BAB IV ANALISIS DATA
B. Analisis Data
1. Uji Instrumen a. Uji Reliabilitas
Uji reliabilitas digunakan untuk mengukur kehandalan suatu kuesioner yang merupakan indikator dari variabel penelitian. Untuk mengukur reliabilitas dengan menggunakan uji statistik adalah dengan melihat nilai cronbach alpha (α), suatu variabel
dikatakan reliable jika nilai cronbach alpha (α) > 0,60 (Bawono,
2006: 68). Adapun hasil uji reliabilitas dalam penelitian ini dapat dijelaskan pada tabel berikut:
Tabel 4.9 Hasil Uji Reliabilitas Variabel Cronbach Alpha
(α) Keterangan Kualitas Layanan (X1) 0,932 Reliable Brand Image (X2) 0,908 Reliable
Kepercayaan (X3) 0,959 Reliable
Loyalitas Nasabah (Y) 0,889 Reliable Sumber: Data primer yang diolah (terlampir), 2015
Dari tabel 4.9 di atas dapat diketahui bahwa masing-masing variabel mempunyai nilai cronbach alpha lebih dari 0,60 (α >
0,60), sehingga data tersebut dapat dikatakan reliable untuk pengukuran dan penelitian berikutnya.
b. Uji Validitas
Sebuah data yang didapat dari kuesioner, sebaiknya diuji validitas (Bawono, 2006: 68). Uji validitas digunakan untuk mengatahui valid atau tidaknya suatu kuesioner. Berikut ini hasil uji validitas pada setiap pertanyaan masing-masing variabel:
Tabel 4.10 Hasil Uji Validitas Variabel Item Pertanyaan Pearson Correlation Significant 2 Tailed Keterangan Kualitas Layanan (X1) Pertanyaan 1 0,801** 0,000 Valid Pertanyaan 2 0,911** 0,000 Valid Pertanyaan 3 0,905** 0,000 Valid Pertanyaan 4 0,884** 0,000 Valid Pertanyaan 5 0,898** 0,000 Valid Pertanyaan 6 0,837** 0,000 Valid Dilanjutkan...
Lanjutan Tabel 4.10... Brand Image (X2) Pertanyaan 7 0,791** 0,000 Valid Pertanyaan 8 0,828** 0,000 Valid Pertanyaan 9 0,764** 0,000 Valid Pertanyaan 10 0,854** 0,000 Valid Pertanyaan 11 0,904** 0,000 Valid Pertanyaan 12 0,872** 0,000 Valid Keperca-yaan (X3) Pertanyaan 13 0,889** 0,000 Valid Pertanyaan 14 0,914** 0,000 Valid Pertanyaan 15 0,928** 0,000 Valid Pertanyaan 16 0,910** 0,000 Valid Pertanyaan 17 0,929** 0,000 Valid Pertanyaan 18 0,914** 0,000 Valid Loyalitas Nasabah (Y) Pertanyaan 19 0,896** 0,000 Valid Pertanyaan 20 0,865** 0,000 Valid Pertanyaan 21 0,861** 0,000 Valid Pertanyaan 22 0,852** 0,000 Valid
Sumber: Data primer yang diolah (terlampir), 2015
Berdasarkan tabel 4.10 di atas, diketahui bahwa korelasi butir pertanyaan 1 (satu) sampai 6 (enam) terhadap total skor butir pertanyaan kualitas layanan (X1) menunjukkan signifikan (berbintang dua) pada level 1% (0,01). Korelasi butir pertanyaan 7 (tujuh) sampai 12 (dua belas) terhadap total skor butir
pertanyaan brand image (X2) menunjukkan signifikan (berbintang dua) pada level 1% (0,01). Korelasi butir pertanyaan 13 (tiga belas) sampai 18 (delapan belas) terhadap total skor butir pertanyaan kepercayaan(X3) menunjukkan signifikan (berbintang dua) pada level 1% (0,01). Korelasi butir pertanyaan 19 (sembilan belas) sampai 22 (dua puluh dua) terhadap total skor butir pertanyaan loyalitas nasabah (Y) menunjukkan signifikan (berbintang dua) pada level 1% (0,01). Semua butir pertanyaan dinyatakan valid dan layak untuk penelitian berikutnya.
2. Analisis Regresi Linear Berganda
Regresi linear berganda digunakan untuk menjelaskan hubungan antara variabel dependen dengan variabel independen yang lebih dari satu. Dalam penelitian ini model persamaan regresi linear berganda digunakan untuk mengetahui pengaruh kualitas layanan, brand image
dan kepercayaan terhadap loyalitas nasabah tabungan di BMT Taruna Sejahtera adalah sebagai berikut:
Y = β0+ β1X1+ β2X2+ β3X3
Dengan menggunakan program SPSS (Statistical Product and Service Solution) versi 20 diperoleh hasil perhitungan sebagai berikut:
Tabel 4.11
Uji Regresi Linear Berganda
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,841 ,510 1,647 ,103 Kualitas Layanan ,422 ,098 ,395 4,298 ,000 Brand Image ,210 ,094 ,222 2,223 ,029 Kepercayaan ,270 ,093 ,290 2,900 ,005 a. Dependent Variable: Loyalitas Nasabah
Sumber: Data primer yang diolah, 2015
Berdasarkan tabel diatas, dapat dibuat model persamaan regresi linear berganda sebagai berikut:
Y = 0,841 + 0,422X1 + 0,210X2 + 0,270X3 Dimana: Y = Loyalitas Nasabah X1 = Kualitas Layanan X2 = Brand Image X3 = Kepercayaan
Arti dari model persamaan regresi linear berganda di atas adalah:
a. Nilai konstan (β0) = 0,841 diartikan bahwa ketika variabel X1, X2
dan X3 konstan atau tidak ada atau sebesar 0, maka Y akan mengalami peningkatan sebesar 0,841, dengan asumsi cateris paribus.
b. Nilai koefisien regresi variabel X1 = 0,422, artinya jika variabel X1 mengalami peningkatan 1 satuan sedangkan X2 dan X3 konstan
atau tidak ada atau sebesar 0, maka Y akan mengalami peningkatan sebesar 0,422, dengan asumsi cateris paribus.
c. Nilai koefisien regresi variabel X2 = 0,210, artinya jika variabel X2
mengalami peningkatan 1 satuan sedangkan X1 dan X3 konstan atau tidak ada atau sebesar 0, maka Y akan mengalami peningkatan sebesar 0,210, dengan asumsi cateris paribus.
d. Nilai koefisien regresi variabel X3 = 0,270, artinya jika variabel X3 mengalami peningkatan 1 satuan sedangkan X1 dan X2 konstan atau tidak ada atau sebesar 0, maka Y akan mengalami peningkatan sebesar 0,270, dengan asumsi cateris paribus.
Dari persamaan regresi tersebut dapat diketahui nilai koefisien regresi masing-masing variabel independen bertanda positif. Hal ini menunjukkan bahwa variabel independen berbanding lurus atau searah dengan variabel dependen, jika diantara variabel independen mengalami perubahan baik naik maupun turun maka variabel dependen akan berubah ke arah yang sama (naik atau turun).
3. Uji Statistika
a. Uji Ttest (Uji Parsial)
Uji ttest digunakan untuk melihat tingkat signifikansi variabel independen mempengaruhi variabel dependen secara parsial atau individu (Bawono, 2006: 89). Hasil uji ttest dalam penelitian ini dapat dilihat pada tabel berikut ini:
Tabel 4.12 Uji Ttest Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,841 ,510 1,647 ,103 Kualitas Layanan ,422 ,098 ,395 4,298 ,000 Brand Image ,210 ,094 ,222 2,223 ,029 Kepercayaan ,270 ,093 ,290 2,900 ,005 a. Dependent Variable: Loyalitas Nasabah
Sumber: Data primer yang diolah, 2015
Berdasarkan pada tabel 4.12 di atas dapat diketahui bahwa: 1. Nilai signifikansi variabel kualitas layanan (X1) adalah sebesar
0,000 lebih kecil dari 0,05, artinya ada pengaruh yang signifikan antara kualitas layanan (X1) terhadap loyalitas nasabah (Y).
2. Nilai signifikansi variabel brand image (X2) adalah sebesar 0,029 lebih kecil dari 0,05, artinya ada pengaruh yang signifikan antara brand image (X2) terhadap loyalitas nasabah (Y).
3. Nilai signifikansi variabel kepercayaan (X3) adalah sebesar 0,005 lebih kecil dari 0,05, artinya ada pengaruh yang signifikan antara kepercayaan (X3) terhadap loyalitas nasabah (Y).
b. Uji Ftest (Uji Simultan)
Uji F dilakukan untuk mengetahui seberapa jauh variabel independen secara bersama-sama dapat mempengaruhi variabel dependen (Bawono, 2006: 91). Hasil uji Ftest penelitian ini dapat dilihat pada tabel berikut:
Tabel 4.13 Uji Ftest
ANOVAa
Model Sum of Squares
df Mean Square F Sig. 1
Regression 111,228 3 37,076 71,575 ,000b Residual 49,728 96 ,518
Total 160,957 99 a. Dependent Variable: Loyalitas Nasabah
b. Predictors: (Constant), Kepercayaan, Kualitas Layanan, Brand Image
Sumber: Data primer yang diolah, 2015
Berdasarkan tabel 4.13 di atas, dapat diketahui bahwa nilai signifikansi 0,000 lebih kecil dari 0,05 artinya variabel independen secara bersama-sama (simultan) mempengaruhi variabel dependen secara signifikan.
c. Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) menunjukkan sejauh mana tingkat hubungan antara variabel dependen dengan variabel independen (Bawono, 2006: 92). Hasil uji koefisien determinasi (R2) penelitian ini dapat dilihat pada tabel berikut:
Tabel 4.14
Uji Koefisien Determinasi (R2) Model Summary
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 ,831a ,691 ,681 ,71973
a. Predictors: (Constant), Kepercayaan, Kualitas Layanan, Brand Image
Sumber: Data primer yang diolah, 2015
Berdasarkan tabel 4.14 di atas, dapat diketahui bahwa: 1. Koefisien korelasi (R) sebesar 0,831, artinya bahwa ada
hubungan yang kuat antara variabel independen dengan variabel dependen (karena mendekati angka 1).
2. Koefisien determinasi (R2) sebesar 0,691, artinya bahwa kontribusi variabel independen mempengaruhi variabel dependen sebesar 69,1%, sedangkan sisanya sebesar 30,9% dipengaruhi oleh variabel lain di luar model.
4. Uji Asumsi Klasik a. Uji Multikolinearitas
Multikolinearitas adalah situasi dimana terdapat korelasi antar variabel independen. Dalam penelitian ini, teknik uji multikolinearitas yang digunakan adalah metode auxilary yaitu meregresikan antar variabel independen untuk mendapatkan r2, kemudian membandingkannya dengan R2 dari hasil regresi persamaan utama. Jika R2 hasil regresi utama lebih besar daripada r2 hasil regresi antar variabel independen maka dapat dikatakan
tidak ada gejala multikolinearitas. Adapun hasil uji multikolinearitaspenelitian ini dapat dilihat pada tabel berikut:
Tabel 4.15 Perbandingan r2 dan R2 Variabel Dependen r2 X1 = f(X2, X3) 0,619 X2 = f(X1,X3) 0,676 X3 = f(X2, X3) 0,678 R2 = 0,691
Sumber: Data primer yang diolah (terlampir), 2015
Berdasarkan tabel 4.15 di atas, diketahui bahwa nilai R2 dari regresi utama lebih besar dari nilai r2 hasil regresi parsial antar variabel independen, sehingga dapat dinyatakan tidak ada gejala multikolinearitas.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan nilai varian residual dengan varian setiap variabel independen. Dalam penelitian ini, metode yang digunakan untuk uji heteroskedastisitas adalah metode park. Ada tidaknya gejala penyakit heteroskedastisitas dapat dilihat dari besarnya nilai signifikansi, jika nilai signifikansi lebih besar dari 0,05 maka dinyatakan tidak ada gejala penyakit heteroskedastisitas. Adapun hasil uji heteroskedastisitas penelitian ini dapat dilihat pada tabel berikut:
Tabel 4.16 Uji Heteroskedastisistas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,314 ,580 ,541 ,589 Kualitas Layanan -,147 ,112 -,213 -1,315 ,192 Brand Image -,030 ,107 -,050 -,283 ,778 Kepercayaan ,038 ,106 ,062 ,354 ,724 a. Dependent Variable: LnU2i
Sumber: Data primer yang diolah, 2015
Dari tabel 4.16 di atas, dapat diketahui bahwa nilai signifikansi lebih besar dari 0,05 yang artinya tidak signifikan secara statistik. Sehingga dapat disimpulkan bahwa model persamaan regresi tersebut tidak terdapat gejala penyakit heteroskedastisitas.
c. Uji Normalitas
Uji normalitas dalam penelitian ini menggunakan uji analisis grafik dan uji analisis statistik. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan analisis grafik (Ghazali, 2012: 163):
a. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola
distribusi normal, maka model regresi memenuhi asumsi normalitas.
b. Jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Berikut gambar grafik histogram dan normal probability plot
serta hasil uji kolmogrov-smirnov dalam penelitian ini:
Gambar 4.2 Grafik Histogram
Gambar 4.3
Grafik Normal Probability Plot Sumber: Data primer yang diolah, 2015
Dengan melihat tampilan grafik histogram maupun normal probability plot dapat disimpulkan bahwa grafik histogram menunjukkan pola distribusi yang mendekati normal. Sedangkan pada grafik normal probability plot terlihat titik-titik menyebar disekitar garis diagonal, serta penyebarannya mendekati dan mengikuti arah garis diagonal. Kedua grafik ini menunjukkan bahwa model regresi memenuhi asumsi normalitas.
Tabel 4.17
Uji Normalitas Kolmogrov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parametersa,b Mean 0E-7 Std. Deviation ,70873690 Most Extreme Differences
Absolute ,057 Positive ,057 Negative -,054 Kolmogorov-Smirnov Z ,566 Asymp. Sig. (2-tailed) ,906 a. Test distribution is Normal.
b. Calculated from data.
Tabel 4.17 di atas diketahui bahwa nilai kolmogrov-smirnov
(K-S) sebesar 0,566 dan asymp. sig. (2-tailed) sebesar 0,906 > 0,05, yang berarti nilai residual berdistribusi normal atau memenuhi asumsi normalitas.
d. Uji Linearitas
Uji linearitas digunakan untuk menguji apakah spesifikasi model yang digunakan sudah tepat atau lebih baik dalam spesifikasi model bentuk lain (Bawono, 2006: 179). Dalam pengujian ini, peneliti menggunakan uji lagrange multiplier untuk mendapatkan nilai X2 hitung, kemudian membandingkannya dengan nilai X2 tabel. Berikut merupakan tabel hasil perkalian jumlah data dengan R2:
Tabel 4.18 Uji Linearitas
Model Summary
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 ,009a ,000 -,031 ,71969826 a. Predictors: (Constant), KP2, KL2, BI2
Sumber: Data primer yang diolah, 2015
Sedangkan X2 hitung diketahui dengan cara mengalikan n dengan R2 yaitu 100 × 0,000 = 0. Dengan tingkat signifikan 5% dan df = 97 maka diperoleh X2 tabel = 120,99. Dengan demikian dapat diketahui bahwa nilai X2 hitung lebih kecil dari X2 tabel, sehingga dapat disimpulkan bahwa spesifikasi model persamaan regresi linier adalah benar.