ANALISA DAN EVALUASI
B. Analisis Statistik 1. Kuesioner
4. Analisis Regresi Linier Berganda
Analisis regresi linier berganda digunakan untuk mengetahui seberapa besar pengaruh variabel bebas (X1, X2, X3, X4, X5, X6) terhadap variabel terikat (Y) dengan bantuan SPSS 12.00 dari Tabel coefficients maka dihasilkan output sebagai berikut:
Coefficientsa 27.034 4.407 6.134 .000 .030 .220 .014 .136 .892 .971 1.030 -.035 .232 -.016 -.151 .881 .933 1.072 -.216 .206 -.109 -1.046 .298 .958 1.044 -.076 .297 -.027 -.257 .798 .967 1.034 .883 .321 .282 2.753 .007 .987 1.013 -.117 .401 -.031 -.292 .771 .936 1.068 (Constant) Product Price Place Promotion People CustomerServic Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: KepuasanNasabah a.
a. Model Regresi Linier Berganda
Berdasarkan hasil pengolahan data seperti terlihat dalam tabel 4.14 kolom kedua (unstandardized coefficients) bagian (B) diperoleh persamaan regresi linier berganda:
Y = 30,123 - 0,208X1 - 0,846X2 + 1,384X3 - 0,869X4 + 0,140X5 + 0,027X6
)
- Konstanta (a) = 30,123 artinya variabel products, pricing, place, promotion,
people, physical evidence dianggap konstan maka tingkat kepuasan konsumen sebesar 30,123.
- Koefisien regresi X1 (b1) = - 0,208 menunjukkan bahwa products berpengaruh negatif terhadap kepuasan konsumen. Artinya jika Tini Salon meningkatkan kualitas products ( X1) sebesar satu satuan maka tingkat kepuasan konsumen akan berkurang sebesar - 0,208 satuan.
- Koefisien regresi X2 (b2) = - 0,846 menunjukkan bahwa pricing berpengaruh negatif terhadap kepuasan konsumen. Artinya jika Tini Salon meningkatkan kualitas price (X2) sebesar satu satuan maka tingkat kepuasan konsumen akan berkurang sebesar - 0,846 satuan.
- Koefisien regresi X3 (b3) = 1,384 menunjukkan bahwa place berpengaruh positif terhadap kepuasan konsumen. Artinya jika Tini Salon meningkatkan kualitas place (X3) sebesar satu satuan maka tingkat kepuasan konsumen akan bertambah sebesar 1,384 satuan.
- Koefisien regresi X4 (b4) = -0,869 menunjukkan bahwa promotion
berpengaruh negatif terhadap kepuasan konsumen. Artinya jika Tini Salon meningkatkan kualitas promotion (X4) sebesar satu satuan maka tingkat kepuasan konsumen akan berkurang sebesar - 0,869 satuan.
- Koefisien regresi X5 (b5) = 0,140 menunjukkan bahwa people berpengaruh positif terhadap kepuasan konsumen. Artinya jika Tini Salon meningkatkan kualitas people (X5) sebesar satu satuan maka tingkat kepuasan konsumen akan bertambah sebesar 0,140 satuan.
- Koefisien regresi X6 (b6) = 0,027 menunjukkan bahwa physical evidance
berpengaruh positif terhadap kepuasan konsumen. Artinya jika Tini Salon meningkatkan kualitas Physical Evidence (X6) sebesar satu satuan maka tingkat kepuasan konsumen akan bertambah sebesar 0,027
b. Uji Asumsi Klasik
1) Multikolineritas
Uji multikolineritas diperlukan untuk mengetahui ada tidaknya variabel independent yang memiliki kemiripan dengan variabel independen lain dalam suatu model.
Coefficientsa 27.034 4.407 6.134 .000 .030 .220 .014 .136 .892 .971 1.030 -.035 .232 -.016 -.151 .881 .933 1.072 -.216 .206 -.109 -1.046 .298 .958 1.044 -.076 .297 -.027 -.257 .798 .967 1.034 .883 .321 .282 2.753 .007 .987 1.013 -.117 .401 -.031 -.292 .771 .936 1.068 (Constant) Product Price Place Promotion People CustomerServic Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: KepuasanNasabah a.
Sumber : Pengolahan Data (2007)
Dari Tabel coefficients dapat dilihat:
Variabel Products (X1), Tolerance 0,937 >0.1 Variabel Pricing (X2), Tolerance 0,891 > 0.1 Variabel Place (X3), Tolerance 0,860 > 0.1 Variabel Promotion (X4), Tolerance 0,889 > 0.1 Variabel People (X5), Tolerance 0,921 > 0.1
Variabel Physical evidence (X6), Tolerance 0.908 >0.1
Dari Tabel coefficients dapat dilihat: Variabel Products (X1), VIF 1,067 < 10 Variabel Pricing (X2), VIF 1,122 < 10 Variabel Place (X3), VIF 1,163 < 10
Variabel Promotion (X4), VIF 1,125 < 10 Variabel People (X5), VIF 1,086 < 10
Variabel Physical evidence (X6), VIF 1,102 < 10
Hasil uji melalui Tolerance pada hasil output SPSS 12.00 Tabel coefficients,
lebih besar dari 0,1 dan nilai VIF (Variance Inflation Factor) lebih kecil dari 10. Maka dapat dinyatakan model regresi linier berganda terbebas dari asumsi klasik statistik dan dapat digunakan dalam penelitian.
2). Autokorelasi
Menguji autokorelasi dalam suatu model bertujuan untuk mengetahui ada tidaknya korelasi antar variabel penganggu pada periode tertentu dengan variabel penganggu periode sebelumnya.
Cara mudah mendeteksi autokorelasi dapat dilakukan dengan uji Durbin-Watson. Model regresi linier berganda terbebas dari autokorelasi jika nilai Durbin-Watson hitung terletak di daerah No Autocorelasi.
Tabel 4.16 Model Summaryb .302a .091 .029 1.926 1.938 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
Predictors: (Constant), CustomerService, Promotion, Product, People, Place, Price
a.
Dependent Variable: KepuasanNasabah b.
Sumber : Pengolahan Data (2007)
Hasil uji autokorelasi Tabel 4.15 dengan Durbin Watson dengan jumlah variabel bebas(k) = 6, dan jumlah sampel = 60 menunjukkan angka 1,730 dan
Negatif No positif Autocorelation Autocorelation
0 dl du 2 4-du 4-dl 4 1,38 1,730 1,85
Gambar 4.1Gambar No Autocorelation
Berdasarkan uji di atas tampak bahwa nilai Durbin Watson hitung 1,730 terletak di antara dl dan du maka dapat dikatakan model regresi linier berganda tidak terkena autokorelasi dan dapat digunakan dalam penelitian. 3). Heteroskedastisitas
Heteroskedastisitas menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode pengamatan yang lain.
Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot yang menyatakan model regresi linier berganda tidak terdapat heteroskedastisitas, jika:
- Titik data menyebar di atas dan di bawah atau disekitar angka 0. - Titik data tidak mengumpul hanya di atas atau di bawah saja.
- Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
-3 -2 -1 0 1 2
Regression Standardized Predicted Value
-4 -3 -2 -1 0 1 2 3 Reg res sion Stud enti zed Resi dual
Dependent Variable: KepuasanNasabah Scatterplot
Gambar 4.2 Gambar Scatterplot
Output SPSS pada gambar Scatterplot menunjukkan penyebaran titik-titik data sebagai berikut:
1) Titik data menyebar di atas dan di bawah atau disekitar angka 0. 2) Titik data tidak mengumpul hanya di atas atau di bawah saja.
3) Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4) Penyebaran titik-titik data tidak berpola.
Uji-t menunjukkan seberapa besar pengaruh variabel bebas secara individual terhadap variabel terikat. Untuk melakukan uji-t menggunakan tabel
Coefficients. Langkah-langkah pengujian sebagai berikut: a. Menentukan model hipotesis untuk Ho dan Hi
b. Mencari nilai t-tabel dengan cara menentukan tingkat kesalahan ( ) dan menentukan derajat kesalahan.
c. Menentukan KPK
d. Mencari nilai t-hitung dengan menggunakan bantuan SPSS 12.00 e. Kesimpulan Tabel 4.17 Coefficientsa 27.034 4.407 6.134 .000 .030 .220 .014 .136 .892 .971 1.030 -.035 .232 -.016 -.151 .881 .933 1.072 -.216 .206 -.109 -1.046 .298 .958 1.044 -.076 .297 -.027 -.257 .798 .967 1.034 .883 .321 .282 2.753 .007 .987 1.013 -.117 .401 -.031 -.292 .771 .936 1.068 (Constant) Product Price Place Promotion People CustomerServi Model 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients
t Sig. Tolerance VIF
Collinearity Statistics
Dependent Variable: KepuasanNasabah a.
Sumber : Pengolahan Data (2007)
T-tabel yang diperoleh dengan derajat bebas = df – k (df = jumlah sampel dan k = jumlah variabel independen). Uji-t yang digunakan adalah uji 2 arah maka t-tabel = 2,00 (df1 = 7-1 =6, dan df2 = 60 – 6 = 54).
Nilai t hitung untuk Variabel Products (X1) -0,845 maka Ho ditolak, Variabel
diterima, Variabel Promotion (X4) -1,912 maka Ho ditolak, Variabel People (X5) 0,759 maka Ho ditolak,Variabel Physical evidence (X6) 0,010 maka ho ditolak. Nilai t hitung untuk Variabel Products (X1) berpengaruh negatif dan tidak
signifikan sebesar 0,402, Variabel Pricing (X2) berpengaruh negatif dan signifikan sebesar 0,001, Variabel Place (X3) berpengaruh positif dan signifikan sebesar 0,006, Variabel Promotion (X4) berpengaruh positif dan tidak signifikan sebesar 0,451, Variabel People (X5) berpengaruh positif dan tidak signifikan sebesar 0,068, Physical evidence (X6) berpengaruh positif dan tidak signifikan sebesar 0,992.
d. Uji-F (Uji Serempak)
Uji-F menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat. Langkah-langkah pengujian sebagai berikut:
a. Menentukan model hipotesis untuk Ho dan Hi
b. Mencari nilai f-tabel dengan cara menentukan tingkat kesalahan ( ) dan menentukan derajat kesalahan.
c. Menentukan KPK
d. Mencari nilai f-hitung dengan menggunakan bantuan SPSS 12.00 e. Kesimpulan Tabel 4.18 ANOVAb 32.837 6 5.473 1.475 .196a 326.490 88 3.710 359.326 94 Regression Residual Total Model 1 Sum of
Sumber : Pengolahan Data (2007)
F hitung 2,953 < f tabel 3,74 (df1 = 7-1 =6, dan df2 = 60-7 = 53) dengan tingkat signifikan 0,015 artinya secara bersama-sama terdapat pengaruh yang signifikan dari variabel bebas (X1, X2, X3, X4, X5, X6) terhadap variabel terikat (Y).
BAB V