BAB 3 METODOLOGI PENELITIAN
3.1
Desain Penelitian Jenis penelitian yang digunakan adalah penelitian asosiatif. Menurut Sugiyono
(2008:11), penelitian asosiatif/ hubungan adalah penelitian yang bertujuan untuk mengetahui hubungan antara dua variabel atau lebih, dan bagaimana tingkat ketergantungan antara variabel independen dan variabel dependen. Metode penelitian yang digunakan adalah kuesioner. Supranto, J. (2001:76) menyatakan bahwa kuesioner adalah daftar pertanyaan yang akan ditanyakan kepada responden terdiri dari baris-baris dan kolom-kolom untuk diisi jawaban-jawaban yang ditanyakan. Unit analisis adalah individu, yaitu konsultan teknik, kontraktor, dan developer PT Harapan Widyatama Pertiwi. Time horizon penelitian ini adalah cross sectional. Menurut Suliyanto (2005:8), penelitian cross sectional adalah suatu penelitian yang dilakukan dalam satu waktu tertentu, pada beberapa objek untuk menggambarkan keadaan.
40
41
Desain penelitian yang akan dilakukan adalah sebagai berikut: Tabel 3.1
Desain Penelitian
Tujuan
Jenis dan Metode
Penelitian
Penelitian
T-1 T-2
Unit Analisis
Horizon
Asosiatif – Survei
Individu (konsultan teknik,
Asosiatif – Survei
kontraktor, developer) Sectional Individu (konsultan teknik, Cross kontraktor, developer)
T-3
Time
Asosiatif – Survei
Cross
Sectional
Individu (konsultan teknik, Cross kontraktor, developer)
Sectional
Sumber: Penulis
Keterangan: T-1: Untuk menganalisis pengaruh behavioral learning terhadap loyalitas konsumen business-to-business UNILON di Jakarta. T-2: Untuk menganalisis pengaruh cognitive learning terhadap loyalitas konsumen business-to-business UNILON di Jakarta. T-3: Untuk menganalisis pengaruh behavioral dan cognitive learning terhadap loyalitas konsumen business-to-business UNILON di Jakarta.
42
3.2
Operasionalisasi Variabel Penelitian
Tabel 3.2 Variabel
Operasionalisasi Variabel Penelitian Konsep
Sub
Variabel
Variabel
Indikator
Ukuran
Skala
Likert
Behavioral
Pembelajaran
Classical
- Pengulangan
Ordinal
Learning
konsumen
Conditioning
informasi
menjadi
yang langsung
- Perluasan lini,
terjadi melalui
Interval
bentuk, dan
stimulus
golongan produk
eksternal -Pengaturan posisi
tertentu yang
merk (positioning)
menghasilkan tanggapan
Operant
nyata
(Instrumental)
Conditioning
- Pemberian reward - Kualitas situasi lingkungan pembelian - Perhatian dan pelayanan karyawan
Ordinal menjadi Interval
Likert
43
Cognitive
Pembelajaran
Iconic rote
- Pengulangan pesan
Learning
konsumen
learning
dengan keikutsertaan menjadi
yang tidak
konsumen yang
langsung
lemah
terjadi melalui
Ordinal
Likert
Interval
- Asosiasi dengan
pencobaan
pesan mempengaruhi
stimulus
transaksi pembelian
tertentu untuk menghasilkan
Vicarious
- Pengamatan
Ordinal
tanggapan
learning/
konsumen terhadap
menjadi
yang
modelling
hasil penggunaan
Interval
Likert
produk yang
diinginkan
digunakan konsumen lain - Rekomendasi konsumen lain terhadap kualitas produk Reasoning
- Pembentukan
Ordinal
pemikiran lewat
menjadi
informasi dari media
Interval
cetak dan elektronik
Likert
44
Loyalitas
Hasil utama
Dimensi
- Jumlah produk
Ordinal
Konsumen
dari
behavioral
yang dibeli
menjadi
pembelajaran
- Frekuensi transaksi
Likert
Interval
konsumen - Pembelian ulang
yang terdiri dari sikap dan perilaku
Dimensi
- Persepsi dan emosi
Ordinal
attitudinal
konsumen terhadap
menjadi
merk
Interval
terhadap suatu merk
Likert
- Kepuasan konsumen terhadap produk - Keinginan untuk memberikan referensi pada orang lain Sumber: Penulis Pengukuran data yang digunakan untuk masing-masing variabel menggunakan skala ordinal. Suliyanto (2005:3-4) menyatakan bahwa data ordinal (skala ordinal) adalah data yang sudah dapat digunakan untuk menunjukkan tingkatan, tetapi jarak atau interval antar tingkatan belum pasti.
45
Contoh: Kinerja seorang karyawan, diklasifikasikan sebagai berikut: -
Sangat baik
diberi skor 5
-
Baik
diberi skor 4
-
Cukup baik
diberi skor 3
-
Tidak baik
diberi skor 2
-
Sangat tidak baik
diberi skor 1
Ciri data ordinal adalah sebagai berikut: -
Skala yang digunakan sudah memiliki tingkatan. Dengan demikian, karyawan yang memiliki kinerja yang sangat baik (skor 5) memiliki kinerja yang lebih tinggi dari karyawan yang memiliki kinerja baik (skor 4). Namun demikian, berapa jarak atau selisih antar karyawan agar dapat digolongkan sangat baik dan baik belum jelas.
-
Tidak dapat dilakukan operasi matematika, baik penjumlahan, pengurangan, pembagian maupun perkalian. Tidak dapat dinyatakan bahwa karyawan yang memiliki kinerja baik (skor 4) memiliki kinerja dua kali lebih baik dibandingkan dengan karyawan yang memiliki kinerja tidak baik (skor 2). Skala pengukuran yang digunakan dalam penelitian ini adalah skala Likert.
Menurut Suliyanto (2005:23), skala Likert digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang tentang fenomena sosial.
46
Langkah-langkah dalam menyusun skala Likert adalah: -
Menetapkan variabel yang akan diteliti,
-
Menentukan indikator-indikator yang dapat mengukur variabel yang diteliti,
-
Menurunkan indikator yang tersebut menjadi daftar pertanyaan (kuesioner). Jawaban setiap instrumen yang menggunakan skala Likert mempunyai gradasi
dari sangat positif sampai dengan sangat negatif. Apabila item positif, maka angka terbesar diletakkan pada sangat setuju, sedangkan jika item negatif, maka angka terbesar diletakkan pada sangat tidak setuju, di mana setiap item diberi pilihan respons yang sifatnya tertutup. Tabel dibawah ini menunjukkan contoh skala Likert. Tabel 3.3
Skala dan Skor Kategori Pengukuran Data
Skala
Skor
Sangat Setuju
5
Setuju
4
Ragu-ragu
3
Tidak Setuju
2
Sangat Tidak
1
Sumber: Suliyanto (2005:23)
47
3.3
Jenis dan Sumber Data Penelitian
Tabel 3.4
Jenis dan Sumber Data Penelitian
Tujuan
Data
Sumber Data
Jenis Data
T-1
Kuesioner Konsumen
Primer
Kuantitatif
T-2
Kuesioner Konsumen
Primer
Kuantitatif
T-3
Kuesioner Konsumen
Primer
Kuantitatif
Sumber: Penulis
Menurut Suliyanto (2005:8), data primer adalah data yang dikumpulkan dan diolah sendiri oleh suatu organisasi atau perseorangan langsung dari objeknya. Data primer dikumpulkan oleh peneliti untuk menjawab pertanyaan penelitian mengenai pengaruh behavioral learning dan cognitive learning terhadap loyalitas konsumen business-to-business UNILON di Jakarta. Jenis data yang digunakan adalah data kuantitatif. Menurut Suliyanto (2005:8), data kuantitatif adalah semua data yang dinyatakan dalam bentuk angka. Data kuantitatif yang digunakan dalam penelitian ini adalah jawaban dari kuesioner yang berisikan pendapat dari konsumen business-to-business UNILON di Jakarta.
48
3.4
Teknik Pengumpulan Data Nazir (2003) mengatakan bahwa teknik pengumpulan data merupakan alat-alat
ukur yang diperlukan dalam melaksanakan suatu penelitian. Data yang akan dikumpulkan dapat berupa angka-angka, keterangan tertulis, informasi lisan, dan beragam fakta yang berhubungan dengan fokus penelitian yang akan diteliti. Teknik pengumpulan data dalam penelitian ini menggunakan: a. Data Primer Data primer adalah data yang langsung dan segera diperoleh dari sumber data oleh penyelidik untuk tujuan yang khusus itu. Data primer dalam penelitian ini diperoleh dari kuesioner yang dibagikan kepada responden yang merupakan konsumen businessto-business UNILON di wilayah Jakarta. b. Data Sekunder Data sekunder adalah data yang telah lebih dahulu dikumpulkan dan dilaporkan oleh orang di luar diri penyelidik sendiri, walaupun yang dikumpulkan itu sesungguhnya adalah data yang asli. Data sekunder dalam penelitian ini diperoleh melalui studi kepustakaan dari data internal UNILON, perpustakaan Binus University, toko buku Gramedia dan internet.
49
3.5
Teknik Pengambilan Sampel Untuk data jumlah populasi yang digunakan adalah jumlah konsumen pada
periode Juli 2010 sampai dengan Desember 2010. Dalam menentukan minimal sampel yang digunakan, rumus yang digunakan menurut Kuncoro E.A. dan Riduwan adalah: n=
N 1 + N (e)²
Keterangan: N = jumlah populasi n = jumlah sampel e = presisi, ditetapkan 5% dengan tingkat kepercayaan 95% Teknik yang digunakan adalah sampling acak berlapis. Menurut Supranto, J. (2007:123), sampling acak berlapis ialah sampling di mana sampelnya diperoleh dengan cara sebagai berikut: (1)
Populasi dipecah/ dibagi menjadi populasi yang lebih kecil, disebut stratum
(2)
Pembentukan stratum harus sedemikian rupa sehingga setiap stratum homogen atau relatif homogen
(3)
Setiap stratum kemudian diambil sampel secara acak dan dibuat perkiraan untuk mewakili stratum yang bersangkutan
(4)
Perkiraan secara menyeluruh (overall estimation) diperoleh secara gabungan
50
3.6
Teknik Pengolahan Sampel Diketahui jumlah total konsumen adalah 60 responden. Sampel yang akan
diambil penulis ditentukan dari jumlah populasi. Jumlah populasi konsumen adalah 60 responden yang terdiri dari: -
konsultan teknik
: 18 responden
-
kontraktor
: 18 responden
-
developer
: 24 responden
Sampel ditentukan dengan rumus menurut Kuncoro E.A. dan Riduwan. n=
60 1 + 60 (0.05)²
n = 52.17 dibulatkan menjadi 50 Sampel yang akan diteliti berjumlah 50 orang.
Jumlah sampel yang akan diteliti berjumlah 50 responden, sehingga persentase sampel adalah sebagai berikut: -
konsultan teknik
(18/60) x 100% = 30%
-
kontraktor
(18/60) x 100% = 30%
-
developer
(24/60) x 100% = 40%
51
Jadi, jumlah sampel yang akan diteliti adalah:
3.7
-
konsultan teknik
30% x 50 responden = 15 responden
-
kontraktor
30% x 50 responden = 15 responden
-
developer
40% x 50 responden = 20 responden
Metode Analisis Data Pengolahan data merupakan proses yang penting dalam melakukan penelitian
untuk mendapatkan hasil yang diinginkan. Analisis diawali dengan uji validitas dan reliabilitas pada kuesioner. Hasil kuesioner akan dianalisis lebih lanjut dengan menggunakan analisis korelasi dan regresi. Dalam penelitian ini, pengolahan data dilakukan dengan software Microsoft Excel dan SPPS (Statistical Product and Service Solution) 17.0 3.7.1
Transformasi Data Ordinal Menjadi Data Interval Suliyanto (2005:25-28) menyatakan sering kali data yang diperoleh dari
penelitian adalah data yang berskala ordinal (misalnya Likert) sehingga tidak langsung dapat dianalisis dengan statistik parametrik, seperti regresi atau analisis jalur. Oleh karena itu, data ordinal tersebut harus ditransformasikan terlebih dahulu dengan menggunakan metode successive interval (MSI). Langkah-langkah transformasi data:
52
1.
Membuat frekuensi dari tiap butir jawaban masing-masing kategori.
2.
Membuat proporsi dengan cara membagi frekuensi dari setiap butir jawaban dengan seluruh responden.
3.
Membuat proporsi kumulatif.
4.
Menentukan nilai Z untuk setiap butir jawaban berdasarkan nilai frekuensi kumulatif yang telah diperoleh dengan ketentuan sebagai berikut: a.
Diasumsikan bahwa kumulatif (PK) menyebar dengan mengikuti sebaran normal baku (Z).
b. Jika nilai proporsi kumulatif (PK) lebih dari 0,5 maka digunakan nilai PK = 1- PK. 5.
Menghitung nilai skala (scale value) dengan rumus: SV = Density at lower limit – Density at upper limit Area under upper limit – Area under lower limit
6.
Mentransformasikan nilai skala (scale value) menjadi skala interval, yaitu dengan menambah nilai skala (scale value) yang nilainya terkecil (harga negatif yang terbesar) diubah menjadi sama dengan satu (=1).
3.7.2
Uji Validitas Menurut Suliyanto (2005:40-42), validitas didefinisikan sebagai sejauh
mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya.
53
Pengertian valid tidaknya suatu alat ukur tergantung kemampuan alat tersebut untuk mengukur objek yang diukur dengan cermat dan tepat. Dua hal yang harus diperhatikan dalam validitas instrumen, yaitu ketepatan dan kecermatan. Suatu instrumen mungkin tepat untuk mengukur suatu objek, tetapi belum tentu cermat. Pengertian cermat di sini adalah bahwa instrumen tersebut harus mampu memberikan gambaran yang cermat mengenai data tersebut (mampu memberikan gambaran mengenai perbedaan yang sekecilkecilnya di antara objek yang satu dengan yang lain). Suatu alat ukur dibuat dengan tujuan untuk mengukur suatu objek tertentu, dengan demikian valid tidaknya alat ukur hanya berlaku untuk tujuan yang spesifik. Untuk mencari validitas instrumen, penulis melakukan uji Pearson Product Moment. Pengujian validitas ini dilakukan dengan menganalisis setiap pertanyaan dalam kuesioner. Nilai r hitung yang dihasilkan dari setiap pertanyaan akan dibandingkan dengan r tabel yang telah diterapkan untuk menentukan validitas pertanyaan kuesioner. Dasar penentuan besaran nilai r tabel adalah sebagai berikut: 1.
Menentukan nilai degree of freedom (df) Nilai df ditentukan dari banyaknya sampel uji validitas. Disarankan agar jumlah responden untuk uji coba minimal 30 orang. Dengan jumlah ini, distribusi skor (nilai) akan lebih mendekati kurva normal. Rumus untuk mencari nilai df yaitu: n - 2, dimana n adalah banyaknya sampel yang diuji. Jadi, df = 30 – 2 = 28.
54
2.
Menentukan nilai r tabel Didapatkan nilai df = 28, dan dengan tingkat signifikansi 5%. Setelah mengetahui nilai r tabel, maka langkah selanjutnya adalah membandingkan nilai r hitung tiap pertanyaan dengan nilai r tabel yang telah ditentukan.
3.
Mencari r hasil r hasil untuk tiap item (variabel) dapat dilihat pada kolom CORRECTED ITEM – TOTAL CORRELATION
4.
Mengambil keputusan Keputusan pada sebuah butir pertanyaan dapat dianggap valid, dapat dilakukan dengan beberapa cara berikut. -
Jika koefisien korelasi product moment melebihi 0,3
-
Jika koefisien korelasi product moment > r table
-
Nilai Sig. ≤ α. Apabila dalam pengujian terdapat pertanyaan yang tidak valid, maka pertanyaan yang tidak valid tersebut dikeluarkan dan kemudian dilakukan pengujian kembali untuk pertanyaan yang valid saja.
3.7.3
Uji Reliabilitas
55
Menurut Suliyanto (2005:42-45), reliabilitas pada dasarnya adalah sejauh mana hasil suatu pengukuran dapat dipercaya. Jika hasil pengukuran yang dilakukan berulang menghasilkan hasil yang relatif sama, pengukuran tersebut dianggap memiliki tingkat reliabilitas yang baik. Hasil pengukuran dapat dipercaya hanya apabila dalam beberapa kali pelaksanaan pengukuran terhadap kelompok objek yang sama diperoleh hasil relatif sama (aspek yang diukur belum berubah), meskipun tetap ada toleransi bila terjadi perbedaan. Adanya nilai toleransi perbedaan pengukuran disebabkan perbedaan waktu pengukuran akan dapat mempengaruhi perbedaan jawaban responden. Semakin rendah derajat toleransi perbedaan, semakin reliabel alat ukur yang kita gunakan. Pengertian alat ukur yang reliabel berarti bahwa alat ukur tersebut mampu mengungkap data yang cukup dapat dipercaya, namun untuk menyingkat istilah, sering dinyatakan bahwa alat ukurnya reliabel. Teknik yang dipakai untuk menguji reliabilitas dalam penelitian ini adalah pendekatan konsistensi internal yang ditunjukkan oleh koefisien Cronbach Alpha. Menurut Modul Praktikum Lab Statistik Manajemen, Binus University (2007:29), jika Cronbach Alpha > r tabel, maka dapat dikatakan reliabel, sedangkan jika Cronbach Alpha < r tabel, maka dapat dikatakan tidak reliabel. 3.7.4
Analisis Korelasi Menurut Suliyanto (2005:52-54), analisis korelasi adalah alat statistik
yang dapat digunakan untuk mengetahui derajat hubungan linear antara satu
56
variabel dengan variabel lain. Hubungan antara satu variabel dengan variabel lainnya dapat merupakan hubungan yang kebetulan belaka, tetapi dapat juga merupakan hubungan sebab akibat. Dua variabel dikatakan berkorelasi apabila perubahan pada satu variabel akan diikuti oleh perubahan variabel lain, baik dengan arah yang sama maupun dengan arah yang berlawanan. Hubungan antarvariabel dapat dikelompokkan menjadi tiga jenis hubungan berikut. 1.
Korelasi Positif Terjadi korelasi positif apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang sama (berbanding lurus). Artinya, apabila variabel yang satu meningkat, maka akan diikuti dengan peningkatan variabel yang lain. Apabila variabel yang satu turun, maka akan diikuti dengan penurunan variabel yang lain.
2.
Korelasi Negatif Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang berlawanan (berbanding terbalik). Artinya, apabila variabel yang satu meningkat, maka akan diikuti dengan penurunan pada variabel yang lain. Apabila variabel yang satu turun, maka akan diikuti dengan peningkatan variabel yang lain.
3.
Korelasi Nihil
57
Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti dengan perubahan variabel yang lain dengan arah yang tidak teratur (acak). Artinya, apabila variabel yang satu meningkat, kadang diikuti dengan peningkatan variabel yang lain. Akan tetapi, kadang diikuti dengan penurunan variabel yang lain. Besarnya hubungan antara variabel yang satu dengan variabel yang lain dinyatakan dengan koefisien korelasi yang disimbolkan dengan huruf “r”. Besarnya koefisien korelasi akan berkisar antara -1 (negatif satu) sampai dengan +1 (positif satu): -1 ≤ r ≤ +1
Keterangan: + menunjukkan korelasi positif - menunjukkan korelasi negatif 0 menunjukkan tidak adanya korelasi Apabila koefisien korelasi mendekati +1 atau -1, berarti hubungan antar variabel tersebut semakin kuat. Sebaliknya, apabila koefisien korelasi mendekati angka 0, berarti hubungan antar variabel tersebut semakin lemah, Dengan kata lain, besarnya nilai korelasi bersifat absolut, sedangkan tanda “+” atau “-“ hanya menunjukkan arah hubungannya saja. Untuk menganalisis keterkaitan antar variabel, perlu diukur besarnya nilai koefisien korelasi. Untuk mengukur besarnya nilai
58
koefisien korelasi, kita harus menggunakan alat analisis korelasi yang tepat. Beberapa contoh korelasi, yaitu korelasi spearman rank, korelasi biserial, poin biserial, atau korelasi kendall’s tau. Untuk data yang berjenis interval dan rasio digunakan alat analisis korelasi product moment (r). =
n(Σx
y
) – (Σx
)( Σy
)
= koefisien korelasi n = jumlah pengamatan Σx
= jumlah dari pengamatan nilai X
Σy
= jumlah dari pengamatan nilai Y Arti harga r akan dikonsultasikan dengan tabel Interpretasi Nilai r
sebagai berikut: Tabel 3.5
Interpretasi Koefisien Korelasi Nilai r
Kategori Nilai
Tingkat Hubungan
0,00 - 0,199
Sangat rendah
0,20 - 0,399
Rendah
0,40 – 0,599
Sedang
0,60 – 0,799
Kuat
59
0,80 – 1,000
Sangat Kuat
Sumber: Kuncoro, E.A. et al (2007:62)
Besar kecilnya sumbangan variabel X terhadap Y ditentukan dengan rumus koefisien determinan sebagai berikut: KD = r² x 100% KD = nilai koefisien determinan r = nilai koefisien korelasi Pengujian signifikansi yang berfungsi apabila peneliti ingin mencari makna generalisasi dari hubungan variabel X terhadap Y, maka hasil korelasi PPM tersebut dengan uji dengan uji signifikansi sebagai berikut: Hipotesis: H0 = Variabel X tidak berhubungan secara signifikan dengan variabel Y H1 = Variabel X berhubungan secara signifikan dengan variabel Y Dasar Pengambilan Keputusan: -
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau [0,05 ≤ Sig], maka H0 diterima dan H1 ditolak, artinya tidak signifikan.
60
-
Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau [0,05 ≥ Sig], maka H0 ditolak dan H1 diterima, artinya signifikan. Menurut Kuncoro, E.A. et al (2007:62), analisa korelasi berganda berfungsi untuk mencari besarnya hubungan antara dua variabel bebas (X) atau lebih secara simultan (bersama-sama) dengan variabel terikat (Y). Rumus korelasi ganda sebagai berikut:
²X1.Y+ Selanjutnya,
untuk
mengetahui
signifikansi
korelasi
berganda
dibandingkan antara probabilitas 0,05 dengan probabilitas sig sebagai berikut: Hipotesis: H0: Tidak ada hubungan yang signifikan antara variabel X1 dan X2 dengan variabel Y H1: Ada hubungan yang signifikan antara variabel X1 dan X2 dengan variabel Y 3.7.5
Analisis Regresi Suliyanto (2005:62-63) berpendapat bahwa analisis regresi merupakan
suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan. Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak
61
selalu tepat dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang kita bentuk. Persamaan
regresi
adalah
suatu
persamaan
matematis
yang
mendefinisikan hubungan antara dua variabel. Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel dependen disebut persamaan regresi estimasi, yaitu suatu formula matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu variabel yang nilainya belum diketahui. Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab akibat. Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoretis atau perkiraan sebelumnya, dua atau lebih variabel tersebut memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi oleh nilai variabel lain disebut dengan variabel bebas, sedangkan variabel yang nilainya dipengaruhi oleh variabel lain disebut variabel tergantung (terikat). •
Persamaan Regresi Sederhana Y = a + bX Keterangan: Y = variabel terikat
62
X = variabel bebas a = nilai konstanta
Koefisien a diperoleh dengan a = b = koefisien regresi
Sehingga koefisien regresi adalah: b=
ΣXY – ΣX.ΣY ΣX – (X) 2
•
Persamaan Regresi Berganda
+
+
Untuk mencari nilai
,
,
+
+
+
+
+
- b , dimana
=
dan
=
63
3.8
Rancangan Uji Hipotesis Rancangan uji hipotesis dalam penelitian ini dibuat berdasarkan tujuan penelitian.
Tingkat kepercayaan yang digunakan adalah 95%, sehingga tingkat presisi atau batas ketidakakuratan sebesar 5% = 0,05 Dasar pengambilan keputusan dapat ditentukan dengan: •
Bila Sig ≥ 0,05 maka H0 diterima, H1 ditolak
•
Bila Sig ≤ 0,05 maka H1 ditolak, H1 diterima
Keterangan: X1 = Behavioral Learning X2 = Cognitive Learning Y = Loyalitas Konsumen Hipotesis yang diuji dalam penelitian ini adalah: 1.
Tujuan 1 (T-1)
Perumusan masalah: Adakah pengaruh behavioral learning terhadap loyalitas konsumen business-to-business UNILON di Jakarta?
64
Hipotesis: H0: Tidak ada pengaruh behavioral learning terhadap loyalitas konsumen business-tobusiness UNILON di Jakarta. H1: Ada pengaruh behavioral learning terhadap loyalitas konsumen business-tobusiness UNILON di Jakarta.
2.
Tujuan 2 (T-2)
Perumusan masalah: Adakah pengaruh cognitive learning terhadap loyalitas konsumen business-to-business UNILON di Jakarta?
Hipotesis: H0: Tidak ada pengaruh cognitive learning terhadap loyalitas konsumen business-tobusiness UNILON di Jakarta. H1: Ada pengaruh cognitive learning terhadap loyalitas konsumen business-to-business UNILON di Jakarta.
3.
Tujuan 3 (T-3)
Perumusan masalah: Adakah pengaruh behavioral learning dan cognitive learning terhadap loyalitas konsumen business-to-business UNILON di Jakarta?
65
Hipotesis: H0: Tidak ada pengaruh behavioral learning dan cognitive learning terhadap loyalitas konsumen business-to-business UNILON di Jakarta. H1: Ada pengaruh behavioral learning dan cognitive learning terhadap loyalitas konsumen business-to-business UNILON di Jakarta.
