BAB IV ANALISIS DATA DAN PEMBAHASAN
4.6 Pengaruh Bauran Pemasaran dan Kualitas Pelayanan Terhadap
4.6.1 Uji Asumsi Klasik a. Pengujian Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variable penganggu atau residual berdistribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Untuk melihat normalitas residual penulis menganalisis grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal dan juga menganalisis probabilitas plot yang menbandingkan distribusi kumulatif dan distribusi normal.
Hipotesis:
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 16.0, 2011) Gambar 4.9 Histogram
Interpretasi dari gambar 4.9, menunjukkan bahwa grafik histogram menunjukkan pola distribusi normal.
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 16.0, 2011) Gambar 4.10 Normal P- P Plot of Regression Standardized Residual
Pada gambar 4.10 tersebut dapat dilihat bahwa data-data (titik-titik) menyebar disekitar garis diagonal dan mengikuti arah garis diagonal. Oleh karena itu, berdasarkan gambar 4.10 tersebut dapat diambil kesimpulan bahwa telah memenuhi uji normalitas.
Untuk memastikan apakah data disepanjang garis diagonal berdistribusi normal maka dilakukan uji Kolmogorov Smirnov (1 Sample KS) dengan melihat data residual apakah berdistribusi normal (Syafrizal, et al, 2008: 59).
Menentukan kriteria keputusan:
1. Jika nilai Asymp.Sig. (2-tailed) > 0,05 maka tidak mengalami gangguan distribusi normal.
2. Jika nilai Asymp.Sig. (2-tailed) < 0,05 maka mengalami gangguan distribusi normal.
Tabel 4.32
One-Sample Kolmogorov-Smirnov Test One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 97
Normal Parametersa Mean .0000000
Std. Deviation 1.04921681
Most Extreme Differences Absolute .047
Positive .037
Negative -.047
Kolmogorov-Smirnov Z .460
Asymp. Sig. (2-tailed) .984
a. Test distribution is Normal.
Pengambilan keputusan:
Pada Tabel 4.32 terlihat bahwa Asymp. Sig. (2-tailed) adalah 0,984, dan diatas nilai signifikan 5% (0,05), dengan kata lain variabel residual berdistribusi normal.
b. Pengujian Heterokedastisitas
Heterokedastisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Dengan kata lain, heterokedastisitas terjadi jika residual tidak memiliki varians yang konstan. Pemeriksaan terhadap gejala heterokedastisitas adalah dengan melihat pola diagram pencar yaitu grafik yang merupakan diagram pencar residual, yaitu selisih antara nilai Y prediksi dan Y observasi.
1. Model grafik Hipotesis:
1) Jika diagram pencar yang ada membentuk pola- pola tertentu yang teratur maka regrasi mengalami gangguan heterokedastisitas.
2) Jika diagram pencar yang ada tidak membentuk pola- pola tertentu yang teratur maka regrasi tidak mengalami gangguan heterokedastisitas.
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 16.0, 2011) Gambar 4. 11 Scatterplot
Pada gambar 4.11 dapat dilihat bahwa diagram pencar tidak membentuk pola tertentu karena itu tidak mengalami gangguan heterokedastisitas.
1. Model Glejser
Menentukan kriteria keputusan:
a. Jika nilai signifikan > 0,05, maka tidak mengalami gangguan heterokedastisitas.
b. Jika nilai signifikan < 0,05, maka mengalami gangguan heterokedastisitas. Tabel 4.33 Uji Heterokedastisitas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 1.958 1.320 1.484 .141 Bauran Pemasaran .017 .023 .084 .738 .462 Kualitas Pelayanan -.030 .020 -.172 -1.511 .134
a. Dependent Variable: absolut
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 16.0, 2009) Pada Tabel 4.33 tampak bahwa signifikasi variabel bebas lebih besar dari 0,05, maka tidak mengalami gangguan heterokedastisitas.
c. Pengujian Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji adanya korelasi antara variabel independen. Jika terjadi korelasi maka dinamakan multikol, yaitu adanya masalah multikolinieritas. Hasil pengolahan dapat dilihat pada Tabel 4.22 sebagai berikut:
Tabel 4.34 Uji Multikolinieritas
Model
Unstandardized Coefficients
Standardized
Coefficients Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 12.356 2.285
Bauran Pemasaran .169 .040 .449 .805 1.242
Kualitas Pelayanan -.049 .034 -.151 .805 1.242
a. Dependent Variable: Kepuasan Pelanggan
Sumber: Hasil pengolahan data primer (Kuesioner,SPSS versi 16.0, 2011) Hasil pengujian:
Pedoman suatu model regresi yaitu bebas multikol adalah dengan melihat
Variance Inflation Factor (VIF) > 5 maka variabel ada masalah multikol, dan jika
VIF < 5 maka tidak terdapat masalah multikol. Jika Tolerance < 0,1 maka variabel ada masalah multikol, dan jika Tolerance > 0,1 maka variabel tidak terdapat masalah multikol Pada Tabel 4. 34 dapat dilihat bahwa nilai VIF < 5 dan Tolerance > 0,1 maka tidak ditemukan masalah Multikolinieritas dalam penelitian ini.
4.6.2. Identifikasi Determinan (R2)
Determinan digunakan untuk melihat seberapa besar pengaruh variabel bebas terhadap variabel terikat. Jika determinan (R2) semakin besar atau mendekati satu, maka pengaruh variabel bebas (terhadap variabel terikat (Y) semakin kuat. Jika determinan (R2) semakin kecil atau mendekati nol, maka pengaruh variabel bebas terhadap variabel terikat (Y) semakin lemah.
Tabel 4.35
Identifikasi Determinan (R2)
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .405a .164 .146 1.06032
a. Predictors: (Constant), Kualitas Pelayanan, Bauran Pemasaran
b. Dependent Variable: Kepuasan Pelanggan
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 16.0, 2009) Tabel 4.35 menunjukkan bahwa angka Adjusted R2 atau determinan sebesar 0,146 berarti variabel bebas mampu menjelaskan terhadap variabel terikat yaitu kepuasan pelanggan (Y) sebesar 14,6% dan sisanya 85,4% dipengaruhi oleh variabel yang tidak diteliti.
4.6.3 Uji F (Uji Secara Serempak/ Simultan)
Uji F dilaksanakan untuk menguji apakah kualitas pelayanan yang terdiri dari variabel Bauran Pemasaran (X1), Kualitas Pelayanan (X2) secara bersama- sama atau serentak mempunyai pengaruh yang signifikan terhadap kepuasan nasabah.
Langkah- langkah pengujiannya adalah sebagai berikut: 1. Menentukan model hipotesis Ho dan Ha.
2. Mencari nilai Ftabel dengan cara menentukan tingkat kesalahan (α) dan menentukan derajat kebebasan.
3. Menentukan kriteria pengambilan keputusan.
5. Hasil pengujian:
a. Model hipotesis yang digunakan adalah:
Ho: bi =0, artinya variabel bebas secara bersama- sama tidak berpengaruh positif dan signifikan terhadap variabel terikat.
Ha: bi =0, artinya variabel bebas secara bersama- sama berpengaruh positif dan signifikan terhadap variabel terikat.
b. Ftabel dapat dilihat pada α = 0,05
Dengan derajat pembilang = k-1 = 1 – 1 = 1
Derajat penyebut = n – k = 97 – 1 = 96, Ftabel 0,05 (2, 96) = 3,92
7. Mencari nilai Ftabel dengan menggunakan Tabel ANOVA dari hasil pengolahan SPSS versi 16.0 Tabel 4.36 Uji F (Simultan) ANOVAb Model Sum of
Squares df Mean Square F Sig. 1 Regression 20.771 2 10.386 9.238 .000a
Residual 105.682 94 1.124
Total 126.454 96
a. Predictors: (Constant), Kualitas Pelayanan, Bauran Pemasaran
b. Dependent Variable: Kepuasan Pelanggan
Sumber: Hasil pengolahan data primer (kuesioner, SPSS versi 16.0, 2011) Fhitung = residual square mean regression square mean = 124 , 1 386 , 10 = 9,238
a. Kriteria pengambilan keputusan
Ho diterima jika Fhitung < Ftabel pada α = 0,05 Ha diterima jika Fhitung > Ftabel pada α = 0,05
b. Dari tabel ANOVA diperoleh Fhitung sebesar 9,238
Nilai Fhitung > Ftabel pada α = 5% dengan demikian maka Ha diterima.
4.6.4 Uji t (Parsial)
Uji-t dilakukan untuk menguji secara parsial apakah kualitas pelayanan yang terdiri dari variabel variabel Bauran Pemasaran (X1) dan Kualitas Pelayanan (X2) secara parsial atau masing- masing berpengaruh signifikan terhadap kepuasan pelanggan A&W Restaurants Sun Plaza Medan.
Langkah- langkah pengujian tersebut adalah: 1. Menentukan model hipotesis Ho dan Ha
2. Mencari nilai ttabel dengan cara menentukan tingkat kesalahan (α) dan menentukan derajat kebebasan.
3. Menentukan kriteria pengambilan keputusan.
4. Mencari nilai thitung dengan menggunakan bantuan aplikasi SPSS 16.0. 5. Kesimpulan.
Model hipotesis yang digunakan adalah:
a. Ho: b1 = 0, artinya secara parsial tidak terdapat pengaruh positif dan signifikan dari variabel bebas (X1, X2 ) terhadap variabel terikat (Y). b. Ha: b1 ≠0, artinya secara parsial terdapat pengaruh positif dan
signifikan dari variabel bebas (X1, X2,) terhadap variabel terikat (Y). Kriteria pengambilan keputusan:
1. Berdasarkan thitung:
Ha diterima jika thitung > ttabel pada α = 0,05 2. Berdasarkan probabilitas (Sig.):
Jika probabilitasnya > 0,05 maka Ho diterima Jika probabilitasnya < 0,05 maka Ho ditolak
Tabel 4.37 Uji T (Parsial) Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 12.356 2.285 5.408 .000 Bauran Pemasaran .169 .040 .449 4.269 .000 Kualitas Pelayanan -.049 .034 -.151 -1.435 .155
a. Dependent Variable: Kepuasan Pelanggan
Sumber: Hasil pengolahan data primer (Kuesioner, SPSS versi 16.0, 2011)
Berdasarkan Tabel 4.37 diatas dapat dijelaskan, bahwa : 1. Variabel Bauran Pemasaran (X1)
Variabel bauran pemasaran berpengaruh secara positif dan signifikan terhadap kepuasan pelanggan, hal ini terlihat dari nilai signifikansi 0,000 dengan tingkat kepercayaan 95 % (α = 0,05). Nilai thitung dari variabel ini adalah 4,269 dengan derajat kebebasan (df) = 96 (97– 1) adalah 1,99. Berdasarkan kriteria uji hipotesis yaitu jika thitung > ttabel maka Ha diterima, maka dapat dinyatakan bahwa dengan nilai 4,269 > 1,99 dan 0,000 < 0,05. Hal ini menunjukkan bahwa jika variabel bauran pemasaran ditingkatkan, maka kepuasan pelanggan akan meningkat (Situmorang & Lufti, 2011).
2. Variabel Kualitas Pelayanan (X2)
Variabel kualitas pelayanan perpengaruh negatif dan tidak signifikan terhadap kepuasan pelanggan, hal ini terlihat dari nilai signifikansi 0,155 dengan tingkat kepercayaan 95% (α = 0,05). Nilai thitung dari variabel ini adalah -1,435 dengan derajat kebebasan (df) = 96(91–1) adalah 1,99. Berdasarkan kriteria uji hipotesis yaitu jika thitung <ttabel maka H0 diterima, maka dapat dinyatakan bahwa dengan nilai -1,668< 1,99 dan 0,155 > 0,05 sehingga variabel kualitas pelayanan perpengaruh negatif dan tidak signifikan terhadap kepuasan pelanggan dan hipotesis ditolak. Hal ini menunjukkan bahwa jika variabel Kualitas Pelayanan ditingkatkan, maka kepuasan pelanggan tidak akan berkurang (Situmorang & Lufti, 2011).
Berdasarkan Uji T (Parsial) maka rumus persamaan regresinya adalah : Y= 12,356 + 0,169 X1 - 0,049 X2 + e
Persamaan regresi diatas menjelaskan bahwa ada hubungan kuadratik antara variabel Bauran Pemasaran (X1), dan Kualitas Pelayanan (X2) terhadap kepuasan pelanggan. Hubungan yang dominan adalah variabel Bauran Pemasaran (X1), (Trihendradi, 2009). Terdapat hubungan yang negatif pada variabel Kualitas Pelayanan (X2), ini dapat disebabkan oleh kesalahan dalam menyusun kuisioner dan responden yang menjadi sampel kurang representatif dan kurang bervariasi sehingga tidak bisa menjelaskan banyak varians (Situmorang & Lufti, 2011).