Dokumen tersebut berisi data mengenai harga, kualitas, kuantitas terhadap penilaian konsumen berdasarkan 30 responden. Terdapat korelasi antara kualitas dan penilaian konsumen, serta antara harga dan penilaian konsumen. Namun, hanya kualitas saja yang berpengaruh signifikan terhadap penilaian konsumen.
2. Output SPSS
Tabel 1 Correlations
Harga (X1) Kualitas (X2) Kuantitas (Y)
Penilaian
Konsumen (Z)
Harga (X1) Pearson Correlation 1 ,233 ,307 ,556**
Sig. (2-tailed) ,215 ,099 ,001
N 30 30 30 30
Kualitas (X2) Pearson Correlation ,233 1 ,106 ,578**
Sig. (2-tailed) ,215 ,579 ,001
N 30 30 30 30
Kuantitas (Y) Pearson Correlation ,307 ,106 1 ,295
Sig. (2-tailed) ,099 ,579 ,114
N 30 30 30 30
Penilaian Konsumen (Z) Pearson Correlation ,556** ,578** ,295 1
Sig. (2-tailed) ,001 ,001 ,114
N 30 30 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
Tabel 2 Model Summaryb
Model R R Square
Adjusted
R Square
Std.
Error of
the
Estimate
Change Statistics
R
Square
Change
F
Change
df1 df2
Sig. F
Change
1 0,731 0,534 0,48 3,093 0,534 9,94 3 26 0
a. Predictors: (Constant), Kuantitas (Y), Kualitas (X2), Harga (X1)
b. Dependent Variable: Penilaian Konsumen (Z)
Tabel 3 ANOVAb
Model Sum of
Squares df Mean Square F Sig.
1 Regression 285,205 3 95,068 9,940 ,000a
Residual 248,662 26 9,564
Total 533,867 29
a. Predictors: (Constant), Kuantitas (Y), Kualitas (X2), Harga (X1)
b. Dependent Variable: Penilaian Konsumen (Z)
Tabel 4 Coefficientsa
Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
3. 1 (Constant) 32,952 12,068 2,731 ,011
Harga (X1) ,236 ,083 ,410 2,850 ,008
Kualitas (X2) ,252 ,074 ,469 3,408 ,002
Kuantitas (Y) ,116 ,137 ,119 ,846 ,405
a. Dependent Variable: Penilaian Konsumen (Z)
Tabel 5 Correlations
Kuantitas (Y) Harga (X1) Kualitas (X2)
Pearson Correlation Kuantitas (Y) 1,000 ,307 ,106
Harga (X1) ,307 1,000 ,233
Kualitas (X2) ,106 ,233 1,000
Sig. (1-tailed) Kuantitas (Y) . ,049 ,289
Harga (X1) ,049 . ,108
Kualitas (X2) ,289 ,108 .
N Kuantitas (Y) 30 30 30
Harga (X1) 30 30 30
Kualitas (X2) 30 30 30
Tabel 6 Model Summaryb
Model R
R
Square
Adjuste
d R
Square
Std.
Error of
the
Estimat
e
Change Statistics
R
Square
Change
F
Change
df1 df2
Sig. F
Change
1 ,309 ,096 ,029 4,337 ,096 1,427 2 27 ,258
a. Predictors: (Constant), Kualitas (X2), Harga (X1)
b. Dependent Variable: Kuantitas (Y)
Tabel 7 ANOVAb
Model Sum of
Squares df Mean Square F Sig.
1 Regression 53,664 2 26,832 1,427 ,258a
Residual 507,803 27 18,808
Total 561,467 29
a. Predictors: (Constant), Kualitas (X2), Harga (X1)
b. Dependent Variable: Kuantitas (Y)
Tabel 8 Coefficientsa
Model Unstandardized
Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
4. 1 (Constant) 69,526 10,362 6,710 ,000
Harga (X1) ,176 ,111 ,299 1,588 ,124
Kualitas (X2) ,020 ,104 ,036 ,190 ,850
a. Dependent Variable: Kuantitas (Y)
LANGKAH-LANGKAH MENGANALISIS DAN MEMAKNAI PATH ANALYSIS
1. Merumuskan hipotesis dan persamaan struktural Model-1
Hipotesis Model-1: harga, fasilitas, dan produk berkontribusi secara simultan terhadap citra pelanggan.
Struktur Model-1: Z= ρzx1 X1+ ρzx2 X2 + ρzy Y + ρz ԑ1
2. Bentuk diagram koefisien jalur Model-1
𝝆zx1
r12
Gambar 1. Hubungan Struktur X1, X2, dan Y terhadap Z Model-1
3. Bentuk diagram koefisien jalur Model-2
Hipotesis Model-2: harga, fasilitas, dan produk berkontribusi secara simultan terhadap
produk.
Struktur Model-2 : Y = ρyx1 X1+ ρyx2 X2 + ρyԑ2
Gambar 2. Hubungan Struktur X1 dan X2 terhadap Y Model-2
4. Menghitung koefisien jalur Model-1
Uji secara keseluruhan ditunjukkan oleh Tabel 3 Anova. Hipotesis statistik dirumuskan sebagai berikut.
Ha: ρzx1= ρzx2= ρzy≠ 0
Ho: ρzx1= ρzx2= ρzy= 0
Hipotesis bentuk kalimat
Ha:Harga, fasilitas dan produk berkontribusi secara simultan terhadap citra pelanggan.
Ho: Harga, fasilitas dan produk tidak berkontribusi secara simultan terhadap citra pelanggan.
Kaidah pengujian signifikansi: Program SPSS versi 17.0
Y Z
X2
𝝆yx1
𝝆yx2
𝝆y
𝜀2
𝝆zx2
𝝆zy
𝝆z
X1
𝜀1
r12
r12
X1
X2
Y
𝝆y
𝜀2
𝝆yx1
𝝆yx2
5. Jika nilai probabilitas 0,05 lebih kecil atau sama dengannilai probabilitas Sig atau [0,05 ≤ Sig], maka Ho
diterima dan Ha ditolak, artinya tidak signifikan.
Jika nilai probabilitas 0,05 lebih besar atau sama dengannilai probabilitas Sig atau [0,05 ≥ Sig], maka Ho
ditolak dan Ha diterima, artinya signifikan.
Tabel 2 Model Summaryb
diperoleh nilai Rsquare = 0,534 dan Tabel 3 Anova diperoleh nilai F
sebesar 9,94 nilai probabilitas (sig) = 0,000, karena nilai sig < 0,05, maka keputusannya adalah Ho
ditolak dan Ha diterima. Oleh sebab itu, pengujian secara individual dapat dilakukan. Pengujian ini
dilakukan untuk menguji apakah pengujian bisa dilanjutkan atau tidak. Jika terbukti bahwa Ha diterima,
maka pengujian secara individual (maksudnya pengujian antar variabel dapat dilanjutkan).
5. Pengujian Secara Individual [(X1 terhadap Z)], (X2 terhadap Z), dan (Y terhadap Z)] Model-1
a. Harga berkontribusi terhadap penilaian konsumen.
Uji secara individual ditunjukkan oleh Tabel 4 Coeficients, bahwa hasil koefisien jalur ρzx1 = 0,410.
Hipotesis penelitian yang akan diuji dirumuskan berbentuk hipotensis statistik berikut.
Ha: ρzx1> 0
Ho: ρzx1= 0
Hipotesis bentuk kalimat
Ha: Harga berkontribusi terhadap penilaian konsumen.
Ho: Harga tidak berkontribusi terhadap penilaian konsumen.
Uji signifikansi analisis jalur dicari yaitu membandingkan antara nilai probabilitas 0,05 dengan nilai
probabilitas Sig. Dasar pengambilan keputusan sebagai berikut.
Jika nilai probabilitas 0,05 lebih kecil atau sama dengannilai probabilitas Sig atau [0,05 ≤ Sig], maka Ho
diterima dan Ha ditolak, artinya signifikan.
Jika nilai probabilitas 0,05 lebih besar atau sama dengannilai probabilitas Sig atau [0,05 ≥ Sig], maka Ho
ditolak dan Ha diterima, artinya tidak signifikan.
Terlihat bahwa pada kolom Sig (signifikan) pada Tabel 4 Coeficients, didapat nilai sig. 0,08. Ternyata nilai
sig. 0,08 lebih besar dari nilai probabilitas 0,05 atau nilai 0,05 < 0,08, maka Ho diterima dan Ha ditolak
artinya koefisien analisis jalur adalah tidak signifikan. Jadi, harga tidak berkontribusi terhadap penilaian
konsumen.
b. Kualitas berkontribusi terhadap Penilaian Konsumen
Uji secara individual ditunjukkan oleh Tabel 4 Coeficients, bahwa hasil koefisien jalur ρzx2 = 0,469.
Hipotesis penelitian yang akan diuji dirumuskan berbentuk hipotesis statistik berikut.
Ha: ρzx2> 0
Ho: ρzx2 = 0
Hipotesis bentuk kalimat
Ha: Kualitas berkontribusi terhadap penilaian konsumen.
Ho: Kualitas tidak berkontribusi terhadap penilaian konsumen.
Terlihat bahwa pada kolom Sig (signifikan) pada Tabel 4 Coeficients, didapat nilai sig. 0,002. Ternyata
nilai sig. 0,002 lebih kecil dari nilai probabilitas 0,05 atau 0,05 > 0,002 , maka Ho diterima dan Ha ditolak
artinya koefisien analisis jalur adalah tidak signifikan. Jadi, kualitas tidak berkontribusi terhadap penilaian
konsumen.
c. Kuantitas berkontribusi terhadap penilaian konsumen
Uji secara individual ditunjukkan oleh Tabel 4 Coeficients, bahwa hasil koefisien jalur ρzy= 0,119.
6. Hipotesis penelitian yang akan diuji dirumuskan berbentuk hipotesis statistik berikut.
Ha: ρzy> 0
Ho: ρzy= 0
Hipotesis bentuk kalimat
Ha: Kuantitas berkontribusi terhadap penilaian konsumen.
Ho: Kuantitas tidak berkontribusi terhadap penilaian konsumen.
Terlihat bahwa pada kolom Sig (signifikan) pada Tabel 4 Coeficients, didapat nilai sig. 0,405. Ternyata
nilai sig. 0,405. lebih besar dari nilai probabilitas 0,05 atau nilai 0,05 < 0,405 maka Ho diterima dan Ha
ditolak artinya koefisien analisis jalur adalah signifikan. Jadi, kuantitas berkontribusi terhadap penilaian
konsumen.
Kerangka hubungan kasual empiris X1, X2, dan Y terhadap Z dapat dibuat melalui persamaan struktural
Model-1 sebagai berikut. 0,534
Struktur Model-1: Z = ρzx1 X1+ ρzx2 X2 + ρzy Y + ρz ԑ1
Z = 0,410.X1 + 0,469 X2 + 0,119 Y + 0,466 ԑ1
Nilai R2
zyx1x2 atau Rsquare dapat dilihat pada Tabel 2 Model Summaryb
. Untuk mencari nilai ρz ԑ1(variabel
sisa) ditentukan dengan rumus sebagai berikut.
Rumus: ρz ԑ1 = 1- R2
zyx1x2 = 1-0,534 = 0,466
𝝆zx1== 0,410
r12
Gambar 3. Diagram Jalur Hubungan Kasual Empiris X1, X2 dan Y terhadap Z Model-1
6. Menghitung koefisien jalur Model-2
Uji secara keseluruhan ditunjukkan oleh Tabel 7 Anova. Hipotesis statistik dirumuskan sebagai berikut.
Ha: ρyx1= ρyx2≠ 0
Ho: ρyx1= ρyx2= 0
Hipotesis bentuk kalimat
Ha: Harga dan kualitas berkontribusi secara simultan terhadap kuantitas.
Ho: Harga dan kualitas tidak berkontribusi secara simultan terhadap kuantitas.
Tabel 6 Model Summaryb
diperoleh nilai Rsquare = 0,069 dan Tabel 7 Anova diperoleh nilai F sebesar
1,427 dengan nilai probabilitas (sig)=0,258, karena nilai sig < 0,05, maka keputusannya adalah Ho ditolak
dan Ha diterima. Oleh sebab itu, pengujian secara individual dapat dilakukan.
7. Pengujian Secara Individual [(X1 terhadap Y)], (X2 terhadap Y)] Model-2
a. Harga berkontribusi terhadap kuantitas
Y Z
X2
𝝆yx2=0,036
𝝆yx1=0,299
𝝆y=0,904
𝝆zx2==0,469
𝝆zy=0,119
𝝆z=0,466
X1
r12=0,233
R2
zyx1x2=0,534
7. Uji secara individual ditunjukkan oleh Tabel 8 Coeficients, bahwa hasil koefisien jalur ρyx1 = 0,299.
Hipotesis penelitian yang akan diuji dirumuskan berbentuk hipotensis statistik berikut.
Ha: ρyx1> 0
Ho: ρyx1= 0
Hipotesis bentuk kalimat
Ha: Harga berkontribusi terhadap kuantitas.
Ho: Harga tidak berkontribusi terhadap kuantitas.
Terlihat bahwa pada kolom Sig (signifikan) pada Tabel 8 Coeficients, didapat nilai sig. 0,124. Ternyata
nilai sig. 0,124 lebih besar dari nilai probabilitas 0,05 atau nilai 0,05 < 0,124, maka Ho diterima dan Ha
ditolak artinya koefisien analisis jalur adalah tidak signifikan. Jadi, harga tidak berkontribusi terhadap
kuantitas.
b. Kualitas berkontribusi terhadap kuantitas
Uji secara individual ditunjukkan oleh Tabel 8 Coeficients, bahwa hasil koefisien jalur ρyx2 = 0,036.
Hipotesis penelitian yang akan diuji dirumuskan berbentuk hipotesis statistik berikut.
Ha: ρzx2> 0
Ho: ρzx2 = 0
Hipotesis bentuk kalimat
Ha: Kualitas berkontribusi terhadap kuantitas
Ho: Kualitas tidak berkontribusi terhadap kuantitas
Terlihat bahwa pada kolom Sig (signifikan) pada Tabel 8 Coeficients, didapat nilai sig. 0,850. Ternyata
nilai sig. 0,850 lebih besar dari nilai probabilitas 0,05 atau nilai 0,05 < 0,850, maka Ho diterima dan Ha
ditolak artinya koefisien analisis jalur adalah tidak signifikan. Jadi, kualitas tidak berkontribusi terhadap
kuantitas. Kerangka hubungan kasual empiris X1 dan X2 terhadap Y dapat dibuat melalui persamaan struktural
Model-2 sebagai berikut.
Struktur Model-2: Y = ρyx1 X1 + ρyx2 X2 + ρy ԑ2
Y = 0,299 X1 + 0,036 X2 + 0,904 ԑ2
Nilai R2
zyx1x2 atau Rsquare dapat dilihat pada Tabel 6 Model Summaryb
. Untuk mencari nilai ρz ԑ2 (variabel
sisa) ditentukan dengan rumus sebagai berikut.
Rumus: ρy ԑ2 = 1- R2
yx1x2 = 1-0,096 = 0,904
Gambar 4. Diagram Jalur Hubungan Kasual Empiris X1 dan X2 terhadap Y Model-2
𝜀2
r12=0,233
X1
X2
Y
𝝆y=0,904
𝝆yx2= 0,036
𝝆yx1=0,299
𝜀2
R2
yx1x2=0,096
8. MEMAKNAI HASIL PATH ANALYSIS (ANALISIS JALUR)
Berdasarkan hasil perhitungan analisis jalur struktur tersebut, maka memberikan informasi secara objektif
sebagai berikut :
1. Hasil kontribusi model-1
a. Beberapa pengaruh langsung dan tidak langsung (melalui Y) dan pengaruh total tentang pengaruh harga
(X1), kualitas (X2), dan kuantitas (Y) terhadap penilaian konsumen (Z) diuraikan sebagai berikut :
1) Pengaruh langsung variabel X1 terhadap Z = 0,410.
Pengaruh tidak langsung variabel X1 terhadap Z melalui Y =
0,410 + (0,036 x 0,119) = 0,410 + (0,004284) = 0,414284
Pengaruh total X1 terhadap Z = 0,414284.
2) Pengaruh langsung variabel X2 terhadap Z = 0,469
Pengaruh tidak langsung variabel X2 terhadap Z melalui Y =
0,469+ (0,299 x 0,119) = 0,469 + (0,035581) = 0,504581
Pengaruh total X2 terhadap Z = 0,504581.
b. Kontribusi harga (X1) yang secara langsung mempengaruhi penilaian konsumen (Z) sebesar 0,410² = 0,1681
atau 16,81%.
c. Kontribusi kualitas (X2) yang secara langsung mempengaruhi penilaian konsumen (Z) sebesar 0,469² =
0,219961 atau 21,9961%.
d. Kontribusi kuantitas (Y) yang secara langsung mempengaruhi penilaian konsumen (Z) sebesar 0,119² =
0,014161 atau 1,4161%.
e. Kontribusi harga (X1), kualitas (X2) dan kuantitas (Y) secara simultan yang langsung mempengaruhi
penilaian konsumen (Z) sebesar R²square = 0,096 = 9,6%. Sisanya sebesar 0,904= 90,4% dipengaruhi faktor-
faktor lain yang tidak dapat dijelaskan dalam penelitian.
2. Hasil kontribusi model-2
a. Kontribusi harga (X1) yang secara langsung mempengaruhi kuantitas (Y) sebesar 0,036² = 0,001296 atau
0,1296%.
b. Kontribusi fasilitas (X2) yang secara langsung mempengaruhi produk (Y) sebesar
0,299² = 0,026730899 atau 2,67%.
c. Kontribusi harga (X1) dan kualitas (X2) secara simultan yang langsung mempengaruhi produk (Y) sebesar
R²𝑠𝑞𝑢𝑎𝑟𝑒 = 0,069 = 6,9%. Sisanya sebesar 0,931 = 93,1% dipengaruhi faktor-faktor lain yang tidak dapat
dijelaskan dalam penelitian.
Tabel 9 Rangkuman Dekomposisi dari koefisien jalur, pengaruh langsung dan tidak langsung,
pengaruh total harga (X1), fasilitas (X2), dan produk (Y) terhadap citra pelanggan (Z)
0,469+ (0,299 x 0,119) = 0,469 + (0,035581)
Pengaruh Variabel
Pengaruh Kausal
Sisa
ε1 dan ε2
TotalTidak Langsung
Langsung Melalui Y
X1 terhadap Z 0,410 - - 0,410
- 0,410 + (0,036 x 0,119) - 0,414284
X2 terhadap Z 0,469 - - 0,071
- 0,469+(0,299 x 0,119) - 0,504581
X1 X2 Y terhadap Z 0,534 - 0,466 1,00
X1 terhadap Y 0,036 - - 0,036
X2 terhadap Y 0,299 - - 0,299
X1 X2 terhadap Y 0,096 - 0,904 1,00
9. Output Uji Statistik
1. Uji Normalitas
Uji normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel berasal dari populasi yang
berdistribusi normal. Ada beberapa teknik yang dapat digunakan untuk menguji normalitas
data, antara lain uji chi-kuadrat, uji lilliefors, dan uji kolmogorov-smirnov.
Untuk menguji normalitas data dengan SPSS, lakukan langkah- langkah berikut ini.
Entry data atau buka file data yang akan dianalisis
Pilih menu utama berikut ini
Analyze Descriptives Statistics Explore
Akan muncul sebuah kotak dan pilih X1,X2,Y, dan Z sebagai dependent list
Klik Plots,kemudian aktifkan Histogram dan Normality plot with test.
Klik Continue, lalu klik OK
Tests of Normality
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Harga (X1) ,155 30 ,064 ,963 30 ,362
Kualitas (X2) ,167 30 ,033 ,941 30 ,094
Kuantitas (Y) ,182 30 ,013 ,924 30 ,034
Penilaian Konsumen (Z) ,195 30 ,005 ,828 30 ,000
a. Lilliefors Significance Correction
Keluaran pada gambar di atas menunjukkan uji normalitas data y, yang sudah diuji sebelumnya secara
manual dengan uji Lilliefors dan Kolmogorov-Smirno v. Pengujian dengan SPSS berdasarkan pada uji
Kolmogorov–Smirnov dan Shapiro-Wilk. Pilih salah satu saja misalnya Kolmogorov–Smirnov.
Hipotesis yang diuji adalah:
Ho : Sampel berasal dari populasi berdistribusi normal
Ha : Sampel berasal dari populasi berdistribusi tidak normal
Dasar pengambilan keputusan sebagaiberikut.
Jika signifikansi yang diperoleh > 0,05 , maka Ho diterima dan Ha ditolak, yang berarti sampel berasal
dari populasi berdistribusi normal
Jika signifikansi yang diperoleh < 0,05 , maka Ho ditolak dan Ha diterima, yang berarti sampel berasal
dari populasi berdistribusi tidak normal.
Kesimpulan yang didapat dari Tabel Test of Normality adalah:
Harga berada pada nilai sig 0,064. Ternyata nilai sig. 0,064 lebih besar dari nilai sig 0,05 atau nilai 0,05 <
0,64, maka Ho diterima dan Ha ditolak artinya sampel berasal dari populasi berdistribusi normal.
Kuantitas berada pada nilai sig 0,13, Kualitas berada pada nilai sig 0,033, Penilaian konsumen pada nilai
sig 0,005. Ternyata nilai tersebut lebih kecil dari sig 0,05 maka Ho ditolak dan Ha diterima artinya sampel
tidak berasal dari populasi berdistribusi normal
2. Uji Deskriptif
10. Statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus
data sehingga menaksir kualitas data berupa jenis variabel, ringkasan statistik (mean, median, modus, standar
deviasi, etc), distribusi, dan representasi bergambar (grafik), tanpa rumus probabilistik apapun (Walpole, 1993;
Correa-Prisant, 2000; Dodge, 2006).
Langkah-langkah:
Entry data atau buka file data yang akan dianalisis
Pilih menu utama berikut ini
Analyze Descriptive Statistics Descriptive
Lalu akan muncul sebuah kotak, pindahkan variable-variabel yang ada ke form Variables(s).
Lalu klik Options, Centang analisis yang diperlukan. Dalam hal ini pilihannya adalah: Mean, Std.
deviation, Minimum, Maximum, Kurtosis, Skewness, dan pada form Display Order centang Variable list.
Lalu Continue, dan terakhir klik OK.
Syarat pengambilan keputusan:
Jika nilai skewness positif maka distribusi data “miring ke kiri distribusi normal” (ada frekuensi nilai yang
tinggi di sebelah kiri titik tengah distribusi normal), sebaliknya apabila skewness negatif maka distribusi
data ”miring ke kanan distribusi normal”.
Jika nilai kurtosis positif maka distribusi data “meruncing” (ada satu nilai yang mendominasi), sebaliknya
apabila Kurtosis Negatif maka distribusi data “melandai” (varians besar).
Kesimpulan:
Harga— Skewness pada Harga -0,284 berarti skewness negatif maka distribusi data ”miring ke kanan
distribusi normal. Kurtosis pada Harga -0,283 berarti kurtosis negatif maka distribusi data melandai
Kualitas— Skewness pada Kualitas 0,129 berarti skewness positif maka distribusi data “miring ke kiri
distribusi normal. Kurtosis pada Kualitas -0,465 berarti kurtosis negatif maka distribusi data “melandai”
Kuantitas— Skewness pada Kualitas 0,838 berarti skewness positif maka distribusi data “miring ke kiri
distribusi normal. Kurtosis pada Kualitas 0,611 berarti kurtosis positif maka distribusi data meruncing.
Penilaian Konsumen— Skewness pada penilaian konsumen -1,086 berarti skewness negatif maka distribusi
data ”miring ke kanan distribusi normal. Kurtosis pada Harga 0,6138 berarti kurtosis positif maka
distribusi data meruncing.
3. Uji Homogenitas
Uji homogenitas dimaksudkan untuk memperlihatkan bahwa dua atau lebih kelompok data sampel berasal
dari populasi yang memiliki variansi yang sama. Pada analisis regresi, persyaratan analisis yang dibutuhkan adalah
Descriptive Statistics
N
Ran
ge
Minim
um
Maxi
mum
Sum Mean
Std.
Deviatio
n
Varianc
e
Skewness Kurtosis
Statist
ic
Stati
stic
Statist
ic
Statist
ic
Statistic
Statist
ic
Std.
Error
Statistic Statistic
Statist
ic
Std.
Error
Statist
ic
Std.
Error
Harga
(X1)
30 30 60 90 2290 76,33 1,363 7,466 55,747 -,284 ,427 -,283 ,833
Kualitas
(X2)
30 32 66 98 2380 79,33 1,460 7,997 63,954 ,129 ,427 -,465 ,833
Kuantitas
(Y)
30 19 78 97 2536 84,53 ,803 4,400 19,361 ,838 ,427 ,611 ,833
Penilaian
Konsumen
(Z)
30 25 65 90 2422 80,73 ,783 4,291 18,409 -1,086 ,427 6,138 ,833
Valid N
(listwise)
30
11. bahwa galat regresi untuk setiap pengelompokan berdasarkan variabel terikatnya memiliki variansi yang sama.
Untuk menguji homogenitas data dengan SPSS, lakukan langkah- langkah berikut ini.
Entry data atau buka file data yang akan dianalisis
Pilih menu utama berikut ini
Analyze Compare Means One Way Anova
Akan muncul kotak dan pilih X1,X2,Y sebagai dependent list dan Z sebagai factor list.
Klik Options,kemudian aktifkan Descriptive dan Homogenity ofVarians.
Klik Continue, lalu klik OK
Hipotesis yang diuji ialah :
Ho : Variansi pada tiap kelompok sama (homogen)
Ha : Variansi pada tiap kelompok tidak sama (tidak homogen)
Dasar pengambilan keputusan sebagaiberikut.
Jika signifikansi yang diperoleh > 0,05 , maka Ho diterima dan Ha ditolak, yang berarti variansi setiap
sampel sama (homogen).
Jika signifikansi yang diperoleh < 0,05, maka Ho ditolak dan Ha diterima, yang berarti variansi setiap
sampel tidak sama (tidak homogen)
Kesimpulan:
Harga berada pada sig 0,416 dan kuantitas berada pada sig 0,854 yang notabene lebih besar dari
0,05, maka Ho diterima dan Ha ditolak yang berarti variansi setiap sampel sama (homogen)
Sedangkan kualitas yang memiliki nilai sig 0,19 yang notabene lebih kecil dari 0,05 maka Ho
diterima dan Ha ditolak yang berarti variansi setiap sampel tidak sama (tidak homogen)
4. Uji Linieritas
Uji linieritas dilakukan dilakukan dengan mencari persamaan garis regresi variabel bebas x terhadap
variabel terikat y. Berdasarkan garis regresi yang telah dibuat, selanjutnya diuji keberartian koefisien garis regresi
serta linieritasnya.
Uji linieritas antara variabel bebas X dengan variabel terikat Y memanfaatkan SPSS dilakukan melalui
langkah-langkah sebagai berikut.
Entry data atau buka file data yang akan dianalisis
Pilih menu utama berikut ini
Analyze Compare Means Means
Akan muncul kotak. Pindahkan variabel X1, X2, Y ke list dependent dan pindahkan variabel Z ke
listindenpendent.
Klik Options,kemudian aktifkan Test ofLinierity.
Klik Continue, lalu klik OK
Susun hipotesis:
Ho: Model regresilinier
Ha: Model regresitidak linier
Dasar pengambilan keputusan sebagaiberikut.
Jika signifikansi yang diperoleh > 0,05 , maka Ho diterima berarti regresi linier
Jika signifikansi yang diperoleh < 0,05, maka Ha diterima berarti regresi tidak linier
Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
Harga (X1) 1,036 4 18 ,416
Kualitas (X2) 3,870 4 18 ,019
Kuantitas (Y) ,330 4 18 ,854
12. ANOVA Table
Sum of
Squares
df Mean Square F Sig.
Harga (X1)
* Penilaian
Konsumen
(Z)
Between
Groups
(Combined) 973,167 11 88,470 2,475 ,043
Linearity 500,021 1 500,021 13,987 ,001
Deviation from
Linearity
473,146 10 47,315 1,323 ,290
Within Groups 643,500 18 35,750
Total 1616,667 29
Kualitas
(X2) *
Penilaian
Konsumen
(Z)
Between
Groups
(Combined) 1180,083 11 107,280 2,863 ,023
Linearity 618,585 1 618,585 16,506 ,001
Deviation from
Linearity
561,499 10 56,150 1,498 ,219
Within Groups 674,583 18 37,477
Total 1854,667 29
Kuantitas
(Y) *
Penilaian
Konsumen
(Z)
Between
Groups
(Combined) 254,967 11 23,179 1,361 ,271
Linearity 48,714 1 48,714 2,861 ,108
Deviation from
Linearity
206,252 10 20,625 1,211 ,347
Within Groups 306,500 18 17,028
Total 561,467 29
Kesimpulan:
Untuk Harga Terhadap Penilaian Konsumen— Hasil analisis menunjukkan bahwa harga F sebesar 1,323
dengan signifikansi 0,290. Ternyata hasil analisis menunjukkan bahwa sig.(0,290) > a (0,05), berarti model
regresi linier.
Untuk Kualitas Terhadap Penilaian Konsumen— Hasil analisis menunjukkan bahwa harga F sebesar 1,498
dengan signifikansi 0,219. Ternyata hasil analisis menunjukkan bahwa sig.(0,219) > a (0,05), berarti model
regresi linier.
Untuk Kuantitas Terhadap Penilaian Konsumen— Hasil analisis menunjukkan bahwa harga F sebesar
1,211 dengan signifikansi 0,347. Ternyata hasil analisis menunjukkan bahwa sig.(0,347) > a (0,05), berarti
model regresi linier.
Uji Asumsi Klasik [ Uji Multikolinieritas, Uji Auto Korelasi , Uji Heterokedastisitas)
5. Uji Multikolinieritas
Multikolinieritas dapat dideteksi dengan menghitung koefisien korelasi ganda dan membandingkannya
dengan koefisien korelasi antar variabel bebas. Sebagai contoh, dia mbil kasus regresi x1, x2, x3, x4 terhadap y.
Pertama dihitung Ry, x1x2x3x4. Setelah itu, dihitung korelasi antar enam pasang variabel bebas, yaitu rx1x2,
rx1x3, rx1x4, rx2x3, rx2x4, dan rx3x4. Apabila salah satu dari koefisien korelasi itu sangat kuat, maka dilanjutkan
dengan menghitung koefisien korelasi ganda dari masing-masing variabel bebas dengan 3 variabel bebas lainnya,
yaitu Rx1, x2x3x4; Rx2, x1x3x4; Rx3, x1x2x4; dan Rx4, x1x2x3. Apabila beberapa koefisien korelasi tersebut
mendekati Ry, x1x2x3x4, maka dikatakan terjadi multikolinieritas.
Uji linieritas antara variabel bebas X dengan variabel terikat Y memanfaatkan SPSS dilakukan melalui langkah-
langkah sebagai berikut.
Entry data atau buka file data yang akan dianalisis
Pilih menu utama berikut ini
13. Analyze Regression Linier
Akan muncul kotak. Pindahkan variabel Z ke dependent dan pindahkan variabel X1,X2, Y ke list
indenpendent.
Klik Statistic, dan pilih colliniearity diagnostics, sehingga tampak kotak dialog
Klik Continue, lalu klik OK
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1
(Constant) 32,952 12,068 2,731 ,011
Harga (X1) ,236 ,083 ,410 2,850 ,008 ,865 1,156
Kualitas (X2) ,252 ,074 ,469 3,408 ,002 ,944 1,059
Kuantitas (Y) ,116 ,137 ,119 ,846 ,405 ,904 1,106
a. Dependent Variable: Penilaian Konsumen (Z)
Kriteria yang digunakan adalah:
jika nila VIF di sekitar angka 1 atau memiliki toerance mendekati 1, maka dikatakan tidak terdapat
masalah multikolinieritas dalam model regresi;
jika koefisien korelasi antar variabel bebas kurang dari 0,5, maka tidak terdapat masalah multikolinieritas.
Kesimpulan:
Ternyata nilai VIF mendekati 1 untuk semua variabel bebas. Demikian pula, nilai tolerance mendekati 1
untuk semua variabel bebas. Dengan demikian, dapat disimpulkan bahwa dalam regresi antara variabel
harga (x1), kualitas (x2), dan kuantitas (y) terhadap penilaian konsumen (z) tidak terjadi masalah
multikolinieritas antar variabel bebas.
6. Uji autokorelasi
Uji Autokorelasi merupakan salah satu uji asumsi klasik dalam analisis regresi linear berganda. Uji
autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1).
Langkah-langkah:
Entry data atau buka file data yang akan dianalisis
Pilih menu utama berikut ini
Analyze Regression Linier
Akan muncul kotak. Pindahkan variabel Z ke dependent dan pindahkan variabel X1,X2, Y ke list
indenpendent.
Setelah itu pilih statistics, dan pilih Durbin-Watson.
Selanjutnya pilih continue, lalu OK.
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 ,731 ,534 ,480 3,093 2,148
a. Predictors: (Constant), Kuantitas (Y), Kualitas (X2), Harga (X1)
b. Dependent Variable: Penilaian Konsumen (Z)
Dasar Pengambilan Keputusan Uji Autokorelasi:
1.65 < DW < 2.35 tidak terjadi autokorelasi
1.21 < DW < 1.65 dan 2.35 < DW < 2.79 tidak dapat disimpulkan
DW < 1.21 atau DW > 2.79 terjadi autokorelasi
14. Kesimpulan:
Ternyata koefisien Durbin-Watson besarnya 2,148. Dengan demikian, dapat disimpulkan bahwa dalam
regresi antara variabel Harga (X1), Kualitas (X2), dan Kuantitas (Y) terhadap Penilaian Konsumen (Z)
tidak terjadi autokorelasi.
7. Uji Heterokedastisitas
Heterokedastisitas terjadi dalam regresi apabila varian error (ei) untuk beberapa nilai x tidak konstan atau
berubah-ubah. Pendeteksian konstan atau tidaknya varian error konstan dapat dilakukan dengan menggambar
grafik antara y dengan residu (y- y). Apabila garis yang membatasi sebaran titik -titik relatif paralel maka varian
error dikatakan konstan. Contoh berikut menampilkan uji heterokedastisitas dengan grafik, untuk data hubungan
antara insentif (x) dengan kinerja, yang
telah diuji linieritasnya.
Langkah-langkah:
Entry data atau buka file data yang akan dianalisis
Pilih menu utama berikut ini
Analyze Regression Linier
Akan muncul kotak. Pindahkan variabel Z ke dependent dan pindahkan variabel X1,X2, Y ke list
indenpendent.
Setelah itu klik Plots,dan pindahkan SRESID ke Y dan ZPRED ke X.
Selanjutnya pilih continue, lalu OK.
Dasar pengambilan keputusan sebagaiberikut.
Jika signifikansi yang diperoleh > 0,05 , maka Ho diterima berarti terjadi heteroskedastisitas.
Jika signifikansi yang diperoleh < 0,05, maka Ha diterima berarti tidak heteroskedastisitas.
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 32,952 12,068 2,731 ,011
Harga (X1) ,236 ,083 ,410 2,850 ,008 ,865 1,156
Kualitas (X2) ,252 ,074 ,469 3,408 ,002 ,944 1,059
Kuantitas (Y) ,116 ,137 ,119 ,846 ,405 ,904 1,106
a. Dependent Variable: Penilaian Konsumen (Z)
Berdasarkan output di atas dapat diketahui bahwa:
Nilai signifikansi Variabel Harga (X1) sebesar 0,008 lebih kecil dari 0,05, artinya terjadi
heteroskedastisitas pada variabel Harga (X1).
Nilai signifikansi Variabel Kualitas (X2) sebesar 0,002 lebih kecil dari 0,05, artinya terjadi
heteroskedastisitas pada Variabel Kualitas (X2)
Nilai signifikansi Variabel Kuantitas (Y) sebesar 0,405 lebih besar dari 0,05, artinya tidak terjadi
heteroskedastisitas pada variabel Kuantitas (Y).