BAB II ANALISISMULTIPTEREGRESI 2.1.TUJUANMANAJERIAL Pada penelitian ini, Multiple Linier RegressionAnalysisdilakukan untuk
tsgge!_tt variabel-variabelyang mempengaruhikonsumendalam membeliproduk-produkHATCo. Saatini pihak man olehpersepsikonsumenterhadapHATCO,sepertiyangditunjukkanpadagambar2.1.
r---hil'
Z 1 Hrburgan
Antara Persepsi Konsumen terhadap Tingkat Pembelian Produk HATCO
Oleh karena itu, dalam penelitian ini digunakan metode Stepwise dalam menentukan l'anabel yang masuk ke dalam model
a
2,2.V ARIABELYANGDIGUNAKAN Dari gambar 2.L di atas, dapat disimpulkan bahwa variabel independen pada multiple regression ini ialah variabel-variabel yang mewatiti p.rr$ri
t offi.TT*-ttadap
HATCO,
Xt Delivery speed: waktu yang diperlukan sejak order dikonfirmasi hingga produk sampaidi tangankonsumen. xz Pricelevel: persepsikonsumenterhadaphargaproduk-produkHATCO. Xz Price flertbilifi: kesediaanperwakilanHATCOdalammelakukannegosiasiharga padasetiappembelian. X+ Manufacturefs image: imageHATCOsecarakeseluruhandi matakonsumen. Xs Overall servlce: level pelayananyang harus dicapaioleh HATCOdalammenjaga hubunganbaikantarakonsumendenganHATCO. k Salesforceimage: imagedari HATCO,ssalaforce. X: Product quality: kualitasproduk
,iementaraitu, terdapat dua kandidat variabel dependen,yaitu: n (Isage X, leyel: menunjukkan persentase produk [dar: : ,, konsumenJyangdibeli dari HATCO. ./ _/''
xrc satisfaction rever:lever kepuasan konsumen
: -:. perusahaan
atas trr. j j
yang telah dilakukan sebelumnya.
- ari keduaoutcomesvariables dan xroJ fxe tersebut,penentuanr.ariabeldependen yang digunakan' dilakukandengananalisiskorelasi. "xan Bivariateccrreiz,,ondigunakan karena :3nya 2 variabelyang terlibat' Jika terbukti bahwakeduavariabeltersebut berkorelasi, :aka variabelyang akandigunakansebagai variabeldependenadalahvariabelllsage Level i';J karena bersifat rebih objektif daram menggambarkantingkat pemberian jika :. bandingkan denganvariabel Satisfactio n Level.
].3. ANALISISKOREUISI ' : korelasidilakukan pada2 caron variaberdependenyaitu variaber Xs dan Xro.Langkahpengerjaan analisiskorelasiadalahsebagaiberikut ":rgkah : i Bukafile dataIIATCOdengan SPSS 12. Pilih Analyze ) Correlate ) Bivariate Bivariatedipilih karenayangingin diketahuiadalahkorelasiantaradua variabelfdalam kasusHATCOini adalahantara duavariabelindependen).
4.00:
z.fo :> <eb Lorctag-
Gambar2.2 Tampilan menu Br.yanatz Con:elqtion
":: (X. danXroJs eperti pada Gambar
Kemudianmasukkankedua variabel ;
2.3. lr:!/n
t1"..[ IR
BivbricteCarrelal
&L
'"0 D
l c n l oX e 4 , x , u tg'
o <$ *1
2 horn gararw.rfYrn'\
,.0 11
7 rnq
lc
*e.ruo [._r-\i .i1::-',,
-, :il.--*'r-':!
':::.iir r:ti.rr il.i:iri,::.'
(-
ko ft la g
1;li\^ I a \ot. 9 o1t-r^, Lc ru r.a h^.t o l-
. .'..S.s14.
h'.a"\\ {, \o..**
,
.klerrd,,n"
=> 9)
,,o
Qcargon-: pzrraw.cHL
bivaria\;.t
9)
;:
l#"*;ffi',r-. SS rtjr *'$Em#l ,, ,,,,:i,+i.d'il[j l:.-:.1:;*5ijli.:';-:i:.:
;,,i;t:;i.-:;i:i,.til*.-ri-,t:..lrt;"
'Fi l
idi:
i'.::i
vu"thp\t
r<9t-(tt
Y --t
:. -
/uy^ V ^rgo'
Jr-fi,I.]Il n Pemilihan
rr 2.
Tabel 2. 1 OuPut Korelasi Bivariat
Gonelations Satisfaction Usaoe Le\e Usage Lele f- va\ua
/-
SatisfactionLerel
Pearson Coneldion Sig' @-tailed) N PearsonConelation Sig. P{ailed) N
I apl
1 100 .711',' .000 100
Condation is significantd the 0.01 lerel (2-tailed)'
.711" .000 100
fnrr"uu6v\-'Fo A,,sa \arr\corcl,
1
(c-tw,rr.'
L(r {.
100
rorr.lfs c"
bltL l,,_ b <--^
)av''6
yang Hasil dari korelasi bivariate ftabel 2.1.Jmenunju}kan bahwa terdapat korelasi besar antara keduavariabel tersebut Hal ini dapat dilihat dari korelasiPearsonsebesar 0'05' Nilai A.TLIyang sangattinggi dan hasil uji signifikansidenganlevelof significance signifikansikorelasilebih kecil dari 0.05yangberarti bahwacukupbuKi untuk menolak hipotesisbahwa tidak ada korelasi antar kedua variabel tersebul Selanjutnyakarena yaitu ada korelasi antar kedua variabel tersebut maka dipilih salah satu variabel, Analysis' variabel Xg,untuk meniadivariabel dependendalarn\4ultipleLinier Regression
f
^(,., sho- u,r-
"U
lru'{e , ''y'-a EeturS"r\' l^noy^slL
t\^!.cpt a(
2.4.PROSEDURPENGOLAHANDATA (USER INTERFACE) _angkah_langkahpengerjaan M uI tipI e Li ni er Regressio . i : :,i, r s l n t u a n n,4 nolr.-., S P S S1 2 ,.ialah; a
Buka file data IIATCO dengan SPSS12.
:
Pilih Analyze )
Regression ) Linear
€-n.
orn t
t
golr^, A. q lv.
-tl
ti {-.------r: at 1,80i
f;tq i
279 ; -6,m
-1'_
"1tr
f.4 *.-*-.i
f_"-.
i
l,q
*-.*'.-i -'l
Gambar2.4 pemilihan menu regresi linier
MasukkandependentvariablefXs) danindependentvariable[Xr_XzJ ke dalam boxyang Jsu6
Metode stepwise dipirihkarena dengan metode stepwise lllli"lltil:r::stepwise. pemilihanvariabelindependen
\cot l^4y1
akandilakukansecaraotomatis,dan metodeini hanya memasukkan variabel_variabelyang dependensecarasafuper satu.
berpengaruh signifikan terhadap variabel r.=i
9,r1 Sra x3
Sra <)s $ xl
..Sm tp xt0 ')x11
,ffi.
=jgj. ne*I *u"J, "+l
xl2 '$xl3 x11
flEGRtetor ccore $ BEGFtactcscoe ,SFdd3_S <) Ctusrer
Gambar2. S MemasukkanVariable Dependeodl
ldrsr'trr*-
d. Klik Statistics, kemudian klik Durbin-lt'atson untuk menampilkan nilai autokorelasi Klik Collinearity diagnostics untuk melihat asumsim ultikolinearitas.
{rrr.l.+ l,n+iL.\rruq hor.r,^l vrntru.c^a\ tn\.
u*rn9,np
,1q.^$A$
tranaqpltLorn 61\ar
lc. ptn' -
4r Wt^ v \\ql orrbr\g^
\ad,tp*nrol.{.nrt etcOr' \qrw, \AcJ,{pr^AdrO](
GambarZ.6KotakdialogStatistics
Klik Contihue untuk melaniutkan. e. Klik Plots lalu tandai Histogram dan Normal Probability Plot. Kemudianmasukkan variabel SRESIDke dalam kotakY dan ZPREDke dalam kotak X untuk menguii asumsi Untuk. menguji kenormalan digunakan ZPRED (nilai variabel homoscedasticitlt. independen Z prediksiJ untuk sumbu X dan SRESID (residual yang sudah terstandarisasi)untuk sumbu Y. Kedua variabel ini akan digunakanuntuk membuat scatterplot yang dapat melihat sebaran residual terhadap nilai prediksi variabel dependen.
>
Plor-s
hU-
%t
v\ ocl4la ( p
3qvne 'tu\ a'
Gambar2.7 Kotakdialog Plots
Klik Continue untuk melanjutkan.
:
Abaikan yang lain dan klik oK u;-.:ukmelihat hasilMultiple Linier Regression Anatysis.
2.5.PEMENUHAN ASUMSI Padaanalisisregresilinier terdapatbeberapaasumsiyang
| "\1yyo6
harus dipenuhi.pelanggaran salah satu asumsi dapat menyebabkananalisis menjaditidak valid. Berikut ini adalah asumsiyangdigunakandarammurtipre reg res sion besertapengujiannya: a' Hubunganantaravariabeldependendengan variabelindependenadalahlinier fasumsi IinearitasJ. Asumsi linearitas dapat diperiksa dengan teknik analisis korelasi. Hal ini dapat dilakukandenganmemplot data masing-masing variaberindependenterhadapdata variabeldependen. cara lain yang lebih mudahuntuk menguji linearitasadalahdenganuji ANovA. Apabila nilai F tidak signifikansecarastatistik fmendekatinilai nol), hal ini mengindikasikanada hubunganlinier yang signifikanantara variabeldependendan independen.pengujian ANOVAdapatdilihatpadatabeldi bawah ini. ANOVAd
3935.704 41.475
2049.185 19.29S
b. Predidors:(Condant),x5, x3 c. Predidors:(Constant), x5,x3,x6 d. DeperdentVaridle: x9
Error berdistribusi normal Pengujianasumsi normalitas error dilakukan Ut -f-l -. _: : histogram dannormal probabiltty plot dibawahi n i
: =.:.:.'ilsaanvisual terhadap
Dependent Variable: xg
a C'
E
B
Regresslon Standardlzed Resldual
Gambar 2.8 Histogram DependentVariable:x9
€o 4 E 0.6
r ()
It o E o.l
tx
l!
Observed Cum Prob Gambar 2. 9 Normal P-P Plot of Standardized Residual
Pada kedua grafik tersebut terlihat bahwa tidak terjadi penyimpanganyang signifikan terhadapplotnormal fyangidealnyadigambarkandengangarishitam padakeduagrafik di atas).sehinggadapatdisimpulkanbahwaasumsinormalitaser?orterpenuhi.
c.
Independensierror a---
Independensierror dapatdiuji denganstatistikDurbin-Watson [d). Nilai d hitungakan dibandingkandengannilai d dari tabel Durbin-Watson flihat padaLampiranJ.Ukuran sampeldalampenelitianini sebesar100 (n = 100),dan jumlah variabelindependen yangberpengaruhsebanyak3 buah,sehinggadidapatnilai Dwrdan Dwusebesar1.61 dan1.74[o = 0.05J.Darinilai Dwudan Dv,'dapatdiperolehtigadaerah,yaitu: 1.Terdapatautokorelasi
c < Ir...,.auu d > 4- Dw;_u
d<1.61ataud>2.3g 2 . T i d a k d a p a td i s r r n 5 L,ll:,:t
D l y r< d < D w , , a t a u 4-Dwu
3. Tidak terdapat autokorelas i : D w , < d < 4 - D * y r :
L . 7 +< d < 2 . 2 6 ( Tabel 2.2 Model Summary ModelSummarf Modd
R R Souare .70lF 492 .869b 755 .877c 768
1 2 3
Adjusted R Souare 47 750 761
Std. Enorof the Estimate 6.44011 4.49918
[email protected]
Durbin Watsan
eqtqors: ((nn$ant), x5
1.906)
b. Predciors:(Constant), x5, x3 c. Predictors:(Constant), xS,x3, x6 d. Deperderf Vari&le: x9
Dari taberdi atas,diketahuin'ai
d = 1.g06,beradapadadaerahL.74<
dapat disimpulkan bahwa tidak
terdapat autokorelasie
asumsi independen sierror,u.0ffi"ff:rt tingkat signifikansidapatdilihat :
d < 2.26sehingga
di Lampiran.
ff;::
i:;
Homoscedasticity Perneriksaanasumsi homoscedasacip dilakukandenganmembuatplot antara residu terhadapnilai predilisivariabel dependen.
n n :1
1
/arable:
D€FoFt
o
-^ . . : 19: o -. tc '
-u
-'
-. ".
o o
o ^rc
oql
oo
^
'=
qat
tr(o
x9
Lz.-*h V"^a^J tv\ovtto .'
o d
oo ooF
oo
. c^ c"go 2 . , _' " " c , o f u ? "o f_ c r "o odo^
orr\a 7o\A
96xcta9
?i ha
o
o
o. gO
oo
Regreslm
Stard.rdlad
PredicH
Valw
Gambar 2. lO ScatterPlot
Dari plot di atasterlihat bahwaerror yangterjadimenyebar.Error pun tidak membesar seiring bertambahnyavariansi. Oleh karena itu, disimpulkan bahwa tidak terdapat terpenuhi' perbedaanvariansi erroryangsignifikanatauasumsihomoscedasticity
e.
Tidakterdapatmultikolinearitasantarvariabelindependen Multikolinearitas antarvariabel independendapat dilihat dari nilai statistik Toleransi. pada model tersebut Iika nilai Toleransi sebuahmodel regresi di bawah 0.1, maka terdapatmultikolinearitas. Tabel 2.3 Coeficien* Unstandardized
Standardized
Coefficients
Coefficients
Model
B 1
3
Tolerance
Beta
.000
9.741 -L.L32
,000
.667
t3.234
.000
.996
.514
10.188
.000
.996
-2.007
.048
.638
72.561
.000
.936
.320
.520
10.544
.000
.993
.591
.T2L
2.396
,018
.939
2.594
8.393
.462
-3.460
3.058
x5
7.983
.603
x3
3.330
.327
(Constant)
-6.5L4
3.246
x5
7.629
.607
x3
3.370
x6
1.416
(Constant)
Collinearity Statis
Sig.
8.341
2t.633
{Constant) x5
2
Std.Error
T
.70L
W
1.000
.261
a DependentVariable:xs ) o,, .'. MV / aa(a *,{th
bo
Statistikuji roleransi dari ketigarn-:i. r=eresiyang terbentuk memiliki nilai lebih dari
0.1
sehinggaasumsitidak terdapatiit-ri:-l',,,ncaritasantarvariabel independenterpenuhi. Semuaasumsiyang digunakancj:lar, ':-i:tple lineor regression terpenuhi sehinggamodel hasilpengolahandata regresibersifat,..ahd. ^J^ wn*l'trolt'"o'nlqt , ",); r^'^'
2.6.INTERPRETASI HASIL Tabel 2. 4 Variablesentered/removed VariablesEntered
StepwisefCriteria: lro baUility-oTl-to-!1ffi .050,Probability-of-F-to-remove >= .100J. Stepwise[Criteria:probability_of_F_to_enter <= .050,Probability-of_F_to-remove >_ .100). StepwisefCriteria:probability_of_F_to-enter <= .050,Probability-of-F-to-remove >= .100).
DependentVariable:x9 )enganmetodestepwisehanyatiga variabel independenyang dimasukkanke dalammodel :egresi,yaitu variabelXs,xg,danXo.Nilai yang Rz dihasilkan= 0.768 Tabel2.5 ModelSummarv
Adjusted R Somre R Somre 1 701,a 492 487 2 869b 755 750 3 gTTc 768 761 a. Predictors:(Constant),x5 b. Predictors:(Constant),x5, x3 c. Predidors:(Constant),x5, x3, x6 d. DeperdentVari$le: x9 Modd
au *.a\h Eo
R
Std. Enorof lha
Ec{i*^r^
6.44U1 4.49518 4.39306
Durbin Watsrn
1.906
'-tm
a
r,of
Tabel?.5 A:,JOVA AiJOVAd
3935.704 4064.552 8000.256 -& lir'. l&
2049.185 19.299
6147.554 1852.703 8000.256
xa :'
(Cons{ant), x5 a' Predictors: x5, x3 (Constant), b. Predictors: x5, x3, x6 (Constant), c- Predictors: d. Dependent Vari$le: x9 pada perbandingan sum of Signifikansi penggunaan model terhadap data tergantung model 3 diperoleh nilai sum of squares Regressiondan sum of squares Residual.Pada Residual yang terkecil' dengn squares Regressionyang terbesar dan sum of squares 3 dapat menjelaskan sebagianbesar signifikansi F lebih kecil dari 0.05. Hal ini berarti model variansi variabel dePenden.
] L
Tabel 2.7 Coeficients Goefficient$
Unstandardized Coeffidenls
Model
I 2
3
Standardized Coeffcients
\
Collineqdtv St t
Beta
Std. Enor B 2.594 (Constant) 21.633 .862 8.393 x5 -3.460 3.058 (C-onstant) .603 7.983 x5 .327 3.330 x3 3.246 €.514 ) (endant) .607 x5 ['r.azv.320 3.370 x3 | .591 1.416 x6 \
a. Dependent Variade:x9
.701
8.341 9.741 -1.132
.667 .514
13.234 10.188 -2.007
.638 .520 .121
12.561 10.544 2.396
siq. .000 .000 261 000 040
Tolerarce 1.000 .996 .996
(.u4u
\m-
.000 .018
936 993 939
v y.ylrero) o os -Jj15:X zff "un4{}-'r'' Pdi
nilai 1/tolerance'yangjuga ilaiVarianceInflationFactor(VIF)dalamTabel2.7merupakan variabelyangiain mempunyaistandarerror :bagaiindikatordari efekbahwaindependen :--
1) '
lc a\o
V,
f a\ct
a,
B'nK(
*^.nwl144'
':r"i,zt 1 9t vtv '
E
^f,
'\--!
IAE ET --7
Lon
kzltaaF
1 *ru+
i ytl' h vr"t
:=:hadapkoefisienregresi.Nrlar 'r-lFi:-r: besar mengindikasikan nilai kolinearitasatau - . l t i k o l i n e a r i t a sy a n g t i n g g r d l a n t 3 ; - : ' . ; 1 - 1 3 i isnl d e p e n d e nT. a b e l 2 . 7 n r e m b e r ij n f o r m a s i - .'ngenaiparametery'ttedregress, - i s.:1niga modelyangdihasilkanialah:
V = 7 . 6 2 9X ; + 3 . 3 7 0X : + 1 . 4 1 6X
I z'--"-t
KqYh|.L-
--':i persamaan tersebut dapat dikerahur bahrva variabel ,"n* *"ffi"rJfff;ulff''h''^* :=sar terhadap UsageLevel ialah vanabel Xs,yaitu variabel OverallService,diikuti oleh '' ariabel Xt, Price Flexibility,dan X:, Salesforce Image. Dengan demikian,jika HATCO :enginginkan tingkat pembelian para konsumennya meningka! hal-hal yang harus :rperhatikan adalah: t
Overall service
i
Pelayananyang diberikan oleh HATCO kepada konsumennya,mulai dari proses order
hinggapemenuhanorder. PriceFlexibility
of of aln
sar
Tingkat harga yang ditetapkan oreh HATco kepada peranggannya.Sepertinya para pelangganmengharapkanagar tIATco bersikap Iebih fleksibel dalamhal harga.Misalnya, HATco memberikanpotonganhargabagipemberian daramjumrahbesar. StlesforceImage HATC0perlumemperbaiki imej nya dalammenawarkan ataumenjualproduknyakepada konsumen,Misarnyadengansikappara sarespersonyang rebihramah,dsb.
1 000 vvo 996 vJo
993 939
, &^di ;uga r rn|.
'-
