BAB IV TUGAS METODE RISET

BAB IV
PEMBAHASAN
Hasil dan Pembahasan
1. Uji Normalitas
Tabel 1 (menguji kenormalan data)
Hasil
Kebudayaan -0.88475836 2.5582707 0 0 Tdk Normal
Social -1.77695167 2.1052632 0 0 Tdk Normal
Pribadi -1.60966543 2.5958647 0 0 Tdk Normal
Psikologis 0.95539033 2.8157895 0 0 Tdk Normal
Kep.Pembelian 0.75464684 1.8834586 0 0 Tdk Normal
Sumber : Data kuesioner

Dari hasil output tersebut maka dapat dikatakan data untuk seluruh variabel yang ada adalah Tidak terdistribusi Normal, karena nilai Asymp. Sig adalah lebih kecil dari nilai alpha yang digunakan dan juga ada beberapa nilai rasio skewness dan rasio kurtosis yang tidak terpenuhi. Maka dari hasil normalitas ini pengujian selanjutnya harus menggunakan statistika non parametrik.
Analisis korelasi bertujuan untuk mengetahui pola keeratan hubungan antar variabel. Dalam hal ini penulis menggunakan korelasi spearmen, karena dari hasil pengujian kenormalan data ternyata data tidak terdistribusi normal. Untuk data tidak normal dapat dikerjakan dengan korelasi spearmen, karena termasuk kedalam korelasi non parametrik. Dimana variabel bebasnya terdiri dari x1 sebagai variabel budaya, x2 sosial, x3 pribadi dan x4 adalah psikologis. Dan variabel terikatnya adalah keputusan pembelian. Hasil pengujian korelasi dapat dilihat pada tabel 2.

2. Korelasi
Tabel 2
Arah hubungan Korelasi Dan Signifikansi Antara
Variabel Bebas Denagn Variabel Terikat
Hubungan antar variable Nilai Korelasi Arah keeratan korelasi Sig Hubungan
Y dengan X1 0,466 Cukup kuat searah 0,037 Signifikan
Y dengan X2 0,355 Cukup kuat searah 0,000 Signifikan
Y dengan X3 0,230 Sangat lemah searah 0,018 Signifikan
Y dengan X4 0,350 Cukup kuat searah 0,001 Signifikan
Dari hasil uji korelasi Spearmen pada tabel 3 tersebut ternyata seluruh hubungan yang ada antara variabel independen dengan dependen dapat berkorelasi secara signifikan. Dan diantara variabel independen yang mempunyai nilai korelasi paling tinggi adalah antara variabel Y dengan X1 atau bisa disebut antara variabel Keputusan Pembelian dengan variabel budaya dengan nilai korelasi sebesar 0.466. Sedangkan nilai korelasi terendah terjadi antara variabel Y dengan X3 atau disebut antara variabel Keputusan Pembelian dengan Pribadi. Dari uji chi square di dapat hasil untuk variabel budaya, sosial, pribadi dan psikologis dengan nilai Asymp.Sig sebesar 0. maka dari hasil tersebut dapat dikatakan bahwa ke empat variabel bebas yang ada konsumen setuju dengan adanya pengaruh keempat variabel tersebut terhadap variabel keputusan pembelian. Dan satu lagi pada variable keputusan pembelian juga mempunyai nilai Asymp.Sig sebesar 0. maka dapat dikatakan bahwa konsumen setuju jika variabel keputusan pembelian di pengaruhi oleh variabel budaya, sosial, pribadi dan psikologis.

Analisis Data
Pengolahan data dilakukan dengan menggunakan teknik sebagai berikut dibawah ini:

Analisis Faktor (Factor Analysis)
Analisis Faktor (Factor Analysis) merupakan suatu teknik statistik multivariate yang digunakan untuk mengurangi (reduction) dan meringkas (summarization) semua variabel terikat dan saling berketergantungan. Hubungan ketergantungan antara satu variabel dengan yang lain yang akan diuji untuk diidentifikasikan dimensi atau faktornya.

Maholtra, menjelaskan kegunaan factor analysis adalah sebagai berikut :
1) Mengidentifikasi dimensi-dimensi atau faktor-faktor yang mendasari yang menerangkan korelasi diantara satu set variabel
2) Mengidentifikasi suatu variabel/faktor baru yang lebih kecil, menetapkan variabelvariabel yang semula berkorelasi dengan analisis multivarian/analisis regresi atau diskriminan.
3) Mengidentifikasi tidak tepat kecil variabel penting dari tidak tepat besar variabel untuk digunakan dalam analisis multivarian selanjutnya. (Maholtra, 1996:645)

Model analisis faktor dinyatakan dengan formula sebagai berikut :
Xi = Aij + Ai2F2 + Ai3F3 ……………….. + AimFm + ViUi
dimana :
Xi = Variable standar yang ke-i
Aij = Koefisien multiple regresi standar dari variabel ke-i pada common factor j
F = Common Factor
Vi = Koefisien regresi berganda standar dari variabel-i pada faktor unik-i
Ui = Faktor unik variabel-i
m = Banyaknya common factor
Faktor unik berkorelasi satu dengan yang lain dan dengan common factor. Common
factor dapat dinyatakan sebagai kombinasi linier dari variabel yang diteliti., dengan
persamaaan :
Fi = Wi1X1 + Wi2X2 + Wi3X3 + …………….. + WikXk
dimana :
Fi = Factor ke-i yang diestimasi
Wi = Bobot atau koefisien score factor
Xk = Banyaknya variabel X pada faktor ke k

Prosedur melakukan Analisis Faktor :
Formulate the Problem (Perumusan Masalah). terdiri dari : Mengidentifikasi sasaran / tujuan analisis faktor dan pengukuran variabel-variabel atas dasar skala Likert / interval. Construct the Correlation Matrix (Penyusunan Matrik Korelasi). Data disusun dalam matrik korelasi, proses analitik didasarkan pada korelasi matrik antara variabel-variabel yang ada. Apabila antar variabel tersebut saling berkorelasi maka analisis faktor adalah tepat untuk digunakan, dan jika korelasinya kecil maka analisis faktor tidak tepat digunakan.
Pengujian Bartlett’s test of sphericity dapat dipakai untuk menguji ketepatan model faktor. KMO berguna untuk pengukuran kelayakan sampel. Suatu metode yang tepat harus ditentukan pula. Ada dua pendekatan dasar yang digunakan dalam analisis faktor, yaitu : Principal Component Analysis (analisis komponen prinsipal) dan Common Factor Analysis / principal axis factoring (analisis common faktor) Determine the Number of Factors (Penentuan banyaknya faktor). Ada beberapa prosedur yang dapat digunakan untuk menentukan banyaknya faktor antara lain meliputi :
1) A Priori Determination. Berdasarkan pengetahuan peneliti sebelumnya.
2) Determination Based on Eigenvalues. Pendekatan dengan eigenvalue lebih besar dari 1.
3) Determination Based on Scree Plot menentukan banyaknya faktor dengan plot eigenvalue.
4) Determination Based on Percentage of Variance.
5) Determination Based on split-Half Reliability. Sampel dipisah menjadi dua dan analisis .
Rotate Factors (Melakukan Rotasi terhadap Faktor). Hasil penting dari analisis faktor adalah matriks faktor, yang disebut juga factor pattern matrix (matrik pola faktor), berisi koefisien yang digunakan untuk menunjukkan variabel-variabel yang distandarisasi dalam batasan sebagai faktor. Didalam suatu matriks yang kompleks sulit menginterpretasikan suatu faktor. Oleh karena itu, melalui rotasi matriks, faktor ditransformasikan ke dalam bentuk yang lebih sederhana yang lebih mudah untuk diinterpretasikan, dengan harapan setiap faktor memiliki nilai non zero (tidak 0) atau signifikan. Rotasi tidak berpengaruh pada communalities dan prosentase variance total yang dijelaskan. Tetapi prosentase variance yang diperhitungkan untuk setiap faktor tidak berubah. Variance yang dijelaskan oleh faktor individual diredistribusikan melalui rotasi. Perbedaan metode rotasi akan menghasilkan identifikasi faktor yang berbeda.
Metode yang digunakan untuk rotasi adalah varimax procedure,.yang meminimalkan banyaknya variabel dengan loading tinggi pada faktor, sehingga meningkatkan kemampuan menginterpretasikan faktor-faktor yang ada.
Interpret Factors (Mengintepretasikan Faktor). Interpretasi dipercepat melalui variabelvariabel yang memiliki loading lebih besar pada faktor yang sama yang kemudian dapat diinterpretasikan dalam batasan variabel-variabel yang loadingnya tinggi.
Select Surrograte Variables (Memilih Variabel-variabel Pengganti). Memilih variabel pengganti sehingga peneliti dapat melaksanakan analisis berikutnya dan menginterpretasikan hasil dalam batasan variabel semula daripada skor faktor dengan menguji matriks faktor dan memilih setiap faktor variabel yang memiliki loading paling tinggi pada faktor tersebut.
Determine Model Fit (Menetapkan Model yang Sesuai). Langkah akhir dalam analisis faktor adalah penentuan ketepatan model. Perbedaan antara korelasi yang diamati (yang terdapat dalam input matriks korelasi) dan korelasi yang dihasilkan kembali (seperti yang diestimasikan pada matriks faktor) dapat diuji melalui model itu sendiri, yang disebut residual. Jika terdapat banyak residual yang besar, maka model faktor kurang tepat dan model perlu dipertimbangkan kembali.

Analisa Deskriptif
Penggunaan teknik analisis ini untuk mengungkapkan gambaran data secara deskriptif dengan cara menginterpretasikan hasil pengolahan lewat tabulasi frekuensi guna menyingkap kecenderungan data nominal empirik dan deskripsi data, seperti mean, median, mode, simpangan baku, variance dan skewness (kemencengan) guna mengetahui keadaan interval berdasarkan hasil penelitian lapangan. Hasil analisis deskriptif berguna untuk mendukung interpretasi terhadap hasil analisis dengan teknik lainnya.