HASIL PENELITIAN DAN PEMBAHASAN
4.4 Analisis Statistik Inferensial
4.4.3 Analisis Koefisien Determinasi
Besarnya determinasi variabel independen terhadap variabel dependen dalam penelitian ini dapat dilihat pada tabel 4.11.
Tabel 4.11
Hasil Analisis Koefisien Determinasi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 ,820a ,672 ,662 3,426
a. Predictors: (Constant), KOMUNIKASI, KEPRIBADIAN, DISIPLIN b. Dependent Variable: KUALITAS PELAYANAN PUBLIK
Sumber : Hasil Penelitian 2019 (diolah dengan SPSS)
Dari Tabel 4.11 dapat dilihat bahwa nilai Adjusted R Square sebesar 0,662 atau 66,2 %. Hal ini menunjukkan bahwa prosentase sumbangan pengaruh variabel independen Kepribadian (X1), Disiplin (X2), dan Komunikasi (X3) terhadap variabel dependen Kualitas Pelayanan Publik (Y) sebesar 66,2 %. Atau variasi variabel independen yang digunakan dalam model (Kepribadian, Disiplin,
dan Komunikasi) mampu menjelaskan sebesar 66,2 % variasi variabel dependen Kualitas Pelayanan Publik (Y). Sedangkan sisanya sebesar 33,8 % dipengaruhi atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam model penelitian ini.
Standard Error of The Estimate adalah suatu ukuran banyaknya kesalahan model regresi dalam memprediksikan nilai Y. Dari hasil regresi didapat nilai 3,426. Hal ini berarti banyaknya kesalahan dalam prediksi Kualitas Pelayanan Publik sebesar 3,426.
4.4.4 Uji Asumsi Klasik
Tujuan pengujian Asumsi Klasik ini adalah untuk memberikan kepastian bahwa persamaan regresi yang didapatkan memiliki ketepatan dalam estimasi, tidak bias dan konsisten.
4.4.4.1 Uji Normalitas
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut berdistribusi normal ataukah tidak.
Uji Normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi normal atau diambil dari populasi normal.
Dasar pengambilan keputusan dalam Uji Normalitas ini yaitu :
Jika nilai Signifikansi > 0,05 maka nilai residual berdistribusi normal.
Jika nilai Signifikansi < 0,05 maka nilai residual tidak berdistribusi normal.
Tabel 4.12
Uji Normalitas Kolmogorov Smirnov Variabel Kepribadian (X1)
One-Sample Kolmogorov-Smirnov Test
KEPRIBADIAN KUALITAS PELAYANAN PUBLIK
N 97 97
Normal Parametersa,b Mean 54,88 44,99
Std. Deviation 5,946 5,889
Most Extreme Differences
Absolute ,119 ,134
Positive ,119 ,134
Negative -,074 -,103
Kolmogorov-Smirnov Z 1,169 1,317
Asymp. Sig. (2-tailed) ,130 ,062
a. Test distribution is Normal.
b. Calculated from data.
Sumber : Hasil pengolahan data dengan SPSS
Dari Tabel 4.12 dapat kita lihat bahwa nilai Signifikansi sebesar 0,130.
Karena nilai signifikansi 0,130 > 0,05. Maka dinyatakan bahwa nilai residual dari variabel X1 (Kepribadian ASN) berdistribusi normal.
Tabel 4.13
Uji Normalitas Kolmogorov Smirnov Variabel Disiplin (X2)
One-Sample Kolmogorov-Smirnov Test
DISIPLIN KUALITAS PELAYANAN PUBLIK
N 97 97
Normal Parametersa,b Mean 33,67 44,99
Std. Deviation 4,399 5,889
Most Extreme Differences
Absolute ,112 ,134
Positive ,112 ,134
Negative -,104 -,103
Kolmogorov-Smirnov Z 1,101 1,317
Asymp. Sig. (2-tailed) ,177 ,062
a. Test distribution is Normal.
b. Calculated from data.
Dari tabel di atas dapat kita lihat bahwa nilai Signifikansi sebesar 0,177.
Karena nilai signifikansi 0,177 > 0,05. Maka dinyatakan bahwa nilai residual dari variabel X2 (Disiplin ASN) berdistribusi normal.
Tabel 4.14
Uji Normalitas Kolmogorov Smirnov Variabel Komunikasi (X3)
One-Sample Kolmogorov-Smirnov Test
KOMUNIKASI KUALITAS PELAYANAN PUBLIK
N 97 97
Normal Parametersa,b Mean 37,63 44,99
Std. Deviation 4,729 5,889
Most Extreme Differences
Absolute ,109 ,134
Positive ,109 ,134
Negative -,090 -,103
Kolmogorov-Smirnov Z 1,073 1,317
Asymp. Sig. (2-tailed) ,200 ,062
a. Test distribution is Normal.
b. Calculated from data.
Sumber : Data hasil penelitian 2019 (diolah dengan SPSS)
Dari tabel di atas dapat kita lihat bahwa nilai Signifikansi sebesar 0,200.
Karena nilai signifikansi 0,200 > 0,05. Maka dinyatakan bahwa nilai residual dari variabel X3 (Komunikasi ASN) berdistribusi normal.
Gambar 4.2 Histogram Normalitas
Pada Gambar 4.2 menjelaskan bahwa garis dan histogramnya melintangdari kiri ke kanan membentuk kurva secara sempurna. Gambar ini menunjukkanbahwa data yang telah diolah sudah terdistribusi secara normal.
4.4.4.2 Uji Heterokedastisitas
Uji heterokedastisitas adalah uji yang menilai apakah ada ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi linier. Apabila asumsi heterokedastisitas tidak terpenuhi, maka model regresi dinyatakan tidak valid sebagai alat peramalan.
Dalam kasus lain, saat dimungkinkan terjadi masalah heterokedastisitas.
Oleh karena itu, alternatif solusi yang dapat dilakukan untuk mengatasi masalah tersebut adalah :
1. Melakukan transformasi data ke bentuk lain seperti : Log atau Ln.
2. Mengganti metode pengujian heterokedastisitas dengan metode yang lain seperti Uji Glejser.
3. Mengurangi jumlah data (outlier data ekstrim).
4. Menambah atau mengganti data atau jumlah sampel.
Tabel 4.15
Hasil Uji Heterokedastisitas
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients
t Sig.
B Std. Error Beta
1
(Constant) 4,069 2,657 1,531 ,129
KEPRIBADIAN ,049 ,062 ,108 ,795 ,428
DISIPLIN ,103 ,119 ,168 ,868 ,388
KOMUNIKASI -,203 ,108 -,356 -1,875 ,064
a. Dependent Variable: Abs_res
Sumber : hasil penelitian 2019 (data diolah dengan SPSS) Dari Tabel 4.15 dapat kita lihat bahwa :
1. Nilai Sig. Variabel X1 (Kepribadian) 0,428 > 0,05 maka dapat dinyatakan bahwa tidak terjadi gejala heterokedastisitas.
2. Nilai Sig. Variabel X2 (Disiplin) 0,388 > 0,05 maka dapat dinyatakan bahwa tidak terjadi gejala heterokedastisitas.
3. Nilai Sig. Variabel X3 (Komunikasi) 0,064 > 0,05 maka dapat dinyatakan bahwa terjadi gejala heterokedastisitas.
Gambar 4.3 Hasil Uji Heterokedastisitas ScatterPlots Sumber : Hasil Penelitian 2019 (Diolah dengan SPSS)
Berdasarkan output Scatterplots di atas diketahui bahwa :
1. Titik –titik data penyebar di atas dan di bawah atau di sekitar angka 0.
2. Titik-titik tidak mengumpul hanyadi atas atau di bawah saja.
3. Penyebaran titik-titik data tida membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4. Penyebaran titik-titik data tidak berpola.
Dengan demikian dapat disimpulkan bahwa tidak terjadi masalah heterokedastisitas, hingga model regresi yang baik dan ideal dapat terpenuhi.
4.4.4.3 Uji Multikolinearitas
Multikolinearitas adalah sebuah situasi yang menunjukkan adanya korelasi atau hubungan kuat antara dua variabel bebas atau lebih dalam sebuah model regresi berganda.
Dalam situasi terjadi multikolinearitas dalam sebuah model regresi berganda, maka nilai koefisien beta dari sebuah variabel bebas atau variabel predictor dapat berubah secara dramatis apabila ada penambahan atau pengurangan variabel bebas di dalam model. Oleh karena itu, multikolinearitas tidak mengurangi kekuatan prediksi secara simultan, namun mempengaruhi nilai prediksi dari sebuah variabel bebas. Nilai prediksi sebuah variabel bebas disini adalah koefisien beta.
Penyebab multikolinearitas adalahadanyainterkorelasi atau hubungan yang kuat antara dua variabel bebas atau lebih. Model regresi yang baik ditandai dengan tidak terjadi interkorelasi antara variabel independent (tidak terjadi gejala multikolinearitas).
Salah satu cara yang paling akurat untuk mendeteksi ada atau tidaknya gejala multikolinearitas ini adalah dengan menggunakan metode Tolerance dan VIF (Variance Inflation Factor).
Pedoman keputusan berdasarkan nilai Tolerance :
a. Jika nilai Tolerance lebih besar dari 0,10 maka artinya tidak terjadi multikolinearitas dalam model regresi.
b. Jika nilai Tolerance lebih kecil dari 0,10 maka artinya terjadi multikolinearitas dalam model regresi.
Pedoman keputusan berdasarkan nilai VIF (Variance Inflation Factor) : a. Jika Nila VIF < 10,00 maka artinya tidak terjadi multikolinearitas dalam
model regresi.
Jika nilai VIF > 10,00 maka artinya terjadi multikolinearitas dalam model regresi.
Tabel 4.16
Hasil Uji Multikolinearitas Variabel Kepribadian (X1), Disiplin (X2), Komunikasi (X3)
Coefficientsa Model Unstandardized Coefficients Standardized
Coefficients
T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1
(Constant) 3,342 3,286 1,017 ,312
KEPRIBADIAN ,194 ,105 ,196 1,853 ,067 ,316 3,163
DISIPLIN ,062 ,163 ,047 ,381 ,704 ,233 4,298
KOMUNIKASI ,775 ,147 ,616 5,278 ,000 ,259 3,868
a. Dependent Variable: KUALITAS PELAYANAN PUBLIK
Sumber : Data hasil pengolahan dengan SPSS (hasil penelitian Tahun 2019)
Dari tabel 4.16 dapat kita lihat bahwa :
1. Nilai Tolerance X1 (Kepribadian) 0,316 > 0,10 dan Nilai VIF-nya 3,163 < 10,00 berarti bahwa tidak terjadi multikolinearitas.
2. Nilai Tolerance X2 (Disiplin) 0,233 > 0,10 dan Nilai VIF-nya 4,298 < 10,00 berarti bahwa tidak terjadi multikolinearitas.
3. Nilai Tolerance X3 (Komunikasi) 0,259 > 0,10 dan Nilai VIF-nya 3,868 < 10,00 berarti bahwa tidak terjadi multikolinearitas.
4.4.4.4 Uji t (Uji Parsial)
Uji t dikenal dengan Uji Parsial yaitu untuk menguji bagaimana pengaruh masing-masing variabel bebasnya (X) secara sendiri-sendiri terhadap variabel terikatnya (Y). Uji ini dapat dilakukan dengan membandingkan t hitung dengan t tabel atau dengan melihat kolom signifikansi pada masing-masing t hitung.
Dasar pengambilan keputusan Uji t (Uji Parsial) dalam analisis regresi dapat dilakukan dengan dua cara yakni :
1. Berdasarkan perbandingan nilai t hitung dengan t tabel :
Jika nilai t hitung > t tabel maka ada pengaruh variabel bebas (X) terhadap variabel terikat (Y) atau hipotesis diterima.
Jika nilai t hitung < t tabel maka tidak ada pengaruh variabel bebas (X) terhadap variabel terikat (Y) atau hipotesis ditolak.
Adapun rumus untuk mencari nilai ttabel : ttabel = (α/2 ; n-k-1)
ttabel = (0,05/2 ; 97-3-1) ttabel = (0,025 ; 93)
sehingga dapat dilihat nilai t Tabel yaitu 1,985 (distribusi t Tabel terlampir).
2. Berdasarkan nilai signifikansi (Sig.) :
Jika nilai Signifikansi (Sig.) < probabilitas 0,05 maka ada pengaruh variabel bebas (X) terhadap variabel terikat (Y) atau hipotesis diterima.
Jika nilai Signifikansi (Sig.) > probabilitas 0,05 maka tidak ada pengaruh variabel bebas (X) terhadap variabel terikat (Y) atau hipotesis ditolak.
Tabel 4.17
Hasil Uji t (Uji Parsial) Variabel Independent (X1, X2 dan X3) Terhadap Variabel Dependen (Y)
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients
t Sig.
B Std. Error Beta
1
(Constant) 3,342 3,286 1,017 ,312
KEPRIBADIAN ,194 ,105 ,196 1,853 ,067
DISIPLIN ,062 ,163 ,047 ,381 ,704
KOMUNIKASI ,775 ,147 ,616 5,278 ,000
a. Dependent Variable: KUALITAS PELAYANAN PUBLIK
Sumber : data output hasil pengolahan dengan SPSS Dari Tabel 4.17 dapat kita lihat bahwa :
1. Nilai thitung variabel Kepribadian (X1) = 1,853. Sedangkan nilai ttabel = 1,985.
Dengan demikian nilai thitung (1,853) < ttabel (1,853). Artinya variabel Kepribadian (X1) tidak berpengaruh signifikan terhadap variabel Kualitas Pelayanan Publik (Y).
Nilai Signifikansi (Sig.) variabel Kepribadian (X1) = 0,67. Dengan demikian 0,67 > 0,05 artinya variabel Kepribadian (X1) tidak berpengaruh signifikan terhadap variabel Kualitas Pelayanan Publik (Y).
Kesimpulannya adalah bahwa variabel Kepribadian (X1) secara parsial tidak berpengaruh signifikan terhadap variabel Kualitas Pelayanan Publik (Y).
Sehingga H1 dinyatakan ditolak.
2. Nilai thitung variabel Disiplin (X2) = 0,381. Sedangkan nilai ttabel = 1,985.
Dengan demikian nilai thitung (0,381) < ttabel (1,853). Artinya variabel Disiplin (X2) tidak berpengaruh signifikan terhadap variabel Kualitas Pelayanan Publik (Y).
Nilai Signifikansi (Sig.) variabel Disiplin (X2) = 0,704. Dengan demikian 0,704 > 0,05 artinya variabel Disiplin (X2) tidak berpengaruh signifikan terhadap variabel Kualitas Pelayanan Publik (Y).
Kesimpulannya adalah bahwa variabel Disiplin (X2) secara parsial tidak berpengaruh signifikan terhadap variabel Kualitas Pelayanan Publik (Y).
Sehingga H2 dinyatakan ditolak.
3. Nilai thitung variabel Komunikasi (X3) = 5,278. Sedangkan nilai ttabel = 1,985.
Dengan demikian nilai thitung (5,278) > ttabel (1,853). Artinya variabel Komunikasi (X3) berpengaruh signifikan terhadap variabel Kualitas Pelayanan Publik (Y).
Nilai Signifikansi (Sig.) variabel Komunikasi (X3) = 0,000. Dengan demikian 0,000 < 0,05 artinya variabel Komunikasi (X3) berpengaruh signifikan terhadap variabel Kualitas Pelayanan Publik (Y).
Kesimpulannya adalah bahwa variabel Komunikasi (X3) secara parsial berpengaruh signifikan terhadap variabel Kualitas Pelayanan Publik (Y).
Sehingga H3 dinyatakan diterima.
4.4.4.5 Uji F (Uji Simultan)
Uji F digunakan untuk mengetahui apakah variabel-variabel independen (X1, X2, X3...Xn) secara simultan atau secara bersama-sama berpengaruh signifikan terhadap variabel dependen (Y). Derajat kepercayaan yang digunakan adalah 0,05.
Dasar pengambilan keputusan Uji F berdasarkan nilai F hitung dan F tabel, yakni :
a. Jika nilai F hitung > F tabel maka variabel independen (X) secara simultan berpengaruh terhadap variabel dependen (Y).
b. Sebaliknya, jika nilai F hitung < F tabel maka variabel independen (X) secara simultan tidak berpengaruh terhadap variabel dependen (Y).
Disini besarnya nilai F tabel adalah 2,70. (F tabel terlampir)
Nilai ini diperoleh dari rumus (k; n-k), dimana k adalah jumlah variabel independen (X) dan n adalah banyaknya jumlah responden.
Dasar pengambilan keputusan Uji F berdasarkan nilai Sig. (Signifikansi), yakni :
a. Jika nilai signifikansi < 0,05 maka variabel independen (X) secara simultan berpengaruh signifikan terhadap variabel dependen (Y).
b. Jika nilai signifikansi > 0,05 maka variabel independen (X) secara simultan tidak berpengaruh signifikan terhadap variabel dependen (Y).
Tabel 4.18
Hasil Uji F (Uji Simultan) Variabel Bebas (X) Terhadap Variabel Terikat (Y)
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression 2237,500 3 745,833 63,548 ,000b
Residual 1091,490 93 11,736
Total 3328,990 96
a. Dependent Variable: KUALITAS PELAYANAN PUBLIK
b. Predictors: (Constant), KOMUNIKASI, KEPRIBADIAN, DISIPLIN
Sumber : data output hasil pengolahan dengan SPSS
Dari Tabel 4.18 dapat kita lihat bahwa nilai F hitung sebesar 63,548.
Dimana nilai F hitung ini lebih besar dari nilai F tabel (63,548 >2,70). Maka dapat
dinyatakan bahwa variabel-variabel independen (X) secara simultan atau secara bersama-sama berpengaruh signifikan terhadap variabel dependen (Y).
Dan dari tabel output SPSS di atas pula dapat kita lihat besarnya nilai signifikansi yakni 0,000. Dimana nilai signifikansi 0,000 < 0,05 sehingga dapat dinyatakan bahwa variabel-variabel independen (X) secara simultan berpengaruh signifikan terhadap variabel dependen (Y).
H4 : Kepribadian, Disiplin, dan Komunikasi secara simultan berpengaruh positif signifikan terhadap Kualitas Pelayanan Publik.
Dari hasil pengolahan data yang telah dilakukan yakni Uji F (Uji Simultan) dapat disimpulkan bahwa H0 diterima dan H1 ditolak. Dapat dinyatakan bahwa variabel
Kepribadian (X1), Disiplin (X2) dan Komunikasi (X3) secara simultan atau secara serempak berpengaruh positif signifikan terhadap Kualitas Pelayanan Publik (Y).
Tabel 4.19
Rangkuman Hasil Penelitian
No. Hipotesis thitung Sig. Hasil
1. (H1) Kepribadian secara parsial
berpengaruh positif signifikan terhadap Kualitas Pelayanan Publik.
1,853 0,67 Ditolak
2. (H2) Disiplin secara parsial berpengaruh positif signifikan terhadap Kualitas Pelayanan Publik.
0,381 0,704 Ditolak
3. (H3) Komunikasi secara parsial
berpengaruh positif signifikan terhadap Kualitas Pelayanan Publik.
5,278 0,000 Diterima
4. (H4) Kepribadian, Disiplin, dan
Komunikasi secara simultan berpengaruh positif signifikan terhadap Kualitas
Pelayanan Publik.
63,548 0,000 Diterima