4,035 Sumber : Wawancara dan Kuisioner (2016)
4.2.4 Uji Hipotesis
4.2.4.1 Analisis Jalur (Path Analysis)
2.4.1.1.3 Pembahasan Subtruktur 3: Pengaruh Kepuasan Pelanggan Terhadap Loyalitas Pelanggan
Sarwono (2012) menyatakan untuk melakukan uji analisis jalur diperlukan asumsi dan prinsip dasar yakni :
A. Melihat Kelayakan Model Regresi
Untuk melihat kelayakan model regresi apakah sudah benar dapat dilihat dengan dua cara yakni dengan melihat tabel F pada ANOVA dan melihat nilai signifikansi.
Tabel 4.33
Kelayakan Model Regresi
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 119.548 1 119.548 41.698 .000a
Residual 280.962 98 2.867
Total 400.510 99
a. Predictors: (Constant), KepuasanPelanggan b. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 (2016)
Keputusan :
3. Jika F tabel < F hitung, maka model regresi layak.
Dari tabel Anova diatas terlihat nilai F hitung (41,698) lebih besar dari F tabel (2,31) maka model regresi dinyatakan layak.
4. Jika nilai signifikansi < 0,05, maka model regresi layak. Dari tabel Anova diatas terlihat nilai signifikansi (0,000) < 0,05 maka model regresi dinyatakan layak
B. Menguji Ketepatan Predictor yang digunakan dalam Riset
Untuk menguji ketepatan prediktor (variabel eksogen) yang digunakan untuk mempredikdi variabel endogen dapat digunakan dengan membandingkan angka standar deviasi dan angka standard error of estimate. Jika angka standard error of estimate < angka standar deviasi maka prediktor yang dipakai layak/benar. Berdasarkan tabel dibawah terlihat nilai standar deviasi variabel kepuasan pelanggan (1,78), diatas angka standard error of estimate (1,69).
Tabel 4.34 Standar Deviasi
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N Predicted Value 17.6876 23.5011 21.0700 1.09889 100
Residual -4.91561 3.19841 .00000 1.78464 100
Std. Predicted Value -3.078 2.212 .000 1.000 100
Std. Residual -2.903 1.889 .000 .995 100
a. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 (2016)
Tabel 4.35
Standard Error of the Estimate
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .546a .298 .291 1.69321 1.962
a. Predictors: (Constant), KepuasanPelanggan b. Dependent Variable: LoyalitasPelanggan
C. Menguji Kelayakan Koefisien Regresi yang digunakan dalam Riset
Untuk menguji kelayakan koefisien regresi yang digunakan dalam riset bisa dilihat pada nilai signifikansi. Jika nilai signifikansi bawah 0,05 maka koefisien regresi dinyatakan layak.
Tabel 4.36 Nilai Signifikansi
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) .399 1.678 .238 .813 Lokasi .214 .108 .146 1.987 .050 Merchendise .003 .105 .002 .027 .978 Harga .145 .067 .160 2.162 .033 Pelayanan .500 .092 .456 5.452 .000 Promosi .230 .105 .171 2.196 .031 Atmosfer .272 .089 .242 3.065 .003
a. Dependent Variable: Kepuasan
Sumber : Data penelitian diolah SPSS, 20.00 (2016)
D. Menguji Otokorelasi
Untuk menguji apakah terdapat otokorelasi atau tidak dalam model regresi bisa membandingkan nilai DW. Jika nilai DW berada pada 1<DW<3, maka tidak terjadi otokorelasi pada model regresi berganda. Pada tabel dibawah ini terlihat nilai DW sebesar 1,965. Berarti nilai DW berada pada 1 < DW (1,965) < 3 maka tidak terjadi otokorelasi pada model regresi.
Tabel 4.37 Uji Otokorelasi
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .546a .298 .291 1.69321 1.962
a. Predictors: (Constant), KepuasanPelanggan b. Dependent Variable: LoyalitasPelanggan
E. Menguji Multikolinearitas
Untuk menguji apakah terdapat multikolinearitas atau tidak dalam model regresi bisa melihat nilai korelasi. Jika koefisien korelasi variabel eksogen tinggi (mendekati 1) maka terjadi multikolinearitas. Dari tabel dibawah ini bahwa nilai korelasi variabel eksogen tidak mendekati 1.
Tabel 4.38 Uji Multikolinearitas
Correlations
KepuasanPelanggan LoyalitasPelanggan
KepuasanPelanggan Pearson Correlation 1 .546**
Sig. (2-tailed) .000
N 100 100
LoyalitasPelanggan Pearson Correlation .546** 1
Sig. (2-tailed) .000
N 100 100
**. Correlation is significant at the 0.01 level (2-tailed).
Sumber : Data penelitian diolah SPSS, 20.00 (2016)
F. Menguji Linearitas
Untuk melihat linearitas bisa menggunakan normal PP plot, jika titik-titik (data) membentuk garis lurus bisa disimpulkan bahwa linearitas dalam regresi sudah dipenuhi.
Gambar 4.22 Diagram PP Plot Sub Struktur 2
G. Menguji Normalitas Data
Data dinyatakan berdistribusi normal jika data tersebut tidak melenceng ke kiri atau ke kanan, data berbentuk kurva yang seimbang sehingga membentuk gambar lonceng.
Gambar 4.23 Histogram Sub Stuktur 2
Sumber : Data penelitian diolah SPSS, 20.00 (2016)
H. Pembahasan Persamaan Sub struktur 2 1. Menguji Koefisien Determinasi R2
Pengujian dengan menggunakan uji koefissien determinasi (R2), yaitu untuk melihat besarnya pengaruh variabel bebas. Uji koefisien determinasi adalah dengan persentase pengkuadratan nilai koefisien yang ditemukan. R-square atau nilai determinan (R2) mendekati satu berarti pengaruh variabel bebas terhadap variabel terikat kuat.
Tabel 4.39 Koefisien Determinasi (R2) Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .546a .298 .291 1.69321 1.962
a. Predictors: (Constant), KepuasanPelanggan b. Dependent Variable: LoyalitasPelanggan
Besarnya nilai R square pada tabel diatas adalah 0,546. Angka 0,546 berarti 54,6% besarnya pengaruh variabel eksogen (kepuasan pelanggan) erhadap loyalitas pelangggan. Atau dengan kata lain variabel endogen loyalitas pelanggan dapat dijelaskan oleh variabel eksogen sebesar 54,6% Sedangkan sisanya (1-0,546) = 0,454 atau 45,4% dapat diterangkan oleh variabel lain diluar variabel eksogen.
2. Menghitung Koefisien Jalur secara simultan (Uji Fhitung)
Uji secara keseluruhan hipotesis statistik dirumuskan sebagai berikut:
a) Kaidah pengujian signifikansi secara manual adalah dengan menggunakan Tabel F. Hipotesis statistik dirumuskan sebagai berikut:
Ha : ρyY1 (kepuasan) = ρyY2 ≠ 0, H0 : ρyY1(kepuasan) = ρyY2 = 0 b) Kaidah pengujian signifikansi:
Jika nilai probabilitas 0,05 lebih kecil atau sama dengan nilai probabilitas Sig atau (0,05 ≤ Sig), maka H0 diterima dan Ha ditolak, artinya tidak signifikan. Jika nilai probabilitas 0,05 lebih besar atau sama dengan nilai probabilitas Sig atau (0,05 ≥ Sig), maka H0 ditolak dan Ha diterima, artinya signifikan.
Tabel 4.40
Koefisien Jalur Secara Simultan (Uji F hitung) ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 119.548 1 119.548 41.698 .000a
Residual 280.962 98 2.867
Total 400.510 99
a. Predictors: (Constant), KepuasanPelanggan b. Dependent Variable: LoyalitasPelanggan
Dari tabel diatas terlihat uji secara simultan , dimana nilai signifikansi (0,000) lebih kecil dari 0,05 dengan demikian hipotesis diterima bahwa kepuasan pelanggan berpengaruh signifikan terhadap loyalitas pelanggan .
3. Menghitung koefisien jalur secara individu ( Uji thitung)
Uji-t (uji parsial) dilakukan untuk melihat secara individu pengaruh secara signifikan dari variabel bebas terhadap variabel terikat dengan menggunakan langkah-langkah sebagai berikut:
Mencari nilai ttabel dengan cara menentukan tingkat kesalahan (α) dan menentukan derajat kebebasan (df).
a) Mencari nilai thitung dengan menggunakan bantuan aplikasi. b) Menentukan kriteria keputusan :
H0 diterima bila thitung < ttabel atau H0diterima, apabila nilai sigifikansi t > (α). Ha diterima bila thitung > ttabel atau Ha diterima, apabila nilai signifikansi t < (α).
Tabel 4.41
Koefisien Jalur Secara Individu (Uji t hitung) Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 10.289 1.678 6.131 .000 KepuasanPelanggan .529 .082 .546 6.457 .000 a. Dependent Variable: LoyalitasPelanggan
Sumber : Data penelitian diolah SPSS, 20.00 (2016)
Berdasarkan hasil uji parsial terlihat bahwa nilai t hitung variabel eksogen lokasi sebesar 6,457 dengan nilai signifikansi 0,050, Berarti variabel eksogen
secara parsial berpengaruh secara positif dan signifikansi terhadap loyalitas pelanggan.
c) Menghitung Nilai Koefisien Korelasi
Korelasi ditujukan untuk pasangan pengamatan data rasio yang menunjukan hubungan yang linear. Koefisien korelasi adalah suatu angka indeks yang melukiskan hubungan antara dua rangkaian data yang dihubungkan. Dengan kata lain, korfisien korelasi adalah ukuran atau indeks dari hubungan antara dua variabel. Koefisien korelasi besarnya antara -1 sampai +1. Tanda positif dan negatif menunjukkan arti atu arah dari hubungan koefisien korelasi tersebut
Korelasi positif nilainya berada antara 0 sampai +1 , nilai menjelaskan bahwa apabila suatu variabel naik maka akan menyebabkan kenaikan pada variabel yang lainnya dan sebaliknya. Korelasi negatif nilainya berada antara -1 sampai 0, nilai tersebut menjelaskan bahwa apabila suatu variabel naik maka variabel yang lainnya akan turun dan sebaliknya.
Tabel 4.42
Nilai Koefisien Korelasi
Correlations KepuasanPelangga n LoyalitasPelanggan KepuasanPel anggan Pearson Correlation 1 .546** Sig. (2-tailed) .000 N 100 100 LoyalitasPela nggan Pearson Correlation .546** 1 Sig. (2-tailed) .000 N 100 100
**. Correlation is significant at the 0.01 level (2-tailed).
d) Menggambar Koefisien Jalur
Gambar 4.24 : Koefisien Jalur Sub Struktur 3 Sumber : Data penelitian diolah (2016)
Tabel 4.43
Hasil Koefisien Jalur Sub Struktur 3
Dari Ke Standard Coefficient Beta T hitung F hitung Hasil Pengujian R 2 e Y1(Kepuasan Pelanggan) Y2(Loyalitas Pelanggan) .546 1.987 5,457 H0 ditolak 0,298 0,082 Sumber : Data penelitian diolah (2016)
Berdasarkan Tabel 4.51 analisis statistik yang telah dilakukan terhadap masing-masing variabel penelitian diatas, maka peneliti mencoba memberikan pembahasan terhadap permasalahan yang dibahas, yaitu :
1. Pengaruh kepuasan pelanggan terhadap loyalitas pelanggan
Berdasarkan hasil pengujian, menunjukkan bahwa kepuasan pelanggan memiliki pengaruh yang positif dan signifikan terhadap loyalitas pelanggan yakni sebesar 0,298. Dapat kita simpulkan bahwa semakin tinggi kepuasan tentu akan semakin meningkatkan loyalitas pelanggan.
e= 0,082
Kepuasan Loyalitas