BAB IV HASIL DAN PEMBAHASAN
4.4 Analisis dan Pembahasan
4.4.1 Uji Asumsi Klasik
Beberapa uji asumsi klasik yang harus dipenuhi adalah multikolinieritas, heteroskedastisitas dan normalitas :
a. Multikolinieritas
Uji Multikolinieritas pada penelitian ini digunakan untuk mendeteksi adanya gejala Multikolinieritas dalam pengujian keeratan hubungan antar variabel bebas, tercermin dari Coefficient. Hal ini tampak pada nilai tolerance dan Variance Inflation Factor (VIF) untuk setiap variabel bebas. Jila nilai tolerance lebih dari 0,10 dan nilai kurang dari 10, artinya menunjukan tidak terdapat korelasi antar satu variabel bebas.
Tabel 4.8
Nilai VIF ( Variance Inflation Factor )
Variabel Bebas Toler ance VIF
Pelayanan (X1) 0,959 1,043
Harga (X2) 0,952 1,050
Fasilitas (X3) 0,989 1,011
Berdasarkan hasil perhitungan menunjukan bahwa nilai Variance Inflation factor (VIF) dari semua variabel bebas yang meliputi : pelayanan (X1), Harga (X2), dan Fasilitas (X3) memperlihatkan nilai yang kurang dari 10. Ini berarti persoalan Multikolinieritas di antara semua variabel bebas dapat ditolerir atau tidak terdapat adanya gejala Multikolinieritas.
b. Heterokedastisitas
Heterokedatisitas di identifikasikan dengan koefisien korelasi Rank Spearman Berdasarkan tabel dibawah, diperoleh tingkat signifikansi koefisien korelasi Rank Spearman untuk semua variabel bebas terhadap residual lebih besar dari 0,05 (5%).
Tabel 4.9
Hasil Pen gujian Het er okeda stisita s
Va r iab el Ta r af Signifika si Da r i K or elasi Ran k Spea r man >/< Ta r af
α
Uji K esimpu lan Pelayanan (X1) 0,210 > 0,05 Homoskedastisitas Harga (X2) 0,399 > 0,05 Homoskedastisitas Fasilitas (X3) 0,218 > 0,05 Homoskedastisitas Sumber : Lampiran 9Dari hasil pengujian heterokedastisitas diperoleh tingkat signifikansi dari korelasi Rank Spearman lebih besar dari taraf level of signifikan yaitu 5% (0,05).
c. Nor malitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel bebas (independent variabel) dan variabel terikat (dependent variabel) mempunyai Motivasi noemal atau tidak. Model regresi yang baik adalah mempunyai Motivasi data normal atau mendekati normal.
Berdasarkan pada lampiran 8, dapat dilihat bahwa dengan melakukan Kolmogorov-Smirnov test dan grafik QQ plot nilai probabilitas lebih besar dari 0,05 atau 5%, hal ini berarti data Motivasi normal atau asumsi normalitas data terpenuhi. 22 20 18 16 14 12 10 8 Observed Value 20 18 16 14 12 10 E x p e c te d N o rm a l V a lu e
Normal Q-Q Plot of y1.tot
Gambar 4.2 Normal Q-Q Plot of y1 .tot
Dari hasil pengujian yang telah dilakukan, maka didapat model analisis regresi linier berganda tersebut telah memenuhi beberapa asumsi regresi klasik yang berarti tidak biasa dan analisis regresi linier berganda dapat dilanjutkan.
4.4.2 Analisis Statistik Regresi Linear Berganda
Data yang diperoleh selanjutnya dianalisis dengan menggunakan SPSS 13.0 for windows untuk melihat model persamaan yang dibentuk dan membuktikan hipotesis yang diajukan. Dari hasil analisis tersebut diperoleh nilai – nilai seperti yang disajikan pada tabel 4.14 di bawah ini :
Tabel 4.10
Hasil Analisis Regresi Berganda.
Variabel Koefisien
Regresi t hitung Sig.
Pelayanan (X1) 0,656 6,318 0,000
Harga (X2) -0,248 -1,548 0,125
Fasilitas (X3) -0,135 -2,035 0,045
Multiple R = 0,571 R² = 0,326 Konstanta : 7,208 Sig = 0,000 Adjusted R Square = 0,304 F hitung = 14,985 Sumber : Lampiran 8 dan 9
Berdasarkan hasil perhitungan pada tabel 4.14 diatas, maka dapat dibuat model persamaan regresi linier berganda dari pengaruh Kepuasan Pasien Rumah Sakit Darmo Surabaya adalah sebagai berikut :
Y = 7,208 + 0,656 X1 - 0,248 X2 - 0,135 X3
Interprestasi dari model regresi diatas adalah sebagau berikut :
1. Nilai konstanta (b0) menunjukkan besarnya nilai dari Keputusan Pembelian (Y) apabila variabel Pelayanan (X1), Harga (X2), dan Fasilitas (X3), adalah konstan atau nol, maka besarnya nilai Kepuasan Pasien naik (Y) sebesar 7,208.
2. Nilai Koefisien regresi pada untuk variabel Pelayanan (X1) adalah positif yaitu sebesar 0,656 artinya jika Pelayanan (X ) naik sebesar satu satuan, maka
Kepuasan Pasien (Y) akan naik sebesar 0,656 dengan asumsi variabel bebas lainnya adalah konstan.
3. Nilai Koefisien regresi pada untuk variabel Harga (X2) adalah negatif yaitu sebesar 0,248 artinya jika Harga (X2) naik sebesar satu satuan, maka Kepuasan Pasien (Y) akan turun sebesar 0,248 dengan asumsi variabel bebas lainnya adalah konstan.
4. Nilai Koefisien regresi pada untuk variabel Fasilitas (X3) adalah negatif yaitu sebesar 0,135 artinya jika Fasilitas (X3) naik sebesar satu satuan, maka Kepuasan Pasien (Y) akan turun sebesar 0,135 dengan asumsi variabel bebas lainnya adalah konstan.
Nilai Koefesien korelasi berganda (R) atau Multiple R dari persamaan regresi linier berganda diatas adalah 0,571. Nilai Koefesien korelasi berganda (R) sebesar 0,571 menunjukan adanya hubungan yang sangat kuat (erat) antara variabel yaitu Pelayanan (X1), Harga (X2), dan Fasilitas (X3), dengan Kepuasan Pasien Rumah Sakit Darmo Surabaya (Y).
Nilai Koefesien determinan berganda (R²) dari persamaan regresi linier berganda diatas digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat. Nilai Koefesien determinan berganda (R²) sebesar 0,326 menunjukan 32,6 % yang berarti ; Kepuasan Pasien Rumah Sakit Darmo Surabaya yaitu Pelayanan (X1), Harga (X2), dan Fasilitas (X3) dan selebihnya sebesar 67,4 % disebabkan oleh faktor lain yang tidak dimasukan dalam penelitian.
4.4.3 Pengujian Hipotesis
a. Pembuktian hipotesis pengar uh variabel bebas secara simultan (f)
Untuk mengetahui pengaruh secara simultan antara variabel bebas terhadap variabel terikat digunakan uji F dengan langkah – langkah sebagai berikut :
Tabel 4.11
Analisis Varian (ANOVA)
Sumber Varian Jumlah Kuadrat Df Kuadrat Tengah F hitung
Regresi 112,264 3 37,421 14,985
Sisa 232,252 93 2,497
Total 344,515 96
Sumber: Lampiran 8
1. Untuk menguji pengaruh secara simultan (serempak) digunakan uji F dengan langkah-langkah sebagai berikut:
a. Ho : β1 = β2 = β3 = 0
Secara keseluruhan variabel bebas tidak ada pengaruh terhadap variabel terikat.
Ha : β1≠β2≠β3≠ 0
Secara keseluruhan variabel bebas ada pengaruh terhadap variabel terikat. b. α = 0,05 dengan df pembilang = 3 df penyebut = 93 c. F tabel (α = 0,05) = 2,76 d. sisa kuadrat rata -Rata regresi kuadrat rata -Rata = hitung F
485 , 14 497 , 2 421 , 37 = = e. Daerah pengujian Gambar 4. 3
Motivasi Kriteria Penerimaan/Penolakan Hipotesis Secara Simultan atau Keseluruhan
Ho diterima apabila F hitung ≤ 2,76 Ho ditolak apabila F hitung > 2,76
f. Kesimpulan
Oleh karena F hitung = 14,985 > F tabel = 2,76 maka Ho ditolak dan Ha diterima, yang berarti bahwa secara keseluruhan faktor–faktor variable bebas yaitu Kualitas Layanan (X1), Harga (X2), dan Fasilitas (X3) berpengaruh secara simultan dan nyata terhadap Kepuasan Pasien Rumah Sakit Darmo Surabaya (Y).
2. Pembuktian hipotesis pengar uh variabel bebas secara partial (t)
Untuk menguji hipotesis digunakan uji t yang menunjukan pengaruh secra partial dari masing – masing variabel.
Adapun langkah – langkah pengujian adalah sebagai berikut :
a) Pengaruh secara par sial antara Pelayanan (X1) terhadap Kepuasan Pasien Rumah Sakit Dar mo Sur abaya (Y)
14,985
2,76
Daerah Penerimaan H0
Daerah Penolakan H0
i. Ho : β1 = 0 (tidak ada pengaruh) Ha : β1≠ 0 (ada pengaruh) ii. α = 0,05 dengan df = 93 iii. t hitung = ) (β Se β 1 1 = 6,318
iv. level of significani = 0,05/2 (0,025) berarti t tabel sebesar 1,986
v. pengujian.
Gambar 4. 4
Kurva Motivasi Hasil Analisis secara Parsial Faktor Pelayanan (X1) terhadap Kepuasan Pasien Rumah Sakit Darmo Surabaya (Y)
Berdasarkan pehitungan diperoleh t-hitung sebesar 6,318 > t tabel sebesar 1,986 Ho ditolak, pada level signifikan 5 %, sehingga secara parsial Faktor Pelayanan (X1) berpengaruh secara nyata dan positif terhadap Kepuasan Pasien Rumah Sakit Darmo Surabaya (Y). Hal ini didukung juga dengan nilai signifikansi dari Pelayanan (X1) sebesar 0,000 yang lebih kecil dari 0.05.
Nilai r2 parsial untuk variabel Pelayanan sebesar 0,300 yang artinya bahwa Pelayanan (X1) secara parsial mampu menjelaskan variabel terikat Kepuasan Pasien Rumah Sakit Darmo Surabaya (Y) sebesar 30 %, sedangkan sisanya 70 % tidak mampu dijelaskan oleh variabel tersebut.
1,986 -1,986
Daerah Penerimaan Ho
Daerah Penolakan Ho Daerah Penolakan Ho
b) Pengaruh secara parsial antara Harga (X2) terhadap Kepuasan Pasien Rumah Sakit Darmo Surabaya (Y)
Langkah-langkah pengujian :
vi. Ho : β2 = 0 (tidak ada pengaruh) Ha : β2≠ 0 (ada pengaruh) vii. α = 0,05 dengan df = 93 viii. t hitung = ) (β Se β 2 2 = -1,548
ix. level of significani = 0,05/2 (0,025) berarti t tabel sebesar 1,986
x. pengujian
Gambar 4. 5
Kurva Motivasi Hasil Analisis secara Parsial Faktor Harga (X2) terhadap Kepuasan Pasien Rumah Sakit Darmo Mall Surabaya (Y)
Berdasarkan pehitungan diperoleh t-hitung sebesar -1,548 < t tabel sebesar 1,986 Ho diterima, pada level signifikan 5 %, sehingga secara parsial Faktor Harga (X2) tidak berpengaruh secara nyata dan negatif terhadap Kepuasan
1,986 -1,986
Daerah Penerimaan Ho
Daerah Penolakan Ho Daerah Penolakan Ho
Pasien Rumah Sakit Darmo Surabaya (Y). Hal ini didukung juga dengan nilai signifikansi dari Harga (X2) sebesar 0,125 yang lebih besar dari 0.05.
Nilai r2 parsial untuk variabel Harga sebesar 0,025 yang artinya bahwa Harga (X2) secara parsial mampu menjelaskan variabel terikat Kepuasan Pasien Rumah Sakit Darmo Surabaya (Y) sebesar 2,5 %, sedangkan sisanya 97,5 % tidak mampu dijelaskan oleh variabel tersebut.
c) Pengaruh secara parsial antara Fasilitas (X3) terhadap Kepuasan Pasien Rumah Sakit Dar mo Sur abaya (Y)
Langkah-langkah pengujian :
i. Ho : β3 = 0 (tidak ada pengaruh) Ha : β3≠ 0 (ada pengaruh) ii. α = 0,05 dengan df = 93 iii. t hitung = ) (β Se β 3 3 = - 2,035
iv. level of significani = 0,05/2 (0,025) berarti t tabel sebesar 1,986
v. pengujian
Gambar 4. 6
Kurva Motivasi Hasil Analisis secara Parsial Fasilitas (X3) terhadap Kepuasan Pasien Rumah Sakit Darmo Surabaya (Y)
1,986 -2,035 - 1,986 Daerah Penerimaan Ho Daerah Penolakan Ho Daerah Penolakan Ho
Berdasarkan pehitungan diperoleh t-hitung sebesar -2,035 > t tabel sebesar -1,986 maka Ho ditolak, pada level signifikan 5 %, sehingga secara parsial Faktor Fasilitas (X3) berpengaruh secara nyata negatif terhadap Kepuasan Pasien Rumah Sakit Darmo Surabaya (Y). hal ini didukung juga dengan nilai signifikansi dari Fasilitas (X3) sebesar 0,045 yang lebih kecil dari 0.05.
Nilai r2 parsial untuk variabel Fasilitas sebesar 0,042 yang artinya Fasilitas (X3) secara parsial mampu menjelaskan variabel terikat Kepuasan Pasien Rumah Sakit Darmo Surabaya (Y) sebesar 4,2 %, sedangkan sisanya 95,8 % tidak mampu dijelaskan oleh variabel tersebut.
Kemudian untuk mengetahui variabel mana yang berpengaruh paling dominan empat variabel bebas terhadap Kepuasan Pasien Rumah Sakit Darmo Surabaya (Y) : Pelayanan (X1), Harga (X2), dan Fasilitas (X3), dapat diketahui dengan melihat koefisien determinasi parsial yang paling besar, dimana dalam perhitungan ditunjukkan oleh variabel Pelayanan dengan koefisien determinasi parsial (r2) sebesar 0,300 atau sebesar 30 %.