BAB III METODE ANALISIS DATA

yang akan diteliti Pengolahan data menggunakan program Minitab 14cedil

program Microsoft Excel dan Statistical Analysis System (SAS) Analisis data yang

digunakan adalah Consumer Decision Model (CDM)

1 Cosumer Decision Model (CDM)

Penelitian ini mengukur efektivitas social media dengan menggunakan alat

analisis Consumer Decision Model (CDM) CDM adalah suatu model dengan variabel

yang saling berhubungan yaitu pesan iklan yang diinterpretasikan menjadi 34

informasi di sosial media (F finding information) pengenalan merek (B brand

recognition) Sikap konsumen (A Attitude) tingkat keyakinan (CConfidence) niat

beli (I Intention) dari konsumen dan pembelian (P Purchase) yang nyata Bukan

hanya iklan yang dapat diukur tingkat efektivitasnya CDM juga dapat diterapkan

untuk mengukur efektifitas word of mouth marketing Model ini menggunakan

analisis bentuk hubungan dan analisis keeratan hubungan Pengaruh langsung suatu

variabel indepeden terhadap variabel dependen ditelusuri dengan analisis regresi

sederhana dan regresi linier berganda Regresi linier digunakan untuk melihat

hubungan antara satu variabel dengan yang lainnya Analisis yang dilakukan dalam

penelitian ini mencakup semua variabel yaitu sampai terjadi proses pembelian nyata

Informasi yang dilihat melalui social media pada penelitian ini

diinterpretasikan dari variabel pesan iklan (F) Untuk mengetahui efektivitas iklan

dengan menggunakan CDM digunakan analisis bentuk hubungan dan analisis

keeratan hubungan Pengaruh langsung suatu variabel independen terhadap variabel

dependen ditelusuri dengan analisis regresi Analisis regresi yang digunakan

memeperhatikan prinsip parsimony yaitu semakin sederhana suatu model semakin

bagus model tersebut dan dengan pertimbangan efisiensi dari sisi pengguna

(Durianto2003) Model populasi yang digunakan adalah

Yi = α +βXi + εi (4)

Dimana

Yi = variabel dependen

Xi = variabel independen

α = intersep model

β = koefisien regresi

εi = eror term

Pada persamaan tersebut akan dianalisis persamaan regresi sederhana

antara variabel informasi yang dilihat di social media (F) dengan pengenalan

merek (B) informasi yang dilihat di social media (F) dengan kepercayaan

konsumen (C) informasi yang dilihat di social media (F) dengan sikap

konsumen (A) Pada ketiga pesan tersebut variabel informasi yang dilihat di

social media (F) menjadi variabel independen dan variabel B C dan A

menjadi variabel dependen Persamaan regresi berikutnya adalah persamaan

regresi antara variabel pengenalan merek (B) dengan kepercayaan konsumen

(C) pengenalan merek (B) dengan sikap konsumen (A) dimana variabel B

sebagai variabel independen dan variabel C dan A sebagai variabel dependen

Persamaan berikutnya yang akan dianalisis adalah persamaan regresi

sederhana antara variabel niat beli (I) dengan kepercayaan konsumen (C) niat

beli (I) dengan sikap konsumen (A) dan niat beli (I) dengan pembelian nyata

(P) Pada persamaan ini variabel niat beli (I) sebagai variabel dependen dan

variabel C A dan P menjadi variabel independen

Pembentukan model dan pengujian signifikansi variable independent

terhadap variable dependent dilakukan melalui pendekatan OLS method

(Ordinary Least Square Method) Prinsip metode ini meminimumkan selisih

kuadrat antara Y observasi dengan Y dugaan Model sampel untuk regresi

linier sederhana adalah

Yi = a + bXi (5)

Keterangan

a = penduga bagi intercept (α)

b = penduga bagi koefisien regresi (β)

dengan menggunakan OLS nilai a dan b diperoleh dari 119887=119899(Σ119883119884)minus(Σ119883)(Σ119884)119899(Σ1198832)minus(Σ119883)2 (6) 119886= Σ119884minus119887(Σ119883)119899 (7)

Pengujian nilai parameter regresi digunakan uji t apakah sama dengan nilai

tertentu Hipotesis nol dan hipotesis tandingannya ditentukan sebagai berikut

11986701 1205731= 0 (variabel independen tidak memiliki pengaruh signifikan

terhadap variabel dependen) 1198671198861 1205731ne 0 (variabel independen memiliki pengaruh signifikan terhadap

variabel dependen)

Setiap nilai koefisien regresi dapat dihitung nilai t-nya sebagai berikut 119905=120573119896minus120573119896119878 (8)

hasil yang diperoleh kemudian dibandingkan dengan nilai 119905119905119886119887119890119897 Jika nilai 119905ℎ119894119905119906119899119892 gt 119905119905119886119887119890119897 maka pengaruh variabel independen terhadap dependen

signifikan

Asumsi utama yang mendasari model regresi dengan menggunakan metode

OLS adalah sebagai berikut

1 Model regresi linier artinya linier dalam parameter

2 X diasumsikan nonstokastik artinya nilai X dianggap tetap dalam sampel

yang berulang

3 Nilai rata-rata kesalahan adalah nol E(ui Xi)=0

4 Homokedasitisitas artinya varians kesalahan sama untuk setiap

periode(homo=samaskedastisitas=sebaran) Dinyatakan dala bentuk

matematis var(ui Xi)=σ2

5 Tidak ada otokorelasi antar kesalahan (antara ui dan uj tidak ada

korelasinya) Dinyatakan dalam bahasa matematis covarians (ui uj ) = 0

6 Antara u dan X saling bebas sehingga cov (ui Xi) = 0

7 Tidak ada multikolinearitas yang sempurna antar variabel bebas

8 Jumlah observasi n harus lebih besar daripada jumlah parameter yang

diestimasi (jumlah variabel bebas)

9 Model regresi telah dispesifikasikan secara benar Dengan kata lain tidak

ada bias (kesalahan) spesifikasi dalam model yang digunakan dalam

analisis empiris

Minitab versi 14 digunakan sebagai alat bantu alat penelitian Kriteria

signifikansi dilihat dari perbandingan nilai signifikansi yang diperoleh dengan 119886 Jika nilai signifikansi lebih kecil daripada nilai 119886 dinyatakan sebagai

pengaruh variabel independen terhadap variabel dependen hasilnya signifikan

dan jika yang terjadi sebaliknya maka hasilnya tidak signifikan Nilai 119886 yang

digunakan dalam penelitian adalah 5

Analisis regresi berganda digunakan untuk menguji hubungan antara variabel

F (pesan iklan) B (pengenalan merek) C (kepercayaan konsumen) Dimana

variabel C sebagai variabel dependen sedangkan variabel F dan B menjadi

variabel independen Selain itu pengujian dilakukan terhadap hubungan

antara variabel F B dan A Dimana variabel A (sikap konsumen) menjadi

variabel dependen sedangkan variabel F dan B menjadi variabel independen

Selanjutnya menguji hubungan antara variabel C (kepercayaan konsumen)

dengan variabel A (sikap konsumen) dan I ( niat beli konsumen) dimana

variabel I menjadi variabel dependen sedangkan variabel C dan A menjadi

variabel independen Persamaan dalam regresi linier berganda adalah sebagai

berikut 119884=119886+ 11988711198831+11988721198832 (9)

Dimana

Y = variabel dependen

a = konstanta 1198871 119889119886119899 1198872 = koefisien regresi variabel independen 1198831 119889119886119899 1198832 = variabel independen

Setelah menganalisis dengan regresi linier maka selanjutnya hasil regresi diuji

menggunakan uji F dan uji parsial (uji t) tujuannya adalah melihat sejauh

mana suatu perhitungan statistik signifikan Artinya sejauh mana pengaruh

suatu variabel penjelas dalam menerangkan variasi variabel terikat Uji F

dilakukan untuk mengetahui apakah semua variabel bebas yang dimasukan

kedalam model memiliki pengaruh secara bersama-sama terhadap variabel

terikat (Kuncoro 2009) Langkah-langkah melakukan uji F adalah sebagai

berikut

1 Menentukan rumusan hipotesis Hipotesis nol dan tandingannya ditentukan

sebagai berikut

11986702 1205731= 0 (1198831 119889119886119899 1198832 tidak memiliki pengaruh signifikan terhadap

Y) 1198671198862 1205731ne 0 (1198831 119889119886119899 1198832 memiliki pengaruh signifikan terhadap Y)

2 Menentukan 119865ℎ119894119905119906119899119892 dengan menggunakan rumus

119865=1198772(119896minus1)frasl1minus1198772(119899minus3)frasl (10)

Dimana

R2 = koefisien determinasi

k = jumlah variabel

n = jumlah sampel

Pengambilan keputusan dilakukan berdasarkan perbandingan antara 119865ℎ119894119905119906119899119892 dengan 119865119905119886119887119890119897 yang sesuai dengan tingkat signifikansi yang

digunakan Bila 119865ℎ119894119905119906119899119892 lebih kecil dari 119865119905119886119887119890119897 atau p-value lebih besar

dari nilai 119886 maka keputusannya adalah menerima H0 Artinya secara statistik

bahwa semua variabel bebas yang dimasukan dalam model tidak berpengaruh

secara simultan terhadap variabel terikat Jika yang terjadi sebaliknya artinya

nilai 119865ℎ119894119905119906119899119892 lebih besar dari 119865119905119886119887119890119897 maka keputusannya adalah

menerima Ha dan menolak H0 Artinya secara statistik semua variabel bebas

berpengaruh terhadap nilai terikat secara bersama-sama

Uji t atau uji parsial adalah uji yang menunjukan seberapa jauh pengaruh satu

variabel penjelas secara individual dalam menerangkan variasi variabel terikat

Berikut langkah-langkah dalam melakukan uji parsial

1 Menentukan perumusan hipotesis dimana hipotesis nol dan tandingannya

ditentukan sebagai berikut 11986703 1205731= 0 (1198831 tidak memiliki pengaruh signifikan terhadap Y) 1198671198863 1205731ne 0 (1198831 memiliki pengaruh signifikan terhadap Y) 11986704 1205731= 0 ( 1198832 tidak memiliki pengaruh signifikan terhadapY) 1198671198864 1205731ne 0 ( 1198832 memiliki pengaruh signifikan terhadap Y)

2 Menghitung nilai t untuk setiap koefisien regresi dengan menggunakan

rumus (8) yang telah disebutkan Bila 119905ℎ119894119905119906119899119892 lebih kecil dari 119905119905119886119887119890119897 atau p-value lebih besar dari nilai 119886 maka keputusannya adalah menerima

H0 Artinya secara statistik bahwa koefisien regresi variabel independen

tidak berpengaruh terhadap nilai dependen Jika yang terjadi sebaliknya

artinya nilai 119905ℎ119894119905119906119899119892 lebih besar dari 119905119905119886119887119890119897 maka keputusannya

adalah menerima Ha dan menolak H0 Artinya secara statistik variabel

independen berpengaruh terhadap nilai dependen Artinya secara statistik

variabel independen (X1 dan X2) berpengaruh terhadap nilai dependen

(Y)

Menurut Simamora (2005) regresi stepwise digunakan untuk menilai

pernyataan variabel independen yang paling berpengaruh terhadap variabel

dependen Regresi stepwise melibatkan dua jenis proses yaitu forward

selection dan backward elimination Teknik ini menggunakan beberapa tahap

untuk menentukan variabel mana yang merupakan prediktor terbaik untuk

dimasukan kedalam model selama nilai p-valuenya kurang dari nilai kritik 119886

Jika terdapat vairabel yang nilai p-valuenya lebih dari nilai kritik 119886 maka akan

dihilangkan Proses ini akan terus berlanjut hingga variabel tidak dapat

dihilangkan atau ditambahkan lagi

Menurut Kuncoro (2009) koefisien determinasi (R2) digunakan untuk

mengukur seberapa jauh kemampuan model dalam menerangkan variasi

variabel terikat Koefisien determinasi berkisar antara nol sampai satu

Artinya semakin kecil nilai koefisien determinasi maka kemampuan variabel-

variabel bebas dalam menjelaskan variasi variabel terikat amat terbatas

Sedangkan nilai koefisien determinasi yang semakin mendekati satu berarti

variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan

untuk memprediksi variasi variabel terikat Selain itu perhitungan koefisien

determinasi (R

2 Analisis Korelasi Kanonikal

Analisis korelasi kanonikal digunakan untuk menganalisis faktor-faktor yang

menjadi pertimbangan dalam keputusan pembelian produk Maicih oleh

konsumen Korelasi kanonik merupakan teknik yang digunakan untuk

menentukan tingkat hubungan dua kelompok dua variabel yang masing-

masing terdiri dari beberapa variabel Artinya korelasi kanonik dapat

digunakan untuk melihat hubungan antara variabel independen dengan

independen dependen dengan independen dan dependen dengan dependen

Disamping itu korelasi kanonik juga dapat menguraikan struktur hubungan di

dalam variabel dependen maupun di dalam variabel independen Dalam

penelitian ini yang menjadi gugus peubah dependen (Y) adalah pembelian

nyata konsumen untuk membeli keripik Maicih dan yang menjadi gugus

peubah independen adalah faktor yang mempengaruhi perilaku konsumen

dalam proses keputusan pembelian Analisis ini dilakukan untuk mencari

faktor perilaku konsumen yang mempengaruhi pembelian nyata konsumen

untuk membeli keripik Maicih yang diamati berdasarkan lima peubah

pembelian yaitu pembelian nyata modern (Y1) pembelian nyata kesan (Y2)

pembelian nyata karakter (Y3) pembelian nyata mudah diingat (Y4) dan

pembelian nyata sering lihat (Y5) Faktor perilaku konsumen yang digunakan

dalam penelitian ini terdiri dari dua puluh variabel yaitu status sosial (X1)

teman (X2) keluarga (X3) kondisi cuaca (X4) wiraniaga(X5) besar

pengeluaran (X6) variasi level (X7) bentuk kemasan (X8) ukuran kemasan

(X9) harga (X10) merek (X11) manfaat (X12) pengetahuan atribut (X13)

pengetahuan tempat pembelian (X14) kepercayaan (X15) kepribadian (X16)

gaya hidup (X17) iklan (X18) media informasi (X19) dan pengalaman

(X20)

Prinsip dari metode ini yaitu membentuk suatu kombinasi linier dari setiap

gugus peubah (dependen dan independen) sehingga korelasi diantara kedua

gugus peubah tersebut menjadi maksimum Nilai korelasi kanonikal didapat

dari operasi aritmatika matrik korelasi kedua himpunan variabel (variat

kanonikal)

Tahapan analisis korelasi kanonik yaitu (1) Merumuskan tujuan penelitian

(2) merancang (3) asumsi yang diperlukan (4) menentukan fungsi kanonik

dan ukurannya (5) interpretasi fungsi kanonik dan (6) validasi hasil Asumsi-

asumsi yang harus menjadi perhatian dalam menentukan fungsi kanonik dan

ukuran kesesuaiannya adalah

1 Korelasi antar peubah asal didasarkan pada hubungan linier

2 Korelasi kanonik adalah hubungan linier antar variat

3 Multivariat ganda asumsi ini digunakan ketika pengujian fungsi kanonik

Setelah asumsi terpenuhi maka tahap selanjutnya adalah menentukan fungsi

kanonik dan ukuran keragaman sampel yang dipilih Fungsi kanonik

didapatkan dengan cara mencari pasangan dari kombinasi linier variabel

independen dengan variabel dependen yang memiliki korelasi terbesar

Selanjutnya pasangan-pasangan lain tidak diharapkan berkorelasi Kombinasi

ini disebut peubah kanonik dan korelasinya disebut korelasi kanonik

Kombinasi linier dari kedua gugus peubah dapat dituliskan sebagai berikut

U = arsquo X = a1X1 + a2X2 + + aqXq (12)

V = brsquo Y = b1Y1 + b2Y2 + + bpYp (13)

Dari persamaan tersebut maka harus dicari nilai koefisien a dan b dari rumus

berikut

Corr (UV) = 119886primeΣ 119909119910 1198871052069119886primeΣ 119909119909 119886 1052069119887primeΣ 119910119910 119887 sebesar mungkin(14)

Setelah penentuan peubah kanonik maka selanjutnya menentukan ukuran

keragaman sampel Proporsi keragaman X dapat diterangkan dengan rumus

R2zx = Σ 119903119894=1Σ119903119906119911119903119901119894=119896119901(15)

Sedangkan proporsi keragaman Y diterangkan dengan rumus

R2

ZX = Σ 119903119894=1Σ119903119906119911119903119902119894=119896119902(16)

Nilai keragaman proporsi yang didapat ditujukan untuk menentukan baik

tidaknya jumlah peubah kanonik yang dipilih Semakin besar nilai proporsi

maka semakin baik peubah-peubah kanonik menerangkan keragaman data

asal

Nilai-nilai yang didapat sebelumnya akan diinterpretasikan melalui koefisien

kanonik atau yang disebut juga bobot kanonik dan nilai loading kanonik

Koefisien a dan b yang telah dibakukan merupakan nilai koefisien kanonik

yang menjelaskan besarnya kontribusi peubah asal terhadap variate kanonik

Artinya semakin besar nilai koefisien maka semakin besar kontribusi peubah

asal terhadap variabel kanonik Selain bobot kanonik interpretasi analisis

kanonik juga dilihat dari nilai loading kanonik yang dihitung dari korelasi

antara peubah asal dengan masing-masing fungsi kanonik Artinya semakin

besar nilai loading kanonik maka semakin erat hubungan fungsi kanonik

tersebut dengan peubah asal

β = koefisien regresi

εi = eror term

Pada persamaan tersebut akan dianalisis persamaan regresi sederhana

antara variabel informasi yang dilihat di social media (F) dengan pengenalan

merek (B) informasi yang dilihat di social media (F) dengan kepercayaan

konsumen (C) informasi yang dilihat di social media (F) dengan sikap

konsumen (A) Pada ketiga pesan tersebut variabel informasi yang dilihat di

social media (F) menjadi variabel independen dan variabel B C dan A

menjadi variabel dependen Persamaan regresi berikutnya adalah persamaan

regresi antara variabel pengenalan merek (B) dengan kepercayaan konsumen

(C) pengenalan merek (B) dengan sikap konsumen (A) dimana variabel B

sebagai variabel independen dan variabel C dan A sebagai variabel dependen

Persamaan berikutnya yang akan dianalisis adalah persamaan regresi

sederhana antara variabel niat beli (I) dengan kepercayaan konsumen (C) niat

beli (I) dengan sikap konsumen (A) dan niat beli (I) dengan pembelian nyata

(P) Pada persamaan ini variabel niat beli (I) sebagai variabel dependen dan

variabel C A dan P menjadi variabel independen

Pembentukan model dan pengujian signifikansi variable independent

terhadap variable dependent dilakukan melalui pendekatan OLS method

(Ordinary Least Square Method) Prinsip metode ini meminimumkan selisih

kuadrat antara Y observasi dengan Y dugaan Model sampel untuk regresi

linier sederhana adalah

Yi = a + bXi (5)

Keterangan

a = penduga bagi intercept (α)

b = penduga bagi koefisien regresi (β)

dengan menggunakan OLS nilai a dan b diperoleh dari 119887=119899(Σ119883119884)minus(Σ119883)(Σ119884)119899(Σ1198832)minus(Σ119883)2 (6) 119886= Σ119884minus119887(Σ119883)119899 (7)

Pengujian nilai parameter regresi digunakan uji t apakah sama dengan nilai

tertentu Hipotesis nol dan hipotesis tandingannya ditentukan sebagai berikut

11986701 1205731= 0 (variabel independen tidak memiliki pengaruh signifikan

terhadap variabel dependen) 1198671198861 1205731ne 0 (variabel independen memiliki pengaruh signifikan terhadap

variabel dependen)

Setiap nilai koefisien regresi dapat dihitung nilai t-nya sebagai berikut 119905=120573119896minus120573119896119878 (8)

hasil yang diperoleh kemudian dibandingkan dengan nilai 119905119905119886119887119890119897 Jika nilai 119905ℎ119894119905119906119899119892 gt 119905119905119886119887119890119897 maka pengaruh variabel independen terhadap dependen

signifikan

Asumsi utama yang mendasari model regresi dengan menggunakan metode

OLS adalah sebagai berikut

1 Model regresi linier artinya linier dalam parameter

2 X diasumsikan nonstokastik artinya nilai X dianggap tetap dalam sampel

yang berulang

3 Nilai rata-rata kesalahan adalah nol E(ui Xi)=0

4 Homokedasitisitas artinya varians kesalahan sama untuk setiap

periode(homo=samaskedastisitas=sebaran) Dinyatakan dala bentuk

matematis var(ui Xi)=σ2

5 Tidak ada otokorelasi antar kesalahan (antara ui dan uj tidak ada

korelasinya) Dinyatakan dalam bahasa matematis covarians (ui uj ) = 0

6 Antara u dan X saling bebas sehingga cov (ui Xi) = 0

7 Tidak ada multikolinearitas yang sempurna antar variabel bebas

8 Jumlah observasi n harus lebih besar daripada jumlah parameter yang

diestimasi (jumlah variabel bebas)

9 Model regresi telah dispesifikasikan secara benar Dengan kata lain tidak

ada bias (kesalahan) spesifikasi dalam model yang digunakan dalam

analisis empiris

Minitab versi 14 digunakan sebagai alat bantu alat penelitian Kriteria

signifikansi dilihat dari perbandingan nilai signifikansi yang diperoleh dengan 119886 Jika nilai signifikansi lebih kecil daripada nilai 119886 dinyatakan sebagai

pengaruh variabel independen terhadap variabel dependen hasilnya signifikan

dan jika yang terjadi sebaliknya maka hasilnya tidak signifikan Nilai 119886 yang

digunakan dalam penelitian adalah 5

Analisis regresi berganda digunakan untuk menguji hubungan antara variabel

F (pesan iklan) B (pengenalan merek) C (kepercayaan konsumen) Dimana

variabel C sebagai variabel dependen sedangkan variabel F dan B menjadi

variabel independen Selain itu pengujian dilakukan terhadap hubungan

antara variabel F B dan A Dimana variabel A (sikap konsumen) menjadi

variabel dependen sedangkan variabel F dan B menjadi variabel independen

Selanjutnya menguji hubungan antara variabel C (kepercayaan konsumen)

dengan variabel A (sikap konsumen) dan I ( niat beli konsumen) dimana

variabel I menjadi variabel dependen sedangkan variabel C dan A menjadi

variabel independen Persamaan dalam regresi linier berganda adalah sebagai

berikut 119884=119886+ 11988711198831+11988721198832 (9)

Dimana

Y = variabel dependen

a = konstanta 1198871 119889119886119899 1198872 = koefisien regresi variabel independen 1198831 119889119886119899 1198832 = variabel independen

Setelah menganalisis dengan regresi linier maka selanjutnya hasil regresi diuji

menggunakan uji F dan uji parsial (uji t) tujuannya adalah melihat sejauh

mana suatu perhitungan statistik signifikan Artinya sejauh mana pengaruh

suatu variabel penjelas dalam menerangkan variasi variabel terikat Uji F

dilakukan untuk mengetahui apakah semua variabel bebas yang dimasukan

kedalam model memiliki pengaruh secara bersama-sama terhadap variabel

terikat (Kuncoro 2009) Langkah-langkah melakukan uji F adalah sebagai

berikut

1 Menentukan rumusan hipotesis Hipotesis nol dan tandingannya ditentukan

sebagai berikut

11986702 1205731= 0 (1198831 119889119886119899 1198832 tidak memiliki pengaruh signifikan terhadap

Y) 1198671198862 1205731ne 0 (1198831 119889119886119899 1198832 memiliki pengaruh signifikan terhadap Y)

2 Menentukan 119865ℎ119894119905119906119899119892 dengan menggunakan rumus

119865=1198772(119896minus1)frasl1minus1198772(119899minus3)frasl (10)

Dimana

R2 = koefisien determinasi

k = jumlah variabel

n = jumlah sampel

Pengambilan keputusan dilakukan berdasarkan perbandingan antara 119865ℎ119894119905119906119899119892 dengan 119865119905119886119887119890119897 yang sesuai dengan tingkat signifikansi yang

digunakan Bila 119865ℎ119894119905119906119899119892 lebih kecil dari 119865119905119886119887119890119897 atau p-value lebih besar

dari nilai 119886 maka keputusannya adalah menerima H0 Artinya secara statistik

bahwa semua variabel bebas yang dimasukan dalam model tidak berpengaruh

secara simultan terhadap variabel terikat Jika yang terjadi sebaliknya artinya

nilai 119865ℎ119894119905119906119899119892 lebih besar dari 119865119905119886119887119890119897 maka keputusannya adalah

menerima Ha dan menolak H0 Artinya secara statistik semua variabel bebas

berpengaruh terhadap nilai terikat secara bersama-sama

Uji t atau uji parsial adalah uji yang menunjukan seberapa jauh pengaruh satu

variabel penjelas secara individual dalam menerangkan variasi variabel terikat

Berikut langkah-langkah dalam melakukan uji parsial

1 Menentukan perumusan hipotesis dimana hipotesis nol dan tandingannya

ditentukan sebagai berikut 11986703 1205731= 0 (1198831 tidak memiliki pengaruh signifikan terhadap Y) 1198671198863 1205731ne 0 (1198831 memiliki pengaruh signifikan terhadap Y) 11986704 1205731= 0 ( 1198832 tidak memiliki pengaruh signifikan terhadapY) 1198671198864 1205731ne 0 ( 1198832 memiliki pengaruh signifikan terhadap Y)

2 Menghitung nilai t untuk setiap koefisien regresi dengan menggunakan

rumus (8) yang telah disebutkan Bila 119905ℎ119894119905119906119899119892 lebih kecil dari 119905119905119886119887119890119897 atau p-value lebih besar dari nilai 119886 maka keputusannya adalah menerima

H0 Artinya secara statistik bahwa koefisien regresi variabel independen

tidak berpengaruh terhadap nilai dependen Jika yang terjadi sebaliknya

artinya nilai 119905ℎ119894119905119906119899119892 lebih besar dari 119905119905119886119887119890119897 maka keputusannya

adalah menerima Ha dan menolak H0 Artinya secara statistik variabel

independen berpengaruh terhadap nilai dependen Artinya secara statistik

variabel independen (X1 dan X2) berpengaruh terhadap nilai dependen

(Y)

Menurut Simamora (2005) regresi stepwise digunakan untuk menilai

pernyataan variabel independen yang paling berpengaruh terhadap variabel

dependen Regresi stepwise melibatkan dua jenis proses yaitu forward

selection dan backward elimination Teknik ini menggunakan beberapa tahap

untuk menentukan variabel mana yang merupakan prediktor terbaik untuk

dimasukan kedalam model selama nilai p-valuenya kurang dari nilai kritik 119886

Jika terdapat vairabel yang nilai p-valuenya lebih dari nilai kritik 119886 maka akan

dihilangkan Proses ini akan terus berlanjut hingga variabel tidak dapat

dihilangkan atau ditambahkan lagi

Menurut Kuncoro (2009) koefisien determinasi (R2) digunakan untuk

mengukur seberapa jauh kemampuan model dalam menerangkan variasi

variabel terikat Koefisien determinasi berkisar antara nol sampai satu

Artinya semakin kecil nilai koefisien determinasi maka kemampuan variabel-

variabel bebas dalam menjelaskan variasi variabel terikat amat terbatas

Sedangkan nilai koefisien determinasi yang semakin mendekati satu berarti

variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan

untuk memprediksi variasi variabel terikat Selain itu perhitungan koefisien

determinasi (R

2 Analisis Korelasi Kanonikal

Analisis korelasi kanonikal digunakan untuk menganalisis faktor-faktor yang

menjadi pertimbangan dalam keputusan pembelian produk Maicih oleh

konsumen Korelasi kanonik merupakan teknik yang digunakan untuk

menentukan tingkat hubungan dua kelompok dua variabel yang masing-

masing terdiri dari beberapa variabel Artinya korelasi kanonik dapat

digunakan untuk melihat hubungan antara variabel independen dengan

independen dependen dengan independen dan dependen dengan dependen

Disamping itu korelasi kanonik juga dapat menguraikan struktur hubungan di

dalam variabel dependen maupun di dalam variabel independen Dalam

penelitian ini yang menjadi gugus peubah dependen (Y) adalah pembelian

nyata konsumen untuk membeli keripik Maicih dan yang menjadi gugus

peubah independen adalah faktor yang mempengaruhi perilaku konsumen

dalam proses keputusan pembelian Analisis ini dilakukan untuk mencari

faktor perilaku konsumen yang mempengaruhi pembelian nyata konsumen

untuk membeli keripik Maicih yang diamati berdasarkan lima peubah

pembelian yaitu pembelian nyata modern (Y1) pembelian nyata kesan (Y2)

pembelian nyata karakter (Y3) pembelian nyata mudah diingat (Y4) dan

pembelian nyata sering lihat (Y5) Faktor perilaku konsumen yang digunakan

dalam penelitian ini terdiri dari dua puluh variabel yaitu status sosial (X1)

teman (X2) keluarga (X3) kondisi cuaca (X4) wiraniaga(X5) besar

pengeluaran (X6) variasi level (X7) bentuk kemasan (X8) ukuran kemasan

(X9) harga (X10) merek (X11) manfaat (X12) pengetahuan atribut (X13)

pengetahuan tempat pembelian (X14) kepercayaan (X15) kepribadian (X16)

gaya hidup (X17) iklan (X18) media informasi (X19) dan pengalaman

(X20)

Prinsip dari metode ini yaitu membentuk suatu kombinasi linier dari setiap

gugus peubah (dependen dan independen) sehingga korelasi diantara kedua

gugus peubah tersebut menjadi maksimum Nilai korelasi kanonikal didapat

dari operasi aritmatika matrik korelasi kedua himpunan variabel (variat

kanonikal)

Tahapan analisis korelasi kanonik yaitu (1) Merumuskan tujuan penelitian

(2) merancang (3) asumsi yang diperlukan (4) menentukan fungsi kanonik

dan ukurannya (5) interpretasi fungsi kanonik dan (6) validasi hasil Asumsi-

asumsi yang harus menjadi perhatian dalam menentukan fungsi kanonik dan

ukuran kesesuaiannya adalah

1 Korelasi antar peubah asal didasarkan pada hubungan linier

2 Korelasi kanonik adalah hubungan linier antar variat

3 Multivariat ganda asumsi ini digunakan ketika pengujian fungsi kanonik

Setelah asumsi terpenuhi maka tahap selanjutnya adalah menentukan fungsi

kanonik dan ukuran keragaman sampel yang dipilih Fungsi kanonik

didapatkan dengan cara mencari pasangan dari kombinasi linier variabel

independen dengan variabel dependen yang memiliki korelasi terbesar

Selanjutnya pasangan-pasangan lain tidak diharapkan berkorelasi Kombinasi

ini disebut peubah kanonik dan korelasinya disebut korelasi kanonik

Kombinasi linier dari kedua gugus peubah dapat dituliskan sebagai berikut

U = arsquo X = a1X1 + a2X2 + + aqXq (12)

V = brsquo Y = b1Y1 + b2Y2 + + bpYp (13)

Dari persamaan tersebut maka harus dicari nilai koefisien a dan b dari rumus

berikut

Corr (UV) = 119886primeΣ 119909119910 1198871052069119886primeΣ 119909119909 119886 1052069119887primeΣ 119910119910 119887 sebesar mungkin(14)

Setelah penentuan peubah kanonik maka selanjutnya menentukan ukuran

keragaman sampel Proporsi keragaman X dapat diterangkan dengan rumus

R2zx = Σ 119903119894=1Σ119903119906119911119903119901119894=119896119901(15)

Sedangkan proporsi keragaman Y diterangkan dengan rumus

R2

ZX = Σ 119903119894=1Σ119903119906119911119903119902119894=119896119902(16)

Nilai keragaman proporsi yang didapat ditujukan untuk menentukan baik

tidaknya jumlah peubah kanonik yang dipilih Semakin besar nilai proporsi

maka semakin baik peubah-peubah kanonik menerangkan keragaman data

asal

Nilai-nilai yang didapat sebelumnya akan diinterpretasikan melalui koefisien

kanonik atau yang disebut juga bobot kanonik dan nilai loading kanonik

Koefisien a dan b yang telah dibakukan merupakan nilai koefisien kanonik

yang menjelaskan besarnya kontribusi peubah asal terhadap variate kanonik

Artinya semakin besar nilai koefisien maka semakin besar kontribusi peubah

asal terhadap variabel kanonik Selain bobot kanonik interpretasi analisis

kanonik juga dilihat dari nilai loading kanonik yang dihitung dari korelasi

antara peubah asal dengan masing-masing fungsi kanonik Artinya semakin

besar nilai loading kanonik maka semakin erat hubungan fungsi kanonik

tersebut dengan peubah asal

11986701 1205731= 0 (variabel independen tidak memiliki pengaruh signifikan

terhadap variabel dependen) 1198671198861 1205731ne 0 (variabel independen memiliki pengaruh signifikan terhadap

variabel dependen)

Setiap nilai koefisien regresi dapat dihitung nilai t-nya sebagai berikut 119905=120573119896minus120573119896119878 (8)

hasil yang diperoleh kemudian dibandingkan dengan nilai 119905119905119886119887119890119897 Jika nilai 119905ℎ119894119905119906119899119892 gt 119905119905119886119887119890119897 maka pengaruh variabel independen terhadap dependen

signifikan

Asumsi utama yang mendasari model regresi dengan menggunakan metode

OLS adalah sebagai berikut

1 Model regresi linier artinya linier dalam parameter

2 X diasumsikan nonstokastik artinya nilai X dianggap tetap dalam sampel

yang berulang

3 Nilai rata-rata kesalahan adalah nol E(ui Xi)=0

4 Homokedasitisitas artinya varians kesalahan sama untuk setiap

periode(homo=samaskedastisitas=sebaran) Dinyatakan dala bentuk

matematis var(ui Xi)=σ2

5 Tidak ada otokorelasi antar kesalahan (antara ui dan uj tidak ada

korelasinya) Dinyatakan dalam bahasa matematis covarians (ui uj ) = 0

6 Antara u dan X saling bebas sehingga cov (ui Xi) = 0

7 Tidak ada multikolinearitas yang sempurna antar variabel bebas

8 Jumlah observasi n harus lebih besar daripada jumlah parameter yang

diestimasi (jumlah variabel bebas)

9 Model regresi telah dispesifikasikan secara benar Dengan kata lain tidak

ada bias (kesalahan) spesifikasi dalam model yang digunakan dalam

analisis empiris

Minitab versi 14 digunakan sebagai alat bantu alat penelitian Kriteria

signifikansi dilihat dari perbandingan nilai signifikansi yang diperoleh dengan 119886 Jika nilai signifikansi lebih kecil daripada nilai 119886 dinyatakan sebagai

pengaruh variabel independen terhadap variabel dependen hasilnya signifikan

dan jika yang terjadi sebaliknya maka hasilnya tidak signifikan Nilai 119886 yang

digunakan dalam penelitian adalah 5

Analisis regresi berganda digunakan untuk menguji hubungan antara variabel

F (pesan iklan) B (pengenalan merek) C (kepercayaan konsumen) Dimana

variabel C sebagai variabel dependen sedangkan variabel F dan B menjadi

variabel independen Selain itu pengujian dilakukan terhadap hubungan

antara variabel F B dan A Dimana variabel A (sikap konsumen) menjadi

variabel dependen sedangkan variabel F dan B menjadi variabel independen

Selanjutnya menguji hubungan antara variabel C (kepercayaan konsumen)

dengan variabel A (sikap konsumen) dan I ( niat beli konsumen) dimana

variabel I menjadi variabel dependen sedangkan variabel C dan A menjadi

variabel independen Persamaan dalam regresi linier berganda adalah sebagai

berikut 119884=119886+ 11988711198831+11988721198832 (9)

Dimana

Y = variabel dependen

a = konstanta 1198871 119889119886119899 1198872 = koefisien regresi variabel independen 1198831 119889119886119899 1198832 = variabel independen

Setelah menganalisis dengan regresi linier maka selanjutnya hasil regresi diuji

menggunakan uji F dan uji parsial (uji t) tujuannya adalah melihat sejauh

mana suatu perhitungan statistik signifikan Artinya sejauh mana pengaruh

suatu variabel penjelas dalam menerangkan variasi variabel terikat Uji F

dilakukan untuk mengetahui apakah semua variabel bebas yang dimasukan

kedalam model memiliki pengaruh secara bersama-sama terhadap variabel

terikat (Kuncoro 2009) Langkah-langkah melakukan uji F adalah sebagai

berikut

1 Menentukan rumusan hipotesis Hipotesis nol dan tandingannya ditentukan

sebagai berikut

11986702 1205731= 0 (1198831 119889119886119899 1198832 tidak memiliki pengaruh signifikan terhadap

Y) 1198671198862 1205731ne 0 (1198831 119889119886119899 1198832 memiliki pengaruh signifikan terhadap Y)

2 Menentukan 119865ℎ119894119905119906119899119892 dengan menggunakan rumus

119865=1198772(119896minus1)frasl1minus1198772(119899minus3)frasl (10)

Dimana

R2 = koefisien determinasi

k = jumlah variabel

n = jumlah sampel

Pengambilan keputusan dilakukan berdasarkan perbandingan antara 119865ℎ119894119905119906119899119892 dengan 119865119905119886119887119890119897 yang sesuai dengan tingkat signifikansi yang

digunakan Bila 119865ℎ119894119905119906119899119892 lebih kecil dari 119865119905119886119887119890119897 atau p-value lebih besar

dari nilai 119886 maka keputusannya adalah menerima H0 Artinya secara statistik

bahwa semua variabel bebas yang dimasukan dalam model tidak berpengaruh

secara simultan terhadap variabel terikat Jika yang terjadi sebaliknya artinya

nilai 119865ℎ119894119905119906119899119892 lebih besar dari 119865119905119886119887119890119897 maka keputusannya adalah

menerima Ha dan menolak H0 Artinya secara statistik semua variabel bebas

berpengaruh terhadap nilai terikat secara bersama-sama

Uji t atau uji parsial adalah uji yang menunjukan seberapa jauh pengaruh satu

variabel penjelas secara individual dalam menerangkan variasi variabel terikat

Berikut langkah-langkah dalam melakukan uji parsial

1 Menentukan perumusan hipotesis dimana hipotesis nol dan tandingannya

ditentukan sebagai berikut 11986703 1205731= 0 (1198831 tidak memiliki pengaruh signifikan terhadap Y) 1198671198863 1205731ne 0 (1198831 memiliki pengaruh signifikan terhadap Y) 11986704 1205731= 0 ( 1198832 tidak memiliki pengaruh signifikan terhadapY) 1198671198864 1205731ne 0 ( 1198832 memiliki pengaruh signifikan terhadap Y)

2 Menghitung nilai t untuk setiap koefisien regresi dengan menggunakan

rumus (8) yang telah disebutkan Bila 119905ℎ119894119905119906119899119892 lebih kecil dari 119905119905119886119887119890119897 atau p-value lebih besar dari nilai 119886 maka keputusannya adalah menerima

H0 Artinya secara statistik bahwa koefisien regresi variabel independen

tidak berpengaruh terhadap nilai dependen Jika yang terjadi sebaliknya

artinya nilai 119905ℎ119894119905119906119899119892 lebih besar dari 119905119905119886119887119890119897 maka keputusannya

adalah menerima Ha dan menolak H0 Artinya secara statistik variabel

independen berpengaruh terhadap nilai dependen Artinya secara statistik

variabel independen (X1 dan X2) berpengaruh terhadap nilai dependen

(Y)

Menurut Simamora (2005) regresi stepwise digunakan untuk menilai

pernyataan variabel independen yang paling berpengaruh terhadap variabel

dependen Regresi stepwise melibatkan dua jenis proses yaitu forward

selection dan backward elimination Teknik ini menggunakan beberapa tahap

untuk menentukan variabel mana yang merupakan prediktor terbaik untuk

dimasukan kedalam model selama nilai p-valuenya kurang dari nilai kritik 119886

Jika terdapat vairabel yang nilai p-valuenya lebih dari nilai kritik 119886 maka akan

dihilangkan Proses ini akan terus berlanjut hingga variabel tidak dapat

dihilangkan atau ditambahkan lagi

Menurut Kuncoro (2009) koefisien determinasi (R2) digunakan untuk

mengukur seberapa jauh kemampuan model dalam menerangkan variasi

variabel terikat Koefisien determinasi berkisar antara nol sampai satu

Artinya semakin kecil nilai koefisien determinasi maka kemampuan variabel-

variabel bebas dalam menjelaskan variasi variabel terikat amat terbatas

Sedangkan nilai koefisien determinasi yang semakin mendekati satu berarti

variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan

untuk memprediksi variasi variabel terikat Selain itu perhitungan koefisien

determinasi (R

2 Analisis Korelasi Kanonikal

Analisis korelasi kanonikal digunakan untuk menganalisis faktor-faktor yang

menjadi pertimbangan dalam keputusan pembelian produk Maicih oleh

konsumen Korelasi kanonik merupakan teknik yang digunakan untuk

menentukan tingkat hubungan dua kelompok dua variabel yang masing-

masing terdiri dari beberapa variabel Artinya korelasi kanonik dapat

digunakan untuk melihat hubungan antara variabel independen dengan

independen dependen dengan independen dan dependen dengan dependen

Disamping itu korelasi kanonik juga dapat menguraikan struktur hubungan di

dalam variabel dependen maupun di dalam variabel independen Dalam

penelitian ini yang menjadi gugus peubah dependen (Y) adalah pembelian

nyata konsumen untuk membeli keripik Maicih dan yang menjadi gugus

peubah independen adalah faktor yang mempengaruhi perilaku konsumen

dalam proses keputusan pembelian Analisis ini dilakukan untuk mencari

faktor perilaku konsumen yang mempengaruhi pembelian nyata konsumen

untuk membeli keripik Maicih yang diamati berdasarkan lima peubah

pembelian yaitu pembelian nyata modern (Y1) pembelian nyata kesan (Y2)

pembelian nyata karakter (Y3) pembelian nyata mudah diingat (Y4) dan

pembelian nyata sering lihat (Y5) Faktor perilaku konsumen yang digunakan

dalam penelitian ini terdiri dari dua puluh variabel yaitu status sosial (X1)

teman (X2) keluarga (X3) kondisi cuaca (X4) wiraniaga(X5) besar

pengeluaran (X6) variasi level (X7) bentuk kemasan (X8) ukuran kemasan

(X9) harga (X10) merek (X11) manfaat (X12) pengetahuan atribut (X13)

pengetahuan tempat pembelian (X14) kepercayaan (X15) kepribadian (X16)

gaya hidup (X17) iklan (X18) media informasi (X19) dan pengalaman

(X20)

Prinsip dari metode ini yaitu membentuk suatu kombinasi linier dari setiap

gugus peubah (dependen dan independen) sehingga korelasi diantara kedua

gugus peubah tersebut menjadi maksimum Nilai korelasi kanonikal didapat

dari operasi aritmatika matrik korelasi kedua himpunan variabel (variat

kanonikal)

Tahapan analisis korelasi kanonik yaitu (1) Merumuskan tujuan penelitian

(2) merancang (3) asumsi yang diperlukan (4) menentukan fungsi kanonik

dan ukurannya (5) interpretasi fungsi kanonik dan (6) validasi hasil Asumsi-

asumsi yang harus menjadi perhatian dalam menentukan fungsi kanonik dan

ukuran kesesuaiannya adalah

1 Korelasi antar peubah asal didasarkan pada hubungan linier

2 Korelasi kanonik adalah hubungan linier antar variat

3 Multivariat ganda asumsi ini digunakan ketika pengujian fungsi kanonik

Setelah asumsi terpenuhi maka tahap selanjutnya adalah menentukan fungsi

kanonik dan ukuran keragaman sampel yang dipilih Fungsi kanonik

didapatkan dengan cara mencari pasangan dari kombinasi linier variabel

independen dengan variabel dependen yang memiliki korelasi terbesar

Selanjutnya pasangan-pasangan lain tidak diharapkan berkorelasi Kombinasi

ini disebut peubah kanonik dan korelasinya disebut korelasi kanonik

Kombinasi linier dari kedua gugus peubah dapat dituliskan sebagai berikut

U = arsquo X = a1X1 + a2X2 + + aqXq (12)

V = brsquo Y = b1Y1 + b2Y2 + + bpYp (13)

Dari persamaan tersebut maka harus dicari nilai koefisien a dan b dari rumus

berikut

Corr (UV) = 119886primeΣ 119909119910 1198871052069119886primeΣ 119909119909 119886 1052069119887primeΣ 119910119910 119887 sebesar mungkin(14)

Setelah penentuan peubah kanonik maka selanjutnya menentukan ukuran

keragaman sampel Proporsi keragaman X dapat diterangkan dengan rumus

R2zx = Σ 119903119894=1Σ119903119906119911119903119901119894=119896119901(15)

Sedangkan proporsi keragaman Y diterangkan dengan rumus

R2

ZX = Σ 119903119894=1Σ119903119906119911119903119902119894=119896119902(16)

Nilai keragaman proporsi yang didapat ditujukan untuk menentukan baik

tidaknya jumlah peubah kanonik yang dipilih Semakin besar nilai proporsi

maka semakin baik peubah-peubah kanonik menerangkan keragaman data

asal

Nilai-nilai yang didapat sebelumnya akan diinterpretasikan melalui koefisien

kanonik atau yang disebut juga bobot kanonik dan nilai loading kanonik

Koefisien a dan b yang telah dibakukan merupakan nilai koefisien kanonik

yang menjelaskan besarnya kontribusi peubah asal terhadap variate kanonik

Artinya semakin besar nilai koefisien maka semakin besar kontribusi peubah

asal terhadap variabel kanonik Selain bobot kanonik interpretasi analisis

kanonik juga dilihat dari nilai loading kanonik yang dihitung dari korelasi

antara peubah asal dengan masing-masing fungsi kanonik Artinya semakin

besar nilai loading kanonik maka semakin erat hubungan fungsi kanonik

tersebut dengan peubah asal

dan jika yang terjadi sebaliknya maka hasilnya tidak signifikan Nilai 119886 yang

digunakan dalam penelitian adalah 5

Analisis regresi berganda digunakan untuk menguji hubungan antara variabel

F (pesan iklan) B (pengenalan merek) C (kepercayaan konsumen) Dimana

variabel C sebagai variabel dependen sedangkan variabel F dan B menjadi

variabel independen Selain itu pengujian dilakukan terhadap hubungan

antara variabel F B dan A Dimana variabel A (sikap konsumen) menjadi

variabel dependen sedangkan variabel F dan B menjadi variabel independen

Selanjutnya menguji hubungan antara variabel C (kepercayaan konsumen)

dengan variabel A (sikap konsumen) dan I ( niat beli konsumen) dimana

variabel I menjadi variabel dependen sedangkan variabel C dan A menjadi

variabel independen Persamaan dalam regresi linier berganda adalah sebagai

berikut 119884=119886+ 11988711198831+11988721198832 (9)

Dimana

Y = variabel dependen

a = konstanta 1198871 119889119886119899 1198872 = koefisien regresi variabel independen 1198831 119889119886119899 1198832 = variabel independen

Setelah menganalisis dengan regresi linier maka selanjutnya hasil regresi diuji

menggunakan uji F dan uji parsial (uji t) tujuannya adalah melihat sejauh

mana suatu perhitungan statistik signifikan Artinya sejauh mana pengaruh

suatu variabel penjelas dalam menerangkan variasi variabel terikat Uji F

dilakukan untuk mengetahui apakah semua variabel bebas yang dimasukan

kedalam model memiliki pengaruh secara bersama-sama terhadap variabel

terikat (Kuncoro 2009) Langkah-langkah melakukan uji F adalah sebagai

berikut

1 Menentukan rumusan hipotesis Hipotesis nol dan tandingannya ditentukan

sebagai berikut

11986702 1205731= 0 (1198831 119889119886119899 1198832 tidak memiliki pengaruh signifikan terhadap

Y) 1198671198862 1205731ne 0 (1198831 119889119886119899 1198832 memiliki pengaruh signifikan terhadap Y)

2 Menentukan 119865ℎ119894119905119906119899119892 dengan menggunakan rumus

119865=1198772(119896minus1)frasl1minus1198772(119899minus3)frasl (10)

Dimana

R2 = koefisien determinasi

k = jumlah variabel

n = jumlah sampel

Pengambilan keputusan dilakukan berdasarkan perbandingan antara 119865ℎ119894119905119906119899119892 dengan 119865119905119886119887119890119897 yang sesuai dengan tingkat signifikansi yang

digunakan Bila 119865ℎ119894119905119906119899119892 lebih kecil dari 119865119905119886119887119890119897 atau p-value lebih besar

dari nilai 119886 maka keputusannya adalah menerima H0 Artinya secara statistik

bahwa semua variabel bebas yang dimasukan dalam model tidak berpengaruh

secara simultan terhadap variabel terikat Jika yang terjadi sebaliknya artinya

nilai 119865ℎ119894119905119906119899119892 lebih besar dari 119865119905119886119887119890119897 maka keputusannya adalah

menerima Ha dan menolak H0 Artinya secara statistik semua variabel bebas

berpengaruh terhadap nilai terikat secara bersama-sama

Uji t atau uji parsial adalah uji yang menunjukan seberapa jauh pengaruh satu

variabel penjelas secara individual dalam menerangkan variasi variabel terikat

Berikut langkah-langkah dalam melakukan uji parsial

1 Menentukan perumusan hipotesis dimana hipotesis nol dan tandingannya

ditentukan sebagai berikut 11986703 1205731= 0 (1198831 tidak memiliki pengaruh signifikan terhadap Y) 1198671198863 1205731ne 0 (1198831 memiliki pengaruh signifikan terhadap Y) 11986704 1205731= 0 ( 1198832 tidak memiliki pengaruh signifikan terhadapY) 1198671198864 1205731ne 0 ( 1198832 memiliki pengaruh signifikan terhadap Y)

2 Menghitung nilai t untuk setiap koefisien regresi dengan menggunakan

rumus (8) yang telah disebutkan Bila 119905ℎ119894119905119906119899119892 lebih kecil dari 119905119905119886119887119890119897 atau p-value lebih besar dari nilai 119886 maka keputusannya adalah menerima

H0 Artinya secara statistik bahwa koefisien regresi variabel independen

tidak berpengaruh terhadap nilai dependen Jika yang terjadi sebaliknya

artinya nilai 119905ℎ119894119905119906119899119892 lebih besar dari 119905119905119886119887119890119897 maka keputusannya

adalah menerima Ha dan menolak H0 Artinya secara statistik variabel

independen berpengaruh terhadap nilai dependen Artinya secara statistik

variabel independen (X1 dan X2) berpengaruh terhadap nilai dependen

(Y)

Menurut Simamora (2005) regresi stepwise digunakan untuk menilai

pernyataan variabel independen yang paling berpengaruh terhadap variabel

dependen Regresi stepwise melibatkan dua jenis proses yaitu forward

selection dan backward elimination Teknik ini menggunakan beberapa tahap

untuk menentukan variabel mana yang merupakan prediktor terbaik untuk

dimasukan kedalam model selama nilai p-valuenya kurang dari nilai kritik 119886

Jika terdapat vairabel yang nilai p-valuenya lebih dari nilai kritik 119886 maka akan

dihilangkan Proses ini akan terus berlanjut hingga variabel tidak dapat

dihilangkan atau ditambahkan lagi

Menurut Kuncoro (2009) koefisien determinasi (R2) digunakan untuk

mengukur seberapa jauh kemampuan model dalam menerangkan variasi

variabel terikat Koefisien determinasi berkisar antara nol sampai satu

Artinya semakin kecil nilai koefisien determinasi maka kemampuan variabel-

variabel bebas dalam menjelaskan variasi variabel terikat amat terbatas

Sedangkan nilai koefisien determinasi yang semakin mendekati satu berarti

variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan

untuk memprediksi variasi variabel terikat Selain itu perhitungan koefisien

determinasi (R

2 Analisis Korelasi Kanonikal

Analisis korelasi kanonikal digunakan untuk menganalisis faktor-faktor yang

menjadi pertimbangan dalam keputusan pembelian produk Maicih oleh

konsumen Korelasi kanonik merupakan teknik yang digunakan untuk

menentukan tingkat hubungan dua kelompok dua variabel yang masing-

masing terdiri dari beberapa variabel Artinya korelasi kanonik dapat

digunakan untuk melihat hubungan antara variabel independen dengan

independen dependen dengan independen dan dependen dengan dependen

Disamping itu korelasi kanonik juga dapat menguraikan struktur hubungan di

dalam variabel dependen maupun di dalam variabel independen Dalam

penelitian ini yang menjadi gugus peubah dependen (Y) adalah pembelian

nyata konsumen untuk membeli keripik Maicih dan yang menjadi gugus

peubah independen adalah faktor yang mempengaruhi perilaku konsumen

dalam proses keputusan pembelian Analisis ini dilakukan untuk mencari

faktor perilaku konsumen yang mempengaruhi pembelian nyata konsumen

untuk membeli keripik Maicih yang diamati berdasarkan lima peubah

pembelian yaitu pembelian nyata modern (Y1) pembelian nyata kesan (Y2)

pembelian nyata karakter (Y3) pembelian nyata mudah diingat (Y4) dan

pembelian nyata sering lihat (Y5) Faktor perilaku konsumen yang digunakan

dalam penelitian ini terdiri dari dua puluh variabel yaitu status sosial (X1)

teman (X2) keluarga (X3) kondisi cuaca (X4) wiraniaga(X5) besar

pengeluaran (X6) variasi level (X7) bentuk kemasan (X8) ukuran kemasan

(X9) harga (X10) merek (X11) manfaat (X12) pengetahuan atribut (X13)

pengetahuan tempat pembelian (X14) kepercayaan (X15) kepribadian (X16)

gaya hidup (X17) iklan (X18) media informasi (X19) dan pengalaman

(X20)

Prinsip dari metode ini yaitu membentuk suatu kombinasi linier dari setiap

gugus peubah (dependen dan independen) sehingga korelasi diantara kedua

gugus peubah tersebut menjadi maksimum Nilai korelasi kanonikal didapat

dari operasi aritmatika matrik korelasi kedua himpunan variabel (variat

kanonikal)

Tahapan analisis korelasi kanonik yaitu (1) Merumuskan tujuan penelitian

(2) merancang (3) asumsi yang diperlukan (4) menentukan fungsi kanonik

dan ukurannya (5) interpretasi fungsi kanonik dan (6) validasi hasil Asumsi-

asumsi yang harus menjadi perhatian dalam menentukan fungsi kanonik dan

ukuran kesesuaiannya adalah

1 Korelasi antar peubah asal didasarkan pada hubungan linier

2 Korelasi kanonik adalah hubungan linier antar variat

3 Multivariat ganda asumsi ini digunakan ketika pengujian fungsi kanonik

Setelah asumsi terpenuhi maka tahap selanjutnya adalah menentukan fungsi

kanonik dan ukuran keragaman sampel yang dipilih Fungsi kanonik

didapatkan dengan cara mencari pasangan dari kombinasi linier variabel

independen dengan variabel dependen yang memiliki korelasi terbesar

Selanjutnya pasangan-pasangan lain tidak diharapkan berkorelasi Kombinasi

ini disebut peubah kanonik dan korelasinya disebut korelasi kanonik

Kombinasi linier dari kedua gugus peubah dapat dituliskan sebagai berikut

U = arsquo X = a1X1 + a2X2 + + aqXq (12)

V = brsquo Y = b1Y1 + b2Y2 + + bpYp (13)

Dari persamaan tersebut maka harus dicari nilai koefisien a dan b dari rumus

berikut

Corr (UV) = 119886primeΣ 119909119910 1198871052069119886primeΣ 119909119909 119886 1052069119887primeΣ 119910119910 119887 sebesar mungkin(14)

Setelah penentuan peubah kanonik maka selanjutnya menentukan ukuran

keragaman sampel Proporsi keragaman X dapat diterangkan dengan rumus

R2zx = Σ 119903119894=1Σ119903119906119911119903119901119894=119896119901(15)

Sedangkan proporsi keragaman Y diterangkan dengan rumus

R2

ZX = Σ 119903119894=1Σ119903119906119911119903119902119894=119896119902(16)

Nilai keragaman proporsi yang didapat ditujukan untuk menentukan baik

tidaknya jumlah peubah kanonik yang dipilih Semakin besar nilai proporsi

maka semakin baik peubah-peubah kanonik menerangkan keragaman data

asal

Nilai-nilai yang didapat sebelumnya akan diinterpretasikan melalui koefisien

kanonik atau yang disebut juga bobot kanonik dan nilai loading kanonik

Koefisien a dan b yang telah dibakukan merupakan nilai koefisien kanonik

yang menjelaskan besarnya kontribusi peubah asal terhadap variate kanonik

Artinya semakin besar nilai koefisien maka semakin besar kontribusi peubah

asal terhadap variabel kanonik Selain bobot kanonik interpretasi analisis

kanonik juga dilihat dari nilai loading kanonik yang dihitung dari korelasi

antara peubah asal dengan masing-masing fungsi kanonik Artinya semakin

besar nilai loading kanonik maka semakin erat hubungan fungsi kanonik

tersebut dengan peubah asal

2 Menentukan 119865ℎ119894119905119906119899119892 dengan menggunakan rumus

119865=1198772(119896minus1)frasl1minus1198772(119899minus3)frasl (10)

Dimana

R2 = koefisien determinasi

k = jumlah variabel

n = jumlah sampel

Pengambilan keputusan dilakukan berdasarkan perbandingan antara 119865ℎ119894119905119906119899119892 dengan 119865119905119886119887119890119897 yang sesuai dengan tingkat signifikansi yang

digunakan Bila 119865ℎ119894119905119906119899119892 lebih kecil dari 119865119905119886119887119890119897 atau p-value lebih besar

dari nilai 119886 maka keputusannya adalah menerima H0 Artinya secara statistik

bahwa semua variabel bebas yang dimasukan dalam model tidak berpengaruh

secara simultan terhadap variabel terikat Jika yang terjadi sebaliknya artinya

nilai 119865ℎ119894119905119906119899119892 lebih besar dari 119865119905119886119887119890119897 maka keputusannya adalah

menerima Ha dan menolak H0 Artinya secara statistik semua variabel bebas

berpengaruh terhadap nilai terikat secara bersama-sama

Uji t atau uji parsial adalah uji yang menunjukan seberapa jauh pengaruh satu

variabel penjelas secara individual dalam menerangkan variasi variabel terikat

Berikut langkah-langkah dalam melakukan uji parsial

1 Menentukan perumusan hipotesis dimana hipotesis nol dan tandingannya

ditentukan sebagai berikut 11986703 1205731= 0 (1198831 tidak memiliki pengaruh signifikan terhadap Y) 1198671198863 1205731ne 0 (1198831 memiliki pengaruh signifikan terhadap Y) 11986704 1205731= 0 ( 1198832 tidak memiliki pengaruh signifikan terhadapY) 1198671198864 1205731ne 0 ( 1198832 memiliki pengaruh signifikan terhadap Y)

2 Menghitung nilai t untuk setiap koefisien regresi dengan menggunakan

rumus (8) yang telah disebutkan Bila 119905ℎ119894119905119906119899119892 lebih kecil dari 119905119905119886119887119890119897 atau p-value lebih besar dari nilai 119886 maka keputusannya adalah menerima

H0 Artinya secara statistik bahwa koefisien regresi variabel independen

tidak berpengaruh terhadap nilai dependen Jika yang terjadi sebaliknya

artinya nilai 119905ℎ119894119905119906119899119892 lebih besar dari 119905119905119886119887119890119897 maka keputusannya

adalah menerima Ha dan menolak H0 Artinya secara statistik variabel

independen berpengaruh terhadap nilai dependen Artinya secara statistik

variabel independen (X1 dan X2) berpengaruh terhadap nilai dependen

(Y)

Menurut Simamora (2005) regresi stepwise digunakan untuk menilai

pernyataan variabel independen yang paling berpengaruh terhadap variabel

dependen Regresi stepwise melibatkan dua jenis proses yaitu forward

selection dan backward elimination Teknik ini menggunakan beberapa tahap

untuk menentukan variabel mana yang merupakan prediktor terbaik untuk

dimasukan kedalam model selama nilai p-valuenya kurang dari nilai kritik 119886

Jika terdapat vairabel yang nilai p-valuenya lebih dari nilai kritik 119886 maka akan

dihilangkan Proses ini akan terus berlanjut hingga variabel tidak dapat

dihilangkan atau ditambahkan lagi

Menurut Kuncoro (2009) koefisien determinasi (R2) digunakan untuk

mengukur seberapa jauh kemampuan model dalam menerangkan variasi

variabel terikat Koefisien determinasi berkisar antara nol sampai satu

Artinya semakin kecil nilai koefisien determinasi maka kemampuan variabel-

variabel bebas dalam menjelaskan variasi variabel terikat amat terbatas

Sedangkan nilai koefisien determinasi yang semakin mendekati satu berarti

variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan

untuk memprediksi variasi variabel terikat Selain itu perhitungan koefisien

determinasi (R

2 Analisis Korelasi Kanonikal

Analisis korelasi kanonikal digunakan untuk menganalisis faktor-faktor yang

menjadi pertimbangan dalam keputusan pembelian produk Maicih oleh

konsumen Korelasi kanonik merupakan teknik yang digunakan untuk

menentukan tingkat hubungan dua kelompok dua variabel yang masing-

masing terdiri dari beberapa variabel Artinya korelasi kanonik dapat

digunakan untuk melihat hubungan antara variabel independen dengan

independen dependen dengan independen dan dependen dengan dependen

Disamping itu korelasi kanonik juga dapat menguraikan struktur hubungan di

dalam variabel dependen maupun di dalam variabel independen Dalam

penelitian ini yang menjadi gugus peubah dependen (Y) adalah pembelian

nyata konsumen untuk membeli keripik Maicih dan yang menjadi gugus

peubah independen adalah faktor yang mempengaruhi perilaku konsumen

dalam proses keputusan pembelian Analisis ini dilakukan untuk mencari

faktor perilaku konsumen yang mempengaruhi pembelian nyata konsumen

untuk membeli keripik Maicih yang diamati berdasarkan lima peubah

pembelian yaitu pembelian nyata modern (Y1) pembelian nyata kesan (Y2)

pembelian nyata karakter (Y3) pembelian nyata mudah diingat (Y4) dan

pembelian nyata sering lihat (Y5) Faktor perilaku konsumen yang digunakan

dalam penelitian ini terdiri dari dua puluh variabel yaitu status sosial (X1)

teman (X2) keluarga (X3) kondisi cuaca (X4) wiraniaga(X5) besar

pengeluaran (X6) variasi level (X7) bentuk kemasan (X8) ukuran kemasan

(X9) harga (X10) merek (X11) manfaat (X12) pengetahuan atribut (X13)

pengetahuan tempat pembelian (X14) kepercayaan (X15) kepribadian (X16)

gaya hidup (X17) iklan (X18) media informasi (X19) dan pengalaman

(X20)

Prinsip dari metode ini yaitu membentuk suatu kombinasi linier dari setiap

gugus peubah (dependen dan independen) sehingga korelasi diantara kedua

gugus peubah tersebut menjadi maksimum Nilai korelasi kanonikal didapat

dari operasi aritmatika matrik korelasi kedua himpunan variabel (variat

kanonikal)

Tahapan analisis korelasi kanonik yaitu (1) Merumuskan tujuan penelitian

(2) merancang (3) asumsi yang diperlukan (4) menentukan fungsi kanonik

dan ukurannya (5) interpretasi fungsi kanonik dan (6) validasi hasil Asumsi-

asumsi yang harus menjadi perhatian dalam menentukan fungsi kanonik dan

ukuran kesesuaiannya adalah

1 Korelasi antar peubah asal didasarkan pada hubungan linier

2 Korelasi kanonik adalah hubungan linier antar variat

3 Multivariat ganda asumsi ini digunakan ketika pengujian fungsi kanonik

Setelah asumsi terpenuhi maka tahap selanjutnya adalah menentukan fungsi

kanonik dan ukuran keragaman sampel yang dipilih Fungsi kanonik

didapatkan dengan cara mencari pasangan dari kombinasi linier variabel

independen dengan variabel dependen yang memiliki korelasi terbesar

Selanjutnya pasangan-pasangan lain tidak diharapkan berkorelasi Kombinasi

ini disebut peubah kanonik dan korelasinya disebut korelasi kanonik

Kombinasi linier dari kedua gugus peubah dapat dituliskan sebagai berikut

U = arsquo X = a1X1 + a2X2 + + aqXq (12)

V = brsquo Y = b1Y1 + b2Y2 + + bpYp (13)

Dari persamaan tersebut maka harus dicari nilai koefisien a dan b dari rumus

berikut

Corr (UV) = 119886primeΣ 119909119910 1198871052069119886primeΣ 119909119909 119886 1052069119887primeΣ 119910119910 119887 sebesar mungkin(14)

Setelah penentuan peubah kanonik maka selanjutnya menentukan ukuran

keragaman sampel Proporsi keragaman X dapat diterangkan dengan rumus

R2zx = Σ 119903119894=1Σ119903119906119911119903119901119894=119896119901(15)

Sedangkan proporsi keragaman Y diterangkan dengan rumus

R2

ZX = Σ 119903119894=1Σ119903119906119911119903119902119894=119896119902(16)

Nilai keragaman proporsi yang didapat ditujukan untuk menentukan baik

tidaknya jumlah peubah kanonik yang dipilih Semakin besar nilai proporsi

maka semakin baik peubah-peubah kanonik menerangkan keragaman data

asal

Nilai-nilai yang didapat sebelumnya akan diinterpretasikan melalui koefisien

kanonik atau yang disebut juga bobot kanonik dan nilai loading kanonik

Koefisien a dan b yang telah dibakukan merupakan nilai koefisien kanonik

yang menjelaskan besarnya kontribusi peubah asal terhadap variate kanonik

Artinya semakin besar nilai koefisien maka semakin besar kontribusi peubah

asal terhadap variabel kanonik Selain bobot kanonik interpretasi analisis

kanonik juga dilihat dari nilai loading kanonik yang dihitung dari korelasi

antara peubah asal dengan masing-masing fungsi kanonik Artinya semakin

besar nilai loading kanonik maka semakin erat hubungan fungsi kanonik

tersebut dengan peubah asal

artinya nilai 119905ℎ119894119905119906119899119892 lebih besar dari 119905119905119886119887119890119897 maka keputusannya

adalah menerima Ha dan menolak H0 Artinya secara statistik variabel

independen berpengaruh terhadap nilai dependen Artinya secara statistik

variabel independen (X1 dan X2) berpengaruh terhadap nilai dependen

(Y)

Menurut Simamora (2005) regresi stepwise digunakan untuk menilai

pernyataan variabel independen yang paling berpengaruh terhadap variabel

dependen Regresi stepwise melibatkan dua jenis proses yaitu forward

selection dan backward elimination Teknik ini menggunakan beberapa tahap

untuk menentukan variabel mana yang merupakan prediktor terbaik untuk

dimasukan kedalam model selama nilai p-valuenya kurang dari nilai kritik 119886

Jika terdapat vairabel yang nilai p-valuenya lebih dari nilai kritik 119886 maka akan

dihilangkan Proses ini akan terus berlanjut hingga variabel tidak dapat

dihilangkan atau ditambahkan lagi

Menurut Kuncoro (2009) koefisien determinasi (R2) digunakan untuk

mengukur seberapa jauh kemampuan model dalam menerangkan variasi

variabel terikat Koefisien determinasi berkisar antara nol sampai satu

Artinya semakin kecil nilai koefisien determinasi maka kemampuan variabel-

variabel bebas dalam menjelaskan variasi variabel terikat amat terbatas

Sedangkan nilai koefisien determinasi yang semakin mendekati satu berarti

variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan

untuk memprediksi variasi variabel terikat Selain itu perhitungan koefisien

determinasi (R

2 Analisis Korelasi Kanonikal

Analisis korelasi kanonikal digunakan untuk menganalisis faktor-faktor yang

menjadi pertimbangan dalam keputusan pembelian produk Maicih oleh

konsumen Korelasi kanonik merupakan teknik yang digunakan untuk

menentukan tingkat hubungan dua kelompok dua variabel yang masing-

masing terdiri dari beberapa variabel Artinya korelasi kanonik dapat

digunakan untuk melihat hubungan antara variabel independen dengan

independen dependen dengan independen dan dependen dengan dependen

Disamping itu korelasi kanonik juga dapat menguraikan struktur hubungan di

dalam variabel dependen maupun di dalam variabel independen Dalam

penelitian ini yang menjadi gugus peubah dependen (Y) adalah pembelian

nyata konsumen untuk membeli keripik Maicih dan yang menjadi gugus

peubah independen adalah faktor yang mempengaruhi perilaku konsumen

dalam proses keputusan pembelian Analisis ini dilakukan untuk mencari

faktor perilaku konsumen yang mempengaruhi pembelian nyata konsumen

untuk membeli keripik Maicih yang diamati berdasarkan lima peubah

pembelian yaitu pembelian nyata modern (Y1) pembelian nyata kesan (Y2)

pembelian nyata karakter (Y3) pembelian nyata mudah diingat (Y4) dan

pembelian nyata sering lihat (Y5) Faktor perilaku konsumen yang digunakan

dalam penelitian ini terdiri dari dua puluh variabel yaitu status sosial (X1)

teman (X2) keluarga (X3) kondisi cuaca (X4) wiraniaga(X5) besar

pengeluaran (X6) variasi level (X7) bentuk kemasan (X8) ukuran kemasan

(X9) harga (X10) merek (X11) manfaat (X12) pengetahuan atribut (X13)

pengetahuan tempat pembelian (X14) kepercayaan (X15) kepribadian (X16)

gaya hidup (X17) iklan (X18) media informasi (X19) dan pengalaman

(X20)

Prinsip dari metode ini yaitu membentuk suatu kombinasi linier dari setiap

gugus peubah (dependen dan independen) sehingga korelasi diantara kedua

gugus peubah tersebut menjadi maksimum Nilai korelasi kanonikal didapat

dari operasi aritmatika matrik korelasi kedua himpunan variabel (variat

kanonikal)

Tahapan analisis korelasi kanonik yaitu (1) Merumuskan tujuan penelitian

(2) merancang (3) asumsi yang diperlukan (4) menentukan fungsi kanonik

dan ukurannya (5) interpretasi fungsi kanonik dan (6) validasi hasil Asumsi-

asumsi yang harus menjadi perhatian dalam menentukan fungsi kanonik dan

ukuran kesesuaiannya adalah

1 Korelasi antar peubah asal didasarkan pada hubungan linier

2 Korelasi kanonik adalah hubungan linier antar variat

3 Multivariat ganda asumsi ini digunakan ketika pengujian fungsi kanonik

Setelah asumsi terpenuhi maka tahap selanjutnya adalah menentukan fungsi

kanonik dan ukuran keragaman sampel yang dipilih Fungsi kanonik

didapatkan dengan cara mencari pasangan dari kombinasi linier variabel

independen dengan variabel dependen yang memiliki korelasi terbesar

Selanjutnya pasangan-pasangan lain tidak diharapkan berkorelasi Kombinasi

ini disebut peubah kanonik dan korelasinya disebut korelasi kanonik

Kombinasi linier dari kedua gugus peubah dapat dituliskan sebagai berikut

U = arsquo X = a1X1 + a2X2 + + aqXq (12)

V = brsquo Y = b1Y1 + b2Y2 + + bpYp (13)

Dari persamaan tersebut maka harus dicari nilai koefisien a dan b dari rumus

berikut

Corr (UV) = 119886primeΣ 119909119910 1198871052069119886primeΣ 119909119909 119886 1052069119887primeΣ 119910119910 119887 sebesar mungkin(14)

Setelah penentuan peubah kanonik maka selanjutnya menentukan ukuran

keragaman sampel Proporsi keragaman X dapat diterangkan dengan rumus

R2zx = Σ 119903119894=1Σ119903119906119911119903119901119894=119896119901(15)

Sedangkan proporsi keragaman Y diterangkan dengan rumus

R2

ZX = Σ 119903119894=1Σ119903119906119911119903119902119894=119896119902(16)

Nilai keragaman proporsi yang didapat ditujukan untuk menentukan baik

tidaknya jumlah peubah kanonik yang dipilih Semakin besar nilai proporsi

maka semakin baik peubah-peubah kanonik menerangkan keragaman data

asal

Nilai-nilai yang didapat sebelumnya akan diinterpretasikan melalui koefisien

kanonik atau yang disebut juga bobot kanonik dan nilai loading kanonik

Koefisien a dan b yang telah dibakukan merupakan nilai koefisien kanonik

yang menjelaskan besarnya kontribusi peubah asal terhadap variate kanonik

Artinya semakin besar nilai koefisien maka semakin besar kontribusi peubah

asal terhadap variabel kanonik Selain bobot kanonik interpretasi analisis

kanonik juga dilihat dari nilai loading kanonik yang dihitung dari korelasi

antara peubah asal dengan masing-masing fungsi kanonik Artinya semakin

besar nilai loading kanonik maka semakin erat hubungan fungsi kanonik

tersebut dengan peubah asal

Disamping itu korelasi kanonik juga dapat menguraikan struktur hubungan di

dalam variabel dependen maupun di dalam variabel independen Dalam

penelitian ini yang menjadi gugus peubah dependen (Y) adalah pembelian

nyata konsumen untuk membeli keripik Maicih dan yang menjadi gugus

peubah independen adalah faktor yang mempengaruhi perilaku konsumen

dalam proses keputusan pembelian Analisis ini dilakukan untuk mencari

faktor perilaku konsumen yang mempengaruhi pembelian nyata konsumen

untuk membeli keripik Maicih yang diamati berdasarkan lima peubah

pembelian yaitu pembelian nyata modern (Y1) pembelian nyata kesan (Y2)

pembelian nyata karakter (Y3) pembelian nyata mudah diingat (Y4) dan

pembelian nyata sering lihat (Y5) Faktor perilaku konsumen yang digunakan

dalam penelitian ini terdiri dari dua puluh variabel yaitu status sosial (X1)

teman (X2) keluarga (X3) kondisi cuaca (X4) wiraniaga(X5) besar

pengeluaran (X6) variasi level (X7) bentuk kemasan (X8) ukuran kemasan

(X9) harga (X10) merek (X11) manfaat (X12) pengetahuan atribut (X13)

pengetahuan tempat pembelian (X14) kepercayaan (X15) kepribadian (X16)

gaya hidup (X17) iklan (X18) media informasi (X19) dan pengalaman

(X20)

Prinsip dari metode ini yaitu membentuk suatu kombinasi linier dari setiap

gugus peubah (dependen dan independen) sehingga korelasi diantara kedua

gugus peubah tersebut menjadi maksimum Nilai korelasi kanonikal didapat

dari operasi aritmatika matrik korelasi kedua himpunan variabel (variat

kanonikal)

Tahapan analisis korelasi kanonik yaitu (1) Merumuskan tujuan penelitian

(2) merancang (3) asumsi yang diperlukan (4) menentukan fungsi kanonik

dan ukurannya (5) interpretasi fungsi kanonik dan (6) validasi hasil Asumsi-

asumsi yang harus menjadi perhatian dalam menentukan fungsi kanonik dan

ukuran kesesuaiannya adalah

1 Korelasi antar peubah asal didasarkan pada hubungan linier

2 Korelasi kanonik adalah hubungan linier antar variat

3 Multivariat ganda asumsi ini digunakan ketika pengujian fungsi kanonik

Setelah asumsi terpenuhi maka tahap selanjutnya adalah menentukan fungsi

kanonik dan ukuran keragaman sampel yang dipilih Fungsi kanonik

didapatkan dengan cara mencari pasangan dari kombinasi linier variabel

independen dengan variabel dependen yang memiliki korelasi terbesar

Selanjutnya pasangan-pasangan lain tidak diharapkan berkorelasi Kombinasi

ini disebut peubah kanonik dan korelasinya disebut korelasi kanonik

Kombinasi linier dari kedua gugus peubah dapat dituliskan sebagai berikut

U = arsquo X = a1X1 + a2X2 + + aqXq (12)

V = brsquo Y = b1Y1 + b2Y2 + + bpYp (13)

Dari persamaan tersebut maka harus dicari nilai koefisien a dan b dari rumus

berikut

Corr (UV) = 119886primeΣ 119909119910 1198871052069119886primeΣ 119909119909 119886 1052069119887primeΣ 119910119910 119887 sebesar mungkin(14)

Setelah penentuan peubah kanonik maka selanjutnya menentukan ukuran

keragaman sampel Proporsi keragaman X dapat diterangkan dengan rumus

R2zx = Σ 119903119894=1Σ119903119906119911119903119901119894=119896119901(15)

Sedangkan proporsi keragaman Y diterangkan dengan rumus

R2

ZX = Σ 119903119894=1Σ119903119906119911119903119902119894=119896119902(16)

Nilai keragaman proporsi yang didapat ditujukan untuk menentukan baik

tidaknya jumlah peubah kanonik yang dipilih Semakin besar nilai proporsi

maka semakin baik peubah-peubah kanonik menerangkan keragaman data

asal

Nilai-nilai yang didapat sebelumnya akan diinterpretasikan melalui koefisien

kanonik atau yang disebut juga bobot kanonik dan nilai loading kanonik

Koefisien a dan b yang telah dibakukan merupakan nilai koefisien kanonik

yang menjelaskan besarnya kontribusi peubah asal terhadap variate kanonik

Artinya semakin besar nilai koefisien maka semakin besar kontribusi peubah

asal terhadap variabel kanonik Selain bobot kanonik interpretasi analisis

kanonik juga dilihat dari nilai loading kanonik yang dihitung dari korelasi

antara peubah asal dengan masing-masing fungsi kanonik Artinya semakin

besar nilai loading kanonik maka semakin erat hubungan fungsi kanonik

tersebut dengan peubah asal

didapatkan dengan cara mencari pasangan dari kombinasi linier variabel

independen dengan variabel dependen yang memiliki korelasi terbesar

Selanjutnya pasangan-pasangan lain tidak diharapkan berkorelasi Kombinasi

ini disebut peubah kanonik dan korelasinya disebut korelasi kanonik

Kombinasi linier dari kedua gugus peubah dapat dituliskan sebagai berikut

U = arsquo X = a1X1 + a2X2 + + aqXq (12)

V = brsquo Y = b1Y1 + b2Y2 + + bpYp (13)

Dari persamaan tersebut maka harus dicari nilai koefisien a dan b dari rumus

berikut

Corr (UV) = 119886primeΣ 119909119910 1198871052069119886primeΣ 119909119909 119886 1052069119887primeΣ 119910119910 119887 sebesar mungkin(14)

Setelah penentuan peubah kanonik maka selanjutnya menentukan ukuran

keragaman sampel Proporsi keragaman X dapat diterangkan dengan rumus

R2zx = Σ 119903119894=1Σ119903119906119911119903119901119894=119896119901(15)

Sedangkan proporsi keragaman Y diterangkan dengan rumus

R2

ZX = Σ 119903119894=1Σ119903119906119911119903119902119894=119896119902(16)

Nilai keragaman proporsi yang didapat ditujukan untuk menentukan baik

tidaknya jumlah peubah kanonik yang dipilih Semakin besar nilai proporsi

maka semakin baik peubah-peubah kanonik menerangkan keragaman data

asal

Nilai-nilai yang didapat sebelumnya akan diinterpretasikan melalui koefisien

kanonik atau yang disebut juga bobot kanonik dan nilai loading kanonik

Koefisien a dan b yang telah dibakukan merupakan nilai koefisien kanonik

yang menjelaskan besarnya kontribusi peubah asal terhadap variate kanonik

Artinya semakin besar nilai koefisien maka semakin besar kontribusi peubah

asal terhadap variabel kanonik Selain bobot kanonik interpretasi analisis

kanonik juga dilihat dari nilai loading kanonik yang dihitung dari korelasi

antara peubah asal dengan masing-masing fungsi kanonik Artinya semakin

besar nilai loading kanonik maka semakin erat hubungan fungsi kanonik

tersebut dengan peubah asal