Unit 1: Dari pertanyaan penelitian ke model

Sebelum membuka perangkat lunak, kamu perlu tahu dulu apa yang ditanyakan penelitianmu. Analisis dipilih dari pertanyaan penelitian dan jenis datanya, bukan dari analisis yang sedang populer di kampus.

Unit ini memakai kasus pemandu modul: "Pengaruh kualitas layanan, harga, dan lokasi terhadap kepuasan pelanggan kedai kopi di Kendari", dengan 150 responden.

Dalam regresi, ada satu variabel yang ingin dijelaskan atau diprediksi, dan beberapa variabel yang dipakai untuk menjelaskannya.

Pada judul berpola "Pengaruh A, B, dan C terhadap D", variabel sesudah kata terhadap adalah variabel terikat. Regresi linear berganda memiliki satu variabel terikat dan dua atau lebih variabel bebas.

Peran variabel ditentukan oleh teori dan pertanyaan penelitian, bukan oleh data. Data yang sama dapat dianalisis dengan peran yang dibalik, dan perangkat lunak tetap akan memberi angka. Karena itu, alasan teoretis mengapa X diduga berkaitan dengan Y perlu ditulis di Bab II.

Ada empat skala pengukuran:

Regresi linear mengandaikan variabel terikat kuantitatif (interval atau rasio). Pada kuesioner, skor variabel biasanya dihitung sebagai rata-rata beberapa item. Misalnya, responden yang menjawab empat item kualitas layanan dengan 4, 5, 3, dan 4 memiliki skor (4 + 5 + 3 + 4) / 4 = 4. Satu item Likert berskala ordinal, tetapi skor rata-rata dari beberapa item yang reliabel lazim diperlakukan sebagai data interval. Ini adalah anggapan, jadi sebutkan di Bab III.

Variabel bebas boleh nominal, asalkan diubah menjadi variabel dummy (0/1). Jenis kelamin cukup satu dummy, misalnya 1 = perempuan, 0 = laki-laki. Variabel dengan k kategori memerlukan k − 1 dummy. Jangan memasukkan kode 1, 2, 3 untuk tiga kecamatan sebagai satu angka, karena regresi akan membacanya seolah-olah kecamatan 3 "dua kali lebih jauh" daripada kecamatan 2.

Regresi linear berganda tepat bila:

• pertanyaanmu tentang hubungan beberapa variabel bebas dengan satu variabel terikat, dan kamu ingin tahu peran setiap variabel bebas setelah variabel bebas lain diperhitungkan;
• variabel terikatnya kuantitatif;
• ukuran sampelnya memadai. Patokan kasar dari Green (1991) untuk efek sedang: n ≥ 50 + 8k untuk menguji model secara keseluruhan, dan n ≥ 104 + k untuk menguji setiap koefisien, dengan k banyaknya variabel bebas. Untuk k = 3, patokannya 74 dan 107; kasus kedai kopi dengan 150 responden memenuhi keduanya. Perhitungan yang lebih tepat (analisis kekuatan uji) dibahas di Unit 9.

Regresi linear berganda bukan pilihan yang tepat untuk situasi berikut:

Tentukan analisis yang paling tepat untuk setiap judul berikut sebelum membuka jawabannya.

1. Pengaruh kualitas layanan, harga, dan lokasi terhadap kepuasan pelanggan kedai kopi di Kendari (kepuasan: rata-rata empat item Likert).
2. Perbedaan kepuasan pelanggan antara kedai kopi waralaba dan kedai kopi lokal.
3. Pengaruh promosi media sosial dan harga terhadap keputusan membeli ulang (ya/tidak).
4. Pengaruh kualitas layanan terhadap loyalitas pelanggan melalui kepuasan.

Model regresi kasus kedai kopi ditulis untuk populasi pelanggan:

Y = β₀ + β₁X1 + β₂X2 + β₃X3 + ε

Huruf Yunani β adalah koefisien di populasi, yang tidak diketahui. Dari sampel 150 responden kita menghitung perkiraannya, yaitu koefisien B. Bagian ε (galat) adalah selisih kepuasan yang tidak dijelaskan oleh ketiga variabel bebas.

Hipotesis penelitian kemudian diterjemahkan menjadi pernyataan tentang β:

Tiga hal yang perlu dijaga:

• H₀ memuat tanda sama dengan. Dugaan peneliti ditempatkan di H₁, dan uji statistik menilai apakah data cukup untuk menolak H₀.
• Hipotesis menyangkut populasi (β), bukan sampel (B). Nilai B di sampel sudah diketahui setelah dihitung; yang diuji adalah apakah B sejauh itu dari nol masih mungkin terjadi bila β = 0.
• "Signifikan" bukan isi hipotesis. Signifikan adalah hasil keputusan uji, jadi jangan menulis "H₀: X1 tidak signifikan".

Bila hipotesisnya berarah, misalnya "kualitas layanan berpengaruh positif", hipotesisnya menjadi H₀: β₁ ≤ 0 dan H₁: β₁ > 0. Arah ini harus ditetapkan sebelum melihat data. Keluaran Melola Stat memberi nilai p dua sisi; nilai p satu sisi adalah setengahnya, tetapi hanya bila tanda B sesuai dengan arah H₁.

Kata "pengaruh" lazim dipakai di judul skripsi. Namun, regresi pada data survei hanya menunjukkan hubungan. Kesimpulanmu nanti dibaca sebagai hubungan, bukan bukti sebab-akibat.

• Variabel terikat (Y) adalah yang dijelaskan; variabel bebas (X) adalah penjelasnya. Perannya ditentukan oleh teori, bukan oleh data.
• Regresi linear memerlukan Y kuantitatif. Skor rata-rata beberapa item Likert lazim diperlakukan sebagai interval; variabel bebas nominal dimasukkan sebagai dummy (k − 1 dummy untuk k kategori).
• Y biner → regresi logistik; membandingkan kelompok → uji t atau ANOVA; ada mediator → analisis jalur atau SEM.
• Patokan kasar ukuran sampel (Green, 1991): n ≥ 50 + 8k untuk model, n ≥ 104 + k untuk setiap koefisien.
• Hipotesis statistik menyangkut β di populasi: H₀ memuat "= 0", dugaan peneliti masuk ke H₁.