ANALISIS PENELITIAN
B. Analisi Data
2. Analisis Data a. Uji Instrumen
1) Uji Reliabilitas
Pengujian reliabilitas dalam penelitian ini adalah dengan menggunakan rumus Cronbach Alpha. Hasil dari pengujian reabilitas untuk masing-masing variable adalah pada table 4. 6 Sebagai berikut:
Tabel 4.7
Variabel Cronbach Alpha Keterangan
Kehandalan (X1) 0, 868 Realiabilitas
Jaminan (X2) 0, 854 Realiabilitas
Sarana Fisik (X3) 0, 842 Realiabilitas
Empati (X5) 0, 875 Realiabilitas
Kepuasan (Y) 0, 858 Realiabilitas
Data primer diolah pada tanggal 14 November 2015
Dari tabel 4.6 di atas dapat disimpulkan bahwa masing-masing variabel mempunyai nilai cronbach alpha lebih dari 0,60 (α
> 0,60), sehingga data tersebut dapat dikatakan reliable yang berarti bahwa kuesioner yang digunakan dalam penelitian ini merupakan kuesioner yang handal. Sehingga dengan data tersebut dapat digunakan untuk pengukuran dan penelitian berikutnya. 2) Uji Validitas
Pengujian validitas dilakukan dengan menggunakan SPSS 20 dengan taraf siknifikan sama dengan 0,5, jika r hitung lebih besar dari r tabel maka data tersebut dinyatakan valid. Pengukuran validitas dapat dilihat pada tabel 4.
Tabel 4.8 Hasil Uji Validitas Variabel Item Pertanyaan Pearson Correlation Significant 2 Tailed Keterangan Kehandalan (X1) Butir 1 0,801** 0,000 Valid Butir 2 0,769** 0,000 Valid Butir 3 0,729** 0,000 Valid Butir 4 0,564** 0,000 Valid Butir 5 0,808** 0,000 Valid Butir 6 0,751** 0,000 Valid Butir 7 0,704** 0,000 Valid
Butir 8 0,493** 0,000 Valid
Jaminan (X2) Butir 9 0,697** 0,000 Valid
Butir 10 0,775** 0,000 Valid Butir 11 0,735** 0,000 Valid Butir 12 0,616** 0,000 Valid Butir 13 0,757** 0,000 Valid Butir 14 0,662** 0,000 Valid Butir 15 0,695** 0,000 Valid Butir 16 0,610** 0,000 Valid Sarana Fisik (X3) Butir 17 0,719** 0,000 Valid Butir 18 0,773** 0,000 Valid Butir 19 0,749** 0,000 Valid Butir 20 0,685** 0,000 Valid Butir 21 0,855** 0,000 Valid Butir 22 0,745** 0,000 Valid Butir 23 0,615** 0,000 Valid Butir 24 0,665** 0,000 Valid Daya Tanggap (X4) Butir 25 0,810** 0,000 Valid Butir 26 0,827** 0,000 Valid Butir 27 0,696** 0,000 Valid Butir 28 0,646** 0,000 Valid Butir 29 0,652** 0,000 Valid Butir 30 0,656** 0,000 Valid Butir 31 0,847** 0,000 Valid
Butir 32 0,715** 0,000 Valid
Empati (X5) Butir 33 0,730** 0,000 Valid
Butir 34 0,799** 0,000 Valid Butir 35 0,651** 0,000 Valid Butir 36 0,718** 0,000 Valid Butir 37 0,724** 0,000 Valid Butir 38 0,756** 0,000 Valid Butir 39 0,596** 0,000 Valid Butir 40 0,699** 0,000 Valid
Kepuasan(Y) Butir 41 0,673** 0,000 Valid
Butir 42 0,812** 0,000 Valid Butir 43 0,709** 0,000 Valid Butir 44 0,707** 0,000 Valid Butir 45 0,750** 0,000 Valid Butir 46 0,788** 0,000 Valid Butir 47 0,676** 0,000 Valid Butir 48 0,668** 0,000 Valid
Data primer diolah pada tanggal 14 November 2015
Berdasarkan tabel di atas, diketahui bahwa korelasi butir pertanyaan 1 (satu) sampai 8 (delapan) terhadap total skor butir pertanyaan fasilitas (X1) menunjukkan signifikan (berbintang dua) pada level 1% (0,01). Korelasi butir pertanyaan 9 (sembilan) sampai 16 (enam belas) terhadap total skor butir pertanyaan (X2) menunjukkan signifikan (berbintang dua) pada level 1% (0,01). Korelasi butir pertanyaan 17 (tuju belas ) sampai 24 ( dua puluh empat) terhadap total
skor butir pertanyaan (X3) menunjukkan signifikan (berbintang dua) pada level 1% (0,01). Korelasi butir pertanyaan 25 (dua puluh lima) sampai 32 ( tiga puluh dua ) terhadap total skor butir pertanyaan (X4) menunjukan sigifikan (berbintang dua) pada level 1% (0,01). Korelasi butir pertanyaan 33 (tiga puluh tiga) sampai 40 (empat puluh) terhadap total skor butir pertanyaan (X5) menunjukan signifikan (berbintang dua) pada level 1% (0,01). Korelasi butir pertanyaan 41 (empat puluh satu) sampai 48 (empat puluh delapan) terhadap total skor butir pertanyaan (Y) menunjukan signifikan (berbintang dua) pada level 1% (0,01).
b. Uji Hipotesis 1) Uji Asumsi Klasik
a. Uji Multikolinearitas
Untuk menguji apakah pada model regresi ditemukan adanya korelasi antara variable independen. Jika terjadi kolerasi maka dinamakan terdapat problem multikolinearitas. Problem multikolinearitas dapat dilihat dari nilai Tolerance dan nilai
Variance Inflation Factor ( VIF ). Dalam metode ini, nilai antara
Tolerance dan nilai Variance Inflation Factor nilainya berlawanan. Jika nilai tolerancenya lebih besar, maka VIF nya kecil dan sebaliknya. Nilai VIF disini tidak diperbolehkan nilainya lebih dari 10, jika lebih maka dapat dikatakan terdapat gejala multikolinieritas, sebaliknya, jika nilai VIF lebih kecil dari 10
maka tidak terdapat gejala multikolinieritas. Demikian juga dengan nilai tolerancenya berarti sebaliknya.
Tabel 4.9
Hasil Uji Multikolinieritas Metode VIF
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
T Sig. Collinearity Statistics
B Std. Error Beta Toleranc e VIF 1 (Constant) 8.807 3.381 2.605 .011 Kehandalan -.091 .097 -.096 -.939 .350 .333 3.001 Jaminan .302 .150 .303 2.017 .047 .153 6.540 Sarana Fisik .077 .132 .080 .582 .562 .182 5.488 Daya Tanggap .312 .113 .331 2.772 .007 .242 4.137 Empati .238 .099 .252 2.410 .018 .315 3.175
a. Dependent Variable: Kepuasan
Data primer diolah pada tanggal 14 November 2015
Dari tabel Coefficient pada kolom Collinearity Statistics,
dapat terlihat nilai tolerance dan VIF, di situ tampak nariabel kehandalan, jaminan, sarana fisik, daya tanggap dan empati yang lolos dari gejala multikolinieritas.
b. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan nilai varian residual dengan varian setiap variabel independen (Bawono, 2006: 136).
Dalam penelitian ini, metode yang digunakan untuk uji heteroskedastisitas adalah metode white test. Uji ini dilakukan dengan meregresi residual kuadrat (Ui2) dengan variabel bebas dan
perkalian variabel bebas. Apabila χ2 hitung < χ2
tabel, maka hipotesis adanya heteroskedastisitas dalam model ditolak (Bawono, 2006: 145).
Tabel 4.10 Uji Heteroskedastisitas
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .402a .162 -.050 149.64517
a. Predictors: (Constant), X5.X5, Kehandalan, Sarana Fisik, X4.X4, X2.X2, X3.X3, X1.X1, Empati, Daya Tanggap, X1.X5, Jaminan, X1.X4, X1.X3, X3.X5, X4.X5, X2.X5, X1.X2, X3.X4, X2.X4, X2.X3
b. Dependent Variable: U2i
Data primer diolah pada tanggal 14 November 2015
Nilai R2 sebesar 0,162. maka dapat diketahui besarnya χ2
hitung yaitu 0,162 * 100 = 16,2. Dengan tingkat signifikan 5% dan
df: 95 maka χ2 tabel =118,7520. Karena χ2hitung < χ2
tabel, maka gejala penyakit heteroskedastisitas dalam model persamaan tidak ada.
c. Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah variabel independen dan variabel dependen dalam model regresi memiliki distribusi normal atau tidak (Bawono, 2006: 174). Dalam
penelitian ini, penulis menggunakan analisa grafik yaitu dengan cara melihat histogram yang membandingkan data observasi dengan distribusi yang mendekati normal dan normal probability plot yang membandingkan distribusi kumulatif dari data yang sesungguhnya dengan distribusi kumulatif dari data distribusi normal. Jika distribusi normal maka garis yang menggambarkan data sesungguhnya akan mendekati garis normal. Berikut gambar grafik histogram dan normal probability plot:
Gambar 4.1 Grafik Normal Plot
Data primer diolah pada tanggal 14 November 2015
Dalam grafik histogram di atas, di gambarkan perbandingan antara data observasi dengan distribusi yang mendekati distribusi normal, sehingga disimpulkan model regresi memenuhi asumsi normalitas.
Gambar 4.2 Grafik Normal Plot
Data primer diolah pada tanggal 14 November 2015
Grafik normal plot di atas menggambarkan perbandingan antara distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari data distribusi normal. Titik-titik yang tersebar pada grafik normal di atas menyebar disekitar garis diagonal mengikuti arah garis diagonal tersebut, sehingga bisa disimpulkan bahwa model regresi yang digunakan memenuhi asumsi normalitas.
Hasil uji normalitas diatas di dukung oleh uji normalitas
Kolmogrov-Smirnov Test. Uji Kolmogrov-Smirnov Test bertujuan untuk menguji apakah dalam model regresi, variabel residu memiliki distribusi normal atau tidak. Data distribusi normal, jika nilai sig (signifikansi) > 0,05. Data distribusi tidak normal, jika nilai sig. (signifikansi) < 0,05 (Adran, 2015). Hasil uji Kolmogrov-Smirnov Test sebagai berikut:
Tabel 4. 11
Hasil Uji Kolmogrov Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parametersa,b Mean 0E-7
Std. Deviation 8.07116186 Most Extreme Differences Absolute .087 Positive .057 Negative -.087 Kolmogorov-Smirnov Z .874
Asymp. Sig. (2-tailed) .429
a. Test distribution is Normal. b. Calculated from data.
Data primer diolah pada tanggal 14 November 2015
Tabel 4.10 di atas diketahui bahwa nilai kolmogrov-smirnov
(K-S) sebesar 0,874 dan asymp. sig. (2-tailed) sebesar 0,429 > 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:
Hasil Uji Linearitas
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .039a .002 -.052 8.27662028
a. Predictors: (Constant), X5.X5, X1.X1, X4.X4, X3.X3, X2.X2
Data primer diolah pada tanggal 14 November 2015
Pengujian linearitas menggunakan uji langrange multiplier
ditujukan untuk mencari perbandingan χ2 hitung dan χ2
tabel, yang mana:
χ2
hitung = n * R2 = 100 * 0,002 = 0,2
Dengan tingkat signifikan 5% dan df: 95 maka χ2
tabel
=118,7520. Dengan demikian dapat diketahui bahwa nilai χ2
hitung
< χ2
tabel yaitu 0,2 < 118,7520. sehingga dapat disimpulkan bahwa spesifikasi model persamaan regresi linier adalah benar.