat beli konsumen secara signifikan. (diterima)
H2: brand image berpengaruh terhadap minat beli konsumen secara signifikan. (diterima)
D. COMPARE MEAN BERDASAR JENIS KELAMIN DAN PENDAPATAN RESPONDEN
Ho : tidak ada perbedaan antara gaji perempuan dan gaji laki-laki
H1 : ada perbedaan antara gaji perempuan dan gaji laki-laki secara signifikan

1. Langkahnya : klik “analyze” ----> klik “compare means” ----> klik “Independent-Samples T-
Test”

2. Isi Test Variables (yang akan di tes) dengan Penghasilan karena ini yang ditanyakan,kemudian
isi “Grouping Variables” dengan “Jenis Kelamin”
3. Klik “Difine Groups” isi dengan 1 dan 2 ---> klik “Continue”---> klik “OK”

4. Hasil:

Ho dtolak
H1 diterima
Terdapat perbedaan yang signifikan antara gaji perempuan dan gaji laki-laki