Uji Instrument Penelitian

Uji Instrumen Penelitian

1. Uji Validitas

Menurut Hair et al (2010  : 126) adalah “Set of measure accurately represent the concept of interest.” Uji validitas merupakan pengujian yang dilakukan untuk mengetahui apakah butir-butir pertanyaan yang terdapat dalam kuesioner tepat menjawab apa yang hendak diteliti oleh variabel tersebut.

Pengujian ini dapat dilakukan dengan membandingkan hasil r hitung dengan r tabel (kritis), dimana nilai r tabel dicari dengan nilai df dengan rumus df = n – (k+1) pada tingkat alpha yang ditentukan (Hair et al., 2010 : 176) Jika r hitung > r tabel, maka butir atau pertanyaan tersebut valid. Jika r hitung < r tabel, maka butir atau pertanyaan tersebut tidak valid.

2  Uji Reliabilitas

Uji reliabilitas menurut Hair et al (2010 : 125) “An assessment of the degree

of consistency between multiple measurement of a variable.” Uji reliabilitas merupakan pengujian yang dilakukan untuk mengetahui apakah butir-butir pertanyaan di dalam kuisioner dapat menghasilkan jawaban yang konsisten dari waktu ke waktu.

Pengujian ini dapat dilakukan dengan membandingkan hasil cronbach alpha dengan 0,60 sebagai batasannya jika nilai cronbach alpha  0,60 maka variabel tersebut reliable, sehingga butir- butir kuesioner tersebut dapat digunakan, karena dapat mengukur jawaban responden secara konsisten dari waktu ke waktu (Hair et al, 2010 : 125).

Jika anda ingin lebih mengetahui lagi mengenai cara melakukan kedua uji ini di program SPSS maka anda boleh membaca tulisan ini 

• Uji validitas
• Uji reliabilitas

Read More

Analisis Regresi Berganda

    Analisis Regresi Berganda

Untuk mengetahui besarnya pengaruh secara kuantitatif dari suatu

perubahan (variabel X) terhadap kejadian lainnya (variabel Y). Analisis regresi menggunakan

rumus persamaan regresi berganda seperti yang dikutip dalam Sugiyono (2009:277), yaitu :

Y=a+b₁X₁+b₂X₂+ b₃X₃

Dimana:                                      

Y         = Variabel dependen, yaitu pembelian ulang

X₁          = Variabel independen, yaitu pelayanan konsumen

X₂        = Variabel independen, yaitu tata ruang

X₃        = Variabel independen, yaitu lokasi

a          = Konstanta yang merupakan rata-rata nilai Y pada saat nilai X₁ , X_{2 ,}X₃   

                    sama dengan nol.

b₁         = Koefisien regresi parsial, mengukur rata-rata nilai Y untuk tiap   

                perubahan X₁ dengan menganggap X₂ dan X₃ konstan.

b₂         = Koefisien regresi parsial, mengukur rata-rata nilai Y untuk tiap   

                perubahan X₂ dengan menganggap X₁ dan X₃ konstan.

b₃         = Koefisien regresi parsial, mengukur rata-rata nilai Y untuk tiap   

                perubahan X₃ dengan menganggap X₁ dan X₂ konstan.

Read More

Uji Asumsi Klasik

              Uji Asumsi Klasik

            Uji asumsi klasik digunakan untuk mengetahui apakah hasil analisis regresi linear berganda yang digunakan untuk menganalisis dalam penelitian ini terbebas dari penyimpangan asumsi klasik yang meliputi uji normalitas, multikolinearitas, heteroskedastisitas, dan autokorelasi. Adapun masing-masing penngujian tersebut dapat  dijelaskan sebagai berikut :

1.        Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam suatu model regresi linear variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal (Ghozali, 2001 p.110). Pada prinsipnya normalitas dapat dideteksi dengan meliihat penyebaran data pada sumbu diagonal dari grafik, jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas, jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas (Santoso, 2008 p.322).

2.        Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel dependent (bebas). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebas (Ghozali, 2008 p.91). Untuk mendeteksi ada atau tidaknya multikolinearitas dalam model regresi ini adalah dengan menganalisa matrik korelasi variabel-variabel bebas dan apabila korelasinya signifikan antar variabel bebas tersebut maka terjadi mulltikolinearitas. Uji multikolinearitas dilakukan dengan mencari nilai VIF (Variance Inflation Factor) atau Tolerance Value. Kedua variabel ini menunjukkan setiap variabel independent manakah yang dijelaskan oleh variabel independent lainnya. Tolerance mengukur variabilitas variabel independent yang terpilih yang tidak dijelaskan oleh variabel independent lainnya. Jadi nilai tolerance yang rendah sama dengan VIF yang tinggi, batasan umum yang digunakan adalah tolerance < 0,1 atau nilai VIF > 10 maka terjadi multikolinearitas.

3.        Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan lain. Jika varians dari satu pengamatan ke pengamatan yang lain tetap maka disebut homoskedastisitas atau tidak terjadi heteroskedastisitas. Atau jika varians berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah yang berifat homoskedastisitas atau tidak terjadi heteroskedastisitas (Ghozali, 2008 p.105). Untuk melihat model regresi bersifat heteroskedastisitas atau tidak, dapat diketahui dengan teknik analisis berbantuan komputer SPSS Statistic dengan metode chart dalam bentuk diagram scatter plot, yaitu:

a.       Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit) maka mengindikasikan telah terjadi heteroskedastisitas.

b.      Jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

4.        Uji Autokorelasi

Model	R	R Square	Adjusted R Square	Std. Error of the Estimate	Durbin-Watson
1	.309(a)	.095	.068	14.259	1.871

Uji autokorelasi bertujuan untuk mengetahui apakah dalam suatu model regresi linear terdapat korelasi antara pengganggu pada periode t dengan kesalahan pada periode t-1 (Ghozali, 2008 p.84). Alat analisis yang digunakan adalah uji Durbin – Watson Statistic. Untuk mengetahui terjadi atau tidak autokorelasi  dilakukan dengan membandingkan nilai statistik hitung Durbin Watson pada tabel.

Dasar pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut :

a.       Bila nilai DW terletak diantara batas atau upper bound (du) dan (4-du) maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi.

b.      Bila nilai DW lebih rendah daripada batas bawah atau lower bound (dl) maka koefisien autokorelasi > 0, berarti ada autokorelasi positif.

c.       Bila nilai DW lebih besar dari (4-dl) maka koefisien autokorelasi < 0, berarti ada autokorelasi negatif.

d.      Bila nilai DW terletak  antara du dan dl atau DW terletak antara (4-du) dan (4-dl), maka hasilnya tidak dapat disimpulkan.

Read More

Software statistik

Kami menyediakan software statistik untuk berbagai keperluan terutama untuk tugas akhir sejenis skripsi, tesis dan disertasi diantaranya :

SPSS
AMOS
Lisrel
Smart PLS
Eview

dengan program tersebut maka anda dapat menganalisis dan tentunya mendapatkan hasil yang diinginkan, akan tetapi jika anda mengalami kesulitan dalam menjalankan program tersebut maka kami dapat membantu anda untuk menjalankan program tersebut.

program statistik tersebut dapat anda dapatkan dengan cara menhubungi kami di
081294400087, atau
pin BBM 5B5D4DEB

dengan harga yang sangat terjangkau sebesar 100rb per program, maka anda sudah bisa mengerjakan tugas akhir anda sendiri.

Read More

Skala Likert

Jenis skala interval yang digunakan dalam penelitian ini adalah skala Likert. Skala Likert adalah skala yang menunjukkan seberapa kuat tingkat setuju atau tidak setuju terhadap suatu pernyataan (McDaniel dan Gates, 2013: 315). Ada tiga alasan peneliti menggunakan skala Likert.Alasan pertama adalah karena memudahkan responden untuk menjawab kuisioner apakah setuju atau tidak setuju (Malhotra, 2012: 308). Alasan kedua adalah mudah digunakan dan mudah dipahami oleh responden (McDaniel dan Gates, 2013:307). Alasan ketiga adalah secara visual menggunakan skala Likertlebih menarik dan mudah diisi oleh responden (Sugiyono, 2009: 96).

            Dalam penelitian ini, peneliti menggunakan skala Likerttujuh poin yang terdiri dari “Sangat Tidak Setuju”, “Tidak Setuju”, “Agak Tidak Setuju”, “Netral”, “Agak Setuju”, “Setuju”, dan “Sangat Setuju”. Adaempatalasan menggunakan skala Likerttujuhpoin. Alasan pertama karena dari skala tiga sampai sebelas, skala tujuh yang paling sering digunakan (Blerkom, 2009: 155). Skala Likert 9 poin atau 13 poin akan membuat reponden menjadi lebih sulit untuk membedakan setiap poin skala dan responden sulit dalam mengolah informasi (Hair et al., 2007: 237). Alasan kedua adalah dapat memberikan responden pilihan yang lebih banyak dan meningkatkan diferensiasi poin (Azzara, 2010: 100). Alasan ketiga, dengan menggunakan skala Likert7 poin, pemilihan kategori dalam kuesioner akan menjadi lebih spesfik (Mustafa, 2009: 147). Hal tersebut akan memberikan kesemptaan kepada responden untuk dapat memilih keinginan mereka secara spresifik. Alasan keempat karena peneliti mengikuti penelitian sebelumnya oleh Eisingerich dan Rubera (2010) yang menggunakan skala Likert7 poin.

Read More

Paradigma Penelitian

Paradigma penelitian 

berkaitan erat dengan metodologi penelitian. Paradigmapenelitian pertama kali dikemukakan oleh Kuhn (1970, dalam Bryman dan Bell, 2007: 25) sebagai  suatu petunjuk bagi ilmuwan dalam disiplin ilmu tertentu. Disiplin ilmu tertentu berpengaruh terhadap apa yang sedang ditelitinya, dan bagaimana penelitian itu harus dilakukan serta disimpulkan. Selain itu, ada pendapat lain tentang paradigma penelitan dalam konteks yang berbeda.

Menurut Sugiyono (2009: 42) paradigma penelitian diartikan sebagai pola pikir yang menunjukan hubungan antar variabel yang akan diteliti. Hubungan antar variabel tersebut harus dapat menjawab jenis dan jumlah rumusan masalah penelitian. Variabel-variabel itu juga menentukan hipotesis dan teknik analisis statistik yang akan digunakan. Dalam teknik analisis statistik, termasuk asumsi-asumsi dan pola pengumpulan data yang mendasari paradigma metode penelitian.

Selanjutnya dalam teknik pengumpulan data dapat dilakukan dengan dua cara, yaitu teknik pengumpulan data kuantitatif dan kualitatif  (Bryman dan Bell, 2007: 26).Menurut McDaniel dan Gates (2013: 117), penelitian kuantitatif adalah penelitian yang digunakan untuk mendapatkan perbedaan yang signifikan secara statistik. Sedangkan penelitian kualitatif adalah penelitian yang digunakan untuk menguji sikap, perasaan, dan motivasi responden.

Dalam praktik penelitian, teknik penelitian kuantitatif dan kualitatif memiliki perbedaan yang mendasar (McDaniel dan Gates, 2013: 117). Perbedaan tersebut terletak pada ukuran sampel, jenis pertanyaan, jumlah responden, dan lain-lain. Lebih lanjut, perbedaan tersebut dapat dilihat dalam gambar berikut ini (Tabel 3.1).

T   Perbedaan Paradigma Penelitian Kualitatif dan Kuantitatif

Pandangan Dasar	Kualitatif	Kuantitatif
Jenis Pertanyaan	Bersifat menyelidiki	Tidak bersifat menyelidiki
Ukuran Sampel	Kecil	Besar
Jumlah Responden	Berarti (substansial)	Bervariasi
Persyaratan untuk Administrasi	Pewawancara dengan keahlian khusus	Tidak perlu pewawancara khusus atau tidak perlu pewawancara
Tipe Analisis	Subjektif	Objektif
Alat yang digunakan	Alat perekam, gambar, video, panduan diskusi	Kuisioner, computer, telefon genggam
Derajat Peniruan	Rendah	Tinggi
Keahlian peneliti	Psikologi, sosiologi, sosial psikologi, pemasaran, riset pemasaran, perilaku konsumen	Statistik, model keputusan, program komputer
Tipe Penelitian	Eksplorasi	Deskriptif atau Kausal
Sifat realitas	Ganda, holistic, dinamis, hasil konstruksi dan pemahaman	Dapat diklasifikasikan, konkrit, teramati, terukur
Hubungan Variabel	Timbal balik/ interaktif	Sebab-akibat (kausal)
Generalisasi	Transferability(hanya mungkin dalam ikatan konteks dan waktu)	Cenderung membuat generalisasi
Peranan nilai	Terikat nilai-nilai yang dibawa peneliti dan sumber data	Cenderung bebas nilai

Sumber: Dimodifikasi dari McDaniel dan Gates (2013) dan Sugiyono (2009)

Teknik penelitian kualitatif memiliki keterbatasan uji signifikansi. Sehingga hasil penelitian kualitatif tidak dapat membedakan signifikansi berdasarkan populasi responden (McDaniel dan Gates, 2013: 119). Selain itu, teknik penelitian kualitatif mengandung unsur yang bersifat subyektif sehingga hasil penelitian tidak akan sesuai dengan tujuan awal peneltian (Bryman dan Bell, 2007: 29).

 Oleh karena itu, paradigma dalam metode penelitian ini merupakan metode penelitian kuantitatif. Metode penelitian kuantitatif memiliki tujuan untuk menguji hipotesis sesuai dengan data yang diperoleh untuk dapat menghasilkan kesimpulan yang obyektif (Bryman dan Bell, 2007: 28).

Read More

Perbandingan ukuran-ukuran goodness of fit

ukuran GOF(goodness of fit)
Absolute fit measures

1. statistic chi-square : mengikuti uji statistik yang berkaitan dengan persyaratan signifikan, semakin kecil semakin baik.
2. Non-centrality parameter (NCP) : dinyatakan dalam bentuk spesifikasi ulang dari chi-square. penilaian didasarkan atas perbandingan dengan model lain. semakin kecil semakin baik.
3. Scaled NCP (SNCP) : NCP dinyatakan dalam bentuk rata-rata perbedaan setiap observasi dalam rangka perbandingan atar model. semakin kecil semakin baik.
4. Goodness of Fit Index (GFI) : nilai berkisar antara 0-1, dengan nilai lebih tinggi adalah lebih baik . GFI lebih besar sama dengan 0,90 adalah good-fit sedangkan 0,80 < GFI< 0,90 adalah marginal fit
5. Jasa olah data terpercaya sejak tahun 2007, membimbing lebih dari 100 mahasiswa S1 dan S2. melayani seluruh Indonesia. selesai baru bayar, garansi sampe lulus
   John (081294400087)
   PIN BBM : 7ED67817
6. Root mean square residuan (RMSR) atau RMR :  residual rata-rata antara matrik (korelasi atau kovarian) teramati dan hasil estimasi. standardized RMR lebih kecil dari 0,05 adalah good fit
7. Root mean square Errot of Appromixation (RMSEA) : rata-rata perbedaan per degree of freedom yang diharapkan terjadi dalam populasi dan bukan dalam sampel. RMSEA lebih kecil sama dengan 0,08 adalah good fit, sedangkan RMSEA lebih kecil dari 0,05 adalah close fit
8. Expected  cross validation index (ECVI) : digunakan untuk perbandingan antar model. semakin kecil semakin baik. pada model tunggal, nilai ECVI dari model yang mendekati nilai saturated ECVI menunjukkan good fit.

Read More