Upload
alvaro-jordan
View
5
Download
0
Embed Size (px)
Citation preview
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