BAB IV ANALISIS DAN PEMBAHASAN
4.1
Analisis Hasil Penelitian Pada bab ini akan disajikan hasil survei berdasarkan hasil pengisian
kuisioner oleh responden. Hasil yang diperoleh dari pengisian kuisioner oleh responden akan disajikan dalam bentuk tabel. Penyajian hasil survei diklasifikasikan berdasarkan : Karakteristik responden dan pernyataan responden tentang pengaruh iklan Lux di televisi terhadap preferensi konsumen. 4.1.1 Karakteristik Responden Dari kuisioner yang disebar kepada 30 responden, jenis kelamin kesemuanya adalah perempuan yaitu sebanyak 30 orang atau (100%) seperti yang terlihat pada tabel 4.1. berikut : Tabel 4.1 Karakteristik Responden Berdasarkan Jenis Kelamin URAIAN Laki-laki
FREKUENSI 0
PERSENTASE 0%
30
100%
30
100%
Perempuan
Total Sumber: Hasil olah data Pada tabel 4.2 untuk karakteristik responden pada tingkat usia terlihat bahwa untuk usia dewasa awal dengan tingkat usia 19-24 tahun sebesar 18 orang (60%) dan untuk tingkat usia antara 25-30 tahun sebanyak 10 orang (33,34%) adapun responden dengan tingkat usia antara 31-36 tahun sebanyak 1 orang (3,33%) dan untuk tingkat usia 37-45 tahun sebanyak 1 orang (3,33%). 70
71
Kesimpulan yang diperoleh dari karakteristik jenis kelamin dan usia memperlihatkan bahwa untuk usia konsumen sabun mandi Lux adalah relatif wanita berusia muda, artinya bahwa secara rata-rata responden pada tingkat kedewasaan yang lebih baik. Tabel 4.2 Karakteristik Responden Berdasarkan Usia URAIAN 19 - 24 Tahun 25 – 30 Tahun 31 – 36 Tahun 37 – 45 Tahun
FREKUENSI 18 10 1 1 30
PERSENTASE 60% 33.34% 3.33% 3.33% 100%
Total Sumber: Hasil olah data Pada tabel 4.3. berikut memperlihatkan profil responden berdasarkan Pendidikan terakhir. Sebanyak
25 orang atau (83,34%) responden memiliki
pendidikan terakhir SMA sederajat, dan sebanyak 5 orang (16.68%) responden memiliki pendidikan terakhir Diploma. Untuk lebih jelas dapat dilihat pada tabel 4.3. berikut : Tabel 4.3 Karakteristik Responden Berdasarkan Pendidikan URAIAN SMA Sederajat Diploma Strata Satu (S1) Strata Dua (S2/S3) Total Sumber: Hasil olah data
FREKUENSI 25 5 0 0 30
PERSENTASE 83,34% 16.66% 0 0 100%
72
Karakteristik responden berdasarkan pekerjaan dapat dilihat pada tabel 4.4. berikut : Tabel 4.4 Karakteristik Responden Berdasarkan Pekerjaan URAIAN PNS Karyawan Swasta
FREKUENSI 10 20
PERSENTASE 33.34% 66,66%
30
100%
Total Sumber: Hasil olah data Dari hasil tabel 4.4 di atas menunjukkan bahwa sebanyak 10 orang (33.34%) responden memiliki pekerjaan sebagai PNS, sebanyak 20 orang (66.66%) responden memiliki pekerjaan sebagai Karyawan Swasta. Tabel 4.5 Karakteristik Responden Berdasarkan Lokasi URAIAN Jakarta Timur Jakarta Barat Jakarta Pusat Jakarta Utara Jakarta Selatan Depok Tangerang Bekasi Bogor
FREKUENSI 2 10 5 4 2 2 2 2 1 30
PERSENTASE 6.68% 33.34% 16.68% 13.33% 6.68% 6.68% 6.68% 6.68% 3.33% 100%
Total Sumber: Hasil olah data Sedangkan untuk karakteristik wilayah tempat tinggal responden, sebanyak 2 orang (6,68%) berada di Jakarta Timur, sebanyak 10 orang (33,34%) berada di Jakarta Barat, sebanyak 5 orang (16.68%) berada di Jakarta Pusat, sebanyak 4 orang (13,33%) berada di Jakarta Utara, sebanyak 2 orang (6,68%) berada di
73
Jakarta Selatan, sebanyak 2 orang (6,68%) berada di Depok, sebanyak 2 orang (6,68%) berada di Tangerang, sebanyak
2 orang (6,68%) berada di Bekasi,
sebanyak 1 orang (3,33%) berada di Bogor, seperti yang dapat dilihat pada tabel 4.5 di atas. Tabel 4.6 Karakteristik Responden Berdasarkan Penghasilan URAIAN < Rp. 1 juta Rp. 1 juta – Rp. 2 juta Rp. 2,1 juta – Rp. 3,5 juta Rp. 3,5 juta – Rp. 5 juta > Rp. 5 juta
FREKUENSI 0 10 15 3 2 30
PERSENTASE 0 33.34% 50% 10% 6,66% 100%
Total Sumber: Hasil olah data Pada tabel 4.6 di atas menunjukkan rata-rata penghasilan responden, sebanyak 10 orang (33,34%) responden memiliki pendapatan Rp. 1 juta – Rp. 2 juta, sebanyak 15 orang (50%) responden memiliki pendapatan Rp. 2.1 juta – Rp. 3,5 juta, sebanyak 3 orang (10%) responden memiliki pendapatan Rp. 3,5 juta sampai dengan Rp. 5 juta, dan sebanyak 2 orang (6,66%) responden memiliki pendapatan di atas Rp. 5 juta. 4.2
Deskripsi Data Deskripsi data adalah upaya menampilkan data agar data tersebut dapat
dipaparkan secara baik dan diinterpretasikan secara mudah. Deskripsi data meliputi penyusunan data dalam bentuk tampilan yang mudah terbaca secara lengkap. Tabel frekuensi merupakan cara penyajian paling umum untuk deskripsi data, yang sering ditampilkan pula secara visual dalam bentuk diagram batang
74
atau histogram. Sedangkan ukuran-ukuran deskriptif digunakan untuk menyatakan ciri lokasi pesebaran peubah pengukuran. 4.2.1 Tabel Frekuensi Tabel frekuensi merupakan bentuk deskripsi paling umum yang digunakan untuk peubah katagorik. Tabel ini menampilkan kategori-kategori yang muncul dalam gugus data beserta frekuensinya masing–masing. Frekuensi relative atau persentase biasanya ditampilkan pada tabel tersebut. Cara membuat tabel frekuensi secara manual : a) Mengumpulkan datanya b) Mengurutkan datanya c) Menghitung jangkauannya (Range) d) Menentukan berapa banyaknya kelas (k) e) Panjang Interval Kelasnya (i), dan f)
Menentukan batas bawah kelas pertama
4.2.2 Sebaran Frekuensi/Frekuensi Distribusi Tabel frekuensi untuk peubah pengukuran secara khusus dinamakan sebaran frekuensi, atau diketahui sebaran frekuensi memberi gambaran sebaran nilai-nilai pengamatan pada suatu garis peubah atau pengelompokan data ke dalam beberapa kelas. Hal itu biasanya terjadi saat dilakukannya penelitian atau survey sering terdapat hasil yang jumlahnya cukup besar dan membingungkan sehingga
untuk
memudahkan
pengolahan
data
kita
harus
melakukan
pengelompokan data menjadi bebarapa kelompok atau kelas. Sebaran frekuensi umumnya berbentuk sebuah tabel. Dalam suatu tabel frekuensi (atau sebaran
75
frekuensi) dapat berisi informasi tentang jumlah atau disebut frekuensi, frekuensi relatif, frekuensi kumulatif kurang dari dan frekuensi kumulatif lebih dari. Frekuensi relative kelas disajikan secara visual dalam bentuk histogram. Pembagian Tabel Frekuensi Distribusi : a. Frekuensi Distribusi Numerikal Bila dalam pengelompokan frekuensi terdiri dari data kuantitatif yang menyatakan besar bilangan numerik b. Frekuensi Distribusi Kategorikal Bila dalam pengelompokan frekuensinya terdiri dari data kualitatif yang menyatakan jenis atau mewakili karakteristik tertentu seperti orang, jenis kelamin, dll.
4.2.3 Ukuran-ukuran Deskriptif Ukuran-ukuran deskriptif diperlukan untuk peubah pengukuran sebagai nilai rangkuman atas nilai-nilai pengamatan yang ada. Ukuran deskriptif ini merupakan nilai atau ukuran yang menggambarkan posisi nilai-nilai peubah dalam suatu garis peubah. Ukuran yang menyatakan letak pusat secara umum dinamakan ukuran pemusatan dan ukuran yang menyatakan posisi relative nilai-nilai peubah terhadap nilai pusat tersebut dinamakan persebaran. a. Median Median adalah suatu nilai setengah dari nilai-nilai peubah tersebut lebih tinggi darinya dan setengah bagian lainnya lebih rendah. Median juga dikenal sebagai nilai yang terletak di tengah dari data yang terurut. Pengertian lain median adalah nilai tengah setelah data terurut naik.
76
Apabila banyak data adalah ganjil, maka median adalah nilai paling tengah dari data yang sudah diurutkan atau mediannya merupakan nilai peubah yang ke (n+1)/2. (n=banyaknya pengamatan) setelah nilai-nilai tersebut diurutkan. Apabila genap, median peubah adalah rataan dari dua nilai peubah (data) yaitu datum yang ke [n/2] dan datum yang ke [(n+2)/2] b. Kuartil Kuartil adalah nilai ukuran yang membagi data yang sudah terurut menjadi empat bagian yang masing-masing terdiri dari 25% pengamtan.. Seperempat bagian pertama lebih kecil dari Kuartil 1(K1), seperempat bagian antara Kuarti 1 dan Kuartil 2 (K2), seperempat bagian antara Kuartil 2 dan ketiga (K3) dan seperempat bagian lagi lebih besar dari kuartil ketiga. c. Jarak Antar Kuartil (JAK) Jarak Anatar Kuarti (JAK) menyatakan jarak yang mencakup 50% data yang berada disekitar median, dan merupakan ukuran persebaran data sehubungan dengan nilai median sebagai pusatnya. Atau dikenal sebagai selisih antara K3 dan K1 dinamakan. JAK yang panjang menunjukkan bahwa nilai-nilai peubah dalam gugus tersebut cenderung berpencaran atau memiliki ukuran persebaran yang tinggi. Sebaliknya JAK yang pendek menunjukkan nilai-nilai pengamatan yang cenderung mengumpul atau memiliki ukuran persebaran yang rendah. d. Rataan (Mean) Nilai tengah suatu peubah didefinisikan sebagai hasil bagi dari jumlah seluruh nilai pengamatan dengan banyaknya pengamatan. Nilai tengah merupakan pusat sejati dari segugus data yang menyatakan lokasi pusat keseimbangan data.
77
Apabila dalam suatu gugus data, bobot data yang berada di atas mediannya sama dengan bobot data yang berada di bawah mediannya maka data tersebut merupakan data yang sebarnnya simetrik. Median dan nilai tengah gugus data demikian berimpit dan terletak di tengah-tengah sebaran. Apabila bobot data yang berada di atas median lebih besar dari bobot data yang sebarannya melandai ke kanan (right skewed, skewed to the right). Data demikian dikatakan pula sebagai data yang menjulur ke kanan. Nilai tengah data tersebut berada di sebelah kanan mediannya. Demikian halnya, nilai tengah data yang melandai ke kiri berada di sebelah kiri mediannya. Kasus ini disebut menjulur ke kiri (left skewed atau skewed to the left). e. Ragam Ragam berbanding lurus dengan jumlah kuadrat jarak nilai–nilai data dari nilai tengahnya. Besarnya angka ragam ini menyatakan ukuran pesebaran nilai– nilai pengamatan dari titik tengahnya; ragam yang tinggi menunjukkan nilai-nilai yang cenderung memencar jauh dari nilai tengahnya. Dan ragam yang rendah menunjukkan nilai–nilai pengamatan yang cenderung mengumpul di sekitar nilai tengahnya. f. Simpangan Baku Dalam terapannya, Simpangan Baku, S = , lebih sering digunakan sebagai ukuran pesebaran data karena memiliki satuan sama dengan satuan data dan nilai tengahnya. Akar pangkat dua dari ragam dinamakan Simpangan Baku (S), = S
78
g. Nilai Tengah Terpancung Nilai tengah terpancung merupakan nilai tengah data dimana sebagian data terbesar dan sebagian data terkecil disisihkan dalam perhitungan. Besarnya data yang disisihkan dari perhitungan biasanya sebanyak 5% atau 10% dengan mempertimbangkan bahwa penyisihan bagian tersebut akan menghilangkan nilai ekstrim yang mungkin ada. Karena lebih tegar, nilai terpancung ini kadangkadang lebih disukai untuk menyatakan lokasi pusat. Perbandingan nilai tengah dengan nilai tengah terpancung dapat pula digunakan untuk memeriksa adanya nilai ekstrim. Perbedaan mencolok diantara keduanya mengindikasika adanya nilai ekstrim yang berpengaruh. Dalam suatu gugus data, sering pula dijumpai adanya nilai ekstrim yang sangat berpengaruh terhadap nilai tengah. Nilai ekstrim ini kadang-kadang disebabkan adanya kesalahan mencatat, semestinya 100 tetapi tercatat 1000 misalnya atau karena data tersebut sebenarnya seringkali berubah drastik apabila nilai ekstrim ini dikesampingkan. Data yang diolah penulis dari responden yang berjumlah 30 orang, menggunakan metode sebaran frekuensi. Metode ini digunakan untuk mengetahui gambaran (frekuensi) dari responden mengenai pilihan-pilihan jawaban yang diberikan dalam pengisian kuesioner. Pada bagian frekuensi relative atau persentase akan diterapkan untuk setiap item pertanyaan, sehingga akan terlihat dengan jelas komposisi pilihan responden untuk setiap item pertanyaan atau pernyataan kuesioner. Analisis dengan tabel frekuensi ini juga digunakan untuk menentukan nilai rata-rata skor (mean score/MS) dari satu
79
variabel bebas dan satu variabel terikat dalam item-item pertanyaan yang tersedia seperti yang tersaji dalam tabel statistik sebaran nilai frekuensi berikut :
Tabel 4.7 Statistik Sebaran Nilai Frekuensi Statistics
Iklan Televisi N
Valid Missing
30 0 41.8000 41.5000 41.00 7.87138 61.959 34.00 21.00 55.00 1254.00
Mean Median Mode Std. Deviation Variance Range Minimum Maximum Sum a.
Preferensi Konsuymen Produk Sabun Mandi Lux 30 0 46.1333 45.0000 43.00a 7.79360 60.740 36.00 25.00 61.00 1384.00
Multiple modes exist. The smallest value is shown
Sumber: Hasil olah data Hasil dari pengolahan data dengan SPSS, yakni yang berasal dari pengolahan data variabel Iklan televisi dan preferensi konsumen maka dapat diketahui nilai maximum Iklan Televisi sebesar 55 dan nilai minimum sebesar 21. Rata-rata nilai iklan televisi adalah
41.8000 dengan standar deviasi sebesar
7.87138. Sedangkan nilai maksimum preferensi konsumen adalah sebesar 61 dan nilai minimum sebesar 25, nilai rata-rata preferensi konsumen produk sabun mandi Lux sebesar 46.1333, sedangkan standar deviasi sebesar 7.79360. Selanjutnya data tersebut disajikan dalam bentuk tabel distribusi frekuensi disajikan sebagai berikut :
80
Tabel 4.8 Hasil Jawaban Butir Pertanyaan Variabel Iklan Televisi (X) No.
Disiplin Kerja
Sangat Tidak Setuju
Tidak setuju
Cukup Setuju
Setuju
Sangat Setuju
Total
1
Iklan Lux di televisi merupakan sumber informasi untuk mengetahui varian baru. Iklan Lux di televisi memberitahu tentang karakteristik varian yang konsumen butuhkan. Iklan Lux di televisi membantu konsumen mengetahui tentang harga produk di pasaran. Iklan Lux di televisi membuat konsumen mengetahui pelayanan yang tersedia untuk keluhan/pertanyaan. Iklan Lux di televisi mampu membangun citra positif perusahaan. Konsumen lebih mempercayai produk sabun mandi Lux karena diiklankan di televisi. Iklan sabun mandi Lux membantu konsumen membeli merek terbaik untuk harga yang dibayarnya. Iklan sabun mandi Lux mampu membujuk konsumen untuk segera membeli. Iklan sabun mandi Lux mampu mengubah persepsi konsumen tentang atribut yang ditawarkannya. Bila Lux tidak ada iklan di televisi, keputusan untuk membeli akan menjadi sulit. Iklan sabun Lux di televisi mengingatkan konsumen bahwa produk tersebut dibutuhkan.
2 6.67%
11 36.67%
12 40.00%
5 16.67%
0 0.00%
30 100%
2 6.67%
16 53.33%
10 33.33%
1 3.33%
1 3.33%
30 100%
3 10.00%
18 60.00%
9 30.00%
0 0.00%
0 0.00%
30 100%
1 3.33%
8 26.67%
13 43.33%
10 33.33%
1 3.33%
0 100%
0 0.00%
6 20.00%
9 30.00%
11 36.67%
4 13.33%
30 100%
0 0.00%
3 10.00%
8 26.67%
11 36.67%
8 26.67%
30 100%
0 0.00%
3 10.00%
10 33.33%
15 50.00%
2 6.67%
30 100%
0 0.00%
3 10.00%
17 56.67%
8 26.67%
2 6.67%
30 100%
2 6.67%
5 16.67%
12 40.00%
11 36.67%
0 0.00%
30 100%
0 3.30%
3 13.30%
13 30%
13 13.30%
1 40%
30 100%
3 10.00%
4 13.33%
13 43.33%
6 20.00%
4 13.33%
30 100%
1 3.33%
14 46.67%
13 43.33%
2 6.67%
0 0.00%
30 100%
1 3.33%
7 23.33%
10 33.33%
11 36.67%
1 3.33%
30 100%
5 16.67%
9 30.00%
13 43.33%
1 3.33%
2 6.67%
30 100%
4.99%
28.59%
37.60%
22.84%
6.61%
100%
2
3
4
5
6
7
8
9
10
11
12
Iklan sabun Lux di televisi mengngatkan konsumen dimana dapat membelinya. 13 Iklan sabun Lux membuat konsumen tetap ingat pada produk walau banyak pesaing. 14 Iklan sabun Lux membuat konsumen loyal sehingga tidak terbujuk merek lain. Rata-rata Nilai Disiplin Kerja
Sumber: Hasil olah data
81
Berdasarkan tabel di atas terlihat bahwa rata-rata responden memberikan pernyataan sangat tidak setuju sebanyak 4,99%, tidak setuju sebanyak 28,59%, cukup setuju sebanyak 37,60%, setuju sebanyak 22,84% dan sebanyak 6,61% responden menyatakan sangat setuju atas atribut yang mewakili Iklan Televisi. Tabel 4.9 Hasil Jawaban Butir Pertanyaan Variabel Preferensi Konsumen Sabun Mandi Lux (Y) No.
Disiplin Kerja
1
Konsumen menaruh perhatian kepada sabun Lux karena iklannya di televisi. Konsumen mengetahui produk Lux dari iklannya di televisi Iklan Lux yang ditayangkan berulang kali mampu menarik minat konsumen Konsumen menjadi terhibur dengan iklan Lux di televisi
2 3 4 5 6
7 8 9
10 11 12
13 14
Tampilan iklan Lux di televisi mampu menggugah emosi konsumen. Pesan yang disampaikan iklan Lux di televisi tidak cepat memudar dari ingatan. Iklan Lux di televisi mengubah minat menjadi ketertarikan pada produk Iklan Lux di televisi mempunyai daya tarik yang tidak dimiliki pesaingnya Konsumen menjadi lebih tahu tentang manfaat produk Lux setelah melihat iklannya di televisi Iklan sabun mandi Lux mendatangkan motif untuk membeli. Konsumen menjadi terbujuk dengan iklan Lux di televisi Iklan Lux di tevisi mampu menimbulkan opini mendukung dari konsumen Iklan Lux di televisi mendatangkan tindakan pembelian Konsumen membeli sabun Lux karena pengaruh iklannya di televisi Rata-rata Nilai Disiplin Kerja
Sumber: Hasil olah data
Sangat Tidak Setuju
Tidak setuju
Cukup Setuju
Setuju
Sangat Setuju
Total
0 0.00% 0 0.00% 0 0.00% 0 0.00% 0 0.00% 1 3.33%
3 10.00% 0 0.00% 1 3.33% 2 6.67% 3 10.00% 2 6.67%
17 56.67% 12 40.00% 12 40.00% 12 40.00% 19 63.33% 17 56.67%
6 20.00% 14 46.67% 15 50.00% 13 43.33% 8 26.67% 9 30.00%
4 13.33% 4 13.33% 2 6.67% 3 10.00% 0 0.00% 1 3.33%
30 100% 30 100% 30 100% 30 100% 30 100% 30 100%
1 3.33% 1 3.33% 2 6.67%
1 3.33% 7 23.33% 6 20.00%
12 40.00% 13 43.33% 14 46.67%
16 53.33% 3 10.00% 6 20.00%
0 0.00% 6 20.00% 2 6.67%
30 100% 30 100% 30 100%
2 3.30% 4 13.33% 2 6.67%
2 13.30% 5 16.67% 2 6.67%
15 30% 10 33.33% 16 53.33%
8 13.30% 9 30.00% 8 26.67%
3 40% 7 23.33% 2 6.67%
30 100% 30 100% 30 100%
3 10.00% 0 0.00% 3.56%
1 3.33% 4 13.33% 9.76%
19 63.33% 15 50.00% 46.90%
5 16.67% 9 30.00% 29.76%
2 6.67% 2 6.67% 11.19%
30 100% 30 100% 100%
82
Berdasarkan tabel
4.9 di atas, terlihat bahwa rata-rata responden yang
menyatakan sangat tidak setuju sebanyak 3,56%, sebanyak 9,76% responden menyatakan tidak setuju, sebanyak 46,90% responden menyatakan cukup setuju, sebanyak 29,76% menyatatakan setuju dan sebanyak 11,19% responden menyatakan sangat setuju atas atribut yang mewakili preferensi konsumen sabun mandi Lux. 4.3
Uji Persyaratan Analisis Uji persyaratan analisis diperlukan guna mengetahui apakah analisis data
untuk pengujian hipotesis dapat dilanjutkan atau tidak. Beberapa teknik analisis data menuntut uji persyaratan analisis. Analisis varian mempersyaratkan bahwa data berasal dari populasi yang berdistribusi normal dan kelompok-kelompok yang dibandingkan homogen. Oleh karena itu analisis varian mempersyaratkan uji normalitas dan homogenitas data. Analisis regresi, selain mempersyaratkan uji normalitas juga mempersyaratkan uji linearitas, uji heterokedasitas, uji autokorelasi, dan uji multikolinearitas. Berbagai pengujian persyaratan analisis, seperti uji normalitas, uji homogenitas, uji linearitas, uji heterokedasitas, uji autokorelasi, dan uji multikolinearitas. 4.3.1 Uji Validitas dan Reabilitas data Validitas merupakan ukuran yang menunjukkan tingkat-tingkat kevalidan atau keshahihan suatu instrumen (Arikunto, 2001: 144). Dalam menentukan validitas suatu instrumen semisal tes hasil belajar matematika bentuk uraian digunakan rumus Product Moment. Uji validitas digunakan untuk mengukur konsistensi dari kuesioner. Nilai yang dihasilkan akan menunjukkan tingkat
83
kemampuan kuesioner untuk mengukur sikap responden. Analisis validitas ini menggunakan SPSS versi 12.00 sebagai berikut : 1. Variabel Iklan Televisi Output
analisis
validitas
untuk
variabel
Iklan
Televisi
(X)
menunjukkan bahwa nilai validitas untuk masing-masing indikator lebih besar dari 0.334 atau rhitung > rtabel yang menunjukkan bahwa masing-masing item telah memenuhi syarat validitas, sehingga dinyatakan valid atau sahih, seperti yang tersaji dalam tabel 4.10 berikut : Tabel 4.10 Hasil Uji Validitas Variabel Iklan Televisi (X) No. Jumlah Total 1 80 1254 2 73 1254 3 66 1254 4 92 1254 5 103 1254 6 114 1254 7 106 1254 8 99 1254 9 92 1254 10 102 1254 11 81 1254 12 76 1254 13 94 1254 14 76 1254 Sumber: Hasil olah data
rhitung 0.451 0.604 0.567 0.653 0.689 0.723 0.639 0.761 0.503 0.757 0.786 0.413 0.171 0.656
rtabel 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361
Kesimpulan Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid
Sementara nilai reliabilitas yang diperoleh adalah sebesar 0.905 (lihat tabel 4.11). Nilai ini lebih besar dari nilai minimal yang disyaratkan yaitu 0.700. Dengan demikian variabel X dinyatakan valid dan reliable serta dapat digunakan untuk analisis selanjutnya.
84
Tabel 4.11 Reliabilitas Variabel Iklan Televisi Reliability Statistics Cronbach's Alpha Based on Standardized Items
Cronbach's Alpha .905
N of Items .908
14
Sumber: Hasil olah data 2.
Variabel Preferensi Konsumen Produk Sabun Mandi Lux (Y) Output analisis validitas dan reliabilitas untuk variabel preferensi konsumen produk sabun mandi lux (Y) dan menunjukkan bahwa nilai validitas untuk 14 item pernyataan lebih besar dari 0.361 atau rhitung > rtabel (lihat tabel 4.10) yang menunjukkan bahwa masing-masing item telah memenuhi syarat validitas, sehingga dinyatakan valid. Sementara nilai reliabilitas yang diperoleh adalah sebesar 0.889.(lihat tabel 4.11). Nilai ini lebih besar dari nilai minimal yang disyaratkan yaitu 0.700. Dengan demikian variabel Y dinyatakan valid dan reliable serta dapat digunakan untuk analisis selanjutnya.
85
Tabel 4.12 Hasil Uji Validitas Variabel Preferensi Konsumen Produk Sabun Mandi Lux (Y) No. Jumlah Total 1 101 1384 2 112 1384 3 108 1384 4 107 1384 5 95 1384 6 97 1384 7 103 1384 8 6 1384 9 90 1384 10 98 1384 11 90 1384 12 96 1384 13 92 1384 14 99 1384 Sumber: Hasil olah data
rhitung 0.729 0.512 0.570 0.607 0.622 0.474 0.485 0.410 0.613 0.438 0.617 0.693 0.687 0.656
rtabel 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361 0.361
Kesimpulan Tidak Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid
Tabel 4.13 Reliabilitas Variabel Preferensi Konsumen Produk Sabun Mandi Lux (Y) Reliability Statistics Cronbach's Alpha Based on Standardized Items
Cronbach's Alpha .889
N of Items .896
14
Sumber: Hasil olah data
4.3.2 Uji Normalitas Data Uji normalitas data digunakan untuk menguji apakah dalam model regresi, variabel independen dan variabel dependen berdistribusi normal atau tidak. Dalam uji normalitas data ini penulis menggunakan uji p-p plot dan Histogram seperti yang terlihat pada gambar 4.1. berikut :
86
1.0
Expected Cum Prob
0.8
0.6
0.4
0.2
0.0 0.0
0.2
0.4
0.6
0.8
1.0
Observed Cum Prob
Gambar 4.1: Hasil Uji Normalitas Iklan Televisi (X) terhadap Preferensi Konsumen Produk Sabun Mandi Lux (Y) dengan Uji P-P Plot Berdasarkan gambar grafik diatas (normal P-P Plot re-gresion), terlihat bahwa titik-titik menyebar di sekitar garis diagonal. Hal ini menunjukkan bahwa model regresi yang digunakan memenuhi asumsi normal, artinya model regresi layak digunakan. Sedangkan dalam grafik Histogram terlihat pada gambar grafik 4.2 berikut :
87
7
Frequency
6
5
4
3
2
1 Mean = -1.11E-16 Std. Dev. = 0.983 N = 30
0 -3
-2
-1
0
1
2
3
Regression Standardized Residual
Gambar 4.2: Hasil Uji Normalitas Iklan Televisi (X) terhadap Preferensi Konsumen Produk Sabun Mandi Lux (Y) dengan Histogram
4.3.3
Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model
regresi linier terdapat korelasi antara kesalahan pengganggu pada periode tertentu dengan kesalahan pengganggu sebelumnya. Jenis pengujian yang umumnya digunakan disebut sebagai statistik Durbin-Watson. Autokorelasi menunjukkan bahwa ada korelasi antara error dengan error periode sebelumnya, di mana pada asumsi klasik hal ini tidak boleh terjadi. Permasalahan autokorelasi hanya relevan digunakan jika data yang dipakai adalah data time series dilakukan.
sedangkan untuk data cross-section tidak perlu
88
Tabel 4.14 Hasil Uji Variabel X terhadap Y dengan Durbin Watson Model Summary b Model 1
R .718a
R Square .516
Adjusted R Square .499
Std. Error of the Estimate 5.51865
DurbinWatson 1.462
a. Predictors: (Constant), Iklan Televisi b. Dependent Variable: Preferensi Konsuymen Produk Sabun Mandi Lux
Sumber: Hasil olah data Pengambilan keputusan hasil uji Durbin Watson adalah sebagai berikut :
Tabel 4.15 Kriteria Pengambilan Keputusan Uji Durbin Watson Kriteria
Ho
Keputusan
0
Ditolak
Ada autokorelasi
dL
Tidak ada keputusan
Tidak ada keputusan
4-d
Ditolak
Ada autokorelasi
4-dU
Tidak ada keputusan
Tidak ada keputusan
dU
Diterima
Tidak ada korelasi
Sumber: Hasil olah data Berdasarkan tabel di atas, terlihat DW adalah sebesar 1.462. Adapun nilai tingkat bawah dL adalah sebesar 1.3520 dan nilai tingkat atas dU adalah sebesar 1.4898. Untuk lebih jelasnya dapat dilihat pada gambar 4.3 berikut :
89
Gambar 4.3 Hasil Uji Variabel X terhadap Y dengan Durbin Watson
Ada autokorelasi positif
0
Inconclusive
dL 1.3520
dU 1.4898
Inconclusive
Tidak ada autokorelasi
2
4-dU
4-dL
-
Ada autokorelasi negatif
4
-
1.462
Gambar 4.3 : Hasil Uji Variabel X terhadap Y dengan Durbin Watson Dari gambar di atas, terlihat nilai dL yang diketahui dari table DW untuk N = 30 dan K = 1, pada tingkat signifikansi 5% adalah 1.3520 dan nilai batas atas dU 1.4898. Dari hasil perhitungan diperoleh hasil nilai sebesar 1.462, sehingga berada pada posisi dL
90
4.3.4
Uji Multikolinearitas Dari hasil pengolahan data statistik diperoleh nilai uji Multikolienaritas
sebesar VIF = 1.000 seperti yang terlihat pada tabel 4.12 berikut : Tabel 4.16 Hasil Uji Multikolinearitas Coefficientsa
Model 1
(Constant) Iklan Televisi
Unstandardized Coefficients B Std. Error 16.407 5.534 .711 .130
Standardized Coefficients Beta .718
t 2.965 5.462
Sig. .006 .000
Collinearity Statistics Tolerance VIF 1.000
1.000
a. Dependent Variable: Preferensi Konsuymen Produk Sabun Mandi Lux
Sumber : Hasil olah data Dari tabel diatas dapat dilihat bahwa nilai VIF untuk variable independen dari model yang digunakan dalam penelitian tidak mengandung multikolinearitas (mempunyai VIF < 10). Dengan demikian dapat disimpulkan bahwa model multiple regression yang digunakan terhindar dari masalah multikolinearitas. 4.3.5
Uji Heteroskedastisitas Heteroskedastisitas menunjukkan bahwa varians dari setiap error
bersifat heterogen yang berarti melanggar asumsi klasik yang mensyaratkan bahwa varians dari error harus bersifat homogen. Langkah-langkah pengujian heteroskedastisitas : Ho
: tidak ada heteroskedastisitas
Ha
: ada heteroskedastisitas
Keputusan : Jika signifikansi (probabilitas) dari t < 0.05 Ho ditolak Jika signifikansi (probabilitas) dari t > 0.05 Ho diterima
91
Dari tabel 4.12 di atas, menunjukkan bahwa probabilitas dari t pada variabel Iklan Televisi memiliki nilai 0.711 (sig. 0.000), atau 0.711 > 0.000, sehingga dapat disimpulkan bahwa variabel Iklan Televisi terdapat hetorokedesitas. 4.3.6 Uji Regresi Untuk mencari pengaruh antara Iklan Televisi dengan Preferensi Konsumen Sabun Mandi Lux maka diperlukan langkah-langkah sebagai berikut : 1. Menentukan Ho dan Ha Ho
= Tidak ada pengaruh antara Iklan Televisi dengan preferensi konsumen Sabun Mandi Lux
Ha
= Ada pengaruh positif antara Iklan Televisi dengan preferensi konsumen Sabun Mandi Lux Menentukan level of significant, yaitu ; = 5%
2. Kriteria pengujian : Jika thitung > ttabel, maka Ho ditolak atau Ha diterima. Jika thitung < ttabel, maka Ho ditolak atau Ha diterima. 3. Perhitungan : Besarnya pengaruh antara Iklan Televisi dengan preferensi konsumen Sabun Mandi Lux dengan menggunakan program SPSS versi 12 diperoleh rank corelasi sebesar rrank = 0.732 seperti yang terlihat pada tabel berikut :
92
Correlations
Spearman's rho
Iklan Televisi
Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N
Preferensi Konsuymen Produk Sabun Mandi Lux
Iklan Televisi 1.000 . 30 .732** .000 30
Preferensi Konsuymen Produk Sabun Mandi Lux .732** .000 30 1.000 . 30
**. Correlation is significant at the 0.01 level (2-tailed).
Sumber: Hasil olah data 4. Berdasarkan nilai rrank maka dapat disimpulkan bahwa pengaruh antara Iklan Televisi dengan Preferensi Konsumen Sabun Mandi Lux adalah positif kuat. Besarnya pengaruh Iklan Televisi dengan Preferensi Konsumen Sabun Mandi Lux, adalah : Koefisien Determinasi (KD = (0,732)2 x 100% Koefisien Determinasi (KD) = 0,5358 x 100% = 53,58% Dari perhitungan di atas dapat dijelaskan bahwa besarnya pengaruh Iklan Televisi (X) terhadap Preferensi Konsumen Sabun Mandi Lux (Y) sebesar 53.58% sedangkan sisanya sebesar 46,42% dipengaruhi oleh variabel lain yang tidak dibahas dalam penelitian ini.
93
Tabel 4.17 Koefisien Korelasi Iklan Televisi (X) dengan Preferensi Konsumen Sabun Mandi Lux (Y) a Coefficients
Unstandardized Standardized Coefficients Coefficients Model B Std. Error Beta 1 (Constant) 16.407 5.534 Iklan Televisi .711 .130 .718
t 2.965 5.462
Sig. .006 .000
a. Dependent Variable: Preferensi Konsuymen Produk Sabun Mandi Lux
Sumber: Hasil olah data
94
4.3.7 Uji Hipotesis
Gambar 4.4 Kurva Uji Hipotesis
Wilayah Penolakan Ho
Wilayah Penolakan Ho
Wilayah Penerimaan H o
tabel ttabel–=t -1.701 thit=-5.462
0
+ t=tabel ttabel 1.701 thit=5.462
Gambar 4.4 : Kurva Uji Hipotesis Uji hipotesis digunakan untuk menjawab hipotesa yang menyatakan diduga ada pengaruh Iklan Televisi dengan Preferensi Konsumen Sabun Mandi Lux, yaitu mencari thitung dengan menggunakan Program SPSS versi 12 diperoleh thitung sebesar 5.462. Sedangkan ttabel dengan alpha 0,05 sebesar 1.701 Dengan melihat ttabel tersebut ternyata thitung lebih besar dari ttabel atau 5.462 > 1.701. Maka H0 ditolak dan Ha diterima, artinya ada hubungan antara Iklan Televisi dengan Preferensi Konsumen Sabun Mandi Lux diterima, sehingga hipotesa yang menyatakan ada Pengaruh Positif Iklan Televisi terhadap Preferensi Konsumen Sabun Mandi Lux terbukti.
95
Probabilitas hasil sebesar 0.000 di mana nilai = 0,05 atau 5% dengan demikian probabilitas jauh di bawah nilai alpha atau 0.000 < 0.05 dengan demikian pengaruh Iklan Televsi (X) terhadap Preferensi Konsumen Sabun Mandi Lux (Y) adalah terbukti dan signifikan.
