1. Uji Outlier (untuk data sekunder) dan Uji Validitas dan Reliabilitas (untuk data primer)
Outlier disebut dengan data pencilan atau data yang nilainya extreme atau lain dari
pada yang lainnya. Batasan outlier atau tidak bisa dilihat dari nilai absolut studentized
residual. Jika absolut studentized residual > 3 maka sampel atau observasi yang
dimaksud menjadi outlier.
Uji validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan
dan kecermatan suatu alat ukur dalam melakukam fungsi ukurannya (Azwar 1986).
Selain itu validitas adalah suatu ukuran yang menunjukkan bahwa variabel yang diukur
memang benar-benar variabel yang hendak diteliti oleh peneliti (Cooper dan Schindler,
dalam Zulganef, 2006).
Sedangkan reliabilitas berasal dari kata reliability. Pengertian dari reliability
(rliabilitas) adalah keajegan pengukuran (Walizer, 1987). Sugiharto dan Situnjak (2006)
menyatakan bahwa reliabilitas menunjuk pada suatu pengertian bahwa instrumen yang
digunakan dalam penelitian untuk memperoleh informasi yang digunakan dapat
dipercaya sebagai alat pengumpulan data dan mampu mengungkap informasi yang
sebenarnya dilapangan. Ghozali (2009) menyatakan bahwa reliabilitas adalah alat untuk
2
mengukur suatu kuesioner yang merupakan indikator dari peubah atau konstruk. Suatu
kuesioner dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan
adalah konsisten atau stabil dari waktu ke waktu. Reliabilitas suatu test merujuk pada
derajat stabilitas, konsistensi, daya prediksi, dan akurasi. Pengukuran yang memiliki
reliabilitas yang tinggi adalah pengukuran yang dapat menghasilkan data yang reliable.
2. Uji normalitas, dimana asumsi yang harus terpenuhi adalah model regresi berdistribusi
normal.
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai
sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut
berdistribusi normal ataukah tidak.
Uji Normalitas berguna untuk menentukan data yang telah dikumpulkan
berdistribusi normal atau diambil dari populasi normal. Metode klasik dalam pengujian
normalitas suatu data tidak begitu rumit. Berdasarkan pengalaman empiris beberapa
pakar statistik, data yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat
diasumsikan berdistribusi normal. Biasa dikatakan sebagai sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau
tidak, sebaiknya digunakan uji normalitas. Karena belum tentu data yang lebih dari 30
bisa dipastikan berdistribusi normal, demikian sebaliknya data yang banyaknya kurang
dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian. uji
statistik normalitas yang dapat digunakan diantaranya Chi-Square, Kolmogorov
Smirnov, Lilliefors, Shapiro Wilk, Jarque Bera.
3. Uji multikolinearitas, dimana model regresi yang baik adalah tidak terjadi gejala
multikolinearitas.
Uji multikolinearitas adalah uji yang dilakukan untuk memastikan apakah di dalam
sebuah model regresi ada interkorelasi atau kolinearitas antar variabel
bebas. Interkorelasi adalah hubungan yang linear atau hubungan yang kuat antara
satu variabel bebas atau variabel prediktor dengan variabel prediktor lainnya di dalam
sebuah model regresi. Interkorelasi itu dapat dilihat dengan nilai koefisien korelasi antara
variabel bebas, nilai VIF dan Tolerance, nilai Eigenvalue dan Condition Index, serta nilai
standar error koefisien beta atau koefisien regresi parsial.
Multikolinearitas adalah keadaan dimana terdapat interkorelasi atau korelasi kuat
antar variable bebas di dalam model. Dinyatakan ada interkorelasi jika korelasi antar
3
variable bebas di dalam model regresi linear berganda > 0,8. Beberapa pakar
menggunakan batasan lebih dari 0,9. Cara lain yang lebih objektif adalah dengan
menggunakan nilai variance inflating factor (VIF) dan tolerance. Dikatakan ada
multikolinearitas jika nilai VIF > 10 dan/atau nilai tolerance < 0,01.
5. Uji autokorelasi (khusus untuk data time series), persyaratan yang harus terpenuhi
adalah tidak terjadi autokorelasi.
Uji Autokorelasi adalah sebuah analisis statistik yang dilakukan untuk mengetahui
adakah korelasi variabel yang ada di dalam model prediksi dengan perubahan waktu.
Oleh karena itu, apabila asumsi autokorelasi terjadi pada sebuah model prediksi, maka
nilai disturbance tidak lagi berpasangan secara bebas, melainkan berpasangan secara
autokorelasi. Dalam kesempatan ini, kita hanya akan fokus pada tutorial uji autokorelasi
dengan SPSS. Namun prinsip penting lainnya tetap akan kami bahas secara singkat dan
padat serta mudah dipahami.
Uji autokorelasi di dalam model regresi linear, harus dilakukan apabila data
merupakan data time series atau runtut waktu. Sebab yang dimaksud dengan
autokorelasi sebenarnya adalah: sebuah nilai pada sampel atau observasi tertentu
sangat dipengaruhi oleh nilai observasi sebelumnya.
Autokorelasi adalah terjadi korelasi antara observasi ke-i dengan observasi ke-i-1.
Contohnya yaitu: misalkan sampel ke-20, nilainya dipengaruhi oleh sampel ke-19.
Sampel ke-19, nilainya dipengaruhi oleh sampel ke-18, dan seterusnya.
4
KASUS 1
REGRESI LINIER BERGANDA
1. Judul Penelitian:
Pengaruh Harga dan Promosi terhadap Keputusan Pembelian di PT XYZ Pekanbaru
2. Hipotesis
Pengaruh Harga terhadap Keputusan Pembelian
H0 : Harga tidak berpengaruh signifikan terhadap keputusan pembelian
H1 : Harga berpengaruh signifikan terhadap keputusan pembelian
Pengaruh Promosi terhadap Keputusan Pembelian
H0 : Promosi tidak berpengaruh signifikan terhadap keputusan pembelian
H2 : Promosi berpengaruh signifikan terhadap keputusan pembelian
3. Model Penelitian
Harga (X1)
Keputusan Pembelian (Y)
Promosi (X2)
melakukan uji penyimpangan asumsi klasik. Tahap keempat, melakukan analisis regresi
linier berganda. Dan tahap kelima, melakukan pengujian hipotesis.
a. Statistik Deskriptif
Analisis stastistik deskriptif ditujukan untuk memberikan gambaran mengenai
demografi responden. Gambaran tersebut meliputi ukuran tendensi sentral seperti
rata-rata, median, modus, kisaran standar deviasi diungkapkan untuk memperjelas
deskripsi responden. Statistik deskriptif berhubungan dengan metode
pengelompokan, peringkasan, dan penyajian data dalam cara yang lebih informatif
(Santosa, 2005). Skor jawaban responden atas pernyataan variabel-variabel dalam
penelitian ini terdiri atas lima alternatif jawaban yang mengandung variasi lain yang
bertingkat (Sugiyono, 2007:86):
nilai tertinggi – nilai terendah
Interval = 5
5–1
Interval = = 0,8
5
Tabel 1.
Interval Rata-Rata Pernyataan Responden
No Interval Rata-rata Kategori
1 4,20 – 5,00 Sangat Tinggi
2 3,40 – 4,19 Tinggi
3 2,60 – 3,39 Cukup
4 1,80 – 2,59 Rendah
5 1,00 – 1,79 Sangat Rendah
Sumber: Sugiyono (2009)
b. Pengujian Kualitas Data
1) Uji Validitas
Uji validitas digunakan untuk mengukur sah atau tidaknya suatu kuesioner.
Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk
mengungkapkan suatu yang akan diukur oleh kuesioner tersebut. Menurut Ghozali
(2009) uji signifikan dilakukan dengan membandingkan nilai rhitung dengan rtabel untuk
degree of freedom (df) = n-2, dalam hal ini n adalah jumlah sampel dengan alpha
0,05. Jika rhitung lebih besar dari rtabel dan nilai positif maka butir atau pertanyaan
dinyatakan valid.
2) Uji Reliabilitas
Uji reliabilitas dimaksudkan untuk menguji sejauh mana hasil pengukuran tetap
konsisten, apabila dilakukan pengukuran dua kali atau lebih terhadap gejala yang
sama dengan alat ukur yang sama. Uji realibilitas dilakukan dengan uji statistik
6
Cronbach’s Alpha Suatu konstruk atau variabel dikatakan reliabel jika memberikan
nilai Cronbach Alpha > 0,60 (Ghozali, 2009).
c. Uji Asumsi Klasik
Diperlukan adanya uji asumsi klasik terhadap model yang telah diformulasikan
dengan menguji normalitas data dan tidak ditemukannya gejala-gejala
multikolinieritas, heteroskedastisitas, autokorelasi.
1) Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel
pengganggu atau residual memiliki distribusi normal. Uji normalitas dapat dilakukan
dengan analisis grafik histogram dan grafik normal probability plot dan uji statistik
dengan Kolmogorov-Smirnov Z (1-Sample KS).
Penelitian ini akan menggunakan uji normalitas dengan uji statistik non-
parametrik Kolmogorov-Smirnov (K-S). Bila nilai probabilitas signifikansi <0,10
(Asymp Sig. (2-tailed)) bernilai <0,10) maka data tersebut disebut data yang
terdistribusi secara tidak normal. Namun, apabila nilai probabilitas signifikansi >0,10
((Asymp Sig. (2-tailed)) bernilai >0,10) maka dapat dikatakan data tersebut
terdistribusi secara normal.
2) Uji Multikolinieritas
Multikolinieritas adalah adanya suatu hubungan linier yang sempurna antara
beberapa atau semua variabel independen. Uji Multikolinieritas bertujuan untuk
menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas
(independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara
variabel bebas (Ghozali, 2001). Pada program SPSS, ada beberapa metode yang
sering digunakan untuk mendeteksi adanya multikolinieritas, antara lain mengamati
nilai VIF dan Tolerance. Batas dari VIF adalah 10 dan nilai dari Tolerance adalah 0,
1. Jika nilai VIF lebih besar dari 10 dan nilai Tolerance kurang dari 0, 1 maka terjadi
multikolinieritas. Bila ada variabel independen yang terkena multikolinieritas, maka
penanggulangannya adalah salah satu variabel tersebut dikeluarkan (Ghozali,
2009).
3) Uji Heterokedastisitas
Uji heteroskesdastisitas bertujuan untuk menguji apakah dalam sebuah model
regresi terjadi ketidaksamaan varians dari suatu pengamatan ke pengamatan yang
lain. Jika varians dari satu pengamatan ke pengamatan yang lain tetap, maka
disebut homoskedastisitas atau tidak terjadi heterokedastisitas. Model regresi yang
7
Adapun model dasar dari regresi linier berganda dari penelitian ini dapat dirumuskan
sebagai berikut:
Y = a + b1X1+ b2X2 + e
Dimana :
Y = Keputusan Pembelian
a = konstanta
b1 = koefisien regresi Harga
b2 = koefisien regresi Promosi
X1 = Harga
X2 = Promosi
e = epsilon (faktor lainnya)
Suatu penelitian harus memenuhi asumsi regresi linier klasik atau asumsi klasik,
yaitu tidak terjadi gejala multikolinieritas, heterokedastisitas, autokorelasi dan memiliki
distribusi yang normal maupun mendekati normal, sehingga didapatkan hasil
penelitian yang Best Linier Unbased Estimation (BLUE).
1) Uji Kelayakan Model (Uji F)
Menurut Ghozali (2011), uji goodness of fit (uji kelayakan model) dilakukan
untuk mengukur ketepatan fungsi regresi sampel dalam menaksir nilai aktual
secara statistik. Model goodness of fit dapat diukur dari nilai statistik F yang
menunjukkan apakah semua variabel independen yang dimasukkan dalam model
mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Kriteria
pengujian:
1. Pvalue < 0,05 menunjukkan bahwa uji model ini layak untuk digunakan pada
penelitian
2. Pvalue > 0,05 menunjukkan bahwa uji model ini tidak layak untuk digunakan
pada penelitian
Dari hasil perhitungan nilai indeks menunjukkan bahwa variabel harga memiliki rata-
rata ........ sehingga dapat disimpulkan bahwa tanggapan responden terhadap variabel
harga tergolong kategori ...............
Berikut ini hasil rekapitulasi tanggapan responden mengenai promosi produk XYZ:
Tabel 4
Rekapitulasi Tanggapan Responden Terhadap Promosi
Jawaban
Jumlah Nilai
Item Pernyataan Responden Ket
Skor Indeks
1 2 3 4 5
Pernyataan 1
Pernyataan 2
Pernyataan 3
Pernyataan 4
Pernyataan 5
Total
Rata-rata
Sumber: Data Olahan, Tahun 2022
Dari hasil distribusi jawaban responden, didapatkan nilai indeks sebesar:
11
Dari hasil perhitungan nilai indeks menunjukkan bahwa variabel promosi memiliki
rata-rata ........ sehingga dapat disimpulkan bahwa tanggapan responden terhadap
variabel promosi tergolong kategori ...............
Berikut ini hasil rekapitulasi tanggapan responden mengenai keputusan pembelian
produk XYZ:
Tabel 5
Rekapitulasi Tanggapan Responden Terhadap Keputusan Pembelian
Jawaban
Jumlah Nilai
Item Pernyataan Responden Ket
Skor Indeks
1 2 3 4 5
Pernyataan 1
Pernyataan 2
Pernyataan 3
Pernyataan 4
Pernyataan 5
Total
Rata-rata
Sumber: Data Olahan, Tahun 2022
Dari hasil distribusi jawaban responden, didapatkan nilai indeks sebesar:
(…. × 1)+ (…. × 2)+ (…. × 3)+ (…. × 4)+ (…. × 5)
Nilai Indeks = = ........
5 𝑝𝑒𝑟𝑛𝑦𝑎𝑡𝑎𝑎𝑛 𝑥 5
Hasil uji reliabilitas pada tabel diatas menunjukkan bahwa semua variabel mempunyai
koefisien Alpha yang cukup besar yaitu lebih ........ dari 0,6 sehingga dapat dikatakan
semua konsep pengukur masing-masing variabel dari angket adalah reliabel yang
berarti bahwa angket yang digunakan dalam penelitian ini merupakan angket yang
handal.
Dengan grafik scatterplots pada Gambar 5.1 terlihat bahwa titik-titik menyebar secara
acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y dan tidak
terdapat suatu pola yang jelas pada penyebaran data tersebut. Hasil ini dapat
disimpulkan bahwa ............................. heterokedastisitas pada model regresi,
sehingga model regresi .................... digunakan untuk memprediksi Keputusan
Pembelian.
d. Hasil Uji Autokorelasi
Tujuan pengujian ini adalah untuk mengetahui ada tidaknya korelasi antar anggota
dari observasi yang disusun menurut time series. Asumsi autokorelasi didefinisikan
sebagai terjadinya korelasi diantara data pengamatan, dimana munculnya suatu data
dipengaruhi oleh data sebelumnya. Penyimpangan autokorelasi dalam penelitian diuji
dengan uji Durbin-Watson (DW test). Berdasarkan output SPSS, maka hasil uji
autokorelasi pada tabel berikut:
Tabel 13
Hasil Uji Autokorelasi
Durbin-
du 4-du Keterangan
Watson
Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
1
a. Predictors: (Constant), Harga, Promosi
b. Dependent Variable: Kepuasan Kerja
Sumber: Data Olahan, Tahun 2022
18
Hasil pengujian diperoleh nilai thitung yang kemudian dibandingkan dengan nilai ttabel
dengan df = n (sampel) - k (jumlah variabel independen) -1 = …... - ...... - 1 = ...... dan
alpha 0,05 maka diperoleh nilai ttabel sebesar ................ Selain dengan
membandingkan nilai thitung dengan ttabel, hipotesis bisa diuji dengan melihat nilai
signifikansi. Pembahasan untuk Hipotesis 1-2 adalah sebagai berikut:
5. Kesimpulan
Berdasarkan pada hasil analisis regresi linier berganda yang telah dilakukan pada
penelitian ini, maka dapat ditarik kesimpulan bahwa:
a. Dari hasil uji hipotesis, Variabel Harga (X1) berpengaruh ......................................
terhadap Keputusan Pembelian. Artinya, .......................................................................
........................................................................................................................................
b. Dari hasil uji hipotesis, Variabel Promosi (X2) berpengaruh ......................................
terhadap Keputusan Pembelian. Artinya, .......................................................................
........................................................................................................................................
c. Variabel yang paling berpengaruh dominan terhadap keputusan pembelian adalah
variabel .......................... karena dapat dilihat dari nilai koefisien regresi sebesar .......
........................................................................................................................................
...............................................................................................................................